[发明专利]癌症筛查模型、癌症筛查模型的构建方法及构建装置

说明书

本发明公开了一种癌症筛查模型、癌症筛查模型的构建方法及构建装置。该构建方法包括以下步骤：基于不同的数据构建不同的CNV baseline；分别利用不同的CNV baseline对待检测样本的sWGS数据进行CNV检测，获取多个基因组特征；利用待检测样本的sWGS数据建立训练集与测试集，将各个基因组特征的数值做ROC曲线，选择AUC值最大的基因组特征作为最终基因组特征；对最终基因组特征进行模型训练，获得癌症筛查模型。本发明通过纳入sWGS情况下，基于不同baseline数据获得多个基因组特征，建立训练集与测试集，通过机器学习的方法，建立癌症筛查模型，提高癌症（早期）筛查的准确性。

技术领域

本发明涉及生物技术领域，具体而言，涉及一种癌症筛查模型、癌症筛查模型的构建方法及构建装置。

背景技术

膀胱癌是常见的恶性肿瘤之一，也是泌尿系统最常见的一种恶性肿瘤。目前膀胱癌监控方法依赖反复的膀胱镜检查、穿刺活检、影像学检查。膀胱镜检查被视为目前膀胱癌诊断的金标准，但这些过程耗时、费用较高，对原位癌敏感性较差，并且可能导致尿路感染、尿道损伤、膀胱损伤等并发症。穿刺活检方法由于是高侵入性的，会对组织有创伤。影像学检查则带有辐射伤害，以上这些常规检查方法都会给患者带来痛苦。

膀胱癌由于其发病灶的特殊性，尿液中往往存在着大量来自膀胱癌组织脱落的肿瘤细胞及癌细胞凋亡破裂释放的小片段游离DNA。尿脱落细胞学检查是另一种目前用于诊断膀胱癌的常规方法，其优点是无创伤，特异性高、非侵入性，但其检出率因受多因素的影响，敏感性低（约30％），特别是在肿瘤早期因细胞间粘附不脱落使其敏感性大为降低。

因此，在不能获取肿瘤组织或常规方法检测效果不佳情况下，利用尿液中含有的肿瘤DNA，通过NGS的方法进行低深度全基因组测序，筛选与膀胱癌有关的基因组特征进行膀胱癌的筛查，成为另一种较好的检查手段，可能会更加高效、全面、灵敏、实时地反映患者是否患有膀胱癌。

目前癌症早诊主要集中在常见热点基因突变情况的检测，通过增加检测基因数量，检测深度等方法提高检测的准确性。而通过增加检测其他方面的基因组特征来进行癌症的早筛还有发展空间。

发明内容

本发明旨在提供一种癌症筛查模型、癌症筛查模型的构建方法及构建装置，以解决现有技术中在不增加检测基因数量或检测深度的情况下难以提高检测的准确性的技术问题。

为了实现上述目的，根据本发明的一个方面，提供了一种癌症筛查模型的构建方法。该构建方法包括以下步骤：基于不同的数据构建不同的CNV baseline；分别利用不同的CNV baseline对待检测样本的sWGS数据进行CNV检测，获取多个基因组特征；利用待检测样本的sWGS数据建立训练集与测试集，将各个基因组特征的数值做ROC曲线，选择AUC值最大的基因组特征作为最终基因组特征；对最终基因组特征进行模型训练，获得癌症筛查模型。

进一步地，癌症为膀胱癌，待检测样本包括健康人群的尿液脱落细胞样本与膀胱癌患者尿液脱落细胞样本。

进一步地，基于不同的数据构建不同的CNV baseline包括：选取预定数量的健康人，获取其cfDNA测序信息，与参考基因组进行比对，构建cfCNV baseline；基于千人基因组数据库中人群样本基因组数据与参考基因组构建1000G.CNVbaseline；优选的，预定数量为50人以上；优选的，千人基因组数据库中人群样本基因组数据为千人基因组数据库中中国人群样本基因组数据。

进一步地，构建方法在获得癌症筛查模型之后还包括：使用测试集对模型进行验证；优选的，对最终基因组特征采用随机森林模型进行训练；优选的，基因组特征包括大片段CNV个数和异常reads比例。