一种肿瘤恶性程度评估方法、电子设备和存储介质与流程

本技术涉及肿瘤恶性程度评估，特别涉及一种肿瘤恶性程度评估方法、电子设备和存储介质。

背景技术：

1、对于癌症患者而言，精准医疗是目前公认的最佳治疗手段。在精准医疗中，肿瘤的恶性程度对于治疗方案的选择和患者预后的评估具有很高的指导价值。目前肿瘤的恶性程度评估主要是根据原发肿瘤的大小以及肿瘤在体内的扩散程度进行肿瘤分期。肿瘤分期可以帮助临床医生制定出合适的治疗方案，预测患者预后情况，评估治疗方案的疗效等。目前肿瘤的分期是通过体检、影像学检查(x光，ct等)、实验室检查(如血常规，尿常规等)等不同检查结果得出的分期。患者分期主要是根据tnm系统进行肿瘤分期，通过对肿瘤(tumor)、淋巴结(lymph node)和远端转移(metastasis)三个维度给出评价。t分期用于描述原发肿瘤的发展程度，根据肿瘤大小，其成长部位有多深，是否扩散到邻近组织等可分为t0、t1、t2、t3、t4，分期值越大表明肿瘤越大，其成长部位越深，t0代表缺少原发肿瘤的证据；n分期用于评估肿瘤扩散的淋巴结情况，分为n0、n1、n2、n3、n4，分期值越大代表肿瘤扩散到的淋巴结越多，n0代表肿瘤没有扩散到淋巴结；m分期分为m0和m1，m0表示肿瘤没有转移到其他部位，m1代表肿瘤转移到其他部位。综合tnm分期值，可给出总体分期(stage i、ii、iii、iv)，一般总体分期值越低，代表肿瘤处于越早期阶段，代表预后越好；总体分期值越高，代表肿瘤处于越晚期阶段，治疗方案越复杂，预后也会越差。

2、根据肿瘤分期进行肿瘤的恶性程度评估对于癌症患者的治疗方案和预后评估具有一定的指导价值，但该方法主要存在以下三个问题：第一点是肿瘤分期方法需要进行多项检查，并且需要获取患者肿瘤组织进行检查，该方法检查复杂，检查费用高，耗时长；第二点是目前的肿瘤分期方法根据临床医生经验对检查结果进行tnm分期判断，并未参考任何肿瘤分子层面的信息，偏向于定性而非定量，对精准医疗的指导能力有限；第三点是针对早期肿瘤患者，仅根据肿瘤分期很难判断患者生存情况。

技术实现思路

1、本技术旨在至少解决现有技术中存在的技术问题之一。为此，本技术提出肿瘤恶性程度评估方法、电子设备和存储介质，能够解决现有的肿瘤恶性程度评估技术存在的检查复杂、费用高、耗时长、不能定量分析肿瘤恶性程度和很难评估早期肿瘤患者生存情况的问题。

2、根据本技术第一方面实施例的一种肿瘤恶性程度评估方法，包括：将待测肿瘤样本输入到综合危险比指数模型，所述待测肿瘤样本包括待测肿瘤的转录组数据；所述综合危险比指数模型根据所述待测肿瘤样本输出综合危险比指数；根据所述综合危险比指数判断所述待测肿瘤样本的恶性程度；所述综合危险比指数模型通过以下方法构建：获取多个肿瘤样本数据和与所述肿瘤样本数据对应的癌旁样本数据，所述肿瘤样本数据包括第一转录组数据和患者预后信息，所述第一转录组数据为肿瘤样本的转录组数据，所述癌旁样本数据包括第二转录组数据，所述第二转录组数据为癌旁样本的转录组数据；根据所述第一转录组数据和所述第二转录组数据筛选出差异表达基因；将所述肿瘤样本数据分为训练集和测试集；根据所述差异表达基因对所述训练集进行生存分析，从所述训练集中筛选出预后相关基因，所述预后相关基因为与患者的预后相关的所述差异表达基因；根据所述预后相关基因构建综合危险比指数模型；通过所述测试集对所述综合危险比指数模型进行验证。

