[发明专利]一种新型多发性骨髓瘤诺模图构建方法

说明书

本发明提供了一种基于十基因特征、血清β2‑微球蛋白和LDH的多发性骨髓瘤诺模图构建方法，包括以下步骤：S1，从GEO数据库中获取MM患者的基因表达谱GSE24080，并对所述基因表达谱GSE24080中的基因进行预处理，获得表达值方差最大的前25％的5413个基因；S2，对所述5413个基因进行WGCNA基因共表达网络分析，以识别共表达的功能模块；S3，通过Pearson相关检验将所述功能模块与临床信息之间的相关性进行评估，以确定最显著的模块；S4，使用Cox比例危险度模型对最显著的模块中的基因进行单变量生存分析，并通过LASSO回归筛选出由10个最佳基因组成的评分模型；S5，建立基于所述评分模型、血清β2M和高LDH的新型诺模图来预测新诊断MM患者的3年OS和5年OS。

技术领域

本发明涉及一种基于十基因特征、血清β2-微球蛋白和LDH的多发性骨髓瘤诺模图构建方法。

背景技术

多发性骨髓瘤(MM)是一种恶性浆细胞病，其肿瘤细胞起源于骨髓中的浆细胞，而浆细胞是B淋巴细胞发育到最终功能阶段的细胞。目前，多发性骨髓瘤的异质性日益受到重视，然而，世界上还没有建立有效、简便的MM预后模型。

发明内容

本发明提供了一种基于十基因特征、血清β2-微球蛋白和LDH的多发性骨髓瘤诺模图构建方法，可以有效解决上述问题。

本发明是这样实现的：

一种基于十基因特征、血清β2-微球蛋白和LDH的多发性骨髓瘤诺模图构建方法，包括以下步骤：

S1，从GEO数据库中获取MM患者的基因表达谱GSE24080，并对所述基因表达谱GSE24080中的基因进行预处理，获得表达值方差最大的前 25％的5413个基因；

S2，对所述5413个基因进行WGCNA基因共表达网络分析，以识别共表达的功能模块；

S3，通过Pearson相关检验将所述功能模块与临床信息之间的相关性进行评估，以确定最显著的模块；

S4，使用Cox比例危险度模型对最显著的模块中的基因进行单变量生存分析，并通过LASSO回归筛选出由10个最佳基因组成的评分模型如下：风险评分＝0.239*ZNRF3的表达水平+0.219*UBE2T的表达水平 +0.164*CCSAP的表达水平+0.161*CENPE的表达水平+0.152*PMS2P5的表达水平+0.147*TMEM97的表达水平+0.131*CDKN2A的表达水平 +0.123*SLC39A10的表达水平+0.107*KIF21B的表达水平+0.002*FABP5的表达水平；

S5，建立基于所述评分模型、血清β2M和高LDH的新型诺模图来预测新诊断MM患者的3年OS和5年OS。

本发明的有益效果是：本发明建立一个十基因风险评分、血清β2M和 LDH来构建诺模图。该诺模图能较好地预测个体患者的预后。该模型的C 指数(0.729)优于ISS模型(0.613)。该诺模图可能比R-ISS更有助于定量预测患者的生存率。

附图说明

为了更清楚地说明本发明实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1A为样品聚类树和临床特征热图。

图1B为分析不同软阈值加权系数的网络拓扑结构图。

图1C为将基于拓扑重叠的不同的基因树状图与分配的模块颜色进行聚类图。

图1D为模块-样本特征关联性热图。

图2为LASSO回归法绘制回归系数图。