CN109661578B - 用于区分细菌和病毒感染的蛋白质特征 - Google Patents

用于区分细菌和病毒感染的蛋白质特征 Download PDF

Info

Publication number
CN109661578B
CN109661578B CN201780055014.5A CN201780055014A CN109661578B CN 109661578 B CN109661578 B CN 109661578B CN 201780055014 A CN201780055014 A CN 201780055014A CN 109661578 B CN109661578 B CN 109661578B
Authority
CN
China
Prior art keywords
infection
subject
pct
trail
bacterial
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.)
Active
Application number
CN201780055014.5A
Other languages
English (en)
Other versions
CN109661578A (zh
Inventor
E.艾登
K.奥维
A.科恩-多坦
R.纳冯
O.博伊科
G.科伦恩菲德
M.帕兹
E.巴姆贝格
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Memed Diagnostics Ltd
Original Assignee
Memed Diagnostics Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Memed Diagnostics Ltd filed Critical Memed Diagnostics Ltd
Publication of CN109661578A publication Critical patent/CN109661578A/zh
Application granted granted Critical
Publication of CN109661578B publication Critical patent/CN109661578B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/569—Immunoassay; Biospecific binding assay; Materials therefor for microorganisms, e.g. protozoa, bacteria, viruses
    • G01N33/56911—Bacteria
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/30—Unsupervised data analysis
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K14/00—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof
    • C07K14/435—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof from animals; from humans
    • C07K14/52—Cytokines; Lymphokines; Interferons
    • C07K14/525—Tumour necrosis factor [TNF]
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K14/00—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof
    • C07K14/435—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof from animals; from humans
    • C07K14/52—Cytokines; Lymphokines; Interferons
    • C07K14/54—Interleukins [IL]
    • C07K14/5412—IL-6
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K14/00—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof
    • C07K14/435—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof from animals; from humans
    • C07K14/52—Cytokines; Lymphokines; Interferons
    • C07K14/555—Interferons [IFN]
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K14/00—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof
    • C07K14/435—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof from animals; from humans
    • C07K14/575—Hormones
    • C07K14/57527—Calcitonin gene related peptide
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K16/00—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies
    • C07K16/12—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from bacteria
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K16/00—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies
    • C07K16/18—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K16/00—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies
    • C07K16/18—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans
    • C07K16/24—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against cytokines, lymphokines or interferons
    • C07K16/241—Tumor Necrosis Factors
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K16/00—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies
    • C07K16/18—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans
    • C07K16/24—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against cytokines, lymphokines or interferons
    • C07K16/244—Interleukins [IL]
    • C07K16/248—IL-6
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K16/00—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies
    • C07K16/18—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans
    • C07K16/24—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against cytokines, lymphokines or interferons
    • C07K16/249—Interferons
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K16/00—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies
    • C07K16/18—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans
    • C07K16/26—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against hormones ; against hormone releasing or inhibiting factors
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K16/00—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies
    • C07K16/18—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans
    • C07K16/28—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against receptors, cell surface antigens or cell surface determinants
    • C07K16/2803—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against receptors, cell surface antigens or cell surface determinants against the immunoglobulin superfamily
    • C07K16/2818—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against receptors, cell surface antigens or cell surface determinants against the immunoglobulin superfamily against CD28 or CD152
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K16/00—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies
    • C07K16/18—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans
    • C07K16/28—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against receptors, cell surface antigens or cell surface determinants
    • C07K16/2875—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against receptors, cell surface antigens or cell surface determinants against the NGF/TNF superfamily, e.g. CD70, CD95L, CD153, CD154
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
    • G01N33/5091—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing the pathological state of an organism
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/52—Use of compounds or compositions for colorimetric, spectrophotometric or fluorometric investigation, e.g. use of reagent paper and including single- and multilayer analytical elements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/531—Production of immunochemical test materials
    • G01N33/532—Production of labelled immunochemicals
    • G01N33/535—Production of labelled immunochemicals with enzyme label or co-enzymes, co-factors, enzyme inhibitors or enzyme substrates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/543—Immunoassay; Biospecific binding assay; Materials therefor with an insoluble carrier for immobilising immunochemicals
    • G01N33/54306—Solid-phase reaction mechanisms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/543—Immunoassay; Biospecific binding assay; Materials therefor with an insoluble carrier for immobilising immunochemicals
    • G01N33/544—Immunoassay; Biospecific binding assay; Materials therefor with an insoluble carrier for immobilising immunochemicals the carrier being organic
    • G01N33/545—Synthetic resin
    • G01N33/547—Synthetic resin with antigen or antibody attached to the carrier via a bridging agent
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/577—Immunoassay; Biospecific binding assay; Materials therefor involving monoclonal antibodies binding reaction mechanisms characterised by the use of monoclonal antibodies; monoclonal antibodies per se are classified with their corresponding antigens
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/58—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving labelled substances
    • G01N33/581—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving labelled substances with enzyme label (including co-enzymes, co-factors, enzyme inhibitors or substrates)
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/58—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving labelled substances
    • G01N33/582—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving labelled substances with fluorescent label
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/58—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving labelled substances
    • G01N33/60—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving labelled substances involving radioactive labelled substances
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6863—Cytokines, i.e. immune system proteins modifying a biological response such as cell growth proliferation or differentiation, e.g. TNF, CNF, GM-CSF, lymphotoxin, MIF or their receptors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6863—Cytokines, i.e. immune system proteins modifying a biological response such as cell growth proliferation or differentiation, e.g. TNF, CNF, GM-CSF, lymphotoxin, MIF or their receptors
    • G01N33/6869—Interleukin
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/20—Supervised data analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/52—Assays involving cytokines
    • G01N2333/525—Tumor necrosis factor [TNF]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/52—Assays involving cytokines
    • G01N2333/54—Interleukins [IL]
    • G01N2333/5412—IL-6
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/52—Assays involving cytokines
    • G01N2333/555—Interferons [IFN]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/575—Hormones
    • G01N2333/5753—Calcitonin gene related peptide
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/575—Hormones
    • G01N2333/585—Calcitonins
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/705—Assays involving receptors, cell surface antigens or cell surface determinants
    • G01N2333/70578—NGF-receptor/TNF-receptor superfamily, e.g. CD27, CD30 CD40 or CD95
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/705—Assays involving receptors, cell surface antigens or cell surface determinants
    • G01N2333/70596—Molecules with a "CD"-designation not provided for elsewhere in G01N2333/705
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/705—Assays involving receptors, cell surface antigens or cell surface determinants
    • G01N2333/715—Assays involving receptors, cell surface antigens or cell surface determinants for cytokines; for lymphokines; for interferons
    • G01N2333/7155—Assays involving receptors, cell surface antigens or cell surface determinants for cytokines; for lymphokines; for interferons for interleukins [IL]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/90—Enzymes; Proenzymes
    • G01N2333/902—Oxidoreductases (1.)
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/90—Enzymes; Proenzymes
    • G01N2333/914—Hydrolases (3)
    • G01N2333/916—Hydrolases (3) acting on ester bonds (3.1), e.g. phosphatases (3.1.3), phospholipases C or phospholipases D (3.1.4)
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2469/00—Immunoassays for the detection of microorganisms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/12—Pulmonary diseases
    • G01N2800/122—Chronic or obstructive airway disorders, e.g. asthma COPD
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/26—Infectious diseases, e.g. generalised sepsis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/60—Complex ways of combining multiple protein biomarkers for diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Molecular Biology (AREA)
  • Hematology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Urology & Nephrology (AREA)
  • Biochemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Organic Chemistry (AREA)
  • Biotechnology (AREA)
  • Cell Biology (AREA)
  • Analytical Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Biophysics (AREA)
  • Food Science & Technology (AREA)
  • Microbiology (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Genetics & Genomics (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Gastroenterology & Hepatology (AREA)
  • Zoology (AREA)
  • Toxicology (AREA)
  • Databases & Information Systems (AREA)
  • Bioethics (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)

