DE60015092T2

DE60015092T2 - Verfahren und vorrichtung zur interpretation von dns-mikroanordnungs-mustern

Info

Publication number: DE60015092T2
Application number: DE60015092T
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: 2005-10-13
Anticipated expiration: 2020-02-18
Also published as: WO2000051056A3; ATE280416T1; WO2000051056A2; EP1157347A2; AU3368600A; US6920397B2; US6142681A; EP1157347B1; US6780589B1; DE60015092D1; EP1406200A3; EP1406200A2; US20040063136A1

Description

Gebiet der Erfindung
Die Erfindung betrifft im Allgemeinen Verfahren zum Analysieren von biologischen Proben, wie zum Beispiel DNA- oder RNA-Proben, und insbesondere Verfahren zum Analysieren der Ausgabe eines hybridisierten Biochips, dem die Probe zugeführt wurde.
Hintergrund der Erfindung
Eine Vielzahl von Verfahren wurde entwickelt, um DNA-, RNA-Proben oder andere biologische Proben zu analysieren, um Krankheiten, Mutationen oder andere Zustände, die in einem die Probe bereitstellenden Patienten vorherrschen, zu identifizieren. Derartige Verfahren können beispielsweise ermitteln, ob der Patient eine spezielle Krankheit, wie zum Beispiel Krebs oder AIDS, oder eine genetische Prädisposition hinsichtlich der Krankheit hat.
Ein speziell vielversprechendes Verfahren zum Analysieren biologischer Proben verwendet einen DNA-Biochip (oder -Mikroarray), der ein Hybridisierungsmuster erzeugt, das die Charakteristika der DNA in der Probe angibt. Kurz gesagt, ein DNA-Mikroarray umfasst eine rechteckige Anordnung von Einzelstrang-DNA-Fragmenten. Jedes Element innerhalb der Anordnung weist Millionen von Kopien identischer Einzelstrangstreifen von DNA mit speziellen Basensequenzen auf. An jedem unterschiedlichen Element der Anordnung kann ein unterschiedliches DNA-Fragment bereitgestellt sein. Mit anderen Worten, eine Stelle (1, 1) enthält ein anderes DNA-Einzelstrangfragment als eine Stelle (1, 2), die sich auch von einer Stelle (1, 3) unterscheidet, etc.
Eine zu analysierende DNA-Probe wird zuerst in individuelle Einzelstrangsequenzen fragmeniert, wobei jede Sequenz mit einem Fluoreszenzmolekül markiert wird. Die Fragmente werden auf das Mikroarray aufgebracht, wo sich jedes Fragment nur an passende DNA-Fragmente bindet, die bereits in dem Mikroarray eingebettet sind. Fragmente, die zu keinem der Elemente des Mikroarrays passen, binden sich einfach nicht an einer der Stellen des Mikroarrays und werden entfernt. Daher erhalten nur diejenigen Mikroarraystellen, die Fragmente enthalten, die zu Fragmenten in der DNA-Probe passen, die Fluoreszenzmoleküle. Typischerweise wird dann eine Fluoreszenzlichtquelle auf das Mikroarray angewendet, um ein Fluoreszenzbild zu erzeugen, das identifiziert, welche Elemente des Mikroarrays sich an Fragmente der DNA-Probe gebunden haben und welche nicht. Das Bild wird dann analysiert, um zu ermitteln, welche speziellen DNA-Fragmente in der ursprünglichen Probe enthalten waren, und um davon ausgehend zu ermitteln, welche speziellen Krankheiten, Mutationen oder andere Zustände in der DNA-Probe vorhanden sind.
Beispielsweise kann ein spezielles Element des Mikroarrays mit DNA-Fragmenten vorgesehen sein, die einen speziellen Krebstyp angeben. Wenn dieses Element des Arrays unter Fluoreszenzbeleuchtung fluoreszierend leuchtet, dann enthält die DNA der Probe die DNA-Sequenz, die diesen speziellen Krebstyp angibt. Folglich kann eine Schlussfolgerung dahingehend gezogen werden, dass der die Probe bereitstellende Patient bereits diesen speziellen Krebstyp hat oder vielleicht hinsichtlich dieses Krebses prädisponiert ist. Wie ersichtlich, kann das resultierende Fluoreszenzbild analysiert werden, um einen großen Bereich an Zuständen zu identifizieren, indem eine große Anzahl bekannter DNA-Fragmente auf dem Mikroarray vorgesehen wird.
Unglücklicherweise ist bei herkömmlichen Verfahren der Schritt, das Fluoreszenzmuster zu analysieren, um die Art von durch die DNA charakterisierten Zuständen zu ermitteln, teuer, zeitaufwändig und abgesehen von einigen wenigen speziellen Zuständen oder Krankheiten ziemlich unzuverlässig. 1 veranschaulicht verschiedene herkömmliche Verfahren zum Analysieren des Fluoreszenzmusters. Einige bekannte Systeme verwenden zwei oder mehr der Verfahren. Es sollte jedoch beachtet werden, dass viele Kombinationen der Verfahren im Stand der Technik nicht vorgesehen sind. Kurz gesagt, das Fluoreszenzmuster wird analysiert, um bei Schritt 10 ein Punktspektrogramm zu erhalten. Eines von vier unterschiedlichen Verfahren wird verwendet, um durch das Punktspektrogramm angegebene Oligonukleotide zu identifizieren und um dann basierend auf den Oligonukleotiden Mutationen zu identifizieren. Insbesondere kann das Punktspektrogramm unter Verwendung eines Erkennungsgeräts 12 für ein trainiertes neuronales Netzwerk, eines statistisches Entscheidungstheorieerkennungsgerät 14, eines Fuzzy/Erwartungs-Verfahren-(EM)-Clusteralgorithmus 16 oder einer regelbasierten Interferenz/Wahrheitstabelle-Suche 18 analysiert werden.
Bei Schritt 20 werden die Ergebnisse interpretiert, um im Interesse stehende Mutationen zu erhalten. Die Mutationen werden dann erneut unter Verwendung von entweder einem Erkennungsgerät 22 für ein trainiertes neuronales Netzwerk, eines statischen Entscheidungstheorieerkennungsgerät 24, eines Fuzzy/M-Clusteralgorithmus 26 oder einer regelbasierten Interferenz/Wahrheitstabelle-Suche 28 verarbeitet. Bei Schritt 30 werden die Ergebnisse kombiniert, um eine Diagnose zu erhalten.
Schließlich wird bei Schritt 32 durch "Reduktion" eine Krankheitsbestätigung durchgeführt, mit anderen Worten, die Krankheit wird durch probabilistische Interferenzbildung bestätigt.
Ein Hauptproblem bei vielen herkömmlichen Verfahren besteht darin, dass die Verfahren eine geringe Wiederholbarkeit aufweisen. Wenn die gleiche Probe zweimal analysiert wird, werden daher oftmals unterschiedliche Ergebnisse erhalten. Auch können die Ergebnisse von Labor zu Labor variieren. Auch sind erfahrene Techniker erforderlich, um die DNA-Mikroarrays handzuhaben und die Ausgabe zu analysieren, was zu hohen Kosten führt. Ein Grund dafür, dass die Wiederholbarkeit schlecht ist, besteht darin, dass die Signaturen in dem Punktspektrogramm, das im Interesse stehende Mutationen angibt, typischerweise sehr schwach sind und in beträchtlichem Rauschen eingebettet sind. Herkömmliche Verfahren sind insbesondere beim Extrahieren von Mutationssignaturen von Punktspektrogrammen bei geringem Signal-Rausch-Umständen nicht wirksam.
Dementsprechend wäre es in hohem Maße wünschenswert, ein verbessertes Verfahren und Vorrichtung zum Analysieren der Ausgabe des DNA-Mikroarrays bereitzustellen, um vorteilhafter, zuverlässiger und weniger teuer das Vorhandensein von Zuständen in dem Patienten zu ermitteln, der die DNA-Probe bereitstellt. Es ist insbesondere wünschenswert, ein Verfahren bereitzustellen, das Mutationssignaturen in Punktspektrogrammen auch bei Verhältnissen identifizieren kann, bei denen das Signal-Rausch-Verhältnis äußerst gering ist. Aspekte der Erfindung sind im Allgemeinen auf diese Ziele gerichtet.
Ein Analyseverfahren zum Erreichen der zuvor genannten Vorteile ist in dem U.S.-Patent 6,136,541 mit dem Titel "Method and Apparatus for Interpreting Hybridized Biochip Patterns Using Resonant Interactions Empolying Quantum Expressor Functions" beschrieben. Kurz gesagt, das Verfahren der parallel anhängigen Anmeldung arbeitet wie folgt. Das Verfahren identifiziert, falls vorhanden, in einer biologischen Probe vorliegende Mutationen aus einer Gruppe bekannter Mutationen, indem ein Punktspektrogramm analysiert wird, das eine quantisierte Hybridisierungsaktivität von Oligonukleotiden in der biologischen Probe angibt, um die Mutationen zu identifizieren. Es wird ein Resonanzmuster erzeugt, das Resonanzen zwischen einem Stimulusmuster, das der Gruppe bekannter Mutationen zugeordnet ist, und dem Punktspektrogramm angibt. Das Resonanzmuster wird interpretiert, um eine Gruppe bestätigter Mutationen zu erhalten, indem darin aufgefundene Resonanzen mit vorbestimmten Resonanzen verglichen werden, die für die ausgewählte Gruppe von Mutationen erwartet werden. Bei einem speziellen, in der parallel anhängigen Anmeldung beschriebenen Beispiel wird das Resonanzmuster erzeugt, indem das Punktspektrogramm iterativ verarbeitet wird, indem ein konvergentes Nachhallen durchgeführt wird, um ein Resonanzmuster zu erhalten, das Resonanzen zwischen einer vorbestimmten Gruppe ausgewählter Quantum-Expressor-Funktionen und dem Punktspektrogramm angibt, bis ein vorbestimmter Konvergenzgrad zwischen den in dem Resonanzmuster aufgefundenen Resonanzen und Resonanzen erreicht wird, die für die Gruppe von Mutationen erwartet werden. Das Resonanzmuster wird dann analysiert, um eine Gruppe bestätigter Mutationen zu erhalten, indem die bestätigten Mutationen auf bekannte Krankheiten abgebildet werden, die der vorab ausgewählten Gruppe von bekannten Mutationen zugeordnet sind, um, falls vorhanden, von der DNA-Probe ange gebene Krankheiten zu identifizieren. Eine diagnostische Bestätigung wird dann durchgeführt, indem die identifizierten Krankheiten herangezogen werden und in umgekehrter Richtung für die zugeordneten Quantum-Expressor-Funktionen gelöst werden und dann diejenigen Quantum-Expressor-Funktionen mit denjenigen verglichen werden, die für die Mutationen erwartet werden, die der identifizierten Krankheit zugeordnet sind, um eine Übereinstimmung zu verifizieren. Wenn keine Übereinstimmung festgestellt wird, wird eine neue Untergruppe bekannter Mutationen ausgewählt und die Schritte werden wiederholt, um zu ermitteln, ob irgendwelche der neuen Gruppe von Mutationen der Probe vorhanden sind.
Indem eine Resonanzwechselwirkung ausgenutzt wird, können Mutationssignaturen in Punktspektragrammen auch bei Zuständen identifiziert werden, die geringe Signal-Rausch-Verhältnisse oder in einigen Fällen negative Signal-Rausch-Verhältnisse mit sich bringen. Indem ermöglicht wird, die Mutationssignaturen bei solchen Zuständen zu identifizieren, wird dadurch die Zuverlässigkeit der Punktspektrogrammanalyse stark verbessert. Bei einem Anstieg der Zuverlässigkeit werden mit einer Durchführung der Analyse verbundene Kosten teilweise dadurch verringert, dass in geringerem Maße erfahrene Techniker erforderlich sind. Andere Vorteile der Erfindung ergeben sich ebenfalls.
Auch wenn das Verfahren der parallel anhängigen Anmeldung einen bedeutsamen Vorteil gegenüber bekannten Verfahren darstellt, verbleibt Raum für weitere Verbesserungen. Insbesondere wäre es wünschenswert, das Verfahren der parallel anhängigen Anmeldung zu verbessern, um einen höheren Grad an Wiederholbarkeit zu erreichen.
Im Speziellen wird die Wiederholbarkeit durch eine räumlich-zeitliche Verschlechterung der Hybridisierung in DNA-Mikroarrays beeinflusst, die sowohl passive als auch aktive Hybridisierung implementieren. Bei bioelektronischen System, die passive Hybridisierung implementieren, umfassen Quellen, die die Wiederholbarkeit von Analyseergebnissen beeinflussen:

