一种早发型子痫前期风险预测基因组合、预测模型及其构建方法

摘要

一种早发型子痫前期风险预测基因组合、预测模型及构建方法，属于生物医学领域。本发明利用29个基因多态性位点和患者相对稳定的临床信息制备了早发型子痫前期风险预测模型，通过对数据进行整合，减少了纳入的参数量，有利于实验试剂盒的研发，简化预测流程，节约预测成本。本发明的早发型子痫前期风险预测模型，AUC达到0.961，在保证了模型风险预测效能的同时实现了流程简化、节约成本等优点，便于推广和实际使用。本发明依靠本地域孕产妇的遗传信息构建预测模型，具有良好的稳定性和个性化。患者的遗传信息稳定，检测一次，基因数据不会改变，终身受用。本发明利用不同的统计学方法计算获得了较为满意的预测效能，预测性能稳定。

说明书

技术领域

本发明属于生物医学技术领域，具体涉及一种早发型子痫前期风险预测基因组合、预测模型及其构建方法。

背景技术

子痫前期和子痫的病因，至今尚不清楚。子痫前期的发生率约为孕妇的5-10％，初产妇、有高血压及血管疾病的孕妇更为常见。子痫前期根据发病时间的早晚，分为早发型和晚发型子痫前期。早发型是指在妊娠34周前发病的子痫前期，由于发病早，胎儿尚未成熟，因此对孕产妇的影响尤为严重。大量的随机对照研究证实，对于早发型子痫前期高风险人群，在妊娠中期口服阿司匹林可以降低53％的发病风险，也是防治早发型子痫前期的一个重要突破口。因此从多角度挖掘早发型子痫前期的致病原因，针对于每个个体进行个性化综合评估，在疾病发生之前进行准确的预测高风险人群，成为高风险产科医生近年来的研究热点。

早发型子痫前期的病因不清，多因素在其中发挥作用，包括遗传因素、营养、免疫、代谢、生活习惯等，是一种环境与遗传多因素共同发挥作用的疾病。基因多态性是目前复杂性疾病的重要发病机制之一，而早发型子痫前期这一疾病，也有大篇幅的多种SNPs位点被广泛报道。实际上，目前尚未证实某一单基因是早发型子痫前期的直接致病基因。而环境因素也广泛参与其中，例如营养、代谢、免疫、BMI、甲状腺功能异常等，这些所谓的环境因素其实也存在着各自的遗传背景，那么，就很难区别这些环境因素是否与早发型子痫前期存在共同的遗传背景。

早发型子痫前期由于发病时间早、并发症多、早产儿孕周低于34周，更容易出现预后不良，危害更为严重。因此对于早发型子痫前期的防控就尤为重要。国际上关于子痫前期易感基因的研究众多：血管内皮生长因子(VEGF)(Phipps,E.,Prasanna,D.,Brima,W.&Jim,B.Preeclampsia:Updates in Pathogenesis,Definitions,and Guidelines.Clin J AmSoc Nephrol 11,1102-1113,doi:10.2215/cjn.12081115(2016).)、血管紧张素原(AGT)(Jansaka,N.,Pornwattanakrilert,W.,Tongsong,T.,Piyamongkol,S.&Piyamongkol,W.Astudy of the association between angiotensinogen(AGT)gene polymorphism(M235T)and preeclampsia in Thai pregnant women.J Obstet Gynaecol 41,1062-1066,doi:10.1080/01443615.2020.1837757(2021).)、血管紧张素转换酶(ACE)(CristinaDosSantos Lopes,A.et al.Association among ACE,ESR1 polymorphisms andpreeclampsia in Brazilian pregnant women.Mol Cell Probes 45,43-47,doi:10.1016/j.mcp.2019.04.004(2019).)、内皮性一氧化氮合酶(eNOS)(SljivancaninJakovljevic,T.et al.Association Between Endothelial Nitric Oxide Synthase(eNOS)-786T/C and 27-bp VNTR 4b/a Polymorphisms and PreeclampsiaDevelopment.Reprod Sci 28,3529-3539,doi:10.1007/s43032-021-00632-0(2021).)等基因突变均被证实与子痫前期疾病发生相关，然而基因与环境之间，包括种族、地域等因素均会导致单一基因的预测能力骤降，截止到目前，尚未发现某一单一基因成为本病的强致病基因。美国加利福尼亚大学利用外周血micro RNA质谱分析技术(Chen,D.B.&Wang,W.Human placental microRNAs and preeclampsia.Biol Reprod 88,130,doi:10.1095/biolreprod.113.107805(2013).)在子痫前期预测领域开展研究，该研究发现micro RNA水平的变化可以用于子痫前期的预测，但是mRNA水平存在极大的不稳定性，极易发生降解，因此临床应用和推广的难度较大，而且这一研究成果难以在国内现有环境下获得令人满意的结果。

