CN102300877B - 与糖尿病肾病相关的尿及血清的生物标记 - Google Patents

与糖尿病肾病相关的尿及血清的生物标记 Download PDF

Info

Publication number
CN102300877B
CN102300877B CN201080005751.2A CN201080005751A CN102300877B CN 102300877 B CN102300877 B CN 102300877B CN 201080005751 A CN201080005751 A CN 201080005751A CN 102300877 B CN102300877 B CN 102300877B
Authority
CN
China
Prior art keywords
fragment
biomarker
urine
seq
diabetic nephropathy
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201080005751.2A
Other languages
English (en)
Other versions
CN102300877A (zh
Inventor
林微雅
叶亚平
曾锱翎
郑平福
徐采薇
李泓毅
陈怡婷
林裕峰
陈金顺
李彦朋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Novel Biomedical Co., Ltd.
Original Assignee
Industrial Technology Research Institute ITRI
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Industrial Technology Research Institute ITRI filed Critical Industrial Technology Research Institute ITRI
Publication of CN102300877A publication Critical patent/CN102300877A/zh
Application granted granted Critical
Publication of CN102300877B publication Critical patent/CN102300877B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/46—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans from vertebrates
    • G01N2333/47—Assays involving proteins of known structure or function as defined in the subgroups
    • G01N2333/4701—Details
    • G01N2333/4728—Details alpha-Glycoproteins
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/52—Assays involving cytokines
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/705—Assays involving receptors, cell surface antigens or cell surface determinants
    • G01N2333/71—Assays involving receptors, cell surface antigens or cell surface determinants for growth factors; for growth regulators
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/81—Protease inhibitors
    • G01N2333/8107—Endopeptidase (E.C. 3.4.21-99) inhibitors
    • G01N2333/811—Serine protease (E.C. 3.4.21) inhibitors
    • G01N2333/8121—Serpins
    • G01N2333/8125—Alpha-1-antitrypsin
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/34—Genitourinary disorders
    • G01N2800/347—Renal failures; Glomerular diseases; Tubulointerstitial diseases, e.g. nephritic syndrome, glomerulonephritis; Renovascular diseases, e.g. renal artery occlusion, nephropathy
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/52—Predicting or monitoring the response to treatment, e.g. for selection of therapy based on assay results in personalised medicine; Prognosis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/56—Staging of a disease; Further complications associated with the disease

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Biomedical Technology (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • Immunology (AREA)
  • Biotechnology (AREA)
  • Analytical Chemistry (AREA)
  • Cell Biology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Microbiology (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Peptides Or Proteins (AREA)

Abstract

尿液及血清中生物标记在诊断糖尿病肾病、评估糖尿病肾病阶段、监测糖尿病肾病发展及评估糖尿病肾病的治疗有效性中的用途。该生物标记包括尿中α-2-HS-醣蛋白前体、尿中α-1抗胰蛋白酶、尿中α-1酸性醣蛋白、尿中骨桥蛋白、血清中骨桥蛋白、前述之片段及前述之组合。

