CN111989090A - 循环微粒的分层自发性早产风险的用途 - Google Patents

循环微粒的分层自发性早产风险的用途 Download PDF

Info

Publication number
CN111989090A
CN111989090A CN201980023243.8A CN201980023243A CN111989090A CN 111989090 A CN111989090 A CN 111989090A CN 201980023243 A CN201980023243 A CN 201980023243A CN 111989090 A CN111989090 A CN 111989090A
Authority
CN
China
Prior art keywords
subject
seq
pregnant
lcat
sample
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
CN201980023243.8A
Other languages
English (en)
Inventor
B·D·布罗曼
Z·张
R·C·多斯
K·P·罗森布拉特
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.)
NX Prenatal Inc
Original Assignee
NX Prenatal Inc
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 NX Prenatal Inc filed Critical NX Prenatal Inc
Publication of CN111989090A publication Critical patent/CN111989090A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/689Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to pregnancy or the gonads
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61KPREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K31/00Medicinal preparations containing organic active ingredients
    • A61K31/56Compounds containing cyclopenta[a]hydrophenanthrene ring systems; Derivatives thereof, e.g. steroids
    • A61K31/57Compounds containing cyclopenta[a]hydrophenanthrene ring systems; Derivatives thereof, e.g. steroids substituted in position 17 beta by a chain of two carbon atoms, e.g. pregnane or progesterone
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61KPREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K45/00Medicinal preparations containing active ingredients not provided for in groups A61K31/00 - A61K41/00
    • A61K45/06Mixtures of active ingredients without chemical characterisation, e.g. antiphlogistics and cardiaca
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61PSPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
    • A61P15/00Drugs for genital or sexual disorders; Contraceptives
    • A61P15/06Antiabortive agents; Labour repressants
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02Column chromatography
    • G01N30/62Detectors specially adapted therefor
    • G01N30/72Mass spectrometers
    • G01N30/7233Mass spectrometers interfaced to liquid or supercritical fluid chromatograph
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/5005Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
    • G01N33/5008Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics
    • G01N33/5076Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics involving cell organelles, e.g. Golgi complex, endoplasmic reticulum
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6803General methods of protein analysis not limited to specific proteins or families of proteins
    • G01N33/6848Methods of protein analysis involving mass spectrometry
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • G16B5/20Probabilistic models
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT 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
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61KPREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K9/00Medicinal preparations characterised by special physical form
    • A61K9/0012Galenical forms characterised by the site of application
    • A61K9/0019Injectable compositions; Intramuscular, intravenous, arterial, subcutaneous administration; Compositions to be administered through the skin in an invasive manner
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61KPREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K9/00Medicinal preparations characterised by special physical form
    • A61K9/0012Galenical forms characterised by the site of application
    • A61K9/0034Urogenital system, e.g. vagina, uterus, cervix, penis, scrotum, urethra, bladder; Personal lubricants
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02Column chromatography
    • G01N30/88Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
    • G01N2030/8809Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample
    • G01N2030/8813Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample biological materials
    • G01N2030/8831Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample biological materials involving peptides or proteins
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/46Assays involving biological materials from specific organisms or of a specific nature from animals; from humans from vertebrates
    • G01N2333/47Assays involving proteins of known structure or function as defined in the subgroups
    • G01N2333/4701Details
    • G01N2333/471Pregnancy proteins, e.g. placenta proteins, alpha-feto-protein, pregnancy specific beta glycoprotein
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/90Enzymes; Proenzymes
    • G01N2333/91Transferases (2.)
    • G01N2333/91045Acyltransferases (2.3)
    • G01N2333/91051Acyltransferases other than aminoacyltransferases (general) (2.3.1)
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/90Enzymes; Proenzymes
    • G01N2333/914Hydrolases (3)
    • G01N2333/948Hydrolases (3) acting on peptide bonds (3.4)
    • G01N2333/976Trypsin; Chymotrypsin
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00Detection or diagnosis of diseases
    • G01N2800/36Gynecology or obstetrics
    • G01N2800/368Pregnancy complicated by disease or abnormalities of pregnancy, e.g. preeclampsia, preterm labour
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00Detection or diagnosis of diseases
    • G01N2800/50Determining the risk of developing a disease

Abstract

本申请涉及自发性早产的蛋白质组生物标记物,足月产的蛋白质组生物标记物,及其使用方法。具体地,本申请提供了用于确定怀孕受试者是否处于增加的过早分娩的风险的工具,以及用于降低怀孕受试者的过早分娩的风险的工具。在具体的实施方式中,提供了高度预测性的测试,以检测未经产的怀孕受试者中妊娠第一孕期中的自发性早产;提供了其他高度预测性的测试,以检测怀孕受试者中妊娠第一孕期中的自发性早产,而不论胎次如何。