可溶性FMS样酪氨酸激酶-1(sFlt-1)、胎盘生长因子(PLGF)、胎盘相关蛋白(PAPP-A)、在妊娠11-13

综上所述，目前现有早发型子痫前期风险预测方法的准确率还有待于提高，而所有的预测模型与疾病的防治之间存在失关联状态，从而难以确定针对性的诊疗方案。同时，现有早发型子痫前期风险预测方法还存在纳入数据量庞大，预测过程复杂，数据随着妊娠的进展存在较大的波动导致稳定性较差，且实际推广和应用存在一定难度的问题，。因此，研发高效的用于预测早发型子痫前期风险的基因模型成为了目前早发型子痫前期防治的突破口。

发明内容

本发明的目的是提供一种早发型子痫前期风险预测基因组合、预测模型及构建方法。本发明能够保证在不降低模型风险预测效能的同时，减少纳入的数据量，从而简化分析流程、控制预测成本，便于实际推广和应用。

本发明为解决技术问题所采用的技术方案如下：

本发明的一种早发型子痫前期风险预测基因组合，由29个基因多态性位点组成，分别为：rs10121110、rs1014064、rs12150220、rs1242229、rs12762303、rs13385、rs13401889、rs1341667、rs1801394、rs2010963、rs2014408、rs2036914、rs2043085、rs2161983、rs2200733、rs2280275、rs231840、rs25648、rs2736340、rs4769613、rs6410、rs7202116、rs7439293、rs7574865、rs846910、rs853326、rs9898、rs9939609、rs180223。

本发明的采用上述的一种早发型子痫前期风险预测基因组合构建的早发型子痫前期风险预测模型。

作为优选的实施方式，本发明的早发型子痫前期风险预测模型，包括：

临床数据收集模块：收集早发型子痫前期患者和同期分娩正常妊娠女性的临床数据；

临床数据分析模块：从临床数据中筛选出相对稳定的参数进行单因素分析，对P<0.05的参数进行回归分析后，筛查出具有独立风险因素的临床参数；

基因多态性位点筛选模块：对与早发型子痫前期及其风险因素相关的多个基因多态性位点进行挖掘和检测；

早发型子痫前期风险预测基因组合构建模块：对多个基因多态性位点进行SPSS统计学分析，以P<0.05为标准筛选出其中29个基因多态性位点作为早发型子痫前期风险预测基因组合；

回归分析模块：将临床参数与早发型子痫前期风险预测基因组合进行进一步回归分析，获得具有独立风险因素的参数；

模型构建模块：根据回归分析结果，构建早发型子痫前期风险预测模型；

模型效能计算模块：根据所构建的早发型子痫前期风险预测模型，计算ROC曲线面积，得到AUC。

作为优选的实施方式，所述临床数据包括：年龄、收缩压、舒张压、分娩孕周、身高、孕前体重、孕前BMI、血红蛋白、中性粒细胞、白细胞、促甲状腺激素、游离T3、游离T4、血钾、血钙、血氯、血钠、生化血糖、高血压病史、孕次、产次、胎儿生长受限、辅助生育技术、双胎。

作为优选的实施方式，所述具有独立风险因素的临床参数包括：年龄、孕前BMI、白细胞、促甲状腺素、血钾、生化血糖、血钙和血氯。

本发明的早发型子痫前期风险预测模型的构建方法，包括以下步骤：

步骤一、收集早发型子痫前期患者和同期分娩正常妊娠女性的临床数据；

步骤二、从临床数据中筛选出妊娠期间变化相对较少的参数作为预测模型的纳入指标，利用单因素分析后，对P<0.05的参数进行回归分析，筛查出具有独立风险因素的临床参数；

