申请/专利权人：西安交通大学

申请日：2021-08-19

公开（公告）日：2024-04-02

公开（公告）号：CN113724782B

主分类号：G16B20/30

分类号：G16B20/30;G16B25/10;G16B5/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.12.17#实质审查的生效;2021.11.30#公开

摘要：本发明公开了一种基于可变聚腺苷酸化位点的疾病预后标志物筛选方法。本发明主要基于逐步回归模型和最小最大凹惩罚的Cox回归模型，从转录组测序数据中识别预后相关APA特征，筛选稳定的预后风险相关标志基因组，提供预后风险得分计算公式，基于数据辅助预测临床患者预后。本发明提供了构建应用于临床患者分层指标的新思路，在已有数据的实施和验证中表现出较高的准确性，并可以简便的推广到任意数据集。

主权项：1.一种基于可变聚腺苷酸化位点的疾病预后标志物筛选方法，其特征在于，包括以下步骤：1基因可变据腺苷酸化位点识别及表达数据的计算，使用APA识别算法，提取基因3’非翻译区的APA位点，计算基因各转录本的TPM表达量；APA位点识别及表达量计算使用APA定量算法QuantificationofAPA,QAPA；2预后相关基因的初步筛选，对转录本TPM表达值进行对数转换并去掉表达量过低的APA位点，通过单因素Cox回归分析进行生存相关APA位点筛选，并计算基因不同转录本表达量总和作为基因的总表达量；单因素Cox回归分析初步筛选设置纳入阈值为P值0.01；3筛选预后风险基因组，通过逐步回归和基于最小最大凹惩罚的Cox回归模型，对基因进行进一步筛选，输出筛选获得的基因及相应系数，得到预后风险得分计算公式，预后风险得分PRS＝a+b1*Expgene1+b2*Expgene2+…+bn*Expgenn，其中a为回归模型常数项，bn为回归系数，Expgenen为基因genen的总表达量；逐步回归通过R语言MASS包中的stepAIC函数实现，其中逐步回归使用混合法，模型评价使用AIC指标；基于最小最大凹惩罚的Cox回归模型通过R语言ncvreg包中的cv.ncvsurv函数实现；4根据预后风险得分预测样本预后，使用预后风险得分构建生存模型，通过ROC曲线确定最佳分类阈值，设定预后风险分数最佳分类阈值为预后高危组，预后风险分数≤最佳分类阈值为预后低危组。

全文数据：

权利要求：

百度查询： 西安交通大学 一种基于可变聚腺苷酸化位点的疾病预后标志物筛选方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD