申请/专利权人:苏州卫生职业技术学院
申请日:2024-03-22
公开(公告)日:2024-06-25
公开(公告)号:CN118248225A
主分类号:G16B40/00
分类号:G16B40/00;G16B20/50;G16H50/20;G06F18/214;G06F18/27;G06N20/20
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明涉及生物信息技术领域,公开了一种AML患者程序性细胞死亡相关预后模型构建方法,包括:基于收集的PCD相关基因,通过单因素Cox回归分析,确定PCD相关预后基因,构建训练队列TCGA‑AML;结合多种机器学习算法进行随机组合,得到多种不同组合方式的整合算法,基于训练队列TCGA‑AML拟合预测模型,采用GSE106291、GSE146173和BeatAML三个验证集验证预测模型,并计算三个验证集的一致性指数C‑index,反映每种整合算法下预测模型的判别能力;选取C‑index平均值较高且包含PCD相关预后基因数目最少的一个预测模型,作为最佳的程序性细胞死亡相关预后模型,预测每个AML患者的PCD‑index。本发明应用多种生物信息学和机器学习算法构建预后模型,在肿瘤患者预后预测和靶向药物设计过程中具有重要价值。
主权项:1.一种AML患者程序性细胞死亡相关预后模型构建方法,其特征在于,包括以下步骤:收集PCD相关基因;基于收集的PCD相关基因,通过单因素Cox回归分析,确定PCD相关预后基因,构建训练队列TCGA-AML;结合多种机器学习算法进行随机组合,得到多种不同组合方式的整合算法;采用多种不同组合方式的整合算法,基于训练队列TCGA-AML拟合预测模型,采用GSE106291、GSE146173和BeatAML三个验证集验证预测模型,并计算三个验证集的一致性指数C-index,反映每种整合算法下预测模型的判别能力;选取C-index平均值较高且包含PCD相关预后基因数目最少的一个预测模型,作为最佳的程序性细胞死亡相关预后模型;基于最佳的程序性细胞死亡相关预后模型,预测每个AML患者的PCD-index。
全文数据:
权利要求:
百度查询: 苏州卫生职业技术学院 一种AML患者程序性细胞死亡相关预后模型构建方法
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。