3、根据本技术第一方面实施例的一种肿瘤恶性程度评估方法，至少具有如下有益效果：

4、通过获取多个肿瘤样本数据和与肿瘤样本数据对应的癌旁样本数据，肿瘤样本数据包括第一转录组数据和患者预后信息，癌旁样本数据包括第二转录组数据，根据第一转录组数据和第二转录组数据筛选出差异表达基因，将肿瘤样本数据分为训练集和测试集，根据差异表达基因对训练集进行生存分析，从训练集中筛选出预后相关基因，根据预后相关基因构建综合危险比指数模型，通过测试集对综合危险比指数模型进行验证，将待测肿瘤样本输入到综合危险比指数模型，综合危险比指数模型根据待测肿瘤样本输出综合危险比指数，根据综合危险比指数判断待测肿瘤样本的恶性程度。根据本技术第一方面实施例的一种肿瘤恶性程度评估方法相较于传统的肿瘤恶性程度评估技术，仅需获得患者的待测肿瘤的转录组数据即可评估待测肿瘤的恶性程度，方式简单，费用低，耗时短，综合危险比指数模型能根据待测肿瘤分子层面信息得到综合危险比指数，实现肿瘤恶性程度定量分析，能精准评估各个时期的肿瘤患者生存情况。

5、根据本技术的一些实施例，所述根据所述差异表达基因对所述训练集进行生存分析，从所述训练集中筛选出预后相关基因，包括：获取所述差异表达基因在所述训练集中的表达量；根据所述差异表达基因在所述训练集中的表达量将所述训练集分为高表达量组和低表达量组；通过kaplan-meier方法对所述高表达量组和所述低表达量组进行生存分析，得到与所述差异表达基因对应的p值和hr值；根据所述p值从所述训练集中筛选出所述预后相关基因。

6、根据本技术的一些实施例，所述预后相关基因的类型包括疑似原癌基因、疑似上调保护基因、疑似肿瘤抑制基因和疑似下调保护基因，所述疑似原癌基因为在所述肿瘤样本数据中上调表达且导致更差预后的所述差异表达基因，所述疑似上调保护基因为在所述肿瘤样本数据中上调表达且导致更好预后的所述差异表达基因，所述疑似肿瘤抑制基因为在所述肿瘤样本数据中下调表达且导致更差预后的所述差异表达基因，所述疑似下调保护基因为在所述肿瘤样本数据中下调表达且导致更好预后的所述差异表达基因。

7、根据本技术的一些实施例，所述根据所述p值从所述训练集中筛选出所述预后相关基因，包括：根据所述p值从所述训练集中筛选出候选基因，所述候选基因为与患者的预后相关的所述差异表达基因；根据所述p值从小到大对每个类型的所述候选基因进行排序得到显著性序列；选取每个类型的所述显著性序列中前四十个所述候选基因为所述预后相关基因。

8、根据本技术的一些实施例，所述综合危险比指数的计算公式为：

9、

10、其中，sahr为综合危险比指数，hri为第i个所述预后相关基因对应的所述hr值，δi为第i个所述预后相关基因对应的计算系数，所述计算系数的获取方法为：获取每个所述预后相关基因在所有所述肿瘤样本数据中的表达量；根据每个所述预后相关基因在所有所述肿瘤样本数据中的表达量确定阈值；获取所述预后相关基因在所述待测肿瘤样本中的表达量；根据所述阈值、所述预后相关基因的类型和所述预后相关基因在所述待测肿瘤样本中的表达量确定所述计算系数，若所述预后相关基因为所述疑似原癌基因或所述疑似下调保护基因，且所述预后相关基因在所述待测肿瘤样本中的表达量高于所述阈值，则所述计算系数为1；若所述预后相关基因为所述疑似原癌基因或所述疑似下调保护基因，且所述预后相关基因在所述待测肿瘤样本中的表达量低于所述阈值，则所述计算系数为-1；若所述预后相关基因为所述疑似上调保护基因或所述疑似肿瘤抑制基因，且所述预后相关基因在所述待测肿瘤样本中的表达量高于所述阈值，则所述计算系数为-1；若所述预后相关基因为所述疑似上调保护基因或所述疑似肿瘤抑制基因，且所述预后相关基因在所述待测肿瘤样本中的表达量高于所述阈值，则所述计算系数为1。

