CN115443337A - 经前综合征的重症度检测方法 - Google Patents
经前综合征的重症度检测方法 Download PDFInfo
- Publication number
- CN115443337A CN115443337A CN202180030487.6A CN202180030487A CN115443337A CN 115443337 A CN115443337 A CN 115443337A CN 202180030487 A CN202180030487 A CN 202180030487A CN 115443337 A CN115443337 A CN 115443337A
- Authority
- CN
- China
- Prior art keywords
- gene
- severity
- genes
- pms
- 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
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6869—Methods for sequencing
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/112—Disease subtyping, staging or classification
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/158—Expression markers
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/16—Primer sets for multiplex assays
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Health & Medical Sciences (AREA)
- Organic Chemistry (AREA)
- Wood Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Zoology (AREA)
- Genetics & Genomics (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Microbiology (AREA)
- Molecular Biology (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供简便且对受试者造成的负担少的经前综合征的重症度的检测方法。能够检测经前综合征的重症度的标记物。使用该标记物的受试者的经前综合征的重症度的检测方法。
Description
技术领域
本发明涉及检测经前综合征的重症度的方法。
背景技术
女性的月经前和/或月经中的身体上和精神上的不适称为月经期伴随症状,以经前综合征(Premenstrual Syndrome;以下,称为PMS)、和痛经为代表。由于PMS被指出也关系到女性的劳动生产性,因此,缓和或减轻以PMS、痛经为代表的月经期伴随症状来提高女性的生活质量QOL(Quality of Life),不仅在保健上重要,对于社会也很重要。
开发了通过生物体试样中的DNA和RNA等核酸的解析来研究人的机体内的现在、进而将来的生理状态的技术。使用了核酸的解析具有:确立了综合的解析方法而能够以一次性的解析得到丰富的信息;以及容易基于与单碱基多态性、RNA功能等相关的众多研究报告来功能性地联系解析结果等优点。来自生物体的核酸能够从血液等组织、体液、分泌物等提取。专利文献1中,记载了通过将皮肤表面脂质(skin surface lipids;SSL)所含的RNA作为生物体的解析用的试样使用,从SSL检测表皮、汗腺、毛囊和皮脂腺的标记物基因。
存在伴随作为女性激素的雌激素或黄体酮的产生而表达发生变化的基因。例如至今报道了AQP3(水通道蛋白3,aquaporin 3)、HIF-1α(缺氧诱导因子1亚基α,hypoxiainducible factor 1subunitα)、MFN2(线粒体融合蛋白2,mitofusin 2)、DEFB4A(defensinbeta 4A(防御素β4A)、或hBD-2)、hBD-3等(非专利文献1~3、专利文献2)。
(专利文献1)国际公开公报第2018/008319号
(专利文献2)日本特开2015-228829号公报
(非专利文献1)Hum Reprod,2018,33(11):2060-2073
(非专利文献2)Biol Reprod,2018,99(2):308-318
(非专利文献3)Mol Cell Endocrinol,2013,371:79-86
发明内容
本发明提供一种检测受试者的PMS的重症度的方法,其包括测定选自以下所示的基因:SH3BGRL3、NDUFA11、PSME2、SNORA24、SSR4、ZNF91、SNORA70、HSPA6、ALDH2、BRK1、C20orf111、CSNK1A1、STK10、GHITM、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、RABGEF1、ARF1、ACTN1、CHMP2A、GAK、STX3、SERP1和GAS7、以及该基因的翻译产物中的至少一个的表达的步骤。
另外,本发明提供一种PMS的重症度的标记物,其包含选自来下下述基因的核酸:SH3BGRL3、NDUFA11、PSME2、SNORA24、SSR4、ZNF91、SNORA70、HSPA6、ALDH2、BRK1、C20orf111、CSNK1A1、STK10、GHITM、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、RABGEF1、ARF1、ACTN1、CHMP2A、GAK、STX3、SERP1和GAS7、以及该基因的翻译产物中的至少一个。
具体实施方式
本说明书中所引用的全部专利文献、非专利文献和其它的刊行物,其整体在本说明书中作为参考援引。
经前综合征(Premenstrual Syndrome;PMS)在1931年由Frank(Archives ofNeurology and Psychiatry,1931,26:1053)首次报道,是在月经的1周前左右(黄体期)发生的身体上的综合征或精神上的综合征。医学上,PMS定义为“从月经开始的3~10天前开始的身体上的、精神上的症状且随着月经开始而消退或消失的症状”。关于PMS的代表性的症状,作为身体上的综合征,可以列举:下腹痛、腰痛、下腹部发胀、头痛、肩酸、手脚发冷、食欲增加、腹泻、便秘、浮肿、乳房痛、乳房发胀、容易长痤疮、皮肤粗糙、容易疲劳、犯困等,作为精神上的综合征,可以列举烦躁、易怒、变得具有攻击性、忧郁、易哭、焦虑增加等。
在本说明书中,PMS为重症是指上述PMS的身体上的症状或精神上的症状为重度的状态,PMS为轻症是指上述PMS的身体上的症状或精神上的症状为轻度的状态。以往,PMS等月经期伴随症状的重症度例如基于月经症状量表(Menstrual Distress Questionnaire,MDQ)的调查问卷的评分来评价。黄体期时的MDQ评分越高,评价为PMS的重症度越高。例如根据心理测量量表集III(Science公司、2001发行)所记载的MDQ,能够将黄体期的MDQ评分为66分以上的情况评价为PMS为重症,将48分以下的情况评价为PMS为轻症。
本发明涉及能够检测PMS的重症度的PMS重症度标记物、和使用了该标记物的PMS的重症度的检测方法。
