CN109844532A - 分析生物数据的系统和方法 - Google Patents

分析生物数据的系统和方法 Download PDF

Info

Publication number
CN109844532A
CN109844532A CN201780062459.6A CN201780062459A CN109844532A CN 109844532 A CN109844532 A CN 109844532A CN 201780062459 A CN201780062459 A CN 201780062459A CN 109844532 A CN109844532 A CN 109844532A
Authority
CN
China
Prior art keywords
subject
expression
crp
infection
possibility
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.)
Granted
Application number
CN201780062459.6A
Other languages
English (en)
Other versions
CN109844532B (zh
Inventor
K.奥维
E.艾登
R.纳冯
A.科恩-多坦
G.科伦嫩菲德
O.博伊科
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 CN109844532A publication Critical patent/CN109844532A/zh
Application granted granted Critical
Publication of CN109844532B publication Critical patent/CN109844532B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • 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
    • G01N2333/46—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans from vertebrates
    • G01N2333/47—Assays involving proteins of known structure or function as defined in the subgroups
    • G01N2333/4701—Details
    • G01N2333/4737—C-reactive protein
    • 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
    • G01N2333/91—Transferases (2.)
    • G01N2333/91091—Glycosyltransferases (2.4)
    • 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)
    • 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
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Hematology (AREA)
  • Molecular Biology (AREA)
  • Urology & Nephrology (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biotechnology (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Microbiology (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Cell Biology (AREA)
  • Tropical Medicine & Parasitology (AREA)
  • Virology (AREA)
  • Epidemiology (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Bioethics (AREA)
  • Artificial Intelligence (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明公开了一种分析生物数据的方法。该方法包括获取生物数据，其至少包含受试者血液中MX发动蛋白‑样GTPase 1(MX1)的表达水平和C‑反应蛋白(CRP)的表达水平；计算曲线段与由方向限定的轴之间的距离，所述距离在沿该方向的坐标所限定的曲线上某一点计算；和使该距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关。

