细胞分类算法及该算法告知和优化医学治疗的应用的制作方法

本技术涉及对细胞进行分类的方法，以及使用该分类方法来告知和优化医学干预的方式，特别是在细胞疗法的背景下。

背景技术：

1、新型药物(生物制剂)和最近开发的细胞疗法依赖于对患者自身细胞(如免疫系统的细胞)的调节和修改，以瞄准病变细胞(如癌细胞)并与病变细胞相互作用。

2、这些细胞疗法(如免疫疗法)在治疗越来越多的不同疾病(包括各种恶性肿瘤)方面取得了惊人的成果，它们在更广泛的治疗应用方面有很大的潜力，特别是在癌症治疗方面。然而，使用目前的方法，同样的细胞疗法往往在一个患者身上显示出惊人的成功，而在给患有明显相同疾病的另一个人使用时，却完全没有好处，或者更糟糕的是，有严重的副作用。这个问题的核心是对支撑这些疗法的分子机制理解不足，这可能导致次优或不适当的细胞疗法的构建和/或管理，还会导致在临床上使用不可靠和不一致的患者诊断过程。

3、因此，需要改进的技术，以更好地理解和预测个体患者的目标细胞与不同潜在细胞疗法提供的效应细胞之间的相互作用。

技术实现思路

1、根据本发明的第一方面，提供了一种调查多个细胞的方法，包括：检测多个细胞中的每个细胞上的一种或多种蛋白质；获得多个细胞内的检测到的蛋白质的相应空间坐标；检测多个细胞的边界；以及基于获得的空间坐标和检测到的边界来构建数据向量。

2、在一些实施方式中，构建数据向量还包括：基于获得的空间坐标评估空间分布。

3、在一些实施方式中，构建数据向量包括：执行空间分布分析算法，使得获得的空间坐标在预定数量的长度尺度上被划分为一个或多个簇。在每个长度尺度上，每个簇包括在对应于长度尺度的区域内的检测到的蛋白质的空间坐标。

4、在该实施方式中，构建数据向量可以包括：执行空间分布分析算法，使得获得的空间坐标在预定数量的长度尺度上被划分为一个或多个簇，其中在每个长度尺度上，每个簇包括在对应于长度尺度的区域内的检测到的蛋白质的空间坐标；以及确定每个长度尺度上的簇的属性组；其中，数据向量包括为每个长度尺度上的簇确定的属性组。

5、在一些实施方式中，获得边界包括：获得多个细胞的光学图像；对多个细胞的光学图像执行分割算法；以及将通过分割算法获得的边界扩展预定距离。

6、在一些实施方式中，构建的数据向量包括细胞内的检测到的蛋白质的定位分布的至少一个测量。定位分布可以(a)细胞内的检测到的蛋白质的空间坐标的定位数密度、(b)跨多种类型蛋白质的定位之间的距离、或(c)里普利k函数中的一个或多个。

7、优选地，构建的数据向量包括细胞的簇特征的至少一个测量。这可以是具体实施方式中列出的2.a-2.v中的任何一种测量，和/或簇的数量。例如，该测量可以是以下一个或多个的平均值(均值/中位数)和可选的变化(如方差、标准差等)：(a)在多个长度尺度上的簇半径/直径；(b)在多个长度尺度上的簇面积；(c)在多个长度尺度上的簇密度；(d)在多个长度尺度上的簇形状(如圆度)；和(e)在多个长度尺度上的每个簇的定位数。适当地，所述“多个长度”尺度包括至少两个、至少三个、至少四个或至少五个不同的长度尺度。例如，长度尺度可以是以下的全部或子集：10纳米、50纳米、100纳米、500纳米和1000纳米。

8、在一些实施方式中，数据向量包括细胞-细胞相互作用的测量。例如，这将适用于在肿瘤或组织样本的背景下被调查的多个细胞。细胞-细胞相互作用的测量可以是，例如(a)细胞间距离的平均值(均值/中位数)和可选的变化(例如方差、标准差等)；(b)不同类型的细胞间距离的平均值(均值/中位数)和可选的变化(例如方差、标准差等)；(c)相邻细胞簇的共定位；和(d)细胞的里普利k函数分布。