本发明提供使用包含新型的标记物的PMS重症度标记物检测PMS的重症度的方法。本发明中使用的PMS重症度标记物能够从皮肤表面脂质(SSL)收集,因此,能够简便且非侵袭性地获得。因此,根据本发明,能够不对受试者带来负担地检测PMS的重症度。
本发明能够使以往不得不需要基于如上所述的黄体期的受试者的问诊进行评价的PMS的重症度更简便并且客观地基于基因或其翻译产物的表达来检测。另外,本发明能够基于在发生PMS的黄体期之前的卵泡期时的基因或其翻译产物的表达事先检测PMS的重症度。
在一个方式中,本发明提供PMS重症度标记物。如后述的实施例所示,本发明的发明人发现,下述表1所示的51种基因的表达与PMS的重症度之间具有关联性。并且,这些51种之中的表2所示的40种基因是以往还没有报道过与PMS的关联性的基因。因此,来自表1所示的基因的核酸、和该基因的翻译产物分别能够作为PMS的重症度的标记物使用。另外,来自表2所示的基因的核酸、和该基因的翻译产物是新型的PMS重症度标记物。
[表1]
[表2]
No. | 基因 | No. | 基因 |
1 | SH3BGRL3 | 21 | DDX6 |
2 | NDUFA11 | 22 | ALDH1A3 |
3 | PSME2 | 23 | TSPYL1 |
4 | SNORA24 | 24 | NUB1 |
5 | SSR4 | 25 | KRT6A |
6 | ZNF91 | 26 | CCL22 |
7 | SNORA70 | 27 | ELOVL3 |
8 | HSPA6 | 28 | TMEM66 |
9 | ALDH2 | 29 | GDI2 |
10 | BRK1 | 30 | MYL12B |
11 | C20orf111 | 31 | CCNI |
12 | CSNK1A1 | 32 | PSMC6 |
13 | STK10 | 33 | RABGEF1 |
14 | GHITM | 34 | ARF1 |
15 | RPL21 | 35 | ACTN1 |
16 | MED13 | 36 | CHMP2A |
17 | RPL32 | 37 | GAK |
18 | UBE2R2 | 38 | STX3 |
19 | RPS3 | 39 | SERP1 |
20 | PLEKHM2 | 40 | GAS7 |
本说明书中公开的基因的名称根据NCBI([www.ncbi.nlm.nih.gov/])所记载的Official Symbol(官方基因符号)。在本说明书中,“来自基因的核酸”包括由该基因转录的mRNA、由该mRNA制备的cDNA、来自该cDNA的反应产物(例如PCR产物、克隆DNA等)等。
在本发明中,能够基于表1所示的各基因或其翻译产物的表达量检测受试者的PMS的重症度。在本发明中,表1所示的基因或其翻译产物的表达量能够通过对来自该基因的核酸或该基因的翻译产物进行定量来测定。例如,能够通过对由该基因转录的mRNA、由该mRNA制备的cDNA、来自该cDNA的反应产物、或该mRNA翻译并合成的翻译产物(蛋白质等)进行定量,由此测定该基因或其翻译产物的表达量。
来自表1所示的基因的核酸或该基因的翻译产物能够根据由从受试者收集的生物体试样、例如细胞、体液、分泌物等根据通常方法制备。优选该核酸是由受试者的皮肤表面脂质(skin surface lipids;SSL)制备的mRNA。另外,优选该翻译产物是由受试者的SSL制备的翻译产物。
在本发明中,经前综合征的重症度的“检测”也能够换言为预测、检査、测定、判断或评估支持等的术语。此外,本发明中的经前综合征的重症度的“检测”、“预测”、“检査”、“测定”、“判断”或“评估”这些术语不包括由医生进行的经前综合征的重症度的诊断。
在本说明书中,“皮肤表面脂质(SSL)”是指存在于皮肤的表面上的脂溶性组分,有时也称为皮脂。一般而言,SSL主要包括由位于皮肤的皮脂腺等外分泌腺分泌的分泌物,以覆盖皮肤表面的薄的层的形态存在于皮肤表面上。SSL包含皮肤细胞所表达的RNA(参照专利文献1)。另外,在本说明书中,“皮肤”只要没有特别限定,就是指包括体表的表皮、真皮、毛囊、以及汗腺、皮脂腺及其它腺体等组织的区域的总称。
为了从受试者的皮肤收集SSL,能够采用从皮肤回收或除去SSL所使用的各种方法。能够优选使用后述的SSL吸收性材料、SSL粘附性材料、或从皮肤搓下SSL的器具。作为SSL吸收性材料或SSL粘附性材料,只要是对SSL具有亲和性的材料即可,没有特别限定,例如可以列举聚丙烯、纸浆等。作为从皮肤收集SSL的步骤的更详细的例子,可以列举使SSL被吸油纸、吸油膜等片状材料吸收的方法;使SSL粘附到玻璃板、胶带等的方法;利用刮板、刮刀等刮掉SSL并回收的方法等。为了提高SSL的吸附性,可以使用预先含有脂溶性高的溶剂的SSL吸收性材料。另一方面,SSL吸收性材料如果含有水溶性高的溶剂或水分则抑制SSL的吸附,因此,优选水溶性高的溶剂、水分的含量少。SSL吸收性材料优选以干燥的状态使用。作为可以收集SSL的皮肤的部位,没有特别限定,可以列举头、脸、脖子、躯体、手脚等的身体的任意的部位的皮肤,优选皮脂的分泌多的部位、例如脸的皮肤。
从受试者收集的SSL可以保存一定期间。为了尽量抑制所收集的SSL含有的RNA的分解,优选在收集后尽快以低温条件保存。本发明中的该含有RNA的SSL的保存的温度条件为0℃以下即可,优选为-20±20℃~-80±20℃、更优选为-20±10℃~-80±10℃、进一步优选为-20±20℃~-40±20℃、进一步优选为-20±10℃~-40±10℃、进一步优选为-20±10℃、进一步优选为-20±5℃。该含有RNA的SSL的该低温条件下的保存的期间没有特别限定,优选为12个月以下、例如6小时以上12个月以下、更优选为6个月以下、例如1天以上6个月以下、进一步优选为3个月以下、例如为3天以上3个月以下。
从收集的SSL提取RNA时,能够使用从生物体试样提取或纯化RNA所通常使用的方法,能够使用例如苯酚/氯仿法、AGPC(acid guanidinium thiocyanate-phenol-chloroform extraction,酸性硫氰酸胍-苯酚-氯仿萃取)法、或使用TRIzol(注册商标)、RNeasy(注册商标)、QIAzol(注册商标)等柱的方法、利用涂布有二氧化硅的特殊的磁体颗粒的方法;利用Solid Phase Reversible Immobilization(固相可逆固定)磁体颗粒的方法;利用ISOGEN等的市售的RNA提取试剂的提取等。另外,从SSL提取翻译产物时,能够使用从生物体试样提取或纯化蛋白质所通常使用的方法,例如,能够使用QIAzol LysisReagent(Qiagen)等的市售的蛋白质提取试剂。
通过使用由以上的步骤制备得到的核酸或翻译产物,调查表1所示的1个以上的基因或其翻译产物的表达,能够检测受试者的PMS的重症度。因此,在另一个方式中,本发明提供一种检测受试者的PMS的重症度的方法,其包括对选自表1所示的基因或其翻译产物中的至少一个的表达进行测定的步骤。
本发明的检测PMS的重症度的方法(以下,称为本发明的方法)中的受试者例如只要是人或非人哺乳动物的雌性且需要PMS的重症度的检测的对象即可。优选该受试者为在皮肤上具有SSL的动物,更优选为人。
在一个实施方式中,本发明的方法包括对受试者的选自表1所示的基因中的至少一个基因(以下,也称为目标基因(组))的表达进行测定的步骤。在另一个实施方式中,本发明的方法包括对受试者的选自表1所示的基因的翻译产物中的至少一个(以下,也称为目标产物(组))的表达进行测定的步骤。或者,也可以对目标基因(组)的表达和目标产物(组)的表达的双方进行测定。优选测定目标基因(组)的表达。
