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：中国医学科学院北京协和医院

摘要：本发明提供了一种从儿童期预测成人期代谢相关脂肪性肝病发病风险的生物标志物组合及其筛选方法和预测系统，基于从儿童随访到成人的大型前瞻性队列，收集儿童血清或血浆中的脂肪因子和氨基酸组学数据等5个维度的117个特征数据，运用机器学习方式筛选出了从儿童期对成人期代谢相关脂肪性肝病进行风险预测的标志物组合，最简的生物标志物组合为谷氨酰胺、丝氨酸和高分子脂联素，基于该组合构建的模型ROC‑AUC为0.86，而基于最佳组合的模型ROC‑AUC为0.92，能准确评估儿童成年后是否患代谢相关脂肪性肝病，识别出高危儿童个体，为进一步从儿童期开展个体化预防代谢相关脂肪性肝病和个体化健康指导及干预提供医疗辅助工具。

主权项：1.一种从儿童期预测成人期代谢相关脂肪性肝病发病风险的特征组合的筛选方法，其特征在于，所述筛选方法包括：（1）数据集的采集：获取儿童血清或血浆，进行脂肪因子和氨基酸组学检测，提取儿童生活方式和家庭因素数据，临床指标与生化数据，代谢相关基因位点数据，脂肪因子数据，血浆氨基酸数据5个维度的特征数据，以及随访至成年后的代谢相关脂肪性肝病诊断结果作为标签数据；（2）将代表5个维度的特征作为备选特征，将样本数据划分为训练数据集和测试数据集，用于构建不同算法的机器学习模型；（3）利用训练数据集分别训练6种算法的机器学习模型，利用测试数据集评估6种算法的机器学习模型的分类性能，确定模型性能最佳的算法为Adaboost；（4）对所有备选特征进行特征重要性排序与特征组合评估，方法为：使用Adaboost的特征重要性对全部117个备选特征进行特征选择，获取Adaboost对每一特征计算的重要性分数，根据1000次建模中特征重要性分数的平均值对117个备选特征进行排序；为了查看准确率与不同特征组合的总体趋势，使用Adaboost对排序前5、前10、前20、前30、前40以及全部117种特征的组合进行模型训练，测试集验证的结果采用ROC-AUC评估，其中排序前20的特征组合模型性能最佳，排序前20的特征按特征重要性分数从大到小排序为：谷氨酰胺、丝氨酸、高分子脂联素、1-甲基组氨酸、出生体重、舒张压、亮氨酸、母亲身体质量指数、抵抗素、MC4R-rs2331841、青春发育特纳阶段、羟脯氨酸、缬氨酸、HMGA2-rs1042725、瓜氨酸、精氨酸、GP2-rs12597579、收缩压、正亮氨酸、β-氨基异丁酸；（5）确定从儿童期预测成人期代谢相关脂肪性肝病发病风险的特征组合模型性能最佳且特征数量最少的特征组合为排序前14的特征，所述的排序前14的特征按照特征重要性分数从大到小排序为：谷氨酰胺、丝氨酸、高分子脂联素、1-甲基组氨酸、出生体重、舒张压、亮氨酸、母亲身体质量指数、抵抗素、MC4R-rs2331841、青春发育特纳阶段、羟脯氨酸、缬氨酸；最简特征组合为：所述的排序前14的特征中前3种的特征组合，为谷氨酰胺、丝氨酸、高分子脂联素；其余特征组合为：所述的排序前14的特征中的前4种或前5种或前6种或前7种或前8种或前9种或前10种或前11种或前12种或前13种特征的组合。

全文数据：

权利要求：

百度查询： 中国医学科学院北京协和医院 一种从儿童期预测成人期代谢相关脂肪性肝病发病风险的生物标志物组合及其筛选方法和预测系统