1.本发明涉及基因分析(剖析)领域。更具体地，本发明涉及一种用于进行特质评估以预测受试者的天赋和智能的系统和方法，并且提供用于增强天赋和智能的解决方案。


背景技术：

2.儿童发育包含在自然情况和养育情况之间的复杂相互作用，其中自然情况是指生物和遗传因素，而养育情况是指环境因素和营养状况。它们是决定个体从出生到青春期结束之间发生的生物、心理和情感变化的重要组成部分，并且是塑造个体的行为、性格和技能的关键。
3.个体的能力和天赋能够受脱氧核糖核酸(dna)的影响，dna包含可以影响至少一种天赋或能力的信息。能力和天赋的一些示例包括：音乐能力、教育程度、智能、记忆力、持久性、多种语言交流能力、或者解决问题或数学方程的能力。因此，遗传信息可用于预测个体的天赋、智商(iq)、情商(eq)和个性相关特质，然后提供用于儿童发展的路线图。能够通过创建用于扩展、塑造或消除(压制)天赋、iq、eq和个性相关特质的外部影响来提前规划儿童发展。
4.在1983年由howard gardner博士开发的多元智能理论提出了八种不同的智能，这些智能涵盖了范围广泛的人类潜能，主要是语言智能(word smart：文字技巧)、数理逻辑智能(number/reasoning smart：数字/推理技巧)、空间智能(picture smart：构图技巧)、肢体动觉智能(body smart：肢体技巧)、音乐智能(music smart：音乐技巧)、人际交往智能(people smart：人际技巧)、内省智能(self-smart：自省技巧)和自然智能(nature smart：自然技巧)。该理论能够用作基于个体智商构建个体的最佳学习方法的指导。
5.基因检测技术可用于确认疑似遗传疾病和识别发生或传递遗传疾病的机会。分子基因检测是研究单个基因或短长度dna以识别个体中的变化或突变的检测的示例。具体地，能够通过基因检测获得关于单核苷酸多态性基因的信息，其中该信息可用于鉴定表型特质并提供疾病或遗传疾病的指标。在授权的美国专利us7127355b2中已经公开了基因检测方法，以确定个体发展或表现出与疾病、遗传疾病或对药物的阳性或阴性反应相对应的多因素特质的几率。该方法对个体中的单核苷酸多态性进行基因检测，其中个体的基因型被赋予得分，并且在确定适当的治疗过程之前将得分与阈值进行比较。然而，该专利既不对评估个体的天赋或智能相关特质进行相同的操作，也不提供对所有特质的概述，和进一步开发这些特质的建议。
6.在此需要提供一种快速且安全的选项，用于通过基因分析方法评估个体的与天赋和智能相关的特质。该评估生成对所有特质的概述，并基于有效和全面的分析来提供对智能和天赋的预测。


技术实现要素：

7.本发明的主要目的是提供一种快速、非侵入性和安全的选项，用于通过脱氧核糖
核酸(dna)信息对受试者进行特质评估，特别是对与天赋和智能相关特质进行特质评估，以确定受试者中的至少一个优异或次优异的特质，并生成全面的结果，该结果提供对智能和天赋的解析。结果是有效的、一致的和准确的，并且对于教育领域、就业领域、天赋发展行业和运动与健身领域是有用的。本发明还提供了解受试者的个性、情商和智商并生成个性化特质发展路线图的基础，该个性化特质发展路线图专注于至少一个来自受试者的与天赋和智能相关特质中这两者中优异或次优异的特质。这样的创新使得受试者能够在个性、情商和智商方面更好地理解他/她自己，并且可选地基于来自个性化特质发展路线图的指导来加强优异的特质或培养次优异的特质。为了实现该目的，本发明提供了一种用于进行特质评估的方法，该特质评估由结合有以下步骤的系统执行：根据dna信息确定对应于特质的遗传变异的存在和每个遗传变异中的变异的数量，并相应地分配得分以确保有效性、一致性和准确性。该方法还包括处理得分以获得表示天赋相关特质的强度的排序(等级)，和/或表示智能相关特质的强度的总量的排序，并且据此提供针对与天赋和智能相关特质的数据图示。