Description

与糖尿病肾病相关的尿及血清的生物标记
相关申请
本申请要求2009年1月28日提交的美国临时申请No.61/147778的优先权，将该申请的内容通过提述以其整体并入本文。
发明背景
糖尿病肾病(diabetic nephropathy；DN)是伴随长期糖尿病而发展的肾脏疾病。糖尿病肾病造成异常的液体滤过及尿中白蛋白分泌增加，最终导致肾衰竭。
糖尿病肾病在早期并无症状。因此，难以侦测此疾病的开始。事实上，糖尿病肾病目前的诊断是根据微量白蛋白尿(microalbuminuria)的发展，当肾脏伤害已经发生时，微量白蛋白尿才发生。缺乏早期诊断检测，使得无法有效治疗早期阶段的糖尿病肾病。
因此，鉴定出有效诊断早期糖尿病肾病的可信赖生物标记是非常重要的。
发明内容
本发明基于非预期的发现，数个尿及血清中蛋白质及其片段，不论单独或组合，相较于未患有糖尿病肾病者，在糖尿病肾病患者中有不同表现。这些蛋白质分子因此为诊断早期糖尿病肾病的有效生物标记。
因此，本发明的一发明方面特征在于诊断个体中糖尿病肾病的方法。该方法包括至少两步骤：(i)确认怀疑患有糖尿病肾病的个体中生物标记的程度；及(ii)根据该生物标记的程度，评估该个体是否患有糖尿病肾病。相较于未患有糖尿病肾病者，该生物标记的程度增加表示该个体患有糖尿病肾病。
该诊断方法所使用的生物标记为下列的四种蛋白质分子的其中之一：
(i)第一尿中蛋白质分子，为尿中α-2-HS-醣蛋白前体(precursorα-2-HS-glycoprotein)或其具有至少10个氨基酸的片段，例如：成熟的尿中α-2-HS-醣蛋白前体VVSLGSPSGEVSHPRKT(SEQ ID NO：1)或MGV VSLGSPSGEVSHPRKT(SEQ ID NO：2)；
(ii)第二尿中蛋白质分子，为尿中α-1抗胰蛋白酶(α-1antitrypsin)或其具有至少10个氨基酸的片段，例如KGKWERPFEVKDTEEEDF(SEQ IDNO：3)，MIEQNTKSPLFMGKVVNPTQK(SEQ ID NO：4)，EDPQGDAAQKTDT SHHDQDHPTFNKITPNLAE(SEQ ID NO：5)，或EDPQGDAAQKTDTSHHDQDHPTFNKITPNLAEFA(SEQ ID NO：6)；
(iii)第三尿中蛋白质分子，为尿中α-1酸性醣蛋白(α-1acid glycoprotein)或其具有至少10个氨基酸的片段，例如GQEHFAHLLILRDTKTYMLAFDVNDEKNWGLS(SEQ ID NO：7)；及
(iv)血清中蛋白质分子，为骨桥蛋白(osteopontin)或其具有至少10个氨基酸的片段，例如YPDAVATWLNPDPSQKQNLLAPQNAVS SEETNDFKQETLPSK(SEQ IDNO：8)或KYPDAVATWLNPDPSQKQNLLAPQTLPSK(SEQ ID NO：9)。
上述之诊断方法可还包括，在前述评估步骤之后，使该生物标记程度与糖尿病肾病状态(是否为早期或晚期)形成关联的步骤。当该生物标记为(i)或(iv)蛋白质分子时，相对于未患有糖尿病肾病个体，该生物标记的程度增加表示为糖尿病肾病的晚期。对于该生物标记为(ii)或(iii)蛋白质分子，当与表示糖尿病肾病早期及晚期的生物标记预测参考程度相比，该生物标记的程度可显示糖尿病肾病的状态。
另一发明方面，本发明特征在于一种评估个体(例如：人患者或实验室动物)糖尿病肾病的治疗有效性的方法。该方法包括确认个体中治疗前及治疗后的(i)、(ii)、(iii)或(iv)蛋白质分子程度，基于治疗后该生物标记的程度变化，评估该治疗的有效性。假设相较于治疗前的生物标记程度，该生物标记在治疗后的程度维持相同或下降，则表示该治疗为有效。
另一发明方面，本发明特征在于一种确认糖尿病肾病阶段的方法，包括至少4个步骤：(i)取得来自怀疑患有糖尿病肾病的个体的尿液样本及任选地取得其血清样本；(ii)确认前述生物标记之一的程度；(iii)基于该生物标记的程度，计算疾病级数(score)；及(iv)基于该疾病级数与预定为不同糖尿病肾病阶段的截取值(cutoff value)之比较，评估该个体的糖尿病肾病阶段。该方法中，上述计算步骤可藉由岭回归分析法(ridge regression analysis)、因素分析法(factor analysis)、鉴别函数分析法(discriminant function analysis)、及逻辑回归分析法(logistic regression analysis)进行。
前述确认糖尿病肾病阶段的方法中使用的生物标记，由下列5种蛋白质分子中的至少两种所构成：前述的(i)～(iv)蛋白质分子，及蛋白质分子(v)，为前述的尿中骨桥蛋白或其片段。在一实施例中，该生物标记由前述5种蛋白质分子所组成。在另一实施例中，该生物标记由前述(i)～(iii)及(v)蛋白质分子中的至少2种所组成。
或者，该生物标记由上述5种蛋白质分子中的至少两种以及一种或多种的临床因子所组成，临床因子例如：年龄、性别、HbAlc、白蛋白/肌酸酐比例(ACR)、及肾小球过滤率(GFR)。
另一发明方面，本发明提供一种监测糖尿病肾病发展的方法，基于上述任一种生物标记的程度。该方法包括在2星期至12个月的期间(例如：2-24个星期或3-12个月)，从怀疑患有糖尿病肾病的个体中取得前后2次尿液样本及任选地取得前后2次血清样本，确认样本中该生物标记之一的程度，根据该生物标记程度计算疾病级数(disease score)，及基于该疾病级数，评估该个体中糖尿病肾病的发展。当较晚获得的样本之疾病级数高于较早获得的样本之疾病级数时，表示糖尿病肾病恶化。
上述之生物标记也可用于评估糖尿病肾病的治疗有效性。如果该生物标记之一的治疗后程度，相较于相同生物标记在治疗前的程度，维持不变或降低时，则该治疗为有效。
本发明更进一步提供试剂盒，于前述之方法使用。本发明的试剂盒包括2、3或4种具有不同抗原特异性的抗体。此述抗体可与(I)α-2-HS-醣蛋白(α-2-HS-glycoprotein)、(ii)α-1抗胰蛋白酶(α-1antitrypsin)、(iii)α-1酸性醣蛋白(α-1acid glycoprotein)及(iv)骨桥蛋白(osteopontin)的任一种结合。在一实施例中，该试剂盒仅包含与欲侦测的抗原(例如与糖尿病肾病相关的生物标记)特异性结合的抗体，以实施前述之任一种方法。因此，该试剂盒基本上由上述抗体所组成。
本发明之范围也包括与下列肽其中之一特异性结合的分离的抗体：
MGVVSLGSPSGEVSHPRKT(SEQ ID NO：2)、
KGKWERPFEVKDTEEEDF(SEQ ID NO：3)、
MIEQNTKSPLFMGKVVNPTQK(SEQ ID NO：4)、
EDPQGDAAQKTDTSHHDQDHPTFNKITPNLAEFA(SEQ ID NO：6)、
GQEHFAHLLILRDTKTYMLADVNDEKNWGLS(SEQ ID NO：7)、
YPDAVATWLNPDPSQKQ NLLAPQNAVSSEETNDFKQETLPSK (SEQID NO：8)、及
KYPDAVATWLNPDPSQKQNLLAPQTLPSK(SEQ ID NO：9)。
此述“分离的抗体”大体上为不含有天然相关分子的抗体。更特定地说，在该抗体的制备中，天然相关分子最多占干重的20％，则该抗体被认为是“分离的抗体”。纯度可以任何适当方法测量，例如：柱层析法、聚丙烯酰胺胶电泳法及高效液相层析法(HPLC)。
此述的任何抗体皆可用于制造用于实施本发明之方法的试剂盒。
本发明之一或多个实施方案的详细说明如下所述。本发明之其它特征或优点将由后附的图式及数个实施方案的详细说明以及后附的权利要求书而清楚了解。
附图简述
图1显示不同糖尿病肾病患者群的尿中α-2-HS-醣蛋白(uDN2；图lA)、尿中α-1抗胰蛋白酶(uDN5；图1B)、尿中α-1酸性醣蛋白(uGR3；图1C)及血清中骨桥蛋白(sDNO；图1D)的箱线图(boxplots)。图中的箱型(boxes)的上限及下限及该箱型中的横线分别标示为25％数值、75％数值及50％数值(中位数)。上方虚线标示上围篱值(upper fence)以下的最大值，其为75％数值加1.5四分位距(interquartile range)，而下方虚线标示下围篱值(lower fence)以上的最小值，其为25％数值减1.5四分位距。
发明详述
糖尿病肾病(DN)为糖尿病相关的肾疾病，具有5个发展期：
第1阶段：特征为具正常的肾小球过滤率(GFR)及正常的白蛋白尿(albuminuria)(ACR＜30mg/g)的糖尿病；
