[发明专利]复杂疾病的体外诊断方法

摘要

本发明涉及用于在生物样品中体外诊断复杂疾病的方法和试剂盒，所述复杂疾病例如癌症，特别是急性髓细胞白血病(AML)、结肠癌、肾癌、前列腺癌；短暂性脑缺血发作(TIA)，缺血，特别是中风、缺氧、缺氧缺血脑病、围产期脑损伤、新生儿窒息的缺氧缺血脑病；脱髓鞘性病，特别是白质病、脑室周围脑白质病、多发性硬化症、阿尔茨海默病和帕金森氏病。对于诊断，测定至少2种不同种类的生物分子并通过适合的分类器算法和其他统计程序将结果分类，从而进行应用。通过本发明，可实现可靠性(例如仅表达曲线的可靠性)的显著进步。换言之，在确定的集合中，可以实现高达100％准确的阳性诊断，从而使本发明的方法优于现有技术。

主权项

1.一种哺乳动物受试者的至少一个组织的至少一个生物样品中的复杂疾病或其亚型的体外诊断方法，所述复杂疾病或其亚型选自：癌症，特别是急性髓细胞白血病(AML)、结肠癌、肾癌、前列腺癌；短暂性脑缺血发作(TIA)，缺血，特别是中风、缺氧、缺氧缺血脑病、围产期脑损伤、新生儿窒息的缺氧缺血脑病；脱髓鞘性病，特别是白质病、脑室周围脑白质病、多发性硬化症、阿尔茨海默病和帕金森氏病；所述方法包括以下步骤：a)选择至少2个不同种类的生物分子，其中所述种类的生物分子选自：RNA和/或其DNA对应物、微小RNA和/或其DNA对应物、肽、蛋白质、和代谢物；b)利用至少2组不同种类的生物分子测定所述样品中的每一种类的多个生物分子的选自存在或不存在、定性和/或定量分子模式和/或分子标记、水平、量、浓度和表达水平的至少一种参数，并将所获得的值的组作为原始数据存储于数据库中；c)对所述原始数据进行数学预处理从而减少步骤b)中所用测定程序固有的技术误差；d)从逻辑回归、(对角线)线性或二次判别分析(LDA、QDA、DLDA、DQDA)、感知器、缩小矩心正规判别分析(RDA)、随机森林(RF)、神经网络(NN)、贝叶斯网络、隐马模型、支持向量机(SVM)、偏一般最小平方法(GPLS)、围绕中心点划分(PAM)、自组织映射(SOM)、递归拆分和回归树、K-最邻近分类法(K-NN)、模糊分类器、袋翻、增压、和Bayes中选择至少一种适合的分类算法；并将所述选择的分类器算法用于步骤c)的所述预处理的数据；e)将步骤d)的所述分类器算法对至少一个训练数据组进行训练，所述训练数据组包含来自根据其病理生理、生理、预后、或响应者情况分类的受试者的预处理数据，从而选择一个分类器功能从而将所述预处理数据映射至所述情况；f)将步骤e)的所述经训练的分类器算法应用于病理生理、生理、预后、或响应者情况未知的受试者的预处理数据组，并使用所述经训练的分类器算法预测所述数据组的类别标签从而诊断所述受试者的病况。