ES2741745T3 - Método para usar la expresión génica para determinar el pronóstico de cáncer de próstata - Google Patents

Método para usar la expresión génica para determinar el pronóstico de cáncer de próstata Download PDF

Info

Publication number
ES2741745T3
ES2741745T3 ES16195347T ES16195347T ES2741745T3 ES 2741745 T3 ES2741745 T3 ES 2741745T3 ES 16195347 T ES16195347 T ES 16195347T ES 16195347 T ES16195347 T ES 16195347T ES 2741745 T3 ES2741745 T3 ES 2741745T3
Authority
ES
Spain
Prior art keywords
hsa
mir
expression
genes
microrna
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES16195347T
Other languages
English (en)
Inventor
Steven Shak
Frederick L Baehner
Tara Maddala
Mark Lee
Robert Pelham
Wayne Cowens
Diana Cherbavaz
Michael C Kiefer
Michael Crager
Audrey Goddard
Joffre B Baker
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Genomic Health Inc
Original Assignee
Genomic Health Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Genomic Health Inc filed Critical Genomic Health Inc
Application granted granted Critical
Publication of ES2741745T3 publication Critical patent/ES2741745T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • CCHEMISTRY; METALLURGY
    • C12BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12QMEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • CCHEMISTRY; METALLURGY
    • C12BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12QMEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00Oligonucleotides characterized by their use
    • C12Q2600/118Prognosis of disease development
    • CCHEMISTRY; METALLURGY
    • C12BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12QMEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00Oligonucleotides characterized by their use
    • C12Q2600/158Expression markers
    • CCHEMISTRY; METALLURGY
    • C12BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12QMEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00Oligonucleotides characterized by their use
    • C12Q2600/178Oligonucleotides characterized by their use miRNA, siRNA or ncRNA

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Zoology (AREA)
  • Genetics & Genomics (AREA)
  • Wood Science & Technology (AREA)
  • Physics & Mathematics (AREA)
  • Biotechnology (AREA)
  • Microbiology (AREA)
  • Molecular Biology (AREA)
  • Hospice & Palliative Care (AREA)
  • Biophysics (AREA)
  • Oncology (AREA)
  • Biochemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

Un método para determinar una probabilidad de recidiva de cáncer en un paciente con cáncer de próstata, que comprende: medir el nivel de expresión un transcrito de ARN de BGN en una muestra biológica que comprende tejido prostático obtenido del paciente; y predecir una probabilidad de recidiva de cáncer para el paciente; en el que un nivel de expresión aumentado de BGN se asocia positivamente a un aumento del riesgo de recidiva.

