[发明专利]一种基于组织器官分化层次关系的癌症类型预测系统和方法

说明书

本发明提供了一种基于组织器官分化层次关系的癌症类型预测系统和方法。该方法包括：获取多个癌症类型中的每种癌症的转录组基因表达量数据作为训练集；将不同的癌症类型按照组织器官分化关系分成第一等级和第二等级；基于组织器官分化层次关系进行特征选取，即对于每个等级的每种组织器官类型或癌症类型，选取该种癌症类型和训练集中其它所有癌症类型相比较为差异表达基因并且是高表达的基因，得到所选取的基因的每个的表达量的值作为特征值；对上述特征值进行归一化处理；将上述归一化处理的特征值输入机器学习算法以构建双层机器学习分类模型；以及对将处理后的待检测样本数据输入到双层机器学习分类模型中进行预测。

技术领域

本发明涉及生物医学领域，尤其涉及一种基于组织器官分化层次关系的癌症类型预测系统和方法。

背景技术

原发肿瘤不明的转移性癌是指通过组织学或细胞学检查，可以证实为转移癌，但病史和临床表现不能提供原发肿瘤的证据。在原发肿瘤不明的转移性癌中，腺癌占40％，原发肿瘤可能为：肺、胰腺、胃肠道、胆、肝、肾、乳腺、前列腺、甲状腺、肾上腺以及生殖细胞的肿瘤；未分化癌占40％，几乎任何部位皆可发生；鳞癌占13％，主要来自肺、头颈部、食管、宫颈、膀胱等部位的肿瘤；其它类型的肿瘤占7％。

多原发性恶性肿瘤，是指同一患者的同一器官或多个器官、组织同时或先后发生2种及以上的原发性恶性肿瘤，全身各处均可发生。多处肿瘤同时存在的情况给医生的治疗带来困难。这种癌症一般无法准确判断各处肿瘤是在此处原发还是别的肿瘤转移过来的。

对原发肿瘤不明的转移性癌和多原发性恶性肿瘤需要首先判断癌症类型，因此准确判断和分类癌症类型至关重要。现在认为，原发灶不明癌的特征与其假定来源肿瘤相同，采用已知肿瘤的处理方案治疗某些原发灶不明癌的亚型能够获益。

目前临床上主要用于判断来源不明的转移癌症的方法有以下几个：

(1)免疫组化：根据特定的蛋白标记物来确定细胞类型和组织来源。比如CK7主要存在于乳腺、胰腺、肺、胆道、甲状腺、子宫内膜癌；CK20主要在胃肠、泌尿道上皮。甲胎蛋白(AFP)，与肝癌和非精原细胞的生殖细胞有关；前列腺特异性抗原(PSA)，与前列腺癌有关，腺癌或有骨骼转移者PSA升高提示前列腺癌。

(2)物理成像检查：如磁共振成像(MRI)、增强电脑断层扫描(CT)以及正电子发射计算机断层显像(PET-CT)

(3)内窥镜检查：如纤支镜，胃镜，肠镜。

(4)基于反转录酶-聚合酶链锁反应(reverse transcription-polymerase chainreaction，RT-PCR)技术的方法：比如美国Rosetta Genomics公司的48个微小RNA(microRNA)RT-PCR的方法。

(5)基于基因芯片的方法：比如荷兰AGENDIA公司的产品利用基因表达芯片的方法来对癌症类型分类。

(6)基于转录组(RNA-Seq)的方法：2014年，Iris H.Wei(RNA-Seq AccuratelyIdentifies Cancer Biomarker Signatures to Distinguish Tissue of Origin)等人报道了一种基于RNA-Seq的癌症类型特征基因的选择方法，他们利用logistic回归算法，对8种癌症的分类准确率达到90％。2018年，William F.Flynn等人(Pan-cancer machinelearning predictors of tissue of origin and molecular subtype)利用TCGA的RNA-Seq数据和随机森林模型对癌症类型预测，在外部数据的表现上达到78％的敏感性。这些研究的特征基因选取和分类模型的构建方法都是基于所有不同癌症类型直接构建的，没有考虑到不同的癌症器官的分化关系。

而上述现有的方法均存在缺点：