互动被表现为从调控变量至被调控变量的指向边缘。因此，对于模型的概率图中的每个变 量Y，因子被引入将变量状态关联至所有其调节器的状态的联合概率模型：F(Y|Xi，X 2，…， Xn)，其中X1S Xn是调控Y的变量。该因子是条件概率表格：对于Parents (Y)的每个设定，
【主权项】
1. 一种学习引擎，包括： 组学输入接口，其被配置成接收多个组学数据集合； 组学处理模块，其耦接所述接口并且被配置成： 访问具有多个路径元素的路径模型，其中至少两个元素经由具有调控节点的通路彼此 耦接，所述调控节点根据多个调控参数控制沿通路的活动； 经由组学输入接口获取组学数据集合中的至少一个组学数据集合； 基于所述至少一个组学数据集合和路径模型，推断多个调控参数中的一组互动关联； 以及 基于互动关联来更新路径模型。
2. 根据权利要求1所述的学习引擎，其中组学数据集合包括整个基因组数据、部分基 因组数据、或差分序列对象。
3. 根据权利要求1-2中的任意一个所述的学习引擎，进一步包括与组学输入接口耦接 的染色体组数据库或排序装置。
4. 根据权利要求1-3中的任意一个所述的学习引擎，其中路径元素包括DNA序列、RNA 序列、蛋白质和蛋白质功能中的至少一个。
5. 根据权利要求1-4中的任意一个所述的学习引擎，其中路径元素包括DNA序列，而且 其中所述多个调控参数中的所述至少一个调控参数选自由转录因子、转录激活因子、RNA聚 合酶亚基、顺式调控元素、反式调控元素、乙酰化组蛋白、甲基化组蛋白、以及阻遏物组成的 组。
6. 根据权利要求1-5中的任意一个所述的学习引擎，其中路径元素包括RNA序列，而且 其中所述多个调控参数中的所述至少一个调控参数选自由起始因子、转译因子、RNA结合蛋 白、核糖体蛋白质、小片段干扰RNA和聚腺苷酸A结合蛋白组成的组。
7. 根据权利要求1-6中的任意一个所述的学习引擎，其中路径元素包括蛋白质，而且 其中所述多个调控参数中的所述至少一个调控参数是磷酸化作用、酰化作用、溶蛋白性裂 解和与至少第二类蛋白的关联。
8. 根据权利要求1-7中的任意一个所述的学习引擎，其中组学处理模块被配置成利用 概率模型推断互动关联。
9. 根据权利要求8所述的学习引擎，其中概率模型使用共存调控模型。
10. 根据权利要求8或9所述的学习引擎，其中概率模型使用独立调控模型。
11. 根据权利要求10所述的学习引擎，其中概率模型进一步确定多个调控参数与通路 的活动之间的依存关系的重要性和/或给出通路的活动的调控参数之间的条件依存关系 的重要性。
12. 根据权利要求11所述的学习引擎，其中概率模型进一步确定调控参数的互动的符 号。
13. -种产生路径模型的方法，包括： 经由组学输入接口获取至少一个组学数据集合； 经由组学处理模块访问具有多个路径元素的路径模型，其中至少两个元素经由具有调 控节点的通路彼此耦接，所述调控节点根据多个调控参数控制沿通路的活动； 基于至少一个组学数据集合和路径模型，经由组学处理模块推断多个调控参数中的一 组互动关联；以及 基于互动关联来更新路径模型。
14. 根据权利要求13所述的方法，其中组学数据集合包括整个基因组数据、部分基因 组数据、或差分序列对象，而且其中组学数据集合是从染色体组数据库、BAM服务器或排序 装置获取的。
15. 根据权利要求13或14所述的方法，其中推断步骤基于概率模型。
16. 根据权利要求15所述的方法，其中概率模型使用共存和/或独立调控模型。
17. 根据权利要求16所述的方法，进一步包括确定多个调控参数与通路的活动之间的 依存关系的重要性和/或给出通路的活动的调控参数之间的条件依存关系的重要性的步 骤。
18. 根据权利要求17所述的方法，进一步包括确定调控参数的互动的符号的步骤。
19. 一种用于针对路径模型中的调控节点的调控参数识别出亚型特定互动关联的方 法，包括： 经由组学输入接口获取表示亚型组织的至少一个组学数据集合； 经由组学处理模块访问具有多个路径元素的路径模型，其中至少两个元素经由具有调 控节点的通路彼此耦接，所述调控节点根据多个调控参数控制沿通路的活动； 经由组学处理模块通过多个调控参数间的互动的概率分析从表示亚型组织的至少一 个组学数据集合导出亚型互动关联；以及 在路径模型中呈现导出的亚型互动关联。
