多个待测物诊断输出的制作方法

专利名称：多个待测物诊断输出的制作方法
多个待测物诊断输出
背景技术：
仅在有限的情况下使用基于多个生物标记的诊断化验。例如，在几个基因中测量 基因表现从而评估临床状态时提议进行化验。而且，使用多个蛋白质待测物来在诊断不明 确时筛选任何多个无序的存在。通常，使用算法来评估任何标准化验的结果，特别是评估是 否需要另外的测试。然而，由于不同的生物标记类型提供了不同的信息结果，所以大多数化 验都被限制于每个待筛选状况的单个标记或待测物。通常根据不同临床适应症的相同样本来筛选多个待测物。当患者呈现出不明症状 时，尤其适用。例如，可以对单个血液样本进行筛选用于血细胞比容、肝炎抗原、HIV和SARS 化验。然而，每种筛选都针对不同的临床状况并且结合不同的算法以产生所述标记意图测 量的每个临床适应症的单独结果。使用这种宽泛的筛选在诊断不明确或困难的情况下排除 或采取一种或多种诊断途径。在任何筛选化验中生物标记数量的增加提高了诊断的准确性。然而，不存在允许 根据多个生物标记对一状况进行筛选和/或诊断的化验。因此，在本领域中需要允许根据 多个生物标记对状况进行筛选和/或诊断的化验。

发明内容
本发明提供了用于评估患者临床状态的方法。特别地，本发明提供了用于根据对 多个待测物或生物标记的分析来产生诊断输出的方法。在实践中，本发明的方法提供了根 据单一化验形式的多个生物标记来筛选患者的能力。本发明的方法在复杂的诊断评估中尤其有用。本发明允许对多个生物标记的多个 分析从而提高诊断能力和结果的准确性。根据本发明的一方面，评估从患者样本获得的多 个不同的生物标记。随后将结果进行归一化并且根据归一化之后的生物标记数据产生诊断 分数。在优选实施例中，获得患者样本中多个生物标记中每一个的等级。随后根据患者样本 中所检测的生物标记的等级是否超出预定阈值来为每个生物标记分配二进制结果(例如， al或aO)。随后，通过将二进制结果进行相加获得累积的分数从而产生在临床评估中使用 的诊断分数。在另一优选实施例中，根据已知的诊断标准和/或患者病历、生活方式、症状 等对生物标记结果进行加权。所得到的总和的加权后的分数用于临床评估。在本发明的某些实施例中，多个生物标记的输出不必是二进制。当然，输出可以针 对评估状况考虑每个生物标记的预测值。这是基于已知风险系数、诊断标准和患者病历的 加权形式并且可以反过来反映出人们根据化验所期望的信任度。本发明的方法允许根据从 多个生物标记获得的结果生成特征量，其中特征量代表疾病的有/无、疾病的阶段、或预测 系数(诸如复发可能性、对治疗反应的评估和疾病发展的风险)。本发明的方法使用对多种不同标记的测量，这些标记具有诊断中、预后、治疗方案 选择、疗效、生理特点、和/或复发可能性的预测关系或可能的预测值。多个诊断评估的预 测能力在化验的特异性和敏感性方面产生明显优势。对化验的预测能力取决于从许多不同 的标记得到结果并且把它们组合成单个诊断特征量或结果的能力，单个诊断特征量或结果包含每个单独标记的预测能力从而产生高敏感度、显著特异的结果。因此，在本发明的一个实施例中，在从患者获得的样本中测量多个生物标记。从蛋 白质(包括抗体、酶等)、核酸、碳水化合物、糖、细菌、病毒、PH、酸、自由基、维生素、铁、激素 和药物中选择多个生物标记。在一些情况下，例如，在核酸和蛋白质的情况下，可以随着时 间测量表现等级。在其他情况下，无论哪种单位可能会适合生物标记，都获得生物标记的等 级。随后可选地可以在整个生物标记组上对等级进行归一化或者可以根据是否超出阈值来 为等级分配二进制结果。在一些实施例中，由于从各个生物标记的单独化验中获得生物标记组的结果，所 以在诊断筛选中使用该结果。在其他情况下，归一化发生在诊断确定之前，而在另外其他情 况下，仅仅为生物标记结果分配二进制单元(例如，al或aO)。