使用挥发性有机化合物训练和使用机器学习模型来预测生物状况的制作方法

摘要: 背景技术:1、一种疾病诊断方法涉及从受试者的样本中测量分子生物标志物,并将这些生物标志物与疾病相关联。通常,生物标志物是已知的分子实体。例如,在某些情况下,生物...
使用挥发性有机化合物训练和使用机器学习模型来预测生物状况的制作方法

背景技术:

1、一种疾病诊断方法涉及从受试者的样本中测量分子生物标志物,并将这些生物标志物与疾病相关联。通常,生物标志物是已知的分子实体。例如,在某些情况下,生物标志物可以是蛋白质生物标志物或核酸生物标志物(例如,dna生物标志物、rna生物标志物或dna修饰生物标志物)。在其它情况下,生物标志物可以是代谢物或挥发性有机化合物。

技术实现思路

1、本公开提供了可用于诊断、检测和/或监测生物状况的组合物和方法,所述生物状况包括但不限于病理状态,例如癌症。如本文所述,通过测量受试者样本(例如尿液样本)中的挥发性有机化合物(voc),可检测、诊断和/或监测多种生物状况。在一些实施方案中,从中提取样本的受试者是人。本公开包括用于分析其的技术,包括但不限于voc的测量,例如通过色谱分离然后进行光谱分析。在一些实施方案中,尿液样本中的voc可通过包括气相色谱法后跟质谱法(gc-ms)的技术进行测量。此外,可分析voc测量,例如,如本文所提供,用于诊断诸如癌症的生物状况。

2、本公开包括认识到voc测量的分析提供了用于诊断包括癌症在内的生物状况的强大工具。本公开提供了通过应用某些分析技术可实现甚至进一步的优点,包括对感兴趣的峰的存在与否进行定性分析,和/或应用机器学习来识别voc数据集的有用标记,例如基于对参考或训练样本集的分析。当单独或一起应用时,本文提供的方法有可能产生用于检测包括癌症在内的生物状况的前所未有的优势。

3、在本文公开的各种实施方案中,本公开提供了使用非靶向色谱和质谱技术分析尿液voc,从而可从同一样本中分析许多voc。此外,在各种实施方案中,用于分析尿液样本voc的质谱法可应用于不同质荷比的宽检测范围。与仅分析一个或少数单个生物标志物分子的传统诊断相比,非靶向分析可提供更大的诊断能力。目前公开的某些实施方案的另一个优点是使用有效的内标对voc浓度进行相对定量。本公开包括认识到使用内标可显著提高诊断质量。

4、本公开还包括,当本公开的组合物和方法用于疾病、病症或状况的诊断、检测和/或监测时,可用于确定治疗方法。例如,在一些实施方案中,本公开的组合物和方法可用于指导特定治疗方案的选择,例如用于治疗癌症。在一些实施方案中,本公开的方法和组合物可提供对相关状况(例如癌症)的更早、更经济高效、更灵敏、更特异和/或更稳健的检测。此外,通过提供早期和正确的检测,可提高治疗效率和临床结果。

5、本公开进一步认识到,尿液样本中voc的测量可以本领域技术人员已知的任何形式表示。当通过色谱分离后跟光谱分析(例如,通过gc-ms)测量挥发性有机化合物时,voc测量可用质荷比(m/z)、保留时间和信号强度(例如,丰度或吸光度)表示。在一些实施例中,voc测量值可呈现为二维数据。在一些实施例中,voc测量值可呈现为三维数据。在一些实施方案中,voc测量值可表示为相对数据,例如与标准(如内标)相比。

6、在一些实施例中,voc测量值可表示为与一个或多个选定峰对应的量或浓度。在一些实施方案中,voc测量可表示为对一个或多个选定峰的存在与否的定性确定,任选地通过应用阈值水平。在各种任选的实施方案中,一个或多个峰可对应于已知或预测的分子(例如,voc)。在其它实施方案中,峰与已知或预测的分子(例如voc)无关,和/或诊断分析不需要或不包括任何此类关联。

