买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉成都中医药大学申请的专利基于多组学机器学习的肝细胞癌预后及免疫响应预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121545597B 。

龙图腾网通过国家知识产权局官网在2026-05-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610063708.4，技术领域涉及：G16B40/20；该发明授权基于多组学机器学习的肝细胞癌预后及免疫响应预测方法是由蒋涛;管婧博;张宇洁;李应龙;许林;张林帅;李晨设计研发完成，并于2026-01-19向国家知识产权局提交的专利申请。

本基于多组学机器学习的肝细胞癌预后及免疫响应预测方法在说明书摘要公布了：本发明公开了一种基于多组学机器学习的肝细胞癌预后及免疫响应预测方法，涉及生物医学与人工智能交叉技术领域，包括：S1、构建用于模型训练及验证的多组学数据集；S2、对多组学数据进行特征整合、聚类分析以得到对应的肝细胞癌分子亚型分布；S3、构建基于Cox回归联合随机生存森林的肝细胞癌预后模型，并通过对模型的训练识别出11个核心免疫基因以及对应的权重系数，构建免疫治疗响应指数IMLIRI评分；S4、将IMLIRI评分进行临床应用。本发明通过多组学数据整合与多队列外部验证，降低数据偏差与队列异质性对模型性能的影响，使所述方法在不同来源、不同病因背景的肝细胞癌队列中均表现出稳定的预测性能，从而提高模型在临床应用中的可靠性与可推广性。

本发明授权基于多组学机器学习的肝细胞癌预后及免疫响应预测方法在权利要求书中公布了：1.在一种基于多组学机器学习的肝细胞癌预后及免疫响应预测方法，其特征在于，包括： S1、从癌症基因组图谱数据库TCGA中收集与肝细胞癌相关的多组学数据构成TCGA-LIHC队列，从基因表达综合数据库GEO中收集外部验证队列，同时结合免疫治疗专项队列构建用于模型训练及验证的数据集； S2、对多组学数据进行特征整合、聚类分析以得到对应的肝细胞癌分子亚型分布，并基于肝细胞癌分子亚型分布判断TCGA-LIHC队列是否存在数据偏移； S3、构建基于Cox回归联合随机生存森林的肝细胞癌预后模型，并通过对模型的训练识别出11个核心免疫基因以及对应的权重系数，构建如下的免疫治疗响应指数IMLIRI评分： IMLIRI=-0.099×EEF1B2表达水平+-0.308×FHL3表达水平+-0.087×MMP1表达水平+-0.128×MAPK7表达水平+-0.259×MPHOSPH6表达水平+-0.248×NROB1表达水平+0.190×RLF表达水平+0.203×RGS7表达水平+0.434×GSTM1表达水平+0.341×PIK3IP1表达水平+0.273×PPP1R1A表达水平； S4、采用外部验证队列、免疫治疗专项队列对肝细胞癌预后模型给出的IMLIRI评分进行多维度验证； 其中，在S1中，所述多组学数据包括：以TPM量化的mRNA丰度、标准化处理的长链非编码RNA水平、经log2转换的微小RNA数据、IlluminaHumanMethylation450芯片DNA甲基化数据、体细胞突变谱、生存时间、死亡状态、肿瘤—淋巴结—转移分期、治疗方案； 肝细胞癌预后模型训练时，对每轮迭代后的筛查结果采用三级评估准则进行评估： 以TCGA-LIHC队列5折交叉验证平均一致性指数C-indexⅠ作为即时优化目标对每轮迭代后的筛查结果进行一级评估，当平均C-indexⅠ不低于预设性能阈值C1，当所述C-indexⅠ相较上一轮迭代结果的变化幅度未超过预设的最小性能下降阈值δ1，或其提升幅度达到或超过预设的最小性能提升阈值δ2时，则判定一级评估通过，否则自适应调整模型结构超参数，并进入下一轮迭代； 对五个独立GEO验证队列中的平均一致性指数C-indexⅡ的评估泛化能力进行二级评估，当C-indexⅡ不低于预设泛化阈值C2，且各验证队列之间的性能波动不超过预设允许范围时，判定二级评估通过，否则重新进行模型训练； 对校准后的跨模型一致性指标进行检查实现三级评估，当一致性指标达到或高于预设一致性阈值C3时，判定三级评估通过，终止迭代并输出最终的核心免疫基因集合，否则通过交替迭代的方式实现联合优化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都中医药大学，其通讯地址为：610032 四川省成都市金牛区十二桥路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。