选择用于测定的细胞系制造技术

一种选择用于测定的细胞系的计算机实现的方法和系统。该计算机实现的方法和系统将包括一个或多个特征的数据编码为一个或多个潜在变量。在一个或多个潜在变量中编码的一个或多个特征被识别并基于该一个或多个特征映射到细胞系。确定一个或多个靶标与一个或多个潜在变量中的一个或多个中的每一个的相关性，并且通过一个或多个潜在变量将一个或多个靶标与细胞系匹配。与细胞系匹配。与细胞系匹配。

【技术实现步骤摘要】
【国外来华专利技术】选择用于测定的细胞系
[0001]本申请涉及用于选择待在用于药物测试目的的测定中使用的细胞系的系统和方法。本公开的技术在生物化学和药物研发领域中发现了特定的应用，其中可能需要具有特定特征的细胞系来测试药物靶标假设。

技术介绍

[0002]在药物研发领域中，需要鉴定待用于药物测试的测定中的合适细胞系。需要可能以期望的临床方式对测试中的药物作出反应的细胞系来测试药物靶标假设。传统上，使用基础建模(ground
‑
up modelling)预测哪些细胞系可能产生期望的临床效果，可以实现合适细胞系的鉴定。然而，这种方法可能是昂贵和耗时的，并且有引入扭曲预测结果的假设的风险。
[0003]因此，需要一种改进的技术来鉴定用于测定的合适细胞系，该测定提高预测结果的准确性并且不引入不需要的假设。
[0004]以下描述的实施例不限于解决上述已知方法的任何或所有缺点的实施方式。

