CN113195739A - 用于对骨髓干细胞疗法的响应的预测的方法 - Google Patents

用于对骨髓干细胞疗法的响应的预测的方法 Download PDF

Info

Publication number
CN113195739A
CN113195739A CN201980082503.9A CN201980082503A CN113195739A CN 113195739 A CN113195739 A CN 113195739A CN 201980082503 A CN201980082503 A CN 201980082503A CN 113195739 A CN113195739 A CN 113195739A
Authority
CN
China
Prior art keywords
gene
sh2b
biomarkers
response
gene expression
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
CN201980082503.9A
Other languages
English (en)
Inventor
G·施泰因霍夫
M·沃尔费恩
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.)
Universitaet Rostock
Original Assignee
Universitaet Rostock
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 Universitaet Rostock filed Critical Universitaet Rostock
Publication of CN113195739A publication Critical patent/CN113195739A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • CCHEMISTRY; METALLURGY
    • C12BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12QMEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • 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
    • G01N33/5044Chemical 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 specific cell types
    • G01N33/5073Stem cells
    • 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
    • G16B25/00ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G16B25/10Gene or protein expression profiling; Expression-ratio estimation or normalisation
    • 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
    • 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
    • G16H20/40ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • CCHEMISTRY; METALLURGY
    • C12BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12QMEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00Oligonucleotides characterized by their use
    • C12Q2600/106Pharmacogenomics, i.e. genetic variability in individual responses to drugs and drug metabolism
    • CCHEMISTRY; METALLURGY
    • C12BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12QMEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00Oligonucleotides characterized by their use
    • C12Q2600/156Polymorphic or mutational markers
    • CCHEMISTRY; METALLURGY
    • C12BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12QMEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00Oligonucleotides characterized by their use
    • C12Q2600/158Expression markers

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Organic Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Genetics & Genomics (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biotechnology (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Molecular Biology (AREA)
  • Immunology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Microbiology (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Software Systems (AREA)
  • Urology & Nephrology (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Epidemiology (AREA)
  • General Physics & Mathematics (AREA)
  • Cell Biology (AREA)
  • Hematology (AREA)
  • Bioethics (AREA)
  • Computing Systems (AREA)

Abstract

本发明涉及一种用于对疾病治疗、尤其组织再生、优选心血管再生的响应的预测的方法,其包括生物标志物的使用。此外,本发明涉及一种在用于对疾病治疗、尤其组织再生、优选心血管再生的响应的预测的方法中使用的生物标志物的组合、一种用于执行根据本发明的方法的计算机设备以及一种适合用于执行本发明的方法的设备。

Description

用于对骨髓干细胞疗法的响应的预测的方法
技术领域
本发明涉及一种用于对疾病治疗、尤其组织再生、优选心血管再生的响应的预测的方法,其包括生物标志物的使用。此外,本发明涉及一种在用于对疾病治疗、尤其组织再生、优选心血管再生的响应的预测的方法中使用的生物标志物的组合、一种用于执行根据本发明的方法的计算机设备以及一种适合用于执行本发明的方法的设备。
背景技术
在过去的17年中,用于修复器官组织、尤其心脏组织的再生疗法一直处于临床前期和临床开发的前沿。自2001年首次在人体内施用和最初有前景的临床试验以来,在不同的方法中,在心脏组织中直接施用骨髓干细胞(BMSC)仍然是临床研究中最关注的重点(Stamm C,Westphal B,Kleine HD等,Lancet.2003;361(9351):45-46;Tse HF,Kwong YL,Chan JK,Lo G,Ho CL,Lau CP.Lancet 2003;361(9351):47-9;Stamm C,Kleine HD,ChoiYH等,J Thorac Cardiovasc Surg 2007;133(3):717-25)。然而,在这些试验中,在治疗组和安慰剂组中均可观察到LVEF(左心室射血分数)的临床相关改善以及无反应患者(Timothy D H,Lem M,Jay H T,Circulation Research 2016;119:404-406;Nasseri B A,Ebell W,Dandel M等,Eur Heart J.2014,35(19):1263-74;Bartunek J,Terzic A,Davison B A等,Eur.Heart J.2016Dec 23.pii:ehw543.doi:10.1093/eurheartj/ehw543)。
造血干细胞(HCS)是产生其它血细胞的干细胞。在脊椎动物中,绝大多数造血作用发生在骨髓(BM)中,并且源自有限的造血干细胞,该造血干细胞是多能的并且能够广泛地自我更新。通常认为造血系统在具有表型特征的成体干细胞/祖细胞中是独特的(SlackJM.Science 2000;287:1431-1433;Blau HM,Brazelton TR,Weimann JM.Cell 2001;105:829-841;Korbling M,Estrov Z.New England Journal of Medicine 2003;349:570-582),因为它是一个有组织的、分层的系统,其具有位于顶部的多能的、自我更新的干细胞,位于中间的谱系定向的祖细胞,和在底部的产生最终分化的细胞的谱系限制性前体细胞(Weissmann IL.Cell 2000;100:157-168)。然而,已在血液和心血管疾病患者中描述了克隆性造血功能障碍,并与先天或体细胞DNA突变相关(Moehrle BM,Geiger H.Exp Hematol2016;Oct;44(10):895-901.doi:10.2016/j.exphem.2016.06.253.Epub 2016Jul 8;Jaiswal S,Natarajan P,Silver AJ et al.N Engl J Med 2017;Jul 13;377(2):111-121.doi:10.1056/NEJMoa1701719.Epub 2017年1月21日)。随之而来的问题是,先天性干细胞或体细胞调节基因的哪些突变会导致造血克隆优势并影响心血管病理(Machiela MJ,Chanock SJ.Curr Opin Genet Dev 2017;Feb;42:8-13.doi:10.1016/j.gde.2016.12.002.Epub 2017年1月6日)。
与造血干细胞(HSC)增殖障碍(例如脊髓发育不良、红细胞增多或体细胞突变白血病)相关的主要基因之一是SH2B3,它编码淋巴细胞衔接蛋白(Lnk,LNK)(Elias HK,BryderD,Park CY.Semin Hematol 2017;Jan;54(1):4-11.doi:10.1053/j.seminhematol.2016.11.002.Epub 2016年11月20日)。然而,对于心血管再生,在人类骨髓(BM)和克隆性造血干细胞以及祖细胞中Lnk/SH2B3表达调控尚不清楚(Steinhoff G,Nesteruk J,Wolfien M,Groβe J,Ruch U,Vasudevan P,Müller P.Adv Drug Deliv Rev2017年10月1日;120:2-24.doi:10.1016/j.addr.2017.10.007.Epub 2017年10月18日;ZhuX,Fang J,Jiang DS,Zhang P,Zhao GN,Zhu X,Yang L,Wei X.2-B3Hypertension 2015;Sep;66(3):571-81.doi:10.1161/HYPERTENSIONAHA.115.05183.Epub 2015Jun 22)。
Lnk/SH2B3与APS和SH-2B共享一个pleckstrin同源结构域、一个Src同源2结构域以及潜在的酪氨酸磷酸化位点。它属于一种衔接蛋白家族,涉及多个信号事件的整合和调控(Ahmed Z,Pillay TS.Biochem J 2003;371:405-412.,Huang X,Li Y,Tanaka K,MooreKG,Hayashi JI.Proc Natl Acad Sci USA 1995;92:11618-11622;Takaki S,Watts JD,Forbush KA,Nguyen NT,Hayashi J,Alberola.Ila J,Aebersold R,Perlmutter RM.BiolChem 1997;272:14562-14570)并且还暗示在干细胞因子(SCF)/-c-Kit信号通路中起负调控作用(Moehrle BM,Geiger H.Exp Hematol 2016;Oct;44(10):895-901.doi:10.1016/j.exphem.2016.06.253.Epub 2016年7月8日,Takaki S,Sauer K,Iritani BM,Chien S,Ebihara Y,Tsuji K,Takatsu K,Perlmutter RM.Immunity 2000;13:599-609)。在基于BMc-Kit+/Sca-1+/谱系(Lin)-(KSL)CD34-细胞的研究中,据报道Lnk/SH2B3在维持HSC自我更新能力中也起着关键作用,(Lin)-(KSL)CD34-细胞是比KSL CD34+细胞更不成熟的HSC亚群(Ema H,Sudo K,Seita J,Matsubara A,Morita Y,Osawa M,Takatsu K,Takaki S,Nakauchi H.Dev Cell 2005;8:907-914)。
Takaki等报道了Lnk/SH2B3在小鼠的造血细胞谱系中表达,并且Lnk/SH2B3缺陷型小鼠的BM细胞在造血群体中的竞争优势强于野生型(WT)小鼠(Takaki S,Morita H,TezukaY,Takatsu K.Lnk/SH2B3.J Exp Med 2002;195:151-160)。Takaki等还阐明,在Lnk/SH2B3-/-小鼠中,不仅HSC/造血祖细胞(HPC)数量增加,而且某些HSC/HPC的自我更新能力也显著增加(Ema H,Sudo K,Seita J,Matsubara A,Morita Y,Osawa M,Takatsu K,TakakiS,Nakauchi H.Dev Cell 2005;8:907-914)。此外,Takaki等确认了Lnk/SH2B3的功能结构域,并开发了一个显性负相Lnk/SH2B3突变体,该突变体抑制了HSC/HPC中Lnk/SH2B3的内源表达的功能,从而增强HPC的移植成活率(Takizawa H,Kubo-Akashi C,Nobuhisa I,KwonSM,Iseki M,Taga T,Takatsu K,Takaki S..Blood 2006;107:2968-2975)。
发明人已经确认一种用于对疾病治疗、尤其组织再生、优选心血管再生的响应的预测的方法,所述方法包括生物标志物的确定。因此,本发明涉及一种根据本申请的权利要求1的用于对心血管再生的响应的预测的方法,所述方法包括生物标志物的确定。此外,本发明涉及一种在用于对疾病治疗、尤其组织再生、优选心血管再生的响应的预测的方法中使用的生物标志物的组合、一种用于执行这样的方法的计算机设备以及一种适合用于执行本发明的方法的设备。
因此,本发明涉及一种用于对疾病治疗、尤其心血管再生的响应的预测的方法,其中该方法包括
(i)在受试者的样本中确定一基因和/或基因表达作为生物标志物,其中基因和/或基因表达包括突变变异体,
(ii)将确定的基因和/或基因表达突变变异体与基线值和/或基准比较,优选与没有体细胞突变的基因和/或基因表达的非疾病类型或个体的参考细胞的基线值和/或基准比较,
(iii)基于比较的结果在受试者中预测对疾病治疗、尤其组织修复、优选心脏修复的响应是被预期的、不被预期的还是含糊不定的。
本发明还涉及一种用于对疾病治疗、尤其心血管再生的响应的预测的方法,其中该方法包括
(i)在受试者的样本中确定SH2B3-基因和/或SH2B3-基因表达作为生物标志物,其中SH2B3-基因和/或SH2B3-基因表达包括突变变异体,
(ii)将确定的SH2B3-基因和/或SH2B3-基因表达突变变异体与基线值和/或基准比较,优选与没有体细胞突变的基因和/或基因表达的SH2B3非疾病类型或个体的参考细胞的基线值和/或基准比较,
(iii)基于比较的结果在受试者中预测对疾病治疗、尤其组织修复、优选心脏修复的响应是被预期的、不被预期的还是含糊不定的。
优选地,本发明的方法是一种离体/体外方法。此外,该方法可以包括除上文明确地提到的那些之外的步骤。例如,另外的步骤可以涉及样本预处理或通过该方法获得的结果的另外的评估或使用。该方法可以手动执行或通过自动化辅助。优选地,步骤(i)可以全部地或部分地通过自动化辅助,例如通过合适的机器人和传感设备。步骤(ii)和/或步骤(iii)可以通过数据处理单元辅助,该数据处理单元分别执行比较和/或预测。
SH2B3-基因编码SH2B衔接蛋白家族成员的蛋白,其通过生长因子和细胞因子受体参与一系列信号传导活动。编码的蛋白是细胞因子信号传导的关键负调节剂并且在造血过程中起关键作用。该基因中的突变与对13型乳糜泻的敏感性和对胰岛素依赖型糖尿病的敏感性有关。已经发现该基因的编码不同的异构体的替选的剪接的转录变异体。SH2B3在HGNC:29605,Entrez基因:10019,Ensembl:ENSG00000111252,OMIM:605093,UniProtKB:Q9UQQ2下也得到确认。
如在本文中使用的术语“预测”意指就在所述心脏疗法之后如本文其它地方所详细描述的心血管系统的功能改善而言,评估受试者将受益于疾病治疗、尤其组织修复、优选心脏修复、更优选心脏干细胞疗法的可能性。在本发明的上下文中,术语心脏修复与心脏再生是同义词。
如本领域技术人员应理解的是,这样的评估通常不旨在对于100%的待被诊断的受试者是正确的。然而,该术语要求评估对于受试者的具有统计学显著意义的部分(例如队列研究中的队列)是正确的。本领域技术人员可以使用各种公知的统计学评估工具立即确定一个部分是否具有统计学显著意义,例如通过确定置信区间、p值确定、学生t检验(Student’s t-test)、Mann-Whitney检验等。有关详细信息见1983年于纽约John Wiley&Sons出版社出版的作者为Dowdy和Wearden的Statistics for Research。优选的置信区间是至少90%、至少95%、至少97%、至少98%或至少99%。p值优选为0.1、0.05、0.01、0.005或0.0001。
如在本文中使用的术语“心血管再生”包括与心血管系统相关的疾病的再生和/或治疗和/或改善。
术语“生物标志物”涉及分子,其存在、不存在或量与医学的病症或倾向相关。生物标志物可以是在受试者中出现的任何分子和/或细胞或其亚群。典型地,生物标志物是蛋白质、肽、小分子或核酸例如DNA或RNA,或细胞和其亚群。根据本发明,该术语优选是指基因和/或-基因表达,其中所述基因和/或基因表达包含突变变异体。可以通过对DNA和/或RNA进行测序来分析该基因和/或基因表达。分析基因和/或-基因表达可能还包括其它基因和/或基因表达的共表达。例如在心肌细胞中可以进行基因和/或-基因表达的这种确定。根据一个具体的实施方案,生物标志物选自SH2B3-基因和/或SH2B3-基因表达,其中SH2B3-基因和/或SH2B3-基因表达包含突变变异体。
确定本说明书中提到的生物标志物的量涉及优选半定量地或定量地测量量或浓度。测量可以直接地或间接地进行。直接测量涉及基于从生物标志物本身获得的的信号测量生物标志物的量或浓度,并且该信号的强度与样本中存在的生物标志物的分子的数目直接相关。这样的信号(在本文中有时称作强度信号)可以例如通过测量生物标志物的特定的物理或化学性质的强度值来获得。间接测量包括测量从次级组分(即不是生物标志物本身的组分)或生物读出系统例如可测量的细胞应答、配体、标记或酶促反应产物获得的信号。
根据本发明,确定生物标志物的量能够通过用于确定样本中的肽、蛋白质、小分子、核酸例如DNA或RNA或细胞或其亚群的量的全部已知的方法实现。所述方法包括免疫测定法和可以利用以各种夹心三明治、竞争或其它测定形式中的标记分子的方法。这样的测定法优选基于检测剂例如抗体,其特异性识别待确定的生物标志物。检测剂应该能够直接地或间接地产生指示生物标志物存在或不存在的信号。此外,优选地,信号强度可以直接地或间接地与样本中存在的生物标志物的量相关(例如成反比例)。其它合适的方法包括测量对于生物标志物特异性的物理或化学性质,例如其精确的分子质量或核磁共振谱(NMRspectrum)。所述方法优选包括生物传感器、与免疫确定法耦合的光学装置、FACS分析、生物芯片、分析装置例如质谱仪、NMR分析仪或色谱装置。此外,方法包括基于酶联免疫吸附测定法的微板方法(micro-plate ELISA-based methods)、全自动或机器人免疫测定法、酶促钴结合测定法(enzymatic Cobalt binding assays)和乳胶凝集测定法。
优选地,确定生物标志物的量包括以下步骤:(a)将细胞与生物标志物接触适当的一段时间,所述细胞能诱发细胞应答,其强度指示生物标志物的量,(b)测量细胞应答。为了测量细胞应答,优选地将样本或经处理的样本添加至细胞培养物,并且测量内部或外部的细胞应答。细胞应答可以包括报告基因的可测量的表达或物质的分泌,例如肽、多肽或小分子。该表达或物质应产生与生物标志物的量相关的强度信号。
还优选地,确定生物标志物的量包括测量从样本中的生物标志物可获得的特定强度信号的步骤。如上文描述的,这样的信号可以是在针对生物标志物的质谱或核磁共振谱中观察的以针对生物标志物的m/z变量所观察的信号强度。
如在本文中使用的术语“量”涵盖生物标志物的绝对量、生物标志物的相对量或浓度以及与其相关的或可由其衍生的任何值或参数。这些值或参数包括通过直接测量来自从肽获得的所有特定物理或化学性质的强度信号值,例如质谱或核磁共振谱中的强度值。此外,涵盖在本说明书中别处详细说明的通过间接测量获得的所有值或参数,例如在肽的反应中从生物读出系统确定的反应水平或从特异性地结合的配体获得的强度信号。应理解的是,与上文提到的量或参数相关的值也能够通过所有标准数学运算获得,并且可以在没有量纲的情况下使用,例如,在本文其它地方描述的评分系统中。
如在本文中使用的术语“比较”涵盖将待分析的样本所包含的生物标志物的量与本说明书中别处详细说明的合适的基准源的量比较。应理解的是,如在本文中使用的比较是指相应的参数或值的比较,例如,绝对量与绝对的基准量比较,而浓度与基准浓度比较,或从测试样本获得的强度信号与基准样本的相同类型的强度信号比较。然而,根据本发明还设想,基于生物标志物的测量到的量计算值。将该值与基准区间进行比较,所述基准区间从对包括心脏干细胞治疗的预定应答者和非应答者的一组受试者的数量进行的多元判别分析得出。可以在下面的随附示例中找到更多详细信息。
本发明的方法中提到的比较可以手动或计算机辅助进行。对于计算机辅助的比较,可以将测定量的值与由计算机程序存储在数据库中的对应于合适基准的值进行比较。计算机程序可以进一步评估比较的结果,即以合适的输出格式自动地提供所需的评估。优选地,这种评估通过机器学习(ML)来执行。基于测定的量和基准的比较,可以预测对心脏再生的响应,例如,心脏干细胞治疗后心脏的功能改善。特别地,应该可以预测是否存在高概率(即受试者将是应答者)、低概率(即受试者将是非应答者)或受试者是含糊不定的。因此,选择参考量,使得比较量中的差异或相似性允许识别属于表现出具有缺血性或非缺血性脑损伤的急性炎症的症状的受试者的组的那些测试受试者。方法允许排除(排斥)或识别(划入)患有(i)缺血性脑损伤或(ii)非缺血性脑损伤的受试者作为受试者。
如在本文中使用的术语“基准”是指基于生物标志物的量的值、阈值或区间,其允许将受试者分配为可预期受益于疾病治疗、尤其组织修复、优选心脏疗法的受试者组,可预期不受益于疾病治疗、尤其组织修复、优选心脏疗法的受试者组,或那些含糊不定的受试者组。
优选地,该基准是没有体细胞突变的基因和/或基因表达的非疾病类型或个体的参考细胞。甚至更优选,该基准是没有体细胞突变的SH2B3基因和/或基因表达的非疾病类型或个体的参考细胞。
这样的基准可以是将这些组彼此区分的阈值量。通过在本文中其它地方提到的统计检验基于来自已知受益于疾病治疗、尤其组织修复、优选心脏修复的受试者或受试者组或已知不受益于该疗法的受试者或受试者组或已知为含糊不定的受试者或受试者组的生物标志物的量可以立即计算出区分两个组的合适的阈值量。
原则上,也可以通过应用标准的统计方法,根据给定生物标志物的平均值(average value)或均值(mean value),为上述受试者队列计算基准。特别地,通过其受试者工作特征曲线(ROC)最好地评估测试(例如旨在诊断或不诊断事件的方法)的准确性和灵敏度(尤其见Zweig 1993,Clin.Chem.39:561-577)。因此,用于本发明的上述方法的基准可以通过以下方式产生:建立用于如上文描述的队列的ROC并从中推导出阈值量。根据对于诊断方法期望的灵敏度和特异性,ROC图允许推导出合适的阈值。
术语“样本”是指体液样本,并且优选(全)血液、血浆或血清的样本。然而,该术语还涵盖通过例如预处理步骤衍生自上述全血、血浆或血清的所有样本,如通过例如部分纯化获得的血液、血浆或血清的部分。
如在本文中使用的术语“受试者”是指动物,优选哺乳动物并且最优选人类。受试者应需要疾病治疗,优选心脏疗法。优选地,需要心脏疗法的受试者患有心脏病例如心力衰竭或冠状动脉疾病,例如在心肌梗塞之后,并且更优选患有心力衰竭。
根据本发明的方法做出的预测还允许评估是否概率是高的,并且因此预期出现受试者中心脏系统的功能改善,或是否概率是使得疗法成功是含糊不定的或是否概率是低的,并且因此预期将不出现受试者中心脏系统的功能改善。
本发明还涉及选自SH2B3-基因和/或SH2B3-基因表达突变变异体和/或源自SH2B3-基因和/或SH2B3-基因表达突变变异体的淋巴细胞衔接蛋白质表达的一种或更多种生物标志物,其在用于对疾病治疗、尤其组织修复的响应的预测,优选对心血管再生的响应的预测的方法中使用。
此外,本发明涉及一种计算机设备,该计算机设备包括处理器和耦合至处理器的编码一个或多个机器学习(ML)模型的存储器,其中该程序使处理器执行以下方法,该方法包括
(i)将被确定的生物标志物与基线值和/或基准,优选没有突变变异体的SH2B3-基因和/或SH2B3-基因表达的基线值和/或基准比较,
(ii)基于比较的结果在受试者中预测对疾病治疗、尤其组织再生、优选心血管再生的响应是被预期的、不被预期的还是含糊不定的。
此外,本发明涉及一种适合用于执行本发明的方法的设备,该设备包括(i)分析单元,该分析单元用于在受试者的样本中确定根据本发明的各生物标志物的量,以及
(ii)(如上述的)根据本发明的计算机设备。
如在本文中使用的术语“设备”涉及一种系统,该系统包括彼此可操作地连接以允许根据本发明的方法进行诊断的前述单元。在本文其它地方公开了可用于分析单元的优选的检测剂。优选的检测剂是抗体或其它的特异性地结合至生物标志物并且形成可检测的复合物的蛋白质。优选地,分析单元包括固定在固体载体上呈固定形式的所述检测剂,所述固体支持物与样本接触,该样本包含待确定其量的生物标志物。此外,分析单元还可以包括检测器,该检测器确定特异性地结合至生物标志物的检测剂的量。经确定的量可以被传输至评估单元。评估单元包括数据处理元件例如计算机,其具有应用算法以执行经确定的量和合适的基准之间的比较。合适的基准可以来源于用于产生基准量的受试者的样本,如上文其它地方描述的。结果可以作为参数诊断原始数据的输出给出,优选作为绝对量或相对量。应理解的是,这些数据将需要临床医生的解释。然而,还设想专家系统设备,其中输出包括无需专业的临床医生解释的已处理的诊断原始数据。
本发明的其它优选实施方式从从属权利要求连同以下描述中得出,其中,特定类别的专利权利要求可以由不同类别的从属权利要求形成,并且不同的实施例的技术特征可以组合为新的实施例。应理解的是,上文和下文所做出的术语的定义和解释据此适合用于本说明书和所附的权利要求中描述的所有的实施方式。在下文中,进一步详细说明了本发明的方法的具体实施方式。
根据一个优选的实施方案,SH2B3-基因和/或SH2B3-基因表达是敲除基因和/或敲除基因表达变异体。优选地,此类敲除基因和/或敲除基因表达变异体是显性阴性SH2B3-/LNK-变异体或LNK/SH2B3缺陷以抑制内源表达的LNK/SH2B3的功能。
具体地,该优选的变异体是SH2B3-基因和/或SH2B3-基因表达变异体,其包含如图1所示的SH2B3-基因和/或SH2B3-基因表达变异体1(转录本:NM_005475.2)和/或SH2B3-基因和/或SH2B3-基因表达变异体2(转录本:NM_001291424.1)中的至少一个突变。该SH2B3-基因和/或SH2B3-基因表达变异体可能是由RNA和/或DNA水平上的SNP缺失和/或核苷酸交换引起的,并且可能例如造成LNK蛋白在70%至90%的范围中,优选在80%的范围中,尤其大约83%的范围中显示氨基酸交换。
优选地,SH2B3-基因和/或SH2B3-基因表达变异体1包含选自SEQ ID NO:1的序列;SH2B3-基因和/或SH2B3-基因表达变异体2包含选自SEQ ID NO:2的序列。与SEQ ID NO:1相比,SEQ ID NO:2在5’区域(包括5’编码区的一部分)中缺少两个替代外显子(alternateexons),并在替代外显子的替代起始密码子处起始翻译。编码的异构体2具有不同的N末端并且比异构体1更短。
通过将上述SH2B3-基因和/或SH2B3-基因表达突变变异体与其它生物标志物,尤其选自外周血和/或CFU-Hill中的CD133基因表达和/或CD133+/ml MNC细胞的生物标志物一起使用,根据本发明的方法能够有利地将预测准确性的灵敏度和特异性提高到超过约60%。
另一优选的方法使用LNK蛋白表达和SH2B3-基因和/或SH2B3-基因表达变异体的功能的分析,从而分析由于氨基酸交换或缺失而引起的LNK功能的抑制和/或改变。
根据一个特别优选的实施方式,该方法还使用一个或更多个生物标志物,其中其它生物标志物选自血管生成因子和/或存活因子和/或趋化因子和/或循环内皮祖细胞(EPC)和/或循环内皮细胞(CEC)和/或循环血小板和/或循环单核细胞和亚群,MNC亚群和/或全基因组序列RNA上的受体/配体表达。
根据一个特别优选的实施方式,有利的方法还使用一个或更多个生物标志物,其中所述其它生物标志物选自PLCG1、EPO、LPCAT2、GRB2、AP1B1、AFAP1、KLF8、MARK3、REX1BD、SACM1L、PDGFRB、VEGF、BEX3、Delta_CT_SH2B3、ZNF205、LTB、EMG1、CD34+细胞/ml PB、BAZ1A和/或CD133+细胞/ml PB。
优选地,PLCG1、LPCAT2、GRB2、AP1B1、AFAP1、KLF8、MARK3、REX1BD、SACM1L、PDGFRB、BEX3、ZNF205、EMG1、BAZ1A和/或LTB在RNA水平上被测定和/或EPO和/或VEGF在蛋白质水平上被测定。
甚至更优选地,从术前样品中测定EPO、VEGF、Delta_CT_SH2B3、CD34+细胞/ml PB和/或CD133+细胞/ml PB。
根据一个甚至更优选的实施方式,所述其它生物标志物选自PLCG1、EPO、LPCAT2、GRB2、AP1B1、AFAP1、KLF8、MARK3、REX1BD、SACM1L、PDGFRB和/或VEGF。
可以分别根据受试者或患者的疾病类型和/或疾病状态,在个体基础上选择上述其它生物标志物的组合。例如,选择可以包括生物标志物的组合,所述生物标志物包括PLCG1、EPO、LPCAT2、GRB2、AP1B1、KLF8、MARK3和/或VEGF(如图3所示)。
除上述其它生物标志物外,根据下一实施方式,例如,血管生成因子选自VEGF(优选选自VEGF-B)和/或FGF(优选选自FGF-4)和/或HGF和/或Ang-1,存活因子优选选自IGF-1,以及趋化因子选自IGF-2和/或SDF-1。
在本发明的基础研究中已经有利地发现,分析在心脏治疗之前从需要所述心脏治疗的受试者、例如患有心力衰竭的受试者中采集的样本中生物标志物的组合的量,允许预测该受试者是否将从治疗中受益,因为在治疗后心脏再生或心血管修复得到改善。用于测量各个生物标志物的量的技术在本领域中都是众所周知的。
有益地,通过实施根据本发明的方法,预测准确性的灵敏度和特异性可以高于约90%,优选地高于约92%,更优选地高于约93%,最优选地高于约94%。因此,本发明的方法在施用昂贵的和累赘的治疗措施例如心脏疗法之前改进临床医生的决策。做出正确的决定,即只有在有效的情况下才进行治疗,鉴于成本后果,当然对于个体患者以及公共卫生系统本身而言也将是有益的。
通过使用ML优选进一步辅助方法,因为不必进行单独比较。此外,机器学习方法有益地起平衡和加权参数的作用,从而进一步提高整体预测的可靠性。因此,本发明的有利的方法优选通过机器学习辅助,以促进和提高预测准确性。根据本发明,术语“机器学习”涉及能够从数据学习并且对其进行预测的算法的研究和构建,算法在此通过自始至终从样本输入构建模型做出数据驱动的预测或决定来克服严格地静态的程序指令。
在方法的另一个实施方式中,该方法使用一个或更多个生物标志物,其中该一个或更多个生物标志物选自锌指蛋白ZDHHC2和/或MYL4/ALC1和/或INPP4B和/或RBM38和/或CD133+细胞/ml PB(外周血)和/或CD34+细胞/ml PB和/或CD45+184+细胞/ml PB和/或CD45+细胞/ml PB和/或CD184+细胞/ml PB和/或PB中的MNC和/或PB的CFU-Hill和/或PB中的RIOK3-基因表达和/或PB中的ABCC13-基因表达和/或PB中的COPS3-基因表达和/或PB中的GUK1-基因表达和/或PB中的AP3B1-基因表达和/或PB中的TBC1D22B基因表达和/或PB中的RBM38基因表达和/或PB中的ZBTB33基因表达和/或PB中的AGO2-基因表达。
在另一优选的实施方式中,方法用于对干细胞疗法的响应和/或血管生成响应的诱导和/或包括心肌梗塞、中风和外周缺血性血管疾病、心脏病在内的心血管疾病的组织修复和/或缺血预处理的术前预测。这样的疗法可以包括用于使用心血管植入体或支架、心室辅助装置(VAD)、起搏器和/或封堵器或合适的封闭设备的治疗。此外,这样的疗法可以包括糖尿病、肿瘤疾病、腹泻、风湿性疾病、传染性疾病、败血症和/或高血压的治疗。特别地,方法用于左心室心脏功能的改善的术前预测,例如跟随在急性ST段抬高型心肌梗死(STEMI)和按顺序接受急性经皮冠状动脉介入治疗(PCI)和二次冠状动脉旁路移植术(CABG)血运重建治疗和/或缺血-再灌注干预的冠状动脉三支病变之后的左心室射血分数(LVEF)恶化。
在又一优选的实施方式中,用于对心脏再生特别是对心血管疾病中的干细胞疗法和/或血管生成响应的诱导和/或组织修复的响应的预测的方法使用从患有心脏病和/或动脉硬化的受试者采集的样本。这样的样本可以尤其从患有心绞痛、急性心肌损伤、细胞坏死、心肌肥大、心力衰竭(优选缺血性心力衰竭)、非缺血性心力衰竭、心肌炎、心房颤动、心室颤动和/或动脉硬化的受试者采集。
根据一个优选的实施方式,方法包括分析至少两个、三个、四个、五个、六个或更多个时间点的比较结果。有利地,这样的时间点包括在手术前以及在手术后第1天、3天、10天、90天、180天和730天采集的样本。通过分析至少两个、三个、四个、五个、六个或更多个时间点的样本,预测准确性的特异性能够有利地增加并且甚至更多。
有利的方法的另一实施方式包括临床诊断参数的使用。具体地,这些参数选自集落形成单位(CFU)希尔实验(Hill assay)、基质胶栓实验(Matrigel Plug assay)、重量和/或左心室收缩末期容积(LVESV)。
根据下一优选的实施方式,方法用于剖析(profiling)血管生成反应。
又一优选的实施方式包括有利的方法,该方法还包括分析RNA和/或DNA和/或mRNA序列和/或功能性RNA,例如microRNA和/或非编码RNA和/或包含诊断特征的SNP。在本发明的内容中,RNA和/或DNA和/或SNP的这样的特征分析可以通过机器学习和/或路径分析进行和/或支持。在本发明的内容中,路径分析用于识别路径内相关RNA和/或DNA和/或SNP或从所关心的RNA、DNA和/或SNP重新构建路径。
此外,根据另一优选的实施方式,有利的方法可以包括采用RNA和/或DNA序列分析和/或网络路径分析来分析药代动力学和药物遗传学数据。这样的药代动力学数据尤其可以从被给予来自选自以下的组的药物治疗的受试者获得:他汀、乙酰水杨酸(ASS)、β受体阻滞剂、血管紧张素转化酶(ACE)抑制剂、血管紧张素II(ATII)受体拮抗剂、醛固酮拮抗剂、利尿剂、Ca拮抗剂、抗心律失常剂、洋地黄、苯丙香豆素和/或硝酸盐。
下一优选的实施方式可以另外地使用受试者的表型的分析,例如体重的分析。
根据另一更优选的实施方式,用于心血管修复的预测的方法包括用于使用CD133阳性干细胞移植的干细胞疗法。这样的干细胞疗法可选地可以与用于诱导心脏再生的CABG血运重建和/或PCI组合。然而,特别优选的实施方式包括心脏干细胞疗法,还包括冠状动脉旁路移植手术。
有利地,在心脏干细胞疗法之后心脏再生和/或心脏的功能改善伴随有至少5%的LVEF的增加。
本发明的上述方法不限于仅施用于人类受试者,而是还可以包括动物。然而,方法优选施用于人类受试者。根据本发明,这样的受试者的样本可以来源于血液,特别是外周血和/或血清和/或血浆样本和/或组织活检样本和/或循环(干)细胞例如内皮祖细胞(EPC)的样本。
如上所述,本发明还涉及选自SH2B3-基因和/或SH2B3-基因表达突变变异体和/或源自SH2B3-基因和/或SH2B3-基因表达突变变异体的淋巴细胞衔接蛋白质表达的一种或更多种生物标志物,其在用于对疾病治疗、尤其组织再生的响应的预测,优选对心血管再生的响应的预测的方法中使用。
根据一个优选的实施方式,生物标志物与一个或更多个其它生物标志物组合使用,其中其它生物标志物选自血管生成因子、存活因子、趋化因子、循环内皮祖细胞(EPC)、CEC、循环血小板、循环单核细胞和亚群、MNC亚群和/或全基因组序列RNA上的受体/配体表达。
根据一个特别优选的实施方式,有利的组合还使用一个或更多个生物标志物,其中所述其它生物标志物选自PLCG1、EPO、LPCAT2、GRB2、AP1B1、AFAP1、KLF8、MARK3、REX1BD、SACM1L、PDGFRB、VEGF、BEX3、Delta_CT_SH2B3、ZNF205、LTB、EMG1、CD34+细胞/ml PB、BAZ1A和/或CD133+细胞/ml PB。
优选地,PLCG1、LPCAT2、GRB2、AP1B1、AFAP1、KLF8、MARK3、REX1BD、SACM1L、PDGFRB、BEX3、ZNF205、EMG1、BAZ1A和/或LTB在RNA水平上被测定和/或EPO和/或VEGF在蛋白质水平上被测定。
甚至更优选地,从术前样品中测定EPO、VEGF、Delta_CT_SH2B3、CD34+细胞/ml PB和/或CD133+细胞/ml PB。
根据一个甚至更优选的实施方式,所述其它生物标志物的有利的组合选自PLCG1、EPO、LPCAT2、GRB2、AP1B1、AFAP1、KLF8、MARK3、REX1BD、SACM1L、PDGFRB和/或VEGF。
可以分别根据受试者或患者的疾病类型和/或疾病状态,在个体基础上选择上述其它生物标志物的组合。例如,选择可以包括生物标志物的组合,所述生物标志物包括PLCG1、EPO、LPCAT2、GRB2、AP1B1、KLF8、MARK3和/或VEGF(如图3所示)。
除上述其它生物标志物外,根据下一实施方式,例如,血管生成因子选自VEG和/或FGF,更优选选自VEGF-B和/或FGF-4,和/或HGF和/或Ang-1,存活因子优选选自IGF-1,以及趋化因子选自IGF-2和/或SDF-1。
可选地或附加地,该其它生物标志物包括一个或更多个生物标志物,其选自锌指蛋白ZDHHC2和/或MYL4/ALC1和/或INPP4B和/或RBM38和/或CD133+细胞/ml PB和/或CD34+细胞/ml PB和/或CD45+184+细胞/ml PB和/或CD45+细胞/ml PB和/或CD184+细胞/ml PB和/或PB中的MNC和/或PB的CFU-Hill和/或PB中的RIOK3-基因表达和/或PB中的ABCC13-基因表达和/或PB中的COPS3-基因表达和/或PB中的GUK1-基因表达和/或PB中的AP3B1-基因表达和/或PB中的TBC1D22B基因表达和/或PB中的RBM38基因表达和/或PB中的ZBTB33基因表达和/或PB中的AGO2-基因表达。有利地,该方法是离体/体外方法。
优选地,生物标志物的组合在用于对疾病治疗、尤其组织修复,优选心血管再生的响应的预测的方法中使用,方法包括
(i)在受试者的样本中确定各生物标志物的量,
(ii)将经确定的量与基线值和/或基准比较,
(iii)基于比较的结果在受试者中预测对心血管修复的响应是被预期的、不被预期的还是含糊不定的。
根据本发明的一个优选的实施方式,上文的生物标志物的组合在用于对心血管再生的响应的预测的方法中使用,其中方法还包括对临床诊断数据和/或RNA和/或mRNA和/或功能性RNA例如microRNA和/或非编码RNA和/或SNP的分析,和/或对药代动力学数据的分析,和/或对表型例如体重的分析。
又更优选地,有利的方法和/或上文的生物标志物的有利的组合用于对干细胞疗法的响应的术前预测并且其中干细胞疗法伴随有CABG。
如在本文中使用的术语“干细胞疗法”涉及包括将外源性心肌细胞移植到受试者的心脏的全部治疗方法。这种心肌细胞可以通过将非心肌细胞祖细胞重编程为心肌细胞来产生。待被重编程的细胞可以是胚胎干细胞、诱导多能干细胞、多能心脏祖细胞、成肌细胞或骨髓衍生干细胞。此外,也可以使用成熟的心肌细胞,特别是如果受激重新进入有丝分裂细胞循环的话。更优选地,根据本发明的心脏干细胞疗法包括CD133阳性细胞、最优选CD133阳性骨髓单核细胞的移植。细胞可以作为分离的单一的细胞或在预形成排列例如通过组织工程过程形成的组织块中被移植。优选地,细胞根据本发明通过心肌内注射被移植。此外,术语心脏干细胞疗法还可以涵盖另外的治疗措施,例如伴随移植过程的药物治疗或其它的治疗措施例如外科手术。优选地,根据本发明的心脏干细胞疗法还包括如下文所附的实施例中描述的冠状动脉旁路移植手术。
如在本文中使用的术语“心脏的功能改善”是指当比较在受试者的治疗之前和之后的LVEF时,观察到的心脏的LVEF的显著的增加。优选地,显著的增加是在治疗之后观察到的LVEF的5%或更多的增加。小于5%的增加被视为是非显著的。除功能改善外,还可考虑的其它参数,包括:灌注缺损尺寸减少超过10%,通过MIBI(甲氧基异丁基异腈)单光子发射计算机断层成像(MIBI SPECT)量化左心室收缩末期容积(LVESV)减少超过10%以及经胸超声心动图测得的收缩期峰值速度的增加超过10%。
如在本文中使用的心力衰竭是指心脏的任何功能障碍,包括左侧心力衰竭、右侧心力衰竭或双心室心力衰竭。典型地,如在本文中提到的术语心力衰竭是导致射血分数减少的左侧心力衰竭,例如LVEF显著地减少。心力衰竭的其它症状是临床医生熟知的。如在本文中提到的心力衰竭涵盖急性和慢性心力衰竭形式和任何严重阶段,例如根据纽约心脏病协会(NYHA)分级系统NYHA I至IV的所有阶段的左侧心力衰竭。
如在本文中使用的术语“PLCG1”是指由相应基因编码的蛋白质,并催化磷脂酰肌醇4,5-二磷酸酯形成肌醇1,4,5-三磷酸和二酰基甘油。该反应在受体介导的酪氨酸激酶激活剂的细胞内转导中起重要作用。关于该基因已经发现了编码不同异构体的两个转录本变异体。
如在本文中使用的术语“LPCAT2”是指编码溶血磷脂酰基转移酶家族的成员的基因。编码的蛋白可能在炎症细胞的膜生物发生和血小板活化因子的产生中起作用。该酶可定位于内质网和高尔基体。
如在本文中使用的术语“GRB2”是指生长因子受体结合蛋白2(亦称作Grb2),是参与信号转导/细胞通讯的衔接蛋白。在人类中,GRB2蛋白由GRB2基因编码。该基因编码的蛋白质结合受体(例如表皮生长因子受体),并包含一个SH2结构域和两个SH3结构域。
如在本文中使用的术语“AP1B1”是指AP-1复合亚基β-1,是一种在人类中由AP1B1基因编码的蛋白质。在高尔基复合体的包被囊泡的细胞质表面发现了衔接蛋白复合体1,其介导网格蛋白向膜的募集以及跨膜受体胞质尾部内的分类信号的识别。该复合物是由两个大的、一个中等的和一个小的衔接蛋白亚基组成的异四聚体。该基因编码的蛋白质作为该复合物的大亚基之一,并且是衔接蛋白家族的成员。
如在本文中使用的术语“AFAP1”是指肌动蛋白丝状相关蛋白1,是一种在人类中由AFAP1基因编码的蛋白。由该基因编码的蛋白质是Src结合伴侣。它可以代表响应细胞信号的肌动蛋白丝完整性的潜在调节剂,并且可以通过将Src家族成员和/或其它信号蛋白连接到肌动蛋白丝来作为衔接蛋白。已经鉴定出编码相同蛋白质的两个替代转录本。
如在本文中使用的术语“KLF8”是指Krueppel样因子8,是在人类中由KLF8基因编码的蛋白质。KLF8属于KLF蛋白家族。KLF8与KLF3一起被KLF1激活,而KLF3抑制KLF8。
如在本文中使用的术语“MARK3”是指MAP/微管亲和调节激酶3,是在人类中由MARK3基因编码的酶。MARK3已显示与分层蛋白(stratifin)相互作用。
如在本文中使用的术语“REX1BD”是指“需要切除1-B结构域”,并且是蛋白质编码基因。它与3-异丁基-1-甲基-7H-黄嘌呤、黄曲霉毒素B1和黄曲霉毒素B2相互作用。
如在本文中使用的术语“SACM1L”是指金黄色葡萄球菌Cowan 1磷脂酰肌醇磷酸酶,并且是在人类中由SACM1L基因编码的酶。
如在本文中使用的术语“PDGFRB”是指PDGFRB基因,编码典型的受体酪氨酸激酶,属于III型酪氨酸激酶受体(RTK)家族,其结构特征是五个胞外免疫球蛋白样结构域、单个跨膜螺旋结构域、一个细胞内近膜结构域、一个分裂酪氨酸激酶结构域和一个羧基尾。在PDGF结合后,由于调节性酪氨酸残基以反式方式的自动磷酸化,受体的二聚化释放了抑制性构象。酪氨酸残基857和751是PDGFRβ活化的主要磷酸化位点。
如在本文中使用的术语“BEX3”是指脑表达的X连锁3(Brain Expressed X-Linked3),并且是蛋白质编码基因。其相关途径包括p75 NTR受体介导的信号转导和GPCR信号转导。
如在本文中使用的术语“ZNF205”是指锌指蛋白205,并且是蛋白编码基因。与该基因有关的基因本体论(GO)注释包括核酸结合和DNA结合转录因子活性。
术语“LTB”是指淋巴毒素β,是一种蛋白质编码基因。其相关途径包括先天免疫系统和先天淋巴样细胞分化途径。与该基因相关的基因本体论(GO)注释包括信号受体结合和肿瘤坏死因子受体结合。
如在本文中使用的术语“EMG1”是指EMG1 N1-特异性假性尿苷甲基转移酶,并且是蛋白质编码基因。其相关途径包括细胞核中的rRNA加工,以及真核生物中的胞质溶胶和核糖体生物发生。与该基因相关的基因本体论(GO)注释包括甲基转移酶活性。
如在本文中使用的术语“BAZ1A”是指与锌指结构域1A毗连的溴结构域,并且是组蛋白折叠蛋白CHRAC复合物的组分,其通过ACF复合物促进核小体滑动并增强ACF介导的染色质组装。这些功能需要CHRAC1和POLE1的C末端区域。
如在本文中使用的术语“血管内皮生长因子(VEGF)”是指刺激血管生成、血管形成和血管通透性的可溶性多肽生长因子。它是由各种细胞类型产生的。有五种不同的VEGF多肽:VEGF-A、胎盘生长因子(PGF)、VEGF-B、VEGF-C和VEGF-D。优选地,VEGF选自VEGF-B。与VEGF-A相反,VEGF-B在血管系统中的作用不太明显。VEGF-A对于血管的形成很重要,例如在发育过程中或在病理条件下,而VEGF-B似乎仅在病理条件下维持新形成的血管中起作用。VEGF-B在几种类型的神经元上也起着重要作用。对于中风期间视网膜和大脑皮层中的神经元保护以及运动神经元疾病(如肌萎缩性侧索硬化)中的运动神经元的保护非常重要。VEGF-B通过FLT1受体(也称为血管内皮生长因子受体1)发挥作用。还发现VEGF-B可控制心脏和骨骼肌中脂肪酸的内皮摄取和转运。
如在本文中使用的术语“成纤维细胞生长因子(FGF)”是指生长因子家族,其成员涉及血管生成、伤口愈合、胚胎发育和各种内分泌信号传导途径。优选地,FGF选自FGF-4。如在本文中使用的术语“FGF-4”是指在人类中由FGF4基因编码的成纤维细胞生长因子4蛋白。
如在本文中使用的术语“HGF”是指肝细胞生长因子(HGF)或分散因子(SF),其是旁分泌细胞生长、运动和形态发生因子。它由间充质细胞分泌,靶向作用于并主要作用于上皮细胞和内皮细胞,但也作用于造血祖细胞和T细胞。
如在本文中使用的术语“Ang-1”是指血管生成素1,其是一种类型的血管生成素并且由ANGPT1基因编码。血管生成素是在胚胎和出生后血管生成中起作用的血管生长因子家族的一部分。血管生成素信号传导最直接地与血管生成相对应,血管生成是由既存血管形成新的动脉和静脉的过程。血管生成通过萌发、内皮细胞迁移、增殖以及血管去稳定作用和稳定作用来进行。它们负责组装和拆卸血管内皮内衬(endothelial lining)。血管生成素细胞因子通过向血管周围平滑肌细胞发信号参与控制微血管渗透性、血管舒张和血管收缩。
如在本文中使用的术语“存活因子”涵盖展示抗凋亡作用的一组物质。
术语“IGF-1”(胰岛素样生长因子1),也称为生长调节素C,是指在人类中由IGF-1基因编码的蛋白质。IGF-1是一种在分子结构上与胰岛素相似的激素。它在儿童成长中起着重要作用,并继续对成年人产生合成代谢作用。IGF-1由单链中的70个氨基酸组成,具有三个分子内二硫键。IGF-1的分子量为7649道尔顿。
如在本文中使用的术语“趋化因子”是指细胞分泌的小细胞因子或信号蛋白家族。它们的名字源于其在附近的反应性细胞中诱导定向趋化作用的能力;它们是趋化性细胞因子。
一些趋化因子被认为是促炎症反应的,可以在免疫应答中被诱导,以使免疫系统的细胞募集到感染部位,而另一些趋化因子被认为具有稳态,在组织维持或发展的正常过程中参与控制细胞的迁移。在所有脊椎动物、某些病毒和某些细菌中都发现了趋化因子,但其它无脊椎动物尚未见趋化因子。趋化因子被分为四个主要的亚家族:CXC、CC、CX3C和XC。所有这些蛋白质都通过与G蛋白质连接的跨膜受体(称为趋化因子受体)相互作用而发挥其生物学作用,该受体在其靶细胞表面上选择性存在。
如在本文中使用的术语“促红细胞生成素(EPO)”是指作为细胞因子的可溶性多肽。典型地,在低氧条件下EPO由肾细胞产生。该术语还涵盖人EPO多肽的变异体。这样的变异体具有至少与如上文提到的EPO多肽相同的基本生物学和免疫学性质。特别地,如果它们可通过本说明书中提及的相同特异性测定法检出,例如通过使用特异性识别所述EPO多肽的多克隆抗体或单克隆抗体的ELISA测定法检出,则它们具有相同的基本生物学和免疫学性质。此外,应理解的是,根据本发明提到的变异体可以具有由于至少一个氨基酸置换、删除和/或添加而不同的氨基酸序列,其中变异体的氨基酸序列仍然与特异性IL-6的氨基酸序列优选至少50%、60%、70%、80%、85%、90%、92%、95%、97%、98%或99%相同。变异体可以是等位基因变异体、剪接变异体或任何其它的物种特异性同源、旁系同源或直系同源。此外,本文中提到的变异体包括特异性EPO的片段或上文提到的类型的变异体,只要这些片段具有如上文提到的基本免疫学和生物学性质。这样的片段可以是例如EPO的降解产物。如果变异体可通过本说明书中提及的相同特异性测定法检出,例如通过使用特异性识别所述EPO多肽的多克隆抗体或单克隆抗体的ELISA测定法检出,则认为变异体具有相同的基本生物学和免疫学性质。优选的测定法在所附的实施例中描述。还包括由于翻译后修饰例如磷酸化或十四烷基化而不同的变异体。
如在本文中使用的术语“SH2B衔接蛋白质3(SH2B3)”是指淋巴细胞衔接蛋白质(LNK)。SH2B3是人类中由12号染色体上的SH2B3基因编码的蛋白质。其在许多组织和细胞类型中普遍表达(Li Y,He X,Schembri-King J,Jakes S,Hayashi J,May 2000.Journal ofImmunology.164(10):5199-206)。
如在本文中使用的术语“白介素-6(IL-6)”涉及为促炎性细胞因子和抗炎性肌细胞因子的可溶性多肽。其由T-细胞和巨噬细胞产生。
优选地,IL-6是指人IL-6,例如在Wong 1988,Behring Inst.Mitt 83:40-47中描述的。更优选地,人IL-6具有如在基因库登录号p05231.1,GI:124347中示出的氨基酸序列。该术语还涵盖上文提到的人IL-6多肽的变异体。这样的变异体具有至少与如上文提到的IL-6多肽相同的基本生物学和免疫学性质。特别地,如果它们可通过本说明书中提及的相同特异性测定法检出,例如通过使用特异性识别所述IL-6多肽的多克隆抗体或单克隆抗体的ELISA测定法检出,则它们具有相同的基本生物学和免疫学性质。此外,应理解的是,根据本发明提到的变异体可以具有由于至少一个氨基酸置换、删除和/或添加而不同的氨基酸序列,其中变异体的氨基酸序列仍然与特异性IL-6的氨基酸序列优选至少50%、60%、70%、80%、85%、90%、92%、95%、97%、98%或99%相同。变异体可以是等位基因变异体、剪接变异体或任何其它的物种特异性同源、旁系同源或直系同源。此外,本文中提到的变异体包括特异性IL-6的片段或上文提到的类型的变异体,只要这些片段具有如上文提到的基本的免疫学和生物学性质。这样的片段可以是例如IL-6的降解产物。如果变异体可通过本说明书中提及的相同特异性测定法检出,例如通过使用特异性识别所述IL-6多肽的多克隆抗体或单克隆抗体的ELISA测定法检出,则认为变异体具有相同的基本生物学和免疫学性质。优选的测定法在所附的实施例中描述。还包括由于翻译后修饰例如磷酸化或十四烷基化而不同的变异体。
如在本文中使用的术语“胰岛素样生长因子(IGF2)”是指与胰岛素具有结构相似性的三种蛋白激素之一。IFG-2被认为由肝脏分泌并且在血液中循环。其具有生长调节、胰岛素样以及促有丝分裂的活性。生长因子具有主要的但是非绝对的对生长激素的依赖。其被认为是主要的胎儿生长因子。
术语“基质细胞衍生因子(SDF1)”,也称为C-X-C基序趋化因子12(CXCL12),是人类中由10号染色体上的CXCL12基因编码的趋化因子蛋白。其在许多组织和细胞类型中普遍表达。基质细胞衍生因子1-α和1-β是属于趋化因子家族的小分子细胞因子,其成员激活白血球并且经常被促炎刺激物例如脂多糖、肿瘤坏死因子(TNF)或IL1诱导。趋化因子的特点在于存在形成两个二硫键的四个保守半胱氨酸。
如在本文中使用的术语“锌指蛋白(ZNF)”是指蛋白质并且具有广泛的分子功能。鉴于锌指结构域的多样性,ZNF能够与DNA、RNA、PAR(聚ADP-核糖)和其它蛋白质相互作用。因此,ZNF参与几种细胞过程的调节。ZNF与转录调节、泛素介导的蛋白质降解、信号转导、肌动蛋白靶向、DNA修复、细胞迁移以及许多其它过程有关。如在本文中使用的术语“ZDHHC2”是指锌指DHHC类型。
如在本文中使用的术语“MYL4/ALC1”是指心房轻链-1(ALC-1),也称为基本轻链。ALC-1是在人类中由MYL4基因编码的蛋白质。
如在本文中使用的术语“INPP4B”是指肌醇多聚磷酸酯4-磷酸酶II,其是磷酸肌醇3-激酶(PI3K)信号传导途径的调节剂,并且被认为是上皮癌中的肿瘤抑制剂。
术语“RBM38”是指RNA结合基序蛋白38。RBM38(也称为RNPC1)至少部分地通过结合并稳定细胞周期蛋白依赖性激酶抑制剂p21的mRNA来诱导细胞周期停滞在G1期。
如在本文中使用的术语“MNC”是指单核细胞,其是具有单个圆形细胞核的任何细胞;单核细胞的例子是淋巴细胞、单核细胞和树突状细胞。这些细胞是免疫系统的关键组成部分,参与体液免疫和细胞介导的免疫。MNC在微生物学、病毒学、肿瘤学、疫苗开发、移植和再生生物学以及毒理学研究和临床应用中被广泛应用。
如在本文中使用的术语“CFU-Hill”是指通过将外周血单核细胞铺板于纤连蛋白包被的培养皿上,允许粘附和消耗非粘附细胞并分离离散集落而形成的早期生长产物。
如在本文中使用的术语“ABCC13”是指ATP结合盒转运蛋白亚家族C成员13,其是在人类中由ABCC13基因编码的蛋白质。
如在本文中使用的术语“COPS3”是指人类中由COPS3-基因编码的蛋白质。它编码COP9信号小体的一个亚基。该蛋白质复合物被认为具有异肽酶活性。其相关途径包括转录偶联核苷酸切除修复(TC-NER)和网格蛋白介导的内吞作用。它在真核生物(包括人类)中被发现。
如在本文中使用的术语“GUK1”是指鸟苷酸激酶,是在人类中由GUK1基因编码的酶。
如在本文中使用的术语“AP3B1”是指AP-3复合物亚基β-1,其是在人类中由AP3B1基因编码的蛋白质。该基因编码一种蛋白质,该蛋白质可能在与黑素体、血小板致密颗粒和溶酶体相关的细胞器生物发生中起作用。编码的蛋白是异四聚体AP-3蛋白复合物的一部分,该复合物与支架蛋白网格蛋白相互作用。
如在本文中使用的术语“TBC1D22B”是指TBC1D22B(TBC1结构域家族成员22B),其是蛋白质编码基因,并且可以作为Rab(Ras相关蛋白)家族蛋白的GTP酶激活蛋白。与该基因有关的基因本体论(GO)注释包括GTP酶激活剂活性。该基因的旁系同源物是TBC1D22A。
如在本文中使用的术语“ZBTB33”是指转录调节因子Kaiso,其是人类中由ZBTB33基因编码的蛋白质。该基因编码具有双峰DNA结合特异性的转录调节因子,其与甲基化CGCG以及非甲基化共有序列KAISO结合位点TCCTGCNA结合。该蛋白质包含一个N末端POZ/BTB结构域和3个C末端锌指基序。它募集N-CoR阻遏物复合物,以促进组蛋白脱乙酰化并在靶基因启动子中形成抑制性染色质结构。它可能有助于抑制Wnt的靶基因(术语“Wnt”涵盖了分泌型脂质修饰的信号糖蛋白的不同家族,其长度为350个至400个氨基酸)信号通路,并且还可能通过募集连环蛋白Δ-2(CTNND2)来激活靶基因的子集的转录。它与连环蛋白Δ-1(CTNND1)的相互作用抑制了与甲基化和非甲基化DNA的结合。它还与核输入受体输入蛋白Importin-α2(也称为核转运蛋白α2或RAG队列1)直接相互作用,后者可能介导该蛋白的核输入。已经鉴定出编码相同蛋白质的选择性剪接的转录变异体。
如在本文中使用的术语“AGO2”是指Argonaute蛋白家族的成员,其在RNA沉默过程中起着核心作用,作为RNA诱导的沉默复合物(RISC)的基本成分。核酸内切酶活性以及因此依赖RNAi的基因沉默仅属于AGO2。考虑到整个家族中PAZ和PIWI结构域的序列保守性,推测AGO2的独特性来自N末端或连接PAZ和PIWI基序的间隔区域。
确定生物标志物的量可以优选地包括以下步骤:(a)将生物标志物与特异性的配体接触,(b)(可选地)移除未结合的配体,(c)测量已结合的配体的量。已结合的配体将产生强度信号。根据本发明的结合包括共价结合和非共价结合两者。根据本发明的配体可以是任何结合至本文描述的肽或多肽或蛋白质或核酸或细胞的化合物,例如肽、多肽、核酸或小分子。优选的配体包括抗体、核酸、肽或多肽,例如用于肽或多肽的受体或结合伴侣和包括用于肽的结合域的其片段,以及适体例如核酸或肽适体。用于制备这样的配体的方法是本领域熟知的。例如,合适的抗体或适体的识别和生产也由商业供应商提供。本领域技术人员熟悉用于开发具有更高的亲和力或特异性的此类配体的衍生物的方法。例如,随机突变可以被引入核酸、肽或多肽中。然后,可以根据本领域已知的筛选方法(例如噬菌体展示)对这些衍生物进行结合测试。如在本文中提到的抗体包括多克隆和单克隆抗体及其片段,例如能够结合抗原或半抗原的Fv、Fab和F(ab)2片段。本发明还包括单链抗体和人源化杂交抗体,其中表现出期望的抗原特异性的非人供体抗体的氨基酸序列与人类受体抗体的序列组合。供体序列通常至少包含供体的结合抗原的氨基酸残基,但也可能包含供体抗体的其它的结构上和/或功能上相关的氨基酸残基。这样的混合物可以通过本领域中熟知的多种方法制备。优选地,配体或试剂特异性地结合至肽或多肽。根据本发明的特异性结合意指配体或试剂不应该实质上结合至(与其“交叉反应”)待分析的样本中存在的另一肽、多肽或物质。优选地,特异性结合的肽或多肽应该以比任何其它的相关的肽或多肽至少3倍更高、更优选至少10倍更高并且甚至更优选至少50倍更高的亲和力结合。如果仍然可以明确区分和测量非特异性结合,例如根据其在Western Blot上的大小或样本中相对较高的丰度,则非特异性结合是可容许的。配体的结合可以通过本领域已知的任何方法被测量。优选地,所述方法是半定量的或定量的。在下文中描述用于确定生物标志物的其它合适的技术。
第一,配体的结合可以例如通过NMR或表面等离子体共振直接测量。第二,如果配体也用作目标生物标志物的酶活性的底物,那么酶促反应产物可以被测量(例如,蛋白酶的量可以通过测量裂解底物的量被测量,例如在免疫印迹上)。可选地,配体本身可以表现出酶的性质,并且“配体/肽或多肽”复合物或被生物标志物结合的配体可以分别与允许通过强度信号的产生检测的合适的底物接触。为了测量酶促反应产物,优选底物的量是饱和的。在反应之前底物也可以用可检测的标签标记。优选地,样本与底物接触持续足够的时间段。足够的时间段是指用于产生产物的可检测的、优选可测量的量所需要的时间。代替测量产物的量,可以测量用于出现给定的(例如可检测的)量的产物所需要的时间。第三,配体可以被共价地或非共价地偶联至允许配体的检测和测量的标签。标记可以通过直接的或间接的方法进行。直接标记涉及标签的直接地(共价地或非共价地)偶联至配体。间接标记涉及二级配体与一级配体(共价地或非共价地)结合。二级配体应该特异性地结合至一级配体。所述二级配体可以与合适的标签偶联和/或为与二级配体结合的三级配体的靶标(受体)。二级配体、三级配体或甚至更高级配体的使用经常用于增加信号。合适的二级配体和更高级配体可以包括抗体、二级抗体和熟知的链霉亲和素生物素体系。如本领域已知的那样,配体或底物也可以被一个或更多个标签“加标签”。然后,这样的标签可以用于更高级配体的靶标。合适的标签包括生物素、地高辛、组氨酸标签(His-tag)、谷胱甘肽-S-转移酶、FLAG、GFP、myc-tag、甲型流感病毒血凝素(HA)、麦芽糖结合蛋白质等。在肽或多肽的情况下,标签优选在N末端和/或C末端。合适的标签是通过合适的检测方法可检测的任何标签。典型的标记包括金颗粒、乳胶珠、吖啶酯、鲁米诺、钌、酶活性标记、放射性标记、磁性标记(“例如磁性珠”,包括顺磁性的和超顺磁性的标记)和荧光标记。酶活性标记包括例如辣根过氧化物酶、碱性磷酸酶、β-半乳糖苷酶、荧光素酶及其衍生物。用于检测的合适的底物包括二氨基联苯胺(DAB)、3,3'-5,5'-四甲基联苯胺、NBT-BCIP(4-硝基氯化物四氮唑蓝和5-溴-4-氯-3-吲哚基磷酸盐)。合适的酶-底物组合可以导致显色反应产物、荧光或化学发光,其可以根据本领域已知的方法测量(例如使用感光胶片或合适的照相机系统)。至于测量酶促反应,上文给出的标准类似地适用。典型的荧光标记包括荧光蛋白质(例如GFP和其衍生物)、Cy3、Cy5、德克萨斯红、荧光素和Alexa染料。其它荧光标记例如从Molecular Probes(奥勒冈州)可购得。此外,设想将量子点用作荧光标记。典型的放射性标记包括35S、125I、32P、33P等。放射性标记可以通过任何已知的和合适的方法被检测,例如感光胶片或磷光体成像器。
生物标志物的量可以也优选如下确定:(a)将包含用于如上文详细描述的生物标志物的配体的固体载体与包含生物标志物的样本接触,以及(b)测量结合至载体的生物标志物的量。配体优选选自由核酸、肽、多肽、抗体和适体组成的组,优选在固体载体上以固定形式存在。用于制造固体载体的材料是本领域中熟知的并且包括,除了别的以外,可商购获得的柱材料、聚苯乙烯珠、乳胶珠、磁性珠、胶体金属微粒、玻璃和/或硅芯片和表面、硝化纤维素带、膜、片材、硬颗粒(duracytes)、反应盘的孔和壁、塑料管等。配体或试剂可以结合至许多不同的载体。熟知的载体的实施例包括玻璃、聚苯乙烯、聚氯乙烯、聚丙烯、聚乙烯、聚碳酸酯、葡聚糖、尼龙、直链淀粉、天然的和改性的纤维素、聚丙烯酰胺、琼脂糖和磁铁矿。为了本发明的目的,载体的性质可以是可溶解的或者不可溶解的。用于固定所述一个或更多个配体的合适的方法是熟知的,并且包括但不限于离子的、疏水的或共价的相互作用等。
根据本发明的合适的测量方法还包括荧光激活细胞分选术(FACS)分析、放射免疫检定法(RIA)、酶联免疫吸附确定法(ELISA)、夹心酶免疫试验、电化学发光夹心免疫确定法(ECLIA)、离解增强镧系元素荧光免疫确定法(DELFIA)、闪烁迫近分析法(SPA)或固相免疫试验。本领域已知的其它方法(例如凝胶电泳、2D凝胶电泳、SDS聚丙烯酰胺凝胶电泳(SDS-PAGE)、Western Blot和质谱(MS))可以单独地或与如上文描述的标记或其它的检测方法组合地使用。
为了执行本发明的方法,提供适合用于执行本发明的方法的试剂盒,其中根据本发明的试剂盒包括用于在受试者的样本中确定上文的生物标志物中的至少一个的量的检测试剂。这样的试剂盒有利地允许直接进行本发明的方法和/或根据本发明的一个或更多个生物标志物的测量和/或确定。
如在本文中使用的术语“试剂盒”是指上文提到的组分的集合,优选地,组分单独地或在单一的容器内提供。试剂盒还可以包括用于执行本发明的方法的指示。这些指示可以以手册形式,或可以通过能够执行在本发明的方法中提到的比较、并且当在计算机或数据处理设备上实施时据此建立诊断的计算机程序代码被提供。计算机程序代码可以在数据存储介质或设备例如存储介质(例如压缩光盘、USB驱动器或外部硬盘)上或直接地在计算机或数据处理设备上被提供。此外,试剂盒可以优选地包括用于基准量的标准,如在本文中在别处详细地描述的。
附图说明
本发明的其它特征来自与权利要求和附图组合的实施例。在具体实施方式中,单个特征可以与其它特征组合实现,并且不限制本发明的保护范围。根据本发明的实施例的以下描述可能涉及附图,由此
图1描绘了根据本发明的SH2B3的靶向DNAseq和RNAseq变异体总结。该图显示在应答者(括号中的第一个百分比)和非应答者(括号中的第二个百分比)中识别出的SNP/缺失位点的比例,以及可能的氨基酸转移。
图2描绘了仅使用术前数据对患者应答性进行监督预测的机器学习准确性比较。在特征选择和随后使用两个独立的分类器进行预测之后获得结果。该图显示了两个ML模型(用于特征选择的AdaBoost和用于研究的RF和SVM)的真阳性预测结果。误差线表示在100次迭代后获得的所构建模型的相应准确度标准偏差。
图3显示了从基于随机森林分类器(Random forest classifier)的机器学习特征选择中获得的前20个生物标志物。所基于的初始数据是PERFECT试验随附研究数据、患者测序数据(尤其是及时的差异表达的转录本、共表达的转录本以及与SH2B3相关的转录本)以及RT-PCR数据。随后使用了这二十个特征的组合和子集来训练最终模型,该模型包括以虚线标记的八个特征。重要性表示分类所需的最相关特征的层次结构。
具体实施方式
实施例
下面的实施例将仅举例说明本发明。无论如何,它们不应被解释为限制本发明的范围。
实施例1:临床研究设计和评估
通过全基因组和循环EPC分析,在罗斯托克(Rostock)试验地点的随机3期PERFECT试验生物标志物亚组中研究了外周血骨髓响应,并提供了完整的可用生物库,临床(每一试验方案)和生物标志物数据(n=23)(Steinhoff G,Nesteruk J,Wolfien M等,EBioMedicine 2017年8月;22:208-224。doi:10.1016/j.ebiom.2017.07.022.Epub 2017年7月29日)。经处理的CD133+BMSC(n=13)和安慰剂对照(n=14)均等分布。在PERFECT试验的生物标志物患者队列(n=23;安慰剂/CD133+9/14)中,调查了在均为处理组(心内膜安慰剂vs.CD133+)中,在180天(d)后按ΔLVEF≥5%归类为应答者(R)(n=14;安慰剂/CD133+7/7)和在180天后按ΔLVEF<5%归类为非应答者(NR)(n=9;安慰剂/CD133+5/4)的外周血中全身性骨髓干细胞应答。
将缺血后心肌再生的R/NR基因表达和生物标志物数据与在Lnk-/-小鼠与Lnk+/+野生型(WT)小鼠在心肌梗死实验条件下研究的小鼠Lnk/SH2B3基因敲除缺陷条件在MI之前和在MI之后的不同时间点(第0、1、3、7、14、28天)进行了比较。
临床试验设置
PERFECT试验是一项随机的、多中心的、安慰剂对照的、双盲的3期研究,研究了心肌内CD133+BMSC治疗联合冠状动脉旁路移植术(CABG)血运重建对梗死后心肌缺血的心肌再生作用(Steinhoff G,Nesteruk J,Wolfien M等,EBioMedicine 2017年8月;22:208-224.doi:10.1016/j.ebiom.2017.07.022.Epub 2017年7月29日,Baughn LB,Meredith MM,Oseth L,Smolarek TA,Hirsch B.Cancer Genet.2018年10月;226-227:30-35.doi:10.1016/j.cancergen.2018.05.004.Epub 2018年6月8日)。发表了详细说明前的(prespecified)和事后的(post-hoc)生物标志物结果分析(Steinhoff G,Nesteruk J,Wolfien M等,EBioMedicine 2017年8月;22:208-224.doi:10.1016/j.ebiom.2017.07.022.Epub 2017年7月29日)。PERFECT试验的纳入标准是:(a)MI后冠状动脉疾病并伴有CABG手术的适应症;(b)LVEF降低(25%-50%)和(c)存在定义SC靶区域的左心室(LV)心肌的局部动力区域/低动力区域/低灌注区域。评估是在术前以及术后第1、3、10、90、180和730天进行的。
事后基因表达分析(Post Hoc Gene Expression Analysis)
PB中的RNAseq分析和mRNA RT-PCR:在试验揭盲之前并且在认真遵守数据隐私保护(匿名)条件下,进行了分析和检查。
使用NGS(下一代测序)对EDTA血液样本进行转录组序列分析
冷冻的EDTA血液样品的RNA分离分为三个步骤:首先,按照制造商的说明使用GeneJET稳定和新鲜全血RNA试剂盒(Thermo Scientific)。其次,在高盐条件下(10%的3M乙酸钠,pH 5.2)用2.5倍体积的乙醇沉淀分离的RNA。脱氧核糖核酸酶(DNase)(ThermoScientific)消化后,最后使用Agencourt RNAClean XP珠(Beckman Coulter)纯化RNA。使用RNA 6000Nano芯片(Agilent)在Bionalyzer(Agilent)上分析分离的RNA。按照制造商的说明,使用Universal Plus mRNA–Seq技术(Nugen)将质量控制的RNA用于构建测序文库。简介:通过oligo d(T)珠选择mRNA,进行反转录,并用珠蛋白耗竭模型(Globin depletionmodule)(Nugen)裂解珠蛋白衍生的cDNA。质量控制和定量文库在HiSeq1500系统(lllumina)上以单端模式(读取长度100nt)测序。对于RNAseq数据分析,进行了接头剪切(adapter clipping)和质量修整程序以进行数据预处理,并借助Kallisto将读数与hg19基因组进行比对(aligned)。使用探查包的似然比检验进行差异表达分析(具有>2倍变化和q值<0.05的基因被认为是显著差异表达的)。用Enrichr进行基因注释(gene annotation),包括功能注释聚类和功能分类(Kuleshov,M.V.等,Nucleic Acids Res.2016,vol 44(W1),doi:10.1093/nar/gkw377,Epub 2016年5月3日)。
源自转录组序列数据的变异体识别(Variant calling from transcriptomicdata)
先前已预处理的RNAseq数据集(术前和术后)已通过Star(2通路(2-pass)模式)与hg19比对。变异体识别通过Gatk工具包(McKenna,A.et al.,Genome Res.2010,vol.20(9):1297-1303,doi:10.1101/gr.107524.110)用专用过滤器应用(例如,如果已通过五次独立读取确认,才认为是变异体)。变异体注释是用reftools完成的。
实验性Lnk /SH2B3–/–小鼠模型
Lnk/SH2B3-/-小鼠品系如先前描述那样产生(Takaki S.等,J.Exp.Med.2002;195:151-160)。将C57BL/6小鼠(CLEA Japan,东京,日本)用作野生型(WT)对照小鼠。GFP转基因小鼠(GFP-Tg小鼠;C57BL/6TgN[act EGFP]Osb Y01)与野生型(WT)小鼠或Lnk/SH2B3-/-小鼠交配,分别产生了WT/GFP小鼠或Lnk/SH2B3-/-/GFP小鼠,用于BM移植(BMT)研究。所有实验过程均按照日本生理学会实验动物的护理和使用指南(Japanese Physiological SocietyGuidelines for the Care and Use of Laboratory Animals)进行,并且研究方案已由RIKEN发展生物学中心(RIKEN Center for Developmental Biology)的伦理委员会批准。
诱发心肌梗塞(MI)
用400mg/kg的2,2,2-三溴乙醇(Avertin;Sigma,St.Louis,MO)腹腔内注射麻醉八周龄至十二周龄的小鼠。如前所述,通过结扎左前降支(LAD)冠状动脉诱发MI(Fabregat A,Sidiropoulos K,Garapati P等,Nucleic Acids Res 2016年1月4日;44(D1):D481-7.doi:10.1093/nar/gkv1351.Epub 2015年12月9日)。
组织获取
尸检时,将心脏包埋在O.C.T.TM化合物
Figure BDA0003112839530000271
中,然后在液氮中速冻,并用冷冻切片机(cryostat)(Leica microsystems,Wetzlar,德国)切成6μm的切片。通过选择性解剖LV心肌中的纤维化和梗塞周围区域,分离出用于RT-PCR分析的总RNA。为了进行BrdU掺入研究,在处死前16小时向小鼠腹腔内注射100μL 10mg/mL BrdU溶液(BD Pharmingen)。
RT-PCR分析
根据制造商的说明,使用TRIzol(Invitrogen)在MI之前和之后3天从小鼠心脏组织中获得总RNA。用PrimeScript RT试剂盒(Takara Bio,大津,日本)合成第一链cDNA,并通过AmpliTaq Gold DNA聚合酶(Applied Biosystems,福斯特城,加利福尼亚)扩增。使用PCR热循环仪(MJ Research PTC-225,Bio-Rad,Hercules,加利福尼亚)进行PCR。小鼠Lnk/SH2B3和β-肌动蛋白在以下条件下扩增:Lnk/SH2B3,94℃循环30秒、57℃循环30秒和72℃循环30秒的42个循环,在72℃下最后保持5分钟;β-肌动蛋白,94℃持续30秒、57℃持续30秒和72℃持续30秒的35个循环,在72℃下最后保持5分钟。随后,将PCR产物在带有100bp DNALadder(Invitrogen)的1.5%溴化乙锭染色的琼脂糖凝胶中显色。引物序列在补充表1S中标明。
实时定量RT-PCR分析
根据制造商的说明,使用RNeasy Mini Kit(QIAGEN,Hilden,德国)从KSL细胞中获得总RNA。合成第一链cDNA后,使用SYBR Green Master Mix Reagent(AppliedBiosystems)用ABI Prism 7700(Applied Biosystems)进行实时定量RT-PCR。引物序列在补充表1S中标明。
统计分析
使用软件包(Statview 5.0,Abacus Concepts Inc,伯克利,加利福尼亚)对结果进行统计分析。所有值均表示为平均值±标准偏差(平均值±SD)。使用Prism 4(GraphPadSoftware,圣地亚哥,加利福尼亚)中的单因素方差分析(ANOVA)进行超过三组之间的比较。事后分析是由Tukey的多重比较检验进行的。P<0.05的差异被视为具有统计学显著性。
用机器学习进行数据分析
通过采用监督式和无监督式机器学习(ML)算法获得综合患者数据的关键特征识别和分类(Steinhoff G,Nesteruk J,Wolfien M等,EBioMedicine 2017年8月;22:208-224.doi:10.1016/j.ebiom.2017.07.022.Epub 2017年7月29日)。对数据进行了预处理,同时删除了具有低方差和高相关性的特征,以遵循最佳实践建议降维。比较了以下监督式算法:AdaBoost、梯度提升(Gradient Boosting,GB)、支持向量机(SVM)和随机森林(RF)(Steinhoff G,Nesteruk J,Wolfien M等,EBioMedicine 2017年8月;22:208-224.doi:10.1016/j.ebiom.2017.07.022.Epub 2017年7月29日)。采用了适合在小数据集上进行训练的分类器,以便在训练少的情况下比较特征,并根据准确性和鲁棒性选择了最合适的算法以应对过度拟合(Al-Naqeb D.Scientifica(Cairo).2016;2016:2079704.doi:10.1155/2016/2079704.Epub 2016年5月30日)。监督式ML模型已进行10折交叉验证,并重复了100次。然后,用AdaBoost、GB和RF分类器实施特征选择,以进一步将特征数量减少到<20个。采用t分布随机邻域嵌入(t-SNE)进行无监督机器学习分类和非线性降维(Steinhoff G,Nesteruk J,Wolfien M等,EBioMedicine 2017年8月;22:208-224.doi:10.1016/j.ebiom.2017.07.022.Epub 2017年7月29日)。
时程网络富集(Time course network enrichment)
通过系统生物学方法,旨在揭示所研究的患者数据集之中时间相关的表达反应模式。通过使用Reactome功能交互(RFI,Reactome Functional Interaction)和BisoGenenetCytoscape应用程序对富集的信号通路进行识别,这些应用程序旨在在经过精心设计和经过实验验证的数据库中找到富集的途径和网络模式(Fabregat A,Sidiropoulos K,Garapati P等,Nucleic Acids Res 2016;Jan 4;44D1:D481-7.doi:10.1093/nar/gkv1351.Epub 2015年12月9日)。此外,随后使用TiCoNE(Time Course Network Enricher(时程网络富集器))对患者特定的表达数据进行时程网络富集分析。该工具采用不同的数学算法来识别给定交互网络的表达式数据中出现的时间模式,方法是使用围绕中心点划分(PAM,partitioning around medoids)和大型应用聚类(CLARA,Clustering for LargeApplications)算法,其是一种专门的k-medoid聚类方法。错误率(FDR)和p值已通过使用具有1000次迭代的全局置换来计算。皮尔逊积矩相关性(PPMC)已用于比较不同的聚类。对于p值<0.05,认为基序内的基因表达模式是常见的。
通过将R包(R package)“WGCNA”应用于RNAseq数据进行权重基因共表达网络分析(WGCNA,Weighted gene coexpression network analysis)。首先,使用软阈值方法构建了所有研究的转录本(~160000)的拓扑重叠矩阵(TOM,topological overlap matrix)。计算了转录本的特征值,并根据距离评估了邻接关系。对转录本进行分层聚类(平均链接(average linkage)),然后使用动态混合方法将转录本分配到组中。基于相互作用对(interaction partners)(k)计算了连通性,并评估了基因显著性,该基因显著性代表了产生的模块成员(module membership)。
37例患者中扩展基因表达分析和验证
在3期PERFECT(CABG和CD133+BMSC或安慰剂)第0、1、3、10天,应答者(R,n=14;ΔLVEF+16%第180/0天)和无应答者(NR,n=9;ΔLVEF-1.1%第180/0天)的试验生物标志物亚组(n=23)和在独立的中心生物标志物患者队列中(n=14)研究了外周血(PB)全基因组表达和循环内皮祖细胞(EPC)分析。
左心室功能恢复伴有心肌灌注增加(R vs NR,p<0.05)。鉴定出二十种生物标志物用于术前预测PB中的心脏再生能力(R/NR 95.6%准确度,91%AUC)(图3)。这些是根据ML聚类分析确定的,该分析揭示了三个不同的基因谱亚组,其中R与NR的术前基因表达特征在差异表达中总共700个基因不同(n=23,q<0.05)。同样地,包含与各个NR/R亚组相关的变异体的已鉴定出的与SH2B3相关的共表达枢纽基因(hub gene)NOTCH2,MTOR,KIT主要与心肌灌注、ΔLVEF、PB-CD133+EPC和ΔCT SH2B3相关(p<0.01)。
在此示例性描述的本发明可以在本文没有具体公开的任何一个或多个元素、一个或多个限定的情况下适当第实施。因此,例如,在本文的每种情况下,术语“包括”、“基本上由……组成”和“由……组成”中的任何一个都可以用其它两个术语中的任何一个代替。已经采用的术语和表达用作描述性术语而非限制性术语,并且不意图在使用这样的术语和表达时排除所示出的和描述的技术特征的任何等效物或其部分,但应意识到,各种修改是在要求保护的本发明的范围内可能的。因此,应该理解,虽然已经通过优选的实施方式和可选择的技术特征具体公开了本发明,但是本领域技术人员可以对本文公开的概念进行修改和变型,并且这样的修改和变化视为在本发明的如被所附的权利要求限定的范围内。
关于本说明书中引用的所有参考文献,其全部公开内容和本说明书中具体提及的公开内容通过引用并入本文。
缩写词
ACE=血管紧张素转换酶(Angiotensin Converting Enzyme)
AE=不良事件(Adverse Event)
AESI=特别关注的不良事件(Adverse Event of Special Interest)
AFAP1=肌动蛋白丝状相关蛋白1(Actin Filament Associated Protein 1)
AHA=美国心脏协会(American Heart Association)
ANCOVA=协方差分析(Analysis of covariance)
ANOVA=方差分析(Analysis of Variances)
Ang-1=血管生成素1(Angiopoietin 1)
AP1B1=衔接蛋白复合物1亚基β1(Adaptor Related Protein Complex 1SubunitBeta 1)
ASS=乙酰水杨酸(Acetylsalicylic Acid)
ATII=血管紧张素II(Angiotensin II)
AUC=曲线下面积(Area Under the Curve)
BAZ1A=与锌指结构域蛋白1A邻接的溴结构域(Bromodomain adjacent to zincfinger domain protein 1A)
BCIP=5-溴-4-氯-3-吲哚-磷酸盐(5-Bromo-4chloro-3-indolyl-phosphate)
BEX3=脑表达的X连锁3(Brain Expressed X-Linked 3)
BM=骨髓(Bone marrow)
BMSC=骨髓干细胞(Bone marrow stem cells)
CABG=冠状动脉旁路移植(Coronary Artery Bypass Graft)
CAP-EPC=浓缩环境颗粒-内皮祖细胞(Concentrated Ambient Particles–Endothelial Progenitor Cells)
CBA=细胞计数微珠阵列(Cytometric Bead Array)
CCS=加拿大心血管学会(Canadian Cardiovascular Society)
CCTRN=心血管细胞疗法研究网络(Cardiovascular Cell Therapy ResearchNetwork)
CD=分化簇(Cluster of Differentiation)
CEC=在外周血中测量的循环内皮细胞、CEC组、CD(Circulating endothelialcells,CEC panel,CDs measured in PB)
CFU=集落形成单位(Colony-forming unit)
CI=置信区间(Confidence interval)
CMV=巨细胞病毒(Cytomegalovirus)
CXCL12=C-X-C基序趋化因子12
DAB=二氨基联苯胺(Diamino Benzidine)
DELFIA=解离增强镧系元素荧光免疫检测(DissociationEnhanced LanthanideFluorescent Immunoassay)
Delta_CT_SH2B3(ΔCT SH2B3)=SH2B3基因表达的归一化值(归一化vs.管家基因甘油醛-3-磷酸脱氢酶(GAPDH))
EA=早期抗原(Early Antigen)
EC=内皮细胞(Endothelial Cells)
ECG=超声心动图(Echocardiography)
ECLIA=电化学发光夹心免疫分析(Electrochemiluminescence SandwichImmunoassay)
EDTA=乙二胺四乙酸(Ethylenediaminetetraacetic Acid)
ELISA=酶联免疫吸附试验(Enzyme-Linked Immunosorbent Assay)
EMG1=EMG1 N1-特异性假性尿苷甲基转移酶(EMG1 N1-Specific PseudouridineMethyltransferase)
EPC=在外周血液中测量的内皮祖细胞、EPC组、CD(Endothelial ProgenitorCells,EPC panel,CDs measured in PB)
EPO=促红细胞生成素(Erythropoietin)
FGF=成纤维细胞生长因子(Fibroblast Growth Factor)
GFP=绿色荧光蛋白(Green Fluorescence Protein)
GRB2=生长因子受体结合蛋白2(Growth factor receptor-bound protein 2)
GMP=良好生产质量管理规范(Good Manufacturing Practice)
HA=血细胞凝集素(Haemagglutinin)
HGF=肝细胞生长因子(Hepatocyte Growth Factor)
HR=风险比率(Hazard ratio)
HIF=缺氧诱导因子,转录因子(Hypoxia-Inducible Factor,transcriptionfactor)
ICH GCP=药物临床试验质量管理规范三方指南(Tripartite GuidelinesGuideline for Good Clinical Practice)
IGF-1=胰岛素样生长因子1(Insulin-like Growth Factor 1)
IHG=根据ISHAGE指南进行的分析(Analysis performed in accordance withISHAGE guidelines)
IL=白介素(Interleukin)
KLF8=Kruppel样因子8(Kruppel Like Factor 8)
LMCA=左冠状动脉主干(Left Main Coronary Artery)
LPCAT2=溶血磷脂酰胆碱酰基转移酶2(LysophosphatidylcholineAcyltransferase 2)
LTB=淋巴毒素β(Lymphotoxin-beta)
LVEDV=左心室舒张末期容积(Left Ventricular End Diastolic Volume)
LVEF=左心室射血分数(Left Ventricular Ejection Fraction)
LVESD=左心室收缩末期尺寸(Left Ventricular End Systolic Dimension)
MACE=主要不良心血管事件(Major Adverse Cardiovascular Events)
MARK3=微管亲和调节激酶3(Microtubule Affinity Regulating Kinase 3)
MIBI SPECT=甲氧基异丁基异腈SPECT(Methoxy Iso ButylIsonitrile SPECT)
ML=机器学习(Machine learning)
MNC=单核细胞(Mononuclear cells)
MRI=磁共振成像(Magentic Resonance Imaging)
MS=质谱(Mass Spectrometry)
6MWT=6分钟步行试验(6-Minute Walk Test)
NBT=硝基蓝四氮唑(4Nitro Blue Tetrazolium)
NGS=下一代测序(Next Generation Sequencing)
NMR=核磁共振(Nuclear Magnetic Resonance)
NYHA=纽约心脏协会(New York Heart Association)
PB=外周血(Peripheral blood)
PBMNC=从外周血分离的单核细胞(mononuclear cells isolated fromperipheral blood)
PCI=经皮冠状动脉介入(Percutaneous Coronary Intervention)
PDGFRB=血小板衍生生长因子受体β(Platelet Derived Growth FactorReceptor Beta)
PEI=Paul-Ehrlich研究所(Paul-Ehrlich Institute)
PLCG1=磷脂酶Cγ1(Phospholipase C Gamma 1)
PPS=符合方案集的患者组(Group of patients for per-protocol set)
REX1BD=需要切除1-B结构域(Required For Excision 1-B Domain)
ROC=受试者工作特征曲线(Receiver Operating Characteristic)
RT-RCR=逆转录聚合酶链反应(Reverse Transcription Polymerase ChainReaction)
SACM1L=金黄色葡萄球菌Cowan 1磷脂酰肌醇磷酸酶(Staphylococcus aureusCowan 1phosphatidylinositide phosphatase)
SAE=严重不良事件(Serious adverse event)
SAS=安全性分析集的患者组(Group of patients for safety set)
SDF-1=基质细胞衍生因子1(Stromal Cell-derived Factor 1)
SDS=十二烷基硫酸钠(Sodium Dodecyl Sulphate)
SF=分散因子(Scatter Factor)
SH2B3=SH2衔接蛋白质3(SH2 Adapter Protein 3)
SCF=干细胞因子(Stem Cell Factor)
SNP=单核苷酸多态性(Single Nucleotide Polymorphism)
SPA=闪烁迫近分析法(Scintillation Proximity Assay)
STEMI=ST段抬高型心肌梗死(ST-segment Elevation Infarction)
SUM=支持向量机(Support Vector Machines)
SUSAR=可疑非预期严重不良反应(Suspected Unexpected Serious AdverseReaction)
TNF=肿瘤坏死因子(Tumor Necrosis Factor)
t-SNE=t分布随机邻域嵌入(t-distributed stochastic neighbourembedding)
VAD=心室辅助装置(Ventricular Assist Device)
VCA=病毒衣壳抗原(Virus-Capsid-Antigen)
VEGF=血管内皮生长因子(Vascular Endothelial Growth Factor Receptor)
VEGF rec=血管内皮生长因子受体(Vascular Endothelial Growth FactorReceptor)
ZNF205=锌指蛋白205(Zinc finger protein 205)
Figure BDA0003112839530000351
Figure BDA0003112839530000361
Figure BDA0003112839530000371
Figure BDA0003112839530000381
Figure BDA0003112839530000391
Figure BDA0003112839530000401
Figure BDA0003112839530000411
Figure BDA0003112839530000421
SEQUENCE LISTING
<110> Universität Rostock
<120> Method for prediction of response to disease therapy
<130> NSC P07120WO
<150> DE10 2018 125 324.9
<151> 2018-10-12
<160> 2
<170> BiSSAP 1.3.6
<210> 1
<211> 5425
<212>RNA
<213> Homo sapiens
<220>
<223> SH2B adaptor protein 3 (SH2B3), transcript variant 1, mRNA (SEQ
ID NO:1)
<400> 1
cccgggccac cgcctccgcc cggctgcccg cccggactgt cgcggcccgc ggtggcgacg 60
gcggccgctg caaagtttcc ccggcggcgg cggcccgggg gcgcatcctc ccgcaactgt 120
caagcgctgg cggcggaaat gatgaggcgc tggccatttt ccgagcccgg gtttcctgcc 180
tgagccccgc tcgagcgagc cgcgagcgag gagccggcgg gcgggagagg acgcgcccag 240
ggcgggggcc cgcccgcccc ctcgggattt cgagggcccg ggggcgcgcg acgccatggg 300
ccggccgggc ccagagctcc tgtctctcag cccggccgca ccacctgggt ctccgccatg 360
aacgggcctg ccctgcagcc ctcctcgccc tcttccgcgc cctcagcctc cccggcggcg 420
gccccgcggg gctggagcga gttctgtgag ttgcacgccg tagcggcggc ccgggagctg 480
gcccgccagt actggctgtt cgcccgggag catccgcagc acgcgccgct gcgcgccgag 540
ctggtgtcgc tgcagttcac cgacctcttc cagcgctact tctgccgcga ggtgcgcgac 600
ggacgggcgc cgggccgcga ctaccgggac acaggccgtg ggcccccagc caaggccgag 660
gcgtccccgg agccaggccc cggccccgcc gcccctggcc tgcccaaggc ccgcagctct 720
gaggagctgg ccccgccgcg gccgcccggg ccctgctcct tccagcactt tcgccgcagc 780
ctccgccaca tcttccgccg ccgctcggcc ggggagctgc cagcggccca caccgctgcc 840
gcccccggga cccccggaga ggctgctgag acccccgccc ggcctggcct ggccaagaag 900
ttcctgccct ggagcctggc ccgggagccg ccacccgagg cgctgaagga ggcggtgctg 960
cgctacagcc tggccgacga ggcctccatg gacagcgggg cacgctggca gcgcgggagg 1020
ctggcgctgc gccgggcccc gggccccgat ggccccgacc gcgtgctgga gctcttcgac 1080
ccacccaaga gttcaaggcc caagctacaa gcagcttgct ccagcatcca ggaggtccgg 1140
tggtgcacac ggcttgagat gcctgacaac ctttacacct ttgtgctgaa ggtgaaggac 1200
cggacagaca tcatctttga ggtgggagac gagcagcagc tgaattcatg gatggctgag 1260
ctctcggagt gcacaggccg agggctggag agcacagaag cagagatgca tattccctca 1320
gccctagagc ctagcacgtc cagctcccca aggggcagca cagattccct taaccaaggt 1380
gcttctcctg gggggctgct ggacccggcc tgccagaaga cggaccattt cctgtcctgc 1440
tacccctggt tccacggccc catctccaga gtgaaagcag ctcagctggt tcagctgcag 1500
ggccctgatg ctcatggagt gttcctggtg cggcagagcg agacgcggcg tggggaatac 1560
gtgctcactt tcaactttca ggggatagcc aagcacctgc gcctgtcgct gacagagcgg 1620
