一种受控细胞死亡排序方法及系统

本技术涉及生物信息学，尤其涉及一种受控细胞死亡排序方法及系统。

背景技术：

1、相关技术中，受控细胞死亡（regulated cell death，rcd）作为细胞在特定分子调控机制作用下发生的程序性死亡过程，在肿瘤发生发展、免疫调控及药物响应等生物学过程中发挥着重要作用。随着高通量测序技术的发展，研究人员通常基于转录组数据，结合信号通路富集分析方法，对不同rcd通路的活性进行评估，从而分析特定生物学状态下细胞死亡机制的参与情况。

2、然而，现有的rcd通路分析方法在多方法结果整合及排序稳定性方面仍面临显著挑战。不同富集分析方法在统计模型、输入数据结构及显著性评价指标上存在差异，导致各方法得到的rcd通路排序结果之间一致性较差，甚至出现相互矛盾的情况。同时，单一方法对数据噪声及样本差异较为敏感，容易造成分析结果波动较大，难以稳定反映真实的生物学规律。此外，现有方法通常基于单一指标（如p值或富集得分）进行排序，缺乏对多方法结果的一致性评估与综合融合机制，难以有效区分主导rcd通路与次要通路，从而影响分析结果的准确性与可靠性。进一步地，相关分析流程多依赖分散工具或人工操作，缺乏统一的自动化分析平台，导致使用门槛较高且效率较低。

3、综上，相关技术中存在的技术问题有待得到改善。

技术实现思路

1、本技术实施例的主要目的在于提出一种受控细胞死亡排序方法及系统，以实现对受控细胞死亡通路的稳定、准确优先级评估，从而显著提升关键通路识别的可靠性与生物学解释能力。

2、为实现上述目的，本技术实施例的一方面提出了一种受控细胞死亡排序方法，所述方法包括以下步骤：

3、获取目标样本的转录组表达数据；

4、基于所述转录组表达数据确定目标基因列表；

5、基于所述目标基因列表，利用多种富集分析方法对预设的受控细胞死亡通路基因集分别执行富集分析处理，得到各通路对应的p值及排序结果；

6、针对各受控细胞死亡通路，对多种富集分析方法得到的p值进行合并处理，得到合并p值；

7、基于多种富集分析方法对应的所述排序结果，进行排序聚合处理，得到一致性得分；

8、基于所述合并p值及所述一致性得分，对各受控细胞死亡通路进行优先级评估，确定优先级较高的受控细胞死亡通路集合，生成最终排序结果。

9、在一些实施例中，所述转录组表达数据包括基因表达矩阵数据和差异表达基因列表数据；

10、所述基因表达矩阵数据用于执行基于表达谱的富集分析；

11、所述差异表达基因列表数据用于执行基于基因列表的富集分析，且所述基因列表支持单列基因标识形式或包含基因标识及对应数值指标的双列数据形式。

12、在一些实施例中，所述基于所述转录组表达数据确定目标基因列表，包括：

13、对所述转录组表达数据进行基因标识统一及预处理，得到标准化基因数据；

14、基于所述标准化基因数据，按照预设筛选规则得到目标基因列表。

15、在一些实施例中，所述基于所述目标基因列表，利用多种富集分析方法对预设的受控细胞死亡通路基因集分别执行富集分析处理，得到各通路对应的p值及排序结果，包括：

16、基于所述目标基因列表及预设的受控细胞死亡通路基因集，分别采用过度代表分析方法及功能类别打分方法对各通路执行富集分析处理；所述过度代表分析方法用于基于目标基因列表与背景基因集之间的基因重叠关系计算各通路的显著性p值；所述功能类别打分方法用于基于基因表达排序信息或样本表达谱计算各通路的富集得分及对应显著性指标；

17、基于各富集分析方法分别计算各受控细胞死亡通路的显著性p值，并对各通路进行排序，得到对应的通路排序结果；

18、汇总各富集分析方法得到的p值及通路排序结果。

19、在一些实施例中，所述过度代表分析方法的计算过程包括：

20、基于所述目标基因列表、预设的受控细胞死亡通路基因集及背景基因集，确定各受控细胞死亡通路的基因数量及其与所述目标基因列表的重叠基因数量；

21、基于所述基因数量及重叠关系，采用超几何检验或fisher精确检验计算各通路的显著性p值；

22、对所述p值进行多重检验校正，并基于校正后的p值对各通路进行排序，得到对应的通路排序结果。

23、在一些实施例中，所述功能类别打分方法的计算过程包括：

24、基于所述目标基因列表对应的基因表达排序信息或表达矩阵数据，构建全基因排序列表或样本表达谱；

25、针对预设的受控细胞死亡通路基因集，分别采用基因集富集分析方法对所述排序列表或表达谱执行富集评分计算，得到各通路对应的富集得分及显著性指标；所述基因集富集分析方法包括基于表型分组的富集分析方法、基于预排序基因列表的富集分析方法以及单样本富集分析方法中的至少一种；

