CN100502763C - 生物体状态信息处理装置和其方法、以及生物体状态信息管理系统 - Google Patents
生物体状态信息处理装置和其方法、以及生物体状态信息管理系统 Download PDFInfo
- Publication number
- CN100502763C CN100502763C CNB2003801095992A CN200380109599A CN100502763C CN 100502763 C CN100502763 C CN 100502763C CN B2003801095992 A CNB2003801095992 A CN B2003801095992A CN 200380109599 A CN200380109599 A CN 200380109599A CN 100502763 C CN100502763 C CN 100502763C
- Authority
- CN
- China
- Prior art keywords
- data
- metabolite
- haemoconcentration
- index value
- biological condition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 238000000034 method Methods 0.000 title claims description 181
- 238000012545 processing Methods 0.000 title abstract description 82
- 239000002131 composite material Substances 0.000 claims abstract description 607
- 239000002207 metabolite Substances 0.000 claims abstract description 367
- 206010018873 Haemoconcentration Diseases 0.000 claims description 263
- 206010019668 Hepatic fibrosis Diseases 0.000 claims description 218
- 235000001014 amino acid Nutrition 0.000 claims description 148
- 150000001413 amino acids Chemical class 0.000 claims description 144
- 230000014509 gene expression Effects 0.000 claims description 120
- 210000004369 blood Anatomy 0.000 claims description 73
- 239000008280 blood Substances 0.000 claims description 73
- 238000004458 analytical method Methods 0.000 claims description 60
- 230000002503 metabolic effect Effects 0.000 claims description 60
- 230000008569 process Effects 0.000 claims description 53
- 238000005457 optimization Methods 0.000 claims description 42
- 238000013481 data capture Methods 0.000 claims description 17
- 238000006467 substitution reaction Methods 0.000 claims description 14
- 238000000205 computational method Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 9
- 230000003278 mimic effect Effects 0.000 claims description 3
- KDXKERNSBIXSRK-UHFFFAOYSA-N Lysine Natural products NCCCCC(N)C(O)=O KDXKERNSBIXSRK-UHFFFAOYSA-N 0.000 description 81
- 238000004891 communication Methods 0.000 description 47
- 201000010099 disease Diseases 0.000 description 46
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 46
- 206010012601 diabetes mellitus Diseases 0.000 description 42
- 230000005540 biological transmission Effects 0.000 description 32
- 208000005176 Hepatitis C Diseases 0.000 description 27
- 210000004027 cell Anatomy 0.000 description 23
- 230000006870 function Effects 0.000 description 23
- 238000012360 testing method Methods 0.000 description 22
- 239000003814 drug Substances 0.000 description 21
- 108090000623 proteins and genes Proteins 0.000 description 21
- 238000003745 diagnosis Methods 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 18
- 230000000694 effects Effects 0.000 description 18
- 238000005259 measurement Methods 0.000 description 18
- 241001465754 Metazoa Species 0.000 description 17
- 230000036541 health Effects 0.000 description 16
- 238000003860 storage Methods 0.000 description 16
- LEVWYRKDKASIDU-QWWZWVQMSA-N D-cystine Chemical compound OC(=O)[C@H](N)CSSC[C@@H](N)C(O)=O LEVWYRKDKASIDU-QWWZWVQMSA-N 0.000 description 15
- 229960003067 cystine Drugs 0.000 description 15
- 235000013305 food Nutrition 0.000 description 15
- 230000008676 import Effects 0.000 description 14
- 208000019425 cirrhosis of liver Diseases 0.000 description 13
- 235000021590 normal diet Nutrition 0.000 description 13
- 238000012546 transfer Methods 0.000 description 13
- DATAGRPVKZEWHA-YFKPBYRVSA-N N(5)-ethyl-L-glutamine Chemical compound CCNC(=O)CC[C@H]([NH3+])C([O-])=O DATAGRPVKZEWHA-YFKPBYRVSA-N 0.000 description 12
- 206010067584 Type 1 diabetes mellitus Diseases 0.000 description 12
- 238000004590 computer program Methods 0.000 description 12
- UMFJAHHVKNCGLG-UHFFFAOYSA-N n-Nitrosodimethylamine Chemical compound CN(C)N=O UMFJAHHVKNCGLG-UHFFFAOYSA-N 0.000 description 12
- ZSJLQEPLLKMAKR-GKHCUFPYSA-N streptozocin Chemical compound O=NN(C)C(=O)N[C@H]1[C@@H](O)O[C@H](CO)[C@@H](O)[C@@H]1O ZSJLQEPLLKMAKR-GKHCUFPYSA-N 0.000 description 12
- 102000014150 Interferons Human genes 0.000 description 11
- 108010050904 Interferons Proteins 0.000 description 11
- ZSJLQEPLLKMAKR-UHFFFAOYSA-N Streptozotocin Natural products O=NN(C)C(=O)NC1C(O)OC(CO)C(O)C1O ZSJLQEPLLKMAKR-UHFFFAOYSA-N 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 11
- 229940079322 interferon Drugs 0.000 description 11
- 230000004060 metabolic process Effects 0.000 description 11
- 229960001052 streptozocin Drugs 0.000 description 11
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 10
- 229960004580 glibenclamide Drugs 0.000 description 10
- ZNNLBTZKUZBEKO-UHFFFAOYSA-N glyburide Chemical compound COC1=CC=C(Cl)C=C1C(=O)NCCC1=CC=C(S(=O)(=O)NC(=O)NC2CCCCC2)C=C1 ZNNLBTZKUZBEKO-UHFFFAOYSA-N 0.000 description 10
- OELFLUMRDSZNSF-BRWVUGGUSA-N nateglinide Chemical compound C1C[C@@H](C(C)C)CC[C@@H]1C(=O)N[C@@H](C(O)=O)CC1=CC=CC=C1 OELFLUMRDSZNSF-BRWVUGGUSA-N 0.000 description 10
- 229960000698 nateglinide Drugs 0.000 description 10
- 208000015181 infectious disease Diseases 0.000 description 9
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 9
- 238000002372 labelling Methods 0.000 description 9
- 210000000056 organ Anatomy 0.000 description 9
- 102000013918 Apolipoproteins E Human genes 0.000 description 8
- 108010025628 Apolipoproteins E Proteins 0.000 description 8
- 210000002381 plasma Anatomy 0.000 description 8
- -1 aromatic amino acid Chemical class 0.000 description 7
- 229940079593 drug Drugs 0.000 description 7
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 7
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 6
- 238000005314 correlation function Methods 0.000 description 6
- 229940125396 insulin Drugs 0.000 description 6
- 235000018102 proteins Nutrition 0.000 description 6
- 102000004169 proteins and genes Human genes 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 229940026510 theanine Drugs 0.000 description 6
- 241001269238 Data Species 0.000 description 5
- 108090000723 Insulin-Like Growth Factor I Proteins 0.000 description 5
- 102000004218 Insulin-Like Growth Factor I Human genes 0.000 description 5
- 230000001066 destructive effect Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 239000002777 nucleoside Substances 0.000 description 5
- 241000712461 unidentified influenza virus Species 0.000 description 5
- 125000000570 L-alpha-aspartyl group Chemical group [H]OC(=O)C([H])([H])[C@]([H])(N([H])[H])C(*)=O 0.000 description 4
- 125000000899 L-alpha-glutamyl group Chemical group [H]N([H])[C@]([H])(C(=O)[*])C([H])([H])C([H])([H])C(O[H])=O 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 210000000918 epididymis Anatomy 0.000 description 4
- 201000010063 epididymitis Diseases 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000007935 neutral effect Effects 0.000 description 4
- 230000009897 systematic effect Effects 0.000 description 4
- 230000001225 therapeutic effect Effects 0.000 description 4
- 238000002560 therapeutic procedure Methods 0.000 description 4
- DPJRMOMPQZCRJU-UHFFFAOYSA-M thiamine hydrochloride Chemical compound Cl.[Cl-].CC1=C(CCO)SC=[N+]1CC1=CN=C(C)N=C1N DPJRMOMPQZCRJU-UHFFFAOYSA-M 0.000 description 4
- 206010061623 Adverse drug reaction Diseases 0.000 description 3
- 208000030453 Drug-Related Side Effects and Adverse reaction Diseases 0.000 description 3
- 102000004877 Insulin Human genes 0.000 description 3
- 108090001061 Insulin Proteins 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000002255 enzymatic effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000003102 growth factor Substances 0.000 description 3
- 208000006454 hepatitis Diseases 0.000 description 3
- 231100000283 hepatitis Toxicity 0.000 description 3
- 210000004185 liver Anatomy 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 150000002978 peroxides Chemical class 0.000 description 3
- 230000004962 physiological condition Effects 0.000 description 3
- 230000003612 virological effect Effects 0.000 description 3
- DRCWOKJLSQUJPZ-DZGCQCFKSA-N (4ar,9as)-n-ethyl-1,4,9,9a-tetrahydrofluoren-4a-amine Chemical compound C1C2=CC=CC=C2[C@]2(NCC)[C@H]1CC=CC2 DRCWOKJLSQUJPZ-DZGCQCFKSA-N 0.000 description 2
- FERIUCNNQQJTOY-UHFFFAOYSA-N Butyric acid Natural products CCCC(O)=O FERIUCNNQQJTOY-UHFFFAOYSA-N 0.000 description 2
- 206010010904 Convulsion Diseases 0.000 description 2
- 206010012289 Dementia Diseases 0.000 description 2
- 101001008429 Homo sapiens Nucleobindin-2 Proteins 0.000 description 2
- 208000031226 Hyperlipidaemia Diseases 0.000 description 2
- 125000000415 L-cysteinyl group Chemical group O=C([*])[C@@](N([H])[H])([H])C([H])([H])S[H] 0.000 description 2
- 125000000635 L-ornithyl group Chemical group [H]N([H])[C@]([H])(C(=O)[*])C([H])([H])C([H])([H])C(N([H])[H])([H])[H] 0.000 description 2
- 102100027441 Nucleobindin-2 Human genes 0.000 description 2
- 208000008589 Obesity Diseases 0.000 description 2
- 241000786103 Steatomys pratensis Species 0.000 description 2
- 238000010171 animal model Methods 0.000 description 2
- 150000005693 branched-chain amino acids Chemical class 0.000 description 2
- 235000012000 cholesterol Nutrition 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 238000013399 early diagnosis Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 206010022000 influenza Diseases 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 230000037323 metabolic rate Effects 0.000 description 2
- 235000020824 obesity Nutrition 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- 239000004475 Arginine Substances 0.000 description 1
- 206010003210 Arteriosclerosis Diseases 0.000 description 1
- YPWSLBHSMIKTPR-UHFFFAOYSA-N Cystathionine Natural products OC(=O)C(N)CCSSCC(N)C(O)=O YPWSLBHSMIKTPR-UHFFFAOYSA-N 0.000 description 1
- ILRYLPWNYFXEMH-UHFFFAOYSA-N D-cystathionine Natural products OC(=O)C(N)CCSCC(N)C(O)=O ILRYLPWNYFXEMH-UHFFFAOYSA-N 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 101000599951 Homo sapiens Insulin-like growth factor I Proteins 0.000 description 1
- 101000578774 Homo sapiens MAP kinase-activated protein kinase 5 Proteins 0.000 description 1
- 241001500351 Influenzavirus A Species 0.000 description 1
- 102100037852 Insulin-like growth factor I Human genes 0.000 description 1
- AHLPHDHHMVZTML-BYPYZUCNSA-N L-Ornithine Chemical compound NCCC[C@H](N)C(O)=O AHLPHDHHMVZTML-BYPYZUCNSA-N 0.000 description 1
- 125000000010 L-asparaginyl group Chemical group O=C([*])[C@](N([H])[H])([H])C([H])([H])C(=O)N([H])[H] 0.000 description 1
- ILRYLPWNYFXEMH-WHFBIAKZSA-N L-cystathionine Chemical compound [O-]C(=O)[C@@H]([NH3+])CCSC[C@H]([NH3+])C([O-])=O ILRYLPWNYFXEMH-WHFBIAKZSA-N 0.000 description 1
- 125000002435 L-phenylalanyl group Chemical group O=C([*])[C@](N([H])[H])([H])C([H])([H])C1=C([H])C([H])=C([H])C([H])=C1[H] 0.000 description 1
- 239000004472 Lysine Substances 0.000 description 1
- 102100028396 MAP kinase-activated protein kinase 5 Human genes 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- AHLPHDHHMVZTML-UHFFFAOYSA-N Orn-delta-NH2 Natural products NCCCC(N)C(O)=O AHLPHDHHMVZTML-UHFFFAOYSA-N 0.000 description 1
- UTJLXEIPEHZYQJ-UHFFFAOYSA-N Ornithine Natural products OC(=O)C(C)CCCN UTJLXEIPEHZYQJ-UHFFFAOYSA-N 0.000 description 1
- 235000012364 Peperomia pellucida Nutrition 0.000 description 1
- 240000007711 Peperomia pellucida Species 0.000 description 1
- 108010026552 Proteome Proteins 0.000 description 1
- IWUCXVSUMQZMFG-AFCXAGJDSA-N Ribavirin Chemical compound N1=C(C(=O)N)N=CN1[C@H]1[C@H](O)[C@H](O)[C@@H](CO)O1 IWUCXVSUMQZMFG-AFCXAGJDSA-N 0.000 description 1
- 208000036142 Viral infection Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 125000000539 amino acid group Chemical group 0.000 description 1
- ODKSFYDXXFIFQN-UHFFFAOYSA-N arginine Natural products OC(=O)C(N)CCCNC(N)=N ODKSFYDXXFIFQN-UHFFFAOYSA-N 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000008568 cell cell communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- XUJNEKJLAYXESH-UHFFFAOYSA-N cysteine Natural products SCC(N)C(O)=O XUJNEKJLAYXESH-UHFFFAOYSA-N 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 235000013367 dietary fats Nutrition 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003176 fibrotic effect Effects 0.000 description 1
- 230000009246 food effect Effects 0.000 description 1
- 235000021471 food effect Nutrition 0.000 description 1
- 235000021588 free fatty acids Nutrition 0.000 description 1
- 230000003054 hormonal effect Effects 0.000 description 1
- 230000037356 lipid metabolism Effects 0.000 description 1
- 230000003859 lipid peroxidation Effects 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 235000020905 low-protein-diet Nutrition 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011676 menaquinone-4 Substances 0.000 description 1
- 238000002705 metabolomic analysis Methods 0.000 description 1
- 230000001431 metabolomic effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 229960003104 ornithine Drugs 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000144 pharmacologic effect Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 125000002924 primary amino group Chemical group [H]N([H])* 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229960000329 ribavirin Drugs 0.000 description 1