步骤三、利用生物信息学技术，挖掘并检测与早发型子痫前期及其风险因素相关的多个基因多态性位点；对多个基因多态性位点进行SPSS统计学分析，以P<0.05为标准筛选出其中29个基因多态性位点作为早发型子痫前期风险预测基因组合，包括：rs10121110、rs1014064、rs12150220、rs1242229、rs12762303、rs13385、rs13401889、rs1341667、rs1801394、rs2010963、rs2014408、rs2036914、rs2043085、rs2161983、rs2200733、rs2280275、rs231840、rs25648、rs2736340、rs4769613、rs6410、rs7202116、rs7439293、rs7574865、rs846910、rs853326、rs9898、rs9939609、rs180223；

步骤四、将步骤二和步骤三所得数据进行进一步回归分析，获得具有独立风险因素的参数；

步骤五、根据上述回归分析结果，利用SPSS软件和Logistic回归分析方法构建早发型子痫前期风险预测模型；

步骤六、根据早发型子痫前期风险预测模型，计算ROC曲线面积，得到AUC。

作为优选的实施方式，步骤一中，所述临床数据包括：年龄、收缩压、舒张压、分娩孕周、身高、孕前体重、孕前BMI、血红蛋白、中性粒细胞、白细胞、促甲状腺激素、游离T3、游离T4、血钾、血钙、血氯、血钠、生化血糖、高血压病史、孕次、产次、胎儿生长受限、辅助生育技术、双胎。

作为优选的实施方式，其特征在于，步骤二中，所述临床参数包括：年龄、孕前BMI、白细胞、促甲状腺素、血钾、生化血糖、血钙和血氯。

作为优选的实施方式，其特征在于，步骤三中，通过PubMed、NCBI、DiseaseDX、Phenolyzer、GVS、SNPinfo网站收集、筛选与早发型子痫前期发病相关的基因多态性位点。

作为优选的实施方式，其特征在于，步骤四中，所述具有独立风险因素的参数包括：孕前BMI、白细胞、促甲状腺激素、血钾、生化血糖、血钙、rs10121110、rs180223、rs2043085、rs2200733、rs7202116、rs7439293、rs846910。

本发明的有益效果是：

1、本发明利用29个基因多态性(SNPs)位点和患者相对稳定的临床信息制备了早发型子痫前期风险预测模型，通过对数据进行整合，减少了纳入的参数量，更有利于实验试剂盒的研发，简化预测流程，从而节约预测成本。

2、本发明的早发型子痫前期风险预测模型，AUC达到0.961，在保证了模型风险预测效能的同时实现了流程简化、节约成本等优点，便于推广和实际使用。

3、本发明依靠本地域孕产妇的遗传信息构建预测模型，具有良好的稳定性和个性化。患者的遗传信息稳定，检测一次，基因数据不会改变，终身受用。

4、本发明利用不同的统计学方法计算获得了较为满意的预测效能，预测性能稳定。

5、本发明的早发型子痫前期风险预测模型在患者非孕期即可采用，与妊娠状态无关，能够实现真正意义上的风险预测。

6、本发明的早发型子痫前期风险预测基因组合，有利于临床工作中对早发型子痫前期的风险预判。对于新发现的29个基因多态性(SNPs)位点，可将其作为早发型子痫前期基因诊断和治疗的新靶点，提供一种针对早发型子痫前期靶向治疗的新策略。

附图说明

图1为本发明的一种早发型子痫前期风险预测模型的构建方法的流程图。

图2为本发明的早发型子痫前期风险预测模型的预测曲线下面积。

具体实施方式

以下结合附图对本发明作进一步详细说明。

本发明的一种早发型子痫前期风险预测基因组合，该基因组合由29个基因多态性(SNPs)位点组成，分别为：rs10121110、rs1014064、rs12150220、rs1242229、rs12762303、rs13385、rs13401889、rs1341667、rs1801394、rs2010963、rs2014408、rs2036914、rs2043085、rs2161983、rs2200733、rs2280275、rs231840、rs25648、rs2736340、rs4769613、rs6410、rs7202116、rs7439293、rs7574865、rs846910、rs853326、rs9898、rs9939609、rs180223。

