药物重定位差异签名质量分析与药物集合协调方法及系统、设备、存储介质

本发明属于生物信息学，尤其涉及药物重定位差异签名质量分析与药物集合协调方法及系统、设备、存储介质。

背景技术：

1、药物重定位旨在从已上市药物、临床候选化合物或其他可干预对象中发现新的疾病治疗用途，具有成本较低、研发周期较短和安全性信息较充分等优势。随着rna-seq、基因表达芯片、单细胞测序和多组学技术的发展，大量疾病、药物处理、临床分期及分子亚型相关的组学数据被持续积累。研究人员通常将疾病状态或干预处理转化为差异签名，用于候选药物排序、靶点解释和药物重定位算法评价。

2、现有方法通常依赖三个基础条件：第一，输入签名具有足够质量和明确生物学来源；第二，输入签名与候选算法所需的特征空间、候选对象空间或网络空间相匹配；第三，输出结果具有可解释的外部参照、稳定性证据或可信度边界。然而，现有数据库和分析工具主要解决数据存储、检索和单次算法运行问题，较少系统回答“该输入是否适合进入该算法”“该候选列表是否稳定”“该评价指标是否有足够上下文支撑”等问题。

3、在实际应用中，一个数据集并不等同于一个可直接用于算法评价的分析对象。同一数据集可能包含多个疾病分组、多个比较条件或多个分子亚型，不同来源的数据在样本数量、平台类型、特征覆盖范围和候选对象空间方面可能存在显著差异。真正进入药物重定位算法的最小对象是一个具有明确样本分组、差异特征结果和可追溯来源的分析单元。现有技术通常忽略这一点，容易出现以下情况：某数据集具有多个比较条件但系统只给出整体评价；某疾病签名虽可输入算法但显著特征极少或方向严重不平衡；某算法虽能返回排序结果但输入特征与算法特征空间重叠很低；某结果缺少外部验证标签、随机基线或候选空间说明；实时计算结果与预计算结果不一致但系统未提示差异来源。

4、因此，需要一种通用的计算机实现方法，在差异特征分析单元层面对数据质量、算法适配性、评价上下文和结果可信度进行统一评价，使候选药物排序结果具备可解释性、可复用性和可靠性。

技术实现思路

1、本发明的目的在于提供药物重定位差异签名质量分析与药物集合协调方法及系统、设备、存储介质，以解决现有技术中存在的问题。

2、本发明解决其技术问题所采用的技术方案是：

3、第一方面，本发明提供了一种药物重定位差异签名质量分析与药物集合协调方法，由计算机设备执行，包括以下步骤：

4、（1）获取具有样本分组信息和差异特征结果的差异特征分析单元，为差异特征分析单元生成唯一标识，并提取样本分组特征、差异信号特征和算法输入特征；

5、（2）生成质量表征以及各候选算法对应的算法适配状态，并依据算法适配状态控制候选算法的执行、限制执行或阻断执行；

6、（3）生成各候选算法的原生候选对象空间；当候选算法为至少两个时，根据至少两个候选算法的原生候选对象空间生成共同候选对象空间；

7、（4）基于同一差异特征分析单元取得一个或多个候选算法的候选对象排序结果，并针对每个候选算法在其原生候选对象空间中生成原生空间评价结果；当存在共同候选对象空间时，将至少两个候选算法的候选对象排序结果投影至共同候选对象空间，并生成共同空间评价结果；

8、（5）当存在共同候选对象空间时，比较原生空间评价结果和共同空间评价结果，生成候选空间敏感性状态；当不存在共同候选对象空间时，将候选空间敏感性状态确定为不适用状态，并生成表征共同候选对象空间不适用的机器可读原因代码；

9、（6）根据质量表征、算法适配状态和候选空间敏感性状态生成结果可信度状态；

10、（7）输出与差异特征分析单元唯一标识关联的结构化评价结果对象，至少包括质量表征、算法适配状态、候选空间敏感性状态、结果可信度状态。

11、进一步的，步骤（1）中，还包括缺失风险状态的生成，具体为：对提取的特征执行归一化和缺失标记，并根据缺失字段是否影响质量计算、算法输入构建或候选对象评价生成不同的缺失风险状态；

12、样本分组特征包括最小组样本数和组间平衡度，差异信号特征包括有效特征数、显著特征数、显著比例和方向平衡度中的一种或多种；算法输入特征包括特征空间覆盖率、输入方向完整性、跨物种或跨平台映射覆盖率和网络节点覆盖率中的一种或多种；差异特征结果来源于转录组差异签名。

13、进一步的，步骤（2）中，各候选算法对应的算法适配状态的生成具体为：根据样本分组特征和差异信号特征生成差异特征分析单元的质量表征，为每个候选算法分别建立候选算法注册对象，候选算法注册对象记录输入要求、特征空间要求和适配阈值；将算法输入特征与候选算法注册对象进行匹配，生成各候选算法对应的算法适配状态；

