CN107533068A - 用于预测雌性受试者体重减轻程度的生物标志物 - Google Patents

用于预测雌性受试者体重减轻程度的生物标志物 Download PDF

Info

Publication number
CN107533068A
CN107533068A CN201680023011.9A CN201680023011A CN107533068A CN 107533068 A CN107533068 A CN 107533068A CN 201680023011 A CN201680023011 A CN 201680023011A CN 107533068 A CN107533068 A CN 107533068A
Authority
CN
China
Prior art keywords
subject
dietary
weight loss
albumen
plasma
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
CN201680023011.9A
Other languages
English (en)
Inventor
I·伊林奇瓦
J·哈格尔
L·达永
O·科米内蒂
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.)
Societe des Produits Nestle SA
Original Assignee
Societe dAssistance Technique pour Produits Nestle SA
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 Societe dAssistance Technique pour Produits Nestle SA filed Critical Societe dAssistance Technique pour Produits Nestle SA
Publication of CN107533068A publication Critical patent/CN107533068A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23L—FOODS, FOODSTUFFS, OR NON-ALCOHOLIC BEVERAGES, NOT COVERED BY SUBCLASSES A21D OR A23B-A23J; THEIR PREPARATION OR TREATMENT, e.g. COOKING, MODIFICATION OF NUTRITIVE QUALITIES, PHYSICAL TREATMENT; PRESERVATION OF FOODS OR FOODSTUFFS, IN GENERAL
    • A23L33/00—Modifying nutritive qualities of foods; Dietetic products; Preparation or treatment thereof
    • A23L33/30—Dietetic or nutritional methods, e.g. for losing weight
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Y—ENZYMES
    • C12Y304/00—Hydrolases acting on peptide bonds, i.e. peptidases (3.4)
    • C12Y304/21—Serine endopeptidases (3.4.21)
    • C12Y304/21034—Plasma kallikrein (3.4.21.34)
    • 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
    • G01N33/573—Immunoassay; Biospecific binding assay; Materials therefor for enzymes or isoenzymes
    • 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
    • G01N33/92—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving lipids, e.g. cholesterol, lipoproteins, or their receptors
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23V—INDEXING SCHEME RELATING TO FOODS, FOODSTUFFS OR NON-ALCOHOLIC BEVERAGES AND LACTIC OR PROPIONIC ACID BACTERIA USED IN FOODSTUFFS OR FOOD PREPARATION
    • A23V2002/00—Food compositions, function of food ingredients or processes for food or foodstuffs
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/46—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans from vertebrates
    • G01N2333/47—Assays involving proteins of known structure or function as defined in the subgroups
    • G01N2333/4701—Details
    • G01N2333/4703—Regulators; Modulating activity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/775—Apolipopeptides
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/81—Protease inhibitors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/81—Protease inhibitors
    • G01N2333/8107—Endopeptidase (E.C. 3.4.21-99) inhibitors
    • G01N2333/811—Serine protease (E.C. 3.4.21) inhibitors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/81—Protease inhibitors
    • G01N2333/8107—Endopeptidase (E.C. 3.4.21-99) inhibitors
    • G01N2333/811—Serine protease (E.C. 3.4.21) inhibitors
    • G01N2333/8121—Serpins
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/90—Enzymes; Proenzymes
    • G01N2333/914—Hydrolases (3)
    • G01N2333/948—Hydrolases (3) acting on peptide bonds (3.4)
    • G01N2333/95—Proteinases, i.e. endopeptidases (3.4.21-3.4.99)
    • G01N2333/964—Proteinases, i.e. endopeptidases (3.4.21-3.4.99) derived from animal tissue
    • G01N2333/96425—Proteinases, i.e. endopeptidases (3.4.21-3.4.99) derived from animal tissue from mammals
    • G01N2333/96427—Proteinases, i.e. endopeptidases (3.4.21-3.4.99) derived from animal tissue from mammals in general
    • G01N2333/9643—Proteinases, i.e. endopeptidases (3.4.21-3.4.99) derived from animal tissue from mammals in general with EC number
    • G01N2333/96433—Serine endopeptidases (3.4.21)
    • G01N2333/96441—Serine endopeptidases (3.4.21) with definite EC number
    • G01N2333/96455—Kallikrein (3.4.21.34; 3.4.21.35)
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/04—Endocrine or metabolic disorders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/04—Endocrine or metabolic disorders
    • G01N2800/044—Hyperlipemia or hypolipemia, e.g. dyslipidaemia, obesity
    • 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)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Molecular Biology (AREA)
  • Immunology (AREA)
  • Biomedical Technology (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Food Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Biotechnology (AREA)
  • Cell Biology (AREA)
  • Physics & Mathematics (AREA)
  • Microbiology (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Organic Chemistry (AREA)
  • Nutrition Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Wood Science & Technology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Genetics & Genomics (AREA)
  • General Engineering & Computer Science (AREA)
  • Zoology (AREA)
  • Biophysics (AREA)
  • Mycology (AREA)
  • Endocrinology (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Polymers & Plastics (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Peptides Or Proteins (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Coloring Foods And Improving Nutritive Qualities (AREA)

Abstract

本发明提供了一种用于预测通过向雌性受试者应用一种或多种膳食干预可获得的受试者体重减轻程度的方法，所述方法包括：确定从所述受试者获得的一个或多个样本中一种或多种生物标志物的水平，其中所述生物标志物选自凝溶胶蛋白、载脂蛋白B‑100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂。

