[发明专利]用于生物样品的多分析物测定的机器学习实施方式

权利要求书

1.一种使用能够区分个体群体的分类器的方法，所述方法包括：

a)使用多种测定来测定生物样品中的多种类别的分子，其中所述测定提供多组代表所述多种类别的分子的测量值；

b)鉴定待输入到机器学习模型中的一组特征，所述特征对应于所述多种类别的分子中的每一种的特性；

c)由所述多组测量值制备特征值的特征向量，每个特征值对应于所述组的特征中的一个特征并且包含一个或多个测量值，其中所述特征向量包含使用所述多组测量值中的每组获得的至少一个特征值；

d)将包括所述分类器的所述机器学习模型加载到计算机系统的存储器中，所述机器学习模型使用从训练生物样品获得的训练向量来训练，所述训练生物样品的第一子集被鉴定为具有指定特性，并且所述训练生物样品的第二子集被鉴定为不具有所述指定特性；以及

e)将所述特征向量输入到所述机器学习模型中，以获得所述生物样品是否具有所述指定特性的输出分类，从而区分具有所述指定特性的所述个体群体。

2.根据权利要求1所述的方法，其中所述多种类别的分子选自由以下组成的群组：核酸、聚氨基酸、碳水化合物或代谢物。

3.根据权利要求1所述的方法，其中所述多种类别的分子选自由以下组成的群组：脱氧核糖核酸(DNA)、基因组DNA、质粒DNA、互补DNA(cDNA)、无细胞(例如，非包封)DNA(cfDNA)、循环肿瘤DNA(ctDNA)、核小体DNA、染色体DNA、线粒体DNA(miDNA)、人工核酸模拟物、重组核酸、质粒、病毒载体、染色质和外周血单核细胞衍生的(PBMC衍生的)基因组DNA。

4.根据权利要求1所述的方法，其中所述多种类别的分子选自由以下组成的群组：包括核糖核酸(RNA)、信使RNA(mRNA)、转运RNA(tRNA)、微RNA(mitoRNA)、核糖体RNA(rRNA)、循环RNA(cRNA)、可变剪接的mRNA、小核RNA(snRNA)、反义RNA、短发夹RNA(shRNA)或小干扰RNA(siRNA)的核酸。

5.根据权利要求1所述的方法，其中所述多种类别的分子选自由以下组成的群组：聚氨基酸、肽、蛋白、自身抗体或其片段。

6.根据权利要求1所述的方法，其中所述类别的分子选自由以下组成的群组：糖、脂质、氨基酸、脂肪酸、酚类化合物或生物碱。

7.根据权利要求1所述的方法，其中所述多种类别的分子选自由以下中的至少两种组成的群组：cfDNA分子、cfRNA分子、循环蛋白、抗体和代谢物。

8.根据权利要求1所述的方法，其中所述多种类别的分子选自由以下组成的群组：1)cfDNA、cfRNA、聚氨基酸和小化学分子，或2)cfDNA和cfRNA以及聚氨基酸，3)cfDNA和cfRNA以及小化学分子，或4)cfDNA、聚氨基酸和小化学分子，或5)cfRNA、聚氨基酸和小化学分子，或6)cfDNA和cfRNA，或7)cfDNA和聚氨基酸，或8)cfDNA和小化学分子，或9)cfRNA和聚氨基酸，或10)cfRNA和小化学分子，或11)聚氨基酸和小化学分子。

9.根据权利要求1所述的方法，其中所述多种类别的分子是cfDNA、蛋白和自身抗体。

10.根据权利要求1所述的方法，其中所述多种测定可以包含以下中的至少两种：全基因组测序(WGS)、全基因组亚硫酸氢盐测序(WGSB)、EM-seq测序、小RNA测序、定量免疫测定、酶联免疫吸附测定(ELISA)、邻近延伸测定(PEA)、蛋白微阵列、质谱法、低覆盖率全基因组测序(lcWGS)；选择性标记5mC测序(WO2019/051484)、CNV识别(CNV calling)；肿瘤分数(TF)估计；全基因组亚硫酸氢盐测序；LINE-1CpG甲基化；56个基因CpG甲基化；cf-蛋白免疫定量ELISA、SIMOA；以及cf-miRNA测序和衍生于以上测定中的任一种的细胞类型或细胞表型混合物比例。