优先化生物靶标的制作方法

优先化生物靶标
1.本技术涉及用于对生物靶标优先化的系统和方法。当前公开的技术在可能需要具有某些特征的生物靶标的生物化学和药物发现的领域中找到特定应用。


背景技术：

2.在药物发现领域，需要鉴定合适的生物靶标，如用于治疗疾病的基因、核酸序列、蛋白质、氨基酸序列、蛋白质复合物或生物途径。通常，潜在合适的生物靶标由该领域的科学专家评审，他们手动评审与靶标相关的数据表，并且根据所需的标准对它们进行排序或以其它方式优先化。例如，科学家可能会手动评审与生物靶标相关的副作用的程度和发生率相关的数据。待评审和考虑的其它类别可以包括成药性(druggability)、其它安全性方面，以及靶标与疾病的成功治疗之间是否存在已知的关联。该人工评审的过程耗时且昂贵，并且可能由于人为偏见或错误而影响结果。
3.因此，需要一种用于鉴定合适的生物靶标的改进技术，该技术不需要用户手动评审生物靶标数据。
4.下文描述的实施例不限于解决上述已知方法的任何或所有缺点的实施方式。


技术实现要素：

5.提供此发明内容来以简化形式介绍概念的选择，这些概念将在下文的具体实施方式中进一步描述。此发明内容并非旨在鉴定所要求保护的主题的关键特征或必要特征，也不旨在用于确定所要求保护的主题的范围。
6.在第一方面，本公开提供了一种对生物靶标优先化的计算机实施的方法，所述方法包括：接收一个或多个类别(category)的等级(class)的选择；为多个生物靶标中的每个确定所述生物靶标与每个选择的等级的一致性(alignment)程度；基于所述一致性程度对所述生物靶标优先化；并且输出一个或多个优先化的生物靶标的表示(representation)。
7.任选地，所述类别的等级表示所述类别的数值或数值范围。任选地，所述类别中的一个的所选择的等级不相互毗邻。任选地，所述等级的选择包括相同类别的至少两个等级。任选地，所述类别表示所述生物靶标的性质。任选地，所述方法包括：接收用户输入，所述用户输入包括所述一个或多个类别的等级的选择。任选地，生物靶标与选择的等级之间的所述一致性程度包括所述生物靶标属于所选择的等级的可能性。任选地，所述可能性对应于相同类别的所有等级中标准化的分布。任选地，所述方法包括：确定来自一个或多个数据源的所述一致性程度。任选地，所述方法包括：基于各自的数据源从分级中汇总所述一致性程度。任选地，所述方法包括：使用经过训练的机器学习分级器确定所述一致性程度。任选地，所述生物靶标包括基因、核酸序列、蛋白质、氨基酸序列、蛋白质复合物和/或生物途径。任选地，对所述生物靶标优先化包括通过为每个选择的等级应用最小所需的一致性程度来鉴定匹配所述用户输入的生物靶标。任选地，所述方法包括：确定所述一致性程度的置信量度(confidence metrics)，并且任选地，基于所述置信量度对匹配所述用户输入的所述生物靶标排序。任选地，所述方法包括：使用机器学习技术确定所述置信量度。任选地，对所述生
物靶标优先化包括基于它们的与所选择的等级的一致性程度对所述生物靶标排序。任选地，所述用户输入包括所述类别的相对重要性的标示，并且对所述生物靶标优先化包括使用所述相对重要性的标示。任选地，所述方法包括：输出匹配所述用户输入的所述生物靶标的表示。任选地，所述方法包括：输出所述排序的表示。任选地，所述方法包括：输出所述置信量度的表示。任选地，所述方法包括：提供图形用户界面作为输入和/或输出工具。任选地，所述方法包括：提供用户输入工具以使用户能够生成手动标记命令以覆写输出的至少一部分，所述手动标记命令指定所述生物靶标中的一个是否属于所述等级中的一个。任选地，所述方法包括：基于所述手动标记命令训练所述分级器和/或使用覆写命令以增加一组训练数据。