– stochastische Variabilität der chemischen Kinetik
– Beschädigung von immobilisierten Oligonukleotiden bei Herstellung
– ungleichmäßige Kinetik bei thermisch unterstützter fluidischen Reaktion
– thermische Verschlechterung nach Hybridisierung.

Aktuelle Biochips sind "verstärkungsbeschränkt". Dies ist zum großen Teil auf Verluste bei Hochtemperaturhybridisierung stromabwärts zurückzuführen. In Zeiträumen, in denen sich die Probentemperatur von hoch zu niedrig oder von niedrig zu hoch ändert, können fremde unerwünschte Reaktionen auftreten, die wichtige Reagenzmittel verbrauchen und unerwünschte und störende Chemikalien erzeugen. Schnelle Übergänge gewährleisten, dass die Probe eine Minimum an Zeit bei unerwünschten Zwischentemperaturen verbringt, so dass das verstärkte DNA-Produkt eine optimale Wiedergabetreue und Reinheit aufweist. Daher vertrauen aktuelle Verfahren auf eine übermäßige Verstärkung, um diese Verluste zu kompensieren.

– Oligonukleotidverwicklung
– Umgebungsdekohärenz aufgrund von Energie und Strahlung
– ungleichmäßige fluidische Katalyse
– instabile Fluoreszenz- und Chemiluminiszenzmarkierungsbindung
– spontane Emissionen
- unvollständige Bindungen
- Bandbegrenzung beim Auslesen und Digitalisieren.

Die aktive Hybridisierung wird verschlechtert durch

– kapazitive Kopplung zwischen Elementen der immobilisierten Matrix
– unvollständige Bindungen aufgrund von Leckage und ungleichmäßigem Wirkleitwert
– Quantenverdichtungseffekte im kleinsten Maßstab
– spontane Emission
– nichtspezifische Oligonukleotidanlagerung
– chaotische Relaxation über dem Array

