CN103998622A - 肺癌的多基因预后试验 - Google Patents

肺癌的多基因预后试验 Download PDF

Info

Publication number
CN103998622A
CN103998622A CN201280033168.1A CN201280033168A CN103998622A CN 103998622 A CN103998622 A CN 103998622A CN 201280033168 A CN201280033168 A CN 201280033168A CN 103998622 A CN103998622 A CN 103998622A
Authority
CN
China
Prior art keywords
prognosis
risk
lung cancer
biomarker
group
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.)
Pending
Application number
CN201280033168.1A
Other languages
English (en)
Inventor
M·J·曼恩
D·M·雅布隆斯
J·克拉茨
D·巴里曼
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.)
University of California
Original Assignee
Accurate Genomics Limited-Liability Co
University of California
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 Accurate Genomics Limited-Liability Co, University of California filed Critical Accurate Genomics Limited-Liability Co
Publication of CN103998622A publication Critical patent/CN103998622A/zh
Pending legal-status Critical Current

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • 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
    • G01N33/57423—Specifically defined cancers of lung
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/118—Prognosis of disease development
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Organic Chemistry (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Microbiology (AREA)
  • Urology & Nephrology (AREA)
  • Physics & Mathematics (AREA)
  • Biotechnology (AREA)
  • Genetics & Genomics (AREA)
  • Oncology (AREA)
  • Hospice & Palliative Care (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Biochemistry (AREA)
  • Hematology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Cell Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biophysics (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明提供使用11种分子标志物组提供肺癌预后的方法，所述分子标志物组包括BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A，其在肺癌中差异表达。所述11种标志物与5年总存活结果的患者预后有关，并且特别有利于提供非鳞状NSCLC的预后。