8.在第二方面，本公开提供了一种存储代码的计算机可读介质，当由计算机执行所述代码时，使计算机实施前述权利要求中任一项所述的方法。
9.在第三方面，本公开提供了一种用于对生物靶标优先化的系统，所述系统包括：输入模块，其配置成接收一个或多个类别的等级的选择；分析模块，其配置成为多个生物靶标中的每个确定所述生物靶标与每个选择的等级的一致性程度；优先化模块，其配置成基于所述一致性程度对所述生物靶标优先化；以及输出模块，其配置成输出一个或多个优先化的生物靶标的表示。
10.本文所描述的方法可以由有形存储介质上的机器可读形式的软件实施，例如以包括计算机程序代码方式的计算机程序的形式，当程序在计算机上运行并且其中的计算机程序可以在计算机可读介质上体现时，该计算机程序代码方式适于实施本文所描述的任何方法的所有步骤。有形(或非暂时性)存储介质的示例包括磁盘、拇指驱动器、存储卡等，但不包括传播的信号。软件可以适合于在并行处理器或串行处理器上执行，使得可以以任何合适的顺序或同时实施方法步骤。
11.此应用承认固件和软件可以是有价值的、可单独交易的商品。它旨在涵盖在“简易(dumb)”或标准硬件上运行或控制以实施所需功能的软件。它还旨在涵盖“描述”或定义硬件的配置的软件，如用于设计硅芯片或配置通用可编程芯片的以实施所需功能的hdl(硬件描述语言)软件。
12.优选的特征可以适当地组合，这对本领域技术人员来说是显而易见的，并且可以与本发明的任何方面组合。
附图说明
13.将参考以下附图以示例的方式描述本发明的实施例，其中：
14.图1为根据本发明的实施例的用于对生物靶标优先化的系统的框图；
15.图2为根据本发明的实施例的可以由图1的系统实施的方法的流程图；
16.图3为显示任选的特征的系统的分析模块的框图；
17.图4为系统可以使用的示例数据源的框图；
18.图5为显示任选的特征的系统的优先化模块的框图；
19.图6为系统的示例实施方式的框图；
20.图7为根据本发明另一个实施例的系统的变型的框图；以及
21.图8为适于实施本发明的实施例的计算机的框图。
22.在所有附图中使用共同的附图标记以表示相似的特征。
具体实施方式
23.下文仅以示例的方式描述本发明的实施例。这些示例表示申请人当前已知的实施本发明的最佳方式，尽管它们不是可以实现此的仅有方式。描述阐述了示例的功能以及用于构建和操作示例的步骤的顺序。然而，相同或等效的功能和顺序可以通过不同示例来完成。
24.在生物化学领域，开发疾病的新疗法的任务通常涉及尝试鉴定合适的生物靶标，如可以与药物相互作用的基因、核酸序列、蛋白质、氨基酸序列、蛋白质复合物或生物途径。为避免疑义，在本文件中，“核酸序列”包括脱氧核糖核酸(dna)(包括基因)，以及核糖核酸(rna)，并且“生物靶标”包括可以被用于治疗疾病的药物靶向的生物分子、复合物或途径。为了从大量潜在候选物中鉴定适合的生物靶标，可以实施对它们的特征的评估和关于哪些候选物符合一组期望的标准的决策过程。根据需要生物靶标的背景和目的，所需的特征可以跨越多个类别，如全部必须考虑的配体能力(ligandability)、安全性和治疗证据，因此搜索需要同时考虑候选物的多个性质。在传统方法中，这种复杂的分析是由科学家手动实施的，该科学家评审与潜在生物靶标相关的数据并且筛选候选物用于与所需特征的潜在匹配。在涉及多个类别和大量潜在生物靶标的情况下，这种人工分析非常耗时，并且倾向于导致开发疾病的新疗法的过程的延迟和增加的成本。
25.发明人已经意识到，需要一种系统，其能够消除科学家手动评审潜在生物靶标的负担，并且通过基于用户指定的标准自动生成已经以合理方式优先化的生物靶标的输出来协助该过程。