Description

循环微粒的分层自发性早产风险的用途
对相关申请的交叉引用
本申请要求于2018年1月31日提交的美国临时专利申请号62/624,713和2019年1月24日提交的美国临时专利申请号62/796,557在35U.S.C.§119(e)下的权益。这些申请的内容通过引用以其整体并入本文。
背景
早产是小于5岁的儿童的新生儿病态以及死亡的主要原因,在较早的胎龄分娩显示出显著增加的风险(Liu等人,Lancer,385:61698-61706,2015;和Katz等人,Lancet,382:417-425,2013)。与38周后出生的婴儿相比,根据美国出生缺陷基金会(March of Dimes),在分娩的每个更早的孕周,新生儿病态的复合率翻倍。大约三分之二的自发性早产(SPTB)是自然自发的,这意味着它们与医学干预无关(Goldenberg等人,Lancet,371:75-84,2008;和McElrath等人,Am J Epidemiol,168:980-989,2008)。然而,尽管这种情况具有令人信服的性质,对自发性早产(SPTB)的病因学的新近进展理解是很少的。尽管越来越多的人认为SPTB代表一种综合症而不是单一病理学实体,但是从伦理上和从身体上来研究子宫-胎盘界面的病理生理学都是非常困难的(Romero等人,Science,345:760-765,2014)。正在前进的循环微粒(CMP)生物学领域可能为解决这些困难提供解决方案,因为这些微粒展示了子宫胎盘环境的采样。此外,研究这些颗粒的内容物有望鉴定出新的基于血液的、临床上有用的生物标记物。
微粒是膜结合的囊泡,其大小范围为50-300nm,并由多种细胞类型脱落。微粒的命名法各不相同,但通常将50-100nm的微粒称为外泌体,>100nm的那些称为微囊泡,其他术语(例如小颗粒聚集体)通常在文献中使用。除非另有说明,否则术语“微粒”是所有这些物类的统称。越来越多地,微粒被认为是在生理、病理生理和凋亡情况下细胞间通讯的重要手段。尽管不同类型微粒的内容物随细胞类型而变化,但它们可以包括核蛋白、胞质蛋白和膜蛋白,以及脂质,信使RNA和微RNA。关于源细胞类型的状态的信息可以从对微粒内容物的检查中得出。因此,微粒代表了实时进入细胞、组织和器官的活动的唯一窗口,否则会难以采样。
很大一部分不良怀孕预后具有在子宫-胎盘界面处的病理生理学源头(Romero等人,如上,2014;Gagnon,Eur J Obstet Gynecol Reprod Biol,110:S99-S107,2003;和Masoura等人,J.Obstet Gynaecol,32:609-616,2012)。评估相关组织和细胞群体的状态的能力有望预示即将发生的并发症。鉴于及时施用治疗药物可阻止早产或(相反)延长怀孕时间,特别需要非侵入性工具,所述非侵入性工具用于(相比于足月分娩的怀孕)区分在以明显新生儿病态为特征的胎龄(<34周或<35周)分娩的怀孕。
人们非常需要工具以确定怀孕的妇女是否处于增加的过早分娩的风险,以及用于降低怀孕受试者的过早分娩风险的工具。本文提供了这样的工具。
所涉及的专利、专利申请、专利申请公布、期刊文章和科学实验报告通过引用并入本文。
发明概述
本申请涉及自发性早产(SPTB)的蛋白质组生物标记物,足月产的蛋白质组生物标记物,及其使用方法。具体地,本申请提供了用于确定怀孕受试者是否处于增加的过早分娩的风险的工具,以及用于降低怀孕受试者的过早分娩的风险的工具。
本文提供的一个方面是一种用于评估怀孕受试者的自发性早产风险的方法,该方法包含:
(a)从所述怀孕受试者的血液样品制备富集有微粒的级分;和
(b)确定所述级分中一组微粒相关蛋白质的定量测度,其中,所述组包含ICI、ITIH4和LCAT。
在一些实施方式中,所述组进一步包含第四蛋白质。在一些实施方式中,所述第四蛋白质是TRFE。在一些实施方式中,所述组包含所述蛋白质IC1、ITIH4、LCAT和TRFE。在一些实施方式中,所述组由所述蛋白质IC1、ITH4、LCAT和TRFE组成。在一些实施方式中,所述怀孕受试者是初产的。在一些实施方式中,当所述怀孕人类受试者处于妊娠10至12周时,从所述怀孕受试者采取所述血液样品。在一些实施方式中,在妊娠的第一孕期中,从所述受试者采取所述血液样品。在一些实施方式中,所述方法评估所述怀孕受试者具有在妊娠35周时或更早发生自发性早产的更大可能性的风险。
在另一方面,本文提供了一种用于评估怀孕受试者的自发性早产风险的方法,所述方法包含:
(a)从所述怀孕受试者的血液样品制备富集有微粒的级分;和
(b)确定所述级分中一组微粒相关蛋白质的定量测度,其中,所述组包含F13A、FBLN1、ICI、LCAT和选自ITIH1或ITIH2的一种蛋白质。
在一些实施方式中,所述组包含F13A、FBLN1、ICI、LCAT和ITIH1。在一些实施方式中,所述组包含F13A、FBLN1、ICI、LCAT和ITIH2。在一些实施方式中,所述组由F13A、FBLN1、ICI、LCAT和ITIH1组成。在一些实施方式中,所述组由F13A、FBLN1、ICI、LCAT和ITIH2组成。在一些实施方式中,所述怀孕受试者是经产的。在一些实施方式中,所述怀孕受试者是初产的。在一些实施方式中,所述怀孕受试者是初孕妇。在一些实施方式中,所述怀孕受试者是经产孕妇。在一些实施方式中,当所述怀孕人类受试者处于妊娠10至12周时,从所述怀孕受试者采取所述组血液样品。在一些实施方式中,在妊娠的第一孕期中,从所述怀孕受试者采取所述组血液样品。在一些实施方式中,所述组方法评估所述怀孕受试者具有在妊娠35周或更早发生自发性早产的更大可能性的风险。
在另一方面,本文提供了一种用于评估怀孕受试者具有在妊娠35周或更早发生自发性早产的可能性的方法,所述方法包含:
(a)从来自所述怀孕受试者的血液样品制备富集有微粒的级分;和
(b)确定所述级分中一组微粒相关蛋白质的定量测度,其中所述组(i)包含IC1、ITIH4、LCAT和TRFE,或(ii)由IC1、ITIH4、LCAT和TRFE组成,其中,所述怀孕受试者是初产的,并且其中,当所述怀孕人类受试者在妊娠10至12周时,从所述怀孕受试者采取所述血液样品。
在相关方面,本文提供了一种用于评估怀孕受试者具有在妊娠35周或更早发生自发性早产的可能性的方法,所述方法包含:
(a)从来自所述怀孕受试者的血液样品制备富集有微粒的级分;和
(b)确定所述级分中一组微粒相关蛋白质的定量测度,其中,所述组(i)包含F13A、FBLN1、ICI、LCAT和ITIH2,或(ii)由F13A、FBLN1、ICI、LCAT和ITIH2组成,其中,所述怀孕受试者是初产的,并且其中,当所述怀孕人类受试者在妊娠10至12周时,从所述怀孕受试者采取所述血液样品。
在一些实施方式中,所述方法的步骤在第一孕期中,在从所述怀孕受试者采取的第一样品上进行,并且所述方法的步骤在第二孕期,在从所述怀孕受试者采取的第二样品上重复。在一些实施方式中,所述方法的步骤在妊娠8至12周,在从所述怀孕受试者采取的第一样品上进行,并且所述方法的步骤在妊娠18至24周,在从所述怀孕受试者采取的第二样品上重复。在一些实施方式中,所述方法的步骤在妊娠10至12周,在从所述怀孕受试者采取的第一样品上进行,所述方法的步骤在第二孕期,在从所述怀孕受试者采取的第二样品上重复。在一些实施方式中,所述方法的步骤在妊娠10至12周,在从所述怀孕受试者采取的第一样品上进行,所述方法的步骤在妊娠18至24周,在从所述怀孕受试者采取的第二样品上重复。在一些实施方式中,所述血液样品是血清样品。在一些实施方式中,所述血液样品是血浆样品。在一些实施方式中,所述富集有微粒的级分使用尺寸排阻色谱法制备。在一些实施方式中,所述尺寸排阻色谱法包含用水洗脱。在一些实施方式中,所述尺寸排阻色谱法用琼脂糖固相和水性液相进行。在一些实施方式中,所述制备步骤进一步包含使用超滤或反相色谱法。在一些实施方式中,在尺寸排阻色谱法之前,所述制备步骤进一步包含:在尺寸排阻色谱法之前使用尿素变性,使用二硫苏糖醇还原,使用碘乙胺(iodoacetamine)烷基化,以及使用胰蛋白酶消化。在一些实施方式中,确定所述级分中一组微粒相关蛋白质的定量测度包含:检测表14A中展示的任意一种或多种肽,或包含:检测表14B中展示的任意一种或多种肽。在一些实施方式中,确定所述级分中一组微粒相关蛋白质的定量测度包含:检测由SEQ ID NO:1、SEQ ID NO:2、SEQ ID NO:3和SEQ ID NO:4表示的肽,其中所述怀孕受试者是初产的,并且其中,当所述怀孕人类受试者在妊娠10至12周时,从所述怀孕受试者采取所述血液样品。在一些实施方式中,确定所述级分中一组微粒相关蛋白质的定量测度包含:检测由SEQ ID NO:5、SEQ ID NO:6、SEQ ID NO:1、SEQ ID NO:7和SEQ ID NO:2表示的肽,其中所述怀孕受试者是初产的或经产的,并且其中,当所述怀孕人类受试者在妊娠10至12周时,从所述怀孕受试者采取所述血液样品。在一些实施方式中,确定所述级分中一组微粒相关蛋白质的定量测度包含质谱法。在一些实施方式中,确定所述级分中一组微粒相关蛋白质的定量测度包含液相色谱/质谱法。在一些实施方式中,所述质谱法包含多重反应监测,所述液相色谱法使用包含乙腈的溶剂进行,和/或所述检测步骤包括为所述蛋白质分配索引保留时间(indexed retention time)。在一些实施方式中,确定所述级分中一组微粒相关蛋白质的定量测度包括质谱法/多重反应监测(MS/MRM)。在一些实施方式中,所述MS/MRM涉及使用多个稳定同位素标准品。在一些实施方式中,所述MS/MRM涉及使用表15A或表15B中提供的多个稳定同位素标准品。在一些实施方式中,所述确定包含执行分类规则,所述规则将所述受试者分类为处于自发性早产风险,并且其中,所述分类规则的执行产生早产或足月产之间的相关性,p值小于至少0.05。在一些实施方式中,所述确定包含执行分类规则,所述规则将所述受试者分类为处于自发性早产风险,并且其中,所述分类规则的执行产生接收者操作特征(receiver operating characteristic(ROC))曲线,其中所述ROC曲线具有至少0.6的曲线下面积(AUC)。在一些实施方式中,所述分类规则将受试者分类的值进一步包括以下至少一项:孕妇年龄,孕妇体重指数,胎次状态和怀孕期间吸烟。在一些实施方式中,使所述分类规则配置为具有至少80%,至少90%或至少95%的特异性。在一些实施方式中,所述方法进一步选自下组的治疗步骤:激素和皮质类固醇。
在另一方面,本文提供了一种降低怀孕受试者的自发性早产风险和/或减少自发性早产的新生儿并发症的方法,所述方法包含:
(a)根据本文提供的任一方法评估怀孕受试者的自发性早产风险;和
(b)以降低自发性早产风险和/或减少自发性早产的新生儿并发症的有效量向所述受试者施用治疗剂。
在一些实施方式中,所述治疗剂选自下组:激素和皮质类固醇。在一些实施方式中,所述治疗剂包含阴道用孕酮或肠胃外17-α-己酸羟孕酮。
在另一方面,本文提供了一种方法,其包含:向怀孕受试者施用有效量的旨在减少自发性早产风险的处理,所述怀孕受试者特征在于具有指示增加的自发性早产风险的一组微粒相关蛋白质,其中,所述组包含IC1、ITIH4、LCAT和TRFE,或所述组包含F13A、FBLN1、ICI、LCAT和ITIH2。
在另一方面,本文提供了一种方法,其包含:向怀孕受试者施用有效量的旨在减少自发性早产风险的处理,所述怀孕受试者特征在于具有指示增加的自发性早产风险的一组微粒相关蛋白质,其中,所述组由IC1、ITIH4、LCAT和TRFE组成,或所述组由F13A、FBLN1、ICI、LCAT和ITIH2组成。在一些实施方式中,所述治疗选自下组:激素和皮质类固醇。在一些实施方式中,所述处理包含阴道用孕酮或肠胃外17-α-己酸羟孕酮。在一些实施方式中,所述怀孕受试者是初产的。在一些实施方式中,当所述怀孕人类受试者在妊娠10至12周时,从所述怀孕受试者采取所述血液样品。
在另一方面,本文提供了一种降低怀孕受试者的自发性早产风险和/或减少自发性早产的新生儿并发症的方法,所述方法包含:
(a)根据本文提供的任一方法评估怀孕受试者的自发性早产风险;和
(b)以降低自发性早产风险和/或减少自发性早产的新生儿并发症的有效量向所述受试者施用治疗剂。
在另一方面,本文提供了一种方法,其包含:
(a)在妊娠的8至14周,从怀孕受试者的血浆或血清制备富集有微粒的级分;
(b)使用选择的反应监测质谱法,确定级分中一组蛋白质的定量测度,其中,所述组(i)包含IC1、ITIH4、LCAT和TRFE;(ii)包含F13A、FBLN1、ICI、LCAT和ITIH2;(iii)由IC1、ITIH4、LCAT和TRFE组成;或(iv)由F13A、FBLN1、ICI、LCAT和ITIH2组成;和
(c)执行分类系统的分类规则,所述规则基于包括所述定量测度的值将所述受试者分类为处于自发性早产风险,其中,所述分类系统在接收者操作特征(ROC)曲线中具有至少0.6的曲线下面积(AUC)。
在另一方面,本文提供了一种降低自发性早产风险和/或减少新生儿并发症的方法,所述方法包含:
(a)通过本文提供的任意方法确定受试者处于自发性早产风险;和
(b)以降低自发性早产风险和/或减少新生儿并发症的有效降量向所述受试者施用治疗剂。
在另一方面,本文提供了一种方法,其包含:
(a)由在妊娠8至14周获得的多个怀孕受试者的血浆或血清提供富集有微粒的级分,其中所述多个受试者包括多个随后经历早产的受试者和多个随后经历足月产的受试者;
(b)使用选择的反应监测质谱法,确定所述级分中一组蛋白质的定量测度,其中所述组(i)包含IC1、ITIH4、LCAT和TRFE;(ii)包含F13A、FBLN1、ICI、LCAT和ITIH2;(iii)由IC1、ITIH4、LCAT和TRFE组成;或(iv)由F13A、FBLN1、ICI、LCAT和ITIH2组成;
(c)准备训练数据集,其指示每个样品的值,所述值指示:(i)将样品分类为属于早产或足月产类别;和(ii)多个蛋白质生物标记物的定量测度;和
(d)在所述训练数据集上训练学习机器算法,其中训练生成一个或多个分类规则,所述分类规则将样品分类为属于早产类别或足月产类别。
在另一方面,本文提供了一种测量蛋白质组的方法,包括:
(a)从血液样品的富集有微粒的级分制备包含蛋白质的样品;对所述蛋白质进行蛋白酶消化以产生肽片段;使所述肽片段与包含SEQ ID NO:8、SEQ ID NO:9、SEQ ID NO:10和SEQ ID NO:11或由它们组成的多个同位素标记的参考肽接触;
(b)确定所述级分中一组微粒相关蛋白质的定量测度,其中所述组包含ICI、ITIH4、TRFE和LCAT或由它们组成。在一些实施方式中,所述方法包含使用MS/MRM进行所述方法。在一些实施方式中,所述血液样品包含血浆样品。在一些实施方式中,所述血液样品包含血清样品。在一些实施方式中,所述血液样品来自受试者,并且所述受试者是处于妊娠8至14周的怀孕受试者。在一些实施方式中,所述血液样品来自受试者,并且所述受试者是处于妊娠10至12周的怀孕受试者。在一些实施方式中,所述血液样品来自受试者,并且所述受试者是初产的怀孕受试者。
在另一方面,本文提供了一种测量蛋白质组的方法,其包含:
(a)从血液样品的富集有微粒的级分制备包含蛋白质的样品;
(b)对所述蛋白质进行蛋白酶消化以产生肽片段;
(c)使所述肽片段与包含SEQ ID NO:12、SEQ ID NO:13、SEQ ID NO:8、SEQ ID NO:14和SEQ ID NO:9或由它们组成的多个同位素标记的参考肽接触;和
(d)确定所述级分中一组微粒相关蛋白质的定量测度,其中所述组包含F13A、FBLN1、ICI、ITIH1和LCAT或由它们组成。在一些实施方式中,所述方法包含使用MS/MRM进行所述方法。在一些实施方式中,所述血液样品包含血浆样品。在一些实施方式中,所述血液样品包含血清样品。在一些实施方式中,所述血液样品来自受试者,并且所述受试者是处于妊娠8至14周的怀孕受试者。在一些实施方式中,所述血液样品来自受试者,并且所述受试者是处于妊娠10至12周的怀孕受试者。在一些实施方式中,所述血液样品来自受试者,并且所述受试者是初产的怀孕受试者。
在另一方面,本文提供了一种测量蛋白质组的方法,其包含:
(a)从受试者的血液样品制备富集有微粒的级分;和
(b)确定所述级分中一组微粒相关蛋白质的定量测度,其中所述组包含F13A、FBLN1、ICI、ITIH1和LCAT或由它们组成,并且其中所述确定包含测量所述蛋白质的替代肽(surrogate peptide)。
在一些实施方式中,所述方法包含测量SEQ ID NO:5、SEQ ID NO:6、SEQ ID NO:1、SEQ ID NO:7和SEQ ID NO:2的替代肽的水平。在一些实施方式中,所述方法包含使用MS/MRM进行所述方法。在一些实施方式中,所述方法进一步包含使用同位素标记的参考肽,其为SEQ ID NO:12、SEQ ID NO:13、SEQ ID NO:8、SEQ ID NO:14和SEQ ID NO:9。在一些实施方式中,所述血液样品包含血浆样品。在一些实施方式中,所述血液样品包含血清样品。在一些实施方式中,所述受试者是处于妊娠8至14周的怀孕受试者。在一些实施方式中,所述受试者是处于妊娠10至12周的怀孕受试者。在一些实施方式中,所述受试者是初产的怀孕受试者。在一些实施方式中,所述受试者是经产的怀孕受试者。
在另一方面,本文提供了一种测量蛋白质组的方法,其包含:
(a)从受试者的血液样品制备富集有微粒的级分;和
(b)确定所述级分中一组微粒相关蛋白质的定量测度,其中所述组包含ICI、ITIH4、TRFE和LCAT或由它们组成,并且其中所述确定包含测量所述蛋白质的替代肽。在一些实施方式中,所述方法包含测量SEQ ID NO:1、SEQ ID NO:2、SEQ ID NO:3和SEQ ID NO:4的替代肽序列的水平。
在一些实施方式中,所述方法包含使用MS/MRM进行所述方法。在一些实施方式中,所述方法进一步包含使用同位素标记的参考肽,其为SEQ ID NO:8、SEQ ID NO:9、SEQ IDNO:10和SEQ ID NO:11。在一些实施方式中,所述血液样品包含血浆样品。在一些实施方式中,所述血液样品包含血清样品。在一些实施方式中,所述受试者是处于妊娠8至14周的怀孕受试者。在一些实施方式中,所述受试者是处于妊娠10至12周的怀孕受试者。在一些实施方式中,所述受试者是初产的怀孕受试者。
在另一方面,本文提供了一种测量蛋白质组的方法,其包含:
(a)从受试者的血液样品制备富集有微粒的级分;和
(b)确定所述级分中一组微粒相关蛋白质的定量测度,其中所述组包含F13A、FBLN1、ICI、ITIH1和LCAT或由它们组成,并且其中所述确定包含测量所述蛋白质的替代肽。
在一些实施方式中,所述方法包含测量SEQ ID NO:5、SEQ ID NO:6、SEQ ID NO:1、SEQ ID NO:7和SEQ ID NO:2的替代肽序列的水平。在一些实施方式中,所述方法包含使用MS/MRM进行所述方法。在一些实施方式中,所述方法进一步包含使用同位素标记的参考肽,其为SEQ ID NO:12、SEQ ID NO:13、SEQ ID NO:8、SEQ ID NO:14和SEQ ID NO:9。在一些实施方式中,所述血液样品包含血浆样品。在一些实施方式中,所述血液样品包含血清样品。在一些实施方式中,所述受试者是处于妊娠8至14周的怀孕受试者。在一些实施方式中,所述受试者是处于妊娠10至12周的怀孕受试者。在一些实施方式中,所述受试者是初产的怀孕受试者。在一些实施方式中,所述受试者是经产的怀孕受试者。
在另一方面,本文提供了一种试剂盒,其包含用于测量怀孕受试者的自发性早产,所述试剂盒包含同位素标记的参考肽,其为SEQ ID NO:8、SEQ ID NO:9、SEQ ID NO:10和SEQ ID NO:11,以及使用的说明书。
在另一方面,本文提供了一种试剂盒,其包括用于测量怀孕受试者的自发性早产,所述试剂盒包含同位素标记的的参考肽,其为SEQ ID NO:12、SEQ ID NO:13、SEQ ID NO:8、SEQ ID NO:14和SEQ ID NO:9,以及使用的说明书。
在另一方面,本文提供了一种组合物,其包含多个蛋白质肽和多个同位素标记的参考肽,其中所述蛋白质肽包含SEQ ID NO:1、SEQ ID NO:2、SEQ ID NO:3和SEQ ID NO:4或由它们组成,和所述同位素标记的参考肽包含SEQ ID NO:8、SEQ ID NO:9、SEQ ID NO:10和SEQ ID NO:11或由它们组成。
在另一方面,本文提供了一种组合物,其包含多个蛋白质肽和多个同位素标记的参考肽,其中所述蛋白质肽包含SEQ ID NO:5、SEQ ID NO:6、SEQ ID NO:1、和SEQ ID NO:7、和SEQ ID NO:2或由它们组成,而同位素标记的参考肽包含SEQ ID NO:12、SEQ ID NO:13、SEQ ID NO:8、SEQ ID NO:14和SEQ ID NO:9或由它们组成。
在另一方面,本文提供了一种计算机系统,其包含:处理器;和存储器,其连接至所述处理器,所述存储器存储下述模块,其包含:
(i)来自受试者的样品的测试数据,其包括指示所述级分中一组蛋白质生物标记物的定量测度的值,其中所述组(i)包含IC1、ITIH4、LCAT和TRFE;(ii)包含F13A、FBLN1、ICI、LCAT和ITIH2;(iii)由IC1、ITIH4、LCAT和TRFE组成;或(iv)由F13A、FBLN1、ICI、LCAT和ITIH2组成;
(ii)分类规则,其基于包括所述测量的值,将所述受试者分类为处于早产的风险,其中使所述分类规则配置为具有至少75%、至少85%或至少95%的灵敏性;和
(iii)计算机可执行指令,其用于对所述测试数据实施所述分类规则。
附图说明
图1是用于从足月病例中选择用于检测自发性早产(SPTB)的蛋白质的自助ROC分析(bootstrap ROC analysis)的图。将每种蛋白质绘制为蓝色点,并将来自自助ROC分析的AUC的平均值和SD分别绘制为x和y轴值。来自相同分析但带有样品标签重排的结果绘制为红点。右下象限内共有62个蛋白质(蓝点),它们由洋红色垂直线(红点的x值的平均值+SD)和绿色水平线(蓝点的y值的平均值+SD)界定,选择它们是因为它们具有相对稳定和明显的区分能力。相比之下,来自标签重排分析(红色点)的蛋白质只有12个位于此象限中。因此,估计的错误发现率<20%(12/62)。
图2示出了选择的蛋白质的差分依赖网络(DDN)分析,所述蛋白质被鉴定为具有与STPB相关的共表达模式。在该图中,红线表示在自发性早产(STPB)之间观察到了蛋白质对之间的共表达,而绿线表示在足月(TERM)病例中观察到了蛋白质对之间的共表达。线的粗细与该联系的统计学意义成正比。
图3显示了在基于表7(上)中的AUC的前20个多变量模型中DDN选择的蛋白的频率或表8(下)中的固定灵敏性为80%的特异性。
图4A和图4B显示了结合三种蛋白质的示例性线性模型的ROC曲线。带有自助重采样的ROC分析提供了在训练数据中估计的性能范围。