Description

用于预测雌性受试者体重减轻程度的生物标志物
技术领域
本发明提供了多个能够用于确定个体的性别特异性体重减轻轨迹的生物标志物和生物标志物组合，并且还提供了优化膳食干预的方法。
背景技术
肥胖是一种慢性代谢障碍，在世界上的许多地区已达到了流行病程度。肥胖是诸如2型糖尿病、心血管疾病、血脂异常和某些类型的癌症等严重并存病的主要风险因素(World Health Organ Tech Rep Ser.2000；894:i-xii,1-253)。
长久以来已认识到，低热量膳食干预可以非常有效地降低体重，并且这种体重减轻通常伴随肥胖相关并存病尤其是2型糖尿病的风险的改善(World Health Organ TechRep Ser.2000；894:i-xii,1-253)。经验数据表明，初始体重的至少10％的体重减轻导致肥胖相关并存病的风险的显著降低(World Health Organ Tech Rep Ser.2000；894:i-xii,1-253)。然而，体重减轻能力显示出较大的受试者间波动性。
一些研究(例如Ghosh,S.等人，Obesity(Silver Spring),(2011)19(2):457-463)证实一定百分比的人群不能通过低热量膳食成功减轻体重。这导致不切实际的体重减轻期望，继而导致不依从、退出(drop-out)和通常不成功的膳食干预。
一些研究已证实，本领域中存在用于监测体重减轻的方法，这些方法包括监测血浆中特定生物标志物的水平(例如Lijnen等人，Thromb Res.2012年1月，129(1):74-9；Cugno等人，Intern Emerg Med.2012年6月，7(3):237-42；以及Bladbjerg等人，Br JNutr.2010年12月，104(12):1824-30)。然而，这些方法不能提供特定受试者可获得的体重减轻程度的预测或指示。在研究生物标志物水平与体重减轻的相关性时无预测价值。
用于成功计划和设计膳食干预(例如，低热量膳食)的解决方案在于预测体重减轻轨迹的方法的可用性。这样的方法可用于帮助改变受试者的生活方式，例如通过改变膳食，并且还将受试者根据其生物学体重减轻能力分成适合治疗组。
美国专利申请US 2011/0124121公开了一种用于预测体重减轻是否成功的方法。所公开的方法包括：选择正在接受或考虑接受体重减轻疗法诸如胃囊带术的患者，测量患者对热量摄入的一种或多种激素响应，以及基于激素响应来预测体重减轻疗法是否成功。所测量的激素为胃肠激素，诸如胰腺激素。
欧洲专利申请EP 2 420 843公开了一种通过确定膳食周期前后血管紧张素I转化酶(ACE)的水平来确定某人在有意减轻体重后将维持体重减轻的概率的方法。
然而，仍然需要准确预测受试者的体重减轻程度的方法。此外，广为人知的是雄性和雌性个体具有不同的脂肪储存和代谢机制(Power and Schulkin,.Br J Nutr.2008；99:931-40；Mittendorfer等人，Obesity(Silver Spring)。2009；17:1872-7；Menegoni等人，Obesity(Silver Spring)。2009；17:1951-6)，但是在体重减轻研究中很少存在这些生理性别特异性差异。
因此，本发明的目标是提供可被容易检测且可便于对受试者体重减轻进行性别特异性预测的生物标志物。此类生物标志物可用于预测受试者在膳食干预之前的体重轨迹。这些生物标志物可用于优化膳食干预并帮助改变生活方式。
发明内容
本发明研究了一种或多种生物标志物的水平，以便预测通过向雌性受试者应用一种或多种膳食干预可获得的体重减轻程度。具体地，本发明提供了允许在膳食干预例如低热量饮食之前准确预测受试者的体重轨迹的性别特异性生物标志物。因此，本发明在一个方面提供了用于预测通过向雌性受试者应用一种或多种膳食干预可获得的受试者体重减轻程度的方法，所述方法包括确定从受试者获得的一个或多个样本中一种或多种生物标志物的水平，其中该生物标志物选自凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂。
在一个实施方案中，该方法包括确定一个或多个样本中凝溶胶蛋白和载脂蛋白B-100的水平。
在一个实施方案中，该方法包括确定一个或多个样本中凝溶胶蛋白和血浆激肽释放酶的水平。
在一个实施方案中，该方法包括确定一个或多个样本中凝溶胶蛋白和蛋白Z依赖性蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中凝溶胶蛋白和血浆丝氨酸蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中载脂蛋白B-100和血浆激肽释放酶的水平。
在一个实施方案中，该方法包括确定一个或多个样本中载脂蛋白B-100和蛋白Z依赖性蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中载脂蛋白B-100和血浆丝氨酸蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中血浆激肽释放酶和蛋白Z依赖性蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中血浆激肽释放酶和血浆丝氨酸蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中凝溶胶蛋白、载脂蛋白B-100和血浆激肽释放酶的水平。
在一个实施方案中，该方法包括确定一个或多个样本中凝溶胶蛋白、载脂蛋白B-100和蛋白Z依赖性蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中凝溶胶蛋白、载脂蛋白B-100和血浆丝氨酸蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中凝溶胶蛋白、血浆激肽释放酶和蛋白Z依赖性蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中凝溶胶蛋白、血浆激肽释放酶和血浆丝氨酸蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中凝溶胶蛋白、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中载脂蛋白B-100、血浆激肽释放酶和蛋白Z依赖性蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中载脂蛋白B-100、血浆激肽释放酶和血浆丝氨酸蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中载脂蛋白B-100、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶和蛋白Z依赖性蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶和血浆丝氨酸蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中凝溶胶蛋白、载脂蛋白B-100、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中凝溶胶蛋白、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂的水平。
在一个实施方案中，该方法包括确定一个或多个样本中凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂的水平。
在一个实施方案中，该一个或多个样本源自血液，例如，血浆样本。
该一种或多种生物标志物的水平可与参考值进行比较，其中该比较表示预测的受试者可获得的体重减轻程度。参考值可基于之前接受膳食干预的一群受试者中所述一种或多种生物标志物的值(例如，平均值)。
在一个实施方案中，确定凝溶胶蛋白的水平，并且样本中凝溶胶蛋白的水平相对于参考值提高表示受试者体重减轻程度更大。
在一个实施方案中，确定载脂蛋白B-100的水平，并且样本中载脂蛋白B-100的水平相对于参考值降低表示受试者体重减轻程度更大。
在一个实施方案中，确定血浆激肽释放酶的水平，并且样本中血浆激肽释放酶的水平相对于参考值提高表示受试者体重减轻程度更大。
在一个实施方案中，确定蛋白Z依赖性蛋白酶抑制剂的水平，并且样本中蛋白Z依赖性蛋白酶抑制剂的水平相对于参考值提高表示受试者体重减轻程度更大。
在一个实施方案中，确定血浆丝氨酸蛋白酶抑制剂的水平，并且样本中血浆丝氨酸蛋白酶抑制剂的水平相对于参考值降低表示受试者体重减轻程度更大。
在另一个实施方案中，确定凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂中每一者的水平，并且样本中载脂蛋白B-100和血浆丝氨酸蛋白酶抑制剂的水平降低以及凝溶胶蛋白、血浆激肽释放酶和蛋白Z依赖性蛋白酶抑制剂的水平提高表示受试者体重减轻程度更大。