随后根据累积的二进制输入 (即，全部1和0之和)或根据加权后的均值或者根据由选择的标记组所产生的特征量来评 估累积的结果。根据诊断中的一种状况或多种状况的预测值或可疑的预测值来选择针对本发明 的多个诊断化验所选择的标记。根据各种诊断标准(诸如，与疾病可疑的关联)选择特定 的标记。所选标记的数量取决于用户的判断力并且取决于标记的累积预测能力和标记组中 各个标记的特异性/敏感性。可以选择标记组以提高诊断、预后、治疗反应和/或复发的效 率。除了与特异性和敏感性的一般相关度之外，还可以考虑患者病历和生活方式来选择标 记。例如，患者具有、可能具有或者曾经具有的其他疾病会影响对待分析的生物标记组的选 择。患者体内的药物也可能会影响标记组选择。本发明可适用于有症状患者或无症状患者人群中任何疾病的诊断和监测。例如， 本发明可用于传染病、遗传病和其他状况(诸如滥用药物或酗酒引起的疾病或损伤)的诊 断。本发明还适用于评估疗效、疾病复发或蔓延(例如，转移)的可能性。本发明在筛查癌症方面特别有用。与癌症相关的生物标记示例包括基质金属蛋白 酶(MMP)、中性粒细胞明胶酶相关脂质运载蛋白(NGAL)、MMP/NGAL复合物、胸腺肽0-15、胸 腺肽0-16、类胶原基因(CLG)制品、抑制素、谷胱甘肽S转移酶、beta-5蛋白、泛素、原肌球 蛋白、高半胱氨酸61、半胱氨酸蛋白酶抑制剂B、猪伴侣蛋白10和肌动蛋白抑制蛋白。除了 别的之外，MMP的示例包括但不限于MMP-2、MMP-9、MMP-9/NGAL复合物、MMP-TIMP复合物、 MMP/TIMP1复合物、ADAMTS-7或ADAM-12。另外，从中获得生物标记的患者样本对本发明的 功能是非实质性的。优选的样本来源包括血液、血清、痰、粪便、唾液、尿液、脑脊髓液、乳头 抽吸液和脓液。本发明的方法可用于患病的患者身上，或者可用于周期性地筛查健康待查者。可 以使用本发明的方法对待查者同时进行一种或多种疾病的筛查。可以定期(例如，每周、每 月、每年，或者其他时间间隔)或者作为一次事件进行筛查。分析成果可以用来改变筛查的 频率和/或类型，诊断和/或治疗草案。可以以不同的时间间隔筛查不同的状况，并且将所 述不同的状况作为不同的风险系数(例如，年龄、体重、性别、吸烟史、家庭档案、遗传风险、 接触有毒和/或致癌物质等、或这些情况的组合)的函数。根据内科医生或技术人员的判 断力来确定结合本发明使用的特定筛查法和标记的选择。通过参考文献或护理规范的标准来确定任何特定生物标记和相关疾病的阈值，或 者可以根据经验确定所述阈值。在本发明的优选实施例中，与本发明的生物标记组关联使用的阈值是基于与标记的阈值水平相关的正和负预测值。在一个示例中，选择提供100%负 预测值的标记，换言之，具有低于所分配阈值的大量标记(可以只是一个标记)的值的患者 不被认为患有正进行筛查的疾病，并且可以明确地确定那时不需要进一步的介入。相反，可 以把阈值设置成得到大约100%正预测值。在该情况下，处于该阈值之上的大量临界生物标 记等级明确地与需要进一步的介入有关。如对于本领域技术人员来说明显的是，对于某些 生物标记来说，正和负预测值不必是100%，而是可以是其他数值，这取决于其他因素，诸如 患者遗传史或易患病体质、整体健康情况、有或无其他疾病标记等。在阅读本发明的以下具体描述之后，本发明的其他方面和特征将是明显的。