9、可选地，数据向量可以包括或由以下内容组成：(1)簇的数量；(2)簇面积的平均值(均值和/或中位数)和可选的方差/sd；(3)簇之间距离的平均值(均值和/或中位数)和可选的方差/sd；以及(4)每个簇的定位数的平均值(均和值/或中位数)和可选的方差/sd。优选地，所有的(1)-(4)是在多个长度尺度上提供的，例如，多个长度尺度为10纳米、50纳米、100纳米、500纳米和1000纳米。

10、在一些实施方式中，构建数据向量还包括：在多个细胞的任意两个之间的重叠区域执行共定位分析。

11、在一些实施方式中，方法还包括：通过对构建的数据向量执行降维分析，构建特征向量；其中，特征向量的第一维度大于二，并小于数据向量的第二维度。

12、在一些实施方式中，降维分析包括主成分分析pca，使得特征向量包括从数据向量获得的第一数量的主成分，并且其中，第一维度为第一数量。

13、适当地，调查多个细胞的方法包括在所述检测多个细胞中的每个细胞上的一种或多种蛋白质之前的标记步骤。标记步骤可以包括用对感兴趣的蛋白质特异的荧光标记物培养细胞。或者，标记步骤可以包括修饰细胞以表达用荧光蛋白质标记的感兴趣的蛋白质。在该实施方式中，检测多个细胞中的每个细胞上的一种或多种蛋白质和获得相应空间坐标的步骤包括或由以下构成：例如使用dstorm或fpalm实施单分子定位显微镜。

14、在一些实施方式中，提供了一种将患者的多个细胞分类为参考细胞的多个类型的方法，包括：调查患者的多个细胞和上述参考细胞，以获得患者的多个细胞的第一特征向量和参考细胞的第二特征向量；评估第一特征向量和第二特征向量之间的概率距离度量；以及确定患者是否被分类到类型之一。

15、在一些实施方式中，评估还包括：从第一特征向量构建第一概率分布和从第二特征向量构建第二概率分布。构建第一概率分布可以包括：离散化患者的多个细胞的相应第一特征向量；以及构建归一化直方图。构建第二参考概率分布包括：离散化参考细胞的相应第二特征向量；及构建归一化直方图。

16、在一些实施方式中，确定包括：当患者的多个细胞和参考细胞之一之间的概率距离度量大于预定阈值时，将细胞分类到参考细胞的对应类型。

17、在一些实施方式中，评估还包括：对第二特征向量进行划分分析，使得由主成分定义的pca空间被划分为第二数量的区域。

18、在一些实施方式中，划分分析包括k均值聚类。

19、根据本发明的第二方面，提供了一种将患者的细胞样本分类为一个或多个定义类型的方法，包括：

20、使用根据本发明第一方面的方法调查患者的细胞样本，以获得样本特征向量(与上述“第一特征向量”同义)；

21、提供参考数据，其中，参考数据包括针对所述一个或多个定义类型的参考细胞获得的一个或多个参考特征向量(与上述“第二特征向量”同义)；

22、进行数据分析，包括将样本特征向量与所述参考特征向量进行比较，并根据比较确定细胞样本是否被分类为所述定义类型之一，若是，则确定细胞样本被分类到定义类型中的哪一个。

23、在一些实施方式中，样本仅被分类到所述定义类型之一。可替代地，例如利用分配给每个类型的关联概率，样本可以被分类到所述定义类型中的多个。

24、可以为定义类型中的每一个提供相应的参考特征向量。然后，数据分析可以包括将样本特征向量与每一参考特征向量进行比较，以确定患者是否被分类到定义类型之一，若是，则是确定被分类到定义类型中的哪一个。可以通过根据本发明第一方面的方法调查参考细胞的样本来获得定义类型的参考细胞的参考特征向量。

25、适当地，患者的细胞样本由单个样本特征向量表示。这可以称为样本指纹向量。类似地，每种类型的参考细胞可以由单个参考指纹向量表示。指纹向量的概念将在下面更详细地描述。

26、在数据分析步骤中，确定细胞样本是否被分类到定义类型之一可以包括：评估样本特征向量和参考特征向量之间的概率距离度量；以及确定细胞样本是否被分类到定义类型之一，若是，则确定细胞样本被分类到哪一类型。例如，如果样本特征向量和参考特征向量之间的概率距离度量在预定阈值内，则可以将细胞样本分类到对应于参考特征向量的定义类型。

