[发明专利]用于确定不同细胞亚群的比例的方法和系统

权利要求书

1.一种对样品的特征图谱进行去卷积的方法，其包括：

i)获得包括第一多个不同组分的物理样品；

ii)由所述物理样品产生特征图谱m，其中所述特征图谱包括与所述第一多个不同组分相关联的特征的组合；

iii)优化m与第二多个不同组分的特征标记的参考矩阵B之间的回归，其中m被建模为B的线性组合，

其中所述优化包括求解包括所述回归的一组回归系数的f，其中所述解使以下最小化：

线性损失函数；和

L₂范数惩罚函数；

iv)基于所述一组回归系数估计所述物理样品中存在的所述第二多个不同组分中的一个或多个不同组分的相对比例；以及

v)通过以下方式确定用于估计的显著性值：

a)产生包括从父级特征图谱中随机选择的特征的随机特征图谱m*，其中所述父级特征图谱包括所述特征图谱，并且其中m和m*具有相同的欧几里得范数；

b)优化m*与所述参考矩阵B之间的回归，其中m*被建模为B的线性组合，

其中所述优化包括求解包括所述回归的一组回归系数的f*，其中所述解使以下最小化：

线性损失函数；和

L₂范数惩罚函数；

c)计算f*和所述参考矩阵B的乘积以产生重构特征图谱；

d)确定所述随机特征图谱与所述重构特征图谱之间的差异测量；以及

e)基于由步骤a)-d)的i次迭代确定的差异测量的分布确定显著性值，其中i是大于1的数值。

2.根据权利要求1所述的方法，其中求解f包括在B的特征标记的多个不同子集中选择B中的特征的子集以使所述线性损失函数最小化。

3.根据权利要求1或2所述的方法，其中，所述线性损失函数是线性ε不敏感损失函数。

4.根据权利要求1所述的方法，其中，所述优化包括使用支持向量回归(SVR)。

5.根据权利要求4所述的方法，其中，所述支持向量回归是ε-SVR。

6.根据权利要求4所述的方法，其中，所述支持向量回归是ν(nu)-SVR。

7.根据权利要求6所述的方法，其进一步包括使用不同的ν值迭代所述方法，以针对每个不同的ν值产生f的不同解。

8.根据权利要求7所述的方法，其进一步包括在f的所述不同解中识别在以下两项之间具有最小误差的解：

a)所述特征图谱m；与

b)f和所述参考矩阵B的乘积。

9.根据权利要求8所述的方法，其中，所述最小误差使用皮尔逊积矩相关系数、斯皮尔曼等级相关、均方根误差(RMSE)、欧几里得距离或者平均绝对偏差(MAD)获得。

10.根据权利要求1所述的方法，其中，所述差异测量是皮尔逊积矩相关系数、斯皮尔曼等级相关、均方根误差(RMSE)、欧几里得距离或者平均绝对偏差(MAD)。

11.根据权利要求1或10所述的方法，其中，所述显著性值是p值。

12.根据权利要求1所述的方法，其中，i在10与1000之间。

13.根据权利要求1所述的方法，其中，所述物理样品包括以所述特征标记表示的、占所述物理样品中存在的所述第二多个不同组分的总量的10％或更少的至少一个不同组分。

14.根据权利要求1所述的方法，其中，以所述特征标记表示的不同组分在所述物理样品中的存在量为所述物理样品中不同组分的总量的50％或更少。