[发明专利]一种肠癌早期诊断和腺瘤诊断标志物及用途

权利要求书

1.肠癌诊断标志物的检测试剂在应用于制备血浆cfDNA的肠癌或者腺瘤的诊断试剂中的应用，其特征在于，肠癌诊断标志物是由以下的菌种所组成：

柱状黄杆菌（Flavobacterium）、极地杆菌（Polaribacter）、Lacinutrix、Formosa、黄杆菌属（Tenacibaculum）、海洋细菌（Maribacter）、噬碳酸菌（Capnocytophaga）、藤黄栖沉积物杆菌（Sediminicola）、肠球菌（Enterococcus）、盐厌氧菌（Halanaerobium）、链球菌（Streptococcus）、Yoonia、Frondihabitans、Nakamurella、棍状杆菌（Clavibacter）、冷冻杆菌（Cryobacterium）、痤疮丙酸杆菌（Propionibacterium）、Sulfuricaulis、海草球菌（Phycicoccus）、微杆菌（Microbacterium）、罗斯氏菌（Roseburia）、布劳特氏菌（Blautia）、类诺卡氏菌（Nocardioides）、瘤胃球菌（Ruminococcus）、双歧杆菌属（Bifidobacterium）、真杆菌（Eubacterium）；

所述的应用，还包括如下步骤：

S1：获取待测样本以及正常样本的血浆，提取cfDNA，采用高通量测序方法进行测序，获得测序读段；

S2；将测序读段比对至人类参考基因组，去除掉人源的DNA序列读段；

S3：将剩下的读段比对至微生物基因组数据库，获得能够比对至所述的诊断标志物的微生物序列的读段，统计读段数目；

S4：对于每种细菌，将数目对所述的细菌的基因全长做归一化处理，得到相对丰度；

S5：采用细菌的相对丰度作为输入值，通过机器学习分类算法判断待测样本与正常样本进行分类；

机器学习过程采用患病的概率作为输出值；

机器学习分类算法是随机森林算法；

高通量测序方法的测序深度为1-30乘。