- HZCAHMRRMINHDJ-DBRKOABJSA-N ribavirin Natural products O[C@@H]1[C@H](O)[C@@H](CO)O[C@H]1N1N=CN=C1 HZCAHMRRMINHDJ-DBRKOABJSA-N 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000001228 trophic effect Effects 0.000 description 1
- 230000009385 viral infection Effects 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
依照本发明提供的系统包括服务器单元(100),用作用于处理关于生物体情况信息的装置;和客户机单元(200),用作关于生物体情况的信息的提供者的通过网络(300)可通信地连接到服务器单元(100)的信息终端。服务器单元(100)基于从客户机单元(200)获取的关于生物体情况的信息,确定反映表示生物体情况的多个代谢物的复合指标值。
Description
技术领域
本发明涉及用于处理关于生物体情况的信息的装置与方法,以及用于管理关于生物体情况的信息的系统、程序和记录介质。具体来说,本发明涉及用于处理关于生物体情况的信息的装置与方法,以及用于管理诸如提供分析方法来确定紧密涉及与特定的生物体情况相关的指标值(index)的代谢物的结合的信息的系统、程序和记录介质。该方法基于各种定义生物体情况的现象(表型数据,phenomics data)与多个能被轻易测量的代谢物(代谢学数据,metabolomics data)之间的相关性.
本发明也涉及用于确定肝纤维化阶段的装置、方法、系统、程序和记录介质。特别地,本发明涉及允许根据基于多个能被轻易测量的代谢物(特定氨基酸)的数量或浓度计算出的肝纤维化的疾病情况的指标值确定表示肝纤维化进展的发病情况的装置、方法、系统、程序和记录介质。
这里所使用的短语“生物体情况”指的是包括健康(正常的)和有病的状态的概念。如在这里所使用的,短语“关于个体的所测量的生物体情况的指标值数据”指的是包括单独活体的生物体情况的诊断数据的概念。如在这里所使用的术语“指标值数据”指的是包括定量数据和定性数据(例如,性别和吸烟习惯的存在)的概念。
背景技术
生物信息学已经引起产生从基因表达到活的生物体中的复杂现象的生命过程期间中各种阶段中使用的新分析方法的高速发展.在基因组学、转录组学,蛋白组学和代谢组学的这些方法中每个都希望对将来的生物产业具有重大影响。然而,生物信息学的实际应用的最重要步骤是理解在与关心的生命现象相关的各种级别上生命过程的机制。
在基因分析的早些时候,许多研究者乐观地预期单独的基因信息将提供充分的线索来揭示所有的生命过程。这个预期很快就被证明是错误的,并且现在许多人相信单独的基因信息是不充分的,而蛋白组和代谢组分析是理解生命过程的要点。然而,这个信念与前一个单独的基因信息能完成对所有事物的理解的假设非常相象,仅仅包含了更多的信息。不必说,完成对全部生命过程的理解将允许我们确定活体中发生的确切事件。依靠不断增加信息量的方法在那些寻找科学终极目标的人们看来是理想的,但对那些以用有限的资源和时间取得实际结果为目标的商人来说则不是。虽然如此,倘若我们所关心的局限于在其中目标显然在一定程度内的特定领域,则信息的详尽的收集是有益的。
基因级别的生命过程的理解需要关于基因表达、到蛋白质的翻译、在细胞级蛋白质、酶的功能和代谢物的反应速率之间的绑定、以及关于细胞间通信和器官间通信的信息、以及处理针对正确的预测所需的这种信息的模型的庞大的信息。从而,需要两种技术:一种用于获取信息,另一种用于为这些信息建模。
与已经显著地提高了的高效获取生命过程的信息的技术相对,需要完成很多来发展在活体系统级别完整建模的技术。目前的建模技术在获取对做出具有低准确性的预测而言足够的信息量是有效的,但是只要考虑到低准确性的预测,传统无建模方法常常在成本效率方面是更有效的。
在医学从业者最关心的是临床可测量指标值和诸如发病情况的相关的关心的生物体情况之间的相关性,和关于从这样的相关性中衍生的这些情况的机制和治疗的知识。从而,变得广泛认识到,详尽收集单独活体上的信息是不够的,而用于分析诸如发病情况的所关心的生物体情况和各种可测量指标值之间的相关性的技术也被需要。
已经考虑到,特定的发病情况的疾病制造者对于该发病情况应该是特定的,且制造者和发病情况之间的一对一或类似的约束关系已经被需要。然而,一种疾病能影响许多代谢物,因而建议疾病与相关联的代谢物之间的关系不总是一对一的。因此,只有有限数量的简单代谢物制造者。所有代谢物的代谢如何在特定疾病期间改变的通常理解能提供定义该疾病的代谢的特性的指标值。考虑到代谢的链接,不是所有代谢物、而是在代谢图(诸如氨基酸)上的一些代谢物的特性能被跟踪来确定对特定的发病情况特定的代谢的变化。
例如,在一种传统的方法中,费歇尔比已被做为肝纤维化的指标值指标值。费歇尔比是支链氨基酸与芳香族氨基酸之比或((lle+Leu+Val)/(Phe+Tyr))。在肝纤维化情况下,支链氨基酸增加,而芳香族氨基酸减少。另一个方法依赖可训练的神经网络。在这种方法中,各种发病情况的临床指标值和健康主题被输入到电脑中,且该神经网络基于输入的数据被训练并被优化,以便它能把一个数据和另一个区别开来(非线性分析)且随之提供诊断(USPNo.5687716,在这里下面称为专利文献No.1)。
专利文献No.1:美国专利No.5687716
使用专利文献No.1中所描述的技术的诊断的提交需要预先训练好的神经网络或具有类似参数的神经网络。从而,根据专利文献No.1的诊断指标值依赖由专利文献No.1指定的分析技术和工具。出于这个原因,依照专利文献No.1的诊断指标值不能被独立于专利文献No.1中公开的分析技术和工具而使用,且从而不能用作针对疾病治疗的通用标准。
用作专利文献No.1中描述的技术所指定的诊断指标值的代谢物可以针对代谢图中它们的关系以及针对它们的化学的、生理学的、或药理学的发现来分析疾病的机制。通过把已知的代谢发现等等与诊断指标值相匹配的分析可以使发病情况和代谢之间的链接的分析成为可能。这样的分析也可以提供信息来证明某种代谢物的有效性作为诊断指标值或提供产生新的代谢学发现的非常有用的线索的信息。然而,用现有技术,研究者不得不手工进行每个这种分析。
考虑到前述的问题,本发明的目的是提供用于处理关于生物体情况的装置和方法,以及用于管理诸如提供分析方法来确定紧密涉及与特定的生物体情况相关的指标值的代谢物的结合的信息的系统、程序和记录介质。该方法基于各种定义的生物体情况的现象(表型数据)与多各能被轻易测量的代谢物(代谢学数据)之间的相关性。
本发明的另一个目的是提供允许根据基于多个能被轻易测量的代谢物(特定的氨基酸)的数量或浓度计算出的肝纤维化的疾病情况的指标值确定表示肝纤维化进展的发病情况的装置、方法、系统、程序和记录介质。
发明概述
本发明是基于本发明者在他们广泛的研究中取得的许多发现的基础上被设计出来的。各种实验证明氨基酸是能被高准确地测量的代谢物,且测量结果间的偏离明显地小于个体间的偏离。
关于血液中代谢物的餐前浓度的数据已经知道会反映涉及代谢的某些情况中的改变、诸如基因表达。血液与所有器官有关且因而反映某些器官中的变化。
在特定的生物体情况下(例如,诸如肝纤维化的发病情况),包括在代谢内的多个基因的表达可以被影响。同样地,存在于血液中的大多数代谢物的特性与其他代谢物联动,以便即使与特定的生物情况联系最近的代谢物是不可测量的,另一个联动的第一个代谢物的代谢物可以被影响到。
本发明者已经发现个体中各种代谢物(特别是氨基酸)的血液浓度之间的相关性用作生物体情况的高度有效的指标值。也就是说,通过分析准确测量的有限范围的诸如氨基酸的代谢物的血液浓度和特定的生物体情况之间的关系,现象上与特定生物体情况相关的代谢物的结合能被研究。能区别健康个体和特定的生物体情况的个体的指标值能被用于特定情况的早期诊断。
为了达到上述目的,本发明的每个用于处理关于生物体情况的信息的装置、用于处理关于生物体情况的信息的方法、和用于允许计算机执行依照本发明的方法的程序的特征在于包括:
相关公式设置单元(或者相关公式设置步骤),用于设置由下列表示关于每个个体中测量的生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据之间的相关性的公式1表示的相关公式;和
生物体情况模拟单元(或生物体情况模拟步骤),用于通过把针对要被模拟的个体中的每个代谢物测量的血液浓度数据组代入到由相关公式设置单元(或者相关公式设置步骤)设置的相关公式中,来模拟要被模拟的个体的生物体情况,该公式为:
(其中每个i、j和k是自然数;每个Ai和Bj是血液中代谢物的浓度的数据,或在血液中从应用代谢物的浓度的函数中得到的值;且每个Ci、Di、Ej、Fj、Gk和H是常量)
依照上述装置、方法、和程序,由表示了关于在每个个体中测量的生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据之间的相关性的公式1表示的相关公式被设置,且所关心的个体的生物体情况通过把针对要被模拟的个体中的每个代谢物测量的血液浓度数据组代入到所设置的相关公式而被模拟。从而,该装置、方法和程序使健康情况、疾病进展情况、疾病治疗情况、未来疾病风险、药品效力、药品副作用、和基于个体中的代谢物的血液浓度的各种其他情况的有效模拟成为可能。
这里所使用的术语“模拟”指的是包括基于设置模型(例如,依照本发明的“相关公式”)获取数值并基于预定阈值估计所获取的数值来确定特定的生物体情况的存在。
例如,本发明能被应用在用于预测在某一时间周期后疾病发作风险的诊断。特别地,相关公式基于先前获得的血液中的代谢物的浓度的数据(例如,10年前获得的血液氨基酸水平)和关于当前疾病或健康情况的指标值数据而被构造。通过把血液中的代谢物的浓度的当前数据代入相关公式,未来的疾病或健康情况能被有效地模拟。
本发明能被用于模拟药物效力和副作用(例如,诸如使用干扰素(IFN)的药物效力)并用于模拟由压力或其他因素引起的生物体情况中的变化(例如,当患者被例如伙食激励时的生物体情况中的变化)。
相关公式可以被用于设置公式的相关公式设置单元(或相关公式设置步骤)通过下列两种方式的任一种来设置:首先把临床数据的血液氨基酸水平代入到公式1,然后确定公式1中的每个常量,或者使用预设的相关公式。在后一种方法中,具有由第一种方法确定的每个常量的相关公式可以被预先存储在存储器单元的预定文件中,且所期望的相关公式随后被从文件中选出,或者预先存储在另一台计算机中的存储器单元相关公式可以通过网络下载。
在依照下一个发明的用于处理关于生物体情况的信息的装置、用于处理关于生物体情况的信息的方法、和依照下一个发明的程序的每一个当中,在上述装置、方法、或程序中的相关公式设置单元(或相关公式设置步骤)的特征在于包括:
相关性确定单元(或相关性确定步骤),用于基于关于在每个个体中测量的生物体情况的该指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据组确定指标值数据与每个代谢物之间的相关性;
相关公式生成单元(或相关公式生成步骤),用于在关于每个由相关性确定单元(或相关性确定步骤)确定的代谢物的相关性的基础上并依照预设计算方法,产生关于针对该生物情况的多个代谢物的相关公式,;以及
优化单元(或优化步骤),用于基于关于由相关公式生成单元(或相关公式生成步骤)确定的相关公式的生物体情况的指标值数据的相关系数来优化相关公式。
这是相关公式设置单元(相关公式设置步骤)的更详细的例子。依照上述装置、方法、和程序,关于每个个体测量的生物体情况的指标值数据和每个代谢物之间的相关性被基于该指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据组而被确定,针对该生物体情况的多个代谢物的相关公式(相关函数)由预定计算方法并基于每个确定的代谢物的相关性而被产生,且该相关公式基于关于所确定的相关公式的生物体情况的指标值数据的相关系数而被优化。从而,使用与生物体情况高度相关的公式做为反映生物体情况的复合指标值并且该复合指标值的有效计算是可能的,该复合指标值由与生物体情况高度相关的可测量代谢物、诸如氨基酸组成。
如这里所使用的那样,短语“基于相关系数优化相关公式”表示例如选择相关公式,以便该相关系数等级很高(例如,最高为20),或优选地被最大化。
获得针对每个生物情况的复合指标值,以便例如血液氨基酸水平的单个测试的结果可以充分侦测(screen)许多生物体情况,也成为可能。这导致测试成本的很大缩减。
一旦复合指标值被确定,通过分析过去的数据,还进一步可能诊断在测试时生物体情况指标值不可用的生物体的情况。
还进一步使使用复合指标值做为标记来开发生物体情况的治疗成为可能,因为组成生物体情况的复合指标值的代谢物是该生物体情况的潜在原因或结果。
如在这里所使用的,“关于生物体情况的指标值数据”可以是实际的数字数据、诸如各种测量和测试的结果的数字数据,或者它可以是任何例如分配给健康或疾病情况的数值,如以下例子所示。在后者情况下,即使实际的数字数据不可用,特定的发病情况也能通过把数值分配给该疾病或疾病的级别而得到分析:
(例子)健康=0,肥胖=1;
健康=1,轻度糖尿病=2,严重的糖尿病=3,等等。
在没有已有指标值的疾病的情况,本发明也可以确定那些没有有效的诊断指标值可用从而很难诊断的生物体情况。
在用于依照下一个发明的处理关于生物体情况的信息的装置、用于处理关于生物体情况的信息的方法、和依照下一个发明的程序中的每一个当中,上述装置、方法或程序中的优化单元(或优化步骤)的特征在于进一步包括代谢物选择单元(代谢物选择步骤),用于选择一部分代谢物,其中多个由代谢物选择单元(代谢物选择步骤)选出的代谢物被用于构造相关公式、用于计算关于生物体情况的指标值数据的相关系数、和用于基于关于生物体情况的指标值数据的相关系数和代谢物数量优化代谢物的组合。
这是优化单元(优化步骤)的更详细的例子。依照上述装置、方法、和程序,一部分代谢物被选择,相关公式被使用多个所选出的代谢物而构成,关于生物体情况的指标值数据的相关系数被算出,且代谢物的组合被基于该相关系数和代谢物的数量而优化。从而,该装置、方法和程序可以穷举并自动移除所选氨基酸,从而允许生物体情况的复合指标值的有效的确定。
如在这里所使用的,短语“基于相关系数和代谢物数量来优化代谢物的组合”表示选择代谢物的组合以便相关系数级别很高(例如,最高为20),且代谢物数量最小。优选地,相关系数被最大化且代谢物数量被最小化。
在依照下一个发明的用于处理关于生物体情况的信息的装置、用于处理关于生物体情况的信息的方法、和依照下一个发明的程序中的每一个当中,上述装置、方法或程序中的优化单元(或优化步骤)的特征在于进一步包括计算公式分离单元(计算公式分离步骤),用于分离该计算公式,其中由计算公式分离单元(计算公式分离步骤)分离的计算公式被用于计算涉及生物体情况的多个代谢物的相关公式,且该分割的组合基于关于生物体情况的指标值数据的相关系数被优化。
这是优化单元(优化步骤)的更详细的例子。依照上述装置、方法、和程序,该计算公式被分离,且被分离的计算公式被用于计算涉及生物体情况的多个代谢物的相关公式,且被用于基于关于生物体情况的指标值数据的相关系数优化分离的组合。从而,该装置、方法和程序允许每个计算公式的穷举和自动的分离,且从而允许生物体情况的复合指标值的有效的确定。
如这里所使用的,短语“基于相关系数优化分离的组合”表示选择分离的组合以便相关系数等级很高(例如,最高为20),且优选地,以便相关系数被最大化。
在依照下一个发明的用于处理关于生物体情况的信息的装置、用于处理关于生物体情况的信息的方法、和依照下一个发明的程序中的每一个当中,上述装置、方法或程序中的优化单元(或优化步骤)的特征在于进一步包括代谢图分离单元(或代谢图分离步骤),用于基于代谢图信息分离计算公式,其中由该代谢图分离单元(代谢图分离步骤)分离的计算公式被用于计算涉及生物体情况的多个代谢物的相关公式。
这是优化单元(优化步骤)的更详细的例子。依照上述装置、方法和程序,计算公式被基于代谢图信息被分离,且分离的计算公式被用于计算涉及生物体情况的多个代谢物的相关公式。从而,如果该代谢图已经是已知的,该装置、方法和程序允许基于涉及在生物体情况内的代谢物的代谢图的生物化学信息的计算公式的自动分离。
可替换地,算出的相关公式中的代谢物之间的关系可以被转化为数值,其依次被投射到代谢图中来允许代谢流通量或代谢的速率限制步骤的估算。
在用于处理关于生物体情况的信息的装置、用于处理关于生物体情况的信息的方法、和依照下一个发明的程序中的每一个当中,上述装置、方法、或程序中的代谢物是氨基酸。
这是代谢物的更详细的例子。因为代谢物是氨基酸,所以该装置、方法和程序使利用氨基酸的属性(诸如代谢物测量的高准确度和相比个体间的偏离明显更小的测量结果间的偏离)成为可能,以便能够获得生物体情况的可信赖的复合指标值。
本发明也涉及用于管理关于生物体情况的信息的系统。该系统的特征在于包括:
装置,用于处理关于生物体情况的信息;和
关于生物体情况的信息的提供者的信息终端,该信息终端被可通信地通过网络连接到用于处理信息的装置;
其中用于处理关于生物体情况的信息的装置包括:
相关公式设置单元,用于设置由后面的表示关于每个个体中测量的生物体情况的指标值数据和针对每个个体中每个代谢物测量的血液浓度数据之间的相关性的公式1所表现的相关公式;
血液浓度数据组获取单元,用于从信息终端获取为每个要被模拟的个体中的每个代谢物测量的血液浓度数据组;
生物体情况模拟单元,用于通过把针对要被模拟的个体中的每个代谢物测量的血液浓度数据组(该数据在血液浓度数据组获取单元得到)代入由相关公式设置单元设置的相关公式中来模拟要被模拟的个体的生物体情况;和
分析结果发送单元,用于把由生物体情况模拟单元模拟的个体的生物体情况的模拟结果发送到做为血液浓度数据组的发送者的信息终端;
其中,该信息终端包括:
发送单元,用于把血液浓度数据组发送到用于处理关于生物体情况的信息的装置;和
接收单元,用于从用于处理关于生物体情况的信息的装置中接收到对应于已由发送单元发送的血液浓度数据组的模拟结果:
其中每个i、j、和k是自然数;每个Ai、和Bj是血液中代谢物浓度的数据或从把函数应用到血液中代谢物浓度而获取的值;且每个Ci、Di、Ej、Fj、Gk和H是常数。
依照上述系统,由后面的表示关于每个个体中测量的生物体情况的指标值数据和每个个体中测量的血液中代谢物的浓度数据之间的相关性的公式1表现的相关公式被设置,针对要被模拟的个体中的每个代谢物测量的血液浓度数据组被从信息终端中获取,针对要被模拟的个体中的每个代谢物测量的血液浓度数据组被代入到设置的相关公式组中来模拟个体的生物体情况,个体的生物体情况的模拟结果被发送到信息终端,血液浓度数据组已被发送到该信息终端,该信息终端把血液浓度数据组发送到信息处理装置,且对应所发送的血液浓度数据组的模拟结果被从该信息处理装置中接收到。从而,该系统允许健康情况、疾病进展情况疾病治疗情况、将来疾病风险药物疗效药物副作用和其他基于个体中代谢物的血液浓度的情况的有效的模拟。
这里所使用的术语“模拟”指的是包括基于设置的模型(例如,依照本发明的相关公式)获取数值且基于预定的阈值评估所获得的数值来确定特定的生物体情况的存在。
例如,本发明能被用于预测在某时间周期后疾病发作的风险的诊断。特别地,相关公式基于以前获得的血液中代谢物的浓度(例如,十年前获得的血液氨基酸水平)和关于当前疾病或健康情况的指标值数据的数据而被构造。通过把血液中代谢物浓度的当前数据代入到该相关公式,未来疾病或健康情况能被有效地模拟。
本发明也能被用于模拟使用药物的疗效和副作用(例如,诸如使用干扰素(IFN)的药物疗效和副作用)和用于模拟由压力或其他因素导致的生物体情况中的变化(例如,当患者被例如伙食激励时的生物体情况中的变化)。
在依照下一个发明用于管理关于生物体情况的信息的系统中,上述系统中相关公式设置单元的特征在于包括:
相关性确定单元,用于基于指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据组确定关于每个个体中测量的生物体情况的指标值数据和每个代谢物之间的相关性;
相关公式生成单元,用于在关于每个由相关性确定单元确定的代谢物的相关性的基础上并依照预定的计算方法并基于,产生涉及该生物情况的多个代谢物的相关公式;以及
优化单元,用于基于关于由相关公式生成单元确定的相关公式的生物体情况的指标值数据的相关系数来优化相关公式。
这是相关公式设置单元的更详细的例子。依照上述系统,关于每个个体的所测量的生物体情况的指标值数据和每个代谢物之间的关系基于该指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据组而被确定,该生物体情况的多个代谢物的相关公式(相关函数)由预定计算方法并基于每个确定的代谢物的相关性而被产生,且该相关公式基于关于所确定的相关公式的生物体情况的指标值数据的相关系数而被优化。从而,该系统允许将生物体情况高度相关的公式用作反映生物体情况的复合指标值并允许该复合指标值的有效计算,该复合指标值由与生物体情况高度相关的可测量代谢物、诸如氨基酸组成。
如这里所使用的那样,短语“基于相关系数优化相关公式”表示例如选择相关公式以便该相关系数等级很高(例如,最高为20),或优选地被最大化。
获得每个生物情况的复合指标值,以便针对例如血液氨基酸水平的单个测试的结果可以充分侦测许多生物体情况,也成为可能。这导致测试成本很大缩减。
通过分析过去的没有复合指标值可用的时候的数据可以诊断测试时没有生物体情况指标值的生物体情况。
还进一步使使用复合指标值做为标记来开发生物体情况的治疗成为可能,因为组成生物体情况的复合指标值的代谢物是该生物体情况的潜在原因或结果。
如在这里所使用的,“关于生物体情况的指标值数据”可以是实际的数字数据,诸如各种测量和测试结果的数字数据,或者它可以是任何例如分配给健康或疾病情况的数值,如以下例子所示。在后者情况下,即使实际的数字数据不可用,特定的发病情况也能通过把数值分配给该疾病或疾病的级别而得到分析:
(例子)
健康=0,肥胖=1;
健康=1,轻度糖尿病=2,严重的糖尿病=3,等等。
在没有已有指标值的疾病的情况下,本发明可以确定那些没有有效的诊断指标值可用且从而很难诊断的生物体情况的存在。
在依照下一个发明用于管理关于生物体情况的信息的系统中,上述系统中的优化单元的特征在于进一步包括代谢物选择单元,其用于选择一部分代谢物,其中多个由代谢物选择单元选择的代谢物被用于构造相关公式、用于计算关于生物体情况的指标值数据的相关系数、和用于基于关于生物体情况的指标值数据的相关系数和代谢物数量优化代谢物的组合。
这是该优化单元的更详细的例子。依照上述系统,一部分代谢物被选择,相关公式被使用多个所选择的代谢物而构成,关于生物体情况的指标值数据的相关系数被算出,且代谢物的组合被基于该相关系数和代谢物的数量而优化。从而,该系统允许穷举并自动移除所选氨基酸,且从而允许有效确定生物体情况的复合指标值。
如在这里所使用的,短语“基于相关系数和代谢物数量优化代谢物的组合”表示选择代谢物的组合以便相关系数级别很高(例如,最高为20),且代谢物数量被最小化。优选地,相关系数被最大化且代谢物数量被最小化。
在依照下一个发明用于管理关于生物体情况的信息的系统中,上述系统中的优化单元的特征在于进一步包括计算公式分离单元,其用于分离该计算公式,其中由计算公式分离单元分离的计算公式被用于计算涉及生物体情况的多个代谢物的相关公式,且该分离的组合基于关于生物体情况的指标值数据的相关系数被优化。
这是优化单元的更详细的例子。依照上述系统,该计算公式被分离,且被分离的计算公式被用于计算涉及生物体情况的多个代谢物的相关公式,且被用于基于关于生物体情况的指标值数据的相关系数优化分离的组合。从而,该系统允许每个计算公式的穷举和自动的分离,且从而允许生物体情况的复合指标值的有效确定。
如这里所使用的,短语“基于相关系数优化分离的组合”表示选择分离的组合以便相关系数级别很高(例如,最高为20),且优选地,以便相关系数被最大化。
在依照下一个发明用于管理关于生物体情况的信息的系统中,上述系统中的优化单元的特征在于进一步包括代谢图分离单元,其用于基于代谢图信息分离计算公式,其中由该代谢图分离单元分离的计算公式被用于计算涉及生物体情况的多个代谢物的相关公式。
这是优化单元的更详细的例子。依照上述系统,计算公式被基于代谢图信息被分离,且被分离的计算公式被用于计算包含生物体情况的多个代谢物在内的相关性信息。从而,如果这样的代谢图已经是已知的,则该系统允许基于涉及在生物体情况内的代谢物的代谢图的生物化学信息的计算公式的自动分离。
可替换地,算出的相关公式中的代谢物之间的关系可以被转化为数值,该数值依次被投射到代谢图中来允许代谢流通量或代谢的速率限制步骤的估算。
在依照下一个发明用于管理关于生物体情况的信息的系统中,上述系统中的代谢物是氨基酸。
这是代谢物的更详细的例子。因为代谢物是氨基酸,所以该系统使利用氨基酸的属性(诸如代谢物测量的高准确度和相比个体间的偏离明显更小的测量结果间的偏离)成为可能,以便能够获得生物体情况的可信赖的复合指标值。
本发明也涉及将上述程序记录其中的记录介质。
该记录介质能把所存储的程序提供给计算机,该计算机读出并执行该程序来执行相同的任务,从而与这些程序相同的益处能被获得。
本发明也涉及用于确定肝纤维化阶段的装置和方法、以及用于执行该方法的程序。该装置、方法和程序的特征在于包括:
血液浓度数据获取单元(或血液浓度数据获取步骤),用于获取针对每个个体中的每个代谢物测量的血液浓度数据组;
发病情况指标值计算单元(或疾病情况指标值计算步骤),用于基于复合指标值设置单元(复合指标值设置步骤)设置的复合指标,从由血液浓度数据获取单元(血液浓度数据获取步骤)获取的血液浓度数据组中计算表示肝纤维化的疾病情况的指标值,该计算基于下列复合指标值1到4的至少一个而被执行:
复合指标值1
(Asn)/(Thr)+(Gln)/(Tau+Ser+Val+Trp);
复合指标值2
(Asn+Tyr)/(Cit)+(Met+Arg)/(Asp+(α-ABA));
复合指标值3
(Tau+Gly)/(Gln)+(α-ABA)/(Asp+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);and
复合指标值4
(Tau+Trp)/(Tyr)+((α-ABA)+His)/(Asp+Asn);和
发病情况确定单元(发病情况确定步骤),用于基于由发病情况指标值计算单元(发病情况指标值计算步骤)计算出的发病情况指标值确定表示肝纤维化的进展的发病情况。
依照上述装置、方法、和程序,针对每个个体中每个代谢物测量的血液浓度数据组被获得,表示肝纤维化的发病情况的指标值基于下列复合指标值1到4中至少一个从所获取的血液浓度数据组中被计算出:
复合指标值1
(Asn)/(Thr)+(Gln)/(Tau+Ser+Val+Trp);
复合指标值2
(Asn+Tyr)/(Cit)+(Met+Arg)/(Asp+(α-ABA));
复合指标值3
(Tau+Gly)/(Gln)+(α-ABA)/(Asp+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);and
复合指标值4
(Tau+Trp)/(Tyr)+((α-ABA)+His)/(Asp+Asn);且
肝纤维化的发病情况基于所计算的发病情况指标值被确定。因而,该装置、方法、和程序通过使用针对例如氨基酸水平的单个测试的结果使侦测许多针对肝纤维化的个体成为可能。这导致测试成本显著缩减。
也使通过分析过去获取的血液氨基酸水平数据诊断肝纤维化成为可能。
使用四个复合指标值1到4中的至少一个做为肝纤维化的标记使开发针对该疾病的治疗成为可能,因为针对肝纤维化的组成四个复合指标值1到4中的一个的代谢物可以是疾病的潜在原因和结果。
四个复合指标值1到4中至少一个中的氨基酸可以被其他化学等价混合物、诸如其他氨基酸替换。
特别地,四个指标值1到4中的至少一个可以被下面所示的复合指标值的对应公式替换。
例如,复合指标值1可以被下列复合指标值1-1到1-20中的任何一个替换:
复合指标值1-1
(Asn)/(Thr)+(Gln)/(Tau+Ser+Val+Trp);
复合指标值1-2
(Asn)/(Tau+Ile)+(Gln)/(Thr+Ser+Val+Trp);
复合指标值1-3
(Asn)/(Tau+(α-ABA)+Ile)+(Gln)/(Thr+Ser+Val+Trp);
复合指标值1-4
(Asn)/(Asp+Thr)+(Gln)/(Tau+Ser+Val+Trp);
复合指标值1-5
(Asn)/(Thr)+(Gln)/(Tau+Ser+Val+Ile+Trp);
复合指标值1-6
(Asn)/(Thr)+(Gln)/(Tau+Asp+Ser+Val+Trp);
复合指标值1-7
(Asn)/(Tau+Ile)+(Gln)/(Asp+Thr+Ser+Val+Trp);
复合指标值1-8
(Asn)/(Tau+Ile)+(Gln+Met)/(Thr+Ser+Val+Trp);
复合指标值1-9
(Asn)/(Tau+(α-ABA)+Ile)+(Gln)/(Asp+Thr+Ser+Val+Trp);
复合指标值1-10
(Asn)/(Thr)+(Gln+Met)/(Tau+Ser+Val+Trp);
复合指标值1-11
(Asn)/(Tau+Asp+(α-ABA)+Ile)+(Gln)/(Thr+Ser+Val+Trp);
复合指标值1-12
(Asn)/(Thr)+(Gln)/(Tau+Ser+(α-ABA)+Val+Trp);
复合指标值1-13
(Asn)/(Asp+Thr)+(Gln)/(Tau+Ser+Val+Ile+Trp);
复合指标值1-14
(Asn)/(Tau+(α-ABA)+Ile)+(Gln+Met)/(Thr+Ser+Val+Trp);
复合指标值1-15
(Asn)/(Tau+Asp+Ile)+(Gln)/(Thr+Ser+Val+Trp);
复合指标值1-16
(Asn)/(Thr)+(Gln)/(Tau+Asp+Ser+Val+Ile+Trp);
复合指标值1-17
(Asn)/(Tαu+Ile)+(Gln+Met)/(Asp+Thr+Ser+Val+Trp);
复合指标值1-18
(Asn)/(Asp+Thr)+(Gln)/(Tau+Ser+(α-ABA)+Val+Trp);
复合指标值1-19
(Asn)/(Asp+Thr)+(Gln+Met)/(Tau+Ser+Val+Trp);and
复合指标值1-20
(Asn)/(Thr)+(Gln)/(Tau+Ser+(α-ABA)+Val+Ile+Trp);
复合指标值2可以被下列复合指标值2-1到2-20中的任何一个替换:
复合指标值2-1
(Asn+Tyr)/(Cit)+(Met+Arg)/(Asp+(α-ABA));
复合指标值2-2
(Asn+Tyr)/(Cit)+(Arg)/(Asp+(α-ABA));
复合指标值2-3
(Asn+Met+Tyr)/(Cit)+(Arg)/(Asp+(α-ABA));
复合指标值2-4
