[发明专利]一种与结直肠癌相关的生物标志物及其应用

权利要求书

1.机器学习模型随机森林在制备评估结直肠癌风险产品中的应用，其特征在于，所述机器学习模型随机森林的输入变量为结直肠癌生物标志物的丰度；

所述结直肠癌生物标志物包括以下3种：

标志物1）微单胞菌属（Parvimonas spp.）；

标志物2）BMP3基因甲基化；

标志物3）人类DNA含量；

其中，标志物1）微单胞菌属（Parvimonas spp.）检测试剂的探针引物组合为：正向引物序列如SEQ ID NO.1所示，反向引物序列如SEQ ID NO.2所示，探针序列如SEQ ID NO.3所示；

其中，标志物2）BMP3基因甲基化检测试剂的探针引物组合为：正向引物序列如SEQ IDNO.4所示，反向引物序列如SEQ ID NO.5所示，探针序列如SEQ ID NO.6所示；

其中，标志物3）人类DNA含量检测试剂的探针引物组合为：正向引物序列如SEQ IDNO.7所示，反向引物序列如SEQ ID NO.8所示，探针序列如SEQ ID NO.9所示。

2.根据权利要求1所述的应用，其特征在于，所述标志物1）和标志物3）丰度的测定方法是qPCR定量检测，所述标志物2）含量的测定方法为MSP。

3.一种基于机器学习模型随机森林的评估结直肠癌风险产品的构建方法，其特征在于，包括如下步骤：

步骤1）从357例健康样本和354例结直肠癌样本的粪便中提取粪便DNA样本，并将提取的样本分为两部分，其中一部分使用硫酸氢盐处理；

步骤2）使用如权利要求2所述测定方法检测所有样本中三个标志物目的基因片段含量和内部参照基因含量，其中标志物1）和标志物3）使用16S rDNA为内参，标志物2）使用MSP产物对应BMP3基因片段作为内参；

步骤3）根据步骤2）所述的标志物目的基因片段含量和内部参照基因含量，计算得到对应标志物的丰度；

步骤4）使用步骤3）得到的所有样本的标志物丰度和分组信息及随机森林算法，训练结直肠癌风险评估模型，并进行内部数据验证。