一种基于颗粒细胞拉曼光谱的卵巢功能状态评估模型的构建方法及系统
本发明涉及生物医学检测,具体涉及一种基于颗粒细胞拉曼光谱的卵巢功能状态评估模型的构建方法及系统。
背景技术:
1、在体外受精-胚胎移植(ivf-et)临床实践中,准确评估卵巢功能状态和卵母细胞质量,对于制定个体化促排卵方案、选择移植胚胎以及提高临床妊娠率具有至关重要的意义。目前,临床常规采用的卵巢功能评估手段主要分为血清学检测和影像学检查两大类。血清学指标如抗米勒管激素、基础促卵泡激素和雌二醇等,能够在一定程度上反映卵巢储备功能,但这些指标本质上是全身性、周期前的基础水平测定,无法提供取卵当日卵泡微环境的即时、动态生化信息。影像学指标如窦卵泡计数和卵巢体积测量,则主要反映卵泡的数量储备,缺乏分子层面的生化分辨能力,难以揭示卵母细胞发育潜能的本质差异。现有评估手段在面对内分泌指标处于边界值或激素水平与卵泡实际状态不一致的复杂临床情形时,往往难以为临床医生提供精准的决策支持。
2、卵母细胞的生长发育并非孤立进行,其成熟过程高度依赖于周围颗粒细胞所构成的卵泡微环境。颗粒细胞是卵泡中直接与卵母细胞相互作用的体细胞群体,通过缝隙连接与卵母细胞进行物质交换和信号传导,参与类固醇激素合成、营养底物供应、活性氧清除以及减数分裂调控等多个关键生理过程。颗粒细胞的生化功能状态与卵母细胞的发育潜能密切相关,因而其代谢表型能够间接反映卵母细胞的成熟度和质量。然而,目前对颗粒细胞状态的评估主要依赖分子生物学手段如基因测序、实时荧光定量pcr和蛋白印迹等方法,这些技术虽然精确度高,但操作繁琐、耗时较长,通常需要数天才能得出结果,无法在取卵当天完成以指导胚胎移植决策。同时,这些方法多为有创性检测,需要对细胞进行裂解或固定处理,无法保留细胞的完整状态用于后续分析。因此,亟需一种能够在取卵当日快速、无损地获取颗粒细胞生化信息的新型评估手段。
3、拉曼光谱是一种基于非弹性散射原理的分子振动光谱技术,能够在无需外加标记物的情况下,通过对样本进行激光照射获取其内在的分子指纹信息。该技术具有无损检测、无需复杂样品前处理、所需样本量少、可提供丰富生化组成信息等突出优势,已逐渐应用于生物医学领域的细胞表型分析和组织病理诊断。近年来,拉曼光谱在生殖医学领域也受到关注,已有研究将其应用于胚胎培养液代谢物检测、卵泡液成分分析以及卵母细胞质量评估等方向。例如,公开号为cn120522152a的发明专利申请公开了一种利用拉曼光谱无创评估小鼠卵母细胞年龄依赖性代谢特征的方法,该方案以小鼠卵母细胞为直接研究对象,通过高分辨率拉曼成像揭示了不同月龄小鼠卵母细胞中脂质含量、分布及细胞色素c水平的年龄相关变化。然而,这类以卵母细胞本身为检测对象的技术在临床应用中面临明显局限:人类卵母细胞属于极其珍贵且痕量的生物样本,直接对其进行激光照射存在潜在的光毒性风险,且基于伦理和样本量的限制,难以建立大规模的临床光谱数据库用于模型训练和验证。以人类ivf取卵过程中常规获取的颗粒细胞作为检测对象,则能够规避上述问题,但目前尚未有基于颗粒细胞拉曼光谱的卵巢功能评估方案见诸报道。
4、综上,需要提供一种能够在ivf取卵当日,以颗粒细胞为检测样本,利用拉曼光谱技术实现快速、无标记、客观、可解释的卵泡微环境生化评估的系统性方法。
技术实现思路
1、(一)要解决的技术问题
2、为了解决现有技术中存在的无法在ivf取卵当日对卵泡微环境进行快速、无损、可量化的生化评估的问题,本发明提供一种基于颗粒细胞拉曼光谱的卵巢功能状态评估模型的构建方法及系统。
3、(二)技术方案
4、为了达到上述目的,本发明采用的主要技术方案包括:
5、第一方面,本发明提供一种基于颗粒细胞拉曼光谱的卵巢功能状态评估模型的构建方法,包括如下步骤:
6、s1:获取训练数据集,所述训练数据集包括来自多个受试者的颗粒细胞的单细胞拉曼光谱数据,以及对应的各受试者的卵巢功能状态标签;
7、s2:对各颗粒细胞的单细胞拉曼光谱数据进行预处理,以剔除干扰信号,获取合格光谱;
8、s3:从预处理后的各合格光谱中提取多维特征参数,所述多维特征参数包括多个特征波数处的峰强度、以及由至少两个特征波数计算得到的峰强度比值;
9、s4:以各颗粒细胞的多维特征参数作为输入特征、以各颗粒细胞所对应受试者的卵巢功能状态标签作为预测目标,采用有监督机器学习算法进行训练,得到经过训练的细胞层面分类模型;
10、s5:利用与训练数据集互斥的独立测试集对经过训练的细胞层面分类模型进行验证,所述验证包括:将同一受试者的颗粒细胞预测结果经多数投票聚合后,与临床金标准比对以评估模型性能;将验证合格的细胞层面分类模型与多数投票规则共同作为卵巢功能状态评估模型;
11、s6:将待评估受试者的颗粒细胞的多维特征参数输入卵巢功能状态评估模型,经验证合格的细胞层面分类模型和多数投票规则处理后,输出该受试者的卵巢功能状态标签。
12、如上所述的构建方法,优选地,步骤s1中,所述颗粒细胞来源于人类体外受精取卵过程中获取的卵泡液。
13、如上所述的构建方法,优选地,步骤s1中,所述卵巢功能状态标签是基于受试者的血清抗米勒管激素和促卵泡激素水平按预设阈值确定的:同时满足血清抗米勒管激素>2ng/ml且促卵泡激素<10iu/l的受试者标注为良好卵巢状态,不满足上述预设阈值的受试者,结合雌二醇<80pg/ml进一步判定为欠佳卵巢状态。
14、如上所述的构建方法,优选地,步骤s2中,所述预处理包括依次进行的异常光谱剔除、去除宇宙射线、波数校准、基线校正、平滑处理以及归一化处理。
15、如上所述的构建方法,优选地,步骤s3中,所述多个特征波数包括以下特征波数中的至少2个:755cm-1、915cm-1、1002cm-1、1045cm-1、1080cm-1、1180cm-1、1240cm-1、1260cm-1、1301cm-1、1444cm-1、1525cm-1、1605cm-1、1651cm-1、1746cm-1、2850cm-1、2856cm-1、2928cm-1、3058cm-1。
16、如上所述的构建方法,优选地,步骤s3中,所述峰强度比值包括以下类别中的至少一项:蛋白构象相关峰强比、能量代谢相关峰强比、核酸状态相关峰强比、脂质代谢相关峰强比以及氧化应激相关峰强比。
17、如上所述的构建方法,优选地,步骤s4中,所述有监督机器学习算法为卷积神经网络模型、线性判别分析模型、支持向量机模型、随机森林模型、逻辑回归模型、门控循环单元模型以及多层感知机模型中的任意一种。
18、如上所述的构建方法,优选地,步骤s5中,所述训练数据集和所述独立测试集按受试者层面互斥划分,同一受试者的所有颗粒细胞的拉曼光谱数据仅归属于所述训练数据集或所述独立测试集中的任意一个。
19、第二方面,本发明还提供一种基于颗粒细胞拉曼光谱的卵巢功能状态评估模型的构建系统,包括:
20、光谱数据获取模块,用于获取训练数据集,所述训练数据集包括来自多个受试者的颗粒细胞的单细胞拉曼光谱数据,所述颗粒细胞来源于人类体外受精取卵过程中获取的卵泡液;
21、标签获取模块,用于获取对应的各受试者的卵巢功能状态标签;
22、预处理模块,用于对各颗粒细胞的单细胞拉曼光谱数据进行预处理,以剔除干扰信号,获取合格光谱;
23、特征提取模块,用于从预处理后的各合格光谱中提取多维特征参数,所述多维特征参数包括多个特征波数处的峰强度、以及由至少两个特征波数计算得到的峰强度比值,所述多维特征参数用于表征颗粒细胞的代谢状态;
24、模型训练模块,用于以各颗粒细胞的多维特征参数作为输入特征、以各颗粒细胞所对应受试者的卵巢功能状态标签作为预测目标,采用有监督机器学习算法进行训练,得到经过训练的细胞层面分类模型;
25、模型验证与聚合模块,用于利用与训练数据集互斥的独立测试集对所述经过训练的细胞层面分类模型进行验证,所述验证包括:将同一受试者的颗粒细胞预测结果经多数投票聚合后,与临床金标准比对以评估模型性能;将验证合格的细胞层面分类模型与多数投票规则共同作为卵巢功能状态评估模型。
26、如上所述的构建系统,优选地,所述预处理模块执行的预处理步骤依次包括异常光谱剔除、去除宇宙射线、波数校准、基线校正、平滑处理以及归一化处理;所述系统还包括质控模块,用于生成质控信息,所述质控信息包括异常光谱剔除记录、波数校准状态、基线残差和归一化检查结果中的一项或多项。
27、(三)有益效果
28、第一,本发明以体外受精取卵过程中常规获取的颗粒细胞为检测对象,通过拉曼光谱技术获取其单细胞光谱数据。颗粒细胞是ivf操作中伴随卵泡液一同获取的、常规作为废弃物处理的附属细胞,无需对受试者实施额外的有创操作即可获得,且拉曼光谱检测无需外加标记物、无需复杂的样品前处理,能够在取卵当日快速完成光谱采集。这解决了现有技术中因依赖血清学指标的周期前测定或分子生物学方法耗时数日而无法在取卵当日获取卵泡微环境即时生化信息的问题,实现了真正意义上的取卵当日快速评估。
29、第二,本发明通过对单细胞拉曼光谱进行预处理以剔除干扰信号,确保了输入数据的质量和可靠性。在此基础上提取多维特征参数,包括多个特征波数处的峰强度以及由至少两个特征波数计算得到的峰强度比值,而非仅依赖单一峰强度或单一比值,从而能够更全面地表征颗粒细胞的代谢状态。这一多维特征提取策略使得后续模型的输入信息更加丰富和稳定,解决了现有技术中因缺乏多维生化表征能力而难以量化评估卵泡微环境生化状态的问题。
30、第三,本发明采用有监督机器学习算法,以多维特征参数为输入、以临床金标准激素指标确定的卵巢功能状态标签为预测目标进行训练,使得模型能够学习并建立颗粒细胞拉曼光谱特征与卵巢功能状态之间的定量关联。在此基础上,利用与训练数据集互斥的独立测试集对模型进行验证,通过多数投票法将同一受试者的多个颗粒细胞的预测结果聚合为受试者层面的判别结果,并将该判别结果与临床金标准进行比对以评估模型性能。这一严格的受试者层面互斥划分与多数投票聚合策略,有效避免了模型过拟合,确保了模型对新受试者具有良好的泛化能力和判别稳定性,解决了现有技术中缺乏可量化的、受试者层面稳定的判别方案的问题。
31、最后,本发明将验证合格的细胞层面分类模型与多数投票规则共同作为卵巢功能状态评估模型,该模型能够基于颗粒细胞拉曼光谱数据输出受试者层面的判别结果,从而为临床医生在取卵当日提供客观、可量化的卵泡微环境生化评估信息,为胚胎移植决策提供参考。该模型一经构建完成,即可直接应用于取卵当日获取的颗粒细胞光谱数据,无需等待数日,也无需复杂的手动分析流程,实现了快速、无损、客观、可解释的卵泡微环境生化评估。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com