[发明专利]用于早期肺癌预后的基于血浆的蛋白质概况分析

权利要求书

1.一种对测试数据进行分类的方法，所述测试数据包括多个生物标志物度量，所述生物标志物度量是生物标志物集中各项的生物标志物度量，所述方法包括：

·在至少一个处理器上接收测试数据，所述测试数据包括来自人测试对象的生理样品中生物标志物集中各生物标志物的生物标志物度量；

·使用至少一个处理器评估测试数据，所述评估使用分类器进行，所述分类器是分类系统的电子表示，各所述分类器经过采用电子储存训练数据向量集的训练，各训练数据向量代表个人并且包含该对应人生物标志物集中各生物标志物的生物标志物度量，各训练数据向量还包含关于该对应人有否诊出NSCLC的分类；和

·使用至少一个处理器输出对所述来自人测试对象的样品的分类，所述分类是基于所述评估步骤的关于所述对象NSCLC存在或发展可能性的分类，

其中所述生物标志物集包含选自下组的至少九(9)种生物标志物：IL-8、MMP-9、sTNFRII、TNFRI、MMP7、IL-5、抵抗素、IL-10、MPO、NSE、MCP-1、GRO、CEA、瘦蛋白、CXCL9、HGF、sCD40L、CYFRA-21-1、sFasL、RANTES、IL-7、MIF、sICAM-1、IL-2、SAA、IL-16、IL-9、PDFG-AB/BB、sEFGR、LIF、IL-12p70、CA125和IL-4。

2.一种对测试数据进行分类的方法，所述测试数据包括多个生物标志物度量，所述生物标志物度量是生物标志物集中各项的生物标志物度量，所述方法包括：

·使用至少一个处理器，访问电子储存的训练数据向量集，各训练数据向量代表个人并且包含该对应人生物标志物集中各生物标志物的生物标志物度量，各训练数据向量还包含关于该对应人有否诊出NSCLC的分类；

·使用所述电子储存的训练数据向量集训练分类系统的电子表示；

·在至少一个处理器处接收测试数据，所述测试数据包括人测试对象中所述生物标志物集的多个生物标志物度量；

·使用至少一个处理器评估测试数据，所述评估使用所述分类系统的电子表示来进行；和

·输出对所述人测试对象的分类，所述分类是基于所述评估步骤的关于所述对象非小细胞肺癌存在或发展可能性的分类，

其中所述生物标志物集包含选自下组的至少九(9)种生物标志物：IL-8、MMP-9、sTNFRII、TNFRI、MMP7、IL-5、抵抗素、IL-10、MPO、NSE、MCP-1、GRO、CEA、瘦蛋白、CXCL9、HGF、sCD40L、CYFRA-21-1、sFasL、RANTES、IL-7、MIF、sICAM-1、IL-2、SAA、IL-16、IL-9、PDFG-AB/BB、sEFGR、LIF、IL-12p70、CA125和IL-4。

3.如权利要求1或2所述的方法，其中，所述分类系统选自下组：随机森林，AdaBoost，朴素贝叶斯，支持向量机，LASSO，岭回归，神经网，遗传算法，弹性网，梯度增强树，贝叶斯神经网络，k-最近邻或其集合。

4.如权利要求1-3中任一项所述的方法，其中，所述分类系统包括随机森林。

5.如权利要求1-3中任一项所述的方法，其中，所述分类系统包括AdaBoost。

6.如权利要求1-3中任一项所述的方法，其中，所述分类系统包括朴素贝叶斯。

7.如权利要求1-3中任一项所述的方法，其中，所述分类系统包括支持向量机。

8.如权利要求1-3中任一项所述的方法，其中，所述分类系统包括LASSO。

9.如权利要求1-3中任一项所述的方法，其中，所述分类系统包括岭回归。

10.如权利要求1-3中任一项所述的方法，其中，所述分类系统包括神经网。

11.如权利要求1-3中任一项所述的方法，其中，所述分类系统包括遗传算法。