[发明专利]恶性肺结节筛查基因标志物、筛查模型的构建方法和检测装置

说明书

本发明提供了恶性肺结节筛查基因标志物、筛查模型的构建方法和检测装置，通过对高通量测序结果进行影像表现为高风险的肺结节良恶性差异DNA的16bp肿瘤新短序列，利用自动机器学习构建模型，对在影像学表现为高风险的肺结节的良恶性进行预测，实现对恶性肺结节无创精准诊断，减少非必要的良性肺结节切除手术。

技术领域

本发明涉及对影像表现为高风险的肺结节（radiographically highlysuspicious lung nodules）良恶性早筛, 属于分子生物医学技术领域。

背景技术

肺癌是其中一个世界上确证率最高的癌症，高风险人群包括65岁以上，具有下列一项以上的危险因素者。危险因素包括：重度吸烟，曾经拥有抽烟史，家庭病史，接受过胸腔放射性治疗，致癌物质。由于肺癌前期缺乏明显症状，患者一般于肺癌中后期（stage III,IV）被诊断出。然而，大量研究表明在早期被诊断出的肺癌患者能有更高的生存率。在肺癌一期（stage I）被诊断出的患者比在肺癌四期（stage IV）被诊断出的患者的五年存活率提高13倍。因此，肺部肿瘤早发现和早诊断对于提高肺癌患者的生存率至关重要。

低剂量胸腔电脑断层扫描（Low-Dose Computed Tomography Thorax, LDCT）检测肺结节是现今发现肺部肿瘤最常见的诊断方式。针对影像学判定的肺结节进行手术切除，能有效地减少20%-39% 的肺癌死亡率。然而，大约15%-35% 的肺结节，在初始LDCT影像表现判定为高风险的肺结节，在手术切除后，最后被确认为病理性无害。因此，影像学检测存在一定的局限性，仅依据影像检测结果进行恶性肺肿瘤诊断，增加了一些非必要的手术，造成患者非必要的手术风险和并发症风险，和增加了医疗支出负担。因此，对仅在影像学依据下判定为肺癌高危人群的肺结节良恶性判断工作尤为重要。

发明内容

本发明所要解决的技术问题是：现有技术中针对肺癌结节良恶性进行诊断过程中缺少无创方式的检测手段，导致了非必要的手术、增加了患者负担。

本专利的技术方案中，提供了一种对血浆样本cfDNA进行WGS测序，通过对高通量测序结果，获取片段信息，进行对良恶性肺结节差异DNA片段长度比值（Fragment sizeratio）, 读段5端断裂点序列读段占比（Breakpoint motif）, 1MB 窗口拷贝数变化（1 Mb-bin copy number variant）, 16bp肿瘤新短序列（16bp Neomers）和核小体覆盖模式(Nucleosome coverage patterns)，利用弹性网络逻辑回归模型（elastic net logisticregression, glm）, 极致梯度提升（extreme gradient boosting,xgboost）,随机森林（random forest）和神经网络（neural network）四种算法利用自动化机器学习构建多特征多算法整合模型，实现对恶性肺结节无创精准诊断。

具体的技术方案是：

基因标志物在制备恶性肺结节筛查试剂中的应用；

所述的基因标志物包括：

第一标志物：cfDNA片段比对至参考基因组的不同窗口中的短读段数量占比和长读段数量占比；

第二标志物：不同种类的cfDNA片段比对至参考基因组的5’端的m个碱基片段在全部碱基片段中的占比；

第三标志物：WGS数据中染色体上不同窗口中的拷贝数；

第四标志物：肿瘤新短序列占比；

第五标志物：核小体覆盖模式。

所述的第一标志物通过如下步骤获得：将读段数据结果比对至参考基因组，将参考基因组划分为多个窗口，并分别获得在每个窗口范围内的短读段数量和超长读段数量占比。

所述的第二标志物通过如下步骤获得：将读段数据中的5’端的m个碱基数据作为碱基片段集合，并得到各种碱基片段在全部片段中所占比例。