图4C显示了5-8个微粒相关蛋白质的组的前100个中的标记物内含频率。
图5显示了两个时间点(D1=妊娠约10-12周;D2=妊娠约22-24周)上蛋白质表达的时间模式,其携带了SPTB与对照之间的差异信息。
图6显示了用于SPTB检测的蛋白质的选择。
图7显示带有统计学上一致的性能的蛋白质。
图8显示了来自实施例2中的样品的SEC数据中的2个池,其显示出高的分析精度(小的变异系数)。
图9显示了基于蛋白质数量的
Figure BDA0002706669180000111
样品制备步骤(SEC),其说明了用实施例2中使用的样品从对照中检测出SPTB的过程。
图10显示了SEC对丰富蛋白ALBU浓度的影响。
图11显示了SEC改善了SPTB与对照之间的分离,其区分出了妊娠22-24周时采集的样品中的生物标记物ITIH4。
图12A和图12B显示了一个示例性的5个蛋白标记物组的性能,其针对所有受试者优化,而不考虑胎次状态或其他因素,诸如胎儿性别。
图12C显示了另一示例性的5蛋白标记物组的性能,其也针对所有受试者优化,而不考虑胎次状态或其他因素,诸如胎儿性别。
图12D显示了测试性能,其基于胎儿性别和胎次而变化。
图13显示了在多次迭代中标记物的一致性和稳定性,其支持了示例性的5个蛋白质标记物组的选择,例如图12A、12B和12C中所示的那些。
图14显示了针对胎次=0优化的多变量模型(以4蛋白质标记物组)的性能。
图15显示了通过胎儿性别划分的4蛋白标记物组的性能。
图16显示了使用为图15中的初产妇(胎次=0)母亲选择的多标记物组,依妊娠的周的怀孕存活的Kaplan-Meier曲线,在整个测试集中将怀孕分类为高风险层和低风险层。
图17显示了5标记物组及其在AUC的均值和标准偏差方面的一些表现最好的组的训练/交叉验证性能,其带有预定特异性下的灵敏性(0.65)以及预定灵敏性下的特异性(0.75)。
具体实施方式
本申请提供了统计学上显著的CMP相关(循环微粒相关)蛋白质生物标记物和多重组,其与有关怀孕的生物过程相关,在妊娠10-12周在继续在<38周(例如<35周)自发分娩的女性中其表达谱已经是独特的。这些生物标记物可用于在临床表现之前就对处于SPTB风险的患者进行临床分层。这样的鉴定表明:需要增加观察,并可导致应用预防性疗法,这可一起显著改善对这些患者的管理。
蛋白质生物标记物组
本申请提供了用于评估和降低自发性早产(SPTB)风险的工具。本申请的方法包括检测生物样品中至少一种微粒相关蛋白质的水平的步骤。
微粒是指具有约50至约5000nm的流体动力学直径的细胞外微泡或脂质筏蛋白聚集体。因此,术语微粒涵盖外泌体(约50至约100nm),微泡(约100至约300nm),核外颗粒体(约50至约1000nm),凋亡小体(约50至约5000nm)以及同样尺寸的脂质蛋白聚集体。如本文所使用的,如本文所使用的术语“约”是指该值的90%至110%的值。例如,约1000nm的直径是在900nm至1100nm范围内的直径。
微粒相关蛋白是指下述蛋白质或其片段(例如多肽),其在来自哺乳动物(例如人)受试者的富集有微粒的样品中可检测到。因此,微粒相关蛋白质不限于在检测时与微粒物理上相关的蛋白质或其片段;蛋白质或片段可以掺入微粒之间,或者蛋白质或片段可以在检测之前的较早时间与微粒结合。
除非另有说明,术语蛋白质涵盖多肽及其片段。“片段”包括长度比感兴趣的全长或成熟蛋白短的多肽。如果蛋白质的长度为x个氨基酸,片段为该蛋白质的x-1个氨基酸。片段可以比这短(例如,x-2,x-3,x-4,...),并且优选为100个氨基酸或更少(例如,90、80、70、60、50、40、30、20或10个氨基酸或更少)。片段可以短至4个氨基酸,但优选更长(例如,5、6、7、8、9、10、12、15、20、25、30、35、40、50、60、70、80、90或100个氨基酸)。在示例性实施方式中,对指示出一组生物标记物存在的多个替代肽定量。
本申请提供了用于检测至少一种微粒相关蛋白质,更优选至少三种、四种或五种蛋白质的水平的工具。然而,本申请聚焦于4-蛋白质组的示例性组合,其在未经产的怀孕受试者中高度预测SPTB,和5-蛋白质组的另一示例性组合,其高度预测SPTB而不论怀孕受试者的胎次。
如本文所使用的,“检测至少一种微粒相关蛋白质的水平”涵盖检测蛋白质的表达水平,对来自怀孕受试者的样品中至少一种微粒相关蛋白质检测蛋白质的绝对浓度,检测蛋白质水平相对于参考标准品的升高或降低,检测蛋白质水平相对于阈值水平的升高或降低,测量蛋白质浓度,定量蛋白质浓度,确定定量测度,检测存在(例如,高于阈值的水平或可检测的水平)或检测缺乏(例如,低于阈值的水平或不可检测的水平)。在一些实施方式中,定量测度可以是绝对值、比率、平均值、中位数或数字范围。
如本文所使用的,“蛋白质的检测”和“确定一种或多种蛋白质的定量测度”涵盖任何手段,包括通过检测蛋白质片段的MS方法进行的检测。在表和图中公开的数据是通过MRM-MS获得的,MRM-MS通过选择用于检测的作为替代物的母蛋白质的肽片段来检测蛋白质-表14A和14B提供了本申请的示例性替代肽。
在本申请的开发过程中,许多微粒相关蛋白质在具有早产的受试者的样品中经确定发生了改变(与来自具有足月产的受试者的样品相比),并且因此被称为“早产生物标记物”。另外,在本申请的开发过程中,许多微粒相关蛋白质在具有早产的受试者的样品中经确定没有改变(与来自具有足月产的受试者的样品相比),并且因此被称为“足月产生物标记物”。更具体地,令人惊讶地发现,离散的四个生物标记物在未经产的怀孕受试者中可预测SPTB(ICI、ITIH4、TRFE和LCAT)。同样令人惊讶的是,发现离散的五个生物标记物组在怀孕受试者(不论胎次如何)中可预测SPTB(F13A、FBLN1、ICI、ITIH1和LCAT)。
因此,在一些示例性实施方式中,本申请的方法包括检测来自妊娠8-14周或10-12周的未经产的怀孕测试受试者的生物样品中一组微粒相关蛋白质的水平的步骤,其中微粒相关蛋白质包含ICI、ITIH4、TRFE和LCAT。在一些示例性实施方式中,本申请的方法包括检测来自未经产的怀孕受试者的生物样品中一组微生物相关蛋白质的水平的步骤,其中微粒相关蛋白质由ICI、ITIH4、TRFE和LCAT组成。
因此,在一些示例性实施方式中,本申请的方法包括检测来自妊娠8-14周或10-12周的未经产的或经产的怀孕测试受试者的生物样品中一组微粒相关蛋白质的水平的步骤,微粒相关蛋白质包含F13A、FBLN1、ICI、ITIH1和LCAT。在一些示例性实施方式中,本申请的方法包含检测来自未经产的或经产的怀孕测试受试者的生物样品中一组微粒相关蛋白质的水平的步骤,其中微粒相关蛋白质由F13A、FBLN1、ICI、ITIH1和LCAT组成。
在其他实施方式中,本申请的方法包括检测来自怀孕测试受试者的生物样品中一组微粒相关蛋白质的水平的步骤,其中微粒相关蛋白质来自表1。在一些实施方式中,本申请的方法包括检测来自怀孕测试受试者的生物样品中至少一种微粒相关蛋白质的水平的步骤,其中至少一种蛋白质选自表1。在一些实施方式中,本申请的方法包括检测来自怀孕测试受试者的生物样品中至少两种、至少三种、至少四种、至少五种、至少六种、至少七种、至少八种、至少九种或至少十种微粒相关蛋白质的水平的步骤,其中至少一种蛋白质选自表1。在一些实施方式中,本申请的方法包括检测来自怀孕测试受试者的生物样品中五、六、七、八或九种微粒相关蛋白质的水平的步骤,其中所述蛋白质选自表1。在示例性的实施方式中,本申请的方法包括检测来自怀孕测试受试者的生物样品中六种微粒相关蛋白质的水平的步骤,其中所述六种蛋白质选自表1。在示例性的实施方式中,本申请的方法包括检测来自怀孕测试受试者的生物样品中七种微粒相关蛋白质的水平的步骤,其中所述七种蛋白质选自表1。在示例性的实施方式中,本申请的方法包括检测来自怀孕测试受试者的生物样品中八种微粒相关蛋白质的水平的步骤,其中所述八种蛋白质选自表1。在示例性的实施方式中,本申请的方法包括检测来自怀孕测试受试者的生物样品中九种微粒相关蛋白质的水平的步骤,其中所述九种蛋白质选自表1。
在一些实施方式中,如果样品在妊娠约10-12周时获得,则微粒相关蛋白质可显示表1的最后一栏指示出的方向性(+或-)。在表1的最后一栏中,(-)表示与足月产(TERM)对照相比,自发性早产(SPTB)病例中生物标记物是下调的;而(+)表示与TERM对照相比,SPTB病例中生物标记物上调。
表1.早产中差异表达的微粒相关蛋白质
Figure BDA0002706669180000141
Figure BDA0002706669180000151
Figure BDA0002706669180000161
Figure BDA0002706669180000171
Figure BDA0002706669180000181
在一些实施方式中,本申请的方法包括检测来自怀孕测试受试者的生物样品中一组微粒相关蛋白质的水平的步骤,其中所述微粒相关蛋白质来自表2。在一些实施方式中,本申请的方法包括检测来自怀孕测试受试者的生物样品中至少一种微粒相关蛋白质的水平的步骤,其中所述至少一种蛋白质选自表2。表2中所列的蛋白质对应于将SPTB与足月对照区别开来的具有统计学上一致性能的蛋白质。在一些实施方式中,本申请的方法包括检测来自怀孕测试受试者的生物样品中至少两种、至少三种、至少四种、至少五种、至少六种、至少七种、至少八种、至少九种或至少十种微粒相关蛋白质的水平的步骤,其中所述至少一种蛋白质选自表2。在一些实施方式中,本申请的方法包括检测来自怀孕测试受试者的生物样品中五种、六种、七种、八种或九种微粒相关蛋白质的水平的步骤,其中所述蛋白质选自表2。在示例性的实施方式中,本申请的方法包括检测来自怀孕测试受试者的生物样品中五种微粒相关蛋白质的水平的步骤,其中所述五种蛋白质选自表2。在示例性的实施方式中,本发明的方法包括检测来自怀孕测试受试者的生物样品中六种微粒相关蛋白质的水平的步骤,其中所述六种蛋白质选自表2。在示例性的实施方式中,本申请的方法包括检测来自怀孕测试受试者的生物样品中七种微粒相关蛋白质的水平的步骤,其中所述七种蛋白质选自表2。本申请的方法包括检测来自怀孕测试受试者的生物样品中八种微粒相关蛋白质的水平的步骤,其中所述八种蛋白质选自表2。在示例性的实施方式中,本申请的方法包括检测来自怀孕测试受试者的生物样品中九种微粒相关蛋白质的水平的步骤,其中所述九种蛋白质选自表2。
表2.早产中差异表达的微粒相关蛋白质
Figure BDA0002706669180000182
Figure BDA0002706669180000191
Figure BDA0002706669180000201
Figure BDA0002706669180000211
在另一个实施方式中,本申请的方法包括检测选自表1、表2、表4、表5、表7或表8的蛋白质的三种蛋白质的水平的步骤。在一些实施方式中,至少3种蛋白质包含至少HEMO、KLKB1和TRFE。在一些实施方式中,至少3种蛋白质包含至少A2MG、HEMO和MBL2。在一些实施方式中,至少3种蛋白质包含至少KLKB1、IC1和TRFE。在一些实施方式中,至少3种蛋白质包含来自F13A、IC1、PGRP2和THBG的至少3种蛋白质。在一些实施方式中,至少3种蛋白质包含至少IC1、PGRP2和THBG。在一些实施方式中,至少3种蛋白质包含至少CHLE、FETUB和PROS。在一些实施方式中,至少3种蛋白质包含表7或表8中所示的三联体中的任何一种。
在另一个实施方式中,本申请的方法包括检测至少3种蛋白质的水平的步骤。在一些实施方式中,至少3种蛋白质包含IC1、LCAT和ITIH4。在一些实施方式中,至少3种蛋白质可选地包括第四蛋白质。在一些实施方式中,第四蛋白质是TRFE。在一些实施方式中,样品从怀孕人类受试者中采取。在一些实施方式中,怀孕人类受试者是初产的。在一些实施方式中,怀孕人类受试者可以没有先前的足月儿(previous child brought to term)。在一些实施方式中,怀孕人类受试者处于妊娠8-14周,或处于妊娠10-12周。
在示例性的实施方式中,本申请的方法包括检测ICl、LCAT和ITIH4的水平的步骤,并且受试者是初产的。在一些实施方式中,怀孕人类受试者处于妊娠8-14周,或处于妊娠10-12周。
在示例性的实施方式中,本申请的方法包括检测ICl、LCAT、TRFE和ITIH4的水平的步骤,并且受试者是初产的。在一些实施方式中,怀孕人类受试者处于妊娠8-14周,或处于妊娠10-12周。
在另一个实施方式中,本申请的方法包括检测至少4种蛋白质的水平的步骤。在一些实施方式中,至少4种蛋白质包含TRFE、IC1、LCAT和ITIH4。在一些实施方式中,样品从怀孕人类受试者中采取。在一些实施方式中,怀孕人类受试者是初产的。在一些实施方式中,怀孕人类受试者可以没有先前的足月儿。在一些实施方式中,怀孕人类受试者处于妊娠8-14周,或处于妊娠10-12周。
在另一个实施方式中,本申请的方法包括检测至少5种蛋白质的水平的步骤。在一些实施方式中,至少5种蛋白质是F13A、FBLN1、IC1、LCAT和第五蛋白质。在一些实施方式中,第五蛋白质是ITIH1或ITIH2。在一些实施方式中,所述5种蛋白质是F13A、FBLN1、IC1、LCAT和ITIH1。在一些实施方式中,所述5种蛋白质是F13A、FBLN1、IC1、LCAT和ITIH2。在一些实施方式中,样品从怀孕人类受试者中采取。在一些实施方式中,怀孕人类受试者是经产的。在一些实施方式中,怀孕人类受试者是初产的。在一些实施方式中,怀孕人类受试者是初孕妇。在一些实施方式中,怀孕人类受试者是经产孕妇。在一些实施方式中,怀孕人类受试者处于妊娠8-14周,或处于妊娠10-12周。
在另一个实施方式中,本申请的方法包括检测选自表1、表2、表4或表5的蛋白质的四种蛋白质的水平的步骤。在另一个实施方式中,本申请的方法包括检测选自表1、表2、表4、或表5的蛋白质的五种蛋白质的水平的步骤。在另一个实施方式中,本申请的方法包括检测选自表1、表2、表4或表5的蛋白质的六种蛋白质的水平的步骤。在另一个实施方式中,本申请的方法包括检测选自表1、表2、表4或表5的蛋白质的七种蛋白质的水平的步骤。在另一个实施方式中,本申请的方法包括检测选自表1、表2、表4或表5的蛋白质的八种蛋白质的水平的步骤。
在另一个实施方式中,本申请的方法包括检测选自下组的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质的水平的步骤:FETUB、CBPN、CHLE、C9、F13B、HEMO、IC1、PROS和TRFE。
在另一个实施方式中,本申请的方法包括检测选自下组的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质的水平的步骤:KLKB1、APOM、ITIH4、IC1、KNG1、C9、APOL1、PGRP2、THBG、FBLN1、ITIH2、VTDB、C8A、APOA1、HPT和TRY3。
在另一个实施方式中,本申请的方法包括检测选自下组的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质的水平的步骤:AACT、KLKB1、APOM、ITIH4、IC1、KNG1、C9、F13B、APOL1、LCAT、PGRP2、FBLN1、ITIH2、CD5L、CBPN、VTDB、AMBP、C8A、ITIH1、TTHY和APOA1。在一些实施方式中,选自下组的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质用于纵向监测怀孕受试者的SPTB风险:AACT、KLKB1、APOM、ITIH4、IC1、KNG1、C9、F13B、APOL1、LCAT、PGRP2、FBLN1、ITIH2、CD5L、CBPN、VTDB、AMBP、C8A、ITIH1、TTHY和APOA1。在一些实施方式中,第一样品在妊娠8-14周(例如10-12周)采取,第二样品在妊娠18-24周(例如22-24周)采取。如果经过评估,确定在第二次测量后受试者不再处于SPTB的风险,则可以由医学专业人员相应地调整怀孕剩余部分的管理。同样,如果经过评估,确定在第二次测量后受试者继续处于SPTB的风险,或者处于比先前确定的更大的SPTB的风险,则可以由医学专业人员相应地调整怀孕剩余部分的管理。
在另一个实施方式中,本申请的方法包括检测选自下组的至少3种、至少4种或至少5种蛋白质的水平的步骤:A1AG1、A2MG、CHLE、ICl、KLKB1和TRFE。
在另一个实施方式中,本申请的方法包括检测选自下组的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质的水平的步骤:AACT、A1AG1、A2MG、CBPN、CHLE、C9、F13B、HEMO、IC1、KLKB1、LCAT、PGRP2、PROS、TRFE、A2AP、A2GL、APOL1、APOM、C6、CPN2、FBLN1、ITIH4、KAIN、KNG1、MBL2、SEPP1、THBG、TRY3、AMBP、APOA1、CD5L、C8A、F13A、HPT、ITIH1和ITIH2。
在另一个实施方式中,本申请的方法包括检测选自下组的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质的水平的步骤:AACT、A1AG1、A2MG、CBPN、CHLE、C9、F13B、HEMO、IC1、KLKB1、LCAT、PGRP2、PROS和TRFE。
在另一个实施方式中,本申请的方法包括检测选自下组的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质的水平的步骤:A2AP、A2GL、APOL1、APOM、C6、CPN2、FBLN1、ITIH4、KAIN、KNG1、MBL2、SEPP1、THBG和TRY3。
在另一个实施方式中,本申请的方法包括检测选自下组的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质的水平的步骤:AMBP、APOA1、CD5L、C8A、F13A、HPT、ITIH1和ITIH2。
本文提供了指示增加的SPTB风险的微粒相关蛋白质的组。在一些实施方式中,指示增加的SPTB风险的微粒相关蛋白质的组包含选自表1或表2中的蛋白质的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质。在一些实施方式中,微粒相关蛋白质的组包含选自表4的蛋白质的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质。在一些实施方式中,该组包含选自表5的蛋白质的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质。在一些实施方式中,该组包含选自表7的三联体的至少3种蛋白质。在一些实施方式中,该组包含选自表8的三联体的至少3种蛋白质。在一些实施方式中,该组包含选自下组的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质:FETUB、CBPN、CHLE、C9、F13B、HEMO、IC1、PROS和TRFE。在一些实施方式中,该组包含选自下组的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质:KLKB1、APOM、ITIH4、IC1、KNG1、C9、APOL1、PGRP2、THBG、FBLN1、ITIH2、VTDB、C8A、APOA1、HPT和TRY3。在一些实施方式中,该组包含选自下组的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质:AACT、KLKB1、APOM、ITIH4、IC1、KNG1、C9、F13B、APOL1、LCAT、PGRP2、FBLN1、ITIH2、CD5L、CBPN、VTDB、AMBP、C8A、ITIH1、TTHY和APOA1。在一些实施方式中,该组包含选自下组的至少3种、至少4种、至少5种蛋白质:A1AG1、A2MG、CHLE、IC1、KLKB1和TRFE。在一些实施方式中,该组包含选自下组的至少3种蛋白质:F13A、IC1、PGRP2和THBG。在一些实施方式中,该组包含选自下组的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质:AACT、A1AG1、A2MG、CBPN、CHLE、C9、F13B、HEMO、IC1、KLKB1、LCAT、PGRP2、PROS、TRFE、A2AP、A2GL、APOL1、APOM、C6、CPN2、FBLN1、ITIH4、KAIN、KNG1、MBL2、SEPP1、THBG、TRY3、AMBP、APOA1、CD5L、C8A、F13A、HPT、ITIH1和ITIH2。在一些实施方式中,该组包含选自下组的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质:AACT、A1AG1、A2MG、CBPN、CHLE、C9、F13B、HEMO、IC1、KLKB1、LCAT、PGRP2、PROS和TRFE。在一些实施方式中,该组包含选自下组的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质:A2AP、A2GL、APOL1、APOM、C6、CPN2、FBLN1、ITIH4、KAIN、KNG1、MBL2、SEPP1、THBG和TRY3。在一些实施方式中,该组包含选自下组的至少3种、至少4种、至少5种、至少6种或至少7种蛋白质:AMBP、APOA1、CD5L、C8A、F13A、HPT、ITIH1和ITIH2。在一些实施方式中,该组包含至少HEMO、KLKB1和TRFE。在一些实施方式中,该组包含至少A2MG、HEMO和MBL2。在一些实施方式中,该组包含至少KLKB1、IC1和TRFE。在一些实施方式中,该组包含至少F13A、IC1、PGRP2和THBG。在一些实施方式中,该组包含至少IC1、PGRP2和THBG。在一些实施方式中,该组包含至少CHLE、FETUB和PROS。
在一些实施方式中,提供了指示增加的SPTB风险的微粒相关蛋白质的第一组(例如,第一孕期组,8-12周组或10-12周组)。在一些实施方式中,提供了指示增加的SPTB风险的微粒相关蛋白质的第二组(例如,第二孕期组,18-24周组或22-24周组)。在一些实施方式中,在第一孕期期间,妊娠8-12周或妊娠10-12周,评估怀孕受试者的风险,然后在第二孕期期间,妊娠18-24周或妊娠22-24周,再次对其评估。在这样的实施方式中,有用的组可以包含选自下组的至少3种、至少4种、至少5种、至少6种、至少7种或至少8种蛋白质:AACT、KLKB1、APOM、ITIH4、IC1、KNG1、C9、F13B、APOL1、LCAT、PGRP2、FBLN1、ITIH2、CD5L、CBPN、VTDB、AMBP、C8A、ITIH1、TTHY和APOA1。
