1.一种用于识别生物标记的方法，所述方法包括：
通过计算设备，使用查询对生物医学文本、科学摘要或生物信息学数据的一个或多个公共来源进行数据挖掘，以识别与一个或多个预定项相关联的数据库项；
通过所述计算设备，对识别出的数据库项中的每个数据库项与所述一个或多个预定项之间的一个或多个关联进行评分；
通过所述计算设备，基于识别出的数据库项中的每个数据库项与所述一个或多个预定项之间的所述一个或多个关联的得分来确定子集b；
通过所述计算设备，按预定次序使用算法的组合来开发相互作用网络模型，所述相互作用网络模型包括相互作用、附加数据库项以及所述子集b中的数据库项，其中所述相互作用网络模型是使用包括特定于组织或器官的参数的预设参数来开发的，所述特定于组织或器官的参数将所述相互作用和所述附加数据库项限制到具体的组织或器官；以及通过所述计算设备，基于所述相互作用网络模型中的所述附加数据库项以及所述子集b中的数据库项的排名，从所述相互作用网络模型中识别候选生物标记。
2.如权利要求1所述的方法，还包括：
通过所述计算设备，擦洗识别出的数据库项以移除不是“实际”关注的数据库项的所谓数据库项，以生成仅包括“实际”关注的数据库项的子集a；以及
通过所述计算设备，生成所述子集b的列表，所述列表包括识别出的数据库项的名称、识别出的数据库项的标识符或符号、以及每个识别出的数据库项与所述一个或多个预定项之间的所述一个或多个关联的得分。
3.如权利要求1所述的方法，还包括：通过所述计算设备，使用统计处理来验证所述相互作用网络模型。
4.如权利要求3所述的方法，其中，所述验证包括使用统计数据来证明所述附加数据库项以及子集b中的数据库项在包括人类基因-疾病关联的独立第三方数据源中的富集。
5.如权利要求1所述的方法，其中，开发所述相互作用网络模型包括：
对子集b中的数据库项应用增长算法以在上游构建包括所述附加数据库项的5-50个节点，其中在该增长算法中排除相关性和表达关系；
对子集b中的数据库项应用增长算法以在下游构建包括所述附加数据库项的5-50个节点，其中在该增长算法中排除相关性和表达关系；
使用直接连接算法将在给定预设参数的情况下能够直接连接的所有节点连接起来以创建核心网络，其中在该直接连接算法中排除相关性和表达关系；
对所述核心网络应用用于找出节点之间的最短路径的算法，以识别直接连接和其中还有一个附加步骤的连接，其中在用于找出最短路径的所述算法中排除相关性和表达关系；
对所述核心网络中在给定所述预设参数的情况下能够直接连接的所有节点应用直接连接算法，其中，该直接连接算法中排除相关性和表达关系；以及
对所述核心网络应用用于找出最短路径的所述算法，以识别直接连接和其中还有一个附加步骤的连接，其中相关性和表达关系被包括在用于找出最短路径的该算法中。
6.如权利要求1所述的方法，还包括：
通过计算设备，识别第一数据集和第二数据集之间的交集，其中所述第一数据集包括来自所述相互作用网络模型的所述附加数据库项和子集b中的数据库项的列表以及具有现有的经过验证的测定的已知测试分析物的列表；以及
通过所述计算设备，基于包括第一数据集和第二数据集之间的交集的标准，将子集b中的数据库项和所述附加数据库项作为候选生物标记进行排名。
7.权利要求6的方法，其中，所述标准包括：排名1候选生物标记，排名1候选生物标记是被一个或多个治疗专家独立地推荐作为“生物标记”的那些数据库项；排名2候选生物标记，排名2候选生物标记是通过数据挖掘识别出的并且是所述相互作用网络模型的组成部分的那些数据库项，诸如基因或蛋白质；以及排名3候选生物标记，排名3候选生物标记是非排名
1且非排名2候选生物标记的那些数据库项。
8.如权利要求1所述的方法，还包括：
识别与所述数据挖掘中未找到的一个或多个预定项相关联的一个或多个附加项，以及通过所述计算设备，将所述一个或多个附加项导入子集b，
其中，所述相互作用网络模型包括相互作用、附加数据库项、以及子集b中的数据库项和所述一个或多个附加项。
9.如权利要求8所述的方法，其中，所述一个或多个附加项包含化学物质或小分子，所述化学物质或小分子涉及包括所述数据库项的一个或多个生物通路。
10.一种在其上存储有指令的非暂态机器可读存储介质，所述指令在由一个或多个处理器执行时使所述一个或多个处理器执行包括以下操作的方法：
