CN107002138A - 用于评估发展乳腺癌风险的方法 - Google Patents
用于评估发展乳腺癌风险的方法 Download PDFInfo
- Publication number
- CN107002138A CN107002138A CN201580063966.2A CN201580063966A CN107002138A CN 107002138 A CN107002138 A CN 107002138A CN 201580063966 A CN201580063966 A CN 201580063966A CN 107002138 A CN107002138 A CN 107002138A
- Authority
- CN
- China
- Prior art keywords
- risk
- snp
- breast cancer
- subject
- clinical
- 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.)
- Granted
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
-
- C—CHEMISTRY; METALLURGY
- C40—COMBINATORIAL TECHNOLOGY
- C40B—COMBINATORIAL CHEMISTRY; LIBRARIES, e.g. CHEMICAL LIBRARIES
- C40B40/00—Libraries per se, e.g. arrays, mixtures
- C40B40/04—Libraries containing only organic compounds
- C40B40/06—Libraries containing nucleotides or polynucleotides, or derivatives thereof
-
- 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
- C12Q2600/156—Polymorphic or mutational markers
Abstract
本公开涉及用于评估人类女性受试者发展乳腺癌风险的方法和系统。特别地,本公开涉及将临床风险评估与遗传风险评估相结合以改进风险分析,其中所述遗传风险评估包括筛选本文公开的至少(72)个单核苷酸多态性(SNP)或与其中一个或多个连锁不平衡的SNP。
Description
技术领域
本公开涉及用于评估人类女性受试者发展乳腺癌风险的方法和系统。特别地,本公开涉及将临床风险评估与遗传风险评估相结合来改进风险分析。
发明背景
据估计,在美国,约八分之一的妇女将在其生存期发展乳腺癌。预计2013年有超过23万名妇女诊断为患有浸润性乳腺癌,近4万名将死于该疾病(ACS Breast Cancer Facts&Figures 2013-14)。因此,有迫切的理由预测哪些妇女发展疾病,并采取措施来预防。
广泛的研究集中在表型风险因素,包括年龄、家族史、生殖史和良性乳腺疾病。将这些风险因素的各种组合编辑成两种最常用的风险预测算法;Gail模型(适合一般群体)(也称为乳腺癌风险评估工具:BCRAT)和Tyrer-Cuzick模型(适合具有较强家族史的妇女)。
像其他常见癌症一样,乳腺癌显示家族聚集。许多流行病学研究已经证实,该疾病在乳腺癌患者一级亲属中为约两倍常见。家庭研究,特别是双胞胎研究表明,这种聚集大多(如果不是全部)具有遗传基础。
已经鉴定出几种乳腺癌易感基因,最重要的是BRCA1和BRCA2。这些基因的突变赋予高风险的乳腺癌(到70岁,分别为约65%和45%)。基于群体的乳腺癌病例系列的突变筛选示出,只有约15%的家族性乳腺癌风险可以用这些基因的突变来解释。其他已知的乳腺癌易感基因(TP53、PTEN、ATM、CHEK2)对家族性风险仅作出了很小的贡献(因为易感突变是罕见的和/或仅赋予小的风险)。因此,估计已知的乳腺癌易感基因占家族风险的不超过20%。
风险的遗传变异可能是由罕见的高外显(highly-penetrant)突变(例如,BRCA1和BRCA2中的那些)或赋予更为温和的风险的变体引起的。几条证据强有力地提示,高外显突变不是乳腺癌的剩余家族性风险的主要贡献者。首先,多病例家族的突变筛选发现,大多数具有非常强的家族史的病例(例如,四个或更多个受影响的亲属)都有BRCA1或BRCA2突变。其次,尽管过去九年作出了大量努力,但是遗传连锁研究尚未鉴定出任何其它连锁基因座。第三,大量乳腺癌家族的分离分析发现,在调整BRCA1和BRCA2后,没有其他主要显性乳腺癌易感等位基因的证据。
BRCA1和BRCA2突变的种系遗传检测现在已成为遗传医学中的常规,并允许鉴定出乳腺癌及其他癌症风险显着增加的个体。然而,这样的突变在一般群体中相对罕见,占美国所有乳腺癌病例的约10%(其中约一半是由于BRCA1/2突变)。已知其余80%的扩散性乳腺癌和那些没有致病突变的家族性癌症需要由大量群体共有的其他遗传/临床标志物来定义。
依赖于低外显率多态性检测的用于评估发展乳腺癌风险的第一个市售测试是WO2010/139006中所述的BREVAGen测试。该测试依赖于7或10个单核苷酸多态性的检测。然而,需要改进的乳腺癌风险评估测试,特别是对于非白种人女性。
发明概述
本发明人已经鉴定出可用于评估人类女性受试者发展乳腺癌表型的风险的基因组内的SNP。出乎意料的是,这些SNP的选择在多个种族背景中保持信息丰富。这些发现提示,本公开的SNP可用于评估人类女性受试者发展乳腺癌表型的风险的方法。特别地,这些结果表明,这样的方法可以适当地稳健解释种族基因型变异。
因此,在一个方面,本公开涉及一种用于评估人类女性受试者发展乳腺癌风险的方法,其包括:
对所述女性受试者进行临床风险评估;
对所述女性受试者进行遗传风险评估,其中所述遗传风险评估涉及在源自所述女性受试者的生物样品中检测至少72个与乳腺癌相关的单核苷酸多态性,其中至少67个所述单核苷酸多态性选自表7或与其中一个或多个连锁不平衡的单核苷酸多态性,且其余单核苷酸多态性选自表6或与其中一个或多个连锁不平衡的单核苷酸多态性;和
将所述临床风险评估与所述遗传风险评估相结合,以获得人类女性受试者发展乳腺癌的风险。
本领域技术人员将理解,相结合的临床风险评估和遗传风险评估定义受试者发展乳腺癌的总体风险。因此,本发明的方法评估总体风险。
在一个实施方案中,本公开的方法确定人类女性受试者发展乳腺癌的绝对风险。
在另一个实施方案中,本公开的方法确定人类女性受试者发展乳腺癌的相对风险。
所述女性可以是任何种族,例如白种人、黑种人、澳大利亚人或蒙古人。在一个实施方案中,所述女性是绝经期后的。
在一个实施方案中,所述女性是白种人。在另一个实施方案中,该方法包括检测表9所示的至少72个单核苷酸多态性,或与其中一个或多个连锁不平衡的单核苷酸多态性。
在另一实施方案中,该方法包括检测表9所示的至少77个单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性。
在另一个实施方案中,所述女性是黑种人。在另一个实施方案中,所述女性是非洲裔美国人。在另一个实施方案中,该方法包括检测表10所示的至少74个单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性。
在另一个实施方案中,该方法包括检测表10所示的至少78个单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性。
在另一个实施方案中,所述女性是西班牙人。在另一个实施方案中,本公开的方法包括检测表11所示的至少78个单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性。
在另一实施方案中,该方法包括检测表11所示的至少82个单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性。
在一个实施方案中,将临床风险评估与遗传风险评估相结合包括将所述风险评估相乘以提供风险评分。
在一个实施方案中,进行临床风险评估使用选自以下的模型:Gail模型、Claus模型、Claus表、BOADICEA、Jonker模型、Claus扩展式、Tyrer-Cuzick模型、BRCAPRO和曼彻斯特评分系统。
在另一实施方案中,进行临床风险评估包括从所述女性获得关于以下一个或多个的信息:乳腺癌、导管癌或小叶癌的医疗史、年龄、第一次月经期的年龄、她第一次生育的年龄、乳腺癌家族史、先前乳腺活组织检查的结果、乳腺密度和民族/种族。
在一个实施方案中,使用Gail模型获得临床风险评估。在一个实施方案中,当使用Gail模型时,受试者年龄为35岁或更大年龄。
在一个实施方案中,Gail模型提供Gail终生风险评分。
在一个实施方案中,Gail模型提供Gail 5年风险评分。
在一个替选实施方案中,使用Tyrer-Cuzick模型获得临床风险评估。
在一个实施方案中,当使用Tyrer-Cuzick模型时,受试者年龄为20岁或更大年龄。
在一个实施方案中,本公开的方法包括检测与乳腺癌相关的至少73、74、75、76、77、78、79、80、81、82个单核苷酸多态性,其中至少67个所述单核苷酸多态性选自表7,或与其中一个或多个连锁不平衡的单核苷酸多态性,且其余单核苷酸多态性选自表6,或与其中一个或多个连锁不平衡的单核苷酸多态性。
在一个实施方案中,所述女性已经进行了乳腺活组织检查。
在一个实施方案中,所述女性未患过乳腺癌、小叶癌或导管癌。
在一个实施方案中,临床风险评估结果表明,女性应进行更频繁的筛查和/或预防性抗乳腺癌疗法。
在另一个实施方案中,如果确定受试者具有发展乳腺癌的风险,则受试者与非响应相比更可能对雌激素抑制疗法有响应。
在一个实施方案中,乳腺癌是雌激素受体阳性或雌激素受体阴性。
在一个实施方案中,连锁不平衡的单核苷酸多态性具有超过0.9的连锁不平衡。
在另一个实施方案中,连锁不平衡的单核苷酸多态性具有为1的连锁不平衡。
在一个实施方案中,本公开方法的净重新分类改进大于0.01。
在另一个实施方案中,本公开方法的净重新分类改进大于0.05。
在另一个实施方案中,本公开方法的净重新分类改进大于0.1。
在另一个实施方案中,由临床风险评估确定的5年风险为约1.5%至约2%。
在另一方面,本公开涉及包含至少72组用于扩增72个或更多个核酸的引物的试剂盒,其中所述72个或更多个核酸包含单核苷酸多态性,其中至少67个所述引物组扩增包含选自表7的单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性的核酸,其余引物组扩增包含选自表6的单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性的核酸。
另一方面,本公开涉及包含至少72组用于与72个或更多个核酸杂交的探针的遗传阵列,其中所述72个或更多个核酸包含单核苷酸多态性,其中至少67个所述探针与包含选自表7的单核苷酸多态性或者与其中一个或多个连锁不平衡的单核苷酸多态性的核酸杂交,其余探针与包含选自表6的单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性的核酸杂交。
在另一方面,本公开涉及一种用于确定人类女性受试者对乳腺癌的常规诊断测试的需要的方法,包括使用所公开的方法评估受试者发展乳腺癌的风险。
对于具有约20-25%的终生乳腺癌风险的妇女,推荐筛查(Saslow等,2007)。因此,在一个实施方案中,大于约20%终生风险的风险评分表明受试者应纳入筛查乳腺MRIC和乳房X线照相程序。
另一方面,本公开涉及一种筛查人类女性受试者的乳腺癌的方法,所述方法包括使用所公开的方法评估受试者发展乳腺癌的风险,并且如果受试者被评估为有发展乳腺癌的风险则常规地筛查她们的乳腺癌。例如,筛查乳腺癌可涉及将受试者纳入筛查乳腺MRIC和乳房X线照相程序。
另一方面,本公开涉及一种用于确定人类女性受试者对预防性抗乳腺癌疗法的需要的方法,所述方法包括使用所公开的方法评估所述受试者发展乳腺癌的风险。
向风险评分大于约1.66%的5年风险的妇女推荐药理学干预(Visvanathan等,2009)。因此,在一个实施方案中,大于约1.66%的5年风险的风险评分表明应向受试者提供化学预防剂。例如,可以向受试者提供雌激素受体疗法。各种示例性的雌激素受体疗法将在下文进一步讨论。
在另一方面,本公开涉及一种用于预防人类女性受试者的乳腺癌的方法,所述方法包括使用所公开的方法评估受试者发展乳腺癌的风险,以及如果所述受试者被评估为具有发展乳腺癌的风险则向她们施用抗乳腺癌疗法。
在一个实施方案中,该疗法抑制雌激素。
另一方面,本公开涉及用于在有此风险的人类女性受试者中预防乳腺癌的抗乳腺癌疗法,其中所述受试者根据本公开的方法被评估为具有发展乳腺癌的风险。
另一方面,本公开涉及一种用于对用于候选疗法的临床试验的人类女性受试者群组进行分层的方法,所述方法包括使用所公开的方法评估所述受试者发展乳腺癌的个体风险,并使用评估结果选择更可能对所述疗法有响应的受试者。