7、在一些实施方案中,可基于一个或多个尿液样本voc质谱峰的定性和/或定量测量来检测、诊断和/或监测诸如癌症的生物状况,任选地,其中已知或预测一个或多个峰对应于特定的voc。在一些实施方案中,可基于一个或多个尿液样本voc质谱峰的相对浓度来检测、诊断和/或监测诸如癌症的生物状况,例如,相对于内标所测量,任选地,其中已知或预测一个或多个峰对应于特定voc。

8、在一些实施方案中,可以基于尿液样本voc质谱丰度图的一个或多个特征的定性和/或定量测量来检测、诊断和/或监测诸如癌症的生物状况。在一些实施方案中,可基于相对于内标测量的尿液样本voc质谱丰度图的特征来检测、诊断和/或监测诸如癌症的生物状况,任选地,其中已知或预测特征对应于特定的voc。因此,本文提供了用于使用来自受试者的样本的挥发性有机化合物来诊断生物状况(例如病理状态,例如癌症)的组合物、方法和系统。

9、可根据多种手段中的任一种来分析数据,包括通过机器学习,将测量的样本数据与基于对代表疾病或状况的参考或训练样本集的分析而生成的参考进行比较。在各种实施方案中,可使用分类模型来实现诸如癌症的生物状况的诊断、检测和/或监测。

10、在一些实施方案中,本公开的组合物、方法和系统可包括使用机器学习来开发模型(例如,分类模型、回归模型等),所述模型可基于大型数据集预测所提供样本的状态(例如,类别)。特别地,大型数据集可包括来自三维或更高维样本分析的丰度数据。在一个实施方案中,由机器学习算法分析的数据集可包括由色谱法(如气相色谱法)分离的样本生成的质谱。此类数据集可包括在气相色谱仪上不同保留时间内收集的数千个质谱。与其它方法相比,在各种实施方案中,学习算法可能不会将丰度数据抽象为特定的分子生物标志物,也不会这些分子用作预测因子。因此,分类器可在进行分类时使用受试者样本的原始丰度数据,而无需从数据中识别分子种类。也就是说,可在不缩减数据的情况下进行分类。

11、分类不仅可包括对特定状态的预测,还可包括预测正确的置信度评分。本公开包括认识到,在各种实施方案中,基于截至该时间点从样本收集的数据,可在样本分析过程中的多个时间点(例如,在质谱分析过程中,例如在样本的gc-ms期间)计算所选生物状况诊断的置信度评分,以确定是否收集了足够的数据来产生具有目标置信度水平(置信度评分)的诊断。如果能够以目标置信水平提供诊断,则分析可被视为完成,并且分析终止,从而节约资源(例如,机器、试剂和/或劳动力的使用)。

12、因此,在某些实施方案中,该置信度评分可用于确定要从受试者样本中收集多少数据。根据从气相色谱仪洗脱的样本的保留时间收集质谱。在一些实施方案中,组合物、方法和系统可将分类器应用于来自质谱仪的第一批数据,并对该数据执行分类器。如果预测的置信度评分等于或高于某个阈值,则可停止数据收集,并且可报告预测和置信度评分。然而,如果置信度评分低于某个阈值,则数据收集可继续扩展数据集,并且可对扩展的数据集进行分类。数据收集可以迭代方式继续,直到置信度评分达到阈值或趋于稳定。

13、定义

14、

约:如本文所用,当术语“约”用于提及值时,是指在上下文中与参考值相似的值。一般来说,熟悉上下文的本领域技术人员应理解在此上下文中“约”所涵盖的相关变化程度。例如,在一些实施方案中,术语“约”可以涵盖在参考值的25%、20%、19%、18%、17%、16%、15%、14%、13%、12%、11%、10%、9%、8%、7%、6%、5%、4%、3%、2%、1%或更小内的一系列值。

