用于比较分子标签的设备和方法技术

本发明专利技术提供了一种用于通过比较生物数据的多个分子标签进行的临床决策支持的方法(10)。该方法包括比较至少两个所述分子标签是不同类型的分子标签。此外，本发明专利技术提供了一种执行根据该方法(10)的步骤的用于临床决策支持的设备(70)、系统(100)以及计算机程序产品(200)和用途。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术总体而言属于生物信息学领域。更具体而言，本专利技术涉及用于通过比较多个分子标签进行的临床决策支持的方法。本专利技术还涉及用于比较多个分子标签的设备、用于临床决策支持的系统、计算机可读介质和用于分析临床数据的用途。
技术介绍
已知生物样品的高通量分子概况分析已经产生用于将样品划分成特定种类的分子标签。这覆盖从在筛查和诊断背景下回答问题到疾病分型和预测对处理/治疗方案的响应的范围。很多标签在本领域中是已知的，其出现在生物和临床确认的各个阶段中。例如，用于预测乳腺癌的侵袭性的测试已经被提供在商业应用软件中，诸如来自Agendia的 MammaPrint 或者来自 Genomic Health 的 Oncotype DX0本领域的快速发展已经产生将患者划分成特定种类的很多分子标签。这一数据通常是不连贯和多样的，因为不存在特定的标准。生物系统的复杂本质以及研究它们的方式也使得难以比较不同来源的基因组等同体(identity)的集。例如，如果你具有筛查对血液疾病显著的基因表达模式的基于微阵列的测定，则这些模式的一些部分可能与对增加中风风险显著的基因表达标签是相同的。然而，即使部分标签是相似的，在本领域内并未公开如何评估专题重叠(thematic overlap) 0因此，用于分析生物数据的改进方法可能是有利的，具体而言，允许改进临床决策支持、增加灵活性、成本有效性、速度和/或分析精度的方法可能是有利的。
技术实现思路
因此，本专利技术寻求单独地或任意组合地减轻、缓解或消除本领域中的一个或多个上述缺陷和缺点。这一目标是通过提供根据随附的独立专利权利要求的用于临床决策支持的方法、设备、系统、计算机可读介质和用途来实现的。本专利技术的总体思想是使遗传信息与分子标签相关联并对分子标签进行排列。根据本专利技术的第一方面，提供一种方法，其包括获得遗传信息的步骤。此外，该方法包括从知识数据库获得对应于遗传信息的初级生物数据的步骤。然后根据初级生物数据对遗传信息进行排序。该方法还包括从标签数据储存库中获得多个分子标签的步骤。该方法进一步包括从知识数据库获得对应于每个分子标签的次级生物数据。该方法包括以下步骤根据所述次级生物数据与所述初级生物数据的对应关系分类所述分子标签，以形成所述分子标签的排列。最后，该方法包括基于所述有序的遗传信息和所述分子标签的所述排列生成指示临床决策的输出信号。根据本专利技术的第二方面，提供一种用于临床决策支持的设备，其包括被配置为执行根据本专利技术第一方面的步骤的单元，此时所述各单元可操作地彼此连接。根据本专利技术的第三方面，提供一种用于临床决策支持的系统。该系统包括根据本专利技术第二方面的设备。此外，该系统包括知识数据库和标签数据储存库。该系统还包括工作站。该设备、知识数据库、标签数据储存库和工作站通过连接网络可操作地连接。根据本专利技术的第四方面，提供一种其上包含由计算机处理的计算机程序的计算机可读介质。该计算机程序包括用于执行根据本专利技术第一方面的方法的代码段。根据本专利技术的第五方面，提供根据第一方面的方法、根据第二方面的设备或根据第三方面的系统用于临床数据的统计分析的用途。本专利技术的各实施例在从属权利要求中限定。该方法、设备、系统和计算机可读介质均至少具有以下优点其允许基于比较多个分子标签进行临床决策支持，其中至少两个所述分子标签是不同种类的分子标签。这提供了从遗传信息得出结论的增强的可能性。