Abstract

本发明公开了诊断感染的方法。在一个实施方案中，所述方法包括测量多肽TRAIL、CRP、IP10中的每一种和选自IL‑6和PCT的至少一种其它多肽的量。

Description

用于区分细菌和病毒感染的蛋白质特征
相关申请
本申请要求享有于2016年7月10日提交的美国临时专利申请号62/360,418的优先权的权益，其内容通过引用以其整体并入本文。
发明领域和背景
在本发明的一些实施方案中，本发明涉及与细菌和病毒感染相关的特征(signatures)和决定子(determinants)的鉴定。更具体地，发现某些蛋白决定子在患有细菌和病毒感染的受试者中以统计学显著的方式差异表达。
抗生素是世界上最常用的一类处方药物，具有250-300亿美元的全球市场。抗生素也是世界上滥用最多的药物，其中全部药物的很大一部分(40-70％)被错误地开具处方。
一种类型的抗生素滥用是在非细菌性疾病(诸如病毒感染；其中抗生素是无效的)的情况下施用药物。例如，根据美国疾病控制与预防中心CDC，在美国每年给出超过6000万个错误的抗生素处方用于治疗流感。抗生素处方过量的保健和经济后果包括：(i)全球不必要开具的抗生素成本，估计每年超过100亿美元；(ii)因不必要的抗生素治疗而产生的副作用，其降低了保健质量，引起并发症和延长的住院治疗(例如过敏反应，抗生素相关性腹泻，肠道酵母等)和(iii)因过度使用而出现的细菌耐药菌株。
微生物病原体对抗生素的抗性正在世界范围内以增速增加(“CDC - Get Smart:Fast Facts About Antibiotic Resistance”2013；“European Surveillance ofAntimicrobial Consumption Network (ESAC-Net)”2014；“CDC - About AntimicrobialResistance”2013；“Threat Report 2013 | Antimicrobial Resistance | CDC”2013)，并具有与抗生素抗性病原体引起的感染相关的发病率和死亡率的同时增加(“Threat Report2013 | Antimicrobial Resistance | CDC”2013)。仅在美国，每年至少有200万人感染抗生素抗性细菌，并且这些感染直接造成至少23,000人死亡(“Threat Report 2013 |Antimicrobial Resistance | CDC”2013)。在欧盟，估计每年有400,000名患者出现耐药细菌菌株，其中有25,000名患者死亡(“WHO Europe -Dataand Statistics”2014)。因此，世界卫生组织已经警告，治疗覆盖将在10年内不足，使世界面临进入“抗生素后时代”的风险，其中抗生素将不再对传染病有效(“WHO | Antimicrobial Resistance”2013)。CDC将这一现象视为“在21世纪世界上最紧迫的健康问题之一”(“CDC - About AntimicrobialResistance”2013)。
抗生素处方不足也不少见。例如，在美国，高达15％的成人细菌性肺炎住院患者接受了延迟的Abx治疗或无Abx治疗，尽管在这些情况下，早期治疗可以挽救生命并减少并发症。
传染病诊断技术具有减少与抗生素滥用相关的相关健康和经济负担的潜力。理想情况下，这种技术应该：(i)准确区分细菌和病毒感染；(ii)是快速的(在几分钟内)；(iii)能够区致病菌和分作为身体自然菌群一部分的非致病菌；(iv)区分混合的共感染和纯病毒感染；和(v)可适用于无法获得病原体的病例(如窦炎、肺炎、中耳炎、支气管炎等)。
循环的宿主蛋白通常用于支持感染的诊断(例如IL-6、PCT和CRP)。然而，这些标记物对患者间的变异性是敏感的，包括从症状发作起的时间、临床综合症状和病原体物种[1-6]。例如，多项研究发现降钙素原对于指导抗微生物疗法持续时间和预测疾病严重程度是有价值的[7-9]，然而，其检测细菌病原学(在例如败血症和肺炎的情况中)的诊断准确性受到了挑战[1,10-13]。CRP水平升高提示了细菌感染[14]，但是在具有某些病毒株(如腺病毒和流感)和炎性疾病的患者中可观察到相似的水平[15]。这些蛋白质的组合导致超出单个蛋白质的有限到中等的诊断改善，可能是因为它们共享生物学通路，并且因此固有地对相同的因子敏感。
为了克服这一点，本发明人先前已经开发了用于区分细菌和病毒感染的多蛋白特征[16]。所述特征包括病毒和细菌诱导的蛋白质(TRAIL [TNF相关的凋亡诱导配体]、CRP[C-反应蛋白质]、IP-10 [干扰素γ-诱导的蛋白质-10]-TCP特征)。当在患者的异质组中进行测试时，在包括1002名呈现各种急性感染状况的受试者的临床研究中，TCP特征展示了92％±4的灵敏度和89％±3的特异性[16]。
正确鉴定细菌患者是非常重要的，因为这些患者需要抗生素治疗，并且在某些情况下需要更积极的管理(住院治疗、额外的诊断测试等)。细菌患者的误分类增加了发病率和死亡率的几率。因此，需要增加区分细菌和病毒感染的诊断测试的灵敏度，即使以降低特异性为代价。
另外的背景技术包括美国专利申请号20080171323、WO2011/132086和WO2013/117746。
发明概述
根据本发明一些实施方案的一个方面，在此提供了区分受试者中的慢性阻塞性肺病(COPD)的感染性恶化状态和非感染性恶化状态的方法，所述方法包括在源自所述受试者的样品中测量选自以下的至少两种多肽的量：TNF相关凋亡诱导配体(TRAIL)、C反应蛋白(CRP)、干扰素γ-诱导蛋白10 (IP10)、白细胞介素6 (IL-6)和降钙素原(PCT)，其中所述量指示COPD的恶化状态。
根据本发明一些实施方案的一个方面，在此提供了区分败血症和非感染性全身炎症反应综合征(SIRS)的方法，其包括在源自所述受试者的样品中测量选自以下的至少两种多肽的量：TNF相关凋亡诱导配体(TRAIL)、C反应蛋白(CRP)、干扰素γ-诱导蛋白10(IP10)、白细胞介素6 (IL-6)和降钙素原(PCT)，其中所述量指示败血症或非感染性SIRS。
根据本发明的一些实施方案的一个方面，在此提供了在怀疑具有感染的受试者中划入败血症的方法，其包括：
(a) 在源自受试者的样品中测量选自以下的至少两种多肽的量：TNF相关凋亡诱导配体(TRAIL)、C反应蛋白(CRP)、干扰素γ-诱导蛋白10 (IP10)、白细胞介素6 (IL-6)和降钙素原(PCT)；
(b) 测量受试者的呼吸频率；
(c) 分析所述受试者的精神状态；和
(d) 测量受试者的血压；
其中当每个步骤提供指示败血症的结果时，划入败血症。
根据本发明的一些实施方案的一个方面，在此提供了分析生物学数据的方法，所述方法包括：
获得含有受试者血液中至少以下的表达水平的生物学数据：TNF相关凋亡诱导配体(TRAIL)、C反应蛋白(CRP)、干扰素γ诱导蛋白-10 (IP-10)和白细胞介素6 (IL-6)；
对TRAIL、CRP、IP-10的表达水平应用非线性多项逻辑回归，以提供计算得分；
计算曲线区段和由方向定义的轴之间的距离，所述距离在由沿着所述方向的坐标δ定义的曲线上的点计算；和
将所述距离与所述受试者具有细菌感染的存在、不存在，或可能性相关联；
其中所述区段的至少90％位于下界线f(δ)-ε0和上界线f(δ)+ε1之间，其中f(δ)等于1/(1+exp(-δ))，其中坐标δ一旦计算则等于a0+a1X+a2Y，其中X是计算得分的值，且Y是以pg/ml计的IL-6的值，其中ε0和ε1中的每一个小于0.5，并且其中a0是约2.75至约3.40，a1是约4.5至约5.5，并且a2是约0.0044至约0.0055。
根据本发明的一些实施方案的一个方面，在此提供了分析生物学数据的方法，所述方法包括：
获得含有受试者血液中至少以下的表达水平的生物学数据：TNF相关凋亡诱导配体(TRAIL)、C反应蛋白(CRP)、干扰素γ诱导蛋白-10 (IP-10)和降钙素原(PCT)；
对TRAIL、CRP、IP-10的表达水平应用非线性多项逻辑回归，以提供计算得分；
计算曲线区段和由方向定义的轴之间的距离，所述距离在由沿着所述方向的坐标δ定义的曲线上的点计算；和
将所述距离与所述受试者具有细菌感染的存在、不存在，或可能性相关联；
其中所述区段的至少90％位于下界线f(δ)-ε0和上界线f(δ)+ε1之间，其中f(δ)等于1/(1+exp(-δ))，其中坐标δ一旦计算则等于a0+a1X+a2Y，其中X是计算得分的值，且Y是以μg/L计的PCT的值，其中ε0和ε1中的每一个小于0.5，并且其中a0是约2.70至约3.30，a1是约4.55至约5.60，并且a2是约0.176至约0.215。
根据本发明的一些实施方案的一个方面，在此提供了分析生物学数据的方法，所述方法包括：
获得含有受试者血液中的C反应蛋白(CRP)、白细胞介素6 (IL-6)和TNF相关凋亡诱导配体(TRAIL)的表达水平的生物学数据；
计算曲线区段和由方向定义的轴之间的距离，所述距离在由沿着所述方向的坐标δ定义的曲线上的点计算；和
将所述距离与所述受试者具有细菌感染的存在、不存在，或可能性相关联；
其中所述区段的至少90％位于下界线f(δ)-ε0和上界线f(δ)+ε1之间，其中f(δ)等于1/(1+exp(-δ))，其中坐标δ一旦计算则等于a0+a1X+a2Y+a3Z，其中X是μg/ml计的CRP的值，Y是以pg/ml计的IL-6的值且Z是以pg/ml计的TRAIL的值，其中ε0和ε1中的每一个小于0.5，并且其中a0是约-1.05至约-0.85，a1是约0.025至约0.032，a2是约0.004至约0.006，并且a3是约-0.022至约-0.017。
根据本发明的一些实施方案的一个方面，在此提供了分析生物学数据的方法，所述方法包括：
获得含有受试者血液中的C反应蛋白(CRP)、降钙素原(PCT)和TNF相关凋亡诱导配体(TRAIL)的表达水平的生物学数据；
计算曲线区段和由方向定义的轴之间的距离，所述距离在由沿着所述方向的坐标δ定义的曲线上的点计算；和
将所述距离与所述受试者具有细菌感染的存在、不存在，或可能性相关联；
其中所述区段的至少90％位于下界线f(δ)-ε0和上界线f(δ)+ε1之间，其中f(δ)等于1/(1+exp(-δ))，其中坐标δ一旦计算则等于a0+a1X+a2Y+a3Z，其中X是μg/ml计的CRP的值，Y是以μg/L计的PCT的值且Z是以pg/ml计的TRAIL的值，其中ε0和ε1中的每一个小于0.5，并且其中a0是约-0.60至约-0.48，a1是约0.024至约0.31，a2是约0.13至约0.16，并且a3是约-0.025至约-0.019。
根据本发明的一些实施方案的一个方面，在此提供了分析生物学数据的方法，所述方法包括：
获得含有受试者血液中的干扰素γ诱导蛋白-10 (IP-10)、降钙素原(PCT)和TNF相关凋亡诱导配体(TRAIL)的表达水平的生物学数据；
计算曲线区段和由方向定义的轴之间的距离，所述距离在由沿着所述方向的坐标δ定义的曲线上的点计算；和
将所述距离与所述受试者具有细菌感染的存在、不存在，或可能性相关联；
其中所述区段的至少90％位于下界线f(δ)-ε0和上界线f(δ)+ε1之间，其中f(δ)等于1/(1+exp(-δ))，其中坐标δ一旦计算则等于a0+a1X+a2Y+a3Z，其中X是μg/ml计的IP-10的值，Y是以μg/L计的PCT的值且Z是以pg/ml计的TRAIL的值，其中ε0和ε1中的每一个小于0.5，并且其中a0是约1.42至约1.75，a1是约0.00024至约0.00031，a2是约0.23至约0.29，并且a3是约-0.038至约-0.030。
根据本发明的一些实施方案的一个方面，在此提供了分析生物学数据的方法，所述方法包括：
获得含有受试者血液中至少以下的表达水平的生物学数据：TNF相关凋亡诱导配体(TRAIL)、C反应蛋白(CRP)、干扰素γ诱导蛋白-10 (IP-10)、白细胞介素6 (IL-6)和降钙素原(PCT)；
对TRAIL、CRP、IP-10的表达水平应用非线性多项逻辑回归，以提供计算得分；
计算曲线区段和由方向定义的轴之间的距离，所述距离在由沿着所述方向的坐标δ定义的曲线上的点计算；和
将所述距离与所述受试者具有细菌感染的存在、不存在，或可能性相关联；
其中所述区段的至少90％位于下界线f(δ)-ε0和上界线f(δ)+ε1之间，其中f(δ)等于1/(1+exp(-δ))，其中坐标δ一旦计算则等于a0+a1X+a2Y+a3Z，其中X是计算得分的值，Y是以pg/ml计的IL-6的值且Z是以μg/L计的PCT的值，其中ε0和ε1中的每一个小于0.5，并且其中a0是约-3.48至约-2.84，a1是约4.40至约5.39，a2是约0.0041至约0.0051，并且a3是约0.14至约0.18。
根据本发明的一些实施方案的一个方面，在此提供了分析生物学数据的方法，所述方法包括：
获得含有受试者血液中的C反应蛋白(CRP)、白细胞介素6 (IL-6)、降钙素原(PCT)和TNF相关凋亡诱导配体(TRAIL)的表达水平的生物学数据；
计算曲线区段和由方向定义的轴之间的距离，所述距离在由沿着所述方向的坐标δ定义的曲线上的点计算；和
将所述距离与所述受试者具有细菌感染的存在、不存在，或可能性相关联；
其中所述区段的至少90％位于下界线f(δ)-ε0和上界线f(δ)+ε1之间，其中f(δ)等于1/(1+exp(-δ))，其中坐标δ一旦计算则等于a0+a1X+a2Y+a3Z+a4T，其中X是以μg/ml计的CRP的值，Y是以pg/ml计的IL-6的值，Z是以μg/L计的PCT的值且T是以pg/ml计的TRAIL的值，其中ε0和ε1中的每一个小于0.5，并且其中a0是约-1.13至约-0.92，a1是约0.025至约0.031，a2是约0.0045至约0.0055，a3是约0.098至约0.13，并且a4是约-0.021至约-0.016。
根据本发明的一些实施方案的一个方面，在此提供了分析生物学数据的方法，所述方法包括：
获得含有受试者血液中的白细胞介素6 (IL-6)、干扰素γ诱导蛋白-10 (IP-10)、降钙素原(PCT)和TNF相关凋亡诱导配体(TRAIL)的表达水平的生物学数据；
计算曲线区段和由方向定义的轴之间的距离，所述距离在由沿着所述方向的坐标δ定义的曲线上的点计算；和
将所述距离与所述受试者具有细菌感染的存在、不存在，或可能性相关联；
其中所述区段的至少90％位于下界线f(δ)-ε0和上界线f(δ)+ε1之间，其中f(δ)等于1/(1+exp(-δ))，其中坐标δ一旦计算则等于a0+a1X+a2Y+a3Z+a4T，其中X是以pg/ml计的IL-6的值，Y是以pg/ml计的IP-10的值，Z是以μg/L计的PCT的值且T是以pg/ml计的TRAIL的值，其中ε0和ε1中的每一个小于0.5，并且其中a0是约1.029至约1.258，a1是约0.0049至约0.0060，a2是约0.00013至约0.00017，a3是约0.19至约0.24，并且a4是约-0.033至约-0.027。
根据本发明的一些实施方案的一个方面，在此提供了分析生物学数据的方法，所述方法包括：
获得含有受试者血液的C反应蛋白(CRP)、白细胞介素6 (IL-6)、干扰素γ诱导蛋白-10 (IP-10)、降钙素原(PCT)和TNF相关凋亡诱导配体(TRAIL)的表达水平的生物学数据；
计算曲线区段和由方向定义的轴之间的距离，所述距离在由沿着所述方向的坐标δ定义的曲线上的点计算；和
将所述距离与所述受试者具有细菌感染的存在、不存在，或可能性相关联；
其中所述区段的至少90％位于下界线f(δ)-ε0和上界线f(δ)+ε1之间，其中f(δ)等于1/(1+exp(-δ))，其中坐标δ一旦计算则等于a0+a1X+a2Y+a3Z+a4T+a5W，其中X是以μg/L计的CRP的值，其中Y是以pg/ml计的IL-6的值，Z是以pg/ml计的IP-10的值，T是以μg/L计的PCT的值且W是以pg/ml计的TRAIL的值，其中ε0和ε1中的每一个小于0.5，并且其中a0是约-3.08至约-2.52，a1是约0.10至约0.13，a2是约0.038至约0.047，a3是约0.008至约0.010，a4是约-0.17至约-0.13，并且a5是约0.0044至约0.0054。
根据本发明一些实施方案的一个方面，在此提供了诊断受试者中的感染类型的方法，其包括在源自所述受试者的样品中测量选自TRAIL、CRP、IP10、IL-6和PCT中的至少两种多肽的量，其中所述样品源自症状发作后不超过两天的受试者，其中所述量指示感染类型。
根据本发明一些实施方案的一个方面，在此提供了诊断受试者中感染的方法，其包括在源自受试者的样品中测量多肽TRAIL、CRP、IP10中的每一种和选自IL-6和PCT的至少一种其它多肽的量，其中所述量指示了感染。
根据本发明一些实施方案的一个方面，在此提供了诊断受试者中感染的方法，其包括在源自受试者的样品中测量多肽TRAIL、CRP和IL-6中每一种的量，其中所述量指示了感染。
根据本发明的一些实施方案的一个方面，在此提供了用于诊断感染的试剂盒，其包括：
(i) 特异性检测TRAIL的抗体；
(ii) 特异性检测IP10的抗体；
(iii) 特异性检测CRP的抗体；和
(iv) 至少一种特异性检测IL-6或PCT的其它抗体。
根据本发明的一些实施方案的一个方面，在此提供了用于诊断感染的试剂盒，其包括：
(i) 特异性检测TRAIL的抗体；
(ii) 特异性检测IL-6的抗体；
(iii) 特异性检测CRP的抗体；和
(iv) 至少一种特异性检测IP10或PCT的其它抗体。
根据本发明的一些实施方案，步骤(a)在步骤(b)、(c)和(d)之前进行。
根据本发明的一些实施方案，步骤(a)在步骤(b)、(c)和(d)之后进行。
根据本发明的一些实施方案，所述至少两种多肽包括TNF相关的凋亡诱导配体(TRAIL)、C反应蛋白(CRP)和干扰素γ诱导的蛋白10 (IP10)中的每一种。
根据本发明的一些实施方案，所述至少两种多肽包括TNF相关凋亡诱导配体(TRAIL)、C反应蛋白(CRP)、干扰素γ诱导蛋白10 (IP10)、白细胞介素6 (IL-6)和降钙素原(PCT)中的每一种。
根据本发明的一些实施方案，当TRAIL的量低于预定水平，CRP的量高于预定水平，IP-10的量低于预定水平，PCT的量高于预定水平并且IL-6的量高于预定水平时，受试者被诊断为患有败血症。
根据本发明的一些实施方案，所述至少两种多肽包括TNF相关的凋亡诱导配体(TRAIL)、C反应蛋白(CRP)和干扰素γ诱导的蛋白10 (IP10)中的每一种。
根据本发明的一些实施方案，所述至少两种多肽包括TNF相关凋亡诱导配体(TRAIL)、C反应蛋白(CRP)、干扰素γ诱导蛋白10 (IP10)、白细胞介素6 (IL-6)和降钙素原(PCT)中的每一种。
根据本发明的一些实施方案，所述样品源自症状发作后不超过一天的受试者。
根据本发明的一些实施方案，所述至少两种多肽包括TNF相关的凋亡诱导配体(TRAIL)、C反应蛋白(CRP)和干扰素γ诱导的蛋白10 (IP10)中的每一种。
根据本发明的一些实施方案，所述至少两种多肽包括TNF相关的凋亡诱导配体(TRAIL)、C反应蛋白(CRP)和降钙素原(PCT)中的每一种。
根据本发明的一些实施方案，所述至少两种多肽包括TNF相关凋亡诱导配体(TRAIL)、C反应蛋白(CRP)、干扰素γ诱导蛋白10 (IP10)、白细胞介素6 (IL-6)和降钙素原(PCT)中的每一种。
根据本发明的一些实施方案，当IL-6和PCT的浓度超过阈值水平时，将其考虑在内，否则不考虑在内。
根据本发明的一些实施方案，使用算法实现诊断，其中IL-6和PCT的权重随着其浓度增加而增加。
根据本发明的一些实施方案，所述方法包括测量样品中多肽TRAIL、CRP、IP10、IL-6和PCT的每一种的量。
根据本发明的一些实施方案，当TRAIL的量低于预定水平，CRP的量高于预定水平，IP-10的量低于预定水平并且IL-6的量高于预定水平时，所述感染是细菌感染，或当TRAIL的量低于预定水平，CRP的量高于预定水平，IP-10的量低于预定水平并且PCT的量高于预定水平时，所述感染是细菌感染。
根据本发明的一些实施方案，当TRAIL的量低于预定水平，CRP的量高于预定水平，IP-10的量低于预定水平，PCT的量高于预定水平并且IL-6的量高于预定水平时，所述感染是细菌感染。
根据本发明的一些实施方案，所述样品源自症状发作后不超过两天的受试者。
根据本发明的一些实施方案，当TRAIL的量低于预定水平，CRP的量高于预定水平并且IL-6的量高于预定水平时，所述感染是细菌感染。
根据本发明的一些实施方案，当TRAIL的量高于预定水平，CRP的量低于预定水平并且IL-6的量低于预定水平时，所述感染是病毒感染。
根据本发明的一些实施方案，所述方法还包括测量IP10或PCT的量。
根据本发明的一些实施方案，所述方法还包括测量IP10和PCT的量。
根据本发明的一些实施方案，所述方法还包括测量表2中列出的至少一种多肽的量。
根据本发明的一些实施方案，所述感染是病毒感染、细菌感染或混合感染。
根据本发明的一些实施方案，所述感染是败血症。
根据本发明的一些实施方案，测量不超过20种多肽。
根据本发明的一些实施方案，测量不超过5种多肽，与具有病毒感染的受试者相比，所述多肽在具有细菌感染的受试者中以统计学上显著的方式差异表达。
根据本发明的一些实施方案，所述样品是全血或其级分。
根据本发明的一些实施方案，血液级分样品包含选自淋巴细胞、单核细胞和粒细胞的细胞。
根据本发明的一些实施方案，血液级分样品包含血清或血浆。
根据本发明的一些实施方案，试剂盒包含特异性检测TRAIL、IP10、CRP、IL-6和PCT的抗体。
根据本发明的一些实施方案，所述抗体连接至可检测部分。
根据本发明的一些实施方案，所述抗体连接至固体支持物。
根据本发明的一些实施方案，所述试剂盒包含特异性检测不超过10种多肽的抗体。
根据本发明的一些实施方案，所述试剂盒包含特异性检测不超过5种多肽的抗体。
根据本发明的一些实施方案，每种另外的抗体包含可检测的标记，其选自放射性标记、荧光标记、化学发光标记、比色标记和酶。
根据本发明的一些实施方案，酶是辣根过氧化物酶或碱性磷酸酶。
根据本发明的一些实施方案，每种抗体是单克隆抗体。
根据本发明的一些实施例，应用非线性多项逻辑回归包括计算概率分类函数的值，其一旦计算，约等于exp(ξ)/(1+EXP(ξ)+EXP(η))，其中ξ=b0+b1P+b2P0.5+b3P2+b4Q+b5R+b6R0.5且η=c0+c1P+c2P0.5+c3P2+c4Q+c5R+c6R0.5，其中P是CRP的值，Q是IP-10的值，并且R是TRAIL的值，并且其中b0是约4.96至约6.1，b1是约-0.07至约-0.05，b2是约1.33至约1.64，b3是约0.000031至约0.000039，b4是约0.007至约0.010，b5是约0.055至约0.071，b6是约1.62至约1.98，c0是约-0.93至约-0.75，c1是约-0.054至约-0.044，c2是约1.02至约1.25，c3是约-0.000057至约-0.000046，c4是约0.0080至约0.0098，c5是约0.036至约0.045和c6是约0.054至约0.066。
除非另有定义，本文所使用的所有技术和/或科学术语具有与本发明所属领域普通技术人员之一通常理解的相同含义。尽管在本发明的实施方案的实践或测试中可以使用与本文中描述的那些类似或等同的方法和材料，但下面描述示例性方法和/或材料。如有冲突，以专利说明书，包括定义为准。此外，材料、方法和实施例仅是说明性的并且无意构成必要限制。
附图的几个视角的简述
本专利或申请文件包含至少一幅彩图。具有彩色附图的本专利或专利申请公布的拷贝将在请求并支付必要的费用后由专利局提供。
在本文中参考附图仅作为实例描述本发明的一些实施方案。现在详细地具体参考附图，要强调，所示细节是举例方式并且用于说明性论述本发明的实施方案。在这方面，附图描述使本领域技术人员清楚如何实施本发明的实施方案。
在附图中：
图1：临床研究工作流程。
图2：参加临床研究的传染病患者的年龄和性别分布(N=948)。
图3：参加临床研究的传染病患者的生理系统的分布。
图4：参加临床研究的传染病患者的主要临床综合症状的分布。
图5：参加临床研究的传染病患者的最高体温的分布。
图6：参加临床研究的传染病患者的从症状开始起的时间的分布。
图7：从参加临床研究的传染病患者中分离的病原体。
图8A-F：蛋白质时间动态学 - 以蓝色“x”(病毒)和红色“x”(细菌)描绘的在症状发作后不同时间，在患者中测量的蛋白质血清水平。平均血清水平用实线表示。显示以下蛋白质的动力学：(A) CRP；(B) IL-6；(C) IP-10；(D) PCT；(E) TRAIL；(F) TCP特征。
图9：细菌诱导的生物标记物的时间动态学。在症状发作后不同时间，从细菌感染患者的血清样品测量IL-6、PCT和CRP的平均水平。
图10A-B。Fuzzy OR模型曲面图。Fuzzy OR模型的输出是细菌感染的可能性，其为TCP特征(y轴)和IL-6浓度(以pg/ml计)的函数。A. 这个实例描述了呈现在下文的“使用Fuzzy OR模型生成用于区分细菌和病毒患者的改进特征”部分中的“Fuzzy OR公式＃5”，其使用250 pg/ml的IL-6截止值和10的希尔系数(Hill coefficient)。B. 图中描绘的曲面图对应于使用如所示的不同IL-6截止值的以下公式：
图11A-D：Fuzzy OR模型结果 - 当应用如下所示的不同IL-6截止值和希尔系数(分别)时，使用希尔函数的TCP特征和IL-6的组合得分：(A) 250pg/ml和6；(B) 250pg/ml和10；(C) 350 pg/ml和6；(D) 350pg/ml和10。X轴表示TCP特征得分(范围从0到1，等同于0-100％)，并且Y轴代表以pg/ml计的IL-6浓度。颜色代表组合得分(细菌感染的可能性)，其中白色代表得分1，且黑色代表得分0 (分别等同于100％和0％)。表面线代表四舍五入的得分(例如，0.95，0.9，0.85)。在图上覆盖的是378名细菌(红色)和570名病毒(蓝色)患者的实际值。
图12A-G：截止值依赖性模型。(A) 可以区分细菌，病毒和混合(细菌-病毒共感染)的四元分离模式的图示，其通过应用所示的单个TRAIL和PCT截止值产生。(B) 378名细菌(蓝色)和570名病毒(橙色)患者的TRAIL和PCT水平。虚线表示TRAIL截止值为75pg/ml的实例，以及PCT截止值为0.5μg/L的实例。如实施例部分中所述，由专家小组确定诊断标记。(C)通过应用TRAIL和PCT截止值产生的不同诊断标记(病毒，细菌，混合的和健康的)的图示。TRAIL截止值1 (低水平)用于划入细菌感染，TRAIL截止值2 (高水平)用于划入病毒感染。TRAIL和PCT截止值的整合产生不同的诊断结果：(i) 其中PCT低于PCT截止值1并且TRAIL低于TRAIL截止值1的情况；或者其中PCT高于PCT截止值1并且TRAIL低于TRAIL截止值2的情况指示了纯细菌感染；(ii) 其中PCT低于PCT截止值1并且TRAIL高于TRAIL截止值2的情况指示了纯病毒感染；(iii) 其中PCT高于PCT截止值1并且TRAIL高于TRAIL截止值2的情况指示了混合的细菌-病毒共感染；(iv) 其中PCT低于PCT截止值1并且TRAIL高于TRAIL截止值1但低于TRAIL截止值2的情况指示了健康的(或非感染性)状况。(D) 378名细菌(蓝色)，570名病毒(橙色)和109名非感染性(对照；黑色)患者的TRAIL和PCT水平。虚线表示TRAIL截止值1为50pg/ml、TRAIL截止值2为100pg/ml的实例和PCT截止值为0.5μg/L的实例。如实施例部分中所述，由专家小组确定诊断标记。(E)基于PCT/TRAIL比率区分细菌和病毒患者的分类表。
呈现了378名细菌(蓝色)，570名病毒(橙色)患者的TRAIL和PCT水平。如实施例部分中所述，由专家小组确定诊断标记。用于区分细菌和病毒患者的截止值由等于PCT/TRAIL= 0.05的红线表示。该分类表将患者在PCT/TRAIL> 0.05的情况下标记为细菌，并且在PCT/TRAIL <0.05的情况下标记为病毒。(F) 基于PCT/TRAIL比率区分细菌和病毒患者的分类表。呈现了378名细菌(蓝色)，570名病毒(橙色)患者的TRAIL和PCT水平。如实施例部分中所述，由专家小组确定诊断标记。用于区分细菌和病毒患者的截止值由等于PCT/TRAIL =0.02的红线表示。该分类表将患者在PCT/TRAIL> 0.02的情况下标记为细菌，并且在PCT/TRAIL <0.02的情况下标记为病毒。(G) 基于PCT/TRAIL比率区分细菌和病毒患者的分类表。呈现了378名细菌(蓝色)，570名病毒(橙色)患者的TRAIL和PCT水平。如实施例部分中所述，由专家小组确定诊断标记。用于区分细菌和病毒患者的截止值由等于PCT/TRAIL =0.01的红线表示。该分类表将患者在PCT/TRAIL> 0.01的情况下标记为细菌，并且在PCT/TRAIL <0.01的情况下标记为病毒。
图13是根据本发明的一些实施方案，可用于确定可能性的几何对象的示意图；
图14是根据本发明的一些实施方案，适用于分析从受试者获得的生物学数据的方法的流程图；
图15A-D是根据本发明的一些实施方案，用于获得取向对象片段的平滑版本的程序的示意图；
图16是根据本发明的一些实施方案，用于分析生物学数据的系统的框图的示意图；和
图17A和17B是在本发明的包括网络界面(图17A)和用户界面(图17B)的实施方案中，用于分析生物学数据的系统的框图的示意图。
本发明的具体实施方案的描述
在本发明的一些实施方案中，本发明涉及鉴定与感染相关的特征和决定子。所述特征可用于区分细菌和病毒感染，并且还可用于区分败血症和非感染性全身炎症反应综合征(SIRS)，并且可用于区分患有慢性阻塞性肺病(COPD)的患者的感染性恶化状态和非感染性恶化状态。
在详细解释本发明的至少一个实施方案之前，要理解的是，本发明在其应用中不一定局限于下列说明书中阐述或通过实施例例举的细节。本发明能有其它实施方案或以各种方式实践或进行。
通过分析蛋白质决定子来区分细菌和病毒感染的方法已在本发明人的国际专利申请WO2013/117746中公开。为了扩大可以帮助准确诊断的决定子的数量和类型，本发明人现在已经进行了另外的实验并且已经确定了可以用于该目的其它决定子。
正确鉴定细菌患者是非常重要的，因为这些患者需要抗生素治疗，并且在某些情况下需要更积极的管理(住院治疗、额外的诊断测试等)。细菌患者的误分类增加了发病率和死亡率的几率。因此，会需要增加区分细菌和病毒感染的诊断测试的灵敏度，即便会降低特异性。
在将本发明付诸实施的同时，本发明人注意到标记物PCT和IL-6增加了先前公开的特征-TRAIL、CRP和IP-10 (在本文中称为TCP特征)的灵敏度。更具体地，本发明人已经显示，PCT和IL-6提供了补充TCP特征的时间动态模式，其在非常早期阶段的诊断感染中特别有用。
在一些实施例中，TCP特征作为一个或多个概率分类函数计算，所述函数接收TRAIL、CRP和IP-10的表达值，并输出得分。基于相应概率分类函数的类型，得分可以表示受试者具有病毒感染、细菌感染或没有感染的可能性。返回表示受试者具有病毒感染的可能性的得分的概率分类函数可以作为exp(η)/(1+exp(ξ)+exp(η))计算，返回表示受试者具有细菌感染的可能性的得分的概率分类函数可以作为exp(ξ)/(1+exp(ξ)+exp(η))计算，并且返回表示受试者不具有感染的可能性的得分的概率分类函数可以作为exp1/(1+exp(ξ)+exp(η))计算，其中ξ=b0+b1P+b2P0.5+b3P2+b4Q+b5R+b6R0.5和η=c0+c1P+c2P0.5+c3P2+c4Q+c5R+c6R0.5，其中P是CRP的值，Q是IP-10的值，并且R是TRAIL的值，并且其中b0为约4.96至约6.1，b1为约-0.07至约-0.05，b2为约1.33至约1.64，b3为约0.000031至约0.000039，b4为约0.007至约0.010，b5为约0.055至约0.071，b6为约1.62至约1.98，c0为约-0.93至约-0.75，c1为约-0.054至约-0.044，c2为约1.02至约1.25，c3为约-0.000057至约-0.000046，c4为约0.0080至约0.0098，c5为约0.036至约0.045，且c6为约0.054至约0.066。参数b0，...，b6和c0，...，c6的更优选值在下文表3中提供。
此外，本发明人预测TCP特征与PCT和/或IL-6一起可用于区分其它疾病状态，例如区分慢性阻塞性肺病(COPD)患者中的非感染性恶化状态和感染性恶化状态之间的状态，以及区分败血症和非感染性全身炎症反应综合征(SIRS)。
因此，根据本发明的第一个方面提供了诊断受试者中感染的方法，其包括在源自受试者的样品中测量多肽TRAIL、CRP、IP10中的每一种和选自IL-6和PCT的至少一种其它多肽的量，其中所述量指示了感染类型。
根据本发明的另一个方面，在此提供了诊断受试者中感染的方法，其包括在源自受试者的样品中测量多肽TRAIL、CRP和IL-6中每一种的量，其中所述量指示了感染。
本文公开的方法用于鉴定具有感染或特定感染类型的受试者。所谓感染类型，意在包括细菌感染、病毒感染、混合感染、无感染(即非感染性)。更具体地，本发明的一些方法用于区分具有细菌感染、病毒感染、混合感染(即，细菌和病毒共感染)的受试者、具有非感染性疾病的患者和健康个体。本发明的一些方法还可用于监测或选择具有感染的受试者的治疗方案，并筛选先前未被诊断为具有感染的受试者，例如表现出发展感染的风险因素的受试者。本发明的一些方法用于鉴定和/或诊断无感染症状的受试者。“无症状”意味着不表现出传统的体征和症状。
因此，所述感染类型可以是细菌感染、病毒感染或混合感染。
在各个方面，所述方法区分病毒感染的受试者与患有非感染性疾病的受试者或健康受试者；细菌感染的受试者与患有非感染性疾病的受试者或健康受试者；患有传染病的受试者与患有非感染性疾病或健康受试者；细菌感染的受试者与病毒感染的受试者；混合感染的受试者与病毒感染的受试者；混合感染的受试者与细菌感染的受试者；和细菌或混合感染的受试者与病毒感染的受试者。
混合感染的受试者是指具有细菌和病毒共感染的受试者。
感染可以是急性或慢性感染。
慢性感染是一种缓慢发展并长时间持续的感染。可以导致慢性感染的病毒包括丙型肝炎和HIV。急性和慢性感染之间的一个区别在于，在急性感染期间，免疫系统经常产生针对传染因子的IgM+抗体，而感染的慢性期通常特征在于IgM-/IgG+抗体。此外，急性感染引起免疫介导的坏死过程，而慢性感染通常引起炎症介导的纤维化过程和瘢痕(例如肝中的丙型肝炎)。因此，急性和慢性感染可能引发不同的潜在免疫机制。
如本文所用，术语“感染”意指由病毒或细菌起源的传染因子导致的状态。细菌感染可以是革兰氏阳性、革兰氏阴性细菌或非典型性细菌的结果。
术语“革兰氏阳性细菌”是通过革兰氏染色染为深蓝色的细菌。革兰氏阳性细菌由于细胞壁中大量的肽聚糖而能够保留结晶紫染色。
术语“革兰氏阴性细菌”是在革兰氏染色方案中不保留结晶紫染料的细菌。
术语“非典型细菌”是不属于经典的“革兰氏”组之一的细菌。它们通常(尽管不总是)是细胞内细菌病原体。它们包括但不限于支原体(Mycoplasmas spp.)、军团菌(Legionellaspp.)、立克次体(Rickettsiae spp.)和衣原体(Chlamydiae spp.)。
在一个实施方案中，决定子的水平可用于划入感染类型。在一个实施方案中，决定子的水平可用于排除感染类型。
通过“划入”感染，意味着受试者具有所述类型的感染。
通过“排除”感染，意味着受试者没有所述类型的感染。
本发明该方面的受试者可以存在多种病原体，包括但不限于腺病毒、冠状病毒、副流感病毒、甲型流感病毒、乙型流感病毒、呼吸道合胞病毒A/B、肺炎衣原体、肺炎支原体、嗜肺军团菌，轮状病毒、金黄色葡萄球菌、肺炎链球菌、星状病毒、肠道腺病毒、诺如病毒G I和G II、博卡病毒1/2/3/4、肠病毒、CMV病毒、EBV病毒、A组链球菌或大肠杆菌。
在一个实施方案中，所述方法用于区分非感染性系统性炎症反应综合征(SIRS)和败血症。
SIRS是与全身性炎症、器官功能障碍和器官衰竭相关的严重状况。它被定义为以下变量中的2个或更多个：发热超过38℃ (100.4℉)或低于36℃ (96.8℉)；心率超过每分钟90次；呼吸频率超过每分钟20次呼吸或动脉二氧化碳张力(PaCO2)小于32 mm Hg；异常白细胞计数(> 12,000/μL或<4,000/μL或>10％未成熟[带]形式)。SIRS是非特异性的，并且可以由缺血、炎症、创伤、感染或几种组合的损伤引起。因此，SIRS并不总是涉及感染。
败血症是一种威胁生命的状况，其由响应感染的炎症引起。败血症的早期诊断对于在所述疾病从初始阶段快速进展至更严重阶段(例如与高死亡率相关的严重败血症或败血症性休克)之前进行临床干预至关重要。目前的诊断受限于其区分非感染性SIRS和败血症的能力。因此，需要新的生物标记物或生物标记物的组合，其可以在败血症的准确和及时诊断中提供附加值。
根据该实施方案，随着SIRS标准在已知感染存在下的出现，败血症可以被诊断。
因此，根据一个方面，在此提供了区分败血症和非感染性全身炎症反应综合征(SIRS)的方法，其包括在源自受试者的样品中测量选自以下的至少两种多肽的量：TNF相关凋亡诱导配体(TRAIL)、C反应蛋白(CRP)、干扰素γ诱导蛋白10 (IP10)、白细胞介素6 (IL-6)和降钙素原(PCT)，其中所述量指示了败血症或非感染性SIRS。
多肽的特定组合在下文中描述。
根据该方面，测试的受试者已被诊断具有SIRS。实施的方法被用于确定SIRS是感染性的(即败血症)，还是非感染性的。
在另一个实施方案中，在被怀疑患有感染并且其满足以下三个标准中的每一个的受试者中诊断败血症：
呼吸频率大于或等于_22次/分钟
改变的心理状态(例如格拉斯哥昏迷评分小于15)
收缩压低于或等于_100mmHg。
Singer等人2016,315(8)：801-810 JAMA中公开了用于诊断败血症的进一步标准。
因此，根据本发明的另一个方面，在此提供了在怀疑具有感染的受试者中，划入败血症的方法，其包括：
(a) 在源自受试者的样品中测量选自以下的至少两种多肽的量：TNF相关凋亡诱导配体(TRAIL)、C反应蛋白(CRP)、干扰素γ诱导蛋白10 (IP10)、白细胞介素6 (IL-6)和降钙素原(PCT)；
(b) 测量受试者的呼吸频率；
(c) 分析所述受试者的精神状态；和
(d) 测量受试者的血压；
其中当每个步骤都指示败血症时，划入败血症。
多肽的特定组合在下文中描述。
应当理解，步骤(b)，(c)和(d)可以作为确定受试者的SOFA评分(最初的败血症相关的器官衰竭评估；Vincent JL等人Intensive Care Med. 1996;22(7):707-710)的一部分实施。
在一个实施方案中，实施步骤(a)以确认受试者患有感染。只有当受试者具有确认的感染时，才实施步骤(b)、(c)和(d)以确认败血症。
在另一个实施方案中，受试者具有疑似感染，实施步骤(b)、(c)和(d)以划入败血症；并且实施步骤(a)以证实所述诊断。
本发明人考虑在源自受试者的样品中分析选自以下的至少两种多肽：TNF相关凋亡诱导配体(TRAIL)、C反应蛋白(CRP)、干扰素γ诱导蛋白10 (IP10)、白细胞介素6 (IL-6)和降钙素原(PCT)，以确认受试者具有感染。
在另一个方面，当其SOFA评分高于2时，将败血症划入怀疑具有感染的受试者。
在一个实施方案中，在源自受试者的样品中实施选自以下的至少两种多肽的量的分析：TNF相关凋亡诱导配体(TRAIL)、C反应蛋白(CRP)、干扰素γ诱导蛋白10 (IP10)、白细胞介素6 (IL-6)和降钙素原(PCT)，以确认受试者具有感染。仅当受试者具有确认的感染时，才实施SOFA分析以诊断败血症(当受试者具有大于或等于2的SOFA评分时，受试者被诊断为具有败血症)。
可选地，实施SOFA分析以诊断败血症。在源自受试者的样品中实施选自以下的至少两种多肽的量的分析：TNF相关凋亡诱导配体(TRAIL)、C反应蛋白(CRP)、干扰素γ诱导蛋白10 (IP10)、白细胞介素6 (IL-6)和降钙素原(PCT)，以确认受试者具有败血症。
在另一个实施方案中，所述方法用于区分患有慢性阻塞性肺病(COPD)恶化的患者的细菌和病毒病因。
在还另一个实施方案中，所述方法用于区分受试者中的慢性阻塞性肺病(COPD)的感染性恶化状态和非感染性恶化状态。
慢性阻塞性肺病(COPD)是特征在于长期气流不畅的阻塞性炎性肺病。主要症状包括短促呼吸和产生痰的咳嗽。COPD是一种进行性疾病，其随着时间而恶化。
COPD的恶化可被定义为疾病的自然过程中的事件，其特征在于患者的基线呼吸困难、咳嗽和/或痰的变化超出正常的日常变化。恶化通常是急性的。恶化可能呈现以下体征：增加的呼吸功，如快速呼吸、心率快、出汗、颈部肌肉的活跃使用、皮肤呈蓝色，以及在非常严重的恶化中的困窘和好斗行为。用听诊器检查肺部，可以听到啰音。
多肽的特定组合在下文中描述。
受试者(例如儿童)可能出现特定的临床综合症 -例如，下呼吸道感染(LRTI)感染，上呼吸道感染(URTI)，或严重的细菌感染(SBI)如UTI (尿路感染)，感染性休克，细菌血症，肺炎或脑膜炎。
“测量(measuring)或(measurement)”，或者“检测(detecting)或(detection)”，是指评估临床或受试者衍生样品中决定子的存在，不存在，数量或量(可以是有效量)，包括推导出这些决定子的定性或定量浓度水平。
在本发明的上下文中的“样品”是从受试者分离的生物样品，并且可以包括，例如但不限于，全血，血清，血浆，唾液，粘液，呼气，尿液，CSF，痰，汗液，粪便，头发，精液，活组织检查，鼻漏液，组织活检，细胞学样本，血小板，网织红细胞，白细胞，上皮细胞或全血细胞。
在具体的实施方案中，样品是血液样品，例如血清或包含血细胞的样品。在具体的实施方案中，样品缺乏红细胞。
在一个实施方案中，样品源自症状发作后不超过十天、症状发作后不超过五天、症状发作后不超过四天、症状发作后不超过三天、症状发作后不超过两天或优选症状发作后不超过一天的受试者。
样品可以是新鲜的或冷冻的样品。
在本发明的上下文中，“受试者”可为哺乳动物(例如，人、狗、猫、马、牛、绵羊、猪或山羊)。根据另一个实施方案，受试者是鸟(例如，鸡、火鸡、鸭或鹅)。根据具体的实施方案，受试者是人。受试者可为男性或女性。受试者可为成年人(例如，大于18、21或22岁或儿童(例如，小于18、21或22岁)。在另一个实施方案中，受试者是青少年(12至21岁)、婴儿(29天至小于2岁)或新生儿(出生至生命的前28天)。
受试者可以是先前已经被诊断或被鉴定为具有感染的受试者，并且任选地已经经历或正在经历用于感染的治疗性干预。可选地，受试者也可以是先前未被诊断为具有感染的受试者。例如，受试者可以是表现出一种或多种具有感染的危险因子的受试者。
根据具体的实施方案，受试者未显示出具有心脏病发作的迹象(例如具有正常水平的肌酸激酶，肌钙蛋白或血清肌红蛋白，和/或具有正常的ECG或EKG)。
在一个实施方案中，受试者是经历过创伤(例如车祸或与搏斗相关的创伤)和/或已经历外科手术的受试者。
如上所述，为了确定感染类型，确定以下每种多肽的量：TRAIL、CRP、IP10，连同IL-6和/或PCT一起。
可选地，为了确定感染类型，在源自受试者的样品中测量TRAIL、CRP和IL-6的量，其中所述量指示了感染类型。
其它预期的组合提供如下：
TRAIL、CRP、IP-10和PCT；
TRAIL、IP-10和PCT；
TRAIL、CRP、IP-10和IL-6；
TRAIL、CRP、IP-10、PCT和IL-6；
TRAIL、CRP和PCT；
TRAIL、CRP和IL-6；
TRAIL、CRP、PCT和IL-6。
关于上述多肽的信息在下文表1中提供。
表1
Figure 753393DEST_PATH_IMAGE001
所述多肽在细菌和病毒患者中的示例性范围包括但不限于：
CRP：0-40μg/ml的CRP水平通常指示病毒感染，而40-400μg/ml通常指示细菌感染。如果CRP水平高于50、60、70或更优选80μg/ml，则通常可以划入细菌感染，并且如果CRP水平低于30并且更优选20μg/ ml，则排除细菌感染。
TRAIL：100-1000 pg/ml的TRAIL水平通常指示病毒感染，而0-85 pg/ml通常指示细菌感染。如果TRAIL水平低于85pg/ml、70pg/ml、60pg/ml或更优选50pg/ml，通常可以划入细菌感染，并且如果TRAIL水平高于100pg/ml则排除细菌感染。
IP-10：300-2000 pg/ml的IP-10水平通常指示病毒感染，而160-860 pg/ml通常指示细菌感染。如果IP10水平高于800 pg/ml，通常可以划入病毒感染，并且如果IP10水平低于300 pg/ml则排除病毒感染。
PCT：高于0.5μg/ L的PCT水平通常指示细菌感染。
IL-6：高于100pg/ml的IL-6水平通常指示细菌感染。
CRP：C-反应蛋白；另外的CRP别名包括但不限于RP11-419N10.4和PTX1。
人CRP的示例性氨基酸序列如下文SEQ ID NO：1所示。
CRP水平通常在感染中增加(与非传染病相比)，且细菌感染中CRP水平与病毒感染相比更高。
因此，当CRP水平高于预定水平时，表示感染是细菌感染并且可以划入细菌感染(或者可以排除病毒感染)。
当CRP水平低于预定水平时，表示感染是病毒感染并且可以划入病毒感染(或者可以排除细菌感染)。
TRAIL：由该基因编码的蛋白质是属于肿瘤坏死因子(TNF)配体家族的细胞因子。本发明考虑测量该蛋白质的可溶性和/或膜形式。在一个实施方案中，仅测量该蛋白质的可溶形式。该基因的其他名称包括但不限于APO2L，TNF相关的凋亡诱导配体，TNFSF10和CD253。该蛋白质与TNF受体超家族的几个成员结合，例如TNFRSF10A/TRAILR1，TNFRSF10B/TRAILR2，TNFRSF10C/TRAILR3，TNFRSF10D/TRAILR4，并且还可能结合TNFRSF11B/OPG。
TRAIL的示例性氨基酸序列如SEQ ID NO：4-8所示。
在具体的实施方案中，TRAIL是由试剂盒R&D system，人TRAIL/TNFSF10Quantikine ELISA试剂盒目录号#DTRL00的抗体识别的蛋白质。
TRAIL水平在病毒感染中增加(与非传染病相比)，并且在细菌感染中减少(与非传染病相比)。
因此，当TRAIL水平高于预定水平时，指示感染是病毒感染并且可以划入病毒感染(或者可以排除细菌感染)。
当TRAIL水平低于预定水平时，指示感染是细菌感染并且可以划入细菌感染(或者可以排除病毒感染)。
例如，如果确定的TRAIL的多肽浓度高于预定的第一阈值，则可以排除细菌感染。任选地，该方法还包括确定受试者是否患有病毒感染(即，划入病毒感染)。如果TRAIL的多肽浓度高于预定的第二阈值，则划入病毒感染。
在另具体的实施方案中，本发明包括确定受试者是否没有病毒感染(即排除病毒感染)。如果确定的TRAIL的多肽浓度低于预定的第一阈值，则排除病毒感染。任选地，该方法还包括确定受试者是否患有细菌感染(即，划入细菌感染)。如果TRAIL的多肽浓度低于预定的第二阈值，则划入细菌感染。
IP10：该基因编码CXC亚家族的趋化因子和受体CXCR3的配体。该基因的其他名称包括但不限于：CXCL10，Gamma-IP10，INP10和趋化因子(CXC基序)配体10。
IP10的示例性氨基酸序列如SEQ ID NO：16所示。
在具体的实施方案中，IP10是被试剂盒(R&D systems, Human CXCL10/IP-10Quantikine ELISAKit catalogue＃DIP100)的抗体识别的蛋白质。
IP10水平在感染中增加(与非感染性疾病相比)，且IP10水平在病毒感染中与细菌感染相比更高。
因此，当IP10的水平高于预定水平时，表示感染是病毒感染并且可以划入病毒感染(或者可以排除细菌感染)。
当IP10水平低于预定水平时，表示感染是细菌感染并且可以划入细菌感染(或者可以排除病毒感染)。
IL-6：该基因编码在炎症和B细胞成熟中起作用的细胞因子。此外，已显示编码的蛋白质是能够在患有自身免疫疾病或感染的人中诱发发热的内源性热原。所述蛋白质主要在急性和慢性炎症部位产生，在此处它被分泌到血清中并通过白细胞介素6受体α诱导转录炎症反应。该基因的功能涉及多种炎症相关的疾病状态，包括对糖尿病和全身性幼年类风湿性关节炎的易感性。
人IL-6的示例性氨基酸序列如SEQ ID NO：23和24所示。
本文提供的数据显示IL-6水平在感染中增加(与非感染性疾病相比)，其中IL-6水平在细菌感染中与病毒感染相比更高。
因此，当IL-6水平高于预定水平时，表示感染是细菌感染并且可以划入细菌感染(或者可以排除病毒感染)。
当IL-6水平低于预定水平时，表示感染是病毒感染并且可以划入病毒感染(或者可以排除细菌感染)。
PCT：降钙素原(PCT)是激素降钙素的肽前体，降钙素涉及钙稳态。
人PCT的示例性氨基酸序列如SEQ ID NO：19-22所示。
PCT水平通常在感染中增加(与非感染性疾病相比)，PCT水平在细菌感染中与病毒感染相比更高。
因此，当PCT水平高于预定水平时，表示感染是细菌感染并且可以划入细菌感染(或者可以排除病毒感染)。
当PCT水平低于预定水平时，表示感染是病毒感染并且可以划入病毒感染(或者可以排除细菌感染)。
可以组合每种上述鉴定的多肽的浓度(例如通过预定的数学函数)以计算得分，并且可以将得分与预定的参考值进行比较，如下文进一步描述的。
在国际专利申请IL2015/050823中提供了关于产生通用以及具体用于CRP，IP10和TRAIL的预定数学函数的进一步信息，其内容通过引用并入本文。
可用于计算得分的统计分类算法包括但不限于支持向量机(SVM)，逻辑回归(LogReg)，神经网络，贝叶斯网络和隐马尔可夫模型。可选地，可以通过应用“Fuzzy OR模型”分析来实现将不同蛋白质整合到单个预测评分中，如下文实施例部分所示。
在一个实施方案中，仅当浓度达到阈值水平时，才将PCT和/或IL-6的水平与TRAIL、CRP、IP-10特征(TCP特征)一起纳入统计分类考虑。因此，例如仅当PCT水平高于1、1.5、2、2.5、5或7.5μg/L时，才将PCT与TCP特征一起包括在算法中。类似地，仅当IL-6的水平高于100、200、240、250、280、320或350pg/ml时，才将IL-6与TCP特征一起包括在算法中。应当理解，算法中PCT和IL-6的权重可以根据其浓度而变化。例如，如果PCT的水平高于5μg/L，那么其相对权重可以高于如果PCT水平低于5μg/L的TCP特征。
参考值可以相对于来自群体研究的数字或值，包括但不限于，具有相同感染的此类受试者，具有相同或相似年龄范围的受试者，相同或相似种族群体中的受试者，或参考值可以相对于接受感染治疗的受试者的起始样品。这些参考值可以从统计分析和/或从数学算法和计算的感染指数获得的群体的风险预测数据导出。还可以使用算法和统计和结构分类的其他方法来构建和使用参考决定子指数。
在本发明的一个实施方案中，参考值是来自一个或多个没有感染的受试者(即健康和/或非感染个体)的对照样品中决定子的量(即水平)。在另一个实施方案中，在这种测试之后，对这些受试者进行监测和/或定期重新测试诊断相关的时间段(“纵向研究”)，以验证持续的感染不存在。这个时间段可以是从初始测试日期开始的一天，两天，两天到五天，五天，五天到十天，十天或十天或更多天以确定参考值。此外，可以使用适当库存的历史受试者样本中的决定子的回顾性测量来建立这些参考值，从而缩短所需的研究时间。
参考值还可以包括源自受试者的决定子的量，所述受试者由于感染的治疗和/或疗法而显示出改善。参考值还可以包括源自已通过已知技术确认感染的受试者的决定子的量。
细菌感染的参考值指数值的实例是在统计学上显著数目的被诊断为患有细菌感染的受试者中该决定子的平均浓度或中值浓度。
病毒感染的参考值的实例是在统计学上显著数目的被诊断为患有病毒感染的受试者中该决定子的平均浓度或中值浓度。
在另一个实施方案中，参考值是指数值或基线值。指数值或基线值是来自一个或多个没有感染的受试者的有效量的决定子的复合样本。基线值还可以包括来自受试者的样品中的决定子的量，所述受试者已在感染的治疗或疗法中显示出改善。在该实施方案中，为了与受试者衍生的样品进行比较，类似地计算决定子的量并将其与指数值进行比较。任选地，选择被鉴定为具有感染的受试者以接受治疗方案以减缓进展或消除感染。
另外，可以在测试样本中测量决定子的量并且与“正常控制水平”进行比较，利用诸如参考限，辨别限或风险定义阈值的技术来定义截止点和异常值。“正常对照水平”是指通常在未患感染的受试者中发现的一种或多种决定子或组合决定子指数的水平。这样的正常对照水平和截止点可以基于决定子是单独使用还是在与其他决定子组合成指数的公式中使用而变化。或者，正常对照水平可以是来自先前测试的受试者的决定子模式的数据库。
可以通过检测随时间从受试者获得的有效量的(可以是一种或多种)样品中的决定子并比较检测的决定子的量来监测治疗方案的有效性。例如，可以在受试者接受治疗之前获得第一样品，并且在受试者治疗之后或期间获取一个或多个后续样品。
例如，本发明的方法可用于区分细菌、病毒和混合感染(即，细菌和病毒共感染)。这将允许患者得到分层和相应地治疗。
在本发明的具体实施方案中，如下提供对于受试者的治疗推荐(即，选择治疗方案)：根据公开的方法中的任何一种的方法鉴定受试者中的感染类型(即，细菌、病毒、混合感染或无感染)，并且如果受试者被鉴定为具有细菌感染或混合感染，则推荐受试者接受抗生素治疗；或者如果受试者被鉴定为具有病毒感染，则推荐抗病毒治疗。
在另一个实施方案中，本发明的方法可用于促进另外的靶向诊断，例如病原体特异性PCR、胸部X-射线、培养等。例如，根据本发明的实施方案指示病毒感染的诊断可促进使用另外的病毒特异性多重PCR，而根据本发明的实施方案指示细菌感染的诊断可促进使用细菌特异性多重PCR。因此，可以降低不必要的昂贵诊断学的成本。
在具体的实施方案中，如下提供对于受试者的诊断测试推荐：根据任何公开的方法鉴定受试者中的感染类型(即，细菌、病毒、混合感染或无感染)，并且如果受试者被鉴定为具有细菌感染或混合感染，则推荐确定细菌感染来源的测试；或者如果受试者被鉴定为具有病毒感染，则推荐确定病毒感染来源的测试。
在测量上文提到的多肽决定子的同时，本发明人还考虑测量至少一种，两种，三种，四种，五种，六种，七种，八种，九种，十种或更多种另外的(不同的)决定子(多肽，RNA或其他)，其中所述至少一种另外的决定子描述于美国专利申请号20080171323，WO2011/132086和WO2013/117746以及PCT申请IL 2015/051024和PCT申请IL 2015/051201和临时申请号62/302,849中，其各自的内容通过引用并入本文。本发明人考虑的其他多肽决定子是其中描述的RNA决定子的多肽对应物。
在一个实施方案中，至少一种另外的决定子描述于下表2中。
表2
Figure 896799DEST_PATH_IMAGE002
。
根据本发明的这个方面，为了区分不同的感染类型，测量不超过30个决定子(例如，与患有病毒感染的受试者相比，患有病毒感染的受试者以统计学显著的方式差异表达的蛋白)，测量不超过25个决定子，不超过20个决定子是测量，测量不超过15个决定子，测量不超过10个决定子，测量不超过9个决定子，测量不超过8个决定子，测量不超过7个决定子，测量不超过6个决定子，测量不超过5个决定子，或甚至测量不超过4个决定子。
可根据本发明的方面测量的其他决定子包括病原体(细菌或病毒)特异性RNA或多肽决定子。这可以进行以帮助鉴定特定病原体。测量可以与上述测量同时进行或连续进行。
测量多肽水平的方法是本领域熟知的，并且包括例如基于蛋白质抗体，适体或分子印记的免疫测定。
多肽决定子可以以任何合适的方式检测，但通常通过使来自受试者的样品与结合所述决定子的抗体接触，且然后检测反应产物的存在或不存在来检测。抗体可以是单克隆抗体，多克隆抗体，嵌合抗体或前述的片段，如上面详细讨论的，并且检测反应产物的步骤可以用任何合适的免疫测定法进行。来自受试者的样品通常是如上所述的生物样品，并且可以是用于进行上述方法的生物样品的相同样品。
在一个实施方案中，特异性结合决定子的抗体(直接或间接)连接至产生信号的标记，包括但不限于放射性标记，酶标记，半抗原，报告染料或荧光标记。
根据本发明的一些实施方案进行的免疫测定可以是均相测定或非均相测定。在均相测定中，免疫反应通常涉及特异性抗体(例如，抗决定子抗体)，标记的分析物和感兴趣的样品。在抗体与标记的分析物结合后，直接或间接修饰由标记产生的信号。免疫反应和其程度的检测都可以在均相溶液中进行。可以使用的免疫化学标记包括自由基，放射性同位素，荧光染料，酶，噬菌体或辅酶。
在非均相测定方法中，试剂通常是样品，抗体和产生可检测信号的工具。可以使用上文描述的样品。可以将抗体固定在支持物上，例如珠子(例如蛋白质A和蛋白质G琼脂糖珠子)，平板或载玻片，并与怀疑含有抗原的样本在液相中接触。然后将支持物与液相分离，并使用产生这种信号的工具检查载体相或液相的可检测信号。信号与分析物在样品中的存在相关。
产生可检测信号的工具包括使用放射性标记，荧光标记或酶标记。例如，如果待检测的抗原含有第二结合位点，则可以将与该位点结合的抗体与可检测基团缀合，并在分离步骤之前加入到液相反应溶液中。固体支持物上可检测基团的存在指示测试样品中存在抗原。合适的免疫测定的实例是寡核苷酸，免疫印迹，免疫荧光方法，免疫沉淀，化学发光方法，电化学发光(ECL)或酶联免疫测定。
本领域技术人员将熟悉众多具体免疫测定形式及其变形，其可用于实施本文公开的方法。通常参见E. Maggio, Enzyme-Immunoassay, (1980) (CRC Press, Inc.,BocaRaton, Fla.)；也参见授予Skold等人的美国专利号4,727,022，名称为“Methods forModulating Ligand-Receptor Interactions and their Application”，授予Forrest等人的美国专利号4,659,678，名称为“Immunoassay of Antigens”，授予David等人的美国专利号4,376,110，名称为“Immunometric Assays Using Monoclonal Antibodies”，授予Litman等人的美国专利号4,275,149，名称为“Macromolecular Environment Control inSpecific Receptor Assays”，授予Maggio等人的美国专利号4,233,402，名称为“Reagentsand Method Employing Channeling”，和授予Boguslaski等人的美国专利号4,230,767，名称为“Heterogeneous Specific Binding Assay Employing aCoenzyme as Label”。也可以使用流式细胞术用抗体检测决定子。本领域技术人员将熟悉可用于实施本文公开的方法的流式细胞术技术(Shapiro 2005)。这些包括但不限于Cytokine Bead Array (BectonDickinson)和Luminex技术。
可以根据已知技术将抗体缀合至适合用于诊断测定的固体支持物(例如珠，例如A蛋白或G蛋白琼脂糖，小球，平板，载玻片或由诸如乳胶或聚苯乙烯的材料形成的孔)，例如被动结合。如本文所述的抗体同样可根据已知技术缀合至可检测的标记或基团，例如放射性标记(例如，35S、125I、131I)、酶标记(例如，辣根过氧化物酶、碱性磷酸酶)和荧光标记(例如，荧光素、Alexa、绿色荧光蛋白、罗丹明)。
抗体还可用于检测决定子蛋白质、多肽、突变和多态性的翻译后修饰，例如酪氨酸磷酸化、苏氨酸磷酸化、丝氨酸磷酸化、糖基化(例如，O-GlcNAc)。这种抗体特异性地检测一个或多个目的蛋白质中的磷酸化氨基酸，并且可用于本文所述的免疫印迹、免疫荧光和ELISA测定。这些抗体是本领域技术人员众所周知的，并且可商购获得。也可以使用反射(reflector)基质辅助激光解吸电离-飞行时间质谱法(MALDI-TOF)中的亚稳离子来确定翻译后修饰(Wirth U.和Muller D. 2002)。
对于已知具有酶活性的决定子-蛋白质、多肽、突变和多态性，可以使用本领域已知的酶测定在体外确定活性。这种测定除了其他之外包括但不限于激酶测定、磷酸酶测定、还原酶测定。酶活性动力学的调节可以通过测量速率常数KM使用已知算法来确定，例如希尔图、米-曼方程、线性回归图如Lineweaver-Burk分析和Scatchard图。
在具体的实施方案中，本发明抗体是单克隆抗体。
用于检测决定子的抗体的合适来源包括可商购的来源，例如Abazyme、Abnova、AssayPro、Affinity Biologicals、AntibodyShop、Aviva bioscience、Biogenesis、Biosense Laboratories、Calbiochem、Cell Sciences、Chemicon International、Chemokine、Clontech、Cytolab、DAKO、Diagnostic BioSystems、eBioscience、EndocrineTechnologies、Enzo Biochem、Eurogentec、Fusion Antibodies、Genesis Biotech、GloboZymes、Haematologic Technologies、Immunodetect、Immunodiagnostik、Immunometrics、Immunostar、Immunovision、Biogenex、Invitrogen、JacksonImmunoResearch Laboratory、KMI Diagnostics、Koma Biotech、LabFrontier LifeScience Institute、Lee Laboratories、Lifescreen、Maine Biotechnology Services、Mediclone、MicroPharm Ltd.、ModiQuest、Molecular Innovations、Molecular Probes、Neoclone、Neuromics、New England Biolabs、Novocastra、Novus Biologicals、OncogeneResearch Products、Orbigen、Oxford Biotechnology、Panvera、PerkinElmer LifeSciences、Pharmingen、Phoenix Pharmaceuticals、Pierce Chemical Company、PolymunScientific、Polysiences、Inc.、Promega Corporation、Proteogenix、ProtosImmunoresearch、QED Biosciences、Inc.、R&D Systems、Repligen、ResearchDiagnostics、Roboscreen、Santa Cruz Biotechnology、Seikagaku America、SerologicalCorporation、Serotec、SigmaAldrich、StemCell Technologies、Synaptic Systems GmbH、Technopharm、Terra Nova Biotechnology、TiterMax、Trillium Diagnostics、UpstateBiotechnology、US Biological、Vector Laboratories、Wako Pure Chemical Industries和Zeptometrix。然而，技术人员可以常规地制备针对本文所述的任何多肽决定子的抗体。
可以通过检验来检测标记的存在，或使用监测特定探针或探针组合的检测器来检测所述检测试剂标记。典型的检测器包括分光光度计、光电管和光电二极管、显微镜、闪烁计数器、照相机、胶片等以及其组合。本领域技术人员熟悉可从各种商业来源广泛获得的许多合适的检测器，并且可用于实施本文公开的方法。通常，将包含结合的标记部分的底物的光学图像数字化以用于随后的计算机分析。一般参见Immunoassay Handbook [TheImmunoassay Handbook，第三版，2005]。
还可以与上述多肽一起测量传统的实验室风险因子和额外的临床参数，以进一步提高特征的准确性。
“传统实验室风险因素”包括从受试者样品分离或衍生的生物标记物，并且其目前在临床实验室中进行评估，并用于传统的全面风险评估算法，如绝对中性粒细胞计数(缩写为ANC)，绝对淋巴细胞计数(缩写为ALC)，白细胞计数(缩写为WBC)，中性粒细胞%(定义为作为中性粒细胞的白细胞分数并缩写为Neu(％))，淋巴细胞％(定义为作为淋巴细胞的白细胞分数并缩写为Lym(％))，单核细胞％(定义为作为单核细胞的白细胞分数并缩写为Mon(％))，钠(缩写为Na)，钾(缩写为K)，胆红素(缩写为Bili)。
“临床参数”包括受试者健康状况或其他特征的所有非样本或非分析物生物标志物，例如但不限于年龄(Age)，种族(RACE)，性别(Sex)，核心体温(缩写为“温度”)，症状初始出现后的最大核心体温(缩写为“最高温度”)，距症状初始出现的时间(缩写为“从症状起的时间”)或家族史(缩写为FamHX)。
患者的医学背景条件例如慢性肺病和糖尿病可能影响其对感染的免疫应答，这通过基于免疫的诊断的诊断准确性的变化来反映(参见下文的实施例1)。因此，关于患者背景临床状况的信息可以潜在地与蛋白质生物标志物分类器预测结果整合，以改善患者诊断。
