基于細胞的探詢式分析及其應(yīng)用的制作方法
【專利摘要】本文描述的是一個用于通過建模來分析生物系統(tǒng)或過程(例如，疾病狀態(tài)，如癌癥)的發(fā)現(xiàn)平臺技術(shù)。
【專利說明】基于細胞的探詢式分析及其應(yīng)用
[0001] 相關(guān)申請
[0002] 本申請要求2012年4月2日提交的61/619326號美國臨時申請、2012年7月6日 提交的61/668617號美國臨時申請、2012年4月4日提交的61/620305號美國臨時申請、 2012年6月28日提交的61/665631號美國臨時申請、2012年8月1日提交的61/678596 號美國臨時申請和2012年8月1日提交的61/678590號美國臨時申請的優(yōu)先權(quán)，其中各自 的全部內(nèi)容明確地通過引用在此引入。
[0003] 發(fā)明背景
[0004] 自從我們今天稱為分子生物學(xué)先驅(qū)的James Watson和Francis Crick在1964年 發(fā)現(xiàn)了DNA以來，新藥開發(fā)已有很大的發(fā)展。分子生物學(xué)的工具和產(chǎn)品使得能夠在DNA和 RNA水平快速、詳細和精確地測量基因調(diào)控。在該范式變革性的發(fā)現(xiàn)后的三十年間從上述 平臺出現(xiàn)了敲除動物模型、關(guān)鍵酶聯(lián)反應(yīng)及發(fā)病機制和病理生理學(xué)的新知識。在2000年春 季，當(dāng)Craig Ventor和Francis Collins宣布了人類基因組的最初測序時，科學(xué)界掀起了 醫(yī)藥學(xué)的新浪潮。
[0005] 基因組作圖立即點燃了例如能夠控制疾?。ㄉ踔猎诩膊∑鹗贾埃⑹褂没蛑?療來逆轉(zhuǎn)導(dǎo)致阿爾茲海默氏病或帕金森氏疾病的退化性腦進程和可以被引入到腫瘤的部 位并在恢復(fù)正常的組織結(jié)構(gòu)和生理的同時導(dǎo)致疾病消滅的構(gòu)建體的希望。其他人則采取了 有爭議的糾結(jié)態(tài)度并提出產(chǎn)生在眼睛或頭發(fā)的顏色、身高等方面想要的后代的概念。然而 十年后，我們?nèi)匀粵]有看到特別的途徑使得能夠期待基因治療的持續(xù)成功，或甚至遺傳過 程的基本控制。
[0006] 因此，一個顯而易見的現(xiàn)實是，遺傳學(xué)（至少獨立于支持結(jié)構(gòu)）沒有推動生理學(xué)的 終點。事實上，許多過程如轉(zhuǎn)錄后修飾、突變、單核苷酸多態(tài)性（SNP)和翻譯后修飾可以改 變基因和/或其編碼的互補蛋白質(zhì)的本性（providence)，并因而造成疾病過程。
[0007] 發(fā)明概述
[0008] 信息化時代和互聯(lián)網(wǎng)的建立已經(jīng)允許信息過載，同時也促進了國際性合作和評 判。具有諷刺意味的是，上述的現(xiàn)實也可能是科學(xué)界忽略了幾個簡單的點的原因，包括細胞 和/或組織內(nèi)部及之間的信號級聯(lián)和交互（cross-talk)的通訊允許在出差錯時發(fā)生用于 糾正機制的體內(nèi)穩(wěn)態(tài)和消息發(fā)送。
[0009] 一個恰當(dāng)?shù)睦由婕暗叫难芗膊。–VD)，這仍然是在美國和許多發(fā)達國家中的 主要死亡原因，僅在美國每2. 8例死亡中占1例。此外，CVD作為基礎(chǔ)的病理造成相關(guān)的并 發(fā)癥，如慢性腎臟病（?1900萬US病例）、慢性疲勞綜合征和代謝綜合征的關(guān)鍵因素。與 診斷學(xué)、微創(chuàng)外科技術(shù)、藥物洗脫支架和有效的臨床監(jiān)測相關(guān)的重大技術(shù)進步已經(jīng)在介入 心臟病學(xué)領(lǐng)域中開創(chuàng)了空前增長的時期，也使得CVD的管控更加有效。然而，與CVD及其并 發(fā)癥（如糖尿病和周圍血管疾病）相關(guān)的疾病病因尚未完全闡明。
[0010] 仍然缺乏探索涉及生物學(xué)過程如疾病狀態(tài)（例如，CVD)的病因?qū)W的機制和途徑， 以及鑒別關(guān)鍵的調(diào)控途徑和/或目標(biāo)分子（如"藥物靶標(biāo)"）和/或用于更好的疾病診斷、 管控和/或治療的標(biāo)志物的新方法。
[0011] 本文所描述的發(fā)明至少部分地基于網(wǎng)絡(luò)生物學(xué)、基因組學(xué)、蛋白質(zhì)組學(xué)、代謝組 學(xué)、轉(zhuǎn)錄組學(xué)和生物信息學(xué)的工具和方法的新型的協(xié)同應(yīng)用，它們在結(jié)合時可利用系統(tǒng)生 物學(xué)方法而用于研宄任何目標(biāo)生物系統(tǒng)，如所選的疾病狀態(tài)，包括癌癥、糖尿病、肥胖癥、心 血管疾病和血管生成。在第一步驟中，開發(fā)了細胞建模系統(tǒng)以探測各種不同生物系統(tǒng)，如 疾病過程，其中包含經(jīng)受各種疾病相關(guān)環(huán)境刺激（例如，高血糖癥、缺氧、免疫應(yīng)激和脂質(zhì) 過氧化、細胞密度、血管生成激動劑和拮抗劑）的疾病相關(guān)細胞。在一些實施方式中，細胞 建模系統(tǒng)涉及各種相互作用的細胞類型（如主動脈平滑肌細胞（HASMC)、近端小管腎細胞 (HK-2)、主動脈內(nèi)皮細胞（HAEC)和真皮成纖維細胞（HDFa))之間的細胞交互機制。通過 使用幾種技術(shù)的組合，包括例如，切割邊界質(zhì)譜（cutting edge mass spectrometry) (LC/ MSMS)、流式細胞術(shù)、基于細胞的分析和功能分析，獲得來自細胞模型系統(tǒng)的高通量生物學(xué) 讀數(shù)。然后通過體外、體內(nèi)和計算機建模對高通量生物學(xué)讀數(shù)進行生物信息學(xué)分析來研宄 疊合數(shù)據(jù)趨勢（congruent data trend)。由此產(chǎn)生的矩陣允許其中開發(fā)線性和非線性回歸 分析以達到確證壓力點（conclusive pressure point)(或"樞紐（hub)"）的交叉相關(guān)數(shù) 據(jù)挖掘。本文所提出的這些"樞紐"都是藥物開發(fā)的候選者。特別是，這些樞紐代表潛在的 藥物靶標(biāo)和/或疾病標(biāo)志物。
[0012] 差別的分子印記使得能夠深入了解規(guī)定了導(dǎo)致疾病發(fā)作和發(fā)展的組織微環(huán)境中 的改變的機制。總的來說，上述技術(shù)平臺與戰(zhàn)略性細胞建模的結(jié)合賦予了可被用于進一步 建立對疾病的理解而同時建立可臨床強化醫(yī)療標(biāo)準(zhǔn)的生物標(biāo)志物文庫和候選藥物的確實 的情報。
[0013] 此外，這種方法不僅可用于疾病的診斷或干預(yù)，也對生物系統(tǒng)中的幾乎所有病理 或非病理狀態(tài)具有普遍的適用性，如其中兩個或更多個細胞系統(tǒng)相互作用的生物系統(tǒng)。例 如，這種方法可以用于獲得對與藥物毒性相關(guān)聯(lián)或具有因果關(guān)系的機制的深入了解。因此， 本發(fā)明提供了可以在廣泛情況中普遍適用的用于探詢式生物學(xué)評估的框架。
[0014] 本發(fā)明的平臺的顯著特征是，基于AI的系統(tǒng)是基于從細胞模型系統(tǒng)獲得的數(shù)據(jù) 集而不訴諸或考慮本領(lǐng)域中的任何現(xiàn)有知識，如涉及該生物學(xué)過程的已知的生物學(xué)關(guān)系 (即沒有數(shù)據(jù)點是人為的）。因此，從該平臺生成的所得統(tǒng)計模型是無偏的。本發(fā)明的平臺 及其成分（例如，由其獲得的細胞模型系統(tǒng)和數(shù)據(jù)集）的另一個顯著的特點是它允許隨著 時間在細胞模型上繼續(xù)構(gòu)建（例如，通過引入新的細胞和/或條件），以使得從生物系統(tǒng)或 過程的細胞模型生成的初始的"第一代"一致因果關(guān)系網(wǎng)絡(luò)（consensus causal network) 可以與細胞模型自身的演變一起進化至多代因果關(guān)系網(wǎng)絡(luò)（及由此獲得的增量或增量-增 量網(wǎng)絡(luò)）。以這種方式，細胞模型、來自細胞模型的數(shù)據(jù)集及通過使用該平臺技術(shù)方法從細 胞模型生成的因果關(guān)系網(wǎng)絡(luò)可以在從平臺技術(shù)獲得的以前的知識上不斷演化和構(gòu)建。
[0015] 本發(fā)明提供用于鑒別生物系統(tǒng)的調(diào)節(jié)子的方法，所述方法包括：
[0016] 使用與該生物系統(tǒng)相關(guān)的細胞建立該生物系統(tǒng)的模型以代表該生物系統(tǒng)的特征 性方面；
[0017] 從該模型獲得第一數(shù)據(jù)集，其中該第一數(shù)據(jù)集代表與生物系統(tǒng)相關(guān)的細胞中的總 體蛋白質(zhì)組學(xué)改變；
[0018] 從該模型獲得第二數(shù)據(jù)集，其中所述第二數(shù)據(jù)集代表與生物系統(tǒng)相關(guān)的細胞的一 種或多種功能活性或細胞反應(yīng)，其中所述細胞的一種或多種功能活性或細胞反應(yīng)包括與該 生物系統(tǒng)相關(guān)的細胞中的總體酶學(xué)活性和/或總體酶學(xué)活性對酶代謝產(chǎn)物或底物的效應(yīng)；
[0019] 用編程的計算設(shè)備僅基于所述第一和第二數(shù)據(jù)集生成所述總體蛋白質(zhì)組學(xué)改變 和所述一種或多種功能活性或細胞反應(yīng)之中的一致因果關(guān)系網(wǎng)絡(luò)，其中所述一致因果關(guān)系 網(wǎng)絡(luò)的生成不是基于所述第一和第二數(shù)據(jù)集以外的任何已知的生物學(xué)關(guān)系；和
[0020] 從該一致因果關(guān)系網(wǎng)絡(luò)鑒別在所述生物系統(tǒng)中獨特的因果關(guān)系，其中與該獨特的 因果關(guān)系相關(guān)的至少一種酶被確定為該生物系統(tǒng)的調(diào)節(jié)子。
[0021] 在某些實施方式中，所述第一數(shù)據(jù)集是單一蛋白質(zhì)組數(shù)據(jù)集。在某些實施方式中， 所述第二數(shù)據(jù)集代表與生物系統(tǒng)相關(guān)的細胞的單一功能活性或細胞反應(yīng)。在某些實施方式 中，所述第一數(shù)據(jù)集還代表表征所述與生物系統(tǒng)相關(guān)的細胞的脂質(zhì)組學(xué)數(shù)據(jù)。在某些實施 方式中，所述一致因果關(guān)系網(wǎng)絡(luò)在所述總體蛋白質(zhì)組學(xué)改變、所述脂質(zhì)組學(xué)數(shù)據(jù)和所述細 胞的一種或多種功能活性或細胞反應(yīng)之中生成，其中所述細胞的一種或多種功能活性或細 胞反應(yīng)包括總體酶學(xué)活性。
[0022] 在某些實施方式中，所述第一數(shù)據(jù)集還代表表征所述與生物系統(tǒng)相關(guān)的細胞的脂 質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的一種或多種。在 某些實施方式中，所述第一數(shù)據(jù)集還代表表征所述與生物系統(tǒng)相關(guān)的細胞的脂質(zhì)組學(xué)數(shù) 據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的兩種或更多種。在某些實 施方式中，所述一致因果關(guān)系網(wǎng)絡(luò)在所述總體蛋白質(zhì)組學(xué)改變、所述脂質(zhì)組學(xué)數(shù)據(jù)、代謝組 學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的一種或多種與所述細胞的一種或多 種功能活性或細胞反應(yīng)之中生成，其中所述細胞的一種或多種功能活性或細胞反應(yīng)包括總 體酶學(xué)活性和/或總體酶學(xué)活性對至少一種酶代謝產(chǎn)物或底物的效應(yīng)。
[0023] 在某些實施方式中，所述總體酶學(xué)活性包括總體激酶活性。在某些實施方式中，所 述總體酶學(xué)活性對酶代謝產(chǎn)物或底物的效應(yīng)包括所述細胞的磷酸化蛋白質(zhì)組。
[0024] 在某些實施方式中，所述代表細胞的一種或多種功能活性或細胞反應(yīng)的第二數(shù)據(jù) 集還包括生物能量學(xué)、細胞增殖、細胞凋亡、細胞器功能、細胞迀移、管形成、趨化性、細胞 外基質(zhì)降解、出芽和通過選自ATP、ROS、OXPHOS和Seahorse分析的功能模型實現(xiàn)的基因 型-表型相關(guān)性中的一種或多種。在某些實施方式中，所述一致因果關(guān)系網(wǎng)絡(luò)在所述總體 蛋白質(zhì)組學(xué)改變、所述脂質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP 數(shù)據(jù)中的一種或多種與所述細胞的一種或多種功能活性或細胞反應(yīng)之中生成，其中所述細 胞的一種或多種功能活性或細胞反應(yīng)包括總體酶學(xué)活性和/或總體酶學(xué)活性對至少一種 酶代謝產(chǎn)物或底物的效應(yīng)且還包括生物能量學(xué)、細胞增殖、細胞凋亡、細胞器功能、細胞迀 移、管形成、趨化性、細胞外基質(zhì)降解、出芽和通過選自ATP、R0S、OXPHOS和Seahorse分析的 功能模型實現(xiàn)的基因型-表型相關(guān)性中的一種或多種。
[0025] 在本發(fā)明的某些實施方式中，生物系統(tǒng)的模型包括與生物系統(tǒng)相關(guān)的細胞的體外 培養(yǎng)物。在本發(fā)明的某些實施方式中，生物系統(tǒng)的模型任選地還包含匹配的對照細胞的體 外培養(yǎng)物。
[0026] 在本發(fā)明的某些實施方式中，生物系統(tǒng)的模型細胞的體外培養(yǎng)物經(jīng)受環(huán)境擾動， 且匹配的對照細胞的體外培養(yǎng)物是沒有經(jīng)受環(huán)境擾動的相同的細胞。在某些實施方式中， 生物系統(tǒng)模型的所述環(huán)境擾動包括與生物活性劑的接觸、培養(yǎng)條件的變化、遺傳修飾/突 變的引入和引起遺傳修飾/突變的媒介的引入中的一種或多種。在某些實施方式中，生物 系統(tǒng)模型的所述環(huán)境擾動包括使所述細胞與酶活性抑制劑接觸。在某些實施方式中，生物 系統(tǒng)模型中所述酶活性抑制劑是激酶抑制劑。在某些實施方式中，所述環(huán)境擾動包括使所 述細胞與CoQlO接觸。在某些實施方式中，所述環(huán)境擾動還包括使所述細胞與CoQlO接觸。
[0027] 在本發(fā)明的某些實施方式中，所述生成步驟是由基于人工智能（AI)的信息學(xué)平 臺完成的。在某些實施方式中，基于AI的信息學(xué)平臺接收來自第一和第二數(shù)據(jù)集的所有數(shù) 據(jù)輸入而沒有應(yīng)用統(tǒng)計截止點。在本發(fā)明的某些實施方式中，在鑒別步驟之前，在生成步驟 中建立的一致因果關(guān)系網(wǎng)絡(luò)基于輸入的數(shù)據(jù)通過計算機模擬進一步優(yōu)化為模擬因果關(guān)系 網(wǎng)絡(luò)，以對一致因果關(guān)系網(wǎng)絡(luò)中的一個或多個因果關(guān)系提供預(yù)測的置信水平。
[0028] 在本發(fā)明的某些實施方式中，所述獨特因果關(guān)系被確定為獨特地存在于與生物系 統(tǒng)相關(guān)的細胞中且不存在于匹配的對照細胞中的差異因果關(guān)系網(wǎng)絡(luò)的一部分。在某些實施 方式中，所述獨特因果關(guān)系被確定為獨特地存在于與生物系統(tǒng)相關(guān)的細胞中且不存在于匹 配的對照細胞中的差異因果關(guān)系網(wǎng)絡(luò)的一部分。
[0029] 在本發(fā)明的某些實施方式中，所確定的獨特因果關(guān)系是選自下組的至少一對之間 的關(guān)系：基因的表達和脂質(zhì)的水平；基因的表達和轉(zhuǎn)錄物的水平；基因的表達和代謝產(chǎn)物 的水平；第一基因的表達和第二基因的表達；基因的表達和SNP的存在；基因的表達和功能 活性；脂質(zhì)的水平和轉(zhuǎn)錄物的水平；脂質(zhì)的水平和代謝產(chǎn)物的水平；第一脂質(zhì)的水平和第 二脂質(zhì)的水平；脂質(zhì)的水平和SNP的存在；脂質(zhì)的水平和功能活性；第一轉(zhuǎn)錄物的水平和第 二轉(zhuǎn)錄物的水平；轉(zhuǎn)錄物的水平和代謝產(chǎn)物的水平；轉(zhuǎn)錄物的水平和SNP的存在；第一轉(zhuǎn)錄 物的水平和功能活性的水平；第一代謝產(chǎn)物的水平和第二代謝產(chǎn)物的水平；代謝產(chǎn)物的水 平和SNP的存在；代謝產(chǎn)物的水平和功能活性；第一 SNP的存在和第二SNP的存在；及SNP 的存在和功能活性。在某些實施方式中，所確定的獨特因果關(guān)系是至少脂質(zhì)的水平、基因的 表達和一種或多種功能活性之間的關(guān)系，其中所述功能活性是激酶活性。
[0030] 本發(fā)明提供用于鑒別疾病過程的調(diào)節(jié)子的方法，所述方法包括：
[0031] 使用疾病相關(guān)細胞建立疾病過程的模型以代表疾病過程的特征性方面；
[0032]從所述模型獲得第一數(shù)據(jù)集，其中所述第一數(shù)據(jù)集代表疾病相關(guān)細胞中的總體蛋 白質(zhì)組學(xué)改變；
[0033]從所述模型獲得第二數(shù)據(jù)集，其中所述第二數(shù)據(jù)集代表與生物系統(tǒng)相關(guān)的細胞的 一種或多種功能活性或細胞反應(yīng)，其中所述細胞的一種或多種功能活性或細胞反應(yīng)包括疾 病相關(guān)細胞中的總體酶學(xué)活性和/或總體酶學(xué)活性對酶代謝產(chǎn)物或底物的效應(yīng)；
[0034]用編程的計算設(shè)備僅基于第一和第二數(shù)據(jù)集生成所述總體蛋白質(zhì)組學(xué)改變和所 述細胞的一種或多種功能活性或細胞反應(yīng)之中的一致因果關(guān)系網(wǎng)絡(luò)，其中所述一致因果關(guān) 系網(wǎng)絡(luò)的生成不是基于第一和第二數(shù)據(jù)集以外的任何已知的生物學(xué)關(guān)系；和
[0035]從該一致因果關(guān)系網(wǎng)絡(luò)鑒別在疾病過程中獨特的因果關(guān)系，其中與該獨特的因果 關(guān)系相關(guān)的至少一種酶被確定為疾病過程的調(diào)節(jié)子。
[0036] 在某些實施方式中，所述第一數(shù)據(jù)集是單一蛋白質(zhì)組數(shù)據(jù)集。在某些實施方式中， 所述第二數(shù)據(jù)集代表與生物系統(tǒng)相關(guān)的細胞的單一功能活性或細胞反應(yīng)。在某些實施方式 中，所述第一數(shù)據(jù)集還代表表征與所述生物系統(tǒng)相關(guān)的細胞的脂質(zhì)組學(xué)數(shù)據(jù)。在某些實施 方式中，所述一致因果關(guān)系網(wǎng)絡(luò)在總體蛋白質(zhì)組學(xué)改變、脂質(zhì)組學(xué)數(shù)據(jù)和所述細胞的一種 或多種功能活性或細胞反應(yīng)之中生成，其中所述細胞的一種或多種功能活性或細胞反應(yīng)包 括總體酶學(xué)活性。在某些實施方式中，所述第一數(shù)據(jù)集還代表表征所述與生物系統(tǒng)相關(guān)的 細胞的脂質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的一種或 多種。在某些實施方式中，所述第一數(shù)據(jù)集還代表表征所述與生物系統(tǒng)相關(guān)的細胞的脂質(zhì) 組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的兩種或更多種。在 某些實施方式中，所述一致因果關(guān)系網(wǎng)絡(luò)在所述總體蛋白質(zhì)組學(xué)改變、所述脂質(zhì)組學(xué)數(shù)據(jù)、 代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的一種或多種與所述細胞的一 種或多種功能活性或細胞反應(yīng)之中生成，其中所述細胞的一種或多種功能活性或細胞反應(yīng) 包括總體酶學(xué)活性和/或總體酶學(xué)活性對至少一種酶代謝產(chǎn)物或底物的效應(yīng)。
[0037] 在本發(fā)明的某些實施方式中，所述總體酶學(xué)活性包括總體激酶活性，且其中所述 總體酶學(xué)活性對酶代謝產(chǎn)物或底物的效應(yīng)包括所述細胞的磷酸化蛋白質(zhì)組。在某些實施方 式中，所述代表細胞的一種或多種功能活性或細胞反應(yīng)的第二數(shù)據(jù)集還包括生物能量學(xué)、 細胞增殖、細胞凋亡、細胞器功能、細胞迀移、管形成、趨化性、細胞外基質(zhì)降解、出芽和通過 選自ATP、ROS、OXPHOS和Seahorse分析的功能模型實現(xiàn)的基因型-表型相關(guān)性中的一種 或多種。在某些實施方式中，所述一致因果關(guān)系網(wǎng)絡(luò)在所述總體蛋白質(zhì)組學(xué)改變、所述脂質(zhì) 組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的一種或多種與所述 細胞的一種或多種功能活性或細胞反應(yīng)之中生成，其中所述細胞的一種或多種功能活性或 細胞反應(yīng)包括生物能量學(xué)、細胞增殖、細胞凋亡、細胞器功能、細胞迀移、管形成、趨化性、細 胞外基質(zhì)降解、出芽和通過選自ATP、ROS、OXPHOS和Seahorse分析的功能模型實現(xiàn)的基因 型-表型相關(guān)性中的一種或多種。
[0038] 在某些實施方式中，所述疾病過程是癌癥、糖尿病、肥胖癥、心血管疾病、年齡相關(guān) 性黃斑變性、糖尿病性視網(wǎng)膜病或炎性疾病。在某些實施方式中，所述疾病過程包括血管生 成。在某些實施方式中，所述疾病過程包括肝細胞癌、肺癌、乳腺癌、前列腺癌、黑色素瘤、 癌瘤、肉瘤、淋巴瘤、白血病、鱗狀細胞癌、結(jié)腸直腸癌、胰腺癌、甲狀腺癌、子宮內(nèi)膜癌、膀胱 癌、腎癌、實體瘤、白血病、非霍奇金淋巴瘤或耐藥性癌癥。
[0039] 在本發(fā)明的某些實施方式中，所述疾病模型包含疾病細胞的體外培養(yǎng)物，任選地 進一步包含匹配的對照或正常細胞的體外培養(yǎng)物。在某些實施方式中，疾病細胞的體外 培養(yǎng)物經(jīng)受環(huán)境擾動，且匹配的對照細胞的體外培養(yǎng)物是未經(jīng)受環(huán)境擾動的相同的疾病細 胞。在某些實施方式中，所述環(huán)境擾動包括與生物活性劑的接觸、培養(yǎng)條件的變化、遺傳修 飾/突變的引入和引起遺傳修飾/突變的媒介的引入中的一種或多種。在某些實施方式中， 所述環(huán)境擾動包括使所述細胞與酶活性抑制劑接觸。在某些實施方式中，所述酶活性抑制 劑是激酶抑制劑。在某些實施方式中，所述環(huán)境擾動進一步包括使所述細胞與CoQlO接觸。 在某些實施方式中，所述環(huán)境擾動包括使所述細胞與CoQlO接觸。
[0040] 在某些實施方式中，所述的疾病過程的特征性方面包括缺氧狀態(tài)、高血糖狀態(tài)、富 乳酸培養(yǎng)條件或它們的組合。在某些實施方式中，所述生成步驟通過基于人工智能（AI)的 信息學(xué)平臺完成。在某些實施方式中，所述基于AI的信息學(xué)平臺接受來自所述第一和第二 數(shù)據(jù)集的所有數(shù)據(jù)輸入而不應(yīng)用統(tǒng)計截止點。
[0041] 在某些實施方式中，在所述鑒別步驟之前，在所述生成步驟中建立的所述一致因 果關(guān)系網(wǎng)絡(luò)基于輸入數(shù)據(jù)通過計算機模擬進一步優(yōu)化到模擬因果關(guān)系網(wǎng)絡(luò)，以對于一致因 果關(guān)系網(wǎng)絡(luò)內(nèi)的一個或多個因果關(guān)系提供預(yù)測的置信水平。在某些實施方式中，所述獨特 因果關(guān)系被確定為獨特地存在于疾病細胞的模型中且不存在于匹配的對照細胞中的差異 因果關(guān)系網(wǎng)絡(luò)的部分。在某些實施方式中，所述獨特因果關(guān)系被確定為獨特地存在于所述 經(jīng)受環(huán)境擾動的細胞中且不存在于匹配的對照細胞中的差異因果關(guān)系網(wǎng)絡(luò)的部分。
[0042] 本發(fā)明提供了用于鑒別生物系統(tǒng)的調(diào)節(jié)子的方法，所述方法包括：
[0043] 使用與該生物系統(tǒng)相關(guān)的細胞建立該生物系統(tǒng)的模型來代表該生物系統(tǒng)的特征 性方面；
[0044] 從所述模型獲得第一數(shù)據(jù)集，其中所述第一數(shù)據(jù)集代表所述細胞的總體蛋白質(zhì)組 學(xué)改變及表征與該生物系統(tǒng)相關(guān)的細胞的脂質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基 因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的一種或多種；
[0045] 從所述模型獲得第二數(shù)據(jù)集，其中所述第二數(shù)據(jù)集代表與該生物系統(tǒng)相關(guān)的細胞 的一種或多種功能活性或細胞反應(yīng)，其中所述細胞的一種或多種功能活性或細胞反應(yīng)包括 與該生物系統(tǒng)相關(guān)的細胞中的總體激酶活性和/或總體激酶活性對激酶代謝產(chǎn)物或底物 的效應(yīng)；
[0046] 使用編程的計算設(shè)備，僅僅基于所述第一和第二數(shù)據(jù)集生成所述總體蛋白質(zhì)組學(xué) 改變、所述脂質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的一 種或多種與所述一種或多種功能活性或細胞反應(yīng)之中的一致因果關(guān)系網(wǎng)絡(luò)，其中所述一致 因果關(guān)系網(wǎng)絡(luò)的生成不基于所述第一和第二數(shù)據(jù)集以外的任何已知的生物學(xué)關(guān)系；和
[0047] 從該一致因果關(guān)系網(wǎng)絡(luò)鑒別在所述生物系統(tǒng)中獨特的因果關(guān)系，其中與該獨特的 因果關(guān)系相關(guān)的至少一種激酶被確定為該生物系統(tǒng)的調(diào)節(jié)子。
[0048] 本發(fā)明提供了用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展、預(yù)防、 診斷或預(yù)后該疾病的方法，所述方法包括：
[0049] 向需要的哺乳動物施用治療有效量的包含生物活性物質(zhì)的藥物組合物，所述生物 活性物質(zhì)影響通過本文提供的任何方法所鑒別的調(diào)節(jié)子，從而治療所述疾病、改善其癥狀、 抑制其進展、預(yù)防、診斷或預(yù)后所述疾病。
[0050] 本發(fā)明提供了用于診斷或預(yù)后哺乳動物受試者的疾病的方法，所述方法包括：
[0051] 測定從所述受試者獲得的生物樣品中通過本文中提供的任何方法鑒別的一種或 多種調(diào)節(jié)子的表達或活性水平；和
[0052] 將所述受試者中的水平與對照樣品中所述一種或多種調(diào)節(jié)子的表達或活性水平 比較，
[0053] 其中所述受試者中的水平和所述對照樣品中一種或多種調(diào)節(jié)子的表達或活性水 平之間的差異是所述受試者患有疾病、易于發(fā)生疾病或有利地對疾病治療發(fā)生反應(yīng)的指 示，從而診斷或預(yù)后所述哺乳動物受試者的疾病。
[0054] 本發(fā)明提供了鑒別用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展或 預(yù)防該疾病的治療化合物的方法，所述方法包括：
[0055] 使來自所述哺乳動物受試者的生物樣品與測試化合物接觸；
[0056] 測定所述生物樣品中通過本文中提供的任何方法鑒別的一種或多種調(diào)節(jié)子的表 達水平；
[0057] 將所述生物樣品中一種或多種調(diào)節(jié)子的表達水平與未與測試化合物接觸的對照 樣品比較；和
[0058] 選擇調(diào)節(jié)所述生物樣品中一種或多種調(diào)節(jié)子的表達水平的測試化合物，
[0059] 從而鑒別用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展或預(yù)防該疾 病的治療化合物。
[0060] 本發(fā)明提供了用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展或預(yù)防 所述疾病的方法，所述方法包括：
[0061] 向需要的哺乳動物施用治療有效量的包含使用本文中提供的任何方法鑒別的治 療化合物的藥物組合物，從而治療所述疾病、改善其癥狀、抑制其進展或預(yù)防所述疾病。
[0062] 本發(fā)明提供了用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展或預(yù)防 所述疾病的方法，所述方法包括：
[0063] 向需要的哺乳動物施用治療有效量的包含生物活性物質(zhì)的藥物組合物，所述生 物活性物質(zhì)影響 TCOF1、TOP2A、CAMK2A、CDK1、CLTCL1、EIF4G1、ENOl、FBL、GSK3B、HDLBP、 HIST1H2BA、HMGB2、HNRNPK、HNRPDL、HSPA9、MAP2K2、LDHA、MAP4、MAPK1、MARCKS、NME1、NME2、 PGK1、PGK2、RAB7A、RPL17、RPL28、RPS5、RPS6、SLTM、TMED4、TNRCBA、TUBB 和 UBE21 中任何 一種或多種的表達或活性，
[0064] 從而治療所述疾病、改善其癥狀、抑制其進展或預(yù)防所述疾病。在某些實施方式 中，所述疾病是肝細胞癌。
[0065] 本發(fā)明提供了用于診斷或預(yù)后哺乳動物受試者的疾病的方法，所述方法包括：
[0066]測定從所述受試者獲得的生物樣品中TCOF1、TOP2A、CAMK2A、CDK1、CLTCL1、 EIF4G1、EN01、FBL、GSK3B、HDLBP、HIST1H2BA、HMGB2、HNRNPK、HNRPDL、HSPA9、MAP2K2、LDHA、 MP4、MAPK1、MARCKS、NME1、NME2、PGK1、PGK2、RAB7A、RPL17、RPL28、RPS5、RPS6、SLTM、TMED4、 TNRCBA、TUBB和UBE21中的任何一種或多種蛋白質(zhì)的表達或活性水平；和
[0067] 將所述受試者中的水平與對照樣品中所述一種或多種蛋白質(zhì)的表達或活性水平 比較，
[0068] 其中所述受試者中的水平和所述對照樣品中一種或多種蛋白質(zhì)的表達或活性水 平之間的差異是所述受試者患有疾病或易于發(fā)生疾病或有利地對疾病治療發(fā)生反應(yīng)的指 示，從而診斷或預(yù)后所述哺乳動物受試者的疾病。在某些實施方式中，所述疾病是肝細胞 癌。
[0069] 本發(fā)明提供了鑒別用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展或 預(yù)防該疾病的治療化合物的方法，所述方法包括：
[0070] 使來自所述哺乳動物受試者的生物樣品與測試化合物接觸；
[0071]測定所述生物樣品中 TCOF1、TOP2A、CAMK2A、CDK1、CLTCL1、EIF4G1、ENOl、FBL、 GSK3B、HDLBP、HIST1H2BA、HMGB2、HNRNPK、HNRPDL、HSPA9、MAP2K2、LDHA、MAP4、MAPK1、 MARCKS、NME1、NME2、PGK1、PGK2、RAB7A、RPL17、RPL28、RPS5、RPS6、SLTM、TMED4、TNRCBA、 TUBB和UBE21中任何一種或多種蛋白質(zhì)的表達水平；
[0072] 將所述生物樣品中一種或多種蛋白質(zhì)的表達水平與未與測試化合物接觸的對照 樣品比較；和
[0073] 選擇調(diào)節(jié)所述生物樣品中一種或多種蛋白質(zhì)的表達水平的測試化合物，
[0074]從而鑒別用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展或預(yù)防該疾 病的治療化合物。在某些實施方式中，所述疾病是肝細胞癌。
[0075] 本發(fā)明提供了用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展或預(yù)防 所述疾病的方法，所述方法包括：
[0076] 向需要的哺乳動物施用治療有效量的包含本文中提供的任何方法鑒別的治療化 合物的藥物組合物，從而治療所述疾病、改善其癥狀、抑制其進展或預(yù)防所述疾病。
[0077] 本發(fā)明提供了用于鑒別血管生成的調(diào)節(jié)子的方法，所述方法包括：
[0078] (1)使用與血管生成相關(guān)的細胞建立血管生成的模型來代表血管生成的特征性方 面；
[0079] (2)從所述血管生成的模型獲得第一數(shù)據(jù)集，其中所述第一數(shù)據(jù)集代表表征所述 與血管生成相關(guān)的細胞的基因組學(xué)數(shù)據(jù)、脂質(zhì)組學(xué)數(shù)據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、 轉(zhuǎn)錄組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP)數(shù)據(jù)中的一種或多種；
[0080] (3)從所述血管生成的模型獲得第二數(shù)據(jù)集，其中所述第二數(shù)據(jù)集代表與血管生 成相關(guān)的細胞的一種或多種功能活性或細胞反應(yīng)；
[0081] (4)使用編程的計算設(shè)備，僅僅基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集生成所述表征 與血管生成相關(guān)的細胞的基因組學(xué)數(shù)據(jù)、脂質(zhì)組學(xué)數(shù)據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、 轉(zhuǎn)錄組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP)數(shù)據(jù)中的一種或多種與所述與血管生成相關(guān)的細 胞的一種或多種功能活性或細胞反應(yīng)之中的一致因果關(guān)系網(wǎng)絡(luò)，其中所述一致因果關(guān)系網(wǎng) 絡(luò)的生成不基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集以外的任何已知的生物學(xué)關(guān)系；
[0082] (5)從該一致因果關(guān)系網(wǎng)絡(luò)鑒別在血管生成中獨特的因果關(guān)系，其中與該獨特的 因果關(guān)系相關(guān)的基因、脂質(zhì)、蛋白質(zhì)、代謝產(chǎn)物、轉(zhuǎn)錄物或SNP被確定為血管生成的調(diào)節(jié)子。
[0083] 本發(fā)明提供了用于鑒別血管生成的調(diào)節(jié)子的方法，所述方法包括：
[0084] (1)使用與血管生成相關(guān)的細胞建立血管生成的模型來代表血管生成的特征性方 面；
[0085] (2)從所述血管生成的模型獲得第一數(shù)據(jù)集，其中所述第一數(shù)據(jù)集代表脂質(zhì)組學(xué) 數(shù)據(jù)；
[0086] (3)從所述血管生成的模型獲得第二數(shù)據(jù)集，其中所述第二數(shù)據(jù)集代表與血管生 成相關(guān)的細胞的一種或多種功能活性或細胞反應(yīng)；
[0087] (4)使用編程的計算設(shè)備，僅僅基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集生成所述脂質(zhì) 組學(xué)數(shù)據(jù)與所述功能活性或細胞反應(yīng)之中的一致因果關(guān)系網(wǎng)絡(luò)，其中所述一致因果關(guān)系網(wǎng) 絡(luò)的生成不基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集以外的任何已知的生物學(xué)關(guān)系；
[0088] (5)從該一致因果關(guān)系網(wǎng)絡(luò)鑒別在血管生成中獨特的因果關(guān)系，其中與該獨特的 因果關(guān)系相關(guān)的脂質(zhì)被確定為血管生成的調(diào)節(jié)子。
[0089] 在某些實施方式中，所述代表與血管生成相關(guān)的細胞的一種或多種功能活性或細 胞反應(yīng)的第二數(shù)據(jù)集包括所述與血管生成相關(guān)的細胞中的總體酶學(xué)活性和/或總體酶學(xué) 活性對酶代謝產(chǎn)物或底物的效應(yīng)。
[0090] 本發(fā)明提供了用于鑒別血管生成的調(diào)節(jié)子的方法，所述方法包括：
[0091] (1)使用與血管生成相關(guān)的細胞建立血管生成的模型來代表血管生成的特征性方 面；
[0092] (2)從所述血管生成的模型獲得第一數(shù)據(jù)集，其中所述第一數(shù)據(jù)集代表表征所述 與血管生成相關(guān)的細胞的基因組學(xué)數(shù)據(jù)、脂質(zhì)組學(xué)數(shù)據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、 轉(zhuǎn)錄組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP)數(shù)據(jù)中的一種或多種；
[0093] (3)從所述血管生成的模型獲得第二數(shù)據(jù)集，其中所述第二數(shù)據(jù)集代表與血管生 成相關(guān)的細胞的一種或多種功能活性或細胞反應(yīng)激酶活性，其中所述一種或多種功能活性 或細胞反應(yīng)包括所述與血管生成相關(guān)的細胞中的總體酶學(xué)活性和/或總體酶學(xué)活性對酶 代謝產(chǎn)物或底物的效應(yīng)；
[0094] (4)使用編程的計算設(shè)備，僅僅基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集生成所述表征 與血管生成相關(guān)的細胞的基因組學(xué)數(shù)據(jù)、脂質(zhì)組學(xué)數(shù)據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、 轉(zhuǎn)錄組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP)數(shù)據(jù)中的一種或多種與所述與血管生成相關(guān)的細 胞的一種或多種功能活性或細胞反應(yīng)之中的一致因果關(guān)系網(wǎng)絡(luò)，其中所述一致因果關(guān)系網(wǎng) 絡(luò)的生成不基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集以外的任何已知的生物學(xué)關(guān)系；
[0095] (5)從該一致因果關(guān)系網(wǎng)絡(luò)鑒別在血管生成中獨特的因果關(guān)系，其中與該獨特的 因果關(guān)系相關(guān)的酶被確定為血管生成的調(diào)節(jié)子。
[0096] 在本發(fā)明的某些實施方式中，所述總體酶學(xué)活性包括總體激酶活性且所述與血管 生成相關(guān)的細胞中總體酶學(xué)活性對酶代謝產(chǎn)物或底物的效應(yīng)包括所述細胞的磷酸化蛋白 質(zhì)組。在某些實施方式中，所述總體酶學(xué)活性包括總體蛋白酶活性。
[0097] 在本發(fā)明的某些實施方式中，所述調(diào)節(jié)子刺激或促進血管生成。在本發(fā)明的某些 實施方式中，所述調(diào)節(jié)子抑制血管生成。
[0098] 在某些實施方式中，所述包含與血管生成相關(guān)的細胞的血管生成模型選自體外 細胞培養(yǎng)血管生成模型、大鼠主動脈微血管模型、新生小鼠視網(wǎng)膜模型、雞胚絨毛尿囊 膜（CAM)模型、角膜血管生成生長因子囊袋模型、皮下海綿血管生成生長因子植入模型、 MATR丨GEL?血管生成生長因子植入模型和腫瘤植入模型；且其中所述血管生成模型 任選地進一步包括包含對照細胞的匹配對照血管生成模型。在某些實施方式中，所述體外 培養(yǎng)血管生成模型選自MATRIGEL?管形成分析、迀移分析、伯伊登室分析、劃痕分析。
[0099] 在某些實施方式中，所述體外培養(yǎng)血管生成模型中與血管生成相關(guān)的細胞是人血 管內(nèi)皮細胞（HUVEC)。在某些實施方式中，所述角膜血管生成生長因子囊袋模型、皮下海綿 血管生成生長因子植入模型或MATR丨GEL?血管生成生長因子植入模型中的血管生成 生長因子選自FGF-2和VEGF。
[0100] 在本發(fā)明的某些實施方式中，所述血管生成模型中的細胞經(jīng)受環(huán)境擾動，且所述 匹配的血管生成模型中的細胞是沒有經(jīng)受環(huán)境擾動的相同細胞。在某些實施方式中，所述 環(huán)境擾動包括與試劑的接觸、培養(yǎng)條件的變化、引入的遺傳修飾或突變、引起遺傳修飾或突 變的媒介和局部缺血的誘導(dǎo)中的一種或多種。
[0101] 在某些實施方式中，所述試劑是促血管生成劑或抗血管生成劑。在某些實施方式 中，所述促血管生成劑選自FGF-2和VEGF。在某些實施方式中，所述抗血管生成劑選自VEGF 抑制劑、整聯(lián)蛋白拮抗劑、血管抑素、內(nèi)皮抑素、腫瘤抑素、阿瓦斯汀、索拉非尼、舒尼替尼、 帕唑帕尼和依維莫司、可溶性VEGF受體、血管生成素2、血小板反應(yīng)蛋白1、血小板反應(yīng)蛋白 2、血管形成抑制素、鈣網(wǎng)織蛋白、凝血酶原（kringle結(jié)構(gòu)域-2)、抗凝血酶III片段、血管內(nèi) 皮生長抑制劑（VEGI)、富含半胱氨酸的酸性分泌蛋白（SPARC)和對應(yīng)于蛋白質(zhì)的卵泡抑素 結(jié)構(gòu)域的SPARC肽（FS-E)及輔酶Q10。
[0102] 在任何實施方式中，所述試劑是酶活性抑制劑。在任何實施方式中，所述試劑是激 酶活性抑制劑。
[0103] 在本發(fā)明的任何實施方式中，所述第一數(shù)據(jù)集包括基因組數(shù)據(jù)集中多個基因的蛋 白質(zhì)和/或mRNA表達水平。在本發(fā)明的某些實施方式中，所述第一數(shù)據(jù)集包括基因組學(xué)數(shù) 據(jù)、脂質(zhì)組學(xué)數(shù)據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP) 數(shù)據(jù)中的兩種或更多種。在本發(fā)明的某些實施方式中，所述第一數(shù)據(jù)集包括基因組學(xué)數(shù)據(jù)、 脂質(zhì)組學(xué)數(shù)據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP)數(shù) 據(jù)中的三種或更多種。
[0104] 在本發(fā)明的任何實施方式中，所述代表與血管生成相關(guān)的細胞的一種或多種功 能活性或細胞反應(yīng)的第二數(shù)據(jù)集包括生物能量學(xué)、細胞增殖、細胞凋亡、細胞器功能、細 胞迀移、管形成、酶活性、趨化性、細胞外基質(zhì)降解、出芽和通過選自ATP、ROS、OXPHOS和 Seahorse分析的功能模型實現(xiàn)的基因型-表型相關(guān)性中的一種或多種。
[0105] 在本發(fā)明的任何實施方式中，所述第一數(shù)據(jù)集可以是單一數(shù)據(jù)集如基因組學(xué)數(shù) 據(jù)、脂質(zhì)組學(xué)數(shù)據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP) 數(shù)據(jù)之一。在任何實施方式中，所述第一數(shù)據(jù)集可以是兩個數(shù)據(jù)集。在任何實施方式中，所 述第一數(shù)據(jù)集是三個數(shù)據(jù)集。在任何實施方式中，所述第一數(shù)據(jù)集可以是四個數(shù)據(jù)集。在 任何實施方式中，所述第一數(shù)據(jù)集可以是五個數(shù)據(jù)集。在任何實施方式中，所述第一數(shù)據(jù)集 可以是六個數(shù)據(jù)集。
[0106] 在本發(fā)明的任何實施方式中，所述第二數(shù)據(jù)集是單一數(shù)據(jù)集如與血管生成相關(guān) 的細胞的一種或多種功能活性或細胞反應(yīng)之一，包括生物能量學(xué)、細胞增殖、細胞凋亡、細 胞器功能、細胞迀移、管形成、酶活性、趨化性、細胞外基質(zhì)降解、出芽及通過選自ATP、R0S、 OXPHOS和Seahorse分析數(shù)據(jù)的功能模型實現(xiàn)的基因型-表型相關(guān)性中的一種或多種。在 任何實施方式中，所述第二數(shù)據(jù)集可以是兩個數(shù)據(jù)集。在任何實施方式中，所述第二數(shù)據(jù)集 可以是三個數(shù)據(jù)集。在某些實施方式中，所述第二數(shù)據(jù)集可以是四個數(shù)據(jù)集。在任何實施 方式中，所述第二數(shù)據(jù)集可以是五個數(shù)據(jù)集。在任何實施方式中，所述第二數(shù)據(jù)集可以是六 個數(shù)據(jù)集。在任何實施方式中，所述第二數(shù)據(jù)集可以是七個數(shù)據(jù)集。在任何實施方式中，所 述第二數(shù)據(jù)集可以是八個數(shù)據(jù)集。在任何實施方式中，所述第二數(shù)據(jù)集可以是九個數(shù)據(jù)集。 在某些實施方式中，所述第二數(shù)據(jù)集可以是十個數(shù)據(jù)集。
[0107] 在本發(fā)明的任何實施方式中，所述酶活性可以是激酶活性。在本發(fā)明的任何實施 方式中，所述酶活性可以是蛋白酶活性。
[0108] 在本發(fā)明的某些實施方式中，步驟（4)是由基于人工智能（AI)的信息學(xué)平臺完成 的。在某些實施方式中，所述基于AI的信息學(xué)平臺包括REFS(TM)。在某些實施方式中，所 述基于AI的信息平臺接收來自第一數(shù)據(jù)集和第二數(shù)據(jù)集的所有數(shù)據(jù)輸入而沒有應(yīng)用統(tǒng)計 截止點。在某些實施方式中，在第（5)步之前，在步驟（4)中建立的一致因果關(guān)系網(wǎng)絡(luò)基于 輸入的數(shù)據(jù)通過計算機模擬進一步優(yōu)化到模擬因果關(guān)系網(wǎng)絡(luò)，以對一致因果關(guān)系網(wǎng)絡(luò)中的 一個或多個因果關(guān)系提供預(yù)測的置信水平。
[0109] 在本發(fā)明的某些實施方式中，所述獨特因果關(guān)系被確定為獨特地存在于細胞中且 不存在于匹配的對照細胞中的差異因果關(guān)系網(wǎng)絡(luò)的部分。
[0110] 在本發(fā)明中，所確定的獨特因果關(guān)系是選自下組的至少一對之間的關(guān)系：基因的 表達和脂質(zhì)的水平；基因的表達和轉(zhuǎn)錄物的水平；基因的表達和代謝產(chǎn)物的水平；第一基 因的表達和第二基因的表達；基因的表達和SNP的存在；基因的表達和功能活性；脂質(zhì)的水 平和轉(zhuǎn)錄物的水平；脂質(zhì)的水平和代謝產(chǎn)物的水平；第一脂質(zhì)的水平和第二脂質(zhì)的水平； 脂質(zhì)的水平和SNP的存在；脂質(zhì)的水平和功能活性；第一轉(zhuǎn)錄物的水平和第二轉(zhuǎn)錄物的水 平；轉(zhuǎn)錄物的水平和代謝產(chǎn)物的水平；轉(zhuǎn)錄物的水平和SNP的存在；第一轉(zhuǎn)錄物的水平和功 能活性的水平；第一代謝產(chǎn)物的水平和第二代謝產(chǎn)物的水平；代謝產(chǎn)物的水平和SNP的存 在；代謝產(chǎn)物的水平和功能活性；第一 SNP的存在和第二SNP的存在；及SNP的存在和功能 活性。
[0111] 在某些實施方式中，所述功能活性選自生物能量學(xué)、細胞增殖、細胞凋亡、細胞器 功能、細胞迀移、管形成、酶活性、趨化性、細胞外基質(zhì)降解、和出芽及通過選自ATP、ROS、 OXPHOS和Seahorse分析的功能模型實現(xiàn)的基因型-表型相關(guān)性。在某些實施方式中，所述 功能活性是激酶活性。在某些實施方式中，所述功能活性是蛋白酶活性。
[0112] 在本發(fā)明的某些實施方式中，所述確定的獨特因果關(guān)系是至少脂質(zhì)的水平、基因 的表達和一種或多種功能活性之間的關(guān)系，其中所述功能活性是激酶活性。
[0113] 在本發(fā)明中，該方法還可以包括驗證在血管生成中所鑒別的獨特因果關(guān)系。
[0114] 本發(fā)明提供了用于提供在平臺方法中使用的血管生成模型的方法，包括：
[0115] 使用與血管生成相關(guān)的細胞建立血管生成的模型來代表血管生成的特征性方面， 其中所述血管生成的模型可用于生成在平臺方法中使用的數(shù)據(jù)集；
[0116] 從而提供在平臺方法中使用的血管生成的模型。
[0117] 本發(fā)明提供了用于從在平臺方法中使用的血管生成模型獲得第一數(shù)據(jù)集和第二 數(shù)據(jù)集的方法，包括：
[0118] (1)從在平臺方法中使用的血管生成模型獲得第一數(shù)據(jù)集，其中所述血管生成模 型包含與血管生成相關(guān)的細胞，和其中所述第一數(shù)據(jù)集代表表征與血管生成相關(guān)的細胞的 基因組學(xué)數(shù)據(jù)、脂質(zhì)組學(xué)數(shù)據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)和單核苷酸 多態(tài)性（SNP)數(shù)據(jù)中的一種或多種；
[0119] (2)從在平臺方法中使用血管生成模型獲得第二數(shù)據(jù)集，其中所述第二數(shù)據(jù)集代 表與血管生成相關(guān)的細胞的一種或多種功能活性或細胞反應(yīng)；
[0120] 由此從在平臺方法中使用的血管生成模型獲得第一數(shù)據(jù)集和第二數(shù)據(jù)集。
[0121] 本發(fā)明提供了用于鑒別血管生成的調(diào)節(jié)子的方法，所述方法包括：
[0122] (1)用編程的計算設(shè)備生成在從血管生成模型獲得的第一數(shù)據(jù)集和第二數(shù)據(jù)集之 中的一致因果關(guān)系網(wǎng)絡(luò)，其中所述模型包含與血管生成相關(guān)的細胞，且其中所述第一數(shù)據(jù) 集代表表征與血管生成相關(guān)的細胞的基因組學(xué)數(shù)據(jù)、脂質(zhì)組學(xué)數(shù)據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝 組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP)數(shù)據(jù)中的一種或多種；和第二數(shù)據(jù)集代 表與血管生成相關(guān)的細胞的一種或多種功能活性或細胞反應(yīng)，其中所述一致因果關(guān)系網(wǎng)絡(luò) 的生成不是基于第一數(shù)據(jù)集和第二數(shù)據(jù)集以外的任何已知的生物學(xué)關(guān)系；
[0123] (2)從一致因果關(guān)系網(wǎng)絡(luò)鑒別血管生成中獨特的因果關(guān)系，其中與獨特的因果關(guān) 系相關(guān)的基因、脂質(zhì)、蛋白質(zhì)、代謝產(chǎn)物、轉(zhuǎn)錄物或SNP的至少一種被確定為血管生成的調(diào) 節(jié)子；
[0124] 從而鑒別血管生成的調(diào)節(jié)子。
[0125] 本發(fā)明提供了用于鑒別血管生成的調(diào)節(jié)子的方法，所述方法包括：
[0126] (1)提供從血管生成模型生成的一致因果關(guān)系網(wǎng)絡(luò)；
[0127] (2)從該一致因果關(guān)系網(wǎng)絡(luò)鑒別在血管生成中獨特的因果關(guān)系，其中與獨特的因 果關(guān)系相關(guān)的基因、脂質(zhì)、蛋白質(zhì)、代謝產(chǎn)物、轉(zhuǎn)錄物或SNP的至少一種被確定為血管生成 的調(diào)節(jié)子；
[0128] 從而鑒別血管生成的調(diào)節(jié)子。
[0129] 在某些實施方式中，一致因果關(guān)系網(wǎng)絡(luò)是用編程的計算設(shè)備在從血管生成模型獲 得的第一數(shù)據(jù)集和第二數(shù)據(jù)集之中生成的，其中所述模型包含與血管生成相關(guān)的細胞，和 其中所述第一數(shù)據(jù)集代表表征與血管生成相關(guān)的細胞的基因組學(xué)數(shù)據(jù)、脂質(zhì)組學(xué)數(shù)據(jù)、蛋 白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP)數(shù)據(jù)中的一種或多 種；和