Description

分析生物数据的系统和方法
相关申请
本申请要求2016年8月10日提交的美国临时专利申请号62/372,820的优先权益，其内容通过引用以其整体并入本文。
发明领域和背景
本发明，在其一些实施方案中，涉及计算分析，且特别是(但不限于)生物数据的计算分析，例如，为了区分细菌感染和非细菌性疾病，和/或细菌感染和病毒感染，和/或传染性疾病和非-传染性疾病的目的。
抗生素(Abx)是世界上处方药最多的一类，具有250-300亿美元的全球市场。Abx也是世界上滥用最多的药物，其中所有药物的很大一部分(40％-70％)被错误地作为处方药(Linder,J.A.andR.S.Stafford 2001；Scott,J.G.and D.Cohen,et al.2001；Davey,P.andE.Brown,et al.2006；Cadieux,G.andR.Tamblyn,et al.2007；Pulcini,C.andE.Cua,etal.2007),(“CDC-Get Smart:Fast Facts About Antibiotic Resistance”2011)。
Abx滥用的一种类型是在非细菌性疾病(如病毒感染)的情况下给予该药物，而Abx对此无效。例如，依据美国疾病控制和预防中心(CDC)，美国每年有6,000多万个错误的Abx处方用于治疗流感。Abx过多的处方开具的医疗-保健和经济后果包括：(i)全球不必要开具处方药的抗生素费用，估计每年>100亿美元；(ii)由不必要的Abx治疗产生的副作用是降低卫生保健质量，引起并发症和延长住院时间(例如过敏反应、Abx相关性腹泻、肠道酵母菌等)和(iii)过度使用导致的耐药菌株的出现(CDC已宣布细菌的抗生素耐药性上升为“21世纪世界上最紧迫的健康问题之一”(Arias,C.A.and B.E.Murray 2009；“CDC-AboutAntimicrobial Resistance”2011)。
抗生素处方药不足也并不少见。例如，在美国住院的成人细菌性肺炎患者中高达15％接受延迟或无Abx治疗，即使在早期治疗可以挽救生命和减少并发症的这些情况下(Houck,P.M.andD.W.Bratzler,et al.2002)。
传染病诊断技术有可能减少与Abx滥用相关的相关健康和财政负担。理想情况下，这种技术应该：(i)准确区分细菌和病毒感染；(ii)快速(几分钟内)；(iii)能够区分致病菌和为人体自然菌丛的一部分的非致病菌；(iv)区分混合型同时感染与单纯的病毒感染；和(v)适用于病原体无法获得的情况(例如鼻窦炎、肺炎、中耳炎、支气管炎等)。
WO 2013/117746描述了区分细菌和病毒感染的特征和决定因素。
WO2016/024278描述了一种分析含有在受试者血液中多肽的表达值的生物数据的方法。该方法的基础是计算一段曲线与一条轴线之间的距离。距离在由坐标限定的曲线上某一个点处计算。距离与细菌感染的存在、不存在或受试者有细菌感染的可能性有关。
发明概述
依据本发明的一些实施方案，本发明提供一种分析生物数据的方法。该方法包括：获得生物数据，其至少包含在受试者血液中的MX发动蛋白-样GTPase 1(MX1)的表达水平和C-反应蛋白(CRP)的表达水平；和计算曲线段与由方向限定的轴之间的距离，其中距离是在沿所述方向由坐标δ限定的曲线上的一个点上计算的。该方法还包括使距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关。在一些实施方案中，所述段的至少90％在下界线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，等于a0+a1X+a2ZMX1，其中X是CRP的值(μg/ml)，和ZMX1是MX1相对于先前被诊断为细菌感染的一组受试者的z-分数，其中ε0和所述ε1的每一个是小于0.5，和其中a0是从约-2.4至约-1.9，a1是从约0.04至约0.05，和a2是从约-0.39至约-0.43。
依据本发明的一些实施方案的方面，提供一种分析生物数据的方法。该方法包括：获得生物数据，其至少包含在受试者血液中的MX发动蛋白-样GTPase 1(MX1)的表达水平和C-反应蛋白(CRP)的表达水平；和计算曲线段与由方向限定的轴之间的距离，其中距离是在沿所述方向由坐标δ限定的曲线上的一个点上计算的。该方法还包括使距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关。在一些实施方案中，所述段的至少90％在下界线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，等于a0+a1X+a2Y，其中X是CRP的值(μg/ml)，和Y是MX1的值(ng/ml)，其中所述ε0和所述ε1的每一个是小于0.5，和其中a0是从约0.4至约0.5，a1是从约0.015至约0.02，和a2是从约-0.0025至约-0.0018。
依据本发明的一些实施方案的一个方面，提供一种分析生物数据的方法。该方法包括：获得生物数据，其至少包含在受试者血液中的MX发动蛋白-样GTPase 1(MX1)的表达水平和C-反应蛋白(CRP)的表达水平；和计算曲线段与由方向限定的轴之间的距离，其中距离是在沿所述方向由坐标δ限定的曲线上的一个点上计算的。该方法还包括使距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关。其中所述段的至少90％在下界线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，等于a0+a1X+a2Y，其中X是CRP的值(μg/ml)，和Y是MX1的值(当用流式细胞术测量时)，其中ε0和ε1的每一个是小于0.5，和其中a0是从约-1.7至约-1.4，a1是从约0.03至约0.05，和a2是从约-5.8E-05至约-4.7E-05。
依据本发明的一些实施方案，MX1和CRP的至少一个用免疫分析法测定。
依据本发明的一些实施方案，MX1和CRP的至少一个用流式细胞术测定。
依据本发明的一些实施方案，MX1和CRP的至少一个用侧流免疫分析法(LFIA)测定。
依据本发明的一些实施方案，MX1和CRP的至少一个用自动免疫分析法测定。
依据本发明的一些实施方案，MX1和CRP的至少一个用酶联免疫吸附试验(ELISA)测定。
依据本发明的一些实施方案，执行该方法以区分病毒感染和包括细菌和病毒感染的同时感染。
依据本发明的一些实施方案，所述受试者患有下呼吸道感染。
依据本发明的一些实施方案，所述受试者患有上呼吸道感染。
依据本发明的一些实施方案，所述受试者具有未能查明原因的发热。
依据本发明的一些实施方案，所述受试者患有严重的细菌感染。
依据本发明的一些实施方案，所述受试者被怀疑为携带腺病毒。
依据本发明的一些实施方案，所述受试者被怀疑为携带冠状病毒。
依据本发明的一些实施方案，所述受试者被怀疑为携带副流感病毒。
依据本发明的一些实施方案，所述受试者被怀疑为具有甲型流感。
依据本发明的一些实施方案，所述受试者被怀疑为具有乙型流感。
依据本发明的一些实施方案，所述受试者被怀疑为携带有呼吸道合胞病毒A或B。
依据本发明的一些实施方案，所述受试者被怀疑为携带有博卡病毒。
依据本发明的一些实施方案，所述受试者被怀疑为携带有肠病毒。
依据本发明的一些实施方案，所述受试者被怀疑为携带有CMV/EBV。
依据本发明的一些实施方案，所述受试者被怀疑为携带有肺炎支原体。
依据本发明的一些实施方案，所述受试者被怀疑为携带有大肠杆菌。
依据本发明的一些实施方案，所述受试者被怀疑为携带有A群链球菌。
依据本发明的一些实施方案，所述受试者被怀疑为携带有选自轮状病毒、星状病毒、肠腺病毒、诺如病毒G I和G II的GI病毒。
依据本发明的一些实施方案，所述受试者被怀疑为携带有肺炎链球菌。
依据本发明的一些实施方案，所述受试者被怀疑为携带有金黄色葡萄球菌。
依据本发明的一些实施方案，所述受试者被怀疑为患有肺病。
依据本发明的一些实施方案的一个方面，提供一种分析生物数据的方法。该方法包括：获得生物数据，其至少包含在受试者血液中的MX发动蛋白-样GTPase 1(MX1)的表达水平和C-反应蛋白(CRP)的表达水平；获得受试者的背景状况；和计算曲线段与由方向限定的轴之间的距离，其中距离是在沿所述方向由坐标δ限定的曲线上的一个点上计算的。该方法还包括使距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关。在一些实施方案中，所述段的至少90％在下界线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，等于a0+a1X+a2Y，其中X是CRP的值(μg/ml)，和Y是MX1的值(当用流式细胞术测量时)，其中ε0和ε1的每一个是小于0.5，且其中：当背景状况是下呼吸道感染时，那么a0是从约-4.235至约-3.500，a1是从约0.091至约0.110，和a2是从约-2.04E-05至约-1.68E-05；当背景状况是上呼吸道感染时，那么a0是从约-1.166至约-0.964，a1是从约0.036至约0.044，和a2是从约-1.45E-04至约-1.20E-04；当背景状况是不明原因的发热时，那么a0是从约-5.819至约-4.809，a1是从约0.055至约0.066，和a2是从约-1.53E-07至约-1.26E-07；当背景状况是严重的细菌感染时，那么a0是从约-1.144至约-0.945，a1是从约0.045至约0.055，和a2是从约-7.67E-05至约-6.34E-05；当背景状况是腺病毒时，那么a0是从约-0.011至约-0.009，a1是从约0.027至约0.033，和a2是从约-5.83E-05至约-4.82E-05；当背景状况是冠状病毒时，那么a0是从约1.727至约2.090，a1是从约0.036至约0.044，和a2是从约-1.04E-04至约-8.55E-05；当背景状况是副流感病毒时，那么a0是从约-0.704至约-0.582，a1是从约0.064至约0.077，和a2是从约-7.33E-05至约-6.05E-05；当背景状况是甲型流感时，那么a0是从约-3.586至约-2.964，a1是从约0.145至约0.176，和a2是从约-5.12E-05至约-4.23E-05；当背景状况是乙型流感时，那么a0是从约56.618至约68.508，a1是从约4.255至约5.148，和a2是从约-8.75E-03至约-7.23E-03；当背景状况是呼吸道合胞病毒A或B时，那么a0是从约-1.958至约-1.618，a1是从约0.118至约0.143，和a2是从约-1.20E-04至约-9.93E-05；当背景状况是博卡病毒1、2、3或4时，那么a0是从约-2.299至约-1.900，a1是从约0.073至约0.088，和a2是从约5.50E-05至约6.66E-05；当背景状况是肠病毒时，那么a0是从约1.382至约1.672，a1是从约0.064至约0.077，和a2是从约-1.59E-04至约-1.31E-04；当背景状况是CMV/EBV时，那么a0是从约0.609至约0.737，a1是从约0.036至约0.044，和a2是从约-6.82E-06至约-5.64E-06；当背景状况是选自肺炎衣原体、肺炎支原体和嗜肺军团菌的非典型细菌时，那么a0是从约-2.970至约-2.455，a1是从约0.027至约0.033，和a2是从约-8.99E-05至约-7.43E-05；当背景状况是大肠杆菌时，那么a0是从约-0.385至约-0.318，a1是从约0.082至约0.099，和a2是从约-6.52E-04至约-5.39E-04；当背景状况是A群链球菌时，那么a0是从约-3.080至约-2.545，a1是从约0.036至约0.044，和a2是从约-1.93E-04至约-1.60E-04；当背景状况是选自轮状病毒、星状病毒、肠腺病毒、诺如病毒G I和G II的GI病毒时，那么a0是从约-0.924至约-0.764，a1是从约0.045至约0.055，和a2是从约3.20E-05至约3.87E-05；当背景状况是糖尿病时，那么a0是从约-1.628至约-1.345，a1是从约0.055至约0.066，和a2是从约-3.11E-05至约-2.57E-05；当背景状况是肺病时，那么a0是从约-68.750至约-56.818，a1是从约5.445至约6.589，和a2是从约-1.30E-02至约-1.07E-02。
依据本发明的一些实施方案的一个方面，提供一种分析生物数据的方法。该方法包括：获得生物数据，其至少包含在受试者血液中的MX发动蛋白-样GTPase 1(MX1)的表达水平和C-反应蛋白(CRP)的表达水平；和计算曲线段与由方向限定的轴之间的距离，其中距离是在沿所述方向由坐标δ限定的曲线上的一个点上计算的。该方法还包括使所述距离与感染的存在、不存在或受试者患有感染的可能性相关。在一些实施方案中，所述段的至少90％在下界线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，等于a0+a1X+a2Y，其中X是CRP的值(μg/ml)，和Y是MX1的值(当用流式细胞术测量时)，其中ε0和ε1的每一个是小于0.5，且其中a0是从约-3至约-2.4，a1是从约0.16至约0.2，和a2是从约0.0002至约0.0003。
依据本发明的一些实施方案的一个方面，提供一种分析生物数据的方法。该方法包括：获得生物数据，其至少包含受试者血液中的MX发动蛋白-样GTPase 1(MX1)的表达水平和含自由基S-腺苷甲硫氨酸结构域的2(RSAD2)的表达水平；和计算曲线段与由方向限定的轴之间的距离，其中距离是在沿所述方向由坐标δ限定的曲线上的一个点上计算的。该方法还包括使距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关。在一些实施方案中，所述段的至少90％在下界线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，等于a0+a1X+a2Y，其中X是RSAD2的值(当用流式细胞术测量时)，和Y是MX1的值(当用流式细胞术测量时)，其中ε0和ε1的每一个是小于0.5，且其中a0是从约0.6至约0.75，a1是从约-0.00015至约-0.00009，和a2是从约5.2E-06至约6E-06。
依据本发明的一些实施方案的一个方面，提供一种分析生物数据的方法。该方法包括：获得生物数据，其至少包含受试者血液中的MX发动蛋白-样GTPase 1(MX1)的表达水平和TNF相关凋亡诱导配体(TRAIL)的表达水平；和计算曲线段与由方向限定的轴之间的距离，其中距离是在沿所述方向由坐标δ限定的曲线上的一个点上计算的。该方法还包括使距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关。在一些实施方案中，所述段的至少90％在下界线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，等于a0+a1X+a2Y，其中X是TRAIL的值(pg/ml)，和Y是MX1的值(当用流式细胞术测量时)，其中ε0和ε1的每一个是小于0.5，且其中a0是从约2.4至约3，a1是从约-0.055至约-0.045，和a2是从约2.4E-05至约2.5E-05。
依据本发明的一些实施方案，该方法包括获得中性粒细胞明胶酶相关脂笼蛋白(NGAL)的表达水平，其中可能性还基于NGAL的表达水平。
依据本发明的一些实施方案，该方法包括获得降钙素原(PCT)的表达水平，其中可能性还基于PCT的表达水平。
依据本发明的一些实施方案的一个方面，提供一种分析生物数据的方法。该方法包括：获得生物数据，其至少包含受试者血液中的MX发动蛋白-样GTPase 1(MX1)的表达水平和中性粒细胞明胶酶相关脂笼蛋白(NGAL)的表达水平；和计算曲线段与由方向限定的轴之间的距离，其中距离是在沿所述方向由坐标δ限定的曲线上的一个点上计算的。该方法还包括使距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关。在一些实施方案中，所述段的至少90％在下界线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，等于a0+a1X+a2ZMX1，其中X是NGAL的值，和ZMX1是MX1相对于先前被诊断为患有细菌感染的一组受试者的z-分数，其中所述ε0和所述ε1的每一个是小于0.5。
依据本发明的一些实施方案的一个方面，提供一种分析生物数据的方法。该方法包括：获得生物数据，其至少包含受试者血液中的MX发动蛋白-样GTPase 1(MX1)的表达水平和降钙素原(PCT)的表达水平；和计算曲线段与由方向限定的轴之间的距离，其中距离是在沿所述方向由坐标δ限定的曲线上的一个点上计算的。该方法还包括使距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关。在一些实施方案中，所述段的至少90％在下界线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，等于a0+a1X+a2ZMX1，其中X是PCT的值，和ZMX1是MX1相对于先前被诊断为患有细菌感染的一组受试者的z-分数，其中ε0和ε1的每一个是小于0.5。
依据本发明的一些实施方案，所述方法还包括根据所述表达水平，确定所述受试者是否患有脓毒症。
依据本发明的一些实施方案，所述受试者患有慢性阻塞性肺病(COPD)和该方法包括确定所述受试者是处于传染性恶化状态还是非传染性恶化状态。
依据本发明的一些实施方案，该方法包括获取受试者的年龄，并根据年龄校正可能性。
依据本发明的一些实施方案，表达水平是蛋白表达水平。
依据本发明的一些实施方案，表达水平是RNA表达水平。
依据本发明的一些实施方案的一个方面，提供一种分析生物数据的方法。该方法包括：获得生物数据，其至少包含受试者血液中的MX发动蛋白-样GTPase 2(MX2)的表达水平和C-反应蛋白(CRP)的表达水平；和计算曲线段与由方向限定的轴之间的距离，其中距离是在沿所述方向由坐标δ限定的曲线上的一个点上计算的。该方法还包括使距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关。在一些实施方案中，所述段的至少90％在下界线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，等于a0+a1X+a2ZMX2，其中X是CRP的值(μg/ml)，和ZMX2是MX2相对于先前被诊断为患有细菌感染的一组受试者的z-分数，其中ε0和ε1的每一个是小于0.5，和其中a0是从约-2.4至约-1.9，a1是从约0.04至约0.05，和a2是从约-0.39至约-0.43。
依据本发明的一些实施方案，该方法包括根据所述距离获取所述可能性，将所述可能性与预定阈值进行比较，并在所述比较的基础上对所述受试者开具处方进行治疗。
依据本发明的一些实施方案，该方法包括根据所述距离获取所述可能性，将所述可能性与预定阈值进行比较，并且，当可能性超过预定阈值时，治疗受试者的细菌感染。
依据本发明的一些实施方案，该方法包括产生可能性的输出，所述输出以文本形式呈现。
依据本发明的一些实施方案，该方法包括产生可能性的输出，所述输出以图形形式呈现。
依据本发明的一些实施方案，该方法包括产生所述可能性的输出，所述输出使用颜色指数表示。
依据本发明的一些实施方案，所述血液样品是全血。
依据本发明的一些实施方案，所述血液样品是全血的一部分。
依据本发明的一些实施方案，血液部分包括血清或血浆。
依据本发明的一些实施方案，计算和关联由远离受试者的计算机执行。
依据本发明的一些实施方案，计算和关联由靠近受试者的计算机执行。
依据本发明的一些实施方案，计算和关联由云计算设备的云计算资源执行。
依据本发明的一些实施方案的一个方面，获得生物数据包括将受试者的血液样品加载到含有用于检测血液样品中的CRP和MX1的试剂的盒中，将所述盒加载到配置用于从所述盒中测量表达水平的系统中，并从系统接收表达水平。
依据本发明的一些实施方案的一个方面，提供一种计算机软件产品，其包括存储程序指令的计算机可读介质，当硬件处理器读取指令时，所述指令使硬件处理器接收多种多肽在患有未知疾病的受试者血液中的表达水平，并任选地执行上述方法，优选如下面所进一步说明的。
依据本发明的一些实施方案的一个方面，提供一种分析血液样品的系统。该系统包括盒保持架，其被配置为接收含有血液样品和用于检测血液样品中的CRP和MX1的试剂的盒；测量系统，其被配置为在一旦加载后从盒自动测量蛋白表达水平；和计算机系统，其被配置为从测量系统自动接收测量的表达值，并任选地执行上述方法，优选如下面所进一步说明的。
除非另外限定，本文所使用的所有技术和/或科学术语具有本发明所属领域普通技术人员通常理解的相同意义。虽然与本文所述的那些方法和材料类似或等同的方法和材料可用于实施或测试本发明的实施方案，但下文描述了示例性方法和/或材料。在有抵触的情况下，以本申请，包括定义为准。此外，材料、方法和实施例只是说明性的，并不意味着一定是限制性的。
附图简述
仅通过举例的方式，并参照附图，在此描述了本发明的一些实施方案。现在详细地具体参照附图，需要强调的是，示出的详情是通过举例的方式并用于本发明的实施方案的说明性讨论。在这方面，连同附图一起的描述使本领域技术人员明了可以如何实施本发明的实施方案。
在附图中：
图1是描述根据本发明的一些实施方案进行的临床研究工作流程的图表；
图2A和2B显示了参加临床研究的传染病患者(N＝224)的性别(图2A)和年龄(图2B)的分布；
图3显示参加临床研究的传染病患者的生理系统的分布；
图4显示了参加临床研究的传染病患者的主要临床综合征的分布；
图5显示了参加临床研究的传染病患者的最高体温分布；
图6显示了参加临床研究的传染病患者从症状开始时的时间分布；
图7显示从参加临床研究的传染病患者分离出的病原体；
图8A和8B是显示使用限定的生物标记截止值(图8A)和使用截止独立模型(图8B)的两个变量之间的分离的图；
图9A显示细菌感染(n＝117)、病毒感染(n＝107)和非-传染性对照(n＝29)的患者的CRP血清水平；
图9B显示细菌感染(n＝117)、病毒感染(n＝107)和非-传染性对照(n＝29)的患者的MX1水平(使用流式细胞术测量)；
图9C显示细菌感染(n＝117)、病毒感染(n＝107)和非-传染性对照(n＝29)的患者的MX1水平(使用流式细胞术测量)和CRP血清水平；
图9D显示细菌感染(n＝33)和病毒感染(n＝47)患者的CRP血清水平；
图9E显示细菌感染(n＝33)和病毒感染(n＝47)患者的MX1水平(使用免疫分析法测量)；
图9F显示细菌感染(n＝33)和病毒感染(n＝47)患者的MX1水平(使用免疫分析法测量)和CRP血清水平；
图10是依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11是依据本发明的一些实施方案，适合于分析从受试者获得的生物数据的方法的流程图；
图12A-D是依据本发明的一些实施方案，用于获得一段曲线对象的平滑版本的过程的示意图；
图13是依据本发明的一些实施方案，用于分析生物数据的系统框图的示意图；和
图14A和14B是本发明实施方案中用于分析生物数据的系统框图的示意图，其中系统包括网络接口(图14A)和用户界面(图14B)。
本发明具体实施方案的描述
本发明，在其一些实施方案中，涉及计算机分析，且更特别是(但不限于)生物数据的计算机分析，例如，为了区分细菌感染和非细菌性疾病，和/或区分细菌感染和病毒感染，和/或区分传染病和非传染病的目的。
在详细解释本发明的至少一个实施方案以前，应当理解的是，本发明的应用不一定限于在以下描述中阐述的或通过实施例举例说明的细节。本发明能够以各种方式实施或进行其它实施方案。
不同的传染性病原体具有可被免疫系统识别和靶向的独特的分子模式。病原体相关分子模式(PAMPs)就是这样的分子的例子，这些分子与不同的病原体群相关联，并可能被天然免疫系统的细胞使用Toll-样受体(TLRs)和和其它模式识别受体(例如NOD蛋白)来识别。
这些模式在不同种类的病原体之间可能有很大差异，从而引起不同的免疫反应。例如，TLR-4能识别脂多糖(一种革兰氏阴性菌的成分)以及脂磷壁酸(一种革兰氏阳性菌的成分)，从而促进免疫系统的抗微生物反应。TLR-3能够识别单链RNA(通常指示病毒感染)，从而促进适当的抗病毒反应。通过在不同种类的病原体(例如细菌和病毒)之间进行区分，免疫系统可以加强适当的防御。
正确识别带菌患者是非常重要的，因为这些患者需要抗生素治疗，且在某些情况下需要更积极的管理(住院，额外的诊断测试等)。带菌患者的错误分类增加了发病率和死亡率的概率。临床上的挑战是区分这些患者和有相似症状但不需要抗生素治疗的病毒感染患者。循环宿主-蛋白，例如C-反应蛋白(CRP)，通常被用来支持对感染的诊断。这些生物标记物的血液水平响应于病毒感染而适度地升高，并且高度响应于细菌感染而在某种程度上重叠。此外，某些病毒类型(如腺病毒和流感病毒)可导致CRP水平显著升高，类似于各种细菌感染。
本发明人先前发现了一组新的生物标记物，它们的表达模式与感染类型密切相关-正如国际专利申请WO2011132086、WO2013/117746、WO 2016/024278和WO 2016/092554所记载的那样，其全部通过引用并入本文。
本发明实施方案提供一种方法和系统适合于分析从受试者获得的生物数据。在本发明的一些实施方案中，受试者此前曾接受过抗生素治疗，而在本发明的一些实施方案中，受试者此前未接受过抗生素治疗。
一些实施方案是基于使用多肽特征来诊断细菌感染、病毒感染和非细菌性、非病毒性疾病。本发明实施方案的方法和/或系统确定受试者罹患感染的类型，从而反过来又允许选择适当的治疗方案。本发明的各个实施方案通过以下方式解决当前诊断解决方案的局限性：(i)允许对广泛的病原体进行准确的诊断；(ii)启用快速诊断(在数分钟内)；(iii)对非致病菌和病毒的存在不敏感(从而减少假阳性的问题)；和(iv)消除直接取样病原体的需要，从而能够诊断无法获得的感染。因此，本发明的某些方法允许选择需要抗生素治疗的受试者，并防止对只患有病毒感染或非传染性疾病的受试者进行不必要的抗生素治疗。本发明的某些方法也允许选择对抗病毒治疗有优势的受试者。
在本发明的上下文中，可以使用以下缩写：ANC＝嗜中性细胞绝对计数；ANN＝人工神经网络；AUC＝接收机工作曲线下面积；BP＝百日咳博德特氏菌；CHF＝充血性心力衰竭；CI＝置信区间；CID＝先天性免疫缺陷；CLL＝慢性淋巴细胞白血病；CMV＝巨细胞病毒；CNS＝中枢神经系统；COPD＝慢性阻塞性肺疾病；CP＝肺炎衣原体；CRP＝C-反应蛋白；MX1＝MX发动蛋白-样GTPase 1；CSF＝脑脊液；CV＝差异系数；DOR＝诊断优势比；EBV＝爱泼斯坦-巴尔病毒；eCRF＝电子个案报告表；ED＝急诊科，ELISA＝酶联免疫吸附测定；FDR＝假发现率；FMF＝家族性地中海热；G-CSF＝粒细胞集落刺激因子；GM-CSF＝粒细胞-巨噬细胞集落刺激因子；HBV＝乙型肝炎病毒；HCV＝丙型肝炎病毒；HI＝流感嗜血杆菌；HIV＝人类免疫缺陷病毒；IDE＝传染病专家；IL＝白细胞介素；IRB＝机构审查委员会；IVIG＝静脉内注射免疫球蛋白；KNN＝K-最近邻；LP＝嗜肺军团菌；LR+＝阳性似然比；LR-＝阴性似然比；LRTI＝下呼吸道感染；mAb＝单克隆抗体；MDD＝最小可探测剂量；MDS＝骨髓增生异常综合征；MP＝肺炎支原体；MPD＝骨髓增生性疾病；NPV＝阴性预测值；PCT＝降钙素原；PED＝急诊儿科；PPV＝阳性预测值；QA＝质量保证；RSV＝呼吸道合胞病毒；RV＝鼻病毒；SIRS＝全身炎性综合征；SP＝肺炎链球菌；STARD＝诊断准确度报告标准；SVM＝支持向量机；TNF＝肿瘤坏死因子；URTI＝上呼吸道感染；UTI＝尿道感染；WBC＝白细胞；WS＝Wilcoxon秩和。
在本发明的上下文中，可使用下列统计术语：
“TP”是真阳性，意指准确反映测试活动的阳性测试结果。例如在本发明的上下文中，TP是例如，但不限于，真正将细菌感染这样分类。
“TN”是真阴性，意指准确地反映测试活动的阴性测试结果。例如在本发明的上下文中，TN是例如，但不限于，真正将病毒感染这样分类。
“FN”为假阴性，意指出现阴性但未能揭示情况的结果。例如在本发明的上下文中，FN是例如，但不限于，错误地将细菌感染归类为病毒感染。
“FP”为假阳性，意指错误分类为阳性类别的测试结果。例如，在本发明的上下文中，FP是例如，但不限于，错误地将病毒感染归类为细菌感染。
“灵敏性”用TP/(TP+FN)或疾病受试者的真阳性部分来计算。
“特异性”通过TN/(TN+FP)或非疾病或正常受试者的真阴性部分来计算。
"总准确度"通过(TN+TP)/(TN+FP+TP+FN)计算。
“阳性预测值”或“PPV”用TP/(TP+FP)或所有阳性测试结果的真阳性部分计算。它本身就会受到疾病患病率和拟接受测试的人群的预测试概率的影响。
“阴性预测值”或“NPV”用TN/(TN+FN)或所有阴性测试结果的真阴性部分计算。它本身也会受到疾病患病率和拟接受测试的人群的预测试概率的影响。见例如，O’MarcaighAS,JacobsonRM,“Estimating The Predictive Value Of A Diagnostic Test,How ToPrevent Misleading Or Confusing Results”,Clin.Ped.1993,32(8):485-491，其中讨论了试验的特异性、灵敏性、阳性和阴性预测值，例如临床诊断试验。
"MCC"(马修斯相关系数(Mathews Correlation coefficient))如下计算：MCC＝(TP*TN–FP*FN)/{(TP+FN)*(TP+FP)*(TN+FP)*(TN+FN)}^0.5
其中TP、FP、TN、FN分别为真阳性、假阳性、真阴性和假阴性。注意，MCC值介于-1至+1之间，分别表示完全错误和完美分类。MCC为0表示随机分类。MCC已被表明是一种将灵敏性和特异性结合为单一指标的有用方法(Baldi,Brunak et al.2000)。在分组规模不平衡的情况下，它对测量和优化分类准确度也是有用的(Baldi,Brunak et al.2000)。
“准确度”是指测量或计算的数量(测试报告值)与其实际(或真实)值相符的程度。临床准确度与真实结果(真阳性(TP)或真阴性(TN)相对于错误分类结果(假阳性(FP)或假阴性(FN)的比例有关，并且可以称为敏感性、特异性、阳性预测值(PPV)或阴性预测值(NPV)、马修斯相关系数(Mathews Correlation coefficient)(MCC)，或称为可能性、比值、接收机工作特征(ROC)曲线、曲线下面积(AUC)及其它测量。
“分析准确度”是指测量过程本身的重复性和可预见性，并且可在这样的测量中概括为变异系数(CV)、Pearson相关性以及同一样品或对照与不同时间、用户、设备和/或试剂的一致性和校准测试。在评估新的生物标记物时，这些和其它方面的考虑也在Vasan,2006中作了总结。
“性能”是涉及诊断或预后测试的总体用途和质量的术语，除其它外，包括临床和分析准确度、其它分析和过程特性，例如使用特性(例如稳定性、易用性)、健康经济价值以及测试的组分的相对成本。这些因素中的任何一个都可能是优越性能的来源，因而也是测试的有用性，并且可以通过适当的“性能度量”，例如AUC和MCC、结果时间、货架寿命等，视情况而定。
所谓“统计显著性”，是指这种变化大于可能期望仅仅是偶然发生的(这可能是“假阳性”)。统计意义可以通过本领域已知的任何方法来确定。常用的显著性度量包括p-值，它表示获得结果的概率至少与给定的数据点一样极端，假设数据点仅仅是偶然的结果。当p-值小于或等于0.05时，结果通常被认为是高度显著的。
如上文所述，本发明的性能及其绝对和相对的临床用途可通过多种方式进行评估。在各种性能评估中，本发明的一些实施方案旨在提供临床诊断和预后的准确度。诊断性或预后性测试、分析或方法的准确度关系到检测、分析或方法区分患有感染的受试者的能力，这取决于受试者是否在决定因素的水平上有“显著性变化”(例如，临床意义和诊断意义)。所谓“有效量”，是指对适当数量的决定因素(其可以是一个或多个)进行测量，以产生不同于所述决定因素的预定截止点(或阈值)的“显著性变化”(例如决定因素的表达水平或活动水平)，从而指示受试者患有决定因素为指示的感染。决定因素水平的差异最好在统计上是显著性。如下所述，并且在没有本发明的任何限制的情况下，实现统计学意义，因此优选的分析、诊断和临床准确度可能需要几个决定因素的组合在面板中一起使用，并与数学算法结合，以获得统计上显著的决定因素指数。
在疾病状态的分类诊断中，改变检测(或化验)的临界点或阈值通常会改变灵敏性和特异性，但在定性上是相反的关系。因此，在评估所提议的医学测试、化验或评估受试者病情的方法的准确度和有用性时，人们应该任选地和优选地同时考虑灵敏性和特异性，并注意报告灵敏度和特异性的切割点是什么，因为灵敏性和特异性可能因切割点的范围而有很大差异。实现这一点的一种方法是使用Matthews相关系数(MCC)度量，其取决于灵敏度和特异性两者。在使用本发明的某些方面时，使用包含所有潜在切点值的统计数据例如ROC曲线下面积(AUC)对于分类风险度量是首选的，而对于连续风险度量，则优选对观测结果或其它黄金标准进行拟合优度(goodness-of-fit)和校准的统计数据。
根据预先确定的可预见性水平，这意味着该方法提供了一个可接受的临床或诊断准确度水平。使用这样的统计数据，“可接受的诊断准确度程度”在这里被定义为一种测试或分析(例如在本发明的某些方面用于确定决定因素的临床显著性的测试，从而表明存在某种感染类型)，其中AUC(用于测试或分析的ROC曲线下的面积)是至少0.60，期望至少0.65，更期望至少0.70，优选至少0.75，更优选至少0.80，和最优选至少0.85。
所谓“非常高度的诊断准确度”，指的是测试或分析，其中AUC(用于测试或分析的ROC曲线下的面积)是至少0.75、0.80，期望至少0.85，更期望至少0.875，优选地至少0.90，更优选地至少0.925，和最优选至少0.95。
或者，这些方法预测是否存在感染或对治疗的反应至少有75％的总准确度，更优选80％、85％、90％、95％、97％、98％、99％或更高的总准确度。
或者，所述方法预测细菌感染的存在或对治疗的反应具有至少75％的灵敏度，更优选80％、85％、90％、95％、97％、98％、99％或更高的灵敏度。
或者，所述方法预测病毒感染的存在或对病毒疗法的反应具有至少75％的特异性，更优选80％、85％、90％、95％、97％、98％、99％或更高的特异性。
或者，所述方法排除存在细菌感染或判定病毒感染，具有至少75％的NPV，更优选80％、85％、90％、95％、97％、98％、99％或更高的NPV。或者，所述方法判定存在细菌感染或排除病毒感染，具有至少75％的PPV，更优选80％、85％、90％、95％、97％、98％、99％或更高的PPV。
