基于核心蛋白质组学的心律失常发生风险预测系统、方法、存储介质及电子设备

摘要: 本发明涉及数字医疗,具体涉及一种基于核心蛋白质组学的心律失常发生风险预测系统、方法、存储介质及电子设备。背景技术:1、心律失常是一类常见的心血管疾病,包括心房颤...
基于核心蛋白质组学的心律失常发生风险预测系统、方法、存储介质及电子设备

本发明涉及数字医疗,具体涉及一种基于核心蛋白质组学的心律失常发生风险预测系统、方法、存储介质及电子设备。

背景技术:

1、心律失常是一类常见的心血管疾病,包括心房颤动、心脏传导障碍和室性心律失常等多种类型,其全球发病率和患病率持续上升,已成为导致疾病负担、死亡及医疗支出增加的重要因素。由于心律失常可能引起心脏结构和电重塑的进一步改变,从而加重病情,因此对心律失常进行早期风险识别和提前干预具有重要的临床意义。

2、腹部肥胖作为代谢综合征的核心组分,已被证实与心律失常的发生密切相关,其可通过引起炎症反应、氧化应激、心肌纤维化和心房重构等病理过程,增加心律失常的发生风险。然而,腹部肥胖导致心律失常的具体分子机制尚未完全阐明,目前亦缺乏有效的生物标志物来识别腹部肥胖人群中心律失常的高危个体。

3、蛋白质参与调节新陈代谢、信号传递、炎症反应等众多生化过程,通过检测体内蛋白质水平能够较为精确地反映个体的健康状况和疾病风险。然而,现有的基于蛋白质的疾病风险预测方案通常需要检测数量众多的蛋白标志物,检测成本高、数据运算复杂;且大多针对单一结局构建模型,缺乏能够同时覆盖心房颤动、心脏传导障碍和室性心律失常等多种心律失常亚型的统一预测方案;此外,相关模型多在特定人群中构建,对高血压等高危人群的适配性和泛化能力不足。

4、综上所述,如何在保证预测精度的前提下,以尽可能精简的蛋白标志物实现对多种心律失常亚型的统一风险预测,并兼顾不同血压特征人群的适用性,成为亟待解决的技术问题。

技术实现思路

1、为了克服上述不足,本发明提供了一种基于核心蛋白质组学的心律失常发生风险预测系统、方法、存储介质及电子设备,能够以精简的核心蛋白质实现对多种心律失常亚型的风险预测,在降低检测成本与运算负荷的同时兼顾不同血压特征人群的适用性。

2、本发明实施例的第一方面提供一种基于核心蛋白质组学的心律失常发生风险预测系统,包括:

3、数据获取模块,用于获取个体的血浆核心蛋白质水平数据,所述血浆核心蛋白质水平与心律失常发生风险相关联;

4、模型获取模块,用于获取预设的心律失常蛋白质风险评分模型,所述心律失常蛋白质风险评分模型包含不同血浆核心蛋白质水平对心律失常发生风险的影响权重;

5、风险评分模块,用于将所述血浆核心蛋白质水平数据输入所述心律失常蛋白质风险评分模型,得到心律失常相关蛋白质的风险评分结果;

6、风险预测模块,用于基于所述风险评分结果预测个体发生心律失常的风险。

7、进一步地,所述血浆核心蛋白质水平数据中的血浆核心蛋白质包括以下四种核心蛋白质:外胚层发育不良蛋白a2受体、生长分化因子15、富含亮氨酸重复序列神经元蛋白1和n末端b型利钠肽原。

8、进一步地,所述心律失常包括心房颤动、心脏传导障碍和室性心律失常;所述风险预测模块,用于基于所述风险评分结果分别或同时预测个体发生心房颤动、心脏传导障碍和室性心律失常的风险。

9、进一步地,所述心律失常蛋白质风险评分模型为基于所述四种核心蛋白质的加权组合模型。

10、进一步地,所述加权组合模型满足如下关系式:

11、

12、其中,s表示个体的综合风险评分;ci表示第i个核心蛋白质经对数转换和标准化后的相对表达水平;δi表示第i个核心蛋白质的风险系数。

13、进一步地,所述血浆核心蛋白质水平数据为基于近距离延伸分析技术的检测平台测得的标准化蛋白表达量值,或为经对数转换和标准化校准后与所述标准化蛋白表达量值的数值范围和分布特征相对齐的蛋白表达水平数据。

14、进一步地,所述心律失常蛋白质风险评分模型通过以下方式构建:在模型建立人群的训练集中,以所述四种核心蛋白质的表达水平数据作为自变量,以个体是否发生心律失常作为终点结局,采用多因素cox比例风险回归模型进行生存分析,得到所述四种核心蛋白质分别对应于心律失常的风险系数;基于所述风险系数建立所述心律失常蛋白质风险评分模型。