26.用于自动对生物靶标优先化的根据本发明的系统与一系列优点相关。这样的系统不仅节省时间，而且消除了可能限制或扭曲结果的决策制定中人为偏见的潜在危害。因此，它可能产生手动评审可用信息可能遗漏的结果。此外，自动化系统能够以与人类不同的方式评审更大的数据源，这也增加了产生人类专家可能找不到的结果的可能性。
27.图1示出了根据本发明的实施例的用于基于用户输入对生物靶标优先化的系统100。可以理解的是，在其它实施例中，生物靶标可以基于预定的或自动生成的标准，而非基于用户输入。在图1的实施例中，系统100被配置成在系统100的输入模块104处接收用户输入102。用户输入102涉及生物靶标的所需特征，其可以包括以各种类别内允许的等级表示的数值或数值范围。类别可以表示生物靶标的物理、化学或生物性质或其它分级(classification)或分类(categorisation)。生物靶标的其它分类可以表示考虑因素，如靶标与特定疾病相关的广为人知性。这些类别的允许的等级可以表示用户要求的这些类别的允许的数值或数值范围。在此示例中，输入模块104可以适当地包括图形用户界面，该图形用户界面被配置成接收跨越一个或多个类别的允许的等级的用户选择，其中类别也可以是用户选择的。某些类别(如溶解度)的值可以是数值，而其它类别的值可以用词(如“安全”或“不安全”)来表示。通过指定一个或多个类别的允许的等级，用户能够向系统标示所需的生物靶标的期望的特征。在用户选择多个类别的允许的等级的情况下，可以自动实施考虑多个类别的复杂的分析，从而消除用户手动分析的负担。
28.示例类别的非限制性列表包括以下内容：
29.·
配体能力——对与生物靶标有效相互作用的小分子调节剂存在或可以产生的可能性的评估。
30.·
安全性——调节靶标可能导致严重临床不良事件的可能性的评估。
31.·
治疗证据——对已知调节靶标以治疗相关疾病的可能性的评估。
32.·
生物学原理——靶标的调节异常导致疾病的可能性的评估。
33.·
靶标表达——靶标是否在相关组织/细胞类型中表达和/或在相关健康与病变组织/细胞类型中的差异表达的度量。
34.·
分层能力(stratifiability)——靶标是否在不同患者内型(endotype)之间或不同内型中有区别地表达的度量，其可以通过临床特征或潜在变量来定义。例如，潜在变量可以提供靶标是否在不同患者内型之间有区别地表达的度量，这可以由临床或生物学数据定义。在这种情况下，疾病亚组之间发生表达差异，并且在特定疾病内型内，靶标可以在预定义的界限内一致地表达。在另一个示例中，潜在变量可以提供靶标是否在患者内型中有区别地表达的度量，这可以由临床或生物学数据定义。在这种情况下，疾病亚组内发生表达差异，使得靶标在感兴趣的单个内型内以多种方式表达。
35.系统100包括分析模块106，该分析模块106被配置成为多个生物靶标中的每个确定生物靶标与用户输入的每个选择的等级的一致性程度。生物靶标与选择的等级的一致性程度提供了该生物靶标属于选择的等级的可能性的度量。因此，一致性程度的确定提供了对每个生物靶标与用户指定的标准的匹配程度的深入理解。例如，一致性程度可以例如用百分比或概率数值表示，或者在其它合适的示例中可以用词(如“高可能性”或“低可能性”)来表示。在一致性程度以数值概率表示的情况下，概率可以对应于分布，如相同类别的所有等级中标准化的概率分布。使用来自一个或多个数据源108的数据，通过分析模块106可以询问大量(如数百、数千或数十万个)生物靶标。
36.系统100包括优先化模块110，该优先化模块110被配置成基于一致性程度对生物靶标优先化。例如，与用户选择的等级一致性好的生物靶标可以被认为匹配用户要求，并且可以优先于不匹配的生物靶标。可替代地或另外地，可以通过按照接近用户要求的顺序和/或按照生物靶标与用户指定标准之间的匹配的置信水平的顺序排序来对生物靶标优先化。在这种情况下，优先化的意思是基于它们与使用一致性程度的用户输入的用户定义标准的符合程度的生物靶标的组织、分类或标记的任何形式。下文结合图5描述了优先化模块110的细节。
