[发明专利]使用潜变量的患者分层

说明书

提供了一种将患者群体分层为疾病内型的计算机实施的方法。该方法包括：将与患者有关的数据编码为潜变量；确定该潜变量的一个或多个重要性度量；使用该重要性度量，确定该潜变量的优先级；解读一个或多个经排序的潜变量；以及识别由该被解读的潜变量中的一个或多个代表的疾病内型。

本申请涉及用于将患者群体分层为疾病内型(disease endotype)的系统和方法。本公开的技术尤其应用于生物信息学和药物发现领域，在这些领域中，需要了解疾病内型，并为其开发治疗方法。

背景技术

为了将患者群体分层为疾病内型，需要一个模型能够获取与患者群体相关的数据并加以利用，以将患者分成与疾病内型相对应的组。然而，对疾病及其内型潜在的生物学过程的了解往往不足以对它们成功建立模型。因此，当未充分了解一种疾病时，可能难于将患者群体分层为疾病内型。

因此，需要一种改进的技术，用于在对疾病及其潜在生物学机制不甚了解的情况下识别疾病内型。

下面描述的实施例不限于解决上述已知方法的任何或所有缺点的实施。

发明内容

提供本发明内容是为了以简洁的形式介绍概念的选择，这些概念将在下文的详细描述中进一步描述。本发明内容并不旨在确认所要求的主题的关键特征或基本特征，也不旨在用来确定所要求的主题的范围。

在第一方面，本公开提供了一种将患者群体分层为疾病内型的计算机实施的方法，该方法包括：将与患者有关的数据编码为潜变量；确定该潜变量的一个或多个重要性度量；使用该重要性度量，确定该潜变量的优先级；解读该一个或多个潜变量；以及识别由该被解读的潜变量中的一个或多个代表的疾病内型。

可选地，该数据包括基因组学数据、转录组学数据、甲基化数据、拷贝数变异数据、蛋白质组学数据和临床数据中的一种或多种。可选地，该计算机实施的方法包括对该数据进行批量修正。可选地，该计算机实施的方法包括使用无监督机器学习模型对该数据进行编码。可选地，该机器学习模型包括来自包括线性因子模型、自动编码器和非线性变分自动编码器的组中的一个或多个。可选地，该计算机实施的方法包括对潜变量应用稀疏性约束。可选地，该计算机实施的方法包括从数据中提取带标记的数据的副本；以及使用潜变量来预测临床属性。可选地，计算机实施的方法包括重复运行一个或多个无监督机器学习模型，以对该数据进行多次编码，其中，确定潜变量的一个或多个重要性度量包括确定该潜变量的复现程度。可选地，确定潜变量的一个或多个重要性度量包括：确定潜变量对变异比例的贡献。可选地，确定潜变量的一个或多个重要性度量包括：确定潜变量区分患者与对照组的能力。可选地，确定潜变量的一个或多个重要性度量包括：确定潜变量对患者属性预测的程度。可选地，使用重要性度量为潜变量确定优先级包括：对预测与疾病相关的患者属性的潜变量进行奖励。可选地，与疾病相关的患者属性包括下列之一：患者存活时间、生活质量度量、疾病分期和复发可能性。可选地，使用重要性度量为潜变量确定优先级包括：对预测与疾病无关的患者属性的潜变量进行惩罚。可选地，与疾病无关的患者属性包括下列之一：种族和性别。可选地，对一个或多个潜变量进行解读包括：对一个或多个潜变量应用基因富集分析。可选地，识别由一个或多个被解读的潜变量所代表的疾病内型包括：使用一个或多个潜变量中编码的基因表达模式，识别该疾病潜在的生物学过程。

在第二方面，本公开提供了一种计算机可读介质，其上存储有代码，当该代码由计算机执行时，使该计算机执行上述方法。

在第三方面，本公开提供了一种用于将患者群体分层为疾病内型的系统，该系统包括：编码器，被配置为将与患者有关的数据编码为潜变量；重要性模块，被配置为确定该潜变量的一个或多个重要性度量；优先度(prioritisation)模块，被配置为使用该重要性度量为该潜变量确定优先级；解读模块，被配置为对该潜变量中的一个或多个进行解读；以及内型识别模块，被配置为识别由一个或多个被解读的潜变量所代表的疾病内型。