技术实现思路

[0005]提供本
技术实现思路
是为了以简化的形式介绍概念的选择，这些概念将在下面的具体实施方式中进一步描述。本
技术实现思路
不旨在识别所要求保护的主题的关键特征或必要特征，也不旨在用于确定所要求保护的主题的范围。
[0006]本公开提供了一种用于选择待在用于药物测试目的的测定中使用的细胞系的系统和方法。通常，本专利技术接收药物的靶标作为输入，并递送细胞系的列表作为输出。该细胞系的列表可以被分等级或以其他方式分类以指示在它们测定中的预测效用，或者具有它们对每个输入靶标的倾向性得分的一些其他指示。为了递送输出，将输入集映射到一系列潜在变量以识别在一个或多个潜在变量中编码的一个或多个特征。一旦执行了一个或多个潜在变量到细胞系的映射，则可以检查一个或多个潜在变量以确定哪个特定特征或特征组在哪个潜在变量中被编码。反过来，根据潜在变量到细胞系的映射，药物的靶标可以由已知与所考虑的药物相互作用或受所考虑的药物影响的特定特征或特征组来表示。
[0007]在第一方面，本公开提供了一种选择用于测定的细胞系的计算机实现的方法，该方法包括：将包含特征的数据编码为潜在变量；识别在所述一个或多个潜在变量中编码的一个或多个特征；基于所述一个或多个特征将所述潜在变量映射到细胞系；确定一个或多个靶标与一个或多个潜在变量中的一个或多个中的每一个的相关性；和通过所述潜在变量将所述一个或多个靶标与所述细胞系匹配。
[0008]任选地，所述编码数据包括基因组学数据(genomics data)、转录组学数据(transcriptomics data)、甲基化数据、应用于基因的临床数据以及与多个特征相关的生物学机制中的至少一个。
[0009]任选地，使用线性和非线性机器学习模型将所述数据编码为潜在变量。
[0010]任选地，使用矩阵分解(matrix factorisation)方法将所述数据编码为潜在变
量。
[0011]任选地，使用聚类算法将所述数据编码为潜在变量。
[0012]任选地，基于所述潜在变量编码的一个或多个特征，将生物学机制与每个潜在变量相关联。
[0013]任选地，确定每个潜在变量与相应的生物学机制相关联的程度。
[0014]任选地，评估所述潜在变量与疾病的相关性。
[0015]任选地，确定与所述潜在变量相关联的相应生物学机制与所述疾病相关联的程度。
[0016]任选地，基于与所述疾病的相关性来注释所述潜在变量。
[0017]任选地，不考虑与所述疾病不充分相关的潜在变量。
[0018]任选地，两个或更多个潜在变量代表所述疾病的各自生物学机制。
[0019]任选地，使用所述潜在变量将患者分层为内型。
[0020]任选地，如果细胞系中的一个或多个特征与在潜在变量中编码的一个或多个特征充分匹配，则将潜在变量映射到细胞系。
[0021]任选地，基于所述细胞系与所述潜在变量的相关性，将映射值分配给每个潜在变量和细胞系对。
[0022]任选地，基于所述细胞系与所述潜在变量的相关性，将映射值分配给每个潜在变量和细胞系对，其中所述细胞系与所述潜在变量的相关性基于细胞系中的特征与在所述潜在变量中编码的所述一个或多个特征匹配的程度。
[0023]任选地，基于所述靶标调节在所述潜在变量中编码的一个或多个基因的程度来确定每个靶标与每个潜在变量的相关性分数。
[0024]任选地，在所述潜在变量中编码的所述基因的调节包括与所述潜在变量基因的间接关联性。
[0025]任选地，用充分调节在所述相应潜在变量中编码的一个或多个特征的靶标来注释相应潜在变量。
[0026]任选地，通过比较所述潜在变量与所述细胞系的映射以及所述靶标与所述潜在变量的相关性，将靶标匹配到细胞系。
[0027]任选地，基于所述细胞系与所述潜在变量的相关性，将映射值分配给每个潜在变量和细胞系对；基于所述靶标调节在所述潜在变量中编码的一个或多个基因的程度来确定每个靶标与每个潜在变量的相关性分数。对于每个潜在变量，基于所述潜在变量和所述细胞系的映射值和所述靶标和所述潜在变量的相关性分数来确定每个靶标和每个细胞系之间的度量(metric)。
[0028]任选地，确定每个靶标和每个细胞系之间的度量，其中所述度量还基于所述潜在变量与所述疾病的相关性。
[0029]任选地，基于所述度量，输出对于每个靶标的细胞系的排序列表。
[0030]任选地，所述一个或多个特征包括一个或多个基因、甲基化位点和遗传变体。
[0031]任选地，所述细胞系的一个或多个特征包括基因表达。
[0032]在第二个方面，本公开提供了一种存储代码的计算机可读介质，该代码在由计算机执行时使计算机执行根据第一个方面的特征、步骤、过程中的任一项、其组合、其修改和/
或如本文所描述的计算机实现的方法。
[0033]在第三方面，本公开提供了一种用于选择用于测定的细胞系的系统，所述系统包括：编码器，其配置为将数据编码为潜在变量；解释模块，其配置为识别在所述潜在变量中编码的一个或多个特征；细胞系映射模块，其配置为将所述潜在变量映射到细胞系；靶标相关性模块，其配置为确定一个或多个靶标与一个或多个潜在变量中的每一个的相关性；和匹配模块，其配置为通过所述潜在变量将所述一个或多个靶标匹配到所述细胞系。
[0034]任选地，在第三方面，用于选择用于测定的细胞系的系统根据第一方面的特征、步骤、过程中的任一项、其组合、其修改和/或如本文所描述来执行计算机实现的方法。
[0035]本文所描述的计算机实现的方法可由有形存储介质上的机器可读形式的软件执行，例如以包括计算机程序代码方式的计算机程序的形式，当程序在计算机上运行且计算机程序可在计算机可读介质上体现时，适用于执行本文所描述的任何方法的所有步骤。有形(或非暂时性)存储介质的示例包括磁盘、拇指驱动器、存储卡等，并且不包括传播的信号。软件可以适合于在并行处理器或串行处理器上执行，使得方法步骤可以任何合适的顺序或同时执行。...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种选择用于测定的细胞系的计算机实现的方法，所述方法包括：将包括一个或多个特征的数据编码为一个或多个潜在变量；识别在所述潜在变量中编码的所述一个或多个特征；基于所述一个或多个特征将所述一个或多个潜在变量映射到细胞系；确定一个或多个靶标与所述一个或多个潜在变量中的一个或多个中的每一个的相关性；和通过所述一个或多个潜在变量将所述一个或多个靶标与所述细胞系匹配。2.根据权利要求1所述的计算机实现的方法，其中所述数据包括基因组学数据、转录组学数据、甲基化数据、应用于基因的临床数据以及与多个特征相关联的生物学机制中的至少一个。3.根据权利要求1或2所述的计算机实现的方法，包括使用线性和非线性机器学习模型将所述数据编码为所述一个或多个潜在变量。4.根据权利要求1、2或3所述的计算机实现的方法，包括使用矩阵分解方法将所述数据编码为所述一个或多个潜在变量。5.根据任一项前述权利要求所述的计算机实现的方法，包括使用聚类算法将所述数据编码为所述一个或多个潜在变量。6.根据任一项前述权利要求所述的计算机实现的方法，包括基于所述潜在变量编码的所述一个或多个特征将生物学机制与每个潜在变量相关联。7.根据任一项前述权利要求所述的计算机实现的方法，包括确定每个潜在变量与相应的生物学机制相关联的程度。8.根据任一项前述权利要求所述的计算机实现的方法，包括不考虑与生物学机制不充分关联的所述一个或多个潜在变量。9.根据任一项前述权利要求所述的计算机实现的方法，包括评估所述一个或多个潜在变量与疾病的相关性。10.根据权利要求9所述的计算机实现的方法，包括确定与潜在变量相关联的相应生物学机制与所述疾病相关联的程度。11.根据权利要求9或10所述的计算机实现的方法，包括基于与所述疾病的相关性来注释所述一个或多个潜在变量。12.根据权利要求9、10或11所述的计算机实现的方法，包括不考虑与所述疾病不充分相关的所述一个或多个潜在变量。13.根据权利要求9
‑
12中任一项所述的计算机实现的方法，其中两个或更多个潜在变量代表所述疾病的相应生物学机制。14.根据任一项前述权利要求所述的计算机实现的方法，包括使用所述潜在变量将患者分层为内型。15.根据任一项前述权利要求所述的计算机实现的方法，包括如果细胞系中的一个或多个特征与在潜在...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：伯耐沃伦人工智能科技有限公司，
类型：发明
国别省市：