DE60015074T2

DE60015074T2 - Verfahren und vorrichtung zur beobachtung der therapieeffektivität

Info

Publication number: DE60015074T2
Application number: DE60015074T
Authority: DE
Inventors: Sandeep Gulati
Original assignee: Vialogy Corp
Current assignee: Vialogy LLC
Priority date: 1999-02-22
Filing date: 2000-02-17
Publication date: 2005-11-17
Anticipated expiration: 2020-02-18
Also published as: EP1145177B1; US7047136B2; EP1145177A2; DE60015074D1; WO2000051055A2; EP1406199A2; EP1406199A3; ATE280414T1; US20040072232A1; US6704662B2; US6245511B1; US20030044775A1; WO2000051055A3; AU3494000A

Description

GEBIET DER ERFINDUNG
Die Erfindung betrifft allgemein Verfahren zum Überwachen der Wirksamkeit medizinischer Therapien und Dosierungsangaben und insbesondere Verfahren zum Überwachen der Wirksamkeit von Therapien unter Verwendung von Virusbelastungsmessungen.
HINTERGRUND DER ERFINDUNG
Es ist oft wünschenswert, die Wirksamkeit von Therapien zu bestimmen, wie z. B. denjenigen, die gegen Virusinfektionen gerichtet sind, einschließlich von Therapien, die einzelne Medikamente, Kombinationen von Medikamenten umfassen, und weitere damit in Beziehung stehende Therapien. Ein herkömmliches Verfahren zum Überwachen der Wirksamkeit einer Virusinfektionstherapie besteht darin, die der Virusinfektion zugeordnete Virusbelastung zu messen und zu verfolgen, wobei die Virusbelastung eine Messung einer Anzahl Kopien des Virus in einer vorgegebenen Blutmenge, wie z. B. pro Milliliter Blut, ist. Die Therapie wird als wirksam betrachtet, wenn die Virusbelastung als Folge der Therapie reduziert wird. Eine Feststellung, ob eine spezielle Therapie wirksam ist, ist beim Festlegen der geeigneten Therapie für einen speziellen Patienten und ebenso zur Bestimmung hilfreich, ob eine spezielle Therapie für eine gesamte Klasse von Patienten wirksam ist. Das Letztere ist typischerweise notwendig, um eine FDA-Genehmigung (FDA = Federal Drug Administration) eines neuen Medikaments oder medizinischer Therapievorrichtung zu erhalten. Eine Überwachung der Virusbelastung ist auch für Forschungszwecke nützlich, wie z. B. zur Beurteilung der Wirksamkeit neuer Antivirusverbindungen, um beispielsweise zu ermitteln, ob es nützlich ist, die Entwicklung spezieller Antivirusverbindungen fortzusetzen oder zu versuchen, eine FDA-Marktzulassung zu erreichen.
Ein Test, Virusbelastung zu ermitteln, kann mit von T-Zellen oder von anderen herkömmlichen Quellen entnommenem Blut durchgeführt werden. Die Virusbelastung wird typischerweise entweder als absolute Zahl, d. h. die Anzahl Viruspartikel pro Milliliter Blut, oder auf einer logarithmischen Skala angegeben. Ebenso werden Abnahmen einer Virusbelastung in absoluten Zahlen, logarithmischen Skalen oder Prozentanteilen angegeben.
Es sollte jedoch beachtet werden, dass eine Virusbelastung lediglich einen Teil des Gesamtvirus im Körper des Patienten erfasst, d. h. sie verfolgt lediglich die Menge des zirkulierenden Virus. Die Virusbelastung ist jedoch ein wichtiges klinisches Kennzeichen, da die Menge des zirkulierenden Virus der bedeutsamste Faktor beim Ermitteln der Krankheitsfolge ist, weil Änderungen der Virusbelastung vor Änderungen anderer detektierter Faktoren, wie z. B. CD4-Niveaus, auftreten. Tatsächlich ist eine Messung der Virusbelastung schnell das akzep table Verfahren geworden, um den klinischen Verlauf bestimmter Krankheiten, wie z. B. HIV, vorherzusagen.
Soweit HIV betroffen ist, haben HIV-Verlaufsstudien eine bedeutsame Korrelation zwischen dem Risiko, AIDS zu bekommen, und einem anfänglichen HIV-Basisvirusbelastungsniveau gezeigt. Zusätzlich zu einer Vorhersage des Risikos einer Krankheitsweiterentwicklung ist eine Virusbelastungsuntersuchung beim Vorhersagen des Übertragungsrisikos nützlich. In dieser Hinsicht neigen infizierte Personen mit höherer Virusbelastung eher dazu, den Virus zu übertragen, als andere.
Derzeit gibt es verschiedene unterschiedliche Systeme zum Überwachen der Virusbelastung einschließlich einer quantitativen Polymerasekettenreaktion (PCR; polymerase chain reaction) und Nukleinsäurehybridisierung. Der Begriff Virusbelastung betrifft hier jede virologische Messung unter Verwendung von RNA, DNA oder p24-Antigen in Plasma. Es ist zu beachten, dass Virus-RNA ein sensitiveres Kennzeichen als ein p24-Antigen ist. Es hat sich gezeigt, dass ein p24-Antigen bei weniger als 50% asymptomatischer Personen detektierbar ist. Außerdem steigen und fallen Niveaus einer Virus-RNA schneller als Niveaus von CD4+-Lymphozyten. Daher können Infektionsänderungen unter Verwendung von auf Virus-RNA basierenden Virusbelastungsstudien schneller als unter Verwendung von CD4-Studien detektiert werden. Außerdem hat es sich bis heute erwiesen, dass Virusbelastungswerte eine frühere und bessere Vorhersagegröße des Ergebnisses von Langzeitpatienten als CD4-Zellzählungen sind. Daher sind Virusbelastungsbestimmungen schnell eine wichtige Entscheidungshilfe für die Antiretrovirustherapie und das Diseasemanagement geworden. Virusbelastungsstudien haben jedoch die CD+-Analyse noch nicht vollständig ersetzt, teilweise weil eine Virusbelastung lediglich die Entwicklung des Virus während der Infektion überwacht, wohingegen eine CD4+-Analyse das Immunsystem unmittelbar überwacht. Nichtsdestotrotz können Virusbelastungsmessungen von den CD4-Zählungen bereitgestellten Informationen ergänzen, auch dort wo eine CD4+-Analyse wirksam ist. Beispielsweise kann eine sich einer Langzeitbehandlung unterziehende Person basierend auf der Beobachtung klinischer Parameter und CD4-Zählungen stabil erscheinen. Jedoch kann die Virusbelastung des Patienten nichtsdestotrotz ansteigen. Daher kann eine Messung der Virusbelastung einen Arzt möglicherweise bei der Entscheidung unterstützten, ob trotz des auf CD4-Zählungen basierenden Anscheins einer Langzeitstabilität die Therapie zu ändern ist.
Daher sind Virusbelastungsmessungen sehr nützlich. Es bleibt jedoch beträchtlicher Raum für Verbesserung. Ein Problem bei derzeitigen Virusbelastungsmessungen besteht darin, dass das Grenzniveau zur Detektion, d. h, der Detektionsnadir, etwa 400 – 500 Kopien pro Milliliter beträgt. Daher ist derzeit der Virus nicht detektierbar, wenn die Virusbelastung unter 400 – 500 Kopien pro Milliliter liegt. Der Virus kann nichtsdestotrotz im Körper verbleiben. Tatsächlich können beträchtliche Mengen des Virus im Lymphsystem verbleiben. Dementsprechend wäre es wünschenswert, ein verbessertes Verfahren zur Messung der Virusbelastung bereitzustellen, das es ermöglicht, Virusbelastungsniveaus von weniger als 400 – 500 Kopien pro Milliliter zuverlässig zu detektieren.
Ein anderes Problem bei derzeitigen Virusbelastungsmessungsverfahren besteht darin, dass die Verfahren typischerweise nur wirksam sind, exponentiale Änderungen von Virusbelastungen zu detektieren. Mit anderen Worten, derzeitige Verfahren detektieren Verhältnisse nur zuverlässig, bei denen die Virusbelastung um eine Größenordnung, wie z. B. nur einen Faktor von 10, ansteigt oder abfällt. In anderen Fällen detektieren Virusbelastungsmessungen nur einen Unterschied zwischen nicht detektierbaren Niveaus des Virus und detektierbaren Niveaus des Virus. Wie zu erkennen, wäre es in hohem Maße wünschenswert, ein verbessertes Verfahren zum Verfolgen von Änderungen einer Virusbelastung bereitzustellen, das zur Detektion keine exponentiale Änderung der Virusbelastung erfordert oder das keine Änderung von einem nicht detektierbaren Niveau zu einem detektierbaren Niveau erfordert. Tatsächlich führt eine exponentiale oder sub-exponentiale Änderung der Virusbelastung bei derzeitigen Verfahren nur zu einer linearen Änderung der Parameter, die verwendet werden, um die Virusbelastung zu messen. Es wäre stattdessen in hohem Maße wünschenswert, ein Verfahren zum Überwachen der Virusbelastung bereitzustellen, das eine lineare Änderung der Virusbelastung in eine exponentiale Änderung innerhalb der gemessenen Parameter umwandelt, um dadurch zu ermöglichen, sehr schwache Änderungen einer Virusbelastung zuverlässig zu detektieren. Mit anderen Worten, derzeitige Virusbelastungsdetektionsverfahren sind vielmehr als qualitative Schätzgröße als als quantitative Schätzgröße brauchbar.