另一方面,本发明提供了探针或至少72组引物用于制备用于评估人类女性受试者发展乳腺癌表型的风险的试剂盒或系统的用途,包括:
对所述女性受试者进行临床风险评估;
对所述女性受试者进行遗传风险评估,其中所述遗传风险评估涉及在源自所述女性受试者的生物样品中检测至少72个与乳腺癌相关的单核苷酸多态性,其中至少67个所述单核苷酸多态性选自表7或与其中一个或多个连锁不平衡的单核苷酸多态性,且其余单核苷酸多态性选自表6或与其中一个或多个连锁不平衡的单核苷酸多态性;和
将临床风险评估与遗传风险评估相结合,以获得人类女性受试者发展乳腺癌的风险。
另一方面,本公开涉及一种用于评估人类女性受试者发展乳腺癌的风险的计算机实现方法,所述方法能够在包括处理器和存储器的计算系统中操作,所述方法包括:
接收所述女性受试者的临床风险数据和遗传风险数据,其中通过在源自所述女性受试者的生物样品中检测至少72个与乳腺癌相关的单核苷酸多态性获得遗传风险数据,其中至少67个单核苷酸多态性选自表7或与其中一个或多个连锁不平衡的单核苷酸多态性,且其余单核苷酸多态性选自表6或与其中一个或多个连锁不平衡的单核苷酸多态性;
处理数据以将临床风险数据与遗传风险数据相结合,从而获得人类女性受试者发展乳腺癌的风险;
输出人类女性受试者发展乳腺癌的风险。
在一个实施方案中,从连接到计算系统的用户界面接收女性受试者的临床风险数据和遗传风险数据。
在另一个实施方案中,通过无线通信网络从远程设备接收女性受试者的临床风险数据和遗传风险数据。
在另一实施方案中,输出包括将信息输出到连接到计算系统的用户界面。
在另一实施方案中,输出包括通过无线通信网络向远程设备传输信息。
在另一实施方案中,本公开涉及被配置为进行所公开的方法的系统。
在另一实施方案中,本公开涉及用于评估人类女性受试者发展乳腺癌的风险的系统,包括:
用于对所述女性受试者进行临床风险评估的系统说明;
根据本公开用于对女性受试者进行遗传风险评估的系统说明;和
用于将所述临床风险评估与所述遗传风险评估相结合以获得人类女性受试者发展乳腺癌的风险的系统说明。
明显的是,方法、试剂盒和系统的至少一些特征可以组合在一起使用。例如,用于鉴定乳腺癌易感性与多态性之间的相关性的系统可用于实践本文的方法。可以使用试剂盒来实施本文的方法。因此,系统、方法和试剂盒的所述特征可以应用于本文中的不同系统、方法和试剂盒。
在整个说明书中,词语“包括”或诸如“包含”或“含有”的变化形式将被理解为提示包括所述要素、整数或步骤或者要素、整数或步骤的组,但不排除任何其他要素、整数或步骤或者要素、整数或步骤的组。
以下通过下述非限制性实例并参照附图对本发明进行描述。
附图简述
图1:描绘患者整体终生风险。
图2:描绘患者整体5年风险。
发明详述
一般技术和定义
除非另外特别定义,本文使用的所有技术和科学术语应被视为具有与本领域(例如,细胞培养、乳腺癌分析、分子遗传学、免疫学、免疫组织化学、蛋白质化学和生物化学)普通技术人员所通常理解的相同的含义。
除非另外说明,否则本公开中使用的分子和免疫学技术是本领域技术人员公知的标准规程。这样的技术在诸如J.Perbal,A Practical Guide to Molecular Cloning,JohnWiley and Sons(1984),J.Sambrook等,Molecular Cloning:A Laboratory Manual,ColdSpring Harbor Laboratory Press(1989),T.A.Brown(编著),Essential MolecularBiology:A Practical Approach,第1卷和第2卷,IRL Press(1991),D.M.Glover和B.D.Hames(编著),DNA Cloning:A Practical Approach,第1-4卷,IRL Press(1995和1996)和F.M.Ausubel等.(编著),Current Protocols in Molecular Biology,GreenePub.Associates and Wiley-Interscience(1988,包括直到现在的所有更新),Ed Harlow和David Lane(编著)Antibodies:A Laboratory Manual,Cold Spring HarbourLaboratory,(1988)和J.E.Coligan等(编著)Current Protocols in Immunology,JohnWiley&Sons(包括直到现在的所有更新)的文献中通篇描述和解释。
应当理解,本公开不限于特定实施方案,当然可以变化。还应当理解,本文使用的术语仅用于描述特定实施方案的目的,而不意图为限制性的。如本说明书和所附权利要求中所使用的,单数形式的术语“一个”、“一种”和“所述”例如任选地包括复数指称,内容另外明确规定除外。因此,例如,提及“探针”任选地包括多个探针分子;类似地,根据上下文,术语“核酸”的使用实际上任选地包括该核酸分子的许多拷贝。
除非相反地说明,否则本文所用术语“约”是指指定值的+/-10%,更优选+/-5%,更优选+/-1%。
本文所用术语“乳腺癌”包括女性受试者可发展的任何类型的乳腺癌。例如,乳腺癌可以被表征为Luminal A(ER+和/或PR+、HER2-、低Ki67)、Luminal B(ER+和/或PR+、HER2+(或具有高Ki67的HER2-)、三阴性/基础样(ER-、PR-、HER2-)或HER2型(ER-、PR-、HER2+)。在另一实例中,乳腺癌可能对一种或多种治疗剂有抗性,所述治疗剂例如烷化剂、铂剂、紫杉烷、长春花剂、抗雌激素药物、芳香酶抑制剂、卵巢抑制剂、内分泌/激素剂、双磷酸盐治疗剂或靶向生物治疗剂。本文所用“乳腺癌”还包括在个体中显示出发展乳腺癌倾向的表型。例如,与相关一般群体的成员相比,在给定环境条件组(饮食、物理活动制度、地理位置等)表现出乳腺癌倾向的表型可示出癌症将在具有该表型的个体中发展的可能性更高。
本文所用“生物样品”是指包含来自或衍生自人类患者的核酸(特别是DNA)的任何样品,例如来自患者的体液(血液、唾液、尿等)、活组织检查、组织和/或废物。因此,组织活组织检查、粪便、痰液、唾液、血液、淋巴液等可以容易地筛选SNP,基本上如同含有适当核酸的任何目标组织所可以的。在一个实施方案中,生物样品是颊细胞样品。这些样品通常由患者在知情同意之后通过标准医学实验室方法获取。样品可以为从患者直接取得的形式,或者可以至少部分地加工(纯化)以除去至少一些非核酸材料。
“多态性”是可变的基因座;也就是说,在群体内,多态性的核苷酸序列具有多于一个版本或等位基因。多态性的一个例子是“单核苷酸多态性”,其是基因组中单个核苷酸位置的多态性(个体或群体在指定位置的核苷酸不同)。
本文所用术语“SNP”或“单核苷酸多态性”是指个体之间的遗传变异;例如,可变的生物体DNA中的单个含氮碱基位置。本文所用“SNP”是SNP的复数。当然,在本文中提及DNA时,这样的提及可包括DNA的衍生物,例如扩增子、其RNA转录物等。
术语“等位基因”是指在特定基因座发生或编码的两个或更多个不同的核苷酸序列或由该基因座编码的两个或更多个不同多肽序列之一。例如,第一等位基因可以发生在一个染色体上,而第二等位基因发生在第二同源染色体上,例如发生在杂合个体的不同染色体上,或者在群体中不同的纯合或杂合个体之间。当等位基因与性状相关联时,并且当等位基因的存在是性状或性状形式将在包含等位基因的个体中发生的指示时,等位基因与性状“正”相关。当等位基因与性状相关联时,并且等位基因的存在是性状或性状形式将不在包含等位基因的个体中发生的指示时,等位基因与性状“负”相关。
当标志物多态性或等位基因可以与表型统计学相关(正或负)时,标志物多态性或等位基因与指定表型(乳腺癌易感性等)“相关”或“相关联”。用于确定多态性或等位基因是否统计学相关的方法是本领域技术人员已知的。也就是说,指定的多态性在病例群体(例如,乳腺癌患者)中比在对照群体(例如,未患乳腺癌的个体)中更常见。这种相关性通常被认为在本质上是因果关系,但是不需要与揭示表型的基因座简单的遗传连锁(与之相关联)就足以发生相关/关联。
短语“连锁不平衡”(LD)用于描述两个相邻多态性基因型之间的统计学相关性。通常,LD是指在两个基因座之间随机配子的等位基因之间的相关性,假设配子之间为Hardy-Weinberg平衡(统计学独立性)。用Lewontin的相关参数(D')或用Pearson相关系数(r)(Devlin和Risch,1995)对LD进行量化。将LD值为1的两个基因座称为完全LD。在另一个极端,将LD值为0的两个基因座称为连锁平衡。通过应用期望最大化算法(EM)估计单倍型频率来计算连锁不平衡(Slatkin和Excoffier,1996)。根据本公开的相邻基因型/基因座的LD值选为超过0.1、优选超过0.2、更优选超过0.5、更优选超过0.6、更优选超过0.7、优选超过0.8、更优选超过0.9、理想地约为1.0。
本领域技术人员可以容易地鉴定与本公开的SNP连锁不平衡的SNP的另一种方法是确定两个基因座的LOD评分。LOD表示“可能性(odds)的对数”,两个基因或基因和疾病基因是否可能在染色体上位置彼此靠近,并且因此可能遗传的统计学估计。LOD评分为约2至3或更高通常被理解为意指两个基因在染色体上的位置彼此靠近。与本公开的SNP连锁不平衡的SNP的各种实例示于表1至4中。本发明人发现,与本公开的SNP连锁不平衡的许多SNP具有约2至50的LOD评分。因此,在一个实施方案中,根据本公开的相邻基因型/基因座的LOD值选为至少超过2、至少超过3、至少超过4、至少超过5、至少超过6、至少超过7、至少超过8、至少超过9、至少超过10、至少超过20、至少超过30、至少超过40、至少超过50。
在另一个实施方案中,与本公开的SNP连锁不平衡的SNP可以具有小于或等于约20厘摩尔(cM)或更小的特定基因重组距离。例如,15cM或更小、10cM或更小、9cM或更小、8cM或更小、7cM或更小、6cM或更小、5cM或更小、4cM或更小、3cM或更小、2cM或更小、1cM或更小、0.75cM或更小、0.5cM或更小、0.25cM或更小、0.1cM或更小。例如,单个染色体片段内的两个连锁的基因座可以在减数分裂期间以小于或等于约20%、约19%、约18%、约17%、约16%、约15%、约14%、约13%、约12%、约11%、约10%、约9%、约8%、约7%、约6%、约5%、约4%、约3%、约2%、约1%、约0.75%、约0.5%、约0.25%或约0.1%或更少的频率彼此进行重组。
在另一个实施方案中,与本公开的SNP连锁不平衡的SNP在彼此至少100kb(其在人类中与约0.1cM相关,取决于局部重组率)、至少50kb、至少20kb或更少。
例如,用于鉴定特定SNP的替代标志物的一种方法涉及一种简单的策略,其假设围绕靶SNP的SNP处于连锁不平衡,因此可以提供关于疾病易感性的信息。因此,如本文所述,替代标志物因此可以通过搜索适合于替代标志物候选物的选择符合在科学界发现的某些标准的SNP来从诸如HAPMAP的公开数据库中鉴定(参见,例如,表1至4的图例)。
“等位基因频率”是指等位基因存在于个体内、品系或品系群体内的基因座的频率(比例或百分比)。例如,对于等位基因“A”,基因型“AA”、“Aa”或“aa”的二倍体个体分别具有1.0、0.5或0.0的等位基因频率。可以通过平均来自该线或群体的个体样品的等位基因频率来估计品系或群体(例如,病例或对照)中的等位基因频率。类似地,可以通过对构成群体的品系的等位基因频率进行平均来计算品系群体中的等位基因频率。
在一个实施方案中,术语“等位基因频率”用于定义次要等位基因频率(MAF)。MAF是指给定群体中最不常见等位基因发生的频率。
如果个体在给定基因座处仅具有一种类型的等位基因(例如,二倍体个体具有两个同源染色体中的每一个的基因座处的相同等位基因的拷贝),则个体是“纯合的”。如果在给定基因座处存在多于一个等位基因类型(例如,具有两个不同等位基因的一个拷贝的二倍体个体),则个体是“杂合的”。术语“同质性”表示组成员在一个或多个特定基因座具有相同的基因型。相比之下,术语“异质性”用于表示组内的个体在一个或多个特定基因座处的基因型不同。
“基因座”是染色体位置或区域。例如,多态基因座是多态性核酸、性状决定簇、基因或标志物定位的位置或区域。在另一个实例中,“基因座”是可以找到特定基因的物种基因组中的特定染色体位置(区域)。
