技术特征：
1.基于多组学特征的肝细胞癌预后预测系统，其特征在于，所述预测系统包括数据输入模块、预测模块和显示模块；所述数据输入模块用于输入肝细胞癌患者数据并上传至所述预测模块，所述肝细胞癌患者数据包括ges评分水平、is评分水平和tnm分期；所述预测模块为列线图模型，所述预测模块基于所述肝细胞癌患者数据对肝细胞癌患者预后进行预测分析；所述显示模块用于显示肝细胞癌患者24和/或36个月总体生存概率；所述ges评分水平为癌组织和癌旁组织的70个基因表达量数据经ges评分模型判定所得，所述is评分水平为癌组织和癌旁组织的12种免疫细胞相对浸润水平数据经is评分模型判定所得。2.根据权利要求1所述的基于多组学特征的肝细胞癌预后预测系统，其特征在于，所述70个基因表达量数据包括44个肝细胞癌组织的基因表达量数据和26个癌旁组织的基因表达量数据；所述44个肝细胞癌组织的基因表达量数据包括以下基因的表达量数据：def6、zfr、cyld、znf446、tgm1、whrn、catsperg、il2rb、impad1、anapc15、nedd9、vegfa、tbccd1、irf1、necab3、myh10、p2rx4、klhl36、angptl2、snrpf、mfge8、cdh13、sectm1、prim2、rpp30、dab2、faim、msx1、nudt2、dapk3、tctn2、cxcl10、cd52、ndufa3、znf415、znf24、lsm1、smtn、setd4、znf124、nmb、spred2、znf652、zscan31；所述26个癌旁组织的基因表达量数据包括以下基因的表达量数据：entpd2、pibf1、bax、gpatch2、cdkn3、rbm28、cuedc2、tnfaip1、dnmt3a、egr2、gtf2f1、prkrip1、ace2、ido1、patj、vps45、rsu1、ncam1、kdm8、rnf111、znf230、icos、spata5l1、iqck、rplp2、cebpd。3.根据权利要求1所述的基于多组学特征的肝细胞癌预后预测系统，其特征在于，所述12种免疫细胞相对浸润水平数据包括8种肝细胞癌组织的免疫细胞相对浸润水平数据和4种癌旁组织的免疫细胞相对浸润水平数据；所述8种肝细胞癌组织的免疫细胞相对浸润水平数据包括以下免疫细胞的相对浸润水平数据：浆细胞、cd8 t细胞、初始cd4 t细胞、滤泡辅助t细胞、m0巨噬细胞、m1巨噬细胞、m2巨噬细胞、中性粒细胞；所述4种癌旁组织的免疫细胞相对浸润水平数据包括以下免疫细胞的相对浸润水平数据：初始b细胞、静息树突状细胞、活化树突状细胞、活化肥大细胞。4.如权利要求1-3中任一项所述的基于多组学特征的肝细胞癌预后预测系统的预测方法，其特征在于，所述方法包括：测定肝细胞癌患者癌组织及癌旁组织的70个基因表达量数据，计算获得ges评分水平；测定肝细胞癌患者癌组织及癌旁组织的12种免疫细胞相对浸润水平数据，计算获得is评分水平；将所述ges评分水平、所述is评分水平和tnm分期输入并上传至预测模块；所述预测模块为列线图模型，所述列线图模型基于ges评分水平、所述is评分水平和所
述tnm分期对肝细胞癌患者预后进行预测分析；通过显示模块显示肝细胞癌患者24和/或36个月总体生存概率。5.根据权利要求4所述的基于多组学特征的肝细胞癌预后预测系统的预测方法，其特征在于，所述测定肝细胞癌患者癌组织及癌旁组织的70个基因表达量数据，计算获得ges评分水平，具体包括：测定肝细胞癌患者癌组织及癌旁组织的70个基因表达量数据，根据ges评分模型，计算70个基因表达量数据各自经相应特异性权重加权后的总和与各系数总和的比值，获得ges评分；所述ges评分的具体计算方法如公式(1)：其中n是ges评分模型的基因数量，xi是各基因的表达量，wi是各基因相应的特异性权重；根据ges评分模型的最佳分割点0.067，基于所述ges评分判定肝细胞癌患者的ges评分水平为评分高或评分低。6.根据权利要求4所述的基于多组学特征的肝细胞癌预后预测系统的预测方法，其特征在于，所述测定肝细胞癌患者癌组织及癌旁组织的12种免疫细胞相对浸润水平数据，计算获得is评分水平，具体包括：测定肝细胞癌患者癌组织及癌旁组织的12种免疫细胞相对浸润水平数据，根据is评分模型，计算12种免疫细胞相对浸润水平数据各自经相应特异性权重加权后的总和，获得is评分；所述is评分的具体计算方法如公式(2)：其中n是is评分模型的免疫细胞数量，xi是各免疫细胞占免疫细胞总量的分数，wi为各免疫细胞相应的特异性权重；根据is评分模型的最佳分割点1.96，基于所述is评分判定肝细胞癌患者的is评分水平为评分高或评分低。7.根据权利要求5所述的基于多组学特征的肝细胞癌预后预测系统的预测方法，其特征在于，所述ges评分模型通过以下方法构建：选取若干组肝细胞癌组织及配对癌旁组织样本，构成样本集，获取所述样本在12,749个基因中的表达谱，并获取所述样本22种免疫细胞的相对浸润水平数据；使用cox比例风险模型分别对12,749个基因进行标准单变量回归分析，将表达量和病人生存存在显著关联的基因作为候选基因，对所述候选基因进行lasso回归分析，构建一个基于70个基因表达水平的ges评分模型；基于ges评分模型，计算所述样本的ges评分，将所述样本集的ges评分水平分为ges评分高和ges评分低的两组，得到ges评分模型的最佳分割点0.067。8.根据权利要求6所述的基于多组学特征的肝细胞癌预后预测系统的预测方法，其特征在于，所述is评分模型通过以下方法构建：
使用cox比例风险模型获得22种免疫细胞作为候选免疫细胞，对22种免疫细胞进行lasso回归分析，构建一个基于12种免疫细胞相对浸润水平的is评分模型；基于is评分模型，计算所述样本的is评分，将所述样本集的is评分水平分为is评分高和is评分低的两组，得到is评分模型的最佳分割点1.96。9.如权利要求1-3中任一项所述的基于多组学特征的肝细胞癌预后预测系统在制备预测肝细胞癌患者预后生存概率的试剂盒中的应用。10.根据权利要求9所述的应用，其特征在于，所述试剂盒包括基于碱基互补配对来进行基因表达量测定所使用的探针、基于聚合酶链式反应测定基因表达量所使用的引物、通过转录组测序获得所述基因表达量所需的试剂，以及通过免疫组织化学染色方法测定所述免疫细胞相对浸润水平所需的试剂。
技术总结
本发明提供了基于多组学特征的肝细胞癌预后预测系统，属于生物医学技术领域，所述预测系统包括数据输入模块、预测模块和显示模块；所述数据输入模块用于输入肝细胞癌患者数据并上传至所述预测模块，肝细胞癌患者数据包括GES评分水平、IS评分水平和TNM分期；所述预测模块为列线图模型；所述显示模块用于显示肝细胞癌患者24和/或36个月总体生存概率；通过同时使用癌和癌旁组织，并整合使用两种组学数据以及肝细胞癌常用临床指标，通过列线图模型对肝细胞癌预后进行预测，可广泛用于肝细胞癌患者的临床预后评估，该预测系统相比现有预后模型而言更加全面可靠。本发明还提供了基于多组学特征的肝细胞癌预后预测系统的预测方法及应用。及应用。及应用。
技术研发人员：熊远妍 黄璐
受保护的技术使用者：中山大学
技术研发日：2021.12.24
技术公布日：2022/6/28