本发明专利技术提供用于诊断肺部疾病，例如反应性气道疾病的非小细胞肺癌的生物标记物和生物标记物组合。将这些生物标记物的测定值输入诸如支持向量机或AdaBoost的分类系统，以帮助确定个体患有肺部疾病的可能性。还提供了包括检测所述生物标记物和生物标记物组合的试剂的试剂盒，以及帮助诊断肺部疾病的系统。
【技术实现步骤摘要】
【国外来华专利技术】【专利摘要】本专利技术提供用于诊断肺部疾病，例如反应性气道疾病的非小细胞肺癌的生物标记物和生物标记物组合。将这些生物标记物的测定值输入诸如支持向量机或AdaBoost的分类系统，以帮助确定个体患有肺部疾病的可能性。还提供了包括检测所述生物标记物和生物标记物组合的试剂的试剂盒，以及帮助诊断肺部疾病的系统。【专利说明】专利技术背景(a)
本专利技术涉及使用生物标记物及其试剂盒对肺部疾病的检测、识别和诊断，以及根据生物标记物帮助确定疾病存在或不存在的可能性的系统。更具体地讲，本专利技术涉及通过测定特定生物标记物的表达水平，并且将这些测定值输入分类系统，例如支持向量机对非小细胞肺癌和反应性气道疾病进行的诊断。(b)相关技术的描述人类肺组织的病变数以百万计的美国人患有呼吸系统的病变,例如哮喘和肺癌。事实上,据AmericanLung Association &报告，几乎有 2000 万美国人患有哮喘。American Cancer Society, Inc.估计，仅在2007年新增的呼吸系统癌症为229，400例，呼吸系统癌症死亡为164，840例。虽然在检测到癌症还处于原位时，所有癌症病例的五年存活率均为46%，但肺癌患者的五年存活率仅为13%。相应地，仅有16%的肺癌在疾病扩散之前被发现。根据癌细胞的病变，肺癌通常分为两种主要类型。每种类型根据转化变为癌性的细胞类型命名。小细胞肺癌来源于人类肺组织中的小细胞，而非小细胞肺癌通常涵盖非小细胞类型的所有肺癌。非小细胞肺癌组合在一起，因为对于所有非小细胞类型治疗通常是相同的。非小细胞肺癌或NSCLC —起构成了约75%的所有肺癌。肺癌难以在早期诊断，这一事实是肺癌患者低存活率的主要因素。当前诊断肺癌或识别其在人体中存在的方法仅限于采取肺部的X-射线、计算机断层成像(CT)扫描以及类似的测试，物理确定肿瘤的存在或不存在。因此，肺癌的诊断通常仅响应于明显或存在一段显著时间的症状，以及疾病存在于人体中的时间足以产生可物理检测的肿块之后作出。相似地，当前检测哮喘的方法通常在症状，例如反复喘息、咳嗽和胸闷的出现很久以后才进行。当前检测哮喘的方法通常仅限于肺功能测试，例如肺活量测试或挑战测试。此夕卜，这些测试通常由内科医生安排，随着多个其他测试进行，以排除其他病变或反应性气道疾病，例如慢性阻塞性肺病(COPD)、支气管炎、肺炎和充血性心力衰竭。分类系统已经广泛探索了各种分类系统，例如用于数据分析和数据挖掘的机器学习方法，用于识别模式，以及在存在恰为无关数据的其他信息的情况下启动包含于大数据库中的重要信息的提取。学习机器包括可训练为使用具有已知分类的数据归纳的算法。然后，训练的学习机器算法可用于在未知结果的情况下预测结果，即根据学习模式对数据分类。机器学习方法，包括神经网络、隐藏马尔可夫模型、信度网络和基于核的分类器例如支持向量机，可用于特征为大量数据、噪声模式以及一般理论缺乏的问题。模式分类、回归和群集问题的多个成功方法依赖于确定一对模式的相似性的核。这些核通常定义为可以实数的向量表示的模式。例如，线性核、径向基核和多项式核均测定一对实数向量的相似性。当数据以该方式最佳地表示为实数序列时，此类核是适当的。核的选择对应于数据在特征空间中表示的选择。在多个应用中，模式具有更大的结构度。可开发这些结构用于改善学习算法的性能。机器学习应用中常见的结构化数据类型的例子为字符串、文档、树、图例如网站或化学分子、信号例如微阵列表达谱、光谱、图像、时空数据、关系数据和生物化学浓度等等。分类系统已用于医疗领域。例如，使用各种计算机系统和分类系统例如支持向量机提出了诊断和预测医学病症出现的方法。