“标志物”、“分子标志物”或“标志物核酸”是指当鉴定基因座或连锁基因座时用作参照点的核苷酸序列或其编码产物(例如,蛋白质)。标志物可以衍生自基因组核苷酸序列或来自表达的核苷酸序列(例如,来自RNA、nRNA、mRNA、cDNA等)或编码的多肽。该术语还指与标志物序列互补或侧接的核酸序列,例如用作能够扩增标志物序列的探针或引物对的核酸。“标志物探针”是可用于鉴定标志物基因座的存在的核酸序列或分子,例如,与标志物基因座序列互补的核酸探针。当核酸在溶液中特异性杂交时,例如根据Watson-Crick碱基配对规则,核酸是“互补的”。“标志物基因座”是可用于跟踪第二连锁基因座的存在的基因座,例如编码或有助于表型性状群体变异的连锁或相关基因座。例如,可以使用标志物基因座来监测在与标志物基因座遗传或物理连接的基因座(例如,QTL)处等位基因的分离。因此,“标志物等位基因”或者“标志物基因座的等位基因”是在标志物基因座多态性群体的标志物基因座处发现的多个多态性核苷酸序列之一。预期鉴定出的每个标志物将与有助于相关表型的遗传元件(例如,QTL)处于紧密的物理和遗传接近(导致物理和/或遗传连锁)。可以通过本领域公认的方法检测与群体成员之间的遗传多态性相对应的标志物。这些包括例如基于PCR的序列特异性扩增方法、限制性片段长度多态性(RFLP)检测、同功酶标志物检测、等位基因特异性杂交检测(ASH)、单核苷酸扩增检测、基因组的扩增可变序列检测、自我维持序列复制的检测、简单序列重复检测(SSR)、单核苷酸多态性(SNP)检测、扩增片段长度多态性(AFLP)检测。
在核酸扩增的背景下,术语“扩增”是产生所选核酸(或其转录形式)的额外拷贝的任何方法。典型的扩增方法包括各种基于聚合酶的复制方法,包括聚合酶链反应(PCR)、连接酶介导的方法例如连接酶链反应(LCR)和基于RNA聚合酶的扩增(例如,通过转录)方法。
“扩增子”是扩增的核酸,例如,通过任何可用的扩增方法(例如PCR、LCR、转录等)扩增模板核酸产生的核酸。
“基因”是基因组中一起编码一个或多个表达分子(例如,RNA或多肽)的一个或多个核苷酸序列。该基因可以包括转录成RNA的编码序列,其随后可以被翻译成多肽序列,并且可以包括有助于基因复制或表达的相关结构或调控序列。
“基因型”是一个或多个遗传基因座处个体(或个体组)的遗传构成。基因型由个体的一个或多个已知基因座的等位基因定义,通常是从其亲本遗传的等位基因的编译。
“单倍型”是单个DNA链上多个遗传基因座上个体的基因型。通常,由单倍型描述的遗传基因座在物理上和遗传上连接,即在相同的染色体链上。
标志物、探针或引物的“组”是指用于共同目的(例如鉴定具有指定基因型的个体(例如,发展乳腺癌的风险))的标志物探针、引物或由其得到数据的集合或组。通常,将对应于标志物、探针或引物或由其使用得到的数据存储在电子介质中。虽然组的每个成员对于指定的目的具有效用,但是选自组以及亚组的个体标志物(包括一些,但不是所有标志物)也在实现特定目的方面有效。
上述多态性和基因以及相应的标志物探针、扩增子或引物可以在本文的任何系统中以物理核酸的形式或者包括核酸的序列信息的系统说明的形式体现。例如,该系统可以包括与本文所述的基因或多态性相对应(或扩增一部分)的引物或扩增子。如在上述方法中,该组标志物探针或引物任选地检测多个所述基因或遗传基因座中的多个多态性。因此,例如,该组标志物探针或引物检测这些多态性或基因或本文定义的任何其它多态性、基因或基因座中的每一个中的至少一个多态性。任何这样的探针或引物可以包括任何这样的多态性或基因的核苷酸序列或其互补核酸或其转录产物(例如,由基因组序列产生的nRNA或mRNA形式,例如通过转录或剪接)。
本文所用“接受者操作特征曲线”是指二进制分类器系统随其鉴别阈值变化的灵敏度相对于(1-特异性)的图形。ROC也可以通过绘制真阳性分数(TPR=真阳性率)相对于假阳性分数(FPR=假阳性率)来等同地表示。也称为相对操作特征曲线,因为它是两个操作特征(TPR&FPR)作为标准变化的比较。ROC分析提供了选择可能的最佳模型和弃去独立于(并且在指定前)成本背景或类别分布的次优模型的工具。在本公开的上下文中使用的方法对于本领域技术人员而言将是清楚的。
本文所用术语“将临床风险评估与遗传风险评估相结合以获得风险”是指依赖于两个评估结果的任何合适的数学分析。例如,可以将临床风险评估和遗传风险评估的结果相加,更优选相乘。
本文所用术语“常规筛查乳腺癌”和“更频繁筛查”是相对术语,并且是基于向与没有鉴定出发展乳腺癌风险的受试者推荐的筛查水平的比较。
种族基因型变异
本领域技术人员已知在不同群体之间存在基因型变异。这种现象被称为人类遗传变异。经常在来自不同种族背景的群体之间观察到人类遗传变异。这种变异很少是一致的,并且常常由环境和生活方式因素的各种组合引导。由于遗传变异,通常很难鉴定出遗传标志物群体,例如在各种群体中保持信息性的SNP,例如来自不同种族背景的群体。
出乎意料的是,本发明人已鉴定出至少三个种族背景所共有的SNP的选择,其对于评估发展乳腺癌的风险保留信息性。
因此,设想本公开的方法可用于评估来自不同种族背景的人类女性受试者发展乳腺癌的风险。例如,基于身体人类学可以将女性分为白种人、澳大利亚人、蒙古人和黑种人。
在一个实施方案中,人类女性受试者可以是白种人、非洲裔美国人、西班牙人、亚洲人、印度人或拉丁美洲人。在一个优选的实施方案中,人类女性受试者是白种人、非洲裔美国人或西班牙人。
在一个实施方案中,人类女性受试者是白种人,并且对选自表9的至少72个、至少73个、至少74个、至少75个、至少76个、至少77个单核苷酸多态性或与其连锁不平衡的单核苷酸多态性进行评估。或者,对选自表9的至少77个单核苷酸多态性或与其连锁不平衡的单核苷酸多态性进行评估。
在另一个实施方案中,人类女性受试者可以是黑种人,并且对选自表10的至少74个、至少75个、至少76个、至少77个、至少78个单核苷酸多态性或与其连锁不平衡的单核苷酸多态性进行评估。或者,对选自表10的至少78个单核苷酸多态性或与其连锁不平衡的单核苷酸多态性进行评估。
在另一个实施方案中,人类女性受试者可以是非洲裔美国人,并且对选自表10的至少74个、至少75个、至少76个、至少77个、至少78个单核苷酸多态性或与其连锁不平衡的单核苷酸多态性进行评估。或者,对选自表10的至少78个单核苷酸多态性或与其连锁不平衡的单核苷酸多态性进行评估。
在另一个实施方案中,人类女性受试者可以是西班牙人,并且对选自表11的至少78个、至少79个、至少80个、至少81个、至少82个单核苷酸多态性或与其连锁不平衡的单核苷酸多态性进行评估。或者,对选自表11的至少82个单核苷酸多态性或与其连锁不平衡的单核苷酸多态性进行评估。
众所周知,随着时间的推移,存在不同种族来源的混血。然而,实际上这并不影响技术人员实践本发明的能力。
在本公开的上下文中,认为主要为直接或间接通过血统源自欧洲的白皮肤女性是白种人。白种人可具有例如至少75%的白种人血统(例如但不限于具有至少三位白种人祖父母的女性)。
在本公开的上下文中,认为主要为直接或间接通过血统源自中部或南部非洲的女性是黑种人。例如,黑种人可具有至少75%的黑种人血统。在本公开的上下文中,认为主要有黑种人血统和黑皮肤的美国女性是非洲裔美国人。例如,非洲裔美国人可具有至少75%的黑种人血统。类似的原则适用于例如生活在其他国家(例如英国、加拿大、荷兰)的黑种人血统的女性。
在本公开的上下文中,认为主要为直接或间接通过血统源自西班牙或西班牙语国家(例如中部或南部美国)的女性是西班牙人。例如,西班牙人可具有至少75%的西班牙人血统。
本发明人已发现,本发明可以根据受试者认为自己所在的种族/血统而容易地实施。因此,在一个实施方案中,人类女性受试者的种族由受试者自我报道。例如,可以要求女性受试者回答这个问题来确定她们的种族:“你属于什么族群?
在另一个实例中,女性受试者的种族来自从受试者或从医生的意见或观察获得合适的知情同意后的医疗记录。
当然,在没有主要血统的情况下,例如50%的白种人和50%的黑种人,本发明仍然可以通过关注表7中提供的常见多态性来实施。
临床风险评估
在本公开中可以使用任何合适的临床风险评估程序。优选地,临床风险评估不涉及针对一个或多个基因座对女性进行基因分型。
在一个实施方案中,临床风险评估程序包括在以下一个或多个方面从女性获得信息:乳腺癌、导管癌或小叶癌的医疗史、年龄、月经史例如第一次月经期的年龄、她第一次生育的年龄、乳腺癌或其它癌症的家族史包括诊断时亲属的年龄、先前乳腺活组织检查结果、使用口服避孕药、体重指数、饮酒史、吸烟史、运动史、饮食和民族/种族。
在一个实施方案中,临床风险评估至少考虑进一级亲属的年龄、先前乳腺活组织检查的数目和已知医疗史。
在一个实施方案中,临床风险评估程序提供了对在接下来的5年期间发展乳腺癌的人类女性受试者的风险(即,5年风险)的估计。
在一个实施方案中,由临床风险评估确定的5年风险为约1%至约3%。
在另一个实施方案中,由临床风险评估确定的5年风险为约1.5%至约2%。
在一个实施方案中,临床风险评估程序提供了对达90岁年龄的人类女性受试者发展乳腺癌风险(即,终生风险)的估计。
在一个实施方案中,由临床风险评估确定的终生风险为约15%至约30%。
在另一个实施方案中,由临床风险评估确定的5年风险为约20%至约25%。
临床风险评估程序的例子包括但不限于Gail模型(BCRAT)(Gail等,1989、1999和2007;Costantino等,1999;Rockhill等,2001)、Claus模型(Claus等,1994和1998)、Claus表、BOADICEA(Antoniou等,2002和2004)、BRCAPRO(Parmigiani等,2007)、Jonker模型(Jonker等,2003)、Claus扩展式(van Asperen等,2004)、Tyrer-Cuzick模型(Tyrer等,2004)、曼彻斯特评分系统(Evans等,2004)等。
例如,临床风险评估程序是Gail模型。可以使用这样的程序来估计人类女性受试者的5年风险或终生风险。Gail模型是一种形成乳腺癌风险评估工具的基础的统计模型,以NCI癌症流行病学和遗传学部生物统计分部高级研究员Mitchell Gail博士命名。该模型使用妇女自己的个人医疗史(先前乳腺活组织检查的数目和任何先前的乳腺活组织检查标本中非典型增生的存在)、她自己的生殖史(月经期开始的年龄和第一次活产小孩时的年龄)和她的一级亲属(母亲、姐妹、女儿)的乳腺癌医疗史以估计她在特定时期内发展浸润性乳腺癌的风险。使用来自乳腺癌检测示范项目(Breast Cancer Detection DemonstrationProject;BCDDP)以及来自NCI监测、流行病学和最终结果(SEER)程序的数据来开发模型,乳腺癌检测示范项目是一项联合的NCI和美国癌症协会乳腺癌筛查研究,涉及28万35至74岁的妇女。对非洲裔美国妇女的估计基于来自妇女避孕和生殖经验(Women's Contraceptiveand Reproductive Experiences;CARE)研究和来自SEER数据的数据。CARE参与者包括1,607位患有浸润性乳腺癌的妇女和1,637位未患浸润性乳腺癌的妇女。
已经在大的白人妇女群体中对Gail模型进行了测试,并且已示出提供对乳腺癌风险的准确估计。换句话说,该模型已被白人妇女“验证”。它也经过了针对非洲裔美国妇女的妇女健康倡议的数据测试,该模型执行良好,但可能低估了先前活组织检查的非洲裔美国妇女的风险。该模型也得到了西班牙人妇女、亚洲裔美国妇女和美国原住民妇女的验证。
在另一个实例中,临床风险评估程序是Tyrer-Cuzick模型。Tyrer-Cuzick模型包含了遗传因素和非遗传因素两者(Tyrer等,2004)。尽管如此,认为Tyrer-Cuzick模型与本公开中概述的遗传风险评估分开。Tyrer-Cuzick采用三代血统来估计个体携带BRCA1/BRCA2突变或假设的低外显率基因的可能性。此外,该模型还包括个人风险因素,例如经产数、体重指数、身高及月经期、绝经期、HRT使用和首次活产年龄。
在另一实例中,临床风险评估程序是BOADICEA模型。使用分离分析设计了BOADICEA模型,其中易感性由BRCA1和BRCA2的突变以及反映多个基因的乘法效应的多基因组成来解释,其独立地对乳腺癌风险具有较小的影响(Antoniou等,2002和2004)。该算法允许预测BRCA1/BRCA2突变概率和具有乳腺癌家族史个体的癌症风险估计。
在另一个实例中,临床风险评估程序是BRCAPRO模型。BRCAPRO模型是一种Bayesian模型,其结合已公开的BRCA1和BRCA2突变频率。突变携带者的癌症外显率、癌症状况(受影响、未受影响、未知)和患者一级和二级亲属的年龄(Parmigiani等,1998)。该算法允许预测BRCA1/BRCA2突变概率和具有乳腺癌家族史个体的癌症风险估计。
在另一个实例中,临床风险评估程序是Claus模型。Claus模型提供了对发展乳腺癌遗传风险的评估。该模型是使用来自癌症和类固醇激素研究的数据开发的。该模型最初只包括关于乳腺癌家族史的数据(Claus等,1991),但后来被更新为包括关于卵巢癌家族史的数据(Claus等,1993)。实际上,终生风险估计通常来自所谓的Claus表(Claus等,1994)。对该模型进行进一步改良以并入关于双侧疾病、卵巢癌和三个或更多受影响亲属的信息,并称为“Claus扩展模型”(van Asperen等,2004)。
遗传风险评估
一方面,本公开的方法涉及通过进行遗传风险评估来评估女性受试者发展乳腺癌的风险。另一方面,这些方法还可以并入临床风险评估以提供发展乳腺癌的综合风险。
通过分析受试者与乳腺癌相关的单核苷酸多态性的72个或更多基因座的基因型进行遗传风险评估。如技术人员将理解的,增加发展乳腺癌风险的每个SNP具有大于1.0、更优选大于1.02的与乳腺癌相关的让步比。这样的SNP的实例包括但不限于表6至11中提供的那些,或与其中一个或多个连锁不平衡的单核苷酸多态性。