在本文提出的组的一些实施方式中,指示增加的SPTB风险的微粒相关蛋白质的组包含不超过30、不超过25、不超过20、不超过15、不超过10、不超过9、不超过8、不超过7、不超过6或不超过5种微粒相关蛋白质。在示例性的实施方式中,指示增加的SPTB风险的微粒相关蛋白质的组包含不超过5种蛋白质。在另一个示例性的实施方式中,指示增加的SPTB风险的微粒相关蛋白质的组包含不超过6种蛋白质。在另一个示例性的实施方式中,指示增加的SPTB风险的微粒相关蛋白质的组包含不超过7种蛋白质。在另一个示例性的实施方式中,指示增加的SPTB风险的微粒相关蛋白质的组包含不超过8种蛋白质。
在本文所展示的组的示例性实施方式中,指示增加的SPTB风险的微粒相关蛋白质的组包含不超过四种或不超过五种蛋白质。
在一些实施方式中,提供微粒相关蛋白质的第一4-生物标记物组(例如,第一孕期组,8-14周组或10-12周组),其在初产妇受试者中指示增加的SPTB风险。在一些实施方式中,提供微粒相关蛋白质的第二组(例如,第二孕期组,18-24周组或22-24周组),其指示增加的SPTB风险。在一些实施方式中,在第一孕期期间,妊娠8-12周或妊娠10-12周,评估怀孕受试者的风险,然后在第二孕期期间,妊娠18-24周或妊娠22-24周,再次对其评估。在这样的实施方式中,有用的组可包含至少ICI、ITIH4、TRFE和LCAT。在这样的实施方式中,有用的组可由ICI、ITIH4、TRFE和LCAT组成。
在一些实施方式中,提供微粒相关蛋白质的第一4-生物标记物组(例如,第一孕期组,8-14周组或10-12周组),其在初产妇或经产妇受试者中指示增加的SPTB风险。在一些实施方式中,提供微粒相关蛋白质的第二组(例如,第二孕期组,18-24周组或22-24周组),其指示增加的SPTB风险。在一些实施方式中,在第一孕期期间,妊娠8-12周或妊娠10-12周,评估怀孕受试者的风险,然后在第二孕期期间,妊娠18-24周或妊娠22-24周,再次对其评估。在这样的实施方式中,有用的组可包含至少F13A、FBLN1、ICI、ITIH1和LCAT。在这样的实施方式中,有用的组可由F13A、FBLN1、ICI、ITIH1和LCAT组成。
在一些实施方式中,本文提供了一种方法,其包含:从来自怀孕受试者的血液样品制备富集有微粒的级分;以及确定本文提供的任意一组微粒相关蛋白质的定量测度。
怀孕受试者
本文提供的工具和方法可以用于评估怀孕受试者中SPTB的风险,其中受试者可以是任何物种的任何哺乳动物。在本申请的一些实施方式中,怀孕受试者是人类女性。在一些实施方式中,怀孕人类受试者处于怀孕的第一孕期(例如,妊娠的1-12周),第二孕期(例如,妊娠的13-28周)或第三孕期(例如,妊娠的29-37周)。在一些实施方式中,怀孕人类受试者处于早期怀孕(例如,来自妊娠的8、9、10、11、12、13、14、15、16、17、18、19或20周,但早于21周;来自妊娠的20、19、18、17、16、15、14、13、12、11、10或9周,但晚于8周。在一些实施方式中,怀孕人类受试者处于中期怀孕(例如,来自妊娠的21、22、23、24、25、26、27、28、29或30周,但早于31周;来自妊娠的30、29、28、27、26、25、24、23、22或21周,但晚于20周)。在一些实施方式中,怀孕人类受试者处于晚期怀孕(例如,来自妊娠的31、32、33、34、35、36或37周,但早于38周;来自妊娠的37、36、35、34、33、32或31周,但晚于30周)。在一些实施方式中,怀孕人类受试者处于小于妊娠17周、小于16周、小于15周、小于14周或小于13周;来自妊娠的20、19、18、17、16、15、14、13、12、11、10或9周,但晚于8周。在一些实施方式中,怀孕人类受试者处于约妊娠的8-12周。在一些实施方式中,怀孕人类受试者处于妊娠的约18-14周。在一些实施方式中,怀孕人类受试者处于妊娠的约18-24周。在示例性的实施方式中,怀孕人类受试者处于妊娠的10-12周。在一些实施方式中,怀孕人类受试者处于妊娠的约22-24周。怀孕阶段可以从怀孕受试者最后一次正常月经的第一天计算。
本文所述的方法的怀孕受试者可属于一个或多个类别或状态,包括初产的(没有先前的足月分娩的孩子)或经产的(至少一个先前的妊娠至少20周的孩子),初孕妇(初次怀孕,初次成为母亲)或经产孕妇(一次以上在先怀孕)。初产的胎次状态可以表示为等同于0(胎次=0);初产的状态也可以称为未经产的,并且这些术语可以互换使用。经产的胎次状态可以表示为胎次≥1或胎次>0,并且这些术语可以互换使用。
在一些实施方式中,怀孕人类受试者是初产的,即,胎次=0。在其他实施方式中,怀孕受试者是经产的。在一些实施方式中,怀孕受试者可以没有先前的达到足月的孩子。在其他实施方式中,怀孕受试者已经可有至少一个先前的孩子达到妊娠至少20周。
在一些实施方式中,怀孕人类受试者是初孕妇。在其他实施方式中,怀孕的受试者是经产孕妇。在一些实施方式中,怀孕受试者已经具有至少一个在先的SPTB(例如,在妊娠的第38周之前出生)。在一些实施方式中,怀孕人类受试者是无症状的。在一些实施方式中,受试者可具有PTB的风险因素,诸如妊娠前高血压、糖尿病、肾病、已知的血栓形成倾向和/或其他明显的先前存在的医学病况(例如,短宫颈长度)的病史。
样品
用于本申请的方法的样品是获自怀孕受试者的生物样品。在优选的实施方式中,在前面部分所述的怀孕阶段中收集样品。在一些实施方式中,样品是血液、唾液、眼泪、汗液、鼻分泌物、尿液、羊水或宫颈阴道液样品。在一些实施方式中,样品是血液样品,在优选的实施方式中其是血清或血浆。在一些实施方式中,样品已经冷冻保存(例如,-20℃或-80℃)。
用于评估自发性早产风险的方法
如本文所使用的,短语“增加的自发性早产风险”表示当检测到一个或多个早产标记物时,当检测到指示增加的SPTB风险的微粒相关蛋白质的特定组时,和/或当未检测到一个或多个足月产标记物时,怀孕受试者具有患有SPTB(妊娠38周之前)的更大可能性。在一些实施方式中,评估SPTB的风险涉及为早产风险指定概率。在一些实施方式中,评估SPTB的风险涉及将怀孕受试者分层为处于SPTB的高风险、中风险或低风险。在一些实施方式中,评估SPTB的风险涉及确定,与整体人口或特定人口统计学(年龄、体重、病史、地理和/或其他因素)的人口相比,怀孕受试者的风险是否增加或减少。在一些实施方式中,评估SPTB的风险涉及为SPTB风险指定百分比。
在一些实施方式中,本文提供的方法表明怀孕受试者在妊娠37至38周具有患有SPTB的更大可能性。在一些实施方式中,本文提供的方法表明怀孕受试者在妊娠37周或之前具有患有SPTB的更大可能性。在一些实施方式中,本文提供的方法表明怀孕受试者在妊娠36周或之前具有患有SPTB的更大可能性。在一些实施方式中,本文提供的方法表明怀孕受试者在妊娠35周或之前具有患有SPTB的更大可能性。在一些实施方式中,本文提供的方法表明怀孕受试者在妊娠34周或之前具有患有SPTB的更大可能性。在一些实施方式中,本文提供的方法表明怀孕受试者在妊娠33周或之前具有患有SPTB的更大可能性。在一些实施方式中,本文提供的方法表明怀孕受试者在妊娠32周或之前具有患有SPTB的更大可能性。
对于早产,增加的风险在数值上与1.0以上的危险率相关,所述危险率优选为1.1、1.2、1.3、1.4、1.5、1.6、1.7、1.8、1.9、2.0、2.1、2.2、2.3、2.4、2.5、2.6、2.7、2.8、2.9或3.0以上。
蛋白质生物标记物的检测
可以通过本领域已知的任何方法来检测和定量生物标记物。这包括但不限于免疫测定法、色谱法、质谱法、电泳法和表面等离子体共振法。
在一些实施方式中,使用基于抗体的方法完成检测SPTB生物标记物和足月产生物标记物之一或两者的水平(例如,包括检测存在)。合适的基于抗体的方法包括但不限于酶联免疫吸附测定法(ELISA)、化学发光测定法、蛋白质印迹法和抗体微阵列。
在一些实施方式中,检测SPTB生物标记物和足月产生物标记物之一或两者的水平(例如,包括检测存在)包括检测完整蛋白、或检测该蛋白的替代物,诸如肽片段。在一些实施方式中,检测表14A中提供的一种或多种肽片段(例如,当样品来自为初产的怀孕受试者时)。在一些实施方式中,检测表14B中提供的一种或多种肽片段。
免疫测定方法包括,例如放射免疫测定法、酶联免疫吸附测定法(ELISA)、夹心测定法和蛋白质印迹法、免疫沉淀法、免疫组织化学、免疫荧光法、抗体微阵列、斑点印迹法和FACS。
色谱方法包括,例如亲和色谱法、离子交换色谱法、尺寸排阻色谱法/凝胶过滤色谱法、疏水相互作用色谱法和反相色谱法。
在一些实施方式中,使用基于质谱(MS)的蛋白质组学分析(例如液相色谱质谱LC/MS)完成检测微粒相关蛋白质的水平。在示例性的实施方式中,该方法涉及使样品经受尺寸排阻色谱法并收集高分子量级分(例如,通过尺寸排阻色谱法)以获得富集有微粒的样品。然后破坏富集有微粒的样品(使用例如离液剂、变性剂、还原剂和/或烷基化剂),并且使释放的内容物经受蛋白水解。被破坏的制剂含有多种肽。
样品中的蛋白质可以通过质谱法检测。质谱仪通常包括用于将分析物离子化的离子源,以及一个或多个用于确定质量的质量分析器。电离方法尤其包括电喷雾或激光解吸方法。
选择的反应监测是质谱法,其中第一质量分析器选择目的多肽(前体),碰撞室(collision cell)使该多肽碎裂为产物肽片段,并且在第二质量分析器中检测一个或多个肽片段。分析多肽的多个片段时,该方法称为多重反应监测质谱(MRM/MS)。通常,蛋白质样品用蛋白水解酶(诸如胰蛋白酶)消化以产生肽片段。这些肽的某些的重同位素标记的类似物被合成为同位素标准品(例如,表15A和15B)。同位素标记的参考肽(本文中可互换地提及的有同位素标准品、稳定的同位素标准品肽、稳定的同位素标准品,和SIS)与蛋白酶处理的样品混合。对该混合物进行质谱分析。可以在时域或质量域中,高精确度地检测对应于稳定同位素标准品(SIS)的子离子的肽和靶肽。通常,使用多个子离子来明确地鉴定亲本离子的存在,并且通常使用丰度最大的子离子之一进行定量。SIS肽可以按预订合成,或者可作为商业试剂盒购自供应商,例如,如ThermoFisher(Waltham,MA)或Biognosys(Zurich,Switzerland)。
该测定法可以包括对应于目的分析物的标准品(例如,具有与分析物肽的氨基酸序列相同的氨基酸序列的肽),不同之处在于内含稳定的同位素。可以将稳定的同位素标准品以精确的水平并入测定中,并用于定量相应的未知分析物。未知分析物及其对应的SIS的共洗脱以及它们的转变特性(例如,分析物两次转变的水平的比和与其对应的SIS两次转变的比的相似性)有助于额外的特异性水平。
因此,通过MRM-MS检测蛋白质靶涉及:通常通过检测稳定同位素参考肽(肽片段与其相比较)来检测蛋白质的一个或多个肽片段。通常,SIS本身会像原始的经消化的片段一样在碰撞室中破碎,通过质谱仪检测这些片段的一个或多个。
适用于生物标记物肽分析的质谱分析、仪器和系统可包括但不限于基质辅助的激光解吸/电离飞行时间(MALDI-TOF)MS;MALDI-TOF源衰减后(PSD);MALDI-TOF/TOF;表面增强激光解吸/电离飞行时间质谱(SELDI-TOF)MS;电喷雾电离质谱(ESI-MS);ESI-MS/MS;ESI-MS/(MS)n(n是大于零的整数);ESI 3D或线性(2D)离子阱MS;ESI三重四极MS;ESI四极正交TOF(Q-TOF);ESI傅里叶变换MS系统;硅上的解吸/电离(DIOS);二次离子质谱(SIMS);大气压化学电离质谱(APCI-MS);APCI-MS/MS;APCI-(MS)n;离子迁移谱(IMS);电感耦合等离子体质谱法(ICP-MS)大气压光电离质谱法(APPI-MS);APPI-MS/MS;和APPI-(MS)n。可以使用本领域已知的技术,例如碰撞诱导解离(CID),实现串联MS(MS/MS)重排中的肽离子片段化。如本文所述,通过质谱的生物标记物的检测和定量可以涉及多重反应监测(MRM),诸如尤其是由Kuhn等人(2004)Proteomics 4:1175-1186所述的。LC-MS/MS分析过程中已排程的多重反应监测(已排程的MRM)模式采集提高肽定量的灵敏性和准确度。Anderson andHunter(2006)Mol.Cell.Proteomics 5(4):573-588。基于质谱的测定法可以有利地与上游肽或蛋白质分离或分级分离方法结合,诸如,例如与本文所述的串联柱系统结合。
在一些实施方式中,使用基于质谱(MS)的蛋白质组学分析,例如基于液相色谱-质谱(LC/MS)的蛋白质组学分析,完成检测SPTB生物标记物和足月产生物标记物之一或两者的水平(例如,包括检测存在)。在示例性的实施方式中,该方法涉及使样品经受尺寸排阻色谱法并收集高分子量级分以获得富集有微粒的样品。然后在用蛋白水解酶(例如,胰蛋白酶)消化之前,提取富集有微粒的样品,以获得包含多个肽的消化的样品。然后可以使消化的样品经受肽纯化/浓缩步骤,然后进行液相色谱和质谱以获得样品的蛋白质组学特征。在一些实施方式中,纯化/浓缩步骤包含反相色谱法(例如,具有0.2μL C18树脂的ZIPTIP移液管吸头,来自Millipore Corporation,Billerica,MA)。
表14A显示了可以被检测的示例性的肽,检测本申请的示例性4蛋白质组(TRFE、IC1、ITIH4和LCAT)或单独检测每种蛋白质。在一些实施方式中,使用MS/MRM检测该组。在一些实施方式中,使用LC-MS/MRM检测该组。
在示例性的实施方式中,本文提供了一种用于评估怀孕受试者的SPTB风险的方法,该方法包含:(a)从来自怀孕受试者的血液样品中制备富集有微粒的级分;(b)确定级分中一组微粒相关蛋白质的定量测度,其中该组包含ICI、ITIH4、TRFE和LCAT。在一些实施方式中,使用MS、MS/MRM或LC-MS/MRM检测SEQ ID NO:1、SEQ ID NO:2、SEQ ID NO:3和SEQ IDNO:4的肽。在一些实施方式中,血液样品是血浆样品。在一些实施方式中,样品从处于妊娠8-14周或10-12周或处于她的妊娠第一孕期的怀孕受试者中采取。在一些实施方式中,怀孕受试者是初产的。在一些实施方式中,怀孕的受试者是初孕妇。
表14A
蛋白质序列: 检测下列: SEQ ID NO:
LLDSLPSDTR IC1 1
SSGLVSNAPGVQIR LCAT 2
EGYYGYTGAFR TRFE 3
ILDDLSPR ITIH4 4
表14B显示了可以被检测的示例性的肽,检测本申请的示例性的5蛋白质组(F13A、FBLN1、IC1、ITIH2和LCAT)或单独检测每种蛋白质。在一些实施方式中,使用MS/MRM检测组。在一些实施方式中,使用LC-MS/MRM检测组。
在示例性的实施方式中,本文提供了一种用于评估怀孕受试者的SPTB风险的方法,该方法包含:(a)从来自怀孕受试者的血液样品中制备富集有微粒的级分;(b)确定级分中一组微粒相关蛋白质的定量测度,其中该组包含F13A、FBLN1、ICI、ITIH1和LCAT。在一些实施方式中,使用MS、MS/MRM或LC-MS/MRM检测SEQ ID NO:5,SEQ ID NO:6,SEQ ID NO:1,SEQ ID NO:7和SEQ ID NO:2的肽。在一些实施方式中,血液样品是血浆样品。在一些实施方式中,样品从处于妊娠8-14周或10-12周或处于她的妊娠第一孕期的怀孕受试者采取。在一些实施方式中,怀孕受试者是初产的(primiparous)。在一些实施方式中,怀孕的受试者是初孕妇(primigravida)。在一些实施方式中,怀孕受试者是经产的(multiparous)。在一些实施方式中,怀孕受试者是经产孕妇(multigravida)。
表14B
Figure BDA0002706669180000321
Figure BDA0002706669180000331
如本文所提供的,通过MS、MS/MRM或LC-MS/MRM检测生物标记物涉及:通常通过检测稳定同位素参考肽(肽片段与其相比较)来检测蛋白质的一个或多个肽片段。
表15A显示了在LC-MCS MRM模式中用于检测本申请的4蛋白质组(TRFE、IC1、ITIH4和LCAT)使用的示例性同位素标记的参考肽(同位素标准品)。
在示例性的实施方式中,本文提供了一种用于测量蛋白质组的方法,其包含:(a)从受试者的血液样品中制备富集有微粒的级分;(b)确定级分中一组微粒相关蛋白质的定量测度,其中该组包含ICI、ITIH4、TRFE和LCAT,并且其中该确定包含测量蛋白质的替代肽。在一些实施方式中,例如使用MS、MS/MRM或LC-MS/MRM检测SEQ ID NO:1、SEQ ID NO:2、SEQID NO:3和SEQ ID NO:4的肽。在一些实施方式中,该方法进一步包含使用同位素标记的参考肽,其为SEQ ID NO:8、SEQ ID NO:9、SEQ ID NO:10和SEQ ID NO:11。在一些实施方式中,血液样品是血浆样品。在一些实施方式中,样品从处于妊娠8-14周或10-12周或处于她的妊娠第一孕期的怀孕受试者采取。在一些实施方式中,怀孕受试者是初产的。在一些实施方式中,怀孕的受试者是初孕妇。
在示例性的实施方式中,本文提供了一种用于评估怀孕受试者的SPTB风险的方法,该方法包含:(a)从来自怀孕受试者的血液样品中制备富集有微粒的级分;(b)确定级分中一组微粒相关蛋白质的定量测度,其中该组包含ICI、ITIH4、TRFE和LCAT,并且其中该确定包含测量该蛋白质的替代肽。在某些实施方式中,使用MS、MS/MRM或LC-MS/MRM,和使用同位素标记的参考肽,其为SEQ ID NO:8、SEQ ID NO:9、SEQ ID NO:10和SEQ ID NO:11,检测SEQ ID NO:1、SEQ ID NO:2、SEQ ID NO:3和SEQ ID NO:4的肽。在一些实施方式中,血液样品是血浆样品。在一些实施方式中,样品从处于妊娠8-14周或10-12周或处于她的妊娠第一孕期的怀孕受试者获得。在一些实施方式中,怀孕受试者是初产的。在一些实施方式中,怀孕的受试者是初孕妇。
表15A
同位素标记的参考肽(SIS) 检测下列: SEQ ID NO:
LLDSLPSDTR-同位素 IC1 8
SSGLVSNAPGVQIR-同位素 LCAT 9
EGYYGYTGAFR-同位素 TRFE 10
ILDDLSPR-同位素 ITIH4 11
表15B示出了在LC-MCS MRM模式用于检测本申请的5蛋白质组(F13A、FBLN1、IC1、ITIH2和LCAT)所使用的示例性同位素标记的参考肽(同位素标准品)。
在示例性的实施方式中,本文提供了一种用于测量蛋白质组的方法,其包含:(a)从来自怀孕受试者的血液样品中制备富集有微粒的级分;(b)确定级分中一组微粒相关蛋白质的定量测度,其中该组包含F13A、FBLN1、ICI、ITIH1和LCAT。在一些实施方式中,使用MS、MS/MRM或LC-MS/MRM检测SEQ ID NO:5、SEQ ID NO:6、SEQ ID NO:1、SEQ ID NO:7和SEQID NO:2的肽。在一些实施方式中,该方法进一步包含使用同位素标记的参考肽,其为SEQID NO:12、SEQ ID NO:13、SEQ ID NO:8、SEQ ID NO:14和SEQ ID NO:9。在一些实施方式中,血液样品是血浆样品。在一些实施方式中,样品从处于妊娠8-14周或10-12周或处于她的妊娠第一孕期的怀孕受试者采取。在一些实施方式中,怀孕受试者是初产的。在一些实施方式中,怀孕的受试者是初孕妇。在一些实施方式中,怀孕受试者是经产的。在一些实施方式中,怀孕的受试者是经产孕妇。
在示例性的实施方式中,本文提供了一种用于评估怀孕受试者的SPTB风险的方法,该方法包含:(a)从来自怀孕受试者的血液样品中制备富集有微粒的级分;(b)确定级分中一组微粒相关蛋白质的定量测度,其中该组包含F13A、FBLN1、ICI、ITIH1和LCAT。在一些实施方式中,使用MS、MS/MRM或LC-MS/MRM,并使用同位素标记的参考肽,其为SEQ ID NO:12、SEQ ID NO:13、SEQ ID NO:8、SEQ ID NO:14和SEQ ID NO:9,检测SEQ ID NO:5、SEQ IDNO:6、SEQ ID NO:1、SEQ ID NO:7和SEQ ID NO:2的肽。在一些实施方式中,血液样品是血浆样品。在一些实施方式中,样品从处于授予8-14周或10-12周或处于她的妊娠第一孕期的怀孕受试者采取。在一些实施方式中,怀孕受试者是初产的。在一些实施方式中,怀孕的受试者是初孕妇。在一些实施方式中,怀孕受试者是经产的。在一些实施方式中,怀孕受试者是经产孕妇。
表15B
同位素标记的参考肽(SIS) 检测下列: SEQ ID NO:
STVLTIPEIIIK-同位素 F13A1 12
TGYYFDGISR-同位素 FBLN1 13
LLDSLPSDTR-同位素 IC1 8
AAISGENAGLVR-同位素 ITIH1 14
SSGLVSNAPGVQIR-同位素 LCAT 9
在一些实施方式中,本文提供了试剂盒,其包含对应于肽生物标记物的一种或多种稳定同位素参考肽,例如,由生物标记物蛋白的蛋白酶(例如,胰蛋白酶)消化产生的肽。
在示例性的实施方式中,本文提供了用于检测初产的怀孕受试者的SPTB的试剂盒,其中所述试剂盒包含同位素标记参考肽,其为SEQ ID NO:8、SEQ ID NO:9、SEQ ID NO:10和SEQ ID NO:11,以及使用的说明书。
在示例性的实施方式中,本文提供了用于检测初产的或经产的怀孕受试者的SPTB的试剂盒,其中所述试剂盒包含同位素标记参考肽,其为的SEQ ID NO:12、SEQ ID NO:13、SEQ ID NO:8、SEQ ID NO:14和SEQ ID NO:9,以及使用的说明书。
在示例性的实施方式中,本文提供了一种组合物,其包含多个蛋白质肽和多个同位素标记的参考肽,其中蛋白质肽包含SEQ ID NO:1、SEQ ID NO:2、SEQ ID NO:3和SEQ IDNO:4或由它们组成,而同位素标记的参考肽包含SEQ ID NO:8、SEQ ID NO:9、SEQ ID NO:10和SEQ ID NO:11或由它们组成。
在另一示例性的实施方式中,本文提供了一种组合物,其包含多个蛋白质肽和多个同位素标记的参考肽,其中蛋白质肽包含SEQ ID NO:1、SEQ ID NO:2、SEQ ID NO:5和SEQID NO:6和SEQ ID NO:7或由它们组成,而同位素标记的参考肽包含SEQ ID NO:12、SEQ IDNO:13、SEQ ID NO:8和SEQ ID NO:14和SEQ ID NO:9或由它们组成。
在示例性的实施方式中,本文提供了一种组合物,其包含:(i)如本文公开的用于早产的一个或多个蛋白质生物标记物中的每个的一个或多个肽片段,和(ii)一个或多个同位素标记的参考肽(例如,对应于SEQ ID NO:8、SEQ ID NO:9、SEQ ID NO:10和SEQ ID NO:11的标准肽;或对应于SEQ ID NO:12、SEQ ID NO:13、SEQ ID NO:8、SEQ ID NO:14和SEQ IDNO:9的标准肽),其氨基酸序列对应于一个或多个肽片段中的每一个,其中每个肽片段和同位素标记的参考肽均具有对应于通过蛋白酶消化一个或多个蛋白质生物标记物产生的肽片段的氨基酸序列。在一个实施方式中,该组合物包含来自富集有微粒的、经蛋白酶消化的样品的肽片段。在另一个实施方式中,一种或多种同位素标记的参考肽选自表15A和15B。进一步提供了方法(a)其包含提供样品,所述样品包含来自生物样品的富集有微粒的级分的蛋白质;(b)对蛋白质进行蛋白酶消化以产生肽片段;和(c)使肽片段与一个或多个同位素标记的参考肽接触((例如对应于SEQ ID NO:8、SEQ ID NO:9、SEQ ID NO:10和SEQ ID NO:11的标准肽;或对应于SEQ ID NO:12、SEQ ID NO:13、SEQ ID NO:8、SEQ ID NO:14和SEQ IDNO:9的标准肽)),所述同位素标记的参考肽的氨基酸序列对应于一个或多个肽片段的每一个,其中每个同位素标记的参考肽具有对应于通过蛋白酶消化一个或多个蛋白质生物标记物产生的肽片段的氨基酸序列,所述蛋白质生物标记物如本文所公开的用于早产。
分类算法
基于包括本申请的至少一种生物标记物的至少一种定量测度的信息,评估SPTB的风险的方法可涉及将受试者分类为处于增加的SPTB风险。分类可采用分类算法或模型。许多类型的分类算法均适合于此目的,包括线性和非线性模型,例如,诸如CART-分类和回归树的过程),人工神经网络,诸如反向传播网络,判别分析(例如,贝叶斯分类器或Fischer分析),逻辑分类器,和支持向量分类器(例如,支持向量机)。某些分类器,诸如截止值,可以通过人工检查来执行。其他分类器,诸如多变量分类器,可要求计算机执行分类算法。
分类算法可以通过数学分析(包括通过机器学习算法)来生成,该机器学习算法对从被分类为一组或另一组的受试者中得到的生物标记物测量值的数据集进行分析。许多机器学习算法在是本领域中已知的,包括那些生成以上分类算法的类型的那些。
诊断测试的特征在于灵敏性(分类为阳性(为真阳性)的百分比)和特异性(分类为阴性(为真阴性)的百分比)。诊断测试的相对灵敏性和特异性可涉及权衡取舍–较高的灵敏性可能意味着较低的特异性,而较高的特异性可能意味着较低的灵敏性。这些相对值可以显示在接收者操作特征(ROC)曲线上。通过ROC曲线的曲线下面积(AUC)反映了一组变量诸如生物标记物的诊断能力。
在一些实施方式中,本申请的分类器具有至少85%、至少90%、至少95%、至少98%或至少99%的灵敏性。本申请的分类器具有至少0.6、至少0.7、至少0.8、至少0.9或至少0.95的AUC。
降低自发性早产风险的方法
在一个实施方式中,如果确定怀孕的受试者处于增加的SPTB风险,则可以采用适当的处理计划。举例来说,已经显示,外科手术(诸如宫颈环扎术)和补充孕酮的对预防早产是有效的(Committee on Practice Bulletins,Obstetrics&Gynecology,120:964-973,2012)。在一些实施方式中,由卫生保健专业人员采取其他措施,诸如转换至“有风险备案”,诸如增加的诊室就医和/或把患者归至经过专门培训以处理高危患者的医师。在一些实施方式中,如果确定怀孕受试者处于增加的SPTB风险,则可以采取步骤使得怀孕受试者会使用NICU设备并且计划使农村患者接触到这样的设备。此外,怀孕受试者和家庭成员可具有急性期症状干预措施的更好的知识,诸如胎儿纤连蛋白测试(诊断)和皮质类固醇(例如,用于婴儿肺部发育)和硫酸镁(例如,用于婴儿神经保护目的)。此外,可以监测怀孕受试者,例如更好地坚持饮食、戒烟、并遵循医师的其他建议。
在一个实施方式中,给怀孕受试者开出孕酮补充剂处方。目前,用于预防复发的SPTB的孕酮补充剂提供给:带有单胎怀孕和在先SPTB的女性;以及没有SPTB病史的女性(其偶然检查出非常短的子宫颈(<15毫米))。本申请提供了鉴定额外的怀孕受试者(她们可以从孕酮补充剂中受益)的工具。这些受试者包括以下:怀孕女性,其是初孕妇,而无风险史,且无偶然检查出非常短的子宫颈;怀孕女性,其是经产孕妇,但以前没有SPTB。
确定为增加的早产风险的怀孕受试者被推荐接受或施用孕酮直到妊娠36周(例如,经鉴定或在妊娠16周、0天~20周、6天,直至妊娠36周))。在一些实施方式中,孕酮补充包含每周250mg肌内注射。在示例性的实施方式中,每周孕酮补充包含通过注射施用己酸羟孕酮。在其他实施方式中,孕酮补充包含:每天50mg~300mg,每天75mg~200mg或每天90mg~110mg的剂量的阴道用孕酮。
在另一个实施方式中,对单胎怀孕的女性(确定其处于增加的早产风险,并且其在妊娠少于34周有在先SPTB记录,且妊娠24周之前宫颈长度短(小于25mm)),建议接受或给予宫颈环扎术(也称为子宫颈成形术或宫颈缝合)。在一些实施方式中,宫颈环扎术是McDonald环扎术,而在其他实施方式中,它是Shirodkar环扎术或腹部环扎术。
因此,本文提供了降低怀孕受试者的SPTB风险和/或减少SPTB的新生儿并发症的一种方法,该方法包含:根据本文提供的任意方法评估怀孕受试者的SPTB风险;以及以有效降低SPTB风险和/或减少SPTB的新生儿并发症的量施用治疗剂、开出经修订的护理管理方案的处方,进行胎儿纤连蛋白测试,施用皮质类固醇,施用硫酸镁,或增加受试者的监测和监督。在一些实施方式中,所述治疗剂选自下组:激素和皮质类固醇。在一些实施方式中,所述治疗剂包含阴道用孕酮或肠胃外17-α-己酸羟孕酮。
试剂盒
在另一个实施方式中,提供了一种试剂盒,该试剂盒能够在样品中提供SPTB生物标记物和足月产生物标记物之一或两者。能够检测蛋白质生物标记物的试剂包括但不限于抗体。能够检测蛋白质生物标记物的抗体通常也直接或间接连接至分子(诸如荧光团或酶),其可以催化可检测的反应以表明该试剂与其各自靶标的结合。
在一些实施方式中,所述试剂盒进一步包含样品加工材料,该样品处理材料在小体积(例如,1ml)垂直柱中包含高分子凝胶过滤组合物(例如,琼脂糖,诸如SEPHAROSE),用于从血浆中快速制备富集有微粒的样品。例如,富集有微粒的样品在将其冷冻并运送到分析实验室进行进一步处理之前可以在关照下例如通过尺寸排阻色谱法制备。
在一些实施方式中,试剂盒进一步包含用于评估SPTB风险的说明书。如本文所使用的,术语“说明书”是指使用试剂盒中包含的用于检测来自受试者的样品中目的蛋白质的存在(包括确定表达水平)的试剂的指导。目的蛋白质可包含SPTB生物标记物和足月产生物标记物之一或两者。在一些实施方式中,说明书进一步包含美国食品和药物管理局(U.S.Food and Drug Administration,FDA)在标记体外诊断产品中所需的预期用途的说明。FDA将体外诊断分类为医疗器械,并要求它们通过510(k)程序批准。根据510(k)在申请中所要求的信息包括:1)体外诊断产品名称,包括装置的商品名称或专有名称,通用或惯用名称,以及分类名称;2)产品的预期用途;3)提交510(k)提案的所有者或运营商的机构注册号(如果有);FD&C法案第513条规定的体外诊断产品的分类(如果已知),其适当的组,或者,如果所有者或运营商确定该设备未根据该条分类,该确定的声明以及确定体外诊断产品未如此分类的依据;4)建议的标签,足以描述体外诊断产品的标签和广告,其预期用途,和使用的说明,包括照片或工程图(如果适用);5)表明该装置与在美国商业发行中可比较类型的其他体外诊断产品相似和/或不同的声明,并附有支持该声明的数据;6)实质等效确定所依据的安全性和有效性数据的510(k)概要;或会在书面请求的30天内向任何人提供支持FDA发现实质等效的510(k)安全性和有效性信息的声明;7)一份声明,提交者据其所知相信在售前通知中提交的所有数据和信息都是真实准确的,并且没有遗漏重要事实;和8)有关要求的体外诊断产品的所有额外信息,其对于FDA进行实质等效性确定都是必需的。
通过参考以下实施例会更全面地理解本发明。但是,它们不应被解释为限制本发明的范围。应理解,本文描述的实施例和实施方式仅用于说明目的。
实施例
缩写:AUC(曲线下面积);CI(置信区间);CMP(循环微粒);DDN(差分依赖网络,Differential Dependency Network);FDR(错误发现率);LC(液相色谱);LMP(末次月经期);MRM(多重反应监测);MS(质谱);ROC(接收者操作特征);SEC(尺寸排阻色谱法);SPTB(自发性早产);和TERM(足月产)。
实施例1:研究1-妊娠10-12周获得的样品中SPTB生物标记物的鉴定
该实施例描述了利用妊娠10-12周获得的血浆样品作为前瞻性收集的出生队列的一部分的研究。将34周前的SPTB单胎病例通过孕妇年龄、种族和采样的胎龄,与37周后的简单足月分娩相匹配。分离出第一孕期样品中的循环微粒(CMP),然后通过多重反应监测质谱仪(MRM-MS)进行分析,以鉴定蛋白质生物标记物。如果在该胎龄范围内新生儿发病率增加,评估为<34周SPTB。
材料和方法
临床数据和样本收集。在马萨诸塞州波士顿的布莱根妇女医院(Brigham andWomen’s Hospital,BWH)于2009-2014年之间获得临床数据和母亲K2-EDTA血浆样品(妊娠10-12周),并将其作为前瞻性收集的LIFECODES出生队列的一部分在-80℃保存(McElrath等人,Am J Obstet Gynecol,207:407-414,2012)。入选标准包括:年龄>18岁;在妊娠<15周时开始她们的产前护理;以及计划在BWH分娩的患者。排除标准包括:预先存在的医学病症和胎儿异常。通过妊娠≤12周的超声扫描确认怀孕的胎龄。如果与末次月经期(LMP)日期一致,则使用LMP确定到期日。如果不一致,则由最早可用的超声波设置到期日。足月产定义为妊娠37周后,进行本研究目的将早产定义为34周前的SPTB。所有病例均由两名经理事会认证的妇幼医学医师独立审查和验证。当怀孕预后或特征出现争议时,对该病例进行复查,并召开共识会议以确定最终特征。在34周之前,有25例SPTB单胎病例通过母体年龄、种族和采样的胎龄(正负两周)与两个对照(足月分娩)相匹配。
CMP富集。将血浆样品在干冰上运送到David H Murdock研究所(北卡罗来纳州,坎纳波利斯的DHMRI),并随机到致盲的实验室人员,对病例/对照状态进行样品加工和测试。CMP通过尺寸排阻色谱(SEC)富集,并用水(无RNA酶,无DNA酶,蒸馏水)等度洗脱。简而言之,将PD-10柱(GE Healthcare Life Sciences)装满10mL来自ABT(佛罗里达州,迈阿密)的2%琼脂糖珠标准品(孔径50–150um),洗涤并在4℃储存至少24小时,并且使用前储存不超过三天。在使用当天,再次洗涤柱,并将1mL解冻的纯净血浆样品施加到柱上。即,血浆样品在SEC之前没有被过滤、稀释或处理。
循环微粒被捕获在柱的空体积中,部分从高丰度的蛋白质峰中分辨出来(Ezrin等人,Am J Perinatol,32:605-614,2015)。在四天内以15到20的批次分批加工样品,以最大程度地减少对单个样品的加工之间的变化性。将来自每个临床样本的汇集的CMP柱级分的一份等分试样(含有200μg的总蛋白质)(由BCA确定)转移至2mL微量离心管(VWR)中,并在干冰上运送至Biognosys(Zurich,Switzerland)进行蛋白质组学分析。
液相色谱-质谱法。蛋白质组液相色谱-质谱(LC-MS)定量分析由Biognosys AG进行。简要地说,对于每个样品,将20μg的总蛋白冻干,然后用8M尿素变性,用二硫苏糖醇还原,用碘乙酰胺烷基化,并用胰蛋白酶(Promega)消化过夜。使用SpeedVac系统干燥所得的样品肽,然后将其重新溶解于45μL的Biognosys LC溶剂中,并与含有BiognosysPlasmaDive(扩展版2.0)稳定同位素标记的参考肽混合物的Biognosys iRT试剂盒混合。
然后将1μg的总蛋白注入原位填充(in-house packed)的C18柱(内径75μm,柱长10cm,New Objective)中;柱的材料是在Thermo Scientific Easy nLC纳米液相色谱系统上的Magic AQ,粒径3μm,孔径
Figure BDA0002706669180000411
(来自Michrom)。LC-MS-MRM测定法在配备有标准纳米电喷雾源的Thermo Scientific TSQ Vantage三重四极质谱仪上测量。LC-MS-MRM的LC梯度在30分钟内为5-35%的溶剂B(97%含水乙腈,有0.1%FA),然后在2分钟内为35-100%的溶剂B,并且100%的溶剂B持续8分钟(总梯度长度为40分钟)。为了定量全部样品的肽,TSQVantage以已排程的MRM模式操作,采集窗口长度为3.25分钟。LC洗脱液以1.9kV电喷雾,Q1以单位分辨率(0.7Da)运行。信号处理和数据分析是使用SpectroDiveTMBiognosys的软件基于mProphet进行多路MRM数据分析(Reiter等人,Nature Methods,8:430-435,2011)。应用了1%的Q值过滤器。基于注入LC/MS的归一化的1μg的蛋白质确定蛋白质浓度。
统计分析。为了选择区分SPTB和足月分娩的提供信息的分析物,首先对经处理的蛋白质定量数据进行单变量接收者操作特征(ROC)曲线分析(Fawcett,PatternRecognition Letters,27:861-874,2006;和Robin等人,BMC Bioinformatics,19:12:77,2011)。使用对来自样品标签重排中的空值进行自助重采样来控制错误发现率(FDR)(Carpenter and Bithell,Statistics in Medicine,19:1141-1164,2000;和Xie等人,Bioinformatics,21:4280-4288,2005)。简而言之,对于每种蛋白质,都要从原始数据中对自助样品重复ROC分析,从而估计曲线下面积(AUC)的平均值和标准偏差(SD)。然后将自助程序再次应用于相同数据,但样品SPTB状态标签被随机重排。重排分析提供了空值结果,以控制和调整FDR以在选择候选蛋白质生物标记物期间进行多重比较。然后应用差分依赖网络(DDN)生物信息学工具以提取蛋白质之间SPTB表型依赖性高阶共表达模式(Tian等人,Bioinformatics,32:287-289,2015)。为了探索观察到的蛋白质组失调与SPTB之间的功能联系,使用另一种生物信息学工具BiNGO来鉴定在DDN子网络中代表过多的基因本体类别(Maere等人,Bioinformatics,21:3448-3449,2005)。为了评估所选蛋白质之间的互补值及其潜在的临床相关性能范围,使用自助重采样导出并评价多变量线性模型。
结果
样品组的人口统计学和临床特征列于表3。所登记的孕妇年龄、种族、体重指数(BMI),使用公立保险,怀孕期间吸烟和胎龄在两组中是相似的。对照中的母亲教育水平较高,SPTB病例的较大比例倾向于是初产的。
表3.SPTB与足月对照怀孕的基线特征,研究1
Figure BDA0002706669180000421
Figure BDA0002706669180000431
分别评估了通过靶向MRM估计的132种蛋白质的区分SPTB和足月产的能力。通过要求每种候选蛋白质的平均自助AUC显著大于空值(>平均值+用标签重排估计的平均自助AUC的标准偏差)并排除自助AUC方差大的蛋白质,132种蛋白质中的62种表现出强大的检测SPTB的能力(图1的右下象限)。相反,如果使用与样品标记重排相同的标准,则只会选择12种蛋白质。因此,用于蛋白质选择的估计FDR<20%(12/62)。这62种蛋白质被认为是进一步多变量分析的候选者。表4提供了在SPTB病例中对比TERM对照被下调(-),或在SPTB病例中对比TERM对照被上调(+)的蛋白质的性能值。当灵敏性固定在65%时,为按AUC从最高到最低排序的生物标记物显示了p值、AUC和特异性。
表4.失调的单个分析物的性能
Figure BDA0002706669180000432
Figure BDA0002706669180000441
Figure BDA0002706669180000451
Figure BDA0002706669180000461
各个地,在62种蛋白质中,有25种具有最低p值(<0.10)和最大AUC(>0.618),以区分SPTB和足月对照(表5)。
表5.区别单个分析物
Figure BDA0002706669180000462
Figure BDA0002706669180000471
在62种选择的蛋白质中的差分依赖网络分析鉴定了许多SPTB表型相关的共表达模式(图2)。在DDN分析共表达子网络中,许多基因本体论类别(诸如炎症、伤口愈合、凝血级联和类固醇代谢)被过度代表。表6提供了最有鉴别力的成对相关性(p值<0.001-0.069)的列表。总共有20种独特的蛋白质形成了DDN子网络。一些成对相关性(CBPN-TRFE、CPN2-TRFE、A1AG1-MBL2)是内含在TERM对照中而不是SPTB病例中的标记物,这表示防止SPTB。
表6.蛋白质之间的成对关系
蛋白质1 蛋白质2 表型 P值
A2AP SEPP1 SPTB <0.001
CBPN TRFE TERM <0.001
CPN2 TRFE TERM <0.001
HEMO THBG SPTB 0.002
A2MG F13B SPTB 0.003
IC1 TRFE SPTB 0.003
KAIN MBL2 SPTB 0.004
A2GL LCAT SPTB 0.005
A2MG C6 SPTB 0.005
CHLE SEPP1 SPTB 0.009
MBL2 PGRP2 SPTB 0.022
KLKB1 SEPP1 SPTB 0.045
A1AG1 MBL2 TERM 0.064
PGRP2 SEPP1 SPTB 0.066
A1AG1 FBLN1 SPTB 0.069
基于可用的样品量,并且为了避免过度训练,仅估计线性模型以评估临床相关性能,并且所述变量限于表6中20种蛋白质中的两种或三种蛋白质的所有可能组合(1330个模型)。使用200个自助重采样数据导出并估计每个模型,从而以80%的固定灵敏性估计ROCAUC的中位数(90%CI)和特异性。就AUC的90%CI下限和特异性而言,表7和表8分别列出了前20个模型。样品量会带来特定的限制,即无法在独立的样品集上测试模型。为了弥补这一点,通过迭代自助分析来估计训练数据集中的组的性能的CI。表7显示了下述三联体(triplex),当灵敏性设置为80%时,其具有最好的曲线下面积(AUC)。表8显示了研究1的三联体,当灵敏性设置为80%时,其具有最佳的特异性。
表7.基于ROC分析中AUC的90%CI的下限的前20个模型(SPTB对比足月对照)
Figure BDA0002706669180000481
Figure BDA0002706669180000491
表8.基于在固定的80%灵敏性下的特异性的90%CI的下限的前20个模型(SPTB对比足月对照)
Figure BDA0002706669180000492
Figure BDA0002706669180000501
评估包括在前20个模型组中的来自DDN分析的各个蛋白质的频率。出现频率最高的蛋白质生物标记物是HEMO、KLKB1和TRFE(图3)。通过使用两个3蛋白质组(图2A和图4B):A2MG、HEMO和MBL2(图4A)和KLKB1、IC1和TRFE(图4B)绘制示例性线性模型的灵敏性和特异性来确定ROC曲线和AUC。
还选择出具有明显的单一分析物AUC的蛋白质生物标记物来用于评价(作为多重候选物):CBPN、CHLE、C9、F13B、HEMO、IC1、PROS和TRFE。基于AUC和在75%灵敏性的特异性估计前20个5-至-8标记物组(使用线性模型和自助重采样)。
表9.前20个5-至-8标记物复合多标记物组
Figure BDA0002706669180000502
Figure BDA0002706669180000511
性能标准包括p值,在75%灵敏性下的特异性以及来自ROC分析的AUC。对于每个标准,有三个数字对应于自助估计的95%置信区间(5%CI,95%CI)和中位数(50%CI)。
图4C显示了,在来自20个DDN标记物5-8生物标记物组(5-8个蛋白质的多联体(multiplex))(=257754组)×200次自助运行的前1000个组(基于在80%的灵敏性时5%的特异性)中的标记物内含频率。显示最高频率的六个标记物是A1AG1、A2MG、CHLE、IC1、KLKB1和TRFE。
讨论
在SPTB病例中鉴定了与几种临床有关的生物学过程相关的大量蛋白质生物标记物,其通过妊娠10-12周表现出特征性表达谱。鉴定出的蛋白质生物标记物主要涉及与凝血、纤维蛋白溶解、免疫调节和补体系统相关的相互关联的生物网络(表10)。转而,这些系统被认为与适应性免疫和维持成功怀孕所必需的炎症过程介导相互作用。
表10.CMP相关蛋白质生物标记物的生物途径
Figure BDA0002706669180000521
越来越多地理解,免疫失调、异常凝血和子宫内炎症在大部分SPTB病例中是常见的(Romero等人,Science,345:760-765,2014)。据信,不良怀孕结果中有很大一部分是在怀孕早期就有其病理生理学起源。不仅在并发高血压的怀孕中观察到早期胎盘和滋养层功能的异常,而且在约30%的经历SPTB的那些人中也观察到异常(Kim等人,Am J ObstetGynecol,189:1063-1069,2003)。在这个关键时期,孕妇-胎儿界面的细胞的状态、状况和功能已经使怀孕倾向于不良预后。其他人已经观察到胎盘特异性微粒的浓度随着妊娠的进行而显著增加(Sarker等人,J Transl Med,12:204,2014)。随着怀孕进行,微粒介导的信号传导的早期干扰可逐渐变为放大的。最终,孕妇胎儿串扰(cross-talk)中的异常现象可变得足够大,以引起系统的网络崩溃,这促进了公差,导致自发性早产。
进一步了解SPTB的根本原因的传统障碍之一是研究母胎界面本身的困难以及人类胎盘的独特性质。子宫内空间在身体上和伦理上都是难触及的。因此,这也许就是为什么除了可能通过超声测量子宫颈长度以外,在根据SPTB风险将有用的生物标记物用于分层患者的研究方面,最新进展很少(Conde-Agudelo等人,BJOG,118:1042-1054,2011)。微粒的蛋白质含量的差异代表了有关孕妇-胎儿界面生物学的未揭示的信息来源。如在本申请的开发过程中所确定的,可以随着同时考虑与富集有CMP的血浆级分相关的多个蛋白质生物标记物一起,获得改善的特异性(如增加的AUC所表明的)。
实施例2:在妊娠22-24周获得的样品中SPTB生物标记物的鉴定
该实施例描述了利用妊娠22-24周获得的血浆样品的研究,所述血浆样品来自实施例1的相同怀孕受试者。样品制备、分析和统计方法与实施例1所述相同。
作为实施例,将在实施例1(时间点D1)中分析的三个生物标记物(ITIH4、AACT和F13A)的测量值与在该实施例的稍后时间点(时间点D2)的蛋白质的相应测量值作图。这在图5中示出–各个生物标记物在D1和D2测量值之间存在不同但清晰的图案,可用于改善SPTB与对照之间的分离。虚线表示使用两个时间点测量值在SPTB和对照之间可能的分类边界。
下列蛋白质在第10-12周(时间点D1,实施例1)和22-24周(时间点D2,本实施例)显示出对SPTB预测的一致性能:AACT、KLKB1、APOM、ITIH4、IC1、KNG1、C9、F13B、APOL1、LCAT、PGRP2、FBLN1、ITIH2、CD5L、CBPN、VTDB、AMBP、C8A、ITIH1、TTHY和APOA1。
实施例3:在妊娠10-12周获得的样品中SPTB生物标记物的子集的鉴定
该实施例描述了利用妊娠10-12周获得的血浆样品的研究。使用来自实施例1的独立队列,验证了一组标记物:当在10-12周获得时预测SPTB<35周。
方法:
通过医师审阅者对SPTB<35周验证了具有在10-12周获得的预期收集的血浆样品的75例单胎怀孕的产科结果。这些匹配了150个简单的单胎足月分娩。对照在采样时胎龄(+/-2周)、孕妇年龄(+/-2岁)、种族和胎次方面进行匹配。从这些样本中分离出CMP,并通过多重反应监测质谱来分析从先前研究中选择的已知蛋白质生物标记物,以预测其<35周分娩风险的能力。还检查了通过组合功能分析(combined functional profiling)/途径分析的这些分析物的生物学相关性。
数据分析和结果:
病例和对照在BMI(26对比25kg/m2;p=0.37)或体外受精(17%对比10%;p=.10)状态方面没有差异。分娩时的平均胎龄为33周对比39周(p<10-5)。可以观察到,先前研究中鉴定的CMP标记物再次显示出SPTB的独特Kaplan-Meier曲线。
如图6中所示,随机采样SPTB患者和对照样品,带有50次置换(自助采样)。每次都计算接收者工作特性(ROC)曲线,并估计相应的曲线下面积(AUC)。对于每种候选蛋白质生物标记物(实心圆),绘制了从50次自助采样运行中估计的AUC的平均值(纵轴)和标准偏差(横轴)。当随机扰乱(标签重排)样品的患者/对照标签时,重复相同的程序,并将结果绘制为空心正方形,模拟如果蛋白质生物标记物没有任何区分力,结果会如何显示。水平线表示平均值以上的一个标准偏差,两者均由标签重排结果估计出。垂直线对应于均值以上的一个标准偏差,两者均由正确标记的结果估计出。左上象限中的实心圆是具有相对较高且统计上稳定的区分能力的蛋白质。使用自助采样和标签重排分析,上表2中列出的一组蛋白质显示出统计学上一致的区分能力(通过ROC分析证明),以分离SPTB与对照。实心符号代表蛋白质的AUC的平均值(y轴)和SD(x轴),以在自助ROC分析中分离SPTB与对照。空心正方形代表同一自助ROC分析中蛋白质的AUC的平均值和SD,但样品的SPTB/对照标签是随机再指定(重排)的。如图7所示,具有统计学上一致性能的蛋白质以实心圆的显示在该图的左上象限中。
注意,以下蛋白质在实施例1的样品集和实施例3的样品集之间表现出一致的性能。这些蛋白是:KLKB1、APOM、ITIH4、IC1、KNG1、C9、APOL1、PGRP2、THBG、FBLN1、ITIH2、VTDB、C8A、APOA1、HPT和TRY3。
实施例4:样品制备方法
进一步研究样品制备方法。
图8示出了,来自实施例2中的样品的尺寸排阻色谱法(SEC)数据中的2个QC池显示了高的分析精度(小的变异系数)。在用于实施例2的数据生成的样品集中(22-24周样品)使用两个汇集的样品。使用QC数据作为技术复本,对所有蛋白质估计了变异系数(CV)(分析精度的测度)。跨所有蛋白质的CV分布绘制为直方图。池A:阴影条,池B:空心条。分析精度适用于生物标记物发现研究。
图9显示了在用实施例2中使用的22-24周样品从对照检测出SPTB中,
Figure BDA0002706669180000551
样品制备步骤(SEC)对提供信息的蛋白质数量的影响。样品自助生物标记物选择程序被用于从使用NeXosome样品制备步骤的样本和直接从血浆样本(两者均来自同一患者)生成的数据。结果显示,从具有SEC的样本数据中鉴定出大量提供信息的蛋白质。使用NeXosome样品制备步骤(SEC),可以富集高价值的微粒,并且结果是,改善了SPTB的临床上提供信息的和生物学相关的生物标记物的鉴定。
图10显示了SEC对丰富蛋白白蛋白(ALBU)浓度的影响。箱形图显示了在使用SEC制备的样品中和直接在血浆样品中白蛋白定量的分布。与直接使用血浆相比,NeXosome样品制备步骤(SEC)显著降低了白蛋白浓度。
图11显示SEC改善了D2 ITIH4中SPTB和对照之间的分离。箱形图比较了使用和不使用NeXosome样品制备步骤(SEC)的样品中SPTB与对照之间生物标记物ITIH4的分布的差异。SEC显著改善了生物标记物ITIH4的SPTB与对照之间的分离(对于SEC制备样品的数据,p<0.0004,而对于直接来自血浆的数据,p=0.3145,Mann-Whitney-Wilcoxon测试)。
实施例5:研究2-在妊娠10-12周获得的样品中SPTB生物标记物的鉴定
该研究是对多中心群体中CMP蛋白多标记物方法的进一步研究,另外还通过胎次和胎儿性别对测试特征进行了研究。
材料和方法
临床样本集合:孕妇EDTA血浆样品(妊娠中位数10.2周)获自马萨诸塞州,波士顿的布莱根妇女医院(BWH);宾夕法尼亚州匹兹堡的Magee妇女研究所(Magee-Women’sResearch Institute);和华盛顿州,西雅图的防止早产和死产全球联盟(Global Allianceto Prevent Prematurity and Stillbirth,GAPPS)。入选标准包括:年龄≥18岁,在妊娠≤15周时开始他们的产前护理,和计划在各个机构分娩的患者。排除标准包括:预先存在的医学病症(预先存在的糖尿病、当前的癌症诊断,HIV和肝炎)和胎儿异常。该分析仅限于单胎妊娠。孕妇种族由自我鉴定确定。在妊娠≤12周时通过超声扫描确认怀孕的胎龄。如果与末次月经期(LMP)日期一致,则使用LMP确定到期日。如果不一致,则由最早可用的超声(妊娠≤12周)设置到期日。对于本实施例的目的,足月产定义为妊娠≥37周,早产定义为≤35周的sPTB。该分析考虑的胎龄下限设置为22周。怀孕终止(妊娠≤35周)是受关注的领域,这至少有两个原因:首先,sPTB的表型在这个胎龄范围内通常更均一,因此更有可能与一套更统一的先行病理过程相关;其次,在此妊娠间隔中,新生儿发病率的负担通常较高,因此,它代表未来预防的更高效的目标。
每个中心的患者病例由来自各个中心的医师调查员独立地审查和验证。来自波士顿的68例sPTB,来自Magee的9例病例和来自GAPPS的10例病例均随机匹配来自同一中心的两个足月对照(term)。在每个中心,病例均与孕妇年龄(+/-2岁)和采样的胎龄(+/-2周)匹配。最终样品量由87个病例和174个对照组成,其中包括62个病例和124个对照的新集合以及来自在先分析的25个病例和50个对照(Cantonwine等人Evaluation of proteomicbiomarkers associated with circulating microparticles as an effective meansto stratify the risk of SPTB.Am J Obstet Gynecol.2016;214(5):631.e1-631.e11)。对于此实施例,在统一的测定方案下,将来自被引用研究的样品的新鲜等分血浆与新获得的样品一起进行重新分析,以确保一致性并最大程度地减少潜在的批次影响。研究方案已获得每个机构的机构审查委员会的批准,并获得了所有参与的女性的书面知情同意。
CMP富集:将来自Magee和GAPPS的血浆样品在干冰上运送到BWH,然后随机安排给对病例/对照状态致盲的实验室人员。然后将所有261个样品在干冰上运送到DavidH.Murdock研究所(DHMRI,Kannapolis,NC),在其中通过尺寸排阻色谱法(SEC)富集CMP,并使用NeXosome洗脱试剂等度洗脱。简而言之,将PD-10柱(GE Healthcare Life Sciences,Pittsburgh,PA)装满10mL从GE Healthcare Bio-Sciences Corporation(Marlborough,MA)购买的Sepharose 2B琼脂糖珠标准品(来自2%的储备溶液)。用洗脱试剂洗涤柱,并在使用前在4℃保存最少24小时且不超过3天。在使用当天,再次用洗脱试剂洗涤柱,并将1mL解冻的血浆样品施加到柱上。CMP被捕获在色谱柱空体积中,并从高丰度蛋白质峰中分离,如所描述(EzrinAM等人Circulating serum-derived microparticles provide novelproteomic biomarkers of SPTB.Am J Perinatol.2015;32(6):605–14.)。为了使加工之间的差异最小化,对各个样品的处置是随机批次进行的。将来自每个临床样本的汇集CMP柱级分的一份等分试样(含200ug总蛋白(由BCA反应确定))转移至2mL微量离心管(VWR,Radnor,PA)中,并在干冰上运输至Biognosys(Zurich,Switzerland)进行蛋白质组学分析。
液相色谱-质谱法:由Biognosys AG进行定量蛋白质组学LC-MS分析。简而言之,对于每个样品,将总共20ug的蛋白质冻干,然后用8M尿素变性,用二硫苏糖醇还原,用Biognosys烷基化溶液烷基化,然后用胰蛋白酶(Promega,Madison,WI)消化过夜,如前所述。(Ezrin AM等人Circulating serum-derived microparticles provide novelproteomic biomarkers of SPTB.Am J Perinatol.2015;32(6):605–14.)使用SpeedVac系统干燥所得的样品肽,并重新溶解于45uL的Biognosys LC溶剂,然后与BiognosysPlasmaDive(扩展版2.0)和含有稳定同位素标记的参考肽混合物的Biognosys iRT试剂盒混合。
然后将1μg总蛋白质注入原位填充的C18柱(内径75μm,柱长10cm,New Objective,马萨诸塞州,沃本);柱材料为Magic AQ,粒径3μm,孔径
Figure BDA0002706669180000571
来自加利福尼亚州,奥本的Michrom。此柱用于Thermo Scientific Easy nLC纳米液相色谱系统。在配备标准纳米电喷雾源的Thermo Scientific(Waltham,MA)TSQ Vantage三重四极质谱仪上测量LC多重反应监测(MRM)分析。LC-MRM的LC梯度在30分钟内为5-35%梯度的溶剂B(97%含水乙腈,有0.1%FA),然后在2分钟内为35-100%梯度的溶剂B,然后是100%的溶剂B持续8分钟(总梯度长度为40分钟)。
为了定量整个样品的肽,TSQ Vantage以排程的MRM模式操作,采集窗口长度为3.25分钟。LC洗脱液以1.9kV电喷雾,Q1四极以单位分辨率(0.7Da)运行。信号处理和数据分析使用SpectroDiveTM-Biognosys的的专有软件进行多路MRM数据分析。应用了1%的Q值过滤器。基于注入LC-MS/MS仪器的归一化1ug蛋白质确定蛋白质浓度。
统计分析:在统计分析之前,将来自LC-MS/MS MRM测定的蛋白质定量数据归一化为z得分。然后将数据分为训练集和测试集。训练集由在先分析中已涉及的所有样品(Cantonwine等人,2016),以及通过区组随机化(block-randomization)选择的新集合中的60个样品组成。其余的新集合样品用作测试集。区组随机化的使用在训练和测试集中保留了病例:对照比。然后将测试集放在一边,直到分析的第3步(以下)。
单变量分析(步骤1):在训练集中,首先对蛋白质分析物候选集进行单变量选择,以使它们能够区分sPTB和足月分娩。简而言之,对于每种蛋白质,对自助样品重复进行10次接收者操作特征(ROC)分析(带有训练数据置换)。自助ROC分析的曲线下面积(AUC)的平均值和标准偏差(SD)分别用作性能的水平和统计稳定性的测度,为区分sPTB和足月分娩的能力来排名推定的分析物。为了建立针对分析物的客观选择标准,并最大程度地减少由于随机机会造成的错误发现,将完全相同的自助ROC分析程序应用于训练数据集,并对样品标签(即,sPTB对比对照)进行了重排和随机打乱。此重排分析程序从功能上模拟了随机机会的作用,并在选择候选蛋白质标记物时充当“阴性对照”。在AUC的平均值和SD上使用相同的截断值,从重排分析中选择的分析物的数量与从“真实标记”分析中选择的分析物数量的相对比值允许估计错误发现率,同时控制多重比较的效果。
多变量分析(步骤2):然后评估来自单变量分析的最好表现候选分析物(即,具有最高的AUC平均值和相对较低的SD)的互补值,作为预测训练集中sPTB风险的多变量组的一部分。为此,使用多变量分类模型对5-分析物组的所有可能组合进行评价,其带有重复10次的训练集内交叉验证(每次使用随机选择的60%训练样品得出模型,然后对其余40%训练样品进行评价)。每组均通过三个性能指标来评估:(1)AUC平均值,(2)在固定的70%特异性时的灵敏性平均值,和(3)在固定的70%灵敏性下的特异性平均值,均来自训练内交叉验证。然后,计算作为三个性能指标的每个指标的最好表现的1%组的成员的各个分析物的频率。这些估计的频率可作为关于蛋白质分析物在区分sPTB和足月分娩方面相互补充的能力的测度,并作为进一步减少候选生物标记物数量的客观标准。仅彻底地评估5-分析物组的选择以及特定保守的多变量模型类型的使用是基于示例性的最小足够数量的生物标记物,以揭示分析物中sPTB风险的多变量关系,并希望不过度拟合数据以及计算复杂性的实际约束。具体地,保守模型结构是具有径向基函数内核的支持向量机(SVM)。半径选择为分析物标准偏差的两倍。因此,所得SVM严重受约束,并且其行为类似于具有线性内核的SVM。
随着候选分析物及其相关组的数量显著减少,使用了微调机器学习算法参数的计算方法,并提供了广泛的训练内数据重采样/交叉验证以最终确定和选择最好表现的标记物组和相关的多变量预测模型。
在测试集中的评价(步骤3):在该分析的第三部分中,根据来自测试集中的数据对最好表现的模型进行评估,并根据AUC进行报告,并带有相关的估计置信区间、灵敏性和特异性。
胎次0子集的评价:为了评价这些分析物在胎次0群体中的效用,训练和测试集仅限于初产母亲(第一次做母亲)。重新执行上述程序。如果此分层所强加的样品量受限制,则4-分析物组作为靶标。如前所述,这是为了减少过度拟合数据的风险。除ROC分析外,还使用4-分析物的模型输出值将受试者分为高风险和低风险组。通过妊娠周用Kaplan-Meier曲线比较两组。由于测试集代表病例-对照样品集,因此比较的目的是以图形显示各个Kaplan-Meier曲线的实际形状的明显差异而非实际形状。
在R3.2.4统计计算环境(17)中,并使用Matlab R2017b(Mathworks,Natick,MA)进行统计和模型开发计算。
结果
整个多中心队列中病例和对照的临床和人口统计学特征列于表11。他们的基线连续变量,即孕妇年龄、胎次和孕前体重指数(BMI)具有相似的平均值。在病例和对照之间,种族、保险类型、吸烟和胎儿性别的母亲分类变量没有差异。根据设计,分娩时的胎龄(p<0.0001)和出生体重(p<0.0001)之间存在预期差异。重要的是,病例或对照之间在样品采集时的平均胎龄之间没有差异。
表11.SPTB对比足月对照怀孕的基线特征
Figure BDA0002706669180000601
总共261个样品集被随机分为训练集和测试集。sPTB的45个病例和90个足月对照组成训练集,其余42个sPTB病例和84个足月对照组成测试集。表12比较了新的训练和测试集的特征。
表12.二级验证和训练集的特征
Figure BDA0002706669180000611
最初包含36种蛋白质分析物是基于在先分析中的区别性能(Cantonwine等人,2016)。下表13中鉴定了用于定量的35种蛋白质分析物。
表13.定量的微粒相关肽
Figure BDA0002706669180000612
Figure BDA0002706669180000621
Figure BDA0002706669180000631
在训练集中,如上所述,通过多变量分析为它们在最好表现组中的互补作用进一步次选择这36种分析物。图13显示了在5-分析物组的所有可能的376,992个组合中,相对于ROC-AUC分析,各个分析物成为正在执行的组的最高1%的成员的频率,其特异性在70%的固定的灵敏性下确定,而其灵敏性在70%的固定的特异性下确定。基于该结果,将合格的分析物的组交叉验证,以形成最终组。假如取作各个标记物,基于训练数据中重复的交叉验证评价,涵盖F13A,FBLN1,IC1,ITIH2和LCAT的CMP相关蛋白产生了最稳定的性能。AUC显示为深灰色条,在固定的特异性(70%)下的特异性显示为黑色条,在固定的灵敏性(70%)下的灵敏性显示为灰色条。通过固定灵敏性或特异性,并确定在那些情况下哪种标记物组合最适合组性能来运行模型。这些数据支持上述5-蛋白质组的选择,而无需考虑胎次状态或其他因素。
组合这些各个标记物并将其作为多标记物组应用于测试数据,F13A、FBLN1、IC1、ITIH2和LCAT的组合显示,来自ROC分析的AUC为0.74(95%CI 0.63-0.81)(图12A和图12B)。使灵敏性和特异性均最大化的分数截断值分别为0.70和0.81。正似然比为2.70,负似然比为0.27。假设假想的人口为1000,则95%的置信区间会分别是2.29-3.19和0.15-0.48。测试性能没有随体重指数变化。优化此5-蛋白质标记物组以用于所有受试者,而不考虑胎次状态或其他因素(诸如胎儿性别)。
图12C显示了包括F13A、FBLN1、IC1、ITIH1和LCAT的5蛋白质组的ROC,其相关的AUC为0.73(95%CI:0.57-0.86)。测试性能没有随体重指数变化。还优化了此5蛋白质标记物组以用于所有受试者,而不考虑胎次状态或其他因素(诸如胎儿性别)。图12D表明,女性(AUC.79)对比男性胎儿(AUC.64)和未经产的(胎次=0)(AUC.78)相对于经产的(胎次>1)(AUC.66)的测试性能是增加的。
图17以AUC的平均值和标准偏差的形式显示了其他5-标记物组以及它们的一些最好表现组合的训练/交叉验证性能,其带有预定特异性(0.65)下的灵敏性,以及预定灵敏性(0.75)下的特异性。
在训练集上再次使用相同的工作流程,但是现在的目的是选择分析物组合以仅在初产母亲中分辨sPTB风险。通过交叉验证,上述针对训练集的过程导致TRFE、IC1、ITIH4和LCAT蛋白质组合,其作为对初产母亲行分类的最高性能的多标记物组。如图4所示,在测试数据中,该4联组合(4-plex combination)显示出AUC为0.77(95%CI:0.61-0.90)。在特异性为0.86时,相应的灵敏性会是0.63。正似然比会是4.50,负似然比为0.43。假设假想的人口为1000,则95%的置信区间会分别是3.45-5.87和0.30-0.63。在此数据集中,针对胎次=0的受试者的样品优化了由TRFE、IC1、ITIH4和LCAT组成的多变量4-蛋白质组。对于胎次状态为0的样品,AUC为0.77(显示为实心线)。针对(1)来自胎次状态≥1(经产的)其中AUC为0.67(显示为短划线)的受试者的样品,和针对(2)来自不考虑胎次状态其中AUC为0.69(显示为点线)的受试者的样品,测试了该4-蛋白质组。
使用为初产的(胎次=0)母亲选择的多标记物组,并在整个测试集中将怀孕分类为高和低风险层。图16显示了根据妊娠周的怀孕存活的Kaplan-Meier曲线。对数秩检验表明,曲线存在显著差异(p<0.00001),并表明正标记物组与所有胎龄(不仅是≤35周终止的那些)的较短妊娠有关。
图15显示了根据胎儿性别的4蛋白质组(TRFE、IC1、ITIH4和LCAT)的性能。女性胎儿性别显示的AUC为0.73(95%CI:0.58-0.85),男性胎儿性别显示的AUC为0.64(95%IC:0.43-0.81)女性以实线显示,男性以短划线显示。
讨论
在训练集中定义了CMP相关蛋白分析物(F13A、FBLN1、IC1、ITIH2和LCAT)的5联组合,其在测试集中的AUC为0.74(95%CI 0.63-0.81)。使用贝叶斯逻辑,假设在美国境内≤35周分娩的一般基线风险(测试前概率)为4.9%,则预计在10-12周测试为正的人现在会具有测试后风险(测试后的概率)为13%,而测试为负的人的风险降低为1%。可以预期,除了增加基于孕妇特征的临床风险评分外,多标记物组可改善这些性能指标。
另外,描述了在未产妇中妊娠35周结束之前,CMP相关蛋白质分析物预测SPTB的预测特征。在这一群体中,使用另一组CMP蛋白质标记物,观察到的AUC为0.77(95%CI 0.61-0.90)。灵敏性为0.63,这表明特异性为0.86。同样,根据贝叶斯论证,在≤35周时分娩的测试前风险概率为4.9%,这意味着如果为正,则测试后的风险概率为20%,如果为负,则为2%。在缺乏在先病史的患者群体中,这些结果意味着,对SPTB风险进行潜在的临床有用的分层(在35周前结束)。
表14A显示了下述肽,其可以在LC-MCS MRM模式中检测以检测4蛋白质组(TRFE、IC1、ITIH4和LCAT)。
表14B显示了下述肽,其可以在LC-MCS MRM模式中检测以检测5蛋白质组(F13A、FBLN1、IC1、ITIH2和LCAT)。
表15A显示了下述加同位素标签的参考肽(同位素标准品),其用在LC-MCS MRM模式中用于检测4蛋白质组(TRFE、IC1、ITIH4和LCAT)的。
表15B显示了加同位素标签的参考肽(SIS,同位素标准品),其用在LC-MCS MRM模式中用于检测5蛋白质组(F13A、FBLN1、IC1、ITIH2和LCAT)。
在第一孕期末仅有有限的现有可用风险分层方法。这样的方法主要计为个人怀孕史。迄今为止,病史已成为衡量患者分娩潜力的最重要的单一指标。
通过此实施例,证明了在第一孕期末收集的与CMP相关蛋白质分析物具有预测妊娠≤35周时出生的风险的能力。
尽管已经参照本发明的具体实施方式描述了所描述的发明,但是本领域技术人员应当理解,在不脱离本发明的真实精神和范围的情况下,可以进行各种改变并且可以替换等同物。可以将上述多个实施方式组合以提供其他实施方式。另外,可以对本发明所述的客观精神和范围进行许多修改,以采用特定的情况、材料、物质组成、过程、过程步骤或步骤。所有这些修改旨在落入所附权利要求的范围内。

Claims (109)

1.一种评估怀孕受试者的自发性早产风险的方法,该方法包括:
a.从所述怀孕受试者的血液样品制备富集有微粒的级分;和
b.确定所述级分中一组微粒相关蛋白质的定量测度,其中,所述组包含ICI、ITIH4和LCAT。
2.根据权利要求1所述的方法,其中,所述组进一步包含第四蛋白质。
3.根据权利要求2所述的方法,其中,所述第四蛋白质是TRFE。
4.根据权利要求1所述的方法,其中,所述组包含蛋白质IC1、ITIH4、LCAT和TRFE。
5.根据权利要求1所述的方法,其中,所述组由蛋白质IC1、ITH4、LCAT和TRFE组成。
6.根据权利要求1至5中任一项所述的方法,其中,所述怀孕受试者是初产受试者。
7.根据权利要求1至6中任一项所述的方法,其中,当所述怀孕人类受试者处于妊娠10至12周时,从所述怀孕受试者采取所述血液样品。
8.根据权利要求1至6中任一项所述的方法,其中,在妊娠的第一孕期中,从所述受试者采取所述血液样品。
9.根据权利要求1至8中的任一项所述的方法,其中,所述方法评估所述怀孕受试者具有在妊娠35周或更早发生自发性早产的更大可能性的风险。
10.一种用于评估怀孕受试者的自发性早产风险的方法,所述方法包括:
a.从所述怀孕受试者的血液样品制备富集有微粒的级分;和
b.确定所述级分中一组微粒相关蛋白质的定量测度,其中,所述组包含F13A、FBLN1、ICI、LCAT和选自ITIH1或ITIH2的一种蛋白质。
11.根据权利要求10所述的方法,其中,所述组包含F13A、FBLN1、ICI、LCAT和ITIH1。
12.根据权利要求10所述的方法,其中,所述组包含F13A、FBLN1、ICI、LCAT和ITIH2。
13.根据权利要求10所述的方法,其中,所述组由F13A、FBLN1、ICI、LCAT和ITIH1组成。
14.根据权利要求10所述的方法,其中,所述组由F13A、FBLN1、ICI、LCAT和ITIH2组成。
15.根据权利要求10至14中任一项所述的方法,其中,所述怀孕受试者是经产受试者。
16.根据权利要求10至14中任一项所述的方法,其中,所述怀孕受试者是初产受试者。
17.根据权利要求10至14中任一项所述的方法,其中,所述怀孕受试者是初孕妇。
18.根据权利要求10至14中任一项所述的方法,其中,所述怀孕受试者是经产孕妇。
19.根据权利要求10至18中任一项所述的方法,其中,当所述怀孕人类受试者处于妊娠10至12周时,从所述怀孕受试者采取所述血液样品。
20.根据权利要求10至18中任一项所述的方法,其中,在妊娠的第一孕期中,从所述怀孕受试者采取所述血液样品。
21.根据权利要求10至20中任一项所述的方法,其中,所述方法评估所述怀孕受试者具有在妊娠35周或更早发生自发性早产的更大可能性的风险。
22.一种用于评估怀孕受试者具有在妊娠35周或更早发生自发性早产的可能性的方法,所述方法包括:
a.从来自所述怀孕受试者的血液样品制备富集有微粒的级分;和
b.确定所述级分中一组微粒相关蛋白质的定量测度,其中所述组(i)包含IC1、ITIH4、LCAT和TRFE,或(ii)由IC1、ITIH4、LCAT和TRFE组成,
其中,所述怀孕受试者是初产的,并且其中,当所述怀孕人类受试者在妊娠10至12周时,从所述怀孕受试者采取所述血液样品。
23.一种用于评估怀孕受试者具有在妊娠35周或更早发生自发性早产的可能性的方法,所述方法包括:
a.从来自所述怀孕受试者的血液样品制备富集有微粒的级分;和
b.确定所述级分中一组微粒相关蛋白质的定量测度,其中,所述组(i)包含F13A、FBLN1、ICI、LCAT和ITIH2,或(ii)由F13A、FBLN1、ICI、LCAT和ITIH2组成
其中,所述怀孕受试者是初产的,并且其中,当所述怀孕人类受试者在妊娠10至12周时,从所述怀孕受试者采取所述血液样品。
24.根据权利要求1至6、8至18、20和21中任一项所述的方法,其中,所述方法的步骤在第一孕期期间从所述怀孕受试者采取的第一样品上进行,并且所述方法的步骤在第二孕期期间从所述怀孕受试者采取的第二样品上重复。
25.根据权利要求1至6、8至18、20和21中任一项所述的方法,其中,所述方法的步骤在妊娠8至12周时从所述怀孕受试者采取的第一样品上进行,并且所述方法的步骤在妊娠18至24周时从所述怀孕受试者采取的第二样品上重复。
26.根据权利要求1至24中任一项所述的方法,其中,所述方法的步骤在妊娠10至12周时从所述怀孕受试者采取的第一样品上进行,所述方法的步骤在第二孕期期间从所述怀孕受试者采取的第二样品上重复。
27.根据权利要求1至24中任一项所述的方法,其中,所述方法的步骤在妊娠10至12周时从所述怀孕受试者采取的第一样品上进行,所述方法的步骤在妊娠18至24周时从所述怀孕受试者采取的第二样品上重复。
28.根据权利要求1至27中任一项所述的方法,其中,所述血液样品是血清样品。
29.根据权利要求1至27中任一项所述的方法,其中,所述血液样品是血浆样品。
30.根据权利要求1至28中任一项所述的方法,其中,所述富集有微粒的级分使用尺寸排阻色谱法制备。
31.根据权利要求30所述的方法,其中,所述尺寸排阻色谱法包含用水洗脱。
32.根据权利要求30至31中任一项所述的方法,其中,所述尺寸排阻色谱法用琼脂糖固相和水性液相进行。
33.根据权利要求30至32中任一项所述的方法,其中,所述制备步骤进一步包含使用超滤或反相色谱法。
34.根据权利要求30至33中任一项所述的方法,其中,所述制备步骤进一步包含:在所述尺寸排阻色谱法之前,使用尿素变性,使用二硫苏糖醇还原,使用碘乙胺(iodoacetamine)烷基化,以及使用胰蛋白酶消化。
35.根据权利要求1至34中任一项所述的方法,其中,确定所述级分中一组微粒相关蛋白质的定量测度包含:检测表14A中展示的任意一种或多种肽,或者包含:检测表14B中展示的任意一种或多种肽。
36.根据权利要求35所述的方法,其中,确定所述级分中一组微粒相关蛋白质的定量测度包含:检测由SEQ ID NO:1、SEQ ID NO:2、SEQ ID NO:3和SEQ ID NO:4表示的肽,其中所述怀孕受试者是初产的,并且其中当所述怀孕人类受试者在妊娠10至12周时,从所述怀孕受试者采取所述血液样品。
37.根据权利要求35所述的方法,其中,确定所述级分中一组微粒相关蛋白质的定量测度包含:检测由SEQ ID NO:5、SEQ ID NO:6、SEQ ID NO:1、SEQ ID NO:7和SEQ ID NO:2表示的肽,其中所述怀孕受试者是初产的或经产的,并且其中当所述怀孕人类受试者在妊娠10至12周时,从所述怀孕受试者采取所述血液样品。
38.根据权利要求1至37中任一项所述的方法,其中,确定所述级分中一组微粒相关蛋白质的定量测度包含质谱法。
39.根据权利要求38所述的方法,其中,确定所述级分中一组微粒相关蛋白质的定量测度包含液相色谱/质谱法。
40.根据权利要求39所述的方法,其中,所述质谱法包括多重反应监测,所述液相色谱法使用包含乙腈的溶剂进行,和/或所述检测步骤包含为所述蛋白质分配索引保留时间。
41.根据权利要求38所述的方法,其中,确定所述级分中一组微粒相关蛋白质的定量测度包含质谱法/多重反应监测(MS/MRM)。
42.根据权利要求41所述的方法,其中,所述MS/MRM涉及使用多个稳定同位素标准品。
43.根据权利要求42所述的方法,其中,所述MS/MRM涉及使用表15A或表15B中提供的多个稳定同位素标准品。
44.根据权利要求1至43中任一项所述的方法,其中,所述确定包含执行分类规则,所述规则将所述受试者分类为处于自发性早产风险,并且其中,所述分类规则的执行产生早产或足月产之间的相关性,p值小于至少0.05。
45.根据权利要求1至44中的任一项所述的方法,其中,所述确定包含执行分类规则,所述规则将所述受试者分类为处于自发性早产风险,并且其中,所述分类规则的执行产生接收者操作特征(ROC)曲线,其中所述ROC曲线具有至少0.6的曲线下面积(AUC)。
46.根据权利要求1至45中的任一项所述的方法,其中,所述分类规则将受试者分类所依据的值进一步包括以下至少一项:孕妇年龄、孕妇体重指数、胎次状态以及怀孕期间吸烟。
47.根据权利要求1至46中任一项所述的方法,其中,使所述分类规则配置为具有至少80%,至少90%或至少95%的特异性。
48.根据权利要求1至47中任一项所述的方法,其中,所述方法进一步包含选自下组的处理步骤:激素和皮质类固醇。
49.一种降低怀孕受试者的自发性早产风险和/或减少自发性早产的新生儿并发症的方法,所述方法包含:
a.根据权利要求1至47中任一项所述的方法评估怀孕受试者的自发性早产风险;和
b.以降低自发性早产风险和/或减少自发性早产的新生儿并发症的有效量向所述受试者施用治疗剂。
50.根据权利要求49所述的方法,其中,所述治疗剂选自下组:激素和皮质类固醇。
51.根据权利要求49所述的方法,其中,所述治疗剂包含阴道用孕酮或肠胃外17-α-己酸羟孕酮。
52.一种方法,其包含向怀孕受试者施用有效量的旨在减少自发性早产风险的处理,所述怀孕受试者特征在于具有指示出增加的自发性早产风险的一组微粒相关蛋白质,其中,所述组包含IC1、ITIH4、LCAT和TRFE,或所述组包含F13A、FBLN1、ICI、LCAT和ITIH2。
53.一种方法,包括向怀孕受试者施用有效量的旨在减少自发性早产风险的处理,所述怀孕受试者特征在于具有指示出增加的自发性早产风险的一组微粒相关蛋白质,其中,所述组由IC1、ITIH4、LCAT和TRFE组成,或所述组由F13A、FBLN1、ICI、LCAT和ITIH2组成。
54.根据权利要求52或53所述的方法,其中,所述处理选自下组:激素和皮质类固醇。
55.根据权利要求52或53所述的方法,其中,所述处理包含阴道用孕酮或肠胃外17-α-己酸羟孕酮。
56.根据权利要求52至55中任一项所述的方法,其中,所述怀孕受试者是初产的。
57.根据权利要求52至56中的任一项所述的方法,其中,当所述怀孕人类受试者在妊娠10至12周时,从所述怀孕受试者采取所述血液样品。
58.一种降低怀孕受试者的自发性早产风险和/或减少自发性早产的新生儿并发症的方法,所述方法包括:
a.根据权利要求1至47中任一项所述的方法评估怀孕受试者的自发性早产风险;和
b.以降低自发性早产风险和/或减少自发性早产的新生儿并发症的有效量向所述受试者施用治疗剂。
59.一种方法,其包括:
a.在妊娠8至14周,从怀孕受试者的血浆或血清制备富集有微粒的级分;
b.使用选择的反应监测质谱法,确定所述级分中一组蛋白质的定量测度,其中,所述组(i)包含IC1、ITIH4、LCAT和TRFE;(ii)包含F13A、FBLN1、ICI、LCAT和ITIH2;(iii)由IC1、ITIH4、LCAT和TRFE组成;或(iv)由F13A、FBLN1、ICI、LCAT和ITIH2组成;和
c.执行分类系统的分类规则,所述规则基于包括所述定量测度的值将所述受试者分类为处于自发性早产风险,其中,所述分类系统在接收者操作特征(ROC)曲线中具有至少0.6的曲线下面积(AUC)。
60.一种降低自发性早产风险和/或减少新生儿并发症的方法,所述方法包括:
a.通过权利要求1至47中任一项所述的方法确定受试者处于自发性早产风险;和
b.以降低自发性早产风险和/或减少新生儿并发症的有效降量向所述受试者施用治疗剂。
61.一种方法,其包括:
a.由在妊娠8至14周获得的多个怀孕受试者的血浆或血清提供富集有微粒的级分,其中所述多个受试者包括多个随后经历早产的受试者和多个随后经历足月产的受试者;
b.使用选择的反应监测质谱法,确定所述级分中一组蛋白质的定量测度,其中所述组(i)包含IC1、ITIH4、LCAT和TRFE;(ii)包含F13A、FBLN1、ICI、LCAT和ITIH2;(iii)由IC1、ITIH4、LCAT和TRFE组成;或(iv)由F13A、FBLN1、ICI、LCAT和ITIH2组成;
c.制备训练数据集,其指示出每个样品的值,所述值指示出:
(i)将样品分类为属于早产或足月产类别;和
(ii)多个蛋白质生物标记物的定量测度;和
d.在所述训练数据集上训练学习机器算法,其中训练生成一个或多个分类规则,所述分类规则将样品分类为属于所述早产类别或所述足月产类别。
62.一种测量蛋白质组的方法,其包括:
a.从血液样品的富集有微粒的级分制备包含蛋白质的样品;
b.对所述蛋白质进行蛋白酶消化以产生肽片段;
c.使所述肽片段与包含SEQ ID NO:8、SEQ ID NO:9、SEQ ID NO:10和SEQ ID NO:11或由它们组成的多个同位素标记的参考肽接触;和
d.确定所述级分中一组微粒相关蛋白质的定量测度,其中所述组包含ICI、ITIH4、TRFE和LCAT或由它们组成。
63.根据权利要求62所述的方法,其包含使用MS/MRM进行所述方法。
64.根据权利要求62至63中任一项所述的方法,其中,所述血液样品包含血浆样品。
65.根据权利要求62至63中任一项所述的方法,其中,所述血液样品包含血清样品。
66.根据权利要求62至65中任一项所述的方法,其中,所述血液样品来自受试者,并且所述受试者是处于妊娠8至14周的怀孕受试者。
67.根据权利要求62至65中任一项所述的方法,其中,所述血液样品来自受试者,并且所述受试者是处于妊娠10至12周的怀孕受试者。
68.根据权利要求62至65中任一项所述的方法,其中,所述血液样品来自受试者,并且所述受试者是初产的怀孕受试者。
69.一种测量蛋白质组的方法,其包括:
a.从血液样品的富集有微粒的级分制备包含蛋白质的样品;
b.对所述蛋白质进行蛋白酶消化以产生肽片段;
c.使所述肽片段与包含SEQ ID NO:12、SEQ ID NO:13、SEQ ID NO:8、SEQ ID NO:14和SEQ ID NO:9或由它们组成的多个同位素标记的参考肽接触;和
d.确定所述级分中一组微粒相关蛋白质的定量测度,其中所述组包含F13A、FBLN1、ICI、ITIH1和LCAT或由它们组成。
70.根据权利要求69所述的方法,其包含使用MS/MRM进行所述方法。
71.根据权利要求69至70中任一项所述的方法,其中,所述血液样品包含血浆样品。
72.根据权利要求69至71中任一项所述的方法,其中,所述血液样品包含血清样品。
73.根据权利要求69至72中任一项所述的方法,其中,所述血液样品来自受试者,并且所述受试者是处于妊娠8至14周的怀孕受试者。
74.根据权利要求69至72中任一项所述的方法,其中,所述血液样品来自受试者,并且所述受试者是处于妊娠10至12周的怀孕受试者。
75.根据权利要求69至72中任一项所述的方法,其中,所述血液样品来自受试者,并且所述受试者是初产的怀孕受试者。
76.一种测量蛋白质组的方法,其包括:
a.从受试者的血液样品制备富集有微粒的级分;和
b.确定所述级分中一组微粒相关蛋白质的定量测度,其中所述组包含F13A、FBLN1、ICI、ITIH1和LCAT或由它们组成,并且其中所述确定包含测量所述蛋白质的替代肽。
77.根据权利要求76所述的方法,其包含测量序列SEQ ID NO:5、SEQ ID NO:6、SEQ IDNO:1、SEQ ID NO:7和SEQ ID NO:2的替代肽的水平。
78.根据权利要求76或77中任一项所述的方法,其包含使用MS/MRM进行所述方法。
79.根据权利要求76至78中任一项所述的方法,其中,所述方法进一步包含使用同位素标记的参考肽,其为SEQ ID NO:12、SEQ ID NO:13、SEQ ID NO:8、SEQ ID NO:14和SEQ IDNO:9。
80.根据权利要求76至79中任一项所述的方法,其中,所述血液样品包含血浆样品。
81.根据权利要求76至79中任一项所述的方法,其中,所述血液样品包含血清样品。
82.根据权利要求76至81中任一项所述的方法,其中,所述受试者是处于妊娠8至14周的怀孕受试者。
83.根据权利要求76至81中任一项所述的方法,其中,所述受试者是处于妊娠10至12周的怀孕受试者。
84.根据权利要求76至83中任一项所述的方法,其中,所述受试者是初产的怀孕受试者。
85.根据权利要求76至83中任一项所述的方法,其中,所述受试者是经产的怀孕受试者。
86.一种测量蛋白质组的方法,其包括:
a.从受试者的血液样品制备富集有微粒的级分;和
b.确定所述级分中一组微粒相关蛋白质的定量测度,其中所述组包含ICI、ITIH4、TRFE和LCAT或由它们组成,并且其中所述确定包含测量所述蛋白质的替代肽。
87.根据权利要求86所述的方法,其包含测量序列SEQ ID NO:1、SEQ ID NO:2、SEQ IDNO:3和SEQ ID NO:4的替代肽的水平。
88.根据权利要求86至87中任一项所述的方法,其包含使用MS/MRM进行所述方法。
89.根据权利要求86至88中任一项所述的方法,其中,所述方法进一步包含使用同位素标记的参考肽,其为SEQ ID NO:8、SEQ ID NO:9、SEQ ID NO:10和SEQ ID NO:11。
90.根据权利要求86至89中任一项所述的方法,其中,所述血液样品包含血浆样品。
91.根据权利要求86至89中任一项所述的方法,其中,所述血液样品包含血清样品。
92.根据权利要求86至91中任一项所述的方法,其中,所述受试者是处于妊娠8至14周的怀孕受试者。
93.根据权利要求86至91中任一项所述的方法,其中,所述受试者是处于妊娠10至12周的怀孕受试者。
94.根据权利要求86至91中任一项所述的方法,其中,所述受试者是初产的怀孕受试者。
95.一种测量蛋白质组的方法,其包括:
a.从受试者的血液样品制备富集有微粒的级分;和
b.确定所述级分中一组微粒相关蛋白质的定量测度,其中所述组包含F13A、FBLN1、ICI、ITIH1和LCAT或由它们组成,并且其中所述确定包含测量所述蛋白质的替代肽。
96.根据权利要求95所述的方法,其包含测量序列SEQ ID NO:5、SEQ ID NO:6、SEQ IDNO:1、SEQ ID NO:7和SEQ ID NO:2的替代肽的水平。
97.根据权利要求95或96中任一项所述的方法,其包含使用MS/MRM进行所述方法。
98.根据权利要求95至97中任一项所述的方法,其中,所述方法进一步包含使用同位素标记的参考肽,其为SEQ ID NO:12、SEQ ID NO:13、SEQ ID NO:8、SEQ ID NO:14和SEQ IDNO:9。
99.根据权利要求95至98中任一项所述的方法,其中,所述血液样品包含血浆样品。
100.根据权利要求95至98中任一项所述的方法,其中,所述血液样品包含血清样品。
101.根据权利要求95至100中任一项所述的方法,其中,所述受试者是处于妊娠8至14周的怀孕受试者。
102.根据权利要求95至100中任一项所述的方法,其中,所述受试者是处于妊娠10至12周的怀孕受试者。
103.根据权利要求95至102中任一项所述的方法,其中,所述受试者是初产的怀孕受试者。
104.根据权利要求95至102中任一项所述的方法,其中,所述受试者是经产的怀孕受试者。
105.一种试剂盒,为了测量怀孕受试者的自发性早产,所述试剂盒包含同位素标记的参考肽,其为SEQ ID NO:8、SEQ ID NO:9、SEQ ID NO:10和SEQ ID NO:11,以及使用的说明书。
106.一种试剂盒,为了测量怀孕受试者的自发性早产,所述试剂盒包含同位素标记的的参考肽,其为SEQ ID NO:12、SEQ ID NO:13、SEQ ID NO:8、SEQ ID NO:14和SEQ ID NO:9,以及使用的说明书。
107.一种组合物,其包含多个蛋白质肽和多个同位素标记的参考肽,其中所述蛋白质肽包含SEQ ID NO:1、SEQ ID NO:2、SEQ ID NO:3和SEQ ID NO:4或由它们组成,而所述同位素标记的参考肽包含SEQ ID NO:8、SEQ ID NO:9、SEQ ID NO:10和SEQ ID NO:11或由它们组成。
108.一种组合物,其包含多个蛋白质肽和多个同位素标记的参考肽,其中所述蛋白质肽包含SEQ ID NO:5、SEQ ID NO:6、SEQ ID NO:1、和SEQ ID NO:7、和SEQ ID NO:2或由它们组成,而同位素标记的参考肽包含SEQ ID NO:12、SEQ ID NO:13、SEQ ID NO:8、SEQ ID NO:14和SEQ ID NO:9或由它们组成。
109.一种计算机系统,其包括:
a.处理器;和
b.存储器,其连接到所述处理器,所述存储器存储模块,所述模块包含:
(i)来自受试者的样品的测试数据,其包括指示出所述级分中一组蛋白质生物标记物的定量测度的值,其中所述组(i)包含IC1、ITIH4、LCAT和TRFE;(ii)包含F13A、FBLN1、ICI、LCAT和ITIH2;(iii)由IC1、ITIH4、LCAT和TRFE组成;或(iv)由F13A、FBLN1、ICI、LCAT和ITIH2组成;
(ii)分类规则,其基于包括所述测量的值将所述受试者分类为处于早产的风险,其中使所述分类规则配置为具有至少75%、至少85%或至少95%的灵敏性;和
(iii)计算机可执行指令,其用于对所述测试数据实施所述分类规则。
CN201980023243.8A 2018-01-31 2019-01-31 循环微粒的分层自发性早产风险的用途 Pending CN111989090A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201862624713P 2018-01-31 2018-01-31
US62/624,713 2018-01-31
US201962796557P 2019-01-24 2019-01-24
US62/796,557 2019-01-24
PCT/US2019/016192 WO2019152745A1 (en) 2018-01-31 2019-01-31 Use of circulating microparticles to stratify risk of spontaneous preterm birth