15、进一步地,所述模型建立人群为正常血压人群;所述心律失常蛋白质风险评分模型还用于对高血压人群进行心律失常发生风险预测。

16、本发明实施例的第二方面提供一种基于核心蛋白质组学的心律失常发生风险预测方法,包括:

17、获取个体的血浆核心蛋白质水平数据,所述血浆核心蛋白质水平与心律失常发生风险相关联;

18、获取预设的心律失常蛋白质风险评分模型,所述心律失常蛋白质风险评分模型包含不同血浆核心蛋白质水平对心律失常发生风险的影响权重;

19、将所述血浆核心蛋白质水平数据输入所述心律失常蛋白质风险评分模型,得到心律失常相关蛋白质的风险评分结果;

20、基于所述风险评分结果预测个体发生心律失常的风险。

21、再进一步地,所述血浆核心蛋白质水平数据中的血浆核心蛋白质包括以下四种核心蛋白质:外胚层发育不良蛋白a2受体、生长分化因子15、富含亮氨酸重复序列神经元蛋白1和n末端b型利钠肽原;所述心律失常包括心房颤动、心脏传导障碍和室性心律失常。

22、更进一步地,所述心律失常蛋白质风险评分模型为基于所述四种核心蛋白质的加权组合模型,所述加权组合模型满足如下关系式:

23、

24、其中,s表示个体的综合风险评分;ci表示第i个核心蛋白质经对数转换和标准化后的相对表达水平;δi表示第i个核心蛋白质的风险系数。

25、本发明实施例的第三方面提供了一种电子设备,包括处理器、存储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,使得所述电子设备实现如本发明实施例第二方面所述的基于核心蛋白质组学的心律失常发生风险预测方法。

26、本发明实施例的第四方面提供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如本发明实施例第二方面所述的基于核心蛋白质组学的心律失常发生风险预测方法。

27、本发明实施例的第五方面提供了一种计算机程序产品,包括计算机程序,所述计算机程序被运行时,使得如本发明实施例第二方面所述的基于核心蛋白质组学的心律失常发生风险预测方法被执行。

28、与现有技术相比,本发明具有如下优点:

29、其一,本发明的心律失常蛋白质风险评分模型以外胚层发育不良蛋白a2受体、生长分化因子15、富含亮氨酸重复序列神经元蛋白1和n末端b型利钠肽原这四种核心蛋白质取代现有方案中数量众多的蛋白标志物,并通过将各核心蛋白质经对数转换和标准化后的相对表达水平与其对应的风险系数加权求和,把高维蛋白信息压缩为单一的综合风险评分,在保留关键预测信息的同时完成高维蛋白数据的降维;由此仅需检测少数几种核心蛋白质即可完成风险评分,避免了对大量蛋白标志物的检测与复杂运算,显著降低了检测成本与数据运算负荷。

30、其二,本发明的心律失常蛋白质风险评分模型针对心房颤动、心脏传导障碍和室性心律失常三种心律失常亚型分别标定对应的风险系数,使同一组核心蛋白质水平数据代入模型后即可分别计算得到对应于不同亚型的综合风险评分,从而以同一套精简的核心蛋白质组合实现对多种心律失常亚型的分别或同时统一预测;克服了现有蛋白预测方案大多仅针对单一结局构建模型、难以统一覆盖多种心律失常亚型的不足,拓宽了风险预测的适用范围。

31、其三,本发明的心律失常蛋白质风险评分模型选取正常血压人群作为模型建立人群进行构建与内部验证,并将基于正常血压人群训练所得的模型系数直接应用于高血压人群队列进行独立的跨人群泛化验证,所述模型在正常血压人群和高血压人群中均展现出良好的预测精度;由此在保证建模人群预测效能的同时兼顾了不同血压特征人群的适用性,克服了现有模型多在特定人群中构建、对高血压等高危人群适配性和泛化能力不足的缺陷。

32、其四,本发明的四种核心蛋白质系经同时与腹部肥胖及心律失常显著相关、在腹部肥胖至心律失常的致病通路中具有显著中介效应、在训练集中经lasso回归、boruta算法、随机森林及极端梯度提升四种机器学习算法交叉验证并被一致选中、以及在至少两种心律失常亚型中被共同鉴定为特征蛋白质的多重严格筛选而确定,且各核心蛋白质在炎症反应与心肌纤维化、应激与能量代谢调节及心脏重构、心脏电传导系统功能维持、心房与心室壁张力变化等方面均具有明确的生物学机理支撑;由此所选核心蛋白质兼具统计学上的稳健性与生物学上的可解释性,进一步保证了心律失常发生风险预测结果的准确性与可靠性。