[发明专利]一种基于转录组数据和机器学习策略评估细胞衰老程度的方法

权利要求书

1.一种基于转录组数据和机器学习策略评估细胞衰老程度的方法，其特征在于，具体步骤如下：

1）收集并分析公共数据库多种衰老细胞的转录组RNA-seq数据，得到衰老细胞表达谱组成的衰老细胞表达矩阵，所述衰老细胞涵盖若干种细胞类型和衰老类型；

2）以衰老细胞表达矩阵作为模型输入，先将衰老细胞表达矩阵中每个基因的所有样本的表达水平统一减去对应基因表达水平的平均值，再基于单分类逻辑回归算法训练拟合，构建细胞衰老评分模型，得到细胞衰老相关基因权重向量；

3）对待评估衰老状态的细胞进行RNA-seq测序，分析得到其基因表达谱；

4）计算待评估衰老状态的细胞的基因表达谱和细胞衰老评分模型的权重向量的Spearman相关系数，得到人类细胞衰老指数hSI，hSI越大，细胞衰老程度越高。

2.根据权利要求1所述的方法，其特征在于，步骤1）中，细胞类型包括小鼠腹水型肝癌细胞、黑色素瘤细胞、角质形成细胞、人胚肺成纤维细胞、人皮肤成纤维细胞、星型胶质细胞、人包皮成纤维细胞、人胚肺成纤维细胞、真皮成纤维细胞、人脐静脉内皮细胞和人主动脉内皮细胞，细胞衰老类型包括电离辐射诱导的细胞衰老、复制性细胞衰老、氧化应激诱导的细胞衰老、原癌基因诱导的细胞衰老、阿霉素诱导的细胞衰老和个体老化中伴随的细胞衰老。

3.根据权利要求1所述的方法，其特征在于，步骤1）和步骤3）中，RNA-seq数据的分析方法包括如下步骤：

首先使用Trim Galore程序过滤低质量的reads，并且去除3′末端低质量的碱基；接着利用STAR软件将经过质量控制的短读长比对到GRCh38人类参考基因组上去，取唯一比对的短读长进行后续分析；再使用StringTie计算样本的基因表达水平，表达量的标准化数值使用TPM，根据Gencode注释保留蛋白编码基因，并且去除在99%以上样本中TPM3的低表达的基因。

4.根据权利要求3所述的方法，其特征在于，步骤1）中，RNA-seq数据的分析方法中，还包括最后采用ComBat工具处理表达数据，以减少批次效应对模型训练的影响的步骤。