乙肝诊断模型及其构建方法和乙肝诊断芯片.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115963266A(43)申请公布日2023.04.14(21)申请号202210830821.2(22)申请日2022.07.15(71)申请人珠海碳云诊断科技有限公司地址519000广东省珠海市横琴新区粤澳合作中医药科技产业园飞蓬路100号2栋101室(72)发明人燕鸣琛李丹妮张薛罗俊(74)专利代理机构华进联合专利商标代理有限公司44224专利代理师林青中(51)Int.Cl.G01N33/574(2006.01)G01N33/68(2006.01)G16H10/60(2018.01)G16H50/50(2018.01)权利要求书3页说明书22页序列表（电子公布）附图8页(54)发明名称乙肝诊断模型及其构建方法和乙肝诊断芯片(57)摘要本发明涉及一种乙肝诊断模型构建方法、装置和乙肝诊断装置，方法包括：获取不同类型乙肝患者样本的多肽芯片数据和目标临床指标数据，所述多肽芯片数据包括目标差异肽段的特征信号数据，目标差异肽段选自如SEQIDNO.1～SEQIDNO.25所示序列的肽段中的至少五条；根据多个不同类型乙肝患者样本的目标临床指标数据、多肽芯片数据以及样本信息通过机器学习方法建立乙肝诊断模型，所述样本信息包括样本的类型。本发明提供的乙肝诊断模型的构建方法，通过不同类型的乙肝患者之间的目标差异肽段结合临床指标构建乙肝诊断模型，能够提高模型的诊断效率以及模型诊断的准确性。CN115963266ACN115963266A权利要求书1/3页1.一种乙肝诊断模型的构建方法，其特征在于，所述方法包括：获取不同类型乙肝患者样本的目标临床指标数据，所述目标临床指标数据包括性别指标、年龄指标、感染周期指标、肝功能指标、HBV指标、肝纤维化指标、AFP指标、AFP异质体指标、自身免疫疾病指标以及糖尿病指标中的至少一种指标的数值化数据；根据不同类型乙肝患者样本的目标临床指标数据和样本信息通过机器学习方法建立乙肝诊断模型，所述样本信息包括样本的类型。2.根据权利要求1所述的构建方法，其特征在于，所述样本的类型包括慢性肝炎、肝硬化以及肝癌三种类型中的至少两种。3.根据权利要求1或2所述的构建方法，其特征在于，肝功能指标包括ALB、A/G、AST、ALT、GGT、ALP、PALB、CHE、TBIL、DBIL、IDBIL、TBA、MYO、UA中至少一种检测指标；HBV指标包括HBsAg、Anti‑HBs、HBeAg、Anti‑HBe、HBcAb‑IgM、Anti‑HBII、HBV‑DNA中的至少一种检测指标；肝纤维化指标包括TP检测指标。4.根据权利要求1～3任一项所述的构建方法，其特征在于，所述机器学习方法采用了如下任意一种算法：逻辑回归、线性判别分析、支持向量机、随机森林；优选地，所述机器学习方法采用了随机森林算法。5.一种乙肝诊断模型的构建方法，其特征在于，所述方法包括：获取不同类型乙肝患者样本的多肽芯片数据和目标临床指标数据，所述多肽芯片数据包括目标差异肽段的特征信号数据，所述目标差异肽段选自如SEQIDNO.1～SEQIDNO.25所示序列的肽段中的至少五条；根据多个不同类型乙肝患者样本的多肽芯片数据、目标临床指标数据以及样本信息通过机器学习方法建立乙肝诊断模型，所述样本信息包括样本的类型。6.根据权利要求5所述的构建方法，其特征在于，所述样本的类型包括慢性肝炎、肝硬化以及肝癌三种类型中的至少两种。7.根据权利要求5所述的构建方法，其特征在于，所述样本为血液样本。8.根据权利要求5所述的构建方法，其特征在于，所述目标临床指标数据包括性别指标、年龄指标、感染周期指标、肝功能指标、HBV指标、肝纤维化指标、AFP指标、AFP异质体指标、自身免疫疾病指标以及糖尿病指标中的至少一种指标的数值化数据。9.根据权利要求5所述的构建方法，其特征在于，肝功能指标包括ALB、A/G、AST、ALT、GGT、ALP、PALB、CHE、TBIL、DBIL、IDBIL、TBA、MYO、UA中至少一种检测指标；HBV指标包括HBsAg、Anti‑HBs、HBeAg、Anti‑HBe、HBcAb‑IgM、Anti‑HBII、HBV‑DNA中的至少一种检测指标；肝纤维化指标包括TP检测指标。10.根据权利要求5所述的构建方法，其特征在于，所述目标差异肽段选自SEQIDNO.1～SEQIDNO.5所示的5条肽段；或所述目标差异肽段选自SEQIDNO.1～SEQIDNO.10所示的10条肽段；或所述目标差异肽段选自SEQIDNO.1～SEQIDNO.15所示的15条肽段；或所述目标差异肽段选自SEQIDNO.1～SEQIDNO.20所示的20条肽段；或所述目标差异肽段选自SEQIDNO.1～SEQIDNO.2