[发明专利]使用生物网络识别药物靶点的系统和方法

权利要求书

1.一种方法，包括由一个或多个处理器执行计算机可执行指令用于预测治疗疾病的药物靶点效果的方法，所述方法进一步包括：

至少部分地基于对疾病的药物抑制效果的知识构建贝叶斯网络的结构；

将一组参数与构建的贝叶斯网络相关；

通过自动过程确定贝叶斯网络的联合概率分布的值；

至少部分地基于这些联合概率值导出具有一个或多个平均参数的平均贝叶斯网络；和

至少部分地基于平均贝叶斯网络计算定量预测。

2.如权利要求1所述的方法，其中构建贝叶斯网络的结构包括根据领域专家知识增加变量之间的定向边。

3.如权利要求1所述的方法，其中将一组参数与构建的贝叶斯网络相关包括联合在贝叶斯网络中其他变量的值指示一个或多个变量的值的联合概率。

4.如权利要求1所述的方法，其中确定联合概率分布的值是基于包括多个激活父母和多个与贝叶斯网络相关的抑制父母的局部结构。

5.如权利要求1所述的方法，其中导出平均贝叶斯网络包括平均与网络相关的联合概率值。

6.如权利要求1所述的方法，其中计算定量预测包括整合一组贝叶斯网络并通过贝叶斯网络组的先验概率乘以结果。

7.如权利要求6所述的方法，其中整合一组贝叶斯网络包括在激活和抑制父节点的组合下至少部分地基于子节点概率以相对顺序应用整合限制。

8.一种方法，包括由一个或多个处理器执行计算机可执行指令用于自动确定在贝叶斯网络中的多项分布的方法，所述方法进一步包括：

使用相关于已构建贝叶斯网络结构的一组联合概率参数构建贝叶斯网络的图形结构；

设计自动过程以确定与所述联合概率参数相关的值；

同时导出等效平均贝叶斯网络或贝叶斯网络的类；和

使用等效平均贝叶斯网络或贝叶斯网络的类实施定量预测和推理模拟。

9.如权利要求8所述的方法，其中构建贝叶斯网络的图形结构至少部分地通过根据领域专家或知识资源增加变量之间的定向边。

10.如权利要求8所述的方法，其中联合概率的值至少部分基于在贝叶斯网络中局部结构来确定，其中局部结构包括一个或多个激活父母，其在出现时，增大与相应子节点相关的概率。

11.如权利要求8所述的方法，其中联合概率的值至少部分基于在贝叶斯网络中局部结构来确定，其中局部结构包括一个或多个抑制父母，其在出现时，减小与相应子节点相关的概率。

12.如权利要求8所述的方法，其中等效平均贝叶斯网络包括具有来自贝叶斯网络的类的平均参数的贝叶斯网络。

13.如权利要求8所述的方法，其中定义构建的贝叶斯网络通过结构和参数：B1＝(G1，Θ1)；B2＝(G2，Θ2)；B3＝(G3，Θ3)；B4＝(G4，Θ4)；B5＝(G5，Θ5)，其中联合概率包括：Θ₁＝P(A，B，C，D)；Θ₂＝P(A，B，D)；Θ₃＝P(A，B，D)；Θ₄＝P(A，D)；Θ₅＝P(A，D)，给定结构G1-G5。

14.如权利要求8所述的方法，其中构建了放置在激活和抑制父节点的组合下的子节点概率上的相对顺序的矩阵。