[发明专利]基于改进Cox模型的癌症基因预后筛选方法及系统

说明书

本发明公开了一种基于改进Cox模型的癌症基因预后筛选方法及系统，包括以下步骤：S1、采集癌症患者的癌症细胞不同基因的表达量，收集患者的生存数据，将癌症细胞不同基因的表达量和患者信息整理为第一矩阵，对第一矩阵进行预处理，得到第二矩阵；S2、将生存数据和第二矩阵输入预设的Cox回归模型，求解得到回归系数；S3、根据患者的风险函数评估回归系数中对应基因的患者风险，筛选出高患者风险对应的预后基因组；S4、利用筛选出的预后基因组通过生物学理论对预测预后、复发和转移提供指导信息。与传统技术相比，在回归部分通过先验的加入及参数的自动更新提高了回归的精度，对预测预后、复发和转移提供指导信息。

技术领域

本发明涉及生存分析Cox模型回归技术领域，更具体地，涉及一种基于改进Cox模型的癌症基因预后筛选方法及系统。

背景技术

随着DNA微阵列技术的兴起和发展，该项技术可以同时监测数千个基因的表达水平以研究某些治疗，疾病和发育阶段对基因表达的影响。常用的场景为：检测多名癌症病人的癌变细胞的基因表达量，并通过随访获取这些病人的生存数据，最后利用生存分析手段对这些收集到的数据进行统计分析，最后筛选出预后相关的基因。研究预后基因与肿瘤的关系可以对预测预后、复发、转移乃至指导治疗提供信息，最终目的是为患者的个体化治疗提供帮助，进一步为癌症的治疗提供突破。

而收集到的生存数据和基因表达量需要经过系统性的生存分析，从上万个基因中筛出十几个关键预后基因，这一步是整个预后分析中不可或缺的一环，通过这十几个基因组成的基因集，可以对癌症病人的风险进行评估，提供更多治疗信息。

其中，Cox回归模型在医学随访研究中得到广泛的应用，是迄今生存分析中应用最多的多因素分析方法。它是一种基于协变量线性组合的半参数模型，该模型以生存结局和生存时间为因变量，可同时分析众多因素对生存时间的影响，能分析带有截尾生存时间的资料，且不要求估计资料的生存分布类型，具有优良的性质，该回归模型在癌症预后基因筛选中具有举足轻重的地位。

根据公开文献显示，Cox回归模型中最常用到的求解方法是由Noah Simon等人于提出来的通过坐标下降，并使用热启动沿着正则化路径（范数和/范数作为惩罚项）进行拟合的Cox回归方法。但其惩罚项系数通过交叉验证进行确定，这使得惩罚项系数无法自动地精确地求解，由于这种拟合是通过优化方法进行计算的，是一种点估计，无法得出后验分布并结合期望最大算法（Expectation-Maximum）进行先验参数自动求解（即惩罚项系数），这使得算法最终筛选出来的预后基因不能很好的和癌症相关联。

其中，Cox回归是一种生存分析方法，它是预后基因筛选中的一环，且占有重要地位。Cox回归模型求解得到的回归系数的含义是对每个对应基因的风险加权，只有回归系数准确了，后续每个患者的风险计算才会准确。因此，需要一种精度更高的求解Cox回归模型的方法。

为此，结合以上需求和现有技术缺陷，本申请提出了一种基于改进Cox模型的癌症基因预后筛选方法及系统。

发明内容

本发明提供了一种基于改进Cox模型的癌症基因预后筛选方法及系统，在回归部分通过先验的加入及其参数的自动更新提高了的回归精度，并筛选出回归系数中绝对值大的对应基因作为预后基因，对后续的预测预后、复发、转移乃至指导治疗提供信息。

本发明的首要目的是为解决上述技术问题，本发明的技术方案如下：

本发明第一方面提供了一种基于改进Cox模型的癌症基因预后筛选方法，本方法包括以下步骤：

S1、采集癌症患者的癌症细胞不同基因的表达量，收集患者的生存数据，将癌症细胞不同基因的表达量和患者信息整理为第一矩阵，对第一矩阵/进行预处理，得到第二矩阵/。

S2、将步骤S1得到的生存数据和第二矩阵X输入预设的Cox回归模型，求解得到回归系数。