CC基因的特异性引物，以便利用所述特异性引物，对生物样品中提取的核酸样本进行 实时定量PCR扩增，得到每个基因的Ct值；以及
[0025] 判断装置，所述判断装置与所述PCR扩增模块相连，基于⑶79A基因、LCN2基因、 FFAR2基因、SLED 1基因、CD22基因、ANKRD22基因、GP9基因、DEFA3基因和RGCC基因中的 每个基因的实时定量PCR的Ct值与ACTB基因的实时定量PCR的Ct值之间的比值，用于判 断艾滋病人是否发生免疫重建炎性综合症；
[0026] 任选的，还包括核酸提取装置，所述核酸提取装置与所述核酸序列确定装置相连， 用于提取所述生物样品中的核酸样本；
[0027] 任选的，得到比值之后是用公式计算后得到风险值f(x)，然后用于判断艾滋病人 是否发生免疫重建炎性综合症，所述公式为：
[0028] f (X) = -25. 97422122-259. 8669408(CD79A)+13515. 90815(LCN2)+3335. 943735 ( FFAR2)+7311. 600215(SLEDl)-318. 4503906(CD22)+1692. 184761(ANKRD22)-247. 6957422( GP9)-2322. 113802(DEFA3)-1821. 5596(RGCC)。
[0029] 本发明提供一种用来评估艾滋病人发生免疫重建炎性综合症的两套标志物，每套 标志物中包含九个基因，经实验证明，本发明所列的每套标志物中的特定基因在HIV合并 TB感染的病人血液中的PBMC里的表达量的线性组合能显著区分发生和不发生免疫重建 炎性综合症的人群，以及判断引起免疫重建炎性综合症的风险大小，因此这些基因的线性 组合可作为评价艾滋病人是否发生免疫重建炎性综合症的预警因子，使临床治疗更加个性 化。
【附图说明】：
[0030] 图1是HIV合并TB感染发生了免疫重建炎性综合症的，确诊HIV合并TB感染但 未发生免疫重建炎性综合症的，单纯HIV感染的2个单纯TB感染，以及健康对照共五组样 本全部基因相对表达量的主成份分析，横轴PC1，纵轴PC2 ;左图：用药前，右图：治疗后。C : 对照组，H :HIV单纯感染组，T :TB单纯感染组，HT :HIV和TB合并感染未发生IRIS组，HTI : HIV和TB合并感染发生IRIS组。
【具体实施方式】：
[0031] 本发明利用新一代测序技术Illumina/Solexa测序平台从单HIV病毒感染人群、 单TB感染人群、HIV-TB共感染人群、感染了 TB的艾滋病人且同时发生免疫重建炎性综合 征人群的四种样本中获得经HAART治疗前后的全部转录组数据（RNA-Seq)。RNA-Seq分析 可以通过比对正常样本和HIV侵染样本中表达模式发生显著变化的基因，及其功能分析， 以此来建立预测发生副作用的预测模型，提供抵抗病原侵染的重要解决策略，为目前针对 艾滋病的主要治疗手段一高效抗逆转录病毒疗法，提供一定程度上的临床应用指导。
[0032] 下面结合实施例和附图对本发明进行进一步描述：
[0033] 实施例1
[0034] 本实施例先对发生IRIS的组别和其他组别的基因表达进行了测定，测定方法具 体包括如下步骤：
[0035] 选取了 5组研究对象：7个HIV合并TB感染发生了免疫重建炎性综合症的，7个 确诊HIV合并TB感染但未发生免疫重建炎性综合症的，5个单纯HIV感染的，2个单纯TB 感染，以及2个健康对照。用高效抗逆转录病毒治疗（HAART，鸡尾酒疗法），每人取样两次， 第一次取样是用药前，第二次取样是用药后二周。将每个样本的每个基因的相对表达量 (rpkm)和组合成数据矩阵，分用药前后两个矩阵。使用现有的统计软件R进行主成份分析 (PCA)，将每个样本的主成份1和主成份2 (主成分是对众多因素的降维统计方法，PCl就是 主成份1，包含的是一系列基因的组合得到的一个值，同理PC2)画散点图，分别得到图1。
[0036] 由上述结果可知，不同组间存在基因表达差异，会发生IRIS的组别和其他组别有 明显差异，由此可以建立一种用于评估艾滋病人发生免疫重建炎性综合症的模型。
[0037] 在上述方法和结果的基础上，本实施例提供了一种建立用于评估艾滋病人发生免 疫重建炎性综合症的模型的方法，具体包括如下步骤：
[0038] (1)计算相对表达量
[0039] 分离PBMC外周血淋巴细胞，对PBMC进行裂解，提取总RNA。通过mRNA的polyA 特性，调取mRNA，对总RNA进行高通量测序。将测序产生的短序列（即二代高通量测序得 到的短序列）和人类基因表达数据库（ftp://ftp. ncbi. nlm. nih. gov/refseq/H_sapiens/ RefSeqGene/)比对，分别得到每个基因的相对表达量RPKM[即是将map到单个基因的read 数除以map到所有基因的所有read数（以million为单位）与RNA的长度（以KB为单 位），得到的值]，计算公式如下：
[0041] 其中的C :代表比对到该基因的短序列条数，N :代表比对到所有基因的短序列条 数，L代表该基因的长度。
[0042] (2)计算相关系数
[0043] 得到每个基因的相对表达量RPKM之后，在发生免疫重建炎性综合症的组别和未 发生免疫重建炎性综合症的组别进行所有基因的机器学习建模，挑选权重最大的、准确性 最高的组合，最终选取如表1所示的9个基因作为判断是否发生IRIS风险的指标（其中基 因 ID用NCBI的标准基因号表示），通过对不同因子权重的线性拟合得到相关系数，如表1 所示。
[0044] 表 1
[0047] (3)计算f(x)值，判断风险水平
[0048] 用以下公式计算每个样本的风险值：
[0049] f(x) = 40-0. 301926548369785 (DEFA3)+0. 00490277165036895 (S100A8) +0.560530444576423 (FFAR2)+1.63850558112781 (LCN2)-〇. 142277506530434 (FC RLl)+0. 410319980880293(SLC25A37)+0. 190096182111239(CXCR2P1)-〇. 199495833744442 (RGCC)-0. 370577325294511 (GMPR)
[0050] 其中（DEFA3)、（S100A8)、（FFAR2)、（LCN2)、（FCRLl)、（SLC25A37)、（CXCR2P1)、 (RGCC)和（GMPR)分别代表各个基因的相对表达量RPKM，即采用上述（I)的高通量测序后 比对的方法计算得到。
[0051] 计算f (X)值，作为每个样本的评价指标。当f (X)值大于0. 5时，判断为高风险， 当f (X)值小于〇. 5时判断为低风险，当值等于0. 5时，判断为风险不确定。f (X)值越小于 〇. 5代表风险越低，越高于0. 5代表风险越高。
[0052] 实施例2
[0053] 本实施例对实施例2建立的用于评估艾滋病人发生免疫重建炎性综合症的模型 的方法进行了验证，具体包括如下步骤：
[0054] 根据实施例2的9个基因建立的线性模型，选取了 5组研究对象：7个确诊HIV 合并TB感染发生免疫重建炎性综合症的样本（HTI-P1-0-TA，HTI-P2-0A，HTI-P3-0A， ΗΤΙ-Ρ4-0Α，ΗΤΙ-Ρ5-0Α，ΗΤΙ-Ρ6-0Α，ΗΤΙ-1-42-0Α)，7 个确诊 HIV 合并 TB 感染但不发生免疫 重建炎性综合症的样本（HT-P1-0A，HT-P3-0A，HT-P5-0A，HT-P7-0A，HT-P8-0A，HT-P9-0A， HT-2-28-0A)，5 个单纯 HIV 感染的样本（H-P1-0A，H-P2-0A，H-P3-0A，H-P4-0A，H-3-83-0A)， 2个单纯TB感染的样本（T-P1-0A，T-P2-0A)，以及2个健康样本（C-1-LK7231A， C-2-LYW7302A)，用高效抗逆转录病毒治疗（HAART)前后共46个样本（每人取样两次，第一 次取样是用药前，第二次取样是用药后二周）进行预测，评估结果如表2所示：
[0055] 表 2
CN 105177130 A 说明书 7/12 页
[0058] 表2中，H代表HIV单纯感染组，HTI代表HIV合并TB感染会发生IRIS组，HT代 表HIV合并TB感染不发生IRIS组，T代表单纯感染TB组，C代表健康对照组。TP，TN，FP， FN分别代表真阳性，真阴性，假阳性，假阴性。
[