预测结直肠癌预后风险的模型构建方法

技术领域

本发明属于数据分析技术领域，具体涉及一种预测结直肠癌预后风险的模型构建方法。

背景技术

结直肠癌(Colorectal cancer，CRC)是指发生于结肠或者是直肠的癌变，可发生于结直肠的任何部位，但尤以直肠、乙状结肠最为常见。CRC给医疗系统造成了沉重负担，严重威胁着人们的身体健康。目前临床上治疗结CRC的方法包括手术、放化疗、靶向治疗和免疫治疗，提高了CRC癌患者5年生存率，但是异质性依然影响着CRC的诊疗效果。CRC预后不仅可以帮助临床医师制定合理的治疗方案，实现最优治疗效果，还可以帮助患者了解病情，更好配合医师诊疗。因此，构建CRC预后模型在临床上具有重要意义。

发明内容

本发明的目的是提供一种预测结直肠癌预后风险的模型构建方法。

为了解决上述技术问题，本发明公开了一种预测结直肠癌预后风险的模型构建方法，包括如下步骤：

a.数据下载与处理：从TCGA数据库下载包含临床和RNAseq数据的结直肠癌数据集CRC_TCGA，提取TPM格式的数据，用log2方法处理数据；从GEO数据库下载结直肠癌数据集GSE39582和GSE17536，经过id转换和标准化处理；

b.筛选训练集中预后相关基因：采用训练集GSE39582作为处理对象，使用R软件包“survival”，整合生存时间、生存状态和基因表达数据，利用cox方法评估每个基因的预后显著性；

c.利用训练集构建预后标签PSCRC及其预后评估：

c1.Lasso-cox分析

预后lasso变量轨迹的建立：使用R软件包的glmnet对清洗过后的GSE39582数据进行分析得到变量系数值、λ对数值、L1正则化值，并对数据进行可视化；预后lasso系数筛选：使用glmnet包对清洗过后的GSE39582数据进行分析得到变量λ值、最大似然数或C指数并对数据进行可视化；

c2.PSCRC预后效果评估

根据PSCRC风险分数计算公式计算预后标签风险评分，并据此将GSE39582数据集中患者分为两组，使用R包“survival”的“survfit”函数分析两组患者预后差异，并使用logrank检验方法评估差异显著性；随后，利用R包“pROC”的“ROC”函数在1年、3年和5年三个时间点进行ROC分析，并使用“ci”函数评估曲线下面积和置信区间，获得最终AUC结果；最后，分析PSCRC风险评分与患者随访时间、结局以及每个基因表达变化之间的关系；

d.外部数据集验证PSCRC

d1.根据PSCRC风险分数计算公式计算两个外部数据集GSE17536和CRC_TCGA中PSCRC的风险评分，验证PSCRC的预后效果；

d2.Kaplan-Meier生存曲线绘制：首先根据50％的百分位数将患者分成两组，进一步使用R软件包“surviva1”的“survfit”函数分析两组的预后差异，利用logrank test方法评估了不同组样本之间的预后差异显著性；

d3.ROC分析：利用R软件包“pROC”进行了ROC分析以获得AUC；

d4.风险热图绘制：利用R包“ggplot2”分析不同风险分数与患者的随访时间、事件及各个基因的表达变化的关系；

e.多因素预后模型绘制与预后效果评估；

e1.绘制预后模型和校准曲线：使用R软件包“survival”包进行比例风险假设检验，并进行Cox回归分析，使用“rms”包构建nomogram相关模型，Calibration分析，并进行可视化；

e2.决策曲线分析评估预后效果：通过“survival”包拟合预后模型，使用“stdca.R”文件进行决策曲线分析。

优选地，c2中，PSCRC风险分数计算公式为：

PSCRC风险分数＝（0.34）×(ZEB1-AS1）+（0.08)×(PTPN14)+(-0.11)×(MYB)+(0.05)×(LINC00973)+(0.03)×(GDI1)+(0.04)×(SLC2A3)+(0.01)×(SIX4)+(-0.08)×(ACAT2)+(0.04)×(KRT6A)+(-0.18)×(ZNF552)+(0.06)×(SEMA4C)+(0.29)×(KIF7)+(0.09)×(GABRG2)+(-0.09)×(TNFRSF14)+(0.09)×(LINC00638)+(-0.14)×(OIT3)+(0.25)×(HCN4)+(0.73)×(OFCC1)。

本发明的预测结直肠癌预后风险的模型构建方法，在传统的结直肠癌临床指标的基础上，整合新发现的标签PSCRC，通过构建结直肠癌预后标签PSCRC、PSCRC风险分数计算公式和多因素预后模型，提高了预后效果，可以及早发现疾病的严重程度，从而尽早采取相应的治疗措施，帮助临床医师制定合理的治疗方案，实现最优治疗效果，对提高患者的生存率和生活质量有着重要的指导和参考意义。

附图说明

图1示出了单因素生存分析筛选的部分预后相关基因。

图2示出了训练集GSE39582中拟合预后基因形成的结直肠癌预后标签PSCRC，其中A为LASSO回归系数路径图；B为LASSO回归交叉验证图；C为PSCRC风险分数计算公式；D为生存曲线；E为时间依赖ROC曲线；F为预后风险因子热图。

