[发明专利]用于生成生物标志物签名的系统和方法

权利要求书

1.一种用于识别疾病状态的生物签名的计算机实现的方法，包括：

(a)接收多个数据集，每一个数据集包括在包括疾病状态和控制状态在内的不同状态下的生物系统中的多个生物实体的表达水平；

(b)针对多次迭代中的每一次：

(i)将所述多个数据集分为训练部分和测试部分，

(ii)使用所述多个数据集中的训练部分来将所述训练部分中具有高于阈值的差异表达的预定数目的生物实体选择作为子候选签名，并且生成将所述数据集中的每一个指派给疾病类和控制类中的一个的分类规则，并且

(iii)使用所述多个数据集中的测试部分来应用所述分类规则以将每一个数据集指派给所述疾病类和所述控制类中的一个，并且基于所述指派生成性能子测量结果；

(c)通过从所述子候选签名的聚合中选择频繁识别出的生物实体来生成具有所述预定数目的生物实体的候选签名；

(d)根据所述性能子测量结果中至少一些的复合来生成与所述候选签名相关联的性能测量结果；

(e)针对所述预定数目的多个不同值重复步骤(b)至(d)以生成多个候选签名和多个相关联的性能测量结果；以及

(f)将与最高性能测量结果相关联的所述候选签名存储作为所述生物签名。

2.如权利要求1所述的方法，还包括通过比较对应的疾病状态表达水平和对应的控制状态表达水平来使用所述训练部分确定每一个生物实体的差异表达。

3.如权利要求1-2中任一个所述的方法，其中，所述分类规则 基于所述数据集内的所述生物实体的表达水平来指派所述数据集中的每一个。

4.如权利要求1-2中任一个所述的方法，其中，通过将每一个数据集的指派与和所述数据集相关联的包括疾病状态和控制状态在内的不同状态相比较来生成所述性能子测量结果。

5.如权利要求1-2中任一个所述的方法，其中，所述多个生物实体包括基因、miRNA、蛋白质或者前述者中的两者或多者的组合中的一个或多个。

6.如权利要求1-2中任一个所述的方法，其中，表达水平包括甲基化数据、基因表达数据、miRNA表达数据和蛋白质表达数据中的一个或多个。

7.如权利要求1-2中任一个所述的方法，其中，确定差异表达包括微阵列显著性分析(SAM)和Limma分析中的至少一种。

8.如权利要求1-2中任一个所述的方法，其中，生成分类规则包括支持向量机方法。

9.如权利要求1-2中任一个所述的方法，其中，生成所述性能子测量结果包括计算正确指派的数据集的百分比。

10.如权利要求1-2中任一个所述的方法，其中，生成所述性能子测量结果包括计算所指派的数据集的马修相关系数。

11.如权利要求1-2中任一个所述的方法，其中，在步骤(c)中从所述子候选签名的聚合中选择频繁识别出的生物实体包括计算 所述子候选签名中包括的所有生物实体的并集中的每一个生物实体的发生频率。

12.如权利要求1-2中任一个所述的方法，其中，生成所述性能测量结果包括求与所述预定数目相关联的子候选签名的所有性能子测量结果的平均数。

13.如权利要求1-2中任一个所述的方法，还包括在显示设备上显示与所述预定数目的多个不同值形成对照的多个性能测量结果的示图，以及显示所述候选签名中包括的生物实体的列表。

14.一种存储计算机可读指令的计算机可读存储介质，所述计算机可读指令当在包括至少一个处理器的计算机化的系统中执行时使所述处理器执行如权利要求1-13中任一个所述的方法中的一个或多个步骤。

15.一种包括配置有非临时计算机可读指令的至少一个处理器的计算机化的系统，所述非临时计算机可读指令当被执行时使所述至少一个处理器执行如权利要求1-13中任一个所述的方法。