表1所示的基因之中,表2所示的基因为现在未报道过与PMS的关联性的基因。因此,在本发明的方法的优选实施方式中,该目标基因(组)为选自表2所示的基因中的至少一个,该目标产物(组)为选自表2所示的基因的翻译产物中的至少一个。另外,在本发明的方法中,可以使用选自表2所示的基因或其翻译产物中的至少一个与选自其它基因(即,表1中记载的CTNNB1、AQP3、ANXA1、ARHGDIB、DEFB4A、BIRC3、S100A7、SFN、HMGN2、HIF1A和MFN2)或它们的翻译产物中的至少一个的组合作为目标基因组或目标产物组,测定它们的表达。
优选本发明的方法中的该目标基因(组)或目标产物(组)的表达的测定使用受试者的SSL所含的RNA或翻译产物进行。在一个实施方式中,本发明的方法还可以包括收集受试者的SSL的步骤。在一个实施方式中,本发明的方法可以进一步包括对从该受试者收集的SSL提取RNA或翻译产物的步骤。
通过对来自受试者的试样、例如从SSL提取的RNA所含的目标基因来源的RNA的量进行定量,能够测定目标基因的表达量。来自受试者的RNA的量的测定根据该领域通常使用的利用RNA的基因表达解析的步骤来实施即可。作为利用RNA的基因表达解析的方法的例子,可以列举使RNA通过逆转录转变为cDNA之后通过实时PCR、多重PCR、微阵列、测序、层析等对该cDNA或其扩增产物进行定量的方法。翻译产物的表达量能够使用该领域中通常使用的蛋白质定量法、例如ELISA、免疫染色、荧光法、电泳、层析、质谱等进行测定。所测定的表达量可以为生物体试样中的目标基因(组)或目标产物(组)的表达的绝对量,或者也可以是相对于其它标准物质或者基因或翻译产物的总表达量的相对表达量。
在优选的实施方式中,本发明的方法中,将该来自受试者的RNA通过逆转录转变为cDNA,接着对该cDNA实施PCR,对所得到的反应产物进行纯化。该逆转录中,可以使用以要解析的特定的RNA为目标的引物,为了更全面的核酸的保存和解析优选使用随机引物。该逆转录时,能够使用通常的逆转录酶或逆转录试剂试剂盒。优选使用准确性和有效性高的逆转录酶或逆转录试剂试剂盒,作为其例子,优选使用M-MLV逆转录酶(ReverseTranscriptase)及其突变体、或者市售的逆转录酶或逆转录试剂试剂盒,例如可以列举PrimeScript(注册商标)逆转录酶系列(TAKARA BIO公司)、SuperScript(注册商标)逆转录酶系列(Thermo Scientific公司)等。优选使用SuperScript(注册商标)III逆转录酶、SuperScript(注册商标)VILO cDNA合成试剂盒(均为Thermo Scientific公司)等。所得到的cDNA的PCR中,可以使用将要解析的特定的DNA作为目标的引物对仅对该特定的DNA进行扩增,也可以使用多个引物对对多个DNA进行扩增。优选该PCR为多重PCR。多重PCR是通过在PCR反应体系中同时使用多个引物对而同时对多个基因区域进行扩增的方法。多重PCR能够使用市售的试剂盒(例如,Ion AmpliSeqTranscriptome Human Gene Expression Kit(IonAmpliSeqTranscriptome人类基因表达试剂盒);Life Techenologies Japan株式会社等)来实施。
通过调整该逆转录和PCR的反应条件,PCR反应产物的收率进一步提高,从而使用该PCR反应产物的解析的精度进一步提高。优选地,在该逆转录中的延伸反应中,优选将温度调整为42℃±1℃、更优选为42℃±0.5℃、进一步优选为42℃±0.25℃,另一方面,优选将反应时间调整为60分钟以上、更优选为80~120分钟。另外,优选地,该PCR中的退火和延伸反应的温度可以根据所使用的引物适当调整,例如使用上述的多重PCR试剂盒时,优选为62℃±1℃、更优选为62℃±0.5℃、进一步优选为62℃±0.25℃。因此,该PCR中,优选退火和延伸反应以1个步骤进行。该退火和延伸反应的步骤的时间可以根据所要扩增的DNA的大小等适当调整,优选为14~18分钟。该PCR中的变性反应的条件可以根据所要扩增的DNA进行调整,优选为在95~99℃、10~60秒。如上所述的温度和时间下的逆转录和PCR能够使用通常PCR所使用的热循环仪实行。
该PCR所得到的反应产物的纯化优选通过反应产物的尺寸分离来进行。通过尺寸分离,能够将目标PCR反应产物与PCR反应液中所含的引物、其它的杂质分离。DNA的尺寸分离例如能够通过尺寸分离柱、尺寸分离芯片、尺寸分离所能够利用的磁珠等来进行。作为尺寸分离所能够利用的磁珠的优选例子,可以列举Ampure XP等的Solid Phase ReversibleImmobilization(SPRI)磁性珠。
可以对纯化得到的PCR反应产物,实施用于进行其后的定量解析所需要的进一步处理。例如,为了DNA的测序,可以将纯化的PCR反应产物制备成适当的缓冲液溶液,或者将PCR扩增得到的DNA所含的PCR引物区域切断,或者对扩增得到的DNA进一步添加接头序列(adaptor sequence)。例如,可以将纯化得到的PCR反应产物制备成缓冲液溶液,对扩增DNA进行PCR引物序列的除去和接头连接,对所得到的反应产物根据需要扩增,制备用于定量解析的文库。这些操作例如能够使用SuperScript(注册商标)VILO cDNA Synthesis kit(Life Techenologies Japan株式会社)所附带的5×VILO RT Reaction Mix、和IonAmpliSeq Transcriptome Human Gene Expression Kit(Life Techenologies Japan株式会社)所附带的5×Ion AmpliSeq HiFi Mix、和Ion AmpliSeq Transcriptome Human GeneExpression Core Panel,根据各试剂盒所带的操作说明来进行。测序中,优选使用二代测序仪(例如Ion S5/XL系统,Life Techenologies Japan株式会社)。基于测序中制作的读段的数量(读段数,Read Count)进行RNA表达的定量。
优选本发明的方法中基于该目标基因(组)或该目标产物(组)的表达量来检测受试者的PMS的重症度。例如,表1所示的基因根据伴随PMS的重症度的其表达量的变动方式分为表3和表4所示的2组。能够利用它们的变动方式检测受试者的PMS的重症度。
表3所示的基因是在PMS为重症时表达增加、在PMS为轻症时表达降低的基因。而表4所示的基因是在PMS为重症时表达降低、在PMS为轻症时表达增加的基因。通过将表3和表4所示的基因或其翻译产物中的任意1个以上的表达量作为基准,能够检测受试者的PMS的重症度(例如是否为重症)。表3和表4所示的基因之中下划线所示的22种和18种基因分别为现在未被报道与PMS的关联性的基因(表2所示的基因)。
[表3]
[表4]
在本发明的方法的一个实施方式中,将各个目标基因(组)或目标产物(组)的表达量直接作为用于检测PMS的重症度的参数使用。例如,通过对月经周期的特定的时期(例如卵泡期或黄体期,以下相同)中的受试者的目标基因或目标产物的表达量定期(例如每月)进行测定,追踪其表达量的变动,能够检测该受试者的PMS的重症度。或者,通过在月经周期的特定的时期将对受试者测得的目标基因或目标产物的表达量与月经周期的相同时期的该目标基因或目标产物的基准表达量进行对比,能够检测该受试者的PMS的重症度。目标基因或目标产物的基准表达量能够使用预先确定的值,例如使用该目标基因或目标产物在月经周期的特定的时期中的表达量的统计值(例如平均表达量)。该基准表达量可以对每个受试者分别设定。例如,可以从对同一受试者多次测得的月经周期的特定的时期中的目标基因或目标产物的表达量的统计值(例如平均值等)算出。或者,该基准表达量也可以是对从集体测得的月经周期的特定的时期中的目标基因或目标产物的表达量的统计值(例如平均值等)。作为目标基因组或目标产物组使用多个基因或翻译产物时,优选对各个该基因或翻译产物分别求出基准表达量。