8.本发明提供一种用于进行由具有服务器的系统执行的受试者的特质评估的方法，所述服务器具有用于控制所述系统的操作的处理器，所述方法包括以下步骤：通过关于从受试者的脱氧核糖核酸获得的一个或多个遗传变异的信息来确定受试者的至少一个天赋相关特质的排序和受试者的至少一个智能相关特质的总量中的任意一个或两者，其中，所述信息包括遗传变异的存在和在每个遗传变异中发现的变异的数量。
9.优选地，该方法还包括以下步骤：在确定天赋相关特质的排序和智能相关特质的总量中的任意一个或两者的步骤之前，对通过分配给对应于相同特质的每个遗传变异的个体得分求和来计算每个特质的总得分，其中基于信息来分配每个遗传变异的个体得分。
10.在本发明的优选实施方式中，可以通过将总得分参考对应的天赋相关特质的预定参考数据来确定天赋相关特质的排序。所述参考数据能够为基于群体的总得分和天赋相关特质频率而生成的群体的正态分布数据。优选地，所述参考数据被划分为定义不同排序的区间。所述方法还可以包括基于所确定的排序向受试者推荐课程(项目)的步骤。优选地，天赋包括学术学习、艺术、舞蹈、语言、领导力、数学、音乐、耐力运动和爆发力运动中的任意一个或组合。
11.在另一优选实施方式中，能够通过应用分配给总得分的权重的公式来确定智能相关特质的总量。优选地，所述方法包括生成一个或多个智能相关特质的所述总量的数据呈现的步骤，其中所述数据呈现可以包括图表、表格和曲线图，并且所述总量能够是百分比、比率或分数的形式。优选地，智能包括逻辑智能、听觉智能、身体智能、语言智能、视觉智能、社交智能和独立智能中的任意一个或组合。
12.本发明还提供一种用于进行受试者的特质评估的系统，所述系统包括：服务器，所述服务器具有用于控制所述系统的操作的处理器；排序模块，所述排序模块用于确定所述受试者的至少一个天赋相关特质的排序；以及计算模块，所述计算模块用于通过关于从所述受试者的脱氧核糖核酸获得的一个或多个遗传变异的信息来确定所述受试者的至少一个智能相关特质的总量；其中所述信息包括所述遗传变异的存在和在每个遗传变异中发现的变异的数量。
13.优选地，该系统还包括得分确定模块，用于通过对分配给对应于相同特质的所有
遗传变异的个体得分求和来计算每个特质的总得分，其中每个遗传变异的个体得分基于该信息来分配。该系统还可以包括用于存储预定参考数据以确定天赋相关特质的排序的数据库，其中参考数据可以是基于群体的天赋相关特质的总得分和出现频率生成的群体的正态分布数据。参考数据可以被划分为定义不同排序的区间。
14.优选地，该系统还包括推荐模块，用于基于所确定的排序向受试者推荐课程。所述课程可以包括提升课程、培养课程、就业课程和竞赛选择课程。优选地，天赋包括学术学习、艺术、舞蹈、语言、领导力、数学、音乐、耐力运动和爆发力运动中的任意一个或组合。
15.优选地，所述系统还包括呈现生成模块，以用于生成一个或多个总量的智能相关特质的数据呈现。数据呈现可以包括图表、表格和曲线图，并且所述总量能够是百分比、比率或分数的形式。优选地，智能包括逻辑智能、听觉智能、身体智能、语言智能、视觉智能、社交智能和独立智能中的任意一个或组合。
16.本领域技术人员将容易理解，本发明非常适合于实现其目的并获得所提到的目的和优点，以及其中固有的目的和优点。本技术描述的实施方式并不旨在限制本发明的范围。
附图说明
17.出于便于理解本发明的目的，在附图中示出了优选实施方式，当结合以下描述加以考虑时，本发明、其构造和操作以及其许多优点将被容易地理解和领会。
18.图1是根据本发明的优选实施方式，示出了用于进行特质评估的服务器的不同模块的框图。
19.图2是根据本发明的实施方式，示出了在进行受试者的特质评估期间的处理步骤的流程图。
具体实施方式
20.如本技术中所描述，术语“系统”或“计算机系统”指代具有一个或多个计算机和/或其他电子装置的网络系统，其中电子装置的每一个计算机可包含体现用以操作计算机/电子装置或其组件中的一个或多个的软件的计算机可读媒体。系统的非限制性示例可以包括：分布式计算机系统，其用于经由网络连接的计算机系统处理信息；以及两个或多个计算机系统，其经由网络连接在一起，用于在计算机系统之间传输和/或接收信息。
21.如本技术中所描述，术语“服务器”可指经由用于控制系统的操作的多个模块接收输入请求且发送处理后请求的装置。服务器是指包括至少一个处理器和从膝上型计算机、台式计算机、智能电话、平板计算机、可穿戴智能装置和本技术定义为“计算机”的任意装置中选择的图形界面用户的装置。
22.如本技术中所描述，术语“处理器”可指处理来自暂存器及/或存储器的电子数据以将所述电子数据变换成可存储于暂存器及/或存储器中的其它电子数据的装置或装置的部分。“计算机系统”可以包括一个或多个处理器。
[0023]“图形用户界面”可以指通过服务器的显示器显示的所有视觉可识别和/或可交互的视觉(画面)。
[0024]
如本技术所使用的，术语“网络”或“通信网络”或“通信信道”可以用多个协议中的任意一种来操作，无线、wifi和诸如互联网协议(ip)、异步传输模式(atm)和/或同步光网络
(sonet)、用户数据报协议(udp)、ieee802.1 x。
[0025]
如本技术所述，术语“遗传变异”可指选自由以下组成的群组的基于核酸的遗传变异：遗传突变、基因扩增、基因重排、缺失、插入、缺失变异、单核苷酸多态性(snp)、表观遗传变异、剪接变异、核糖核酸(rna)/蛋白质过度表达和异常rna/蛋白质表达及其组合。在本发明的优选实施方式中，遗传变异是指影响基因的变异，该基因涉及蛋白质的产生，该蛋白质决定对与天赋和智能相关特质的任意一种或组合的倾向(易感性)。
[0026]
本发明涉及一种用于基于dna信息进行受试者的特质评估的系统和相关方法，所述特质评估优选是与天赋和智能相关特质，以获得用于预测特质的概况，并且确定至少一个特质的缺少优异性或存在优异性。特别地，天赋相关特质可以包括学术学习、艺术、舞蹈、语言、领导力、数学、音乐、耐力运动和爆发力运动中的任意一个或组合；并且与智能相关的特点可以包括逻辑智能、听觉智能、身体智能、语言智能、视觉智能、社交智能和独立智能中的任意一个或组合。
[0027]
根据本发明的优选实施方式，用于进行特质评估的系统包括装置和能够通过通信信道与装置通信的至少一个服务器。该系统还包括能够嵌入到网站或移动应用中的多个处理器可执行指令。在一些实例中，将处理器可执行指令嵌入到网站或移动应用中使得能够执行多个任务，并且通过装置的显示设备提供输出，优选为可交互输出，诸如但不限于以图表、曲线图、表格和推荐课程的形式的数据呈现。所述装置可任选地连接到印刷设备以产生可印刷输出。
[0028]
服务器可以是如上述实施方式中所描述的装置，或者从智能电话、平板电脑、计算机、可穿戴智能装置和连接到通信网络或因特网并且能够显示网站或移动应用的交互式图形用户界面以用于显示特质评估概况的计算机中选择的任意装置。服务器包括处理器(101)，用于通过处理包括嵌入到网站或移动应用中的处理器可执行指令的多个指令来控制系统(100)的操作，所述指令使得用户能够执行各种任务，诸如与数据呈现或推荐课程交互。服务器还包括：存储器单元，用于在由处理器(101)执行多个操作的同时临时存储数据和指令；以及存储单元，用于存储各种数据。服务器还包括用于呈现交互式图形用户界面的显示单元，交互式图形用户界面继而呈现数据呈现或推荐课程。允许用户使用键盘、诸如鼠标的定点装置、至少一个手势或触摸、语音激活或任意其他交互手段来与呈现在交互式图形用户界面上的内容交互。
[0029]
图1示出了根据本发明的优选实施方式用于进行特质评估的服务器的不同模块的框图。用于进行特质评估的本系统(100)包括：服务器，具有用于控制系统(100)的操作的处理器；导入模块(102)，用于经由通信网络将受试者的dna信息以可读的遗传变异代码从源导入系统(100)；得分确定模块(103)，用于基于dna信息确定对应于特质的遗传变异的存在和在每个遗传变异中发现的变异的数量，并且基于该变异的数量来分配个体得分，并通过对个体得分求和来计算每个特质的总得分，数据库(104)，该数据库(104)存储用于参考总得分的预定参考数据，以确定针对天赋相关特质的排序；排序模块(105)，用于确定针对至少一个天赋相关特质的排序；推荐模块(106)，用于基于排序来向受试者推荐课程；计算模块(107)，用于处理总得分，以通过应用于分配给总得分的权重的公式来确定智能相关特质的总量；以及呈现生成模块(108)，用于基于该总量来生成数据呈现。
[0030]
优选地，得分确定模块(103)通过检查负责与学术学习、艺术、舞蹈、语言、领导力、
数学、音乐、耐久运动、爆发力运动、逻辑智能、听觉智能、身体智能、语言智能、视觉智能、社交智能和独立智能相关联的特质的基因的基因型信息来检测遗传变异。在示例性实施方式中，得分确定模块(103)将基因识别列出为表1。
[0031]
在本发明的一个优选实施方式中，导入模块(102)将从受试者的生物样品提取的dna信息转化为系统(100)可读的遗传变异码，并将遗传变异码导入系统(100)中。遗传变异是基于核酸的遗传变异，其选自遗传变异、基因扩增、基因重排、缺失、插入、缺失变异、snp、表观遗传变异、剪接变异、rna/蛋白质过表达和异常rna/蛋白质表达及其组合。遗传变异代码由得分确定模块(103)处理以确定对应于特质的遗传变异的存在和在每个遗传变异中发现的变异的数量。得分确定模块(103)还根据变异的数量，通过将得分1分配给一个变异，并且将得分2分配给两个有利变异，来将个体得分分配给遗传变异；以及对个体得分求和以获得与天赋和智能相关特质的总得分。总得分可以在数据库(104)或计算模块(107)中被处理之前被临时存储在系统(100)中。
[0032]
在本发明的优选实施方式中，将天赋相关特质的总得分参考存储在数据库(104)中的预定参考数据，并经由排序确定模块(105)确定排序。参考数据可以是基于群体的天赋相关特质的总得分和频率生成的群体的正态分布数据，其被划分为定义不同排序的区间。可以通过四分位数方法将区间划分成四个定义的区间，每个区间指示一个排序。因此，参考数据的最低总得分落入第一排序，最高总得分落入第四排序。排序确定模块(105)基于总得分落入其中的区间来确定天赋相关特质的总得分的排序。例如，具有较低总得分的次优异的特质可以落入第一排序中并且被确定为排序1，并且具有较高总得分的优异的特质可以落入第四排序中并且被确定为排序4。排序能够用于经由推荐模块(106)推荐至少一个课程。该课程可以包括但不限于用于强化优异特质的提升课程、用于开发次优异特质的培养课程、用于为劳动力规划分配短期或长期任务或预测潜在职业路径的雇用课程、以及用于为竞赛选择合适候选人的竞赛选择课程。
[0033]
在本发明的另一优选实施方式中，计算模块(107)使用与分配给总得分的权重一起应用的公式来确定智能相关特质的总量。该总量可以以百分比、比率或分数的形式获得。优选地，具有较高总量的特质指示优异的特质，而具有较低总量的特质指示次优异的特质。在呈现生成模块(108)中处理一个或多个智能相关特质的总量，以生成图表、表格或曲线图的数据呈现。数据呈现提供了可在装置的显示设备上的交互式图形用户界面上呈现的智能相关特质的概况。可选地，数据呈现可以被发送到外部分析单元，以基于智能相关特质的次优异性和/或优异性来生成学习方法，以制定个性化特质发展路线图或个性化学习方法来优化特质的潜力。
[0034]
图2是示出根据本发明的实施方式的包括在本系统(100)中进行的特质评估期间的处理步骤的方法的流程图。进行特质评估的方法(200)以将包括受试者的dna信息的可读遗传变异代码导入到系统(100)中的步骤开始，如框(201)所示。然后，可以根据信息来确定对应于与天赋或智能相关的特质的遗传变异，并且基于每个遗传变异中的变异的数量来分配个体得分，如框(202)和(203)中所示。特别地，得分1可以被分配给一个有利变异的存在，并且得分2可以被分配给两个有利变异的存在。基于变异的数量的个体得分的分配避免了偏差，并且确保了方法中的有效性、一致性和准确性，并且进一步有助于实现快速分析。如在框(204)中，通过对每个特质的个体得分求和来计算特质的总得分。特质的总得分可以存
储在系统(100)中并且在框(205)或(207)中进一步处理。如在框(205)和(206)中，将天赋相关特质的总得分参考能够被划分为定义不同排序的区间的预定参考数据，以获得特质的排序，并且基于排序推荐课程。例如，可以将具有落入第一排序中的低总得分的特质识别为次优异的特质，并且可以将具有落入第四排序中的高总得分的特质识别为优异的特质。排序确定使得用户能够识别受试者中的天赋相关特质的强度或优异性，然后基于课程推荐采取行动。次优异的特质可以推荐使用用于开发特质的培养课程；而优异的特质可以推荐使用用于强化特质的提升课程。该课程还推荐用于为劳动力规划分配短期或长期任务或预测潜在职业路径的丰富课程，或用于为竞赛选择合适候选人的竞赛选择课程。同时，如在框(207)和(208)中那样，通过使用具有分配给总得分的权重的公式来计算智能相关特质的总得分以获得总量，然后以图表、曲线图或表格的形式生成数据呈现。数据呈现提供了对应于智商的至少一个优异特质和次优异的特质的概况。能够基于数据呈现来生成个性化特质发展路线图或个性化学习方法，使得用户可以利用路线图或学习方法来设计最佳学习条件，优选地基于多元智能理论，以开发优异特质或次优异特质。有利地，从该方法生成的排序和数据呈现能够是快速且安全的选项，通过用于确定与天赋和智能相关的特质中的任意一个或两者的优异性，并且生成全面的结果，该结果向受试者的智能和天赋提供了解和预测。该方法还提供理解受试者的个性、情商和智商的基础，而没有以问卷的形式进行评估的麻烦。
[0035]
本发明公开包括所附权利要求的内容以及前述的内容。尽管已经以具有一定程度的优选形式描述了本发明，但是应当理解为，优选形式的公开仅通过示例的方式进行，并且在不脱离本发明的范围的情况下，可以对构造细节以及部件的组合和布置做出诸多改变。
[0036]
示例
[0037]
已实施以下非限制性示例以对本发明的优选实施方式加以说明。
[0038]
示例1
[0039]
表格1：与天赋相关的和智能相关特质的映射基因和登记号的示例。
[0040]
[0041]
[0042]
[0043]