如提及的，本文所述的特征性多肽在分类早期感染中特别有用。
因此，根据本发明的另一个方面，在此提供了诊断受试者中感染的方法，其包括在源自受试者的样品中测量选自TRAIL、CRP、IP10、IL-6和PCT的至少两种多肽的量，其中所述样品源自症状发作后不超过两天的受试者，其中所述量指示了感染。
在一个实施方案中，样品源自症状发作后不超过一天的受试者。
示例性症状包括但不限于发热、恶心、头痛、皮疹和/或肌肉酸痛。
可以针对本文描述的任何方面进行分析的示例性多肽对包括：
TRAIL和CRP；
TRAIL和IP10；
TRAIL和IL-6；
TRAIL和PCT；
CRP和IP10；
CRP和IL-6；
CRP和PCT；
IP10和IL-6；
IP10和PCT；
IL-6和PCT；
MX1和PCT或
MX1和IL-6。
可以分析的示例性三重多肽包括：
TRAIL、CRP和IP10；
TRAIL、CRP和IL6；
TRAIL、IP10和PCT；或
TRAIL、CRP和PCT。
可以分析的示例性四重多肽包括：
TRAIL、CRP、IP-10、PCT；
TRAIL、CRP、IP-10、IL-6；或
TRAIL、CRP、PCT、IL-6。
在另一个实施方案中，测量每种多肽：TRAIL、CRP、IP-10、PCT和IL-6。
对于特定实施方案，当TRAIL的量低于预定水平，CRP的量高于预定水平，IP-10的量低于预定水平并且IL-6的量高于预定水平时，受试者被诊断为具有败血症。可选地，当TRAIL的量低于预定水平，CRP的量高于预定水平，IP-10的量低于预定水平并且PCT的量高于预定水平时，受试者被诊断为具有败血症。可选地，当TRAIL的量低于预定水平，CRP的量高于预定水平，IP-10的量低于预定水平，PCT的量高于预定水平并且IL-6的量高于预定水平时，受试者被诊断为具有败血症。
在其他实施方案中，当TRAIL的量低于预定水平，CRP的量高于预定水平，并且IL-6的量高于预定水平时，受试者被诊断为患有败血症。可选地，当TRAIL的量低于预定水平，CRP的量高于预定水平，并且PCT的量高于预定水平时，受试者被诊断为患有败血症。可选地，当TRAIL的量低于预定水平，CRP的量高于预定水平，PCT的量高于预定水平并且IL-6的量高于预定水平时，受试者被诊断为具有败血症。
如上所述，可以测量标记物及其组合以区分受试者中慢性阻塞性肺病(COPD)的非感染性恶化状态和感染性恶化状态。所述方法包括在源自受试者的样品中测量选自以下的至少两种多肽的量：TNF相关凋亡诱导配体(TRAIL)、C反应蛋白(CRP)、干扰素γ诱导蛋白10(IP10)、白细胞介素6 (IL-6)和降钙素原(PCT)，其中所述量指示COPD的恶化状态。
应当理解，如果恶化是由于感染引起的，则标记物的水平将根据如上所述的感染类型(病毒/细菌)而改变。如果恶化不是由感染类型引起的，则标记物的水平将类似于非感染性受试者。
根据本发明的另一个方面，提供了确定具有创伤诱导或与搏斗相关的伤口的受试者的感染类型的方法，其包括在源自受试者的样品中测量TNF相关凋亡诱导配体(TRAIL)、C-反应蛋白(CRP)、干扰素γ-诱导的蛋白10 (IP10)的每一种多肽和至少一种选自白细胞介素6 (IL-6)和降钙素原(PCT)的另外多肽的量，其中所述量指示感染类型。在又另一个实施方案中，这些特征专门用于监控手术后患者。
试剂盒
本发明的一些方面还包括以试剂盒形式包装在一起的决定子检测试剂，例如抗体。该试剂盒可以在单独的容器中包含抗体(或者已经与固体基质结合或者与用于将它们结合到基质的试剂分开包装)，对照制剂(阳性和/或阴性)和/或可检测的标记如荧光素，绿色荧光蛋白，罗丹明，花菁染料，Alexa染料，荧光素酶，放射性标记等。可检测标记可以连接至结合识别决定子的抗体的Fc部分的第二抗体。用于进行测定的说明书(例如，书面，磁带，VCR，CD-ROM等)可以包括在试剂盒中。
本发明该方面的试剂盒可包含有助于检测决定子的其他组分，例如进行检测反应所必需的酶，盐，缓冲液等。
因此，根据本发明的另一个方面，在此提供用于诊断感染类型的试剂盒，其包括：
(i) 特异性检测TRAIL的抗体；
(ii) 特异性检测IP10的抗体；
(iii) 特异性检测CRP的抗体；和
(iv) 至少一种特异性检测IL-6或PCT的其它抗体。
根据本发明的还另一个方面，在此提供用于诊断感染类型的试剂盒，其包括：
(i) 特异性检测TRAIL的抗体；
(ii) 特异性检测IL-6的抗体；
(iii) 特异性检测CRP的抗体；和
(iv) 至少一种特异性检测IP10或PCT的其它抗体。
例如，可以将决定子检测试剂(例如抗体)固定在固体基质例如多孔条带或阵列上以形成至少一个决定子检测位点。多孔条带的测量或检测区域可包括多个位置。测试条还可以包含用于阴性和/或阳性对照的位点。或者，对照部位可以位于与测试条分开的条带上。任选地，不同的检测位点可含有不同量的固定化检测试剂，例如，第一检测位点中的量较高，且后续位点中的量较少。在添加测试样品后，显示可检测信号的位点数量提供了样品中存在的决定子量的定量指示。检测位置可以以任何适当可检测的形状配置，并且通常为跨越测试条宽度的条或点的形状。
“用于测量TRAIL的单克隆抗体”的实例包括但不限于：小鼠，单克隆(55B709-3)IgG；小鼠，单克隆(2E5) IgG1；小鼠，单克隆(2E05) IgG1；小鼠，单克隆(M912292) IgG1κ；小鼠，单克隆(IIIF6) IgG2b；小鼠，单克隆(2E1-1B9) IgG1；小鼠，单克隆(RIK-2) IgG1，κ；小鼠，单克隆M181 IgG1；小鼠，单克隆VI10E IgG2b；小鼠，单克隆MAB375 IgG1；小鼠，单克隆MAB687 IgG1；小鼠，单克隆HS501 IgG1；小鼠，单克隆克隆75411.11小鼠IgG1；小鼠，单克隆T8175-50 IgG；小鼠，单克隆2B2.108 IgG1；小鼠，单克隆B-T24 IgG1；小鼠，单克隆55B709.3 IgG1；小鼠，单克隆D3 IgG1；山羊，单克隆C19 IgG；兔，单克隆H257 IgG；小鼠，单克隆500-M49 IgG；小鼠，单克隆05-607 IgG；小鼠，单克隆B-T24 IgG1；大鼠，单克隆(N2B2)，IgG2a，κ；小鼠，单克隆(1A7-2B7)，IgG1；小鼠，单克隆(55B709.3)，IgG和小鼠，单克隆B-S23 * IgG1。
可通过使用不同的测量技术和样品来区分可溶性TRAIL和膜TRAIL。例如，可以在无细胞样品如血清或血浆中(但不限于此)测量可溶性TRAL，使用侧向流动免疫测定(LFIA)(但不限于此)，如下文进一步描述的。可以使用基于细胞的测定在包含细胞的样品中测量膜TRAIL，包括但不限于流式细胞术，ELISA和其他免疫测定。
侧向流动免疫测定(LFIA)：这是允许在护理点(POC)快速测量分析物的技术，其基本原理如下所述。根据一个实施例，LFIA用于手持设备的环境中。
该技术基于一系列毛细管床，例如多孔纸或烧结聚合物的块。这些元件中的每一个都具有自发输送流体(例如尿液)的能力。第一元件(样品垫)充当海绵并容纳过量的样品液。一经浸泡，液体迁移到第二元件(缀合物垫)，制造商已经在其中储存了所谓的缀合物：在盐-糖基质中的干燥形式的生物活性颗粒(见下文)，其包含保证靶分子(例如抗原)与其固定在颗粒表面上的化学伴侣(例如抗体)之间的优化化学反应的所有有关事物。当样品流体溶解所述盐-糖基质时，它也溶解所述颗粒，并且在一个组合运输作用中，样品和缀合物在流过多孔结构时混合。这样，分析物与颗粒结合，同时进一步迁移通过第三毛细管床。该材料具有一个或多个区域(通常称为条带)，其中已由制造商固定第三分子。当样品-缀合物混合物到达这些条带时，分析物已经结合在颗粒上，并且第三“捕获”分子与复合物结合。
不久之后，当越来越多的液体已通过条带时，颗粒积聚且条纹区域变色。通常存在至少两个条带：一个(对照)条带捕获任何颗粒，从而显示反应条件和技术正常工作，第二条带包含特异性捕获分子并且仅捕获其上已经固定分析物分子的那些颗粒。在通过这些反应区之后，流体进入最终的多孔材料(即芯)，其仅用作废物容器。横向流动测试可以作为竞争测定或夹心测定操作。
LFIA可以采用不同的格式。用于LFIA的条带包含四个主要组件。在描述格式类型之前给出了每个的简要描述。
样品施加垫：它由纤维素和/或玻璃纤维制成，并将样品施加在该垫上以开始测定。其功能是将样品输送到横向流动测试条(LFTS)的其他组件。样品垫应能够以平滑，连续和均匀的方式运输样品。样品施加垫有时设计用于在样品运输之前对样品进行预处理。该预处理可包括分离样品组分，去除干扰，调节pH等。
缀合物垫：它是分配标记的生物识别分子的位置。缀合物垫的材料应在与移动的液体样品接触时立即释放标记的缀合物。标记的缀合物应在横向流动条的整个寿命期间保持稳定。缀合物的分配，干燥或释放的任何变化都可以显著改变测定结果。标记的缀合物的制备不良会不利地影响测定的灵敏度。玻璃纤维，纤维素，聚酯和一些其他材料用于制造LFIA的缀合物垫。缀合物垫材料的性质对标记的缀合物的释放和测定的灵敏度具有影响。
硝酸纤维素膜：它对于确定LFIA的灵敏度非常关键。可获得不同等级的硝酸纤维素膜。在这片膜上绘制测试和对照线。因此理想的膜应该为捕获探针(抗体，适体等)提供支持和良好的结合。在测试和对照线上的非特异性吸附可显著影响测定结果，因此良好的膜将以测试和对照线区域中较小的非特异性吸附为特征。硝酸纤维素膜的芯吸速率可影响测定灵敏度。这些膜易于使用，价格低廉，并且提供对蛋白质和其他生物分子的高亲和力。生物试剂的适当分配，干燥和封闭在改进测定灵敏度方面发挥作用。
吸附垫：它在条带的末端用作水槽。它还有助于保持液体在膜上的流速并阻止样品的回流。容纳液体的吸附容量可以在分析结果中起重要作用。
所有这些组件都固定或安装在背衬卡上。用于背衬卡的材料非常灵活，因为除了提供用于适当组装所有组件的平台之外，它们与LFIA无关。因此，背衬卡充当支持物，并且使条带易于操作。
LFIA的主要步骤是(i)针对靶分析物的抗体的制备；(ii)标记的制备；(iii)生物识别分子的标记；(iv)在将试剂分配到其适当的垫后，将所有组件组装到背衬卡上；(v)施加样本和获得结果。
夹心形式：在典型的格式中，标记(酶或纳米颗粒或荧光染料)包被的抗体或适体固定在缀合物垫上。这是临时的吸附，其可以通过任何缓冲溶液的流动冲洗掉。针对靶分析物的一抗或适体固定在测试线上。针对标记的缀合物抗体/适体的二抗或探针固定在对照区。
将含有分析物的样品施加到样品施加垫上，并且其随后迁移到条带的其他部分。在缀合物垫，靶分析物被固定的标记抗体或适体缀合物捕获，并导致标记的抗体缀合物/分析物复合物的形成。该复合物现在到达硝酸纤维素膜并在毛细管作用下移动。在测试线，标记的抗体缀合物/分析物复合物被分析物的另一种一抗捕获。使得分析物夹在标记的抗体和一抗之间，形成标记的抗体缀合物/分析物/一抗复合物。过量标记的抗体缀合物将通过二抗在对照区捕获。缓冲液或过量溶液进入吸收垫。测试线上的颜色强度对应于靶分析物的量，并用光学条带读取器测量或目视检查。控制线上出现颜色确定条带功能正常。
竞争格式：这种格式最适合不能同时结合两种抗体的低分子量化合物。测试线上没有颜色指示分析物的存在，而在测试线和对照线都出现颜色指示阴性结果。竞争格式有两种布局。在第一种布局中，将含有靶分析物的溶液施加到样品施加垫上，并且预先固定的标记的生物分子(抗体/适体)缀合物被水合并开始与移动的液体一起流动。测试线含有预固定的抗原(待检测的相同分析物)，其特异性结合标记的缀合物。对照线含有预先固定的二抗，其具有与标记的抗体缀合物结合的能力。当液体样品到达测试线时，在样品溶液中不存在靶分析物或以使得标记的抗体缀合物的一些位点为空的量存在靶分析物的情况下，则预先固定的抗原将与标记的缀合物结合。样品溶液中的抗原和固定在条带测试线上的抗原竞争结合标记的缀合物。在另一种布局中，标记的分析物缀合物分配在缀合物垫，而分析物的一抗则分配在测试线。在施加分析物溶液之后，在分析物和标记的分析物之间发生竞争以与在测试线处的一抗结合。
多重检测格式：多重检测格式用于检测多于一种的靶物质，并且在含有等于待分析靶物质的数量的测试线的条带上进行测定。非常希望在相同的条件设定下同时分析多种分析物。多重检测格式在临床诊断中非常有用，其中要检测多种分析物，这些分析物在决定疾病阶段时是相互依赖的。用于此目的的侧向流动条可以以各种方式构建，即通过增加传统条带上的长度和测试线，制成其他结构如星形或T形。LFIA的条带形状将由靶分析物的数量决定。已经报道了用于DNA序列的多重检测的基于微阵列的LFIA的小型化版本具有几个优点，例如较少的测试试剂消耗，需要较小的样品体积和更好的灵敏度。
标记：任何用作标记的材料都应该可以在非常低的浓度下检测到，并且在与生物识别分子缀合后应保持其性质。预期该缀合也不改变生物识别探针的特征。易于与生物分子缀合并且在较长时间段内的稳定性是良好标记的理想特征。低至10-9 M的标记浓度是光学可检测的。在测定完成后，一些标记产生直接信号(作为来自金胶体的颜色)，而其他标记需要额外的步骤以产生分析信号(因为酶在与合适的底物反应后产生可检测的产物)。因此，在LFA中优选给出直接信号的标记，因为耗时少且程序减少。
金纳米颗粒：胶体金纳米颗粒是LFA中最常用的标记。胶体金是惰性的且给出非常完美的球形颗粒。这些颗粒对生物分子具有非常高的亲和力，并且可以容易地官能化。金纳米颗粒的光学性质取决于尺寸和形状。可以通过使用合适的化学添加剂来调节颗粒的尺寸。它们的独特特征包括环境友好的制备，对蛋白质和生物分子的高亲和力，增强的稳定性，极高的电荷转移值和良好的光学信号。比色LFA中金纳米颗粒的光学信号可以通过沉积银，金纳米颗粒和酶来放大。
磁性颗粒和聚集体：有色磁性颗粒在测试线产生颜色，其通过光学条带读取器测量，但来自磁性颗粒的磁信号也可用作检测信号并由磁性测定读数器记录。与光信号相比，磁信号可以稳定更长的时间，并且它们将LFA的灵敏度提高10到1000倍。
荧光和发光材料：荧光分子作为标记广泛用于LFA，且荧光量用于定量样品中分析物的浓度。通过使用有机荧光团如罗丹明作为LFA中的标记来完成蛋白质的检测。
纳米材料的当前研发已经转向制造量子点，其显示出非常独特的电学和光学性质。这些半导体颗粒不仅是水溶性的，而且由于尺寸接近，也可以容易地与生物分子组合。由于其独特的光学性质，量子点已成为有机荧光染料的替代品。与金纳米颗粒一样，QD显示出与尺寸依赖性的光学性质，并且可以监测广谱波长。单个光源足以激发所有不同尺寸的量子点。QD具有高的光稳定性和吸收系数。
上转换磷光体(UCP)的特征在于它们在红外区域中的激发和在高能量可见区域中的发射。与其他荧光材料相比，它们具有不显示任何自发荧光的独特优势。由于它们在IR区域中的激发，它们不使生物分子光降解。其主要优点在于从易于获得的散装材料生产。尽管UCP报告子制备的批次间差异会影响LFA中分析的灵敏度，但是观察到在相同的生物条件设定下进行分析时，与金纳米颗粒或有色乳胶珠相比，它们可以将分析信号的灵敏度提高10到100倍。
酶：酶也用作LFA中的标记。但它们在LFA中增加了在完成测定后施加合适的底物的一个步骤。由于酶促反应，该底物将在测试和对照线产生颜色。在酶的情况下，选择合适的酶底物组合是获得用于条形读数器的有色产物或用于用于电化学检测的电活性产物的一个必要要求。换言之，检测的灵敏度取决于酶底物组合。
胶体碳：胶体碳是相对便宜的标记，并且其生产可以很容易地扩大规模。由于它们的黑色，可以容易地以高灵敏度检测碳纳米颗粒。胶体碳可以用多种生物分子进行功能化，以检测低分子量和高分子量分析物。
检测系统：在金纳米颗粒或其他产色标记的情况下，可以通过在测试和对照线处目视检查颜色来完成定性或半定量分析。视觉检查的主要优点是“是”或“否”的快速定性答案。这种关于临床分析中分析物存在的快速回复具有很高的重要性。在因为耗时很长而无法等待来自中心实验室的测试结果的情形下，这些测试帮助医生在医院的病人附近做出即时决定。但是为了量化，使用光学条带读取器来测量在条带的测试和对照线产生的颜色强度。这是通过将条带插入条带读取器中来实现的，并且通过成像软件同时记录强度。
条带的光学图像也可以用照相机记录，且然后使用合适的软件处理。程序包括将条带正确放置在照相机下方，并将受控量的光投射到要观察的区域上。这种系统使用单色光，并且可以调节光的波长以获得在测试和对照线与背景之间的良好对比度。为了提供良好的定量和可重复的结果，检测系统应该对不同的颜色强度敏感。光学标准可用于校准光学读取器设备。在时间消耗，结果解释和变量调整方面，自动化系统具有优于手动成像和处理的优势。
在荧光标记的情况下，荧光条带读取器用于记录测试和对照线的荧光强度。当用荧光条带读数器检测时，测试线的荧光亮度随着人血清中硝化血清铜蓝蛋白(seruloplasmin)浓度的增加而增加。光电传感器也用于LFIA中的检测，其中胶体金暴露于发光二极管并记录所得的光电子。测量由酶和底物的反应产生的化学发光，作为对靶分析物的量的响应。磁性条带读数器和电化学检测器也被报道为LFTS中的检测系统，但它们并不非常常见。检测器的选择主要由分析中使用的标记决定。
“用于测量CRP的单克隆抗体”的实例包括但不限于：小鼠，单克隆(108-2A2)；小鼠，单克隆(108-7G41D2)；小鼠，单克隆(12D-2C-36)，IgG1；小鼠，单克隆(1G1)，IgG1；小鼠，单克隆(5A9)，IgG2aκ；小鼠，单克隆(63F4)，IgG1；小鼠，单克隆(67A1)，IgG1；小鼠，单克隆(8B-5E)，IgG1；小鼠，单克隆(B893M)，IgG2b，λ；小鼠，单克隆(C1)，IgG2b；小鼠，单克隆(C11F2)，IgG；小鼠，单克隆(C2)，IgG1；小鼠，单克隆(C3)，IgG1；小鼠，单克隆(C4)，IgG1；小鼠，单克隆(C5)，IgG2a；小鼠，单克隆(C6)，IgG2a；小鼠，单克隆(C7)，IgG1；小鼠，单克隆(CRP103)，IgG2b；小鼠，单克隆(CRP11)，IgG1；小鼠，单克隆(CRP135)，IgG1；小鼠，单克隆(CRP169)，IgG2a；小鼠，单克隆(CRP30)，IgG1；小鼠，单克隆(CRP36)，IgG2a；兔，单克隆(EPR283Y)，IgG；小鼠，单克隆(KT39)，IgG2b；小鼠，单克隆(N-a)，IgG1；小鼠，单克隆(N1G1)，IgG1；单克隆(P5A9AT)；小鼠，单克隆(S5G1)，IgG1；小鼠，单克隆(SB78c)，IgG1；小鼠，单克隆(SB78d)，IgG1和兔，单克隆(Y284)，IgG。
用于测量决定子的多克隆抗体包括但不限于通过主动免疫以下一种或多种而从血清产生的抗体：兔，山羊，绵羊，鸡，鸭，豚鼠，小鼠，驴，骆驼，大鼠和马。
检测剂的实例包括但不限于：scFv，dsFv，Fab，sVH，F(ab')2，环肽，Haptamers，单结构域抗体，Fab片段，单链可变片段，Affibody分子，Affilins，Nanofitins，Anticalins，Avimers，DARPins，Kunitz结构域，Fynomers和Monobody。
在具体的实施方案中，试剂盒不包含特异性识别多于50、20、15、10、9、8、7、6、5或4种多肽的多种抗体。
在其他实施方案中，本发明的阵列不包含特异性识别多于50、20、15、10、9、8、7、6、5或4种多肽的多种抗体。
本发明的一些方面还可用于在许多环境中筛选患者或受试者群体。例如，健康维护组织、公共卫生实体或学校健康计划可以筛选一组受试者以鉴定需要干预的那些，如上所述，或用于收集流行病学数据。保险公司(例如，健康、人寿或伤残)可在确定承保范围或定价的过程中筛选申请人，或者筛选现有客户用于可能的干预。在这种群体筛选中收集的数据，特别是当被诸如感染的状况的任何临床进展限制时，将在例如健康维护组织、公共卫生计划和保险公司的操作中具有价值。这种数据阵列或数据集可以存储在机器可读介质中并且用于许多健康相关的数据管理系统中以提供改进的保健服务、成本有效的保健、改进的保险操作等。参见，例如，美国专利申请号2002/0038227；美国专利申请号US 2004/0122296；美国专利申请号US 2004/0122297；和美国专利号5,018,067。这种系统可以直接从内部数据存储器访问数据或者从一个或多个数据存储站点远程访问数据，如本文进一步详述的。
机器可读存储介质可以包括用机器可读数据或数据阵列编码的数据存储材料，当使用编程有用于使用数据的指令的机器时，所述数据存储材料能够用于多种目的。可以在可编程计算机上执行的计算机程序中实现对本发明的生物标志的有效量的测量和/或由那些生物标志得到的风险评价，所述计算机尤其包括处理器、数据存储系统(包括易失性和非易失性存储器和/或存储元件)、至少一个输入设备和至少一个输出设备。程序代码可以应用于输入数据以执行上述功能并生成输出信息。根据本领域已知的方法，输出信息可以应用于一个或多个输出设备。计算机可为例如传统设计的个人计算机、微型计算机或工作站。
每个程序都可以以高级过程式或面向对象的编程语言实现，以与计算机系统通信。但是，如果期望，程序可以以汇编语言或机器语言实现。语言可以是编译或解释语言。每个这样的计算机程序都可以存储在可由通用或专用可编程计算机读取的存储介质或设备(例如，ROM或磁盘或本公开内容中其它地方定义的其它)上，用于在由计算机读取存储介质或设备时配置和操作计算机以执行本文所述的过程。在本发明的一些方面中使用的健康相关的数据管理系统还可被认为实现为配置有计算机程序的计算机可读存储介质，其中如此配置的存储介质使得计算机以特定的和预先确定的方式操作以执行本文描述的各种功能。
在其一些实施方案中，本发明的多肽决定子可以用于产生那些没有感染的受试者的“参考决定子谱”。本文公开的决定子还可以用于产生取自具有感染的受试者的“受试者决定子谱”。可以将受试者决定子谱与参考决定子谱进行比较，以诊断或鉴定具有感染的受试者。可以比较不同感染类型的受试者决定子谱以诊断或鉴定感染类型。在本发明的一些实施方案中，本发明的参考和受试者决定子谱可以包含在机器可读介质中，例如但不限于，诸如可由VCR读取的那些的模拟磁带、CD-ROM、DVD-ROM、USB闪存介质等。这种机器可读介质还可以包含另外的测试结果，例如但不限于临床参数和传统实验室危险因子的测量结果。可选地或另外地，机器可读介质还可以包含诸如病史和任何相关家族史的受试者信息。机器可读介质还可以含有与其它疾病风险算法和计算的指数有关的信息，例如本文所述的那些。
治疗方案的有效性可以通过随着时间的过去检测从受试者获得的样品的有效量(可为一种或多种)的决定子并比较检测的决定子的量来监控。例如，可以在受试者接受治疗之前获得第一样品，并且在受试者治疗之后或期间采取一个或多个后续样品。
例如，本发明的方法可用于区分细菌、病毒和混合感染(即，细菌和病毒共感染)。这将允许患者得到分层和相应地治疗。
在本发明的具体实施方案中，如下提供对于受试者的治疗推荐(即，选择治疗方案)：根据公开的方法中的任何一种的方法鉴定受试者中的感染类型(即，细菌、病毒、混合感染或无感染)，并且如果受试者被鉴定为具有细菌感染或混合感染，则推荐受试者接受抗生素治疗；或者如果受试者被鉴定为具有病毒感染，则推荐抗病毒治疗。
抗生素剂的实例包括但不限于达托霉素；吉米沙星；特拉万星；Ceftaroline；非达霉素；阿莫西林；氨苄西林；巴氨西林；羧苄西林；氯唑西林；双氯西林；氟氯西林；美洛西林；萘夫西林；苯唑西林；青霉素G；青霉素V；哌拉西林；匹氨西林；匹美西林；替卡西林；氨曲南；亚胺培南；多尼培南；美罗培南；厄他培南；克林霉素；林可霉素；普那霉素；喹奴普丁；头孢乙腈(cephacetrile)；头孢羟氨苄(氨羟苄头孢菌素)；头孢氨苄(苯甘孢霉素)；头孢来星(氨基苯乙酰头孢菌素)；头孢洛宁(烟酰头孢菌素)；头孢噻啶(cephaloridine)；头孢噻吩(先锋霉素)；头孢匹林(cephapirin)；头孢曲嗪；头孢氮氟；头孢西酮；头孢唑啉(唑啉头孢菌素)；头孢拉定(环烯头孢菌素)；头孢沙定；头孢替唑；头孢克洛；头孢孟多；头孢美唑；头孢尼西；头孢替坦；头孢西丁；头孢丙烯(头孢罗齐)；头孢呋辛；头孢唑喃；头孢卡品；头孢达肟；头孢地尼；头孢托仑；头孢他美；头孢克肟；头孢甲肟；头孢地嗪；头孢噻肟；头孢咪唑；头孢泊肟；头孢特仑；头孢布烯；头孢噻呋；头孢噻林；头孢唑肟；头孢曲松；头孢哌酮；头孢他啶；头孢克定；头孢吡肟；头孢瑞南；头孢噻利；头孢唑兰；头孢匹罗；头孢喹肟；第五代；头孢吡普；头孢洛林；未分类的；头孢氯嗪；头孢洛仑；头孢帕罗；头孢卡奈；头孢屈洛；头孢吡酮；头孢三唑；头孢维曲；头孢替林；Cefmepidium；头孢维星；头孢噁唑；头孢罗替；头孢舒米；头孢呋汀；头孢噻氧；阿奇霉素；红霉素；克拉霉素；地红霉素；罗红霉素；泰利霉素；阿米卡星、；庆大霉素；卡那霉素；新霉素；奈替米星；巴龙霉素；链霉素；妥布霉素；氟甲喹；萘啶酸；噁喹酸；吡罗米酸；吡哌酸；罗索沙星；环丙沙星；依诺沙星；洛美沙星；那氟沙星；诺氟沙星；氧氟沙星；培氟沙星；芦氟沙星；巴洛沙星；加替沙星；格帕沙星；左氧氟沙星；莫西沙星；帕珠沙星；司帕沙星；替马沙星；妥舒沙星；贝西沙星；克林沙星；吉米沙星；西他沙星；曲伐沙星；普卢利沙星；磺胺甲；噻二唑；磺胺甲噁唑；磺胺异噁唑；甲氧苄啶-磺胺甲噁唑；地美环素；多西环素；米诺环素；土霉素；四环素；替加环素；氯霉素；甲硝唑；替硝唑；呋喃妥因；万古霉素；替考拉宁；特拉万星；利奈唑胺；环丝氨酸2；利福平；利福布丁；利福喷丁；杆菌肽；多粘菌素B；紫霉素；卷曲霉素。
如果划入病毒感染，则可以用抗病毒剂治疗受试者。抗病毒剂的实例包括但不限于阿巴卡韦；阿昔洛韦(Aciclovir)；无环鸟苷(Acyclovir)；阿德福韦；金刚烷胺；安普那韦；安普利近(Ampligen)；阿比朵尔；阿扎那韦；阿曲普拉(Atripla)；Balavir；波普瑞韦尔特(Boceprevirertet)；西多福韦；可比韦(Combivir)；度鲁特韦(Dolutegravir)；地瑞那韦；地拉韦啶；地达诺新；二十二烷醇；依度尿苷；依法韦仑；恩曲他滨；恩夫韦地；恩替卡韦；Ecoliever；泛昔洛韦；福米韦生；福沙那韦；膦甲酸；膦乙酸；融合抑制剂；更昔洛韦；伊巴他滨；Imunovir；碘苷；咪喹莫特；茚地那韦；肌苷；整合酶抑制剂；III型干扰素；II型干扰素；I型干扰素；干扰素；拉米夫定；洛匹那韦；洛韦安；马拉维诺；吗啉双胍；甲吲噻腙；奈非那韦；奈韦拉平；Nexavir；奥司他韦；聚乙二醇干扰素alfa-2a；喷昔洛韦；帕拉米韦；普来可那立；鬼臼毒素；雷特格韦；逆转录酶抑制剂；利巴韦林；金刚乙胺；利托那韦；Pyramidine；沙奎那韦；索非布韦；司他夫定特拉匹韦；替诺福韦；替诺福韦二吡呋酯(Tenofovir disoproxil)；替拉那韦；三氟尿苷；三协唯(Trizivir)；曲金刚胺；特鲁瓦达；traporved；伐昔洛韦；缬更昔洛韦；Vicriviroc；阿糖腺苷；viramidine；扎西他滨；扎那米韦；齐多夫定；RNAi抗病毒剂；吸入型rhibovirons；单克隆抗体respigams；神经氨酸酶阻滞剂。
在另一个实施方案中，本发明的方法可用于推动另外的靶向诊断，例如病原体特异性PCR、胸X-射线、培养等。例如，根据本发明的实施方案指示病毒感染的诊断可推动使用另外的病毒特异性多重PCR，而根据本发明的实施方案指示细菌感染的诊断可推动使用细菌特异性多重PCR。因此，人们可以降低不必要的昂贵诊断学的成本。
在具体的实施方案中，如下提供对于受试者的诊断测试推荐：根据任何公开的方法鉴定受试者中的感染类型(即，细菌、病毒、混合感染或无感染)，并且如果受试者被鉴定为具有细菌感染或混合感染，则推荐测试以确定细菌感染的来源；或者如果受试者被鉴定为具有病毒感染，则推荐测试以确定病毒感染的来源。
本发明的性能和准确性度量
如上文所指出的，可以多种方式评估本发明的性能以及因此绝对和相对临床有用性。在各种性能评估中，本发明的一些方面意图是提供临床诊断和预后的准确性。诊断或预后测试、测定或方法的准确性涉及测试、测定或方法区分具有感染的受试者的能力，基于受试者是否具有决定子水平的“显著改变”(例如，临床上显著的和诊断上显著的)。“有效量”是指测量适当数目的决定子(其可为一种或多种)以产生与对于该一种或多种决定子的预定截止点(或阈值)不同的“显著改变”(例如，决定子的表达或活性水平)，并且因此表明受试者具有该一种或多种决定子是其指示的感染。决定子水平的差异优选是统计学上显著的。如下文所指出的，并且不受本发明的任何限制，实现统计学显著性，并且因此优选的分析、诊断和临床准确性，可能需要在小组(panel)中一起使用几种决定子的组合并与数学算法组合以实现统计学上显著的决定子指数。
在疾病状态的分类诊断中，改变测试(或测定)的截止点(cut point)或阈值通常改变灵敏度和特异性，但是是以定性反比关系的。因此，在评估建议的评估受试者状况的医学测试、测定或方法的准确性和有用性中，人们应始终考虑灵敏度和特异性两者，并注意在报告灵敏度和特异性处的截止点是什么，这是因为灵敏度和特异性在截止点范围内可显著变化。实现这一点的一种方式是通过使用Matthews相关系数(MCC)度量标准，所述度量标准取决于灵敏度和特异性两者。当使用本发明的一些方面时，对于大多数分类风险度量，优选使用诸如ROC曲线下面积(AUC)的统计量，包括所有潜在的截止点值，而对于连续风险度量，优选使用拟合优度和对观察结果或其它黄金标准的校准的统计量。
预定水平的可预测性是指所述方法提供可接受水平的临床或诊断准确性。使用这样的统计量，“可接受的诊断准确性程度”在本文中定义为测试或测定(例如，在本发明的一些方面中用于确定临床上显著的决定子存在的测试，其因此表明存在感染类型)，其中AUC(用于测试或测定的ROC曲线下面积)为至少0.60，期望地为至少0.65，更期望地为至少0.70，优选为至少0.75，更优选为至少0.80，且最优选为至少0.85。
“非常高的诊断准确性程度”是指测试或测定，其中AUC(用于测试或测定的ROC曲线下面积)为至少0.75，0.80，期望地为至少0.85，更期望地为至少0.875，优选至少0.90，更优选至少0.925，且最优选至少0.95。
可选地，所述方法预测感染或对治疗的反应的存在或不存在，总准确性为至少75％，更优选80％、85％、90％、95％、97％、98％、99％或更高的总准确性。
可选地，所述方法预测细菌感染或对治疗的反应的存在，灵敏度为至少75％，更优选80％、85％、90％、95％、97％、98％、99％或更高的灵敏度。
可选地，所述方法预测病毒感染或对治疗的反应的存在，特异性为至少75％，更优选80％、85％、90％、95％、97％、98％、99％或更高的特异性。
可选地，所述方法排除细菌感染的存在或划入病毒感染，具有至少75％的NPV，更优选80％，85％，90％，95％，97％，98％，99％或更高的NPV。可选地，所述方法划入细菌感染的存在或排除病毒感染，具有至少75％PPV，更优选80％，85％，90％，95％，97％，98％，99％或更高的PPV。
可选地，所述方法预测病毒感染或对治疗的反应的存在，特异性为至少75％，更优选80％、85％、90％、95％、97％、98％、99％或更高的特异性。可选地，所述方法以大于0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9或1.0的MCC预测感染或对治疗的反应的存在或不存在。
通常，当相关医学学会和医学实践尚未明确定义疾病类别时，在治疗用途的阈值尚未确定，或者不存在用于诊断未病(pre-disease)的黄金标准的情况下，确定诊断准确性的可选方法通常用于连续度量。对于连续的风险度量，计算的指数的诊断准确性度量一般基于曲线拟合和预测的连续值与实际观测值(或历史指数计算值)之间的校准，并利用诸如R平方、Hosmer-Lemeshow P-值统计量和置信区间的度量。基于历史观察群的预测报告使用这种算法的预测值并不罕见，包括置信区间(通常为90％或95％CI)，如在通过GenomicHealth, Inc.(Redwood City, California)商业化的未来乳腺癌复发风险的测试中。
通常，通过定义诊断准确性程度，即ROC曲线上的截止点，定义可接受的AUC值以及确定构成本发明的决定子的有效量的相对浓度的可接受范围允许本领域技术人员以预定水平的可预测性和性能使用决定子来鉴定、诊断或预测受试者。
此外，其它未列出的生物标志将与决定子非常高度相关(对本申请来说，当它们具有0.5或更高的测定系数(R 2 )时，任何两个变量将被认为是“非常高度相关的”)。本发明的一些方面包括上述决定子的这种功能和统计学等价物。此外，这种另外的决定子的统计学效用基本上取决于多种生物标志之间的互相关联，并且将经常需要任何新的生物标志在小组内操作以阐明潜在生物学的含义。
在本发明的一些实施方案中，可以在本发明的实践中检测列出的决定子中的一种或多种。例如，可以检测二(2)、三(3)、四(4)、五(5)、十(10)、十五(15)、二十(20)、四十(40)或更多种决定子。
在一些方面，可以检测本文列出的所有决定子。可以从中检测决定子的数目的优选范围包括由选自1，和特别是2、3、4、5、6、7、8、9、10、20或40之间的任何最小值定界的范围。特别优选的范围包括2至5 (2-5)、2至10 (2-10)、2至20 (2-20)或2至40 (2-40)。
决定子小组的构建
决定子的分组可以包括在“小组”中，也称为“决定子-特征”、“决定子特征”或“多决定子特征”。在本发明的上下文中的“小组”是指包括一种或多种决定子的一组生物标志(无论它们是决定子、临床参数还是传统实验室危险因子)。小组还可以包含另外的生物标志，例如临床参数，传统实验室危险因子，已知存在或与感染相关，结合本文列出的选定组的决定子。
如上文所指出的，当单独且不作为决定子的多生物标志小组的成员使用时，列出的许多个别决定子、临床参数和传统实验室危险因子在可靠区分个别正常受试者、处于具有感染的危险中的受试者(例如，细菌、病毒或共感染)中几乎没有或没有临床用途，且因此不能可靠地单独用于在这三种状态之间对任何受试者进行分类。即使在这些群体的每一个中它们的平均测量结果中存在统计学上显著的差异的情况下，如通常在充分给予动力的(sufficiently powered)研究中发生的，这种生物标志可能仍然将其适用性限于个别受试者，并且对该受试者的诊断或预后预测几乎没有贡献。统计学显著性的一个常用度量是p-值，其表明观察单独偶然产生的概率；优选地，这样的p-值为0.05或更小，表示目标观察偶然产生的概率为5％或更小。这样的p-值显著地取决于所进行的研究的实力。
尽管存在这种个别决定子性能，以及仅结合传统临床参数和很少的传统实验室危险因子的公式的一般性能，但本发明人已经注意到，两种或更多种决定子的某些特定组合也可以用作多生物标志小组，其包含已知涉及一种或多种生理学或生物学途径的决定子的组合，并且这种信息可以通过使用各种公式组合并在临床上有用，包括统计学分类算法和其它，结合并在许多情况下扩展组合的性能特征超出个别决定子的那种。这些具体组合显示出可接受的诊断准确性水平，并且当来自多种决定子的足够信息在训练的公式中组合时，它们经常可靠地实现可从一个群体移动到另一个群体的高水平诊断准确性。
如何将两个较不特异或较低性能的决定子组合成用于预期适应症的新颖和更有用的组合的一般概念是本发明的一些实施方案的关键方面。当使用正确的数学和临床算法时，与个别组分相比，多个生物标志可以产生显著的性能改善；这在灵敏度和特异性两者中经常是明显的，并且导致更大的AUC或MCC。性能的显著改善可意味着在不同的准确性度量例如总准确性、AUC、MCC、灵敏度、特异性、PPV或NPV中1％、2％、3％、4％、5％、8％、10％或高于10％的增加。其次，在现有的生物标志中经常存在新的未被察觉的信息，这是因为其是通过新的公式实现提高的灵敏度或特异性水平所必需的。即使对于通常被认为自身具有次优临床性能的生物标志，这种隐藏的信息也可能适用。实际上，单独测量的单个生物标志的高假阳性率方面的次优性能可能非常好地作为生物标志结果中含有一些重要的另外信息的指示物-在没有与第二个生物标志的组合和数学公式的情况下，将无法阐明的信息。
另一方面，限制测量的诊断决定子(例如，蛋白质生物标志)的数目经常是有用的，这是因为这允许显著的成本降低并减少所需的样品体积和测定复杂性。因此，即使当两个特征具有相似的诊断性能(例如，相似的AUC或灵敏度)时，包含较少蛋白的一个可具有显著的实用性和能力以付诸实施。例如，与10个蛋白相比包括5个蛋白并且表现相似的特征在现实生活临床环境中具有许多优点，并且因此是期望的。因此，在保持相似水平的准确性的同时能够减少特征中包含的基因数目是有价值的和发明。在此上下文下，类似的准确性水平可意味着，在不同的准确性度量例如总准确性、AUC、MCC、灵敏度、特异性、PPV或NPV中，正或负1％、2％、3％、4％、5％、8％或10％；特征基因数目的显著减少包括将基因数目减少2、3、4、5、6、7、8、9、10或超过10个基因。
本领域已知的若干统计学和建模算法可用于辅助决定子选择的选择方案并最优化组合这些选择方案的算法。统计学工具如因子和交叉生物标志(cross-biomarker)相关/协方差分析允许对小组构建的更多原理方法。可以有利地使用数学聚类和分类树，其示出了决定子之间的欧氏标准化距离。也可采用这种统计学分类技术的途径知情接种(pathwayinformed seeding)，如基于根据个别决定子在特定途径或生理功能中的参与选择所述个别决定子的许多合理方法。
最终，诸如统计学分类算法的公式可以直接用于选择决定子并生成和训练将来自多种决定子的结果组合成单个指数所必需的最佳公式。经常使用技术，如前向(根据零潜在解释参数)和后向选择(根据所有可用的潜在解释参数)，并且使用信息标准如AIC或BIC来定量小组性能和诊断准确性与使用的决定子数目之间的权衡。在前向或后向选择的小组上的个别决定子的位置可以与其为算法提供增量信息内容密切相关，因此贡献的顺序高度依赖于小组中的其它组成决定子。
临床算法的构建
可以使用任何公式将决定子结果组合成可用于本发明实践的指数。如上所述，但不限于此，除了各种其它指标之外，这种指数可指示概率、可能性、绝对或相对风险、从一种疾病状态转变到另一种疾病状态的时间或速率，或对感染的未来生物标志测量进行预测。这可以针对特定时间段或范围，或针对剩余终生风险，或者仅作为相对于另一参考受试者群体的指数提供。
尽管这里描述了各种优选的公式，但是除了本文和上述定义中提到的那些之外的若干其它模型和公式类型是本领域技术人员众所周知的。所使用的实际模型类型或公式本身可以基于其在训练群体中的结果的性能和诊断准确性特征从潜在模型的范围内选择。公式本身的细节通常可来自相关训练群体中的决定子结果。除了其它用途之外，这种公式可意图将从一种或多种决定子输入导出的特征空间映射到一组受试者类(例如，用于预测受试者的类成员资格为正常、具有感染)，以使用贝叶斯方法得出对风险概率函数的估计，或估计类-条件概率，然后使用贝叶斯规则产生类概率函数，如在前一种情况中那样。
优选的公式包括广泛种类的统计学分类算法，且特别是判别式分析的使用。判别式分析的目标是从先前鉴定的一组特征中预测类成员资格。在线性判别式分析(LDA)的情况下，鉴定特征的线性组合，其通过一些标准最大化组间的分离。可以使用具有不同阈值的基于本征基因(eigengene)的方法(ELDA)或基于多变量方差分析(MANOVA)的步进算法鉴定LDA的特征。可以执行前向、后向和步进算法，其基于Hotelling-Lawley统计量最小化不分离的概率。
基于本征基因的线性判别式分析(ELDA)是Shen等人(2006)开发的一种特征选择技术。所述公式使用修改的本征分析在多变量框架中选择特征(例如，生物标志)，以鉴定与最重要的本征向量相关联的特征。“重要的”被定义为那些本征向量，其解释了试图相对于某个阈值进行分类的样本之间差异的最大方差。
支持向量机(SVM)是一种分类公式，其试图找到一个分开两个类的超平面。这一超平面含有支持向量，恰好离开超平面边界距离的数据点。在数据当前维度中不存在分开超平面的可能情况下，通过采取始变量的非线性函数将数据投影到更大的维度，极大地扩展维度(Venables和Ripley，2002)。虽然不是必需的，但SVM的特征的过滤经常改进预测。可以使用非参数Kruskal-Wallis(KW)检验鉴定支持向量机的特征(例如，生物标志)，以选择最佳单变量特征。随机森林(RF，Breiman，2001)或递归分区(recursive partitioning)(RPART，Breiman等人，1984)也可以单独使用或组合使用，以鉴定最重要的生物标志组合。KW和RF都要求从总数中选择许多特征。RPART使用可用生物标志的子集创建单个分类树。
可使用其它公式，以在将个别决定子测量的结果呈现给预测公式之前将它们预处理成更有价值的信息形式。最值得注意的是，根据群体的平均值使用常见的数学变换如对数或逻辑函数将生物标志结果标准化为正态或其它分布情况等都是本领域技术人员众所周知的。特别重要的是基于临床决定子的一组标准化，例如自症状以来的时间、性别、种族或性别，其中具体公式仅用于一类中的受试者或连续组合临床决定子作为输入。在其它情况下，基于分析物的生物标志可以组合成计算的变量，随后将其呈现给公式。
除了可能标准化的一个受试者的个别参数值之外，根据D'Agostino等人，(2001)JAMA286：180-187中概述的技术，或其它类似的标准化和再校准技术，对所有受试者或任何已知受试者类别的总体预测公式本身可基于对群体预期的流行和平均生物标志参数值的调整来再校准或以其它方式调整。这种流行病学调整统计学可通过提供给模型的过去数据的记录连续捕获、确认、改进和更新，所述数据可为机器可读的或其它方式，或偶尔通过对存储的样品的回顾性查询或参考这些参数和统计学的历史研究。可为公式再校准或其它调整的对象的另外的实例包括关于优势比的局限性的Pepe, M.S.等人, 2004、与ROC曲线有关的Cook, N.R., 2007的研究中使用的统计学。最后，分类器公式本身的数值结果可通过其对实际临床群体和研究结果以及观察到的终点的参考进行转化后处理，以校准绝对风险并为分类器的不同数值结果或风险公式提供置信区间。
有多种方式(和公式)将两种生物标志物组合成一种预测性评分。例如，使用对每个生物标记物各一个的双截止值，产生二元分离模式，其可以在细菌，病毒和混合(细菌-病毒共感染)患者之间进行分离。对于一些生物标记物，添加另一个截止值还可以通过生成由六个单元组成的分离模式来识别健康患者。可选地，细菌和病毒患者之间的分离可以基于两种生物标志物之间的比率。使用两个生物标记之间的比率的限定截止值产生分离细菌和病毒区域的线。
组合两种生物标志物的另一种方式是使用统计分类算法，其可以产生各种独特的分离超平面，其以高水平准确度以独立于截止值的方式区分两组患者。重要的是，与使用限定的截止值和二元/六单元分离模式获得的二元结果(仅细菌或病毒结果)相比，独立于截止值的模型(例如使用统计分类算法生成)可以提供可能性得分(例如，90％的细菌感染机会)。因此，它可以提供可以指导正确的患者管理的额外临床信息。统计分类算法的示例包括人工神经网络(ANN)，支持向量机(SVM)，贝叶斯网络(BN)，K-最近邻(KNN)和逻辑回归。
因此，本发明的某些实施方案包括将来自多肽列表中的两个多肽组合，所述多肽列表包括例如CRP，TRAIL，PCT，IL-6，IP-10，MX1，用于区分细菌和病毒患者。
在一个实施方案中，分离基于应用双截止值(每个生物标记物一个)并产生四元分离模式。
在另一个实施方案中，分离基于对一种生物标志物应用双截止值和对第二生物标志物应用单一截止值并产生六单元分离模式。
在另一个实施方案中，分离基于使用限定的截止值的两种生物标志物之间的比率。
在又一个实施方案中，使用统计分类算法以独立于截止值的方式进行两种生物标志物的组合。
一些决定子可表现出取决于患者年龄的趋势(例如，群体基线可随年龄而上升或下降)。人们可以使用“年龄依赖性标准化或分层”方案以对年龄相关的差异进行调整。执行年龄依赖性标准化、分层或不同的数学公式可以用于改善区分不同类型感染的决定子的准确性。例如，本领域技术人员可以产生拟合随年龄而变的每种决定子的群体平均水平的函数，并使用它来标准化不同年龄的个别受试者水平的决定子。另一个例子是根据他们的年龄对受试者分层，并独立确定每个年龄组的年龄特异性阈值或指数值。
在本发明的上下文中，可使用以下统计学术语：
“TP”是真阳性，意味着准确反映所测试的活性(tested-for activity)的阳性测试结果。例如，在本发明的上下文中，TP为例如但不限于正确地对细菌感染进行分类本身。
“TN”是真阴性，意味着准确反映所测试的活性的阴性测试结果。例如，在本发明的上下文中，TN为例如但不限于正确地对病毒感染进行分类本身。
“FN”是假阴性，意味着看起来阴性、但未能揭示情况的结果。例如，在本发明的上下文中，FN为例如但不限于将细菌感染错误地分类为病毒感染。
“FP”是假阳性，意味着错误地分类于阳性类别的测试结果。例如，在本发明的上下文中，FP为例如但不限于将病毒感染错误地分类为细菌感染。
“灵敏度”通过TP/(TP + FN)或疾病受试者的真阳性分数计算。
“特异性”通过TN/(TN + FP)或非疾病或正常受试者的真阴性分数计算。
“总准确性”通过(TN + TP)/(TN + FP + TP + FN)计算。
“阳性预测值”或“PPV”通过TP /(TP + FP)或所有阳性测试结果的真阳性分数计算。它固有地受到疾病的流行和意图测试的群体的测试前概率(pre-test probability)的影响。
“阴性预测值”或“NPV”通过TN /(TN + FN)或所有阴性测试结果的真阴性分数计算。它也固有地受到疾病的流行和意图测试的群体的测试前概率的影响。参见，例如，O’Marcaigh AS, Jacobson RM, “Estimating The Predictive Value Of ADiagnosticTest, How To Prevent Misleading Or Confusing Results,” Clin. Ped. 1993, 32(8): 485-491，其讨论了测试的特异性、灵敏度和阳性和阴性预测值，所述测试例如临床诊断测试。
“MCC”(Matthews相关系数)计算如下：MCC = (TP * TN – FP * FN)/{(TP + FN)* (TP + FP) * (TN + FP) * (TN + FN)}^0.5，其中TP、FP、TN、FN分别是真阳性、假阳性、真阴性和假阴性。注意，MCC值在-1和+1之间变化，分别表示完全错误和完美分类。MCC为0表示随机分类。已经显示MCC对于将灵敏度和特异性结合到单个度量标准中是有用的(Baldi，Brunak等人，2000)。在不平衡的类大小的情况下，它也可用于测量和最优化分类准确性(Baldi，Brunak等人，2000)。
经常，对于使用连续诊断测试测量的二元疾病状态分类方法，灵敏度和特异性根据Pepe等人, “Limitations of the Odds Ratio in Gauging the Performance ofaDiagnostic, Prognostic, or Screening Marker,” Am. J. Epidemiol 2004, 159(9): 882-890通过接收者操作特征(ROC)曲线总结，并且由曲线下面积(AUC)或c-统计量总结，一种允许只用单个值在测试(或测定)截止点的整个范围内表现测试、测定或方法的灵敏度和特异性的指示物。还参见，例如，Shultz，“Clinical Interpretation OfLaboratory Procedures,” 第14章，Teitz, Fundamentals of Clinical Chemistry,Burtis和Ashwood (eds.), 第4版1996, W.B. Saunders Company, 第192-199页；和Zweig等人，“ROC Curve Analysis: An Example Showing The Relationships Among SerumLipid And Apolipoprotein Concentrations In Identifying Subjects With CoronoryArtery Disease,” Clin. Chem., 1992, 38(8): 1425-1428。使用似然函数、优势比、信息理论、预测值、校准(包括拟合优度)和重新分类测量的可选方法根据Cook, “Use andMisuse of the Receiver Operating Characteristic Curve in Risk Prediction,”Circulation 2007, 115: 928-935总结。
“准确性”是指测量或计算的量(测试报告值)与其实际(或真实)值的一致程度。临床准确性与真实结果(真阳性(TP)或真阴性(TN)与错误分类结果(假阳性(FP)或假阴性(FN))相比的比例有关，且可表示为灵敏度、特异性、阳性预测值(PPV)或阴性预测值(NPV)、Matthews相关系数(MCC)，或似然、优势比、接收者操作特征(ROC)曲线、曲线下面积(AUC)以及其它度量。
“公式”、“算法”或“模型”是采用一个或多个连续或分类输入(此处称为“参数”)并计算输出值的任何数学方程、算法、分析或程序化过程或统计学技术，有时被称为“指数”或“指数值”。“公式”的非限制性实例包括总和、比率和回归算子，例如系数或指数、生物标志值转化和标准化(包括但不限于基于临床决定子的那些标准化方案，例如性别、年龄或种族特点)、规则和指南、统计学分类模型以及对历史群体训练的神经网络。在组合决定子中特别有用的是线性和非线性方程和统计学分类分析，以确定在受试者样品中检测到的决定子水平与受试者具有感染或某种类型感染的概率之间的关联。
在小组和组合构建中，特别重要的是结构和语法统计学分类算法，以及指数构建方法，其利用模式识别特征，包括已确立的技术，如互相关联，主成分分析(PrincipalComponents Analysis) (PCA)，因素转动(factor rotation)，逻辑回归(LogReg)，线性判别式分析(LDA)，本征基因线性判别式分析(ELDA)，支持向量机(SVM)，随机森林(RF)，递归分区树(RPART)，以及其它相关的决策树(decision tree)分类技术，Shrunken Centroids(SC)，StepAIC，Kth-Nearest Neighbor，Boosting，决策树，神经网络，贝叶斯网络和隐马尔可夫模型等。其它技术可用于存活和事件发生所需的时间危害分析，包括本领域技术人员众所周知的Cox、Weibull、Kaplan-Meier和Greenwood模型。这些技术中的许多或者与决定子选择技术结合是有用的，例如前向选择、后向选择或逐步选择、给定大小的所有潜在小组的完整列举、遗传算法，或者它们本身在它们自己的技术中可包括生物标志选择方法。这些可以与信息标准相结合，例如Akaike的信息标准(AIC)或Bayes信息标准(BIC)，以定量另外的生物标志和模型改进之间的权衡，并有助于最小化过度拟合(overfit)。使用这样的技术如Bootstrap、Leave-One-Out (LOO)和10-倍交叉验证(10-倍CV)，得到的预测模型可在其它研究中验证，或者在它们最初被训练的研究中交叉验证。在各个步骤，可以根据本领域已知的技术通过值置换(value permutation)来估计错误发现率。“健康经济效用函数”是一种公式，它得自在诊断或治疗干预引入护理标准之前和之后，理想化适用患者群体中一系列临床结果的预期概率的组合。它包括对这种干预的准确性、有效性和性能特征，以及与每种结果相关的成本和/或价值测量(效用)的估计，其可得自护理的实际健康系统成本(服务、供应品、设备和药物等)和/或作为导致每一结果的每个质量调整寿命年(qualityadjusted life year)(QALY)的估计可接受值得出。
跨越所有预测结果，对一个结果预测的群体大小乘以各自结果的预期效用的乘积的总和是给定护理标准的总健康经济效用。(i)对具有干预的护理标准计算的总健康经济效用与(ii)对没有干预的护理标准的总健康经济效用相比之间的差异导致干预的健康经济成本或价值的总体度量。这本身可在被分析的整个患者组间(或仅在干预组间)分配，以获得每单位干预的成本，并指导诸如市场定位、定价和卫生系统接受度假设的决策。这种健康经济效用函数通常用于比较干预的成本-效益，但也可被转化以估计卫生保健系统愿意支付的每QALY的可接受值，或者新的干预所需的可接受的成本效益临床性能特征。
对于本发明的诊断(或预后)干预，由于每个结果(在疾病分类诊断测试中可为TP、FP、TN或FN)具有不同的成本，所以健康经济效用函数基于临床情况和个体结果成本和价值可优先支持灵敏度超过特异性、或PPV超过NPV，并且因此提供了另一种健康经济性能和价值的度量，其可与更直接的临床或分析性能度量不同。这些不同的测量和相对权衡通常将仅在完美测试的情况下汇合，具有零错误率(也就是说，零预测的受试者结果错误分类或FP和FN)，其所有性能度量将优先于不完美，但是程度不同。
“分析准确性”指测量过程本身的可再现性和可预测性，并且可在诸如变异系数(CV)、Pearson相关以及相同样品或对照用不同时间、用户、设备和/或试剂的一致和校准检验的测量中总结。Vasan，2006中也总结了评价新生物标志中的这些和其它考虑因素。
“性能”是与诊断或预后测试的总体有用性和质量相关的术语，除了其他之外包括临床和分析准确性、其它分析和过程特征，例如使用特征(例如，稳定性，易用性)、健康经济价值以及测试组分的相对成本。这些因素中的任何一个都可为优良性能并因此测试的有用性的来源，并且可通过相关的适当“性能度量标准”例如AUC和MCC、结果发生所需的时间、贮存期限等来测量。
“统计学上显著的”意味着改变大于可能预期单独偶然发生的改变(其可为“假阳性”)。统计学显著性可以通过本领域已知的任何方法确定。常用的显著性度量包括p-值，其表示假设数据点仅是偶然的结果，获得至少与给定数据点一样极端的结果的概率。在p-值为0.05或更小时，结果经常被认为是高度显著的。
在本发明的上下文中，可使用以下缩写：抗生素(Abx)、不利事件(AE)、任意单位(A.U.)、全血细胞计数(CBC)、病例报告表(CRF)、胸X-射线(CXR)、电子病例报告表(eCRF)、美国食品药品监督管理局(FDA)、良好临床实践(GCP)、胃肠道(GI)、胃肠炎(GE)、国际协调会议(International Conference on Harmonization)(ICH)、传染病(ID)、体外诊断(IVD)、下呼吸道感染(LRTI)、心肌梗死(MI)、聚合酶链反应(PCR)、口服(Per-oss)(P.O)、经直肠(P.R)、护理标准(SoC)、标准操作程序(SOP)、尿道感染(UTI)、上呼吸道感染(URTI)。
如本文所用的，术语“约”指±10％。
术语“包含(comprises)”、“包含(comprising)”、“包括(includes)”、“包括(including)”、“具有(having)”和它们的词形变化指“包括但不限于”。
术语“由……组成”指“包括且限于”。
术语“基本上由……组成”指组合物、方法或结构可包括另外的成分、步骤和/或部件，但只有当另外的成分、步骤和/或部件不实质上改变请求保护的组合物、方法或结构的基本和新颖特征时。
如本文所用的，单数形式“一(a)”、“一个(an)”和“所述(the)”包括复数参考，除非上下文另有明确说明。例如，术语“化合物”或“至少一种化合物”可包括多种化合物，包括其混合物。
在整个申请中，本发明的各种实施方案可以范围形式呈现。应理解的是，范围形式的描述仅仅是为了方便和简洁，且不应该被解释为对本发明范围的硬性限制。因此，应该认为范围的描述具体公开了该范围内的所有可能的子范围以及个别数值。例如，应该认为，对诸如1至6的范围的描述具有具体公开的子范围，例如从1到3、从1到4、从1到5、从2到4、从2到6、从3到6等，以及在该范围内的个别数字，例如，1、2、3、4、5和6。无论范围的宽度如何，这都适用。
无论何时在本文中指示数值范围，其都意图包括在所指示的范围内的任何引用的数字(分数或整数)。短语在第一指示数字至第二指示数字之间“变化/变化(ranging/ranges between)”和“从”第一指示数字“到”第二指示数字在本文中可互换使用，并且意味着包括第一和第二指示数字以及它们之间的所有分数和整数数字。
如本文所用的，术语“方法”是指用于完成给定任务的方式、手段、技术和程序，包括但不限于化学、药理学、生物学、生物化学和医学领域的从业者已知的那些方式、手段、技术和程序，或化学、药理学、生物学、生物化学和医学领域的从业者易于从已知的方式、手段、技术和程序开发的那些方式、手段、技术和程序。
如本文所用的，术语“治疗”包括消除、基本上抑制、减缓或逆转状况的进展，基本上改善状况的临床或美学症状，或基本上防止状况的临床或美学症状的出现。
要理解的是，为了清楚起见，在分开的实施方案的上下文中描述的本发明的某些特征也可在单个实施方案中组合提供。相反，为了简洁起见，在单个实施方案的上下文中描述的本发明的各种特征也可分开提供或以任何合适的子组合提供或者适当时在本发明的任何其它描述的实施方案中提供。在各种实施方案的上下文中描述的某些特征不被认为是那些实施方案的必要特征，除非所述实施方案在没有那些要素的情况下不起作用。
尽管已经结合其具体实施方案描述了本发明，但显然许多替代、修改和变化对于本领域技术人员来说将是显而易见的。因此，意图包含落入所附权利要求的精神和广泛范围内的所有这些替代、修改和变化。
本说明书中提及的所有出版物、专利和专利申请均整体引入本说明书中作为参考，其程度如同每个个别的出版物、专利或专利申请被具体和个别地指出引入本文作为参考一样。另外，本申请中任何参考文献的引用或确定不应被解释为承认这样的参考文献可用作本发明的现有技术。在使用章节标题的范围内，它们不应被解释为必定是限制性的。
如上所述和如下面的权利要求部分所请求保护的本发明的各种实施方案和方面在以下实施例中找到实验支持。
实施例
现在参考以下实施例，其与以上描述一起以非限制性方式说明本发明的一些实施方案。
通常，本文使用的命名法和本发明中使用的实验室程序包括分子、生物化学、微生物学和重组DNA技术。这种技术在文献中有详尽的解释。参见，例如，"Molecular Cloning:Alaboratory Manual" Sambrook等人, (1989)； "Current Protocols in MolecularBiology" Volumes I-III Ausubel, R. M., ed. (1994)；Ausubel等人, "CurrentProtocols in Molecular Biology", John Wiley and Sons, Baltimore, Maryland(1989)；Perbal, "APractical Guide to Molecular Cloning", John Wiley & Sons,New York (1988)；Watson等人, "Recombinant DNA", Scientific American Books, NewYork；Birren等人(eds) "Genome Analysis: ALaboratory Manual Series", 1-4卷,Cold Spring Harbor Laboratory Press, New York (1998)；如列于美国专利号4,666,828；4,683,202；4,801,531；5,192,659和5,272,057中的方法；"Cell Biology:ALaboratory Handbook", I-III卷, Cellis, J. E., ed. (1994)；"Culture of AnimalCells - AManual of Basic Technique" by Freshney, Wiley-Liss, N. Y. (1994), 第三版；"Current Protocols in Immunology" I-III卷, Coligan J. E., ed. (1994)；Stites等人(eds), "Basic and Clinical Immunology" (第8版), Appleton & Lange,Norwalk, CT (1994)；Mishell和Shiigi (eds), "Selected Methods in CellularImmunology", W. H. Freeman and Co., New York (1980)；在专利和科学文献中广泛描述了可用的免疫测定，参见，例如，美国专利号3,791,932；3,839,153；3,850,752；3,850,578；3,853,987；3,867,517；3,879,262；3,901,654；3,935,074；3,984,533；3,996,345；4,034,074；4,098,876；4,879,219；5,011,771和5,281,521；"Oligonucleotide Synthesis"Gait, M. J., ed. (1984)；“Nucleic Acid Hybridization" Hames, B. D.和Higgins S.J., eds. (1985)；"Transcription and Translation" Hames, B. D.和Higgins S. J.,eds. (1984)；"Animal Cell Culture" Freshney, R. I., ed. (1986)；"ImmobilizedCells and Enzymes" IRL Press, (1986)；"APractical Guide to Molecular Cloning"Perbal, B., (1984)和"Methods in Enzymology" Vol. 1-317, Academic Press；"PCRProtocols: AGuide To Methods And Applications", Academic Press, San Diego, CA(1990)；Marshak等人, "Strategies for Protein Purification and Characterization- ALaboratory Course Manual" CSHL Press (1996)；所有这些都引入本文作为参考，如同在此完全阐述一样。贯穿本文件自始至终提供了其它一般参考。其中的程序被认为是本领域众所周知的，并且是为了方便读者而提供的。其中包含的所有信息都引入本文作为参考。
实施例1
方法
患者招募：共招募了1057名患者进行研究，其中948名疑似具有传染性疾病，并且109名具有非感染性疾病(对照组)。如果适用，从每个参与者或法定监护人处获得知情同意书。传染性疾病组群的纳入标准包括：临床怀疑急性传染性疾病，自症状发作后的峰值发热>37.5℃，并且症状持续时间≤12天。对照组的纳入标准包括：非感染性疾病(例如，创伤，中风和心肌梗塞)或健康受试者的临床印象。排除标准包括：在登记前两周内任何急性传染病发作的证据；确诊为先天性免疫缺陷；目前采用免疫抑制或免疫调节疗法治疗；活性恶性肿瘤，已证实或怀疑的人类免疫缺陷病毒(HIV)-1，乙型肝炎病毒(HBV)或丙型肝炎病毒(HCV)感染。重要的是，为了实现广泛的概括，登记时的抗生素治疗不导致被排除出研究。研究工作流程图的概述描绘于图1中。
登记过程和数据收集：对于每位患者，记录以下基线变量：人口统计学，体格检查，病史(例如主诉，基础疾病，长期施用药物，合并症，症状发作时间和峰值温度)，登记时获得的完整血细胞计数(CBC)和化学组(例如肌酸酐，尿素，电解质和肝酶)。从每位患者获得鼻拭子用于进一步的微生物学研究，并获得血液样品用于蛋白质筛选和验证。在医生认为合适的情况下获得另外的样品(例如，在疑似尿路感染[UTI]和胃肠炎[GI]的情况下分别获得尿液和粪便样品)。放射学测试在医生决定的决定下获得(例如用于疑似下呼吸道感染[LRTI]的胸部X射线)。所有信息均记录在自定义电子病例报告表(eCRF)中。
建立参考标准：目前，不存在用于确定广泛的临床综合症状中的细菌和病毒感染的单一参考标准。因此，根据诊断准确性报告标准(STARD) [21]的建议，制定了严格的参考标准。首先，如上所述对每位患者进行全面的临床和微生物学研究。然后，由至多达三名医生组成的小组审查整个疾病过程中收集的所有数据，该小组为每位患者分配以下诊断标记之一：(i) 细菌；(ii) 病毒；(iii) 没有明显的传染病或是健康的(对照)；和(iv) 不确定。重要的是，小组成员对其同伴的标记(如NHS-HTA [22]推荐，以防止群体压力或有影响力的人格偏差)以及宿主蛋白质测量的结果不知情。
样品，程序和样品处理：将静脉血样在4℃下储存长达5小时，随后分级为血浆，血清和总白细胞，并储存在-80℃。将鼻拭子和粪便样品在4℃下储存长达72小时，然后运送到经认证的服务实验室进行多重PCR。使用Cobas-6000，Cobas-Integra-400/800或Modular-Analytics-P800 (Roche)从血清测量C-反应蛋白(CRP)。使用Elecsys BRAHMS PCT试剂盒或LIAISON BRAHMS PCT试剂盒测量降钙素原(PCT)。使用酶联免疫吸附测定(ELISA)测量其他宿主决定子。
统计分析：初步分析基于接受者操作曲线下面积(AUC)，马修斯相关系数(MCC)，灵敏度，特异性，总准确性，阳性预测值(PPV)和阴性预测值(NPV)。这些度量的定义如下：
Figure 309326DEST_PATH_IMAGE003
Figure 806166DEST_PATH_IMAGE004
Figure 784486DEST_PATH_IMAGE005