14、步骤（2）还包括评价上下文状态、噪声或变异性风险状态的生成，具体为：基于外部验证标签数量、阳性对象密度、外部参考来源以及候选算法注册对象中预先记录的原生候选对象空间信息，生成评价上下文状态；根据样本规模、组间平衡、差异信号、平台信息以及跨物种或跨平台映射覆盖率中的一种或多种，生成噪声或变异性风险状态；评价上下文状态用于辅助生成结果可信度状态，并将评价上下文状态、噪声或变异性风险状态写入步骤（7）的结构化评价结果对象；

15、质量表征包括样本质量评分、差异信号质量评分、算法输入质量评分、评价上下文质量评分或综合质量评分中的一种或多种；

16、候选算法注册对象还记录算法标识、算法版本、输入结构、输出结构、候选对象空间、候选对象标识命名空间、参数配置和失败条件；

17、算法适配状态包括可执行、限制执行和不可执行；在限制执行或不可执行时，结构化评价结果对象记录未满足的输入条件及对应原因代码。

18、进一步的，步骤（3）中，各候选算法的原生候选对象空间的生成具体为：针对一个或多个处于可执行或限制执行状态的候选算法，读取各候选算法对应的候选对象集合和候选对象标识命名空间，通过候选对象标识映射规则进行标识规范化，生成各候选算法的原生候选对象空间；

19、候选对象标识映射规则包括名称标准化、同义词归并、数据库标识转换、重复对象合并和无法映射对象标记中的一种或多种；

20、共同候选对象空间由多个原生候选对象空间的交集、预设参考候选集合或满足预设算法覆盖条件的候选对象子集生成；

21、候选对象包括候选药物、候选化合物、候选靶点、候选通路或候选干预方式。

22、进一步的，步骤（4）中，在生成原生空间评价结果以及存在共同候选对象空间时生成共同空间评价结果的过程中，保持差异特征分析单元、外部参考集合和评价函数一致；

23、原生空间评价结果，以及在存在共同候选对象空间时生成的共同空间评价结果，包括随机基线以及hit@k、precision@k、recall@k、ndcg@k、mrr和auprc中的一种或多种；其中，k表示候选对象排序结果中纳入评价的前k个候选对象的数量；

24、步骤（5）中，候选空间敏感性状态的生成基于候选对象保留比例、评价指标变化、算法相对次序变化以及jaccard、rbo、kendall相关系数或spearman相关系数中的一种或多种。

25、进一步的，步骤（6）中，还包括当质量表征或算法适配状态不满足预设条件，或者候选空间敏感性状态表明候选对象排序结果受候选对象空间影响时，生成对应的限制使用状态和机器可读原因代码；当候选空间敏感性状态为不适用状态时，根据质量表征和算法适配状态生成结果可信度状态，并在结果可信度状态中记录候选空间敏感性状态不适用及其机器可读原因代码；

26、结果可信度状态基于以下方式中的一种或多种辅助生成：

27、将数据库预计算排序结果与针对同一差异特征分析单元实时计算得到的排序结果进行比较，根据top-k重叠度或排序相关性生成预计算与实时计算一致性状态，预计算与实时计算一致性状态用于辅助生成结果可信度状态；

28、改变差异特征筛选阈值、输入特征数量或候选算法参数中的一种或多种，比较参数扰动前后的候选对象排序结果并生成参数稳定性状态，参数稳定性状态用于辅助生成结果可信度状态；

29、构建具有预期输出关系的测试分析单元，将候选算法的目标实现输出与独立参考实现输出进行比较，并根据数值误差、方向一致性或排序一致性生成实现验证状态，实现验证状态用于辅助生成结果可信度状态，实现验证记录包括测试分析单元标识、目标算法版本、参考实现版本、测试输入哈希、误差容限和误差结果；

30、对输入数据、候选对象空间、候选算法、参数、外部参考和计算结果生成版本标识及哈希，并通过冻结输入复算生成结果可重算状态，结果可重算状态用于辅助生成结果可信度状态。

31、进一步的，步骤（7）中，结构化评价结果对象还包括原生候选对象空间标识、版本信息；当存在共同候选对象空间时，结构化评价结果对象还包括共同候选对象空间标识；当不存在共同候选对象空间时，结构化评价结果对象还包括不适用状态及其机器可读原因代码；

32、结构化评价结果对象还包括根据差异特征分析单元的信息、差异特征结果、算法适配状态、候选对象排序结果和外部参考之间的可连接状态生成的分析链路完整性状态。

33、第二方面，本发明提供了一种药物重定位差异签名质量分析与药物集合协调系统，被配置为执行药物重定位差异签名质量分析与药物集合协调方法，包括：

34、分析单元识别与特征提取模块，用于从差异分析结果、样本分组信息和数据来源信息中识别差异特征分析单元，生成唯一标识和版本信息，并提取样本分组特征、差异信号特征和算法输入特征，进行归一化、缺失标记和异常值处理；

