KR101847778B1 - A method for cancer diagnostics by way of logistic regression analysis of peripheral blood immunity - Google Patents
A method for cancer diagnostics by way of logistic regression analysis of peripheral blood immunity Download PDFInfo
- Publication number
- KR101847778B1 KR101847778B1 KR1020170068736A KR20170068736A KR101847778B1 KR 101847778 B1 KR101847778 B1 KR 101847778B1 KR 1020170068736 A KR1020170068736 A KR 1020170068736A KR 20170068736 A KR20170068736 A KR 20170068736A KR 101847778 B1 KR101847778 B1 KR 101847778B1
- Authority
- KR
- South Korea
- Prior art keywords
- cells
- cancer
- marker
- cell
- peripheral blood
- Prior art date
Links
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 79
- 201000011510 cancer Diseases 0.000 title claims abstract description 79
- 210000005259 peripheral blood Anatomy 0.000 title claims abstract description 35
- 239000011886 peripheral blood Substances 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000036039 immunity Effects 0.000 title claims abstract description 30
- 238000007477 logistic regression Methods 0.000 title claims description 12
- 210000004027 cell Anatomy 0.000 claims abstract description 73
- 239000003550 marker Substances 0.000 claims abstract description 51
- 210000002865 immune cell Anatomy 0.000 claims abstract description 37
- 210000000822 natural killer cell Anatomy 0.000 claims abstract description 29
- 210000004698 lymphocyte Anatomy 0.000 claims abstract description 16
- 230000035945 sensitivity Effects 0.000 claims abstract description 11
- 210000001151 cytotoxic T lymphocyte Anatomy 0.000 claims description 32
- 210000004475 gamma-delta t lymphocyte Anatomy 0.000 claims description 22
- 210000003289 regulatory T cell Anatomy 0.000 claims description 21
- 102000037982 Immune checkpoint proteins Human genes 0.000 claims description 19
- 108091008036 Immune checkpoint proteins Proteins 0.000 claims description 19
- 210000001744 T-lymphocyte Anatomy 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000010186 staining Methods 0.000 claims description 12
- 210000000130 stem cell Anatomy 0.000 claims description 12
- 206010009944 Colon cancer Diseases 0.000 claims description 9
- 210000000265 leukocyte Anatomy 0.000 claims description 9
- 208000001333 Colorectal Neoplasms Diseases 0.000 claims description 7
- 101001057504 Homo sapiens Interferon-stimulated gene 20 kDa protein Proteins 0.000 claims description 7
- 101001055144 Homo sapiens Interleukin-2 receptor subunit alpha Proteins 0.000 claims description 7
- 210000003651 basophil Anatomy 0.000 claims description 5
- 210000003979 eosinophil Anatomy 0.000 claims description 5
- 238000000684 flow cytometry Methods 0.000 claims description 5
- 210000001616 monocyte Anatomy 0.000 claims description 5
- 210000000440 neutrophil Anatomy 0.000 claims description 5
- 230000001747 exhibiting effect Effects 0.000 claims description 3
- 230000003834 intracellular effect Effects 0.000 claims description 3
- 238000009007 Diagnostic Kit Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012757 fluorescence staining Methods 0.000 claims description 2
- 102100026878 Interleukin-2 receptor subunit alpha Human genes 0.000 claims 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims 1
- 238000011156 evaluation Methods 0.000 claims 1
- 239000008103 glucose Substances 0.000 claims 1
- 210000004369 blood Anatomy 0.000 abstract description 15
- 239000008280 blood Substances 0.000 abstract description 15
- 238000004043 dyeing Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 29
- 238000012360 testing method Methods 0.000 description 28
- 238000003745 diagnosis Methods 0.000 description 11
- LOKCTEFSRHRXRJ-UHFFFAOYSA-I dipotassium trisodium dihydrogen phosphate hydrogen phosphate dichloride Chemical compound P(=O)(O)(O)[O-].[K+].P(=O)(O)([O-])[O-].[Na+].[Na+].[Cl-].[K+].[Cl-].[Na+] LOKCTEFSRHRXRJ-UHFFFAOYSA-I 0.000 description 10
- 239000000975 dye Substances 0.000 description 10
- MHMNJMPURVTYEJ-UHFFFAOYSA-N fluorescein-5-isothiocyanate Chemical compound O1C(=O)C2=CC(N=C=S)=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 MHMNJMPURVTYEJ-UHFFFAOYSA-N 0.000 description 10
- 239000002953 phosphate buffered saline Substances 0.000 description 10
- 101000581981 Homo sapiens Neural cell adhesion molecule 1 Proteins 0.000 description 8
- 102100027347 Neural cell adhesion molecule 1 Human genes 0.000 description 8
- 238000009169 immunotherapy Methods 0.000 description 8
- 210000000170 cell membrane Anatomy 0.000 description 6
- 102100027268 Interferon-stimulated gene 20 kDa protein Human genes 0.000 description 5
- 239000004793 Polystyrene Substances 0.000 description 4
- 229920002223 polystyrene Polymers 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000000611 regression analysis Methods 0.000 description 4
- 238000002965 ELISA Methods 0.000 description 3
- 101000831007 Homo sapiens T-cell immunoreceptor with Ig and ITIM domains Proteins 0.000 description 3
- 102100024834 T-cell immunoreceptor with Ig and ITIM domains Human genes 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001943 fluorescence-activated cell sorting Methods 0.000 description 3
- 239000012103 Alexa Fluor 488 Substances 0.000 description 2
- 102000006354 HLA-DR Antigens Human genes 0.000 description 2
- 108010058597 HLA-DR Antigens Proteins 0.000 description 2
- 101001046686 Homo sapiens Integrin alpha-M Proteins 0.000 description 2
- 101000934338 Homo sapiens Myeloid cell surface antigen CD33 Proteins 0.000 description 2
- 102100022338 Integrin alpha-M Human genes 0.000 description 2
- 102100025243 Myeloid cell surface antigen CD33 Human genes 0.000 description 2
- 208000029742 colonic neoplasm Diseases 0.000 description 2
- 210000000805 cytoplasm Anatomy 0.000 description 2
- 230000001086 cytosolic effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 210000003743 erythrocyte Anatomy 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000007850 fluorescent dye Substances 0.000 description 2
- 230000005965 immune activity Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000002934 lysing effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 102100024222 B-lymphocyte antigen CD19 Human genes 0.000 description 1
- 108010041884 CD4 Immunoadhesins Proteins 0.000 description 1
- 101000980825 Homo sapiens B-lymphocyte antigen CD19 Proteins 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 238000000692 Student's t-test Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000023555 blood coagulation Effects 0.000 description 1
- 238000010241 blood sampling Methods 0.000 description 1
- 239000002771 cell marker Substances 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 238000011289 combination cancer immunotherapy Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012303 cytoplasmic staining Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000012153 distilled water Substances 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000002519 immonomodulatory effect Effects 0.000 description 1
- 230000001900 immune effect Effects 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 238000001114 immunoprecipitation Methods 0.000 description 1
- 230000001024 immunotherapeutic effect Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 102000027411 intracellular receptors Human genes 0.000 description 1
- 108091008582 intracellular receptors Proteins 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- SYXUBXTYGFJFEH-UHFFFAOYSA-N oat triterpenoid saponin Chemical compound CNC1=CC=CC=C1C(=O)OC1C(C=O)(C)CC2C3(C(O3)CC3C4(CCC5C(C)(CO)C(OC6C(C(O)C(OC7C(C(O)C(O)C(CO)O7)O)CO6)OC6C(C(O)C(O)C(CO)O6)O)CCC53C)C)C4(C)CC(O)C2(C)C1 SYXUBXTYGFJFEH-UHFFFAOYSA-N 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000006228 supernatant Substances 0.000 description 1
- 239000000107 tumor biomarker Substances 0.000 description 1
- 239000000439 tumor marker Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
- G01N33/57484—Immunoassay; Biospecific binding assay; Materials therefor for cancer involving compounds serving as markers for tumor, cancer, neoplasia, e.g. cellular determinants, receptors, heat shock/stress proteins, A-protein, oligosaccharides, metabolites
- G01N33/57496—Immunoassay; Biospecific binding assay; Materials therefor for cancer involving compounds serving as markers for tumor, cancer, neoplasia, e.g. cellular determinants, receptors, heat shock/stress proteins, A-protein, oligosaccharides, metabolites involving intracellular compounds
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
- G01N33/57407—Specifically defined cancers
- G01N33/57419—Specifically defined cancers of colon
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/58—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving labelled substances
- G01N33/582—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving labelled substances with fluorescent label
-
- G06F19/26—
-
- G01N15/149—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Electro-optical investigation, e.g. flow cytometers
- G01N2015/1486—Counting the particles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Electro-optical investigation, e.g. flow cytometers
- G01N2015/149—Sorting the particles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/70—Mechanisms involved in disease identification
- G01N2800/7023—(Hyper)proliferation
- G01N2800/7028—Cancer
Abstract
Description
본 발병은 대장직장암을 포함한 암 환자와 정상인의 말초혈액 면역력을 측정 평가하고 두 그룹간 차이가 나는 항목을 발굴하여 이들 조합에 의한 이분형 로지스틱 회귀분석 알고리즘을 적용함으로써 암 환자를 진단하고 면역 치료에 관한 기준을 제공하는 것이다.In this study, we measured and evaluated the peripheral blood immunity of cancer patients including normal colorectal cancer patients and identified the items that differ between the two groups. By applying the bipartite logistic regression analysis algorithm using these combinations, And to provide standards for
자면역력(Immunity)은 암의 발병과 진행 및 전이 과정에 이르는 모든 과정에서 매우 밀접한 관계를 가지고 있다. 실제로 지금까지 연구된 많은 문헌에서 정도의 차이는 있지만 대부분 암 환자의 면역력이 현저하게 저하(Low) 또는 손상(Impaired)되어 있다고 보고하고 있는데(Olivera J. Finn, Cancer Immunology, N Engl J Med, 2008:358:2704-15) 이러한 연구 결과는 기존의 전통적인 암 치료 방법 (수술 및 항암요법)에서 탈피하여 새로운 치료 방법을 모색 하는 계기가 되었으며 면역치료법(Immunotherapy)이라는 신 개념 치료 방법의 등장을 이끌어 내게 되었다. 이에 따라 다양한 형태의 면역 치료법이 연구 개발 되어 임상에서 실제 환자에 적용 되고 있으며, 일부 면역 치료법은 가시적인 성과를 보이고 있기도 하다. Immunity is closely related to all processes leading to the development, progression and metastasis of cancer. In fact, many studies have shown that the immunity of cancer patients is significantly reduced (low) or impaired (Olivera J. Finn, Cancer Immunology, N Engl J Med, 2008 : 358: 2704-15). These results led to the emergence of a new therapeutic method, which is a departure from the existing traditional cancer treatment methods (surgery and chemotherapy), and the emergence of a new concept treatment method called immunotherapy . Accordingly, various forms of immunotherapy have been developed and applied to actual patients in clinical practice, and some immunotherapeutic methods have also shown visible results.