Figure 974159DEST_PATH_IMAGE006
P，N，TP，FP，TN，FN分别为阳性，阴性，真阳性，假阳性，真阴性和假阴性。除非另有说明，否则阳性和阴性分别指细菌和病毒感染的患者。
结果
患者特征：急性感染患者的研究组包括47％的女性和53％的男性，年龄为1个月至88岁。患者表现出影响不同生理系统(例如呼吸，泌尿，中枢神经系统，全身)的各种临床综合症状。研究患者的详细表征描述于图2-7中。
重要的是，由于细菌患者的改进鉴定是本发明人的主要最终目标，有意地使所评估的群组富集了难以诊断的患者，其先前被单个蛋白质或TCP特征分类为假阴性或假阳性。因此，TCP在以下部分中的性能度量显著低于在一般群体中的预期。
生成新的宿主蛋白质特征，其具有改进的鉴定细菌感染患者并将其与病毒患者区分开来的能力：
使用非线性多项逻辑回归模型(MLR；表3)计算TCP特征预测得分。当预测得分在0-35之间时，该模型提供病毒或其他(包括非感染性)标记；当预测得分在65-100之间时提供细菌标记；当预测分数在35-65之间时提供模糊结果。表4总结了其对研究组群的准确性度量。
表3：TCP特征的非线性多项逻辑回归系数
种类(病毒) 种类(细菌)
常数 c<sub>0</sub>=-0.8388 b<sub>0</sub>=5.5123
CRP c<sub>1</sub>=-0.0487 b<sub>1</sub>=-0.0636
CRP^0.5 c<sub>2</sub>=1.1367 b<sub>2</sub>=1.4877
CRP^2 c<sub>3</sub>=-5.14E-05 b<sub>3</sub>=3.50E-05
IP-10 c<sub>4</sub>=0.0089 b<sub>4</sub>=0.0085
TRAIL c<sub>5</sub>=0.0408 b<sub>5</sub>=0.0646
TRAIL^0.5 c<sub>6</sub>=-0.6064 b<sub>6</sub>=-1.8039
表4：TCP (TRAIL-CRP-IP-10)特征在区分细菌(n = 378)和病毒(n = 570)患者中的准确性度量。
AUC 总准确性 灵敏度 特异性 PPV NPV
TCP特征 0.9 0.82 0.79 0.84 0.77 0.86
在尝试提高TCP特征的灵敏度时，我们评估了将其与其他蛋白质(如IL-6和PCT)组合的不同方式。我们最初评估了PCT和IL-6作为单独分类器在不依赖截止值(使用逻辑回归模型；表5)和依赖截止值模式(表6)中的性能。用于以不依赖截止值的模式计算IL-6或PCT准确性度量的逻辑回归模型是：
表5：对于以不依赖截止值的方式优化每种生物标记物性能的逻辑回归模型，计算IL-6和PCT在区分细菌(n = 378)和病毒(n = 570)患者中的准确性度量。
Figure 467457DEST_PATH_IMAGE007
表6：对于所示的不同蛋白质截止值，计算IL-6和PCT在区分细菌(n = 378)和病毒(n = 570)患者中的准确性度量。
灵敏度 特异性 PPV NPV
IL-6 (25 pg/ml) 0.62 0.74 0.57 0.78
(50 pg/ml) 0.47 0.87 0.67 0.75
(100 pg/ml) 0.31 0.95 0.78 0.71
(200 pg/ml) 0.16 0.98 0.81 0.68
(300 pg/ml) 0.13 0.99 0.92 0.67
PCT (0.5 µg/L) 0.39 0.86 0.61 0.72
PCT (1 µg/L) 0.32 0.94 0.74 0.71
PCT (1.5 µg/L) 0.26 0.96 0.78 0.70
PCT (2 µg/L) 0.22 0.98 0.87 0.69
PCT (2.5 µg/L) 0.20 0.99 0.93 0.69
统计分类算法
PCT和IL-6均为研究队列中的不良-中等分类器，其最大灵敏度为0.68 (IL-6)和0.47 (PCT)。为了测试它们是否能够改进TCP特征的灵敏度，需要：i) 在数学上将它们与TCP模型相组合；和ii) 针对数百个真实世界临床样本测试新组合。为了将TCP特征与IL-6和PCT组合，应用了几种统计方法，以产生不同的独特分离超平面，以更高的准确度水平区分细菌和病毒患者。本发明人首先检查了多种统计分类算法和计算模型，包括人工神经网络(ANN)，支持向量机(SVM)，贝叶斯网络(BN)，K-最近邻(KNN)和逻辑回归。使用逻辑回归的结果在下文中提供。评估使用上述真实世界传染病临床样品的开发模型的性能(准确度水平)(表7-9)。表7-9中提供了一组定量参数(模型系数)，其特异性定义了分离两个患者组的超平面。如临床证明的，IL-6和PCT (和IL-6 + PCT)都能够提高TCP特征的灵敏度，并且包含蛋白质(表7-9)。
表7：包含TCP特征与PCT或IL-6的逻辑回归模型，及其区分细菌(n=378)和病毒(n=570)患者的准确性度量。
Figure 33568DEST_PATH_IMAGE008
表8：三重蛋白质/决定子的逻辑回归模型，及其区分细菌(n=378)和病毒(n=570)患者的准确性度量。
Figure 69657DEST_PATH_IMAGE009
表9：四重蛋白质/决定子体的逻辑回归模型，及其区分细菌(n=378)和病毒(n=570)患者的准确性度量。
Figure 746012DEST_PATH_IMAGE010
使用Fuzzy OR模型生成用于区分细菌和病毒患者的改进特征
本发明人开发了这样的模型，其以允许显著改善模型特异性的方式，将PCT和或IL-6的测量值与TCP模型的结果合并。这些模型被称为“Fuzzy Or模型”。
构建Fuzzy Or模型背后的基本原理如下：在数据中，本发明人发现对于用于区分细菌和病毒病因，IL-6和PCT具有相对非常低的灵敏度但合理的特异性。对于相对较高的截止值尤其如此(例如，100 pg/ml的IL-6截止值给出31％灵敏度和95%的特异性；2μg/ L 的PCT截止值给出22％的灵敏度，98％特异性；表10-12)。因此，本发明人设计了新的模型，其将TCP特征与IL-6，PCT或两者的水平合并。特别地，新的Fuzzy Or模型给予低或中等水平的IL-6和PCT低权重，因为本发明人发现这种低水平添加的超出TCP特征之外的信息有限。因此，设计了Fuzzy Or模型，使得所述特征由且在很大程度上由TCP特征的可能性支配(图10A-B)。
然而，随着IL-6和PCT水平变高(例如但不限于，对于IL-6：100, 200, 240, 250,280, 320和350 pg/ml以及对于PCT：1, 1.5, 2, 2.5, 5和7.5 µg/L)，它们开始增加细菌感染的可能性。应用希尔系数以控制TCP特征预测到IL-6或PCT之间的过渡的斜率。组合模型的结果是用于预测细菌感染的单一似然得分，其与TCP模型相比具有改善的灵敏度(图11A-D和表6)。
此类模型的示例描述于在下面的Fuzzy OR公式#1-6中：
Fuzzy OR公式#1
Figure 133131DEST_PATH_IMAGE011
其中：
TCP可能性 = TCP特征得分/100 (0-1的范围)
h PCT = PCT模型希尔系数
c PCT = PCT模型截止值。
Fuzzy OR公式#2
Figure 96408DEST_PATH_IMAGE012
TCP可能性= TCP特征得分/ 100 (0-1的范围)
H IL6 = IL-6模型希尔系数
C IL6 = IL-6模型截止值。
Fuzzy OR公式#3
Figure 987003DEST_PATH_IMAGE013
Fuzzy OR公式#4
在一个优选的实施方案中，将非常小的常数(ε)添加到蛋白质浓度，以防止数字不稳定：
Figure 518479DEST_PATH_IMAGE014
TCP可能性= TCP特征得分/ 100 (0-1的范围)
h PCT = PCT模型希尔系数
c PCT = PCT模型截止值。
Fuzzy OR公式#5
Figure 127315DEST_PATH_IMAGE015
TCP可能性= TCP特征得分/ 100 (0-1的范围)
H IL6 = IL-6模型希尔系数
C IL6 = IL-6模型截止值。
Fuzzy OR公式#6
Figure 894282DEST_PATH_IMAGE016
本发明人进一步评估了所开发模型在区分细菌和病毒患者(表10-12)以及细菌和非细菌(病毒加非感染性)患者(表13-15)之间的表现(准确性水平)。Fuzzy OR模型显著提高了TCP特征灵敏度。例如，取决于所应用的截止值，组合IL-6和TCP特征产生0.834-0.888的灵敏度水平(表10)。取决于所应用的截止值，组合PCT和TCP特征产生0.82-0.99的灵敏度水平 (表11)。取决于所应用的截止值，组合PCT和IL-6二者和TCP特征产生0.855-0.995的灵敏度水平(表12)。对于区分细菌和非细菌(病毒加非感染性)患者，观察到类似改善(表13-15)。IL-6，PCT或两者的最佳截止值取决于最佳灵敏度和特异性之间的平衡，并且可根据所需用途和/或临床环境而变化。
表10：在所示的不同IL-6模型截止值，使用Fuzzy OR分析产生的TCP特征和IL-6的不同组合的区分细菌(n=378)和病毒(n=570)患者的准确性度量。
IL-6截止值(pg/ml) 灵敏度 特异性 ％不确定 PPV NPV
50 0.888 0.767 10.7% 0.72 0.91
100 0.859 0.845 12.3% 0.79 0.90
150 0.849 0.865 12.6% 0.81 0.90
200 0.846 0.875 12.7% 0.82 0.89
250 0.845 0.886 13.7% 0.83 0.89
300 0.844 0.898 13.9% 0.85 0.90
350 0.841 0.900 13.6% 0.85 0.89
400 0.840 0.900 13.8% 0.85 0.89
450 0.837 0.900 13.8% 0.85 0.89
500 0.834 0.904 14.0% 0.85 0.89
表11：在所示的不同PCT截止值，使用Fuzzy OR分析产生的TCP特征和PCT的不同组合的区分细菌(n=378)和病毒(n=570)患者的准确性度量。
PCT截止值(µg/L) 灵敏度 特异性 ％不确定 PPV NPV
0.1 0.992 0.023 0.1% 0.40 0.81
0.25 0.964 0.214 3.4% 0.44 0.90
0.5 0.881 0.757 11.6% 0.71 0.90
1 0.865 0.837 12.2% 0.78 0.90
1.5 0.859 0.860 13.5% 0.80 0.90
2 0.841 0.888 13.6% 0.83 0.89
2.5 0.841 0.896 13.9% 0.84 0.89
5 0.828 0.898 13.9% 0.84 0.89
7.5 0.827 0.900 14.1% 0.84 0.89
10 0.820 0.902 14.2% 0.85 0.88
表12：在所示的不同PCT/IL-6截止值，使用Fuzzy OR分析产生的TCP特征和PCT和IL-6的不同组合的区分细菌(n=378)和病毒(n=570)患者的准确性度量。
IL-6截止值(pg/ml) PCT截止值(µg/L) 灵敏度 特异性 ％不确定 PPV NPV
50 0.1 0.995 0.021 0.1% 0.40 0.86
50 0.25 0.967 0.191 3.1% 0.44 0.90
50 0.5 0.922 0.657 8.6% 0.64 0.93
50 1.5 0.907 0.731 9.6% 0.69 0.92
50 2.5 0.901 0.762 10.5% 0.72 0.92
150 0.1 0.992 0.023 0.1% 0.40 0.81
150 0.25 0.964 0.211 3.2% 0.44 0.90
150 0.5 0.899 0.738 11.2% 0.70 0.92
150 1.5 0.880 0.826 12.1% 0.77 0.91
150 2.5 0.863 0.860 12.6% 0.81 0.90
250 0.1 0.992 0.023 0.1% 0.40 0.81
250 0.25 0.964 0.213 3.2% 0.44 0.90
250 0.5 0.897 0.750 11.5% 0.71 0.91
250 1.5 0.877 0.842 12.8% 0.79 0.91
250 2.5 0.859 0.877 13.4% 0.83 0.90
300 0.1 0.992 0.023 0.1% 0.40 0.81
300 0.25 0.964 0.214 3.1% 0.44 0.90
300 0.5 0.897 0.756 11.4% 0.71 0.92
300 1.5 0.877 0.854 13.0% 0.80 0.91
300 2.5 0.858 0.889 13.6% 0.84 0.90
500 0.1 0.992 0.023 0.1% 0.40 0.81
500 0.25 0.964 0.214 3.1% 0.44 0.90
500 0.5 0.893 0.757 11.3% 0.71 0.91
500 1.5 0.873 0.858 13.0% 0.81 0.91
500 2.5 0.855 0.894 13.5% 0.84 0.90
表13：在所示的不同IL-6截止值，使用Fuzzy OR分析产生的TCP特征和IL-6的不同组合的区分细菌(n=378)和非细菌(病毒+非感染；n=679)患者的准确性度量。
IL-6截止值(pg/ml) 灵敏度 特异性 ％不确定 PPV NPV
50 0.888 0.802 10.4% 0.72 0.93
100 0.859 0.870 11.9% 0.79 0.92
150 0.849 0.886 12.1% 0.81 0.91
200 0.846 0.894 12.2% 0.82 0.91
250 0.845 0.903 13.2% 0.83 0.91
300 0.844 0.913 13.3% 0.84 0.91
350 0.841 0.915 13.1% 0.85 0.91
400 0.840 0.916 13.2% 0.85 0.91
450 0.837 0.916 13.2% 0.84 0.91
500 0.834 0.919 13.4% 0.85 0.91
表14：在所示的不同PCT截止值，使用Fuzzy OR分析产生的TCP特征和PCT的不同组合的区分细菌(n=378)和非细菌(病毒+非感染；n=679)患者的准确性度量。
PCT截止值(µg/L) 灵敏度 特异性 ％不确定 PPV NPV
0.1 0.992 0.024 0.1% 0.36 0.84
0.25 0.964 0.236 3.3% 0.41 0.92
0.5 0.881 0.793 11.3% 0.70 0.92
1 0.865 0.861 11.8% 0.78 0.92
1.5 0.859 0.880 13.0% 0.80 0.92
2 0.841 0.904 13.1% 0.83 0.91
2.5 0.841 0.910 13.3% 0.84 0.91
5 0.828 0.912 13.3% 0.84 0.91
7.5 0.827 0.914 13.5% 0.84 0.91
10 0.820 0.917 13.6% 0.84 0.90
表15：在所示的不同PCT/IL-6 截止值，使用Fuzzy OR分析产生的TCP特征和PCT和IL-6 的不同组合的区分细菌(n=378)和非细菌(病毒+非感染；n=679)患者的准确性度量。
IL-6截止值(pg/ml) PCT截止值(µg/L) 灵敏度 特异性 ％不确定 PPV NPV
50 0.1 0.995 0.022 0.1% 0.36 0.88
50 0.25 0.967 0.215 3.0% 0.41 0.92
50 0.5 0.922 0.706 8.6% 0.64 0.94
50 1.5 0.907 0.770 9.5% 0.69 0.94
50 2.5 0.901 0.797 10.3% 0.72 0.93
150 0.1 0.992 0.024 0.1% 0.36 0.84
150 0.25 0.964 0.233 3.1% 0.41 0.92
150 0.5 0.899 0.776 10.9% 0.69 0.93
150 1.5 0.880 0.852 11.7% 0.77 0.93
150 2.5 0.863 0.880 12.1% 0.80 0.92
250 0.1 0.992 0.024 0.1% 0.36 0.84
250 0.25 0.964 0.234 3.1% 0.41 0.92
250 0.5 0.897 0.787 11.2% 0.70 0.93
250 1.5 0.877 0.865 12.3% 0.78 0.93
250 2.5 0.859 0.895 12.9% 0.82 0.92
300 0.1 0.992 0.024 0.1% 0.36 0.84
300 0.25 0.964 0.236 3.0% 0.41 0.92
300 0.5 0.897 0.792 11.1% 0.71 0.93
300 1.5 0.877 0.875 12.5% 0.80 0.93
300 2.5 0.858 0.905 13.1% 0.84 0.92
500 0.1 0.992 0.024 0.1% 0.36 0.84
500 0.25 0.964 0.236 3.0% 0.41 0.92
500 0.5 0.893 0.793 11.0% 0.71 0.93
500 1.5 0.873 0.879 12.5% 0.80 0.93
500 2.5 0.855 0.908 13.0% 0.84 0.92
将TCP特征与IL-6和PCT组合改进了诊断早期感染的能力
有趣的是，我们发现IL-6或PCT对TCP特征的贡献特别显著的一类实例是在早期细菌感染期间。实际上，响应于细菌感染的IL-6水平的升高早在症状发作的第一天就可以检测到，并且先于其他细菌诱导蛋白升高(图8A-9)。因此，在应用于症状发作起0-1天的107名患者时，将IL-6，PCT或两者加入TCP特征可显著提高灵敏度(与0.837相比分别为0.891、0.886和0.913；表16)，而不损害特异性。重要的是，将PCT或IL-6 (或两者)加入TCP特征不仅提高了敏感性，还减少了具有模糊结果的患者的份额，这意味着当使用Fuzzy OR模型使用这些生物标记物的组合时，更多数量的患者将获得明确的诊断结果(细菌或病毒)。
表16：在症状发作后0-1天，使用Fuzzy OR分析产生的TCP特征和PCT和IL-6的不同组合的区分细菌和病毒患者的准确性度量(n = 107)。PCT截止值=2.5μg/ L；IL-6截止值=250pg/ml；希尔系数= 10。
天数 0-1
n=107 灵敏度 特异性 ％不确定 PPV NPV
TCP 0.837 0.878 0.140 0.9 0.86
TCP + IL-6 0.891 0.875 0.121 0.9 0.89
TCP + PCT 0.886 0.878 0.131 0.9 0.9
TCP + PCT + IL-6 0.913 0.875 0.121 0.9 0.91
亚组分析
本发明人进一步评估了使用Fuzzy OR模型，IL-6和PCT改善TCP特征在各种患者亚组中的灵敏度和准确性水平的能力。根据几个类别(即临床综合征；特定病原体和年龄)对患者进行分层，并对于使用Fuzzy OR模型(PCT截止值= 2.5μg/L；IL-6截止值= 250pg/ml；希尔系数= 10；表17-19)生成的IL-6，PCT和TCP特征的不同组合，计算准确性度量。添加PCT和IL-6能够改善各种患者亚组的TCP特征性能(表17-19)。例如，组合模型改进了TCP特征鉴定严重细菌感染(SBI)患者的敏感度，这些患者存在不良后果的高风险(0.92 vs 0.9；表19)。该组合在各种临床综合症状，特定病原体和年龄组中也是优越的(表19)。
表17：在各种患者亚组中，使用Fuzzy OR分析产生的TCP特征和PCT的组合区分细菌和病毒患者的准确性度量。PCT截止值=2.5μg/ L；希尔系数= 10。
Figure 904964DEST_PATH_IMAGE017
表18：在各种患者亚组中，使用Fuzzy OR分析产生的TCP特征和IL-6的组合区分细菌和病毒患者的准确性度量。IL-6截止值= 250 pg/ml；希尔系数= 10。
Figure 669657DEST_PATH_IMAGE018
表19：在各种患者亚组中，使用Fuzzy OR分析产生的TCP特征和IL-6和PCT的组合区分细菌和病毒患者的准确性度量。PCT截止值=2.5μg/ L；IL-6截止值= 250pg/ml；希尔系数= 10。
Figure 765789DEST_PATH_IMAGE019
组合两种生物标记物以区分细菌和病毒感染
在某些临床环境中，例如在护理点或资源有限的环境中，使用较小的生物标记物组可能是有益的。有各种方式(和公式化)以将两种生物标记物组合成一个预测得分。例如，使用双截止值；每个生物标记物一个(例如，一个用于TRAIL并且一个用于PCT)，产生四元分离模式，其可以分离细菌，病毒和混合(细菌-病毒共感染)患者(图12A)。选择两种合适的生物标记物以及正确的截止值是具有挑战性的，并且将影响模型准确分离密切相关的数据集的能力。例如，当本发明人以这种方式(TRAIL截止值=75pg/ml，PCT截止值=0.5μg/L)组合TRAIL和PCT时，该模型表现出良好的灵敏度(87％)但是特异性差(64％；n细菌=378，n病毒=570，图12B)。对于一些生物标记物(例如TRAIL)，添加另一个截止值还可以通过生成由六个单元组成的分离模式来识别健康患者(图12C-D)。在检查的数据集中，该模型在区分细菌和病毒患者中产生61％的灵敏度和52％的特异性(n细菌=378，n病毒=570，图12D)。
可选地，细菌和病毒患者之间的分离可以基于两种生物标志物之间的比率。使用两个生物标记之间的比率的限定截止值产生在细菌(线下)和病毒(线上)区域之间分离的线(图12E-G)。选择的截止值将影响分类器的准确性。例如，使用0.05的PCT/TRAIL截止值的分类器在区分细菌和病毒患者中产生24％的灵敏度和99％的特异性(n细菌=378，n病毒=570，图12E)。使用0.02的PCT/TRAIL截止值的分类器在区分细菌和病毒患者中产生33%的灵敏度和96%的特异性(n细菌=378，n病毒=570，图12F)。使用0.01的PCT/TRAIL截止值的分类器在区分细菌和病毒患者中产生46%的灵敏度和91%的特异性(n细菌=378，n病毒=570，图12G)。
区分传染病和非传染病患者
区分感染性和非感染性患者是许多临床情况中的关键步骤，以指导正确的患者管理和治疗。值得注意的例子包括：(i)区分SIRS和败血症(感染源的SIRS)，和(ii)区分慢性阻塞性肺病(COPD)中的非感染性恶化状态和感染性恶化状态。在这两个实例中，将患者分类为感染性，将需要更积极的管理，包括抗生素治疗，后续微生物诊断，以及甚至ICU入院。
因此，本发明人开发了逻辑回归模型并评估了上述单一生物标志物(CRP，IL-6，IP-10，PCT，TRAIL)及其组合在区分传染性(包括细菌，病毒和混合的细菌-病毒共感染患者，n = 948)和非感染性患者(n = 109)中的准确度水平。
表20：对于以不依赖截止值的方式优化每种生物标志物性能的逻辑回归模型，计算CRP，IL-6，IP-10，PCT和TRAIL在区分感染性(n = 948)和非感染性患者(n = 109)中的准确性度量。
Figure 946235DEST_PATH_IMAGE020
表21：蛋白质/决定子对的逻辑回归模型，及其区分感染性(n = 948)和非感染性患者(n = 109)的准确性度量。
Figure 811423DEST_PATH_IMAGE021
表22：三元蛋白质/决定子的逻辑回归模型，及其区分感染性(n = 948)和非感染性患者(n = 109)的准确性度量。
Figure 310799DEST_PATH_IMAGE022
表23：四元蛋白质/决定子的逻辑回归模型，及其区分感染性(n = 948)和非感染性患者(n = 109)的准确性度量。
Figure 894228DEST_PATH_IMAGE023
表24：组合CRP，IL-6，IP-10，PCT和TRAIL的逻辑回归模型在区分传染性(n = 948)和非感染性患者(n = 109)中的准确性度量。
Figure 612785DEST_PATH_IMAGE024
实施例2
本发明的一些实施例通过使用表达水平计算似然函数的值来分析生物数据。当似然函数的值(如使用从受试者获得的表达水平计算的)位于下界SLB和上界SUB (其中下界和上界各自使用表达水平的组合δ(例如，线性组合)计算)之间时，似然函数的值可用于提供关于受试者患有的感染的信息。
下界SLB和上界SUB可以在几何上被视为两个弯曲对象，而表达水平的组合δ可以在几何上被视为非弯曲对象，如图13中示意性地所示。在该几何图示中，似然函数的值由非弯曲对象π和弯曲对象S之间的距离d表示，其中，弯曲对象S的至少一区段SROI位于下界SLB和上界SUB之间。
通常，弯曲对象S，S LB和S UB中的每一个是n维流形，其中n是正整数，而非弯曲对象π是n +1维空间中的超平面。
n维流形和n +1维空间中的超平面的概念是几何领域的技术人员熟知的。例如，当n=1时，第一弯曲对象是曲线，而非弯曲对象π是2维的超平面，即定义轴的直线。当n=2时，第一弯曲对象是曲面，而非弯曲对象π是3维的超平面，即平面，以下称为“平面”。
在最简单的情况下，S，S LB和S UB中的每一个都是曲线和π是由方向定义的直轴。
因此，本实施方案通过计算弯曲和非弯曲几何对象之间的距离来提供关于感染的信息。
图14是根据本发明的各种示例性实施方案，适用于分析从受试者获得的生物学数据的方法的流程图。应当理解，除非另行定义，否则下文所述的操作可以多种执行组合或顺序同时或依序执行。具体地讲，该流程图的顺序不被视为限制性的。例如，在以下描述中或流程图中以特定顺序出现的两个或更多个操作，可以不同顺序(例如，反序)或基本上同时执行。另外，下面描述的若干操作是可选的，并且可能不被执行。
该方法开始于10并且任选且优选连续至11，在此获得生物学数据，其含有例如受试者血液中的两种或更多种决定子的表达值。
该方法任选且优选地继续至12，在此获得与受试者相关的背景和/或临床数据。在本发明的一些实施方案中，背景数据包括受试者的年龄；在本发明的一些实施方案中，背景数据包括受试者的种族；在本发明的一些实施方案中，背景数据包括受试者的性别；在本发明的一些实施方案中，临床数据包括受试者正在经历的综合症状；在本发明的一些实施方案中，临床数据包括怀疑存在于受试者中的病原体。
该方法进行到13，在此计算弯曲对象S的一个区段(例如，曲线)与非弯曲对象π(例如，由方向定义的轴)之间的距离d。距离d在由沿着所述方向的坐标δ定义的曲线S上的点P(δ)处计算。本文使用与坐标相同的希腊字母表示方向，除了方向由带下划线的希腊字母表示以指示这些是向量。因此，当坐标表示为δ时，方向表示为δ。
从S到点P，垂直于π，测量距离d。S的区段S ROI在非弯曲对象π中定义的目标区域πROI上方。例如，当π是轴时，πROI是沿轴的线性区段。因此，πROI是SROI在π上的投影。对于n=1，SROI优选地是(曲线) S的弯曲段。
坐标δ任选地并且优选地由决定子的表达值的组合来定义。例如，δ可以是决定子的组合，根据以下等式：
Figure 598058DEST_PATH_IMAGE025
其中a 0，a 1，……是常数和预定系数，其中每个变量D1，D2，……是决定子之一的表达水平或与一个或多个决定子有关的一些得分，并且其中φ是关于至少一个表达水平的非线性函数。
函数φ是可选的，并且可以独立地设置为零(或者，等效地不包括在相应坐标的计算中)。当φ=0时，坐标δ是决定子的线性组合。
非线性函数φ可任选且优选地表达为表达水平的幂的总和，例如，根据以下等式：
Figure 704555DEST_PATH_IMAGE026
其中i是求和指数，qi和ri是系数集合Xi∈{D1，D2，...}，和γi是数值指数。注意非线性函数φ中的项数不一定等于决定子的数量，并且总和中的两个或更多个项可以对应于相同的决定子，但具有不同的数值指数。
预定系数(a i ，q i ，r i )中的一个或多个通常取决于决定子的相应类型，但也可取决于在12获得的背景和/或临床数据。因此，距离d的计算可以可选地且优选地基于背景和/或临床数据，因为坐标δ在π上的位置可以依赖这些数据。例如，当受试者具有特定综合症状或病原体时，特定决定子D i 的系数a i 可以与受试者不具有该特定综合症状或病原体时不同。在这种情况下，点P(δ)在π上的位置，对于具有特定综合症状或病原体的受试者不同于没有特定综合症状或病原体的受试者。由于位置不同，距离d也可以不同。类似地，当受试者具有特定年龄，性别和/或种族时，对于特定决定子D i 的系数a i (因此也是点P(δ)在π上的位置)可以与受试者具有不同年龄，性别和/或种族时不同。
患者背景和/或临床数据可用于以多于一种方式确定系数。在本发明的一些实施方案中，使用查找表。这样的查找表可以包括多个条目，其中每个条目包括决定子，与背景和/或临床数据有关的信息，以及对于相应条目的决定子和背景和/或临床数据特异性的系数。相关临床数据包括但不限于绝对中性粒细胞计数(缩写为ANC)，绝对淋巴细胞计数(缩写为ALC)，白细胞计数(缩写为WBC)，中性粒细胞% (定义为作为中性粒细胞的白细胞分数并缩写为Neu(％))，淋巴细胞％(定义为作为淋巴细胞的白细胞分数并缩写为Lym (％))，单核细胞％(定义为作为单核细胞的白细胞分数并缩写为Mon(％))，钠(缩写为Na)，钾(缩写为K)，胆红素(缩写为Bili)。其他临床参数如下文所述。
如本文所用，术语“患者背景”是指患者的疾病或病症的历史，或患者易感的状况。例如，患者医学背景可包括影响其对感染的免疫应答的病症，例如慢性肺病和糖尿病(参见下文实施例1)。
在本发明的一些实施方案中，首先基于特定决定子选择系数(而不考虑背景和/或临床数据)，然后基于背景和/或临床，例如通过归一化，进行校正。例如，可以根据受试者的年龄对系数进行归一化。在这些实施方案中，任选地并且优选地，根据受试者的年龄对受试者进行分层，并且通过年龄依赖性归一化程序对特定决定子的系数进行归一化。在一些实施方案中，当受试者是成年人(例如，年龄大于18岁，21岁或22岁)时存在与受试者是儿童(例如，年龄小于18岁，21岁或22岁)时不同的系数，归一化或分层。在一些实施方案中，当受试者是成年人(例如，年龄大于18岁，21岁或22岁)，青少年(例如，12至21岁之间)，儿童(例如，2岁和12岁之间)，婴儿(例如，29天至小于2岁)和新生儿(例如，出生至生命的前28天)时，存在不同的系数，归一化或分层。在一些实施方案中，当受试者年龄超过70、65、60、55、50、40、30、22、21、18、12、2、1岁时，存在与受试者月龄超过3、2和/或1个月时不同的系数，归一化或分层。在一些实施方案中，当受试者年龄小于70、65、60、55、50、40、30、22、21、18、12、2、1岁时，存在与当受试者月龄超过3、2和/或1个月时不同的系数，归一化或分层。
πROI的界限在此表示δMIN和δMAX。这些边界优选地对应于决定子的表达值的生理可能范围。可以通过用于获得各个决定子的方案来设置表达值的范围。可选地，用于计算δ的一个或多个决定子的表达值可以是相对于先前诊断患有细菌感染的一组受试者的得分值，例如，z得分值。当距离d用于区分细菌和病毒感染时，这些实施方案特别有用。仍可选地，用于计算δ的一个或多个决定子的表达值可以是相对于先前诊断为患有感染的一组受试者的得分值，例如z得分值。当距离d用于区分感染和非感染受试者时，这些实施例特别有用。仍可选地，用于计算δ的一个或多个决定子的表达值δ可以是相对于先前诊断患有混合感染的一组受试者的得分值，例如z得分值。当距离d用于区分混合感染和病毒感染时，这些实施方案特别有用。
弯曲对象S的区段SROI的至少大部分位于下文称为下界弯曲对象S LB和上界弯曲对象S UB的两个弯曲对象之间。
如本文所用，“区段SROI的主要部分”是指平滑版本SROI的一部分，其长度当n=1时)，表面积(n=2时)或体积(n≥3时)分别是平滑版本SROI的长度，表面积或体积的的60％或70％或80％或90％或95％或99％。
如这里所使用的，“区段SROI的平滑版本”指的是区段SROI，其排除了高斯曲率高于曲率阈值的点附近的SROI区域，曲率阈值是SROI的中值曲率的X倍，其中X是1.5或2或4或8。
可以将以下方法用于确定区段SROI的主要部分是否在S LB和S UB之间的目的。首先，获得段SROI的平滑版本。第二，计算区段SROI的平滑版本的长度(n=1时)，表面积(n=2时)或体积(n≥3时) A1。第三，计算区段SROI的平滑版本在SLB和SUB之间的部分的长度(n=1时)表面积(n=2时)或体积(n≥3时) A2。第四，计算A2相对于A1的百分比。
图15A-D图示说明了用于获得S ROI的平滑版本的过程。
为了清楚呈现，SROI作为一维区段示出，但是技术人员将理解SROI通常是n维数学对象。针对SROI上的足够数量的采样点计算高斯曲率。例如，当流形被表示为点云时，可以针对点云中的点计算高斯曲率。然后获得高斯曲率的中值，并且通过将所获得的中值乘以因子X来计算曲率阈值。图15A示出平滑操作之前的SROI。标记为具有一个或多个点322的区域320，在该点处高斯曲率高于曲率阈值。去除在区域320高斯曲率最大的一个或多个点，并例如通过多项插值，平滑地内插区域320 (图15B)。迭代地重复去除和插值(图15C)，直到区段SROI不包含高斯曲率高于曲率阈值的区域为止(图15D)。
当n=1时(即，当S是曲线时)，S LB是下界曲线，且S UB是上界曲线。在这些实施方式中，S LB和S UB可以写成以下形式：
Figure 634333DEST_PATH_IMAGE027
其中f(δ)是坐标δ(沿着方向δ)的概率分类函数，其表示测试受试者具有预定类型感染(例如，细菌感染，或病毒感染或混合感染)的可能性。还考虑了其中f(δ)是表示测试受试者具有感染的可能性的概率分类函数的实施方式。在本发明的一些实施方式中，f(δ)=1/(1+exp(-δ))。在本发明的一些实施方案中，SLB和SUB对于πROI中的任何值均为正。
在任何上述实施方式中，每个参数ε0和ε1小于0.5或小于0.4或小于0.3或小于0.2或小于0.1或小于0.05。
该方法优选地进行到14，在此计算的距离d与受试者具有对应于概率函数f的类型的疾病或病症的存在，不存在或可能性相关。例如，当概率函数f表示测试受试者具有细菌感染的可能性时，计算的距离d与受试者具有细菌感染的存在，不存在或可能性相关；当概率函数f表示测试受试者具有病毒感染的可能性时，计算的距离d与受试者具有病毒感染的存在，不存在或可能性相关；且当概率函数f表示测试受试者具有混合感染的可能性时，计算的距离d与受试者具有混合感染的存在，不存在或可能性相关。
在本发明的各种示例性实施方案中，相关性包括确定距离d是受试者具有相应感染(细菌，病毒，混合)的可能性。可能性可选地且优选地与预定阈值ωB进行比较，其中当可能性高于ωB时，该方法可以确定受试者可能患有细菌感染，且否则受试者不太可能患有细菌感染。典型值ωB包括但不限于约0.2，约0.3，约0.4，约0.5，约0.6和约0.7。还预期其他可能性阈值。
在本发明的一些实施例中，该方法进行到15，在此基于背景和/或临床数据校正可能性。此分析可以不止一种方式执行。例如，该方法可以采用针对不同年龄，种族，性别，综合症状和/或疑似病原体的不同预定阈值ωB。该方法可替代地或另外地对不同年龄，种族，性别，综合症状和/或疑似病原体的参数ε0和ε1中一个或两个采用不同的值。该方法可以替代地或另外地基于年龄，种族，性别，综合症状和/或疑似病原体，将概率分类函数δ的值归一化。
该方法可选地并且优选地继续到16，在此生成可能性的输出。输出可以以文本和/或图形和/或使用色度呈现。输出可以可选地包括与阈值ωB比较的结果。该方法可以可选地并且优选地从16循环回到13，以使用用于计算坐标δ的不同组的系数和/或不同的概率分类函数f重复分析。例如，可以首先使用选择用于测定受试者具有细菌感染或混合感染的存在，不存在或可能性的一组系数和概率分类函数f来执行分析，并且然后，在随后的执行中，分析可以使用选择用于测定受试者具有病毒感染的存在，不存在或可能性的一组系数和概率分类函数f。
在本发明的一些实施方案中，当所述方法确定所述受试者可能患有细菌感染时，对所述受试者进行细菌感染治疗(17)，如本文进一步详述。在本发明的一些实施方案中，当所述方法确定所述受试者可能患有病毒感染时，，对所述受试者进行病毒感染治疗(17)，如本文进一步详述。
所述方法在18结束。
以下是根据本发明的一些实施方案，可用于定义坐标δ的系数的代表性实例。
在本发明的一些实施方式中，坐标δ计算为a0+a1X+a2Y，其中X是如上文进一步详述的TCP特性的得分值，且Y是以pg/ml计的IL-6表达水平的值，其中a0是约2.75至约3.40，a1是约4.5至约5.5，并且a2是约0.0044至约0.0055。在这些实施方案中，概率分类函数f表示受试者患有细菌感染的可能性。表7中提供了这些实施方案中参数a0，a1和a2的更优选值。
在本发明的一些实施方式中，坐标δ计算为a0+a1X+a2Y，其中X是如上文进一步详述的TCP特性的计算得分值，且Y是以μg/L计的PCT表达水平的值，其中a0是约2.70至约3.30，a1是约4.55至约5.60，并且a2是约0.176至约0.215。在这些实施方案中，概率分类函数f表示受试者患有细菌感染的可能性。表7中提供了这些实施方案中参数a0，a1和a2的更优选值。
在本发明的一些实施方式中，坐标δ计算为a0+a1X+a2Y+a3Z，其中X是μg/ml计的CRP表达水平的值，Y是以pg/ml计的IL-6表达水平的值且Z是以pg/ml计的TRAIL表达水平的值，其中a0是约-1.05至约-0.85，a1是约0.025至约0.032，a2是约0.004至约0.006，并且a3是约-0.022至约-0.017。在这些实施方案中，概率分类函数f表示受试者患有细菌感染的可能性。表8中提供了这些实施方案中参数a0，a1，a2和a3的更优选值。
在本发明的一些实施方式中，坐标δ计算为a0+a1X+a2Y+a3Z，其中X是μg/ml计的CRP表达水平的值，Y是以μg/L计的PCT表达水平的值且Z是以pg/ml计的TRAIL表达水平的值，其中a0是约-0.60至约-0.48，a1是约0.024至约0.31，a2是约0.13至约0.16，并且a3是约-0.025至约-0.019。在这些实施方案中，概率分类函数f表示受试者患有细菌感染的可能性。表8中提供了这些实施方案中参数a0，a1，a2和a3的更优选值。
在本发明的一些实施方式中，坐标δ计算为a0+a1X+a2Y+a3Z，其中X是μg/ml计的IP-10表达水平的值，Y是以μg/L计的PCT表达水平的值且Z是以pg/ml计的TRAIL表达水平的值，其中a0是约1.42至约1.75，a1是约0.00024至约0.00031，a2是约0.23至约0.29，并且a3是约-0.038至约-0.030。在这些实施方案中，概率分类函数f表示受试者患有细菌感染的可能性。表8中提供了这些实施方案中参数a0，a1，a2和a3的更优选值。
在本发明的一些实施方式中，坐标δ计算为a0+a1X+a2Y+a3Z，其中X是如上文进一步详述的TCP特性的计算得分值，Y是以pg/ml计的IL-6表达水平的值且Z是以μg/L计的PCT表达水平的值，其中a0是约-3.48至约-2.84，a1是约4.40至约5.39，a2是约0.0041至约0.0051，并且a3是约0.14至约0.18。在这些实施方案中，概率分类函数f表示受试者患有细菌感染的可能性。表8中提供了这些实施方案中参数a0，a1，a2和a3的更优选值。
在本发明的一些实施方式中，坐标δ计算为a0+a1X+a2Y+a3Z+a4T，其中X是以μg/ml计的CRP表达水平的值，Y是以pg/ml计的IL-6表达水平的值，Z是以μg/L计的PCT表达水平的值且T是以pg/ml计的TRAIL表达水平的值，其中a0是约-1.13至约-0.92，a1是约0.025至约0.031，a2是约0.0045至约0.0055，a3是约0.098至约0.13，并且a4是约-0.021至约-0.016。在这些实施方案中，概率分类函数f表示受试者患有细菌感染的可能性。表9中提供了这些实施方式中参数a0，a1，a2，a3和a4的更优选值。
在本发明的一些实施方式中，坐标δ计算为a0+a1X+a2Y+a3Z+a4T，其中X是以pg/ml计的IL-6表达水平的值，Y是以pg/ml计的IP-10表达水平的值，Z是以μg/L计的PCT表达水平的值且T是以pg/ml计的TRAIL表达水平的值，其中a0是约1.029至约1.258，a1是约0.0049至约0.0060，a2是约0.00013至约0.00017，a3是约0.19至约0.24，并且a4是约-0.033至约-0.027。在这些实施方案中，概率分类函数f表示受试者患有细菌感染的可能性。表9中提供了这些实施方式中参数a0，a1，a2，a3和a4的更优选值。
在本发明的一些实施方式中，坐标δ计算为a0+a1X+a2Y+a3Z+a4T+a5W，其中X是以μg/L计的CRP表达水平的值，其中Y是以pg/ml计的IL-6表达水平的值，Z是以pg/ml计的IP-10表达水平的值，T是以μg/L计的PCT表达水平的值且W是以pg/ml计的TRAIL表达水平的值，其中a0是约-3.08至约-2.52，a1是约0.10至约0.13，a2是约0.038至约0.047，a3是约0.008至约0.010，a4是约-0.17至约-0.13，并且a5是约0.0044至约0.0054。在这些实施方案中，概率分类函数f表示受试者患有感染的可能性。表24中提供了这些实施方式中参数a0，a1，a2，a3，a4和a5的更优选值。
在一些实施例中，该方法可以使用系统330来执行，系统330可选地且优选地但不是一定要包括手持设备。该系统可包括两个或更多个隔室，其中在隔室之一中测量(例如使用免疫组织化学方法)血液中的决定子水平，并且其中在另一个隔室中执行所获得水平的分析以提供与诊断有关的输出。
图16中示出了系统330包括手持设备331的实施方案中的系统330的代表性示例的框图。系统330可包括具有测量系统333的第一隔室332，测量系统333配置成测量受试者血液中决定子的表达值。测量系统333可以执行至少一种选自自动ELISA，自动免疫测定和自动功能测定的自动化测定。系统330还可以包括第二隔室334，其包括具有存储用于执行本文描述的操作的计算机程序指令(例如，用于定义第一和/或第二坐标的计算机程序指令，计算机程序用于定义曲线和/或平面的指令，用于计算第一和/或距离的计算机程序指令，用于将计算的距离与受试者具有细菌和/或病毒感染的存在，不存在或可能性相关联的计算机程序指令)的计算机可读介质338的硬件处理器336。硬件处理器336被配置为从第一隔室332接收表达值测量值，并响应于测量值结果执行程序指令并将处理后的数据输出到显示设备340。
在本发明的一些实施方式中，系统330与通信网络通信，如图17A的框图中示意性地示出的。在这些实施方式中，系统330可以包括计算机可读介质338，如上文进一步详述的，以及硬件处理器，例如但不限于处理器336。硬件处理器336包括与通信网络352通信的网络接口350。通过接口350，硬件处理器336从测量系统(例如但不限于测量系统333)接收表达值测量值，并且响应于所接收的测量值，执行计算机可读介质338中的计算机程序指令。然后，硬件处理器336可以将处理后的数据输出到显示设备340。
在本发明的一些实施方式中，系统330与用户通信，如图17B的框图中示意性地示出的。在这些实施方式中，系统330可以包括计算机可读介质338，如上文进一步详述的，以及硬件处理器，例如但不限于处理器336。硬件处理器336包括与用户356通信的用户界面354。通过接口350，硬件处理器336从用户356接收表达值测量值。用户356可以从外部来源，或者通过执行选自免疫测定和功能测定的至少一种测定，或者通过操作系统333 (未示出，参见图16和17A)而获得表达值。硬件处理器336响应于所接收的测量值，执行计算机可读介质338中的计算机程序指令。然后，硬件处理器336可以将处理后的数据输出到显示设备340。
测量决定子水平通常在蛋白质水平受到影响，如下文进一步描述的。
检测蛋白质的表达和/或活性的方法
在本发明的一些实施方案的培养物的细胞中表达的蛋白质的表达和/或活性水平可以使用本领域已知的方法确定，并且通常涉及使用抗体。这些方法可以称作免疫测定。免疫测定可以在多个步骤中进行，其中添加试剂并在测定中的不同点处洗去或分离。多步测定通常称为分离免疫测定或多相免疫测定。一些免疫测定可以简单地通过混合试剂和样品并进行物理测量来进行。此类测定称为均相免疫测定，或较不常见地称作非分离免疫测定。在免疫测定中经常使用校准物。校准物是已知含有所讨论的分析物的溶液，并且该分析物的浓度通常是已知的。将测定对实际样品的响应与校准物产生的测定响应的比较使得可以在样品中分析物的存在或浓度方面解释信号强度。
抗体可以是单克隆抗体、多克隆抗体、嵌合抗体或前述的片段，并且检测反应产物的步骤可以使用任何合适的免疫测定法进行。
用于检测多肽的抗体的合适来源包括可商购的来源，如例如Abazyme、Abnova、AssayPro、Affinity Biologicals、AntibodyShop、Aviva bioscience、Biogenesis、Biosense Laboratories、Calbiochem、Cell Sciences、Chemicon International、Chemokine、Clontech、Cytolab、DAKO、Diagnostic BioSystems、eBioscience、EndocrineTechnologies、Enzo Biochem、Eurogentec、Fusion Antibodies、Genesis Biotech、GloboZymes、Haematologic Technologies、Immunodetect、Immunodiagnostik、Immunometrics、Immunostar、Immunovision、Biogenex、Invitrogen、JacksonImmunoResearch Laboratory、KMI Diagnostics、Koma Biotech、LabFrontier LifeScience Institute、Lee Laboratories、Lifescreen、Maine Biotechnology Services、Mediclone、MicroPharm Ltd.、ModiQuest、Molecular Innovations、Molecular Probes、Neoclone、Neuromics、New England Biolabs、Novocastra、Novus Biologicals、OncogeneResearch Products、Orbigen、Oxford Biotechnology、Panvera、PerkinElmer LifeSciences、Pharmingen、Phoenix Pharmaceuticals、Pierce Chemical Company、PolymunScientific、Polysiences、Inc.、Promega Corporation、Proteogenix、ProtosImmunoresearch、QED Biosciences、Inc.、R&D Systems、Repligen、ResearchDiagnostics、Roboscreen、Santa Cruz Biotechnology、Seikagaku America、SerologicalCorporation、Serotec、SigmaAldrich、StemCell Technologies、Synaptic Systems GmbH、Technopharm、Terra Nova Biotechnology、TiterMax、Trillium Diagnostics、UpstateBiotechnology、US Biological、Vector Laboratories、Wako Pure Chemical Industries和Zeptometrix。然而，技术人员可以常规地制备针对本文所述的任何多肽的抗体。
用于测量多肽的多克隆抗体包括但不限于通过主动免疫以下一种或多种而从血清产生的抗体：兔，山羊，绵羊，鸡，鸭，豚鼠，小鼠，驴，骆驼，大鼠和马。
检测剂的实例包括但不限于：scFv，dsFv，Fab，sVH，F(ab')2，环肽，Haptamers，单结构域抗体，Fab片段，单链可变片段，Affibody分子，Affilins，Nanofitins，Anticalins，Avimers，DARPins，Kunitz结构域，Fynomers和Monobody。
可以通过检验来检测标记的存在，或使用监测特定探针或探针组合的检测器来检测所述检测试剂标记。典型的检测器包括分光光度计、光电管和光电二极管、显微镜、闪烁计数器、照相机、胶片等以及其组合。本领域技术人员熟悉可从各种商业来源广泛获得的许多合适的检测器，并且可用于实施本文公开的方法。通常，将包含结合的标记部分的底物的光学图像数字化以用于随后的计算机分析。一般参见The Immunoassay Handbook (Wild2005)。
酶联免疫吸附测定(ELISA)：进行ELISA涉及至少一种对特定抗原具有特异性的抗体。将具有未知量抗原的样品，非特异性地(通过吸附到表面)或特异性地(通过另一种对同一抗原特异性的抗体捕获，在“夹心”ELISA中)固定在固体支持物(通常是聚苯乙烯微量滴定板)上。在固定抗原后，加入检测抗体，与抗原形成复合物。检测抗体可以与酶共价连接，或者本身可以由通过生物缀合与酶连接的二抗检测。在每个步骤之间，通常用温和的洗涤剂溶液洗涤板以除去任何特异性结合的蛋白质或抗体。在最后的洗涤步骤后，通过添加酶底物来产生可见信号来显影平板，其显示样品中抗原的量。
该方法中常用的酶包括辣根过氧化物酶和碱性磷酸酶。如果校准良好且在线性响应范围内，样品中存在的底物量与产生的颜色量成比例。通常采用底物标准品来提高定量准确度。
Western印迹：该方法包括借助于丙烯酰胺凝胶分离底物与其他蛋白质，然后将底物转移至膜(例如尼龙或PVDF)。然后通过对底物特异的抗体(其进而由抗体结合试剂检测)检测底物的存在。抗体结合试剂可以是例如蛋白A或其他抗体。抗体结合试剂可以如上所述进行放射性标记或酶连接。检测可以通过放射自显影，比色反应或化学发光进行。该方法允许底物的量的定量，并通过膜上的相对位置(表示在电泳过程中丙烯酰胺凝胶中的迁移距离)确定其特性。
荧光激活细胞分选(FACS)：该方法涉及通过底物特异性抗体在细胞中原位检测底物。底物特异性抗体与荧光团连接。借助于细胞分选机进行检测，该细胞分选机在每个细胞通过光束时读取从每个细胞发射的光的波长。该方法可同时使用两种或更多种抗体。
自动免疫测定：应用于免疫测定的自动分析仪(通常称为“自动免疫测定”)是一种医学实验室仪器，其涉及用于快速测量许多生物样品中的不同化学物质和其他特征，只需极少的人工辅助。这些测量的血液和其他液体的特性可用于疾病的诊断。已经发明了许多将样品引入分析仪的方法。这可以包括将样品的试管放入架子中，该架子可以沿着轨道移动，或者将管子插入旋转的圆形转盘中以使样品可用。一些分析仪需要将样品转移到样品杯中。然而，保护实验室工作人员健康和安全的努力促使许多制造商开发出特征在于封闭管取样的分析仪，防止工人直接暴露于样品。样品可以单独，分批或连续处理。自动免疫测定机的实例包括但不限于ARCHITECT ci4100，ci8200(2003)，ci16200(2007)，ARCHITECTi1000SR，ARCHITECT i2000，i2000SR，i4000SR，AxSYM/AxSYM Plus，1994 US，DS2，AIMS，AtheNA，DSX，ChemWell，UniCel DxI 860i Synchron Access临床系统，UniCel DxC 680iSynchron Access临床系统，Access/Access 2免疫分析系统，UniCel DxI 600 Access免疫分析系统，UniCel DxC 600i Synchron Access临床系统，UniCel DxI 800 Access免疫分析系统，UniCel DxC 880i Synchron Access临床系统，UniCel DxI 660i SynchronAccess临床系统，SPA PLUS (专业蛋白质分析仪)，VIDAS免疫分析仪，BioPlex 2200，PhD系统EVOLIS PR 3100TSC光度计，MAGO 4S/2011 Mago Plus自动化EIA处理器，LIAISON XL/2010 LIAISON，ETI-MAX 3000 Agility，Triturus，HYTEC 288 PLUSDSX，VITROS ECi免疫诊断系统，VITROS 3600免疫诊断系统，Phadia实验室系统100E，Phadia实验室系统250，Phadia实验室系统1000，Phadia实验室系统2500，Phadia实验室系统5000，cobas e 602/2010，cobas e411，cobas e601，MODULAR ANALYTICS E170，Elecsys 2010，Dimension EXL200/2011，Dimension Xpand Plus集成化学系统，Dimension RxL Max/Max套装集成化学系统；Dimension RxL集成化学系统，Dimension EXL和LM集成化学系统，Stratus CS急症护理诊断系统，IMMULITE 2000 XPi免疫测定系统，ADVIACentaur CP免疫测定系统，IMMULITE2000，IMMULITE 1000，Dimension Vista 500智能实验室系统，Dimension Vista1500 智能实验室系统，ADVIACentaur XP，AIA-900，AIA-360，AIA-2000，AIA-600 II，AIA-1800。CRP，IP-10和TRAIL的测量也可以在Luminex机器上进行。
侧向流动免疫测定(LFIA)：这是允许在护理点(POC)快速测量分析物的技术，其基本原理如下所述。根据一个实施例，LFIA用于手持设备的环境中。
该技术基于一系列毛细管床，例如多孔纸或烧结聚合物的块。这些元件中的每一个都具有自发输送流体(例如尿液)的能力。第一元件(样品垫)充当海绵并容纳过量的样品液。一经浸泡，液体迁移到第二元件(缀合物垫)，制造商已经在其中储存了所谓的缀合物：在盐-糖基质中的干燥形式的生物活性颗粒(见下文)，其包含保证靶分子(例如抗原)与其固定在颗粒表面上的化学伴侣(例如抗体)之间的优化化学反应的所有有关事物。当样品流体溶解所述盐-糖基质时，它也溶解所述颗粒，并且在一个组合运输作用中，样品和缀合物在流过多孔结构时混合。这样，分析物与颗粒结合，同时进一步迁移通过第三毛细管床。该材料具有一个或多个区域(通常称为条带)，其中已由制造商固定第三分子。当样品-缀合物混合物到达这些条带时，分析物已经结合在颗粒上，并且第三“捕获”分子与复合物结合。
不久之后，当越来越多的液体已通过条带时，颗粒积聚且条纹区域变色。通常存在至少两个条带：一个(对照)条带捕获任何颗粒，从而显示反应条件和技术正常工作，第二条带包含特异性捕获分子并且仅捕获其上已经固定分析物分子的那些颗粒。在通过这些反应区之后，流体进入最终的多孔材料(即芯)，其仅用作废物容器。横向流动测试可以作为竞争测定或夹心测定操作。
LFIA可以采用不同的格式。用于LFIA的条带包含四个主要组件。在描述格式类型之前给出了每个的简要描述。
样品施加垫：它由纤维素和/或玻璃纤维制成，并将样品施加在该垫上以开始测定。其功能是将样品输送到横向流动测试条(LFTS)的其他组件。样品垫应能够以平滑，连续和均匀的方式运输样品。样品施加垫有时设计用于在样品运输之前对样品进行预处理。该预处理可包括分离样品组分，去除干扰，调节pH等。
缀合物垫：它是分配标记的生物识别分子的位置。缀合物垫的材料应在与移动的液体样品接触时立即释放标记的缀合物。标记的缀合物应在横向流动条的整个寿命期间保持稳定。缀合物的分配，干燥或释放的任何变化都可以显著改变测定结果。标记的缀合物的制备不良会不利地影响测定的灵敏度。玻璃纤维，纤维素，聚酯和一些其他材料用于制造LFIA的缀合物垫。缀合物垫材料的性质对标记的缀合物的释放和测定的灵敏度具有影响。
硝酸纤维素膜：它对于确定LFIA的灵敏度非常关键。可获得不同等级的硝酸纤维素膜。在这片膜上绘制测试和对照线。因此理想的膜应该为捕获探针(抗体，适体等)提供支持和良好的结合。在测试和对照线上的非特异性吸附可显著影响测定结果，因此良好的膜将以测试和对照线区域中较小的非特异性吸附为特征。硝酸纤维素膜的芯吸速率可影响测定灵敏度。这些膜易于使用，价格低廉，并且提供对蛋白质和其他生物分子的高亲和力。生物试剂的适当分配，干燥和封闭在改进测定灵敏度方面发挥作用。
吸附垫：它在条带的末端用作水槽。它还有助于保持液体在膜上的流速并阻止样品的回流。容纳液体的吸附容量可以在分析结果中起重要作用。
所有这些组件都固定或安装在背衬卡上。用于背衬卡的材料非常灵活，因为除了提供用于适当组装所有组件的平台之外，它们与LFIA无关。因此，背衬卡充当支持物，并且使条带易于操作。
LFIA的主要步骤是(i)针对靶分析物的抗体的制备；(ii)标记的制备；(iii)生物识别分子的标记；(iv)在将试剂分配到其适当的垫后，将所有组件组装到背衬卡上；(v)施加样本和获得结果。
夹心形式：在典型的格式中，标记(酶或纳米颗粒或荧光染料)包被的抗体或适体固定在缀合物垫上。这是临时的吸附，其可以通过任何缓冲溶液的流动冲洗掉。针对靶分析物的一抗或适体固定在测试线上。针对标记的缀合物抗体/适体的二抗或探针固定在对照区。
将含有分析物的样品施加到样品施加垫上，并且其随后迁移到条带的其他部分。在缀合物垫，靶分析物被固定的标记抗体或适体缀合物捕获，并导致标记的抗体缀合物/分析物复合物的形成。该复合物现在到达硝酸纤维素膜并在毛细管作用下移动。在测试线，标记的抗体缀合物/分析物复合物被分析物的另一种一抗捕获。使得分析物夹在标记的抗体和一抗之间，形成标记的抗体缀合物/分析物/一抗复合物。过量标记的抗体缀合物将通过二抗在对照区捕获。缓冲液或过量溶液进入吸收垫。测试线上的颜色强度对应于靶分析物的量，并用光学条带读取器测量或目视检查。控制线上出现颜色确定条带功能正常。
竞争格式：这种格式最适合不能同时结合两种抗体的低分子量化合物。测试线上没有颜色指示分析物的存在，而在测试线和对照线都出现颜色指示阴性结果。竞争格式有两种布局。在第一种布局中，将含有靶分析物的溶液施加到样品施加垫上，并且预先固定的标记的生物分子(抗体/适体)缀合物被水合并开始与移动的液体一起流动。测试线含有预固定的抗原(待检测的相同分析物)，其特异性结合标记的缀合物。对照线含有预先固定的二抗，其具有与标记的抗体缀合物结合的能力。当液体样品到达测试线时，在样品溶液中不存在靶分析物或以使得标记的抗体缀合物的一些位点为空的量存在靶分析物的情况下，则预先固定的抗原将与标记的缀合物结合。样品溶液中的抗原和固定在条带测试线上的抗原竞争结合标记的缀合物。在另一种布局中，标记的分析物缀合物分配在缀合物垫，而分析物的一抗则分配在测试线。在施加分析物溶液之后，在分析物和标记的分析物之间发生竞争以与在测试线处的一抗结合。
多重检测格式：多重检测格式用于检测多于一种的靶物质，并且在含有等于待分析靶物质的数量的测试线的条带上进行测定。非常希望在相同的条件设定下同时分析多种分析物。多重检测格式在临床诊断中非常有用，其中要检测多种分析物，这些分析物在决定疾病阶段时是相互依赖的。用于此目的的侧向流动条可以以各种方式构建，即通过增加传统条带上的长度和测试线，制成其他结构如星形或T形。LFIA的条带形状将由靶分析物的数量决定。已经报道了用于DNA序列的多重检测的基于微阵列的LFIA的小型化版本具有几个优点，例如较少的测试试剂消耗，需要较小的样品体积和更好的灵敏度。
标记：任何用作标记的材料都应该可以在非常低的浓度下检测到，并且在与生物识别分子缀合后应保持其性质。预期该缀合也不改变生物识别探针的特征。易于与生物分子缀合并且在较长时间段内的稳定性是良好标记的理想特征。低至10-9 M的标记浓度是光学可检测的。在测定完成后，一些标记产生直接信号(作为来自金胶体的颜色)，而其他标记需要额外的步骤以产生分析信号(因为酶在与合适的底物反应后产生可检测的产物)。因此，在LFA中优选给出直接信号的标记，因为耗时少且程序减少。
金纳米颗粒：胶体金纳米颗粒是LFA中最常用的标记。胶体金是惰性的且给出非常完美的球形颗粒。这些颗粒对生物分子具有非常高的亲和力，并且可以容易地官能化。金纳米颗粒的光学性质取决于尺寸和形状。可以通过使用合适的化学添加剂来调节颗粒的尺寸。它们的独特特征包括环境友好的制备，对蛋白质和生物分子的高亲和力，增强的稳定性，极高的电荷转移值和良好的光学信号。比色LFA中金纳米颗粒的光学信号可以通过沉积银，金纳米颗粒和酶来放大。
磁性颗粒和聚集体：有色磁性颗粒在测试线产生颜色，其通过光学条带读取器测量，但来自磁性颗粒的磁信号也可用作检测信号并由磁性测定读数器记录。与光信号相比，磁信号可以稳定更长的时间，并且它们将LFA的灵敏度提高10到1000倍。
荧光和发光材料：荧光分子作为标记广泛用于LFA，且荧光量用于定量样品中分析物的浓度。通过使用有机荧光团如罗丹明作为LFA中的标记来完成蛋白质的检测。
纳米材料的当前研发已经转向制造量子点，其显示出非常独特的电学和光学性质。这些半导体颗粒不仅是水溶性的，而且由于尺寸接近，也可以容易地与生物分子组合。由于其独特的光学性质，量子点已成为有机荧光染料的替代品。与金纳米颗粒一样，QD显示出与尺寸依赖性的光学性质，并且可以监测广谱波长。单个光源足以激发所有不同尺寸的量子点。QD具有高的光稳定性和吸收系数。
上转换磷光体(UCP)的特征在于它们在红外区域中的激发和在高能量可见区域中的发射。与其他荧光材料相比，它们具有不显示任何自发荧光的独特优势。由于它们在IR区域中的激发，它们不使生物分子光降解。其主要优点在于从易于获得的散装材料生产。尽管UCP报告子制备的批次间差异会影响LFA中分析的灵敏度，但是观察到在相同的生物条件设定下进行分析时，与金纳米颗粒或有色乳胶珠相比，它们可以将分析信号的灵敏度提高10到100倍。
酶：酶也用作LFA中的标记。但它们在LFA中增加了在完成测定后施加合适的底物的一个步骤。由于酶促反应，该底物将在测试和对照线产生颜色。在酶的情况下，选择合适的酶底物组合是获得用于条形读数器的有色产物或用于用于电化学检测的电活性产物的一个必要要求。换言之，检测的灵敏度取决于酶底物组合。
胶体碳：胶体碳是相对便宜的标记，并且其生产可以很容易地扩大规模。由于它们的黑色，可以容易地以高灵敏度检测碳纳米颗粒。胶体碳可以用多种生物分子进行功能化，以检测低分子量和高分子量分析物。
检测系统：在金纳米颗粒或其他产色标记的情况下，可以通过在测试和对照线处目视检查颜色来完成定性或半定量分析。视觉检查的主要优点是“是”或“否”的快速定性答案。这种关于临床分析中分析物存在的快速回复具有很高的重要性。在因为耗时很长而无法等待来自中心实验室的测试结果的情形下，这些测试帮助医生在医院的病人附近做出即时决定。但是为了量化，使用光学条带读取器来测量在条带的测试和对照线产生的颜色强度。这是通过将条带插入条带读取器中来实现的，并且通过成像软件同时记录强度。条带的光学图像也可以用照相机记录，且然后使用合适的软件处理。程序包括将条带正确放置在照相机下方，并将受控量的光投射到要观察的区域上。这种系统使用单色光，并且可以调节光的波长以获得在测试和对照线与背景之间的良好对比度。为了提供良好的定量和可重复的结果，检测系统应该对不同的颜色强度敏感。光学标准可用于校准光学读取器设备。在时间消耗，结果解释和变量调整方面，自动化系统具有优于手动成像和处理的优势。
在荧光标记的情况下，荧光条带读取器用于记录测试和对照线的荧光强度。当用荧光条带读数器检测时，测试线的荧光亮度随着人血清中硝化血清铜蓝蛋白浓度的增加而增加。光电传感器也用于LFIA中的检测，其中胶体金暴露于发光二极管并记录所得的光电子。测量由酶和底物的反应产生的化学发光，作为对靶分析物的量的响应。磁性条带读数器和电化学检测器也被报道为LFTS中的检测系统，但它们并不非常常见。检测器的选择主要由分析中使用的标记决定。
免疫组织化学分析：根据本发明的一些实施方案进行的免疫测定可以是均相测定或非均相测定。在均相测定中，免疫反应通常涉及特异性抗体(例如，抗-MX1和CRP抗体)，标记的分析物和感兴趣的样品。在抗体与标记的分析物结合后，直接或间接修饰由标记产生的信号。免疫反应和其程度的检测都可以在均相溶液中进行。可以使用的免疫化学标记包括自由基，放射性同位素，荧光染料，酶，噬菌体或辅酶。
在非均相测定方法中，试剂通常是样品，抗体和产生可检测信号的工具。可以使用上文描述的样品。可以将抗体固定在支持物上，例如珠子(例如蛋白质A和蛋白质G琼脂糖珠子)，平板或载玻片，并与怀疑含有抗原的样本在液相中接触。
