一种基于预后信息与强化学习的蛋白质组学分子分型方法

    公开(公告)号:CN114694748A

    公开(公告)日:2022-07-01

    申请号:CN202210162480.6

    申请日:2022-02-22

    IPC分类号: G16B20/00 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于预后信息与强化学习的蛋白质组学分子分型方法,其步骤包括:1)获取发现队列与验证队列数据中的共鉴定蛋白,将共鉴定蛋白与发现队列所对应数据中的差异表达蛋白的交集分别作为发现队列、验证队列的蛋白质表达矩阵的特征,得到发现队列的蛋白质表达矩阵Xs、验证队列的蛋白质表达矩阵Xt;3)构建深度神经网络模型,包括分类器与增强学习奖励基线估计器;4)利用蛋白质表达矩阵Xs及对应的分类标签、蛋白质表达矩阵Xt及对应的预后信息,训练深度神经网络模型;5)将待处理蛋白质组数据输入训练后的分类器,得到其分子亚型。本发明既能有效保证带拓展分子分型在验证集上的预后区分度,又规避了对分类器模型的过度依赖。

    SNORA18L5在肝癌风险预警及抑制SNORA18L5的siRNA在抑制肝癌生长中的应用

    公开(公告)号:CN108619530A

    公开(公告)日:2018-10-09

    申请号:CN201810327568.2

    申请日:2018-04-12

    摘要: 本发明提出了试剂在制备药物中的用途、SNORA18L5作为肝癌风险预警标志物中的用途以及抑制SNORA18L5表达的物质在制备预防和治疗癌症的产品中的应用。所述试剂用于沉默SNORA18L5,所述药物用于下列的至少之一:促进细胞周期阻滞和细胞凋亡;抑制细胞的生长;抑制18S和28S rRNAs的成熟;抑制核糖体的生物合成;促进p53的表达;抑制MDM2对p53的泛素化;促进RPL5和RPL11与MDM2的相互作用;以及促进RPL5和RPL11的细胞核仁-核质易位。用于沉默SNORA18L5的试剂在促进细胞周期阻滞和细胞凋亡;抑制细胞的生长;抑制18S和28S rRNAs的成熟;抑制核糖体的生物合成;促进P53的表达;抑制MDM2对p53的泛素化;促进RPL5和RPL11与MDM2的相互作用;以及促进RPL5和RPL11细胞核仁-核质易位方面效果显著。

    多聚甲醛固定细胞的单细胞转录组及多重靶向蛋白质同时检测方法的建立

    公开(公告)号:CN118460688A

    公开(公告)日:2024-08-09

    申请号:CN202310088095.6

    申请日:2023-02-09

    摘要: 本发明公开了多聚甲醛固定细胞的单细胞转录组及多重靶向蛋白质同时检测方法的建立。本发明提供了一种多聚甲醛固定细胞的单细胞多组学检测方法,包括如下步骤:A、用4%PFA作为固定剂,0.1%Triton作为透膜剂对单细胞进行固定透膜处理;B、将所述固定透膜处理后的细胞在单细胞操作系统中裂解,建库,测序,实现多聚甲醛固定细胞的单细胞多组学检测;所述裂解为在所述单细胞操作系统的高通量单细胞微孔板体系中进行。本发明确定了一种可同时结合细胞膜表面蛋白、胞浆磷酸化蛋白和核转录因子的抗体结合方案,并能较好地保留RNA完整;确定了对多聚甲醛处理后细胞解交联的方法,并与单细胞操作系统兼容。

    一种原发性肝细胞癌切除术后复发风险预测试剂盒及其应用

    公开(公告)号:CN116930498A

    公开(公告)日:2023-10-24

    申请号:CN202311091776.4

    申请日:2023-08-29

    摘要: 本发明公开了一种原发性肝细胞癌切除术后复发风险预测试剂盒及其应用。本发明提供了检测FKBP10、CYP3A4和SYNGR2蛋白表达量的物质或结合待测肝癌患者临床指标在制备预测肝癌患者术后复发风险或生存率产品中的应用。本发明适用于临床中低复发风险人群,对现有复发评估体系具有较强的补充能力;基于多中心大人群蛋白质组数据进行标志物发现与验证,保证模型稳定性,有助于前瞻队列预测;以临床复发分级为基础,开发存在互补性的标志物组合,保证模型灵敏度与准确率,符合临床应用场景;免疫组化是目前最为简便通用的标志物检测方法,以更适合大规模推广与市场下沉。

    一种基于预后信息与强化学习的蛋白质组学分子分型方法

    公开(公告)号:CN114694748B

    公开(公告)日:2022-10-28

    申请号:CN202210162480.6

    申请日:2022-02-22

    IPC分类号: G16B20/00 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于预后信息与强化学习的蛋白质组学分子分型方法,其步骤包括:1)获取发现队列与验证队列数据中的共鉴定蛋白,将共鉴定蛋白与发现队列所对应数据中的差异表达蛋白的交集分别作为发现队列、验证队列的蛋白质表达矩阵的特征,得到发现队列的蛋白质表达矩阵Xs、验证队列的蛋白质表达矩阵Xt;3)构建深度神经网络模型,包括分类器与增强学习奖励基线估计器;4)利用蛋白质表达矩阵Xs及对应的分类标签、蛋白质表达矩阵Xt及对应的预后信息,训练深度神经网络模型;5)将待处理蛋白质组数据输入训练后的分类器,得到其分子亚型。本发明既能有效保证带拓展分子分型在验证集上的预后区分度,又规避了对分类器模型的过度依赖。