면역력이라고 하는 것은 하나의 요소에 의해 결정 되는 것이 아니고 면역 시스템(Immune system)을 이루고 있는 다양한 세포나 단백(Immune cells and proteins) 등과 같은 여러 요소들의 합(Net effect)으로 나타나게 된다. 따라서 개인 면역력(Personal immunity)은 서로 다를 수 밖에 없으며 시시각각 변화하게 된다. 이것은 면역치료에 있어 개인마다 서로 다른 면역력에 근거한 맞춤형 치료(Tailored personal immunotherapy)가 필요 하다는 것을 의미 한다. 일반적으로 치료(Treatment or Therapy)라고 하는 것은 어떠한 질병의 진단(Diagnosis)이 선행된 다음 그에 맞는 치료법이 결정되는 과정을 거치게 된다. 면역치료 역시 면역진단이(Immune diagnosis)선행 되어야만 그에 맞는 치료가 가능한데 대부분의 면역치료는 정확한 면역진단 없이 시행 되고 있는 것이 현실이다. 이것은 앞서 언급한 바와 같이 개인의 면역력이 굉장히 복잡하여 면역력을 평가하고 진단하는 방법론적인 기준이나 근거가 정립되어 있지 않기 때문이다. Immunity is not determined by one factor but by the net effect of various factors such as the immune cells and proteins that make up the immune system. Therefore, personal immunity is different from each other and changes every moment. This implies that individualized immunotherapy requires tailored personal immunotherapy. In general, treatment or therapy is a process in which a diagnosis of a disease is preceded and a treatment is decided according to the diagnosis. Immunotherapy should be preceded by an immune diagnosis. Most of the immunotherapies are performed without accurate immunological diagnosis. This is because, as mentioned above, the immunity of an individual is so complicated that no methodological standard or basis for assessing and diagnosing immunity is established.
암을 진단하고 또한 예방하는 차원에서 가장 보편화된 방법은 영상의학적인 모니터링과 조직학적인 분석에 기초하는 것이다. 암을 예방하기 위한 정밀 검진은 매우 중요 하지만 이는 바쁜 현대인의 일상생활에서 시간과 비용을 요하는 과정으로서 보다 간편하고 정확한 예방법을 찾아내기 위해 다양한 진단법이 연구 되어 오고 있다. 일반적으로 가장 손쉬운 방법으로는 주로 ELISA와 같은 방법을 이용하여 혈액의 종양 표지자(Cancer marker)를 발굴하고 찾아내어 암을 예측하는 것이다. 이는 혈액 샘플의 채취가 간단하고 ELISA 기법이 어렵지 않기 때문에 많이 시도 되고 있는 방법 가운데 하나이다.The most common way to diagnose and prevent cancer is based on radiologic monitoring and histological analysis. Precise screening to prevent cancer is very important but various diagnostic methods have been studied in order to find more convenient and accurate preventive measures as a process that takes time and cost in busy modern life. In general, the easiest method is to use a method such as ELISA to identify and detect cancer marker in blood and to predict cancer. This is one of the many tried methods because blood sampling is simple and ELISA technique is not difficult.
마찬가지로 혈액시료(Blood sample) 안에는 단백질 이외에도 거의 대부분의 면역세포군(Immune cells)과 그의 아형 세포들(Immune cell subtypes)이 존재 한다. 이러한 면역세포의 분석은 주로 유세포분석기(Flow cytometeter)를 이용하여 원하는 면역세포의 마커(Marker)를 형광 염색하고 유세포분석기법(FACS; Fluorescence-Activated Cell Sorting)을 이용하여 매우 간단하고 재현성 있게 수행할 수 있다.Similarly, most of the immune cells and immune cell subtypes exist in the blood sample in addition to the protein. Analysis of these immune cells is performed by using a flow cytometer to perform fluorescence staining of the desired immune cell markers and performing fluorescence-activated cell sorting (FACS) very simply and reproducibly .
본 발명의 목적은 암 면역력 진단을 위해 말초혈액 면역력(Peripheral blood immunity)을 구성하는 면역세포 가운데 암 환자와 정상인에 있어 차이를 보이는 마커를 발굴하는 것이다.The object of the present invention is to identify markers showing differences in cancer patients and normal persons among immune cells constituting peripheral blood immunity for the diagnosis of cancer immunity.
또한 이들의 조합을 통한 통계학적인 알고리즘을 정립하고 이를 기반으로 암을 면역 활성 측정을 위한 전 단계로서 세포 계수기를 이용한 자연살해 세포(NK cell)의 세포수 계수 없이도 간편하고 손쉽게 자연살해 세포의 세포활성도를 측정하여 개체의 면역 활성을 진단하고 그에 맞는 면역 치료법을 제공하는 것이다.In addition, a statistical algorithm based on these combinations was established, and as a preliminary step for measurement of cancer immune activity based on this, the cell activity of natural killer cells can be easily and easily measured without counting the number of cells of NK cell using a cell counter To diagnose the immune activity of the individual, and to provide an immunotherapy method suitable for the diagnosis.
본 발명에 의하면 이분형 로지스틱 회귀분석 알고리즘을 적용한 말초혈액 면역력 평가 및 암 발병 유무에 대한 정보를 제공하는 방법에 있어서, (A) 말초혈액 면역세포의 중 세포 크기 및 주름진 정도를 분석해 림포사이트를 분류하는 단계; (B) 적어도 하나의 항체 조합으로 상기 림포사이트의 표지마커를 염색하여 암환자와 정상인의 말초혈액 내 면역세포의 분포를 분석하는 단계; (C) 암환자와 정상인 사이에서 암 발생 유무를 판별할 수 있도록 암환자와 정상인을 진단하거나 분류할 수 있을 만큼의 민감도와 특이도를 나타낼 수 있는 유의미한 표지마커의 조합을 판별하는 단계; (D) 상기 마커를 이용해 유세포 분석기나 세포 계수기 등을 이용한 자연살해 세포의 계수 없이도 단위 혈액당 면역력을 측정하여 암 발병 유무를 진단할 수 있는 이분형 로지스트 회귀분석 알고리즘을 설계하는 단계; 및 (E) 상기 알고리즘을 통해 계산된 값을 이용하여 말초혈액의 면역력을 평가하고 암을 진단 단계를 포함하는 방법이 제공된다.According to the present invention, there is provided a method for evaluating peripheral blood immunity and applying information on the presence or absence of cancer by applying the bifurcated logistic regression analysis algorithm, comprising: (A) analyzing lymphocytes by analyzing the medullary cell size and wrinkle degree of peripheral blood immune cells ; (B) staining a marker marker of said lymphocytes with at least one antibody combination to analyze the distribution of immune cells in peripheral blood of cancer patients and normal persons; (C) identifying a combination of significant marker markers capable of exhibiting sensitivity and specificity sufficient to diagnose or classify cancer patients and normal persons so as to discriminate between cancer patients and normal persons; (D) designing a bifurcated logistic regression analysis algorithm capable of diagnosing cancer incidence by measuring the immunity per unit blood without counting natural killer cells using a flow cytometer or a cell counter using the marker; And (E) evaluating the immunity of the peripheral blood using the value calculated through the algorithm and diagnosing cancer.
바람직하게는, 상기 (A) 단계에서 면역세포를 1) NK cells(NKC), 2) Th1Th2(TH), 3) Myeloid Derived Stem Cells(MDSCs), 4) Regulatory T cells(Tregs), 5) Cytotoxic T cells(CTLs), 6) Exhausted T cells(ETc), 7) Immune checkpoint(ICP), 8) Gamma-delta T cells(GDT), 9) White blood cell subtype(WBCS)와 같이 9가지 군으로 분류하여 분석하는 것을 특징으로 한다.Preferably, the immune cells in step (A) are selected from the group consisting of 1) NK cells, 2) Th1Th2 (TH), 3) Myeloid Derived Stem Cells (MDSCs), 4) Regulatory T cells (Tregs) T cells (CTLs), 6) Exhausted T cells (ETc), 7) Immune checkpoints (ICP), 8) Gamma-delta T cells and 9) White blood cell subtypes And analyzing it.
더욱 바람직하게는, 상기 (B) 단계에서, NK cells(NKC), Th1Th2(TH), Myeloid Derived Stem Cells(MDSCs), Regulatory T cells(Tregs), Cytotoxic T cells(CTLs), Exhausted T cells(ETc), Immune checkpoint(ICP), 또는 Gamma-delta T cells(GDT) 세포 분석은 유세포 분석기를 이용하여 이루어지고, White blood cell subtype(WBCS)에 포함되는 WBC, Lymphocytes, Neutrophils, Monocytes, Basophils, 또는 Eosinophils 세포 분석은 자동혈구분석기를 통하여 이루어지는 것을 특징으로 한다.More preferably, in step (B), NK cells, Th1Th2 (TH), Myeloid Derived Stem Cells (MDSCs), Regulatory T cells (Tregs), Cytotoxic T cells (CTLs) ), Immune checkpoint (ICP), or Gamma-delta T cells (GDT) cell analysis is performed using a flow cytometer and the WBC, Lymphocytes, Neutrophils, Monocytes, Basophils, or Eosinophils contained in the White blood cell subtype The cell analysis is performed through an automatic hematology analyzer.
또한, 상기 (B) 단계에서, NK cells(NKC), Th1Th2(TH), Myeloid Derived Stem Cells(MDSCs), Exhausted T cells(ETc), Gamma-delta T cells(GDT) 면역세포는 세포막(Cell surface) 표지 마커를 형광 염색하고, Regulatory T cells(Tregs), Cytotoxic T cells(CTLs), Immune checkpoint(ICP) 면역세포는 세포 표면(Cell surface) 또는 세포 안(Intracellular) 표지 마커를 형광 염색하여 유세포분석기를 이용하여 분석하는 것을 특징으로 한다.In addition, in step (B), NK cells, Th1Th2 (TH), Myeloid Derived Stem Cells (MDSCs), Exhausted T cells (ETc), and Gamma- delta T cells (GDT) ) Markers were fluorescently stained and fluorescent markers of cell surface or intracellular markers were fluorescently stained using regulator T cells, cytotoxic T cells (CTLs), immune checkpoint (ICP) And the analysis is carried out using the following equation.