15、

施用:如本文所用,术语“施用”通常是指向受试者或系统施用组合物以实现作为组合物或包含在组合物中的药剂的递送。

16、

药剂:如本文所用,术语“药剂”可指任何化学实体,包括但不限于原子、分子、化合物、氨基酸、多肽、核苷酸、核酸、蛋白质、蛋白质复合物、液体、溶液、糖、多糖、脂质或其组合或复合物中的一者或多者中的任一者。

17、

与……相关(associatedwith):如果一个事件或实体的存在、水平和/或形式与另一个事件或实体的存在、水平和/或形式相关,则两个事件或实体彼此“相关”,如该术语在本文中所使用。例如,如果特定实体(例如,化合物、多肽、遗传标记、代谢物、微生物等)的存在、水平和/或形式与疾病、病症或病状的发病率和/或易感性相关(例如,在相关群体中),则认为该特定实体与特定疾病、病症或病状相关。在一些实施方案中,如果两个或更多个实体直接或间接地相互作用以使得它们彼此物理接近和/或保持物理接近,则它们彼此物理“关联”。在一些实施方案中,彼此物理缔合的两个或更多个实体是彼此共价连接的;在一些实施方案中,彼此物理缔合的两个或更多个实体不是彼此共价连接的,而是非共价缔合的,例如借助于氢键、范德华相互作用、疏水相互作用、磁性或它们的组合非共价缔合。

18、

生物标志物:如本文所用,术语“生物标志物”按照其在本领域中的用法,是指其存在、水平或形式与特定感兴趣的生物事件或状态相关的实体、状况或活动,因此它被认为是该事件或状态的“标志物”。仅举几个生物标志物的示例,在一些实施方案中,生物标志物可以是或包括特定疾病、病症或状况的标志物,或者可以是特定疾病、病症或状况可能发展、发生或复发的定性或定量概率的标志物,例如在受试者中。在一些实施方案中,生物标志物可以是或包括特定治疗结果或其定性或定量概率的标志物。因此,在各种实施方案中,生物标志物可预测、预测和/或诊断相关感兴趣的生物事件或状态。在各种实施方案中,生物标志物可以是任何化学类别的实体。例如,在一些实施方案中,生物标志物可以是或包括voc、核酸、多肽、脂质、碳水化合物、小分子、无机试剂(例如金属或离子)或其组合。在一些实施方案中,生物标志物是分析样本所得数据中的信号,例如,使用质谱法(例如,色谱法后跟质谱法,例如,gc-ms)分析样本所生成的数据中的峰。本领域技术人员将理解,生物标志物可单独决定特定感兴趣的生物事件或状态,或者可代表或有助于确定特定感兴趣的生物事件或状态的统计概率。本领域技术人员将理解,标志物在与特定感兴趣的生物事件或状态相关的特异性和/或敏感性方面可能不同。在一些实施方案中,生物标志物具有高度特异性,因为它反映了感兴趣的生物事件或状态的特定状态的高概率。在一些情况下,特异性与敏感性之间存在反比关系,即提高特异性可能以牺牲敏感性为代价,或者提高敏感性可能以牺牲特异性为代价。本领域技术人员将理解,有用的生物标志物无需具有100%的特异性和/或100%的准确性,而是可反映这些或其它考虑因素的平衡。在一些情况下,生物标志物可被称为“标志物”。

19、

癌症:如本文所用,术语“癌症”是指细胞表现出相对异常、不受控制和/或自主生长,从而表现出异常升高的增殖速率和/或异常生长表型的疾病、病症或状况,其特征是显著丧失对细胞增殖的控制。在一些实施方案中,癌症可包括一个或多个肿瘤。在一些实施方案中,癌症可以是或包括癌前细胞(例如,良性细胞)、恶性细胞、转移前细胞、转移细胞和/或非转移细胞。在一些实施方案中,癌症可以是或包括实体肿瘤。在一些实施方案中,癌症可以是或包括血液肿瘤。在一些实施方案中,癌症可以是或包括基于所公开的模型的预测而被确定为具有癌症存在的细胞,其可能不被其它诊断或临床标准分类为癌前病变。