具体实施例方式本发明提供了用于临床评估的方法，其中对从患者组织或体液样本获得的不同生 物标记组进行分析并求总和以产生临床信息结果。使用本发明的方法的结果提高了诊断范 围和能力。根据本发明，从患者样本(例如，组织或体液样本)获得多个生物标记。适当地确 定各种标记的等级并且产生累积的诊断/预测结果。可以根据正在筛查的一个或多个状况 来选择任意数量的不同生物标记。在许多情况下，例如，对于癌症来说，与蛋白质等级相协 调地筛查核酸突变、表现等级、甲基化抗体等。在替代示例中，可以结合其他类型的标记来 筛查类固醇或蛋白质激素并且可以得到合计的诊断“分数”。标记的其他组合对于本领域技 术人员来说是明显的并且将取决于正进行筛查的疾病或状况。本发明允许在单个诊断算法中使用不同待测物或生物标记从而提高预测能力。根 据本发明，测量多个待测物并且把经过测量的输出转换成作为对临床结果预测的单个输出 分数或特征量。输出可以是二进制(例如，1/0，是/否)或者可以是代表患病风险的程度 或严重程度或类似结果(例如，治疗结果、复发结果等)的连续统上的一点。在任意一种情 况下，输出与期望的可信水平的预测结果相关。例如，根据对多个待测物的分析，可以根据 针对所选的标记组所获得的结果模式来生成特征量。该特征量随后根据与具有相同标记组 的训练集的对比或者基于先前结果根据经验来与临床结果相关联。对各个待测物结果的确 定还可以置于能构造成与临床结果相关联的条形码格式中。各个化验结果既可以被加权或 不进行加权并且根据整体结果的需要既可以被归一化或者不进行归一化。作为示例，在一方面，本发明提供一种二进制算法，其中测量DNA和蛋白质以提供 诊断输出。在该示例中，进行化验以确定在与癌症相关的已知染色体区域上是否存在突变。 例如，首先确定对疾病发作进行预测已知的单核苷酸多态性。存在各种方式进行如此操作， 诸如单碱基延伸化验(例如，美国专利No. 6，566，101，并入于此作为参考)。获得了指示是 否存在突变(1或0)的结果。也可以测量其他几种DNA突变并且类似地分配用于疾病关联 性的二进制分数。可以执行与所期望的那样多的基于突变的化验。还测量为癌症提供信息 所已知的一个或多个蛋白质的等级。例如，可以是肿瘤抑制基因P53。确定该蛋白质的等级 是否超出为疾病的存在提供信息所已知的阈值量。还为该待测物分配二进制结果(例如， 如果超出阈值则为1，如果没有超出阈值则为0)。最后，执行定量RNA化验以确定在样本中 所表现的与诊断相关的RNA的一个或多个等级。根据针对每个被测RNA样本所获得的表现 等级以及与已知疾病相关阈值的比较来获得二进制结果。所有这些化验的结果都是一系列
5形成条形码式输出的二进制结果，根据整个标记组关联性的先前确定为条形码式输出分配 临床状态。在本发明的另一方面，每个化验后的生物标记都产生定量结果，还根据在相对于 标记的预定阈值的样本中存在待测物的数量对该定量结果分配经过加权的值。对于每个标 记来说，为该分界点以上的结果给定经过加权的正分数(在这种情况下，基于超过分界点 以上存在的数量)并且为阈值以下的那些结果给定经过加权的负分数。随后对经过加权的 分数进行评估以提供整体的诊断输出。存在各种方法用于确定本发明中使用的阈值，包括参考文献中的标准值或者护理 的相关标准。只要阈值具有与诊断输出的期望的相关性，所选择的精确阈值并非那么重要。类似地，只要标记与正进行筛查的疾病相关联，那么选择的生物标记对于本发 明的操作来说不是那么重要。与疾病相关的有些生物标记包括核酸标记(包括但不限 于 K-ras，K-ras2, APC, DCC, TP53, PRC1, NUSAP1, CAPZ, PFKP, EVER1, FLT1, ESPL1, AKAP2, ⑶C45L，RAMP, SYNGR2, NDRG1, ZNF533和高甲基化核酸)，蛋白质和肽类，碳水化合物，糖， 多糖，脂类，激素(例如，抗利尿激素(ADH)，促肾上腺皮质激素(ACTH)，生长激素(GH)，促 卵泡激素(FSH)，促黄体生成激素(LH)，雌激素(雌二醇，雌素酮，雌三醇)，黄体酮，睾丸激 素，二氢睾(丸)酮(DHT)，抑制素，生长激素，脱氢异雄酮(DHEA)，生长抑素，葡萄胱，胰岛 素，促甲状腺素，促甲状腺激素(TSH)，甲状腺素，甲状旁腺(激)素，促肾上腺皮质激素，皮 