根据具体的实施方案，将抗体固定在多孔条带上以形成检测位点。多孔条带的测量或检测区域可包括多个位置，一个用于MX1，一个用于CRP。测试条还可以含有用于阴性和/或阳性对照的位点。
或者，对照部位可以位于与测试条分开的条带上。任选地，不同的检测位点可含有不同量的固定化检测试剂，例如，第一检测位点中的量较高，且后续位点中的量较少。在添加测试样品后，显示可检测信号的位点数量提供了样品中存在的决定子量的定量指示。检测位置可以以任何适当可检测的形状配置，并且通常为跨越测试条宽度的条或点的形状。
然后将支持物与液相分离，并使用产生这种信号的工具检查载体相或液相的可检测信号。信号与分析物在样品中的存在相关。产生可检测信号的工具包括使用放射性标记，荧光标记或酶标记。例如，如果待检测的抗原含有第二结合位点，则可以将与该位点结合的抗体与可检测基团缀合，并在分离步骤之前加入到液相反应溶液中。固体支持物上可检测基团的存在指示测试样品中存在抗原。合适的免疫测定的实例是寡核苷酸，免疫印迹，免疫荧光方法，免疫沉淀，化学发光方法，电化学发光(ECL)或酶联免疫测定。
本领域技术人员将熟悉众多具体免疫测定形式及其变形，其可用于实施本文公开的方法。通常参见E. Maggio, Enzyme-Immunoassay, (1980) (CRC Press, Inc.,BocaRaton, Fla.)；也参见授予Skold等人的美国专利号4,727,022，名称为“Methods forModulating Ligand-Receptor Interactions and their Application”，授予Forrest等人的美国专利号4,659,678，名称为“Immunoassay of Antigens”，授予David等人的美国专利号4,376,110，名称为“Immunometric Assays Using Monoclonal Antibodies”，授予Litman等人的美国专利号4,275,149，名称为“Macromolecular Environment Control inSpecific Receptor Assays”，授予Maggio等人的美国专利号4,233,402，名称为“Reagentsand Method Employing Channeling”，和授予Boguslaski等人的美国专利号4,230,767，名称为“Heterogeneous Specific Binding Assay Employing aCoenzyme as Label”。
可以根据已知技术将抗体缀合至适合用于诊断测定的固体支持物(例如珠，例如A蛋白或G蛋白琼脂糖，小球，平板，载玻片或由诸如乳胶或聚苯乙烯的材料形成的孔)，例如被动结合。如本文所述的抗体同样可根据已知技术缀合至可检测的标记或基团，例如放射性标记(例如，35S、125I、131I)、酶标记(例如，辣根过氧化物酶、碱性磷酸酶)和荧光标记(例如，荧光素、Alexa、绿色荧光蛋白、罗丹明)。
“用于测量CRP的单克隆抗体”的实例包括但不限于：小鼠，单克隆(108-2A2)；小鼠，单克隆(108-7G41D2)；小鼠，单克隆(12D-2C-36)，IgG1；小鼠，单克隆(1G1)，IgG1；小鼠，单克隆(5A9)，IgG2aκ；小鼠，单克隆(63F4)，IgG1；小鼠，单克隆(67A1)，IgG1；小鼠，单克隆(8B-5E)，IgG1；小鼠，单克隆(B893M)，IgG2b，λ；小鼠，单克隆(C1)，IgG2b；小鼠，单克隆(C11F2)，IgG；小鼠，单克隆(C2)，IgG1；小鼠，单克隆(C3)，IgG1；小鼠，单克隆(C4)，IgG1；小鼠，单克隆(C5)，IgG2a；小鼠，单克隆(C6)，IgG2a；小鼠，单克隆(C7)，IgG1；小鼠，单克隆(CRP103)，IgG2b；小鼠，单克隆(CRP11)，IgG1；小鼠，单克隆(CRP135)，IgG1；小鼠，单克隆(CRP169)，IgG2a；小鼠，单克隆(CRP30)，IgG1；小鼠，单克隆(CRP36)，IgG2a；兔，单克隆(EPR283Y)，IgG；小鼠，单克隆(KT39)，IgG2b；小鼠，单克隆(N-a)，IgG1；小鼠，单克隆(N1G1)，IgG1；单克隆(P5A9AT)；小鼠，单克隆(S5G1)，IgG1；小鼠，单克隆(SB78c)，IgG1；小鼠，单克隆(SB78d)，IgG1和兔，单克隆(Y284)，IgG，人C-反应蛋白/CRP Biot MAb(Cl232024)，小鼠IgG2B，人C-反应蛋白/CRP MAb (克隆232007)，小鼠IgG2B，人/小鼠/猪C-反应蛋白/CRP MAb (Cl 232026)，小鼠IgG2A。
用于测量CRP的抗体包括用于测量CRP的单克隆抗体和用于测量CRP的多克隆抗体。
用于测量CRP的抗体还包括开发用于靶向来自以下列表的表位的抗体：人血浆来源的CRP，人血清来源的CRP，小鼠骨髓瘤细胞系NS0衍生的重组人C-反应蛋白/CRP (Phe17-Pro224登录号＃P02741)。
如上所述，本发明还考虑在RNA水平测量决定子。
分析RNA的量的方法是本领域已知的，并在下文中概述：
RNA印迹分析：这一方法涉及检测RNA的混合物中的特定RNA。通过用防止碱基对之间的氢键键合的试剂(例如甲醛)处理使RNA样品变性，从而确保所有RNA分子都具有未折叠的线性构象。然后通过凝胶电泳根据大小分离个别RNA分子，并将其转移到硝化纤维素或基于尼龙的膜上，变性的RNA粘粘附于所述膜上。然后将膜暴露于标记的DNA探针。可使用放射性同位素或酶联核苷酸标记探针。检测可使用放射自显影、比色反应或化学发光。这一方法允许定量一定量的特定RNA分子并通过膜上的相对位置确定其身份，所述相对位置指示电泳期间凝胶中的迁移距离。
RT-PCR分析：这一方法使用相对稀有的RNA分子的PCR扩增。首先，从细胞中纯化RNA分子，并使用逆转录酶(例如，MMLV-RT)和引物如寡脱氧胸苷酸、随机六聚体或基因特异性引物将其转化成互补DNA(cDNA)。然后通过应用基因特异性引物和Taq DNA聚合酶，在PCR设备中进行PCR扩增反应。本领域技术人员能够选择适合于检测具体RNA分子的基因特异性引物的长度和序列以及PCR条件(即，退火温度、循环数等)。将理解的是，可以通过调节PCR循环的数目并将扩增产物与已知对照进行比较来采用半定量RT-PCR反应。
RNA原位杂交染色：在这一方法中，DNA或RNA探针附着至细胞中存在的RNA分子。通常，首先将细胞固定到显微镜载玻片上以保持细胞结构并防止RNA分子降解，且然后使其经受含有标记的探针的杂交缓冲液。杂交缓冲液包括诸如甲酰胺和盐(例如，氯化钠和柠檬酸钠)的试剂，其能够使DNA或RNA探针与其靶mRNA分子原位特异性杂交，同时避免探针的非特异性结合。本领域技术人员能够调节对具体探针和细胞类型的杂交条件(即，温度、盐和甲酰胺的浓度等)。杂交后，洗掉任何未结合的探针，并使用已知方法检测结合的探针。例如，如果使用放射性标记的探针，则载玻片经受照相乳胶，其显示使用放射性标记的探针产生的信号；如果探针用酶进行标记，则加入酶特异性底物以形成比色反应；如果使用荧光标记来标记探针，则使用荧光显微镜显示结合的探针；如果使用标签(例如，洋地黄毒苷、生物素等)来标记探针，则可以在与标签特异性抗体相互作用后检测结合的探针，所述标签特异性抗体可以使用已知方法检测。
原位RT-PCR染色：这一方法描述于Nuovo GJ等人[Intracellular localizationof polymerase chain reaction (PCR)-amplified hepatitis C cDNA. Am J SurgPathol. 1993, 17: 683-90]和Komminoth P等人[Evaluation of methods forhepatitis C virus detection in archival liver biopsies. Comparison ofhistology, immunohistochemistry, in situ hybridization, reverse transcriptasepolymerase chain reaction (RT-PCR) and in situ RT-PCR. Pathol Res Pract.1994, 190: 1017-25]中。简而言之，通过将标记的核苷酸参入PCR反应，在固定的细胞上进行RT-PCR反应。使用特定的原位RT-PCR装置进行反应，例如可从Arcturus Engineering(Mountainview，CA)获得的激光捕获显微解剖PixCell I LCM系统。
微阵列/DNA芯片：
可以使用DNA微阵列同时分析数千个基因的表达，从而允许在特定的发育过程或生理反应期间分析生物的完整转录程序。DNA微阵列由数千个个别基因序列组成，所述基因序列附着于支持体例如玻璃显微镜载玻片表面上的紧密叠集区域(closely packedareas)。已经开发了各种方法用于制备DNA微阵列。在一种方法中，用于分析的每个基因的编码区的约1千碱基区段被个别地PCR扩增。使用机器人装置将每个扩增的DNA样品应用于玻璃显微镜载玻片表面上的紧密间隔区(closely spaced zones)，随后通过热处理和化学处理将其进行加工以将DNA序列结合到支持体的表面并使它们变性。一般，这些阵列约为2×2cm，且含有约6000个个别的核酸点。在所述技术的变形中，通常长度为20个核苷酸的多个DNA寡核苷酸由与支持体表面共价结合的初始核苷酸合成，从而使得在支持体表面上的小正方形区中合成数以万计的相同的寡核苷酸。来自单个基因的多个寡核苷酸序列在载玻片的相邻区域中合成以用于分析该基因的表达。因此，可以在一个载玻片上表示数千个基因。如上所述，这种合成寡核苷酸的阵列在本领域中可称为“DNA芯片”，与“DNA微阵列”形成对照[Lodish等人(eds.). 第7.8章: DNA Microarrays: Analyzing Genome-WideExpression. In: Molecular Cell Biology, 第4版, W. H. Freeman, New York.(2000)]。
寡核苷酸微阵列 - 在这一方法中，能够与本发明的一些实施方案的多核苷酸特异性杂交的寡核苷酸探针附着于固体表面(例如，玻璃晶片)。每个寡核苷酸探针的长度为约20-25个核酸。为了检测特定细胞样品(例如，血细胞)中本发明一些实施方案的多核苷酸的表达模式，使用本领域已知的方法从细胞样品中提取RNA(使用例如，TRIZOL溶液，GibcoBRL，美国)。可以使用标记的寡核苷酸探针(例如，5'-生物素化的探针)或互补DNA(cDNA)或RNA(cRNA)的标记的片段进行杂交。简而言之，使用逆转录酶(RT)(例如，Superscript IIRT)、DNA连接酶和DNA聚合酶I从RNA制备双链cDNA，均根据制造商的说明书(InvitrogenLife Technologies，Frederick，MD，USA)。为了制备标记的cRNA，使用例如BioArray HighYield RNA Transcript Labeling Kit(Enzo，Diagnostics，Affymetix Santa Clara CA)在生物素化的核苷酸存在下对双链cDNA进行体外转录反应。为了有效杂交，可以通过将RNA在40 mM Tris乙酸盐(Acetate)(pH 8.1)、100 mM乙酸钾和30 mM乙酸镁中于94℃温育35分钟来片段化标记的cRNA。杂交后，洗涤微阵列并使用共焦激光荧光扫描仪扫描杂交信号，所述扫描仪测量与探针阵列结合的标记的cRNA发射的荧光强度。
例如，在Affymetrix微阵列(Affymetrix®，Santa Clara，CA)中，阵列上的每个基因都由一系列不同的寡核苷酸探针表示，其中每个探针对由完美匹配寡核苷酸和错配寡核苷酸组成。虽然完美匹配探针具有与特定基因完全互补的序列，因此使得能够测量特定基因的表达水平，但错配探针与完美匹配探针的不同之处在于中心碱基位置处的单碱基取代。使用Agilent扫描仪扫描杂交信号，并且Microarray Suite软件从由完美匹配探针产生的信号中减去由错配探针产生的非特异性信号。
测序：用于RNA序列测定的方法是本领域技术人员通常已知的。优选的测序方法是下一代测序方法或并行高通量测序方法(parallel high throughput sequencingmethod)。设想的序列方法的一个例子是焦磷酸测序(pyrosequencing)，特别是454焦磷酸测序，例如，基于Roche 454基因组测序仪。这一方法在油溶液中的水滴内扩增DNA，每个液滴含有单个DNA模板，所述DNA模板附着于单个引物包被的珠上，其然后形成克隆集落。焦磷酸测序使用萤光素酶以产生光以检测添加到新生DNA的个别核苷酸，并且组合的数据用于产生序列读数(read-outs)。另一个设想的例子是Illumina或Solexa测序，例如，通过使用Illumina基因组分析仪技术，所述技术基于可逆染料终止剂。DNA分子一般附着于载玻片上的引物并扩增，从而形成局部克隆集落。随后可每次添加一种类型的核苷酸，并且洗掉未参入的核苷酸。随后，可采取荧光标记的核苷酸的图像，并且从DNA中化学除去染料，从而允许下一个循环。另一个例子是Applied Biosystems的SOLiD技术的使用，所述技术采用边连接边测序(sequencing by ligation)。这一方法基于使用固定长度的所有可能寡核苷酸的库(pool)，其根据测序的位置进行标记。将这些寡核苷酸退火并连接。随后，DNA连接酶对匹配序列的优先连接一般导致提供该位置核苷酸信息的信号。由于一般通过乳剂PCR扩增DNA，所以可以将得到的珠(每个仅包含相同DNA分子的拷贝)沉积在载玻片上，从而产生与Illumina测序相当的量和长度的序列。另一种方法基于Helicos的Heliscope技术，其中片段被栓系于阵列的聚胸苷酸(polyT)寡聚体捕获。在每个测序循环中，加入聚合酶和单荧光标记的核苷酸，并对阵列进行成像。随后移除荧光标签并重复循环。包括在本发明方法内的测序技术的其它实例是通过杂交测序、通过使用纳米孔测序、基于显微镜的测序技术、微观流体Sanger测序或基于微芯片的测序方法。本发明还设想了这些技术的进一步开发，例如，进一步提高序列测定的准确性，或确定生物基因组序列所需的时间等。
根据一个实施方案，测序方法包括深度测序(deep sequencing)。
如本文所用的，术语“深度测序”是指测序方法，其中在单次测试中多次读取靶序列。单个深度测序运行由在相同靶序列上运行的多个测序反应组成，并且每个测序反应产生独立的序列读数。
应理解，本文描述的决定子的表达水平可以是绝对表达水平，归一化表达和/或相对表达水平。
在一般的科学背景下，归一化是将测量原始数据转换成可以直接与其他如此归一化的数据进行比较的数据的过程。在本发明的上下文中，表达水平的测量易于由例如测量样品的不均匀降解，每次测定的不同加载量和其他各种错误引起的错误。更具体地，由于人为错误和设备故障，任何测定的样品可含有比预期更多或更少的生物材料。因此，相同的误差或偏差适用于本发明的多肽和对照参考，其表达基本上是恒定的。因此，MX1或CRP原始表达值除以对照参考原始表达值产生的商数基本上没有任何技术故障或不准确性(除了破坏用于测试目的的样品的主要错误)并构成归一化的多肽表达值。由于对照参考表达式值在不同样本中相等，因此它们构成对此类归一化有效的公共参考点。
根据具体的实施方案，使用相同的对照参考，将每个多肽表达值归一化。
一旦执行测试以确定决定子的水平，则可选地生成包含测量结果的受试者特异性数据集。
所述受试者特异性数据集以计算机可读形式存储在非易失性计算机可读介质上，并且任选地并优选地通过硬件处理器(如通用计算机或专用电路)访问。
如上所述，当受试者已基于除多肽血液水平之外的参数而被证实具有细菌感染，病毒感染或非细菌/非病毒疾病时，将测试受试者血液中的决定子(例如多肽)的水平与多个受试者血液中相同多肽的水平进行比较。多个受试者的多肽水平连同其验证的诊断可以存储在第二数据集中，在本文中也称为“组数据集”或“预先诊断的数据集”，如下文进一步描述的。
短语“非细菌/非病毒疾病”是指不是由细菌或病毒引起的疾病。这包括如下的疾病，例如急性心肌梗塞，身体伤害，癫痫发作，炎症性疾病等疾病，真菌病，寄生虫病等。
本文所用的短语“病毒感染”是指由病毒引起并且不包含细菌成分的疾病。
可以如以下实施例部分中所述进行分析数据集的方法，例如，用于计算一个或多个概率分类函数的目的，其中所述概率分类函数表示特定受试者具有细菌感染的可能性，或特定受试者具有病毒感染的可能性，或特定受试者具有非细菌性非病毒性疾病的可能性。
例如，可以使用PCR诊断测定来支持诊断，例如(i) Seeplex®RV15，其用于检测副流感病毒1、2、3和4，冠状病毒229E/NL63，腺病毒A/B/C/D/E，博卡病毒1/2/3/4，流感病毒A和B，间质肺病毒，冠状病毒OC43，鼻病毒A/B/C，呼吸道合胞病毒A和B，以及肠道病毒，或(ii) Seeplex®PB6，其用于检测肺炎链球菌，流感嗜血杆菌，肺炎衣原体，嗜肺军团菌，百日咳博德特氏菌和肺炎支原体。
可以分析血液培养物，尿培养物和粪便培养物中的志贺氏菌属种(Shigella spp.)，弯曲杆菌属种(Campylobacter spp.)和沙门氏菌属种(Salmonella spp.)；血清学检测(IgM和/或IgG)，其用于巨细胞病毒(CMV)，Epstein-Barr病毒(EBV)，肺炎支原体和贝纳特氏立克次体(Q-热)。
放射学检查(例如用于疑似下呼吸道感染[LRTI]的胸部X光检查)可用于确认胸部感染。
可选地或附加地，可以使用至少一名受过训练的医生来建立诊断。
上文已经描述了确定预诊断受试者中的多肽表达水平的方法。
优选地，将用于确定预诊断受试者中的多肽表达水平的相同方法用于确定测试受试者中的多肽水平。因此，例如，如果使用免疫测定类型方法来确定预先诊断的受试者中的多肽的表达水平，则应使用免疫测定类型方法来确定测试受试者中的多肽水平。
应当理解，血液样本的类型在测试受试者和预先诊断的受试者中不需要相同。因此，例如，如果血清样品用于确定预先诊断的受试者中的多肽表达水平，则血浆样品可用于测定受试者中的多肽水平。
所述数据集的额外维度提供了关于所分析的受试者、关于其它受试者和/或关于CRP和MX1之外的多肽水平的额外信息。
“传统实验室风险因子”也称为“临床数据”，包括从受试者样品中分离或衍生的生物标志物，其目前在临床实验室中评估并用于传统的全面风险评估算法中。其实例在上文中提供。
优选地，所分析的受试者的至少一个传统实验室风险因子被包括在受试者特异性数据集中，并且一或多名(更优选所有)其它受试者的至少一个传统实验室风险因子被包括在组数据集中。当受试者特异性数据集包括至少一个传统实验室风险因子时，风险因子可以作为单独的条目包括在内。当组数据库包括风险因子时，该风险因子任选地并优选地针对每名受试者收录。因此，例如，组数据库条目可以由元组(S, G, D, L{R})描述，其中S、G、D和L已在之前介绍，而{R}是受试者S的至少一个风险因子。
“临床参数”包括受试者健康状况或其它特征的所有非样本或非分析物生物标志物，例如但不限于年龄(Age)、种族(RACE)、性别(Sex)、核心体温(缩写为“温度”)、症状初始出现后的最高核心体温(缩写为“最高温度”)、从症状初始出现起的时间(缩写为“从症状起的时间“)或家族史(缩写为FamHX)。
优选地，所分析的受试者的至少一个临床参数被包括在受试者特异性数据集中，并且一或多名(更优选所有)其它受试者的至少一个临床参数被包括在组数据集中。当受试者特异性数据集包括至少一个临床参数时，临床参数可以作为单独的条目包括在内。当组数据库包括临床参数时，该临床参数任选地并优选地针对每名受试者收录。因此，例如，组数据库条目可以由元组(S, G, D, L{C})描述，其中S、G、D和L已在之前介绍，而{C}是受试者S的至少一个临床参数。
如本文所用，“血液化学”是指溶解或包含在血液中的任何和所有物质的浓度。这些物质的代表性实例包括但不限于白蛋白，淀粉酶，碱性磷酸酶，碳酸氢盐，总胆红素，BUN，C-反应蛋白，钙，氯化物，LDL，HDL，总胆固醇，肌酸酐，CPK，γ-GT，葡萄糖，LDH，无机磷，脂肪酶，钾，总蛋白，AST，ALT，钠，甘油三酯，尿酸和VLDL。
一旦做出诊断，将理解可以采取许多行为。
因此，例如，如果划入细菌感染，则可以用抗生素剂治疗受试者。
抗生素剂的实例包括但不限于达托霉素；吉米沙星；特拉万星；Ceftaroline；非达霉素；阿莫西林；氨苄西林；巴氨西林；羧苄西林；氯唑西林；双氯西林；氟氯西林；美洛西林；萘夫西林；苯唑西林；青霉素G；青霉素V；哌拉西林；匹氨西林；匹美西林；替卡西林；氨曲南；亚胺培南；多尼培南；美罗培南；厄他培南；克林霉素；林可霉素；普那霉素；喹奴普丁；头孢乙腈(cephacetrile)；头孢羟氨苄(氨羟苄头孢菌素)；头孢氨苄(苯甘孢霉素)；头孢来星(氨基苯乙酰头孢菌素)；头孢洛宁(烟酰头孢菌素)；头孢噻啶(cephaloridine)；头孢噻吩(先锋霉素)；头孢匹林(cephapirin)；头孢曲嗪；头孢氮氟；头孢西酮；头孢唑啉(唑啉头孢菌素)；头孢拉定(环烯头孢菌素)；头孢沙定；头孢替唑；头孢克洛；头孢孟多；头孢美唑；头孢尼西；头孢替坦；头孢西丁；头孢丙烯(头孢罗齐)；头孢呋辛；头孢唑喃；头孢卡品；头孢达肟；头孢地尼；头孢托仑；头孢他美；头孢克肟；头孢甲肟；头孢地嗪；头孢噻肟；头孢咪唑；头孢泊肟；头孢特仑；头孢布烯；头孢噻呋；头孢噻林；头孢唑肟；头孢曲松；头孢哌酮；头孢他啶；头孢克定；头孢吡肟；头孢瑞南；头孢噻利；头孢唑兰；头孢匹罗；头孢喹肟；第五代；头孢吡普；头孢洛林；未分类的；头孢氯嗪；头孢洛仑；头孢帕罗；头孢卡奈；头孢屈洛；头孢吡酮；头孢三唑；头孢维曲；头孢替林；Cefmepidium；头孢维星；头孢噁唑；头孢罗替；头孢舒米；头孢呋汀；头孢噻氧；阿奇霉素；红霉素；克拉霉素；地红霉素；罗红霉素；泰利霉素；阿米卡星、；庆大霉素；卡那霉素；新霉素；奈替米星；巴龙霉素；链霉素；妥布霉素；氟甲喹；萘啶酸；噁喹酸；吡罗米酸；吡哌酸；罗索沙星；环丙沙星；依诺沙星；洛美沙星；那氟沙星；诺氟沙星；氧氟沙星；培氟沙星；芦氟沙星；巴洛沙星；加替沙星；格帕沙星；左氧氟沙星；莫西沙星；帕珠沙星；司帕沙星；替马沙星；妥舒沙星；贝西沙星；克林沙星；吉米沙星；西他沙星；曲伐沙星；普卢利沙星；磺胺甲；噻二唑；磺胺甲噁唑；磺胺异噁唑；甲氧苄啶-磺胺甲噁唑；地美环素；多西环素；米诺环素；土霉素；四环素；替加环素；氯霉素；甲硝唑；替硝唑；呋喃妥因；万古霉素；替考拉宁；特拉万星；利奈唑胺；环丝氨酸2；利福平；利福布丁；利福喷丁；杆菌肽；多粘菌素B；紫霉素；卷曲霉素。
如果划入病毒感染，则可以用抗病毒剂治疗受试者。抗病毒剂的实例包括但不限于阿巴卡韦；阿昔洛韦；无环鸟苷；阿德福韦；金刚烷胺；安普那韦；安普利近；阿比朵尔；阿扎那韦；阿曲普拉；Balavir；波普瑞韦尔特；西多福韦；可比韦；度鲁特韦；地瑞那韦；地拉韦啶；地达诺新；二十二烷醇；依度尿苷；依法韦仑；恩曲他滨；恩夫韦地；恩替卡韦；Ecoliever；泛昔洛韦；福米韦生；福沙那韦；膦甲酸；膦乙酸；融合抑制剂；更昔洛韦；伊巴他滨；Imunovir；碘苷；咪喹莫特；茚地那韦；肌苷；整合酶抑制剂；III型干扰素；II型干扰素；I型干扰素；干扰素；拉米夫定；洛匹那韦；洛韦安；马拉维诺；吗啉双胍；甲吲噻腙；奈非那韦；奈韦拉平；Nexavir；奥司他韦；聚乙二醇干扰素alfa-2a；喷昔洛韦；帕拉米韦；普来可那立；鬼臼毒素；雷特格韦；逆转录酶抑制剂；利巴韦林；金刚乙胺；利托那韦；Pyramidine；沙奎那韦；索非布韦；司他夫定特拉匹韦；替诺福韦；替诺福韦二吡呋酯；替拉那韦；三氟尿苷；三协唯；曲金刚胺；特鲁瓦达；traporved；伐昔洛韦；缬更昔洛韦；Vicriviroc；阿糖腺苷；viramidine；扎西他滨；扎那米韦；齐多夫定；RNAi抗病毒剂；吸入型rhibovirons；单克隆抗体respigams；神经氨酸酶阻滞剂。
使用本文描述的方法收集的信息可以有助于额外的患者管理选项。例如，该信息可用于确定患者是否应该住院。它还可能影响是否延长住院时间。它还可能影响决定是否需要进行额外的测试，或者可以节省执行不必要的测试，如CT和/或X射线和/或MRI和/或培养和/或血清学和/或特定细菌的PCR检测和/或用于病毒的PCR测定和/或进行诸如腰椎穿刺的程序。
尽管已经结合其具体实施方案描述了本发明，但显然许多替代、修改和变化对于本领域技术人员来说将是显而易见的。因此，意图包含落入所附权利要求的精神和广泛范围内的所有这些替代、修改和变化。
本说明书中提及的所有出版物、专利和专利申请均整体引入本说明书中作为参考，其程度如同每个个别的出版物、专利或专利申请被具体和个别地指出引入本文作为参考一样。另外，本申请中任何参考文献的引用或确定不应被解释为承认这样的参考文献可用作本发明的现有技术。在使用章节标题的范围内，它们不应被解释为必定是限制性的。
Figure 687740DEST_PATH_IMAGE028
Figure 996362DEST_PATH_IMAGE029
Figure 661043DEST_PATH_IMAGE030
Figure 953484DEST_PATH_IMAGE031
Figure 404057DEST_PATH_IMAGE032
序列表
<110> MeMed Diagnostics Ltd.
Eran, EDEN
Kfir, OVED
Assaf, COHEN-DOTAN
Roy, NAVON
Olga, BOICO
Gali, KRONENFELD
Meital, PAZ
Ellen, BAMBERGER
<120> 用于区分细菌和病毒感染的蛋白质特征
<130> 69837
<150> US 62/360,418
<151> 2016-07-10
<160> 24
<170> PatentIn version 3.5
<210> 1
<211> 224
<212> PRT
<213> 智人
<400> 1
Met Glu Lys Leu Leu Cys Phe Leu Val Leu Thr Ser Leu Ser His Ala
1 5 10 15
Phe Gly Gln Thr Asp Met Ser Arg Lys Ala Phe Val Phe Pro Lys Glu
20 25 30
Ser Asp Thr Ser Tyr Val Ser Leu Lys Ala Pro Leu Thr Lys Pro Leu
35 40 45
Lys Ala Phe Thr Val Cys Leu His Phe Tyr Thr Glu Leu Ser Ser Thr
50 55 60
Arg Gly Tyr Ser Ile Phe Ser Tyr Ala Thr Lys Arg Gln Asp Asn Glu
65 70 75 80
Ile Leu Ile Phe Trp Ser Lys Asp Ile Gly Tyr Ser Phe Thr Val Gly
85 90 95
Gly Ser Glu Ile Leu Phe Glu Val Pro Glu Val Thr Val Ala Pro Val
100 105 110
His Ile Cys Thr Ser Trp Glu Ser Ala Ser Gly Ile Val Glu Phe Trp
115 120 125
Val Asp Gly Lys Pro Arg Val Arg Lys Ser Leu Lys Lys Gly Tyr Thr
130 135 140
Val Gly Ala Glu Ala Ser Ile Ile Leu Gly Gln Glu Gln Asp Ser Phe
145 150 155 160
Gly Gly Asn Phe Glu Gly Ser Gln Ser Leu Val Gly Asp Ile Gly Asn
165 170 175
Val Asn Met Trp Asp Phe Val Leu Ser Pro Asp Glu Ile Asn Thr Ile
180 185 190
Tyr Leu Gly Gly Pro Phe Ser Pro Asn Val Leu Asn Trp Arg Ala Leu
195 200 205
Lys Tyr Glu Val Gln Gly Glu Val Phe Thr Lys Pro Gln Leu Trp Pro
210 215 220
<210> 2
<211> 1805
<212> DNA
<213> 智人
<400> 2
acagaaccca gaaaaacaac tcattcgctt tcatttcctc actgactata aaagaataga 60
gaaggaaggg cttcagtgac cggctgcctg gctgacttac agcagtcaga ctctgacagg 120
atcatggcta tgatggaggt ccagggggga cccagcctgg gacagacctg cgtgctgatc 180
gtgatcttca cagtgctcct gcagtctctc tgtgtggctg taacttacgt gtactttacc 240
aacgagctga agcagatgca ggacaagtac tccaaaagtg gcattgcttg tttcttaaaa 300
gaagatgaca gttattggga ccccaatgac gaagagagta tgaacagccc ctgctggcaa 360
gtcaagtggc aactccgtca gctcgttaga aagactccaa gaatgaaaag gctctgggcc 420
gcaaaataaa ctcctgggaa tcatcaagga gtgggcattc attcctgagc aacttgcact 480
tgaggaatgg tgaactggtc atccatgaaa aagggtttta ctacatctat tcccaaacat 540
actttcgatt tcaggaggaa ataaaagaaa acacaaagaa cgacaaacaa atggtccaat 600
atatttacaa atacacaagt tatcctgacc ctatattgtt gatgaaaagt gctagaaata 660
gttgttggtc taaagatgca gaatatggac tctattccat ctatcaaggg ggaatatttg 720
agcttaagga aaatgacaga atttttgttt ctgtaacaaa tgagcacttg atagacatgg 780
accatgaagc cagttttttt ggggcctttt tagttggcta actgacctgg aaagaaaaag 840
caataacctc aaagtgacta ttcagttttc aggatgatac actatgaaga tgtttcaaaa 900
aatctgacca aaacaaacaa acagaaaaca gaaaacaaaa aaacctctat gcaatctgag 960
tagagcagcc acaaccaaaa aattctacaa cacacactgt tctgaaagtg actcacttat 1020
cccaagagaa tgaaattgct gaaagatctt tcaggactct acctcatatc agtttgctag 1080
cagaaatcta gaagactgtc agcttccaaa cattaatgca atggttaaca tcttctgtct 1140
ttataatcta ctccttgtaa agactgtaga agaaagagca acaatccatc tctcaagtag 1200
tgtatcacag tagtagcctc caggtttcct taagggacaa catccttaag tcaaaagaga 1260
gaagaggcac cactaaaaga tcgcagtttg cctggtgcag tggctcacac ctgtaatccc 1320
aacattttgg gaacccaagg tgggtagatc acgagatcaa gagatcaaga ccatagtgac 1380
caacatagtg aaaccccatc tctactgaaa gtacaaaaat tagctgggtg tgttggcaca 1440
tgcctgtagt cccagctact tgagaggctg aggcaagaga attgtttgaa cccgggaggc 1500
agaggttgca gtgtggtgag atcatgccac tacactccag cctggcgaca gagcgagact 1560
tggtttcaaa aaaaaaaaaa aaaaaaactt cagtaagtac gtgttatttt tttcaataaa 1620
attctattac agtatgtcat gtttgctgta gtgctcatat ttattgttgt ttttgtttta 1680
gtactcactt gtttcataat atcaagatta ctaaaaatgg gggaaaagac ttctaatctt 1740
tttttcataa tatctttgac acatattaca gaagaaataa atttcttact tttaatttaa 1800
tatga 1805
<210> 3
<211> 1334
<212> DNA
<213> 智人
<400> 3
atttcctcac tgactataaa agaatagaga aggaagggct tcagtgaccg gctgcctggc 60
tgacttacag cagtcagact ctgacaggat catggctatg atggaggtcc aggggggacc 120
cagcctggga cagacctgcg tgctgatcgt gatcttcaca gtgctcctgc agtctctctg 180
tgtggctgta acttacgtgt actttaccaa cgagctgaag cagtttgcag aaaatgattg 240
ccagagacta atgtctgggc agcagacagg gtcattgctg ccatcttgaa gtctaccttg 300
ctgagtctac cctgctgacc tcaagcccca tcaaggactg gttgaccctg gcctagacaa 360
ccaccgtgtt tgtaacagca ccaagagcag tcaccatgga aatccacttt tcagaaccaa 420
gggcttctgg agctgaagaa caggcaccca gtgcaagagc tttcttttca gaggcacgca 480
aatgaaaata atccccacac gctaccttct gcccccaatg cccaagtgtg gttagttaga 540
gaatatagcc tcagcctatg atatgctgca ggaaactcat attttgaagt ggaaaggatg 600
ggaggaggcg ggggagacgt atcgtattaa ttatcattct tggaataacc acagcacctc 660
acgtcaaccc gccatgtgtc tagtcaccag cattggccaa gttctatagg agaaactacc 720
aaaattcatg atgcaagaaa catgtgaggg tggagagagt gactggggct tcctctctgg 780
atttctattg ttcagaaatc aatatttatg cataaaaagg tctagaaaga gaaacaccaa 840
aatgacaatg tgatctctag atggtatgat tatgggtact ttttttcctt tttatttttc 900
tatattttac aaattttcta cagggaatgt tataaaaata tccatgctat ccatgtataa 960
ttttcataca gatttaaaga acacagcatt tttatatagt cttatgagaa aacaaccata 1020
ctcaaaatta tgcacacaca cagtctgatc tcacccctgt aaacaagaga tatcatccaa 1080
aggttaagta ggaggtgaga atatagctgc tattagtggt tgttttgttt tgtttttgtg 1140
atttacttat ttagtttttg gagggttttt tttttctttt agaaaagtgt tctttacttt 1200
tccatgcttc cctgcttgcc tgtgtatcct gaatgtatcc aggctttata aactcctggg 1260
taataatgta gctacattaa cttgttaacc tcccatccac ttatacccag gaccttactc 1320
aattttccag gttc 1334
<210> 4
<211> 281
<212> PRT
<213> 智人
<400> 4
Met Ala Met Met Glu Val Gln Gly Gly Pro Ser Leu Gly Gln Thr Cys
1 5 10 15
Val Leu Ile Val Ile Phe Thr Val Leu Leu Gln Ser Leu Cys Val Ala
20 25 30
Val Thr Tyr Val Tyr Phe Thr Asn Glu Leu Lys Gln Met Gln Asp Lys
35 40 45
Tyr Ser Lys Ser Gly Ile Ala Cys Phe Leu Lys Glu Asp Asp Ser Tyr
50 55 60
Trp Asp Pro Asn Asp Glu Glu Ser Met Asn Ser Pro Cys Trp Gln Val
65 70 75 80
Lys Trp Gln Leu Arg Gln Leu Val Arg Lys Met Ile Leu Arg Thr Ser
85 90 95
Glu Glu Thr Ile Ser Thr Val Gln Glu Lys Gln Gln Asn Ile Ser Pro
100 105 110
Leu Val Arg Glu Arg Gly Pro Gln Arg Val Ala Ala His Ile Thr Gly
115 120 125
Thr Arg Gly Arg Ser Asn Thr Leu Ser Ser Pro Asn Ser Lys Asn Glu
130 135 140
Lys Ala Leu Gly Arg Lys Ile Asn Ser Trp Glu Ser Ser Arg Ser Gly
145 150 155 160
His Ser Phe Leu Ser Asn Leu His Leu Arg Asn Gly Glu Leu Val Ile
165 170 175
His Glu Lys Gly Phe Tyr Tyr Ile Tyr Ser Gln Thr Tyr Phe Arg Phe
180 185 190
Gln Glu Glu Ile Lys Glu Asn Thr Lys Asn Asp Lys Gln Met Val Gln
195 200 205
Tyr Ile Tyr Lys Tyr Thr Ser Tyr Pro Asp Pro Ile Leu Leu Met Lys
210 215 220
Ser Ala Arg Asn Ser Cys Trp Ser Lys Asp Ala Glu Tyr Gly Leu Tyr
225 230 235 240
Ser Ile Tyr Gln Gly Gly Ile Phe Glu Leu Lys Glu Asn Asp Arg Ile
245 250 255
Phe Val Ser Val Thr Asn Glu His Leu Ile Asp Met Asp His Glu Ala
260 265 270
Ser Phe Phe Gly Ala Phe Leu Val Gly
275 280
<210> 5
<211> 101
<212> PRT
<213> 智人
<400> 5
Met Ala Met Met Glu Val Gln Gly Gly Pro Ser Leu Gly Gln Thr Cys
1 5 10 15
Val Leu Ile Val Ile Phe Thr Val Leu Leu Gln Ser Leu Cys Val Ala
20 25 30
Val Thr Tyr Val Tyr Phe Thr Asn Glu Leu Lys Gln Met Gln Asp Lys
35 40 45
Tyr Ser Lys Ser Gly Ile Ala Cys Phe Leu Lys Glu Asp Asp Ser Tyr
50 55 60
Trp Asp Pro Asn Asp Glu Glu Ser Met Asn Ser Pro Cys Trp Gln Val
65 70 75 80
Lys Trp Gln Leu Arg Gln Leu Val Arg Lys Thr Pro Arg Met Lys Arg
85 90 95
Leu Trp Ala Ala Lys
100
<210> 6
<211> 65
<212> PRT
<213> 智人
<400> 6
Met Ala Met Met Glu Val Gln Gly Gly Pro Ser Leu Gly Gln Thr Cys
1 5 10 15
Val Leu Ile Val Ile Phe Thr Val Leu Leu Gln Ser Leu Cys Val Ala
20 25 30
Val Thr Tyr Val Tyr Phe Thr Asn Glu Leu Lys Gln Phe Ala Glu Asn
35 40 45
Asp Cys Gln Arg Leu Met Ser Gly Gln Gln Thr Gly Ser Leu Leu Pro
50 55 60
Ser
65
<210> 7
<211> 223
<212> PRT
<213> 智人
<400> 7
Gln Asp His Gly Tyr Asp Gly Gly Pro Gly Gly Thr Gln Pro Gly Thr
1 5 10 15
Asp Leu Arg Ala Asp Arg Asp Leu His Ser Ala Pro Ala Val Ser Leu
20 25 30
Cys Gly Cys Asn Leu Arg Val Leu Tyr Gln Arg Ala Glu Ala Glu Lys
35 40 45
Gln Gln Asn Ile Ser Pro Leu Val Arg Glu Arg Gly Pro Gln Arg Val
50 55 60
Ala Ala His Ile Thr Gly Thr Arg Gly Arg Ser Asn Thr Leu Ser Ser
65 70 75 80
Pro Asn Ser Lys Asn Glu Lys Ala Leu Gly Arg Lys Ile Asn Ser Trp
85 90 95
Glu Ser Ser Arg Ser Gly His Ser Phe Leu Ser Asn Leu His Leu Arg
100 105 110
Asn Gly Glu Leu Val Ile His Glu Lys Gly Phe Tyr Tyr Ile Tyr Ser
115 120 125
Gln Thr Tyr Phe Arg Phe Gln Glu Glu Ile Lys Glu Asn Thr Lys Asn
130 135 140
Asp Lys Gln Met Val Gln Tyr Ile Tyr Lys Tyr Thr Ser Tyr Pro Asp
145 150 155 160
Pro Ile Leu Leu Met Lys Ser Ala Arg Asn Ser Cys Trp Ser Lys Asp
165 170 175
Ala Glu Tyr Gly Leu Tyr Ser Ile Tyr Gln Gly Gly Ile Phe Glu Leu
180 185 190
Lys Glu Asn Asp Arg Ile Phe Val Ser Val Thr Asn Glu His Leu Ile
195 200 205
Asp Met Asp His Glu Ala Ser Phe Phe Gly Ala Phe Leu Val Gly
210 215 220
<210> 8
<211> 178
<212> PRT
<213> 智人
<400> 8
Lys Glu Lys Gln Gln Asn Ile Ser Pro Leu Val Arg Glu Arg Gly Pro
1 5 10 15
Gln Arg Val Ala Ala His Ile Thr Gly Thr Arg Gly Arg Ser Asn Thr
20 25 30
Leu Ser Ser Pro Asn Ser Lys Asn Glu Lys Ala Leu Gly Arg Lys Ile
35 40 45
Asn Ser Trp Glu Ser Ser Arg Ser Gly His Ser Phe Leu Ser Asn Leu
50 55 60
His Leu Arg Asn Gly Glu Leu Val Ile His Glu Lys Gly Phe Tyr Tyr
65 70 75 80
Ile Tyr Ser Gln Thr Tyr Phe Arg Phe Gln Glu Glu Ile Lys Glu Asn
85 90 95
Thr Lys Asn Asp Lys Gln Met Val Gln Tyr Ile Tyr Lys Tyr Thr Ser
100 105 110
Tyr Pro Asp Pro Ile Leu Leu Met Lys Ser Ala Arg Asn Ser Cys Trp
115 120 125
Ser Lys Asp Ala Glu Tyr Gly Leu Tyr Ser Ile Tyr Gln Gly Gly Ile
130 135 140
Phe Glu Leu Lys Glu Asn Asp Arg Ile Phe Val Ser Val Thr Asn Glu
145 150 155 160
His Leu Ile Asp Met Asp His Glu Ala Ser Phe Phe Gly Ala Phe Leu
165 170 175
Val Gly
<210> 9
<211> 2301
<212> DNA
<213> 智人
<400> 9
aaggcaagag atctaggact tctagcccct gaactttcag ccgaatacat cttttccaaa 60
ggagtgaatt caggcccttg tatcactggc agcaggacgt gaccatggag aagctgttgt 120
gtttcttggt cttgaccagc ctctctcatg cttttggcca gacaggtaag ggccacccca 180
ggctatggga gagatttgat ctgaggtatg ggggtggggt ctaagactgc atgaacagtc 240
tcaaaaaaaa aaaaaaaaga ctgtatgaac agaacagtgg agcatccttc atggtgtgtg 300
tgtgtgtgtg tgtgtgtgtg tgtgtgtgtg tggtgtgtaa ctggagaagg ggtcagtctg 360
tttctcaatc ttaaattcta tacgtaagtg aggggataga tctgtgtgat ctgagaaacc 420
tctcacattt gcttgttttt ctggctcaca gacatgtcga ggaaggcttt tgtgtttccc 480
aaagagtcgg atacttccta tgtatccctc aaagcaccgt taacgaagcc tctcaaagcc 540
ttcactgtgt gcctccactt ctacacggaa ctgtcctcga cccgtgggta cagtattttc 600
tcgtatgcca ccaagagaca agacaatgag attctcatat tttggtctaa ggatatagga 660
tacagtttta cagtgggtgg gtctgaaata ttattcgagg ttcctgaagt cacagtagct 720
ccagtacaca tttgtacaag ctgggagtcc gcctcaggga tcgtggagtt ctgggtagat 780
gggaagccca gggtgaggaa gagtctgaag aagggataca ctgtgggggc agaagcaagc 840
atcatcttgg ggcaggagca ggattccttc ggtgggaact ttgaaggaag ccagtccctg 900
gtgggagaca ttggaaatgt gaacatgtgg gactttgtgc tgtcaccaga tgagattaac 960
accatctatc ttggcgggcc cttcagtcct aatgtcctga actggcgggc actgaagtat 1020
gaagtgcaag gcgaagtgtt caccaaaccc cagctgtggc cctgaggccc agctgtgggt 1080
cctgaaggta cctcccggtt ttttacaccg catgggcccc acgtctctgt ctctggtacc 1140
tcccgctttt ttacactgca tggttcccac gtctctgtct ctgggccttt gttcccctat 1200
atgcattgca ggcctgctcc accctcctca gcgcctgaga atggaggtaa agtgtctggt 1260
ctgggagctc gttaactatg ctgggaaacg gtccaaaaga atcagaattt gaggtgtttt 1320
gttttcattt ttatttcaag ttggacagat cttggagata atttcttacc tcacatagat 1380
gagaaaacta acacccagaa aggagaaatg atgttataaa aaactcataa ggcaagagct 1440
gagaaggaag cgctgatctt ctatttaatt ccccacccat gacccccaga aagcaggagg 1500
gcattgccca cattcacagg gctcttcagt ctcagaatca ggacactggc caggtgtctg 1560
gtttgggtcc agagtgctca tcatcatgtc atagaactgc tgggcccagg tctcctgaaa 1620
tgggaagccc agcaatacca cgcagtccct ccactttctc aaagcacact ggaaaggcca 1680
ttagaattgc cccagcagag cagatctgct ttttttccag agcaaaatga agcactaggt 1740
ataaatatgt tgttactgcc aagaacttaa atgactggtt tttgtttgct tgcagtgctt 1800
tcttaatttt atggctcttc tgggaaactc ctcccctttt ccacacgaac cttgtggggc 1860
tgtgaattct ttcttcatcc ccgcattccc aatataccca ggccacaaga gtggacgtga 1920
accacagggt gtcctgtcag aggagcccat ctcccatctc cccagctccc tatctggagg 1980
atagttggat agttacgtgt tcctagcagg accaactaca gtcttcccaa ggattgagtt 2040
atggactttg ggagtgagac atcttcttgc tgctggattt ccaagctgag aggacgtgaa 2100
cctgggacca ccagtagcca tcttgtttgc cacatggaga gagactgtga ggacagaagc 2160
caaactggaa gtggaggagc caagggattg acaaacaaca gagccttgac cacgtggagt 2220
ctctgaatca gccttgtctg gaaccagatc tacacctgga ctgcccaggt ctataagcca 2280
ataaagcccc tgtttacttg a 2301
<210> 10
<211> 2301
<212> DNA
<213> 智人
<400> 10
aggaattgaa ctcagctctg ccccaagcgg acctaataga catctacaga actctccacc 60
ccaaatcaac agaatataca tttttttcag caccacacca cacctattcc aaaattgatc 120
acatagttgg cagtaaagct ctcctcagca aatgtaaagg aacagaaatt ataacaaact 180
atctctcaga ccacagtgca atcaaattag aactcagaat taagaatctc actcaaaacc 240
gcacaactac atggaaactg aacaacctgc ttctgaatga ctactgggta cataatgaaa 300
tgaaggcaga aataaagatg ttctttgaaa tgaacaagaa caaacacaca acataccaga 360
atctctggga cgcattcaaa gcagtgtgta gagggaaatt tatagcacta aatgcccaca 420
agagaaagca ggaaacatcc aaaattgaca tcctaacatc acagttaaaa gaactagaaa 480
agcaagagca aacacattca aaagctagca gaaggcaaga gataactaaa atcagagcag 540
aactgaagga aatagagaca caaaaaccct tcaaaaaatt aatgaatcca ggagctggtt 600
ttttgaaagg atcaacaaaa tagatagacc actagcaaga ctaataaaga aaaaaagaga 660
gaagaatcaa atagacacaa taaaaaaatg ataaagggga tatcaccacc gatcccacgg 720
aaatacaaac taccatcaga gaatactaca aacacctcta cgcaaataaa ctagaaaatc 780
aagaagaaat ggataaattc ctcgacacat acactctccc aagactaaac caggaagaag 840
ttgaatctct gaatagacca ataacaggat atgaaattgt ggcaataatc aataccttac 900
caacaaaaaa gagtccagga ccagatggat tcacagccga attctaccag aggtacaagg 960
aggaactggt accattcctt ctgaaactat tccaatcaat agaaaaagag ggaatcctcc 1020
ctaactcatt ttatgaggcc agcatcattc tgataccaaa gccgggcaga gacacaacca 1080
aaaaagagaa ttttagacca atcaatatcc ttgatgaaca ttgatgcaaa aatcctcaat 1140
aaaatactgc caaaccaaat ccagcagcac atcaaaaagc ttatccacca tgatcaagtg 1200
ggcttcatcc ctgggatgca aggctggttc aatatacgca aatcaataaa tgtaatccag 1260
catataaaca gagccaaaga caaaaaccac atgattatct caatagatgc agaaaagacc 1320
tttgacaaaa ttcaacaacc cttcatgctc aaaactctca ataaattagg tattgatggg 1380
acgtatttca aaataataag agctatctat gacaaaccca cagccaatat catactgaat 1440
gggcaaaaac tggaagtatt cactttgaaa actggcacaa gacagggatg ccctctctca 1500
ccactcctat tcaacatagt gttggaagtt ctggccaggg caattaggca ggagaaggaa 1560
ataaagggta ttcaattagg aaaagaggaa gtcaaattgt ccctgtttgc agacgacatg 1620
attgtatatc tagaaaaccc cattgtctca gcccaaaatc tccttaagca gataagcaac 1680
ttcagcaaaa tctcaggata caaaatcaat gtacaaaaat cacaagcatt cttatacacc 1740
aacaacagac aaacagagag ccaaatcatg agtgaaatcc cattcacaat tgctttaaag 1800
agaataaaat acctaggaat ccaacttaca agggatgtga aggacctctt caaggagaac 1860
tacaaaccac tgctcaatga aataaaagag gataaaaaca aatggaagaa cattccatgc 1920
tcatgggtag gaagaatcaa tatcatgaaa atggccatac tgcccaaggt aatttacaga 1980
ttcaatgcca tccccatcaa gctaccaatg cctttcttca cagaattgga aaaaactatt 2040
tttagttcat atggaaccaa aaaagagccc gcattgccaa gtcaatccta agccaaaaga 2100
acaaagctgg aggcatcaca ctacctgact tcaaactata ctacaaggct acagtaacca 2160
aaacagcatg gtactggaac caaaacagag atatagatca atggaacaga acagagccct 2220
caaaattaat gccacatatc tacaactatc tgatctttga caaacctgag aaaaaccagc 2280
aatggggaaa ggattcccca t 2301
<210> 11
<211> 2024
<212> DNA
<213> 智人
<400> 11
aaggcaagag atctaggact tctagcccct gaactttcag ccgaatacat cttttccaaa 60
ggagtgaatt caggcccttg tatcactggc agcaggacgt gaccatggag aagctgttgt 120
gtttcttggt cttgaccagc ctctctcatg cttttggcca gacagacatg tcgaggaagg 180
cttttgtgtt tcccaaagag tcggatactt cctatgtatc cctcaaagca ccgttaacga 240
agcctctcaa agccttcact gtgtgcctcc acttctacac ggaactgtcc tcgacccgtg 300
ggtacagtat tttctcgtat gccaccaaga gacaagacaa tgagattctc atattttggt 360
ctaaggatat aggatacagt tttacagtgg gtgggtctga aatattattc gaggttcctg 420
aagtcacagt agctccagta cacatttgta caagctggga gtccgcctca gggatcgtgg 480
agttctgggt agatgggaag cccagggtga ggaagagtct gaagaaggga tacactgtgg 540
gggcagaagc aagcatcatc ttggggcagg agcaggattc cttcggtggg aactttgaag 600
gaagccagtc cctggtggga gacattggaa atgtgaacat gtgggacttt gtgctgtcac 660
cagatgagat taacaccatc tatcttggcg ggcccttcag tcctaatgtc ctgaactggc 720
gggcactgaa gtatgaagtg caaggcgaag tgttcaccaa accccagctg tggccctgag 780
gcccagctgt gggtcctgaa ggtacctccc ggttttttac accgcatggg ccccacgtct 840
ctgtctctgg tacctcccgc ttttttacac tgcatggttc ccacgtctct gtctctgggc 900
ctttgttccc ctatatgcat tgcaggcctg ctccaccctc ctcagcgcct gagaatggag 960
gtaaagtgtc tggtctggga gctcgttaac tatgctggga aacggtccaa aagaatcaga 1020
atttgaggtg ttttgttttc atttttattt caagttggac agatcttgga gataatttct 1080
tacctcacat agatgagaaa actaacaccc agaaaggaga aatgatgtta taaaaaactc 1140
ataaggcaag agctgagaag gaagcgctga tcttctattt aattccccac ccatgacccc 1200
cagaaagcag gagggcattg cccacattca cagggctctt cagtctcaga atcaggacac 1260
tggccaggtg tctggtttgg gtccagagtg ctcatcatca tgtcatagaa ctgctgggcc 1320
caggtctcct gaaatgggaa gcccagcaat accacgcagt ccctccactt tctcaaagca 1380
cactggaaag gccattagaa ttgccccagc agagcagatc tgcttttttt ccagagcaaa 1440
atgaagcact aggtataaat atgttgttac tgccaagaac ttaaatgact ggtttttgtt 1500
tgcttgcagt gctttcttaa ttttatggct cttctgggaa actcctcccc ttttccacac 1560
gaaccttgtg gggctgtgaa ttctttcttc atccccgcat tcccaatata cccaggccac 1620
aagagtggac gtgaaccaca gggtgtcctg tcagaggagc ccatctccca tctccccagc 1680
tccctatctg gaggatagtt ggatagttac gtgttcctag caggaccaac tacagtcttc 1740
ccaaggattg agttatggac tttgggagtg agacatcttc ttgctgctgg atttccaagc 1800
tgagaggacg tgaacctggg accaccagta gccatcttgt ttgccacatg gagagagact 1860
gtgaggacag aagccaaact ggaagtggag gagccaaggg attgacaaac aacagagcct 1920
tgaccacgtg gagtctctga atcagccttg tctggaacca gatctacacc tggactgccc 1980
aggtctataa gccaataaag cccctgttta cttgaaaaaa aaaa 2024
<210> 12
<211> 2421
<212> DNA
<213> 智人
<400> 12
caccctcatg agccccgggt acgtttaact attgagggcc aggaaattgc cttcctcctg 60
gacactggcg cagccttctc agggttaatc tcctgtcctg gatgactgtc ttcaaggtcc 120
gttaccaccc gaggaatcct gggacagcct ataaccaggt atttctccca catcctcagt 180
tgtaattgag agactttaat cttttcacat gccttttttg ttattcctga aagtcccaca 240
cccttattaa ggagggatat attagccaag gctggagcta ttatctacat gaatatgggg 300
aaaaagttac ccatttgctg tcccctactt gaggagggaa tcaaccctga agtctgggca 360
ttggaaggac aatttggaag ggcaaaaaat gcctgcccag tccaaatcag gttaaaagat 420
cccaccactt ttccgtatca aaggcaatat cccttaaggc ctgaagctca taaaggatta 480
tagaatattg ttaaacattt aaaagctcaa ggcttagtga ggaaatgcag cagtccctgc 540
aacaccccag ttctaggagt acaaaaacca aacagtcagt ggagactagt gcaagatctt 600
agactcatta atgaggcagt aattcctcta tatccagttg tacccaaccc ctataccctg 660
ctctctcaaa taccagggga agcagaatgg ttcacggttc tggacctcaa ggatgccttc 720
ttctttattc ccctgcactc tgactcccag tttctctttg cttttgagga tcccacagac 780
cacacgtccc aacttacaca gatggtcttg ccccaagggt ttagggatag ccctcatctg 840
tttggtcagg cactggccca agatctatag gccacttctc aagtccaggc actctggtcc 900
ttcaatatgt ggatgattta cttttggcta ccagtttgga agcctcgtgc cagcaggcta 960
ctctggatct cttgaacttt ctggctaatc aagggtacaa ggtgtctagg tcgaaggccc 1020
agctttgcct acagcaggtt aaatatctaa gcctaatctt agccaaaggg accagggccc 1080
tcagcaagga atgaatacag cctatactgg cttatcctca ccctaagaca ttaaaacagt 1140
tgcggggatt ccttggaatt actggctttt gctgactatg gatctccaga tacagcgaga 1200
cagccaggcc cctctatact ctaatcaagg aaacccagag ggcaaatact catctagtcg 1260
aaagggaacc agaggcagaa acagccttca aaagcttaaa gcaggctcta gtacaagctc 1320
cagctttaag ccttcccaca ggacagaact tctctttata catcacagag agagccaaga 1380
tagctcttgg agtccttaga ctcgtgggac aaccccacaa ccagtggcat acctaagtaa 1440
ggaaattgat gtagtagcaa aaggctggcc tcactgttta agggtagttg cagcagcggc 1500
cgtcttagcg tcagaggcta tcagaataat acaaggaaag gatctcactg tctggactac 1560
tcatgatgta aatggcatac taggtgccaa aggaagttta tggctatcag acaaccgcct 1620
cttagatgcc aggcactact ccttgaggga ctggtgctta aaatatgcac gtgcgtggcc 1680
ctcaaccctg ccacttttct cccagaggat ggggaaccaa ttgagcatga ctgccaacaa 1740
attatagtcc agacttatgc cgcccgagat gatctcttag aagtcccctt aactaatcct 1800
gaccttaacc tatataccga cggaagttca tttgtggaga atgggatacg aagggcaggt 1860
tacgccatag tgatgtaacc acacttgaaa gcaagcctct tcccccaggg accagtgccc 1920
agttagcaga actagtggca cttacccgag ccttagaact gggaaaggga aaaagaataa 1980
atgtgtatac agataacaag tatgcttatc taatcctaca tgcccatgct gcaatatgga 2040
aagaatggga gttcctaacc tctgggaacc cccgctggat gccacaggga agttatggag 2100
ttattgcaca tggtgcagga acccaaagag gtgggagtct tacactacca aggccatcaa 2160
aatgggaagg agaggggaga acagcagcat aagcggctgg cagaggtagg gaaagaccag 2220
caagaaggaa agagagaaag agaaagtcag agaaagagac agagagagga agagacagag 2280
agacagaacg ttaaagaggg tgtcagaaac agagacaaac aaaaggagtc agaaagaagg 2340
acagacacag aaagtcaaag agagagttaa aaagagagga agagacaaag aagtcgaaga 2400
gagaaagaga gagatggaag t 2421
<210> 13
<211> 2421
<212> DNA
<213> 智人
<400> 13
ctttgcagat aaatatggca cactagcccc acgttttctg agacattcct caattgctta 60
gacatattct gagcctacag cagaggaacc tccagtctca gcaccatgaa tcaaactgcc 120
attctgattt gctgccttat ctttctgact ctaagtggca ttcaaggtaa ggaacatcaa 180
aggatactta atttgtaaaa tgagaaatag gaataggtat aaattctaaa aatacagaaa 240
taatgtattt gtaaaagttt cactgcatgc ttataaataa gagggaaata aatagagatt 300
ccctcagatc ataaaactta tatgaattga agtgagagaa acaaatagaa taagagaaag 360
agaaggaaaa agggaaggag gacagaagag atggggaaga gggaggatag agagagaaaa 420
tgtgagggaa tgcggacaga gatgagatac agatacttcc ttacctaact aagctcaatg 480
aaccacatga actgtgctta agggtttgac tttataatca acaagctgca attcttttct 540
tccagataat caactcttta atcatttaca gttgtgttat gatgtgatcc attcctcctc 600
agattaagtg actatttgct gatatgggga tataggttct gctaaatacc accagtctac 660
attaaatgcc taaaatgaac actgtgctaa ccttctctgc tgttcctctt ttcctacagg 720
agtacctctc tctagaactg tacgctgtac ctgcatcagc attagtaatc aacctgttaa 780
tccaaggtct ttagaaaaac ttgaaattat tcctgcaagc caattttgtc cacgtgttga 840
gatcatgtga gtgaaatccc atctgattat cacttccctg gttgtaatta tatactgtat 900
taaatatgta atgataataa aaaaagatca gtaaagggtt tgtgatgatt ctaaaactaa 960
tgtacagcaa acaaaaacat gcagagtgaa acttaaatgt ctgacttcag aactgcgtat 1020
gccatctgtt ttattgaccc aacacagttt taaatatttt catccctatt tatttctaca 1080
gtgctacaat gaaaaagaag ggtgagaaga gatgtctgaa tccagaatcg aaggccatca 1140
agaatttact gaaagcagtt agcaaggaaa ggtaggtttg ctgttgcctg cagaagaatt 1200
gctctttagg aaacggcaat cttgggagtc agaaatactt gcattgtggt ttgctgtgca 1260
atcgctggtt taaaagtatg ttaccaccac gccctcccct acctccattt atttaaatgc 1320
tgaggcacca tcttgtgtga taagtatcag aagttaccct gattaccagt caaccttgaa 1380
gtacagctat aactatctaa gcaaaactga caacattttc cccaagtctt tcatggttga 1440
aaaaagcaac ccctataatc cataatgaat gcatagcagc aggaaagctc agttatctat 1500
tctatgaact cggtactttc caaacacaac ccaatctgaa gccagagtca gactatcaca 1560
cttttatatc ccctttctct tcttacaggt ctaaaagatc tccttaaaac cagaggggag 1620
caaaatcgat gcagtgcttc caaggatgga ccacacagag gctgcctctc ccatcacttc 1680
cctacatgga gtatatgtca agccataatt gttcttagtt tgcagttaca ctaaaaggtg 1740
accaatgatg gtcaccaaat cagctgctac tactcctgta ggaaggttaa tgttcatcat 1800
cctaagctat tcagtaataa ctctaccctg gcactataat gtaagctcta ctgaggtgct 1860
atgttcttag tggatgttct gaccctgctt caaatatttc cctcaccttt cccatcttcc 1920
aagggtacta aggaatcttt ctgctttggg gtttatcaga attctcagaa tctcaaataa 1980
ctaaaaggta tgcaatcaaa tctgcttttt aaagaatgct ctttacttca tggacttcca 2040
ctgccatcct cccaaggggc ccaaattctt tcagtggcta cctacataca attccaaaca 2100
catacaggaa ggtagaaata tctgaaaatg tatgtgtaag tattcttatt taatgaaaga 2160
ctgtacaaag tagaagtctt agatgtatat atttcctata ttgttttcag tgtacatgga 2220
ataacatgta attaagtact atgtatcaat gagtaacagg aaaattttaa aaatacagat 2280
agatatatgc tctgcatgtt acataagata aatgtgctga atggttttca aaataaaaat 2340
gaggtactct cctggaaata ttaagaaaga ctatctaaat gttgaaagat caaaaggtta 2400
ataaagtaat tataactaag a 2421
<210> 14
<211> 2421
<212> DNA
<213> 智人
<400> 14
agatgacttt tttctattta tatttaataa gatgatgaac ccttcttgca ttcccgaaat 60
aaacctcaac tgttacagtg ttttattctt ttaatatgta cgaagtacat gttaagcaag 120
ttatttccta agcagcccca caaactgggc actactacca tcctgctctg cccctccctc 180
actctacttc agccacttca gccacaatgg cctctcctca ctgcccctct gatgcaccaa 240
gcttgttctc acctcaggaa tgtgcaacac ctgccagact tgctgttccc cggagcctcc 300
atccccagat atcctcatat atcatcctcc tcttcatttg tgtctctgct tacatatgac 360
ctatttacag aagcctttcc tgtctacccc ccatgaaata gaaatcgcat tccaatcttg 420
tctctacccc aatgctgttt cattttgtct gtagcaattg tcatcatctc atatatattc 480
acatgtggaa aatacacaaa atgtttaact tcttttaatt tacattccat ttccccatga 540
attgaagctc catgacagcg gagatttttc tctgctttcc ctgttgctca cttcccagca 600
ccaagagcag gcctggcaca tgggaagtac ttactattta ttgaatggat gaatgaacaa 660
atgaatgaat ggatacttat tttacacata agaaaactga agcttataga aattaagtaa 720
ctaaaatcac acagaagcac agctgaaact aaaacctacg tctaactttc aattcctgac 780
ccttaaccat taaaacaaat gacaggtgac tttaggccac tgaaaatgct catataatct 840
tatgaattct aaagcacaag ttaatcacac cattgattga aagtctgagg aatactgtat 900
agacaagccc ctgtacaagg taagcaaaag aatcagagga tggcctccaa agaattccct 960
ggacattatg ggaattacat tgttagcctt cctactgata cccataagcc tcacagcaag 1020
catcatgaag ctgtgacctt catctgcaca tgcccttgta tacccaaaag ataaaactgg 1080
atgcttcagg gccgaatggc caataaacac gtgtttatta ctggcatggg cagacacaca 1140
tactgaaagt accatttccc agcggactag ccatattatg atcagtacag acactaaaga 1200
tttagctttg aaaaaactat ttgctcttcc aaagctgaag aatcttctgt gatttcaaca 1260
ggcaagttac agtcaggtat tcttaatgtt cttttcctcc tctctcactg ggatactttc 1320
tttccttcag acaacgtcaa gcgaaaaaca aaatttcaca aatctccatt tctgacacta 1380
aacagtacag tatctttatt ttttttataa tttaatcaaa ccctgtattt tagaactgtg 1440
gggctgatcc aacattgcaa tgtgtcacat ttaattccat caatgtaaag cataatgagc 1500
aaagattaag gtagtgaggc ataactaaat gttttgaacc tgtgaatttc aaaagcaagg 1560
cccatttgtg ttattttcta aatagtaaat aaaatcattt tccaacattt cactatcaaa 1620
ttacagtaat ttttccacca gtacacactt gaggaaagcc acaaaaagac ttttccaaca 1680
gttcattctg ttattgctca taaccttcta aatacttctc ctcattggct tctattcaaa 1740
ggtaaatgga aagcagtaaa atttatggaa aatatattca actgcttaaa atacatcaac 1800
caaaaaaaag attttagagc tgtattatga gttgtgaaat tgcattgcct tcacttacct 1860
ttcagtttca ctggtaggta acaaaactga cagactggtc aagttccaaa acatccccta 1920
tatagagcct gactcttcca tctcaaattc tcaccttggt caaggccaga gtaaacacct 1980
gtccttcaca tttttacaca acatcacttt gtatgctaca aatataagct ttcataccag 2040
ggaggaagca aattccagga cactggaaac atttctgctc tcttaaacca gtctgttgat 2100
tgttcccttg actttctcag ctgtcaggat agtgaaagga ggaaaactgc aaaactgtaa 2160
agtataacct gataagtttg ccctttaagc ttttcacaca gagagaggta aaataaaact 2220
caagtctaag gtttaaaatt gagctatgaa tattatattc tagcactaga caaaaatgtt 2280
gcaagatttt aataaaataa gattattaaa atcaattttt acatttcatg ggccaaggag 2340
agacatcaaa gaatgtttaa ctaacatttt aaagatacta tactttataa agttaagaag 2400
aaaaatgaca actgcaccag t 2421
<210> 15
<211> 1227
<212> DNA
<213> 智人
<400> 15
ctttgcagat aaatatggca cactagcccc acgttttctg agacattcct caattgctta 60
gacatattct gagcctacag cagaggaacc tccagtctca gcaccatgaa tcaaactgcc 120
attctgattt gctgccttat ctttctgact ctaagtggca ttcaaggagt acctctctct 180
agaactgtac gctgtacctg catcagcatt agtaatcaac ctgttaatcc aaggtcttta 240
gaaaaacttg aaattattcc tgcaagccaa ttttgtccac gtgttgagat cattgctaca 300
atgaaaaaga agggtgagaa gagatgtctg aatccagaat cgaaggccat caagaattta 360
ctgaaagcag ttagcaagga aaggtctaaa agatctcctt aaaaccagag gggagcaaaa 420
tcgatgcagt gcttccaagg atggaccaca cagaggctgc ctctcccatc acttccctac 480
atggagtata tgtcaagcca taattgttct tagtttgcag ttacactaaa aggtgaccaa 540
tgatggtcac caaatcagct gctactactc ctgtaggaag gttaatgttc atcatcctaa 600
gctattcagt aataactcta ccctggcact ataatgtaag ctctactgag gtgctatgtt 660
cttagtggat gttctgaccc tgcttcaaat atttccctca cctttcccat cttccaaggg 720
tactaaggaa tctttctgct ttggggttta tcagaattct cagaatctca aataactaaa 780
aggtatgcaa tcaaatctgc tttttaaaga atgctcttta cttcatggac ttccactgcc 840
atcctcccaa ggggcccaaa ttctttcagt ggctacctac atacaattcc aaacacatac 900
aggaaggtag aaatatctga aaatgtatgt gtaagtattc ttatttaatg aaagactgta 960
caaagtagaa gtcttagatg tatatatttc ctatattgtt ttcagtgtac atggaataac 1020
atgtaattaa gtactatgta tcaatgagta acaggaaaat tttaaaaata cagatagata 1080
tatgctctgc atgttacata agataaatgt gctgaatggt tttcaaaata aaaatgaggt 1140
actctcctgg aaatattaag aaagactatc taaatgttga aagatcaaaa ggttaataaa 1200
gtaattataa ctaagaaaaa aaaaaaa 1227
<210> 16
<211> 98
<212> PRT
<213> 智人
<400> 16
Met Asn Gln Thr Ala Ile Leu Ile Cys Cys Leu Ile Phe Leu Thr Leu
1 5 10 15
Ser Gly Ile Gln Gly Val Pro Leu Ser Arg Thr Val Arg Cys Thr Cys
20 25 30
Ile Ser Ile Ser Asn Gln Pro Val Asn Pro Arg Ser Leu Glu Lys Leu
35 40 45
Glu Ile Ile Pro Ala Ser Gln Phe Cys Pro Arg Val Glu Ile Ile Ala
50 55 60
Thr Met Lys Lys Lys Gly Glu Lys Arg Cys Leu Asn Pro Glu Ser Lys
65 70 75 80
Ala Ile Lys Asn Leu Leu Lys Ala Val Ser Lys Glu Arg Ser Lys Arg
85 90 95
Ser Pro
<210> 17
<211> 5687
<212> DNA
<213> 智人
<400> 17
ctctctggtt gcccttaaca ttttttcctt catttcaact ttggtgggtc tgatgattat 60
gtgtcttggg gttgctcttc tcgaggagta tcttagtagt attctctgta tttcctgaat 120
ttgaatgttg gcctgtcttt ctaggttggg gaagttctcc tggataatat cctgaagagt 180
atttttcaac ttggttctat tctccttgtt actttcaggt acaccaatca aacgtagatt 240
tggtcttgtc acatagtccc atatttcttg gaggttttat tcgttccttt ttattctttt 300
ttctctagtt ttgtcttctc gctttatttc actaagttga tcttcaatct ctgatatcct 360
tgcttctgct tgattgattc agctatcccc cgctcgatat tacaaaccat gtcacgaggc 420
gtggacaccc cccatgatat ggggagtatt atcacccccc tcttccccca ctggatatta 480
caaaccatgt catagggagg tggacatccc ccacaatatg aggagtaata tcacacccct 540
ttccccgcag tggatattat gaaccatgtc acaggcggtt aaacaccccc aacgatatgg 600
ggagtaatat cacactcctc tcccccctgg atattacgaa ccatgtcatg gggggtggac 660
accctttgca atatggggag taaaatcacc cccctctccc ccaactggat attatgaacc 720
atgtcacagt gggggaaaaa tcctctgtga tatgcagagt aatatcaccc cactctcacc 780
acctggatat tacgaaccat gtcacagggg ggtggacacc ccccaagatg ggggagtaat 840
atcacctcac tctctgccac cagatattac aaactgtgtc acaggggggt gaacaacccc 900
cacaatatgg ggagcactat cacccccctc ccccagggta ttatgatcca tgtcacaggg 960
gggtggatac cacccactat atggggagta atatcacctt tctctcccgc cctggttttt 1020
atgaaccgtg tcacaggggg gtggacaccc cttgcgatat ggggagtaat atcacccccc 1080
tctccaccat ctggatatta cgaaccatgt cacagggggg tggacacccc tgcgatatgg 1140
ggaggaatat gcccctctcc ccacctggat attacaaatc atgtcacggg ggacggacat 1200
cccccacaat atggggagta atatcaccac actctcccct gctggatatt acgaaccata 1260
tcacaggcgg ctggagacac aaggcattaa caatatttcg agtaatatta tctttccctt 1320
tgaacattat gaacaatatg acagaggggt gtacacctcc tgcgatattg ggagtaatgt 1380
catcccctcc cccactggat attaggaacc atattactgg gggatgtatt cccccttcta 1440
gattgggagg aagatcatac ttgccctccc tgaatatttg aaacaatatc ataggggttt 1500
gtacactttt acgatattgg gagtaatatc atcctttctc cccctggaaa ttaggaacaa 1560
tatcacaggg gtggtgtaca cccctgcaat atttagggta atattattgt cttctcccct 1620
cgatattagg aacaatatta caaggacggt gtaaagtacc tgccaaattg ggaaaaatac 1680
tatcctctcc ctcttgtata ttagaaacaa taacacaggg ggaatgtaca cccactgcca 1740
tattgggagt aatatcatac tcgccccatc ccccagatat taggaacaat atcacagcag 1800
gggtgtacac ttttacgata ttgggagtaa tatcatactc tctccccctg gaaattagga 1860
ataatatcac agagatggtg tagaccctct gcaatactta ggataatatt atcatctccc 1920
ccctcgatat taggaacaat attacgggga gtgtaaatta cctgccaaat tggaggtaat 1980
cctctcctct ctctccctgt attttagaaa atataacaca caggaaatgt acaacactgc 2040
gatattcgga gtaatatctt cttctcccca cctggatatt aggaacaata acacggacgg 2100
ggcgtacacc cctcgcgata ttgaatgtaa tgtcatcctc tccctccctt tatattacga 2160
acaatatcac aggggggtgt acaacccctg caatattgga agtagtatca tccattctcc 2220
catgaatatt aggaacaata tcacaggggt agagtacacc ctctgcaatt tcgggagtaa 2280
catcatcctc tcgttccctg gatattataa acaacaccac gggggggtgg gggtgtacac 2340
acccttcgat attgggagta atataatcct ttccctccct atatattaga agcaatatca 2400
caggggttgg tgtaaacttc ttgcgatatg gggattaata tcacccccct ctcctgccct 2460
ggatattatg aaccatatca cagggaggtg gacacacttt gcgatatggg gagtaatatc 2520
acgcccctct cccccccgat attacgaacc atatcacaag ggagtggacc ccccccacga 2580
tatggggagt aatatcaccc ccctctcccg ccctggatat tacgaaccat atcacagggg 2640
gatggacacc ccccgcgatg cggggagtaa tgtcaccccc ttctgccccc taggatatta 2700
cgaaccatat catggacacc ctccacgata ttggaaataa tatcatcctc tcccccttgg 2760
atattaggaa caatatcaca gggggttgta cacctcctat gatattggaa gtaatatcat 2820
cctctccctc ctggatatta gcaacaatat cacagggagt gtgtacaacc ccagcgatat 2880
ttggagtaat atcaccctct caccccatgg atatgagaaa caatatcaca ggggaggtgt 2940
acatcccacg tgatattgtg tgtaatatca ttcttcccca acccctgcaa tattgtggtg 3000
taatataatt ctctcccttc ctggacatta tgaacaatat cactactagg tgatacatta 3060
ggagtaatgt atccatagga tattatgagg aatatcacag ggtgtacacc cactgtgata 3120
ttagaggtaa tatctcccta aaatattaag aagaatatct tacacccact gtgactttag 3180
aagtaatatc tccctaaaac gttacaaata acatcgcagg gtgtacactc acagtgatat 3240
taggagtaat atctccctag aatattacaa atacacatgg tgtaaaccca ctgtgacttt 3300
agaagaacta tctccctaaa ataatacaaa aatatcgcag tgtataccat aatatcccct 3360
agaatatcat aaataatatc acagggtgta cacccactgt gataatagga ataataccac 3420
cccaggatat tatgaataat gtcacaggct gtacacccac tatgacatta ggagtaatat 3480
ctccctagga cactatgaat aacatcacag attttacacc catggtgtgc acccactatg 3540
atattaggag taatatctgc acaggatata acaaataata gtacagggtg tacacatatg 3600
atatacaccc actgtgatat taggagaaat atatccctag gatattatga ataacctctc 3660
agagtacaca cacatggtat acaccctctg tggcattagg aacaataact ttctaaaaca 3720
ttacgaataa catcacagaa tgtacacaca tggtttacac ccactgtgac aggtgcaata 3780
tctcccttgg atattatgaa taacaacaaa ctatcactgt catattagga gtaatttctc 3840
cctagaatat tacaaataac atcacagggt gttcatttat ggtgcacacc cactgtgata 3900
ttaggagtaa tatctcccta ggatattact tttcatataa aagtgtgtac atccactgtg 3960
atattgggaa aaatatttct ctaggatatt atgaataata tcacagagcg tacacccact 4020
gtgatattag gagtaataat tccctgggtt attatgaata atatcacagg atgtacaacc 4080
actgtgatat taggagcaat atcttcctag gatattacaa ataatatcac agggtgtaca 4140
cccactgtga tattaaagta atttttaggt tattgtgaat aatatcacca agtgtacaaa 4200
catggtgtac actcactgtg atatcaggag taatatctca gtaaaatatt atgaataata 4260
tcacagggta tacacccact gtgatattag cagtagtatc tttgtaggat attacaaata 4320
atatcacagg gtgtatgccc actatgacat tagaagcaat atctccctag gatatcaaaa 4380
ataatatcac agggtgtaca acttctacat cccaggttct aagggattct cctgcttcag 4440
cctcctgagt ggctgggatt acagatgccc accaccacac ctggctaatt tcgtattttc 4500
agtagagatg gggtatcacc atgctggtca ggctggtctg gaacttctga cctcaggtga 4560
tccaccagcc tcggccttcc aaagtgctgg gaatacaggt gtgagccaac gtgcttggca 4620
gagagttata tattaaataa atctggaaac atagctccca tgtttgagtg tgcatttact 4680
tttatgaaga aattatgtca gaaaacctaa ggatgataat aaatatgaaa agtaactggc 4740
atgtaaaaag gtcttttgat taagaactat aaggttcgat ttcattttta gataacgtga 4800
tcctagctct tgtatagtgc ttataaatat tctacatcaa aggaatttgt tgcacagtgt 4860
cagaataaaa taaagtgtat ttcactgctt cttaattttt aaattagact gagtttgttt 4920
tcctagagag agaagaacat tttttatttt ttctgaaaag agtaggccat attttactga 4980
gatcttagat ttgttatata ttaggttttg gtcttctaac attctccagt ggattttctc 5040
taaagtaggt atgcacagaa agagttgaat agcaaaaaag taaatcatgt aataattctg 5100
agatttttgg gtttgtcaca actgagaaat attgctgagg gtgtatggtc ctcaagtgtg 5160
aaaatgttcc ttgtgaattg cttgtatccg aaatatacac acaacattaa gtcctggttt 5220
ttatctttta ttttttccaa tccttttttc ttctcaaggt gtccaagtca cacagagcca 5280
cagaatctca caggtgtctc agaattcctc ctcctgggac tctcagagga tccagaactg 5340
cagccactcc ttgctgggct gttcctatcc atgtgcctgg tcacgatgct ggggaacctg 5400
ctcatcatcc tggccgtcag ccctgactcc cacctccaca tccccatgta cttcttcctc 5460
tccaacctgt ccttgcctga cattggtttc accttggcca cggtccccaa gatgattgta 5520
gacatgcaat cacatagcag agtcatctcc catgcaggct gtctgacaca gatacctttc 5580
tttgtccttt ttgtatgtat agatgacatg ctcctgactg tgatggccta tgactgattt 5640
gtggccatct gtcaccccct gcactaccca gtcatcatga atcctca 5687
<210> 18
<211> 5687
<212> DNA
<213> 智人
<400> 18
attgaatttt atctcagagc ccacatgaag caggatcaaa gtcagtacac atgaaaacta 60
gagcccaaag actataaagc atgaaataag gatttaagct aaccctatct tgtaaggggt 120
ttgtaaagcc cagcttgcat ctgagctaca ctagcaccag gacagccact cagtaatggg 180
gtttctcaag gttattgctt ttcattcagt tgaaatgaga gtcatttctt acccttatgc 240
cctgtgagat ttcactggag gttgttcact gaaacatttt catatcattg catcaaccct 300
cttgaactca ctgtgcctgc ccccagttca gtctgtgact cacaagtacc ctgcagcaaa 360
agaaatccaa tagagggcaa atccctcacc ttaccttcct ttctaagacc tttgatgttc 420
tcatgtgtca tttcataatt gggattgtca attagtcgcc tcatctctgg tcctcacttt 480
cctctctccc agccaaactc aaccttcagc ccacacaatg gaattcaaca aaatgaggta 540
acagttttct gtgtgagtca ctctgggcaa ctctgttcac agagcactgt gaggtgagca 600
gccagaaccc aggcaagtgt ttcagccatc caagaactgg caggcagccc aagagacact 660
ctcacctgat gacagactag caggatgagt cctggaggaa atggttccca acagctgcag 720
aaggagtctc ttggctcatg cacagcaatg ctcttctcaa ttaaaaacgt tgtcattatt 780
gacactgcag tgtaaaatcc ttttacactg tgctcacatt tctacaggcc ttcacctgct 840
ctgcccatta aagacaagac ccttccatga gatgatgaca tctctaagtt actgttccac 900
ccaaacagtc ctatataatg aagagaaaaa ttttgctggc cctcaaaagg caaacacaag 960
gagaaagatt tccacaagct gtttctcttt gctgagcact tagaggaaaa ctgtaagtgg 1020
ttggaagaag gctttgtttt ctacaagact tttagttatt cctcagaaat tttcctgctt 1080
attcccagag gaggtcatct cttagatgct gtcagtcaga tagggattgg cagccaagca 1140
gaggtgctca gagaggtttc caactaatgt ggccagcgga aaactgccaa agaagcaggg 1200
atccttagga caaataaact ggaagatatt ttggggataa aaataaatcc ttttgaaaat 1260
gaaagatgga gagatgctgt atatacaaat tgccctgttc tgaacaatgt tgtcactagg 1320
actggccctg gagaccaatg atacaaacca aaatgttctc agacatgctt tgatggtctt 1380
tttctccaaa gttatctatt ctgtttccat ttcattctca caggacttgc catggggttc 1440
tcataagatt tcacattggt cataatccag gtggccctgg actgcaacct ctgagttggc 1500
aacatcagaa taggaattac gaaaaaccaa tttaaagtta aatacagaca caggcaaaag 1560
agagatgggt tgtcgaagct agtgcctagg tggacactgc ctcacatttt taattccaga 1620
agccatcagt actgagtgtc agatctcatt agtcaaacac agtgatcagg aatcctgttt 1680
tcctggagga tttccttgag ggagggacca ctcaagagtc tgaaatattt cacgtcatag 1740
agtatggatc tcaccccaac acccaatcag aaaataggga gaactggaaa ccaaaattcc 1800
ccctcccgct gtggaaggat gaaaaccaga gtgttggagt tctgtcctga taatggagca 1860
gacagctagg cagcaatcaa tgagggccag tacaggaatt cagtgctaag tattgggtca 1920
taacagaagt agggaaggta ttaatccagt gctatatgag gatcctggga cactggctcc 1980
tagtaatcta gttataacta ttagcaaaaa agaaaaaaaa aatcagtgat gtgaagagat 2040
ggcctaaagg agctccagca atatagctaa gcagctggca agtggtctga ggagcattgc 2100
aattccaggc ctcctaaggt ggcagtacgg gcactggtaa gacattctgc tgtggtgaaa 2160
ctagtttacc atagaggatt cacaattaaa ataggcaaac aggaaatgca agacagaggc 2220
taacaaaggg tttttttttt ggtggggggg agttgtttgt ttgtttgttt gttttctgag 2280
acggagtctt cctctgttgc ccaggctgga atgcagtggc acgatctcag ctcactacaa 2340
cctctgcctc ccaggttcaa gcagttcttc tgcctcagcc tcccaggttc aagcagttct 2400
tctgcctcag cctcccaagt acctgggact atagctgtgt gccaccacat tgactaattt 2460
ttgtactttt agtacagact gggtttcacc atgttggcca ggctggtgtc gaactcctga 2520
cctcaagtaa tccccccgcc ttggcctccc aaagtgctgg aattacaggc atgagccacc 2580
acacctggcc agtttttggt aattcttaaa gaactcaatg agcaacactc aaacaaccat 2640
aaagactata gagctcatgg ttgaatttta gatagctaaa cagacaggag tttttgtaag 2700
ttttgtaagt cttgctcatc cttccctctt ccatcctcta tctcaactat tctgtctacc 2760
attaaagcac cttagacctt gagtttggca atgcaacaag tgtgtgctca acacgaaata 2820
ggtaattcaa tagcaaagcc ctaaaacagc ctggcttgat tatttctcag ggcatgcagt 2880
tcctttgaag caggatcatt ttaataataa taataataga aataataata gaaattgaag 2940
acaattattt cacaatttcc atacacctaa gagctataca tatgaatgat aatgcataat 3000
tgtaaagcat gcatattaca ggtaataaat atgttagcta attataaaca atgcccattt 3060
tcatatagtt tatccttgcc aaataaaact gtaaaaaaaa gacacctttc aaatgctgct 3120
aaggagtaat acctgaatga ggttgattta atggagtctt agttcctgca tgtgttctaa 3180
ttgaatagac tatgtagtaa ttcccttaca tacccatcca tgtccaagaa cagtgaagat 3240
ctttatttaa tatgaattat tgcagatgat tagcacagtc tagccaaacc attccagtaa 3300
ttgtttttac ttgttatatt aatatataaa ttctcaaagg atataacagt gatgttgggt 3360
gaatttcact gaatgatagc tcaaacacct gaaatattga ctaagaaaac taatttatca 3420
atactgataa tcaattttaa tatgttaatt gattgtaata caggattctg tggttcaaaa 3480
aaaaagaaca agcaaaaaaa ctttcttcca tttccaaata ccaattaata gatctctact 3540
tccccttgga tttcttctta ccacctacca cctccaatct tcattctttc ctcacaaact 3600
aaacataaaa gttacctaca aagcatagaa tctgtgttaa aggatattct tgcttgtttt 3660
aagtccaaaa ttaaacagct ctgaattatt aaaaagcaca tgaattcaaa tgtcctattc 3720
taataagaaa atggtttaca tttctctatg ttcaaggaaa aaaatagtca agggtgtaca 3780
agtggggtaa aaattatttc cagtaggtta tgtgatttaa gttatagaaa cgaaccaggc 3840
aattcaatta aatgtcatgg aaagtaggtt ttttcttttc ctcttttttt ctaatatgta 3900
cactttgtga gaagataaat ccatagtgtg ataatttgtc cactgggtcc atcagacact 3960
ggagacagct tcctaagaat tataaggctt ctaaaggctt ctaaagccta aattgcctag 4020
agcattttgt gtgccaggca ctttgctagg tgccctaggg atgcaagaag tataaatgtt 4080
ttatgagaat acaggctgga aatgtattct tgattattcc tgtggaattt ctaggcagaa 4140
aagagtctaa tggggtatag gtatattttc tcaacacaat tttctgagcc tttaccagat 4200
gcagttctat ggtttgaatg tgtccctcag agtttgtgtg ttggaaactt aatccccaat 4260
gcaataatgt tggtgaggcc taatgaaagc ctaataatgt aggtgaggcc taatgagagc 4320
tgtttagacc atgaaggctc ttccctcatg gatggattaa tgctgttatg gtgggaatgg 4380
gttcattatt actggggtgg gttcataata aaaagatgag tttggcctgc tattctctct 4440
ctttctcatc ctctcttcca ccatgggatg acacagcaag aaggcccctg caagatgccc 4500
tcccctcagt attggacttc acagcctcca ggaccataag ccaataaatt tttgttcatt 4560
ataaatttcc cagtctgtgg tattctgtta tagcaacact caatttatgc attacttcca 4620
gattcttatg gctataccta cttctcacag tttgtattca cccctccttc aaccaagtac 4680
ccttaacaca gttcccatag tcacaaagcc aggtcactga agctgccctc tctccaacca 4740
cacacatata gatcaaatga ccccagacat agagctgatt gagaaggagg gaccagtacg 4800
agctctgctt ccccagcagc ttcctggaaa gaagaggcaa tacaacccaa cccaaaagtg 4860
caagagaagt aacacctcat gggatgagct taattaatca atgggagagg acactagaag 4920
acactagagg atctcccttc ctccctttct ttcccacttc accccctcca gtctctgaac 4980
catgagctat ttcaaaggtg cagtaatgct atatttggct tctctgaaga tatcctatga 5040
ggccaagtca tcagctttgt tcattatcta agagtggtgg ccagctcacc agcacttccc 5100
atcatgtttg ccctccctct ttcccttgtg ttacttccca ttttccctta cttctgcttt 5160
cttggcatta aattctactc tgcaatgtta ggatataagt ttttgcctca gattctgttt 5220
tctaggaaac ccatgctaag acaacactgg cagtggccct ggaaaagtaa acctcatgat 5280
ggatttggag ttggattgtt cactgatctg aaggacagag gactccactt aagtggtaag 5340
cagtgtagct atgaactctg ccacgcaggc ctcacaatta ctgaggcttc ttttacctgt 5400
ggttaactgg gacacagaac agcaggaaat tgagtgtaga ggttatcaag tagctgcttc 5460
acttaattgg tataatttta tggagttaac ctggtttaga gtccagagaa cattccacat 5520
agcctagaaa gggtagttat ttgtccttac cataatcaag tcatactttg aatatgagtt 5580
ttccttccct gttcagcacc acttctctta gacttaagaa tgcctgatct gttgatatta 5640
tgtcccatgt aacattgcct gagacaaaga tatccatgta ccttaaa 5687
<210> 19
<211> 140
<212> PRT
<213> 智人
<400> 19
Met Gly Phe Gln Lys Phe Ser Pro Phe Leu Ala Leu Ser Ile Leu Val
1 5 10 15
Leu Leu Gln Ala Gly Ser Leu His Ala Ala Pro Phe Arg Ser Ala Leu
20 25 30
Glu Ser Ser Pro Ala Asp Pro Ala Thr Leu Ser Glu Asp Glu Ala Arg
35 40 45
Leu Leu Leu Ala Ala Leu Val Gln Asp Tyr Val Gln Met Lys Ala Ser
50 55 60
Glu Leu Glu Gln Glu Gln Glu Arg Glu Gly Ser Ser Leu Asp Ser Pro
65 70 75 80
Arg Ser Lys Arg Cys Gly Asn Leu Ser Thr Cys Met Leu Gly Thr Tyr
85 90 95
Thr Gln Asp Phe Asn Lys Phe His Thr Phe Pro Gln Thr Ala Ile Gly
100 105 110
Val Gly Ala Pro Gly Lys Lys Arg Asp Met Ser Ser Asp Leu Glu Arg
115 120 125
Asp His Arg Pro His Val Ser Met Pro Gln Asn Ala
130 135 140
<210> 20
<211> 128
<212> PRT
<213> 智人
<400> 20
Met Gly Phe Gln Lys Phe Ser Pro Phe Leu Ala Leu Ser Ile Leu Val
1 5 10 15
Leu Leu Gln Ala Gly Ser Leu His Ala Ala Pro Phe Arg Ser Ala Leu
20 25 30
Glu Ser Ser Pro Ala Asp Pro Ala Thr Leu Ser Glu Asp Glu Ala Arg
35 40 45
Leu Leu Leu Ala Ala Leu Val Gln Asp Tyr Val Gln Met Lys Ala Ser
50 55 60
Glu Leu Glu Gln Glu Gln Glu Arg Glu Gly Ser Arg Ile Ile Ala Gln
65 70 75 80
Lys Arg Ala Cys Asp Thr Ala Thr Cys Val Thr His Arg Leu Ala Gly
85 90 95
Leu Leu Ser Arg Ser Gly Gly Val Val Lys Asn Asn Phe Val Pro Thr
100 105 110
Asn Val Gly Ser Lys Ala Phe Gly Arg Arg Arg Arg Asp Leu Gln Ala
115 120 125
<210> 21
<211> 141
<212> PRT
<213> 智人
<400> 21
Met Gly Phe Gln Lys Phe Ser Pro Phe Leu Ala Leu Ser Ile Leu Val
1 5 10 15
Leu Leu Gln Ala Gly Ser Leu His Ala Ala Pro Phe Arg Ser Ala Leu
20 25 30
Glu Ser Ser Pro Ala Asp Pro Ala Thr Leu Ser Glu Asp Glu Ala Arg
35 40 45
Leu Leu Leu Ala Ala Leu Val Gln Asp Tyr Val Gln Met Lys Ala Ser
50 55 60
Glu Leu Glu Gln Glu Gln Glu Arg Glu Gly Ser Ser Leu Asp Ser Pro
65 70 75 80
Arg Ser Lys Arg Cys Gly Asn Leu Ser Thr Cys Met Leu Gly Thr Tyr
85 90 95
Thr Gln Asp Phe Asn Lys Phe His Thr Phe Pro Gln Thr Ala Ile Gly
100 105 110
Val Gly Ala Pro Gly Lys Lys Arg Asp Met Ser Ser Asp Leu Glu Arg
115 120 125
Asp His Arg Pro His Val Ser Met Pro Gln Asn Ala Asn
130 135 140
<210> 22
<211> 116
<212> PRT
<213> 智人
<400> 22
Ala Pro Phe Arg Ser Ala Leu Glu Ser Ser Pro Ala Asp Pro Ala Thr
1 5 10 15
Leu Ser Glu Asp Glu Ala Arg Leu Leu Leu Ala Ala Leu Val Gln Asp
20 25 30
Tyr Val Gln Met Lys Ala Ser Glu Leu Glu Gln Glu Gln Glu Arg Glu
35 40 45
Gly Ser Ser Leu Asp Ser Pro Arg Ser Lys Arg Cys Gly Asn Leu Ser
50 55 60
Thr Cys Met Leu Gly Thr Tyr Thr Gln Asp Phe Asn Lys Phe His Thr
65 70 75 80
Phe Pro Gln Thr Ala Ile Gly Val Gly Ala Pro Gly Lys Lys Arg Asp
85 90 95
Met Ser Ser Asp Leu Glu Arg Asp His Arg Pro His Val Ser Met Pro
100 105 110
Gln Asn Ala Asn
115
<210> 23
<211> 212
<212> PRT
<213> 智人
<400> 23
Met Asn Ser Phe Ser Thr Ser Ala Phe Gly Pro Val Ala Phe Ser Leu
1 5 10 15
Gly Leu Leu Leu Val Leu Pro Ala Ala Phe Pro Ala Pro Val Pro Pro
20 25 30
Gly Glu Asp Ser Lys Asp Val Ala Ala Pro His Arg Gln Pro Leu Thr
35 40 45
Ser Ser Glu Arg Ile Asp Lys Gln Ile Arg Tyr Ile Leu Asp Gly Ile
50 55 60
Ser Ala Leu Arg Lys Glu Thr Cys Asn Lys Ser Asn Met Cys Glu Ser
65 70 75 80
Ser Lys Glu Ala Leu Ala Glu Asn Asn Leu Asn Leu Pro Lys Met Ala
85 90 95
Glu Lys Asp Gly Cys Phe Gln Ser Gly Phe Asn Glu Glu Thr Cys Leu
100 105 110
Val Lys Ile Ile Thr Gly Leu Leu Glu Phe Glu Val Tyr Leu Glu Tyr
115 120 125
Leu Gln Asn Arg Phe Glu Ser Ser Glu Glu Gln Ala Arg Ala Val Gln
130 135 140
Met Ser Thr Lys Val Leu Ile Gln Phe Leu Gln Lys Lys Ala Lys Asn
145 150 155 160
Leu Asp Ala Ile Thr Thr Pro Asp Pro Thr Thr Asn Ala Ser Leu Leu
165 170 175
Thr Lys Leu Gln Ala Gln Asn Gln Trp Leu Gln Asp Met Thr Thr His
180 185 190
Leu Ile Leu Arg Ser Phe Lys Glu Phe Leu Gln Ser Ser Leu Arg Ala
195 200 205
Leu Arg Gln Met
210
<210> 24
<211> 136
<212> PRT
<213> 智人
<400> 24
Met Cys Glu Ser Ser Lys Glu Ala Leu Ala Glu Asn Asn Leu Asn Leu
1 5 10 15
Pro Lys Met Ala Glu Lys Asp Gly Cys Phe Gln Ser Gly Phe Asn Glu
20 25 30
Glu Thr Cys Leu Val Lys Ile Ile Thr Gly Leu Leu Glu Phe Glu Val
35 40 45
Tyr Leu Glu Tyr Leu Gln Asn Arg Phe Glu Ser Ser Glu Glu Gln Ala
50 55 60
Arg Ala Val Gln Met Ser Thr Lys Val Leu Ile Gln Phe Leu Gln Lys
65 70 75 80
Lys Ala Lys Asn Leu Asp Ala Ile Thr Thr Pro Asp Pro Thr Thr Asn
85 90 95
Ala Ser Leu Leu Thr Lys Leu Gln Ala Gln Asn Gln Trp Leu Gln Asp
100 105 110
Met Thr Thr His Leu Ile Leu Arg Ser Phe Lys Glu Phe Leu Gln Ser
115 120 125
Ser Leu Arg Ala Leu Arg Gln Met
130 135