第2阶段：特征为肾小球高过滤率(glomerular hyperfiltration)(超过120mL/min/1.73m2)或是肾肥大(renal enlargement)伴随正常GFR及正常的白蛋白尿(albuminuria)(ACR＜30mg/g)；
第3阶段：特征为微量白蛋白尿(microalbuminuria)；
第4阶段：特征为严重的白蛋白尿(albuminuria)及GFR累进地降低；
第5阶段：特征为GFR低于15mL/min/1.73m2。
一般认为第1～3阶段是早期阶段，第4～5阶段为晚期。
本发明人鉴定出多个与糖尿病肾病相关的生物标记，特别是不同阶段的糖尿病肾病。该生物标记由下列的4种蛋白质及其片段中的一种或多种所组成，不论是在尿液或血清中：(a)α-2-HS-醣蛋白(GenBank登录号NP_001613；2010年1月10日)；(b)α-1抗胰蛋白酶(GenBank登录号AAB59495；2010年1月10日)；(c)α-1酸醣蛋白(GenBank登录号EAW87416；2010年1月10日)；及
(d)骨桥蛋白，包括两个同型异构物(isoform)，已知为分泌型磷酸化蛋白1a(GenBank登录号NP_001035147；2010年1月17日)及分泌型磷酸化蛋白1b(GenBank登录号NP_000573；2010年1月10日)。
此述4种蛋白质的片段具有10个氨基酸的最小长度，优选为190～410个氨基酸的最大长度。例如：蛋白质(a)、(b)、(c)及(d)的片段可分别为357、408、191及290个氨基酸。
本发明人也发现由上述蛋白质及其片段之一种或多种所构成的生物标记，及一种或多种的临床因子(例如：年龄、性别、HbAlc、ACR及GFR)也与不同阶段的糖尿病肾病有关。
因此，本发明之一方面是关于使用任一个前述之生物标记于糖尿病肾病的诊断方法。为实施此方法，从怀疑患有糖尿病肾病的个体采集尿液样本，及视需要采集血清样本，以常见的方法，例如：质谱及免疫分析，测定上述之4种蛋白质中一种或多种或其片段的尿液及血清程度。如果需要，则以常见的方法测定临床因子程度。
当生物标记包含单一蛋白质分子时，在个体中的程度可与参考值比较，确认该个体是否患有糖尿病肾病。参考值表示在未患有糖尿病肾病个体中相同生物标记的程度，参考值可根据糖尿病肾病患者群及非糖尿病肾病患者群中该生物标记的程度而订定。例如：参考值可以是上述两患者群的平均程度之间的中间值。该生物标记的程度高于参考值则表示为糖尿病肾病。
当生物标记包含至少两种蛋白质分子，及任选地包含至少一个临床因子时，该蛋白质分子的程度及临床因子的值可经适当分析，产生以该生物标记程度为特征的疾病级数(disease score)(例如：以数字表示)。此述的分析包括例如：鉴别函数分析法(discriminant function analysis)、逻辑回归分析法(logistic regression analysis)、岭回归分析法(ridge regression analysis)、主成分分析法(principal component analysis)、因素分析法(factor analysis)、及广义线性模式(generalized linear model)，但不限于此。疾病级数可与代表未患有糖尿病肾病个体中相同生物标记程度之参考值比较。参考值可以常见的方法订定。例如：疾病级数参考值可获自分析未患有糖尿病肾病个体中该蛋白质分子及视需要分析的临床因子之平均值。疾病级数高于参考值则表示患有糖尿病肾病。
本发明另一方面涉及一种根据上述任一生物标记，确认糖尿病肾病阶段的方法。为了实施此方法，将糖尿病肾病患者的生物标记程度(最好以疾病级数表示)，与一组预定的可区分不同糖尿病肾病阶段的截取值(cutoff value)比较，以确定患者的糖尿病肾病阶段。该截取值可利用相同方法分析不同阶段的糖尿病肾病患者中相同生物标记的值而订定。
下列描述为根据不同阶段的糖尿病肾病相关的生物标记，订定前述截取值的例示过程：
(1)根据患者的疾病状态(例如：糖尿病肾病阶段及危险因子)，将该患者分成不同群；
(2)确定每一患者群中构成该生物标记的蛋白质分子及临床因子的程度或值；
(3)将该蛋白质程度及临床因子值进行适当分析，建立计算疾病级数的模式(例如：公式)；及
(4)根据代表各患者群的疾病级数(例如：平均值)及其它相关因子，例如：敏感度(sensitivity)、特异性(specificity)、阳性预测值(positive predictivevalue；PPV)及阴性预测值(negative predictive value；NPV)，以决定每一疾病阶段的截取值。
任何由上述所产生的模式可经由接受器操作特征(receiver-operatingcharacteristic；ROC)分析法产生ROC曲线，评估其诊断价值。在ROC分析中理想的多变量模式(multivariable model)将可得到最大的曲线下面积(Areaunder Curve，AUC)。该模式可见下述实施例1-3。
在另一发明方面，本发明关于一种监测个体中糖尿病肾病发展的方法，根据前述的任一种生物标记。更具体地说，来自个体的2个尿液样本及/或血清样本可在适当期间内(例如：2个星期至12个月)取得及检查，以测定前述任一生物标记的程度，之后如上述决定其疾病级数。如果在较晚取得的样本中代表生物标记程度的疾病级数高于较早取得的样本时，表示该个体的糖尿病肾病恶化。
上述监测方法可应用于罹患或具有风险罹患糖尿病肾病的人体。当该个体为具有风险罹患糖尿病肾病或为糖尿病肾病早期阶段时，可在每6～12个月监测一次该生物标记的程度，以监测糖尿病肾病的发展。当该个体已为糖尿病肾病晚期阶段时，最好于每3～6个月检查一次该生物标记的程度。
上述的监测方法也可根据一般方法应用于实验室动物，以研究糖尿病肾病。此述“实验室动物”为通常用于动物试验的脊椎动物，例如：小鼠、大鼠、兔、猫、狗、猪、及非人的灵长类动物。实验室动物最好于每2～24个星期检查一次，确认生物标记的程度。
任一个上述的生物标记可用于评估个体(即人糖尿病肾病患者或患有糖尿病肾病的实验室动物)的糖尿病肾病治疗的有效性。此方法中，测定在治疗前、治疗中及治疗后其代表前述生物标记程度的疾病级数。如果在治疗过程中疾病级数维持相同或降低，表示该治疗为有效。
在此亦公开有效于实施任一前述方法的试剂盒。该试剂盒包括2、3或4种具有不同抗原特异性的抗体。每一种该抗体可结合至(i)α-2-HS-醣蛋白、(ii)α-1抗胰蛋白酶、(iii)α-1酸性醣蛋白、或(iv)骨桥蛋白之其一。与蛋白质(i)、(ii)、(iii)及(iv)具有特异性结合的抗体可结合至该蛋白质的片段：MGVVSLGSPSGEVSHPRKT(SEQ ID NO：2)，KGKWERPFEVKDTEEEDF(SEQ ID NO：3)，MIEQNTKSPLFMGKVVNPTQK(SEQ ID NO：4)，EDPQGDAAQKTDTSHHDQDHPTFNKITPNLAEFA(SEQ ID NO：6)，GQEHFAHLLILRDTKTYMLAFDVNDEKNWGL S(SEQ ID NO：7)，YPDAVATWLNPDPSQKQNLLAPQNAVS SEETNDFKQETLPSK(SEQ IDNO：8)，或KYPDAVATWLNPDPSQKQNLLAPQTLPSK(SEQ ID NO：9)，亦即对于这些片段中包含的任何抗体表位是特异性的。在一实施例中，该试剂盒只包含与欲侦测的抗原(例如：与糖尿病肾病相关的蛋白质分子)具有特异性的抗体，以实施前述的方法。亦即，该试剂盒基本上由该抗体所组成。
前述试剂盒可包括结合于相同抗原的两种不同抗体(亦即涂布抗体(coating antibody)及侦测抗体(detecting antibody))。一般而言，侦测抗体藉由自体或连接其它试剂而结合可发出侦测讯号的分子。此述“抗体”为一完整的免疫球蛋白或其片段，例如：保留抗原结合活性的Fab或F(ab’)2。该抗体可自然发生或以基因工程产生(例如：单链抗体(single-chain antibody)、嵌合抗体(chimeric antibody)、或人源化抗体(humanized antibody))。