优选地，膳食干预为低热量膳食。在一个实施方案中，低热量膳食包含约600至约1200千卡/天的热量摄入。低热量膳食可包括施用至少一种膳食产品。优选地，膳食产品是或低热量膳食还可以包括施用最多例如约400g蔬菜/天。
在一个实施方案中，膳食可包括诸如或之类的产品。膳食可补充有三份非淀粉类蔬菜，以使得总的能量摄入为约2.5MJ(600千卡/天)。膳食还可补充有每天至少2L水或其他无能量饮料。
在另一个实施方案中，膳食可包括例如含46.4％碳水化合物、32.5％蛋白和20.1％脂肪、维生素、矿物质及微量元素(热量为2.1MJ/天(510千卡/天))的组合物。膳食可补充有三份非淀粉类蔬菜，以使得总的能量摄入为约2.5MJ(600千卡/天)。膳食还可补充有每天至少2L水或其他无能量饮料。
在一个实施方案中，低热量膳食持续最多12周，例如6至12周。
在一个实施方案中，该方法还包括将所述一种或多种生物标志物的水平与受试者的一个或多个人体测量和/或生活方式特征相结合。在一个实施方案中，人体测量选自体重、身高、年龄和体质指数，并且生活方式特征是受试者是吸烟者还是不吸烟者。
在一个实施方案中，该方法还包括将一种或多种生物标志物的水平与一个或多个人体测量包括年龄和体质指数相结合。
在一个实施方案中，体重减轻程度由受试者通过应用膳食干预预期获得的体质指数(BMI)表示。这可称为BMI2并使用公式(1)计算：
bmi2i＝c1*bmi1i+c2*年龄i-c3*凝溶胶蛋白i-c4*血浆激肽释放酶i-c5*蛋白Z依赖性蛋白酶抑制剂i+c6*载脂蛋白B-100i+c7*血浆丝氨酸蛋白酶抑制剂i
其中BMI1为所述膳食干预之前所述受试者的体质指数，并且BMI2为所述膳食干预之后所述受试者的预测体质指数；并且其中c1、c2、c3、c4、c5、c6和c7为正整数。
根据又一个方面，本发明提供了用于优化雌性受试者的一项或多项膳食干预的方法，该方法包括根据如本文所定义的方法预测受试者可获得的体重减轻程度，以及向受试者应用膳食干预。
在本发明的又一个方面，提供了用于预测雌性受试者预期将从膳食干预中获得的体质指数(BMI2)的方法，其中该方法包括确定从受试者获得的一个或多个样本中凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂的水平，以及使用如上文所述的公式(1)预测BMI2。
在本发明的又一个方面，提供了用于选择雌性受试者生活方式的改变的方法，该方法包括：(a)执行如本文定义的方法，以及(b)基于预测的体重减轻程度选择生活方式的合适改变。
在一个实施方案中，生活方式的改变包括膳食干预。膳食干预可包括向受试者施用至少一种膳食产品。例如，膳食干预可以是低热量膳食。低热量膳食可包含降低的脂肪消耗和/或提高的低脂肪食品消耗。仅以举例说明的方式，低脂肪食品可包括全麦面粉和面包、燕麦片、高纤维早餐谷类、全粒大米和面食、蔬菜和水果、干豆和扁豆、烤马铃薯、果干、核桃、白鱼、鲱鱼、鲭鱼、沙丁鱼、腌鱼、皮尔彻德鱼、鲑鱼和精白肉。
在本发明的又一个方面，提供了用作用于减轻体重的低热量膳食的一部分的膳食产品，其中将该膳食产品施用给通过本文所述的方法预测将获得一定程度体重减轻的雌性受试者。
在一个方面，膳食产品可包括诸如或的产品。膳食可补充有三份非淀粉类蔬菜，以使得总的能量摄入为约2.5MJ(600千卡/天)。膳食还可补充有每天至少2L水或其他无能量饮料。
在另一方面，该膳食产品可包括例如含46.4％碳水化合物、32.5％蛋白和20.1％脂肪、维生素、矿物质及微量元素(热量为2.1MJ/天(510千卡/天))的组合物。膳食可补充有三份非淀粉类蔬菜，以使得总的能量摄入为约2.5MJ(600千卡/天)。膳食还可补充有每天至少2L水或其他无能量饮料。
在本发明的又一个方面，提供了用于治疗肥胖或肥胖相关障碍的膳食产品，其中将膳食产品施用给通过本文所定义的方法预测将获得一定程度体重减轻的雌性受试者。
在本发明的又一个方面，提供了用于治疗肥胖或肥胖相关障碍的膳食产品，其中将膳食产品施用给通过本文所定义的方法预测将获得一定程度体重减轻的雌性受试者。
在本发明的又一个方面，提供了膳食产品在用于减轻体重的低热量膳食中的用途，其中将该膳食产品施用给通过本文所定义的方法预测将获得一定程度体重减轻的雌性受试者。
在本发明的又一个方面，提供了计算机程序产品，该计算机程序产品包括用于使可编程计算机根据本文所述的方法预测雌性受试者可获得的体重减轻程度的计算机可执行指令。
在本发明的又一个方面，提供了计算机程序产品，该计算机程序产品包括在被给予得自使用者的一种或多种生物标志物水平的情况下用于使可编程计算机预测体重减轻程度的计算机可执行指令，其中生物标志物选自凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂。
在本发明的又一个方面，提供了用于预测在膳食干预后雌性受试者可获得的体重减轻程度的试剂盒，其中所述试剂盒包含两种或更多种选自以下的抗体：凝溶胶蛋白的特异性抗体、载脂蛋白B-100的特异性抗体、血浆激肽释放酶的特异性抗体、蛋白Z依赖性蛋白酶抑制剂的特异性抗体以及血浆丝氨酸蛋白酶抑制剂的特异性抗体。
在一个实施方案中，试剂盒还包含凝溶胶蛋白的特异性抗体、载脂蛋白B-100的特异性抗体、血浆激肽释放酶的特异性抗体、蛋白Z依赖性蛋白酶抑制剂的特异性抗体以及血浆丝氨酸蛋白酶抑制剂的特异性抗体。
具体实施方式
预测体重减轻程度
本发明在一个方面涉及预测通过向雌性受试者应用一种或多种膳食干预可获得的体重减轻程度的方法。在特定的实施方案中，该方法可用于对受试者体重减轻的能力进行有根据的预测，并相应地选择或调整一项或多项膳食干预。例如，在膳食干预为低热量膳食的情况下，该方法可用于为受试者选择适当的膳食或调整每日热量摄入或特定膳食持续时间以影响体重减轻程度，或通过为受试者设立切合实际的期望而提高对低热量膳食的依从性。该方法还可用于帮助改变受试者的生活方式。
该方法可为技术人员提供用于评估哪些受试者将最可能受益于特定膳食干预(例如，低热量膳食)的有用手段。本发明的方法因此使得能够优化膳食干预(诸如，低热量膳食)并改变生活方式。
如本文所定义的体重减轻可以指诸如体重(例如，单位为千克)、体质指数(例如，kgm-2)或腰围(例如，单位为厘米)或腰臀比(例如，单位为厘米)等参数的降低。体重减轻可通过以下方式计算：将膳食干预结束时上述参数中一个或多个的值从膳食干预开始时所述参数的值中减去。优选地，体重减轻程度由受试者通过应用膳食干预预期获得的体质指数表示。
体重减轻程度可表示为受试者体重(例如，单位为公斤)或体质指数(kgm-2)的百分比。例如，可预测受试者减轻其初始体重的至少10％，其初始体重的至少8％，或其初始体重的至少5％。仅以举例说明的方式，可预测受试者减轻其初始体重的5％至10％。
在一个实施方案中，该百分比可与肥胖相关障碍相关。例如，初始体重的至少10％的体重减轻程度导致肥胖相关并存病的风险显著降低。
基于使用本文所定义的方法而预测的体重减轻程度，可将受试者分成一个或多个组别或类别。例如，受试者可根据它们被预测是否可减轻显著的体重而分层。
受试者
优选地，受试者是哺乳动物，优选为人。另选地，受试者可以是非人哺乳动物，包括例如马、牛、绵羊或猪。在一个实施方案中，受试者是伴侣动物，诸如狗或猫。根据本发明，受试者为雌性。
样本
本发明包括确定从受试者获得的一个或多个样本中一种或多种生物标志物的水平的步骤。
优选地，该样本源自血液。该样本可包含血液成分或可以是全血。该样本优选地包括血浆或血清，最优选地为血浆。从受试者采集样本的技术是本领域熟知的。
膳食干预
所谓术语“膳食干预”是指应用于受试者且引起受试者的膳食变化的外部因素。在一个实施方案中，膳食干预为低热量膳食。
优选地，低热量膳食包含约600至约1500千卡/天、更优选约600至约1200千卡/天、最优选约800千卡/天的热量摄入。在一个实施方案中，低热量膳食每天可包含预定量(单位为克)的蔬菜，优选至多约400g蔬菜/天，例如约200g蔬菜/天。
低热量膳食可包括施用至少一种膳食产品。膳食产品可以是可例如抑制受试者食欲的餐食代替产品或补充产品。膳食产品可包括食品产品、饮料、宠物食品产品、食品补充剂、营养品、食品添加剂或营养配方。
在一个实施方案中，膳食可包括诸如或之类的产品。膳食可补充有三份非淀粉类蔬菜，以使得总的能量摄入为约2.5MJ(600千卡/天)。膳食还可补充有每天至少2L水或其他无能量饮料。
在另一个实施方案中，膳食可包括例如含46.4％碳水化合物、32.5％蛋白和20.1％脂肪、维生素、矿物质及微量元素(热量为2.1MJ/天(510千卡/天))的组合物。膳食可补充有三份非淀粉类蔬菜，以使得总的能量摄入为约2.5MJ(600千卡/天)。膳食还可补充有每天至少2L水或其他无能量饮料。
在一个实施方案中，低热量膳食持续最多12周。优选地，低热量膳食持续6至12周、优选地8至10周，例如8周。
确定样本中一种或多种生物标志物的水平
在一个实施方案中，在膳食干预之前确定一种或多种生物标志物的水平。在另一个实施方案中，在膳食干预之前和之后确定一种或多种生物标志物的水平。生物标志物水平也可在整个膳食干预过程中的预定时间确定。这些预定的时间可以是整个膳食干预过程中周期性的，例如每天或每三天，并可取决于所测试的受试者、所分析的样本类型和/或预测将获得的体重减轻程度。
当在膳食干预前获得时，生物标志物水平可称为“空腹水平”。当在膳食干预后获得时，生物标志物水平可称为“热量摄入水平”。例如，生物标志物水平可在空腹时确定，或在空腹时和热量摄入后确定。最优选地，确定每种生物标志物的空腹水平。
样本中各种生物标志物的水平可通过本领域已知的任何合适的方法测量或确定。例如，可以使用质谱法(MS)、适体或抗体检测方法，例如酶联免疫吸附测定法(ELISA)。也可以使用其他分光光度法、色谱法、标记技术或定量化学方法。
在一个实施方案中，一种或多种生物标志物的水平可通过将样本用标记所述生物标志物中的一种或多种的试剂染色而确定。“染色”通常是组织学方法，该方法使得生物标志物通过显微技术诸如使用可见光或荧光的那些技术检测。优选地，生物标志物在样本中通过免疫组织化学(IHC)检测。在IHC中，生物标志物可通过特异性结合到所述生物标志物中的一种或多种的抗体来进行检测。合适的抗体是已知的或可使用已知的技术生成。用于检测抗体水平的合适的测试方法包括但不限于免疫测定法，诸如酶联免疫吸附测定法、放射免疫测定法、Western印迹和免疫沉淀法。
抗体可以是单克隆抗体、多克隆抗体、多特异性抗体(例如，双特异性抗体)或其片段，前提条件是其特异性结合到进行检测的生物标志物。抗体可通过包括将动物用目标抗原免疫然后从血清分离抗体的标准技术获得。单克隆的抗体可通过最早由Kohler等人，Nature 256:495(1975)描述的杂交瘤方法制备，或可通过重组DNA方法(参见例如美国专利No.4,816,567)制备。单克隆抗体也可使用在例如Clackson等人，Nature 352:624-628(1991)和Marks等人，J.Mol.Biol.222:581-597(1991)中所述的技术从噬菌体抗体文库分离。抗体也可以是嵌合抗体或人源化抗体。抗体在下文进一步讨论。
两种一般IHC方法是可用的；直接测定法和间接测定法。根据第一种测定法，直接确定抗体与目标抗原的结合。该直接测定法使用经标记的试剂，诸如荧光标签或酶标记的一抗，该试剂可在无进一步抗体相互作用的情况下可视化。
在典型的间接测定法中，未偶联的一抗结合到抗原，然后经标记的二抗结合到一抗。在二抗偶联到酶标记的情况下，添加显色或荧光底物以提供抗原的可视化。由于二抗可与一抗上的不同表位反应，发生信号放大。
用于IHC的一抗和/或二抗可用可检测的部分进行标记。许多标记是可用的，包括放射性同位素、胶体金粒子、荧光标记和各种酶-底物标记。荧光标记包括但不限于稀土螯合物(铕螯合物)、德克萨斯红(Texas Red)、若丹明、荧光素、丹酰、丽丝胺(Lissamine)、伞形酮、藻红蛋白和藻青蛋白，和/或上述标记中任一种或多种的衍生物。荧光标记可用已知的技术偶联到抗体。
各种酶-底物标记是可用的，例如，如US 4,275,149中所公开。酶通常催化显色底物的化学改变，这种改变可通过显微镜例如在可见光下检测。例如，酶可催化底物的颜色变化，或可改变底物的荧光或化学发光。酶标记的示例包括荧光素酶(例如，萤火虫荧光素酶和细菌荧光素酶；US 4,737,456)、荧光素、2,3-二氢酞嗪二酮、苹果酸脱氢酶、脲酶、过氧化物酶诸如辣根过氧化物酶(HRPO)、碱性磷酸酶、β-半乳糖苷酶、葡糖糖化酶、溶菌酶、糖类氧化酶(例如，葡萄糖氧化酶、半乳糖氧化酶和葡萄糖-6-磷酸脱氢酶)、杂环氧化酶(诸如尿酸酶和黄嘌呤氧化酶)、乳过氧化物酶、微过氧化物酶等。用于将酶偶联到抗体的技术是熟知的。
通常，该方法包括检测图像中被染色的区域的步骤。图像中对应于与生物标志物相关的染色的像素可通过颜色转换方法鉴定，例如，如US 6,553,135和US 6,404,916中所公开。在此类方法中，所关注的染色对象可通过识别与染色相关的独特颜色而鉴定。该方法可包括将图像的像素转化成不同的色彩空间，并应用阈值以抑制背景染色。例如，可形成两个RGB信号值的比率，以提供区分色彩信息的方式。特定的染色可通过存在特定信号比的最小值而与背景加以区分。例如，对应于主要是红色染色的像素可通过大于最小值的红色除以蓝色(R/B)比率而鉴定。
Kong等人，Am J Clin Nutr,2013年12月；98(6):1385-94描述了亲和素-生物素-过氧化物酶方法的用途，并且两名独立的研究员对阳性染色细胞数计数。
本发明可采用基于适体的检测方法。特异性识别生物标志物的适体可使用标准核酸合成技术合成或选自大随机序列库，例如使用指数富集配体系统进化(SELEX)技术。
适体可以是以具有茎、环、四链体、假结、凸部或发夹状物的组合的独特3D结构折叠的单链DNA或RNA序列。适体的分子识别由分子间相互作用产生，例如芳环的堆叠、静电和范德华相互作用或与目标化合物的氢键合。此外，适体与其靶标之间的特异性相互作用通过诱导契合机理来补充，其需要适体对其靶标采用独特的折叠结构。适体可被修饰以与标记分子例如染料连接，或固定在珠粒或底物表面上，用于不同的应用。
适体可与纳米技术、微阵列、微流体、质谱和其它技术搭配用于定量给定样本。
在一个实施方案中，将生物标志物水平与参考值进行比较。在此情况下，使用相同的分析方法确定样本中的生物标志物水平和参考值。
凝溶胶蛋白
凝溶胶蛋白是结合至肌动蛋白单体或肌动蛋白纤丝正(或刺)端从而防止单体交换(末端封闭或封端)的钙调控肌动蛋白调节蛋白。其可促进单体装配成纤丝(成核)以及切断已形成的纤丝。
细胞内和细胞外的凝溶胶蛋白亚型是已知的。细胞外凝溶胶蛋白(亚型1)可在血浆中检测到，并且是细胞外肌动蛋白清除系统的成员(Lee&Galbraith；N Eng J Med；1992；326；1335-41)。细胞死亡和组织损伤导致了肌动蛋白释放到循环中，细胞外肌动蛋白清除系统使该肌动蛋白解聚并将其从循环中移除。凝溶胶蛋白切断已装配的肌动蛋白纤丝，并封盖自由纤丝或刚切断纤丝快速增长的刺端。
用于确定凝溶胶蛋白水平的方法是本领域已知的。例如，Lee等人描述了用于测量血浆凝溶胶蛋白水平的体外功能测定(Crit.Care.Med.；2007；35:849-855)。测定基于这样的原理：钙激活的血浆凝溶胶蛋白结合芘标记的肌动蛋白单体以形成核，肌动蛋白在尖(增长最缓慢的)端方向上从该核聚合。通过使用重组人血浆凝溶胶蛋白的标准曲线，将每个样本中的聚合速率转换为血浆凝溶胶蛋白浓度。
Pan等人描述使用商用酶联免疫吸附测定法(CoTimes,Beijing,China)来确定血浆凝溶胶蛋白水平(Critical Care；2013,17:R149)。
示例性人血浆凝溶胶蛋白是UniProtKB收录号为P06396-1的人血浆凝溶胶蛋白。这种例示的序列在长度上具有782个氨基酸，其中氨基酸1至27形成前导序列。
载脂蛋白B-100
载脂蛋白B-100(ApoB100)仅由肝脏合成。它是LDL和VLDL的主要蛋白成分，并且用作细胞结合apoB/E受体和apoB/E受体将LDL粒子内在化的识别信号。
ApoB100由APOB基因编码，该基因编码两个亚型ApoB48和ApoB100。当RNA编辑而在残基2153处产生终止密码子(UAA)时，生成了Apo B-48。似乎存在确定最终产生哪种亚型的反式作用组织特异性断裂基因。作为RNA编辑的结果，ApoB48和ApoB100共用共同的N-末端序列，但ApoB48缺乏ApoB100的C-末端的LDL受体结合区域。
用于确定样本中ApoB100水平的方法是本领域已知的。例如，Hermans等人描述使用免疫浊度测定法在BNII分析仪(Siemens Healthcare Products GmbH,Marburg,Germany)上测量ApoB100(Cardiovascular Diabetology 2013,12:39)；同时，Shidfar等人描述使用免疫比浊法通过Cobas MIRA分析仪确定ApoB100水平的血清水平(Med J IslamRepub Iran.2014年9月20日；28:100)。
示例性人ApoB100是UniProtKB收录号为P04114的人ApoB100。这种例示的序列在长度上具有4563个氨基酸，其中氨基酸1至27形成前导序列。
血浆激肽释放酶
激肽释放酶是丝氨酸蛋白酶的亚组。在人类中，血浆激肽释放酶(KLKB1)没有已知的同源物，而与组织激肽释放酶相关的肽酶(KLK)编码十五种紧密相关的丝氨酸蛋白酶的家族。
血浆激肽释放酶使Lys-Arg和Arg-Ser键断开。其被合成为非活性前体、激肽释放酶原，所述非活性前体、激肽释放酶原必须经受蛋白酶解加工才能变成被激活的。在血浆激肽释放酶结合至带负电的表面后，其在可逆反应中激活因子XII。其还从HMW激肽原释放缓激肽，并且还可通过将肾素原转化为肾素而在肾素血管紧张素系统中发挥作用。
确定样本中血浆激肽释放酶水平的方法是本领域已知的。可通过确定样本中血浆激肽释放酶酶活性水平并将这些酶活性水平与已知量的血浆激肽释放酶的酶活性相比较来测量血浆激肽释放酶的水平。例如，Jaffa等人描述使用涉及确定显色底物H-D-Pro-Phe-Arg-对硝基酰苯胺的水解的血浆激肽释放酶测定法(Diabetes；2003；52(5)；1215-1221)。可将血浆激肽释放酶的水平表示为酶单位/mL。
示例性人血浆激肽释放酶蛋白是UniProtKB收录号为P03952的人血浆激肽释放酶原蛋白。这种例示的序列在长度上具有638个氨基酸，其中氨基酸1至19形成前导序列。
蛋白Z依赖性蛋白酶抑制剂
蛋白Z依赖性蛋白酶抑制剂(也称为丝氨酸蛋白酶抑制剂10)由SERPINA10基因编码。其在“蛋白Z、维生素K依赖性血浆糖蛋白”、钙和磷脂质的存在下抑制凝结蛋白酶因子Xa的活性，并且还在不存在辅因子的情况下抑制因子XIa。
用于确定样本中蛋白Z依赖性蛋白酶抑制剂水平的方法是本领域已知的。例如，Kim等人描述使用酶联免疫吸附测定法来确定血浆样本中蛋白Z依赖性蛋白酶抑制剂水平(Journal of Gastroenterology and Hepatology；2015；30；4:784-793)。Al-Shanqeeti等人也描述使用酶联免疫吸附测定法来确定血浆样本中蛋白Z依赖性蛋白酶抑制剂水平(Thrombosis and Haemostasis；2005；93:3；399-623)。
示例性人蛋白Z依赖性蛋白酶抑制剂是UniProtKB收录号为Q9UK55的人蛋白Z依赖性蛋白酶抑制剂。这种例示的序列在长度上具有444个氨基酸，其中氨基酸1至21形成前导序列。
血浆丝氨酸蛋白酶抑制剂
血浆丝氨酸蛋白酶抑制剂是存在于体液和分泌物中的肝素依赖性蛋白酶抑制剂。其还被称为蛋白C抑制剂(PCI)，并且由SERPINA5基因编码。
血浆丝氨酸蛋白酶抑制剂通过不可逆地结合至其丝氨酸激活位点而使其失活，并且在血浆中起到止血剂的作用(Suzuki等人；1984；J.Biochem.；95:187-195)。其通过抑制抗凝剂激活的蛋白C因子以及通过凝血酶/血栓调节蛋白络合物生成经激活的蛋白C因子而充当促凝血和促炎因子(Steif等人；Biol.Chem；1987；368:1427-1433)。
用于确定样本中蛋白Z依赖性蛋白酶抑制剂水平的方法是本领域已知的。例如，Laurell等人描述使用酶联免疫吸附测定法来确定生物样本中血浆丝氨酸蛋白酶水平(JClin Invest.1992；89(4):1094-1101)。
示例性人血浆丝氨酸蛋白酶抑制剂是UniProtKB收录号为P05154的人血浆丝氨酸蛋白酶抑制剂。这种例示的序列在长度上具有406个氨基酸，其中氨基酸1至19形成前导序列。
生物标志物的组合
虽然单个生物标志物可在本发明的方法中具有预测价值，但是该方法的质量和/或预测能力可通过将来自多种生物标志物的值加以组合而得到改善。
因此，本发明的方法可涉及确定来自本文所定义的那些生物标志物中的至少两种、至少三种、至少四种或所有五种生物标志物的水平。该方法可包括确定如本文所定义的生物标志物的任何组合的水平。
特别优选的是包括检测生物标志物的组合的方法，所述生物标志物包括凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂。
在特别优选的实施方案中，该方法包括确定凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂中每一者的水平，其中样本中载脂蛋白B-100和血浆丝氨酸蛋白酶抑制剂的水平降低以及凝溶胶蛋白、血浆激肽释放酶和蛋白Z依赖性蛋白酶抑制剂的水平提高表示受试者体重减轻程度更大。
与参考或对照进行比较
本发明的方法还包括将测试样本中各个生物标志物的水平与一个或多个参考或对照值进行比较的步骤。参考值可与预先定义的受试者在膳食干预后体重减轻的能力相关。在一些实施方案中，参考值是之前在某一膳食干预后针对一个受试者或一组受试者获得的值。参考值可基于得自膳食干预后的一组受试者的平均水平，例如，均值或中值水平。
将生物标志物水平与人体测量和/或生活方式特征相结合
在一个实施方案中，本发明的方法还包括将所述一种或多种生物标志物的水平与受试者的一个或多个人体测量和/或生活方式特征相结合。通过组合该信息，提供对受试者可获得的体重减轻程度的改进的预测模型。
如本领域已知的是，人体测量是受试者的测量结果。在一个实施方案中，人体测量选自年龄(岁)、体重(千克)、身高(厘米)和体质指数(kg/m-2)。其他人体测量也将是本领域技术人员已知的。
所谓术语“生活方式特征”是指受试者做出的任何生活方式选择，这包括所有膳食摄入数据，活动测量，或得自生活方式、动机或偏好问卷的数据。在一个实施方案中，生活方式特征是受试者是吸烟者还是不吸烟者。这在本文也称为受试者的吸烟状况。
在优选的实施方案中，确定从受试者获得的样本的凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂的水平，并将这些水平与受试者的年龄和体质指数结合以便预测受试者可获得的体重减轻。优选地，体重减轻程度由受试者通过应用膳食干预预期获得的体质指数表示。
在一个实施方案中，预测的体质指数(BMI2)通常由公式(1)表示：
bmi2i＝c1*bmi1i+c2*年龄i-c3*凝溶胶蛋白i-c4*血浆激肽释放酶i-c5*蛋白Z依赖性蛋白酶抑制剂i+c6*载脂蛋白B-100i+c7*血浆丝氨酸蛋白酶抑制剂i；
其中BMI1为所述膳食干预之前所述受试者的体质指数，并且BMI2为所述膳食干预之后所述受试者的预测体质指数；并且其中c1、c2、c3、c4、c5、c6和c7为正整数。
c1至c7的值通常取决于1)模型中所有变量的计量单位；和2)所考虑的受试者的起源(种族背景)。可容易地确定特定受试者队列的系数c1至c7中的每一个。如技术人员将理解的是，可将膳食干预(例如，低热量膳食)应用于所关注的受试者队列，可确定如本文所定义的生物标志物的水平，然后可以使用常规统计方法以便得到c1至c7的值。此类常规统计方法可包括多重线性回归，其中通过自举法(bootstrap)进行校准。可以通过具有各种估计算法(例如，弹性网络(elastic net)、套索(lasso)、贝叶斯方法(Bayesian approach)等)的广义线性模型或相加模型或任何其它回归相关模型获得相同的估计值。
在一个实施方案中，受试者是欧洲人。
受试者分类
还可将通过本发明的方法预测的体重减轻程度与一个或多个预定的阈值进行比较。使用此类阈值，可将受试者分成多个类别，这些类别表示预测的体重减轻程度，例如，低、中、高和/或极高的预测体重减轻程度。与阈值的发散程度可用于确定哪些受试者将最受益于某些干预。以此方式，可以对膳食干预和生活方式的改变进行优化，并且可以设立受试者将获得的对体重减轻的切合实际的期望。
在一个实施方案中，类别包括体重减轻耐受受试者和体重减轻敏感受试者。
所谓术语“体重减轻耐受”是指低于预定值的预测体重减轻程度。优选地，“体重减轻耐受”定义为受试者的体重减轻百分比劣于预定值，例如，预测受试者的体重减轻小于受试者的预期体重减轻的第10、第15、第20或第30个百分位数。
优选地，体重减轻程度由减小的BMI单位数表示，其中BMI减小＝((BMI1-BMI2)*100)/BMI1，其中BMI1为膳食干预之前受试者的体质指数，并且BMI2为膳食干预之后受试者的预测体质指数。
所谓术语“体重减轻敏感”是指预测的体重减轻程度大于预定值。优选地，“体重减轻敏感”定义为受试者的体重减轻百分比优于预定的阈值。例如，预测受试者的体重减轻大于预期体重减轻的第85、第80或第75个百分位数。
“预期的体重减轻”可得自已经接受了与所测试的膳食干预相同的膳食干预的一群受试者的数据。
在另一个实施方案中，可将受试者分成“体重减轻敏感”或“体重减轻耐受”类别，这些类别表示受试者的肥胖或肥胖相关障碍的风险降低，例如，低、中、高和/或极高风险降低。低、中和高风险降低组别可根据绝对体重减轻来定义，其中绝对体重减轻与肥胖或特定肥胖相关障碍的临床标准相关。
例如，如果目标是降低肥胖个体中2型糖尿病的风险，则“极高风险降低”可定义为经预测在膳食干预后将减轻至少10％体重的那些。这符合Part II of the World HealthOrgan Tech Rep Ser.2000；894:i-xii,1-253)。此外，肥胖人每1％的体重降低将导致收缩压和舒张压的降低，和低密度脂蛋白胆固醇的降低，并因此分别降低心血管疾病和血脂异常的风险。
用于选择受试者生活方式的改变的方法
在又一个方面，本发明提供用于改变受试者的生活方式的方法。受试者中生活方式的改变可以是如本文所述的任何变化，例如，膳食的变化、更多的锻炼、不同的工作和/或生活环境等。
优选地，该改变是如本文所述的膳食干预。更优选地，膳食干预包括施用至少一种膳食产品。该膳食产品优选地在之前未被该受试者消费，或被该受试者以不同的方式消费。该膳食产品可以如本文所述。改变受试者的生活方式还包括指出受试者需要改变其生活方式，例如，规定更多的运动或停止吸烟。
例如，如果预测受试者不能通过低热量膳食减轻体重，则改变可包括受试者生活方式中更多的运动。
膳食产品的使用
在一个方面，本发明提供用作用于减轻体重的低热量膳食的一部分的膳食产品。将该膳食产品施用给通过本文所述的方法预测将获得一定程度体重减轻的受试者。
在另一方面，本发明提供用于治疗肥胖或肥胖相关障碍的膳食产品，其中将该膳食产品施用给通过本文所述的方法预测将获得一定程度体重减轻的受试者。
肥胖相关疾病可选自糖尿病(例如，2型糖尿病)、中风、高胆固醇、心血管疾病、胰岛素耐受、冠心病、代谢综合征、高血压和脂肪肝。在又一个方面，本发明提供膳食产品在用于减轻体重的低热量膳食中的用途，其中将该膳食产品施用给通过本文所述的方法预测将获得一定程度体重减轻的受试者。
试剂盒
在又一个方面，本发明提供用于预测通过向受试者应用一种或多种膳食干预可获得的体重减轻程度的试剂盒。
试剂盒包含凝溶胶蛋白的特异性抗体、和/或载脂蛋白B-100的特异性抗体、和/或血浆激肽释放酶的特异性抗体、和/或蛋白Z依赖性蛋白酶抑制剂的特异性抗体、和/或血浆丝氨酸蛋白酶抑制剂的特异性抗体。试剂盒优选地至少包括两个所述抗体。
试剂盒优选地包含凝溶胶蛋白的特异性抗体和载脂蛋白B-100的特异性抗体和血浆激肽释放酶的特异性抗体和蛋白Z依赖性蛋白酶抑制剂的特异性抗体和血浆丝氨酸蛋白酶抑制剂的特异性抗体。
术语抗体包括抗体片段。此类片段包括整个抗体的保持其对目标物质的结合活性的片段、Fv、F(ab')和F(ab')2片段，以及单链抗体(scFv)、融合蛋白和其他包含抗体的抗原结合位点的合成蛋白。此外，抗体及其片段可以是人源化抗体。技术人员将认识到本领域中用于产生本发明的试剂盒所需的抗体的方法。
计算机程序产品
本文所述的方法可实施为在通用硬件诸如一个或多个计算机处理器上运行的计算机程序。在一些实施方案中，本文所述的功能可通过诸如智能手机、平板终端或个人计算机的装置实施。
在一个方面，本发明提供计算机程序产品，该计算机程序产品包括用于使可编程计算机基于如本文所述的生物标志物水平来预测体重减轻程度的计算机可执行指令。
在另一个方面，本发明提供了计算机程序产品，该计算机程序产品包括在被给予得自使用者的一种或多种生物标志物水平的情况下使装置预测体重减轻程度的计算机可执行指令，其中生物标志物选自凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂。
优选地，生物标志物水平是空腹水平。还可以为计算机程序产品被给予得自使用者的人体测量和/或生活方式特征。如本文所述，人体测量包括年龄、体重、身高和体质指数、并且生活方式特征包括吸烟状况。
在特别优选的实施方案中，使用者将凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂任选地连同年龄和体质指数一起输入到装置中。装置然后处理该信息并提供对使用者从膳食干预可获得的体重减轻程度的预测。
该装置通常可以为网络上的服务器。然而，可以使用任何装置，只要其可使用处理器、中央处理单元(CPU)等处理生物标志物数据和/或人体测量及生活方式数据即可。该装置可以例如为智能手机、平板终端或个人计算机，并输出指示使用者可获得的体重减轻程度的信息。
本领域的技术人员将理解，在不脱离本文所公开的本发明范围的前提下，他们可以自由地组合本文所述的本发明的所有特征。
现将通过非限制性实施例来描述本发明的各优选特征和实施方案。
除非另外指明，本发明的实践将采用常规化学、分子生物学、微生物学、重组DNA和免疫学技术，这些技术均在本领域普通技术人员的能力范围之类。此类技术在文献中有所阐述。参见例如J.Sambrook,E.F.Fritsch和T.Maniatis,1989,Molecular Cloning:ALaboratory Manual，第二版，第1-3册，Cold Spring Harbor Laboratory Press；Ausubel,F.M.等人(1995年和定期增刊；Current Protocols in Molecular Biology，第9、13和16章，John Wiley&Sons,New York,N.Y.)；B.Roe,J.Crabtree和A.Kahn,1996,DNA Isolationand Sequencing:Essential Techniques,John Wiley&Sons；J.M.Polak and James O’D.McGee,1990,In Situ Hybridization:Principles and Practice；Oxford UniversityPress；M.J.Gait(编辑),1984,Oligonucleotide Synthesis:A Practical Approach,IrlPress；D.M.J.Lilley和J.E.Dahlberg,1992,Methods of Enzymology:DNA StructurePart A:Synthesis and Physical Analysis of DNA Methods in Enzymology,AcademicPress；以及E.M.Shevach和W.Strober,1992年和定期增刊，Current Protocols inImmunology,John Wiley&Sons,New York,NY。这些一般性文本中的每一个以引用的方式并入本文。
实施例
实施例1-在使用血浆生物标志物和人体测量的组合的LCD后预测女性的体重减轻
受试者参与了Diogenes研究。该研究是一项泛欧洲、随机化和对照膳食干预研究，其在八个欧洲中心调查膳食蛋白和血糖指数对肥胖和超重家庭体重减轻和体重维持的作用(Larsen等人，Obesity reviews(2009),11,76-91)。
在参加八周LCD体重减轻项目的超重/肥胖个体队列中调查了体重减轻轨迹(Larsen等人，2010)。
该项研究包括938名欧洲个体，其中782名完成了8周的LCD项目，并且714名完成了所有必需的测量，测量结果的范围是活受试者可接受的。个体的一般特征在表1中示出。
表1：顺从低热量膳食的个体的一般特征
在参与者即将遵守八周低热量膳食干预之前从所有参与者采集空腹血液并获得血浆。294名女性的空腹血浆样本对从其确定多种生物标志物水平是可用的。还在该膳食干预前获取了多项人体测量。这些测量的几个相关示例为：年龄、体重及身高(从这些测量得到了体质指数bmi，即体重/身高2)和性别。
对所有在膳食干预前测量的变量进行评价，以便用作给定bmi1下bmi2的单独预测因子和共同预测因子。我们使用可免费获取的工具(Rsoftware)评价了多种统计模型，并保留以下针对男性的预测模型(基于使用交叉验证的预测质量)：
bmi2i＝c1*bmi1i+c2*年龄i-c3*凝溶胶蛋白i-c4*血浆激肽释放酶i-c5*蛋白Z依赖性蛋白酶抑制剂i+c6*载脂蛋白B-100i+c7*血浆丝氨酸蛋白酶抑制剂i； (1)
其中系数c1、c2、c3、c4、c5、c6、c7为正，并且它们的值取决于1)模型中所有变量的计量单位；和2)所考虑的受试者的起源(种族背景)。
本研究中模型的总体说明性精度经确定为全变差的96％(调整后的R2＝0.96)。在表2中，我们示出针对平均预期bmi2的预测模型的所有系数的显著性(使用99％的贝叶斯置信区间)。
表2：当如(1)中那样用回归预测平均预期bmi2时的系数以及大于0的对应系数的 贝叶斯后验概率。计算使用由MacLehose等人提议的贝叶斯回归模型估计量(P2模型)。
实施例2：根据预测的体重减轻和成功阈值对女性进行分层
术语“体重减轻耐受”被理解为经预测体重减轻百分比低于预定的阈值。例如，“体重减轻耐受”可被定义为预测将降低的bmi单位小于预期bmi降低的第30百分位数或第15百分位数(其中bmi降低＝(bmi1-bmi2)*100％/bmi1)。
术语“体重减轻敏感”被理解为经预测体重减轻百分比高于预定的阈值。例如，“体重减轻敏感”可被定义为预测将降低的bmi单位大于预期bmi降低的第70百分位数或第90百分位数。
可通过技术人员在已经受膳食干预的受试者(来自目的群体)的样本上获得bmi降低的预期平均中值或其它百分位数，该膳食干预与待使用的膳食干预类似。
受试者工作特征(ROC)曲线是“用于描述在连续量表上测量的诊断测试的性能的开发最完善的统计工具”(参见Pepe,M.S.(2003).The Statistical Evaluation ofMedical Tests for Classification and Prediction,Oxford University Press,NewYork，第66页)。ROC的使用基于将测试结果分成两部分。在我们的案例中，我们在膳食干预之前定义“体重减轻耐受”受试者组，并预测受试者将在该组中的概率。我们将“体重减轻耐受”的两个定义视为对应于减轻不到初始体重的10％或8％。
ROC曲线的数值指标经常用来概括曲线。这些概括性度量被用作比较ROC曲线的基线。ROC曲线下面积(AUC)是最为广泛使用的概括性度量。具有完美ROC曲线的完美诊断测试具有值AUC＝1.0，而缺乏信息的测试具有AUC＝0.5。表3示出了共同和单独用于预测“体重减轻耐受”的概率的生物标志物的ROC AUC。
表3：待正确指定到女性“体重减轻耐受”组的概率的预测评估质量的女性生物标 志物的ROC AUC(取决于体重减轻耐受的两个不同定义)。

Claims (27)

1.一种用于预测通过向雌性受试者应用一种或多种膳食干预可获得的受试者体重减轻程度的方法，所述方法包括：
确定从所述受试者获得的一个或多个样本中一种或多种生物标志物的水平，其中所述生物标志物选自凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂。
2.根据权利要求1所述的方法，其中所述方法包括确定一个或多个样本中凝溶胶蛋白的水平。
3.根据权利要求2所述的方法，其中所述方法还包括确定一个或多个样本中载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂或血浆丝氨酸蛋白酶抑制剂的水平。
4.根据权利要求3所述的方法，其中所述方法包括确定一个或多个样本中凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂的水平。
5.根据权利要求4所述的方法，其中确定凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂中每一者的水平，并且所述样本中载脂蛋白B-100和血浆丝氨酸蛋白酶抑制剂的水平降低以及凝溶胶蛋白、血浆激肽释放酶和蛋白Z依赖性蛋白酶抑制剂的水平提高表示所述受试者体重减轻程度更大。
6.根据权利要求1至5中任一项所述的方法，其中所述一个或多个样本源自血液。
7.根据权利要求1至6中任一项所述的方法，其中所述膳食干预为低热量膳食。
8.根据权利要求7所述的方法，其中所述低热量膳食包含约600至约1200千卡/天的热量摄入。
9.根据权利要求7或8所述的方法，其中所述低热量膳食包括施用至少一种膳食产品。
10.根据权利要求7至9中任一项所述的方法，其中所述低热量膳食持续6至12周。
11.根据权利要求1至10中任一项所述的方法，其中所述方法还包括将所述一种或多种生物标志物的水平与所述受试者的一个或多个人体测量和/或生活方式特征相结合。
12.根据权利要求11所述的方法，其中所述人体测量包括年龄和体质指数。
13.根据权利要求1至12中任一项所述的方法，其中所述体重减轻程度由受试者通过应用膳食干预预期获得的体质指数表示。
14.一种用于优化雌性受试者的一项或多项膳食干预的方法，所述方法包括：
根据如权利要求1至13中任一项所定义的方法预测所述受试者可获得的体重减轻程度；以及
向所述受试者应用所述膳食干预。
15.一种用于预测雌性受试者预期将从膳食干预中获得的体质指数(BMI2)的方法，其中所述方法包括：
a.确定从所述受试者获得的一个或多个样本中凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂的水平；以及
b.使用公式(1)预测BMI2：
bmi2i＝c1*bmi1i+c2*年龄i-c3*凝溶胶蛋白i-c4*血浆激肽释放酶i-c5*蛋白Z依赖性蛋白酶抑制剂i+c6*载脂蛋白B-100i+c7*血浆丝氨酸蛋白酶抑制剂i；
其中BMI1为所述膳食干预之前所述受试者的体质指数，并且BMI2为所述膳食干预之后所述受试者的预测体质指数；并且
其中c1、c2、c3、c4、c5、c6和c7为正整数。
16.一种用于选择受试者生活方式的改变的方法，所述方法包括：
a.执行如权利要求1至15中任一项所述的方法；以及
b.基于步骤(a)中预测的体重减轻程度选择生活方式的合适改变。
17.根据权利要求16所述的方法，其中所述受试者生活方式的改变包括膳食干预。
18.根据权利要求17所述的方法，其中所述膳食干预如权利要求7至10中任一项所定义。
19.一种用作用于减轻体重的低热量膳食的一部分的膳食产品，其中将所述膳食产品施用给通过权利要求1至15中任一项所述的方法预测将获得一定程度体重减轻的雌性受试者。
20.一种用于治疗肥胖或肥胖相关障碍的膳食产品，其中将所述膳食产品施用给通过权利要求1至15中任一项所述的方法预测将获得一定程度体重减轻的雌性受试者。
21.膳食产品在用于减轻体重的低热量膳食中的用途，其中将所述膳食产品施用给通过权利要求1至15中任一项所述的方法预测将获得一定程度体重减轻的雌性受试者。
22.一种计算机程序产品，所述计算机程序产品包括用于使可编程计算机执行权利要求1至18中任一项所述的方法的计算机可执行指令。
23.一种计算机程序产品，所述计算机程序产品包括在被给予得自所述使用者的一种或多种生物标志物水平的情况下用于使可编程计算机预测雌性受试者体重减轻程度的计算机可执行指令，其中所述生物标志物选自凝溶胶蛋白、载脂蛋白B-100、血浆激肽释放酶、蛋白Z依赖性蛋白酶抑制剂和血浆丝氨酸蛋白酶抑制剂。
24.根据权利要求23所述的产品，其中所述计算机程序产品还被给予得自所述使用者的人体测量和/或生活方式特征。
25.根据权利要求24所述的产品，其中人体测量包括年龄和体质指数。
26.一种用于预测在膳食干预后雌性受试者可获得的体重减轻程度的试剂盒，其中所述试剂盒包含以下两种或更多种：
a.凝溶胶蛋白的特异性抗体；
b.载脂蛋白B-100的特异性抗体；
c.血浆激肽释放酶的特异性抗体；
d.蛋白Z依赖性蛋白酶抑制剂的特异性抗体；以及
e.血浆丝氨酸蛋白酶抑制剂的特异性抗体。
27.根据权利要求26所述的试剂盒，所述试剂盒包含
a.凝溶胶蛋白的特异性抗体；
b.载脂蛋白B-100的特异性抗体；
c.血浆激肽释放酶的特异性抗体；
d.蛋白Z依赖性蛋白酶抑制剂的特异性抗体；以及
e.血浆丝氨酸蛋白酶抑制剂的特异性抗体。
CN201680023011.9A 2015-04-22 2016-04-12 用于预测雌性受试者体重减轻程度的生物标志物 Pending CN107533068A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP15164735 2015-04-22
EP15164735.1 2015-04-22
PCT/EP2016/057988 WO2016169807A1 (en) 2015-04-22 2016-04-12 Biomarkers for predicting degree of weight loss in female subjects

Publications (1)

Publication Number Publication Date
CN107533068A true CN107533068A (zh) 2018-01-02

Family

ID=52997958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680023011.9A Pending CN107533068A (zh) 2015-04-22 2016-04-12 用于预测雌性受试者体重减轻程度的生物标志物

Country Status (7)

Country Link
US (1) US20180143205A1 (zh)
EP (1) EP3286568B1 (zh)
JP (1) JP2018516363A (zh)
CN (1) CN107533068A (zh)
AU (1) AU2016251447A1 (zh)
CA (1) CA2979313A1 (zh)
WO (1) WO2016169807A1 (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030198970A1 (en) * 1998-06-06 2003-10-23 Genostic Pharma Limited Genostics
CN101547702A (zh) * 2005-09-06 2009-09-30 奥拉姆德医药公司 用于口服给药蛋白质的方法和组合物
US20140273275A1 (en) * 2013-03-14 2014-09-18 Battelle Memorial Institute Biomarkers for liver fibrosis

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4275149A (en) 1978-11-24 1981-06-23 Syva Company Macromolecular environment control in specific receptor assays
US4816567A (en) 1983-04-08 1989-03-28 Genentech, Inc. Recombinant immunoglobin preparations
US4737456A (en) 1985-05-09 1988-04-12 Syntex (U.S.A.) Inc. Reducing interference in ligand-receptor binding assays
CA2236268A1 (en) 1995-11-30 1997-06-05 Chromavision Medical Systems, Inc. Method and apparatus for automated image analysis of biological specimens
WO2001011547A1 (en) 1999-08-04 2001-02-15 Chromavision Medical Systems, Inc. Method and apparatus for applying color thresholds in light microscopy
US7194301B2 (en) * 2003-10-06 2007-03-20 Transneuronic, Inc. Method for screening and treating patients at risk of medical disorders
US20110124121A1 (en) 2009-10-15 2011-05-26 Allergan, Inc. Methods for predicting weight loss success
EP2420843A1 (en) 2010-08-13 2012-02-22 Universiteit Maastricht Biomarkers for predicting maintenance of weight loss
CN103376322A (zh) * 2012-04-25 2013-10-30 中国科学院上海生命科学研究院 载脂蛋白b 100作为肥胖型糖尿病标志物的应用

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030198970A1 (en) * 1998-06-06 2003-10-23 Genostic Pharma Limited Genostics
CN101547702A (zh) * 2005-09-06 2009-09-30 奥拉姆德医药公司 用于口服给药蛋白质的方法和组合物
US20140273275A1 (en) * 2013-03-14 2014-09-18 Battelle Memorial Institute Biomarkers for liver fibrosis

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
EDWARD等: "Role of plasma kallikrein in diabetes and metabolism", 《THROMB HAEMOST.》 *
MARIA A等: "Proteomic analysis in type 2 diabetes patients before and after a very low calorie diet reveals potential disease state and intervention specific biomarkers", 《PLOS ONE》 *
MUKHERJEE等: "Long chain acyl CoA synthetase 1 and gelsolin are oppositely regulated in adipogenesis and lipogenesis", 《BIOCHEM. BIOPHYS. RES. COMM》 *

Also Published As

Publication number Publication date
US20180143205A1 (en) 2018-05-24
EP3286568B1 (en) 2020-06-03
WO2016169807A1 (en) 2016-10-27
JP2018516363A (ja) 2018-06-21
AU2016251447A1 (en) 2017-09-07
CA2979313A1 (en) 2016-10-27
EP3286568A1 (en) 2018-02-28

Similar Documents

Publication Publication Date Title
Suárez-Fariñas et al. Predicting development of sustained unresponsiveness to milk oral immunotherapy using epitope-specific antibody binding profiles
Moghadamyeghaneh et al. Even modest hypoalbuminemia affects outcomes of colorectal surgery patients
AU2010319290A1 (en) Risk factors and prediction of myocardial infarction
Wu et al. Urokinase plasminogen activator receptor and its soluble form in common biopsy-proven kidney diseases and in staging of diabetic nephropathy
Rowlands et al. The relation between adiposity throughout the life course and variation in IGFs and IGFBPs: evidence from the ProtecT (Prostate testing for cancer and Treatment) study
CN107076756A (zh) 用于评估增加的死亡率风险的新标记物
Tawara et al. Evaluation of fucosylated haptoglobin and mac-2 binding protein as serum biomarkers to estimate liver fibrosis in patients with chronic hepatitis C
Anborgh et al. New dual monoclonal ELISA for measuring plasma osteopontin as a biomarker associated with survival in prostate cancer: clinical validation and comparison of multiple ELISAs
Kang et al. Twenty-four-hour urine osmolality as a representative index of adequate hydration and a predictor of recurrence in patients with urolithiasis
McDonald et al. Weight loss following radical cystectomy for bladder cancer: characterization and effect on survival
Bienertová-Vašků et al. The prediction role of indexes of circulating adipokines for common anthropometric and nutritional characteristics of obesity in the obese Central European population
CN106574926B (zh) 用于预测体重减轻程度的生物标志物
Dellavance et al. Enhanced liver fibrosis (ELF) score: Analytical performance and distribution range in a large cohort of blood donors
CN109477836A (zh) 检测人样品中蛋白质的方法以及这样的方法的用途
CN107533068A (zh) 用于预测雌性受试者体重减轻程度的生物标志物
CN107533067A (zh) 用于预测雄性受试者体重减轻程度的生物标志物
Gaskin et al. A practical model for identification of children at risk of excess energy intake in the developing world
Levinson Weak associations between prognostic biomarkers and disease in preliminary studies illustrates the breach between statistical significance and diagnostic discrimination
Hsu et al. Association of urinary cadmium with mortality in patients at a coronary care unit
Shinohara et al. Quantitative Analysis for Soluble Elastin in Circulation and Cell Culture Fluids Using Monoclonal Antibody‐Based Sandwich Immunoassay
JP2019516095A (ja) 減量の程度を予測するためのバイオマーカー
Artero Martínez Proteomic signatures associated with the body composition at baseline and after five years of follow-up in an adult population
Ruiz-Carnicer et al. Urinary Gluten Immunogenic Peptides as a Biomarker in Celiac Patients
Fredericks Enzyme-Linked Immunosorbent Assay (ELISA) Determination of Skeletal Troponin I (TNI) in Human Serum as Evidence of Muscle Damage
Durgaprasad et al. Role of surrogate risk biomarkers for cardiovascular risk prediction in chronic kidney patients

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190722

Address after: Vevey

Applicant after: SOCIETE DES PRODUITS NESTLE S. A.

Address before: Vevey

Applicant before: Nestle Products Technical Assistance Co., Ltd.

WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180102