37.最后，系统100包括输出模块112，该输出模块112被配置成输出一个或多个优先化的生物靶标114的表示。这可以包括按排序顺序的至少一些生物靶标，例如，其性质最接近地匹配用户输入102中指定的允许的等级的前十个生物靶标。可替代地，可以报告被认为符合用户要求的所有生物靶标，或者可以提供由优先化模块组织的、分类的或标记的生物靶标的任何其它合适的报告形式。
38.因此，本公开扩展到用于基于用户输入对生物靶标优先化的系统100。系统100包括：输入模块104，其配置成接收用户输入，该用户输入包括一个或多个类别的等级的选择；分析模块106，其配置成为多个生物靶标中的每个确定生物靶标与每个选择的等级的一致性程度；优先化模块110，其配置成基于一致性程度对生物靶标优先化；以及输出模块112，其配置成输出一个或多个优先化的生物靶标的表示。本公开还扩展到系统，其中一个或多
个类别的等级的选择并不基于用户输入，而例如可以是预定的或自动生成的。
39.本公开还扩展到一种基于用户输入对生物靶标优先化的计算机实施的方法200。方法200包括：接收202用户输入，该用户输入包括一个或多个类别的等级的选择；为多个生物靶标中的每个确定204生物靶标与每个选择的等级的一致性程度；基于一致性程度对生物靶标优先化206；并且输出208一个或多个优先化的生物靶标的表示。本公开还扩展到方法，其中一个或多个类别的等级的选择并不基于用户输入，而例如可以是预定的或自动生成的。
40.如上所述，分析模块106被配置成确定多个生物靶标中的每个与用户已经选择的每个允许等级的一致性程度。这创建了每个生物靶标符合用户已经指定的要求的程度的度量，使得随后可以基于它们的符合用户要求的水平对生物靶标优先化。如上所述，生物靶标中的一个与各自的允许的等级之间的一致性程度可以采用生物靶标属于各自的允许的等级的可能性的形式。
41.在一个示例中，用户输入102可以包括跨越安全性和生物学原理的类别的允许的等级的选择。在安全性的类别中，用户可能已经选择了等级，根据这些等级，生物靶标的调节已知不会导致严重临床不良事件或预测不会导致严重临床不良事件。在生物学原理的类别中，用户可能已经选择了其中靶标的调节异常已知不会导致疾病或预测不会导致疾病的等级。这些等级的示例用户选择如下表1中所示。
42.[0043][0044]
表1
[0045]
在此示例中，分析模块106被配置成确定多个生物靶标中的每个与安全性类别的等级3和4的一致性，并且确定生物靶标中的每个与生物学原理类别的等级3和4的一致性。这可以通过参考包含与生物靶标相关的数据的一个或多个数据源来实现，该数据可以用于确定生物靶标的特征并由此推断它们与用户选择的等级的符合程度。
[0046]
因此，分析模块106可以通过查询来自一个或多个数据源的数据以用属于每个类别的每个等级的可能性将每个生物靶标分级来实施分级器的角色。在合适的示例中，可能性可以采用跨越给定类别的等级标准化的概率的形式。例如，可以通过使用各种概率分级器方法(如朴素贝叶斯(bayes)、逻辑回归或支持向量机)来实现为每个类别等级分配可能性。另外地或可替代地，可以使用机器学习方法，如经过训练的机器学习分级器，以确定生物靶标与用户要求之间的一致性程度。因此，分析模块106可以适当地包括如图3中所示的机器学习分级器304。
[0047]
