一种基于基因组学的宫颈癌预后预测方法与系统与流程

本发明涉及生物医学工程，具体涉及一种基于基因组学的宫颈癌预后预测方法与系统。

背景技术：

1、高通量全转录组测序数据在生物信息学模型与网络特征分析中具有广泛应用。现有的数据处理管线通常收集样本的测序表达矩阵，利用降维模型提取数值特征，进而输出分型结果或评估指数。

2、在真实的微环境网络中，基础供能、细胞增殖与免疫防御等生物通路在转录表达层面上具有强烈的连通与干涉关系。然而，现有的数据处理方法在进行特征降维时，普遍将提取的所有基因均视为相互独立的数学变量，彻底忽略了不同通路之间由于底层网络节点拓扑距离引发的干涉阻力，导致特征权重分配严重失真。此外，不同基因通路的天然转录丰度存在巨大的量纲悬殊，未经尺度对齐的多维特征在进行空间距离匹配时极易被大数值维度单向主导；且现有模型通常依赖跨批次的动态队列数据进行在线特征对齐，导致模型在脱离外部队列、仅接收独立单样本输入进行推理时，极易发生数据分布漂移，无法输出稳定的分类标签，并且，现有方法在进行评估预测时，由于未能将复杂的网络干涉代价有效融入特征回归体系，导致输出的连续预测指数脱离了微环境真实的拮抗状态，使得单样本的预后预测准确性与可靠性较低。

技术实现思路

1、为了解决单样本转录组数据在进行预后预测时，因忽略基因通路的网络拓扑干涉以及极易发生特征分布漂移而导致预测结果不准确的技术问题，本发明的目的在于提供一种基于基因组学的宫颈癌预后预测方法与系统，所采用的技术方案具体如下：

2、一种基于基因组学的宫颈癌预后预测方法，所述方法包括：

3、调取预设的转录校准系数和特征回归权重；将待分析的全转录组测序向量与预设静态字典对比，获取供能、增殖和免疫的转录向量，并获取各转录向量内的元素均值；

4、调取所述预设静态字典内的基因节点，在预置网络图谱中执行路径搜索，结合所有所述转录向量获取图谱拓扑干涉矩阵；根据所有转录向量内的数值分布，构建供能特征分布向量和消耗需求分布向量；基于所述供能特征分布向量、消耗需求分布向量和图谱拓扑干涉矩阵构建吉布斯核矩阵，进行交替缩放迭代解算，获取特征传输矩阵；基于所述特征传输矩阵与所述图谱拓扑干涉矩阵的映射干涉关系，结合所述转录校准系数以及各转录向量的元素均值，获取免疫干涉差值；

5、基于所述各转录向量的元素均值与所述免疫干涉差值构建空间特征向量；基于所述特征回归权重对所述空间特征向量进行加权映射，获得连续偏移指数。

6、进一步地，所述图谱拓扑干涉矩阵的获取方法包括：

7、确定所述预设静态字典内各供能基因节点至增殖基因节点或免疫基因节点的拓扑连通路径；获取所述拓扑连通路径对应的最少网络节点连通边数作为阻力常数，并基于所述阻力常数构建所述图谱拓扑干涉矩阵；图谱拓扑干涉矩阵的行数为供能转录向量的总项数；列数为增殖和免疫的转录向量的总项数，矩阵内的元素数值为对应的阻力常数；

8、若任两个基因节点之间不存在拓扑连通路径，则将所述两个基因节点之间的连通边数设定为预设阻力常数。

9、进一步地，所述特征传输矩阵的获取方法包括：

10、提取所述图谱拓扑干涉矩阵的矩阵元素的均值，结合预设正则化缩放因子与预设除零正参数构建平滑计算系数；利用所述平滑计算系数对所述图谱拓扑干涉矩阵的各元素进行指数映射，得到所述吉布斯核矩阵；

11、初始化一个长度与供能转录向量等长、且内部元素均为1的列向量，作为初始的左缩放向量；初始化一个长度与增殖转录向量和免疫转录向量总长度等长、且内部元素均为1的列向量，作为初始的右缩放向量；