한편, 상기 (B) 단계에서 면역세포에서 발현되는 표지마커를 토대로 각각의 마커에 대한 면역세포의 표현형을 분포도(%)와 세포수 및 그 비율로 분석하는 것을 특징으로 한다.Meanwhile, in step (B), the phenotype of immune cells for each marker is analyzed by the distribution (%), the number of cells, and the ratio thereof based on the marker marker expressed in the immune cells.
또한, 상기 (D) 단계에서, 암환자와 정상인을 분류할 수 있는 적어도 하나의 유의미한 표지마커의 조합 값을 계수로 하는 선형 방정식을 설계하는 단계; 및 상기 선형 방정식의 값을 이용하여 암환자와 정상인의 값이 각각 1과 0으로 수렴하는 지수함수를 설계하는 단계를 포함하여 이분형 로지스트 회귀분석 알고리즘을 설계하는 것을 특징으로 한다.Designing a linear equation using a combination value of at least one significant marker marker capable of classifying a cancer patient and a normal person as the coefficient in the step (D); And designing an exponential function that converges the values of the cancer patient and the normal person to 1 and 0 using the values of the linear equations, thereby designing the split logistic regression analysis algorithm.
바람직하게는, 상기 유의미한 표지마커의 조합 값은 CD4+ %, CD3+CD8+ %, CD4+CD279+ %, CD4+CD25+ %, CD4+CD152+ %, CD279+ % in CTLs, CD152+ % in CTLs, CD3+CD272+ %, CD3+CD223+, Lymphocytes %, Neutrophils %, NLR, CTLs/Treg, CD314+CD158b- % in NK cells. CD314-CD158b+ % in NK cells, CD4314+ in T cells, Th1 %, Th2 %, TH1/TH2, MDSCs cells/μL, monocytes %, eosinophil %, 내지 basophil % 중 적어도 하나를 포함하는 것을 특징으로 한다.Preferably, the combination of the significant marker markers is selected from the group consisting of CD4 +%, CD3 + CD8 +%, CD4 + CD279 +%, CD4 + CD25 +%, CD4 + CD152 +%, CD279 +% in CTLs, CD152 +% in CTLs, CD3 + CD272 + CD3 + CD223 +, Lymphocytes%, Neutrophils%, NLR, CTLs / Treg, CD314 + CD158b-% in NK cells. CD314-CD158b +% in NK cells, CD4314 + in T cells, Th1%, Th2%, TH1 / TH2, MDSCs cells / μL, monocytes%, eosinophil% to basophil%.
또한, 본 발명에 의하면 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록한 컴퓨터로 판독 가능한 기록 매체가 제공된다.According to the present invention, there is also provided a computer-readable recording medium storing a computer program for executing the above method.
또한, 본 발명에 의하면 상기 방법에 의해 암 발병 유무에 대한 정보를 제공하는 진단키트가 제공된다.According to the present invention, there is also provided a diagnostic kit for providing information on the incidence of cancer by the above method.
본 발명에 의하면 혈액시료(Blood sample) 내 함유된 면역세포들 중 유의미한 표지마커를 선정할 수 있고, 이를 유세포분석기를 이용하여 분석하여 회귀분석 알고리즘을 통해 암 면역력을 진단할 수 있다. 이것은 예방적인 차원에서 정밀검사를 받는 것과 비교하여 매우 간단하고 검사 방법도 빠르며 비용을 절감할 수 있으며 충분한 정확성을 제공한다는 장점이 있다. 또한, 기존에 알려진 혈액 내 종양표지자(Cancer biomarker)를 측정하여 진단하는 ELISA에 비해 재현성(Reproducibility)과 안정성(Statibility)을 높여 검사의 신뢰도를 높일 수 있다는 장점이 있다.According to the present invention, a significant marker marker among immune cells contained in a blood sample can be selected and analyzed using a flow cytometer, and the cancer immunity can be diagnosed through a regression analysis algorithm. This is advantageous in that it is very simple compared to receiving a close inspection at a preventive level, the inspection method is quick, the cost is reduced, and sufficient accuracy is provided. In addition, there is an advantage in that the reliability of the test can be improved by increasing the reproducibility and the stability of the test compared to the known ELISA for measuring the cancer biomarker in the blood.
도 1은 본 발명의 바람직한 일 실시예에 따른 NKC분석을 위해 세포 표현형을 설명하기 위한 도면.
도 2는 본 발명의 바람직한 일 실시예에 따른 Th1/Th2 분석을 위해 세포 표현형을 설명하기 위한 도면.
도 3은 본 발명의 바람직한 일 실시예에 따른 Myeloid Derived Stem Cells(MDSCs) 분석을 위한 세포 표현형을 설명하기 위한 도면.
도 4는 본 발명의 바람직한 일 실시예에 따른 Regulatory T cells(Tregs) 분석을 위해 세포 표현형을 설명하기 위한 도면.
도 5는 본 발명의 바람직한 일 실시예에 따른 Cytotoxic T cells(CTLs) 분석을 위해 세포 표현형을 설명하기 위한 도면.
도 6은 본 발명의 바람직한 일 실시예에 따른 Exhausted T cells(ETc) 분석을 위해 CD279+TIGIT+ in CTLs 세포 표현형을 설명하기 위한 도면.
도 7은 본 발명의 바람직한 일 실시예에 따른 Immune checkpoint(ICP) 분석을 위해 세포 표현형을 설명하기 위한 도면.
도 8은 본 발명의 바람직한 일 실시예에 따른 Gamma-delta T cells(GDT) 분석을 위해 CD3-γδTCR+ 세포 표현형을 설명하기 위한 도면.
도 9는 본 발명의 바람직한 일 실시예에 따른 E score를 이용하여 만든 Receiver operating characteristic curve.
도 10은 본 발명의 바람직한 일 실시예에 따른 2개의 E score cut value를 이용하여 암 면역력을 E1 E2 E3의 3단계로 제공하는 모형을 도시한 도면.1 is a view for explaining a cell phenotype for NKC analysis according to a preferred embodiment of the present invention.
FIG. 2 is a view for explaining cell phenotype for Th1 / Th2 analysis according to a preferred embodiment of the present invention. FIG.
FIG. 3 is a view for explaining a cell phenotype for Myeloid Derived Stem Cells (MDSCs) analysis according to a preferred embodiment of the present invention. FIG.
FIG. 4 is a view for explaining a cell phenotype for the analysis of Regulatory T cells (Tregs) according to a preferred embodiment of the present invention. FIG.
FIG. 5 is a view for explaining cell phenotype for analysis of cytotoxic T cells (CTLs) according to a preferred embodiment of the present invention. FIG.
FIG. 6 is a view for explaining CD279 + TIGIT + in CTLs cell phenotype for Exhausted T cells (ETc) analysis according to a preferred embodiment of the present invention. FIG.
7 is a view for explaining a cell phenotype for an immune checkpoint (ICP) analysis according to a preferred embodiment of the present invention.
8 is a diagram for explaining CD3-gamma TCR + cell phenotype for Gamma-delta T cells (GDT) analysis according to a preferred embodiment of the present invention.
9 is a receiver operating characteristic curve created using E score according to a preferred embodiment of the present invention.
FIG. 10 illustrates a model for providing cancer immunity in three stages of E1 E2 E3 using two E score cut values according to a preferred embodiment of the present invention. FIG.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다.The following detailed description of the invention refers to the accompanying drawings, which illustrate, by way of illustration, specific embodiments in which the invention may be practiced. These embodiments are described in sufficient detail to enable those skilled in the art to practice the invention. It should be understood that the various embodiments of the present invention are different, but need not be mutually exclusive. For example, certain features, structures, and characteristics described herein may be implemented in other embodiments without departing from the spirit and scope of the invention in connection with an embodiment. It is also to be understood that the position or arrangement of the individual components within each disclosed embodiment may be varied without departing from the spirit and scope of the invention. The following detailed description is, therefore, not to be taken in a limiting sense, and the scope of the present invention is to be limited only by the appended claims, along with the full scope of equivalents to which such claims are entitled, if properly explained.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings, so that those skilled in the art can easily carry out the present invention.
본 발명에서의 세포 분석은 기본적으로 유세포분석기(Flow cytometer)를 이용하여 실시 하며, White blood cell subtype(WBCS)에 포함되는 하기와 같은 6종의 면역세포 WBC, Lymphocytes, Neutrophils, Monocytes, Basophils, Eosinophils의 경우에는 자동혈구분석기(Automatic hematology analyzer)를 이용하여 분석하였다.Cell analysis in the present invention is basically carried out using a flow cytometer. Six types of immune cells WBC, Lymphocytes, Neutrophils, Monocytes, Basophils, Eosinophils Were analyzed using an automatic hematology analyzer.
본 발명은 대장직장암 수술 전 환자와 정상인의 혈액에서 다음과 같이 9개로 분류되는 면역 세포군에서 발현되는 표지마커를 토대로 각각의 마커에 대한 면역세포의 표현형을 분포도(%)와 세포 수(cells/μL) 및 그 비율(Ratio)로 표현하며, 이것은 면역세포의 기능 및 분석 방법적으로 다음과 같은 카테고리로 분류될 수 있다.The present invention relates to the expression pattern (%) and cell number (cells / μL) of immune cells for each marker on the basis of marker markers expressed in the following nine groups in the blood of patients and normal persons before colon cancer surgery ) And its ratio (Ratio), which can be classified into the following categories according to the functions and analytical methods of immune cells.
1) NK cells(NKC)1) NK cells (NKC)
2) Th1Th2(TH)2) Th1Th2 (TH)
3) Myeloid Derived Stem Cells(MDSCs)3) Myeloid Derived Stem Cells (MDSCs)
4) Regulatory T cells(Tregs)4) Regulatory T cells (Tregs)
5) Cytotoxic T cells(CTLs)5) Cytotoxic T cells (CTLs)
6) Exhausted T cells(ETc)6) Exhausted T cells (ETc)
7) Immune checkpoint(ICP)7) Immune checkpoint (ICP)
8) Gamma-delta T cells(GDT)8) Gamma-delta T cells (GDT)
9) White blood cell subtype(WBCS)9) White blood cell subtype (WBCS)
상기 9가지 면역 세포군은 무수히 많은 세포막(Cell surface) 및 세포질(Intracellular) 수용체 또는 신호 전달 물질을 지니고 있는데 이러한 세포 물질을 세포의 마커라 볼 수 있으며 이는 면역세포 고유의 기능을 결정짓는 역할을 하게 된다. 또한 세포의 일부 마커 가운데 일부는 그 기능과 발현 정도가 암의 발병 및 진행 과정과 매우 밀접한 관계를 가지고 있을 수 있다. 실제로도 현재 면역치료의 주가되는 것 가운데 하나는 면역세포의 마커를 통한 신호 전달을 증폭 시키거나 차단함으로써 암세포의 증식을 억제하는 것이다(Katheleen M. Mahoney, Combination cancer immunotherapy and new immunomodulatory targets, 2015, Nat Rev Drug Discov).These nine immune cell populations have numerous cell surfaces and intracellular receptors or signaling substances that can be seen as markers of the cell, which play a role in determining the function of the immune cell . In addition, some of the markers in the cell may have a very close relationship with the onset and progression of cancer. Indeed, one of the mainstays of current immunotherapy is to inhibit the proliferation of cancer cells by amplifying or blocking signaling through immune cell markers (Katheleen M. Mahoney, Combination cancer immunotherapy and new immunomodulatory targets, 2015, Nat Rev Drug Discov).
