[发明专利]卷积神经网络系统及数据分类方法

说明书

本发明提供一物种的多个不同的癌症状况中的癌症状况的分类，其中针对多个训练对象中的每个训练对象，获得一癌症状况以及包括所述各自的训练对象的基因型信息的一基因型数据构建。多个基因型构建被格式化为包括一个或多个向量的多个相应的向量集。多个向量集被提供给一网络架构，所述网络架构包括一卷积神经网络路径，所述卷积神经网络路径包括与一第一过滤器相关联的至少一第一卷积层，所述第一过滤器包括一第一组过滤器权重以及一评分器。从所述评分器获得对应于多个向量集到所述网络架构的输入的多个分数。多个各自的分数与所述多个相应的训练对象的所述相应的癌症状况的比较被用于调整所述多个过滤器权重，从而训练所述网络架构，以对癌症状况进行分类。

相关申请的交叉引用

本申请要求于2018年6月1日提交的标题为“用于数据分类的卷积神经网络系统及方法”的美国临时专利申请第62/679,746号的优先权权益；其内容通过引用并入于此。

技术领域

本说明书描述了使用来自这类对象的基因型信息，通过卷积神经网络来对多个对象的癌症状况进行分类。

背景技术

对癌症的分子发病机理的日益了解以及次世代测序(next generationsequencing)技术的迅速发展正在推动体液中癌症发展所涉及的早期分子改变的研究。在血浆、血清及尿液游离DNA(cell-free DNA，cfDNA)中发现了与此类癌症发展相关的特定遗传以及表观遗传改变。这种改变可以潜在地用作几种类型癌症的诊断生物标记。参见Salvi等人，2016，“游离DNA作为癌症的诊断标记：最新见解(Cell-free DNA as a diagnosticmarker for cancer：current insights)”，肿瘤靶标和治疗(Onco Targets Ther.)；9：6549-6559。

截至2015年，美国每年总计有1,658,370例癌症，是显着的全球公共卫生问题。参见，Siegel等人，2015，“癌症统计(Cancer statistics)”，CA：临床医师癌症杂志(CACancer J Clin)；65(1)：5-29。筛查程序以及早期诊断对改善癌症患者的无病存活率及降低死亡率具有重要影响。由于用于早期诊断的非侵入性方法可以提高患者的依从性，因此可被纳入筛查程序中。

在临床实践中使用的基于血清的非侵入性生物标记包括癌抗原125(CA 125)、癌胚抗原、醣类抗原19-9(CA19-9)以及前列腺特异度抗原(PSA)，用于分别检测卵巢、结肠及前列腺癌。参见Terry等人，2016，“欧洲EPIC队列中卵巢癌的早期检测生物标记的前瞻性评估(A prospective evaluation of early detection biomarkers for ovarian cancerin the European EPIC cohort)”，临床癌症研究(Clin Cancer Res.)；2016年4月8日；Epub及Zhang等人，2015年，“胰脏癌诊断中的肿瘤标记CA19-9、CA242及CEA：一种元分析(Tumor markers CA19-9，CA242 and CEA in the diagnosis of pancreatic cancer：ameta-analysis)”，国际临床与实验医学杂志(Int J Clin Exp Med.)；8(7)：11683-11691。

这些生物标记通常具有低特异度(大量假阳性结果)。因此，正在积极寻求新的非侵入性生物标记。对癌症的分子发病机理的日益了解以及例如次世代核酸测序技术之类的新分子技术的迅速发展正在促进体液中早期分子改变的研究。