11、根据本技术的一些实施例，所述获取多个肿瘤样本数据和与所述肿瘤样本数据对应的癌旁样本数据，包括：获取包括多种癌症类型的多个肿瘤样本数据和与所述肿瘤样本数据对应的癌旁样本数据。

12、根据本技术的一些实施例，所述根据所述第一转录组数据和所述第二转录组数据筛选出差异表达基因，包括：根据所述第一转录组数据和所述第二转录组数据，通过deseq2软件从所述第一转录组数据中筛选出所述差异表达基因。

13、根据本技术第二方面实施例的一种电子设备，包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当至少一个所述程序被至少一个所述处理器执行时实现如上述的一种肿瘤恶性程度评估方法。

14、根据本技术第二方面实施例的一种电子设备，至少具有如下有益效果：

15、通过获取多个肿瘤样本数据和与肿瘤样本数据对应的癌旁样本数据，肿瘤样本数据包括第一转录组数据和患者预后信息，癌旁样本数据包括第二转录组数据，根据第一转录组数据和第二转录组数据筛选出差异表达基因，将肿瘤样本数据分为训练集和测试集，根据差异表达基因对训练集进行生存分析，从训练集中筛选出预后相关基因，根据预后相关基因构建综合危险比指数模型，通过测试集对综合危险比指数模型进行验证，将待测肿瘤样本输入到综合危险比指数模型，综合危险比指数模型根据待测肿瘤样本输出综合危险比指数，根据综合危险比指数判断待测肿瘤样本的恶性程度。根据本技术第二方面实施例的一种电子设备，仅需获得患者的待测肿瘤的转录组数据即可评估待测肿瘤的恶性程度，方式简单，费用低，耗时短，综合危险比指数模型能根据待测肿瘤分子层面信息得到综合危险比指数，实现肿瘤恶性程度定量分析，能精准评估各个时期的肿瘤患者生存情况。

16、根据本技术第三方面实施例的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，所述处理器可执行的程序被处理器执行时用于实现如上述的一种肿瘤恶性程度评估方法。

17、根据本技术第三方面实施例的一种计算机可读存储介质，至少具有如下有益效果：

18、通过获取多个肿瘤样本数据和与肿瘤样本数据对应的癌旁样本数据，肿瘤样本数据包括第一转录组数据和患者预后信息，癌旁样本数据包括第二转录组数据，根据第一转录组数据和第二转录组数据筛选出差异表达基因，将肿瘤样本数据分为训练集和测试集，根据差异表达基因对训练集进行生存分析，从训练集中筛选出预后相关基因，根据预后相关基因构建综合危险比指数模型，通过测试集对综合危险比指数模型进行验证，将待测肿瘤样本输入到综合危险比指数模型，综合危险比指数模型根据待测肿瘤样本输出综合危险比指数，根据综合危险比指数判断待测肿瘤样本的恶性程度。根据本技术第三方面实施例的一种计算机可读存储介质，仅需获得患者的待测肿瘤的转录组数据即可评估待测肿瘤的恶性程度，方式简单，费用低，耗时短，综合危险比指数模型能根据待测肿瘤分子层面信息得到综合危险比指数，实现肿瘤恶性程度定量分析，能精准评估各个时期的肿瘤患者生存情况。

19、本技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。