27、在一些实施方式中，数据分析可以包括使用通过机器学习获得的分类算法。分类算法可以被配置为基于样本特征向量来确定患者是否被分类到定义类型之一，若是，则确定被分类到定义类型中的哪一个。

28、可以通过将机器学习模型应用于包括所述一个或多个定义类型的参考细胞的参考特征向量组的训练数据组来获得分类算法。训练数据组中的每个参考特征向量可以被标记为对应于参考细胞的多个类型之一。因此，在一些实施方式中，数据分析可以进一步包括使用训练数据组训练机器学习模型，以获得分类算法。

29、在第二方面，所述一个或多个定义类型的参考细胞可以对应于来自患者的确定为对特定医学治疗有反应的病变细胞。有利地，在上述情况下，分类方法可以用作预测患有疾病的患者对特定医学治疗的反应性的手段。换言之，如果样本被分类到与被显示为对特定医学治疗有反应的特定参考细胞相同的类型，则这可以被视为表明患者可能对接受相同治疗反应良好。

30、因此，根据本发明的第三方面，提供了一种确定特定医学治疗对治疗患有疾病的患者的适用性的方法，其中，该方法包括：

31、使用根据本发明第一方面的方法调查患者的细胞样本，以获得样本特征向量；

32、提供参考数据，其中，参考数据包括针对参考细胞获得的一个或多个参考特征向量，参考细胞对应于来自患者(优选为患有与患者相同或相似的疾病)的被确定为对特定医学治疗有反应的病变细胞；以及

33、进行数据分析，包括将样本特征向量与所述参考特征向量进行比较，并确定细胞样本与参考细胞的相似度。在这种情况下，更高程度的相似度可以表明特定医学治疗对治疗疾病的更大的适用性。

34、在一些实施方式中，疾病为癌症。在本实施方式中，例如，特定医学治疗可以是化疗、检查点疗法或car-t细胞疗法。

35、可选地，该方法可包括从一系列不同的特定医学治疗中确定适合患者的医学治疗。在这种情况下，参考数据包括多个参考特征向量，每个参考特征向量与被确定为对多个特定医学治疗之一有反应的参考细胞有关。例如，疾病可以为癌症，多个特定医学治疗可以为以下中的两个或多个：化疗、检查点疗法或car-t细胞疗法。在这种情况下，数据分析步骤可以包括确定患者的多个细胞与参考细胞中的哪一个最相似。

36、在本发明的第二方面的一些实施方式中，所述一个或多个定义类型的参考细胞对应于确定为实现特定医疗结果的治疗性细胞(例如car-t细胞)。

37、根据第四方面，本发明提供了一种使用第二方面的分类方法确定可用于car-t细胞疗法的t细胞的方法。

38、在一个实施方式中，该方法包括基于与对应于确定为实现特定医疗结果的car-t细胞的参考细胞的比较来对t细胞样本进行分类。可选地，t细胞样本是car-t细胞的样本(即在基因修饰之后)。

39、在本实施方式中，该方法可以包括确定来自患者的细胞样本是否适合用作在car-t细胞疗法中的治疗性细胞，包括：

40、使用根据本发明第一方面的方法调查细胞样本，以获得样本特征向量；

41、提供参考数据，其中，参考数据包括针对参考细胞获得的一个或多个参考特征向量，其中，参考细胞是来自具有已知治疗结果的患者的car-t细胞；

42、进行数据分析，包括将样本特征向量与所述参考特征向量进行比较，并确定细胞样本与参考细胞的相似度。在样本向量被确定为与已知产生成功治疗结果的参考car-t细胞的参考特征向量相似的情况下，样本特征向量与该参考特征向量之间的更高程度的相似度可以指示治疗性细胞在car-t细胞疗法中使用的更大的适用性。

