of global mortality and burden of disease from 2002to 2030. PLoS medicine. 3，e442]。暴露给 CS 的 C57/B16 老鼠提供 了对肺气肿发 起和发展的有价值的洞察[Churg，A.Cosio，M. and Wright，J.L. (2008) Mechanisms of cigarette smoke-induced COPD: insights from animal models. American Journal of Physiology-Lung Cellular and Molecular Physiology. 294, L612-L631]，虽然这只模拟 了早期人类COPD的以降低的肺功能、呼吸道中的异常炎症反应、小呼吸道重塑和肺泡组 织的毁坏为特征的某些方面[Pauwels，R. A. and Rabe，K.F. (2004)Burden and clinical features of chronic obstructive pulmonary disease (COPD). Lancet. 364, 613-20 ； Rabe,K.F.et al. (2007)Global strategy for the diagnosis,management, and prevention of chronic obstructive pulmonary disease:GOLD executive summary. Am J Respir Crit Care Med. 176, 532-55]〇
[0139] 牛物影响因子除了 NPA之外，生物影响因子（BIF)算法被用于该用例。BIF是用 于由于生物系统被暴露给一个或若干刺激而引起的生物影响的聚集的量。具体地，BIF提 供在网络模型中捕捉的所有过程的系统范围的分数及其相关联的NPA分数。图4A示出了 例示出各种网络和相对应的个体扰动幅度的生物影响因子圆锥，从而示出了各种机理对总 体生物影响因子的贡献。
[0140] 伸用网络方法分析转录组数据基于机理的系统毒理学策略[Hoeng，J. et al. (2012)A network-based approach to quantifying the impact of biologically active substances. Drug Discov Today. 17, 413-8]可以被应用以获得机理性洞察并量化 在暴露给烟雾的老鼠肺部中激活的各种生物过程。具体地，转录组数据被从暴露给主流CS 达2、3、7个月的老鼠以及分别跟着2个月和5个月的停止时段的2个月和3个月的烟雾暴 露之后的数据获得。与Beckett等人的研究[Beckett, E.L.et al. (2013)A new short-term mouse model of chronic obstructive pulmonary disease identifies a role for mast cell tryptase in pathogenesis. Journal of Allergy and Clinical Immunology]的发 现类似，老鼠在仅2个月的CS暴露后肺部患上肺气肿，这由肺部形态计量和组织病理分析 特征化。
[0141] 总体生物影响因子（BIF)被使用如下网络计算：肺部炎症过程网络（IPN)、细胞增 殖网络[Westra, J. W. et al. (2011) Construction of a computable cell proliferation network focused on non-diseased lung cells.BMC Syst Biol. 5, 105]、细胞应激网 络[Schlage, ff. K. et al. (2011)Α computable cellular stress network model for non-diseased pulmonary and cardiovascular tissue.BMC Syst Biol.5,168]以 及构成DNA损伤、自噬、细胞死亡（凋亡和坏死）和衰老网络（DACS)的网络（DACS) [Gebel,S.et al. (2013)Construction of a Computable Network Model for DNA Damage, Autophagy, Cell Death, and Senescence Bioinformatics and Biology Insights 7, 97-117]。图4A示出了每个时间点处CS暴露和对照组暴露的老鼠肺部的相对BIF。CS对 肺部生物过程的影响在3个月的CS暴露后位于其最高处并且在停止后显著降低。类似于与 肺部功能和病理学有关的端点，影响的程度取决于烟雾暴露的持续时间和停止的长度。显 著的是，当老鼠在2个月的CS暴露后被转换到新鲜空气时，相对BIF在第7个月之前降低 至几乎可忽略的级别，表明肺部中的分子变化几乎完全逆转。
[0142] 图4B使用肺部炎症过程网络（IPN)、细胞增殖网络、细胞应激网络以及构成DNA损 伤、自噬、细胞死亡（凋亡和坏死）和衰老网络（DACS)的子网络示出了暴露给烟雾的老鼠 肺部的相对生物影响因子数据。图4B中的条形图示出相对于最大响应群（REF)的BIF值。 S值（-1到1)指示底层网络扰动相对于最大响应群（REF)有多相似。分数通过使用来自 与时间匹配的对照老鼠对比的CS和停止老鼠的转录组谱数据被计算。一般地，将BIF分解 到其各个网络模型中可以识别在每个时间点对疾病表型最有贡献的生物过程。根据在支气 管肺泡灌洗液（BALF)中测得的病理学和分子学端点二者，肺部炎症在所有时间点处是对 CS的优势响应。有趣的是，虽然炎症似乎在跟着2个月的CS暴露的5个月停止之后减弱 了，但是凋亡和增殖仍然存在。如组织学分析所确定的，这可能反映了似乎已从CS暴露部 分恢复的受损肺部中正在进行的修复过程。
[0143] 图4C例示了示出针对各种治疗组将总体相对BIF分解为其主要机理成分（从细 胞增殖到炎症）的星状图。给定的治疗组中的标签示出用于该特定治疗的每个网络的贡献 (按百分比）。它们的和为100%。星状图具有八个轴，并且图4C右手边的图例列出八个 颜色编码成分。这些在每个星状图中按逆时针方向排列，从在垂直向上轴（即，北）上对齐 的部分中的细胞增殖开始，经过左上（西北）轴上的细胞应激，依次到达右上（东北）轴上 的IPN，所以在左上角的星状图（用于CS(2m))中，八个成分的值为3% (细胞增殖）、3.7% (细胞应激）、3· 1% (凋亡）、0.6% (自噬）、0% (DNA损伤）、0% (坏死）、11.4% (衰老） 和78. 2% (IPN);其他每个图具有相同的排列。
[0144] 图4D是来自暴露给烟雾的老鼠的支气管肺泡灌洗液（BALF)细胞计数的图形表 示。细胞测量在每个肺中被按数量报告。当特别是网络BIF和肺部炎症被与BALF中的细 胞计数相比较时，存在明显一致；CS暴露导致炎症细胞流入支气管肺泡空间，并且该影响 在停止后消失。这证明BIF对于捕捉烟雾暴露后肺部的炎症变化非常敏感并且很好地反映 了停止时段后的恢复。
[0145] 图4E是用于巨噬细胞活化的、针对肺部炎症过程网络（IPN)内的依细胞类型而定 的子网络的NPA计算以及来自BALF的对应测量的图形表示，并且图4E是用于上皮促炎信 号传导的、针对肺部炎症过程网络（IPN)内的依细胞类型而定的子网络的NPA计算以及来 自BALF的对应测量的图形表示。在图4E和图4F二者中，有颜色的巨噬细胞测量被按任意 单位报告。配合基级别被按pg/mL报告。误差条表示95 %的置信区间。
[0146] 肺的IPN包括若干不同的依细胞类型而定的子网络，并且巨噬细胞活化（图4E) 和上皮促炎信号传导子网络（图4F)在暴露给烟雾的老鼠肺部中如何被扰动可被仔细分 析。对于总体巨噬细胞活化，在子网络活化和BALF细胞数量变化之间存在一致性（图4E)。 在聚集的分数的机理性衰竭中，每个网络节点的个体扰动可以被调查。典型网络节点及其 对应的BALF分析物测量的示例可以针对每个子网络模型被示出以将主要组织信号传导的 行为和其替代测量相比较。趋势在网络模型中的节点分数和BALF分析物之间是一致的 (图4E和图4F)。有趣的是，很多情况下，当BALF测量指示炎症在停止后已减弱时，增加 的NPA分数指示网络仍被扰动。这强调了网络方法的有效性和敏感性，提供了对疾病进展 的机理性洞察并捕捉了不一定反映在替代测量（BALF分析物）中的主要组织中的任何剩余 信号传导。剩余信号可能是由于不一定反映在BALF室中的、肺泡空间中聚集的巨噬细胞和 其他炎症细胞（称为巨·细胞巢）的存在[W. Stinn, A.et al. (2012)Lung inflammatory effects, tumorigenesis, and emphysema development in a long-term, inhalation study with cigarette mainstream, smoke in mice. Toxicol, Set. 305:49-64]。虽然与替 代测量的关联用作我们的方法的原理证明，但是机理性洞察可以被用来研发允许更聪明的 实验设计的可测试假设。
[0147] 本公开描述了获取对暴露（例如，生物活动物质和环境损害）的影响的定量系统 级机理性洞察的能力具有范围从药品研发到消费者安全不等的各种实际应用。例如，候选 化合物可以针对其对在治疗上相关的信号传导途径的影响（例如，细胞周期的抑制）被筛 选，或者由化学暴露调节的分子机理可以针对其与健康风险的可能关联（例如，DNA损伤的 诱导）而被定量地评价。无论最终目标是治疗干预还是伤害降低，这些示例都突显了评估 暴露的生物影响的迫切需要。
[0148] 根据该公开的实现方式，五个生物网络模型在肺部上下文中被构建[Schlage，W. K. et al. (2011)A computable cellular stress network model for non-diseased pulmonary and cardiovascular tissue. BMC Syst Biol.5, 168 ；ffestra,J. ff. et al. (201 I)Construction of a computable cell proliferation network focused on non-diseased lung cells. BMC Syst Biol. 5, 105 ；Gebel,S.et al. (2013)Construction of a Computable Network Model for DNA Damage,Autophagyj Cell Death,and Senescence Bioinformatics and Biology Insights 7, 97-117]。这些网络模型为创建诸 如慢性阻塞性肺病（COPD)或囊胞性纤维症之类的肺部疾病模型提供了理想的基底，并且 如本文所描述的，当与能够测定被建模生物过程的扰动的数量的算法相结合时发挥其全部 能力。
[0149] 本公开的系统和方法以客观、系统和可计量的方式评价了暴露的生物影响，实现 了针对给定的活动物质或混合物的、系统范围的全机理性的生物影响量度的计算。本文描 述的结果表明从药品研发到消费者产品测试和环境影响分析的各种领域的人类疾病研究 都能够得益于本方法的使用。
[0150] 本文引用的每个参考文献通过引用被分别全部结合于此。
[0151] 虽然该公开的实现方式已参考特定示例被具体示出和描述，但是本领域技术人员 应理解，在不脱离所附权利要求定义的公开的范围的情况下可对其进行各种形式和细节改 变。该公开的范围因此由所附权利要求指示并且落入权利要求的等同物的范围和含义的所 有改变因此打算被包含。
【主权项】
1. 一种用于量化生物系统响应于媒介的扰动的计算机化方法，包括： 在处理电路处接收与生物系统对媒介的响应相对应的一组治疗数据； 接收与未暴露于媒介的生物系统的响应相对应的一组对照数据； 识别各自表示生物系统中的生物过程的第一计算因果网络模型和第二计算因果网络 丰旲型； 在处理电路处并且基于所述一组治疗数据和所述一组对照数据来计算第一计算因果 网络模型的第一分数和第二计算因果网络模型的第二分数； 基于第一分数、第二分数以及第一计算因果网络模型与第二计算因果网络模型之间的 交集来生成因子，其中该因子表示生物系统响应于媒介的扰动。2. 如权利要求1所述的计算机化方法，其中： 生物系统包括多个生物实体，每个生物实体与生物实体中的至少一个其他生物实体相 互作用；并且 第一计算因果网络模型与第二计算因果网络模型之间的交集包括代表所述多个生物 实体的子集的重叠节点集。3. 如权利要求1所述的计算机化方法，还包括确定第一分数的统计显著性以评估第一 分数相对于第一计算因果网络模型的特异性。4. 如权利要求3所述的计算机化方法，其中，确定第一分数的统计显著性包括： 修改第一计算因果网络模型的一个或更多个方面以获得一组测试模型； 基于这一组测试模型来计算一组测试分数；以及 将第一分数与这一组测试分数进行比较。5. 如权利要求4所述的计算机化方法，其中，所述一个或更多个方面包括指派给第一 计算因果网络模型中的一组节点的标签。6. 如权利要求4所述的计算机化方法，其中，所述一个或更多个方面包括第一计算因 果网络模型中的节点之间的边连接。7. 如权利要求4所述的计算机化方法，其中，所述修改被随机执行N次，并且每当修改 被执行时测试分数中的一个测试分数被计算。8. 如权利要求4所述的计算机化方法，其中，当第一分数超过所述一组测试分数的阈 值百分比时，第一分数是统计显著的。9. 如权利要求1所述的计算机化方法，其中，第一计算因果网络模型和第二计算因果 网络模型中的每个代表生物系统中的生物机理。10. 如权利要求1所述的计算机化方法，其中，计算第一分数包括评估第一计算因果网 络模型底层的有符号有向图的范数。11. 如权利要求10所述的计算机化方法，其中，评估范数包括评估邻接矩阵。12. 如权利要求1所述的计算机化方法，其中，生成因子包括： 计算点积，该点积将第一计算因果网络模型与第二计算因果网络模型之间的交集考虑 在内；以及 基于该点积来调节第一分数和第二分数中的至少一个。13. 如权利要求12所述的计算机化方法，其中，点积抵消所述交集并且表示第一计算 因果网络模型和第二计算因果网络模型的正交部分的贡献。14. 如权利要求13所述的计算机化方法，其中，所述点积定义正交直和。15. -种计算机化系统，包括配置有非临时性计算机可读指令的处理设备，该非临时性 计算机可读指令当被执行时使处理设备执行如权利要求1-14中任一项所述的方法。
【专利摘要】与生物系统对媒介的反应相对应的一组治疗数据及与未暴露给媒介的生物系统的反应相对应的一组对照数据被接收，并且各自表示生物系统中的生物过程的第一计算因果网络模型和第二计算因果网络模型被识别。基于所述一组治疗数据和所述一组对照数据，第一计算因果网络模型的第一分数和第二计算因果网络模型的第二分数被计算。基于第一分数、第二分数及第一计算因果网络模型和第二计算因果网络模型之间的交集来生成因子，其中该因子表示生物系统响应于媒介的扰动。
【IPC分类】G06F19/12
【公开号】CN105308604
【申请号】CN201480023094
【发明人】F·马丁
【申请人】菲利普莫里斯生产公司
【公开日】2016年2月3日
【申请日】2014年4月22日
【公告号】CA2910061A1, EP2989578A1, US20160063176, WO2014173912A1