20、

化学治疗剂:如本文所用,术语“化学治疗剂”与其在本领域中的用途一致,是指一种或多种已知治疗或有助于治疗癌症或具有已知治疗或有助于治疗癌症的特征的药剂。特别地,化学治疗剂包括促凋亡剂、细胞生长抑制剂和/或细胞毒性剂。在一些实施方案中,化学治疗剂可以是或包括烷化剂、蒽环类药物、细胞骨架破坏剂(例如微管靶向部分,如紫杉烷类、美登素及其类似物)、埃博霉素、组蛋白去乙酰化酶抑制剂(hdac)、拓扑异构酶抑制剂(例如拓扑异构酶i和/或拓扑异构酶ii抑制剂)、激酶抑制剂、核苷酸类似物或核苷酸前体类似物、肽类抗生素、铂类药物、类维生素a、长春花生物碱和/或具有相关抗增殖活性的类似物。在一些具体实施方案中,化学治疗剂可包括以下一种或多种:放线菌素(actinomycin)、全反式维甲酸(all-trans retinoic acid)、澳瑞他汀(auiristatin)、阿扎胞苷(azacitidine)、硫唑嘌呤(azathioprine)、博来霉素(bleomycin)、硼替佐米(bortezomib)、卡铂(carboplatin)、卡培他滨(capecitabine)、顺铂(cisplatin)、苯丁酸氮芥(chlorambucil)、环磷酰胺(cyclophosphamide)、姜黄素(curcumin)、阿糖胞苷(cytarabine)、柔红霉素(daunorubicin)、多西他赛(docetaxel)、去氧氟尿苷(doxifluridine)、阿霉素(doxorubicin)、表柔比星(epirubicin)、埃博霉素(epothilone)、依托泊苷(etoposide)、氟尿嘧啶(fluorouracil)、吉西他滨(gemcitabine)、羟基脲、伊达比星(idarubicin)、伊马替尼(imatinib)、伊立替康(irinotecan)、美登素(maytansine)和/或其类似物(例如dm1)、氮芥(mechlorethamine)、巯基嘌呤(mercaptopurine)、甲氨蝶呤(methotrexate)、米托蒽醌(mitoxantrone)、美登素类药物(maytansinoid)、奥沙利铂(oxaliplatin)、紫杉醇(paclitaxel)、培美曲塞(pemetrexed)、替尼泊苷(teniposide)、硫鸟嘌呤(tioguanine)、拓扑替康(topotecan)、戊柔比星(valrubicin)、长春碱(vinblastine)、长春新碱(vincristine)、长春地辛(vindesine)、长春瑞滨(vinorelbine)或其组合。在一些实施方案中,化学治疗剂可在抗体-药物偶联物的背景下使用。在一些实施方案中,化学治疗剂是选自以下的抗体-药物结合物中的化学治疗剂:hll1-阿霉素、hrs7-sn-38、hmn-14-sn-38、hll2-sn-38、ha20-sn-38、hpam4-sn-38、hll1-sn-38、hrs7-pro-2-p-阿霉素、hmn-14-pro-2-p-阿霉素、hll2-pro-2-p-阿霉素、ha20-pro-2-p-阿霉素、hpam4-pro-2-p-阿霉素、hll1-pro-2-p-阿霉素、p4/d10-阿霉素、吉妥珠单抗奥唑米星(gemtuzumab ozogamicin)、布伦妥昔单抗(brentuximabvedotin)、曲妥珠单抗(trastuzumab emtansine)、伊诺妥珠单抗(inotuzumabozogamicin)、格伦巴妥单抗(glembatumomab vedotin)、sar3419、sar566658、biib015、bt062、sgn-75、sgn-cd19a、amg-172、amg-595、bay-94-9343、asg-5me、asg-22me、asg-16m8f、mdx-1203、mln-0264、抗psma adc、rg-7450、rg-7458、rg-7593、rg-7596、rg-7598、rg-7599、rg-7600、rg-7636、abt-414、imgn-853、imgn-529、沃瑟妥珠单抗(vorsetuzumabmafodotin)和洛沃妥珠单抗(lorvotuzumab mertansine)。在一些实施方案中,化学治疗剂可包括法尼基硫代水杨酸(fts)、4-(4-氯-2-甲基苯氧基)-n-羟基丁酰胺(cmh)、雌二醇(e2)、四甲氧基芪(tms)、δ-生育三烯酚、沙利霉素或姜黄素中的一种或多种。

21、

诊断:如本文所用,术语“诊断”是指确定受试者是否患有或将患上疾病、病症、状况或状态,和/或其定性或定量概率。例如,在癌症诊断中,诊断可包括关于癌症的风险、类型、阶段、恶性程度或其它分类的确定。在一些情况下,诊断可以是或包括与预后和/或对一种或多种一般或特定治疗剂或方案的可能反应有关的确定。

22、

改善、增加、抑制、降低或减少:如本文所用,术语“改善”、“增加”、“抑制”、“降低”和“减少”以及其语法等同形式表示与参考的定性或定量差异。

23、

水平:如本文关于分子(例如挥发性有机化合物)所使用,“水平”用于指指示分子的量、浓度、比率或活性的度量,例如在特定环境,如组织、样本、生物体或其代表性环境中。例如,量可以是分子的质量或数量。浓度可以是相对于上下文值的量,例如每单位质量或体积。比率可以是两个值之间的关系,例如实验值和参考对照值。活性可以是与分子相关的功能的度量,并且在各种情况下可相对于上下文值进行测量,例如每单位质量或体积。本领域技术人员将理解,表示水平的指标可根据例如测定和目的而变化。本领域技术人员将进一步理解,诸如量、浓度、比率和活性等指标通常相互关联,和/或定性或定量地相互提供信息。

24、

参考:如本文所使用,“参考”是指进行比较时所依据的标准或对照。例如,在一些实施方案中,将药剂、样本、序列、受试者、动物、或个体、或它们的群体或者代表它们的度量或特征与参考、药剂、样本、序列、受试者、动物、或个体、或其群体或者代表它们的度量或特征进行比较。在一些实施方案中,参考是测量值。在一些实施方案中,参考是确定的标准或预期值。在一些实施例中,参考是历史参考。参考可以是定量或定性的。通常,如本领域的技术人员所理解,参考和与其比较的值表示在类似条件下的度量(例如,通过类似分析技术分析的样本)。本领域技术人员应了解,在存在足够的相似性时,可合理地依据该相似性进行判断和/或比较。在一些实施方案中,适当的参考可以是在本领域的技术人员将认为是可比较的条件下的药剂、样本、序列、受试者、动物、或个体、或它们的群体,例如,出于评估一个或多个特定变量(例如,存在或不存在药剂或条件)或者代表它们的度量或特征的目的。术语疾病、病症或状况的诊断、检测和/或监测可互换使用,其中检测可指例如确定疾病、病症或状况的存在或不存在;诊断包括对受试者的检测;并且监测包括检测/诊断,以跟踪疾病、病症或状况的存在、不存在或进展,任选地在多个时间点对同一样本或受试者进行测定。

25、

样本:如本文所用,术语“样本”通常是指从感兴趣的来源获得或得到的材料的等分试样(例如,来自受试者尿液的样本)。在一些实施方案中,样本是直接从感兴趣的来源获得的“原始样本”(例如,由尿液构成的样本)。在一些实施方案中,从上下文中明显可知,术语“样本”是指通过处理原始样本(例如通过去除原始样本的一种或多种组分和/或通过向原始样本中添加一种或多种试剂,例如,通过从尿液样本和/或为色谱制备的样本中纯化挥发性有机化合物或在所述纯化期间产生的样本)获得的制剂。

26、

敏感性:如本文所用,诊断测试的“敏感性”是指以存在感兴趣的事件或状态为特征的样本百分比,诊断测试的测量结果准确地指示了感兴趣事件或状态的存在(真阳性率)。在各种实施方案中,阳性样本的表征独立于诊断测试,并且可通过任何相关措施,例如本领域技术人员已知的任何相关措施来实现。因此,敏感性反映了在以存在感兴趣的事件或状态为特征的样本中测量时,诊断测试检测到存在感兴趣的事件或状态的概率。在感兴趣的事件或状态是癌症的特定实施方案中,敏感性是指诊断测试检测到患有癌症的受试者体内存在癌症的概率。

27、

特异性:如本文所用,诊断测试的“特异性”是指以不存在感兴趣的事件或状态为特征的样本百分比,诊断测试的测量结果准确地指示了感兴趣事件或状态的不存在(真阴性率)。在各种实施方案中,阴性样本的表征独立于诊断测试,并且可通过任何相关措施,例如本领域技术人员已知的任何相关措施来实现。因此,特异性反映了在不具备感兴趣的事件或状态特征的样本中测量时,诊断测试检测到不存在感兴趣的事件或状态的概率。在感兴趣的事件或状态是癌症的特定实施方案中,特异性是指诊断测试检测到未患结直肠癌的受试者体内不存在癌症的概率。

28、

受试者:如本文所用,术语“受试者”是指生物体,例如人类。在一些实施方案中,受试者患有疾病、病症或病状。在一些实施方案中,受试者易患疾病、病症或病状。在一些实施方案中,受试者显示出疾病、病症或病状的一种或多种症状或特征。在一些实施方案中,受试者未患疾病、病症或病状。在一些实施方案中,受试者不显示出疾病、病症或病状的任何症状或特征。在一些实施方案中,受试者具有以疾病、病症或病状的易感性或风险为特征的一种或多种特征。在一些实施方案中,受试者是已经针对疾病、病症或病状进行测试,和/或已经被施用疗法的受试者。在一些情况下,人受试者可互换地称为“患者”或“个体”。施用与受试者相关的疾病、病症或病状的治疗相关的药剂的受试者可以称为需要该药剂的受试者,即,有需要的受试者。

29、

治疗剂:如本文所用,术语“治疗剂”是指当施用于受试者时引发所期望的药理学作用的任何药剂。在一些实施方案中,如果药剂在适当的群体中表现出统计学上显著的效果,则该药剂被认为是治疗剂。在一些实施方案中,适当的群体可以是模式生物的群体或人群体。在一些实施方案中,适当的群体可以通过各种标准来定义,诸如某个年龄组、性别、遗传背景、预先存在的临床状况等。在一些实施方案中,治疗剂是可以用于治疗疾病、病症或病状的物质。在一些实施方案中,治疗剂是在可以销售以供向人施用之前已经或需要由政府机构批准的药剂。在一些实施方案中,治疗剂是需要医学处方以向人施用的药剂。

30、

治疗:如本文所用,术语“治疗(treatment,以及treat或treating)”是指疗法的施用,该疗法部分或完全减轻、改善、缓解、抑制特定疾病、病症或病状的一种或多种症状、特征和/或病因,延迟特定疾病、病症或病状的发作,降低特定疾病、病症或病状的严重度,以及/或者降低特定疾病、病症或病状的发病率,或者出于实现任何此类结果的目的而施用。在一些实施方案中,这种治疗可以是对未表现出相关疾病、病症或病状的征象的受试者和/或仅表现出疾病、病症或病状的早期征象的受试者的治疗。可替代地或另外地,这种治疗可以是对表现出相关疾病、病状和/或病症的一种或多种确定的征象的受试者的治疗。在一些实施方案中,治疗可以是对已经被诊断为患有相关疾病、病状和/或病症的受试者的治疗。在一些实施方案中,治疗可以是对已知具有一种或多种易感因子的受试者的治疗,该易感因子与相关疾病、病症或病状的发展风险增加在统计学上相关。