本技術(shù)屬于疾病分類(lèi)，具體地，涉及一種基于連續(xù)區(qū)間組合的標(biāo)志物篩選方法、系統(tǒng)、電子設(shè)備及標(biāo)志物的組合和應(yīng)用。

背景技術(shù)：

1、目前，隨著疾病普篩與部分類(lèi)型疾病早診早治的推廣與覆蓋，導(dǎo)致更多疾病的早期癥狀被發(fā)現(xiàn)確診，表現(xiàn)為發(fā)病率的增加。通過(guò)早期有效干預(yù)，能夠提高很多普篩患者的生存率，表現(xiàn)為如血液系統(tǒng)疾病、癌癥的死亡率降低，以及延緩糖尿病等代謝性疾病的發(fā)展速度等。

2、血漿游離dna甲基化信號(hào)因其在高甲基化相關(guān)疾病的早篩、早診體外檢測(cè)產(chǎn)品中的杰出表現(xiàn)，成為備受科學(xué)家們關(guān)注的標(biāo)志物焦點(diǎn)。例如，通過(guò)檢測(cè)s9的甲基化信息可以預(yù)警早期腸癌的發(fā)生，臨床表現(xiàn)為特異性高達(dá)95％。隨著研究技術(shù)的迭代更新，特別是靶向測(cè)序技術(shù)(panel)/全基因組甲基化測(cè)序(wgbs)技術(shù)的引入，許多基于dna甲基化的疾病早篩、早診標(biāo)志物被廣泛開(kāi)發(fā)與應(yīng)用，如利用高通量檢測(cè)技術(shù)可以在基因組范圍內(nèi)尋找候選的cpg位點(diǎn)，特別是提取連續(xù)的候選cpg位點(diǎn)，并開(kāi)發(fā)標(biāo)志物產(chǎn)品。

3、然而，由于血漿游離dna(cfdna)中來(lái)自于病變細(xì)胞的信號(hào)占比很低，因此如何在cfdna的甲基化信號(hào)中提取穩(wěn)定的病變細(xì)胞來(lái)源信號(hào)是標(biāo)志物篩選中需要解決的關(guān)鍵問(wèn)題。針對(duì)當(dāng)前利用靶向測(cè)序技術(shù)(panel)/全基因組甲基化測(cè)序(wgbs)數(shù)據(jù)篩選的標(biāo)志物在單cpg位點(diǎn)水平上的低魯棒性，以及在預(yù)設(shè)定區(qū)間水平上的高假陽(yáng)性問(wèn)題，本專(zhuān)利提出一種篩選包含高連續(xù)性cpg位點(diǎn)區(qū)間的甲基化標(biāo)志物方法。

技術(shù)實(shí)現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)中存在的問(wèn)題，本技術(shù)的目的在于提供基于連續(xù)區(qū)間組合的標(biāo)志物篩選方法。通過(guò)對(duì)候選區(qū)間的多步驟分析篩選，確定高連續(xù)性的最優(yōu)標(biāo)志物和最優(yōu)標(biāo)志物的組合，以在血漿游離dna中獲得穩(wěn)定的細(xì)胞信號(hào)標(biāo)志物。

2、具體來(lái)說(shuō)，本技術(shù)涉及如下方面：

3、1.一種基于連續(xù)區(qū)間組合的標(biāo)志物篩選方法，包括：

4、采集步驟，用于分別獲取第一人群樣本和第二人群樣本中的對(duì)應(yīng)甲基化區(qū)間和甲基化區(qū)間中cpg位點(diǎn)的甲基化值；

5、差異定量步驟，基于所述甲基化區(qū)間，針對(duì)所述甲基化區(qū)間中的每個(gè)cpg位點(diǎn)計(jì)算其在第一人群樣本和第二人群樣本中的差異水平；獲取差異水平滿足臨界條件的差異cpg位點(diǎn)；

6、連續(xù)位點(diǎn)提取步驟，用于利用所述差異cpg位點(diǎn)的對(duì)應(yīng)基因組位置的位置關(guān)系獲取多個(gè)連續(xù)位點(diǎn)區(qū)間；

7、特征區(qū)間篩選步驟，用于從所述多個(gè)連續(xù)位點(diǎn)區(qū)間中篩選候選特征區(qū)間，基于所述候選特征區(qū)間獲取第一人群樣本和第二人群樣本中存在差異的候選特征區(qū)間組合作為特征區(qū)間，最終確定為標(biāo)志物；

8、其中，第一人群和第二人群是具有不同特征且所述特征不重合的兩類(lèi)人群。

9、2.根據(jù)項(xiàng)1的方法，其中，針對(duì)所述甲基化區(qū)間中的每個(gè)cpg位點(diǎn)計(jì)算差異水平包括：

10、分別計(jì)算第一人群樣本和第二人群樣本的所述甲基化區(qū)間中的cpg位點(diǎn)平均甲基化水平；

11、計(jì)算第一人群樣本的所述甲基化區(qū)間中的cpg位點(diǎn)α百分位甲基化水平和第二人群樣本的所述甲基化區(qū)間中的cpg位點(diǎn)β百分位甲基化水平；以及

12、計(jì)算第一人群樣本和第二人群樣本的所述甲基化區(qū)間中的cpg位點(diǎn)甲基化水平的顯著性水平p。

13、3.根據(jù)項(xiàng)2的方法，其中，獲取差異水平滿足臨界條件的差異cpg位點(diǎn)，所述臨界條件包括：

14、第一人群樣本和第二人群樣本的所述甲基化區(qū)間中的cpg位點(diǎn)平均甲基化水平的差值≥a；

15、第一人群樣本的所述甲基化區(qū)間中的cpg位點(diǎn)α百分位甲基化水平和第二人群樣本的所述甲基化區(qū)間中的cpg位點(diǎn)β百分位甲基化水平的差值≥b；以及

16、第一人群樣本和第二人群樣本的所述甲基化區(qū)間中的cpg位點(diǎn)平均甲基化水平的差值＞c且第一人群樣本和第二人群樣本的所述甲基化區(qū)間中的cpg位點(diǎn)甲基化水平的顯著性水平p＜k。

17、4.根據(jù)項(xiàng)1的方法，其中，利用所述差異cpg位點(diǎn)的對(duì)應(yīng)基因組位置的位置關(guān)系獲取多個(gè)所述連續(xù)位點(diǎn)區(qū)間包括：

18、候選區(qū)間定義步驟，將第一人群樣本和第二人群樣本的任一染色體上第一個(gè)差異cpg位點(diǎn)設(shè)置為一個(gè)候選區(qū)間的起始位點(diǎn)和初始終止位點(diǎn)；

19、候選區(qū)間合并步驟，由所述第一個(gè)差異cpg位點(diǎn)開(kāi)始向后讀取cpg位點(diǎn)，將符合約束條件g的差異cpg位點(diǎn)合并至所述候選區(qū)間中，以更新所述候選區(qū)間的長(zhǎng)度并最終確定所述候選區(qū)間的終止位點(diǎn)；以及

20、繼續(xù)讀取所述候選區(qū)間后的下一個(gè)差異cpg位點(diǎn)，重復(fù)候選區(qū)間合并步驟以確定新的所述候選區(qū)間，以此方式重復(fù)得到所述染色體上的所有所述候選區(qū)間；

21、對(duì)其它染色體重復(fù)候選區(qū)間定義步驟和候選區(qū)間合并步驟，以得到其他染色體上的所有所述候選區(qū)間，將全部染色體上的所有所述候選區(qū)間設(shè)置為所述多個(gè)連續(xù)位點(diǎn)區(qū)間。