图3示出了2个外部数据集验证PSCRC预后效果，其中，A-C为GSE17536队列中基于PSCRC风险分数绘制的生存曲线、时间依赖、ROC曲线和预后风险因子热图；D-F为CRC_TCGA队列中基于PSCRC风险分数绘制的生存曲线、时间依赖ROC曲线和预后风险因子热图。

图4示出了CRC多因素预后模型与预后评估，其中，A为预后模型；B为预后校准曲线；C为预后DCA(decision curve analysis,DCA)。

具体实施方式

下面通过实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

应当理解，本文所使用的诸如“具有”，“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。

通过结合附图对本发明示例性实施方式进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。

实施例1

本实施例用于说明构建结直肠癌预后模型所需数据类型、下载与处理。

1、数据下载与处理：

表1.结直肠癌表达谱和临床随访数据队列

从TCGA数据库(https://portal.gdc.cancer.gov)下载CRC_TCGA临床和RNAseq数据，提取TPM格式的数据，用log2(表达值+1)方法处理数据。从GEO(https://www.ncbi.nlm.nih.gov/gds)数据库下载结直肠癌数据集GSE39582和GSE17536，经过id转换和标准化处理。

实施例2

本实施例用于说明筛选训练集中预后相关基因，用于构建预后标签PSCRC。

如图1，示出了GSE39582队列中部分预后相关基因。

1、训练集GSE39582中预后基因筛选：

使用R(4.2.1版本)软件包“survival”[3.3.1]，整合生存时间、生存状态和基因表达数据，利用cox方法评估每个基因的预后显著性。

实施例3

本实施例用于说明利用训练集构建预后标签PSCRC及其预后评估。

如图2所示，展示了LASSO-cox回归分析构建预后标签PSCRC，其中，(A)LASSO回归系数路径图；(B)LASSO回归交叉验证图；(C)PSCRC风险分数计算公式；(D)生存曲线；(E)时间依赖ROC曲线；(F)预后风险因子热图。

1、Lasso-cox分析

预后lasso(Construction of Prognostic Signature With least absoluteshrinkage and selection operator)变量轨迹：使用R(4.2.1版本)R包:glmnet[4.1.4]对清洗过后的GSE39582数据进行分析得到变量系数值、λ对数值、L1正则化值，并对数据进行可视化。预后lasso系数筛选：使用glmnet包对清洗过后的数据进行分析得到变量λ值、最大似然数或C指数并对数据进行可视化。

2、PSCRC预后效果评估

根据预后标签(Prognostic signature of colorectal cancer，PSCRC)风险评分百分位数(50％)将患者分为两组，使用R包“survival”的“survfit”函数分析两组患者预后差异，并使用logrank检验方法评估差异显著性。随后，利用R包“pROC”的“ROC”函数在1年、3年和5年三个时间点进行ROC(Receiver operating characteristic curve，ROC)分析，并使用“ci”函数评估曲线下面积(Area Under The Curve，AUC)和置信区间，获得最终AUC结果。最后，分析PSCRC风险评分与患者随访时间、结局以及每个基因表达变化之间的关系。

实施例4

本实施例用于说明利用2个外部数据集验证预后标签PSCRC。

如图3，示出了外部数据集验证预后标签PSCRC。其中，(A-C)GSE17536队列中基于PSCRC风险分数绘制的生存曲线、时间依赖、ROC曲线和预后风险因子热图；(D-F)CRC_TCGA队列中基于PSCRC风险分数绘制的生存曲线、时间依赖ROC曲线和预后风险因子热图。

1、根据风险分数公式计算两个外部队列GSE17536和CRC_TCGA中PSCRC的风险评分，验证PSCRC的预后效果。

2、Kaplan-Meier生存曲线绘制

首先根据百分位数(50％)将患者分成两组，进一步使用R软件包“survival”的“survfit”函数分析两组的预后差异，利用logrank test方法评估了不同组样本之间的预后差异显著性。

3、ROC分析

利用R软件包“pROC”(version 1.17.0.1)进行了ROC分析以获得AUC。

4、风险热图绘制

利用R包“ggplot2”(3.3.3版本)分析不同风险分数与患者的随访时间、事件及各个基因的表达变化的关系。

实施例5

本实施例用于说明多因素预后模型的绘制与预后效果评估。

如图4所示，示出了一种CRC预后模型与预后评估。其中，(A)预后模型；(B)预后校准曲线；(C)预后DCA(decision curve analysis,DCA)。

本实施例用于说明预后模型绘制与预后效果评估；

1、绘制预后模型和校准曲线

使用R(4.2.1版本)包“survival”[3.3.1]包进行比例风险假设检验，并进行Cox回归分析,使用“rms”包构建nomogram相关模型，Calibration分析，并进行可视化。

2、决策曲线分析(DCA)评估预后效果

通过“survival”包拟合预后模型，使用“stdca.R”文件进行决策曲线分析(decision curve analysis,DCA)。