CN108291261A - 用于预测对抗tnf治疗的响应的方法 - Google Patents

用于预测对抗tnf治疗的响应的方法 Download PDF

Info

Publication number
CN108291261A
CN108291261A CN201680071029.6A CN201680071029A CN108291261A CN 108291261 A CN108291261 A CN 108291261A CN 201680071029 A CN201680071029 A CN 201680071029A CN 108291261 A CN108291261 A CN 108291261A
Authority
CN
China
Prior art keywords
target molecule
tnf
expression
sample
response
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
CN201680071029.6A
Other languages
English (en)
Inventor
海伦·路易丝·赖特
罗伯特·约翰·穆特
史蒂文·威廉·爱德华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Liverpool
Original Assignee
University of Liverpool
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 University of Liverpool filed Critical University of Liverpool
Publication of CN108291261A publication Critical patent/CN108291261A/zh
Pending legal-status Critical Current

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/10—Signal processing, e.g. from mass spectrometry [MS] or from PCR
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • C12Q2600/106—Pharmacogenomics, i.e. genetic variability in individual responses to drugs and drug metabolism
    • 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
    • C12Q2600/136—Screening for pharmacological compounds
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Organic Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Genetics & Genomics (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biotechnology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Microbiology (AREA)
  • Immunology (AREA)
  • General Engineering & Computer Science (AREA)
  • Biochemistry (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioethics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明涉及基于低密度粒细胞基因或一种或多种干扰素调节的生物标志物的表达来预测患有自身免疫或免疫介导的疾病的患者对抗TNF治疗的响应的方法。还提供了用于执行本发明的试剂盒以及治疗和监测对治疗的响应的相关方法。

Description

用于预测对抗TNF治疗的响应的方法
本发明涉及用于预测患有自身免疫或免疫介导的疾病的患者对抗TNF治疗的响应的方法。
类风湿性关节炎(RA)是一种全身性炎症疾病，其在英国造成超过50万成年人的残疾和差的生活质量。其还导致过早死亡。类风湿性关节炎攻击关节的滑液，导致关节囊的炎症和增厚。受影响的关节变得柔软、温暖和肿胀，并且由于关节僵硬使得运动受到限制。最常受影响的关节是手、脚和颈椎的关节，但较大关节如肩和膝也可能受到影响。许多其它器官也会受到这种病症的影响，例如眼睛、心脏、肺和皮肤。目前，风湿性关节炎被认为是遗传因素和环境因素结合的结果。
该疾病是异质性的，并且对药物治疗的响应在受影响的个体之间差异很大。引入了2010美国风湿病学会(American College of Rheumatology，ACR)和欧洲风湿病联盟(European League Against Rheumatism，EULAR)类风湿性关节炎分类标准(RheumatoidArthritis Classification Criteria)，以便能够更好地鉴定那些可能发展慢性病症的人。该分类标准根据包括关节症状(joint involvement)、血清学参数(包括类风湿因子(RF)和ACPA(抗瓜氨酸蛋白抗体))、急性期反应物和关节炎持续时间的标准建立了0至10之间的点值。
6分或以上的分数明确地分类为诊断为类风湿性关节炎的人。为了在发生关节破坏之前更早地诊断疾病，血清学和自身免疫诊断具有重要的权重。
有许多工具可用于监测类风湿性关节炎的缓解。28关节疾病活动度评分(DiseaseActivity Score of 28joints，DAS28)被广泛用作RA疾病活动度和对象对治疗的响应的指标。使用DAS28评分，可以对受影响人的疾病活动度进行分类。
类风湿性关节炎治疗旨在使疼痛和肿胀最小化，预防骨骼畸形，并保持日常的功能。用于类风湿性关节炎的前线治疗包括改善疾病的抗风湿药物(disease-modifyinganti-rheumatic drug，DMARD)，如甲氨蝶呤。尽管许多患者对DMARD响应良好，但很大比例(约30％)未能实现充分的疾病控制。
肿瘤坏死因子(TNF)参与与自身免疫和免疫介导的疾病如类风湿性关节炎、强直性脊柱炎、炎性肠病、银屑病，银屑病性关节炎、化脓性汗腺炎和难治性哮喘有关的临床问题。对DMARD无响应的患者通常会被处方以生物制剂-DMARD，如抗TNF。生物制剂价格昂贵，因此在英国仅用于具有最高的疾病活动度水平(DAS28>5.1)的患者。同样，患有其它炎性关节炎如银屑病性关节炎和强直性脊柱炎的患者需要证明对一线药物无响应并且具有高疾病活动度，从而有资格接受抗TNF治疗。遗憾的是，约40％的接受抗TNF治疗的患者未能达到或保持足够的响应，并且必须采用一系列替代生物制剂-DMARD进行试错法(trial anderror approach)，直到能够找到合适的治疗。这种在耐药患者中实现充分疾病控制的延长的延迟对其关节造成严重和不可逆的损害，并且浪费了宝贵的医疗资源。例如，抗TNF治疗一年的治疗费用为每名患者约12,000英镑，因此给医疗护理和福利系统带来相当大的负担。
由于这些原因，非常希望能够预测患者对抗TNF治疗的可能响应。
Sekiguchi等人(Rheumatology 2008 47:780-788)描述了在类风湿性关节炎的治疗中在抗TNF生物制剂英夫利昔的响应者和非响应者之间表达不同的包括OAS1、OAS2和IFIT1在内的一组基因的鉴定。
WO2008/132176描述了一种用于评估患者对用于治疗类风湿性关节炎的抗TNF治疗的响应的方法，其使用包括IFI44和LY6E在内的生物标志物的增加的表达将患者归类为良好响应者。该分析对患者的滑液进行。
US2009/0142769描述了通过检测选自CXCL10、C1orf29、MX1、IFIT1、IFI44、PRKR、OAS3、GBP1、IRF1、SERPING1、CXC、CXCL9、CXCl10、PSMB8、GPR105、CD64、FCGR1A、IL-1ra、TNRSF1B的至少一种干扰素诱导性基因的表达来鉴定会对抗TNF治疗具有响应的患有诸如类风湿性关节炎的疾病的患者。作者还表明，较高的IFNβ/α比率指示对抗TNF治疗的良好响应。
WO2012/066536描述了对抗TNF治疗的响应者或非响应者的鉴定。指示良好响应的生物标志物包括IFIT1和IFI44的表达。
对抗TNF治疗的响应者的鉴定是有用的，但是这样的方法可以鉴定那些为抗TNF治疗的良好响应者的患者。可以看出，为了更好地鉴定那些不太可能响应于抗TNF治疗的患者，其需要改进。
发明概述
第一方面，提供了一种用于预测患有自身免疫或免疫介导的疾病的对象对抗TNF治疗的响应的方法，其中所述方法包括分析获自所述对象的样品以确定指示低密度粒细胞(LDG)基因的表达的靶分子的水平，其中与参考值相比所述靶分子的升高的水平预测所述对象对抗TNF治疗的不利响应。
LDG基因可以是由LDG细胞特异性表达的基因。其可以是选自由AZU1、BPI、CEACAM8、CRISP3、CTSG、DEFA4、ELANE、LCN2、LTF、MMP8、MPO、RNASE2、RNASE3组成的组的一种或多种基因。
第二方面，本发明提供了一种用于预测患有自身免疫或免疫介导的疾病的对象对抗TNF治疗的响应的方法，其中所述方法包括分析获自所述对象的样品以确定指示选自由CMPK2、IFI6、RSAD2、和USP18组成的组的一种或多种干扰素调节的生物标志物的表达的靶分子的水平，其中与参考值相比所述靶分子的升高的水平预测所述对象对抗TNF治疗的有利响应。
在一个实施方案中，第二方面可以还包括确定指示选自由IFFI44L LY6E、OAS1、OAS2、OAS3和IFIT1B组成的组的一种或多种干扰素调节的生物标志物的表达的靶分子的水平。
第三方面，本发明提供了一种用于预测患有自身免疫或免疫介导的疾病的对象对抗TNF治疗的响应的方法，其中所述方法包括分析获自所述对象的样品以确定以下的水平：i)指示低密度粒细胞(LDG)基因的表达的靶分子，和ii)指示选自由CMPK2、IFI6、RSAD2、USP18、IFFI44L LY6E、OAS1、OAS2、OAS3和IFIT1B组成的组的一种或多种干扰素调节的生物标志物的表达的靶分子；其中与参考值相比i)的水平没有显著升高且2)的水平升高预测所述对象对抗TNF治疗的有利响应。
附图简述
下面参照附图进一步描述本发明的实施例，其中：
图1显示了Ingenuity(IPA)分析的结果。IPA预测：(A)在开始治疗前TNFi响应者中的干扰素信号传导显著上调，并且(B)CSF3(G-CSF)调节基因在TNFi响应者中下调，因此相反地在TNFi非响应者中上调，其中*＝上调，§＝下调，灰色＝无变化。
图2是在来自类风湿性关节炎患者的外周血嗜中性粒细胞上进行的研究的图示。被鉴定为在原始组中的TNFi响应者和非响应者之间显著差异表达(edgeR FDR<0.05)的10种IFN相关基因和13种LDG基因的表达水平(每百万比对读段的每千碱基转录物的读段(Reads per Kilobase of Transcript per Million map reads，RPKM)。响应测量为从第0周到第12周DAS28的减小。DAS28减小1.2或更多归类为响应。
图3是原始组的RPKM表达水平的图示。来自原始组的TNFi“良好”响应者和非响应者中的10种IFN相关基因和13种LDG基因的表达水平(RPKM)。使用良好响应和非响应的EULAR标准，响应测量为从第0周到第12周DAS28的减小。
图4是验证研究的图示。来自验证组的TNFi“良好”响应者和非响应者中的10种IFN相关基因和13种LDG基因的表达水平(qPCR MNE)。使用良好响应和非响应的EULAR标准，响应测量为从第0周到第12周DAS28的减小。
图5是验证组中DMARD初始患者中表达水平的图示。来自验证组的DMARD初始患者中10种IFN相关基因和13种LDG基因的表达水平(qPCR MNE)。使用对DMARD良好响应和非响应的EULAR标准，响应测量为从第0周到第12周DAS28的减小。
图6显示10种IFN-调节的和13种LDG-基因的逐步回归分析，以鉴定预测基因的良好子集。
发明详述
本发明基于预测不响应于抗TNF治疗的那些对象的基因表达谱的鉴定和验证。具体地，使用外周血嗜中性粒细胞的转录组特性分析(RNA-Seq)，一组低密度粒细胞(LDG)基因的表达已与患有自身免疫或免疫介导的疾病如类风湿性关节炎的对象对抗TNF治疗的响应相关联。本发明还基于与对抗TNF应答的良好响应相关的干扰素相关基因的其它表达谱的鉴定。这两个基因表达谱相互排斥，因此为预测自身免疫或免疫介导的疾病中对抗TNF治疗的响应提供了高度敏感性和特异性。
因此，本发明提供了优选在对象开始抗TNF治疗之前预测对抗TNF治疗的响应的临床测试的可能性。这样的测试将告知临床医生患者是否可能响应于抗TNF治疗，并且如果预测患者不太可能响应，则使临床医生能够开始替代治疗。通过在早期将适当的治疗靶向患者的治疗，而不是依赖于现有的“试错法”，这将有益于患者。因此，这样的测试能够在取得最大效果的疾病的早期将抗TNF治疗靶向患者，并且由于这些药物以更加成本效益的方式使用，将使得更多的使用这些药物。
本文描述的一些生物标志物先前已被鉴定为与对抗TNF治疗的有利响应相关。本发明有利于能够鉴定非响应者，以便可以向这些非响应者提供替代治疗，并且可以向不是非响应者的人(并且因此可以是中等或良好响应者)提供抗TNF治疗。通过鉴定非响应者，通过减法鉴定了中等响应者和良好响应者两者作为适合于抗TNF治疗，相比之下先前的预测方法仅可以鉴定“良好”响应者，因此不能鉴定同样可能受益的中等响应者。作为本发明的结果，因此可以以更有针对性和成本效益的方式使用抗TNF治疗。
本发明提供了一种用于预测对抗TNF治疗的响应的改进的方法，其使用现有技术可能尚无法预测的指示非有利响应的生物标志物和指示有利响应的另一些生物标志物。
术语患者和对象在本文中可互换使用，指希望确定对抗TNF治疗可能响应的个体。这样的个体可能具有或者倾向于具有或预期发展自身免疫或免疫介导的疾病。
如本文所用的生物标志物是过程、事件或病症的生物学衍生指标。生物标志物可用于诊断方法，例如，临床筛查和预后评估，以及监测治疗结果，鉴定最有可能响应于特定治疗的患者，药物筛选和开发。生物标志物可以是在抗TNF治疗的响应者和非响应者之间具有差异表达的基因。生物标志物基因的表达(转录和任选翻译)可以通过测量基因的表达产物(在本文中称为靶分子)来确定。两种或更多种生物标志物的组合在本文中可被称为与对抗TNF治疗的可能响应相关的一组或一种基因信号。
如本文所定义的自身免疫或免疫介导的疾病可包括但不限于类风湿性关节炎、强直性脊柱炎、银屑病性关节炎、白塞综合征(syndrome)、炎性肠病、血管炎、幼年皮肌炎、硬皮病、幼年特发性关节炎、克罗恩病(Crohn's disease)、溃疡性结肠炎、银屑病和系统性红斑狼疮。
抗TNF治疗是指抑制TNF活性的治疗，优选直接抑制，例如通过抑制TNF与TNF的细胞表面受体的相互作用，抑制TNF蛋白产生，抑制TNF基因表达，抑制TNF从细胞分泌，抑制TNF受体信号传导或导致对象中TNF活性降低的任何其它手段。抗TNF治疗也可以称为TNF抑制(TNFi)治疗。抗TNF治疗剂可以称为TNF抑制剂或拮抗剂，并且可以包括如上所述抑制TNF，特别是消除异常B细胞活性的蛋白质、抗体、抗体片段、融合蛋白(例如Ig融合蛋白或Fc融合蛋白)、多价结合蛋白(例如DVD Ig)、小分子TNF拮抗剂和类似的天然或非天然存在的分子，和/或其重组和/或工程改造形式。抗TNF治疗可以包括单克隆抗体，例如英夫利昔单抗(Remicade)、阿达木单抗(Humira)、塞妥珠单抗(Cimzia)和戈利木单抗(Simponi)；循环受体融合蛋白，例如依那西普(Enbrel)，和这些药物的功能等同物、生物类似物或预期的复制品，和简单分子，例如黄嘌呤衍生物(例如己酮可可碱和安非他酮)。
预测响应意指确定对象中治疗的可能效果。预测通常意味着在开始相关治疗之前进行评估，但是应该理解，可以在对象接受替代治疗的同时预测对特定治疗可能的响应。在本发明的范围内预测对治疗的响应还可以包括评估对抗TNF治疗的可能的持续响应。因此，预测响应可能包括在抗TNF治疗过程中确定可能响应。
样品可以选自包含以下的组：组织样品，例如活检样品；和体液样品。体液样品可以是血液样品。血液样品可以是外周血样品。它可以是全血样品或其细胞提取物。它可以是血液样品中的白细胞部分或嗜中性粒细胞部分。在另一个实施方案中，样品是纯化的嗜中性粒细胞部分。
本文靶分子的水平是指样品中靶分子量的测量量。该水平可基于指示特定生物标志物(即DNA、RNA或蛋白质)的特异性表达的一种类型的靶分子的测量量。或者，该水平可以基于指示特定生物标志物(即DNA、RNA和蛋白质中的两种或更多种)的特异性表达的两种或更多种类型的靶分子的组合的测量量。靶分子的水平可以表示为靶分子量的直接测量量(例如浓度(mg/vol样品)或RPKM)。
升高的水平意指与不具有自身免疫或免疫介导的疾病的对象(对照样品)中相同靶分子的水平相比，靶分子的水平(即量)增加。升高的水平包括与对照相比任何统计学上显著的增加。指示不具有自身免疫或免疫介导的疾病的对象中生物标志物的表达的靶分子的水平可以被称为参考值或基线值。
代表基因表达的靶分子的升高的水平可以通过将存在于所研究的患者样品中的靶分子的量与指示对照样品中靶分子的量的参考值进行比较来评估。
本文提及“相同”水平的靶分子或生物标志物表达表明样品的生物标志物表达与参考或基线值相同。本文提及的“类似”水平的靶分子或生物标志物表达表明样品的生物标志物表达与参考或基线值不相同，但它们之间的差异不是统计学显著的，即水平具有可比较的量。
用于确定参考值或基线值的合适对照样品可以来自不具有自身免疫或免疫介导的疾病的个体。这样的个体可不具有测试对象特定的自身免疫或免疫介导的疾病，或者更优选地可不具有任何自身免疫或免疫介导的疾病。对照样品可以可以与所研究的患者年龄匹配。参考值或基线值可从合适的个体获得并用作多重分析的一般参考值。
对抗TNF治疗的有利响应可以包括但不限于疼痛、炎症、肿胀、僵硬的降低，活动度提高，疾病进展的时间减少，缓解的时间增加，功能改善，生活质量改善。在类风湿性关节炎中，有利响应还可以包括降低的骨损伤的进展。在类风湿性关节炎中，有利响应可以定义为在开始抗TNF治疗后第12周时对象的DAS28的变化大于或等于0.8，优选大于或等于1，更优选大于或等于1.2。有利响应可以进一步定义为在开始抗TNF治疗后第12周时DAS28小于或等于3.2。
对抗TNF治疗的不利响应可以包括但不限于疼痛、炎症、肿胀、僵硬的提高或未改善，活动度降低或无变化，进展的时间增加或无变化，缓解的时间增加或无变化，功能未增加或生活质量未改善。在类风湿性关节炎中，不利响应可能还包括骨损伤增加或无变化。在类风湿性关节炎中，非有利响应可以定义为在开始抗TNF治疗后第12周时对象的DAS28的变化小于或等于1，小于或等于1.2，或小于或等于1.5。
例如，疾病的活动度可以包括疾病的缓解、进展或严重性。本领域中可获得用于确定疾病活动度的方法并且可用在实施方案中。例如，对于类风湿性关节炎，可获得许多工具，包括28关节疾病活动度评分(DAS28)。由此，受影响人的疾病活动度可以分类如下：
其它用于监测类风湿性关节炎的缓解的工具包括ACR-EULAR类风湿性关节炎缓解临时定义(ACR-EULAR Provisional Definition of Remission of Rheumatoidarthritis)，简化疾病活动度指数(Simplified Disease Activity Index，SDAI)和临床疾病活动度指数(Clinical Disease Activity Index，CDAI)。对于其它病症，工具包括PsARC(银屑病性关节炎)、PASI(银屑病)、BASDAI(强直性脊柱炎)。
如本文所使用的靶分子可以选自由以下组成的组：生物标志物蛋白质；和编码生物标志物蛋白质的核酸。核酸可以是DNA或RNA。在一个实施方案中，核酸是mRNA。本文提及的靶分子可以包括一种类型的生物分子(即DNA或RNA或蛋白质)或两种或更多种类型的这样的生物分子的组合，全部指示相同生物标志物的表达。
结合配偶体可以选自包含以下的组：互补核酸；适体；受体，抗体或抗体片段。“特异性结合配偶体”是指能够与至少一种此类靶分子结合的结合配偶体，其结合方式可区别于与不是靶分子的分子的非特异性结合。合适的区别可例如基于此类结合的量级中的可辨别差异。
本发明提供了分析在所研究的生物标志物的总和上发生的升高。分析可以通过相对简单的手段来进行，或者可以使用更复杂的算法来进行。以下段落中描述了可用于分析本发明方法中与靶分子表达有关的结果的公知和免费提供的软件的实例。通过其可以对所获得的结果进行分析的优选方法可以产生本发明的其它有用的方面和实施方案。
LDG基因是指由LDG细胞特异性表达的基因。LDG基因可以选自由AZU1、BPI、CEACAM8、CRISP3、CTSG、DEFA4、ELANE、LCN2、LTF、MMP8、MPO、RNASE2、RNASE3组成的组。
干扰素相关基因是指编码参与干扰素信号传导途径的表达产物的基因。本文中，干扰素相关基因可以选自由CMPK2、IFFI44L、IFI6、IFIT1B、LY6E、OAS1、OAS2、OAS3、RSAD2和USP18组成的组。
为了本公开的目的，使用了以下蛋白质命名：
AZU1是编码azurocidin的基因，azurocidin是嗜苯胺蓝(azurophil)嗜中性粒细胞抗生素蛋白，也称为阳离子抗微生物蛋白或肝素结合蛋白；
BPI是编码转录因子杀菌性/渗透性增加蛋白(Bactericidal/PermeabilityIncreasing Protein)的基因。
CEACAM8是编码癌胚抗原相关细胞粘附分子8(Carcinoembryonic antigen-related cell adhesion molecule 8，CEACAM8)的基因，所述蛋白质也称为CD66b(分化簇66b)。
CRISP3是编码富含半胱氨酸的分泌蛋白3(Cysteine-rich secretory protein3)的基因。
CTSG是编码组织蛋白酶G的基因，所述蛋白质也称为CG和CATG。
DEFA4是编码防御素α4(DEFA4)的基因，所述蛋白质也称为嗜中性粒细胞防御素4或HNP4。
ELANE是编码弹性蛋白酶的基因，所述蛋白质也称为嗜中性粒细胞弹性蛋白酶；GE；NE；HLE；HNE；ELA2；SCN1；PMN-E。
LCN2是编码脂质运载蛋白-2(LCN2)的基因，所述蛋白质也称为致癌基因24p3或嗜中性粒细胞明胶酶相关脂质运载蛋白(NGAL)。
LTF是编码乳转铁蛋白的基因，所述蛋白质也称为HLF2；GIG12；和HEL110。
MMP8是编码基质金属蛋白酶-8的基因，所述蛋白质也称为嗜中性粒细胞胶原酶、PMNL胶原酶(MNL-CL)。
MPO是编码髓过氧化物酶的基因。
RNASE2是编码RNA酶A家族2(肝嗜酸性粒细胞衍生的神经毒素)的基因。它也可称为RNS2、EDN、嗜酸性粒细胞衍生的神经毒素、核糖核酸酶US、核糖核酸酶2、RNA酶UpI-2、EC3.1.27.5、非分泌核糖核酸酶、核糖核酸酶A F3和RAF3。
RNASE3是编码核糖核酸酶RNA酶A家族3的基因，所述蛋白质也称为RNS3、ECP、嗜酸性粒细胞阳离子蛋白、核糖核酸酶3、RNA酶3、细胞毒性核糖核酸酶、EC 3.1.27.5、EC3.1.27、EC 3.1.27。
CMPK2是编码胞苷单磷酸(UMP-CMP)激酶2的基因，所述蛋白质也称为核苷二磷酸激酶、胞嘧啶激酶2、胸苷酸激酶家族LPS诱导成员、胸苷磷酸单磷酸激酶2；UMP-CMP激酶2、线粒体UMP-CMP激酶、EC 2.7.4.14、EC 2.7.4.6、UMP-CMPK2、TMPK2和TYKi。
IFFI44L是编码干扰素诱导蛋白44样的基因；所述蛋白质也称为C1orf29、染色体1开放阅读框29和GS3686。
IFI6是编码干扰素α-诱导蛋白6的基因，所述蛋白质也称为G1P3、干扰素诱导蛋白6-16、IFI-6-16、IFI616、FAM14C和6-16。
IFIT1B是编码具有三角形四肽重复的干扰素诱导蛋白1B(Interferon-InducedProtein With Tetratricopeptide Repeats 1B)，所述蛋白质也称为具有三角形四肽重复的干扰素诱导蛋白1样蛋白质(Interferon-Induced Protein With TetratricopeptideRepeats 1-Like Protein)、IFIT1L和BA149I23.6。
LY6E是编码淋巴细胞抗原6复合物的基因，所述蛋白质也称为基因座E、RIGE、SCA2、视黄酸诱导的基因E蛋白、视黄酸诱导的基因E、胸腺共享抗原1、干细胞抗原2、Ly-6E、RIG-E、SCA-2、TSA-1、淋巴细胞抗原6E、9804和TSA1。
OAS1是编码2'-5'-寡腺苷酸合成酶1的基因，所述蛋白质也称为OIAS、2-5-寡腺苷酸合成酶1、(2-5)寡聚(A)合酶1、2-5A合酶1、P46/P42OAS、E18/E16、2-5寡腺苷酸合成酶1P48同种型、2-5寡腺苷酸合成酶1P52同种型、2,5-寡腺苷酸合成酶1(40-46KD)、2,5-寡腺苷酸合成酶1、40/46kDa、2-5-寡异腺苷酸合成酶1、2,5-寡腺苷酸合酶1、(2-5)寡聚(A)合成酶1、2,5-寡聚体A合成酶1、2-5A合成酶1、EC2.7.7.84、EC2.7.7、IFI-4和OIASI。
OAS2是编码2'-5'-寡腺苷酸合成酶2的基因，所述蛋白质也称为2-5-寡腺苷酸合成酶2、2-5-寡腺苷酸合成酶2(69-71KD)、(2-5)寡聚(A)合酶2、P69OAS/P71OAS、P69OAS/P71OAS、2-5A合酶2、EC 2.7.7.84和EC 2.7.7。
OAS3是编码2'-5'-寡腺苷酸合成酶3的基因，所述蛋白质也称为(2-5)寡聚(A)合酶3、2-5A合酶3、P100OAS、P100OAS、2-5-寡腺苷酸合成酶3(100KD)和2-5寡腺苷酸合成酶P100、2-5-寡腺苷酸合成酶3、(2-5)寡聚(A)合成酶3、2-5A合成酶3、EC2.7.7.84、EC2.7.7和P100。
RSAD2是编码含自由基S-腺苷甲硫氨酸结构域2的基因，所述蛋白质也称为蝰蛇毒素、病毒抑制蛋白，内质网相关、干扰素诱导、巨细胞病毒诱导的基因5蛋白，Cig5、含自由基S-腺苷甲硫氨酸结构域蛋白2、2510004L01Rik、Cig33和Vig1。
USP18是编码泛素特异性肽酶18的基因，所述蛋白质也称为ISG43、ISG15特异性加工蛋白酶、泛素特异性蛋白酶18、43KDa ISG15特异性蛋白酶、Ubl硫酯酶18、HUBP43、UBP43、Ubl羧基末端水解酶18、Ubl硫酯酶18、EC 3.1.2.15和EC 3.4.19。
本发明的第一方面可以利用一种或多种靶分子，每种靶分子指示选自由以下组成的组的不同生物标志物的表达：AZU1、BPI、CEACAM8、CRISP3、CTSG、DEFA4、ELANE、LCN2、LTF、MMP8、MPO、RNASE2、RNASE3。本发明的第一方面可以利用两种或更多种、三种或更多种、四种或更多种、五种或更多种、六种或更多种、七种或更多种、八种或更多种、九种或更多种、十种或更多种、十一种或更多种、十二种或更多种、或十三种靶分子，每种指示选自由以下组成的组的不同生物标志物的表达：AZU1、BPI、CEACAM8、CRISP3、CTSG、DEFA4、ELANE、LCN2、LTF、MMP8、MPO、RNASE2和RNASE3。
在一个实施方案中，本发明的第一方面可以利用指示RNASE3的表达的靶分子。
在一个实施方案中，本发明的第一方面可以利用指示RNASE2的表达的靶分子。
在一个实施方案中，本发明的第一方面可以利用两种或更多种靶分子，每种指示不同生物标志物的表达，其中生物标志物是RNASE3和RNASE2。
因此，本发明鉴定基因表达信号，基于其鉴定不太可能响应于或可能响应于抗TNF治疗的对象。在一个实施例方案中，信号以至少两种基因，特别是RNASE3和RNASE2的上调为特征。
本发明的第二方面可以利用一种或多种靶分子，每种靶分子指示选自由以下组成的组的不同生物标志物的表达：CMPK2、IFI6、RSAD2和USP18。本发明的第二方面可以利用两种或更多种、三种或更多种或四种靶分子，每种指示选自由以下组成的组的不同生物标志物的表达：CMPK2、IFI6、RSAD2和USP18。
在一个实施方案中，本发明的第二方面可以利用指示CMPK2的表达的靶分子。
在一个实施方案中，本发明的第二方面可以利用指示IFI6的表达的靶分子。
在一个实施方案中，本发明的第二方面可以利用指示RSAD2的表达的靶分子。
在一个实施方案中，本发明的第二方面可以利用指示USP18的表达的靶分子。
在一个实施方案中，本发明的第二方面可以利用四种或更多种靶分子，每种指示不同生物标志物的表达，其中生物标志物为CMPK2、IFI6、RSAD2和USP18。
第二方面可以还包括确定一种或多种、两种或更多种、三种或更多种、四种或更多种、五种或更多种或六种靶分子的水平，每种指示选自由以下组成的组的不同生物标志物的表达：IFFI44L、LY6E、OAS1、OAS2、OAS3和IFIT1B。
本发明的第三方面提供了一种组合方法，包括确定指示与有利响应相关的生物标志物和与非有利响应相关的生物标志物的表达的靶分子的水平。第三方面可以包括如本文所定义的本发明的第一方面和第二方面的任何实施方案，或者本发明的第一方面和第二方面的实施方案的任何组合。在一个实施方案中，第三方面的生物标志物包括CMPK2、IFI44L、IFIT1B和RNASE3。因此，在一个实施方案中，本发明鉴定基因表达信号，基于其鉴定不太可能响应于或可能响应于抗TNF治疗的对象。在一个实施方案中，信号以至少四种基因，特别是CMPK2、IFI44L、IFIT1B和RNASE3的上调为特征。
在第三方面的一个实施方案中，本发明提供确定i)指示AZU1、BPI、CEACAM8、CRISP3、CTSG、DEFA4、ELANE、LCN2、LTF、MMP8、MPO、RNASE2、RNASE3中每一种的表达的靶分子的水平以提供预测对抗TNF治疗无响应的基因信号，和ii)指示CMPK2、IFI6、RSAD2、USP18、IFFI44L LY6E、OAS1、OAS2、OAS3和IFIT1B中每一种的表达的靶分子的水平以提供预测对抗TNF治疗响应的基因信号。
在一个实施方案中，本发明提供了用于预测对象对抗TNF治疗的响应的方法，其中所述治疗选自由抑制TNF的蛋白质、抗体、抗体片段、融合蛋白(例如Ig融合蛋白或Fc融合蛋白)、多价结合蛋白(例如，DVD Ig)、小分子TNF拮抗剂、天然或非天然存在的TNF拮抗剂，和/或其重组和/或工程改造形式组成的组。在一个实施方案中，抗TNF治疗可以选自由单克隆抗体，例如英夫利昔单抗(Remicade)、阿达木单抗(Humira)、塞妥珠单抗(Cimzia)和戈利木单抗(Simponi)；循环受体融合蛋白，例如依那西普(Enbrel)；和这些药物的功能等同物、生物类似物或预期的复制品；和简单分子，例如黄嘌呤衍生物(例如己酮可可碱和安非他酮)组成的组。在一个优选的实施方案中，抗TNF治疗是单克隆抗体，优选阿达木单抗或依那西普，或其生物类似形式。
本发明的方法可以使用一系列如本文所定义的患者样品。在一个实施方案中，本发明可以使用外周血液样品。在一个实施方案中，本发明可以使用白血细胞部分，优选嗜中性粒细胞部分。可以使用本领域已知和可获得的方法制备这种血细胞部分，例如离心，接着重悬于合适的培养基(例如RPMI)中。用于从全血样品中提取嗜中性粒细胞部分的合适方法可以是Polymorphprep(Axis Shield)、Flcoll-Paque(GE Healthcare)或EasySep HumanNeutrophil富集试剂盒(StemCell)。在一个实施方案中，本发明的方法可以包括从对象的血液样品中提取白血细胞部分。在一个实施方案中，本发明的方法可以包括从对象的血液样品中提取嗜中性粒细胞部分。本发明人已经发现，在来自对象的白血细胞样品上进行生物标志物表达分析能够改善对象作为对抗TNF治疗的良好响应者或非响应者的分类。因此，包括从样品中提取细胞部分(例如白细胞或嗜中性粒细胞)的步骤的本发明方法可以代表优选实施方案。本发明的方法还可以包括从对象获得样品的步骤。
本发明的方法优选在体外进行，但应理解，本发明的方法也可以在体内进行。
可以使用靶分子的结合配偶体来研究靶分子的水平。结合配偶体可以是靶分子特异性的。在本发明的上下文中，靶分子特异性的结合配偶体能够与至少一种此类靶分子结合，其结合方式可区别于与不是靶分子的分子的非特异性结合。合适的区别可例如基于此类结合的量级中的可辨别差异。
提及蛋白质靶标可包括在基因表达时产生的转录物翻译产生的前体或变体。因此，当蛋白质在第一次翻译和其成熟形式之间经历修饰时，前体和/或成熟蛋白质可以用作合适的靶分子。如上所述，使蛋白质靶分子可以保存在患者样品内从而促进其检测的技术是本领域技术人员所熟知。蛋白质靶标可以存在于患者样品的细胞，或者可以从细胞中分泌或释放。
在靶分子是蛋白质的本发明的实施方案中，可以使用结合配偶体来确定从对象获得的样品中蛋白质的水平。合适的结合配偶体可以选自由以下组成的组：适体；受体和抗体或抗体片段。本领域可获得用于确定样品中蛋白质水平的合适方法。例如，在本发明的方法或装置的某些实施方案中，结合配偶体是抗体或抗体片段，并且靶分子的检测利用免疫学方法。在该方法或装置的某些实施方式中，免疫学方法可以是酶联免疫吸附测定(ELISA)，包括变化形式，如夹心ELISA；放射免疫测定(RIA)；在另一些实施方案中，免疫学方法可以利用侧流装置。其它合适的技术可以包括多重测定，例如Luminex或蛋白质组MRM或荧光激活细胞分选(FACS)；化学发光。
在某些实施方案中，可以例如使用报道分子部分例如荧光团、显色底物或显色酶来标记结合配偶体。在期望本发明利用报道分子部分的情况下，报道分子部分可以直接连接至结合配偶体。这种实施方案的示例包括使用标记抗体的那些。或者，报道分子部分可以连接到与结合分子相互作用的报道分子上。这种实施方案的示例包括利用通过生物素/抗生物素蛋白复合物间接连接至报道分子部分的抗体的那些。
在靶分子是核酸的实施方案中，结合配偶体可以是互补核酸和适体，例如提供在微阵列或芯片中。本领域中可获得用于确定样品中核酸靶分子水平的方法。在一个实施方案中，代表基因表达的合适的靶分子可以包括可翻译产生蛋白质的RNA转录物。这类mRNA通常存在于患者样品中。特别地，已经发现患者样品的白血细胞(例如嗜中性粒细胞)的转录组提供了用于确定对抗TNF治疗的非响应者和/或良好响应者具有改善的灵敏度和特异性的生物标志物信号，并且使用mRNA，特别是转录组可以代表优选的实施方案。使用mRNA作为靶分子的优点在于用于检测mRNA的测定法(例如定量rtPCR等)倾向于比用于检测蛋白质的方法(例如ELISA)便宜。mRNA测定可以更容易地多路复用，允许高通量分析；核酸通常表现出比其蛋白质对应物更高的稳定性；并且处理样品以获得和扩增核酸通常比蛋白质更简单。
可以根据需要收集、纯化和扩增mRNA的技术是本领域技术人员熟知的。在一个实施方案中，本发明可以利用转录组分析来确定生物标志物表达。用于例如通过转录组分析来确定样品中RNA水平的合适技术可以包括例如通过检测与核酸文库的结合的杂交技术、定量PCR和高通量测序，包括基于标签的测序如SAGE(基因表达系列分析)和RNA-seq。
上述示例是非限制性的，本发明的方法可以利用任何合适的测定法，通过该测定法可以检测到必需的靶分子的存在或水平升高。应该理解，可以参考待检测的靶分子的性质和/或待使用的患者样品的性质来确定合适的测定。
可以同时、顺序地或分别地处理多个样品。可以同时处理多个样品，例如以高通量方法处理。
可以代表本发明优选实施方案的方法可以包括以下步骤：从样品中分离mRNA；进行逆转录酶以获得cDNA；扩增cDNA群体；对cDNA群体测序。这种方法可以还包括使mRNA群体片段化；将接头连接至mRNA；和将条形码加到cDNA群体。
可用于本发明的高通量测序的已知方法包括Illumina HiSeqTM、Ion TorrentTM、和SOLiDTM。
核酸靶分子的表达水平通常表示为每百万比对读段的每千碱基外显子模型的读段，其计算为(比对读段的数量×1千碱基×百万个比对读段)/(转录物的长度x总读段的数量)(RPKM)。
在本发明使用基于定量PCR的方法测定核酸靶分子的水平的情况下，本发明可提供包含表4的一个或多个引物对的试剂盒。任选地，试剂盒可进一步包含以下中的一种或更种：一种用于使用的用法说明、提供对应于试剂盒的引物对的至少一种生物标志物的参考值或基线值的表；和试剂。
一旦确定了患者样品中靶分子的量或浓度，该信息可以用作评估对抗TNF治疗的预测的响应的基础，预测的响应继而可用于提示适合于患者的治疗过程。评估可以是定性或定量的。
生物标志物的升高的水平可包括与基线或参考值水平相比提高至少10％、15％、20％、30％、40％、50％、60％、70％、80％、90％或100％或更多。在一个实施方案中，升高的水平可以是相对于基线或参考值1倍或更多差异，例如倍数差异为1.5、2.0、2.5、3.0、3.5、4.0、4.5、5.0、5.5、6.0、6.5、7.0、7.5、8.0、8.5、9.0、9.5、10、10.5、11、11.5、12、12.5、15或20或它们之间的任何范围。在一个实施方案中，较高水平为相对于基线水平1至15倍差异，例如相对于基线水平1.5至12倍差异。在另一个实施方案中，较高水平为相对于基线水平1至7倍差异。可以理解，取决于所使用的靶分子，相同生物标志物的升高的水平可能不同。当核酸和蛋白质靶分子用于任何特定生物标志物时，升高的水平可以对于靶分子单独表示，或者可以表示为靶分子的总和或平均值。
例如，本发明的方法可以确定指示RNASE3的表达的靶分子是否升高0.75倍、1倍、1.2倍或1.5倍或更多；和/或RNASE2是否升高0.75倍、1倍或1.2倍或更多。如果确定这些靶分子中的一种或多种升高指出的值，则该对象将被分类为抗TNF治疗的非响应者，并应接受替代治疗。
另外或或者，本发明的方法可确定指示CMPK2表达的靶分子是否升高1倍、1.5倍、1.75倍或2倍或更多；和/或IFI6是否升高1倍、1.5倍、1.75倍或2倍或更多；和/或RSAD2是否升高1倍、1.5倍、1.75倍或2倍或更多；和/或USP18是否升高1倍、1.5倍、1.75倍或2倍或更多。如果确定这些靶分子中的一种或多种升高指出的值，则该对象将被分类为抗TNF治疗的响应者并应接受抗TNF疗法治疗。
本发明可基于生物标志物或生物标志物的总和的升高值产生定量输出。或者，本发明可以提供定性输出，基于可能的响应，例如是/否；升高；未升高；响应者/非响应者；基于EULAR标准的良好、中等或低等。在确定两种或更多种靶分子的水平的情况下，可以确定综合评分，其可以与相同靶分子的参考值的综合评分进行比较。
在某些实施方案中，本发明的方法或装置可以进一步涉及研究患者的生理测量量。
在另一个实施方案中，提供了用于治疗患有自身免疫或免疫介导的疾病的对象的方法，其中预先确定(或预先评估)了所述对象的样品中指示低密度粒细胞(LDG)基因的表达的靶分子与参考值相比增加，所述方法包括向对象施用抗TNF治疗的替代治疗。
在另一个实施方案中，提供了用于治疗患有自身免疫或免疫介导的疾病的对象的方法，其中预先确定(或预先评估)了所述对象的样品中指示选自由AZU1、BPI、CEACAM8、CRISP3、CTSG、DEFA4、ELANE、LCN2、LTF、MMP8、MPO、RNASE2、RNASE3组成的组的生物标志物的表达的靶分子与参考值相比增加，所述方法包括向对象施用抗TNF治疗的替代治疗。
在另一个实施方案中，提供了用于治疗患有自身免疫或免疫介导的疾病的对象的方法，其中预先确定(或预先评估)了所述对象的样品中指示选自由CMPK2、IFI6、RSAD2和USP18组成的组的一种或更种干扰素调节的生物标志物的表达的靶分子与不具有自身免疫或免疫介导的疾病的对象的样品中所述靶分子的水平相比增加，所述方法包括向所述对象施用抗TNF治疗。
在另一个实施方案中，提供了用于治疗患有自身免疫或免疫介导的疾病的对象的方法，其中预先确定(或预先评估)了i)所述对象的样品中指示低密度粒细胞(LDG)基因的表达的靶分子与参考值相比未增加，并且ii)所述对象的样品中指示选自由CMPK2、IFI6、RSAD2、USP18、IFFI44L LY6E、OAS1、OAS2、OAS3和IFIT1B组成的组的一种或多种干扰素调节的生物标志物的表达的靶分子与参考值相比增加；所述方法包括向所述对象施用抗TNF治疗。
在另一个实施方案中，提供了用于治疗患有自身免疫或免疫介导的疾病的对象的方法，其中预先确定(或预先评估)了i)所述对象的样品中指示AZU1、BPI、CEACAM8、CRISP3、CTSG、DEFA4、ELANE、LCN2、LTF、MMP8、MPO、RNASE2、RNASE3中每一种的表达的靶分子与参考值相比未增加，并且ii)所述对象的样品中指示CMPK2、IFI6、RSAD2、USP18、IFFI44L LY6E、OAS1、OAS2、OAS3和IFIT1B中每一种的表达的靶分子与参考值相比增加；所述方法包括向所述对象施用抗TNF治疗。
在另一个实施方案中，提供了用于治疗患有自身免疫或免疫介导的疾病的对象的方法，其中预先确定(或预先评估)了i)所述对象的样品中指示低密度粒细胞(LDG)基因的表达的靶分子与参考值相比增加，并且ii)所述对象的样品中指示选自由CMPK2、IFI6、RSAD2、USP18、IFFI44L LY6E、OAS1、OAS2、OAS3和IFIT1B组成的组的一种或多种干扰素调节的生物标志物的表达的靶分子与参考值相比未增加；所述方法包括向所述对象施用抗TNF治疗的替代治疗。
在另一个实施方案中，提供了用于治疗患有自身免疫或免疫介导的疾病的对象的方法，其中预先确定(或预先评估)了i)所述对象的样品中指示AZU1、BPI、CEACAM8、CRISP3、CTSG、DEFA4、ELANE、LCN2、LTF、MMP8、MPO、RNASE2、RNASE3中每一种的表达的靶分子与参考值相比未增加，并且ii)所述对象的样品中指示CMPK2、IFI6、RSAD2、USP18、IFFI44L LY6E、OAS1、OAS2、OAS3和IFIT1B中每一种的表达的靶分子与参考值相比增加；所述方法包括向所述对象施用抗TNF治疗的替代治疗。
设想在如本文限定的治疗对象的方法中，预先确定靶分子水平可以如第一、第二或第三方面中的任何方面及其实施方案中所限定。
在一个实施方案中，提供了用于监测对治疗的响应的方法，所述方法包括确定自身免疫或免疫介导的疾病的活动度，其中预先预测所述对象对抗TNF治疗具有有利响应，其中已向所述对象已施用了TNF治疗。设想在这样的方法中，对抗TNF治疗的响应的预测在预先确定靶分子的水平中进行，后者可以如第一、第二或第三方面中的任何方面及其实施方案中所限定。
本发明可以进一步提供为对象选择治疗方案的方法，其包括测定获自对象的样品，其中所述方法包括根据本发明的第一、第二或第三方面中的任何方面预测所述对象是抗TNF治疗的响应者或非响应者，其中根据第一方面的靶分子的升高的水平指示所述对象将受益于抗TNF治疗的替代治疗；其中根据第二方面的靶分子的升高的水平指示所述对象将受益于抗TNF治疗。
另一方面，本发明提供用于在本文所述方法中使用的试剂盒。这种试剂盒可以包含能够结合靶分子的结合配偶体。在蛋白质靶分子的情况下，这样的结合配偶体可以包含特异性结合蛋白质的抗体。在核酸靶分子的情况下，结合配偶体可以包含与靶分子互补的核酸。在蛋白质靶分子的情况下，试剂盒可以包含对靶分子具有特异性的抗体或抗体片段。该试剂盒还可以包含一组用于使用试剂盒的用法说明和用于对照样品的参考值，以确定样品中靶分子的任何升高。
设想本发明的各方面的实施方案适用于本发明的其它方面，必要时修改。
当在权利要求和/或说明书中与术语“包括”一起使用时，“一种(a)”或“一种(an)”限定的名词可以表示“一个”，但是也符合“一个或多个”、”至少一个“、”一个或多于一个”的含义。
现在将参考表1至5和附图通过示例而非限制的方式进一步描述本发明。
示例
患者和方法
伦理声明。这项研究由利物浦大学CORE(健康控制研究伦理委员会)(Universityof Liverpool CORE(Committee on Research Ethics for healthy controls))和西北3(利物浦东部)RA患者研究伦理委员会(North West 3(Liverpool East)Research EthicsCommittee for RA patients)批准。所有参与者都提供书面知情同意书。
患者。对于最初的研究，招募了20名RA患者和6名健康对照进行研究。符合RA的ACR标准[1]的所有患者均为生物制剂初始(Biologic并即将接受TNFi治疗。入选标准为：18至80岁，包括甲氨蝶呤(MTX)在内的至少两种改善疾病的抗风湿药(disease modifyinganti-rheumatic drug，DMARD)失败，根据英国RA的处方生物治疗的NICE指南活动度疾病(DAS28>5.1)。对于有效性研究，纳入了32名符合相同标准的RA患者(16名DMARD初始和16名pre-TNFi)患者。治疗前和治疗后(第0周和第12周)每个组中的患者临床特征显示在表1-3中。治疗响应在第12周以两种方式测量：DAS28>1.2(BSR指南)的降低以定义“响应者”或“非响应者”；或根据EULAR指南[1]，根据以下标准将响应定义为“良好”、“中等”或“无”：-
嗜中性粒细胞的分离。在最初的研究中，将来自治疗开始前(第0周)的RA患者或健康对照的血液(20mL)收集到肝素锂真空采血管(vacutainer)中。使用Polymorphprep(AxisShield)分离嗜中性粒细胞，并通过低渗裂解除去污染的红细胞。将嗜中性粒细胞以5×106个细胞/mL重悬于RPMI 1640培养基加HEPES(Gibco)中。在有效性研究中，将20mL全血与HetaSep溶液(StemCell)以1:5(HetaSep:全血)的比例混合，并在37℃下孵育30分钟，直到血浆/红细胞界面在总体积的约50％处。小心取出富含白细胞的血浆层，并在4倍体积的推荐培养基(不含Mg2+和Ca2+的PBS，+2％FBS和1mM EDTA)中洗涤。将细胞在200g下离心10分钟并重悬于4倍体积的推荐培养基中。将洗过的白细胞铺在Ficoll-Paque(GE Healthcare)1:1上并在500g下离心30分钟。弃去PBMC层，将粒细胞沉淀重悬于推荐的培养基中，在500g下离心3分钟，并以5×107个细胞/mL的浓度重悬于推荐的培养基中。按照生产商的说明，使用EasySep Human Neutrophil富集试剂盒(StemCell)从粒细胞沉淀中分离高纯度嗜中性粒细胞。简单地说，每1mL有核细胞添加50μL嗜中性粒细胞富集混合物，所述混合物含有由针对细胞表面抗原CD2、CD3、CD9、CD19、CD36、CD56和血型糖蛋白A的单克隆抗体(也对右旋糖酐具有双特异性)产生的四聚体抗体复合物的混合物，并在冰上孵育10分钟。每1mL有核细胞添加100μL EasySep右旋糖酐包被的纳米颗粒珠，并在冰上再孵育10分钟。用推荐的培养基将细胞/抗体/珠溶液调整至2.5mL的总体积，并在室温下放入EasySep磁体中5分钟。将未结合的嗜中性粒细胞倾析出并放入EasySep磁体中另外5分钟。将高纯度、未结合的嗜中性粒细胞短暂离心并重悬于RPMI 1640培养基加25mM HEPES中至5×106/mL的浓度。
RNA的分离。使用Trizol-氯仿(Invitrogen)从最少107个细胞中分离RNA，在异丙醇中沉淀并使用包括DNase消化步骤的RNeasy试剂盒(Qiagen)进行清洁。使用Agilent2100Bioanalyser RNA纳米芯片评估总RNA浓度和完整性。通常发现RNA完整性(RIN)≥7.0。
RNA-Seq文库的产生和测序。使用poly-A选择富集总RNA中的mRNA。使用标准Illumina方案产生50个碱基对的单末端读段文库。简单地说，将mRNA片段化，逆转录，用测序引物和样品条形码调整，进行大小选择和PCR富集。在Illumina HiSeq 2000平台上对文库测序。
读段比对和基因注释。使用TopHat v2.0.4[2]应用--max-multihits 1设置将读段比对到人类基因组(hg19)中。使用HTSeq v0.5[3]产生计数数据，并使用Cufflinksv2.0.2[2]计算基因表达(RPKM)[4]值。对数据应用≥0.3的表达的最小RPKM阈值，以使数据集中包含假阳性而丢弃真阳性的风险最小化[5-7]。
生物信息学。使用IPA(Systems,www.ingenuity.com)进行生物信息学分析，其从经典途径的IPA文库中鉴定在数据集中最显著地代表的途径。
qPCR分析。根据制造商的说明书，使用Superscript III First Strand cDNA合成试剂盒(Invitrogen)使用各样品相同浓度的RNA从总RNA合成cDNA。根据制造商的说明书，使用QuantiTect SYBR Green PCR试剂盒(Qiagen)进行实时PCR分析。使用20μL反应体积在96孔板中对Roche 480LightCycler进行分析。使用针对作为管家基因的B2M的平均归一化表达对靶基因表达进行定量[8]。引物序列可以在表4中找到。
统计分析。使用edgeR v3.0.8[9]进行RNA-Seq计数数据的统计分析，具有5％的错误发现率(FDR)。对各23种生物标志物基因中的每种使用二元逻辑回归和受试者工作特征(Receiver Operating Characteristic，ROC)曲线下面积(area under the curve，AUC)方法，然后共同地寻找用于预测对TNFi的响应的最佳组。
结果
在TNFi响应者和非响应者中具有显著差异表达水平的基因的分析
为了鉴定在来自原始组的TNFi响应者和非响应者中具有显著差异表达(different expression，DE)水平的基因，我们对RNA-Seq计数数据进行edgeR分析，基于第0周至第12周DAS28的变化将患者分类为响应者或非响应者。DAS减小<1.2被分类为对TNFi的非响应者。应用FDR<0.05，我们鉴定了在每个患者组中开始TNFi之前具有显著DE水平的47种基因(表5)。在这些基因中，11种在响应者中更高，36种在非响应者中更高。
我们使用显著DE基因的Ingenuity(IPA)分析鉴定了干扰素信号是TNFi响应者中最富集的途径(p＝0.0001，图1A)[10]。Ingenuity还预测干扰素在TNFi响应者中充当上游调节因子(IFNA2p＝2.49×10-29,z-得分＝6.594；IFNG p＝6.22×10-26,z-得分5.196)。在TNFi响应者中显著DE的11种基因中，预测了10种通过IFN调节：CMPK2、IFI44L、IFIT1B、IFI6、LY6E、OAS1、OAS2、OAS3、RSAD2、USP18。
IPA还预测CSF3(G-CSF)负向调节TNFi响应者中的基因表达，反过来，这意味着G-CSF正向调节TNFi非响应者中的基因表达(p＝1.4×10-6，z-得分＝-2.609，图1B)。我们观察到IPA能够用来进行这种预测的基因与先前在系统性红斑狼疮患者中发现的低密度粒细胞(LDG，未成熟嗜中性粒细胞)的表达谱非常相似[11]。在通过edgeR分析中鉴定为显著DE的47种无响应基因中，13种与RA嗜中性粒细胞中表达的LDG基因直接相关：AZU1、BPI、CEACAM8、CRISP3、CTSG、DEFA4、ELANE、LCN2、LTF、MMP8、MPO、RNASE2、RNASE3。
图2显示了在TNFi响应者和非响应者之间显著DE的10种IFN-调节基因和13种LDG-基因的表达水平。响应被分类为DAS28减小>1.2。在图3中，仅显示了实现了EULAR“良好”或“无”响应的那些患者的10种IFN-调节的基因和13种LDG-基因的表达水平[1]。在此情况下，EULAR“良好”响应被归类为DAS28减小>1.2并且DAS28端点≤3.2，如上所定义。
独立RA患者组中IFN和LDG基因表达谱的验证
为了验证TNFi响应者和非响应者中IFN和LDG基因的表达水平，我们招募了两个患者验证组：16名早期关节炎(pre-DMARD患者)和16名生物学初始(pre-TNFi)患者。从高纯度外周血嗜中性粒细胞中提取RNA，并使用qPCR(使用平均正常表达(MNE)相对于B2M管家基因进行归一化)测量10种IFN调节的和13种LDG标志物基因的表达水平。
验证组中IFN和LDG基因的表达水平遵循作为初始组的TNFi响应者和非响应者中的相同表达谱(图4)。然而，表达水平与对DMARD响应没有关联(图5)，证实这些生物标志物基因对TNFi的响应是特异性的。
用于预测对TNFi的响应的生物标志物基因的统计分析
对各23种生物标志物基因中的每种使用二元逻辑回归和ROC AUC方法，然后共同地寻找用于预测的最佳组。该分析的结果显示在表6中。23种基因逐步回归以寻找良好预测因子亚组，鉴定了CMPK2、IFI44L、IFIT1B和RNASE3(图6)是预测基因的最佳组合。
讨论
该研究表明，来自类风湿性关节炎患者的外周血中性粒细胞中的23种基因的表达可预测对TNFi的响应(作为第一种生物制剂)。包含10种基因(CMPK2、IFI44L、IFIT1B、IFI6、LY6E、OAS1、OAS2、OAS3、RSAD2、USP18)的IFN-调节的基因表达信号的表达预测对TNFi的响应，并且成熟嗜中性粒细胞的LDG基因(AZU1、BPI、CEACAM8、CRISP3、CTSG、DEFA4、ELANE、LCN2、LTF、MMP8、MPO、RNASE2、RNASE3)预测对TNFi不响应。这两个基因表达谱相互排斥，因此包含用于预测RA中对于TNFi的响应的具有高度敏感性和特异性的生物标志物组。
表格
表1.开始TNFi治疗之前和之后12周时原始研究中20名类风湿性关节炎患者的临床特征。值以平均值(范围)给出。
表2.开始TNFi治疗之前和之后12周时验证研究中16名类风湿性关节炎患者的临床特征。值以平均值(范围)给出。
表3.开始DMARD治疗之前和之后12周时验证研究中16名早期类风湿性关节炎患者的临床特征。值以平均值(范围)给出。
表4生物标志物基因表达的qPCR验证中使用的引物列表
表5.原始组中在TNFi响应者和非响应者之间具有显著差异表达水平的基因，通过RNA-Seq计数数据的edgeR分析鉴定(FDR<0.05)
表6.来自原始组的10种IFN-调节基因和13种LDG基因的受试者工作特征(ROC)分析，示出了基于从第0周到第12周的DAS28减小预测对TNFi的“良好”或“无”响应的每种基因的曲线下面积(AUC)、P值、特异性和灵密度。
基因 ROC AUC P-值 特异性 灵密度
CMPK2 0.75 0.0499 100％ 75％
IFI44L 0.72917 0.0304 100％ 62.5％
IFI6 0.70833 0.0832 100％ 62.5％
IFIT1B 0.79167 0.0198 100％ 75％
LY6E 0.68750 0.0581 100％ 50％
OAS1 0.7500 0.0251 100％ 62.5％
OAS2 0.7500 0.0239 100％ 62.5％
OAS3 0.70833 0.0479 100％ 62.5％
RSAD2 0.7500 0.0440 100％ 75％
USP18 0.77083 0.0362 100％ 62.5％
AZU1 0.7083 0.0678 67％ 100％
BPI 0.7500 0.1115 67％ 87.5％
CEACAM8 0.70833 0.1332 67％ 100％
CRISP3 0.7500 0.1840 67％ 87.5％
CTSG 0.70833 0.1310 67％ 100％
DEFA4 0.70833 0.0584 67％ 100％
ELANE 0.66667 0.1040 67％ 100％
LCN2 0.70833 0.1247 50％ 100％
LTF 0.70833 0.1309 67％ 87.5％
MMP8 0.70833 0.0908 50％ 100％
MPO 0.62500 0.2466 67％ 87.5％
RNASE2 0.79167 0.0243 67％ 100％
RNASE3 0.91667 0.0012 100％ 75％
参考文献
1.Fransen J,van Riel PL(2005)The Disease Activity Score and the EULARresponse criteria.Clin Exp Rheumatol 23:S93-99.
2.Trapnell C,Roberts A,Goff L,Pertea G,Kim D,等人.(2012)Differentialgene and transcript expression analysis of RNA-seq experiments with TopHatand Cufflinks.Nat Protoc 7:562-578.
3.Anders S HTSeq:Analysing high-throughput sequencing data withPython.http://www-huber.embl.de/users/anders/HTSeq/doc/overview.html
4.Mantovani A,Cassatella MA,Costantini C,Jaillon S(2011)Neutrophilsin the activation and regulation of innate and adaptive immunity.Nat RevImmunol 11:519-531.
5.Wright HL,Thomas HB,Moots RJ,Edwards SW(2013)RNA-Seq RevealsActivation of Both Common and Cytokine-Specific Pathways following NeutrophilPriming.PLoS One 8:e58598.
6.Ramskold D,Wang ET,Burge CB,Sandberg R(2009)An abundance ofubiquitously expressed genes revealed by tissue transcriptome sequencedata.PLoS Comput Biol 5:e1000598.
7.Rowley JW,Oler AJ,Tolley ND,Hunter BN,Low EN,et al.(2011)Genome-wide RNA-seq analysis of human and mouse platelet transcriptomes.Blood 118:e101-111.
8.Zhang X,Ding L,Sandford AJ(2005)Selection of reference genes forgene expression studies in human neutrophils by real-time PCR.BMC Mol Biol 6:4.
9.Robinson MD,McCarthy DJ,Smyth GK(2010)edgeR:a Bioconductor packagefor differential expression analysis of digital gene expressiondata.Bioinformatics 26:139-140.
10.Wright HL,Thomas HB,Moots RJ,Edwards SW(2015)Interferon geneexpression signature in rheumatoid arthritis neutrophils correlates with agood response to TNFi therapy.Rheumatology(Oxford)54:188-193.
11.Villanueva E,Yalavarthi S,Berthier CC,Hodgin JB,Khandpur R,et al.(2011)Netting neutrophils induce endothelial damage,infiltrate tissues,andexpose immunostimulatory molecules in systemic lupus erythematosus.J Immunol187:538-552.

Claims (38)

1.一种用于预测患有自身免疫或免疫介导的疾病的对象对抗TNF治疗的响应的方法，其中所述方法包括分析获自所述对象的样品以确定指示低密度粒细胞(LDG)基因的表达的靶分子的水平，其中与参考水平相比所述靶分子的升高的水平预测所述对象对抗TNF治疗的不利响应。
2.根据权利要求1所述的方法，其中所述LDG基因选自由AZU1、BPI、CEACAM8、CRISP3、CTSG、DEFA4、ELANE、LCN2、LTF、MMP8、MPO、RNASE2、RNASE3组成的组。
3.根据权利要求2所述的方法，其包括确定指示两种或更多种、三种或更多种、四种或更多种、五种或更多种、六种或更多种、七种或更多种、八种或更多种、九种或更多种、十种或更多种、十一种或更多种、十二种或更多种、或十三种权利要求2的生物标志物中每一种的表达的靶分子的水平。
4.根据权利要求1至3中任一项所述的方法，其中所述参考水平是来自不具有自身免疫或免疫介导的疾病的对象的样品中所述靶分子的水平。
5.根据权利要求1至4中任一项所述的方法，其中所述方法包括确定指示生物标志物RNASE3和任选的RNASE2的表达的靶分子的水平。
6.根据权利要求5所述的方法，其中RNASE3的升高的水平为相对于参考值至少0.75、1或1.2倍或更多差异。
7.一种用于预测患有自身免疫或免疫介导的疾病的对象对抗TNF治疗的响应的方法，其中所述方法包括分析获自所述对象的样品以确定指示选自由CMPK2、IFI6、RSAD2和USP18组成的组的一种或多种干扰素调节的生物标志物的表达的靶分子的水平，其中与来自不具有自身免疫或免疫介导的疾病的对象的样品中所述靶分子的水平相比所述靶分子的升高的水平预测所述对象对抗TNF治疗的有利响应。
8.根据前述权利要求中任一项所述的方法，其中所述方法还包括确定指示选自由IFFI44L LY6E、OAS1、OAS2、OAS3和IFIT1B组成的组的一种或多种干扰素调节的生物标志物的表达的靶分子的水平。
9.根据前述权利要求中任一项所述的方法，其中所述方法包括确定一种或多种、两种或更多种、三种或更多种、四种或更多种、五种或更多种或六种靶分子的水平，每种靶分子指示选自由IFFI44L、LY6E、OAS1、OAS2、OAS3和IFIT1B组成的组的不同生物标志物的表达。
10.根据权利要求1所述的方法，其包括预测患有自身免疫或免疫介导的疾病的对象对抗TNF治疗的响应，其中所述方法包括分析获自所述对象的样品以确定以下的水平：i)指示选自由AZU1、BPI、CEACAM8、CRISP3、CTSG、DEFA4、ELANE、LCN2、LTF、MMP8、MPO、RNASE2、RNASE3组成的组的生物标志物的表达的靶分子；ii)指示选自由CMPK2、IFI6、RSAD2、USP18、IFFI44L LY6E、OAS1、OAS2、OAS3和IFIT1B组成的组的一种或多种干扰素调节的生物标志物的表达的靶分子；其中与来自不具有自身免疫或免疫介导的疾病的对象的样品中所述靶分子的水平相比i)的水平没有显著升高且ii)的水平升高预测所述对象对抗TNF治疗的有利响应。
11.根据权利要求10所述的方法，其中所述方法包括确定CMPK2、IFI44L、IFIT1B和RNASE3的水平。
12.根据权利要求11所述的方法，其包括确定i)指示AZU1、BPI、CEACAM8、CRISP3、CTSG、DEFA4、ELANE、LCN2、LTF、MMP8、MPO、RNASE2、RNASE3中每一种的表达的靶分子的水平以提供预测对抗TNF治疗无响应的基因信号，和ii)指示CMPK2、IFI6、RSAD2、USP18、IFFI44L LY6E、OAS1、OAS2、OAS3和IFIT1B中每一种的表达的靶分子的水平以提供预测对抗TNF治疗响应的基因信号。
13.根据前述权利要求中任一项所述的方法，其中自身免疫或免疫介导的疾病选自由类风湿性关节炎、强直性脊柱炎、炎性肠病、血管炎、幼年型皮肌炎、硬皮病、克罗恩氏病、溃疡性结肠炎、银屑病和系统性红斑狼疮组成的组。
14.根据前述权利要求中任一项所述的方法，其中抗TNF治疗选自由抑制TNF的蛋白质、抗体、抗体片段、融合蛋白(例如Ig融合蛋白或Fc融合蛋白)、多价结合蛋白(例如，DVD Ig)、小分子TNF拮抗剂和类似的天然或非天然存在的分子，和/或其重组和/或工程改造形式。
15.根据前述权利要求中任一项所述的方法，其中所述抗TNF治疗选自由单克隆抗体，例如英夫利昔单抗(Remicade)、阿达木单抗(Humira)、塞妥珠单抗(Cimzia)和戈利木单抗(Simponi)；循环受体融合蛋白，例如依那西普(Enbrel)；和简单分子，例如黄嘌呤衍生物(例如己酮可可碱和安非他酮)。
16.根据前述权利要求中任一项所述的方法，其中所述样品是全血样品。
17.根据前述权利要求中任一项所述的方法，其中所述样品是嗜中性粒细胞部分，优选纯化的嗜中性粒细胞部分。
18.根据权利要求7和当从属于权利要求7时的权利要求8至17中任一项所述的方法，其中对抗TNF治疗的有利响应包括疼痛、炎症、肿胀、僵硬的降低，活动度提高，疾病进展的时间减少，缓解的时间增加。
19.根据权利要求7和当从属于权利要求7时的权利要求8至17中任一项所述的方法，其中所述疾病是类风湿性关节炎，并且有利响应是在开始抗TNF治疗后第12周时DAS28的变化大于或等于0.8，优选大于或等于1，且更优选大于或等于1.2，和/或在开始抗TNF治疗后第12周时DAS28小于或等于3.2。
20.根据权利要求1至6和当从属于权利要求1至6时的权利要求8至17任一项所述的方法，其中对抗TNF治疗的不利响应包括疼痛、炎症、肿胀、僵硬的提高或未改善，活动度降低或无变化，进展的时间增加或无变化，缓解的时间增加或无变化。
21.根据权利要求20所述的方法，其中所述疾病是类风湿性关节炎，并且不利响应是在开始抗TNF治疗后第12周时DAS28的变化小于或等于1，小于或等于1.2，或小于或等于15.5。
22.根据前述权利要求中任一项所述的方法，其中所述靶分子是核酸，优选mRNA。
23.根据前述权利要求中任一项所述的方法，其中所述mRNA是转录组。
24.根据权利要求22或23所述的方法，其中所述用于确定所述靶分子的水平的方法选自由杂交技术、定量PCR和高通量测序组成的组。
25.根据权利要求24所述的方法，其中所述用于确定所述靶分子的水平的方法是高通量测序并且选自由基于标签的测序，例如SAGE(基因表达系列分析)和RNA-seq组成的组。
26.根据权利要求22至25中任一项所述的方法，其中所述方法还包括从所述样品中分离mRNA；进行逆转录酶以获得cDNA；扩增cDNA群体；对所述cDNA群体进行测序。这样的方法可还包括使所述mRNA群体片段化；将接头连接至所述mRNA；和将条形码加到所述cDNA群体。
27.根据权利要求25所述的方法，其中所述方法选自由Illumina HiSeqTM、IonTorrentTM、和SOLiDTM组成的组。
28.根据前述权利要求中任一项所述的方法，其包括同时、顺序地或分别地分析多个样品。
29.一种试剂盒，其包含表4的一个或多个引物对，和任选地以下中的一种或多种：一组用于使用的用法说明、提供对应于所述试剂盒的所述引物对的至少一种生物标志物的参考值或基线值的表；和试剂。
30.一种用于治疗患有自身免疫或免疫介导的疾病的对象的方法，其中预先确定(或预先评估)了来自所述对象的样品中指示低密度粒细胞(LDG)基因的表达的靶分子与来自不具有自身免疫或免疫介导的疾病的对象的样品中所述靶分子的水平相比增加，所述方法包括向所述对象施用抗TNF治疗。
31.一种用于治疗患有自身免疫或免疫介导的疾病的对象的方法，其中根据权利要求2至6和当从属于权利要求2至6中任一项时的权利要求10至29中任一项所述的方法预先确定(或预先评估)了来自所述对象的样品中指示生物标志物的表达的靶分子增加。
32.一种用于治疗患有自身免疫或免疫介导的疾病的对象的方法，其中预先确定(或预先评估)了来自所述对象的样品中指示选自由CMPK2、IFI6、RSAD2和USP18组成的组的一种或多种干扰素调节的生物标志物的表达的靶分子与来自不具有自身免疫或免疫介导的疾病的对象的样品中所述靶分子的水平相比增加，所述方法包括向所述对象施用抗TNF治疗。
33.一种用于治疗患有自身免疫或免疫介导的疾病的对象的方法，其中预先确定(或预先评估)了i)来自所述对象的样品中指示低密度粒细胞(LDG)基因的表达的靶分子与参考值相比未增加，并且ii)来自所述对象的样品中指示选自由CMPK2、IFI6、RSAD2、USP18、IFFI44L LY6E、OAS1、OAS2、OAS3和IFIT1B组成的组的一种或多种干扰素调节的生物标志物的表达的靶分子与参考值相比增加；所述方法包括向所述对象施用抗TNF治疗。
34.根据权利要求33所述的方法，其中预先确定(或预先评估)了i)来自所述对象的样品中指示AZU1、BPI、CEACAM8、CRISP3、CTSG、DEFA4、ELANE、LCN2、LTF、MMP8、MPO、RNASE2、RNASE3中每一种的表达的靶分子与参考值相比未增加，并且ii)来自所述对象的样品中指示CMPK2、IFI6、RSAD2、USP18、IFFI44L LY6E、OAS1、OAS2、OAS3和IFIT1B中每一种的表达的靶分子与参考值相比增加；所述方法包括向所述对象施用抗TNF治疗。
35.一种用于治疗患有自身免疫或免疫介导的疾病的对象的方法，其中预先确定(或预先评估)了来自所述对象的样品中指示低密度粒细胞(LDG)基因的表达的靶分子与参考值相比增加，并且ii)来自所述对象的样品中指示选自由CMPK2、IFI6、RSAD2、USP18、IFFI44LLY6E、OAS1、OAS2、OAS3和IFIT1B的一种或多种干扰素调节的生物标志物的表达的靶分子与参考值相比未增加；所述方法包括向所述对象施用抗TNF治疗的替代治疗。
36.根据权利要求35的方法，其中预先确定(或预先评估)了i)来自所述对象的样品中指示AZU1、BPI、CEACAM8、CRISP3、CTSG、DEFA4、ELANE、LCN2、LTF、MMP8、MPO、RNASE2、RNASE3中每一种的表达的靶分子与参考值相比未增加，并且ii)来自所述对象的样品中指示CMPK2、IFI6、RSAD2、USP18、IFFI44L LY6E、OAS1、OAS2、OAS3和IFIT1B中每一种的表达的靶分子与参考值相比增加；所述方法包括向所述对象施用抗TNF治疗的替代治疗。
37.一种用于监测对治疗的响应的方法，所述方法包括确定自身免疫或免疫介导的疾病的活动度，其中根据权利要求7至9和当从属于权利要求7至9中任一项时的权利要求10至29中任一项所述的方法预先预测了所述对象对抗TNF治疗会具有有利响应，其中已向所述对象已施用了TNF治疗。
38.一种为对象选择治疗方案的方法，其包括测定获自所述对象的样品，其中所述方法包括根据权利要求1至29中任一项预测所述对象是抗TNF治疗的响应者或非响应者，其中根据第一方面的靶分子的升高的水平指示所述对象将受益于抗TNF治疗的替代治疗；其中根据第二方面的靶分子的升高的水平指示所述对象将受益于抗TNF治疗。
CN201680071029.6A 2015-12-03 2016-12-02 用于预测对抗tnf治疗的响应的方法 Pending CN108291261A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
GB1521357.2 2015-12-03
GBGB1521357.2A GB201521357D0 (en) 2015-12-03 2015-12-03 Methods for predicting response to anti-TNF therapy
PCT/GB2016/053798 WO2017093750A1 (en) 2015-12-03 2016-12-02 Methods for predicting response to anti-tnf therapy

Publications (1)

Publication Number Publication Date
CN108291261A true CN108291261A (zh) 2018-07-17

Family

ID=55234362

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680071029.6A Pending CN108291261A (zh) 2015-12-03 2016-12-02 用于预测对抗tnf治疗的响应的方法

Country Status (8)

Country Link
US (1) US20190367984A1 (zh)
EP (1) EP3384044A1 (zh)
JP (1) JP2018537100A (zh)
CN (1) CN108291261A (zh)
AU (1) AU2016364003A1 (zh)
CA (1) CA3005695A1 (zh)
GB (1) GB201521357D0 (zh)
WO (1) WO2017093750A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180063127A (ko) 2015-09-17 2018-06-11 암젠 인크 Il23 경로 바이오마커를 사용한, il23-길항제에 대한 임상 반응의 예측
EP3654993A4 (en) * 2017-07-17 2021-08-25 The Broad Institute, Inc. HUMAN COLON CELL ATLAS IN GOOD HEALTH WITH HEMORRHAGIC RECTO-COLITIS
CN108047327B (zh) * 2017-11-29 2020-08-07 中国医学科学院北京协和医院 一种检测骨关节炎的生物标志物及其应用
WO2019159186A1 (en) * 2018-02-19 2019-08-22 Genefron Ltd. Methods of determining response to tnf alpha blockers
JP7496324B2 (ja) 2018-03-16 2024-06-06 サイファー メディシン コーポレイション 抗ｔｎｆ療法に対する応答性を予測するための方法及びシステム
WO2020264426A1 (en) 2019-06-27 2020-12-30 Scipher Medicine Corporation Developing classifiers for stratifying patients
WO2021067667A1 (en) * 2019-10-04 2021-04-08 The Regents Of The University Of Michigan Methods for determining responsiveness to anti-tumor necrosis factor therapy in the treatment of psoriasis
KR20230165746A (ko) * 2020-11-30 2023-12-05 민데라 코포레이션 마이크로니들 디바이스 및 방법, 및 피부 병태 어세이
EP4305425A2 (en) * 2021-03-12 2024-01-17 Janssen Biotech, Inc. Methods for predicting treatment response in ulcerative colitis
CN113373218A (zh) * 2021-08-04 2021-09-10 杭州浙大迪迅生物基因工程有限公司 一组检测人嗜酸性粒细胞阳离子蛋白mRNA表达的引物组和试剂盒

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008154423A2 (en) * 2007-06-08 2008-12-18 Biogen Idec Ma Inc. Biomarkers for predicting anti-tnf responsiveness or non-responsiveness
WO2012153187A2 (en) * 2011-05-06 2012-11-15 Xentech Markers for cancer prognosis and therapy and methods of use
WO2014060785A2 (en) * 2012-10-19 2014-04-24 Egis Pharmaceuticals Public Limited Company DIAGNOSTIC METHOD FOR PREDICTING RESPONSE TO TNFα INHIBITOR
US20140135225A1 (en) * 2012-11-15 2014-05-15 New York Society For The Ruptured And Crippled Maintaining The Hospital For Spe Biomarkers for disease activity and clinical manifestations systemic lupus erythematosus

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2658171A1 (en) * 2006-07-13 2008-01-17 Source Precision Medicine, Inc. D/B/A Source Mdx Gene expression profiling for identification, monitoring and treatment of multiple sclerosis
WO2008132176A2 (en) * 2007-04-27 2008-11-06 Universite Catholique De Louvain Method for evaluating the response of an individual to tnf blocking therapy
EP2192197A1 (en) * 2008-11-27 2010-06-02 Vereniging voor christelijk hoger onderwijs, wetenschappelijk onderzoek en patiëntenzorg Predicting clinical response to treatment with a soluble tnf-antagonist or tnf, or a tnf receptor agonist
WO2011028945A1 (en) * 2009-09-03 2011-03-10 Genentech, Inc. Methods for treating, diagnosing, and monitoring rheumatoid arthritis

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008154423A2 (en) * 2007-06-08 2008-12-18 Biogen Idec Ma Inc. Biomarkers for predicting anti-tnf responsiveness or non-responsiveness
WO2012153187A2 (en) * 2011-05-06 2012-11-15 Xentech Markers for cancer prognosis and therapy and methods of use
WO2014060785A2 (en) * 2012-10-19 2014-04-24 Egis Pharmaceuticals Public Limited Company DIAGNOSTIC METHOD FOR PREDICTING RESPONSE TO TNFα INHIBITOR
US20140135225A1 (en) * 2012-11-15 2014-05-15 New York Society For The Ruptured And Crippled Maintaining The Hospital For Spe Biomarkers for disease activity and clinical manifestations systemic lupus erythematosus

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DIRK KOCZAN等: ""Molecular discrimination of responders and nonresponders to anti-TNFalpha therapy in rheumatoid arthritis by etanercept"", 《ARTHRITIS RESEARCH & THERAPY》 *
PETER C. GRAYSON等: ""Neutrophil-Related Gene Expression And Low-Density Granulocytes Associated with Disease Activity and Response to Treatment in ANCA-Associated Vasculitis"", 《ARTHRITIS RHEUMATOL》 *

Also Published As

Publication number Publication date
GB201521357D0 (en) 2016-01-20
AU2016364003A1 (en) 2018-06-28
EP3384044A1 (en) 2018-10-10
WO2017093750A1 (en) 2017-06-08
CA3005695A1 (en) 2017-06-08
JP2018537100A (ja) 2018-12-20
US20190367984A1 (en) 2019-12-05

Similar Documents

Publication Publication Date Title
CN108291261A (zh) 用于预测对抗tnf治疗的响应的方法
Wei et al. Hypomethylation of the IL17RC promoter associates with age-related macular degeneration
US20150315643A1 (en) Blood transcriptional signatures of active pulmonary tuberculosis and sarcoidosis
CA2889087C (en) Diagnostic method for predicting response to tnf.alpha. inhibitor
EP3314015A1 (en) Detection of chromosome interactions
Lochhead et al. MicroRNA expression shows inflammatory dysregulation and tumor‐like proliferative responses in joints of patients with postinfectious Lyme arthritis
JP2013526845A (ja) サイトカイン標的薬（ＣｙＴＤ）に対する、炎症性疾患に罹患している対象の初期応答または非応答を予測する遺伝子および遺伝子の組み合わせ
US20180298455A1 (en) Risk stratification in influenza
US9441274B2 (en) In vitro method and kit for prognosis or prediction of response by patients with rheumatoid arthritis to treatment with TNF-αfactor blocking agents
CN109963572A (zh) 用于表征实体瘤对抗pd-l1抗体单一疗法的反应性的组合物和方法
US20220291238A1 (en) Methods for Predicting Treatment Response in Ulcerative Colitis
Russell et al. Host gene expression changes in cattle infected with Alcelaphine herpesvirus 1
US20170183734A1 (en) Circulating mirnas as biomarkers of therapy effectiveness in rheumatoid arthritis patients treated with anti-tnf alpha
US20220351806A1 (en) Biomarker Panels for Guiding Dysregulated Host Response Therapy
Park et al. Gene expression profile in patients with axial spondyloarthritis: meta-analysis of publicly accessible microarray datasets
US20240132964A1 (en) Methods of predicting multisystem inflammatory syndrome (mis-c) with severe myocarditis in subjects suffering from a sars-cov2 infection or disease severity following sars-cov-2 infection or myocarditis post-vaccination against sars-cov-2
Saas et al. Single-Cell RNA Sequencing Reveals the Expansion of Cytotoxic CD4+ T Lymphocytes and a Landscape of
WO2024025923A1 (en) Methods for selection of cancer patients for anti-angiogenic and immune checkpoint blockade therapies and combinations thereof
WO2022212890A1 (en) Companion diagnostic and therapies for dysregulated host response
CN116997663A (zh) 类风湿性关节炎发作的标志物和细胞前因
Meskó Peripheral Blood Gene Expression Profiling as a Tool in Exploring the Pharmacogenomics of Autoimmune Diseases
de la Calle-Fabregat et al. The DNA Methylomes of Synovial and Peripheral Blood Monocytes Associate and Evolve With Prognosis and Treatment in Undifferentiated Arthritis

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180717

WD01 Invention patent application deemed withdrawn after publication