一种MODY型糖尿病分型方法、系统和装置

技术领域

本发明涉及糖尿病分型技术领域，具体涉及一种MODY型糖尿病分型方法、系统和装置。

背景技术

糖尿病在全球的发病率逐年增高并成为严重的公共卫生问题。按照常规分类，其绝大部分是1型糖尿病(Type 1Diabetes Mellitus，T1DM)和2型糖尿病(Type 2DiabetesDellitus，T2DM)。此外，还存在一类由单基因突变引发的糖尿病，按临床症状的发病年龄不同，单基因糖尿病可分为两大类：新生儿糖尿病(Neonatal Diabetes Dellitus，NDM)及青少年起病的成人型糖尿病(Maturity Onset Diabetes of Young，MODY)。

单基因糖尿病是由在胰岛β细胞发育、功能或胰岛素信号通路中起关键作用的单个基因突变导致的一种特殊类型糖尿病，约占所有类型糖尿病的1％-5％，给家庭和社会都带来很大负担。MODY型糖尿病属于常染色体显性遗传的单基因遗传病，即由一对等位基因控制的疾病或病理性状，人体中只要单个基因发生突变就足以发病的一类遗传性疾病，进而导致β细胞功能障碍，常见发病于儿童和青少年。临床上仅根据患者的生理生化指标进行诊断，常将MODY型糖尿病误诊为T1DM或T2DM型糖尿病，导致无法得到对症的最佳治疗。

MODY是单基因糖尿病中最常见的类型，其诊断和分型依赖于基因检测，基于基因检测技术已证实14个基因与MODY相关，包括HNF4α-MODY1、GCK-MODY2、HNF1α-MODY3、PDX1-MODY4、HNF1β-MODY5、NEUROD1-MODY6、KLF11-MODY7、CEL-MODY8、PAX4-MODY9、INS-MODY10、BLK-MODY11、ABCC8-MODY12、KCNJ11-MODY13、APPL1-MODY14等。

虽然利用基因检测技术可以方便地确定哪些基因发生了变异，但变异的程度及发生变异的位点重要性不同，导致结果迥然不同。在生命科学领域，基因变异分为pathogenic(致病的)、likelypathogenic(可能致病的)、uncertain significance(致病性不明确的)、likely benign(可能良性的)、benign(良性的)。所以，仅根据基因测序得到相关基因变异信息，也无法准确确定MODY型糖尿病的具体类型。精确诊断单基因遗传病的致病基因在某些情况下可以带来精准的治疗方案，极大缓解或在一定程度上治愈患者的疾病。因而，精确诊断单基因糖尿病病的致病基因在临床实践上具有重大意义和临床价值

由于不同类型MODY患者其发病年龄、临床表现及对药物的治疗反应也不尽相同，所以将MODY从T1DM和T2DM中鉴别出来，正确诊断并及时给予恰当治疗、评估其并发症、预后及对患者家族成员进行分析和遗传咨询，并对其开展个体化诊疗尤为重要。

综上所述，现有的依据患者生理生化指标对MODY型糖尿病存在误诊的缺陷，现有的根据基因测序数据对MODY型糖尿病的诊断与进一步分型存在不精准的问题，因此，需要开发一种MODY型糖尿病分型方法、系统和装置，给相关医护、研究以及其他相关人员提供一种高效、实用、快捷的MODY型糖尿病分型工具。

发明内容

为此，本发明提供一种MODY型糖尿病分型方法、系统和装置，基于临床生理生化指标和DNA测序数据，利用多种变异数据库和变异位点危害性检测工具，通过对患者的基因测序数据注释信息和临床生理生化数据进行综合分析打分，计算MODY的概率，并利用数据库对MODY型糖尿病相关的致病基因的显著程度进行统计检验，从而实现MODY型糖尿病的精准分型。

