基于人血浆microRNAs的数据挖掘技术构建肺癌预测系统

发布时间：2018-01-30 17:54

本文关键词： 血浆microRNAs 数据挖掘肺癌预测　出处：《郑州大学》2017年硕士论文　论文类型：学位论文

【摘要】：肺癌位居中国恶性肿瘤发病率和死亡率首位,肺癌预防的重要手段是开展早期发现、早期诊断和早期治疗,有必要研究高敏感性和特异性的肿瘤生物标志物。microRNAs(mi RNAs)可调控基因参与细胞的生长、增殖、分化和凋亡等过程,大量的研究表明循环miRNAs和多种肿瘤的发生和发展有关,具有作为包括肺癌在内的疾病诊断生物标志物的潜力。目的该研究应用决策树(Decision Tree,DT)、人工神经网络(Artificial Neual Networks,ANN)和支持向量机(Support Vector Machines,SVM)等数据挖掘方法联合血浆miRNA生物标志、流行病学参数和临床症状资料建立肺癌预测模型。对象和方法1.研究对象:肺癌组为2016年6月至2017年2月取自郑州大学第一附属医院呼吸内科、河南省肿瘤医院胸外科、河南省胸科医院呼吸内科和胸外科的148例初诊的原发性肺癌患者;对照组为2016年7月取自淇县疾病预防控制中心体检的148例健康人群。经知情同意后收集研究对象的信息和血液标本。2.实验方法:血浆miRNAs(mi R-16、miR-21、miR-20a、mi R-210、miR-145、miR-126、miR-223、mi R-197、miR-30a、mi R-30d、miR-25)表达水平的检测采用实时荧光定量PCR法。3.数据挖掘:采用SPSS Clementine 21.0软件。基于单因素分析结果和Logistic回归分析优化结果,先将数据预处理,按3:1的比例将所有样本随机分成训练集和预测集,用训练好的模型对预测集进行预测,应用Fisher判别分析、DT C5.0、ANN和SVM算法分别建立模型,并采用诊断试验评价指标比较模型的预测结果。4.统计学分析:Excel 2010建立数据库,采用SPSS 21.0软件进行统计分析。定量资料分析符合正态分布时采用两独立样本t检验,不符合正态分布时采用Mann-Whitney U检验;定性资料间的比较采用χ2检验;肺癌的影响因素采用二分类Logistic回归分析。检验水准为α=0.05。结果1.血浆miRNAs表达水平检测结果:肺癌组的10种血浆miRNAs(miR-21、miR-20a、miR-210、miR-145、miR-126、miR-223、miR-197、miR-30a、miR-30d、miR-25)的表达水平高于对照组,差异有统计学意义(P0.05)。11种血浆miRNAs(miR-16、miR-21、miR-20a、miR-210、miR-145、miR-126、miR-223、mi R-197、miR-30a、mi R-30d、miR-25)的表达水平与年龄、肺癌的组织学类型无关(P0.05);血浆中miR-30a和miR-21表达水平与性别有关(P0.05);血浆中mi R-21和miR-25表达水平与吸烟程度、饮酒有关(P0.05)。血浆中miR-210的表达水平和肺癌的分期有关(P0.05);血浆中miR-126的表达水平和肺癌淋巴结转移有关(P0.05)。2.肺癌影响因素分析结果:单因素分析结果显示肺癌组和对照组间的流行病学参数和临床症状(吸烟程度、发热、胸闷胸痛、咳嗽、痰中带血、咯血)的分布的差异和10种血浆miRNAs(miR-21、miR-20a、miR-210、miR-145、miR-126、miR-223、mi R-197、miR-30a、mi R-30d、miR-25)的表达水平的差异有统计学意义(P0.05);多因素Logistic回归分析结果显示,发热、胸闷胸痛、咳嗽、血浆中miR-20a(P=0.016)和miR-223(P=0.001)相对表达量升高可能是肺癌的危险因素。3.数据挖掘模型的评价结果:由吸烟程度、发热、胸闷胸痛、咳嗽、痰中带血、咯血、10种血浆mi RNAs(miR-21、miR-20a、miR-210、mi R-145、miR-126、miR-223、mi R-197、miR-30a、miR-30d、mi R-25)的表达水平这16个变量建立的16项DT C5.0模型和由发热、胸闷胸痛、咳嗽、痰中带血、咯血、血浆中miR-20a和miR-223表达水平建立的优化DT C5.0模型的准确度分别为98.78%和87.80%,AUC分别为0.985和0.883;16项SVM模型和优化SVM模型的准确度分别为98.78%和89.02%,AUC分别为0.985和0.893;16项ANN模型和优化ANN模型的准确度分别为87.80%和84.15%,AUC分别为0.879和0.835;16项Fisher判别分析模型和优化Fisher判别分析模型的准确度分别为82.93%和82.93%,AUC分别为0.828和0.824。16项DT C5.0模型和16项SVM模型的AUC均优于其他6种模型(P0.05);其他6种模型的AUC之间的差异没有统计学意义(P0.05)。结论1.人血浆中10种miRNAs(miR-21、miR-20a、miR-210、miR-145、miR-126、miR-223、mi R-197、miR-30a、mi R-30d、miR-25)的表达水平与肺癌相关。血浆中miR-20a、mi R-223相对表达量可作为肺癌预测的重要指标。2.本研究建立了基于人血浆中的microRNAs的Fisher判别分析、决策树、神经网络和支持向量机肺癌预测模型;决策树模型和支持向量机模型对肺癌的预测效果最好。
[Abstract]:Lung cancer is the first in Chinese malignant tumor incidence and mortality . The important means of prevention of lung cancer is to carry out early detection , early diagnosis and early treatment , and it is necessary to study the biological markers of lung cancer with high sensitivity and specificity . The expression level of miR - 21 and miR - 21 in plasma was significantly higher than that of control group ( P0.05 ) . The expression level of miR - 21 and miR - 21 in plasma was significantly higher than that of control group ( P0.05 ) . There was significant difference in the expression level of miR - 21 , miR - 20a , miR - 210 , miR - 145 , miR - 126 , miR - 223 , mi R - 197 , miR - 30a , mi R - 30d , and miR - 25 in 10 plasma microRNAs ( miR - 21 , miR - 22 , miR - 210 , mi R - 197 , miR - 30a , and mi R - 25 ) . The accuracy of the 16 SVM models and the optimized ANN models were 98.78 % and 89.02 % , the AUC were 0.985 and 0.893 , respectively . The accuracy of the 16 model of ANN and the optimized ANN model was 82.93 % and 84.15 % , AUC 0 . 828 and 0 . 824.16 . The Fisher discriminant analysis , decision tree , neural network and support vector machine lung cancer prediction model were established .

【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP311.13;R734.2

【相似文献】