26、基于置换检验，对所述富集得分进行显著性评估，得到对应的p值，并对各受控细胞死亡通路进行排序，获得对应的通路排序结果。

27、在一些实施例中，所述针对各受控细胞死亡通路，对多种富集分析方法得到的p值进行合并处理，得到合并p值，包括：

28、基于各所述富集分析方法分别得到的显著性p值，构建对应于同一受控细胞死亡通路的多源p值集合；

29、基于所述多源p值集合，采用p值合并算法对各p值进行统计整合处理，得到各受控细胞死亡通路的合并p值；所述p值合并算法包括基于独立检验假设的组合统计方法或基于秩统计的加权融合方法中的至少一种。

30、在一些实施例中，所述基于多种富集分析方法对应的所述排序结果，进行排序聚合处理，得到一致性得分，包括：

31、基于各所述富集分析方法分别得到的通路排序结果，构建对应于同一受控细胞死亡通路的多源排序列表；

32、对所述多源排序列表进行统一标准化处理，以生成标准化后的多源排序列表；

33、基于所述标准化后的多源排序列表，采用稳健排序聚合算法对各受控细胞死亡通路的排序信息进行融合处理，得到各通路对应的一致性排序值；

34、基于所述一致性排序值，计算并生成各受控细胞死亡通路的一致性得分。

35、在一些实施例中，所述基于所述合并p值及所述一致性得分，对各受控细胞死亡通路进行优先级评估，确定优先级较高的受控细胞死亡通路集合，生成最终排序结果，包括：

36、基于所述合并p值及所述一致性得分构建各受控细胞死亡通路的综合评价指标；

37、对所述综合评价指标进行标准化处理，以生成标准化后的综合评价指标；

38、基于预设权重对所述标准化后的综合评价指标进行加权融合，得到各受控细胞死亡通路的综合优先级评分；

39、基于所述综合优先级评分对各受控细胞死亡通路进行排序，并筛选得到优先级较高的受控细胞死亡通路集合，生成最终排序结果。

40、为实现上述目的，本技术实施例的另一方面提出了一种受控细胞死亡排序系统，所述系统包括：

41、获取模块，用于获取目标样本的转录组表达数据；

42、基因列表确定模块，用于基于所述转录组表达数据确定与受控细胞死亡相关的目标基因列表；

43、富集分析模块，用于基于所述目标基因列表，利用多种富集分析方法对预设的受控细胞死亡通路基因集分别执行富集分析处理，得到各通路对应的p值及排序结果；

44、p值合并模块，用于针对各受控细胞死亡通路，对多种富集分析方法得到的p值进行合并处理，得到合并p值；

45、排序聚合模块，用于基于多种富集分析方法对应的所述排序结果，进行排序聚合处理，得到一致性得分；

46、优先级评估模块，用于基于所述合并p值及所述一致性得分，对各受控细胞死亡通路进行优先级评估，确定优先级较高的受控细胞死亡通路集合，生成最终排序结果。

47、为实现上述目的，本技术实施例的另一方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。

48、为实现上述目的，本技术实施例的另一方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。

49、为实现上述目的，本技术实施例的另一方面提出了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述的方法。

50、本技术实施例至少包括以下有益效果：本技术提供一种受控细胞死亡排序方法及系统,该方案通过对目标样本的转录组表达数据进行获取并分析，构建与受控细胞死亡相关的目标基因列表，并结合多种富集分析方法对预设通路进行综合评估，从而实现对不同受控细胞死亡通路的多维度刻画。相较于传统仅依赖单一富集分析策略的技术方案，通过引入多方法并行分析机制，有效降低单一算法对结果的偏倚影响，显著提升通路识别的全面性与准确性。进一步地，通过对多种富集分析方法得到的p值进行合并处理，能够增强统计显著性评价的稳定性，同时结合排序聚合得到的一致性得分，使得各通路在不同分析方法下的排序信息得到有效融合，从而构建更加可靠的综合评价指标。在此基础上，对受控细胞死亡通路进行优先级评估，能够更加精准地筛选出关键通路，提升结果的判别能力与解释性。本方法能够在复杂生物数据背景下高效识别关键受控细胞死亡通路，为疾病机制研究、靶点筛选及精准医疗提供有力的数据支持，具有较强的实用价值与推广意义。