为了实现上述目的，本发明提供如下技术方案：

一种MODY型糖尿病分型方法，所述方法包括：

获取患者的变异数据文件；

对所述变异数据文件中各变异位点的变异质量、突变频率和变异类型进行过滤，得到高质量的变异位点，利用遗传病诊断数据库和变异危害性预测软件对所述高质量的变异位点进行比对和分析，对所述变异位点进行注释，得到变异基因信息，对所述变异基因信息进行分类打分，得到所述变异基因信息的打分数据；

获取患者的临床生理生化指标，对所述临床生理生化指标进行打分，得到所述临床生理生化指标的打分数据；

对糖尿病流行病学数据集中的数据进行处理，得到所述糖尿病流行病学数据集中数据的得分分布，对所述打分数据进行检验，判断所述打分数据是否符合MODY型糖尿病分布的偏向性，若符合MODY型糖尿病的分布，则计算MODY型糖尿病概率，结合所述变异基因信息获得MODY类型。

优选地，所述获取患者的变异数据文件具体包括：利用人参考基因组信息提取MODY相关基因序列信息，将所述MODY相关基因序列信息构建MODY基因参考序列信息及其索引文件；读取患者的基因测序数据，对所述基因测序数据进行质控，与所述MODY基因参考序列比对，得到患者的变异数据文件。

优选地，所述遗传病诊断数据库包括InterVar、ClinVar、HGMD和OMIM数据库；所述变异危害性预测软件包括SIFT、PolyPhen2和gerp++软件。

优选地，所述患者的临床生理生化指标包括BMI、年龄、家族信息、糖尿病发病年龄、患病时长、糖化血红蛋白、空腹血糖、C肽与尿素氮肌酐比，对所述临床生理生化指标进行打分是根据所述临床生理生化指标的贡献度进行加权打分，将所述临床生理生化指标的打分数据与所述变异基因信息的打分数据进行汇总。

优选地，所述对打分数据进行检验包括Kolmogorov-Smirnov检验单侧检验；所述打分数据包括临床生理生化指标的打分数据，或者，临床生理生化指标的打分数据和变异基因信息的打分数据；所述计算MODY型糖尿病概率采用贝叶斯公式。

本发明还提供一种MODY型糖尿病分型系统，所述系统包括：

获取变异数据文件子系统，用于获取患者的变异数据文件；

致病基因分析及筛选子系统，用于对所述变异数据文件中各变异位点的变异质量、突变频率和变异类型进行过滤，得到高质量的变异位点，利用遗传病诊断数据库和变异危害性预测软件对所述高质量的变异位点进行比对和分析，对所述变异位点进行注释，得到变异基因信息，对所述变异基因信息进行分类打分，得到所述变异基因信息的打分数据；

糖尿病生理生化指标评分子系统，用于获取患者的临床生理生化指标，对所述临床生理生化指标进行打分，得到所述临床生理生化指标的打分数据；

MODY型糖尿病分型结果计算子系统，用于对糖尿病流行病学数据集中的生理生化指标进行处理，得到所述糖尿病流行病学数据集中的生理生化指标的得分分布，对所述打分数据进行检验，判断所述打分数据是否符合MODY型糖尿病分布的偏向性，若符合则计算MODY型糖尿病概率，结合所述变异基因信息获得MODY类型。

优选地，所述获取变异数据文件子系统的功能具体包括：利用人参考基因组信息提取MODY相关基因序列，将所述MODY相关基因序列构建MODY基因参考序列及其索引文件，读取患者的基因测序数据，对所述基因测序数据进行质控，与所述MODY基因参考序列比对，得到患者的变异数据文件。

优选地，所述糖尿病生理生化指标评分子系统的功能还包括根据所述临床生理生化指标的贡献度进行加权打分，将所述临床生理生化指标的打分数据与所述变异基因信息的打分数据进行汇总。

