[发明专利]与基于网络的生物标记签名相关的系统和方法

说明书

本文中提供了用于产生用于表型预测的分类器的系统和方法。表示生物系统的计算因果网络模型包括多个节点和连接节点对的多个边。接收与第一生物实体子集在第一组条件下获得的活动相应的第一数据集合，并且接收与第一生物实体子集在第二组条件下获得的活动相应的第二数据集合。计算活动度量集合，该活动度量集合表示关于第一节点子集的第一数据集合和第二数据集合之间的差别。产生未被测量的第二节点子集的活动值集合。基于活动度量集合、活动值集合或这两者产生用于表型的分类器。

相关申请的引用

本申请依据35U.S.C.§119要求于2012年6月21日提交的标题为“Systems andMethods Relating to Network-Based Biomarker Signatures”的美国临时专利申请No.61/662,806和于2012年7月16日提交的标题为“Systems and Methods Relating toNetwork-Based Biomarker Signatures”的美国临时专利申请No.61/671,954的优先权，以上每篇申请的全部内容并入本文。

背景技术

在过去的十年中，与传统的剂量相关的疗效和毒性测定相结合的对于核酸、蛋白质和代谢物水平的高吞吐量测量已经作为用于阐明许多生物过程的作用机制的手段出现。研究者试图将来自这些迥然不同的测量的信息与来自科学文献的关于生物路径的知识组合以组装有意义的生物模型。为此，研究者已经开始使用可以挖掘大量数据的数学和计算技术(诸如聚类和统计方法)来识别可能的生物作用机制。

由于典型的基因表达数据中的信噪比很高、个体之间的基因型可变性、以及通常测量的基因的数量相对于患者的数量而言很多，找到对于诊断工具足够可靠的基因签名是非常具有挑战性的。以前的工作探讨了以下步骤的重要性：揭示由对于生物过程的一个或多个扰动而造成的基因表达变化的特征签名，随后作为对该过程的特定活动振幅的度量、对该签名在附加的数据集合中的存在进行评分。关于这方面的大多数工作涉及识别与疾病表型相关的签名并且对这些签名进行评分。这些表型推导的签名提供重要的分类能力，但是缺乏单个特定扰动与签名之间的机械或因果关系。因此，这些签名可以表示多个截然不同的未知的扰动，这些未知的扰动通过通常未知的机制(一种或多种)导致相同的疾病表型或者由相同的疾病表型而造成。

一个挑战在于理解生物系统中的各种单个的生物实体的活动如何使得能够激活或抑制不同的生物机制。因为单个的实体(诸如基因)可能涉及多个生物过程(例如，炎症和细胞增殖)，所以对基因的活动的测量不足以识别触发该活动的基础生物过程。

当前技术均尚未应用于在微观尺度上识别负责生物实体的活动的基础机制，也尚未提供对不同的生物机制的激活的定量评定，在所述不同的生物机制中，这些实体在对潜在有害的动因(agent)和实验条件作出响应时起作用。因此，需要改进的用于考虑到生物机制来对全系统生物数据进行分析并且当系统对动因或环境变化做出响应时量化生物系统中的变化的系统和方法。

发明内容