[0130] 第二數(shù)據(jù)集代表與血管生成相關(guān)的細胞的一種或多種功能活性或細胞反應(yīng)，其中 所述一致因果關(guān)系網(wǎng)絡(luò)的生成不是基于第一數(shù)據(jù)集和第二數(shù)據(jù)集以外的任何已知的生物 學(xué)關(guān)系。
[0131] 在某些實施方式中，血管生成模型選自體外細胞培養(yǎng)血管生成模型、大鼠主動脈 微血管模型、新生小鼠視網(wǎng)膜模型、雞胚絨毛尿囊膜（CAM)模型、角膜血管生成生長因子囊 袋模型、皮下海綿血管生成生長因子植入模型、MATRIGEL?血管生成生長因子植入模 型和腫瘤植入模型；且其中所述血管生成模型任選地進一步包括包含對照細胞的匹配對照 血管生成模型。
[0132] 在某些實施方式中，第一數(shù)據(jù)集包括脂質(zhì)組學(xué)數(shù)據(jù)。在某些實施方式中，第一數(shù)據(jù) 集僅包括脂質(zhì)組學(xué)數(shù)據(jù)。
[0133] 在某些實施方式中，第二數(shù)據(jù)集代表與血管生成相關(guān)的細胞的一種或多種功能活 性或細胞反應(yīng)，包括與血管生成相關(guān)的細胞中的總體酶學(xué)活性和總體酶學(xué)活性對酶代謝產(chǎn) 物或底物的效應(yīng)。
[0134] 在某些實施方式中，第二數(shù)據(jù)集包括激酶活性或蛋白酶活性。在某些實施方式中， 第二數(shù)據(jù)集僅包括激酶活性或蛋白酶活性。
[0135] 在某些實施方式中，第二數(shù)據(jù)集代表與血管生成相關(guān)的細胞的一種或多種功能活 性或細胞反應(yīng)，包括生物能量學(xué)譜、細胞增殖、細胞凋亡、細胞器功能、細胞迀移、管形成、激 酶活性和蛋白酶活性，及通過選自ATP、ROS、OXPHOS和Seahorse分析的功能模型實現(xiàn)的基 因型-表型相關(guān)性中的一種或多種。
[0136] 在本發(fā)明的某些實施方式中，血管生成與疾病狀態(tài)相關(guān)。
[0137] 本發(fā)明提供用于調(diào)節(jié)哺乳動物受試者的血管生成的方法，所述方法包括：
[0138] 向需要的哺乳動物施用治療有效量的包含生物活性物質(zhì)的藥物組合物，所述生物 活性物質(zhì)影響通過本文中提供的任一方法鑒別的調(diào)節(jié)子，從而調(diào)節(jié)血管生成。
[0139] 本發(fā)明提供檢測哺乳動物受試者中調(diào)節(jié)的血管生成的方法，所述方法包括：
[0140] 測定從所述受試者獲得的生物樣品中通過本文中提供的任一方法鑒別的一種或 多種調(diào)節(jié)子的水平、活性或存在；和
[0141] 比較所述受試者中的水平、活性或存在與對照樣品中所述一種或多種調(diào)節(jié)子的水 平、活性或存在，
[0142] 其中所述受試者中的水平、活性或存在與所述對照樣品中所述一種或多種調(diào)節(jié)子 的水平、活性或存在之間的差異是所述哺乳動物受試者中血管生成受到調(diào)節(jié)的指示。
[0143] 本發(fā)明提供鑒別用于調(diào)節(jié)哺乳動物受試者中的血管生成的治療化合物的方法，所 述方法包括：
[0144] 使來自哺乳動物受試者的生物樣品與測試化合物接觸；
[0145] 測定所述生物樣品中通過本文中提供的任一方法鑒別的一種或多種調(diào)節(jié)子的表 達水平；
[0146] 將所述生物樣品的一種或多種調(diào)節(jié)子的水平、活性或存在與未接觸所述測試化合 物的對照樣品比較，和
[0147] 選擇調(diào)節(jié)所述生物樣品中一種或多種調(diào)節(jié)子的水平、活性或存在的測試化合物，
[0148]從而鑒別用于調(diào)節(jié)哺乳動物受試者中的血管生成的治療化合物。
[0149] 本發(fā)明提供用于調(diào)節(jié)哺乳動物受試者中的血管生成的方法，所述方法包括：
[0150] 向需要的哺乳動物施用治療有效量的包含通過本文中提供的任何方法鑒別的治 療化合物的藥物組合物，從而治療所述疾病、改善其癥狀、抑制其進展或預(yù)防、診斷或預(yù)后 所述疾病。
[0151] 在某些實施方式中，"環(huán)境擾動"，本文也稱為"外部刺激成分"，是治療劑。在某些 實施方式中，外部刺激成分是小分子（例如，不超過5kDa、4kDa、3kDa、2kDa、lkDa、500道爾 頓或250道爾頓的小分子）。在某些實施方式中，外部刺激成分是生物劑。在某些實施方式 中，外部刺激成分是化學(xué)劑。在某些實施方式中，外部刺激成分對于細胞是內(nèi)源性的或外源 性的。在某些實施方式中，外部刺激成分是MM或表觀代謝轉(zhuǎn)變劑（印ishifter)。在某些 實施方式中，外部刺激成分是細胞系統(tǒng)的應(yīng)激因素，如缺氧、高血糖癥、高脂血癥、高胰島素 血癥和/或富乳酸狀態(tài)。
[0152] 在某些實施方式中，外部刺激成分可包括用于治療疾病狀態(tài)的治療劑或候選治療 劑，包括化療劑、蛋白質(zhì)基的生物藥物、抗體、融合蛋白質(zhì)、小分子藥物、脂質(zhì)、多糖、核酸等 等。
[0153] 在某些實施方式中，外部刺激成分可以是一個或多個應(yīng)激因素，如那些通常在各 種疾病狀態(tài)下在體內(nèi)遇到的，包括缺氧、高血糖狀態(tài)、酸性環(huán)境（可通過乳酸處理模擬）等。
[0154] 在其它實施方式中，外部刺激成分可以包括一種或多種MM和/或表觀代謝轉(zhuǎn)變 劑，如本文下面所定義的。示例性的MIM包括輔酶Q10 (本文也稱為CoQlO)和維生素B族 中的化合物，或者包含維生素B族中的化合物的核苷、單核苷酸或二核苷酸。在某些實施方 式中，外部刺激不是CoQlO。在某些實施方式中，外部刺激不是維生素B或維生素B族中的 化合物。
[0155]在進行細胞輸出測量（如蛋白質(zhì)表達、脂質(zhì)水平）中，可以使用絕對量（例如，表 達或總量）或相對水平（例如，相對表達水平或量）。在一個實施方式中，使用絕對量（例 如，表達或總量）。在一個實施方式中，使用相對水平或量（例如，相對表達水平）。例如，為 了確定細胞系統(tǒng)的蛋白質(zhì)的相對表達水平，可以將細胞系統(tǒng)中（對細胞系統(tǒng)有或沒有外部 刺激）任何給定的蛋白質(zhì)的量與合適的對照細胞系或細胞系的混合物（如在同一實驗中使 用的所有細胞）相比較，并給出倍數(shù)增加或倍數(shù)減少值。本領(lǐng)域技術(shù)人員將會理解，可以在 任何細胞輸出測量（如基因和/或RNA的轉(zhuǎn)錄水平、脂質(zhì)水平或者任何功能輸出，例如，如 本文所述的細胞凋亡水平、毒性水平或ECAR或OCR)中使用絕對量或相對量。預(yù)先確定的倍 數(shù)增加（例如，至少 1. 2、1. 3、1. 4、1. 5、1. 6、1. 7、1. 8、1. 9、2、2. 5、3、3. 5、4、4. 5、5、6、7、8、9、 10、15、20、25、30、35、40、45、50、75或100或者更多倍的增加）或倍數(shù)減少（例如，至少減少 至 0? 9、0. 8、0. 75、0. 7、0. 6、0. 5、0. 45、0. 4、0. 35、0. 3、0. 25、0. 2、0. 15、0. 1 或 0? 05 倍、或者 減少到 90%、80%、75%、70%、65%、60%、55%、50%、45%、40%、35%、30%、25%、20%、 15%、10%或5%或更少）的閾值水平可以被用于選擇顯著差異，和然后該顯著差異的細胞 輸出數(shù)據(jù)可包括在用于本發(fā)明的平臺技術(shù)方法中的數(shù)據(jù)集（例如，第一和第二數(shù)據(jù)集）中。 存在于前述列表中的所有的值也可以是范圍的上限或下限，例如，在1. 5至5倍、5至10倍、 2至5倍之間、或0. 9至0. 7、0. 9至0. 5、0. 7至0. 3倍之間的范圍意圖為本發(fā)明的部分。
[0156] 在整個本申請中，顯示在列表中的所有值，例如，如上述的那些，也可以是確定為 本發(fā)明中的一部分的范圍的上限或下限。
[0157] 在本發(fā)明的方法的一個實施方式中，不是因果關(guān)系網(wǎng)絡(luò)中觀察到的每一個因果關(guān) 系都有生物學(xué)意義。對于所述探詢生物評價被應(yīng)用的任何給定的生物系統(tǒng)，一些（或者也 許全部）的因果關(guān)系（以及與其相關(guān)的基因）相對于特定的所討論的生物問題是"確定性 的"，例如導(dǎo)致引起疾病狀態(tài)（治療性干預(yù)的潛在靶標(biāo)）或疾病狀態(tài)的生物標(biāo)志物（潛在的 診斷或預(yù)后的因素）。在一個實施方式中，觀察的在生物系統(tǒng)中獨特的因果關(guān)系對于所討論 的特定生物問題是確定性的。在一個實施方式中，并非每一個在生物系統(tǒng)中觀察到的獨特 的因果關(guān)系對于所討論的特定生物問題是確定性的。
[0158] 可以由所述方法的最終用戶來選擇這樣的確定性的因果關(guān)系，或者可以由生物信 息學(xué)軟件程序來選擇，如REFS、DAVID實現(xiàn)的比較途徑分析程序或者KEGG途徑分析程序。 在某些實施方式中，使用一個以上的生物信息學(xué)軟件程序，和來自兩個或更多生物信息學(xué) 軟件程序的一致結(jié)果是優(yōu)選的。
[0159] 如本文所用的細胞輸出的"差異"包括任何一個或多個細胞輸出參數(shù)中的差異 (例如，增加或減少的水平）。在某些實施方式中，差異各自獨立地選自于mRNA轉(zhuǎn)錄、蛋白 質(zhì)表達、蛋白質(zhì)活性、代謝物/中間體水平和/或配體_靶相互作用中的差別。例如，就蛋 白質(zhì)表達水平而言，可以通過使用本領(lǐng)域公認的技術(shù)，如以質(zhì)譜分析為基礎(chǔ)的檢測（例如， iTRAQ、2D-LC-MSMS等）測量和定量兩個細胞輸出之間的差異，例如在外部刺激成分處理之 前和之后與細胞系統(tǒng)相關(guān)的輸出。
[0160] 在一個方面，生物系統(tǒng)的細胞模型包含細胞交互系統(tǒng)，其中具有含外部刺激成分 的第一細胞環(huán)境的第一細胞系統(tǒng)產(chǎn)生第一改變的細胞環(huán)境，以使得通過將具有第二細胞環(huán) 境的第二細胞系統(tǒng)暴露于第一改變的細胞環(huán)境而建立交互細胞系統(tǒng)。
[0161] 在一個實施方式中，產(chǎn)生至少一個與交互細胞系統(tǒng)的顯著細胞交互差異，和鑒別 至少一個確定性的細胞交互差異以使得進行探詢式生物學(xué)評估。在某些實施方式中，所述 至少一個顯著的細胞交互差異是多個差異。
[0162] 在某些實施方式中，所述至少一個確定性的細胞交互差異是由最終用戶選擇的。 或者，在另一個實施方式中，所述至少一個確定性的細胞交互差異是基于定量蛋白質(zhì)組學(xué) 數(shù)據(jù)通過生物信息學(xué)軟件程序（如，例如，REFS、KEGG途徑分析或DAVID實現(xiàn)的比較途徑分 析）而選擇的。
[0163] 在某些實施方式中，所述方法進一步包括產(chǎn)生用于第一細胞系統(tǒng)的顯著細胞輸出 差異。
[0164] 在某些實施方式中，差異各自獨立地選自于mRNA轉(zhuǎn)錄、蛋白質(zhì)表達、蛋白質(zhì)活性、 代謝物/中間體水平和/或配體_靶相互作用的差異。
[0165] 在某些實施方式中，所述第一細胞系統(tǒng)和第二細胞系統(tǒng)獨立地選自于原代細胞的 同質(zhì)群體、癌細胞系或正常細胞系。
[0166] 在某些實施方式中，第一改變的細胞環(huán)境包含由第一細胞系統(tǒng)分泌到第一細胞環(huán) 境中的因子，其作為第一細胞系統(tǒng)與外部刺激成分接觸的結(jié)果。該因子可以包含分泌的蛋 白質(zhì)或其他的信號分子。在某些實施方式中，該第一改變的細胞環(huán)境基本上沒有原來的外 部刺激成分。
[0167] 在某些實施方式中，交互細胞系統(tǒng)包含具有插入隔室和由膜分隔的杯狀隔室的侵 襲實驗裝置（transwell)。例如，第一細胞系統(tǒng)可在插入隔室（或杯狀隔室）中生長，和所 述第二細胞系統(tǒng)可在杯狀隔室（或插入隔室）中生長。
[0168] 在某些實施方式中，交互細胞系統(tǒng)包含用于第一細胞系統(tǒng)生長的第一培養(yǎng)物和用 于第二細胞系統(tǒng)生長的第二培養(yǎng)物。在這種情況下，第一改變的細胞環(huán)境可以是來自第一 細胞系統(tǒng)的條件培養(yǎng)基。
[0169] 在某些實施方式中，所述第一細胞環(huán)境和第二細胞環(huán)境可以相同。在某些實施方 式中，所述第一細胞環(huán)境和第二細胞環(huán)境可以不同。
[0170] 在某些實施方式中，交互細胞系統(tǒng)包含所述第一細胞系統(tǒng)和第二細胞系統(tǒng)的共培 養(yǎng)。
[0171] 本發(fā)明的方法可用于或應(yīng)用于多種"探詢式生物學(xué)評估"。本發(fā)明的方法應(yīng)用于探 詢式生物學(xué)評估以使其能夠鑒別生物系統(tǒng)的一個或多個調(diào)節(jié)子或者生物系統(tǒng)或過程的確 定性的細胞過程"驅(qū)動子"。
[0172] 本發(fā)明的方法可用于進行廣泛的探詢式生物學(xué)評估。在某些實施方式中，探詢式 生物學(xué)評估是疾病狀態(tài)的診斷。在某些實施方式中，探詢式生物學(xué)評估是確定藥物療效。在 某些實施方式中，探詢式生物學(xué)評估是藥物毒性測定。在某些實施方式中，探詢式生物學(xué)評 估是疾病狀態(tài)的分期。在某些實施方式中，探詢式生物學(xué)評估鑒別抗衰老化妝品的靶標(biāo)。
[0173] 如本文所用的"探詢式生物學(xué)評估"可包括鑒別生物系統(tǒng)中的一個或多個調(diào)節(jié)子， 例如，確定性的細胞過程"驅(qū)動子"（例如，生物途徑，或途徑的關(guān)鍵成員，或途徑成員的主要 調(diào)節(jié)子的活性的增加或減少），其與環(huán)境擾動或外部刺激成分或者生物系統(tǒng)或過程中獨有 的獨特因果關(guān)系相關(guān)。它可以進一步包括涉及額外的步驟來測試或驗證確定的確定性細胞 過程驅(qū)動子是否需要和/或足夠用于與環(huán)境擾動外部刺激成分相關(guān)聯(lián)的下游事件，包括體 內(nèi)動物模型和/或體外組織培養(yǎng)實驗。
[0174] 在某些實施方式中，探詢式生物學(xué)評估是疾病狀態(tài)的診斷或分期，其中所鑒別的 生物系統(tǒng)的調(diào)節(jié)子，例如，細胞過程的確定性驅(qū)動子（例如，交互差異或生物系統(tǒng)或過程中 的獨特因果關(guān)系）代表疾病標(biāo)志物或可以進行治療干預(yù)的治療靶標(biāo)。所述探詢式生物學(xué)評 估在理論上適合任何病情，但可能會發(fā)現(xiàn)在某些領(lǐng)域特別有用，如腫瘤/癌癥生物學(xué)、糖尿 病、肥胖癥、心血管疾病和神經(jīng)系統(tǒng)疾?。ㄓ绕涫巧窠?jīng)退行性疾病，例如，不限于，阿爾茨海 默氏病、帕金森氏病、亨廷頓氏病、肌萎縮性脊髓側(cè)索硬化癥（ALS)和衰老相關(guān)的神經(jīng)退行 性疾?。┘芭c血管生成相關(guān)的病癥。
[0175] 在某些實施方式中，探詢式生物學(xué)評估是藥物療效的確定，其中所鑒別的生物系 統(tǒng)的調(diào)節(jié)子，例如，確定性的細胞過程驅(qū)動子（例如，交互差異或者生物系統(tǒng)或過程中獨特 的因果關(guān)系）可以是成功藥物的標(biāo)志，并可隨之用于鑒別另外的用于治療相同疾病狀況的 試劑，如MIM或表觀代謝轉(zhuǎn)變劑。
[0176] 在某些實施方式中，探詢式生物學(xué)評估是鑒別用于預(yù)防或治療感染的藥物靶標(biāo)， 其中所鑒別的確定性細胞過程驅(qū)動子（例如，細胞交互差異或者生物系統(tǒng)或過程中獨特的 因果關(guān)系）可以是標(biāo)志物/指標(biāo)或?qū)е赂腥緺顟B(tài)的關(guān)鍵生物分子，并可以隨之被用來鑒別 抗感染劑。
[0177] 在某些實施方式中，探詢式生物學(xué)評估是試劑（例如藥物）對給定的疾病譜的分 子效應(yīng)的評估，其中所鑒別的生物系統(tǒng)的調(diào)節(jié)子，例如，確定性的細胞過程驅(qū)動子（例如， 細胞交互差異或者生物系統(tǒng)或過程中獨特的因果關(guān)系）可以是一個或多個生物途徑、途徑 的主要成員或途徑成員的主要調(diào)節(jié)子的活性的增加或減少，且可隨之被用于，例如，預(yù)測該 試劑對于給定疾病的療效。
[0178] 在某些實施方式中，探詢式生物學(xué)評估是試劑（例如藥物）對于細胞、組織、器官 或有機體的毒理學(xué)特性的評估，其中所鑒別的生物系統(tǒng)調(diào)節(jié)子，例如，確定性的細胞過程驅(qū) 動子（例如，細胞交互差異或者生物系統(tǒng)或過程中獨特的因果關(guān)系）可以是毒性（例如，細 胞毒性）的指示劑，且因而可以用來預(yù)測或確定試劑的毒理學(xué)特性。在一個實施方式中，鑒 別的生物系統(tǒng)調(diào)節(jié)子，例如，確定性的細胞過程驅(qū)動子（例如，細胞交互差異或者生物系統(tǒng) 或過程中獨特的因果關(guān)系）是藥物或藥物候選物的心臟毒性的指示劑，并可隨之用來預(yù)測 或確定藥物或藥物候選物的心臟毒性特性。
[0179] 在某些實施方式中，探詢式生物學(xué)評估是鑒別用于預(yù)防或治療由生物武器（如導(dǎo) 致疾病的原生動物、真菌、細菌、病菌（protests)、病毒或毒素）引起的疾病或病癥的藥物 靶標(biāo)，其中所鑒別的生物系統(tǒng)調(diào)節(jié)子，例如，確定性的細胞過程驅(qū)動子（例如，細胞交互差 異或者生物系統(tǒng)或過程中獨特的因果關(guān)系）可以是標(biāo)志物/指標(biāo)或引起所述疾病或病癥的 關(guān)鍵生物分子，且因而可以用來鑒別生物防御劑。
[0180] 在某些實施方式中，探詢式生物學(xué)評估是鑒別抗老化劑（如抗老化化妝品）的靶 標(biāo)，其中所鑒別的生物系統(tǒng)調(diào)節(jié)子，例如，確定性的細胞過程驅(qū)動子（例如，細胞交互差異 或者生物系統(tǒng)或過程中獨特的因果關(guān)系）可以是老化過程的標(biāo)志物或指示劑，特別是皮膚 的老化過程，并可隨之用于鑒別抗老化劑。
[0181] 在用于鑒別抗衰老化妝品靶標(biāo)的本發(fā)明方法中的一個示例性衰老細胞模型中，該 細胞模型包含用例如UV光（環(huán)境擾動或外部刺激成分）處理的老化的上皮細胞和/或任 選地也用UV光處理的新生細胞。在一個實施方式中，老化的細胞模型包括細胞交互系統(tǒng)。 在為鑒別抗衰老化妝品的靶標(biāo)而建立的一個示例性的雙細胞交互系統(tǒng)中，可以用UV光（外 部刺激成分）處理老化上皮細胞（第一細胞系統(tǒng)），且由于與處理的老化上皮細胞的條件 培養(yǎng)基接觸而導(dǎo)致的新生細胞（第二細胞系統(tǒng)）的變化（例如蛋白質(zhì)組變化和/或功能變 化）可被測量，例如，可以使用常規(guī)的定量質(zhì)譜法測定蛋白質(zhì)組的變化，或可以從由數(shù)據(jù)生 成的因果關(guān)系網(wǎng)絡(luò)鑒別老化過程中獨特的因果關(guān)系。
[0182] 在另一個方面，本發(fā)明提供了一種試劑盒，其用于使用發(fā)現(xiàn)平臺技術(shù)進行探詢式 生物學(xué)評估，其包含用于檢測作為由本發(fā)明的方法生成的因果關(guān)系網(wǎng)絡(luò)的主題的分析物是 否存在和/或用于定量其量的一種或多種試劑。在一個實施方式中，所述分析物是生物系 統(tǒng)中獨特的因果關(guān)系的對象，例如，與生物系統(tǒng)中獨特的因果關(guān)系相關(guān)的基因。在某些實施 方式中，分析物是蛋白質(zhì)，且該試劑包含針對該蛋白質(zhì)的抗體、該蛋白質(zhì)的標(biāo)記物和/或一 種或多種制備用于高通量分析（例如，基于質(zhì)譜的測序）的該蛋白質(zhì)的試劑。
[0183] 在又另一個方面，所述技術(shù)提供一種用于治療哺乳動物受試者的疾病、緩解其癥 狀、抑制其進展、預(yù)防、診斷或預(yù)后該疾病的方法。所述方法包括向需要的哺乳動物施用治 療有效量的包含生物活性物質(zhì)的藥物組合物，該生物活性物質(zhì)影響TCOF1、TOP2A、CAMK2A、 CDK1、CLTCL1、EIF4G1、ENO1、FBL、GSK3B、HDLBP、HIST1H2BA、HMGB2、HNRNPK、HNRPDL、HSPA9、 MAP2K2、LDHA、MAP4、MAPK1、MARCKS、NME1、NME2、PGK1、PGK2、RAB7A、RPL17、RPL28、RPS5、 RPS6、SLTM、TMED4、TNRCBA、TUBB和UBE21中任何一種或多種的表達或活性，從而治療哺乳 動物受試者的疾病、緩解其癥狀、抑制其進展、預(yù)防、診斷或預(yù)后該疾病。在一些實施方式 中，所述疾病是癌癥，例如肝細胞癌。在各種實施方式中，所述方法可以使用1、2、3、4、5、6、 7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33 或34種激酶。在一種實施方式中，所述組合物提高一種或多種激酶的表達和/或活性。在 另一種實施方式中，所述組合物降低一種或多種激酶的表達和/或活性。
[0184] 在再另一個方面中，所述技術(shù)提供一種診斷哺乳動物受試者的疾病的方法。所述 方法包括：（i)測定從所述受試者獲得的生物樣品中TCOF1、TOP2A、CAMK2A、CDK1、CLTCL1、 EIF4G1、EN01、FBL、GSK3B、HDLBP、HIST1H2BA、HMGB2、HNRNPK、HNRPDL、HSPA9、MAP2K2、LDHA、 MP4、MAPK1、MARCKS、NME1、NME2、PGK1、PGK2、RAB7A、RPL17、RPL28、RPS5、RPS6、SLTM、TMED4、 TNRCBA、TUBB和UBE21中任何一種或多種的表達或活性水平；和（ii)將所述受試者中的水 平與對照樣品中所述一種或多種蛋白質(zhì)的表達或活性水平比較，其中所述受試者中的水平 和所述對照樣品中一種或多種蛋白質(zhì)的表達或活性水平之間的差異是所述受試者患有疾 病或易于發(fā)生疾病或有利地對疾病治療發(fā)生反應(yīng)的指示，從而診斷所述哺乳動物受試者的 疾病。在一些實施方式中，所述疾病是癌癥，例如肝細胞癌。在各種實施方式中，所述方法 可以使用 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、 27、28、29、30、31、32、33或34種激酶。在一種實施方式中，所述差異是一種或多種激酶的表 達和/或活性的提高。在另一種實施方式中，所述差異是一種或多種激酶的表達和/或活 性的降低。
[0185] 在再另一個方面中，所述技術(shù)提供一種鑒別用于治療哺乳動物受試者的疾病、改 善其癥狀、抑制其進展、預(yù)防、診斷或預(yù)后該疾病的治療化合物的方法。所述方法包括（i) 使來自所述哺乳動物受試者的生物樣品與測試化合物接觸；（ii)測定所述生物樣品中 TCOF1、TOP2A、CAMK2A、CDK1、CLTCL1、EIF4G1、EN01、FBL、GSK3B、HDLBP、HIST1H2BA、HMGB2、 HNRNPK、HNRPDL、HSPA9、MAP2K2、LDHA、MAP4、MAPK1、MARCKS、NME1、NME2、PGK1、PGK2、RAB7A、 RPL17、RPL28、RPS5、RPS6、SLTM、TMED4、TNRCBA、TUBB 和 UBE21 中任何一種或多種的表達水 平；（iii)將所述生物樣品中一種或多種蛋白質(zhì)的表達水平與未與測試化合物接觸的對照 樣品比較；和（iv)選擇調(diào)節(jié)所述生物樣品中一種或多種蛋白質(zhì)的表達水平的測試化合物， 從而鑒別用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展、預(yù)防、診斷或預(yù)后該 疾病的治療化合物。在一些實施方式中，所述疾病是癌癥，例如肝細胞癌。在各種實施方式 中，所述方法可以使用 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、 23、24、25、26、27、28、29、30、31、32、33或34種激酶。在一種實施方式中，所述化合物提高一 種或多種激酶的表達和/或活性。在另一種實施方式中，所述化合物降低一種或多種激酶 的表達和/或活性。
[0186] 在再另一個方面中，所述技術(shù)提供一種用于治療哺乳動物受試者的疾病、改善其 癥狀、抑制其進展、預(yù)防、診斷或預(yù)后所述疾病的方法。所述方法包括向需要的哺乳動物施 用治療有效量的包含通過上述方面（即，利用TC0F1、T0P2A、CAMK2A、CDK1、CLTCL1、EIF4G1、 ENOl、FBL、GSK3B、HDLBP、HIST1H2BA、HMGB2、HNRNPK、HNRPDL、HSPA9、MAP2K2、LDHA、MAP4、 MAPK1、MARCKS、NME1、NME2、PGK1、PGK2、RAB7A、RPL17、RPL28、RPS5、RPS6、SLTM、TMED4、 TNRCBA、TUBB和UBE21中任何一種或多種）鑒別的治療化合物的藥物組合物，從而治療所 述疾病、改善其癥狀、抑制其進展、預(yù)防、診斷或預(yù)后所述疾病。在一些實施方式中，所述疾 病是癌癥，例如肝細胞癌。在各種實施方式中，所述方法可以使用1、2、3、4、5、6、7、8、9、10、 11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33 或 34 種激 酶。
[0187] 應(yīng)當(dāng)理解的是，本文所描述的所有實施方式，包括僅在實施例中描述的那些，是本 發(fā)明的一般描述的部分，并可以結(jié)合本發(fā)明的任何其它實施方式，除非明確排除或不適用。
[0188] 附圖簡要說明
[0189] 本公開的各種實施方式將在本文下面根據(jù)附圖進行描述，其中：
[0190] 圖1:用于鑒別治療劑的方法的圖解。
[0191] 圖2 :癌癥系統(tǒng)生物學(xué)和整合的多生理相互作用輸出調(diào)節(jié)的結(jié)果的圖解。
[0192] 圖3:使用MMS的生物相關(guān)性系統(tǒng)探詢的圖解。
[0193] 圖4:建模癌癥網(wǎng)絡(luò)以使得能夠進行探詢式生物學(xué)查詢的圖解。
[0194] 圖5 :探詢式生物學(xué)平臺技術(shù)的圖解。
[0195] 圖6 :平臺技術(shù)中使用的技術(shù)的圖解。
[0196] 圖7 :平臺的成分（包括數(shù)據(jù)采集、數(shù)據(jù)整合和數(shù)據(jù)挖掘）的示意圖。
[0197] 圖8:使用MMS的系統(tǒng)性探詢和從"組學(xué)"級聯(lián)收集響應(yīng)數(shù)據(jù)的示意圖。
[0198] 圖9:建立表示正常和糖尿病狀態(tài)的體外模型使用的成分的略圖。
[0199] 圖10 :用來生成蛋白質(zhì)的因果網(wǎng)絡(luò)（因為它們涉及疾病病理生理學(xué)）的信息學(xué)平 臺REFS?的示意圖。
[0200] 圖11 :導(dǎo)致生成糖尿病狀態(tài)對于正常狀態(tài)以及通過用MMS治療恢復(fù)到正常狀態(tài) 的糖尿病節(jié)點的差異網(wǎng)絡(luò)的途徑的示意圖。
[0201] 圖12 :糖尿病狀態(tài)與正常狀態(tài)的代表性差異網(wǎng)絡(luò)。
[0202] 圖13 :節(jié)點和感興趣的相關(guān)邊界（中心的Nodel)的不意圖。表不出與每個邊界 有關(guān)的細胞功能性。
[0203] 圖14 :根據(jù)一些實施方式，示例性方法的高水平流程圖。
[0204] 圖15A-15D :可以用于示例性實施方式的基于AI的信息學(xué)系統(tǒng)的成分和過程的高 水平不意圖。
[0205] 圖16 :可以用于示例性實施方式的基于AI的信息學(xué)系統(tǒng)中的方法的流程圖。
[0206]圖17 :示意性地描繪了適合于實施本文所教導(dǎo)的示例性實施方式的示例性計算 環(huán)境。
[0207] 圖18 :實施例1中描述的案例研宄設(shè)計的圖示。
[0208] 圖19 :輔酶Q10治療對下游節(jié)點的影響。
[0209] 圖20:輔酶Q10治療降低癌癥細胞系H印G2中的LDHA表達。
[0210] 圖21 :基于來自Paca2、HepG2和THLE2細胞系的數(shù)據(jù)，在70%片段頻率下的示例 性蛋白質(zhì)相互作用一致網(wǎng)絡(luò)。
[0211] 圖22 :使用平臺技術(shù)鑒別兩個癌癥細胞系中響應(yīng)于LDHA表達模擬的蛋白質(zhì)。
[0212] 圖 23 :LDHA_PARK7 網(wǎng)絡(luò)的獨創(chuàng)途徑協(xié)助（IngenuityPathwayAssist?)分析鑒 別TP53為上游中樞。
[0213] 圖24:輔酶Q10治療對SKMEL28癌細胞系中TP53表達水平的影響。
[0214] 圖25:與SKMEL28癌細胞系中導(dǎo)致細胞凋亡的BCL-2蛋白質(zhì)的表達改變相關(guān)的 TP53的激活和輔酶Q10治療對SKMEL28中Bcl-2、Bax和胱天蛋白酶3表達水平的影響。
[0215] 圖26 :導(dǎo)致生成A-A網(wǎng)絡(luò)的數(shù)學(xué)途徑的圖解。
[0216] 圖27 :驅(qū)動ECAR和OCR的癌癥健康差（A-A)網(wǎng)絡(luò)。各個驅(qū)動子對邊界的厚度 代表的終點具有差異效應(yīng)。Cytoscape中邊界的厚度表示倍數(shù)變化的強度。
[0217] 圖28:使用IPA對來自探詢式平臺技術(shù)輸出的PARK7及相關(guān)節(jié)點作圖：灰色的形 狀包括所有來自輸入IPA中的探詢生物學(xué)輸出的與PARK7相關(guān)的節(jié)點。未填充的形狀（帶 有名稱）是由IPA整合的新連接以創(chuàng)建完整的圖譜。
[0218] 圖29:本發(fā)明的探詢式平臺技術(shù)，其展現(xiàn)了與PARK7相關(guān)的節(jié)點的新相關(guān)性。虛線 所示的邊界是具有中間節(jié)點但在IPA中沒有中間節(jié)點的模擬中兩個節(jié)點之間的連接。點線 所示的邊界是具有中間節(jié)點但在IPA中有不同的中間節(jié)點的模擬中兩個節(jié)點之間的連接。
[0219] 圖30:導(dǎo)致生成A-A網(wǎng)絡(luò)的數(shù)學(xué)途徑的圖解。將來自NGnHGA網(wǎng)絡(luò)中NG的 獨特邊界與HGnHGT1A網(wǎng)絡(luò)中的HGT1的獨特邊界相比較。NG和HGT1的交集中的邊界是 利用T1恢復(fù)到NG的HG邊界。
[0220] 圖31:疊加到NG n HG A網(wǎng)絡(luò)上的利用輔酶Q10處理恢復(fù)到正常的糖尿病邊界的 A-A網(wǎng)絡(luò)。
[0221] 圖32:疊加在正常血脂n高血脂A網(wǎng)絡(luò)上的利用輔酶Q10處理恢復(fù)到正常的高 血脂邊界的A-A網(wǎng)絡(luò)。
[0222] 圖33 :表示疾病和藥物治療中改變的脂肪酸命運的示意圖。利用游離脂肪酸 (FFA)來產(chǎn)生ATP和對膜生物學(xué)破壞做出響應(yīng)的膜重建之間的平衡牽涉到藥物導(dǎo)致的心臟 毒性。
[0223] 圖34:表示用于研宄糖尿病心肌細胞中藥物誘導(dǎo)毒性的實驗設(shè)計和建模參數(shù)的 示意圖。
[0224] 圖35 :藥物治療⑴導(dǎo)致的糖尿病心肌細胞中人線粒體能量代謝基因的轉(zhuǎn)錄網(wǎng)絡(luò) 和表達的失調(diào)：救援分子（R)使基因表達正常化。
[0225] 圖36 :A.藥物治療⑴誘導(dǎo)來自高血糖癥中條件化的心肌細胞的線粒體中GPAT1 和TAZ的表達。與救援分子結(jié)合（T+R)，GPAT1和TAZ水平正?；?。B.從G3P合成TAG。
[0226] 圖37 :A.藥物治療（T)降低高血糖癥條件化的心肌細胞中的線粒體OCR(耗氧 率）。救援分子（T+R)使OCR正?；?。B.藥物治療（T)抑制高血糖癥中條件化的心肌細胞 中線粒體ATP的合成。
[0227]圖38 :通過藥物治療下調(diào)蛋白質(zhì)的GO注釋。用藥物治療下調(diào)參與線粒體能量代 謝的蛋白質(zhì)。
[0228] 圖39:導(dǎo)致生成A網(wǎng)絡(luò)的數(shù)學(xué)方法的圖解。比較來自T與UT的獨特邊界，這兩 個模型均處于糖尿病環(huán)境中。
[0229] 圖40 :代表驅(qū)動藥物誘導(dǎo)毒性的病理生理學(xué)的潛在蛋白質(zhì)中樞和網(wǎng)絡(luò)的示意圖。
[0230] 圖41顯示用于鑒別生物系統(tǒng)或疾病過程的調(diào)節(jié)子的方法。
[0231] 圖42顯示用索拉非尼處理的IfepG2中EN01活性而非蛋白質(zhì)表達的顯著降低。
[0232] 圖43顯示用索拉非尼處理的IfepG2中PGK1活性而非蛋白質(zhì)表達的顯著降低。
[0233] 圖44顯示用索拉非尼處理的HepG2中LDHA活性的顯著降低。
[0234] 圖45顯示可以通過使用基于AI的REFS?系統(tǒng)分析數(shù)據(jù)集產(chǎn)生的因果分子相互作 用網(wǎng)絡(luò)。
[0235] 圖46顯示采用貝葉斯網(wǎng)絡(luò)推理算法的多組學(xué)數(shù)據(jù)整合可以如何導(dǎo)致對肝細胞癌 中信號傳導(dǎo)途徑的更好理解。黃色方塊代表轉(zhuǎn)錄后修飾（磷酸化）數(shù)據(jù)，藍色三角形代表 基于活性（激酶）的數(shù)據(jù)，和綠色圓形代表蛋白質(zhì)組學(xué)數(shù)據(jù)。
[0236] 圖47顯示肝細胞癌信號傳導(dǎo)途徑中的自動調(diào)節(jié)和逆反饋調(diào)節(jié)可以如何通過平臺 推斷。方塊代表轉(zhuǎn)錄后修飾（磷酸化）數(shù)據(jù)（灰/黑=激酶，黃/淺-無激酶活性），方塊 代表基于活性（激酶）+蛋白質(zhì)組學(xué)數(shù)據(jù)（灰/黑=激酶，黃/淺-無激酶活性）。
[0237] 圖48-51顯示通過平臺推斷的信號傳導(dǎo)途徑中因果相關(guān)性的實例。激酶同工型在 代表性的方塊和圓形上表示，因果相關(guān)性通過連接體表示。
[0238] 圖52A-B顯示在（A)匯合或⑶亞匯合培養(yǎng)物中生長的人臍靜脈內(nèi)皮細胞 (HUVEC)用所示濃度范圍的CoQlO處理24小時。匯合的細胞密切地近似于"正常"細胞而 亞匯合的細胞更密切地代表增殖細胞的血管生成表型。在匯合培養(yǎng)物中，添加提高濃度的 CoQlO導(dǎo)致EC的更密切的關(guān)聯(lián)、延長和排列。5000 yM導(dǎo)致圓形細胞的細微增加。
[0239] 圖53A-C顯示HUVEC細胞的匯合⑷或亞匯合⑶培養(yǎng)物用100或1500 yM CoQlO 處理24小時并測定碘丙錠陽性凋亡細胞。CoQlO對匯合時處理的EC是保護性的，而亞匯 合的細胞對于是敏感的且在1500 yM CoQlO下顯示增加的細胞凋亡。（C)亞匯合的對照 EC(左）、100 y M CoQlO (中）和1500 y M CoQlO (右）的代表性柱狀圖。
[0240] 圖54A-C顯示亞匯合的HUVEC細胞培養(yǎng)物用100或1500 y MCoQlO處理72小時并 使用碘丙錠摻入分析（檢測G2/M期DNA)測定細胞數(shù)（A)和增殖（B)。高濃度的CoQlO導(dǎo) 致細胞數(shù)的顯著提高且對于EC增殖具有劑量依賴性的作用。細胞周期的G2/M期細胞[對 照EC (左）、100 y M CoQlO (中）和1500 y M CoQlO (右）]的細胞增殖分選的代表性柱狀圖 顯示于（C)中。
[0241] 圖55顯示HUVEC細胞生長到匯合以使用"劃痕"分析測試迀移。100或1500 yM CoQlO在刻劃時施加且清除區(qū)域的封閉在48小時內(nèi)監(jiān)測。100 yM CoQlO與對照相比延遲 內(nèi)皮封閉。添加1500 yM CoQlO阻止封閉，甚至直到48小時（數(shù)據(jù)未顯示）。
[0242] 圖56顯示在3-D基質(zhì)膠中生長的內(nèi)皮細胞隨時間形成管。觀察到100 yM和 1500 yM CoQlO對管形成的不同效應(yīng)。受損的細胞-細胞關(guān)聯(lián)和早期管結(jié)構(gòu)的破壞在 1500 yM CoQlO下是顯著的。顯示的圖像在72小時時獲取。
[0243] 圖57A-B顯示內(nèi)皮細胞在亞匯合和匯合的培養(yǎng)物中生長，其在正常和缺氧條件下 在CoQlO存在和不存在下生長。評估了響應(yīng)于CoQlO和缺氧的一氧化氮（NO) (A)和反應(yīng)性 氧物質(zhì)（ROS) (B)的產(chǎn)生。
[0244] 圖58A-D顯示內(nèi)皮細胞在亞匯合和匯合的培養(yǎng)物中在CoQlO存在和不存在下生長 以評估在所示生長條件下的線粒體氧消耗。顯示了總OCR(A)、線粒體OCR(B)、ATP產(chǎn)生（C)、 ECAR(D)的評估。
[0245] 圖59A-C顯示用于通過CoQlO對內(nèi)皮細胞功能的調(diào)節(jié)鑒別關(guān)鍵生物功能節(jié)點的探 詢式生物學(xué)平臺的結(jié)果。這些節(jié)點由完全多組學(xué)網(wǎng)絡(luò)（A)、富蛋白質(zhì)網(wǎng)絡(luò)的中樞（B)及激 酶、脂質(zhì)組學(xué)和功能終點網(wǎng)絡(luò)的中樞（C)代表。圖59B和59C是圖59A的分解部分。
[0246] 發(fā)明詳沐
[0247] I、概沭
[0248] 本發(fā)明的示例性實施方式中結(jié)合了可以使用探詢式生物學(xué)平臺（"該平臺"）實施 的方法，該平臺是用于理解各種各樣的生物學(xué)過程（如疾病病理生理學(xué)或血管生成）和作 為這種生物學(xué)過程基礎(chǔ)的關(guān)鍵分子驅(qū)動子（包括使疾病過程得以發(fā)生的因子）的工具。一 些示例性實施方式包括可以結(jié)合該平臺的至少一部分或全部的系統(tǒng)。一些示例性方法可以 采用該平臺的至少一部分或全部。涉及該平臺的一些示例性實施方式的目標(biāo)和目的出于說 明性的目的一般地概述如下：
[0249] i)建立作為生物學(xué)過程（例如，疾病過程、血管生成）的關(guān)鍵組成的驅(qū)動子的特定 分子印記，因為它們與總體生物學(xué)過程相關(guān)；
[0250] ii)生成與生物學(xué)過程相關(guān)的分子印記或差異圖譜，這可有助于鑒別區(qū)分一個生 物學(xué)狀態(tài)（例如，疾病狀態(tài)、血管生成狀態(tài)）與不同生物學(xué)階段（例如，正常狀態(tài)）的差異 分子印記，和發(fā)展對于印記或分子實體的理解，因為它們裁斷兩種生物學(xué)狀態(tài)之間的變化 (例如，從正常到疾病狀態(tài)或血管生成狀態(tài)）的機制；和
[0251] iii)研宄分子活性的"中樞"作為用于生物學(xué)過程的外部控制的潛在干預(yù)靶標(biāo)（例 如，使用該中樞作為潛在的治療靶標(biāo)或血管生成調(diào)節(jié)的靶標(biāo)）或作為所討論的生物學(xué)過程 的潛在生物標(biāo)志物（例如，疾病特異性生物標(biāo)志物和血管生成特異性標(biāo)志物，用于預(yù)后和/ 或治療診斷用途中）的作用。
[0252] 涉及該平臺的一些示例性的方法可以包括一個或多個以下特征：
[0253] 1)在一個或多個模型中，優(yōu)選在體外模型或?qū)嶒炇夷Ｐ停ɡ?，CAM模型、角膜囊 袋模型、MATRIGEL?模型）中，使用與生物學(xué)過程相關(guān)的細胞對生物學(xué)過程（例如， 疾病過程、血管生成過程）和/或生物學(xué)過程的成分（例如，疾病生理及病理生理學(xué)、血管 生成的生理學(xué)）建模。例如，細胞可以是人類來源的細胞，其正常地參與所討論的生物學(xué)過 程。該模型可包括對于該生物學(xué)過程（例如，疾病、血管生成）特異性的各種細胞提示/狀 態(tài)/擾動。在理想的情況下，該模型代表各種（疾病、血管生成）狀態(tài)和通量成分而不是生 物學(xué)（疾病、血管生成）狀況的靜態(tài)評估。
[0254] 2)使用領(lǐng)域公認的任何手段確定mRNA和/或蛋白質(zhì)印記的特征。例如，定量聚合 酶鏈反應(yīng)（qPCR)和蛋白質(zhì)組學(xué)分析工具如質(zhì)譜（MS)。這種mRNA和蛋白質(zhì)數(shù)據(jù)集代表對 環(huán)境/擾動的生物學(xué)反應(yīng)。在適用和可能的情況下，脂質(zhì)組學(xué)、代謝組學(xué)和轉(zhuǎn)錄組學(xué)數(shù)據(jù)也 可被整合作為用于所討論的生物學(xué)過程的補充或替代測量值。SNP分析是在該過程中有時 可以使用的另一成分。它可以有助于研宄，例如，SNP或特定突變是否對生物學(xué)過程有任何 影響。這些變量可以用于描述生物學(xué)過程，無論是作為靜態(tài)的"瞬象"或作為動態(tài)過程的表 現(xiàn)。
[0255] 3)測定對提示和擾動的一個或多個細胞反應(yīng)，包括但不限于生物能量學(xué)譜、細胞 增殖、細胞凋亡和細胞器功能。真正的基因型-表型相關(guān)性是通過采用功能模型（如ATP、 ROS、OXPHOS、Seahorse分析、胱天蛋白酶分析、迀移分析、趨化性分析、管形成分析等等）實 現(xiàn)的。這樣的細胞反應(yīng)代表生物學(xué)過程（或其模型）中對相應(yīng)的mRNA/蛋白質(zhì)表達的狀態(tài) 以及上面2)中的任何其他相關(guān)狀態(tài)做出響應(yīng)的細胞反應(yīng)。
[0256] 4)通過采用基于人工智能（基于AI)的信息學(xué)系統(tǒng)或平臺，整合在3)中獲得的 功能分析數(shù)據(jù)和在2)中獲得的蛋白質(zhì)組學(xué)和其它數(shù)據(jù)，并確定由因果關(guān)系驅(qū)動的蛋白質(zhì) 相關(guān)性。這樣的基于AI的系統(tǒng)是基于，優(yōu)選僅基于，2)和/或3)中得到的數(shù)據(jù)集，而不采 用關(guān)于該生物學(xué)過程的現(xiàn)有知識。優(yōu)選地，沒有數(shù)據(jù)點被統(tǒng)計地或人為地切除。相反，所有 得到的數(shù)據(jù)被送入AI系統(tǒng)中用于確定蛋白質(zhì)相關(guān)性。整合過程的一個目標(biāo)或輸出是不同 生物學(xué)狀態(tài)（例如，疾病對正常狀態(tài)）之間的一個或多個差異網(wǎng)絡(luò)（另外在本文中可稱為 " A網(wǎng)絡(luò)"，或者在某些情況下視情況而稱為" A - A網(wǎng)絡(luò)"）。
[0257] 5)確定基于AI的信息學(xué)平臺的輸出的特征以考察各活性中樞作為潛在治療靶標(biāo) 和/或生物標(biāo)志物。這樣的譜分析可以基于所獲得的數(shù)據(jù)集完全在計算機中進行而無需采 用任何實際的濕式實驗室試驗（wet-lab experiment)。
[0258] 6)通過采用分子和細胞技術(shù)驗證活性中樞。這種用基于細胞的濕式實驗室實驗對 輸出進行的信息后驗證（post-informatic validation)可以是任選的，但它們有助于建立 全循環(huán)的探詢。
[0259] 以上概述的任何或所有途徑可以用在涉及任何生物學(xué)過程的任何特定應(yīng)用中，其 取決于（至少部分地取決于）具體應(yīng)用的性質(zhì)。也就是說，上文所述的一個或多個途徑可 以被省略或修改，并且可以采用一個或多個附加的途徑，其取決于具體的應(yīng)用。
[0260]提供了說明該平臺的各種圖表。特別是，在圖1中描述了使用該平臺鑒別治療劑 的示例性途徑的圖解。圖2中描述了癌癥的系統(tǒng)生物學(xué)和綜合的多生理交互式輸出調(diào)節(jié)的 結(jié)果的圖解。圖3中描述了使用MMS的生物相關(guān)性系統(tǒng)探詢的圖解。圖4中描述了建模 癌癥網(wǎng)絡(luò)以實現(xiàn)探詢式生物查詢的圖解。圖5和6中描述了探詢式生物學(xué)平臺和平臺中所 使用的技術(shù)的圖解。圖7中描述了包括數(shù)據(jù)采集、數(shù)據(jù)整合和數(shù)據(jù)挖掘的平臺成分的示意 圖。圖8中描述了使用MMS的系統(tǒng)探詢和來自"組學(xué)"級聯(lián)的響應(yīng)數(shù)據(jù)收集的示意圖。
[0261] 圖14是示例性方法10的高水平流程圖，其中顯示了可以被用來執(zhí)行該示例性方 法的示例性系統(tǒng)的成分。首先，使用通常與生物學(xué)過程相關(guān)聯(lián)的細胞建立生物學(xué)過程（例 如，疾病過程）和/或生物學(xué)過程的成分（例如，疾病生理學(xué)和病理生理學(xué)）的模型（例 如，體外模型）（步驟12)。例如，細胞可以是通常參與生物學(xué)過程（例如，疾?。┑娜藖碓?的細胞。細胞模型可包括該生物學(xué)過程（例如，疾?。┨囟ǖ母鞣N細胞提示、狀態(tài)和/或擾 動。在理想的情況下，細胞模型表示各種（疾?。顟B(tài)和生物學(xué)過程（例如，疾?。┑耐?成分而不是生物學(xué)過程的靜態(tài)評估。對比細胞模型可包括對照細胞或正常（如非病變的） 細胞。細胞模型的附加說明出現(xiàn)在下面的III. A和IV部分中。
[0262] 第一數(shù)據(jù)集是使用任何已知的方法或系統(tǒng)（例如，定量的聚合酶鏈反應(yīng)（qPCR)和 蛋白質(zhì)組學(xué)分析工具，如質(zhì)譜（MS))從生物學(xué)過程的細胞模型獲得，其包括表示多個基因 (例如，mRNA和/或蛋白質(zhì)印記）的表達水平的信息（步驟16)。
[0263] 第三數(shù)據(jù)集從生物學(xué)過程的對比細胞模型獲得（步驟18)。第三數(shù)據(jù)集包括代表 來自對比細胞模型的對比細胞中多個基因的表達水平的信息。
[0264] 在本發(fā)明方法的某些實施方式中，這些第一和第三數(shù)據(jù)集在本文中統(tǒng)稱為"第一 數(shù)據(jù)集"，其表示與生物系統(tǒng)相關(guān)的細胞（包括對比細胞的所有細胞）中多個基因的表達水 平。
[0265] 可以從一個或多個mRNA和/或蛋白質(zhì)印記分析系統(tǒng)得到第一數(shù)據(jù)集和第三數(shù)據(jù) 集。第一和第三數(shù)據(jù)集中的mRNA和蛋白質(zhì)數(shù)據(jù)可以代表對環(huán)境和/或擾動的生物反應(yīng)。 在適用和可能的情況下，脂質(zhì)組學(xué)、代謝組學(xué)和轉(zhuǎn)錄組學(xué)數(shù)據(jù)也可以被整合作為生物學(xué)過 程的補充或替代測量。SNP分析是可以有時使用在該方法中的另一成分。它可以有助于調(diào) 查，例如，單核苷酸多態(tài)性（SNP)或特定的突變對生物學(xué)過程是否有任何影響。數(shù)據(jù)變量可 以被用于描述生物學(xué)過程，無論是作為靜態(tài)的"瞬象"，還是作為動態(tài)過程的表示。有關(guān)獲取 表示細胞中多個基因的表達水平的其他描述見以下的III.B部分。
[0266] 第二數(shù)據(jù)集從生物學(xué)過程的細胞模型獲得，其包括表示細胞的功能活性或反應(yīng)的 信息（步驟20)。類似地，第四數(shù)據(jù)集從生物學(xué)過程的對比細胞模型獲得，其包括表示對比 細胞的功能活性或反應(yīng)的信息（步驟22)。
[0267] 在本發(fā)明方法的某些實施方式中，這些第二和第四數(shù)據(jù)集在本文中統(tǒng)稱為"第二 數(shù)據(jù)集"，其表示與生物系統(tǒng)相關(guān)的細胞（包括對比細胞的所有細胞）的功能活性或細胞反 應(yīng)。
[0268] 可以使用一個或多個功能分析系統(tǒng)以獲得有關(guān)細胞或?qū)Ρ燃毎墓δ芑钚曰蚍?應(yīng)的信息。關(guān)于對提示和擾動的功能性細胞反應(yīng)的信息可包括，但不限于，生物能量學(xué)譜、 細胞增殖、細胞凋亡和細胞器功能。過程和途徑的功能模型（例如，三磷酸腺苷（ATP)、活性 氧物質(zhì)（ROS)、氧化磷酸化（OXPHOS)、Seahorse分析、胱光蛋白酶分析、迀移分析、趨化性分 析、管形成分析等）可以被用來獲得真正的基因型-表型相關(guān)性。功能活性或細胞反應(yīng)表 示在生物學(xué)過程（或其模型）中的細胞響應(yīng)于mRNA/蛋白質(zhì)表達的相應(yīng)狀態(tài)以及任何其他 相關(guān)應(yīng)用的狀態(tài)或擾動的反應(yīng)。在下面III.B部分中提供有關(guān)獲得表示細胞的功能活性或 反應(yīng)的信息的附加信息。
[0269] 該方法還包括在細胞和對照細胞中生成生物學(xué)過程的計算機執(zhí)行的模型。例如， 可對于細胞模型從第一數(shù)據(jù)集和第二數(shù)據(jù)集生成在所述多個基因的表達水平與所述功能 活性或細胞反應(yīng)之間的一個或多個（例如，一整套）因果關(guān)系的貝葉斯網(wǎng)絡(luò)（"生成的細胞 模型網(wǎng)絡(luò)（步驟24)。生成的細胞模型網(wǎng)絡(luò)（單獨或共同地）包括關(guān)于關(guān)系的定量概率 定向信息。所生成的細胞模型網(wǎng)絡(luò)不是基于來自第一數(shù)據(jù)集和第二數(shù)據(jù)集的信息以外的基 因表達和/或功能活性或細胞反應(yīng)之間的已知生物學(xué)關(guān)系。一個或多個生成的細胞模型網(wǎng) 絡(luò)可統(tǒng)稱為一致細胞模型網(wǎng)絡(luò)。
[0270] 可對于對比細胞模型從第一數(shù)據(jù)集和第二數(shù)據(jù)集生成在多個基因的表達水平與 功能活性或細胞反應(yīng)之間的一個或多個（例如，一整套）因果關(guān)系的貝葉斯網(wǎng)絡(luò)（"生成的 對比細胞模型網(wǎng)絡(luò)（步驟26)。生成的對比細胞模型網(wǎng)絡(luò)（單獨地或共同地）包括關(guān)于 關(guān)系的定量概率定向信息。所生成的細胞網(wǎng)絡(luò)不是基于第一數(shù)據(jù)集和第二數(shù)據(jù)集中的信息 以外的基因表達和/或功能活性或細胞反應(yīng)之間的已知生物學(xué)關(guān)系。一個或多個生成的對 比模型網(wǎng)絡(luò)可統(tǒng)稱為一致細胞模型網(wǎng)絡(luò)。
[0271] 可以使用基于人工智能（基于AI)的信息學(xué)平臺建立所述生成的細胞模型網(wǎng)絡(luò)和 生成的對比細胞模型網(wǎng)絡(luò)。關(guān)于建立生成的細胞模型網(wǎng)絡(luò)、建立生成的對比細胞模型網(wǎng)絡(luò) 和基于AI的信息學(xué)系統(tǒng)的進一步細節(jié)出現(xiàn)在下面III.C部分和圖2A-3的描述中。
[0272] 應(yīng)當(dāng)指出的是，可以采用許多不同的基于AI的平臺或系統(tǒng)來生成包括定量概率 定向信息的因果關(guān)系的貝葉斯網(wǎng)絡(luò)。雖然本文所描述的某些實施例采用一個特定的可商 業(yè)獲得的系統(tǒng)，即，來自GNS(劍橋，MA)的REFS?(逆向工程/正向模擬），但對于實施方式 并沒有限制。適合實施一些實施方式的基于AI的系統(tǒng)或平臺采用數(shù)學(xué)算法以在輸入變量 (例如，第一和第二數(shù)據(jù)集）之間建立因果關(guān)系，其僅僅基于輸入的數(shù)據(jù)而沒有考慮到之前 存在的關(guān)于任何潛在的、已建立的和/或驗證的生物學(xué)關(guān)系的知識。
[0273] 例如，基于AI的REFS?信息學(xué)平臺利用實驗得到的粗的（原始的）或最少加工的 輸入生物學(xué)數(shù)據(jù)（如遺傳、基因組學(xué)、外遺傳、蛋白質(zhì)組學(xué)、代謝組學(xué)和臨床數(shù)據(jù)），并迅速 執(zhí)行萬億次計算以確定在完整系統(tǒng)中分子如何相互作用?；贏I的REFS?信息學(xué)平臺執(zhí) 行逆向工程過程，其旨在基于定量表示基礎(chǔ)生物系統(tǒng)的輸入數(shù)據(jù)建立計算機實施的細胞模 型（例如，生成的細胞模型網(wǎng)絡(luò)）。另外，為獲得預(yù)測，可以在計算機執(zhí)行的細胞模型的基礎(chǔ) 上開發(fā)和快速模擬關(guān)于基礎(chǔ)生物系統(tǒng)的假設(shè)，伴有關(guān)于假設(shè)的相關(guān)的置信水平。
[0274] 通過這種方式，由定量的計算機實施的細胞模型表示生物系統(tǒng)，其中模擬"干擾" 來了解生物系統(tǒng)（例如，疾?。┑脑敿殭C制、有效的干預(yù)策略和/或確定哪些患者會對給定 的治療方案做出反應(yīng)的臨床生物標(biāo)志物。傳統(tǒng)的生物信息學(xué)和統(tǒng)計學(xué)方法，以及基于已知 生物學(xué)的建模的方法，通常不能提供這些類型的見解。
[0275] 建立了生成的細胞模型網(wǎng)絡(luò)和生成的對比細胞模型網(wǎng)絡(luò)后，對它們進行比較。鑒 別至少存在于一些所生成的細胞模型網(wǎng)絡(luò)中且在生成的對比細胞模型網(wǎng)絡(luò)中不存在或具 有至少一個顯著不同的參數(shù)的一個或多個因果關(guān)系（步驟28)。這樣的對比可以導(dǎo)致建立 差異網(wǎng)絡(luò)?？梢允褂貌町惥W(wǎng)絡(luò)建立模塊進行對比、鑒別和/或差異（△)網(wǎng)絡(luò)建立，其在下 面的III.D部分和針對圖26的說明進一步詳細描述。
[0276] 在一些實施方式中，輸入數(shù)據(jù)集是來自一種細胞類型和一種對比細胞類型，其基 于該一種細胞類型建立一套細胞模型網(wǎng)絡(luò)和基于該一種對比對照細胞類型建立另一套對 比細胞模型網(wǎng)絡(luò)?？梢栽谠撘环N細胞類型的該整套網(wǎng)絡(luò)和對比細胞類型的該整套網(wǎng)絡(luò)之間 進行差分。
[0277] 在其它實施方式中，輸入數(shù)據(jù)集是來自多種細胞類型（例如，兩種或更多種癌癥 細胞類型、兩種或更多種不同血管生成狀態(tài)的細胞類型，例如通過不同促血管生成刺激誘 導(dǎo)的）和多種對比細胞類型（例如，兩種或更多種正常的非癌性細胞類型、兩種或更多種非 血管生成和血管生成細胞類型）?？梢苑謩e對于每個細胞類型和每個對比細胞類型單獨地 生成一整套細胞模型網(wǎng)絡(luò)，和/或來自多種細胞類型和多種對比細胞類型的數(shù)據(jù)可以組合 成各自的復(fù)合數(shù)據(jù)集。復(fù)合數(shù)據(jù)集生成與多種細胞類型（復(fù)合數(shù)據(jù)）對應(yīng)的一整套網(wǎng)絡(luò)， 和生成與多種對比細胞類型（對比復(fù)合數(shù)據(jù)）對應(yīng)的另一整套網(wǎng)絡(luò)?？梢詫τ糜趶?fù)合數(shù)據(jù) 的該整套網(wǎng)絡(luò)對比于用于對比復(fù)合數(shù)據(jù)的該整套網(wǎng)絡(luò)執(zhí)行差分。
[0278] 在一些實施方式中，可以在兩個不同的差異網(wǎng)絡(luò)之間執(zhí)行差分。該輸出可被稱為 A-A網(wǎng)絡(luò)，并且在下面針對圖26進行描述。
[0279] 可以為生成的細胞模型網(wǎng)絡(luò)中的每個關(guān)系確定定量關(guān)系信息（步驟30)。類似地， 可以確定生成的對比細胞t旲型網(wǎng)絡(luò)中每個關(guān)系的定量關(guān)系彳目息（步驟32)。有關(guān)該關(guān)系的 定量信息可以包括表示因果關(guān)系的指令、有關(guān)該關(guān)系的統(tǒng)計不確定性的量度（例如，曲線 下面積（AUC)的統(tǒng)計測量）和/或該關(guān)系的強度的定量幅度（例如，一倍）的表示?？梢?使用定量關(guān)系信息確定生成的細胞模型網(wǎng)絡(luò)中的各種關(guān)系的特性，來探索網(wǎng)絡(luò)中作為潛在 治療靶標(biāo)和/或生物標(biāo)志物的每個活性中樞。這樣的分析可以完全在計算機中基于來自生 成的細胞模型網(wǎng)絡(luò)的結(jié)果進行而沒有采用任何實際的濕式實驗室實驗。
[0280] 在一些實施方式中，可以通過采用分子和細胞技術(shù)對網(wǎng)絡(luò)中活性的中樞進行驗 證。這種用濕式實驗室的基于細胞的實驗對輸出的信息后驗證不需要執(zhí)行，但它可以幫助 建立探詢的完整循環(huán)。圖15示意性地描繪了示例性的基于AI的信息學(xué)系統(tǒng)（例如，基于 AI的REFS?信息學(xué)系統(tǒng)）的功能性和基于AI的系統(tǒng)與探詢式生物學(xué)平臺（"平臺"）的其 他成分或部分之間相互作用的簡化高水平圖示。在圖15A中，從生物學(xué)過程的模型（例如， 疾病模型）獲得的各種數(shù)據(jù)集，如藥物的劑量、治療劑量、蛋白質(zhì)表達、mRNA表達和許多相 關(guān)功能測量（如OCR、ECAR)的任何一種被送入基于AI的系統(tǒng)中。如圖15B所示，AI系統(tǒng) 在被稱為貝葉斯片段計數(shù)（Bayesian Fragment Enumeration)的過程中從輸入的數(shù)據(jù)集創(chuàng) 建"網(wǎng)絡(luò)片段"文庫，其包括驅(qū)動生物學(xué)過程（例如，疾病）中的分子機制的變量（蛋白質(zhì)、 脂質(zhì)和代謝物）（圖15B)。
[0281] 在圖15C中，基于AI的系統(tǒng)選擇文庫中的網(wǎng)絡(luò)片段的子集，并從該片段構(gòu)建初始 試驗網(wǎng)絡(luò)。基于AI的系統(tǒng)也選擇文庫中網(wǎng)絡(luò)片段的不同子集來構(gòu)建另一初始試驗網(wǎng)絡(luò)。最 終從文庫中網(wǎng)絡(luò)片段的不同子集建立一整套初始試驗網(wǎng)絡(luò)（例如，1〇〇〇個網(wǎng)絡(luò)）。該過程 可以被稱為平行總體采樣。整體中的各個試驗網(wǎng)絡(luò)通過從文庫中增加、減去和/或替代額 外的網(wǎng)絡(luò)片段進行進化或優(yōu)化。如果得到附加數(shù)據(jù)，該附加數(shù)據(jù)可被結(jié)合到網(wǎng)絡(luò)文庫的網(wǎng) 絡(luò)片段中，并且可以通過各個試驗網(wǎng)絡(luò)的進化被結(jié)合到整套試驗網(wǎng)絡(luò)中。優(yōu)化/進化過程 完成后，整套試驗網(wǎng)絡(luò)可以被描述為生成的細胞模型網(wǎng)絡(luò)。
[0282] 如圖1?中所示，整套生成的細胞模型網(wǎng)絡(luò)可以用來模擬生物系統(tǒng)的行為。模擬 可用于預(yù)測生物系統(tǒng)對于條件變化的行為，這可以使用基于細胞的或基于動物的濕式實驗 室實驗來驗證。另外，可以使用模擬功能，通過向每個節(jié)點單獨地施加模擬的擾動而同時觀 察對所生成的細胞模型網(wǎng)絡(luò)中其他節(jié)點的影響，來得到在所生成的細胞模型網(wǎng)絡(luò)中關(guān)系的 定量參數(shù)。在下面的III. C部分中提供進一步的細節(jié)。
[0283] 在圖2A-2D中描繪的基于AI的信息學(xué)系統(tǒng)的自動化逆向工程過程建立了一整套 生成的細胞模型網(wǎng)絡(luò)，它是該細胞的無偏的和系統(tǒng)的基于計算機的模型。
[0284] 該逆向工程決定了數(shù)據(jù)中的分子測量之間概率定向網(wǎng)絡(luò)連接，和感興趣的表型結(jié) 果。分子測量中的變異使得能夠?qū)W習(xí)這些實體和終點變化之間的概率的原因和效應(yīng)關(guān)系。 平臺的機器學(xué)習(xí)特性也使得交叉訓(xùn)練和不斷進化的基于數(shù)據(jù)集的預(yù)測成為可能。
[0285] 數(shù)據(jù)中分子測量之間的網(wǎng)絡(luò)連接是"概率性的"，部分地因為連接可以基于由計算 機算法"學(xué)習(xí)"的觀察數(shù)據(jù)集之間的相關(guān)性。例如，如果基于數(shù)據(jù)集的統(tǒng)計分析，蛋白質(zhì)X和 蛋白質(zhì)Y的表達水平是正相關(guān)或負相關(guān)的，則可以分配因果關(guān)系以建立蛋白質(zhì)X和Y之間 的網(wǎng)絡(luò)連接。這種推定的因果關(guān)系的可靠性可以由該連接的似然性進一步定義，其可以通 過P值測定（例如，P〈〇. 1、0.05、0.01等）。
[0286] 數(shù)據(jù)中分子測量之間的網(wǎng)絡(luò)連接是"定向的"，部分地是因為分子測量之間的網(wǎng)絡(luò) 連接，如由反向工程過程所確定的，反映連接的基因/蛋白質(zhì)之間關(guān)系的原因和效應(yīng)，以使 得提高一種蛋白質(zhì)的表達水平可能導(dǎo)致其他蛋白質(zhì)的表達水平上升或下降，這取決于該連 接是刺激性的還是抑制性的。
[0287] 數(shù)據(jù)中分子測量之間的網(wǎng)絡(luò)連接是"定量的"，部分地因為分子測量之間的網(wǎng)絡(luò)連 接，如通過該方法所確定的，可以在計算機中基于現(xiàn)有的數(shù)據(jù)集和與其相關(guān)的概率測量來 模擬。例如，在分子測量之間所建立的網(wǎng)絡(luò)連接中，理論上可能會增加或減少（例如，增加 或減少1、2、3、5、10、20、30、50、100倍或更高）給定蛋白質(zhì)的表達水平（或在網(wǎng)絡(luò)中的"節(jié) 點"），和定量模擬其對網(wǎng)絡(luò)中其它連接的蛋白質(zhì)的影響。
[0288] 數(shù)據(jù)中分子測量之間的網(wǎng)絡(luò)連接是"無偏的"，至少部分地因為沒有數(shù)據(jù)點被統(tǒng)計 地或人為地切除，和部分地因為該網(wǎng)絡(luò)連接是僅基于輸入的數(shù)據(jù)，而不涉及關(guān)于所討論的 生物學(xué)過程的現(xiàn)有知識。
[0289] 數(shù)據(jù)中分子測量之間的網(wǎng)絡(luò)連接是"系統(tǒng)的"和（無偏的），部分地因為所有輸入 變量之間的所有潛在連接已被系統(tǒng)地考察，例如，以成對的方式。執(zhí)行這種系統(tǒng)性探測的計 算能力的可靠性隨著輸入變量數(shù)的增加而呈指數(shù)地提高。
[0290] 在一般情況下，一整套約1000個網(wǎng)絡(luò)通常足以預(yù)測所有被測實體之間的概率因 果定量關(guān)系。該整套網(wǎng)絡(luò)捕獲數(shù)據(jù)中的不確定性，且使得對于每個模型預(yù)測計算置信度量 成為可能。使用該整套網(wǎng)絡(luò)一起產(chǎn)生預(yù)測，其中整套中單個網(wǎng)絡(luò)的預(yù)測中的差異代表預(yù)測 的不確定性程度。此特征使得能夠?qū)τ趶哪Ｐ蜕傻呐R床反應(yīng)的預(yù)測分配置信量度。
[0291] 一旦模型進行逆向工程，可以對整套模型進行進一步模擬質(zhì)詢以確定所討論的生 物學(xué)過程如疾病狀態(tài)的關(guān)鍵分子驅(qū)動子。
[0292] 圖9中描述了用于建立代表正常和糖尿病狀態(tài)的示例性體外模型的成分的略圖。 圖10描述了用來生成蛋白質(zhì)（因為它們涉及到疾病的病理生理學(xué)）的因果網(wǎng)絡(luò)的示例性 信息學(xué)平臺REFS?的示意圖。圖11中描述了導(dǎo)致生成糖尿病與正常狀態(tài)的差異網(wǎng)絡(luò)的示 例性方法和通過用MMS治療恢復(fù)到正常狀態(tài)的糖尿病節(jié)點的示意圖。圖12描述了糖尿病 與正常狀態(tài)的代表性差異網(wǎng)絡(luò)。圖13中描述了感興趣的節(jié)點和相關(guān)邊界（中心的Nodel) 以及與各個邊界相關(guān)的細胞功能性的示意圖。
[0293] 已在上面概述了本發(fā)明，下面的章節(jié)中提供了結(jié)合可以使用本發(fā)明的方法分析的 一個或多個特定的生物系統(tǒng)對于總體發(fā)明的各個方面或元素的更詳細描述。然而，應(yīng)當(dāng)指 出，對以下僅供說明之用的特定的生物系統(tǒng)沒有限制。與此相反，其意圖是可以同樣使用所 述的平臺技術(shù)分析包括任何的替代、修改及其等同物的其他不同的生物系統(tǒng)。
[0294]II、宙義
[0295] 如本文所用的，旨在特別地定義但在本說明書的其他部分中尚未定義有某些術(shù)語 在此進行定義。
[0296]在本文中使用的冠詞"一"和"一個"指一個或一個以上的（g卩，至少一個）該冠 詞的語法對象。通過舉例的方式，"一元素"是指一個元素或一個以上的元素。
[0297] 本文所用的術(shù)語"包括"的意思是短語"包括但不限于"并可與之互換使用。
[0298] 本文所使用的術(shù)語"或"的意思是術(shù)語"和/或"，并可與之互換使用，除非上下文 另有明確說明。
[0299] 本文所用的術(shù)語"例如"是指短語"例如但不限于"，并可與之互換使用。
[0300]"代謝途徑"指的是將一種化合物轉(zhuǎn)化為另一種化合物并為細胞功能提供中間體 和能量的酶介導(dǎo)的反應(yīng)序列。代謝途徑可以是直鏈的或環(huán)狀的或支鏈的。
[0301]"代謝狀態(tài)"是指在給定時間點，通過各種化學(xué)和生物指標(biāo)（因為它們涉及健康或 疾病的狀態(tài)）測量的特定細胞、多細胞或組織環(huán)境的分子含量。
[0302]"血管生成"指的是涉及從預(yù)先存在的血管生長新血管的生理過程。血管生成包 括至少血管內(nèi)皮細胞的增殖、（通常響應(yīng)于趨化劑的）血管內(nèi)皮細胞的迀移、（通常通過基 質(zhì)金屬蛋白酶產(chǎn)生導(dǎo)致的）細胞外基質(zhì)的降解、基質(zhì)金屬蛋白酶產(chǎn)生、管形成、血管內(nèi)腔形 成、血管出芽、粘附分子表達（通常整聯(lián)蛋白表達）和分化。取決于培養(yǎng)系統(tǒng)（例如，一維 對三維）和細胞類型，血管生成的各個方面可以在體外以及體內(nèi)生長的細胞中觀察到。血 管生成細胞或呈現(xiàn)血管生成細胞的至少一種特性的細胞表現(xiàn)出如上所述的1、2、3、4、5、6、 7、8、9種或更多種特性。血管生成的調(diào)節(jié)子提高或降低至少一種本文中提供的特性。血管 生成不同于作為血管的自發(fā)形成的血管發(fā)生（vasculogenesis)或者套迭是通過現(xiàn)有血管 的分裂形成新血管的術(shù)語。
[0303]術(shù)語"微陣列"指的是在基材，如紙、尼龍或其他類型的膜、過濾器、芯片、玻璃載片 或任何其它合適的固體支持物上合成的不同多核苷酸、寡核苷酸、多肽（例如，抗體）或肽 的陣列。
[0304]術(shù)語"紊亂"和"疾病"包含地使用且指與身體的任何部分、器官或系統(tǒng)（或它們 的任意組合）的正常結(jié)構(gòu)或功能的任何偏離。特定的疾病是通過特征性癥狀和體征表現(xiàn) 的，包括生物的、化學(xué)的和物理的變化，并往往與多種其他因素相關(guān)，包括但不限于，人口統(tǒng) 計學(xué)、環(huán)境、職業(yè)、遺傳和醫(yī)療史因素?？梢酝ㄟ^多種方法量化一定的特征性體征、癥狀及相 關(guān)因素以得到重要的診斷信息。
[0305]術(shù)語"表達"包括通過其從多核苷酸，如DNA產(chǎn)生多肽的過程。該過程可以包括基 因轉(zhuǎn)錄成mRNA，和該mRNA翻譯成多肽。根據(jù)其使用的上下文，"表達"可以指RNA、蛋白質(zhì)或 兩者的產(chǎn)生。
[0306]術(shù)語"基因的表達水平"或"基因表達水平"是指在細胞中由該基因編碼的mRNA以 及前mRNA新生轉(zhuǎn)錄本、轉(zhuǎn)錄加工中間體、成熟mRNA和降解產(chǎn)物的水平，或蛋白質(zhì)的水平。
[0307]術(shù)語"調(diào)節(jié)"指反應(yīng)的上調(diào)（即，激活或刺激）、下調(diào)（即，阻遏或抑制），或其組合 或分開的兩者。"調(diào)節(jié)子"是調(diào)節(jié)的化合物或分子，并且可以是，例如，激動劑、拮抗劑、活化 劑、刺激劑、阻遏物或抑制劑。
[0308]短語"影響調(diào)節(jié)子"理解為改變調(diào)節(jié)子的表達、改變調(diào)節(jié)子的水平或改變調(diào)節(jié)子的 活性。
[0309] 如本文所用的術(shù)語"三乙醇胺（Trolamine) "是指Trolamine NF、 Triethanolamine、TEALAN.'K..、TEAlan 99% >Triethanolamine 99% > Triethanolamine NF或Triethanolamine 99% NF。這些術(shù)語在本文中可互換使用。
[0310] 術(shù)語"基因組"是指生物實體（細胞、組織、器官、系統(tǒng)、生物體）的遺傳信息的全 部。它是以DNA或RNA(例如，在某些病毒中）編碼的?；蚪M包括基因和DNA的非編碼序 列。
[0311] 術(shù)語"蛋白質(zhì)組"是指由基因組、細胞、組織或生物體在給定時間表達的蛋白質(zhì)的 整個集合。更具體地說，它可以指在限定的狀態(tài)下在給定時間給定類型的細胞或生物體中 表達的蛋白質(zhì)的整個集合。蛋白質(zhì)組可以包括由于例如，基因的選擇性剪接和/或翻譯后 修飾（如糖基化或磷酸化）導(dǎo)致的蛋白質(zhì)變體。
[0312] 術(shù)語"轉(zhuǎn)錄組"是指在給定的時間一個或一群細胞中產(chǎn)生的轉(zhuǎn)錄RNA分子的整個 集合，包括1111?嫩、冰嫩31?嫩、微1?嫩、(1。61'底物1?嫩和其他非編碼1?嫩。該術(shù)語可被應(yīng)用于 給定的生物體中轉(zhuǎn)錄本的總集，或應(yīng)用于在特定細胞類型中存在的轉(zhuǎn)錄本的特定子集。與 對于給定的細胞系大致固定（不包括突變）的基因組不同，轉(zhuǎn)錄組可以隨外部環(huán)境條件而 變化。因為細胞中包括了所有的mRNA轉(zhuǎn)錄物，轉(zhuǎn)錄組反映了在任何給定的時間活躍地表達 的基因，除了 mRNA降解現(xiàn)象，如轉(zhuǎn)錄弱化。
[0313] 轉(zhuǎn)錄組學(xué)的研宄（也被稱為表達譜）考察給定的細胞群中mRNA的表達水平，通常 采用基于DNA微陣列技術(shù)的高通量技術(shù)。
[0314] 術(shù)語"代謝組"是指在給定狀態(tài)下在給定時間在生物樣品內(nèi)，如單一有機體中，發(fā) 現(xiàn)的小分子代謝物（如代謝中間體、激素和其他信號分子和次級代謝產(chǎn)物）的完整集合。代 謝組是動態(tài)的，且可以隨時地（from second to second)改變。
[0315] 術(shù)語"脂質(zhì)組"是指在給定狀態(tài)下在給定時間在生物樣品（如單一生物體中）發(fā) 現(xiàn)的脂質(zhì)的完整集合。脂質(zhì)組是動態(tài)的，且可以隨時改變。
[0316] 術(shù)語"相互作用組（interactome)"是指在研宄中的生物系統(tǒng)（例如，細胞）中分 子相互作用的整個集合。它可以被顯示為定向的圖形。分子相互作用可以發(fā)生在屬于不同 的生物化學(xué)家族（蛋白質(zhì)、核酸、脂質(zhì)、碳水化合物等）且也在給定家族內(nèi)的分子之間發(fā)生。 當(dāng)在蛋白質(zhì)組學(xué)方面來說，相互作用組是指蛋白質(zhì)-蛋白質(zhì)相互作用網(wǎng)絡(luò)（PPI)，或蛋白質(zhì) 相互作用網(wǎng)絡(luò)（PIN)。另一個廣泛研宄的相互作用組類型是蛋白質(zhì)-DNA相互作用組（轉(zhuǎn)錄 因子形成的網(wǎng)絡(luò)（和DNA或染色質(zhì)調(diào)節(jié)蛋白質(zhì)）和其靶基因）。
[0317] 術(shù)語"細胞輸出"包括涉及細胞狀態(tài)的參數(shù)的集合，優(yōu)選可測量的參數(shù)，所述細胞 的狀態(tài)包括（不限于）：一個或多個基因的轉(zhuǎn)錄水平（例如，通過RT_PCR、qPCR、微陣列等可 測量的）、一種或多種蛋白質(zhì)的表達水平（例如，通過質(zhì)譜法或蛋白質(zhì)印跡等可測量的）、一 種或多種酶或蛋白質(zhì)的絕對活性（例如，作為底物轉(zhuǎn)化率可測量的）或相對活性（例如，作 為與最大活性相比的％值可測量的）、一種或多種代謝物或中間體的水平、氧化磷酸化水平 (例如，通過耗氧率或OCR可測量的）、糖酵解水平（例如，通過細胞外酸化率或ECAR可測 量的）、配體-靶結(jié)合或相互作用的程度、細胞外分泌分子的活性等。細胞輸出可以包括預(yù) 先確定數(shù)的靶基因或蛋白質(zhì)等的數(shù)據(jù)，或者可以包括對所有可檢測的基因或蛋白質(zhì)的整體 評估。例如，可使用質(zhì)譜法來確定和/或定量在給定的樣品或細胞群體中表達的所有可檢 測的蛋白質(zhì)，而沒有在樣品或細胞群體是否可以表達任何特定蛋白質(zhì)的先前知識。
[0318] 如本文所用的"細胞系統(tǒng)"包括同質(zhì)的或異質(zhì)的細胞群體。在系統(tǒng)內(nèi)的細胞可 以在自然的或生理的環(huán)境下在體內(nèi)生長，或者可以在體外生長，例如，在受控的組織培養(yǎng) 環(huán)境中。在系統(tǒng)內(nèi)的細胞可以是相對同質(zhì)的（例如，不低于70%、80%、90%、95%、99%、 99. 5%、99. 9%同質(zhì)的），或者可以包含兩種或更多種細胞類型，如通常發(fā)現(xiàn)在體內(nèi)密切接 近生長的細胞類型，或可以通過例如旁分泌或其他長距離細胞間通訊在體內(nèi)彼此相互作用 的細胞類型。細胞系統(tǒng)內(nèi)的細胞可以源自建立的細胞系，包括癌細胞系、永生細胞系或正常 細胞系，或可以是原代細胞或新從活組織或器官分離的細胞。
[0319] 細胞系統(tǒng)中的細胞通常與可以提供營養(yǎng)物、氣體（氧氣或二氧化碳等）、化學(xué)品或 蛋白質(zhì)性的/非蛋白質(zhì)性的刺激物（其可以限定影響細胞行為的條件）的"細胞環(huán)境"接 觸。細胞環(huán)境可以是具有限定的化學(xué)成分和/或不太明確限定的組織提取物或血清成分的 化學(xué)介質(zhì)，并且可以包括細胞在其中生長的特定pH、co 2含量、壓力和溫度?；蛘撸毎h(huán)境 可以是在體內(nèi)發(fā)現(xiàn)的對于特定細胞系統(tǒng)的天然的或生理的環(huán)境。
[0320] 在某些實施方式中，細胞環(huán)境包括模擬生物系統(tǒng)或過程的方面的條件，例如，模擬 疾病狀態(tài)、過程或環(huán)境。這樣的培養(yǎng)條件包括，例如，高血糖、缺氧或富乳酸條件。本文描述 了許多其他此類條件。
[0321] 在某些實施方式中，特定細胞系統(tǒng)的細胞環(huán)境還包括細胞系統(tǒng)的某些細胞表面特 征，如細胞表面上的受體或配體的類型和它們各自的活性、碳水化合物或脂質(zhì)分子的結(jié)構(gòu)、 膜極性或流動性、某些膜蛋白質(zhì)的成簇狀態(tài)等。這些細胞表面特征可以影響附近細胞的功 能，如屬于不同細胞系統(tǒng)的細胞。然而，在某些其它實施方式中，細胞系統(tǒng)的細胞環(huán)境不包 括細胞系統(tǒng)的細胞表面特征。
[0322] 細胞環(huán)境可以被改變成為"改變的細胞環(huán)境"。變化可以包括在細胞環(huán)境中發(fā)現(xiàn)的 任何一個或多個成分的改變（例如，增加或減少），包括向細胞環(huán)境添加一種或多種"外部 刺激成分"。環(huán)境擾動或外部刺激成分可以是細胞環(huán)境內(nèi)源的（例如，細胞環(huán)境包含了某些 水平的刺激物，和添加更多相同的刺激物以提高其水平），或者可以是細胞環(huán)境外源的（例 如刺激物大多不存在于改變前的細胞環(huán)境中）。細胞環(huán)境還可以通過添加外部刺激成分導(dǎo) 致的繼發(fā)性變化而改變，由于外部刺激成分可以改變細胞系統(tǒng)的細胞輸出，包括通過細胞 系統(tǒng)分泌到細胞環(huán)境中的分子。
[0323] 如本文所用的"外部刺激成分"，在這里也稱為"環(huán)境擾動"，包括可能影響細胞功 能的任何外部的物理和/或化學(xué)刺激。這可以包括任何大或小的有機或無機分子、天然或 人工合成的化學(xué)物質(zhì)、溫度轉(zhuǎn)變、pH變化、輻射、光（UVA，UVB等）、微波、聲波、電流、調(diào)制的 或未調(diào)制的磁場等。
[0324] 術(shù)語"多維細胞內(nèi)分子（MM) "是身體自然產(chǎn)生的和/或存在于人的至少一個細胞 中的內(nèi)源性分子的分離形式或合成產(chǎn)生的形式。MIM能夠進入細胞，且進入細胞包括完全或 部分進入細胞，只要分子的生物活性部分整體進入細胞。MIM能夠誘導(dǎo)細胞內(nèi)的信號轉(zhuǎn)導(dǎo) 和/或基因表達機制。MIM是多維的，因為分子具有治療劑和載體（例如，藥物遞送）效果 兩者。MIM是多維的，還因為分子在疾病狀態(tài)中以一種方式起作用和在正常狀態(tài)中以不同 方式起作用。例如，在輔酶Q10的情況下，在VEGF存在下向黑色素瘤細胞施用輔酶Q10導(dǎo) 致Bcl2水平下降，這隨之導(dǎo)致黑色素瘤細胞的致癌潛力降低。與此相反，在正常的成纖維 細胞中，共同施用輔酶Q-10和VEFG對Bcl2水平?jīng)]有影響。
[0325] 在一個實施方式中，MM也是表觀代謝轉(zhuǎn)變劑。在另一個實施方式中，MM不是表 觀代謝轉(zhuǎn)變劑。在另一個實施方式中，MIM特征在于一個或多個上述功能。在另一個實施 方式中，MM特征在于兩個或更多個上述功能。在進一步的實施方式中，MM特征在于三個 或更多個上述功能。而在另一實施方式中，MIM特征在于上述的所有功能。本領(lǐng)域技術(shù)人 員將會理解，本發(fā)明的MIM還意圖包括兩種或更多種內(nèi)源性分子的混合物，其中所述混合 物特征在于一個或多個上述功能。在該混合物中的內(nèi)源性分子以一定比率存在以使得該混 合物作為MIM發(fā)揮功能。
[0326] MM可以是基于脂質(zhì)或非基于脂質(zhì)的分子。MM的例子包括，但不限于，輔酶Q10、 乙酰Co-A、棕櫚酰Co-A、左旋肉堿、氨基酸如，例如，酪氨酸、苯丙氨酸和半胱氨酸。在一 個實施方式中，MIM是小分子。在本發(fā)明的一個實施方式中，MIM不是輔酶Q10。本領(lǐng)域技 術(shù)人員可以使用本文中詳細描述的任何分析方法常規(guī)在鑒別MIM。在US 12/777, 902 (US 2011-0110914)中進一步詳細描述了 MM，其全部內(nèi)容明確地并入本文作為參考。
[0327] 如本文所用的"表觀代謝轉(zhuǎn)變劑"（表觀轉(zhuǎn)換劑）是調(diào)節(jié)從健康（或正常）的狀態(tài) 轉(zhuǎn)變?yōu)榧膊顟B(tài)（反之亦然）的代謝轉(zhuǎn)換的分子，從而在人體內(nèi)保持或重建細胞、組織、器 官、系統(tǒng)和/或宿主健康。表觀代謝轉(zhuǎn)變劑能夠完成組織微環(huán)境的正?；?。例如，表觀代謝 轉(zhuǎn)變劑包括當(dāng)被添加到細胞中或從細胞耗盡時能夠影響細胞的微環(huán)境（例如，代謝狀態(tài)） 的任何分子。本領(lǐng)域技術(shù)人員將會理解，本發(fā)明的表觀代謝轉(zhuǎn)變劑還意圖包括兩種或更多 種分子的混合物，其中所述混合物特征在于一個或多個上述功能。該混合物中的分子以一 定比例存在以使得該混合物作為表觀代謝轉(zhuǎn)變劑發(fā)揮功能。表觀代謝轉(zhuǎn)變劑的實例包括， 但不限于，輔酶Q10 ;維生素D3 ;ECM成分如纖連蛋白；免疫調(diào)節(jié)劑，如TNFa或任何白細胞 介素，如IL-5、IL-12、IL-23 ;血管生成因子和細胞凋亡因子。
[0328] 在一個實施方式中，表觀代謝轉(zhuǎn)變劑也是MM。在一個實施方式中，表觀代謝轉(zhuǎn)變 劑不是輔酶Q10。本領(lǐng)域技術(shù)人員可以使用本文中詳細描述的任何分析常規(guī)地鑒別表觀代 謝轉(zhuǎn)變劑。US 12/777, 902 (US2011-0110914)中進一步詳細描述了表觀代謝轉(zhuǎn)變劑，其全部 內(nèi)容明確地并入本文作為參考。