22、5.根據(jù)項(xiàng)4的方法，其中，所述候選區(qū)間的區(qū)間長(zhǎng)度在區(qū)間長(zhǎng)度約束條件內(nèi)；

23、所述約束條件g包括：當(dāng)前讀取到的差異cpg位點(diǎn)與上一個(gè)差異cpg位點(diǎn)的間隔≤i個(gè)讀取步長(zhǎng)；

24、所述讀取步長(zhǎng)為j個(gè)cpg位點(diǎn)。

25、6.根據(jù)項(xiàng)5的方法，其中，所述候選區(qū)間的區(qū)間長(zhǎng)度在區(qū)間長(zhǎng)度約束條件內(nèi)包括：

26、所述候選區(qū)間的區(qū)間長(zhǎng)度達(dá)到約束條件d時(shí)，停止更新所述候選區(qū)間的長(zhǎng)度，以當(dāng)前讀取的差異cpg位點(diǎn)作為所述候選區(qū)間的終止位點(diǎn)。

27、7.根據(jù)項(xiàng)1的方法，其中，從所述多個(gè)連續(xù)位點(diǎn)區(qū)間中篩選候選特征區(qū)間，基于所述候選特征區(qū)間獲取第一人群樣本和第二人群樣本中存在差異的候選特征區(qū)間組合作為特征區(qū)間包括：

28、基于第一人群樣本和第二人群樣本的所述多個(gè)連續(xù)位點(diǎn)區(qū)間的篩選指標(biāo)，篩選得到n個(gè)候選特征區(qū)間；

29、對(duì)n個(gè)候選特征區(qū)間進(jìn)行組合，得到個(gè)候選特征區(qū)間組合；以及

30、評(píng)估所述候選特征區(qū)間組合的分類(lèi)性能，選擇前m個(gè)所述候選特征區(qū)間組合作為所述特征區(qū)間。

31、8.根據(jù)項(xiàng)7的方法，其中，基于第一人群樣本和第二人群樣本的所述多個(gè)連續(xù)位點(diǎn)區(qū)間的篩選指標(biāo)，篩選出n個(gè)候選特征區(qū)間包括：

32、計(jì)算第一人群樣本和第二人群樣本的所述多個(gè)連續(xù)位點(diǎn)區(qū)間的特異性和靈敏度；以及

33、對(duì)第一人群樣本和第二人群樣本的所述多個(gè)連續(xù)位點(diǎn)區(qū)間進(jìn)行區(qū)間水平的背景信號(hào)校正。

34、9.一種基于連續(xù)區(qū)間組合的標(biāo)志物篩選系統(tǒng)，包括：

35、采集模塊，用于分別獲取第一人群樣本和第二人群樣本中的對(duì)應(yīng)甲基化區(qū)間和甲基化區(qū)間中cpg位點(diǎn)的甲基化值；

36、差異定量模塊，基于所述甲基化區(qū)間，針對(duì)所述甲基化區(qū)間中的每個(gè)cpg位點(diǎn)計(jì)算其在第一人群樣本和第二人群樣本中的差異水平；獲取差異水平滿足臨界條件的差異cpg位點(diǎn)；

37、連續(xù)位點(diǎn)提取模塊，用于利用所述差異cpg位點(diǎn)的對(duì)應(yīng)基因組位置的位置關(guān)系獲取多個(gè)連續(xù)位點(diǎn)區(qū)間；

38、特征區(qū)間篩選模塊，用于從所述多個(gè)連續(xù)位點(diǎn)區(qū)間中篩選候選特征區(qū)間，基于所述候選特征區(qū)間獲取第一人群樣本和第二人群樣本中存在差異的候選特征區(qū)間組合作為特征區(qū)間，最終確定為標(biāo)志物。

39、10.根據(jù)項(xiàng)9的系統(tǒng)，其為執(zhí)行項(xiàng)1-8中任一項(xiàng)所述的方法。

40、11.一種電子設(shè)備，包括：

41、處理器；以及

42、存儲(chǔ)器，在所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)程序指令，所述計(jì)算機(jī)程序指令在被所述處理器運(yùn)行時(shí)使得所述處理器執(zhí)行如項(xiàng)1-8中任一項(xiàng)所述的方法。

43、12.一種癌癥檢測(cè)的標(biāo)志物，其中，所述標(biāo)志物包含下述中的一種或兩種及以上：

44、11號(hào)染色體的69517298至69517322位的基因組區(qū)域和19號(hào)染色體的49339726至49340700位的基因組區(qū)域的組合；

45、11號(hào)染色體的69517139至69517149位的基因組區(qū)域、11號(hào)染色體的69517298至69517322位的基因組區(qū)域和13號(hào)染色體的28500881至28500897位的基因組區(qū)域的組合；

46、3號(hào)染色體的5018754至5018773位的基因組區(qū)域、11號(hào)染色體的35440803至35440938位的基因組區(qū)域、17號(hào)染色體的7077843至7077885位的基因組區(qū)域和22號(hào)染色體的20785449至20785455位的基因組區(qū)域的組合；

47、11號(hào)染色體的69517139至69517149位的基因組區(qū)域、13號(hào)染色體的28500881至28500897位的基因組區(qū)域、17號(hào)染色體的7077843至7077885位的基因組區(qū)域、20號(hào)染色體的3653427至3653432位的基因組區(qū)域和22號(hào)染色體的20785449至20785455位的基因組區(qū)域的組合；以及

48、3號(hào)染色體的5018754至5018773位的基因組區(qū)域、4號(hào)染色體的13544122至13544127位的基因組區(qū)域、11號(hào)染色體的35440803至35440938位的基因組區(qū)域、11號(hào)染色體的69517298至69517322位的基因組區(qū)域、13號(hào)染色體的28500881至28500897位的基因組區(qū)域和22號(hào)染色體的20785449至20785455位的基因組區(qū)域的組合。

49、13.標(biāo)志物在制備用于癌癥檢測(cè)的試劑盒中的用途，其中，所述標(biāo)志物包含下述中的一種或兩種及以上：

50、11號(hào)染色體的69517298至69517322位的基因組區(qū)域和19號(hào)染色體的49339726至49340700位的基因組區(qū)域的組合；

51、11號(hào)染色體的69517139至69517149位的基因組區(qū)域、11號(hào)染色體的69517298至69517322位的基因組區(qū)域和13號(hào)染色體的28500881至28500897位的基因組區(qū)域的組合；

52、3號(hào)染色體的5018754至5018773位的基因組區(qū)域、11號(hào)染色體的35440803至35440938位的基因組區(qū)域、17號(hào)染色體的7077843至7077885位的基因組區(qū)域和22號(hào)染色體的20785449至20785455位的基因組區(qū)域的組合；

53、11號(hào)染色體的69517139至69517149位的基因組區(qū)域、13號(hào)染色體的28500881至28500897位的基因組區(qū)域、17號(hào)染色體的7077843至7077885位的基因組區(qū)域、20號(hào)染色體的3653427至3653432位的基因組區(qū)域和22號(hào)染色體的20785449至20785455位的基因組區(qū)域的組合；以及

54、3號(hào)染色體的5018754至5018773位的基因組區(qū)域、4號(hào)染色體的13544122至13544127位的基因組區(qū)域、11號(hào)染色體的35440803至35440938位的基因組區(qū)域、11號(hào)染色體的69517298至69517322位的基因組區(qū)域、13號(hào)染色體的28500881至28500897位的基因組區(qū)域和22號(hào)染色體的20785449至20785455位的基因組區(qū)域的組合。

55、14.一種癌癥檢測(cè)的組合物，其中，所述組合物包括：

56、用于檢測(cè)項(xiàng)12所述標(biāo)志物的甲基化狀態(tài)的核酸，

57、其中，所述標(biāo)志物的甲基化狀態(tài)由所述標(biāo)志物的靶序列的甲基化來(lái)表征。

58、15.一種試劑盒，其中，包含用于檢測(cè)項(xiàng)12所述標(biāo)志物的試劑。

59、有益效果

60、本技術(shù)所述基于連續(xù)區(qū)間組合的標(biāo)志物具有以下技術(shù)效果：

61、1、利用cfdna早期發(fā)現(xiàn)和診斷疾?。罕炯夹g(shù)采用cfdna中具有連續(xù)差異cpg位點(diǎn)的甲基化區(qū)間組合作為標(biāo)志物檢測(cè)病變細(xì)胞信號(hào)，可以用于多種疾病的早期發(fā)現(xiàn)和診斷。因?yàn)閏fdna的甲基化標(biāo)志物可以在許多疾病早期就發(fā)生改變，如大多數(shù)人體腫瘤等腫瘤疾病、系統(tǒng)性紅斑狼瘡等自身免疫性疾病以及部分心血管疾病中，因此本技術(shù)的標(biāo)志物可以提高多種疾病早篩的準(zhǔn)確性和敏感性，進(jìn)而有效地提高治療效果和生存率。

62、2、解決傳統(tǒng)cfdna疾病早篩的缺陷：由于cfdna中來(lái)自于病變細(xì)胞的信號(hào)占比很低，因此如何在cfdna甲基化信號(hào)中提取穩(wěn)定的病變細(xì)胞來(lái)源信號(hào)是標(biāo)志物篩選中需要解決的關(guān)鍵問(wèn)題。針對(duì)當(dāng)前利用靶向測(cè)序技術(shù)(panel)/全基因組甲基化測(cè)序(wgbs)數(shù)據(jù)篩選的標(biāo)志物在單cpg位點(diǎn)水平上的低魯棒性表現(xiàn)，以及在預(yù)設(shè)定區(qū)間時(shí)區(qū)間內(nèi)存在的單離群cpg位點(diǎn)水平導(dǎo)致的高假陽(yáng)性問(wèn)題，本技術(shù)篩選并利用包含多個(gè)甲基化差異位點(diǎn)的連續(xù)位點(diǎn)區(qū)間的組合構(gòu)建標(biāo)志物，連續(xù)位點(diǎn)區(qū)間通過(guò)差異化位點(diǎn)的連續(xù)性讀取操作實(shí)現(xiàn)同步設(shè)置與更新，避免離群cpg位點(diǎn)對(duì)連續(xù)位點(diǎn)區(qū)間的混雜作用，同時(shí)對(duì)包含豐富差異化甲基化信息的連續(xù)位點(diǎn)區(qū)間進(jìn)一步組合篩選，有效降低現(xiàn)有標(biāo)志物檢測(cè)時(shí)出現(xiàn)假陽(yáng)性檢測(cè)結(jié)果的概率，同時(shí)保持較高的陽(yáng)性檢出正確率，從而進(jìn)一步提高基于cfdna標(biāo)志物的疾病早篩的可信度與檢測(cè)效率。

63、3、提高了早篩疾病的治療效果和預(yù)后：本技術(shù)使用包含連續(xù)差異化cpg位點(diǎn)的甲基化區(qū)間標(biāo)志物組合進(jìn)行檢測(cè)，能夠用于早期發(fā)現(xiàn)和診斷多種人體病變。由于早期的非傳病，如腫瘤、自身免疫病等易于早期預(yù)防和治愈，因此通過(guò)cfdna標(biāo)志物進(jìn)行疾病的早期發(fā)現(xiàn)可以有效避免病情惡化，從而提高后續(xù)治療效果和生存率。

64、本技術(shù)所述基于連續(xù)位點(diǎn)區(qū)間組合的標(biāo)志物具有高靈敏度和高特異性特點(diǎn)(auc為0.996時(shí)，對(duì)應(yīng)的靈敏性和特異性分別為0.933和0.98)，能夠?qū)崿F(xiàn)精準(zhǔn)的陽(yáng)性樣本檢測(cè)。