附图说明在参考附图的基础上，本专利技术能够实现的这些和其他方面、特征和优点将是明显的且从本专利技术实施例的以下描述中得以阐明，在附图中图1是根据一实施例的方法的流程图；图2是根据一实施例的经排序遗传信息的树状图；图3是显示根据一实施例的聚类信息的重叠的矩阵；图4是根据一实施例的专题聚类；图5是根据一实施例的专题聚类和树状图的概览；图6是根据一实施例的专题聚类和树状图的另一概览；图7是根据一实施例的设备的流程图；图8是根据一实施例的系统；以及图9是根据一实施例的计算机可读介质的流程图。具体实施例方式下面将参考附图更详细地描述本专利技术的若干实施例，以便本领域技术人员能够实现本专利技术。然而，本专利技术可以具体化为很多不同形式，并且不应被解读为局限于在此阐述的实施例。相反，提供这些实施例从而使得本公开将是全面的和完备的，并且将向本领域技术人员完全传达本专利技术的范围。这些实施例并不限制本专利技术，而本专利技术仅由随附的专利权利要求限制。此外，附图所示的特定实施例的详细描述中所用的术语并不意欲限制本专利技术。—般地，基因的基因集G是用N个标识符的ID集表示的。该ID集首先在矩阵中相对于自身比对。这些集Gi和Gj的标识符集IDi和IDj之间的重叠根据以下公式被定义成绝对相似度AS(i，j) = AS(j, i) = IDiIDj即它们的对应ID集之间的交集的基数(cardinality)。两个标识符集i、j之间的相对相似度RS (i，j)被定义成RS (i，j) = AS (i，j) / I IDi并且两个标识符集j、i之间的相对相似度RS(j，i)被定义成RS(j, i) = AS(j, i)/|lDj为了测量标识符集相对于C个集的总集的相似度，根据以下公式为标识符集IDi 创建集体相似度(Collective Similarity)CSi CSi = <RS(i, j)>其中j = l，···，(。在根据图1的实施例中，提供了一种使用基因集来反映癌症中隐含的各种生物过程的方法10。这是通过用于描述和比较四种乳腺癌预后标签的专题聚类(thematic cluster)来实现的。在步骤110中从本领域技术人员熟知的数据库MsigDB (http://www. broad, mit. edu/gsea/msigdb/)中获得以25个基因集的形式的遗传信息。在一实施例中， 具体地使用混杂(curated)基因集，因为它们是通过聚焦于和预后标签相比相对较窄的生物过程集而得出的。一组基因集由于它们与乳腺癌相关标签的关系而被选择，而另一组基因集由于对照目的而被选择，因为它们不太可能捕获乳腺癌相关过程。这25个混杂基因集被显示在表1中。表1. 25来自MSigDB的混杂基因集MSgDB名称简略名称乳腺癌相关组AMIPATHWAYamipAP0PT0SISapopBASSO—HCL—DIFFheldBLOOD—CLOTTING—CASCADEclotBREAST—CANCER—ESTROGEN—MGNALINGbeesBRENT ANIANGIOGENESISagenHSA05215—PROSTATE—CANCERprosHYPOXIA—REVIEWhypoIL10PATHWAYillOIL17PATHWAYill7IL22BPPATHWAYil22INFLAMMATORY—RESPONSE—PATHWAYinfpMAPKPATHWAYmapkP53PATHWAYp53SRC—ONCOGENIC—MGNATUREsrcoTRYPTOPHAN—METABOLISMt—metTUMOR—SUPRESSORtsupVEGFPATHWAYvegfWNTSIGNALINGwntsWNTPATHWAYwntp对照组CARBON—FIXATIONc fixKREB S—TCA—C YCLEk—本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：Y·H·阿萨发蒂，N·班纳吉，V·瓦拉达恩，A·J·贾内夫斯基，
申请(专利权)人：皇家飞利浦电子股份有限公司，
类型：发明
国别省市：