如果使用多个数据源，那么分析模块106可以被配置成生成考虑多个数据源的结合的可能性。多个数据源的使用可以导致相同类别的多个分级，因此可以需要某种形式的汇总以返回给定生物靶标和给定类别的最终分级。这可以以各种方式实施，如通过确定所有可用数据源中分级的加权平均值。在这种情况下，分析模块106可以适当地包括如图3中所示的汇总模块302，该汇总模块302被配置成通过从基于各自的数据源的分级汇总它们来生成一致性程度。
[0048]
可以在分级期间分配置信度得分以指示在生物靶标与用户要求之间确定的一致性程度中的置信度水平。可以从来自多个数据源的结果的分布和/或从机器学习模型(在分析模块106包括机器学习分级器304的情况下)或从任何其他合适的计算方法来推断置信度得分。
[0049]
参考图4，可以理解，在机器学习方法的情况下，可以使用一个或多个数据源108来训练机器学习分级器304，该数据源108可以包括生物医学文献402、至少一个生物医学数据库404以及与生物靶标的特征和性质相关的预测406。在摄取生物医学文献402的情况下，机器学习分级器304可以被配置成检查文献的文本以确定给定类别的给定靶标的可能等级。例如，如果在生物医学文献中经常提及药物靶标以及表示严重效果或严重副作用的词，那么在安全性类别中分配给此靶标的可能等级可能与不良反应的高可能性有关。
[0050]
当分析模块106已经确定生物靶标与用户选择的类别等级之间的一致性程度时，这完成了表征生物靶标的阶段。然后，系统100预备通过根据一致性程度对表征的生物靶标
优先化来分类并组织表征的生物靶标，以向用户返回符合用户要求的生物靶标的可行建议。
[0051]
参考图5，优先化模块110可以包括匹配鉴定模块502，该匹配鉴定模块502被配置成通过为每个用户选择的等级应用各自的生物靶标最小所需的一致性程度来鉴定被认为匹配用户输入102的生物靶标。适当地，被认为匹配用户输入的生物靶标可以需要符合每个选择的等级的最小所需的一致性程度。在鉴定出匹配的生物靶标的情况下，系统100的输出模块112可以被配置成输出匹配用户输入的生物靶标的表示，并且可以另外被配置成基于用户输入输出被认为不合适的靶标的列表。例如，可以使用图形用户界面将这些输出提供给用户。
[0052]
优先化模块110可以包括置信模块504，该置信模块504被配置成确定置信量度，例如使用机器学习技术508，表明一致性程度中的置信量度。在这种情况下，优先化模块110还可以包括排序模块506，该排序模块506被配置成基于置信量度对生物靶标或生物靶标的子集(如匹配用户输入的那些)排序。另外地或可替代地，排序模块506可以被包括在优先化模块110中以基于一些或所有生物靶标与选择的等级的一致性程度来对它们排序。如果确定了排序和/或置信量度，那么输出模块112可以被配置成输出排序或置信量度的表示。在实施例中，这些可以使用图形用户界面输出给用户。可以理解的是，例如，置信量度可以表示为百分比置信度、文本串(如高、中或低)或任何其它合适的方式。
[0053]
在一些实施例中，靶标属于特定类别等级的最小置信度水平可以包括在用户输入102的要求中。另外地或可替代地，用户输入102可以包括类别的相对重要性的用户标示。在这种情况下，优先化模块110可以被配置成使用相对重要性的标示对生物靶标优先化。例如，用户可以标示安全性的类别比配体能力的类别更重要。
[0054]
输出模块112可以被配置成向用户提供进一步的信息。例如，可以通过图形用户界面或其它报告方式将每个类别的可能性最高的等级提供给用户。可替代地，在某些情况下，可以将用于对靶标分级的信息不足的标示返回给用户。输出模块112还可以被配置成向用户指定给定靶标属于一些用户定义的类别等级而不属于其它类别等级。
[0055]
参考图6，示出了本发明的实施例的非限制性示例用例600。在该示例中，提供了两个类别，用户可以从中选择合适的等级。该类别为配体能力与治疗证据。在图6的用例600中，存在用户输入602，其包括已被用户选择为合适的配体能力的2个等级604。选择的配体能力的等级为等级1(“未预测或未知是可配体的”)和等级4(“库中有合适的工具化合物”)。需要注意的是，在等级1至4的范围内，配体能力的等级1和等级4不相互毗邻(即彼此不相邻)。相反，它们之间还有其它等级(2和3)，并且它们表示该类别的高度对立的等级。在治疗证据的类别中，用户已经指定靶标属于等级1(“靶标-疾病的关系是众所周知的”)或等级2(“显示了靶标-疾病的关系但不是众所周知的”)606。通过说明靶标至少应当被表明与疾病有关可以表达此要求。
[0056]
在接收到用户输入602之后，分析模块608检查来自一个或多个数据源610的与已知生物靶标相关的数据，以对每个分级。在本用例中，考虑了两个靶标612。分析模块608包括分级器，该分级器返回表明每个靶标属于每个类别的每个等级的可能性的百分比。例如，如图6中所示，所确定的靶标1属于配体能力类别的等级1的概率为20％。类似地，靶标2属于治疗证据类别的等级3的概率为55％。
[0057]
由分析模块608确定的百分比可能性现在可以通过优先化模块用于确定靶标1和2符合用户输入602中规定的要求的程度。在本用例600中，优先化模块618被配置成确定被认为匹配用户输入602的要求的那些靶标(即靶标1和2)。例如，对于配体能力的类别，靶标必须很可能属于等级1或等级4才能被认为与该类别匹配。在本示例用例600中，要求属于选择的等级中的一个的可能性的最低阈值为80％。对于配体能力，用户选择了等级1和等级4，并且分析模块608确定了靶标1属于等级1的可能性为20％，而靶标1属于等级4的可能性为65％。因此，靶标1属于可接受的等级中的一个的可能性为20％ 65％＝85％。因为这超过了最低阈值80％，所以认为靶标1符合配体能力的类别的用户要求。
[0058]
通过相同的方法，靶标2有10％ 5％＝15％的可能性(参见附图标记614)属于配体能力的可接受等级中的一个。因为15％低于被认为是匹配的80％阈值，所以不认为靶标2匹配配体能力的类别的用户输入602。
[0059]
使用相同的方法和相同的80％阈值，优先化模块618计算治疗证据的类别的百分比616并发现，靶标1有20％ 75％＝95％的可能性属于可接受等级，因此与治疗证据匹配，而靶标2有10％ 35％＝45％的可能性属于可接受等级，因此与治疗证据不匹配。优先化模块618由此产生结果620，即靶标1与两个类别均匹配，而靶标2与两个类别均不匹配。可以理解的是，在其它实施例或用例中，可以使用其它阈值。在一些情况下，可以使用如机器学习之类的进一步的技术来自动确定一个或多个阈值。
[0060]
在用例600中，分析模块608被配置成确定置信量度，该置信量度表示分级对于每个靶标是准确的置信度水平。输出模块(未示出)被配置成输出622匹配的靶标，随后是不匹配的靶标，每个都伴随有它们的各自的置信度得分。如用例600的示例中所示，输出622提供靶标1作为具有90％的置信度得分的匹配项，随后提供靶标2作为具有70％的置信度得分的不匹配项。
[0061]
图7示出了图1的系统100的变型700。变型700包括反馈回路以使得手动用户反馈能够被提供至分析模块106的机器学习分级系统702。系统700包括用户输入装置，如图形用户界面，其被配置成接收由用户提供的手动标记命令704以覆写输出114的至少一部分。例如，该领域的专家可能知道，给定的生物靶标具有导致不良副作用的高可能性，而机器学习分级系统702可以已经将这种可能性确定为低。因此，用户可以手动对“导致不良副作用的风险”的类别的生物靶标分配“高”标签，从而覆写系统的“低”的输出。此后，该手动输入可以自动反馈到机器学习分级系统702中并用于进一步训练分级器。可替代地或另外地，通过包含在训练数据706中，手动输入704可以被存储并用于系统700的后续使用。还设想了结合用户反馈的其它方法，如在机器学习方法中使用如监督的或半监督的方法之类的技术，以及使用无监督的机器学习技术。