Daher sind Aspekte der vorliegenden Erfindung teilweise darauf gerichtet, für eine verbesserte Wiederholbarkeit einer Analyse biologischer Proben trotz dieser Faktoren zu sorgen.
Zusammenfassung der Erfindung
Gemäß der Erfindung ist ein Verfahren gemäß Anspruch 1 bereitgestellt, um, falls vorhanden, in einer biologischen Probe vorliegende Mutationen zu identifizieren. Das Verfahren arbeitet, um ein unter Verwendung der Probe erzeugtes Ausgabemuster einer Mikroarrayvorrichtung zu analysieren, um die Mutationen in der Probe zu identifizieren. Gemäß dem Verfahren wird das Ausgabemuster tesselliert. Ein Stimulusmuster, das der Gruppe bekannter Mutationen zugeordnet ist, wird erzeugt. Dann wird ein Resonanzmuster erzeugt, das Resonanzen zwischen dem Stimulusmuster und den tessellierten Ausgabemustern angibt. Das Resonanzmuster wird interpretiert, um eine Gruppe bestätigter Mutationen zu erhalten, indem darin aufgefundene Resonanzen mit vorbestimmten Resonanzen verglichen werden, die für die ausgewählte Gruppe von Mutationen erwartet werden.
Bei einer beispielhaften Ausführungsform ist das Ausgabemuster ein Punktspektrogramm, das eine quantisierte Hybridisierungsaktivität von Oligonukleotiden in einer DNA-Probe angibt. Das Stimulusmuster wird basierend auf Quantum-Expressor-Funktionen erzeugt. Das Punktspektrogramm wird tesselliert, um morphologische Eigenschaften der Quantum-Expressor-Funktionen abzubilden, wobei lokale Parameter extrahiert werden. Das tessellierte Punktspektrogramm und das Stimulusmuster werden in ein metrisch transitives Zufallsfeld über Phasenverschiebung transformiert. Das Resonanzmuster wird erzeugt, indem das tessellierte Punktspektrogramm iterativ bearbeitet wird, indem konvergentes Nachhallen durchgeführt wird, um ein Resonanzmuster zu erhalten, das Resonanzen zwischen den Quantum-Expressor-Funktionen und dem tessellierten Punktspektrogramm angibt, bis ein vorbestimmter Konvergenzgrad zwischen den in dem Resonanzmuster aufgefundenen Resonanzen und den Resonanzen erreicht wird, die für die Gruppe von Mutationen erwartet werden. Das konvergente Nachhallen umfasst den Schritt, eine Analyse hinsichtlich konvergenter Nachhalldynamikresonanzen des tessellierten Punktspektrogramms durchzuführen, wobei das Resonanzstimulusmuster verwendet wird, um Mutationen zu identifizieren, die von dem tessellierten Punktspektrogramm angegeben werden. Das konvergente Nachhallen umfasst auch den Schritt, eine Analyse hinsichtlich konvergenter Nachhalldynamikresonanzen der Mutationen durchzuführen, wobei das Resonanzstimulusmuster verwendet wird, um diagnostische Zustände zu identifizieren, die von den Mutationen angegeben werden.
Bei der beispielhaften Ausführungsform werden die Analysen hinsichtlich konvergenter Nachhalldynamikresonanzen auch durchgeführt, indem basierend auf dem tessellierten Punktspektrogramm und dem Resonanzstimulus Resonanzdynamikrelaxationswerte bestimmt werden, die Dynamikrelaxationswerte unter Verwendung von Ensemblegrenz- und vollständigen räumlichen Zufalls-(CSR; engl.: complete spatial randomness)-Filtern gefiltert werden, um eine zweite Gruppe von Werten zu erhalten, Masseeigenschaftsschätzfunktionen auf die Dynamikrelaxationswerte angewendet werden, um eine dritte Gruppe von Werten zu erhalten, die zweiten und dritten Gruppen von Werten evaluiert werden, um einen Resonanzkonvergenzgrad zu ermitteln, und dann aus dem Resonanzkonvergenzgrad ermittelt wird, ob eine Dynamiksperrung aufgetreten ist und, wenn dies der Fall ist, die zuvor genanten Schritte wiederholt werden.
Bei den beispielhaften Ausführungsformen können Mutationssignaturen in einem Punktspektrogramm mit einem hohen Grad an Wiederholbarkeit identifiziert werden, indem das Punktspektrogramm tesselliert wird, um morphologische Eigenschaften der Quantum-Expressor-Funktionen abzubilden und indem eine Resonanzwirkung ausgenutzt wird, wobei eine Resonanzkonvergenzüberprüfung verwendet wird, die extrahierte Tessellierungsparameter verwendet. Indem ein hoher Grad an Wiederholbarkeit erreicht wird, wird dadurch die Zuverlässigkeit einer Punktspektrogramm-Analyse stark verbessert. Mit einem Anstieg in der Zuverlässigkeit werden mit einer Durchführung der Analyse verbundene Kosten teilweise verringert, weil in geringerem Maße erfahrene Techniker erforderlich sind. Andere Vorteile der Erfindung ergeben sich ebenfalls.
Unter anderen Anwendungen sind die Prinzipien der Erfindung auf die Analyse von verschiedenen in Arrays angeordneten biomolekularen, ionischen, bioelektronischen, biochemischen, optoelektronischen, Hochfrequenz-(RF) und elektronischen Mikrovorrichtungen anwendbar. Prinzipien der Erfindung sind insbesondere auf eine Mutationsausprägungsanalyse bei äußerst geringen Konzentrationen unter Verwendung von DNA-basierten passiven und/oder aktiven Hybridisierungsmikroarrays mit äußerst hoher Dichte anwendbar. Gemäß der Erfindung implementierte Verfahren sind im Allgemeinen unabhängig von dem physikalischen Verfahren, das verwendet wird, um anfängliche Amplitudeninformationen von dem Biochiparray zu sammeln, wie zum Beispiel Fluoreszenzmarkieren, Clustern von Chargen, Phasenverschiebungsintegration und Leuchtspurbildgebung. Prinzipien der Erfindung sind auch auf optische, optoelektronische und elektronische Ausgaben von Hybridisierungsamplitudenmustern anwendbar. Ferner sind Prinzipien der Erfindung auf eine molekulare Ausprägungsanalyse in allen Abstraktionsstufen möglich: nämlich DNA-Ausprägungsanalyse, RNA-Ausprägungsanalyse, Proteinwechselwirkungen und Protein-DNA-Wechselwirkungen zur medizinischem Diagnose auf molekularem Niveau.
Eine Vorrichtungsausführung gemäß Anspruch 28 ist ebenfalls bereitgestellt.
Kurzbeschreibung der Zeichnungen
Die Merkmale, Aufgaben und Vorteile der vorliegenden Erfindung werden aus der im Folgenden ausgeführten detaillierten Beschreibung in Verbindung mit den Zeichnungen ersichtlicher, in denen gleiche Bezugszeichen durchgehend Entsprechendes angeben und in denen:
1 ein Flussdiagramm ist, das beispielhafte Verfahren zum Analysieren von Punktspektrogrammen veranschaulicht, von denen einige Kombinationen Stand der Technik sind.
2 ein Flussdiagramm ist, das ein beispielhaftes Verfahren zum Analysieren der Ausgabe eines hybridisierten DNA-Mikroarraybiochips gemäß dem Verfahren der parallel anhängigen Anmeldung veranschaulicht.
3 ein Flussdiagramm ist, das beispielhafte Verbesserungen des Verfahrens der parallel anhängigen Anmeldung veranschaulicht, die gemäß der vorliegenden Erfindung bereitgestellt werden.
4 ein Flussdiagramm ist, das ein beispielhaftes Verfahren zur Analyse der Ausgabe eines hybridisierten DNA-Mikroarrays gemäß dem Verfahren der vorliegenden Erfindung veranschaulicht.
Detaillierte Beschreibung beispielhafter Ausführungsformen
Unter Bezugnahme auf die übrigen Figuren werden nun beispielhafte Ausführungsformen des Verfahrens der parallel anhängigen Anmeldung und der vorliegenden Erfindung beschrieben. Die beispielhaften Verfahren werden in erster Linie hinsichtlich der Analyse von Mutationssignaturen in Ausgabemustern von DNA-Biochipmikroarrays beschrieben, aber Prinzipien der Erfindung gelten ebenfalls für die Analyse einer großen Anzahl anderer Muster.
Überblick über die parallel anhängige Anmeldung
Kurz gesagt, das beispielhafte Verfahren der parallel anhängigen Anmeldung verwendet unter anderen Merkmalen: (a) ein neuartiges Repräsentations-, Interpretations- und mathematisches Modell für die immobilisierten Oligonukleotidhybridisierungsmuster, die über ein Punktspektrogramm eingegeben werden, (b) ein neues "aktives" Biomolekulartargetdetektions- und Unterscheidungsverfahren basierend auf Quantenresonanzinterferometrie und (c) eine neue räumliche Hash-Funktion, die eine genaue diagnostische Bewertung erreicht.
Hierfür nutzt das beispielhafte Verfahren der parallel anhängigen Anmeldung ein fundamental anderes Berechnungsparadigma zur Mutationsausprägungsanalyse in vorab verstärkten Punktspektrogramm-Realisierungen. Das Verfahhen ist eine innovative Modifikation dynamisch geordneter Quantenstochastikresonanz (QSR; engl.: quantum stochastic resonance) zur diskreten Systemanalyse. Die Anordnungsstrategie ist eine Funktion des im Interesse stehenden Ausprägungswegs. Das Verfahren hängt von dem angesprochenen molekularen diagnostischen Spektrum ab. Reihen gekoppelter Quantenresonatoren werden algorithmisch ausgelegt, um die Signal-Rausch-(SNR)-Leistung bedeutsam zu verbessern und mehrere synthetische renormalisierte Punktspektrogramm-Realiserungen zu vereinigen, um vorab spezifizierte Biomolekularausprägungsmuster besser zu detektieren. Außerdem nutzt das beispielhafte Verfahren der parallel anhängigen Anmeldung eine Verbesserung bei vorherigen Erweiterungen klassischer stochastischer Resonanz (SR; engl.: stochastic resonance) und arrayverstärkter SR (AESR; engl.: arrayenhanced SR) bei Signalverarbeitung und Sen sordatenanalyse. Stochastische Resonanz ist ein Phänomen, bei dem die Antwort auf einen Sensor, die im Sinne eines bistabilen nichtlinearen dynamischen Systems modelliert ist, verstärkt wird, indem ein Zufallsrauschelement und eine periodische, eine Sinusform erzwingende Funktion angewendet werden. SR tritt auf, wenn das SNR ein Maximum durchläuft, wenn der Rauschpegel erhöht ist.
Daher umfasst ein wichtiger Aspekt des beispielhaften Verfahrens der parallel anhängigen Anmeldung, transformierte und vorab konditioniere diskrete Mikroarrayausgaben mit einem mathematischen Modell für ein quantenmechanisches dynamisches Systems mit speziellen Eigenschaften zu koppeln. Das gekoppelte System zeigt, wenn es in einer speziellen Weise angesteuert wird, eine nicht lineare Antwort, die einer Detektion eines im Interesse stehenden Phänomens entspricht. Das Verfahren nutzt eine Modulation von Beobachtbaren einer "Basis" (kanonisches kontinuierliches dynamisches System), so dass eine ausgewählte Gruppe ausgewählter spektraler Eigenschaften vergleichbaren ausgewählten spektralen Eigenschaften einer diskreten räumlichen Tessilierungsunterstruktur eines Amplitudenspektrogramms entsprechen, das von bioelektronischen Beobachtbaren abgeleitet ist. Das Verfahren nutzt ferner das Konzept, ein diskretes räumliches System (abgeleitet von im Interesse stehenden Basenmutanten) mit einem kontinuierlichen asymmetrischen zeitlichen System zu falten, um eine räumlich-zeitliche Eingabe zur weiteren Faltung mit einer anderen diskreten räumlichen Projektion (eines inhärent teilweise stabilisierten räumlich-zeitlichen Systems) abzuleiten.
Daher sind die Schlüsselkomponenten des beispielhaften biomolekularen Detektionsverfahrens der parallel Anhängigen: (i) Auswahl eines Basissystems, (ii) Erzeugung einer anwendungsspezifischen Quantum-Expressor-Funktion (QEF) zur Kopplung mit dem zu analysierenden Substrat, (iii) Erzeugung einer Hamilton-Funktion, um Relaxationsdynamiken des gekoppelten Systems zu beschreiben, (iv) Modulation von Resonanzparametern, um frühe Resonanz zu erzwingen, (v) und Nutzung von Resonanzsuppressoren, um eine Detektion zu verifizieren.
Bezugnehmend auf 2 wird bei Schritt 100 eine Gruppe von im Interesse stehenden Mutationen ausgewählt. Die Mutationen können beispielsweise für Krebs, AIDS oder andere Krankheiten oder Zustände relevante Mutationen sein. Bei Schritt 101 werden basierend auf der ausgewählten Gruppe von Mutationen Vorbedingungstransformierte erzeugt. Die Vorbedingungstransformierten werden bereitgestellt, um Mutationsnukleotidsequenzen in erwartete Amplitudenmuster in der vorab spezifizierten Mikroarrayrepräsentation unter der Bedingung einer speziellen Biochipauslegung umzuwandeln. Bei Schritt 102 werden basierend auf der Hamilton-Funktion eines vorab ausgewählten Basissystems Quantum-Expressor- Funktionen erzeugt. Die Quantum-Expressor-Funktionen werden ausgelegt, um die Hamilton-Funktion für das ausgewählte Basissystem mit einer vorbestimmten DNA-Mikroarraykonfiguration zu koppeln, um eine Resonanzwechselwirkung zuzulassen, die die Ausgabe des DNA-Mikroarrays umfasst. Bei Schritt 106 wird unter Verwendung der Quantum-Epressor-Funktionen ein Resonanzstimulus erzeugt.
Was bisher zusammengefasst wurde, sind vorläufige Schritte, die off-line durchgeführt werden, um die Quantum-Expressor-Funktionen und den entsprechenden Resonanzstimulus aufzustellen. Diese Schritte müssen lediglich einmal für eine vorgegebene Gruppe von Mutationen und für eine vorgegebene DNA-Mikroarraykonfiguration durchgeführt werden. Danach kann eine beliebige Anzahl von Ausgabemustern des DNA-Mikroarrays unter Verwendung der Quantum-Expressor-Funktionen verarbeitet werden, um anzugeben, ob eine der Mutationen der vorab ausgewählten Gruppe von Mutationen darin aufgefunden wird. Vorzugsweise werden die Quantum-Expressor-Funktionen für eine große Gruppe von Mutationen und für eine große Gruppe von DNA-Mikroarraymustern vorab erzeugt, so dass für jedes neue DNA-Mikroarraysausgabemuster von jeder neuen Patientenprobe das Vorhandensein einer der Mutationen unter Verwendung der vorab bestimmten Gruppe von Quantum-Expressor-Funktionen schnell identifiziert werden kann. Im Allgemeinen müssen die zuvor genannten Schritte lediglich wiederholt werden, um die Quantum-Expressor-Funktionen zu berücksichtigen, um neue und andere DNA-Mikroarraymuster zu berücksichtigen, oder wenn neue im Interesse stehende Mutationen berücksichtigt werden müssen.
Bei Schritt 106 wird ein Ausgabemuster (hier als Punktspektrogramm bezeichnet) unter Verwendung eines DNA-Mikroarrays erzeugt, für das Quantum-Expressor-Funktionen bereits erzeugt wurden. Bei Schritt 108 wird das Punktspektrogramm vorab konditioniert, um eine Punktspektrogramm-Tessellierung (DST; engl.: dot spectrogram dessilation) zu erhalten, um eine Auswertung einer Resonanz zwischen dem Punktspektrogramm und den Quantum-Expressor-Funktionen zuzulassen. Die tatsächliche Resonanzwechselwirkung, die konvergentes Nachhallen umfasst, wird bei Schritt 110 durchgeführt, bis ein vorbestimmer Konvergenzgrad erreicht ist. Sobald Konvergenz erreicht ist, wird bei Schritt 112 ein resultierendes Resonanzmuster verarbeitet, um dadurch repräsentierte Mutationen zu identifizieren. Wie unten beschrieben, wird Schritt 112 aufgrund der zuvor genannten Resonanzwechselwirkung trivial, die auf einer Quantum-Expressor-Funktion basiert, die bereits mit dem vorab ausgebildeten Mutationen korreliert ist. Daher ist keine komplizierte Analyse erforderlich, um das Resonanzmuster zur Identifikation der Mutationen zu interpretieren. Als nächstes werden bei Schritt 114 die Mutationen auf entsprechende Krankheiten und Zustände abgebildet, um dadurch beliebige Krankheiten oder Zustände zu identifizieren, von denen der Patient, der die analysierte Probe bereitstellt, betroffen ist. Dies ist wiederum ein recht trivialer Schritt.
Schließlich wird bei Schritt 116 eine diagnostische Bestimmung durchgeführt, um zu verifizieren, dass die Krankheiten oder Zustände in der Probe vorhanden sind. Dies wird erreicht, indem man bei den aufgefundenen Krankheiten oder Zuständen beginnt und dann die Schritte des Verfahrens in umgekehrter Richtung durchführt.
Jeder der zuvor genannten Schritte ist im Einzelnen in der parallel anhängigen Anmeldung beschrieben und die detaillierte Beschreibung derselben wird hier nicht wiederholt.
Übersicht über das beispielhafte Verfahren der vorliegenden Erfindung
Die vorliegende Erfindung ist teilweise darauf gerichtet, die Wiederholbarkeit des Verfahrens der parallel anhängigen Anmeldung zu verbessern, indem das Punktspektrogramm so tessiliert wird, dass es morphologischen Charakteristika der Quantum-Expressor-Funktionen entspricht, und indem extrahierte lokale Parameter als Teil einer Resonanzkonvergenzüberprüfung während der Resonanzwechselwirkung verwendet werden. Diese zusätzlichen Schritte haben den Vorteil, Unsicherheitsgrenzwerte festzulegen, die es ermöglichen, die Verfahrenswiederholbarkeit zu verbessern und zu quantifizieren.
3 veranschaulicht von der vorliegenden Erfindung bereitgestellte Verbesserungen des Verfahrens von 2 zusammen mit Schritten des Verfahrens von 2. Die wiederholten Schritte von 2, die in 3 erscheinen, können die gleichen wie diejenigen von 2 sein und werden nicht noch mal beschrieben. Gleiche Bezugszeichen erhöht um Hundert werden verwendet, um die wiederholten Schritte anzugeben.
Kurz gesagt, die Verbesserungen der vorliegenden Erfindung ziehen fünf Hauptschritte nach sich:

– Präkonditionieren des hybridisierten Arrayausgabemusters (d. h. das Punktspektrogramm) durch eine Fuzzy-Tessellierung und Kopplung des präkonditionierten Ausgabemusters mit einem kanonischen System mit Nachwirkungs- und Speichereigenschaften (Schritt 218),
– Abschätzen von Amplitudenwanderungen oder -dispersion (Schritt 220),
– Implementierung einer Resonanzwechselwirkung durch Integrieren von teilweisen oder unter einem Grenzwert liegenden Resonanzen unter Verwendung einer Phasenarrayverstärkungsoperatorresonanzdynamik (Schritt 224) mit zusätzlichen Resonanzen, die synthetisch induziert werden, um die Möglichkeit des Vorhandenseins von Einzelpunkt- und Doppelpunktmutationen um die mutationszentrierten Pixel herum zu berücksichtigen, und
– Resonanzrekombination (Schritt 226).