本发明的一种早发型子痫前期风险预测模型，该模型主要由以下模块组成：

临床数据收集模块：收集早发型子痫前期患者和同期分娩正常妊娠女性的临床数据。

临床数据分析模块：从临床数据中筛选出相对稳定的参数进行单因素分析，对P<0.05的参数进行回归分析。所筛选出的相对稳定的临床数据包括：年龄、孕前BMI、白细胞(WBC)、促甲状腺素(TSH)、钾、生化血糖、钙、氯。

基因多态性(SNPs)位点筛选模块：对与早发型子痫前期发病相关的多个基因多态性(SNPs)位点进行χ

早发型子痫前期风险预测基因组合构建模块：对上述多个基因多态性(SNPs)位点进行SPSS统计学分析，利用SPSS软件进行卡方检验，筛选出其中29个基因多态性(SNPs)位点作为早发型子痫前期风险预测基因组合。

这29个基因多态性(SNPs)位点分别为：rs10121110、rs1014064、rs12150220、rs1242229、rs12762303、rs13385、rs13401889、rs1341667、rs1801394、rs2010963、rs2014408、rs2036914、rs2043085、rs2161983、rs2200733、rs2280275、rs231840、rs25648、rs2736340、rs4769613、rs6410、rs7202116、rs7439293、rs7574865、rs846910、rs853326、rs9898、rs9939609、rs180223。

回归分析模块：将所筛选出的相对稳定的临床数据和早发型子痫前期风险预测基因组合进行进一步回归分析。

模型构建模块：根据回归分析结果，构建早发型子痫前期风险预测模型。

模型效能计算模块：根据所构建的预测模型，计算ROC曲线面积，得到AUC。

如图1所示，本发明的一种早发型子痫前期风险预测模型的构建方法，具体包括以下步骤：

步骤一、收集早发型子痫前期患者和同期分娩正常妊娠女性的临床数据，97名早发型子痫前期患者作为早发型子痫前期组(EOPE)，197名同期分娩正常妊娠女性作为对照组(Controls)，所获得的临床数据如表1所示。

其中，早发型子痫前期组(EOPE)：根据诊断标准选择早发型重度子痫前期患者97例，

诊断标准：

妊娠20周后孕妇出现收缩压≥140mmHg和(或)舒张压≥90mmHg，并伴有下列任意1项：尿蛋白定量≥0.3g/24h，或尿蛋白/肌酐比值≥0.3，或随机尿蛋白≥(+)(无条件进行蛋白定量时的检查方法)；无蛋白尿但伴有以下任何1种器官或系统受累：心、肺、肝、肾等重要器官，或血液系统、消化系统、神经系统的异常改变，胎盘-胎儿受到累及。

血压和/或尿蛋白水平持续升高，或孕妇器官功能受累，或出现胎盘-胎儿并发症，是子痫前期病情进展的表现。子痫前期孕妇出现下述任一表现即可诊断为重度子痫前期(severe pre-eclampsia)：

(1)血压持续升高不可控制：收缩压≥160mmHg和(或)舒张压≥110mmHg；

(2)持续性头痛、视觉障碍或其他中枢神经系统异常表现；

(3)持续性上腹部疼痛及肝包膜下血肿或肝破裂表现；

(4)转氨酶水平异常：血丙氨酸转氨酶(ALT)或天冬氨酸转氨酶(AST)水平升高；

(5)肾功能受损：尿蛋白定量>2.0g/24h；少尿(24h尿量<400ml，或每小时尿量<17ml)，或血肌酐水平>106μmol/L；

(6)低蛋白血症伴腹水、胸水或心包积液；

(7)血液系统异常：血小板计数呈持续性下降并低于100×109/L；微血管内溶血，表现有贫血、血乳酸脱氢酶(LDH)水平升高或黄疸；

(8)心功能衰竭；

(9)肺水肿；

(10)胎儿生长受限或羊水过少、胎死宫内、胎盘早剥等。

综上，需在妊娠34周前因子痫前期需要终止妊娠者定义为早发型重度子痫前期。

对照组：197例同期分娩正常妊娠女性，且无子痫前期的患者，无糖尿病、血液系统疾病、无心脏病、甲状腺疾病等。

表1

表中，*表示：P<0.05。

步骤二、对表1所给出的临床数据进行分析，筛选出妊娠期间变化相对较少(即相对稳定)的参数作为预测模型的纳入指标，利用单因素分析后，对P<0.05的参数进行回归分析，筛查出具有独立风险因素的临床参数，如表2所示。

早发型子痫前期患者的相对稳定的临床参数被记录下来，包括：年龄、孕前BMI、白细胞(WBC)等指标(表2)，这些指标在早发型子痫前期患者孕前即可获得。因此，将这些指标与早发型子痫前期患者的基因检测结果共同作为预测模型的纳入指标，可使预测模型的性能更加稳定。

表2

步骤三、通过PubMed、NCBI、Disease DX、Phenolyzer、GVS、SNPinfo等网站收集、筛选可能与早发型子痫前期发病相关的基因多态性(SNPs)位点；在查阅超过5000个基因多态性(SNPs)位点的基础上，利用生物信息学技术挖掘并检测与早发型子痫前期及其风险因素相关的多个基因多态性(SNPs)位点，对上述多个基因多态性(SNPs)位点进行SPSS统计学分析，得到早发型子痫前期与多个基因多态性(SNPs)位点之间的关系，选择与早发型子痫前期、血脂代谢、内分泌疾病、高血压、免疫、肿瘤相关的多个基因多态性(SNPs)位点(P<0.05)。

利用这些筛选后的多个基因多态性(SNPs)位点(P<0.05)，制备早发型子痫前期风险预测基因组合Panel。具体的，利用上述基因组合Panel收集的多个基因多态性(SNPs)位点(P<0.05)对294名孕产妇进行二代测序检测孕产妇人群的基因突变情况；其中，早发型子痫前期患者97名作为早发型子痫前期组(EOPE)，另外197名正常妊娠女性作为对照组(Controls)。检测结果显示，共有457个SNPs位点被成功检测，这457个SNPs位点经过SPSS统计学分析后，利用SPSS软件进行卡方检验，结果如表3所示，分析发现有29个基因多态性(SNPs)位点的发生频率在对照组与早发型子痫前期组比较具有统计学差异(P<0.05)。

本发明对所检测的候选基因进行分析，通过SPSS软件将所有检验的S基因多态性(SNPs)位点的发生频率进行比较，将P<0.05设定为有统计学差异的标准，所纳入的基因多态性位点经分析后，筛选出的候选基因即为孕产妇的风险基因。将风险基因数据优化后，有利于提高预测模型的准确性和实用性以及有利于经济成本的控制，便于项目推广。

表3

表中，P<0.05表示有统计学差异。

步骤四、将步骤二(表2)和步骤三(表3)所得数据进行进一步回归分析，获得具有独立风险因素的参数，显著性均低于0.05；回归分析结果如表4所示。表4中各参数与中国汉族人群早发型子痫前期相关。

表4

表中，P<0.05表示具有统计学差异。

本发明的预测模型的设计，所采用的临床数据主要依赖于患者的基因检测结果和临床上相对稳定的指标：年龄、孕产次、身高、孕前体重和慢性高血压病史。这些数据无论是在孕前还是早孕期，都是相对稳定的参数，因此预测性能相对稳定。

步骤五、根据上述回归分析结果，利用SPSS软件，选取Logistic回归分析方法构建早发型子痫前期风险预测模型；

步骤六、根据所构建的早发型子痫前期风险预测模型，计算ROC曲线面积，得到的AUC达到0.961，如表5和图2所示。

表5

获得的结果提示，该早发型子痫前期风险预测模型具有良好的预测效能，该模型较现有模型：1、通过对数据整合后，减少了纳入的参数量，更有利于实验试剂盒的研发，减少纳入参数，从而节约成本，简化流程；2、该早发型子痫前期风险预测模型AUC达到0.961，在保证了模型预测效能的同时实现了流程简化、节约成本等优点。

本发明公开了一种早发型子痫前期风险预测基因组合、预测模型及构建方法，本领域技术人员可以借鉴本文内容，适当改进工艺参数实现。特别需要指出的是，所有类似的替换和改动对本领域技术人员来说是显而易见的，它们都被视为包括在本发明。本发明的产品已经通过较佳实施例进行了描述，相关人员明显能在不脱离本发明内容、精神和范围内对本文所述的产品进行改动或适当变更与组合，来实现和应用本发明技术。