[发明专利]基于CAFs、WSIs和临床信息的三组学IDC预后模型建立方法及预后模型系统

说明书

本发明公开了一种基于CAFs、WSIs和临床信息的三组学IDC预后模型建立方法及预后模型系统。该方法包含：数据获取步骤，获取IDC患者组学数据，IDC患者组学数据包含若干份IDC‑CAFs基因数据、若干份WSI数据和若干份临床信息数据；数据预处理步骤，对获取到的IDC患者组学数据进行预处理；数据划分步骤，将预处理后的IDC患者组学数据划分为训练集和测试集；数据训练步骤，基于三组学特征进行多因素cox回归建模，并通过划分好的训练集和测试集对模型进行训练。本发明的基于CAFs、WSIs和临床信息的三组学IDC预后模型建立方法及预后模型系统，通过CAFs、WSIs以及部分临床信息三种组学数据来搭建预后模型，来提高IDC生存分析模型的性能。

技术领域

本发明涉及一种基于CAFs、WSIs和临床信息的三组学IDC预后模型建立方法及预后模型系统。

背景技术

在所有恶性疾病中，乳腺癌被认为是绝经后妇女的主要死因之一，占其所有癌症死亡人数的23％。

乳腺癌主要分为非浸润性和浸润性两种类型。其中，非浸润性乳腺癌是指尚未从其所在的小叶或导管中扩散的癌症，其病变区域仍局限于原发部位，若能及时处理，一般预后较好。而浸润性乳腺癌一般原发于小叶或导管内异常分裂的癌细胞，通过免疫系统或全身循环扩散到身体的其他器官，从而引发一系列的并发症，预后更差。原发于乳腺导管上皮并已侵入脂肪组织或身体其他部分的乳腺癌也称为浸润性导管癌(Invasive DuctalCarcinoma，IDC)，是浸润性乳腺癌中最常见的癌种。

当前，针对IDC患者的生存分析模型多数仍处于基于基因或是临床信息的单组学阶段，但由于IDC的病因受多方面不确定因素影响，基于单一类型组学数据的建模难以客观表达出IDC的真实风险。

发明内容

本发明提供了一种基于CAFs、WSIs和临床信息的三组学IDC预后模型建立方法及预后模型系统解决上述提到的技术问题，具体采用如下的技术方案：

一种基于CAFs、WSIs和临床信息的三组学IDC预后模型建立方法，包含以下步骤：

数据获取步骤，获取IDC患者组学数据，IDC患者组学数据包含若干份IDC-CAFs基因数据、若干份WSI数据和若干份临床信息数据；

数据预处理步骤，对获取到的IDC患者组学数据进行预处理；

数据划分步骤，将预处理后的IDC患者组学数据划分为训练集和测试集；

数据训练步骤，基于三组学特征进行多因素cox回归建模，并通过划分好的训练集和测试集对模型进行训练。

进一步地，数据预处理步骤包含：

IDC-CAFs基因数据处理步骤：

从MSigDB中下载与fibroblast相关的57个基因集，分别将其与数据清洗后的IDC转录组基因集进行富集分析，保留p-value小于预设值的分析结果；

将符合的分析结果中的基因集进行数据合并，与IDC转录组基因集取重合部分，得到包含若干个CAF基因的数据集；

对数据集进行wilcox差异分析，保留与IDC相关的CAF差异基因；

对CAF差异基因进行单因素cox回归分析，保留p-value小于预设值的若干个CAF差异基因；

WSIs数据处理步骤：

将每份WSI按统一倍数放大，然后裁剪成若干tile子图片；

对每张裁剪的tile子图片进行方差检验，去除方差值小于预设值的tile子图片；

从每张tile子图片中提取m个人工特征变量，每份WSI得到对应的特征数组(m*n)，n为裁剪数量；