或者，所述方法预测病毒感染的存在或对疗法的反应具有至少75％的特异性，更优选80％、85％、90％、95％、97％、98％、99％或更高的特异性。或者，这些方法预测是否存在感染或对治疗的反应至少有大于0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9或1.0的MCC。
本文所描述的任何一种方法都可以多种形式体现出来。例如，它可以体现在有形介质上，如用于执行方法操作的计算机。它可以体现在计算机可读介质上，包括用于执行方法操作的计算机可读指令。它还可以体现在具有数字计算机功能的电子设备上，这些功能被安排用于在有形介质上运行计算机程序或在计算机可读介质上执行指令。
实施本发明实施方案的方法的计算机程序通常可以在分发介质(例如，但不限于CD-ROMs或或快闪存储器介质)上分发给用户。从分发介质中，计算机程序可以复制到硬盘或类似的中间存储介质中。在本发明的一些实施方案中，实施本发明实施方案的方法的计算机程序可以通过允许用户通过通信网络(如互联网(internet))从远程位置下载程序，从而分发给用户。计算机程序可以通过将计算机指令从其分布介质或其中间存储介质加载到计算机的执行存储器中来运行，并配置计算机以按照本发明实施方案的方法工作。所有这些操作对于计算机系统领域的技术人员来说都是众所周知的。
本发明实施方案的方法的计算操作可以由远离受试者，或受试者附近的计算机执行。当计算机远离受试者时，它可以通过网络(如电话网或Internet)接收数据。为此，可以使用本地计算机将数据传输到远程计算机。这种配置允许在受试者位于不同的位置(例如在家里)时执行分析，并且还允许在多个不同的位置对多个受试者同时执行分析。
该方法的计算操作也可以由云计算设备的云计算资源执行。云计算资源可以包括计算服务器，也可以任选地包括存储服务器，并且可以由本领域所知的云计算客户端操作。
依据一些实施方案的方法和/或系统可用来“判定”细菌感染。或者，所述方法和/或系统可用排除非-细菌感染。依据一些实施方案的方法和/或系统可用来“排除”细菌感染和“判定”非-细菌疾病。
依据一些实施方案的方法和/或系统可用来“判定”病毒感染。或者，方法和/或系统可用来排除非-病毒感染。
依据一些实施方案的方法和/或系统可用来“排除”病毒感染和“判定”非-病毒性疾病。
依据一些实施方案的方法和/或系统可用来“判定”传染性疾病。或者，方法和/或系统可用来排除非-传染性疾病。依据一些实施方案的方法和/或系统可用来“排除”传染性疾病和“判定”非-传染性疾病。
依据一些实施方案的方法和/或系统可用来“判定”一种定义为细菌感染和病毒感染的组合的同时感染。或者，方法和/或系统可用来排除这样的同时感染。依据一些实施方案的方法和/或系统可用来“排除”病毒性传染病和“判定”一种混合型传染病。
依据一个具体的实施方案，本发明的这个方面的方法被用来鉴别全身炎症反应综合征(SIRS)患者的感染(例如细菌感染)。
因此，它可以区分脓毒症患者和非传染性SIRS患者，这进而允许选择合适的治疗方案。
SIRS是一种与全身炎症、器官功能障碍和器官衰竭有关的严重病症。它被定义为以下两个或更多的变量：发热大于38℃(100.4°F)或小于36℃(96.8°F)；心率超过90次每分钟；呼吸速度超过20次每分钟或动脉二氧化碳张力(PaCO2)小于32mmHg；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，且可由局部缺血、炎症、创伤、感染或几种损害合并引起。因此，SIRS并不总是与感染有关。
脓毒症是一种威胁生命的疾病，其由对感染的炎症反应引起。在疾病从初期阶段迅速发展到更严重的阶段之前，早期诊断脓毒症对于临床干预是至关重要的，例如严重的脓毒症或脓毒性休克，这些都与高死亡率有关。目前的诊断在它们区分非感染性SIRS和脓毒症的能力上受到限制。因此，需要新的生物标志物或生物标志物的组合，其能够为脓毒症的准确和及时诊断提供附加价值。
根据这一点，被测受试者已被诊断为患有SIRS。所执行的方法被用来确定SIRS是感染性的(即脓毒症)还是非感染性的。
在另一个实施方案中，脓毒症是在怀疑患有感染的受试者中诊断出来的，并且其符合以下三项标准中的每一项：
呼吸速度大于或等于22/min；
改变性沉着(例如格拉斯哥昏迷评分(Glasgow coma score)小于15)；
收缩压低于或等于100mmHg。
其它诊断脓毒症的标准在Singer et al.2016,315(8):801-810JAMA中被公开。
因此，依据本发明的另一个方面，提供一种在疑似患有感染的受试者中判定脓毒症的方法，该方法包括：
(a)在采自受试者的样品中测量MX发动蛋白-样GTPase 1(MX1)的表达水平和C-反应蛋白(CRP)的表达水平；
(b)计算曲线段与由方向限定的轴之间的距离，所述距离在沿所述方向的坐标δ所限定的所述曲线上某一点处来计算；和
(c)使所述距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关；
其中所述段的至少90％在下界线f(δ)-ε0和上界线f(δ)+ε1之间，其中所述f(δ)等于1/(1+exp(-δ))，其中所述坐标δ，一旦计算，等于a0+a1X+a2ZMX1，其中所述X是所述CRP的值(μg/ml)，和所述ZMX1是所述MX1相对于先前被诊断为患有细菌感染的一组受试者的z-分数，其中所述ε0和所述ε1的每一个是小于0.5，和其中a0是从约-2.4至约-1.9，a1是从约0.04至约0.05，和a2是从约-0.39至约-0.43。
(d)测量受试者的呼吸速率；
(e)分析受试者的精神状态；和
(f)测量受试者的血压；
其中当步骤(c)是细菌感染的指示和步骤(d)-(f)是脓毒症的指示时，则判定为脓毒症。
应该意识到，步骤(d)、(e)和(f)可作为确定受试者的SOFA评分(最初是脓毒症相关器官衰竭评估；VincentJ.L et al Intensive Care Med.1996；22(7):707-710)的一部分来进行。
在一个实施方案中，执行步骤(a)-(c)，以确定受试者是否患有感染(例如细菌感染)。只有当受试者患有确认的感染时，才执行步骤(d)、(e)和(f)以确认脓毒症。
在另一个实施方案中，受试者有疑似感染，执行步骤(d)-(f)以判定脓毒症(或者如果受试者具有2以上的SOFA评分)；和执行步骤(a-c)以证实诊断。
在又一个实施方案中，所述方法被用来区分受试者中的慢性阻塞性肺疾病(COPD)的感染加重状态(如由于细菌感染)和非感染加重状态。
慢性阻塞性肺病(COPD)是一种以长期气流不畅为特征的阻塞性炎症性肺病。主要症状包括气促和咳嗽，伴有痰液产生。COPD是一种进行性疾病，随着时间的推移而恶化。
COPD的恶化可被定义为疾病自然过程中的事件，其特征是患者的基线呼吸困难、咳嗽和/或痰的变化超出了日常变化的正常范围。恶化通常是急性的。它可能表现为呼吸功能增加，例如呼吸加快，心率加快，出汗，颈部肌肉的活跃使用，皮肤呈蓝色，和困惑或在非常严重的加重期间的好斗行为。在用听诊器进行检查时，在肺部也可以听到爆裂声。
CRP-MX1分类器在出现各种临床症状的患者的细菌和病毒感染之间的区分中被证明是准确的(见下面的实施例1)。因此，本发明，在其一些实施方案中，是基于在有特定临床综合征的患者中对与细菌、病毒或同时感染相关的特征和决定因素的识别。在一个实施方案中，本发明是基于在表现为下呼吸道感染(LRTI)的患者中对与细菌、病毒或同时感染相关的特征和决定因素的识别。在另一个实施方案中，本发明是基于在表现为上呼吸道感染(URTI)的患者中对与细菌、病毒或同时感染相关的特征和决定因素的识别。在另一个实施方案中，本发明是基于在患有严重细菌感染(SBI)的患者中对与细菌、病毒或同时感染相关的特征和决定因素的识别。在另一个实施方案中，本发明是基于在有不明原因的发热患者中对与细菌、病毒或同时感染相关的特征和决定因素的识别。
通过方法和/或系统分析的生物数据任选地和优选地含有多个多肽在受试者血液中的表达值。表达值通常存储在计算机可读介质中的内存位置，数据处理器从该存储位置读取数据并执行如下进一步详细说明的分析。生物数据可任选地包括附加信息，包括而不限于，初步诊断、观察到的临床综合征、疑似病原体、受试者的年龄、受试者的性别、受试者的种族等。附加信息可以存储在同一或不同计算机-可读介质内的另一个存储器位置，数据处理器可以从该存储器位置读取附加信息或其一部分，并可任选地根据这些信息执行分析。分析结果可以存储在同一或不同计算机-可读介质中的另一个内存位置，从该介质中可以任选地和优选地以文本或图形输出的形式传送到远程或本地显示器。
在一些实施方案中，生物数据仅包括2个决定因素的表达值，在一些实施例中，生物数据包括至少3个决定因素的表达值，在一些实施方案中，生物数据仅包括3个决定因素的表达值，在一些实施例中，生物数据包括至少4个决定因素的表达值，在一些实施方案中，生物数据仅包括4个决定因素的表达值，在一些实施方案中，生物数据包括包括至少5个决定因素的表达值，和在一些实施方案中，生物数据仅包括5个决定因素的表达值。
应该意识到，本发明这一方面的决定因素可能涉及多肽决定因素和/或RNA决定因素。
依据本发明的这个方面的方法，测量了至少两个决定因素–MX1和CRP。
本发明人考虑测量许多额外决定因素的表达。代表性实例包括，但不限于IP-10、TRAIL、IL1ra、PCT、NGAL和SAA。在一些实施方案中，其它决定因素至少包括TRAIL和IP-10。
应该意识到，本文提出的决定因素名称是通过示例给出的。许多可选的名称、别名、修饰、同工型和变化对本领域的技术人员来说是显而易见的。因此，它意欲包括所有可供选择的蛋白质名称、别名、修饰异构体和变异。
基因产品，根据国际人类基因组组织命名委员会(international Human GenomeOrganization Naming Committee)(HGNC)指定的官方字母缩写或基因符号进行标识，并在本文件提交之日在美国国家生物技术信息中心(US National Center for BiotechnologyInformation)(NCBI)网站上列出，该网站也称为Entrez Gene。
关于可与MX1和CRP相结合测量的决定因素的进一步信息在下文表1中列出。
表1
人TRAIL的示例性cDNA序列在SEQ ID NOs:1-3中列出。
人TRAIL的示例性氨基酸序列在SEQ ID NOs:4-8和37和38中列出。
人IP10的示例性cDNA序列在SEQ ID NOs:9-12中列出。
人IP10的示例性氨基酸序列在SEQ ID NO:13中列出。
人CRP的示例性cDNA序列在SEQ ID NOs:14-16中列出。
人CRP的示例性氨基酸序列在SEQ ID NO:17中列出。
人IL1RA的示例性cDNA序列在SEQ ID NOs:18,19和20中列出。
人IL1RA的示例性氨基酸序列在SEQ ID NOs:21-24中列出。
人PCT的示例性cDNA序列在SEQ ID NOs:31-32中列出。
人PCT的示例性氨基酸序列在SEQ ID NOs:33-36中列出。
人SAA的示例性cDNA序列在SEQ ID NOs:25-27中列出。
人MX1的示例性氨基酸序列在SEQ ID NO:28-30和39中列出。
人MX1的示例性cDNA序列在SEQ ID NO:40中列出。其它示例性cDNA序列在RefSeqNos NM_001144925.2，NM_001178046.2，NM_001282920.1,NM_002462.4,XM_005260978.3,XM_005260979.1,XM_005260980.1,XM_005260981.1,XM_005260982.1,XM_011529568.1,XM_011529569.1和XM_011529570.1中列出。
人MX2的示例性氨基酸序列在SEQ ID NO:41中列出。
人MX2的示例性cDNA序列在SEQ ID NO:42中列出。
其它示例性cDNA序列在RefSeq Nos.NM_002463.1,XM_005260983.3,XM_005260984.1,XM_011529571.1,XM_011529572.1,XM_011529573.1和XM_011529574.1中列出。
应该意识到，由于患者与患者之间的DNA变异可能会产生SNPs，其可导致蛋白的氨基酸序列的差异，本发明人还设想了与本文上面提供的序列具有至少90％、95％或99％同源性的氨基酸序列的蛋白。
可测量的决定因素的特定组合包括以下：
MX1+NGAL；MX1+PCT,MX1+CRP+TRAIL；MX1+CRP+PCT；MX1+CRP+IL-6；MX1+CRP+IP-10；MX1+CRP+NGAL；MX1+CRP+新蝶呤；MX1+CRP+MMP8；MX1+CRP+TRAIL+PCT；MX1+CRP+TRAIL+IL-6；MX1+CRP+TRAIL+IP-10；MX1+CRP+TRAIL+NGAL；MX1+CRP+TRAIL+新蝶呤；MX1+CRP+TRAIL+MMP8；MX1+CRP+PCT+IL-6；MX1+CRP+PCT+IP-10；MX1+CRP+PCT+NGAL；MX1+CRP+PCT+新蝶呤；MX1+CRP+PCT+MMP8；MX1+CRP+IP-10+IL-6；MX1+CRP+IP-10+NGAL；MX1+CRP+IP-10+新蝶呤；MX1+CRP+IP-10+MMP8；MX1+CRP+IL-6+NGAL；MX1+CRP+IL-6+新蝶呤；MX1+CRP+IL-6+MMP8；MX1+CRP+NGAL+新蝶呤；MX1+CRP+NGAL+MMP8；MX1+CRP+新蝶呤+MMP8；MX1+CRP+TRAIL+PCT+IP-10；MX1+CRP+TRAIL+PCT+IL-6；MX1+CRP+TRAIL+PCT+NGAL；MX1+CRP+TRAIL+PCT+新蝶呤；MX1+CRP+TRAIL+PCT+MMP8；MX1+CRP+TRAIL+IP-10+IL-6；MX1+CRP+TRAIL+IP-10+NGAL；MX1+CRP+TRAIL+IP-10+新蝶呤；MX1+CRP+TRAIL+IP-10+MMP8；MX1+CRP+TRAIL+IL-6+NGAL；MX1+CRP+TRAIL+IL-6+新蝶呤；MX1+CRP+TRAIL+IL-6+MMP8；MX1+CRP+TRAIL+NGAL+新蝶呤；MX1+CRP+TRAIL+NGAL+MMP8；MX1+CRP+TRAIL+新蝶呤+MMP8；MX1+CRP+PCT+IP-10+IL-6；MX1+CRP+PCT+IP-10+NGAL；MX1+CRP+PCT+IP-10+新蝶呤；MX1+CRP+PCT+IP-10+MMP8；MX1+CRP+PCT+IL-6+NGAL；MX1+CRP+PCT+IL-6+新蝶呤；MX1+CRP+PCT+IL-6+MMP8；MX1+CRP+PCT+NGAL+新蝶呤；MX1+CRP+PCT+NGAL+MMP8；MX1+CRP+PCT+新蝶呤+MMP8；MX1+CRP+IP-10+IL-6+NGAL；MX1+CRP+IP-10+IL-6+新蝶呤；MX1+CRP+IP-10+IL-6+MMP8；MX1+CRP+IP-10+NGAL+新蝶呤；MX1+CRP+IP-10+NGAL+MMP8；MX1+CRP+IP-10+新蝶呤+MMP8；MX1+CRP+IL-6+NGAL+新蝶呤；MX1+CRP+IL-6+NGAL+MMP8；MX1+CRP+IL-6+新蝶呤+MMP8；MX1+CRP+NGAL+新蝶呤+MMP8。
本发明的上下文中的“样品”是从受试者分离的生物样品并可包括，示例而不受限制，全血、血清、血浆、唾液、粘液、呼吸、尿液、CSF、痰、汗液、大便、毛发、精液、活组织检查、鼻溢液、组织活检、细胞学样品、血小板、网织红细胞、白细胞、上皮细胞或全血细胞。
在一个具体的实施方案中，样品是血液样品-例如血清或含血细胞的样品。在一个具体的实施方案中，样品已经耗尽了红细胞。
依据本发明的这个方面，样品采自受试者症状发生后不超过72小时、不超过60小时、不超过48小时、不超过36小时、不超过24小时或甚至不超过12小时。
样品既可以是新鲜的，也可以是冷冻的。
优选地，决定因素(例如多肽)的水平在样品获得后约24小时内测量。或者，决定因素的浓度是在一个样本中测量的，该样本存储在12℃或更低的温度下，当样品在取样后不到24小时开始储存时。
应该意识到，为了测量多肽的决定因素，准备了一个蛋白样品。
为了测量RNA，可准备一个RNA样品。样品可包含来自不同细胞群的RNA，也可包含来自单个细胞群体的RNA。RNA可包含总RNA、mRNA、线粒体RNA、叶绿体RNA、DNA-RNA杂种、病毒性RNA、细胞游离RNA，及其混合物。在一个实施方案中，RNA样品不含DNA。
RNA的分离、提取或衍生可以通过任何合适的方法进行。从生物样品分离RNA一般包括以这样一种方式对生物样本进行处理，即使得样品中存在的RNA被提取并可供分析。任何导致提取的RNA的分离方法都可以用于本发明的实践。应该理解，用来提取RNA的特定方法将取决于来源的性质。
在本发明的一些实施方案中，生物数据以受试者-特定的数据集的形式提供，如本文进一步详述的。
本文所用的术语“受试者”优选地为哺乳动物例如人。可依据本发明的这个方面诊断的其它示例性哺乳动物包括狗、猫、马，牛，绵羊，猪和山羊。根据另一个实施方案，受试者是鸟(如鸡、火鸡、鸭或鹅)。受试者可以是雄性或雌性。
受试者可以是成人(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和21岁之间)、婴儿(29天至小于2岁的年龄)或新生儿(出生至生命的头28天)。
受试者可以是先前已被诊断或鉴定为患有感染的人，和任选地是已经或正在接受对感染的治疗干预的人。或者，受试者也可以是以前没有被诊断为患有感染的人。例如，受试者可以是表现出感染的一或多种症状的人。受试者也可能患有感染但没有显示出感染症状。
受试者可存在的示例性症状包括但不限于发热、呕吐、头痛、喉咙痛、流鼻涕、皮疹和/或肌肉酸痛。
依据一个具体的实施方案，受试者未显示出心脏病发作的迹象(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ECG或EKG)。
本发明的这个方面的受试者可能存在多种病原体，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、肠腺病毒、诺如病毒GI和G II、博卡病毒1/2/3/4、肠道病毒、CMV病毒、EBV病毒、A群链球菌，或大肠杆菌。
受试者(例如儿童)可表现出一种特殊的临床综合征–例如，下呼吸道感染(LRTI)感染、上呼吸道感染(URTI)、不明原因的发热(FWS)，或严重细菌感染(SBI)例如UTI(尿道感染)、脓毒性休克、菌血症、肺炎或脑膜炎。
其疾病依据本发明的一些实施方案诊断的受试者在下文被称为“试验受试者”。本发明人已经收集了有关多个受试者的多肽表达模式的知识，以及已经诊断出其疾病的多个受试者的知识，并在收集到的知识的基础上设计了本发明实施方案的分析技术。这样的多个受试者在以下称为“预诊断受试者”或“其它受试者”。
如本文所用的，短语“细菌感染”指受试者被细菌感染的病症。感染可以是有症状的或无症状的。在本发明的上下文中，细菌感染也可包括病毒成分(即由细菌和病毒二者共同造成的同时感染)。
细菌感染可以是急性的，也可以是慢性的。
急性感染的特征是发病迅速，症状持续时间相对较短，并在几天内痊愈。慢性感染是一种发展缓慢、持续时间长的感染。急性和慢性感染之间的一个不同之处在于，在急性感染期间，免疫系统经常产生抗传染性因子的IgM+抗体，而感染的慢性阶段通常以IgM-/IgG+抗体为特征。此外，急性感染可引起免疫介导的坏死过程，而慢性感染则常引起炎症介导的纤维化过程和瘢痕形成。因此，急性和慢性感染可能引发不同的潜在免疫机制。
细菌感染可能是革兰氏阳性、革兰氏阴性细菌或非典型细菌的结果。
如本文所用的术语"革兰氏阳性细菌"指以具有作为细胞壁结构一部分的肽聚糖以及多糖和/或磷壁酸(teichoic acids)为特征的细菌，且其特征是在革兰氏染色过程中的其蓝紫色反应。代表性革兰氏阳性细菌包括：放线菌属(Actinomyces spp.)、炭疽芽孢杆菌(Bacillus anthracis)、双歧杆菌属(Bifidobacterium spp.)、肉毒杆菌(Clostridiumbotulinum)、产气荚膜梭菌(Clostridiumperfringens)、梭状芽孢杆菌属(Clostridium spp.)、破伤风梭菌(Clostridiumtetani)、白喉棒状杆菌(Corynebacteriumdiphtheriae)、杰氏棒状杆菌(Corynebacteriumjeikeium)、粪肠球菌(Enterococcusfaecalis)、屎肠球菌(Enterococcus faecium)、猪红斑丹毒丝菌(Erysipelothrixrhusiopathiae)、真杆菌属(Eubacterium spp.)、阴道加德纳菌(Gardnerellavaginalis)、麻疹孪生球菌(Gemella morbillorum)、明串珠菌属(Leuconostoc spp.)、脓口分枝杆菌(Mycobacterium abcessus)、鸟分枝杆菌复合体(Mycobacterium aviumcomplex)、龟分枝杆菌(Mycobacterium chelonae)、偶发分枝杆菌(Mycobacteriumfortuitum),血友病分枝杆菌(Mycobacterium haemophilium)、堪萨斯分枝杆菌(Mycobacterium kansasii)、麻风分枝杆菌(Mycobacterium leprae)、海洋分枝杆菌(Mycobacterium marinum)、瘰疬分枝杆菌(Mycobacterium scrofulaceum)、包皮垢分支杆菌(Mycobacterium smegmatis)、地分枝杆菌(Mycobacteriumterrae)、结核分枝杆菌(Mycobacterium tuberculosis)、溃疡分枝杆菌(Mycobacterium ulcerans)、奴卡菌属(Nocardia spp.)、黑色消化球菌(Peptococcus niger)、消化链球菌属(Peptostreptococcus spp.)、丙酸杆菌属(Proprionibacterium spp.)、金黄色葡萄球菌(Staphylococcus aureus)、耳葡萄球菌(Staphylococcus auricularis)、头葡萄球菌(Staphylococcus capitis)、科氏葡萄球菌(Staphylococcus cohnii)、表皮葡萄球菌(Staphylococcus epidermidis)、溶血葡萄球菌(Staphylococcus haemolyticus)、金黄色葡萄球菌、酵母菌溶血性葡萄球菌(Staphylococcus hominis)、鲁氏葡萄球菌(Staphylococcus lugdanensis)、溶糖葡萄球菌(Staphylococcus saccharolyticus)、腐生葡萄球菌(Staphylococcus saprophyticus)、施氏葡萄球菌(Staphylococcusschleiferi)、相似葡萄球菌(Staphylococcus similans)、瓦氏葡萄球菌(Staphylococcuswarneri)、木糖葡萄球菌(Staphylococcus xylosus)、无乳链球菌(Streptococcusagalactiae)(B群链球菌)、咽峡炎链球菌(Streptococcus anginosus)、牛链球菌(Streptococcus bovis)、犬链球菌(Streptococcus canis)、马链球菌(Streptococcusequi)、米氏链球菌(Streptococcus milleri)、缓和链球菌(Streptococcus mitior)、变形链球菌(Streptococcus mutans)、肺炎链球菌(Streptococcus pneumoniae)、酿脓链球菌(Streptococcus pyogenes)(A群链球菌)、唾液链球菌(Streptococcus salivarius)、血链球菌(Streptococcus sanguis)。
如本文所用的术语"革兰氏阴性菌"指以每个细菌细胞周围存在一个双层膜为特征的细菌。
代表性革兰氏阴性菌包括醋酸钙不动杆菌(Acinetobacter calcoaceticus)、伴放线放线杆菌(Actinobacillus actinomycetemcomitans)、嗜水气单胞菌(Aeromonashydrophila)、木糖氧化产碱菌(Alcaligenes xylosoxidans)、类杆菌属(Bacteroides)、脆弱类杆菌(Bacteroides fragilis)、杆菌状巴尔通氏体(Bartonella bacilliformis)、博德特菌属(Bordetella spp.)、伯氏疏螺旋体(Borrelia burgdorferi)、卡他布兰汉菌(Branhamella catarrhalis)、布鲁氏菌属(Brucella spp.)、弯曲菌属(Campylobacterspp.)、肺炎衣原体(Chalmydia pneumoniae)、鹦鹉热衣原体(Chlamydiapsittaci)、沙眼衣原体(Chlamydia trachomatis)、紫色色杆菌(Chromobacterium violaceum)、柠檬酸杆菌属(Citrobacter spp.)、啮蚀艾肯氏菌(Eikenella corrodens)、产气肠杆菌(Enterobacter aerogenes)、大肠杆菌、脑膜脓毒性黄杆菌(Flavobacteriummeningosepticum)、镰刀菌属(Fusobacterium spp.)、流感嗜血杆菌(Haemophilus influenzae)、嗜血杆菌属(Haemophilus spp.)、幽门螺杆菌(Helicobacterpylori)、克雷伯氏菌(Klebsiella spp.)、军团菌属(Legionella spp.)、钩端螺旋体属(Leptospira spp.)、卡他莫拉菌属(Moraxella catarrhalis)、摩氏摩根氏菌(Morganellamorganii)、肺炎支原体(Mycoplasma pneumoniae)、淋病奈瑟氏菌(Neisseriagonorrhoeae)、脑膜炎奈瑟氏菌(Neisseria meningitidis)、多杀巴氏杆菌(Pasteurellamultocida)、类志贺氏毗邻单胞菌(Plesiomonas shigelloides)、普雷沃菌属(Prevotellaspp.)、变形杆菌属(Proteus spp.)、雷氏普罗威登斯菌(Providencia rettgeri)、绿脓假单胞菌(Pseudomonas aeruginosa)、假单胞菌属(Pseudomonas spp.)、沙雷氏菌普氏立克次氏体(Rickettsia prowazekii)、立克氏立克次氏体(Rickettsia rickettsii)、罗莎利马体属(Rochalimaea spp.)、沙门氏菌属(Salmonella spp.)、伤寒沙门氏菌(Salmonellatyphi)、粘质沙雷氏菌(Serratia marcescens)、志贺氏菌属(Shigella spp.)、品他病密螺旋体(Treponema carateum)、苍白密螺旋体(Treponemapallidum)、地方性梅毒螺旋体(Treponema pallidum endemicum)、细弱密螺旋体(Treponemapertenue)、韦荣球菌属(Veillonella spp.)、霍乱弧菌(Vibrio cholerae)、创伤弧菌(Vibrio vulnificus)、小肠结肠炎耶尔森氏菌(Yersinia enterocolitica)和鼠疫耶尔森氏菌(Yersiniapestis)。
术语"非典型细菌"是指不归属于经典的“革兰氏”菌类之一的细菌。它们通常是细胞内的细菌病原体。它们包括但不限于支原体属(Mycoplasmas spp.)、军团菌属(Legionella spp.)、立克次体属(Rickettsiae spp.)和衣原体属(Chlamydiae spp.)。
如本文所用的术语“非-细菌疾病”指不是由感染细菌引起的任何疾病或病症。
本发明的一些实施方案通过使用表达水平计算似然函数的值来分析生物数据(当用从受试者获得的表达水平计算的似然函数的值介于下界SLB和上界SUB之间时，其中下界和上界的每一个都是使用表达水平的组合(例如线性组合)计算的，似然函数的值可被用来提供与罹患感染的受试者有关的信息。
下界SLB和上界SUB在几何上可以看作是两个弯曲的对象，和表达水平的组合δ在几何上可以看作是非弯曲的对象，如在图10中示例说明的。在这个几何表示中，似然函数的值由非弯曲对象π和弯曲的对象S之间的距离d表示，其中弯曲的对象S的至少一段SROI位于下界SLB和上界SUB之间。
一般来说，弯曲的对象S、SLB和SUB的每一个在n维上都是流形的(manifold)，其中n是一个正整数，和非-弯曲的对象π是在n+1维空间中的一个超平面。
在n+1维中，n-维流形和超平面的概念为几何学领域的那些技术人员所熟知。例如，当n＝1时，第一个弯曲的对象是一条曲线，和非-弯曲的对象π是2维中的一个超平面，即一条定义轴的直线。当n＝2时，第一个弯曲的对象是一个曲面，和非-弯曲的对象π是3维中的一个超平面，即一个扁平面，以下称为“一个平面”。
在最简单的情况下，S、SLB和SUB的每一个是一条曲线，π是由方向限定的直线轴。
因此，本方面实施方案通过计算弯曲的和非-弯曲的几何形体之间的距离提供关于感染的信息。
图11是一种依据本发明的各个示例性实施方案，适合于分析从受试者获得的生物数据的方法的流程图。应该理解，除非另外限定，下面描述的操作可以同时执行，也可以按许多组合或执行顺序依次执行。特别地，流程图的顺序不应被视为限制。例如，两个或多个以特定顺序出现在下列描述或流程图中的操作，可以不同的顺序(例如，反向顺序)或基本上同时执行。此外，下面描述的几个操作是可选的，且可能不会执行。
该方法从10开始，且任选地和优选地是连续到11，在该处获得生物数据，例如，包含受试者血液中的两个或两个以上决定因素的表达值。在本发明的一些实施方案中，生物数据至少包括MX1的表达值和CRP的表达值，而在本发明的一些实施方案中，生物数据至少包括MX2的表达值和CRP的表达值。其它类型的决定因素也被认为是在此公开的。
该方法任选地和优选地继续到12，在该处获得与受试者相关的背景数据和/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经历的综合征，在本发明的一些实施方案中，临床数据包括一种存在于受试者中的可疑的病原体。
该方法继续到13，在该处计算出弯曲的对象S的一段(例如一条曲线)和非-弯曲的对象π(例如，由方向限定的轴)之间的距离d。在沿该方向的坐标δ所定义的曲线S上某一点P(δ)上计算距离。该方向在这里用相同的希腊字母作为坐标来表示，但这个方向用带下划线的希腊字母来表示，以表示这些是向量，因此，当坐标被表示为δ时，方向被表示为δ。
测量从S到点P垂直于π的距离d。S的段SROI在非弯曲的对象π中定义的感兴趣区域πROI之上。例如，当π是轴时，πROI是沿着轴的线段。因此，πROI是SROI在π上的投影。对于n＝1，SROI优选地是(曲线)S的曲线段。
坐标δ任选地和优选地由决定因素的表达值的组合定义。例如，δ可以是根据以下方程式的决定因素的组合：
δ＝α0+α1D1+α2D2+...+φ
其中α0、α1、...是常数和预定系数，其中变量D1、D2、...的每一个是决定因素之一的表达水平，且其中φ是一个与至少一个表达水平有关的非线性函数。
函数φ是任选的，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是决定因素的线性组合。
非线性函数φ可任选地和优选地表示为例如，根据以下方程的表达水平的幂之和：
φ＝ΣiqiγiXi γi
其中i是求和指数，qi和ri是一组系数，Xi∈{D1、D2、...}，和γi是数值指数。注意，非线性函数φ中的项数不必等于决定因素的数目，并且该总和中的两项或更多个项可以对应于相同的决定因素，尽管具有不同的数值指数。
一个或多个预定系数(ai、qi、ri)通常取决于决定因素的各自类型，但也可以依赖于12处获得的背景和/或临床数据。因此，距离d的计算可以任选地和优选地基于背景和/或临床数据，因为坐标δ在π上的位置可能取决于这样的数据。例如，当受试者具有特定的综合征或病原体时，与受试者没有该特定的综合征或病原体时相比，特定决定因素Di的系数αi可以是不同的。在这种情况下，对于具有特定的综合征或病原体的受试者而言，点P(δ)在π上的位置与没有该特定的综合征或病原体的受试者相比是不同的。因为位置是不同的，距离d也可能是不同的。类似地，对于特定的决定因素Di，当受试者具有特定的年龄、性别和/或种族时，与受试者具有不同的年龄、性别和/或种族时相比，系数αi(因而也是点P(δ)在π上的位置)可以是不同的。
患者背景和/或临床数据可以用多种方式确定系数。在本发明的一些实施方案中，使用查找表。这样的查找表可包括多个条目，其中每个条目包括一个决定因素、与背景和/或临床数据相关的信息以及针对相关条目的决定因素和背景和/或临床数据的系数。有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％(定义为中性粒细胞的白细胞的分数并缩写为Neu(％)，淋巴细胞％(定义为淋巴细胞的白细胞的分数的百分比并缩写为Lym(％))，单核细胞％(定义为单核细胞的白细胞的分数并缩写为Mon(％)、钠(缩写为Na)、钾(缩写为k)、胆红素(简称Bili)。其它临床参数在下文描述。
如本文所用的术语“患者背景”指患者的病史或病情，或患者易患的疾病。例如，患者的医疗背景可能包括慢性肺病和糖尿病等影响其对感染的免疫反应的疾病(见下文实施例1)。
在本发明的一些实施方案中，系数最初是根据特定的决定因素选择的(不考虑背景和/或临床数据)，然后根据背景和/或临床数据进行校正，例如通过标准化。例如，系数可以根据受试者的年龄进行标准化。在这些实施方案中，受试者可任选地和优选地根据受试者的年龄分层，并且特定的决定因素的系数是通过年龄相关的标准化程序来标准化的。在一些实施方案中，当被试是成年人(例如，年龄在18岁、21岁或22岁以上)时，与受试者是儿童(例如小于18岁、21岁或22岁)相比有不同的系数、标准化或分层。在一些实施方案中，当受试者是成人(例如，年龄在18岁、21岁或22岁以上)、青少年(例如，12和21岁之间)、儿童(例如，2和12岁之间)、婴儿(例如，29天至小于2岁年龄)，和新生儿(例如，出生至生命的头28天)时，有不同的系数、标准化或分层。在一些实施方案中，当受试者大于70、65、60、55、50、40、30、22、21、18、12、2、1岁时，与当受试者大于3、2和/或1个月时相比，有不同的系数、标准化或分层。在一些实施方案中，当受试者小于70、65、60、55、50、40、30、22、21、18、12、2、1岁时，与当受试者大于3、2和/或1个月时相比，有不同的系数、标准化或分层。
