EA037105B1 - Способ диагностики для прогнозирования ответа на ингибитор фактора некроза опухоли альфа (tnf) - Google Patents
Способ диагностики для прогнозирования ответа на ингибитор фактора некроза опухоли альфа (tnf) Download PDFInfo
- Publication number
- EA037105B1 EA037105B1 EA201590773A EA201590773A EA037105B1 EA 037105 B1 EA037105 B1 EA 037105B1 EA 201590773 A EA201590773 A EA 201590773A EA 201590773 A EA201590773 A EA 201590773A EA 037105 B1 EA037105 B1 EA 037105B1
- Authority
- EA
- Eurasian Patent Office
- Prior art keywords
- genes
- expression
- patients
- week
- gene
- Prior art date
Links
- 239000003112 inhibitor Substances 0.000 title claims abstract description 15
- 238000002405 diagnostic procedure Methods 0.000 title abstract description 6
- 230000004044 response Effects 0.000 title description 11
- 206010028980 Neoplasm Diseases 0.000 title 1
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 166
- 230000014509 gene expression Effects 0.000 claims abstract description 52
- 238000011282 treatment Methods 0.000 claims abstract description 49
- 108060008682 Tumor Necrosis Factor Proteins 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000000338 in vitro Methods 0.000 claims abstract description 6
- 206010039073 rheumatoid arthritis Diseases 0.000 claims description 64
- 102000000852 Tumor Necrosis Factor-alpha Human genes 0.000 claims description 37
- 229960000598 infliximab Drugs 0.000 claims description 30
- 210000003819 peripheral blood mononuclear cell Anatomy 0.000 claims description 19
- 238000002965 ELISA Methods 0.000 claims description 17
- 238000002493 microarray Methods 0.000 claims description 17
- 101000847156 Homo sapiens Tumor necrosis factor-inducible gene 6 protein Proteins 0.000 claims description 11
- 102100032807 Tumor necrosis factor-inducible gene 6 protein Human genes 0.000 claims description 11
- 108020004999 messenger RNA Proteins 0.000 claims description 8
- 238000003556 assay Methods 0.000 claims description 7
- 102100024901 Cytochrome P450 4F3 Human genes 0.000 claims description 6
- 102000004127 Cytokines Human genes 0.000 claims description 6
- 108090000695 Cytokines Proteins 0.000 claims description 6
- 101000909121 Homo sapiens Cytochrome P450 4F3 Proteins 0.000 claims description 6
- 101000657037 Homo sapiens Radical S-adenosyl methionine domain-containing protein 2 Proteins 0.000 claims description 6
- 101001132643 Homo sapiens Ribonucleoprotein PTB-binding 2 Proteins 0.000 claims description 6
- 102000003729 Neprilysin Human genes 0.000 claims description 6
- 108090000028 Neprilysin Proteins 0.000 claims description 6
- 102100033749 Radical S-adenosyl methionine domain-containing protein 2 Human genes 0.000 claims description 6
- 102100033918 Ribonucleoprotein PTB-binding 2 Human genes 0.000 claims description 6
- 102100030385 Granzyme B Human genes 0.000 claims description 5
- 101000749881 Homo sapiens Contactin-associated protein-like 3 Proteins 0.000 claims description 5
- 101001009603 Homo sapiens Granzyme B Proteins 0.000 claims description 5
- 101000917858 Homo sapiens Low affinity immunoglobulin gamma Fc region receptor III-A Proteins 0.000 claims description 5
- 101000711475 Homo sapiens Serpin B10 Proteins 0.000 claims description 5
- 102100021269 Regulator of G-protein signaling 1 Human genes 0.000 claims description 5
- 101710140408 Regulator of G-protein signaling 1 Proteins 0.000 claims description 5
- 102100034012 Serpin B10 Human genes 0.000 claims description 5
- 102100040498 Contactin-associated protein-like 3 Human genes 0.000 claims description 4
- 102100039621 Epithelial-stromal interaction protein 1 Human genes 0.000 claims description 4
- 108700039887 Essential Genes Proteins 0.000 claims description 4
- 102100024008 Glycerol-3-phosphate acyltransferase 1, mitochondrial Human genes 0.000 claims description 4
- 101000814134 Homo sapiens Epithelial-stromal interaction protein 1 Proteins 0.000 claims description 4
- 101000904268 Homo sapiens Glycerol-3-phosphate acyltransferase 1, mitochondrial Proteins 0.000 claims description 4
- 101000998500 Homo sapiens Interferon-induced 35 kDa protein Proteins 0.000 claims description 4
- 102100033273 Interferon-induced 35 kDa protein Human genes 0.000 claims description 4
- 210000002966 serum Anatomy 0.000 claims description 4
- 108010037462 Cyclooxygenase 2 Proteins 0.000 claims description 3
- 101001128393 Homo sapiens Interferon-induced GTP-binding protein Mx1 Proteins 0.000 claims description 3
- 102100031802 Interferon-induced GTP-binding protein Mx1 Human genes 0.000 claims description 3
- 102100038280 Prostaglandin G/H synthase 2 Human genes 0.000 claims description 3
- 210000004369 blood Anatomy 0.000 claims description 3
- 239000008280 blood Substances 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 108700012920 TNF Proteins 0.000 claims 1
- 230000013595 glycosylation Effects 0.000 claims 1
- 238000006206 glycosylation reaction Methods 0.000 claims 1
- 229940046728 tumor necrosis factor alpha inhibitor Drugs 0.000 abstract description 8
- 238000011223 gene expression profiling Methods 0.000 abstract description 6
- 239000002451 tumor necrosis factor inhibitor Substances 0.000 abstract description 4
- 102000003390 tumor necrosis factor Human genes 0.000 abstract 2
- 208000011231 Crohn disease Diseases 0.000 description 43
- 238000002560 therapeutic procedure Methods 0.000 description 33
- 238000002474 experimental method Methods 0.000 description 25
- 239000000523 sample Substances 0.000 description 23
- 238000004458 analytical method Methods 0.000 description 19
- 238000005204 segregation Methods 0.000 description 17
- 238000012795 verification Methods 0.000 description 17
- 238000005070 sampling Methods 0.000 description 12
- 238000012360 testing method Methods 0.000 description 12
- 108010074051 C-Reactive Protein Proteins 0.000 description 11
- 102100032752 C-reactive protein Human genes 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 11
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 11
- 210000005259 peripheral blood Anatomy 0.000 description 11
- 239000011886 peripheral blood Substances 0.000 description 11
- 201000010099 disease Diseases 0.000 description 10
- 208000022559 Inflammatory bowel disease Diseases 0.000 description 9
- 238000002790 cross-validation Methods 0.000 description 8
- 102100029406 Aquaporin-7 Human genes 0.000 description 7
- 101000771402 Homo sapiens Aquaporin-7 Proteins 0.000 description 7
- 101000771413 Homo sapiens Aquaporin-9 Proteins 0.000 description 7
- -1 OR2A9P Proteins 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 6
- 101000760622 Homo sapiens Cell adhesion molecule 2 Proteins 0.000 description 6
- 101000644682 Homo sapiens Ubiquitin-conjugating enzyme E2 H Proteins 0.000 description 6
- 108090001005 Interleukin-6 Proteins 0.000 description 6
- 102000004889 Interleukin-6 Human genes 0.000 description 6
- 239000012472 biological sample Substances 0.000 description 6
- 239000003814 drug Substances 0.000 description 6
- 229940100601 interleukin-6 Drugs 0.000 description 6
- 239000013642 negative control Substances 0.000 description 6
- 238000010200 validation analysis Methods 0.000 description 6
- GTVAUHXUMYENSK-RWSKJCERSA-N 2-[3-[(1r)-3-(3,4-dimethoxyphenyl)-1-[(2s)-1-[(2s)-2-(3,4,5-trimethoxyphenyl)pent-4-enoyl]piperidine-2-carbonyl]oxypropyl]phenoxy]acetic acid Chemical compound C1=C(OC)C(OC)=CC=C1CC[C@H](C=1C=C(OCC(O)=O)C=CC=1)OC(=O)[C@H]1N(C(=O)[C@@H](CC=C)C=2C=C(OC)C(OC)=C(OC)C=2)CCCC1 GTVAUHXUMYENSK-RWSKJCERSA-N 0.000 description 5
- 208000023275 Autoimmune disease Diseases 0.000 description 5
- 102100024646 Cell adhesion molecule 2 Human genes 0.000 description 5
- 101001082065 Homo sapiens Interferon-induced protein with tetratricopeptide repeats 1 Proteins 0.000 description 5
- 101001052076 Homo sapiens Maltase-glucoamylase Proteins 0.000 description 5
- 101000585693 Homo sapiens Mitochondrial 2-oxodicarboxylate carrier Proteins 0.000 description 5
- 101001041245 Homo sapiens Ornithine decarboxylase Proteins 0.000 description 5
- 102100027355 Interferon-induced protein with tetratricopeptide repeats 1 Human genes 0.000 description 5
- 108010065805 Interleukin-12 Proteins 0.000 description 5
- 108020003285 Isocitrate lyase Proteins 0.000 description 5
- 102100030301 MHC class I polypeptide-related sequence A Human genes 0.000 description 5
- 102100024295 Maltase-glucoamylase Human genes 0.000 description 5
- 102100021079 Ornithine decarboxylase Human genes 0.000 description 5
- 102100020698 Ubiquitin-conjugating enzyme E2 H Human genes 0.000 description 5
- 229940079593 drug Drugs 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 210000000265 leukocyte Anatomy 0.000 description 5
- 239000010445 mica Substances 0.000 description 5
- 229910052618 mica group Inorganic materials 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 5
- 239000002452 tumor necrosis factor alpha inhibitor Substances 0.000 description 5
- 102100028163 ATP-binding cassette sub-family C member 4 Human genes 0.000 description 4
- 102100022525 Bone morphogenetic protein 6 Human genes 0.000 description 4
- 102100029380 CMRF35-like molecule 2 Human genes 0.000 description 4
- 102100039696 Glutamate-cysteine ligase catalytic subunit Human genes 0.000 description 4
- 102000001554 Hemoglobins Human genes 0.000 description 4
- 108010054147 Hemoglobins Proteins 0.000 description 4
- 102100022846 Histone acetyltransferase KAT2B Human genes 0.000 description 4
- 101000986629 Homo sapiens ATP-binding cassette sub-family C member 4 Proteins 0.000 description 4
- 101000899390 Homo sapiens Bone morphogenetic protein 6 Proteins 0.000 description 4
- 101000990046 Homo sapiens CMRF35-like molecule 2 Proteins 0.000 description 4
- 101001034527 Homo sapiens Glutamate-cysteine ligase catalytic subunit Proteins 0.000 description 4
- 101001047006 Homo sapiens Histone acetyltransferase KAT2B Proteins 0.000 description 4
- 101000840293 Homo sapiens Interferon-induced protein 44 Proteins 0.000 description 4
- 101000959664 Homo sapiens Interferon-induced protein 44-like Proteins 0.000 description 4
- 101000613610 Homo sapiens Monocyte to macrophage differentiation factor Proteins 0.000 description 4
- 101000711928 Homo sapiens RING finger protein 11 Proteins 0.000 description 4
- 101000927774 Homo sapiens Rho guanine nucleotide exchange factor 12 Proteins 0.000 description 4
- 102100029607 Interferon-induced protein 44 Human genes 0.000 description 4
- 102100039953 Interferon-induced protein 44-like Human genes 0.000 description 4
- 108090001007 Interleukin-8 Proteins 0.000 description 4
- 102000004890 Interleukin-8 Human genes 0.000 description 4
- FBOZXECLQNJBKD-ZDUSSCGKSA-N L-methotrexate Chemical compound C=1N=C2N=C(N)N=C(N)C2=NC=1CN(C)C1=CC=C(C(=O)N[C@@H](CCC(O)=O)C(O)=O)C=C1 FBOZXECLQNJBKD-ZDUSSCGKSA-N 0.000 description 4
- 102100029193 Low affinity immunoglobulin gamma Fc region receptor III-A Human genes 0.000 description 4
- 238000000585 Mann–Whitney U test Methods 0.000 description 4
- 102100040849 Monocyte to macrophage differentiation factor Human genes 0.000 description 4
- 102100034539 Peptidyl-prolyl cis-trans isomerase A Human genes 0.000 description 4
- 102100034186 RING finger protein 11 Human genes 0.000 description 4
- 238000011529 RT qPCR Methods 0.000 description 4
- 239000003435 antirheumatic agent Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 239000000090 biomarker Substances 0.000 description 4
- 239000002299 complementary DNA Substances 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 230000009266 disease activity Effects 0.000 description 4
- 229960000485 methotrexate Drugs 0.000 description 4
- 210000000440 neutrophil Anatomy 0.000 description 4
- YMZPQKXPKZZSFV-CPWYAANMSA-N 2-[3-[(1r)-1-[(2s)-1-[(2s)-2-[(1r)-cyclohex-2-en-1-yl]-2-(3,4,5-trimethoxyphenyl)acetyl]piperidine-2-carbonyl]oxy-3-(3,4-dimethoxyphenyl)propyl]phenoxy]acetic acid Chemical compound C1=C(OC)C(OC)=CC=C1CC[C@H](C=1C=C(OCC(O)=O)C=CC=1)OC(=O)[C@H]1N(C(=O)[C@@H]([C@H]2C=CCCC2)C=2C=C(OC)C(OC)=C(OC)C=2)CCCC1 YMZPQKXPKZZSFV-CPWYAANMSA-N 0.000 description 3
- 102100022414 Axin interactor, dorsalization-associated protein Human genes 0.000 description 3
- 102100029173 Choline-phosphate cytidylyltransferase B Human genes 0.000 description 3