본 발명은 이러한 점에 착안하여 주요한 세포 면역 표지 마커를 유의미한 군으로 분류하고 정리하여 선별 하였다. 또한 선별된 마커가 실제로 말초혈액 면역력 단위에서도 암 환자와 정상인 두 그룹 사이에 의미 있는 발현정도의 차이를 나타내며 진단 마커로서 유용성이 있는가를 직접 테스트 하였다. 통계적으로 유의성이 확인된 마커들이 실제로 본 발병자들에 의해 확인 되었지만 이러한 마커들은 단일 항목으로서 암 환자와 정상인을 진단하거나 구분 지을 수 있을 만큼의 충분한 민감도(Sensitivity) 와 특이도(Specificity)를 나타내지는 않았다. 이에 암 환자와 정상인의 두 그룹에 있어 통계적인 유의성을 보이는 마커들이 유의미한 정보를 제공할 수 있도록 이를 조합하고 두 그룹의 차이점을 수식으로 구분 지을 수 있는 알고리즘을 발명하게 되었다. 본 발명에 이용된 수식 모형은 이분형 로지스틱 회귀분석에 기초한 것이다. 본 발명자들은 다양한 조합의 마커를 이용하여 역시 다양한 회귀분석 모형을 얻을 수 있었으며, 암 환자와 정상인을 진단하는데 90% 이상의 민감도와 특이도를 나타내어 말초혈액 면역력을 평가하고 암을 조기에 진단하는 기술이 가능하다는 것을 확인하게 되었다.The present invention focuses on this point, and major cell immune marker markers are classified into a significant group and sorted and sorted. We also directly tested whether the selected markers actually show a significant difference in the degree of expression between the cancer patient and the normal group in the peripheral blood immunity unit and whether it is useful as a diagnostic marker. Although statistically significant markers were actually identified by these patients, these markers did not show sufficient sensitivity and specificity to diagnose or distinguish between cancer patients and normal individuals as a single item . Therefore, we invented an algorithm that combines two groups of cancer patients and normal people so that the markers with statistical significance can provide meaningful information and divide the difference between the two groups into equations. The mathematical model used in the present invention is based on this bifurcated logistic regression analysis. The present inventors have also obtained various regression analysis models using various combinations of markers and have developed a technique for early diagnosis of cancer by evaluating peripheral blood immunity and exhibiting sensitivity and specificity of 90% or more for diagnosing cancer patients and normal persons It was confirmed that it was possible.
이하에서는 다양한 조합의 마커를 이용하여 90% 이상의 민감도와 특이도를 가지도록 암 환자와 정상인을 진단할 수 있는 방법에 대하여 실시예와 이로부터 도출된 데이터를 기반으로 보다 상세히 설명한다.Hereinafter, a method for diagnosing a cancer patient and a normal person having sensitivity and specificity of 90% or more using various combinations of markers will be described in more detail based on examples and data derived therefrom.
암세포(K562 세포)에 대한 세포 활성도 Cell activity on cancer cells (K562 cells) 측정말초혈액Measured peripheral blood 면역세포의 형광염색을 통한 Through fluorescent staining of immune cells 유세포분석Flow cytometry
대장 직장암 환자 98명 및 정상인 132명으로부터 각각 말초혈액 5 cc (5 ㎖)를 채혈하여 혈액 응고를 방지하기 위한 헤파린-EDTA 튜브 (Heparin-EDTA tube)에 담아 실온 상태에서 분석실로 운반해 즉시 분석을 진행하였다.Blood samples of 5 cc (5 ㎖) of peripheral blood were collected from 98 patients with colorectal cancer and 132 healthy individuals, respectively. The blood was taken in a Heparin-EDTA tube to prevent blood clotting. .
각각의 면역세포 마커를 분석하기 위해 다음과 같은 8가지 면역세포 카테고리로 분류하였으며, 8개의 폴리스티렌 튜브(12x75mm Polystyrene tube)를 준비하였다. 각각의 8개 튜브에서는 다음과 같은 항체조합이 사용 되었고 각 항체의 볼륨은 아래 표 1 내지 8과 같다. 표 1 내지 표 8은 각각 NK cells(NKC), Th1Th2(TH), Myeloid Derived Stem Cells(MDSCs), Regulatory T cells(Tregs), Cytotoxic T cells(CTLs), Exhausted T cells(ETc), Immune checkpoint(ICP), Gamma-delta T cells(GDT)의 마커를 분석하기 위한 항체로서 모든 항체는 항-인간 마우스 이뮤노글로불린(mouse anti-human IgGs)에 형광 물질(fluorescence dye)이 부착되어 있는 형태이며 본 발명에서 사용된 형광의 종류로는 FITC, Alexa Fluor 488, PE, PE-Cy5, PE-Cy7, PerCP, 및 APC의 7종이다. 각 표의 상단 항목에서 Channel은 유세포 분석기의 디텍터 채널 종류를, Tandem-dye는 항체에 부착된 형광의 종류를, Marker는 표지마커의 종류를, Marker location은 각 마커의 위치를 의미하여 각 마커의 위치에 따라 하기 실험방법을 통해 설명하는 바와 같이 실험방법에 차이가 있을 수 있다. To analyze each immune cell marker, 8 immune cell categories were classified and 8 polystyrene tubes (12x75 mm Polystyrene tubes) were prepared. In each of the eight tubes, the following antibody combinations were used and the volume of each antibody is shown in Tables 1 to 8 below. Tables 1 to 8 show NK cells, Th1Th2, Myeloid Derived Stem Cells (MDSCs), Regulatory T cells (Tregs), Cytotoxic T cells (CTLs), Exhausted T cells (ETc) ICP) and Gamma-delta T cells (GDT), all antibodies are in the form of a fluorescent dye attached to mouse anti-human IgGs, There are seven kinds of fluorescence used in the invention: FITC, Alexa Fluor 488, PE, PE-Cy5, PE-Cy7, PerCP, and APC. At the top of each table, Channel indicates the type of detector channel of the flow cytometer, Tandem-dye indicates the type of fluorescence attached to the antibody, Marker indicates the type of mark marker, and Marker location indicates the position of each marker. , There may be differences in the experimental methods as explained through the following experimental methods.
기본적인 염색 방법은 다음과 같은 과정으로 진행 되었다.The basic dyeing process was as follows.
① 염색하고자 하는 각 항체의 테스트당 볼륨(volume/test)을 마이크로피펫(micro pipette)으로 1.8mL 볼륨의 미세원심분리 튜브(microcentrifuge tube)에 분주한다. 각 항체의 조합 볼륨은 테스트당 10μL가 되도록 준비 한다. 또한 항체 조합은 염색하고자 하는 마커의 부위(marker location)가 모두 세포막(surface)인지 또는 세포막(surface)과 세포질(intra)의 조합인지에 따라 준비가 달라지는데 기본적인 염색은 먼저 세포막(surface) 마커만 염색하기 위한 항체를 조합하여 세포를 염색하고 세포를 고정한 다음(Fixation) 세포질(intra) 마커를 준비하여 염색하는 방식으로 세포를 염색한다.(1) Divide the volume / test of each antibody to be stained into microcentrifuge tubes in a volume of 1.8 mL with a micropipette. Prepare the combined volume of each antibody to be 10 μL per test. In addition, the antibody combination is different depending on whether the marker location of the marker to be stained is a cell membrane or a combination of a cell membrane (surface) and a cytoplasm (intra). The basic staining is performed by staining only the surface marker The cells are stained with a combination of antibodies to fix them, fix the cells (Fixation), and prepare cells for intra-cellular markers.
예를 들어 마커의 부위가 세포막(surface)의 조합으로만 구성된 NK cell(NKC)을 10 tests(10명)로 분석 하고자 할 경우에는, FITC mouse anti-human CD3 IgGs의 5μL(0.5μL x 10 tests), PE mouse anti-human CD56 IgGs의 25μL(2.5μL x 10 tests), PE-Cy7 mouse anti-human CD314 IgGs의 25μL(2.5μL x 10 tests), APC mouse anti-human CD158b IgG의 5μL(0.5 μL x 10 tests)을 각각 미세원심분리 튜브에 넣어 60μL를 준비한다. 그런 다음 40μL의 PBS(Phosphate-buffered saline)를 튜브에 넣어 최종적으로 100μL의 항체조합 볼륨을 만든다.For example, when analyzing NK cells (NKC) consisting of a combination of cell membrane surfaces in 10 tests (10 individuals), 5 μL of FITC mouse anti-human CD3 IgGs (0.5 μL x 10 tests ), 25 μL (2.5 μL x 10 tests) of PE mouse anti-human CD56 IgGs, 25 μL (2.5 μL x 10 tests) of PE-Cy7 mouse anti-human CD314 IgGs and 5 μL x 10 tests) into microcentrifuge tubes to prepare 60 μL each. Then, 40 μL of PBS (Phosphate-buffered saline) is added to the tube to make a final volume of 100 μL of antibody combination.
다른 예로 마커의 부위가 세포막(surface)과 세포질(intra) 조합으로 구성된 Tregs을 10 tests(10명)로 분석하고자 할 경우에는, 항체 조합 튜브를 두개 준비 한다.As another example, if you want to analyze Tregs consisting of cell membrane (surface) and cytoplasmic (intra) combinations of the marker at 10 tests (10), prepare two antibody combination tubes.
먼저 첫 번째 튜브에 세포막(surface) 염색 항체인 FITC mouse anti-human CD4 IgGs의 5μL(0.5μL x 10 tests), PE mouse anti-human CD25 IgGs의 25μL(2.5μL x 10 tests), APC mouse anti-human CD279 IgG의 5μL(0.5μL x 10 tests)을 각각 미세원심분리 튜브에 넣어 35μL를 준비한다. 그런 다음 65μL의 PBS(Phosphate-buffered saline)를 튜브에 넣어 최종적으로 100μL의 항체조합 볼륨을 만든다.In the first tube, 5 μL (0.5 μL x 10 tests) of FITC mouse anti-human CD4 IgGs, 25 μL (2.5 μL x 10 tests) of PE mouse anti-human CD25 IgGs, and APC mouse anti-
그런 다음 두번째 튜브에 세포질(intra) 염색 항체인 PE-Cy5 mouse anti-human CD152 IgGs의 25μL(2.5μL x 10 tests)을 준비하고 75μL의 PBS(Phosphate-buffered saline)를 튜브에 넣어 최종적으로 100μL의 항체조합 볼륨을 만든다.Then, 25 μL (2.5 μL x 10 tests) of PE-Cy5 mouse anti-human CD152 IgGs, which is an intra-staining antibody, was prepared in the second tube and 75 μL of PBS (Phosphate-buffered saline) Make the antibody combination volume.
이와 같은 방법으로 마커의 부위가 세포막의 조합으로 구성된 NK cells(NKC), Th1Th2(TH), Myeloid Derived Stem Cells(MDSCs), Exhausted T cells(ETc), Gamma-delta T cells(GDT)의 염색 항체를 준비하고, 마커의 부위가 세포막과 세포질의 조합으로 구성된 Regulatory T cells(Tregs), Cytotoxic T cells(CTLs), Immune checkpoint(ICP)의 염색 항체를 세포막과 세포질 염색용으로 각각 준비한다. 각 항체의 구성 부피비는 표 1 내지 표 8의 volume/test비를 통해 적시한 바와 같으므로 위 예시와 같은 방법으로 항체조합 볼륨을 준비할 수 있다.In this way, the marker region is composed of NK cells, Th1Th2 (TH), Myeloid Derived Stem Cells (MDSCs), Exhausted T cells (ETc), and Gamma-delta T cells (GDT) (Tregs), cytotoxic T cells (CTLs), and immune checkpoints (ICP), each consisting of a combination of cell membrane and cytoplasm, are prepared for cell membrane and cytoplasmic staining, respectively. Since the constituent volume ratio of each antibody is as specified through the volume / test ratio in Tables 1 to 8, the antibody combining volume can be prepared in the same manner as in the above example.
② 염색을 위한 모든 항체조합 튜브가 준비 되면 각각의 8개 폴리스티렌 튜브에 50μL의 전혈(whole blood)를 분주한다.② All antibody combinations for staining When tubes are prepared, 50 μL of whole blood is dispensed into each of 8 polystyrene tubes.
③ 미리 준비된 항체 조합이 담겨 있는 튜브(세포막(surface)용 항체조합)에서 혈액에 들어 있는 테스트 튜브로 항체 조합을 10μL씩을 분주하고 마이크로피펫으로 잘 섞어준다. 그런 다음 빛을 차단한 상태의 실온에서 20분간 염색 한다.③ Tube (antibody combination for cell surface) containing pre-prepared antibody combination, dispense 10 μL of antibody combination into test tube in blood and mix well with micropipette. Then, dyes at room temperature for 20 minutes with light blocked.
④ 세포 염색이 끝나면 혈액의 적혈구(RBC)를 제거 하기 위해 450μL의 lysing solution(BD FACS Lysing solution, DB Biosciences)을 각각의 8개 폴리스티렌 튜브에 분주하고 vortex로 잘 섞어서 20분간 빛을 차단한 실온에서 반응시킨다.④ After cell staining, 450 μL of lysing solution (BD FACS Lysing Solution, DB Biosciences) was dispensed into each of 8 polystyrene tubes to remove the red blood cells (RBC) from the blood, mixed thoroughly with vortex, Respectively.
⑤ 2mL의 PBS를 각각 튜브에 분주하고 원심분리기에 넣어 5분간 250 중력가속도(g force)로 돌린다. 그런 다음 상층액을 버리고 한번 더 2mL의 PBS로 동일하게 원심분리기로 세포를 세척한다.⑤ 2 mL of PBS was dispensed into each tube, placed in a centrifuge, and 250 It is turned to gravity acceleration (g force). Then discard the supernatant and wash the cells with the same centrifuge in 2 mL of PBS once more.
⑥ 세포막(surface)만의 조합 항체로 염색이 된 경우에는 200μL의 PBS를 튜브에 넣고 잘 섞어준 다음 유세포 분석기를 이용해 분석을 진행한다.⑥ Combination of surface (surface) only If 200 μL of PBS is stained with antibody, mix well and analyze by flow cytometer.
⑦ 세포막(surface) 및 세포질(intra) 염색 조합의 항체인 경우에는 상기 ⑤ 과정이 끝난 이후 0.05% saponine 함유 Distilled water 40μL을 미리 준비된 세포질(intra) 염색용 항체 10μL와 동시에 튜브에 넣어주고 잘 섞어준 다음 실온에서 빛을 차단한 상태에서 20분간 2차 염색을 진행한다. 그런 다음 ⑤ 과정을 거쳐 200μL의 PBS를 튜브에 넣고 유세포 분석기로 분석을 진행한다.⑦ If the antibody is a combination of cell surface (surface) and cytoplasmic (intra) staining, add 40 μL of 0.05% saponine-containing distilled water to 10 μL of the prepared antibody for intraocular staining, At the next room temperature, secondary staining is carried out for 20 minutes with the light shielded. Then, through
유세포 분석을 통해 얻게 되는 결과 값은 모두 분포도(%)로 얻어지게 되는데 각 분포도에 따른 세포 수(cells/μL)를 얻기 위해, 자동혈구 분석기를 이용해 얻은 백혈구 세포의 차등(differential)을 이용하여 분포도에 곱하는 방식으로 세포 수를 계산할 수 있다.In order to obtain the number of cells (cells / μL) according to each distribution, the results obtained by flow cytometry analysis are all obtained as a distribution (%). Using the differential of leukocyte cells obtained using an automatic hematology analyzer, The number of cells can be calculated by multiplying the number of cells.
예를 들어, CD3-CD56+ NK cells = 15% 일 경우, 그 세포 수는 림프구 세포 3000 cells/μL을 이용하여 3000 x 0.15 = 450cells/μL로 계산된다.For example, when CD3-CD56 + NK cells = 15%, the number of cells is calculated as 3000 x 0.15 = 450 cells / μL using 3000 cells / μL of lymphocytes.
위와 같은 실험 과정을 통해 유세포 분석기를 이용한 면역세포의 각 마커 분석 결과를 도 1 내지 8에 나타내었으며, 암 환자와 정상인을 분석한 통계 처리 결과 값을 표 9 내지 18에 표시하였다.The results of the analysis of the respective markers of immune cells using the flow cytometry analyzer are shown in FIGS. 1 to 8, and the results of the statistical treatment in which cancer patients and normal persons are analyzed are shown in Tables 9 to 18.
도 1은 본 발명의 바람직한 일 실시예에 따른 NKC분석을 위해 ① CD3-CD56+, ② CD3+CD56+, ③ CD314+CD158b- in CD3-CD56+ cells (NK cells), ④ CD314-CD158b+ in NK cells, ⑤ CD314-CD158b+ in NK cells, ⑥ CD158b+ in CD3+CD56- (T cells)와 같이 6가지 세포 표현형을 제공한다.FIG. 1 is a graph showing the results of NKC analysis according to a preferred embodiment of the present invention. FIG. 1 is a graph showing the results of NKC analysis of CDK-CD56 +, CD3 + CD56 +, CD314 + CD158b-in CD3-CD56 + cells, CD314-CD158b + CD314-CD158b + in NK cells, and ⑥ CD158b + in CD3 + CD56- (T cells).
보다 상세히, 도 1의 왼쪽 상단 그래프의 경우 유세포 분석기로 혈액을 분석하면 X축을 FSC-H(세포의 상대적 크기)로 Y축을 SSC-H(세포의 주름진 정도)로 세포들을 분류할 수 있는데 이중 중심부근의 림포사이트(Lymphocytes)를 중심으로 분석을 진행하였으며, 이 부분을 각 마커에 부착되는 항체를 이용해 염색을 진행한 결과이다. 오른쪽 상단 그래프의 경우 X축은 CD3의 염색 유무를 Y축은 CD56의 염색 유무를 나타내는데 그래프 내부의 십자 모양의 실선을 중심으로 왼쪽은 CD3- 오른쪽은 CD3+, 아래쪽은 CD56- 위쪽은 CD56+로 볼 수 있다. 이 경우 CD3-CD56+ 부분을 Q1, CD3+CD56+ 부분을 Q2, CD3+CD56- 부분을 Q3, CD3-CD56- 부분을 Q4로 지정하였다. 왼쪽 하단의 그래프의 경우 Q1 지역의 세포들을 다시 항체를 이용해 CD314, CD158 마커의 염색 유무에 따라 분류한 것으로서 그래프의 표현방법은 앞서 설명한 바와 같다. 오른쪽 하단 그래프의 경우 오른쪽 상단 그래프의 Q3 지역의 세포들을 다시 항체를 이용해 CD314, CD158 마커의 염색 유무에 따라 분류한 것으로서 그래프의 표현방법은 앞서 설명한 바와 같다.More specifically, in the case of the graph at the upper left of FIG. 1, cells can be classified into FSC-H (relative size of the cell) and SSC-H (corrugation degree of the cell) on the Y axis by analyzing the blood using a flow cytometer. Lymphocytes in the vicinity were analyzed, and this part was the result of staining using an antibody attached to each marker. In the upper right graph, the X-axis indicates whether the CD3 is stained, and the Y-axis indicates whether or not the CD56 is stained. Centering on the cross-shaped solid line in the graph, CD3- on the left side can be regarded as CD3 +, CD56 on the lower side, and CD56 + on the lower side. In this case, the CD3-CD56 + portion was designated as Q1, the CD3 + CD56 + portion as Q2, the CD3 + CD56- portion as Q3, and the CD3-CD56- portion as Q4. In the graph at the bottom left, the cells in the Q1 region are sorted again by antibody using CD314 and CD158 markers, and the graphical representation is as described above. In the lower right graph, the cells in the Q3 region of the upper right graph are classified according to the presence or absence of staining of CD314 and CD158 markers using an antibody, and the graphical expression is as described above.
도 2는 본 발명의 바람직한 일 실시예에 따른 Th1/Th2 분석을 위해 ① Th1, ② Th2, ③ Th17, ④Th1/Th2와 같이 4가지 세포 표현형을 제공한다.FIG. 2 provides four cell phenotypes such as Th1, Th2, Th17, and Th1 / Th2 for Th1 / Th2 analysis according to a preferred embodiment of the present invention.
보다 상세히, 도 2 역시 도 1의 림포사이트 부분의 세포를 이용해 분석한 결과로서 항체를 순차적으로 또는 동시에 넣어 각 마커 CD4, CD183, CD194, CD196의 염색 유무를 분류하여 분석한 결과를 도시하였으며, 그래프의 X축과 Y축에 넣은 항체와의 반응 유무를 수치로 표현하였으며, 그래프 내에 실선을 통해 각 구역을 세분화하였다. 상세한 방법은 도 1을 통하여 설명한 바와 같다. 한편, Th1, Th2, Th17의 분포도는 아래와 같은 수학식 1에 의해 구해진다.In more detail, Fig. 2 also shows the result of analyzing whether or not the markers CD4, CD183, CD194 and CD196 were stained by sequentially or simultaneously adding antibodies as a result of analysis using the cells of the lymphocyte portion of Fig. 1, And the reactivity with the antibody inserted in the X axis and the Y axis was expressed as a numerical value, and each zone was subdivided through a solid line in the graph. The detailed method is as described with reference to FIG. On the other hand, the distribution of Th1, Th2, and Th17 is obtained by the following expression (1).
도 3은 본 발명의 바람직한 일 실시예에 따른 Myeloid Derived Stem Cells(MDSCs) 분석을 위한 세포 표현형을 제공한다.FIG. 3 provides a cell phenotype for Myeloid Derived Stem Cells (MDSCs) analysis according to a preferred embodiment of the present invention.
보다 상세히, 그래프의 표현 방법은 도 1을 통하여 설명한 바와 같고, 도면에서와 같이 HLA-DR 및 Lineage 계열(CD3CD19CD56) 모두 음성(negative)인 세포 집단(Q4)안에서 CD33+과 CD11b+를 발현하는 세포를 표현형으로 하며 MDSCs는 다음 수학식 2와 같이 구해질 수 있다.More specifically, the graphical representation is as described in FIG. 1, and cells expressing CD33 + and CD11b + are expressed in a cell population (Q4) which is negative in both HLA-DR and Lineage series (CD3CD19CD56) And the MDSCs can be obtained by the following equation (2).
도 4는 본 발명의 바람직한 일 실시예에 따른 Regulatory T cells(Tregs) 분석을 위해 ① CD4+CD279+, ② CD4+CD25+, ③ CD4+CD152+와 같이 3가지 세포 표현형을 제공한다. 도 4 내지 도 8을 통하여 나타낸 그래프의 표현은 도 1을 통하여 설명한 바와 같으므로 자세한 설명은 생략한다.FIG. 4 provides three cell phenotypes such as CD4 + CD279 +, CD4 + CD25 +, and CD4 + CD152 + for regulatory T cells (Tregs) analysis according to a preferred embodiment of the present invention. The representation of the graphs shown in FIGS. 4 to 8 is the same as that described with reference to FIG. 1, and a detailed description thereof will be omitted.
도 5는 본 발명의 바람직한 일 실시예에 따른 Cytotoxic T cells(CTLs) 분석을 위해 ① CD152+ in CTLs, ② CD279+ in CTLs와 같이 2가지 세포 표현형을 제공한다.FIG. 5 provides two cell phenotypes such as (i) CD152 + in CTLs and (ii) CD279 + in CTLs for analysis of cytotoxic T cells (CTLs) according to a preferred embodiment of the present invention.
도 6은 본 발명의 바람직한 일 실시예에 따른 Exhausted T cells(ETc) 분석을 위해 CD279+TIGIT+ in CTLs 세포 표현형을 제공한다.Figure 6 provides CD279 + TIGIT + in CTLs cell phenotype for Exhausted T cells (ETc) analysis according to a preferred embodiment of the present invention.
도 7은 본 발명의 바람직한 일 실시예에 따른 Immune checkpoint(ICP) 분석을 위해 ① CD3+CD366+, ② CD3-CD366+, ③ CD366+ in lymphocytes, ④ CD3+CD272+, ⑤ CD3-CD272+, ⑥ CD272+ in lymphocytes, ⑦ CD3+CD223+, ⑧ CD3-CD223+, ⑨ CD223+ in lymphocytes와 같이 9가지 세포 표현형을 제공한다.FIG. 7 is a graph showing the results of immunocytochemical assays (ICP) analysis according to a preferred embodiment of the present invention. FIG. 7 shows the results of immunoprecipitation analysis for CD3 + CD366 +, CD3 + CD366 +, CD366 + in lymphocytes, CD3 + CD272 +, CD3 + CD272 + ⑦ CD3 + CD223 +, ⑧ CD3-CD223 +, and ⑨ CD223 + in lymphocytes.
도 8은 본 발명의 바람직한 일 실시예에 따른 Gamma-delta T cells(GDT) 분석을 위해 CD3-γδTCR+ 세포 표현형을 제공한다.Figure 8 provides CD3-gamma TCR + cell phenotype for Gamma-delta T cells (GDT) analysis according to a preferred embodiment of the present invention.
한편, 표 9는 암 환자 및 정상인의 말초혈액 NKC의 평균 분포도 및 세포 수를 나타낸 표이다. 표 10은 암 환자 및 정상인의 말초혈액 TH의 평균 분포도 및 세포수를 나타낸 표이다. 표 11은 암 환자 및 정상인의 말초혈액 MDSCs의 평균 분포도 및 세포 수를 나타낸 표이다. 표 12는 암 환자 및 정상인의 말초혈액 Tregs의 평균 분포도 및 세포 수를 나타낸 표이다. 표 13은 암 환자 및 정상인의 말초혈액 CTLs의 평균 분포도 및 세포 수를 나타낸 표이다. 표 14는 암 환자 및 정상인의 말초혈액 ETc의 평균 분포도 및 세포 수를 나타낸 표이다. 표 15는 암 환자 및 정상인의 말초혈액 ICP의 평균 분포도 및 세포 수를 나타낸 표이다. 표 16은 암 환자 및 정상인의 말초혈액 GDT의 평균 분포도 및 세포 수를 나타낸 표이다. 표 17은 암 환자 및 정상인의 말초혈액 WBCS의 평균 분포도 및 세포 수를 나타낸 표이다. 표 18은 암 환자 및 정상인의 말초혈액 면역세포의 비(Ratio)를 나타낸 표이다.Table 9 shows the average distribution and the number of cells of peripheral blood NKC of cancer patients and normal persons. Table 10 shows the average distribution and cell numbers of peripheral blood TH of cancer patients and normal persons. Table 11 shows the average distribution and the cell number of peripheral blood MDSCs of cancer patients and normal persons. Table 12 shows the average distribution and cell numbers of peripheral blood Tregs of cancer patients and normal persons. Table 13 shows the average distribution and cell numbers of peripheral blood CTLs of cancer patients and normal persons. Table 14 shows the average distribution and cell number of peripheral blood ETc of cancer patients and normal persons. Table 15 shows the average distribution and cell number of peripheral blood ICP of cancer patients and normal persons. Table 16 shows the average distribution and cell number of peripheral blood GDT of cancer patients and normal persons. Table 17 shows the average distribution and cell numbers of peripheral blood WBCS of cancer patients and normal persons. Table 18 shows the ratios of peripheral blood immune cells of cancer patients and normal persons.
상기 각 표의 상단 항목에서 N은 실험군의 숫자, Mean은 평균값, S.D.는 표준편차, S.E.는 표준에러, 95% Mean은 오차율을 줄이기 위해 집단의 양 말단의 결과치 2.5%씩을 버리고 95%만을 이용해 계산한 평균값, Median은 중앙값을 의미한다.In the upper part of the above table, N is the number of experimental group, Mean is mean value, SD is standard deviation, SE is standard error, 95% Mean is calculated by using only 95% Mean, Median means the median.
이분형 로지스틱 회귀분석 모형을 통한 대장직장암 진단 방법A Method of Diagnosing Colorectal Cancer Using this Bivariate Logistic Regression Model
상기 표 9 내지 18 에서 표시 한 바와 같이 전체 정상인 132명 및 환자 98명의 말초혈액 면역세포를 분석한 결과, 유의수준 P value < 0.05 에서 두 그룹간 차이를 보이는 면역세포의 마커가 존재함을 확인할 수 있었으며 표에서 빨간색으로 표시한 부분이 유의미한 면역세포의 마커라 할 수 있다. 두 그룹간 평균값의 차이는 통계프로그램 SPSS를 이용하여 분석하였다. 모집단이 정규분포를 따르고 등 분산 조건을 만족함으로 평균값의 통계적 차이는 T 검정 student's t-test를 사용하였다.As shown in Tables 9 to 18, the analysis of peripheral blood immunocytes of 132 normal subjects and 98 subjects revealed that there was a marker of immune cells showing a difference between the two groups at a significant level of P value <0.05 The mark in red in the table is a significant marker of immune cells. The mean difference between the two groups was analyzed using the statistical program SPSS. Statistical differences of the mean values were used for the T test student's t - test because the population followed the normal distribution and the equal dispersion conditions were satisfied.
이를 통해 말초혈액 내의 각 면역세포의 분포도와 세포 수를 측정하고 암 면역력 특이적 면역세포 마커를 이용하여 대장직장암 환자와 정상인을 정확하게 분류할 수 있으며, 면역력 검사를 통한 암 진단 역시 가능할 수 있다. 이와 같이 신뢰성 있는 암 진단을 위해 암 환자와 정상인의 말초혈액 면역력 차이를 보다 극명하게 나타낼 수 있도록 수식화된 이분형 로지스틱 회귀분석 모형을 암 진단에 적용하게 되었다. Through this, it is possible to measure the distribution and number of each immune cell in the peripheral blood, to accurately classify colon cancer patients and normal persons by using cancer immunity specific immunocyte markers, and diagnose cancer through immunity test. In order to diagnose the cancer as reliable, a bipedal logistic regression model which is formulated so as to more clearly show the difference of peripheral blood immunity between cancer patient and normal person was applied to cancer diagnosis.
알고리즘을 완성하기 위해 암 환자와 정상인을 종속 변수로 하여 각각 1과 0으로 변환하였으며 독립 변수로는 상기 표 9 내지 18에서 보는 바와 같이 면역세포 마커 결과 값을 사용 하였다. 그러면서 정상인 132명과 암 환자 98명의 두 그룹을 가장 잘 구분 지을 수 있는 항목을 선별하였다.In order to complete the algorithm, cancer patients and normal subjects were transformed into 1 and 0 respectively as dependent variables. Immunocyte marker results were used as independent variables as shown in Tables 9 to 18 above. In addition, we selected the items that best distinguished between the normal group of 132 and the cancer group of 98.
위 표 19는 23가지 면역세포 마커를 이용한 회귀분석 모형에서의 계수(B)와 상수(Constant)를 표시한 것이며, 표 상단의 항목에서 B는 B 추정값으로 회귀수식 모형에서 계수 값에 해당하고, S.E는 B 추정값에 대한 표준 오차 값, Wald는 (B 추정값/B 추정값의 표준 오차 값)의 제곱 값이다. 즉 (B/S.E.)2 를 의미하는 것으로 각 독립 변수의 유의성 검정을 위한 통계량을 의미한다. Df는 자유도, Sig.는 significance 유의확률을 의미하며 각 항목이 모형에서 차지하는 유의성을 의미하고, Exp(B)는 B값에 자연로그를 취한 eB를 의미하며, 각 독립변수가 1만큼 증가하면 내부값이 0인 집단에 속할 확률보다 내부 값이 1인 집단에 속할 확률이 몇 배인가를 나타내는 통계량이다.Table 19 shows the coefficients (B) and constants in the regression analysis model using 23 immune cell markers. In the items at the top of the table, B is the B estimation value, which corresponds to the coefficient value in the regression equation model, SE is the standard error value for the B estimate, and Wald is the square value of (B estimate / B standard error). In other words, (B / SE) 2 means the statistic for the significance test of each independent variable. Df is the degree of freedom, Sig. Is the probability of significance significance, Exp (B) means e B taking natural logarithm of B value, and each independent variable is increased by 1 This is a statistic that indicates how many times the probability of belonging to a group with an internal value of 1 is higher than the probability of belonging to a group with an internal value of 0.
위 상수(Constant)와 계수(B)를 이용한 로지스틱 회귀분석 수식은 다음 수학식 3과 같다.The logistic regression analysis equation using the above constants and coefficients (B) is shown in the following Equation (3).
상기 수식에서와 같이 면역세포를 유세포분석하여 결과 값을 얻게 되면 각각의 결과 값과 계수 값을 곱하여 상수 값과 함께 합산하고 Logit(P) 값을 구하게 된다. 이때 암 환자와 정상인을 1과 0으로 치환한 바와 같이 회귀분석 수식을 이용하여 암을 진단하는 것이 목적이므로 어떠한 임의의 신규 테스트 결과 값을 알고리즘에 입력하여 1과 0사이 어떠한 값이 관측되는지를 파악하고 암 환자인지 정상인인지 예측하는 것이 필요하다. 따라서 선형 방정식 모델 값인 Logit(P)를 지수함수를 이용하여 1과 0의 값에 수렴하도록 변환할 수 있다. 이때 지수 함수를 이용하여 암 환자(1의 값을 나타냄)와 정상인(0의 값을 나타냄)으로 분류 되는 예측 수식은 다음 수학식 4와 같다.When the result of the flow cytometry analysis is obtained as in the above equation, the resultant value is multiplied by the coefficient value and added together with the constant value to obtain the Logit (P) value. In this case, as the cancer patient and the normal person are substituted with 1 and 0, it is aimed to diagnose the cancer by using the regression analysis formula. Therefore, any arbitrary new test result value is input to the algorithm to determine what value is observed between 1 and 0 And it is necessary to predict whether it is a cancer patient or a normal person. Therefore, Logit (P), which is a linear equation model value, can be converted to converge to 1 and 0 by using exponential function. Here, the exponential function is used to calculate the predictive expression classified into the cancer patient (representing the value of 1) and the normal person (representing the value of 0).
수식에서와 같이 암 환자와 정상인의 에측 Y 값은 eP 를 분자로 1-eP를 분모로 하여 구하는데 확률 Y 값을 본 발명에서 E score라고 명명한다.Is as in formula cancer patients and normal persons of the predicted value Y is termed the likelihood score E determined by the Y value for the 1-e P e P a molecule as the denominator in the present invention.
도 9는 본 발명의 바람직한 일 실시예에 따른 E score를 이용하여 만든 Receiver operating characteristic curve이다.FIG. 9 is a receiver operating characteristic curve created using an E score according to a preferred embodiment of the present invention.
도 9에서 보는 바와 같이 E socre에 대한 Receiver operating characterisc (ROC) curve를 그리게 되면 AUC 값이 0.98이 되는 것을 알 수 있고, 이는 말초혈액 면역력을 바탕으로 한 대장직장암 진단이 가능하다는 것을 의미 한다고 볼 수 있다.As shown in FIG. 9, when the receiver operating characterisc (ROC) curve for E socre is plotted, the AUC value is 0.98, which means that diagnosis of colorectal cancer based on peripheral blood immunity is possible have.
표 20은 상기 E score 결과 값에 따른 민감도, 특이도 및 유덴 인덱스 값을 나타낸 것으로, 상기 표 20에서 보는 바와 같이 E score 결과 값의 민감도와 특이도에 대한 cut value를 임의 조정할 수 있는데 cut value를 0.098로 잡게 되면 민감도는 100% 이면서 특이도는 78.4%가 되고, cut value를 0.684로 잡게 되면 민감도는 83.1% 이면서 특이도는 100%인 것을 알 수 있다. 이것은 E score < 0.098 에서는 모두 정상인이라 할 수 있으며 마찬가지로 0.684 < E score 에서는 모두 암 환자라고 진단 할 수 있음을 보여 주는 것이다.Table 20 shows the sensitivity, specificity, and Yedene index values according to the E score results. As shown in Table 20, the cut value for the sensitivity and specificity of the E score result can be arbitrarily adjusted. 0.098, the sensitivity was 100% and the specificity was 78.4%. When the cut value was 0.684, the sensitivity was 83.1% and the specificity was 100%. This suggests that all patients are normal at E score <0.098 and that they can be diagnosed as cancer patients at 0.684 <E score.
도 10은 본 발명의 바람직한 일 실시예에 따른 2개의 E score cut value를 이용하여 암 면역력을 E1 E2 E3의 3단계로 제공하는 모형을 도시한 도면이다.FIG. 10 is a diagram showing a model for providing cancer immunity to three stages of E1 E2 E3 using two E score cut values according to a preferred embodiment of the present invention.
도 10을 참조하면, 말초혈액 면역력을 이용한 로지스틱 회귀분석 진단에 있어 반드시 cut value를 하나로 규정지을 필요는 없다는 것을 알 수 있다. 따라서 본 발명에 따르면 E score의 cut value를 0.098과 0.684를 기준으로 세구간으로 구분하고 E score 결과에 따른 암 면역력을 3단계로 구분하여 진단할 수 있다. E socre ≤ 0.098 구간은 정상인이면서 E1으로 명명하고 0.098 < E score ≤ 0.684 구간은 암 고위험군으로서 E2라 명명하며 0.684 < E score 구간은 암 환자로 E3라고 명명하고 진단할 수 있다.Referring to FIG. 10, it can be seen that it is not necessary to define the cut value as one in the logistic regression analysis diagnosis using the peripheral blood immunity. Therefore, according to the present invention, the cut value of E score can be divided into three sections based on 0.098 and 0.684, and the cancer immunity according to the E score result can be classified into three stages. E socre ≤ 0.098 interval is normal and is named E1, and 0.098 <E score ≤ 0.684 interval is named E2 as cancer risk group and 0.684 <E score interval is called E3 as cancer patient.
본 발명에서는 대장직장암 수술 전 환자를 예를 들어 말초혈액 면역력을 이용하여 정상인(E1)과 암 고위험군(E2) 및 암 환자(E3)로 진단을 하였지만 방법론적으로 대장직장암에만 한정되지 않고 다른 암 종에 있어서도 적용될 수 있음은 물론이다. 또한 23가지 면역세포 마커를 이용하여 만든 회귀모형은 향후 새롭게 발굴되는 마커를 이용하여 민감도와 특이도를 높여 암 진단의 유용성을 극대화 할 수 있으며, 본 발명에서 제시한 23가지 항목이 아닌 새로운 조합에 의해서도 회귀 모형이 만들어 지고 암 진단에 사용 될 수 있을 것이다.(E1), high risk cancer (E2) and cancer patient (E3) using peripheral blood immunity, but the methodology is not limited to colorectal cancer but to other cancer types The present invention is not limited thereto. In addition, the regression model using 23 immune cell markers can maximize the usefulness of cancer diagnosis by increasing the sensitivity and specificity using a newly discovered marker. In addition, A regression model can also be created and used for cancer diagnosis.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시예들에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, but, on the contrary, Those skilled in the art will appreciate that various modifications, additions and substitutions are possible, without departing from the scope and spirit of the invention as disclosed in the accompanying claims.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.Therefore, the spirit of the present invention should not be construed as being limited to the above-described embodiments, and all of the equivalents or equivalents of the claims, as well as the following claims, I will say.
Claims (9)
(A) 말초혈액 면역세포의 중 세포 크기 및 주름진 정도를 분석해 림포사이트를 분류하는 단계;
(B) 적어도 하나의 항체 조합으로 상기 림포사이트의 표지마커를 염색하여 암환자와 정상인의 말초혈액 내 면역세포의 분포를 분석하는 단계;
(C) 암환자와 정상인 사이에서 암 발생 유무를 판별할 수 있도록 암환자와 정상인을 진단하거나 분류할 수 있을 만큼의 민감도와 특이도를 나타낼 수 있는 유의미한 표지마커의 조합을 판별하는 단계;
(D) 암환자와 정상인을 분류할 수 있는 적어도 하나의 유의미한 표지마커의 조합 값을 계수로 하는 선형 방정식을 설계하는 단계;
(E) 상기 선형 방정식의 값을 이용하여 암환자와 정상인의 값이 각각 1과 0으로 수렴하는 지수함수를 설계하여 상기 마커를 이용해 유세포 분석기나 세포 계수기 등을 이용한 자연살해 세포의 계수 없이도 단위 혈액당 면역력을 측정하여 암 발병 유무를 진단할 수 있는 이분형 로지스트 회귀분석 알고리즘을 설계하는 단계; 및
(F) 상기 알고리즘을 통해 계산된 값을 이용하여 말초혈액의 면역력을 평가하고 암을 진단 단계를 포함하는 방법.
A method for providing information on the evaluation of peripheral blood immunity and the incidence of colorectal cancer by applying the bifurcated logistic regression analysis algorithm,
(A) classifying lymphocytes by analyzing the medium cell size and the degree of corrugation of peripheral blood immune cells;
(B) staining a marker marker of said lymphocytes with at least one antibody combination to analyze the distribution of immune cells in peripheral blood of cancer patients and normal persons;
(C) identifying a combination of significant marker markers capable of exhibiting sensitivity and specificity sufficient to diagnose or classify cancer patients and normal persons so as to discriminate between cancer patients and normal persons;
(D) designing a linear equation using a combination of at least one significant marker marker capable of classifying a cancer patient and a normal person as a coefficient;
(E) Designing an exponential function in which the values of the cancer patient and the normal person are converged to 1 and 0, respectively, using the values of the linear equations, and using the markers, A step of designing a bipartite logistic regression analysis algorithm capable of diagnosing cancer incidence by measuring glucose immunity; And
(F) evaluating the immunity of peripheral blood using the values calculated through the algorithm and diagnosing cancer.
상기 (A) 단계에서 면역세포를
1) NK cells(NKC)
2) Th1Th2(TH)
3) Myeloid Derived Stem Cells(MDSCs)
4) Regulatory T cells(Tregs)
5) Cytotoxic T cells(CTLs)
6) Exhausted T cells(ETc)
7) Immune checkpoint(ICP)
8) Gamma-delta T cells(GDT)
9) White blood cell subtype(WBCS)
와 같이 9가지 군으로 분류하여 분석하는 것을 특징으로 하는 방법.
The method according to claim 1,
In the step (A), immune cells
1) NK cells (NKC)
2) Th1Th2 (TH)
3) Myeloid Derived Stem Cells (MDSCs)
4) Regulatory T cells (Tregs)
5) Cytotoxic T cells (CTLs)
6) Exhausted T cells (ETc)
7) Immune checkpoint (ICP)
8) Gamma-delta T cells (GDT)
9) White blood cell subtype (WBCS)
And analyzing the results into nine groups as shown in FIG.
상기 (B) 단계에서, NK cells(NKC), Th1Th2(TH), Myeloid Derived Stem Cells(MDSCs), Regulatory T cells(Tregs), Cytotoxic T cells(CTLs), Exhausted T cells(ETc), Immune checkpoint(ICP), 또는 Gamma-delta T cells(GDT) 세포 분석은 유세포 분석기를 이용하여 이루어지고, White blood cell subtype(WBCS)에 포함되는 WBC, Lymphocytes, Neutrophils, Monocytes, Basophils, 또는 Eosinophils 세포 분석은 자동혈구분석기를 통하여 이루어지는 것을 특징으로 하는 방법.
3. The method of claim 2,
In step (B), NK cells, Th1Th2 (TH), Myeloid Derived Stem Cells (MDSCs), Regulatory T cells (Tregs), Cytotoxic T cells (CTLs), Exhausted T cells (WBC), Lymphocytes, Neutrophils, Monocytes, Basophils, or Eosinophils cells contained in the white blood cell subtype (WBCS) Lt; RTI ID = 0.0 > analyzer. ≪ / RTI >
상기 (B) 단계에서,
NK cells(NKC), Th1Th2(TH), Myeloid Derived Stem Cells(MDSCs), Exhausted T cells(ETc), Gamma-delta T cells(GDT) 면역세포는 세포막(Cell surface) 표지 마커를 형광 염색하고,
Regulatory T cells(Tregs), Cytotoxic T cells(CTLs), Immune checkpoint(ICP) 면역세포는 세포 표면(Cell surface) 또는 세포 안(Intracellular) 표지 마커를 형광 염색하여 유세포분석기를 이용하여 분석하는 것을 특징으로 하는 방법.
3. The method of claim 2,
In the step (B)
Cell surface markers were fluorescently stained with NK cells, Th1Th2 (TH), Myeloid Derived Stem Cells (MDSCs), Exhausted T cells (ETc) and Gamma-delta T cells (GDT)
Immune cells are characterized by fluorescence staining of cell surface or intracellular marker markers using flow cytometry, and are characterized by the use of a flow cytometer (TLC) How to.
상기 (B) 단계에서 면역세포에서 발현되는 표지마커를 토대로 각각의 마커에 대한 면역세포의 표현형을 분포도(%)와 세포수 및 그 비율로 분석하는 것을 특징으로 하는 방법.
The method according to claim 1,
Wherein the phenotype of the immune cell for each marker is analyzed in terms of the distribution (%), the number of cells, and the ratio thereof based on the marker marker expressed in the immune cells in the step (B).
상기 유의미한 표지마커의 조합 값은 CD4+ %, CD3+CD8+ %, CD4+CD279+ %, CD4+CD25+ %, CD4+CD152+ %, CD279+ % in CTLs, CD152+ % in CTLs, CD3+CD272+ %, CD3+CD223+, Lymphocytes %, Neutrophils %, NLR, CTLs/Treg, CD314+CD158b- % in NK cells. CD314-CD158b+ % in NK cells, CD4314+ in T cells, Th1 %, Th2 %, TH1/TH2, MDSCs cells/μL, monocytes %, eosinophil %, 내지 basophil % 중 적어도 하나를 포함하는 것을 특징으로 하는 방법.
The method according to claim 1,
CD4 + CD25 +, CD4 + CD25 +, CD4 + CD152 +%, CD279 +% in CTLs, CD152 +% in CTLs, CD3 + CD272 +%, CD3 + CD223 + Lymphocytes%, Neutrophils%, NLR, CTLs / Treg, CD314 + CD158b-% in NK cells. CD314-CD158b +% in NK cells, CD4314 + in T cells, Th1%, Th2%, TH1 / TH2, MDSCs cells / μL, monocytes%, eosinophil%, to basophil%.
A computer-readable recording medium having recorded thereon a computer program for executing the method according to any one of claims 1 to 5 and 7.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170068736A KR101847778B1 (en) | 2017-06-02 | 2017-06-02 | A method for cancer diagnostics by way of logistic regression analysis of peripheral blood immunity |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170068736A KR101847778B1 (en) | 2017-06-02 | 2017-06-02 | A method for cancer diagnostics by way of logistic regression analysis of peripheral blood immunity |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101847778B1 true KR101847778B1 (en) | 2018-04-12 |
Family
ID=61969342
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170068736A KR101847778B1 (en) | 2017-06-02 | 2017-06-02 | A method for cancer diagnostics by way of logistic regression analysis of peripheral blood immunity |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101847778B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113241177A (en) * | 2021-05-19 | 2021-08-10 | 上海宝藤生物医药科技股份有限公司 | Method, device and equipment for evaluating immunity level and storage medium |
| CN113241177B (en) * | 2021-05-19 | 2024-05-10 | 上海宝藤生物医药科技股份有限公司 | Method, device, equipment and storage medium for evaluating immunity level |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010145205A (en) | 2008-12-18 | 2010-07-01 | Tokyo Medical & Dental Univ | Method and apparatus for evaluating immunogenic potential, and program |
| JP4608704B2 (en) | 2006-06-15 | 2011-01-12 | 国立大学法人 東京医科歯科大学 | Immune power evaluation method, immunity evaluation apparatus, and immunity evaluation program |
| KR101483883B1 (en) * | 2013-10-30 | 2015-01-19 | 이종균 | A novel method for assessing immuno-activity without cell counting |
| WO2016014530A1 (en) * | 2014-07-21 | 2016-01-28 | Novartis Ag | Combinations of low, immune enhancing. doses of mtor inhibitors and cars |
-
2017
- 2017-06-02 KR KR1020170068736A patent/KR101847778B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4608704B2 (en) | 2006-06-15 | 2011-01-12 | 国立大学法人 東京医科歯科大学 | Immune power evaluation method, immunity evaluation apparatus, and immunity evaluation program |
| JP2010145205A (en) | 2008-12-18 | 2010-07-01 | Tokyo Medical & Dental Univ | Method and apparatus for evaluating immunogenic potential, and program |
| KR101483883B1 (en) * | 2013-10-30 | 2015-01-19 | 이종균 | A novel method for assessing immuno-activity without cell counting |
| WO2016014530A1 (en) * | 2014-07-21 | 2016-01-28 | Novartis Ag | Combinations of low, immune enhancing. doses of mtor inhibitors and cars |
Non-Patent Citations (1)
| Title |
|---|
| Tumor-Infiltrating Monocytic Myeloid-Derived Suppressor Cells Mediate CCR5-Dependent Recruitment of Regulatory T cells Favoring Tumor Growth (The Journal of Immunology, (2012), 189, pp 5602-5611.) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113241177A (en) * | 2021-05-19 | 2021-08-10 | 上海宝藤生物医药科技股份有限公司 | Method, device and equipment for evaluating immunity level and storage medium |
| CN113241177B (en) * | 2021-05-19 | 2024-05-10 | 上海宝藤生物医药科技股份有限公司 | Method, device, equipment and storage medium for evaluating immunity level |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Calvelli et al. | Guideline for flow cytometric immunophenotyping: a report from the National Institute of Allergy and Infectious Diseases, Division of AIDS | |
| Wood et al. | Validation of cell‐based fluorescence assays: practice guidelines from the ICSH and ICCS–part V–assay performance criteria | |
| Urrechaga | Reviewing the value of leukocytes cell population data (CPD) in the management of sepsis | |
| JP4181034B2 (en) | Cell counting | |
| EP3073265B1 (en) | Blood analyzer and blood analysis method | |
| Fleisher et al. | Flow cytometry | |
| Davis et al. | Stability of immunophenotypic markers in fixed peripheral blood for extended analysis using flow cytometry | |
| Sakuragi et al. | Clinical significance of IPF% or RP% measurement in distinguishing primary immune thrombocytopenia from aplastic thrombocytopenic disorders | |
| McCloskey et al. | Immunophenotyping of T lymphocytes by three-color flow cytometry in healthy newborns, children, and adults | |
| Ibrahim et al. | Detection and quantification of circulating immature platelets: agreement between flow cytometric and automated detection | |
| KR102268963B1 (en) | A method and kit for cancer diagnostics or predict response to treatment by evaluating cancer immunity in peripheral blood by machine learning technique | |
| Oras et al. | Comprehensive flow cytometric reference intervals of leukocyte subsets from six study centers across Europe | |
| Illingworth et al. | Sensitive and accurate identification of PNH clones based on ICCS/ESCCA PNH Consensus Guidelines—a summary | |
| Tarrant | The role of flow cytometry in companion animal diagnostic medicine | |
| Rico et al. | Flow-cytometry-based protocols for human blood/marrow immunophenotyping with minimal sample perturbation | |
| KR102018006B1 (en) | Method for evaluating immunity and providing information on cancer development using differences in distribution of immune cells in peripheral blood of colorectal cancer patients and normal people, and diagnostic kit using the same | |
| Keeney et al. | Paroxysmal nocturnal hemoglobinuria assessment by flow cytometric analysis | |
| KR101847778B1 (en) | A method for cancer diagnostics by way of logistic regression analysis of peripheral blood immunity | |
| KR101847779B1 (en) | A method for cancer diagnostics by way of logistic regression analysis of peripheral blood immunity | |
| Sugiyama et al. | Performance evaluation of Celltac G: a new automated hematology analyzer | |
| Lao et al. | Effects of blood sample storage time, temperature, anti-coagulants and blood stabiliser on lymphocyte phenotyping | |
| Bitar et al. | Flow cytometric measurement of STAT5 phosphorylation in cytomegalovirus‐stimulated T cells | |
| FLEISHER et al. | Principles of Flow Cytometry | |
| Witkowski et al. | Comparison of various diagnostic methods in assessing platelet count in patients with immune thrombocytopenia | |
| Li | Flow Cytometry in the Diagnosis of Hematological Neoplasms and Other Cancers |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |