[发明专利]用于进行最优选的子集选择的方法和装置

说明书

技术领域

本申请涉及在基于基因组学的测试中进行搜索处理的领域，并且更具体地，涉及一种在搜索处理中包括更多测量(measurement)的改进方法。

背景技术

已知在许多领域出现子集选择问题；例如，用于分子诊断的模式发现。在这个领域中，典型地，对于有或者没有特定疾病的病人，都有测量数据，并且期望找到能够被用来可靠地检测这种疾病的这些测量的一个子集。进化计算是一种已知的能够被用来从可用的测量中确定测量子集的方法。进化计算的例子可以从以下中找到：提交的专利申请WO0199043和WO0206829，以及Philips Tr-2-3-12，Petricoin et.al.，The Lancet，Vol.359，16 Feb.2002，pp.572-577。

利用某种方式的子集选择的进化搜索算法具有这样的特性，即每次考虑整个搜索空间的一个子集。例如，由100个染色体(每个中有15个基因)构成的种群仅能涵盖1500个不同的基因。如果搜索空间包含多于1500个基因，那么通常无法保证该算法将检验每个基因至少一次。对该问题的穷举(brute-force)方案将会增加种群大小和/或染色体尺寸，该方案通常并不可行，因为它给算法增加了相当大的计算负担。

然而，尽管使用现有技术中所描述的方法能够找出精确且小的子集，但是常常会使用或需要使用附加的准则。例如，相比其它测量，一些测量可能更可靠或更不可靠；相比其它测量，一些测量可能需要更昂贵的试剂或测量设备；相比其它测量，一些测量可能涉及在疾病处理过程中其功能更为大家熟知的生物分子等等。

因此，在该产业中需要一种方法，其顾及包括或测试将要在搜索中考虑的附加准则。

公开了一种用于在遗传算法中从多个测量中确定测量子集的方法和装置。所述方法包括以下步骤：确定每个测量子集的适应度(fitness measure)，其中每个测量具有相关联的适应度；以及选择具有最小适应度的测量子集。所述方法还包括以下步骤：确定每个测量子集的代价函数(cost function)，其中每个测量包括相关联的代价；以及选择具有最小代价函数的测量子集。

通过各种组件和组件的安排以及通过各种处理操作和处理操作的安排，本发明将变得明显。附图的目的仅仅是为了说明优选实施例，而不应被解释为限制本发明。

图1说明了根据本发明的原理，用于并入附加选择准则的示例性处理过程。

应该理解，这些附图是为了说明本发明的概念，并不是按比例绘制的。可以理解，在全文使用相同的参考数字(可能在适当处会用参考符号来进行补充)来标识相应的部分。

2004年12月28日提交的题目是“Method for GeneratingGenomics-Based Medical Diagnostic Tests”的美国专利申请No.60/639,747(其内容被通过引用并入此处)描述了一种通过生成染色体的第一代染色体种群来确定分类器(classifier)的方法，其中每个染色体具有选定数目的基因，这些基因规定了相关联的测量集合的一个子集。在所描述的该方法中，在计算上遗传地进化染色体的基因，以便产生后代染色体种群。每个后代染色体种群的产生包括：通过(i)用双亲染色体的公共基因值填充子代染色体的基因并且(ii)用双亲染色体的一方或另一方所特有的基因值填剩余基因，根据当前染色体种群的双亲染色体来产生子代染色体；选择性地变异子代染色体中其双亲染色体的一方或另一方所特有的基因值，而不变异子代染色体中其双亲染色体的公共基因值；并且基于每个染色体的适应度，用子代染色体更新染色体种群，其中每个染色体的适应度是使用该染色体的基因所指定的相关联的测量的子集来确定的。然后选择一个分类器，该分类器使用由遗传进化所标识的染色体的基因所指定的相关联的测量的子集。

在所引用的共有专利申请中描述的方法(通过引用并入其启示)使用了两级分层选择步骤，即适者生存，其被设计用于导致精确且小的子集的进化。如所述，以下比较对于该问题的竞争方案，也就是不同的染色体(即，双亲和子代，在这里被称为A和B)：

如果(分类错误(A)＜分类错误(B))，则选择A；

否则如果(分类错误(A)＝分类错误(B)，并且

测量的数目(A)＜测量的数目(B))，则选择A；

否则，随机选择A或B，

其中，分类错误()代表适应度。