- 102100027417 Cytochrome P450 1B1 Human genes 0.000 description 3
- 102100036504 Dehydrogenase/reductase SDR family member 9 Human genes 0.000 description 3
- 101000755748 Escherichia coli AIDA-I autotransporter Proteins 0.000 description 3
- 108010008165 Etanercept Proteins 0.000 description 3
- 101000755749 Homo sapiens Axin interactor, dorsalization-associated protein Proteins 0.000 description 3
- 101000988443 Homo sapiens Choline-phosphate cytidylyltransferase B Proteins 0.000 description 3
- 101000725164 Homo sapiens Cytochrome P450 1B1 Proteins 0.000 description 3
- 101000928746 Homo sapiens Dehydrogenase/reductase SDR family member 9 Proteins 0.000 description 3
- 101000813103 Homo sapiens Elongation of very long chain fatty acids protein 7 Proteins 0.000 description 3
- 101001082060 Homo sapiens Interferon-induced protein with tetratricopeptide repeats 3 Proteins 0.000 description 3
- 101000990908 Homo sapiens Neutrophil collagenase Proteins 0.000 description 3
- 101000582950 Homo sapiens Platelet factor 4 Proteins 0.000 description 3
- 101001009552 Homo sapiens Probable G-protein coupled receptor 34 Proteins 0.000 description 3
- 101000754911 Homo sapiens Serine/threonine-protein kinase RIO3 Proteins 0.000 description 3
- 102100027302 Interferon-induced protein with tetratricopeptide repeats 3 Human genes 0.000 description 3
- 108700003107 Interleukin-1 Receptor-Like 1 Proteins 0.000 description 3
- 102100036706 Interleukin-1 receptor-like 1 Human genes 0.000 description 3
- 102100030411 Neutrophil collagenase Human genes 0.000 description 3
- 102100024894 PR domain zinc finger protein 1 Human genes 0.000 description 3
- 102100030304 Platelet factor 4 Human genes 0.000 description 3
- 108010009975 Positive Regulatory Domain I-Binding Factor 1 Proteins 0.000 description 3
- 102100030263 Probable G-protein coupled receptor 34 Human genes 0.000 description 3
- 102100033193 Rho guanine nucleotide exchange factor 12 Human genes 0.000 description 3
- 102100022109 Serine/threonine-protein kinase RIO3 Human genes 0.000 description 3
- 229960002964 adalimumab Drugs 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000002988 disease modifying antirheumatic drug Substances 0.000 description 3
- 229960000403 etanercept Drugs 0.000 description 3
- 230000007717 exclusion Effects 0.000 description 3
- 230000001717 pathogenic effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010839 reverse transcription Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- GXAFMKJFWWBYNW-OWHBQTKESA-N 2-[3-[(1r)-1-[(2s)-1-[(2s)-3-cyclopropyl-2-(3,4,5-trimethoxyphenyl)propanoyl]piperidine-2-carbonyl]oxy-3-(3,4-dimethoxyphenyl)propyl]phenoxy]acetic acid Chemical compound C1=C(OC)C(OC)=CC=C1CC[C@H](C=1C=C(OCC(O)=O)C=CC=1)OC(=O)[C@H]1N(C(=O)[C@@H](CC2CC2)C=2C=C(OC)C(OC)=C(OC)C=2)CCCC1 GXAFMKJFWWBYNW-OWHBQTKESA-N 0.000 description 2
- 102100031259 Acyl-coenzyme A thioesterase THEM5 Human genes 0.000 description 2
- 108700028369 Alleles Proteins 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 2
- 108010072220 Cyclophilin A Proteins 0.000 description 2
- KCXVZYZYPLLWCC-UHFFFAOYSA-N EDTA Chemical compound OC(=O)CN(CC(O)=O)CCN(CC(O)=O)CC(O)=O KCXVZYZYPLLWCC-UHFFFAOYSA-N 0.000 description 2
- 102100039248 Elongation of very long chain fatty acids protein 7 Human genes 0.000 description 2
- 102100021957 Endonuclease domain-containing 1 protein Human genes 0.000 description 2
- 229920001917 Ficoll Polymers 0.000 description 2
- 102100028929 Formin-1 Human genes 0.000 description 2
- 102100026122 High affinity immunoglobulin gamma Fc receptor I Human genes 0.000 description 2
- 101000638516 Homo sapiens Acyl-coenzyme A thioesterase THEM5 Proteins 0.000 description 2
- 101000964378 Homo sapiens DNA dC->dU-editing enzyme APOBEC-3A Proteins 0.000 description 2
- 101000897352 Homo sapiens Endonuclease domain-containing 1 protein Proteins 0.000 description 2
- 101001059390 Homo sapiens Formin-1 Proteins 0.000 description 2
- 101000913074 Homo sapiens High affinity immunoglobulin gamma Fc receptor I Proteins 0.000 description 2
- 101000840257 Homo sapiens Immunoglobulin kappa constant Proteins 0.000 description 2
- 101001082058 Homo sapiens Interferon-induced protein with tetratricopeptide repeats 2 Proteins 0.000 description 2
- 101001034844 Homo sapiens Interferon-induced transmembrane protein 1 Proteins 0.000 description 2
- 101000956317 Homo sapiens Membrane-spanning 4-domains subfamily A member 4A Proteins 0.000 description 2
- 101001052512 Homo sapiens Microtubule-associated proteins 1A/1B light chain 3B Proteins 0.000 description 2
- 101000711744 Homo sapiens Non-secretory ribonuclease Proteins 0.000 description 2
- 101000595513 Homo sapiens Phosphatidylinositol 4-phosphate 5-kinase type-1 beta Proteins 0.000 description 2
- 101000714762 Homo sapiens Transmembrane protein 176A Proteins 0.000 description 2
- 101000714756 Homo sapiens Transmembrane protein 176B Proteins 0.000 description 2
- 101000717428 Homo sapiens UV excision repair protein RAD23 homolog A Proteins 0.000 description 2
- 102100029572 Immunoglobulin kappa constant Human genes 0.000 description 2
- 102100027303 Interferon-induced protein with tetratricopeptide repeats 2 Human genes 0.000 description 2
- 102100040021 Interferon-induced transmembrane protein 1 Human genes 0.000 description 2
- 102100038556 Membrane-spanning 4-domains subfamily A member 4A Human genes 0.000 description 2
- 102100024177 Microtubule-associated proteins 1A/1B light chain 3B Human genes 0.000 description 2
- 102100034217 Non-secretory ribonuclease Human genes 0.000 description 2
- 102100036081 Phosphatidylinositol 4-phosphate 5-kinase type-1 beta Human genes 0.000 description 2
- 102000042773 Small Nucleolar RNA Human genes 0.000 description 2
- 108020003224 Small Nucleolar RNA Proteins 0.000 description 2
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 2
- 102100036380 Transmembrane protein 176A Human genes 0.000 description 2
- 102100036387 Transmembrane protein 176B Human genes 0.000 description 2
- 102100034300 Tryptophan-tRNA ligase, cytoplasmic Human genes 0.000 description 2
- 102100020845 UV excision repair protein RAD23 homolog A Human genes 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 206010003246 arthritis Diseases 0.000 description 2
- 238000001574 biopsy Methods 0.000 description 2
- 238000001815 biotherapy Methods 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 238000005119 centrifugation Methods 0.000 description 2
- 229960003115 certolizumab pegol Drugs 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 208000037976 chronic inflammation Diseases 0.000 description 2
- 208000037893 chronic inflammatory disorder Diseases 0.000 description 2
- 210000001072 colon Anatomy 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 210000001035 gastrointestinal tract Anatomy 0.000 description 2
- 229960001743 golimumab Drugs 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 230000002757 inflammatory effect Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000035935 pregnancy Effects 0.000 description 2
- 230000000770 proinflammatory effect Effects 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 238000003753 real-time PCR Methods 0.000 description 2
- 230000004043 responsiveness Effects 0.000 description 2
- 239000011780 sodium chloride Substances 0.000 description 2
- 102100034036 39S ribosomal protein L22, mitochondrial Human genes 0.000 description 1
- 102100023679 40S ribosomal protein S28 Human genes 0.000 description 1
- 102100040084 A-kinase anchor protein 9 Human genes 0.000 description 1
- 208000004998 Abdominal Pain Diseases 0.000 description 1
- 206010002556 Ankylosing Spondylitis Diseases 0.000 description 1
- 101000640990 Arabidopsis thaliana Tryptophan-tRNA ligase, chloroplastic/mitochondrial Proteins 0.000 description 1
- 102000004506 Blood Proteins Human genes 0.000 description 1
- 108010017384 Blood Proteins Proteins 0.000 description 1
- 102100027155 Butyrophilin subfamily 3 member A2 Human genes 0.000 description 1
- 102000014914 Carrier Proteins Human genes 0.000 description 1
- 108010012236 Chemokines Proteins 0.000 description 1
- 102000019034 Chemokines Human genes 0.000 description 1
- 102000055157 Complement C1 Inhibitor Human genes 0.000 description 1
- 108700040183 Complement C1 Inhibitor Proteins 0.000 description 1
- 108010068682 Cyclophilins Proteins 0.000 description 1
- 238000000018 DNA microarray Methods 0.000 description 1
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 206010061818 Disease progression Diseases 0.000 description 1
- 238000012286 ELISA Assay Methods 0.000 description 1
- 238000008157 ELISA kit Methods 0.000 description 1
- 102100039369 Epidermal growth factor receptor substrate 15 Human genes 0.000 description 1
- 240000008168 Ficus benjamina Species 0.000 description 1
- 102100023416 G-protein coupled receptor 15 Human genes 0.000 description 1
- 102100031618 HLA class II histocompatibility antigen, DP beta 1 chain Human genes 0.000 description 1
- 102100040485 HLA class II histocompatibility antigen, DRB1 beta chain Human genes 0.000 description 1
- 108010045483 HLA-DPB1 antigen Proteins 0.000 description 1
- 108010039343 HLA-DRB1 Chains Proteins 0.000 description 1
- 102100028673 HORMA domain-containing protein 1 Human genes 0.000 description 1
- 101000711436 Homo sapiens 39S ribosomal protein L22, mitochondrial Proteins 0.000 description 1
- 101000623076 Homo sapiens 40S ribosomal protein S28 Proteins 0.000 description 1
- 101000890598 Homo sapiens A-kinase anchor protein 9 Proteins 0.000 description 1
- 101000984917 Homo sapiens Butyrophilin subfamily 3 member A2 Proteins 0.000 description 1
- 101000812517 Homo sapiens Epidermal growth factor receptor substrate 15 Proteins 0.000 description 1
- 101000829794 Homo sapiens G-protein coupled receptor 15 Proteins 0.000 description 1
- 101000985274 Homo sapiens HORMA domain-containing protein 1 Proteins 0.000 description 1
- 101000599779 Homo sapiens Insulin-like growth factor 2 mRNA-binding protein 2 Proteins 0.000 description 1
- 101001082070 Homo sapiens Interferon alpha-inducible protein 6 Proteins 0.000 description 1
- 101001011393 Homo sapiens Interferon regulatory factor 2 Proteins 0.000 description 1
- 101001032342 Homo sapiens Interferon regulatory factor 7 Proteins 0.000 description 1
- 101000926535 Homo sapiens Interferon-induced, double-stranded RNA-activated protein kinase Proteins 0.000 description 1
- 101000961065 Homo sapiens Interleukin-18 receptor 1 Proteins 0.000 description 1
- 101001055145 Homo sapiens Interleukin-2 receptor subunit beta Proteins 0.000 description 1
- 101001014567 Homo sapiens Membrane-spanning 4-domains subfamily A member 7 Proteins 0.000 description 1
- 101001001531 Homo sapiens Phosphatidylinositol 5-phosphate 4-kinase type-2 alpha Proteins 0.000 description 1
- 101000610107 Homo sapiens Pre-B-cell leukemia transcription factor 1 Proteins 0.000 description 1
- 101000705770 Homo sapiens Proteasome activator complex subunit 4 Proteins 0.000 description 1
- 101000821881 Homo sapiens Protein S100-P Proteins 0.000 description 1
- 101000870945 Homo sapiens Ras guanyl-releasing protein 3 Proteins 0.000 description 1
- 101000868472 Homo sapiens Sialoadhesin Proteins 0.000 description 1
- 101000640976 Homo sapiens Tryptophan-tRNA ligase, cytoplasmic Proteins 0.000 description 1
- 108060003951 Immunoglobulin Proteins 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 102100037919 Insulin-like growth factor 2 mRNA-binding protein 2 Human genes 0.000 description 1
- 102100027354 Interferon alpha-inducible protein 6 Human genes 0.000 description 1
- 102100029838 Interferon regulatory factor 2 Human genes 0.000 description 1
- 102100038070 Interferon regulatory factor 7 Human genes 0.000 description 1
- 102000008070 Interferon-gamma Human genes 0.000 description 1
- 108010074328 Interferon-gamma Proteins 0.000 description 1
- 102100034170 Interferon-induced, double-stranded RNA-activated protein kinase Human genes 0.000 description 1
- 102100039340 Interleukin-18 receptor 1 Human genes 0.000 description 1
- 102100026879 Interleukin-2 receptor subunit beta Human genes 0.000 description 1
- 208000012659 Joint disease Diseases 0.000 description 1
- 102100038204 Large neutral amino acids transporter small subunit 1 Human genes 0.000 description 1
- 108010027220 PEGylated soluble tumor necrosis factor receptor I Proteins 0.000 description 1
- 102100036146 Phosphatidylinositol 5-phosphate 4-kinase type-2 alpha Human genes 0.000 description 1
- 102100040171 Pre-B-cell leukemia transcription factor 1 Human genes 0.000 description 1
- 102100031297 Proteasome activator complex subunit 4 Human genes 0.000 description 1
- 102100021494 Protein S100-P Human genes 0.000 description 1
- 201000004681 Psoriasis Diseases 0.000 description 1
- 238000002123 RNA extraction Methods 0.000 description 1
- 239000013614 RNA sample Substances 0.000 description 1
- 102100033450 Ras guanyl-releasing protein 3 Human genes 0.000 description 1
- 101150097162 SERPING1 gene Proteins 0.000 description 1
- 108091006232 SLC7A5 Proteins 0.000 description 1
- 102100032855 Sialoadhesin Human genes 0.000 description 1
- 210000001744 T-lymphocyte Anatomy 0.000 description 1
- 102000002501 Tryptophan-tRNA Ligase Human genes 0.000 description 1
- 208000025865 Ulcer Diseases 0.000 description 1
- 206010047700 Vomiting Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000003356 anti-rheumatic effect Effects 0.000 description 1
- 210000000436 anus Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 210000003719 b-lymphocyte Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 108091008324 binding proteins Proteins 0.000 description 1
- 239000003124 biologic agent Substances 0.000 description 1
- 239000012620 biological material Substances 0.000 description 1
- 229960000106 biosimilars Drugs 0.000 description 1
- 239000002981 blocking agent Substances 0.000 description 1
- 238000010241 blood sampling Methods 0.000 description 1
- 230000003915 cell function Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 210000004443 dendritic cell Anatomy 0.000 description 1
- 230000004041 dendritic cell maturation Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000010195 expression analysis Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 108020001507 fusion proteins Proteins 0.000 description 1
- 102000037865 fusion proteins Human genes 0.000 description 1
- 238000003633 gene expression assay Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000011331 genomic analysis Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000002557 hidradenitis Diseases 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 102000018358 immunoglobulin Human genes 0.000 description 1
- 210000004969 inflammatory cell Anatomy 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 230000028709 inflammatory response Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229960003130 interferon gamma Drugs 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012775 microarray technology Methods 0.000 description 1
- 210000001616 monocyte Anatomy 0.000 description 1
- 238000001151 non-parametric statistical test Methods 0.000 description 1
- 239000000041 non-steroidal anti-inflammatory agent Substances 0.000 description 1
- 229940021182 non-steroidal anti-inflammatory drug Drugs 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 229940124624 oral corticosteroid Drugs 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 201000008482 osteoarthritis Diseases 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000003950 pathogenic mechanism Effects 0.000 description 1
- 229950000867 pegsunercept Drugs 0.000 description 1
- 238000011338 personalized therapy Methods 0.000 description 1
- 230000002974 pharmacogenomic effect Effects 0.000 description 1
- 230000003234 polygenic effect Effects 0.000 description 1
- 229960005205 prednisolone Drugs 0.000 description 1
- OIGNJSKKLXVSLS-VWUMJDOOSA-N prednisolone Chemical compound O=C1C=C[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 OIGNJSKKLXVSLS-VWUMJDOOSA-N 0.000 description 1
- 229960004618 prednisone Drugs 0.000 description 1
- 229940095453 prednisone 10 mg Drugs 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 108090000765 processed proteins & peptides Proteins 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 229940126622 therapeutic monoclonal antibody Drugs 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 231100000397 ulcer Toxicity 0.000 description 1
- 238000007473 univariate analysis Methods 0.000 description 1
- 238000011870 unpaired t-test Methods 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
- 208000016261 weight loss Diseases 0.000 description 1
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
- C07—ORGANIC CHEMISTRY
- C07K—PEPTIDES
- C07K16/00—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies
- C07K16/18—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans
- C07K16/24—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against cytokines, lymphokines or interferons
- C07K16/241—Tumor Necrosis Factors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/564—Immunoassay; Biospecific binding assay; Materials therefor for pre-existing immune complex or autoimmune disease, i.e. systemic lupus erythematosus, rheumatoid arthritis, multiple sclerosis, rheumatoid factors or complement components C1-C9
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K39/00—Medicinal preparations containing antigens or antibodies
- A61K2039/505—Medicinal preparations containing antigens or antibodies comprising antibodies
-
- C—CHEMISTRY; METALLURGY
- C07—ORGANIC CHEMISTRY
- C07K—PEPTIDES
- C07K2317/00—Immunoglobulins specific features
- C07K2317/70—Immunoglobulins specific features characterized by effect upon binding to a cell or to an antigen
- C07K2317/76—Antagonist effect on antigen, e.g. neutralization or inhibition of binding
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/106—Pharmacogenomics, i.e. genetic variability in individual responses to drugs and drug metabolism
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/158—Expression markers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/52—Predicting or monitoring the response to treatment, e.g. for selection of therapy based on assay results in personalised medicine; Prognosis
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Organic Chemistry (AREA)
- Immunology (AREA)
- Engineering & Computer Science (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Molecular Biology (AREA)
- Analytical Chemistry (AREA)
- Genetics & Genomics (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Hematology (AREA)
- Biophysics (AREA)
- Biotechnology (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Microbiology (AREA)
- Biomedical Technology (AREA)
- Medicinal Chemistry (AREA)
- Urology & Nephrology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Rheumatology (AREA)
- Cell Biology (AREA)
- Rehabilitation Therapy (AREA)
- Food Science & Technology (AREA)
- General Physics & Mathematics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
- Peptides Or Proteins (AREA)
Abstract
Раскрыты способы диагностики in vitro для прогнозирования того, будет ли пациент отвечать на лечение ингибитором TNF (фактор некроза опухоли альфа). Указанный способ основан на профилировании экспрессии генов. Путем измерения профиля экспрессии раскрытых генов можно прогнозировать, будет ли успешным лечение ингибитором TNF или нет.
Description
(54) СПОСОБ ДИАГНОСТИКИ ДЛЯ ПРОГНОЗИРОВАНИЯ ОТВЕТА НА ИНГИБИТОР ФАКТОРА НЕКРОЗА ОПУХОЛИ АЛЬФА (TNFa)
(31) | Р1200607 | (56) ЕР-А1-1857559 |
(32) (33) | 2012.10.19 тттт | WO-A1-2012061620 ANTONIO JULIA ET AL.: An Eight-Gene |
ни | Blood Expression Profile Predicts the Response to | |
(43) | 2015.09.30 | Infliximab in Rheumatoid Arthritis, PLOS ONE, |
(86) | PCT/HU2013/000101 | vol. 4, no. 10, 1 January 2009 (2009-01-01), |
(87) | WO 2014/060785 2014.04.24 | page e7556, XP055015104, ISSN: 1932-6203, DOI: |
(71 )(73) Заявитель и патентовладелец: ЭГИШ ДЬЁДЬСЕРДЬЯР ЗРТ. (HU) | 10.1371/joumal.pone.0007556, the whole document LEQUERRE THIERRY ET AL.: Gene profiling in white blood cells predicts | |
(72) | Изобретатель: | infliximab responsiveness in rheumatoid arthritis, ARTHRITIS RESEARCH AND THERAPY, |
Надь Ласло, Метко Берталан, | BIOMED CENTRAL, LONDON, GB, vol. 8, no. 4, | |
Штейнер Ласло, Захуцки Габор, Холло | 3 July 2006 (2006-07-03), page R105, XP021020585, | |
Жольт (HU) | ISSN: 1478-6354, DOI: 10.1186/AR1924, the whole | document, tables 1,4 | |
(74) | Представитель: | WO-A2-2008132176 |
Харин А.В., Буре Н.Н. (RU) | WO-A2-2004091657 |
037105 В1 (57) Раскрыты способы диагностики in vitro для прогнозирования того, будет ли пациент отвечать на лечение ингибитором TNFa (фактор некроза опухоли альфа). Указанный способ основан на профилировании экспрессии генов. Путем измерения профиля экспрессии раскрытых генов можно прогнозировать, будет ли успешным лечение ингибитором TNFa или нет.
037105 Bl
Область техники
Изобретение принадлежит к области способов диагностики. Раскрыты новые способы прогнозирования in vitro того, будет ли пациент отвечать на лечение ингибитором TNFa (фактор некроза опухоли альфа).
Предшествующий уровень техники
Фактор некроза опухоли (TNF) стимулирует воспалительный ответ, который, в свою очередь, вызывает множество клинических проблем, связанных с аутоиммунными расстройствами, такими как ревматоидный артрит, анкилозирующий спондилоартрит, болезнь Крона, псориаз, гнойный гидраденит и рефрактерная астма. Данные расстройства иногда лечат путем применения ингибитора TNF.
Ревматоидный артрит (РА) считают хроническим системным воспалительным аутоиммунным расстройством, которое может поражать многие ткани и органы, но в основном атакует подвижные суставы. РА является болезненным и часто инвалидизирующим состоянием, которое может приводить к потере подвижности. В то же время болезнь Крона представляет собой тип воспалительного заболевания кишечника (ВЗК), которое может поражать любую часть желудочно-кишечного тракта от полости рта до ануса, вызывая широкое разнообразие симптомов. Прежде всего, оно вызывает абдоминальную боль, диарею, рвоту или потерю массы, но также может вызывать осложнения вне желудочно-кишечного тракта.
Доступные в настоящее время способы лечения вышеуказанных заболеваний основаны на целых популяциях пациентов. В результате известные способы лечения могут приводить к тому, что некоторые пациенты подвергаются неэффективным способам лечения до идентификации эффективной терапии. Таким образом, существует необходимость в персонализированной медицине для лучшего лечения заболеваний, связанных с TNFa (например, РА или ВЗК), и идентификации эффективных вариантов лечения для данного пациента.
В EP 1857559 раскрыт способ прогнозирования in vitro того, будет ли пациент отвечать на лечение средством, блокирующим TNFa, который включает определение в биологическом образце пациента уровня экспрессии восьми генов, где указанные гены представляют собой EPS15, HLA-DPB1, AKAP9, RASGRP3, МТСВР-1, PTNP12, MRPL22 и RPS28.
В WO 2011/097301 раскрыт способ прогнозирования способности к ответу субъекта, имеющего ревматоидный артрит (РА), на лечение ингибитором TNFa, причем данный способ включает определение наличия аллели общего эпитопа HLA-DRB 1 (HLA-DRB 1 SE) в образце от субъекта, где наличие по меньшей мере одной копии аллели HLA-DRB1 SE указывает на то, что субъект будет отвечать на лечение ингибитором TNFa.
Несмотря на тот факт, что в WO 2011/097301 и EP 1857559 раскрыты способы прогнозирования способности к ответу на лечение ингибитором TNF-альфа, остается необходимость в дальнейших более эффективных и точных способах определения того, будет ли пациент, имеющий заболевание, связанное с TNFa, отвечать на различные варианты лечения.
Краткое описание изобретения
До конца 2010 г. более 2000000 пациентов во всем мире получили лечение биологическими агентами против TNFa, такими как инфликсимаб, адалимумаб и этанерцепт, при состояниях, таких как, среди прочего, ревматоидный артрит (РА) или болезнь Крона (БК), но эффективность данных агентов различна (M.P. Karampetsou et al., QJM (2010), 103(12):917-928.).
Основная проблема терапии моноклональными антителами (mAb) при хронических воспалительных заболеваниях может быть кратко изложена посредством выводов двух недавних публикаций.
1) Значительный процент, приблизительно 30%, пациентов с РА не отвечает на биологическую терапию (Van Baarsen et al., Genes and Immunity 11, 622-629).
2) Результаты нескольких, больших исследований, сосредоточенных на применении биологических терапий при аутоиммунных заболеваниях, также показывают, что эффективность может снижаться после циклирования до второго ингибитора TNF (Rubbert-Roth et al., Arthritis Research & Therapy 2009).
Следовательно, прогнозирование того, будет ли пациент отвечать на терапию перед первым или вторым терапевтическим вариантом, является нереализованной потребностью в клинических условиях и имело бы большой эффект на применение данных лекарственных средств, делая лечение более экономически эффективным и обеспечивая пациентам возможность получать персонализированную терапию.
Способ по изобретению основан на применении алгоритма на основе биоинформатики для идентификации наборов генов, комбинированные профили экспрессии которых позволяют проводить различие между пациентами, отвечающими и не отвечающими на лечение ингибитором TNFa.
Более конкретно, для решения указанной выше проблемы авторы настоящего изобретения разработали способ прогнозирования in vitro того, будет ли пациент отвечать на лечение ингибитором TNFa, который включает определение уровня экспрессии по меньшей мере 6 генов, выбранных из генов
- 1 037105
ABCC4, AIDA, ARHGEF12, BMP6, BTN3A2, CA2, CADM2, CD300E, CYP1B1,
ENDOD1, FCGR1A, FMN1, GCLC, GPR34, HORMAD1, IGF2BP2, IL18R1, IL1RL1,
KAT2B, MAP1LC3B, MMD, MS4A4A, MS4A7, ODC1, PBX1, PCYT1B, PIP4K2A,
PIP5K1B, PRDM1, PSME4, RAD23A, RIOK3, RNASE2, RNF11, SLC7A5, THEM5,
TMEM176A, TMEM176B, UBE2H, WARS или из генов APOBEC3A, AQP9, CCL4,
CNTNAP3, CYP4F3, DHRS9, EIF2AK2, ELOVL7, EPSTI1, FCGR3A, GPAM,
GPR15, GZMB, IFI35, IFI44, IFI44L, IFI6, IFIT1, IFIT2, IFIT3, IFITM1, IL2RB, IRF2,
IRF7, MGAM, MICA, MME, MX1, OR2A9P, PF4, PTGS2, RAVER2, RFC1, RGS1,
RSAD2, S100P, SERPINB10, SERPING1, SIGLEC1, TNF, TNFAIP6, в биологическом образце указанного пациента. Согласно предпочтительному воплощению относительный уровень экспрессии выбранных генов определяют по сравнению с геном домашнего хозяйства. Предпочтительно указанный ген домашнего хозяйства представляет собой ген циклофилина, более предпочтительно циклофилина A (PPIA). Предпочтительно указанный биологический образец представляет собой периферическую кровь, более предпочтительно уровень экспрессии определяют в мононуклеарных клетках периферической крови (МКПК).
Согласно первому предпочтительному воплощению изобретения в указанном биологическом образце определяют уровень экспрессии генов ELOVL7, IFI44L, IFIT1, IFIT3, MICA, OR2A9P и RAVER2; либо уровень экспрессии генов APOBEC3A, IFI44, IFI44L, IFIT1, IFITM1, MICA и RGS1; либо уровень экспрессии генов АрОВЕСЗА, DHRS9, IFI35, IFI44, IFI44L, MICA и RFC1, предпочтительно у пациента, который имеет ревматоидный артрит.
Согласно второму предпочтительному воплощению изобретения в указанном биологическом образце определяют уровень экспрессии генов ВМР6, CD300E, CYP1B1, ODC1, RNF11 и UBE2H; либо уровень экспрессии генов ARHGEF12, CADM2, CD300E, GCLC, RIOK3 и UBE2H; либо уровень экспрессии генов CADM2, CD300E, CYP1B1, MMD, ODC1, RNF11 и UBE2H, предпочтительно у пациента, который имеет воспалительное заболевание кишечника, например болезнь Крона.
Согласно третьему предпочтительному воплощению способ по изобретению осуществляют для того, чтобы проследить за эффективностью указанного лечения ингибитором TNFa.
Согласно предпочтительному воплощению изобретения указанный ингибитор TNFa представляет собой антитело против TNFa, слитый белок TNF или рекомбинантный TNF-связывающий белок, более предпочтительно указанный ингибитор TNFa представляет собой адалимумаб, цертолизумаб пегол, этанерцепт, голимумаб, инфликсимаб, пегсунерцепт или их любые биоаналогичные варианты, еще более предпочтительно указанный ингибитор TNFa представляет собой инфликсимаб или его любой биоаналогичный вариант.
В другом аспекте способ по изобретению дополнительно включает стадию сравнения уровня экспрессии указанных выше генов с референсными значениями, полученными от групп пациентов, отвечающих и не отвечающих на лечение.
Предпочтительно в способе по изобретению уровень экспрессии определяют путем количественного определения уровня мРНК указанных генов в биологическом образце. Технологии ДНК-чипов и обратной транскрипции - количественной полимеразной цепной реакции в реальном времени (ОТ-кПЦР) особенно полезны для определения уровня экспрессии указанных генов.
Согласно еще одному предпочтительному воплощению изобретения способ дополнительно включает стадию определения уровня биомаркерного белка. Предпочтительно указанный биомаркерный белок представляет собой провоспалительный цитокин, хемокин или антитело против лекарственного средства.
Кроме того, изобретение относится к ингибитору TNFa для применения при лечении заболевания, связанного с TNFa, где пациента, получающего лечение, классифицировали как пациента, отвечающего на лечение ингибитором TNFa посредством способа по изобретению, указанный ингибитор TNFa предпочтительно представляет собой адалимумаб, цертолизумаб пегол, этанерцепт, голимумаб, инфликсимаб или пегсунерцепт.
Краткое описание графических материалов
Фиг. 1: Хронология и дизайн исследования по изобретению.
Фиг. 2: Схематический путь автоматического создания панелей генов.
Фиг. 3: Нормированные уровни мРНК достоверно изменяющихся генов в группах пациентов с ревматоидным артритом (РА) до и после терапии (значения p для AQP9: 0,02, TNFAIP6: 0,028, IGJ: 0,012). Данные рассчитывали на основе измерений посредством микрочипов.
Фиг. 4: Нормированные уровни мРНК четырех генов, для которых обнаружено, что они статистически значимо изменяются в том, что касается сравнения NR (пациент, не отвечающий на лечение) относительно R (пациент, отвечающий на лечение) при РА.
- 2 037105
Фиг. 5: Нормированные уровни мРНК значимо изменяющихся генов в группах пациентов с болезнью Крона (БК) до и после терапии (значения p для ММР8: 0,018, AQP9: 0,011, IGKC: 0,001, TNFAIP6:
0,005, MGAM: 0,011). Данные рассчитывали на основе измерений посредством микрочипов.
Фиг. 6: Нормированные уровни мРНК четырех генов, для которых обнаружено, что они статистически значимо изменяются в том, что касается сравнения NR относительно R при БК.
Фиг. 7: Три перечня генов, оцениваемых с помощью линейного дискриминантного анализа (ЛДА) при ревматоидном артрите (РА). Столбики слева представляют пациентов, не отвечающих на лечение, столбики справа представляют пациентов, отвечающих на лечение. Чем больше расстояние между группами и чем меньше перекрывание между образцами, тем выше способность разделения перечня генов. Панель генов из эксперимента с микрочипами (экспериментальная когорта) находится слева, панель генов из экспериментов ОТ-кПЦР (проверочная когорта) находится справа в отношении каждой панели генов, и перечень генов с самыми высокими значениями p, служащий в качестве отрицательного контроля на основе данных по микрочипам, находится справа.
Фиг. 8: Три перечня генов, оцениваемых с помощью линейного дискриминантного анализа (ЛДА) при болезни Крона (БК). Столбики слева представляют пациентов, не отвечающих на лечение, столбики справа представляют пациентов, отвечающих на лечение. Чем больше расстояние между группами и чем меньше перекрывание между образцами, тем выше способность разделения перечня генов. Панель генов из эксперимента с микрочипами (экспериментальная когорта) находится слева, панель генов из экспериментов ОТ-кПЦР (проверочная когорта) находится справа в отношении каждой панели генов, и перечень генов с самыми высокими значениями p, служащий в качестве отрицательного контроля на основе данных по микрочипам, находится справа.
Фиг. 9: Корреляция между числом генов в каждой панели генов и минимальным значением F, вычисленным для данной панели, либо в экспериментальной, либо проверочной когорте при PA.
Фиг. 10: Корреляция между числом генов в каждой панели генов и минимальным значением F, вычисленным для данной панели, либо в экспериментальной, либо проверочной когорте при БК.
Фиг. 11: Уровни IFNy (гамма-интерферон), измеренные с помощью ELISA (твердофазного иммуноферментного анализа) при БК (экспериментальная когорта).
Фиг. 12: Уровни IL-6 (интерлейкин-6), измеренные с помощью ELISA при БК (экспериментальная когорта).
Фиг. 13: Диаграммы разброса данных по сывороточным цитокинам, демонстрирующие достоверные различия при РА (экспериментальная когорта).
Фиг. 14: Уровни TNFa, измеренные с помощью ELISA, в образцах РА исходного уровня из экспериментальной когорты.
Фиг. 15: Уровни TNFa, измеренные с помощью ELISA, в образцах РА недели 2 из экспериментальной когорты.
Фиг. 16: Уровни TNFa, измеренные с помощью ELISA, в образцах исходного уровня и недели 2 РА из экспериментальной когорты.
Фиг. 17: Уровни инфликсимаба, измеренные с помощью ELISA, у пациентов РА на неделе 2 и 14 (экспериментальная когорта).
Фиг. 18: Уровни инфликсимаба на неделе 2 у пациентов БК, измеренные с помощью ELISA (экспериментальная когорта).
Фиг. 19: Уровни инфликсимаба на неделе 2 у пациентов РА, измеренные с помощью ELISA (экспериментальная когорта).
Подробное описание изобретения
Глобальное профилирование экспрессии генов в периферической крови является отработанной технологией при описании патогенетического фона аутоиммунных расстройств и разделении заболеваний. Периферическая кровь является доступным источником биологического материала, включающего клетки, и обладает явными преимуществами для ее применения в способах скрининга. Кроме того, поскольку циркулирующие мононуклеарные клетки периферической крови (МКПК) являются ключевыми клетками воспаления, несколько групп исследователей изучали МКПК в экспериментах с использованием микрочипов. Паттерны экспрессии генов в циркулирующих моноцитах, Т-клетках и В-клетках могут, но необязательно, отражать механизмы заболевания, это означает, что существует сложная задача распространения фармакогеномных маркеров на полигенные диагностические тесты, основанные на панелях генов, прогнозирующих ответ на терапии или развитие заболевания. Профилирование экспрессии генов МКПК обеспечивает менее дорогостоящую и менее инвазивную альтернативу биопсии или другим инвазивным способам. Тем не менее вплоть до настоящего времени не было проведено сравнения паттернов экспрессии генов различных аутоиммунных заболеваний, сосредоточенного на конкретной терапии.
Биомаркеры или наборы комбинированных биомаркеров, прогнозирующие ответ на терапию, в настоящее время часто применяют для улучшения специфичности лечения. Использование наименее инвазивного отбора образца периферической крови также обладает явными преимуществами. Тем не менее ограничения включают трудности при отборе образца, относящиеся к лабораторной обработке образцов,
- 3 037105 и в целях сведения к минимуму гетерогенности образцов как врачи-клиницисты, собирающие образцы, так и обрабатывающие их исследователи должны следовать строгим указаниям.
В процессе глобального профилирования экспрессии генов в периферической крови в экспериментальной когорте пациентов авторы настоящего изобретения определили панели генов с наилучшей дискриминационной способностью и проверили результаты на независимой когорте пациентов.
Подводя итог, способ по изобретению в одном аспекте может быть кратко изложен следующим образом. У пациентов с РА и БК берут периферическую кровь и возможно отделяют МКПК. Из периферической крови или выделенных МКПК выделяют РНК, затем подвергают ее обратной транскрипции с получением кДНК. Для определения относительных уровней экспрессии выбранных генов согласно изобретению одновременно используют метод ОТ-кПЦР.
Подход, которого придерживались авторы настоящего изобретения, заключался в проведении глобального анализа экспрессии генов в экспериментальной когорте с помощью технологии микрочипов Affymetrix для идентификации перечня генов, который можно было проверить в независимой когорте с помощью более чувствительного метода кПЦР в реальном времени (РВ). Технология ОТ-кПЦР является наиболее надежным инструментом для измерений экспрессии генов (в отношении чувствительности, динамического диапазона, стандартизации, производительности и цены), что также делает его идеальным в качестве диагностического инструмента.
Тем не менее авторы изобретения предположили, что для проверки можно было бы использовать не только данные исходного уровня, но и данные, полученные на неделе 2. Таким образом, гены, статистически значимо определяющие статус ответа пациента на лечение на неделе 2, также добавляли к проверочной выборке генов; а также несколько генов из литературы, относящейся к данной области.
Что касается сравнений образцов исходного уровня и недели 2 с помощью микрочипов при обоих состояниях, воздействия самой терапии на уровни экспрессии генов были представлены 5 генами при БК, из которых AQP9 и TNFAIP6 были идентифицированы ранее в качестве маркеров ВЗК; было обнаружено, что MGAM является полногеномным ассоциативным прогностическим фактором ответа на терапию, блокирующую TNFa, при ВЗК у детей, тогда как экспрессия MMP8 была продемонстрирована в области активного воспаления на дне язвы образцов толстой кишки при ВЗК, и ее наличие в строме указывает на этиологию ВЗК. При РА каждый ген, который, как было обнаружено, достоверно изменяется в первые две недели терапии, относится к его патогенезу: AQP9 и TNFAIP6 отличали пациентов с РА от здоровых контролей посредством профилирования экспрессии генов в МКПК; и IGJ (иммуноглобулин J) показывал достоверно более высокую экспрессию мРНК у близнецов с РА по сравнению с их здоровыми однояйцовыми близнецами.
Проверка с помощью ОТ-кПЦР в независимой когорте также дала перечень генов с достоверными различиями между пациентами, отвечающими и не отвечающими на лечение. При БК данные гены включают ТМЕМ176В и ТМЕМ176А, которые считаются мишенями функции дендритных клеток за счет образования мультимеров и ограничения созревания дендритных клеток; UBE2H, в отношении которого TNFa является известным регулятором UBE2H-зависимой убиквитин-конъюгирующей активности; и WARS, триптофанил-тРНК-синтетазу. Обнаружили, что при РА значимыми являются следующие гены: CYP4F3, который ассоциирован с патомеханизмами остеоартрита; DHRS9, MGAM; и PF4, который был выявлен в качестве прогностического фактора отсутствия ответа на инфликсимаб при РА в протеомном исследовании.
Несмотря на то, что достоверные различия между пациентами, отвечающими и не отвечающими на лечение, могли бы показать и отдельные гены, лежащие в основе различия, обеспечивающие более высокую предсказательную способность, могут быть выявлены только путем анализа панелей генов.
Для идентификации панелей генов с самой высокой дискриминационной способностью использовали анализ канонических величин (АКВ) или линейный дискриминантный анализ (ЛДА), поскольку по сравнению с одномерным анализом, который может не учитывать потенциальные взаимодействия между генами, он может выявлять лежащие в основе различия путем одновременного использования генов в виде панели генов, обеспечивая полную сегрегацию в многомерном пространстве.
Известно, что наборы панелей генов, связанных с результатом, идентифицированные с помощью сходных исследований экспрессии генов, имели лишь несколько общих генов, что могло бы объясняться разными способами получения образца, выделения мРНК или анализа данных, а также индивидуальными вариациями и гетерогенностью, обусловленной маркерами, даже в клинически однородной когорте пациентов. Включение в перечень генов со статистически значимыми различиями между пациентами, отвечающими и не отвечающими на лечение, необязательно указывает на важность данного гена в патогенетике заболевания или терапии, соответственно, для того, чтобы выявить потенциальные мишени для лечения, следует анализировать полный перечень генов, связанных с ответом.
Автоматизация отбора панелей генов с высокой дискриминационной способностью между пациентами, отвечающими и не отвечающими на лечение, в обеих когортах и при обоих заболеваниях путем построения алгоритма на основе биоинформатики проводила к получению примерно 4700 панелей генов при каждом состоянии со 100% сегрегацией относительно статуса ответа пациента на лечение. Среди
- 4 037105 них идентифицировали 3-3 панели генов с самой высокой дискриминационной способностью с учетом значений F панелей, данных перекрестной проверки и границ между сегрегированными группами.
Авторы настоящего изобретения неожиданно обнаружили следующее:
1) при хронических воспалительных заболеваниях, например при БК и РА, профили экспрессии генов периферической крови подходят для определения прогностических панелей генов, уровни экспрессии которых, при измерении перед терапией инфликсимабом, идентифицируют пациентов, которые являются чувствительными к данной терапии;
2) неожиданно, для прогнозирования статуса ответа пациента на лечение при БК и РА требуются совершенно разные панели генов, несмотря на тот факт, что данные состояния имеют сходный патогенетический фон; и
3) было идентифицировано несколько панелей генов, которые демонстрируют полную сегрегацию в экспериментальной и проверочной когорте, а также сильную сегрегацию в анализах перекрестной проверки.
В способе по изобретению отбор образцов является критическим моментом. Один из основных критериев способа относился к тому, что следует стабилизировать РНК, таким образом делая возможным хранение и транспортировку образцов. Такие способы являются коммерчески доступными, но они приводят к получению клеточных популяций, более или менее отличных от той, которую использовали в исследовании (МКПК/Тризол). Отбор образцов также должен быть способен обеспечивать как минимум 120-140 образцов, что необходимо для подходящей статистики. Обработка образцов, измерения QC и ОТ-кПЦР являются хорошо отработанными технологиями.
Помимо описанного способа отбора образцов МКПК/Тризол авторы изобретения протестировали другие способы отбора образцов. Среди данных способов способ отбора образцов PAXGene (Quiagen Corp., США) и LeukoLock (Life Technologies Corp., США) показал высокую корреляцию со способом МКПК/Тризол. Тем не менее в клинической практике наиболее предпочтительным способом отбора образцов был бы способ отбора образцов PAXGene, поскольку данный способ требует меньше лабораторного оборудования и навыков специалиста, который осуществляет отбор образцов.
Набор генов согласно изобретению, который был идентифицирован и проверен авторами настоящего изобретения, удовлетворяет нереализованную потребность в геномном способе однозначного проведения различия между пациентами, отвечающими и не отвечающими на лечение, для терапии ингибитором TNFa (например, инфликсимабом) либо при болезни Крона (БК), либо при ревматоидном артрите (РА). Способ диагностики согласно изобретению впервые в данной области техники дает возможность вводить персонализированное здравоохранение, которое приносит пользу всем пациентам. Кроме того, оно не только полезно для пациентов, в отношении которых можно было бы не допустить получения неэффективной терапии и затем перехода на подходящую терапию, но также врачей-клиницистов, регулирующих и компенсирующих органов, а также приносит прибыль от повышенной эффективности и безопасности терапии.
Примеры
Дизайн исследования.
пациентов с болезнью Крона (БК) и 19 пациентов с ревматоидным артритом (РА) включали в исследование (отбор образцов до и через 2 недели после терапии) в экспериментальную когорту для экспериментов с микрочипами.
Для способа проверки образцы от 15 пациентов с РА на неделе 0 из проверочной когорты, 5 пациентов из экспериментальной когорты (для технической проверки) и от 20 пациентов с БК на неделе 0 из проверочной когорты включали в эксперименты ОТ-кПЦР. На схематической диаграмме фиг. 1 показана хронология и дизайн исследования.
Набор пациентов.
А) Ревматоидный артрит.
Критерии включения.
Клинически диагностированный ревматоидный артрит (критерии Американской ревматологической ассоциации 1987).
Возраст от 20 до 60 лет.
Неспособность к ответу по меньшей мере на два модифицирующих заболевание противоревматических лекарственных средства, включая метотрексат.
Активное заболевание (определенное как имеющее индекс активности заболевания, оцениваемый в 28 суставах (DAS28) больше 3,2).
Пациенты, ранее не проходившие терапию против TNF.
Была допустима терапия преднизоном 10 мг в сутки при условии, что дозировка была стабильной в течение по меньшей мере 2 месяцев перед вводом.
Были допустимы пероральные кортикостероиды (максимальная доза 10 мг в сутки - преднизон) и нестероидное противовоспалительное лекарственное средство при условии стабильности в течение по меньшей мере 1 месяца перед исходным уровнем.
- 5 037105
Пациенты находились на максимальном переносимом лечении метотрексатом (5-30 мг в неделю), которое должно было быть стабильным в течение по меньшей мере 4 недель перед исходным уровнем.
Отношение женщины :мужчины составляет 3:1.
Критерии исключения.
Курильщик или курильщик в прошлом; беременность или грудное вскармливание; злокачественная опухоль в настоящее время или в недалеком прошлом; клинически значимые сопутствующие заболевания; активное инфекционное заболевание; пациенты с острым воспалительным заболеванием суставов иного происхождения в анамнезе.
Собираемые параметры.
Возраст, диагноз РА (год), DAS28, CRP (С-реактивный белок), We, RF (ревматоидный фактор), сопутствующие заболевания, лекарственные средства (например, DMARD (модифицирующие заболевание противоревматические лекарственные средства)). После 14 недель лечения клинический ответ на лечение оценивают, используя как критерии EULAR (Европейская Антиревматическая Лига), так и снижение DAS28 по меньшей мере на 1,2.
Б) Болезнь Крона.
Критерии включения.
Клинически диагностированная болезнь Крона.
Возраст от 20 до 60.
CDAI (Индекс активности болезни Крона) выше 250.
Никогда не получали терапию против TNF.
Терапия метотрексатом (МТХ), но меньше 20 мг/неделя.
Терапия преднизолоном, но меньше 10 мг/сутки.
Отношение женщины:мужчины составляет 1:1.
Критерии исключения.
Курильщик или курильщик в прошлом; беременность или грудное вскармливание; злокачественная опухоль в настоящее время или в недавнем прошлом; клинически значимые сопутствующие заболевания; активное инфекционное заболевание; пациенты с острым воспалительным заболеванием кишечника иного происхождения в анамнезе.
Собираемые параметры.
Возраст, диагноз БК (год), CDAI (если CDAI падал ниже 150, пациентов считали отвечающими на лечение, в противном случае - не отвечающими на лечение), CRP, We, сопутствующие заболевания, лекарственные средства, заключение по биопсии толстой кишки (при наличии), способность на ответ на неделе 14.
Отбор образцов у пациентов, обработка и хранение (МКПК/Тризол).
Способность отвечать на терапию определяли врачи-клиницисты через 14 недель после терапии на основе описанных выше критериев. Образцы периферической крови (10 мл) отбирали в вакуумные пробирки для взятия венозной крови, содержащие ЭДТА (этилендиаминтетрауксусную кислоту) (BD Vacutainer K2E), для отделения МКПК и 10 мл периферической крови - в необработанные пробирки для экстракции образцов сыворотки. Все образцы обрабатывали в течение одного часа после отбора образца.
МКПК отделяли центрифугированием в градиенте фиколла. Кратко, периферическую кровь разводили 10 мл физиологического раствора и наслаивали на 10 мл фиколла. Центрифугирование проводили при 2500 об/мин в течение 20 мин и затем отбирали слой МКПК. Клетки дважды промывали физиологическим раствором (1700 об/мин, 7 мин) и подвергали лизису в реагенте Тризол и хранили при -70°С до выделения РНК.
Статистика клинических параметров.
Клинические параметры когорт пациентов сравнивали путем использования GraphPad Prism и использовали U-критерий Манна-Уитни (p меньше 0,05 считали статистически значимым).
Выделение РНК.
РНК выделяли из мононуклеарных клеток периферической крови (МКПК), используя реагент Тризол (Invitrogen) согласно протоколу изготовителя. Количество и качество РНК проверяли на следующих приборах: УФ-фотометр NanoDrop 1000 (Thermo Scientific) и Agilent BioAnalyzer (Agilent Technologies).
Микрочип.
Для анализа глобального паттерна экспрессии 28869 хорошо аннотированных генов использовали чип Asymetrix GeneChip Human Gene 1.0 ST. Для амплификации и мечения 250 нг образцов РНК использовали набор для экспрессии Ambion WT (Applied Biosystems) и набор для концевого мечения и контроля GeneChip WT (Affymetrix). Образцы гибридизировали при 45°C в течение 16 ч, и затем выполняли стандартный протокол отмывки, используя струйную установку GeneChip 450 и чипы сканировали на сканере GeneChip 7G (Affymetrix).
Анализ данных по микрочипам.
Данные по микрочипам анализировали с помощью Genespring GX10 (Agilent Biotechnologies). Файлы данных Affymetrix импортировали, используя алгоритм RMA, и проводили медианную нормализа- 6 037105 цию. Что касается сравнения образцов исходного уровня с образцами недели 2, 20% серий проб с самым низким уровнем экспрессии отфильтровывали на первой стадии, затем перечень остальных серий проб фильтровали по кратности изменения (1,2-кратное отсечение) и проводили статистический анализ, используя парный U-критерий Манна-Уитни с коррекцией на множественное тестирование БенджаминиХохберга.
Что касается сравнения пациентов, отвечающих на лечение, с пациентами, не отвечающими на лечение, 20% серий проб с самым низким уровнем экспрессии отфильтровывали на первой стадии, затем перечень остальных серий проб фильтровали по кратности изменения (1,2-кратное отсечение) и проводили статистический анализ, используя непарный Т-критерий с коррекцией на множественное тестирование Бенджамини-Хохберга. Функциональную категоризацию генов проводили с помощью системы классификации Panther (http://www.pantherdb.org/).
ОТ-кПЦР.
Данные по экспрессии генов получали с использованием чипа низкой плотности TaqMan (TLDA) (Applied Biosystems), который представляет собой 384-луночную микрожидкостную плату, которая обеспечивает одновременную постановку 384 реакций ПЦР в реальном времени и которую использовали для профилирования экспрессии генов в нескольких исследованиях. Данная микрожидкостная плата с производительностью от низкой до средней позволяет параллельно прогонять два образца против 96 мишеней анализа экспрессии генов TaqMan®, которые предварительно загружают в каждую из лунок на панели. кДНК получали с помощью набора для высокоэффективной обратной транскрипции кДНК согласно протоколу изготовителя. В реакциях ОТ-кПЦР использовали 1 мкг РНК на образец. В каждом образце использовали 400 нг (4 мкл) кДНК. Для измерений количественной ПЦР в реальном времени добавляли 196 мкл не содержащей нуклеаз воды и 200 мкл 2х TaqMan Universal PCR Master Mix (Applied Biosystems). Затем данную смесь поровну делили на четыре порта загрузки образца TLDA, причем каждый соединяли с одним набором из 96 интересующих генов. Чипы центрифугировали один раз (1', 1300 об/мин при комнатной температуре) для того, чтобы равномерно распределить образец по лункам. Затем панель запаивали, чтобы предотвратить обмен между лунками. Амплификацию ОТ-кПЦР проводили, используя систему обнаружения последовательности Applied Biosystems Prism 7900HT при следующих условиях в термоциклере: 2 мин при 50°С и 10 мин при 94,5°С с последующими 40 циклами по 30 с при 97°С и 1 мин при 59,7°С. На основе предшествующего эксперимента авторов изобретения с микрочипами выбирали 91 ген, а остальные 5 генов представляли собой гены домашнего хозяйства для нормирования.
Анализ данных ОТ-кПЦР.
Файлы данных ОТ-кПЦР импортировали с помощью программы Data Assist (Applied BioSystems), и необработанные данные нормировали методом ΔCt. Циклофилин A (PPIA) выбирали в качестве генанормализатора, поскольку его экспрессия показывала меньшее варьирование между образцами. Чтобы найти гены, дифференциально экспрессируемые между группами пациентов, отвечающих и не отвечающих на лечение, применяли непараметрический статистический критерий (U-критерий Манна-Уитни) и проводили анализ канонических величин (АКВ).
Анализ канонических величин (АКВ) или линейный дискриминантный анализ (ЛДА).
Разделение между предопределенными группами объектов лучше всего выявляется с помощью анализа канонических величин (АКВ). АКВ представляет собой обобщение линейного дискриминантного анализа (ЛДА), причем эти два термина в данном исследовании используют эквивалентно. АКВ использовали для определения того, можно ли разделить группы пациентов, отвечающих и не отвечающих на лечение, в многомерном пространстве, перекрытом генетическими переменными, и, если это так, какие подгруппы генов обладают наилучшей дискриминационной способностью. Результатами АКВ являются так называемые канонические баллы, полученные из канонических функций, образованных посредством анализа собственных значений, которые служат в качестве координат наблюдений в каноническом пространстве.
Автоматическое создание панелей генов.
Линейный дискриминантный анализ (ЛДА) (Hamadeh H.K. et al., Prediction of compound signature using high density gene expression profiling. Toxicol Sci. 2002 Jun; 67(2):232-40) использовали для автоматического создания панелей генов, показывающих 100% сегрегацию между пациентами, отвечающими и не отвечающими на лечение, при обоих состояниях и в обеих когортах (экспериментальной и проверочной) согласно следующему алгоритму (использовали 40 генов при БК и 41 ген при РА, которые были предварительно отфильтрованы во время экспериментов с экспериментальными когортами и проверены в проверочных когортах):
1) Создают выборку генов в модели. Исходно данная выборка содержит все гены. Также создают выборку генов с так называемыми защищенными генами. Исходно данная выборка является пустой.
2) Для каждого гена вычисляют значение F, представляющее собой соотношение межгрупповой вариабельности и внутригрупповой вариабельности.
- 7 037105
3) Классификационный алгоритм (ЛДА) запускают, используя выборку генов в модели как в экспериментальной когорте, так и проверочной когорте. В обоих случаях процентное значение точности регистрируют как наилучшие значения точности.
4) Выборку выбираемых генов определяют следующим образом: выбираемые гены = гены в модели минус защищенные гены.
Если группа выбираемых генов не является пустой, тогда алгоритм продолжается на стадии 5, в противном случае алгоритм перескакивает на стадию 7.
5) Гены выбирают из выборки выбираемых генов согласно следующим моделям:
a) случайно с равными вероятностями (однородная модель);
b) случайно с вероятностью, которая обратно пропорциональна их значению F (модель F_prop);
c) гены с самыми низкими значениями F (модель min F).
В любом случае отобранный ген временно удаляют из выборки генов в модели.
Преимущество использования стохастических моделей вместо модели min F состоит в том, что они могут обеспечивать лучшую сегрегацию групп пациентов. Однородная модель и модель F_prop представляют собой стохастические алгоритмы, тогда как модель min F является детерминистической.
6) Классификатор запускают, используя (временно сокращенную) выборку генов в модели.
a) Если любое из двух процентных значений точности становится ниже, отобранный ген вновь вставляют в выборку генов в модели и добавляют к выборке защищенных генов.
b) Если оба процентные значения точности по меньшей мере не уступают наилучшим значениям точности, отобранный ген навсегда удаляют из генов в модели и выборку защищенных генов очищают. Наилучшие значения точности переписывают с помощью вычисленных значений точности.
Алгоритм возвращается на стадию 4.
7) Алгоритм завершается. Результатами являются выборка гены в модели и наилучшие значения точности.
Линейный дискриминантный анализ проводили посредством использования программы R (R Development Core Team (2008). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org.) с пакетом MASS (Venables, W.N. & Ripley, B.D. (2002) Modern Applied Statistics with S. Fourth Edition. Springer, New York) и пакетом wordcloud (Ian Fellows (2012). wordcloud: Word Clouds. R package version 2.0. http://CRAN.R-proiect.org/package=wordcloud) для визуализации.
Твердофазные иммуноферментные анализы (ELISA).
Для определения в сыворотке уровней IL-6, IL-8, IL-12, ZFNy, TNFa, инфликсимаба и антитела против инфликсимаба проводили твердофазные иммуноферментные анализы (ELISA). Для измерений IL-6, IL-8, IL-12 и IFNy использовали наборы Quantikin ELISA (R&D Systems) согласно протоколу изготовителя. Уровни TNFa, инфликсимаба и антител против инфликсимаба измеряли с помощью набора LISA TRACKER Premium Infliximab (BioMedical Diagnostics). Результаты приведены в пг/мл. Данные анализировали путем использования GraphPad Prism, и использовали U-критерий Манна-Уитни (статистически значимым считали p меньше 0,05).
Примеры
Пример 1.
Глобальный анализ экспрессии генов образцов экспериментальной когорты ревматоидного артрита.
Группы пациентов экспериментальной когорты ревматоидного артрита.
Образцы от 19 пациентов на исходном уровне и на неделе 2 включали в эксперименты с микрочипами. Врачи-клиницисты идентифицировали 6 пациентов, отвечающих на лечение, и 13 пациентов, не отвечающих или умеренно отвечающих на лечение. Каждый пациент получал одну и ту же базовую терапию и был некурящим. Между группами пациентов, не отвечающих на лечение (NR) и отвечающих на лечение (R), не было достоверных различий относительно возраста, DAS28, HAQ (анкета оценки состояния здоровья), CRP, ревматоидного фактора, антител к ССР (циклическому цитрулиновому пептиду) или DMARD (табл. 1).
- 8 037105
Таблица 1
Кумулятивные клинические параметры групп пациентов при РА в экспериментальной когорте
Пациенты, отвечающие на лечение (АКР (Американская коллегия ревматологов) 7050) | Пациенты, не отвечающие или умеренно отвечающие на лечение (АКР 200) | ||
На неделе 0 | 6 | 13 | |
Пол | Мужской/Женский | 1/5 | 2/11 |
Возраст | НД | 44,33 | 47,08 |
DAS28 | НД | 5,63 | 5,26 |
HAQ | НД | 1,27 | 2,06 |
CRP (мг/л) | НД | 16,83 | 28,31 |
DMARD | НД | 2,83 | 2,69 |
RF (ME (международная единица)/мл) | НД | 105,83 | 148,62 |
ССР (МЕ/мл) | НД | 675,78 | 756,31 |
НД означает отсутствие достоверных различий, DAS28, HAQ и DMARD представляют собой данные оценки в баллах.
Анализы микрочипов.
Глобальное профилирование экспрессии генов выявило гены со статистически значимыми различиями между пациентами, отвечающими и не отвечающими на лечение, на исходном уровне. Анализ образцов, полученных на неделе 2, показал гены со статистически значимыми различиями между пациентами, отвечающими и не отвечающими на лечение. Экспрессия некоторых генов достоверно отличалась даже на исходном уровне (EPSTI1, IFI44, IFIT1, IFIT2, IFIT3, RFC1 и RSAD2); тогда как другие экспрессировались по-разному на неделе 2 (FCGR3A, GPAM, MICA, ELOVL7, PF4, RGS1 и SNORD41). Многие из этих генов имеют отношение к РА согласно литературе (FCGR3A, MICA, PF4, IFIT1 и т.д.).
В результате сравнения образцов исходного уровня и недели 2 получили перечень трех генов (AQP9, IGJ и TNFAIP6) со статистически значимыми различиями даже с коррекцией на множественное тестирование Бенджамини-Хохберга. Эти гены представляют эффекты терапии с течением времени (фиг. 3).
Пример 2.
Проверка панелей генов ревматоидного артрита с помощью ОТ-кПЦР.
Группы пациентов проверочной когорты ревматоидного артрита.
Врачи-клиницисты идентифицировали 4 пациента, отвечающих на лечение, и 11 пациентов, не отвечающих или умеренно отвечающих на лечение. Каждый пациент получал одну и ту же базовую терапию и был некурящим. Между группами пациентов, не отвечающих (NR) и отвечающих (R) на лечение, не было достоверных различий относительно возраста, DAS28, HAQ, CRP или DMARD (табл. 2).
Таблица 2
Кумулятивные клинические параметры групп пациентов в проверочной когорте при РА
Пациенты, отвечающие на лечение | Пациенты, не отвечающие или умеренно отвечающие на лечение | ||
На неделе 0 | (экспериментальная когорта) | 4(6) | 11 (13) |
Пол | Мужской/Женский | 0/4 (1/5) | 3/8 (2/11) |
Возраст | Недостоверно | 54 (44,33) | 56,2 (47,08) |
DAS28 | Недостоверно | 5,23 (5,63) | 5,44 (5,26) |
HAQ | Недостоверно | 1,59(1,27) | 1,93 (2,06) |
CRP (мг/л) | Недостоверно | 18,9(16,83) | 9,58 (28,31) |
DMARD | Недостоверно | 3 (2,83) | 2,7 (2,69) |
В скобках также показаны данные экспериментальной когорты. DAS28, HAQ и DMARD представляют собой данные оценки в баллах.
Анализы ОТ-кПЦР.
Образцы от 15 пациентов на неделе 0 и 5 пациентов из экспериментальной когорты для технической проверки - 2 пациента, отвечающих на лечение, 3 пациента, не отвечающих на лечение, включали в эксперименты ОТ-кПЦР. Конфигурацию проверочных анализов кПЦР составляли следующим образом: на основе микрочипов экспериментальной когорты 29 серий проб оказались статистически значимыми на исходном уровне в отношении сравнения пациента, не отвечающего на лечение, с пациентом, отвечающим на лечение, из которых 27 генов (гены без аннотации и гены малых ядрышковых РНК исключали) включали в платы TLDA, а также 6 генов из сравнения NR относительно R на неделе 2, и 10 генов
- 9 037105 выбирали из литературы. Из этих генов 41 ген использовали в конечном анализе, как описано ниже (гены, не показывающие различий, исключали). В результате экспериментов ОТ-кПЦР получили 4 гена, демонстрирующих статистически значимые (односторонний U-критерий Манна-Уитни) различия между
NR и R (фиг. 4). Также проводили техническую проверку, и она оказалась успешной.
Пример 3.
Глобальный анализ экспрессии генов образцов экспериментальной когорты болезни Крона.
Группы пациентов экспериментальной когорты болезни Крона.
Образцы от 20 пациентов на исходном уровне и на неделе 2 включали в эксперименты с микрочипами (экспериментальная когорта). Врачи-клиницисты идентифицировали 14 пациентов, отвечающих на лечение, и 6 пациентов, не отвечающих на лечение. Каждый пациент получал одну и ту же базовую терапию и был некурящим. Между группами пациентов, не отвечающих на лечение (NR) и отвечающих на лечение (R), не было достоверных различий относительно возраста, CDAI, CRP, гемоглобина, лейкоцитов или нейтрофилов (табл. 3).