例如,目标基因或目标产物为表3所示的基因或其翻译产物时,在其表达量高于基准表达量的情况下,可检测为受试者的PMS为重症,在其表达量低于基准表达量的情况下,检测为受试者的PMS不为重症(或为轻症)。另一方面,目标基因或目标产物为表4所示的基因或其翻译产物时,在其表达量低于基准表达量的情况下,检测为受试者的PMS为重症,在其表达量高于基准表达量的情况下,检测为受试者的PMS不为重症(或为轻症)。
或者,可以将表3~4所示的基因或其翻译产物的2个以上组合,作为目标基因或目标产物使用。在使用多个基因或翻译产物时,能够基于一定比例例如50%以上、优选为70%以上、更优选为90%以上、进一步优选为100%的基因或翻译产物是否满足上述的表达量的基准,检测受试者的PMS的重症度。例如,在选自表3的目标基因组或目标产物组的50%以上的表达量高于基准表达量的情况下,检测为受试者的PMS为重症。或者,在选自表4的目标基因组或目标产物组的50%以上的表达量低于基准表达量的情况下,检测为受试者的PMS为重症。或者,选自表3的目标基因组或目标产物组的50%以上的表达量高于基准表达量并且选自表4的目标基因组或目标产物组的50%以上的表达量低于基准表达量的情况下,检测为受试者的PMS为重症。但是,本发明的方法中的目标基因组或目标产物组的组合不限定于上述例子。
在另一个实施方式中,基于使用目标基因(组)或目标产物(组)的表达数据构建的预测模型,检测受试者的PMS的重症度。作为表达数据,能够使用基于月经周期的特定的时期(例如卵泡期或黄体期)中的目标基因(组)或目标产物(组)的表达量的数据。例如,将对于1个以上的目标基因(组)或目标产物(组)各自的表达数据作为说明变量,将PMS的重症度(例如,为重症还是轻症)作为目标变量,通过机器学习,能够构建用于检测PMS的重症度的最佳预测模型。例如,从表1或表2所示的基因或其翻译产物之中选择多个在PMS重症度中的重症组与轻症组之间的表达差较大的基因或其翻译产物,能够使用它们各自的表达数据作为说明变量。
或者,在预测模型的构建中使用多个基因或翻译产物的表达数据时,可以根据需要,通过降维来压缩数据之后进行预测模型的构建。例如,从表1或表2所示的基因选择多个基因,提取这些基因或其翻译产物作为目标基因组或目标产物组。接着,对于该提取的目标基因组或目标产物组的表达量实施主成分分析。将由该主成分分析算出的1个以上的主成分作为说明变量,将PMS的重症度(例如,为重症还是轻症)作为目标变量,通过机器学习,能够构建用于检测PMS的重症度的最佳预测模型。
预测模型的构建中使用的目标基因(组)或目标产物(组)优选在表1所示的基因或其翻译产物之中选择1种以上PMS的重症度中的重症组与轻症组之间的表达差较大的基因或其翻译产物。例如可以列举现在未被报道与PMS的关联性的、选自表2所示的40个基因的1个以上的基因或其翻译产物,作为预测模型的构建中所使用的优选的目标基因(组)或目标产物(组)。主成分分析中所使用的目标基因(组)或目标产物(组)也同样。
在一个实施方式中,从表2所示的基因之中在黄体期中PMS重症组与轻症组之间的表达差较大的基因(例如,表2的No.1~20的基因)中选择5~20个左右、优选为5~15个左右的基因。更具体而言,例如从表2选择No.1~5的5个基因、No.1~10的10个基因或No.1~15的15个基因、优选为No.1~10的10个基因或No.1~15的15个基因。能够使用所选择的基因在黄体期中的表达量的数据作为说明变量构建预测模型。作为另一个实施方式中,从表2所示的基因之中在黄体期中选择PMS重症组与轻症组之间的表达差较大的基因(例如,表2的No.1~20的基因)中选择5~20个左右、优选为5~15个左右的基因。更具体而言,例如从表2选择No.1~5的5个基因、No.1~10的10个基因或No.1~15的15个基因、优选为No.1~5的5个基因。能够使用所选择的基因在卵泡期中的表达量的数据作为说明变量构建预测模型。
主成分分析中进行数据压缩时,预测模型的构建中所使用的主成分的维数和数量没有特别限定,可以将贡献率大的成分、例如包含第1主成分且合计贡献率优选成为20%以上、更优选为50%以上的1个以上的主成分作为说明变量。在一个实施方式中,能够对黄体期中的目标基因组的表达数据进行主成分分析,选择含有第1主成分并且合计贡献率为20%以上、优选为50%以上、例如优选为22~55%或其以上、更优选为50~70%、进一步优选为55~65%的主成分,使用选择的主成分作为说明变量构建预测模型。在另一个实施方式中,能够对卵泡期中的目标基因组的表达数据进行主成分分析,选择含有第1主成分并且合计贡献率成为80%以上、优选为85%以上、更优选为90%以上的主成分,使用选择的主成分作为说明变量构建预测模型。
预测模型的构建中的算法能够利用机器学习中所使用的算法等公知的算法。作为机器学习算法的例子,可以列举随机森林(Random Forest)、神经网络(Neural net)、线性核的支持向量机(SVM(linear))、rbf核的支持向量机(SVM(rbf))等的算法。在所构建的预测模型输入验证用的数据,算出预测值,能够选择该预测值与实测值最匹配的模型,例如,选择作为表示预测值和实测值的一致度的值的准确率(Accuracy)高的模型作为最佳预测模型。
在所构建的预测模型中输入受试者的该目标基因(组)或目标产物(组)的表达数据(或由其算出的主成分),能够由此检测该受试者的PMS的重症度。
作为本发明的例示的实施方式,进一步在本说明书中公开了以下的物质、制造方法、用途、方法等。但是,本发明不限定于这些实施方式。
〔1〕一种检测受试者的经前综合征的重症度的方法,其包括测定选自以下所示的基因:SH3BGRL3、NDUFA11、CTNNB1、AQP3、PSME2、SNORA24、SSR4、ZNF91、ANXA1、SNORA70、HSPA6、ALDH2、ARHGDIB、DEFB4A、BRK1、C20orf111、CSNK1A1、BIRC3、S100A7、STK10、GHITM、SFN、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、HMGN2、HIF1A、RABGEF1、ARF1、ACTN1、MFN2、CHMP2A、GAK、STX3、SERP1和GAS7、以及该基因的翻译产物中的至少一个的表达的步骤。
〔2〕如〔1〕所述的方法,其优选包括测定选自以下所示的基因:SH3BGRL3、NDUFA11、PSME2、SNORA24、SSR4、ZNF91、SNORA70、HSPA6、ALDH2、BRK1、C20orf111、CSNK1A1、STK10、GHITM、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、RABGEF1、ARF1、ACTN1、CHMP2A、GAK、STX3、SERP1和GAS7、以及该基因的翻译产物中的至少一个的表达的步骤。
〔3〕如〔2〕所述的方法,其优选还包括测定选自以下所示的基因:CTNNB1、AQP3、ANXA1、ARHGDIB、DEFB4A、BIRC3、S100A7、SFN、HMGN2、HIF1A、和MFN2、以及该基因的翻译产物中的至少一个的表达的步骤。
〔4〕如〔1〕~〔3〕中任一项所述的方法,其优选包括基于所述基因或翻译产物的表达量检测经前综合征的重症度的步骤,
更优选包括基于所述基因的表达量检测经前综合征的重症度的步骤。
〔5〕如〔4〕所述的方法,其优选包括基于所述基因或翻译产物在黄体期或卵泡期时的表达量检测经前综合征的重症度的步骤。
〔6〕如〔1〕~〔5〕中任一项所述的方法,其优选包括使用基于所述基因或翻译产物的表达量的预测模型检测经前综合征的重症度的步骤,
该预测模型将经前综合征的重症组和轻症组的该基因或翻译产物的表达量、或者该表达量的通过主成分分析算出的至少1种主成分作为说明变量,将经前综合征的重症度作为目标变量来构建。
〔7〕如〔1〕~〔6〕中任一项所述的方法,优选所述基因的表达量通过对所述受试者的皮肤表面脂质所含的该基因的mRNA进行定量来测定。
〔8〕选自来自下述基因的核酸:SH3BGRL3、NDUFA11、CTNNB1、AQP3、PSME2、SNORA24、SSR4、ZNF91、ANXA1、SNORA70、HSPA6、ALDH2、ARHGDIB、DEFB4A、BRK1、C20orf111、CSNK1A1、BIRC3、S100A7、STK10、GHITM、SFN、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、HMGN2、HIF1A、RABGEF1、ARF1、ACTN1、MFN2、CHMP2A、GAK、STX3、SERP1和GAS7、以及该基因的翻译产物中的至少一个作为经前综合征的重症度标记物的使用。
〔9〕如〔8〕所述的使用,其中,优选使用选自来自下述基因的核酸:SH3BGRL3、NDUFA11、PSME2、SNORA24、SSR4、ZNF91、SNORA70、HSPA6、ALDH2、BRK1、C20orf111、CSNK1A1、STK10、GHITM、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、RABGEF1、ARF1、ACTN1、CHMP2A、GAK、STX3、SERP1和GAS7、以及该基因的翻译产物中的至少一个。
〔10〕如〔9〕所述的使用,其中,优选还使用选自来自下述基因的核酸:CTNNB1、AQP3、ANXA1、ARHGDIB、DEFB4A、BIRC3、S100A7、SFN、HMGN2、HIF1A和MFN2、以及该基因的翻译产物中的至少一个。
〔11〕如〔8〕~〔10〕中任一项所述的使用,其中,优选来自所述基因的核酸为皮肤表面脂质所含的该基因的mRNA。
〔12〕一种经前综合征的重症度的标记物,其包含选自来自下述基因的核酸:SH3BGRL3、NDUFA11、PSME2、SNORA24、SSR4、ZNF91、SNORA70、HSPA6、ALDH2、BRK1、C20orf111、CSNK1A1、STK10、GHITM、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、RABGEF1、ARF1、ACTN1、CHMP2A、GAK、STX3、SERP1和GAS7、以及该基因的翻译产物中的至少一个。
〔13〕如〔12〕所述的标记物,其优选还包含选自来自下述基因的核酸:CTNNB1、AQP3、ANXA1、ARHGDIB、DEFB4A、BIRC3、S100A7、SFN、HMGN2、HIF1A、和MFN2、以及该基因的翻译产物中的至少一个。
〔14〕如〔12〕或〔13〕所述的标记物,其优选来自所述基因的核酸为皮肤表面脂质所含的该基因的mRNA。
实施例
以下,基于实施例更详细地说明本发明,但是本发明不限定于此。
实施例1PMS重症度标记物的鉴定
1)SSL收集
将健康者(20~45岁女性、BMI 18.5以上且低于25.0)38名作为受试者。健康者预先确认了月经周期为约25~30天且每次稳定。在月经周期的各时期(月经期:月经开始后2~4天的任意天;卵泡期:月经开始后10~12天的任意天、黄体期:月经开始后21~23天的任意天),使用吸油膜(5.0cm×8.0cm、3M公司)从各受试者的全脸回收皮脂。该吸油膜转移到玻璃小瓶,在-80℃保存约1个月直至用于RNA提取。另外,在皮脂收集后,使用作为评价月经相关症状的问卷的心理测量量表集III(Science公司、2001发行)中所述的月经症状量表(Menstrual Distress Questionnaire,MDQ),评价了受试者的月经周期的各时期(月经期、卵泡期和黄体期)的月经期伴随症状(痛经、经前综合征等)的重症度。
2)RNA制备和测序
将上述1)的吸油膜裁切为适当的大小,使用QIAzol Lysis Reagent(Qiagen),根据所带有的操作说明提取RNA。提取的RNA以42℃、105分钟的条件进行逆转录,将所得到的cDNA通过多重PCR进行扩增。多重PCR以62℃的退火和延伸温度实施。所得到的PCR产物用Ampure XP(Beckman Coulter株式会社)进行纯化。将所得到的纯化产物的溶液与SuperScript VILO cDNA Synthesis kit所附带的5×VILO RT Reaction Mix、IonAmpliSeqTranscriptome Human Gene Expression Kit(Life Techenologies Japan株式会社)所附带的5×Ion Ampliseq HiFi Mix、和Ion AmpliSeq Transcriptome Human GeneExpression Core Panel混合,接着根据各试剂盒所带的操作说明进行引物序列的消化、接头连接、纯化和扩增,制备文库。将制备得到的文库上样到Ion 540 Chip,使用Ion S5/XL系统(Life Techenologies Japan株式会社)进行测序。将测序得到的各读段序列相对于作为人基因组的参照序列的hg19AmpliSeq Transcriptome ERCC v1进行基因定位,由此确定来自各读段序列的基因。
3)通过MDQ评分对受试者分组
MDQ中,评分越高表示月经期伴随症状的重症度越高。因此,将受试者38名根据黄体期时所得到的MDQ的评分,将评分为66分以上的15名(平均评分87.4)分为PMS重症组、评分为48分以下的15名(平均评分40.3)分为PMS轻症组。关于作为中间层的8名从以下的数据解析排除。
4)数据解析
将上述2)中获得的来自卵泡期和黄体期中的受试者的SSL的RNA的测序中所得到的各读段的读段数作为各RNA的表达量的数据,将读段数低于10的读段作为缺损值处理。为了校正样品间的总读段数的差异,将各读段数转换为RPM(Reads per million mappedreads,每百万映射读段的读段)值。选择在80%以上的受试者中得到了不为缺损值的表达量数据的1884种基因。对这1884种基因,基于发生PMS的黄体期中的这些表达量数据(RPM值)进行组间(PMS重症组和轻症组)的学生t检验(Student’s t test),提取出p<0.05的基因。此外,对于缺损值,用奇异值分解(SVD)插补(Singular Value Decomposition(SVD)imputation)填补。得到51个在组间表达发生变动的基因(表5),其中表6所示的40种基因为现在未报道过与PMS关联的基因。这些来自表5中的基因的核酸、和该基因的翻译产物分别能够作为PMS重症度的标记物使用。另外,这些表5中的基因之中来自表6所示的基因的核酸和该基因的翻译产物为新型的PMS重症度标记物。
[表5]
No. | 基因 | 调节 | p值 | No. | 基因 | 调节 | p值 |