技术人员将会理解,降低发展乳腺癌风险的每个SNP具有小于1.0的与乳腺癌相关的让步比。在一个实施方案中,该让步比小于0.98。
在一个实施方案中,当进行本公开的方法时,至少67个单核苷酸多态性选自表7或与其中一个或多个连锁不平衡的单核苷酸多态性,且其余单核苷酸多态性选自表6,或与其中一个或多个连锁不平衡的单核苷酸多态性。在另一个实施方案中,当进行本公开的方法时,至少68个、至少69个、至少70个单核苷酸多态性选自表7或与其中一个或多个连锁不平衡中的单核苷酸多态性,且其余单核苷酸多态性选自表6或与其中一个或多个连锁不平衡的单核苷酸多态性。
本领域技术人员容易鉴定与本文具体提及的那些连锁不平衡的SNP。这样的SNP的实例包括与rs2981582强连锁不平衡的rs1219648和rs2420946(表1中提供的其它可能的实例)、与SNP rs3803662强连锁不平衡的rs12443621和rs8051542(表2中提供的其它可能的实例)、及与SNP rs4415084强连锁不平衡的rs10941679(表3中提供的其它可能的实施例)。此外,表4中提供了与rs13387042连锁不平衡中的SNP的实例。表6中列出的其它SNP的这样的连锁多态性可以由技术人员使用HAPMAP数据库非常容易地鉴定。
在一个实施方案中,对表6所示的至少72、至少73、至少74、至少75、至少76、至少78、至少79、至少80、至少81、至少82、至少83、至少84、至少85、至少86、至少87、至少88个单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性进行了评估。在另一些实施方案中,表7所示的至少67个、至少68个、至少69个、至少70个或与其中一个或多个连锁不平衡的单核苷酸多态性进行了评估。
在另一些实施方案中,对至少70、至少71、至少72、至少73、至少74、至少75、至少76、至少78、至少79、至少80、至少81、至少82、至少83、至少84、至少85、至少86、至少87、至少88个单核苷酸多态性进行了评估,其中对表7所示的至少67、至少68、至少69、至少70或与其中一个或多个连锁不平衡的单核苷酸多态性进行评估,其中任何其余SNP选自表6或与其中一个或多个连锁不平衡的单核苷酸多态性。
表1.SNP rs2981582的替代标志物。选择针对rs2981582的在标志物侧翼的1Mbp间隔内的HAPMAP数据集(http://hapmap.ncbi.nlm.nih.gov)中r2大于0.05的标志物。示出相关SNP的名称、rs2981582的r2和D'值及相应的LOD值,以及NCB Build 36中替代标志物的位置。
表2.SNP rs3803662的替代标志物。选择针对rs3803662的在标志物侧翼的1Mbp间隔内的HAPMAP数据集中的r2大于0.05的标志物(http://hapmap.ncbi.nlm.nih.gov)。示出相关SNP的名称、rs3803662的r2和D'值及相应的LOD值,以及NCB Build 36中替代标志物的位置。
表3.SNP rs4415084的替代标志物。选择针对rs4415084的在标志物侧翼的1Mbp间隔内的HAPMAP数据集(http://hapmap.ncbi.nlm.nih.gov)中r2大于0.05的标志物。所示为相关SNP的名称、rs4415084的r2和D'值及相应的LOD值,以及NCB Build 36中替代标志物的位置。
表4.SNP rs13387042的替代标志物。选择针对rs13387042的位于标志物侧翼的1Mbp间隔内的HAPMAP数据集(http://hapmap.ncbi.nlm.nih.gov)中r2大于0.05的标志物。示出相关SNP的名称、rs13387042的r2和D'的值以及相应的LOD值,以及NCB Build 36中替代标志物的位置。
在一个实施方案中,本公开的方法包括评估表6中所示的所有SNP或与其中一个或多个连锁不平衡的单核苷酸多态性。
表6和表7列举了重叠的SNP。应当理解,当选择用于评估的SNP时,相同的SNP将不被选择两次。为方便起见,表6中的SNP已经分成表7和8。表7列出了白种人、非洲裔美国人和西班牙人群体共有的SNP。表8列出了白种人、非裔美国人和西班牙人群体不共有的SNP。
在另一个实施方案中,对72至88、73至87、74至86、75至85、76至87、75至86、76至85、77至84、78至83、79至82、80至81个单核苷酸多态性进行了评估,其中对表7所示的至少60、至少61、至少62、至少63、至少64、至少65、至少66、至少67、至少68、至少69、至少70个SNP或与其中一个或多个连锁不平衡的单核苷酸多态性进行了评估,其中任何其余SNP选自表6或与其中一个或多个连锁不平衡的单核苷酸多态性。
在一个实施方案中,所评估的SNP的数目基于使用净重新分类指数(NRI)计算的风险预测的净重新分类改进(Pencina等,2008)。
在一个实施方案中,本公开的方法的净重新分类改进大于0.01。
在另一个实施方案中,本公开的方法的净重新分类改进大于0.05。
在另一个实施方案中,本公开的方法的净重新分类改进大于0.1。
计算复合SNP相对风险“SNP风险”
个体的复合SNP相对风险评分(“SNP风险”)可以定义为评估的每个SNP的基因型相对风险值的乘积。然后可以使用对数加和风险模型来定义在罕见疾病模型的情况下具有相对危险度值为1、OR和OR2的单个SNP的三种基因型AA、AB和BB,其中OR为针对高风险等位基因B相对于低风险等位基因A的先前报道的疾病让步比。如果等位基因B频率为(p),那么这些基因型的群体频率为(1-p)2、2p(1-p)和p2,假设Hardy-Weinberg平衡。然后可以对每个SNP的基因型相对风险值进行按比例调整,以便根据这些频率,群体中的平均相对风险为1。具体来说,假设未按比例调整的群体平均相对风险:
(μ)=(1-p)2+2p(1-p)OR+p2OR2
调整后的风险值1/μ、OR/μ和OR2/μ用于AA、AB和BB基因型。丢失的基因型被分配相对风险为1。
可以对非SNP多态性进行类似的计算。
综合临床评估×遗传风险评分
将临床风险评估与遗传风险评估相结合,以获得人类女性受试者发展乳腺癌的“风险”,可以使用以下公式:
[风险(即临床评价×SNP风险)]=[临床评价风险]×SNP1×SNP2×SNP3×SNP4×SNP5×SNP6×SNP7,×SNP8,…×SNP72等。
该实例涉及多态性是SNP时,但类似的程序可用于非SNP多态性。
当临床评价是临床评价提供的风险评分,而SNP1至SNP72是各个SNP的相对风险评分时,各自按比例调整至具有如上所述的群体平均数为1。由于SNP风险评分已被“集中”为群体平均风险为1,如果假设SNP之间独立,则综合评分的所有基因型的群体平均风险与潜在的临床评价风险估计一致。
在一个实施方案中,通过[临床评估5年风险]×SNP1×SNP2×SNP3×SNP4×SNP5×SNP6×SNP7,×SNP8,...×SNP72等计算人类女性受试者发展乳腺癌的风险。
在另一个实施方案中,通过[临床评价风险]×SNP1×SNP2×SNP3×SNP4×SNP5×SNP6×SNP7,×SNP8,...×SNP72等计算人类女性受试者发展乳腺癌的风险。
在另一个实施方案中,通过[临床评估终生风险]×SNP1×SNP2×SNP3×SNP4×SNP5×SNP6×SNP7,×SNP8,...×SNP72等来计算人类女性受试者发展乳腺癌的风险。
在一个实施方案中,使用Gail模型进行临床评价以提供Gail风险评分。在该实施方案中,风险(即,综合5年Gail×SNP风险)得分由以下提供:
[风险(即Gail 5年风险×SNP风险)]=[Gail 5年风险]×SNP1×SNP2×SNP3×SNP4×SNP5×SNP6×SNP7,×SNP8,...×SNP72等。
在一个实施方案中,使用风险[Gail 5年风险×SNP风险]来确定是否应向受试者提供雌激素受体疗法以降低受试者的风险。在该实施方案中,风险的阈值水平优选为(5年风险的GAIL指数>1.66%)。
在另一个实施方案中,通过综合Gail终生风险×SNP风险确定风险评分,由以下提供:
[风险(即终生风险×SNP风险)]=[Gail终生风险]×SNP1×SNP2×SNP3×SNP4×SNP5×SNP6×SNP7,×SNP8,...×SNP72等。
在另一实施方案中,使用风险[Gail终生风险×SNP风险]来确定受试者是否应纳入筛查乳腺MRIC和乳房X线照相程序。在该实施方案中,阈值水平优选地大于约(20%终生风险)。
在一个实施方案中,本公开的方法包括将临床风险评估与遗传风险评估相结合以获得人类女性受试者发展乳腺癌的风险。
设想可以根据需要将人类女性受试者发展乳腺癌的“风险”提供为相对风险(或风险比)或绝对风险。
在一个实施方案中,将临床风险评估与遗传风险评估相结合以获得人类女性受试者发展乳腺癌的“相对风险”。相对风险(或风险比),测量为具有特定特征(或暴露)的个体的疾病发生率除以没有特征的个体的疾病发生率,表明该特定暴露是否增加或降低风险。相对风险有助于鉴定与疾病相关的特征,但本身并不特别有助于指导筛查决策,因为风险的频率(发生率)被抵消。
在另一个实施方案中,将临床风险评估与遗传风险评估相结合,以获得人类女性受试者发展乳腺癌的“绝对风险”。绝对风险是人类女性受试者在特定时期(例如5、10、15、20或更多年)内发展乳腺癌的数值概率。它反映了人类女性受试者发展乳腺癌的风险,因为它不考虑孤立的各种风险因素。
治疗
在进行本公开的方法之后,可以向受试者处以或施用治疗。
本领域技术人员将理解,乳腺癌是具有不同临床结果的异质性疾病(Sorlie等,2001)。例如,本领域中已经讨论了乳腺癌可能是雌激素受体阳性或雌激素受体阴性。
在一个实施方案中,不设想将本公开的方法限于评估发展特定类型或亚型乳腺癌的风险。例如,设想本公开的方法可用于评估发展雌激素受体阳性或雌激素受体阴性乳腺癌的风险。
在另一个实施方案中,本公开的方法用于评估发展雌激素受体阳性乳腺癌的风险。
在另一个实施方案中,本公开的方法用于评估发展雌激素受体阴性乳腺癌的风险。
在另一个实施方案中,本公开的方法用于评估发展转移性乳腺癌的风险。
在一个实例中,向受试者处以或施用抑制雌激素的疗法。
在另一个实例中,向受试者处以或施用化学预防剂。
目前主要有两类用于乳腺癌化学预防的药物:
(1)选择性雌激素受体调节剂(SERM),其阻断雌激素分子与其缔合细胞受体结合。这类药物包括例如他莫昔芬和雷洛昔芬。
(2)芳香酶抑制剂,其通过芳香酶酶抑制雄激素转化成雌激素,减少雌激素的产生。这类药物包括例如依西美坦、来曲唑、阿那曲唑、伏氯唑、凡士林、法倔唑。
在一个实例中,向受试者处以或施用SERM或芳香酶抑制剂。
在一个实例中,向受试者处以或施用他莫昔芬、雷洛昔芬、依西美坦、来曲唑、阿那曲唑、伏氯唑、凡士林或法倔唑。
在一个实施方案中,本公开的方法用于评估人类女性受试者发展乳腺癌的风险并施用适于发展乳腺癌风险的治疗。例如,当进行本公开的方法指示乳腺癌的高风险时,可以建立浸润性化学预防治疗方案。相比之下,当进行本公开的方法指示乳腺癌的中度风险时,可以建立不那么具有浸润性的化学预防治疗方案。或者,当进行本公开的方法指示乳腺癌的风险低时,不需要建立化学预防治疗方案。设想本公开的方法可以随时间进行,使得可以根据受试者发展乳腺癌的风险来改进治疗方案。
标志物检测策略
在本公开中可以使用用于扩增标志物(例如,标志物基因座)的扩增引物和用于检测这样的标志物或者相对于多个标志物等位基因对样品进行基因分型的合适的探针。例如,长程PCR的引物选择描述于US 10/042,406和US 10/236,480中;对于短程PCR,US 10/341,832提供了关于引物选择的指导。此外,还有可用于引物设计的公开程序例如“Oligo”。利用这样的可用的引物选择和设计软件,可公开获得的人类基因组序列和多态性位置,技术人员可以构建引物来扩增SNP以实施本公开。此外,应当理解,用于检测包含SNP的核酸的精确探针(例如,包含SNP的扩增子)可以变化,例如可以鉴定要检测的标志物扩增子区域的任何探针可以结合本公开使用。此外,检测探针的配置当然可以变化。因此,本公开不限于本文所述的序列。
实际上,应当理解,标志物检测不要求扩增,例如可以简单地通过对基因组DNA样品进行Southern印迹来直接检测未扩增的基因组DNA。
通常,通过本领域可获得的任何已建立的方法检测分子标志物,包括但不限于等位基因特异性杂交(ASH)、单核苷酸延伸检测、阵列杂交(任选地包括ASH)或用于检测单核苷酸多态性(SNP)的其它方法、扩增片段长度多态性(AFLP)检测、扩增可变序列检测、随机扩增多态性DNA(RAPD)检测、限制性片段长度多态性(RFLP)检测、自我维持序列复制检测、简单序列重复(SSR)检测和单链构象多态性(SSCP)检测。
可用于扩增包含与乳腺癌相关的SNP的核酸的寡核苷酸引物的实例在表5中提供。如本领域技术人员将理解的,这些寡核苷酸杂交的基因组区的序列可用于设计在5'和/或3'端更长的引物,可能在5'和/或3'处更短(只要截短的形式仍可用于扩增即可),其具有一个或几个核苷酸差异(但是仍然可以用于扩增),或者与所提供的那些不具有序列相似性,但是基于接近特异性提供的寡核苷酸杂交的基因组序列设计,并且仍然可以用于扩增。