[0329] 其他在本申請中未明確定義的術(shù)語具有與本領(lǐng)域普通技術(shù)人員所理解的相同的 含義。
[0330] III、平臺摶術(shù)的示例件步驟和成分
[0331] 僅用于說明目的，所述平臺技術(shù)的以下步驟可以在下文作為用于整合從定制的癌 模型獲得的數(shù)據(jù)和用于鑒別驅(qū)動癌癥發(fā)病的新蛋白質(zhì)/途徑的示例性用途被描述。從這一 分析所得的關(guān)系圖譜提供癌癥治療靶標(biāo)以及與癌癥相關(guān)的診斷/預(yù)后標(biāo)志物。然而，所述 平臺技術(shù)具有對于任何生物系統(tǒng)或過程的普遍適用性，并不限于任何特定的癌癥或其他特 定的疾病模型。
[0332] 此外，雖然下面的描述在某些部分中作為離散的步驟呈現(xiàn)，但它是用于說明的目 的和簡單的原因，因此，在現(xiàn)實中，這并不意味著這樣的嚴格的步驟順序和/或分界。此外， 本發(fā)明的步驟可以獨立地進行，且此處提供的本發(fā)明意圖單獨地包含各單個步驟，以及所 述平臺技術(shù)的一個或多個步驟（例如，任何一個、兩個、三個、四個、五個、六個或所有七個 步驟）的組合，其可以獨立于其余的步驟而進行。
[0333] 本發(fā)明還意圖包括作為本發(fā)明的獨立成分和實施方式的平臺技術(shù)的所有方面。例 如，所生成的數(shù)據(jù)集意圖是本發(fā)明的實施方式。作為進一步的例子，生成的因果關(guān)系網(wǎng)絡(luò)、 生成的一致因果關(guān)系網(wǎng)絡(luò)和/或生成的模擬因果關(guān)系網(wǎng)絡(luò)也意圖是本發(fā)明的實施方式。確 定為生物系統(tǒng)中獨特的因果關(guān)系意圖是本發(fā)明的實施方式。另外，對于特定生物系統(tǒng)定制 的模型也意圖是本發(fā)明的實施方式。例如，用于疾病狀態(tài)或過程定制的模型，如，例如，血管 生成模型、癌癥、肥胖癥/糖尿病/心血管疾病的細胞模型或者藥物的毒性（如心臟毒性） 的定制模型也意圖是本發(fā)明的實施方式。
[0334] A、宙制樽塑構(gòu)律
[0335] 平臺技術(shù)的第一步是建立用于生物系統(tǒng)或過程的模型。
[0336] 1.血管生成模型
[0337] 體外和體內(nèi)血管生成模型是已知的。例如，在實施例中詳細地提供了使用人臍帶 血管內(nèi)皮細胞（HUVEC)的體外模型。簡而言之，當(dāng)HUVEC在亞匯合培養(yǎng)物中生長時，它們呈 現(xiàn)血管生成細胞的特性。當(dāng)HUVEC在匯合培養(yǎng)物中生長時，它們不呈現(xiàn)血管生成細胞的特 性。血管生成級聯(lián)中的大多數(shù)步驟可以在體外分析，包括內(nèi)皮細胞增殖、迀移和分化。增殖 研宄是基于細胞計數(shù)、胸苷摻入或細胞增殖（通過測量PCNA)或細胞死亡（通過末端脫氧 核苷酸轉(zhuǎn)移酶介導(dǎo)的dUTP缺刻末端標(biāo)記或Tunel分析）的免疫組織化學(xué)染色。趨化性可 以在由濾膜分隔的上孔和下孔組成的博伊登室中檢驗。趨化性溶液置于下孔中，細胞添加 到上孔，且在孵育期后，已經(jīng)朝向趨化刺激迀移的細胞在膜的下表面上計數(shù)。細胞迀移也可 以使用在以下實施例中提供的"劃痕"分析進行研宄。分化可以在體外通過在不同ECM成 分（包括二維和三維纖維蛋白凝塊、膠原凝膠和基質(zhì)膠）中培養(yǎng)內(nèi)皮細胞誘導(dǎo)。微血管也 已證明從嵌入三維纖維蛋白凝膠中的大鼠主動脈環(huán)生成?；|(zhì)金屬蛋白酶表達可以通過酶 原分析方法進行分析。
[0338] 視網(wǎng)膜脈管系統(tǒng)在小鼠中在出生時未完全形成。血管生長和血管生成已在這一模 型中詳細研宄。分段的視網(wǎng)膜可以用于分析作為正常生物學(xué)過程的血管生成。
[0339] 雞絨毛尿囊膜（CAM)分析是本領(lǐng)域中公知的。雞幼胚缺乏成熟的免疫系統(tǒng)且因此 用于研宄腫瘤誘導(dǎo)的血管生成。組織移植物通過蛋殼中形成的窗口置于CAM上。這引起血 管朝向移植物的典型徑向重排和植入后四天內(nèi)移植物周圍血管的明顯增加。進入移植物的 血管在立體顯微鏡下計數(shù)。為評估測試物質(zhì)的抗血管生成和血管生成活性，化合物在慢釋 聚合物藥丸中制備，通過明膠海棉吸附或在塑料盤上空氣干燥且隨后植入到CAM上。已經(jīng) 描述了 CAM分析的幾種變型，包括無殼胚在皮氏皿中的培養(yǎng)和不同定量方法（S卩，使用放射 標(biāo)記的脯氨酸測量基底膜生物合成的速率、在顯微鏡下計數(shù)血管數(shù)目或成像分析）。
[0340] 角膜呈現(xiàn)體內(nèi)無血管位點。因此，從邊緣穿透到角膜基質(zhì)中的任何血管可以確定 為新形成的。為誘導(dǎo)血管生成反應(yīng)，緩釋聚合物藥丸[即，聚-2-羥基乙基-甲基丙烯酸酯 (Hydron)或乙烯-乙酸乙烯酯共聚物（ELVAX)](包含血管生成物質(zhì)（即，VEGF的FGF-2)) 植入在兔的角膜基質(zhì)中形成的"囊袋"中。并且，多種多樣的組織、細胞、細胞提取物和條件 化培養(yǎng)基已經(jīng)檢驗其對角膜中血管生成的作用。血管反應(yīng)可以在用India墨水灌注角膜后 通過計算機圖像分析進行定量。角膜可以使用本文中提供的平臺方法收獲和分析。
[0341] MATRIGEL?是稱為Engelbreth-Holm-Swarm鼠肉瘤的小鼠基底膜腫瘤的基 質(zhì)。它是基底膜蛋白質(zhì)（包括層粘連蛋白、IV型膠原蛋白、硫酸乙酰肝素、纖維蛋白）和生 長因子（包括EGF、TGF-b、PDGF和IGF-1)的復(fù)雜混合物。其先前開發(fā)用于研宄體外內(nèi)皮細 胞分化。但是，含F(xiàn)GF-2的MATRIGEL?可以皮下注射到小鼠中。MATRIGEL? 在4°C下是液體但在37°C下形成固體凝膠，其封閉生長因子以使其緩慢釋放。通常，在10 天后，MATRIGEL?塞除去且血管生成在塞切片中通過組織學(xué)或形態(tài)測量方式定量。 MATRIGEL?塞可以使用本文中提供的平臺方法收獲和分析。
[0342] 2.體外疾病模型
[0343] 生物系統(tǒng)或過程的實例是癌癥。如任何其他復(fù)雜的生物學(xué)過程或系統(tǒng)一樣，癌癥 是復(fù)雜的病理狀態(tài)，其特征在于多個獨特的方面。例如，由于其高生長率，許多癌細胞適應(yīng) 于在缺氧狀態(tài)下生長、具有上調(diào)的糖酵解和降低的氧化磷酸化代謝途徑。其結(jié)果是，與正常 細胞響應(yīng)于相同處理的反應(yīng)相比較，癌細胞可以對環(huán)境的擾動（例如潛在藥物的治療）做 出不同的反應(yīng)。因此，與正常細胞的反應(yīng)相比，破譯癌癥對藥物治療的獨特反應(yīng)是有利的。 為此，可以建立定制的癌癥模型以通過建立與癌癥細胞在體內(nèi)癌癥中的條件非常接近的細 胞培養(yǎng)條件（例如，在體內(nèi)的腫瘤內(nèi)）模擬癌細胞的環(huán)境，或通過分離癌細胞的不同生長條 件模仿癌生長的各個方面。
[0344] 一個這樣的癌癥"環(huán)境"或生長應(yīng)激狀態(tài)是缺氧狀態(tài)，這是通常在實體瘤內(nèi)發(fā)現(xiàn)的 狀態(tài)。缺氧可以使用該領(lǐng)域公認的方法在細胞中誘導(dǎo)。例如，缺氧可以通過將細胞系統(tǒng)放 置在模塊化培養(yǎng)箱（MIC-101，Billups-Rothenberg Inc.Del Mar，CA)中誘發(fā)，其可以用含 5% C02、2% 02和93%氮的工業(yè)氣體混合物沖洗?？梢栽陬A(yù)先確定的時期后，如在缺氧處理 后24小時，在具有或沒有額外的外部刺激成分（例如，0、50或100 yM的輔酶Q10)的情況 下測量效果。
[0345] 同樣，細胞的乳酸處理模仿其中糖酵解活性高的細胞環(huán)境，如體內(nèi)癌癥環(huán)境中存 在的?？梢栽陬A(yù)先確定的時間，例如，在24小時時，在具有或沒有額外的外部刺激成分（例 如，0、50或lOOyM的輔酶Q10)的情況下在約12. 5mM的最終乳酸濃度下調(diào)查乳酸誘導(dǎo)的應(yīng) 激。
[0346] 高血糖是通常見于糖尿病中的狀態(tài)，然而，高血糖也在一定程度上模仿癌生長的 一個方面，因為許多癌細胞依賴于葡萄糖作為其主要的能量來源。將所述細胞暴露于典型 的高血糖條件可包括向合適的培養(yǎng)基加入10%的培養(yǎng)級的葡萄糖，以使得培養(yǎng)基中的葡萄 糖的終濃度為約22mM。
[0347] 可以在定制的癌癥模型中獨立地研宄反映癌生長的不同方面的單獨情況，和/或 可以結(jié)合在一起研宄。在一個實施方式中，在定制的癌模型中研宄了至少2、3、4、5、6、7、8、 9、10、15、20、25、30、40、50或更多的反映或模擬癌的生長/狀態(tài)的不同方面的狀態(tài)的組合。 在一個實施方式中，在定制的癌模型中研宄反映或模擬癌生長/狀態(tài)的不同方面的狀態(tài)的 單個狀態(tài)和另外地至少2、3、4、5、6、7、8、9、10、15、20、25、30、40、50或更多狀態(tài)的組合。在 前述列表中給出的所有值也可以是范圍的上限或下限，其意圖是本發(fā)明的部分，例如，1至 5、1 至 10、1 至 20、1 至 30、2 至 5、2 至 10、5 至 10、1 至 20、5 至 20、10 至 20、10 至 25、10 至 30或10至50個不同的狀態(tài)。
[0348] 本文下面列出的是一些示例性的狀態(tài)組合，其可用于處理細胞。其它組合可以很 容易地根據(jù)進行的特定探詢式生物學(xué)評估而制訂。
[0349] 1、僅培養(yǎng)基
[0350] 2、50yMCTL輔酶Q10(C〇Q10)
[0351] 3、100 yM CTL 輔酶 Q10
[0352] 4、12.5mM 乳酸
[0353] 5、12. 5mM 乳酸 +50yM CTL 輔酶 Q10
[0354] 6、12.5mM 乳酸+100yM CTL 輔酶Q10
[0355] 7、缺氧
[0356] 8、缺氧 +50yM CTL 輔酶 Q10
[0357] 9、缺氧+100yM CTL 輔酶Q10
[0358] 10、缺氧+12. 5mM 乳酸
[0359] 11、缺氧+12. 5mM 乳酸+50yMCTL輔酶 Q10
[0360] 12、缺氧 +12. 5mM 乳酸 +100 y M CTL 輔酶 Q10
[0361] 13、培養(yǎng)基+22mM葡萄糖
[0362] 14、50 yMCTL輔酶 Q10+22mM 葡萄糖
[0363] 15、100 y M CTL 輔酶 Q10+22mM 葡萄糖
[0364] 16、12. 5mM 乳酸+22mM 葡萄糖
[0365] 17、12. 5mM 乳酸 +22mM 葡萄糖 +50 yM CTL輔酶 Q10
[0366] 18、12. 5mM 乳酸 +22mM 葡萄糖 +100 y M CTL 輔酶 Q10
[0367] 19、缺氧+22mM葡萄糖
[0368] 20、缺氧 +22mM 葡萄糖 +50 y M CTL 輔酶 Q10
[0369] 21、缺氧+22mM 葡萄糖+100yM CTL 輔酶 Q10
[0370] 22、缺氧+12. 5mM乳酸+22mM葡萄糖
[0371] 23、缺氧+12. 5mM 乳酸+22mM 葡萄糖+50yM CTL 輔酶Q10
[0372] 24、缺氧 +12. 5mM 乳酸 +22mM 葡萄糖 +100 y M CTL 輔酶 Q10
[0373]作為對照，在類似的狀態(tài)下培養(yǎng)一個或多個正常細胞系（例如，THLE2和HDFa)，以 便確定癌癥獨特的蛋白質(zhì)或途徑（見下文）。對照可以是上述的對比細胞模型。
[0374]相同或不同起源的多個癌細胞（例如，癌細胞系PaCa2、H印G2、PC3和MCF7)，而不 是單一癌細胞類型，可以被包括在癌癥模型中。在某些情況下，不同的癌細胞（例如，H印G2 和PaCa2)之間的交互式或ECS實驗可以針對幾種相互關(guān)聯(lián)的目的而進行。
[0375] 在一些涉及交互的實施方式中，在定義的處理條件下（例如，高血糖，缺氧（缺 血）），在細胞模型上進行的實驗設(shè)計為通過另一個細胞系統(tǒng)或群體（如胰腺癌PaCa2)確定 一個細胞系統(tǒng)或群體（如肝癌細胞ffepG2)的細胞狀態(tài)或功能的調(diào)制。根據(jù)典型的設(shè)置，第 一細胞系統(tǒng)/群體接觸外部刺激成分，如候選分子（例如，小的藥物分子、蛋白質(zhì)）或候選 條件（例如，缺氧、高糖環(huán)境）。作出響應(yīng)，第一細胞系統(tǒng)/群體改變其轉(zhuǎn)錄組、蛋白質(zhì)組、 代謝組和/或相互作用組，從而導(dǎo)致可以很容易地在細胞內(nèi)和細胞外檢測的變化。例如，轉(zhuǎn) 錄的變化可以通過多個目標(biāo)mRNA的轉(zhuǎn)錄水平測量；蛋白質(zhì)組的變化可以通過多個目標(biāo)蛋 白質(zhì)的表達水平測量；以及代謝組的變化可以通過對給定代謝物特別設(shè)計的分析通過多個 目標(biāo)代謝物的水平測量?？蛇x擇地，上述所指的代謝組和/或蛋白質(zhì)組（至少關(guān)于某些分 泌的代謝物或蛋白質(zhì)）的變化也可以通過他們對第二細胞系統(tǒng)/群體的效應(yīng)進行測量，包 括第二細胞系統(tǒng)/群體的轉(zhuǎn)錄組、蛋白質(zhì)組、代謝組、相互作用組的調(diào)節(jié)。因此，該實驗可用 于確定第一細胞系統(tǒng)/群體分泌的目標(biāo)分子在不同處理條件下對第二細胞系統(tǒng)/群體的影 響。該實驗也可以用于通過，例如，蛋白質(zhì)組學(xué)差分篩選用來鑒別作為第一細胞系統(tǒng)（響應(yīng) 于外部刺激成分處理）對另一細胞系統(tǒng)的信號傳導(dǎo)的結(jié)果而調(diào)節(jié)的任何蛋白質(zhì)。相同實驗 設(shè)置也可以適應(yīng)于反向設(shè)置，以至于也可以評估兩個細胞系統(tǒng)間的相互影響。通常，對于這 種類型的實驗，細胞系對的選擇主要是基于例如來源、疾病狀態(tài)和細胞功能的因素。
[0376] 雖然雙細胞系統(tǒng)通常包括在這種類型的實驗設(shè)置中，但類似的實驗也可以被設(shè)計 用于兩個以上的細胞系統(tǒng)，例如，通過在單獨的固相支持物上固定各個不同的細胞系統(tǒng)。
[0377] 定制的模型一旦建立，可以將一個或多個"擾動"應(yīng)用到該系統(tǒng)，如從病人與病人 之間的遺傳變異，或具有/沒用某些藥物或前藥的處理。見圖15D?？梢允褂帽绢I(lǐng)域公認的 或?qū)Ｓ械母鞣N方法測量這種擾動對系統(tǒng)的影響，包括對疾病相關(guān)的癌癥細胞和疾病相關(guān)的 正常對照細胞的影響，如下文III. B節(jié)中所描述的。
[0378] 在示例性的實驗中，癌細胞系PaCa2、H印G2、PC3和MCF7及正常細胞系THLE2和 HDFa在高血糖、缺氧、富乳酸條件的各種條件中以及在這些條件中兩種或三種條件的所有 組合中，并且另外在具有或沒有環(huán)境擾動（特別是輔酶Q10的治療）的情況下適應(yīng)。
[0379] 通過實施本文中所描述的步驟，可以在本發(fā)明的平臺技術(shù)的整個步驟中建立和使 用定制的細胞模型以最終確定在該生物系統(tǒng)中獨特的因果關(guān)系。但是，本領(lǐng)域技術(shù)人員可 以理解，用來生成生物學(xué)過程的初始的"第一代"一致因果關(guān)系網(wǎng)絡(luò)的定制建立的細胞模型 可以隨著時間不斷地進化或擴展，例如，通過引入另外的癌癥或正常細胞系和/或另外的 癌癥條件?？梢允占瘉碜赃M化的細胞模型的另外的數(shù)據(jù)，即來自細胞模型的新增加部分的 數(shù)據(jù)。然后可以將從擴展或進化的細胞模型（即，從細胞模型的新增加部分）收集的新數(shù) 據(jù)引入先前用來生成"第一代"一致因果關(guān)系網(wǎng)絡(luò)的數(shù)據(jù)集，以便生成更強大的"第二代"一 致因果關(guān)系網(wǎng)絡(luò)。然后可以從"第二代" 一致因果關(guān)系網(wǎng)絡(luò)確定該生物系統(tǒng)獨特的新因果 關(guān)系。以這種方式，細胞模型的進化提供了一致因果關(guān)系網(wǎng)絡(luò)的演變，從而提供對于該生物 系統(tǒng)的調(diào)節(jié)子的新的和/或更可靠的深入了解。
[0380] 本文中詳細描述了定制的細胞模型的其他實例。
[0381] B、數(shù)據(jù)收集
[0382] 在一般情況下，可從任何定制的模型系統(tǒng)收集兩種類型的數(shù)據(jù)。一種類型的數(shù)據(jù) (例如，第一數(shù)據(jù)集，第三數(shù)據(jù)集）通常涉及某些大分子的水平，如DNA、RNA、蛋白質(zhì)、脂質(zhì) 等，此類別的示例性數(shù)據(jù)集是蛋白質(zhì)組學(xué)數(shù)據(jù)（例如，涉及來自樣品的所有或基本上所有 可測量蛋白質(zhì)的表達的定性和定量數(shù)據(jù)）。其他類型的數(shù)據(jù)一般是功能數(shù)據(jù)（例如，第二數(shù) 據(jù)集，第四數(shù)據(jù)集），其反映了第一類型數(shù)據(jù)中的變化導(dǎo)致的表型改變。
[0383] 對于第一類型的數(shù)據(jù)，在一些示例性實施方式中，進行定量聚合酶鏈反應(yīng)（qPCR) 和蛋白質(zhì)組學(xué)分析來通過定量聚合酶鏈反應(yīng)（qPCR)和蛋白質(zhì)組學(xué)確定細胞mRNA和蛋白質(zhì) 表達的變化的特征?？梢允褂檬惺鄣腞NA分離試劑盒分離總RNA。cDNA合成后，可以使用 用于疾病區(qū)域或細胞過程（如血管生成、細胞凋亡和糖尿?。┑奶囟ㄊ惺踧PCR陣列（例 如，那些購自SA Biosciences的），按照制造商的說明來確定一組預(yù)定基因的特征。例如， Biorad CFX-384擴增系統(tǒng)可用于所有的轉(zhuǎn)錄譜分析實驗。數(shù)據(jù)收集（Ct)后，可以使用如制 造商的說明中列出的set方法確定相對于對照的最終倍數(shù)變化?？梢园春罄m(xù)章節(jié)中所描 述的進行蛋白質(zhì)組學(xué)樣品分析。
[0384] 所述方法可以采用數(shù)百個具有類似性質(zhì)的樣品的大規(guī)模高通量的定量蛋白質(zhì)組 學(xué)分析，并提供用于確認細胞輸出差異所必需的數(shù)據(jù)。
[0385] 有許多適合這一目的本領(lǐng)域公認的技術(shù)。下面簡要地描述示例性的技術(shù)，與質(zhì)譜 結(jié)合的iTRAQ分析。
[0386] 定量蛋白質(zhì)組學(xué)方法是基于采用8-重iTRAQ試劑的穩(wěn)定同位素標(biāo)記和用于肽鑒 別和定量的2D-LC MALDI MS/MS。使用這種技術(shù)的定量是相對的：肽和蛋白質(zhì)被賦予相對 于參比樣品的豐度比。多重iTRAQ實驗中常用的參比樣品有利于整個多重iTRAQ實驗中樣 品的對比。
[0387] 例如，要實施這種分析方案，可以按照制造商的建議將6個初始樣品和兩個對照 池樣品組合成一個8-重iTRAQ混合物。然后可以由二維液相色譜法將這一 8樣品的混合 物分離，第一維度中的強陽離子交換（SCX)和第二維度中的反相HPLC，然后可以進行質(zhì)譜 分析。
[0388] 本文提供了可以使用的示例性實驗室程序的簡要概述。
[0389] 蛋白質(zhì)的提?。嚎梢杂?M尿素裂解緩沖液與蛋白酶抑制劑（不含EDTA的Thermo Scientific Halt蛋白酶抑制劑）裂解細胞，并在冰上孵育30分鐘，每10分鐘渦旋 (vertex)5秒?？梢砸?秒的脈沖通過超聲波完成裂解?？梢詫⒓毎呀馕镌?4000Xg下 離心15分鐘（4°C)以除去細胞碎片?？梢赃M行Bradford分析以確定蛋白質(zhì)的濃度。取自 各個樣品的l〇〇ug蛋白質(zhì)可以還原（10mM的二硫蘇糖醇（DTT)，55°C，1小時）、烷基化（25mM 的碘乙酰胺，室溫，30分鐘）和用胰蛋白酶消化（l :25W/w，200mM三乙基碳酸氫銨（TEAB)， 37°C，16 小時）。
[0390] 分泌組樣品的制備：1)在一個實施方式中，可以將細胞培養(yǎng)在無血清培養(yǎng)基中： 可以通過冷凍干燥器濃縮條件化的培養(yǎng)基、還原（10mM的二硫蘇糖醇（DTT)，55°C，1小時）、 烷基化（25mM的碘乙酰胺，在室溫下，孵育30分鐘）和然后用丙酮沉淀脫鹽?？梢杂靡鹊?白酶（l :25W/w，200mM三乙基碳酸氫銨（TEAB)，37°C，16小時）消化來自濃縮的條件化培養(yǎng) 基的等量蛋白質(zhì)。
[0391] 在一個實施方式中，細胞可以培養(yǎng)在含血清培養(yǎng)基中：可以使用3k MWC0 Vivaspin柱（GE Healthcare Life Sciences)減小培養(yǎng)基的體積，然后可以用 lxPBS(Invitrogen)重構(gòu)?？梢园凑罩圃焐痰恼f明使用帶有緩沖交換的改進以優(yōu)化條件培 養(yǎng)基應(yīng)用的AlbuVoid柱（Biotech Support Group, LLC)從所有樣品中耗盡血清白蛋白質(zhì)。
[0392] iTRAQ 8重標(biāo)記：可以將來自各實驗組中各個胰蛋白酶消化的試樣匯集在一起以 建立匯集的對照樣品?？梢愿鶕?jù)制造商的方案（ABSciex)將來自各個樣品和匯集的對照樣 品的相等試樣用iTRAQ 8重試劑標(biāo)記。反應(yīng)物可以組合，真空至干，通過添加0.1%甲酸再 懸浮，并通過LC-MS/MS進行分析。
[0393] 2D-NanoLC-MS/MS :所有的標(biāo)記肽混合物可以通過在線2D-nanoLC分離并 通過電噴霧串聯(lián)質(zhì)譜進行分析。實驗可以在與配備有納米電噴射離子源（Thermo Electron, Bremen, Germany)的 LTQ Orbitrap Velos 質(zhì)譜儀連接的 Eksigent 2D nanoLC Ultra系統(tǒng)上進行。
[0394] 可以將肽混合物以4yL/分鐘的流量注入5厘米SCX柱（300 ym ID，5ym， 聚SULFOETHYL Aspartamide柱，來自PolyLC列，哥倫比亞，MD)，和在10個離子交換洗 脫片段中洗脫到C18捕獲柱（2. 5厘米，100ym ID，5ym，300埃ProteoP印II，來自New 01^_6(^"6，1〇1311111，嫩）中并用1120/0.1%?4洗滌5分鐘。然后可以進一步用2-45% B (H20/0. 1 % FA (溶劑A)和ACN/0. 1 % FA (溶劑B))梯度在15厘米熔融石英柱（75 y m ID， 5 y m，300 埃ProteoPepII，來自 New Objective, Woburn, MA)上以 300nL/ 分鐘進行分離 120 分鐘。
[0395] 可以在Orbitrap中以30, 000分辨率獲得全掃描MS譜（m/z300-2000)?？梢詫?于使用高能C-阱解離（HCD)的片段化順序地分離最強的離子（最多10個）和動態(tài)排除 (dynamically exclude)30秒?？梢杂?.2Da的分離寬度進行HO)?？梢栽诜直媛蕿?500 的Orbitrap中掃描所產(chǎn)生的碎片離子?？梢酝ㄟ^Xcalibur 2. 1用foundation 1. 0? 1控 制 LTQ Orbitrap Velos。
[0396] 多肽/蛋白質(zhì)鑒定和定量：可以通過使用Proteome Discoverer軟件（Thermo Electron)用Mascot搜索引擎對SwissProt數(shù)據(jù)庫的自動數(shù)據(jù)庫檢索鑒別多肽和蛋白質(zhì)。 檢索參數(shù)可以包括對于MS公差（MS tolerance)的lOppm、對于MS2公差的0? 02Da和完全 胰蛋白酶消化，從而允許最多2個缺失的裂隙。脲基甲基化（C)可以設(shè)置為固定的修飾。氧 化（M)、TMT6和脫酰胺化（NQ)可以設(shè)置為動態(tài)的修飾。肽和蛋白質(zhì)的鑒定可以用Mascot 顯著性閾值（P〈〇. 05)過濾。過濾器可以容許蛋白質(zhì)鑒別的99%置信水平（1% FDA)。
[0397] ProteomeDiscoverer軟件可以對報告離子應(yīng)用校正因子，且如果不是所有定量 通道都存在，可以拒絕所有的定量值?？梢酝ㄟ^平均強度的標(biāo)準(zhǔn)化獲得相對蛋白質(zhì)定量。
[0398] 關(guān)于第二類型的數(shù)據(jù)，在一些示例性實施方式中，癌和正常模型的生物能量學(xué)譜 分析可以采用Seah 〇rSeTMXF24分析儀來實現(xiàn)對糖酵解和氧化磷酸化成分的理解。
[0399] 具體而言，可以將細胞以最佳密度接種在Seahorse培養(yǎng)板上。這些細胞可以被接 種在100 y 1的培養(yǎng)基或處理溶液中并置于含5% 0)2的37°C培養(yǎng)箱中。兩小時后，當(dāng)細胞 附著到24孔板上，可以添加另外的150 y 1的培養(yǎng)基或處理溶液且板可留在培養(yǎng)溫育箱內(nèi) 過夜。這一兩步接種程序允許細胞在培養(yǎng)板中均勾分布。包含氧和pH傳感器的Seahorse 盒可以在37°C的無二氧化碳培養(yǎng)箱中在校準(zhǔn)流體中水化過夜。通常將三個線粒體藥物加 載到該盒的三個端口上?？梢詫⒐衙顾兀◤?fù)合體III抑制劑）、FCCP(解偶聯(lián)劑）和魚藤酮 (復(fù)合體I抑制劑）分別加載到該盒的端口 A、B和C中。可以在非緩沖的DMEM培養(yǎng)基中 以10倍濃度制備所有藥物原液。在測定前，可以先將盒與線粒體化合物在無C0 2培養(yǎng)箱 中孵育約15分鐘。可以在含有在正常的生長培養(yǎng)基中發(fā)現(xiàn)的濃度的葡萄糖的DMEM基非緩 沖培養(yǎng)基中洗滌Seahorse培養(yǎng)板。細胞可以用630 y 1非緩沖培養(yǎng)基成層，并可以在將其 置于具有預(yù)校準(zhǔn)盒的Seahorse儀中之前在無C02培養(yǎng)箱中平衡。可以在通過端口啟動藥 物注射前，將該儀器運行具有混合、等待和測量周期的三四個循環(huán)以獲得基線。在引入下一 藥物之前可以有兩個循環(huán)。
[0400] OCR(耗氧率）和ECAR(細胞外酸化率）可以通過電極在7y1室中記錄且可以用 推靠seahorse培養(yǎng)板的盒來建立。
[0401] C、數(shù)據(jù)整合與計筧機樽塑牛成
[0402] 一旦已獲得相關(guān)的數(shù)據(jù)集，可以使用基于AI的信息學(xué)系統(tǒng)或平臺（例如， REFS?平臺）進行數(shù)據(jù)集的整合和計算機執(zhí)行的統(tǒng)計模型的生成。例如，示例性的基 于AI的系統(tǒng)可以產(chǎn)生蛋白質(zhì)相關(guān)性的基于模擬的網(wǎng)絡(luò)作為代謝終點（ECAR/0CR)的 關(guān)鍵驅(qū)動子。見圖15。關(guān)于REFS?系統(tǒng)的一些背景細節(jié)可見于Xing等，"Causal Modeling Using Network Ensemble Simulations of Genetic and Gene Expression Data Predicts Genes Involved in Rheumatoid Arthritis"，PLoS Computational Biology, vol. 7, issue. 3, 1-19(2011 年 3 月）（el00105)和 Periwal 的 7, 512, 497 號美國 專利，其各自的全部內(nèi)容以其整體明確地通過引用并入本文。在本質(zhì)上，如前面所述，REFS? 系統(tǒng)是基于AI的系統(tǒng)，它采用數(shù)學(xué)算法來建立輸入變量（例如，蛋白質(zhì)表達水平、mRNA表 達水平以及相應(yīng)的功能數(shù)據(jù)，如在Seahorse培養(yǎng)板上測量的0CR/ECAR值）之間的因果關(guān) 系。這個過程只基于單獨的輸入數(shù)據(jù)，而沒有考慮之前存在的關(guān)于任何潛在的、已建立的和 /或驗證的生物學(xué)關(guān)系的知識。
[0403] 特別是，本發(fā)明的平臺的顯著優(yōu)勢是，基于AI的系統(tǒng)是基于從細胞模型獲得的數(shù) 據(jù)集，而不訴諸于或考慮涉及該生物學(xué)過程的本領(lǐng)域中的任何現(xiàn)有的知識。此外，優(yōu)選地， 沒有統(tǒng)計地或人為地切除數(shù)據(jù)點，而是所有獲得的數(shù)據(jù)被送入用于確定蛋白質(zhì)相關(guān)性的AI 系統(tǒng)中。因此，從平臺產(chǎn)生的所得統(tǒng)計模型是無偏的，因為他們不考慮任何已知的生物學(xué)關(guān) 系。
[0404] 具體來說，可以將來自蛋白質(zhì)組學(xué)和ECAR/OCR的數(shù)據(jù)輸入到基于AI的信息系統(tǒng) 中，其如上所述地基于數(shù)據(jù)關(guān)聯(lián)構(gòu)建統(tǒng)計模型。然后使用以下方法對各種疾病與正常情況 (包括處理和條件）得到蛋白質(zhì)相關(guān)性的基于模擬的網(wǎng)絡(luò)。
[0405] 在下面相對于圖16呈現(xiàn)用于構(gòu)建生成的（例如，優(yōu)化或進化的）網(wǎng)絡(luò)的示例性過 程的詳細描述。如上所述，將來自蛋白質(zhì)組學(xué)的數(shù)據(jù)和功能細胞數(shù)據(jù)輸入到基于AI的系統(tǒng) 中（步驟210)。預(yù)處理輸入數(shù)據(jù)（其可能是原始數(shù)據(jù)或最低處理的數(shù)據(jù)），其可以包括標(biāo) 準(zhǔn)化（例如，使用分位函數(shù)或內(nèi)部標(biāo)準(zhǔn)）（步驟212)。預(yù)處理還可以包括輸入缺失的數(shù)據(jù)值 (例如，通過使用K最近鄰（K-NN)算法）（步驟212)。
[0406] 預(yù)處理的數(shù)據(jù)用來構(gòu)建網(wǎng)絡(luò)片段文庫（步驟214)。網(wǎng)絡(luò)片段定義測量的變量（輸 入數(shù)據(jù)）的所有可能的小集合（如2-3個成員集合或2-4個成員集合）之間的定量的、連 續(xù)的關(guān)系。在片段中變量之間的關(guān)系可以是線性的、邏輯的、多項的、顯性或隱性純合的等。 各個片段中的關(guān)系被賦以反映候選關(guān)系可能如何給予輸入數(shù)據(jù)的貝葉斯概率得分，且還對 于其數(shù)學(xué)復(fù)雜性而懲罰該關(guān)系。通過為從輸入數(shù)據(jù)推斷的所有可能的成對和三元關(guān)系（且 在一些實施方式中，還有四元關(guān)系）評分，可以識別文庫中最有可能的片段（很可能片段）。 也基于輸入的數(shù)據(jù)計算關(guān)系的定量參數(shù)并對于各個片段進行儲存?？梢栽谄瘟信e中使用 各種模型類型，包括但不限于線性回歸、邏輯回歸、（方差分析）ANOVA模型、（協(xié)方差分析） ANCOVA模型、非線性/多項式回歸模型和甚至非參數(shù)回歸。對模型參數(shù)的先驗假定可以假 設(shè)與模型中使用的參數(shù)的數(shù)目相關(guān)的Gull分布或貝葉斯信息標(biāo)準(zhǔn)（BIC)罰分。在網(wǎng)絡(luò)推 論過程中，從片段文庫中的片段子集構(gòu)建在一套初始試驗網(wǎng)絡(luò)中的各個網(wǎng)絡(luò)。該套初始試 驗網(wǎng)絡(luò)中的各個初始試驗網(wǎng)絡(luò)用片段文庫中不同片段子集構(gòu)建（步驟216)。
[0407] 構(gòu)成貝葉斯網(wǎng)絡(luò)和網(wǎng)絡(luò)片段的基礎(chǔ)的數(shù)學(xué)表達式的概述介紹如下，其基于 Xing等，"CausalModelingUsingNetworkEnsembleSimulationsofGeneticand GeneExpressionDataPredictsGenesInvolvedinRheumatoidArthritis,"PLoS ComputationalBiology,vol. 7,issue. 3, 1-19(2011 年 3月）（el00105)〇
[0408] 具有隨機變量X = &，. . .，多元系統(tǒng)可以以多元概率分布函數(shù)P(X i，. . .，Xn; ?)為特征，其包括了大量的參數(shù)0。該多元概率分布函數(shù)可以因數(shù)分解并由局部條件概 率分布的積表不：
[0409
【權(quán)利要求】
1. 一種用于鑒別生物系統(tǒng)的調(diào)節(jié)子的方法，所述方法包括： 使用與該生物系統(tǒng)相關(guān)的細胞建立該生物系統(tǒng)的模型來代表該生物系統(tǒng)的特征性方 面； 從所述模型獲得第一數(shù)據(jù)集，其中所述第一數(shù)據(jù)集代表與該生物系統(tǒng)相關(guān)的細胞中的 總體蛋白質(zhì)組學(xué)改變； 從所述模型獲得第二數(shù)據(jù)集，其中所述第二數(shù)據(jù)集代表與該生物系統(tǒng)相關(guān)的細胞的一 種或多種功能活性或細胞反應(yīng)，其中所述細胞的一種或多種功能活性或細胞反應(yīng)包括與該 生物系統(tǒng)相關(guān)的細胞中的總體酶學(xué)活性和/或總體酶學(xué)活性對酶代謝產(chǎn)物或底物的效應(yīng)； 用編程的計算設(shè)備，僅僅基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集，生成所述總體蛋白質(zhì)組 學(xué)改變和所述一種或多種功能活性或細胞反應(yīng)之間的一致因果關(guān)系網(wǎng)絡(luò)，其中所述一致因 果關(guān)系網(wǎng)絡(luò)的生成不基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集以外的任何已知的生物學(xué)關(guān)系； 從該一致因果關(guān)系網(wǎng)絡(luò)鑒別在該生物系統(tǒng)中獨特的因果關(guān)系，其中與該獨特的因果關(guān) 系相關(guān)的至少一種酶被確定為該生物系統(tǒng)的調(diào)節(jié)子。
2. 如權(quán)利要求1的方法，其中所述第一數(shù)據(jù)集還代表表征與所述生物系統(tǒng)相關(guān)的細胞 的脂質(zhì)組學(xué)數(shù)據(jù)。
3. 如權(quán)利要求2的方法，其中所述一致因果關(guān)系網(wǎng)絡(luò)在所述總體蛋白質(zhì)組學(xué)改變、所 述脂質(zhì)組學(xué)數(shù)據(jù)和所述細胞的一種或多種功能活性或細胞反應(yīng)之中生成，其中所述細胞的 一種或多種功能活性或細胞反應(yīng)包括總體酶學(xué)活性和/或總體酶學(xué)活性對至少一種酶代 謝產(chǎn)物或底物的效應(yīng)。
4. 如權(quán)利要求1的方法，其中所述第一數(shù)據(jù)集還代表表征所述與生物系統(tǒng)相關(guān)的細 胞的脂質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的一種或多 種。
5. 如權(quán)利要求1的方法，其中所述第一數(shù)據(jù)集還代表表征所述與生物系統(tǒng)相關(guān)的細胞 的脂質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的兩種或更多 種。
6. 如權(quán)利要求4或5的方法，其中所述一致因果關(guān)系網(wǎng)絡(luò)在所述總體蛋白質(zhì)組學(xué)改變、 所述脂質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的一種或多 種與所述細胞的一種或多種功能活性或細胞反應(yīng)之中生成，其中所述細胞的一種或多種功 能活性或細胞反應(yīng)包括總體酶學(xué)活性和/或總體酶學(xué)活性對至少一種酶代謝產(chǎn)物或底物 的效應(yīng)。
7. 如權(quán)利要求1-6中任一項的方法，其中所述總體酶學(xué)活性包括總體激酶活性。
8. 如權(quán)利要求1-7中任一項的方法，其中所述總體酶學(xué)活性對酶代謝產(chǎn)物或底物的效 應(yīng)包括所述細胞的磷酸化蛋白質(zhì)組。
9. 如權(quán)利要求1-8中任一項的方法，其中所述代表細胞的一種或多種功能活性或細 胞反應(yīng)的第二數(shù)據(jù)集還包括生物能量學(xué)、細胞增殖、細胞凋亡、細胞器功能、細胞迀移、管形 成、趨化性、細胞外基質(zhì)降解、出芽和通過選自ATP、ROS、OXPHOS和Seahorse分析的功能模 型實現(xiàn)的基因型-表型相關(guān)性中的一種或多種。
10. 如權(quán)利要求1-8中任一項的方法，其中所述一致因果關(guān)系網(wǎng)絡(luò)在所述總體蛋白質(zhì) 組學(xué)改變、所述脂質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中 的一種或多種與所述細胞的一種或多種功能活性或細胞反應(yīng)之中生成，其中所述細胞的一 種或多種功能活性或細胞反應(yīng)包括總體酶學(xué)活性和/或總體酶學(xué)活性對至少一種酶代謝 產(chǎn)物或底物的效應(yīng)且還包括生物能量學(xué)、細胞增殖、細胞凋亡、細胞器功能、細胞迀移、管形 成、趨化性、細胞外基質(zhì)降解、出芽和通過選自ATP、ROS、OXPHOS和Seahorse分析的功能模 型實現(xiàn)的基因型-表型相關(guān)性中的一種或多種。
11. 如權(quán)利要求1-10中任一項的方法，其中所述生物系統(tǒng)的模型包括與所述生物系統(tǒng) 相關(guān)的細胞的體外培養(yǎng)物，任選地進一步包括匹配的對照細胞的體外培養(yǎng)物。
12. 如權(quán)利要求11的方法，其中所述細胞的體外培養(yǎng)物經(jīng)受環(huán)境擾動，且所述匹配的 對照細胞的體外培養(yǎng)物是沒有經(jīng)受環(huán)境擾動的相同細胞。
13. 如權(quán)利要求12的方法，其中所述環(huán)境擾動包括與生物活性劑的接觸、培養(yǎng)條件的 變化、遺傳修飾/突變的引入和引起遺傳修飾/突變的媒介的引入中的一種或多種。
14. 如權(quán)利要求13的方法，其中所述環(huán)境擾動包括使所述細胞與酶活性抑制劑接觸。
15. 如權(quán)利要求14的方法，其中所述酶活性抑制劑是激酶抑制劑。
16. 如權(quán)利要求13的方法，其中所述環(huán)境擾動包括使所述細胞與CoQlO接觸。
17. 如權(quán)利要求14的方法，其中所述環(huán)境擾動還包括使所述細胞與CoQlO接觸。
18. 如權(quán)利要求1的方法，其中所述生成步驟通過基于人工智能（Al)的信息學(xué)平臺完 成。
19. 如權(quán)利要求18的方法，其中所述基于AI的信息學(xué)平臺接受來自所述第一數(shù)據(jù)集和 第二數(shù)據(jù)集的所有數(shù)據(jù)輸入而不應(yīng)用統(tǒng)計截止點。
20. 如權(quán)利要求1的方法，其中在所述鑒別步驟之前，在所述生成步驟中建立的所述一 致因果關(guān)系網(wǎng)絡(luò)通過基于輸入數(shù)據(jù)的計算機模擬進一步優(yōu)化到模擬因果關(guān)系網(wǎng)絡(luò)，以對于 一致因果關(guān)系網(wǎng)絡(luò)內(nèi)的一個或多個因果關(guān)系提供預(yù)測的置信水平。
21. 如權(quán)利要求11的方法，其中所述獨特因果關(guān)系被確定為獨特地存在于所述與生物 系統(tǒng)相關(guān)的細胞中且不存在于匹配的對照細胞中的差異因果關(guān)系網(wǎng)絡(luò)的一部分。
22. 如權(quán)利要求12的方法，其中所述獨特因果關(guān)系被確定為獨特地存在于所述經(jīng)受環(huán) 境擾動的細胞中且不存在于匹配的對照細胞中的差異因果關(guān)系網(wǎng)絡(luò)的一部分。
23. 如權(quán)利要求1-22中任一項的方法，其中所述確定的獨特因果關(guān)系是選自下組的至 少一對之間的關(guān)系：基因的表達和脂質(zhì)的水平；基因的表達和轉(zhuǎn)錄物的水平；基因的表達 和代謝產(chǎn)物的水平；第一基因的表達和第二基因的表達；基因的表達和SNP的存在；基因的 表達和功能活性；脂質(zhì)的水平和轉(zhuǎn)錄物的水平；脂質(zhì)的水平和代謝產(chǎn)物的水平；第一脂質(zhì) 的水平和第二脂質(zhì)的水平；脂質(zhì)的水平和SNP的存在；脂質(zhì)的水平和功能活性；第一轉(zhuǎn)錄物 的水平和第二轉(zhuǎn)錄物的水平；轉(zhuǎn)錄物的水平和代謝產(chǎn)物的水平；轉(zhuǎn)錄物的水平和SNP的存 在；第一轉(zhuǎn)錄物的水平和功能活性的水平；第一代謝產(chǎn)物的水平和第二代謝產(chǎn)物的水平； 代謝產(chǎn)物的水平和SNP的存在；代謝產(chǎn)物的水平和功能活性；第一 SNP的存在和第二SNP的 存在；及SNP的存在和功能活性。
24. 如權(quán)利要求1-23中任一項的方法，其中所述確定的獨特因果關(guān)系是至少脂質(zhì)的水 平、基因的表達和一種或多種功能活性之間的關(guān)系，其中所述功能活性是總體激酶活性。
25. -種用于鑒別疾病過程的調(diào)節(jié)子的方法，所述方法包括： 使用疾病相關(guān)細胞建立該疾病過程的模型以代表該疾病過程的特征性方面； 從所述模型獲得第一數(shù)據(jù)集，其中所述第一數(shù)據(jù)集代表疾病相關(guān)細胞中的總體蛋白質(zhì) 組學(xué)改變； 從所述模型獲得第二數(shù)據(jù)集，其中所述第二數(shù)據(jù)集代表與所述生物系統(tǒng)相關(guān)的細胞的 一種或多種功能活性或細胞反應(yīng)，其中所述細胞的一種或多種功能活性或細胞反應(yīng)包括疾 病相關(guān)細胞中的總體酶學(xué)活性和/或總體酶學(xué)活性對酶代謝產(chǎn)物或底物的效應(yīng)； 使用編程的計算設(shè)備，僅基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集，生成所述總體酶學(xué)活性 與所述細胞的一種或多種功能活性或細胞反應(yīng)之間的一致因果關(guān)系網(wǎng)絡(luò)，其中所述一致因 果關(guān)系網(wǎng)絡(luò)的生成不是基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集以外的任何已知的生物學(xué)關(guān)系； 和 從該一致因果關(guān)系網(wǎng)絡(luò)鑒別在所述疾病過程中獨特的因果關(guān)系，其中與該獨特的因果 關(guān)系相關(guān)的至少一種酶被確定為所述疾病過程的調(diào)節(jié)子。
26. 如權(quán)利要求25的方法，其中所述第一數(shù)據(jù)集還代表表征與所述生物系統(tǒng)相關(guān)的細 胞的脂質(zhì)組學(xué)數(shù)據(jù)。
27. 如權(quán)利要求26的方法，其中所述一致因果關(guān)系網(wǎng)絡(luò)在所述總體蛋白質(zhì)組學(xué)改變、 脂質(zhì)組學(xué)數(shù)據(jù)和所述細胞的一種或多種功能活性或細胞反應(yīng)之中生成，其中所述細胞的一 種或多種功能活性或細胞反應(yīng)包括疾病相關(guān)細胞中的總體酶學(xué)活性和/或總體酶學(xué)活性 對酶代謝產(chǎn)物或底物的效應(yīng)。
28. 如權(quán)利要求25的方法，其中所述第一數(shù)據(jù)集還代表表征所述與生物系統(tǒng)相關(guān)的細 胞的脂質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的一種或多 種。
29. 如權(quán)利要求28的方法，其中所述第一數(shù)據(jù)集還代表表征所述與生物系統(tǒng)相關(guān)的細 胞的脂質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的兩種或更 多種。
30. 如權(quán)利要求28或29的方法，其中所述一致因果關(guān)系網(wǎng)絡(luò)在所述總體蛋白質(zhì)組學(xué)改 變、所述脂質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的一種 或多種與所述細胞的一種或多種功能活性或細胞反應(yīng)之中生成，其中所述細胞的一種或多 種功能活性或細胞反應(yīng)包括疾病相關(guān)細胞中的總體酶學(xué)活性和/或總體酶學(xué)活性對至少 一種酶代謝產(chǎn)物或底物的效應(yīng)。
31. 如權(quán)利要求25-30中任一項的方法，其中所述總體酶學(xué)活性包括總體激酶活性，且 其中所述總體酶學(xué)活性對酶代謝產(chǎn)物或底物的效應(yīng)包括所述細胞的磷酸化蛋白質(zhì)組。
32. 如權(quán)利要求25-31中任一項的方法，其中所述代表細胞的一種或多種功能活性或 細胞反應(yīng)的第二數(shù)據(jù)集還包括生物能量學(xué)、細胞增殖、細胞凋亡、細胞器功能、細胞迀移、管 形成、趨化性、細胞外基質(zhì)降解、出芽和通過選自ATP、ROS、OXPHOS和Seahorse分析的功能 模型實現(xiàn)的基因型-表型相關(guān)性中的一種或多種。
33. 如權(quán)利要求32的方法，其中所述一致因果關(guān)系網(wǎng)絡(luò)在所述總體蛋白質(zhì)組學(xué)改變、 所述脂質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的一種或多 種與所述細胞的一種或多種功能活性或細胞反應(yīng)之中生成，其中所述細胞的一種或多種功 能活性或細胞反應(yīng)包括生物能量學(xué)、細胞增殖、細胞凋亡、細胞器功能、細胞迀移、管形成、 趨化性、細胞外基質(zhì)降解、出芽和通過選自ATP、R0S、0XPH0S和Seahorse分析的功能模型實 現(xiàn)的基因型-表型相關(guān)性中的一種或多種。
34. 如權(quán)利要求25-33中任一項的方法，其中所述疾病過程是癌癥、糖尿病、肥胖癥、心 血管疾病、年齡相關(guān)性黃斑變性、糖尿病性視網(wǎng)膜病或炎性疾病。
35. 如權(quán)利要求25-33中任一項的方法，其中所述疾病過程包括血管生成。
36. 如權(quán)利要求25-33中任一項的方法，其中所述疾病過程包括肝細胞癌、肺癌、乳腺 癌、前列腺癌、黑色素瘤、癌瘤、肉瘤、淋巴瘤、白血病、鱗狀細胞癌、結(jié)腸直腸癌、胰腺癌、甲 狀腺癌、子宮內(nèi)膜癌、膀胱癌、腎癌、實體瘤、白血病、非霍奇金淋巴瘤或耐藥性癌癥。
37. 如權(quán)利要求25-33任一項的方法，其中所述疾病模型包括疾病細胞的體外培養(yǎng)物， 任選地進一步包括匹配的對照或正常細胞的體外培養(yǎng)物。
38. 如權(quán)利要求37的方法，其中所述疾病細胞的體外培養(yǎng)物經(jīng)受環(huán)境擾動，且所述匹 配的對照細胞的體外培養(yǎng)物是沒有經(jīng)受環(huán)境擾動的相同疾病細胞。
39. 如權(quán)利要求38的方法，其中所述環(huán)境擾動包括與生物活性劑的接觸、培養(yǎng)條件的 變化、遺傳修飾/突變的引入和引起遺傳修飾/突變的媒介的引入中的一種或多種。
40. 如權(quán)利要求39的方法，其中所述環(huán)境擾動包括使所述細胞與酶活性抑制劑接觸。
41. 如權(quán)利要求40的方法，其中所述酶活性抑制劑是激酶抑制劑。
42. 如權(quán)利要求39的方法，其中所述環(huán)境擾動包括使所述細胞與CoQlO接觸。
43. 如權(quán)利要求25的方法，其中所述疾病過程的特征性方面包括缺氧狀態(tài)、高血糖狀 態(tài)、富乳酸培養(yǎng)條件或它們的組合。
44. 如權(quán)利要求25的方法，其中所述生成步驟通過基于人工智能（Al)的信息學(xué)平臺完 成。
45. 如權(quán)利要求25的方法，其中所述基于AI的信息學(xué)平臺接受來自所述第一數(shù)據(jù)集和 第二數(shù)據(jù)集的所有數(shù)據(jù)輸入而不應(yīng)用統(tǒng)計截止點。
46. 如權(quán)利要求25的方法，其中在所述鑒別步驟之前，在所述生成步驟中建立的所述 一致因果關(guān)系網(wǎng)絡(luò)通過基于輸入數(shù)據(jù)的計算機模擬進一步優(yōu)化到模擬因果關(guān)系網(wǎng)絡(luò)，以對 于所述一致因果關(guān)系網(wǎng)絡(luò)內(nèi)的一個或多個因果關(guān)系提供預(yù)測的置信水平。
47. 如權(quán)利要求37的方法，其中所述獨特因果關(guān)系被確定為獨特地存在于疾病細胞的 模型中且不存在于匹配的對照細胞中的差異因果關(guān)系網(wǎng)絡(luò)的一部分。
48. 如權(quán)利要求38的方法，其中所述獨特因果關(guān)系被確定為獨特地存在于所述經(jīng)受環(huán) 境擾動的細胞中且不存在于匹配的對照細胞中的差異因果關(guān)系網(wǎng)絡(luò)的一部分。
49. 一種用于鑒別生物系統(tǒng)的調(diào)節(jié)子的方法，所述方法包括： 使用與該生物系統(tǒng)相關(guān)的細胞建立該生物系統(tǒng)的模型來代表該生物系統(tǒng)的特征性方 面； 從所述模型獲得第一數(shù)據(jù)集，其中所述第一數(shù)據(jù)集代表所述細胞中的總體蛋白質(zhì)組學(xué) 改變及表征與該生物系統(tǒng)相關(guān)的細胞的脂質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因 組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中的一種或多種； 從所述模型獲得第二數(shù)據(jù)集，其中所述第二數(shù)據(jù)集代表與該生物系統(tǒng)相關(guān)的細胞的一 種或多種功能活性或細胞反應(yīng)，其中所述細胞的一種或多種功能活性或細胞反應(yīng)包括與該 生物系統(tǒng)相關(guān)的細胞中的總體激酶活性和/或總體激酶活性對激酶代謝產(chǎn)物或底物的效 應(yīng)； 使用編程的計算設(shè)備，僅僅基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集，生成所述總體蛋白質(zhì) 組學(xué)改變、所述脂質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)、基因組學(xué)數(shù)據(jù)和SNP數(shù)據(jù)中 的一種或多種與所述一種或多種功能活性或細胞反應(yīng)之中的一致因果關(guān)系網(wǎng)絡(luò)，其中所述 一致因果關(guān)系網(wǎng)絡(luò)的生成不基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集以外的任何已知的生物學(xué) 關(guān)系； 從該一致因果關(guān)系網(wǎng)絡(luò)鑒別在所述生物系統(tǒng)中獨特的因果關(guān)系，其中與該獨特的因果 關(guān)系相關(guān)的至少一種激酶被確定為該生物系統(tǒng)的調(diào)節(jié)子。
50. -種用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展、預(yù)防、診斷或預(yù)后 該疾病的方法，所述方法包括： 向需要的哺乳動物施用治療有效量的包含生物活性物質(zhì)的藥物組合物，所述生物活性 物質(zhì)影響通過權(quán)利要求1-18中任一項所鑒別的調(diào)節(jié)子，從而治療所述疾病、改善其癥狀、 抑制其進展、預(yù)防、診斷或預(yù)后所述疾病。
51. -種診斷或預(yù)后哺乳動物受試者的疾病的方法，所述方法包括： 測定從所述受試者獲得的生物樣品中一種或多種通過權(quán)利要求1-48中任一項鑒別的 調(diào)節(jié)子的表達或活性水平；和 將所述受試者中的水平與對照樣品中所述一種或多種調(diào)節(jié)子的表達或活性水平比較， 其中所述受試者中的水平和所述對照樣品中一種或多種調(diào)節(jié)子的表達或活性水平之 間的差異是所述受試者患有疾病、易于發(fā)生疾病或有利地對疾病治療發(fā)生反應(yīng)的指示，從 而診斷或預(yù)后所述哺乳動物受試者的疾病。
52. -種鑒別用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展或預(yù)防該疾病 的治療化合物的方法，所述方法包括： 使來自所述哺乳動物受試者的生物樣品與測試化合物接觸； 測定所述生物樣品中一種或多種通過權(quán)利要求1-48中任一項鑒別的調(diào)節(jié)子的表達水 平； 將所述生物樣品中所述一種或多種調(diào)節(jié)子的所述表達水平與未與測試化合物接觸的 對照樣品比較；和 選擇調(diào)節(jié)所述生物樣品中所述一種或多種調(diào)節(jié)子的表達水平的測試化合物， 從而鑒別用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展或預(yù)防該疾病的 治療化合物。
53. -種用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展或預(yù)防所述疾病的 方法，所述方法包括： 向需要的哺乳動物施用治療有效量的包含權(quán)利要求52的治療化合物的藥物組合物， 從而治療所述疾病、改善其癥狀、抑制其進展或預(yù)防所述疾病。
54. -種用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展或預(yù)防所述疾病的 方法，所述方法包括： 向需要的哺乳動物施用治療有效量的包含生物活性物質(zhì)的藥物組合物，所述生物活性 物質(zhì)影響 TCOFI、TOP2A、CAMK2A、CDKI、CLTCLI、EIF4GI、ENOI、FBL、GSK3B、HDLBP、HI STIH2BA、 HMGB2、HNRNPK、HNRPDL、HSPA9、MAP2K2、LDHA、MAP4、MAPKI、MARCKS、NMEI、NME2、PGKI、PGK2、 RAB7A、RPL17、RPL28、RPS5、RPS6、SLTM、TMED4、TNRCBA、TUBB 和 UBE21 中任何一種或多種的 表達或活性， 從而治療所述疾病、改善其癥狀、抑制其進展或預(yù)防所述疾病。
55. 如權(quán)利要求54的方法，其中所述疾病是肝細胞癌。
56. -種診斷或預(yù)后哺乳動物受試者的疾病的方法，所述方法包括： 測定從所述受試者獲得的生物樣品中TC0F1、T0P2A、CAMK2A、CDK1、CLTCL1、EIF4G1、 EN01、FBL、GSK3B、HDLBP、HIST1H2BA、HMGB2、HNRNPK、HNRPDL、HSPA9、MAP2K2、LDHA、MAP4、 MAPKl、MARCKS、NMEl、NME2、PGKl、PGK2、RAB7A、RPL17、RPL28、RPS5、RPS6、SLTM、TMED4、 TNRCBA、TUBB和UBE21中的任何一種或多種蛋白質(zhì)的表達或活性水平；和 將所述受試者中的所述水平與對照樣品中所述一種或多種蛋白質(zhì)的表達或活性水平 比較， 其中所述受試者中的所述水平和所述對照樣品中所述一種或多種蛋白質(zhì)的表達或活 性水平之間的差異是所述受試者患有疾病或易于發(fā)生疾病或有利地對疾病治療發(fā)生反應(yīng) 的指示，從而診斷或預(yù)后所述哺乳動物受試者的疾病。
57. 如權(quán)利要求56的方法，其中所述疾病是肝細胞癌。
58. -種鑒別用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展或預(yù)防該疾病 的治療化合物的方法，所述方法包括： 使來自所述哺乳動物受試者的生物樣品與測試化合物接觸； 測定所述生物樣品中 TCOFl、T0P2A、CAMK2A、CDKl、CLTCLl、EIF4G1、ENOl、FBL、GSK3B、 HDLBP、HISTIH2BA、HMGB2、HNRNPK、HNRPDL、HSPA9、MAP2K2、LDHA、MAP4、MAPKI、MARCKS、NME1、 NME2、PGK1、PGK2、RAB7A、RPL17、RPL28、RPS5、RPS6、SLTM、TMED4、TNRCBA、TUBB 和 UBE21 中 任何一種或多種蛋白質(zhì)的表達水平； 將所述生物樣品中所述一種或多種蛋白質(zhì)的表達水平與未與測試化合物接觸的對照 樣品比較；和 選擇調(diào)節(jié)所述生物樣品中所述一種或多種蛋白質(zhì)的表達水平的測試化合物， 從而鑒別用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展或預(yù)防該疾病的 治療化合物。
59. 如權(quán)利要求58的方法，其中所述疾病是肝細胞癌。
60. -種用于治療哺乳動物受試者的疾病、改善其癥狀、抑制其進展或預(yù)防所述疾病的 方法，所述方法包括： 向需要的哺乳動物施用治療有效量的包含權(quán)利要求58的治療化合物的藥物組合物， 從而治療所述疾病、改善其癥狀、抑制其進展或預(yù)防所述疾病。
61. -種用于鑒別血管生成的調(diào)節(jié)子的方法，所述方法包括： (1) 使用與血管生成相關(guān)的細胞建立血管生成的模型來代表血管生成的特征性方面； (2) 從所述血管生成的模型獲得第一數(shù)據(jù)集，其中所述第一數(shù)據(jù)集代表表征所述與血 管生成相關(guān)的細胞的基因組學(xué)數(shù)據(jù)、脂質(zhì)組學(xué)數(shù)據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄 組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP)數(shù)據(jù)中的一種或多種； (3) 從所述血管生成的模型獲得第二數(shù)據(jù)集，其中所述第二數(shù)據(jù)集代表與血管生成相 關(guān)的細胞的一種或多種功能活性或細胞反應(yīng)； (4) 使用編程的計算設(shè)備，僅僅基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集，生成所述表征與血 管生成相關(guān)的細胞的基因組學(xué)數(shù)據(jù)、脂質(zhì)組學(xué)數(shù)據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄 組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP)數(shù)據(jù)中的一種或多種與所述與血管生成相關(guān)的細胞的 一種或多種功能活性或細胞反應(yīng)之間的一致因果關(guān)系網(wǎng)絡(luò)，其中所述一致因果關(guān)系網(wǎng)絡(luò)的 生成不基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集以外的任何已知的生物學(xué)關(guān)系； (5)從該一致因果關(guān)系網(wǎng)絡(luò)鑒別在血管生成中獨特的因果關(guān)系，其中與該獨特的因果 關(guān)系相關(guān)的基因、脂質(zhì)、蛋白質(zhì)、代謝產(chǎn)物、轉(zhuǎn)錄物或SNP被確定為血管生成的調(diào)節(jié)子。
62. -種用于鑒別血管生成的調(diào)節(jié)子的方法，所述方法包括： (1) 使用與血管生成相關(guān)的細胞建立血管生成的模型來代表血管生成的特征性方面； (2) 從所述血管生成的模型獲得第一數(shù)據(jù)集，其中所述第一數(shù)據(jù)集代表脂質(zhì)組學(xué)數(shù) 據(jù)； (3) 從所述血管生成的模型獲得第二數(shù)據(jù)集，其中所述第二數(shù)據(jù)集代表與血管生成相 關(guān)的細胞的一種或多種功能活性或細胞反應(yīng)； (4) 使用編程的計算設(shè)備，僅僅基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集生成所述脂質(zhì)組學(xué) 數(shù)據(jù)與所述一種或多種功能活性或細胞反應(yīng)之間的一致因果關(guān)系網(wǎng)絡(luò)，其中所述一致因果 關(guān)系網(wǎng)絡(luò)的生成不基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集以外的任何已知的生物學(xué)關(guān)系； (5) 從該一致因果關(guān)系網(wǎng)絡(luò)鑒別在血管生成中獨特的因果關(guān)系，其中與該獨特的因果 關(guān)系相關(guān)的脂質(zhì)被確定為血管生成的調(diào)節(jié)子。
63. 如權(quán)利要求61或62的方法，其中所述代表與血管生成相關(guān)的細胞的一種或多種功 能活性或細胞反應(yīng)的第二數(shù)據(jù)集包括與血管生成相關(guān)的細胞中的總體酶學(xué)活性和/或總 體酶學(xué)活性對酶代謝產(chǎn)物或底物的效應(yīng)。
64. -種用于鑒別血管生成的調(diào)節(jié)子的方法，所述方法包括： (1) 使用與血管生成相關(guān)的細胞建立血管生成的模型來代表血管生成的特征性方面； (2) 從所述血管生成的模型獲得第一數(shù)據(jù)集，其中所述第一數(shù)據(jù)集代表表征所述與血 管生成相關(guān)的細胞的基因組學(xué)數(shù)據(jù)、脂質(zhì)組學(xué)數(shù)據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄 組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP)數(shù)據(jù)中的一種或多種； (3) 從所述血管生成的模型獲得第二數(shù)據(jù)集，其中所述第二數(shù)據(jù)集代表所述與血管生 成相關(guān)的細胞的一種或多種功能活性或細胞反應(yīng)，其中所述一種或多種功能活性或細胞反 應(yīng)包括所述與血管生成相關(guān)的細胞中的總體酶學(xué)活性和/或總體酶學(xué)活性對酶代謝產(chǎn)物 或底物的效應(yīng)； (4) 使用編程的計算設(shè)備，僅僅基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集，生成所述表征與血 管生成相關(guān)的細胞的基因組學(xué)數(shù)據(jù)、脂質(zhì)組學(xué)數(shù)據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄 組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP)數(shù)據(jù)中的一種或多種與所述與血管生成相關(guān)的細胞的 一種或多種功能活性或細胞反應(yīng)之中的一致因果關(guān)系網(wǎng)絡(luò)，其中所述一致因果關(guān)系網(wǎng)絡(luò)的 生成不基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集以外的任何已知的生物學(xué)關(guān)系； (5) 從該一致因果關(guān)系網(wǎng)絡(luò)鑒別在血管生成中獨特的因果關(guān)系，其中與該獨特的因果 關(guān)系相關(guān)的酶被確定為血管生成的調(diào)節(jié)子。
65. 如權(quán)利要求63或64的方法，其中所述總體酶學(xué)活性包括總體激酶活性且所述總體 酶學(xué)活性對酶代謝產(chǎn)物或底物的效應(yīng)包括所述細胞的磷酸化蛋白質(zhì)組。
66. 如權(quán)利要求63或64的方法，其中所述總體酶學(xué)活性包括總體蛋白酶活性。
67. 如權(quán)利要求61-66任一項的方法，其中所述調(diào)節(jié)子刺激或促進血管生成。
68. 如權(quán)利要求61-66任一項的方法，其中所述調(diào)節(jié)子抑制血管生成。
69. 如權(quán)利要求61-68任一項的方法，其中所述包含與血管生成相關(guān)的細胞的血管生 成模型選自體外細胞培養(yǎng)血管生成模型、大鼠主動脈微血管模型、新生小鼠視網(wǎng)膜模型、雞 胚絨毛尿囊膜（CAM)模型、角膜血管生成生長因子囊袋模型、皮下海綿血管生成生長因子 植入模型、MATR丨GEL·?血管生成生長因子植入模型和腫瘤植入模型；且其中所述血 管生成模型任選地進一步包括包含對照細胞的匹配對照血管生成模型。
70. 如權(quán)利要求69的方法，其中所述體外培養(yǎng)血管生成模型選自MATR1GEL⑧管 形成分析、迀移分析、伯伊登室分析、劃痕分析。
71. 如權(quán)利要求69或70的方法，其中所述體外培養(yǎng)模型中與血管生成相關(guān)的細胞是人 血管內(nèi)皮細胞（HUVEC)。
72. 如權(quán)利要求69的方法，其中所述角膜血管生成生長因子囊袋模型、皮下海綿血管 生成生長因子植入模型或MATR1GEL⑧.血管生成生長因子植入模型中的血管生成生 長因子選自FGF-2和VEGF。
73. 如權(quán)利要求69的方法，其中所述血管生成模型中的細胞經(jīng)受環(huán)境擾動，且所述匹 配的血管生成模型中的細胞是沒有經(jīng)受環(huán)境擾動的相同細胞。
74. 如權(quán)利要求73的方法，其中所述環(huán)境擾動包括與試劑的接觸、培養(yǎng)條件的變化、弓丨 入的遺傳修飾或突變、引起遺傳修飾或突變的媒介和局部缺血的誘導(dǎo)中的一種或多種。
75. 如權(quán)利要求74的方法，其中所述試劑是促血管生成劑或抗血管生成劑。
76. 如權(quán)利要求75的方法，其中所述促血管生成劑選自FGF-2和VEGF。
77. 如權(quán)利要求75的方法，其中所述抗血管生成劑選自VEGF抑制劑、整聯(lián)蛋白拮抗劑、 血管抑素、內(nèi)皮抑素、腫瘤抑素、阿瓦斯汀、索拉非尼、舒尼替尼、帕唑帕尼和依維莫司、可溶 性VEGF受體、血管生成素2、血小板反應(yīng)蛋白1、血小板反應(yīng)蛋白2、血管形成抑制素、鈣網(wǎng)織 蛋白、凝血酶原（kringle結(jié)構(gòu)域-2)、抗凝血酶III片段、血管內(nèi)皮生長抑制劑（VEGI)、富 含半胱氨酸的酸性分泌蛋白（SPARC)和對應(yīng)于蛋白質(zhì)的卵泡抑素結(jié)構(gòu)域的SPARC肽（FS-E) 和輔酶Q10。
78. 如權(quán)利要求74的方法，其中所述試劑是酶活性抑制劑。
79. 如權(quán)利要求74的方法，其中所述試劑是激酶活性抑制劑。
80. 如權(quán)利要求61或64的方法，其中所述第一數(shù)據(jù)集包括基因組數(shù)據(jù)集中多個基因的 蛋白質(zhì)和/或mRNA表達水平。
81. 如權(quán)利要求61或64的方法，其中所述第一數(shù)據(jù)集包括基因組學(xué)數(shù)據(jù)、脂質(zhì)組學(xué)數(shù) 據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP)數(shù)據(jù)中的兩種 或更多種。
82. 如權(quán)利要求61或64的方法，其中所述第一數(shù)據(jù)集包括基因組學(xué)數(shù)據(jù)、脂質(zhì)組學(xué)數(shù) 據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP)數(shù)據(jù)中的三種 或更多種。
83. 如權(quán)利要求61-64任一項的方法，其中所述代表與血管生成相關(guān)的細胞的一種或 多種功能活性或細胞反應(yīng)的第二數(shù)據(jù)集進一步包括生物能量學(xué)、細胞增殖、細胞凋亡、細 胞器功能、細胞迀移、管形成、酶活性、趨化性、細胞外基質(zhì)降解、出芽和通過選自ATP、ROS、 OXPHOS和Seahorse分析的功能模型實現(xiàn)的基因型-表型相關(guān)性中的一種或多種。
84. 如權(quán)利要求83的方法，其中所述酶活性是激酶活性。
85. 如權(quán)利要求83的方法，其中所述酶活性是蛋白酶活性。
86. 如權(quán)利要求61-64任一項的方法，其中步驟（4)通過基于人工智能（Al)的信息學(xué) 平臺完成。
87. 如權(quán)利要求86的方法，其中所述基于AI的信息學(xué)平臺包括REFS(TM)。
88. 如權(quán)利要求86的方法，其中所述基于AI的信息學(xué)平臺接受來自所述第一數(shù)據(jù)集和 第二數(shù)據(jù)集的所有數(shù)據(jù)輸入而不應(yīng)用統(tǒng)計截止點。
89. 如權(quán)利要求61-64任一項的方法，其中在步驟（5)之前，在步驟（4)中建立的所述 一致因果關(guān)系網(wǎng)絡(luò)基于輸入的數(shù)據(jù)通過計算機模擬進一步優(yōu)化到模擬因果關(guān)系網(wǎng)絡(luò)，以對 于一致因果關(guān)系網(wǎng)絡(luò)內(nèi)的一個或多個因果關(guān)系提供預(yù)測的置信水平。
90. 如權(quán)利要求61-64任一項的方法，其中所述獨特因果關(guān)系被確定為獨特地存在于 細胞中且不存在于匹配的對照細胞中的差異因果關(guān)系網(wǎng)絡(luò)的一部分。
91. 如權(quán)利要求61-90任一項的方法，其中所述確定的獨特因果關(guān)系是選自下組的至 少一對之間的關(guān)系：基因的表達和脂質(zhì)的水平；基因的表達和轉(zhuǎn)錄物的水平；基因的表達 和代謝產(chǎn)物的水平；第一基因的表達和第二基因的表達；基因的表達和SNP的存在；基因的 表達和功能活性；脂質(zhì)的水平和轉(zhuǎn)錄物的水平；脂質(zhì)的水平和代謝產(chǎn)物的水平；第一脂質(zhì) 的水平和第二脂質(zhì)的水平；脂質(zhì)的水平和SNP的存在；脂質(zhì)的水平和功能活性；第一轉(zhuǎn)錄物 的水平和第二轉(zhuǎn)錄物的水平；轉(zhuǎn)錄物的水平和代謝產(chǎn)物的水平；轉(zhuǎn)錄物的水平和SNP的存 在；第一轉(zhuǎn)錄物的水平和功能活性的水平；第一代謝產(chǎn)物的水平和第二代謝產(chǎn)物的水平； 代謝產(chǎn)物的水平和SNP的存在；代謝產(chǎn)物的水平和功能活性；第一 SNP的存在和第二SNP的 存在；及SNP的存在和功能活性。
92. 如權(quán)利要求91的方法，其中所述功能活性選自生物能量學(xué)、細胞增殖、細胞凋亡、 細胞器功能、細胞迀移、管形成、酶活性、趨化性、細胞外基質(zhì)降解和出芽及通過選自ATP、 ROS、OXPHOS和Seahorse分析的功能模型實現(xiàn)的基因型-表型相關(guān)性。
93. 如權(quán)利要求91或92的方法，其中所述功能活性是激酶活性。
94. 如權(quán)利要求91或92的方法，其中所述功能活性是蛋白酶活性。
95. 如權(quán)利要求61-93中任一項的方法，其中所述確定的獨特因果關(guān)系是至少脂質(zhì)的 水平、基因的表達和一種或多種功能活性之間的關(guān)系，其中所述功能活性是激酶活性。
96. 如權(quán)利要求61-95中任一項的方法，進一步包括驗證所述鑒別的血管生成中的獨 特因果關(guān)系。
97. -種用于提供平臺方法中使用的血管生成模型的方法，包括： 使用與血管生成相關(guān)的細胞建立血管生成的模型以代表血管生成的特征性方面，其中 所述血管生成的模型可用于生成在平臺方法中使用的數(shù)據(jù)集； 從而提供在平臺方法中使用的血管生成的模型。
98. -種用于從在平臺方法中使用的血管生成模型獲得第一數(shù)據(jù)集和第二數(shù)據(jù)集的方 法，包括： (1)從在平臺方法中使用的血管生成模型獲得第一數(shù)據(jù)集，其中所述血管生成模型包 含與血管生成相關(guān)的細胞，和其中所述第一數(shù)據(jù)集代表表征所述與血管生成相關(guān)的細胞的 基因組學(xué)數(shù)據(jù)、脂質(zhì)組學(xué)數(shù)據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)和單核苷酸 多態(tài)性（SNP)數(shù)據(jù)中的一種或多種； (2)從在平臺方法中使用的血管生成模型獲得第二數(shù)據(jù)集，其中所述第二數(shù)據(jù)集代表 所述與血管生成相關(guān)的細胞的一種或多種功能活性或細胞反應(yīng)； 從而從在平臺方法中使用的所述血管生成模型獲得第一數(shù)據(jù)集和第二數(shù)據(jù)集。
99. 一種用于鑒別血管生成的調(diào)節(jié)子的方法，所述方法包括： (1) 用編程的計算設(shè)備生成在從血管生成模型獲得的第一數(shù)據(jù)集和第二數(shù)據(jù)集之間的 一致因果關(guān)系網(wǎng)絡(luò)，其中所述模型包含與血管生成相關(guān)的細胞，和其中所述第一數(shù)據(jù)集代 表表征所述與血管生成相關(guān)的細胞的基因組學(xué)數(shù)據(jù)、脂質(zhì)組學(xué)數(shù)據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝 組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP)數(shù)據(jù)中的一種或多種；和所述第二數(shù)據(jù) 集代表所述與血管生成相關(guān)的細胞的一種或多種功能活性或細胞反應(yīng)，其中所述一致因果 關(guān)系網(wǎng)絡(luò)的生成不是基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集以外的任何已知的生物學(xué)關(guān)系； (2) 從所述一致因果關(guān)系網(wǎng)絡(luò)鑒別血管生成中獨特的因果關(guān)系，其中與所述獨特的因 果關(guān)系相關(guān)的基因、脂質(zhì)、蛋白質(zhì)、代謝產(chǎn)物、轉(zhuǎn)錄物或SNP中的至少一種被確定為血管生 成的調(diào)節(jié)子； 從而鑒別血管生成的調(diào)節(jié)子。
100. -種用于鑒別血管生成的調(diào)節(jié)子的方法，所述方法包括： 1) 提供從血管生成的模型生成的一致因果關(guān)系網(wǎng)絡(luò)； 2) 從該一致因果關(guān)系網(wǎng)絡(luò)鑒別血管生成中獨特的因果關(guān)系，其中與所述獨特的因果關(guān) 系相關(guān)的基因、脂質(zhì)、蛋白質(zhì)、代謝產(chǎn)物、轉(zhuǎn)錄物或SNP中的至少一種被確定為血管生成的 調(diào)節(jié)子； 從而鑒別血管生成的調(diào)節(jié)子。
101. 如權(quán)利要求90的方法，其中所述一致因果關(guān)系網(wǎng)絡(luò)用編程的計算設(shè)備在從血管 生成模型獲得的第一數(shù)據(jù)集和第二數(shù)據(jù)集之間生成，其中所述模型包含與血管生成相關(guān)的 細胞，和其中所述第一數(shù)據(jù)集代表表征所述與血管生成相關(guān)的細胞的基因組學(xué)數(shù)據(jù)、脂質(zhì) 組學(xué)數(shù)據(jù)、蛋白質(zhì)組學(xué)數(shù)據(jù)、代謝組學(xué)數(shù)據(jù)、轉(zhuǎn)錄組學(xué)數(shù)據(jù)和單核苷酸多態(tài)性（SNP)數(shù)據(jù)中 的一種或多種；和 所述第二數(shù)據(jù)集代表與血管生成相關(guān)的細胞的一種或多種功能活性或細胞反應(yīng)，其中 所述一致因果關(guān)系網(wǎng)絡(luò)的生成不是基于所述第一數(shù)據(jù)集和第二數(shù)據(jù)集以外的任何已知的 生物學(xué)關(guān)系。
102. 如權(quán)利要求97-101任一項的方法，其中所述血管生成模型選自體外細胞 培養(yǎng)血管生成模型、大鼠主動脈微血管模型、新生小鼠視網(wǎng)膜模型、雞胚絨毛尿囊膜 (CAM)模型、角膜血管生成生長因子囊袋模型、皮下海綿血管生成生長因子植入模型、 MATR丨GEL?.血管生成生長因子植入模型和腫瘤植入模型；且其中所述血管生成模型 任選地進一步包括包含對照細胞的匹配對照血管生成模型。
103. 如權(quán)利要求97-102任一項的方法，其中所述第一數(shù)據(jù)集包括脂質(zhì)組學(xué)數(shù)據(jù)。
104. 如權(quán)利要求97-103任一項的方法，其中所述代表與血管生成相關(guān)的細胞的一種 或多種功能活性或細胞反應(yīng)的第二數(shù)據(jù)集包括與血管生成相關(guān)的細胞中的總體酶學(xué)活性 和/或總體酶學(xué)活性對酶代謝產(chǎn)物或底物的效應(yīng)。
105. 如權(quán)利要求104的方法，其中所述第二數(shù)據(jù)集包括激酶活性或蛋白酶活性。
106. 如權(quán)利要求97-103任一項的方法，其中所述代表與血管生成相關(guān)的細胞的一種 或多種功能活性或細胞反應(yīng)的第二數(shù)據(jù)集包括生物能量學(xué)譜、細胞增殖、細胞凋亡、細胞器 功能、細胞迀移、管形成、激酶活性和蛋白酶活性及通過選自ATP、ROS、OXPHOS和Seahorse 分析的功能模型實現(xiàn)的基因型-表型相關(guān)性中的一種或多種。
107. 如權(quán)利要求61-106任一項的方法，其中所述血管生成與疾病狀態(tài)相關(guān)。
108. -種用于調(diào)節(jié)哺乳動物受試者的血管生成的方法，所述方法包括： 向需要的哺乳動物施用治療有效量的包含生物活性物質(zhì)的藥物組合物，所述生物活性 物質(zhì)影響通過權(quán)利要求61-107任一項鑒別的調(diào)節(jié)子，從而調(diào)節(jié)血管生成。
109. -種檢測哺乳動物受試者中受調(diào)節(jié)的血管生成的方法，所述方法包括： 測定從所述受試者獲得的生物樣品中通過權(quán)利要求61-107任一項鑒別的一種或多種 調(diào)節(jié)子的水平、活性或存在；和 比較所述受試者中的所述水平、活性或存在與對照樣品中所述一種或多種調(diào)節(jié)子的水 平、活性或存在， 其中所述受試者中的所述水平、活性或存在與所述對照樣品中所述一種或多種調(diào)節(jié)子 的水平、活性或存在之間的差異是所述哺乳動物受試者中血管生成受到調(diào)節(jié)的指示。
110. -種鑒別用于調(diào)節(jié)哺乳動物受試者中的血管生成的治療化合物的方法，所述方法 包括： 使來自哺乳動物受試者的生物樣品與測試化合物接觸； 測定所述生物樣品中通過權(quán)利要求61-107任一項鑒別的一種或多種調(diào)節(jié)子的水平、 活性或存在； 將所述生物樣品中所述一種或多種調(diào)節(jié)子的水平、活性或存在與未接觸所述測試化合 物的對照樣品比較， 選擇調(diào)節(jié)所述生物樣品中所述一種或多種調(diào)節(jié)子的水平、活性或存在的測試化合物， 從而鑒別用于調(diào)節(jié)哺乳動物受試者中的血管生成的治療化合物。
111. 一種用于調(diào)節(jié)哺乳動物受試者中的血管生成的方法，所述方法包括： 向需要的哺乳動物施用治療有效量的包含權(quán)利要求Iio的治療化合物的藥物組合物， 從而治療所述疾病、改善其癥狀、抑制其進展或預(yù)防、診斷或預(yù)后所述疾病。
【文檔編號】G01N33/48GK104520435SQ201280073683
【公開日】2015年4月15日 申請日期:2012年9月7日 優(yōu)先權(quán)日:2012年4月2日
【發(fā)明者】N·R·納萊恩, R·薩蘭加拉簡, V·K·維施努達斯, 杜敏, T·沃爾什 申請人:博格有限責(zé)任公司