[0062]
适用于实施根据本发明的方法的计算机设备800如图8中所示。该设备800包括处理器802、输入-输出装置804、通信门户806和计算机存储器808。存储器808可以存储当由处理器802执行时使设备800实施图2中所示方法200的代码。
[0063]
在以上描述的实施例中，服务器可以包括单个服务器或服务器网络。在一些示例中，服务器的功能可以由分布在地理区域上的服务器网络提供，如服务器的全球分布式网络，并且，用户可以基于用户位置连接到合适的服务器网络之一。
[0064]
为了清楚起见，以上描述参考单个用户讨论了本发明的实施例。可以理解的是，在
实践中系统可以被多个用户共享，并且可能同时被非常大量的用户共享。
[0065]
以上描述的实施例是全自动的。在一些示例中，系统的用户或操作者可以手动指示方法的一些步骤进行实施。
[0066]
在本发明的所述实施例中，系统可以被实现为任何形式的计算和/或电子装置。这样的装置可以包括一个或多个处理器，其可以是微处理器、控制器或任何其它合适类型的处理器，用于处理计算机可执行指令以控制装置的操作，从而收集并记录路由信息。在一些示例中，例如在使用在芯片架构上的系统情况下，处理器可以包括一个或多个固定功能块(也称为加速器)，它们以硬件(而非软件或固件)实现方法的一部分。可以在基于计算的装置处提供包括操作系统的平台软件或任何其它合适的平台软件，以使应用软件能够在装置上执行。
[0067]
本文描述的各种功能可以以硬件、软件或其任何组合来实施。如果以软件实施，则这些功能可以作为一个或多个指令或代码在计算机可读介质上存储或传输。计算机可读介质可以包括，例如，计算机可读存储介质。计算机可读存储介质可以包括以用于存储信息(如计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术实现的易失性或非易失性、可移动的或不可移动的介质。计算机可读存储介质可以是计算机可以访问的任何可用的存储介质。作为举例而非限制，这样的计算机可读存储介质可以包括ram、rom、eeprom、闪速存储器或其它存储装置、cd-rom或其它光盘存储器、磁盘存储器或其它磁存储装置，或者可用于以指令或数据结构的形式携带或存储所需程序代码并且可以由计算机访问的任何其它介质。如本文所使用的盘(disc)和磁盘(disk)包括压缩盘(cd，compact disc)、激光盘、光盘、数字化通用盘(dvd)、软盘和蓝光盘(bd，bluray disc)。此外，传播的信号不包括在计算机可读存储介质的范围内。计算机可读介质还包括通信介质，包括协助计算机程序从一个地方到另一个地方的传输的任何介质。例如，连接可以是通信介质。例如，如果软件从网站、服务器或其它远程来源使用同轴电缆、光纤电缆、双绞线、dsl或无线技术(如红外线、无线电和微波)传输，则包括在通信介质的定义中。上述组合也应包括在计算机可读介质的范围内。
[0068]
可替代地，或者此外，本文描述的功能可以至少部分地由一个或多个硬件逻辑组件来实施。例如，但不限制地，可以使用的硬件逻辑组件可以包括：现场可编程门阵列(fpga)、程序专用集成电路(asic)、程序专用标准产品(assp)、系统芯片系统(soc，system-on-a-chip)、复杂可编程逻辑器件(cpld)等。
[0069]