表5.可用于本公开的寡核苷酸引物的实例。
名称 | 序列 |
rs889312_for | TATGGGAAGGAGTCGTTGAG(SEQ ID NO:1) |
rs6504950_for | CTGAATCACTCCTTGCCAAC(SEQ ID NO:2) |
rs4973768_for | CAAAATGATCTGACTACTCC(SEQ ID NO:3) |
rs4415084_for | TGACCAGTGCTGTATGTATC(SEQ ID NO:4) |
rs3817198_for | TCTCACCTGATACCAGATTC(SEQ ID NO:5) |
rs3803662_for | TCTCTCCTTAATGCCTCTAT(SEQ ID NO:6) |
rs2981582_for | ACTGCTGCGGGTTCCTAAAG(SEQ ID NO:7) |
rs13387042_for | GGAAGATTCGATTCAACAAGG(SEQ ID NO:8) |
rs13281615_for | GGTAACTATGAATCTCATC(SEQ ID NO:9) |
rs11249433_for | AAAAAGCAGAGAAAGCAGGG(SEQ ID NO:10) |
rs889312_rev | AGATGATCTCTGAGATGCCC(SEQ ID NO:11) |
rs6504950_rev | CCAGGGTTTGTCTACCAAAG(SEQ ID NO:12) |
rs4973768_rev | AATCACTTAAAACAAGCAG(SEQ ID NO:13) |
rs4415084_rev | CACATACCTCTACCTCTAGC(SEQ ID NO:14) |
rs3817198_rev | TTCCCTAGTGGAGCAGTGG(SEQ ID NO:15) |
rs3803662_rev | CTTTCTTCGCAAATGGGTGG(SEQ ID NO:16) |
rs2981582_rev | GCACTCATCGCCACTTAATG(SEQ ID NO:17) |
rs13387042_rev | GAACAGCTAAACCAGAACAG(SEQ ID NO:18) |
rs13281615_rev | ATCACTCTTATTTCTCCCCC(SEQ ID NO:19) |
rs11249433_rev | TGAGTCACTGTGCTAAGGAG(SEQ ID NO:20) |
在一些实施方案中,本公开的引物被放射性标志物标记,或通过任何合适的方法(例如,使用非放射性荧光标签)标记,以允许在扩增反应后快速可视化不同大小的扩增子,而无需任何另外的标记步骤或可视化步骤。在一些实施方案中,引物未被标记,并且扩增子在其大小分辨(size resolution)之后可视化,例如在琼脂糖或丙烯酰胺凝胶电泳之后。在一些实施方案中,尺寸分辨后的PCR扩增子的溴化乙锭染色允许不同大小的扩增子的可视化。
本公开的引物并不旨在限于产生任何特定大小的扩增子。例如,用于扩增本文的标志物基因座和等位基因的引物不限于扩增相关基因座或其任何子区域的整个区域。引物可以产生用于检测的任何合适长度的扩增子。在一些实施方案中,标志物扩增产生长度为至少20个核苷酸或者长度为至少50个核苷酸、或者长度为至少100个核苷酸或长度为至少200个核苷酸的扩增子。可以使用本文所述的各种技术来检测任何尺寸的扩增子。基本组成或大小的差异可以通过常规方法(例如,电泳)来检测。
用于检测遗传标志物的一些技术利用探针核酸与对应于遗传标志物的核酸(例如,使用基因组DNA作为模板产生的扩增的核酸)进行杂交。杂交形式包括但不限于:溶液相、固相、混合相或原位杂交测定可用于等位基因检测。核酸杂交的详细指导见于Tijssen(1993)Laboratory Techniques in Biochemistry and Molecular Biology--Hybridization with Nucleic Acid Probes Elsevier,New York,以及Samb rook等(同上)。
根据本公开,也可以使用双标记荧光寡核苷酸探针(通常称为“TaqManTM”探针)进行PCR检测。这些探针由用两种不同荧光染料标记的短(例如,20-25个碱基)寡脱氧核苷酸组成。每个探针的5'末端是报道染料,在每个探针的3'末端发现淬灭染料。寡核苷酸探针序列与存在于PCR扩增子中的内部靶序列互补。当探针完好无损时,能量转移发生在两个荧光团之间,来自报道分子的发射通过FRET由猝灭剂淬灭。在PCR的延伸阶段,探针被反应中使用的聚合酶的5'核酸酶活性切割,从而从寡核苷酸猝灭剂释放报道分子并产生报道分子发射强度的增加。因此,TaqManTM探针是具有标记和猝灭剂的寡核苷酸,其中通过用于扩增的聚合酶的外切核酸酶作用在扩增期间释放标记。这提供了合成期间扩增的实时测量。各种TaqManTM试剂可商购,例如购自Applied Biosystems(加利福尼亚州福斯特市的总部)以及购自各专业生产商例如Biosearch Technologies(例如,黑洞淬灭剂探针)。关于双标记探针策略的进一步细节可以在例如WO 92/02638中找到。
其他类似方法包括例如两个相邻杂交探针之间的荧光共振能量转移,例如使用US6,174,670中描述的形式。
基于阵列的检测可以使用可商购的阵列进行,例如来自Affymetrix(SantaClara,Calif)或其他制造商。关于核酸阵列的操作的评论包括Sapolsky等(1999);Lockhart(1998);Fodor(1997a);Fodor(1997b)和Chee等(1996)。由于基于阵列的检测具有固有的高通量性质,基于阵列的检测是样品中公开内容的鉴定标志物的一种优选方法。
待分析的核酸样品被分离、扩增,并且通常用生物素和/或荧光报道基团标记。然后使用流控平台和杂交烘箱将标记的核酸样品与阵列一起孵育。根据检测方法,可以对阵列进行洗涤和/或染色或反染色。杂交、洗涤和染色后,将阵列插入到扫描仪中,其中检测到杂交模式。从已经掺入标记的核酸的荧光报道基团发射的光中收集杂交数据,其现在与探针阵列结合。与标记的核酸最明显匹配的探针产生比具有不匹配的信号更强的信号。由于阵列上每个探针的序列和位置是已知的,通过互补性可以鉴定应用于探针阵列的核酸样品的性质(identity)。
关联标志物与表型
这些关联可以通过能够鉴定等位基因与表型之间的关系或等位基因的组合与表型的组合的任何方法来进行。例如,本文定义的基因或基因座中的等位基因可以与一种或多种乳腺癌表型相关。最通常地,这些方法涉及参考包括多态性的等位基因与表型之间的相关性的查找表。该表可以包括多个等位基因-表型关系的数据,并且可以考虑多个等位基因-表型关系的加和或其他更高阶的影响,例如通过使用诸如主成分分析、启发式算法等的统计工具。
标志物与表型的关联任选地包括进行一个或多个统计学测试以关联。许多统计学测试是已知的,大多数是计算机实现的,以便于分析。确定表型性状和生物标志物之间的关联/相关性的各种统计方法是已知的,并且可以应用于本公开。Hartl(1981)A Primer ofPopulation Genetics Washington University,Saint Louis Sinauer Associates,Inc.Sunderland,Mass.ISBN:0-087893-271-2。在Lynch和Walsh(1998)Genetics andAnalysis of Quantitative Traits,Sinauer Associates,Inc.Sunderland Mass.ISBN0-87893-481-2中描述了各种适当的统计模型。例如,这些模型可以提供基因型和表型值之间的相关性、表征基因座对表型的影响、整理环境和基因型之间的关系、确定基因的优势或外显率、确定母体和其他表观遗传效应、确定分析中的主要组件(通过主成分分析或“PCA”)等。这些文本献中引用的参考文献提供了关于标志物和表型相关性的统计模型的更多细节。
除了用于确定相关性的标准统计方法之外,可以使用通过模式识别和训练确定相关性的其他方法,例如遗传算法的使用,以确定标志物和表型之间的相关性。当鉴定多个等位基因与多个表型之间的高阶相关性时,这特别有用。为了说明,神经网络方法可以连接到遗传算法类型编程,用于启发式开发结构函数数据空间模型,其确定遗传信息与表型结果之间的相关性。
在任何情况下,基本上任何统计测试都可以应用在计算机实现模型中,通过标准编程方法,或者使用进行这样的统计分析的各种“现成”软件包中的任何一种,包括例如上述那些例如,可以从Partek Incorporated(St.Peters,Mo.;www.partek.com)购买,例如提供用于模式识别的软件(例如,提供了Partek Pro 2000模式识别软件的)。
关于关联研究的其他细节可以在US 10/106,097、US 10/042,819、US 10/286,417、US 10/768,788、US 10/447,685、US 10/970,761和US 7,127,355中找到。
用于进行上述关联的系统也是本公开的特征。通常,该系统将包括将等位基因的存在或不存在(无论是直接检测或例如通过表达水平)与预测表型相关联的系统说明。
任选地,系统说明还可以包括接受与任何检测到的等位基因信息相关联的诊断信息的软件,例如具有相关等位基因的受试者具有特定表型的诊断。该软件本质上可以是启发式的,使用这样的输入关联来提高查询表的精确度和/或系统对查找表的解释。上文描述了各种这样的方法,包括神经网络、马尔科夫模型和其他统计分析。
多态性图谱分析
本公开提供了确定本公开(表6)中概述的SNP或与其中一个或多个连锁不平衡的SNP处的个体的多态性图谱分析的方法。
多态性图谱构成占据个体各种多态性位点的多态性。在二倍体基因组中,两个彼此相同或不同的多态性形式通常占据每个多态性位点。因此,位置X和Y处的多态性图谱可以以X(x1,x1)和Y(y1,y2)的形式表示,其中x1,x1表示等位基因x1占据位点X和y1的两个拷贝,y2表示占据位点Y的杂合等位基因。
可以通过与在每个位点处发生的对乳腺癌的抗性或易感性相关的多态性形式进行比较来评估个体的多态性图谱。该比较可以在至少例如1、2、5、10、25、50或全部多态性位点,以及任选地其它与它们连锁不平衡的情况下进行。多态性位点可以与其他多态性位点结合进行分析。
多态性图谱分析例如在选择试剂以影响给定个体中乳腺癌的治疗或预防方面有用。具有相似多态性的个体可能以类似的方式响应于药剂。
多态性图谱分析也可用于被测试在治疗乳腺癌或相关病症能力的药剂的临床试验中对个体进行分层。对具有相似或相同多态性图谱的经治疗群体或对照群体进行这样的试验(参见EP 99965095.5),例如,指示个体具有增加的发展乳腺癌的风险的多态性图谱。遗传匹配的群体的使用消除或减少由于遗传因素导致的治疗结果的变化,从而更准确地评估潜在药物的功效。
多态性图谱也可用于从临床试验中排除不具有乳腺癌倾向的个体。在试验中包括这样的个体增加了获得统计学显着结果所需群体的大小。可以通过如上所述确定多态性图谱中的抗性和易感性等位基因的数目来鉴定不具有乳腺癌倾向的个体。例如,如果针对受试者在10个与乳腺癌相关的公开基因中的10个位点进行基因分型,则总共确定了20个等位基因。如果超过50%、或者超过60%或75%的这些是抗性基因,个体不太可能发展乳腺癌,并且可以从试验中排除。
在另一些实施方案中,可以使用多态性图谱分析与其他分层方法结合来实现对临床试验中的个体进行分层,所述分层方法包括但不限于家族史、风险模型(例如,Gail评分、Claus模型)、临床表型(例如,非典型病变、乳腺密度)和特异性候选物标志物。
计算机实现方法
设想本公开的方法可以通过诸如计算机实现方法的系统来实现。例如,该系统可以是包括一个或多个处理器的计算机系统,其可以连接到存储器一起操作(为了方便起见而被称为“处理器”)。存储器可以是非暂时的计算机可读介质,例如硬盘驱动器、固态盘或CD-ROM。软件,即可执行指令或程序代码,例如分组到代码模块中的程序代码,可以存储在存储器中,并且可以在处理器执行时使计算机系统执行诸如确定任务以帮助用户确定人类女性受试者发展乳腺癌的风险的功能;接收表示发展乳腺癌的女性受试者的临床风险和遗传风险的数据,其中所述遗传风险是通过在源自所述女性受试者的生物样品中检测至少72个与乳腺癌相关的单核苷酸多态性得出的,其中至少67个单核苷酸多态性选自表7,或与其中一个或多个连锁不平衡的单核苷酸多态性,且其余单核苷酸多态性选自表6,或与其中一个或多个连锁不平衡的单核苷酸多态性;处理数据以将临床风险与遗传风险评估相结合从而获得人类女性受试者发展乳腺癌的风险;输出发展乳腺癌的人类女性受试者的风险。