Description

肺癌的多基因预后试验
相关申请的交叉引用
本申请要求2011年7月1日提交的美国临时专利申请序列号61／504063和2011年7月2日提交的美国临时专利申请序列号61／504193的权益，其通过引用全文纳入本文。
在联邦资助研发下作出发明的权利的声明
不适用
对以光盘提交的“序列表”、表格或计算机程序列表附件的引用
不适用
发明背景
借助临床分期和组织病理学发现来确定肺癌患者的长期存活率可能性不佳。尽管已经公布了鉴定为肺癌预后基因的微阵列鉴定，但仍需要能够预测肺癌患者的死亡风险的准确多基因定量聚合酶链反应(PCR)试验。
发明概述
在一方面，本发明提供为对象内肺癌提供预后的方法，该方法包括以下步骤：(a)使来自该对象的生物学样品与特异性结合生物标志物组的试剂接触，所述生物标志物包括BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR，和WNT3A，以及(b)确定所述标志物在该样品中是否差异表达；由此提供肺癌的预后。
在一个实施方案中，所述试剂是核酸。在另一个实施方案中，所述试剂是寡核苷酸。在另一实施方案中，所述试剂是PCR引物组。在另一实施方案中，所述试剂是抗体。
在一个实施方案中，所述肺癌是非鳞状细胞肺癌。在另一个实施方案中，所述非鳞状细胞肺癌是I期。在另一个实施方案中，非鳞状细胞肺癌是II期。在另一个实施方案中，所述非鳞状细胞肺癌是III期。在另一个实施方案中，所述非鳞状细胞肺癌IV期。
在一个实施方案中，所述样品来自肺组织或肺肿瘤活检。
在一个实施方案中，所述预后提供风险评估。在一些实施方案中，所述风险评估基于5年死亡率。在一些实施方案中，所述风险评估是针对5年死亡率的高风险、中度风险或低风险评估。
在一方面，提供试剂盒，所述试剂盒包含特异性结合生物标志物组的试剂，所述生物标志物组包含BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR以及WNT3。在一个实施方案中，所述试剂是逆转录酶的群。
在另一方面，通过检测生物样品中的生物标志物组的甲基化水平来提供确定患有肺癌的对象的预后的方法，所述生物标志物组包含BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR及WNT3；其中，所述生物样品源自所述对象并且所述甲基化水平指示所述预后。
在另一方面，提供报道，该报告包括对患有肺癌的对象的预后，所述预后已通过对所述对象的生物样品中的生物标志物组定量来确定，所述生物标志物组包含BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR及WNT3；其中，所述表达水平指示所述预后。
在另一方面，提供确定治疗方案的方法，该方法包括以下步骤：(a)使来自所述对象的生物样品与各自特异性结合生物标志物组中一员的试剂接触，所述生物标志物组包含BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR及WNT3，(b)确定所述标志物在该样品中是否差异表达，(c)提供肺癌的预后，(d)基于肺癌的预后来确定针对5年死亡率的风险评估，以及(e)基于所述风险评估来设计治疗方案。
在另一方面，提供一种为对象内肺癌提供预后的方法，该方法包括以下步骤：(a)使来自该对象的生物样品与各自特异性结合生物标志物组中一员的试剂接触，所述生物标志物组包含BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR及WNT3A，以及(b)确定所述标志物在该样品中是否差异表达；由此提供肺癌的预后。在一些实施方案中，对所述标志物在该样品中是否差异表达的确定还包括使所述生物标志物的表达水平针对选自下组的管家基因进行标准化：ESD、TBP、YAP1及其的任意组合。在某些实施方案中，使所述生物标志物的表达水平针对所述管家基因的平均CT值进行标准化。在一个实施方案中，BAG1、BRCA1、CDC6、CDK2AP1、FUT3、IL11、以及RND3指示对象死亡的增加的可能性，并且其中ERBB3、LCK、SH3BGR和WNT3A指示对象死亡的下降的可能性。
在一个实施方案中，所述试剂是核酸。在另一个实施方案中，所述试剂是寡核苷酸。在另一个实施方案中，所述试剂是PCR引物组。在另一实施方案中，所述试剂是抗体。
在一个实施方案中，所述肺癌是非鳞状细胞肺癌。在另一个实施方案中，所述非鳞状细胞肺癌是I期。在另一个实施方案中，所述非鳞状细胞肺癌是II期。在另一个实施方案中，所述非鳞状细胞肺癌是III期。在另一个实施方案中，所述非鳞状细胞肺癌IV期。
在一个实施方案中，所述样品来自外科手术切除的肿瘤。在另一个实施方案中，所述样品是从肺组织或肺肿瘤活检。
在一个实施方案中，所述预后提供风险评估。在一些实施方案中，所述风险评估基于5年死亡率。在一些实施方案中所述风险评估是针对5年死亡率的高风险、中度风险或低风险评估。
在另一方面，提供试剂盒，所述试剂盒包含各自特异性结合生物标志物组中一员的试剂，所述生物标志物组包含BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A。在某些实施方案中，所述试剂是逆转录酶的群。在一些实施方案中，所述试剂盒还包含选自由下组的管家基因：ESD、TBP、YAP1及其任意组合。
在另一方面，提供一种为患有肺癌的对象提供预后的方法，该方法包括检测生物样品中的生物标志物组的甲基化水平，所述生物标志物组由BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A组成；其中所述生物样品源自所述对象，并且所述甲基化水平指示所述预后。
在另一方面，提供报道，该报道包括对患有肺癌的对象的预后，所述预后已通过对所述对象的生物样品中的生物标志物组进行定量来确定，所述生物标志物组由BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A组成；其中，所述表达水平指示所述预后。在一些实施方案中，对所述对象的生物样品内的生物标志物的表达水平的定量还包括使所述生物标志物的表达水平针对选自下组的管家基因进行标准化：ESD、TBP、YAP1及其任意组合。在某些实施方案中，使所述生物标志物的表达水平针对所述管家基因的平均CT值进行标准化。
在另一方面，提供确定治疗方案的方法，该方法包括以下步骤：(a)使来自该对象的生物样品与各自特异性结合生物标志物组中一员的试剂接触，所述生物标志物组包含BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A，(b)确定所述标记物在该样品中是否差异表达，(c)提供肺癌的预后，(d)基于肺癌预后确定针对5年死亡率的风险评估，以及(e)基于所述风险评估设计治疗方案。在一些实施方案中，对于所述标志物在该样品中是否差异表达的确定还包括使所述生物标志物的表达水平针对选自下组的管家基因进行标准化：ESD、TBP、YAP1以其任意组合。在某些实施方案中，使所述生物标志物的表达水平针对所述管家基因的平均CT值进行标准化。
在另一方面，提供一种为对象的肺癌提供预后的方法，该方法包括以下步骤：(a)使来自该对象的生物样品与各自特异性结合生物标志物组中一员的试剂接触，所述生物标志物组包含BAG、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A；(b)基于样品中所述生物标志物的表达水平确定对象的风险评分，以及(c)基于所述对象的风险评分提供肺癌的预后。在一些实施方案中，基于样品中生物标志物表达水平的对于对象的风险评分的确定还包括使所述生物标志物的表达水平针对选自下组的管家基因进行标准化：ESD、TBP、YAP1及其任意组合。在某些实施方案中，使所述生物标志物的表达水平针对所述管家基因的平均CT值进行标准化。
附图简述
图1显示肺癌是癌症死亡最常见的原因，并显示就1期癌症而言，5年存活率的预后是约60％。
图2显示预后的基因组模型。
图3是采用实例1的算法的风险评分分组的低风险、中度风险和高风险患者的卡普兰-梅耶(Kaplan-Meier)存活率分析的示例。
图4是对实例2中算法所用的算法基因的总结图表。
图5A是通过风险评分说明5年死亡率的概率的图，其中虚线为95％置信区间(CI)，并且x轴上面的散列标示(hash mark)是每位患者的个体风险评分。图5B是通过风险种类中的各逐步增加的亚组(例如，低到中，以及中到高)说明5年总死亡率风险比(HR)增加的图，其中方框大小与组的大小成正比，并且AJCC指美国癌症联合委员会。
图6A是说明全队列(cohort)总存活率的曲线图。图6B是说明全队列的肺癌特异性存活率的曲线图，其中检查了非肺癌死亡。图6C是说明患有美国癌症联合委员会IA期和IB期疾病(由传统病理学标准认为是低风险的(国家综合癌症网络))的330名患者的总存活率的图表。
图7显示描绘(A)全组的总存活率，以及患有(B)I期，(C)II期，和(D)III期疾病的患者的存活率。
图8是说明根据不同实施方案的示例性计算机系统的框图。
图9是说明根据本公开内容的一个实施方案的方法的方面的流程图。
发明详述
引言
本发明的特点是对某些基因的组的表达谱进行鉴定，这允许对于早期肺癌的死亡的准确预后。理想情况下，预测工具应提供精确的风险分层，应该是临床上能够能够用于日常实践的，并应具有高性价比。这种分析将特别有利于手术切除了I期或II期非鳞状NSCLC的患者。目前对于大多数I期非鳞状NSCLC的照护标准是叶切除术和纵隔淋巴结切除术，无辅助化疗。良好预后患者亚群的较好鉴定可能允许在等同存活潜能下采用较少的手术程序。相反，可以选择预后较差的I期亚群来采用辅助化疗治疗，以降低使用目前的照护标准介质的远处复发的风险。此外，经鉴定预后较差的患者还可被考虑纳入测试新方法和新治疗剂的临床试验。考虑对于I期疾病化疗的现有限制，具有预后性和化疗益处预测性的生物检测将会特别有益。最后，I期非鳞状NSCLC可能会在未来日益重要。尽管目前有约20～30％的患者被诊断为非鳞状NSCLC I期，就计算机断层扫描术筛选的近期肺癌发生来看，这一比例很可能会增长。
目前推荐患有II期NSCLC的患者在采取根治性切除术后进行辅助化疗。然而，据记载，化疗就绝对提高这些患者的5年存活率而言益处较少。结果是，许多患者放弃化疗，尤其是当他们从采取根治性手术恢复之后。因此，能够对II期患者更好地指定复发风险的生物检测可改善被发现具有较高复发风险的患者对当前照护标准建议的辅助治疗的顺应。在受控制的实验设定下，甚至可对被发现复发风险最低的甚至是II期患者暂停治疗。
在本文所述的实施方案中，基于426例患者的表达模式开发了一种试验，所述患者在加州大学旧金山分校接受了I～IV期非小细胞肺癌(NSCLC)的切除术。从FFPE组织样品提取RNA，并且评估与患者预后相关的11种靶基因的表达水平。探寻一种试验，该试验平均上趋于对已死亡患者指定的风险评分高于5年随访期间存活的那些患者。若患者的样品获得较高风险评分，则认为该患者在手术后5年期间的死亡风险较高，反之，若患者的样品获得低评分，则认为该患者在其手术后的时间间隔中更可能存活。
预后试验通过关联BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR、WNT3A的表达模式来开发，这些标志物的表达模式采用Cox比例风险模型显示与患者的预后(尤其是作为与5年总存活率结果相关的预后)相关联。所述预后试验通过测定样品中BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A的表达来提供对象内肺癌的预后。对包括BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A的生物标志物组的选择在现有技术基础上提供巨大改进。
然后，通过将所述11种预后基因各自的表达水平插入风险评分算法来导出各患者的风险评分。本文也描述了基于通过根据其风险评分将患者分为不同的风险种类的风险评分的风险组。例如，“低风险”，“中度风险”或“高风险”。
本文还描述多基因诊断试剂盒，所述试剂盒由本文所述的标志物构成，所述标志物可用提供肺癌患者的预后，以及包括对患有肺癌的对象的预后的报告，所述预后通过对本文所述的标志物的表达水平进行定量进行。
定义
“肺癌”一般指由恶性细胞的大小和外观分类的两种肺癌主要类型：非小细胞(约占情况的80％)和小细胞(约占情况的20％)肺癌。“非小细胞肺癌”(NSCLC)包括鳞状细胞癌。肺腺癌是NSCLC的最常见亚型，而肺癌的其它亚型包括细支气管肺泡癌、大细胞癌、类癌、腺样囊性癌、圆柱瘤和粘液表皮样癌。在一个实施方案中，根据I—IV期对肺癌分期，其中I是早期，IV是最晚期。
“预后”指，例如总存活率、长期死亡率和无病存活率。在一个实施方案中，长期死亡率指诊断为肺癌后5年内死亡。
“风险评估”是指个体面临死亡方面的相对风险。例如，对5年死亡率提供高风险评估的预后的5年内死亡可能性高于具有5年死亡率低风险评估的个体。在一个实施方案中，长期死亡率的预后是“高风险”，例如高死亡风险，“中等风险”，例如中等死亡风险，或“低风险”，例如低死亡风险。癌症的分期和预后可用于为患者设计治疗以提供较好结果，例如全身治疗和手术、仅手术或仅全身治疗。可按需要对风险评估进行划分，例如，中位、第三级组(tertiary group)、第四级组(quaternary group)等等。
癌症的其它形式包括癌、肉瘤、腺癌、淋巴瘤、白血病等，包括实体和淋巴癌症、头颈癌，例如口腔癌、咽和舌癌、肾癌、乳腺癌、肾癌、膀胱癌、结肠癌、卵巢癌、前列腺癌、胰腺癌、胃癌、脑癌、头颈癌、皮肤癌、子宫癌、睾丸癌、食道癌和肝脏癌症，包括肝癌、淋巴瘤，包括非霍奇金淋巴瘤(例如，伯基特(Burkitt)淋巴瘤、小细胞淋巴瘤和大细胞淋巴瘤)和霍奇金淋巴瘤、白血病和多发性骨髓瘤。
术语“标志物”指细胞中表达的，相较于非癌细胞在癌细胞表面上表达或由癌细胞分泌的分子(通常是蛋白质、核酸、碳水化合物或脂质)，所述分子可用于诊断癌症、提供预后以及使药理学制剂优先靶向癌细胞。此类标志物通常是相较于非癌细胞在肺癌或其它癌细胞中过表达的分子，例如相较于正常细胞1倍过表达、2倍过表达、3倍过表达或更多倍过表达。此外，标志物可以是在癌细胞中不适当合成的分子，例如相较于正常细胞上表达的分子而言包含缺失、添加或突变的分子。或者，此类标志物是相较于非癌细胞在癌细胞中低表达的分子，例如1倍低表达、2倍低表达、3倍低表达或更多倍低表达。此外，标志物可以是在癌症中不适当合成的分子，例如相较于正常细胞上表达的分子包含缺失、添加或突变的分子。
技术人员应理解，标志物可与用于本文公开的任何应用的其它标志物或测试联用，所述应用例如癌症预测、癌症诊断或癌症预后。
“生物样品”包括组织切片，例如活检和尸检样品，以及出于组织学目的取得的冷冻切片。此类样品包括血液和血液组分或产物(例如，血清、血小板、红细胞等)、痰、支气管肺泡灌洗液、培养细胞，例如原代培养物、外植块以及转化细胞、粪便、尿液等。生物样品一般获自真核生物，最优选哺乳动物，例如灵长类，如黑猩猩或人；牛；狗；猫；啮齿类动物，例如豚鼠、大鼠、小鼠；兔；或鸟类；爬行类；或鱼类。
“活检”指移出组织样品以供诊断或预后评价的处理，还指所述组织样品自身。本领域已知的任何活检技术都可应用于本发明的诊断和预后方法。所应用的活检技术取决于待评价的组织类型(例如，肺等)，肿瘤的尺寸和类型等因素。代表性活检技术包括但不限于：切除活检、切开式活检、针吸活检、手术活检和骨髓活检。“切除活检”指取出整个肿瘤块以及其周围的少量正常组织。“切开式活检”指从肿瘤内取出楔形组织。通过内窥镜检或射线照相指导作出的诊断或预后可能需要“芯针活检”或“细针抽吸活检”，这些技术通常从靶组织内得到细胞悬液。例如，《哈里森内科原理》(Harrison’sPrinciples of Internal Medicine)，Kasper等编，第16版，2005，第70章和整个V部分讨论了活检技术。
术语“过表达”或“过表达的”可互换表示相较于正常细胞，通常在癌细胞中以可检测的更高水平转录或翻译的蛋白质或核酸(RNA)。该术语包括相较于正常细胞的，归因于转录、转录后加工、翻译、翻译后加工、细胞定位(例如，细胞器、细胞质、核、细胞表面)和RNA及蛋白质稳定的过表达。可采用用于检测mRNA的传统技术(即，RT-PCR、PCR、杂交)或用于检测蛋白质的传统技术(即，ELISA、免疫组化技术)等常规技术检测过表达。与正常细胞相比，过表达可以是10％、20％、30％、40％、50％、60％、70％、80％、90％或更多。在某些情况中，与正常细胞相比，过表达是1倍、2倍、3倍、4倍或更高水平的转录或翻译。
术语“低表达”、“低表达的”或“下调”可互换表示相较于正常细胞相，在癌细胞中以可检测的较低水平翻译或转录的蛋白质或核酸。该术语包括与对照相比，归因于转录、转录后加工、翻译、翻译后加工、细胞定位(例如，细胞器、细胞质、核、细胞表面)和RNA及蛋白质稳定的低表达。可采用用于检测mRNA(即，RT-PCR，PCR、杂交)或用于检测蛋白质(即，ELISA、免疫组化技术)的常规技术检测低表达。与对照相比，低表达可以是10％、20％、30％、40％、50％、60％、70％、80％、90％或更低。在某些情况中，与对照相比，低表达是1倍、2倍、3倍、4倍或更低水平的转录或翻译。
术语“差异表达”或“差异调节”一般指相较于至少一种其它样品，一种样品中的蛋白质或核酸过表达(上调)或低表达(下调)，就本发明而言，通常是在癌症患者中，与非癌症患者相比。
“治疗性治疗”和“癌症治疗”指化疗、激素治疗、放疗、免疫治疗和生物(靶向)治疗。
本文的“治疗有效量或剂量”或“足够的量或剂量”表示产生给药生效的剂量。精确的剂量取决于治疗的目的，并且可由本领域技术人员采用已知技术来确定(参见，例如Lieberman，《药物剂型》(Pharmaceutical Dosage Forms)(第1-3卷，1992)；Lloyd，《药物混配的艺术、科学和技术》(The Art，Science andTechnology ofPharmaceutical Compounding)(1999)，Pickar，《剂量计算》(DosageCalculations)(1999)；和《雷明顿：药学科学与实践》(Remington：The Science andPractice of Pharmacy)第20版，2003，Gennaro编，LWW公司)。
“核酸”指脱氧核糖核酸或核糖核酸及其单链或双链形式的聚合物，及其互补体。该术语涵盖含有已知核苷酸类似物或经修饰的主链残基或连接的核酸，它们是合成的、天然产生的和非天然产生的，它们结合性质与参比核酸类似，并且代谢方式与参比核苷酸类似。此类类似物的例子包括但不限于：硫代磷酸酯、氨基磷酸酯、膦酸甲酯、手性-膦酸甲酯、2-O-甲基核糖核苷酸、肽-核酸(PNA)。
除非另有表明，特定核酸序列也隐含涵盖其保守修饰变体(如，简并密码子取代)和互补序列以及明确指出的序列。具体而言，可通过产生其中一个或多个选择的(或所有)密码子的第三位被混合碱基和／或脱氧肌苷残基取代的序列而获得简并密码子取代(Batzer等，Nucleic Acid Res.19：5081(1991)；Ohtsuka等，J.Biol.Chem.260：2605—2608(1985)；Rossolini等，Mol.Cell.Probes8：91-98(1994))。术语核酸可与基因、cDNA、mRNA、寡核苷酸和多核苷酸互换使用。
特定的核酸序列还隐含涵盖“剪接变体”和编码截短形式蛋白质的核酸序列。类似地，由核酸编码的特定蛋白质隐含涵盖由该核酸的剪接变体或截短形式编码的任何蛋白质。如其名称所示，“剪接变体”是基因的另路剪接产物。转录后，可剪接初始核酸转录物，因而不同的(另路)核酸剪接产物编码不同多肽。产生剪接变体的机制有所不同，但包括外显子的替代性剪接。该定义还涵盖通过通读转录而源自同一核酸的另路多肽。该定义涵盖剪接反应的任何产物，包括剪接产物的重组形式。核酸可在5端或3端截短。多肽可以在N-末端或C-末端截短。核酸或多肽序列的截短形式可以是天然产生或重组生成的。
术语“多肽”、“肽”和“蛋白质”在本文可互换使用，指氨基酸残基的聚合物。所述术语适用于其中一个或多个氨基酸残基是对应于天然产生的氨基酸的人工化学模拟物的氨基酸聚合物，以及天然产生的氨基酸聚合物和非天然产生的氨基酸聚合物。
术语“氨基酸”指天然产生和合成的氨基酸，以及通过与天然产生氨基酸相类似的方式起作用的氨基酸类似物和氨基酸模拟物。天然产生的氨基酸是通过遗传密码编码的那些，以及随后修饰的那些氨基酸，例如羟基脯氨酸、γ-羧基谷氨酸和O-磷酸丝氨酸。氨基酸类似物指具有与天然产生的氨基酸相同基础化学结构，即，具有结合氢的α碳、羧基、氨基和R基团的化合物，例如高丝氨酸、正亮氨酸、甲硫氨酸亚砜、甲硫氨酸甲基锍。这种类似物具有经修饰的R基团(例如，正亮氨酸)或经修饰的肽主链，但保留了与天然产生的氨基酸相同的基础化学结构。氨基酸模拟物指结构与氨基酸的通用化学结构不同，但通过与天然产生氨基酸相类似方式起作用的化合物。
本文可用IUPAC—IUB生物化学命名委员会推荐的公知三字母标志或单字母标志指称氨基酸。类似地，可用其一般接受的单字母密码指称核苷酸。
“保守修饰的变体”适用于氨基酸和核酸序列。对于特定的核酸序列而言，保守修饰的变体指编码相同或基本相同的氨基酸序列的核酸，或者当核酸不编码氨基酸序列时，指基本相同的序列。由于遗传密码的简并性，大量功能相同的核酸编码任何给定的蛋白质。例如，密码子GCA、GCC、GCG和GCU都编码丙氨酸。因此，在密码子指定为丙氨酸的每个位置上，可使密码子改变为所述的任何相应密码子而不改变编码多肽。这种核酸变异是“沉默变异”，保守修饰的变异的一种。编码多肽的本文各核酸序列也描述该核酸的每种可能的沉默变异。本领域技术人员将认识到，可修饰核酸中的各密码子(除了AUG和TGG，AUG通常是甲硫氨酸的唯一密码子，TGG通常是色氨酸的唯一密码子)，以产生功能相同的分子。因此，对于表达产物而非实际探针序列而言，所述各序列中暗示了编码多肽的核酸的各沉默变异形式。
对于氨基酸序列，本领域技术人员会认识到，使已编码序列中的单个氨基酸或小部分氨基酸改变、添加或缺失的核酸、肽、多肽或蛋白质序列的单个取代、缺失或添加是“保守修饰变体”，其中所述改变导致用化学上相似的氨基酸取代某氨基酸。提供功能相似氨基酸的保守取代表是本领域熟知的。这种保守修饰的变体是包括于且不排除本发明的多态性变体、种间类似物和等位基因的。
以下八组各含有可彼此保守取代的氨基酸：1)丙氨酸(A)、甘氨酸(G)；2)天冬氨酸(D)、谷氨酸(E)；3)天冬酰胺(N)、谷胺酰胺(Q)；4)精氨酸(R)、赖氨酸(K)；5)异亮氨酸(I)、亮氨酸(L)、甲硫氨酸(M)、缬氨酸(V)；6)苯丙氨酸(F)、酪氨酸(Y)、色氨酸(W)；7)丝氨酸(S)、苏氨酸(T)；和8)半胱氨酸(C)、甲硫氨酸(M)。参见例如，Creighton，Proteins(1984)。
“标记物”或“可检测部分”是能通过分光光度方法、光化学方法、生物化学方法、免疫化学方法、化学方法或其它物理方法检测的成分。例如，有用的标记物包括32P、荧光染料、高电子密度试剂、酶(如经常用于ELISA的)、生物素、地高辛或半抗原以及可通过例如将放射性标记物掺入肽中而被检测或可用于检测与所述肽特异性反应的抗体的蛋白质。
在述及例如细胞、核酸、蛋白质或载体时，术语“重组”表示该细胞、核酸、蛋白质或载体已通过引入异源核酸或蛋白质或通过改变天然核酸或蛋白质而被修饰，或该细胞源自如此修饰的细胞。因此，例如重组细胞表达在天然(未重组)形式的细胞中未发现的基因或表达在其它情况下异常表达、低表达或根本不表达的基因。
短语“严谨杂交条件”指探针与其靶标子序列(通常在核酸的复杂混合物中)杂交，但不与其它序列杂交的条件。严谨条件是序列依赖性的，并且视不同情况而不同。较长的序列在较高温度下特异性杂交。有关核酸杂交的更多指导参见Tijssen，《生物化学和分子生物学技术-与核酸探针杂交》(Techniques inBiochemistry and Molecular Biology--Hybridization with Nucleic Probes)，“核酸测定的杂交原理和方案概览”(1993)。通常，选择严谨条件在确定离子强度、PH下比特定序列的热解链温度(Tm)低约5～10℃。Tm是50％靶标互补探针与靶序列杂交平衡时的温度(在确定的离子强度、PH和核酸浓度下)(由于靶序列以过量形式存在，在Tm下，50％的探针是平衡占据的)。也可加入去稳定剂(如甲酰胺)来获得严谨条件。对于选择性或特异性杂交而言，阳性信号是背景杂交信号的至少两倍，优选10倍。示例性的严谨杂交条件可以如下所示：50％甲酰胺、5x SSC和1％SDS，42℃孵育，或者5xSSC，1％SDS、65℃孵育，在65℃用0.2x SSC和0.1％SDS洗涤。
如果在严谨条件下不相互杂交的核酸所编码的多肽基本相同，那么所述核酸仍然是基本相同的。例如，用遗传密码所允许的最大密码子简并性产生核酸拷贝时，可能发生这种情况。在这种情况下，核酸一般在中等严谨的杂交条件下杂交。示范性“中等严谨杂交条件”包括在37℃下，在40％甲酰胺、1M NaCl、1％SDS的缓冲液中杂交，并在45℃下，于1X SSC中洗涤。阳性杂交是背景的至少两倍。本领域普通技术人员不难认识到，可利用其它杂交和洗涤条件提供类似的严谨性条件。许多参考文献提供了确定杂交参数的其它指导，例如《新编分子生物学实验指南》(Current Protocols in Molecular Biology)，Ausubel等编，同上。
对于PCR而言，低严谨性扩增的温度通常是约36℃，尽管退火温度可以根据引物长度而介于约32℃～48℃之间不等。对于高严谨性PCR扩增而言，典型的温度是约62℃，尽管高严谨性退火温度可以根据引物长度和特异性而介于约50℃～约65℃之间不等。高严谨性扩增和低严谨性扩增的典型循环条件包括90℃～95℃进行30秒～2分钟的变性阶段，持续30秒～2分钟的退火阶段，和约72℃进行1～2分钟的延伸阶段。低严谨性扩增和高严谨性扩增反应的方案和指导见，例如Innis等，《PCR方案，方法和应用指南》(PCR Protocols，A Guide toMethods and Applications)，学术出版社公司，纽约。
“抗体”指包来自含免疫球蛋白基因或其特异性结合并识别抗原的片段的框架区的多肽。公认的免疫球蛋白基因包括κ、λ、α、γ、δ、ε和μ恒定区基因以及多种免疫球蛋白可变区基因。轻链被分类为κ或λ。重链被分类为γ、μ、α、δ或ε，进而分别限定了免疫球蛋白类别，IgM，IgA，IgD和IgE。抗体的抗原结合区对于结合的特异性和亲和力而言至关重要。抗体可以是源自血清、杂交瘤或重组克隆的多克隆抗体或单克隆抗体，还可以是嵌合型、灵长类化或人源化抗体。
示例性免疫球蛋白(抗体)结构单元包含四聚体。各四聚体由相同两对多肽链构成，各对具有一条“轻链”(约25kDa)和一条“重链”(约50～70kDa)。各链的N-末端限定了主要负责抗原识别的约100～110个或更多个氨基酸的可变区。术语可变轻链(VL)和可变重链(VH)分别指这些轻链和重链。
抗体可以以下形式存在：例如，完整的免疫球蛋白或用各种肽酶消化产生的多种充分表征的片段。因此，例如，胃蛋白酶消化抗体绞链区中的二硫键以产生F(ab)′2，即Fab二聚体，Fab本身是通过二硫键连接至VH-CH1的轻链。所述F(ab)′2可在温和条件下还原以打开绞链区中的二硫键，由此将F(ab)′2二聚体转化成Fab′单体。Fab′单体实质上是具有绞链区部分的Fab(参见《基础免疫学》)Paul编，第3版，1993)。虽然根据完整抗体的消化定义了各种抗体片段，但技术人员应知道，可通过化学方法或采用重组DNA技术从头合成这种片段。因此，本文所用的术语“抗体”还包括通过修饰完整抗体产生的抗体片段，或采用重组DNA方法从头合成的那些(例如，单链Fv或利用噬菌体展示文库鉴定的那些〔参见，例如McCafferty等，Nature348：552—554(1990))。
在一个实施方案中，使抗体偶联至“效应物”部分。所述效应物部分可以是任何数量的分子，包括标记部分，例如放射性标记物或荧光标记物，或者可以是治疗部分。在一方面，所述抗体调节蛋白质的活性。
本发明的差异表达基因的核酸或它们编码的多肽指所有形式的核酸(例如，基因、前体mRNA、mRNA)或蛋白质、它们的多态性变体、等位基因、突变体和种间同源物，所述这些具有以下特点(适用于核酸或蛋白质)：(1)其氨基酸序列优选在至少约25、50、100、200、500、1000个或更多个氨基酸区域上与参比核酸编码的多肽或本文所述氨基酸序列具有高于约60％的氨基酸序列相同性，65％、70％、75％、80％、85％、90％，优选91％、92％、93％、94％、95％、96％、97％、98％或99％或更高的氨基酸序列相同性；(2)与抗体特异性结合，例如用包含参比氨基酸序列的免疫原、其免疫原性片段产生的多克隆抗体及其保守修饰的变体；(3)在严谨杂交条件下与编码参比氨基酸序列的核酸及其保守修饰的变体特异性杂交；(4)其核酸序列优选在至少约25、50、100、200、500、1000个或更多个核苷酸区域上与参比核酸序列具有高于约95％，优选高于约96％、97％、98％、99％或更高的核酸序列相同性。多核苷酸或多肽序列通常来自哺乳动物，所述哺乳动物包括但不限于：灵长类，例如人；啮齿类，如大鼠、小鼠、仓鼠；牛、猪、马、绵羊或任何哺乳动物。本发明的核酸和蛋白质包括天然产生的或重组分子。该定义包括截短形式和另路剪接形式的这些抗原。
述及蛋白质、核酸、抗体或小分子化合物时，短语“特异性(或选择性)结合”指确定蛋白质或核酸(例如本发明差异表达基因)的存在的结合反应，所述蛋白质或核酸通常处于蛋白质或核酸和其它生物物质的异质群中。在抗体的情况中，在指定的免疫测定条件下，特定抗体与特定蛋白质的结合可以是背景的至少两倍，更典型地是背景的10～100倍以上。在这种条件下，与抗体的特异性结合要求所选抗体对特定蛋白质具有特异性。例如，可选择多克隆抗体来仅获得与所选抗原而不与其它蛋白质发生特异性免疫反应的那些多克隆抗体。这种选择可通过排除与其它分子交叉反应的抗体来实施。可采用各种免疫测定形式来选择与特定蛋白质发生特异性免疫反应的抗体。例如，固相ELISA免疫测定常规用于选择与蛋白质发生特异性免疫反应的抗体(可用于测定特异性免疫反应性的免疫测定的形式和条件可参见，例如Harlow和Lane，《抗体的实验室手册》(Antibodies，ALaboratory Manual)((1988))。
就用于测试调节标志物蛋白质的化合物的试验而言，短语“功能效果”包括测定间接或直接受本发明生物标志物影响的(例如化学的或表型的)参数。因此，功能效果包括配体结合活性、转录活化或阻遏、细胞增殖的能力、迁移能力，等等。“功能效果”包括体外、体内和离体活性。
“测定功能效果”表示检验增大或减小间接或直接受本发明生物标志物影响的参数的化合物，例如检测物理和化学或表型效果。可通过本领域技术人员已知的任何方法来检测这种功能效果，例如光谱特征(如，荧光、吸光度、折射率)的变化；流体动力学(如，形状)、色谱；或蛋白质的溶解性质；配体结合试验，例如与抗体的结合；检测诱导型标志物或所述标志物的转录活化；检测酶活性的变化；提高或降低细胞增殖、凋亡、细胞周期停滞的能力；检测细胞表面标志物的变化。可通过本领域技术人员已知的多种方法来评价功能效果，例如定量或定性检测形态学特征改变的显微术、检测胎盘组织中表达的其它基因在RNA或蛋白质水平上的变化、检测RNA稳定性、鉴定下游或报道基因表达(CAT、萤光素酶、β-gal、GFP，等等)，例如通过化学发光、荧光、比色反应、抗体结合、诱导型标志物等。
标志物的“抑制剂”、“活化剂”和“调节剂”用于指代采用癌症生物标志物的体外和体内试验鉴定的活化性、抑制性或调节性分子。抑制剂是，例如结合至、部分或完全阻断活性、降低、阻止、延迟活化、灭活、脱敏或下调癌症生物标志物活性或表达的化合物。“活化剂”是增加、打开、活化、促进、增强活化、敏化、激动或上调癌症生物标志物活性的化合物，例如激动剂。抑制剂、活化剂或调节剂还包括癌症生物标志物的遗传修饰形式，例如活性改变的形式，以及天然产生和合成的配体、拮抗剂、激动剂、抗体、肽、环肽、核酸、反义分子、核酶、RNAi和siRNA分子、有机小分子等。抑制剂和活化剂的这种试验包括，例如在细胞或细胞提取物中体外表达癌症生物标志物，施加推定的调节剂化合物，然后如上所述测定对活性的功能影响。
将包含癌症生物标志物并用潜在的活化剂、抑制剂或调节剂处理的样品或试验与没有用抑制剂、活化剂或调节剂处理的对照样品作比较以检测抑制程度。指定对照样品(未用抑制剂处理)的相对蛋白质活性值为100％。当相对于对照的活性值是约80％、优选50％、更优选25～0％时，达到癌症生物标志物的抑制作用。当相对于对照(未用活化剂处理)的活性值是110％、更优选150％、更优选200～500％(即，比对照高两倍或五倍)、更优选1000～3000％更高时，达到癌症生物标志物的活化作用。
本文所用的术语“测试化合物”或“候选药物”或“调节剂”或其语法等价形式描述待测试其直接或间接调节癌症生物标志物的能力的天然产生或合成的任何分子，例如蛋白质、寡肽(例如，长度约为5个氨基酸～约25个氨基酸，优选长度约为10～20或12～18氨基酸，优选长度为12、15或18个氨基酸)、有机小分子、多糖、肽、环肽、脂质、脂肪酸、siRNA、多核苷酸、寡核苷酸等。所述测试化合物可以是测试化合物文库的形式，例如提供足够多样性范围的组合或随机文库。测试化合物可任选地连接至融合伙伴，例如靶向化合物、拯救化合物、二聚化化合物、稳定化合物、可寻址化合物和其它官能部分。一般可通过鉴定具有某些所需特性或活性，例如抑制活性的测试化合物(称为“先导化合物”)，产生该先导化合物的变体，并评估这些化合物变体的特性和活性，从而产生具有有用特性的新化学实体。这种分析常采用高通量筛选(HTS)方法。
“有机小分子”指分子量大于约50道尔顿且小于约2500道尔顿，优选小于约2000道尔顿，优选约100～约1000道尔顿，更优选约200～约500道尔顿的天然产生或合成的有机分子。
预后方法
本发明提供通过检测在癌症中差异表达的标志物组的表达来对肺癌作出预测或提供肺癌预后的方法。所述组包含编码BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A的基因。预测和预后包括测定患者或患者样品中的肺癌生物标志物组多核苷酸或对应多肽的水平，然后将该水平与某一基线或范围作比较。所述基线值通常代表由采用生物样品(例如肺活检或体液样品)检测为未患有肺癌或不会发展肺癌的健康人中的该多核苷酸或核酸的水平。若本发明多核苷酸或对应多肽的水平偏离所述基线范围(上调或下调)，则指示该患者的长期死亡风险升高。
在本文公开方法中，用于计算风险评估评分的算法可以对基因的表达水平值分类，并且所述风险评分可源自本领域中已知的任何算法。本文提供的实施例采用可用于开发风险评估的示例性算法。该算法是利用本文所述的基因的组的表达来描述肺癌风险评估的规则的集。所述规则的集可以只用代数定义，但也可以包括需要特定领域知识、专业解释或其它临床指示物的替代性或多个决策点。可以利用本文所述基因的组的表达谱来开发能够提供不同风险评估的多种算法。例如，利用Cox比例风险模型可以生成个体的风险评分。也可以通过使用统计学模型或机器学习算法来测定个体的预后分类，所述模型或算法基于所述个体的基因表达谱来计算复发概率。
基于所述风险测定，可基于风险评分的选定值来将个体划分为风险组(例如，三分位或者四分位)，其中具有给定范围内的值的所有个体都可被分类为属于特定风险组。因此，选择的值将确定分别具有较大风险或较小风险的患者的风险组。风险组还可以按不同死亡率范围来分类，例如，6个月、1年、2年、3年、4年、5年、10年、25年死亡率。风险组还可按与肺癌相关联的不同事件范围来分类，其可以包括但并不限于：转移、复发等的可能性。
本文阐述用于测定所述基因的组的表达水平的不同技术方法，其包括但不限于：RT-PCR、微阵列、高通量测序、基因表达系列分析(SAGE)和数字基因表达(DGE)。可关于基因表达产物的不同特征，包括外显子、内含子、蛋白质表位和蛋白质活性来测定所述各基因的表达水平。
在一个优选的实施方案中，利用来自生物样品(例如肿瘤组织)的RNA，采用实时或定量反转录PCR(RTPCR)来检测所述组中11种生物标志物的表达。无需显微解剖。RNA提取可通过本领域技术人员已知的任何方法来进行，例如涉及蛋白酶K组织消化和基于醇的核酸沉淀方法，用DNA酶消化污染DNA的处理，使用硅胶膜技术的RNA纯化，利用市售可得的试剂盒(如Trizol和RNeasy)的方法，或其任意组合。可通过本领域技术人员已知的任何方法进行实时RT-PCR，例如采用应用生物系统公司(Applied Biosystem)试验的Taqman实时PCR。相对于收集的正常肺RNA计算基因表达，并将该表达针对管家基因进行标准化。本领域技术人员选择合适的寡核苷酸引物。在一个实施方案中，所述试验用于I期、II期、III期或IV期癌症。在一个实施方案中，所述组织样品来自手术切除的肿瘤。
在一个实施方案中，利用核酸结合分子，例如探针、寡核苷酸、寡核苷酸阵列和引物来检测RNA生物标志物，从而检查患者样品中的差异RNA表达。在一个实施方案中，按照本领域已知的标准方法使用RT-PCR。在另一实施方案中，可采用定量RT-PCR试验，例如可获自应用生物系统公司(Applied Biosystems)的试验来检测核酸及其变体。在其它实施方案中，可利用核酸微阵列来检测核酸。可采用常规技术，例如Northern分析来进行核酸分析，或者基于与所述标志物编码序列的部分互补的核酸序列的杂交的任何其它方法(例如，狭缝印迹杂交)也属于本发明范围内。结合至所选核酸生物标志物的试剂可按照本领域技术人员已知的方法制备或市售购得。
适用的PCR扩增技术描述于，例如Ausubel等，和Innis等，同上。通用核酸杂交方法描述于Anderson“《核酸杂交》(Nucleic Acid Hybridization)”生物科学出版社，1999。还可从排列在微阵列中的mRNA或cDNA序列进行多个核酸序列(例如，基因组DNA、mRNA或cDNA)的扩增或杂交。微阵列方法一般描述于Hardiman，“《微阵列方法和应用：螺母与螺栓》(Microarrays Methods andApplications：Nuts&Bolts)”；DNA出版社，2003；和Baldi等，“《DNA微阵列和基因表达：从实验到数据分析和建模》(DNA Microarrays and Gene Expression：From Experiments to Data Analysis and Modeling)”，剑桥大学出版社，2002。
核酸标志物的分析可采用本领域已知的方法进行，所述方法包括但不限于序列分析和电泳分析。序列分析的非限制性例子包括马克西姆-吉尔伯特二氏(Maxam-Gilbert)测序、桑格(Sanger)测序、毛细管阵列DNA测序、热循环测序(Sears等，Biotechniques，13：626-633(1992))、固相测序(Zimmerman等，MethodsMol.Cell Biol，3：39-42(1992))、质谱学测序(例如基质辅助激光解吸／电离-飞行时间质谱法(MALDI-TOF／MS；Fu等，Nat.Biotechnol，16：381-384(1998))和通过杂交的测序。Chee等，Science，274：610-614(1996)；Drmanac等，Science，260：1649—1652(1993)；Drmanac等，Nat.Biotechnol，16：54-58(1998)。电泳分析的非限制性例子包括平板凝胶电泳，例如琼脂糖凝胶电泳或聚丙烯酰胺凝胶电泳、毛细管电泳和变性梯度凝胶电泳。
在另一实施方案中，抗体试剂可用于采用本领域技术人员已知的多种免疫测定来检测患者样品中本发明蛋白质生物标志物表达水平的试验。免疫试验技术和方法一般描述于Price和Newman“《免疫测定的原理与实践》(Principlesand Practice of Immunoassay)”第2版，格罗夫词典公司(Grove’s Dictionaries)，1997；和Gosling，“《免疫测定：实践方法》(Immunoassays：A Practical Approach)”牛津大学出版社，2000。可采用多种免疫测定技术，包括竞争性和非竞争性免疫测定。参见，例如Self等，Curr.Opin.Biotechnol，7：60-65(1996)。术语“免疫测定”涵盖的技术包括但不限于：酶免疫测定(EIA)，例如酶放大免疫分析技术(EMIT)、酶联免疫吸附测定(ELISA)、IgM抗体捕捉ELISA(MAC ELISA)和微粒酶免疫测定(MEIA)；毛细管电泳免疫测定(CEIA)；放射性免疫测定(RIA)；免疫放射测定(IRMA)；荧光极化免疫测定(FPIA)；和化学发光测定(CL)。必要时，可使这些免疫测定自动化。免疫测定还可与激光诱导的荧光联用。参见，例如Schmalzing等，Electrophoresis，18：2184-93(1997)；Bao，J.Chromatogr.B.Biomed.Sci.，699：463-80(1997)。脂质体免疫测定，例如流动-注射脂质体免疫测定和脂质体免疫传感器也适用于本发明。参见，例如Rongen等，J.Immunol.Methods，204：105-133(1997)。此外，其中蛋白质／抗体复合物的形成导致光散射增加(所述光散射转换成基于标志物浓度的峰率信号)的比浊法分析适用于本发明方法。比浊法试验可从贝克曼考特尔公司(Beckman Coulter)市售获得(加州贝瑞阿市；试剂盒编号449430)，并且可采用白令(Behring)浊度计分析仪进行(Fink等，J.Clin.Chem.Clin.Biochem.，27：261-276(1989))。
预后性和／或预测性基因的表达水平可以在肿瘤组织中检测。例如，所述肿瘤组织在手术取出或切除肿瘤后获得，或通过肿瘤活检获得。预后性和／或预测性基因的表达水平还可以在从远离肿瘤部位收回的肿瘤细胞(例如循环肿瘤细胞或体液)中检测。
可检测部分可用于本文所述的试验(直接或间接检测)。可利用很多种可检测部分，并且根据所需灵敏度、与所述抗体偶连的难易程度、稳定性要求和可用的仪器以及处理规定来选择标记物。合适的可检测部分包括但不限于：放射性核素、荧光染料(例如，荧光素、异硫氰酸荧光素(FITC)、Oregon GreenTM、罗丹明、德克萨斯红、异硫氰酸四罗丹明(TRITC)、Cy3、Cy5等)、荧光标记物(例如，绿色荧光蛋白(GFP)、藻红蛋白等)、由肿瘤相关蛋白酶活化的自猝灭荧光化合物、酶(例如，萤光素酶、辣根过氧化物酶、碱性磷酸酶等)、纳米颗粒、生物素、洋地黄毒苷、金属等。
利用对核酸具有特异性的化学发光抗体的化学发光试验适合用于蛋白质水平的灵敏、非放射性检测。用荧光物标记的抗体也是合适的。荧光物的例子包括但不限于：DAPI、荧光素、Hoechst33258、R-藻青蛋白、B-藻红蛋白、R-藻红蛋白、罗丹明、德克萨斯红和丽丝胺。间接标记物包括本领域熟知的多种酶，例如辣根过氧化物酶(HRP)、碱性磷酸酶(AP)、β-半乳糖苷酶、脲酶等。可采用辣根过氧化物酶检测系统，例如采用发色底物四甲基联苯胺(TMB)，其在过氧化氢存在下产生可在450nm处检测的可溶产物。可采用碱性磷酸酶检测系统，例如采用发色底物对硝基苯基磷酸酯的检测系统，其产生易于在405nm处检测的可溶产物。类似地，可采用利用发色底物邻-硝基苯基-β-D-吡喃半乳糖苷(ONPG)的β-半乳糖苷酶检测系统，其产生可在410nm处检测的可溶产物。可采用利用底物例如脲-溴甲酚紫(密苏里州圣路易斯的西格玛免疫化学公司(SigmaImmunochemicals))的脲酶检测系统。
可以采用以下方式分析来自直接或间接标记物的信号，例如，采用分光光度计检测来自发色底物的颜色；采用辐射计数器检测辐射(例如采用γ计数器检测125I)；或在某种波长的光的存在下采用荧光计检测荧光。对于酶连抗体的检测而言，可按照生产商的说明，采用分光光度计进行定量分析，所述分光光度计例如加利福尼亚州门洛帕克市的分子装置公司(Molecular Devices)的EMAX微板读数计。必要时，可使本发明的试验自动化或由机器人实施，从而同时检测来自多个样品的信号。
可使所述抗体固定在多种固相支持物上，所述固相支持物例如磁性或色谱基质颗粒，试验板(例如，微量滴定板孔)的表面、数件固相基质材料或膜(例如，塑料、尼龙、纸)等。可通过将抗体或多种抗体涂覆在固相支持物上的阵列中来制得试验条。然后，该试验条可浸入测试样品中并经洗涤和检测步骤快速处理以产生可检测信号，例如有色斑点。
有用的物理形式包括具有用于检测多个不同标志物的多个离散、可寻址位置的表面。这种形式包括微阵列和某些毛细管装置。参见例如，Ng等，J.Cell Mol.Med.，6：329-340(2002)；美国专利号6,019,944。在这些实施方案中，各离散表面位置可包含抗体以固定一种或多种标志物以供在各位置的检测。或者，表面可包含固定在表面的离散位置处的一种或多种离散颗粒(例如，微粒或纳米颗粒)，其中，这些微粒包含抗体以固定一种或多种标志物以供检测。
可采用多种物理形式进行分析。例如，可利用微量滴定板或自动化来促进对大量测试样品的处理。或者，可开发单样品形式来协助及时的诊断或预后。
或者，可将本发明的抗体或核酸探针应用于固定在显微镜载玻片上的患者活检切片。可采用本领域已知的各种光学或荧光显微方法的任意一种观察到所得抗体染色或原位杂交模式。
在另一形式中，本发明的各种标志物还提供用于体内成像的试剂，所述成像例如对检测本发明生物标志物的核酸或经编码的蛋白质的经标记的试剂的成像。出于体内成像目的，可以用合适的标志物(例如荧光标志物)来标记检测癌症生物标志物编码的蛋白质的存在的试剂，例如抗体。
本文所述的11种基因的组(BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A)提供一种比本领域目前已知的其他基因组合更准确的肺癌预后检测。分配个体至高风险或低风险种类的不同基因的组合的成效可以使用受试者工作特征下区域(AUROC)分析进行比较。AUROC是一种常规汇总统计，其捕获不同模型的能力以准确区分不同风险组(在本文情况中是手术切除肺癌肿瘤5年内的死亡风险)。
可使用本领域中已知的各种软件程序来进行AUROC分析，所述软件包括但不限于，R统计计算软件包和STATA计算软件包。本领域技术人员会认识到，不同的计算软件包可能会产生不同的c-统计量(c-statistic)。较高的AUROC c-统计量指示较准确的预后基因签名。
基因表达的值对患者的死亡风险起正向作用(由大于1.0的风险比表示)，或对患者的死亡风险起负向作用(由小于1.0的风险比表示)。因此，各基因可以增加患者的死亡风险，或降低患者的死亡风险。风险基因是其表达增加与较高死亡风险相关联的基因，而保护基因是其表达增加与较低死亡风险相关联的基因。在一些实施方案中，所述11种基因的组中的BAG1、BRCA1、CDC6、CDK2AP1、FUT3、IL11和RND3是风险基因，其指示对象的死亡可能性增大，而ERBB3，LCK，SH3BGR和WNT3A是保护基因，其指示对象的死亡可能性减小。
在确定AUROC c-统计量时，在测定算法中对风险基因赋予正值，从而其表达的值导致风险评分增加，这对应于较高的5年内死亡风险。在测定算法中对保护基因赋予负值，从而其表达的值导致风险评分减少，这对应于较低的5年内死亡风险。此外，可对各基因的表达值加权，以代表该基因对患者死亡风险的相对贡献。应理解，大系数表示对确定患者结果重要的基因，而较小系数表示对确定患者结果贡献较小的基因。可使用本文所述的11种基因的组中的风险基因和保护基因的组合的加权值来计算所述AUROC c-统计量。
报告
在另一方面，本发明的特征在于指示患癌症对象预后的报告。该报告可以是，例如电子形式或纸件形式。该报告可包括基本患者信息，包括对象标识符(例如，对象的姓名、社保号、医疗保险号或随机产生的号码)、对象的物理特征(例如，年龄、体重或性别)、委托医师的姓名、产生预后的日期和收集样品的日期。经报告的预后可以关于一定时间段的存活可能性、一定时间段对某些治疗(例如，化疗或手术治疗)起反应的可能性、和／或癌症复发的可能性。经报告的预后的形式可以是一定时间段的存活几率百分数、对治疗起良好反应(良好反应可定义为，例如肿瘤缩小或肿瘤生长减缓)的几率百分数、或在确定时期复发(例如，5年存活几率为20％)的几率百分数。或者，经报告的预后的形式可以是计算的评分。例如，较高或较低的评分可指示有利的预后。在另一实施方案中，经报告的预后可以是存活可能性、对治疗的反应可能性或一定时期内复发的可能性的总体描述(例如，非常可能、可能或不可能存活5年)。在另一实施方案中，经报告的预后可以是图表的形式。除了所述基因表达水平以外，经报告的预后还考虑对象的其它特征(例如，年龄、癌症分期、性别、以前的治疗、适合性、心血管健康状况和精神健康状况)。
除预后以外，该报告还可任选地包括包括BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A的表达水平的原始数据。
组合物、试剂盒和整合系统
本发明提供用于采用对本发明多肽具有特异性的抗体或对本发明多核苷酸具有特异性的核酸来实行本文所述试验的组合物、试剂盒和整合系统。
用于实施本发明诊断试验的试剂盒通常包含探针和检测所述探针是否存在的标记物，所述探针包含特异性结合本发明多肽或多核苷酸的抗体或核酸序列。所述试剂盒可包括若干抗体或编码本发明多肽的多核苷酸序列，例如识别由本发明生物标志物编码的蛋白质的抗体的混合物。
治疗方案
在提供针对5年死亡率的低风险，中等风险或高风险评估的预后之后，可以设计用于确定治疗方案的方法。例如，一旦确定了风险评估级别，即可开发风险组特异性的治疗方案。例如，就所具有的本文所述11种基因的表达谱指示5年死亡率为高风险评估的个体而言，健康照护提供者可以采用较有攻击性的治疗。就所具有的本文所述11种基因的表达谱指示为低风险评估的个体而言，健康照护提供者可以采用不那么有攻击性的治疗。对于所具有的本文所述11种基因的表达谱指示为中等风险评估的个体，健康照护提供者可以采用比高风险评估攻击性小但比5年死亡率低风险评估攻击性大的治疗。
计算机实施的系统
图8是说明计算机系统100的框图，基于此，本指导的实施方案可被实施。在不同实施方案中，计算机系统100可以包括总线102或用于传送信息的其它通信机制，以及与总线102耦合的用于处理信息的处理器104。在不同实施方案中，计算机系统100还可包括存储器106，其可以是随机存取存储器(RAM)或其它动态存储装置，其耦合至总线102，用于确定基准判定(base call)，以及待由处理器104执行的指令。存储器106还可用于在待由处理器104执行的指令的执行期间存储临时变量或其它中间信息。在不同实施方案中，计算机系统100还可以包括耦合至总线102的只读存储器(ROM)108或其它静态存储装置供于存储静态信息和供于处理器104的指令。一种存储装置110，如磁盘或光盘，可被提供并耦合至总线102供于存储信息和指令。
在不同实施方案中，计算机系统100可以经由总线102耦合至显示器112，诸如阴极射线管(CRT)或液晶显示器(LCD)，用于向计算机用户显示信息。一种输入装置114，包括文字数字和其它键，可以被耦合至总线102供于向处理器104传送信息和命令选择。另一种类型的用户输入设备是光标控制116，诸如鼠标，轨迹球或光标方向键，其用于向处理器104传送方向信息和命令选择，并用于在显示器112上控制光标移动。该输入装置通常在两个轴向具有两个自由度，第一轴向(即，x)和第二轴向(即，y)，其允许所述设备在平面中指定位置。
计算机系统100可以执行本文所述指导。与本文所述指导的某些执行方式一致，结果可以由计算机系统100响应处理器104执行包含在存储器106中的一种或多种序列的一个或多个指令来提供。这样的指令可以从另一计算机可读介质(例如存储设备110)读入存储器106。包含在存储器106中的序列指令的执行可使处理器104进行本文所描述的处理。或者，可采用硬连线电路来代替软件指令或与软件指令组合以执行本文的指导。因而本文的指导的执行不限于硬件电路和软件的任何特定组合。
实施例
提供以下实施例是为了说明，而不是限制本发明。
实施例1.例1：确定非小细胞肺癌(NSCLC)患者的风险评分的预后试验
开发基于在加州大学旧金山分校接受I～IV期非小细胞肺癌(NSCLC)切除的426名患者的表达模式以产生临床上有用的风险评分的预后试验。探寻一种试验，该试验平均上趋于对死于癌症的患者指定高于随访期间存活的那些患者的风险评分。若患者的样品获得较高风险评分，则该患者将被认为在手术后5年期间具有较高死亡风险，反之，若患者的样品获得较低评分，则认为该患者在其手术之后的这段时间存活可能性较大。
从FFPE组织样品提取RNA，并评估与患者预后相关的靶基因的表达水平。然后，通过采用Cox比例风险模型将与患者预后有关的11种靶基因(BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR、WNT3A)的表达模式与5年总存活率结果关联起来，来开发预后试验。所述患者种有337名患有非鳞状细胞NSCLC。将使存活一致性指数最大化的多重10倍交叉验证与L2-惩罚的Cox比例风险模型组合，产生所述11种靶基因中每一种的系数。这些L2惩罚系数示于表1中。
表1：各标志物存活预测指标(predictor)的系数
使用该模型，通过将11种预后基因各自的表达水平插入以下风险评分算法来导出各患者的风险评分。所述风险评分示于表2。该风险评分UCSF算法发展队列中的间于1～100范围的连续风险评分。风险评分的增加与自肿瘤切除之日起的5年死亡几率的增加相关。所述连续风险评分的风险比示于表3。就所述风险评分中的各点增加而言，作为连续变量，风险评分的HR为1.184对应于手术切除5年内死亡风险增加18％(95％CI1.123～1.248，P<0.0005)。
表2：风险评分
风险评分＝e^(
-0.0023688*cot*ddct_BAG1-1+
-0.1460735*cot*ddct_BRCA1-1+
-0.0833502*cot*ddct_CDC6-3+
-0.1865318*cot*ddct_CDK2AP1—2+
0.0663762*cot*ddct_ERBB3—1+
-0.0345802*cot*ddct_FUT3—1+
-0.0138303*cot*ddct_IL11-1+
0.2098769*cot*ddct_LCK-3+
-0.0884906*cot*ddct_RND3-3+
0.1982098*cot*ddct_SH3BGR-6+
0.1185592*cot*ddct_WNT3A-1+
-0.2019083*csc*ddct_CDK2AP1-2+
0.2257878*csc*ddct_ERBB3-1+
0.0264782*csc*ddct_FUT3-1+
0.2306624*csc*ddct_LCK3)
表3：连续风险评分的风险比
还基于这些风险评分，通过根据患者的风险评分将其分为不同风险种类来形成风险组。例如，通过基于患者评分将患者分为“低风险”、“中等风险”或“高风险”组，来获得百分位截止点。对于所述426名患者UCSF算法开发队列而言，患有非鳞状细胞NSCLC的337名患者的百分位截止点如下：低风险截止值为2.7440550，而高风险截止值是3.8221440。
为了评估这些风险组分配的准确度，生成风险组的卡普兰-梅耶(Kaplan-Meier)存活曲线。这些风险组的卡普兰-梅耶存活结果如图3和表4～9所示。
表4：通过整个426UCSF算法开发队列的风险评分分组为低风险患者、中等风险患者和高风险患者的对数秩(Log-rank)检验趋势。
注：存活函数是由完整数据计算并在指定时间评估的；其并不是由左侧显示的集合计算。
表5：通过UCSF算法开发队列中278名腺癌患者的风险评分分组为低风险患者、中等风险患者和高风险患者的对数轶检验趋势。
注：存活函数是由完整数据计算并在指定时间评估的；其并不是由左侧显示的集合计算。
表6：通过UCSF算法开发队列的89名鳞状细胞癌患者的风险评分分组为低风险患者、中等风险患者和高风险患者的对数轶检验趋势。
注：存活函数是由完整数据计算并在指定时间评估的；其并不是由左侧显示的集合计算。
表7：通过UCSF算法开发队列的267名I期NSCLC患者的风险评分分组为低风险患者、中等风险患者和高风险患者的对数轶检验趋势。
注：存活函数是由完整数据计算并在指定时间评估的；其并不是由左侧显示的集合计算。
表8：通过UCSF算法开发队列的71名II期NSCLC患者的风险评分分组为低风险患者、中等风险患者和高风险患者的对数轶检验趋势。
注：存活函数是由完整数据计算并在指定时间评估的；其并不是由左侧显示的集合计算。
表9：通过UCSF算法开发队列的69名III期NSCLC患者的风险评分分组为低风险患者、中等风险患者和高风险患者的对数轶检验趋势。
注：存活函数是由完整数据计算并在指定时间评估的；其并不是由左侧显示的集合计算。
实施例2：预测切除非鳞状细胞肺癌、非小细胞肺癌的存活率的11-基因试验
用在加州大学旧金山分校(UCSF)切除非鳞状NSCLC的361名患者队列开发使用定量PCR分析福尔马林固定、石蜡包埋(FFPE)组织的14-基因试验。该试验包括11种生物标志物(BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A)以及三种管家基因(ESD、TBP、YAP1)。
通过临床实验室改进修正案(CLIA)认证的独立实验室开发并运行的该试验之后由美国凯萨医疗研究部门(KPDOR)通过在凯萨永久医疗基团(KaiserPermanente)北加利福尼亚系统(美国加利福尼亚州)的医院切除I期非鳞状NSCLC的433名患者队列中的盲法研究设计来验证。试验结果通过KPDOR独立地与实际患者结果作比较。国际上，这种分子预后试验的独立大规模验证也在参与中国临床试验联盟(CCTC)的几个机构之一切除了早期NSCLC的1006名中国患者队列中进行。
若患者在1997年1月1日～2007年12月31日之间抱有治愈意图在UCSF手术切除了非鳞状NSCLC，则所述患者有资格作为训练队列的部分进入该研究。
若患者在1998年1月1日～2005年12月31日之间通过在北加利福尼亚凯萨永久医疗基团设施处的临床和病理学分期而接受了美国癌症联合委员会I期非鳞状NSCLC的完全切除，则所述患者有资格被包括在所述凯萨永久医疗基团验证队列中。
若患者在2000年1月1日～2008年12月31日之间在广州医学院第一附属医院(中国，广东)，广州的中山大学癌症中心(中国，广东)，或上海肺科医院(中国，上海)接受了美国癌症联合委员的I-III期非鳞状细胞NSCLC的治愈性切除，则所述患者有资格被包括在所述CCTC验证队列中。
训练队列或验证队列中患者的排除标准如下：缺少或不足的组织块(即占据<25％的组织表面积的肿瘤)，切除30天内死亡，采用术前化疗治疗(仅验证队列)，病理学阳性癌旁组织(仅验证队列)，以及肺癌诊断3年以内确诊的二次癌症(不包括皮肤基底和鳞状细胞癌)(仅CCTC验证队列)。临床变量，随访和死因信息由查阅病历获得。重要状态和死亡日期通过查阅医疗记录和来源核实来建立，所述来源包括凯萨永久医疗基团北加利福尼亚癌症登记处、加利福尼亚死亡记录、社会保险死亡主档案和与患者或其家属直接接触。
样品制备与分析
每个样品使用6个10微米的FFPE切片。样品通过使用二甲苯来剥离石蜡，然后用蛋白酶K(MasterPure RNA纯化试剂盒，威斯康星州麦迪逊的艾比森德公司(Epicentre))在65℃赋予2小时。使用MasterPure RNA纯化试剂盒(威斯康星州麦迪逊的艾比森德公司)进行蛋白质沉淀和基于醇的核酸沉淀。RNA提取物用DNA酶处理，并使用硅胶膜离心柱(RNEeasy微型试剂盒，加利福尼亚州瓦伦西亚的凯杰公司(Qiagen))纯化。
为了控制FFPE样品中可能出现的RNA降解，使用NanoDrop分光光度计(特拉华州威尔明顿的热科学公司(Thermo Scientific))检测RNA的数量和质量。使用基因特异性引物使提取的RNA进行反转录(iScript选定cDNA合成试剂盒，加利福尼亚州赫拉克勒斯的伯乐实验室公司(BioRad Laboratories))。基因特异性引物为最优选用于42℃退火温度的反转录qPCR引物的9～13聚体截短形式。使cDNA在qPCR之前进行10个循环的预扩增(TaqMan预扩增主混物，加利福尼亚州卡尔斯巴德的应用生物系统公司(Applied Biosystems))。
使用用于从FFPE组织提取RNA的用户制定的TaqMan定量PCR试验(加利福尼亚州诺瓦托的生物搜索技术公司(BioSearch Technologies))来对RNA表达定量，所述定量在7900HT快速实时PCR系统(加利福尼亚州卡尔斯巴德的应用生物系统公司)上采用FAST化学法进行。FFPE特异性TaqMan定量PCR试验被设计以靶向跨越外显子-外显子交界区(exon—exon boundary)的65～85个碱基对扩增子，避免了模板结构和交叉同源性(Beacon Designer5.0，加利福尼亚州帕罗奥图的Premier生物软件公司)。使所有引物序列针对人类基因组(NCBI参考汇编号37.1)进行BLAST检索，以确保靶标特异性。采用SYBR Green熔解曲线来测试合成引物的最优引物浓度和单一产物解离。
使所有的RNA表达检测结果针对市售可得的提取自收集冰冻正常肺样品(加利福尼亚州山景城的克隆泰克公司(Clontech)实验室)的RNA进行标准化，并使用比较CT法计算各靶基因的相对表达。采用所述3个管家基因ESD、TBP和YAP1的平均CT值来对基因表达进行标准化，并计算ΔCT值。
预后算法的开发
评估UCSF训练队列中的11种癌症相关的靶基因(BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A)以及三种参比基因(ESD、TBP和YAP1)。参见图4。
L2-惩罚的Cox比例风险模型(R package glmnet vl.5.3)是用以使用所述UCSF FFPE队列中的十一种靶基因的相对表达值开发预后算法系数的主要分析工具。采用10倍交叉验证来确定应用的L2-惩罚的量。基于模型系数对各对象生成连续风险评分。使用传统线性风险模型，其中使各相对基因表达水平(Δ-ΔCT)乘以其系数；然后使这些结果相加以获得单一原始风险评分。
原始风险评分=Δ-ΔCT BAG1*模型系数BAGi+Δ-ΔCT BRCA1*模型系数BRCA1+Δ-ΔCT CDC6*模型系数CDC6+Δ-ΔCT CDK2AP1*模型系数CDK2AP1+Δ-ΔCT ERBB3*模型系数ERBB3+Δ-ΔCT FUT3*模型系数FUT3+Δ-ΔCT IL11*模型系数IL11+Δ-ΔCTLCK*模型系数LCK+Δ-ΔCT RND3*模型系数RND3+Δ-ΔCT SH3BGR*模型系数SH3BGR+Δ-ΔCT WNT3A*模型系数WNT3A
然后，使用基于最小和最大原始风险评分的线性函数来对所述原始风险评分进行标度，产生1～100范围内的单一整合的风险评分。
风险评分=39.39747*原始风险评分-16.94965+1
在第33和第67百分位数对所得的经预测的风险评分进行划分，以生成低风险组，中等风险组和高风险组。算法系数，标度系数和风险种类的截止值的完整表示于下表10。
表10：源自UCSF训练队列的算法系数，标度系数和风险种类截止值的汇总
生成风险评分并使用相同的基因系数、标度系数和验证队列中的截止值来指定风险种类。由于基于UCSF训练队列范围的风险范围标度的限制是1和100，因此指定任何风险评分小于1的风险评分为1，而任何大于风险评分100的风险评分为100。
试验稳健性与验证
在盲法临床验证研究开始之前，在CLIA认证的实验室中开发，完全确定，并分析验证了所述分子试验。通过评估平均管家原始表达值落在预定原始CT范围内的超过400个样品来实验性地确定所述RNA的NanoDrop浓度和纯度截止值。通过评估从最低至最更高分级的各个体参数的最低2.5％，然后取下一个最高的测量值作为可以接受的截止数值来测定浓度、260／280比和260／230比截止值。此外，计算每个样本的平均管家基因原始CT。本研究仅包括平均管家原始表达值落在预定范围内的样品。为了获得该范围，研究了获自UCSF的442个FFPE肺癌样品的表达。这些样品的平均管家基因CT值在17.79～37.76之间，其平均值为23.94，且标准偏差为2.66。通过使平均管家基因CT值加上或减去三个标准偏差来确定所述预定范围。
使带有阳性对照(市售可得的提取自收集冷冻正常肺样品的RNA(加利福尼亚山景城的克隆泰克公司实验室)和阴性(无模板)对照的各PCR板运行。采用设计以检测基因组污染的TaqMan试验运行各样品。在不同的日期和相同肿瘤不同切片上进行的FFPE样品的分子预后试验的重复测试显示，所述风险评分具有高度再现性，其在100单位标度上的平均标准偏差2.18单位(0.83～4.62间的范围)。
通过将样本分类为25～50％肿瘤，50％～75％肿瘤，和>75％肿瘤来实验性导出大于25％肿瘤的入选标准。相较于低风险组的高风险组的风险比的各所述百分比类别示于下表11。
表11：由肿瘤百分比表示的高风险种类的风险比
§以连续变量建模
统计学分析
选择切除时点的总存活期作为主要终点。凯萨验证队列中的次要终点是肺癌特异性死亡率。主要预测或评估是由所述分子试验指定的风险种类。将其它的重要的共向变量(covariate)，包括年龄、性别、吸烟史、组织学、肿瘤大小和疾病分期与使用单变量和多变量Cox比例风险模型的结果作比较。进行沃尔德(Wald)和嵌套的可能性比例测试以供分别进行单变量和多变量建模，来评估统计学意义。嵌套可能性比例测试更适合于多变量模型，因为他们检测新变量(如分子测试)的增加是否提供优于标准临床变量(如年龄、性别、肿瘤大小)的恰当改进。使用采用右删失数据集和对数轶趋势测试的分层卡普兰-梅耶分析来评估风险种类和所述主要与次要终点之间的关联。对于所有的统计检验而言，认为预定双侧α为0.05是统计学上显著的。采用R中的survcomp(1.1.6版)包计算受试者工作特征曲线(AUROC)下的时间依赖性区域；通过多变量Cox比例风险建模来验证AUROC的差异，并通过使用整合的AUROC来与Wilcoxon秩和检验作比较。
采用以下假设来进行UCSF训练队列和卡萨医疗机构验证队列的检定力计算：β为0.9，风险种类群标准偏差为0.8，高风险组的风险比为1.5，撤出可能性为0.2，且事件概率为0.4(UCSF I～III期训练队列)和0.3(凯萨I期验证队列)。所述检定力计算导致UCSF和凯萨永久医疗基团队列的估计样本量分别为313和417名患者。由于在研究开始之前并不知晓成功RNA提取的比例，所以假定有10％的失败率，这致使UCSF训练队列的最终样本量为344名患者。
采用编程语言R29(用于麦金托什(Macintosh)的2.12.2版)和Stata／MP(11版)来进行分析。
结果
在研究期间，共确定了399名已在UCSF接受非鳞状NSCLC切除的患者；其中，361名患者符合入选训练队列的标准。在凯萨北加利福尼亚已接受期非鳞状NSCLC切除的460名患者中，有433名患者符合入选独立验证队列的标准。在CCTC机构确定1006名患者符合入选所述验证研究的标准。这些患者的有关临床和病理学特征示于下表12。全部三个队列中的成功RNA提取率都较高。
表12：患者的临床和病理学特征
除非另有说明，数据是n(％)。CCTC＝中国临床试验同盟。FFPE＝经福尔马林固定、石蜡包埋的。
NSCLC=非小细胞肺癌，UCSF=加利福尼亚大学旧金山分校。
在严格的技术验证和试验建立的过程中，候选基因表达分析以及与患者结果的比较显示其与肿瘤占据25～50％、50～75％或多于75％组织表面积的组织块的组相似。
计算所述UCSF训练队列中各患者的个体风险评分。较高风险评分与5年死亡概率的增加正相关。参照图5A和图5B，应理解，风险比大于1意味着相较于低风险组，高风险组中有较多患者随时会死亡，而风险比小于1意味着相较于低风险组，高风险组中有较少患者随时会死亡。
为了更好确定处于最高风险和最低风险的患者，通过将训练队列风险评分分为四分位来导出确定低风险组、中等风险组和高风险组的截止值。再次参考图5A和5B，在所述UCSF训练队列的几乎所有亚组都观察到各风险种类增加的较高死亡风险，并且在有25～50％、50～75％，以及>75％的肿瘤表面积的样品中，风险评分与临床结果的相关性几乎相同。
在完全指定试验时候，通过CLIA认证的实验室进行技术验证。然后，所述KPDOR和CCTC进行所述技术验证试验的独立盲法验证。样品由KPDOR送至CLIA认证的实验室以供盲法检验和风险种类指定以及试验性能。通过与训练队列中的低风险患者、中等风险患者和高风险患者的实验比(1∶1∶1)相比较，在凯萨永久医疗基团的验证队列中确定了更高比例的高风险患者。
这一发现可归因于与I期UCSF训练队列(61.9％)相比，凯萨I期验证队列(56.4％)的5年总存活率较低。在凯撒医疗机构验证队列中，卡普兰-梅耶存活分析显示，低风险组中的5年存活率为71.4％(95％置信区间60.5～80.0)，中等风险组中的5年存活率为58.3％(48.9～66.6)，以及高风险组中的5年存活率为49.2％(42.2～55.8)。在凯萨永久医疗基团验证队列中排除了18名患者(其接受了辅助化疗)的灵敏度分析给出的5年存活率结果几乎相同：低风险组为70.0％>(58.7～78.8)的低风险组，中等风险组为58.2％(48.5～66.7)，高风险组为48.9％(41.7～55.6)(p趋势=0.0006)。低风险组的5年肺癌特异性存活率为84.6％(74.4～91.0)，中等风险组的5年肺癌特异性存活率为70.3％(60.6～78.0)，高风险组的5年肺癌特异性存活率为63.3％>(55.8～69.8)。还对凯萨验证队列中的I期疾病患者进行了卡普兰-梅耶存活分析，其没有高风险国家综合癌症网络(NCCN)标准。所述组包括所有IA期疾病患者，以及IB期疾病患者的亚组。该亚组中患者的5年总存活率(以风险分级作为各分子试验结果)：低风险组为72.7％(61.3～81.3)，中等风险组为59.0％(48.9～67.8)，以及高风险组为50.4％>(42.0～58.3)。
参照图6A，观察到低风险组的中值存活期为113个月，中等风险组的中值存活期为91个月，而高风险组的中值存活期为59个月。参照图6B，没有观察到中值肺癌特异性存活在任何风险组中达到。低风险组的死亡发生率为2.7／100人-年，中等风险组的死亡发生率为5.0／100人-年，而高风险组的死亡发生率为6.6／100人-年。参照图6C，低风险组的中值存活期为113个月，中等风险组的中值存活期为88个月，而高风险组的中值存活期为70个月。
在凯萨永久医疗基团验证队列种，风险种类(高)，年龄和性别在单变量分析中是统计学上显著的死亡率预测指标，如下表13所示。
表13：凯萨永久医疗基团验证队列中的5年总死亡率的Cox比例风险模型
多变量分析(年龄、性别、吸烟史、组织学和肿瘤直径>4cm调节)显示高风险组和中等风险组以及年龄和性别是死亡率的统计学上显著的预测指标，如下表14所示。
表14：分子测试除外的凯萨永久医疗基团验证队列中5年总死亡率的多变量Cox比例风险模型
§与腺癌相比
在CCTC队列中，风险组在完全切除非鳞状细胞NSCLC之后的5年死亡率(根据分子实验结果确定)如下：低风险组为74.1％(66.0～80.6)，中等风险组为57.4％(48.3～65.5)，而高风险组为44.6％(40.2～48.9)，如图7所示。
低风险组的中值存活期为101.1个月，中等风险组的中值存活期为77.2，而高风险组的中值存活期为43.1个月。使用14-基因预后试验相较于使用传统分期的改进由不同分期疾病患者的亚组分析中的低风险、中等风险和高风险患者之间的5年总存活率的卡普兰-梅耶存活曲线的统计学上显著差异指示(参见图7)：I期疾病(低风险=83.0％[73.8～89.1]；中等风险=67.7％[54.8～77.7]；高风险=64.6％[57.9～70.5])，II期疾病(低风险=54.2％[30.1～73.2]；中等风险=45.8％[26.2～63.4]；高风险=38.1％[29.4～46.8])，以及III期疾病(低风险＝53.3％[32.6～70.3]；中等风险=43.3％[27.2～58.5]；高风险=24.0％[17.5～30.9])。单变量Cox比例风险建模显示，性别(男性)、吸烟史、大细胞和混合细胞组织学以及疾病分期都对CCTC队列的存活具有负面影响，如下表15所示。
表15：在中国的临床试验联盟验证队列的5年总死亡率的Cox比例风险模型
然而，这些因素都显示对存活的影响不如根据分子试验的高风险种类中指定那样大。。多变量分析显示，高风险指定和中等风险指定即便在年龄、性别、吸烟史、组织学和疾病分期做了调整之后仍保留了生存的统计学上显著的预测指标。如下表16～18所示。
表16：通过凯萨永久医疗基团验证队列中的风险种类对风险因素制表
括号中的数字代表各风险种类中患者的百分比(除非有特别说明)。
§队列平均(标准偏差)
*ANOVA检验
表17：在排除了分子测试的中国的临床试验联盟验证队列中的5年总体死亡率的多变量Cox比例风险模型
§与腺癌相比
§§以连续变量建模
表18：通过中国临床试验联盟验证队列中风险种类对风险因素制表
括号中的数字代表各风险种类中患者的百分比(除非有特别说明)。
§队列平均(标准偏差)
*ANOVA检验
除多变量分析以外，进行了时间依赖性的AUROC分析以测试分子试验是否提供比单独的常规分期更加有用的预后信息。该AUROC是采用c-统计量的区分预后测试与巧合的手段。使用加上以下风险因素中至少一种的鉴定所述患者为IB期的NCCN标准：低分化肿瘤、血管侵袭、楔形切除、最小癌旁组织、直径大于4厘米的肿瘤、脏层胸膜参与以及未知的淋巴结状态。添加所述分子试验比在凯萨永久医疗基团验证队列中单独采用NCCN风险标准给出更好的风险区分，由更大的AUROC所示(c-统计量为0.60对比0.54；P<0.0001)。无法从CCTC队列患者的全部NCCN高风险I期标准获得完整数据。因此，这个队列的AUROC分析集中在471名I期疾病患者上；向单独的常规分期添加分子试验同样地为这组增加了AUROC，与通过添加分子试验的风险预测中的更好区分相一致(c-统计量为0.61对比0.56；P<0.0001)。
讨论
观察到，用于本实施例的基于定量PCR的试验可靠地鉴别早期非鳞状NSCLC患者在手术切除后的死亡高风险，以比单独采用NCCN标准更高的准确度区分了此类患者。本实施例表明了采用从福尔马林固定、石蜡包埋组织中提取的具有辨别性的RNA的平台的实用性，以及在独立于开发试验的实验室的实验室研究之一的试验性能，独立验证队列的很大规模，以及验证队列之一的遗传背景与用于开发所述试验的原始训练队列的遗传背景之间的潜在巨大差异。。
本实施例中所用的分子试验提供了用于确定非鳞状NSCLC患者子集和统计学上多样化结果的更精确的测试。该试验在一个大型、基于社区的美国队列中独立地验证，以改进I期疾病患者的风险分层。就肺癌在中国造成的公共健康威胁的严重性来看，在大型中国群体中增加对该分子试验的验证进一步增加了其潜在影响。该试验提供早期疾病患者的预后差异，并且可能有助于确定治疗指导的最适应用以改善临床结果。
实施例3：11-基因试验对比采用不同基因组合的其它试验的AUROC比较
本实施例预测所述11-基因试验相比其它基因组合在使用受试者操作特征(AUROC)分析曲线下面积来指定患者为高风险种类或低风险种类中的成就。
对从337名I～IV期肺癌患者提取的RNA样品进行AUROC分析。如下表19所示，观察到所述11-基因试验优于本实施例中测试的其它基因组合，这由更高的AUROC c-统计量反映。
表19：AUROC值
基因风险性质的选择
采用Cox比例风险模型分析所述11-基因试验以确定哪些基因赋予风险性而哪些基因赋予保护性。针对各基因的这些确定列于表20。
表20：11-基因试验的基因风险性质
基因系数的选择
11基因(BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A)的表达值可以与无限多种方式相组合以产生代表患者死亡风险的单一数值。将各基因的表达值加权(如由系数表示)来表示该基因患者死亡风险的相对贡献。所述11-基因试验的各基因的系数列于下表21。
表21：11-基因试验中的基因的系数
AUROC分析
检测来自已经历肺癌手术切除的337名患者的样品队列的11-基因试验的风险评分AUROC，该检测通过检测其风险评分并比较风险分配与所述患者的实际5年生存结果来进行。使用上表21中系数的所述AUROC c-统计量为0.7215。基于AUROC分析，观察到所述11-基因试验优于其它模型(其AUROC c-统计量列于下表22～31)，其中使用不同的系数来加权所述11种基因的贡献。
表22：替代模型#1
表23：模型#2
表24：模型#3
表25：模型#4
表26：模型#5
表27：模型#6
表28：模型#7
表29：模型#8
表30：模型#9
表31：模型#10
应该知道本文所述的实施例和实施方案中只是出于说明的目的，这些实施例和实施方式对本领域技术人员提示了各种改进或改变，这些改进或改变应属于本申请的构思和权限以及随附权利要求书的范围内。本文引用的所有出版物、专利和专利申请出于所有目的通过引用全文纳入本文。

Claims (28)

1.一种提供对象内肺癌预后的方法，所述方法包括以下步骤：
(a)使来自所述对象的生物样品与各自特异性结合生物标志物组中一员的试剂接触，所述生物标志物组由BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A组成，和
(b)确定所述生物标志物是否在所述样品中差异表达；由此提供肺癌预后。
2.如权利要求1所述的方法，其特征在于，对所述生物标志物是否在所述样品中差异表达的确定还包括使所述生物标志物的表达水平针对选自下组的管家基因进行标准化：ESD、TBP、YAP1及其任意组合。
3.如权利要求2所述的方法，其特征在于，使所述生物标志物的表达水平针对所述管家基因的平均CT值进行标准化。
4.如权利要求1～3中任一项所述的方法，其特征在于，其中BAG1、BRCA1、CDC6、CDK2AP1、FUT3、IL11和RND3指示所述对象死亡可能性增大，而其中ERBB3、LCK、SH3BGR和WNT3A指示所述对象死亡可能性减小。
5.如权利要求1～4中任一项所述的方法，其特征在于，所述试剂是核酸。
6.如权利要求1～5中任一项所述的方法，其特征在于，所述试剂是寡核苷酸。
7.如权利要求1～6中任一项所述的方法，其特征在于，所述试剂是PCR引物组。
8.如权利要求1～7中任一项所述的方法，其特征在于，所述试剂是抗体。
9.如权利要求1～8中任一项所述的方法，其特征在于，所述肺癌是非鳞状细胞肺癌。
10.如权利要求9所述的方法，其特征在于，所述非鳞状细胞肺癌为I期。
11.如权利要求9所述的方法，其特征在于，所述非鳞状细胞肺癌为II期。
12.如权利要求9所述的方法，其特征在于，所述非鳞状细胞肺癌为III期。
13.如权利要求9所述的方法，其特征在于，所述非鳞状细胞肺癌为IV期。
14.如权利要求1～13中任一项所述的方法，其特征在于，所述样品来自手术切除的肿瘤。
15.如权利要求1～14中任一项所述的方法，其特征在于，所述样品来自肺组织或肺肿瘤活检。
16.如权利要求1～15中任一项所述的方法，其特征在于，所述预后提供风险评估。
17.如权利要求16所述的方法，其特征在于，所述风险评估针对5年死亡率。
18.如权利要求16所述的方法，其特征在于，所述预后提供针对5年死亡率的高风险评估。
19.如权利要求16所述的方法，其特征在于，所述预后提供针对5年死亡率的中等风险评估。
20.如权利要求16所述的方法，其特征在于，所述预后提供针对5年死亡率的低风险评估。
21.一种试剂盒，所述试剂盒包含各自特异性结合如下生物标志物组中一员的试剂，所述生物标志物组由BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A组成。
22.如权利要求21所述的试剂盒，其特征在于，所述试剂是逆转录酶的群。
23.一种为患有肺癌的对象提供预后的方法，所述方法包括：检测生物样品中生物标志物组的甲基化水平，所述生物标志物组由BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A组成；其中，所述生物样品源自所述对象，并且所述甲基化水平指示所述预后。
24.一种包括患有肺癌的对象的预后的报告，所述预后已通过对所述对象的生物样品中的生物标志物组的表达水平定量来确定，所述生物标志物组由BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A组成；其中，所述表达水平指示所述预后。
25.一种确定治疗方案的方法，所述方法包括以下步骤：
(a)使来自对象的生物样品与各自特异性结合生物标志物组中一员的试剂接触，所述生物标志物组由BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A组成，
(b)确定所述标志物是否在所述样品中差异表达，
(c)提供肺癌的预后，
(d)基于所述肺癌的预后确定5年死亡的风险评估，和
(e)基于所述风险评估设计治疗方案。
26.一种为对象内肺癌提供预后的方法，所述方法包括以下步骤：
(a)使来自所述对象的生物样品与各自特异性结合生物标志物组中一员的试剂接触，所述生物标志物组由BAG1、BRCA1、CDC6、CDK2AP1、ERBB3、FUT3、IL11、LCK、RND3、SH3BGR和WNT3A组成；
(b)基于所述样品中所述生物标志物的表达水平确定所述对象的风险评分；和
(c)基于所述对象的风险评分提供肺癌的预后。
27.如权利要求26所述的方法，其特征在于，基于所述样品中所述生物标志物的表达水平对所述对象的风险评分的确定还包括使所述生物标志物的表达水平针对选自下组的管家基因进行标准化：ESD、TBP、YAP1及其任意组合。
28.如权利要求27所述的方法，其特征在于，使所述生物标志物的表达水平针对所述管家基因的平均CT值进行标准化。
CN201280033168.1A 2011-07-01 2012-06-29 肺癌的多基因预后试验 Pending CN103998622A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201161504063P 2011-07-01 2011-07-01
US61/504,063 2011-07-01
US201161504193P 2011-07-02 2011-07-02
US61/504,193 2011-07-02
PCT/US2012/045139 WO2013006503A1 (en) 2011-07-01 2012-06-29 Multigene prognostic assay for lung cancer

Publications (1)

Publication Number Publication Date
CN103998622A true CN103998622A (zh) 2014-08-20

Family

ID=47437384

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280033168.1A Pending CN103998622A (zh) 2011-07-01 2012-06-29 肺癌的多基因预后试验

Country Status (9)

Country Link
US (1) US9476098B2 (zh)
EP (1) EP2726635B1 (zh)
CN (1) CN103998622A (zh)
AU (1) AU2012279173B2 (zh)
DK (1) DK2726635T3 (zh)
ES (1) ES2658921T3 (zh)
HU (1) HUE036585T2 (zh)
PL (1) PL2726635T3 (zh)
WO (1) WO2013006503A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105929164A (zh) * 2016-06-30 2016-09-07 四川大学华西医院 一种肺癌筛查试剂盒
CN105954517A (zh) * 2016-06-30 2016-09-21 四川大学华西医院 一种肺癌筛查试剂盒
CN105985422A (zh) * 2015-01-30 2016-10-05 天津奥维亚生物技术有限公司 一种人sh3bgr多肽及其抗体制备方法
CN106119405A (zh) * 2016-08-31 2016-11-16 广州万德基因医学科技有限公司 一种肺癌的预后标记物、使用该标记预测肺癌预后的方法及应用
CN109859801A (zh) * 2019-02-14 2019-06-07 辽宁省肿瘤医院 一种含有七个基因作为生物标志物预测肺鳞癌预后的模型及建立方法
CN112037863A (zh) * 2020-08-26 2020-12-04 南京医科大学 一种早期nsclc预后预测系统
CN113811767A (zh) * 2018-12-21 2021-12-17 百奥马克癌症系统公司 检测肺癌的方法
CN114438188A (zh) * 2021-11-29 2022-05-06 中国辐射防护研究院 高甲基化CDK2AP1基因作为α辐射损伤预测的分子标志物的用途

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103998622A (zh) 2011-07-01 2014-08-20 加利福尼亚大学董事会 肺癌的多基因预后试验
EP2726609A4 (en) * 2011-07-01 2015-03-04 Pinpoint Genomics Inc PROCESS FOR EXTRACTING RNA FROM FIXED, COATED TISSUE
WO2014149629A1 (en) * 2013-03-15 2014-09-25 Htg Molecular Diagnostics, Inc. Subtyping lung cancers
US9526611B2 (en) 2013-10-29 2016-12-27 Tendyne Holdings, Inc. Apparatus and methods for delivery of transcatheter prosthetic valves
ES2818128T3 (es) 2015-04-16 2021-04-09 Tendyne Holdings Inc Aparato para el suministro y el reposicionamiento de válvulas protésicas transcatéter
EP3831343B1 (en) 2019-12-05 2024-01-31 Tendyne Holdings, Inc. Braided anchor for mitral valve
US11648114B2 (en) 2019-12-20 2023-05-16 Tendyne Holdings, Inc. Distally loaded sheath and loading funnel
US11951002B2 (en) 2020-03-30 2024-04-09 Tendyne Holdings, Inc. Apparatus and methods for valve and tether fixation
CN111564177B (zh) * 2020-05-22 2023-03-31 四川大学华西医院 基于dna甲基化的早期非小细胞肺癌复发模型构建方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101821405A (zh) * 2007-06-01 2010-09-01 加利福尼亚大学董事会 肺癌的多基因预后试验
CN102099484A (zh) * 2006-05-22 2011-06-15 怡发科技股份有限公司 一种利用特定基因组合的表达特征鉴定肿瘤组织及亚型，以及用以预测患者预后与转移相关的方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5885527A (en) 1992-05-21 1999-03-23 Biosite Diagnostics, Inc. Diagnostic devices and apparatus for the controlled movement of reagents without membrances
CA2791905A1 (en) * 2010-03-01 2011-09-09 Caris Life Sciences Luxembourg Holdings, S.A.R.L. Biomarkers for theranostics
CN103998622A (zh) 2011-07-01 2014-08-20 加利福尼亚大学董事会 肺癌的多基因预后试验

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102099484A (zh) * 2006-05-22 2011-06-15 怡发科技股份有限公司 一种利用特定基因组合的表达特征鉴定肿瘤组织及亚型，以及用以预测患者预后与转移相关的方法
CN101821405A (zh) * 2007-06-01 2010-09-01 加利福尼亚大学董事会 肺癌的多基因预后试验

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HSUAN-YU CHEN 等: "A Five-Gene Signature and Clinical Outcome in Non–Small-Cell Lung Cancer", 《THE NEW ENGLAND JOURNAL OF MEDICINE》, vol. 356, no. 1, 4 January 2007 (2007-01-04), pages 11 - 20, XP009086044, DOI: doi:10.1056/NEJMoa060096 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105985422A (zh) * 2015-01-30 2016-10-05 天津奥维亚生物技术有限公司 一种人sh3bgr多肽及其抗体制备方法
CN105929164A (zh) * 2016-06-30 2016-09-07 四川大学华西医院 一种肺癌筛查试剂盒
CN105954517A (zh) * 2016-06-30 2016-09-21 四川大学华西医院 一种肺癌筛查试剂盒
CN106119405A (zh) * 2016-08-31 2016-11-16 广州万德基因医学科技有限公司 一种肺癌的预后标记物、使用该标记预测肺癌预后的方法及应用
CN106119405B (zh) * 2016-08-31 2019-11-12 广州万德基因医学科技有限公司 一种肺癌的预后标记物、使用该标记预测肺癌预后的方法及应用
CN113811767A (zh) * 2018-12-21 2021-12-17 百奥马克癌症系统公司 检测肺癌的方法
CN109859801A (zh) * 2019-02-14 2019-06-07 辽宁省肿瘤医院 一种含有七个基因作为生物标志物预测肺鳞癌预后的模型及建立方法
CN109859801B (zh) * 2019-02-14 2023-09-19 辽宁省肿瘤医院 一种含有七个基因作为生物标志物预测肺鳞癌预后的模型及建立方法
CN112037863A (zh) * 2020-08-26 2020-12-04 南京医科大学 一种早期nsclc预后预测系统
CN112037863B (zh) * 2020-08-26 2022-06-21 南京医科大学 一种早期nsclc预后预测系统
CN114438188A (zh) * 2021-11-29 2022-05-06 中国辐射防护研究院 高甲基化CDK2AP1基因作为α辐射损伤预测的分子标志物的用途

Also Published As

Publication number Publication date
DK2726635T3 (en) 2018-02-12
AU2012279173B2 (en) 2016-06-16
HUE036585T2 (hu) 2018-07-30
ES2658921T3 (es) 2018-03-12
WO2013006503A1 (en) 2013-01-10
EP2726635A4 (en) 2015-02-18
PL2726635T3 (pl) 2018-04-30
AU2012279173A1 (en) 2013-05-09
US20130059747A1 (en) 2013-03-07
US9476098B2 (en) 2016-10-25
EP2726635A1 (en) 2014-05-07
EP2726635B1 (en) 2017-11-08

Similar Documents

Publication Publication Date Title
CN103998622A (zh) 肺癌的多基因预后试验
CN103834729B (zh) 肺癌的多基因预后试验
US9534249B2 (en) Predicting cancer outcome
EP2326734B1 (en) Pathways underlying pancreatic tumorigenesis and an hereditary pancreatic cancer gene
KR20150132500A (ko) 암 예후용 조성물 및 방법
CN103459597A (zh) 用于预测胃癌预后的标记和用于预测胃癌预后的方法
CN104487591A (zh) 预测前列腺癌预后之分子标记、方法及套组
CA2628390A1 (en) Molecular profiling of cancer
CN106164296A (zh) 用于预测对抗血管生成药的应答和癌症预后的分子诊断测试
KR20190099928A (ko) 위식도경계부선암의 진단 및 표적 치료를 위한 마커
Zhang et al. A prospective multicentre phase III validation study of AZGP1 as a biomarker in localized prostate cancer
US20070128639A1 (en) Molecular profiling of cancer
ES2882875T3 (es) Método de pronóstico y predicción de la recurrencia del cáncer de mama, marcadores empleados en el mismo y kit del mismo
Kamer et al. Predicting brain metastasis in early stage non-small cell lung cancer patients by gene expression profiling
Morley-Bunker et al. Assessment of intra-tumoural colorectal cancer prognostic biomarkers using RNA in situ hybridisation
Geidel et al. Emerging precision diagnostics in advanced cutaneous squamous cell carcinoma
Carlessi et al. Single-nucleus RNA sequencing of pre-malignant liver reveals disease-associated hepatocyte state with HCC prognostic potential
Zhu et al. Identification of ferroptosis‐related genes as potential biomarkers of tongue squamous cell carcinoma using an integrated bioinformatics approach
Mantsiou et al. Tissue proteomics studies in the investigation of prostate cancer
Wang et al. SPTSSA is a prognostic marker for glioblastoma associated with tumor-infiltrating immune cells and oxidative stress
Li et al. Correlation between oncogene integrator complex subunit 7 and a poor prognosis in lung adenocarcinoma
US20150011411A1 (en) Biomarkers of cancer
Liu et al. Identifying possible hub genes and biological mechanisms shared between Bladder cancer and inflammatory bowel Disease using machine learning and integrated bioinformatics
Huang et al. The prognosis analysis of RFWD2 inhibiting the expression of ETV1 in colorectal cancer
Li et al. LAYN acts as a prognostic biomarker in ovarian cancer by engaging T cell exclusion and dysfunction

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20160929

Address after: American California

Applicant after: The Regents of the University of California

Applicant after: Encore clinical Limited by Share Ltd

Address before: American California

Applicant before: The Regents of the University of California

Applicant before: Accurate genomics limited-liability company

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20140820