本发明还提供一种MODY型糖尿病分型系统的应用，所述分型系统用于生物信息学软件的开发和应用。

本发明还提供一种MODY型糖尿病分型装置，所述装置包括：数据采集装置、存储器和处理器；

所述数据采集装置用于采集所述MODY型糖尿病分型所需的数据；所述存储器用于存储一个或多个程序指令，用以执行如上所述的方法；所述处理器用于执行一个或多个程序指令，用以执行如上所述的方法。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中包含一个或多个程序指令，当其在计算机上运行时，使得计算机执行如上所述的方法。

在一种或几种具体实施方式中，本发明所提供的MODY型糖尿病分型方法、系统和装置具有以下技术效果：①基于临床生理生化指标和DNA测序数据，利用多种变异数据库和变异位点危害性检测工具，通过对患者的基因测序数据注释信息和临床生理生化数据进行综合分析打分，计算MODY的概率，并对MODY型糖尿病相关的致病基因的显著程度进行统计检验，从而实现MODY型糖尿病的精准分型，尤其是早发糖尿病的精准分型；②本发明的方法、系统和装置不仅可以使用全外显子测序数据，也可以使用全基因组或目标区域测序等不同方式的二代测序数据；③与现有技术相比，本发明具有更高的效率和更为精准的检测结果，能够取得更好的使用效果。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。

本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。

图1为本发明所提供的MODY型糖尿病分型方法的流程图；

图2为本发明所提供的MODY型糖尿病分型方法一种实施方式的流程图；

图3为本发明所提供的MODY型糖尿病分型系统的示意图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明所提供的一种MODY型糖尿病分型方法、系统和装置，基于临床生理生化指标和DNA测序数据，利用多种变异数据库和变异位点危害性检测工具，通过对患者的基因测序数据注释信息和临床生理生化数据进行综合分析打分，计算MODY的概率，并对MODY型糖尿病相关的致病基因的显著程度进行统计检验，从而实现MODY型糖尿病的精准分型。

在一种实施方式中，本发明提供如下技术方案：

一种MODY型糖尿病分型方法，如图1所示，该方法包括：

获取患者的变异数据文件(VCF)；

对变异数据文件中各变异位点的变异质量、突变频率和变异类型进行过滤，得到高质量的变异位点，利用遗传病诊断数据库和变异危害性预测软件对高质量的变异位点进行比对和分析，对变异位点进行注释，得到变异基因信息，对变异基因信息进行分类打分，得到变异基因信息的打分数据；

获取患者的临床生理生化指标，对临床生理生化指标进行打分，得到临床生理生化指标的打分数据；

对糖尿病流行病学数据集中的数据进行处理，得到糖尿病流行病学数据集中数据的得分分布，对打分数据进行检验，判断打分数据是否符合MODY型糖尿病分布的偏向性，若符合MODY型糖尿病的分布，则计算MODY型糖尿病概率，结合变异基因信息获得MODY类型。

在一种具体实施方式中，对变异数据文件中变异质量、突变频率和变异类型进行过滤，保留高质量变异位点信息，整合InterVar、ClinVar、HGMD和OMIM等遗传病诊断数据库，结合SIFT、PolyPhen2和gerp++等变异危害性预测软件，对变异位点进行注释，得到变异基因信息，对变异基因信息进行分类打分，得到变异基因信息的打分数据。

在一种具体实施方式中，对某地区糖尿病流行病学数据集中的生理生化指标进行处理，得到糖尿病流行病学数据集中的生理生化指标的得分分布，形成数据库，存储于本地计算设备，成为本地数据库。

在一种具体实施方式中，对某地区的MODY型糖尿病流行病学数据集中的各种临床数据进行处理，得到MODY型糖尿病流行病学数据集中的临床数据的得分分布，形成数据库，存储于本地计算设备，成为本地数据库。

在一种具体实施方式中，使用由生理生化指标形成的数据库，用于计算MODY型糖尿病的患病；或者使用由生理生化指标形成的数据库和由MODY型糖尿病流行病学数据形成的数据库，计算MODY型糖尿病的患病。