例如,存储器可以包括程序代码,当由处理器执行程序代码时,系统确定至少72个与乳腺癌相关的单核苷酸多态性,其中至少67个单核苷酸多态性选自表7,或与其中一个或多个连锁不平衡的单核苷酸多态性,且其余单核苷酸多态性选自表6,或与其中一个或多个连接不平衡的单核苷酸多态性,或接收指示与乳腺癌相关的至少72个单核苷酸多态性的数据,其中至少67个单核苷酸多态性选自表7,或与其中一个或多个连接不平衡的单核苷酸多态性,且其余单核苷酸多态性选自表6,或与其中一个或多个连锁不平衡的单核苷酸多态性;处理数据将临床风险与遗传风险评估相结合以获得人类女性受试者发展乳腺癌的风险;报道人类女性受试者发展乳腺癌的风险。
在另一个实施方案中,系统可以连接到用户界面,以使得系统能够从用户接收信息和/或输出或显示信息。例如,用户界面可以包括图形用户界面、语音用户界面或触摸屏。
在一个实施方案中,程序代码可以使系统确定“SNP风险”。
在一个实施方案中,程序代码可以使系统确定综合临床评估×遗传风险(例如SNP风险)。
在一个实施方案中,系统可以被配置为通过诸如无线通信网络的通信网络与至少一个远程设备或服务器进行通信。例如,系统可以被配置为通过通信网络从设备或服务器接收信息,并且通过通信网络将信息发送到相同或不同的设备或服务器。在另一些实施方案中,系统可以与直接用户交互隔离。
在另一个实施方案中,进行本公开的方法来评估人类女性受试者发展乳腺癌的风险,使得能够基于女性受试者发展乳腺癌的临床风险和遗传风险建立诊断或预后规则。例如,诊断或预后规则可以基于综合临床评估×SNP风险评分相对于风险的对照、标准或阈值水平。
在一个实施方案中,风险的阈值水平是美国癌症协会(ACS)指南针对筛查乳腺MRIC和乳房X线照相术推荐的水平。在该实例中,阈值水平优选地大于约(20%终生风险)。
在另一个实施方案中,风险的阈值水平是美国临床肿瘤学会(ASCO)推荐的用于提供雌激素受体疗法以降低受试者风险的水平。在该实施方案中,风险的阈值水平优选为(5年风险的GAIL指数>1.66%)。
在另一个实施方案中,诊断或预测规则基于统计和机器学习算法的应用。这种算法使用SNP群体与训练数据(已知疾病状态)观察到的疾病状态之间的关系来推断关系,然后用这些关系确定在具有未知风险的受试者中人类女性受试者发展乳腺癌的风险。使用一种提供人类女性受试者发展乳腺癌的风险的算法。该算法进行多变量或单变量分析功能。
试剂盒和产品
在一个实施方案中,本发明提供了一种试剂盒,其包含至少72组用于扩增72个或更多个核酸的引物,其中所述72个或更多个核酸包含选自表6的单核苷酸多态性或与其中一个或多个连锁不平衡中的单核苷酸多态性。
在一个实施方案中,至少67、至少68、至少69、至少70组引物扩增包含选自表7的单核苷酸多态性的核酸或与其连锁不平衡的单核苷酸多态性。
适用于本发明试剂盒的引物的实例在表5中提供。
然而,如本领域技术人员将理解的,一旦鉴定出SNP,就可以常规地设计引物来扩增SNP。各种软件程序是免费提供的,可以提出适用于扩增目标SNP的引物。
同样,本领域技术人员将会知晓,PCR引物对的PCR引物可以设计成从人DNA特异性扩增目的区域。在本公开的上下文中,感兴趣的区域包含将被基因分型的单碱基变异(例如,单核苷酸多态性,SNP)。PCR引物对的每个PCR引物可以放置在与DNA序列变异的相对位点上的特定单碱基变异体相邻的位置。此外,可以设计PCR引物以避免其PCR引物结合位点中任何已知的DNA序列变异和重复的DNA序列。
试剂盒还可以包含进行扩增反应所需的其它试剂,例如缓冲液、核苷酸和/或聚合酶,以及用于从样品中提取核酸的试剂。
由于基于阵列的检测的固有的高通量性质,基于阵列的检测是评估样品中公开内容的SNP的一种优选方法。
已经在文献中描述了各种探针阵列,并且可以在本公开的上下文中用于检测可与乳腺癌相关的SNP。例如,在本公开的一个实施方案中使用DNA探针阵列芯片。由DNA探针组识别样品DNA通过DNA杂交发生。当DNA样品与DNA探针阵列杂交时,样品结合于与样品DNA序列互补的那些探针。通过评价个体的样品DNA对哪个探针更强烈地杂交,可以确定样品中是否存在已知的核酸序列,从而确定核酸中发现的标记是否存在。
在一个实施方案中,本发明提供了包含至少72组用于与72个或更多个核酸杂交的探针的遗传阵列,其中所述72个或更多个核酸包含选自表6的单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性。
在一个实施方案中,至少67、至少68、至少69、至少70组探针与包含选自表7的单核苷酸多态性,或与其连锁不平衡的单核苷酸多态性的核酸杂交。
实施例
实施例1–指示乳腺癌风险的SNP
指示乳腺癌风险的SNP如表6所示。总共鉴定出88个SNP。77个SNP在白种人中具信息性,78个SNP在非洲裔美国人中具信息性,82个在西班牙裔人中具信息性。白种人、非洲裔美国人和西班牙人的70个SNP具信息性(由水平条纹图案表示;另见表7)。其余18个SNP(见表8)在白种人(由黑格子图案表示,另见表9)、非洲裔美国人(由向下的对角条纹图案表示,另见表10)和/或西班牙人(由网格图案表示,另见表11)具信息性。
表6.指示乳腺癌风险的SNP(n=88)
表7.白种人、非洲裔美国人和西班牙人群体中共有的SNP(n=70)
表8.白种人、非洲裔美国人和西班牙人群体中不共有的SNP(n=18)
图例
表9.白种人SNP(n=77)。等位基因表示为主要/次要(例如,rs616488A是常见的等位基因并且G不那么常见)。OR次要等位基因数低于1是指次要等位基因并非风险等位基因,而当大于1时,次要等位基因是风险等位基因。
表10.非洲裔美国人SNP(n=78)。等位基因表示为风险/参照(非风险)(例如rs616488是风险等位基因)。
表11.西班牙人SNP(n=82)。等位基因表示为主要/次要(例如,rs616488A是常见的等位基因,而G不那么常见)。OR次要等位基因低于1是指次要等位基因不是风险等位基因,而当高于1时,次要等位基因是风险等位基因。
实施例2-风险阈值
乳腺癌风险评估是重要的,因为它可以识别处于高风险中可能受益于目标筛查或预防措施(De la Cruz,2014;Advani and Morena-Aspitia,2014)的妇女。遗传和环境因素两者都被认为在乳腺癌的多因素易感性中起作用(Lichtenstein等,2000;Mahoney等,2008)。为了最佳地评估风险,两个成分一起考虑。目前,乳腺癌风险通常通过利用国家癌症研究所(NCI)乳腺癌风险评估工具(BCRAT)(通常称为“Gail模型”(Gail等,1989;Costantino等,1999;Rockhill等,2001)进行评估。BCRAT纳入了与个人历史相关的若干风险因素,并纳入了一些家族史信息。
目前的模型采用预约医师提供的信息来计算Gail评分,并将其与患者乳腺癌的常见遗传标志物结合起来,以产生整体终生(如图1所示)和5年患者风险(图2所示实例)乳腺癌评估。推荐接受适当的遗传或临床咨询来解释测试结果的意义。美国癌症协会(ACS)指南推荐对高风险(20%终生风险)的妇女筛查乳腺MRIC和乳房X线照相术。美国临床肿瘤学会(ASCO)建议高风险妇女(GAIL指数>5年风险为1.66%)可能会提供雌激素受体疗法以降低其风险。
目前的测试通过评估来自颊细胞样品的遗传信息提供了关于女性发展乳腺癌风险的更多重要信息。测试检测SNP。对这些不同遗传位点中至少有70个进行分析(基因分型),其中每一个已被显示出可重现性,以修改个体发展乳腺癌的几率。测试结合了组中所有SNP的信息,因为科学验证研究支持结合SNP风险的简单乘法模型(Mealiffe等,2010)。
实施例3-SNP风险评分与乳腺癌风险模型的结合
有几种流行的乳腺癌风险预测模型。这些包括BOADICEA(Antonio等,2008和2009)和BRCAPRO(Chen等,2004;Mazzola等,2014;Parmigianin等,1998),两者均基于乳腺癌和卵巢癌的谱系数据;Gail模型(BCRAT)(Costatino等,1999;Gail等,1989),其基于已建立的乳腺癌风险因素和以乳腺癌一级亲属数目所代表的家族史;和Tyrer-Cuzick模型(IBIS)(Tyrer等,2004),其结合关于乳腺癌的家族和个人风险因素的信息。在个人层面上,所有这些风险预测模型必须具有良好的歧视性准确性,以便能够提供临床有用的信息来帮助妇女根据特定情况进行筛查或预防。
本发明人测试了77个SNP组在白种人群体中提高Gail、Tyrer-Cuzick、BOADICEA和BRCAPRO模型的辨别精度的能力。
对于每个风险预测模型,计算浸润性乳腺癌的五年临床风险。对于BCRAT,根据模型的设计,风险预测仅限于35岁和更大年龄的妇女。假设独立于对数OR标度上的加和风险,使用公布的每个等位基因的让步比(OR)和风险等位基因频率(p)的估计值计算SNP风险评分。对于每个SNP,对于三种基因型,未按比例调整的群体平均风险计算为1/μ、OR/μ和OR2/μ。然后通过将77个SNP中的每一个的调整后的风险值相乘来计算SNP风险评分(Dite等,2013)。对于每个风险预测模型,通过将SNP风险评分乘以模型预测的五年风险来计算综合风险评分。通过计算接受者操作特征曲线(AUC)下的面积来测量辨别。
表12显示,对于四个风险预测模型中的每一个,综合风险评分比单独的风险评分给出更高的分辨力。
实施例4-风险的计算
该实施例是一个假设的情况,发明人假设除了妇女的种族外,所有因素保持不变。在该实施例中,三位妇女(一位白种人、一位非洲裔美国人和一位西班牙裔女性)具有以下特征-45岁,第一时期年龄为12岁,第一个小孩在26岁,没有乳腺癌一级亲属,没有任何积极的乳腺活组织检查。
表13概述了三名妇女的基因型,而表14则提供了风险计算的细节。
表12.接受者操作特征曲线(AUC)下方的面积和每个风险评分的95%置信区间(CI)。
风险算法 | AUC | (95%CI) |
Gail(BCRAT) | 0.64 | (0.60,0.68) |
Tyrer-Cuzick(IB IS) | 0.57 | (0.54,0.60) |
BOADJCEA | 0.66 | (0.63,0.70) |
BRCAPRO | 0.63 | (0.60,0.67) |
Gail x SNP | 0.66 | (0.62,0.70) |
Tyrer-Cuzick x SNP | 0.63 | (0.59,0.66) |
BOADICEA x SNP | 0.69 | (0.66,0.73) |
BRCAPRO x SNP | 0.68 | ((0.65,0.71) |
表13.来自三位不同种族的妇女的假设基因型分析和遗传风险的计算。
表14.使用来自表13的基因型评分进行风险计算。
当我们将基因型和临床风险(Gail评分)相乘在一起时,证明了基因型风险的影响。在上述情况下,白种人的5年风险提高到5.175%,并提供他莫昔芬化学预防。她的终生风险也提高到60.95%,并提供年度MRI筛查。
非洲裔美国人的基因型风险评分接近1,其风险仍然接近平均水平(5年风险=0.985,终生风险=10.14%)。
西班牙妇女的基因型风险为0.67(即这种基因型是保护性的),她随后的5年风险降低到0.40%,她的终生风险降至5.03%。
本领域技术人员将理解,在不脱离如广泛描述的本发明的精神或范围的情况下,可以对特定实施方案所示的本发明进行多种变化和/或修改。因此,本实施方案在所有方面都被认为是说明性的而不是限制性的。
本文所讨论和/或引用的所有出版物全部并入本文。
已经包括在本说明书中的文件、动作、材料、装置、物品等的任何讨论仅仅是为了提供本发明的上下文。不应被视为承认任何或所有这些事项构成现有技术基础的一部分,或者是在本申请的每个权利要求的优先权日之前存在与本发明相关的领域中的常见一般知识。
本申请要求2014年9月30日提交的AU 2014903898的优先权,其公开内容通过引用并入本文。
序列表
参考文献
Advani and Morena-Aspitia(2014)Breast Cancer:Targets&Therapy;6:59-71
Antoniou et al.(2004)Br J Cancer.91:1580-1590.
Antoniou et al.(2008)BrJ Cancer.98:1457-1466.
Antoniou et al.(2009)Hum Mol Genet 18:4442-4456.
American Cancer Society:(2013)Breast Cancer Facts&Figures 2013-1014.Atlanta(GA),American Cancer Society Inc,12.
Chee et al.(1996)Science 274:610-614.
Chen et al.(2004)Stat Appl Genet Mol Biol.3:Article 21.
Claus et al.(1991)Am J Hum Genet.48:232-242.
Claus et al.(1993)Breast Cancer Res Treat.28:115-120.
Claus et al.(1994)Cancer 73:643-651.
Costantino et al.(1999)J Natl Cancer Inst 91:1541-1548.