本发明试剂盒所含的抗体可获自商业贩售，或者可由一般方法制造(例如：参考Harlow and Lane，(1988)Antibodies：A Laboratory Manual，ColdSpring Harbor Laboratory，New York.)。为了制造上列生物标记的抗体，该生物标记(marker)可视需要连接于携带蛋白(例如：KLH)，并与佐剂混合，注射于宿主动物。动物体内产生的抗体之后可经亲和性层析法纯化。通常使用的宿主动物包括兔、小鼠、豚鼠、及大鼠。可用以增加免疫反应的多种佐剂根据宿主种类而选择，可包括弗氏佐剂(Freund’s adjuvant)(完全及不完全)；矿物胶，例如氢氧化铝、CpG；表面活性物质，例如溶血卵磷脂(lysolecithin)、多聚醇(Pluronic polyols)、聚阴离子(polyanions)、肽、油乳化剂、匙孔血蓝蛋白(keyhole limpet hemocyanin)及二硝基酚(dinitrophenol)。有用的人用佐剂包括BCG(分枝杆菌(bacille Calmette-Guerin))及短小棒状杆菌(Corynebacterium parvum)。多克隆抗体，亦即存在于经免疫的动物血清中的异质抗体分子群体。
单克隆抗体，亦即同质抗体分子群体，可使用标准的杂交瘤技术制造(例如：参考Kohler等(1975)Nature 256，495；Kohler等(1976)Eur.J.Immunol.6，511；Kohler等(1976)Eur J Immunol 6，292；和Hammerling等(1981)Monoclonal Antibodies and T Cell Hybridomas，Elsevier，N.Y.)。特别是，单克隆抗体可获自培养连续细胞系而生产抗体分子的任何技术，如Kohler等(1975)Nature 256，495及美国专利号4,376,110所述；以人B-细胞的杂交瘤技术生产者，如Kosbor等(1983)Immunol Today 4，72；Cole等(1983)Proc.Natl.Acad.Sci.USA 80，2026；以EBV-杂交瘤生产者，如Cole等(1983)Monoclonal Antibodies and Cancer Therapy，Alan R.Liss，Inc.，pp.77-96。前述抗体可为任何免疫球蛋白族群，包括IgG，IgM，IgE，IgA，IgD及其任何的亚类(subclass)。生产本发明的单克隆抗体的杂交瘤可在体外或体内培养。由于杂交瘤具有在体内生产高效价的单克隆抗体的能力，为特别有效的生产方法。
而且，抗体片段可由已知方法产生。例如该片段可包含F(ab)’2片段，可由抗体分子经胃蛋白酶作用而产生，及Fab片段，可由还原F(ab)’2片段的二硫键而产生，但不限于此。
没有进一步的阐述，相信本领域技术人员基于前述之说明可利用本发明至最大程度。以下之特定实施例因此仅为说明，不以任何方式限制本文的公开。所有此处引述之公开信息在此并入作为参考。
实施例1：以尿中α-2-HS-醣蛋白、尿中α-1抗胰蛋白酶、尿中α-1酸性醣蛋白、或血清中骨桥蛋白，诊断糖尿病肾病(DN)
材料及方法
(i)个体
由台北三军总医院根据美国糖尿病协会(American Diabetic Association)设立的标准，征募83位糖尿病患者(称为DM个体)及82位糖尿病肾病患者(称为DN个体)：
DM：罹患糖尿病但未罹患糖尿病肾病(标准如下述)；
DN：罹患糖尿病及尿中蛋白的分泌浓度高于每日1g、由切片检查确定患有糖尿病肾病、或患有尿毒症。
所有个体被分派为训练群(training group)及测试群(testing group)，比例为7∶3。
(ii)样本收集及处理
收集来自上述个体的早晨第一次排出的尿液样本及血清样本。尿液样本中的肽以尿液基质辅助激光解吸/电离飞行时间质谱仪(MALDI-TOF-MS)及同重元素相对与绝对定量标记法(iTRAQ)检查。
包括α-2-HS-醣蛋白(DN2)、α-1抗胰蛋白酶(DN5)、骨桥蛋白(DNO)、及α-1酸性醣蛋白(GR3)的蛋白质分子，以ELISA测量，确认其在尿液及血清样本中的程度。简单地说，将尿液样本与蛋白酶抑制剂混合，与稀释缓冲液稀释为1∶100，血清样本则稀释为1∶10。将稀释的样本置于ELISA板中进行一式三份重复实验。DNO、DN2、DN5及GR3的程度各以其标准的三明治ELISA方法测量。
程度的计算使用4-参数标准曲线。只纳入包含CV(％)低于15的标准品及样本，未符合标准者则重复上述步骤。尿液中的蛋白质浓度以在相同尿液样本中肌酸酐(creatinine)浓度校正，肌酸酐以Quantichrom Creatinine Assay(BioAssay Systems，(Hayward)California，USA)测量。(iii)统计分析
测量前述蛋白质分子于尿中及血清中的程度，经统计分析，显示其独立的区分DN个体及DM个体的能力，其auROC范围为0.44～0.87。
对于每个个体，各值间的校正根据常态的侦测结果，以Spearman或Pearson分析法确认。群间的平均值或中间值的比较以Student T-test或非参数的Mann-Whitney Test适当比较。当p＜0.05时为统计学上具显著性。统计上呈现平均值±平均标准差(SEM)或作为带有[25％，75％]的中位值。
结果
(i)患者特征
表1及表2显示训练群及测试群中的患者特征及DM、DN群的患者特征。
在DN个体及DM个体中观察到，GFR、ACR、蛋白质及血清中肌酸酐程度在统计学上具显著差异，性别分布没有差异。
(ii)DN相关的蛋白质分子
经过尿液蛋白质组(proteomic)分析，下表3所列的肽被发现在来自DM个体及DN个体的尿液样本中为有差异性表现(differentially presented)。
表3尿液/血清中有差异性表现的肽及蛋白质表列如下
经过ELISA分析，三种尿中蛋白质分子，即uDN2、uGR3及uDN5，及一种血清中蛋白质分子sDNO，被发现与DN有关。如图1的图1A～1D及上列表2所示。更具体地说，相较于DM个体(未患DN者)，DN个体中uDN2、uGR3、uDN5及sDNO的程度升高，表示该蛋白质分子为可信赖的DN生物标记。而且在具巨量白蛋白尿(macroalbumiuria)(ACR＞300mg/g)现象的DN个体中，uDN5及uGR3的程度高于在微量白蛋白尿(microalbumiuria)(ACR30mg/g～300mg/g)现象的DN个体的程度。巨量白蛋白尿为DN晚期的指标，微量白蛋白尿为DN早期的指标。
实施例2：以uDN2、uDN5、uGR3、uDNO及sDNO的组合，确认DN阶段
组合两个蛋白质模式
将DM个体及DN个体中的uDN2、uDN5、uGR3、uDNO及sDNO之中任两个的程度组合，进行鉴别函数分析法(discriminant function analysis)、逻辑回归分析法(logistic regression analysis)及岭回归分析法(ridge regressionanalysis)。这些研究中所得的结果表示，前述五种蛋白质或其片段任两者组合可作为确认DN阶段的可信赖标记。
以下显示为例示的组合两个蛋白质模式，即uDN5及uGR3，包括以此两种蛋白质分子的程度组合计算疾病级数的算式。下表4～9列出截取值、敏感度、特异性、阳性预测值(PPV)及阴性预测值(NPV)、及ROC曲线下面积(AUROC)。
鉴别函数分析法(discriminant function analysis)疾病级数＝0.3303×log2[uDN5](ng/mg)+0.2732×log2[uGR3](ng/mg)+5
逻辑回归分析法(logistic regression analysis)
疾病级数＝exp(Logit_value)/(1+exp(Logit_value))，其中
Logit_value  ＝-12.5332+0.7197×log2[uDN5](ng/mg)+0.4941×log2[uGR3](ng/mg)
岭回归分析法(ridge regression analysis)：
疾病级数＝-1.7697+0.1520×log2[uDN5](ng/mg)+0.2254×log2[uGR3](ng/mg)
组合三种蛋白质模式
将DM个体及DN个体中的uDN2、uDN5、uGR3、uDNO及sDNO之中的任三种蛋白质分子的程度组合，进行鉴别函数分析法(discriminant functionanalysis)、逻辑回归分析法(logistic regression analysis)、因素分析法(factoranalysis)及岭回归分析法(ridge regression analysis)。这些研究中所得的结果表示，任三种前述蛋白质的组合可作为确认DN阶段的可信赖标记。