适合于本发明实施方案的系数的代表性实例在下文提供并且也在以下实施例部分的实施例1中提供(见例如，表1.1、1.2、1.3、1.7和1.8)。
在其中φ＝0和决定因素包括MX1和CRP或MX2和CRP的实施方案中，根据以下方程，δ可以是MX1和CRP的线性组合：
δ＝α0+α1C+α2M
其中C是CRP的表达水平，和M是MX1或MX2的表达水平。
在其中φ＝0和决定因素包括MX1和CRP或MX2和CRP的实施方案中，根据以下方程，δ可以是MX1和CRP或MX2和CRP的组合：
δ＝α0+α1C+α2M+φ
其中φ是C和M的至少一个的非线性函数。作为代表性实例，φ可以表示为：
φ＝q1Cγ1+q2Mγ2
πROI的边界在此表示为δMIN和δMAX。这些边界优选地对应于决定因素表达值的生理上可能的范围。表达值的范围可以由用于获取各自决定因素的方案来设置。可供选择地，在δ的计算中使用的一个或多个决定因素的表达值可以是相对于先前被诊断患有细菌感染的一组受试者的得分值，例如Z-评分值。当距离d用于区分细菌和病毒感染时，这些实施方案是特别有用的。仍然可供选择地，用于计算δ的一个或多个决定因素的表达值可以是相对于先前诊断患有感染的一组受试者的分数值，例如z-得分值。当距离d被用来区分传染性和非-传染性受试者时，这些实施方案是特别有用的。仍然可供选择地，用于计算δ的一个或多个决定因素的表达值可以是相对于先前诊断患有同时感染的一组受试者的分数值，例如z-得分值。当距离d被用来区分同时感染和病毒感染时，这些实施方案是特别有用的。通常，但不一定得分值对于决定因素是有用的，对于这些决定因素，所获得的值在不同的分析法中差异很大，例如，但不限于MX1和MX2。下面提供了适合于使用z-得分表达水平的实施方案的系数的代表性实例，并在下面的实施例部分还提供了实施例1(见例如，表1.3)。
弯曲物体S的段SROI的至少一个主要部分位于下面称为下界弯曲对象SLB和上界弯曲对象SUB的两个弯曲对象之间。
如本文所用的“段SROI的主要部分”指平滑版本SROI的一部分，其长度(当n＝1)、表面积(当n＝2)或体积(当n＝3)分别为平滑版本SROI的长度、表面积或体积的60％、70％，80％、90％、95％或99％。
如本文所用的，“段SROI的平滑版本”指段SROI，不包括在高斯曲率(Gaussiancurvature)高于曲率阈值的点附近的SROI区域，其为SROI的中位曲率的X倍，其中X是1.5、2、4或8。
以下程序可用于确定段SROI的主要部分是否介于SLB和SUB之间。首先，得到了段SROI的平滑版本。其次，计算段SROI的平滑版本的长度(当n＝1)、表面积(当n＝2)或体积(当n≥3)A1。第三，计算在SLB和SUB之间的段SROI的平滑版本部分的长度(当n＝1)表面积(当n＝2)或体积(当n≥3)A2。第四，计算A2相对于A1的百分比。
图12A-D说明了获得SROI的平滑版本的程序。
为了清晰的表示，SROI被说明为一个一维段，但是技术人员会理解SROI通常是一个n-维的数学对象。计算了SROI上足够数目的采样点上的高斯曲率。例如，当流形表示为点云时，可以计算点云中各点的高斯曲率。然后求出高斯曲率的中值，并通过将所得的中值乘以因子x来计算曲率阈值。图12A说明平滑操作之前的SROI。具有一个或多个点322的区域320被标记，其中高斯曲率高于曲率阈值。删除320区域内具有最大高斯曲率的一个或多个点，区域320被平滑地插值，例如通过多项式插值(图12B)。删除和插值被迭代地重复(图12C)，直到段SROI不包含高斯曲率高于曲率阈值的区域(图12D)。
当n＝1(即当S是曲线时)，SLB是一条下界曲线，而SUB是一条上界曲线。在这些实施方案中，SLB和SUB可以以下形式写成：
SLB＝f(δ)-ε0，
SUB＝f(δ)+ε1
其中f(δ)是坐标δ(沿着方向δ)的概率分类函数，其表示试验对象有预定类型的感染(例如细菌感染、病毒感染或同时感染)的可能性。也构思了其中f(δ)是概率分类函数的实施方案，概率分类函数表示试验受试者患有感染的可能性。在本发明的一些实施方案中，SLB和SUB都是πROI内δ的任何值都是正的。
在任何上述实施方案中，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。
该方法优选地继续到14，其中计算出的距离d与疾病或病症的存在、不存在或受试者患有疾病或病症(对应于概率函数f的类型)的可能性相关。例如，当概率函数f表示试验受试者患有细菌感染的可能性时，计算出的距离d与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关，当概率函数f表示试验受试者患有病毒感染的可能性时，计算出的距离d与病毒感染的存在、不存在或受试者患有病毒感染的可能性相关，和当概率函数f表示试验受试者患有同时感染的可能性时，计算出的距离d与同时感染的存在、不存在或受试者患有同时感染的可能性相关。
在本发明的各个示例性实施方案中，相关性包括确定距离d是受试者患有相应的感染(细菌、病毒、同时感染)的可能性。任选地和优选地将可能性与预定阈值ωB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，否则，受试者不太可能患有细菌感染。对于ωB的典型值包括但不限于约0.2、约0.3、约0.4、约0.5、约0.6和约0.7。其它可能性阈值也可涵盖在内。
在本发明的一些实施方案中，该方法继续到15，根据背景和/或临床数据对可能性进行校正。这样一种纠正可以用一种以上的方式执行。例如，该方法可以对不同年龄、种族、性别、综合征和/或可疑病原体使用不同的预定阈值。该方法可以根据年龄、种族、性别、综合征和/或疑似病原体，对一个或两个参数ε0和ε1交替地或额外地使用不同的值。该方法可以根据年龄、种族、性别、综合征和/或疑似病原体使概率分类函数δ的值标准化。
该方法任选地和优选地继续到产生可能性输出的16。输出可以文本形式表示，和/或以图形和/或使用比色指数。输出可以任选地包括与阈值ωB比较的结果。从16开始，该方法可以任选地并优选地返回到13，以重复使用不同的系数集进行坐标δ和/或不同的概率分类函数f的分析。例如，首先可以使用一组系数和概率分类函数f进行分析，这些系数和概率分类函数f被选择用于确定细菌感染或同时感染的存在、不存在或受试者患有细菌感染或同时感染的可能性，然后，在随后的执行过程中，分析可以使用一组系数和概率分类函数f，这些系数和概率分类函数f被选择用于确定病毒感染的存在、不存在或受试者患有病毒感染的可能性。
在本发明的一些实施方案中，当该方法确定受试者很可能患有细菌感染时，受试者将被治疗(17)细菌感染，如本文进一步详述的。在本发明的一些实施方案中，当该方法确定受试者很可能患有病毒感染时，受试者将被治疗(17)病毒感染，如本文进一步详述的。
方法结束于18。
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。
当概率分类函数f表示受试者患有细菌感染的可能性，以及坐标δ被定义为δ＝a0+a1X+a2Y，其中X是CRP的表达水平(μg/ml)，和Y是相对于先前被诊断为患有细菌感染的一组受试者的MX1表达水平的z-分数时，a0优选地是从约-2.4至约-1.9，更优选地从约-2.2至约-1.9，更优选地从约-2.2至约-2.0，例如，约-2.15；a1优选地是从约0.04至约0.05，更优选地从约0.041至约0.045，更优选地从约0.042至约0.045，例如，约0.044；和a2优选地是从约-0.39至约-0.43，更优选地从约-0.40至约-0.42，更优选地从约-0.41至约-0.42，例如，约-0.418。在这些实施方案中，δMIN是从约-4至约-3或从约-3.6至约-3.2，例如约-3.4，δMAX是从约23至约30或从约24至约27，例如约25.5。
当概率分类函数f表示受试者患有细菌感染的可能性，和坐标δ被定义为δ＝a0+a1X+a2Y，其中X是CRP的表达水平(μg/ml)，和Y是MX1的表达水平(ng/ml)时，a0优选地是从约0.4至约0.5，更优选地从约0.42至约0.48，更优选地从约0.44至约0.47，例如，约0.46；a1优选地是从约0.016至约0.02，更优选地从约0.017至约0.019，例如，约0.018；和a2优选地是从约-0.0025至约-0.0018，更优选地从约-0.0022至约-0.0018，更优选地从约-0.0020至约-0.0019，例如，约-0.00195。在这些实施方案中，δMIN是从约-15至约-12或从约-14至约-13，例如约-13.2，和δMAX是从约10至约13或从约11至约12，例如约11.4。
当概率分类函数f表示受试者患有细菌感染的可能性，和坐标δ被定义为δ＝a0+a1X+a2Y，其中X是CRP的表达水平(μg/ml)，和Y是MX1的表达水平(当用流式细胞术测量时)，a0优选地是从约-1.7至约-1.4，更优选地从约-1.6至约-1.45，更优选地从约-1.6至约-1.5，例如，约-1.54；a1优选地是从约0.03至约0.05，更优选地从约0.035至约0.045，更优选地从约0.038至约0.042，例如，约0.04；和a2优选地是从约-5.8E-05至约-4.7E-05，更优选地从约-5.4E-05至约-5.0E-05，更优选地从约-5.3E-05至约-5.2E-05，例如，约-5.25E-05。在这些实施方案中，δMIN是从约-60至约-50或从约-55至约-52，例如约-54，δMAX是从约18至约28或从约20至约24,、和例如约22.5。
当概率分类函数f表示受试者患有感染的可能性，和坐标δ被定义为δ＝a0+a1X+a2Y，其中X是CRP的表达水平(μg/ml)，和Y是MX1的表达水平(当用流式细胞术测量时)，a0优选地是从约-3至约-2.4，更优选地从约-3至约-2.4，更优选地从约-2.9至约-2.5，更优选地从约-2.8至约-2.6，例如约-2.7；a1优选地是从约0.16至约0.2，更优选地从约0.17至约0.19，更优选地从约0.175至约0.185，例如，约0.18；和a2优选地是从约0.0002至约0.0003，更优选地从约0.0002至约0.00026，更优选地从约0.00021至约0.00024，例如，约0.00023。在这些实施方案中，δMIN是从约-3至约-2.4或从约-2.8至约-2.6，例如约-2.7，和δMAX是从300至约370或从约325至约350，和例如约338.3。
当概率分类函数f表示受试者患有细菌感染的可能性，和坐标δ被定义为δ＝a0+a1X+a2Y，其中X是RSAD2的表达水平(当用流式细胞术测量时)，和Y是MX1的表达水平(当用流式细胞术测量时)，a0优选地是从约0.6至约0.75，更优选地从约0.63至约0.7，更优选地从约0.65至约0.7，例如约0.68；a1优选地是从约-0.00015至约-0.00009，更优选地从约-0.00017至约-0.00009，更优选地从约-0.00018至约-0.00009，例如，约-0.0001；和a2优选地是从约5.2E-06至约6E-06，更优选地从约5.4E-06至约5.8E-06，更优选地从约5.5E-06至约5.7E-06，例如，约5.63E-06。在这些实施方案中，δMIN是从约-9至约-5或从约-7.5至约-6，例如约-6.8，和δMAX是从约5至约7或从约6至约6.6，和例如约6.3。
当概率分类函数f表示受试者患有细菌感染的可能性，和坐标δ被定义为δ＝a0+a1X+a2Y，其中X是TRAIL的表达水平(pg/ml)，和Y是MX1的表达水平(当用流式细胞术测量时)，a0优选地是从约2.4至约3，更优选地从约2.5至约2.9，更优选地从约2.6至约2.8，例如约2.7；a1优选地是从约-0.055至约-0.045，更优选地从约-0.054至约-0.046，更优选地从约-0.053至约-0.047，例如，约-0.05；和a2优选地是从约2.4E-05至约2.5E-05，更优选地从约2.42E-05至约2.48E-05，更优选地从约2.43E-05至约2.46E-05，例如，约2.44E-05。在这些实施方案中，δMIN是从约-80至约-65或从约-75至约-71，例如约-73.1，δMAX是从约24至约30或从约26至约28，和例如约27.1。
在一些实施方案中，该方法可以使用系统330来执行，系统330可以任选地和优选地使用，但不一定包括手持设备。该系统可以包括两个或多个隔室，其中血液中的决定因素的水平在其中一个隔室中测量(例如使用免疫组织化学方法)，并在另一个隔室对所获得的水平进行分析，以提供与诊断有关的输出。
图13中示出了系统330的代表性实施例的框图。根据本文所述的分析技术，系统330测量受试者血液中的决定因素的表达值，并且任选地和优选地还分析所测量的表达值。系统330可包括第一个隔室332，其中执行测量，并可任选地和优选地还包括第二个隔室334，其中执行分析。在本发明的一些实施方案中，第一个隔室332，以及任选地和优选地还有第二个隔室334，被安装在设备331中，该设备优选地是，但不必一定是手持设备。
第一个隔室332可包括测量系统333，其被配制以测量受试者血液中的决定因素的表达值。例如，受试者血液可以被加载到含有试剂的盒360上，以检测决定因素(例如CRP和MX1)，然后可将盒360加载到隔室332中，例如，加载到大小和形状可接收盒360的盒支架或盒座362中。
测量系统333可至少执行一项选自免疫分析法例如ELISA或LFIA的测定法，和一项功能测定法，在本发明的一些实施方案中，测量系统333使用化学发光或荧光来测量决定因素的表达值。
系统330还可以包括第二个隔室334，其包括具有计算机可读介质338的硬件处理器336，用于存储用于执行本文所述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，用于定义曲线和/或平面的计算机程序指令，用于计算第一和/或距离的计算机程序指令，计算机程序说明，用于将计算的距离与细菌和/或病毒感染的存在、不存在或受试者患有细菌和/或病毒感染的可能性联系起来)。硬件处理器336被配置成接收来自第一隔室332的表达测量值，并响应于测量执行编程指令,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案中，系统330与通信网络通信，如图14A的框图所示。在这些实施方案中，系统330可包含计算机-可读介质338，如上文进一步详述的，和硬件处理器，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。经由接口350，硬件处理器336接收来自测量系统的表达值测量，例如，但不限于测量系统333，并在计算机可读介质338中执行计算机程序指令，响应接收到的测量。然后硬件处理器336可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案中，系统330与用户通信，如图14B的框图所示。在这些实施方案中，系统330可包含计算机-可读介质338，如上文进一步详述的，和硬件处理器，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。经由接口350，硬件处理器336接收来自用户356的表达值测量。用户356可以从外部源获得表达值，或者通过执行选自免疫分析和功能分析的至少一个分析，或者通过操作系统333获得表达值(未示出，见图13和14A)。硬件处理器336在计算机可读介质338中执行计算机程序指令，响应接收到的测量。然后硬件处理器336可将处理后的数据输出到显示设备340。
测量决定因素(例如，MX1和CRP)水平通常会在蛋白质水平受到影响，如下文进一步说明的。
检测蛋白表达和/或活性的方法
在本发明的一些实施方案的培养细胞中表达的蛋白表达和/或活性水平可使用本领域已知的方法测定且通常包括使用抗体。这样的方法可称为免疫分析法。免疫分析法可分多个步骤进行，伴有试剂加入、冲洗或在检测的不同点分离。多步骤分析法通常称为分离免疫分析法或非均相免疫分析法。一些免疫分析法可以简单地通过混合试剂和样品并进行物理测量来进行。这样的分析法被称为同质性免疫分析法或不常被称为非分离免疫分析法。在免疫分析法中经常使用校准物。校准物是已知含有所述被分析物的溶液，而该分析物的浓度通常是已知的。将分析对实际样品的反应与由校准物产生的分析反应进行比较，可以根据样品中被分析物的存在或浓度来解释信号强度。
抗体可以是单克隆抗体、多克隆抗体、嵌合抗体，也可以是上述抗体的片段，检测反应产物的步骤可以用任何适当的免疫分析法进行。
用于检测多肽的抗体的合适来源包括商业可获得的来源，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 ChemicalIndustries，和Zeptometrix。然而，技术人员可以常规地产生抗体，对抗这里所描述的任何一种多肽。
测量多肽的多克隆抗体包括而不限于从一种或多种以下动物的主动免疫的血清产生的抗体：兔子、山羊、绵羊、鸡、鸭、豚鼠、小鼠、驴、骆驼、大鼠和马。
另外的检测剂的实例包括而不限于：scFv、dsFv、Fab、sVH、F(ab')2、环肽、七聚物、单域抗体、Fab片段、单链可变片段、Affibody分子、Affilins、Nanofitins、Anticalins、Avimers、DARPins、Kunitz域、Fynomers和Monobody。
检测剂可以用标记标记并通过检查来检测，或者监测特定探针或探针组合的检测器用于检测检测剂标记。典型的探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，以及它们的组合。本领域技术人员将熟悉从各种商业来源广泛获得的大量合适的探测器，并可能有助于执行本文所公开的方法。通常，包括结合标记部分的底物的光学图像被数字化，以供随后的计算机分析。通常见免疫分析法手册(TheImmunoassayHandbook)(Wild 2005)。
酶联免疫吸附试验(ELISA)：执行ELISA涉及到至少一种对特定抗原具有特异性的抗体。含有未知数量抗原的样品被固定在固体载体上(通常是聚苯乙烯微滴定板)，或者是非特异性的(通过吸附到表面)，或者是特异性的(通过被另一种对同一抗原有特异性的抗体捕获，在"夹心式"ELISA中)。将抗原固定后，加入检测抗体，与抗原形成复合物。检测抗体可以共价键连接到酶上，或自身可以由通过生物共轭连接到酶的第二抗体来检测。在每一步之间，板通常用温和的洗涤剂溶液清洗，以除去任何特异性结合的蛋白或抗体。在最后的洗涤步骤之后，通过添加酶底物显色平板以产生一个可见的信号，该信号指示样品中抗原的数量。
这种方法常用的酶包括辣根过氧化物酶和碱性磷酸酶。如果经过良好的校准，并且在线性响应范围内，样品中存在的衬底数量与所产生的颜色数量成正比。通常采用底物标准来提高定量准确度。
蛋白质印迹：这种方法涉及通过丙烯酰胺凝胶将底物从其它蛋白质中分离出来，然后将底物转移到膜(例如尼龙或PVDF)上。然后，底物的存在被对底物有特异性的抗体所检测，这些抗体又依次由抗体结合试剂检测。抗体结合试剂可以是例如，蛋白A，或其它抗体。如上文所述，抗体结合剂可以是放射标记的或酶连接的。可采用放射自显影法、比色反应或化学发光法进行检测。这种方法既可以定量测定底物的数量，也可以通过膜上的相对位置来确定底物的同一性，这指示了在电泳过程中丙烯酰胺凝胶中的迁移距离。
荧光活化细胞分选(FACS)：该方法涉及到用底物特异性抗体原位检测细胞中的底物。底物特异性抗体与荧光团相连。检测是通过细胞分拣机进行的，它读取每个细胞在其通过光束时发出的光的波长。这种方法可以同时使用两种或两种以上的抗体。
自动免疫分析：一种用于免疫分析的自动分析仪(通常称为"自动免疫分析法")，是一种医学实验室仪器，其被设计为在快速测定许多生物样品中的不同化学物质和其它特性，并尽量减少人类的帮助。血液和其它液体的这些测量特性可能有助于疾病的诊断。已发明了许多将样品引入分析仪的方法。这可能包括将样品的试管放置到机架中，这些测试管可以沿着轨道移动，也可以将试管插入圆形转盘中，旋转以使样品可用。一些分析仪要求样品被转移到样品杯中。然而，为了保护实验室工作人员的健康和安全，许多制造商开发了以封闭管道取样为特征的分析仪，以防止工作人员直接接触样品。样品可以单独、批量或连续处理。自动免疫分析仪器的例子包括，但不限于，ARCHITECT ci4100、ci8200(2003)、ci16200(2007)、ARCHITECT i1000SR、ARCHITECT i2000,、i2000SR、i4000SR、AxSYM/AxSYMPlus、1994U.S.、DS2、AIMS、AtheNA、DSX、ChemWell、UniCel DxI860i同步存取临床系统(Synchron Access Clinical System)、UniCel DxC680i同步存取临床系统(SynchronAccess Clinical System)、存取/存取2免疫分析系统(Access/Access 2ImmunoassaySystem)、UniCel DxI 600存取免疫分析系统(Access Immunoassay System)、UniCel DxC600i同步存取临床系统、UniCel DxI 800存取免疫分析法系统、UniCel DxC 880i同步存取临床系统、UniCel DxI 660i同步存取临床系统、SPA PLUS(专业蛋白质分析仪(SpecialistProtein Analyzer))、VIDAS免疫测定分析分析仪(ImmunoassayAnalyzer)、BioPlex 2200、PhD System EVOLIS PR 3100TSC光度计(Photometer)、MAGO 4S/2011Mago加自动EIA处理器(Mago Plus Automated EIA Processor)、LIAISON XL/2010LIAISON、ETI-MAX 3000Agility、Triturus、HYTEC 288PLUSDSX、VITROS ECi免疫诊断系统(Immunodiagnostic System)、VITROS 3600免疫诊断系统(Immunodiagnostic System)、Phadia实验室系统(Laboratory System)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 EXL 200/2011、维度Xpand加集成化学系统(Dimension Xpand Plus Integrated Chemistry System)、维度RxLMax/Max Suite集成化学系统；维度RxL集成化学系统、维度EXL伴有LM集成化学系统、Stratus CS急性护理诊断系统(Acute Care Diagnostic System)、IMMULITE 2000XPi免疫分析系统、ADVIA Centaur CP免疫分析系统、IMMULITE 2000、IMMULITE 1000、DimensionVista 500智能实验室系统(Intelligent Lab System)、Dimension Vista 1500智能实验室系统、ADVIA Centaur XP、AIA-900、AIA-360、AIA-2000、AIA-600II、AIA-1800。CRP、IP-10和TRAIL的测量也可在Luminex机器上执行。
侧流免疫分析法(LFIA)：这是一种允许在护理点(POC)快速测量被分析物的技术，其基本原理如下所述。依据一个实施方案，LFIA在手持设备的环境中使用。
这项技术的基础是一系列毛细管床，如多片多孔纸或烧结聚合物。这些要素中的每一种都具有自发输送液体(如尿液)的能力。第一个要素(样品垫)充当海绵，容纳过量的样品液体。一旦浸泡，液体就会迁移到第二个要素(共轭垫)，其中制造商将所谓的共轭物(一种干燥形式的生物活性颗粒(见下文)储存在盐-糖基质中，其包含一切，以保证目标分子(例如抗原)与其化学伙伴(例如，抗体)之间的最佳化学反应(已经被固定在粒子表面的抗体)。当样品流体溶解盐-糖基体时，它也溶解了颗粒，并在一次联合传输作用下，使样品和共轭物在流过多孔结构时混合。通过这种方式，被分析物在进一步通过第三毛细管床迁移时与粒子结合。这种材料有一个或多个区域(通常称为条带)，其中第三个分子已被制造商固定。当样品-共轭混合物到达这些条带时，被分析物已经结合在粒子上，第三个'俘获'分子结合了配合物。
过了一段时间，当越来越多的流体流过条带时，颗粒就会积聚，条带区域就会变色。通常至少有两个条带：一条(对照)捕获任何粒子，从而表明反应条件和技术都工作良好；第二条包含一种特定的捕获分子，并且只捕获被固定在被分析物分子上的颗粒。经过这些反应区后，流体进入最终的多孔材料，即芯，它只是用作废物容器。侧流试验既可用作竞争性分析，也可以作为夹心式(sandwich)分析。
因此，使用LFIA设备分析MX1和CRP的方法可如下进行：
(a)使所述液体样品与包括共轭垫的侧流测试条相接触，共轭垫包括抗MX1多肽的标记抗体和抗CRP多肽的标记抗体，其中接触是在允许样品的标记抗体和MX1多肽之间形成免疫复合物；以及在样品的标记抗体和CRP多肽之间形成免疫复合物的条件下进行的。
(b)使未结合的标记抗体或免疫复合物通过测试条带；和
(c)通过分析未结合标记抗体或免疫复合物在检测带的数量来确定MX1和CRP多肽的数量。
LFIA设备的进一步的描述可在PCT申请IL2017/050697中发现，其内容通过引用并入本文。
在LFIA中可以采用不同的格式。用于LFIA的条带包含四个主要成分。在描述格式类型之前，给出每种格式的简要描述。
样品应用垫：它是由纤维素和/或玻璃纤维制成的，样品被应用在这个垫子上以开始检测。它的功能是将样品传送到侧流测试条(LFTS)的其它成分上。样品垫应能以平滑、连续和均匀的方式输送样品。样品应用垫有时被设计成在样品运输之前对其进行预处理。这种预处理可包括样品组分的分离、干扰的消除、pH值的调整等。
共轭垫：这是一个分配有标记的生物识别分子的地方。共轭垫材料在与移动液体样品接触时应立即释放标记的共轭物。标记的共轭物应在侧流条的整个寿命期内保持稳定。共轭物在分配、干燥或释放方面的任何变化可显著改变检测结果。标记的共轭物制备不当会对分析的灵敏度产生不利影响。采用玻璃纤维、纤维素、聚酯和一些其它材料为LFIA制作共轭垫。共轭垫材料的性质对标记的共轭物的释放和测定的灵敏度有影响。
硝化纤维素膜：它是测定LFIA灵敏度的关键。可获得不同等级的硝化纤维素膜。试验和和对照线是在这片膜上画的。因此，理想的膜应该提供对捕获探针(抗体，适配体等)的支持和良好的结合。在试验和对照线上的非特异性吸附对测定结果的影响很大，因此良好的膜的特征是在测试和对照线区域中的非特异性吸附较少。硝化纤维素膜的吸干率影响测定灵敏度。这些膜易于使用，价格低廉，对蛋白质和其它生物分子具有很高的亲和力。适当分配生物试剂、干燥和封闭对提高检测灵敏度起着重要作用。
吸附垫：它在条带的末端充当水槽。它还有助于保持液体在膜上的流速，并阻止样品的返流。对保持液体的吸附容量对测定结果有重要影响。
所有这些部件都是固定或安装在支持卡(backing card)上的。支持卡的材料非常灵活，因为它们与LFIA没有任何关系，只是为所有组件的正确装配提供了一个平台。因此，支持卡用作一个支持，它使处理带变得容易。
LFIA的主要步骤是：(i)制备抗目标被分析物的抗体；(ii)制备标记；(iii)生物识别分子的标记；(iv)在其适当的垫片上分配试剂后，将所有组分装配在背板上；(v)应用样品及获得结果。
夹心式格式：在典型的格式板中，标记物(酶或纳米粒子或荧光染料)包被的抗体或适配体被固定在共轭垫上。这是一种暂时的吸附，其可以被任何缓冲溶液的流动冲走。一种针对目标被分析物的一种原始抗体或适配体被固定在测试线上。一种针对标记的共轭抗体/适配体的第二抗体或探针被固定在对照区。
含有被分析物的样品被应用到样品应用垫上，并随后迁移到条带的其它部分。在共轭垫处，被固定的标记抗体或适体轭合物捕获目标被分析物，导致形成标记的抗体共轭物/被分析物复合物。这种复合物现在到达硝化纤维素膜，并在毛细管作用下移动。在测试线上，标记抗体共轭物/被分析物复合物被另一种抗体捕获，该抗体是被分析物的主要抗体。被分析物被夹在标记抗体和初级抗体之间，形成标记抗体共轭物/被分析物/一次抗体复合物。过量的标记抗体共轭物将在对照区被第二抗体捕获。缓冲液或过量溶液进入吸收垫。测试线的颜色强度对应于目标被分析物的数量，用光学条阅读器测量或目测来测量。测试线的颜色强度对应于目标分析物的数量，用光学条阅读器测量或目测。对照线上的颜色外观确保条带正常工作。
竞争性格式：这样一种格式最适合于不能同时结合两种抗体的低分子量化合物。在测试线上没有颜色表示存在被分析物，而在测试线和对照线上的颜色外观指示结果为阴性。竞争性格式有两个布局。在第一个布局中，含有目标被分析物的溶液被应用在样品应用垫上，然后前缀标记的生物分子(抗体/适配体)共轭物被水化，并开始随流动的液体流动。测试线含有预固定化抗原(待检测的相同分析物)，该抗原与标记共轭物特异性地结合。对照线含有预固定化的第二抗体，其具有与标记抗体轭合物结合的能力。当液体样品到达测试线时，预固定化抗原将结合到标记的共轭物上，以防样品溶液中的目标被分析物缺失或以如此少的数量存在，以致于一些标记抗体结合物的位点空置。样品溶液中的抗原和被固定在条的测试线上的抗原与标记的共轭物竞争结合。在另一个布局中，标记的被分析物共轭物在共轭垫上分配，而对被分析物的一种原始抗体在测试线上分配。在应用被分析物溶液后，在被分析物和标记的被分析物之间发生竞争，在测试线上与一次抗体结合。
多重检测格式：多重检测格式被用来检测多个目标种类，并在包含要分析的目标种类数相等的测试线的条上进行检测。在同一组条件下同时分析多个被分析物是非常可取的。多重检测格式在临床诊断中是非常有用的，其中要检测多种相互依赖的被分析物，以决定疾病的分期。为此目的，可以用各种方法建造侧流条，例如增加常规条的长度和测试线，制成其它结构如星状或T-形。对于LFIA的条的形状将取决于目标被分析物的数量。基于微阵列的LFIA的小型化版本用于DNA序列的多重检测，据报道具有几个优点，例如试验试剂用量少、需要的样品体积小、灵敏度更高。
标记物：任何被用作标记的材料都应该在很低的浓度下被检测到，当它与生物识别分子结合时，它应该保持其特性。也预计这种结合不会改变生物识别探针的特征。易于与生物分子结合并在较长时间内保持稳定是良好标记物的理想特征。10-9M以下的标记物浓度是可光学检测的。检测完成后，一些标记物产生直接信号(如金色胶体的颜色)，而另一些标记物则需要额外的步骤来产生分析信号(因为酶在与合适的底物反应时产生可检测的产物)。因此，给出直接信号的标记物在LFA中是可取的，因为它的时间消耗较少，并且程序也较少。
金纳米粒子：胶体金纳米粒子是LFA中最常用的标记物。胶体金是惰性的，会产生非常完美的球形粒子。这些粒子对生物分子有很高的亲和力，并且可能易于功能化。金纳米粒子的光学性质取决于其大小和形状。通过使用合适的化学添加剂，可以调节颗粒的大小。它们的独特的特性包括环境友好型制备，对蛋白质和生物分子的高亲和力，增强的稳定性，电荷转移的价值极高，以及良好的光信号传递。银、金纳米粒子和酶的沉积可以增强金纳米粒子在比色法LFA中的光信号。
磁性粒子和聚集体：彩色磁性粒子在测试线处产生颜色，其由光学条读出器测量，但来自磁性粒子的磁信号也可用作检测信号，并由磁分析读取器记录。与光信号相比，磁信号在更长的时间内是稳定的，它们使LFA的灵敏度提高了10-1000倍。
荧光和发光材料：荧光分子作为标记物被广泛用于LFA，荧光量被用来定量样品中被分析物的浓度。蛋白质的检测是用有机荧光团，如罗丹明作为在LFA中的标记物完成的。
纳米材料的最新发展方向是制造表现出非常独特的电学和光学特性的量子点。这些半导体粒子不仅是水溶性的，而且由于尺寸上的紧密性，也可容易与生物分子结合。量子点由于其独特的光学特性，已成为有机荧光染料的替代品。就像金纳米粒子一样，量子点(QDs)显示出与尺寸依赖的光学特性，并可以监测到广谱的波长。单光源足以激发所有不同大小的量子点。QDs具有很高的光稳定性和吸收系数。
上转换荧光粉(Upconverting phosphors)(UCP)的特征是它们在红外区激发并在高能可见光区发射。与其它荧光材料相比，它们具有不显示出任何自动荧光的独特优点。由于它们在IR区域的激发作用，它们不会在光下降解生物分子。一个主要的优点在于它们是从容易获得的散装材料中生产出来的。尽管UCP的批量和批量制备的差异据报道可影响LFA分析的灵敏度，当在相同的一组生物条件下进行分析时，可观察到它们可使分析信号的灵敏度比金纳米粒子或彩色乳胶珠提高10-100倍。
酶：酶也用作LFA中的标记物。但它们在LFA中增加了一个步骤，即在完成分析后应用合适的底物。这种底物会在试验和对照线上产生颜色，这是酶反应的结果。在酶的情况下，选择合适的酶底物组合是获得用于条阅读器的彩色产品或用于电化学检测的电活性产品的必要条件之一。换句话说，检测的灵敏度取决于酶底物的组合。
胶体碳：胶体碳是一种相对便宜的标记物，其生产可容易扩大。由于碳纳米粒子(NPs)的黑色，其可容易被检测到，且灵敏度高。胶体碳可以被多种生物分子功能化，用于检测低分子量和高分子量的被分析物。
检测系统：在金纳米颗粒或其它产生颜色的标记物的情况下，可通过在试验和对照线对颜色进行目视检查来进行定性或半定量分析。视觉检查的主要优点是快速定性地回答“是”或“否”。对临床分析中是否存在被分析物的这样的快速答复具有非常重要的意义。这样的试验帮助医生在医院的患者附近立即做出决定，在这些情况下，由于大量的时间消耗，中央实验室的检测结果无法等待。但是为了量化，光学条读取器被用来测量在条的试验和对照线上产生的颜色的强度。这是通过将所述条插入到条阅读器中来实现的，并通过成像软件同时记录强度。所述条的光学图像也可以用照相机记录下来，然后用适当的软件进行处理。程序包括在摄像机下适当放置条，并在要观察的区域上投下受控制的光。这样的系统采用单色光，并可调节光波长，以在试验和对照线和背景中得到很好的对比度。为了提供良好的定量和重现性结果，检测系统应该对不同颜色的强度敏感。光学标准可用于校准光学读取器装置。与人工成像和处理相比，自动化系统在时间消耗、结果解释和变量调整方面具有优势。
在荧光标记物的情况下，使用荧光条阅读器记录试验和对照线的荧光强度。当用荧光条阅读器检测时，测试线的荧光亮度随着人血清中硝化血浆铜蓝蛋白(seruloplasmin)浓度的增加而增加。在LFIA中，还使用了光电传感器进行检测，其中胶体金暴露在发光二极管中，并记录了由此产生的光电子。由酶和底物反应产生的化学发光作为对目标被分析物量的反应来测量。磁条读取器和电化学探测器也被报道为LFTS中的检测系统，但它们并不常见。检测器的选择主要由分析中使用的标记物来确定。
