利用关于基因组模型的数据集成的途径识别算法(PARADIGM)制造技术

本发明专利技术的题目是利用关于基因组模型的数据集成的途径识别算法(PARADIGM)。根据测量的患者数据和基于途径元素的属性的概率途径模型构建患者样品特异的动态途径图，其中途径元素的一些属性是先验已知的，其中途径元素的其他属性是假定的，并且其中途径元素交叉关联并且指定至少一个途径的影响水平。优选的动态途径图就选择的参考途径活性提供测量的患者数据的背景。

A path recognition algorithm based on data integration for genome models (PARADIGM)

The subject of the invention is the use of the path recognition algorithm (PARADIGM) for data integration on genome models. Based on the measured patient data and the probabilistic pathway model based on the attributes of the pathway elements, a patient-specific dynamic pathway map is constructed. Some of the attributes of the pathway elements are known priorily, others of the pathway elements are assumed, and the pathway elements are cross-related and specify the shadow of at least one pathway. Sound level. The preferred dynamic route map provides the background of patient data for selected reference pathway activity.

【技术实现步骤摘要】
利用关于基因组模型的数据集成的途径识别算法(PARADIGM)本申请是申请日为2011年10月31日、申请号为201180075918.7(PCT/US2011/001844)、题为“利用关于基因组模型的数据集成的途径识别算法(PARADIGM)”的专利申请的分案申请。与其它申请的关系本申请涉及并要求2011年10月26日提交的美国非临时专利申请序列号13/317,769、题目为“利用关于基因组模型的数据集成的途径识别算法(PARADIGM)”的优先权，其通过引用以其整体被并入本文。本专利技术部分利用以下美国联邦机构的基金进行：美国国家科学基金会杰出青年教授奖(NSFCAREERaward)0845783、美国国家癌症研究所的合同/授权号码5R21CA135937-02和1U24CA143858-01以及国立卫生培训研究院(NationalInstituteofHealthTraining)授权号码T32GM070386-01。美国联邦政府对本专利技术具有一定的权利。
本专利技术涉及鉴定个体或对象中生物学途径的成分并确定所述个体或对象是否是临床方案或治疗的候选者的方法。本专利技术还涉及利用该方法诊断对象是否容易患有癌症、自身免疫疾病、细胞周期病症或其它病症。
技术介绍
现代癌症治疗的中心前提是患者诊断、预后、风险评估和治疗反应预测可以根据肿瘤的基因组、转录和外因基因组特征和在诊断时搜集的相关临床信息(例如，患者病史、肿瘤组织学和阶段)以及随后的临床随访数据(例如，治疗方案和疾病复发事件)对癌症分层而被提高。虽然可以用若干高通量技术来探查癌症的分子详细情况，但根据该PARADIGM仅实现了少数成功。例如，表现为ERBB2生长因子受体酪氨酸激酶的特定扩增或过表达的25％的乳腺癌患者现在可以用曲妥珠单抗(trastuzumab)治疗，所述曲妥珠单抗是靶向受体的一种单克隆抗体(VogelC,CobleighMA,TripathyD,GutheilJC,HarrisLN,FehrenbacherL,SlamonDJ,MurphyM,NovotnyWF,BurchmoreM,ShakS,StewartSJ.First-line,single-agentHerceptin(R)(trastuzumab)inmetastaticbreastcancer.Apreliminaryreport.Eur.J.Cancer2001Jan.；37Suppl1:25-29)。然而，即使该成功的情况被患有ERBB2-阳性乳腺癌的50％以下的患者实际上实现曲妥珠单抗的任何治疗益处的事实所遮盖，但是突出了我们对该充分研究的癌途径以及ERBB2-阳性乳腺癌固有的许多治疗抵抗机制的不完全理解(ParkJW,NeveRM,SzollosiJ,BenzCC.UnravelingthebiologicandclinicalcomplexitiesofHER2.Clin.BreastCancer2008Oct.；8(5):392-401)。这种完全不能将现代进步转到基础癌症生物学中部分归于我们不能全面认识和集成现在针对实际上任何类型的癌症在技术上可获得的所有数据组学(omic)特征。尽管有充分的证据表明组织学上类似的癌症事实上是许多分子亚型的复合物(composite)，每一亚型具有明显不同的临床表现，但因为缺乏与预后和治疗选项充分相关的有力特征该知识很少应用于实践中。癌症是基因组疾病，其与导致细胞系统失调的异常变化有关。现在还不清楚的是：基因组变化如何进入到构成癌症表型基础的遗传途径中。高通量功能基因组学研究在过去十年中已经取得巨大的进步(AlizadehAA,EisenMB,DavisRE,MaC,LossosIS,RosenwaldA,BoldrickJC,SabetH,TranT,YuX,PowellJI,YangL,MartiGE,MooreT,HudsonJ,LuL,LewisDB,TibshiraniR,SHERLOCKG,ChanWC,GreinerTC,WeisenburgerDD,ArmitageJO,WarnkeR,LevyR,WilsonW,GreverMR,ByrdJC,BotsteinD,BrownPO,StaudtLM.DistincttypesofdiffuselargeB-celllymphomaidentifiedbygeneexpressionprofiling.Nature2000Feb.；403(6769):503-511.；GolubTR,SlonimDK,TamayoP,HuardC,GaasenbeekM,MesirovJP,CollerH,LohML,DowningJR,CaligiuriMA,BloomfieldCD,LanderES.Molecularclassificationofcancer:classdiscoveryandclasspredictionbygeneexpressionmonitoring.Science1999Oct.；286(5439):531-537.；vandeVijverMJ,HeYD,vantVeerLJ,DaiH,HartAAM,VoskuilDW,SchreiberGJ,PeterseJL,RobertsC,MartonMJ,ParrishM,AtsmaD,WitteveenA,GlasA,DelahayeL,vanderVeldeT,BartelinkH,RodenhuisS,RutgersET,FriendSH,BernardsR.AGene-ExpressionSignatureasaPredictorofSurvivalinBreastCancer.NEnglJMed2002Dec.；347(25):1999-2009)。然而，集成多个数据源来鉴定肿瘤发生和发展的可再生和可解释分子特征的挑战仍然令人困惑。最近，由TCGA和其它人进行的实验性研究弄清楚了需要对基因组干扰的途径水平理解来理解在癌细胞中观察到的变化。这些发现表明，即使在患者具有基因组变化或不同基因的异常表达时，这些基因仍常常参与共同的途径。另外，甚至更引人注目的是，观察到的变化(例如，缺失对比扩增)常常以相同方向改变途径输出——或者都提高或者都降低途径激活。(参见，ParsonsDW,JonesS,ZhangX,LinJCH,LearyRJ,AngenendtP,MankooP,CarterH,SiuI,GalliaGL,OliviA,McLendonR,RasheedBA,KeirS,NikolskayaT,NikolskyY,BusamDA,TekleabH,DiazLA,HartiganJ,SmithDR,StrausbergRL,MarieSKN,ShinjoSMO,YanH,RigginsGJ,BignerDD,KarchinR,PapadopoulosN,ParmigianiG,VogelsteinB,VelculescuVE,KinzlerKW.AnIntegratedGenomicAnalysisofHumanGlioblastomaMultiforme.Science本文档来自技高网...

【技术保护点】
1.产生动态途径图(DPM)的方法，包括：提供对储存多个途径元素的途径元素数据库的访问，每一途径元素表征为其参与至少一个途径；提供对与所述途径元素数据库偶联的修正引擎的访问；利用所述修正引擎将第一途径元素与至少一个先验已知的属性关联；利用所述修正引擎将第二途径元素与至少一个假定属性关联；分别利用所述已知属性和假定属性，应用所述修正引擎交叉关联并指定至少一个途径的所述第一途径元素和第二途径元素的影响水平，以形成概率途径模型；和利用所述概率途径模型，通过分析引擎，从样本的多个元素的多个测量的属性导出DPM，其具有特定途径的参考途径活性信息，其中所述途径在调节途径网络中。

【技术特征摘要】
2011.10.26 US 13/317,7691.产生动态途径图(DPM)的方法，包括：提供对储存多个途径元素的途径元素数据库的访问，每一途径元素表征为其参与至少一个途径；提供对与所述途径元素数据库偶联的修正引擎的访问；利用所述修正引擎将第一途径元素与至少一个先验已知的属性关联；利用所述修正引擎将第二途径元素与至少一个假定属性关联；分别利用所述已知属性和假定属性，应用所述修正引擎交叉关联并指定至少一个途径的所述第一途径元素和第二途径元素的影响水平，以形成概率途径模型；和利用所述概率途径模型，通过分析引擎，从样本的多个元素的多个测量的属性导出DPM，其具有特定途径的参考途径活性信息，其中所述途径在调节途径网络中。2.权利要求1所述的方法，其中所述调节途径网络选自衰老途径网络、调亡途径网络、稳态途径网络、代谢途径网络、复制途径网络和免疫应答途径网络。3.权利要求1所述的方法，其中所述途径选自在信号传导途径网络内的途径和在不同的途径...

【专利技术属性】
技术研发人员：C·J·瓦斯科，S·C·本茨，J·M·斯图尔特，D·豪斯勒，
申请(专利权)人：加利福尼亚大学董事会，
类型：发明
国别省市：美国,US