Eine Kombination einer oder mehrerer dieser Verbesserungen wird den in der parallel anhängigen Patentanmeldung beschriebenen Verfahren überlagert, um spezielle Quellen einer Hybridisierungsverschlechterung, von Vorrichtungsfehlern und Protokollvariabilität bei dem Analyseprozess anzusprechen, um dadurch die Wiederholbarkeit zu verbessern.
Bezugnehmend auf 4 wird anfänglich bei Schritt 300 eine Gruppe von im Interesse stehenden Mutationen ausgewählt und bei Schritt 301 werden Vorbedingungstransformierte basierend auf der ausgewählten Gruppe von Mutationen erzeugt. Bei Schritt 302 werden basierend auf der Hamilton-Funktion eines vorab ausgewählten Basissystems Quantum-Expressor-Funktionen erzeugt. Bei Schritt 304 wird unter Verwendung der Quantum-Expressor-Funktionen ein phasenverschobener Resonanzstimulus erzeugt. Bei Schritt 305 wird auch ein Gruppierungsstimulus erzeugt.
Die Schritte 300 – 305 werden vorzugsweise off-line durchgeführt, um die Quantum-Expressor-Funktionen und den entsprechenden Resonanzstimulus und Gruppierungsstimulus aufzustellen, und werden nicht wiederholt, außer um die Quantum-Expressor-Funktionen zu aktualisieren, um neue und andere DNA-Mikroarraymuster zu berücksichtigen, oder wenn neue im Interesse stehende Mutationen berücksichtigt werden sollen.
Bei Schritt 306 wird unter Verwendung eines DNA-Mikroarrays, für das bereits Quantum-Expressor-Funktionen erzeugt worden sind, ein Punktspektrogramm erzeugt. Bei Schritt 307 wird das Punktspektrogramm zur Abbildung auf morphologische Charakteristika der Quantum-Expressor-Funktionen tesselliert, wobei eine Punktspektrogramm-Tessellierung (DST; engl.: dot spectrogram tessellation) erreicht wird. Bei Schritt 308 werden lokale Parameter des tessellierten Bildes extrahiert. Dann wird bei Schritt 310 das Ausmaß an Amplitudenwanderung ermittelt und mit vorbestimmten zulässigen Generatorfunktionsgrenzen verglichen. Wenn bei Schritt 310 die Amplitudenwanderung nicht innerhalb der zulässigen Generatorfunktionsgrenzen liegt, dann geht die Ausführung zu Schritt 312 weiter, wo das tessellierte Punktspektrogramm auf spektrale Charakteristika der Quantum-Expressor-Funktionen abgebildet wird. Die Schritte 308 und 310 werden wiederholt, bis festgestellt wird, dass die Amplitudenwanderung innerhalb der vorbestimmten Grenzen liegt, wobei an dieser Stelle die Ausführung zu Block 314 weiter geht, wo eine Resonanzwechselwirkung zwischen dem tessellierten, renormalisierten Punktspektrogramm und dem bei Schritt 304 erzeugten phasenverschobenen Resonanzstimulus und dem bei Schritt 305 erzeugten Gruppenstimulus durchgeführt wird, um durch das Punktspektrogramm angegebene Mutationen zu identifizieren.
Die tatsächlichen Resonanzwechselwirkung, die konvergentes Nachhallen umfasst, umfasst die folgenden ebenfalls in 4 gezeigten Unterschritte. Bei Schritt 316 wird eine Resonanzdynamikiteration eingeleitet, die die Verwendung von Ensemblegrenzen und CSR-Operatoren (Schritt 318) und die Verwendung von Masseeigenschaftsschätzfunktionen (Schritt 320) umfasst. Die Ensemblegrenzfilter, die CSR-Filter und die Masseeigenschaftsschätzfunktionen werden auf das tessellierte, renormalisierte Punktspektrogramm in Kombination mit dem Resonanz- und Gruppenstimulus angewendet. Das resultierende gefilterte Punktspektrogramm wird dann evaluiert, um einen Resonanzkonvergenzgrad für eine oder mehrere der Gruppe vorab bestimmter Mutationen bei Schritt 322 zu ermitteln. Der Konvergenzgrad wird bei Schritt 324 gegenüber einer Linbald-Bedingung evaluiert und, wenn die Linbald-Bedingung nicht erfüllt ist, wird davon ausgegangen, dass das System einer Dynamiksperrung unterworfen ist, und die Ausführung geht zu Schritt 326 weiter, wo ein möglicher Hixeltod kompensiert wird, indem ein Zeitmaßstab für die bei Schritt 316 eingeleitete Iteration vergrößert und die Iteration dann wiederholt wird.
Es sollte hier beachtet werden, dass Mutationstod und Dynamiksperrung unterschiedliche Konzepte sind. Die Mutationstodüberprüfung ist eine unverbindliche Überprüfung. Wenn diese Überprüfung zeigt, dass für ein spezielles mutationsresonanzzentriertes (MRC; engl.: mutatiton resonance centered) Hixel keine Resonanz möglich ist, dann wird die Iteration beendet und Block 314 verlassen. Aber ein Resonanzdynamikfehler ist nicht ausreichend, um darauf zu schließen, dass eine spezielle Mutation fehlt. Tatsächlich, wenn die "Hixeltod"-Überprüfung fehlschlägt, impliziert dies, das Resonanz weiterhin in einer Iteration stromabwärts erreicht werden könnte.
Wenn bei Schritt 324 die Iteration konvergiert ist und keine Sperrung aufgetreten ist, dann wurden eine oder mehrere Mutationen zuverlässig identifiziert. Die Ausführung geht zu Block 325 weiter, wo eine weitere Resonanzwechselwirkung durchgeführt wird, um spezielle, durch die Mutationen angegebenen Krankheiten zu identifizieren. Kurz gesagt, bei Schritt 326 wird eine Resonanzdynamikiteration eingeleitet, die die Verwendung von Ensemblegrenz- und CSR-Operatoren (Schritt 328) unter Verwendung von Masseeigenschaftsschätzfunktionen (Schritt 330) umfasst. Das resultierende gefilterte Punktspektrogramm wird dann evaluiert, um bei Schritt 332 einen Resonanzkonvergenzgrad zu ermitteln. Bei Schritt 334 wird der Konvergenzgrad im Verhältnis zu einer Lindbald-Bedingung evaluiert und, wenn die Lindbald-Bedingung nicht erfüllt ist, wird davon ausgegangen, dass das System einer Dynamiksperrung unterworfen ist, und die Ausführung geht zu Schritt 336 weiter, wo ein Zeitmaßstab für die bei Schritt 326 eingeleitete Iteration vergrößert wird, bevor die Iteration wiederholt wird. Wenn die Lindbald-Bedingung erfüllt ist, sind Krankheiten, die den unter Verwendung von Schritt 314 aufgefundenen Mutationen entsprechen, zuverlässig identifiziert worden.
Die Verarbeitung gemäß Schritt 335 hängt von dem Biochip ab. Das Flussdiagramm von 3 veranschaulicht eine allgemeine Form des Verfahrens, das ein Verarbeiten während Schritt 335 erfordert. Bei anderen Implementierungen ist dieser Schritt trivial oder kann vollständig weggelassen werden. In dieser Hinsicht ist das Gesamtverfahren auf zwei Abstraktionsebenen abhängig davon implementiert, wie gut die Krankheitsgenomik verstanden ist. Die Detektion einer speziellen Mutation ist erforderlich und ausreichend, um auf eine Ausprägung eines speziellen Gens zu schließen. Aber das ausgedrückte Gen kann nicht dasjenige sein, um endgültig die Krankheit zu identifizieren. Dann wird ein anderer Abstraktionsgrad herangezogen, wobei das Verfahren folgernd angewendet wird, indem der Genausprägungsschaltkreis oder Genausprägungsbaum erweitert wird, um zu ermitteln, ob es einen Hinweis darauf gibt, dass alle ausgeprägten Gene schließlich zu dem Einen führen, das endgültig die Krankheit identifiziert. So arbeitet Schritt 335 auf der Grundlage der Ergebnisse von Schritt 314, so dass alle identifizierten Mutationen als Eingabe verwendet werden, um zu ermitteln, ob der gesamte Ausprägungsweg dazu führt, dass auf eine Krankheit geschlossen werden kann.
Wenn der Biochip so ausgelegt ist, dass die Mutationen, die allen Zwischenausprägungsprodukten entsprechen, von einem beliebigen Krankheitsstartpunkt durch eine Resonanzausgabe von Schritt 314 erfasst werden können, dann können Unterschritte in Schritt 335 und nachfolgende Schritte 340 und 342 umgangen werden. Ist dies nicht der Fall, sind Clusterschritt 340 und Schritt 342 zum Ausführen einer geometrischen Hash-Funktion vorgesehen, um anzugeben, dass ein Ausprägugnsweg vorhanden ist, was den Schluss auf eine Krankheit vereinfacht (Schritt 344).
Sobald die Krankheiten identifiziert sind, werden bei Schritt 340 Clustereigenschaften evaluiert, um mögliche Krankheiten angebende Olionukleotide basierend auf einer morphologischen Filterung von unter einem Grenzwert liegenden Resonanzen und einer nachfolgenden erneuten Zentrierung (d. h. das Inverse einer Dispersion) selektiv zu eliminieren. Die Schritte 314 – 335 erzeugen ein Cluster von unter einem Grenzwert liegenden Resonanzen. Schritt 340 stellt eine erneute Nachprüfung dar, so dass alle induzierten Resonanzen in der Targetprobe vorhanden sind und kein Anzeichen mehrfacher Reskalierungs- und synthetischer SNR-Verbesserungen darstellen.
Dann wird bei Schritt 342 eine Hash-Projektionsfunktion angewendet, um die Mutationen zu ordnen. Bei Schritt 334 wird dann eine Diagnoseentscheidung getroffen, indem die Reihenfolge der Mutationen untersucht und die Mutationen mit einer Tabelle verglichen werden, die entsprechende Krankheiten angibt.
Daher gibt die Ausgabe von Block 314 alle Hixel an, die komplementäre Oligonukleotidbindungen in der analysierten biologischen Probe angeben, und dies gibt "Mutationen" an. Die Ausgabe von Block 335 umfasst eine Gruppe von ausgeprägten Genen, die einem speziellen pathogenen Weg zugeordnet sind und daher eine vorläufige "Diagnose" angeben. Eine weitere Analyse des pathogenen Wegs stellt eine Gruppe möglicher Krankheiten, falls vorhanden, bereit. Diese Zerlegung ist durch eine Skalierung der Berechnung motiviert, um drei Fragen zu beantworten:

– Impliziert der aktuelle Zustand eine Prädisposition für eine spezielle Krankheit?
– Was ist die Wahrscheinlichkeit des Vorhandenseins einer Krankheit?
– Was ist die Gruppe aller möglichen Krankheiten, auf die von der Targetprobe unter Voraussetzung einer speziellen, von dem Biochip implementierten Genkodierung geschlossen werden kann?

