技术特征：
1.一种基于免疫相关细胞对的黑素瘤预后预测方法，其特征在于，包括以下步骤：从免疫微环境中筛选出与黑色瘤预后效果相关的免疫关键特征；其中，所述免疫关键特征包括免疫相关细胞对的免疫相关风险；以减少特征冗余，并提高准确率为目的，从所述临床预后信息中筛选与所述免疫关键特征配合使用的临床关键特征；将所述免疫关键特征与所述临床关键特征进行合并，构建关键特征集；从历史数据中获取多个黑色素瘤患者的关键特征集及对应的预后效果值，并根据多个黑色素瘤患者的关键特征集及对应的预后效果值构建预后预测模型；获取目标对象的关键特征集，并将所述关键特征集输入到所述预后预测模型中，得到目标对象的预后效果。2.根据权利要求1所述的基于免疫相关细胞对的黑素瘤预后预测方法，其特征在于，所述免疫相关细胞对的免疫相关风险通过以下公式计算得到：irrs＝∑scorea|b
×
coef_a|b其中，irrs为免疫相关细胞对的免疫相关风险，scorea|b为免疫细胞对评分，a、b分别为体内两种不同的免疫细胞，细胞对a|b中，当a的表达量>b的表达量时，scorea|b记作1，当a的表达量<b的表达量时，scorea|b记作0；coef_ab为相关细胞对系数。3.根据权利要求2所述的基于免疫相关细胞对的黑素瘤预后预测方法，其特征在于，所述相关细胞对系数具体为：当细胞对为效应记忆cd8+t细胞|cd56暗自然杀伤细胞时，所述相关细胞对系数为-0.201895537；当细胞对为2型辅助t细胞|效应记忆cd8+t细胞时，所述相关细胞对系数为0.162775185；当细胞对为未成熟b细胞|效应记忆cd4+t细胞时，所述相关细胞对系数为-0.167620476；当细胞对为自然杀伤t细胞|未成熟b细胞时，所述相关细胞对系数为0.376203094；当细胞对为髓样抑制细胞|单核细胞时，所述相关细胞对系数为-0.146018787；当细胞对为效应记忆自然杀伤细胞|中心记忆cd8+t细胞时，所述相关细胞对系数为-0.32046159。4.根据权利要求2所述的基于免疫相关细胞对的黑素瘤预后预测方法，其特征在于，所述相关细胞对系数的计算方法如下：收集黑色素瘤患者的表达谱，去除无生存信息患者的表达谱，并收集所述黑色素瘤患者的临床信息；基于ssgsea算法计算28种免疫细胞的丰度，利用单因素cox回归筛选出与预后相关的免疫细胞，其中，有预后意义的免疫细胞是指单因素cox p小于预设第一阈值的免疫细胞；设有n种与预后相关的免疫细胞集，记为x1,x2,x3,...,x
n
，n≤28，每种免疫细胞集均包括多个同类型的免疫细胞；所有的28种免疫细胞集记为x1,x2,x3,...,x
n
,...,x
28
；将与预后相关的n种免疫细胞分别与所有的28种免疫细胞集进行配对，形成多个细胞集对，记为：x1|x1,x1|x2,...,x1x
28
,...,x
n
|x1,x
n
|x2,...,x
n
|x
28
；分别计算每个细胞集对的集配对值：
其中，对于由任意两种免疫细胞集构成的细胞集对x
i
|x
i
′
＝{x
1i
|x
1i
′
,x
1i
|x
2i
′
,...,x
1i
|x
mi
′
,...,x
mi
|x
m
′
i
′
}；其集配对值为：scorex
1i
|x
1i
′
+scorex
1i
|x
2i
′
+,...,+scorex
1i
|x
m
′
i
′
+,...,+scorex
mi
|x
m
′
i
′
；其中，分别为免疫细胞集x
i
内的第1,2,3,...,m个免疫细胞，分别为免疫细胞集x
i
内的第1,2,3,...,m
′
个免疫细胞，m、m
′
分别为免疫细胞集x
i
内免疫细胞总数，i、i
′
为免疫细胞的类别，取值范围为1,2,3,...,n；判断每个细胞集对的集配对值是否处于预设的区间内：当存在任意细胞集对的集配对值不处于预设的区间内，则剔除掉所述细胞集对，保留集配对值处于预设区间内的细胞集对；通过单因素cox回归分析，以p<预设阈值为截断值，从保留的细胞集对中筛选出有显著统计学意义的细胞对，之后进行lasso回归，输出细胞对，再采用多因素cox回归的方式，计算出相关细胞对系数。5.根据权利要求1所述的基于免疫相关细胞对的黑素瘤预后预测方法，其特征在于，所述预后预测模型为列线图预测模型，所述预后效果为黑素瘤患者的生存概率，根据多个黑色素瘤患者的关键特征集及对应的预后效果值构建预后预测模型，包括以下步骤：对tcga的临床信息进行单因素cox分析，保留有预后意义的临床变量，筛选的临床变量和irrs作为关键特征值纳入多因素cox回归分析，并构建每个关键特征值的多元cox回归模型；通过r包rms将上述多因素cox回归分析绘制为列线图。6.根据权利要求5所述的基于免疫相关细胞对的黑素瘤预后预测方法，其特征在于，所述临床关键特征包括年龄、溃疡、breslow厚度以及淋巴结分期；所述免疫相关细胞对的免疫相关风险的多元cox回归模型系数为0.889690055；所述年龄的多元cox回归模型系数为0.011632926；当不存在溃疡时，所述溃疡的多元cox回归模型系数为0；当存在溃疡时，所述溃疡的多元cox回归模型系数为0.492972497；所述breslow厚度的多元cox回归模型系数为0.010817322；当所述淋巴结分期为n0时，所述淋巴结分期的多元cox回归模型系数为0；当所述淋巴结分期为n1时，所述淋巴结分期的多元cox回归模型系数为0.54422863；当所述淋巴结分期为n2时，所述淋巴结分期的多元cox回归模型系数为1.014801065；当所述淋巴结分期为n3时，所述淋巴结分期的多元cox回归模型系数为1.315284101；每个多元cox回归模型的常数均为-0.645602725。7.根据权利要求6所述的基于免疫相关细胞对的黑素瘤预后预测方法，其特征在于，所述列线图预测模型包括：免疫相关细胞对的免疫相关风险分值标尺、年龄分值标尺、溃疡分值标尺、深度分值标尺、淋巴结分期分值标尺以及总分值标尺，总分值标尺对应的预测对象为目标对象的生存概率；获取目标对象的关键特征值，并将所述关键特征值输入到所述预后预测模型中，得到目标对象的预后效果，具体包括：将目标对象的关键特征值分别与其对应的分值标尺进行比较，得到各个关键特征的评分值，将各个关键特征的评分值相加，得到总评分值，将所述总评分值与总分值标尺进行比
较，得到目标对象的生存概率。8.一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现上述权利要求1至7任一方法的步骤。
技术总结
本发明公开了基于免疫相关细胞对的黑素瘤预后预测方法及系统，通过用免疫相关细胞对的免疫相关风险替代基因表达谱，结合剔除冗余特征的临床预后信息，从临床指标和免疫微环境两个层面建立预后预测模型，再以该预后预测模型进行预测。相比现有技术，由于免疫相关细胞对的免疫相关风险在进行免疫微环境评估时，用相对大小代替绝对大小，能有效解决批次效应产生的误差，此外，本发明还从多个临床预后信息中筛选出非特征冗余的临床关键特征与所述免疫相关细胞对的免疫相关风险配合使用，能以最少的特征数据实现高准确率的预后预测，进一步减少预测的计算机资源消耗。减少预测的计算机资源消耗。减少预测的计算机资源消耗。
技术研发人员：黄凯 龙芯蕊 李鸣嘉 赵爽 陈翔
受保护的技术使用者：中南大学湘雅医院
技术研发日：2022.07.26
技术公布日：2022/10/11