确定产前并发症风险的方法
本申请是中国申请200980110513.5的分案申请,该母案的国际申请日为2009年1月26日,本分案采用了与该母案一致的发明名称。
相关申请的交叉引用
根据35U.S.C.节119,本申请要求下列美国临时申请的优先权:2008年1月25日提交的61/023,776,2008年2月4日提交的61/025,890,2008年6月9日提交的61/060,048,以及2008年6月11日提交的61/060,732,在此引入其全部内容作为参考。
发明背景
每年,全世界至少有1.26亿女性生产。其中超过2000万的女性罹患过妊娠相关并发症或疾病。例如,高血压病症如先兆子痫(pre-eclampsia)影响超过10%的全部妊娠过程并导致孕产妇死亡。充分的产前保健减少了将来忽视这类并发症和疾病的机会。在许多国家,用于确定(determine)产前并发症(prenatal complication)和/或胎儿发育异常(fetal abnormality)的风险的筛查方法已经成为常规并用来辅助对孕妇的治疗和建议。例如,在整个欧洲、美国以及亚洲的一些地区,医护人员(health care provider)通常使用存在于孕妇外周血的生化标志物来筛查胎儿的染色体异常。这样的筛查对于识别出具有足够高的风险并被确认需要进一步诊断检测的女性是有益的,所述诊断检测可能是创伤性的并会给胎儿带来风险。孕妇外周血和其它流体也含有生化标志物,其可以用来检测女性的妊娠相关疾病。虽然如此,目前没有常规筛查已经采取利用母体样本来早期地发现先兆子痫。因此,需要开发对于产前并发症和/或胎儿发育异常的准确筛查方法。
发明内容
本公开提供用于确定妊娠个体先兆子痫风险的方法。所述方法涉及测定一种或多种选自胎盘生长因子(placental growth factor)(PlGF)和妊娠相关血浆蛋白A(pregnancy-associated plasma protein A)(PAPP-A)的生化标志物在来自个体的一种或多种血液样品中的量;测定个体的血压;以及利用选定的一种或多种生化标志物中的每一种的量和个体的血压来确定先兆子痫的风险。在一个实施方式中,所述方法还涉及测定个体的子宫动脉搏动指数(uterineartery pulsatility index)(PI);以及利用选定的一种或多种生化标志物中的每一种的量和个体的血压,及PI来确定先兆子痫的风险。在一个实施方式中,先兆子痫的类型可以是早发型先兆子痫(early pre-eclampsia)。晚发型先兆子痫(late pre-eclampsia)也可以采用所述方法来检测。在一个实施方式中,生化标志物可以是例如,PlGF。在另一个实施方式中,生化标志物可以是PAPP-A。在再一个实施方式中,所述方法可以一起使用PlGF和PAPP-A。在一个实施方式中,所述方法还可以包括测定胎盘蛋白13(PP13)的量,并利用选定的一种或多种生化标志物中的每一种的量、个体的血压和PP13的量来确定先兆子痫的风险。血压可以是例如,平均动脉压。
在一个实施方式中风险的确定(risk determination)可以包括测定针对血压的似然比(likelihood ratio for blood pressure)。风险的确定还可以包括基于以下来计算最终风险:基于该个体先前形成先兆子痫的风险和一组基于一种或多种生化标志物的量和血压的似然比。在一个实施方式中,进行多变量高斯分析(multivariate Gaussian analysis)来确定似然比。在一个实施方式中,所述方法还可以涉及使用针对一种或多种选自下组的母体历史参数(maternalhistory parameter)的似然比,所述历史参数选自种族、吸烟、产次、BMI、高血压、先前的先兆子痫、及母亲/姐妹先前患有的先兆子痫。在一个实施方式中,个体先兆子痫风险的检出率为至少约65%且假阳性率为约10%。在另一个实施方式中,个体先兆子痫风险的检出率为至少约75%且假阳性率为约10%。在再一个实施方式中,个体先兆子痫风险的检出率为至少约90%且假阳性率为约10%。在又一个实施方式中用于确定个体先兆子痫风险的方法具有的检出率为至少约95%且假阳性率为约10%。
本公开还提供针对妊娠个体的医学概貌(medical profile),其包括下述信息,例如:来自个体的一种或多种血液样品中存在的一种或多种生化标志物的量,所述生化标志物选自胎盘生长因子(PlGF)和妊娠相关血浆蛋白A(PAPP-A);以及个体的血压,其中所述医学概貌存储于计算机可读介质中。
本公开还提供用于确定妊娠个体先兆子痫风险的设备。所述设备包括数据输入装置(means),其用于输入选自胎盘生长因子(PlGF)和妊娠相关血浆蛋白A(PAPP-A)的一种或多种生化标志物在来自个体的一种或多种血液样品中的量,和个体的血压;以及计算装置,其利用输入的生化标志物的量和血压来确定形成先兆子痫的风险。在一个实施方式中,所述设备还可以包括数据输入装置,其用于输入一种或多种参数,以及PI,所述参数选自年龄、种族、吸烟、产次、BMI、高血压、先前的先兆子痫和母亲/姐妹先前患有的先兆子痫,以及计算装置,其利用输入的生化标志物的量、血压和一种或多种选定的参数来确定形成先兆子痫的风险。
本公开提供用于确定胎儿染色体异常风险的方法。所述方法涉及测定胎盘生长因子(PlGF)、妊娠相关血浆蛋白A(PAPP-A)和游离人绒毛膜促性腺激素(游离β-hCG)在取自妊娠个体的一种或多种血液样品中的量;以及利用PlGF、PAPP-A、和游离β-hCG的检测量来确定胎儿染色体异常的风险。在一个实施方式中,染色体异常选自:21三体(trisomy21)、18三体、13三体、特纳综合征(Turner syndrome)、以及三倍性(triploidy)。在一个实施方式中,所述方法可以包括测定胎儿的一种或多种超声标志物(ultrasound marker)以及利用PlGF、PAPP-A、游离β-hCG的量和一种或多种超声标志物来确定胎儿染色体异常的风险。所述超声标志物可以是例如,颈部半透明膜(nuchaltranslucency)。在一个实施方式中,所述方法还可以涉及测定选自胎盘蛋白13(PP13)和金属蛋白酶12(ADAM12)的至少一种生化标志物的量,以及利用PlGF、PAPP-A、游离β-hCG的量和至少一种生化标志物来确定胎儿染色体异常的风险。在一个实施方式中,所述一种或多种生物样本取自处于妊娠前三个月的妊娠个体,例如处于妊娠10~19周,例如妊娠11~13周。在一个实施方式中,所述确定包括基于形成染色体异常的前期风险和基于PlGF、PAPP-A和游离β-hCG量的一组似然比来计算最终风险。任选的,进行多变量高斯分析来确定似然比。在一个实施方式中,似然比也用于一种或多种母体的历史参数。
本公开提供针对妊娠个体的医学概貌,其包括用于确定胎儿染色体异常风险的信息,其中所述信息包括PlGF、PAPP-A和游离β-hCG在来自妊娠个体的一种或多种血液样品中的量,并且其中所述医学概貌存储于计算机可读介质中。所述医学概貌还包括用于确定形成先兆子痫风险的额外信息,其中所述额外信息包括妊娠个体的血压。
本公开还提供用于确定胎儿染色体异常风险的设备。所述设备包括数据输入装置,其用于输入PlGF、PAPP-A和游离β-hCG在取自妊娠个体的一种或多种血液样品中的量;以及计算装置,其利用PlGF、PAPP-A和游离β-hCG的量来确定胎儿染色体异常的风险。在一个实施方式中,所述设备还包括下述装置:用于输入在取自妊娠个体的一种或多种血液样品中ADAM12的量和PP13的量中的至少一种;以及使用ADAM12的量和PP13的量中的至少一种,以及PlGF、PAPP-A和游离β-hCG的量来确定胎儿染色体异常的风险。在一个实施方式中,所述设备还确定形成先兆子痫的风险,以及包括数据输入装置,其用于输入妊娠个体的血压;以及计算装置,其利用输入的PlGF和PAPP-A的一种或多种的量,以及血压来确定先兆子痫的风险。
实施本文中描述的方法还可以提供市售包装或试剂盒用于确定先兆子痫和染色体异常的风险。所述试剂盒包含试剂,其具体用于检测选定的生化标志物组合的量。
更具体地,本发明涉及:
1.确定妊娠个体先兆子痫风险的方法,其包括:
测定选自胎盘生长因子(PlGF)和妊娠相关血浆蛋白A(PAPP-A)的一种或多种生化标志物在来自个体的一种或多种血液样品中的含量;测定个体的血压;以及利用选定的一种或多种生化标志物中的每一种的量和个体的血压来确定先兆子痫的风险。
2.项1所述的方法,其还包括测定个体的子宫动脉搏动指数(PI);和利用选定的一种或多种生化标志物中的每一种的量和个体的血压,以及PI来确定先兆子痫的风险。
3.项1所述的方法,其中,所述先兆子痫是早发型先兆子痫。
4.项1所述的方法,其中,所述一种或多种生化标志物是PlGF。
5.项1所述的方法,其中,所述一种或多种生化标志物是PAPP-A。
6.项1所述的方法,其中,所述一种或多种生化标志物是PlGF和PAPP-A。
7.项1所述的方法,其还包括测定胎盘蛋白13(PP13)的量以及利用选定的一种或多种生化标志物中的每一种的量、个体的血压和PP13的量来确定先兆子痫的风险。
8.项1所述的方法,其中,所述血压为平均动脉压。
9.项1所述的方法,其中,所述风险的确定包括确定针对血压的似然比。
10.项9所述的方法,其中,所述风险的确定包括基于该个体先前的形成先兆子痫的风险和一组基于一种或多种生化标志物的量和血压的似然比来计算最终风险。
11.项10所述的方法,其中,进行多变量高斯分析来确定似然比。
12.项9所述的方法,其还包括利用对于母体的一种或多种历史参数的似然比,所述参数选自种族、吸烟、产次、BMI、高血压、先前的先兆子痫以及母亲/姐妹先前患有的先兆子痫。
13.项1所述的方法,其中,所述用于确定个体先兆子痫风险的方法具有的检出率为至少约65%且假阳性率为约10%。
14.项1所述的方法,其中,所述用于确定个体先兆子痫风险的方法具有的检出率为至少约75%且假阳性率为约10%。
15.项1所述的方法,其中,所述用于确定个体先兆子痫风险的方法具有的检出率为至少约90%且假阳性率为约10%。
16.项1所述的方法,其中,所述用于确定个体先兆子痫风险的方法具有的检出率为至少约95%且假阳性率为约10%。
17.针对妊娠个体的医学概貌,其包括:
用于确定个体先兆子痫风险的信息,所述信息包括来自个体的一种或多种血液样品中存在的一种或多种生化标志物的量,所述生化标志物选自胎盘生长因子(PlGF)和妊娠相关血浆蛋白A(PAPP-A);以及个体的血压,其中,所述医学概貌存储于计算机可读介质中。
18.确定妊娠个体先兆子痫风险的设备,其包括:
数据输入装置,其用于输入选自胎盘生长因子(PlGF)和妊娠相关血浆蛋白A(PAPP-A)的一种或多种生化标志物在来自个体的一种或多种血液样品中的量,和个体的血压;以及
计算装置,其利用输入的生化标志物量和血压来确定形成先兆子痫的风险。
19.项18所述的设备,其还包括:
数据输入装置,其用于输入一种或多种参数,以及PI,所述参数选自年龄、种族、吸烟、产次、BMI、高血压、先前的先兆子痫和母亲/姐妹先前患有的先兆子痫,以及