In jedem Fall wird dann, wenn die Diagnoseentscheidung bei Schritt 344 bejaht wird, die Diagnose ausgegeben. Wenn die Diagnose negativ ist, dann wird bei Schritt 346 ermittelt, ob es andere alternative Mutationen nicht innerhalb der anfänglichen, bei Schritt 300 gewählten Gruppe von Mutationen gibt, die in der Probe vorhanden sein könnten. Diese Ermittlung wird durchgeführt, indem eine Tabellenaufstellung aller möglichen Mutationen untersucht wird. Wenn es alternative Mutationen gibt, dann wird der Prozess ausgehend von Schritt 300 wiederholt. Ist dies nicht der Fall, dann wird einfach ein Signal ausgegeben, das angibt, dass keine Mutationen in der Probe aufgefunden wurden.
Nun werden Einzelheiten der Schritte des neuen Verfahrens bereitgestellt. Einzelheiten hinsichtlich von bereits in der parallel anhängigen Anmeldung beschriebenen Schritte werden hier nicht wiederholt.
Mutationsgruppen
Die bei Schritt 300 erzeugte, im Interesse stehende Mutationsgruppe wird ausgewählt, indem Oligonukleotide identifiziert werden, die die im Interesse stehenden {Z} Mutationen angeben. Jedes Oligonukleotid ist durch ψ(i,j) angegeben, was durch [α₀α₁ .... α_k] angegeben ist, wobei α= {A, C, T, G} jeder Arrayzelle [a, b] zugeordnete Base, wo 10 ≤ k ≤ 25. Die gesamte Gruppe von eindeutigen, im Interesse stehende Mutationen bezeichnenden Oligonukleodite Δ(I, m) ist gegeben durch [δ₀δ₁ ... δ_k], wo δ = {A, C, T, G} Länge|Δ| = Länge |ψ| und 0 < ||Δ – ψ || ≤ k, und die Bezeichnete in der ψ (I,m) Oligonukleotidsequenz ist für alle I,m nur für Δ(I,m) ein perfektes Komplement.
Als Teil von Schritt 300 wird eine Oligonukleotidtabelle erzeugt, die die jeder im Interesse stehenden Mutation zugeordneten Oligonukleotidsequenzen angegeben durch Zeilen- und Spaltenstelle (i,j) enthält. Die Oligonukleotidtabelle ist zur nachfolgenden Verwendung bei Schritt 312 vorgesehen, um Stellen innerhalb des Punktspektrogramms, wo bei Schritt 310 Resonanz auftritt, auf Oligonukleotide so abzubilden, dass in einer analysierten Probe vorhandene Mutationen einfach identifiziert werden können. Ebenfalls als Teil von Schritt 300 wird eine Mutationstabelle erzeugt, die die Krankheiten enthält, die jeder im Interesse stehenden Mutation zugeordnet sind. Die Mutationstabelle ist zur nachfolgenden Verwendung bei Schritt 314 vorgesehen, um bei Schritt 312 identifizierte Mutationen auf spezielle Krankheiten oder andere medizinische Zustände abzubilden, so dass die Krankheiten einfach identifiziert werden können.
Basissystem für Quantum-Expressor-Funktionen
Die Auswahl des Basissystems und die darauf basierende Erzeugung der QEFs hängt teilweise von den Eigenschaften des DNA-Mikroarray ab. Bei der beispielhaften Ausführungsform ist das DNA-Mikroarray ein N-M-DNA-Chiparray, wobei ein Element des Arrays hier als "oxel": o(i,j) bezeichnet wird.
Das Prähybridisierungsmikroarray (PEBC) wird ausgedrückt als:
wobei N und M die linearen (Zeile und Spalte) Abmessungen des 2-D-Mikroarray betreffen.
Der jedem Oxel zugeordnete numerische Wert ist gegeben durch: Ȏ(i,j)=αk·4k–1 +αk–1·4k–2 +...+ α1·41+ α0·40 wobei [α] = [A|C|T|G] die Werte [0|1|2|3] annehmen.
Ein Element des Punktspektrogramms wird hier als hixel: h(i,j) bezeichnet.
Zur Verwendung mit diesem Arraytyp ist ein Spin-Boson-Basissystem ausgewählt. Andere Basissysteme können entweder für die gleiche oder andere Mikroarraykonfigurationen geeignet sein.
Quantum-Expressor-Funktionen
Bei Schritt 302 wird basierend auf dem Spin-Boson-Basissystem die QEF erzeugt, indem zuerst die Hamilton-Funktion für das System berechnet wird, harmonische Amplituden |P_m| für die Hamilton-Funktikon berechnet werden, eine Größenordnungsfunktion OF; engl.: order function) erzeugt wird, Frequenzmitnahmezustände der OF für den wahren Bodenzustand (engt.: ground truth) gemessen und schließlich die OF des wahren Bodenzustands moduliert wird, um die QEF zu erhalten.
Die bei Schritt 392 erzeugten QEFs werden in eine Phasenraumwiedergabe umgewandelt. Wenn die Ausgabe des Hybridsierungschips nicht im Phasenraum ist, dann wird dieser ebenfalls umgewandelt. Die Umwandlung wird durchgeführt, indem ein in der parallel anhängigen Anmeldung beschrieben Phaseneinbettungsoperator Γ verwendet wird. Kombinatorischer Hopf-Algebra zugeordnete Ergebnisse werden verwendet, um eine Amplitudensteuerung aufgrund eines Hybridisierungsverlustes zu erhalten. Ein spezieller Fall einer Quantenirrfahrt, Gelfand-Naimark-Segal-(GNS)-Gleichung, wird verwendet, um den Gruppenstimulus zu streuen. Es ist zu beachten, dass eine Nebenproduktsgleichung der Hopf-Algebra dazu dient, mögliche Erklärungen eines Umstands "auszuschließen". Die GNS-Streuung der QEF wird unter Verwendung einer Näherung implementiert: Θ QEF (amp.vector) = Ȗ 1 aȖ–11 wobei Ŭ 1 = e–itH wobei H die Hamilton-Funktion für das koppelnde Spin-Boston-System bezeichnet.
Erzeugung und Tessellierung des Punktspektrogramms
Wie angemerkt, wird bei Schritt 306 für eine Probe von einem N-M-DNA-Chiparray ein Punktspektrogramm erzeugt, wobei ein Element des Arrays ein "oxel": o(i,j)ist. Es wird von einem Herstellungsprozess mit einer Genauigkeit von 6-σ hinsichtlich der Mikroarrayauslegung ausgegangen. Jede Arrayzellamplitude ist gegeben durch Φ(i,j) für i: 1 bis N und j: 1 bis M. Ψ(i,j) bezeichnet ein vorab bekanntes Oligonukleotid gegeben durch [α₀α₁ ... α_k], wo α = {A, C, T, G} zu jeder Arrayzelle [a, b] zugeordnete Base, wobei 10 ≤ k ≤ 25. Der komplementäre, von einer unbekannten Probe erhaltene Strang ist bezeichnet durch Ψ(i,j).
Das Posthybridisierungsmikroarray wird mathematisch behandelt, wobei der Mechanismus von Gleichungen mit Nachwirkung verwendet wird. Jedes durch Φ(i,j) angegebene Hixel wird als Cluster dynamischer Systeme von möglichen [CB] korrekt begrenzten, [UB] unbegrenzten, [PB] teilweise begrenzten und [IB] nicht korrekt begrenzten angegeben. Daher [CB]_Φ(i,j) + [UB]_Φ(i,j) + [PB]_Φ(i,j) + [IB]_Φ(i,j) = T_Φ(i,j) innerhalb von 0,0001%.
Das Punktspektrogramm Φ(i,j) wird dann tesselliert, um idealisierte Ensemblegrenzwerte zum Erzwingen einer Resonanzwirkung stromabwärts zu ermitteln.
Bei Signalverarbeitungsanwendungen wird typischerweise eine räumliche Hochpass- oder Bandpassfilterung implementiert, um das SNR in der DS-Matrix zu erhöhen. Alternative Verfahren wenden eine Kombination von Laplace- oder anderen Randdetektionsfiltern an, um ein Signal von Arrayzellen mit einer höheren Hybridisierungskonzentration gegenüber denjenigen der benachbarten Zellen zu verstärken. Diese SNR-Verstärkungsverfahren arbeiten jedoch nur mit einem positiven SNR oder einem SNR von Null. Da in unserem Fall das SNR im Allgemeinen negativ ist (sehr geringe Target-DNA-Konzentrationen), verstärken diese Verfahren letztendlich das Rauschen oder machen die Hixelgrenzen unschärfer.
Die Tessellierung wird durchgeführt, indem ein in der parallelen anhängigen Anmeldung beschriebenes Gradientenrefokussieren und Reskalieren durchgeführt werden. Bei der Alternativen werden ein Dirichlet-Tessellierungsoperator oder ein Delaunay-Triangulationsoperator verwendet, um das Punktspektrogramm zu tessellieren.
Extraktion lokaler Parameter und Berechnung von Amplitudenwanderung
Das tessellierte Bild wird als metrisch transistives Zufallsfeld behandelt. Alle einem singulären (deterministischen), homogenen (d. h. stationären) Feld zugeordnete Eigenschaften werden subsummiert.
Der am meisten interessierende Parameter ist die integrierte Zustandsdichte gegeben durch
wodurch
wobei n die Anzahl von Eigenwerten für das System (Zufallsfeldannäherung) ist.
Dies wird für jeden Tessellierungsbereich in dem Punktspektrogramm berechnet.
Amplitudenwanderung wird, wie in der gleichzeitig anhängigen Patent #1 beschrieben unter Verwendung von Palm-Generatoren ermittelt. Die Palm-Generatoren nutzen die Neigung von Generatorfunktionen, die stochastische Variabilität beim Hybridisierungsbindungswirkungsvermögen zu erfassen. Das hier beschriebene beispielhafte Verfahren greift auf Ergebnisse in der stochastischen Integralgeometrie und geometrischen Wahrscheinlichkeitstheorie zurück.
Eine "Amplitudenwanderungsabschätzung", die die Hixelamplitudenstreuung aufgrund von gesamten Hybridisierungsverlusten begrenzt, wird unter Verwendung von Palm-Generatoren über das global reskalierte Spektrogramm berechnet, um Amplitudenwanderungen und Übergänge auf Element-, Nachbarpaar- und lokalen Ensembleniveaus zu erfassen. Schritt 310 liefert ein Maß für jedes mutationserkennerzentriertes (MRC; engl.: mutation-recognizer centered) Hixel, das hinsichtlich einer lokalen Verschlechterung invariant ist. Das Maß ist durch die Gleichung ausgedrückt
wobei Z die im Interesse stehende Gruppe von Mutationen bezeichnet. Mit anderen Worten, wir bestimmen die Funktion f(z) unter der Bedingung, dass m(z) hinsichtlich aller Streuungen ξ invariant sein sollte. Bis zu einem konstanten Faktor ist dieses Maß auch das einzige, das unter einer Gruppe von Bewegungen in einer Ebene invariant ist. Im Prinzip leiten wir deterministische analytische Transformationen für jedes MRC-Hixel ab, die fehlerelliptische, auf
der zweidimensionale Euklidische Raum = d. h. Oxelanordnung) definierte Streuungsgrenze auf auf
definierte Maße abbildet. Die Streuungsgrenze ist gegeben durch die Form
Man erinnere sich, dass eine Palm-Verteilung Π eines translatorischen (T_n) invarianten, finiten Intensitätspunktprozesses in
hinsichtlich der bedingen Verteilung des Prozesses definiert ist. Dies wird im Sinne einer Lebesgue-Faktorisierung ausgedrückt: EpN* = ΛLN X Πwobei Π und Δ vollständig und eindeutig die Quellenverteilung P des translatorischen Invarianten Punkprozesses bestimmen. Der Term E_PN* bezeichnet das erste Momentenmaß des Punktprozesses und L_n ist ein Wahrscheinlichkeitsmaß. Im Patent # 1 beschrieben wir, wie Π und Δ berechnet werden, die die dem MRC-Hixel zugeordneten Streuung und Amplitudenwanderung eindeutig kodieren können.
Bei dieser Erfindung lockern wir die strenge Voraussetzung, dass Palm-Generatoren Π und Δ alle stochasische Quellen in der Punktspektrogrammausgabe erfassen. Da Hybridisierungsverlust auf unbekannte und unvorhersagbare Weise beeinflusst werden, müssen wir die Generatoren als probabilistische Funktionen ihrer selbst modifizieren. Mit anderen Worten, die Generatoren werden in mannigfaltige im Gegensatz zu einer Punktfunktion umgewandelt.
(ρ _m _(i,j), σ _m, η _m, ω _m) spezifiziert eine kontinuierliche Wahrscheinlichkeitsdichtefunktion für Amplitudenwanderungen in dem in Interesse stehenden m-ten MRC-Hixel, wobei die Terme bezeichnen:
Oligonukleotiddichte pro Oxel ρ_m(i,j), PCR-Verstärkungsprotokoll (σ_m), Fluorenzenzbindungvermögen (η_m) und Bildgebungsleistung (ω_m). Zuvor forderten wir eine a priori bereitgestellte, vorab festgelegte Bindungsstreuungsgrenze, um Δ gegeben durch das zweite Moment der Funktion bei SNR = 0 zu berechnen.
Das nicht streuende Π wird unter Verwendung Π = Θ * P berechnet, wobei
und τ₁ und τ₂ normalisierte Hybridisierungsstreuungsgrenzen angeben (typischerweise auf 0,1 bzw. 0,7 vorgegeben, um Hybridisierungsverluste zwischen 10% und 70% anzunehmen).
Das präkonditionierte Punktspektrogramm ist durch
(i,j) angegeben, wobei die Funktion 1/(1 + exp(
...))) verwendet wurde, um den darunter liegenden bekannten und stationären Punktprozess auszudrücken.
Die letztere Voraussetzung wird bei diesem Verfahren gelockert und eine Bestimmung, ob die Amplitudenwanderung innerhalb erlaubbarer Generatorfunktionsgrenzen liegt, wird erreicht durch:
wobei
Π₀ den nicht streuenden Generator bezeichnet.
ξ₁ ξ _2... ξ _k stellen die charakteristische Laplace-Funktion des jeder Hybridisierungsverschlechterungsquelle zugeordneten Poisson-Zufallsfeld bereit. Die Verteilungen werden abgeschätzt unter Verwendung von
wobei c eine Verstärkungskonstante ist und ȃ eine nicht zufällige Matrix ȃ = {ȃ_ij :1≤i,j≤d} bezeichnet, die gegeben ist durch ȃ_ij = E{a_jk(ξ)ψ_kj(ξ)} und metrisch transistive Felder sind, die die eindeutige Lösung der folgenden variablen Probleme sind: E{ψll(ξ)alkψkl(ξ)}→∞ (i)
E{ψjl(ξ)}=δjl (iii) E{ψji(ξ)ψji(ξ)}< ∞ (iv)
Der Differenzialoperator für das metrisch transitive Feld zum Falten der Unbestimmtheitsparameter ist durch A₀ bezeichnet. Besetzung und Lösung der obigen Gleichung erfordert eine Abschätzung der Vorwärtsempfindlichkeitsmatrix von Hybridisierungsverschlechterung bewirkenden Variablen.
Bei Schritt 312 wird, falls erforderlich, eine Renormalisierung hinsichtlich des tessillierten Bildes durchgeführt, um spektrale Eigenschaften des Stimulusmusters weiter abzubilden. Die Renormalisierung des Punktspektrogramms wird erreicht, indem das Punktspektrogramm in dem Intervall [–π, +π] reskaliert wird. Die gesamte Berechnung findet im Phasenraum statt, weshalb wir das System in das metrisch transitive Zufallsfeld transformiert haben.
Resonanzwechselwirkung, um Mutationen zu identifizieren
Wie angemerkt, wird bei Schritt 314 die Resonanzwechselwirkung zwischen der QEF und dem tessillierten, renormalisierten Punktspektrogramm durchgeführt, bis ein vorab ausgewählter Konvergenzgrad erreicht ist. Resonanzdynamikrelaxationswerte werden bei Schritt 316 wie folgt berechnet.
Eine faltungslose Evolutionsgleichung geschlossener Form ist gegeben durch:
wobei
wobei beide von der normalisierten DST, (d. h. Anfangszustand) zu einem Zeitpunkt r abhängen – ein Posthybridisierungs- aber präkonditionierter Zustand. Und
für die Hamilton-Funktion, die die Nachwirkungsbasissysteme dynamisch spezifiziert. Auch
In der Praxis wird ein kleines ε, typischerweise 10^–6, verwendet.
Wenn die theoretische Konvergenzzeit τ₀ ist (äußere Konvergenzzykluszeit) und t > τ + τ₀ gewählt wird, dann:
und λ ist ein zeitlich ordnender Operator.
Die Dynamikrelaxationswerte werden dann in bei Schritt 318 unter Verwendung von Ensemblegrenz- und CSR-Filtern (Poisson-Kernel höherer Ordnung) wie folgt gefiltert:
Die Masseeigenschaftsschätzfunktionen von Schritt 320 werden auf die Dynamikrelaxrationswerte wie folgt angewendet:
wobei t der Diskretisierungsschritt ist.
Der obige Ausdruck stellt eine Abschätzung dahingehend bereit, wenn eine durch die faltungslose Gleichung verkörperte, geometrische Bewegung nicht länger einen plausiblen Resonanzkandidaten darstellt.
Dies stellt die geschlossene Form eines Ausdrucks dar, bei dem die Kopplung zwischen der DST und dem Mikroarray aufgebrochen wird und eine Kopplung mit einem nicht linearen Informationsfilter (NIF) hergestellt wird. Im Wesentlichen vergisst das System jede anfängliche Korrelation und tendiert zu einem Lindbald-Zustand.
Die Resonanzkonvergenz wird bei Schritt 322 wie folgt bestimmt:
Das System oszilliert, wenn keine Konvergenz erreicht wird. Wenn ein x-faches (~5) vergrößern des Zeitmaßstabes die Bedingung nicht erfüllt, dann wird angenommen, dass Mutation nicht vorhanden ist.
Es sollte beachtet werden, dass es im Gegensatz zu dem Verfahren der gleichzeitig anhängigen Anmeldung, bei der vorliegenden Erfindung das Fehlen einer Resonanz über einer maximalen Wechselwirkungszählung nicht das Fehlen von Resonanz impliziert. Der Grund besteht darin, dass sowohl das Punktspektrogramm als auch die QEF gestreut werden, d. h. das SNR wird über einem einzelnen Hixel reduziert, tatsächlich aber über einem Ensemble vergrößert wird. So werden die Konvergenzentscheidungen vorgenommen, indem im Gegensatz zu einem einzelnen Nachhallen das innere Kreislaufnachhallen kaskadiert wird. So werden zwei Zeitzyklen für die Konvergenzanalyse verwendet:

