【技术实现步骤摘要】
本专利技术涉及基因检测，具体地，涉及一种基于tcr测序的肺癌早筛检测装置及其构建方法和应用。
技术介绍
1、肺癌是我国发病率最高的恶性肿瘤，早期发现肿瘤并采取相应的措施对于肺癌的防治至关重要，ia期肺癌5年生存率能够达到70％以上，而iva期肺癌的5年生存率只有10％左右。但是由于缺乏有效的肿瘤筛查手段，在目前的临床实践中，早期发现并确诊的肿瘤占比较少，i期和ii期发现的肺癌占比仅30％左右；早期发现肿瘤也有助于减少因诊治肿瘤产生的费用，癌症转移阶段发现肿瘤所需诊疗费用一般为早期阶段的2～3倍。
2、目前临床上通常采用低剂量螺旋ct的方法对特定人群进行肺癌筛查，但该方法存在假阳性率高的问题，容易造成过度诊疗，增加患者风险和医疗负担，同时其还存在辐射的问题。
3、t细胞受体(t cell receptor，tcr)是指t细胞表面的特异性抗体，负责识别由主要组织相容性复合体(major histocompatibility complex，mhc)所呈递的抗原，对于识别肿瘤相关的抗原能够起到关键作用。tcr是一种异源二聚体，可以由αβ链或γδ链组成，其中αβ链组成的tcr占90％以上。
4、tcr序列由v gene(variable)、d gene(diversity)和j gene(join)区域的基因片段经过重排和插入生成，具有丰富的多样性。tcr的抗原决定区(complementary-determining region，cdr)用于与抗原-mhc(pmhc)复合物进行结合；其中tcr的β
5、每个个体中约有1011个t细胞，由106～108条特异的tcr序列构成；t细胞免疫组库指一个个体全部的tcr序列，通过对t细胞免疫组库的分析，能够了解个体的免疫现状、既往感染史、免疫反应等信息，对于预测肿瘤的发生、发展可能起到关键作用。tcr测序是指对个体的t细胞免疫组库分析，确认tcr序列的种类(clonotype)及数目(clonecounts)，目前大多数tcr测序方法主要指对tcrβ链的cdr3区域进行测序。
6、目前已有一些研究将tcr测序用于肿瘤早筛，但这些研究大多使用tcr免疫组库的统计指标，构成tcr序列的kmer多样性等特征构建机器学习模型，用于肿瘤早筛；基于tcr免疫组库的统计指标的模型，所使用特征过于简单，未能完全利用tcr测序所提供的丰富信息，可能难以捕获早期肿瘤相关的信号；而基于tcr序列kmer多样性的模型往往输入特征过多，容易训练过拟合的模型。
7、因此，目前急需一种能够利用tcr测序信息进行肿瘤早筛的方法，通过tcr测序提供的丰富信息，实现对于肿瘤的精准早筛。
技术实现思路
1、本专利技术的目的是为了克服现有技术的上述不足，提供一种基于tcr测序的肺癌早筛检测装置及其构建方法和应用。
2、本专利技术的第一目的是提供一种基于tcr测序的肺癌早筛模型的构建方法。
3、本专利技术的第二目的是提供一种基于tcr测序的肺癌早筛检测装置。
4、为了实现上述目的，本专利技术是通过以下方案予以实现的：
5、一种基于tcr测序的肺癌早筛模型的构建方法，包括以下步骤：
6、s1.富集tcr序列数据库的建立：
7、s11.获取实验组tcr免疫组库和对照组tcr免疫组库，并分别计算实验组tcr免疫组库和对照组tcr免疫组库中每一tcr序列的出现次数；所述实验组含有肺癌患者样本，所述对照组含有健康人样本；
8、s12.去除步骤s11得到的对照组tcr免疫组库中出现次数≤5的tcr序列，得到对照组tcr序列数据集；
9、去除对照组tcr序列数据集低丰度的tcr序列，得到对照组富集tcr序列数据库；去除步骤s11得到的实验组tcr免疫组库中在对照组tcr序列数据集中出现过的tcr序列，并去除低丰度的tcr序列，得到实验组富集tcr序列数据库；
10、s2.肺癌早筛模型的构建：
11、利用训练集中的样本的特征对机器学习模型进行交叉验证训练，得到肺癌早筛模型；所述训练集包括阳性样本和阴性样本，所述阳性样本为恶性肺结节样本的血液和/或组织样本；所述阴性样本为良性肺结节样本的血液和/或组织样本，或健康人血液样本；所述特征包括tcr特征、临床特征和/或影像学特征；所述tcr特征包括：v gene和j gene的占比特征、tcr免疫组库的统计特征、趋同序列特征、tcr序列氨基酸占比特征、不同长度的tcr序列占比特征、不同频率的tcr序列占比特征和tcr富集序列特征；
12、所述tcr特征的获取方法具体如下：
13、训练集中每一样本的tcr测序数据经过质控，再将与tcrβ的cdr3区域比对上的tcr并转化为clonotypes文件，得到训练集样本的待分析数据；
14、v gene和j gene的占比特征：基于训练集的样本的待分析数据，获取样本的各tcr序列中各v gene和j gene的校正后clonecounts，作为样本的v gene和j gene的占比特征；
15、趋同序列特征：基于训练集的样本的待分析数据，保留tcr序列reads大于等于1～100，且不含有终止密码子和/或出现移码突变的tcr序列作为样本的functional tcr序列，计算趋同序列的特征；所述趋同序列为氨基酸序列相同但核苷酸序列不同的tcr序列；
16、趋同序列的特征为：趋同序列数目占比、趋同序列clonecounts占比和趋同序列校正后clonecounts占比；
17、tcr富集序列特征：(1)对训练集的样本的待分析数据和步骤s1中的对照组富集tcr序列数据库中长度相同的tcr序列，保留编辑距离≤0.3×b的tcr序列对，其中b为tcr序列长度，并选择alignment_score≥4.5×b的tcr序列对，作为tcr序列组合；
18、基于tcr序列组合，按照公式ii计算tcr富集序列特征enrich_score1，按照公式iii计算tcr富集序列特征enrich_type1；
19、公式ii：
20、其中alignment_scoreij为相同长度的tcr序列i和tcr序列j的alignment_score；nki为样本k中的tcr序列i的数目，样本k属于中的样本，为对照组富集tcr序列数据库；query_seq_scorej＝ln(nj)，nj为tcr序列组合中tcr序列j的数目，tcr序列j来源于样本的待分析数据；query_seqs为样本的待分析数据中的tcr序列数量；
21、公式iii：
22、其中enriched_seqs为tcr序列组合中来源于样本的tcr序列的数量；query_seqs为样本的待分析数据中的tcr序列数量
23、(2)按照(1)所示方法本文档来自技高网...
【技术保护点】
1.一种基于TCR测序的肺癌早筛模型的构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的构建方法，其特征在于，步骤S2中利用k-fold crosssvalidation和/或leave-one-out cross validation对机器学习模型进行交叉验证训练。
3.根据权利要求1所述的构建方法，其特征在于，步骤S2中所述临床特征包括是否有吸烟史、是否戒烟、是否曾患肺癌、是否COPD和/或是否有肺癌家族史；所述影像学特征包括肺结节大小、肺结节数目、是否为实性结节、是否为部分实性结节、是否为磨玻璃结节、是否存在毛刺和/或肺结节位置。
4.根据权利要求1所述的构建方法，其特征在于，步骤S2进行交叉训练前，利用Ensemble Feature selection和/或boruta特征筛选方法对训练集中样本的特征进行筛选。
5.根据权利要求1所述的构建方法，其特征在于，所述Ensemble Feature selection特征筛选方法包括recursive feature elimination、random fores
6.根据权利要求4所述的构建方法，其特征在于，对训练集中样本的特征进行筛选后，进行数据平衡。
7.根据权利要求1所述的构建方法，其特征在于，步骤S2中所述TCR免疫组库的统计特征包括香农指数、d50Index指数、反向辛普森指数和均一性指数。
8.根据权利要求1所述的构建方法，其特征在于，步骤S2中所述TCR序列氨基酸占比特征的获取方法为：基于样本的functional TCR序列，去除各TCR序列两端的1～4个氨基酸，计算删除氨基酸后TCR序列的各氨基酸的占比。
9.根据权利要求1所述的构建方法，其特征在于，步骤S2中所述不同长度的TCR序列占比特征和不同频率的TCR序列占比特征的获取方法为：基于样本的functional TCR序列，将其以长度进行分组，并计算各长度分组的TCR序列的数量比例，得到各长度的TCR序列的占比；基于样本的functional TCR序列，将其以频率进行分组，计算各频率分组的TCR序列的数量比例，得到各频率的TCR序列的占比。
10.一种基于TCR测序的肺癌早筛检测装置，其特征在于，包括测序模块、分析模块、预测模块和结果输出模块；
...【技术特征摘要】
1.一种基于tcr测序的肺癌早筛模型的构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的构建方法，其特征在于，步骤s2中利用k-fold crosssvalidation和/或leave-one-out cross validation对机器学习模型进行交叉验证训练。
3.根据权利要求1所述的构建方法，其特征在于，步骤s2中所述临床特征包括是否有吸烟史、是否戒烟、是否曾患肺癌、是否copd和/或是否有肺癌家族史；所述影像学特征包括肺结节大小、肺结节数目、是否为实性结节、是否为部分实性结节、是否为磨玻璃结节、是否存在毛刺和/或肺结节位置。
4.根据权利要求1所述的构建方法，其特征在于，步骤s2进行交叉训练前，利用ensemble feature selection和/或boruta特征筛选方法对训练集中样本的特征进行筛选。
5.根据权利要求1所述的构建方法，其特征在于，所述ensemble feature selection特征筛选方法包括recursive feature elimination、random forest和/或glmnet。
<...【专利技术属性】
技术研发人员：董林峰，郭威，阳作权，陈亚如，周衍庆，陈实富，许明炎，
申请(专利权)人：深圳市海普洛斯生物科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。