买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：复旦大学

摘要：本发明公开了一种基于多组学生物标志物的OSA发病风险预测方法，包括以下步骤：获取健康组和OSA发病组的医学数据；分别对体脂成分和代谢组学数据进行预处理，以获得包含体脂特征和代谢特征的组学特征，并将组学特征与医学数据组成数据集；根据所述数据集对预构建的预测模型进行训练，以获得风险预测模型；将待预测用户的医学数据输入至风险预测模型中，以获得用户的OSA发病风险预测结果。本发明还提供了一种OSA发病风险预测装置。本发明提供的方法可以提高OSA发病风险预测的准确率，从而为医师的医疗诊断提供有效的指导。

主权项：1.一种基于多组学生物标志物的OSA发病风险预测方法，其特征在于，包括以下步骤：获取健康组和OSA发病组的医学数据，其包括个人信息，和对应的体脂成分以及代谢组学数据；分别对体脂成分和代谢组学数据进行预处理，以获得包含体脂特征和代谢特征的组学特征，并将所述组学特征与医学数据组成数据集，所述预处理包括数据标准化，ANOVA分析，相关性分析以及基于mRMR与Lasso回归特征筛选，其具体过程如下：对OSA组和健康组进行数据标准化，以获得对应的Z分数，并将Z分数超出mean±3SD的异常值剔除以去除离群数据；通过ANOVA分析获取OSA组和健康组之间的差异指标，并根据所述差异指标采用相关性分析去除相关系数大于0.9的指标，并通过mRMR算法筛选出10个最相关特征，将所述10个最相关特征通过lasso回归筛选出与体脂成分和代谢组学最佳特征集合；所述最佳特征集合包括体脂成分对应的android区域脂肪、内脏脂肪体积和四肢区域脂肪，以及代谢组学数据对应的高密度脂蛋白亚型，低密度脂蛋白亚型和极低密度脂蛋白亚型，所述四肢区域脂肪包括右臂全部脂肪、左腿全部脂肪以及躯干左侧区域脂肪，所述高密度脂蛋白亚型包括H0A2和H0PL，所述低密度脂蛋白亚型包括L2PN和L6TG，所述极低密度脂蛋白亚型包括V1TG和V5PL；根据Lasso回归分析以获得最佳集合特征集合中各特征的权重；将最佳特征集合与对应的权重组成组学特征；根据所述数据集对预构建的预测模型进行训练，以获得用于预测OSA发病风险的风险预测模型，所述风险预测模型的表达式如下：Nomoscore＝β1*性别+β2*年龄+β3*BMI+β4*fat_predicted+β5*lipop_predicted其中，fat_predicted表示体脂特征，lipop_predicted表示代谢特征，β1，β2，β3，β4以及β5表示模型参数的权重参数；fat_predicted＝-2.9492+android区域脂肪*0.3932+内脏脂肪体积*0.9142+右臂全部脂肪*0.1958-左腿全部脂肪*0.490+躯干左侧区域脂肪*0.3543；lipop_predicted＝2.5396+H0A2*0.0299+H0PL*0.4082-L2PN*0.0823-L6TG*0.2537-V1TG*0.4146-V5PL*0.2580；将待预测用户的医学数据输入至所述风险预测模型中，以获得用户的OSA发病风险预测结果。

全文数据：

权利要求：

百度查询： 复旦大学 一种基于多组学生物标志物的OSA发病风险预测方法及装置