(a) ein Zeitzyklus, über dem äußerst feine Resonanzen verfolgt, detektiert und als Entscheidungsmechanismus verwendet werden, um die Iteration fortzusetzen oder zu beenden,
(b) ein Zeitzyklus, über dem auf das Fehlen einer Mutation tatsächlich geschlossen wird. Dies wird durchgeführt, indem ein lokales Maximum über einer Ausgabe eines vorherigen Schritts implementiert und danach erneut integriert wird. Das Verfahren sammelt im Wesentlichen Teilresonanzen und wendet dann die gleiche Resonanzgleichung auf die reskalierte und renormalisierte Teilstufe an.

Dieser Prozess kann analytisch angegeben werden als:
wobei c₁, c₂ und c₃ Grenzwertkonstante sind, die verwendet werden, um unter einem Grenzwert liegende Resonanzen zu detektieren. Auch c₁ » c₂ » c₃ » 1/[Amplitudenauflösung].
Auch betreffen τ₁ und τ₂ die inneren und äußeren Integrationszeitmaßstäbe. Bei einer Implementierung beziehen sie sich auf den Iterationszähler, bei dem die Integrationsschleife beendet, überschritten oder verlassen wird. Typischerweise wird der Abbruchzähler auf eintausend Schritte mit einem Zeitmaßstab in der Größenordnung von zehn Nanosekunden für einen inneren Schritt und einer Mikrosekunde für einen äußeren Schritt festgelegt. So liegt die tatsächliche Konvergenzzeit der Vorrichtung innerhalb von einhundert Millisekunden für die gesamte Berechnung.
In dieser Hinsicht wird die Dynamik als gesperrt betrachtet, wenn die Lindbald-Bedingung nicht erreicht und verifiziert wird.
Die Sperrung der Dynamik impliziert tatsächlich, dass eine Kopplung zwischen

(a) der Quantum-Expressor-Funktion,
(b) dem tessellierten und normalisierten Punktspektrogramm und
(c) der faltungslosen Trägerfunktion zu schwach ist, eine nicht lineare Resonanz an den Tag zu legen. Die physikalische Interpretation ist, dass das gekoppelte System eine "zunichte gemachte Dynamik" an den Tag legt, die die Resonanzreaktion gleichzeitig vergrößert und erschwert. So nimmt die tatsächliche Ausgabe die Form weißen Rauschens über einige Hixel an, die oszillieren.