20. 根据权利要求19所述的方法，其中亚型组织是抗药性组织、分生组织、药物治疗组 织或组织的克隆变异体。
21. 根据权利要求19所述的方法，进一步包括利用生物体外、硅中和整体实验中的至 少一个验证导出的亚型互动关联的步骤。
22. -种将表示组织的组学数据集合归类为属于亚型特定组织的方法，包括： 经由组学输入接口获取表示组织的组学数据集合； 针对组学数据集合导出路径模型中的调控节点的多个调控参数中的一组互动关联； 将导出的一组互动关联与和已知亚型特定组织相关的先验已知的一组互动关联进行 匹配；以及 利用所述匹配来归类出表示组织的组学数据集合属于已知亚型特定组织。
23. 根据权利要求22所述的方法，其中获取步骤包括从具有已知调控特征的组织的组 织样本产生表示组织的组学数据集合。
24. 根据权利要求22或23所述的方法，其中组织样本是肿瘤组织样本。
25. 根据权利要求22-24中的任意一个所述的方法，其中已知亚型特定组织是抗药性 组织、分生组织、药物治疗组织或组织的克隆变异体。
26. -种识别具有多个路径元素的路径模型中的药物靶点的方法，其中至少两个元素 经由具有调控节点的通路彼此耦接，所述调控节点根据多个调控参数控制沿通路的活动， 所述方法包括： 经由组学输入接口获取表示组织的组学数据集合； 针对组学数据集合导出路径模型中的调控节点的多个调控参数中的一组互动关联； 在预测药物干扰了互动关联处将药物识别为影响了通路的活动。
27. 根据权利要求26所述的方法，其中所述调控节点影响了蛋白质的转录、转译和后 转译改型中的至少一个。
28. 根据权利要求26所述的方法，其中药物是商用药物而且具有已知模式的作用。
29. -种识别具有多个路径元素的路径模型中的目标路径的方法，其中至少两个元素 经由具有调控节点的通路彼此耦接，所述调控节点根据多个调控参数控制沿通路的活动， 所述方法包括： 经由组学输入接口获取表示组织的组学数据集合； 针对组学数据集合导出路径模型中的调控节点的多个调控参数中的一组互动关联； 根据药物对互动关联的已知效果将路径识别为目标路径。
30. 根据权利要求29所述的方法，其中已知效果是对致活酶的抑制效果、对受体的抑 制效果、以及对转录的抑制效果中的至少一个。
31. 根据权利要求29所述的方法，其中目标路径是钙/钙调蛋白调控路径、细胞激素路 径、趋化因子路径、增长因子调控路径、荷尔蒙调控路径、MP致活酶调控路径、磷酸酶调控 路径或Ras调控路径。
32. 根据权利要求29所述的方法，进一步包括根据识别出的路径提供治疗建议的步 骤。
33. -种经由电脑模拟仿真药物的治疗效果的方法，包括： 获取具有多个路径元素的路径模型，其中至少两个元素经由具有调控节点的通路彼此 耦接，所述调控节点根据多个调控参数控制沿通路的活动； 识别出对至少一个调控参数的影响已知的药物； 通过组学处理模块并基于药物的已知效果，经由电脑模拟而改变路径模型中的调控节 点、活动和至少调控参数中的至少一个；以及 确定路径模型中的改变的次生效应。
34. 根据权利要求33所述的方法，其中次生效应在路径模型中的另一调控节点、另一 活动和另一调控参数中。
【专利摘要】所提出的系统和方法用于利用对概率图模型生物路径中的调控互动进行机器学习和识别，而且尤其用于调控参数中的互动关联的识别。
【IPC分类】G06F15-18
【公开号】CN104838372
【申请号】CN201380064123
【发明人】C·J·瓦斯克, A·J·塞奇威克, 其他发明人请求不公开姓名
【申请人】凡弗3基因组有限公司
【公开日】2015年8月12日
【申请日】2013年10月9日
【公告号】CA2888125A1, EP2907039A1, US20150262082, WO2014059036A1