在一种具体实施方式中，如图2所示，获取患者的变异数据文件具体包括：利用人参考基因组信息提取MODY相关基因序列信息，将MODY相关基因序列信息构建MODY基因参考序列信息及其索引文件；读取患者的基因测序数据，对基因测序数据进行质控，与MODY基因参考序列比对，得到患者的变异数据文件。

在一种具体实施方式中，人参考基因组信息为人参考基因组(hg38)信息。

在一种具体实施方式中，患者的基因测序数据包括全基因组测序数据、目标区域测序数据，还包括全外显子或者其他相关二代测序数据。

在一种具体实施方式中，遗传病诊断数据库包括InterVar、ClinVar、HGMD和OMIM数据库；变异危害性预测软件包括SIFT、PolyPhen2和gerp++软件。

在一种具体实施方式中，患者的临床生理生化指标包括BMI、年龄、家族信息、糖尿病发病年龄、患病时长、糖化血红蛋白、空腹血糖、C肽与尿素氮肌酐比，对临床生理生化指标进行打分是根据临床生理生化指标的贡献度进行加权打分，将临床生理生化指标的打分数据与变异基因信息的打分数据进行汇总。

在一种具体实施方式中，按照表1列出的变异信息及生理生化指标评分规则对患者的各项指标进行打分，然后对打分数据进行汇总。对打分数据进行汇总的一种具体方式如下：打分数据采取权重加和计算，其中interVar、ClinVar、HGMD、发病年龄和家族糖尿病史等(表格中带“*”项目)指标的权重占比分别为10％、10％、15％、10％和15％，其余项目均为4％，各项目得分乘以对应权重进行加和计算，得到最终得分。

在一种具体实施方式中，对打分数据进行检验包括Kolmogorov-Smirnov检验单侧检验；打分数据包括临床生理生化指标的打分数据，或者，临床生理生化指标的打分数据和变异基因信息的打分数据；计算MODY型糖尿病概率采用贝叶斯公式。

除了上述方法，本发明还提供一种MODY型糖尿病分型系统，如图3所示，该系统包括：

获取变异数据文件子系统，用于获取患者的变异数据文件；

致病基因分析及筛选子系统，用于对变异数据文件中各变异位点的变异质量、突变频率和变异类型进行过滤，得到高质量的变异位点，利用遗传病诊断数据库和变异危害性预测软件对高质量的变异位点进行比对和分析，对变异位点进行注释，得到变异基因信息，对变异基因信息进行分类打分，得到变异基因信息的打分数据；

糖尿病生理生化指标评分子系统，用于获取患者的临床生理生化指标，对临床生理生化指标进行打分，得到临床生理生化指标的打分数据；

MODY型糖尿病分型结果计算子系统，用于对糖尿病流行病学数据集中的生理生化指标进行处理，得到糖尿病流行病学数据集中的生理生化指标的得分分布，对打分数据进行检验，判断打分数据是否符合MODY型糖尿病分布的偏向性，若符合则计算MODY型糖尿病概率，结合变异基因信息获得MODY类型。

在一种具体实施方式中，本发明的分型系统具有通用的计算机结构，具有通用的CPU、存储器、显示器等常规的计算机硬件设备，以及常规的输入/输出装置，并能够运行通行的操作系统以便能接入互联网等网络资源，能够运行上述各分型方法，实现本发明的目的。

在一种具体实施方式中，获取变异数据文件子系统的功能具体包括：利用人参考基因组信息提取MODY相关基因序列，将MODY相关基因序列构建MODY基因参考序列及其索引文件，读取患者的基因测序数据，对基因测序数据进行质控，与MODY基因参考序列比对，得到患者的变异数据文件。

在一种具体实施方式中，糖尿病生理生化指标评分子系统的功能还包括根据临床生理生化指标的贡献度进行加权打分，将临床生理生化指标的打分数据与变异基因信息的打分数据进行汇总。