De la Cruz(2014)Prim Care Clin Office Pract;41:283-306.
Devlin and Risch(1995)Genomics.29:311-322.
Dite et al.(2013)Breast Cancer Res Treat.139:887-896.
Evans et al.(2004)J Med Genet.41:474-480.
Fodor(1997a)FASEB Journal 11:A879.
Fodor(1997b)Science 277:393-395.
Gail et al.(1989)J Natl Cancer Inst 81:1879-1886.
Gail et al.(1999)J Natl Cancer Inst 91:1829-1846.
Gail et al.(2007)J Natl Cancer Inst 99(23):1782-1792.
Lockhart(1998)Nature Medicine 4:1235-1236.
Mahoney et al.(2008)Cancer J Clin;58:347-371.
Mazzola et al.(2014)Cancer Epidemiol Biomarkers Prev.23:1689-1695.
Mealiffe et al.(2010)Natl Cancer Inst;102:1618-1627.
Parmigiani et al.(1998)Am J Hum Genet.62:145-158.
Parmigiani et al.(2007)Ann Intern Med.1479:441-450.
Pencina et al.(2008)Statistics in Medicine 27:157-172.
Rockhill et al.(2001)J Natl Cancer Inst 93(5):358-366.
Sapolsky et al.(1999)Genet Anal:Biomolec Engin 14:187-192.
Saslow ct al.(2007)CA Cancer J Clin.57:75-89.
Service(1998a)Science 282:396-399.
Service(1998b)Science 282:399-401.
Slatkin and Excoffier(1996)Heredity 76:377-383.
Sorlie et al.(2001)Proc.Natl.Acad.Sci.,98:10869-10874.
Tyrer et al.(2004)Stat Med.23:1111-1130.
van Asperen et al.(1999)Cancer Epidemiol Biomarkers Prcv.13:87-93.
Visvanathan et al.(2009)Journal of Clinical Oncology.27:3235-3258.
Zhang et al.(1999)Anal.Chem.71:1138-1145.
序列表
<110> 基因技术有限公司
<120> 用于评估发展乳腺癌风险的方法
<130> 518128
<160> 20
<170> PatentIn3.5版
<210> 1
<211> 20
<212> DNA
<213> 智人
<400> 1
tatgggaagg agtcgttgag 20
<210> 2
<211> 20
<212> DNA
<213> 智人
<400> 2
ctgaatcact ccttgccaac 20
<210> 3
<211> 20
<212> DNA
<213> 智人
<400> 3
caaaatgatc tgactactcc 20
<210> 4
<211> 20
<212> DNA
<213> 智人
<400> 4
tgaccagtgc tgtatgtatc 20
<210> 5
<211> 20
<212> DNA
<213> 智人
<400> 5
tctcacctga taccagattc 20
<210> 6
<211> 20
<212> DNA
<213> 智人
<400> 6
tctctcctta atgcctctat 20
<210> 7
<211> 20
<212> DNA
<213> 智人
<400> 7
actgctgcgg gttcctaaag 20
<210> 8
<211> 21
<212> DNA
<213> 智人
<400> 8
ggaagattcg attcaacaag g 21
<210> 9
<211> 19
<212> DNA
<213> 智人
<400> 9
ggtaactatg aatctcatc 19
<210> 10
<211> 20
<212> DNA
<213> 智人
<400> 10
aaaaagcaga gaaagcaggg 20
<210> 11
<211> 20
<212> DNA
<213> 智人
<400> 11
agatgatctc tgagatgccc 20
<210> 12
<211> 20
<212> DNA
<213> 智人
<400> 12
ccagggtttg tctaccaaag 20
<210> 13
<211> 19
<212> DNA
<213> 智人
<400> 13
aatcacttaa aacaagcag 19
<210> 14
<211> 20
<212> DNA
<213> 智人
<400> 14
cacatacctc tacctctagc 20
<210> 15
<211> 19
<212> DNA
<213> 智人
<400> 15
ttccctagtg gagcagtgg 19
<210> 16
<211> 20
<212> DNA
<213> 智人
<400> 16
ctttcttcgc aaatgggtgg 20
<210> 17
<211> 20
<212> DNA
<213> 智人
<400> 17
gcactcatcg ccacttaatg 20
<210> 18
<211> 20
<212> DNA
<213> 智人
<400> 18
gaacagctaa accagaacag 20
<210> 19
<211> 20
<212> DNA
<213> 智人
<400> 19
atcactctta tttctccccc 20
<210> 20
<211> 20
<212> DNA
<213> 智人
<400> 20
tgagtcactg tgctaaggag 20
Claims (39)
1.一种用于评估人类女性受试者发展乳腺癌风险的方法,其包括:
对所述女性受试者进行临床风险评估;
对所述女性受试者进行遗传风险评估,其中所述遗传风险评估涉及在源自所述女性受试者的生物样品中检测至少72个与乳腺癌相关的单核苷酸多态性,其中至少67个所述单核苷酸多态性选自表7,或与其中一个或多个连锁不平衡的单核苷酸多态性,且其余单核苷酸多态性选自表6,或与其中一个或多个连锁不平衡的单核苷酸多态性;和
将所述临床风险评估与所述遗传风险评估相结合,以获得人类女性受试者发展乳腺癌的风险。
2.根据权利要求1所述的方法,其中所述女性是白种人。
3.根据权利要求2所述的方法,其包括检测表9所示的至少72个单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性。
4.根据权利要求2所述的方法,其包括检测表9所示的至少77个单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性。
5.根据权利要求1所述的方法,其中所述女性为黑种人。
6.根据权利要求5所述的方法,其中所述女性是非洲裔美国人。
7.根据权利要求5或6所述的方法,其包括检测表10所示的至少74个单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性。
8.根据权利要求5或6所述的方法,其包括检测表10所示的至少78个单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性。
9.根据权利要求1所述的方法,其中所述女性是西班牙人。
10.根据权利要求9所述的方法,其包括检测表11所示的至少78个单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性。
11.根据权利要求9所述的方法,其包括检测表11所示的至少82个单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性。
12.根据权利要求1至11中任一项所述的方法,其中将所述临床风险评估与所述遗传风险评估相结合包括将所述风险评估相乘以提供所述风险评分。
13.根据权利要求1至12中任一项所述的方法,其中进行所述临床风险评估使用选自以下的模型:Gail模型、Claus模型、Claus表、BOADICEA、Jonker模型、Claus扩展式、Tyrer-Cuzick模型、BRCAPRO和曼彻斯特评分系统。
14.根据权利要求1至13中任一项所述的方法,其中进行所述临床风险评估包括从以下中的一个或多个获得所述女性的信息:乳腺癌、导管癌或小叶癌的医疗史、年龄,第一次月经期的年龄、她第一次生育的年龄、乳腺癌家族史、先前乳腺活组织检查的结果、乳腺密度和民族/种族。
15.根据权利要求13或权利要求14所述的方法,其中使用所述Gail模型获得所述临床风险评估。
16.根据权利要求15所述的方法,其中所述Gail模型提供Gail终生风险评分。
17.根据权利要求15所述的方法,其中所述Gail模型提供Gail 5年风险评分。
18.根据权利要求13或14所述的方法,其中使用所述Tyrer-Cuzick模型获得所述临床风险评估。
19.根据权利要求13或14所述的方法,其中使用所述BOADICEA模型获得所述临床风险评估。
20.根据权利要求13或14所述的方法,其中使用所述BRCAPRO模型获得所述临床风险评估。
21.根据权利要求1至20中任一项所述的方法,其中所述女性已经进行了乳腺活组织检查。
22.根据权利要求1至21中任一项所述的方法,其中所述临床风险评估的结果表明所述女性应进行更频繁的筛查和/或预防性抗乳腺癌疗法。
23.根据权利要求1至22中任一项所述的方法,其中如果确定所述受试者具有发展乳腺癌的风险,则所述受试者与非响应相比更可能对雌激素抑制疗法有响应。
24.根据权利要求1至23中任一项所述的方法,其中所述乳腺癌为雌激素受体阳性或雌激素受体阴性。
25.根据权利要求1至24中任一项所述的方法,其中所述连锁不平衡中的单核苷酸多态性具有超过0.9的连锁不平衡。
26.根据权利要求1至24中任一项所述的方法,其中所述连锁不平衡中的单核苷酸多态性具有为1的连锁不平衡。
27.一种试剂盒,其包含至少72组用于扩增72个或更多个核酸的引物,其中所述72个或更多个核酸包含单核苷酸多态性,其中至少67个所述引物组扩增包含选自表7的单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性的核酸,且其余引物组扩增包含选自表6的单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性的核酸。
28.一种遗传阵列,其包含至少72组用于与72个或更多个核酸杂交的探针,其中所述72个或更多个核酸包含单核苷酸多态性,其中至少67个所述探针与包含选自表7的单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性的核酸杂交,且其余探针与包含选自表6的单核苷酸多态性或与其中一个或多个连锁不平衡的单核苷酸多态性的核酸杂交。
29.一种用于确定人类女性受试者对乳腺癌的常规诊断测试的需要的方法,包括使用根据权利要求1至26中任一项所述的方法评估所述受试者发展乳腺癌的风险。
30.根据权利要求29所述的方法,其中大于约20%终生风险的风险评分表明所述受试者应纳入筛查乳腺MRIC和乳房X线照相程序。
31.一种在人类女性受试者中筛查乳腺癌的方法,所述方法包括使用根据权利要求1至26中任一项所述的方法评估所述受试者发展乳腺癌的风险,并且如果所述受试者被评估为具有发展乳腺癌的风险则常规地筛查她们的乳腺癌。
32.一种用于确定人类女性受试者对于预防性抗乳腺癌疗法的需要的方法,所述方法包括使用根据权利要求1至26中任一项所述的方法评估所述受试者发展乳腺癌的风险。
33.根据权利要求32所述的方法,其中大于约1.66%的5年风险的风险评分表明应向所述受试者提供雌激素受体疗法。
34.一种用于预防人类女性受试者的乳腺癌的方法,所述方法包括使用根据权利要求1至26中任一项所述的方法评估所述受试者发展乳腺癌的风险,并且如果将所述受试者评估为具有发展乳腺癌的风险则向她们施用抗乳腺癌疗法。
35.根据权利要求34所述的方法,其中所述疗法抑制雌激素。
36.一种用于预防有患乳腺癌风险的人类女性受试者的乳腺癌的抗乳腺癌疗法,其中根据权利要求1至26中任一项所述的方法将所述受试者评估为具有发展乳腺癌的风险。
37.一种用于对用于候选疗法的临床试验的人类女性受试者组进行分层的方法,所述方法包括使用根据权利要求1至26中任一项所述的方法评估所述受试者发展乳腺癌的个体风险,并使用评估结果选择更可能对所述疗法有响应的受试者。
38.一种用于评估人类女性受试者发展乳腺癌的风险的计算机实现方法,所述方法能够在包括处理器和存储器的计算系统中操作,所述方法包括:
接收所述女性受试者的临床风险数据和遗传风险数据,其中通过在源自所述女性受试者的生物样品中检测至少72个与乳腺癌相关的单核苷酸多态性获得所述遗传风险数据,其中至少67个所述单核苷酸多态性选自表7,或与其中一个或多个连锁不平衡的单核苷酸多态性,且其余单核苷酸多态性选自表6,或与其中一个或多个连锁不平衡的单核苷酸多态性;
处理所述数据以将所述临床风险数据与所述遗传风险数据相结合,以获得人类女性受试者发展乳腺癌的风险;
输出人类女性受试者发展乳腺癌的风险。
39.一种用于评估人类女性受试者发展乳腺癌的风险的系统,其包括:
用于对所述女性受试者进行临床风险评估的系统说明;
根据权利要求1至26中任一项所述用于对所述女性受试者进行遗传风险评估的系统说明;和
将所述临床风险评估与所述遗传风险评估相结合以获得人类女性受试者发展乳腺癌的风险的系统说明。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AU2014903898 | 2014-09-30 | ||
AU2014903898A AU2014903898A0 (en) | 2014-09-30 | Methods for assessing the risk of developing breast cancer | |
PCT/AU2015/050583 WO2016049694A1 (en) | 2014-09-30 | 2015-09-29 | Methods for assessing risk of developing breast cancer |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107002138A true CN107002138A (zh) | 2017-08-01 |
CN107002138B CN107002138B (zh) | 2022-06-14 |
Family
ID=55629155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580063966.2A Active CN107002138B (zh) | 2014-09-30 | 2015-09-29 | 用于评估发展乳腺癌风险的方法 |
Country Status (11)
Country | Link |
---|---|
US (2) | US10920279B2 (zh) |
EP (1) | EP3201360A4 (zh) |
JP (1) | JP6820838B2 (zh) |
KR (1) | KR102334702B1 (zh) |
CN (1) | CN107002138B (zh) |
AU (2) | AU2015327756B2 (zh) |
CA (1) | CA2962691C (zh) |
IL (1) | IL251376B (zh) |
MX (1) | MX2017004127A (zh) |
SG (1) | SG11201702416YA (zh) |
WO (1) | WO2016049694A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110628912A (zh) * | 2019-11-06 | 2019-12-31 | 上海韦翰斯生物医药科技有限公司 | 检测多态性的引物及方法 |
CN111601901A (zh) * | 2017-10-13 | 2020-08-28 | 基因技术有限公司 | 评估患乳腺癌的风险的方法 |
CN112687330A (zh) * | 2020-12-29 | 2021-04-20 | 北京易奇科技有限公司 | 一种乳腺癌患者携带胚系致病变异的风险预测系统 |
CN114283883A (zh) * | 2021-12-27 | 2022-04-05 | 河北北方学院附属第一医院 | 基于分子标记的肝癌肿瘤筛查模型及应用 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2006320559B2 (en) | 2005-11-29 | 2012-01-19 | Cambridge Enterprise Limited | Markers for breast cancer |
AU2010256343B2 (en) | 2009-06-01 | 2014-01-30 | Genetic Technologies Limited | Methods for breast cancer risk assessment |
JP6820838B2 (ja) | 2014-09-30 | 2021-01-27 | ジェネティック テクノロジーズ リミテッド | 乳癌発症リスクを評価する方法 |
JP2020508643A (ja) * | 2017-01-24 | 2020-03-26 | ジェネティック テクノロジーズ リミテッド | 乳癌発症リスクの改良された評価法 |
CN108060229A (zh) * | 2017-12-27 | 2018-05-22 | 沃森克里克(北京)生物科技有限公司 | 一种TERT基因rs10069690位点SNP核酸质谱检测方法 |
KR102169699B1 (ko) * | 2019-12-27 | 2020-10-23 | 주식회사 클리노믹스 | 유전자 검사를 위한 맞춤형 유전자칩 및 이의 제작 방법 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009097270A2 (en) * | 2008-01-28 | 2009-08-06 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Services | Method of determining breast cancer risk |
CN102575289A (zh) * | 2009-06-25 | 2012-07-11 | 耶鲁大学 | 在处的单核苷酸多态性和癌症风险 |
CN102712949A (zh) * | 2009-06-01 | 2012-10-03 | 遗传技术有限公司 | 用于乳腺癌风险评估的方法 |
Family Cites Families (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS54147035A (en) | 1978-05-10 | 1979-11-16 | Minolta Camera Co Ltd | Tessar type photographic lens placed behind aperture |
US4240608A (en) | 1979-11-02 | 1980-12-23 | Acf Industries, Incorporated | Controlled float seat arrangement for expanding gate valves |
US5210015A (en) | 1990-08-06 | 1993-05-11 | Hoffman-La Roche Inc. | Homogeneous assay system using the nuclease activity of a nucleic acid polymerase |
EP0730663B1 (en) | 1993-10-26 | 2003-09-24 | Affymetrix, Inc. | Arrays of nucleic acid probes on biological chips |
PT912766E (pt) | 1996-06-04 | 2009-07-16 | Univ Utah Res Found | Monitorização da hibridização durante a pcr |
AU723400B2 (en) | 1996-11-07 | 2000-08-24 | Oklahoma Medical Research Foundation | Diagnostic assay for breast cancer susceptibility |
WO2000033161A2 (en) | 1998-12-02 | 2000-06-08 | Kiva Genetics, Inc. | Methods to reduce variance in treatment studies using genotyping |
US20020123095A1 (en) | 1999-10-20 | 2002-09-05 | Pe Corporation (Ny) | Estrogen receptor alpha variants and methods of detection thereof |
US20050084849A1 (en) | 2000-07-25 | 2005-04-21 | Moskowitz David W. | Diagnostic polymorphisms for the ecnos promoter |
US6812339B1 (en) | 2000-09-08 | 2004-11-02 | Applera Corporation | Polymorphisms in known genes associated with human disease, methods of detection and uses thereof |
US20030092019A1 (en) | 2001-01-09 | 2003-05-15 | Millennium Pharmaceuticals, Inc. | Methods and compositions for diagnosing and treating neuropsychiatric disorders such as schizophrenia |
AU785425B2 (en) | 2001-03-30 | 2007-05-17 | Genetic Technologies Limited | Methods of genomic analysis |
WO2003012046A2 (en) | 2001-07-27 | 2003-02-13 | The Regents Of The University Of California | Stk15 (stk6) gene polymorphism and methods of determining cancer risk |
US7529685B2 (en) | 2001-08-28 | 2009-05-05 | Md Datacor, Inc. | System, method, and apparatus for storing, retrieving, and integrating clinical, diagnostic, genomic, and therapeutic data |
WO2003025141A2 (en) | 2001-09-19 | 2003-03-27 | Intergenetics Incorporated | Genetic analysis for stratification of cancer risk |
US20040023237A1 (en) | 2001-11-26 | 2004-02-05 | Perelegen Sciences Inc. | Methods for genomic analysis |
US6897025B2 (en) | 2002-01-07 | 2005-05-24 | Perlegen Sciences, Inc. | Genetic analysis systems and methods |
US7135286B2 (en) | 2002-03-26 | 2006-11-14 | Perlegen Sciences, Inc. | Pharmaceutical and diagnostic business systems and methods |
US7427480B2 (en) | 2002-03-26 | 2008-09-23 | Perlegen Sciences, Inc. | Life sciences business systems and methods |
US20040210400A1 (en) | 2003-01-27 | 2004-10-21 | Perlegen Sciences, Inc. | Analysis methods for individual genotyping |
US20040191783A1 (en) | 2003-03-31 | 2004-09-30 | Guy Leclercq | Low density micro-array analysis in human breast cancer |
US20050019787A1 (en) | 2003-04-03 | 2005-01-27 | Perlegen Sciences, Inc., A Delaware Corporation | Apparatus and methods for analyzing and characterizing nucleic acid sequences |
US7124033B2 (en) | 2003-04-30 | 2006-10-17 | Perlegen Sciences, Inc. | Method for identifying matched groups |
US20040229224A1 (en) | 2003-05-13 | 2004-11-18 | Perlegen Sciences, Inc. | Allele-specific expression patterns |
US20040241657A1 (en) | 2003-05-28 | 2004-12-02 | Perlegen Sciences, Inc. | Liver related disease compositions and methods |
US20050272043A1 (en) | 2003-07-24 | 2005-12-08 | Roth Richard B | Methods for identifying risk of breast cancer and treatments thereof |
AU2004271164A1 (en) | 2003-09-04 | 2005-03-17 | Intergenetics, Inc. | Genetic analysis for stratification of breast cancer risk |
US7127355B2 (en) | 2004-03-05 | 2006-10-24 | Perlegen Sciences, Inc. | Methods for genetic analysis |
US20090087854A1 (en) | 2007-09-27 | 2009-04-02 | Perlegen Sciences, Inc. | Methods for genetic analysis |
AU2006320559B2 (en) | 2005-11-29 | 2012-01-19 | Cambridge Enterprise Limited | Markers for breast cancer |
US20080009419A1 (en) | 2006-06-23 | 2008-01-10 | Intergenetics, Inc. | Genetic models for stratification of cancer risk |
US20080131887A1 (en) | 2006-11-30 | 2008-06-05 | Stephan Dietrich A | Genetic Analysis Systems and Methods |
US20110117545A1 (en) | 2007-03-26 | 2011-05-19 | Decode Genetics Ehf | Genetic variants on chr2 and chr16 as markers for use in breast cancer risk assessment, diagnosis, prognosis and treatment |
EP2535425A1 (en) | 2007-05-25 | 2012-12-19 | Decode Genetics EHF. | Variantes génétiques sur les chr 10q26 utilisées comme marqueurs dans l'évaluation, le diagnostic, le pronostic et le traitement d'un risque de cancer du sein |
EP2176426A2 (en) | 2007-07-11 | 2010-04-21 | InterGenetics, Inc. | Genetic models for stratification of cancer risk |
WO2010017520A1 (en) | 2008-08-08 | 2010-02-11 | Navigenics, Inc. | Methods and systems for personalized action plans |
KR20110074527A (ko) | 2008-09-12 | 2011-06-30 | 네이비제닉스 인크. | 복수의 환경 및 유전 위험 인자를 통합하기 위한 방법 및 시스템 |
WO2013151413A1 (en) | 2012-04-02 | 2013-10-10 | Infovalley Life Science Sdn. Bhd. | Methods and compositions for determining increased risk for breast cancer |
JP6820838B2 (ja) | 2014-09-30 | 2021-01-27 | ジェネティック テクノロジーズ リミテッド | 乳癌発症リスクを評価する方法 |
JP2020508643A (ja) | 2017-01-24 | 2020-03-26 | ジェネティック テクノロジーズ リミテッド | 乳癌発症リスクの改良された評価法 |
US10609708B1 (en) | 2017-06-27 | 2020-03-31 | Sprint Spectrum L.P. | Use of TDD special subframe for transmission of small quantity of data |
US20200354797A1 (en) | 2017-10-13 | 2020-11-12 | Genetic Technologies Limited | Methods of assessing risk of developing breast cancer |
-
2015
- 2015-09-29 JP JP2017517098A patent/JP6820838B2/ja active Active
- 2015-09-29 CN CN201580063966.2A patent/CN107002138B/zh active Active
- 2015-09-29 US US15/515,826 patent/US10920279B2/en active Active
- 2015-09-29 MX MX2017004127A patent/MX2017004127A/es unknown
- 2015-09-29 CA CA2962691A patent/CA2962691C/en active Active
- 2015-09-29 IL IL251376A patent/IL251376B/en unknown
- 2015-09-29 SG SG11201702416YA patent/SG11201702416YA/en unknown
- 2015-09-29 EP EP15847907.1A patent/EP3201360A4/en active Pending
- 2015-09-29 WO PCT/AU2015/050583 patent/WO2016049694A1/en active Application Filing
- 2015-09-29 KR KR1020177014480A patent/KR102334702B1/ko active IP Right Grant
- 2015-09-29 AU AU2015327756A patent/AU2015327756B2/en not_active Ceased
-
2016
- 2016-04-19 US US15/133,055 patent/US10683549B2/en active Active
-
2018
- 2018-03-29 AU AU2018202299A patent/AU2018202299B9/en not_active Ceased
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009097270A2 (en) * | 2008-01-28 | 2009-08-06 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Services | Method of determining breast cancer risk |
CN102712949A (zh) * | 2009-06-01 | 2012-10-03 | 遗传技术有限公司 | 用于乳腺癌风险评估的方法 |
CN102575289A (zh) * | 2009-06-25 | 2012-07-11 | 耶鲁大学 | 在处的单核苷酸多态性和癌症风险 |
Non-Patent Citations (4)
Title |
---|
GILLIAN S DITE: "Using SNP genotypes to improve the discrimination of a simple breast cancer risk prediction model", 《BREAST CANCER RESEARCH AND TREATMENT》 * |
HATEF DARABI: "Breast cancer risk prediction and individualised screening based on common genetic variation and breast density measurement", 《BREAST CANCER》 * |
MCCARTHY: "Incremental impact of breast cancer SNP panel on risk classification in a screening population of white and African American women", 《BREAST CANCER RESEARCH AND TREATMENT》 * |
杨学习: "乳腺癌易感基因单核苷酸多态性与个体化预防", 《中国妇幼保健》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111601901A (zh) * | 2017-10-13 | 2020-08-28 | 基因技术有限公司 | 评估患乳腺癌的风险的方法 |
CN110628912A (zh) * | 2019-11-06 | 2019-12-31 | 上海韦翰斯生物医药科技有限公司 | 检测多态性的引物及方法 |
CN112687330A (zh) * | 2020-12-29 | 2021-04-20 | 北京易奇科技有限公司 | 一种乳腺癌患者携带胚系致病变异的风险预测系统 |
CN114283883A (zh) * | 2021-12-27 | 2022-04-05 | 河北北方学院附属第一医院 | 基于分子标记的肝癌肿瘤筛查模型及应用 |
Also Published As
Publication number | Publication date |
---|---|
KR102334702B1 (ko) | 2021-12-06 |
EP3201360A1 (en) | 2017-08-09 |
MX2017004127A (es) | 2017-10-24 |
US20180305764A1 (en) | 2018-10-25 |
AU2018202299B9 (en) | 2020-03-05 |
CA2962691A1 (en) | 2016-04-07 |
WO2016049694A1 (en) | 2016-04-07 |
US10920279B2 (en) | 2021-02-16 |
AU2018202299A1 (en) | 2018-04-26 |
AU2015327756B2 (en) | 2018-01-04 |
IL251376B (en) | 2022-09-01 |
US10683549B2 (en) | 2020-06-16 |
US20160222469A1 (en) | 2016-08-04 |
IL251376A0 (en) | 2017-05-29 |
JP2017529859A (ja) | 2017-10-12 |
AU2018202299B2 (en) | 2019-10-24 |
CN107002138B (zh) | 2022-06-14 |
CA2962691C (en) | 2023-05-23 |
KR20170063977A (ko) | 2017-06-08 |
EP3201360A4 (en) | 2018-05-09 |
JP6820838B2 (ja) | 2021-01-27 |
SG11201702416YA (en) | 2017-04-27 |
AU2015327756A1 (en) | 2017-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107002138A (zh) | 用于评估发展乳腺癌风险的方法 | |
CN110382712A (zh) | 用于评估发展乳腺癌的风险的改进方法 | |
US11773448B2 (en) | Methods for assessing risk of developing colorectal cancer | |
AU2022279367A1 (en) | Methods of assessing risk of developing breast cancer | |
Harrison et al. | The current state of genetic risk models for the development of kidney cancer: a review and validation | |
CN116469552A (zh) | 一种用于乳腺癌多基因遗传风险评估的方法和系统 | |
WO2023102601A1 (en) | Breast cancer risk assessment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |