疾病治疗管理因素特征自动预测方法及电子设备技术

本申请公开疾病治疗管理因素特征自动预测方法及电子设备，所述方法包括：电子设备获得目标对象的被测样本的若干突变基因对预定基因组中的各个基因的表达活性的一致性负担参数数据，其中所述预定基因组与所述疾病对应；以及所述电子设备基于所述一致性负担参数数据，输出所述目标对象相对于所述疾病的至少一个治疗管理因素特征的预测数据。

【技术实现步骤摘要】
【国外来华专利技术】疾病治疗管理因素特征自动预测方法及电子设备
本申请涉及生物医疗技术，尤其涉及疾病治疗管理因素特征自动预测方法及电子设备。
技术介绍
恶性肿瘤是由具有异常生长、增殖与生存，并伴有侵袭和转移倾向的细胞造成的复杂疾病的统称，但不同类型的恶性肿瘤在病理及生物学特征(例如侵袭和转移风险、进展速度与预后等)存在显著差异，对治疗的响应也明显差别。因此，依据肿瘤特征，明确恶性肿瘤的归类是有效决策疾病管理及治疗方案的必要条件。传统肿瘤的分型按照疾病的表型、细胞和组织学特征进行，一般整合了肿瘤发生的器官和细胞特征，例如胃腺癌、非小细胞肺癌、急性淋巴细胞白血病等，相应的，现行的干预治疗方法(包括手术、药物等)仍主要以这些分类进行。然而，这类分类方法无法解决恶性肿瘤治疗管理中的一些重要问题，例如，同样分型的患者对相同的干预方法的响应差异巨大，生存期、疾病稳定期等临床预后指标显著差异，“同病异治”和“异病同治”循证缺乏参照标准。技术问题本申请旨在提供疾病治疗管理因素特征自动预测方法，以为决策疾病管理提供有效信息。技术解决方案本申请一方面提供一种疾病治疗管理因素特征自动预测方法，由电子设备执行，包括：所述电子设备获得目标对象的被测样本的若干突变基因对预定基因组中的各个基因的表达活性的一致性负担参数数据，其中所述预定基因组与所述疾病对应；以及所述电子设备基于所述一致性负担参数数据，输出所述目标对象相对于所述疾病的至少一个治疗管理因素特征的预测数据。在一个实施方式中，所述目标对象相对于所述疾病的至少一个治疗管理因素特征包括所述目标对象患所述疾病的生存特征、病理生理特征、和/或临床干预效果。在一个实施方式中，所述基于所述一致性负担参数数据，输出所述目标对象相对于所述疾病的至少一个治疗管理因素特征的预测数据包括：将所述目标对象的一致性负担数据与预置的所述疾病的一致性负担-生存模式模型进行对比，输出所述目标对象相对于所述疾病的生存模式标签。在一个实施方式中，所述一致性负担-生存模式模型至少包括第一生存模式标签、第二生存模式标签及预设阈值；所述将所述目标对象的一致性负担数据与预置的所述疾病的一致性负担-生存模式模型进行对比，获得并输出所述目标对象相对于所述疾病的生存模式标签包括：将所述目标对象的一致性负担数据与所述疾病的一致性负担-生存模式模型的所述预设阈值进行比较，若所述目标对象的一致性负担数据达到所述预设阈值，则输出所述第一生存模式标签，若所述目标对象的一致性负担数据低于所述预设阈值，则输出所述第二生存模式标签。在一个实施方式中，所述疾病的一致性负担-生存模式模型的所述预设阈值基于若干建模样本的一致性负担数据所确定，所述若干建模样本来自若干患有所述疾病的患者。在一个实施方式中，所述若干建模样本来自若干患有所述疾病且处于所述疾病的指定进化阶段的患者。在一个实施方式中，所述基于所述一致性负担参数数据，输出所述目标对象相对于所述疾病的至少一个治疗管理因素特征的预测数据包括：基于所述目标对象的一致性负担数据和预先获得的若干建模样本的一致性负担数据及预定治疗管理因素特征的实测数据，输出所述目标对象相对于所述预定治疗管理因素特征的预测数据，其中，所述若干建模样本来自若干患有所述疾病的患者。在一个实施方式中，所述目标对象的被测样本的若干突变基因对预定基因组中的各个基因的表达活性的一致性负担参数包括：所述预定基因组的基因中，表达活性受所述若干突变基因的影响符合预设条件的基因个数；和/或所述综合影响参数数据中各数值的绝对值之和、中位数、最大值、和/或方差；和/或获得用于描述所述综合影响参数数据的至少两个简单统计特征参数数据；以及基于所述至少两个简单统计特征参数数据获得复合统计特征参数数据。在一个实施方式中，所述获得所述若干突变基因对预定基因组中的各个基因的表达活性的一致性负担参数数据包括：对于预定基因组中每个基因，获得所述若干突变基因对所述每个基因的表达活性的一致性参数数据；对所述若干突变基因对所述每个基因的表达活性的一致性参数数据进行降噪处理；以及基于进行所述降噪处理的结果获得所述若干突变基因对所述预定基因组中的各个基因的表达活性的一致性负担参数数据。本申请另一方面提供一种电子设备，包括：存储器、处理器以及存储在存储器中的程序，所述程序被配置成由处理器执行，所述处理器执行所述程序时实现如前所述的疾病治疗管理因素特征自动预测方法。本申请再一方面提供一种存储介质，所述存储介质存储有计算机程序，其中，所述计算机程序被处理器执行时实现如前所述的疾病治疗管理因素特征自动预测方法。有益效果本申请的一些实施例中，通过有效整合全局突变信息，从基因组突变的角度建立综合定量指标，描述具有基因组异质性的复杂疾病或病理生理状态(例如肿瘤微进化过程)中与基因表达活性相关的细胞内确定性事件特征。依据本申请的一些实施例，使用了标准化的统计计算方法，定义了标准化、适用于不同肿瘤类型的“一致性”、“一致性负担”等参数，将复杂、多元的表达活性特征信息简化为单一值，降低了在具有基因组异质性的复杂疾病或病理生理状态(例如肿瘤微进化)相关特征分析应用时的复杂程度，并且实现效果良好的预后评估、混合肿瘤类型区分等应用。依据本申请的一些实施例，通过建立全局突变与基因表达活性的多元相关模型，将离散、高维、多元相关、非标准化的全局突变特征投射到值域连续、相对低维、相关性逐渐收敛的基因预测表达量特征上，构建了将离散定性数据转化为连续空间上的定量模型，再通过统计算法得到具有唯一值的一致性负担参数，一方面保留了数据的全局特征，另一方面可以利用一个简单值对具有基因组异质性的复杂疾病或病理生理状态(例如肿瘤微进化)相关的特征进行分析，降低了实际应用的复杂程度。依据本申请的一些实施例，由于一致性及一致性负担是通过整合与肿瘤微进化特定阶段相关的全局突变信息得到的参数，全面描述了肿瘤特定进化阶段的异质性与基因组不稳定性，因而克服了单个或数个分子标志物组合分析时覆盖率与外显率不高的问题，可以覆盖不同类型的肿瘤并根据不同类型肿瘤的进化特征差异，实现对肿瘤类型的识别，并因对预后等与肿瘤微进化相关的特征进行预测，为“同病异治”“异病同治”提供判断依据。依据本申请的一些实施例，由于一致性及一致性负担参数整合了全局突变信息，解决了单个或少数分子标记物组合特异性不高，无法辨别混合肿瘤的问题，能够对不同种肿瘤实现效果良好的区分。依据本申请的一些实施例，明确了具体的计算方法和定义，使用一致性、一致性负担参数作为全局指标评估肿瘤特征，避免了TMB等指标标准不统一、定性模糊的缺点，为肿瘤微进化相关特征的分析应用提供了标准化的工具。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不本文档来自技高网...

【技术保护点】
一种疾病治疗管理因素特征自动预测方法，由电子设备执行，包括：/n所述电子设备获得目标对象的被测样本的若干突变基因对预定基因组中的各个基因的表达活性的一致性负担参数数据，其中所述预定基因组与所述疾病对应；以及/n所述电子设备基于所述一致性负担参数数据，输出所述目标对象相对于所述疾病的至少一个治疗管理因素特征的预测数据。/n

【技术特征摘要】
【国外来华专利技术】一种疾病治疗管理因素特征自动预测方法，由电子设备执行，包括：
所述电子设备获得目标对象的被测样本的若干突变基因对预定基因组中的各个基因的表达活性的一致性负担参数数据，其中所述预定基因组与所述疾病对应；以及
所述电子设备基于所述一致性负担参数数据，输出所述目标对象相对于所述疾病的至少一个治疗管理因素特征的预测数据。


如权利要求1所述的方法，其特征在于，所述目标对象相对于所述疾病的至少一个治疗管理因素特征包括所述目标对象患所述疾病的生存特征、病理生理特征、和/或临床干预效果。


如权利要求1所述的方法，其特征在于，所述基于所述一致性负担参数数据，输出所述目标对象相对于所述疾病的至少一个治疗管理因素特征的预测数据包括：
将所述目标对象的一致性负担数据与预置的所述疾病的一致性负担-生存模式模型进行对比，输出所述目标对象相对于所述疾病的生存模式标签。


如权利要求3所述的方法，其特征在于：
所述一致性负担-生存模式模型至少包括第一生存模式标签、第二生存模式标签及预设阈值；
所述将所述目标对象的一致性负担数据与预置的所述疾病的一致性负担-生存模式模型进行对比，获得并输出所述目标对象相对于所述疾病的生存模式标签包括：
将所述目标对象的一致性负担数据与所述疾病的一致性负担-生存模式模型的所述预设阈值进行比较，若所述目标对象的一致性负担数据达到所述预设阈值，则输出所述第一生存模式标签，若所述目标对象的一致性负担数据低于所述预设阈值，则输出所述第二生存模式标签。


如权利要求4所述的方法，其特征在于，所述疾病的一致性负担-生存模式模型的所述预设阈值基于若干建模样本的一致性负担数据所确定，所述若干建模样本来自若干患有所述疾病的患者。


如权利要求5所述的方...

【专利技术属性】
技术研发人员：牛钢，范彦辉，冯震东，张强祖，张春明，
申请(专利权)人：北京哲源科技有限责任公司，
类型：发明
国别省市：北京;11