Таблица 3
Кумулятивные клинические параметры групп пациентов при БК в экспериментальной когорте
Пациенты, отвечающие на лечение | Пациенты, не отвечающие на лечение | ||
На неделе 0 | 14 | 6 | |
Пол | Мужской/Женский | 8/6 | 3/3 |
Возраст | Недостоверно | 36,2 | 33 |
CDAI | Недостоверно | 319,6 | 351,5 |
CRP (мг/л) | Недостоверно | 22,78 | 13,59 |
Гемоглобин (г/л) | Недостоверно | 125,1 | 120,6 |
Лейкоциты (г/л) | Недостоверно | 9,02 | 8,01 |
Нейтрофилы (%) | Недостоверно | 70,0 | 74,4 |
CDAI, Индекс активности болезни крона, представляет собой балл.
Анализы с микрочипами.
Глобальное профилирование экспрессии генов выявило гены со статистически значимыми различиями между пациентами, отвечающими и не отвечающими на лечение, на исходном уровне. Анализ образцов, полученных на неделе 2, показал гены со статистически значимыми различиями между пациентами, отвечающими и не отвечающими на лечение. Некоторые из этих генов также достоверно изменялись на исходном уровне (DDX11L2, ВМР6, ТНЕМ5 и АВСС4); тогда как другие представляли собой новые гены, обнаруженные на неделе 2 (GPR34, PRDM1, IL1RL1, СА2, MMD, sCl7A5, CADM2 и RAD23A). Многие из этих генов имеют отношение к БК согласно литературе (ВМР6, АВСС4, СА2, IL1RL1 и PRDM1). В результате сравнения образцов на исходном уровне и на неделе 2 получили перечень из пяти генов (AQP9, IGKC, MGAM, MMP8 и TNFAIP6) со статистически значимыми различиями. Данные гены представляют эффекты терапии с течением времени (фиг. 5).
Пример 4.
Проверка панелей генов болезни Крона с помощью ОТ-кПЦР.
Группы пациентов проверочной когорты болезни Крона.
Образцы от 20 пациентов на исходном уровне включали в эксперименты ОТ-кПЦР (проверочная когорта). Врачи-терапевты идентифицировали 13 пациентов, отвечающих на лечение, и 7 пациентов, не отвечающих на лечение. Каждый пациент получал одну и ту же базовую терапию и был некурящим. Между группами пациентов, не отвечающих (NR) и отвечающих (R) на лечение, не было достоверных различий относительно возраста, CDAI, CRP, гемоглобина, лейкоцитов или нейтрофилов (табл. 4).
Таблица 4
Кумулятивные клинические параметры групп пациентов в проверочной когорте при БК
Пациенты, отвечающие на лечение | Пациенты, не отвечающие на лечение | ||
На исходном уровне | (экспериментальная когорта) | 13(14) | 7(6) |
Пол | Мужской/Женский | 8/5 (8/6) | 4/4 (4/3) |
Возраст | Недостоверно | 26,8 (36,2) | 30,2 (36) |
CDAI | Недостоверно | 338,3 (319,6) | 370,7 (351,5) |
CRP (мг/л) | Недостоверно | 27,2 (22,78) | 16,5(13,59) |
Гемоглобин (г/л) | Недостоверно | 130(125,1) | 127 (120,6) |
Лейкоциты (г/л) | Недостоверно | 7,58 (9,02) | 9,24 (8,01) |
Нейтрофилы (%) | Недостоверно | 74,0 (70,0) | 72,83 (74,5) |
В скобках также показаны данные экспериментальной когорты. CDAI, Индекс активности болезни Крона, представляет собой балл.
- 10 037105
Анализы ОТ-кПЦР.
Конфигурацию проверочных анализов кПЦР составляли следующим образом: на основе 40 микрочипов в экспериментальной когорте 49 серий проб оказались статистически значимыми на исходном уровне в отношении сравнения пациента, не отвечающего на лечение, с пациентом, отвечающим на лечение, из которых 36 генов (гены без аннотации и гены малых ядрышковых РНК исключали) включали в платы TLDA, а также 8 генов из сравнения NR относительно R на неделе 2 и 7 генов из литературы. Из них 40 генов использовали в конечном анализе, как описано ниже (гены, не показывающие различий, исключали). В результате экспериментов ОТ-кПЦР получили 4 гена, демонстрирующих статистически значимые (односторонний U-критерий Манна-Уитни) различия между NR и R (фиг. 6).
Пример 5.
Биостатистический анализ данных экспрессии.
Проводили статистический анализ, используя данные экспрессии генов предварительно отфильтрованных 40/41 (РА/БК) генов в обеих когортах, используя автоматическое создание панелей генов, подробно описанное выше, разрабатывали алгоритм для обнаружения наилучших панелей генов, позволяющих проводить различие между пациентами, отвечающими и не отвечающими на лечение.
Алгоритм запускали с детерминированной моделью min_F и 5000 раз с обеими стохастическими моделями. При PA F_prop давала 4747 комбинаций панелей генов, показывающих 100% сегрегацию между пациентами, отвечающими и не отвечающими на лечение, как в экспериментальной, так и проверочной когортах (используя данные по микрочипам и ОТ-кПЦР соответственно), тогда как однородная модель давала даже больше, 4909 панелей генов. При БК данные числа составляли 4657 для F_prop и 4878 для однородной модели. Модель min_F также давала 100% сегрегацию, но необходимо отметить, что стохастические модели давали гораздо более глубокую сегрегацию в отношении показателей точности при обоих заболеваниях. Большое число панелей генов, обеспечивающих 100% сегрегацию, образованное 5000 запусками, позволяет предположить, что существуют другие панели со 100% сегрегацией, причем общее число данных панелей оценивают как превышающее 50000.
Перекрестная проверка представляет собой путь для прогнозирования соответствия модели гипотетической проверочной выборке, когда заданная проверочная выборка недоступна. Авторы изобретения использовали перекрестную проверку с исключением (LOOCV), которая включает использование одного наблюдения от исходного образца в качестве проверочных данных, а остальные наблюдения в качестве обучающих данных. Это действие повторяют таким образом, что каждое наблюдение в образце используют один раз в качестве проверочных данных. Для визуализации выбирали 3 -3 панели генов с наилучшей дискриминационной способностью, принимая во внимание значения F, данные перекрестной проверки и границы между сегрегационными группами. Перечень генов с самыми высокими значениями р в эксперименте с микрочипами служил в качестве отрицательных контролей, показывающих отсутствие сегрегации (табл. 5).
Панель генов для РА с наилучшей дискриминационной способностью включала гены, такие как CNTNAP3, CYP4F3, GZMB, MME, MX1, RAVER2, SERPINB10 и TNFAIP6 (RA1); тогда как вторая панель генов содержала CNTNAP3, CYP4F3, EPSTI1, MME, RGS1, SERPINB10 и TNFAIP6 (RA2); третья панель состояла из FCGR3A, GPAM, GZMB, IFI35, ММЕ, PTGS2, RAVER2, RFC1 и RSAD2 (RA3) (фиг. 7).
Панель генов для БК с наилучшей дискриминационной способностью включала гены, такие как ARHGEF12, ENDOD1, FCGR1A, GCLC, GPR34, KAT2B, MAP1LC3B и ODC1 (CD1); тогда как вторая панель генов содержала АВСС4, AIDA, ARHGEF12, CADM2, FMN1, KAT2B, ODC1, PCYT1B и RNASE2 (CD2); третья панель состояла из AIDA, CADM2, GCLC, KAT2B, MMD, PCYT1B, PIP5K1B, RIOK3 и RNF11 (CD3) (фиг. 8).
- 11 037105
Таблица 5
Показатели точности панелей генов, выбранных для визуализации
Панель генов № | RA1 | RA2 | RA3 | Отрицател ьный контроль | |||
Когорта ревматои дного артрита | Экспери мент, когорта | Пров ер. когор та | Экспери мент, когорта | Пров ер. когор та | Экспери мент, когорта | Пров ер. когор та | Экспериме нт. когорта |
Сегрегаци я групп | 100% | 100% | 100% | 100% | 100% | 100% | 53% |
Результат перекрест ной проверки | 100% | 87% | 95% | 93% | 95% | 87% | |
Источник данных | Микрочи п | ОТкПЦР | Микрочи п | ОТкПЦР | Микрочи п | ОТкПЦР | Микрочип |
Панель генов № | CD1 | CD2 | CD3 | Отрицател ьный контроль | |||
Когорта болезни Крона | Экспери мент, когорта | Пров ер. когор та | Экспери мент, когорта | Пров ер. когор та | Экспери мент, когорта | Пров ер. когор та | Экспериме нт. когорта |
Сегрегаци я групп | 100% | 100% | 100% | 100% | 100% | 100% | 55% |
Результат перекрест ной проверки | 95% | 80% | 90% | 85% | 90% | 80% | |
Источник данных | Микрочи п | ОТкПЦР | Микрочи п | ОТкПЦР | Микрочи п | ОТкПЦР | Микрочип |
Представлены данные сегрегации и перекрестной проверки каждой выбранной панели генов, а также отрицательного контроля.
На фиг. 9 и 10 показано число генов в пределах каждой панели, показывающих сегрегацию 100% между пациентами, отвечающими и не отвечающими на лечение, и наименьшее значение F, вычисленное для каждой группы пациентов (чем выше значение F, тем лучше сегрегация, что означает, что выбор минимального значения F представляет собой самую слабую точку модели), расположенные по значению F с целью выявления оцененного числа панелей генов с самой высокой дискриминационной способностью. Точка перегиба кривой минимального значения F показывает, что при РА приблизительно 350, тогда как при БК 200 панелей генов приводили к сильной дискриминации, причем все панели генов на графике приводили к 100% установлению различий между пациентами, отвечающими и не отвечающими на лечение.
Пример 6.
Анализ ELISA.
Измерения ELISA проводили для того, чтобы определить в сыворотке уровни белка пяти провоспалительных цитокинов (TNFa, IL-6, IL-8, IFNy и IL-12), терапевтического моноклонального антитела инфликсимаба и антитела против лекарственного средства (против инфликсимаба). В табл. 6 показано, что на основе статистического анализа было обнаружено достоверное различие при РА между пациентами, отвечающими и не отвечающими на лечение, на исходном уровне по уровню IL-12, тогда как при БК статистически достоверным оказался уровень IFNy. TNFa измеряли с помощью набора TRACKER Premium Infliximab в когорте РА. Подробные диаграммы разброса данных достоверных сравнений показаны на фиг. 11-13.
Таблица 6
Статистика измерений ELISA цитокинов
Ревматоидный артрит | Болезнь Крона | |||
NR против R на исходном уровне | Исходный уровень против недели 2 | NR против R на исходном уровне | Исходный уровень против недели 2 | |
IL-6 | 0,2 | 0,03 | 0,2 | 0,005 |
IL-8 | 0,3 | 0,01 | 0,9 | 0,06 |
IL-12 | 0,05 | 0,05 | 0,6 | 0,8 |
IFNy | 0,5 | 0,5 | 0,02 | 0,06 |
TNF | 0,2 | 0,67 |
Значения р получали посредством статистического анализа данных по уровню цитокинов групп NR против R и исходного уровня против недели 2 с использованием U-критерия Манна-Уитни. Числа, выделенные жирным шрифтом, представляют статистически значимые величины.
- 12 037105
Также проводили предварительные эксперименты ELISA по TNFa, инфликсимабу и антителу против инфликсимаба для тестирования набора LISA -TRACKER Premium Infliximab. В связи с ограниченным количеством набора можно было включить только образцы из экспериментальных когорт. Включали следующие образцы:
TNFa 17 РА на исходном уровне 17 РА на неделе 2 7 РА на неделе 14
Инфликсимаб 16 БК на неделе 2 19 РА на неделе 2 7 РА на неделе 14
Антитело против инфликсимаба 17 БК на неделе 2 19 РА на неделе 2 7 РА на неделе 14
Таким образом, TNFa измеряли только в образцах от пациентов с РА экспериментальной когорты, но различие между пациентами, отвечающими и не отвечающими на лечение, не могли выявить ни на исходном уровне, ни на неделе 2, ни при сравнениях исходного уровня с неделей 2 (фиг. 14-16).
Инфликсимаб и антитело против инфликсимаба измеряли в образцах недели 2 и недели 14 РА и БК (экспериментальная когорта) (фиг. 17-19). Уровни антитела против инфликсимаба можно было выявить только в трех образцах, представляющих пациентов, которые показывали нулевые уровни инфликсимаба на неделе 14.
Claims (2)
1. Способ прогнозирования in vitro того, будет ли пациент, страдающий от ревматоидного артрита, отвечать на лечение ингибитором TNFa (фактор некроза опухоли альфа), включающий стадию определения уровня экспрессии генов CNTNAP3, CYP4F3, GZMB, MME, MX1, RAVER2, SERPINB10 и TNFAIP6, или определения уровня экспрессии генов CNTNAP3, CYP4F3, EPSTI1, MME, RGS1, SERPINB10 и TNFAIP6, или определения уровня экспрессии генов FCGR3A, GPAM, GZMB, IFI35, MME, PTGS2, RAVER2, RFC1 и RSAD2, где уровни экспрессии выбранных генов определяют по сравнению с уровнем экспрессии гена домашнего хозяйства в качестве референсного гена в мононуклеарных клетках периферической крови указанного пациента; и стадию сравнения уровня экспрессии указанных генов с референсными значениями, полученными от групп пациентов, отвечающих и не отвечающих на лечение, где результат сравнения уровня экспрессии указанных генов с указанными значениями экспрессии референсного гена указывает на то, что пациент будет отвечать или не будет отвечать на лечение, где ингибитор TNFa представляет собой инфликсимаб.
2. Способ по п.1, где уровень экспрессии определяют путем количественного определения уровня мРНК указанных генов в образце крови.
20 пациентов БК
R против NR на исходном уровне
R против NR на неделе 2 Исходный уровень против недели 2
19 пациентов РА
R против NR на исходном уровне
R против NR на неделе 2 Исходный уровень против· недели 2 Ь
Фильтр по кратности изменения, значению F и Llкритерию Манна-Уитни
Анализы с микрочипами сывороточные цитокины (ELISA) + гликозилирование IgG
Идентификация перечней генов с наилучшей дискриминационной способностью в обеих когортах
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
HU1200607A HU230680B1 (hu) | 2012-10-19 | 2012-10-19 | Diagnosztikai eljárás |
PCT/HU2013/000101 WO2014060785A2 (en) | 2012-10-19 | 2013-10-18 | DIAGNOSTIC METHOD FOR PREDICTING RESPONSE TO TNFα INHIBITOR |
Publications (2)
Publication Number | Publication Date |
---|---|
EA201590773A1 EA201590773A1 (ru) | 2015-09-30 |
EA037105B1 true EA037105B1 (ru) | 2021-02-05 |
Family
ID=89990915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
EA201590773A EA037105B1 (ru) | 2012-10-19 | 2013-10-18 | Способ диагностики для прогнозирования ответа на ингибитор фактора некроза опухоли альфа (tnf) |
Country Status (12)
Country | Link |
---|---|
US (1) | US20160194709A1 (ru) |
EP (1) | EP2909340B1 (ru) |
JP (1) | JP2016502400A (ru) |
CA (1) | CA2889087C (ru) |
DK (1) | DK2909340T3 (ru) |
EA (1) | EA037105B1 (ru) |
ES (1) | ES2645972T3 (ru) |
HU (1) | HU230680B1 (ru) |
NO (1) | NO2909340T3 (ru) |
PL (1) | PL2909340T3 (ru) |
UA (1) | UA118658C2 (ru) |
WO (1) | WO2014060785A2 (ru) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016179469A1 (en) * | 2015-05-07 | 2016-11-10 | Abbvie Inc. | Methods and compositions for diagnosing and treating inflammatory bowel disease |
JP2018527895A (ja) | 2015-06-29 | 2018-09-27 | リージェンツ オブ ザ ユニバーシティ オブ ミネソタ | 抗−apobec3抗体並びにその製造及び使用方法 |
GB2547406A (en) * | 2015-11-20 | 2017-08-23 | Folkersen Lasse | Apparatus and methods of using of biomarkers for predicting TNF-inhibitor response |
GB201521357D0 (en) * | 2015-12-03 | 2016-01-20 | Univ Liverpool | Methods for predicting response to anti-TNF therapy |
US20190085405A1 (en) * | 2016-03-23 | 2019-03-21 | Regents Of The University Of Minnesota | Methods of detecting apobec3 expression and predicting clinical outcomes |
EP3755810A4 (en) * | 2018-02-19 | 2022-03-23 | Genefron Ltd. | PROCEDURE FOR DETERMINING RESPONSE TO TNF-ALPHA BLOCKER |
WO2019178546A1 (en) * | 2018-03-16 | 2019-09-19 | Scipher Medicine Corporation | Methods and systems for predicting response to anti-tnf therapies |
WO2020111887A1 (ko) * | 2018-11-30 | 2020-06-04 | 차의과학대학교 산학협력단 | 뇌 유래 소포체 특이적 마커 및 이를 이용한 뇌 질병 진단 방법 |
WO2020116567A1 (ja) * | 2018-12-07 | 2020-06-11 | 株式会社Dnaチップ研究所 | 関節リウマチ治療薬の奏効を予測する方法及びそれに用いるバイオマーカー |
KR20220044720A (ko) | 2019-06-27 | 2022-04-11 | 사이퍼 메디슨 코퍼레이션 | 환자를 계층화하기 위한 분류기의 개발 |
KR102429261B1 (ko) * | 2020-08-25 | 2022-08-03 | 충북대학교 산학협력단 | 한국인의 tnf 저해제 약물 반응성 예측을 위한 바이오마커 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004091657A2 (en) * | 2003-04-09 | 2004-10-28 | Genentech, Inc. | Therapy of autoimmune disease in a patient with an inadequate response to a tnf-alpha inhibitor |
EP1857559A1 (en) * | 2006-05-16 | 2007-11-21 | INSERM (Institut National de la Santé et de la Recherche Médicale) | A method for predicting responsiveness to TNF alpha blocking agents |
WO2008132176A2 (en) * | 2007-04-27 | 2008-11-06 | Universite Catholique De Louvain | Method for evaluating the response of an individual to tnf blocking therapy |
WO2012061620A1 (en) * | 2010-11-04 | 2012-05-10 | Genentech, Inc. | Methods for treating, diagnosing, and monitoring rheumatoid arthritis |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000058362A1 (en) * | 1999-03-26 | 2000-10-05 | Human Genome Sciences, Inc. | Neutrokine-alpha binding proteins and methods based thereon |
AU2008232506A1 (en) * | 2007-04-02 | 2008-10-09 | Genentech, Inc. | Biological markers predictive of rheumatoid arthritis response to B-cell antagonists |
EP2165194A4 (en) * | 2007-05-31 | 2010-09-08 | Abbott Lab | BIOMARKERS FOR PREDICTING RESPONSABILITY TO TNF ALPHA INHIBITORS IN AUTOIMMUNE DISEASES |
NZ590988A (en) * | 2008-08-25 | 2012-08-31 | Janssen Biotech Inc | Biomarkers for anti-tnf treatment in ulcerative colitis and related disorders |
JP2011004743A (ja) * | 2009-06-26 | 2011-01-13 | Dna Chip Research Inc | 関節リウマチ患者におけるインフリキシマブ薬効の有効性を判別する方法 |
-
2012
- 2012-10-19 HU HU1200607A patent/HU230680B1/hu not_active IP Right Cessation
-
2013
- 2013-10-18 DK DK13789899.5T patent/DK2909340T3/da active
- 2013-10-18 US US14/436,705 patent/US20160194709A1/en not_active Abandoned
- 2013-10-18 CA CA2889087A patent/CA2889087C/en not_active Expired - Fee Related
- 2013-10-18 UA UAA201504849A patent/UA118658C2/uk unknown
- 2013-10-18 ES ES13789899.5T patent/ES2645972T3/es active Active
- 2013-10-18 PL PL13789899T patent/PL2909340T3/pl unknown
- 2013-10-18 EA EA201590773A patent/EA037105B1/ru unknown
- 2013-10-18 JP JP2015537363A patent/JP2016502400A/ja active Pending
- 2013-10-18 WO PCT/HU2013/000101 patent/WO2014060785A2/en active Application Filing
- 2013-10-18 NO NO13789899A patent/NO2909340T3/no unknown
- 2013-10-18 EP EP13789899.5A patent/EP2909340B1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004091657A2 (en) * | 2003-04-09 | 2004-10-28 | Genentech, Inc. | Therapy of autoimmune disease in a patient with an inadequate response to a tnf-alpha inhibitor |
EP1857559A1 (en) * | 2006-05-16 | 2007-11-21 | INSERM (Institut National de la Santé et de la Recherche Médicale) | A method for predicting responsiveness to TNF alpha blocking agents |
WO2008132176A2 (en) * | 2007-04-27 | 2008-11-06 | Universite Catholique De Louvain | Method for evaluating the response of an individual to tnf blocking therapy |
WO2012061620A1 (en) * | 2010-11-04 | 2012-05-10 | Genentech, Inc. | Methods for treating, diagnosing, and monitoring rheumatoid arthritis |
Non-Patent Citations (2)
Title |
---|
ANTONIO JULI�, ALBA ERRA, CARLES PALACIO, CARLOS TOMAS, XAVIER SANS, PERE BARCEL�, SARA MARSAL: "An Eight-Gene Blood Expression Profile Predicts the Response to Infliximab in Rheumatoid Arthritis", PLOS ONE, PUBLIC LIBRARY OF SCIENCE, vol. 4, no. 10, 1 January 2009 (2009-01-01), pages e7556, XP055015104, ISSN: 19326203, DOI: 10.1371/journal.pone.0007556 * |
LEQUERRÉ THIERRY; GAUTHIER-JAUNEAU ANNE-CHRISTINE; BANSARD CARINE; DERAMBURE CÉLINE; HIRON MARTINE; VITTECOQ OLIVIER; DAVEAU MARYV: "Gene profiling in white blood cells predicts infliximab responsiveness in rheumatoid arthritis", ARTHRITIS RESEARCH AND THERAPY, BIOMED CENTRAL, LONDON, GB, vol. 8, no. 4, 3 July 2006 (2006-07-03), GB, pages R105, XP021020585, ISSN: 1478-6354, DOI: 10.1186/ar1924 * |
Also Published As
Publication number | Publication date |
---|---|
ES2645972T3 (es) | 2017-12-11 |
HU230680B1 (hu) | 2017-08-28 |
WO2014060785A2 (en) | 2014-04-24 |
UA118658C2 (uk) | 2019-02-25 |
EP2909340B1 (en) | 2017-08-02 |
EP2909340A2 (en) | 2015-08-26 |
PL2909340T3 (pl) | 2018-01-31 |
CA2889087A1 (en) | 2014-04-24 |
NO2909340T3 (ru) | 2017-12-30 |
EA201590773A1 (ru) | 2015-09-30 |
HUP1200607A2 (en) | 2014-04-28 |
WO2014060785A3 (en) | 2014-06-12 |
DK2909340T3 (da) | 2017-11-13 |
JP2016502400A (ja) | 2016-01-28 |
US20160194709A1 (en) | 2016-07-07 |
CA2889087C (en) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2909340B1 (en) | Diagnostic method for predicting response to tnf alpha inhibitor | |
US11091809B2 (en) | Molecular diagnostic test for cancer | |
US20150315643A1 (en) | Blood transcriptional signatures of active pulmonary tuberculosis and sarcoidosis | |
EP2550367B1 (en) | Genes and genes combinations predictive of early response or non response of subjects suffering from inflammatory disease to cytokine targeting drugs (cytd) | |
WO2012167278A1 (en) | Molecular diagnostic test for cancer | |
AU2012261820A1 (en) | Molecular diagnostic test for cancer | |
US20190367984A1 (en) | Methods for predicting response to anti-tnf therapy | |
US9441274B2 (en) | In vitro method and kit for prognosis or prediction of response by patients with rheumatoid arthritis to treatment with TNF-αfactor blocking agents | |
WO2010008543A2 (en) | Molecular signatures for diagnosing scleroderma | |
US20180080082A1 (en) | Compositions and methods for sjögren's syndrome | |
WO2012101183A2 (en) | Genes and genes combinations based on gene mknk1 predictive of early response or non response of subjects suffering from inflammatory disease to cytokine targeting drugs (cytd) or anti-inflammatory biological drugs | |
US20220351806A1 (en) | Biomarker Panels for Guiding Dysregulated Host Response Therapy | |
WO2023141097A1 (en) | Methods of treating eosinophilic colitis | |
CN106119406B (zh) | 多发性肉芽肿血管炎及微小动脉炎的基因分型诊断试剂盒及使用方法 | |
CN115605608A (zh) | 帕金森氏病的检测方法 | |
WO2024054572A1 (en) | Methods of detecting sjögren's syndrome using salivary exosomes | |
Zavacky | Investigating the heterogeneity of tumour-associated macrophages in renal cell carcinoma milieu | |
WO2022212890A1 (en) | Companion diagnostic and therapies for dysregulated host response | |
Pratt et al. | OP0235 Identification of Novel Cd4+ Lymphocyte Expression Quantitative Trait Loci in Untreated Early Arthritis Patients | |
Oliver et al. | OP0236 Whole Transcriptome Investigation of Response To Anti-TNF Treatment in Rheumatoid Arthritis | |
Meskó | Peripheral Blood Gene Expression Profiling as a Tool in Exploring the Pharmacogenomics of Autoimmune Diseases | |
Cathomas et al. | Two distinct immunopathological profiles in autopsy lungs of COVID-19 |