使用查询对生物医学文本、科学摘要或生物信息学数据的一个或多个公共来源进行数据挖掘，以识别与一个或多个预定项相关联的数据库项；
对识别出的数据库项中的每个数据库项与所述一个或多个预定项之间的一个或多个关联进行评分；
擦洗识别出的数据库项以移除不是“实际”关注的数据库项的所谓数据库项，以生成仅包括“实际”关注的数据库项的子集a；
基于识别出的数据库项中的每个数据库项与所述一个或多个预定项之间的所述一个或多个关联的得分来确定所述子集a的子集b；
按预定次序使用算法的组合来开发相互作用网络模型，所述相互作用网络模型包括相互作用、附加数据库项以及所述子集b中的数据库项，其中所述相互作用网络模型是使用包括特定于组织或器官的参数的预设参数来开发的，所述特定于组织或器官的参数将所述相互作用和所述附加数据库项限制到具体的组织或器官；以及
基于所述相互作用网络模型中的所述附加数据库项以及所述子集b中的数据库项的排名，从所述相互作用网络模型中识别候选生物标记。
11.如权利要求10所述的非暂态机器可读存储介质，其中，所述方法还包括：
擦洗识别出的数据库项以移除不是“实际”关注的数据库项的所谓数据库项，以生成仅包括“实际”关注的数据库项的子集a；以及
生成所述子集b的列表，所述列表包括识别出的数据库项的名称、识别出的数据库项的标识符或符号、以及每个识别出的数据库项与所述一个或多个预定项之间的所述一个或多个关联的得分。
12.如权利要求10所述的非暂态机器可读存储介质，其中，所述方法还包括使用统计处理来验证所述相互作用网络模型。
13.如权利要求12所述的非暂态机器可读存储介质，其中，所述验证包括使用统计数据来证明所述附加数据库项以及子集b中的数据库项在包括人类基因-疾病关联的独立第三方数据源中的富集。
14.如权利要求10所述的非暂态机器可读存储介质，其中，开发所述相互作用网络模型包括：
对子集b中的数据库项应用增长算法以在上游构建包括所述附加数据库项的5-50个节点，其中在该增长算法中排除相关性和表达关系；
对子集b中的数据库项应用增长算法以在下游构建包括所述附加数据库项的5-50个节点，其中在该增长算法中排除相关性和表达关系；
使用直接连接算法将在给定预设参数的情况下能够直接连接的所有节点连接起来以创建核心网络，其中在该直接连接算法中排除相关性和表达关系；
对所述核心网络应用用于找出节点之间的最短路径的算法，以识别直接连接和其中还有一个附加步骤的连接，其中在用于找出最短路径的所述算法中排除相关性和表达关系；
对所述核心网络中在给定所述预设参数的情况下能够直接连接的所有节点应用直接连接算法，其中，该直接连接算法中排除相关性和表达关系；以及
对所述核心网络应用用于找出最短路径的所述算法，以识别直接连接和其中还有一个附加步骤的连接，其中相关性和表达关系被包括在用于找出最短路径的该算法中。
15.如权利要求10所述的非暂态机器可读存储介质，其中，该方法还包括：
识别第一数据集和第二数据集之间的交集，其中所述第一数据集包括来自所述相互作用网络模型的所述附加数据库项和子集b中的数据库项的列表以及具有现有的经过验证的测定的已知测试分析物的列表；以及
基于包括第一数据集和第二数据集之间的交集的标准，将子集b中的数据库项和所述附加数据库项作为候选生物标记进行排名。
16.如权利要求15所述的非暂态机器可读存储介质，其中，所述标准包括：排名1候选生物标记，排名1候选生物标记是被一个或多个治疗专家独立地推荐作为“生物标记”的那些数据库项；排名2候选生物标记，排名2候选生物标记是通过数据挖掘识别出的并且是所述相互作用网络模型的组成部分的那些数据库项，诸如基因或蛋白质；以及排名3候选生物标记，排名3候选生物标记是非排名1且非排名2候选生物标记的那些数据库项。
17.如权利要求10所述的非暂态机器可读存储介质，其中，所述方法还包括：
识别与所述数据挖掘中未找到的一个或多个预定项相关联的一个或多个附加项，以及将所述一个或多个附加项导入子集b，
其中，所述相互作用网络模型包括相互作用、附加数据库项、以及子集b中的数据库项和所述一个或多个附加项。
18.如权利要求17所述的非暂态机器可读存储介质，其中，所述一个或多个附加项包含化学物质或小分子，所述化学物质或小分子涉及包括所述数据库项的一个或多个生物通路。