ggccagtgcc gtgtgcagca cctccacttt ccctcggtcg tggacatgct ccaccacttc 1680
cagcgctcgc ccatcccact cgagtgcggc gccgcctgtg atgtccggct ctccagctac 1740
gtggtagtcg tctcccaacc accaggttcc tgcaacacgg tcctcttccc tttctccctt 1800
cctcactggg attcagagtc ccttcctcac tggggttcag agttgggcct tccccacctt 1860
agttcttctg gctgtccccg ggggctcagc ccagagggtc tcccagggcg atcctcaccc 1920
cccgagcaga tcttccacct ggtgccttcg cccgaagaac tggccaacag cctgcagcac 1980
ctggagcatg agcctgtgaa tcgagcccgg gactcggact acgaaatgga ctcatcctcc 2040
cggagccacc tgcgggccat agacaatcag tacacacctc tctgaccagt gaggaattcc 2100
aggcctcaac agctgccctt gaggagcaca ggcagaagtg tgaacttgtg aatgtaattg 2160
atctttcctt ccttccagag aaagatttaa gggacactgt taactgctcg tgccagtttg 2220
gaagtgaccc ttctattagg cctgttgaag ggccctcctg taggtttcat ctatccacct 2280
ggctttctcc ttattgttta cagatgtagt tcttgttaga ggatgccgct agctcctgcc 2340
cggggtccct atgcccagtc cccgttactc ttagagaaag gagttggggt gagggccaga 2400
gctggcagtg gaaacttgtt ctctttttca ctgacactgt cacagcggat gacagacttt 2460
ctacggggag gaggggggga tcatcaggaa gcccagaaca ctaacaagcg gttctcccat 2520
ctaccgtcag tccacatggc aggtctgctg tgtccacacc acagatgacc acatctaatc 2580
ctgcttctac tctcagcttt aggacaaaag ctctgtcaga ggcacaagct gaaggtcaaa 2640
aatgatttaa aacattttac ctcagactaa tttctttaaa ggattcaggt tcaaaactta 2700
accactgctt atttcagtgc actgtttcaa ctaacaccca tgctattttt gtagtcagaa 2760
acagctatgc aaaccctacc taatttacag tctgagccag catgctggct tgtctactgc 2820
atcctcggga cagtcacctg ccactgagtg gccactgtcc ttcctaaatg tcaagaagtg 2880
aagtatgtca ccctttcagg gaaattcagg caattactga aataggaggg tggcaagaac 2940
agttctatcc tggtgcctta cgaataaaaa actggattct ggtttacagc agctttacag 3000
tgatagttaa attaactggg gctaggggaa gagcaagcaa aaagggaaga aggactccta 3060
ggccctttct agtaaatcct tcagcaacaa ggctggcttg gtgccctcca agcatctaat 3120
ggcttattaa attatcccac aagtgggttt taggctcctt ttttgagcca aaatggaagc 3180
tgggaatctg gtgccataac taatgagaaa ctcctttaat agcccacaat cagtgttctg 3240
ttctagctgg ctactgcttc actggattga gaatctatct atctccttgc acacatgggc 3300
acacacaatc tccaccatcc agggaggtcc tgaagtcaaa tctctatcta tacaagtgat 3360
acaattcata gggggctggc tcctcccaga acctgtctgg aggctcagaa acgggggcag 3420
tgacagtgga gtcagctgct cttgggtgcc agcagagcca ttcagtacaa cccccaggct 3480
cacagcagtg gcttctagga aactgggagt ttagatcagc tttacagata catcgatcag 3540
aggctaaaat gaaacctcag cctaaaactc ataggactga ctgcctggga ggagggttag 3600
gtctgcttct tccacttata cttagtctct gtgctccaag aggtcaaatt tttgcttcta 3660
gaatttcctt ggggtctttc agagggtggg ggaacaaacc cctatgcact tttctttttt 3720
ttttttttga gatggagttt ctcttgtcaa ccgggctgga gtgcagtggt gcaatcttgg 3780
ctcactgcaa cctccacctt cctggttcaa gcgattctgc ctcgacctct caagtagctg 3840
ggattacaag caccagccac catgcctggc taattttgta tttttagtag agacagggtt 3900
tcaccatgtt ggccaggctg gtctcgaatg tctgacctca ggtgatccac ccgccttggc 3960
ctcccaaagt gctgggatta caggcgcgag ccaccgcgcc cagcctacac cacttttagt 4020
accaacactc ttgggtgatt tcatggaccc taaagcagac ctgacactga tccagatttg 4080
cagtccattt ttaaggacac ctgtctttat ttcctcaaag tcaagcagct ttctctggaa 4140
aatgaatgct aattagtgtg aaccaaaaga gtaagtaaga gtctgaagtt tttttaaagg 4200
agaaagctta ttatggaaag tcactggtcc tcccctccgc acaggaaagg tacccagtag 4260
ataatgaacc aaattaagtt ccctccctcc agccagaagt taaacatctg ggatatgacg 4320
tcttcatgcc aggggcactc atttcttagc agcctctcta catacatctc tcaggtggtg 4380
ccaagaggca caccaggtag agcaaactta gcagctctga ctaacaggct gcaaagtgca 4440
agttcagatt ctgtggcaga gatttggaag gcacccacct ccagactgct tcccgtccaa 4500
gttaccagga cagctcaaaa acatgctgac agaaaactcc catggctcta ggaagaagtg 4560
acactaagcc aacacctttc tttatgtggg agcagaatca gctgatgaag gggtgggcag 4620
cagtgtgggg caggcacccc actggctgca gctagcccac cataggcaca gcacatccca 4680
ccactctcct tccagtcctg accaggcccc agccggcaac ttctaccgag agccatggct 4740
caacaccaaa ctggacagta gacatcatga tccctccagt tagctctaat tacagacccc 4800
accagtacag cttgacagct cccggcacca tcccttcctt catctgactt attgaacttt 4860
tacaaactaa cagtcaccag caccaaagaa ttaagtcaac taacctgcct tgaattttag 4920
accagcaatc catatggctt tatctggtat aaatcttctg cctttgatca tttctggacc 4980
gtaggaaaaa ggaatagcaa tcattaaaat cttgggccag agaacactat ttttacataa 5040
cagtttctta acctaaagtc aaggccttgg actcttccct gagggttgcc tgagattcct 5100
tcatgctttc tattcaggac taagtccctt actgcaaatg tgttagctct aacatctccc 5160
acaagctaga ggaacttgcg agtatattaa caaggacaca tctgacatcc tgtgtttggt 5220
tagaatatac agcacattgt gataacataa agtggattca tcttgtatca ttataggcag 5280
aaggtatttg gcaaattttt atgtattgtt ttatgtactg tacaagtaac ttattcttga 5340
ataatgcaaa ttttgctata atgtacaaat tgctatatgt gaattaaaaa gttttcagaa 5400
tcttgaaaaa aaaaaaaaaa aaaaa 5425
<210> 2
<211> 4500
<212> RNA
<213> Homo sapiens
<220>
<223> SH2B adaptor protein 3 (SH2B3), transcript variant 2 (SEQ ID
NO:2)
<400> 2
atagtaatga gagtccgtgc cgggtggagc tcagaaggac atgggattcc cggtgctgtg 60
ccgtggctgg aggaggacct ggcctggctg tgccagttgg ctgggagccc ctccacccca 120
gaagcccttg ctctcacctc ttcttctgaa tcatcgttct tcgaagagtt caaggcccaa 180
gctacaagca gcttgctcca gcatccagga ggtccggtgg tgcacacggc ttgagatgcc 240
tgacaacctt tacacctttg tgctgaaggt gaaggaccgg acagacatca tctttgaggt 300
gggagacgag cagcagctga attcatggat ggctgagctc tcggagtgca caggccgagg 360
gctggagagc acagaagcag agatgcatat tccctcagcc ctagagccta gcacgtccag 420
ctccccaagg ggcagcacag attcccttaa ccaaggtgct tctcctgggg ggctgctgga 480
cccggcctgc cagaagacgg accatttcct gtcctgctac ccctggttcc acggccccat 540
ctccagagtg aaagcagctc agctggttca gctgcagggc cctgatgctc atggagtgtt 600
cctggtgcgg cagagcgaga cgcggcgtgg ggaatacgtg ctcactttca actttcaggg 660
gatagccaag cacctgcgcc tgtcgctgac agagcggggc cagtgccgtg tgcagcacct 720
ccactttccc tcggtcgtgg acatgctcca ccacttccag cgctcgccca tcccactcga 780
gtgcggcgcc gcctgtgatg tccggctctc cagctacgtg gtagtcgtct cccaaccacc 840
aggttcctgc aacacggtcc tcttcccttt ctcccttcct cactgggatt cagagtccct 900
tcctcactgg ggttcagagt tgggccttcc ccaccttagt tcttctggct gtccccgggg 960
gctcagccca gagggtctcc cagggcgatc ctcacccccc gagcagatct tccacctggt 1020
gccttcgccc gaagaactgg ccaacagcct gcagcacctg gagcatgagc ctgtgaatcg 1080
agcccgggac tcggactacg aaatggactc atcctcccgg agccacctgc gggccataga 1140
caatcagtac acacctctct gaccagtgag gaattccagg cctcaacagc tgcccttgag 1200
gagcacaggc agaagtgtga acttgtgaat gtaattgatc tttccttcct tccagagaaa 1260
gatttaaggg acactgttaa ctgctcgtgc cagtttggaa gtgacccttc tattaggcct 1320
gttgaagggc cctcctgtag gtttcatcta tccacctggc tttctcctta ttgtttacag 1380
atgtagttct tgttagagga tgccgctagc tcctgcccgg ggtccctatg cccagtcccc 1440
gttactctta gagaaaggag ttggggtgag ggccagagct ggcagtggaa acttgttctc 1500
tttttcactg acactgtcac agcggatgac agactttcta cggggaggag ggggggatca 1560
tcaggaagcc cagaacacta acaagcggtt ctcccatcta ccgtcagtcc acatggcagg 1620
tctgctgtgt ccacaccaca gatgaccaca tctaatcctg cttctactct cagctttagg 1680
acaaaagctc tgtcagaggc acaagctgaa ggtcaaaaat gatttaaaac attttacctc 1740
agactaattt ctttaaagga ttcaggttca aaacttaacc actgcttatt tcagtgcact 1800
gtttcaacta acacccatgc tatttttgta gtcagaaaca gctatgcaaa ccctacctaa 1860
tttacagtct gagccagcat gctggcttgt ctactgcatc ctcgggacag tcacctgcca 1920
ctgagtggcc actgtccttc ctaaatgtca agaagtgaag tatgtcaccc tttcagggaa 1980
attcaggcaa ttactgaaat aggagggtgg caagaacagt tctatcctgg tgccttacga 2040
ataaaaaact ggattctggt ttacagcagc tttacagtga tagttaaatt aactggggct 2100
aggggaagag caagcaaaaa gggaagaagg actcctaggc cctttctagt aaatccttca 2160
gcaacaaggc tggcttggtg ccctccaagc atctaatggc ttattaaatt atcccacaag 2220
tgggttttag gctccttttt tgagccaaaa tggaagctgg gaatctggtg ccataactaa 2280
tgagaaactc ctttaatagc ccacaatcag tgttctgttc tagctggcta ctgcttcact 2340
ggattgagaa tctatctatc tccttgcaca catgggcaca cacaatctcc accatccagg 2400
gaggtcctga agtcaaatct ctatctatac aagtgataca attcataggg ggctggctcc 2460
tcccagaacc tgtctggagg ctcagaaacg ggggcagtga cagtggagtc agctgctctt 2520
gggtgccagc agagccattc agtacaaccc ccaggctcac agcagtggct tctaggaaac 2580
tgggagttta gatcagcttt acagatacat cgatcagagg ctaaaatgaa acctcagcct 2640
aaaactcata ggactgactg cctgggagga gggttaggtc tgcttcttcc acttatactt 2700
agtctctgtg ctccaagagg tcaaattttt gcttctagaa tttccttggg gtctttcaga 2760
gggtggggga acaaacccct atgcactttt cttttttttt tttttgagat ggagtttctc 2820
ttgtcaaccg ggctggagtg cagtggtgca atcttggctc actgcaacct ccaccttcct 2880
ggttcaagcg attctgcctc gacctctcaa gtagctggga ttacaagcac cagccaccat 2940
gcctggctaa ttttgtattt ttagtagaga cagggtttca ccatgttggc caggctggtc 3000
tcgaatgtct gacctcaggt gatccacccg ccttggcctc ccaaagtgct gggattacag 3060
gcgcgagcca ccgcgcccag cctacaccac ttttagtacc aacactcttg ggtgatttca 3120
tggaccctaa agcagacctg acactgatcc agatttgcag tccattttta aggacacctg 3180
tctttatttc ctcaaagtca agcagctttc tctggaaaat gaatgctaat tagtgtgaac 3240
caaaagagta agtaagagtc tgaagttttt ttaaaggaga aagcttatta tggaaagtca 3300
ctggtcctcc cctccgcaca ggaaaggtac ccagtagata atgaaccaaa ttaagttccc 3360
tccctccagc cagaagttaa acatctggga tatgacgtct tcatgccagg ggcactcatt 3420
tcttagcagc ctctctacat acatctctca ggtggtgcca agaggcacac caggtagagc 3480
aaacttagca gctctgacta acaggctgca aagtgcaagt tcagattctg tggcagagat 3540
ttggaaggca cccacctcca gactgcttcc cgtccaagtt accaggacag ctcaaaaaca 3600
tgctgacaga aaactcccat ggctctagga agaagtgaca ctaagccaac acctttcttt 3660
atgtgggagc agaatcagct gatgaagggg tgggcagcag tgtggggcag gcaccccact 3720
ggctgcagct agcccaccat aggcacagca catcccacca ctctccttcc agtcctgacc 3780
aggccccagc cggcaacttc taccgagagc catggctcaa caccaaactg gacagtagac 3840
atcatgatcc ctccagttag ctctaattac agaccccacc agtacagctt gacagctccc 3900
ggcaccatcc cttccttcat ctgacttatt gaacttttac aaactaacag tcaccagcac 3960
caaagaatta agtcaactaa cctgccttga attttagacc agcaatccat atggctttat 4020
ctggtataaa tcttctgcct ttgatcattt ctggaccgta ggaaaaagga atagcaatca 4080
ttaaaatctt gggccagaga acactatttt tacataacag tttcttaacc taaagtcaag 4140
gccttggact cttccctgag ggttgcctga gattccttca tgctttctat tcaggactaa 4200
gtcccttact gcaaatgtgt tagctctaac atctcccaca agctagagga acttgcgagt 4260
atattaacaa ggacacatct gacatcctgt gtttggttag aatatacagc acattgtgat 4320
aacataaagt ggattcatct tgtatcatta taggcagaag gtatttggca aatttttatg 4380
tattgtttta tgtactgtac aagtaactta ttcttgaata atgcaaattt tgctataatg 4440
tacaaattgc tatatgtgaa ttaaaaagtt ttcagaatct tgaaaaaaaa aaaaaaaaaa 4500

Claims (30)

1.一种用于对疾病治疗、尤其心血管再生的响应的预测的方法,其中所述方法包括
(i)在受试者的样本中确定一基因和/或基因表达作为生物标志物,其中所述基因和/或基因表达包括突变变异体,
(ii)将被确定的基因和/或基因表达突变变异体与基线值和/或基准比较,优选与没有体细胞突变的基因和/或基因表达的非疾病类型或个体的参考细胞的基线值和/或基准比较,
(iii)基于所述比较的结果在所述受试者中预测对疾病治疗、尤其组织修复、优选心脏修复的响应是被预期的、不被预期的还是含糊不定的。
2.根据权利要求1所述的用于对疾病治疗、尤其心血管再生的响应的预测的方法,其中所述方法包括
(i)在受试者的样本中确定SH2B3-基因和/或SH2B3-基因表达作为生物标志物,其中所述SH2B3-基因和/或SH2B3-基因表达包括突变变异体,
(ii)将该被确定的SH2B3-基因和/或SH2B3-基因表达突变变异体与基线值和/或基准比较,优选与没有体细胞突变的基因和/或基因表达的SH2B3非疾病类型或个体的参考细胞的基线值和/或基准比较,
(iii)基于所述比较的结果在所述受试者中预测对疾病治疗、尤其组织修复、优选心脏修复的响应是被预期的、不被预期的还是含糊不定的。
3.根据权利要求2所述的方法,其中所述SH2B3-基因和/或SH2B3-基因表达是敲除基因和/或敲除基因表达变异体。
4.根据权利要求2和/或3所述的方法,其中所述SH2B3-基因和/或SH2B3-基因表达包含SH2B3-基因和/或SH2B3-基因表达变异体1和/或SH2B3-基因和/或SH2B3-基因表达变异体2中的至少一个突变。
5.根据权利要求2、3和/或4所述的方法,其中所述SH2B3-基因和/或SH2B3-基因表达包含根据SEQ ID NO:1和/或SEQ ID NO:2的序列。
6.根据前述权利要求中任一项所述的方法,其中所述方法还使用LNK蛋白表达和/或SH2B3-基因和/或SH2B3-基因表达变异体的功能的分析。
7.根据前述权利要求中任一项所述的方法,其中所述方法还使用一个或更多个生物标志物,其中其它生物标志物选自血管生成因子、存活因子、趋化因子、循环内皮祖细胞(EPC)、循环内皮细胞(CEC)、循环血小板、循环单核细胞和亚群、MNC亚群和/或全基因组序列RNA上的受体/配体表达。
8.根据前述权利要求中任一项所述的方法,其中所述生物标志物优选选自PLCG1、EPO、LPCAT2、GRB2、AP1B1、AFAP1、KLF8、MARK3、REX1BD、SACM1L、PDGFRB、VEGF、BEX3、Delta_CT_SH2B3、ZNF205、LTB、EMG1、CD34+细胞/ml PB、BAZ1A和/或CD133+细胞/ml PB,更优选选自PLCG1、EPO、LPCAT2、GRB2、AP1B1、AFAP1、KLF8、MARK3、REX1BD、SACM1L、PDGFRB和/或VEGF。
9.根据前述权利要求中任一项所述的方法,其中预测准确性的灵敏度和特异性高于约90%,优选地高于约92%,更优选地高于约93%,最优选地高于约94%。
10.根据前述权利要求中任一项所述的方法,其中PLCG1、LPCAT2、GRB2、AP1B1、AFAP1、KLF8、MARK3、REX1BD、SACM1L、PDGFRB、BEX3、ZNF205、EMG1、BAZ1A和/或LTB在RNA水平上被测定和/或其中EPO和/或VEGF在蛋白质水平上被测定。
11.根据前述权利要求中任一项所述的方法,其中所述方法用于对干细胞疗法和/或血管生成响应的诱导和/或包括心肌梗塞、中风和外周缺血性血管疾病、心脏病在内的心血管疾病的组织修复和/或缺血预处理的响应的术前预测。
12.根据前述权利要求中任一项所述的用于对干细胞疗法的响应的预测的方法,其中所述样本取自患有心脏病和/或动脉硬化的受试者。
13.根据前述权利要求中任一项所述的方法,其中所述方法包括剖析至少两个、三个、四个、五个、六个或更多个时间点的比较结果。
14.根据前述权利要求中任一项所述的方法,其中所述方法还包括临床诊断参数的使用。
15.根据前述权利要求中任一项所述的方法,其中所述方法用于剖析血管生成响应。
16.根据前述权利要求中任一项所述的方法,其中所述方法还包括分析RNA和/或mRNA序列和/或功能性RNA例如microRNA和/或非编码RNA和/或包含诊断特征的SNP。
17.根据前述权利要求中任一项所述的方法,其中所述方法还包括采用RNA和/或DNA序列分析和/或网络路径分析来分析药代动力学和药物遗传学数据。
18.根据前述权利要求中任一项所述的方法,其中所述方法还包括表型的分析。
19.根据前述权利要求中任一项所述的方法,其中所述干细胞疗法包括CD133阳性干细胞的移植。
20.根据前述权利要求中任一项所述的方法,其中所述受试者是人类。
21.根据前述权利要求中任一项所述的方法,其中所述样本是血液、血清和/或血浆样本和/或组织活检样本和/或循环干细胞例如EPC的样本。
22.一种生物标志物,所述生物标志物选自SH2B3-基因和/或SH2B3-基因表达突变变异体和/或源自SH2B3-基因和/或SH2B3-基因表达突变变异体的淋巴细胞衔接蛋白质表达,其在用于对疾病治疗、尤其心血管再生的响应的预测的方法中使用。
23.根据权利要求22所述的生物标志物,所述生物标志物在用于对疾病治疗、尤其对心血管再生的响应的预测的方法中使用,其中所述生物标志物与一个或更多个其它生物标志物组合使用,其中所述其它生物标志物选自血管生成因子、存活因子、趋化因子、循环内皮祖细胞(EPC)、循环内皮细胞(CEC)、循环血小板、循环单核细胞和亚群、MNC亚群和/或全基因组序列RNA上的受体/配体表达。
24.根据权利要求23所述的生物标志物的组合,所述生物标志物在用于对疾病治疗、尤其对心血管再生的响应的预测的方法中使用,其中所述生物标志物与一个或更多个其它生物标志物组合使用,其中所述生物标志物选自PLCG1、EPO、LPCAT2、GRB2、AP1B1、AFAP1、KLF8、MARK3、REX1BD、SACM1L、PDGFRB、VEGF、BEX3、Delta_CT_SH2B3、ZNF205、LTB、EMG1、CD34+细胞/ml PB、BAZ1A和/或CD133+细胞/ml PB,更优选选自PLCG1、EPO、LPCAT2、GRB2、AP1B1、AFAP1、KLF8、MARK3、REX1BD、SACM1L、PDGFRB和/或VEGF。
25.根据权利要求23或24所述的生物标志物的组合,所述生物标志物在用于对疾病治疗、尤其对心血管再生的响应的预测的方法中使用,其中PLCG1、LPCAT2、GRB2、AP1B1、AFAP1、KLF8、MARK3、REX1BD、SACM1L、PDGFRB、BEX3、ZNF205、EMG1、BAZ1A和/或LTB在RNA水平上被测定和/或其中EPO和/或VEGF在蛋白质水平上被测定。
26.根据权利要求22所述的生物标志物或根据权利要求23至25中任一项所述的生物标志物的组合,其在用于对疾病治疗、尤其对心血管再生的响应的预测的方法中使用,其中所述方法还包括对临床诊断数据、和/或RNA和/或mRNA和/或功能性RNA例如microRNA和/或非编码RNA和/或SNP的分析,和/或对药代动力学数据的分析,和/或对表型的分析。
27.根据权利要求1至21中任一项所述的方法或根据权利要求22所述的生物标志物或根据权利要求23至26中任一项所述的生物标志物的组合,其中所述方法和/或所述生物标志物用于对干细胞疗法的响应的术前预测,并且其中所述干细胞疗法伴随有冠状动脉旁路移植术(CABG)和/或缺血-再灌注干预。
28.一种试剂盒,其适合用于执行根据权利要求1至21中任一项所述的方法,其中所述试剂盒包括检测剂,所述检测剂用于在所述受试者的样本中确定权利要求1至10所述的一个或更多个生物标志物中的每个的量。
29.一种计算机设备,所述计算机设备包括处理器和耦合至所述处理器的编码一个或多个机器学习(ML)模型的存储器,其中所述程序使所述处理器执行以下方法,所述方法包括
(iii)将根据权利要求1至10中任一项确定的所述的一个或更多个生物标志物与基线值和/或基准比较,优选与没有突变变异体的SH2B3-基因和/或SH2B3-基因表达的基线值和/或基准比较,
(iv)基于所述比较的结果在受试者中预测对疾病治疗、尤其组织再生、优选心血管再生的响应是被预期的、不被预期的还是含糊不定的。
30.一种设备,所述设备适合用于执行根据权利要求1至21中任一项所述的方法,所述设备包括
(i)分析单元,所述分析单元用于在所述受试者的样本中确定根据权利要求1至10中任一项所述的生物标志物相应的量,以及
(ii)根据权利要求29所述的计算机设备。
CN201980082503.9A 2018-10-12 2019-10-11 用于对骨髓干细胞疗法的响应的预测的方法 Pending CN113195739A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102018125324.9 2018-10-12
DE102018125324.9A DE102018125324A1 (de) 2018-10-12 2018-10-12 Verfahren zur Vorhersage einer Antwort auf die Therapie von Krankheiten
PCT/EP2019/077650 WO2020074726A1 (en) 2018-10-12 2019-10-11 Method for prediction of response to bone marrow stem cell therapy

Publications (1)

Publication Number Publication Date
CN113195739A true CN113195739A (zh) 2021-07-30

Family

ID=68240750

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980082503.9A Pending CN113195739A (zh) 2018-10-12 2019-10-11 用于对骨髓干细胞疗法的响应的预测的方法

Country Status (7)

Country Link
US (1) US20210371929A1 (zh)
EP (1) EP3864176A1 (zh)
JP (1) JP2022512664A (zh)
KR (1) KR20210100088A (zh)
CN (1) CN113195739A (zh)
DE (1) DE102018125324A1 (zh)
WO (1) WO2020074726A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113604544A (zh) * 2021-08-03 2021-11-05 北京大学口腔医学院 一种生物材料功能预测评价方法
CN114155910A (zh) * 2021-11-12 2022-03-08 哈尔滨工业大学 一种癌症体细胞突变功能影响预测方法
CN117238486A (zh) * 2023-11-14 2023-12-15 西南医科大学附属医院 一种基于元胞自动机的脊髓损伤评定方法及系统

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112837753B (zh) * 2021-02-07 2022-07-22 中国科学院新疆理化技术研究所 一种基于多模态堆叠自动编码机的microRNA-疾病关联预测方法
TWI822547B (zh) * 2023-01-04 2023-11-11 中國醫藥大學 使用頸動脈超聲特徵的機器學習分析來預測復發性中風之系統

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100160802A1 (en) * 2008-12-12 2010-06-24 Decode Genetics Ehf. Genetic Variants as Markers for Use in Diagnosis, Prognosis and Treatment of Eosinophilia, Asthma, and Myocardial Infarction
WO2011088125A1 (en) * 2010-01-14 2011-07-21 The Board Of Trustees Of The Leland Stanford Junior University Mutations in the lnk gene in patients with myeloproliferative neoplasms and other hematolymphoid malignancies
CN104107429A (zh) * 2014-08-01 2014-10-22 武汉大学 Sh2b衔接蛋白3(sh2b3)在治疗心肌肥厚中的功能及应用
US20140328811A1 (en) * 2011-08-01 2014-11-06 Alnylam Pharmaceuticals, Inc. Method for improving the success rate of hematopoietic stem cell transplants
WO2017201164A1 (en) * 2016-05-17 2017-11-23 Genecentric Diagnostics, Inc. Methods for subtyping of lung squamous cell carcinoma
CN107429231A (zh) * 2014-11-24 2017-12-01 儿童医学中心公司 调节sh2b3以改善来自干细胞和/或祖细胞的红细胞的产生
CN108513586A (zh) * 2015-09-30 2018-09-07 因姆内克斯普雷斯私人有限公司 病原体生物标志物及其用途
DE102017107661A1 (de) * 2017-04-10 2018-10-11 Universität Rostock SH2B-Adapterprotein-3 für die Vorhersage einer Knochenmarkantwort und Immunantwort

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8617877B2 (en) * 2007-11-02 2013-12-31 The Johns Hopkins University Cardiac stem cell and myocyte secreted paracrine factors
DE102017116204B4 (de) * 2017-07-18 2024-06-27 Universität Rostock Verfahren zur Vorhersage der Antwort auf die kardiovaskuläre Regeneration

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100160802A1 (en) * 2008-12-12 2010-06-24 Decode Genetics Ehf. Genetic Variants as Markers for Use in Diagnosis, Prognosis and Treatment of Eosinophilia, Asthma, and Myocardial Infarction
WO2011088125A1 (en) * 2010-01-14 2011-07-21 The Board Of Trustees Of The Leland Stanford Junior University Mutations in the lnk gene in patients with myeloproliferative neoplasms and other hematolymphoid malignancies
US20140328811A1 (en) * 2011-08-01 2014-11-06 Alnylam Pharmaceuticals, Inc. Method for improving the success rate of hematopoietic stem cell transplants
CN104107429A (zh) * 2014-08-01 2014-10-22 武汉大学 Sh2b衔接蛋白3(sh2b3)在治疗心肌肥厚中的功能及应用
CN107429231A (zh) * 2014-11-24 2017-12-01 儿童医学中心公司 调节sh2b3以改善来自干细胞和/或祖细胞的红细胞的产生
CN108513586A (zh) * 2015-09-30 2018-09-07 因姆内克斯普雷斯私人有限公司 病原体生物标志物及其用途
WO2017201164A1 (en) * 2016-05-17 2017-11-23 Genecentric Diagnostics, Inc. Methods for subtyping of lung squamous cell carcinoma
DE102017107661A1 (de) * 2017-04-10 2018-10-11 Universität Rostock SH2B-Adapterprotein-3 für die Vorhersage einer Knochenmarkantwort und Immunantwort
CN110506125A (zh) * 2017-04-10 2019-11-26 罗斯托克大学校行政管理中心1.1法律部 用于预测骨髓应答和免疫应答的sh2b衔接蛋白3

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
GUSTAV STEINHOFF等: "Cardiac Function Improvement and Bone Marrow Response -: Outcome Analysis of the Randomized PERFECT Phase III Clinical Trial of Intramyocardial CD133+ Application After Myocardial Infarction", 《EBIOMEDICINE》, vol. 22, pages 220 - 221 *
LAURA VELAZQUEZ: "The Lnk adaptor protein: a key regulator of normal and pathological hematopoiesis", 《ARCH IMMUNOL THER EXP (WARSZ)》, vol. 60, no. 6, pages 425 *
MICHAEL J FLISTER等: "SH2B3 Is a Genetic Determinant of Cardiac Inflammation and Fibrosis", 《CIRC CARDIOVASC GENET》, vol. 8, no. 2, pages 294 - 304, XP055920853, DOI: 10.1161/CIRCGENETICS.114.000527 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113604544A (zh) * 2021-08-03 2021-11-05 北京大学口腔医学院 一种生物材料功能预测评价方法
CN113604544B (zh) * 2021-08-03 2023-03-10 北京大学口腔医学院 一种生物材料功能预测评价方法
CN114155910A (zh) * 2021-11-12 2022-03-08 哈尔滨工业大学 一种癌症体细胞突变功能影响预测方法
CN117238486A (zh) * 2023-11-14 2023-12-15 西南医科大学附属医院 一种基于元胞自动机的脊髓损伤评定方法及系统
CN117238486B (zh) * 2023-11-14 2024-02-02 西南医科大学附属医院 一种基于元胞自动机的脊髓损伤评定方法及系统

Also Published As

Publication number Publication date
EP3864176A1 (en) 2021-08-18
US20210371929A1 (en) 2021-12-02
DE102018125324A1 (de) 2020-04-16
WO2020074726A1 (en) 2020-04-16
JP2022512664A (ja) 2022-02-07
KR20210100088A (ko) 2021-08-13

Similar Documents

Publication Publication Date Title
CN113195739A (zh) 用于对骨髓干细胞疗法的响应的预测的方法
Shrivastava et al. Biomarkers for heart failure prognosis: proteins, genetic scores and non-coding RNAs
Chen et al. WWP2 regulates pathological cardiac fibrosis by modulating SMAD2 signaling
US12012636B2 (en) Pulmonary hypertension biomarker
US20190127805A1 (en) Gene signatures for cancer detection and treatment
Bielecka-Dabrowa et al. Differences in biochemical and genetic biomarkers in patients with heart failure of various etiologies
AU2006267097A1 (en) Methods of diagnosing and treating an inflammatory response
Bielecka-Dabrowa et al. The profile of selected single nucleotide polymorphisms in patients with hypertension and heart failure with preserved and mid-range ejection fraction
CN110945357B (zh) 用于对心血管再生的响应的预测的方法
Joshua et al. Feline myocardial transcriptome in health and in hypertrophic cardiomyopathy—A translational animal model for human disease
Xie et al. Prognostic value of circulating mg53 levels in acute myocardial infarction
EP2646574B1 (en) Gpnmb/osteoactivin as a biomarker in cardiac diseases
Liu et al. Increase of circulating stromal cell-derived factor-1 in heart failure patients
Manuela et al. Adrenomedullin and intermedin gene transcription is increased in leukocytes of patients with chronic heart failure at different stages of the disease
Jurida et al. A common gene signature of the right ventricle in failing rat and human hearts
EP3610038B1 (en) Sh2b adapter protein 3 for the prediction of bone marrow response and immune response
EP2795337B1 (en) Screening methods to identify compounds useful in the prevention and/or treatment of inflammatory conditions
JP2013007724A (ja) 筋ジストロフィーの病態及び治療評価のための分子マーカー
Scolari et al. Clonal haematopoiesis is associated with major adverse cardiovascular events in patients with hypertrophic cardiomyopathy
Lee et al. Calcium reuptake related genes as a cardiac biomarker in dogs with chronic mitral valvular insufficiency
US20240093307A1 (en) Serum exosomal sf3b4 marker composition for diagnosing early stage hepatocellular carcinoma for noninvasive in vitro diagnosis
Masurkar et al. The novel cardiokine GDF3 predicts adverse fibrotic remodeling post-myocardial infarction
Marcantoni et al. Dysregulation of gene expression in human fetal endothelial cells from gestational diabetes in response to TGF-1
Quertermous Smad3 Regulates Smooth Muscle Cell Fate and Governs Adverse Remodeling and Calcification of Atherosclerotic Plaque
Nihtyanova et al. Scleroderma and related disorders: 223. Long Term Outcome in a Contemporary Systemic Sclerosis Cohort

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