以下显示为例示的组合三种蛋白质模式，即uDN2、uDN5及uGR3，包括以此三种蛋白质分子的程度组合计算疾病级数的算式。下表10～17列出截取值、敏感度、特异性、PPV、NPV、及AUROC。
鉴别函数分析法(discriminant function analysis)
疾病级数＝0.3340×log2[uDN5](ng/mg)-0.0142×log2[uDN2](ng/mg)+0.2784×log2[uGR3](ng/mg)+5
因素分析(factor analysis)
疾病级数＝0.9190×log2[uDN5](ng/mg)+0.6997×log2[uDN2](ng/mg)+0.9003×log2[uGR3](ng/mg)
逻辑回归分析法(logistic regression analysis)
疾病级数＝exp(Logit_value)/(1+exp(Logit_value))，其中
Logit_value    ＝-11.2820+0.8810×log2[uDN5](ng/mg)-0.3478×log2[uDN2](ng/mg)+0.5576×log2[uGR3](ng/mg)
岭回归分析法(ridge regression analysis)：
疾病级数＝-1.2900+0.1800×log2[uDN5](ng/mg)-0.1013×log2[uDN2](ng/mg)+0.2505×log2[uGR3](ng/mg)
组合四种蛋白质模式
将DM个体及DN个体中的uDN2、uDN5、uGR3、uDNO及sDNO之中的任四种蛋白质分子的程度组合，进行鉴别函数分析法(discriminantfunction analysis)、逻辑回归分析法(logistic regression analysis)、因素分析法(factor analysis)及岭回归分析法(ridge regression analysis)。这些研究中所得的结果表示，前述五种蛋白质或其片段的任四种组合可作为确认DN阶段的可信赖标记。
以下显示为例示的组合四种蛋白质模式，即uDN2、uDN5、uGR3及sDNO，包括以此四种蛋白质分子的程度组合计算疾病级数的算式。下表18～25列出截取值、敏感度、特异性、PPV、NPV、及AUROC。
鉴别函数分析法(discriminant function analysis)
疾病级数＝0.2972×log2[uDN5](ng/mg)+0.0159×log2[uDN2](ng/mg)+0.2014×log2[uGR3](ng/mg)+0.5688×log2[sDNO](ng/ml)+5
因素分析(factor analysis)
疾病级数＝0.9132×log2[uDN5](ng/mg)+0.6950×log2[uDN2](ng/mg)+0.9080×log2[uGR3](ng/mg)+0.4549×log2[sDNO](ng/ml)
逻辑回归分析法(logistic regression analysis)
疾病级数＝exp(Logit_value)/(1+exp(Logit_value))，其中
Logit_value  ＝-13.7529+0.9460×log2[uDN5](ng/mg)-0.3110×log2[uDN2](ng/mg)+0.4957×log2[uGR3](ng/mg)+0.4787×log2[sDNO](ng/ml)
岭回归分析法(ridge regression analysis)：
疾病级数＝-1.7588+0.1729×log2[uDN5](ng/mg)-0.0971×log2[uDN2](ng/mg)+0.2381×log2[uGR3](ng/mg)+0.1312×log2[sDNO](ng/ml)
组合五种蛋白质模式
将DM个体及DN个体中的uDN2、uDN5、uGR3、uDNO及sDNO的程度组合，进行鉴别函数分析法(discriminant function analysis)、逻辑回归分析法(logistic regression analysis)、因素分析法(factor analysis)及岭回归分析法(ridge regression analysis)。这些研究中所得的结果表示，前述五种蛋白质或其片段的组合可作为确认DN阶段的可信赖标记。
以下显示以前述的五种蛋白质分子的程度组合计算疾病级数的算式，及下表26～33列出截取值、敏感度、特异性、PPV、NPV、及AUROC，作为组合五种蛋白质模式。
鉴别函数分析法(discriminant function analysis)
疾病级数＝0.2780×log2[uDN5](ng/mg)+0.0231×log2[uDN2](ng/mg)+0.2236×log2[uGR3](ng/mg)+0.6043×log2[sDNO](ng/ml)-0.1513×log2[uDNO](ng/mg)+5
因素分析(factor analysis)
疾病级数＝0.9117×log2[uDN5](ng/mg)+0.6949×log2[uDN2](ng/mg)+0.9095×log2[uGR3](ng/mg)+0.4554×log2[sDNO](ng/ml)+0.0384×log2[uDNO](ng/mg)
逻辑回归分析法(logistic regression analysis)
疾病级数＝exp(Logit value)/(1+exp(Logit_value))，其中
Logit_value  ＝-11.4318+0.8188×log2[uDN5](ng/mg)-0.5376×log2[uDN2](ng/mg)+0.7561×log2uGR3](ng/mg)+0.3940×log2[sDNO](ng/ml)-0.1741×log2[uDNO](ng/mg)
岭回归分析法(ridge regression analysis)：
疾病级数＝-1.3112+0.1648×log2[uDN5](ng/mg)-0.0968×log2[uDN2](ng/mg)+0.2468×log2[uGR3](ng/mg)+0.1426×log2[sDNO](ng/ml)-0.0552×log2[uDNO](ng/mg)
实施例3：以uDN2、uDN5、uGR3、及年龄的组合确认DN阶段
以下根据三种蛋白质分子uDN2、uDN5及uGR3的生物标记程度，及一个临床因子(年龄)的组合，以鉴别函数分析法(discriminant function analysis)、逻辑回归分析法(logistic regression analysis)、因素分析法(factor analysis)及岭回归分析法(ridge regression analysis)及下列算式计算疾病级数。下表34～41列出此模式的截取值、敏感度、特异性、PPV、NPV、及AUROC。
鉴别函数分析法(discriminant function analysis)
疾病级数＝0.3342×log2[uDN5](ng/mg)-0.0201×log2[uDN2](ng/mg)+0.2826×log2[uGR3](ng/mg)+0.0059×年龄(岁)+5
因素分析(factor analysis)
疾病级数＝0.9184×log2[uDN5](ng/mg)+0.7006×log2[uDN2](ng/mg)+0.9005×log2[uGR3](ng/mg)+0.1863×年龄(岁)
逻辑回归分析法(logistic regression analysis)
疾病级数＝exp(Logit_value)/(1+exp(Logit_value))，其中
Logit_value＝-15.9748+0.8688×log2[uDN5](ng/mg)-0.4966×log2[uDN2](ng/mg)+0.6436×log2[uGR3](ng/mg)+0.0879×年龄(岁)
岭回归分析法(ridge regression analysis)：
疾病级数＝-2.1690+0.1771×log2[uDN5](ng/mg)-0.1074×log2[uDN2](ng/mg)+0.2474×log2[uGR3](ng/mg)+0.0168×年龄(岁)
其它实施方案
本说明书所公开之所有特征可以任何组合方式而组合在一起。本说明书公开的每一特征可由产生相同、相等或相似的目的之特征所替代。因此，除非有明确地说明，此述的所有特征仅为相等或相似特征的例示。
从上述说明，本领域技术人员可容易了解本发明的必要特征，且在不偏离本发明之精神及范围下，可对本发明作出多种变化及改良，以调整为各种用途及条件。因此，其它实施方案亦包含于权利要求中。

Claims (27)

1.生物标记用于制备试剂盒的用途，其中该生物标记为α-1抗胰蛋白酶的片段，其中该α-1抗胰蛋白酶的片段为KGKWERPFEVKDTEEEDF(SEQ IDNO:3)所示的氨基酸序列，
所述试剂盒用于诊断个体中糖尿病肾病，包括：
确认怀疑为患有糖尿病肾病的个体中所述生物标记的程度；
以及根据该生物标记的程度评估该个体是否患有糖尿病肾病；
其中，相较于未患有糖尿病肾病个体，该生物标记的程度增加时，表示该个体患有糖尿病肾病。
2.如权利要求1所述的用途，还包括在该评估步骤之后，依据该生物标记的程度评估糖尿病肾病的阶段，其中，相较于未患有糖尿病肾病个体，该生物标记的程度增加时，表示该个体为糖尿病肾病晚期。
3.如权利要求1所述的用途，其中该生物标记由所述α-1抗胰蛋白酶的片段和择自下列至少一氨基酸序列VVSLGSPSGEVSHPRKT(SEQ ID NO:1)及MGVVSLGSPSGEVSHPRKT(SEQ ID NO:2)所示的α-2-HS-醣蛋白前体的片段所组成。
4.如权利要求3所述的用途，还包括在该评估步骤之后，依据该生物标记的程度评估糖尿病肾病的阶段，其中，相较于未患有糖尿病肾病个体，该生物标记的程度增加时，表示该个体为糖尿病肾病晚期。
5.如权利要求1所述的用途，其中该生物标记由所述α-1抗胰蛋白酶的片段和下列氨基酸序列GQEHFAHLLILRDTKTYMLAFDVNDEKNWGLS(SEQ ID NO:7)所示的尿中α-1酸性醣蛋白(α-1acid glycoprotein)片段所组成。
6.如权利要求5所述的用途，还包括在该评估步骤后，依据该生物标记的程度评估糖尿病肾病的阶段。
7.如权利要求1所述的用途，其中该生物标记由所述α-1抗胰蛋白酶的片段和择自下列至少一氨基酸序列YPDAVATWLNPDPSQKQNLLAPQNAVSSEETNDFKQETLPSK(SEQ IDNO:8)及KYPDAVATWLNPDPSQKQNLLAPQTLPSK(SEQ ID NO:9)所示的血清中的骨桥蛋白的片段所组成。
8.如权利要求7所述的用途，还包括在该评估步骤后，依据该生物标记的程度评估糖尿病肾病的阶段，其中，相较于未患有糖尿病肾病个体，该生物标记的程度增加时，表示该个体为糖尿病肾病晚期。
9.生物标记用于制备试剂盒的用途，其中该生物标记为α-1抗胰蛋白酶的片段，其中该α-1抗胰蛋白酶的片段为KGKWERPFEVKDTEEEDF(SEQ IDNO:3)所示的氨基酸序列，
所述试剂盒用于评估个体中糖尿病肾病的治疗有效性，包括：确认该个体中所述生物标记的治疗前程度，
确认该个体中该生物标记的治疗后程度，以及
根据该生物标记的程度在治疗后的改变，评估该治疗的有效性，
其中，当该生物标记的治疗后程度与该生物标记的治疗前程度相同或较低时，表示该治疗为有效。
10.如权利要求9所述的用途，其中该生物标记由所述α-1抗胰蛋白酶的片段和择自下列至少一氨基酸序列所组成：如氨基酸序列VVSLGSPSGEVSHPRKT(SEQ ID NO:1)或MGVVSLGSPSGEVSHPRKT(SEQ ID NO:2)所示的α-2-HS-醣蛋白前体的片段；
如氨基酸序列GQEHFAHLLILRDTKTYMLAFDVNDEKNWGLS(SEQID NO:7)所示的尿中α-1酸性醣蛋白(α-1acid glycoprotein)；及
如氨基酸序列YPDAVATWLNPDPSQKQNLLAPQNAVSSEETNDFKQETLPSK(SEQ IDNO:8)或KYPDAVATWLNPDPSQKQNLLAPQTLPSK(SEQ ID NO:9)所示的血清中的骨桥蛋白的片段。
11.如权利要求9所述的用途，其中该个体为人。
12.如权利要求9所述的用途，其中该个体为实验室动物。
13.蛋白质分子用于制备试剂盒的用途，其中该蛋白质分子为α-1抗胰蛋白酶的片段，其中该α-1抗胰蛋白酶的片段为KGKWERPFEVKDTEEEDF(SEQ ID NO:3)所示的氨基酸序列，
所述试剂盒用于确认个体中糖尿病肾病阶段，包括：
从怀疑患有糖尿病肾病个体中获得尿液样本及任选地取得血清样本；
确认该样本中由所述蛋白质分子所构成的生物标记的程度，及任选地采用一个或多个的临床因子，该临床因子选自年龄、性别、HbAlc、白蛋白(albumin)/肌酸酐(creatinine)比例、及肾小球过滤率(glomerular filtration rate)；
根据该生物标记的程度计算疾病级数；及
根据该疾病级数与表示不同糖尿病肾病阶段的预定截取值(cutoff value)的比较，评估该个体的糖尿病肾病阶段。
14.如权利要求13所述的用途，其中该疾病级数由选自岭回归分析法(ridge regression analysis)、因素分析法(factor analysis)、鉴别函数分析法(discriminant function analysis)、及逻辑回归分析法(logistic regression analysis)的分析法所计算。
15.如权利要求13所述的用途，其中该蛋白质分子由所述α-1抗胰蛋白酶的片段和择自下列至少一氨基酸序列所组成：如氨基酸序列VVSLGSPSGEVSHPRKT(SEQ ID NO:1)或MGVVSLGSPSGEVSHPRKT(SEQ ID NO:2)所示的尿中α-2-HS-醣蛋白前体的片段；
如氨基酸序列GQEHFAHLLILRDTKTYMLAFDVNDEKNWGLS(SEQID NO:7)所示的尿中α-1酸性醣蛋白(α-1acid glycoprotein)片段；及如氨基酸序列YPDAVATWLNPDPSQKQNLLAPQNAVSSEETNDFKQETLPSK(SEQID NO:8)或KYPDAVATWLNPDPSQKQNLLAPQTLPSK(SEQ ID NO:9)所示的血清中或尿中的骨桥蛋白的片段。
16.如权利要求15所述的用途，其中该取得步骤由收集尿液样本及血清样本而进行并且所述生物标记由所述尿中α-1抗胰蛋白酶的片段、所述α-2-HS-醣蛋白前体的片段、所述尿中α-1酸性醣蛋白(α-1acid glycoprotein)片段及所述血清中及尿中的骨桥蛋白的片段所组成。
17.如权利要求15所述的用途，其中该取得步骤由收集尿液样本而进行并且所述生物标记由所述尿中α-1抗胰蛋白酶的片段和至少一种选自所述尿中α-2-HS-醣蛋白前体的片段、所述尿中α-1酸性醣蛋白(α-1acid glycoprotein)片段及所述尿中的骨桥蛋白的片段的蛋白质分子所组成。
18.蛋白质分子用于制备试剂盒的用途，其中该蛋白质分子为α-1抗胰蛋白酶的片段，其中该α-1抗胰蛋白酶的片段为KGKWERPFEVKDTEEEDF(SEQ ID NO:3)所示的氨基酸序列，
所述试剂盒用于监测个体中糖尿病肾病发展，包括：
从怀疑患有糖尿病肾病个体中获得第一尿液样本及任选地取得第一血清样本；
在2星期至12个月之后，从该个体中取得第二尿液样本及任选地取得第二血清样本；
确认第一及第二样本中由所述蛋白质分子所组成的生物标记的程度，及任选地采用一个或多个的临床因子，该临床因子选自年龄、性别、HbAlc、白蛋白(albumin)/肌酸酐(creatinine)比例、及肾小球过滤率(glomerular filtrationrate)；
根据第一及第二样本中的该生物标记的程度，分别计算第一疾病级数及第二疾病级数；及
评估该个体中的疾病发展；
其中，当第二疾病级数高于第一疾病级数时，表示糖尿病肾病恶化。
19.如权利要求18所述的用途，其中该疾病级数由选自岭回归分析法(ridge regression analysis)、因素分析法(factor analysis)、鉴别函数分析法(discriminant function analysis)、及逻辑回归分析法(logistic regression analysis)中的分析法所计算。
20.如权利要求18所述的用途，其中该蛋白质分子由所述α-1抗胰蛋白酶的片段和择自下列至少一氨基酸序列所组成：如氨基酸序列VVSLGSPSGEVSHPRKT(SEQ ID NO:1)或MGVVSLGSPSGEVSHPRKT(SEQ ID NO:2)所示的α-2-HS-醣蛋白前体的片段；
如氨基酸序列GQEHFAHLLILRDTKTYMLAFDVNDEKNWGLS(SEQID NO:7)所示的尿中α-1酸性醣蛋白(α-1acid glycoprotein)片段；及
如氨基酸序列YPDAVATWLNPDPSQKQNLLAPQNAVSSEETNDFKQETLPSK(SEQ IDNO:8)或KYPDAVATWLNPDPSQKQNLLAPQTLPSK(SEQ ID NO:9)所示的血清中或尿中的骨桥蛋白的片段。
21.如权利要求20所述的用途，其中该取得步骤由收集尿液样本及血清样本而进行并且所述生物标记由所述尿中α-1抗胰蛋白酶的片段、所述α-2-HS-醣蛋白前体的片段、所述尿中α-1酸性醣蛋白(α-1acid glycoprotein)片段及所述血清中及尿中的骨桥蛋白的片段所组成。
22.如权利要求20所述的用途，其中该取得步骤由收集尿液样本而进行并且所述生物标记由所述尿中α-1抗胰蛋白酶的片段和至少一种选自所述尿中α-2-HS-醣蛋白前体的片段、所述尿中α-1酸性醣蛋白(α-1acidglycoprotein)片段及所述尿中的骨桥蛋白的片段的片段所组成。
23.蛋白质分子用于制备试剂盒的用途，其中该蛋白质分子为α-1抗胰蛋白酶的片段，其中该α-1抗胰蛋白酶的片段为KGKWERPFEVKDTEEEDF(SEQ ID NO:3)所示的氨基酸序列，
所述试剂盒用于评估个体中糖尿病肾病的治疗有效性，包括：
在治疗前从个体中获得第一尿液样本及任选地取得第一血清样本；
在治疗后从该个体中获得第二尿液样本及任选地取得第二血清样本；
确认该样本中由所述蛋白质分子所组成的生物标记的程度，及任选地采用一个或多个的临床因子，该临床因子选自年龄、性别、HbAlc、白蛋白(albumin)/肌酸酐(creatinine)比例、及肾小球过滤率(glomerular filtration rate)；
根据第一及第二样本中该生物标记的程度，分别计算第一疾病级数及第二疾病级数；及
评估该个体中的治疗有效性；
其中，当该第二疾病级数相等于或低于该第一疾病级数时，表示该治疗为有效。
24.如权利要求23所述的用途，其中该疾病级数由选自岭回归分析法(ridge regression analysis)、因素分析法(factor analysis)、鉴别函数分析法(discriminant function analysis)、及逻辑回归分析法(logistic regression analysis)中的分析法所计算。
25.如权利要求23所述的用途，其中该蛋白质分子由所述α-1抗胰蛋白酶的片段和择自下列至少一氨基酸序列所组成：如氨基酸序列VVSLGSPSGEVSHPRKT(SEQ ID NO:1)或MGVVSLGSPSGEVSHPRKT(SEQ ID NO:2)所示的尿中α-2-HS-醣蛋白前体的片段；
如氨基酸序列GQEHFAHLLILRDTKTYMLAFDVNDEKNWGLS(SEQID NO:7)所示的尿中α-1酸性醣蛋白(α-1acid glycoprotein)片段；及
如氨基酸序列YPDAVATWLNPDPSQKQNLLAPQNAVSSEETNDFKQETLPSK(SEQ IDNO:8)或KYPDAVATWLNPDPSQKQNLLAPQTLPSK(SEQ ID NO:9)所示的血清中或尿中的骨桥蛋白的片段。
26.如权利要求25所述的用途，其中该取得步骤由收集尿液样本及血清样本而进行并且所述生物标记由所述尿中α-1抗胰蛋白酶的片段、所述α-2-HS-醣蛋白前体的片段、所述尿中α-1酸性醣蛋白(α-1acid glycoprotein)片段及所述血清中及尿中的骨桥蛋白的片段所组成。
27.如权利要求25所述的用途，其中该取得步骤由收集尿液样本而进行并且所述生物标记由所述尿中α-1抗胰蛋白酶的片段和至少一种选自所述尿中α-2-HS-醣蛋白前体的片段、所述尿中α-1酸性醣蛋白(α-1acid glycoprotein)片段及所述尿中的骨桥蛋白的片段的片段所组成。
CN201080005751.2A 2009-01-28 2010-01-27 与糖尿病肾病相关的尿及血清的生物标记 Active CN102300877B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14777809P 2009-01-28 2009-01-28
US61/147,778 2009-01-28
PCT/CA2010/000097 WO2010085879A1 (en) 2009-01-28 2010-01-27 Urine and serum biomarkers associated with diabetic nephropathy

Publications (2)

Publication Number Publication Date
CN102300877A CN102300877A (zh) 2011-12-28
CN102300877B true CN102300877B (zh) 2014-12-10

Family

ID=42395076

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080005751.2A Active CN102300877B (zh) 2009-01-28 2010-01-27 与糖尿病肾病相关的尿及血清的生物标记

Country Status (14)

Country Link
US (4) US8465980B2 (zh)
EP (2) EP2391654B1 (zh)
JP (1) JP5689426B2 (zh)
CN (1) CN102300877B (zh)
BR (1) BRPI1007443B8 (zh)
CA (1) CA2748937C (zh)
DK (2) DK2623517T3 (zh)
ES (2) ES2552557T3 (zh)
HU (2) HUE025796T2 (zh)
MX (1) MX2011007811A (zh)
PL (2) PL2391654T3 (zh)
PT (2) PT2391654E (zh)
TW (1) TWI449910B (zh)
WO (1) WO2010085879A1 (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MX2011007810A (es) * 2009-01-28 2011-09-30 Ind Tech Res Inst Biomarcadores asociados con nefropatia.
CN103299192B (zh) * 2010-09-21 2016-05-11 普罗蒂阿米克斯国际有限公司 与糖尿病前期、糖尿病以及糖尿病相关病症相关的生物标记
JP5714285B2 (ja) * 2010-09-29 2015-05-07 株式会社プロトセラ 妊娠高血圧症候群マーカーおよびそれを用いた診断
EP2592421B1 (en) * 2011-11-14 2017-08-30 Universitätsklinikum Jena Diagnosis of sepsis and systemic inflammatory response syndrome
WO2013115283A1 (ja) * 2012-01-31 2013-08-08 味の素株式会社 早期腎症の評価方法、早期腎症評価装置、早期腎症評価方法、早期腎症評価プログラム、早期腎症評価システムおよび情報通信端末装置
US20150004157A1 (en) * 2012-02-13 2015-01-01 New York University Osteopontin isoform a inhibitors and methods of use
GB201203938D0 (en) * 2012-03-06 2012-04-18 Binding Site Group The Ltd Assay system
US10018591B2 (en) 2012-06-11 2018-07-10 Preventage Healthcare, Llc Methods for improving diabetes management
CN105960593B (zh) * 2013-11-04 2018-05-15 密歇根大学董事会 用于慢性肾病进展预测的生物标记物和方法
CN103804484B (zh) * 2014-01-24 2016-03-16 南京必优康生物技术有限公司 一种网红细胞生长因子及其制备方法和应用
CN105572355B (zh) * 2015-03-13 2018-04-13 中国医学科学院肿瘤医院 检测食管癌的生物标志物
EP3935581A4 (en) 2019-03-04 2022-11-30 Iocurrents, Inc. DATA COMPRESSION AND COMMUNICATION USING MACHINE LEARNING
CN113687083B (zh) * 2021-08-20 2023-11-28 天津中医药大学 一种基于深度学习的糖尿病肾病早期预测方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003019193A1 (en) * 2001-08-30 2003-03-06 Ciphergen Biosystems, Inc. Method of diagnosing nephrotic syndrome
WO2007056587A2 (en) * 2005-11-09 2007-05-18 The General Hospital Corporation Predicting diabetic nephropathy (dn)

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999015904A1 (en) 1997-09-26 1999-04-01 University Of Washington Methods and compositions for diagnosing renal pathologies
JP2002090365A (ja) * 2000-02-08 2002-03-27 Internatl Reagents Corp 腎障害の検査手段
DE60029302T2 (de) * 2000-04-28 2007-08-09 Bayer Ag Diagnose von Leberfibrose mit Hilfe von Serummarkeralgorithmen
CA2411346A1 (en) * 2000-06-13 2001-12-20 Children's Medical Center Corporation Biosynthetic oncolytic molecules and uses therefor
WO2002051871A2 (fr) * 2000-12-26 2002-07-04 Institut National De La Sante Et De La Recherche Medicale (Inserm) Anticorps anti-cd28
US20040171081A1 (en) * 2001-11-23 2004-09-02 Abraham Mittelman Antigens
US20050048574A1 (en) * 2003-03-14 2005-03-03 Kantor Aaron B. Biomarkers for diagnosing rheumatoid arthritis
US20060286602A1 (en) * 2004-05-10 2006-12-21 Harald Mischak Method and markers for the diagnosis of renal diseases
WO2005113831A2 (en) * 2004-05-19 2005-12-01 Ppd Biomarker Discovery Sciences, Llc Biomarkers for multiple sclerosis and methods of use thereof
WO2006044666A2 (en) * 2004-10-15 2006-04-27 Northeastern University Detection of disease associated proteolysis by direct mass spectrometry analysis of low molecular weight peptides
ATE461214T1 (de) * 2005-09-05 2010-04-15 Immatics Biotechnologies Gmbh Tumor-assoziierte peptide, welche an unterschiedliche menschliche leukozytenantigene der klasse ii binden
WO2007051069A2 (en) * 2005-10-27 2007-05-03 Yale University Urinary proteomic biomarker patterns in preeclampsia
WO2007110230A2 (en) * 2006-03-27 2007-10-04 Institut Pasteur Secreted proteins as early markers and drug targets for autoimmunity, tumorigenesis and infections
EP2057465A4 (en) * 2006-08-09 2010-04-21 Homestead Clinical Corp SPECIFIC ORGAN PROTEINS AND METHODS OF USE
WO2008092214A1 (en) 2007-02-02 2008-08-07 Minomic International Limited Biomarkers for diabetes
WO2008116867A1 (en) 2007-03-26 2008-10-02 Novartis Ag Predictive renal safety biomarkers and biomarker signatures to monitor kidney function
WO2010031822A1 (de) * 2008-09-17 2010-03-25 Mosaiques Diagnostics And Therapeutics Ag Nierenzellkarzinom
MX2011007810A (es) * 2009-01-28 2011-09-30 Ind Tech Res Inst Biomarcadores asociados con nefropatia.

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003019193A1 (en) * 2001-08-30 2003-03-06 Ciphergen Biosystems, Inc. Method of diagnosing nephrotic syndrome
WO2007056587A2 (en) * 2005-11-09 2007-05-18 The General Hospital Corporation Predicting diabetic nephropathy (dn)

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PATURI V. RAO, et al.Proteomic identification of urinary biomarkers of diabetic nephropathy.《DIABETES CARE》.2007, *
Proteomic identification of urinary biomarkers of diabetic nephropathy;PATURI V. RAO, et al;《DIABETES CARE》;20070331;629-637 *

Also Published As

Publication number Publication date
BRPI1007443B1 (pt) 2020-10-13
JP5689426B2 (ja) 2015-03-25
US20130252267A1 (en) 2013-09-26
JP2012516431A (ja) 2012-07-19
EP2391654B1 (en) 2015-09-09
WO2010085879A1 (en) 2010-08-05
EP2391654A4 (en) 2012-08-01
HUE025795T2 (en) 2016-05-30
EP2623517B8 (en) 2015-12-30
US8476077B2 (en) 2013-07-02
US20100197033A1 (en) 2010-08-05
PT2391654E (pt) 2015-11-19
EP2623517A1 (en) 2013-08-07
ES2552467T3 (es) 2015-11-30
EP2623517B1 (en) 2015-09-16
MX2011007811A (es) 2012-03-14
TWI449910B (zh) 2014-08-21
PT2623517E (pt) 2015-11-19
PL2623517T3 (pl) 2016-04-29
US10101340B2 (en) 2018-10-16
EP2391654A1 (en) 2011-12-07
CA2748937C (en) 2016-07-19
BRPI1007443B8 (pt) 2021-07-27
CA2748937A1 (en) 2010-08-05
PL2391654T3 (pl) 2016-04-29
ES2552557T3 (es) 2015-11-30
US8465980B2 (en) 2013-06-18
BRPI1007443A2 (pt) 2017-09-12
DK2623517T3 (en) 2015-11-23
US20110079077A1 (en) 2011-04-07
TW201033616A (en) 2010-09-16
HUE025796T2 (hu) 2016-05-30
CN102300877A (zh) 2011-12-28
DK2391654T3 (en) 2015-11-16
US20110086371A1 (en) 2011-04-14

Similar Documents

Publication Publication Date Title
CN102300877B (zh) 与糖尿病肾病相关的尿及血清的生物标记
US20100136579A1 (en) Biomarkers useful in liver fibrosis diagnosis
Salem et al. Urinary Cyclophilin A and serum Cystatin C as biomarkers for diabetic nephropathy in children with type 1 diabetes
EP2442105A1 (en) Test method on renal diseases
US9442120B2 (en) Biomarkers associated with nephropathy
EP2531857B1 (en) Infection prognostic assay
EP2882767B1 (en) Evaluating renal injury using hyaluronic acid
Nasr et al. The role of transferrin and laminin biomarkers in the diagnosis of diabetic nephropathy in type II diabetic patients
WO2023212583A1 (en) Innate immune proteins as biomarkers for traumatic brain injury in adult and pediatric patients
JP2022133139A (ja) 抗うつ薬抵抗性の大うつ病患者を識別するための、データの取得方法およびキット
EP3861353A1 (en) Kidney health monitoring in hypertension patients
Abdeen et al. Study of urine aquaporine-5 as a biomarker for diabetic nephropathy

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20190214

Address after: 1/6, 18 Taiyuan Street, Zhubei City, Hsinchu County, Taiwan, China

Patentee after: Novel Biomedical Co., Ltd.

Address before: Hsinchu County, Taiwan, China

Patentee before: Industrial Technology Research Institute