Sistemas y métodos para aprendizaje e identificación de interacciones reguladoras en rutas biológicas.

Un método implementado por ordenador para clasificar un tejido como perteneciente a un tejido específico de subtipo,

que comprende:

(a) obtener, a través de un módulo de interfaz de entrada ómico (120), al menos un conjunto de datos ómico (135) representativo del tejido;

(b) acceder, a través de un módulo de procesamiento ómico (170), a un modelo de ruta biológica (150) que tiene una pluralidad de elementos de la ruta que comprenden al menos uno de una secuencia de ADN, una secuencia de ARN, una proteína y una función de proteína, en la que al menos dos de los elementos están acoplados entre sí a través de una ruta que tiene un nodo regulador que controla la actividad a lo largo de la ruta en función de una pluralidad de parámetros reguladores;

i) cuando el elemento de la ruta comprende una secuencia de ADN, al menos uno de la pluralidad de parámetros reguladores se selecciona del grupo que consiste en un factor de transcripción, un activador de la transcripción, una subunidad de ARN polimerasa, un elemento regulador en cis, un elemento regulador en trans, una histona acetilada, una histona metilada y un represor,

ii) cuando el elemento de la ruta comprende una secuencia de ARN, al menos uno de la pluralidad de parámetros reguladores se selecciona del grupo que consiste en un factor de iniciación, un factor de traducción, una proteína de unión a ARN, una proteína ribosómica, un ARNpi y una proteína de unión a poliA, y

iii) cuando el elemento de la ruta comprende una proteína, al menos uno de la pluralidad de parámetros reguladores es una fosforilación, una acilación, una escisión proteolítica y asociación con al menos una segunda proteína; (c) inferir, mediante el módulo (170) de procesamiento ómico, basado en al menos un conjunto de datos (135) ómico y el modelo (150) de ruta, un conjunto de correlaciones de interacción entre la pluralidad de parámetros reguladores, en el que las probabilidades condicionales de enlaces individuales se aprenden y se utiliza una suposición de Bayes sencilla para calcular la probabilidad de un nodo hijo Y dados los progenitores X1, ... Xn, en donde la probabilidad F se calcula con base en la expresión:**Fórmula**

en la que Z es una constante de normalización que corresponde a P(X1,...Xn), siendo el modelo de ruta un modelo probabilístico configurado para usar gráficos de factores usando un modelo de regulación independiente;

(d) actualizar el modelo de ruta (150) basado en las correlaciones de interacción aprendidas, en el que la interfaz de entrada ómica es una interfaz de computación configurada para recibir uno o más conjuntos de datos ómicos, y en el 30 que el módulo de procesamiento ómico es una parte de un dispositivo de computación, en el que una prueba G determina l

a significación estadística de la dependencia entre los progenitores que proporcionan una distribución de hijos, y en el que una correlación de Pearson o información mutua puntual ponderada (WPMI) determina el signo de interacción para los parámetros reguladores,

(e) hacer coincidir el conjunto derivado de correlaciones de interacción con un conjunto conocido a priori de correlaciones de interacción que está asociado con un tejido específico de subtipo conocido; y

(f) utilizar el emparejamiento para clasificar que el conjunto de datos ómico representativo del tejido pertenece al tejido específico de subtipo conocido, en el que el subtipo incluye tejido resistente al fármaco, tejido metastático, tejido tratado con fármaco o una variante clonal de un tejido.