1 | SH3BGRL3 | 上调 | 0.004119 | 27 | RPS3 | 下调 | 0.025994 |
2 | NDUFA11 | 上调 | 0.005118 | 28 | PLEKHM2 | 上调 | 0.026991 |
3 | CTNNB1 | 下调 | 0.006184 | 29 | DDX6 | 下调 | 0.027268 |
4 | AQP3 | 下调 | 0.006632 | 30 | ALDH1A3 | 下调 | 0.028954 |
5 | PSME2 | 下调 | 0.006832 | 31 | TSPYL1 | 上调 | 0.029321 |
6 | SNORA24 | 下调 | 0.007349 | 32 | NUB1 | 下调 | 0.029654 |
7 | SSR4 | 下调 | 0.008665 | 33 | KRT6A | 下调 | 0.029955 |
8 | ZNF91 | 上调 | 0.01035 | 34 | CCL22 | 下调 | 0.030458 |
9 | ANXA11 | 上调 | 0.011252 | 35 | ELOVL3 | 上调 | 0.031205 |
10 | SNORA70 | 下调 | 0.011461 | 36 | TMEM66 | 上调 | 0.032555 |
11 | HSPA6 | 上调 | 0.012576 | 37 | GDI2 | 下调 | 0.03406 |
12 | ALDH2 | 下调 | 0.014173 | 38 | MYL12B | 上调 | 0.03756 |
13 | ARHGDIB | 上调 | 0.014218 | 39 | CCNI | 上调 | 0.037949 |
14 | DEFB4A | 下调 | 0.014951 | 40 | PSMC6 | 上调 | 0.038989 |
15 | BRK1 | 下调 | 0.015211 | 41 | HMGN2 | 下调 | 0.040134 |
16 | C20orf111 | 上调 | 0.015757 | 42 | HIF1A | 上调 | 0.040339 |
17 | CSNK1A1 | 下调 | 0.015871 | 43 | RABGEF1 | 上调 | 0.040631 |
18 | BIRC3 | 下调 | 0.017332 | 44 | ARF1 | 上调 | 0.045145 |
19 | S100A7 | 下调 | 0.017732 | 45 | ACTN1 | 上调 | 0.045616 |
20 | STK10 | 上调 | 0.018515 | 46 | MFN2 | 上调 | 0.046243 |
21 | GHITM | 上调 | 0.018562 | 47 | CHMP2A | 上调 | 0.04649 |
22 | SFN | 下调 | 0.019512 | 48 | GAK | 上调 | 0.04688 |
23 | RPL21 | 下调 | 0.023274 | 49 | STX3 | 上调 | 0.047418 |
24 | MED13 | 下调 | 0.023594 | 50 | SERP1 | 上调 | 0.048733 |
25 | RPL32 | 下调 | 0.025027 | 51 | GAS7 | 上调 | 0.048799 |
26 | UBE2R2 | 下调 | 0.025235 |
[表6]
No. | 基因 | 调节 | p值 | No. | 基因 | 调节 | p值 |
1 | SH3BGRL3 | 上调 | 0.004119 | 21 | DDX6 | 下调 | 0.027268 |
2 | NDUFA11 | 上调 | 0.005118 | 22 | ALDH1A3 | 下调 | 0.028954 |
3 | PSME2 | 下调 | 0.006832 | 23 | TSPYL1 | 上调 | 0.029321 |
4 | SNORA24 | 下调 | 0.007349 | 24 | NUB1 | 下调 | 0.029654 |
5 | SSR4 | 下调 | 0.008665 | 25 | KRT6A | 下调 | 0.029955 |
6 | ZNF91 | 上调 | 0.01035 | 26 | CCL22 | 下调 | 0.030458 |
7 | SNORA70 | 下调 | 0.011461 | 27 | ELOVL3 | 上调 | 0.031205 |
8 | HSPA6 | 上调 | 0.012576 | 28 | TMEM66 | 上调 | 0.032555 |
9 | ALDH2 | 下调 | 0.014173 | 29 | GDI2 | 下调 | 0.03406 |
10 | BRK1 | 下调 | 0.015211 | 30 | MYL12B | 上调 | 0.03756 |
11 | C20orf111 | 上调 | 0.015757 | 31 | CCNI | 上调 | 0.037949 |
12 | CSNK1A1 | 下调 | 0.015871 | 32 | PSMC6 | 上调 | 0.038989 |
13 | STK10 | 上调 | 0.018515 | 33 | RABGEF1 | 上调 | 0.040631 |
14 | GHITM | 上调 | 0.018562 | 34 | ARF1 | 上调 | 0.045145 |
15 | RPL21 | 下调 | 0.023274 | 35 | ACTN1 | 上调 | 0.045616 |
16 | MED13 | 下调 | 0.023594 | 36 | CHMP2A | 上调 | 0.04649 |
17 | RPL32 | 下调 | 0.025027 | 37 | GAK | 上调 | 0.04688 |
18 | UBE2R2 | 下调 | 0.025235 | 38 | STX3 | 上调 | 0.047418 |
19 | RPS3 | 下调 | 0.025994 | 39 | SERP1 | 上调 | 0.048733 |
20 | PLEKHM2 | 上调 | 0.026991 | 40 | GAS7 | 上调 | 0.048799 |
实施例2基于黄体期RNA表达量数据的PMS重症度预测模型的构建
1)数据集分割
将实施例1中所得到的来自受试者的黄体期的SSL的RNA表达量数据集之中相当于总解析对象者数的67%的各组(PMS重症组和轻症组)各10名的数据作为PMS重症度预测模型的训练数据,将相当于剩余33%的各组各5名的数据作为用于评价模型精度的测试数据。为了使遵循负二项分布的RPM值近似为正态分布,将实施例1中求得的RNA的表达量数据(读段数的RPM值)变换为底为2的对数值的RPM值(Log2RPM值)。
2)特征量的选择
实施例1所提取出的基因之中从没有被报道与PMS的关联性的表6所示的40个基因通过以下的2种方法选择用于预测模型构建的特征量。
(方法1)从表6所示的基因之中PMS重症组与轻症组的表达差的p值小的基因,选择5~15种基因、具体而言表6的No.1~5的5种、表6的No.1~10的10种、或表6的No.1~15的15种基因的表达量数据(Log2RPM值)作为PMS重症度检测的特征量。
(方法2)对于表6所示的基因的表达量数据,使用统计解析环境R的tidyverse包进行主成分分析,实施变量压缩。将通过主成分分析得到的、具有新的维度的数据(第1~第10主成分、表7)作为PMS重症度检测的特征量。
[表7]
主成分 | 贡献率 | 累计贡献率 |
主成分1 | 25.22% | 25.22% |
主成分2 | 10.70% | 35.92% |
主成分3 | 8.71% | 44.63% |
主成分4 | 6.71% | 51.34% |
主成分5 | 5.60% | 56.94% |
主成分6 | 5.42% | 62.36% |
主成分7 | 4.97% | 67.33% |
主成分8 | 4.12% | 71.45% |
主成分9 | 3.66% | 75.11% |
主成分10 | 3.40% | 78.50% |
3)模型构建
模型构建使用统计解析环境R的carnet包进行。使用通过上述2)中的方法1和2选择的特征量作为说明变量,使用PMS重症度(重症或轻症)作为目标变量,构建预测模型。对每个特征量使用随机森林(Random Forest)、神经网络(Neural net)、线性核的支持向量机(SVM(linear))和rbf核的支持向量机(SVM(rbf))这4种算法进行十倍交差验证,使预测模型学习。对于各算法,对学习后的模型输入测试数据的RNA的表达量数据(Log2RPM值)或主成分数据,计算PMS重症度的预测值。计算作为表示预测值和实测值的一致度的值的准确率(Accuracy),筛选其值最大的模型作为最佳预测模型。
4)结果
表8表示用于PMS重症度的检测的特征量、赋予最大准确率的最佳算法、及其准确率。基于与PMS重症度关联的基因在黄体期中的表达量数据、或这些主成分,以高准确率检测出了PMS重症度。因此,显示能够使用来自SSL的RNA在黄体期中的表达量的数据检测PMS重症度。另外,在为基于主成分的预测模型时,根据第1~第5主成分的预测模型的准确率高于根据主成分1的预测模型,而与根据第1~第6主成分的预测模型同等。根据这些结果,显示通过将合计贡献率成为20%以上、例如22~55%或其以上、优选为50~70%、更优选为55~65%的1个以上的主成分作为说明变量,能够构建精度更高的PMS重症度预测模型。另外,在为从基因表达量直接构建的预测模型时,根据10个基因的预测模型的准确率高于根据5个基因的预测模型,而与根据15个基因的预测模型同等。显示通过从根据PMS重症度的表达差大的基因中使用10~15个左右的基因或比其多的基因的表达数据,能够构建精度更高的PMS重症度预测模型。
[表8]
检测对象项目 | 使用的特征量 | 最佳算法 | 准确率(%) |
PMS重症度 | 表6的No.1~5的5个基因 | SVM(rbf) | 70 |
PMS重症度 | 表6的No.1~10的10个基因 | SVM(rbf) | 90 |
PMS重症度 | 表6的No.1~15的15个基因 | SVM(rbf) | 90 |
PMS重症度 | 第1主成分 | SVM(rbf) | 80 |
PMS重症度 | 第1~第5主成分 | SVM(rbf) | 90 |
PMS重症度 | 第1~第6主成分 | 神经网络 | 90 |
实施例3基于卵泡期RNA表达量数据的PMS重症度预测模型的构建
1)数据集分割和特征量的选择
除了使用关于表6所示的基因的来自受试者的卵泡期的SSL的RNA表达量数据集以外,通过与实施例2的1)同样的步骤制作训练数据和测试数据。接着,通过与实施例2的2)同样的步骤,选择RNA的表达量数据的Log2RPM值和表达量数据的通过主成分分析得到的第1~第15主成分(表9)作为PMS重症度检测的特征量。
[表9]
主成分 | 贡献率 | 累计贡献率 |
主成分1 | 25.22% | 25.22% |
主成分2 | 10.70% | 35.92% |
主成分3 | 8.71% | 44.63% |
主成分4 | 6.71% | 51.34% |
主成分5 | 5.60% | 56.94% |
主成分6 | 5.42% | 62.36% |
主成分7 | 4.97% | 67.33% |
主成分8 | 4.12% | 71.45% |
主成分9 | 3.66% | 75.11% |
主成分10 | 3.40% | 78.50% |
主成分11 | 3.15% | 81.66% |
主成分12 | 2.76% | 84.42% |
主成分13 | 2.40% | 86.82% |
主成分14 | 2.17% | 88.99% |
主成分15 | 2.14% | 91.13% |
2)模型构建
使用1)中选择的特征量作为说明变量,以与实施例2的3)同样的步骤使预测模型学习,筛选准确率(Accuracy)最大的模型作为最佳预测模型。
3)结果
在表10表示用于PMS重症度的检测的特征量、赋予最大的准确率的最佳算法、及其准确率。基于与PMS重症度关联的基因在卵泡期中的表达量数据、或这些主成分,以高准确率检测出了PMS重症度。因此,显示能够使用来自SSL的RNA在卵泡期中的表达量的数据,检测伴随下次月经的PMS的重症度。另外,在为基于主成分的预测模型时,显示通过将根据第1~第15主成分的预测模型的准确率最高、合计贡献率成为80%以上、优选为85%以上、更优选为90%以上的1个以上的主成分作为说明变量,能够构建精度更高的PMS重症度预测模型。另一方面,在为从基因表达量直接构建的预测模型时,显示通过从与PMS重症度的相关性高的基因使用5~20个左右、优选为5~15个左右的基因的表达数据,能够构建精度更高的PMS重症度预测模型。
[表10]
检测对象项目 | 使用的特征量 | 最佳算法 | 准确率(%) |
PMS重症度 | 表6的No.1~5的5个基因 | 随机森林 | 70 |
PMS重症度 | 表6的No.1~10的10个基因 | 神经网络 | 60 |
PMS重症度 | 表6的No.1~15的15个基因 | 神经网络 | 60 |
PMS重症度 | 第1~第5主成分 | 神经网络 | 50 |
PMS重症度 | 第1~第10主成分 | 神经网络 | 50 |
PMS重症度 | 第1~第15主成分 | 神经网络 | 80 |
Claims (10)
1.一种检测受试者的经前综合征的重症度的方法,其包括:
测定选自以下所示的基因:SH3BGRL3、NDUFA11、PSME2、SNORA24、SSR4、ZNF91、SNORA70、HSPA6、ALDH2、BRK1、C20orf111、CSNK1A1、STK10、GHITM、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、RABGEF1、ARF1、ACTN1、CHMP2A、GAK、STX3、SERP1和GAS7、以及该基因的翻译产物中的至少一个的表达的步骤。
2.如权利要求1所述的方法,其中,
还包括测定选自下述基因:CTNNB1、AQP3、ANXA1、ARHGDIB、DEFB4A、BIRC3、S100A7、SFN、HMGN2、HIF1A和MFN2、以及该基因的翻译产物中的至少一个的表达的步骤。
3.如权利要求1或2所述的方法,其中,
包括基于所述基因或翻译产物的表达量检测经前综合征的重症度的步骤。
4.如权利要求3所述的方法,其中,
包括基于所述基因或翻译产物在黄体期或卵泡期时的表达量检测经前综合征的重症度。
5.如权利要求1~4中任一项所述的方法,其中,
包括使用基于所述基因或翻译产物的表达量的预测模型检测经前综合征的重症度的步骤,
该预测模型将经前综合征的重症组和轻症组中的该基因或翻译产物的表达量、或该表达量的通过主成分分析算出的至少1种主成分作为说明变量,将经前综合征的重症度作为目标变量来构建。
6.如权利要求1~5中任一项所述的方法,其中,
所述基因的表达量通过对所述受试者的皮肤表面脂质所含的该基因的mRNA进行定量来测定。