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分析可以是均相分析，也可以是非均相分析。在均相分析中，免疫反应通常涉及特异性抗体(如，抗-MX1和CRP抗体)、标记被分析物和感兴趣的样品。从标记物产生的信号在抗体与标记的被分析物的结合后直接或间接地被修饰。免疫反应和其程度的检测都可以在均相溶液中进行。可使用的免疫化学标记物包括自由基、放射性同位素、荧光染料、酶、噬菌体或辅酶。
在非均相分析方法中，试剂通常是样品、抗体和产生可检测信号的试剂。可以使用如上所述的样品。抗体可固定在载体上，如珠(例如蛋白A和蛋白G琼脂糖珠)、平板或载玻片上，并与怀疑含有抗原的液相标本接触。
依据一个具体的实施方案，抗体被固定在多孔条上，形成一个检测点。多孔条的测量或检测区可以包括多个位置，一个用于MX1，而另一个用于CRP。试验条也可包含阴性和/或阳性对照位点。
或者，对照位点可以位于与测试条分离的条上。任选地，不同的检测点可能含有不同数量的抗体，例如，第一检测点的抗体含量较高，而随后的检测点的抗体含量较低。在添加测试验样品时，显示可检测信号的位置数提供了对样品中存在的多肽数量的定量指示。检测点可以配置为任何合适的可检测形状，并且通常是横越测试条宽度的条形或点的形状。
然后将支持物从液相中分离出来，然后对支持相或液相进行检测，以寻找采用产生这种信号的物质的可检测的信号。信号与样品中的被分析物的存在有关。产生可探测信号的手段包括使用放射性标记物、荧光标记物或酶标记物。例如，如果要检测的抗原含有第二个结合位点，则可将与该位点结合的抗体结合到可检测的基团上，并在分离步骤之前添加到液相反应溶液中。固体载体上可检测基团的存在表明试验样品中存在抗原。合适的免疫分析法的例子有寡核苷酸、免疫印迹法、免疫荧光法、免疫沉淀法、化学发光法、电化学发光法(ECL)或酶联免疫分析法。
本领域技术人员将熟悉许多特定的免疫分析格式及其变化，这对于执行本文所公开的方法可能是有用的。一般见E.Maggio,酶-免疫分析法(Enzyme-Immunoassay),(1980)(CRC Press,Inc.,Boca Raton,Fla.)；也参见授权于Skold et al的美国专利号4,727,022，题目为“配体-受体相互作用调控方法及其应用(Methods for Modulating Ligand-Receptor Interactions and their Application)”,授权于Forrest et al的美国专利号4,659,678，题目为“抗原的免疫分析法(Immunoassay of Antigens)”,授权于David et al的美国专利号4,376,110，题目为“使用单克隆抗体的免疫测定(Immunometric AssaysUsing Monoclonal Antibodies)”,授权于Litman et al的美国专利号4,275,149，题目为“特异性受体检测中的大分子环境控制(Macromolecular Environment Control inSpecific Receptor Assays)”,授权于Maggio et al的美国专利号4,233,402，题目为“使用通道的试剂及方法(Reagents andMethod Employing Channeling)”和授权于Boguslaski et al的美国专利号4,230,767，题目为“使用辅酶为标记的异种特异性结合试验(Heterogenous Specific Binding Assay Employing a Coenzyme as Label)”。
抗体可以根据已知的技术，如被动结合而轭合到适合诊断分析的固体载体上(例如，珠例如蛋白A或蛋白G琼脂糖、微球、平板、玻片或由胶乳或聚苯乙烯等材料形成的孔)。这里所描述的抗体也可以按照已知的技术与可检测的标记物或基团例如放射性标记物(例如，35S、125I、131I),酶标记物(例如，辣根过氧化物酶、碱性磷酸酶)和荧光标记物(例如荧光素、Alexa、绿色荧光蛋白、罗丹明)结合。
用于测量CRP的单克隆抗体的例子包括而不限于：小鼠，单克隆的(Mouse,Monoclonal)(108-2A2)；小鼠，单克隆的(108-7G41D2)；小鼠，单克隆的(12D-2C-36)，IgG1；小鼠，单克隆的(1G1),IgG1；小鼠，单克隆的(5A9)，IgG2a kappa(κ)；小鼠，单克隆的(63F4)，IgG1；小鼠，单克隆的(67A1)，IgG1；小鼠，单克隆的(8B-5E)，IgG1；小鼠，单克隆的(B893M)，IgG2b，lambda(λ)；小鼠，单克隆的(C1)，IgG2b；小鼠，单克隆的(C11F2)，IgG；小鼠，单克隆的(C2)，IgG1；小鼠，单克隆的(C3)，IgG1；小鼠，单克隆的(C4)，IgG1；小鼠，单克隆的(C5)，IgG2a；小鼠，单克隆的(C6)，IgG2a；小鼠，单克隆的(C7)，IgG1；小鼠，单克隆的(CRP103)，IgG2b；小鼠，单克隆的(CRP11)，IgG1；小鼠，单克隆的(CRP135)，IgG1；小鼠，单克隆的(CRP169)，IgG2a；小鼠，单克隆的(CRP30)，IgG1；小鼠，单克隆的(CRP36)，IgG2a；兔，单克隆的(Rabbit,Monoclonal)(EPR283Y)，IgG；小鼠，单克隆的(KT39)，IgG2b；小鼠，单克隆的(N-a)，IgG1；小鼠，单克隆的(N1G1)，IgG1；单克隆的(P5A9AT)；小鼠，单克隆的(S5G1)，IgG1；小鼠，单克隆的(SB78c)，IgG1；小鼠，单克隆的(SB78d)，IgG1和兔，单克隆的(Y284)，IgG,人C-反应蛋白/CRP BiotMAb(Cl 232024)，小鼠IgG2B,人C-反应蛋白/CRP MAb(Clone232007)，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的抗体还包括这样的抗体，其从包括以下CRP的列表开发以靶向表位：人血浆衍生的CRP、人血清衍生的CRP、小鼠骨髓瘤细胞系NS0衍生的重组人C-反应蛋白/CRP(Phe17-Pro224Accession#P02741)。
如前所述，本发明还设想在RNA水平上测量决定因素。
分析RNA的量的方法在本领域中是已知的，并在下面对其进行了总结：
RNA印迹分析：该方法涉及在RNAs的混合物中检测特定的RNA。用一种防止碱基对之间氢键结合的试剂(例如甲醛)处理，使RNA样品变性，确保所有的RNA分子都具有未折叠的线性构象。然后根据大小通过凝胶电泳分离单个RNA分子，并将其转移到硝化纤维素或尼龙基膜上，使变性的RNA粘附在膜上。然后使膜暴露于标记的DNA探针。探针可以用放射性同位素或酶联核苷酸标记。检测可采用放射自显影法、比色反应法或化学发光法。这种方法既可以定量测定一定数量的特定的RNA分子，也可以通过膜上的相对位置来确定其同一性，这指示了在电泳过程中在凝胶中的迁移距离。
RT-PCR分析：该方法利用相对罕见的RNAs分子进行PCR扩增。首先，从细胞中纯化RNA分子，并利用逆转录酶(例如MMLV-RT)和引物例如，oligo dT、随机六聚体或基因特异性引物，将RNA转化为互补DNA(cDNA)。然后应用基因特异性引物和TaqDNA聚合酶，在PCR机上进行PCR扩增。本领域技术人员能够选择适合于检测特定RNA分子的基因特异性引物的长度和序列，以及PCR条件(如猝灭温度、循环次数等)。应该意识到，通过调整PCR周期并将扩增产物与已知的对照物进行比较，可以使用半定量的RT-PCR反应。
RNA原位杂交染色：在这种方法中，DNA或RNA探针附着在细胞中存在的RNA分子上。一般来说，细胞首先被固定在显微切片上，以保持细胞结构，并防止RNA分子被降解，然后接受含有标记探针的杂交缓冲液。该杂交缓冲液包含试剂例如甲酰胺和盐(如氯化钠和柠檬酸钠)，其使DNA或RNA探针能够在原位与它们的目标mRNA分子进行特异性杂交，同时避免探针的非特异性结合。本领域技术人员能够将杂交条件(如温度、盐浓度和甲酰胺等)调整到特定的探针和细胞类型。
杂交后，任何未结合的探针被冲洗掉，结合的探针使用已知的方法检测。例如，如果使用放射-标记的探针，那么载玻片就会受到一种感光乳液的影响，该乳液揭示了使用放射标记探针产生的信号；如果探针用酶标记，则加入酶特异性底物进行显色反应；如果探针用荧光标记物标记，则用荧光显微镜显示结合的探针；如果探针用标记(例如地高辛、生物素等)标记，那么在与标记特异性抗体相互作用之后，就可以用已知的方法检测到结合的探针。
原位RT-PCR染色：所述方法在Nuovo GJ,et al.[聚合酶链式反应(PCR)扩增的丙型肝炎cDNA的细胞内定位(Intracellular localization of polymerase chainreaction(PCR)-amplified hepatitis C cDNA).AmJ Surg Pathol.1993,17:683-90]和Komminoth P,et al.[归档肝活检中丙型肝炎病毒检测方法的评价(Evaluation ofmethods for hepatitis C virus detection in archival liverbiopsies).组织学、免疫组织化学、原位杂交、逆转录聚合酶链反应(RT-PCR)和原位RT-PCR的比较(Comparisonof histology,immunohistochemistry,in situ hybridization,reverse transcriptasepolymerase chainreaction(RT-PCR)andin situ RT-PCR).Pathol Res Pract.1994,190:1017-25]作了描述。简单地说，RT-PCR反应是在固定的细胞上，通过将标记的核苷酸与PCR反应结合起来而进行的。该反应是用一种特殊的原位RT-PCR装置，例如从ArcturusEngineering(Mountainview,CA)获得的激光-捕获微切割PixCell I LCM系统(Mountainview,CA)上进行的。
DNA微阵列/DNA芯片：
可使用DNA微阵列同时分析数千个基因的表达，以允许分析生物体在特定发育过程或生理反应中的完整转录程序。DNA微阵列由数千个单独的基因序列组成，这些基因序列附着在支架表面紧密堆积的区域，如玻璃显微镜玻片上。多种方法已被开发用于制备DNA微阵列。在一种方法中，每个基因的编码区大约有1千个碱基的片段进行单独的PCR扩增。使用一种机器人装置，将每个扩增的DNA样品应用于玻璃显微镜玻片表面紧密间隔的区域，然后经过热处理和化学处理，使DNA序列结合于载体表面，并将其变性。
通常地，这类阵列为约2x 2cm并含有约6000个单个核酸点。在该技术的一个变体中，多个DNA寡核苷酸(通常长度为20个核苷酸)是从与载体表面共价结合的初始核苷酸合成的，因此在载体表面的一个小方形区域内合成了数万个相同的寡核苷酸。从在载玻片的相邻区域的单个基因合成多个寡核苷酸序列，以分析该基因的表达。因此，成千上万的基因可以在一张玻璃片上呈现。这样的合成寡核苷酸的阵列在本领域中可称为“DNA芯片”，而不是上文所述的“DNA微阵列”[Lodish et al.(eds.).7.8章：DNA微阵列：分析全基因组表达(DNA Microarrays:Analyzing Genome-Wide Expression).In:Molecular Cell Biology,第4版,W.H.Freeman,NewYork.(2000)]。
寡核苷酸微阵列–在这种方法中，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酸探针被连接到固体表面(例如，玻璃芯片)上。每个寡核苷酸探针的长度约为20-25个核酸。为了检测本发明的一些实施方案的多核苷酸在特定细胞样本(例如血细胞)中的表达模式，用本领域已知的方法(使用例如，TRIZOL溶液,Gibco BRL,USA)从细胞样品提取RNA。杂交可以使用标记的寡核苷酸探针(例如，5'-生物素化探针)，也可以使用标记的互补DNA(cDNA)或RNA(cRNA)的片段进行。简单地说，双链cDNA是利用逆转录酶(RT)(如上标II RT)、DNA连接酶和DNA聚合酶I，都是按照制造商的指示(Invitrogen LifeTechnologies,Frederick,MD,USA)从RNA中制备的。为了制备标记的cRNA，双链cDNA在生物素化核苷酸存在下，使用例如生物阵列高效RNA转录标记试剂盒(BioArrayHigh YieldRNATranscript Labeling Kit)(Enzo,Diagnostics,Affymetix Santa Clara CA)，经历了体外转录反应。为了有效的杂交，标记的cRNA可以通过在40mM三(羟甲基)氨基甲烷醋酸盐(pH8.1)、100mM醋酸钾和30mM醋酸镁中于94℃下孵育RNA 35分钟而被片段化。杂交后，微阵列被清洗，杂交信号用共焦激光荧光扫描仪扫描，该扫描仪测量与探针阵列结合的标记cRNA发射的荧光强度。
例如，在Affymetrix微阵列(Santa Clara,CA)中，该阵列上的每个基因都由一系列不同的寡核苷酸探针来表示，其中每个探针对由一个完全匹配的寡核苷酸和一个错配的寡核苷酸组成。当完全匹配的探针具有与特定基因完全互补的序列，从而能够测量特定基因的表达水平时，错配探针与完全匹配的探针的区别在于中心碱基位置的单碱基替换。杂交信号用Agilent扫描仪扫描，微阵列套件软件从完全匹配探针产生的信号中减去由失配探针产生的非特异性信号。
RNA测序：RNA序列测定的方法一般为本领域技术人员所熟知。优选的测序方法是下一代测序方法或平行高通量测序方法。所设想的序列方法的例子是焦磷酸测序，特别是454焦磷酸测序，例如基于罗氏454基因组测序器(Roche 454Genome Sequencer)。这种方法在油液中扩增水滴中的DNA，每个液滴上含有单一的DNA模板，所述模板附着在单个涂有引物的珠上，然后形成一个克隆集落。焦磷酸测序使用荧光素酶产生光来检测添加到新生DNA上的单个核苷酸，并利用合并的数据生成序列读出。另一个设想的例子是Illumina或Solexa测序，例如使用基于可逆染料终止剂的Illumina基因组分析仪(Illumina GenomeAnalyzer)技术。DNA分子通常附着在载玻片上的引物上，并进行扩增，从而形成局部克隆的集落。随后，一次可添加一种类型的核苷酸，而非结合核苷酸则被洗掉。
随后，可以拍摄荧光标记核苷酸的图像，并将染料从DNA中化学去除，从而进入下一个周期。另一个例子是应用生物系统的固体技术(Applied Biosystems'SOLiDtechnology)，该技术采用连接测序法。这种方法的基础是使用所有可能的固定长度的寡核苷酸池，这些寡核苷酸都是按照测序排列的位置标记的。这样的寡核苷酸经过猝灭并连接。随后，用于匹配序列的DNA连接酶的优先连接通常会在该位置得到核苷酸的信号信息。由于DNA通常是通过乳液PCR扩增，因此所产生的珠体，每个珠只包含相同DNA分子的副本，可以沉积在玻片上，导致与Illumina测序可比得上的数量和长度的序列。另一种方法是基于Helicos'的天体镜(Helicos'Heliscope)技术，其中片段由聚T寡聚体与阵列相连捕获。在每个测序循环中加入聚合酶和单个荧光标记的核苷酸，并对该阵列成像。荧光标记随后被移除并重复该循环。包括在本发明方法中的测序技术的进一步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、微流体Sanger测序或基于微芯片的测序方法测序。本发明还设想这些技术的进一步发展，例如进一步改进序列测定的准确度，或确定生物体基因组序列所需的时间等。
依据一个实施方案，测序方法包括深测序。
如本文所用的，术语“深测序”指指一种测序方法，其中目标序列在单个测试中被多次读取。单次深度测序运行由在同一目标序列上运行的多个测序反应组成，每个反应生成独立的序列读数。
应该意识到，本文描述的决定因素的表达水平可以是绝对表达水平、标准化表达水平和/或相对表达水平。
在一般的科学环境中，标准化是一个过程，通过这个过程，测量原始数据被转换成可以直接与其它如此标准化的数据进行比较的数据。在本发明的上下文中，表达水平的测量容易出现错误，例如由被测样品的不均匀降解，每次检测的负载量不同引起的错误，以及其它各种错误。更具体地说，由于人为错误和设备故障，任何化验样本都可能含有比预想的或多或少的生物材料。因此，同样的误差或偏差既适用于本发明的多肽，也适用于对照参考，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，会产生一个商数，该商数基本上没有任何技术故障或不准确之处(除为测试目的破坏样品的重大错误外)，并构成多肽的标准化表达值。由于对照参考表达值在不同的样品中相等，因此它们构成了一个对于这种标准化是有效的公共的参考点。
依据一个具体的实施方案，使用相同的对照参考对每种多肽表达值进行标准化。
一旦进行试验以确定决定因素的水平，就可以任选地生成包含测量结果的受试者特定数据集。
所述受试者-特定的数据集可以计算机可读的格式存储在非易失性计算机可读介质上，并且任选地和优选地由硬件处理器(如通用计算机或专用电路)访问。
如前所述，对试验受试者血液中决定因素(例如多肽)的水平与多个受试者血液中相同的多肽水平进行比较，当受试者已经根据多肽的血液水平以外的参数被证实患有细菌感染、病毒感染或非细菌/非-病毒性疾病时。多个受试者的多肽水平及其经验证的诊断可存储在第二数据集中，此处也称为“组数据集”或“预诊断数据集”，如下文将对此作进一步说明的。
短语“非-细菌/非-病毒性疾病”指不是由细菌或病毒引起的疾病。这包括诸如急性心肌梗塞、身体损伤、癫痫发作、炎症性紊乱等、真菌病、寄生虫病等疾病。
如本文所用的短语“病毒性感染”指由病毒引起的疾病且不包括细菌成分。
分析数据集的方法，例如，为了计算表示具体受试者患有细菌感染的可能性，或具体受试者患有病毒感染的可能性或具体受试者患有非细菌性非病毒性疾病的可能性的一个或多个概率分类函数，可以如以下实施例部分所述来执行。
例如，诊断可使用PCR诊断分析法支持，例如(i)RV15，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，和肠道病毒，或(ii)PB6，用于检测肺炎链球菌(Streptococcus pneumoniae)、流感嗜血杆菌(Haemophilus influenzae)、肺炎衣原体(Chalmydia pneumoniae)、嗜肺军团菌(Legionella pneumophila)、百日咳博德特氏菌(Bordetella pertussis)，和肺炎支原体(Mycoplasma pneumoniae)。
血培养、尿培养和粪便培养可用于对志贺菌氏属(Shigella spp.)、弯曲菌属(Campylobacter spp.)和沙门氏菌属(Salmonella spp.)的分析；血清学测试(IgM和/或IgG)用于巨细胞病毒(CMV)、爱泼斯坦-巴氏病毒(EBV)、支原体肺炎(Mycoplasmapneumonia)和贝纳特氏立克次体(Coxiella burnetii)(Q-发热)的分析。
放射试验(例如怀疑下呼吸道感染[LRTI]的胸部X-线光片)可用来证实胸部感染。
可供选择地，或另外也可以使用至少一名受过训练的医生来确定诊断。
本文已描述了在预诊断受试者中测定多肽表达水平的方法。
优选地，用于测定预诊断受试者中多肽的表达水平的同样方法被用来测定试验受试者中多肽的水平。因此，例如如果用免疫分析法来测定预诊断受试者中多肽的表达水平，那么就应该用免疫分析法来测定试验受试者中多肽的水平。
应该意识到，在试验受试者和预诊断受试者中，血液样品的类型不一定相同。因此，例如，如果用血清样本来测定预诊断受试者中多肽的表达水平，那么血浆样品就可被用来测定试验受试者中多肽的水平。
数据集的附加维度提供了与所分析的受试者、其它受试者和/或CRP和MX1以外的多肽水平有关的额外信息。
“传统实验室危险因素”，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记，这些生物标记目前在临床实验室内进行评估，并应用于传统的全球风险评估算法中。以上提供了相同的例子。
优选地，被分析受试者的至少一个传统实验室风险因素包括在受试者特定数据集中，而其它受试者的另一个或多个(更优选是全部)的传统实验室风险因素中至少一个包含在组数据集中。当受试者特定数据集包含至少一个传统实验室风险因素时，风险因素可以作为单独的条目包括在内。当组数据集包括风险因素时，每个受试者任选地和优选地包括风险因素。因此，例如，组数据集条目可由数组(S、G、D、L{R})描述，其中S、G、D和L之前已经被引入，并且{R}是受试者S的至少一个风险因素。
“临床参数”包括受试者的所有非样品或非-被分析物的健康状况或其它特征的生物标记，例如，但不限于，年龄(Age)、种族(RACE)、性别(Sex)、核心体温(简称"温度")、症状出现以来的最高核心体温(缩写为"最高温度")、症状开始出现的时间(缩写为"症状出现时间")、妊娠或家族史(缩写为FamHX)。
优选地，被分析受试者的至少一个临床参数包括在受试者特定的数据集中，而在所述组数据集中包括一个或多个(优选地是全部)受试者的至少一个临床参数。当受试者特定的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。当组数据集包括临床参数时，每个受试者任选地和优选地包括临床参数。因此，例如，组数据集条目可由数组(S、G、D、L{C})描述，其中S、G、D和L之前已经被引入，并且{C}是受试者S的临床参数。
如本文所用的"血化学"指血液中溶解或组成血液的任何或所有物质的浓度。这样的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。
一旦作出诊断，应该意识到可采取行动行动。
因此，例如，如果确定存在细菌感染，那么可以用抗生素药物来治疗受试者。
抗生素药物的实例包括，但不限于达托霉素、吉米沙星(Gemifloxacin)、替拉万辛(Telavancin)、头孢洛林(Ceftaroline)、非达米星(Fidaxomicin)、阿莫西林、氨苄西林、巴氯西林(Bacampicillin)、羧苄西林(Carbenicillin)、氯唑西林(Cloxacillin)、双氯唑西林(Dicloxacillin)、氟氯西林(Flucloxacillin)、美洛西林(Mezlocillin)、萘夫西林(Nafcillin)、苯唑西林、青霉素V、哌拉西林(Piperacillin)、吡呋西林(Pivampicillin)、匹美西林(Pivmecillinam)、替卡西林(Ticarcillin)、氨曲南、亚胺培南、多利培南、美罗培南、厄他培南(Ertapenem)、克林霉素、林可霉素、普那霉素(Pristinamycin)、奎奴普丁(Quinupristin)、头孢乙腈(cephacetrile)、头孢羟氨苄(cefadroxyl)、头孢氨苄(cephalexin)、头孢来星(cephaloglycin)、头孢洛宁(cephalonium)、头孢噻啶(cephaloradine)、先锋霉素I(cephalothin)、头孢匹林(cephapirin)、头孢曲秦(Cefatrizine)、头孢氮氟(Cefazaflur)、头孢西酮(Cefazedone)、头孢唑林(cephazolin)、头孢拉定(cephradine)、头孢沙定(Cefroxadine)、头孢替唑(Ceftezole)、头孢克洛(Cefaclor)、头孢孟多、头孢美唑(Cefmetazole)、头孢尼西(Cefonicid)、头孢替坦(Cefotetan)、头孢西丁(Cefoxitin)、头孢丙烯(cefproxil)、头孢呋辛(Cefuroxime)、头孢唑南(Cefuzonam)、头孢卡品、头孢达肟(Cefdaloxime)、头孢地尼(Cefdinir)、头孢托仑(Cefditoren)、头孢他美(Cefetamet)、头孢克肟(Cefixime)、头孢甲肟(Cefmenoxime)、头孢地嗪(Cefodizime)、头孢噻肟、头孢咪唑(Cefpimizole)、头孢泊肟(Cefpodoxime)、头孢特仑(Cefteram)、头孢布坦(Ceftibuten)、头孢噻呋、头孢噻林(Ceftiolene)、头孢唑肟(Ceftizoxime)、头孢曲松、头孢哌酮(Cefoperazone)、头孢他啶(Ceftazidime)、头孢克丁(Cefclidine)、头孢吡肟(Cefepime)、头孢瑞南(Cefluprenam)、头孢噻利(Cefoselis)、头孢唑兰(Cefozopran)、头孢匹罗(Cefpirome)、头孢喹肟、第五代、头孢比普(Ceftobiprole)、头孢洛林(Ceftaroline)、未归类的、头孢氯嗪(Cefaclomezine)、头孢洛仑(Cefaloram)、头孢帕罗(Cefaparole)、头孢卡尼(Cefcanel)、头孢屈洛(Cefedrolor)、头孢吡酮(Cefempidone)、头孢三唑(Cefetrizole)、头孢维曲(Cefivitril)、头孢马替林(Cefmatilen)、氟氧头孢(Cefmepidium)、头孢维星(Cefovecin)、头孢噁唑(Cefoxazole)、头孢罗替(Cefrotil)、头孢舒米(Cefsumide)、头孢呋汀(Cefuracetime)、头孢噻氧(Ceftioxide)、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(Paromomycin)、链霉素、妥布霉素(Tobramycin)、氟甲喹(Flumequine)、萘啶酸(Nalidixic acid)、奥索利酸(Oxolinicacid)、吡咯米酸(Piromidic acid)、吡哌酸(Pipemidic acid)、罗索沙星(Rosoxacin)、环丙沙星、依诺沙星(Enoxacin)、洛米沙星(Lomefloxacin)、那氟沙星(Nadifloxacin)、诺氟沙星(Norfloxacin)、氧氟沙星、培氟沙星(Pefloxacin)、芦氟沙星(Rufloxacin)、巴洛沙星(Balofloxacin)、加替沙星、格雷沙星(Grepafloxacin)、左氧氟沙星、莫西沙星、帕珠沙星(Pazufloxacin)、司氟沙星(Sparfloxacin)、替马沙星(Temafloxacin)、妥苏沙星(Tosufloxacin)、贝西沙星(Besifloxacin)、克林沙星(Clinafloxacin)、吉米沙星(Gemifloxacin)、西他沙星(Sitafloxacin)、曲伐沙星、普卢利沙星(Prulifloxacin)、磺胺甲二唑、磺胺甲噁唑、磺胺异噁唑(Sulfisoxazole)、甲氧苄啶-磺胺甲氧异噁唑(Trimethoprim-Sulfamethoxazole)、地美环素(Demeclocycline)、多西环素(Doxycycline)、二甲胺四环素、土霉素、四环素、替吉环素、氯霉素、甲硝唑(Metronidazole)、替尼达唑(Tinidazole)、呋喃妥因、万古霉素、替考拉宁、特拉万星(Telavancin)、利奈唑胺、环丝氨酸2(Cycloserine 2)、利福平、利福布汀、利福喷丁(Rifapentine)、杆菌肽、多粘菌素B(Polymyxin B)、紫毒素(Viomycin)、卷曲霉素。
如果确定是病毒感染，受试者可用抗病毒剂治疗。抗病毒剂的实例包括，但不限于阿巴卡韦、阿昔洛韦(Aciclovir)、阿昔洛韦(Acyclovir)、阿德福韦、金刚烷胺、氨普那韦、阿普林津、阿比朵尔(Arbidol)、阿扎那韦、依发韦仑(Atripla)、阿巴卡韦(Balavir)、Boceprevirertet、西多福韦、双汰芝(Combivir)、多替拉韦、达芦那韦、地拉韦啶、去羟肌苷、正二十二烷醇、依度尿苷(Edoxudine)、依法韦仑、恩曲他滨、恩夫韦肽、恩替卡韦、Ecoliever、泛昔洛韦、福米韦生、膦沙那韦、膦甲酸、磷乙酸钠(Fosfonet)、融合抑制剂、更昔洛韦、伊巴他滨、异丙肌苷、碘苷、咪喹莫特、茚地那韦、肌苷、整合酶抑制剂、干扰素III型、干扰素II型、干扰素I型、干扰素、拉米夫定、洛匹那韦、洛韦胺、马拉韦罗、吗啉胍、甲吲噻踪(Methisazone)、奈非那韦、奈韦拉平、多吉美、奥塞米韦、聚乙二醇化干扰素α-2a、喷昔洛韦(Penciclovir)、培拉米韦、普米可那立、鬼臼毒素、雷特格韦(Raltegravir)、逆转录酶抑制剂、利巴韦林、金刚烷乙胺(Rimantadine)、利托那韦、嘧啶、沙奎那韦、索非布韦(Sofosbuvir)、司他夫定、替拉瑞韦、替诺福韦、替诺福韦酯、替拉那韦、曲氟尿苷、三协唯、曲金刚胺、特鲁瓦达(Truvada)、traporved、伐昔洛韦、缬更昔洛韦、维立韦罗、阿糖腺苷、韦拉米定(Viramidine)、扎西他滨、扎那米韦、齐多夫定、RNAi抗病毒剂、吸入的鼻病毒体(rhibovirons)、单克隆的抗体RSV免疫球蛋白(respigams)、神经亚胺酶阻断剂。
使用本文描述的方法收集到的信息可能有助于增加另外的患者的管理选项。例如，信息可被用于确定患者是否应入院或不应入院。这也会影响是否延长住院时间。它还可能影响是否需要进行额外的检测，或可能节省进行不必要的试验，例如CT和/或X-射线和/或MRI和/或和/或培养和/或血清学和/或PCR测定特定细菌和/或PCR测定病毒和/或进行腰椎穿刺等程序。
如本文所用的术语“约”指±10％。
术语"包括"、"包含"、"包纳"、"含有"、“具有”及其变化形式意指"包括但不限于"。
术语“由...组成”意指“包括且限于”。
术语"基本由...组成"意指组合物、方法或结构可以包括附加成分、步骤和/或部分，但前提只能是附加成分、步骤和/或部分在实质上不改变所要求的成分、方法或结构的基本和新颖特征。
在整个本申请中，可以以范围格式来呈现本发明的各种实施方案。应当理解的是，以范围格式进行的描述仅是为了方便和简洁，而不应该被视为是对本发明的范围的硬性限制。因此，范围的描述应被视为已具体公开了所有可能的子范围以及范围内的各个数值。例如，范围例如从1至6的描述应被视为已具体公开了子范围如1-3、1-4、1-5、2-4、2-6、3-6等，以及在该范围内的各个数值，例如，1、2、3、4、5和6、这是适用的，而不管范围的宽度。
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，包括但不限于由化学、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，或容易由化学、药理学、生物学、生物化学和医学领域的从业者从已知的方式、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(abrogating)、基本上抑制、减缓或逆转病症的进展，基本上改善病症的临床或美学症状，或基本上预防病症的临床或美学症状的出现。
要意识到，本发明的某些特征，为简洁起见，其在各个实施方案的上下文中描述，也可以单一实施方案的组合提供。相反，为简洁起见，本发明的各个特征(其在单一实施方案的上下文中描述)也可单独提供，或以任何适当的子组合或在本发明任何其它描述的实施方案中适用。在各个实施方案的上下文中描述的某些特征不应被视为这些实施方案的基本特征，除非实施方案没有这些要素是无效的。
如上文描述的和如在以下权利要求书部分中要求的本发明的各个实施方案和方面在以下实施例中发现实验支持。
实施例
现参照以下实施例，其连同以上描述一起，以非限制性的方式来说明本发明。
通常，本文中使用的术语和在本发明中采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。在文献中充分解释了这样的技术。参见，例如，"分子克隆，一种实验室手册(Molecular Cloning:A laboratory Manual)"Sambrook et al.,(1989)；"分子生物学的最新方案(Current Protocols in Molecular Biology)"Volumes I-III Ausubel,R.M.,ed.(1994)；Ausubel et al.,"分子生物学的最新方案(Current Protocols inMolecular Biology)",John Wiley和Sons,Baltimore,Maryland(1989)；Perbal,"分子克隆的实践指导(A Practical Guide to Molecular Cloning)",John Wiley&Sons,NewYork(1988)；Watson et al.,"重组DNA(Recombinant DNA)",Scientific American Books,NewYork；Birren et al.(eds)"基因组分析：一种实验室手册丛书(Genome Analysis:ALaboratory Manual Series)",Vols.1-4,Cold Spring Harbor Laboratory Press,NewYork(1998)，如阐述于美国专利号4,666,828；4,683,202；4,801,531；5,192,659和5,272,057中的方法；"细胞生物学：一种实验室手册(Cell Biology:A Laboratory Handbook)",Volumes I-III Cellis,J.E.,ed.(1994)；"动物细胞培养–一种基础技术手册(Culture ofAnimal Cells-A Manual of Basic Technique)"by Freshney,Wiley-Liss,N.Y.(1994),第3版；"免疫学的最新方案(Current Protocols in Immunology)"Volumes I-IIIColigan J.E.,ed.(1994)；Stites et al.(eds),"基础和临床免疫学(Basic andClinical Immunology)"(第8版),Appleton&Lange,Norwalk,CT(1994)；Mishell和Shiigi(eds),"细胞免疫学的选择方法(Selected Methods in Cellular Immunology)",W.H.Freeman和Co.,NewYork(1980)中的方法；可利用的免疫测定广泛描述于专利和科技文献中，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；"寡核苷酸合成(Oligonucleotide Synthesis)"Gait,M.J.,ed.(1984)；“核酸杂交(Nucleic AcidHybridization)"Hames,B.D.，和HigginsS.J.,eds.(1985)；"转录和翻译(Transcription and Translation)"Hames,B.D.，和Higgins S.J.,eds.(1984)；"动物细胞培养(Animal Cell Culture)"Freshney,R.I.,ed.(1986)；"固定化细胞和酶(Immobilized Cells and Enzymes)"IRLPress,(1986)；"分子克隆的实践指导(A Practical Guide to Molecular Cloning)"Perbal,B.,(1984)和"酶学方法(Methods in Enzymology)"Vol.1-317,Academic Press；"PCR方案：一种对方法和应用的指导(PCR Protocols:A Guide To Methods And Applications)",Academic Press,San Diego,CA(1990)；Marshak et al.,"蛋白质纯化和鉴定的策略-实验室课程手册(Strategies forProtein Purification and Characterization-A Laboratory CourseManual)"CSHL Press(1996)；它们均以引用方式结合于本文，如同在此全文提出一样。在本文件中提供了其它一般参考文献。其中的程序被认为是在本领域中众所周知的并为方便读者加以提供。其中包含的所有信息以引用方式结合于本文。
实施例1
宿主反应蛋白可以区分急性细菌感染和病毒感染
作为多中心、观察、前瞻性临床研究的一部分招募患者，目的是开发和测试宿主蛋白的特征，以便快速准确地诊断病毒性和细菌性疾病患者。
方法
患者招募
总共招募了253名患者，其中224名怀疑患有传染病，29名患有非传染病(对照组)。根据适用情况，从每位参与者或法定监护人获得知情同意书。传染病组的纳入标准包括：临床怀疑急性传染病，症状出现后最高发热>37.5℃，症状持续时间≤12天。对照组的纳入标准包括：非传染性疾病(如创伤、中风和心肌梗死)的临床表现，或健康受试者。排除标准包括：登记前两周内出现急性传染病的证据；诊断为先天性免疫缺陷；目前用免疫抑制或免疫调节疗法治疗；活动性恶性肿瘤，经证实或怀疑为人类免疫缺陷病毒(HIV)-1、乙型肝炎病毒(HBV)，或丙型肝炎病毒(HCV)感染。为了实现广泛的概括，在入组时抗生素治疗未导致从研究中被排除。图1中描述了研究工作流程的概述。
登记过程和数据收集
对于每名患者，均记录下列基线变量：人口统计、体格检查、病史(例如主诉、基础疾病、长期服用的药物、并存病、症状出现时间和最高体温)、登记时获得的全血计数(CBC)和化学组(如肌酐、尿素、电解质和肝脏酶)。从每名患者身上抽取一份鼻拭子作进一步的微生物检查，并取一份血液样品作蛋白质筛选及验证。医生还酌情采集了其它样品(例如在分别怀疑尿路感染[UTI]和胃肠炎[GI]的情况下的尿样和粪便样品)。由医生自行决定进行放射检查(例如怀疑下呼吸道感染
[LRTI]的胸部X光检查)。所有信息均以定制电子个案报告表(eCRF)记录。
建立参考标准
目前，还没有单一的参考标准来检测各种临床综合征中的细菌和病毒感染。因此，根据诊断准确度报告标准(STARD)(Bossuyt et al.2003)的建议，制定了严格的参考标准。首先，对每一位患者进行了一次彻底的临床和微生物调查，如上文所述。然后，对在整个疾病过程中收集到的所有数据由最多三名医生组成的小组进行审查，该小组为每个患者分配了下列诊断标记物之一：(i)细菌；(ii)病毒；(iii)无明显传染病或健康(对照组)；(i)细菌；(ii)病毒；(iii)无明显传染病或健康(对照组)；和(iv)未确定。根据NHS-HTA(Rutjeset al.2007)的建议，小组成员对其同等实体的标记设盲，以预防群体压力或有影响的人格偏倚，以及宿主-蛋白质测量结果设盲。
样品、程序和样品处理
将全血分为细胞部分和血清部分，然后用红细胞裂解缓冲液(BD Bioscience)处理。白细胞随后用磷酸盐缓冲盐水(pH 7.3)冲洗三次。血清CRP的测定采用Cobas-6000、Cobas-Integra-400/800，或模块化-分析-P800(Modular-Analytics-P800)(Roche)进行。对于测量MX1，首先用固定和渗透缓冲液试剂盒(eBioscience)固定和渗透细胞。固定和渗透后，用原始抗体培养40分钟，洗涤两次，再用PE缀合第二抗体培养额外20分钟。每种染色方式均以IgG同工型(IgG Isotype)对照品作为阴性对照背景。染色程序后，用LSRII流式细胞仪分析细胞。使用SSC/FSC点图将粒细胞、单核细胞和淋巴细胞彼此区分。分别检测淋巴细胞、单核细胞和粒细胞对每种特异性抗原的背景和特异性染色。白细胞总数平均水平的计算方法是将所有细胞类型的决定因素多肽水平相加，再除以白血球数。将鼻拭子和粪便样品于4℃存放至多72小时，然后被送往经认证的服务实验室用于多重PCR。
统计学分析
初步分析以接收机工作曲线下面积(AUC)、Matthews相关系数(MCC)、敏感度、特异性、总准确度、阳性预测值(PPV)和阴性预测值(NPV)为基础。这些测量定义如下：
P、N、TP、FP、TN、FN分别是阳性、阴性、真阳性、假阳性、真阴性和假阴性。除非另外提及，阳性和阴性分别指细菌和病毒感染患者。
结果
患者特征
急性感染患者的研究组包括119名女性(53％)及105名男性(47％)，年龄在3个月至79岁之间。患者表现出影响不同生理系统(如呼吸、泌尿、中枢神经系统、全身)的各种临床综合征。被研究患者的详细特征如图2A-7中所示。
使用合并的CRP和MX1的统计分类以供诊断急性感染患者
C-反应蛋白(CRP)是一种急性期蛋白，血清正常浓度低于3mg/L，其在炎症或对感染的反应中增加。它通常被用来支持怀疑患有急性感染的患者的诊断。然而，CRP对患者间的变异性很敏感，包括从症状开始的时间、临床综合征和病原体种类(Oved et al.2015)。例如，升高的CRP水平暗示有细菌感染(Woodhead et al.2011)，但在一些病毒株患者(例如，腺病毒和流感)(Kunze,Beier，和Groeger 2010)，和炎症性疾病患者中也可观察到类似的水平。MX1(MX发动蛋白-样GTPase 1)是一种参与细胞抗病毒反应的蛋白编码基因，因此可能有助于区分细菌和病毒患者细菌和病毒患者。由于CRP主要是细菌诱导的，而MX1主要是病毒诱导的，因此它们的组合结合可能比单独的蛋白更好。然而，有多种方法(和制剂)将CRP和MX1结合起来，并不是所有的方法都能提供显著的附加值。例如，图8A是一个显示了两个变量之间的分离的图表，使用了定义的生物标记物截止值(一个用于CRP和一个用于MX1)。如所显示的，这生成一个四象限分离模式(quadrary separation pattern)，该模式对于在密切相关的数据集之间分离的偏好较少(图8A)。
图8B是表示使用截止独立模型的两个变量之间的分离的曲线图。该图显示，使用统计分类技术可以产生各种独特的分离超平面，以更高的准确度区分两组患者。
本发明人发现，截止独立模型(例如，使用统计分类技术生成)可以提供一个与使用定义的截断和四象限分离模式获得的二元结果(仅为细菌或病毒结果)比较的可能性评分(例如，细菌感染的概率90％)。因此，它可以提供额外的临床信息，其可以指导正确的患者管理。为此目的，本发明人开发了统计分类技术，其将MX1和CRP结合起来，以区分细菌和病毒以及传染性和非传染性患者。为了将两个蛋白质水平集成到单个预测评分中，对多个计算模型包括人工神经网络(Artificial Neural Networks)(ANN)、支持向量机(SupportVector Machines)(SVM)、贝叶斯网络(Bayesian Networks)(BN)、K-最近邻(K-NearestNeighbor)(KNN)和逻辑回归(Logistic Regression)进行检查。虽然可以使用任何这些模型(或类似模型)，但本文作为示例给出的结果是使用逻辑回归生成的。本发明人进一步使用不同适应症和亚组的真实世界传染病临床样品评估了开发模型的性能(准确度水平)，如下所述。对于每个已开发的模型，本发明人提供了一组定量参数(模型系数)，其具体定义了两个患者组之间的超平面分离。最后，它们将逻辑回归模型与基于CRP的常规使用截止值(20μg/ml,65μg/ml,80μg/ml)的模型进行比较。
区分细菌(或混合型)和病毒患者
测量从上述117名细菌患者和107名病毒患者获得的血清样品中的CRP和MX1。
图9A-C表明，CRP和MX1的组合可有助于使用流式细胞术测量正确诊断急性感染患者(MX1)。图9A显示细菌患者(n＝117)、病毒患者(n＝107)，和非-传染性对照者(n＝29)中的CRP水平。对于细菌患者，细菌和病毒性感染的患者的中位数(此后为"Med")是110，平均值(此后为"均值")是131.3085±93.4679，和Wilcoxon ranksum P-值(此后为"RS p")是2.5925e-32；对于病毒患者，Med＝16.7，均值＝23.5486±23.6717和RS p＝4.4137e-13；和对于非-传染性对照，Med＝2.6，均值＝4.3655±5.3591，和RS p＝3.l099e-13。图9B显示细菌患者(n＝117)、病毒患者(n＝107)，和非-传染性对照者(n＝29)中的MX1水平(使用流式细胞术测量任意单位)。对于细菌患者，Med＝9195.3642，均值＝11583.0953±7965.0999，和RS p＝0.027717；对于病毒患者，Med＝15913.898，均值＝17379.1886±11551.3714，和RS p＝3.2165e-08(病毒性)；和对于非-传染性对照，Med＝4933，均值＝6338.5428±4958.4454，和RS p＝2.9285e-7。图9C显示细菌(红色；n＝117)和病毒患者(蓝色；n＝107)中的CRP和MX1水平。
基于这些测量，用逻辑回归建立了区分细菌(或混合)和病毒患者的分类器(逻辑回归系数为：常数＝-1.54，CRP＝0.04μg/ml，MX1＝-5.25E-05)。对这些决定因素，进一步计算了区分细菌和病毒患者的准确度的测量，包括AUC、MCC、总准确度、灵敏性、特异性、PPV和NPV(表1.1A-C)。MX1和CRP的组合是非常精确的，AUC为0.92和灵敏度和特异性分别为0.85和0.84。
区分传染性和非-传染性患者
在从上述的224名传染性患者(细菌和病毒性)和29名非-传染性对照患者获得的血清样品中测量CRP和MX1(图9A-B)。基于这些测量，使用逻辑回归开发了区分传染性和非-传染性患者的分类器(逻辑回归系数为：常数＝-2.70，CRP＝0.18μg/ml，MX1＝0.00023)。对于这些决定因素，进一步计算了区分细菌和病毒患者的准确度的测量，包括AUC、MCC、总准确度、灵敏度、特异性、PPV和NPV(表1.1A-B)。MX1和CRP的组合是非常精确的，AUC为0.96，灵敏度和特异性为0.9。
区分表现特定临床综合征的细菌(或混合型)和病毒患者
根据患者的临床综合征对患者进行分层，并采用逻辑回归建立了分类器以对每一个潜在综合征区分细菌(或混合型)和病毒患者。对于这些决定因素，进一步计算了区分细菌和病毒患者的准确度的测量，包括AUC、MCC、总准确度、灵敏度、特异性、PPV和NPV(表1.1A-C)。虽然AUC是高度跨越综合征(high across syndromes)(0.91-0.98)的，但合并的CRP-MX1分类器的敏感性和特异性因临床综合征而异(分别为0.71-0.89和0.79-0.97；表1.1A-C)。因此，有关患者潜在的临床综合征的信息可以与CRP-MX1分类器预测的结果结合，以提高患者的诊断。
区分表现特定病原体的细菌(或混合型)和病毒患者
根据患者表征期间分离的细菌或病毒对患者进行分层，并使用逻辑回归开发了一种分类器，用于对每一种潜在病原体区分细菌(或混合型)和病毒患者。对于这些决定因素，进一步计算了区分细菌和病毒患者的准确度的测量，包括AUC、MCC、总准确度、灵敏度、特异性、PPV和NPV(表1.1A-B)。虽然AUC是高度跨越综合征(0.84-1.0)，但合并的CRP-MX1分类器的敏感性和特异性在临床综合征之间变化(分别为0.7-1.0和0.67-1.0；表1.1A-C)。因此，有关潜在病原体的信息或最新流行病学数据可以与CRP-MX1分类器预测结果相结合，以改进微生物结果的解释和患者诊断。
区分表现出不同的背景病症(并存病)的细菌(或混合型)和病毒患者
根据患者背景病症(糖尿病和慢性肺病)对患者进行分层，并使用逻辑回归开发了一种分类器，用于对每一种潜在综合征区分细菌(或混合型)和病毒患者。对于这些决定因素，进一步计算了区分细菌和病毒患者的准确度的测量，包括AUC、MCC、总准确度、灵敏度、特异性、PPV和NPV(表1.1A-C)。与糖尿病患者比较，这些模型对慢性肺病患者的敏感性较高，但特异性较低(分别为灵敏度：0.93对比0.7；特异性：0.83对比1.00；下表1.1A-C)。因此，有关患者背景临床状况的信息可以与CRP-MX1分类器预测结果有效地结合，以提高患者的诊断水平。
表1.1A-C详细描述了以截止独立方式结合MX1和CRP的逻辑回归模型及其在各种适应症和亚组中的准确度度量。在表中，B代表细菌患者；V代表病毒患者；LRTI代表下呼吸道感染；URTI代表上呼吸道感染；SBI代表严重细菌感染；RSV代表呼吸道合胞病毒。非典型细菌包括肺炎衣原体、肺炎支原体和嗜肺军团菌；GI(胃肠道)病毒包括轮状病毒、星状病毒、肠腺病毒、诺如病毒G I和G II。
表1.1A
表1.1B
表1.1C
使用不同的患者样品和测量技术的MX1测量的比较
以不同的技术测量MX1可影响定义细菌和病毒患者之间分离的超平面的系数。因此，本发明人使用从33名确诊细菌感染患者和47名确诊病毒感染患者队列生成的外部数据集对CRP和MX1组合进行了严格分析，其中MX1采用夹心式免疫分析法测定。
图9D-F显示CRP和MX1的组合有助于对急性感染患者的正确诊断(使用免疫分析法测量MX1)(Engelmann et al.2015)。图9D显示细菌患者(n＝33)和病毒患者(n＝47)的CRP水平。对于细菌患者，Med＝48.5，均值＝71.4531±66.779，和RS p＝2.3453e-05；而对于病毒患者，Med＝10，均值＝21.3778±34.7004和RS p＝2.3453e-05。图9E显示使用夹心式免疫分析法在细菌患者(n＝33)和病毒患者(n＝47)中测量的MX1水平。对于细菌患者，Med＝84.5，均值＝326.2594±696.4417，和RS p＝5.0217e-10；而对于病毒患者，Med＝1300，均值＝1757.7778±1325.5632，和RS p＝5.0217e-10。图9F显示细菌患者(红色；n＝33)和病毒患者(蓝色；n＝47)的CRP和MX1的水平(使用夹心式免疫分析法测量)。
基于这些测量，用逻辑回归开发了区分细菌和病毒患者的分类器。对于这种分类器，进一步计算了区分细菌和病毒患者的准确度的测量，包括AUC、MCC、总准确度、灵敏度、特异性、PPV，和NPV。
表1.2详细列出了一组用于逻辑回归模型的系数，该回归模型区分细菌(或混合型)和病毒患者，以截止独立方式将MX1(使用夹心式免疫分析法测量)与CRP结合，以区分细菌(n＝33)和病毒(n＝47)患者。准确度度量AUC、MCC、总准确度、灵敏度、特异性、PPV和NPV分别是0.91、0.69、0.90、0.84、0.93、0.90和0.89。
表1.2
使用流式细胞术或免疫分析法测量MX1没有显著改变模型的准确度(AUC分别为0.92和0.91；表1.1A,1.1B和1.2)。然而，不同的测量方法产生不同的单位(任意单位对比浓度)，因而改变用来定义分离细菌和病毒患者的超平面的系数。为了克服这一问题，并进一步推广他们的发现，本发明人对MX1的测量进行了标准分数转换，并开发了一种用逻辑回归来区分细菌和病毒患者的分类器。该分类器基于CRP水平(μg/ml)，和MX1的Z-得分值，它们是从应用于上述117名细菌患者和107名病毒患者的CRP和MX1测量得到的。MX1的Z-得分值根据从细菌患者测量的MX1水平的均值和标准差计算。
这种分析指定了模型系数，允许根据CRP和MX1的表达水平(不管用何种方法量化MX1)来定义区分细菌和病毒患者的流形(manifold)和超平面。
表1.3详细列出了用于区分细菌(或混合型)和病毒患者的逻辑回归模型的一组系数，其合并了CRP水平(μg/ml)和在标准评分转换后的MX1的Z-得分值。对应的AUC、MCC、总准确度、灵敏度、特异性、PPV和NPV分别是0.92、0.65、0.84、0.85、0.84、0.85和0.83。
表1.3
截止独立模型优于截止依赖格式
CRP通常用于临床设置，以基于多种标准临界值辅助诊断急性感染患者。因此，使用逻辑回归方法开发了在不同的适应症和亚组中区分细菌(或混合型)和病毒患者的不同分类器，其将应用于常规使用的截止值(20μg/ml,65μg/ml和80μg/ml)的CPR与MX1测量相结合。对于这些决定因素，计算了区分细菌和病毒患者的准确度的度量，包括AUC、MCC、总准确度、灵敏度、特异性、PPV和NPV(表1.4A(i)-C(ii))。也计算了截止独立模型与CRP截止依赖模型的准确度度量之间的差异(表1.5A-C)。
截止独立模型优于将MX1与特定CRP截止值相结合的模型。例如，截止独立模型在区分细菌和病毒患者方面的敏感性显著高于测试的每一种CRP截止模型(对于20μg/ml、65μg/ml和80μg/ml截止值，分别为0.85对比0.78、0.74，和0.73)。评估了CRP和MX1截止值的不同组合的准确度的测量(表1.6A-B)。截止独立模型的灵敏度显著优于测试的每一个截止值(表1.6A-B)。提高敏感性在临床上具有很高的重要性，因为它意味着识别更多需要抗生素治疗的细菌感染患者。
表1.4A(i)和1.4A(ii)详细列出了固定截止值20μg/ml的CRP与MX1结合的逻辑回归模型及其在各种适应症和亚组中的准确度度量。表的各列如上表1.1A-C所定义。非典型细菌包括上文提及表1.1A-C所列的细菌。
对于固定截止值，表达值使用二进制值。例如，当测量的CRP水平低于阈值时，CRP值被指定为值1；而当测量的CRP水平高于或等于阈值时，CRP值被指定为值0。
表1.4A(i)
表1.4A(ii)
表1.4B(i)和1.4B(ii)详细列出了固定截止值65μg/ml的CRP与MX1结合的逻辑回归模型及其在各种适应症和亚组中的准确度度量。表的各列如对上表1.1A-C所定义。非典型细菌包括上文提及表1.1A-C所列的细菌。
表1.4B(i)
表1.4B(ii)
表1.4C(i)和1.4C(ii)详细列出了固定截止值80μg/ml的CRP与MX1结合的逻辑回归模型及其在各种适应症和亚组中的准确度度量。表的各列如上表1.1A-C所定义。非典型细菌包括上文提及表1.1A-C所列的细菌。
表1.4C(i)
AUC MCC 总准确度 灵敏度 特异性
细菌对比病毒 0.86 0.63 0.78 0.73 0.84
传染性对比非-传染性 0.88 0.39 0.83 0.83 0.83
综合征
LRTI 0.92 0.76 0.87 0.80 1.00
URTI 0.87 0.57 0.83 0.83 0.82
不明原因的发热 0.82 0.65 0.89 0.71 0.93
SBI 0.92 0.67 0.84 0.80 1.00
病原体
腺病毒 0.80 0.39 0.72 0.70 0.80
冠状病毒 0.77 -0.15 0.92 0.91 1.00
副流感病毒 0.90 0.45 0.84 0.86 0.75
流感A 0.91 0.49 0.86 0.87 0.82
流感B 0.94 0.38 0.82 0.81 1.00
RSVA/B 0.91 0.49 0.83 0.81 0.90
博卡病毒1/2/3/4 0.85 0.39 0.75 0.73 1.00
肠道病毒 0.94 0.33 0.89 0.89 1.00
CMV/EBV 0.64 0.15 0.90 0.93 0.33
非典型细菌 0.80 0.21 0.63 0.80 0.61
大肠杆菌 0.93 0.57 0.78 0.91 0.73
A群链球菌 0.83 0.09 0.80 0.50 0.81
GI病毒 0.86 0.20 0.68 0.64 1.00
慢性疾病
糖尿病 0.82 0.47 0.70 0.65 1.00
肺病 0.98 0.67 0.95 1.00 0.83
表1.4C(ii)
常数 CRP(μg/ml) MX1
细菌对比病毒 0.83 0.74 117 107 -0.15 3.59 -5.42E-05
传染性对比非-传染性 0.97 0.39 224 29 -0.32 101.12 1.97E-04
综合征
LRTI 1.00 0.72 39 21 -0.34 103.45 -4.00E-05
URTI 0.75 0.89 18 28 0.92 2.71 -1.64E-04
不明原因的发热 0.71 0.93 7 29 -2.73 3.52 7.26E-06
SBI 1.00 0.57 44 12 0.31 102.70 -3.93E-05
病原体
腺病毒 0.94 0.36 70 15 1.01 2.24 -3.34E-05
冠状病毒 1.00 0.33 70 3 3.38 1.56 -6.79E-05
副流感病毒 0.95 0.47 70 12 1.55 101.97 -6.50E-05
流感A 0.97 0.50 70 11 1.79 101.98 -7.78E-05
流感B 1.00 0.24 70 4 3.26 101.00 -1.00E-04
RSVA/B 0.98 0.41 70 10 1.79 101.90 -7.35E-05
博卡病毒1/2/3/4 1.00 0.24 70 6 0.81 101.30 3.99E-05
肠道病毒 1.00 0.27 70 3 3.56 100.72 -1.01E-04
CMV/EBV 0.97 0.17 70 3 2.18 1.53 1.50E-05
非典型细菌 0.19 0.96 10 87 -0.88 2.44 -1.31E-04
大肠杆菌 0.56 0.96 11 30 1.72 5.30 -3.97E-04
A群链球菌 0.11 0.97 4 86 -1.05 2.24 -1.95E-04
GI病毒 1.00 0.27 22 3 0.13 101.74 5.87E-05
慢性疾病
糖尿病 1.00 0.33 23 4 0.88 101.82 -1.44E-05
肺病 0.94 1.00 15 6 3.92 106.38 -2.50E-04
表1.5A总结了将CRP和MX1以截止独立方式组合的逻辑回归模型(在表1.1A和1.1B中描述)和将固定截止值为20μg/ml的CRP与MX1组合的逻辑回归模型(在表1.4A(i)和1.4A(ii)中描述)在各种适应症和亚组中的准确度量度之间的差异。在表中，正数表示与截止依赖模型相比的截止独立模型的改进。表的各列如上表1.1A-C所定义。非典型细菌包括上文提及表1.1A-C所列的细菌。
表1.5A
表1.5B总结了将CRP和MX1以截止独立方式组合的逻辑回归模型(在表1.1A和1.1B中描述)和将固定截止值为65μg/ml的CRP与MX1组合的逻辑回归模型(在表1.4B(i)和1.4B(ii)中描述)在各种适应症和亚组中的准确度量度之间的差异。在表中，正数表示与截止依赖模型相比的截止独立模型的改进。表的各列如上表1A-B所定义。非典型细菌包括上文提及表1A-B所列的细菌。
表1.5B
表1.5C总结了将CRP和MX1以截止独立方式组合的逻辑回归模型(在表1.1A和1.1B中描述)和将固定截止值为80μg/ml的CRP与MX1组合的逻辑回归模型(在表1.4C(i)和1.4C(ii)中描述)在各种适应症和亚组中的准确度量度之间的差异。在表中，正数表示与截止依赖模型相比的截止独立模型的改进。表的各列如上表1.1A-C所定义。非典型细菌包括上文提及表1.1A-C所列的细菌。
表1.5C
表1.6A总结了CRP和MX1的组合在不同截止值区分细菌和病毒患者的准确度量度。
表1.6A
表1.6B总结了当在排除细菌感染中应用较低CRP截止值和在判定细菌感染中应用较高截止值时，CRP和MX1组合区分细菌和病毒患者的准确度的量度。
表1.6B
表1.7详细列出了将MX1和RSAD2以截止独立方式组合的区分细菌(或混合型)和病毒患者的逻辑回归模型的一组系数，以区分细菌(n＝87)和病毒(n＝81)患者。准确度度量AUC、MCC、总准确度、灵敏度、特异性、PPV和NPV分别为0.74、0.3、0.7、0.67、0.73、0.73和0.67。
表1.7
表1.8详细列出了将MX1和TRAIL以截止独立方式组合的区分细菌(或混合型)和病毒患者的逻辑回归模型的一组系数，以区分细菌(n＝87)和病毒(n＝81)患者。准确度度量AUC、MCC、总准确度、灵敏度、特异性、PPV和NPV分别为0.93、0.7、0.85、0.85、0.85、0.85、0.86。
表1.8
虽然已连同其具体实施方案一起描述了本发明，但显而易见的是，对于本领域技术人员而言，许多替代、改进和变化将是显而易见的。因此，它旨在涵盖落入所附权利要求的精神和宽范围内的所有这样的替代、改进和变化。
在本说明书中提及的所有出版物、专利和专利申请的全部内容以引用方式结合于本说明书，如同各个独立的出版物、专利或专利申请特别地和单独地指明通过引用结合到本文中的程度一样。另外，在本申请中任何参考文献的引用或认同不应被理解为承认这样的参考文献可作为本发明的在先技术而获得。在使用章节标题的方面，它们不应该被视为一定是限制性的。
参考文献
Bhowmik,A.,T.A.Seemungal,R.J.Sapsford,and J.A.Wedzicha.2000.“Relationof Sputum Inflammatory Markers to Symptoms and Lung Function Changes in COPDExacerbations.”Thorax 55(2):114–20.
Bossuyt,Patrick M,Johannes B Reitsma,David E Bruns,Constantine AGatsonis,Paul P Glasziou,Les M Irwig,David Moher,Drummond Rennie,Henrica C.WDe Vet,and Jeroen G Lijmer.2003.“The STARD Statement for Reporting Studies ofDiagnostic Accuracy:Explanation and Elaboration.”Annals of Internal Medicine138(1):W1–12.
Engelmann,Ilka, Dubos,Pierre-Emmanuel Lobert,Claire Houssin,Vanessa Degas,Anne Sardet,Anne Decoster,Anny Dewilde,Alain Martinot,andDidier Hober.2015.“Diagnosis of Viral Infections Using Myxovirus ResistanceProteinA(MxA).”Pediatrics 135(4):e985–93.doi:10.1542/peds.2014-1946.
Hoogendoorn,M.2011.“Economic Impact of COPD:Empirical and Model-BasedStudies on the Cost-Effectiveness of Treatment Options.”Journal ofNeurophysiology-J NEUROPHYSIOL.
Hurst,John R., Vestbo,Antonio Anzueto,Nicholas Locantore,Hana Müllerova,Ruth Tal-Singer,Bruce Miller,et al.2010.“Susceptibility toExacerbation in Chronic Obstructive Pulmonary Disease.”The New EnglandJournal of Medicine 363(12):1128–38.doi:10.1056/NEJMoa0909883.
Kim,Victor,Parag Desai,John D.Newell,Barry J.Make,George R.Washko,Edwin K.Silverman,James D.Crapo,Surya P.Bhatt,Gerard J.Criner,and COPDGeneInvestigators.2014.“Airway Wall Thickness Is Increased in COPD Patients withBronchodilator Responsiveness.”Respiratory Research 15:84.doi:10.1186/s12931-014-0084-3.
Lin,Chii-Lan,Leung-Kei Siu,Jung-Chung Lin,Chien-Ying Liu,Chih-FengChian,Chun-Nin Lee,and Feng-Yee Chang.2011.“MAnnose-Binding Lectin GenePolymorphism Contributes to Recurrence of Infective Exacerbation in Patientswith Copd.”Chest 139(1):43–51.doi:10.1378/chest.10-0375.
Molyneaux,Philip L.,Patrick Mallia,Michael J.Cox,Joseph Footitt,Saffron A.G.Willis-Owen,Daniel Homola,Maria-Belen Trujillo-Torralbo,etal.2013.“Outgrowth of the Bacterial Airway Microbiome after RhinovirusExacerbation of Chronic Obstructive Pulmonary Disease.”American Journal ofRespiratory and Critical CareMedicine 188(10):1224–31.doi:10.1164/rccm.201302-0341OC.
Oved,Kfir,Asi Cohen,Olga Boico,Roy Navon,Tom Friedman,Liat Etshtein,Or Kriger,et al.2015.“A Novel Host-Proteome Signature for Distinguishingbetween Acute Bacterial and Viral Infections.”PLoS ONE 10(3):e0120012.doi:10.1371/journal.pone.0120012.
Rutjes,A W S,J B Reitsma,A Coomarasamy,K S Khan,and P M MBossuyt.2007.“Evaluation of Diagnostic Tests When There Is No Gold Standard.AReview of Methods.”Health Technology Assessment(Winchester,England)11(50):iii,ix–51.
Salvi,Sundeep.2015.“The Silent Epidemic of COPD in Africa.”TheLancet.GlobalHealth 3(1):e6–7.doi:10.1016/S2214-109X(14)70359-6.
Sethi,Sanjay,Nancy Evans,Brydon J.B.Grant,and Timothy F.Murphy.2002.“New Strains of Bacteria and Exacerbations of Chronic Obstructive PulmonaryDisease.”The New England Journal of Medicine 347(7):465–71.doi:10.1056/NEJMoa012561.
Taylor,A.E.,T.K.Finney-Hayward,J.K.Quint,C.M.R.Thomas,S.J.Tudhope,J.A.Wedzicha,P.J.Barnes,and L.E.Donnelly.2010.“Defective MacrophagePhagocytosis of Bacteria in COPD.”The European Respiratory Journal 35(5):1039–47.doi:10.1183/09031936.00036709.
Wild,D.2005.TheImmunoassayHandbook.Third Edition.
Wirth U.,and Muller D.2002.“Post-Translational Modification DetectionUsing Metastable Ions in Reflector Matrix-Assisted Laser Desorption/ionization-Time of Flight Mass Spectrometry.”Proteomics 2(10):1445–51.
Woodhead,M.,F.Blasi,S.Ewig,J.Garau,G.Huchon,M.Ieven,A.Ortqvist,etal.2011.“Guidelines for the Management of Adult Lower Respiratory TractInfections-Full Version.”Clinical Microbiology and Infection 17:E1–59.doi:10.1111/j.1469-0691.2011.03672.x.
Zhang,Xin,Dan Liu,You-Ning Liu,Rui Wang,and Li-Xin Xie.2015.“TheAccuracy of Presepsin(sCD14-ST)for the Diagnosis of Sepsis in Adults:A Meta-Analysis.”Critical Care 19(1):323.doi:10.1186/s13054-015-1032-4.
Sambursky R and Shapiro N,"Evaluation of a combined MxA and CRPpoint-of-care immunoassay to identify viral and/or bacterial immune responsein patients with acute febrile respiratory infection,"Eur Clin Respir J.,2015；2:28245.

Claims (97)

1.一种分析生物数据的方法，该方法包括：
获得生物数据，其至少包含在受试者血液中的MX发动蛋白-样GTPase 1 (MX1)的表达水平和C-反应蛋白(CRP)的表达水平；
计算曲线段与由方向限定的轴之间的距离，所述距离在沿所述方向的坐标δ所限定的所述曲线上某一点处来计算；和
使所述距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关；
其中所述段的至少90%在下界线f(δ)-ε0和上界线f(δ)+ ε1之间，其中所述f(δ)等于1/(1+exp(-δ))，其中所述坐标δ，一旦计算，等于a0+a1X+a2ZMX1，其中所述X是所述CRP的以µg/ml的值，和所述ZMX1是所述MX1相对于先前被诊断为患有细菌感染的一组受试者的z-分数，其中所述ε0和所述ε1的每一个小于0.5，和其中a0是从约-2.4至约-1.9，a1是从约0.04至约0.05，和a2是从约-0.39至约-0.43。
2.一种分析生物数据的方法，该方法包括：
获得生物数据，其至少包含在受试者血液中的MX发动蛋白-样GTPase 1 (MX1)的表达水平和C-反应蛋白(CRP)的表达水平；
计算曲线段与由方向限定的轴之间的距离，所述距离在沿所述方向的坐标δ所限定的所述曲线上某一点处来计算；和
使所述距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关；
其中所述段的至少90%在下界线f(δ)-ε0和上界线f(δ)+ ε1之间，其中所述f(δ)等于1/(1+exp(-δ))，其中所述坐标δ，一旦计算，等于a0+a1X+a2Y，其中所述X是所述CRP的以µg/ml的值，和所述Y是所述MX1的以ng/ml的值，其中所述ε0和所述ε1的每一个小于0.5，且其中a0是从约0.4至约0.5，a1是从约0.015至约0.02，和a2是从约-0.0025至约-0.0018。
3.一种分析生物数据的方法，该方法包括：
获得生物数据，其至少包含在受试者血液中的MX发动蛋白-样GTPase 1 (MX1)的表达水平和C-反应蛋白(CRP)的表达水平；
计算曲线段与由方向限定的轴之间的距离，所述距离在沿所述方向的坐标δ所限定的所述曲线上某一点处来计算；和
使所述距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关；
其中所述段的至少90%在下界线f(δ)-ε0和上界线f(δ)+ ε1之间，其中所述f(δ)等于1/(1+exp(-δ))，其中所述坐标δ，一旦计算，等于a0+a1X+a2Y，其中所述X是所述CRP的以µg/ml的值，和所述Y是所述MX1当用流式细胞术测量时的值，其中所述ε0和所述ε1的每一个小于0.5，和其中a0是从约-1.7至约-1.4，a1是从约0.03至约0.05，和a2是从约-5.8E-05至约-4.7E-05。
4.依据权利要求1-3的任一项的方法，其中所述MX1和所述CRP的至少一个用免疫分析法测定。
5.依据权利要求1-4的任一项的方法，其中所述MX1和CRP的至少一个用流式细胞术测定。
6.依据权利要求1-5的任一项的方法，其中所述MX1和CRP的至少一个用侧流免疫分析法(LFIA)测定。
7.依据权利要求1-6的任一项的方法，其中所述MX1和CRP的至少一个用自动免疫分析法测定。
8.依据权利要求1-7的任一项的方法，其中所述MX1和CRP的至少一个用酶联免疫吸附试验(ELISA)测定。
9.依据权利要求1-3的任一项的方法，其被执行用于区分病毒感染和包括细菌和病毒感染二者的同时感染。
10.依据权利要求4-8的任一项的方法，其被执行用于区分病毒感染和包括细菌和病毒感染二者的同时感染。
11.依据权利要求1-3的任一项的方法，其中所述受试者患有下呼吸道感染。
12.依据权利要求4-9的任一项的方法，其中所述受试者患有下呼吸道感染。
13.依据权利要求1-3的任一项的方法，其中所述受试者患有上呼吸道感染。
14.依据权利要求4-9的任一项的方法，其中所述受试者患有上呼吸道感染。
15.依据权利要求1-3的任一项的方法，其中所述受试者有未能查明原因的发热。
16.依据权利要求4-9的任一项的方法，其中所述受试者有未能查明原因的发热。
17.依据权利要求1-3的任一项的方法，其中所述受试者患有严重的细菌感染。
18.依据权利要求4-9的任一项的方法，其中所述受试者患有严重的细菌感染。
19.依据权利要求1-3的任一项的方法，其中所述受试者被怀疑为携带腺病毒。
20.依据权利要求4-9的任一项的方法，其中所述受试者被怀疑为携带腺病毒。
21.依据权利要求1-3的任一项的方法，其中所述受试者被怀疑为携带冠状病毒。
22.依据权利要求4-9的任一项的方法，其中所述受试者被怀疑为携带冠状病毒。
23.依据权利要求1-3的任一项的方法，其中所述受试者被怀疑为携带副流感病毒。
24.依据权利要求4-9的任一项的方法，其中所述受试者被怀疑为携带副流感病毒。
25.依据权利要求1-3的任一项的方法，其中所述受试者被怀疑为具有甲型流感。
26.依据权利要求4-9的任一项的方法，其中所述受试者被怀疑为具有甲型流感。
27.依据权利要求1-3的任一项的方法，其中所述受试者被怀疑为具有乙型流感。
28.依据权利要求4-9的任一项的方法，其中所述受试者被怀疑为具有乙型流感。
29.依据权利要求1-3的任一项的方法，其中所述受试者被怀疑为携带呼吸道合胞病毒A或B。
30.依据权利要求4-9的任一项的方法，其中所述受试者被怀疑为携带呼吸道合胞病毒A或B。
31.依据权利要求1-3的任一项的方法，其中所述受试者被怀疑为携带博卡病毒。
32.依据权利要求4-9的任一项的方法，其中所述受试者被怀疑为携带博卡病毒。
33.依据权利要求1-3的任一项的方法，其中所述受试者被怀疑为携带肠病毒。
34.依据权利要求4-9的任一项的方法，其中所述受试者被怀疑为携带肠病毒。
35.依据权利要求1-3的任一项的方法，其中所述受试者被怀疑为携带CMV/EBV。
36.依据权利要求4-9的任一项的方法，其中所述受试者被怀疑为携带CMV/EBV。
37.依据权利要求1-3的任一项的方法，其中所述受试者被怀疑为携带肺炎支原体。
38.依据权利要求4-9的任一项的方法，其中所述受试者被怀疑为携带肺炎支原体。
39.依据权利要求1-3的任一项的方法，其中所述受试者被怀疑为携带大肠杆菌。
40.依据权利要求4-9的任一项的方法，其中所述受试者被怀疑为携带大肠杆菌。
41.依据权利要求1-3的任一项的方法，其中所述受试者被怀疑为携带A群链球菌。
42.依据权利要求4-9的任一项的方法，其中所述受试者被怀疑为携带A群链球菌。
43. 依据权利要求1-3的任一项的方法，其中所述受试者被怀疑为携带选自轮状病毒、星状病毒、肠腺病毒、诺如病毒G I和G II的GI病毒。
44. 依据权利要求4-9的任一项的方法，其中所述受试者被怀疑为携带选自轮状病毒、星状病毒、肠腺病毒、诺如病毒G I和G II的GI病毒。
45.依据权利要求1-3的任一项的方法，其中所述受试者被怀疑为携带肺炎链球菌。
46.依据权利要求4-9的任一项的方法，其中所述受试者被怀疑为携带肺炎链球菌。
47.依据权利要求1-3的任一项的方法，其中所述受试者被怀疑为携带金黄色葡萄球菌。
48.依据权利要求4-9的任一项的方法，其中所述受试者被怀疑为携带金黄色葡萄球菌。
49.依据权利要求1-3的任一项的方法，其中所述受试者被怀疑为患有肺病。
50.依据权利要求4-9的任一项的方法，其中所述受试者被怀疑为患有肺病。
51.一种分析生物数据的方法，该方法包括：
获得生物数据，其至少包含在受试者血液中的MX发动蛋白-样GTPase 1 (MX1)的表达水平和C-反应蛋白(CRP)的表达水平；
获得所述受试者的背景状况；
计算曲线段与由方向限定的轴之间的距离，所述距离在沿所述方向的坐标δ所限定的所述曲线上某一点处来计算；和
使所述距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关；
其中所述段的至少90%在下界线f(δ)-ε0和上界线f(δ)+ ε1之间，其中所述f(δ)等于1/(1+exp(-δ))，其中所述坐标δ，一旦计算，等于a0+a1X+a2Y，其中所述X是所述CRP的以µg/ml的值，和所述Y是所述MX1当用流式细胞术测量时的值，其中所述ε0和所述ε1的每一个小于0.5，且其中：
当背景状况是下呼吸道感染时，那么a0是从约-4.235至约-3.500，a1是从约0.091至约0.110，和a2是从约-2.04E-05至约-1.68E-05；
当背景状况是上呼吸道感染时，那么a0是从约-1.166至约-0.964, a1是从约0.036至约0.044，和a2是从约-1.45E-04至约-1.20E-04；
当背景状况是不明原因的发热时，那么a0是从约-5.819至约-4.809, a1是从约0.055至约0.066，和a2是从约-1.53E-07至约-1.26E-07；
当背景状况是严重的细菌感染时，那么a0是从约-1.144至约-0.945，a1是从约0.045至约0.055，和a2是从约-7.67E-05至约-6.34E-05；
当背景状况是腺病毒时，那么a0是从约-0.011至约-0.009, a1是从约0.027至约0.033，和a2是从约-5.83E-05至约-4.82E-05；
当背景状况是冠状病毒时，那么a0是从约1.727至约2.090，a1是从约0.036至约0.044，和a2是从约-1.04E-04至约-8.55E-05；
当背景状况是副流感病毒时，那么a0是从约-0.704至约-0.582，a1是从约0.064至约0.077，和a2是从约-7.33E-05至约-6.05E-05；
当背景状况是甲型流感时，那么a0是从约-3.586至约-2.964，a1是从约0.145至约0.176，和a2是从约-5.12E-05至约-4.23E-05；
当背景状况是乙型流感时，那么a0是从约56.618至约68.508，a1是从约4.255至约5.148，和a2是从约-8.75E-03至约-7.23E-03；
当背景状况是呼吸道合胞病毒A或B时，那么a0是从约-1.958至约-1.618，a1是从约0.118至约0.143，和a2是从约-1.20E-04至约-9.93E-05；
当背景状况是博卡病毒1、2、3或4时，那么a0是从约-2.299至约-1.900，a1是从约0.073至约0.088，和a2是从约5.50E-05至约6.66E-05；
当背景状况是肠病毒时，那么a0是从约1.382至约1.672，a1是从约0.064至约0.077，和a2是从约-1.59E-04至约-1.31E-04；
当背景状况是CMV/EBV时，那么a0是从约0.609至约0.737，a1是从约0.036至约0.044，和a2是从约-6.82E-06至约-5.64E-06；
当背景状况是选自肺炎衣原体、肺炎支原体和嗜肺军团菌的非典型细菌时，那么a0是从约-2.970至约-2.455，a1是从约0.027至约0.033，和a2是从约-8.99E-05至约-7.43E-05；
当背景状况是大肠杆菌时，那么a0是从约-0.385至约-0.318，a1是从约0.082至约0.099，和a2是从约-6.52E-04至约-5.39E-04；
当背景状况是A群链球菌时，那么a0是从约-3.080至约-2.545，a1是从约0.036至约0.044，和a2是从约-1.93E-04至约-1.60E-04；
当背景状况是选自轮状病毒、星状病毒、肠腺病毒、诺如病毒G I和G II的GI病毒时，那么a0是从约-0.924至约-0.764，a1是从约0.045至约0.055，和a2是从约3.20E-05至约3.87E-05；
当背景状况是糖尿病时，那么a0是从约-1.628至约-1.345，a1是从约0.055至约0.066，和a2是从约-3.11E-05至约-2.57E-05；
当背景状况是肺病时，那么a0是从约-68.750至约-56.818，a1是从约5.445至约6.589，和a2是从约-1.30E-02至约-1.07E-02。
52.一种分析生物数据的方法，该方法包括：
获得生物数据，其至少包含在受试者血液中的MX发动蛋白-样GTPase 1 (MX1)的表达水平和C-反应蛋白(CRP)的表达水平；
计算曲线段与由方向限定的轴之间的距离，所述距离在沿所述方向的坐标δ所限定的所述曲线上某一点处来计算；和
使所述距离与感染的存在、不存在或受试者患有感染的可能性相关；
其中所述段的至少90%在下界线f(δ)-ε0和上界线f(δ)+ ε1之间，其中所述f(δ)等于1/(1+exp(-δ))，其中所述坐标δ，一旦计算，等于a0+a1X+a2Y，其中所述X是所述CRP的以µg/ml的值，和所述Y是所述MX1当用流式细胞术测量时的值，其中所述ε0和所述ε1的每一个小于0.5，且其中a0是从约-3至约-2.4，a1是从约0.16至约0.2，和a2是从约0.0002至约0.0003。
53.一种分析生物数据的方法，该方法包括：
获得生物数据，其至少包含受试者血液中MX发动蛋白-样GTPase 1 (MX1)的表达水平和含自由基S-腺苷甲硫氨酸结构域的2 (RSAD2)的表达水平；
计算曲线段与由方向限定的轴之间的距离，所述距离在沿所述方向的坐标δ所限定的所述曲线上某一点处来计算；和
使所述距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关；
其中所述段的至少90%在下界线f(δ)-ε0和上界线f(δ)+ ε1之间，其中所述f(δ)等于1/(1+exp(-δ))，其中所述坐标δ，一旦计算，等于a0+a1X+a2Y，其中所述X是所述RSAD2当用流式细胞术测量时的值，和所述Y是所述MX1当用流式细胞术测量时的值，其中所述ε0和所述ε1的每一个小于0.5，且其中a0是从约0.6至约0.75，a1是从约-0.00015至约-0.00009，和a2是从约5.2E-06至约6E-06。
54.一种分析生物数据的方法，该方法包括：
获得生物数据，其至少包含受试者血液中MX发动蛋白-样GTPase 1 (MX1)的表达水平和TNF相关凋亡诱导配体(TRAIL)的表达水平；
计算曲线段与由方向限定的轴之间的距离，所述距离在沿所述方向的坐标δ所限定的所述曲线上某一点处来计算；和
使所述距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关；
其中所述段的至少90%在下界线f(δ)-ε0和上界线f(δ)+ ε1之间，其中所述f(δ)等于1/(1+exp(-δ))，其中所述坐标δ，一旦计算，等于a0+a1X+a2Y，其中所述X是所述TRAIL的以pg/ml的值，和所述Y是所述MX1当用流式细胞术测量时的值，其中所述ε0和所述ε1的每一个小于0.5，且其中a0是从约2.4至约3，a1是从约-0.055至约-0.045，和a2是从约2.4E-05至约2.5E-05。
55.依据权利要求1-3、53和54的任一项的方法，其还包括获得中性粒细胞明胶酶相关脂笼蛋白(NGAL)的表达水平，其中所述可能性还基于所述NGAL的所述表达水平。
56.依据权利要求1-54的任一项的方法，其还包括获得中性粒细胞明胶酶相关脂笼蛋白(NGAL)的表达水平，其中所述可能性还基于所述NGAL的所述表达水平。
57.依据权利要求1-3、53和54的任一项的方法，其还包括获得降钙素原(PCT)的表达水平，其中所述可能性还基于所述PCT的所述表达水平。
58.依据权利要求1-54的任一项的方法，其还包括获得降钙素原(PCT)的表达水平，其中所述可能性还基于所述PCT的所述表达水平。
59.一种分析生物数据的方法，该方法包括：
获得生物数据，其至少包含受试者血液中MX发动蛋白-样GTPase 1 (MX1)的表达水平和中性粒细胞明胶酶相关脂笼蛋白(NGAL)的表达水平；
计算曲线段与由方向限定的轴之间的距离，所述距离在沿所述方向的坐标δ所限定的所述曲线上某一点处来计算；和
使所述距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关；
其中所述段的至少90%在下界线f(δ)-ε0和上界线f(δ)+ ε1之间，其中所述f(δ)等于1/(1+exp(-δ))，其中所述坐标δ，一旦计算，等于a0+a1X+a2ZMX1，其中所述X是所述NGAL的值，和所述ZMX1是所述MX1相对于先前被诊断为患有细菌感染的一组受试者的z-分数，其中所述ε0和所述ε1的每一个小于0.5。
60.一种分析生物数据的方法，该方法包括：
获得生物数据，其至少包含受试者血液中MX发动蛋白-样GTPase 1 (MX1)的表达水平和降钙素原(PCT)的表达水平；
计算曲线段与由方向限定的轴之间的距离，所述距离在沿所述方向的坐标δ所限定的所述曲线上某一点处来计算；和
使所述距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关；
其中所述段的至少90%在下界线f(δ)-ε0和上界线f(δ)+ ε1之间，其中所述f(δ)等于1/(1+exp(-δ))，其中所述坐标δ，一旦计算，等于a0+a1X+a2ZMX1，其中所述X是所述PCT的值，和所述ZMX1是所述MX1相对于先前被诊断为患有细菌感染的一组受试者的z-分数，其中所述ε0和所述ε1的每一个小于0.5。
61.依据权利要求1-3、53、54、59和60的任一项的方法，其还包括根据所述表达水平确定所述受试者是否患有脓毒症。
62.依据权利要求1-60的任一项的方法，其中所述受试者患有慢性阻塞性肺病(COPD)和该方法包括确定所述受试者是处于传染性恶化状态还是非传染性恶化状态。
63.依据权利要求1-3、53、54、59和60的任一项的方法，其还包括获取受试者的年龄，并基于所述年龄校正所述可能性。
64.依据权利要求1-62的任一项的方法，其还包括获取受试者的年龄，并基于所述年龄校正所述可能性。
65.依据权利要求1-3、53、54、59和60的任一项的方法，其中表达水平是蛋白表达水平。
66.依据权利要求1-63的任一项的方法，其中表达水平是蛋白表达水平。
67.依据权利要求1-3、53、54、59和60的任一项的方法，其中表达水平是RNA表达水平。
68.依据权利要求1-63的任一项的方法，其中表达水平是RNA表达水平。
69.一种分析生物数据的方法，该方法包括：
获得生物数据，其至少包含受试者血液中MX发动蛋白-样GTPase 2 (MX2)的表达水平和C-反应蛋白(CRP)的表达水平；
计算曲线段与由方向限定的轴之间的距离，所述距离在沿所述方向的坐标δ所限定的所述曲线上某一点处来计算；和
使所述距离与细菌感染的存在、不存在或受试者患有细菌感染的可能性相关；
其中所述段的至少90%在下界线f(δ)-ε0和上界线f(δ)+ ε1之间，其中所述f(δ)等于1/(1+exp(-δ))，其中所述坐标δ，一旦计算，等于a0+a1X+a2ZMX2，其中所述X是所述CRP的以µg/ml的值，和所述ZMX2是所述MX2相对于先前被诊断为患有细菌感染的一组受试者的z-分数，其中所述ε0和所述ε1的每一个小于0.5，和其中a0是从约-2.4至约-1.9，a1是从约0.04至约0.05，和a2是从约-0.39至约-0.43。
70.依据权利要求1-3、53、54、59、60和69的任一项的方法，其还包括根据所述距离获取所述可能性，将所述可能性与预定阈值比较，并在所述比较的基础上对所述受试者开具处方进行治疗。
71.依据权利要求1-69的任一项的方法，其还包括根据所述距离获取所述可能性，将所述可能性与预定阈值进行比较，并在所述比较的基础上对所述受试者开具处方进行治疗。
72.依据权利要求1-3、53、54、59、60和69的任一项的方法，其还包括根据所述距离获取所述可能性，将所述可能性与预定阈值进行比较，并且，当所述可能性超过所述预定阈值时，对于所述细菌感染来治疗受试者。
73.依据权利要求1-70的任一项的方法，其还包括根据所述距离获取所述可能性，将所述可能性与预定阈值进行比较，并且，当所述可能性超过所述预定阈值时，对于所述细菌感染来治疗受试者。
74.依据权利要求1-3、53、54、59、60和69的任一项的方法，其还包括产生所述可能性的输出，所述输出以文本形式呈现。
75.依据权利要求1-72的任一项的方法，其还包括产生所述可能性的输出，所述输出以文本形式呈现。
76.依据权利要求1-3、53、54、59、60和69的任一项的方法，其还包括产生所述可能性的输出，所述输出以图形形式呈现。
77.依据权利要求1-74的任一项的方法，其还包括产生所述可能性的输出，所述输出以图形形式呈现。
78.依据权利要求1-3、53、54、59、60和69的任一项的方法，其还包括产生所述可能性的输出，所述输出使用颜色指数表示。
79.依据权利要求1-76的任一项的方法，其还包括产生所述可能性的输出，所述输出使用颜色指数表示。
80.依据权利要求1-3、53、54、59、60和69的任一项的方法，其中所述血液样品是全血。
81.依据权利要求1-78的任一项的方法，其中所述血液样品是全血。
82.依据权利要求1-3、53、54、59、60和69的任一项的方法，其中所述血液样品是全血的一部分。
83.依据权利要求1-78的任一项的方法，其中所述血液样品是全血的一部分。
84.依据权利要求82的方法，其中所述血液部分包括血清或血浆。
85.依据权利要求82的方法，其中所述血液部分包括血清或血浆。
86.依据权利要求1-3、53、54、59、60和69的任一项的方法，其中所述计算和所述相关由远离受试者的计算机执行。
87.依据权利要求1-84的任一项的方法，其中所述计算和所述相关由远离受试者的计算机执行。
88.依据权利要求1-3、53、54、59、60和69的任一项的方法，其中所述计算和所述相关由靠近受试者的计算机执行。
89.依据权利要求1-84的任一项的方法，其中所述计算和所述相关由靠近受试者的计算机执行。
90.依据权利要求1-3、53、54、59、60和69的任一项的方法，其中所述计算和所述相关由云计算设备的云计算资源执行。
91.依据权利要求1-84的任一项的方法，其中所述计算和所述相关由云计算设备的云计算资源执行。
92.依据权利要求1-3、53、54、59、60和69的任一项的方法，其中所述获得生物数据包括将受试者的血液样品加载到含有用于检测血液样品中的CRP和MX1的试剂的盒中，将所述盒加载到配置用于从所述盒测量所述表达水平的系统中，并从所述系统接受所述表达水平。
93.依据权利要求1-90的任一项的方法，其中所述获得生物数据包括将受试者的血液样品加载到含有用于检测血液样品中的CRP和MX1的试剂的盒中，将所述盒加载到配置用于从所述盒测量所述表达水平的系统中，并从所述系统接受所述表达水平。
94.一种计算机软件产品，其包括存储程序指令的计算机可读介质，当硬件处理器读取指令时，所述指令使硬件处理器接收在患有未知疾病的受试者血液中多种多肽的表达水平，并执行依据权利要求1-3、53、54、59、60和69的任一项的方法。
95.一种计算机软件产品，其包括存储程序指令的计算机可读介质，当硬件处理器读取指令时，所述指令使硬件处理器接收在患有未知疾病的受试者血液中多种多肽的表达水平，并执行依据权利要求1-90的任一项的方法。
96.一种分析血液样品的系统，该系统包括：
一种盒保持架，其被配置为接收含有血液样品和用于检测血液样品中的CRP和MX1的试剂的盒；
一种测量系统，其被配置为在一旦加载后从所述盒自动测量蛋白表达水平；和
一种计算机系统，其被配置为从所述测量系统自动接收所述测量的表达值，并执行依据权利要求1-3、53、54、59、60和69的任一项的方法。
97.一种分析血液样品的系统，该系统包括：
一种盒保持架，其被配置为接收含有血液样品和用于检测血液样品中的CRP和MX1的试剂的盒；
一种测量系统，其被配置为在一旦加载后从所述盒自动测量蛋白表达水平；和
一种计算机系统，其被配置为从所述测量系统自动接收所述测量的表达值，并执行依据权利要求1-90的任一项的方法。
CN201780062459.6A 2016-08-10 2017-08-10 分析生物数据的系统和方法 Active CN109844532B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662372820P 2016-08-10 2016-08-10
US62/372820 2016-08-10
PCT/IL2017/050886 WO2018029690A1 (en) 2016-08-10 2017-08-10 System and method for analysis of biological data

Publications (2)

Publication Number Publication Date
CN109844532A true CN109844532A (zh) 2019-06-04
CN109844532B CN109844532B (zh) 2022-06-17

Family

ID=61162585

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780062459.6A Active CN109844532B (zh) 2016-08-10 2017-08-10 分析生物数据的系统和方法

Country Status (4)

Country Link
US (1) US20190180846A1 (zh)
EP (2) EP3504553B1 (zh)
CN (1) CN109844532B (zh)
WO (1) WO2018029690A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111161872A (zh) * 2019-12-03 2020-05-15 王洁 一种儿童健康智能管理系统
CN112051398A (zh) * 2020-09-18 2020-12-08 华侨大学 一种氨苄西林和卡那霉素联合检测试条

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200008916A1 (en) * 2016-12-16 2020-01-09 The Penn State Research Foundation Methods for improved reproductive management of ruminant ungulates
KR200490677Y1 (ko) * 2019-03-28 2019-12-16 한용해 엑스레이용 디텍터 홀더 스탠드
CN113785198A (zh) * 2019-05-06 2021-12-10 阿罗塞尔公司 呼吸道感染检测和分类
EP3904879A1 (en) * 2020-04-27 2021-11-03 Abacuslabs Ltd. A method for distinguishing healthy individuals from individuals having infectious or inflammatory conditions
JPWO2022004730A1 (zh) * 2020-06-30 2022-01-06
CN111816245B (zh) * 2020-07-20 2022-09-09 成都博欣医学检验实验室有限公司 结合mNGS和临床知识库的病原微生物检测方法及系统
WO2024119245A1 (en) * 2022-12-08 2024-06-13 Diag-Nose Medical Pty Ltd Methods for diagnosing and treating viral and bacterial sinonasal infection

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101410715A (zh) * 2006-01-27 2009-04-15 三路影像公司 鉴定患卵巢癌的可能性增加的患者的方法及其组合物
CN103119444A (zh) * 2010-04-21 2013-05-22 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
WO2013117746A1 (en) * 2012-02-09 2013-08-15 Memed Diagnostics Ltd. Signatures and determinants for diagnosing infections and methods of use thereof
WO2016024278A1 (en) * 2014-08-14 2016-02-18 Memed Diagnostics Ltd. Computational analysis of biological data using manifold and a hyperplane

Family Cites Families (28)

* 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
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
US5281521A (en) 1992-07-20 1994-01-25 The Trustees Of The University Of Pennsylvania Modified avidin-biotin technique
EP3230740A4 (en) 2014-12-11 2018-10-17 Memed Diagnostics Ltd. Marker combinations 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
CN101410715A (zh) * 2006-01-27 2009-04-15 三路影像公司 鉴定患卵巢癌的可能性增加的患者的方法及其组合物
CN103119444A (zh) * 2010-04-21 2013-05-22 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
WO2013117746A1 (en) * 2012-02-09 2013-08-15 Memed Diagnostics Ltd. Signatures and determinants for diagnosing infections and methods of use thereof
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HALMINEN M 等: "Expression of MxA protein in blood lymphocytes discriminates between viral and bacterial infections in febrile children", 《PEDIATRIC RESEARCH》 *
SHENGYUAN XU 等: "Lipocalins as biochemical markers of disease", 《BIOCHIMICA ET BIOPHYSICA ACTA》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111161872A (zh) * 2019-12-03 2020-05-15 王洁 一种儿童健康智能管理系统
CN111161872B (zh) * 2019-12-03 2022-08-23 王洁 一种儿童健康智能管理系统
CN112051398A (zh) * 2020-09-18 2020-12-08 华侨大学 一种氨苄西林和卡那霉素联合检测试条
CN112051398B (zh) * 2020-09-18 2024-06-07 华侨大学 一种氨苄西林和卡那霉素联合检测试条

Also Published As

Publication number Publication date
EP4033248B1 (en) 2024-04-10
EP3504553A4 (en) 2020-04-08
WO2018029690A1 (en) 2018-02-15
US20190180846A1 (en) 2019-06-13
EP3504553B1 (en) 2022-04-20
EP4033248A1 (en) 2022-07-27
EP3504553A1 (en) 2019-07-03
CN109844532B (zh) 2022-06-17

Similar Documents

Publication Publication Date Title
US12044681B2 (en) Protein signatures for distinguishing between bacterial and viral infections
US11776658B2 (en) Computational analysis of biological data using manifold and a hyperplane
CN109844532A (zh) 分析生物数据的系统和方法
Laing et al. A dynamic COVID-19 immune signature includes associations with poor prognosis
US20220236269A1 (en) Early diagnosis of infections
US20210389308A1 (en) Detecting adaptive immunity to coronavirus
Raeisi et al. Rapid-format recombinant antibody-based methods for the diagnosis of Clostridioides difficile infection: Recent advances and perspectives
Dougan Single-molecule diagnostics to support curative interventions for tuberculosis and HIV
WO2023034933A1 (en) Methods and systems for assessing adaptive immunity to coronavirus

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