质醇，皮质酮，醛固酮，肾上腺素，去甲肾上腺素，催乳激素，血管加压素，后叶催产素，促黑 激素(MSH))，增长因子(例如，粒细胞集落刺激因子(G-CSF)，粒-巨噬细胞集落刺激因子 (GM-CSF)，神经增长因子(NGF)，神经营养素，血小板源性生长因子(PDGF)，红细胞生长素 (EP0)，血小板生成(TP0)，肌肉生长抑制素(⑶F-8)，生长分化因子(⑶F-9)，碱性成纤维细 胞生长因子(bFGF或FGF2)，酸性成纤维细胞生长因子，表皮生长因子(EGF)，肝细胞生长因 子(HGF)，人干细胞因子(SCF)，肿瘤坏死因子(TNF)，肿瘤坏死因子(TNF-日)，肿瘤坏 死因子-a (TNF-a)，血管内皮生长因子(VEGF)，转化生长因子-0 (TGF-0 )，转化生长因 子-a (TGF-a)，胰岛素样生长因子-I(IGF-II)，胰岛素样生长因子-II(IGF-II)，和集落 刺激因子(CSF))，细胞因子(例如，IL-la，IL-13，IL-2，IL-3，IL-4，IL-5，IL-6，IL-7， IL-8，IL-9，IL-IO，IL-11，IL-12，IL-13，IFN-a，IFN-旦，和 IFN_y)，蛋白质(例如，基质金 属蛋白酶(MMP)，诸如MMP2，MMP9，中性粒细胞明胶酶相关脂质运载蛋白(NGAL)，MMP/NGAL 复合物，胸腺素0 15，胸腺素0 16，类胶原基因(CLG)制品，抑制素，谷胱苷肽，0-5-微管 蛋白，泛素，原肌球蛋白，高半胱氨酸61，胱蛋白酶抑制素B，伴侣素10，抑制蛋白，a-胎蛋 白，癌胚抗原，表皮生长因子受体，激肽释放酶3 (前列腺特异抗原)，血管内皮生长因子A， VEGF，白蛋白，CA 125，降钙素，嗜铬粒蛋白A(甲状旁腺分泌蛋白1)，含ACTH的促肾上腺皮 质激素_促脂素，雌激素受体1，胃泌激素，黄体酮受体，催乳激素，5100 a链，生长激素抑制 素，甲状腺球蛋白，V-erb-b2，Her2/neu，单克隆抗体Ki_67识别的抗原，B-细胞CLU淋巴瘤 2，B细胞淋巴瘤2相关的X蛋白，0 -2微球蛋白抗体，早发性乳腺癌1，BRCA1, CA 15. 3，CA 19. 9，钙粘附蛋白1类型1E-钙粘附蛋白(上皮的)，半胱天冬氨酸酶3，CD44抗原，细胞肿瘤 抗原P53，凝血因子II，凝血素，粒细胞集落刺激因子2(粒-巨噬细胞)，集落刺激因子3(粒 细胞)，C反应蛋白，细胞周期素D1，细胞周期蛋白依赖性激酶抑制素1，p21，促红细胞生成 素，纤维蛋白原a/a-E链，促卵泡激素，y烯醇酶，胰岛素，干扰素Y，白细胞介素2，白细胞介素6，k-ras，脑啡肽酶，CD10，转铁蛋白，胰岛素，肿瘤坏死因子(TNF-a )，肿瘤坏死因 子受体超家族成员6，fas，血管性血友病因子，趋化因子，几丁质酶-3类蛋白l，YKL-40，绒 膜促性腺素0链，集落刺激因子1(巨噬细胞)，结合珠蛋白-1，肝细胞成长因子，抑制素， 干扰素-a/日受体a链，干扰素-a/0受体0链，激肽释放酶10，激肽释放酶11，激肽释 放酶6，基质金属蛋白酶3，ADAM-12，小诱导细胞因子A21(CCL21)可溶性IL-2R a，生成激素 成长因子，生长激素，乳腺癌2早期发作，BRCA2，连环蛋白0 1，组织蛋白酶0，^ 15，肌间线 蛋白，DNA(非嘌呤或非嘧啶位点)裂合酶，APEX，促黄体素0链，促黄体生成激素，甲状旁腺 (激)素，增殖细胞核抗原，肿瘤坏死因子配体超家族成员8 (CD30配体)，v-myc髓细胞组织 增生病毒癌基因同源物(鸟类)，肿瘤坏死因子配体超家族成员8 (CD30)，17 0 -羟基类固醇 脱氢酶1 (17HSD1)，前列腺酸性磷酸酶，肾上腺髓质素，醛缩酶A，骨特异性碱性磷酸酶，碱 性磷酸酶，胎盘型，a-1-酸性糖蛋白1，血清类黏蛋白，a-1-抗胰蛋白酶，a-2-H S_糖蛋 白，a-2-巨球蛋白，a-乳白蛋白，血管生成因子核糖核酸酶A家族5，血管生成素1，血管 生成素2，抗白细胞蛋白酶1，SLPI，阿朴脂蛋白A1，阿朴脂蛋白A-II，阿朴脂蛋白C-1，阿朴 脂蛋白C-III，骨唾液酸蛋白II，脑源性神经营养因子，乳腺癌转移抑制剂1，CA 27. 29，CA 72-4，组织蛋白酶B，CC趋化因子4，HCC-4，CD44变量V5可溶液，血浆铜蓝蛋白，宫颈癌1原 癌基因P40，趋化因子(C-C motif)配体4小诱导细胞因子A4(CCL4)，MIP-l-0，紧密连接蛋 白-3，紧密连接蛋白-4，簇集蛋白，凝结因子III，凝结因子XIII A链，凝结因子XIII B链， 胶原质Ic-端肽，补体成分3，补体成分4，补体成分7，补体因子H相关蛋白，细胞周期蛋白 依赖性激酶6，环氧合酶-2，血清胱抑素A，血清胱抑素B，血清胱抑素C，细胞角蛋白8，安定 结合抑制物，内皮因子，内皮素1，外皮生长因子，E-选择素，铁蛋白H，成纤维细胞成长因子 2 (碱性)，纤维连接蛋白1，Flt-3配体，Fms相关酪氨酸激酶1，VEGFR1，卵泡抑素，果糖二磷 酸醛缩酶B，果糖二磷酸醛缩酶C，孪蛋白，葡萄糖-6-磷酸异构酶，磷脂酰有醇蛋白聚糖_3， 氨基端，生长抑制和DNA损伤诱导a，免疫抑制酸性蛋白，类胰岛素生长因子1(促生长因 子C)，类胰岛素生长因子2(促生长因子A)，类胰岛素生长因子结合蛋白1，类胰岛素生长因 子结合蛋白2，类胰岛素生长因子结合蛋白3，细胞间黏附分子1，干扰素a 1，白细胞间介素 1 a，白细胞间介素1 3，白细胞间介素10，白细胞间介素12A，白细胞间介素16，白细胞间介 素5，白细胞间介素6受体，白细胞间介素6信号转导子，白细胞间介素7，白细胞间介素8， 白细胞间介素9，白细胞间介素-1受体拮抗蛋白，IRAP，激肽释放酶14(hK14)，激肽释放酶 2前列腺，激肽释放酶5，激肽释放酶7，激肽释放酶8，激肽释放酶18，激肽释放酶8，角蛋白 18，角蛋白，类型I细胞支架19，细胞角蛋白19，Kit配体，乳运铁蛋白，瘦蛋白，L-选凝素， 黄体激素释放激素受体，Mac-2结合蛋白90K，乳腺珠蛋白B，乳腺血清，抗原，肥大/干细胞 成长因子受体，黑色素瘤活性抑制，膜辅助因子蛋白，CD46抗原，间皮素，中期因子，MK-1蛋 白，Ep-CAM，成肌细胞调节因子1，神经成长因子0，神经突起生长导向因子-1，神经内分泌 蛋白-55，中性粒细胞防御素1，中性粒细胞防御素3，Nm23-H 1，0VX1，0X40，p65肿瘤胚胎， 胰腺分泌的胰岛素抑制剂，TATI，甲状旁腺激素相关蛋白，Pcaf, P300/CBP-相关因子，胃蛋 白酶原-1，胎盘特异性组织蛋白12血浆视黄醇结合蛋白，血纤维蛋白溶酶原(含血管抑制 素)，血小板内皮细胞黏附分子，PECAM-1，血小板因子4，血小板源性成长因子0多肽，血小 板源性成长因子受体a多肽，妊娠带蛋白，妊娠相关血清蛋白-A，前列腺分泌蛋白PSP94， P-选择素，PSP94结合蛋白，丙酮酸激酶，同工酶M1/M2，核黄素载体蛋白，1000链，分泌磷
7蛋白1，骨桥蛋白，丝氨酸(或半胱氨酸)蛋白酶抑制剂进化枝B，maSpin，丝氨酸(或半胱氨 酸)蛋白酶抑制剂进化枝E，PAI_1，血清淀粉样蛋白a-1，血清对氧磷脂酶/芳基酯酶1，小 诱导细胞因子A14CCL14，小诱导细胞因子A18 (CCL18)，MIP-4，小诱导细胞因子A2 (CCL2)， 小诱导细胞因子A3 (CCL3)，巨噬细胞炎性蛋白1-a，小诱导细胞因子B5(CXCL5)，S鳞状细 胞癌抗原1，鳞状细胞癌抗原2，生存素，多配体聚糖-1，突触核蛋白-y，TEK酪氨酸激酶内 皮细胞，Tie-2，细胞外基质蛋白，四粘蛋白，TGF-3受体类型III，Thiredoxin还原酶1，血 