虽然图示为单个系统，但应理解计算装置可以是分布式系统。因此，例如，几个装置可以通过网络连接的方式进行通信，并且可以共同实施描述为由计算装置实施的任务。
[0070]
虽然图示为本地装置，但是可以理解的是，计算装置可以位于远程并且可以通过网络或其它通信链路(例如使用通信接口)访问。
[0071]
本文使用术语“计算机”来指代具有处理能力以使其能够执行指令的任何装置。本领域技术人员将认识到，这种处理能力被结合到许多不同的装置中，因此术语“计算机”包括pc(个人计算机)、服务器、移动电话、个人数字助理和许多其它装置。
[0072]
本领域技术人员将认识到用于存储程序指令的存储装置可以分布在网络上。例如，远程计算机可以存储描述为软件的过程的示例。本地或终端计算机可以访问远程计算机并下载软件的部分或全部以运行程序。可替代地，本地计算机可以根据需要下载软件的
片段，或在本地终端执行一些软件指令，并在远程计算机(或计算机网络)执行一些软件指令。本领域技术人员还将认识到，通过利用本领域技术人员已知的常规技术，软件指令的全部或部分可以由专用电路实施，如dsp、可编程逻辑阵列等。
[0073]
可以理解的是，上述益处与优点可以涉及一个实施例，也可以涉及若干个实施例。实施例不限于解决任何或所有所述问题的实施例或具有任何或所有所述益处与优点的实施例。
[0074]
对“一个(an)”项目的任何引用是指这些项目中的一个或多个。术语“包括”在本文中用于指包括所鉴定的方法步骤或元件，但是这样的步骤或元件不包括排他性列表，并且方法或设备可以含有另外的步骤或元件。
[0075]
如本文所使用的，术语“组件”和“系统”旨在涵盖配置有计算机可执行指令的计算机可读数据存储器，该指令在由处理器执行时导致某些功能被实施。计算机可执行指令可以包括例程、函数等。还可以理解，组件或系统可以定位在单个装置上或分布在多个装置上。
[0076]
此外，如本文所使用的，术语“示例性”旨在表示“作为某事物的说明或示例”。
[0077]
此外，在具体实施方式或权利要求书中使用术语“包括(include)”的范围内，该术语旨在以类似于术语“包含(comprising)”的方式包括，如“包含”在用作权利要求中的过渡词时被解释的那样。
[0078]
附图说明了示例性方法。尽管这些方法被显示和描述为以特定顺序实施的一系列动作，但是应当明白和理解，这些方法不受顺序次序的限制。例如，某些动作可以以与本文所描述的不同的次序发生。此外，一个动作可以与另一个动作同时发生。此外，在一些情况下，可以不需要所有动作来实施本文描述的方法。
[0079]
此外，本文描述的动作可以包括可以由一个或多个处理器实施的和/或存储于计算机可读介质(medium/media)上的计算机可执行指令。计算机可执行指令可以包括例程、子例程、程序、执行线程和/或类似物。更进一步地，方法的动作的结果可以存储在计算机可读介质中、显示于显示装置上，和/或类似情况。
[0080]
本文所描述的方法的步骤的次序是示例性的，但是这些步骤可以以任何合适的次序实施，或在合适的情况下同时进行。另外，在不脱离本文所描述的主题的范围的情况下，可以在任何方法中添加或替换步骤，或者可以从任何方法中删除单个步骤。以上描述的任何示例的方面可以与所描述的任何其它示例的方面组合以形成进一步的示例，而不会失去所寻求的效果。
[0081]
可以理解的是，优选实施例的以上描述仅以示例的方式给出，本领域技术人员可以进行各种修改。以上已经描述的内容包括一个或多个实施例的示例。当然，出于描述上述方面的目的，不可能描述上述装置或方法的每一种可构想到的修改与改变，但是本领域技术人员可以认识到各个方面的许多进一步的修改与排列是可能的。因此，所描述的方面旨在包括落入所附权利要求书范围内的所有这样的改变、修改与变型。