基于机器学习和免疫逃逸机制优化分子标志物算法的方法

本发明公开了一种基于机器学习和免疫逃逸机制优化分子标志物算法的方法，所述方法包括：获取肿瘤组织和正常组织的NGS测序数据，将肿瘤组织与配对的正常组织的NGS测序数据进行质控、比对，得到原始的比对文件，对原始的比对文件进行预处理得到最终的比对文件；通过软件对比对文件进行肿瘤体细胞单核苷酸变异和小片段插入缺失检测，得到体细胞变异信息；构建多元线性回归模型，计算SNV位点和INDEL位点的新生抗原预测的能力；结合新生抗原预测能力不同和肿瘤患者免疫逃逸机制两个方面因素，对TMB计算方法进行优化。本发明更加真实地反映了患者真实的免疫状态，对患者免疫治疗响应和预后也具有更好地提示作用。