一种与子宫内膜容受性相关的miRNA标志物及其应用

    公开(公告)号:CN119570944A

    公开(公告)日:2025-03-07

    申请号:CN202411790450.5

    申请日:2024-12-06

    Abstract: 本发明公开了一种与子宫内膜容受性相关的miRNA标志物及其应用。所述miRNA标志物包括:hsa‑miR‑199b‑5p、hsa‑miR‑33a‑3p、hsa‑miR‑4659a‑3p、hsa‑miR‑7702、hsa‑miR‑545‑5p、hsa‑miR‑133a‑5p和hsa‑miR‑150‑5p等。本发明通过对胚胎植入成功患者的子宫内膜不同容受期的血浆miRNA进行相关性分析和筛选,得到最优特征组合,利用机器学习方法建立预测模型,能够基于母体血清准确预测样本子宫内膜容受性不同时期的概率,解决了现有技术在进行预测胚胎能否成功着床时,样本提取过程复杂、侵入且有创的问题。

    模型训练方法、反复种植失败识别方法及装置

    公开(公告)号:CN117877582A

    公开(公告)日:2024-04-12

    申请号:CN202410082445.2

    申请日:2024-01-19

    Abstract: 本申请涉及一种模型训练方法、反复种植失败识别方法、装置、计算机设备、存储介质和计算机程序产品。通过获取样本数据,分别对第一测序数据样本和第二测序数据样本进行分析处理,得到对应的目标miRNA的表达量,基于第二测序数据样本中目标miRNA的表达量进行特征筛选,确定miRNA特征集合,根据第一测序数据样本和第二测序数据样本,确定与miRNA特征集合对应的第一表达量集合和第二表达量集合,采用第一表达量集合和第二表达量集合训练预测模型,直到预测模型收敛,得到目标预测模型。由于样本数据是正样本和负样本的测序数据,相较于传统的通过活检提取子宫内膜组织进行评估的方式,可以实现无创的样本提取,通过机器学习方法训练能够提高模型预测的准确性。

Patent Agency Ranking