35、质量感知算法适配判定模块，用于根据提取的特征和候选算法注册对象生成质量表征和算法适配状态，并依据算法适配状态控制候选算法的执行、限制执行或阻断执行；质量感知算法适配判定模块还用于基于外部验证标签数量、阳性对象密度、外部参考来源以及候选算法注册对象中预先记录的原生候选对象空间信息，生成评价上下文状态，以及根据样本规模、组间平衡、差异信号、平台信息和下游排序稳定性中的一种或多种生成噪声或变异性风险状态；

36、候选对象标识标准化模块，用于将不同算法对应的候选对象标识按照候选对象标识映射规则映射到候选对象标识命名空间，记录同义词、一对多映射、未映射和冲突映射状态；

37、候选对象集合协调与空间评价模块，用于生成各候选算法的原生候选对象空间，并在候选算法为至少两个时生成共同候选对象空间；用于在各候选算法的原生候选对象空间中生成原生空间评价结果，并在存在共同候选对象空间时生成共同空间评价结果；

38、候选对象集合敏感性判定模块，用于在存在共同候选对象空间时，根据候选对象保留比例、评价指标变化、算法相对次序变化以及jaccard、rbo、kendall相关系数或spearman相关系数中的至少一种生成候选空间敏感性状态；在不存在共同候选对象空间时，生成候选空间敏感性不适用状态及相应的机器可读原因代码；

39、结构化可信度输出模块，用于生成并输出与差异特征分析单元唯一标识关联的结构化评价结果对象，结构化评价结果对象包括原生候选对象空间标识，并在存在共同候选对象空间时包括共同候选对象空间标识，或者在不存在共同候选对象空间时包括不适用状态及相应的机器可读原因代码；

40、辅助验证模块，用于执行以下操作中的一种或多种：将数据库预计算排序结果与实时计算排序结果进行比较生成预计算与实时计算一致性状态；改变差异特征筛选阈值、输入特征数量或候选算法参数生成参数稳定性状态；构建具有预期输出关系的测试分析单元，将候选算法的目标实现输出与独立参考实现输出进行比较生成实现验证状态；对输入数据、候选对象空间、候选算法、参数、外部参考和计算结果生成版本标识及哈希，通过冻结输入复算生成结果可重算状态；预计算与实时计算一致性状态、参数稳定性状态、实现验证状态和结果可重算状态用于辅助生成结果可信度状态。

41、第三方面，本发明提供了一种电子设备，包括处理器和存储器，存储器中存储有计算机程序，计算机程序被处理器执行时实现药物重定位差异签名质量分析与药物集合协调方法。

42、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现药物重定位差异签名质量分析与药物集合协调方法。

43、本发明具有以下有益效果：

44、1.本发明通过多维评分机制，不仅判断差异签名是否存在，还系统评价其样本分组质量、信号强度、算法适配性和评价上下文充分性，从源头降低低质量输入导致误导性结果的风险。

45、2.本发明通过候选算法注册对象和适配评分，在算法运行前自动判断输入是否满足各算法的输入要求，并依据硬性失败条件和适配评分阈值生成可执行（run）、限制执行（run_with_warning）或不可执行（block）动作，将质量与适配评价直接转化为计算任务控制，减少无效计算任务及错误结果被下游系统误用的风险。

46、3.本发明将性能指标置于评价上下文中解释，根据外部标签数量、阳性对象密度和候选空间一致性生成评价上下文状态，避免在外部参考不足或候选对象空间不一致时过度解释排序结果。

47、4.本发明通过预计算与实时计算一致性、参数敏感性、重复运行稳定性、随机基线比较等方式判断排序结果可靠性，并通过冻结输入、算法、参数和候选空间版本，生成哈希及依赖清单并执行复算校验，使正式结果具备版本可追踪性和可重算审计能力。

48、5.本发明通过配置化评分规则和候选算法注册对象，不限定具体算法名称、数据库名称或输出格式，新增药物重定位算法或扩展组学数据类型时无需重构整体系统，可用于数据库、api服务、批量计算和本地软件系统等多种部署场景。

49、6.本发明通过具有预期输出关系的测试分析单元和独立参考实现，计算数值误差和排序一致性，使系统能够区分“可重复运行”与“符合数学规则”，避免实现错误持续输出可重复但错误的结果。

50、7.本发明通过候选对象标识规范化、原生空间和共同空间双轨重算、随机基线校正和空间敏感性判定，区分算法差异与候选对象集合差异，避免将候选空间缩小造成的绝对指标升高误判为算法性能提升，使多算法比较结果具备明确的技术边界。