[发明专利]一种基于血液中FCER1G基因表达识别房颤脑栓塞的临床决策支持方法

权利要求书

1.一种基于血液中FCER1G基因表达识别房颤脑栓塞的临床决策支持方法，其特征在于，包括以下步骤：

以FCER1G基因为生物标志物，建立基于生物标志物表达的诺模图；

在诺模图的基础上，通过互联网平台开发了一个预测软件；

在预测网站中输入FCER1G基因的表达，根据模型风险评分公式，得到风险得分；

根据风险得分，识别房颤患者患心源性脑栓塞的高危人群，为急性期脑卒中患者再灌注治疗提供决策支持。

2.根据权利要求1所述的方法，其特征在于，所述FCER1G基因为候选标志物通过以下步骤筛选出：

S1，确定房颤患者和健康对照组之间的差异基因；

S2，进一步分析了差异基因所富集的生物途径和疾病类型；

S3，筛选识别房颤患者心源性脑栓塞风险的生物标志物

S4，分析生物标志物在心源性和非心源性脑栓塞患者中的表达差异；

S5，评估筛选出的血液生物标志物敏感性和特异性。

3.根据权利要求2所述的方法，其特征在于，所述步骤S1中通过分析从GEO数据库中下载的2个房颤微阵列数据集，1个心源性卒中微阵列数据集和1个动脉粥样硬化微阵列数据集，确定房颤患者和健康对照组之间的差异基因。

4.根据权利要求2所述的方法，其特征在于，所述步骤S2中使用Metascape数据库和疾病本体富集分析进一步分析差异基因所富集的生物途径和富集的疾病类型。

5.根据权利要求2所述的方法，其特征在于，所述步骤S3中通过 LASSO和SVM-RFE机器学习算法筛选房颤患者心源性脑栓塞风险的生物标志物。

6.根据权利要求2所述的方法，其特征在于，所述步骤S3中通过使用外部数据集和通过收集临床样本血液提取RNA后RT-qPCR 进一步验证候生物标志物表达。

7.根据权利要求2-6任一所述的方法，其特征在于，基于FCER1G的表达，使用RMS包构建诺模图。

8.根据权利要求1所述的方法，其特征在于，所述模型风险评分公式为：

Risk of Disease = -8.797e-06 * points ^3 + 0.002806319 * points ^2 -0.273312976 * points + 8.428125708；points=76.923076923 * FCER1G -439.2872319；所述模型风险评分公式中FCER1G为其自身的基因表达量。

9.根据权利要求1所述的方法，其特征在于，所述风险评分在0-1范围内，评分越接近1，患房颤心源性脑栓塞的风险越高。

10.根据权利要求1所述的方法，其特征在于，所述诺模图用于识别房颤患者患心源性脑栓塞的高危人群，在急性期脑栓塞的患者中识别心源性脑卒中的疾病风险，进一步为急性期脑栓塞的患者再灌注治疗提供快速辅助决策支持。