43、在该实施方式中，在调查步骤中检测到的一种或多种蛋白质是或包括car。

44、可替代地，可以基于与对应于已知在car-t细胞疗法中有效使用的未转化t细胞的参考细胞的比较，对t细胞样本进行分类。具体地，样本中不同类型t细胞的数量可能影响此类细胞用于car-t细胞疗法的适用性。在这种情况下，检测到的一种或多种蛋白质可以对应于以下一种或多种：(i)幼稚t细胞的表面标记物、(ii)记忆t细胞的表面标记物、(iii)效应t细胞的表面标记物、(iv)耗竭t细胞的表面标记物。

45、在该实施方式中，该方法可包括确定来自患者的t细胞样本是否适合用作在car-t细胞疗法中的治疗性细胞，包括：

46、使用根据本发明第一方面的方法调查t细胞样本，以获得样本特征向量(优选地，检测到的一种或多种蛋白质可以对应于以下一种或多种：(i)幼稚t细胞的表面标记物、(ii)记忆t细胞的表面标记物、(iii)效应t细胞的表面标记物、(iv)耗竭t细胞的表面标记物)；

47、提供参考数据，其中，参考数据包括针对被确定为适合car-t细胞疗法的参考t细胞获得的一个或多个参考特征向量；

48、进行数据分析，包括将样本特征向量与所述参考特征向量进行比较，并确定细胞样本与参考细胞的相似度。

49、在上述第三和第四方面中，可以基于概率来评估样本向量和参考向量之间的相似度。例如，可以基于概率距离度量(如上所述)来评估相似度，例如，更大的概率距离度量指示更大的相似度。可替代地，概率可以通过机器学习评估获得，例如通过应用多项式回归并将归一化指数(softmax)输出解释为概率。该方法可以包括应用阈值标准来评估适用性。

50、在另一方面，本发明提供了一种治疗方法，包括使用本发明的第三方面确定适合患者的医学治疗，并将所述医学治疗施用于患者。

51、例如，本发明还提供了一种治疗患有癌症的患者的方法，包括：

52、使用根据本发明第一方面的方法调查患者的细胞(例如肿瘤细胞)样本，以获得样本特征向量；

53、提供参考数据，其中，参考数据包括选自以下类别的至少两个参考特征向量：

54、(i)针对来自患有相同癌症的患者的被确定为对化疗有反应的参考细胞获得的参考特征向量，

55、(ii)针对来自患有相同癌症的患者的被确定为对car-t细胞疗法有反应的参考细胞获得的参考特征向量，或

56、(iii)针对来自患有相同癌症的患者的被确定为对检查点疗法有反应的参考细胞获得的参考特征向量；

57、进行数据分析，包括将样本特征向量与所述参考特征向量进行比较，并计算样本向量与每个参考特征向量的相似度程度；

58、选择具有满足预定标准的相似度程度的参考特征向量(例如，与样本特征向量具有最高相似度程度的参考特征向量)；以及

59、用与选择的参考特征向量相同的疗法治疗患者。

60、在该方面，例如，在调查中检测到的一种或多种蛋白质可以是以下中的一个或多个：ctla-4、pd-1、pd-l1、cd19和csf1r。

61、在另一方面，本发明提供了一种生产car-t细胞的方法，包括根据本发明的第四方面从患者中确定适合的样本细胞组，并对样本细胞进行基因修饰以产生car-t细胞。

62、在另一方面，本发明提供了一种进行car-t细胞疗法的方法，包括根据本发明的第四方面确定适合的样本细胞组，对样本细胞进行基因修饰以产生car-t细胞，并将car-t细胞施用于患者。

63、换言之，本发明可以提供一种对患有癌症的患者进行car-t细胞疗法的方法，该方法包括：

64、使用根据本发明第一方面的方法调查候选car-t细胞样本，以获得样本特征向量；

65、提供参考数据，其中，参考数据包括针对参考细胞获得的一个或多个参考特征向量，其中，参考细胞是被确定为对相同癌症具有治疗益处的car-t细胞；以及

66、执行数据分析，包括将样本特征向量与所述参考特征向量进行比较，并计算细胞样本与参考细胞的相似度，以及确定计算出的相似度是否超出预定义阈值；

67、若相似度超出所述预定义阈值，则将car-t细胞施用于患者。

68、在一个单独的方面，本发明提供了计算机实现的系统，该计算机实现的系统被配置为执行本发明的方法。

69、在一个单独的方面，本发明提供了一种计算机处理器，该计算机处理器被配置为执行本发明的方法。