技术特征：
1.一种分子标志物组合，其特征在于，所述分子标志物组合为chmp4c、slc25a5和vdac1的组合。2.权利要求1所述的分子标志物组合在制备子宫颈癌预后风险预测和/或诊断产品中的应用。3.权利要求1所述的分子标志物组合在构建子宫颈癌患者预后风险预测模型中的应用。4.一种子宫颈癌患者预后风险预测模型的构建方法，其特征在于，所述构建方法包括以下步骤：(1)收集子宫颈癌样本和正常样本的基因表达数据以及对应患者的临床信息数据，并将其纳入训练集，随后对训练集中的基因表达数据进行标准化处理，以获得基因表达矩阵；(2)使用r包limma对步骤(1)中基因表达矩阵中的人类坏死性凋亡相关基因进行差异表达分析，筛选获得差异表达的人类坏死性凋亡相关基因的基因表达谱，设定筛选的标准为p<0.05且差异倍数的绝对值>2；(3)对步骤(2)中获得的差异表达的人类坏死性凋亡相关基因表达谱与对应患者的临床信息数据中的生存数据进行合并，进行单因素cox回归分析，筛选出与子宫颈癌预后相关的人类坏死性凋亡相关基因，筛选的标准为p<0.05；再进行lassocox回归模型构建，得到子宫颈癌患者预后风险预测模型，所述预后风险预测模型的风险评分计算公式如下：其中，n为预后基因数，exp
i
为基因i的表达值，β
i
为基因i的回归系数。5.根据权利要求4所述的构建方法，其特征在于，所述方法还包括：基于所述训练集数据，评估所述风险预测模型的预测性能。6.根据权利要求5所述的构建方法，其特征在于，所述基于所述训练集数据，评估所述模型的预测性能包括以下步骤：基于所述风险评分计算公式计算步骤(1)中的训练集中每个子宫颈癌患者的风险评分；基于所获得的风险评分，依据风险评分的中位数将训练集中的子宫颈癌样本分为高风险组和低风险组；使用所述训练集的kaplan-meier曲线评估所述高风险组和低风险组在生存情况方面是否具有显著差异；使用所述训练数据的受试者工作特征曲线分析评估风险预测模型的拟合优度。7.根据权利要求4所述的构建方法，其特征在于，所述方法还包括：获取验证集数据，基于所述验证集数据，评估所述风险预测模型的效能。8.根据权利要求7所述的构建方法，其特征在于，所述基于所述验证集数据，评估所述风险预测模型的效能包括以下步骤：基于所述风险评分计算公式计算验证集中的每个子宫颈癌患者的风险评分；基于所获得的风险评分，依据训练集风险评分的中位数将验证集中的样本分为高风险组和低风险组；使用所述验证集数据的kaplan-meier曲线评估所述高风险组和低风险组在生存情况方面是否具有显著差异；
使用所述验证集数据的受试者工作特征曲线分析评估所述风险预测模型的拟合优度。9.根据权利要求4所述的构建方法，其特征在于，步骤(3)中差异表达的人类坏死性凋亡相关基因具体包括1dh1、tnfrsf10b、chmp4c、pgam5、ezh2、stat5b、tradd、il33、klf9、axl、hsp90aa1、slc25a5、cdkn2a、idh2、vdac1、capn1、parp1。10.根据权利要求4所述的构建方法，其特征在于，步骤(3)中所述风险预测模型的风险评分为：风险评分＝0.0659
×
chmp4c基因表达水平-0.0030
×
slc25a5基因表达水平+0.0102
×
vdac1基因表达水平。
技术总结
本发明公开了一种用于预测子宫颈癌患者预后情况的分子标记组合及其应用。本发明将筛选的包括CHMP4C、SLC25A5和VDAC1的三个NRGs作为分子标志物组合，建立了具有3个NRGs的风险预测模型，并将子宫颈癌患者分为高、低风险组。本发明中的风险预测模型预测1年生存期时对应的AUC值为0.694，预测3年生存期时对应的AUC值为0.703，预测5年生存期时对应的AUC值为0.664，具有更好的准确性和特异性。且本发明中的风险预测模型的预测性能已在验证集中得到验证。本发明中的模型可以有效预测子宫颈癌患者的预后，这有助于临床治疗方案的选择，进而实现子宫颈癌的早干预早治疗。实现子宫颈癌的早干预早治疗。
技术研发人员：杨泽锐 邹丽丽
受保护的技术使用者：广东省科学院生物与医学工程研究所
技术研发日：2022.03.25
技术公布日：2022/7/8