19.一种系统，包括：
一个或多个处理器和非暂态机器可读存储介质；
使用查询对生物医学文本、科学摘要或生物信息学数据的一个或多个公共来源进行数据挖掘以识别与一个或多个预定项相关联的数据库项的程序指令；
对识别出的数据库项中的每个数据库项与所述一个或多个预定项之间的一个或多个关联进行评分的程序指令；
擦洗识别出的数据库项以移除不是“实际”关注的数据库项的所谓数据库项以生成仅包括“实际”关注的数据库项的子集a的程序指令；
基于识别出的数据库项中的每个数据库项与所述一个或多个预定项之间的所述一个或多个关联的得分来确定所述子集a的子集b的程序指令；
按预定次序使用算法的组合来开发相互作用网络模型的程序指令，所述相互作用网络模型包括相互作用、附加数据库项以及所述子集b中的数据库项，其中所述相互作用网络模型是使用包括特定于组织或器官的参数的预设参数来开发的，所述特定于组织或器官的参数将所述相互作用和所述附加数据库项限制到具体的组织或器官；以及
基于所述相互作用网络模型中的所述附加数据库项以及所述子集b中的数据库项的排名从所述相互作用网络模型中识别候选生物标记的程序指令，
其中程序指令被存储在所述非暂态机器可读存储介质上以供所述一个或多个处理器执行。
20.如权利要求19所述的系统，还包括：
擦洗识别出的数据库项以移除不是“实际”关注的数据库项的所谓数据库项以生成仅包括“实际”关注的数据库项的子集a的程序指令；以及
生成所述子集b的列表的程序指令，所述列表包括识别出的数据库项的名称、识别出的数据库项的标识符或符号、以及每个识别出的数据库项与所述一个或多个预定项之间的所述一个或多个关联的得分。
21.如权利要求19所述的系统，还包括：使用统计数据来证明所述附加数据库项以及子集b中的数据库项在包括人类基因-疾病关联的独立第三方数据源中的富集从而验证所述相互作用网络模型的程序指令。
22.如权利要求19所述的系统，其中，开发所述相互作用网络模型包括：
对子集b中的数据库项应用增长算法以在上游构建包括所述附加数据库项的5-50个节点，其中在该增长算法中排除相关性和表达关系；
对子集b中的数据库项应用增长算法以在下游构建包括所述附加数据库项的5-50个节点，其中在该增长算法中排除相关性和表达关系；
使用直接连接算法将在给定预设参数的情况下能够直接连接的所有节点连接起来以创建核心网络，其中在该直接连接算法中排除相关性和表达关系；
对所述核心网络应用用于找出最短路径的算法，以识别直接连接和其中还有一个附加步骤的连接，其中在用于找出最短路径的所述算法中排除相关性和表达关系；
对所述核心网络中在给定所述预设参数的情况下能够直接连接的所有节点应用直接连接算法，其中，该直接连接算法中排除相关性和表达关系；以及
对所述核心网络应用用于找出节点之间的最短路径的所述算法，以识别直接连接和其中还有一个附加步骤的连接，其中相关性和表达关系被包括在用于找出最短路径的该算法中。
23.如权利要求19所述的系统，还包括：
识别第一数据集和第二数据集之间的交集的程序指令，其中所述第一数据集包括来自所述相互作用网络模型的所述附加数据库项和子集b中的数据库项的列表以及具有现有的经过验证的测定的已知测试分析物的列表；以及
基于包括第一数据集和第二数据集之间的交集的标准将子集b中的数据库项和所述附加数据库项作为候选生物标记进行排名的程序指令。
24.如权利要求19所述的系统，其中，所述标准包括：排名1候选生物标记，排名1候选生物标记是被一个或多个治疗专家独立地推荐作为“生物标记”的那些数据库项；排名2候选生物标记，排名2候选生物标记是通过数据挖掘识别出的并且是所述相互作用网络模型的组成部分的那些数据库项，诸如基因或蛋白质；以及排名3候选生物标记，排名3候选生物标记是非排名1且非排名2候选生物标记的那些数据库项。
25.如权利要求19所述的系统，还包括：
识别与所述数据挖掘中未找到的一个或多个预定项相关联的一个或多个附加项的程序指令，以及
将所述一个或多个附加项导入子集b的程序指令，
其中，所述相互作用网络模型包括相互作用、附加数据库项、以及子集b中的数据库项和所述一个或多个附加项。
26.如权利要求25所述的系统，其中，所述一个或多个附加项包含化学物质或小分子，所述化学物质或小分子涉及包括所述数据库项的一个或多个生物通路。