Eine Ursache dafür, dass derzeitige Virusbelastungsmessungen kleinstufige Schwankungen der tatsächlichen Virusanzahl nicht zuverlässig aufspüren, besteht darin, dass oftmals eine merkliche Unschärfe bei den Messungen auftritt. Folglich haben Virusbelastungsmessungen eine geringe statistische Signifikanz, und es muss eine relativ große Anzahl Messungen durchgeführt werden, bevor statistisch signifikante Schlussfolgerungen gezogen werden können. Wie zu erkennen, wäre es wünschenswert, ein Virusbelastungsdetektionsverfahren bereitzustellen, das die Virusbelastung zuverlässig messen kann, so dass der einer einzelnen Virusbelastungsmessung zugeordnete statistische Fehler relativ gering ist, um es zu ermöglichen, einzelne Virusbelastungsmessungen effektiver auszuwerten.
Weil einzelne Virusbelastungsmessungen bei Verwendung derzeitiger Verfahren nicht besonders signifikant sind, müssen außerdem auf den Virusbelastungsmessungen basierende Behandlungsentscheidungen für einzelne Patienten nur auf Langzeitänderungen oder Trends der Virusbelastung basieren, was zu einer Verzögerung bei einer Entscheidung, die Therapie zu ändern, führt. Es wäre in hohem Maße wünschenswert, ein verbessertes Verfahren zum Messen und Verfolgen einer Virusbelastung bereitzustellen, so dass Behandlungsentscheidungen basierend auf kurzfristigen Trends gemessener Virusbelastungen viel schneller getroffen werden können.
Wie oben angemerkt, liegt der derzeitige Nadir der Virusbelastungsdetektierbarkeit bei 400 – 500 Kopien des Virus pro Milliliter. Alles unterhalb dieses Niveaus wird als nicht detektierbar erachtet. Derzeit sind die erfolgreichsten und stärksten Therapien mit mehreren Medikamenten in der Lage, eine Virusbelastung bei etwa 80 – 90% der Patienten unter dieses Detektionsniveau zu drücken. Danach ist die Virusbelastung nicht länger ein wirksamer Indikator für eine Therapie. Indem ein Virusbelastungsüberwachungsverfahren bereitgestellt wird, das den Nadir der Detektierbarkeit bedeutsam verkleinert, kann die relative Wirksamkeit unterschiedlicher Therapien mit mehreren Medikamenten wirksamer verglichen werden. Tatsächlich fordern neue FDA-Richtlinien zur beschleunigten Zulassung eines eine Therapie enthaltenen Medikaments, dass die Therapie die Virusbelastung unter den derzeitigen Detektionsnadir in etwa 80 – 85% der Fälle drückt. Wenn die neue Therapie die Virusbelastung auf nicht detektierbare Niveaus in weniger als 80 – 85% der Fälle drückt, erreicht das neue Medikament nur dann eine beschleunigte Zulassung, wenn es andere ausgleichende Qualitäten aufweist, wie z. B. eine vorzuziehende Dosierungstherapie (wie z. B. nur einmal oder zweimal pro Tag), ein günstiges Nebenwirkungsprofil oder ein günstiges Resistenz- oder Kreuzresistenzprofil. Daher ist die Fähigkeit einer Therapie, die die Virusbelastung unter das Detektionsniveau zu drücken, ein wichtiger Faktor bei einer FDA-Zulassung. Weil das Niveau der Detektierbarkeit jedoch relativ hoch bleibt, wird derzeit eine vollständige Zulassung von der FDA lediglich basierend auf der Fähigkeit der Therapie, die Virusbelastung unter das minimale Detektionsniveau zu drücken, nicht gewährt. Vielmehr kann die FDA für eine vollständige Zulassung eine weitere Demonstration der Dauerhaftigkeit der Therapie fordern, d. h. eine Demonstration, dass die Medikamententherapie die Virusbelastung unter das Detektierbarkeitsniveau drückt und es unter dem Detektierbarkeitsniveau für eine gewisse Zeitdauer hält.
Wenn ein neues Verfahren zur Messung und Verfolgung von Virusbelastungen entwickelt wäre, das eine Virusbelastung auf viel niedrigeren Niveaus als der derzeitige Detektierbarkeitsnadir zuverlässig detektieren könnte, kann die FDA, wie ersichtlich, unter Verwendung des neuen Verfahrens in der Lage sein, viel genauer die Wirksamkeit einer Medikamententherapie zum Zweck der Erteilung einer Zulassung ermitteln, so dass die Demonstration der ausgleichenden Qualitäten nicht länger erforderlich sein wird.
Aus all diesen Gründen wäre es in hohem Maße wünschenswert, ein verbessertes Verfahren zum Messen und Verfolgen einer Virusbelastung bereitzustellen, das in der Lage ist, viel genauere und zuverlässigere Abschätzungen der Virusbelastung bereitzustellen, und das insbesondere in der Lage ist, den Detektierbarkeitsnadir bedeutsam zu reduzieren. Die vorliegende Erfindung ist auf diesen Zweck gerichtet.
ZUSAMMENFASSUNG DER ERFINDUNG
Erfindungsgemäß ist ein Verfahren gemäß Anspruch 1 bereitgestellt, um die Wirksamkeit einer Therapie zu ermitteln, wie z. B. eine Antivirustherapie, indem aus zu unterschiedlichen Probeentnahmezeitpunkten von einem der Therapie unterzogenen Patienten entnommenen biologischen Proben erzeugte Mikroarrayausgabemuster analysiert werden. Gemäß dem Verfahren wird eine einer im Interesse stehenden Therapie zugeordnete Virusdiffusionskurve erzeugt und jedes der Hybridisierungsaktivität angebenden Ausgabemuster wird dann auf Koordinaten auf der Virusdiffusionskurve unter Verwendung fraktaler Filterung abgebildet. Ein Konvergenzgrad zwischen den abgebildeten Koordinaten auf der Virusdiffusionskurve wird ermittelt. Dann wird basierend auf dem Konvergenzgrad eine Ermittlung durchgeführt, ob die im Interesse stehende Therapie wirksam war.
Bei einer beispielhaften Ausführungsform wird die Virusdiffusionskurve räumlich parametrisiert, so dass Proben Koordinaten nahe dem Kurvenmaximum entsprechen, wenn die Virusbelastung ansteigt (d. h. Therapie oder Dosierung ist nicht effektiv). Auf diese Weise wird jede Korrelation zwischen Konvergenzrate und -maß über unterschiedliche Patientenproben ausgewertet, um für eine quantitative und qualitative Abschätzung der Therapiewirksamkeit zu sorgen.
Die biologische Probe ist auch bei der beispielhaften Ausführungsform eine DNA-Probe. Das Ausgabemuster des Mikroarrays wird als Punktspektrogramm quantisiert. Die Virusdiffusionskurve wird erzeugt, indem Parameter, die Virusbelastungsstudien für die im Interesse stehende Therapie angeben, eingegeben, basierend auf den Virusbelastungsstudien eine vorläufige Virusdiffusionskurve erzeugt und dann ein richtungsabhängiger Kausalitätsgrad in der vorläufigen Virusdiffusionskurve kalibriert werden, um die Virusdiffusionskurve zu erhalten. Die die Virusbelastungsstudien angebenden Parameter weisen einen oder mehrere von Basisvirusbelastungs-(BVL)-Sollwertmessungen, bei denen Detektion erreicht wird, einer BVL, bei der Therapie empfohlen wird, und Virusbelastungsmarkern, bei denen eine Dosistherapie empfohlen wird, auf. Der Schritt, die vorläufige Virusdiffusionskurve zu erzeugen, wird durchgeführt, indem eine die Virusdiffusionskurve repräsentierende, kanonische Gleichung ausgewählt, Erwartungs- und mittlere Antwortparameter zur Verwendung beim Parametrisie ren der zur Angabe der Virusdiffusionskurve ausgewählten Gleichung ermittelt und die zur Angabe der Virusdiffusionskurve ausgewählte Gleichung parametrisiert werden, um die vorläufige Virusdiffusionskurve zu erhalten.
Bei der beispielhaften Ausführungsform wird jedes Punktspektrogramm auch unter Verwendung einer fraktalen Filterung auf die Virusdiffusionskurve abgebildet, indem ein das Punktspektrogramm angebendes, partitioniertes iteriertes Fraktalsystem-IFS-Modell erzeugt, affine Parameter für das IFS-Modell ermittelt und dann das Punktspektrogramm unter Verwendung des IFS auf die Virusdiffusionskurve abgebildet werden. Bevor das Punktspektrogramm auf die Virusdiffusionskurve abgebildet wird, werden die Punktspuktrogramme interferometrisch verstärkt. Nach dem Abbilden ist jede Unschärfe in den abgebildeten Koordinaten unter Verwendung nicht linearerer Informationsfilterung kompensiert.
Es ist auch eine Vorrichtungsausführungsform gemäß Anspruch 16 bereitgestellt. Indem Aspekte der Erfindung ausgenutzt werden, können Krankheitsmanagemententscheidungen, die die Krankheitsentwicklung, Therapie und Dosierungswirksamkeit betreffen, durchgeführt werden, indem die Koordinaten auf der Virusdiffusionskurve verfolgt werden, wenn aufeinander folgende DNA-/RNA-basierte Mikroarrayproben entnommen und analysiert werden.
KURZBESCHREIBUNG DER ZEICHNUNGEN
Die Merkmale, Aufgaben und Vorteile der vorliegenden Erfindung werden aus der unten fortgesetzten detaillierten Beschreibung in Verbindung mit den Zeichnungen ersichtlicher, in denen gleiche Referenzzeichen durchgehend entsprechend identifizieren und in denen:
1 ein Flussdiagramm ist, das ein beispielhaftes Verfahren zum Ermitteln der Wirksamkeit einer Virustherapie gemäß der Erfindung veranschaulicht.
2 ein Flussdiagramm ist, das ein beispielhaftes Verfahren zum Erzeugen von Virusdiffusionskurven zur Verwendung bei dem Verfahren von 1 veranschaulicht.
3 ein Flussdiagramm ist, das ein beispielhaftes Verfahren zum Abbilden von Punktspektrogrammen auf Virusdiffusionskurven unter Verwendung fraktaler Filterung zur Verwendung bei dem Verfahren von 1 veranschaulicht.
4 ein Blockdiagramm ist, das die Auswirkung der fraktalen Filterung von 3 veranschaulicht.
5 ein Flussdiagramm ist, das ein beispielhaftes Verfahren zum Kompensieren von Unschärfe unter Verwendung nicht linearer Informationsfilterung zur Verwendung bei dem Verfahren von 1 veranschaulicht.
DETAILLIERTE BESCHREIBUNG BEISPIELHAFTER AUSFÜHRUNGSFORMEN
Unter Bezugnahme auf die Figuren werden nun beispielhafte Verfahrensausführungsformen der Erfindung beschrieben. Das beispielhafte Verfahren wird in erster Linie hinsichtlich der Ermittlung von Änderungen bei Virusbelastungen basierend auf den Ausgabemustern eines hybridisierten Biochipmikroarrays unter Verwendung von DNA-Proben beschrieben, aber Prinzipien der Erfindung können auf andere proteinbasierte Proben oder auf andere Typen von Ausgabemustern ebenso angewendet werden.
Bezugnehmend auf 1 werden Schritte zum Erzeugen von Virusdiffusionskurven zur Verwendung beim Verarbeiten von DNA-Biomikroarrayausgabemustern beschrieben, um die Wirksamkeit von Therapien zu ermitteln, die auf einen Patienten angewendet werden, der Proben bereitstellt, für die die Ausgaben erzeugt werden. Dann werden Schritte zum Verarbeiten der speziellen Ausgabemuster unter Verwendung der VDCs beschrieben.
Eine zugrunde liegende klinische Hypothese des beispielhaften Verfahrens besteht darin, dass eine Antivirusbehandlung eine Virusreplikation verhindern und die Virusbelastung einer Person ausgehend von einer Basislinie absenken oder ansteigende Werte unterdrücken sollte. Eine gleichbleibende oder ansteigende Virusbelastung nach Einführung einer Antivirustherapie gibt ein Fehlen einer Antwort auf das (die) Medikamente) oder die Entwicklung einer Medikamentenresistenz an. Die VDC verwertet die zugrunde liegende Hypothese teilweise, indem die Rate einer Krankheitsweiterentwicklung mit einem Probenpunktwert korreliert wird, so dass eine Änderung des Probenpunkts eine Weiterentwicklung angibt.
Das Verfahren
Bei Schritt 100 werden Parameter, die Virusbelastungsstudien für die im Interesse stehende Therapie angeben, eingegeben. Bei Schritt 102 wird basierend auf den Virusbelastungsstudien eine vorläufige Virusdiffusionskurve erzeugt. Die die Virusbelastungsstudien angebenden Parameter umfassen Basisvirusbelastungs-(BVL)-Sollwertmessungen, bei denen Detektion erreicht wird, eine BVL, bei der Therapie empfohlen wird, und Virusbelastungsmarker, bei denen eine Dosistherapie empfohlen wird. Bei Schritt 104 wird ein richtungsabhängiger Kausalitätsgrad in der vorläufigen Virusdiffusionskurve kalibriert, um die endgültige Virusdiffusionskurve zu erhalten.
Die Schritte 100 – 104 werden offline durchgeführt, um die VDCs aufzustellen. Diese Schritte müssen für eine vorgegebene Therapie und eine vorgegebene Gruppe von Basisvirusbelastungsmessungen nur einmal durchgeführt werden. Danach kann jede Anzahl von DNA-Mikroarrayausgabemustern unter Verwendung der VDCs verarbeitet werden, um die Wirksamkeit der Therapie zu ermitteln. Vorzugsweise werden VDCs für eine gesamte Gruppe von Therapien, die von Interesse sein können, erzeugt, so dass für jedes neue DNA-Biomikroarrayausgabemuster die Wirksamkeit eine der Therapien unter Verwendung der Gruppe von VDCs schnell bestimmt werden kann. Im Allgemeinen müssen die zuvor genannten Schritte lediglich einmal wiederholt werden, um die VDCs basierend auf neuen und anderen Basisvirusbelastungsstudien zu aktualisieren, oder falls neue im Interesse stehende Therapien berücksichtigt werden sollen.
Im Folgenden werden Schritte zum Verarbeiten von DNA-Biomikroarrayausgabemustern unter Verwendung der VDCs, um zu ermitteln, ob einige von den VDCs angegebene, im Interesse stehende Therapien wirksam sind, zusammengefasst. Um die Wirksamkeit einer Therapie zu ermitteln, werden wenigsten zwei, zu analysierende DNA-Proben einem Patienten entnommen, vorzugsweise in einigem zeitlichen Abstand, und Biomikroarraymuster werden daraus erzeugt. In anderen Fällen werden die unterschiedlichen Proben jedoch von unterschiedlichen Patienten entnommen.
Die Ausgabemuster für das DNA-Biomikroarray werden hier als Punktspektrogramme bezeichnet. Ein Punktspektrogramm wird unter Verwendung eines DNA-Biomikroarrays für jede Probe von einem N×M-DNA-Biomikroarray erzeugt. Ein Element des Arrays ist ein "oxel": o(i,j). Ein Element des Punktspektrogramms ist ein Hixel: h(i,j). Das Punktspektrogramm wird durch ϕ(i,j) für i: 1 bis N und j: 1 bis M angegebene Zellamplituden repräsentiert.
Punktspektrogramme werden aus zu unterschiedlichen Zeitpunkten entnommenen Proben unter Verwendung eines vorgefertigten DNA-Biomikroarrays bei Schritt 106 erzeugt. Bei Schritt 108 werden die Punktspektrogramme interferometrisch verstärkt. Jedes Punktspektrogramm wird dann unter Verwendung fraktaler Filterung bei Schritt 110 auf Koordination der Virusdiffusionskurven abgebildet. Nach dem Abbilden ist bei Schritt 112 jede Unschärfe in den abgebildeten Koordinaten unter Verwendung nicht linearer Informationsfilterung kompensiert.
VDC-Koordinaten werden bei Schritt 114 initialisiert, bei Schritt 116 dann gemäß gefilterten Punktspektrogrammen aktualisiert. Ein Konvergenzgrad zwischen den abgebildeten Koordinaten auf den Diffusionskurven wird dann bei Schritt 118 bestimmt, und es wird ermittelt, ob die im Interesse stehende Therapie wirksam war. Die Ermittlung basiert darauf, ob der Konvergenzgrad von einer DNA-Probe zu einer Anderen ansteigt. Ein Anstieg des Konvergenzgrads gibt ein Fehlen der Wirksamkeit der im Interesse stehenden Therapie an. Wenn der Konvergenzgrad fällt, geht die Ausführung daher zu Schritt 120 weiter, wo ein Signal ausgegeben wird, das angibt, dass die Therapie wirksam ist. Wenn der Konvergenzgrad ansteigt, geht die Ausführung zu Schritt 122 weiter, wo eine zeitliche Skalierungsanpassung der VDCs durchgeführt wird. Dann wird bei Schritt 124 ermittelt, ob ein Wirksamkeitszeitmaßstab überschritten wurde. Falls überschritten, wird eine Schlussfolgerung dahingehend gezogen, dass die Wirksamkeit der Virustherapie nicht festgestellt werden kann, auch wenn mehr Proben analysiert werden. Falls nicht überschritten, geht die Ausführung zu Schritt 106 zurück, wo eine weitere, von dem gleichen Patienten zu einem späteren Zeitpunkt entnommene Probe analysiert wird, indem die Schritte 106 bis 118 wiederholt werden.
Virusbelastungsstudien
Virusbelastungsstudien für im Interesse stehende Therapien werden bei Schritt 100 wie folgt parametrisiert. Die im Interesse stehende Therapie wird von einer vorbestimmten Liste von Therapien ausgewählt, für die Virusbelastungsstudien durchgeführt wurden. Messungen der Virusbelastungsstudien werden für die im Interesse stehende Therapie eingegeben. Wie angemerkt, umfassen die Virusbelastungsmessungen eine oder mehrere von Basisvirusbelastungs-(BVL)-Sollwertmessungen, bei denen Detektion erreicht wird, einer BVL, bei der Therapie empfohlen wird, und VL Markern, bei denen eine Dosistherapie empfohlen wird.
Daten für die Virusbelastungsmessungen werden beispielsweise aus Medikamenteneignungsstudien erhalten, die wenigstens Dosierungen, Virusgrenzwerte sowie Zeitzyklen umfassen, innerhalb derer ein Antivirusmedikament als wirksam erachtet wird. Die Daten werden typischerweise mit statistischen Alters/Gewichtsausreißern und der Patientengeschichte qualifiziert. Eine für diesen Anspruch relevante Eigenschaft ist das γ_l oder BVL_LOW, das dem niedrigsten Detektionsgrenzwert entspricht, der für eine Therapie unter Verwendung herkömmlicher Prüfungen oder anderer diagnostischer Mittel als wirksam nachgewiesen wurde. BVL_NP-LOW bezeichnet den niedrigsten Grenzwert, bei dem unter Verwendung einer Nukleotidsonde eine Virusbelastung erreicht wird. Unter Verwendung eines interferometrischen Verstärkungsverfahrens ist BVL_NP-LOW << BVL_LOW.
Erzeugung von Virusdiffusionskurven
Die Virusdiffusionskurven werden bezugnehmend auf 2 wie folgt erzeugt. Bei Schritt 200 wird eine Gleichung ausgewählt, um die VDC anzugeben. Erwartungs-(μ) und mittlere Ant wortparameter werden bei Schritt 202 zur Verwendung beim Parametrisieren der ausgewählten Gleichung ermittelt. Danach wird die zum Angeben der VDC ausgewählte Gleichung bei Schritt 204 parametrisiert, um eine numerische Wiedergabe der VDC zu erhalten. Diese Schritte werden nun detaillierter beschrieben.
Diese Schritte besetzen eine als VDC(i, Γ, γ, ĸ) bezeichnete, kanonische Maschinenrepräsentation (die ein spezieller Fall einer Fokker-Planck-Gleichung ist), um Antworten eines virusbelastungsdetektions-DNA-arraybasierten Hybridisierungsbiomikroarrays zu kalibrieren.

i ist der Index für einen diagnostischen Zustand/Therapie von Interesse,
Γ bezeichnet den die VDC charakterisierenden Parametervektor,
λ bezeichnet den klinischen Endpunktvektor, der für eine spezielle DNA-Hybridisierungsarrayimplementierung Detektierbarkeitsgrenzwerte angibt, und
ĸ entspricht den Unschärfeintervallabschätzungen.

Ein Beispiel einer zur Angabe der VDC ausgewählten Gleichung ist:
Das Potential (x):
→ [0,∞) ist eine glatte Funktion, β > 0 ist eine ausgewählte Konstante und ρ⁰ (x) ist eine Wahrscheinlichkeitsdichte auf
Vorzugsweise sind das Diffusionspotential der Gleichung und die BVL-Daten derart, dass:
Die Konstante c ist im Allgemeinen festgelegt auf
Es ist schwierig, das Bindungsvermögen für eine Biomikroarrayvorrichtungstechnologie analytisch zu quantifizieren. Daher wird vorzugsweise zur Verwendung in der obigen Gleichung eine Abschätzung des Bindungsvermögens verwendet. Ein Bindungsvermögen von 30% (0,3) ist geeignet, auch wenn alternativ andere Werte verwendet werden können. Abhängig von dem speziellen, verwendeten Biomikroarray, bewegt sich die Konstante c typischerweise zwischen 0,0001 und 0,5.
Erwartungs- und mittlere Antwortparameter
Die Erwartungs-(μ) und mittleren Antwortparameter werden dann bei Schritt 202 zur Verwendung beim Parametrisieren der zum Angeben der VDC ausgewählten Gleichung ermittelt. Die Erwartungs- und mittleren Antwortparameter werden bestimmt durch: 1) Durchführen einer herkömmlichen PCR-Verstärkung; 2) Erhalten kalibrierter Viruszählungen aus der PCR-Verstärkung; 3) Ermitteln von den kalibrierten Viruszählungen entsprechenden, verstärkten und normalisierten Hybridisierungsamplitudenmittel- und -varianzwerten; und 4) Abgleichen der verstärkten und normalisierten Hybridisierungsamplitudenmittel- und -varianzwerte.
Zwei synthetische Verstärkungsverfahren (zusätzlich zu PCR und einer maßgeschneiderten Kennzeichnung) werden verwendet, um eine VL-Abschätzung oberhalb des für die beispielhafte Ausführungsform des Verfahrens festgelegte BVL-Grenzwerts zu erreichen, nämlich (a) Ausgabepräkonditionierung und (b) nicht lineare interferometrische Verstärkung. Außerdem impliziert die Erwartungsabgleichbedingung dass:
Ein Varianzabgleich wird hinsichtlich der Biomikroarrayausgabe in vergleichbarer Weise durchgeführt. Die untere Grenze eines mittleren Antwortwerts kann angegeben werden durch:
Unter Verwendung des obigen Ausdrucks wird für jede im Interesse stehende Nukleotidexpression eine konservative untere Grenze für eine interferometrische Verstärkung abgeschätzt. Da vorausgesetzt wird, dass die Arrayherstellungsvorrichtung (i) eine identische Olionukleotiddichte pro Oxel und (ii) gleich lange Olionukleotide aufweist, kann die gleiche mittlere Antwortamplitude angenommen werden. Wenn diese zwei Annahmen nicht erfüllt sind, müssen die Grenzen unter Verwendung der obigen Formel individuell berechnet und gemit telt werden. Eine andere Annahme besteht darin, dass das Bindungsvermögen statistisch unabhängig von der tatsächlichen Olionukleotidsequenz ist. Wenn diese Annahme für die spezielle Vorrichtungstechnologie nicht Stand hält, sollte das Bindungsvermögen auch für jede im Interesse stehende Expressionssequenz bereitgestellt werden. So verwendet das rechnerische Analyseverfahren die analytisch erhaltenen, unteren Grenzwerte wie unter Verwendung der obigen Gleichung berechnet. Dies stellt lediglich eine einmalige Berechnung dar und wird offline zum Planungszeitpunkt durchgeführt.
Parametrisierung der VDC
Die zum Angeben der VDC ausgewählten Gleichung wird dann bei Schritt 204 unter Verwendung der Erwartungs- und mittleren Antwortwerte parametrisiert, um eine numerische Wiedergabe der VDC zu erhalten, wobei verwendet wird y(x) = β0 + β1x + β2x2 , die Randbedingungen unterworfen ist
mit Konstanten α, β, γ und ε << 1.
Die Brauchbarkeit dieser Parametrisierung wird wie folgt festgestellt. Die kanonische Wiedergabe der VDC basiert auf einem Variationsansatz der Fokker-Planck(-Gleichung). Die Fokker-Planck-(FP)-Gleichung oder Vorwärts-Kolmogorov-Gleichung beschreibt die Entwicklung der Wahrscheinlichkeitsdichte für einen einer Ito-Wahrscheinlichkeitsdifferential-gleichung zugeordneten, statistischen Prozess. Das beispielhafte Verfahren wertet die VDC aus, um ein physikalisches zeitabhängiges Phänomen zu modellieren, bei dem Wahrscheinlichkeit eine wesentliche Rolle spielt. Die hier verwendete spezielle Variante ist Eine, bei der der Abweichungsterm durch den Gradienten eines Potentials angegeben ist. Für eine große Klasse von Potentialen (die der statistischen Variabilität einer Therapieantwort entspricht) wird eine zeitdiskrete, iterative Variationsgleichung konstruiert, deren Lösungen sich der Lösung der Fokker-Planck-Gleichung nähern. Der Zeitschritt wird von der Wasserstein-Metrik auf der Grundlage von Wahrscheinlichkeitsfaktoren geregelt. Bei dieser Formulierung kann die Dynamik als Gradientenfluss oder als stärkster Abfall der freien Energie hinsichtlich der Wasser- die Dynamik als Gradientenfluss oder als stärkster Abfall der freien Energie hinsichtlich der Wasserstein-Metrik betrachtet werden. Diese Parametrisierung entstammt der Theorie stochastischer Differenzialgleichungen, wo eine (normalisierte) Lösung einer vorgegebenen Fokker-Planck-Gleichung die Wahrscheinlichkeitsdichte für die Position (oder Geschwindigkeit) eines Partikels angibt, dessen Bewegung durch eine entsprechende Ito-Wahrscheinlichkeitsdifferentialgleichung (oder Langevin-Gleichung) beschrieben ist. Der Driftkoeffizient ist ein Gradient. Das Verfahren wertet "Entwurfsvoraussetzungen" für die Drift- und Diffusionskoeffizienten aus, so dass die stationäre Lösung einer Fokker-Planck-Gleichung ein Variationsprinzip erfüllt. Es minimiert eine bestimmte konvexe Funktion der freien Energie über eine geeignete zulässige Klasse von Wahrscheinlichkeitsdichten.
Eine physikalische Analogie ist ein optimales Steuerproblem, das die Erwärmung einer Sonde in einem Ofen betrifft. Das Ziel ist es, den Erwärmungsprozess so zu steuern, dass die Temperatur innerhalb der Sonde einem bestimmten gewünschten Temperaturprofil folgt. Die biomolekulare Analogie besteht darin, eine bestimmte Eigenschaft in der parametrisierten VDC zu suchen, nämlich einen exponentialen Sprung in der VDC-Koordinatenposition für "kleine lineare Änderungen der Viruszählung".
Dieses Verfahren steht im Gegensatz zu herkömmlichen Kalibrierstrategien, die eine lineare oder superlineare Verschiebung bei Quantisierungsparametern für eine exponentiale Verschiebung in der tatsächlichen Viruszählung erzielen.
Wie angemerkt, ist die Form der gewählten FP-Gleichung:
wobei das Potential (x):
→ [0, ∞) eine glatte Funktion ist, β > 0 eine ausgewählte Konstante ist und ρ⁰(x) eine Wahrscheinlichkeitsdichte auf
ist. Die Lösung ρ(t,x) ist eine Wahrscheinlichkeitsdichte auf
für nahezu jeden festgelegten Zeitpunkt t. So ist die Verteilung ρ(t,x) ≥ 0 für nahezu jedes (t,x) ∊ (0,∞)X
, und
Es wird billigerweise angenommen, dass die Hybridisierungsarrayvorrichtungsphysik für das DNA-Biomikroarray (d. h. die dem Potential ψ entspricht) näherungsweise eine lineare Antwort auf die Nukleotidkonzentration aufweist und die Antwort monoton mit größenbeschränktem Drift ist. So
wobei der Teiler Z gegeben ist durch
Bei diesem Modell besteht die Grundlage für den physikalischen Vorrichtungsaufbau darin, dass das Potential so zu modulieren ist, dass es schnell genug ansteigt, damit Z endlich ist. Dies wird durch herkömmliche Verfahren nicht erreicht. Ein Verfahren, das dieses Ergebnis erreicht, ist jedoch in der gleichzeitig anhängigen U.S.-Patentanmeldung xx/xxx,xxx beschrieben, die gleichzeitig hiermit eingereicht wurde, den Titel "Method and Apparatus for Analyzing Hybridized DNA Micorarray Patterns Using Resonant Interactions Employing Quantum Expressor Functions" trägt, welche durch Bezugnahme hierin aufgenommen ist.
Das Wahrscheinlichkeitsmaß ρ_s(x)dx ist das eindeutige invariante Maß für das Markov-Zufallsfeld (MRF; engl.: Markov Random Field), das an die empirischen Virusbelastungsdaten angepasst ist.
Das Verfahren nutzt einen speziellen dynamischen Effekt, um ρ zu entwerfen. Das Verfahren schränkt die obige FP-Gleichungsform auf einen eingeschränkteren Fall ein: eine sich zwischen kritischen Gleichgewichtspunkten entwickelnde Irrfahrt.
Um das Verständnis dieses Aspekts der Erfindung zu fördern, betrachte man die Diffusionsgleichung
wobei D² = πα² und α konstant ist.
Eine spezielle VDC-Form wird parametrisiert durch: y(x) = β0 + β1x + β2x2 die Randbedingungen
unterworfen ist, mit Konstanten α, β, γ und ε << 1.
Diese Konstante werden basierend auf dem für die Virusbelastung erwarteten Dynamikbereich festgelegt. Wenn erwartet wird, dass die Virusbelastung lediglich innerhalb eines Faktors von 10 variiert, werden die Konstanten entsprechend festgelegt. Wenn erwartet wird, dass die Virusbelastung innerhalb eines größeren Bereichs variiert, werden andere Konstanten verwendet. Die tatsächlichen Werte der Konstanten hängen auch von der speziellen Krankheit ab. Es werden folgende Bedingungen erfüllt:
Die Erwartungs- und mittleren Antwortparameter zur Verwendung in diesen Gleichungen werden, wie oben beschrieben, aus einer Anpassung des verstärkten und normalisierten Hybridisierungsamplitudenmittelwerts und -varianz erhalten, die kalibrierten Viruszählungen (über klassische PCR-Verstärkung) entsprechen.
Eine von den obigen Gleichungen angegebene Verteilung erfüllt dann die folgende Formel mit einer vorgeschriebenen Wahrscheinlichkeitsverteilung:
Annahme:
und
so dass
und die Verteilungssteuerungsgleichung ist
so dass y(–1)<X<y(1).
Der charakteristische Zeitmaßstab einer Antwort für dieses System ist gegeben durch
Die aufeinanderfolgenden Punkte müssen eine Bewegung mit einem charakteristischen Zeitmaßstab zeigen. Die VDC ist so ausgelegt, dass die Abtastdauer gut in die charakteristische Zeitdauer fällt.
Wie angemerkt sind die tatsächlichen, zum obigen Besetzen der Parameter verwendeten Informationen aus Folgenden verfügbar: Basisvirusbelastungs-(BVL)-Sollwertmessungen, bei denen Detektion erreicht wird; BVL, bei der eine Therapie empfohlen wird; und VL-Marker, bei denen eine Dosisänderung empfohlen wird.
Das Folgende stellt ein Beispiel vorklinischer Daten bereit, die verfügbar sind, um beim Parametrisieren der VDC beizutragen.
Theoretisches Virusbelastungsmanagementbeispiel
Dies ist ein theoretisches Beispiel, um zu veranschaulichen, wie Daten klinischer Studien verwendet werden können, um die VDC zu kalibrieren.
Herkömmliche Untersuchungen verwendende Virusbelastungsanalysestudien bei einer Weiterentwicklung von HIV haben gezeigt, dass weder Geschlecht, Alter, HCV-Nebeninfektion, vergangener Verlauf einer symptomatischen HIV-1-Infektion, Länge einer HIV-1-Infektion noch Risikogruppen mit einem höheren Risiko verbunden sind, eine Basisvirusbelastung (BVL) auf den virologischen Endpunkt zu erhöhen. Patienten mit einer hohen BVL zwischen 400 – 6000 Kopien haben jedoch ein zehnfach höheres Risiko, das Niveau der Virusbelastung zu erhöhen, als Patienten mit einer BVL unter 1500 Kopien/ml. Daher stellen Basisvirusbelastungssollwertmessungen einen wichtigen Indikator für den Ausbruch einer Krankheit bereit.
Im Allgemeinen wird der Beginn einer antiretroviralen Therapie empfohlen, wenn die CD4+-T-Zellenzählung < 600 Zellen/ml und das Virusbelastungsniveau > 6000 Kopien/ml betragen. Wenn die Virusbelastung > 28 000 Kopien/ml beträgt, wird ein Therapiebeginn unabhängig von anderen Labormarkern und dem klinischen Zustand empfohlen.
Eine wirksame antiretrovirale Behandlung kann durch Änderungen von Plasma-HIV-RNA-Niveaus erfasst werden. Der ideale Endpunkt für eine wirksame Antivirustherapie besteht darin, nicht detektierbare Virusniveaus (< 400 Kopien/ml) zu erreichen. Ein Abfall von HIV-RNA-Niveaus auf wenigstens 0,5 log deutet eine wirksame Behandlung an, wohingegen ein Zurückfallen auf Vorbehandlungswerte (± 0,5 log) ein Versagen der Medikamentenbehandlung andeutet.
Wenn HIV-RNA-Niveaus anfänglich abfallen, aber zu Vorbehandlungsniveaus zurückkehren, ist der Verlust der Wirksamkeit der Therapie dem Vorhandensein von medikamentenresisten HIV-Arten zugeordnet worden.
Die therapiespezifischen präklinischen Virusbelastungsmarker (wie z. B. die niedrigen und hohen Grenzwerte bei dem obigen Beispiel) werden verwendet, um tatsächlich BVL-Grenzen für die VDC zu ermitteln, die einer speziellen Therapie zugeordnet ist. In dieser Hinsicht ist die Bestimmung der BVL-Parameter krankheitsspezifisch. Beispielsweise werden bei HIV Verfahren, wie z. B. RT-PCR, bDNA oder NASBA, verwendet. Andere Krankheiten nutzen andere Analysen. Typischerweise werden nur zwei Virusbelastungsmarker benötigt, um die Parametrisierung der VDC vollständig abzuschließen, sobald die Parameter der VDC-Gleichung festgelegt wurden (d. h. Konstanten α, β, γ und ε). Dies steht im Gegensatz zu vorherigen Verfahren, wo teure und arbeitsaufwändige Verfahren erforderlich sind, um die Form einer Virusdiffusionskurve zu bestimmen. Die vorliegende Erfindung ist in den meisten Fällen bei Verwendung von lediglich zwei Virusbelastungsmarkern erfolgreich, indem die oben beschriebene kanonische VDC ausgewertet wird, die vordefinierte Eigenschaften aufweist und basierend auf dem speziellen, verwendeten Biochip vorbestimmt ist.
Kalibrierung von Virusdiffusionskurven
Erneut Bezug nehmend auf 1 wird bei Schritt 104 im Zusammenhang einer unten detaillierter diskutieren NIF die richtungsabhängige Kausalität der VDC kalibriert. Wenigstens drei zufällig ausgewählte Probenpunkte werden verwendet, um die NIF-Kalibrierberechnung auszuführen. Das resultierende Polynom wird verwendet, um qualitative Kohärenzeigenschaften des Systems herzuleiten.
Die spektrale [Θ] und zeitliche Kohärenz (ϑ) wird inkremental abgeschätzt und für jede im Interesse stehende Mutation/Olionukleotid durch eine NIF-Vorwärtsabschätzberechnung (unten weiter beschrieben) berechnet. Die zwei Abschätzungen werden normalisiert und gefaltet, um eine Kreuzkorrelationsfunktion über der Zeit zu erhalten. Der Formindex (d. h. Krümmung) der Minima wird als Maß für die richtungsabhängige Kausalität verwendet. Das fehlen einer Krümmungsdivergenz wird verwendet, um eine hohe richtungsabhängige Kausalität in dem System zu detektieren.
Probenentnahme
Proben werden bei Schritt 106 entnommen, der von einem Abstand hinsichtlich der Zeitpunkte von Probenentnahmen abhängt. Der Abstand für zwei Proben liegt vorzugsweise innerhalb einer Hälfte einer "mittleren Zeitdauer für die Medikamentenwirksamkeit", die ein 2σ-Populationsniveau abdeckt, wobei σ die Standardabweichung in einem Zeitraum angibt, bevor eine Wirksamkeit für ein spezielles Medikament angegeben ist. Das Folgende sind einige allgemeine Richtlinien zur Probenherstellung zur Verwendung bei dem beispielhaften Verfahren:

– Es ist wichtig, dass Analyseprobenanforderungen genau befolgt werden, um eine Verschlechterung viraler RNA zu vermeiden.
– Eine Basislinie sollte für jeden Patienten mit zwei, im Abstand von zwei bis vier Wochen entnommenen Proben aufgestellt werden.
– Patienten sollten periodisch überwacht werden, alle drei bis vier Monate oder häufiger, falls die Therapie geändert wird. Ein Virusbelastungsniveau, das auf der Basislinie bleibt, oder ein ansteigendes Niveau zeigt einen Bedarf für eine Therapieänderung an.
– Es sollte einem Virusbelastungsergebnis nicht zu viel Bedeutung zugemessen werden. Lediglich anhaltende Anstiege oder Abfälle von 0,001 – 0,01 log (herkömmliche Verfahren erfordern typischerweise eine Änderung um 0,3 – 0,5 log) oder mehr sollten als bedeutsam betrachtet werden. Eine biologische oder technische Variation von bis zu 0,01 log (typischer herkömmlicher Grenzwert: 0,3 log) ist möglich. Auch eine kürzlich erfolgte Immunisierung, günstige Infektionen und andere Bedingungen können transiente Anstiege von Virusbelastungsniveaus verursachen.
– Eine neue Basislinie sollte für jeden Patienten erstellt werden, wenn Laboratorien oder Verfahren geändert werden.

Empfehlungen zur Testfrequenz sind wie folgt:

- Erstelle Basislinie: 2 Messungen, im Abstand von 2 bis 4 Wochen
- Alle 3 bis 4 Wochen oder in Verbindung mit CD4⁺-Zellenzählungen
– 3 bis 4 Wochen nach Beginn oder Änderung einer anitretroviralen Therapie
– Kürzere Intervalle, wenn kritische Entscheidungen getroffen werden
- Messungen im Abstand von 2 – 3 Wochen, um eine Basislinienmessung zu bestimmen
– Wiederholung alle 3 – 6 Monate danach in Verbindung mit CD4-Zählungen, um die virale Belastung und T-Zellenzählung zu überwachen
– Vermeidung von Virusbelastungsmessungen für 3 – 4 Wochen nach einer Immunisierung oder innerhalb eines Monats einer Infektion
– Eine neue Basislinie sollte für jeden Patienten erstellt werden, wenn Laboratorien oder Verfahren geändert werden.

Die Proben werden auf ein vorgefertigtes DNA-Biomikroarray aufgetragen, um ein oder mehrere Punktspektrogramme zu erzeugen, die jeweils durch Θ(i, j) für i: 1 bis N und j: 1 bis M bezeichnet sind. Die erste Probe wird hier als die k=1-Probe bezeichnet, die zweite als die k=2-Probe usw.
Interferometrische Verstärkung des Punktspektrogramms
Jedes von dem DNA-Biomikroarray bereitgestellte Punktspektrogramm wird bei Schritt 108 gefiltert, um verstärkte Punktspektogramme Θ(ĸ) zu erhalten, entweder indem eine herkömmliche Nukleinanalyseverstärkung durchgeführt wird oder indem Präkonditionierungs- und Normalisierungsschritte angewendet werden, wie in der gleichzeitig anhängigen Patentanmeldung mit der Nummer 09/253,789 beschrieben, die den Titel "Method And Apparatus For Analyzing Hybridized Biochip Patterns Using Resonance Interactions Employing Quantum Expressor Functions" trägt. Die Anmeldung ist durch Bezugnahme hierin aufgenommen, insbesondere insoweit die Beschreibung der Verwendung von Präkonditionierungs- und Normalisierungskurven betroffen ist.
Fraktale Filterung
Jedes verstärkte Punktspektrogramm wird dann unter Verwendung fraktaler Filterung bei Schritt 110, wie in 3 gezeigt, auf die VDC abgebildet, indem ein partitioniertes iteriertes fraktales System 302 erzeugt, affine Parameter für das IFD 304 ermittelt und dann das verstärkte Punktspektrogramm unter Verwendung des IFS auf die VDC abgebildet wird, Schritt 306.
Die VDC- Angabe modelliert einen stochastischen Prozess, der gegeben ist durch
für alle
Ein beispielhaftes partitioniertes iteriertes frakatales System-(IFS)-Modell für das System ist W = {ϕi = (μi,Ti)}i = 1,2,...,m wobei die affinen Parameter für die IFS-Transformation gegeben sind durch

wobei der D-Ursprung durch (xⁱ _D, yⁱ _D) gegeben ist,
der R-Ursprung durch (xⁱ _R,yⁱ _R) gegeben ist,
die räumliche Transformationsmatrix durch σ_i gegeben ist
der Intensitätsneigungsvektor durch τ_i gegeben ist
die Kontrasteinstellung durch γ_i gegeben ist
die Helligkeitseinstellung durch β_i gegeben ist
und wobei Φ das verstärkte Punktspektrogramm angibt und wobei μ die berechneten Erwartungsanpassungswerte angibt.

Dieses IFS-Modell bildet das Punktspektrogramm auf einem Punkt auf der VDC ab, wobei jeder VDC-Koordinate durch VDC (t, Θ) bezeichnet ist, so dass W[Φ,k] → VDC(k,Θ),wobei k eine Probe angibt.
In der obigen Gleichung gibt Θ die Parameter der IFS-Abbildung an. Daher ist die Ausgabe von Schritt 110 eine Gruppe von als VDC(k, Θ) angegebenen VDC-Koordinaten mit einer Gruppe Koordinaten für jedes verstärkte Punktspektrogramm k = 1, 2 .... n.
Die Wirkung der Schritte von 3 ist in 4 veranschaulicht, die eine Gruppe Punktspektrogramme 450, 451 und 452 und eine VDC 454 zeigt. Wie veranschaulicht, ist jedes Punktspektrogramm auf einen Punkt auf der VDC abgebildet. Konvergenz in Richtung zu einem einzelnen Punkt auf der VDC deutet auf eine Unwirksamkeit der Virustherapie hin. Ein Konvergenztest ist unten beschrieben.
Unschärfekompensation
Unter Bezugnahme auf 5 wird jede Unschärfe in den Koordinaten VDC(k, Θ) unter Verwendung nicht linearer Informationsfilterung wie folgt kompensiert. Bei Schritt 402 werden Biomikroarraydiserpsionskoeffizienten, Hybridisierungsprozessvariabilitätswerte und empirische Varianz bestimmt. Die Biomikroarraydispersionskoeffizienten, Hybridisierungsporzessvariabilitätswerte und empirische Varianz werden dann bei Schritt 404 in Parameter zur Verwendendung beim NIF umgewandelt. Der NIF wird dann bei Schritt 406 auf bei Schritt 106 von 1 erzeugte VDC-Koordinaten angewendet.
Ein nicht linearer Informationsfilter (NIF) ist eine nichtlineare Variante des erweiterten Kalman-Filters. Ein nicht lineares System wird berücksichtigt. Durch Linearisieren der Zustands- und Beobachtungsgleichungen wird eine lineare Schätzgröße bereitgestellt, die die gesamten Zustandsschätzungen verfolgt. Die linerarisierten Parameter und Filtergleichungen werden im Informationsraum ausgedrückt. Dies ergibt einen Filter, der Informationen über nicht lineare Zustandsparameter unter der Voraussetzung nichtlinearer Beobachtungen und nicht linearer Systemdynamik vorhersagt und abschätzt.
Der Informationsfilter (IF) ist im Wesentlichen ein Kalman-Filter, der im Sinn von Maßen des Betrags des im Interesse stehenden Parameters angegeben ist, anstatt die Zustände selbst zu verfolgen, d. h. er verfolgt die inverse Kovarianzform des Kalman-Filters. Information ist hier im Fisher-Sinn (zu verstehen), d. h. ein Maß der Menge an Information über einen bei den Beobachtungen vorhandenen Parameter.
Unschärfebalken werden unter Verwendung eines NIF-Algorithmus abgeschätzt. Die Parameter hängen von Biomikroarraydispersionskoeffizienten, Hybriditionsprozessvariabilität und der in den Versuchsstudien angegebenen empirischen Varianz ab.
Ein spezieller Vorteil des Verfahrens der Erfindung besteht darin, dass es auch verwendet werden kann, um die Streuung von einer Person zu einer Person, von Therapie zu Therapie etc. zu erfassen. Es ist für das Verfahren äußerst nützlich und befähigend, dass es a priori analytisch auf einen vorab gewählten Wert eingestellt und verwendet werden kann, um die Qualität der Abbildung der Biomikroarrayausgabe auf VDC-Koordinaten zu steuern.
Die Biomikroarraydispersionskoeffizienten, Hybridisierungsprozessvariabilitätswerte und empirische Varianz werden wie folgt ermittelt. Palm-Erzeugungsfunktionen werden verwendet, um die stochastische Variabilität des Hybridisierungsvermögens zu erfassen. Dieses Verfahren beruht auf Ergebnissen der stochastischen Integralgeometrie- und geometrischen Wahrscheinlichkeitstheorie.
Geometrische Messungen sind konstruiert, die Amplitudenwanderungen abzuschätzen und zu begrenzen, um eine Detektion zu erleichtern. Insbesondere suchen wir nach einem Maß für jedes mutationserkennungsgrößenzentriertes (MCR-) Pixel, das gegenüber lokaler Verschlechterung invariant ist. Ein Maß, das durch mehrere Integrale der Form
ausgedrückt werden kann, wobei Z die Gruppe von interessierenden Mutationen bezeichnet. Mit anderen Worten, wir bestimmen die Funktion f(z) unter der Bedingung, dass m(z) hinsichtlich aller Dispersionen ξ invariant sein sollte. Daher ist dieses Maß bis zu einem bestimmten konstanten Faktor das Einzige, das unter einer Gruppe von Bewegungen in einer Ebene invariant ist. Im Prinzip erhalten wir deterministische analytische Transformationen jedes MCR-Hixels, die eine in
(der zweidimensionale Euklidische Raum – d. h. Oxel-Layout) definierte fehlerelliptische Dispersionsgrenze auf eine in
definierte Größe abbildet. Die Dispersionsgrenze ist gegeben durch
Eine derartige Angabe der Eindeutigkeit erleichtert die schnelle Dezimierung des Suchraums. Sie wird unter Verwendung eines Filters implementiert, der unter Verwendung von maßtheoretischen Argumenten aufgebaut ist. Die betrachtete Transformation hat ihre theoretische Basis in der Palm-Verteilungstheorie für Punktprozesse in euklidischen Räumen sowie eine neuen Behandlung des Problems einer probabilistischen Beschreibung einer von einem geometrischen Prozess erzeugten MRC-Hixeldispersion. Die Letztere wird auf eine Berechnung von Intensitäten von Punktprozessen reduziert. Man erinnere sich, dass ein Punktprozess in einem Punktraum E × F eine Sammlung von Zufallsdarstellungen dieses Raums wiedergegeben als
ist.
Die Palm-Verteilung Π eines invarianten, finiten Intensitätspunktstranslationsprozesses (T_n) in
ist definiert als die zufällige Verteilung des Prozesses. Ihre Bedeutung beruht in dem Umstand, dass sie eine vollständige probabilistische Beschreibung eines geometrischen Prozesses bereitstellt.
In allgemeiner Form kann die Palm-Verteilung in Form einer Lebesgue-Faktorisierung der Form EρN* = ΛLNXΠausgedrückt werden, wobei Π und Λ vollständig und eindeutig die Quellenverteilung Ρ des invarianten Punkttranslationsprozesses bestimmen. E_ΡN* bezeichnet auch das erste Momentenmaß des Punktprozesses und L_N ist ein Wahrscheinlichkeitsmaß.
Daher wird eine Bestimmung von Π und Λ benötigt, die die dem MRC-Hixel zugeordnete Dispersion und Amplitudenwanderung eindeutig kodiert. Dies wird erreicht, indem eine Gruppe von eine Palm-Verteilung beinhaltenden Gleichungen für jede Hybridisierung (d. h. im Interesse stehende Mutation) gelöst wird. Jede Hybridisierung wird als Manifestierung eines stochastischen Punktprozesses in
behandelt.
Um Π und Λ zu bestimmen, haben wir folgenden maßtheoretischen Filter implementiert:
Bestimmung von Λ
wobei eine Integralformel verwendet wird, die unter Verwendung der Randdichtefunktionen für die MRC-Hixel (i, j) zugeordnete Punktspreizung konstruiert wird.
Die Olionukleotiddichte pro Oxel ρ_m(i,j), das PCR-Verstärkungsprotokoll (σ_m), das Fluoreszenzbindungsvermögen (η_m) und die Bildgebungsleistung (ϖ_m) stellen die kontinuierliche Wahrscheinlichkeitsdichtefunktion für Amplitudenwanderungen in dem m-ten, im Interesse stehenden MRC-Hixel bereit. Diese Verteilung sei gegeben durch (ρ_m(i,j),σ_m,η_m,ϖ_m).
Das Verfahren erfordert, dass ein vorabeingestellter Bindungsdispersionsgrenzwert bereitgestellt ist, um Λ zu berechnen. Das zweite Moment der Funktion
(ρ_m(i,j),σ_m,η_m,ϖ_m)
bei der Bedingung SNR = 0 wird verwendet, um die Grenze bereitzustellen.
Bestimmung von Π
Erhalten durch Lösung des inversen Problems
Π = Θ*Ρ
wobei
wobei τ₁ und τ₂ die normalisierten Hybridisierungsdispersionsgrenzwerte angeben.
Die Zahlen werden empirisch eingesetzt. Die Werte von 0,1 und 0,7 sind geeignet, jeweils einen Verlust von 10% – 70% Hybridisierung anzugeben. Auch bezeichnet O die Verteilung eines bekannten Punktprozesses. Die Formel 1/(1 + exp(
(...))) wird hier verwendet, um Θ anzugeben.
Die Biomikroarraydispersionskoeffizienten, Hybridisierungsprozessvariabilitätswerte und empirische Varianz werden dann bei Schritt 304 in Parameter zur Verwendung bei NIF wie folgt umgewandelt.
Der NIF ist angegeben durch:
Vorhergesagter Zustand = f(aktueller Zustand, Beobachtungsmodell, Informationsunschärfe, Informationsmodell)
Detaillierte Gleichungen sind unten angegeben.
Im Zusammenhang mit Biomikroarrays ist NIF ein informationstheoretischer Filter, der Informationen über nicht lineare Zustandsparameter (Beobachtbarkeitsqualität) unter der Voraussetzung nicht linearer Beobachtungen (z. B. Posthybridisierungsbildgebung) und nicht linear Systemdynamik (räumlich-zeitliche Hybridisierungsverschlechterung) vorhersagt und abschätzt. Der NIF wird in Form von Größen der Menge an Information über die Beobachtbarkeit (d. h. im Interesse stehender Parameter) ausgedrückt, anstatt die Zustände selbst zu verfolgen. Er wurde als die inverse Kovarianz des Kalman-Filters definiert, wobei die Informationen im Fisher-Sinn (zu verstehen sind), d. h. ein Maß der Menge an Information über einen in den Beobachtungen Z^k vorhandenen Parameter, wobei die Fisher-Informationsmatrix die Kovarianz der Trefferfunktion ist.
Im klassischen Sinn können die Biomikroarrayausgabeproben durch die nicht lineare zeitdiskrete Zustandsübergangsfunktion der Form beschrieben werden:

wobei VDC(k – 1) der Zustand zum Zeitpunkt (k – 1) ist,
Φ(k – 1) der Eingabevektor ist (verkörpert durch Dosierung und/oder Therapie)
v(k) überlagerndes Rauschen ist, das Biomikroarraydispersion, wie von den obigen Palm- Erzeugungsfunktionen berechnet, entspricht
VDC(k) der Zustand zum Zeitpunkt k ist,
f(k,...,) die nicht lineare Zustandsübergangsfunktion ist, die einen vorherigen Zustand und eine aktuelle Eingabe auf den aktuellen Zustand abbildet. In diesem Fall ist es die fraktale Abbildung, die die VDC-Koordinate zum Zeitpunkt k bereitstellt.

Die Beobachtungen des Zustands des Systems werden gemäß einer nicht linearen Beobachtungsgleichung der Form z(k) = h(VDC(k)) + w(k)

durchgeführt, wobei z(k) die zum Zeitpunkt k durchgeführte Beobachtung ist,
VDC(k) der Zustand zum Zeitpunkt k ist,
w(k) überlagerndes Beobachtungsrauschens ist, und
h(...,k) das aktuelle nicht lineare Beobachtungsmodell ist, das einen aktuellen Zustand auf Beobachtungen abbildet, d. h. Sequenz-pro-Hybridisierung zum Zeitpunkt k durchgeführt wird,
v(k) und w(k) zeitlich nicht korreliert sind und einen Mittelwert von Null aufweisen. Dies trifft für das Biomikroarray zu, bei dem Protokollunsicherheiten, Bindungsdynamik und Hybridisierungsverschlechterung nicht miteinander in Beziehung stehen und additiv sind. Das Prozess- und Beobachtungsrauschen sind unkorreliert.

Die Dispersionskoeffizienten definieren zusammen das nicht lineare Beobachtungsmodell. Die nichtlineare Informationsvorhersagegleichung ist gegeben durch
Die nicht linearen Abschätzungsgleichungen sind gegeben durch
wobei
wobei
Bei diesem Verfahren trägt der NIF dazu bei, die Variabilität beim Abbilden der VDC-Koordinaten über Probe zu Probe zu binden, so dass die Dosierung und Therapiewirksamkeit genau verfolgt werden kann.
Der NIF wird dann bei Schritt 406 wie folgt auf das verstärkte, fraktal gefilterte Punktspektrogramm angewendet. Bei diesem Verfahren entsprechen verfolgte Zustände einem Posthybridisierungspunktspektrogramm. Die NIF-Berechnung spezifiziert wie oben beschrieben die Größenordnungsintervallabschätzung, die einem VDC-Punkt zugeordnet ist. Sie er läutert und bindet die Variabilität bei Virusbelastungsabschätzungen für den gleichen Patienten von Labor zu Labor.
Der NIF spezifiziert auch, wie genau jede VDC-Koordinate durch das Beobachtungsmodell und die analysierte Nukleotidgruppe angegeben ist.
Konvergenzüberprüfung
Erneut Bezug nehmend auf 1 werden bei Schritt 114 die VDC-Koordinaten renormalisiert, sobald jede Unschärfe kompensiert ist. Die renormalisierten VDC-Koordinaten sind patientenspezifisch und therapiespezifisch. Alternativ könnten die Koordinaten virus/nukleotidmarkerspezifisch sein. Die NIF-kompensierten VDC-Koordinaten werden auf den ersten diagnostischen Probenpunkt renormalisiert, der unter Verwendung des Biomikroarrays erhalten wird. Daher kann ein Patient auf jeden Punkt der VDC referenziert werden.
Dieser Renormalisierungsschritt gewährleistet, dass VDC-Eigenschaften ungeachtet von Informationsunschärfen, wie durch die NIF-Korrekturterme angegeben, erhalten werden. Dieser Ansatz rührt von dem "Renormalisierungs-Gruppen"-Ansatz her, der zur Behandlung von Problemen mit vielen Skalen verwendet wird. Im Allgemeinen besteht der Zweck einer Renormalisierung darin, eine Energieskalierung, Längenskalierung oder einen anderen Term zu beseitigen, der eine effektive Wechselwirkung mit willkürlichen Kopplungskonstanten hervorrufen könnte. Die Strategie besteht darin, das Problem schrittweise anzugehen, ein Schritt für jede Längenskalierung. Bei diesem Verfahren wird die Renormalisierungsmethodik abstrahiert und während einer A-Posteriori-Regularisierung angewendet, um Informationsunschärfe und Variationen von Probe zu Probe einzubinden.
Dies steht im Gegensatz zu aktuellen Virusbelastungsmessungskalibierverfahren, die entweder Proben mit dem gleichen Protokoll und gleichen Annahmen hinsichtlich der Unschärfe erzeugen oder einen konstanten Korrekturterm verwenden. Beide existierende Ansätze machen die Virusbelastungsausgabe asymmetrisch, so dass Messungen nur in einem eingeschränkten "Informations"- und "Beobachtbarkeits"-Zusammenhang tatsächlich genau sind. Dies erläutert die großen Ablesevariationen unterschiedlicher Laboratorien und Techniker für die gleiche Patientenprobe.
Insbesondere beziehen wir die dynamische NIF-Korrekturfunktion in den Gradienten der VDC an dem Probenpunkt in einer Weise normalisiert ein, dass der Korrekturterm verschwindet, wenn die Informationsunschärfe Null ist. Wie bei den obigen Schritten diskutiert, wird der NIF-Korrekturterm tatsächlich aus der Rauschstatistik der Mikroarrayprobe erhalten.
wobei
NIF(Y,I)_k den Gradienten einer nicht linearen Informationsvorhersagefunktion angibt. Bei einem perfekten Beobachtungsmodell verschwindet dieser Term.
Die VDC-Koordinaten werden, sobald sie initialisiert sind, dann bei Schritt 116 aktualisiert, wobei der IFS-Filter W[] auf die k+1te-Probe angewendet wird durch
Als nächstes wird bei Schritt 118 ein Richtungskonvergenztest durchgeführt, um zu ermitteln, ob die gewählte Therapie wirksam war. Wenn die Konvergenz nachweist, dass sich die Virusbelastung für den Patienten in einer Richtung bewegt, die eine geringere Virusbelastung angibt, dann wird die Therapie als wirksam betrachtet. Das System wird als in Richtung zu einer niedrigeren Virusbelastung konvergierend betrachtet, wenn und nur wenn:
Die obigen Verhältnisse müssen für wenigstens zwei Kombinationen von k und j monoton anhalten.
Auch gilt Datum [k] – Datum [j] < ĸ charakteristische Zeitdauer, t (in Tagen), wobei ĸ die Populationsvariabilität erfasst. Typischerweise gilt ĸ < 1,2.
Der VDC-Spitzenwert wird basierend auf der VDC ermittelt. Die Spitzenamplitude ist ein Artefakt der spezifischen Parametrisierung der zum Erhalt der VDC verwendeten Fokker-Planck-Gleichung. Sie wird nahezu immer unabhängig von der speziellen Probe erhalten.
In Verbindung mit Schritt 118 kann ein VDC-Verschiebungsfaktor Δ spezifiziert werden, bei dem eine Entscheidung hinsichtlich der Wirksamkeit der Dosierung und/oder eine Entscheidung hinsichtlich der Krankheitsentwicklung getroffen werden kann. Der VDC-Verschiebungsfaktor wird angewendet, um die zwischen zwei Messungen durchlaufende VDC-Krümmung abzuschätzen.
Wenn das System als in Richtung zu einer niedrigeren Virusbelastung konvergierend betrachtet wird, wird bei Schritt 120 ein Ausgabesignal erzeugt, das angibt, dass die im Interesse stehende Therapie wirksam ist. Falls dies nicht der Fall ist, geht die Ausführung zu Schritt 122 weiter, wobei eine VDC-Skalierungsanpassung durchgeführt wird. Eine diesem Verfahren zugrundeliegende Schlüsselannahme besteht darin, dass eine Bewegung längs der VDC dann und nur dann signifikant ist, wenn sich die Probenpunkte in Übereinstimmung mit einer konstanten Mehrfachen einer die VDC charakterisierenden, zeitlichen Skalierung befinden. Dies schließt keineswegs die den Datenpunkten zugeordnete pharmakologische Bedeutung aus. Eine vollständige pharmakologische Interpretation der Probenpunkte liegt aber außerhalb des Umfangs dieses Verfahrens. Es wird angenommen, dass der Prozess zyklostationär ist oder einen großen Zeitmaßstab aufweist und dass zwei oder mehrere Probenpunkte auf die VDC-Koordinaten abgebildet wurden. Die Koordinaten werden dann in eine Analytik eingebracht, um die empirische Zykluszeit (
) abzuschätzen. Dies wird wie in den folgenden Abschnitten beschrieben implementiert.
Die empirisch Zykluszeit (
) wird wiederum verwendet, um eine Entscheidungskonvergenz zu ermitteln.
Skalierungsanpassung
Wähle eine Erzwingungsmethodenfunktion der Form:
wobei k eine Konstante ist und m eine kleine ungerade ganze Zahl (m<7).
Der Phasenraum für dieses dynamische System ist gegeben durch:
wobei
und erf m(.) die Fehlerfunktion angibt.
K ist auf 1 festgelegt, wobei 0 < α, γ, ω < 1 Konstanten betreffen.
τ_emp bezeichne die Zykluszeitskalierung für dieses empirische System.
Wenn log (τ_emp/T) > 1 (in Schritt 10), dann behaupten wir, dass die Zeitskalierungen nicht passen.
Zeitskalierungsüberprüfung
Als nächstes wurde ermittelt, ob ein Wirksamkeitszeitmaßstab bei Schritt 124 überschritten wurde, durch:
Überprüfe, wenn ein Zeitschritt zwischen aufeinander folgenden Probenentnahmen T überschritten hat, in dem ermittelt wird, ob Time_k+1 – Time_k > T
so dass VDC (k+1, Θ) – VDC (k, Θ) < ϛ auf 0,0001 festgelegt wird und wobei
T gegeben ist durch
B(1/3, 1/3) gibt die Beta-Funktion um die Koordinaten (1/3, 1/3) an. Wir können tatsächlich alle B(1/2i+1,1/2i+1) für i>1 und i<7 verwenden.
Wenn Time_k+1 – Time_k > T, dann gibt das Ausgangssignal beim Schritt 126 an, dass entweder keine Änderung der Virusbelastung folgte, oder
die Therapie als nicht wirksam betrachtet wird, oder
die Dosierung als suboptimal betrachtet wird.
Wenn Time_k+1 – Time_k < T, dann verarbeite eine weitere Probe, indem alle Schritte beginnend mit Schritt 4 wiederholt werden, wobei für eine neue Probe ein Punktspektrogramm erzeugt wird.
Wenn der Wirksamkeitsmaßstab überschritten wurde, wird ein Signal ausgegeben, das angibt, dass keine Feststellung dahingehend getroffen werden kann, ob die im Interesse ste hende Therapie wirksam ist. Wenn der Zeitmaßstab nicht überschritten wurde, geht die Ausführung zu Schritt 106 zurück, um eine weitere Probe zu verarbeiten. Falls verfügbar, werden die Verarbeitungsschritte wiederholt.
Alternative Implementierungen
Einzelheiten bezüglich einer verwandten Implementierung sind in dem U.S.-Patent 6,142,681 mit dem Titel "Method and Apparatus for Interpreting Hybridized Bioelectronic DNA Microarray Patterns Using Self Scaling Convergent Reverberant Dynamics" zu finden.
Die beispielhaften Ausführungen wurden in erster Linie unter Bezugnahme auf Flussdiagramme beschrieben, die sachdienliche Merkmale der Ausführungsformen veranschaulichen. Jeder Verfahrensschritt stellt auch eine Hardware- oder Softwarekomponente zur Durchführung des entsprechenden Schritts dar. Diese Komponenten werden auch als Softwarekomponente zur Durchführung des entsprechenden Schritts bezeichnet. Diese Komponenten werden hier auch als "Einrichtung für" eine Durchführung des Schritts bezeichnet. Es sollte ersichtlich sein, dass nicht alle Komponenten einer vollständigen Implementierung eines tatsächlichen Systems notwendigerweise im Einzelnen veranschaulicht oder beschrieben sind. Lediglich diejenigen Komponenten, die für ein vollständiges Verständnis der Erfindung erforderlich sind, wurden im Einzelnen veranschaulicht und beschrieben. Tatsächliche Implementierungen können mehr Komponenten oder, in Abhängigkeit von Implementierung, weniger Komponenten enthalten.

Claims

Verfahren zum Ermitteln der Wirksamkeit einer Therapie durch Analyse von aus zu unterschiedlichen Probeentnahmezeitpunkten von einem der Therapie unterzogenen Patienten entnommenen biologischen Proben erzeugten Mikroarrayausgabemustern, wobei das Verfahren die Schritte umfasst: – Erzeugen einer einer im Interesse stehenden Therapie zugeordneten Virusdiffusionskurve, – Abbilden jedes der Hybridisierungsaktivität angebenden Ausgabemuster auf entsprechende Koordinaten auf der Virusdiffusionskurve unter Verwendung fraktaler Filterung, – Ermitteln eines Konvergenzgrads zwischen den abgebildeten Koordinaten auf den Virusdiffusionskurven, und – Ermitteln, ob die im Interesse stehende Therapie wirksam war, basierend auf dem Konvergenzgrad von einer Probe zu einer Anderen.
Verfahren nach Anspruch 1, bei dem der Schritt, die Virusdiffusionskurve zu erzeugen, die Schritte aufweist: – Eingeben von Parametern, die Virusbelastungsstudien für die im Interesse stehende Therapie angeben, – Erzeugen einer vorläufigen Virusdiffusionskurve basierend auf den Virusbelastungsstudien, und – Kalibrieren eines richtungsabhängigen Kausalitätsgrads in der vorläufigen Virusdiffusionskurve, um die Virusdiffusionskurve zu erhalten.
Verfahren nach Anspruch 2, bei dem die die Virusbelastungsstudien angebenden Parameter von Basisvirusbelastungs-(BVL)-Sollwertmessungen, bei denen Detektion erreicht wird, BVL, bei der Therapie empfohlen wird, und Virusbelastungsmarkern, bei denen Dosistherapie empfohlen wird, einen oder mehr aufweisen.
Verfahren nach Anspruch 2, bei dem der Schritt, eine vorläufige Virusdiffusionskurve zu erzeugen, durchgeführt wird durch: – Wählen einer die Virusdiffusionskurve angebenden Gleichung, – Ermitteln von Erwartungs- und mittleren Antwortparametern zur Verwendung beim Parametrisieren der zur Angabe der Virusdiffusionskurve gewählten Gleichung und – Parametrisieren der zur Angabe der Virusdiffusionskurve gewählten Gleichung, um die vorläufige Virusdiffusionskurve zu erhalten.
Verfahren nach Anspruch 4, bei dem der Schritt, Erwartungs- und mittlere Antwortparameter zur Verwendung beim Parametrisieren der zur Angabe der Virusdiffusionskurve gewählten Gleichung zu ermitteln, die Schritte umfasst: – Durchführen einer PCR-Verstärkung, – Erhalten von kalibrierten Viruszählungen aus der PCR-Verstärkung, – Ermitteln der den kalibrierten Viruszählungen entsprechenden Mittel- und Varianzwerten der verstärkten und normalisierten Hybridisierungsamplituden, und – Abgleichen der Mittel- und Varianzwerte der verstärkten und normalisierten Hybridisierungsampfituden, um die Erwartungs- und mittleren Antwortparameter zu erhalten.
Verfahren nach Anspruch 2, bei dem der Schritt, einen richtungsabhängigen Kausalitätsgrad in der vorläufigen Virusdiffusionskurve zu kalibrieren, um die Virusdiffusionskurve zu erhalten, nicht lineare Informationsfilterung verwendet.
Verfahren nach Anspruch 1, bei dem der Schritt, jedes Ausgabemuster auf die Virusdiffusionskurve unter Verwendung fraktaler Filterung abzubilden, die Schritte umfasst: – Erzeugen eines das Ausgabemuster angebenden, partitionierten iterierten Fraktalsystem-IFS-Modell, – Ermitteln affiner Parameter für das IFS-Modell, und – Abbilden des Ausgabemusters auf die Virusdiffusionskurve unter Verwendung des IFS.
Verfahren nach Anspruch 1, bei dem der Schritt, zu Ermitteln, ob die im Interesse stehende Therapie wirksam war, die Schritte aufweist: – Evaluieren des Konvergenzgrads gegenüber einem vorbestimmten Konvergenzgrenzwert, – Ausgeben eines Signals, das angibt, dass die im Interesse stehende Therapie wirksam war, wenn der Konvergenzgrad den vorbestimmten Grenzwert nicht überschreitet, und – Angeben eines Fehlens der Wirksamkeit der Therapie, wenn der Konvergenzgrad den vorbestimmten Grenzwert überschreitet, wobei dann eine Skalierungsanpassung der Virusdiffusionskurve auf die gefilterte Virusdiffusionskurve durchgeführt und dann evaluiert wird, ob ein vorbestimmter Wirksamkeitszeitmaßstab überschritten wurde, und – Ausgeben eines Signals, das angibt, dass die Therapie nicht wirksam war, wenn der Zeitmaßstab überschritten wurde, und – Erhalten einer neuen Probe und Wiederholen aller Schritte unter Verwendung der zuvor erzeugten Virusdiffusionskurve dann, wenn der Zeitmaßstab nicht überschritten wurde.
Verfahren nach Anspruch 1, ferner den Schritt aufweisend, Unschärfen in den gefilterten Virusdiffusionskurven zu kompensieren.
Verfahren nach Anspruch 9, bei dem der Schritt, Unschärfen in den gefilterten Virusdiffusionskurven zu kompensieren, unter Verwendung nicht linearer Informationsfilterung durchgeführt wird.
Verfahren nach Anspruch 1, ferner den vor dem Abbildungsschritt durchgeführten Schritt aufweisend, das Ausgabemuster interferometrisch zu verstärken.
Verfahren nach Anspruch 11, bei dem der Schritt, das Ausgabemuster interferometrisch zu verstärken, den Schritt umfasst, eine Nukleinsäureverstärkung durchzuführen.
Verfahren nach Anspruch 1, bei dem das Ausgabemuster ein quantisiertes Ausgabemuster ist.
Verfahren nach Anspruch 13, bei dem das quantisierte Ausgabemuster ein Punktspektrogramm ist.
Verfahren nach Anspruch 1, bei dem die biologische Probe aus einer Gruppe ausgewählt wird, die aus DNA-, RNA-, Protein-, Peptid-Nukleinsäure-(PNA)- und Target-Nukleidverstärkungs-(TNA)-Proben besteht.
System zum Ermitteln der Wirksamkeit einer Therapie durch Analyse von aus zu unterschiedlichen Probenentnahmezeitpunkten von einem der Therapie unterzogenen Patienten erhaltenen biologischen Proben erzeugten Mirkoarrayausgabemustern, wobei das System umfasst: – einen Virusdiffusionskurvengenerator zum Erzeugen einer einer im Interesse stehenden Therapie zugeordneten Virusdiffusionskurve, – eine Abbildungseinheit zum Abbilden jedes der Hybridisierungsaktivität angebenden Ausgabemuster auf entsprechende Koordinaten auf der Virusdiffusionskurve unter Verwendung fraktaler Filterung, – einer Konvergenzermittlungseinheit zum Ermitteln eines Konvergenzgrads zwischen den abgebildeten Koordinaten auf den Virusdiffusionskurven, um zu ermitteln, ob die im Interesse stehende Therapie wirksam war, basierend auf dem Konvergenzgrad von einer Probe zu einer Anderen.
System nach Anspruch 16, bei dem der Virusdiffusionskurvengenerator aufweist: – eine Eingabeeinheit zum Eingeben von Parametern, die Virusbelastungsstudien über die im Interesse stehende Therapie angeben, – einen Generator für eine vorläufige Virusdiffusionskurve, um eine vorläufige Virusdiffusionskurve basierend auf den Virusbelastungsstudien zu erzeugen, und – eine Kalibrierungseinheit zum Kalibrieren eines richtungsabhängigen Kausalitätsgrads in der vorläufigen Virusdiffusionskurve, um die Virusdiffusionskurve zu erhalten.
System nach Anspruch 16, bei dem die die Virusbelastungsstudien angebenden Parameter von Basisvirusbelastungs-(BVL)-Sollwertmessungen, bei denen Detektion erreicht wird, BVL, bei der Therapie empfohlen wird, und Virusbelastungsmarkern, bei dem eine Dosistherapie empfohlen wird, eine oder mehr aufweisen.
Verfahren nach Anspruch 17, bei dem der Generator für eine vorläufige Virusdiffusionskurve arbeitet durch: – Wählen einer die Virusdiffusionskurve angebenden Gleichung, – Ermitteln von Erwartungs- und mittleren Antwortparametern zur Verwendung beim Parametrisieren der zur Angabe der Virusdiffusionskurve gewählten Gleichung, und – Parametrisieren der zur Angabe der Virusdiffusionskurve gewählten Gleichung, um die vorläufige Virusdiffusionskurve zu erhalten.
System nach Anspruch 19, bei dem der Generator für eine vorläufige Virusdiffusionskurve zum Ermitteln von Erwartungs- und mittleren Antwortparametern zur Verwendung beim Parametrisieren der zur Angabe der Virusdiffusionskurve gewählten Gleichung arbeitet durch: – Durchführen einer PCR-Verstärkung, – Erhalten kalibrierter Viruszählungen aus der PCR-Verstärkung, – Ermitteln der den kalibrierten Viruszählungen entsprechenden Mittel- und Varianzwerten der verstärkten und normalisierten Hybridisierungsamplituden, und – Abgleichen der Mittel- und Varianzwerte der verstärkten und normalisierten Hybridisierungsamplituden, um die Erwartungs- und mittleren Antwortparameter zu erhalten.
System nach Anspruch 17, bei die Kalibrierungseinheit nicht lineare Informationsfilterung verwendet.
System nach Anspruch 16, bei dem die Abbildungseinheit arbeitet durch: – Erzeugen eines das Ausgabemuster angebenden, partitionierten iterierten Fraktalsystem-IFS-Modells, – Ermitteln affiner Parameter für das IFS-Modell, und – Abbilden des Ausgabemusters auf die Virusdiffusionskurve unter Verwendung des IFS.
System nach Anspruch 16, bei dem die Konvergenzermittlungseinheit arbeitet durch: – Evaluieren des Konvergenzgrades gegenüber einem vorbestimmten Konvergenzgrenzwert, – Ausgeben eines Signals, das angibt, dass die im Interesse stehende Therapie wirksam war, wenn der Konvergenzgrad den vorbestimmten Grenzwert nicht überschreitet, und – Angeben eines Fehlens der Wirksamkeit der Therapie und Durchführen einer Skalierungsanpassung der Virusdiffusionskurve an die gefilterte Virusdiffusionskurve und dann Evaluieren, ob ein vorbestimmter Wirksamkeitszeitmaßstab überschritten wurde, wenn der Konvergenzgrad den vorbestimmten Grenzwert überschreitet, und – Ausgeben eines Signals, das angibt, dass die Therapie nicht wirksam war, wenn der Zeitmaßstab überschritten wurde, und – Erhalten einer neuen Probe und Wiederholen aller Schritte unter Verwendung der zuvor erzeugten Virusdiffusionskurve, wenn der Zeitmaßstab nicht überschritten wurde.
System nach Anspruch 16, ferner mit einer Kompensationseinheit, um Unschärfen in den gefilterten Virusdiffusionskurven zu kompensieren.
System nach Anspruch 24, bei dem die Kompensationseinheit nicht lineare Informationsfilterung verwendet.
System nach Anspruch 16, ferner mit einer interferometrischen Verstärkungseinheit, um das Ausgabemuster interferometrisch zu verstärken.
System nach Anspruch 26, bei dem die interferometrische Verstärkungseinheit arbeitet, um eine Nukleidsäureverstärkung durchzuführen.
System nach Anspruch 26, bei dem das Ausgabemuster ein quantisiertes Ausgabemuster ist.
System nach Anspruch 28, bei dem das quantisierte Ausgabemuster ein Punktspektrogramm ist.
System nach Anspruch 26, bei dem die biologische Probe von einer Gruppe ausgewählt ist, die aus DNA-, RNA-, Protein-, Peptid-Nukleidsäure-(PNA)- und Targetnucleidverstärkungs-(TNA)-Proben besteht.
Verfahren nach einem der Ansprüche 1 bis 15, bei dem Ausgabemuster eines Biochips als die Mikroarrayausgabemuster verwendet werden.
System nach einem der Ansprüche 16 bis 30, um Ausgabemuster eines Biochips als die Mikroarrayausgabemuster zu analysieren.