[发明专利]用于分析数字数据的方法

说明书

公开了用于产生用于识别关注病状发生的关键因素的富集参考数据图谱的方法。该参考数据图谱可用于评估实现关注病状的风险或可能性。在医学或遗传学的上下文中，本发明的方法可用于产生风险评估路线图谱，该路线图谱可用于识别对特定疾病或综合征的发生至关重要的元素(生物分子构建体、生物相互作用和生物通路)。可以参考该路线图谱以设计具有成功治疗或预防疾病或综合征发生的最大可能性的治疗方法。还公开了使用这种风险评估路线图谱来评估元素的特定配置的方法，用于确定将导致实现或避免定义的关注病状的元素配置的变化。在医学或遗传学的上下文中，本发明提供了利用个体或种群的生物学数据确定个体或个体组对发生特定疾病或综合征的易感性，并通过参考根据在此的公开内容制备的风险评估路线图谱来评估风险水平的方法。通过这些方法最小化或消除了诊断的不确定性，并识别最可能对疾病发生至关重要的靶点、相互作用和通路，并且从而代表治疗或预防疾病或综合征的最优干预点。

优先权声明

本申请要求2016年4月7日提交的美国临时申请No.62/319,403的优先权权益，其内容通过引用整体并入在此。

技术领域

本发明一般涉及生物分子相互作用分析、海量数据收集和海量数据整合。具体地，本发明涉及利用极大数据集合(有时称为“大数据”并以“组学(omics)”数据为例，即基因组学、蛋白质组学、代谢物组学、药理组学等)的力量的改进方法，以便识别生物分子相互作用、靶点和通路以及对其分级，这些相互作用、靶点和通路具有控制或确定特定疾病或综合征发生的最高可能性。通过整合这些海量数据以确定生物分子相互作用、靶点或通路与特定疾病或综合征的相关性，产生加强的参考数据库，并且代表种群或种群的子集的这种加强的参考数据库可以使用个体或个体组的遗传谱(profile)来查询，以便确定发生特定疾病或综合征的易感性，并识别在治疗上用于解决这种疾病或综合征的最有效靶点。

背景技术

构成人体所有的有核细胞染色体的遗传物质(DNA)提供了生产体内所有蛋白质的完整指令。基因工程领域的发展以及人类和许多其它生物基因组的完整测序导致细胞和维持生命的系统的相互关联功能的更多理解。

随着对正常遗传功能的日益增加的理解，大量增加了解遗传物质的内容、配置和操作的变异、异常和突变如何可导致异常或阻止功能或为许多疾病提供遗传基础。两个个体的遗传物质，甚至是在遗传上相同的双胞胎，可以在许多方面变化，例如，特定基因的拷贝数量变异和外显子组(编码蛋白的互补物)、CpG岛、甲基化位点、编码和非编码RNA以及染色体位点的构象等的差异。所有这些因素都可导致许多蛋白质的差异表达，这些蛋白质在一些情况下可导致一个个体而非另一个个体的疾病或综合征的发生。

在相同物种的个体的基因组内研究最多和最常见的变异是基因多态性。“基因多态性”是指在一个位点(locu)处存在两个或更多个等位基因或基因形式的种群或物种，其中每个等位基因足够频繁发生以使其保持在物种的基因组中。最简单的基因组多态性变体是单核苷酸多态性或SNP，其是给定基因组学的位点处的单核苷酸的变体。更复杂的基因多态性变体包括缺失或插入多态性，例如遗传片段不存在于基因的一个等位基因中但在同一基因的另一个等位基因中存在或连体重复。

对人类基因组进行完全测序以及在短时段内并以合理的成本对任何受试者的整个基因组进行测序的能力的实现已导致关于特定基因多态性变体的可用信息的爆炸性增加，并且在许多情况下，导致它们对遗传疾病或疾病发生作出贡献或部分贡献。基因多态性可以是沉默的，意味着该变体导致对基因表达或功能或活性不可检测的影响，其中该变异导致基因的差异转录或表达或改变由该基因编码的表达蛋白质的性质。例如，位于编码蛋白质的DNA外显子中的SNP可以导致不同氨基酸序列的蛋白质或蛋白质的剪接变体的表达，或者如果SNP导致在该位点处产生终止密码子，甚至可能阻止蛋白质的表达。例如通过改变mRNA剪接，与基因转录产物相互作用或与细胞机器相互作用，内含子中的SNP也可以影响基因表达。非编码转录调节区域中的SNP可减少、阻止或放大基因表达。