计算装置,其利用输入的生化标志物的量、血压和一种或多种选定的参数来确定形成先兆子痫的风险。
20.确定胎儿染色体异常风险的方法,其包括:
测定胎盘生长因子(PlGF)、妊娠相关血浆蛋白A(PAPP-A)和游离人绒毛膜促性腺激素(游离β-hCG)在取自妊娠个体的一种或多种血液样品中的量;以及利用PlGF、PAPP-A和游离β-hCG的检测量来确定胎儿染色体异常的风险。
21.项20所述的方法,其中,所述染色体异常选自:21三体、18三体、13三体、特纳综合征和三倍性。
22.项20所述的方法,其还包括测定胎儿的一种或多种超声标志物以及利用PlGF、PAPP-A、游离β-hCG和胎儿的一种或多种超声标志物的量来确定胎儿染色体异常的风险。
23.项20所述的方法,其中,所述超声标志物是颈部半透明膜。
24.项20所述的方法,其还包括测定选自胎盘蛋白13(PP13)和金属蛋白酶12(ADAM12)的至少一种生化标志物的量,以及利用PlGF、PAPP-A、游离β-hCG和所述至少一种生化标志物的量来确定胎儿染色体异常的风险。
25.项20所述的方法,其中,所述一种或多种生物样本取自处于妊娠头三个月的妊娠个体。
26.项20所述的方法,其中,所述一种或多种生物样本取自处于妊娠10~19周的妊娠个体。
27.项20所述的方法,其中,所述一种或多种生物样本取自处于妊娠11~13周的妊娠个体。
28.项20所述的方法,其中,所述确定包括基于先前的形成染色体异常的风险和一组基于PlGF、PAPP-A和游离β-hCG量的似然比来计算最终风险。
29.项28所述的方法,其中,进行多变量高斯分析来确定似然比。
30.项28所述的方法,其还包括使用针对一种或多种母体的历史参数的似然比。
31.针对妊娠个体的医学概貌,其包括:
用于确定胎儿染色体异常风险的信息,其中,所述信息包括PlGF、PAPP-A和游离β-hCG在取自妊娠个体的一种或多种血液样品中的量,以及其中,所述医学概貌存储于计算机可读介质中。
32.项31所述的医学概貌,其中,所述医学概貌还包括用于确定形成先兆子痫的风险的额外信息,其中,所述额外信息包括妊娠个体的血压。
33.用于确定胎儿染色体异常风险的设备,所述设备包括:
数据输入装置,其用于输入PlGF、PAPP-A和游离β-hCG在取自妊娠个体的一种或多种血液样品中的量;以及
计算装置,其利用PlGF、PAPP-A和游离β-hCG的量来确定胎儿染色体异常的风险。
34.项33所述的设备,其还包括:
数据输入装置,其用于输入在取自妊娠个体的一种或多种血液样品中ADAM12的量和PP13的量中的至少一种;以及使用ADAM12的量和PP13的量中的至少一种,以及PlGF、PAPP-A和游离β-hCG的量来确定胎儿染色体异常的风险。
35.项33所述的设备,其中,所述设备还确定形成先兆子痫的风险,所述设备还包括:
数据输入装置,其用于输入妊娠个体的血压;以及
计算装置,其利用输入的PlGF和PAPP-A中一种或多种的量,以及血压来确定先兆子痫的风险。
附图说明
图1是显示在下述四种妊娠结局组(pregnancy outcome group)中胎盘生长因子(PlGF)的中位数倍数(multiple of the median(MoM))的盒须图(box-whisker plot):对照、早发型先兆子痫(PE)、晚发型PE和妊娠高血压(GH),其示出当个体具有早发型先兆子痫和晚发型先兆子痫时,来自该妊娠个体的生物样本中的PlGF的量较低,且稍低于具有妊娠高血压的个体。
图2是描述在对照组(A)和先兆子痫组(B)中log胎盘生长因子(PlGF)MoM和log PAPP-A MoM关系的一组散点图(scatter plot),其示出在未受影响的妊娠个体和那些患有先兆子痫的妊娠个体中PlGF和PAPP-A的量均适度相关(modest correlation)。
图3是描述在对照组(A)和先兆子痫组(B)中log胎盘生长因子(PlGF)MoM和log子宫动脉PI MoM关系的一组散点图,其示出PlGF和PI之间成负关系(negative correlation)。
图4是描述在先兆子痫和未受影响组中使用ELISA免疫测定和PerkinElmer DELFIA免疫测定进行测定得到的PP13关系的散点图。
图5是描述在早发型先兆子痫的高加索人女性和非高加索人女性中PlGF和PP13关系的散点图。
图6是描述在整倍体(实心点和虚线回归线)和21三体妊娠(空心圈和实线回归线)中log胎盘生长因子(PlGF)MoM和log妊娠相关血浆蛋白A(PAPP-A)MoM关系的散点图,其示出了在未受影响的妊娠个体和那些患有先兆子痫的个体中PlGF和PAPP-A的关系。
图7为盒须图,其示出在孕育具有21三体、18三体、13三体、特纳综合征和三倍性的胎儿的妊娠个体的生物样本中,胎盘生长因子(PlGF)的量相对低于孕育未受影响的胎儿的个体。
发明详述
本文中描述的方法、设备、医学概貌和试剂盒对于确定妊娠个体将会形成先兆子痫(PE)和相关胎盘病症(placental disorder)的风险是有用的。如上所述,该风险可以基于以下来确定:生化标志物例如胎盘生长因子(PlGF)和妊娠相关血浆蛋白A(PAPP-A)在取自妊娠个体的生物样本中的量,以及妊娠个体的血压。根据本文描述的方法,其它的生化标志物,例如PP13和生物物理标志物(biophysical marker)例如,子宫动脉搏动指数,以及母体的历史参数也可以用于确定先兆子痫的风险。
本文中另外描述了用于确定妊娠个体孕育患有染色体异常(CA)(例如唐氏综合征(Down Syndrome))的胎儿的风险的方法、设备、医学概貌和试剂盒。如上所述,该风险可以基于以下来测定:PlGF、PAPP-A和游离人绒毛膜促性腺激素(游离β-hCG)在取自妊娠个体的生物样本中的量。根据本文描述的方法,其它的生化标志物和生物物理标志物(例如胎儿超声标志物),以及母体的历史参数也可以用于确定染色体异常的风险。
如实施例1所述,进行了临床人群的统计分析,其显示出生化标志物包括PAPP-A、PlGF和PP13,以及生物物理标志物包括血压和子宫多普勒搏动指数(uterine Doppler pulsatility index)的组合,在临床可接受的检测和假阳性率的条件下,对于确定先兆子痫的风险是非常有效的。例如,PlGF和血压,考虑或不考虑母体因素(maternal factor)提供了具有10%假阳性的68%的检出。其它具体的用于测定早发型和晚发型先兆子痫风险的非限制性实施例包括:PAPP-A和血压;PlGF和PAPP-A及血压;PlGF、PAPP-A、PP13和血压;P1GF和PP13及血压;PAPP-A和PP13及血压(关于检出率,参考例如表4、6和10针对早发型先兆子痫的检出率,以及表7和10针对晚发型先兆子痫的检出率)。在此使用的“%检出”表示具有阳性结果的受影响个体(例如先兆子痫)由百分比所表示的比例。“%假阳性”表示具有阳性结果的未受影响的个体由百分比所表示的比例。标志物或它们的组合的预测能力(predictive power)通常是由给定假阳性率时的检出率来表示。
可以根据多种实际因素包括可利用的医疗仪器和在特定设备中的生化标志物检测试剂,从本文描述的那些生化和生物物理标志物中选择生化和生物物理标志物的特定组合以用于临床或其它实验室设备。例如,在可以利用多普勒超声(Doppler ultrasound)的环境中,当确定先兆子痫的风险时,医护人员愿意涵盖PI。在未配备先进设备(例如多普勒超声)的医疗环境中,可以通过血压和生化标志物的水平来进行临床可接受的评估,如本文中所述。
另外,如本文所述,本公开发现孕妇外周血中的生化标志物PlGF量具有确定胎儿染色体异常风险的预测能力。同样地,当染色体异常的筛查检测涵盖对PlGF的检测时,也可以确定先兆子痫的风险。为了实现上述这些目的,均需要读取母体血压。另外的参数通常可以在产前筛查过程中进行收集,且被常规用于确定胎儿染色体异常风险的另外的参数也可以用于确定先兆子痫的风险。如实施例3所述,在使用确定先兆子痫风险的方法时,还可以确定相关病症的风险,例如胎儿生长受限(fetal growth restriction)、早产和妊娠高血压。
本文中使用的术语“先兆子痫”表示部分以妊娠高血压和蛋白尿为特征的妊娠病症。对于之前血压正常的女性,PE通常为具有蛋白尿的妊娠高血压,及重度PE通常为具有蛋白尿的重度妊娠高血压。对于具有慢性高血压的女性,叠加PE(superimposed PE)通常指蛋白尿的新发展。对于进行PE诊断有用的PE性状(aspect)可以根据各种医学组织公布的指南来进行分类。例如,根据国际妊娠期高血压国际会议(International Society for the Study ofHypertension in Pregnancy)(Davey等,Am.J.Obstet Gynecol;158;892098,1988)的指南,其将妊娠高血压表述为间隔至少4小时的两次90mmHg或更高的舒张压记录,以及将重度高血压表述为间隔至少4小时的至少110mmHg或更高的血压,或者一次至少120mm Hg的舒张压记录。将蛋白尿表述为在24h中排出300mg或更多,或如果无法24小时收集时,在中段试验片分析(dipstick analysis of midstream)或导管尿液样品(catheter urinespecimen)中的两次2以上(2+)或更高的读数。通常在妊娠20周前,女性可以被分为之前血压正常或具有慢性高血压。先兆子痫被认为是相关病症谱中的一种病症,相关病症谱包括宫内发育迟缓、早期流产(early miscarriage)、早产和胚胎死亡(intrauterine death)。尽管不希望被理论束缚,但已经提出有如下理论:宫内发育迟缓反映了孕妇身体对抗先兆子痫状况的适应过程(adaptation),该适应使胎儿得以生存。另一方面,早期流产和早产可能反映出孕妇身体对抗先兆子痫状况的适应过程,该适应使女性得以生存。在本文中,胚胎死亡可能是这种适应过程的失败结果。因此,本文描述的用于确定先兆子痫风险的方法还可以用于确定先兆子痫谱(pre-eclampsia spectrum)中的先兆子痫相关病症的风险。
例如,在使用本文所述的方法时,当妊娠个体被确定具有增加的形成先兆子痫的风险时,个体可以从医护人员处获得治疗或关于生活方式的建议。尽管对于先兆子痫没有普遍使用的疗法,但许多研究已经显示出下述治疗的好处:例如抗高血压药物,如硫酸镁、阿司匹林、地西泮(diazepam)和苯妥英(phenytoin);以及饮食补充,例如维生素D、钙和硒。
先兆子痫在早在妊娠20周时就可以形成,并且先兆子痫在妊娠约32-34周前形成的通常被认为是“早发型先兆子痫”,在妊娠约32-34周后形成的通常被认为是“晚发型先兆子痫”。早发型先兆子痫伴随增长的发病率(morbidity),因此被认为是更严重类型的先兆子痫。本文所述的用于确定PE风险的方法对于筛查“早发型先兆子痫”和“晚发型先兆子痫”是有用的。如本文所述,例如在实施例1中,确定先兆子痫风险的方法对于妊娠少于34周(包括端值);妊娠少于36周(包括端值),例如妊娠34~36周(包括端值),妊娠少于37周(包括端值)以及妊娠多于37周(包括端值)是有效的。