参见，如美国专利N0.7, 321,881,7,467, 119、7，505，948,7, 617，163,7, 676，442,7, 702，598,7, 707，134 和 7，747，547，这些专利的公开内容据此全文以引用方式并入。然而，这些方法未提供诊断和/或预测人类肺组织病变，例如非小细胞肺癌和/或反应性气道疾病的高度准确性。同样，本领域也不存在诊断人类肺组织病变，尤其是在其发展的早期的简单、可靠方法。此外，目前也不存在能够指示特定肺组织病变存在的血测试法。因此，开发在疾病进展的早期确定肺癌存在的方法是所期望的。同样，开发在临床上明显症状的最早出现之前诊断哮喘和非小细胞肺癌，使它们彼此区分并且区别于其他肺部疾病例如感染的方法也是所期望的。本专利技术的优选实施方案的概述本专利技术通过提供使用各种分类系统例如支持向量机评估受试者中某些生物标记物的可靠方法来满足这些需要。本专利技术提供了受试者的生理表征方法，其包括首先获得受试者的生理样品；然后确定该样品中多个生物标记物的生物标记物测定值；以及最后根据生物标记物测定值使用分类系统对样品分类，其中样品的分类与生理状态或病症，或受试者疾病状态的变化相关。通常，分类系统是机器学习系统，优选地核或分类以及基于回归树的分类系统，甚至更优选地支持向量机(SVM)或AdaBoost。在一个实施方案中，该生理表征方法提供表征受试者中存在或不存在非小细胞肺癌，或非小细胞肺癌发展阶段的诊断。在另一个实施方案中，该生理表征方法提供表征受试者的反应性气道疾病，例如哮喘或阻塞性肺病的诊断。在又一个实施方案中，该生理表征方法提供表征受试者的肺部疾病的诊断，其中多个生物标记物包括帮助识别反应性气道疾病和非小细胞肺癌的征兆的标记物、多个表征反应性气道疾病的生物标记物，以及多个表征非小细胞肺癌的生物标记物，在所述样品中，多个生物标记物不是相同的；并且样品根据生物标记物测定值使用三种分类系统分类，其中样品的三种分类方式帮助识别受试者的(i)反应性气道疾病和非小细胞肺癌；(ii)存在或不存在反应性气道疾病；以及(iii)存在或不存在非小细胞肺癌的征兆；从而确定受试者患有(I)反应性气道疾病；(2)非小细胞肺癌，或(3)不存在疾病，这取决于存在于三种分类的两种中的病症。本专利技术还提供对测试数据分类的方法，所述测试数据包括生物标记物集的每个的多个生物标记物测定值，所述方法包括以下步骤:接收测试数据，所述测试数据包括哺乳动物测试受试者中生物标记物集的多个生物标记物测定值，然后通过经训练的支持向量机的电子表示使用电子存储的训练数据向量集合评估测试数据，每个训练数据向量代表单个哺乳动物，并且包括相应哺乳动物的生物标记物集的每个生物标记物的生物标记物测定值，每个训练数据向量还包括相对于相应哺乳动物的疾病状态的分类；以及最后根据评估步骤输出哺乳动物测试受试者的分类。优选地，哺乳动物测试受试者是人。在另一个模型中，评估步骤包括访问电子存储的训练数据向量集合。在另一个模型中，本专利技术提供训练支持向量机以生成对测试数据分类的模型的方法，所述测试数据包括生物标记物集的每个的多个生物标记物测定值，所述方法包括以下步骤:访问电子存储的训练数据向量集合，每个训练数据向量代表单个人，并且包括相应人的生物标记物集的每个生物标记物的生物标记物测定值，每个训练数据向量还包括相对于相应人的疾病状态的分类，以及使用电子存储的训练数据向量集合训练支持向量机的电子表示。随后，本专利技术提供接收测试数据，所述测试数据包括人测试受试者中本文档来自技高网...
【技术保护点】
一种受试者的生理表征方法，所述方法包括(a)获得所述受试者的生理样品；(b)确定所述样品中多个生物标记物的生物标记物测定值；以及(c)根据所述生物标记物测定值使用分类系统对所述样品分类，其中所述样品的所述分类与生理状态或病症，或所述受试者疾病状态的变化相关。
【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：R·T·斯特里珀，E·伊兹比茨卡，J·米夏勒克，C·劳登，
申请(专利权)人：癌症预防和治疗有限公司，
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。