基于相同的技术构思，本发明还提供一种MODY型糖尿病分型系统的应用，该分型系统用于生物信息学软件的开发和应用。

在一种具体实施方式中，本发明的分型系统中实现基因变异检测过滤，临床数据评分、分布检验及概率计算等功能的步骤，使用Python等编程语言构建可预加载的module，可在分析中直接调用和维护，亦可用于其他生物信息学软件调用，用于这些软件的开发和应用。

基于相同的技术构思，本发明还提供一种MODY型糖尿病分型装置，该装置包括：数据采集装置、存储器和处理器；

数据采集装置用于采集MODY型糖尿病分型所需的数据；存储器用于存储一个或多个程序指令，用以执行如上所述的方法；处理器用于执行一个或多个程序指令，用以执行如上所述的方法。

在一种具体实施方式中，MODY型糖尿病分型所需的数据包括患者基因测序数据、患者的生理生化指标等临床数据，还包括某地区糖尿病流行病学数据集的数据、某地区的MODY型糖尿病流行病学数据集的数据等。

基于相同的技术构思，本发明还提供一种计算机可读存储介质，该计算机可读存储介质中包含一个或多个程序指令，当其在计算机上运行时，使得计算机执行如上所述的方法。

下面以一个具体实施例对本发明做进一步详细说明，以使本领域技术人员能够更好地理解本发明予以实施。本实施例中如无特殊说明，均使用现有技术的方法和默认参数。

本实施例采用本发明的分型系统运行本发明的分型方法，实现相应的技术效果。该分型系统使用基于Linux计算服务器，服务器为Intel Xeon CPU E5-2650、内存512GB、硬盘20TB以及通用的显示器及输入输出设备。

具体流程如下：

1.通过全外显子测序数据的参考基因组比对和变异信息注释及过滤，获取患者的变异数据文件

1a)提取人基因组(hg38)序列中14个MODY基因(如表2所示)的序列合并为参考序列，使用BWA(Burrows-Wheeler-Alignment)将合并后的参考序列构建为索引文件；

1b)输入文件为二代测序的全外显子测序数据，使用Trimmomatic软件去除原始测序数据中的接头序列和低质量数据，获得clean reads；

1c)使用BWA将数据比对到上述构建的MODY参考序列上，生成比对文件；优选的，为了保证更好的硬盘空间利用可将比对文件压缩为bam格式；

1d)利用GATK软件包检测MODY基因上的变异信息，首先使用GATK分析时使用程序内DuplicatesMarking标记或删除duplicates序列，然后使用RealignerTargetCreator将比对到indel附近的reads进行局部重新比对，降低比对错误概率；最后HaplotypeCaller进行变异检测，输出变异结果文件(VCF文件)。

需要说明的是，在步骤1a中，索引文件仅第一次使用时需要构建，后续分析直接使用BWA调用构建好的索引文件；在步骤1d中，优选的，可使用BaseRecalibrator对bam文件里reads的碱基质量值进行重新校正，保证最后输出的bam文件中reads中碱基的质量值能够更加接近真实的与参考基因组之间错配的概率。

2.对变异数据文件中的内容进行过滤、比对、分析、注释、打分，得到变异基因信息的打分数据

本步实施过程中包括一系列变异注释和筛选的子程序，用于从VCF文件中自动化筛选致病基因中的变异位点，根据变异数据文件中的变异质量、位点突变频率及变异类型进行过滤，保留高质量的变异位点信息，整合InterVar、ClinVar、HGMD和OMIM等遗传病诊断数据库信息，结合SIFT、PolyPhen2和gerp++等变异危害性预测软件，对变异位点进行注释，进而对患者变异信息进行快速分类打分。

2a)质量控制：分析模块会根据每个变异位点的上GATK软件输出的分数，测序深度、变异位点的位置和种类过滤质量较低的变异位点；

2b)突变频率筛选：利用dbSNP、1000Genome和ExAC等公共数据库集内部数据库进行突变频率注释，计算每个位点在人群中的分布频率，并自动筛选最小突变频率(MAF)小于0.05的变异位点；