Claims (3)

1.抗体组合在制备用于区分受试者中的败血症和非感染性全身炎症反应综合征的试剂盒中的用途，其中所述抗体组合由下述抗体组合之一组成：
（i）检测TNF相关凋亡诱导配体的抗体、检测C反应蛋白的抗体、检测干扰素γ-诱导蛋白10的抗体和检测白细胞介素6的抗体；
（ii）检测TNF相关凋亡诱导配体的抗体、检测C反应蛋白的抗体、检测干扰素γ-诱导蛋白10的抗体和检测降钙素原的抗体；或
（iii）检测TNF相关凋亡诱导配体的抗体、检测C反应蛋白的抗体、检测干扰素γ-诱导蛋白10的抗体、检测白细胞介素6的抗体和检测降钙素原的抗体。
2.如权利要求1所述的用途，其中所述抗体组合由检测TNF相关凋亡诱导配体、C反应蛋白、干扰素γ诱导蛋白10、白细胞介素6和降钙素原的抗体组成。
3.如权利要求2所述的用途，其中当TNF相关凋亡诱导配体的量低于预定水平，C反应蛋白的量高于预定水平，干扰素γ-诱导蛋白10的量低于预定水平，检测降钙素原的量高于预定水平并且白细胞介素6的量高于预定水平时，将所述受试者诊断为具有败血症。
CN201780055014.5A 2016-07-10 2017-07-10 用于区分细菌和病毒感染的蛋白质特征 Active CN109661578B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662360418P 2016-07-10 2016-07-10
US62/360418 2016-07-10
PCT/IL2017/050780 WO2018011795A1 (en) 2016-07-10 2017-07-10 Protein signatures for distinguishing between bacterial and viral infections

Publications (2)

Publication Number Publication Date
CN109661578A CN109661578A (zh) 2019-04-19
CN109661578B true CN109661578B (zh) 2022-05-10

Family

ID=60952985

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780055014.5A Active CN109661578B (zh) 2016-07-10 2017-07-10 用于区分细菌和病毒感染的蛋白质特征

Country Status (5)

Country Link
US (2) US11131671B2 (zh)
EP (2) EP3482200B1 (zh)
CN (1) CN109661578B (zh)
CA (1) CA3027341A1 (zh)
WO (1) WO2018011795A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3882633A1 (en) 2012-02-09 2021-09-22 MeMed Diagnostics Ltd. Signatures and determinants for diagnosing infections and methods of use thereof
US10303846B2 (en) 2014-08-14 2019-05-28 Memed Diagnostics Ltd. Computational analysis of biological data using manifold and a hyperplane
WO2016059636A1 (en) 2014-10-14 2016-04-21 Memed Diagnostics Ltd. Signatures and determinants for diagnosing infections in non-human subjects and methods of use thereof
US11466331B2 (en) 2016-03-03 2022-10-11 Memed Diagnostics Ltd. RNA determinants for distinguishing between bacterial and viral infections
CN109804245B (zh) 2016-07-10 2022-10-25 米密德诊断学有限公司 感染的早期诊断
EP3482200B1 (en) 2016-07-10 2022-05-04 Memed Diagnostics Ltd. Protein signatures for distinguishing between bacterial and viral infections
US11353456B2 (en) 2016-09-29 2022-06-07 Memed Diagnostics Ltd. Methods of risk assessment and disease classification for appendicitis
EP3519833A4 (en) 2016-09-29 2020-06-03 MeMed Diagnostics Ltd. PROGNOSTIC AND TREATMENT METHODS
US10209260B2 (en) 2017-07-05 2019-02-19 Memed Diagnostics Ltd. Signatures and determinants for diagnosing infections and methods of use thereof
AU2019212378A1 (en) * 2018-01-27 2020-07-30 Becton, Dickinson And Company Multiplex lateral flow assay for differentiating bacterial infections from viral infections
WO2021171553A1 (ja) * 2020-02-28 2021-09-02 日本電気株式会社 処理装置、処理方法及びプログラム
EP4133281A1 (en) 2020-04-09 2023-02-15 B.R.A.H.M.S GmbH Biomarkers for the diagnosis of respiratory tract infections
CN112940120B (zh) * 2021-05-14 2021-08-17 深圳海创生物技术有限公司 降钙素原单域抗体及其应用和试剂盒
WO2024018470A1 (en) * 2022-07-20 2024-01-25 Memed Diagnostics Ltd. Markers for diagnosing infections

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104204803A (zh) * 2012-02-09 2014-12-10 米密德诊断学有限公司 用于诊断感染的标记和决定因素和其使用方法
WO2016024278A1 (en) * 2014-08-14 2016-02-18 Memed Diagnostics Ltd. Computational analysis of biological data using manifold and a hyperplane
WO2016059636A1 (en) * 2014-10-14 2016-04-21 Memed Diagnostics Ltd. Signatures and determinants for diagnosing infections in non-human subjects and methods of use thereof
CN105556308A (zh) * 2013-09-20 2016-05-04 阿斯图特医药公司 用于阑尾炎的诊断和预后及腹痛病因的区分的方法和组合物
KR20160072626A (ko) * 2014-12-15 2016-06-23 전북대학교산학협력단 패혈증 인자 il-6 간이 진단 키트

Family Cites Families (115)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NL154600B (nl) 1971-02-10 1977-09-15 Organon Nv Werkwijze voor het aantonen en bepalen van specifiek bindende eiwitten en hun corresponderende bindbare stoffen.
NL154598B (nl) 1970-11-10 1977-09-15 Organon Nv Werkwijze voor het aantonen en bepalen van laagmoleculire verbindingen en van eiwitten die deze verbindingen specifiek kunnen binden, alsmede testverpakking.
NL154599B (nl) 1970-12-28 1977-09-15 Organon Nv Werkwijze voor het aantonen en bepalen van specifiek bindende eiwitten en hun corresponderende bindbare stoffen, alsmede testverpakking.
US3901654A (en) 1971-06-21 1975-08-26 Biological Developments Receptor assays of biologically active compounds employing biologically specific receptors
US3853987A (en) 1971-09-01 1974-12-10 W Dreyer Immunological reagent and radioimmuno assay
US3867517A (en) 1971-12-21 1975-02-18 Abbott Lab Direct radioimmunoassay for antigens and their antibodies
NL171930C (nl) 1972-05-11 1983-06-01 Akzo Nv Werkwijze voor het aantonen en bepalen van haptenen, alsmede testverpakkingen.
US3850578A (en) 1973-03-12 1974-11-26 H Mcconnell Process for assaying for biologically active molecules
US3935074A (en) 1973-12-17 1976-01-27 Syva Company Antibody steric hindrance immunoassay with two antibodies
US3996345A (en) 1974-08-12 1976-12-07 Syva Company Fluorescence quenching with immunological pairs in immunoassays
US4034074A (en) 1974-09-19 1977-07-05 The Board Of Trustees Of Leland Stanford Junior University Universal reagent 2-site immunoradiometric assay using labelled anti (IgG)
US3984533A (en) 1975-11-13 1976-10-05 General Electric Company Electrophoretic method of detecting antigen-antibody reaction
US4098876A (en) 1976-10-26 1978-07-04 Corning Glass Works Reverse sandwich immunoassay
CA1178414A (en) 1978-02-08 1984-11-27 Toyo Boseki Kabushiki Kaisha (Trading Under The Name Of Toyobo Co., Ltd.) Packaging material having excellent seal packaging property
US4233402A (en) 1978-04-05 1980-11-11 Syva Company Reagents and method employing channeling
US4275149A (en) 1978-11-24 1981-06-23 Syva Company Macromolecular environment control in specific receptor assays
US4376110A (en) 1980-08-04 1983-03-08 Hybritech, Incorporated Immunometric assays using monoclonal antibodies
US4879219A (en) 1980-09-19 1989-11-07 General Hospital Corporation Immunoassay utilizing monoclonal high affinity IgM antibodies
US4659678A (en) 1982-09-29 1987-04-21 Serono Diagnostics Limited Immunoassay of antigens
US4727022A (en) 1984-03-14 1988-02-23 Syntex (U.S.A.) Inc. Methods for modulating ligand-receptor interactions and their application
US5011771A (en) 1984-04-12 1991-04-30 The General Hospital Corporation Multiepitopic immunometric assay
US4666828A (en) 1984-08-15 1987-05-19 The General Hospital Corporation Test for Huntington's disease
US4683202A (en) 1985-03-28 1987-07-28 Cetus Corporation Process for amplifying nucleic acid sequences
US4801531A (en) 1985-04-17 1989-01-31 Biotechnology Research Partners, Ltd. Apo AI/CIII genomic polymorphisms predictive of atherosclerosis
US5018067A (en) 1987-01-12 1991-05-21 Iameter Incorporated Apparatus and method for improved estimation of health resource consumption through use of diagnostic and/or procedure grouping and severity of illness indicators
US5272057A (en) 1988-10-14 1993-12-21 Georgetown University Method of detecting a predisposition to cancer by the use of restriction fragment length polymorphism of the gene for human poly (ADP-ribose) polymerase
US5192659A (en) 1989-08-25 1993-03-09 Genetype Ag Intron sequence analysis method for detection of adjacent and remote locus alleles as haplotypes
DE4322330A1 (de) 1992-08-31 1994-03-03 Behringwerke Ag Verwendung des IL-4-Rezeptors zur Therapie, Prophylaxe und Diagnose von allergischen, viralen, parasitären und bakteriellen Erkrankungen sowie von Pilzinfektionen
US5281521A (en) 1992-07-20 1994-01-25 The Trustees Of The University Of Pennsylvania Modified avidin-biotin technique
DE4227454C1 (de) 1992-08-19 1994-02-03 Henning Berlin Gmbh Verfahren zur Früherkennung, zur Erkennung des Schweregrads sowie zur therapiebegleitenden Verlaufsbeurteilung einer Sepsis sowie Mittel zur Durchführung des Verfahrens
SE9401351D0 (sv) 1994-04-21 1994-04-21 Venge A method for diagnosis
US5910421A (en) 1995-12-21 1999-06-08 University Of Florida Rapid diagnostic method for distinguishing allergies and infections
US6077665A (en) 1996-05-07 2000-06-20 The Board Of Trustees Of The Leland Stanford Junior University Rapid assay for infection in neonates
DE19847690A1 (de) 1998-10-15 2000-04-20 Brahms Diagnostica Gmbh Verfahren und Substanzen für die Diagnose und Therapie von Sepsis und sepsisähnlichen systemischen Infektionen
US6709855B1 (en) 1998-12-18 2004-03-23 Scios, Inc. Methods for detection and use of differentially expressed genes in disease states
CA2359816C (en) 1999-01-06 2010-08-03 Genenews Inc. Method for the detection of gene transcripts in blood and uses thereof
US20020038227A1 (en) 2000-02-25 2002-03-28 Fey Christopher T. Method for centralized health data management
US7668661B2 (en) 2000-04-28 2010-02-23 Siemens Healthcare Diagnostics Inc. Liver disease-related methods and systems
RU2229719C2 (ru) 2001-03-27 2004-05-27 Кабусики Кайся Тосиба Обнаружение имеющей отношение к заболеванию нуклеиновой кислоты
DE10119804A1 (de) 2001-04-23 2002-10-24 Brahms Ag Entzündungsspezifische Peptide und deren Verwendungen
WO2002094880A1 (en) 2001-05-18 2002-11-28 Kirin Beer Kabushiki Kaisha Anti-trail-r antibodies
FI115165B (fi) 2001-06-04 2005-03-15 Aboatech Ab Oy Menetelmä infektion laadun määrittämiseksi
DE10130985B4 (de) 2001-06-27 2004-03-18 B.R.A.H.M.S Ag Verfahren zur Diagnose von Sepsis und schweren Infektionen unter Bestimmung löslicher Cytokeratin-1-Fragmente
DE50103907D1 (de) 2001-12-07 2004-11-04 Brahms Ag Verwendungen der Aldose-1-Epimerase (Mutarotase) für die Diagnose von Entzündungserkrankungen und Sepsis
US20040038201A1 (en) 2002-01-22 2004-02-26 Whitehead Institute For Biomedical Research Diagnostic and therapeutic applications for biomarkers of infection
US7468032B2 (en) 2002-12-18 2008-12-23 Cardiac Pacemakers, Inc. Advanced patient management for identifying, displaying and assisting with correlating health-related data
US20040122296A1 (en) 2002-12-18 2004-06-24 John Hatlestad Advanced patient management for triaging health-related data
EP1489416A4 (en) 2002-03-22 2005-09-28 Kyowa Medex Co Ltd METHOD FOR THE EVALUATION OF VIRUS INFECTION
US7485298B2 (en) 2002-05-23 2009-02-03 Michael Powell Diagnosis and treatment of human dormancy-related sequellae
JP2005529599A (ja) 2002-06-11 2005-10-06 アイダホ リサーチ ファウンデーション ウィルス感染を検出するためのタイプｉインターフェロン誘導タンパク質
US8563476B2 (en) 2002-11-15 2013-10-22 Morehouse School Of Medicine Anti-CXCL9, anti-CXCL10, anti-CXCL11, anti-CXCL13, anti-CXCR3 and anti-CXCR5 agents for inflammatory disorders
WO2004108899A2 (en) 2003-06-04 2004-12-16 The Government Of The United States As Represented By The Secretary Of The Department Of Health And Human Services, Centers For Disease Control And Prevention Pni microarray and uses
JP2005106694A (ja) 2003-09-30 2005-04-21 Mochida Pharmaceut Co Ltd 敗血症早期検出及び重篤度評価
GB0401730D0 (en) 2004-01-27 2004-03-03 Bioxell Spa Diagnosis method
US8906630B2 (en) 2004-02-27 2014-12-09 The Trustees Of The University Of Pennsylvania Assays for detecting pathogenic respiratory bacteria
US7892539B2 (en) 2004-03-24 2011-02-22 The Regents Of The University Of California Modulation of an innate immune response by altering TRIAL-R signaling
US7572640B2 (en) 2004-09-28 2009-08-11 Singulex, Inc. Method for highly sensitive detection of single protein molecules labeled with fluorescent moieties
WO2007011412A2 (en) 2004-11-05 2007-01-25 The Government Of The United States Of America, As Represented By The Secretary Of The Navy Diagnosis and prognosis of infectious diesease clinical phenotypes and other physiologic states using host gene expresion biomarkers in blood
WO2007018574A2 (en) 2004-11-10 2007-02-15 The United States Of America As Represented By The Secretary Of The Navy Diagnostic assay for rickettsia prowazekii disease by detection of responsive gene expression
JP2008538007A (ja) 2005-04-15 2008-10-02 ベクトン，ディッキンソン アンド カンパニー 敗血症の診断
CN101208602A (zh) 2005-04-15 2008-06-25 贝克顿迪金森公司 脓毒症的诊断
US20070015172A1 (en) 2005-06-01 2007-01-18 Z-Biomed, Inc. Expression profiles for microbial infection
DE102005050933A1 (de) 2005-10-21 2007-04-26 Justus-Liebig-Universität Giessen Erfindung betreffend Expressionsprofile zur Vorhersage von septischen Zuständen
CN101378764A (zh) 2005-12-09 2009-03-04 贝勒研究院 通过血液白细胞微阵列分析对系统性红斑狼疮的诊断、预后和疾病发展的监测
GB0601959D0 (en) 2006-01-31 2006-03-15 King S College London Sepsis test
US20070184460A1 (en) 2006-02-09 2007-08-09 Wei-Mei Ching Diagnostic assay for Orientia tsutsugamushi by detection of responsive gene expression
AU2007244824A1 (en) 2006-04-26 2007-11-08 Vertex Pharmaceuticals Incorporated Hepatitis C virus infection biomarkers
CN101541976A (zh) 2006-08-11 2009-09-23 贝勒研究院 利用血液白细胞中的基因表达标记物的急性感染的鉴别诊断
US20100068147A1 (en) 2006-10-05 2010-03-18 Agency for Science , Technology and Research Dengue diagnosis and treatment
CA2670897A1 (en) 2006-12-06 2008-06-12 Barbara White Methods of treating systemic lupus erythematosus
DE102006060112A1 (de) 2006-12-20 2008-06-26 Brahms Aktiengesellschaft Diagnose und Risikostratifizierung mittels dem neuen Marker CT-proADM
CN101617056A (zh) 2006-12-21 2009-12-30 伊诺基因卡尔生物技术私人有限公司 Eb病毒相关癌症的早期诊断方法及各自的试剂和试剂盒
EP2102370A4 (en) 2007-01-11 2010-01-13 Univ Duke METHOD OF MONITORING HIV INFECTION
EP2126575A2 (en) 2007-02-28 2009-12-02 The Procter &amp; Gamble Methods and targets for identifying compounds for regulating rhinovirus infection
DE102007009751A1 (de) 2007-02-28 2008-09-04 B.R.A.H.M.S Aktiengesellschaft Verfahren zur selektiven Bestimmung von Procalcitonin 1-116 für diagnostische Zwecke sowie Antikörper und Kits zur Durchführung eines solchen Verfahrens
CA2689306C (en) 2007-06-01 2019-01-15 Council Of Scientific & Industrial Research A novel method for simultaneous detection and discrimination of bacterial, fungal, parasitic and viral infections of eye and central nervous system
DE102007035640A1 (de) 2007-07-27 2009-01-29 Lkh-Kunststoffwerk Gmbh & Co. Kg Tauchkolben
ES2403310T3 (es) 2007-08-03 2013-05-17 B.R.A.H.M.S Gmbh Antibiótico para su utilización en una infección local
TW200920358A (en) 2007-08-13 2009-05-16 Lundbeck & Co As H Method of treating stress-mediated depression
WO2009025743A2 (en) 2007-08-17 2009-02-26 University Of Massachusetts Medical School Use of trail compositions as antiviral agents
EP2071334A1 (en) 2007-12-14 2009-06-17 Transmedi SA Compositions and methods of detecting TIABS
CA2719078A1 (en) 2008-04-21 2009-10-29 Witold Filipowicz Antiviral therapy
US9910036B2 (en) 2008-05-20 2018-03-06 Rapid Pathogen Screening, Inc. Method and device for combined detection of viral and bacterial infections
WO2009141359A1 (en) 2008-05-23 2009-11-26 Pronota N.V. New biomarker for diagnosis, prediction and/or prognosis of sepsis and uses thereof
AP2011005546A0 (en) 2008-06-25 2011-02-28 Baylor Res Intitute Blood transcriptional signature of mycobacterium tuberculosis infection.
GB2463401B (en) 2008-11-12 2014-01-29 Caris Life Sciences Luxembourg Holdings S A R L Characterizing prostate disorders by analysis of microvesicles
TW201021778A (en) 2008-11-12 2010-06-16 Alcon Res Ltd Intraocular lens delivery device with a multi-part plunger tip
US8821876B2 (en) 2009-05-26 2014-09-02 Duke University Methods of identifying infectious disease and assays for identifying infectious disease
US8507210B2 (en) 2009-06-05 2013-08-13 B.R.A.H.M.S Gmbh Detection of bacterial infections in subjects suffering from dyspnea
US20110065136A1 (en) 2009-08-07 2011-03-17 Rules-Based Medicine, Inc. Methods and Devices for Detecting Glomerulonephritis and Associated Disorders
JP5667353B2 (ja) 2009-09-25 2015-02-12 シスメックス株式会社 血球計数装置、診断支援装置、診断支援方法及びコンピュータプログラム
CN102762743A (zh) * 2009-12-09 2012-10-31 阿维埃尔公司 用于心血管疾病的诊断和分类的生物标记物检验
US20110312534A1 (en) 2010-03-05 2011-12-22 Erasmus University Medical Center Rotterdam Method for prediction of human iris color
CN106442984B (zh) 2010-04-21 2020-03-13 米密德诊断学有限公司 区分细菌与病毒感染的标记物和决定因素以及其使用方法
US8877212B2 (en) 2011-02-07 2014-11-04 Trudeau Institute Use of an IL12 receptor-beta 1 splice variant to diagnose active tuberculosis
CN103781800A (zh) 2011-06-20 2014-05-07 协和发酵麒麟株式会社 抗erbB3抗体
CN104245954A (zh) 2012-03-30 2014-12-24 文森医学公司 细菌成像剂及其使用方法
GB201211982D0 (en) 2012-07-05 2012-08-22 Isis Innovation Biomarker
FR2996003B1 (fr) 2012-09-25 2014-10-17 Commissariat Energie Atomique Methode pour detecter specifiquement dans un echantillon une metalloprotease matricielle (mmp) d'interet uniquement dans sa forme active
US20140127827A1 (en) 2012-11-05 2014-05-08 Gwangju Institute Of Science And Technology Method for detection of antigen using fluorescence resonance energy transfer immunoassay
EP3608416A1 (en) 2013-01-22 2020-02-12 Imicroq, S.L. Rapid method for detection of pathogen
KR20150113113A (ko) 2013-01-29 2015-10-07 몰레큘러 헬스 게엠베하 임상적 판단 지원을 위한 시스템 및 방법
US10689701B2 (en) 2013-03-15 2020-06-23 Duke University Biomarkers for the molecular classification of bacterial infection
WO2015048098A1 (en) 2013-09-24 2015-04-02 Washington University Diagnostic methods for infectious disease using endogenous gene expression
JP6788586B2 (ja) 2014-11-19 2020-11-25 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． Ｈｎｌを用いる診断方法
CN107209184B (zh) 2014-12-11 2020-04-24 米密德诊断学有限公司 用于诊断多种感染的标记组合及其使用方法
IL287757B (en) 2016-03-03 2022-07-01 Memed Diagnostics Ltd An RNA test to diagnose the type of infection
US11466331B2 (en) 2016-03-03 2022-10-11 Memed Diagnostics Ltd. RNA determinants for distinguishing between bacterial and viral infections
WO2017221255A1 (en) 2016-06-23 2017-12-28 Memed Diagnostics Ltd. Measuring trail by lateral flow immunoassay
CN109804245B (zh) 2016-07-10 2022-10-25 米密德诊断学有限公司 感染的早期诊断
EP3482200B1 (en) 2016-07-10 2022-05-04 Memed Diagnostics Ltd. Protein signatures for distinguishing between bacterial and viral infections
JP7020689B2 (ja) 2016-09-16 2022-02-16 株式会社オンチップ・バイオテクノロジーズ 微粒子分注装置、微粒子解析装置、及び反応検出装置、並びにそれらを用いる方法
EP3519833A4 (en) 2016-09-29 2020-06-03 MeMed Diagnostics Ltd. PROGNOSTIC AND TREATMENT METHODS
US11353456B2 (en) 2016-09-29 2022-06-07 Memed Diagnostics Ltd. Methods of risk assessment and disease classification for appendicitis
US10209260B2 (en) 2017-07-05 2019-02-19 Memed Diagnostics Ltd. Signatures and determinants for diagnosing infections and methods of use thereof

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104204803A (zh) * 2012-02-09 2014-12-10 米密德诊断学有限公司 用于诊断感染的标记和决定因素和其使用方法
CN105556308A (zh) * 2013-09-20 2016-05-04 阿斯图特医药公司 用于阑尾炎的诊断和预后及腹痛病因的区分的方法和组合物
WO2016024278A1 (en) * 2014-08-14 2016-02-18 Memed Diagnostics Ltd. Computational analysis of biological data using manifold and a hyperplane
WO2016059636A1 (en) * 2014-10-14 2016-04-21 Memed Diagnostics Ltd. Signatures and determinants for diagnosing infections in non-human subjects and methods of use thereof
KR20160072626A (ko) * 2014-12-15 2016-06-23 전북대학교산학협력단 패혈증 인자 il-6 간이 진단 키트

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"A novel host-proteome signature for distinguishing between acute bacterial and viral infections";Kfir Oved 等;《PLoS One》;20150318;第10卷(第3期);全文 *
"The Third International Consensus Definitions for Sepsis and Septic Shock (Sepsis-3)";Mervyn Singer 等;《JAMA》;20160223;第315卷(第8期);全文 *

Also Published As

Publication number Publication date
US20190120837A1 (en) 2019-04-25
EP3482200A4 (en) 2020-03-18
EP4141448A1 (en) 2023-03-01
CN109661578A (zh) 2019-04-19
EP3482200A1 (en) 2019-05-15
EP3482200B1 (en) 2022-05-04
US20220011320A1 (en) 2022-01-13
CA3027341A1 (en) 2018-01-18
US11131671B2 (en) 2021-09-28
WO2018011795A1 (en) 2018-01-18

Similar Documents

Publication Publication Date Title
CN109661578B (zh) 用于区分细菌和病毒感染的蛋白质特征
US20220236269A1 (en) Early diagnosis of infections
RU2730836C2 (ru) Вычислительный анализ биологических данных с применением многообразия и гиперплоскости
CN107209184B (zh) 用于诊断多种感染的标记组合及其使用方法
EP3356558B1 (en) Sirs pathogen biomarkers and uses therefor
CN109844532B (zh) 分析生物数据的系统和方法
US20230094142A1 (en) Methods of diagnosing and classifying viral infections
JP6083784B2 (ja) 慢性閉塞性肺疾患の増悪指標の検出方法
WO2015129324A1 (ja) 精神疾患マーカーおよびその用途
WO2023275876A1 (en) Method and system for analyzing biological data
WO2024018470A1 (en) Markers for diagnosing infections
WO2013096534A1 (en) Congestive heart failure biomarkers

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant