[发明专利]COPD生物标志标签

权利要求书

1.一种对获自人类受试者的测试样品进行分类的计算机实现方法，该方法包括：

(a)获得与所述测试样品相关的数据集，其中所述获得的数据集包括选自多分析物组的至少三种蛋白标志的定量数据，所述多分析物组选自下述组：

(i)脱脂载脂蛋白H、CD40、触珠蛋白、白介素-8(IL-8)、单核细胞趋化蛋白-1(MCP-1)和肿瘤坏死因子受体II(TNF-RII)；

(ii)脱脂载脂蛋白CIII、CD40、粒细胞-巨噬细胞集落刺激因子(GM-CSF)、触珠蛋白、免疫球蛋白A(IgA)、巨噬细胞炎性蛋白1α(MIP-1α)、组织因子和肿瘤坏死因子-α(TNF-α)；和

(iii)α-1抗胰蛋白酶、C-反应蛋白(CRP)、血纤蛋白原、粒细胞-巨噬细胞集落刺激因子(GM-CSF)、白介素-4(IL-4)、巨噬细胞衍生的趋化因子(MDC)、组织因子、肿瘤坏死因子受体II(TNFRII)和可溶性血管细胞黏附分子1(sVCAM-1)；

(b)将所述获得的数据集输入计算机分析程序，所述分析程序将所述获得的数据集与一个或多个参考数据集相比较；和

(c)根据所述分析程序的输出值来对所述测试样品进行分类，其中所述分类选自慢性阻塞性肺疾病(COPD)分类和健康分类。

2.根据权利要求1所述的方法，该方法还包括在对所述测试样品进行分类之后的下述任一步骤：(a)转换所述分类信息以评估临床试验中药物的效力、诊断所述受试者的COPD、评估所述受试者COPD进展程度或制定针对所述受试者的COPD治疗计划；或者(b)治疗所述受试者的COPD。

3.根据权利要求1或2所述的方法，其中所述测试样品选自血液、血浆和血清。

4.根据权利要求3所述的方法，其中所述分析程序包括使用预测模型，所述预测模型包括所述一个或多个参考数据集。

5.根据权利要求4所述的方法，其中COPD分类代表快速下降COPD分类或缓慢下降COPD分类。

6.根据权利要求5所述的方法，其中所述一个或多个参考数据集包括获自一个或多个人类受试者的定量数据，所述人类受试者选自健康受试者、被诊断患有快速下降COPD的受试者和被诊断患有缓慢下降COPD的受试者。

7.根据权利要求6所述的方法，其中所述至少三种蛋白标志包括脱脂载脂蛋白H、MCP-1和TNF-RII。

8.根据权利要求7所述的方法，其中所述获得的数据集包括脱脂载脂蛋白H、CD40、触珠蛋白、IL-8、MCP-1和TNF-RII的定量数据。

9.根据权利要求6所述的方法，其中所述至少三种蛋白标志包括IgA、MIP-1α和组织因子。

10.根据权利要求9所述的方法，其中所述获得的数据集包括脱脂载脂蛋白CIII、CD40、GM-CSF、触珠蛋白、IgA、MIP-1α、组织因子和TNF-α的定量数据。

11.根据权利要求6所述的方法，其中所述至少三种蛋白标志包括MDC、组织因子和sVCAM-1。

12.根据权利要求11所述的方法，其中所述获得的数据集包括α-1抗胰蛋白酶、CRP、血纤蛋白原、GM-CSF、IL-4、MDC、组织因子、TNF-RII和sVCAM-1的定量数据。

13.根据权利要求1或2所述的方法，其中所述分析程序包括使用线性判别分析(LDA)模型、支持向量机分类算法、递归特征消除模型、微阵列模型预测分析、逻辑回归模型、CART算法、FlexTree算法、LART算法、随机森林算法、MART算法或机器学习算法。

14.根据权利要求13所述的方法，其中所述分析程序包括使用LDA模型，所述LDA模型包括被选择以提供超过75％的质量度量的项目。

15.根据权利要求14所述的方法，其中所述质量度量是准确度。

16.根据权利要求15所述的方法，其中对所述LDA模型进行调整以提供至少70％的灵敏度或特异性的至少一种。

17.根据权利要求4所述的方法，其中所述预测模型具有至少75％的分类质量度量。