2c)致病性筛选：利用HGMD、ClinVar、OMIM、interVar等公共或商业化的致病性文献数据库进行比对，筛选留下有文献报道的致病性及潜在致病性的变异位点，同时，该步骤中还使用SIFT、PolyPhen2和gerp++等变异危害性预测软件注释出对蛋白功能具有显著调控的变异位点；

2d)变异类型筛选：根据变异信息筛选显性突变，若有样本父母的变异数据，则会自动过滤不符合遗传模式的变异位点。

3.根据患者的变异信息数据及临床生理生化指标并对其进行打分，得到突变位点和临床生理生化指标打分数据

患者的变异数据和生理生化指标将根据下述表格进行评分，评分分为变异、生理及生化不同类别，影响后续的加权的得分。评分规则如下：

表1变异信息及生理生化指标评分规则

表格中标注含有“*”的指标的项目在后续结合变异数据评分中，将对总分进行加权处理。

4.处理流行病学数据集，得到相关指标得分分布，对得分数据进行检验、计算概率，获得MODY类型

使用1000Genome或内部数据库，筛选每个健康人基因组中的致病性变异位点。针对每个健康人的致病性变异位点，本发明的分型系统会计算其在健康人群中的频率，在此基础上，计算致病性变异位点频率的累加概率分布，利用该累加概率分布，推测在病人中筛选得到的致病性变异位点的频率所对应的累加概率，并把其记录为该变异位点的p值。

4a)将临床数据使用文本文档按对应项目进行录入，分型系统会自动调用VCF注释结果及临床数据进行自动化评分；如包含三代直系亲属的糖尿病史及发病年龄<25岁，其对应指标将得分加权0.8，进行加和；变异数据根据疾病数据库注释得分按每个致病性位点+3分，潜在致病位点+1分，其他+0分；位点危害性注释按每个有害位点+3分，潜在危害位点+1分，其他+0分；

4b)利用1000Genome、ExAC等数据库，针对每个健康人的致病性变异位点，本发明的系统会计算其在健康人群中的频率，并在此基础上，计算致病性变异位点频率的累加概率分布，利用K-S检验概率分布，推测在患者中筛选得到的致病性变异位点的频率所对应的累加概率，并把其记录为该变异位点的p值；

4c)利用本地糖尿病流行病学数据库，计算当患者具有临床表型a时，该病人患MODY型糖尿病k的概率经贝叶斯模型推出。其具体计算如下:定义糖尿病的某个表型为Diabetes

该联合概率P(MDOY

4d)最后，根据其概率判断输入数据是否为MODY病例，如果是输出所有筛选位点对应的基因为候选致病基因，并定义其p值为其上的变异位点的p值，并按照p值进行排序，p值越小，则其为致病基因的可能性越大。

综上，本发明的分型系统能够自动整合从病人临床数据和变异数据进行加权打分，使用贝叶斯公式计算患MODY型糖尿病的概率，并利用K-S检验统计致病基因的p值，输出基于病人临床数据和全外显子组测序数据的候选致病基因的排序，p值越小，则该基因为致病基因的可能性越大，最终精准确定MODY类型。采用本发明的系统相比于现有技术具有更高地效率和更为精确的检测结果，从而能取得更好地临床使用效果。

表2与MODY型糖尿病相关的14型致病基因

该分型系统区别于临床诊断及单纯基因检测方法，相比于基于临床表型的诊断，本系统利用临床数据打分系统和分布模型可降低MODY型糖尿病的误诊概率；相比于单纯基因检测的方法，本系统利用临床数据和统计检验有助于确定MODY的致病基因位点和概率，能更为精准地提供治疗方案。

本说明书中上述方法的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。

需要说明的是，尽管在附图中以特定顺序描述了本发明方法的操作，但这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

虽然本申请提供了如实施例或流程图的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。

上述实施例阐明的单元、装置或模块等，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，移动终端，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

以上所述的具体实施例，对本申请的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请的具体实施例而已，并不用于限定本申请的保护范围，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。