Die Detektion von Oszillation erfolgt, wenn der spektrale Radius für die Konvergenzkriterien zwischen Grenzen [ε₁, ε_e] oszilliert und nicht zu 0 tendiert. Dies kann verifiziert werden, indem der spektrale Radiusnulldurchgang hinsichtlich der unteren Grenze ε₁ verfolgt wird. Wenn die Nulldurchgangsfrequenz eine festgelegte Anzahl (z. B. zehn) bei dieser Implementierung überschreitet, wird davon ausgegangen, dass die Dynamik gesperrt ist.
Wenn eine Dynamiksperrung aufgetreten ist, wird ein "Mutationstod" wie folgt evaluiert. Die Überprüfung hinsichtlich eines NRC-Hixeltodes betrifft die Verifizierung einer über einem Grenzwert liegenden Resonanz, wobei die Resonanz als der Integrand von Teilresonanzen über der gesamten DST-Struktur definiert ist, d. h.
∀ τ₁,τ₂ ≤ vordefinierte obere Grenze. Typischerweise auf 100 für äußere Iteration und 1 000 für innere Iterationen vorgegeben.
Der Zeitmaßstab zur Realisierung der Lindbald-Bedingung wird geändert und das System erneut iteriert.
Daher ist die endgültige Ausgabe von Schritt 314 alle Hixel, die komplementäre Oligonukleotidbindungen in der biologischen Proben identifizieren, die berechnungstechnisch durch die Gruppe {h_k (i,j)} angegeben werden, wobei {h_k (i,j)} die korrespondierende Oligonukleotidsequenz [α₀α₁ ... α_κ] für das k-te überlebende Hixel ist.
Resonanzwechselwirkung, um Krankheiten zu identifizieren
Unter Verwendung von Block 314 identifizierten Mutationen werden unter Verwendung gleicher Schritte in Block 325 verarbeitet, um durch die Mutationen angegebene Krankheiten zu identifizieren. Daher ist die endgültige Ausgabe von Schritt 335 eine Gruppe von Expressionsgenen, die einem speziellen pathogenen Weg zugeordnet sind, der berechnungstechnisch durch die Gruppe {ψ'_k(i,j)} angegeben ist, wobei {ψ'_k(i,j)} : [α₀α₁ ... α_k] für das l-te Element des die k-te Krankheit erfassenden Weges.
Für eine einzelne Krankheitsanalyse können die Schritte 324 – 334, d. h. Block 335, weggelassen werden.
Clustereigenschaftsüberprüfung
Unter Verwendung von Block 325 identifizierte Krankheiten werden bei Schritt 340 verarbeitet, um Clustereigenschaften wie folgt zu identifizieren. Die Clusteroperation ist im Wesentlichen eine Beschneidungsoperation, die auf einer morphologischen Filterung von unter einem Grenzwert liegenden Resonanzen und einem nachfolgenden erneuten Zentrieren (d. h. das Inverse der Streuung) basiert.
Die Clusterberechnung basiert auf einem transversalen Ordnen (basiert auf transversalen Zahlen) der Oligonukleotidsequenzierung, die den Resonanzmittelpunkten für alle unter einem Grenzwert liegenden Resonanzen zugrunde liegt. Das Konzept leitet sich von einem Ergebnis in der Hypergraphentheorie ab. Man erinnere sich, dass die Transversale eines Hypergraphen H = {X:E₁, E₂, ..., E_m) als Menge T ⊂ X definiert ist, so dass T ⋂ E ₁ ≠ ϕ für I =1,2,..., m, wobei E₁, E₂,..., E_m Untergraphen definieren.
Bei diesem Verfahren ist jedes Oligonukleotid, das einer Mutation zugeordnet ist, die einen "Hixeltod" bei Resonanznachhalliterationen überlebt, durch ψ(i,j): [α =α₀α₁ ... α_k] angegeben ist, wobei α = einer zugeordneten Base als Untergraph der gesamten Gruppe unbekannter Mutationen behandelt wird, die tatsächlich in der Targetprobe vorhanden sind. Wenn das überlebende Hixel ein Ensemble ist, dann wird jedes Ensemble als Untergraph mit mehreren Knoten und einigen Rändern behandelt. Wenn lediglich ein einziges Hixel überlebt, dann wird es als Einzelknotenuntergraph behandelt. Die Transversalanzahl eines Hypergraphen H ist definiert als die kleinste Anzahl von Vertikalen einer Transversalen. Sie ist gegeben durch:
Die beim Clustern einbezogenen Unterschritte sind:.
– Bestimme Min
= {A₁, A₂,..., A_k}, wobei A₁, A₂, ..., A_k die überlebenden Resonanzcluster bezeichnen.
– Als nächstes bestimme die folgenden Familien:
Wenn Min A k Glieder aufweist, dann bildet der Algorithmus Tr A = Tr δ_k in k Schritten.
Hash-Projektor
Dann wird bei Schritt 342 auf die Ausgabe der Clusterüberprüfung ein Hash-Projektor angewendet. Der Hash-Projektor erzeugt eine Aufzählung der führenden k Oligonukleotide mit der höchsten Anzahl an Transversalen. So wird eine Gruppe von Mutationen oder die korrespondierenden ausgeprägten Gene erzeugt, die die höchste sortierte Anzahl an Transversalen aufweisen. Typischerweise werden alle Glieder, die durch einen Abstand von wenigstens zwei getrennt sind, gewählt.
Diagnoseentscheidung
Basierend auf der Ausgabe des Hash-Projektors wird bei Schritt 344 eine Diagnoseentscheidung getroffen. Die Diagnoseentscheidung wird erreicht, indem eine einfache Nachschlagetabelle verwendet wird, die durch die Ergebnisse der Hash-Projektionsberechnung unter Verwendung der zuvor genannten Tabellen indiziert ist.
Alternativen
Alternative mögliche Mutationen werden bei Schritt 346 evaluiert.
Wenn Alternativen verfügbar sind, wird die alternative Gruppe von im Interesse stehenden Mutationen geladen und der Prozess wird beginnend bei Schritt 300 wiederholt. Wenn die ursprüngliche Gruppe von Mutationen, von der die ursprüngliche Gruppe von QIFs während des off-line Prozesses der Schritte 301 und 302 erzeugt wurde, nicht die alternativen Mutationen umfasst, wird daher dann der off-line Prozess mit der neuen Gruppe von Mutationen wiederholt, um neue QIFs zu erzeugen. Im Fall, dass das Verfahren mehrfache Krankheitsdetektionshypothesen ergibt, und es tut dies oftmals, werden alle möglichen Hypothesen als plausible Kandidaten bereitgestellt.
Das unter Bezugnahme auf 4 beschriebene Verfahren ist insbesondere dahingehend leistungsfähiger, dass es eine Aufzählungslösung bereitstellt, die im Allgemeinen alle möglichen diagnostischen Kandidaten abdeckt im Gegensatz zu lediglich einem oder zweien unter der Voraussetzung des besten Genomverständnisses oder einer Abbildung zwischen ausgeprägten Genen und Krankheiten.
Alternative Ausführungsformen
Einzelheiten hinsichtlich einer auf eine Messung von viralen Belastungen gerichteten Implementierung sind in dem U.S.-Patent 6,245,511 mit dem Titel "Exponentially Convergent Therapy Effecitveness Monitoring Using Viral Load Measurements" zu finden.
Die beispielhafte Ausführungsformen wurden in erste Linie unter Bezugnahme auf die Flussdiagramme beschrieben, die einschlägige Merkmale der Ausführungsformen veranschaulichen. Jeder Verfahrensschritt stellt auch eine Hardware- oder Softwarekomponente zur Durchführung des entsprechenden Schritts dar. Dies Komponenten werden hier auch als "Einrichtung zum" Durchführen des Schritts bezeichnet. Es sollte erkannt werden, dass nicht alle Komponenten einer vollständigen Implementierung eines tatsächlichen Systems notwen digerweise veranschaulicht oder im Einzelnen beschrieben sind. Vielmehr sind nur diejenigen Komponenten, die für ein grundlegendes Verständnis der Erfindung erforderlich sind, veranschaulicht und im Detail beschrieben worden. Tatsächliche Implementierungen können mehr Komponenten oder abhängig von der Implementierung weniger Komponenten enthalten.

