CN109313196A - 用于推断对象中的信号转导途径的转录因子的活性的方法 - Google Patents
用于推断对象中的信号转导途径的转录因子的活性的方法 Download PDFInfo
- Publication number
- CN109313196A CN109313196A CN201780036646.7A CN201780036646A CN109313196A CN 109313196 A CN109313196 A CN 109313196A CN 201780036646 A CN201780036646 A CN 201780036646A CN 109313196 A CN109313196 A CN 109313196A
- Authority
- CN
- China
- Prior art keywords
- dyeing
- transcription factor
- cell
- sample
- signal transduction
- 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
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
- G01N33/6875—Nucleoproteins
-
- 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
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
- G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
-
- 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
- G01N33/6872—Intracellular protein regulatory factors and their receptors, e.g. including ion channels
-
- 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
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
- G16B5/20—Probabilistic models
-
- 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
- G01N2333/705—Assays involving receptors, cell surface antigens or cell surface determinants
- G01N2333/72—Assays involving receptors, cell surface antigens or cell surface determinants for hormones
- G01N2333/723—Steroid/thyroid hormone superfamily, e.g. GR, EcR, androgen receptor, oestrogen receptor
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
- G01N33/57407—Specifically defined cancers
- G01N33/57415—Specifically defined cancers of breast
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Biomedical Technology (AREA)
- Hematology (AREA)
- Urology & Nephrology (AREA)
- Chemical & Material Sciences (AREA)
- Biotechnology (AREA)
- General Health & Medical Sciences (AREA)
- Cell Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Analytical Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Biochemistry (AREA)
- Microbiology (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Genetics & Genomics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Hospice & Palliative Care (AREA)
- Oncology (AREA)
- Probability & Statistics with Applications (AREA)
- Physiology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及一种用于推断对象中的信号转导途径的转录因子活性的方法。所述方法包括执行(101)第一染色以检测对象样本的细胞中的转录因子,并且执行(103)第二染色以检测由样本中的细胞中的转录因子的靶基因编码的蛋白。所述方法还包括基于第一染色和第二染色来对样本中显示转录因子的核存在和靶基因编码的蛋白的存在的细胞进行量化(103),并且基于所述量化来推断(104)所述对象中的转录因子的活性。这允许所提出的方法更可靠地推断对象中的转录因子的活性。
Description
技术领域
本发明涉及一种用于推断对象中的信号转导途径的转录因子的活性的方法。本发明还涉及用于对对象进行分层的方法和用于评估对象的治疗适合性的方法,所述治疗涉及信号转导途径,其中,所述方法包括用于推断对象中的信号转导途径的转录因子的活性的方法。
背景技术
今天乳腺癌中的常规病理学染色包括ER(雌激素受体),PR(孕酮受体)和HER-2(人表皮生长因子受体2)染色,例如,通过进行免疫组织化学(IHC)测定,其中,通常,每切片执行一次染色。根据临床诊断指南,如果样本中超过1%至10%的癌细胞分别表达核ER和PR,则ER和PR被认为是阳性的,这取决于所使用的医院协议。具有核ER和PR染色的癌细胞在阳性结果中所需的最小百分比在不同国家/中心之间不同;例如,在荷兰,使用了10%的值,而在美国,1%被认为是表示阳性结果。染色结果被用作指示患者中相应的信号转导途径(例如,ER信号转导途径和PR信号转导途径)是否为活性的指示。
目前,ER阳性患者通常用激素疗法治疗,例如,新辅助疗法、辅助疗法和/或转移疗法,其中,PR染色的结果不用于指导治疗选择。然而,根据目前的做法,发现约25%至50%的患者对治疗无反应。这种高的无反应率的可能原因可能是在各个患者中,尽管ER阳性染色结果,但是ER信号转导途径实际上可能是非活性的,这表明ER染色在评估患者中的ER信号转导途径的活性方面不够特异。
鉴于上述情况,通常希望能够提供改进的技术,其允许更可靠地确定对象中的信号转导途径的活性。
发明内容
本发明的一个目的是提供一种用于推断对象中的信号转导途径的转录因子的活性的方法,其允许更可靠地推断转录因子的活性。本发明的另一个目的是提供一种用于对对象进行分层的方法和一种用于评估治疗对于对象的适合性的方法,所述治疗涉及信号转导途径,其中,所述方法包括用于推断对象中的信号转导途径的转录因子的活性的方法。
在本发明的第一方面中,提供了一种用于推断对象中的信号转导途径的转录因子活性的方法,其中,所述方法包括:
-执行第一染色以检测所述对象的样本中的细胞中的所述转录因子,
-执行第二染色以检测所述样本中的细胞中的由所述转录因子的靶基因编码的蛋白,
-基于所述第一染色和所述第二染色,来对所述样本中显示所述转录因子的核存在和所述靶基因编码的蛋白的存在的细胞进行量化,并且
-基于所述量化来推断所述对象中的所述转录因子的活性。
本发明基于这样的思想:对于在细胞中显示信号转导途径的转录因子的核存在的细胞,要么在细胞的细胞核中要么细胞质中的由转录因子的靶基因编码的蛋白的存在,可以作为转录因子在特定细胞中实际上活性(或者“开启”)(即,在活性基因转录模式中)的额外指标。因此,通过分别在对象样本的细胞中执行第一染色和第二染色以检测转录因子和靶基因编码的蛋白,并基于所述第一染色和所述第二染色来对样本中显示转录因子的核存在和靶基因编码的蛋白的存在的细胞进行量化,可以以更可靠的方式推断对象中的转录因子的活性以及信号转导途径的活性。
根据本发明使用的(一个或多个)样本可以是提取的样本,即,从对象中提取的样本。样本的示例包括但不限于对象的组织、细胞、血液和/或体液。它可以是,例如,从癌症病变、或从疑似癌症的病变、或从转移性肿瘤、或从任何其他组织、或从其中存在被癌细胞污染的流体的体腔(例如,胸膜或腹腔或膀胱腔)、或从含有癌细胞的其他体液等获得的样本,优选地,经由活组织活检流程或其他样本提取流程。提取样本的细胞也可以是来自血液恶性肿瘤(例如白血病或淋巴瘤)的肿瘤细胞。在一些情况下,细胞样本也可以是循环的肿瘤细胞,即已进入血流的肿瘤细胞,并且可以使用合适的分离技术,例如单采血液成分术或常规静脉血液抽取来提取。除了血液之外,提取样本的体液可以是尿液、胃肠内容物或外渗液。如本文中所使用的术语“样本”还包括以下情况:例如己经从对象取得对象的组织和/或细胞和/或体液并且例如已经放在显微镜切片上;以及为执行本发明己经提取了该样本的一部分,例如,借助于激光捕获显微切割(LCM),或者通过从切片上刮下感兴趣的细胞,或通过荧光激活细胞分选技术。另外,如本文中所使用的术语“样本”还包括例如已从对象取得对象的组织和/或细胞和/或体液并放置在显微镜切片上的情况,并且要求保护的方法在切片上执行。
信号转导途径优选是核受体信号转导途径。这些信号转导途径的特征在于细胞内配体受体,当配体结合并且受体易位至细胞核时,配体受体作为活性转录因子起作用。活性转录因子随后诱导转录为蛋白的特定组的靶基因的转录。核受体的范例是雌激素受体,雄激素受体(AR),孕酮受体,糖皮质激素受体(GCR),视黄酸受体(RAR),维生素D受体(VDR)和孤核受体。
在一个实施例中,第一染色和第二染色在样本的同一切片上进行。在一种方法中,首先在同一切片上执行第一染色。此后,从同一切片上除去第一染色的所染颜色,然后在同一切片上执行第二染色。换一种说法:在该方法中,来自第一染色的所染颜色和来自第二染色的所染颜色不同时存在于同一切片上。这具有以下优点:不必在同一切片的数字图像中对来自第一染色的颜色信息与与来自第二染色的颜色信息进行分离。在另一种方法中,在同一切片上执行第一染色和第二染色,使得来自第一染色的所染颜色和来自第二染色的所染颜色同时存在于同一切片上。这使得可以省去从同一切片上去除第一染色的所染颜色的额外步骤。
在另一实施例中,在样本的不同切片上执行第一染色和第二染色,其中,所述量化包括在空间上配准第一染色的切片的数字图像和第二染色的切片的数字图像,使得可以在两个切片上检测相对应的细胞。由于第一染色和第二染色是在样本的不同切片上进行的,因此它们可以同时进行,这可以减少执行染色的总时间。
优选地,从样本的相邻横截面获得不同的切片,或者从样本的彼此非常接近的样本的横截面获得不同的切片。这有助于确保在不同切片上存在足够数量的相对应的细胞,即存在于两个切片上的细胞。
优选的是,第一染色和/或第二染色以选自包括(i)免疫组织化学(IHC)测定、(ii)免疫荧光测定以及(iii)基于与转录因子或靶基因编码的蛋白的高亲和力结合的另一染色测定的组的测定形式来执行。
进一步优选地,量化包括:
-根据样本中的选定的细胞群来确定显示转录因子的核存在和靶基因编码的蛋白的存在的细胞百分比,和/或
-根据样本中的选定的细胞群来确定显示转录因子核存在的细胞,并且根据所确定的细胞来确定也显示靶基因编码的蛋白存在的细胞百分比。
在第一个变型例中,百分比是根据样本中选定的细胞群“直接”确定的。这提供了来自样本中的选定的细胞群的细胞百分比的测量结果,其中的转录因子实际上是活性的(或“开启”),即在活性基因转录模式中,其中,当百分比超过适当定义的“活性阈值”时,转录因子可以被认为在对象中是活性的。第二个变体提供转录因子阳性细胞百分比的测量结果(即来自样本中的选定细胞群的显示转录因子的核存在的细胞),其中的转录因子实际上是活性的(或“开启”),即在活性基因转录模式中。同样在这种情况下,当百分比超过适当定义的“活性阈值”时,转录因子可以被认为在对象中是活性的。当然,也可能的是,确定两个百分比,并且在对象中推断转录因子的活性是基于两个百分比的。
特别优选的群体是癌细胞群,特别是乳腺癌细胞群。
优选的是,量化包括使用计算机实现的图像分析技术来分析第一染色和第二染色的相同切片的至少一个数字图像或第一染色的切片和第二染色的切片的数字图像。借助于这种计算机实现的图像分析技术,可以以基本上自动化的,特别是更客观的方式执行量化,所述方式不依赖于临床医师解释染色结果的经验。
优选地,所述对象是医学对象,具体地是癌症患者,更具体地,乳腺癌患者。
在一个实施例中,所述信号转导途径是ER-α信号转导途径,所述转录因子是ER-α,所述靶基因是PgR,所述靶基因编码的蛋白是PR。
在本发明的另一方面中,提出了一种用于评估治疗对于对象的适合性的方法,所述治疗涉及信号转导途径,其中,所述方法包括:
-执行根据权利要求1至10中的任一项所述的方法,用于推断所述对象中的所述信号转导途径的转录因子的活性,并且
-根据推断的活性来评估治疗的适合性。
在本发明的另一方面中,提出了一种用于对对象进行分层的方法,其中,所述方法包括:
-执行根据权利要求1至10中的任一项所述的方法,用于推断对象中的信号转导途径的转录因子的活性,并且
-根据推断的活性来对对象进行分层,
在本发明的另一方面中,提出供了一种用于推断对象中的信号转导途径的转录因子活性的系统,其中,所述系统包括:
-第一染色套件,其用于执行第一染色以检测所述对象的样本中的细胞中的所述转录因子,
-第二染色套件,其用于执行第二染色以检测所述样本中的细胞中的由所述转录因子的靶基因编码的蛋白,
-量化单元,其用于基于所述第一染色和所述第二染色来所述对样本中显示所述转录因子的核存在和所述靶基因编码的蛋白的存在的细胞进行量化,以及
-任选地,推断单元,其用于基于所述量化来推断所述对象中的所述转录因子的所述活性。
如果所述系统包括推断单元,则可以认为它是用于推断对象中的信号转导途径的转录因子活性的系统。
在本发明的另一方面中,提供了一种用于评估治疗对于对象的适合性的系统,所述治疗涉及信号转导途径,其中,所述系统包括:
-根据权利要求12所述的用于推断对象中的信号转导途径的转录因子活性的系统,以及
-任选地,评估单元,其用于基于推断的活性来评估治疗的适合性。
如果所述系统包括评估单元,则可以将其视为用于评估治疗对于对象的适合性的系统,所述治疗涉及信号转导途径。
在本发明的另一方面中,提出了一种用于在对对象进行分层中使用的系统,其中,所述系统包括:
-根据权利要求12所述的用于在推断对象中的信号转导途径的转录因子活性中使用的系统,以及
-任选地,分层单元,其用于基于推断的活性来对所述对象进行分层。
如果所述系统包括所述分层单元,则可以将其视为用于对对象进行分层的系统。
在本发明的另一方面中,提供了一种用于推断对象中的信号转导途径的转录因子活性的计算机程序,所述计算机程序包括程序代码模块,当所述计算机程序在计算机上运行时,所述程序代码模块用于执行量化步骤,并且任选地,用于执行在推断根据权利要求1至10中的任一项所述的对象中的转录因子活性中使用的方法的推断步骤。
在本发明的另一方面中,提供了一种用于评估治疗对于对象的适合性的计算机程序,所述治疗涉及信号转导途径,所述计算机程序包括程序代码模块,当所述计算机程序在计算机上运行时,所述代码模块用于执行量化步骤,并且任选地,用于执行在根据权利要求11所述的对象的治疗适合性中使用的方法的推断步骤和/或评估步骤。
在本发明的另一方面中,提供了一种用于对对象进行分层的计算机程序,所述计算机程序包括程序代码模块,当所述计算机程序在计算机上运行时,所述程序代码模块用于执行量化步骤,并且任选地,用于执行根据权利要求11所述的用于在对对象进行分层中使用的方法的推断步骤和/或分层步骤。
应当理解,根据权利要求1所述的用于推断对象中的信号转导途径的转录因子的活性的方法,用于评估治疗对对象的适合性的方法,所述治疗涉及信号转导途径,或者根据权利要求11所述的用于对对象分层的方法,以及根据权利要求12至14所述的相应的系统和计算机程序具有类似和/或相同的优选实施例,特别是如从属权利要求中所定义的。
应该理解,本发明的优选实施例也可以是从属权利要求或以上实施例与各自的独立权利要求的任何组合。
本发明的这些和其他方面将根据下文描述的实施例变得显而易见,并且将参考下文描述的实施例得以阐述。
附图说明
在以下附图中:
图1示出了示例性地图示用于推断对象中的信号转导途径的转录因子的活性的方法的第一实施例的流程图,
图2示出了示例性地图示用于推断对象中的信号转导途径的转录因子的活性的方法的第二实施例的流程图,
图3示出了示例性地图示用于推断对象中的信号转导途径的转录因子的活性的方法的第三实施例的流程图,
图4示出了示例性地图示用于评估治疗对于对象的适合性的方法的实施例的流程图,所述治疗涉及信号转导途径,
图5示出了示例性地图示用于对对象进行分层的方法的实施例的流程图,
图6示意性和示例性地示出了用于在推断对象中的信号转导途径的转录因子的活性中使用的系统的实施例,
图7示意性和示例性地示出了用于在评估治疗对对象的适合性中使用的系统的实施例,所述治疗涉及信号转导途径,
图8示意性和示例性地示出了用于在对对象进行分层中使用的系统的实施例,
图9示意性和示例性地示出了样本的切片的数字图像中细胞及其细胞核的轮廓的检测,
图10示出了在雌激素剥夺48小时和随后雌二醇刺激长达16小时后,在MCF7乳腺癌细胞系样本中测量的ER-α信号和PR信号的进展的比较,并且
图11示出了利用39个乳腺癌样本进行的ER和PR量化实验的结果。
具体实施方式
在附图中,相同或相应的附图标记表示相同或相对应的部件和/或元件。
在下文中,将参考图1中所示的流程图示例性地描述用于推断对象中的信号转导途径(这里是ER-α信号转导途径)的转录因子的活性的方法的第一实施例。这里,所述对象是医学对象,特别地,癌症患者,更特别地,乳腺癌患者。
在步骤101中,执行第一染色,用于检测样本(在该示例中是的乳腺癌患者组织)中的细胞中的转录因子(这里是ER-α)。在步骤102中,执行第二染色,用于检测由样本中的细胞中的由转录因子(即ER-α)的靶基因(这里是PgR)编码的蛋白(这里是PR)。所述第一染色和所述第二染色在样本的同一切片上执行。此处,所述第一染色和所述第二染色均以免疫组织化学(IHC)测定的形式执行。
在该实施例中,首先在同一切片上执行第一染色(步骤101)。此后,从同一切片上除去第一染色的所染颜色,然后在同一切片上执行第二染色(步骤102)。换一种说法:在该实施例中,来自第一染色的所染颜色和来自第二染色的所染颜色不同时存在于同一切片上。
在步骤103中,基于所述第一染色和所述第二染色,对样本中的显示ER-α的核存在和PgR编码的蛋白PR的(核和/或细胞质)存在两者的细胞进行量化。在该实施例中,这通过使用计算机实施的图像分析技术分析来自所述第一染色的所染颜色和来自所述第二染色的所染颜色的同一切片的数字图像来完成。例如,可以通过使用合适的扫描装置或设备扫描染色的相同切片来获得数字图像。
更详细地,使用计算机实施的检测技术(例如,如JP Vink等人,“Efficientnucleus detector in histopathology images”,Journal of Microscopy,Vol.249,No.2,2013,第124至135页),基于来自第一染色的颜色信息和/或来自第一染色的颜色信息,在同一切片的数字图像中检测细胞及其细胞核的轮廓,可能与另外的H&E(苏木精和伊红(Eosin))染色组合。
基于检测到的细胞及其细胞核的轮廓,在该实施例中,量化然后包括确定来自细胞核中的第一染色的颜色信息的强度,并确定来自细胞核和细胞的细胞质的第二染色的颜色信息的强度。该过程可以包括不同的处理步骤,例如使用过滤操作,使用形态学操作等。然后通过阈值强度适当地检测显示ER-α(转录因子)的存在和PgR编码的蛋白PR的(核和/或细胞质)存在两者的细胞。例如,这是通过检测细胞核中第一染色的颜色信息强度和来自同一细胞核或细胞质中第二染色的颜色信息强度的细胞超过预定义的阈值来完成的。替代地,不是预定义这样的阈值,而是可以通过同一切片的非癌性部分中的背景染色来设定,在所述背景染色中,细胞不显示ER-α的核存在和/或PgR编码的蛋白PR的(核和/或细胞质)的存在,或者第一染色和/或第二染色可以针对这种背景染色进行标准化。应注意,取决于过程的细节,例如来自第一染色和第二染色的所染颜色的波长,用于获得数字图像的扫描装置或设备等,所述预定阈值对于来自第一染色的颜色信息和来自第二染色的颜色信息可以是相同的,或者可以预定义或设置不同的阈值。这里的量化还包括确定显示ER-α的核存在和PgR编码的蛋白PR的(核和/或细胞质)存在两者的细胞的百分比。在第一变型例中,百分比是根据样本中的细胞的选定群“直接”确定的,其中,例如,所述群是乳腺癌细胞群。在第二个变型例中,可以通过根据样本中的细胞的选定细胞群(例如,乳腺癌细胞群)确定显示ER的核存在的细胞ER-α来确定百分比,并且根据确定的细胞来确定还显示PgR编码的蛋白PR的(核和/或细胞质)存在的细胞的百分比。
由于数字图像,即具有来自第一染色的所染颜色的相同切片的数字图像和具有来自第二染色的所染颜色的相同切片的数字图像,是从同一切片单独获得的,因此可能需要的是,量化包括将数字图像空间地相互配准,使得来自第一染色和第二染色的颜色信息可以被叠加以使得能够识别其中两种染色共同位于同一细胞中的细胞。这种空间配准可以使用计算机实现的图像处理技术来实现,例如D.Mueller等人在Computerized MedicalImaging and Graphics,第35号,2011年,第542至556页上的“Real-time deformableregistration of multi-modal whole slides for digital pathology”。由于数字图像是从同一张切片获得的,因此空间配准几乎可以完美。
在步骤104中,这里使用计算机实现的算法,基于所述量化来推断乳腺癌患者中的转录因子(这里是ER-α)的活性。基于常规临床使用的ER染色,其中,如果样本中超过1%或10%的癌细胞被阳性染色(超过阈值,取决于所使用的医院方案),则ER被认为是阳性的,相同的1%或10%的值可以被用作“活性阈值”,但是替代地考虑所有细胞,来自样本中的细胞(例如,乳腺癌细胞群)的显示仅存在ER-α的核选定的群,那些细胞也被视为显示PgR编码的蛋白PR(核酸和/或细胞质)的存在(参见上文)。这提供了来自样本中的选定的细胞群(例如,乳腺癌细胞群)的细胞百分比的测量结果,其中的转录因子(这里是ER-α)实际上是活性的(或“开启”),即在活性基因转录模式中,其中,当百分比超过活性阈值1或10%时,转录因子(ER-α)将被认为在乳腺癌患者中具有活性。替代地,如果百分比是在量化中通过从样本的选定细胞群(例如,乳腺癌细胞群)中确定显示ER-α的核存在的细胞而确定的,并从确定的细胞中确定也显示PgR编码的蛋白PR的(核和/或细胞质)存在的细胞的百分比,这提供了ER-α阳性细胞(即,细胞)的百分比(参见上文),这提供了转录因子(这里是ER-α)实际上是活性(或“开启”)(即在活跃的基因转录模式中)的ER-α阳性细胞(即,来自所述样本中的选定细胞群的显示ER-α的核的存在的细胞(例如,乳腺癌细胞群))的百分比测量结果。同样在这种情况下,当百分比超过活性阈值1或10%时,转录因子(ER-α)可以被认为在乳腺癌患者中是活性的。当然,活性阈值的其他值可用于确定转录因子(这里是ER-α)是否可被认为在乳腺癌患者中具有活性。此外,也可能的是,确定两个百分比,并且乳腺癌患者中的转录因子(这里是ER-α)的活性的推断是基于两个百分比的。
在下文中,将参考图2中所示的流程图示例性地描述用于推断对象中的信号转导途径(这里是ER-α信号转导途径)的转录因子的活性的方法的第二实施例。这里,所述对象再次是医学对象,特别地,癌症患者,更特别地,乳腺癌患者。
第二实施例基本上类似于参考图1所示的流程图描述的第一实施例。特别地,同样在该实施例中,执行第一染色,用于检测样本中的细胞(在该实施例中,是乳腺癌患者组织的细胞)中的转录因子(这里是ER-α),并且执行第二染色,用于检测样本中的细胞中的由转录因子(即ER-α)的靶基因(这里是PgR)编码的蛋白(这里是PR)。然而,同样在这种情况下,在样本的同一切片上执行第一染色和第二染色,它们在步骤1012中执行,使得来自第一染色的所染颜色和来自第二染色的抽染色同时存在于同一切片上。此处,所述第一染色和所述第二染色均以免疫组织化学(IHC)测定的形式执行。
同样,在该实施例中,基于第一染色和第二染色,显示ER-α的核存在和PgR编码的蛋白PR的(核和/或细胞质)存在两者的样本中的细胞进行量化(步骤103)。这里,这通过使用计算机实施的图像分析技术分析来自第一染色的所染颜色和来自第二染色的所染颜色的同一切片的数字图像来完成。例如,可以通过使用合适的扫描装置或设备扫描染色的相同切片来获得数字图像。
由于来自第一染色的所染颜色和来自第二染色的所染颜色同时存在于同一切片上,因此适当地选择它们的波长使得它们基本上不交叠并且来自第一染色的颜色信息和来自第二染色的颜色信息,在数字图像中使用计算机实现的颜色反卷积技术来分离,例如在以下文章中所描述的:A.C.Ruifrok和D.A.Johnston在Analytical and QuantitativeCytology and Histology,Vol.23,No.4,2001,第291到299页中的“Quantification ofhistochemical staining by color deconvolution”;M.Macenko等人在Proceedings ofIEEE International Symposium on Biomedical Imaging:From Nano to Macro,Boston,MA,USA,2009,第1107至1110页中的“A method for normalizing histology slides forquantitative analysis”,M.Niethammer等人在Proceedings of First InternationalWorkshop on Machine Learning in Medical Imaging,中国,北京,2010,第58至66页中的“Appearance normalization in histology slides”,或JP Vink等人的文章(所前所述)。
基于来自第一染色的分离的颜色信息和/或来自第二染色的分离的颜色信息(可能与另外的H&E(苏木精和伊红)染色组合),然后基本上如上文对第一实施方案所述地执行量化(步骤103)和基于量化推断乳腺癌患者中的转录因子(这里是ER-α)的活性(步骤104)。
在下文中,将参考图3中所示的流程图示例性地描述用于推断对象中的信号转导途径(这里是ER-α信号转导途径)的转录因子的活性的方法的第三实施例。这里,所述对象再次是医学对象,特别地,癌症患者,更特别地,乳腺癌患者。
第三实施例基本上类似于参考图1和2中所示的流程图描述的第一和第二实施例。特别地,同样在该实施例中,执行第一染色,用于检测样本中的细胞(在该实施例中,是乳腺癌患者组织的细胞)中的转录因子(这里是ER-α),并且执行第二染色,用于检测样本中的细胞中的由转录因子(即ER-α)的靶基因(这里是PgR)编码的蛋白(这里是PR)。然而,在这种情况下,在步骤201和202中,在样本的不同切片上执行第一染色和第二染色。这里,从样本的相邻截面获得不同的切片,并且第一染色和第二染色均以免疫组织化学(IHC)测定的形式执行。代替从样本的相邻截面获得不同的切片,也可以从样本的在样本中彼此非常接近的截面获得不同的切片。在这种情况下,截面之间的距离不应大于例如每4微米五个截面。
同样,在该实施例中,基于第一染色和第二染色,显示ER-α的核存在和PgR编码的蛋白PR的(核和/或细胞质)存在两者的样本中的细胞进行量化(步骤203)。这里,这通过使用计算机实施的图像分析技术分析来自第一染色的所染颜色的切片和来自第二染色的所染颜色的切片的数字图像来完成。例如,可以通过使用合适的扫描装置或设备扫描染色的切片来获得数字图像。
由于数字图像,即具有来自第一染色的所染颜色的切片的数字图像和具有来自第二染色的所染颜色的切片的数字图像,是从从样本的相邻截面获得的不同切片获得的,因此通常需要的是,量化包括在空间上相互配准数字图像。这样的空间配准可以使用计算机实现的图像处理技术来实现,例如D.Mueller等人的所描述的技术(同上)。无论使用何种方法,它都应该能够使两个切片的数字图像对齐,使得在两个切片上可以检测相对应的细胞,使得可以确定和量化这样的细胞:第一染色和第二染色存在于相同的细胞中。由于数字图像是从从样本的相邻横截面获得的不同切片获得的,因此空间配准将不是完美的,因为第一染色的滑动和第二染色的滑动将包括(至少部分地)不同的细胞。为了解决这个问题,不清楚它们存在于两个切片中的细胞可能不用于量化(步骤203)和基于量化的乳腺癌患者中的转录因子(这里是ER-α)的活性的推断(步骤204),其否则基本上如上面针对第一和第二实施例所述地进行。
在下文中,将参考如图4中所示的流程图示例性地描述用于评估治疗对于对象的适合性的方法的实施例,所述治疗涉及信号转导途径,这里是ER-α信号转导途径。这里,所述对象再次是医学对象,特别地,癌症患者,更特别地,乳腺癌患者。
在步骤301中,执行参考图1至图3中所示的任何流程图描述的方法以用于推断在乳腺癌患者中转录因子(这里是ER-α)的活性。
在步骤302中,基于推断的活性来确定治疗的适合性。在该实施例中,治疗是激素疗法(也称为“内分泌疗法”),其可以通过ER-α信号转导途径以不同方式降低雌二醇信号传导,并且可以包括“直接”指向转录因子(即,ER-α)的药物(如他莫昔芬),或干扰雌二醇配体产生的药物(如芳香酶抑制剂),或促进ER-α降解的药物。更详细地:芳香酶抑制剂药物(例如依西美坦)干扰雌二醇的产生,导致激活ER-α信号转导途径的配体水平降低。相反,雌激素受体(ER)抑制药物(例如他莫昔芬)通常与雌二醇竞争其对雌激素受体的结合位置,并且从而干扰激活。最后,一种非常新的药物氟维司群(Fulvestrant),增加ER-α的降解。
通过将治疗(这里是激素治疗)的适合性建立在乳腺癌患者中的转录因子(这里是ER-α)的推断的活性的基础上,如果转录因子(ER-α)被推断为是活性的,则预期对治疗的反应的可能性高于临床中对ER(和PR)染色的常规解释的情况,这意味着治疗反应预测获得了特异性,同时保持敏感性。这在临床上是非常重要的,因为如果基于转录因子(这里是ER-α)的推断的活性预测乳腺癌患者是非响应者,可以及时选择另一种更合适和有效的疗法,因此防止在无效治疗的情况下癌症进展并防止不必要的副作用(以及不必要的花费)。例如,基于上面讨论的1或10%的活性阈值,预期如果来自样本的选定的细胞群(例如,乳腺癌细胞群)中的转录因子(这里是ER-α)实际上是活性的(或“开启”)(即在活性基因转录模式中)的细胞的百分比超过活性阈值,则乳腺癌患者对激素治疗的反应可能性分别大于60%(对于1%活性阈值)和大于80%(对于10%活性阈值)。如果使用1%或10%的相同活性阈值,并且通过确定来自样本的选定细胞群(例如,乳房癌细胞群)显示ER-α核存在的细胞的来量化中确定百分比,并且确定来自所确定的细胞中也显示PgR编码的蛋白PR的(核和/或细胞质)存在的细胞的百分比(参见上文),则预期相同或甚至更高的可能性。在这方面中,应当注意,对于适当的激素治疗反应所需的具有活性转录因子(这里是ER-α)的细胞百分比的临床校准将优选基于适当的乳腺癌患者群组中的评估。
因此,本质上,如果推断转录因子(这里是ER-α)在乳腺癌患者中具有活性,那么药物如他莫昔芬或芳香酶抑制剂可能有效抑制肿瘤生长,除非激活ER-α突变,在这种情况下,氟维司群是首选疗法。然后可以通过(例如DNA或RNA测序)对激活的ER-α突变的额外评估来进行最后的治疗选择。
另一方面中,如果转录因子(这里是ER-α)被推断为在乳腺癌患者中无活性(或“关闭”),即不是活性的基因转录模式,则很可能是乳腺癌患者不会对激素治疗(例如,他莫昔芬或芳香酶抑制剂)产生反应。在这种情况下,替代疗法可以例如包括化学疗法或替代靶向疗法或免疫疗法或组合疗法。
在下文中,将参考图5中所示的流程图示例性地描述用于对对象进行分层的方法的实施例。这里,所述对象再次是医学对象,特别地,癌症患者,更特别地,乳腺癌患者。
在步骤401中,为了推断乳腺癌患者中信号转导途径(这里是ER-α信号转导途径)的转录因子的活性,执行参考图1至图3中所示的任何流程图描述的方法。
在步骤402中,基于推断的活性来对乳腺癌患者进行分层。例如,如果推断在乳腺癌患者中转录因子(这里是ER-α)是活性的(或“开启”)(即在活性基因转录模式中),则所述乳腺癌患者可以被分层为用于激素治疗,并且如果转录因子(这里是ER-α)被推断为无活性(或“关闭”)(即不在活性基因转录模式中),则乳腺癌患者可以分层为进行替代治疗,例如,化学疗法或替代靶向疗法或免疫疗法或联合疗法。各个分层决定可以与参考图4所示的流程图描述的用于评估对象的治疗适合性的方法中做出的决定相同。
在下文中,在图6中示意性和示例性地示出了用于在推断对象中的信号转导途径的转录因子(这里是ER-α信号转导途径)的活性中使用的系统的实施例。这里,所述对象再次是医学对象,特别地,癌症患者,更特别地,乳腺癌患者。
系统30包括:第一染色套件31,其用于执行第一染色以检测在该示例中为乳腺癌患者的组织的样本的细胞中的转录因子(这里是ER-α),以及第二染色套件32,其用于执行第二染色以检测样本中的细胞中的由转录因子(即ER-α)的靶基因(这里是PgR)编码的蛋白(这里是PR)。系统30还包括:量化单元33,其用于基于第一染色和第二染色来量化样本中的显示ER-α的核存在和PgR编码的蛋白PR的(核和/或细胞质)存在的细胞;以及任选的推断单元34,其用于基于所述量化来推断乳腺癌患者中的转录因子(这里是ER-α)的活性。
系统30优选地适于执行参考图1至图3中所示的任何流程图描述的方法。
在下文中,用于评估治疗对于对象的适合性的系统的实施方案,所述治疗涉及信号转导途径,这里是ER-α信号转导途径,在图7中示意性和示例性地显示。这里,所述对象再次是医学对象,特别地,癌症患者,更特别地,乳腺癌患者。
系统40包括如参考图6所述的系统30,并且任选地,包括评估单元41,用于基于推断的活性来评估治疗的适合性。
系统40优选地适于执行参考图4中所示的流程图描述的方法。
在下文中,在图8中示意性和示例性地示出了用于对对象进行分层的系统的实施例。这里,所述对象再次是医学对象,特别地,癌症患者,更特别地,乳腺癌患者。
系统50包括如参考图6所述的系统30,并且任选的,包括用于基于推断的活性来对对象进行分层的分层单元51。
系统50优选地适于执行参考图5中所示的流程图描述的方法。
在参考图1至3描述的用于推断对象中的信号转导途径(这里是ER-α信号转导途径)的转录因子活性的方法的第一至第三实施例中,在所述方法之前可以是适当的样本处理(步骤100;步骤200)。例如,样本可以从新鲜或石蜡包埋的组织/细胞材料获得,其被处理以固定并沉积在显微镜载玻片上,以根据标准IHC或免疫荧光染色方案染色。
虽然在参考图1至3描述的用于推断信号转导途径(这里是对象中的ER-α信号转导途径)的转录因子活性的方法的第一至第三实施例中,第一染色和第二染色均以免疫组织化学(IHC)测定的形式进行,但是在其他实施例中,第一染色和第二染色中的仅一个可以以IHC测定的形式进行,而第一染色和第二染色中的另一个可以作为免疫荧光测定进行。替代地,第一染色和第二染色都可以被执行为免疫荧光测定,或者第一染色和/或第二染色可以被执行为基于与转录因子(这里是ER-α)或靶基因编码的蛋白PR(靶基因,PgR)的高亲和力结合的另一种染色测定(例如,基于具有胶体的抗体的染色测定(金珠)、用于照相显影的同位素染色测定或基于增强的化学发光的染色测定(ECL))。
在参考图1至3描述的用于推断对象中的信号转导途径(这里是ER-α信号转导途径)的转录因子活性的方法的第一至第三实施例中,如图1至3所示,可以进行另外的DAPI(二脒基苯基吲哚)染色以显示细胞的细胞核,以便于执行作为量化的一部分的计算机实现的图像分析。在这一方面,图9示意性和示例性地示出了样本的切片的数字图像中细胞及其细胞核的轮廓的检测,在该示例中,使用计算机实现的算法来基于数字图像的DAPI(蓝色)通道中存在的核来检测细胞。具有基于DAPI染色的识别的轮廓的核的一个实例在图9中由附图标记21指示。在没有膜染色的情况下,细胞核21用作核心,虚拟膜22从该核心向外生长,直到达到给定的表面积或膜22撞击其他膜,这里例如膜23。膜22与限定的核21一起提供核和细胞质区室,其用于量化其他荧光通道中的染色。例如,在图9所示的染色中,可以对每个细胞量化绿色荧光通道中的平均核染色,以便对显示转录因子(这里是ER-α)的核存在的样本中的细胞进行量化。
虽然在用于推断转录因子或信号转导途径(这里是参考图1至图3描述的对象中的ER-α信号转导途径)活性的方法的第一至第三实施例中,第一染色被描述为首先执行,即,在第二染色之前,但是在其他实施例中,可以首先执行第二染色,即在第一染色之前。例如,在参考图1描述的第一实施例中,可以首先在同一切片上执行第二染色,并且只有在从同一切片上除去第二染色的所染颜色后才能执行第一染色。换一种说法:表述“第一染色”和“第二染色”中的术语“第一”和“第二”仅用于对两种染色彼此进行区分;它们并不意味着执行两次染色的相对顺序。
如上所述,在常规临床使用的ER染色中,细胞中的核ER染色被认为表示该细胞中的活性ER信号转导途径。然而,所述假设不一定正确,如下所示,来自MCF-7乳腺癌细胞系的样本。这里,从乳腺癌患者样本的组织块切下三个切片,其中,第一个和最后一个切片用作对照组。对于中间切片,执行第一染色以检测样本中的细胞中的转录因子(这里是ER-α),并且执行第二染色以检测样本中的细胞中的由转录因子(即ER-α)的靶基因(这里是PgR)编码的蛋白(这里是PR)。更详细地:在样本的同一切片上以免疫荧光测定的形式执行第一染色和第二染色,使得来自第一染色的所染颜色和来自第二染色的所染颜色同时存在于同一切片上。由于来自第一染色的所染颜色和来自第二染色的所染颜色同时存在于同一切片上,因此适当地选择它们的波长使得它们基本上不交叠。
图10显示了在雌激素剥夺48小时和随后雌二醇刺激长达16小时后,在MCF7乳腺癌细胞系样本中测量的ER-α信号(上图)和PR信号(下图)的进展的比较。在图中,水平轴表示以小时计的时间,纵轴表示使用针对这些蛋白的特异性抗体测量的MCF7细胞核中各蛋白表达信号的强度。从上图可以看出,在48小时的雌激素剥夺期后,MCF7细胞相对于正常培养条件(用黑色方块标记)显示增加的ER-α信号(用十字标记)。在用雌二醇刺激后,ER信号相对于对照组(无刺激,用黑点标记)减少。底下的图显示,另一方面,与对照组(未刺激,用黑点标记)相比,PR信号(用十字标记)响应于ER-α信号转导途径激活雌二醇增加了其核信号。在雌二醇存在下16小时后,PR信号增加至高于正常培养条件(用黑色方块标记)的水平。这表明,实际上,ER途径的特异性刺激导致PR蛋白的产生增加。ER本身被向下调节的事实是预期的,并且已在文献中描述过(BorrásM等人的“Estradiol-induced down-regulation ofestrogen receptor.Effect of various modulators of protein synthesis andexpression”,J Steroid Biochem Mol Biol,Vol.48,No.4,1994,第325至336页)。
为了验证根据本发明的方法可靠地推断对象中的转录因子(这里是ER-α)的能力,并且与其一起也借助于下文中描述述方法推断了信号转导途径(这里是ER-α信号转导途径)的活性:Verhaegh W.等人的“Selection of personalized patient therapy throughthe use of knowledge-based computational models that identify tumor-drivingsignal transduction pathways”,Cancer Research,Vol.74,No.11,2014,第2936至2945页,其中,该方法被略微调整以使用qPCR数据而不是表达微阵列数据以用于信号转导途径活性解释。下面的表1然后示出了推断的ER-α信号转导途径确实是活性的(或“开启”)(即在活性基因转录模式中)的概率(第三列)和概率(第四列)的log2。从表中可以看出,ER-α信号转导通路在乳腺癌样本中显示转录因子(这里是ER-α)的核存在和PgR编码的蛋白PR(在此缩写为“ER+PR+”)的(核和/或细胞质)的存在的具有活性的概率的log2,其被推断为3.2,指示该样本中ER-α信号转导途径的活性。相反,对于仅ER-α染色阳性的乳腺癌样本(此处缩写为“ER+PR-”),推断概率的log2为-0.676,指示该部分中ER-α信号转导途径是非活性的。该结果证实了:当考虑对象样本中的细胞时显示转录因子(这里是ER-α)的核存在和由转录因子(即ER-α)的靶基因(这里是PgR)编码的蛋白(这里是PR)的(核和/或细胞质)存在时,可以实现对对象中转录因子(这里是ER-α)的活性以及与之一起的信号转导途径(这里是ER-信号转导途径)的活性的更可靠的推断。
样本 | ER-α“开启”概率 | ER-α“开启”概率的Log2 |
ER+PR- | 0.38498161 | -0.675840018 |
ER+PR+ | 0.901885007 | 3.200397975 |
表1——ER-α信号转导途径活跃的可能性。
图11示出了对39个乳腺癌样本执行的实验结果,其中,将基于单个ER染色(此处缩写为“ER+”)的仅ER评分(现有技术)与基于第一染色和第二染色(此处缩写为“ER+PR+”)的仅考虑样本中显示转录因子(这里是ER-α)的核存在和靶基因编码的蛋白(这里是PR)的存在的细胞的评分进行比较,如上所述。在图中,概率的log2——借助于Verhaegh W.等人描述的方法推断(同上)——信号转导途径(这里是ER-α信号转导途径)在相应的样本中是活性的,在x轴上指示。因此,概率的log2的更大的正值(图的右侧)指示在样本中ER-α转导途径为活性的可能性更高,而更大的负值(图的左侧)指示样本中ER-α信号转导途径更可能无活性。y轴指示分别针对“ER+”的根据现有技术的和针对“ER+PR+”借助于根据本发明的方法发现的细胞的百分比。
结果显示,使用常规ER染色和医院方案,如在现有技术中使用的那样,错误地发现若干样本指示ER-α信号转导途径的活性(图的左上象限)。这些“假阳性”显示高比例的ER阳性细胞;然而,概率的log2指示各样本中ER-α信号转导途径实际上更可能是非活性的。如果具有这种ER阳性结果的患者用激素疗法治疗,例如,新辅、辅助和/或转移性治疗,则他/她很可能不会对治疗表现出期望的反应。相反,对于“ER+PR+”,我们发现确定的显示ER-α(即转录因子)的核存在和PR(即靶基因编码的蛋白)的存在的细胞百分比随着转录因子活性概率的log2的增加而定性地增加。与现有技术相比,这可以允许减少“假阳性”的数量,并且在评估ER-α信号转导途径的活性方面提供更高的特异性。针对阳性的阈值以两种不同的方式确定,这导致非常相似的结果。在第一个变型例中,对阴性对照组进行染色,即将一级抗体遗漏在测定之外并且仅将二级抗体加入组织切片的染色。在这些阴性对照组中,确定平均核强度,并选择比99%细胞的强度都高的强度作为在正常染色的样本中调用细胞阳性的截止点。在第二个替代变型例中,细胞质染色用于局部地确定背景。这样做是为了补偿各个样本的高度可变的背景染色。为了将细胞标记为阳性,它应具有比阴性对照显著更高的核总细胞质染色比率。
在参考图1至3描述的用于推断对象中的转录因子或信号转导途径(这里是ER-α信号转导途径)活性的方法的第一至第三实施例中,可以另外执行具有适当地与第一染色和第二染色的所染颜色波长形成对比的波长的复染剂,以使得感兴趣的染色结构(这里是细胞及其细胞核)更容易检测。在这种情况下,还可能的是,基于来自复染剂的颜色信息检测细胞轮廓及其细胞核。用于执行这样的复染的一种特别合适的物质可以是,例如,苏木精和/或曙红(在常规明场染色的情况下)。在荧光染色的情况下,DAPI或Hoechst是合适的选择。
虽然上面已经针对信号转导途径是ER-α信号转导途径、转录因子是ER-α、靶基因是PgR、靶基因编码的蛋白是PR并且其中对象是医学对象(具体地癌症患者,更具体地乳腺癌患者)的情况描述了本发明,但是本发明也与其他病例高度相关。例如,除了雌激素受体,雄激素受体,孕激素受体,糖皮质激素受体,视黄酸受体(RAR),过氧化物酶体增殖物激活受体(PPAR),维生素D受体(VDR)和孤核受体,本发明可以结合Wnt转录因子,Hedgehog(HH)转录因子,转化生长因子β(TGF-β)转录因子,Notch转录因子,NF-κB转录因子,磷酸肌醇3激酶(PI3K)转录因子,激活蛋白-1(AP1)转录因子,janus激酶/信号转导和转录激活因子(Jak-STAT)转录因子和可以从非活性转变为活性基因转录模式的所有转录因子,与至少一种转录特异性靶基因编码的蛋白组合而被使用。由于这些途径在所有类型的癌症中起作用,因此本发明可以应用于所有器官中的所有癌症类型,以及所有非恶性肿瘤和其他活检时具有异常组织病理学的疾病,例如肝脏(例如,原发性肝癌,转移性肝癌,肝硬化),肺(如原发性和转移性癌症,肺纤维化),肾脏(如肾母细胞瘤,急性肾小球肾炎),膀胱(如膀胱癌,上皮增生),胃肠道(例如,胃肠癌,结肠腺瘤,炎性肠病),心脏(例如心肌病,心脏肿瘤),子宫(例如子宫内膜癌,子宫内膜异位症,纤维瘤),卵巢(例如卵巢癌,增生性卵巢综合征),前列腺(例如,前列腺增生,前列腺癌,前列腺炎),睾丸(例如,睾丸癌),肌肉(例如肉瘤),皮肤(例如,黑素瘤,鳞状细胞癌,湿疹),骨(例如,转移性肿瘤,白血病,骨肉瘤),口腔(例如,粘膜炎,头颈癌),脑(例如,神经胶质瘤,Creutsfeld-Jacob),血管(例如,动脉粥样硬化)和纤维组织(例如,纤维瘤和纤维肉瘤,肺和膀胱纤维化,瘢痕组织)疾病。
本领域技术人员通过研究附图、公开内容以及权利要求书,在实践请求保护的本发明时能够理解并且实现对所公开的实施例的其他变型。
在权利要求中,“包括”一词不排除其他元件或步骤,并且词语“一”或“一个”不排除多个。
单个单元或装置可以完成权利要求中列举的几项的功能。例如,虽然在用于推断参考图6描述的对象中的信号转导途径的转录因子的活性的系统的实施例中,描述了量化单元33和(可选的)推断单元34/显示为两个单独的单元,但是它们也可以实现为单个单元。
计算机程序可以存储/分布在适合的介质上,例如与其他硬件一起被提供或作为其他硬件的部分被提供的光学存储介质或固态介质,但是计算机程序也可以以其他形式分布,例如经由因特网或其他的有线或无线的电信系统分布。
权利要求书中的任何附图标记不应被解释为对范围的限制。
本发明涉及一种用于推断对象中的信号转导途径的转录因子活性的方法。该方法包括执行第一染色以检测对象样本的细胞中的转录因子,并执行第二染色以检测样本中的细胞中的由转录因子的靶基因编码的蛋白。所述方法还包括基于第一染色和第二染色来对样本中显示转录因子的核存在和靶基因编码的蛋白的存在的细胞进行量化,并且基于所述量化来推断对象中的转录因子的活性。这允许所提出的方法更可靠地推断对象中的转录因子的活性。
Claims (14)
1.一种用于推断对象中的信号转导途径的转录因子的活性的方法,包括:
-执行(101;1012;201)第一染色以检测所述对象的样本中的细胞中的所述转录因子,
-执行(101;1012;202)第二染色以检测所述样本中的细胞中的由转录因子的靶基因编码的蛋白,
-基于所述第一染色和所述第二染色来对所述样本中显示所述转录因子的核存在和所述靶基因编码的蛋白的存在两者的细胞进行量化(103;203),并且
-基于所述量化来推断(104;204)所述对象中的所述转录因子的所述活性。
2.根据权利要求1所述的方法,其中,所述第一染色和所述第二染色是在所述样本的相同切片上执行(101、102;1012)的。
3.根据权利要求1所述的方法,其中,所述第一染色(201)和所述第二染色(202)是在所述样本的不同切片上执行的,
其中,所述量化(203)包括在空间上配准所述第一染色的切片的数字图像和所述第二染色的切片的数字图像,使得在两个切片上者能够检测到对应的细胞。
4.根据权利要求3所述的方法,其中,所述不同切片是从所述样本的相邻横截面获得的或者是从在所述样本中彼此非常接近地定位的所述样本的横截面获得的。
5.根据权利要求1至4中的任一项所述的方法,其中,所述第一染色和/或所述第二染色以选自包括以下项的组的测定的形式来执行:(i)免疫组织化学(IHC)测定、(ii)免疫荧光测定、以及(iii)基于与所述转录因子或所述靶基因编码的蛋白的高亲和力结合的另一染色测定。
6.根据权利要求1至5中的任一项所述的方法,其中,所述量化(103;203)包括:
-根据所述样本中的选定的细胞群来确定显示所述转录因子的所述核存在和所述靶基因编码的蛋白的所述存在两者的细胞的百分比,和/或
-根据所述样本中的选定的细胞群来确定显示所述转录因子的所述核存在的细胞,并且根据所确定的细胞来确定也显示所述靶基因编码的蛋白的所述存在的细胞的百分比。
7.根据权利要求6所述的方法,其中,所述群体是癌细胞群,特别是乳腺癌细胞群。
8.根据权利要求2至7中的任一项所述的方法,其中,所述量化包括使用计算机实现的图像分析技术来分析所述第一染色和所述第二染色的相同切片的至少一个数字图像或所述第一染色的切片和所述第二染色的切片的数字图像。
9.根据权利要求1至8中的任一项所述的方法,其中,所述对象是医学对象,特别地,癌症患者,更特别地,乳腺癌患者。
10.根据权利要求1至9中的任一项所述的方法,其中,所述信号转导途径是ER-α信号转导途径,所述转录因子是ER-α,所述靶基因是PgR,所述靶基因编码的蛋白是PR。
11.一种用于评估治疗对于对象的适合性的方法,所述治疗涉及信号转导途径,包括:
-执行(301)根据权利要求1至10中的任一项所述的方法,以用于推断所述对象中的所述信号转导途径的转录因子的活性,并且
-根据推断的活性来评估(302)所述治疗的所述适合性,
或者
一种对对象进行分层的方法,包括:
-执行(401)根据权利要求1至10中的任一项所述的方法,以用于推断所述对象中的所述信号转导途径的转录因子的活性,并且
-基于推断的活性来对所述对象进行分层(402)。
12.一种用于在推断对象中的信号转导途径的转录因子的活性中使用的系统,包括:
-第一染色套件,其用于执行第一染色以检测所述对象的样本中的细胞中的所述转录因子,
-第二染色套件,其用于执行第二染色以检测所述样本中的细胞中的由所述转录因子的靶基因编码的蛋白,
-量化单元,其用于基于所述第一染色和所述第二染色来对所述样本中显示所述转录因子的核存在和所述靶基因编码的蛋白的存在两者的细胞进行量化,以及
-任选地,推断单元,其用于基于所述量化来推断所述对象中的所述转录因子的所述活性。
13.一种用于在评估治疗对于对象的适合性中使用的系统,所述治疗涉及信号转导途径,所述包括:
-根据权利要求12所述的用于推断对象中的信号转导途径的转录因子活性的系统,以及
-任选地,评估单元,其用于基于推断的活性来评估所述治疗的所述适合性,
或者
一种用于在对对象进行分层中使用的系统,包括:
-根据权利要求12所述的用于在推断对象中的信号转导途径的转录因子活性中使用的系统,以及
-任选地,分层单元,其用于基于推断的活性来对所述对象进行分层。
14.一种用于在推断对象中的信号转导途径的转录因子活性中使用的计算机程序,所述计算机程序包括程序代码模块,当所述计算机程序在计算机上运行时,所述程序代码模块用于执行根据权利要求1至10中的任一项所述的用于执行在推断对象中的所述转录因子活性中使用的方法的量化步骤以及任选地推断步骤,
或者
一种用于在评估治疗对于对象的适合性中使用的计算机程序,所述治疗涉及信号转导途径,所述计算机程序包括程序代码模块,当所述计算机程序在计算机上运行时,所述程序代码模块用于执行根据权利要求11所述的用于在评估所述治疗对于所述对象的所述适合性中使用的方法的量化步骤以及任选地推断步骤和/或评估步骤,
或者
一种用于在对对象进行分层中使用的计算机程序,所述计算机程序包括程序代码模块,当所述计算机程序在计算机上运行时,所述程序代码模块用于执行根据权利要求11所述的用于在对对象进行分层中使用的方法的量化步骤以及任选地推断步骤和/或分层步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP16174158.2 | 2016-06-13 | ||
EP16174158 | 2016-06-13 | ||
PCT/EP2017/063744 WO2017215983A1 (en) | 2016-06-13 | 2017-06-07 | Method for inferring activity of a transcription factor of a signal transduction pathway in a subject |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109313196A true CN109313196A (zh) | 2019-02-05 |
Family
ID=56203145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780036646.7A Pending CN109313196A (zh) | 2016-06-13 | 2017-06-07 | 用于推断对象中的信号转导途径的转录因子的活性的方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20190128899A1 (zh) |
EP (1) | EP3469368A1 (zh) |
JP (1) | JP7221698B2 (zh) |
CN (1) | CN109313196A (zh) |
BR (1) | BR112018075820A2 (zh) |
RU (1) | RU2019100441A (zh) |
WO (1) | WO2017215983A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260677A (zh) * | 2020-02-20 | 2020-06-09 | 腾讯科技(深圳)有限公司 | 基于显微图像的细胞分析方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015110440A1 (en) * | 2014-01-22 | 2015-07-30 | Koninklijke Philips N.V. | Improved stratification of patients for assessing the suitability of a therapy |
CN105074005A (zh) * | 2012-12-26 | 2015-11-18 | 皇家飞利浦有限公司 | 使用靶基因表达的线性组合评价细胞信号传导途径活性 |
CN105121665A (zh) * | 2013-04-26 | 2015-12-02 | 皇家飞利浦有限公司 | 使用多重细胞信号传导途径活性的治疗应答的医学预后和预测 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020137209A1 (en) * | 2000-06-13 | 2002-09-26 | Stavroula Kousteni | Methods of dissociating nongenotropic from genotropic activity of steroid receptors |
EP1422526A1 (en) * | 2002-10-28 | 2004-05-26 | MTM Laboratories AG | Method for improved diagnosis of dysplasias |
EP1736780A1 (en) * | 2005-06-24 | 2006-12-27 | Eppendorf Array Technologies S.A. | Method and means for detecting and/or quantifying hierarchical molecular change of a cell in response to an external stimulus |
WO2009058884A1 (en) * | 2007-10-30 | 2009-05-07 | Le Centre Nationale De La Recherche Scientifique | Method for conducting an assay for neutralizing antibodies |
US11261495B2 (en) * | 2014-01-03 | 2022-03-01 | Koninklijke Philips N.V. | Assessment of the PI3K cellular signaling pathway activity using mathematical modelling of target gene expression |
AU2015334840B2 (en) * | 2014-10-24 | 2021-10-21 | Innosign B.V. | Assessment of TGF-beta cellular signaling pathway activity using mathematical modelling of target gene expression |
ES2857953T3 (es) * | 2014-10-24 | 2021-09-29 | Koninklijke Philips Nv | Pronóstico médico y predicción de la respuesta al tratamiento usando las actividades de múltiples rutas de señalización celular |
AU2015357091A1 (en) * | 2014-12-03 | 2017-04-27 | Ventana Medical Systems, Inc. | Systems and methods for early-stage cancer prognosis |
-
2017
- 2017-06-07 WO PCT/EP2017/063744 patent/WO2017215983A1/en unknown
- 2017-06-07 RU RU2019100441A patent/RU2019100441A/ru not_active Application Discontinuation
- 2017-06-07 EP EP17727902.3A patent/EP3469368A1/en not_active Withdrawn
- 2017-06-07 CN CN201780036646.7A patent/CN109313196A/zh active Pending
- 2017-06-07 JP JP2018564832A patent/JP7221698B2/ja active Active
- 2017-06-07 US US16/306,091 patent/US20190128899A1/en active Pending
- 2017-06-07 BR BR112018075820A patent/BR112018075820A2/pt not_active Application Discontinuation
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105074005A (zh) * | 2012-12-26 | 2015-11-18 | 皇家飞利浦有限公司 | 使用靶基因表达的线性组合评价细胞信号传导途径活性 |
CN105121665A (zh) * | 2013-04-26 | 2015-12-02 | 皇家飞利浦有限公司 | 使用多重细胞信号传导途径活性的治疗应答的医学预后和预测 |
WO2015110440A1 (en) * | 2014-01-22 | 2015-07-30 | Koninklijke Philips N.V. | Improved stratification of patients for assessing the suitability of a therapy |
Non-Patent Citations (2)
Title |
---|
张建民 等: "信号转导子和转录激活子3与其靶基因对食管鳞癌细胞的调控作用", 《中国误诊学杂志》 * |
王平 等: "Ki-67、NET-1与CD34免疫组化三重染色技术", 《临床与实验病理学杂志》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260677A (zh) * | 2020-02-20 | 2020-06-09 | 腾讯科技(深圳)有限公司 | 基于显微图像的细胞分析方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP7221698B2 (ja) | 2023-02-14 |
US20190128899A1 (en) | 2019-05-02 |
RU2019100441A3 (zh) | 2020-10-16 |
BR112018075820A2 (pt) | 2019-03-26 |
WO2017215983A1 (en) | 2017-12-21 |
EP3469368A1 (en) | 2019-04-17 |
RU2019100441A (ru) | 2020-07-14 |
JP2019520569A (ja) | 2019-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ytre‐Hauge et al. | Preoperative tumor texture analysis on MRI predicts high‐risk disease and reduced survival in endometrial cancer | |
CN111094977B (zh) | 监测抗pd-1/pd-l1治疗的肿瘤患者中肿瘤淋巴细胞浸润和预后的基于影像组学的成像工具 | |
RU2690224C2 (ru) | Обследующее устройство для обработки и анализа изображения | |
JP5184087B2 (ja) | ガンの予後のためのマーカー候補を分析および最適化するための方法およびコンピュータープログラム製品 | |
Setiadi et al. | Quantitative, architectural analysis of immune cell subsets in tumor-draining lymph nodes from breast cancer patients and healthy lymph nodes | |
Nardone et al. | Magnetic‐Resonance‐Imaging Texture Analysis Predicts Early Progression in Rectal Cancer Patients Undergoing Neoadjuvant Chemoradiation | |
Hashimoto et al. | Diagnostic efficacy of liquid‐based cytology for solid pancreatic lesion samples obtained with endoscopic ultrasound‐guided fine‐needle aspiration: Propensity score‐matched analysis | |
WO2019165475A1 (en) | Systems and methods for quantifying multiscale competitive landscapes of clonal diversity in glioblastoma | |
US11308616B2 (en) | Systems and methods to process electronic images to provide image-based cell group targeting | |
Soliman et al. | Inflammatory breast cancer in North Africa: comparison of clinical and molecular epidemiologic characteristics of patients from Egypt, Tunisia, and Morocco | |
Hoivik et al. | A radiogenomics application for prognostic profiling of endometrial cancer | |
Lin et al. | Computer-assisted three-dimensional quantitation of programmed death-ligand 1 in non-small cell lung cancer using tissue clearing technology | |
Li et al. | Contrast-enhanced CT-based radiomics for the differentiation of nodular goiter from papillary thyroid carcinoma in thyroid nodules | |
US8693743B1 (en) | Analysis and display of multiple biomarker co-expression in cells and tissues | |
Daniel et al. | Somatostatin receptor immunohistochemistry in neuroendocrine tumors: comparison between manual and automated evaluation | |
CN109313196A (zh) | 用于推断对象中的信号转导途径的转录因子的活性的方法 | |
CN114022472B (zh) | 一种肿瘤浸润淋巴细胞分析方法、装置和存储介质 | |
Hill et al. | Non-invasive prostate cancer characterization with diffusion-weighted MRI: insight from in silico studies of a transgenic mouse model | |
Mohmmed et al. | Frequency and clinical features of over-expressed her2 in Egyptian breast cancer women patients | |
Ichikawa et al. | Immunohistochemical and genetic characteristics of lung cancer mimicking organizing pneumonia | |
Frankhauser et al. | Spatiotemporal strategies to identify aggressive biology in precancerous breast biopsies | |
Kolostova et al. | Circulating tumor cells as an auxiliary diagnostic tool in surgery | |
Polónia et al. | Counting invasive breast cancer cells in the HER2 silver in‐situ hybridization test: how many cells are enough? | |
Pekar et al. | Biobanking multifocal breast carcinomas: sample adequacy with regard to histology and DNA content | |
Lai et al. | Evaluation of molecular receptors status in breast cancer using an mpMRI-based feature fusion radiomics model: mimicking radiologists’ diagnosis |
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 |