[發明專利]細菌菌株對治療組合物的敏感性譜的確定方法

在審

• 申請號: 201880057328.3
• 申請日: 2018-09-05
• 公開（公告）號: CN111052248A
• 公開（公告）日: 2020-04-21
• 發明（設計）人: 卡爾·梅里爾
• 申請（專利權）人: 自適應噬菌體治療公司
• 主分類號: G16B20/00
• 分類號: G16B20/00;G16B40/00
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 金海霞;劉慧

1.一種用于產生治療組合物機器學習模型的計算方法，其中所述方法包括：

(a)在計算機數據庫系統中編譯來自多種細菌菌株的數據，其中所述數據包含多種細菌菌株的基因組序列數據；

(b)在計算機系統的CPU和存儲器單元上至少使用所述多種細菌菌株的基因組序列數據來訓練機器學習模型；和

(c)存儲治療組合物機器學習模型，所述治療組合物機器學習模型被配置成接收查詢細菌基因組并且選擇基于受過訓練的機器學習模型被估計為對所述細菌基因組具有敏感性的至少一種治療組合物。

2.權利要求2的方法，其中所述基于受過訓練的機器學習模型被估計為對所述細菌基因組具有敏感性的至少一種治療組合物包含基于受過訓練的機器學習模型被估計為對所述細菌基因組具有敏感性的一種或多種噬菌體、抗生素、殺細菌劑、治療性分子或組合。

3.權利要求2的計算方法，其中所述至少一種治療組合物包含至少一種噬菌體，并且

在步驟(a)中，所述數據還包含：

多種噬菌體株的基因組序列數據；

并且在步驟(b)中，訓練機器學習模型在計算機系統的CPU和存儲器單元上至少使用所述多種細菌菌株的基因組序列數據和所述多種噬菌體株的基因組序列數據；并且

在步驟(c)中，被配置成接收查詢細菌基因組的所述治療組合物機器學習模型被配置成選擇基于受過訓練的機器學習模型被估計為對所述細菌基因組具有敏感性的至少一種噬菌體。

4.權利要求1的方法，其中所述機器學習模型產生治療組合物敏感性序列。

5.權利要求4的方法，所述方法還包括接收從多種治療劑經實驗得出的所述細菌菌株的經實驗得出的治療組合物-宿主敏感性譜，并且產生所述治療組合物敏感性序列包括使用所述治療組合物-宿主敏感性譜進行特征檢測，包括：

(1)鑒定在具有相似或相同的治療組合物-宿主敏感性譜的細菌菌株之間共有的共同基因組序列模式；和/或

(2)鑒定在具有不相似的治療組合物-宿主敏感性譜的細菌菌株之間共有的不相似基因組序列模式；

并且訓練所述模型還包括通過將所述治療組合物敏感性序列與治療組合物-宿主敏感性譜相關聯來表征每一種細菌菌株并且產生每一種細菌菌株的治療組合物-宿主特異性的預測譜。

6.權利要求5的方法，所述方法還包括接收另外的多種細菌的基因組序列數據和治療組合物-宿主敏感性譜并且改進所述機器學習模型。

7.權利要求1至6任一項的方法，其中在無監督過程中訓練所述機器學習模型。

8.權利要求1至7任一項的方法，其中所述機器學習模型是基于深度學習的模型。

9.一種用于產生治療組合物機器學習模型的計算方法，其中所述方法包括：

(a)在計算機數據庫系統中編譯來自多種細菌菌株的數據，其中所述數據包含

(1)多種細菌菌株的基因組序列數據；

和

(2)從多種治療組合物經實驗得出的所述細菌菌株的經實驗得出的治療組合物-宿主敏感性譜；

(b)在計算機系統的CPU和存儲器單元上使用所述多種細菌菌株的基因組序列數據和所述經實驗得出的治療組合物-宿主敏感性譜來訓練機器學習模型；

(c)存儲治療組合物機器學習模型，所述治療組合物機器學習模型被配置成接收查詢細菌基因組并且選擇基于受過訓練的機器學習模型被估計為對所述細菌基因組具有敏感性的至少一種治療組合物。

10.權利要求9的方法，其中所述至少一種治療組合物包含至少一種噬菌體、至少一種抗生素、至少一種殺細菌劑或組合。

11.權利要求9或10的方法，其中使用有監督學習或強化學習方法來迭代地訓練所述機器學習模型。

12.權利要求9、10或11的方法，其中所述機器學習模型是深度學習模型。