Claims

Verfahren zum Analysieren eines Ausgabemusters einer Mikroarrayvorrichtung, um in einer auf die Mikroarrayvorrichtung aufgebrachten biologischen Probe, wenn überhaupt, vorhandene Mutationen zu identifizieren, wobei das Verfahren die Schritte umfasst: Tessellieren des Ausgabemusters, Erzeugen eines der Gruppe bekannter Mutationen zugeordneten Stimulusmusters, Erzeugen eines Resonanzmusters, das Resonanzen zwischen dem Stimulusmuster und dem tessellierten Ausgabemuster angibt, Interpretieren des Resonanzmusters, um eine Gruppe bestätigter Mutationen zu erhalten, indem darin aufgefundene Resonanzen mit für die Gruppe von Mutationen erwarteten, vorbestimmen Resonanzen verglichen werden.
Verfahren nach Anspruch 1, bei dem das Ausgabemuster von einer Mikroarrayvorrichtung erhalten wird, die eine Mehrzahl Zellen aufweist, die jeweils eine Gruppe im Wesentlichen identischer, immobilisierter Olionukleotide aufweisen, wobei die Olionukleotide jeder Zelle gegenüber den Olionukleotiden jeder anderen Zelle im Wesentlichen eindeutig sind.
Verfahren nach Anspruch 1, bei dem der Schritt, das Ausgabemuster zu tessellieren, den Schritt umfasst, lokale morphologische Variationen im Ausgabemuster stark zu verstärken.
Verfahren nach Anspruch 3, bei dem das Stimulusmuster basierend auf Quantum-Expressor-Funktionen erzeugt wird, und bei dem der Schritt, das Ausgabemuster zu tessellieren, durchgeführt wird, um das Ausgabemuster so zu tessellieren, dass es morphologischen Charakteristika der Quantum-Expressor-Funktionen entspricht.
Verfahren nach Anspruch 1, ferner die Schritte umfassend: Extrahieren lokaler Parameter aus dem tessellierten Ausgabemuster, Bestimmen, ob ein Ausmaß einer die lokalen Parameter angebenden Amplitudenwanderung innerhalb eines vorbestimmten, zulässigen Generatorfunktionsgrenzwerts liegt, und wenn dies nicht der Fall ist, Renormalisieren des tessellierten Ausgabemusters, um ferner mit spektralen Eigenschaften des Resonanzmusters übereinzustimmen.
Verfahren nach Anspruch 5, bei dem der Schritt, lokale Parameter aus dem tessellierten Ausgabemuster zu extrahieren, die Schritte umfasst, Extrahieren von Parametern, die eine integrierte Dichte von Zuständen in jedem einer Mehrzahl von Tessellierungsbereichen in dem tessellierten Ausgabemuster angeben.
Verfahren nach Anspruch 5, bei dem das Ausmaß der Amplitudenwanderung bestimmt wird, indem eine Palm-Verteilung angewendet wird, um Generatoren zum Abschätzen einer stochastischen Wanderung zu entwickeln.
Verfahren nach Anspruch 1, ferner den Schritt umfassend, das tessellierte Ausgabemuster und das Stimulusmuster in ein metrisch transitives Zufallsfeld umzuwandeln.
Verfahren nach Anspruch 8, ferner den Schritt umfassend, das tessellierte Ausgabemuster nach einer Umwandlung in das metrisch transitive Zufallsfeld zu renormalisieren.
Verfahren nach Anspruch 9, bei dem der Renormalisierungsschritt durchgeführt wird, um das tessellierte Ausgabemuster auf das Intervall [–π,+π] zu reskalieren.
Verfahren nach Anspruch 1, bei dem der Schritt, ein der Gruppe bekannter Mutationen zugeordnetes Stimulusmuster zu erzeugen, die Schritte umfasst: Auswählen einer Untergruppe der Mutationen zur Analyse, und Auswählen einer Untergruppe nicht linearer Quantum-Expressor-Funktionen aus einer Gruppe vorbestimmter, nicht linearer Quantum-Expressor-Funktionen basierend auf der ausgewählten Untergruppe von Mutationen.
Verfahren nach Anspruch 11, ferner die Schritte umfassend: Transformieren der nicht linearen Quantum-Expressor-Funktionen und des tessellierten Ausgabemusters in den Phasenraum.
Verfahren nach Anspruch 1, bei dem der Schritt, ein Resonanzmuster zu erzeugen, den Schritt umfasst iteratives Verarbeiten des Ausgabemusters, indem ein konvergentes Nachhallen durchgeführt wird, um ein Resonanzmuster zu erhalten, das Resonanzen zwischen einer vorgestimmten Gruppe ausgewählter Quantum-Expressor-Funktionen und dem tessellierten Ausgabemuster angibt, bis ein vorbestimmter Konvergenzgrad zwischen den in dem Resonanzmuster aufgefundenen Resonanzen und für die Gruppe von Mutationen erwarteten Resonanzen erreicht wird.
Verfahren nach Anspruch 13, bei dem der Schritt, das Ausgabemuster iterativ zu verarbeiten, indem ein konvergentes Nachhallen durchgeführt wird, den Schritt umfasst, eine Analyse hinsichtlich konvergenter Nachhalldynamikresonanzen des tessellierten Ausgabemu ters durchzuführen, wobei das Resonanzstimulusmuster verwendet wird, um von dem tessellierten Ausgabemuster angegebene Mutationen zu identifizieren.
Verfahren nach Anspruch 14, bei dem der Schritt, eine Analyse hinsichtlich konvergenter Nachhalldynamikresonanzen durchzuführen, die Schritte umfasst: a) Ermitteln einer ersten Gruppe von Resonanzdynamikrelaxationswerten basierend auf dem vorverarbeiteten Ausgabemuster und dem Resonanzstimulus, b) Filtern der Dynamikrelaxationswerte unter Verwendung von Ensemblegrenz- und CSR-Filtern, um eine zweite Gruppe von Werten zu erhalten, c) Anwenden von Masseeigenschaftsschätzfunktionen auf die Dynamikrelaxationswerte, um eine dritte Gruppe von Werten zu erhalten, d) Evaluieren der zweiten und dritten Gruppe von Werten, um einen Resonanzkonvergenzgrad zu ermitteln, und e) Ermitteln aus dem Resonanzkonvergenzgrad, ob eine Dynamiksperrung aufgetreten ist, und, wenn dies der Fall ist, wiederholen der Schritte a) – e).
Verfahren nach Anspruch 15, bei dem der Schritt, basierend auf dem vorverarbeiteten Ausgabemuster und dem Resonanzstimulus Resonanzdynamikrelaxationswerte zu bestimmen, die Schritte umfasst Anwenden eines faltungslosen Entwicklungsoperators auf das tessellierte Ausgabemuster.
Verfahren nach Anspruch 15, bei dem der Schritt, Masseeigenschaftsschätzfunktionen auf die Dynamikrelaxationswerte anzuwenden, um eine dritte Gruppe von Werten zu erhalten, die Schritte umfasst Anwenden eines Kopplungsoperators, mit dem die das tessellierte Ausgabemuster angebenden Dynamikrelaxationswerte gekoppelt sind, auf einen nicht linearen Informationsfilter.
Verfahren nach Anspruch 15, bei dem der Schritt, die zweiten und dritten Gruppen von Werten zu evaluieren, um einen Resonanzkonvergenzgrad zu ermitteln, die Schritte umfasst Ermitteln, ob die dritte Gruppe von Werten nach einer vorbestimmten Zeitdauer über einen vorbestimmten Grenzwert hinaus oszillieren und, falls dies nicht der Fall ist, Konvergenz erreicht wurde.
Verfahren nach Anspruch 18, bei dem, wenn keine Konvergenz erreicht wurde, der zusätzliche Schritt durchgeführt wird, einen Zeitmaßstab zu vergrößern, um nach der vorbe stimmten Zeitdauer Konvergenz festzustellen, und, wenn Konvergenz weiterhin nicht erreicht wird, dann ein Signal zu erzeugen, das angibt, dass keine Mutationen der Mutationsgruppe in der Probe vorliegen.
Verfahren nach Anspruch 15, bei dem der Schritt, zu ermitteln, ob eine Dynamiksperrung aufgetreten ist, die Schritte umfasst, eine Lindbald-Bedingung zu evaluieren, und, wenn die Lindbald-Bedingung nicht erreicht wurde, ein Signal zu erzeugen, das angibt, dass eine Dynamiksperrung aufgetreten ist.
Verfahren nach Anspruch 20, bei dem, wenn eine Dynamiksperrung aufgetreten ist, die zusätzlichen Schritte ausgeführt werden, festzustellen, ob ein "Mutationstod" aufgetreten ist, indem ein Zeitmaßstab zur Realisierung der Lindbald-Bedingung variiert und die Schritte beginnend mit der Ermittlung von Dynamikresonanzrelaxationswerten wiederholt werden.
Verfahren nach Anspruch 13, bei dem der Schritt, das Ausgabemuster iterativ zu verarbeiten, indem ein konvergentes Nachhallen durchgeführt wird, auch den Schritt umfasst, eine Analyse hinsichtlich konvergenter Nachhalldynamikresonanzen der Mutationen durchzuführen, wobei das Resonanzstimulusmuster verwendet wird, um von den Mutationen angegebene, diagnostische Zustände zu identifizieren.
Verfahren nach Anspruch 22, bei dem der Schritt, eine Analyse hinsichtlich konvergenter Nachhalldynamikresonanzen der Mutationen unter Verwendung des Resonanzstimulusmusters durchzuführen, um von den Mutationen angegebene, diagnostische Zustände zu identifizieren, die Schritte umfasst: a) Ermitteln einer ersten Gruppe von Resonanzdynamikrelaxationswerten basierend auf dem Resonanzstimulus und den Mutationen, b) Filtern der Dynamikrelaxationswerte unter Verwendung von Ensemblegrenz- und CSR-Filtern, um eine zweite Gruppe von Werten zu erhalten, c) Anwenden von Masseeigenschaftsschätzfunktionen auf die Dynamikrelaxationswerte, um eine dritte Gruppe von Werten zu erhalten, d) Evaluieren der zweiten und dritten Gruppe von Werten, um einen Resonanzkonvergenzgrad zu ermitteln, und e) Ermitteln aus dem Resonanzkonvergenzgrad, ob eine Dynamiksperrung aufgetreten ist, und, wenn dies der Fall ist, wiederholen der Schritte a) – e).
Verfahren nach Anspruch 1, ferner den Schritt umfassend, die durch die Analyse hinsichtlich konvergenter Nachhalldynamikresonanzen identifizierten diagnostischen Zustände basierend auf Clustereigenschaften zu filtern.
Verfahren nach Anspruch 1, bei dem die biologische Probe aus einer Gruppe ausgewählt ist, die aus DNA-, RNA-, Protein-, Peptid-Nucleinsäure-(PNA)- und Zielzellkernverstärkungs-(TNA)-Proben besteht.
Verfahren nach Anspruch 1, ferner den Schritt umfassend, basierend auf den durch die Analyse hinsichtlich konvergenter Nachhalldynamikresonanzen identifizierten, diagnostischen Zuständen eine diagnostische Entscheidung zu treffen.
Verfahren nach Anspruch 26, bei dem wenn die diagnostische Entscheidung negativ ist, dann ermittelt wird, ob irgendwelche Alternativen verfügbar sind, und wenn keine Alternativen verfügbar sind, eine neue Untergruppe von Mutationen ausgewählt und alle Schritte wiederholt werden.
System zum Analysieren eines Ausgabemusters einer Mikroarrayvorrichtung, um in einer auf die Mikroarrayvorrichtung aufgebrachten biologischen Probe, wenn überhaupt, vorhandene Mutationen zu identifizieren, wobei das System umfasst: eine Tessellierungseinheit, die betriebsfähig ist, das Ausgabemuster zu tessellieren, eine Stimulusmustererzeugungseinheit, die betriebsfähig ist, ein Stimulusmuster zu erzeugen, das der Gruppe bekannter Mutationen zugeordnet ist, eine Resonanzmustererzeugungseinheit, die betriebsfähig ist, ein Resonanzmuster zu erzeugen, das Resonanzen zwischen dem Stimulusmuster und dem tessellierten Ausgabemuster angibt, eine Resonanzmusterinterpretationseinheit, die betriebsfähig ist, das Resonanzmuster zu interpretieren, um eine Gruppe bestätigter Mutationen zu erhalten, indem darin aufgefundene Resonanzen mit für die Gruppe von Mutationen erwarteten, vorbestimmten Resonanzen verglichen werden.
System nach Anspruch 28, ferner umfassend: eine Extraktionseinheit, die betriebsfähig ist, lokale Parameter aus dem tessellierten Ausgabemuster zu extrahieren, eine Ermittlungseinheit, die betriebsfähig ist, zu ermitteln, ob ein Ausmaß einer die lokalen Parameter angebenden Amplitudenwanderung in einem vorbestimmten, zulässigen Generatortunktionsgrenzwert liegt, und eine Renormalisierungseinheit, die betriebsfähig ist, das tessellierte Ausgabemuster zu renormalisieren, um ferner mit spektralen Eigenschaften des Resonanzmusters übereinzu stimmen, wenn die Ermittlungseinheit feststellt, dass das Ausmaß der Amplitudenwanderung nicht innerhalb des vorgestimmten, zulässigen Generatorfunktionsgrenzwerts liegt.
System nach Anspruch 28, um eine Analyse hinsichtlich konvergenter Nachhalldynamikresonanzen des Ausgabemusters durchzuführen, um von diesem angegebene Mutationen zu identifizieren, ferner umfassend: eine Ermittlungseinheit, die betriebsfähig ist, eine erste Gruppe von Resonanzdynamikrelaxationswerten basierend auf dem tessellierten Ausgabemuster und dem Resonanzstimulus zu bestimmen, einen Filter, der betriebsfähig ist, die Dynamikrelaxationswerte unter Verwendung von Ensemblegrenz- und CSR-Filtern zu filtern, um eine zweite Gruppe von Werten zu erhalten, eine Schätzeinheit, die betriebsfähig ist, Masseeigenschaftsschätzfunktionen auf die Dynamikrelaxationswerte anzuwenden, um eine dritte Gruppe von Werten zu erhalten, eine Evaluierungseinheit, die betriebsfähig ist, die zweiten und dritten Gruppen von Werten zu evaluieren, um zu ermitteln, ob ein vorbestimmter Resonanzkonvergenzgrad erreicht wurde, und eine Sperrungsdetektionseinheit, die betriebsfähig ist, zu ermitteln, ob eine Dynamiksperrung aufgetreten ist.
System nach Anspruch 28, bei dem die Stimuluserzeugungseinheit basierend auf Quantum-Expressor-Funktionen ein Stimulusmuster erzeugt.
Verfahren nach einem der Ansprüche 1 bis 27, bei dem ein Ausgabemuster eines Biochips als das Ausgabemuster einer Mikroarrayvorrichtung verwendet wird.
System nach einem der Ansprüche 28 bis 31 zum Analysieren eines Ausgabemusters eines Biochips als das Ausgabemuster einer Mikroarrayvorrichtung.