[发明专利]一种基于血浆中循环RNA全转录组测序的肺癌特征识别方法、装置和存储介质

权利要求书

1.一种基于血浆中循环RNA全转录组测序的肺癌特征识别方法，其特征在于，所述基于血浆中循环RNA全转录组测序的肺癌特征识别方法包括：

获取与非小细胞肺癌相关的cfRNA标志物信息；所述cfRNA标志物信息通过基于血浆中循环RNA全转录组测序得到；

从所述cfRNA标志物信息中选择出顶级特征信息；

根据所述顶级特征信息构建和训练预测模型；

使用训练好的所述预测模型进行非小细胞肺癌特征识别。

2.根据权利要求1所述的基于血浆中循环RNA全转录组测序的肺癌特征识别方法，其特征在于，所述获取与非小细胞肺癌相关的cfRNA标志物信息，包括：

从高通量测序数据库中获取cfRNA原始测序数据；所述cfRNA原始测序数据来自非小细胞肺癌患者和对照样本；

对所述cfRNA原始测序数据进行数据清理和数据比对，获得所述cfRNA标志物信息。

3.根据权利要求2所述的基于血浆中循环RNA全转录组测序的肺癌特征识别方法，其特征在于，所述数据清理，包括：

去除所述cfRNA原始测序数据中的reads 3’端的低质量碱基序列；所述低质量碱基序列包括满足Quality Phred score cutoff≤20的碱基序列；

在所述cfRNA原始测序数据中的reads的3’端查找并去除人为添加物；所述人为添加物包括序列中加入的引物和接头。

4.根据权利要求2所述的基于血浆中循环RNA全转录组测序的肺癌特征识别方法，其特征在于，所述数据比对，包括：

将经过数据清理后的所述cfRNA原始测序数据与人类参考基因组进行比对；

对所述cfRNA原始测序数据去除PCR重复；

量化所述cfRNA原始测序数据的RNA的丰度。

5.根据权利要求1所述的基于血浆中循环RNA全转录组测序的肺癌特征识别方法，其特征在于，所述从所述cfRNA标志物信息中选择出顶级特征信息，包括：

使用偏最小二乘判别分析算法对所述cfRNA标志物信息进行选择，获得预测中的变量重要性；

选择出对应的所述变量重要性大于临界值的所述cfRNA标志物信息，作为所述顶级特征信息。

6.根据权利要求1-5任一项所述的基于血浆中循环RNA全转录组测序的肺癌特征识别方法，其特征在于，所述根据所述顶级特征信息构建和训练预测模型，包括：

对所述顶级特征信息组成的数据集进行多次划分，每次划分分别产生相应的训练集和测试集；同一次划分所得的所述训练集和测试集之间不重叠；

建立多个预测模型；各所述预测模型与各所述训练集之间一一对应；

分别使用每个所述训练集训练相应的一个所述预测模型；

分别使用每个所述测试集测试相应的一个所述预测模型；

对测试完的各所述预测模型进行性能评估；

保存性能评估指标符合要求的所述预测模型。

7.根据权利要求6所述的基于血浆中循环RNA全转录组测序的肺癌特征识别方法，其特征在于，所述预测模型为逻辑回归模型或者随机森林模型。

8.根据权利要求7所述的基于血浆中循环RNA全转录组测序的肺癌特征识别方法，其特征在于，所述根据所述顶级特征信息构建和训练预测模型，还包括：

对所述顶级特征信息组成的数据集进行重划分，获得独立验证集；

使用所述独立验证集对所述预测模型进行验证，确定各所述顶级特征信息的重要性；

根据对应的重要性，对各所述顶级特征信息进行排序；

记录排在最前的若干个所述顶级特征信息的类型。

9.一种计算机装置，其特征在于，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行权利要求1-8任一项所述的基于血浆中循环RNA全转录组测序的肺癌特征识别方法。

10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行权利要求1-8任一项所述的基于血浆中循环RNA全转录组测序的肺癌特征识别方法。