[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

说明书

本发明公开了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，包括获取与非小细胞肺癌相关的cfRNA标志物信息，从cfRNA标志物信息中选择出顶级特征信息，根据顶级特征信息构建和训练预测模型，使用训练好的预测模型进行非小细胞肺癌特征识别等步骤。本发明可以辅助医生实现对非小细胞肺癌的精确诊断；对于在实体肿瘤中转录量大的基因，释放到外周血中的拷贝数会很多，有助于在肿瘤较小的早期癌症患者血液中识别出变异信息，提高诊断的敏感性；本发明基于cfRNA全转录组测序实现，相对于cfDNA及其甲基化测序等现有技术，成本更低，对早筛早诊的普及更有利。本发明广泛应用于生物医药技术领域。

技术领域

本发明涉及生物医药技术领域，尤其是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。

背景技术

肺癌(lung cancer)是危害人类健康和生命的恶性肿瘤之一，也是美国癌症死亡的主要原因，每天约有350人死亡。肺癌主要分为两大类，即小细胞肺癌(SCLC)和非小细胞肺癌(NSCLC)，绝大多数肺癌是非小细胞肺癌(约占80-85％)。随着分子靶向治疗和免疫治疗在NSCLC治疗中的广泛应用，患者的生存率显著提高。但是由于大多数肺癌患者早期无明显症状，发现时已是晚期，导致治疗效果不好，五年生存率仅为17％。NSCLC的早期诊断能达到最好的预后效果，5年生存率能够提高到80％。如果肺癌能够早期进行手术切除，其治疗效果和预后会显著提高，因此肺癌的早期诊断极为重要。

目前肺癌的诊断通常是根据体格检查、胸片、血液检查的提示疑似肺癌，然后经胸部CT、PET-CT、组织取样检查(如痰细胞学检查、胸腔穿刺、肺活检)进行确诊。目前的肺癌早期检出率很低(2-5％)，对于特异性较差的特定风险人群，低剂量螺旋CT(LDCT)是唯一推荐的肺癌筛查试验，然而，由于其高灵敏度，也检测到许多非肿瘤性肺结节，假阳性结节的大量检出是LDCT筛查亟需解决的重要问题，需要其他筛查手段加以补充。

术语解释：

cell-free RNA(cfRNA)：称为外周血中细胞游离的RNA，包含来源于身体的各个器官的转录本。

全转录组测序(transcriptome sequencing)：全转录组即特定细胞或组织在某一功能状态下所有转录产物(mRNA、lncRNA、circRNA以及microRNA)的合集。全转录组测序可对同一个样品同时进行mRNA、lncRNA、circRNA和microRNA的单独分析，还可进行多种RNA联合分析以及内源竞争性RNA整合分析，分子标记筛选等，探究其潜在的调控网络机制，全面的揭示转录调控问题。主要应用于免疫机制、疾病领域、发育进化、致病机理和药物靶标等方面的研究。

偏最小二乘判别分析(PLS-DA)：是一种用于判别分析的多变量统计分析方法。判别分析是一种根据观察或测量到的若干变量值，来判断研究对象如何分类的常用统计分析方法。其原理是对不同处理样本(如观测样本、对照样本)的特性分别进行训练，产生训练集，并检验训练集的可信度。

机器学习：机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能核心，是使计算机具有智能的根本途径。传统机器学习的研究方向主要包括决策树、随机森林、人工神经网络、贝叶斯学习等方面的研究。大数据环境下的机器学习算法，依据一定的性能标准，对学习结果的重要程度可以予以忽视。采用分布式和并行计算的方式进行分治策略的实施，可以规避掉噪音数据和冗余带来的干扰，降低存储耗费，同时提高学习算法的运行效率。

随机森林：在机器学习中，随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。