小板生成素，血小板生成素1，胸苷激酶，金属蛋白酶组织抑制剂1，金属蛋白组织抑制剂2， 组织型纤维蛋白溶酶原激活剂，tPA，转铁蛋白受体(P90CD71)，转化成长因子a，转化成长 因子0 1，转甲状腺素蛋白，原肌球蛋白la链(a-原肌球蛋白)，肿瘤坏死因子(配体) 超家族成员5，CD 154，肿瘤坏死因子(配体)超家族成员6，Fas配体，肿瘤坏死因子配体 超家族成员13B，TALL-1，肿瘤坏死因子受体超家族成员11B，骨保护素，肿瘤坏死因子受体 超家族成员1A p60TNF-RI p55CD120a，TNFR1，肿瘤坏死因子受体超家族成员1B，TNFR2，尿 激酶纤溶酶原激活剂表面受体，U-PAR，血管细胞黏附分子1，血管内皮成长因子受体2，血 管活性肠肽，VEGF (165) b，维生素K相关蛋白C，玻璃连接蛋白，以及X-盒结合蛋白_1)，抗 体，或它们的任何组合。 本发明的另外的方面和优势对于本领域技术人员来说是明显的。
权利要求
一种诊断方法，包括以下步骤从患者组织或体液样本获得多个生物标记中每一个生物标记的等级，其中所述多个生物标记中的每个生物标记不同于所述多个生物标记中的所有其他生物标记；彼此相关地对所述等级进行归一化从而产生多个归一化等级；以及根据所述多个归一化等级识别所述患者的临床状况。
2.如权利要求1所述的方法，其中所述多个生物标记中的每个生物标记均提供独特的临床信息。
3.如权利要求1所述的方法，其中所述多个生物标记中的每个生物标记均具有疾病诊 断的护理标准阈值。
4.如权利要求1所述的方法，还包括步骤把所述多个归一化等级合计为单个输出分数。
5.如权利要求1所述的方法，其中所述多个生物标记中的每个生物标记均表示相同的 临床状况。
6.如权利要求1所述的方法，其中所述多个生物标记中的每个生物标记均表示不同的 临床状况。
7.如权利要求1所述的方法，其中所述多个生物标记中的至少一个生物标记是核酸， 而所述多个生物标记中的至少另一个生物标记是蛋白质。
8.一种获取诊断信息的方法，包括以下步骤 分析从患者样本获得的多个不同生物标记；根据从所述患者样本获得的所述生物标记的等级是否超过各个预定阈值来为所述多 个生物标记中的每个生物标记分配二进制输出；根据在所述分配步骤获得的累积的二进制数据确定所述患者的临床状态。
9.如权利要求8所述的方法，其中所述确定步骤包括建立超出各个阈值的生物标记模 式以及没有超出各个阈值的生物标记模式。
10.如权利要求8所述的方法，其中所述分配步骤包括根据从所述多个生物标记中的 每个生物标记获得的定量结果是否超出所述多个生物标记中的每个生物标记的独特预定 阈值来把所述定量结果转换成二进制输出。
11.如权利要求8所述的方法，其中所述确定步骤包括获得所述多个生物标记中的每 个生物标记的所述二进制输出的累积总和。
12.—种识别疾病状况的方法，所述方法包括以下步骤 获得患者样本中多个不同生物标记的定量数量；根据所述定量数量是否超出针对所述多个生物标记中的每个生物标记所建立的预定 标准来为所述多个生物标记中的每个生物标记分配二进制输出；在所述多个生物标记中的大多数生物标记都超出它们各自的阈值时识别在所述患者 的所述疾病状况。
全文摘要
本发明提供一种评估患者临床状态的方法。特别地，本发明提供一种根据对多个待测物或生物标记的分析来产生诊断输出的方法。本发明的方法利用许多不同的标记的测量，这些标记具有诊断中、预后、治疗方案选择、疗效、生理特点、和/或复发可能性的预测关系或可能的预测值。
文档编号G01N33/48GK101878426SQ200880113288
公开日2010年11月3日 申请日期2008年9月12日 优先权日2007年9月14日
发明者安东尼·舒伯尔 申请人:先兆生物科学有限公司