7.选自来自下述基因的核酸:SH3BGRL3、NDUFA11、PSME2、SNORA24、SSR4、ZNF91、SNORA70、HSPA6、ALDH2、BRK1、C20orf111、CSNK1A1、STK10、GHITM、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、RABGEF1、ARF1、ACTN1、CHMP2A、GAK、STX3、SERP1和GAS7、以及该基因的翻译产物中的至少一个作为经前综合征的重症度的标记物的使用。
8.如权利要求7所述的使用,其中,
来自所述基因的核酸为皮肤表面脂质所含的该基因的mRNA。
9.一种经前综合征的重症度的标记物,其包含选自来自下述基因的核酸:SH3BGRL3、NDUFA11、PSME2、SNORA24、SSR4、ZNF91、SNORA70、HSPA6、ALDH2、BRK1、C20orf111、CSNK1A1、STK10、GHITM、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、RABGEF1、ARF1、ACTN1、CHMP2A、GAK、STX3、SERP1和GAS7、以及该基因的翻译产物中的至少一个。
10.如权利要求9所述的标记物,其中,
来自所述基因的核酸为皮肤表面脂质所含的该基因的mRNA。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-077036 | 2020-04-24 | ||
JP2020077036 | 2020-04-24 | ||
PCT/JP2021/016470 WO2021215532A1 (ja) | 2020-04-24 | 2021-04-23 | 月経前症候群の重症度検出方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115443337A true CN115443337A (zh) | 2022-12-06 |
Family
ID=78269345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180030487.6A Pending CN115443337A (zh) | 2020-04-24 | 2021-04-23 | 经前综合征的重症度检测方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230144067A1 (zh) |
EP (1) | EP4141114A1 (zh) |
JP (1) | JP2021175395A (zh) |
CN (1) | CN115443337A (zh) |
WO (1) | WO2021215532A1 (zh) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6371121B2 (ja) | 2014-06-05 | 2018-08-08 | ポーラ化成工業株式会社 | 抗菌剤の選択方法 |
KR101961076B1 (ko) | 2016-07-08 | 2019-03-21 | 카오카부시키가이샤 | 핵산 시료의 조제 방법 |
-
2021
- 2021-04-23 CN CN202180030487.6A patent/CN115443337A/zh active Pending
- 2021-04-23 WO PCT/JP2021/016470 patent/WO2021215532A1/ja unknown
- 2021-04-23 JP JP2021073081A patent/JP2021175395A/ja active Pending
- 2021-04-23 US US17/920,652 patent/US20230144067A1/en active Pending
- 2021-04-23 EP EP21792472.9A patent/EP4141114A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2021215532A1 (ja) | 2021-10-28 |
JP2021175395A (ja) | 2021-11-04 |
US20230144067A1 (en) | 2023-05-11 |
EP4141114A1 (en) | 2023-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020091044A1 (ja) | 被験体の皮膚細胞に由来する核酸の調製方法 | |
CN108699589B (zh) | 核酸样品的制备方法 | |
Wong et al. | Use of RT-PCR and DNA microarrays to characterize RNA recovered by non-invasive tape harvesting of normal and inflamed skin | |
JP5311439B2 (ja) | 皮膚の状態を評価する方法及びその用途 | |
Benson et al. | An analysis of select pathogenic messages in lesional and non-lesional psoriatic skin using non-invasive tape harvesting | |
Jean et al. | Senolytic effect of high intensity interval exercise on human skeletal muscle | |
CN115443337A (zh) | 经前综合征的重症度检测方法 | |
WO2021230379A1 (ja) | パーキンソン病の検出方法 | |
CN115261454A (zh) | 一种新的let-7d-5p和miR-140-5p的生物标志物面板诊断方法 | |
WO2021215531A1 (ja) | 月経周期マーカー | |
JP2022026407A (ja) | プラセボ効果を評価する方法 | |
JP2022097302A (ja) | 睡眠状態マーカー及びそれを用いた睡眠状態の検出方法 | |
JP2023069499A (ja) | 乾燥による皮膚表面形状悪化の検出方法 | |
JP2022097301A (ja) | ストレスマーカー及びそれを用いた慢性ストレスレベルの検出方法 | |
JP2021175381A (ja) | アトピー性皮膚炎の検出方法 | |
JP2022097303A (ja) | 疲労マーカー及びそれを用いた疲労の検出方法 | |
WO2022220299A1 (ja) | 乳幼児顔湿疹の症度の検出方法 | |
JP2022174645A (ja) | 生物学的年齢の予測方法 | |
JP2023045067A (ja) | 不眠の検出方法 | |
CN116635526A (zh) | 特应性皮炎的重症度的检测方法 | |
JP2010115178A (ja) | 皮膚の炎症の予測方法及びその用途 | |
JP2023048810A (ja) | 慢性ストレスレベルの検出方法 | |
JP2024045048A (ja) | 肥満改善剤の有効性予測方法 | |
JP2023002298A (ja) | 糖尿病指標値の検出方法 | |
EP4151728A1 (en) | Method for data processing of rna information |
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 |