12、基于所述吉布斯核矩阵、供能特征分布向量和消耗需求分布向量，对所述左缩放向量和所述右缩放向量执行交替缩放矩阵迭代计算；在迭代达到预设收敛条件后，利用最后一次迭代输出的左缩放向量、右缩放向量以及所述吉布斯核矩阵执行连乘运算，构建得到所述特征传输矩阵。

13、进一步地，所述免疫干涉差值的获取方法包括：

14、提取所述特征传输矩阵中对应免疫转录向量的元素子集，并将所述元素子集与所述图谱拓扑干涉矩阵中对应位置的矩阵元素进行相乘及求和，并归一化计算，获取免疫通路干涉权重系数；

15、融合所述转录校准系数、供能转录向量的元素均值和所述免疫通路干涉权重系数，获取干涉消耗量；将免疫转录向量的元素均值减去所述干涉消耗量的差值进行负值截断后，作为免疫干涉差值。

16、进一步地，所述空间特征向量的获取方法包括：

17、按照供能转录向量的元素均值在前、增殖转录向量的元素均值居中、免疫干涉差值在后的顺序，将三个元素值拼接为初始多维特征向量；

18、对所述初始多维特征向量执行数据标准化处理，获得所述空间特征向量。

19、进一步地，所述连续偏移指数的获取方法包括：

20、提取所述特征回归权重中分别对应供能维度、增殖维度和免疫干涉维度的预设回归系数；利用各所述预设回归系数对所述空间特征向量中对应维度的特征数值进行加权求和，得到整体偏移总和标量；对所述整体偏移总和标量利用自然指数函数进行激活映射，将映射后获取的结果作为所述连续偏移指数。

21、进一步地，所述供能特征分布向量的获取方法包括：

22、对供能转录向量内的每一个元素数值执行对数平滑操作，对平滑后的向量内的所有元素应用softmax函数进行概率份额映射，获得所述供能特征分布向量。

23、进一步地，所述消耗需求分布向量的获取方法包括：

24、将增殖转录向量放置于前，将免疫转录向量放置于后，执行按行顺序的并列拼接操作，生成综合消耗列向量；对所述综合消耗列向量内的数值进行对数平滑操作，对平滑后的向量内的所有元素应用softmax函数进行概率份额映射，获得所述消耗需求分布向量。

25、进一步地，所述预设静态字典包括：基础供能标识序列、肿瘤增殖标识序列以及免疫防御标识序列。

26、本发明还提出了一种基于基因组学的宫颈癌预后预测系统，所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项所述一种基于基因组学的宫颈癌预后预测方法的步骤。

27、本发明具有如下有益效果：

28、本发明首先获取转录向量并获取各转录向量的元素均值，作为后续特征融合运算的原始转录数值基线；进一步在预置网络图谱中执行路径搜索，获取图谱拓扑干涉矩阵，量化不同生物通路在转录表达层面上发生的网络拓扑拮抗程度；进一步构建吉布斯核矩阵，进行交替缩放迭代解算，获取特征传输矩阵，分析出在网络拓扑干涉代价限制下从代谢供能节点向资源消耗通道转移的最优网络映射关系；进一步基于特征传输矩阵与图谱拓扑干涉矩阵的映射干涉关系，结合转录校准系数以及各转录向量的元素均值，获取免疫干涉差值，为构建高稳定性的单样本预后预测提供依据；最后基于特征回归权重对空间特征向量进行加权映射，获得连续偏移指数，为宫颈癌的预后预测提供了脱离外部动态队列依赖的客观指标支撑，有效提升了基于基因组学进行单样本预后预测的准确性与可靠性。

29、本发明基于转录向量构建图谱拓扑干涉矩阵并迭代解算，结合转录校准系数提取免疫干涉差值，与元素均值构建空间特征向量后加权映射出连续偏移指数，有效融合网络干涉代价并规避特征漂移，提升单样本预后预测准确性。