基于机器学习和免疫逃逸机制优化分子标志物算法的方法

    公开(公告)号:CN119479814A

    公开(公告)日:2025-02-18

    申请号:CN202411709991.0

    申请日:2024-11-26

    Abstract: 本发明公开了一种基于机器学习和免疫逃逸机制优化分子标志物算法的方法,所述方法包括:获取肿瘤组织和正常组织的NGS测序数据,将肿瘤组织与配对的正常组织的NGS测序数据进行质控、比对,得到原始的比对文件,对原始的比对文件进行预处理得到最终的比对文件;通过软件对比对文件进行肿瘤体细胞单核苷酸变异和小片段插入缺失检测,得到体细胞变异信息;构建多元线性回归模型,计算SNV位点和INDEL位点的新生抗原预测的能力;结合新生抗原预测能力不同和肿瘤患者免疫逃逸机制两个方面因素,对TMB计算方法进行优化。本发明更加真实地反映了患者真实的免疫状态,对患者免疫治疗响应和预后也具有更好地提示作用。

    检测MSI的微卫星位点、其筛选方法及应用

    公开(公告)号:CN111627501A

    公开(公告)日:2020-09-04

    申请号:CN202010444206.9

    申请日:2020-05-22

    Abstract: 本发明提供了一种检测MSI的微卫星位点、其筛选方法及应用。选择长度为7-15bp且其两端侧翼序列相似性低的微卫星候选位点,检测MSS测序数据中这些位点中的重复单元的类型及其频率,并去除人群多态性高于5%的位点,进一步选择其中重复单元的类型的频率的离散程度低于离散阈值的位点,即得到MSS模型样本的微卫星位点,最后选择其中重复单元类型频率分布与MSS模型样本的差异水平在MSI-H样本和MSS样本中存在显著差异的位点作为检测MSI的微卫星位点。通过建立MSS模型样本作为正常样本对照,便于建立阴性样本基线或检测待测样本的微卫星状态。故在检测待测样本时,无需对照样本仅对单样本测序即可检测不稳定状态。

Patent Agency Ranking