Publications (1)

Publication Number Publication Date
CN111989090A true CN111989090A (zh) 2020-11-24

Family

ID=67479487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980023243.8A Pending CN111989090A (zh) 2018-01-31 2019-01-31 循环微粒的分层自发性早产风险的用途

Country Status (7)

Country Link
US (1) US20210057039A1 (zh)
EP (1) EP3746048A4 (zh)
JP (1) JP2021512318A (zh)
KR (1) KR20200140797A (zh)
CN (1) CN111989090A (zh)
SG (1) SG11202007316TA (zh)
WO (1) WO2019152745A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10928402B2 (en) 2012-12-28 2021-02-23 Nx Prenatal Inc. Treatment of spontaneous preterm birth
US10247711B2 (en) * 2013-02-13 2019-04-02 Promega Corporation Quality control reagents and methods
JP2019505815A (ja) 2015-12-04 2019-02-28 エヌエックス・プリネイタル・インコーポレイテッドNX Prenatal Inc. 自然早産リスクを層別化するための循環マイクロ粒子の使用
US11854706B2 (en) * 2019-10-20 2023-12-26 Cognitivecare Inc. Maternal and infant health insights and cognitive intelligence (MIHIC) system and score to predict the risk of maternal, fetal and infant morbidity and mortality
WO2022040187A1 (en) * 2020-08-17 2022-02-24 The Board Of Trustees Of The Leland Stanford Junior University Compositions and methods of predicting time to onset of labor
CN113791224B (zh) * 2021-09-18 2023-12-01 浙江大学 基于卵泡液蛋白表达作为不明原因复发性流产的预警方法
CN114047277B (zh) * 2022-01-10 2022-04-05 天津云检医学检验所有限公司 用于预测早产的尿液代谢物特征及早产预测试剂盒
KR20230145829A (ko) * 2022-04-11 2023-10-18 의료법인 성광의료재단 기계학습을 이용한 고위험 임신 질환 예측을 위한 질량 스펙트럼 분석 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140186332A1 (en) * 2012-12-28 2014-07-03 NX Pharmagen Biomarkers of preterm birth
CN106574919A (zh) * 2013-03-15 2017-04-19 赛拉预测公司 用于预测早产的生物标志物和方法
WO2017096405A1 (en) * 2015-12-04 2017-06-08 Nx Prenatal Inc. Use of circulating microparticles to stratify risk of spontaneous preterm birth

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10928402B2 (en) * 2012-12-28 2021-02-23 Nx Prenatal Inc. Treatment of spontaneous preterm birth
IL256399B (en) * 2015-06-19 2022-09-01 Sera Prognostics Inc Pairs of biomarkers for predicting premature birth

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140186332A1 (en) * 2012-12-28 2014-07-03 NX Pharmagen Biomarkers of preterm birth
CN106574919A (zh) * 2013-03-15 2017-04-19 赛拉预测公司 用于预测早产的生物标志物和方法
WO2017096405A1 (en) * 2015-12-04 2017-06-08 Nx Prenatal Inc. Use of circulating microparticles to stratify risk of spontaneous preterm birth

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
DAVID E CANTONWINE ET AL.: "Evaluation of preteomic biomarkers associated with circulating microparticles as an effective means to stratify the risk of spontaneous pretern birth", 《AM.J.OBSTET.GYNECOL.》 *

Also Published As

Publication number Publication date
KR20200140797A (ko) 2020-12-16
JP2021512318A (ja) 2021-05-13
EP3746048A1 (en) 2020-12-09
WO2019152745A1 (en) 2019-08-08
SG11202007316TA (en) 2020-08-28
EP3746048A4 (en) 2021-12-15
US20210057039A1 (en) 2021-02-25

Similar Documents

Publication Publication Date Title
JP7385951B2 (ja) 早産を予測するためのバイオマーカーの対
US20210270840A1 (en) Use of circulating microparticles to stratify risk of spontaneous preterm birth
CN111989090A (zh) 循环微粒的分层自发性早产风险的用途
US20210190792A1 (en) Biomarkers for predicting preterm birth due to preterm premature rupture of membranes (pprom) versus idiopathic spontaneous labor (ptl)
US20230408530A1 (en) Pregnancy clock proteins for predicting due date and time to birth
US20190369109A1 (en) Biomarkers for predicting preterm birth in a pregnant female exposed to progestogens
WO2019152741A1 (en) Methods of early prediction and prevention of preeclampsia utilizing circulating microparticle-associated biomarkers
WO2022246288A2 (en) Biomarker pairs and triplets for predicting preterm birth
WO2023150726A2 (en) Three-tiered risk stratification for spontaneous preterm birth
WO2023087004A2 (en) Methods of preparing and analyzing samples for biomarkers associated with placenta accreta

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: 20201124