实施例1~3说明早发型和晚发型先兆子痫(<34周,32-34周和37+周)的风险可以使用特定的生化和生物物理标志物来确定,可以使用采集自妊娠11和19周的血液样品来测定。因此,为了用于检测先兆子痫的方法中,样品可以从以下采集:妊娠约11~37周(包括端值),包括约11~20周(包括端值),约11~34周,约20~34周,以及更为通常早于约20周,约10周后的前三个月中,在妊娠中三个月(second trimester)和妊娠末三个月(third trimester)中。尽管从公共健康的角度来看,早期检测通常是一个有益的政策,但应当理解样品的采集有时会受到实际考虑的影响,例如女性延迟去拜访其医护人员直到妊娠相对较晚的几周。
在一些情况下,生物样本可以在多于一个的时机,从妊娠个体上采集,例如,当她患有高血压和/或由于先前的风险,胎盘条件要求对先兆子痫的形成进行监测,表现出的症状和/或其它因素。本文所述的确定先兆子痫风险的方法还可以用于监测正在接受针对高血压和/或胎盘条件的治疗或疗法的妊娠个体。如果需要,生化和/或生物物理标志物的测试可以在家庭环境中进行,例如使用测验片生化测试形式和家用自动血压仪。
确定妊娠个体先兆子痫风险的方法包括测定选自PlGF和PAPP-A的一种或多种生化标志物的量。额外生化标志物(例如PP13)的量也可以用于本方法。本文中使用的术语“PlGF”表示哺乳动物生长因子,其具有与GenBank登录号P49763同源的氨基酸序列。本文中使用的术语“PAPP-A”表示作为妊娠相关血浆蛋白A为人所知的metzincin金属蛋白酶(metzincinmetalloproteinase),其具有与GenBank登录编号AAH78657同源的氨基酸序列。本文中使用的术语“PP13”表示胎盘蛋白13,其还作为半乳凝素-13为人所知,并具有与GenBank登录编号NP_037400同源的氨基酸序列。
本文所述的方法包括测定个体的血压。可以使用妊娠个体收缩压、舒张压和平均动脉压(mean arterial pressure)的一种或多种。平均动脉压(MAP)、是指在整个心动周期的平均血压,并利用确定的程序通过心输出量(CO)、循环血管阻力(systemic vascular resistance)(SVR)、以及中心静脉压(CVP)来确定。医护人员可以使用测量妊娠个体血压的任何方法,包括例如,触诊方法、听诊方法和示波法(oscillometric method)。还可以使用自动血压测量仪。本文所述的方法还可以包括测量子宫动脉搏动指数(PI),该指数是用于定量搏动或波形振荡的动脉血流动速度波形指数。妊娠个体的PI可以使用任何已知的方法来测定。例如,可以通过经阴道的或经腹的途径来实施子宫动脉多普勒超声检查法(uterine artery Doppler ultrasonography)。通过使用彩色多普勒超声检查法首先辨别子宫动脉。随后可以使用脉搏波多普勒超声检查法(Pulsed-wave Doppler ultrasonography)来获得波形。然后可以计算出多种指数。例如PI可通过收缩期峰值血流速度(peak systolic flow)减去舒张末期血流速度(end diastolic flow)再除以平均流速(mean flow)来计算。
用于测定妊娠个体先兆子痫风险的方法包括使用来自妊娠个体的生物样本。生物样本可以是任何含有选定生化标志物的体液或组织样品。实施例1~3说明以血清的形式使用孕妇外周血。生物样本的选择通常可以在特定临床实验室中用于测定标志物量的可利用的分析形式。例如,一些分析形式缺乏分析全血所需要的灵敏度,这样一来,临床实验室选择检测部分血,例如血清,或利用干燥血液(dried blood)。用于本文所述方法的示例性生物样本包括血液、纯化的血液制品(例如血清、血浆等)、尿、羊水、绒毛膜绒毛活组织检查、胎盘活组织检查和宫颈阴道液体(cervicovaginal fluid)。生物样本中存在的生化标志物的量可以利用任何适合用来测量生物样本中的蛋白质的分析形式来测定。用于这样目的的常用的分析形式为免疫测定,包括例如酶免疫测定(EIA),如酶放大免疫测定技术(enzyme multiplied immunoassaytechnique)(EMIT)、酶联免疫吸附测定(ELISA)、IgM抗体捕获ELISA(MACELISA)和微粒酶免疫测定(MEIA);毛细管电泳免疫测定(CEIA);放射免疫测定(RIA);免疫放射分析(IRMA);荧光偏振免疫测定(FPIA);解离增强镧系元素荧光免疫测定(dissociation-enhanced lanthanide fluorescentimmunoassay)(DELFIA)以及化学发光测定(chemiluminescence assay)(CL)。
为了确定生化标志物的量是否高于或低于正常状态(normal),测定了存在于取自相关群体的母体生物样本中的生化标志物的正常量。基于除了能够影响标志物正常(未受影响)量之外的任何特征来限定相关群体。为了确定先兆子痫的风险,相关群体可以基于对于先兆子痫风险较低的群体来确定。一旦正常标志物的量已知,就可以与已测定的标志物量进行比较并利用标准统计方法来确定差异的显著性(significance of the difference)。当已测定的标志物量和正常量之间存在统计学上的显著性差异时,被检测的个体存在将来形成先兆子痫的风险显著。
妊娠个体形成先兆子痫的风险或其孕育患有染色体异常的胎儿的风险可以通过生化标志物的量来确定,利用统计分析基于在患者群体研究中收集的临床数据。实施例1~3示出这些研究的结果。有多种用于组合表征妊娠个体参数(例如生化标志物的量),从而获得风险评估(risk estimate)的统计方法。似然法(likelihood method)(Palomaki和Haddow,1987)和线性判别函数法(Norgarrd-Pedersen等,Clin.Genet.37,35-43(1990))通常用于上述目的。似然法的基本原则是,对于‘未受影响的’和‘受到影响的’组,参数(例如生化标志物的量)的总体分布(population distrubution)是已知的。因此,对于任何给定参数(例如标志物的量和血压读数),可以计算出‘未受影响的’和‘受到影响的’组成员的似然值(likelihood)。基于总体均值(papulation mean)和标准偏差来计算作为参数的高斯极点(Gaussian height)的似然值。‘似然比’是利用‘未受影响的’和‘受到影响的’的群体参数(population parameter)计算出的极点之间的比值,是对于前期风险患有病症的增加的风险的表达式。
女性对于患有先兆子痫或孕育患有染色体异常的胎儿的前期差别(priorodds)(涉及前期风险的统计表达式(statistical expression),如下文所述)可以利用由临床群体研究(clinical population study)(Cuckle等,1987)获得的公式来计算。利用似然比可以修正(modify)这些前期差别从而得到后期差别(posterior odds),其可以用于先兆子痫或染色体异常的风险评估。例如在“筛查唐氏综合征(Screening for Down’s Syndrome)”ed.J.G.Grudzinskas,T.Chard,M.Chapman和H.Cuckle;剑桥大学出版社(Cambridge University Press)出版,1994)中有关于利用似然法预测胎儿患有染色体异常的风险的详细描述。也可以使用似然比的观测分布(observed distribution)来利用本文所述的方法确定风险(参见例如,Spencer等,Ann.Clin.Biochem.,29,506-18(1992))。
根据本文所述的方法来确定风险总体而言如下所述:用示例性的出发点(starting point)来确定前期差别。在测定染色体异常的风险时,前期差别通常利用年龄-风险公式(age-risk formula)由母体年龄获得。在测定先兆子痫的风险时,前期差别通常由一般群体风险(general population risk)获得。在当前的染色体异常筛查实践中,生化标志物值(biochemical marker value)是指经修正的中位数值(smoothed median value),用以产生经校准(adjusted)的中位数倍数(MoM)值,以便对下列因素进行标准化(standardise):例如分析(assay)、妊娠、母体体重、吸烟状况等。进行上述步骤是因为,例如,随着妊娠个体身体中的生化标志物的量发生变化,所以为了计算风险,将生化标志物值校准为不受胎龄的影响。样品的MoM值是在相同的胎龄(或其它参数)时生化标志物值与群体中位数值的比值。对‘未受影响的’和‘受到影响的’的群体参数,确定用于生化标志物结果的高斯极点。确定在‘未受影响的’曲线上的极点和‘受到影响的’曲线上的极点的比例。用这个比例乘以前期差别。
概念上,利用三种生化标志物来计算风险需要首先对于每一个标志物限定单独的似然比(首先对母体年龄进行校正),然后将它们彼此相乘。然而计算中需要额外因素来评价三种单独的生化标志物的信息重叠程度(相关性(correlation))。通常r值(r-value)用来表征参数之间的相关性,例如我们的三种单独的生化标志物的实施例。实施例1所提供的r值是指与计算先兆子痫风险有关的多种参数之间的相关性。实施例4所提供的r值是指与计算胎儿染色体异常风险有关的多种参数之间的相关性。已经发现其它变量(variable)影响特定标志物的孕妇外周血水平,且这些变量可以被校准,并且校准后的变量会作为MoM并入数值的最终表达式中。
如实施例1所述,进行临床数据的统计分析来确定妊娠个体形成先兆子痫的风险,所述临床数据包括生化标志物(例如PlGF、PAPP-A、PP13)的量以及生物物理标志物,例如血压和PI。特别地,下述方法将血压表示为似然比。这种方法是用于确定先兆子痫风险的独特方法。尽管在之前的临床实践中,在对去诊所看病(office visit)的妊娠患者进行护理时,医护人员获取血压读数是通常装置,但到目前为止还未注意到在确定先兆子痫风险的算法(algorithm)中利用血压。
在一个实施方式中,用于进行风险评估的统计过程可以总结如下。对于每一个生化和生物物理标志物,计算MoM。然后基于母体的历史参数校准MoM(一个或多个),所述母体的历史参数例如种族、吸烟、产次、BMI、高血压、先前的先兆子痫以及母亲/姐妹先前患有的先兆子痫。然后进行多变量高斯分析来确定似然比。为了确定先兆子痫的风险,前期风险基于一般群体风险。
1.前期风险=1比x(1in x)
2.似然比(LR)-种族=如果是黑人则为2.18,否则为0.57
3.LR-吸烟=如果是吸烟者则为0.56,否则为1.04
4.LR-妊娠次数(para)=如果妊娠次数是0则为1.34,如果妊娠次数是1,2或3以上(3+)则为0.66,0.63和1.14
5.LR-BMI=如果小于25则为0.65,如果为25-34则为1.23,如果为35以上(35+)则为3.05
6.LR-高血压=如果患病为10.24,否则为0.94
7.LR-历史=如果是先前PE妊娠则为7.87,如果否则为0.64,如果妊娠次数是0则为1
8.LR-家族=如果母亲具有PE妊娠则为2.89,否则为0.92
9.LR-生化标志物(PlGF、PAPP-A、PP13等)和物理标志物概貌(血压或PI)=在早发型PE和未受影响的妊娠中的多变量高斯频数分布(frequencydistribution)的极点之间的比值。对于每个标志物,分布参数是平均数和SD,对于成对的标志物是r值。
10.最终风险按照如下步骤计算:将前期风险表示为差别(1:x-1),乘以左手边所有的LR并变更为1比y。为了计算后验风险(posterior risk),首先将前期风险表示为差别。然后将1比x变为1:(x-1)。前期差别乘以LR得到LR:(x-1),其仍为增加差别(add odds)。我们可以将其改写为差别1:(x-1)/LR,并将其转变为1比[(1:(x-1)/LR]+1的风险。
在其它实施方式中,可以通过更少的因素或不包括前期风险因素来确定先兆子痫的风险(参考例如表4和6)。
应当理解对于不同的研究群体,数值(number value)可以不同,虽然下述中提供了用于风险计算的可接受的出发点。例如,已经观察到对于特定的临床中心进行的患者风险分析,风险算法中的数值可以随时间偏移(drift),这是因为服务区域的群体随时间发生变化。
因此,本公开提供用于确定妊娠个体先兆子痫风险的方法。所述方法包括测定一种或多种选自胎盘生长因子(PlGF)和妊娠相关血浆蛋白A(PAPP-A)的生化标志物在来自个体的一种或多种血液样品中的量;测定个体的血压;以及利用选定的一种或多种生化标志物中的每一种的量和个体的血压来确定先兆子痫的风险。在一个实施方式中,所述方法还包括测定个体的子宫动脉搏动指数(PI);以及利用选定的一种或多种生化标志物中的每一种的量和个体的血压,及PI来确定先兆子痫的风险。在一个实施方式中,先兆子痫的类型可以是早发型先兆子痫。晚发型先兆子痫也可以利用所述方法来检测。生化标志物可以是例如,PlGF。在另一个实施方式中,生化标志物可以是PAPP-A。在再一个实施方式中,所述方法可以使用PlGF和PAPP-A。在一个实施方式中,所述方法还可以包括测定胎盘蛋白13(PP13)的量,以及利用选定的一种或多种生化标志物中的每一种的量、个体的血压和PP13的量来确定先兆子痫的风险。血压可以是例如,平均动脉压。
在一个实施方式中风险的确定可以包括测定针对血压的似然比。风险的确定还可以包括基于以下来计算最终风险:基于形成先兆子痫的个体前期风险和基于一种或多种生化标志物的量和血压计算一组似然比。在一个实施方式中,进行多变量高斯分析来确定似然比。在一个实施方式中,所述方法还可以包括使用针对一种或多种选自下组的母体历史参数的似然比,所述历史参数选自种族、吸烟、产次、BMI、高血压、先前的先兆子痫及母亲/姐妹先前患有的先兆子痫。一个实施方式中,个体先兆子痫风险的检出率为至少约65%且假阳性率为约10%。在另一个实施方式中,个体先兆子痫风险的检出率为至少约75%并且假阳性率为约10%。在再一个实施方式中,个体先兆子痫风险的检出率为至少约90%且假阳性率为约10%。在又一个实施方式中,用于确定个体先兆子痫风险的方法具有的检出率为至少约95%且假阳性率为约10%。
本公开还提供针对妊娠个体的医学概貌,其包括下述信息,例如,来自个体的一种或多种生物样本中存在的一种或多种生化标志物的量,所述生化标志物选自胎盘生长因子(PlGF)和妊娠相关血浆蛋白A(PAPP-A);以及个体的血压,其中所述医学概貌存储于计算机可读介质中。
另外,还提供用于确定妊娠个体先兆子痫风险的设备。所述设备包括数据输入装置,其用于输入选自胎盘生长因子(PlGF)和妊娠相关血浆蛋白A(PAPP-A)的一种或多种生化标志物在来自个体的一种或多种生物样本中的量,和个体的血压;以及计算装置,其利用输入的生化标志物的量和血压来确定形成先兆子痫的风险。在一个实施方式中,所述设备还可以包括数据输入装置,其用于输入一种或多种参数,以及PI,所述参数选自年龄、种族、吸烟、产次、BMI、高血压、先前的先兆子痫和母亲/姐妹先前患有的先兆子痫,以及计算装置,其利用输入的生化标志物的量,血压和一种或多种选定的参数来确定形成先兆子痫的风险。
本文所述的方法的另一个方面是提供用于确定胎儿染色体异常风险的方法。本文所述的确定胎儿染色体异常风险包括测定PlGF、PAPP-A和游离β-hCG在取自妊娠个体的一种或多种生物样本中的量,以及基于PlGF、PAPP-A和游离β-hCG的量来确定胎儿染色体异常风险。所述方法还可以包括测量ADAM12在取自妊娠个体的生物样本中的量,以及利用测量的ADAM12量和上述参数来确定胎儿染色体异常的风险。
如实施例4所述,进行了临床群体的统计分析,显示出生化标志物包括PAPP-A、PlGF和游离β-hCG,以及生物物理标志物包括胎儿颈部半透明膜(NT)的组合,在临床可接受的检测和假阳性率的条件下,对于确定胎儿染色体异常风险是非常有效的。例如,游离β-hCG、PAPP-A和PlGF具有的检出率为至少约70%(5%的假阳性率)。通过将母体年龄包括到用相同的生化标志物组的风险的确定中,可以实现80%的检出率(5%的假阳性率)。
本文中使用的术语“染色体异常”是指染色体的非典型数量(atypicalnumber)或在一种或多种染色体中的结构异常。所述术语包括非整倍体(annupluidy)例如21三体(唐氏综合征)、18三体(爱德华兹综合征(EdwardsSyndrome))以及13三体(帕陶综合征(Patau Syndrome))以及染色体缺失(chromosomal deletion)如特纳综合征,通过母体样本中存在的异常量的PlGF、PAPP-A和游离β-hCG,可以对它们进行检测。本文中使用的术语“游离β-hCG”是指在妊娠过程中由刚受孕的胚胎和随后由合胞滋养层产生的糖蛋白激素的β亚基,其具有的氨基酸序列与GenBank登录编号NM_000737同源。实施例4显示PlGF、PAPP-A和游离β-hCG的组合对于检测21三体、18三体、13三体、特纳综合征和三倍性是有用的(参考图7)。
本文所述的用于确定胎儿染色体异常风险的方法还可以包括测定胎儿的生物物理标志物。生物物理标志物可以是例如,超声标志物如胎儿的颈部半透明膜(NT)。颈部半透明膜是广为人知的胎儿的生物物理标志物,将其定义为胎儿颈部后方到覆盖颈部的皮肤之间的空间,其涉及下述观察,所述观察是指异常的胎儿倾向于在这个区域内显示出液体的积累,出现多种染色体异常表现包括唐氏综合征的常见表现的风险增加。超声NT扫描通常在前三个月内进行。
本文所述的用于确定胎儿染色体异常风险的方法可以在妊娠的前三个月内实施,和/或在妊娠中三个月内实施。因此,从妊娠个体获得生物样本可以在妊娠的约第10~20周,约第10~18周,约第10~16(包括端值)周,例如在妊娠的约第11~13(包括端值)周。
如实施例4所述,进行临床数据的统计分析来确定胎儿染色体异常的风险,所述临床数据包括生化标志物(例如PlGF、PAPP-A和游离β-hCG)和生物物理标志物(例如胎儿NT)的量。基于PlGF、PAPP-A和游离β-hCG,用于进行风险评估的示例性统计过程可以总结如下。
PlGF由MoM和体重校正(weight corrected)表示。
1.前期风险(表示为差别)由母体年龄特定患病率(age-specificprevalence)(以及唐氏综合征的家族史,在可以使用时)来得出的。
2.乘以LR,所述LR是由在唐氏综合征和未受影响的妊娠中的PlGF对数高斯分布(log Gaussian distribution)来得出的。
3.未受影响的分布参数是SD=0.185。
4.唐氏综合征的平均数和SD是平均数=log10(0.566)=-0.247以及SD=0.186。
5.将最终差别转化回风险。
6.为了组合PlGF与PAPP-A及游离β-hCG,需要在唐氏综合征中的和在未受影响妊娠中的log MoM值之间的相关系数。未受影响妊娠:与PAPP-A为0.278;与游离β-hCG为0.085。唐氏综合征值为:0.334和0.098。
7.假定与NT零相关(zero correlation)。
8.平均数=log10(0.538)=-0.269;SD=0.226;与PAPP-A的相关性=0.056以及与游离β-hCG的相关性=-0.142。
本文所述的算法和方法学可以针对任何非整倍体来进行变更。
应当理解对于不同的研究群体数值可以有所不同,尽管下述本文提供了用于风险计算的可接受的出发点。例如,已经观察到对于特定的临床中心进行的患者风险分析,风险算法中的数值可以随时间偏移,这是因为在服务区域内群体随时间发生变化。
因此,本公开提供用于确定胎儿染色体异常风险的方法。所述方法包括测定胎盘生长因子(PlGF)、妊娠相关血浆蛋白A(PAPP-A)和游离人绒毛膜促性腺激素(游离β-hCG)在取自妊娠个体的一种或多种生物样本中的量;以及利用已测量的PlGF、PAPP-A和游离β-hCG的量来确定胎儿染色体异常的风险。在一个实施方式中,染色体异常选自:21三体、18三体、13三体、特纳综合征和三倍性。在一个实施方式中,所述方法可以包括测定胎儿的一种或多种超声标志物,并利用PlGF、PAPP-A、游离β-hCG的量和胎儿的一种或多种超声标志物来测定胎儿染色体异常风险。所述超声标志物可以是例如,颈部半透明膜。在一个实施方式中,所述方法还可以包括测定选自胎盘蛋白13(PP13)和金属蛋白酶12(ADAM12)的至少一种生化标志物的量,并利用PlGF、PAPP-A、游离β-hCG,和至少一种生化标志物的量来测定胎儿染色体异常风险。在一个实施方式中,一种或多种生物样本取自妊娠前三个月的妊娠个体,例如处于妊娠的第10~19周,例如妊娠的第11~13周。在一个实施方式中,测定包括基于形成染色体异常的前期风险和基于PlGF、PAPP-A和游离β-hCG量的一组似然比来计算最终风险。任选地,进行多变量高斯分析来确定似然比。在一个实施方式中,似然比也用于一种或多种母体的历史参数。
本公开提供针对妊娠个体的医学概貌,其包括用于确定胎儿染色体异常风险的信息,其中所述信息包括PlGF、PAPP-A和游离β-hCG在来自妊娠个体的一种或多种生物样本中的量,并且其中所述医学概貌存储于计算机可读介质中。所述医学概貌还可以包括用于确定形成先兆子痫风险的额外信息,其中所述额外信息包括妊娠个体的血压。
本公开还提供用于确定胎儿染色体异常风险的设备。所述设备包括数据输入装置,其用于输入PlGF、PAPP-A和游离β-hCG在取自妊娠个体的一种或多种生物样本中的量;以及计算装置,其利用PlGF、PAPP-A和游离β-hCG的量来确定胎儿染色体异常风险。在一个实施方式中,所述设备还包括下述装置:用于输入ADAM12和PP13在取自妊娠个体的一种或多种生物样本中的量中的至少一种;以及利用ADAM12和PP13的量中的至少一种量,以及PlGF、PAPP-A和游离β-hCG的量来测定胎儿染色体异常风险。在一个实施方式中,所述设备还确定形成先兆子痫的风险,以及包括数据输入装置,其用于输入妊娠个体血压;以及计算装置,其利用输入的PlGF和PAPP-A的一种或多种的量,以及血压来确定先兆子痫的风险。用于输入生物物理标志物的额外数据的装置(additional data mean),所述生物物理标志物例如,超声标志物包括NT值,以及可以包括母体的历史信息,和相应的用于确定胎儿染色体异常和/或先兆子痫风险的计算装置。
本公开还提供市售包装、或试剂盒用来确定妊娠个体将会形成先兆子痫的风险。这样的试剂盒可以包括一种或多种试剂,用于测定至少一种生化标志物在取自妊娠个体的生物样本中的量,其中至少一种生化标志物选自PlGF和PAPP-A;以及任选用于进行测试的说明书。所述试剂盒还可以包括试剂,用于检测其它生化标志物例如PP13、MP3、TNFR1、ADAM12和其它生化标志物。示例性的具体试剂盒包含试剂,用于检测PlGF和PAPP-A;PlGF和PP13;PAPP-A和PP13;PlGF、PAPP-A和PP13;以及与先兆子痫和其它相关病症相关的其它生化标志物。
用于确定妊娠个体孕育患有染色体异常的胎儿的风险的试剂盒可以包括,用于测量PlGF、PAPP-A和游离β-hCG在取自妊娠个体的生物样本中的量的试剂;以及任选地,为进行测试而提供的说明书。
用于检测生化标志物量的试剂可以是例如,结合伴侣(binding partner),其选择性地识别特定生化标志物的,例如抗体、抗体部分(antibody portion)、类抗体材料、蛋白质-核酸等。
实施例1.PlGF、PAPP-A和生物物理标志物用于检测先兆子痫时的作用的临
床研究
本实施例说明生化和生物物理标志物的多种组合对于确定妊娠个体先兆子痫的风险的有效性,所述生化和生物物理标志物包括母体血压、子宫多普勒搏动指数、PlGF、PAPP-A和PP13。
进行了研究,以在参加针对染色体异常风险的常规评估的女性中筛查不利的妊娠结局。记录母体特征和医疗史并采集血液。将血清保存于-80℃用于后续的生化分析。从同意参加本研究的女性患者处获得书面知情同意书(written informed consent),所述研究通过了King’s College Hospital EthicsCommittee的批准。有关临床群体和样品采集的额外信息如实施例3所述。
为了本文所述的分析,将所有的生化和生物物理标志物通过MoM来表示并转化为log10。通过MoM的形式来表示血压(MAP)的方法是本研究所特有的。
按照下述方法将生化标志物量和生物物理读数转变为MoM,其中CRL是顶臀长,BMI是体重指数,GA是妊娠天数和以Kg表示的母体体重:
PlGF/(277.908-6.97605GA+0.0477151GAxGA)
PP13/70.15/(0.30974+45.3179/体重)
MAP(血压)/101.94359-0.00024649CRL/10-0.111838+0.00590207BMI-0.0000574110BMIxBMI
多普勒(PI)/0.36683-0.00246CRL/100.02691-0.00105BMI
PlGF、PP13、PAPPA、MAP和多普勒PI的平均值,在早发型PE中分别为-0.200、-0.078、-0.268、0.051和0.197;以及在未受影响的妊娠中分别为-0.002、0.002、0.009、0.000和0.000。
在同一数量级上标准偏差(SD)为:0.308、0.200、0.324、0.047和0.137;以及0.185、0.184、0.236、0.035和0.120。
R值如下:早发型PE:PlGF-PP130.194,PlGF-PAPPA0.365,PlGF-MAP-0.142,PlGF-多普勒0.199,PP13-PAPPA0.389,PP13-MAP0.065,PP13-多普勒-0.332,PAPPA-MAP0.364,PAPPA-多普勒-0.295,MAP-多普勒-0.485。
未受影响的:PlGF-PP130.046,PlGF-PAPPA0.278,PlGF-MAP-0.043,PlGF-多普勒-0.066,PP13-PAPPA0.271,PP13-MAP-0.014,PP13-多普勒-0.089,PAPPA-MAP0.000,PAPPA-多普勒-0.168,MAP-多普勒-0.075。
涉及的生化标志物为PAPP-A、PlGF和PP13(利用PerkinElmer DELFIA免疫测定)。针对PAPP-A的未受影响的参数取自整个数据集(entire data set),包括不属于病例对照系统(case-control series)的妊娠。所有针对PlGF和PP13的参数均来自于病例对照系统。
涉及的生物物理标志物包括针对MAP和子宫多普勒PI的参数,其来自整个数据集,尽管不是所有女性均具有所有的测量值。使用了生化标志物的相关系数。
为了表征对于先兆子痫的前期风险的因素,从整个数据集中得到1与(LR)之比(1ratios(LRs))。观测值如表1所示,并与在同一中心先前的研究中观测到的数据进行比较。风险因素的分布与先兆子痫的严重性无关(表2),因此相同的LR可以用于所有的亚组。
为了进行针对生化和物理标志物的模型预测,采用多变量对数高斯拟合(multivariate log Gaussian fit)。表3示出针对早发型先兆子痫(分娩<34周)的预测检出率(predicted detection rate)(DR),对于不同的组合具有1%、5%和10%的假阳性率。PlGF和PAPP-A的DR高于每一个单独时的DR。相似地,MAP和PI的DR高于每一个单独时的DR。组合生化和生物物理标志物进一步促进了检测。
为了直接观察风险分布,计算出患有预计早发型先兆子痫的风险高于第99(99th)、第95(95th)和第90(90th)百分位数(centile)的早发型先兆子痫病例在适当的群体(所有未受影响的妊娠或仅为对照)中的比例。表4示出通过生化和生物物理标志物的不同组合(未考虑前期风险)来计算出的风险比例。单独生化标志物的结果与模型预测相比,其预测性差。单独的生物物理标志物和生化标志物,其结果与预测相符。
表5示出单独基于前期风险因素时,具有高风险结果的先兆子痫病例的比例。表6示出基于前期风险因素和生化和物理标志物概貌时,具有高早发型先兆子痫风险的比例。表7示出具有高晚发型结局风险的晚发型先兆子痫病例的比例;其仅基于选定的组合。
为了总结某些方面,对妊娠个体的背景先兆子痫的风险、即对群体中的先兆子痫发病率进行筛查(例如,以相同的种族划分作为妊娠个体时,孕妇中的先兆子痫发病率)。
在某些实例中,利用下述公式,针对胎儿的胎龄,对一组从妊娠未受影响的孕妇中获得的MOM PlGF和/或PlGF的中位数值(Median value)进行校正:胎龄(GA)校正PlGF=277.908-6.97605*GA+0.0477151*GA*GA,其中GA=由天数表示的胎龄。在某些实例中,用下述公式,针对妊娠个体的母体体重,对一组从妊娠未受影响的孕妇中获得的MOM测定PAPP-A量和/或PAPP-A中位数值进行校正:母体体重(WT)校正PAPP-A=-0.03239+69.3975/WT,其中WT=由千克表示的孕妇体重。
还研究了生物物理标志物。总共7658位妊娠未受影响的女性具有子宫多普勒PI测量值以及6584位具有平均动脉压(MAP)。随着妊娠过程PI平稳的增加而MAP略微减小,尽管达到了统计显著性。在由MoM表征数值之后,随着体重的增加PI略微减小同时MAP显著升高。这些影响均比由BMI代替体重时强烈,尽管不是非常强烈。
在先兆子痫中,中位数PI和MAP增加(表21和22)。同时对于MAP,中位数的增加不是非常明显,标准偏差明显小于PI(未受影响妊娠中的log10数值分别为0.035和0.12),其效果相当。
假设多变量高斯拟合,并使用针对早发型先兆子痫和未受影响妊娠的经观测的参数,对预测对于固定假阳性率时的检出率的模型进行了评价。对于每个病例和对照还计算了风险,从而直接评估检出率和假阳性率。对于生化标志物、生物物理标志物和风险因素的多种组合,评估了其比率(rate)。
因此,本实施例示出在对于先兆子痫进行筛查时,存在来自于母体因素、血压(MAP)、孕妇外周血PlGF和PAPP-A的显著的独立的贡献。对利用PlGF和/或PAPP-A与MAP的组合的筛查进行了评估,在假阳性率10%时,识别出形成早发型先兆子痫的个体中的约70%。对增加子宫动脉PI的筛查进行了评估,在假阳性率10%时,识别出形成早发型先兆子痫的个体中的超过90%。对利用PlGF、PAPP-A和MAP的组合的筛查进行了评估,在假阳性率时10%时,识别出形成晚发型先兆子痫的个体中的约60%。
表1.当前LR与Papageorghiou等的LR的比较
当前=母亲;Papageorghiou=姐妹
表2.根据分娩时的妊娠期(gestation of delivery)的风险因素的分布
*当前=母亲;Papageorghiou=姐妹
表3早发型先兆子痫:预测针对固定FPR的检出率的模型
表4.早发型先兆子痫的风险(无前期因素):高于固定正常百分位数(normal centile)的病例
表5.早发型先兆子痫的风险(仅前期因素):高于固定正常百分位数的病例比例
表6.早发型先兆子痫的风险(有前期因素):高于固定正常百分位数的早发型病例的比例
表7.晚发型先兆子痫的风险(有前期因素):高于固定正常百分位数的晚发型病例的比例
表21.根据结局针对每一个生物物理标志物的中位数MoM(#)
标志物 |
对照 |
FGR |
PET |
PIH |
早产 |
PI |
1.00(7658) |
1.08(296) |
1.31(128) |
1.07(89) |
1.06(58) |
MAP |
1.00(6584) |
1.14(296) |
1.09(120) |
1.18(82) |
1.12(56) |
表22.先兆子痫:中位数MoM,根据分娩时的妊娠期
表23.与PI的相关性
标志物 |
先兆子痫 |
未受影响的 |
PlGF |
-0.25** |
-0.07 |
PP13(Delfia) |
-0.41** |
-0.09* |
PAPP-A |
-0.28** |
-0.17** |
MAP |
-0.12 |
-0.08** |
*显著;**非常显著
表24.与MAP的相关性
标志物 |
先兆子痫 |
未受影响的 |
PlGF |
0.06 |
-0.04 |
PP13(Delfia) |
0.06 |
-0.01 |
PAPP-A |
0.07 |
0.00 |
*显著;**非常显著
实施例2:多重生化和生物物理标志物用于检测先兆子痫和相关胎盘病症时
的作用的临床研究
本实施例说明多种生化标志物的组合对于确定妊娠个体先兆子痫和相关病症的风险的有效性。具体来说,已经发现生化标志物MMP3、PlGF、TNFR1和PP13(PerkinElmer DELFIA分析形式)对于预测先兆子痫和相关病症具有统计显著性。一种或多种标志物显示出具有检测先兆子痫的预测功能,可以与本文所述的标志物组(例如PlGF和/或PAPP-A和MAP)组合使用。
进行了研究,以在参加针对染色体异常风险的常规评估的女性中筛查不利的妊娠结局。记录母体特征和医疗史并采集血液。将血清保存于-80℃用于后续的生化分析。从同意参加本研究的女性患者处获得书面知情同意书,所述研究通过了King’s College Hospital Ethics Committee的批准。有关临床群体和样品采集的额外信息如实施例3所述。
首先,确定影响生化标志物在母体生物样本中的量的参数。已经观测到:(1)PlGF和ADAM12随妊娠过程而迅速升高。无其它标志物在统计上与妊娠显著相关且将全部中位数(overall median)转变为中位数倍数(MoMing);(2)TNFR1MoM随体重增加,(3)PP13和ADAM12随体重而下降;(4)MMP3和PlGF与体重无关。使用反转体重回归方程(Inverse weight regressionequation)进行校准;BMI是与体重基本相同的可协变的参数(covariable)。
检测具有先兆子痫的个体,对于MMP3(P<0.005)、PlGF(P<0.0001)、TNFR1(P<0.05)和PP13Delfia(P<0.02),结果在统计上是显著的(2-峰尾(2-tail))。表8示出针对未受影响的妊娠(对照)、胎儿生长受限(FGR)、先兆子痫(pre-eclamptic)(PET)、妊娠诱发高血压(PIH)和早产妊娠的中位数MoM值。表9示出对照中的第10和第90百分位数MoM,以及标准偏差。该数据说明TNFR1具有严格的正态分布(tight normal distribution)。对于PP13,根据目前的数据,ELISA免疫测定的SD高于DELFIA免疫测定的SD两倍。
图4示出对于先兆子痫和未受影响妊娠的成对的PP13Delfia和ELISAMoM。图4说明用于本实验时PerkinElmer DELFIA免疫测定具有的偏差小于ELISA技术的偏差。
已经发现在<34周的先兆子痫组中,PlGF是最强的生化标志物,其次为PP13(先兆子痫:根据严重度的中位数MoM(表10))。这些和其它生化标志物还可以用于检测处于34-36周组和37周以上(37+周)组的先兆子痫。
研究了种族划分对生化标志物MoM的影响(参考表11)。结果说明种族划分对MMP3、PlGF以及有可能对PP13ELISA有强的影响。另外,研究了吸烟对于生化标志物MoM的影响(参考表12)。结果说明吸烟影响PlGF、PP13和ADAM12。还研究了产次和母体年龄的影响。无生化标志物与产次或母体年龄明显相关,尽管看起来PP13有小幅稳定地升高。尽管仅有16个ART妊娠(ART pregnancy),但值得注意的是PlGF的中位数为0.87MoM。未受影响妊娠的相关百分位数如表13所示。表14示出在患有早发型先兆子痫的病例中的百分位数。于第10百分位数(percentile),PlGF是最佳预测标志物(predictor),其次为PP13。表15示出了在34-36周分娩时的先兆子痫病例中的百分位数。在未受影响妊娠中PlGF和PP13(使用PerkinElmer DELFIA免疫测定来进行)之间无实质相关性(material correlation)(表16),但在先兆子痫中似乎存在微小相关性(表17)。图5示出了29例早发型先兆子痫病例的成对MoM。
中位数(log10SD)PAPP-A量在先兆子痫和未受影响的对照妊娠中分别为0.79MoM(0.22)和1.08MoM(0.22)。其与PlGF和PP13均高度相关(表18)。PAPP-A降低的幅度在具有中位数0.54MoM的早发型先兆子痫妊娠中更高。游离β-hCG不是先兆子痫的标志物(在先兆子痫和未受影响的妊娠中的中位数1.16和1.10)并且与PlGF和PP13显示出较弱的相关性(表19)。中位数(log10SD)筛查标志物量,在7413例未受影响的妊娠整个系统中(不仅是对照),针对PAPP-A是1.02MoM(0.24)以及针对游离β-hCG是1.09MoM(0.26)。
PP13ELISA、PP13Delfia和ADAM12的中位数数量的降低(参考表8)是统计上显著的(所有P<0.0001)。在生长受限组中存在相对高的吸烟比例,但是在分层(stratification)后影响仍然存在(参考,例如比较表20与表12)。中位数PAPP-A量也降低了(0.80MoM)。
因此,本实施例说明在检测先兆子痫时,PlGF、PP13、TNFR1是更为有效的标志物;在检测胎儿生长受限时,PlGF、PP13、ADAM12和MMP3是更为有效的标志物;在检测妊娠诱发高血压(也已知为妊娠高血压)时,PP13、PlGF和MMP3是更为有效的标志物,以及在检测早产临产时,PP13、PlGF和MMP3是更为有效的标志物。本实施例还说明PlGF、PP13和其它标志物对于检测整个妊娠过程,包括<34周(包括端值)以及后期的先兆子痫是有用的。
表8.根据结局的针对每个生化标志物的中位数MoM(#)
标志物 |
对照 |
FGR |
PET |
PIH |
早产 |
MMP3 |
1.00(572) |
1.07(296) |
1.17(128) |
1.10(88) |
1.18(57) |
PlGF |
1.00(571) |
0.96(296) |
0.84(127) |
0.89(88) |
1.10(57) |
TNFR1 |
0.99(572) |
1.01(296) |
1.06(128) |
1.01(88) |
1.04(57) |
PP13(ELISA) |
1.00(312) |
0.68(170) |
0.97(77) |
0.70(48) |
0.90(21) |
PP13(Delfia) |
1.00(570) |
0.80(296) |
0.87(128) |
0.92(88) |
0.83(58) |
ADAM12 |
0.99(572) |
0.84(296) |
0.98(128) |
0.99(88) |
1.02(58) |
表9.对照中的第10和第90百分位数MoM,以及SD,假设为log
10
高斯拟合
标志物 |
10th百分位数 |
90th百分位数 |
SD |
MMP3 |
0.55 |
1.82 |
0.20 |
PlGF |
0.62 |
1.86 |
0.19 |
TNFR1 |
0.78 |
1.26 |
0.08 |
PP13(ELISA) |
0.23 |
2.74 |
0.42 |
PP13(Delfia) |
0.58 |
1.71 |
0.18 |
ADAM12 |
0.68 |
1.42 |
0.12 |
表10.先兆子痫:中位数MoM,根据分娩时的妊娠期
|
#=29 |
#=22 |
#=77 |
MMP3 |
1.12 |
1.21 |
1.16 |
PlGF |
0.63 |
0.74** |
0.95 |
TNFR1 |
1.09 |
1.07 |
1.03 |
PP13(ELISA)* |
1.02 |
0.55 |
1.05 |
PP13(Delfia) |
0.84 |
0.70 |
0.91 |
ADAM12 |
1.07 |
0.84 |
0.99 |
*#=24,12和41;**#=21
表11.未受影响妊娠:中位数MoM,根据种族划分;括号中为比例
表12.未受影响妊娠:中位数MoM,根据吸烟状况;括号中为比例
表13.未受影响妊娠:选定的百分位数(MoM)
标志物 |
<第1 |
<第5 |
<第10 |
>第90 |
>第95 |
>第99 |
MMP3 |
0.29 |
0.45 |
0.55 |
1.82 |
2.30 |
3.25 |
高加索人 |
0.26 |
0.48 |
0.56 |
1.99 |
2.59 |
3.36 |
非高加索人 |
0.31 |
0.41 |
0.48 |
1.71 |
1.84 |
2.38 |
PlGF |
0.39 |
0.50 |
0.62 |
1.86 |
2.19 |
3.78 |
非吸烟者 |
0.40 |
0.50 |
0.62 |
1.84 |
2.15 |
3.68 |
吸烟者 |
0.71 |
0.78 |
0.88 |
2.64 |
2.76 |
4.49 |
高加索人 |
0.39 |
0.50 |
0.61 |
1.57 |
1.88 |
2.64 |
非高加索人 |
0.42 |
0.54 |
0.71 |
2.33 |
2.75 |
4.51 |
TNFR1 |
0.63 |
0.70 |
0.78 |
1.26 |
1.34 |
1.60 |
PP13(ELISA) |
0.02 |
0.04 |
0.22 |
2.66 |
4.10 |
7.92 |
非吸烟者 |
0.02 |
0.10 |
0.25 |
2.56 |
3.87 |
7.76 |
PP13 (Delfia) |
0.40 |
0.49 |
0.58 |
1.72 |
2.02 |
2.75 |
非吸烟者 |
0.41 |
0.54 |
0.60 |
1.72 |
2.02 |
2.62 |
吸烟者 |
0.24 |
0.30 |
0.32 |
0.96 |
1.13 |
1.15 |
ADAM12 |
0.43 |
0.58 |
0.67 |
1.41 |
1.56 |
2.00 |
非吸烟者 |
0.45 |
0.57 |
0.68 |
1.42 |
1.57 |
1.92 |
吸烟者 |
0.63 |
0.64 |
0.65 |
1.29 |
1.34 |
1.98 |
表14.早发型先兆子痫:选定的百分位数涉及的病例
标志物 |
# |
<第1 |
<第5 |
<第10 |
>第90 |
>第95 |
>第99 |
MMP3 |
29 |
1 |
1 |
2 |
4 |
0 |
0 |
PlGF |
29 |
7 |
10 |
15 |
1 |
0 |
0 |
TNFR1 |
29 |
1 |
2 |
5 |
5 |
3 |
0 |
PP13 ELISA |
24 |
2 |
3 |
5 |
4 |
3 |
1 |
PP13 Delfia |
29 |
5 |
5 |
7 |
1 |
1 |
0 |
ADAM12 |
29 |
2 |
2 |
6 |
2 |
0 |
0 |
表15.先兆子痫于34-36周分娩:选定的百分位数涉及的病例
标志物 |
# |
<第1 |
<第5 |
<第10 |
>第90 |
>第95 |
>第99 |
MMP3 |
22 |
0 |
1 |
2 |
4 |
3 |
1 |
PlGF |
21 |
3 |
5 |
7 |
1 |
0 |
0 |
TNFR1 |
22 |
1 |
1 |
3 |
5 |
4 |
0 |
PP13 (ELISA) |
12 |
2 |
3 |
3 |
0 |
0 |
0 |
PP13 (Delfia) |
22 |
2 |
3 |
8 |
0 |
0 |
0 |
ADAM12 |
22 |
1 |
4 |
5 |
1 |
1 |
0 |
表16.未受影响妊娠中的相关性(排出离群值(outlier))
*显著;**非常显著
表17.先兆子痫中的相关性(排出离群值)
表18.与PAPP-A的相关性(排出离群值)
标志物 |
先兆子痫 |
未受影响的 |
MMP3 |
0.12 |
-0.07 |
PlGF |
0.34** |
0.27** |
TNFR1 |
-0.02 |
-0.04 |
PP13(ELISA) |
0.11 |
0.20** |
PP13(Delfia) |
0.38** |
0.27** |
ADAM12 |
0.49** |
0.42** |
*显著;**非常显著
表19.与游离β-hCG的相关性(排出离群值)
标志物 |
先兆子痫 |
未受影响的 |
MMP3 |
0.02 |
-0.06 |
PlGF |
0.08 |
0.18** |
TNFR1 |
0.05 |
0.10* |
PP13(ELISA) |
0.26* |
0.15* |
PP13(Delfia) |
0.40** |
0.32** |
ADAM12 |
0.26** |
0.21** |
*显著;**非常显著
表20.胎儿生长受限:中位数MoM,根据吸烟状况;括号中为比例
实施例3.:生化标志物和多普勒生物物理标志物用于检测母体高血压病症时的作用的临床研究
本实施例说明多种生化和生物物理标志物的组合用于确定妊娠个体孕育患有染色体异常胎儿的风险的有效性,所述多种生化和生物物理标志物包括PlGF、PAPP-A、子宫动脉PI。
进行了研究,以在参加针对染色体异常风险的常规评估的女性中筛查不利的妊娠结局,所述常规评估通过对妊娠11+0-13+6周的胎儿颈部半透明膜厚度(thickness)以及母体血清PAPP-A和游离β-hCG的测量来进行。记录母体特征和医疗史,并通过经腹彩色多普勒(transabdominal color Doppler)测量子宫动脉PI,并将血清保存于-80℃用于后续的生化分析。从同意参加本研究的女性患者处获得书面知情同意书,所述研究通过了King’s College HospitalEthics Committee的批准。
病例对照研究(case-control study)群体包括127例随后形成PE的妊娠患者(其中包括29例需要在34周之前分娩的患者以及98例患有晚发型-PE的患者),88例患有妊娠高血压(GH)的患者,296个病例分娩了小于胎龄(smallfor gestational age)(SGA)新生儿,57个病例在34周之前自发性早产(spontaneous preterm delivery),以及41个病例为21三体。每个病例与一个对照例匹配,从所述对照例处采集血液并于同一天保存,对照例未形成任何妊娠并发症并最终安全生出表型正常的新生儿。
询问个体从而完成涉及下述内容的调查表:母体年龄,人种起源(高加索人、非洲裔美国人、印度人、巴基斯坦人、中国人或日本人以及混合人种),妊娠过程中吸食香烟(是或否),受孕方法(自发、使用排卵药物以及体外受精),医疗史(包括慢性高血压、糖尿病、抗磷脂综合征(anti-phospholipidsyndrome)、血栓形成倾向、人免疫缺陷病毒感染(human immunodeficiencyvirus infection)和镰状细胞性贫血病),药物治疗(包括抗高血压的、抗抑郁的、抗癫痫的、抗炎的、抗甲状腺的、阿司匹林、β-mimetic、胰岛素、类固醇、甲状腺素),产次(经产或如果没有超过23周的分娩就是未经产),产科历史(包括先前患有PE的妊娠过程)以及PE家族史(母亲)。测量母体体重和身高并计算出以Kg/m2表示的体重指数(BMI)。
使用一式两份100μL血清样品,通过定量酶联免疫测定(quantitativeenzyme linked immunoassay(ELISA))技术,采用人PlGF免疫测定(R&D systems Europe Ltd.,Abingdon,UK)来测量PlGF浓度。在自动的ELISA处理器(Dade-Behring BEP2000,Liederbach,Germany)上进行分析。吸光度读数通过VICTORTM酶标仪(plate reader)(PerkinElmer Life and AnalyticalSciences,Turku,Finland)获取,并使用MultiCalc软件(PerkinElmer Life andAnalytical Sciences,Turku,Finland)来测定PlGF浓度。所述分析的检测极限为7pg/mL,且在PlGF浓度是48pg/mL时,每批之间的不精确度为8.3%,是342pg/mL时为5.6%,以及是722pg/mL时为5.1%。如果一式双份样品的变异系数(coefficient of variation)高于15%,则重新分析该样品。
将测定的PlGF浓度转变为对数值从而使得其分布为高斯分布。然后利用多元回归分析(multiple regression analysis)来确定在母体特征和胎儿顶臀长(CRL)中的哪一个因素在对照组中是log PlGF的显著预测者,以及根据回归模型将每一个病例和对照中的值表示成对照组中的预期中位数的倍数(MoM)。画出每个结局组的PlGF MoM盒须图。利用曼恩-惠特尼检验(Mann-Whitney test)来测定每个结局组中的中位数MoM和对照中的中位数MoM之间的差异显著性。
在每一个病例和对照中,在对妊娠、母体年龄、种族划分、BMI或体重、产次、先前的PE史以及受孕方法进行校准之后,将测定的PAPP-A和子宫动脉PI转化为MoM(参考,例如Kagen等,Ultrasound Obstet Gynecol31:493-502(2008))。然后采用回归分析来测定在每一个结局组(outcome group)中的log PlGF MoM与log PAPP-A MoM、log子宫动脉PI MoM、出生体重百分位数以及分娩时的妊娠期(gestation at delivery)的关联显著性(significance of association)。
利用逻辑回归分析(Logistic regression analysis)来确定在母体特征、logPlGF MoM、log PAPP-A MoM和log子宫动脉PI MoM中哪一个因素在预测PE中具有显著的贡献。筛查能力通过接收器工作特性(receiver operatingcharacteristic)(ROC)曲线来测定。使用统计软件包SPSS15.0(SPSS Inc.,Chicago,IL)进行全数据分析(all data analyse)。
对每个结局组的母体特征进行比较,如表30所示。
对照组中的多元回归分析显示对于log PlGF,显著的独立贡献(significant independent contribution)是由胎儿CRL、母体体重、吸食香烟和人种起源所提供的:log预期PlGF=1.150+0.008x CRL(用mm表示)–0.002x体重(用Kg表示)+(如果吸烟为0.199,如果否为0)+(如果是黑人为0.177,如果是印度人或巴基斯坦人为0.100,如果是其它人种起源为0);R2=0.237,p<0.0001。对于每个个体使用该公式从而得到预期的log PlGF然后将观测的数值表示为预期的MoM(图1,表30)。
在log PlGF MoM和log PAPP-A MoM(r=0.264,p<0.0001;图2)、log子宫动脉PI MoM(r=0.102,p=0.012;图3)、出生体重百分位数(r=0.114,p=0.005)之间存在显著的关联性(significant association),但与分娩时的胎龄(p=0.960)之间不存在显著的关联性。
在早发型PE和晚发型PE组中,PlGF和PAPP-A低于对照而子宫动脉PI高于则对照(图1,表30)。在log PlGF MoM和log PAPP-A MoM(r=0.325,p<0.0001;图2)、log子宫动脉PI MoM(r=0.279,p=0.001;图3)、分娩时的胎龄(r=0.256,p=0.004)和出生体重百分位数(r=0.338,p<0.0001)之间存在显著的关联性。
逻辑回归分析说明对于早发型PE的检测,母体因素、PlGF、PAPP-A和子宫动脉PI(R2=0.500,p<0.0001,表31)提供了显著的贡献。逻辑回归分析显示对于晚发型PE的检测,母体因素、PlGF和子宫动脉PI(R2=0.290,p<0.0001;表3)提供了显著的贡献,但是PAPP-A(p=0.933)未提供显著的贡献。
针对筛查中的不同假阳性率,根据母体因素、血清PlGF、血清PAPP-A、子宫动脉PI以及它们的组合的早发型先兆子痫和晚发型先兆子痫的检出率如表33所示。还通过接收器工作特性曲线下的面积比较了不同筛查方法的性能,如表33所示。
在GH组中,与对照相比,在PlGF、PAPP-A或子宫动脉PI上无显著性差异(图1,表31)。
在妊娠的11+0-13+6周,正常妊娠中的母体血清PlGF浓度随胎儿CRL增加,因此即随胎龄增加,母体血清PlGF浓度随母体体重下降,且非洲裔美国女性高于高加索女性,以及吸食香烟者高于非吸烟者。因此,在PAPP-A中,针对这些变量对测定的PlGF浓度进行校准,然后与患有病理学妊娠的结果相比较。与PlGF相同,PAPP-A的血清浓度也随胎儿CRL增加,随母体BMI降低,并且非洲裔美国女性高于高加索女性。然而,在吸食香烟者中,这两种胎盘产物的关系中存在明显的分离,即血清PAPP-A下降而PlGF升高。
在形成先兆子痫的妊娠中,在妊娠的11+0-13+6周,母体血清PlGF浓度低于血压正常妊娠。另外,在PlGF和PE严重度之间存在显著的关联,PE严重度由在妊娠时进行医源性分娩(iatrogenic delivery)和新生儿的出生体重百分位数来确定。
因此,本实施例说明了对于早发型先兆子痫的检测,以及较小程度上对于晚发型先兆子痫的检测,PlGF、PAPP-A和PI,以及它们的组合是有效的标志物。
表30.四个结局组中的母体特征
与未受影响组的比较(对于绝对变量(categorical variable)的卡方检验(chi square test)以及对于连续变量(continuous variable)的ANOVA):*P<0.05,P<0.01,P<0.0001
表31.四结局组中的母体血清胎盘生长因子(PlGF)MoM、PAPP-A MoM和子宫动脉搏动
指数(PI)MoM的中位数(四分位数间距(interquartile range)):对照、早发型先兆子痫、晚
发型先兆子痫和妊娠高血压
曼恩-惠特尼检验对每一组和对照进行比较:*P<0.05,P<0.01,P<0.0001
表32.用于预测早发型和晚发型先兆子痫(PE)的逻辑回归分析
表33.利用母体因素、胎盘生长因子(PlGF)、妊娠相关血浆蛋白A(PAPP-A)、子宫动脉搏
动指数(PI)以及它们的组合来筛查先兆子痫性能的比较
实施例4.母体生化和生物物理标志物用于检测胎儿染色体病(chromosomal
disorder)时的作用的临床研究
本实施例说明多种生化和生物物理标志物的组合用于确定妊娠个体孕育患有染色体异常胎儿的风险的有效性,所述多种生化和生物物理标志物包括PlGF、PAPP-A、游离β-hCG和超声标志物。
进行了染色体异常的筛查,通过妊娠11+0-13+6周时的母体年龄、胎儿颈部半透明膜(NT)厚度以及母体血清游离β-hCG和PAPP-A的组合来进行筛查。从同意参加确认妊娠并发症的潜在标志物的研究的女性患者处获得书面知情同意书,所述研究通过了King’s College Hospital Ethics Committee的批准。
进行了经腹超声检查(transabdominal ultrasound examination),以筛查任何主要的胎儿缺陷(fetal defect)以及测量胎儿NT和顶臀长(CRL)。能够在30分钟内提供可重现结果的自动仪器用来测量PAPP-A和游离β-hCG(DELFIAXpress system,PerkinElmer Life and Analytical Sciences,Waltham,USA)。母体人口统计学特征、超声检查法检测结果(ultrasononographic measurement)和生化结果被储存于计算机数据库中。将能够获取的核型结果(karyotype result)以及关于妊娠结局(pregnancy outcome)的细节立即加入到数据库中。
病例对照研究群体由175例患有胎儿染色体异常的病例和609例无娠并发症并最终生出表型正常的新生儿的对照组成。根据其生物样本的储存长短匹配病例和对照。
使用一式双份的100μl血清样品来测量PlGF浓度,通过定量酶联免疫测定(ELISA)技术,采用人PlGF免疫测定(R&D systems EuropeLtd.,Abingdon,UK)。在自动ELISA处理器(Dade-Behring BEP2000,Liederbach,Germany)上进行分析。吸光度读数通过VICTOR3酶标仪(PerkinElmer Life and Analytical Sciences,Turku,Finland)获取,并使用MultiCalc软件(PerkinElmer Life and Analytical Sciences,Turku,Finland)来测定PlGF浓度。所述分析的检测极限为7pg/mL,且在PlGF浓度是48pg/mL时,每批之间的不精确度为8.3%,是342pg/mL时为5.6%,以及是722pg/mL时为5.1%。如果一式双份样品的变异系数高于15%,则重新分析该样品。
在每一个病例和对照中,在对妊娠、母体年龄、种族划分、体重、产次和受孕方法进行校准之后,将测定的游离β-hCG、PAPP-A和PlGF转化为MoM。作出病例和对照的PlGF MoM盒须图。利用曼恩-惠特尼检验来测定每一个染色体异常组和对照的中位数MoM的差异显著性。然后利用回归分析来测定PlGF MoM与游离β-hCG MoM和PAPP-A MoM之间的关联显著性。相似地,将已测量的NT表示为与对于妊娠的预期正常平均值(δ值(deltavalue))之差,然后利用回归分析来测定PlGF MoM和delta NT之间的关联显著性。
可以针对种族划分,对PlGF、PAPP-A、和/或游离β-hCG的MOM测量值(MOM measured value)进行校正,利用下述分别的中位数值来分割生化标志物(例如PlGF、PAPP-A或游离β-hCG)的MOM测量值,所述中位数值从与上述孕妇具有相同种族划分的一组妊娠未受影响的孕妇处获取。根据需要,针对吸烟,对PlGF、PAPP-A和/或游离β-hCG的MOM测量值进行校正,利用下述分别的中位数值来分割生化标志物(例如PlGF、PAPP-A或游离β-hCG)的MOM测量值,所述中位数值从一组吸烟的妊娠未受影响的孕妇处获取。
利用逻辑回归分析来确定母体年龄、游离β-hCG、PAPP-A和PlGF是否向21三体的检测提供了显著贡献。筛查性能通过接收器工作特性(ROC)曲线来测定。使用统计软件包SPSS15.0(SPSS Inc.,Chicago,IL)进行全数据分析。
有90例单胎妊娠(singleton pregnancy)具有21三体、28例为18三体、19例为13三体、28例为特纳综合征以及10例为三倍性。全部10例三倍性病例具有双雌性三倍体(digynic triploidy)的表型,其特征在于瘦但看起来正常的具有严重不对称胎儿生长受限(asymmetrical fetal growth restriction)的胎盘。对病例和对照的母体特征进行比较,如表35所示。
在整倍体组中,平均log PlGF MoM为-0.004(标准偏差(SD)0.171)。logPlGF MoM和log PAPP-A MoM(r=0.264,p<0.0001;图7),以及和log游离β-hCG MoM(r=0.183,p<0.0001)之间存在显著的关联性,但是与δNT(p=0.054)之间不存在显著的关联性。
与妊娠中的整倍体组相比,患有21三体妊娠的中位数游离β-hCG和胎儿NT明显更高,而PAPP-A和PlGF明显更低(图8,表37)。在21三体妊娠中,平均log PlGF MoM为-0.150(SD0.181)。log PlGF MoM和log PAPP-AMoM(r=0.246,p=0.020;图7)之间存在显著的关联性,但是与log游离β-hCGMoM(p=0.652)或δNT(p=0.055)之间不存在显著的关联性。在log PlGF MoM与胎儿CRL(p=0.973)之间不存在显著的关联性。
逻辑回归分析显示母体年龄、游离β-hCG、PAPP-A和PlGF(R2=0.662;p<0.0001;表38)向21三体的检测提供了显著贡献。在通过母体年龄、血清PAPP-A、血清游离β-hCG、血清PlGF和它们的组合所进行的筛查中,接收器工作特性曲线下的面积,以及针对不同假阳性率的21三体的检出率如表38所示。
在18三体、13三体、特纳综合征和三倍性中,PlGF的中位数数量显著低于整倍体组(图8,表37)。平均log PlGF MoM为-0.293(SD为0.190)。在每一个个体染色体异常中,或在综合组(combined group)中,log PlGF MoM和log PAPP-A MoM(p=0.119)、log游离β-hCG MoM(p=0.396)或δNT(p=0.701)之间不存在显著的关联性
本研究的发现显示出,首先在21三体以及其它主要的染色体异常中,母体血清的PlGF浓度在妊娠的11+0-13+6周下降,其次对于PlGF的检测可以提高前三个月的生化筛查性能,所述生化筛查是由母体血清游离β-hCG和PAPP-A所提供的对于21三体的生化筛查。
在整倍体妊娠中,血清PlGF随胎儿CRL增加,因此即随胎龄增加,血清PlGF随母体体重降低,且非洲裔美国女性高于高加索女性,以及吸食香烟者高于非吸烟者。因此,在PAPP-A中,针对这些变量对测定的PlGF浓度进行校准,然后与患有病理学妊娠的结果相比较。21三体的结果与先前的那些小型研究的结果相矛盾,所述小型研究没有针对母体变量来校准测量值,并且据报道称在受到影响的妊娠中量既没有升高,与正常对照相比也没有明显的不同。
整倍体和21三体妊娠中,PlGF的血清含量和PAPP-A之间均存在显著的关联性,其可能反映出在胎盘发育(placental development)中这些肽的推定作用(postulated role)和/或来自细胞和合胞滋养层的它们的共同起源(commonorigin)。然而,在21三体妊娠中,随着胎儿CRL,血清PlGF没有显著变化,这说明三体和整倍体妊娠之间的偏差在11和13周是相同的。相反,在11周时三体和整倍体妊娠之间的血清PAPP-A偏差明显高于13周时的偏差。
在前三个月对于21三体的生化筛查中,母体年龄和血清PlGF、PAPP-A和游离β-hCG有显著独立的贡献。进行了评估,通过母体年龄和这三个生化标志物的组合的筛查可以识别出受到影响妊娠中的约70%和80%,其分别的假阳性率为3%和5%。在18三体、13三体、特纳综合征和三倍性中的血清PlGF的量,低于具有整倍体胎儿的妊娠中的血清PlGF的量,并且低于那些具有21三体的妊娠。因此,能够期待将PlGF引入到前三个月对于21三体的综合筛查中的有益结果为实现其它主要的非整倍性的高比例检测。
表34.关于整倍体和21三体妊娠中胎盘生长因子的母体血清含量的研究报
告
表35.病例和整倍体对照中的母体特征
与整倍体组的比较(对于绝对变量的卡方检验以及对于连续变量的ANOVA):*p<0.05,p<0.01,p<0.001
表36.整倍体和染色体异常妊娠中的母体血清胎盘生长因子(PlGF)MoM、游离β-hCG
MoM、妊娠相关血浆蛋白A(PAPP-A)MoM和δ颈部半透明膜(NT)的中位数(四分位数间
距)
与整倍体比较(曼恩-惠特尼检验)=*p<0.05,p<0.01,p<0.0001.
表37.对通过母体年龄、妊娠相关血浆蛋白A(PAPP-A)、游离β-hCG和胎盘生长因子(PlGF)
的组合来预测21三体的逻辑回归分析
表38.母体年龄、游离β-hCG、妊娠相关血浆蛋白A(PAPP-A)和胎盘生长因子(PlGF)MoM
在检测21三体中的性能
表40.PlGF、PP13和ADAM12的MoM,针对唐氏综合征、其它非整倍性以及未受影响
妊娠
结局 |
PlGF |
PP13 |
ADAM12 |
唐氏综合征(26) |
0.56(0.19)** |
0.88(0.18) |
0.85(0.17) |
其它非整倍体性(22) |
0.54(0.17)*** |
0.55(0.22)*** |
0.69(0.11)* |
对照(83) |
0.94(0.24) |
0.99(0.19) |
1.00(0.17) |
与对照相比的显著性:*P<0.05;**P<0.0005;***P<0.0001
表41.标志物的百分位数
标志物 |
<第1 |
<第5 |
<第10 |
>第90 |
>第95 |
>第99 |
PlGF |
0.39 |
0.50 |
0.62 |
1.86 |
2.19 |
3.78 |
非吸烟者 |
0.40 |
0.50 |
0.62 |
1.84 |
2.15 |
3.68 |
吸烟者 |
0.71 |
0.78 |
0.88 |
2.64 |
2.76 |
4.49 |
高加索人 |
0.39 |
0.50 |
0.61 |
1.57 |
1.88 |
2.64 |
非高加索人 |
0.42 |
0.54 |
0.71 |
2.33 |
2.75 |
4.51 |
表42.在固定的假阳性率的条件下,使用不同标志物组合时的检出率,假设针对PlGF的
参数在整个10~13周的检测期间(window)是相同的
其它实施例
尽管结合了本发明详细的说明书和实施例对本发明进行了说明,但上述描述意在说明而不是限制本发明的范围,本发明的范围是由权利要求限定的。其它方面、优点以及修改在权利要求的范围内。