【技术实现步骤摘要】
本专利技术属于微生物组临床诊断，具体涉及一种预测结直肠癌患者预后风险的标志物组合、模型及方法。
技术介绍
1、现有的研究发现微生物通过多种机制促进肿瘤发生、发展和治疗，如诱导dna突变，激活致癌途径，促进慢性炎症，通过补体系统促进肿瘤进展，引发肿瘤转移等。研究人员发现大多数肿瘤及其邻近的正常组织中都含有不同类型的菌株，主要存在于癌细胞和免疫细胞中。与肠道和血液微生物群不同，肿瘤内微生物群与肿瘤细胞非常接近，可以更准确地反映肿瘤的实际状态。且肿瘤和健康组织之间的微生物群组成以及不同的肿瘤分期、基因突变和远处肿瘤转移之间的微生物群组成存在显着差异，使其成为一种潜在的预后工具，并作为临床干预的新靶点。探索基于微生物干预的联合治疗策略，也可以提高临床治疗效果。
2、肠道微生物是一个庞大且种类繁多的群体，包含细菌、真菌、病毒等多种类型的微生物，它们栖息在人体肠道内，与人体相互作用、相互影响，共同构成了肠道微生态系统。正常情况下，肠道微生物处于一种相对平衡的状态，参与人体众多生理功能，比如协助消化食物、合成维生素(如维生素k、部分b族维生素等)、调节肠道免疫功能等。但是，肠道微生物的失衡，便会引起肠道炎症，产生致癌物质，影响宿主基因表达及细胞信号通路，进而引发结直肠癌。因此，可以通过研究肠道微生物群，了解癌症的发生、发展、治疗和预后，是一种极其有效的策略。
3、本专利技术采用包括全基因组测序数据分析、人源序列过滤、微生物序列提取注释、机器学习诊断模型构建，筛选得到了一种预测结直肠癌患者预后风险的标志物组合，可以预测患
技术实现思路
1、针对上述技术问题，本专利技术的目的在于提供一种预测结直肠癌患者预后风险的标志物组合，所述的标志物组合包括尸毒杆菌(clostridium cadaveris)，普雷沃氏菌(prevotella sp.)oral.taxon.473，真杆菌(eubacterium sp.)3_1_31，龈沟产线菌(filifactor alocis)，卡托尼亚卟啉单胞菌(porphyromonas catoniae)，斯拉克亚菌(slackia sp.)cm382，柠檬酸杆菌(citrobactersp.)aatxr。
2、本专利技术的第二目的是提供一种用于检测所述的标志物组合的试剂，所述的试剂用于检测所述标志物组合的丰度。
3、本专利技术的第三目的是提供所述的标志物组合或所述的试剂在制备预测结直肠癌患者生存和预后风险的试剂、试剂盒或模型中的应用。
4、本专利技术的第四目的是提供一种用于预测结直肠癌患者预后的试剂盒，所述的试剂盒包括检测所述的标志物组合的试剂或仪器。
5、本专利技术的第五目的是提供一种预测结直肠癌患者预后的标志物筛选方法，所述的方法包括：
6、(1)取208例结直肠癌患者样本，以患者生存时间为预测指标，以1145种物种丰度为预测数据，将样本按照7：3划分为训练集和验证集；
7、(2)预测数据筛选：利用r包作为机器学习算法，r包包括机器学习梯度推进机、随机森林、逐步cox、似然增强cox、弹性网络回归算法、lasso回归、cox模型的偏最小二乘回归和支持向量机，并将上述机器学习算法两两组合进行预测，经过比较不同模型的诊断auc数值，选择在训练集和验证集上auc均大于0.65的模型，最终选择随机森林结合逐步cox进行预测数据筛选，并筛选得到了权利要求1所述的标志物组合；
8、(3)组外验证：步骤(2)筛选得到的标志物组合，在验证集上进行验证；
9、(4)对标志物组合进行皮尔森相关性检验，选择p值小于0.05的标志物，优化后的标志物组合共包含24个；
10、(5)利用24个微生物丰度和患者生存时间数据，进行线性拟合，使用r包mass进行逐步回归，以赤池信息量准则(aic)为筛选标准(aic越小越好)，aic数值最小的标志物组合为7个；
11、(6)使用7个微生物标志物的丰度与患者生产时间进行模型拟合，用r软件的glm()函数进行逻辑回归计算，计算预测的准确性(auc)。
12、本专利技术的第六目的是提供通过所述的方法建立的预测结直肠癌患者预后的模型。
13、本专利技术的第七目的是提供一种预测结直肠癌患者预后的模型系统，包括：
14、(1)预输入模块，至少用于输入标志物组合数据；
15、(2)预测模块，至少用于对标志物组合数据进行预测，由所述预测结直肠癌患者预后的模型执行；
16、(3)显示模块，至少用于显示评价结果。
17、本专利技术的第八目的是提供一种计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时使所述的系统实现以下步骤，包括：(1)输入结直肠癌患者预后的标志物组合数据；
18、(2)将标志物组合数据代入模型进行计算，得到结直肠癌患者预后的预测结论；
19、(3)输出结直肠癌患者预后的预测结论。
20、本专利技术的第九目的是提供一种计算机可读存储介质，其上存储有所述的计算机设备。
21、本专利技术的有益效果是：
22、①本专利技术提供了一种预测结直肠癌患者预后风险的标志物组合利用微生物，用于预测患者预后生存时间，预测的准确度为0.7734；
23、②本专利技术提供的利用机器学习算法准确度高，无需培养的优点；
24、③本专利技术提供的预后标志物能够指导临床用药，能够对大量的临床患者测序数据进行二次开发利用，提高肿瘤诊断的准确度，可以广泛用于患者的预后生存评估中。
本文档来自技高网...【技术保护点】
1.一种预测结直肠癌患者预后风险的标志物组合，其特征在于，所述的标志物组合包括尸毒杆菌(Clostridium cadaveris)，普雷沃氏菌(Prevotella sp.)oral.taxon.473，真杆菌(Eubacteriumsp.)3_1_31，龈沟产线菌(Filifactor alocis)，卡托尼亚卟啉单胞菌(Porphyromonas catoniae)，斯拉克亚菌(Slackia sp.)CM382，柠檬酸杆菌(Citrobactersp.)AATXR。
2.一种用于检测如权利要求1中所述的标志物组合的试剂，其特征在于，所述的试剂用于检测所述标志物组合的丰度。
3.如权利要求1所述的标志物组合或权利要求2所述的试剂在制备预测结直肠癌患者生存和预后风险的试剂、试剂盒或模型中的应用。
4.一种用于预测结直肠癌患者预后的试剂盒，其特征在于，所述的试剂盒包括检测权利要求1所述的标志物组合的试剂或仪器。
5.一种预测结直肠癌患者预后的标志物筛选方法，其特征在于，所述的方法包括：
6.通过权利要求5所述的方法建立
7.一种预测结直肠癌患者预后的模型系统，其特征在于，包括：
8.一种计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时使权利要求8所述的系统实现以下步骤，包括：(1)输入结直肠癌患者预后的标志物组合数据；
9.一种计算机可读存储介质，其上存储有如权利要求8所述的计算机设备。
...【技术特征摘要】
1.一种预测结直肠癌患者预后风险的标志物组合，其特征在于，所述的标志物组合包括尸毒杆菌(clostridium cadaveris)，普雷沃氏菌(prevotella sp.)oral.taxon.473，真杆菌(eubacteriumsp.)3_1_31，龈沟产线菌(filifactor alocis)，卡托尼亚卟啉单胞菌(porphyromonas catoniae)，斯拉克亚菌(slackia sp.)cm382，柠檬酸杆菌(citrobactersp.)aatxr。
2.一种用于检测如权利要求1中所述的标志物组合的试剂，其特征在于，所述的试剂用于检测所述标志物组合的丰度。
3.如权利要求1所述的标志物组合或权利要求2所述的试剂在制备预测结直肠癌患者生存和预后风...
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。