(Asn+Met+Tyr)/(Asp+Cit)+(Arg)/(α-ABA);
复合指标值2-5
(Asn+Met)/(Cit)+(Tyr+Arg)/(Asp+(α-ABA));
复合指标值2-6
(Asn+Tyr)/(Asp+Cit)+(Arg)/(α-ABA);
复合指标值2-7
(Asn+Tyr)/(Asp+Cit)+(Met+Arg)/(α-ABA);
复合指标值2-8
(Asn)/(Cit)+(Tyr+Arg)/(Asp+(α-ABA));
复合指标值2-9
(Asn)/(Thr+Cit+(α-ABA))+(Met)/(His+Trp);
复合指标值2-10
(Asn)/(Cit)+(Met+Tyr+Arg)/(Asp+(α-ABA));
复合指标值2-11
(Asn)/(Thr+Cit+(α-ABA))+(Met)/(Asp+His+Trp);
复合指标值2-12
(Asn)/(Thr+Glu)+(Met)/(Cit+(α-ABA)+Trp);
复合指标值2-13
(Asn)/(Asp+Thr+Cit+(α-ABA))+(Met)/(His+Trp);
复合指标值2-14
(Asn)/(Thr+Cit+(α-ABA))+(Met)/(Glu+His+Trp);
复合指标值2-15
(Asn+Met)/(Asp+Cit)+(Tyr+Arg)/(α-ABA);
复合指标值2-16
(Asn+Met)/(Cit)+(Arg)/(Asp+(α-ABA));
复合指标值2-17
(Asn)/(Cit+(α-ABA)+His)+(Met)/(Thr+Glu+Trp);
复合指标值2-18
(Asn)/(Cit+(α-ABA)+His)+(Met)/(Thr+Trp);
复合指标值2-19
(Asn)/(Cit+His+Trp)+(Met)/(Thr+(α-ABA));and
复合指标值2-20
(Asn+Arg)/(α-ABA)+(Met+Tyr)/(Asp+Cit);
复合指标值3可以被下列复合指标值3-1到3-20中的任何一个替换:
复合指标值3-1
(Tau+Gly)/(Gln)+(α-ABA)/(Asp+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);
复合指标值3-2
(Tau+Gly)/(Gln+Met)+(α-ABA)/(Asp+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);
复合指标值3-3
(Tau+Gly)/(Gln)+(α-ABA)/(Thr)+(His)/(Lys)+(Trp)/(Asn+Cit+Tyr);
复合指标值3-4
(Tau+Gly)/(Asp+Gln)+(α-ABA)/(Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);
复合指标值3-5
(Tau+Gly)/(Asp+Gln+Met)+(α-ABA)/(Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);
复合指标值3-6
(Tau+Gly)/(Gln+Met)+(α-ABA)/(Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);
复合指标值3-7
(Tau+Gly)/(Gln+Met)+(α-ABA)/(Tyr)+(His)/(Lys)+(Trp)/(Asp+Thr+Asn+Cit);
复合指标值3-8
(Tau+Gly)/(Gln)+(α-ABA)/(Asp+Met+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);
复合指标值3-9
(Tau+Gly)/(Asp+Gln)+(α-ABA)/(Met+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);
复合指标值3-10
(Tau+Gly)/(Gln)+(α-ABA)/(Met+Tyr)+(His)/(Lys)+(Trp)/(Asp+Thr+Asn+Cit);
复合指标值3-11
(Tau+Gly)/(Gln)+(α-ABA)/(Met+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);
复合指标值3-12
(Tau+Gly)/(Gln)+(α-ABA)/(Thr)+(His)/(Asn+Cit+Tyr)+(Trp)/(Lys);
复合指标值3-13
(Tau)/(Lys)+(Trp)/(Asn+Cit+Tyr)+(Gly+His)/(Gln)+(α-ABA)/(Asp+Thr);
复合指标值3-14
(Tau)/(Lys)+(Trp)/(Asp+Asn+Cit+Tyr)+(Gly+His)/(Gln)+(α-ABA)/(Thr);
复合指标值3-15
(Tau)/(Lys)+(Trp)/(Asn+Cit+Tyr)+(Gly+His)/(Gln)+(α-ABA)/(Thr);
复合指标值3-16
(Tau)/(Asp+Asn+Lys)+(Trp)/(Cit+Tyr)+(Gly+His)/(Gln)+(α-ABA)/(Thr);
复合指标值3-17
(Tau+Gly)/(Gln)+(α-ABA)/(Asp+Tyr)+(His)/(Thr+Asn+Cit)+(Trp)/(Lys);
复合指标值3-18
(Tau+Gly)/(Gln+Met)+(α-ABA)/(Asp+Tyr)+(His)/(Thr+Asn+Cit)+(Trp)/(Lys);
复合指标值3-19
(Tau+Gly)/(Gln+Met)+(α-ABA)/(Tyr)+(His)/(Asp+Cit+Lys)+(Trp)/(Thr+Asn);and
复合指标值3-20
(Tau+Gly)/(Asp+Gln)+(α-ABA)/(Tyr)+(His)/(Thr+Asn+Cit)+(Trp)/(Lys);
复合指标值4可以被下列复合指标值4-1到4-20中的任何一个替换:
复合指标值4-1
(Tau+Trp)/(Tyr)+((α-ABA)+His)/(Asp+Asn);
复合指标值4-2
((α-ABA)+Trp)/(Tyr)+(His)/(Asp+Asn);
复合指标值4-3
(Tau+(α-ABA)+Trp)/(Tyr)+(His)/(Asp+Asn);
复合指标值4-4
(Tau+Trp)/(Tyr)+(His)/(Asp+Asn);
复合指标值4-5
(Tau+Trp)/(Tyr)+((α-ABA)+His)/(Asn);
复合指标值4-6
(Tau+(α-ABA)+Trp)/(Tyr)+(His)/(Asn);
复合指标值4-7
(Tau+(α-ABA)+Trp)/(Asp+Met+Tyr)+(His)/(Asn);
复合指标值4-8
((α-ABA)+Trp)/(Tyr)+(His)/(Asn);
复合指标值4-9
(Tau+Trp)/(Tyr)+(α-ABA)/(Asp+Met)+(His)/(Asn);
复合指标值4-10
(Tau+Trp)/(Tyr)+(His)/(Asn);
复合指标值4-11
((α-ABA)+His)/(Asp+Asn)+(Trp)/(Tyr);
复合指标值4-12
(Tau+Trp)/(Asp+Met+Tyr)+(His)/(Asn);
复合指标值4-13
(Tau+His)/(Tyr)+((α-ABA)+Trp)/(Asp+Asn);
复合指标值4-14
(Tau+(α-ABA))/(Asp+Asn)+(His+Trp)/(Tyr);
复合指标值4-15
(Tau+Trp)/(Asp+Met+Tyr)+((α-ABA)+His)/(Asn);
复合指标值4-16
(Tau+(α-ABA))/(Asn)+(His+Trp)/(Asp+Tyr);
复合指标值4-17
((α-ABA)+Trp)/(Tyr)+(His)/(Asp+Asn+Met);
复合指标值4-18
(Tau+(α-ABA)+His)/(Tyr)+(Trp)/(Asp+Asn);
复合指标值4-19
(α-ABA)/(Asn)+(His+Trp)/(Asp+Met+Tyr);and
复合指标值4-20
(Tau+His)/(Asp+Asn+Met)+((α-ABA)+Trp)/(Tyr)。
本发明还涉及用于确定肝纤维化阶段的系统。该系统包括:
肝纤维化确定装置,用于处理关于肝纤维化的信息;和
关于代谢物的信息的提供者的信息终端,该信息终端被可通信地通过网络连接到肝纤维化确定装置;
其中肝纤维化确定装置包括:
血液浓度数据获取单元,用于从该信息终端中获取针对每个个体中的每个代谢物测量的血液浓度数据组;
发病情况指标值计算单元,用于基于复合指标值设置单元(复合指标值设置步骤)设置的复合指标,从由血液浓度数据获取单元获取的血液浓度数据组中计算表示肝纤维化的进展的发病情况的指标值,该计算基于下列复合指标值1到4的至少一个而被执行:
复合指标值1
(Asn)/(Thr)+(Gln)/(Tau+Ser+Val+Trp);
复合指标值2
(Asn+Tyr)/(Cit)+(Met+Arg)/(Asp+(α-ABA));
复合指标值3
(Tau+Gly)/(Gln)+(α-ABA)/(Asp+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);和
复合指标值4
(Tau+Trp)/(Tyr)+((α-ABA)+His)/(Asp+Asn);
发病情况确定单元,用于基于由发病情况指标值计算单元计算出的发病情况指标值确定表示肝纤维化进展的发病情况;以及
分析结果发送单元,用于把由发病情况确定单元确定的结果发送到为血液浓度数据组的发送者的信息终端;
其中该信息终端包括:
发送单元,用于把血液浓度数据组发送到肝纤维化确定装置;和
接收单元,用于从肝纤维化确定装置中接收已由发送单元发送的血液浓度数据组的确定结果。
依照上述系统,肝纤维化确定装置从该信息终端中获取每个个体中的血液中代谢物浓度的数据组,基于下列复合指标值1到4中至少一个从由血液浓度数据获取单元获取的血液浓度数据组中计算表示肝纤维化的发病情况的指标值:
复合指标值1
(Asn)/(Thr)+(Gln)/(Tau+Ser+Val+Trp);
复合指标值2
(Asn+Tyr)/(Cit)+(Met+Arg)/(Asp+(α-ABA));
复合指标值3
(Tau+Gly)/(Gln)+(α-ABA)/(Asp+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);和
复合指标值4
(Tau+Trp)/(Tyr)+((α-ABA)+His)/(Asp+Asn);
基于所计算的发病情况指标值确定表示肝纤维化的进展的发病情况,并把所确定的结果发送给为血液浓度数据组的发送者的信息终端。更进一步的,信息终端把血液浓度数据组发送到肝纤维化确定装置,且从肝纤维化确定装置中接收到对发送的血液浓度数据组的确定结果。因而,该系统通过使用针对例如血液氨基酸水平的单个测试的结果使侦测许多针对肝纤维化的个体成为可能。这导致测试成本显著缩减。
也使得通过分析过去获取的血液氨基酸水平数据诊断肝纤维化成为可能。
使用四个复合指标值1到4中的一个做为肝纤维化的标记使开发该疾病的治疗成为可能,因为针对肝纤维化的组成四个复合指标值1到4中的一个的代谢物可以是疾病的潜在原因和结果。
四个复合指标值1到4中至少一个中的氨基酸可以被其他化学等价混合物、诸如其他氨基酸替换。
特别地,四个复合指标值1到4中的至少一个可以被下面所示的复合指标值的对应公式替换。
例如,复合指标值1可以被下列复合指标值1-1到1-20中的任何一个替换:
复合指标值1-1
(Asn)/(Thr)+(Gln)/(Tau+Ser+Val+Trp);
复合指标值1-2
(Asn)/(Tau+Ile)+(Gln)/(Thr+Ser+Val+Trp);
复合指标值1-3
(Asn)/(Tau+(α-ABA)+Ile)+(Gln)/(Thr+Ser+Val+Trp);
复合指标值1-4
(Asn)/(Asp+Thr)+(Gln)/(Tau+Ser+Val+Trp);
复合指标值1-5
(Asn)/(Thr)+(Gln)/(Tau+Ser+Val+Ile+Trp);
复合指标值1-6
(Asn)/(Thr)+(Gln)/(Tau+Asp+Ser+Val+Trp);
复合指标值1-7
(Asn)/(Tau+Ile)+(Gln)/(Asp+Thr+Ser+Val+Trp);
复合指标值1-8
(Asn)/(Tau+Ile)+(Gln+Met)/(Thr+Ser+Val+Trp);
复合指标值1-9
(Asn)/(Tau+(α-ABA)+Ile)+(Gln)/(Asp+Thr+Ser+Val+Trp);
复合指标值1-10
(Asn)/(Thr)+(Gln+Met)/(Tau+Ser+Val+Trp);
复合指标值1-11
(Asn)/(Tau+Asp+(α-ABA)+Ile)+(Gln)/(Thr+Ser+Val+Trp);
复合指标值1-12
(Asn)/(Thr)+(Gln)/(Tau+Ser+(α-ABA)+Val+Trp);
复合指标值1-13
(Asn)/(Asp+Thr)+(Gln)/(Tau+Ser+Val+Ile+Trp);
复合指标值1-14
(Asn)/(Tau+(α-ABA)+Ile)+(Gln+Met)/(Thr+Ser+Val+Trp);
复合指标值1-15
(Asn)/(Tau+Asp+Ile)+(Gln)/(Thr+Ser+Val+Trp);
复合指标值1-16
(Asn)/(Thr)+(Gln)/(Tau+Asp+Ser+Val+Ile+Trp);
复合指标值1-17
(Asn)/(Tau+Ile)+(Gln+Met)/(Asp+Thr+Ser+Val+Trp);
复合指标值1-18
(Asn)/(Asp+Thr)+(Gln)/(Tau+Ser+(α-ABA)+Val+Trp);
复合指标值1-19
(Asn)/(Asp+Thr)+(Gln+Met)/(Tau+Ser+Val+Trp);and
复合指标值1-20
(Asn)/(Thr)+(Gln)/(Tau+Ser+(α-ABA)+Val+Ile+Trp);
复合指标值2可以被下列复合指标值2-1到2-20中的任何一个替换:
复合指标值2-1
(Asn+Tyr)/(Cit)+(Met+Arg)/(Asp+(α-ABA));
复合指标值2-2
(Asn+Tyr)/(Cit)+(Arg)/(Asp+(α-ABA));
复合指标值2-3
(Asn+Met+Tyr)/(Cit)+(Arg)/(Asp+(α-ABA));
复合指标值2-4
(Asn+Met+Tyr)/(Asp+Cit)+(Arg)/(α-ABA);
复合指标值2-5
(Asn+Met)/(Cit)+(Tyr+Arg)/(Asp+(α-ABA));
复合指标值2-6
(Asn+Tyr)/(Asp+Cit)+(Arg)/(α-ABA);
复合指标值2-7
(Asn+Tyr)/(Asp+Cit)+(Met+Arg)/(α-ABA);
复合指标值2-8
(Asn)/(Cit)+(Tyr+Arg)/(Asp+(α-ABA));
复合指标值2-9
(Asn)/(Thr+Cit+(α-ABA))+(Met)/(His+Trp);
复合指标值2-10
(Asn)/(Cit)+(Met+Tyr+Arg)/(Asp+(α-ABA));
复合指标值2-11
(Asn)/(Thr+Cit+(α-ABA))+(Met)/(Asp+His+Trp);
复合指标值2-12
(Asn)/(Thr+Glu)+(Met)/(Cit+(α-ABA)+Trp);
复合指标值2-13
(Asn)/(Asp+Thr+Cit+(α-ABA))+(Met)/(His+Trp);
复合指标值2-14
(Asn)/(Thr+Cit+(α-ABA))+(Met)/(Glu+His+Trp);
复合指标值2-15
(Asn+Met)/(Asp+Cit)+(Tyr+Arg)/(α-ABA);
复合指标值2-16
(Asn+Met)/(Cit)+(Arg)/(Asp+(α-ABA));
复合指标值2-17
(Asn)/(Cit+(α-ABA)+His)+(Met)/(Thr+Glu+Trp);
复合指标值2-18
(Asn)/(Cit+(α-ABA)+His)+(Met)/(Thr+Trp);
复合指标值2-19
(Asn)/(Cit+His+Trp)+(Met)/(Thr+(α-ABA));and
复合指标值2-20
(Asn+Arg)/(α-ABA)+(Met+Tyr)/(Asp+Cit);
复合指标值3可以被下列复合指标值3-1到3-20中的任何一个替换:
复合指标值3-1
(Tau+Gly)/(Gln)+(α-ABA)/(Asp+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);
复合指标值3-2
(Tau+Gly)/(Gln+Met)+(α-ABA)/(Asp+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);
复合指标值3-3
(Tau+Gly)/(Gln)+(α-ABA)/(Thr)+(His)/(Lys)+(Trp)/(Asn+Cit+Tyr);
复合指标值3-4
(Tau+Gly)/(Asp+Gln)+(α-ABA)/(Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);
复合指标值3-5
(Tau+Gly)/(Asp+Gln+Met)+(α-ABA)/(Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);
复合指标值3-6
(Tau+Gly)/(Gln+Met)+(α-ABA)/(Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);
复合指标值3-7
(Tau+Gly)/(Gln+Met)+(α-ABA)/(Tyr)+(His)/(Lys)+(Trp)/(Asp+Thr+Asn+Cit);
复合指标值3-8
(Tau+Gly)/(Gln)+(α-ABA)/(Asp+Met+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);
复合指标值3-9
(Tau+Gly)/(Asp+Gln)+(α-ABA)/(Met+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);
复合指标值3-10
(Tau+Gly)/(Gln)+(α-ABA)/(Met+Tyr)+(His)/(Lys)+(Trp)/(Asp+Thr+Asn+Cit);
复合指标值3-11
(Tau+Gly)/(Gln)+(α-ABA)/(Met+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);
复合指标值3-12
(Tau+Gly)/(Gln)+(α-ABA)/(Thr)+(His)/(Asn+Cit+Tyr)+(Trp)/(Lys);
复合指标值3-13
(Tau)/(Lys)+(Trp)/(Asn+Cit+Tyr)+(Gly+His)/(Gln)+(α-ABA)/(Asp+Thr);
复合指标值3-14
(Tau)/(Lys)+(Trp)/(Asp+Asn+Cit+Tyr)+(Gly+His)/(Gln)+(α-ABA)/(Thr);
复合指标值3-15
(Tau)/(Lys)+(Trp)/(Asn+Cit+Tyr)+(Gly+His)/(Gln)+(α-ABA)/(Thr);
复合指标值3-16
(Tau)/(Asp+Asn+Lys)+(Trp)/(Cit+Tyr)+(Gly+His)/(Gln)+(α-ABA)/(Thr);
复合指标值3-17
(Tau+Gly)/(Gln)+(α-ABA)/(Asp+Tyr)+(His)/(Thr+Asn+Cit)+(Trp)/(Lys);
复合指标值3-18
(Tau+Gly)/(Gln+Met)+(α-ABA)/(Asp+Tyr)+(His)/(Thr+Asn+Cit)+(Trp)/(Lys);
复合指标值3-19
(Tau+Gly)/(Gln+Met)+(α-ABA)/(Tyr)+(His)/(Asp+Cit+Lys)+(Trp)/(Thr+Asn);and
复合指标值3-20
(Tau+Gly)/(Asp+Gln)+(α-ABA)/(Tyr)+(His)/(Thr+Asn+Cit)+(Trp)/(Lys)。
复合指标值4可以被下列复合指标值4-1到4-20中的任何一个替换:
复合指标值4-1
(Tau+Trp)/(Tyr)+((α-ABA)+His)/(Asp+Asn);
复合指标值4-2
((α-ABA)+Trp)/(Tyr)+(His)/(Asp+Asn);
复合指标值4-3
(Tau+(α-ABA)+Trp)/(Tyr)+(His)/(Asp+Asn);
复合指标值4-4
(Tau+Trp)/(Tyr)+(His)/(Asp+Asn);
复合指标值4-5
(Tau+Trp)/(Tyr)+((α-ABA)+His)/(Asn);
复合指标值4-6
(Tau+(α-ABA)+Trp)/(Tyr)+(His)/(Asn);
复合指标值4-7
(Tau+(α-ABA)+Trp)/(Asp+Met+Tyr)+(His)/(Asn);
复合指标值4-8
((α-ABA)+Trp)/(Tyr)+(His)/(Asn);
复合指标值4-9
(Tau+Trp)/(Tyr)+(α-ABA)/(Asp+Met)+(His)/(Asn);
复合指标值4-10
(Tau+Trp)/(Tyr)+(His)/(Asn);
复合指标值4-11
((α-ABA)+His)/(Asp+Asn)+(Trp)/(Tyr);
复合指标值4-12
(Tau+Trp)/(Asp+Met+Tyr)+(His)/(Asn);
复合指标值4-13
(Tau+His)/(Tyr)+((α-ABA)+Trp)/(Asp+Asn);
复合指标值4-14
(Tau+(α-ABA))/(Asp+Asn)+(His+Trp)/(Tyr);
复合指标值4-15
(Tau+Trp)/(Asp+Met+Tyr)+((α-ABA)+His)/(Asn);
复合指标值4-16
(Tau+(α-ABA))/(Asn)+(His+Trp)/(Asp+Tyr);
复合指标值4-17
((α-ABA)+Trp)/(Tyr)+(His)/(Asp+Asn+Met);
复合指标值4-18
(Tau+(α-ABA)+His)/(Tyr)+(Trp)/(Asp+Asn);
复合指标值4-19
(α-ABA)/(Asn)+(His+Trp)/(Asp+Met+Tyr);and
复合指标值4-20
(Tau+His)/(Asp+Asn+Met)+((α-ABA)+Trp)/(Tyr)。
本发明也涉及具有上述程序记录在其中的记录介质。
该记录介质能把所存储的程序提供给计算机,该计算机读出并执行程序来执行相同的任务,从而得到与这些程序相同的好处。
本发明也涉及用于确定肝纤维化阶段的装置和方法、以及用于执行该方法的程序。该装置、方法、和程序的特征在于包括:
血液浓度数据获取单元(或血液浓度数据获取步骤),用于获取针对每个个体中的每个代谢物测量的血液浓度数据组;
复合指标值设置单元(或复合指标值设置步骤),用于设置用于计算表示肝纤维化的发病情况的指标值的复合指标值;
发病情况指标值计算单元(或发病情况指标值计算步骤),用于基于复合指标值设置单元(复合指标值设置步骤)设置的复合指标,从由血液浓度数据获取单元(或血液浓度数据获取步骤)获取的血液浓度数据组中计算表示肝纤维化的发病情况的指标值;和
发病情况确定单元(或发病情况确定步骤),用于基于由发病情况指标值计算单元(或发病情况指标值计算步骤)计算的发病情况指标值确定表示肝纤维化进展的发病情况,
其中复合指标值设置单元(或复合指标值设置步骤)至少包括以下之一:
复合指标值1产生单元(或复合指标值1产生步骤),用于产生复合指标值1,其包括单项或多项分数的总和,该分数的分子中具有Asn和Gln的血液浓度数据中的至少一个且分母中有Thr、Tau、Ser、Val和Trp的血液浓度数据中的至少一个(Met的血液浓度数据可以被添加到分子,且任何Ile、α-ABA、和Asp的血液浓度数据可以被添加到分母)。
复合指标值2产生单元(或复合指标值2产生步骤),用于产生复合指标值2,该复合指标值2包括单项或多项分数的总和,该分数的分子中有Asn和Met的血液浓度数据中的至少一个且分母中有α-ABA和Cit的血液浓度数据中的至少一个(任何Tyr和Arg的血液浓度数据可以被进一步添加到分子,且任何His、Thr、Asp、和Glu的血液浓度数据可以被进一步添加到分母);
复合指标值3产生单元(或复合指标值3产生步骤),用于产生复合指标值3,该复合指标值3包括单项或多项分数的总和,该分数的分子中有α-ABA、His、Gly、Trp、和Tau的血液浓度数据中的至少一个且分母中有Asn、Gln、Cit、Lys、Thr、和Tyr的血液浓度数据中的至少一个(任何Met和Asp的血液浓度数据可以被进一步添加到分母);和
复合指标值4产生单元(或复合指标值4产生步骤),用于产生复合指标值4,该复合指标值4包括单项或多项分数的总和,该分数的分子中有His和Trp的血液浓度数据中的至少一个且分母中有Asn和Tyr的血液浓度数据中的至少一个(任何α-ABA和Tau的血液浓度数据可以被进一步添加到分子,且任何Met和Asp的血液浓度数据可以被进一步添加到分母)。
依照上述装置、方法和程序,针对每个个体中每个代谢物测量的血液浓度数据数据组被获取,用于计算表示肝纤维化的发病情况的指标值的复合指标值被设置,表示肝纤维化的发病情况的指标值基于所设置的复合指标值从所获取的血液浓度数据组中被计算出,且肝纤维化的发病情况基于所计算的发病情况指标值被确定。更进一步,复合指标值设置通过产生至少以下之一而被执行:复合指标值1,其包括单项或多项分数的总和,该分数的分子中有Asn和Gln的血液浓度数据中的至少一个且分母中有Thr、Tau、Ser、Val和Trp的血液浓度数据中的至少一个(Met的血液浓度数据可以被添加到分子,且任何Ile、α-ABA、和Asp的血液浓度数据可以被添加到分母);复合指标值2,其包括单项或多项分数的总和,该分数的分子中有Asn和Met的血液浓度数据中的至少一个且分母中有α-ABA和Cit的血液浓度数据中的至少一个(任何Tyr和Arg的血液浓度数据可以被进一步添加到分子,且任何His、Thr、Asp、和Glu的血液浓度数据可以被进一步添加到分母);复合指标值3,其包括单项或多项分数的总和,该分数的分子中有α-ABA、His、Gly、Trp、和Tau的血液浓度数据中的至少一个且分母中有Asn、Gln、Cit、Lys、Thr、和Tyr的血液浓度数据中的至少一个(任何Met和Asp的血液浓度数据可以被进一步添加到分母);和复合指标值4,其包括单项或多项分数的总和,该分数的分子中有His和Trp的血液浓度数据中的至少一个且分母中有Asn和Tyr的血液浓度数据中的至少一个(任何α-ABA和Tau的血液浓度数据可以被进一步添加到分子,且任何Met和Asp的血液浓度数据可以被进一步添加到分母)。从而,该装置、方法和程序使得通过使用针对例如血液氨基酸水平的单个测试结果而侦测肝纤维化的许多个体成为可能。这导致测试成本极大缩减。
也使得通过分析过去获得的血液氨基酸水平数据来诊断肝纤维化成为可能。
进一步使得使用复合指标值做为标记来研究肝纤维化的治疗成为可能,因为组成肝纤维化的复合指标值的代谢物是疾病的潜在原因或后果。
进一步使得穷举并自动产生肝纤维化的诊断中有用的复合指标值成为可能。
本发明也涉及用于确定肝纤维化阶段的系统。该系统的特征在于包括:
肝纤维化确定装置,用于处理关于肝纤维化的信息;和
关于代谢物的信息的提供者的信息终端,该信息终端被可通信地通过网络连接到肝纤维化确定装置;
其中肝纤维化确定装置包括:
血液浓度数据获取单元,用于获取针对每个个体中的每个代谢物测量的血液浓度数据组;
复合指标值设置单元,用于设置用于计算表示肝纤维化的发病情况的指标值的复合指标值;
发病情况指标值计算单元,用于从由血液浓度数据获取单元获取的血液浓度数据组中计算表示肝纤维化的发病情况的指标值,该计算基于由复合指标值设置单元设置的复合指标值来执行;和
发病情况确定单元,用于基于由发病情况指标值计算单元计算的发病情况指标值确定表示肝纤维化进展的发病情况,
其中复合指标值设置单元包括以下单元的至少之一:
复合指标值1产生单元,用于产生复合指标值1,其包括单项或多项分数的总和,该分数的分子中有Asn和Gln的血液浓度数据中的至少一个且分母中有Thr、Tau、Ser、Val和Trp的血液浓度数据中的至少一个(Met的血液浓度数据可以被添加到分子,且任何Ile、α-ABA、和Asp的血液浓度数据可以被添加到分母)。
复合指标值2产生单元,用于产生复合指标值2,其包括单项或多项分数的总和,该分数的分子中有Asn和Met的血液浓度数据中的至少一个且分母中有α-ABA和Cit的血液浓度数据中的至少一个(任何Tyr和Arg的血液浓度数据可以被进一步添加到分子,且任何His、Thr、Asp、和Glu的血液浓度数据可以被进一步添加到分母);
复合指标值3产生单元,用于产生复合指标值3,其包括单项或多项分数的总和,该分数的分子中有α-ABA、His、Gly、Trp、和Tau的血液浓度数据中的至少一个且分母中有Asn、Gln、Cit、Lys、Thr和Tyr的血液浓度数据中的至少一个(任何Met和Asp的血液浓度数据可以被进一步添加到分母);以及
复合指标值4产生单元,用于产生复合指标值4,其包括单项或多项分数的总和,该分数的分子中有His和Trp的血液浓度数据中的至少一个且分母中有Asn和Tyr的血液浓度数据中的至少一个(任何α-ABA和Tau的血液浓度数据可以被进一步添加到分子,且任何Met和Asp的血液浓度数据可以被进一步添加到分母);和
分析结果发送单元,用于把由发病情况确定单元确定的结果发送到为血液浓度数据组的发送者的信息终端;
其中该信息终端包括:
发送单元,用于把血液浓度数据组发送到肝纤维化确定装置;和
接收单元,用于从肝纤维化确定装置中接收针对由该发送单元已经发送的血液浓度数据组的确定结果。
依照上述系统,针对每个个体中的每个代谢物测量的血液浓度数据组被获取,用于计算表示肝纤维化的发病情况的指标值的复合指标值被设置,表示肝纤维化的发病情况的指标值基于所设置的复合指标值从所获取的血液浓度数据组中计算出,且肝纤维化的发病情况基于所计算的发病情况指标值被确定。更进一步的,复合指标值设置通过产生至少以下之一而被执行:复合指标值1,其包括单项或多项分数的总和,该分数的分子中有Asn和Gln的血液浓度数据中的至少一个且分母中有Thr、Tau、Ser、Val和Trp的血液浓度数据中的至少一个(Met的血液浓度数据可以被添加到分子,且任何Ile、α-ABA、和Asp的血液浓度数据可以被添加到分母);复合指标值2,其包括单项或多项分数的总和,该分数的分子中有Asn和Met的血液浓度数据中的至少一个且分母中有α-ABA和Cit的血液浓度数据中的至少一个(任何Tyr和Arg的血液浓度数据可以被进一步添加到分子,且任何His、Thr、Asp、和Glu的血液浓度数据可以被进一步添加到分母);复合指标值3,其包括单项或多项分数的总和,该分数的分子中有α-ABA、His、Gly、Trp、和Tau的血液浓度数据中的至少一个且分母中有Asn、Gln、Cit、Lys、Thr和Tyr的血液浓度数据中的至少一个(任何Met和Asp的血液浓度数据可以被进一步添加到分母);和复合指标值4,其包括单项或多项分数的总和,该分数的分子中有His和Trp的血液浓度数据中的至少一个且分母中有Asn和Tyr的血液浓度数据中的至少一个(任何α-ABA和Tau的血液浓度数据可以被进一步添加到分子,且任何Met和Asp的血液浓度数据可以被进一步添加到分母),且所确定的结果被发送到为血液浓度数据组的发送者的信息终端。更进一步的,该信息终端把血液浓度数据组发送到肝纤维化确定装置,且从肝纤维化确定装置中接收针对所发送的血液浓度数据组的确定结果。从而,该系统使得通过使用针对例如血液氨基酸水平的单个测试的结果而侦测肝纤维化的许多个体成为可能。这导致测试成本极大缩减。
也使得通过分析过去获得的血液氨基酸水平的数据来诊断肝纤维化成为可能。
进一步使得使用复合指标值做为标记来研究肝纤维化的治疗成为可能,因为组成肝纤维化的复合指标值的代谢物是疾病的潜在原因或后果。
进一步使得穷举并自动产生肝纤维化的诊断中有用的复合指标值成为可能。
本发明也涉及一种把上述程序记录在其中的记录介质。
该记录介质能把所存储的程序提供给计算机,该计算机读出并执行该程序来执行相同的任务,从而与这些程序相同的好处能被获得。
附图简述
图1是示出本发明设置相关公式的基本原理的图表。
图2是示出本发明被应用到其中的系统的示例结构的框图。
图3是示出本发明被应用到其中的系统中的服务器单元100的示例结构的框图。
图4是示出本发明被应用到其中的客户机单元200的示例结构的框图。
图5是示出本发明被应用到其中的系统中生物体情况信息获取单元102g的示例结构的框图。
图6是示出本发明被应用到其中的系统中相关公式生成部件102i的示例结构的框图。
图7是示出存储在用户信息数据库106a中的用户信息的一个例子的图表。
图8是示出存储在生物体情况信息数据库106b中的信息的一个例子的图表。
图9是示出存储在相关性信息数据库106c中的信息的一个例子的图表。
图10是示出存储在相关性信息数据库106d中的信息一个例子的图表。
图11是示出存储在代谢图信息数据库106e中的信息的一个例子的图表。
图12是示出由本发明的系统分析生物体情况信息的服务过程的一个例子的流程图。
图13是示出由本发明的系统分析生物体情况信息的一个例子的流程图。
图14是示出系统使用穷举计算(exhaustive calculation)技术的优化过程1的一个例子的流程图。
图15是示出系统使用最佳路径法(best path)的优化过程1的一个例子的流程图。
图16是示出系统的优化过程2的一个例子的流程图。
图17是示出生物体情况信息的一个例子的示意图。
图18是示出所确定的生物体情况的指标值数据(T1)和相应的氨基酸之间的相关性的一个例子的示意图。
图19示出显示在监视器上的主菜单屏幕的一个例子。
图20示出显示在监视器上的文件导入屏幕的一个例子。
图21示出显示在监视器上的氨基酸(代谢物)输入屏幕的一个例子。
图22示出显示在监视器上的生物体情况指标值输入屏幕的一个例子。
图23示出显示在监视器上的计算公式主维护屏幕的一个例子。
图24示出显示在监视器上的项选择屏幕的一个例子。
图25示出显示在监视器上的正/负确定确认屏幕的一个例子。
图26示出显示在监视器上的复合指标值搜索屏幕的一个例子。
图27示出显示在监视器上的结果(1)表(用于分析的原始数据)屏幕的一个例子。
图28示出显示在监视器上的结果(2)表(用于搜索复合指标值的条件)屏幕的一个例子。
图29示出显示在监视器上的结果(3)表(最佳复合指标值)屏幕的一个例子。
图30示出显示在监视器上的结果(4)表(最佳复合指标值_数值)屏幕的一个例子。
图31示出显示在监视器上的结果(5)表(相关图)屏幕的一个例子。
图32示出显示在监视器上的结果(6)表(氨基酸(代谢物)的原始数据)屏幕的一个例子。
图33示出显示在监视器上的结果(7)表(生物体情况指标值的原始数据)屏幕的一个例子。
图34是图例表示了通过使用分离计算公式来计算涉及针对生物体情况的多个代谢物的相关公式的过程的概念的图表。
图35是示出如由系统确定的肝纤维化的复合指标值(复合指标值5)与发病阶段之间的关系的图表。
图36是图例表示了使用基于代谢图信息分离的计算公式,来计算涉及针对生物体情况的多个代谢物的相关公式的概念的图表。
图37是示出如由系统确定的在正常老鼠和糖尿病(GK)老鼠中在复合指标值(复合指标值6)和发病阶段之间的关系的图表。
图38是示出如由系统确定的在正常老鼠、糖尿病(GK)老鼠、和通过用均为针对糖尿病的治疗药物的那格列奈(nateglinide)或格列本脲(glibenclamide)治疗的糖尿病(GK)老鼠中在复合指标值(复合指标值6)和发病阶段之间的关系的图表。
图39是示出如由系统确定的在正常老鼠、糖尿病(GK)老鼠、和通过用均为针对糖尿病的治疗药物的那格列奈或格列本脲治疗的糖尿病(GK)老鼠的组中复合指标值(复合指标值6)的平均值(±SD)的条形图(a bar graph)。
图40是示出由依照本发明的系统分析代谢物信息的过程的一个例子的流程图。
图41是示出由依照本发明的系统计算发病情况指标值的过程的一个例子的流程图。
图42是示出使用多个所选择的代谢物计算相关公式的过程的概念的图表。
图43是示出本发明被应用到其中的系统的优化部件102j的示例结构的框图。
图44是图例化表示计算公式的解释的图表。
图45是示出本发明被应用到其中的系统中的肝纤维化确定装置400的示例结构的框图。
图46是示出本发明被应用到其中的系统中代谢物信息获取单元402g的示例结构的框图。
图47是示出存储在用户信息数据库406a中的用户信息的一个例子的图表。
图48是示出存储在代谢物信息数据库406b中的信息的一个例子的图表。
图49是示出依照本发明的系统中肝纤维化信息分析的服务过程的一个例子的流程图。
图50是示出存储在肝纤维化指标值数据库406c中的信息的一个例子的图表。
图51是示出用于替换复合指标值1到4的各自的公式中的氨基酸的规则的图表。
图52是示出对于控制组和带有丙型肝炎的患者,由本系统确定的肝纤维化的复合指标值(复合指标值1)和发病阶段之间的关系的图表。
图53是示出对于控制组和带有丙型肝炎的患者,由本系统确定的肝纤维化的复合指标值(复合指标值2)和发病阶段之间的关系的图表。
图54是示出对于控制组和带有丙型肝炎的患者如由本系统确定的肝纤维化的复合指标值(复合指标值3)和发病阶段之间的关系的图表。
图55是示出对于控制组和带有丙型肝炎的患者如由本系统确定的肝纤维化的复合指标值(复合指标值4)和发病阶段之间的关系的图表。
图56是示出控制组和带有丙型肝炎的患者中费歇尔比(Fischer’srate)与发病阶段之间的关系的图表。
图57是示出本发明的基本原理的图表。
图58是示出在apo-E破坏(knockout)老鼠(Apo-E KO)和正常老鼠(Normal)之间的区别的一个例子的图表。
图59是示出在感染了削弱的流行性感冒病毒A/Aichi/2/68(H3N2)的正常老鼠和那些没有感染的老鼠之间的区别的一个例子的图表。
图60是示出其中在服用胱氨酸(cystine)和茶氨酸(teanine)然后感染流行感冒病毒的组和服用正常食物的组之间比较由区别公式确定的值中的变化的一个例子的图表。
图61是示出被当作I型糖尿病的动物模型的服用链脲霉素(streptozotocine)的老鼠(STZ)和正常老鼠(Normal)之间的区别的一个例子的图表。
图62是示出被当作II型糖尿病的动物模型的GK老鼠(GK)和正常老鼠(Normal)之间的区别的一个例子的图表。
图63是示出人类生长激素基因转录老鼠(hGH-Tg老鼠)和正常老鼠(Normal)之间的区别的一个例子的图表。
图64是示出由二甲基亚硝胺(dimethylnitrosamine)引起的肝纤维化的模型老鼠(DMN)和正常老鼠(Normal)之间的区别的一个例子的图表。
图65是示出服用低蛋白质食物的老鼠(Low protein)和服用正常食物(Normal)的老鼠之间的区别的一个例子的图表。
图66是示出服用高脂肪食物的老鼠(High Fat)和服用正常食物的老鼠(Normal)之间的区别的一个例子的图表。
图67是示出肝脏中过氧化脂质量(Liver-TBRAS)和基于为Liver-TBRAS优化的公式计算的值(Index-TBRAS)之间的关系的图表。
图68是示出血液总胆固醇水平(Plasma TCHO)和基于为PlasmaTCHO优化的公式计算出的值(Index-TCHO)之间的相关性的图表。
图69是示出血液胰岛素样生长因子-1水平(Plasma IGF-1)和基于为Plasma IGF-1优化的公式计算出的值(Index-IGF-1)之间的相关性的图表。
图70是示出附睾丸脂肪组织的体重比(WAT)和基于为WAT优化的公式计算的值(Index-WAT)之间的相关性的图表。
图71是示出在服用链脲霉素的老鼠、GK老鼠、人类生长激素基因转录老鼠、肝纤维化模型老鼠、和正常老鼠之间基于各自老鼠的血液氨基酸水平执行的模拟的区别的一个例子的图表。
图72是示出在带有I型糖尿病的老鼠上实行的胰岛素治疗的结果的总括检查的例子的图表。
图73是示出干扰素(interferon)和三(氮)唑核苷(ribavirin)的治疗的预测结果的一个例子的图表。
图74是示出在猪的运输之前和之后氨基酸的复合指标值的图表。
实施本发明的最佳方式
【生物体情况信息管理系统实施方式】
将对依照本发明用于处理关于生物体情况的信息的装置和方法、以及用于管理这样的信息的系统、程序、和记录介质的实施方式参照附图进行说明。附带地,该实施方式并不以任何方式来限制本发明的范围。
尽管本发明将被主要通过其中代谢物是氨基酸的例子进行主要说明,但它也能被类似地应用到任何其他类型的代谢物。
(本发明的一般原理)
本发明将在下面被说明:首先它的一般原理,然后关于它的详细结构和涉及到的过程。本发明的基本原理在图57中被描述。
简单来说,本发明具有以下基本特征:第一,如由下列公式1所表示的相关公式被设置,其表示关于在每个个体中测量的特定的生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据(诸如临床数据)之间的相关性(步骤S1-1):
(其中每个i、j和k是自然数;每个Ai和Bj是血液中代谢物的浓度的数据或在血液中代谢物浓度中应用函数得到的值;且每个Ci、Di、Ej、Fj、Gk和H是常量。)
相关公式可以由下列两个模式中的任何一个设置:首先把临床数据的血液氨基酸水平代入公式1中,然后确定公式1中的每个常量(模式1),或使用预定的公式(模式2)。在模式2中,具有由模式1确定的每个常量的相关公式可以被存储在存储器单元的预定文件中,且期望的相关公式然后被从文件中选出,或者存储在另一台计算机中的存储器单元中相关公式可以通过网络被下载。
接着,针对要被模拟的个体中的每个代谢物测量的血液浓度数据组(从患者获取的数据)被代入到步骤S1-1中设置的相关公式中,以模拟感兴趣的个体中的生物体情况。诊断结果然后被输出(步骤S1-2)。
以这种方式,本发明能使健康情况、疾病进展情况、疾病治疗情况、未来疾病风险、药物疗效、药物副作用、和基于个体中代谢物的血液浓度的各种其他情况的有效模拟成为可能。
依照上述模式1在步骤S1-1中设置的相关公式的一个例子现在参照图1被详细描述。
【相关公式的设置】
图1是示出本发明的相关公式的设置的基本原理的图表。
本发明中的相关公式的设置具有以下基本特征:第一,生物体情况信息被获取。生物体情况信息包括关于在每个个体中测量的各种生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据组(步骤S-1)。
生物体情况信息的一个例子被图示在图17中。如图17中所示,生物体情况信息包括个体(样本)数量、每个生物体情况的指标值数据(T)、和每个代谢物的血液浓度数据组(例如,氨基酸)。
如这里所使用的,“关于生物体情况的指标值数据”指的是用作生物体情况的标记的已知的单一指标值(例如,诸如癌症、肝硬化、痴呆、和肥胖的发病情况)。例如数字血液浓度数据、酶活性、特定的代谢物的基因表达水平、和痴呆的指标值(Hasegawa痴呆量度修正(HDSR))。
“关于生物体情况的指标值数据”可以通过把数值分配给健康情况和发病情况来获得,即使实际的数字数据、诸如各种测量和测试结果并不可用:
(例子)健康=0,肥胖=1;或健康=1,轻度糖尿病=2,严重的糖尿病=3等等。
依靠分析技术,每个代谢物的“血液浓度数据组”可以被其他生物化学数据组替换、诸如基因表达水平和酶活性、或者它们的组合(组合诸如代谢物水平、基因表达式水平和酶活性的多个数据组的多个数字数据组)。
再次参照图1,每个指标值数据和每个代谢物之间的相关性然后基于在每个个体中测量的关于各种生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据组被确定(步骤S-2)。
这样做的时候,用于测量两个变量x和y之间的线性关系强度的已知的相关系数可以被计算出来以确定每个指标值T和每个氨基酸之间的关系。在这些已知的相关系数之间是皮尔森相关系数(Pearson’scorrelation coefficient)、斯皮尔曼相关系数(Spearman’scorrelation coefficient)、和肯德尔相关系数(Pearson’scorrelation coefficient)。
如果多个相关公式通过使用这些标准被获得,则其他比较每个相关公式的各自的适应性的标准(诸如Akaike的信息标准(AIC))可以被用于评估每个相关公式与实际数据之间的差异,并从而选择一个模型。
如果“关于生物体情况的指标值数据”如上所述在不同的诸如健康情况和发病情况的情况间比较,则相关比、变化率(variance ratio)或者Mahalanobis的通用距离可以被用于最大化并区别组间的区别。如果多个区别公式通过使用这些标准被获得,诸如判别分析的其他测量可以被用于基于一个情况如何能被有效地与其他情况区分而用于选择公式。
现在参照图18,指标值数据(T1)和每种氨基酸之间的相关性的一个例子在概念上被示出。如图18中所示,特定的生物体情况的指标值数据(T1)和每种氨基酸之间的相关性从氨基酸的血液浓度数据中被确定。该关系可以通过例如计算皮尔森相关系数而被确定。皮尔森相关系数能取-1到1之间的值。接近1的系数的绝对值表示数据点在直线上更紧密地排列。
再次参照图1,相关公式(相关函数)然后被构成,其涉及表示生物体情况的多个代谢物。这是通过使用基于关于每个在步骤S-2中确定的代谢物的相关性的预定的计算公式完成的(步骤S-3)。
预定的计算公式可以是下面六个计算公式中的任何一个:
表达式1)
相关公式(R)=(具有正相关性的氨基酸的总和)/(具有负相关性的氨基酸的总和);
表达式2)
相关公式(R)=(具有正相关性的氨基酸的总和)+(具有负相关性的氨基酸的总和);
表达式3)
相关公式(R)=(具有正相关性的氨基酸的总和)-(具有负相关性的氨基酸的总和);
表达式4)
相关公式(R)=(具有正相关性的氨基酸的总和)×(具有负相关性的氨基酸的总和);
表达式5)
相关公式(R)=(具有负相关性的氨基酸的总和)/(具有正相关性的氨基酸的总和);
表达式6)
相关公式(R)=(具有负相关性的氨基酸的总和)-(具有正相关性的氨基酸的总和)
上述相关公式中的短语“氨基酸总和”表示各自的氨基酸的血液浓度的总和。
现在参照图44,相关公式的解释在概念上图例说明。如图44中所示,相关公式能被当作生物体指标值之间的关系映射到局限于加和减的理论系统的结果。这样,可以认为取得了代谢图上的发现与计算公式之间的映射。
返回参照图1,依照本发明中相关公式的设置,相关公式(R)然后基于在步骤(S-3)中确定的相关公式(R)和生物体情况的指标值数据(T)之间的相关系数(例如,以相关系数级别高(例如,最高为20)或优选地被最大化的方式)被优化(步骤S-4)。该优化可以通过(a)选择要在计算中使用的诸如氨基酸的代谢物、或(b)分离计算公式、或两者结合来完成。我们现在详细说明这两种方法:
(a)选择要在计算中使用的诸如氨基酸的代谢物
此方法包括选择一部分代谢物并使用所选择的多个代谢物来计算相关公式。现在参照图42,使用选出的多个代谢物计算相关公式的程序在概念上被说明。如图42中所示,生物体情况的指标值数据(T)和每个代谢物(例如氨基酸)之间的相关性首先被检查以确定正相关的代谢物(a,b,c,d,e,...,n)和负相关的代谢物(A,B,C,D,E,...,N)。
接着,相关公式的格式被设置。例如,下面的相关公式被从上述相关公式中选出。相关公式
(R1)=(具有正相关性的氨基酸的总和)/(具有负相关性的氨基酸的总和)。其中短语“氨基酸的总和”表示“各自的氨基酸的血液浓度的总和”。
接着,一部分代谢物被有选择性地排除来计算相关公式(R2)。例如,如图42中所示氨基酸(a)可以被有选择性地排除,更特别的,氨基酸(a)的值能被有选择性地从计算公式移除来给出相关公式(R2)。
相关公式(R1)的相关系数和相关公式(R2)的相关系数然后针对生物体情况的指标值数据(T)相互比较。如果相关公式(R1)的相关系数大于相关公式(R2)的相关系数,那么另一种氨基酸被有选择性地排除。该过程被重复。如果,另一方面,相关公式(R2)的相关系数大于相关公式(R1)的相关系数,那么另一种氨基酸(例如,氨基酸(b))被有选择性地从已排除氨基酸(a)的计算公式中排除。该过程被重复。
这给出了对指标值数据有最大的相关系数值的计算公式。如果希望,多个计算公式可以被获得:例如,最多可以获得五个具有大的相关系数的计算公式。
(b)分离计算公式
此方法包括分离计算公式并使用分离的计算公式来计算涉及多个生物体情况的代谢物的相关公式。参照图34,通过使用分离的计算公式计算涉及多个生物体情况的代谢物的相关公式的程序被示出。
如图34中所示,由预定的计算公式确定的相关公式(R1)的相关系数和通过使用在任意位置分离的计算公式确定的相关公式(R2,R3,R4...,RK)被首先针对生物体情况的指标值数据(T)彼此相互比较,从而获得具有最大相关系数的相关公式。如果希望,多个计算公式可以被获得:例如最多五个具有大的相关系数的计算公式可以被获得。
这样做的时候,计算公式可以基于代谢图信息被分离,且所分离的计算公式可以被用于计算涉及多个生物体情况的代谢物的相关公式。图36中所示的是通过使用基于代谢图信息分割的计算公式来计算涉及多个生物体情况的代谢物的相关公式的概念。图36图例说明了肝炎的代谢图和相关公式的计算公式之间的关系的一个例子。
如图36中所示,如果包含在特定的生物体情况中的代谢物的代谢图是可用的,则这样的代谢图的信息能被用于分离计算公式。这允许基于实际的生物化学的发现分离计算公式。
当希望把计算公式映射到代谢图上时,适当的系数可以被用于优化该公式以便它表示每个代谢物路径(pahtway)的意义。例如,下面的针对肝纤维化优化的公式(1)可以隶属于多个回归分析,以应用该系数来给出下列被进一步优化的公式(2):
公式(1):
Stage(肝纤维化指标值)=Glu/His+Met/His+Cys/His+Orn/Pro+Asp/Glu+Asp/Asn+ABA/Met+ABA/Thr+Tau/His+Glu/Gln;和
公式(2):
Stage(肝纤维化指标值)=0.590*Glu/His+0.247*Met/His
+0.250*Cys/His+0.170*Orn/Pro+0.146*Asp/Glu+0.080*Asp/Asn+0.215*ABA/Met+0.142*ABA/Thr+0.123*Tau/His+0.493*Glu/Gln+ERROR。
局部回归系数的幅度能被用于测试每项的贡献。同样的,把局部回归系数映射到实际的代谢图上允许因数的开方。例如,在公式(1)和公式(2)的例子中的一种可能的解释可以是:Glu<->His或Glu<->Gln是代谢物路径中潜在的速率限制步骤。
再次参照图1,依照本发明中相关公式的设置,步骤S-4中相关公式的优化中给出最大相关系数的计算条件可以被用作生物体情况的复合指标值(步骤S-5)。特别地,通过例如针对每个生物体情况的每个指标值数据确定具有最大相关系数的计算公式,计算公式能被用作反映每个生物体情况的多个代谢物的复合指标值。
【系统配置】
将首先说明本发明的系统配置。图2中所示的是本发明被应用其中的系统的示例结构的框图。只有在上述结构中涉及本发明的部分在概念上被图例说明。
简单扼要地,系统示意性地包括服务器单元100和通过网络300可通信地连接到服务器单元100的客户机单元200。服务器单元100是用于处理关于生物体情况的装置。客户机单元200是关于生物体情况的信息的提供者的信息终端。
系统示意性地具有下列基本特征:关于生物体情况的信息通过网络300从服务器单元100发送到客户机单元200,反之亦然。
关于生物体情况的信息是关于针对人类或其他有机体的特定生物体情况的特征获得的值的信息。该信息由服务器单元100、客户机单元200、或其他单元(例如,各种测量装置)产生,且被主要存储在服务器单元100。关于生物体情况的信息的一个例子是关于发病情况的信息,该发病情况将在后面说明。
服务器单元100可以与各种其他用于分析的装置(例如,氨基酸分析器)集成。
【系统配置-服务器单元100】
接着,将说明本发明的系统中使用的服务器单元100的结构。图3中,本发明的系统中的服务器单元100的示例结构在框图中示出。只有在上述结构中涉及本发明的部分在概念上被图例说明。
图3中,服务器单元100示意性地包括控制单元102、诸如CPU,用于控制整个服务器单元100;被连接到通信单元的通信控制接口单元104、诸如被连接到通信线路等的路由器(未示出);连接到输入设备112或输出设备114的输入/输出控制接口单元108;和用于存储各种数据库和表的存储器单元106。这些部件被可通信地通过通信路径相互连接。服务器单元100被进一步可通信地通过诸如路由器的通信设备和诸如专用线路的有线或无线通信线路连接到网络300,。
图3中各种数据库和表(用户信息数据库106a-代谢图信息数据库106e)被存储在为诸如固定的存储设备的存储器单元106中,存储器单元106存储用于执行各种过程、表、文件、数据库、和网站文件的各种程序。
存储器单元106的部件中,用户信息数据库106a用作用户信息存储单元,用于存储关于用户的信息(用户信息)。图7示出存储在用户信息数据库106a中的用户信息的一个例子。
如图7中所示,存储在用户信息数据库106a中的信息包括用户ID,用于唯一地标识单独的用户;用户密码,用于进行各使用者是否合法的认证;用户名称;归属ID,用于唯一地标识用户属于哪个归属;部门ID,用于唯一地标识用户所述的归属的部门;部门名称;和用户的电子邮件地址。这些数据彼此相关联地示出。
生物体情况数据库106b用作生物体情况信息存储单元,用于存储关于例如生物体情况的信息。图8示出存储在生物体情况信息数据库106b中的信息的一个例子。
如图8中所示,存储在生物体情况信息数据库106b中的信息包括个体(样本)编号;每个生物体情况的指标值数据(T);和每个代谢物(例如,氨基酸)的血液浓度数据组。这些数据彼此相关联地被示出。
相关性信息数据库106c用作相关性信息存储单元,用于存储关于相关性的信息。图9示出存储在相关性信息数据库106c中的信息的一个例子。
如图9中所示,存储在相关性信息数据库106c中的信息包括代谢物和与指标值数据(T)的代谢物的相关性。这些数据彼此相关联地示出。
相关公式信息数据库106d用作相关公式存储单元,用于存储关于相关公式的信息。图10示出存储在相关公式数据库106d中的信息的一个例子。
如图10中所示,存储在相关公式信息数据库106d中的信息包括生物体情况的指标值数据(T)、相关公式(R)、和复合指标值(一个或多个)。这些数据彼此相关联地示出。
代谢图信息数据库106e用作代谢图信息存储单元,用于存储关于代谢图的信息。图11示出存储在代谢图信息数据库106e中的信息的一个例子。
如图11中所示,存储在代谢图信息数据库106e中的信息包括作为关于每个代谢图的信息的每个代谢物路径中的节点和边缘。这些数据彼此相关联地示出。关于代谢图的信息可以从由例如KEGG提供的已知的代谢图中获取,该KEGG如果希望可以被处理。
服务器单元100的存储器单元106存储附加信息、诸如各种网站数据和CGI程序,用于把网站提供给客户机单元200。
网站数据包括用于显示各种网页的数据,该数据将被随后说明。这些数据被以用HTML或XML描述的文本文件的形式提供。同样存储在存储器单元106中的是用于组成网站数据的部件的文件和其他临时文件的工作文件。
存储器单元106可以进一步存储诸如那些以WAVE格式或AIFF格式生成的声音文件或诸如以JPEG格式或MPEG2格式生成的静止图像或移动图像的图像文件,以发送给客户机单元200。
在图3中,通信控制接口单元104控制服务器单元100和网络300之间的通信(或者诸如路由器的通信设备)。换句话说,通信控制接口单元104通过网络线路将数据发送给其他终端或从其他终端中接收数据。
在图3中,输入/输出控制接口单元108控制输入设备112和输出设备114。输出设备114可以是监视器(包括家用电视机)或扬声器(输出设备114可以在下文中称为监视器)。输入设备112可以是键盘、鼠标、或麦克风。监视器可以与鼠标结合使用以获取指向设备功能。
在图3中,控制单元102包括诸如操作系统(OS)的控制程序、定义各种过程的步骤的程序、和用于存储所需数据的内部存储器,并执行这些程序来实现各种信息过程。控制单元102功能上包括请求解释部件102a、浏览处理部件102b、认证处理部件102c、电子邮件生成部件102d、网页生成部件102e、传送部件102f、相关公式设置部件102v、生物体情况模拟部件102w、和结果输出部件102k。
请求解释部件102a用作请求解释单元,用于解释来自客户机单元200的请求的内容,并依赖解释的结果把处理传送到控制单元的其他部分。
浏览处理部件102b用作浏览处理单元,用于响应来自客户机单元200的针对这些屏幕的浏览请求生成或发送各种屏幕的网络数据。
认证处理部件102c用作认证处理单元,用于响应来自客户机单元200的认证请求进行认证。
电子邮件生成部件102d用作电子邮件生成单元,用于生成包含各种信息的电子邮件。
网页生成部件102e用作网页生成单元,用于生成由用户浏览的网页。
传送部件102f用作传送单元,用于把各种信息传送到用户的客户机单元200;并也用作分析结果传送单元,用于把复合指标值传送到为关于生物体情况的信息的发送者的客户机单元200。
相关公式设置部件102v用作相关公式设置单元,用于设置如由下列公式1所表示的相关公式,该公式表示关于在每个个体中测量的生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据之间的相关性。
(其中每个i、j、和k是自然数;每个Ai和Bj是血液中代谢物的浓度的数据或从把函数应用到血液中代谢物的浓度而获取的值;每个Ci、Di、Ej、Fj、Gk和H是常数。)相关公式设置部件102v进一步包括生物体情况获取部件102g、相关性确定部件102h、相关公式生成部件102i、和优化部件102j。
生物体情况信息获取部件102g用作生物体情况获取单元,用于从客户机单元200或输入设备112获取包括关于在每个个体中测量的各种生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据组。如图5中所示,生物体情况信息获取部件102g包括代谢物指定部件102m和生物体情况指标值数据指定部件102n。图5中所示的是示出本发明被应用到其中的系统中的生物体情况信息获取单元102g的示例结构的框图。只有上述结构中涉及本发明的部分在概念上被图例说明。
在图5中,代谢物指定部件102m用作代谢物指定单元,用于指定所希望的代谢物。
生物体情况指标值数据指定部件102n用作生物体情况指标值数据指定单元,用于指定所希望的生物体情况指标值数据。
再次参照图3,相关性确定部件102h用作相关性确定单元,用于基于关于在每个个体中测量的生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据组,确定指标值数据和每个代谢物之间的相关性。
相关公式生成部件102i用作相关公式生成单元,用于依照预定的计算方法并基于确定的每个代谢物的相关性,生成涉及针对生物体情况的多个代谢物的相关公式(相关函数)。如图6中所示,相关公式生成部件102i包括正/负设置部件102p和计算公式设置部件102r。图6是示出本发明的系统中相关公式生成部件102i的示例结构的框图。只有上面的结构中涉及本发明的部分在概念上被图例说明。
在图6中,正/负设置部件102p用作正/负设置单元,用于设置关于每个代谢物的相关性的正或负。
计算公式设置部件102r用作计算公式设置单元,用于设置构造相关公式所需要的计算公式。
返回参照图3,优化部件102j用作优化单元,用于基于表示相关公式(R)和关于生物体情况的指标值数据之间的相关性的相关系数(例如,以相关系数级别高(例如,最高为20)或优选地被最大化这样的方式)优化所确定的相关公式(R)。如图43中所示,优化部件102j进一步包括代谢物选择部件102s、计算公式分离部件102t、和代谢图分离部件102u。图43是示出本发明的系统的优化部件102j的示例结构的框图。只有在此结构中涉及本发明的部分在概念上被图例说明。
在图43中,代谢物选择部件102s用作代谢物选择单元,其选择一部分代谢物、使用所选出的多个代谢物来构造相关公式、计算针对关于生物体情况的指标值数据的相关系数、并基于关于生物体情况的指标值数据的相关系数和代谢物的数量(例如,以相关系数级别高(例如,最高为20),且代谢物数量被最小这样的方式,或以相关系数被最大化且代谢物数量最小化的方式)优化代谢物的组合。
计算公式分离部件102t用作计算公式分割单元,其分离计算公式、使用分离的公式计算涉及生物体情况的多个代谢物的相关公式、并基于针对关于生物体情况的指标值的相关系数(例如,以相关系数级别高(例如,最高为20)或优选地被最大化的方式)优化分离的组合。
代谢图分离部件102u用作代谢图分离单元,其基于代谢图信息分割计算公式,并使用所分离的计算公式计算涉及生物体情况的多个代谢物的相关公式。
再次参照图3,生物体情况模拟部件102w用作生物体情况模拟单元,用于通过把针对感兴趣的个体中的每个代谢物测量的血液浓度数据组代入所设置的相关公式来模拟感兴趣的个体中的生物体情况。
结果输出部件102k用作输出单元,用于把例如控制单元102的各种处理的结果输出到输出设备114。
由这些部件执行的处理的细节将在后面说明。
【系统配置-客户机单元200】
接着,将说明客户机单元200的结构。图4是示出依照本发明的客户机单元200的示例结构的框图。只有在上面的构造中涉及本发明的部分在概念上被图例说明。
如示意性地在图4中所示,客户机单元200包括控制单元210、ROM220、HD230、RAM240、输入设备250、输出设备260,输入/输出控制IF270、和通信控制IF280。这些部件通过总线以数据通信方式被连接起来。
客户机单元200的控制单元210包括网络浏览器211和电子邮件器212。网络浏览器211本质上用来解释网络数据并将其显示在监视器261上(浏览过程)。网络浏览器211可以具有各种插件软件、诸如能够接收和显示流图像并生成反馈的流播放器。电子邮件器212用来依照诸如简单邮件传输协议(SMTP)和邮局协议版本3(POP3)的专用通信协议发送并接收电子邮件。
输入设备250可以是键盘、鼠标、或麦克风。后面将说明的监视器261可以与鼠标结合使用以获得指向设备功能。
监视器261(包括家用电视机)和打印机262被作为输出设备260来提供。扬声器也能被用作输出设备260。输出设备260用作输出单元,用于通过通信控制IF280输出接收到的信息。
通信控制IF280用来控制客户机单元200和网络300(或诸如路由器的通信设备)之间的通信。通信控制IF280用作接收单元,用于把信息发送到服务器单元100并从服务器单元100中接收信息。从而,通信控制IF280既用作发送单元,用于把关于生物体情况的信息发送到服务器单元100;也用作接收单元,用于从服务器单元100中接收对应于所发送的生物体情况信息的复合指标值。
具有这样的结构,客户机单元200通过诸如调制解调器、TA、和路由器的通信设备和电话线路或通过专用线路被连接到网络300,且能依照专用通信协议(例如,TCP/IP因特网协议)访问服务器单元100。
[系统配置-网络300]
接着,我们将说明网络300的结构。网络300用来交互式地把服务器单元100连接到客户机单元200。网络300的一个例子是因特网。
【由系统执行的过程】
参照图12到16,本实施方式的系统所执行的过程的一个例子将在现在给出详细说明。
【生物体情况信息分析服务过程】
作为使用上述配置的系统的方法的生物体情况信息的分析的服务过程现在将参照图12和其他附图被详细说明。图12是示出本实施方式的系统的生物体情况信息的分析的服务过程的一个例子的流程图。
首先,使用输入设备250,用户在显示在屏幕上的网络浏览器211上指定由服务器单元100提供的网站地址(例如,URL)。这使客户机单元200通过因特网连接到服务器单元100。
特别地,用户在客户机单元200上激活网络浏览器211并把生物体情况信息的传输屏幕的URL输入到网络浏览器211的预定输入区域中。当用户更新网络浏览器211的屏幕时,网络浏览器211依照专用通信协议通过通信控制IF280传送URL,并请求服务器单元100依照路由基于该URL发送生物体情况信息的传输屏幕的网页。
服务器单元100的请求解释部件102a监视来自客户机单元200的传输,并一接收该传输,就解释该传输。依赖解释的结果,请求解释部件102a为控制单元102的相应部件分配过程。如果该传输是生物体情况信息的传输屏幕的网页的传输请求,则请求解释部件102a主要在浏览处理部件102b的控制下从存储器单元106中取得显示生物体情况信息的传输屏幕的网页所需的网络数据,并把该网络数据通过通信控制接口104传送到客户机单元200。一旦将该数据从服务器单元100传送到客户机单元200,数据应该被发送到哪一个客户机单元200就由从客户机单元200连同传送请求一同发送的IP地址决定。
一做出发送该网页的请求,用户就可以被要求输入用户ID和密码,来允许认证处理部件102c指出存储在用户信息数据库106a中的用户ID和用户密码,并从而确定该用户是否被批准。只有被批准的用户可以被允许访问该网页(此说明同样应用于后面的例子且细节不再重复)。
客户机单元200从服务器单元100通过通信控制IF280接收网络数据,且在网络浏览器211上解释该数据,从而把针对生物体情况信息传输屏幕的网页显示在监视器261上。随后,从客户机单元200到服务器单元100的屏幕请求、从服务器单元100到客户机单元200的网络数据的传输和在客户机单元200中网页的显示都以相似的方式进行,而且因而其详细的说明将被省略。
然后,用户通过客户机单元200的输入设备250输入并选择生物体情况信息,且输入的信息和标识所选项的标识符被传送到服务器单元100(步骤SA-1)。
服务器单元100的请求解释部件102a分析该标识符来分析来自客户机单元200的请求的内容(关于从客户机单元200到服务器单元100的请求的内容的标识,详细的说明将在下文中省略,因为处理以几乎相同的方式进行)。
然后,服务器单元100由控制单元102中每个部分的处理执行如后面使用图13说明的类似的生物体情况信息分析处理(步骤SA-2)。然后,服务器单元100由网页生成部件102e的处理生成要显示由用户发送的生物体情况信息的分析结果的数据的网页,并把它存储在存储器106中。
然后用户在网络浏览器211上输入预定的URL,并在通过上述认证后被允许浏览用于显示存储在存储器106中的分析结果的数据的网页。
也就是说,当用户使用客户机单元200把浏览网页的请求传送到服务器单元100时,服务器单元100通过浏览处理部件102b的处理由存储器106中读出用户的网页,并把它传送到传送部件102f。传送部件102f然后把该网页传送到客户机单元200(步骤SA-3)。结果,用户能浏览所希望的自己的网页(步骤SA-4)。同样,当需要时,用户能用打印机262打印出网页的显示内容。
服务器单元100可以通过电子邮件通知用户分析结果。服务器单元100的电子邮件生成部件102d依照传送计时,生成包含针对由用户发送的生物体情况信息的分析结果数据的电子邮件数据。具体地,基于用户的用户ID查看存储在用户信息数据库106a中的用户信息并提出用户的电子邮件地址。
然后生成寻址为此电子邮件地址,且包含用户的名字和由用户发送的生物体情况信息的分析结果的数据的电子邮件的邮件数据,并把该邮件数据递送到传送部件102f。然后传送部件102f发送此邮件数据(步骤SA-3)。
另一方面,用户在希望的计时使用客户机单元200的电子邮件器212接收上面的电子邮件。此电子邮件基于电子邮件器212的已知功能被显示在监视器261上(步骤SA-4)。同样,如果必需,用户能用打印机262打印出电子邮件的显示内容。
生物体情况信息分析服务处理到这里结束。
【生物体情况信息分析处理】
接着,生物体情况信息的分析处理的细节将参照图13等被说明。图13是示出本实施方式中本系统的生物体情况信息的一个示例分析处理的流程图。同时采用其中相关系数和相关公式的计算和制表使用来自微软(公司名)的Excel(商标名)来进行的情况为例来说明本实施方式,然而,本发明不局限于该情况,也能使用其他程序来执行。
首先,通过相关公式设置部件102v的处理,服务器单元100设置由下列公式1所示的相关公式(相关公式设置过程):
(其中每个i、j、和k是自然数;每个Ai和Bj是血液中代谢物的浓度的数据或从把函数应用到血液中代谢物浓度而获取的值;且每个Ci、Di、Ei、Fj、Gk和H是常数。)相关公式表示针对每个个体中的每个代谢物测量的血液浓度数据和关于每个个体中测量的生物体情况的指标值数据之间的相关性。
我们现在将对由相关公式设置部件102v执行的设置相关公式的过程详细说明。
首先,服务器单元100生成数据文件,其中指标值数据(T)和氨基酸的血液浓度数据组通过生物体情况信息获取部件102g的处理被写到独立的Excel表格中(步骤SB-1)。
然后,服务器单元100通过生物体情况信息获取部件102g的处理把在步骤SB-1生成的数据文件取入到控制单元102的存储器中(步骤SB-2)。
图19示出显示在监视器上的主菜单屏幕的一个例子。如图所示,主菜单屏幕可以包含下列按钮:到文件导入屏幕的链接按钮MA-1(文件导入按钮),到氨基酸(代谢物)输入屏幕的链接按钮MA-2(氨基酸(代谢物)输入按钮),到生物体情况指标值输入屏幕的链接按钮MA-3(生物体情况指标值输入按钮),到计算公式主维护屏幕的链接按钮MA-4(计算公式按钮),到项选择屏幕的链接按钮MA-5(项指定按钮),到正/负确定确认屏幕的链接按钮MA-6(正/负确定确认按钮),到复合指标值搜索屏幕的链接按钮MA-7(复合指标值搜索按钮),和选择退出该过程的退出按钮MA-8。
参照图19,当用户借助输入设备112在主菜单屏幕中选择文件导入按钮MA-1时,文件导入屏幕如图20中所示被显示。
图20示出显示在监视器上的文件导入屏幕的一个例子。如图所示,文件导入屏幕可以包含下列按钮:输入框组MB-1,用于输入氨基酸(代谢物)数据的导入文件路径和导入文件名;输入框组MB-2,用于输入生物体情况指标值数据的导入文件路径和导入文件名;导入按钮MB-3,用于导入文件;和“返回”按钮MB-4,用于返回到主菜单屏幕(图19)。
参照图20,当用户借助输入设备112分别在输入框组MB-1和MB-2中选择针对数据导入的氨基酸(代谢物)和生物体情况指标值,并随后选择导入按钮MB-3时,生物体情况指标值数据指定部件102n把指定的氨基酸(代谢物)导入到控制单元102的存储器中,且代谢物指定部件102m把指定的生物体情况指标值数据导入到控制单元102的存储器中。
再次参照图13,服务器单元100通过生物体情况信息获取单元102g的处理提示用户选择包含在图21中所示的氨基酸(代谢物)输入屏幕和图22中所示的生物体情况指标值输入屏幕上的分析中(或排除在该分析外)的用户希望选择的个体组(步骤SB-3)。
图21示出显示在监视器上的氨基酸(代谢物)输入屏幕的一个例子。如图所示,氨基酸(代谢物)输入屏幕可以包含下列特征:未使用的Flg检验框MC-1,用于确定用于分析的数据是否被注册;数据显示区域MC-2;数据检验按钮MC-3,用于检验数据空白;注册按钮MC-4,用于注册数据;和“返回”按钮MC-5,用于返回到主菜单屏幕(图19)。
图22示出显示在监视器上的生物体情况指标值输入屏幕的一个例子。如图所示,生物体情况指标值输入屏幕可以包含下列特征:未使用的Flg检验框MD-1,用于确定用于分析的数据是否被注册;数据显示区域MD-2;数据检验按钮MD-3,用于检验数据空白;注册按钮MD-4,用于注册数据;和“返回”按钮MD-5,用于返回到主菜单屏幕(图19)。
参考图21和图22,用户能通过在针对个体的框中检验画勾,对其数据缺失(空白)的一个或多个未使用Flg检验框MC-1或MD-1选择“未使用(通过在未使用标记的框中的检验画勾)”。在图21和图22屏幕的一个中把个体选择为未使用(通过设置该未使用Flg)自动导致该个体的状态在其他屏幕中切换为“未使用”。
参考图21和图22,当用户使用输入设备112选择数据检验按钮MC-3或MD-3时,生物体情况信息获取单元102g自动检查其氨基酸(代谢物)的血液浓度数据缺失(空白)的个体,并针对个体设置未使用Flg。
参考图21和图22,当用户通过输入设备112选择注册按钮MC-4和MD-4时,生物体情况信息获取单元102g把通过未使用Flg指定为“未使用”的血液氨基酸数据从控制单元102的存储器中删除。
返回参照图13,服务器单元100通过代谢物指定部件102m和生物体情况指标值数据指定部件102n的处理,使图24中所示的项选择屏幕显示在监视器上,并从而提示用户选择用于分析的生物体情况的指标值数据(T)和氨基酸(代谢物)(步骤SB-4和步骤SB-5)。
图24示出显示在监视器上的项选择屏幕的一个例子。如图所示,项选择屏幕可以包含下列特征:输入项显示区域MF-1;显示区域MF-2,用于显示要被分析的生物体情况指标值的项;显示区域MF-3,用于显示要被分析的氨基酸(代谢物)的项;“OK”按钮MF-4,用于设置项;和“取消”按钮MF-5,用于关闭项选择屏幕。
参考图24,当用户借助输入设备112分别从要被分析的生物体情况指标值的项的显示区域MF-2和要被分析的氨基酸(代谢物)的项的显示区域MF-3中选择希望的一个或多个生物体情况指标值和氨基酸(代谢物)时,被选中的项被显示在输入项显示区域MF-1中。用户然后借助输入设备112选择“OK”按钮MF-4来使代谢物指定部件102m和生物体情况指标值数据指定部件102n从控制单元102的存储器中删除除了那些用于分析的数据以外的数据。
再次参照图13,服务器单元100通过相关性确定部件102h的处理,基于针对要被分析选择的指标值数据和血液浓度数据组确定每个代谢物与指标值数据的相关性(步骤SB-6)。服务器单元100然后在监视器上输出图25中所示的显示屏幕。相关性通过使用Excel函数correl(或皮尔森函数)计算相关系数而确定。
图25示出显示在监视器上的正/负确定确认屏幕的一个例子。如图所示,正/负确定确认屏幕可以包含下列特征:显示区域MG-1,用于显示用于分析的项;正/负确定显示区域MG-2;显示区域MG-3,用于显示被分析的项;显示区域MG-4,用于显示与用于分析的项的相关性;用户设置显示区域MG-5,其中用户设置正/负;“OK”按钮MG-6,用于设置项;和“取消”按钮MG-7用于关闭正/负确定确认屏幕。
参考图25,用户确认显示在显示区域MG-4中的每种氨基酸的相关系数,并确认每种氨基酸与指标值数据(T)为正或负相关。即使实际的相关性为正时,用户可以把它设置为“负”,或反之亦然。在这样的情况下,用户借助输入设备112在用户设置显示区域MG-5中选择正或负。当用户选择“OK”按钮MG-6时,正/负设置部件102p更新控制单元的存储器中的相应数据。
再次参照图13,服务器单元100通过计算公式设置部件102r的处理显示图23中所示的显示屏幕来提示用户准备用于计算相关公式(R)的计算公式(步骤SB-7)。
图23示出显示在监视器上的计算公式主维护屏幕的一个例子。如图所示,计算公式主维护屏幕可以包含下列特征:计算公式输入区域ME-1,用于输入用于相关公式(R)的计算的计算公式;注册按钮ME-2,用于注册计算公式;和“返回”按钮ME-3,用于返回到主菜单屏幕(图19)。
参考图23,用户借助输入设备112在计算公式输入区域ME-1中输入用于计算所希望的相关公式(R)的计算公式,并选择注册按钮ME-2。这使计算公式设置部件102r把所输入的计算公式存储在存储器106的预定存储区域中。基于生物体情况指标值数据(T)的每个氨基酸组(代谢物组)的每个相关系数的符号,计算公式可以被定义为下列中的任何一种:(正的和)/(负的和),(正的和)+(负的和),(正的和)-(负的和),(负的和)/(正的和),(负的和)-(正的和),和(正的和)×(负的和)。
再次参照图13,服务器单元100通过计算公式设置部件102r的处理显示图26中所示的复合指标值搜索屏幕。这提示用户指定一个或多个在步骤SB-7中准备的计算公式(步骤SB-8)或指定最终的输出文件(步骤SB-9)。
图26示出显示在监视器上的复合指标值搜索屏幕的一个例子。如图所示,复合指标值搜索屏幕可以包含下列特征:显示器和输入区域MH-1,用于显示并输入输出文件的名字;输出文件名引用按钮MH-2;选择区域MH-3,其中用户在复合指标值的搜索或优化过程中的复合指标值之间选择;显示区域MH-4,用于显示用于分析的项;显示区域MH-5,用于显示被分析的项;显示区域MH-6,用于显示与用于分析的项的相关性;显示区域MH-7,用于显示正/负;所使用的FLG检验区域MH-8;计算公式显示区域MH-9;执行按钮MH-10;和“返回”按钮MH-11,用于返回到主菜单屏幕(图19)。
参考图26,用户借助输入设备112输入或选择特定的信息,且然后选择执行按钮MH-10。这使服务器单元100分别通过相关公式生成部件102i和优化部件102j,生成相关公式进而执行优化过程1(步骤SB-10)。优化过程1将在下面参照图14和15详细说明。
图14是示出本系统使用穷举计算技术的优化过程1的一个例子的流程图。在图14中所示的穷举计算技术(步骤SC-1到步骤SC-8)中,优化部件102j计算未分离的复合指标值。在该穷举计算技术中,优化部件102j把所指定的计算公式(组)应用到特定的项上,自动计算氨基酸每个可能的组合,并输出示出指标值数据(T)的最高相关性的最多五个组合(用户能指定最多20个组合)。
图15是示出本系统使用最佳路径方法的优化过程1的一个例子的流程图。在图15中所示的最佳路径方法中(步骤SD-1到步骤SD-11),优化部件102j通过代谢物选择部件102s的处理逐个排除氨基酸,并重复排除步骤来以简化的方式获得最优组合。
重新参照图13,服务器单元100通过结果输出部件102k的处理把分析结果(单项指标值)输出到监视器并把结果存储在存储器106中(步骤SB-11)。
然后,通过计算公式分割部件102t的处理,服务器单元100选择所希望的被在步骤SB-11中输出的单组指标值(步骤SB-12)。
服务器单元100然后通过相关公式生成部件102i和优化部件102j执行优化过程2(步骤SB-13)。优化过程2在下面参照图16被说明。
图16是示出本系统的优化过程2的一个例子的流程图。在图16中所示的优化过程2中(步骤SE-1到步骤SE-16),优化部件102j通过计算公式分离部件102t的处理选择在步骤SB-11中输出的单项指标值所期望的项,确定所有把单项指标值分离为二的模式,并计算与指标值数据(T)具有最大绝对值的相关系数的指标值。计算公式可基于存储在代谢图信息数据库106e中的代谢图信息通过代谢图分离单元102u的处理来分离。
重新参照图13,服务器单元100通过结果输出部件102k的处理把分析的结果(多个项指标值)输出到监视器并把结果存储在存储器106中(步骤SB-14)。在分离为二的分离模式中,示出与指标值数据(T)最高相关的多个复合指标值(诸如最多为20)可以被输出。
图27到33的每幅示出显示分析结果的监视器显示屏幕的一个例子。
图27示出显示在监视器上的结果(1)表(用于分析的原始数据)屏幕的一个例子。如图所示,结果(1)表(用于分析的原始数据)屏幕可以包含显示用于分析的项的显示区域MJ-1和用于显示被分析项的显示区域MJ-2。
图28示出显示在监视器上的结果(2)表(用于搜索复合指标值的条件)屏幕的一个例子。如图所示,结果(2)表(用于搜索复合指标值的条件)屏幕可以包含下列特征:显示区域MK-1,用于显示用于分析的项;显示区域MK-2,用于显示被分析项的名字;显示区域MK-3,用于显示与用于分析的项的相关性;显示区域MK-4,用于显示被分析项的正/负;和显示区域MK-5,用于显示计算公式。
图29示出显示在监视器上的结果(3)表(最佳复合指标值)屏幕的一个例子。如图所示,结果(3)表(最佳复合指标值)屏幕可以包含下列特征:显示区域MM-1,用于显示最优复合指标值的等级;显示区域MM-2,用于显示相关系数;显示区域MM-3,用于显示复合指标值。
图30示出显示在监视器上的结果(4)表(最佳复合指标值_数值)屏幕的一个例子。如图所示,结果(4)表(最佳复合指标值_数值)屏幕可以包含下列特征:显示区域MN-1,用于显示用于分析的项;显示区域MN-2,用于显示最高等级复合指标值的计算结果;显示区域MN-3,用于显示第二最高等级复合指标值的计算结果;显示区域MN-4,用于显示第三最高等级复合指标值的计算结果;显示区域MN-5,用于显示第四最高等级复合指标值的计算结果;和显示区域MN-6,用于显示第五最高等级复合指标值的计算结果。
图31示出显示在监视器屏幕上的结果(5)表(相关图)屏幕的一个例子。如图所示,结果(5)表(相关图)屏幕可以包含:选择区域MP-1,用于选择复合指标值;和显示区域MP-2,用于显示相关图。
图32示出显示在监视器屏幕上的结果(6)表(氨基酸(代谢物)的原始数据)屏幕。如图所示,结果(6)表(氨基酸(代谢物)的原始数据)屏幕可以包含:显示区域MR-1,用于显示氨基酸(代谢物)的原始数据,和显示区域MR-2,用于显示未使用Flg。
图33示出显示在监视器上的结果(7)表(生物体情况指标值的原始数据)屏幕的一个例子。如图所示,结果(7)表(生物体情况指标值的原始数据)屏幕可以包含:显示区域MS-1,用于显示生物体情况指标值;和显示区域MS-2,用于显示未使用Flg。
相关设置过程在此结束。
接着,服务器单元100通过生物体情况信息获取部件102g的处理获取针对要被模拟的个体中的每个代谢物测量的血液浓度数据组,并把血液浓度数据组存储在存储器106的特定存储区域中。
接着,服务器单元100通过生物体情况模拟部件102w的处理把获取的针对要被模拟的个体中的每个代谢物测量的血液浓度数据组代入到由相关设置部件102v设置的相关公式中。以这种方式,感兴趣的个体的生物体情况能被模拟。
然后,服务器单元100通过结果输出部件102k的处理把由生物体情况模拟部件102w模拟生物体情况的结果输出到监视器,并把结果存储在存储器106的特定存储区域中。
生物体情况信息过程的分析在此结束。
【实施例】
现在,一些使用通过本发明获得的复合指标值确定生物体情况的实施例将被说明。
【肝纤维化的复合指标值的实施例(部分1)】
首先,肝纤维化的复合指标值的实施例(部分1)将参照图51到56和表1被详细说明。依照使用本系统的前述方法,每个阶段的复合指标值(复合指标值1-4)通过使用带有丙型肝炎的患者中的肝纤维化的指标值优化控制组中和肝纤维化的每个阶段中血浆氨基酸水平的组合的相关性而被确定。在本例中,将以采用带有丙型肝炎的患者中的肝纤维化的复合指标值做为例子给出解释。然而,本发明的主题不限于带有丙型肝炎的患者。
(每个复合指标值和发病情况的阶段之间的关系)
图52示出如由本系统所确定的肝纤维化的复合指标值(复合指标值1)和控制组与带有丙型肝炎的患者中的发病阶段之间的关系。在这个示例中,横坐标表示发病情况的阶段,而纵坐标表示控制组和带有丙型肝炎的患者中在每个阶段的复合指标值(复合指标值1)的值。
发病情况的阶段由五个水平表示,其中发病情况的阶段的数值越大,发病情况越严重。正常情况用“0”表示,且发病情况的最坏阶段用“4”表示。这个示例侧重于控制组和肝纤维化阶段1的带有丙型肝炎的患者的分类。
图53示出如由本系统确定的肝纤维化的复合指标值(复合指标值2)和控制组和带有丙型肝炎的患者中的发病阶段之间的关系。在这个示例中,横坐标表示发病情况的阶段,而纵坐标表示控制组和每个阶段的带有丙型肝炎的患者的复合指标值(复合指标值2)的值。
发病情况的阶段由五个级别表示,其中发病情况的阶段值越大,发病情况越坏。正常情况由“0”表示,且发病情况的最坏阶段用“4”表示。这个示例侧重于控制组和在肝纤维化阶段2的带有丙型肝炎的患者的分类。
图54示出如由本系统确定的肝纤维化的复合指标值(复合指标值3)和控制组和带有丙型肝炎的患者中的发病阶段之间的关系。在这个示例中,横坐标表示发病情况阶段,而纵坐标表示控制组和在每个阶段的带有丙型肝炎的患者的复合指标值(复合指标值3)的值。
发病情况的阶段由五个级别表示,其中发病情况的阶段值越大,发病情况越坏。正常情况由“0”表示,且发病情况的最坏阶段用“4”表示。这个示例侧重于控制组和在肝纤维化阶段3的带有丙型肝炎的患者的分类。
图55示出如由本系统确定的肝纤维化的复合指标值(复合指标值4)和控制组和带有丙型肝炎的患者中的发病阶段之间的关系。在这个示例中,横坐标表示发病情况阶段,而纵坐标表示控制组和在每个阶段的带有丙型肝炎的患者的复合指标值(复合指标值4)的值。
发病情况的阶段由五个级别表示,其中发病情况的阶段值越大,发病情况越坏。正常情况由“0”表示,且发病情况的最坏阶段用“4”表示。这个示例侧重于控制组和在肝纤维化阶段4的带有丙型肝炎的患者的分类。
(发病情况确定方法和发病情况的确定结果)
表1示出在控制组和带有丙型肝炎的患者中的发病情况确定信息和发病情况的确定结果。
[表1]
对于每个复合指标值(复合指标值1到4),控制组的各个复合指标值(复合指标值1到4)的值中的最大值和最小值做为阈值被选出。当在某个阶段的某个带有丙型肝炎的患者中的复合指标值(复合指标值1到4)的任何一个数值比控制组的相应复合指标值的最大值大或者比最小值小时,它被确定为阳性“1”。当上面的值在控制组的相应复合指标值的阈值之间时,它被确定为阴性“0”。然后针对每个复合指标值(复合指标值1到4)确定的值的总和被用于为每个患者(在控制组中的患者和带有丙型肝炎的患者)做出综合确定。当确定的值的和为1或更多时,它被确定为阳性。
结果,由上述诊断方法分析的数据中的所有带有丙型肝炎的患者被确定为阳性,且所有控制被确定为阴性。
(确定结果的讨论(与传统方法的比较))
图56示出控制组和带有丙型肝炎的患者中的费歇尔比和发病情况的阶段之间的关系。同样地,由使用本系统的前述方法计算的复合指标值,当相似的确定基于传统地用在肝炎的确定中的费歇尔比而进行时,当所有控制为阴性时66%的肝炎患者证明为阳性。
每个阶段中为阳性的确定度在阶段1为27%、在阶段2为60%、在阶段3为60%、在阶段4为94%,清晰地示出上述确定方法不适用于早期诊断,尽管它被根据疾病进程而被改进(见表1和图56)。另一方面,在使用本系统的前述方法,和使用本发明的发病情况确定方法的确定中,在疾病的早期阶段也取得了100%的确定度。这清楚地示出比传统方法(基于费歇尔比的确定)优越。
(复合指标值的替换)
在能通过上述使用本系统的方法而得来的指标值中,相关系数得到优化,然而,即使它们没有被完全地优化,指标值也能扮演诊断指标值的角色。考虑到此,通过分析相关系数最高的20个相关系数来提供下列规则和公式。
更具体地,例如,在至少一个公式中从复合指标值1到4的氨基酸可以依照下列规则被代入,或者复合指标值1到4的至少一个可以由相应的如下公式被代入。
现在,上面的规则将参照图51被说明。
图51图例说明了在复合指标值1到4的每个公式中代入氨基酸的规则。
如在图51中所见,在每个复合指标值1到4中,任何属于组A的元素是分子,且任何属于组B的元素是分母。复合指标值1到4的每个通过由属于组A的元素或属于组A的元素和除以属于组B的元素或属于组B的元素和的至少一个分数的分数和形式的公式所计算。
例如,复合指标值1可以由下述复合指标值1-1到1-20替换。控制组的最小值和控制组的最大值表示控制组的复合指标值(复合指标值1-1到1-20)的最大值和最小值。
(复合指标值1-1)(控制组的最小值:1.40,控制组的最大值:2.03)
(Asn)/(Thr)+(Gln)/(Tau+Ser+Val+Trp)
(复合指标值1-2)(控制组的最小值:1.21,控制组的最大值:1.84)
(Asn)/(Tau+Ile)+(Gln)/(Thr+Ser+Val+Trp)
(复合指标值1-3)(控制组的最小值:1.18,控制组的最大值:1.81)
(Asn)/(Tau+(α-ABA)+Ile)+(Gln)/(Thr+Ser+Val+Trp)
(复合指标值1-4)(控制组的最小值:1.39,控制组的最大值:2.02)
(Asn)/(Asp+Thr)+(Gln)/(Tau+Ser+Val+Trp)
(复合指标值1-5)(控制组的最小值:1.27,控制组的最大值:1.83)
(Asn)/(Thr)+(Gln)/(Tau+Ser+Val+Ile+Trp)
(复合指标值1-6)(控制组的最小值:1.40,控制组的最大值:2.02)
(Asn)/(Thr)+(Gln)/(Tau+Asp+Ser+Val+Trp)
(复合指标值1-7)(控制组的最小值:1.21,控制组的最大值:1.83)
(Asn)/(Tau+Ile)+(Gln)/(Asp+Thr+Ser+Val+Trp)
(复合指标值1-8)(控制组的最小值:1.26,控制组的最大值:1.89)
(Asn)/(Tau+Ile)+(Gln+Met)/(Thr+Ser+Val+Trp)
(复合指标值1-9)(控制组的最小值:1.17,控制组的最大值:1.80)
(Asn)/(Tau+(α-ABA)+Ile)+(Gln)/(Asp+Thr+Ser+Val+Trp)
(复合指标值1-10)(控制组的最小值:1.45,控制组的最大值:2.08)
(Asn)/(Thr)+(Gln+Met)/(Tau+Ser+Val+Trp)
(复合指标值1-11)(控制组的最小值:1.17,控制组的最大值:1.80)
(Asn)/(Tau+Asp+(α-ABA)+Ile)+(Gln)/(Thr+Ser+Val+Trp)
(复合指标值1-12)(控制组的最小值:2.36,控制组的最大值:2.00)
(Asn)/(Thr)+(Gln)/(Tau+Ser+(α-ABA)+Val+Trp)
(复合指标值1-13)(控制组的最小值:1.26,控制组的最大值:1.82)
(Asn)/(Asp+Thr)+(Gln)/(Tau+Ser+Val+Ile+Trp)
(复合指标值1-14)(控制组的最小值:1.23,控制组的最大值:1.86)
(Asn)/(Tau+(α-ABA)+Ile)+(Gln+Met)/(Thr+Ser+Val+Trp)
(复合指标值1-15)(控制组的最小值:1.21,控制组的最大值:1.83)
(Asn)/(Tau+Asp+Ile)+(Gln)/(Thr+Ser+Val+Trp)
(复合指标值1-16)(控制组的最小值:1.26,控制组的最大值:1.83)
(Asn)/(Thr)+(Gln)/(Tau+Asp+Ser+Val+Ile+Trp)
(复合指标值1-17)(控制组的最小值:1.26,控制组的最大值:1.88)
(Asn)/(Tau+Ile)+(Gln+Met)/(Asp+Thr+Ser+Val+Trp)
(复合指标值1-18)(控制组的最小值:1.35,控制组的最大值:1.88)
(Asn)/(Asp+Thr)+(Gln)/(Tau+Ser+(α-ABA)+Val+Trp)
(复合指标值1-19)(控制组的最小值:1.44,控制组的最大值:2.07)
(Asn)/(Asp+Thr)+(Gln+Met)/(Tau+Ser+Val+Trp)
(复合指标值1-20)(控制组的最小值:1.24,控制组的最大值:1.81)
(Asn)/(Thr)+(Gln)/(Tau+Ser+(α-ABA)+Val+Ile+Trp)
例如,复合指标值2可以被下述复合指标值2-1到2-20替换。控制组的最小值和控制组的最大值表示控制组的复合指标值(复合指标值2-1到2-20)的最大值和最小值。
(复合指标值2-1)(控制组的最小值:4.81,控制组的最大值:10.41)
(Asn+Tyr)/(Cit)+(Met+Arg)/(Asp+(α-ABA))
(复合指标值2-2)(控制组的最小值:4.18,控制组的最大值:9.05)
(Asn+Tyr)/(Cit)+(Arg)/(Asp+(α-ABA))
(复合指标值2-3)(控制组的最小值:4.66,控制组的最大值:9.83)
(Asn+Met+Tyr)/(Cit)+(Arg)/(Asp+(α-ABA))
(复合指标值2-4)(控制组的最小值:4.63,控制组的最大值:10.46)
(Asn+Met+Tyr)/(Asp+Cit)+(Arg)/(α-ABA)
(复合指标值2-5)(控制组的最小值:5.15,控制组的最大值:12.23)
(Asn+Met)/(Cit)+(Tyr+Arg)/(Asp+(α-ABA))
(复合指标值2-6)(控制组的最小值:4.18,控制组的最大值:9.72)
(Asn+Tyr)/(Asp+Cit)+(Arg)/(α-ABA)
(复合指标值2-7)(控制组的最小值:4.88,控制组的最大值:12.41)
(Asn+Tyr)/(Asp+Cit)+(Met+Arg)/(α-ABA)
(复合指标值2-8)(控制组的最小值:4.68,控制组的最大值:11.41)
(Asn)/(Cit)+(Tyr+Arg)/(Asp+(α-ABA))
(复合指标值2-9)(控制组的最小值:0.45,控制组的最大值:0.67)
(Asn)/(Thr+Cit+(α-ABA))+(Met)/(His+Trp)
(复合指标值2-10)(控制组的最小值:5.31,控制组的最大值:13.40)
(Asn)/(Cit)+(Met+Tyr+Arg)/(Asp+(α-ABA))
(复合指标值2-11)(控制组的最小值:0.37,控制组的最大值:0.49)
(Asn)/(Thr+Cit+(α-ABA))+(Met)/(Asp+His+Trp)
(复合指标值2-12)(控制组的最小值:0.41,控制组的最大值:0.57)
(Asn)/(Thr+Glu)+(Met)/(Cit+(α-ABA)+Trp)
(复合指标值2-13)(控制组的最小值:0.37,控制组的最大值:0.49)
(Asn)/(Asp+Thr+Cit+(α-ABA))+(Met)/(His+Trp)
(复合指标值2-14)(控制组的最小值:0.34,控制组的最大值:0.46)
(Asn)/(Thr+Cit+(α-ABA))+(Met)/(Glu+His+Trp)
(复合指标值2-15)(控制组的最小值:5.44,控制组的最大值:15.47)
(Asn+Met)/(Asp+Cit)+(Tyr+Arg)/(α-ABA)
(复合指标值2-16)(控制组的最小值:3.13,控制组的最大值:8.06)
(Asn+Met)/(Cit)+(Arg)/(Asp+(α-ABA))
(复合指标值2-17)(控制组的最小值:0.37,控制组的最大值:0.52)
(Asn)/(Cit+(α-ABA)+His)+(Met)/(Thr+Glu+Trp)
(复合指标值2-18)(控制组的最小值:0.40,控制组的最大值:0.55)
(Asn)/(Cit+(α-ABA)+His)+(Met)/(Thr+Trp)
(复合指标值2-19)(控制组的最小值:0.37,控制组的最大值:0.49)
(Asn)/(Cit+His+Trp)+(Met)/(Thr+(α-ABA))
(复合指标值2-20)(控制组的最小值:5.17,控制组的最大值:14.31)
(Asn+Arg)/(α-ABA)+(Met+Tyr)/(Asp+Cit)
例如,复合指标值3可以被下述复合指标值3-1到3-20替换。控制组的最小值和控制组的最大值表示控制组的复合指标值(复合指标值3-1到3-20)的最大值和最小值。
(复合指标值3-1)(控制组的最小值:1.39,控制组的最大值:1.72)
(Tau+Gly)/(Gln)+(α-ABA)/(Asp+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit)
(复合指标值3-2)(控制组的最小值:1.38,控制组的最大值:1.70)
(Tau+Gly)/(Gln+Met)+(α-ABA)/(Asp+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit)
(复合指标值3-3)(控制组的最小值:1.38,控制组的最大值:1.67)
(Tau+Gly)/(Gln)+(α-ABA)/(Thr)+(His)/(Lys)+(Trp)/(Asn+Cit+Tyr)
(复合指标值3-4)(控制组的最小值:1.39,控制组的最大值:1.74)
(Tau+Gly)/(Asp+Gln)+(α-ABA)/(Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit)
(复合指标值3-5)(控制组的最小值:1.38,控制组的最大值:1.72)
(Tau+Gly)/(Asp+Gln+Met)+(α-ABA)/(Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit)
(复合指标值3-6)(控制组的最小值:1.38,控制组的最大值:1.72)
(Tau+Gly)/(Gln+Met)+(α-ABA)/(Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit)
(复合指标值3-7)(控制组的最小值:1.38,控制组的最大值:1.72)
(Tau+Gly)/(Gln+Met)+(α-ABA)/(Tyr)+(His)/(Lys)+(Trp)/(Asp+Thr+Asn+Cit)
(复合指标值3-8)(控制组的最小值:1.34,控制组的最大值:1.62)
(Tau+Gly)/(Gln)+(α-ABA)/(Asp+Met+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit)
(复合指标值3-9)(控制组的最小值:1.34,控制组的最大值:1.63)
(Tau+Gly)/(Asp+Gln)+(α-ABA)/(Met+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit)
(复合指标值3-10)(控制组的最小值:1.34,控制组的最大值:1.63)
(Tau+Gly)/(Gln)+(α-ABA)/(Met+Tyr)+(His)/(Lys)+(Trp)/(Asp+Thr+Asn+Cit)
(复合指标值3-11)(控制组的最小值:1.34,控制组的最大值:1.63)
(Tau+Gly)/(Gln)+(α-ABA)/(Met+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit)
(复合指标值3-12)(控制组的最小值:1.39,控制组的最大值:1.68)
(Tau+Gly)/(Gln)+(α-ABA)/(Thr)+(His)/(Asn+Cit+Tyr)+(Trp)/(Lys)
(复合指标值3-13)(控制组的最小值:1.23,控制组的最大值:1.61)
(Tau)/(Lys)+(Trp)/(Asn+Cit+Tyr)+(Gly+His)/(Gln)+(α-ABA)/(Asp+Thr)
(复合指标值3-14)(控制组的最小值:1.23,控制组的最大值:1.60)
(Tau)/(Lys)+(Trp)/(Asp+Asn+Cit+Tyr)+(Gly+His)/(Gln)+(α-ABA)/(Thr)
(复合指标值3-15)(控制组的最小值:1.23,控制组的最大值:1.61)
(Tau)/(Lys)+(Trp)/(Asn+Cit+Tyr)+(Gly+His)/(Gln)+(α-ABA)/(Thr)
(复合指标值3-16)(控制组的最小值:1.28,控制组的最大值:1.73)
(Tau)/(Asp+Asn+Lys)+(Trp)/(Cit+Tyr)+(Gly+His)/(Gln)+(α-ABA)/(Thr)
(复合指标值3-17)(控制组的最小值:1.28,控制组的最大值:1.71)
(Tau+Gly)/(Gln)+(α-ABA)/(Asp+Tyr)+(His)/(Thr+Asn+Cit)+(Trp)/(Lys)
(复合指标值3-18)(控制组的最小值:1.27,控制组的最大值:1.70)
(Tau+Gly)/(Gln+Met)+(α-ABA)/(Asp+Tyr)+(His)/(Thr+Asn+Cit)+(Trp)/(Lys)
(复合指标值3-19)(控制组的最小值:1.28,控制组的最大值:1.74)
(Tau+Gly)/(Gln+Met)+(α-ABA)/(Tyr)+(His)/(Asp+Cit+Lys)+(Trp)/(Thr+Asn)
(复合指标值3-20)(控制组的最小值:1.29,控制组的最大值:1.73)
(Tau+Gly)/(Asp+Gln)+(α-ABA)/(Tyr)+(His)/(Thr+Asn+Cit)+(Trp)/(Lys)
例如,复合指标值4可以被下述复合指标值4-1到4-20替换。控制组的最小值和控制组的最大值表示控制组的复合指标值(复合指标值4-1到4-20)的最大值和最小值。
(复合指标值4-1)(控制组的最小值:3.31,控制组的最大值:4.62)
(Tau+Trp)/(Tyr)+((α-ABA)+His)/(Asp+Asn)
(复合指标值4-2)(控制组的最小值:2.46,控制组的最大值:3.34)
((α-ABA)+Trp)/(Tyr)+(His)/(Asp+Asn)
(复合指标值4-3)(控制组的最小值:3.20,控制组的最大值:4.62)
(Tau+(α-ABA)+Trp)/(Tyr)+(His)/(Asp+Asn)
(复合指标值4-4)(控制组的最小值:3.01,控制组的最大值:4.21)
(Tau+Trp)/(Tyr)+(His)/(Asp+Asn)
(复合指标值4-5)(控制组的最小值:3.42,控制组的最大值:4.77)
(Tau+Trp)/(Tyr)+((α-ABA)+His)/(Asn)
(复合指标值4-6)(控制组的最小值:3.30,控制组的最大值:4.70)
(Tau+(α-ABA)+Trp)/(Tyr)+(His)/(Asn)
(复合指标值4-7)(控制组的最小值:2.16,控制组的最大值:2.88)
(Tau+(α-ABA)+Trp)/(Asp+Met+Tyr)+(His)/(Asn)
(复合指标值4-8)(控制组的最小值:2.56,控制组的最大值:3.46)
((α-ABA)+Trp)/(Tyr)+(His)/(Asn)
(复合指标值4-9)(控制组的最小值:3.56,控制组的最大值:5.28)
(Tau+Trp)/(Tyr)+(α-ABA)/(Asp+Met)+(His)/(Asn)
(复合指标值4-10)(控制组的最小值:3.11,控制组的最大值:4.37)
(Tau+Trp)/(Tyr)+(His)/(Asn)
(复合指标值4-11)(控制组的最小值:2.49,控制组的最大值:3.52)
((α-ABA)+His)/(Asp+Asn)+(Trp)/(Tyr)
(复合指标值4-12)(控制组的最小值:2.70,控制组的最大值:3.63)
(Tau+Trp)/(Asp+Met+Tyr)+(His)/(Asn)
(复合指标值4-13)(控制组的最小值:3.21,控制组的最大值:4.62)
(Tau+His)/(Tyr)+((α-ABA)+Trp)/(Asp+Asn)
(复合指标值4-14)(控制组的最小值:3.21,控制组的最大值:4.62)
(Tau+(α-ABA))/(Asp+Asn)+(His+Trp)/(Tyr)
(复合指标值4-15)(控制组的最小值:2.93,控制组的最大值:4.13)
(Tau+Trp)/(Asp+Met+Tyr)+((α-ABA)+His)/(Asn)
(复合指标值4-16)(控制组的最小值:3.19,控制组的最大值:4.69)
(Tau+(α-ABA))/(Asn)+(His+Trp)/(Asp+Tyr)
(复合指标值4-17)(控制组的最小值:1.27,控制组的最大值:1.97)
((α-ABA)+Trp)/(Tyr)+(His)/(Asp+Asn+Met)
(复合指标值4-18)(控制组的最小值:3.18,控制组的最大值:4.62)
(Tau+(α-ABA)+His)/(Tyr)+(Trp)/(Asp+Asn)
(复合指标值4-19)(控制组的最小值:1.18,控制组的最大值:1.78)
(α-ABA)/(Asn)+(His+Trp)/(Asp+Met+Tyr)
(复合指标值4-20)(控制组的最小值:2.64,控制组的最大值:3.81)
(Tau+His)/(Asp+Asn+Met)+((α-ABA)+Trp)/(Tyr)
现在我们完成了肝纤维化的复合指标值的实施例(部分I)的解释。
【肝纤维化的复合指标值的实施例(部分II)】
首先,肝纤维化的复合指标值的实施例(部分II)的细节将参照图35被说明。依照上述使用本系统的方法,下面所示多个代谢物的复合指标值5被使用关于肝纤维化的发病情况指标值数据而确定。
(复合指标值5:R=-0.80)
(Leu+Val+Trp)/(Phe+Tyr)+(Gly+Tau+ABA+His+Pro)/(Met+Asn+Orn+Glu)
图35示出依照本系统确定的肝纤维化的复合指标值(复合指标值5)和发病情况的阶段之间的关系。在该图中,横坐标表示每个样本的复合指标值(复合指标值5)的值,而纵坐标表示发病情况的阶段。发病情况的阶段由六个级别表示,其中发病情况的阶段的值越大,发病情况越坏。正常情况由“0”表示,发病情况的最坏阶段由“5”表示。
现在,完成了肝纤维化的复合指标值的实施例(部分II)的解释。
【糖尿病模型动物的复合指标值的例子】
首先,在糖尿病模型动物中的复合指标值的实施例的细节将参照例图37到39被解释。分别把表示发病情况的数字“-1(正常)”和“1(糖尿病)”分配给正常老鼠(Wister)和为糖尿病模型动物的GK(Goto-Kakizaki)老鼠,血液氨基酸的相关公式依照前述使用本系统的方法被创建,且复合指标值6被确定。
(复合指标值6)
(Asn+Val+Trp)/(Ser)+(Cys+Phe+Orn)/(Cit+His)+(Ile)/(Gly)
图37是示出在正常老鼠和糖尿病(GK)老鼠中复合指标值(复合指标值6)和发病情况的阶段之间的关系的视图。在此示例中,纵坐标表示在正常老鼠和糖尿病(GK)老鼠的每个个体的数据中复合指标值(复合指标值6)的值,而横坐标表示发病阶段。关于发病情况阶段,“-1”表示正常,“1”表示糖尿病。
图38示出由本系统在正常老鼠、糖尿病(GK)老鼠和通过服用为糖尿病的治疗药剂的那格列奈或格列本脲治疗的糖尿病(GK)老鼠中确定的复合指标值(复合指标值6)和发病情况阶段之间的关系。
在此图中,纵坐标表示正常(Normal)老鼠、糖尿病(GK)老鼠和通过服用为糖尿病的治疗药剂的那格列奈或格列本脲治疗的糖尿病(GK)老鼠的每个个体的数据中复合指标值(复合指标值6)的值,而横坐标表示发病情况的阶段。
关于发病情况的阶段,“-1”表示正常,“1”表示糖尿病和通过服用为糖尿病的治疗药剂的那格列奈或格列本脲治疗的糖尿病。
图39是示出包括正常(Normal)老鼠、糖尿病(GK)老鼠和通过服用为糖尿病的治疗药剂的那格列奈或格列本脲治疗的糖尿病(GK)老鼠在内的各自个体组的由本系统确定的复合指标值(复合指标值6)的平均值(±SD)的条形图。
在此图中,纵坐标表示包括正常(Normal)老鼠、糖尿病(GK)老鼠和通过服用为糖尿病的治疗药剂的那格列奈或格列本脲治疗的糖尿病(GK)老鼠在内的每个个体组的复合指标值(复合指标值6)值的平均值(±SD),而横坐标表示每个个体组。
在此,糖尿病(GK)老鼠的复合指标值(复合指标值6)值的平均值(±SD)显著地比正常(Normal)老鼠和通过服用为糖尿病的治疗药剂的那格列奈或格列本脲治疗的糖尿病(GK)老鼠的复合指标值(复合指标值6)值的平均值(±SD)高出小于1%的显著水平,且显著比通过服用为糖尿病的治疗药剂的那格列奈或格列本脲治疗的糖尿病(GK)老鼠的复合指标值(复合指标值6)值的平均值高出小于5%的显著水平。
现在,我们完成了糖尿病模型动物中复合指标值的例子的解释。
【1:其他使用动物数据的发病情况确定的确定例子】
现在,把带有特定发病情况的动物与作为控制的健康动物区别开的示例公式将参照图58到64被说明。在每个公式中,P-Ser表示phsophoserine的浓度,Cys表示胱氨酸(cystine)的浓度,Cysthi表示胱硫醚(cystathionine)的浓度。
(1-1:高血脂和动脉硬化)
apo-E破坏的老鼠已知为展示明显的高血脂和动脉硬化的模型动物。下面是依照血液氨基酸水平计算的动脉硬化的初始症状在apo-E破坏的老鼠中被观测到的20周大的apo-E破坏的老鼠和正常老鼠(C57B6J)之间的区别公式的例子(见图58)。图58是示出apo-E破坏的老鼠(Apo-E KO)和正常老鼠之间的区别的例子的视图。如图58中所示,apo-E破坏的老鼠和正常老鼠彼此由下列区别公式被有效地区分开:
指标值:(Gly+Cys)/(Glu+Gln)+(Tyr+His)/(Asp+Arg)
(1-2:流行性感冒病毒感染之前和之后之间的区别)
下面所示的是基于感染前后(前一天和感染后的1到5天)的血液氨基酸水平用于区别正常老鼠的未感染情况和带有削弱的流行感冒病毒A/Aichi/2/68(H3N2)的感染后情况的区别公式的例子。基于区别公式的区别的例子在图59中图例示出。图59是示出正常老鼠的未感染情况和带有削弱的流行感冒病毒A/Aichi/2/68(H3N2)的感染后情况之间的区别的例子的视图。在图59中,空心圆表示供给正常食物的感染前的老鼠的数据(Normal diet(pre)),而实心圆表示供给正常食物的感染后的老鼠的数据(Normal diet(+))。
指标值(IFV):(Tau+Ile+Leu+His)/(Gly)+(Gln)/(Arg+Pro)+(Cys)/(Glu+Cysthi)+(Phe+Trp)/(Tyr)
在此实验系统中,已经得到报告,为氨基酸的胱氨酸和茶氨酸的先前摄取在从感染流行性感冒病毒后从症状中恢复是有效的(日本专利申请No.2002-040845)。为了验证这一点,在摄取胱氨酸和茶氨酸后,由上面的由流行感冒的感染产生的区别公式获得的值的变化与在供给正常食物的组中获得的值的变化相比,且该比较的例子被示出(见图60)。图60是示出把在摄取胱氨酸和茶氨酸后,由上面的从流行感冒的感染产生的区别公式获得的值的变化与在供给正常食物的组中获得的值的变化相比较的例子的视图。在图60中,“空心圆”表示正常食物摄取组的数据(Normal diet),而“实心三角形”表示胱氨酸和茶氨酸摄取组的数据(Cystein & Teanine diet)。
如图60中所示,已经发现,在病毒感染前的时间点(在图60中箭头时间点前的时间点),由在胱氨酸和茶氨酸摄取组中的区别公式获得的值示出显著高于在控制组中获得的值。这暗示了免疫系统的先前的激活抵抗感染的可能性。
(1-3:糖尿病)
下面所示是基于为I型糖尿病的模型动物的服用链脲霉素的老鼠、为II型糖尿病的模型动物的GK(Goto-Kakizaki)老鼠、和控制老鼠的血液氨基酸度被算出的示例区别公式和依照区别公式的区别的例子(图61和图62)。图61示出在为I型糖尿病的模型动物的服用链脲霉素的老鼠(STZ)和正常老鼠(Normal)之间的区别的例子。图62示出在为II型糖尿病的模型动物的GK老鼠(GK)和正常老鼠(Normal)之间的区别的例子。通过使用胰岛素(STZ+Insulin)治疗而从发病情况康复的服用链脲霉素的老鼠的结果在图61中示出用于比较(见图61中
“STZ+Insulin”的数据)。
I型糖尿病指标值:Index(I-DM):
(Thr+Asn+Phe+Lys+Arg+Pro)/(Cit+Ile)+(Cysthi+His)/(Asp+Met)
II型糖尿病指标值:Index(II-DM):
(Val)/(Ser+Gly)+(Cys+Cystha+Trp)
/(Cit+His+Arg)
(1-4:肥胖)
人类生长激素基因转录老鼠(hGH-Tg老鼠)被报告为展示极端肥胖的肥胖模型动物。下面的区别公式是基于肥胖老鼠和控制老鼠的血液氨基酸水平计算的区别公式的例子(见图63)。图63示出在人类生长激素基因转录老鼠(hGH-Tg老鼠)和正常老鼠(Normal)之间的区别的例子。
肥胖指标值:Index(Ob):
(Gly)/(Val+Leu+Arg)+(Cit)/(Ala+Trp)+(Tyr)/(Lys)+(His)/(Ser+Ile+Orn)
(1-5:肝病)
下面所示是基于通过服用二甲基亚硝胺创建的肝纤维化模型老鼠和正常老鼠的血液氨基酸水平计算的区别公式的例子(见图64)。图64示出在由服用二甲基亚硝胺做成的肝纤维化的模型老鼠(DMN)和正常老鼠(Normal)之间的区别的例子。
肝纤维化的指标值:Index(Ci):
(Thr)/(Cit+Cys+Cysthi+Phe+Orn+His)+(Glu+Ile)/(Tau+Gly)
【2:公式化饮食因素对个体的影响的例子】
试图确定个体的营养情况的应用例子将参照图65和图66在下面进行说明。通过以下列方式预先把膳食组成对个体的影响公式化,评估特定个体的营养情况是可能的。
(2-1:确定低蛋白质食品摄取对个体的影响的例子)
下面所示是基于供给包含5%蛋白质的食物(n=6)或包含10%蛋白质的食物(n=6)2周的6周大的老鼠(低蛋白质食物组)、和以相同方式供给包含15%蛋白质的食物(n=6)或包含20%蛋白质的食物(n=6)的老鼠(控制组)的血液氨基酸水平计算的区别公式的例子。图65示出在供给低蛋白质食物的老鼠(Low protein)和供给正常食物的老鼠(Normal)之间的区别的例子。在该公式中,Cys表示胱氨酸浓度。
Index-LP:(Thr+Leu)/(Ser+Gly+Orn)+(Cys)/(P-Ser+Arg)+(Val+His)/(Lys)
(2-2:确定饮食脂肪数量对个体的影响的例子)
下面所示是基于供给包含20%脂肪的食物一个月(n=6)或两个月(n=6)的老鼠(高脂肪食物组)和供给包含7%脂肪的食物一个月(n=6)或两个月(n=6)的老鼠(控制组)的血液氨基酸水平和血液脂肪代谢物水平计算的区别公式的例子(见图66)。图66示出供给高脂肪食物的老鼠(High Fat)和供给正常食物的老鼠(Normal)之间的区别的例子。在该公式中,α-ABA表示α-氨基酪酸的浓度,“NEFA”表示自由脂肪酸的浓度,而“TCHO”表示总胆固醇浓度。
Index-HF:
(Met+Ile+NEFA)/(Thr+Gln+Gly+α-ABA+Val+Leu+Tyr+Phe+His+Arg+Pro+TCHO)
【3:使用生物化学数据做为代用指标值的例子】
针对各种类型的生物化学数据优化的公式的例子在图67到70中被示出。如在此所示,下列指标值能被用作在血液或器官中各种生物化学数据、或各种诸如器官重量的测量项的代用指标值。
(3-1:优化器官特定生物化学指标值的公式的例子)
下面所示是使用血液氨基酸水平的关于供给蛋白质含量为5%、10%、15%、20%、30%、或70%的食物两周的每组老鼠(每组6个动物)的肝脏中脂肪过氧化物(TBARS)量优化的公式。图67示出肝脏中脂肪过氧化物量(Liver-TBRAS)和由关于脂肪过氧化物量优化的公式计算出的值(Index-TBRAS)之间的相关性。在下列公式中,“Cys”表示胱氨酸浓度,而“Cyshi”表示胱硫醚浓度。
Index-TBARS:
(Asp)/(Thr+Trp)+(Cysthi)/(Tyr)+(Cys)/(Glu+Met+Arg)+(His)/(Cit+Phe)
(3-2:针对血液生物化学指标值优化的公式的例子)
下面所示的是使用血液氨基酸水平针对上面的实验(3-1:针对器官特定的生物化学指标值优化的公式的例子)中的血液总胆固醇(TCHO)优化的公式(见图68)。图68示出在血液总胆固醇水平(PlasmaTCHO)和由针对血液总胆固醇水平优化的公式所计算的值(Index-TCHO)之间的相关性。在下列公式中,“Cys”表示胱氨酸浓度,而“Cyshi”表示胱硫醚浓度。
Index-TCHO:
(Asn)/(Tyr)+(Gly+Pro)/(Glu)+(Val)/(Met+Arg)+(Cys+Lys)/(Thr+Cysthi+His)
(3-3:针对血液激素水平优化优化的公式的例子)
下面所示的是使用血液氨基酸水平针对上面的实验(3-1:针对器官特定的生物化学指标值优化的公式的例子)中的血液类胰岛素的生长因素水平(IGF-1)优化的公式(见图69)。图69示出类胰岛素生长因素的血液浓度(Plasma IGF-1)和由针对类胰岛素生长因素的血液浓度优化的公式计算的值(Index IGF-1)之间的相关性。在下列公式中,“Cys”表示胱氨酸浓度,而“Cyshi”表示胱硫醚浓度。
Index-IGF-1:
(P-Ser)/(Glu+Cysthi)+(Ser+Gly+Cys)/(Ala+Met+Lys+His)+(Orn)/(Asp+Thr+Cit+Trp)
(3-4:为组织重量优化的公式的例子)
下面所示的是使用血液氨基酸水平针对上面的实验(3-1:针对器官特定的生物化学指标值优化的公式的例子)中的附睾丸外围的脂肪与身体重量的比(%)优化的公式(见图70)。图70示出附睾丸外围的脂肪与身体重量的比(WAT)与由针对附睾丸外围的脂肪与身体重量的比而优化的公式计算的值(Index-WAT)之间的相关性。在下列公式中,“Cys”表示胱氨酸浓度,而“Cyshi”表示胱硫醚浓度。
Index-WAT:
(P-Ser+His)/(Cys+Cysthi+Phe+Arg)+(Cit)/(Asn+Val+Met+Tyr+Trp)
【4:统括确定多个生理学情况的方法以及针对多个指标值的相关性的应用和可用性】
一种用于通过比较特定的情况与每个其他不同情况而特别确定目标情况的示例方法参照图71和图72被示出。
现在提出依照为I型糖尿病的模型动物的服用链脲霉素的老鼠、为II型糖尿病的模型动物的GK(Goto-Kakizaki)老鼠、展示极度肥胖的人类生长激素基因转录老鼠、由服用二甲基亚硝胺创建的肝纤维化模型老鼠和正常老鼠的血液氨基酸水平区别不同情况的一种示例方法的说明(见图71)。
图71是示出基于在服用链脲霉素的老鼠、GK老鼠、人类生长激素基因引进的老鼠、肝纤维化模型老鼠、和正常老鼠之间血液氨基酸水平而施行的统括区别不同情况的一个例子。在图71中,“实心正方形”表示服用链脲霉素的老鼠的数据,“x”表示GK老鼠的数据,“空心三角形”表示人类生长激素基因转录老鼠的数据,“实心圆”表示肝纤维化模型老鼠的数据,而“空心正方形”表示正常老鼠的数据。
下列公式是用于通过比较特定情况与每个其他不同情况而特别确定目标情况的所计算的指标值的例子。
I型糖尿病指标值:Index(I-DM)
(Glu+Orn)/(Thr)+(Ile)/(Met+His)+(Cit)/(Tau+Tyr)+(Leu)/(Gln+Pro)
II型糖尿病指标值:Index(II-DM)
(Ser+Glu+Met+Trp)/(Cit+Pro)+(Phe)/(Orn)+(Gln)/(Tau+Tyr+Lys)
肥胖指标值:Index(Ob)
(Thr+Cit)/(Tyr)+(Ser+Ala+Leu+Orn+Lys+Pro)/(Glu+Gly)
肝纤维化指标值:Index(Ci)
(Cit+Arg)/(Tau+Thr)+(Phe)/(Gly+Ala+Val)+(Tyr)/(Ile)
图71是示出在每个指标值间的相关性的相关图表。从这样的特定指标值之间的相关性中,特定情况之间的相关性变得清晰,且因此验证特定情况之间的因果连接成为可能。例如,通过计算如前述区别公式的在生理学情况上施加的食物到食物环境因素的影响,和比较这样的表征各种外部因素的区别公式与各种发病情况特定的指标值来验证其间的相关性,由环境因素预知发病情况的风险成为可能。
也就是说,能从图71中看到,多个情况能利用这些多个指标值来统括地检查。
图72示出在I型糖尿病的老鼠上进行胰岛素治疗的结果的统括检查的例子。在图72中,“实心正方形”表示I型糖尿病的老鼠(服用链脲霉素的老鼠)的数据,“x”表示II型糖尿病的老鼠(GK老鼠)的数据,“空心三角形”表示肥胖老鼠(人类生长激素基因转录老鼠)的数据,“实心圆”表示肝纤维化模型老鼠的数据,“空心正方形”表示正常老鼠的数据,而“空心菱形”表示具有胰岛素治疗经验的I型糖尿病老鼠的数据。在图72中,点划线(椭圆)是正常老鼠和I型糖尿病老鼠没有彼此区分的指标值的图。
在图72中,通过分配到利用胰岛素治疗的I型糖尿病的个体的前述公式获得的结果被添加到图71中。这证明了胰岛素治疗特别改善了相应确定指标值(I-DM)。因而,不仅对目标情况的治疗效果而且对其他情况的治疗效果能以统括的方式被检查出来,提供了用于检查副作用的有效的方式。换句话说,基于区别指标值的确定将被允许。另外,对除了治疗目标外的生理学情况的影响能同时被确定。
【关于干扰素和三(氮)唑核苷的治疗效果的预测的例子】
丙型肝炎的干扰素治疗花费巨大,且导致显著的副作用,并且经常不能提供疗效。因此,从减轻患者负担的观点来看,预先预测疗效的能力是非常重要的。下面的公式3被用于在基于服用之前的血液氨基酸水平在带有丙型肝炎的患者的干扰素和三(氮)唑核苷的治疗中,在相同的时间点把病毒阴性的患者和病毒阳性的患者区别开(见图73)。
图73示出干扰素和三(氮)唑核苷治疗的效果的预测结果的一个例子。在本例中,在治疗开始后8周或12周进入病毒阴性的患者被定义为病毒阴性患者。在下面的公式3和图73中,"αABA"表示α-氨基酪酸的浓度,而“Cys”表示胱氨酸浓度。
图73证明从干扰素和三(氮)唑核苷治疗中受益的患者能与不能从该治疗中受益的患者中被完美地区别出来。该结果提出了通过在服用药物前把血液氨基酸水平应用到本分析方法而预测各种药物的疗效、副作用等的可能性。本发明能被用作用于减轻诸如副作用的医疗风险的有效方法。
公式3)Asn/(Ser+αABA)+(Cit+Orn)/Thr+(Cys+Trp)/Pro+Phe/Leu
【关于用于确定运输前后猪的压力的指标值的例子】
除了血液氨基酸水平依赖疾病、药物变化的情况,例如,血液氨基酸水平也会随着压力反应或适应环境变化的反应而变化。被装载在运输货车上的猪(n=8)被运输一个小时,对运输前后测量的猪的血浆氨基酸水平进行分析,以获得用于确定在施加压力前后动物的生物体情况的指标值(下面的公式4)。
图74表示猪的运输前后氨基酸复合指标值。如图74中所示,通过把血浆氨基酸水平代入到下面的公式4,确定猪在运输前后的生物体情况成为可能。该结果暗示了通过如下面的公式4的分子所述的增加血浆氨基酸水平来减轻由运输导致的压力的可能性。该结果由陈述了通过服用赖氨酸(Lys)和做为鸟氨酸(Orn)的前体的精氨酸(Arg)而减轻猪由运输导致的压力的成功的报告所支持(见“Srinongkote等人的Nutritional Neuroscience(营养神经系统学),6,283-289,2003”)。
公式4)最佳指标值:
(Asp+Orn+Lys+3MeHis+Asn)/Glu+(Ser+His)/(P-Ser+Tau+Cys+Cysthi+Trp)
【生物体情况信息管理系统等的其他实施方式】
已经解释了本发明的各种实施方式,然而,除了上面说明的实施方式之外,本发明仍然可以以不偏离权利要求中定义的技术思想的其他不同方式实施。
在本发明的一个实施方式中,在服务器单元100的相关公式设置部件102v中执行相关公式设置过程在把在本发明的基本原理中说明的“包含在临床数据中的每个氨基酸的血液浓度被分配到公式1的情况,且公式1中每个常量被再次计算来设置相关公式(模式1)”作为例子被解释,然而,在上面本发明的基本原理中说明的模式2中先前确定的相关公式可以被选择。更特别地,由服务器单元100先前计算的相关公式可以被存储在存储器106中的预定存储区域中,且期望的相关公式可以通过相关公式设置部件102v的处理从存储器106中来选择并设置。服务器单元100可以通过相关公式设置部件102v的处理经由网络300从预先存储在诸如计算机单元的其他存储器设备中的相关公式选择并下载期望的相关公式。
例如,服务器单元100可以响应来自除了服务器单元100以外限制在另一个封闭部分的客户机单元200等的请求执行处理,并把处理结果返回到客户机单元200等。
上述生物体情况的传输(步骤SA-1)、分析结果的传输(步骤SA-3)等可以通过使用已有的电子邮件传输技术等而达到,或者可以由服务器单元100提供的网站的功能表示的预定输入格式由用户等输入输入信息这样的方式而达到,且所输入的信息被传送。可替换地,也可以通过已知的诸如FTP的文件传输技术等来达到。
在上面实施方式中描述的每种技术中,被描述为被自动进行的处理可以被完全或部分地手工进行,且被描述为手工进行的处理可以被完全或部分地由已知方法自动进行。
除了上述之外,在上面文章和附图中描述的处理程序、控制程序、特定名字、包含诸如各种注册数据和搜索标准的参数的信息、屏幕例子和数据库结构除非声明可以被任意的改变。
关于服务器单元100,在附图中图例示出的元素被给出以表示功能概念,且物理结构不必如图中所示。
例如,由服务器单元100中的特定部件或特定单元实现的处理功能、特别是每个在控制单元102中执行的处理功能可以被全部或部分地由CPU(中央处理器)和由CPU解释并执行的程序达到,或者可以由布线逻辑系统的硬件达到。这样的程序被存储在如将在后面说明的记录介质中,并如需要由服务器单元100机械地读取。
在由ROM或HD实现的存储器106中,用于给出指令并配合OS(操作系统)执行各种处理的计算机程序被存储。该计算机程序当被载入RAM等时被执行,并且配合CPU构成控制单元102。该计算机程序可以被存储在任意通过网络300连接到服务器单元100的应用程序服务器中。可替换地,如需要计算机程序的全部或部分可以被下载。
本发明的程序可以被存储在计算机可读取的记录介质中。这里使用的术语“记录介质”包括诸如软盘、磁光盘、ROM、EPROM、EEPROM、CD-ROM、MO、和DVD的任何“便携式物理介质”和被集成在各种计算机系统中的任何诸如ROM、RAM和HD的“固定物理介质”以及在经由由LAN、WAN和因特网表示的网络传输程序情况下临时保存程序的诸如通信线或载波的“通信介质”。
这里使用的术语“程序”指的是以任何语言或描述方法描述的数据处理方法,且也可以包括源代码和二进制代码在内的任何格式描述。“程序”不必配置成单独的实体,而可以被分布为多个模块或库,或者配合其他如由OS(操作系统)表示的独立程序而达到其功能。在每个在实施方式中示出的装置中,在用于读取记录介质的具体结构、读取程序、或读取后的安装程序等可以使用已知的装置或程序来达到。
存储在服务器单元100的存储器106中的各种数据库(用户信息数据库106a到代谢图信息数据库106e)是由诸如RAM和ROM的存储器设备、诸如硬盘等的固定磁盘设备、软盘、光盘等实现的存储单元,并且存储用于各种处理或用于提供网站的各种程序、表、文件、数据库和网页的文件等。
服务器单元100可以通过在通过把诸如打印机、监视器和图像扫描仪的外围设备连接到已有的诸如个人计算机和工作站的信息处理终端而构造的信息处理设备上安装达到本发明的方法的软件(包括程序、数据等)来实现。
更进一步地,根据服务器单元100的集成/分布的具体形式不局限于附图中图例示出的那些,且其全部或部分可以在功能上或物理上分布或集成在任何依赖负载等的各种类型的单元。例如,每个数据库可以被独立地安排为独立的数据库设备,且部分处理可以通过使用CGI(公共网关接口)来实现。
客户机单元200可以通过在如需要诸如打印机、监视器、图像扫描仪等的外围设备被连接到诸如像现有的个人计算机的信息处理终端、工作站、家用游戏机、因特网TV、PHS终端、蜂窝式电话终端、移动通信终端、和PDA的信息处理设备上安装达到网络信息浏览功能和电子邮件功能的软件(包括程序、数据等)来实现。
客户机单元200的控制单元210可以全部或部分地通过CPU和由CPU解释并执行的程序实现。换句话说,ROM或HD存储用于给CPU指令并配合OS(操作系统)执行各种处理的计算机程序。该计算机程序当其被加载到RAM时被执行,并与CPU一起组成控制单元。
然而,此计算机程序可以被存储在通过任意网络被连接到客户机单元200的任意应用程序服务器中,或者如需要该计算机程序的部分或全部可以被下载。可替换地,每个控制单元的全部或任意部分可以由基于布线逻辑的硬件等实现。
网络300连接服务器单元100和客户机单元200,且可以包括因特网、企业内部互联网、LAN(包括有线和无线)、VAN、PC通信网络、公共电信网(包括模拟和数字)、专线网(包括模拟和数字)、CATV网、例如IMT2000系统、GSM系统或PDC/PDC-P系统的移动线交换网/移动分组交换网、无线呼叫网、诸如蓝牙的本地无线电网络、PHS网络、诸如CS、BS或ISDB的卫星通信网的任何一种。也就是说,本系统可以在无论无线电传输还是固定线路通信的任何网络上发送/接收各种数据。
【肝纤维化确定系统等的实施方式】
现在,本发明的肝纤维化确定装置、肝纤维化确定方法、肝纤维化确定系统、程序和记录介质的实施方式将参照附图详细解释。需要注意的是本发明并不局限于这些实施方式。
【系统装置-肝纤维化确定装置400】
接着,本系统中肝纤维化确定装置400的装置将被解释。图45是应用了本发明的肝纤维化确定装置400的一个示例装置的框图。只有在上面的装置中涉及本发明的部分在概念上被图例示出。
在图45中,肝纤维化确定装置400通常包括控制单元402,诸如控制全部肝纤维化确定装置400的CPU等;通信控制接口404,与诸如连接到通信线路等的路由器的通信设备(未示出)相连接;输入/输出控制接口408,与输入设备112或输出设备114相连接;和存储器406,存储各种数据库和表,这些部件被可通信地通过任意通信信道彼此连接。进一步的,肝纤维化确定装置400被可通信地通过诸如路由器的通信设备和诸如专线的无线或有线通信线路与网络300相连接。
存储在图45的存储器406中的各种数据库和表(用户信息数据库406a,代谢物信息数据库406b和肝纤维化指标值数据库406c)是诸如固定磁盘设备等的存储单元,并且存储例如用于各种处理的各种程序、表、文件、数据库和针对网页的文件。
在这些存储器406的元件之中,用户信息数据库406a是存储关于用户的信息(用户信息)的用户信息存储单元。图47示出存储在用户信息数据库406a中的用户信息的一个例子。
如图47中所示,存储在用户信息数据库406a中的信息包括,用户ID,用于唯一标识每个用户;用户密码,用于认证每个用户是否合法;每个用户的名字;所属ID,用于唯一标识每个用户所属于的所属关系;部门ID,用于唯一标识每个用户属于的所属关系的部门名字;部门名字;和每个用户的电子邮件地址,这些项目被彼此相关地构成。
代谢物信息数据库406b是存储代谢物信息等的代谢物信息存储单元。图48示出存储在代谢物信息数据库406b中的信息的一个例子。
如图48中所示,存储在代谢物信息数据库406b中的信息包括个体(样本)号;和每个代谢物(例如,氨基酸)的血液浓度数据,这些项目被彼此相关地构成。
肝纤维化指标值数据库406c是存储肝纤维化指标值等的肝纤维化指标值存储单元。在此数据库中,针对服务器单元100的结果输出部件102k的处理输出的每个发病情况的每个阶段优化的优化指标值被存储为复合指标值,而与作为可替换的指标值的高水平指标值相关。图50示出存储在肝纤维化指标值数据库406c中的信息的一个例子。图50示出其中前述实施方式(肝纤维化的复合指标值的实施例(部分I)和肝纤维化的复合指标值的实施例(部分II))的指标值被存储的一个示例情况。
如图50中所示,存储在肝纤维化指标值数据库406c中的信息包括编号、复合指标值和可替换的指标值,这些项目被彼此相关地构成。
除了上述信息之外,肝纤维化确定装置400的存储器406也存储各种网络数据、CGI程序等用于向客户机单元200提供网站。
网络数据包括用于显示如将在后面说明的各种网页的数据,且这样的数据为HTML或XML描述的文本文件形式。用于生成网络数据的成分文件、工作文件和其他临时文件也被存储在存储器406中。
除了上面之外,如需要传送到客户机单元200的音频可以被存储在WAVE格式或AIFF格式的音频文件中,且静止图像或移动图像可以被存储在JPEG格式或MPEG2格式的图像文件中。
在图45中,通信控制接口404控制肝纤维化确定装置400和网络300(或诸如路由器的通信设备)之间的通信。换句话说,通信控制接口404使数据能够通过通信线路与其他终端通信。
在图45中,输入/输出控制接口408控制输入设备112和输出设备114。
在图45中,控制单元402具有用于存储诸如OS(操作系统)的控制程序、定义了各种程序的程序和所需的数据的内部存储器,且进行通过这些程序执行各种处理的信息处理。控制单元402包括请求解释部件402a、浏览处理部件402b、认证处理部件402c、电子邮件生成部件402d、网页生成部件402e、传输部件402f、代谢物信息获取部件402g、发病情况指标值计算部件402h、发病情况确定部件402i和结果输出部件402j,所有这些都以它们的功能概念而命名。
其中,请求解释部件402a是解释来自客户机单元200的请求的内容并依赖解释的结果把处理传送到控制单元的其他部分的请求解释单元。
浏览处理部件402b是响应来自客户机单元200的各种屏幕的浏览请求而生成或传送这些屏幕的网络数据的浏览处理单元。
认证处理部件402c是响应来自客户机单元200的认证的请求而进行认证的认证处理单元。
电子邮件生成单元402d是生成包含各种信息的电子邮件的电子邮件生成单元。
网页生成部件402e是生成用户观看的网页的网页生成单元。
传送部件402f是把各种信息传送到用户的客户机单元200的传送单元,并且也是把肝纤维化确定结果传送到为代谢物信息的发送者的客户机单元200的分析结果传送单元。
代谢物信息获取部件402g是从客户机单元200、输入设备112等获取包括针对每个个体中的每个代谢物测量的血液浓度数据组在内的代谢物信息的代谢物信息获取单元。代谢物信息获取部件402g进一步包括代谢物指定部件402k,如图46中所示。图46是示出应用了本发明的本系统的代谢物信息获取部件402g的一个示例结构的框图。只有在上面的结构中涉及本发明的部分在概念上被图例示出。
在图46中,代谢物指定部件402k是指定期望的代谢物的代谢物指定单元。
再次参照图45,发病情况指标值计算部件402h是基于存储在肝纤维化指标值数据库406c中的复合指标值1到4的至少一个或基于存储在肝纤维化指标值数据库406c中的复合指标值5,从通过代谢物信息获取部件402g获取的包括针对每个个体中的每个代谢物测量的血液浓度数据组的代谢物信息中,计算针对肝纤维化的发病情况指标值的发病情况指标值计算单元,并且也是设置用于针对肝纤维化计算发病情况指标值的复合指标值的复合指标值设置单元。这里复合指标值设置单元包括从下列中选取的至少一个:复合指标值1生成单元,生成为单项分数表达式或合计多项的分数表达式的复合指标值1,该分数表达式具有作为其分子的Asn和Gln的血液浓度数据的至少一个和作为其分母的Thr、Tau、Ser、Val和Trp的血液浓度的至少一个(可选的,Met的血液浓度数据可以被添加到分子中,任何Ile、α-ABA或Asp的血液浓度数据可以被添加到分母中);复合指标值2生成单元,生成为单项分数表达式或合计多项的分数表达式的复合指标值2,该分数表达式具有作为其分子的Asn和Met的血液浓度数据的至少一个和作为其分母的α-ABA和Cit的血液浓度的至少一个(可选的,任何Tyr或Arg的血液浓度数据可以被添加到分子中,任何His、Thr、Trp、Asp或Glu的血液浓度数据可以被添加到分母中);复合指标值3生成单元,生成为单项分数表达式或合计多项的分数表达式的复合指标值3,该分数表达式具有作为其分子的α-ABA、His、Gly、Trp和Tau的血液浓度数据的至少一个和作为其分母的Asn、Gln、Cit、Lys、Thr和Tyr的血液浓度的至少一个(可选的,任何Met或Asp的血液浓度数据可以被添加到分母中);以及复合指标值4生成单元,生成为单项分数表达式或合计多项的分数表达式的复合指标值4,该分数表达式具有作为其分子的His和Trp的血液浓度数据的至少一个和作为其分母的Asn和Tyr的血液浓度的至少一个(可选的,任何α-ABA或Tau的血液浓度数据可以被添加到分子中,任何Met或Asp的血液浓度数据可以被添加到分母中)。
复合指标值1到4的至少一个公式中的氨基酸可以由具有等价化学属性的氨基酸等替换。
更具体的,例如,在复合指标值1到4的至少一个公式中的氨基酸可以依照下面的规则被替换,或者复合指标值1到4的至少一个可以由下面所示的相应公式所替换。
前述规则将参照图51被说明。
图51描绘了用于替换复合指标值1到4的每个公式中的氨基酸的规则。
如图51中所示,在复合指标值1到4的每个中,任何属于组A的元素是分子,而任何属于组B的元素是分母。且复合指标值1到4的每一个通过以属于组B的元素或属于组B的元素的和除以属于组A的元素或属于组A的元素的和的至少一个分数的分数的和的形式的公式而计算出来。这里,属于组C的元素和属于组D的元素可以被分别添加到分子和分母中。
例如,复合指标值1到4的每个可以被存储在肝纤维化指标值数据库406c中的相应可替换的指标值替换(复合指标值1-1到1-20,复合指标值2-1到2-20,复合指标值3-1到3-20,复合指标值4-1到4-20)。
发病情况确定部件402i是依照通过发病情况指标值计算部件402h计算的发病情况指标值确定表示肝纤维化的进展的发病情况的发病情况确定单元。
结果输出部件402j是输出例如控制单元402中的各处理的处理结果到输出装置114等的输出单元。
这些部件处执行的处理的细节将在后面说明。
关于客户机单元200和网络300的解释将被省略,因为它们以与前面所描述的相同的方式被构成。
【系统处理】
接着,如上所述结构的本实施方式的本系统中的处理的例子将参照图40、图41、图49等被详细解释。
【肝纤维化信息分析服务处理】
现在,为使用如上所述结构的本系统进行的本方法的肝纤维化信息分析服务处理的细节将参照图49被解释。图49是示出本实施方式中本系统的肝纤维化信息分析服务处理的一个例子的流程图。
首先,用户通过输入设备250在网络浏览器211显示的屏幕上指定由肝纤维化确定装置400提供的网站的地址(例如,URL),且客户机单元200通过因特网与肝纤维化确定装置400连接。
具体的,用户在客户机单元200启动网络浏览器211,并对应本系统的代谢物信息发送屏幕在网络浏览器211的预定条目域输入预定的URL。当用户指定网络浏览器211的屏幕的更新时,网络浏览器211通过通信控制IF280依照预定的通信协议传送该URL,并依照基于此URL的路由请求传送肝纤维化确定装置400的代谢物信息发送屏幕的网页。
然后,肝纤维化确定装置400的请求解释部件402a监控是否由客户机单元200发出传输,在检测到传输时,分析传输的内容,并依赖分析的结果将处理转移到控制单元402中的各部分来进行处理。当传输的内容是传送代谢物信息发送屏幕的网页的请求时,主要在浏览处理部件402a的控制下,用于显示代谢物信息发送屏幕的网页的网络数据被从存储器406中获取,且该网络数据通过通信控制接口404被传送到客户机单元200。数据从肝纤维化确定装置400被传送到客户机单元200时,客户机单元200被通过从客户机单元200与传输请求一起被传送的IP地址而被识别。
当用户请求网页的传输时,用户被请求输入用户ID和密码,其随后被认证处理部件402c基于存储在用户信息数据库406a中的用户ID和用户密码来认证。网页只在认证有效时才可以被允许浏览(在下面的描述中该细节将被省略,因为相似的处理被重复)。
客户机单元200通过通信控制IF280从肝纤维化确定装置400中接收网络数据,并在网络浏览器211上解释该数据,从而在监视器261上显示代谢物信息发送屏幕的网页。随后,从客户机单元200到肝纤维化确定装置400的屏幕请求、从肝纤维化确定装置400到客户机单元200的网络数据的传输、和客户机单元200中的网页的显示以相同方式进行,因而其详细说明将被省略。
然后,用户通过客户机单元200的输入设备250输入并选择代谢物信息,且输入的信息和用于标识所选项的标识符被传送到肝纤维化确定装置400(步骤SF-1)。
肝纤维化确定装置400的请求解释部件402a解释该标识符并分析来自客户机单元200的请求的内容(关于从客户机单元200到肝纤维化确定装置400的请求的内容的识别,详细的说明将在下文中被省略因为该处理以几乎相同的方式进行)。
然后,肝纤维化确定装置400通过控制单元402中的每个部分的处理执行如将在后面使用图40详细说明的代谢物信息分析处理等(步骤SF-2)。然后,肝纤维化确定装置400通过网页生成部件402e的处理,生成要显示由用户发送的代谢物信息的分析结果的数据的网页,并把该网页存储在存储器406中。
然后,用户在网络浏览器211上输入预定的URL,并在通过上述认证后被允许浏览用于显示存储在存储器406中的分析结果的数据的网页。
也就是说,当用户使用客户机单元200把浏览网页的请求传送到肝纤维化确定装置400时,肝纤维化确定装置400通过浏览处理部件402b的处理由存储器406中读出用户的网页,并把它传送给传输部件402f。传输部件402f然后把该网页传送到客户机单元200(步骤SF-3)。结果,用户能浏览如期望的自己的网页(步骤SF-4)。同样,如需要用户能利用打印机打印网页的显示内容。
肝纤维化确定装置400可以通过电子邮件通知用户分析结果。肝纤维化确定装置400的电子邮件生成部件402d依照传输计时生成包含用户发送的代谢物信息的分析结果数据的电子邮件数据。具体地,基于用户的用户ID查询存储在用户信息数据库406a中的用户信息并调用用户的电子邮件地址。
然后,生成编址为此电子邮件地址并包含用户的名字和由用户发送的代谢物信息的分析结果的数据的电子邮件的邮件数据。然后传输部件402f传送此邮件数据(步骤SF-3)。
另一方面,用户使用客户机单元200的电子邮件器212在期望的定时接收上面的电子邮件。此电子邮件基于电子邮件器212的已知功能被显示在监视器261上(步骤SF-4)。同样的,如需要用户能用打印机262打印出电子邮件的显示内容。
肝纤维化信息分析服务处理到这里结束。
【代谢物信息分析处理】
接着,代谢物信息的分析处理的细节将参照图40等被说明。图40是示出本实施方式中的本系统的代谢物信息的一个示例分析处理的流程图。本实施方式是在使用来自微软(公司名)的EXCEL(商标名)制表作为例子的情况来说明,然而,其并不局限于该情况,且可以使用任何其他程序执行。
首先,肝纤维化确定装置400通过代谢物信息获取部件402g的处理生成其中氨基酸的血液浓度数据组被写入到Excel的独立表格的数据文件(步骤SG-1)。
然后,肝纤维化确定装置400通过代谢物信息获取部件402g的处理将在步骤SG-1生成的数据文件导入控制单元402的存储器中(步骤SG-2)。
接着,肝纤维化确定装置400通过代谢物信息获取部件402g的处理让用户选择要被分析的个体组(或要被排除的个体组)(步骤SG-3)。
接着,肝纤维化确定装置400通过代谢物指定部件402k的处理让用户选择要被分析的氨基酸(步骤SG-4)。
接着,肝纤维化确定装置400让用户指定结果被输出到其中的文件(步骤SG-5)。
接着,肝纤维化确定装置400通过发病情况指标值计算部件402h的处理计算将在后面使用图41说明的发病情况指标值(步骤SG-6)。
图41是示出本实施方式中本系统中发病情况指标值的计算的一个例子的流程图。
在发病情况指标值的计算中,首先,肝纤维化确定装置400通过发病情况指标值计算部件402h的处理检验代谢物信息(步骤SH-1),然后基于存储在肝纤维化指标值数据库406c中的复合指标值1到4的至少一个或基于存储在肝纤维化指标值数据库406c中的复合指标值5计算发病情况指标值(步骤SH-2)。
在复合指标值1到5的至少一个公式中的氨基酸可以被具有等价化学属性的氨基酸等替换。
更特别的,例如,在复合指标值1到4的至少一个公式中的氨基酸可以依照下列规则被替换,或者复合指标值1到4的至少一个可以由下面所示的相应公式所替换。
前述规则将参照图51被说明。
图51描绘了用于替换复合指标值1到4的每个公式中的氨基酸的规则。
如图51中所示,在复合指标值1到4的每个中,任何属于组A的元素是在分子处,而任何属于组B的元素是在分母处。且复合指标值1到4的每一个通过属于组B的元素或属于组B的元素的和除以属于组A的元素或属于组A的元素的和的至少一个分数的分数的和的形式的公式来计算。这里,属于组C的元素和属于组D的元素可以被分别添加到分子或分母中。以这种方式,发病情况指标值计算部件402h可以依照这些规则生成复合指标值1到4。
例如,复合指标值1到4的每个可以被存储在肝纤维化指标值数据库406c中的相应的可替换的指标值(复合指标值1-1到1-20,复合指标值2-1到2-20,复合指标值3-1到3-20,复合指标值4-1到4-20)替换。
再次参照图40,肝纤维化确定装置400依照由发病情况指标值计算部件402h的处理计算的发病情况指标值,通过发病情况确定部件402i确定发病情况(步骤SG-7)。
接着,肝纤维化确定装置400通过结果输出部件402j的处理把分析结果输出到监视器,并把分析结果存储在存储器406中(步骤SG-8)。
代谢物信息的分析处理到这里结束。
【肝纤维化确定系统等的其他实施方式】
在前述描述中,本发明的实施方式已经得到解释,然而,本发明可以有除了前述实施方式以外的不偏离在权利要求中定义的技术思想的范围的各种方式实施。
例如,肝纤维化确定装置400可以响应来自除了肝纤维化确定装置400的限制在另一个封闭部分中的客户机单元200等的请求执行处理,并可以把处理结果返回到客户机单元200等。
代谢物信息的前述传输(步骤SF-1)、分析结果的传输(步骤SF-3)等可以通过使用已有的电子邮件传输技术等来达到,或者用户等以由肝纤维化确定装置400提供的网站的功能所表示的预定输入格式输入信息这样的方式来达到,并且所输入的信息被传送。可替换地,可以通过已知的文件传输技术、诸如FTP等来达到。
在上面实施方式中描述的每种技术中,被描述为自动进行的处理可以被完全或部分地手工进行,且被描述为手工进行的处理可以被完全或部分地由已知方法自动进行。
除了上面之外,在上面文章和附图中描述的处理程序、控制程序、特定名字、包含诸如各种注册数据和搜索标准的参数、屏幕例子和数据库的结构除非声明可以被任意改变。
关于肝纤维化确定装置400,在附图中图例示出的元件被给出以表示功能概念,且物理结构不必如图中所示。
例如,由肝纤维化确定装置400中的特定部分或特定单元实现的处理功能、特别是每个在控制单元402中执行的处理功能可以被全部或部分地由CPU(中央处理器)和由CPU解释并执行的程序达到,或者可以由布线逻辑系统的硬件达到。这样的程序被存储在如将在后面说明的记录介质中,并如需要由肝纤维化确定装置400机械读出。
在由ROM或HD实现的存储器406中,用于给出指令并配合OS(操作系统)执行各种处理的计算机程序被存储。该计算机程序当被载入到RAM等时被执行,并且配合CPU构成控制单元402。该计算机程序可以被存储在任意通过网络300被连接到肝纤维化确定装置400的应用程序服务器中。可替换地,如需要计算机程序的全部或部分可以被下载。
本发明的程序可以被存储在计算机可读取的记录介质中。这里使用的术语“记录介质”包括诸如软盘、磁光盘、ROM、EPROM、EEPROM、CD-ROM、MO、和DVD的任何“便携式物理介质”,和被集成在各种计算机系统中的任何诸如ROM、RAM和HD的“固定物理介质”以及在经由LAN、WAN和因特网表示的网络上传输程序的情况下临时保存程序的诸如通信线或载波的“通信介质”。
这里使用的术语“程序”表示以任意语言或描述方法描述的数据处理方法,且也可以不管是源代码还是二进制代码的任何格式描述。
“程序”不必被配置成单独的实体,而可以被分布为多个模块或库,或者配合其他如由OS(操作系统)表示的独立程序而实现其功能。在每个在实施方式中示出的装置中,用于读取记录介质的具体结构、读取程序、或读取后安装程序可以使用已知结构或程序来达到。
存储在肝纤维化确定装置400的存储器406中的各种数据库(用户信息数据库406a、代谢物信息数据库406b、和肝纤维化指标值数据库406c)是由诸如RAM和ROM的存储器设备、诸如硬盘的固定盘设备、软盘和光盘实现的存储单元,并且存储用于各种处理或用于提供网站的各种程序、表、文件、数据库和网页的文件。
肝纤维化确定装置400可以通过把诸如打印机、监视器和图像扫描仪的外围设备连接到已有的诸如个人计算机和工作站的信息处理终端来构造的信息处理设备上安装实现本发明的方法的软件(包括程序、数据等)来实现。
更进一步的,根据肝纤维化确定装置400的集成/分布的具体形式不局限于附图中图例示出的那些,且其全部或部分可以在功能上或物理上被分布或集成在任何依赖负载等的多种类型的单元中。例如,每个数据库可以被独立地安排为独立数据库设备,且部分处理可以通过使用CGI(公共网关接口)来实现。
网络300连接肝纤维化确定装置400和客户机单元200,且可以包括因特网、企业内部互联网、LAN(包括有线和无线)、VAN、PC通信网络、公共电信网(包括模拟和数字)、专线网(包括模拟和数字)、CATV网、例如IMT2000系统、GSM系统或PDC/PDC-P系统的移动线交换网/移动分组交换网、无线呼叫网、诸如蓝牙的本地无线电网络、PHS网络、诸如CS、BS或ISDB的卫星通信网的任何一种。也就是说,本系统可以在无线电或固定线路网络的任何网络上发送/接收各种数据。
如在上面详细的说明中,依照本发明,在设置由表示关于在每个个体中测量的生物体情况的指标值数据和针对每个个体中每个代谢物测量的血液浓度数据之间的相关性的公式1表示的相关公式,针对要被模拟的个体中的每个代谢物测量的血液浓度数据组被代入到所设置的相关公式中,从而模拟要被模拟的个体的生物体情况。因此,提供能够基于个体中代谢物的血液浓度有效地模拟健康情况、疾病进程、疾病的治疗阶段、疾病的未来风险、药物疗效、药物副作用等的用于处理关于生物体情况的信息的装置和方法、用于管理关于生物体情况的信息的系统、程序、和记录介质是可能的。
依照本发明,基于关于在每个个体中测量的生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度,每个代谢物与指标值数据的相关性被确定;基于所确定的每个代谢物的相关性,涉及生物体情况的多个代谢物的相关公式(相关函数)被依照预定的计算方法创建;并且基于关于在所确定的相关公式中的生物体情况的指标值数据的相关系数,相关公式被优化(例如,以相关系数取高水平的方式(例如,最高为20个),优选地是相关系数是最大值),使得使用高相关性的计算公式作为反映生物体情况的复合指标值成为可能。因而,提供能够有效计算由具有与生物体情况的高相关性的诸如氨基酸的可测量代谢物组成的复合指标值的用于处理关于生物体情况的信息的装置和方法、用于管理关于生物体情况的信息的系统、程序、和记录介质是可能的。
进一步的,依照本发明,因为每个生物体情况的复合指标值能被单独确定,所以多种发病情况能使用例如血液氨基酸水平的一种测量结果而被侦测。因而,提供能够极大降低测试成本的用于处理关于生物体情况的信息的装置和方法、用于管理关于生物体情况的信息的系统、程序、和记录介质是可能的。
进一步的,依照本发明,提供使其生物体情况指标值在测量时是不可用的生物体情况时,能通过分析过去复合指标值不明确时的数据而能够被诊断的用于处理关于生物体情况的信息的装置和方法、用于管理关于生物体情况的信息的系统、程序、和记录介质是可能的。
进一步的,依照本发明,因为每个构成生物体情况的复合指标值的代谢物有可能是该生物体情况的原因或结果,所以提供使使用复合指标值做为标记的生物体情况的治疗方法能够被研发的用于处理关于生物体情况的信息的装置和方法、用于管理关于生物体情况的信息的系统、程序、和记录介质是可能的。
进一步的,依照本发明,一部分代谢物被选择;相关公式被使用多个被选出的代谢物而建立;关于生物体情况的指标值数据的相关系数被计算;且基于关于生物体情况的指标值数据的相关系数和代谢物的数量,代谢物的组合被优化(例如,以相关系数取高水平这样的方式(例如,最高为20个)且代谢物的数量为最小,优选地,相关系数是最大值而代谢物数量为最小值),由此选择性排除每个氨基酸被穷举并自动地进行。因而,提供能够有效地确定关于生物体情况的复合指标值的用于处理关于生物体情况的信息的装置和方法、用于管理关于生物体情况的信息的系统、程序、和记录介质是可能的。
进一步的,依照本发明,计算公式被分离;涉及关于生物体情况的多个代谢物的相关公式使用所分离的计算公式来计算;且基于关于生物体情况的指标值的相关系数,分离的组合被优化(例如,以相关系数取高水平这样的方式(例如,最高为20个),优选的是相关系数是最大值);以便穷举并自动地分离每个计算公式成为可能。因而,提供能够有效地确定关于生物体情况的复合指标值的用于处理关于生物体情况的信息的装置和方法、用于管理关于生物体情况的信息的系统、程序、和记录介质是可能的。
进一步的,依照本发明,因为计算公式被基于代谢图信息而分离;并且基于该分离公式,由多个生物体情况的代谢物组成的相关函数被计算;提供能够在如果与生物体情况相关的代谢物的代谢图为已知的情况下基于生物化学发现自动分离计算公式的用于处理关于生物体情况的信息的装置和方法、用于管理关于生物体情况的信息的系统、程序、和记录介质是可能的。
进一步的,当氨基酸被选为本发明中的代谢物时,提供能够通过利用氨基酸的有利的物理属性(例如代谢物测量中的高准确度和与由测量导致的背离比由个体不同导致的背离相对小)获得具有高可靠性的生物体情况的复合指标值的用于处理关于生物体情况的信息的装置和方法、用于管理关于生物体情况的信息的系统、程序、和记录介质是可能的。
进一步的,依照本发明,因为针对每个个体中的每个代谢物测量的血液浓度数据组被获取;肝纤维化的发病情况指标值从所获取的血液浓度数据组基于复合指标值1到4中的至少一个被计算:
复合指标值1:
(Asn)/(Thr)+(Gln)/(Tau+Ser+Val+Trp)
复合指标值2:
(Asn+Tyr)/(Cit)+(Met+Arg)/(Asp+(α-ABA))
复合指标值3:
(Tau+Gly)/(Gln)+(α-ABA)/(Asp+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit)
复合指标值4:
(Tau+Trp)/(Tyr)+((α-ABA)+His)/(Asp+Asn);
肝纤维化的发病情况依照所计算的发病情况指标值而被确定,一些肝纤维化的侦测能使用例如血液氨基酸水平的一个测量结果而进行。因而,提供能够极大减少测试成本的用于确定肝纤维化阶段的装置、方法、系统、程序和记录介质是可能的。
进一步的,依照本发明,提供用于使得能够通过分析过去数据进行诊断的确定肝纤维化阶段的装置、方法、系统、程序和记录介质是可能的。
进一步的,依照本发明,因为每个构成肝纤维化的复合指标值1到4中的至少一个的代谢物可能是肝纤维化的原因或结果,所以提供用于能够使用复合指标值1到4中的至少一个做为标记的肝纤维化的治疗方法进行研发的确定肝纤维化阶段的装置、方法、系统、程序和记录介质是可能的。
进一步的,依照本发明,针对每个个体中的每个代谢物测量的血液浓度数据组被获得;用于计算肝纤维化的发病情况指标值的复合指标值被设置;基于所设置的复合指标值,肝纤维化的发病情况指标值从所获取的血液浓度数据组中被计算;肝纤维化的发病情况依照所计算的发病情况指标值而被确定;并且在复合指标值的设置中,下列复合指标值1到4中的至少一个被创建:复合指标值1,其是单项分数表达式或合计多项的分数表达式,该分数表达式的分子中有Asn和Gln的血液浓度数据的至少一个且分母中有Thr、Tau、Ser、Val和Trp的血液浓度数据的至少一个(Met的血液浓度数据可以被添加到分子,且任何Ile、α-ABA、或Asp的血液浓度数据可以被添加到分母);复合指标值2,其是单项分数表达式或合计多项的分数表达式,该分数表达式的分子中有Asn和Met的血液浓度数据的至少一个且分母中有α-ABA和Cit的血液浓度数据的至少一个(任何Tyr或Arg的血液浓度数据可以被添加到分子,且任何His、Thr、Trp、Asp或Glu的血液浓度数据可以被添加到分母);复合指标值3,其是单项分数表达式或合计多项的分数表达式,该分数表达式的分子中有α-ABA、His、Gly、Trp和Tau的血液浓度数据的至少一个且分母中有Asn、Gln、Cit、Lys、Thr和Tyr的血液浓度数据的至少一个(任何Met或Asp的血液浓度数据可以被添加到分母);和复合指标值4,其是单项分数表达式或合计多项的分数表达式,该分数表达式的分子中有His和Trp的血液浓度数据的至少一个且分母中有Asn和Tyr的血液浓度数据的至少一个(任何α-ABA或Tau的血液浓度数据可以被添加到分子,且任何Met或Asp的血液浓度数据可以被添加到分母)。从而,大量侦测肝纤维化可使用例如血液氨基酸水平的一个测量结果来进行,并且提供能够极大减少测试成本的用于确定肝纤维化阶段的的装置、方法、系统、程序和记录介质是可能的。
进一步的,依照本发明,提供用于能够通过分析诸如血液氨基酸水平的过去测量结果数据而进行诊断的确定肝纤维化阶段的装置、方法、系统、程序和记录介质是可能的。
进一步的,依照本发明,因为每个构成肝纤维化的复合指标值的代谢物可能是肝纤维化的原因或结果,提供用于能够使用复合指标值作为标记的肝纤维化的治疗方法进行研发的确定肝纤维化阶段的装置、方法、系统、程序和记录介质是可能的。
进一步的,依照本发明,提供能够穷举并自动地创建在肝纤维化中有用的复合指标值的用于确定肝纤维化阶段的装置、方法、系统、程序和记录介质是可能的。
工业适用性
如上所述,本发明的用于处理关于生物体情况的信息的装置和方法、以及用于管理关于生物体情况的信息的系统、程序、和记录介质能提供基于各种定义生物体的情况的现象(表型数据)和多种能被容易的测量的代谢物(代谢物数据)之间的相关关系,导出与特定生物体情况指标值具有高度关联性的代谢物的组合的分析方法。
进一步的,本发明的用于确定肝纤维化阶段的装置、方法、系统、程序和记录介质能从能被容易测量的多种代谢物(特别是氨基酸)计算肝纤维化的发病情况指标值,且依照所计算的发病情况指标值确定表示肝纤维化的进展的发病情况。
因而,本发明的用于处理关于生物体情况的信息的装置和方法、用于管理关于生物体情况的信息的系统、用于确定肝纤维化阶段的装置、方法和系统、以及程序和记录介质在进行发病情况诊断、发病风险诊断、蛋白组(proteome)和代谢基因组(metabolome)分析等的生物信息学(bioinformatics)领域是非常有用的。
本发明极为有用,因为它在大量的工业领域、特别是在制药学、食品、化妆品和药物领域中有广泛的适用性。
Claims (25)
1.一种用于处理关于生物体情况的信息的装置,其包括:
相关公式设置单元,用于设置由下列表示关于每个个体中测量的生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据之间的相关性的公式1表示的相关公式;
其中,每个i、j和k是自然数;每个Ai和Bj是血液中代谢物的浓度的数据或在血液中代谢物浓度中应用函数得到的值;且每个Ci、Di、Ej、Fj、Gk和H是常量;和
生物体情况模拟单元,用于通过把针对要被模拟的个体中的每个代谢物测量的血液浓度数据组代入到由相关公式设置单元设置的相关公式中,来模拟要被模拟的个体的生物体情况。
2.依照权利要求1所述的用于处理关于生物体情况的信息的装置,其中相关公式设置单元进一步包括:
相关性确定单元,用于基于关于在每个个体中测量的生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据组,确定指标值数据与每个代谢物之间的相关性;
相关公式生成单元,用于在关于每个由相关性确定单元确定的代谢物的相关性的基础上并依照预定的计算方法,产生涉及该生物情况的多个代谢物的相关公式;和
优化单元,用于基于关于由相关公式生成单元确定的相关公式的生物体情况的指标值数据的相关系数来优化相关公式。
3.依照权利要求2所述的用于处理关于生物体情况信息的装置,其中优化单元进一步包括:
代谢物选择单元,用于选择一部分代谢物,其中多个由代谢物选择单元选出的代谢物被用于构造相关公式,用于计算关于生物体情况的指标值数据的相关系数,和用于基于关于生物体情况的指标值数据的相关系数和代谢物数量优化代谢物的组合。
4.依照权利要求2所述的用于处理关于生物体情况的信息的装置,其中优化单元进一步包括:
计算公式分离单元,用于分离计算公式,其中由计算公式分离单元分离的计算公式被用于计算涉及生物体情况的多个代谢物的相关公式,且该分离的组合基于关于生物体情况的指标值数据的相关系数被优化。
5.依照权利要求2所述的用于处理关于生物体情况的信息的装置,其中优化单元进一步包括:
代谢图分离单元,用于基于代谢图信息分离计算公式,其中由该代谢图分离单元分离的计算公式被用于计算涉及生物体情况的多个代谢物的相关公式。
6.依照权利要求1所述的用于处理关于生物体情况的信息的装置,其中代谢物是氨基酸。
7.一种用于处理关于生物体情况的信息的方法,其包括:
相关公式设置步骤,设置由下面的表示关于每个个体中测量的生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据之间的相关性的公式1表现的相关公式;
其中,每个i、j和k是自然数;每个Ai和Bj是血液中的代谢物的浓度数据或在血液中的代谢物浓度中应用函数得到的值;且每个Ci、Di、Ej、Fj、Gk和H是常量;和
生物体情况模拟步骤,通过把针对要被模拟的个体中每个代谢物测量的血液浓度数据组代入到由相关公式设置步骤设置的相关公式中,来模拟要被模拟的个体的生物体情况。
8.依照权利要求7所述的用于处理关于生物体情况的信息的方法,其中相关公式设置步骤进一步包括:
相关性确定步骤,基于关于在每个个体中测量出的生物体情况的指标值数据和针对每个个体中每个代谢物测量的血液浓度数据组,确定指标值数据与每个代谢物之间的相关性;
相关公式生成步骤,在关于每个在相关性确定步骤中确定的代谢物的相关性的基础上并依照预定的计算方法,产生涉及该生物体情况的多个代谢物的相关公式;和
优化步骤,基于关于在相关公式生成步骤中确定的相关公式的生物体情况的指标值数据的相关系数,来优化相关公式。
9.依照权利要求8所述的用于处理关于生物体情况的信息的方法,其中优化步骤进一步包括:
代谢物选择步骤,选择一部分代谢物,其中多个在代谢物选择步骤中选出的代谢物被用于构造相关公式,用于计算关于生物体情况的指标值数据的相关系数,和用于基于关于生物体情况的指标值数据的相关系数和代谢物的数量优化代谢物的组合。
10.依照权利要求8所述的用于处理关于生物体情况的信息的方法,其中优化步骤进一步包括:
计算公式分离步骤,分离该计算公式,其中在计算公式分离步骤中分离的计算公式被用于计算涉及生物体情况的多个代谢物的相关公式,且该分离的组合基于关于生物体情况的指标值数据的相关系数被优化。
11.依照权利要求8所述的用于处理关于生物体情况的信息的方法,其中优化步骤进一步包括:
代谢图分离步骤,基于代谢图信息分离计算公式,其中在该代谢图分离步骤中分离的计算公式被用于计算涉及生物体情况的多个代谢物的相关公式。
12.依照权利要求7所述的用于处理关于生物体情况的信息的方法,其中代谢物是氨基酸。
13.一种用于管理关于生物体情况的信息的系统,包括:
用于处理关于生物体情况的信息的装置;和
关于生物体情况的信息的提供者的信息终端,该信息终端通过网络被可通信地连接到用于处理信息的装置;
其中,用于处理关于生物体情况的信息的装置包括:
相关公式设置单元,用于设置由下面的表示关于每个个体中测量的生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据之间的相关性的公式1表现的相关公式;
其中,每个i、j、和k是自然数;每个Ai和Bj是血液中的代谢物的浓度的数据或从把函数应用到血液中的代谢物的浓度而获取的值;每个Ci、Di、Ej、Fj、Gk和H是常数,
血液浓度数据组获取单元,用于从信息终端获取针对要被模拟的个体中的每个代谢物测量的血液浓度数据组;
生物体情况模拟单元,用于通过把针对要被模拟的个体中的每个代谢物测量的血液浓度数据组代入由相关公式设置单元设置的相关公式中,来模拟要被模拟的个体的生物体情况,该数据在血液浓度数据组获取单元处得到;和
分析结果发送单元,用于把由生物体情况模拟单元所模拟的个体的生物体情况的模拟结果发送到为血液浓度数据组的发送者的信息终端,
其中信息终端包括:
发送单元,用于把血液浓度数据组发送到用于处理关于生物体情况的信息的装置;和
接收单元,用于从用于处理关于生物体情况的信息的装置中接收对应于已由发送单元发送出去的血液浓度数据组的模拟结果。
14.依照权利要求13所述的用于管理关于生物体情况的信息的系统,其中相关公式设置单元进一步包括:
相关性确定单元,用于基于关于在每个个体中测量出的生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据组,确定指标值数据与每个代谢物之间的相关性;
相关公式生成单元,用于在关于每个由相关性确定单元确定的代谢物的相关性的基础上并依照预定的计算方法,产生涉及该生物情况的多个代谢物的相关公式;和
优化单元,用于基于关于由相关公式生成单元确定的相关公式的生物体情况的指标值数据的相关系数,来优化相关公式。
15.依照权利要求14所述的用于管理关于生物体情况的信息的系统,其中优化单元进一步包括:
代谢物选择单元,用于选择一部分代谢物,其中多个由代谢物选择单元选出的代谢物被用于构造相关公式,用于计算关于生物体情况的指标值数据的相关系数,和用于基于关于生物体情况的指标值数据的相关系数和代谢物数量优化代谢物的组合。
16.依照权利要求14所述的用于管理关于生物体情况的信息的系统,其中优化单元进一步包括:
计算公式分离单元,用于分离该计算公式,其中由计算公式分离单元分离的计算公式被用于计算涉及生物体情况的多个代谢物的相关公式,且该分离的组合基于关于生物体情况的指标值数据的相关系数被优化。
17.依照权利要求14所述的用于管理关于生物体情况的信息的系统,其中优化单元进一步包括:
代谢图分离单元,用于基于代谢图信息分离计算公式,其中由该代谢图分离单元分离的计算公式被用于计算涉及生物体情况的多个代谢物的相关公式。
18.依照权利要求13所述的用于管理关于生物体情况的信息的系统,其中代谢物是氨基酸。
19.一种用于确定肝纤维化阶段的装置,其包括:
血液浓度数据获取单元,用于获取针对每个个体中的每个代谢物测量的血液浓度数据组;
发病情况指标值计算单元,用于从由血液浓度数据获取单元获取的血液浓度数据组中计算表示肝纤维化的发病情况的指标值,该计算基于下列复合指标值1到4的至少一个而被执行:
复合指标值1
(Asn)/(Thr)+(Gln)/(Tau+Ser+Val+Trp);
复合指标值2
(Asn+Tyr)/(Cit)+(Met+Arg)/(Asp+(α-ABA));
复合指标值3
(Tau+Gly)/(Gln)+(α-ABA)/(Asp+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);和
复合指标值4
(Tau+Trp)/(Tyr)+((α-ABA)+His)/(Asp+Asn);和
发病情况确定单元,用于基于由发病情况指标值计算单元计算出的发病情况指标值,确定表示肝纤维化进展的发病情况。
20.一种用于确定肝纤维化阶段的系统,其包括:
肝纤维化确定装置,用于处理关于肝纤维化的信息;和
关于代谢物的信息的提供者的信息终端,该信息终端通过网络被可通信地连接到肝纤维化确定装置;
其中,肝纤维化确定装置包括:
血液浓度数据获取单元,用于从信息终端获取针对每个个体中的每个代谢物测量的血液浓度数据组;
发病情况指标值计算单元,用于从由血液浓度数据获取单元获取的血液浓度数据组中计算表示肝纤维化的发病情况的指标值,该计算基于下列复合指标值1到4的至少一个而被执行:
复合指标值1
(Asn)/(Thr)+(Gln)/(Tau+Ser+Val+Trp);
复合指标值2
(Asn+Tyr)/(Cit)+(Met+Arg)/(Asp+(α-ABA));
复合指标值3
(Tau+Gly)/(Gln)+(α-ABA)/(Asp+Tyr)+(His)/(Lys)+(Trp)/(Thr+Asn+Cit);和
复合指标值4
(Tau+Trp)/(Tyr)中((α-ABA)+His)/(Asp+Asn);
发病情况确定单元,用于基于由发病情况指标值计算单元计算出的发病情况指标值,确定表示肝纤维化进展的发病情况;和
分析结果发送单元,用于把由发病情况确定单元确定的结果发送到为血液浓度数据组的发送者的信息终端,
其中信息终端包括:
发送单元,用于把血液浓度数据组发送到肝纤维化确定装置;和
接收单元,用于从肝纤维化确定装置中接收已由发送单元发送的血液浓度数据组的确定结果。
21.一种用于确定肝纤维化阶段的装置,其包括:
血液浓度数据获取单元,用于获取针对每个个体中的每个代谢物测量的血液浓度数据组;
复合指标值设置单元,用于设置用于计算表示肝纤维化的发病情况的指标值的复合指标值;
发病情况指标值计算单元,用于基于复合指标值设置单元设置的复合指标,从由血液浓度数据获取单元获取的血液浓度数据组中计算表示肝纤维化的发病情况的指标值;和
发病情况确定单元,用于基于由发病情况指标值计算单元计算的发病情况指标值,确定表示肝纤维化进展的发病情况,
其中复合指标值设置单元包括至少以下之一:
复合指标值1产生单元,用于产生复合指标值1,其包括单项或多项分数的总和,该分数的分子中有Asn和Gln的血液浓度数据的至少一个且分母中有Thr、Tau、Ser、Val和Trp的血液浓度数据的至少一个,其中,Met的血液浓度数据可以被添加到分子,且任何Ile、α-ABA和Asp的血液浓度数据可以被添加到分母;
复合指标值2产生单元,用于产生复合指标值2,其包括单项或多项分数的总和,该分数的分子中有Asn和Met的血液浓度数据的至少一个且分母中有α-ABA和Cit的血液浓度数据的至少一个,其中,任何Tyr和Arg的血液浓度数据可以被进一步添加到分子,且任何His、Thr、Trp、Asp和Glu的血液浓度数据可以被进一步添加到分母;
复合指标值3产生单元,用于产生复合指标值3,其包括单项或多项分数的总和,该分数的分子中有α-ABA、His、Gly、Trp和Tau的血液浓度数据的至少一个且分母中有Asn、Gln、Cit、Lys、Thr和Tyr的血液浓度数据的至少一个,其中,任何Met和Asp的血液浓度数据可以被进一步添加到分母;和
复合指标值4产生单元,用于产生复合指标值4,其包括单项或多项分数的总和,该分数的分子中有His和Trp的血液浓度数据的至少一个且分母中有Asn和Tyr的血液浓度数据的至少一个,其中,任何α-ABA和Tau的血液浓度数据可以被进一步添加到分子,且任何Met和Asp的血液浓度数据可以被进一步添加到分母。
22.一种用于确定肝纤维化阶段的系统,其包括:
肝纤维化确定装置,用于处理关于肝纤维化的信息;和
关于代谢物的信息的提供者的信息终端,该信息终端通过网络被可通信地连接到肝纤维化确定装置;
其中肝纤维化确定装置包括:
血液浓度数据获取单元,用于获取针对每个个体中的每个代谢物测量的血液浓度数据组;
复合指标值设置单元,用于设置用于计算表示肝纤维化的进展的发病情况的指标值的复合指标值;
发病情况指标值计算单元,用于从由血液浓度数据获取单元中获取的血液浓度数据组中计算表示肝纤维化的发病情况的指标值,该计算基于由复合指标值设置单元设置的复合指标值被执行;和发病情况确定单元,用于基于由发病情况指标值计算单元计算的发病情况指标值,确定表示肝纤维化进展的发病情况,
其中复合指标值设置单元包括至少以下之一:
复合指标值1产生单元,用于产生复合指标值1,其包括单项或多项分数的总和,该分数的分子中有Asn和Gln的血液浓度数据的至少一个且分母中有Thr、Tau、Ser、Val和Trp的血液浓度数据的至少一个,其中,Met的血液浓度数据可以被添加到分子,且任何Ile、α-ABA、和Asp的血液浓度数据可以被添加到分母;
复合指标值2产生单元,用于产生复合指标值2,其包括单项或多项分数的总和,该分数的分子中有Asn和Met的血液浓度数据的至少一个且分母中有α-ABA和Cit的血液浓度数据的至少一个,其中,任何Tyr和Arg的血液浓度数据可以被进一步添加到分子,且任何His、Thr、Trp、Asp和Glu的血液浓度数据可以被进一步添加到分母;
复合指标值3产生单元,用于产生复合指标值3,其包括单项或多项分数的总和,该分数的分子中有α-ABA、His、Gly、Trp和Tau的血液浓度数据的至少一个且分母中有Asn、Gln、Cit、Lys、Thr和Tyr的血液浓度数据的至少一个,其中,任何Met和Asp的血液浓度数据可以被进一步添加到分母;以及
复合指标值4产生单元,用于产生复合指标值4,其包括单项或多项组分数的总和,该分数的分子中有His和Trp的血液浓度数据的至少一个且分母中有Asn和Tyr的血液浓度数据的至少一个,其中,任何α-ABA和Tau的血液浓度数据可以被进一步添加到分子,且任何Met和Asp的血液浓度数据可以被进一步添加到分母;
其中信息终端包括:
发送单元,用于把血液浓度数据组发送到肝纤维化确定装置;和
接收单元,用于从肝纤维化确定装置中接收针对已经由该发送单元发送的血液浓度数据组的确定结果。
23.一种用于处理关于生物体情况的装置,其包括:
相关公式设置单元,用于设置由下列表示关于每个个体中测量的生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据之间的相关性的公式1表示的相关公式;
其中,每个i、j和k是自然数;每个Ai和Bj是血液中代谢物的浓度的数据或在血液中代谢物浓度中应用函数得到的值;且每个Ci、Di、Ej、Fj、Gk和H是常量;和
生物体情况模拟单元,用于通过把针对要被模拟的个体中的每个代谢物测量的血液浓度数据组代入到由相关公式设置单元设置的相关公式中,来模拟要被模拟的个体的生物体情况。
24.一种用于处理关于生物体情况的装置,其包括:
相关性确定单元,用于基于关于在每个个体中测量的生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据组,确定指标值数据与每个代谢物之间的相关性;
相关公式生成单元,用于在关于每个由相关性确定单元确定的代谢物的相关性的基础上并依照预定的计算方法,产生涉及该生物情况的多个代谢物的相关公式;和
优化单元,用于基于关于由相关公式生成单元确定的相关公式的生物体情况的指标值数据的相关系数来优化相关公式。
25.一种用于处理关于生物体情况的方法,其包括:
相关性确定步骤,用于基于关于在每个个体中测量的生物体情况的指标值数据和针对每个个体中的每个代谢物测量的血液浓度数据组,确定指标值数据与每个代谢物之间的相关性;
相关公式生成步骤,用于在关于每个由相关性确定步骤确定的代谢物的相关性的基础上并依照预定的计算方法,产生涉及该生物情况的多个代谢物的相关公式;和
优化步骤,用于基于关于由相关公式生成步骤确定的相关公式的生物体情况的指标值数据的相关系数,来优化相关公式。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP357042/2002 | 2002-12-09 | ||
JP2002357042 | 2002-12-09 | ||
JP205589/2003 | 2003-08-01 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1744850A CN1744850A (zh) | 2006-03-08 |
CN100502763C true CN100502763C (zh) | 2009-06-24 |
Family
ID=36139940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2003801095992A Expired - Lifetime CN100502763C (zh) | 2002-12-09 | 2003-12-09 | 生物体状态信息处理装置和其方法、以及生物体状态信息管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100502763C (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101272207B1 (ko) * | 2008-02-06 | 2013-06-07 | 아지노모토 가부시키가이샤 | 위암의 평가 방법, 및 위암 평가 장치, 위암 평가 방법, 위암 평가 시스템, 위암 평가 프로그램 및 기록 매체 |
WO2009154296A1 (ja) * | 2008-06-20 | 2009-12-23 | 味の素株式会社 | 女性生殖器癌の評価方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5687716A (en) * | 1995-11-15 | 1997-11-18 | Kaufmann; Peter | Selective differentiating diagnostic process based on broad data bases |
CN1275060A (zh) * | 1997-08-12 | 2000-11-29 | 诺金有限公司 | 肝功测试 |
-
2003
- 2003-12-09 CN CNB2003801095992A patent/CN100502763C/zh not_active Expired - Lifetime
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5687716A (en) * | 1995-11-15 | 1997-11-18 | Kaufmann; Peter | Selective differentiating diagnostic process based on broad data bases |
CN1275060A (zh) * | 1997-08-12 | 2000-11-29 | 诺金有限公司 | 肝功测试 |
Also Published As
Publication number | Publication date |
---|---|
CN1744850A (zh) | 2006-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100686910B1 (ko) | 생체 상태 정보 처리 장치, 생체 상태 정보 처리 방법, 생체 상태 정보 관리 시스템 및 기록 매체 | |
Abriata et al. | Assessment of hard target modeling in CASP12 reveals an emerging role of alignment‐based contact prediction methods | |
Prieto-Martínez et al. | Molecular docking: current advances and challenges | |
Eswar et al. | Tools for comparative protein structure modeling and analysis | |
Lewis et al. | Genome3D: a UK collaborative project to annotate genomic sequences with predicted 3D structures based on SCOP and CATH domains | |
CN106796620A (zh) | 用于解释和报告基于序列的基因测试的方法和系统 | |
Bray et al. | The CATH Dictionary of Homologous Superfamilies (DHS): a consensus approach for identifying distant structural homologues | |
Ramlal et al. | From molecules to patients: the clinical applications of biological databases and electronic health records | |
Liu et al. | Proteome-wide prediction of self-interacting proteins based on multiple properties | |
Hung et al. | PROTINFO: secondary and tertiary protein structure prediction | |
Lemieux | Eukaryotic major facilitator superfamily transporter modeling based on the prokaryotic GlpT crystal structure | |
O’Brien et al. | A Bayesian approach to inferring the phylogenetic structure of communities from metagenomic data | |
Nguyen et al. | Multiple biological sequence alignment: scoring functions, algorithms and evaluation | |
Wang et al. | Web-based quantitative structure–activity relationship resources facilitate effective drug discovery | |
Kleywegt et al. | Structural biology data archiving–where we are and what lies ahead | |
Venkatraman et al. | Drugsniffer: an open source workflow for virtually screening billions of molecules for binding affinity to protein targets | |
CN100502763C (zh) | 生物体状态信息处理装置和其方法、以及生物体状态信息管理系统 | |
Abakarova et al. | Alignment-based protein mutational landscape prediction: doing more with less | |
JPWO2003017138A1 (ja) | 生物配列情報の閲覧及び保存方法 | |
Sommer et al. | Visualization and Analysis of a Cardio Vascular Diseaseand MUPP1-related Biological Network combining Text Mining and Data Warehouse Approaches | |
Agapito et al. | Comprehensive pathway enrichment analysis workflows: COVID-19 case study | |
Solis | Deriving high-resolution protein backbone structure propensities from all crystal data using the information maximization device | |
Lesk et al. | Database annotation in molecular biology | |
Kifer et al. | Protein structure prediction using a docking‐based hierarchical folding scheme | |
Xu et al. | Common network pharmacology databases |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CX01 | Expiry of patent term |
Granted publication date: 20090624 |
|
CX01 | Expiry of patent term |