CN113826170A - 控制复杂生物基质中的样品间分析物可变性 - Google Patents
控制复杂生物基质中的样品间分析物可变性 Download PDFInfo
- Publication number
- CN113826170A CN113826170A CN202080035371.7A CN202080035371A CN113826170A CN 113826170 A CN113826170 A CN 113826170A CN 202080035371 A CN202080035371 A CN 202080035371A CN 113826170 A CN113826170 A CN 113826170A
- Authority
- CN
- China
- Prior art keywords
- dilution
- analyte
- model
- dilution series
- level
- 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.)
- Pending
Links
- 239000012491 analyte Substances 0.000 title claims abstract description 482
- 238000000034 method Methods 0.000 claims abstract description 260
- 108091023037 Aptamer Proteins 0.000 claims abstract description 110
- 238000005259 measurement Methods 0.000 claims abstract description 107
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 54
- 102000004169 proteins and genes Human genes 0.000 claims abstract description 51
- 210000002700 urine Anatomy 0.000 claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims abstract description 37
- 238000003556 assay Methods 0.000 claims abstract description 32
- 238000010790 dilution Methods 0.000 claims description 763
- 239000012895 dilution Substances 0.000 claims description 763
- 239000012472 biological sample Substances 0.000 claims description 216
- 238000013519 translation Methods 0.000 claims description 162
- 230000014616 translation Effects 0.000 claims description 162
- 239000000523 sample Substances 0.000 claims description 141
- 239000002131 composite material Substances 0.000 claims description 137
- 238000012360 testing method Methods 0.000 claims description 54
- 238000012545 processing Methods 0.000 claims description 35
- 150000001875 compounds Chemical class 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 29
- 238000012417 linear regression Methods 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 26
- 238000004448 titration Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 239000012620 biological material Substances 0.000 claims description 2
- 239000000203 mixture Substances 0.000 abstract description 17
- 125000003729 nucleotide group Chemical group 0.000 description 50
- 239000002773 nucleotide Substances 0.000 description 47
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 41
- 150000007523 nucleic acids Chemical class 0.000 description 33
- 102000039446 nucleic acids Human genes 0.000 description 29
- 108020004707 nucleic acids Proteins 0.000 description 29
- 239000003153 chemical reaction reagent Substances 0.000 description 27
- 230000004048 modification Effects 0.000 description 25
- 238000012986 modification Methods 0.000 description 25
- 201000010099 disease Diseases 0.000 description 24
- -1 C-5 modified pyrimidines Chemical class 0.000 description 23
- 238000001514 detection method Methods 0.000 description 22
- 239000007787 solid Substances 0.000 description 22
- 208000035475 disorder Diseases 0.000 description 17
- 238000013207 serial dilution Methods 0.000 description 17
- 230000036571 hydration Effects 0.000 description 16
- 238000006703 hydration reaction Methods 0.000 description 16
- 239000000463 material Substances 0.000 description 15
- 238000003860 storage Methods 0.000 description 14
- 230000000670 limiting effect Effects 0.000 description 13
- 238000010606 normalization Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 230000027455 binding Effects 0.000 description 12
- 239000012634 fragment Substances 0.000 description 12
- 108091034117 Oligonucleotide Proteins 0.000 description 11
- 239000000243 solution Substances 0.000 description 11
- 230000002209 hydrophobic effect Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000003018 immunoassay Methods 0.000 description 9
- 102000012192 Cystatin C Human genes 0.000 description 8
- 108010061642 Cystatin C Proteins 0.000 description 8
- 238000009826 distribution Methods 0.000 description 8
- 229920000642 polymer Polymers 0.000 description 8
- 108091033319 polynucleotide Proteins 0.000 description 8
- 102000040430 polynucleotide Human genes 0.000 description 8
- 239000002157 polynucleotide Substances 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 102000004190 Enzymes Human genes 0.000 description 7
- 108090000790 Enzymes Proteins 0.000 description 7
- 239000003795 chemical substances by application Substances 0.000 description 7
- 239000000975 dye Substances 0.000 description 7
- 229940088598 enzyme Drugs 0.000 description 7
- 235000000346 sugar Nutrition 0.000 description 7
- 102100031984 Ephrin type-B receptor 6 Human genes 0.000 description 6
- 108010067060 Immunoglobulin Variable Region Proteins 0.000 description 6
- 102000017727 Immunoglobulin Variable Region Human genes 0.000 description 6
- 102100036697 Interleukin-1 receptor-like 2 Human genes 0.000 description 6
- 102100023981 Lamina-associated polypeptide 2, isoform alpha Human genes 0.000 description 6
- 101710163560 Lamina-associated polypeptide 2, isoform alpha Proteins 0.000 description 6
- 101710189385 Lamina-associated polypeptide 2, isoforms beta/gamma Proteins 0.000 description 6
- 239000000898 Thymopoietin Substances 0.000 description 6
- 239000000090 biomarker Substances 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 6
- 239000003085 diluting agent Substances 0.000 description 6
- 239000007850 fluorescent dye Substances 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 6
- 238000002372 labelling Methods 0.000 description 6
- 108020004999 messenger RNA Proteins 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000002360 preparation method Methods 0.000 description 6
- 239000000758 substrate Substances 0.000 description 6
- 108091028043 Nucleic acid sequence Proteins 0.000 description 5
- 238000002820 assay format Methods 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 5
- 238000002866 fluorescence resonance energy transfer Methods 0.000 description 5
- 239000003446 ligand Substances 0.000 description 5
- 238000004949 mass spectrometry Methods 0.000 description 5
- 238000002493 microarray Methods 0.000 description 5
- 108090000765 processed proteins & peptides Proteins 0.000 description 5
- 238000011002 quantification Methods 0.000 description 5
- 241000894007 species Species 0.000 description 5
- 238000006467 substitution reaction Methods 0.000 description 5
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical group N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 4
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 4
- 238000002965 ELISA Methods 0.000 description 4
- 101001064451 Homo sapiens Ephrin type-B receptor 6 Proteins 0.000 description 4
- 101000852965 Homo sapiens Interleukin-1 receptor-like 2 Proteins 0.000 description 4
- 101000825478 Homo sapiens Protein shisa-3 homolog Proteins 0.000 description 4
- 101001132652 Homo sapiens Retinoic acid receptor responder protein 2 Proteins 0.000 description 4
- 102100040682 Platelet-derived growth factor D Human genes 0.000 description 4
- 102100022937 Protein shisa-3 homolog Human genes 0.000 description 4
- 102100033914 Retinoic acid receptor responder protein 2 Human genes 0.000 description 4
- JLCPHMBAVCMARE-UHFFFAOYSA-N [3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[5-(2-amino-6-oxo-1H-purin-9-yl)-3-[[3-[[3-[[3-[[3-[[3-[[5-(2-amino-6-oxo-1H-purin-9-yl)-3-[[5-(2-amino-6-oxo-1H-purin-9-yl)-3-hydroxyoxolan-2-yl]methoxy-hydroxyphosphoryl]oxyoxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxyoxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methyl [5-(6-aminopurin-9-yl)-2-(hydroxymethyl)oxolan-3-yl] hydrogen phosphate Polymers Cc1cn(C2CC(OP(O)(=O)OCC3OC(CC3OP(O)(=O)OCC3OC(CC3O)n3cnc4c3nc(N)[nH]c4=O)n3cnc4c3nc(N)[nH]c4=O)C(COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3CO)n3cnc4c(N)ncnc34)n3ccc(N)nc3=O)n3cnc4c(N)ncnc34)n3ccc(N)nc3=O)n3ccc(N)nc3=O)n3ccc(N)nc3=O)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)n3cc(C)c(=O)[nH]c3=O)n3cc(C)c(=O)[nH]c3=O)n3ccc(N)nc3=O)n3cc(C)c(=O)[nH]c3=O)n3cnc4c3nc(N)[nH]c4=O)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)O2)c(=O)[nH]c1=O JLCPHMBAVCMARE-UHFFFAOYSA-N 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000003795 desorption Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 125000005647 linker group Chemical group 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 238000004393 prognosis Methods 0.000 description 4
- WQGWDDDVZFFDIG-UHFFFAOYSA-N pyrogallol Chemical compound OC1=CC=CC(O)=C1O WQGWDDDVZFFDIG-UHFFFAOYSA-N 0.000 description 4
- 102000005962 receptors Human genes 0.000 description 4
- 108020003175 receptors Proteins 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000002560 therapeutic procedure Methods 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 108010049777 Ankyrins Proteins 0.000 description 3
- 102000008102 Ankyrins Human genes 0.000 description 3
- 108010031480 Artificial Receptors Proteins 0.000 description 3
- 108020004414 DNA Proteins 0.000 description 3
- 101000636823 Homo sapiens Neogenin Proteins 0.000 description 3
- 101000836557 Homo sapiens Septin-11 Proteins 0.000 description 3
- 108090001090 Lectins Proteins 0.000 description 3
- 102000004856 Lectins Human genes 0.000 description 3
- 241000124008 Mammalia Species 0.000 description 3
- 102100031900 Neogenin Human genes 0.000 description 3
- 239000002202 Polyethylene glycol Substances 0.000 description 3
- 238000011529 RT qPCR Methods 0.000 description 3
- 102100027068 Septin-11 Human genes 0.000 description 3
- 108010003723 Single-Domain Antibodies Proteins 0.000 description 3
- 150000001412 amines Chemical class 0.000 description 3
- 238000000668 atmospheric pressure chemical ionisation mass spectrometry Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 102000003675 cytokine receptors Human genes 0.000 description 3
- 108010057085 cytokine receptors Proteins 0.000 description 3
- 238000010494 dissociation reaction Methods 0.000 description 3
- 230000005593 dissociations Effects 0.000 description 3
- 230000035622 drinking Effects 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000002330 electrospray ionisation mass spectrometry Methods 0.000 description 3
- 238000010195 expression analysis Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 238000011223 gene expression profiling Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 108091008039 hormone receptors Proteins 0.000 description 3
- 150000002500 ions Chemical class 0.000 description 3
- 239000002523 lectin Substances 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000027939 micturition Effects 0.000 description 3
- 238000013488 ordinary least square regression Methods 0.000 description 3
- 239000000816 peptidomimetic Substances 0.000 description 3
- 210000002381 plasma Anatomy 0.000 description 3
- 229920001223 polyethylene glycol Polymers 0.000 description 3
- 150000003230 pyrimidines Chemical class 0.000 description 3
- 239000002096 quantum dot Substances 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000003757 reverse transcription PCR Methods 0.000 description 3
- 238000013515 script Methods 0.000 description 3
- 210000002966 serum Anatomy 0.000 description 3
- 150000003384 small molecules Chemical class 0.000 description 3
- 125000006850 spacer group Chemical group 0.000 description 3
- 230000009870 specific binding Effects 0.000 description 3
- 150000008163 sugars Chemical class 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- WHVNXSBKJGAXKU-UHFFFAOYSA-N Alexa Fluor 532 Chemical compound [H+].[H+].CC1(C)C(C)NC(C(=C2OC3=C(C=4C(C(C(C)N=4)(C)C)=CC3=3)S([O-])(=O)=O)S([O-])(=O)=O)=C1C=C2C=3C(C=C1)=CC=C1C(=O)ON1C(=O)CCC1=O WHVNXSBKJGAXKU-UHFFFAOYSA-N 0.000 description 2
- 239000012099 Alexa Fluor family Substances 0.000 description 2
- 102100035028 Alpha-L-iduronidase Human genes 0.000 description 2
- 102100030563 Coagulation factor XI Human genes 0.000 description 2
- SRBFZHDQGSBBOR-IOVATXLUSA-N D-xylopyranose Chemical compound O[C@@H]1COC(O)[C@H](O)[C@H]1O SRBFZHDQGSBBOR-IOVATXLUSA-N 0.000 description 2
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- 101710114514 Ephrin type-B receptor 6 Proteins 0.000 description 2
- 238000004252 FT/ICR mass spectrometry Methods 0.000 description 2
- 108010074864 Factor XI Proteins 0.000 description 2
- 101001019502 Homo sapiens Alpha-L-iduronidase Proteins 0.000 description 2
- 101000611892 Homo sapiens Platelet-derived growth factor D Proteins 0.000 description 2
- 108010001336 Horseradish Peroxidase Proteins 0.000 description 2
- 108010003381 Iduronidase Proteins 0.000 description 2
- 102000004627 Iduronidase Human genes 0.000 description 2
- 101710201977 Interleukin-1 receptor-like 2 Proteins 0.000 description 2
- 101100128278 Mus musculus Lins1 gene Proteins 0.000 description 2
- 101710170209 Platelet-derived growth factor D Proteins 0.000 description 2
- CZPWVGJYEJSRLH-UHFFFAOYSA-N Pyrimidine Chemical compound C1=CN=CN=C1 CZPWVGJYEJSRLH-UHFFFAOYSA-N 0.000 description 2
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 2
- DZBUGLKDJFMEHC-UHFFFAOYSA-N acridine Chemical compound C1=CC=CC2=CC3=CC=CC=C3N=C21 DZBUGLKDJFMEHC-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000011166 aliquoting Methods 0.000 description 2
- 239000002168 alkylating agent Substances 0.000 description 2
- 150000001413 amino acids Chemical class 0.000 description 2
- 239000000427 antigen Substances 0.000 description 2
- 108091007433 antigens Proteins 0.000 description 2
- 102000036639 antigens Human genes 0.000 description 2
- PYMYPHUHKUWMLA-UHFFFAOYSA-N arabinose Natural products OCC(O)C(O)C(O)C=O PYMYPHUHKUWMLA-UHFFFAOYSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- SRBFZHDQGSBBOR-UHFFFAOYSA-N beta-D-Pyranose-Lyxose Natural products OC1COC(O)C(O)C1O SRBFZHDQGSBBOR-UHFFFAOYSA-N 0.000 description 2
- 239000013060 biological fluid Substances 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 229960002685 biotin Drugs 0.000 description 2
- 235000020958 biotin Nutrition 0.000 description 2
- 239000011616 biotin Substances 0.000 description 2
- 238000005251 capillar electrophoresis Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 150000003857 carboxamides Chemical class 0.000 description 2
- 238000004113 cell culture Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 239000002299 complementary DNA Substances 0.000 description 2
- 230000021615 conjugation Effects 0.000 description 2
- 229940109239 creatinine Drugs 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 2
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 2
- 238000001114 immunoprecipitation Methods 0.000 description 2
- 238000011534 incubation Methods 0.000 description 2
- 125000001041 indolyl group Chemical group 0.000 description 2
- 238000001840 matrix-assisted laser desorption--ionisation time-of-flight mass spectrometry Methods 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 239000002777 nucleoside Substances 0.000 description 2
- CTSLXHKWHWQRSH-UHFFFAOYSA-N oxalyl chloride Chemical compound ClC(=O)C(Cl)=O CTSLXHKWHWQRSH-UHFFFAOYSA-N 0.000 description 2
- 238000007427 paired t-test Methods 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 229920001184 polypeptide Polymers 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 102000004196 processed proteins & peptides Human genes 0.000 description 2
- 208000037821 progressive disease Diseases 0.000 description 2
- ZCCUUQDIBDJBTK-UHFFFAOYSA-N psoralen Chemical compound C1=C2OC(=O)C=CC2=CC2=C1OC=C2 ZCCUUQDIBDJBTK-UHFFFAOYSA-N 0.000 description 2
- 230000002285 radioactive effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 108090000064 retinoic acid receptors Proteins 0.000 description 2
- 102000003702 retinoic acid receptors Human genes 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 125000001424 substituent group Chemical group 0.000 description 2
- 229940124597 therapeutic agent Drugs 0.000 description 2
- 238000002562 urinalysis Methods 0.000 description 2
- CBXRMKZFYQISIV-UHFFFAOYSA-N 1-n,1-n,1-n',1-n',2-n,2-n,2-n',2-n'-octamethylethene-1,1,2,2-tetramine Chemical group CN(C)C(N(C)C)=C(N(C)C)N(C)C CBXRMKZFYQISIV-UHFFFAOYSA-N 0.000 description 1
- MXHRCPNRJAMMIM-SHYZEUOFSA-N 2'-deoxyuridine Chemical class C1[C@H](O)[C@@H](CO)O[C@H]1N1C(=O)NC(=O)C=C1 MXHRCPNRJAMMIM-SHYZEUOFSA-N 0.000 description 1
- RGNOTKMIMZMNRX-XVFCMESISA-N 2-amino-1-[(2r,3r,4s,5r)-3,4-dihydroxy-5-(hydroxymethyl)oxolan-2-yl]pyrimidin-4-one Chemical compound NC1=NC(=O)C=CN1[C@H]1[C@H](O)[C@H](O)[C@@H](CO)O1 RGNOTKMIMZMNRX-XVFCMESISA-N 0.000 description 1
- LSBDFXRDZJMBSC-UHFFFAOYSA-N 2-phenylacetamide Chemical compound NC(=O)CC1=CC=CC=C1 LSBDFXRDZJMBSC-UHFFFAOYSA-N 0.000 description 1
- VYIBCOSBNVFEIW-UHFFFAOYSA-N 3-phenylpropanamide Chemical compound NC(=O)CCC1=CC=CC=C1 VYIBCOSBNVFEIW-UHFFFAOYSA-N 0.000 description 1
- VXGRJERITKFWPL-UHFFFAOYSA-N 4',5'-Dihydropsoralen Natural products C1=C2OC(=O)C=CC2=CC2=C1OCC2 VXGRJERITKFWPL-UHFFFAOYSA-N 0.000 description 1
- ZLOIGESWDJYCTF-UHFFFAOYSA-N 4-Thiouridine Natural products OC1C(O)C(CO)OC1N1C(=O)NC(=S)C=C1 ZLOIGESWDJYCTF-UHFFFAOYSA-N 0.000 description 1
- ZLOIGESWDJYCTF-XVFCMESISA-N 4-thiouridine Chemical group O[C@@H]1[C@H](O)[C@@H](CO)O[C@H]1N1C(=O)NC(=S)C=C1 ZLOIGESWDJYCTF-XVFCMESISA-N 0.000 description 1
- 102100031126 6-phosphogluconolactonase Human genes 0.000 description 1
- 108010029731 6-phosphogluconolactonase Proteins 0.000 description 1
- 208000035657 Abasia Diseases 0.000 description 1
- 108010088751 Albumins Proteins 0.000 description 1
- 102000009027 Albumins Human genes 0.000 description 1
- 239000012103 Alexa Fluor 488 Substances 0.000 description 1
- 239000012114 Alexa Fluor 647 Substances 0.000 description 1
- 239000012116 Alexa Fluor 680 Substances 0.000 description 1
- 239000012117 Alexa Fluor 700 Substances 0.000 description 1
- 102000002260 Alkaline Phosphatase Human genes 0.000 description 1
- 108020004774 Alkaline Phosphatase Proteins 0.000 description 1
- 102100026189 Beta-galactosidase Human genes 0.000 description 1
- ROFVEXUMMXZLPA-UHFFFAOYSA-N Bipyridyl Chemical compound N1=CC=CC=C1C1=CC=CC=N1 ROFVEXUMMXZLPA-UHFFFAOYSA-N 0.000 description 1
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 1
- QCMYYKRYFNMIEC-UHFFFAOYSA-N COP(O)=O Chemical class COP(O)=O QCMYYKRYFNMIEC-UHFFFAOYSA-N 0.000 description 1
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- IGXWBGJHJZYPQS-SSDOTTSWSA-N D-Luciferin Chemical compound OC(=O)[C@H]1CSC(C=2SC3=CC=C(O)C=C3N=2)=N1 IGXWBGJHJZYPQS-SSDOTTSWSA-N 0.000 description 1
- HAIWUXASLYEWLM-UHFFFAOYSA-N D-manno-Heptulose Natural products OCC1OC(O)(CO)C(O)C(O)C1O HAIWUXASLYEWLM-UHFFFAOYSA-N 0.000 description 1
- HMFHBZSHGGEWLO-SOOFDHNKSA-N D-ribofuranose Chemical compound OC[C@H]1OC(O)[C@H](O)[C@@H]1O HMFHBZSHGGEWLO-SOOFDHNKSA-N 0.000 description 1
- 230000004544 DNA amplification Effects 0.000 description 1
- 238000000018 DNA microarray Methods 0.000 description 1
- CYCGRDQQIOGCKX-UHFFFAOYSA-N Dehydro-luciferin Natural products OC(=O)C1=CSC(C=2SC3=CC(O)=CC=C3N=2)=N1 CYCGRDQQIOGCKX-UHFFFAOYSA-N 0.000 description 1
- BVTJGGGYKAMDBN-UHFFFAOYSA-N Dioxetane Chemical compound C1COO1 BVTJGGGYKAMDBN-UHFFFAOYSA-N 0.000 description 1
- 206010061818 Disease progression Diseases 0.000 description 1
- BJGNCJDXODQBOB-UHFFFAOYSA-N Fivefly Luciferin Natural products OC(=O)C1CSC(C=2SC3=CC(O)=CC=C3N=2)=N1 BJGNCJDXODQBOB-UHFFFAOYSA-N 0.000 description 1
- 108010015133 Galactose oxidase Proteins 0.000 description 1
- 108010073178 Glucan 1,4-alpha-Glucosidase Proteins 0.000 description 1
- 102100022624 Glucoamylase Human genes 0.000 description 1
- 108010015776 Glucose oxidase Proteins 0.000 description 1
- 239000004366 Glucose oxidase Substances 0.000 description 1
- 108010018962 Glucosephosphate Dehydrogenase Proteins 0.000 description 1
- 102000003886 Glycoproteins Human genes 0.000 description 1
- 108090000288 Glycoproteins Proteins 0.000 description 1
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 102000001706 Immunoglobulin Fab Fragments Human genes 0.000 description 1
- 108010054477 Immunoglobulin Fab Fragments Proteins 0.000 description 1
- HSNZZMHEPUFJNZ-UHFFFAOYSA-N L-galacto-2-Heptulose Natural products OCC(O)C(O)C(O)C(O)C(=O)CO HSNZZMHEPUFJNZ-UHFFFAOYSA-N 0.000 description 1
- 238000012773 Laboratory assay Methods 0.000 description 1
- 108010023244 Lactoperoxidase Proteins 0.000 description 1
- 102000045576 Lactoperoxidases Human genes 0.000 description 1
- 108060001084 Luciferase Proteins 0.000 description 1
- 239000005089 Luciferase Substances 0.000 description 1
- DDWFXDSYGUXRAY-UHFFFAOYSA-N Luciferin Natural products CCc1c(C)c(CC2NC(=O)C(=C2C=C)C)[nH]c1Cc3[nH]c4C(=C5/NC(CC(=O)O)C(C)C5CC(=O)O)CC(=O)c4c3C DDWFXDSYGUXRAY-UHFFFAOYSA-N 0.000 description 1
- 101710174798 Lysenin Proteins 0.000 description 1
- 102000013460 Malate Dehydrogenase Human genes 0.000 description 1
- 108010026217 Malate Dehydrogenase Proteins 0.000 description 1
- 102000016943 Muramidase Human genes 0.000 description 1
- 108010014251 Muramidase Proteins 0.000 description 1
- 108010062010 N-Acetylmuramoyl-L-alanine Amidase Proteins 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 238000000636 Northern blotting Methods 0.000 description 1
- 101710163270 Nuclease Proteins 0.000 description 1
- 108020004711 Nucleic Acid Probes Proteins 0.000 description 1
- 101150109086 PDGFD gene Proteins 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 108091093037 Peptide nucleic acid Proteins 0.000 description 1
- ABLZXFCXXLZCGV-UHFFFAOYSA-N Phosphorous acid Chemical group OP(O)=O ABLZXFCXXLZCGV-UHFFFAOYSA-N 0.000 description 1
- 108010004729 Phycoerythrin Proteins 0.000 description 1
- 239000004952 Polyamide Substances 0.000 description 1
- 206010036790 Productive cough Diseases 0.000 description 1
- 244000141353 Prunus domestica Species 0.000 description 1
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- PYMYPHUHKUWMLA-LMVFSUKVSA-N Ribose Natural products OC[C@@H](O)[C@@H](O)[C@@H](O)C=O PYMYPHUHKUWMLA-LMVFSUKVSA-N 0.000 description 1
- HAIWUXASLYEWLM-AZEWMMITSA-N Sedoheptulose Natural products OC[C@H]1[C@H](O)[C@H](O)[C@H](O)[C@@](O)(CO)O1 HAIWUXASLYEWLM-AZEWMMITSA-N 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- RYYWUUFWQRZTIU-UHFFFAOYSA-N Thiophosphoric acid Chemical class OP(O)(S)=O RYYWUUFWQRZTIU-UHFFFAOYSA-N 0.000 description 1
- 108010092464 Urate Oxidase Proteins 0.000 description 1
- 108010046334 Urease Proteins 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 108010093894 Xanthine oxidase Proteins 0.000 description 1
- 102100033220 Xanthine oxidase Human genes 0.000 description 1
- 230000021736 acetylation Effects 0.000 description 1
- 238000006640 acetylation reaction Methods 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 125000002015 acyclic group Chemical group 0.000 description 1
- 230000004520 agglutination Effects 0.000 description 1
- 125000003342 alkenyl group Chemical group 0.000 description 1
- 125000000217 alkyl group Chemical group 0.000 description 1
- 108010004469 allophycocyanin Proteins 0.000 description 1
- 125000003275 alpha amino acid group Chemical group 0.000 description 1
- HMFHBZSHGGEWLO-UHFFFAOYSA-N alpha-D-Furanose-Ribose Natural products OCC1OC(O)C(O)C1O HMFHBZSHGGEWLO-UHFFFAOYSA-N 0.000 description 1
- SRBFZHDQGSBBOR-STGXQOJASA-N alpha-D-lyxopyranose Chemical compound O[C@@H]1CO[C@H](O)[C@@H](O)[C@H]1O SRBFZHDQGSBBOR-STGXQOJASA-N 0.000 description 1
- 150000001408 amides Chemical class 0.000 description 1
- 210000004381 amniotic fluid Anatomy 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 229940124599 anti-inflammatory drug Drugs 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- PYMYPHUHKUWMLA-WDCZJNDASA-N arabinose Chemical compound OC[C@@H](O)[C@@H](O)[C@H](O)C=O PYMYPHUHKUWMLA-WDCZJNDASA-N 0.000 description 1
- 125000003710 aryl alkyl group Chemical group 0.000 description 1
- 125000003118 aryl group Chemical group 0.000 description 1
- 238000001854 atmospheric pressure photoionisation mass spectrometry Methods 0.000 description 1
- 238000004630 atomic force microscopy Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 125000000638 benzylaminocarbonyl group Chemical group C(C1=CC=CC=C1)NC(=O)* 0.000 description 1
- 108010005774 beta-Galactosidase Proteins 0.000 description 1
- 230000029918 bioluminescence Effects 0.000 description 1
- 238000005415 bioluminescence Methods 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000006664 bond formation reaction Methods 0.000 description 1
- 229910052796 boron Inorganic materials 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 150000004657 carbamic acid derivatives Chemical class 0.000 description 1
- 239000004202 carbamide Substances 0.000 description 1
- 125000002837 carbocyclic group Chemical group 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 102000005352 centromere protein F Human genes 0.000 description 1
- 108010031377 centromere protein F Proteins 0.000 description 1
- 239000002738 chelating agent Substances 0.000 description 1
- VYXSBFYARXAAKO-WTKGSRSZSA-N chembl402140 Chemical compound Cl.C1=2C=C(C)C(NCC)=CC=2OC2=C\C(=N/CC)C(C)=CC2=C1C1=CC=CC=C1C(=O)OCC VYXSBFYARXAAKO-WTKGSRSZSA-N 0.000 description 1
- 238000007385 chemical modification Methods 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000003392 chemiluminescence resonance energy transfer Methods 0.000 description 1
- 239000003593 chromogenic compound Substances 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 125000000392 cycloalkenyl group Chemical group 0.000 description 1
- 125000000753 cycloalkyl group Chemical group 0.000 description 1
- 230000002380 cytological effect Effects 0.000 description 1
- 125000001295 dansyl group Chemical group [H]C1=C([H])C(N(C([H])([H])[H])C([H])([H])[H])=C2C([H])=C([H])C([H])=C(C2=C1[H])S(*)(=O)=O 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001212 derivatisation Methods 0.000 description 1
- MXHRCPNRJAMMIM-UHFFFAOYSA-N desoxyuridine Natural products C1C(O)C(CO)OC1N1C(=O)NC(=O)C=C1 MXHRCPNRJAMMIM-UHFFFAOYSA-N 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- NKDDWNXOKDWJAK-UHFFFAOYSA-N dimethoxymethane Chemical compound COCOC NKDDWNXOKDWJAK-UHFFFAOYSA-N 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- NAGJZTKCGNOGPW-UHFFFAOYSA-N dithiophosphoric acid Chemical class OP(O)(S)=S NAGJZTKCGNOGPW-UHFFFAOYSA-N 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000000835 electrochemical detection Methods 0.000 description 1
- 238000011209 electrochromatography Methods 0.000 description 1
- 238000002101 electrospray ionisation tandem mass spectrometry Methods 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 230000002255 enzymatic effect Effects 0.000 description 1
- 150000002148 esters Chemical class 0.000 description 1
- ADRVRLIZHFZKFE-UHFFFAOYSA-N ethanediperoxoic acid Chemical compound OOC(=O)C(=O)OO ADRVRLIZHFZKFE-UHFFFAOYSA-N 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000684 flow cytometry Methods 0.000 description 1
- GNBHRKFJIUUOQI-UHFFFAOYSA-N fluorescein Chemical compound O1C(=O)C2=CC=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 GNBHRKFJIUUOQI-UHFFFAOYSA-N 0.000 description 1
- 238000002875 fluorescence polarization Methods 0.000 description 1
- 238000001506 fluorescence spectroscopy Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 150000002243 furanoses Chemical class 0.000 description 1
- 238000001502 gel electrophoresis Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000000762 glandular Effects 0.000 description 1
- 229940116332 glucose oxidase Drugs 0.000 description 1
- 235000019420 glucose oxidase Nutrition 0.000 description 1
- 150000004676 glycans Chemical class 0.000 description 1
- 230000013595 glycosylation Effects 0.000 description 1
- 238000006206 glycosylation reaction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000003102 growth factor Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 230000003100 immobilizing effect Effects 0.000 description 1
- 238000003365 immunocytochemistry Methods 0.000 description 1
- 238000003364 immunohistochemistry Methods 0.000 description 1
- 239000003112 inhibitor Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000005040 ion trap Methods 0.000 description 1
- 238000000534 ion trap mass spectrometry Methods 0.000 description 1
- 230000000155 isotopic effect Effects 0.000 description 1
- SANOUVWGPVYVAV-UHFFFAOYSA-N isovaleramide Chemical compound CC(C)CC(N)=O SANOUVWGPVYVAV-UHFFFAOYSA-N 0.000 description 1
- 229940057428 lactoperoxidase Drugs 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 230000029226 lipidation Effects 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- KNJDBYZZKAZQNG-UHFFFAOYSA-N lucigenin Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.C12=CC=CC=C2[N+](C)=C(C=CC=C2)C2=C1C1=C(C=CC=C2)C2=[N+](C)C2=CC=CC=C12 KNJDBYZZKAZQNG-UHFFFAOYSA-N 0.000 description 1
- 210000004880 lymph fluid Anatomy 0.000 description 1
- 229960000274 lysozyme Drugs 0.000 description 1
- 239000004325 lysozyme Substances 0.000 description 1
- 235000010335 lysozyme Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 230000011987 methylation Effects 0.000 description 1
- 238000007069 methylation reaction Methods 0.000 description 1
- 108091070501 miRNA Proteins 0.000 description 1
- 239000002679 microRNA Substances 0.000 description 1
- 108010029942 microperoxidase Proteins 0.000 description 1
- 238000004848 nephelometry Methods 0.000 description 1
- 210000002445 nipple Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000002853 nucleic acid probe Substances 0.000 description 1
- 150000003833 nucleoside derivatives Chemical class 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000002515 oligonucleotide synthesis Methods 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 238000003068 pathway analysis Methods 0.000 description 1
- 210000003819 peripheral blood mononuclear cell Anatomy 0.000 description 1
- 238000002823 phage display Methods 0.000 description 1
- JTJMJGYZQZDUJJ-UHFFFAOYSA-N phencyclidine Chemical compound C1CCCCN1C1(C=2C=CC=CC=2)CCCCC1 JTJMJGYZQZDUJJ-UHFFFAOYSA-N 0.000 description 1
- RXNXLAHQOVLMIE-UHFFFAOYSA-N phenyl 10-methylacridin-10-ium-9-carboxylate Chemical compound C12=CC=CC=C2[N+](C)=C2C=CC=CC2=C1C(=O)OC1=CC=CC=C1 RXNXLAHQOVLMIE-UHFFFAOYSA-N 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 125000002467 phosphate group Chemical group [H]OP(=O)(O[H])O[*] 0.000 description 1
- 150000004713 phosphodiesters Chemical class 0.000 description 1
- 150000008298 phosphoramidates Chemical class 0.000 description 1
- 230000026731 phosphorylation Effects 0.000 description 1
- 238000006366 phosphorylation reaction Methods 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 229920002647 polyamide Polymers 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 229920001282 polysaccharide Polymers 0.000 description 1
- 239000005017 polysaccharide Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 125000001436 propyl group Chemical group [H]C([*])([H])C([H])([H])C([H])([H])[H] 0.000 description 1
- 125000006239 protecting group Chemical group 0.000 description 1
- 150000003212 purines Chemical class 0.000 description 1
- 150000003215 pyranoses Chemical class 0.000 description 1
- 125000000714 pyrimidinyl group Chemical group 0.000 description 1
- 229940079877 pyrogallol Drugs 0.000 description 1
- 238000005173 quadrupole mass spectroscopy Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000010833 quantitative mass spectrometry Methods 0.000 description 1
- 238000003127 radioimmunoassay Methods 0.000 description 1
- 229910052761 rare earth metal Inorganic materials 0.000 description 1
- 150000002910 rare earth metals Chemical class 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000003753 real-time PCR Methods 0.000 description 1
- 238000010839 reverse transcription Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- PYWVYCXTNDRMGF-UHFFFAOYSA-N rhodamine B Chemical compound [Cl-].C=12C=CC(=[N+](CC)CC)C=C2OC2=CC(N(CC)CC)=CC=C2C=1C1=CC=CC=C1C(O)=O PYWVYCXTNDRMGF-UHFFFAOYSA-N 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000004574 scanning tunneling microscopy Methods 0.000 description 1
- 238000001004 secondary ion mass spectrometry Methods 0.000 description 1
- HSNZZMHEPUFJNZ-SHUUEZRQSA-N sedoheptulose Chemical compound OC[C@@H](O)[C@@H](O)[C@@H](O)[C@H](O)C(=O)CO HSNZZMHEPUFJNZ-SHUUEZRQSA-N 0.000 description 1
- 210000000582 semen Anatomy 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000002798 spectrophotometry method Methods 0.000 description 1
- 210000003802 sputum Anatomy 0.000 description 1
- 208000024794 sputum Diseases 0.000 description 1
- 239000011550 stock solution Substances 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 238000002198 surface plasmon resonance spectroscopy Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000001179 synovial fluid Anatomy 0.000 description 1
- 238000010189 synthetic method Methods 0.000 description 1
- 229920001059 synthetic polymer Polymers 0.000 description 1
- MPLHNVLQVRSVEE-UHFFFAOYSA-N texas red Chemical compound [O-]S(=O)(=O)C1=CC(S(Cl)(=O)=O)=CC=C1C(C1=CC=2CCCN3CCCC(C=23)=C1O1)=C2C1=C(CCC1)C3=[N+]1CCCC3=C2 MPLHNVLQVRSVEE-UHFFFAOYSA-N 0.000 description 1
- 150000007970 thio esters Chemical class 0.000 description 1
- 238000001269 time-of-flight mass spectrometry Methods 0.000 description 1
- 238000001776 time-resolved fluorescence quenching Methods 0.000 description 1
- 238000000954 titration curve Methods 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000004879 turbidimetry Methods 0.000 description 1
- 210000003708 urethra Anatomy 0.000 description 1
- 230000003612 virological effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 238000001262 western blot Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
- G01N33/6848—Methods of protein analysis involving mass spectrometry
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Urology & Nephrology (AREA)
- Immunology (AREA)
- Hematology (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Microbiology (AREA)
- Medicinal Chemistry (AREA)
- Biotechnology (AREA)
- Cell Biology (AREA)
- Pathology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Food Science & Technology (AREA)
- Computing Systems (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本文描述了用于归一化来自生物基质的样品间分析物测量结果的可变性的组合物和方法。在一些实施方案中，本公开涉及用于归一化通过基于适体的测定法测量的来自尿液的一种或多种蛋白质的水平的方法。
Description
相关申请的交叉引用
本申请要求2019年5月17日提交的美国临时申请号62/849,212的优先权，该美国临时申请全文以引用方式并入本文以用于任何目的。
技术领域
本公开整体涉及控制来自生物基质的样品间分析物测量结果的可变性。在一些实施方案中，本公开涉及用于控制通过基于适体的测定法测量的来自尿液样品的一种或多种蛋白质的水平的方法。
背景技术
生物样品中分析物测量的样品间可变性对于生物标志物发现、代谢分析、基因表达分析、蛋白质通路分析以及诊断和预后工具来说是一个问题，特别是当结果依赖于差异幅度相对较小的定量生物信号时。表现出高样品间可变性的生物样品类型是处理这些样品类型的主要挑战。控制这种可变性将为实验应用和临床应用提供更一致且更有意义的数据集。
因此，持续存在对用于控制生物基质中的样品间分析物测量结果可变性的替代性组合物和方法的需要。本公开通过提供用于归一化复杂基质中的生物信号的新组合物和方法来满足此类需要，这些组合物和方法降低、最小化或消除此类可变性。
发明内容
实施方案1一种用于生成复合稀释度模型的方法，所述方法包括：
a)测定包含分析物的第一生物样品的第一稀释度系列中的所述分析物的水平，其中所述第一稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
b)测定包含所述分析物的第二生物样品的第二稀释度系列中的所述分析物的水平，其中所述第二稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
c)基于所述第一稀释度系列的所述分析物的水平生成模型；
d)选择参考值，其中所述参考值选自：
(i)第二稀释度系列参考值，所述第二稀释度系列参考值是所述第二稀释度系列的特定稀释度下的分析物水平；
(ii)模型参考值，所述模型参考值是所述模型的特定稀释度下的分析物水平；以及
(iii)任意参考值，所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第二稀释度系列或所述模型中未发现；
e)执行至少一次水平平移，其中所述至少一次水平平移选自：
(i)所述第二稀释度系列参考值到模型值的水平平移(ΔX)，其中所述模型值是所述模型的特定稀释度下的分析物水平，其中所述第二稀释度系列参考值和所述模型值是相等的或基本上相等的；
(ii)所述模型参考值到第二稀释度系列值的水平平移(ΔX)，其中所述第二稀释度系列值是所述第二稀释度系列的特定稀释度下的分析物水平，其中所述模型参考值和所述第二稀释度系列值是相等的或基本上相等的；以及
(iii)第二稀释度系列值到所述任意参考值的水平平移(ΔX)和模型值到所述任意参考值的水平平移(ΔY)，其中所述模型值是所述模型的特定稀释度下的分析物水平，其中所述第二稀释度系列值是所述第二稀释度系列的特定稀释度下的分析物水平，并且其中所述第二稀释度系列值、所述模型值和所述任意参考值是相等的或基本上相等的；
f)执行(i)所述第二稀释度系列、(ii)所述模型或(iii)所述第二稀释度系列和所述模型中的剩余值的至少一次水平平移，其中所述剩余值的所述水平平移导致线性复合平移；以及
g)将函数拟合到所述线性复合平移系列，从而形成复合稀释度模型。
实施方案2如实施方案1所述的方法，其中所述方法包括：
d)选择第二稀释度系列参考值，所述第二稀释度系列参考值是所述第二稀释度系列的特定稀释度下的分析物水平；
e)执行所述第二稀释度系列参考值到模型值的水平平移(ΔX)，其中所述模型值是所述模型的特定稀释度下的分析物水平，其中所述第二稀释度系列参考值和所述模型值是相等的或基本上相等的；以及
f)执行所述第二稀释度系列中的所述剩余值的所述水平平移，其中所述剩余值的所述水平平移导致线性复合平移。
实施方案3如实施方案1所述的方法，其中所述方法包括：
d)选择模型参考值，所述模型参考值是所述模型的特定稀释度下的分析物水平；
e)执行所述模型参考值到第二稀释度系列值的水平平移(ΔX)，其中所述第二稀释度系列值是所述第二稀释度系列的特定稀释度下的分析物水平，其中所述模型参考值和所述第二稀释度系列值是相等的或基本上相等的；以及
f)执行所述模型中的所述剩余值的所述水平平移，其中所述剩余值的所述水平平移导致线性复合平移。
实施方案4如实施方案1所述的方法，其中所述方法包括：
d)选择任意参考值，所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第二稀释度系列或所述模型中未发现；
e)执行第二稀释度系列值到所述任意参考值的水平平移(ΔX)和模型值到所述任意参考值的水平平移(ΔY)，其中所述模型值是所述模型的特定稀释度下的分析物水平，其中所述第二稀释度系列值是所述第二稀释度系列的特定稀释度下的分析物水平，并且其中所述第二稀释度系列值、所述模型值和所述任意参考值是相等的或基本上相等的；以及
f)执行所述第二稀释度系列和所述模型中的所述剩余值的所述水平平移，其中所述剩余值的所述水平平移导致线性复合平移。
实施方案5一种用于生成复合稀释度模型的方法，所述方法包括：
a)测定包含分析物的第一生物样品的第一稀释度系列中的所述分析物的水平，其中所述第一稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
b)测定包含所述分析物的第二生物样品的第二稀释度系列中的所述分析物的水平，其中所述第二稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
c)基于所述第一稀释度系列的所述分析物的水平生成模型；
d)执行至少一次水平平移，其中所述至少一次水平平移选自：
(i)所述第二稀释度系列到所述模型的水平平移(ΔX)；
(ii)所述模型到所述第二稀释度系列的水平平移(ΔX)；以及
(iii)所述第二稀释度系列到任意参考值的水平平移(ΔX)和所述模型到任意参考值的水平平移(ΔY)，其中所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第二稀释度系列或所述模型中未发现；
其中所述至少一次水平平移导致线性复合平移系列；以及
e)将函数拟合到所述线性复合平移系列，从而形成复合稀释度模型。
实施方案6如实施方案5所述的方法，其中所述方法包括执行所述第二稀释度系列到所述模型的水平平移(ΔX)。
实施方案7如实施方案5所述的方法，其中所述方法包括执行所述模型到所述第二稀释度系列的水平平移(ΔX)。
实施方案8如实施方案5所述的方法，其中所述方法包括执行所述第二稀释度系列到任意参考值的水平平移(ΔX)和所述模型到任意参考值的水平平移(ΔY)，所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第二稀释度系列或所述模型中未发现。
实施方案9一种用于生成复合稀释度模型的方法，所述方法包括：
a)测定包含分析物的第一生物样品的第一稀释度系列中的所述分析物的水平，其中所述第一稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
b)测定包含所述分析物的第二生物样品的第二稀释度系列中的所述分析物的水平，其中所述第二稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
c)选择参考值，其中所述参考值选自：
(i)第二稀释度系列参考值，所述第二稀释度系列参考值是所述第二稀释度系列的特定稀释度下的分析物水平；以及
(ii)任意参考值，所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第一稀释度系列或所述第二稀释度系列中未发现；
d)执行至少一次水平平移，其中所述至少一次水平平移选自：
(i)所述第二稀释度系列参考值到第一稀释度系列值的水平平移(ΔX)，其中所述第一稀释度系列值是所述第一稀释度系列的特定稀释度下的分析物水平，其中所述第二稀释度系列参考值和所述第一稀释度系列值是相等的或基本上相等的；以及
(ii)所述第一稀释度系列到所述任意参考值的水平平移(ΔX)和所述第二稀释度系列到所述任意参考值的水平平移(ΔY)；
其中所述至少一次水平平移导致线性复合平移系列；以及
e)将函数拟合到所述线性复合平移系列，从而形成复合稀释度模型。
实施方案10如实施方案9所述的方法，其中所述方法包括执行所述第二稀释度系列到所述第一稀释度系列的水平平移(ΔX)。
实施方案11如实施方案9所述的方法，其中所述方法包括所述第一稀释度系列到任意参考值的水平平移(ΔX)和所述第二稀释度系列到任意参考值的水平平移(ΔY)，其中所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第一稀释度系列或所述第二稀释度系列中未发现。
实施方案12一种用于生成复合稀释度模型的方法，所述方法包括：
a)测定包含分析物的第一生物样品的第一稀释度系列中的所述分析物的水平，其中所述第一稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
b)测定包含所述分析物的第二生物样品的第二稀释度系列中的所述分析物的水平，其中所述第二稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
c)执行至少一次水平平移，其中所述至少一次水平平移选自：
(i)所述第二稀释度系列到所述第一稀释度系列的水平平移(ΔX)；以及
(ii)所述第一稀释度系列到任意参考值的水平平移(ΔX)和所述第二稀释度系列到任意参考值的水平平移(ΔY)，其中所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第一稀释度系列或所述第二稀释度系列中未发现；
其中所述至少一次水平平移导致线性复合平移系列；以及
d)将函数拟合到所述线性复合平移系列，从而形成复合稀释度模型。
实施方案13如实施方案12所述的方法，其中所述方法包括执行所述第二稀释度系列到所述第一稀释度系列的水平平移(ΔX)。
实施方案14如实施方案12所述的方法，其中所述方法包括所述第一稀释度系列到任意参考值的水平平移(ΔX)和所述第二稀释度系列到任意参考值的水平平移(ΔY)，其中所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第一稀释度系列或所述第二稀释度系列中未发现。
实施方案15一种用于生成复合稀释度模型的方法，所述方法包括：
a)测定包含分析物的第一生物样品的第一稀释度系列中的所述分析物的水平，其中所述第一稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
b)测定包含所述分析物的第二生物样品的第二稀释度系列中的所述分析物的水平，其中所述第二稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
c)基于所述第一稀释度系列的所述分析物的水平生成第一模型，并且基于所述第二稀释度系列的所述分析物的水平生成第二模型；
d)选择参考值，其中所述参考值选自：
(i)第一模型参考值，所述第一模型参考值是所述第一模型的特定稀释度下的分析物水平；以及
(ii)任意参考值，所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第一模型或所述第二模型中未发现；
d)执行至少一次水平平移，其中所述至少一次水平平移选自：
(i)所述第一模型到所述第二模型的水平平移(ΔX)；以及
(ii)所述第一模型到所述任意参考值的水平平移(ΔX)和所述第二模型到所述任意参考值的水平平移(ΔY)；并且
其中所述水平平移导致线性复合平移系列；以及
e)将函数拟合到所述线性复合平移系列，从而形成复合稀释度模型。
实施方案16如实施方案15所述的方法，其中所述方法包括执行所述第一模型到所述第二模型的水平平移(ΔX)。
实施方案17如实施方案15所述的方法，其中所述方法包括所述第一模型到所述任意参考值的水平平移(ΔX)和所述第二模型到所述任意参考值的水平平移(ΔY)。
实施方案18一种用于生成复合稀释度模型的方法，所述方法包括：
a)测定包含分析物的第一生物样品的第一稀释度系列中的所述分析物的水平，其中所述第一稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
b)测定包含所述分析物的第二生物样品的第二稀释度系列中的所述分析物的水平，其中所述第二稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
c)基于所述第一稀释度系列的所述分析物的水平生成第一模型，并且基于所述第二稀释度系列的所述分析物的水平生成第二模型；
d)执行至少一次水平平移，其中所述至少一次水平平移选自：
(i)所述第一模型到所述第二模型的水平平移(ΔX)；以及
(ii)所述第一模型到任意参考值的水平平移(ΔX)和所述第二模型到任意参考值的水平平移(ΔY)，其中所述特定稀释度下的所述分析物水平在所述第一模型或所述第二模型中未发现；并且
其中所述水平平移导致线性复合平移系列；以及
e)将函数拟合到所述线性复合平移系列，从而形成复合稀释度模型。
实施方案19如实施方案18所述的方法，其中所述方法包括执行所述第一模型到所述第二模型的水平平移(ΔX)。
实施方案20如实施方案18所述的方法，其中所述方法包括所述第一模型到任意参考值的水平平移(ΔX)和所述第二模型到任意参考值的水平平移(ΔY)。
实施方案21如前述实施方案中任一项所述的方法，其中测定所述第一稀释度系列中的至少4种、5种、6种、7种、8种、9种、10种、11种、12种、13种、14种、15种或16种不同稀释度的每一者中的所述分析物的水平。
实施方案22如前述实施方案中任一项所述的方法，其中测定至少8种不同稀释度的每一者中的所述分析物的水平。
实施方案23如前述实施方案中任一项所述的方法，其中测定所述第二稀释度系列中的至少4种、5种、6种、7种、8种、9种、10种、11种、12种、13种、14种、15种或16种不同稀释度的每一者中的所述分析物的水平。
实施方案24如前述实施方案中任一项所述的方法，其中测定所述第二稀释度系列中的至少8种不同稀释度的每一者中的所述分析物的水平。
实施方案25如前述实施方案中任一项所述的方法，其中每个模型独立地选自线性回归模型、LOESS曲线拟合模型、非线性回归模型、样条拟合模型、混合效应回归模型、固定效应回归模型、广义线性模型、矩阵分解模型和四参数逻辑回归(4PL)模型。
实施方案26如前述实施方案中任一项所述的方法，其中所述分析物的水平是所述分析物的相对量或所述分析物的浓度。
实施方案27如前述实施方案中任一项所述的方法，其中所选择的参考值在所述稀释度系列或模型的线性范围内。
实施方案28如实施方案21所述的方法，其中所选择的参考值是所述线性范围的中心点。
实施方案29如前述实施方案中任一项所述的方法，其中所述第一生物样品和所述第二生物样品包括尿液或来源于尿液。
实施方案30如前述实施方案中任一项所述的方法，其中所述第一生物样品和所述第二生物样品是从同一个受试者收集的。
实施方案31如前述实施方案中任一项所述的方法，其中所述第一生物样品和所述第二生物样品是从不同的受试者收集的。
实施方案32如实施方案31所述的方法，其中所述第一生物样品是在第一时间点收集的，并且所述第二生物样品是在第二时间点收集的。
实施方案33如实施方案32所述的方法，其中所述第一时间点和所述第二时间点相差至少约0.5小时、1小时、2小时、3小时、4小时、5小时、6小时、7小时、8小时、9小时、10小时、11小时、12小时、13小时、14小时、15小时、16小时、17小时、18小时、19小时、20小时、21小时、22小时、23小时、24小时、36小时、48小时、60小时或72小时。
实施方案34如前述实施方案中任一项所述的方法，其中所述分析物的水平是通过使用适体、抗体、质谱分光光度计或它们的组合的测定法来测量的。
实施方案35如前述实施方案中任一项所述的方法，其中所述第一稀释度系列和所述第二稀释度系列中的每一者的稀释因子是恒定稀释因子。
实施方案36如前述实施方案中任一项任一项所述的方法，其中所述第一稀释度系列和所述第二稀释度系列中的每一者的所述稀释因子为至少两倍、三倍、四倍、五倍、六倍、七倍、八倍、九倍、十倍稀释。
实施方案37如实施方案1至35中任一项所述的方法，其中所述第一稀释度系列和所述第二稀释度系列中的每一者的所述稀释因子是指数稀释因子或对数稀释因子。
实施方案38如前述实施方案中任一项所述的方法，其中所述第一生物样品和所述第二生物样品是相同类型的生物样品。
实施方案39如实施方案1至35中任一项所述的方法，其中所述第一稀释度系列和所述第二稀释度系列各自为以至少1:2的滴定因子进行的至少5点连续滴定。
实施方案40如前述实施方案中任一项所述的方法，其中所述方法还包括将来自生物测试样品的至少一种分析物的水平水平平移到所述至少一种分析物的所述复合稀释度模型，从而确定所述生物测试样品的相对稀释度。
实施方案41如实施方案40所述的方法，其中所述生物测试样品以及用于形成所述复合稀释度模型的所述第一生物样品和所述第二生物样品是相同的样品类型。
实施方案42如实施方案40或实施方案41所述的方法，其中所述生物测试样品以及用于形成所述复合稀释度模型的所述第一生物样品和所述第二生物样品是尿液样品或来源于尿液样品。
实施方案43一种用于确定来自受试者的生物测试样品的相对稀释度的方法，所述方法包括将来自生物测试样品的至少一种分析物的水平水平平移到针对所述至少一种分析物开发的复合稀释度模型，从而确定来自所述受试者的所述生物测试样品的所述相对稀释度。
实施方案44如实施方案40至43中任一项所述的方法，所述方法包括将来自所述生物测试样品的至少2种、至少3种、至少4种、至少5种、至少6种、至少7种、至少8种、至少9种、至少10种、至少11种、至少12种、至少13种、至少14种、至少15种、至少16种、至少17种、至少18种、至少19种、至少20种、至少21种、至少22种、至少23种、至少24种、至少25种、至少26种、至少27种、至少28种、至少29种、至少30种、至少50种、至少75种、至少100种、至少150种或至少200种不同分析物的水平水平平移到针对所述不同分析物中的每一者开发的相应复合稀释度模型，以确定所述生物测试样品对所述不同分析物中的每一者的所述相对稀释度，以及使用对所述不同分析物中的每一者的所述相对稀释度来确定所述生物测试样品的所述相对稀释度。
实施方案45如实施方案44所述的方法，其中所述生物测试样品的所述相对稀释度来源于所述不同分析物中的每一者的所述相对稀释度的集中趋势。
实施方案46如实施方案44或实施方案45所述的方法，其中所述生物测试样品的所述相对稀释度来源于所述不同分析物中的每一者的所述相对稀释度的中值、均值或众数。
实施方案47如实施方案43至46中任一项所述的方法，其中所述复合稀释度模型是使用如实施方案1至42中任一项所述的方法开发的。
实施方案48如实施方案43至48中任一项所述的方法，其中所述生物测试样品和用于开发所述复合稀释度模型的所述样品是相同的样品类型。
实施方案49如实施方案41所述的方法，其中所述生物测试样品和用于开发所述复合稀释度模型的所述样品是尿液样品或来源于尿液样品。
实施方案50如实施方案40至49中任一项所述的方法，所述方法还包括用导出的相对稀释因子来计算所述生物测试样品的所述相对稀释度。
实施方案51如前述实施方案中任一项所述的方法，其中每种分析物是靶蛋白。
实施方案52一种计算机系统，所述计算机系统包括：
存储指令的非暂态存储器；以及
一个或多个硬件处理器，所述一个或多个硬件处理器耦接到所述非暂态存储器并且被配置为从所述非暂态存储器读取所述指令，以使得所述计算机系统执行操作，所述操作包括：
接收来自多个不同的生物样品的分析物测量数据；
分析所述分析物测量数据中的针对多种所选择的分析物中的每一者的相应分析物测量结果；以及
基于所述分析为所选择的分析物中的每一者生成复合稀释度模型。
实施方案53如实施方案52所述的计算机系统，其中所述分析包括：
针对每种所选择的分析物，确定具有最大线性稀释度范围的所述生物样品。
实施方案54如实施方案53所述的计算机系统，其中所述分析还包括：
针对每种所选择的分析物，基于相应的所选择的分析物的所确定的最大线性范围来生成参考稀释度模型。
实施方案55如实施方案54所述的计算机系统，其中所述分析还包括：
针对每种所选择的分析物，基于为相应的所选择的分析物生成的所述参考稀释度模型来平移与相应的所选择的分析物相关联的所述分析物测量数据。
实施方案56如实施方案52至55中任一项所述的计算机系统，其中所述生物样品是尿液样品。
实施方案57如实施方案52至56中任一项所述的计算机系统，其中所述分析物测量数据包括相对荧光单位(RFU)测量结果。
实施方案58一种非暂态计算机可读介质，所述非暂态计算机可读介质包括计算机可读指令，所述计算机可读指令在由处理装置执行时使得所述处理装置执行操作，所述操作包括：
接收来自多个不同的生物样品的分析物测量数据；
分析所述分析物测量数据中的针对多种所选择的分析物中的每一者的相应分析物测量结果；以及
基于所述分析为所选择的分析物中的每一者生成复合稀释度模型。
实施方案59一种用于生成生物材料的复合稀释度模型的计算机实现的方法，所述方法包括：
由一个或多个处理装置接收来自多个不同的生物样品的分析物测量数据；
由所述处理装置中的一个或多个处理装置分析所述分析物测量数据中的针对多种所选择的分析物中的每一者的相应分析物测量结果；以及
由所述处理装置中的一个或多个处理装置基于所述分析为所选择的分析物中的每一者生成复合稀释度模型。
实施方案60一种计算机系统，所述计算机系统包括：
存储指令的非暂态存储器；以及
一个或多个硬件处理器，所述一个或多个硬件处理器耦接到所述非暂态存储器并且被配置为从所述非暂态存储器读取所述指令，以使得所述计算机系统执行操作，所述操作包括：
接收生物样品中的分析物的分析物测量数据；
选择多种所述分析物来确定所述生物样品的预测相对稀释度；
接收为所选择的分析物中的相应每一者生成的复合稀释度模型；
针对所选择的分析物中的每一者，基于为相应的所选择的分析物生成的对应复合稀释度模型，确定预测相对稀释度值；以及
基于所选择的分析物的所确定的预测相对稀释度值来确定所述生物样品的所述预测相对稀释度。
本发明的前述和其他目的、特征和优点将从以下详细描述中变得更加显而易见，该详细描述参考附图进行。
附图说明
图1示出了通过系列稀释度来确定线性范围。RFU＝相对荧光单位。
图2A至图2E示出了半胱氨酸蛋白酶抑制剂C(CST3)水平和肝配蛋白B型受体6(EPHB6)的分析。图2A示出了使用尿液样品的系列稀释度来测量CST3水平。图2B示出了使用加权线性回归模型来生成CST3的回归线。图2C示出了CST3数据的4参数逻辑函数(4PL)拟合。图2D示出了使用尿液样品的系列稀释度来测量EPHB6水平。图2E示出了使用加权线性回归模型来生成EPHB6的回归线。
图3A至图3C示出了血小板衍生生长因子D(PDGFD)水平的分析。图3A示出了使用尿液样品的系列稀释度来测量PDGFD水平。图3B示出了使用加权线性回归模型来生成回归线。图3C示出了PDGFD数据的4PL拟合。
图4A至图4C示出了视黄酸受体应答因子2(RARRES2)水平的分析。图4A示出了使用尿液样品的系列稀释度来测量RARRES2水平。图4B示出了使用加权线性回归模型来生成回归线。图4C示出了RARRES2数据的4PL拟合。
图5A至图5C示出了白介素1受体样2(IL1RL2)水平的分析。图5A示出了使用尿液样品的系列稀释度来测量IL1RL2水平。图5B示出了使用加权线性回归模型来生成回归线。图5C示出了IL1RL2数据的4PL拟合。
图6A至图6C示出了凝血因子XI(F11)水平的分析。图6A示出了使用尿液样品的系列稀释度来测量F11水平。图6B示出了使用加权线性回归模型来生成回归线。图6C示出了F11数据的4PL拟合。
图7A至图7C示出了胞裂蛋白11(SEPT11)水平的分析。图7A示出了使用尿液样品的系列稀释度来测量SEPT11水平。图7B示出了使用加权线性回归模型来生成回归线。图7C示出了SEPT11数据的4PL拟合。
图8A至图8C示出了胸腺生成素(TMPO)水平的分析。图8A示出了使用尿液样品的系列稀释度来测量TMPO水平。图8B示出了使用加权线性回归模型来生成回归线。图8C示出了TMPO数据的4PL拟合。
图9A至图9C示出了shisa家族成员3(SHISA3)水平的分析。图9A示出了使用尿液样品的系列稀释度来测量SHISA3水平。图9B示出了使用加权线性回归模型来生成回归线。图9C示出了SHISA3数据的4PL拟合。
图10A至图10B示出了艾杜糖醛酸酶(IDUA，10A)和再生蛋白1(NEO1，10B)的分析物水平的归一化结果。
图11示出了单个样品的4次系列1:2稀释的预测相对稀释度的分布。示出的线从左到右为0.3125％、0.625％、1.25％、2.5％、5％、10％、20％和40％。
图12示出了15个研究参与者在归一化之前的靶蛋白水平。
图13示出了对于15个研究参与者，由复合稀释曲线计算的每个样品的预测相对稀释度。
图14示出了15个研究参与者的归一化样品。
图15A至图15D示出了来自单个研究参与者的尿液的分析物的非归一化测量结果(图15A和图15C)和归一化测量结果(图15B和图15D)。
图16A至图16D示出了来自单个研究参与者的尿液的分析物的非归一化测量结果(图16A和图16C)和归一化测量结果(图16B和图16D)。
图17A至图17B示出了每个研究参与者的非归一化数据和归一化数据的F统计量(图17A)，以及每个研究参与者的F统计量的倍数降低(图17B)。
图18A和图18B示出了流程图(A)和曲线图(B)，其展示了形成复合稀释度模型的第一示例性方法。
图19A和图19B示出了流程图(A)和曲线图(B)，其展示了形成复合稀释度模型的第二示例性方法。
图20A和图20B示出了流程图(A)和曲线图(B)，其展示了形成复合稀释度模型的第三示例性方法。
图21A和图21B示出了流程图(A)和曲线图(B)，其展示了形成复合稀释度模型的第四示例性方法。
图22A和图22B示出了流程图(A)和曲线图(B)，其展示了形成复合稀释度模型的第五示例性方法。
图23A和图23B示出了流程图(A)和曲线图(B)，其展示了形成复合稀释度模型的第六示例性方法。
图24A和图24B示出了流程图(A)和曲线图(B)，其展示了形成复合稀释度模型的第七示例性方法。
图25是展示根据本公开的各种示例的示例系统架构的框图。
图26和图27是示例性流程图，展示了根据本公开的示例为存在于不同生物样品中的多种分析物中的每一者生成复合稀释度模型。
图28是展示根据本公开的一个示例将复合稀释度模型应用于新生物样品以预测该新样品的相对稀释度的流程图。
图29是可以执行本文所述操作中的一种或多种操作的示例性计算机系统的框图。
具体实施方式
I.术语和方法
虽然将结合某些代表性实施方案来描述本发明，但应当理解，本发明由权利要求限定，并且不限于这些实施方案。
本领域技术人员将认识到，在本发明的实践中可使用与本文描述的那些类似或等同的许多方法和材料。本发明绝不限于所描述的方法和材料。
除非另外限定，否则本文所用的技术和科学术语具有本发明所属领域的普通技术人员通常理解的含义。分子生物学中常用术语的定义可见于Benjamin Lewin,Genes V，Oxford University Press出版，1994(ISBN 0-19-854287-9)；Kendrew等人(编辑)，TheEncyclopedia of Molecular Biology，Blackwell Science Ltd.出版，1994(ISBN 0-632-02182-9)；和Robert A.Meyers(编辑)，Molecular Biology and Biotechnology:aComprehensive Desk Reference，VCH Publishers,Inc.出版，1995(ISBN 1-56081-569-8)。尽管在本发明的实践中可使用与本文描述的那些类似或等同的任何方法、装置和材料，但本文描述了某些方法、装置和材料。
本文中所引用的所有出版物、公开专利文件和专利申请在此以引用的方式并入，其程度如同每个单独出版物、公开专利文件或专利申请被具体地和单独地指出是以引用的方式并入那样。
如在包括所附权利要求书的本申请中所用，除非上下文另有明确规定，否则单数形式“一个”、“一种”和“该”包括复数形式，并且可与“至少一个”和“一个或多个”互换使用。因此，提及“适体”包括适体的混合物，提及“探针”包括探针的混合物，等等。
如本文所用，术语“包含(comprises、comprising)”、“包括(includes、including)”、“含有(contains、containing)”及其任何变型旨在涵盖非排他性的包含，使得包含、包括或含有元素或元素列表的过程、方法、产品或物质组合可包括未明确列出的其他元素。
还应理解，针对核酸或多肽给出的所有碱基大小或氨基酸大小以及所有分子量或分子量值都是近似值，并且是为了描述而提供的。
此外，本文提供的范围被理解为该范围内所有值的简写。例如，除非上下文另有明确规定，否则1至50的范围被理解为包括1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49或50的任何数字、数字组合或子范围以及其分数。
除非另外指明，否则任何浓度范围、百分比范围、比率范围或整数范围均应被理解为包括所述范围内的任何整数的值，以及适当时其分数(诸如整数的十分之一和百分之一)。此外，除非另外指明，否则本文所述的与任何物理特征(诸如聚合物亚单元、尺寸或厚度)相关的任何数值范围应被理解为包括所述范围内的任何整数。
如本文所用，除非另外指明，否则“约”或“基本上由……组成”意指所指示的范围、值或结构的±20％。
另选形式(例如，“或”)的使用应被理解为意指另选形式中的任一个、两者或它们的任何组合。
为了便于回顾本公开的各种实施方案，提供了特定术语的以下解释：
抗体：术语“抗体”是指任何物种的全长抗体以及保留与抗原结合能力的此类抗体的片段和衍生物，包括Fab片段、F(ab')2片段、单链抗体、Fv片段和单链Fv片段。术语“抗体”还包括合成衍生的抗体，诸如噬菌体展示衍生的抗体和片段、亲和体和纳米体。
适体：如本文所用，“适体”是指对靶分子具有特异性结合亲和力的核酸，其中适体与靶分子的结合不包括沃森-克里克碱基配对。认识到，亲和力相互作用是一个程度的问题；然而，在本上下文中，适体对其靶标的“特异性结合亲和力”意指适体通常以比其结合测试样品中的其他组分高得多的亲和力程度结合其靶标。“适体”是具有特定核苷酸序列的一种类型或种类的核酸分子的一组拷贝。适体可包含任何合适数量的核苷酸，包括任何数量的经化学修饰的核苷酸。复数“适体”是指多于一组这样的分子。不同的适体可具有相同或不同数量的核苷酸。适体可以是DNA或RNA或化学修饰的核酸，并且可以是单链、双链或同时包含单链和双链区域，并且可包括更高级的结构。适体还可包含光反应性或化学反应性官能团以允许其与其相应的靶标共价连接。本文公开的适体方法中的任一种可包括使用两种或更多种特异性结合相同靶分子的适体。如下文进一步描述的，适体可包含标签。如果适体包含标签，则并非适体的所有拷贝都需要具有相同的标签。此外，如果不同的适体各自包含标签，则每个不同的适体可具有相同的标签或不同的标签。
生物样品或生物基质：如本文所用，“生物样品”和“生物基质”是指从生物体获得的任何材料、溶液或混合物。这包括血液(包括全血、白细胞、外周血单核细胞、血浆和血清)、痰液、呼气、尿液、精液、唾液、脑膜液、羊水、腺液、淋巴液、乳头抽吸液、支气管抽吸液、滑液、关节抽吸液、细胞、细胞提取物和脑脊髓液。这还包括所有前述物质的经实验分离的部分。术语“生物样品”和“生物基质”还包括诸如来自例如粪便样品、组织样品或组织活检物的含有均质化固体物质的材料、溶液或混合物。术语“生物样品”和“生物基质”还包括来源于细胞系、组织培养物、细胞培养物、细菌培养物、病毒培养物或无细胞生物系统(例如IVTT)的材料、溶液或混合物。
水平：如本文所用，“靶蛋白水平”、“分析物水平”和“水平”是指使用用于检测生物样品中的分析物(例如靶蛋白)的任何分析方法进行的测量并且指示生物样品中的分析物、用于生物样品中的分析物或对应于生物样品中的分析物的存在、不存在、绝对量或浓度、相对量或浓度、滴度、水平、表达水平、测量水平的比率等。“水平”的确切性质取决于用于检测分析物的具体分析方法的特定设计和组成。
C-5修饰的嘧啶：如本文所用，术语“C-5修饰的嘧啶”是指在C-5位处具有修饰的嘧啶。C-5修饰的嘧啶的实例包括以下文献中描述的那些：美国专利5,719,273、5,945,527、9,163,056；和Dellafiore等人，2016,Front.Chem.,4:18。C-5修饰的实例包括在C-5位处用独立地选自以下的取代基取代脱氧尿苷：苄基羧酰胺(另选地苄氨基羰基)(Bn)、萘基甲基羧酰胺(另选地萘基甲基氨基羰基)(Nap)、色氨基羧酰胺(另选地色氨基羰基)(Trp)、苯乙基羧酰胺(另选地苯乙基氨基羰基)(Pe)、噻吩甲基羧酰胺(另选地噻吩甲基氨基羰基)(Th)和异丁基羧酰胺(另选地异丁基氨基羰基)(iBu)，如正下文所示。
C-5修饰的嘧啶的化学修饰也可单独地或以任何组合与2'-位糖修饰、环外胺修饰和4-硫尿苷取代等组合。
代表性的C-5修饰的嘧啶包括：5-(N-苄基羧酰胺)-2'-脱氧尿苷(BndU)、5-(N-苄基羧酰胺)-2'-O-甲基尿苷、5-(N-苄基羧酰胺)-2'-氟尿苷、5-(N-异丁基羧酰胺)-2'-脱氧尿苷(iBudU)、5-(N-异丁基羧酰胺)-2'-O-甲基尿苷、5-(N-苯乙基羧酰胺)-2'-脱氧尿苷(PedU)、5-(N-噻吩甲基羧酰胺)-2'-脱氧尿苷(ThdU)、5-(N-异丁基羧酰胺)-2'-氟尿苷、5-(N-色氨基羧酰胺)-2'-脱氧尿苷(TrpdU)、5-(N-色氨基羧酰胺)-2'-O-甲基尿苷、5-(N-色氨基羧酰胺)-2'-氟尿苷、5-(N-[1-(3-三甲基铵)丙基]羧酰胺)-2'-脱氧尿苷氯化物、5-(N-萘基甲基羧酰胺)-2'-脱氧尿苷(NapdU)、5-(N-萘基甲基羧酰胺)-2'-O-甲基尿苷、5-(N-萘基甲基羧酰胺)-2'-氟尿苷或5-(N-[1-(2,3-二羟丙基)]羧酰胺)-2'-脱氧尿苷)。
核苷酸可在寡核苷酸合成之前或之后被修饰。寡核苷酸中的核苷酸序列可被一种或多种非核苷酸组分中断。经修饰的寡核苷酸可在聚合后被进一步修饰，诸如例如通过与任何合适的标记组分缀合。
如本文所用，当提及核酸的修饰时，术语“至少一个嘧啶”是指核酸中的一个、几个或所有嘧啶，从而指示核酸中的任何或所有C、T或U的任何或所有出现都可被修饰或不被修饰。
捕获试剂：如本文所用，“捕获剂”或“捕获试剂”是指能够与分析物诸如生物标志物、蛋白质和/或肽特异性结合的分子。“靶蛋白捕获试剂”是指能够与靶蛋白特异性结合的分子。非限制性的示例性捕获试剂包括适体、抗体、阿德耐汀(adnectin)、锚蛋白、其他抗体模拟物和其他蛋白质支架、自身抗体、嵌合体、小分子、核酸、凝集素、配体结合受体、印迹聚合物、高亲和性多聚体(avimer)、肽模拟物、激素受体、细胞因子受体、合成受体、以及任何上述捕获试剂的修饰物和片段。在一些实施方案中，捕获试剂选自适体和抗体。
对照水平：靶分子的“对照水平”是指来自未患有疾病或病症的个体、或来自未怀疑患有疾病或病症或未处于患有疾病或病症的风险中的个体、或来自患有非进展型疾病或病症的个体的相同样品类型中的靶分子的水平。此外，“对照水平”可指基于平均值或在正常或健康参数内考虑的参考值。“对照水平”也可指在先前时间取得并且用于与稍后测量或检测到的靶标水平进行比较的参考水平。例如，可在时间点A处并且随后在时间点B处检测靶标的水平，其中时间点B在时间点A之后。在更具体的实例中，时间点A可被认为是时间零(0)或第零(0)天，时间点B可以是时间点A后数分钟(例如，时间点A后10、20、30、40、50、60分钟)、数小时(例如，时间点A后1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23或24小时)、数天(例如，时间点A后1、2、3、4、5、6或7天)、数周(例如，时间点A后1、2、3或4周)、数月(例如，时间点A后1、2、3、4、5、6、7、8、9、10、11或12个月)和甚至数年(例如，时间点A后1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、20、25、30、35、40、45、50、55或60年)。靶分子的“对照水平”不需要在每次实施本发明方法时进行确定，并且可以是用作参考值或阈值以确定特定样品中的水平是高于还是低于正常水平的先前确定的水平。
对应相关性：“对应相关性”或“一致性相关系数”衡量(例如，预测、估计或确定和实际的)两个连续变量X和Y之间的一致性。“对应相关性”评估配对落在45°线上的程度，并且包含测量的准确度和精确度(或“林氏一致性”)。另外的信息可见于Lin,Biometrics，第45卷，第1期(1989年3月)，255-268，该文献据此以引用方式并入。本文可使用的用于确定相关性的其他方法包括但不限于皮尔逊相关系数、配对t检验、斜率(＝1)和截距(＝0)的最小二乘分析、变异系数和组内相关系数。在某些实施方案中，对应相关性通过选自以下的方法确定：林氏一致性、皮尔逊相关系数、配对t检验、斜率(＝1)和截距(＝0)的最小二乘分析、变异系数和组内相关系数。
检测：如本文所用，关于分析物水平的“检测”或“确定”包括使用用于观察和记录对应于分析物水平的信号的仪器和生成该信号所需的材料两者。在各种实施方案中，该水平使用任何合适的方法来检测，所述方法包括荧光、化学发光、表面等离子体共振、表面声波、质谱、红外光谱、拉曼光谱、原子力显微镜、扫描隧道显微镜、电化学检测方法、核磁共振、量子点等。
诊断：“诊断(Diagnose、diagnosing、diagnosis)”及其变型是指基于与个体有关的一种或多种体征、症状、数据或其他信息来检测、确定或识别该个体的健康状态或状况。个体的健康状态可被诊断为健康/正常(即，诊断出不存在疾病或病症)或诊断为生病/异常(即，诊断出存在疾病或病症或评估疾病或病症的特征)。术语“诊断(diagnose、diagnosing、diagnosis)”等相对于特定疾病或病症涵盖疾病的初始检测；疾病的表征或分类；疾病进展、缓解或复发的检测；以及在对个体施用治疗或疗法后疾病响应的检测。
稀释：“稀释”、“稀释系列”及其变型包括几种不同类型的稀释，包括但不限于分步稀释、连续稀释以及它们的组合。以分步稀释为例，如果稀释因子是1000(1:1000稀释)，则使用者可首先进行1:10稀释(稀释因子为10)，随后使用来自1:10稀释的1份溶质和99份稀释剂进行1:100稀释(稀释因子为100)，从而产生1000的稀释因子或溶质的1:1000稀释。连续稀释包括一系列分步稀释，每个分步稀释具有相同的稀释因子，其中来自前一步的稀释材料用于进行后续稀释。以连续稀释为例，为了制备5点1:2连续稀释，需要使用1份溶质并与1份稀释剂混合以进行稀释系列中的第一稀释(5点中的第1点)，随后使用来自第一稀释的1份溶质并与1份稀释剂混合以进行连续稀释系列的第二稀释(5点中的第2点)，依此类推，直到达到第五次连续稀释。
稀释因子：“稀释因子”是指溶质的份数与稀释剂的份数的比率。例如，稀释因子2意指1:2稀释，其中有1份溶质和1份稀释剂，总共2份；并且稀释因子10意指1:10稀释，其中有1份溶质和9份稀释剂，总共10份。
评估：“评估(Evaluate、evaluating、evaluation)”及其变型涵盖“诊断”和“预后”两者，并且涵盖关于患有疾病或病症的个体中该疾病或病症的未来病程的确定或预测，以及关于疾病或病症将在先前未被诊断出患有该疾病或病症的个体中发生的可能性的确定和预测，以及关于疾病或病症将在正在缓解或被认为已治愈该疾病的个体中复发的可能性的确定或预测。术语“评估”还涵盖评估个体对疗法的响应，诸如例如预测个体是否可能有利地响应于治疗剂或不太可能响应于治疗剂(或例如将经历毒性或其他不期望的副作用)，选择用于向个体施用的治疗剂，或监测或确定个体对已向个体施用或正在向个体施用的疗法的响应。
个体：如本文所用，“个体”和“受试者”可互换使用，是指测试受试者或患者。个体可以是哺乳动物或非哺乳动物。在各种实施方案中，个体是哺乳动物。哺乳动物个体可以是人或非人。在各种实施方案中，个体是人。健康或正常个体是其中所关注的疾病或病症不能通过常规诊断方法检测到的个体。
线性回归：如本文所用，术语“线性回归”是指用于对标量因变量y与表示为x的一个或多个解释性变量之间的关系进行建模的方法。一个解释性变量的情况被称为简单线性回归。对于多于一个的解释性变量，其被称为多元线性回归。通常，线性回归可用于将预测模型拟合到y和x值的观察数据集。在开发了此类模型之后，如果给出了x的附加值而没有其伴随的y值，则拟合的模型可用于预测y值。
标志物：如本文所用，“标志物”和“生物标志物”可互换使用，是指指示或表征个体中的正常或异常过程或个体中的疾病或其他病症的靶分子(或分析物)。更具体地，“标志物”或“生物标志物”是与特定生理状态或过程(无论是正常还是异常，并且如果是异常的，则无论是慢性还是急性)的存在相关的解剖学、生理学、生物化学或分子参数。生物标志物可通过多种方法来检测和测量，这些方法包括实验室测定法和医学成像。在一些实施方案中，生物标志物是靶蛋白。
经修饰的：如本文所用，当用于提及寡核苷酸时，术语“修饰(modify)”、“经修饰的(modified)”、“修饰(modification)”及其任何变型意指寡核苷酸的四种组成性核苷酸碱基(即A、G、T/U和C)中的至少一种是天然存在的核苷酸的类似物或酯。在一些实施方案中，经修饰的核苷酸赋予寡核苷酸核酸酶抗性。在一些实施方案中，经修饰的核苷酸导致适体与蛋白质靶标的主要疏水相互作用，从而产生高结合效率和稳定的共晶复合物。在C-5位处具有取代的嘧啶是经修饰的核苷酸的实例。修饰可包括主链修饰、甲基化、不寻常的碱基配对组合，诸如异碱基异胞苷和异胍等。修饰还可包括3'和5'修饰，诸如加帽。其他修饰可包括，用类似物取代一个或多个天然存在的核苷酸；核苷酸间修饰，例如像，具有不带电荷的键合(例如，膦酸甲酯、磷酸三酯、磷酰胺酸酯(phosphoamidate)、氨基甲酸酯(cabamate)等)和具有带电荷的键合(例如，硫代磷酸酯、二硫代磷酸酯等)的那些、具有嵌入剂(例如，吖啶、补骨脂素等)的那些、含有螯合剂(例如，金属、放射性金属、硼、氧化金属等)的那些、含有烷化剂(alkylator)的那些以及具有修饰的键合(例如，α异头核酸等)的那些。此外，通常存在于核苷酸的糖上的任何羟基均可被膦酸酯基团、磷酸酯基团替代；被标准的保护基团保护；或被活化以制备与另外核苷酸或与固体支持物的另外键合。5′和3′末端OH基团可被磷酸化或被胺、约1至约20个碳原子的有机加帽基团部分、在一些实施方案中约10kDa至约80kDa范围内的聚乙二醇(PEG)聚合物、在一些实施方案中约20kDa至约60kDa范围内的PEG聚合物、或其他亲水或疏水生物或合成聚合物取代。在一个实施方案中，修饰是嘧啶的C-5位。这些修饰可通过直接在C-5位处的酰胺键合或通过其他类型的键合产生。
多核苷酸还可含有本领域通常已知的核糖或脱氧核糖糖类的类似形式，包括2'-O-甲基-、2'-O-烯丙基、2'-氟-或2'-叠氮基-核糖、碳环糖类似物、α-异头糖、差向异构糖(诸如阿拉伯糖、木糖或来苏糖)、吡喃糖、呋喃糖、景天庚酮糖、无环类似物和无碱基核苷类似物(诸如甲基核苷)。如上所述，一个或多个磷酸二酯键合可被另选的连接基团替代。这些另选的连接基团包括其中磷酸酯被P(O)S(“硫代酸酯”)、P(S)S(“二硫代酸酯”)、(O)NR2(“酰胺化物”)、P(O)R、P(O)OR'、CO或CH2(“甲缩醛”)替代的实施方案，其中每个R或R'独立地为H、或任选含有醚(-O-)键合的取代或未取代的烷基(1-20个C)、芳基、烯基、环烷基、环烯基或芳烷基。多核苷酸中并非所有键合都需要相同。糖、嘌呤和嘧啶的类似形式的取代在设计最终产物时可能是有利的，例如，另选的主链结构如聚酰胺主链也可在设计最终产物时是有利的。
核酸：如本文所用，“核酸”、“寡核苷酸”和“多核苷酸”可互换使用来指核苷酸的聚合物，并且包括DNA、RNA、DNA/RNA杂交物和这些种类的核酸、寡核苷酸和多核苷酸的修饰物，其中包括各种实体或部分在任何位置处与核苷酸单元的连接。术语“多核苷酸”、“寡核苷酸”和“核酸”包括双链或单链分子以及三螺旋分子。核酸、寡核苷酸和多核苷酸是比术语适体更广义的术语，并且因此术语核酸、寡核苷酸和多核苷酸包括为适体的核苷酸的聚合物，但术语核酸、寡核苷酸和多核苷酸不限于适体。
普通最小二乘法：如本文所用，“普通最小二乘法”或“OLS”或“线性最小二乘法”是指用于估计线性回归模型中的未知参数的方法。这种方法将数据集中观察到的响应与通过线性逼近预测的响应之间的平方垂直距离之和最小化。所得的估计量可用一个简单的公式表示，特别是在右手侧只有一个回归量的情况下。
预后：“预后”(“Prognose”、“prognosing”、“prognosis”)及其变型是指对患有疾病或病症的个体中该疾病或病症的未来病程的预测(例如，预测患者存活)，并且此类术语涵盖在对个体施用治疗或疗法期间和/或之后对疾病响应的评估。
SELEX：术语“SELEX”和“SELEX过程”在本文中可互换使用，通常是指以下两项的组合：(1)选择以期望方式与靶分子相互作用的适体，例如以高亲和力与蛋白质结合与(2)扩增那些所选择的核酸的组合。SELEX过程可用于鉴别对特定分析物(诸如靶蛋白)具有高亲和力的适体。
序列同一性：如本文所用，在两个或多个核酸序列的上下文中，序列同一性是序列共有的相同核苷酸位置数量的函数(即，同一性％＝相同位置的数量/参考序列中位置的总数×100)，考虑间隙的数量以及需要引入的每个间隙的长度以优化两个或多个序列的比对。序列的比较和两个或更多个序列之间的同一性百分比的确定可使用数学算法诸如BLAST和Gapped BLAST程序在它们的默认参数下完成(例如，Altschul等人，J.Mol.Biol.215:403,1990；另见BLASTN，网址为www.ncbi.nlm.nih.gov/BLAST)。对于序列比较，通常一个序列充当与测试序列进行比较的参考序列。当使用序列比较算法时，将测试序列和参考序列输入计算机中，必要时指定子序列坐标，并且指定序列算法程序参数。然后，序列比较算法基于指定的程序参数计算测试序列相对于参考序列的序列同一性百分比。用于比较的序列的最佳比对可如下进行：例如通过Smith和Waterman,Adv.Appl.Math.,2:482,1981的局部同源算法；通过Needleman和Wunsch，J.Mol.Biol.,48:443,1970的同源比对算法；通过Pearson和Lipman，Proc.Nat'l.Acad.Sci.USA 85:2444,1988的相似性搜索方法；通过这些算法的计算机化实现(Wisconsin Genetics Software Package,GeneticsComputer Group,575Science Dr.,Madison,Wis.中的GAP、BESTFIT、FASTA和TFASTA)；或通过目视检查(通常参见，Ausubel,F.M.等人，Current Protocols in Molecular Biology，Greene Publishing Assoc.and Wiley-Interscience出版(1987))。如本文所用，当描述核酸诸如适体的同一性百分比时，其序列与参考核苷酸序列至少例如约95％相同，意指核酸序列与参考序列相同，不同之处在于核酸序列可包含至多五个点突变/每100个参考核酸序列核苷酸。换句话讲，为了获得期望的核酸序列，其序列与参考核酸序列至少约95％相同，参考序列中至多5％的核苷酸可被删除或被另一核苷酸取代，或参考序列中核苷酸总数的至多5％的某些数量的核苷酸可被插入到参考序列中(在本文中称为插入)。生成期望序列的参考序列的这些突变可发生在参考核苷酸序列的5'或3'末端位置或这些末端位置之间的任何位置处，或者单独散布在参考序列中的核苷酸之间，或者散布在参考序列内的一个或多个连续组中。
SOMAmer：如本文所用，术语SOMAmer或SOMAmer试剂是指具有改善的解离率特征的适体。SOMAmer试剂另选地称为慢解离率修饰的适体，并且可经由标题为“Method forGenerating Aptamers with Improved Off-Rates”的美国公开号20090004667中描述的改进的SELEX方法进行选择，该文献全文以引用方式并入。在一些实施方案中，慢解离率适体(包括包含至少一个具有疏水修饰的核苷酸的适体)具有≥2分钟、≥4分钟、≥5分钟、≥8分钟、≥10分钟、≥15分钟、≥30分钟、≥60分钟、≥90分钟、≥120分钟、≥150分钟、≥180分钟、≥210分钟或≥240分钟的解离率(t1/2)。
基本上等同：如本文所用，短语“基本上等同”表示两个数值之间足够高的相似度，使得本领域技术人员将认为这两个值之间的差异在由这些值测量的特性范围内具有很小或没有生物学和/或统计学意义。更具体地，这两个值之间的差异(例如，参考值与回归模型参考值之间的差异)优选地小于约25％、或小于约20％、或小于约15％、或小于约10％、或小于约5％、或小于约4％、或小于约3％、或小于约2.5％、或小于约2％、或小于约1％。
靶分子：“靶标”、“靶分子”和“分析物”在本文中可互换使用，是指可存在于样品中的任何所关注的分子。该术语包括特定分子的任何细微变化，诸如在蛋白质的情况下，例如氨基酸序列、二硫键形成、糖基化、脂质化、乙酰化、磷酸化或任何其他操作或修饰中的细微变化，诸如与基本上不改变分子身份的标记组分缀合。“靶分子”、“靶标”或“分析物”是指一种类型或种类的分子或多分子结构的一组拷贝。“靶分子”、“靶标”和“分析物”是指多于一种类型或种类的分子或多分子结构。示例性靶分子包括蛋白质、多肽、核酸、碳水化合物、脂质、多糖、糖蛋白、激素、受体、抗原、抗体、亲和体、抗体模拟物、病毒、病原体、毒性物质、底物、代谢物、过渡态类似物、辅因子、抑制剂、药物、染料、营养物、生长因子、细胞、组织和前述物质中任一种的任何片段或部分。在一些实施方案中，靶分子是蛋白质，在这种情况下，靶分子可被称为“靶蛋白”。
本发明的前述和其他目的、特征和优点将从以下详细描述中变得更加显而易见，该详细描述参考附图进行。
尽管与本文描述的那些方法和材料类似或等效的方法和材料可于本公开的实践或测试中，但以下描述适合的方法和材料。此外，所述材料、方法和实例仅是说明性的而非意图具有限制性。
分析物和分析物水平的检测和确定
可使用多种已知分析方法中的任一种来检测本文所述分析物的分析物水平。在一个实施方案中，使用捕获试剂检测分析物水平。在各种实施方案中，捕获试剂可暴露于溶液中的分析物或可在捕获试剂固定在固体支持物上的情况下暴露于分析物。在一些实施方案中，捕获试剂包含与固体支持物上的次级特征反应的特征。在这些实施方案中，捕获试剂可暴露于溶液中的分析物，然后捕获试剂上的特征可与固体支持物上的次级特征结合使用，以将分析物固定在固体支持物上。根据要进行的分析类型选择捕获试剂。捕获试剂包括但不限于适体、抗体、阿德耐汀、锚蛋白、其他抗体模拟物和其他蛋白质支架、嵌合体、小分子、F(ab')2片段、单链抗体片段、Fv片段、单链Fv片段、核酸、凝集素、配体结合受体、亲和体、纳米体、印迹聚合物、高亲和性多聚体、肽模拟物、激素受体、细胞因子受体和合成受体，包括这些中任一种的修饰物和片段。
在一些实施方案中，使用分析物/捕获试剂复合物检测分析物水平。
在一些实施方案中，分析物水平来源于分析物/捕获剂复合物并被间接检测，诸如例如作为分析物/捕获剂相互作用之后的反应的结果，但取决于分析物/捕获试剂复合物的形成。
在一些实施方案中，直接从生物样品中的分析物检测分析物水平。
在一些实施方案中，使用允许同时检测生物样品中的两种或更多种分析物的多重形式来检测分析物。在多重形式的一些实施方案中，捕获试剂直接或间接、共价或非共价地固定在固体支持物上的离散位置。在一些实施方案中，多重形式使用离散的固体支持物，其中每个固体支持物具有与该固体支持物相关联的独特捕获试剂，诸如例如量子点。在一些实施方案中，单独的装置用于检测生物样品中待检测的多种分析物中的每一种。单个装置可被配置为允许生物样品中的每种分析物被同时处理。例如，可使用微量滴定板，使得板中的每个孔用于分析生物样品中待检测的多种分析物中的一种或多种。
在本文所述的一个或多个实施方案中，可使用荧光标签来标记分析物/捕获试剂复合物的组分以使得能够检测分析物水平。在各种实施方案中，可使用已知技术将荧光标记与对本文所述的分析物中的任一种具有特异性的捕获试剂缀合，然后可使用荧光标记来检测对应的分析物水平。合适的荧光标记包括稀土螯合物、荧光素及其衍生物、罗丹明及其衍生物、丹磺酰、别藻蓝蛋白、PBXL-3、Qdot 605、丽丝胺、藻红蛋白、德克萨斯红和其他此类化合物。
在一些实施方案中，荧光标记是荧光染料分子。在一些实施方案中，荧光染料分子包括至少一个取代的吲哚环体系，其中吲哚环的3-碳上的取代基含有化学反应性基团或共轭物质。在一些实施方案中，染料分子包括AlexFluor分子，诸如例如AlexaFluor 488、AlexaFluor 532、AlexaFluor 647、AlexaFluor 680或AlexaFluor 700。在一些实施方案中，染料分子包括第一类型和第二类型的染料分子，诸如例如两种不同的AlexaFluor分子。在一些实施方案中，染料分子包括第一类型和第二类型的染料分子，并且这两种染料分子具有不同的发射光谱。
荧光可用与广泛的测定形式兼容的多种仪器来测量。例如，荧光分光光度计已被设计用于分析微量滴定板、显微镜载玻片、印刷阵列、比色皿等。参见J.R.Lakowicz的Principles of Fluorescence Spectroscopy，Springer Science+Business Media,Inc.,2004。参见Bioluminescence&Chemiluminescence:Progress&Current Applications；Philip E.Stanley和Larry J.Kricka编辑，World Scientific Publishing Company，2002年1月。
在一个或多个实施方案中，可任选地使用化学发光标签来标记分析物/捕获复合物的组分以使得能够检测分析物水平。合适的化学发光材料包括草酰氯、罗丹明6G、Ru(bipy)3 2+、TMAE(四(二甲氨基)乙烯)、邻苯三酚(1,2,3-三羟基苯)、光泽精、过氧草酸盐、芳基草酸盐、吖啶酯、二氧杂环丁烷等中的任何一种。
在一些实施方案中，检测方法包括生成对应于分析物水平的可检测信号的酶/底物组合。通常，酶催化生色底物的化学变化，这可使用各种技术来测量，这些技术包括分光光度法、荧光法和化学发光法。合适的酶包括例如荧光素酶、荧光素、苹果酸脱氢酶、脲酶、辣根过氧化物酶(HRPO)、碱性磷酸酶、β-半乳糖苷酶、葡糖淀粉酶、溶菌酶、葡萄糖氧化酶、半乳糖氧化酶和葡萄糖-6-磷酸脱氢酶、尿酸酶、黄嘌呤氧化酶、乳过氧化物酶、微过氧化物酶等。
在一些实施方案中，检测方法可以是生成可测量信号的荧光、化学发光、放射性核素和/或酶/底物组合的组合。在一些实施方案中，多模式信号在分析物测定形式中可具有独特且有利的特征。
在一些实施方案中，本文所述分析物的分析物水平可使用任何分析方法来检测，这些方法包括单重适体测定法、多重适体测定法、单重或多重免疫测定法、mRNA表达谱分析、miRNA表达谱分析、质谱分析、组织学/细胞学方法等，并且如下所述。
使用基于适体的测定法来确定分析物水平
针对生物样品和其他样品中的生理学上重要的分子的检测和定量的诸多测定法在科学研究和卫生保健领域是重要的工具。一类这样的测定法涉及使用包括一个或多个被固定在固体支持物上的适体的微阵列。这些适体各自能够以高特异性方式且以极高亲和力结合靶分子。参见例如标题为“Nucleic Acid Ligands”的美国专利号5,475,096，另见例如美国专利号6,242,246、美国专利号6,458,543和美国专利号6,503,715，各专利的标题均为“Nucleic Acid Ligand Diagnostic Biochip”。一旦微阵列与样品接触，适体就与样品中存在的它们相应的靶分子结合，并因而使得能够确定对应于分析物的分析物水平。
在一个方面，适体可包含至多约100个核苷酸、至多约95个核苷酸、至多约90个核苷酸、至多约85个核苷酸、至多约80个核苷酸、至多约75个核苷酸、至多约70个核苷酸、至多约65个核苷酸、至多约60个核苷酸、至多约55个核苷酸、至多约50个核苷酸、至多约45个核苷酸、至多约40个核苷酸、至多约35个核苷酸、至多约30个核苷酸、至多约25个核苷酸和至多约20个核苷酸。在相关方面，适体可以是约25至约100个核苷酸长(或约25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93、94、95、96、97、98、99或100个核苷酸长)或约25至50个核苷酸长(或约25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49或50个核苷酸长)。
可以使用任何已知的方法，包括SELEX方法来鉴别适体。在鉴别后，可以根据任何已知的方法，包括化学合成方法和酶促合成方法，来制备或合成适体。在一些实施方案中，适体包含至少一种具有疏水修饰(诸如疏水碱基修饰)的核苷酸，从而允许与靶蛋白疏水接触。在一些实施方案中，此类疏水接触有助于适体的更大亲和力和/或更慢的解离率结合。在一些实施方案中，适体包含至少两个、至少三个、至少四个、至少五个、至少六个、至少七个、至少八个、至少九个或至少10个具有疏水修饰的核苷酸，其中每个疏水修饰可与其他的相同或不同。在一些实施方案中，疏水碱基修饰是C-5修饰的嘧啶。非限制性的示例性C-5修饰的嘧啶在本文中描述和/或在本领域中是已知的。
在一些测定形式中，适体在与样品接触之前被固定在固体支持物上。然而，在某些情况下，在与样品接触之前固定适体可能无法提供最佳测定。例如，在一些情况下，适体的预固定可能导致适体与固体支持物表面上的靶分子的低效混合，这可能导致长的反应时间，并因此延长孵育期以允许适体与其靶分子有效结合。另外，当在测定法中采用光适体时并且根据用作固体载体的材料，固体载体可能倾向于散射或吸收用于影响光适体与其靶分子之间共价键形成的光。此外，根据所采用的方法，检测靶分子与其适体的结合可能不精确，因为固体支持物的表面也可能暴露于所使用的任何标记剂并受其影响。最后，适体在固体支持物上的固定通常涉及在适体暴露于样品之前的适体制备步骤(即固定)，并且该制备步骤可能影响适体的活性或功能。
还已描述了适体测定法或“基于适体的测定法”，其允许适体在溶液中捕获其靶标，并且随后采用分离步骤，这些分离步骤被设计成在检测之前去除适体-靶标混合物的特定组分(参见例如，名称为“Multiplexed Analyses of Test Samples”的美国公开号2009/0042206)。所描述的适体测定方法使得能够通过检测和定量核酸(即适体)来检测和定量测试样品中的非核酸靶标(例如蛋白质靶标)。所描述的方法产生用于检测和定量非核酸靶标的核酸替代物(即，适体)，从而允许将包括扩增的多种核酸技术应用于更广泛的期望靶标，包括蛋白质靶标。
适体可被构建成促进从适体分析物复合物(或光适体分析物共价复合物)中分离测定组分，并允许分离用于检测和/或定量的适体。在一个实施方案中，这些构建体可包括适体序列内的可裂解或可释放元件。在其他实施方案中，可将附加功能引入适体中，例如标记的或可检测的组分、间隔物组分或特异性结合标签或固定元件。例如，适体可包含经由可裂解部分连接到适体的标签、标记、分隔标记的间隔物组分和可裂解部分。在一个实施方案中，可裂解元件是光可裂解接头。光可裂解接头可连接到生物素部分和间隔物区段，可包括用于胺衍生化的NHS基团，并且可用于将生物素基团引入适体，从而允许适体稍后在测定方法中释放。
在一些实施方案中用溶液中的所有测定组分进行的同质测定法可能不需要在检测信号之前分离样品和试剂。这些方法快速且易于使用。
在一些实施方案中，用于信号生成的方法利用由于荧光团标记的捕获试剂与其特定分析物靶标的相互作用而引起的各向异性信号变化。当标记的捕获物与其靶标反应时，增加的分子量导致附接在复合物上的荧光团的旋转运动变得慢得多，从而改变各向异性值。通过监测各向异性变化，结合事件可用于定量测量溶液中的分析物。其他方法包括荧光偏振测定法、分子信标方法、时间分辨荧光淬灭、化学发光、荧光共振能量转移等。
可用于检测生物样品中分析物水平的示例性基于溶液的适体测定法包括以下步骤：(a)通过将生物样品与包含第一标签并对分析物具有特定亲和力的适体接触来制备混合物，其中当样品中存在分析物时形成适体亲和复合物；(b)将该混合物暴露于包含第一捕获元件的第一固体支持物，并允许第一标签与第一捕获元件缔合；(c)去除混合物中不与第一固体支持物缔合的任何组分；(d)将第二标签附接到适体亲和复合物的分析物组分上；(e)从第一固体支持物上释放适体亲和复合物；(f)将释放的适体亲和复合物暴露于包含第二捕获元件的第二固体支持物并允许第二标签与第二捕获元件缔合；(g)通过将非复合适体从适体亲和复合物中分隔，从混合物中去除任何非复合适体；(h)从固体支持物上洗脱适体；以及(i)通过检测适体亲和复合物的适体组分来检测分析物。例如，样品中的蛋白质浓度或水平可表示为相对荧光单位(RFU)，其可以是检测适体亲和复合物的适体组分的产物(例如，与靶蛋白复合的适体产生适体亲和复合物)。即，对于基于适体的测定法，蛋白质浓度或水平与RFU相关。
使用适体检测生物样品中分析物的非限制性示例性方法描述于Kraemer等人，PLoS One 6(10):e26332中。
使用免疫测定法确定分析物水平
免疫测定方法基于抗体与其对应靶标或分析物的反应，并且可根据特定的测定形式检测样品中的分析物。为了提高基于免疫反应性的测定方法的特异性和敏感性，通常使用单克隆抗体及其片段，因为它们具有特异性的表位识别。多克隆抗体也已成功地用于各种免疫测定法，因为与单克隆抗体相比，它们对靶标的亲和力增加。免疫测定法被设计用于广泛的生物样品基质。免疫测定形式被设计为提供定性、半定量和定量结果。
定量结果通过使用由待检测的已知浓度的特定分析物产生的标准曲线来生成。将来自未知样品的响应或信号绘制到标准曲线上，并确立与未知样品中的靶标相对应的量或水平。
已经设计了多种免疫测定形式。ELISA或EIA可定量检测分析物。该方法依赖于将标记附接到分析物或抗体上，并且标记组分直接或间接地包括酶。ELISA测试的形式可用于分析物的直接、间接、竞争或夹心检测。其他方法依赖于标记，诸如例如放射性同位素(I125)或荧光。其他技术包括例如凝集、浊度法、比浊法、蛋白质印迹、免疫沉淀、免疫细胞化学、免疫组织化学、流式细胞术、Luminex测定法等(参见ImmunoAssay：A Practical Guide，BrianLaw编辑，Taylor&Francis,Ltd.出版，2005年版)。
示例性测定形式包括酶联免疫吸附测定法(ELISA)、放射免疫测定法、荧光、化学发光和荧光共振能量转移(FRET)或时间分辨FRET(TR-FRET)免疫测定法。用于检测分析物的程序的实例包括分析物免疫沉淀，随后是允许大小和肽水平区分的定量方法，诸如凝胶电泳、毛细管电泳、平面电色谱等。
检测和/或定量可检测标记或信号生成材料的方法取决于标记的性质。由适当的酶催化的反应产物(其中可检测的标记是酶；见上文)可以是但不限于荧光的、发光的或放射性的，或者它们可吸收可见光或紫外光。适于检测此类可检测标记的检测器的实例包括但不限于x射线胶片、放射性计数器、闪烁计数器、分光光度计、色度计、荧光计、光度计和密度计。
任何检测方法均可以按允许任何合适的反应准备、处理和分析的任何形式进行。这可以是例如在多孔测定板(例如，96孔或386孔)中或使用任何合适的阵列或微阵列。各种试剂的储备溶液可手动或自动制备，并且所有随后的移液、稀释、混合、分配、洗涤、孵育、样品读出、数据收集和分析都可使用可商购获得的分析软件、机器人和能够检测可检测标记的检测仪器自动完成。
使用基因表达谱分析确定分析物水平
在一些实施方案中，测量生物样品中的mRNA可用作检测生物样品中对应蛋白质水平的替代物。因此，在一些实施方案中，可通过检测适当的RNA来检测本文所述的分析物或分析物组。
在一些实施方案中，通过逆转录定量聚合酶链反应(RT-PCR，然后是qPCR)来测量mRNA表达水平。RT-PCR用于由mRNA产生cDNA。cDNA可用于qPCR测定法以随着DNA扩增过程的进行产生荧光。通过与标准曲线进行比较，qPCR可产生绝对测量结果，诸如每个细胞的mRNA拷贝数。RNA印迹、微阵列、Invader测定法和RT-PCR结合毛细管电泳都已用于测量样品中mRNA的表达水平。参见Gene Expression Profiling:Methods and Protocols，RichardA.Shimkets编辑，Humana Press,2004。
使用质谱方法确定分析物水平
多种配置的质谱仪可用于检测分析物水平。有若干类型的质谱仪可供使用，或者可以按不同的配置进行生产。通常，质谱仪具有以下主要部件：样品入口、离子源、质量分析器、检测器、真空系统和仪器控制系统以及数据系统。样品入口、离子源和质量分析器的差异通常定义仪器类型及其能力。例如，入口可以是毛细管柱液相色谱源，或者可以是直接探头或诸如用于基质辅助激光解吸的平台。常见的离子源是例如电喷雾，包括纳米喷雾和微喷雾或基质辅助激光解吸。常见的质量分析器包括四极杆质量过滤器、离子阱质量分析器和飞行时间质量分析器。另外的质谱方法是本领域众所周知的(参见Burlingame等人Anal.Chem.70:647R-716R(1998)；Kinter and Sherman,New York(2000))。
蛋白质分析物和分析物水平可通过以下中的任何一种检测和测量：电喷雾电离质谱(ESI-MS)、ESI-MS/MS、ESI-MS/(MS)n、基质辅助激光解吸电离飞行时间质谱(MALDI-TOF-MS)、表面增强激光解吸/电离飞行时间质谱(SELDI-TOF-MS)、硅上解吸/电离(DIOS)、二次离子质谱(SIMS)、四极杆飞行时间(Q-TOF)、串联飞行时间(TOF/TOF)技术(称为ultraflexIII TOF/TOF)、大气压化学电离质谱(APCI-MS)、APCI-MS/MS、APCI-(MS)N、大气压光电离质谱(APPI-MS)、APPI-MS/MS和APPI-(MS)N、四极杆质谱、傅里叶变换质谱(FTMS)、定量质谱和离子阱质谱。
样品制备策略用于在蛋白质分析物的质谱表征和分析物水平的测定之前标记和富集样品。标记方法包括但不限于用于相对和绝对定量的同量异序标签(iTRAQ)和细胞培养物中氨基酸的稳定同位素标记(SILAC)。用于在质谱分析之前选择性富集样品中的候选分析物蛋白质的捕获试剂包括但不限于适体、抗体、核酸探针、嵌合体、小分子、F(ab')2片段、单链抗体片段、Fv片段、单链Fv片段、核酸、凝集素、配体结合受体、亲和体、纳米体、锚蛋白、结构域抗体、另选的抗体支架(例如双抗体等)、印迹聚合物、高亲和性多聚体、肽模拟物、拟肽、肽核酸、苏糖核酸、激素受体、细胞因子受体和合成受体，以及这些的修饰物和片段。
试剂盒
本文所述分析物的任何组合可使用合适的试剂盒检测，诸如用于执行本文所公开的方法。此外，任何试剂盒可含有一种或多种如本文所述的可检测标记，诸如荧光部分等。
将生物基质中的分析物测量结果归一化的方法
本文提供了将生物基质中的分析物测量结果归一化的方法。
在某些实施方案中，提供了开发复合稀释度模型的方法。复合稀释度模型可以用于确定一种或多种生物样品(诸如尿液)的相对稀释度。参见例如图10。然后可以使用相对稀释度来归一化多个样品，使得可以最小化样品浓度的差异(诸如可能通过受试者水合水平的差异而发生)，并因此可以检测由于除样品浓度之外的因素引起的分析物水平的差异。除样品浓度之外的可能影响分析物水平的此类因素包括但不限于分析物表达的增加和减少、分析物稳定性的变化、分泌分析物的速率或量的变化，等等。在一些实施方案中，分析物水平的此类差异可以指示疾病或病症，或者患上疾病或病症的可能性。
在某些实施方案中，通过图18A和图18B中所示的示例性方法开发复合稀释度模型。在来自第一生物样品的稀释度系列和来自第二生物样品的稀释度系列中测量分析物的水平。第一生物样品和第二生物样品可以是来自同一个体的不同时间点的生物样品，或者来自不同个体的生物样品。该稀释度系列包括在样品的各种稀释度下的分析物水平。基于第一稀释度系列生成模型。选择第二稀释度系列中的参考值。在一些实施方案中，第二稀释度系列中的所选择的参考值在第二稀释度系列的中点附近，例如，在该系列的看起来基本上是线性的一部分中。然后将第二稀释度系列中的参考值平移一定的量ΔX，以便平移到模型上的点。将第二稀释度系列的剩余点(即，各种稀释度下的分析物水平)平移相同的量ΔX，以形成线性复合平移。通过将函数拟合到线性复合平移系列来生成复合稀释度模型。该复合稀释度模型可以用于确定来自受试者的生物测试样品的相对稀释度。
在某些实施方案中，通过图19A和图19B中所示的示例性方法开发复合稀释度模型。在来自第一生物样品的稀释度系列和来自第二生物样品的稀释度系列中测量分析物的水平。第一生物样品和第二生物样品可以是来自同一个体的不同时间点的生物样品，或者来自不同个体的生物样品。该稀释度系列包括在样品的各种稀释度下的分析物水平。基于第一稀释度系列生成模型。选择该模型中的参考值。在一些实施方案中，模型参考值是该模型的特定稀释度下的分析物水平。然后将模型中的参考值平移一定的量ΔX，以便平移到第二稀释度系列中的点。将模型的剩余值平移相同的量ΔX，以形成线性复合平移系列。通过将函数拟合到线性复合平移系列来生成复合稀释度模型。该复合稀释度模型可以用于确定来自受试者的生物测试样品的相对稀释度。
在某些实施方案中，通过图20A和图20B中所示的示例性方法开发复合稀释度模型。在来自第一生物样品的稀释度系列和来自第二生物样品的稀释度系列中测量分析物的水平。第一生物样品和第二生物样品可以是来自同一个体的不同时间点的生物样品，或者来自不同个体的生物样品。该稀释度系列包括在样品的各种稀释度下的分析物水平。选择第二稀释度系列中的参考值。在一些实施方案中，第二稀释度系列中的所选择的参考值在第二稀释度系列的中点附近，例如，在该系列的看起来基本上是线性的一部分中。然后将第二稀释度系列中的参考值平移一定的量ΔX，以便平移到第一稀释度系列中的值。将第二稀释度系列的剩余点(即，各种稀释度下的分析物水平)平移相同的量ΔX，以形成线性复合平移系列。通过将函数拟合到线性复合平移系列来生成复合稀释度模型。该复合稀释度模型可以用于确定来自受试者的生物测试样品的相对稀释度。
在某些实施方案中，通过图21A和图21B中所示的示例性方法开发复合稀释度模型。在来自第一生物样品的稀释度系列和来自第二生物样品的稀释度系列中测量分析物的水平。第一生物样品和第二生物样品可以是来自同一个体的不同时间点的生物样品，或者来自不同个体的生物样品。基于第一稀释度系列生成模型。选择任意参考值，其为稀释度值下的分析物水平。在一些实施方案中，任意参考值是在第二稀释度系列或模型中未发现的特定稀释度下的分析物水平。然后将数学模型上的点平移一定的量ΔX，以便平移到任意参考值，并且将第二稀释度系列上的点平移一定的量ΔY，以便平移到任意参考值。将第二稀释度系列的剩余点(即，各种稀释度下的分析物水平)平移相同的量ΔY，并且将模型的剩余值平移相同的量ΔX，以形成线性复合平移。通过将函数拟合到线性复合平移系列来生成复合稀释度模型。该复合稀释度模型可以用于确定来自受试者的生物测试样品的相对稀释度。
在某些实施方案中，通过图22A中所示的示例性方法开发复合稀释度模型。在来自第一生物样品的稀释度系列和来自第二生物样品的稀释度系列中测量分析物的水平。第一生物样品和第二生物样品可以是来自同一个体的不同时间点的生物样品，或者来自不同个体的生物样品。这些稀释度系列示出了在样品的各种稀释度下的分析物水平。选择任意参考值，其为稀释度值下的分析物水平。在一些实施方案中，任意参考值是在第一稀释度系列或第二稀释度系列中未发现的特定稀释度下的分析物水平。然后将第一稀释度系列上的点平移一定的量ΔX，以便平移到任意参考值，并且将第二稀释度系列上的点平移一定的量ΔY，以便平移到任意参考值。将第一稀释度系列的剩余点(即，各种稀释度下的分析物水平)平移相同的量ΔX，并且将第二稀释度系列的剩余点(即，各种稀释度下的分析物水平)平移相同的量ΔY，以形成线性复合平移。通过将函数拟合到线性复合平移系列来生成复合稀释度模型。该复合稀释度模型可以用于确定来自受试者的生物测试样品的相对稀释度。
在某些实施方案中，通过图23A和图23B中所示的示例性方法开发复合稀释度模型。在来自第一生物样品的稀释度系列和来自第二生物样品的稀释度系列中测量分析物的水平。第一生物样品和第二生物样品可以是来自同一个体的不同时间点的生物样品，或者来自不同个体的生物样品。这些稀释度系列示出了在样品的各种稀释度下的分析物水平。基于第一稀释度系列的分析物水平生成第一模型，并且基于第二稀释度系列的分析物水平生成第二模型。然后将来自第一模型的值平移一定的量ΔX，以便平移到第二模型中的值。然后将第一模型的剩余值平移相同的量ΔX，以形成线性复合平移。通过将函数拟合到线性复合平移系列来生成复合稀释度模型。该复合稀释度模型可以用于确定来自受试者的生物测试样品的相对稀释度。
在某些实施方案中，通过图24A和图24B中所示的示例性方法开发复合稀释度模型。在来自第一生物样品的稀释度系列和来自第二生物样品的稀释度系列中测量分析物的水平。第一生物样品和第二生物样品可以是来自同一个体的不同时间点的生物样品，或者来自不同个体的生物样品。这些稀释度系列示出了在样品的各种稀释度下的分析物水平。基于第一稀释度系列的分析物水平生成第一模型，并且基于第二稀释度系列的分析物水平生成第二模型。选择任意参考值，其为稀释度值下的分析物水平。在一些实施方案中，任意参考值是在第一稀释度系列或第二稀释度系列中未发现的特定稀释度下的分析物水平。然后将第一模型上的点平移一定的量ΔX，以便平移到任意参考值，并且将第二模型上的点平移一定的量ΔY，以便平移到任意参考值。将第一模型的剩余值平移相同的量ΔX，并且将第二模型的剩余值平移相同的量ΔY，以形成线性复合平移。通过将函数拟合到线性复合平移系列来生成复合稀释度模型。该复合稀释度模型可以用于确定来自受试者的生物测试样品的相对稀释度。
在本文所述的方法中可以使用任何合适的模型，包括由第一稀释度系列和/或第二稀释度系列中的分析物水平生成的模型，以及用于生成复合稀释度模型的模型。可以用于所述方法中的示例性模型包括但不限于线性回归模型、LOESS曲线拟合模型、非线性回归模型、样条拟合模型、混合效应回归模型、固定效应回归模型、广义线性模型、矩阵分解模型和/或四参数逻辑回归(4PL)模型，等等。由第一稀释度系列和/或第二稀释度系列中的分析物水平生成的模型可以相同或不同。类似地，用于生成复合稀释度模型的模型可以与由分析物水平生成的模型中的一个或多个模型相同或不同。本领域的普通技术人员可以根据具体应用选择合适的模型，并且许多此类模型在本领域中是已知的。
在一些实施方案中，在开发复合稀释度模型后，或者在使用先前开发的复合稀释度模型的情况下，可以确定生物测试样品的相对稀释度。在一些这样的实施方案中，将来自生物测试样品的至少一种分析物的水平水平平移到为所述至少一种分析物开发的复合稀释度模型。由此可以确定生物测试样品的相对稀释度。在一些实施方案中，可以使用一组分析物(诸如至少10种、20种、30种、40种、50种、60种、70种、80种、90种、100种、120种、140种、160种、180种或200种分析物)来开发复合稀释度模型。然后针对分析物子集或每种分析物确定生物测试样品的相对稀释度。在一些实施方案中，然后使用基于每种分析物的相对稀释度的平均值、均值、中值等来确定生物测试样品的相对稀释度。在一些实施方案中，选择预期在个体之间(诸如在患有和未患有疾病或病症的个体之间)不存在水平变化的分析物。
计算机装置、方法和软件
在一个方面，该系统还包括用于向一个或多个处理器提供输入数据的一个或多个装置。该系统还包括存储器，用于存储经排序的数据元素的数据集。
在另一方面，用于提供输入数据的装置包括用于检测数据元素的特性的检测器，诸如质谱仪或基因芯片读取器。
该系统另外可以包括数据库管理系统。用户请求或查询能够以数据库管理系统理解的适当语言格式化，该数据库管理系统处理查询以从训练集数据库中提取相关信息。
该系统可以能够连接到网络服务器和一个或多个客户端所连接到的网络。如本领域已知的，该网络可以是局域网(LAN)或广域网(WAN)。优选地，服务器包括用于运行计算机程序产品(例如软件)以访问用于处理用户请求的数据库数据所必需的硬件。
该系统可以包括用于执行来自数据库管理系统的指令的操作系统(例如
或Linux)。在一个方面，操作系统可以在全球通信网络(诸如因特网)上操作，并且利用全球通信网络服务器来连接到这样的网络。
该系统可以包括一个或多个装置，所述装置包括图形显示界面，该图形显示界面包括界面元素，诸如按钮、下拉菜单、滚动条、用于输入文本的字段等，如在本领域中已知的图形用户界面中常见的那些。在用户界面上输入的请求可以被传输到该系统中的应用程序，用于格式化以在一个或多个系统数据库中搜索相关信息。用户输入的请求或查询可以用任何合适的数据库语言来构造。
该图形用户界面可以由作为操作系统的一部分的图形用户界面代码生成，并且可以用于输入数据和/或显示输入的数据。经处理数据的结果能够显示在该界面中、打印在与该系统通信的打印机上、保存在存储器装置中并且/或者通过网络传输，或者能够以计算机可读介质的形式提供。
该系统能够与输入装置通信，用于向该系统提供关于数据元素的数据(例如，表达值)。在一个方面，输入装置可以包括基因表达谱系统，包括例如质谱仪、基因芯片或阵列读取器等。
该计算机系统可以是独立系统，或者包括服务器和一个或多个数据库的计算机网络的一部分。
本文所述的一些实施方案可以被实现为包括计算机程序产品。计算机程序产品可以包括计算机可读介质，该计算机可读介质具有在该介质中体现的计算机可读程序代码，用于使应用程序在具有数据库的计算机上执行。
如本文所用，“计算机程序产品”是指以自然或编程语言语句的形式组织的一组指令，其被包含在任何性质(例如，书面、电子、磁性、光学或其他)的物理介质上，并且可以与计算机或其他自动数据处理系统一起使用。当由计算机或数据处理系统执行时，此类编程语言语句使该计算机或数据处理系统根据这些语句的特定内容来行动。计算机程序产品包括但不限于：嵌入在计算机可读介质中的源代码和目标代码和/或测试库或数据库形式的程序。另外，可以以多种形式提供使计算机系统或数据处理设备装置能够以预先选择的方式运行的计算机程序产品，这些形式包括但不限于原始源代码、汇编代码、目标代码、机器语言、前述形式以及任何和所有等同物的加密版本或压缩版本。
虽然已将各种实施方案描述为方法或设备，但是应当理解，实施方案可以通过与计算机耦合的代码(例如，驻留在计算机上或可由计算机访问的代码)来实施。例如，可以利用软件和数据库来实现上文所讨论的许多方法。因此，除了由硬件实现的实施方案之外，还应当注意，这些实施方案可以通过使用包括计算机可用介质的制品来实现，所述计算机可用介质具有在其中体现的计算机可读程序代码，所述计算机可读程序代码使得能够实现在本说明书中所公开的功能。因此，期望的是，也认为这些实施方案以它们的程序代码的方式受到本专利的保护。另外，这些实施方案可以体现为存储在实际上任何种类的计算机可读存储器(包括但不限于RAM、ROM、磁介质、光介质或磁光介质)中的代码。甚至更一般地讲，这些实施方案能够以软件、硬件或它们的任何组合来实现，包括但不限于在通用处理器上运行的软件、微代码、可编程逻辑阵列(PLA)或专用集成电路(ASIC)。
还可以设想，实施方案可以实现为在载波中体现的计算机信号，以及通过传输介质传播的信号(例如，电信号和光信号)。因此，上文所讨论的各种类型的信息可以以诸如数据结构的结构格式化，并且作为电信号通过传输介质传输或者被存储在计算机可读介质上。
图25展示了其中可以实现本公开的示例的示例系统架构2500。系统架构2500包括诊断机器2502、机器人2504、网络2506、数据存储器2508、服务器机器2510、网页服务器2520、应用程序服务器2522、分析物可变性控制系统2530、生物样品分析器模块2540、复合稀释度模型生成器模块2550、相对稀释度预测模块2560、客户端装置2570、分析物测量数据2580和复合稀释度模型2590。
诊断机器2502是接收和分析一个或多个生物样品的诊断设备。例如，各种类型的生物样品可以包括但不限于：尿液、血液、血浆、血清、脑脊液，或通常任何其他类型的生物流体。诊断机器2502可以基于分析生物样品来收集或生成分析物测量数据2580，并且这样的数据可以被存储或转移到一个或多个其他内部或外部机器，以用于处理、分析或使用。另外，诊断机器2502通常可以指在处理生物样品中涉及的诊断设备的一个或多个部件，诸如
或
微阵列机器。
在一个示例中，机器人2504在诊断机器2502内或在多个诊断机器2502之间驱动、操纵和/或递送生物样品，作为处理生物样品的一部分。例如，机器人2504通常可以包括但不限于
机器人2502或者在实验室环境中提供生物样品的自动或半自动处理的任何其他机器人机器。
在一个示例中，诊断机器2502经由一个或多个网络2506与一个或多个数据存储器2508和一个或多个服务器机器2510通信。网络2506通常可以是公共网络(例如，因特网)、专用网络(例如，局域网(LAN)或广域网(WAN))，或它们的组合。在一个示例中，网络2506可以包括因特网和/或一个或多个内联网、陆线网络、无线网络和/或其他适当类型的通信网络。在一个示例中，网络2506可以包括适于与其他通信网络(诸如因特网)通信的无线电信网络(例如蜂窝电话网络)。
数据存储器2508是能够存储各种类型的数据(诸如字母数字文本、音频、视频和/或图像内容)的永久性存储装置。在一些示例中，数据存储器2508可以是网络附连的文件服务器，而在其他示例中，数据存储器2508可以是一些其他类型的永久性存储装置，诸如面向对象的数据库、关系数据库等。
在一个示例中，诊断机器2502可以通过网络2506存储和访问各种类型的数据，包括分析物测量数据2580。诊断机器2502还可以在与诊断机器2502相关联的一个或多个本地数据存储器2508上(未示出)以及/或者在服务器机器2510或一个或多个其他计算系统(未示出)本地的一个或多个数据存储器2508上存储和访问这样的数据。在一个示例中，分析物测量数据2580可以包括但不限于与一个或多个生物样品相关联的多种分析物或蛋白质中的每一者的相对荧光单位测量结果。
数据存储器2508还可以接收、存储和提供复合稀释度模型2590，其用于控制复杂生物基质中的样品间分析物可变性。复合稀释度模型2590可以从分析物测量数据2580生成，或者可以从另一来源直接或间接提供。另外，复合稀释度模型2590可以用于确定生物样品类型的预测相对稀释度，该预测相对稀释度然后可以用于调整任何一个或多个不同的、附加的或新接收的生物样品的相对稀释度或其他方面。
服务器机器2510通常可以是专用诊断硬件、机架安装服务器、个人计算机、便携式数字助理、移动电话、膝上型计算机、平板计算机、上网本、台式计算机，或它们的任何组合。服务器机器2510可以包括网页服务器2520、应用程序服务器2522和脚本检测系统2530。在一些示例中，网页服务器2520、应用程序服务器2522和/或脚本检测系统2530中的每一者可以在一个或多个不同的服务器机器2510上运行。
网页服务器2520可以将来自服务器机器2510和/或数据存储器2508的文本、音频、视频和图像内容提供给一个或多个客户端装置2570。网页服务器2520还可以向客户端装置2570提供基于网页的应用程序服务和业务逻辑。客户端装置2570可以使用应用程序(诸如网页浏览器)来定位、访问和消费来自网页服务器2520的各种形式的内容和服务。网页服务器2520还可以从客户端装置2570接收文本(诸如现有的和新的分析物测量数据2580)、音频、视频和图像内容，其被保存在一个或多个数据存储器2508中，用于可以包括分析、转换、处理、持久化和分发这种内容的多个目的。
在一个示例中，网页服务器2520耦合到一个或多个应用程序服务器2522，所述应用程序服务器直接或在网页服务器2520的协助下向客户端装置2570提供应用程序和服务。例如，网页服务器2520可以向客户端装置2570提供对生物技术领域中的一个或多个专用软件应用程序的访问。这样的功能还可以被提供为例如一个或多个不同的网页应用程序、独立应用程序、计算机系统、插件、网页浏览器扩展和应用程序编程接口(API)。在一些示例中，插件和扩展可以单独地或共同地称为附加组件。
客户端装置2570可以是个人计算机(PC)、膝上型计算机、移动电话、平板计算机，或通常任何其他计算装置。客户端装置2570可以运行管理客户端装置2570的硬件和软件的操作系统(OS)。浏览器(未示出)可以在客户端装置2570上运行。浏览器可以是能够访问由服务器机器2510、网页服务器2520、应用程序服务器2522、数据存储器2508等提供的服务和/或内容的网页浏览器。此外，其他类型的计算机程序和计算机脚本也可以在客户端装置2570上运行。例如，客户端装置2570可以使用应用程序(即“app”)来访问这样的内容或与服务器机器2510通信，而无需访问或以其他方式利用网页页面。
在一个示例中，服务器机器2510的功能和特征也可以全部或部分地由客户端装置2570来执行。此外，归属于特定部件的功能可以由一起操作的不同部件或多个部件来执行。服务器机器2510还可以作为经由应用程序编程接口提供给其他系统或装置的服务而被访问，并因此不限于在网站中使用。
服务器机器2510还包括分析物可变性控制系统2530。分析物可变性控制系统2530通常是指用于控制复杂生物基质中的样品间分析物可变性的专用计算机硬件和/或软件。例如，分析物可变性控制系统2530可以接收和分析与不同受试者相关联的生物样品，为生物样品中的多种分析物中的每一者生成复合稀释度模型2590，基于多个所生成的复合稀释度模型2590确定生物样品的生物样品类型的相对稀释度预测模型，接收和分析该生物样品类型的新生物样品，以及基于该生物样品类型的所确定的相对稀释度预测模型调整新接收的生物样品的一个或多个方面。
在与本公开相关联的附图以及以下段落中，本公开进一步描述了由分析物可变性控制系统2530提供的服务的示例，包括“实施例1：生成基质特异性经验标准曲线”、“实施例2：应用基质特异性经验标准曲线”、“实施例3：用于表征和归一化由于人类受试者的水合状态引起的分析物信号变化的初步研究设计”。
在一个示例中，分析物可变性控制系统2530包括生物样品分析器模块2540、复合稀释度模型生成器模块2550和相对稀释度预测模块2560。在其他示例中，与生物样品分析器模块2540、复合稀释度模型生成器模块2550和相对稀释度预测模块2560相关联的功能可以以各种布置进行组合、划分和组织。
在一个示例中，生物样品分析器模块2540通常可以接收和分析与来自不同受试者的生物样品相关联的分析物测量数据2580。复合稀释度模型生成器模块2550通常可以执行一个或多个步骤，以由分析物测量数据2580为所选择的一组分析物中的每种分析物生成复合稀释度模型2590。然后，相对稀释度预测模块2560通常可以基于由生物样品生成的所选择的复合稀释度模型2590来确定生物样品的生物样品类型的预测相对稀释度。然后，相对稀释度预测模块2560通常可以基于由所选择的复合稀释度模型2590确定的预测相对稀释度来调整与不同的和/或新接收的生物样品相关联的分析物测量数据2580的一个或多个方面。
图26是展示根据本公开的示例为存在于不同生物样品中的多种分析物中的每一者生成复合稀释度模型的流程图。示例方法2600可以由处理逻辑装置来执行，该处理逻辑装置可以包括专用硬件(电路系统、专用逻辑装置、可编程逻辑装置、微代码等)、专用软件(诸如在通用计算机系统、专用机器或硬件处理装置上运行的指令)、固件，或它们的任何组合。
一般来讲，在整个本公开中提供了对示例方法2600的支持，包括结合如上所述的非限制性示例：“实施例1：生成基质特异性经验标准曲线”、“实施例2：应用基质特异性经验标准曲线”和“实施例3：用于表征和归一化由于人类受试者的水合状态引起的分析物信号变化的初步研究设计”。
方法2600始于框2602，此时分析物可变性控制系统2530接收与不同的生物样品相关联的分析物测量数据2580。在一个示例中，分析物可变性控制系统2530的生物样品分析器模块2540从诊断机器2502、数据存储器2508、服务器机器2510、客户端装置2570或者一个或多个其他计算机系统或存储装置中的任一者接收分析物测量数据2580。
在一个示例中，生物样品分析器模块2540接收由诊断机器2502生成的分析物测量数据2580。例如，诊断机器2502可以接收从多个不同的人类受试者提供的生物样品。此类生物样品可以包括尿液、血液、血浆、血清、脑脊液，或通常任何其他类型的生物流体。
在一个示例中，诊断机器2502测量与来自不同受试者的生物样品中的每一者相关联的分析物或蛋白质，以生成以相对荧光单位(RFU)或任何其他合适的测量单位测量的分析物测量数据2580。因此，在一些示例中，分析物测量数据2580可以包括与一个或多个不同生物样品相关联的多种蛋白质中的每一者的相应的相对荧光单位测量结果。这样的分析物测量数据2580可以保存在数据存储器2508或任何其他永久性存储装置中，并且随后提供给一个或多个其他计算机系统，诸如服务器机器2510。
在一个示例中，生物样品分析器模块2540通常可以在准备由分析物可变性控制系统2530进一步处理的任何数量的步骤中转换、调整和/或处理分析物测量数据2580(例如，原始RFU数据)。例如，原始的或经部分处理的分析物测量数据2580可以在一个或多个不同步骤中的任一个步骤中被净化、格式化、归一化、校准或操纵。在其他示例中，由生物样品分析器模块接收的分析物测量数据2580可以被预处理并且在接收时准备好用于分析，而无需进一步的预处理或操纵。
在框2604处，分析物可变性控制系统2530分析所述分析物测量数据中的针对多种所选择的分析物中的每一者的相应分析物测量结果。在一个示例中，分析物可变性控制系统2530的生物样品分析器模块2540以分析物测量数据2508分析多种所选择的分析物中的每一者。例如，生物样品分析器模块2540可以分析来自多个不同生物样品的可用测量分析物的子集中的每种分析物。在一个示例中，生物样品分析器模块2540可以单独地或并行地(例如，同时处理不同生物样品中的两种或更多种分析物)分析不同生物样品中的每种分析物的分析物测量数据2580。
在一个示例中，生物样品分析器模块2540分析每种分析物，准备用于生成对应于每种相应分析物的复合稀释度模型2590。例如，生物样品分析器模块2540可以分析已进行系列稀释的多个生物样品的分析物。在一个示例中，生物样品分析器模块2540确定具有分析物的最大线性稀释度范围的样品，然后将加权线性回归模型拟合到该线性稀释度范围中的数据。然后，相关的回归线可以用作其他样品被登记的参考。
在框2606处，分析物可变性控制系统2530基于在框2604处执行的分析为所选择的分析物中的每一者生成复合稀释度模型2590。在一个示例中，分析物可变性控制系统2530的复合稀释度模型生成器模块2550基于由生物样品分析器模块2540生成的对应参考稀释度模型来平移分析物的相应分析物测量数据2508。在一个示例中，复合稀释度模型生成器模块2550然后将4参数逻辑函数(4PL)拟合到分析物的登记数据。
在一个示例中，复合稀释度模型生成器模块2550然后基于与分析物相关联的该4PL生成该分析物的对应复合稀释度模型2590。复合稀释度模型生成器模块2550进一步为分析物测量数据2508中发现的所选择的分析物子集中的每种剩余分析物生成复合稀释度模型2590。然后，为所选择的分析物子集生成的复合稀释度模型2590可以用于调整附加的、不同的或新接收的生物样品的多个方面，以控制样品间分析物可变性。
图27是展示根据本公开的示例为存在于不同生物样品中的多种分析物中的每一者生成复合稀释度模型的流程图。示例方法2700可以由处理逻辑装置来执行，该处理逻辑装置可以包括专用硬件(电路系统、专用逻辑装置、可编程逻辑装置、微代码等)、专用软件(诸如在通用计算机系统、专用机器或硬件处理装置上运行的指令)、固件，或它们的任何组合。
一般来讲，在本公开通篇中提供对示例方法2700的支持，包括如上所述结合非限制性示例：“实施例1：生成基质特异性经验标准曲线”、“实施例2：应用基质特异性经验标准曲线”和“实施例3：用于表征和归一化由于人类受试者的水合状态引起的分析物信号变化的初步研究设计”。
方法2700始于框2702，此时分析物可变性控制系统2530接收与相同生物样品类型的不同生物样品相关联的分析物测量数据2580。在一个示例中，分析物可变性控制系统2530的生物样品分析器模块2540从数据存储器2508接收分析物测量数据2580。一般来讲，这样的分析物测量数据可以包括在已从不同受试者收集的相同生物样品类型的多个不同生物样品的每一者中检测到的多种不同蛋白质中的每一种蛋白质的相对荧光单位(RFU)测量结果。
在框2704处，分析物可变性控制系统2530分析所述分析物测量数据2580中的针对多种所选择的分析物中的每一者的相应分析物测量结果。在一个示例中，分析物可变性控制系统2530的生物样品分析器模块2540由在框2704处接收的分析物测量数据2508分析多种所选择的分析物中的每一者。例如，可以选择来自分析物测量数据2508的可用分析物的子集，用于生成对应的复合稀释度模型2590，其用于控制复杂生物基质中的样品间分析物可变性。
在框2706处，分析物可变性控制系统2530为每种所选择的分析物生成参考稀释度模型。在一个示例中，生物样品分析器模块2540基于在框2704处执行的分析来为每种所选择的分析物生成参考稀释度模型。例如，在一个非限制性示例中，生物样品分析器模块2540可以确定与相应分析物相关联的多个样品中的哪个样品具有最大线性稀释度范围。然后，生物样品分析器模块2540可以将加权线性回归模型拟合到该线性稀释度范围中的数据。此外，生物样品分析器模块2540类似地可以为其他所选择的分析物中的每一者生成加权线性回归模型，其将分别至少部分地用于生成与每种相应的所选择分析物相关联的对应复合稀释度模型2590。在本公开中提供了进一步的描述和示例，例如，至少在非限制性示例“实施例1：生成基质特异性经验标准曲线”中。
在框2708处，分析物可变性控制系统2530基于为每种相应分析物生成的对应参考稀释度模型来平移每种所选择的分析物的相应分析物测量数据。在一个示例中，分析物可变性控制系统2530的复合稀释度模型生成器模块2550基于由生物样品分析器模块2540生成的对应参考稀释度模型来平移所选择的分析物中的每一者的相应分析物测量数据2508。在本公开中提供了进一步的描述和示例，例如，至少在非限制性示例“实施例1：生成基质特异性经验标准曲线”中。
在框2710处，分析物可变性控制系统2530基于所平移的分析物测量数据为所选择的分析物中的每一者生成复合稀释度模型2590。在一个示例中，复合稀释度模型生成器模块2550将4参数逻辑函数(4PL)拟合到所选择的分析物中的每一者的经平移数据。例如，复合稀释度模型生成器模块2550基于该4PL为所选择的分析物中的每一者生成对应的复合稀释度模型2590。因此，复合稀释度模型生成器模块2550生成复合稀释度模型2590的集合或系列，所述集合或系列构成所选择的分析物中的每一者的复合溶液模块。
在本公开中描述了描述框2710并且将所生成的复合稀释度模型2590应用于其他生物样品的进一步的描述和示例，例如，至少在以下非限制性示例中：“实施例1：生成基质特异性经验标准曲线”和“实施例2：应用基质特异性经验标准曲线”。
在一些示例中，复合稀释度模型生成器模块2550进一步生成一个或多个报告，所述报告包含关于与处理分析物测量数据2580和生成复合稀释度模型2590相关联的各个方面的信息和细节。例如，此类生成的报告可以包括关于以下各项的描述：各种发现，包括分析物测量数据2580中的潜在或实际数据异常；对分析物测量数据2580执行的预处理；对分析物测量数据2580的分析；复合稀释度模型2590的生成；以及对预测相对稀释度的确定。在一些示例中，分析物可变性控制系统2530将所生成的报告存储在数据存储器2508中，并且可以将这些报告和对应的分析物测量数据2580和/或复合稀释度模型2590提供给客户端装置2570。
图28是展示根据本公开的一个示例将复合稀释度模型应用于新生物样品以预测该新样品的相对稀释度的流程图。示例方法2800可以由处理逻辑装置来执行，该处理逻辑装置可以包括专用硬件(电路系统、专用逻辑装置、可编程逻辑装置、微代码等)、专用软件(诸如在通用计算机系统、专用机器或硬件处理装置上运行的指令)、固件，或它们的任何组合。
一般来讲，在本公开通篇中提供对示例方法2800的支持，包括如上所述结合非限制性示例：“实施例1：生成基质特异性经验标准曲线”、“实施例2：应用基质特异性经验标准曲线”和“实施例3：用于表征和归一化由于人类受试者的水合状态引起的分析物信号变化的初步研究设计”。
方法2800始于框2802，此时分析物可变性控制系统2530接收生物样品中的分析物的分析物测量数据。在一个示例中，分析物可变性控制系统2530的生物样品分析器模块2540可以接收一个或多个新生物样品的分析物测量数据2580用于分析。例如，新生物样品通常可以描述生物样品的分析物测量数据2580，其不包括在用于生物样品类型(例如尿液)的分析物的复合稀释度模型2590的生成中或在该生成过程中不予考虑。因此，新生物样品不同于用于生成复合稀释度模型的生物样品，并且这种相关联的分析物测量数据2580可以在生成此类模型之前或之后接收。
在框2804处，分析物可变性控制系统2530选择多种分析物来确定生物样品的预测相对稀释度。在一个示例中，分析物可变性控制系统2530的生物样品分析器模块2540分析新生物样品的分析物测量数据2580。例如，生物样品分析器模块2540可以基于用户偏好和/或与分析物测量数据2580中的分析物相对荧光单位(RFU)测量结果相关联的一个或多个阈值来选择分析物测量数据2580中的分析物子集。
在一个示例中，生物样品分析器模块2540可以基于与生物样品类型的对应复合稀释度模型相比的“拟合优度”来选择新生物样品中的最高数量的分析物。在另一示例中，生物样品分析器模块2540还可以选择具有使同一样品的连续滴定系列平坦化的能力的多种分析物。在本公开中提供了进一步的描述和示例，例如，至少在非限制性示例“实施例2：应用基质特异性经验标准曲线”中。
在框2806处，分析物可变性控制系统2530接收已被选择的分析物中的每一者的复合稀释度模型2590。在一个示例中，相对稀释度预测模块2560接收被选择用于确定生物样品的预测相对溶液的多种分析物中的每一者的复合稀释度模型2590。例如，相对稀释度预测模块2560接收为所选择的分析物生成的复合稀释度模型2590。此类复合稀释度模型2590可以基于方法2600、方法2700或本公开的其他示例来生成。
在框2808处，分析物可变性控制系统2530基于与每种相应分析物相关联的对应复合稀释度模型来确定所选择的分析物中的每一者的预测相对稀释度值。在一个示例中，对于所选择的分析物中的每一者，相对稀释度预测模块2560将相应分析物的相对荧光单位(RFU)测量结果投射到对应于该相应分析物的所生成的复合稀释度模型上，从而生成相应分析物中的每一者的预测相对稀释度。
例如，相对稀释度预测模块2560可以对新生物样品中的第一分析物进行第一RFU测量、将第一分析物的第一RFU测量结果投射到为第一分析物生成的第一复合稀释度模型上，以及基于该投射确定新生物样品的第一分析物的预测相对稀释度值。类似地，相对稀释度预测模块2560可以对同一新生物样品中的第二分析物进行第二RFU测量、将第二分析物的第二RFU测量结果投射到为第二分析物生成的第二复合稀释度模型上，以及基于该投射确定新生物样品的第二分析物的预测相对稀释度值(对于其他所选择的分析物中的每一者依此类推)。在本公开中提供了进一步的描述和示例，例如，至少在非限制性示例“实施例2：应用基质特异性经验标准曲线”中。
在框2810处，分析物可变性控制系统2530基于针对所选择的分析物中的每一者确定的预测相对稀释度值来确定生物样品的预测相对稀释度。在一个示例中，相对稀释度预测模块2560为新生物样品的所选择的分析物创建在框2808处生成的预测相对稀释度值的分布。然后，相对稀释度预测模块2560可以确定并且选择那些预测相对稀释度值中的在调整新生物样品的多个方面时使用的预测相对稀释度值。例如，相对稀释度预测模块2560可以丢弃一组或多组所生成的预测相对稀释度值，以创建用于调整新生物样品的最后一组所生成的预测相对稀释度值。
在一个示例中，相对稀释度预测模块2560从预测相对稀释度值的分布中修剪尾部，并且使用剩余值的中间百分比来确定新生物样品的预测相对稀释度。然后，相对稀释度预测模块2560确定生物样品的预测相对稀释度。例如，相对稀释度预测模块2560可以分析剩余的预测相对稀释度值，并且生成新生物样品的预测相对稀释度。
在一个示例中，相对稀释度预测模块2560基于剩余预测相对稀释度值的中值来确定新生物样品的预测相对稀释度。相对稀释度预测模块2560通常还可以基于使用剩余预测相对稀释度值的公式或其他分析来确定新生物样品的预测相对稀释度。在本公开中提供了进一步的描述和示例，例如，至少在非限制性示例“实施例2：应用基质特异性经验标准曲线”中。
在一个示例中，分析物可变性控制系统2530基于由相对稀释度预测模块2560确定的预测相对稀释度来调整新生物样品的一个或多个方面。例如，分析物可变性控制系统2530可以基于由相对稀释度预测模块2560确定的新生物样品的预测相对稀释度来归一化或以其他方式调整新生物样品的分析物测量数据2580。另外，在一些示例中，分析物可变性控制系统2530可以生成描述相关联的处理和调整的相关联报告。然后，新生物样品的经调整的分析物测量数据2580可以根据该调整进行进一步的检查和分析。
图29展示了计算机系统2900示例性形式的机器的图解，其中可以执行用于使该机器执行本文所讨论的任何一种或多种方法的一组指令。在一个示例中，该机器可以连接(例如，联网)到LAN、内联网、外联网或因特网中的其他机器。该机器可以在客户端-服务器网络环境中以服务器或客户端机器的能力来操作，或者作为对等(或分布式)网络环境中的对等机器来操作。例如，该机器可以是个人计算机(PC)、平板PC、个人数字助理(PDA)、蜂窝电话、可穿戴计算装置、网页设备、服务器机器、专用诊断实验室机器，或能够执行指定该机器要采取的行动的一组指令(按顺序或以其他方式)的任何其他机器。另外，虽然仅展示了单个机器，但是术语“机器”还应当被理解为包括单独地或联合地执行一组(或多组)指令以执行本文所讨论的任何一种或多种方法的机器的任何集合。
示例性计算机系统2900包括经由总线2930彼此通信的处理装置(处理器)2902、主存储器2904(例如，只读存储器(ROM)、闪速存储器、动态随机存取存储器(DRAM)，诸如同步DRAM(SDRAM)、双倍数据速率(DDR SDRAM)或DRAM(RDRAM)等)、静态存储器2906(例如，闪速存储器、静态随机存取存储器(SRAM)等)和数据存储装置2918。
处理器2902代表一个或多个通用处理装置，诸如微处理器、中央处理单元等。更具体地，处理器2902可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器，或者实现其他指令集的一个处理器或实现指令集组合的多个处理器。处理器2902还可以是一个或多个专用处理装置，诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器等。处理器2902被配置为执行用于执行本文所讨论的操作和步骤的指令2922。
计算机系统2900可以还包括网络接口装置2908。计算机系统2900还可以包括视频显示单元2910(例如，液晶显示器(LCD)或阴极射线管(CRT))、字母数字输入装置2912(例如，键盘)、光标控制装置2914(例如，鼠标)和信号生成装置2916(例如，扬声器)。
数据存储装置2918可以包括计算机可读存储介质2928，其上存储了体现本文所述的任何一种或多种方法或功能的一组或多组指令2922(例如，软件)。指令2922在由计算机系统2900执行期间，还可以完全或至少部分地驻留在主存储器2904内和/或处理器2902内，主存储器2904和处理器2902还构成计算机可读存储介质。指令2922还可以经由网络接口装置2908通过网络2920传输或接收。
在一个示例中，指令2922包括用于分析物可变性控制系统(例如，图25的分析物可变性控制系统2530)和/或包括调用分析物可变性控制系统的方法的软件库的指令。虽然计算机可读存储介质2928(机器可读存储介质)在示例中被示出为单个介质，但是术语“计算机可读存储介质”应当被理解为包括存储所述一组或多组指令的单个介质或多个介质(例如，集中式或分布式数据库和/或相关联的高速缓存和服务器)。术语“计算机可读存储介质”还应当被理解为包括能够存储、编码或携带用于由机器执行的一组指令并且使得该机器执行本公开的任何一种或多种方法的任何介质。另外，术语“计算机可读存储介质”应当相应地被理解为包括但不限于固态存储器、光学介质和磁性介质。
在前述描述中，阐述了许多细节。然而，对于受益于本公开的本领域普通技术人员而言显而易见的是，可在没有这些具体细节的情况下实践本公开。在一些情况下，众所周知的结构和装置以框图形式而不是详细示出，以避免混淆本公开。
详细描述的某些部分已经按照导致一个或多个期望结果的步骤来呈现。通常，此类步骤是需要对物理量进行物理操作的步骤。尽管并非必要，但这些量通常采取能够被存储、转移、组合、比较及以其他方式操控的电信号或磁信号的形式。已经证实，出于普遍使用原因，有时可以适宜地将这些信号称为比特、值、元素、符号、字符、项、数字等。
然而，应当牢记，所有这些和类似的术语均意图与适当的物理量关联，并且仅仅是应用于这些量的适宜标记。除非特别指出，否则如从以下讨论中显而易见的，可以理解，在整个说明书中，利用术语诸如“计算”、“比较”、“应用”、“创建”、“排序”、“分类”等的讨论是指专用计算机系统或类似的专用电子计算装置的动作和过程，其将表示为计算机系统的寄存器和存储器内的物理(例如，电子)量的数据操纵和转换成类似地表示为计算机系统存储器或寄存器或其他此类信息存储、传输或显示装置内的物理量的其他数据。
本公开的某些实例还涉及用于执行本文的操作的设备。该设备可被构建用于预期目的，或者它可包括选择性地安装、激活或配置为执行预期目的的专用计算机硬件和/或专用计算机程序。此类计算机程序可存储在计算机可读存储介质中，诸如但不限于任何类型的磁盘，包括软盘、光盘、CD-ROM和磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光卡，或任何类型的适合存储电子指令的介质。
应理解以上描述旨在为说明性的并非限制性的。在阅读和理解以上描述后，许多其他实例对于本领域技术人员来说将是显而易见的。因此，本公开的范围应当参考所附权利要求以及这些权利要求所授权的等同物的全部范围来确定。
实施例
提供以下实施例以说明某些特定特征和/或实施方案。这些实施例不应被解释为将本公开限制于所描述的特定特征或实施方案。
实施例1：生成基质特异性经验标准曲线
本实施例提供了一种方法，通过该方法，使用如用捕获试剂(例如适体)所测定的相对蛋白质测量结果，由复杂生物基质(例如尿液)生成示例性复合稀释度模型。
按照惯例，将尿液中的蛋白质水平归一化为基于生理学的测量结果(例如，总尿量、肌酸酐浓度或白蛋白:肌酸酐比率)或限制性中值归一化，其识别表现出稀释线性(或与样品的蛋白质含量成比例)的捕获试剂(例如适体)的子集，并且使用该信息来进行标准中值归一化。
开发了一种新的归一化方法，该方法基于来自复杂基质(诸如尿液)的多个样品的滴定系列，为每种分析物(所测量的蛋白质)产生复合稀释曲线。然后可以使用许多复合稀释曲线来更准确地估计蛋白质水平的总稀释度。使用基于适体的测定法在尿液中进行蛋白质测量，由此，蛋白质水平由相对量(RFU或相对荧光单位)表示。由于通常观察到的蛋白质水平的样品间可变性，选择尿液作为示例基质，该样品间可变性由例如收集尿液时个体的水合水平引起。水合水平可能混淆从尿液中测得的蛋白质水平与接受测试的受试者的临床评估之间的关系。因此，通过生成补偿样品间可变性的复合稀释度模型，可以由尿液中的蛋白质水平得到关于测试受试者的一致且临床上相关的信息。另外，一旦为该基质生成了复合稀释度模型，就可以使用该相同的复合稀释度模型来补偿来自许多受试者的样品中的样品间可变性，并且可以由这些受试者的分析物测量结果得到一致且临床上相关的信息。
通过背景信息，对函数的定量输入将表示为X，而输出将表示为变量Y。如果X或Y是矩阵，则可以通过下标Xij来访问各个分量。例如，第i个适体的第j个样品将是Xij。同一适体的下一个样品将是Xi(j+1)。值的向量将表示为大写，而标量值将表示为小写。
分析来自感兴趣的生物基质的至少两(2)个样品的至少三(3)次连续滴定的蛋白质水平，其中j个样品的i种分析物(适体)在进行k次连续滴定时被表示为稀释度Xijk和对应的RFU值Yijk。对于每种分析物(或蛋白质)，限定线性稀释度范围，在基于适体的测定法的情况下，该线性稀释度范围是其中测量的RFU值与样品的稀释度近似线性地成比例的稀释度范围。从最低稀释度开始，使用每个稀释度的RFU测量结果来建立标称水平，其中可以比较随后的稀释度。百分比回收率被定义为测量的RFU值除以规定n倍稀释时的预期RFU值。从系列中的第k个稀释度开始，第m个随后的稀释度的百分比回收率被定义为
可接受的稀释度范围具有在线性范围中的最高稀释度下确定的标称值的50％内的百分比回收率。需要从标称值开始的最少三个系列稀释度来限定线性范围。线性范围(来自5个系列稀释度的5个数据点)在图1中显示为垂直虚线之间的数据点(注意，出于可视化目的，标度为对数，不表示对数线性)。
将分析物半胱氨酸蛋白酶抑制剂C(CST3)用作具体示例。对十九(19)个尿液样品进行系列稀释，并测量分析物CST3水平且作图(参见图2A)。因此，对于每种分析物i(例如，CST3)，识别(19个样品中的)具有最大线性稀释度范围的样品j。将加权线性回归模型拟合到该线性稀释度范围中的数据，其中权重与RFU测量结果Yij成反比。第i种分析物的线性模型如下：
将分析物肝配蛋白B型受体6(EPHB6)用作另一个具体示例。对十九(19)个尿液样品进行系列稀释，并测量分析物EPHB6水平且作图(参见图2D)。因此，对于每种分析物i(例如，EPHB6)，识别(19个样品中的)具有最大线性稀释度范围的样品j。将加权线性回归模型拟合到该线性稀释度范围中的数据，其中权重与RFU测量结果Yij成反比。第i种分析物的线性模型如下：
现在，该回归线(或回归模型)是所有其他曲线将被登记的参考(图2B中的黑线用于CST3，并且图2E中的黑线用于EPHB6)。
对于每种分析物i，通过将其线性范围yci(或参考值)的中心点的RFU值映射(或水平平移)到回归线(回归模型)，以确定其相对于该参考的相对稀释度
(相对参考稀释度)，来登记滴定曲线。对于第i种分析物的第j个样品，相对参考稀释度如下：
将4参数逻辑函数(4PL)拟合到每种分析物的登记数据。4PL方程由下渐近线L、上渐近线U、拐点k和Hill斜率b的参数组成。该模型关于拐点对称并且使用非线性最小二乘法拟合。
这在所有捕获试剂(例如适体)和它们各自的靶蛋白的存在下，为感兴趣的基质中的每种分析物生成了经验标准曲线。这在图2C中针对CST3表示。每个4PL拟合(复合稀释度模型)都能够使用Akaike信息标准(AIC)通过其拟合优度来排序。
图3A-图3C至图9A-图9C示出了以下物质的类似分析：血小板衍生生长因子D(PDGFD，图3A-图3C)、视黄酸受体应答因子2(RARRES2，图4A-图4C)、白介素1受体样2(IL1RL2，图5A-图5C)、凝血因子XI(F11，图6A-图6C)、胞裂蛋白11(SEPT11，图7A-图7C)、胸腺生成素(TMPO，图8A-图8C)和shisa家族成员3(SHISA3，图9A-图9C)。
实施例2：应用基质特异性经验标准曲线
本实施例提供了一种使用实施例1中生成的基质特异性经验标准曲线(或复合稀释度模型或4PL曲线)用于将测定法中测量的分析物水平归一化的方法。
一般来讲，该方法需要选择i种分析物的子集(基于适体的蛋白质测量结果)以用于归一化计算。
可以以多种方式执行特征选择。三个示例为：1)通过4PL拟合优度选择按AIC排序的前i种分析物；2)对具有使相同样品的连续滴定系列平坦化的能力的i种分析物进行特征选择，以及/或者3)选择具有高于背景的信号水平(例如，是背景的2倍、3倍、4倍、5倍、6倍、7倍、8倍、9倍或10倍水平)的分析物。
例如，相对于上述选项2，对于每次1:2稀释，预期归一化比例因子将增加两倍。然后，对于要归一化的每个样品，通过对归一化子集中的所有i种分析物的4PL方程进行逆解，找到预测相对稀释度。对于样品k的第i种分析物(总共n种)，估计相对稀释度
为
图10A和图10B示出了2种分析物(艾杜糖醛酸酶[IDUA]和再生蛋白1[NEO1])的一般方法的应用。将归一化的样品的RFU测量结果投射到4PL曲线上，以生成两个预测相对稀释度。
然后，可以使用该信息来找到样品的估计相对稀释度。在一些实施方案中，测定所有第i种分析物的中值预测相对稀释度。该过程导致要归一化的每个样品的n个预测相对稀释度的分布。该分布的中值是该样品的预测相对稀释度，并且该样品的4PL归一化比例因子为1，超过预测相对稀释度。
在一些实施方案中，选择从估计相对稀释度的集中趋势得到的中值、均值或值。然后，可以使用每个样品的估计相对稀释度来归一化该样品。在一些实施方案中，每个样品的比例因子通过将参考值除以该样品的估计相对稀释度来生成。在一些实施方案中，该参考值可以为1(使得比例因子为估计相对稀释度的倒数)，或者所有要归一化的样品的中值估计相对稀释度。
图11示出了单个样品的4次系列1:2稀释的预测相对稀释度的分布，观察到中值与使用具有最佳AIC的200种分析物的样品的稀释度完美地成比例。
实施例3：用于表征和归一化由于人类受试者的水合状态引起的分析物信号变化的初步研究设计
本实施例提供了用于表征和验证在受控水合条件下的人类受试者中的分析物信号测量结果变化的归一化方案的初步研究的概述。
招募年龄为26岁至57岁(平均年龄为33岁)的16个研究参与者的性别平衡队列进行该研究。本研究的知情同意书归入IRB批准的SomaLogic Biorepository研究方案或WIRB#20150206。所有参与者均签署了知情同意书，并且完成了简短的健康调查问卷，其中收集了元数据，该元数据包括年龄、性别、身高、体重和其他人口统计信息。所有元数据在该研究中保持匿名。
收集方案：从尿液样本获得的临床信息可能受到收集方法和处理的影响。因此，为了降低细胞和微生物污染的发生率，用于该研究的收集程序为“采集清洁中段尿”。要求参与者将尿流的第一部分排入马桶，这既冲洗了尿道，又显著降低了污染物进入尿流的机会。
将中段尿液收集到具有安全防漏封盖的90ml无防腐剂且预先标记的无菌收集杯中。将在SomaLogic收集的样品置于预先标记的生物危害品袋中，并且立即置于指定用于生物样品的实验室冰箱中，用于稍后等分并储存在-80℃。
为了保持与从未来的预期受试者接收的样品条件类似的样品条件，在等分之前不进行预处理或离心。记录所有样品的收集时间。除了4至6个测定等分试样之外，还产生了一个8ml等分试样用于尿液分析。
通过向每个研究参与者分配唯一的字母数字标识符来将样品匿名，并且所有的收集管和生物危害品袋都标有该标识符以及收集的时间和日期。使用该标识符将所有元数据和蛋白质组数据输入数据库中。该过程创建了防止元数据或蛋白质组数据与参与者相关联的匿名屏障。将该标识符与参与者联系起来的主密钥是内部创建的，并且保持机密，只有选择的个人需要知道才能访问。
要求参与者在研究前48小时避免服用抗炎药物，并且在研究前一晚10:00后停止饮用流体。如有必要，允许晚上排尿，但只收集早晨的“第一次排尿”。
研究方案：要求所有参与者在早晨避免饮用任何液体(水、咖啡等)或避免锻炼。将在家中收集的第一次排尿样品立即置于冰上，直到到达SomaLogic，在那里将其置于2℃至8℃的冰箱中。
让参与者进食热量平衡的早餐，并且要求其在30分钟内摄入等于参与者体重的1.5％的水(“水合挑战”)。对于125lb的个体，该量相当于约850ml，而对于175lb的个体，该量相当于约1120ml。不是预先规定每个参与者的食物量，而是通过简单地要求参与者进食保守的量来控制食物摄入。
从上午9点直到中午，收集每次排尿的一部分，并且在大约中午12:00收集最后的“退出”尿液样品。上午9:00至中午12:00之间不允许饮水。在该水合挑战后收集二至五个系列样品，最后一个样品在大约中午12点收集。此外，15个参与者在次日中午12点提供未控制的样品。总共从15个参与者收集了81个尿液样品。
根据采集方案，所有样品均在“中段”收集，并且送至临床实验室进行完整尿液分析，该尿液分析包括比重、总蛋白质、尿素、总盐和微生物滴度。未记录总尿量。
从收集的样品测量分析物：使用测量超过一千种蛋白质的水平的基于适体的测定法来测定来自该研究中的受试者的尿液样品。对于每个研究参与者，图12示出了归一化(表示为跨越多个时间点的线)之前每个适体的数据，表示相对于该适体的中值RFU信号的log10变化。由于参与者的水合状态，在非归一化数据中存在普遍的偏差，其中早晨的第一次排尿样品(最浓)的信号与中值相比较高。然后，该信号由于水合挑战而减弱，接着由于研究参与者在水合挑战后避免饮水而增强。
该数据用于证明复合稀释度模型补偿受试者水合水平的功效，并且用于提取关于测试受试者的一致且临床上相关的信息。将该复合稀释度模型应用于每个研究参与者的所有系列样品。每个研究参与者的所有系列样品的预测相对稀释度的箱形图在图13中示出。这些值由所有适体的复合稀释曲线计算。然后，归一化过程通过将每个箱形图的中值移动至1来计算每个样品的比例因子。图14示出了在使用复合稀释度模型补偿受试者的水合水平进行归一化之后所得到的时间序列，其表示为相对于每种适体的中值水平的RFU变化。
图15和图16中的箱形图和累积分布函数(CDF)示出了在两个独立的研究个体中的每个时间点处的信号分布。图15A/C和图16A/C示出了归一化之前的信号水平偏差，图15B/D和图16B/D示出了归一化之后的信号水平分布。上图中的每条线代表样品中的适体信号水平。
图15B和图16B示出了量化重复测量ANOVA F统计量的系统偏差/方差的降低，该统计量可以解释为组内差异与组间差异的比率。高F统计量是由时间点之间的大差异引起的，而低F统计量表明时间点之间的差异类似于在给定随机机会的情况下所预期的。计算每个研究参与者的非归一化数据和归一化数据的F统计量并且将其示于图17A中。归一化过程导致纵向方差极其显著的降低(p<1E-8，N＝15)。图17B示出了每个研究参与者的F统计量的倍数降低，其具有81.88的中值和13.12至524.96的范围。
Claims (60)
1.一种用于生成复合稀释度模型的方法，所述方法包括：
a)测定包含分析物的第一生物样品的第一稀释度系列中的所述分析物的水平，其中所述第一稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
b)测定包含所述分析物的第二生物样品的第二稀释度系列中的所述分析物的水平，其中所述第二稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
c)基于所述第一稀释度系列的所述分析物的水平生成模型；
d)选择参考值，其中所述参考值选自：
(i)第二稀释度系列参考值，所述第二稀释度系列参考值是所述第二稀释度系列的特定稀释度下的分析物水平；
(ii)模型参考值，所述模型参考值是所述模型的特定稀释度下的分析物水平；以及
(iii)任意参考值，所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第二稀释度系列或所述模型中未发现；
e)执行至少一次水平平移，其中所述至少一次水平平移选自：
(i)所述第二稀释度系列参考值到模型值的水平平移(ΔX)，其中所述模型值是所述模型的特定稀释度下的分析物水平，其中所述第二稀释度系列参考值和所述模型值是相等的或基本上相等的；
(ii)所述模型参考值到第二稀释度系列值的水平平移(ΔX)，其中所述第二稀释度系列值是所述第二稀释度系列的特定稀释度下的分析物水平，其中所述模型参考值和所述第二稀释度系列值是相等的或基本上相等的；以及
(iii)第二稀释度系列值到所述任意参考值的水平平移(ΔX)和模型值到所述任意参考值的水平平移(ΔY)，其中所述模型值是所述模型的特定稀释度下的分析物水平，其中所述第二稀释度系列值是所述第二稀释度系列的特定稀释度下的分析物水平，并且其中所述第二稀释度系列值、所述模型值和所述任意参考值是相等的或基本上相等的；
f)执行(i)所述第二稀释度系列、(ii)所述模型或(iii)所述第二稀释度系列和所述模型中的剩余值的至少一次水平平移，其中所述剩余值的所述水平平移导致线性复合平移；以及
g)将函数拟合到所述线性复合平移系列，从而形成复合稀释度模型。
2.如权利要求1所述的方法，其中所述方法包括：
d)选择第二稀释度系列参考值，所述第二稀释度系列参考值是所述第二稀释度系列的特定稀释度下的分析物水平；
e)执行所述第二稀释度系列参考值到模型值的水平平移(ΔX)，其中所述模型值是所述模型的特定稀释度下的分析物水平，其中所述第二稀释度系列参考值和所述模型值是相等的或基本上相等的；以及
f)执行所述第二稀释度系列中的所述剩余值的所述水平平移，其中所述剩余值的所述水平平移导致线性复合平移。
3.如权利要求1所述的方法，其中所述方法包括：
d)选择模型参考值，所述模型参考值是所述模型的特定稀释度下的分析物水平；
e)执行所述模型参考值到第二稀释度系列值的水平平移(ΔX)，其中所述第二稀释度系列值是所述第二稀释度系列的特定稀释度下的分析物水平，其中所述模型参考值和所述第二稀释度系列值是相等的或基本上相等的；以及
f)执行所述模型中的所述剩余值的所述水平平移，其中所述剩余值的所述水平平移导致线性复合平移。
4.如权利要求1所述的方法，其中所述方法包括：
d)选择任意参考值，所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第二稀释度系列或所述模型中未发现；
e)执行第二稀释度系列值到所述任意参考值的水平平移(ΔX)和模型值到所述任意参考值的水平平移(ΔY)，其中所述模型值是所述模型的特定稀释度下的分析物水平，其中所述第二稀释度系列值是所述第二稀释度系列的特定稀释度下的分析物水平，并且其中所述第二稀释度系列值、所述模型值和所述任意参考值是相等的或基本上相等的；以及
f)执行所述第二稀释度系列和所述模型中的所述剩余值的所述水平平移，其中所述剩余值的所述水平平移导致线性复合平移。
5.一种用于生成复合稀释度模型的方法，所述方法包括：
a)测定包含分析物的第一生物样品的第一稀释度系列中的所述分析物的水平，其中所述第一稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
b)测定包含所述分析物的第二生物样品的第二稀释度系列中的所述分析物的水平，其中所述第二稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
c)基于所述第一稀释度系列的所述分析物的水平生成模型；
d)执行至少一次水平平移，其中所述至少一次水平平移选自：
(i)所述第二稀释度系列到所述模型的水平平移(ΔX)；
(ii)所述模型到所述第二稀释度系列的水平平移(ΔX)；以及
(iii)所述第二稀释度系列到任意参考值的水平平移(ΔX)和所述模型到任意参考值的水平平移(ΔY)，其中所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第二稀释度系列或所述模型中未发现；
其中所述至少一次水平平移导致线性复合平移系列；以及
e)将函数拟合到所述线性复合平移系列，从而形成复合稀释度模型。
6.如权利要求5所述的方法，其中所述方法包括执行所述第二稀释度系列到所述模型的水平平移(ΔX)。
7.如权利要求5所述的方法，其中所述方法包括执行所述模型到所述第二稀释度系列的水平平移(ΔX)。
8.如权利要求5所述的方法，其中所述方法包括执行所述第二稀释度系列到任意参考值的水平平移(ΔX)和所述模型到任意参考值的水平平移(ΔY)，所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第二稀释度系列或所述模型中未发现。
9.一种用于生成复合稀释度模型的方法，所述方法包括：
a)测定包含分析物的第一生物样品的第一稀释度系列中的所述分析物的水平，其中所述第一稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
b)测定包含所述分析物的第二生物样品的第二稀释度系列中的所述分析物的水平，其中所述第二稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
c)选择参考值，其中所述参考值选自：
(i)第二稀释度系列参考值，所述第二稀释度系列参考值是所述第二稀释度系列的特定稀释度下的分析物水平；以及
(ii)任意参考值，所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第一稀释度系列或所述第二稀释度系列中未发现；
d)执行至少一次水平平移，其中所述至少一次水平平移选自：
(i)所述第二稀释度系列参考值到第一稀释度系列值的水平平移(ΔX)，其中所述第一稀释度系列值是所述第一稀释度系列的特定稀释度下的分析物水平，其中所述第二稀释度系列参考值和所述第一稀释度系列值是相等的或基本上相等的；以及
(ii)所述第一稀释度系列到所述任意参考值的水平平移(ΔX)和所述第二稀释度系列到所述任意参考值的水平平移(ΔY)；
其中所述至少一次水平平移导致线性复合平移系列；以及
e)将函数拟合到所述线性复合平移系列，从而形成复合稀释度模型。
10.如权利要求9所述的方法，其中所述方法包括执行所述第二稀释度系列到所述第一稀释度系列的水平平移(ΔX)。
11.如权利要求9所述的方法，其中所述方法包括所述第一稀释度系列到任意参考值的水平平移(ΔX)和所述第二稀释度系列到任意参考值的水平平移(ΔY)，其中所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第一稀释度系列或所述第二稀释度系列中未发现。
12.一种用于生成复合稀释度模型的方法，所述方法包括：
a)测定包含分析物的第一生物样品的第一稀释度系列中的所述分析物的水平，其中所述第一稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
b)测定包含所述分析物的第二生物样品的第二稀释度系列中的所述分析物的水平，其中所述第二稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
c)执行至少一次水平平移，其中所述至少一次水平平移选自：
(i)所述第二稀释度系列到所述第一稀释度系列的水平平移(ΔX)；以及
(ii)所述第一稀释度系列到任意参考值的水平平移(ΔX)和所述第二稀释度系列到任意参考值的水平平移(ΔY)，其中所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第一稀释度系列或所述第二稀释度系列中未发现；
其中所述至少一次水平平移导致线性复合平移系列；以及
d)将函数拟合到所述线性复合平移系列，从而形成复合稀释度模型。
13.如权利要求12所述的方法，其中所述方法包括执行所述第二稀释度系列到所述第一稀释度系列的水平平移(ΔX)。
14.如权利要求12所述的方法，其中所述方法包括所述第一稀释度系列到任意参考值的水平平移(ΔX)和所述第二稀释度系列到任意参考值的水平平移(ΔY)，其中所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第一稀释度系列或所述第二稀释度系列中未发现。
15.一种用于生成复合稀释度模型的方法，所述方法包括：
a)测定包含分析物的第一生物样品的第一稀释度系列中的所述分析物的水平，其中所述第一稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
b)测定包含所述分析物的第二生物样品的第二稀释度系列中的所述分析物的水平，其中所述第二稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
c)基于所述第一稀释度系列的所述分析物的水平生成第一模型，并且基于所述第二稀释度系列的所述分析物的水平生成第二模型；
d)选择参考值，其中所述参考值选自：
(i)第一模型参考值，所述第一模型参考值是所述第一模型的特定稀释度下的分析物水平；以及
(ii)任意参考值，所述任意参考值是特定稀释度下的分析物水平，其中所述特定稀释度下的所述分析物水平在所述第一模型或所述第二模型中未发现；
d)执行至少一次水平平移，其中所述至少一次水平平移选自：
(i)所述第一模型到所述第二模型的水平平移(ΔX)；以及
(ii)所述第一模型到所述任意参考值的水平平移(ΔX)和所述第二模型到所述任意参考值的水平平移(ΔY)；并且
其中所述水平平移导致线性复合平移系列；以及
e)将函数拟合到所述线性复合平移系列，从而形成复合稀释度模型。
16.如权利要求15所述的方法，其中所述方法包括执行所述第一模型到所述第二模型的水平平移(ΔX)。
17.如权利要求15所述的方法，其中所述方法包括所述第一模型到所述任意参考值的水平平移(ΔX)和所述第二模型到所述任意参考值的水平平移(ΔY)。
18.一种用于生成复合稀释度模型的方法，所述方法包括：
a)测定包含分析物的第一生物样品的第一稀释度系列中的所述分析物的水平，其中所述第一稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
b)测定包含所述分析物的第二生物样品的第二稀释度系列中的所述分析物的水平，其中所述第二稀释度系列包含至少三(3)种不同的稀释度，并且测定所述至少三种不同的稀释度的每一者中的所述分析物的水平；
c)基于所述第一稀释度系列的所述分析物的水平生成第一模型，并且基于所述第二稀释度系列的所述分析物的水平生成第二模型；
d)执行至少一次水平平移，其中所述至少一次水平平移选自：
(i)所述第一模型到所述第二模型的水平平移(ΔX)；以及
(ii)所述第一模型到任意参考值的水平平移(ΔX)和所述第二模型到任意参考值的水平平移(ΔY)，其中所述特定稀释度下的所述分析物水平在所述第一模型或所述第二模型中未发现；并且
其中所述水平平移导致线性复合平移系列；以及
e)将函数拟合到所述线性复合平移系列，从而形成复合稀释度模型。
19.如权利要求18所述的方法，其中所述方法包括执行所述第一模型到所述第二模型的水平平移(ΔX)。
20.如权利要求18所述的方法，其中所述方法包括所述第一模型到任意参考值的水平平移(ΔX)和所述第二模型到任意参考值的水平平移(ΔY)。
21.如前述权利要求中任一项所述的方法，其中测定所述第一稀释度系列中的至少4种、5种、6种、7种、8种、9种、10种、11种、12种、13种、14种、15种或16种不同稀释度的每一者中的所述分析物的水平。
22.如前述权利要求中任一项所述的方法，其中测定至少8种不同稀释度的每一者中的所述分析物的水平。
23.如前述权利要求中任一项所述的方法，其中测定所述第二稀释度系列中的至少4种、5种、6种、7种、8种、9种、10种、11种、12种、13种、14种、15种或16种不同稀释度的每一者中的所述分析物的水平。
24.如前述权利要求中任一项所述的方法，其中测定所述第二稀释度系列中的至少8种不同稀释度的每一者中的所述分析物的水平。
25.如前述权利要求中任一项所述的方法，其中每个模型独立地选自线性回归模型、LOESS曲线拟合模型、非线性回归模型、样条拟合模型、混合效应回归模型、固定效应回归模型、广义线性模型、矩阵分解模型和四参数逻辑回归(4PL)模型。
26.如前述权利要求中任一项所述的方法，其中所述分析物的水平是所述分析物的相对量或所述分析物的浓度。
27.如前述权利要求中任一项所述的方法，其中所选择的参考值在所述稀释度系列或模型的线性范围内。
28.如权利要求21所述的方法，其中所选择的参考值是所述线性范围的中心点。
29.如前述权利要求中任一项所述的方法，其中所述第一生物样品和所述第二生物样品包括尿液或来源于尿液。
30.如前述权利要求中任一项所述的方法，其中所述第一生物样品和所述第二生物样品是从同一个受试者收集的。
31.如前述权利要求中任一项所述的方法，其中所述第一生物样品和所述第二生物样品是从不同的受试者收集的。
32.如权利要求31所述的方法，其中所述第一生物样品是在第一时间点收集的，并且所述第二生物样品是在第二时间点收集的。
33.如权利要求32所述的方法，其中所述第一时间点和所述第二时间点相差至少约0.5小时、1小时、2小时、3小时、4小时、5小时、6小时、7小时、8小时、9小时、10小时、11小时、12小时、13小时、14小时、15小时、16小时、17小时、18小时、19小时、20小时、21小时、22小时、23小时、24小时、36小时、48小时、60小时或72小时。
34.如前述权利要求中任一项所述的方法，其中所述分析物的水平是通过使用适体、抗体、质谱分光光度计或它们的组合的测定法来测量的。
35.如前述权利要求中任一项所述的方法，其中所述第一稀释度系列和所述第二稀释度系列中的每一者的稀释因子是恒定稀释因子。
36.如前述权利要求中任一项任一项所述的方法，其中所述第一稀释度系列和所述第二稀释度系列中的每一者的所述稀释因子为至少两倍、三倍、四倍、五倍、六倍、七倍、八倍、九倍、十倍稀释。
37.如权利要求1至35中任一项所述的方法，其中所述第一稀释度系列和所述第二稀释度系列中的每一者的所述稀释因子是指数稀释因子或对数稀释因子。
38.如前述权利要求中任一项所述的方法，其中所述第一生物样品和所述第二生物样品是相同类型的生物样品。
39.如权利要求1至35中任一项所述的方法，其中所述第一稀释度系列和所述第二稀释度系列各自为以至少1:2的滴定因子进行的至少5点连续滴定。
40.如前述权利要求中任一项所述的方法，其中所述方法还包括将来自生物测试样品的至少一种分析物的水平水平平移到所述至少一种分析物的所述复合稀释度模型，从而确定所述生物测试样品的相对稀释度。
41.如权利要求40所述的方法，其中所述生物测试样品以及用于形成所述复合稀释度模型的所述第一生物样品和所述第二生物样品是相同的样品类型。
42.如权利要求40或权利要求41所述的方法，其中所述生物测试样品以及用于形成所述复合稀释度模型的所述第一生物样品和所述第二生物样品是尿液样品或来源于尿液样品。
43.一种用于确定来自受试者的生物测试样品的相对稀释度的方法，所述方法包括将来自生物测试样品的至少一种分析物的水平水平平移到针对所述至少一种分析物开发的复合稀释度模型，从而确定来自所述受试者的所述生物测试样品的所述相对稀释度。
44.如权利要求40至43中任一项所述的方法，所述方法包括将来自所述生物测试样品的至少2种、至少3种、至少4种、至少5种、至少6种、至少7种、至少8种、至少9种、至少10种、至少11种、至少12种、至少13种、至少14种、至少15种、至少16种、至少17种、至少18种、至少19种、至少20种、至少21种、至少22种、至少23种、至少24种、至少25种、至少26种、至少27种、至少28种、至少29种、至少30种、至少50种、至少75种、至少100种、至少150种或至少200种不同分析物的水平水平平移到针对所述不同分析物中的每一者开发的相应复合稀释度模型，以确定所述生物测试样品对所述不同分析物中的每一者的所述相对稀释度，以及使用对所述不同分析物中的每一者的所述相对稀释度来确定所述生物测试样品的所述相对稀释度。
45.如权利要求44所述的方法，其中所述生物测试样品的所述相对稀释度来源于所述不同分析物中的每一者的所述相对稀释度的集中趋势。
46.如权利要求44或权利要求45所述的方法，其中所述生物测试样品的所述相对稀释度来源于所述不同分析物中的每一者的所述相对稀释度的中值、均值或众数。
47.如权利要求43至46中任一项所述的方法，其中所述复合稀释度模型是使用如权利要求1至42中任一项所述的方法开发的。
48.如权利要求43至48中任一项所述的方法，其中所述生物测试样品和用于开发所述复合稀释度模型的所述样品是相同的样品类型。
49.如权利要求41所述的方法，其中所述生物测试样品和用于开发所述复合稀释度模型的所述样品是尿液样品或来源于尿液样品。
50.如权利要求40至49中任一项所述的方法，所述方法还包括用导出的相对稀释因子来计算所述生物测试样品的所述相对稀释度。
51.如前述权利要求中任一项所述的方法，其中每种分析物是靶蛋白。
52.一种计算机系统，所述计算机系统包括：
存储指令的非暂态存储器；以及
一个或多个硬件处理器，所述一个或多个硬件处理器耦接到所述非暂态存储器并且被配置为从所述非暂态存储器读取所述指令，以使得所述计算机系统执行操作，所述操作包括：
接收来自多个不同的生物样品的分析物测量数据；
分析所述分析物测量数据中的针对多种所选择的分析物中的每一者的相应分析物测量结果；以及
基于所述分析为所选择的分析物中的每一者生成复合稀释度模型。
53.如权利要求52所述的计算机系统，其中所述分析包括：
针对每种所选择的分析物，确定具有最大线性稀释度范围的所述生物样品。
54.如权利要求53所述的计算机系统，其中所述分析还包括：
针对每种所选择的分析物，基于相应的所选择的分析物的所确定的最大线性范围来生成参考稀释度模型。
55.如权利要求54所述的计算机系统，其中所述分析还包括：
针对每种所选择的分析物，基于为相应的所选择的分析物生成的所述参考稀释度模型来平移与相应的所选择的分析物相关联的所述分析物测量数据。
56.如权利要求52至55中任一项所述的计算机系统，其中所述生物样品是尿液样品。
57.如权利要求52至56中任一项所述的计算机系统，其中所述分析物测量数据包括相对荧光单位(RFU)测量结果。
58.一种非暂态计算机可读介质，所述非暂态计算机可读介质包括计算机可读指令，所述计算机可读指令在由处理装置执行时使得所述处理装置执行操作，所述操作包括：
接收来自多个不同的生物样品的分析物测量数据；
分析所述分析物测量数据中的针对多种所选择的分析物中的每一者的相应分析物测量结果；以及
基于所述分析为所选择的分析物中的每一者生成复合稀释度模型。
59.一种用于生成生物材料的复合稀释度模型的计算机实现的方法，所述方法包括：
由一个或多个处理装置接收来自多个不同的生物样品的分析物测量数据；
由所述处理装置中的一个或多个处理装置分析所述分析物测量数据中的针对多种所选择的分析物中的每一者的相应分析物测量结果；以及
由所述处理装置中的一个或多个处理装置基于所述分析为所选择的分析物中的每一者生成复合稀释度模型。
60.一种计算机系统，所述计算机系统包括：
存储指令的非暂态存储器；以及
一个或多个硬件处理器，所述一个或多个硬件处理器耦接到所述非暂态存储器并且被配置为从所述非暂态存储器读取所述指令，以使得所述计算机系统执行操作，所述操作包括：
接收生物样品中的分析物的分析物测量数据；
选择多种所述分析物来确定所述生物样品的预测相对稀释度；
接收为所选择的分析物中的相应每一者生成的复合稀释度模型；
针对所选择的分析物中的每一者，基于为相应的所选择的分析物生成的对应复合稀释度模型，确定预测相对稀释度值；以及
基于所选择的分析物的所确定的预测相对稀释度值来确定所述生物样品的所述预测相对稀释度。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962849212P | 2019-05-17 | 2019-05-17 | |
| US62/849,212 | 2019-05-17 | ||
| PCT/US2020/033033 WO2020236544A1 (en) | 2019-05-17 | 2020-05-15 | Controlling intersample analyte variability in complex biological matrices |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113826170A true CN113826170A (zh) | 2021-12-21 |
Family
ID=71016636
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080035371.7A Pending CN113826170A (zh) | 2019-05-17 | 2020-05-15 | 控制复杂生物基质中的样品间分析物可变性 |
Country Status (11)
| Country | Link |
|---|---|
| US (1) | US20220260585A1 (zh) |
| EP (1) | EP3969900A1 (zh) |
| JP (1) | JP2022532212A (zh) |
| KR (1) | KR20220009948A (zh) |
| CN (1) | CN113826170A (zh) |
| AU (1) | AU2020278570A1 (zh) |
| BR (1) | BR112021022532A8 (zh) |
| CA (1) | CA3140053A1 (zh) |
| IL (1) | IL288014A (zh) |
| SG (1) | SG11202111365QA (zh) |
| WO (1) | WO2020236544A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117497037A (zh) * | 2023-11-17 | 2024-02-02 | 上海倍谙基生物科技有限公司 | 一种基于广义线性模型的培养基组分敏感性分析方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB202116626D0 (en) * | 2021-11-18 | 2022-01-05 | Fluidic Analytics Ltd | Improvements in or relating to a method of analysing a component in a sample |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003091736A2 (en) * | 2002-04-23 | 2003-11-06 | Home Access Health Corporation | Quantitative analysis of a biological sample of unknown quantity |
| US20070043518A1 (en) * | 2005-04-19 | 2007-02-22 | Nicholson Jeremy K | Method for the identification of molecules and biomarkers using chemical, biochemical and biological data |
| CN101802225A (zh) * | 2007-07-17 | 2010-08-11 | 私募蛋白质体公司 | 检测样品的多元分析 |
| CN102159947A (zh) * | 2008-08-21 | 2011-08-17 | 生物辐射实验室股份有限公司 | 用于确定分析物比的校准表面方法 |
| CN106029961A (zh) * | 2014-02-18 | 2016-10-12 | 私募蛋白质体公司 | 用于检测微生物的组合物和方法 |
| CN106290160A (zh) * | 2011-01-21 | 2017-01-04 | 提拉诺斯公司 | 样品使用最大化的系统和方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR970002255B1 (ko) | 1990-06-11 | 1997-02-26 | 넥스스타 파아마슈티컬드, 인크. | 핵산 리간드 |
| US5719273A (en) | 1993-06-14 | 1998-02-17 | Nexstar Pharmaceuticals, Inc. | Palladium catalyzed nucleoside modifications methods using nucleophiles and carbon monoxide |
| US5945527A (en) | 1996-05-30 | 1999-08-31 | Nexstar Pharmaceuticals, Inc. | Palladium catalyzed nucleoside modification methods using nucleophiles and carbon monoxide |
| US6242246B1 (en) | 1997-12-15 | 2001-06-05 | Somalogic, Inc. | Nucleic acid ligand diagnostic Biochip |
| US7947447B2 (en) | 2007-01-16 | 2011-05-24 | Somalogic, Inc. | Method for generating aptamers with improved off-rates |
| US7855054B2 (en) | 2007-01-16 | 2010-12-21 | Somalogic, Inc. | Multiplexed analyses of test samples |
| EP3345915B1 (en) | 2010-04-12 | 2021-11-24 | Somalogic, Inc. | 5-position modified pyrimidines and their use |
-
2020
- 2020-05-15 SG SG11202111365QA patent/SG11202111365QA/en unknown
- 2020-05-15 JP JP2021567993A patent/JP2022532212A/ja active Pending
- 2020-05-15 BR BR112021022532A patent/BR112021022532A8/pt unknown
- 2020-05-15 CN CN202080035371.7A patent/CN113826170A/zh active Pending
- 2020-05-15 EP EP20731272.9A patent/EP3969900A1/en active Pending
- 2020-05-15 WO PCT/US2020/033033 patent/WO2020236544A1/en active Application Filing
- 2020-05-15 CA CA3140053A patent/CA3140053A1/en active Pending
- 2020-05-15 US US17/610,927 patent/US20220260585A1/en active Pending
- 2020-05-15 AU AU2020278570A patent/AU2020278570A1/en active Pending
- 2020-05-15 KR KR1020217036763A patent/KR20220009948A/ko unknown
-
2021
- 2021-11-11 IL IL288014A patent/IL288014A/en unknown
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003091736A2 (en) * | 2002-04-23 | 2003-11-06 | Home Access Health Corporation | Quantitative analysis of a biological sample of unknown quantity |
| US20070043518A1 (en) * | 2005-04-19 | 2007-02-22 | Nicholson Jeremy K | Method for the identification of molecules and biomarkers using chemical, biochemical and biological data |
| CN101802225A (zh) * | 2007-07-17 | 2010-08-11 | 私募蛋白质体公司 | 检测样品的多元分析 |
| CN102159947A (zh) * | 2008-08-21 | 2011-08-17 | 生物辐射实验室股份有限公司 | 用于确定分析物比的校准表面方法 |
| CN106290160A (zh) * | 2011-01-21 | 2017-01-04 | 提拉诺斯公司 | 样品使用最大化的系统和方法 |
| CN106029961A (zh) * | 2014-02-18 | 2016-10-12 | 私募蛋白质体公司 | 用于检测微生物的组合物和方法 |
Non-Patent Citations (2)
| Title |
|---|
| JORGE QUIROZ ET AL.: "Statistical analysis of data from dilution assays with censored correlated counts", PHARMACEUT. STATIST, no. 11, 25 January 2012 (2012-01-25), pages 63 - 73 * |
| 崔凤灵等: "快速测定生物样品中蛋白含量的同步荧光法研究", 分析试验室, vol. 28, no. 12, 31 December 2009 (2009-12-31), pages 9 - 13 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117497037A (zh) * | 2023-11-17 | 2024-02-02 | 上海倍谙基生物科技有限公司 | 一种基于广义线性模型的培养基组分敏感性分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2022532212A (ja) | 2022-07-13 |
| US20220260585A1 (en) | 2022-08-18 |
| AU2020278570A1 (en) | 2022-01-06 |
| IL288014A (en) | 2022-01-01 |
| CA3140053A1 (en) | 2020-11-26 |
| BR112021022532A2 (zh) | 2021-12-28 |
| BR112021022532A8 (pt) | 2022-10-11 |
| EP3969900A1 (en) | 2022-03-23 |
| SG11202111365QA (en) | 2021-11-29 |
| KR20220009948A (ko) | 2022-01-25 |
| WO2020236544A1 (en) | 2020-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11041866B2 (en) | Pancreatic cancer biomarkers and uses thereof | |
| AU2015249113B2 (en) | Lung cancer biomarkers and uses thereof | |
| EP3296747B1 (en) | Nonalcoholic fatty liver disease (nafld) and nonalcoholic steatohepatitis (nash) biomarkers and uses thereof | |
| WO2011031344A1 (en) | Cancer biomarkers and uses thereof | |
| EP3414575A1 (en) | Nonalcoholic fatty liver disease (nafld) and nonalcoholic steatohepatitis (nash) biomarkers and uses thereof | |
| WO2015164616A1 (en) | Biomarkers for detection of tuberculosis | |
| US20220260585A1 (en) | Controlling Intersample Analyte Variability in Complex Biological Matrices | |
| US20210140977A1 (en) | A three-protein proteomic biomarker for prospective determination of risk for development of active tuberculosis | |
| WO2016123058A1 (en) | Biomarkers for detection of tuberculosis risk | |
| WO2015153860A1 (en) | Glomerular filtration rate biomarkers and uses thereof | |
| US20180356419A1 (en) | Biomarkers for detection of tuberculosis risk | |
| US20230071234A1 (en) | Nonalcoholic Steatohepatitis (NASH) Biomarkers and Uses Thereof | |
| US20220349904A1 (en) | Cardiovascular Risk Event Prediction and Uses Thereof | |
| WO2024064322A2 (en) | Methods of assessing tobacco use status | |
| WO2022266031A2 (en) | Renal insufficiency prediction and uses thereof | |
| JP2024525146A (ja) | 腎不全の予測及びその使用 | |
| CA3233138A1 (en) | Lung cancer prediction and uses thereof | |
| WO2023278502A1 (en) | Renal health determination and uses thereof | |
| WO2024015486A1 (en) | Methods for sample quality assessment | |
| WO2023211771A1 (en) | Methods for sample quality assessment | |
| AU2021205932A1 (en) | Methods of determining impaired glucose tolerance |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Colorado, USA Applicant after: Private placement protein body Operation Co.,Ltd. Address before: Colorado, USA Applicant before: SOMALOGIC, Inc. |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40061957 Country of ref document: HK |