【技术实现步骤摘要】
【国外来华专利技术】通过对存活事件进行联合建模来确定潜在的癌症治疗靶标
技术介绍
本申请涉及用于通过对真实世界患者存活事件进行联合建模系统地确定潜在癌症治疗靶标的技术。
技术实现思路
下面给出提供对本专利技术的一个或多个实施例的基本理解的内容提要。本内容提要不旨在标识关键或重要元素,也不旨在描绘不同实施例的任何范围或权利要求的任何范围。其唯一目的是呈现简化形式的概念,作为稍后呈现的更详细描述的前序。在本文所述的一个或多个实施例中,提供了系统、计算机实现的方法、装置和/或计算机程序产品,其提供用于通过对真实世界患者存活事件进行联合建模来系统地确定潜在癌症治疗靶标的技术。根据本专利技术的实施例,一种系统可以包括存储计算机可执行组件的存储器和执行存储在存储器中的计算机可执行组件的处理器。计算机可执行组件可包含活性遗传因子识别组件,其使用多任务学习模型评估分别存活于不同类型的癌症的患者组的癌症存活数据和患者基因组数据,以识别与不同类型的癌症分别相关联的活性遗传因子。计算机可执行组件可进一步包含疾病关联组件,其确定在不同类型的癌症中的两种或更多种类型的癌症之间共享的活性遗传因子的共同活性遗传因子。在一些实现方式中,所述系统还可以包括评分组件,所述评分组件根据所述多任务学习模型确定所述活性遗传因子的分数,所述分数分别表示所述活性遗传因子与分别与所述活性遗传因子相关联的不同类型的癌症之间的关联程度。该系统还可以包括选择组件,该选择组件基于分别与所述活性遗传因子中的一个或多个活性遗传因子相关联的分数来选择所述一个或多个活性遗传因子作为基因治疗靶标。在一些 ...
【技术保护点】
1.一种系统,包括:/n存储器,其存储计算机可执行组件;/n处理器,其执行存储在所述存储器中的所述计算机可执行组件,其中所述计算机可执行组件包括:/n活性遗传因子识别组件,其使用多任务学习模型评估分别存活于不同类型的癌症的患者组的癌症存活数据和患者基因组数据以识别分别与所述不同类型的癌症相关联的活性遗传因子;和/n疾病关联组件,其确定在所述不同类型的癌症中的两种或更多种类型的癌症之间共享的所述活性遗传因子的共同活性遗传因子。/n
【技术特征摘要】
【国外来华专利技术】20180618 US 16/011,2311.一种系统,包括:
存储器,其存储计算机可执行组件;
处理器,其执行存储在所述存储器中的所述计算机可执行组件,其中所述计算机可执行组件包括:
活性遗传因子识别组件,其使用多任务学习模型评估分别存活于不同类型的癌症的患者组的癌症存活数据和患者基因组数据以识别分别与所述不同类型的癌症相关联的活性遗传因子;和
疾病关联组件,其确定在所述不同类型的癌症中的两种或更多种类型的癌症之间共享的所述活性遗传因子的共同活性遗传因子。
2.如权利要求1所述的系统,进一步包括:
评分组件,其根据所述多任务学习模型确定所述活性遗传因子的分数,所述分数分别表示所述活性遗传因子与分别与所述活性遗传因子相关联的不同类型的癌症之间的关联程度。
3.如权利要求2所述的系统,进一步包括:
选择组件,其基于分别与所述活性遗传因子中的一种或多种活性遗传因子相关联的分数来选择所述一种或多种活性遗传因子作为基因治疗靶标。
4.如权利要求1所述的系统,其中,疾病关联组件进一步基于所述不同类型的癌症的子集中包括的相应类型的癌症之间共享的共同活性遗传因子的数目来确定代表所述子集之间的关系的关系参数。
5.如权利要求4所述的系统,进一步包括:
评分组件,其基于在所述子集中包括的相应类型的癌症之间共享的共同活性遗传因子的数目确定所述子集的关联分数,其中所述关联分数反映所述相应类型的癌症相关的程度。
6.如权利要求4所述的系统,进一步包括:
优化组件,其基于所述关系参数来更新所述多任务学习模型,由此生成更新的多任务学习模型,并且指导活性遗传因子识别组件采用所述更新的多任务学习模型来基于所述癌症存活数据和所述患者基因组数据识别分别与所述不同类型的癌症相关联的更新的活性遗传因子。
7.如权利要求1所述的系统,进一步包括:
索引组件,其基于所述共同活性遗传因子生成一个索引数据结构,该索引数据结构针对所述共同活性遗传因子的相应共同活性遗传因子标识与所述相应共同活性遗传因子相关联的不同类型的癌症的每一个。
8.如权利要求1所述的系统,其中,疾病关联组件进一步评估所述不同类型的癌症的历史疾病关联信息以确定代表所述不同类型的癌症的子集之间的历史关系的历史关系参数。
9.根据权利要求8所述的系统,其中,疾病关联组件进一步基于所述历史关系和所述共同活性遗传因子确定代表所述不同类型的癌症的所述子集之间的更新的关系的更新的关系参数。
10.如权利要求8所述的系统,其中,多任务学习组件进一步评估所述历史关系参数以识别分别与所述不同类型的癌症相关联的活性遗传因子。
11.如权利要求1所述的系统,其中,多任务学习模型将确定分别与所述不同类型的癌症相关联的所述活性遗传因子的多个任务建模为优化问题。
12.一种计算机实现的方法,包括:
由可操作地耦合至处理器的设备采用多任务学习模型以基于分别存活于不同类型的癌症的患者组...
【专利技术属性】
技术研发人员:孙兆楠,Z·沙恩,张平,王飞,胡建英,
申请(专利权)人:国际商业机器公司,
类型:发明
国别省市:美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。