Description

DESCRIPCIÓN
Método para usar la expresión génica para determinar el pronóstico de cáncer de próstata.
Campo técnico
La presente divulgación se refiere a ensayos de diagnóstico molecular que proporcionan información referente a métodos para usar perfiles de expresión génica para determinar información de pronóstico para pacientes con cáncer. Específicamente, la presente divulgación proporciona genes y microARN, cuyos niveles de expresión pueden usarse para determinar la probabilidad de que un paciente con cáncer de próstata experimente una recidiva del cáncer local o distante.
Introducción
El cáncer de próstata es el tumor maligno sólido más común en hombres y la segunda causa más común de muerte relacionada con cáncer en América del Norte y la Unión Europea (UE). En 2008, se les diagnosticó cáncer de próstata a más de 180.000 pacientes solamente en Estados Unidos y casi 30.000 murieron de esta enfermedad. La edad es el factor de riesgo individual más importante para el desarrollo de cáncer de próstata, y aparece en todos los grupos raciales que se han estudiado. Con el envejecimiento de la población estadounidense, se prevé que la incidencia anual de cáncer de próstata se duplicará hacia el año 2025 hasta casi 400.000 casos al año.
Desde la introducción del examen de antígeno prostático específico (PSA) en la década de 1990, la proporción de pacientes que presentan una enfermedad clínicamente evidente ha descendido drásticamente de manera que los pacientes clasificados como de "bajo riesgo" constituyen ahora la mitad de los nuevos diagnósticos hoy en día. Se usa el PSA como marcador tumoral para determinar la presencia de cáncer de próstata ya que los niveles de PSA altos están asociados a cáncer de próstata. A pesar de una proporción creciente de pacientes con cáncer de próstata localizado que presentan características de bajo riesgo, tales como enfermedad en estadio bajo (T1), más del 90 % de los pacientes en Estados Unidos se someten todavía a terapia definitiva, incluyendo prostatectomía o radiación. Sólo aproximadamente un 15 % de estos pacientes desarrollarían enfermedad metastásica y morirían por su cáncer de próstata, incluso en ausencia de terapia definitiva. A. Bill-Axelson, y col., J Nat'l Cancer Inst. 100 (16): 1144-1154 (2008). Por lo tanto, la mayoría de los pacientes con cáncer de próstata están siendo sobretratados.
Las estimaciones de riesgo de recidiva y las decisiones de tratamiento en cáncer de próstata se basan en la actualidad principalmente en los niveles de PSA y/o el estadio tumoral. Aunque se ha demostrado que el estadio tumoral tiene una asociación significativa con el resultado suficiente como para incluirse en informes de patología, la declaración de consenso del College of American Pathologists indicó que existen variaciones en el enfoque para la adquisición, la interpretación, la notificación y el análisis de esta información. C. Compton, y col., Arch Pathol Lab Med 124: 979-992 (2000). Como consecuencia, se ha criticado que los métodos de estadificación patológica existentes carecen de reproducibilidad y, por lo tanto, pueden proporcionar estimaciones imprecisas del riesgo de pacientes individuales.
El documento WO 2010/056993 se refiere a biomarcadores para el pronóstico de cáncer de próstata.
El documento WO 2008/067065 se refiere a proteínas para el pronóstico de cáncer.
Sumario
La invención se define en las reivindicaciones.
Esta solicitud desvela ensayos moleculares que implican la medición del nivel o los niveles de expresión de uno o más genes, subconjuntos de genes, microARN o uno o más microARN junto con uno o más genes o subconjuntos de genes, a partir de una muestra biológica obtenida de un paciente con cáncer de próstata, y el análisis de los niveles de expresión medidos para proporcionar información referente a la probabilidad de recidiva del cáncer. Por ejemplo, la probabilidad de recidiva del cáncer podría describirse en cuanto a una puntuación basada en intervalo libre de recidiva clínica o bioquímica.
Además, esta solicitud desvela ensayos moleculares que implican la medición del nivel o niveles de expresión de uno o más genes, subconjuntos de genes, microARN o uno o más microARN junto con uno o más genes o subconjuntos de genes, a partir de una muestra biológica obtenida para identificar una clasificación de riesgo para un paciente con cáncer de próstata. Por ejemplo, los pacientes pueden estratificarse usando el nivel o los niveles de expresión de uno o más genes o microARN asociados, positiva o negativamente, a recidiva del cáncer o muerte por cáncer, o a un factor pronóstico. En una realización ejemplar, el factor pronóstico es el patrón de Gleason.
La muestra biológica puede obtenerse a partir de métodos convencionales, incluyendo cirugía, biopsia o fluidos corporales. Puede comprender tejido tumoral o células cancerosas y, en algunos casos, tejido histológicamente normal, por ejemplo, tejido histológicamente normal adyacente al tejido tumoral. En realizaciones ejemplares, la muestra biológica es positiva o negativa para una fusión de TMPRSS2.
En realizaciones ejemplares, se usan el nivel o los niveles de expresión de uno o más genes y/o microARN que están asociados, positiva o negativamente, a un resultado clínico particular en cáncer de próstata para determinar el pronóstico y la terapia apropiada. Los genes desvelados en el presente documento pueden usarse en solitario o dispuestos en subconjuntos de genes funcionales, tales como de adhesión/migración celular, respuesta al estrés inmediata-inicial y asociados a la matriz extracelular. Cada subconjunto de genes comprende los genes desvelados en el presente documento, así como genes que se coexpresan con uno o más de los genes desvelados. El cálculo puede realizarse en un ordenador, programado para ejecutar el análisis de expresión génica. Los microARN desvelados en el presente documento también pueden usarse en solitario o en combinación con uno cualquiera o más de los microARN y/o genes desvelados.
En realizaciones ejemplares, el ensayo molecular puede implicar niveles de expresión para al menos dos genes. Los genes, o subconjuntos de genes, pueden ponderarse según su fuerza de asociación con el pronóstico o microentorno tumoral. En otra realización ejemplar, el ensayo molecular puede implicar niveles de expresión de al menos un gen y al menos un microARN. La combinación de gen-microARN puede seleccionarse basándose en la probabilidad de que la combinación de gen-microARN interaccione funcionalmente.
Breve descripción de los dibujos
La figura 1 muestra la distribución de evaluaciones clínicas y patológicas de la puntuación de Gleason de biopsia, el nivel de PSA inicial y el estadio T clínico.
Definiciones
A menos que se defina otra cosa, los términos técnicos y científicos usados en el presente documento tienen el mismo significado que se entiende comúnmente por un experto habitual en la técnica a la que pertenece esta invención. Singleton y col., Dictionary of Microbiology and Molecular Biology 2a ed., J. Wiley & Sons (Nueva York, NY 1994), y March, Advanced Organic Chemistry Reactions, Mechanisms and Structure 4a ed., John Wiley & Sons (Nueva York, NY 1992), proporcionan a un experto en la técnica orientación general para muchos de los términos usados en la presente solicitud.
Los términos "tumor" y "lesión" como se usan en el presente documento, se refieren a todo crecimiento y proliferación de células neoplásicas, ya sean malignas o benignas, y a todas las células y tejidos precancerosos y cancerosos. Los expertos en la técnica se darán cuenta de que una muestra de tejido tumoral puede comprender múltiples elementos biológicos, tales como una o más células cancerosas, células parciales o fragmentadas, tumores en diversos estadios, tejido de aspecto histológicamente normal circundante y/o tejido macro o micro-diseccionado.
Los términos "cáncer' y "canceroso" se refieren a o describen el estado fisiológico en mamíferos que se caracteriza normalmente por crecimiento celular no regulado. Los ejemplos de cáncer en la presente divulgación incluyen cáncer del tracto genitourinario, tal como cáncer de próstata.
La "patología" de cáncer incluye todos los fenómenos que ponen en peligro el bienestar del paciente. Esto incluye, sin limitación, crecimiento celular anómalo o incontrolable, metástasis, interferencia con el funcionamiento normal de células vecinas, liberación de citocinas u otros productos de secreción a niveles anómalos, supresión o agravamiento de la respuesta inflamatoria o inmunológica, neoplasia, tumores premalignos, tumores malignos, invasión de órganos o tejidos circundantes o distantes, tales como ganglios linfáticos, etc.
Como se usa en el presente documento, la expresión "cáncer de próstata" se usa de manera intercambiable y en su sentido más amplio se refiere a todos los estadios y a todas las formas de cáncer que surgen del tejido de la glándula prostática.
Según el sistema de estadificación de tumor, ganglio, metástasis (TNM) del American Joint Committee on Cancer (AJCC), AJCC Cancer Staging Manual (7a ed., 2010), los diversos estadios del cáncer de próstata se definen como se indica a continuación: Tumor: T1: tumor clínicamente no evidente no palpable ni visible mediante obtención de imágenes, T 1a: hallazgo histológico casual de tumor en el 5 % o menos del tejido resecado, T 1b: hallazgo histológico casual de tumor en más del 5 % del tejido resecado, T1c: tumor identificado mediante biopsia con aguja; T2: tumor confinado dentro de la próstata, T2a: el tumor afecta a la mitad de un lóbulo o menos, T2b: el tumor afecta a más de la mitad de un lóbulo, pero no a ambos lóbulos, T2c: el tumor afecta a ambos lóbulos; T3: el tumor se extiende a través de la cápsula prostática, T3a: extensión extracapsular (unilateral o bilateral), T3b: el tumor invade la vesícula o vesículas seminales; T4: el tumor está fijado a o invade estructuras adyacentes distintas de las vesículas seminales (cuello de la vejiga, esfínter externo, recto, músculos elevadores o pared pélvica). Ganglio: N0: sin metástasis en ganglios linfáticos regionales; N1: metástasis en ganglios linfáticos regionales. Metástasis: M0: sin metástasis distante; M1: metástasis distante presente.
El sistema de graduación de Gleason se usa para ayudar a evaluar el pronóstico de hombres con cáncer de próstata. Junto con otros parámetros, se incorpora en una estrategia de estadificación del cáncer de próstata, que predice el pronóstico y ayuda a guiar la terapia. Se da una "puntuación" o "grado" de Gleason al cáncer de próstata basándose en su aspecto microscópico. Los tumores con una puntuación de Gleason baja normalmente crecen lo suficientemente lento como para que no representen una amenaza significativa para los pacientes durante toda su vida. Estos pacientes se monitorizan ("espera en observación" o "vigilancia activa") a lo largo del tiempo. Los cánceres con una puntación de Gleason superior son más agresivos y tienen un peor pronóstico, y estos pacientes se tratan generalmente con cirugía (por ejemplo, prostectomía radical) y, en algunos casos, con terapia (por ejemplo, radiación, hormonas, ultrasonidos, quimioterapia). Las puntuaciones (o sumas) de Gleason comprenden grados de los dos patrones tumorales más comunes. Estos patrones se denominan patrones de Gleason 1-5, siendo el patrón 1 el mejor diferenciado. La mayoría tienen una mezcla de patrones. Para obtener un grado o puntuación de Gleason, se añade el patrón dominante al segundo patrón más prevalente para obtener un número entre 2 y 10. Los grados de Gleason incluyen: G1: bien diferenciado (anaplasia ligera) (Gleason 2-4); G2: moderadamente diferenciado (anaplasia moderada) (Gleason 5-6); G3-4: escasamente diferenciado/no diferenciado (anaplasia marcada) (Gleason 7-10).
Agrupaciones de estadios: Estadio I: T1a N0 M0 G1; estadio II: (T1a N0 M0 G2-4) o (T1b, c, T1, T2, N0 M0 cualquier G); estadio III: T3 N0 M0 cualquier G; estadio IV: (T4 N0 M0 cualquier G) o (cualquier T N1 M0 cualquier G) o (cualquier T cualquier N M1 cualquier G).
Como se usa en el presente documento, la expresión "tejido tumoral" se refiere a una muestra biológica que contiene una o más células cancerosas, o una fracción de una o más células cancerosas. Los expertos en la técnica reconocerán que tal muestra biológica puede comprender adicionalmente otros componentes biológicos, tales como células de aspecto histológicamente normal (por ejemplo, adyacentes al tumor), dependiendo del método usado para obtener el tejido tumoral, tal como resección quirúrgica, biopsia o fluidos corporales.
Como se usa en el presente documento, la expresión "grupo de riesgo de AUA" se refiere a las directrices de la American Urological Association (AUA) actualizadas en 2007 para la gestión del cáncer de próstata localizado clínicamente, que usan los médicos para determinar si un paciente está en riesgo bajo, intermedio o alto de recaída bioquímica (PSA) tras terapia local.
Como se usa en el presente documento, la expresión "tejido adyacente (AT)" se refiere a células histológicamente "normales" que son adyacentes a un tumor. Por ejemplo, el perfil de expresión de AT puede estar asociado a la supervivencia y recidiva de la enfermedad.
Como se usa en el presente documento "tejido prostático no tumoral" se refiere a tejido de aspecto histológicamente normal adyacente a un tumor de próstata.
Los factores pronósticos son las variables relacionadas con la historia natural del cáncer, que influyen en las tasas de recidiva y el desenlace de pacientes una vez que han desarrollado cáncer. Los parámetros clínicos que se han asociado a un peor pronóstico incluyen, por ejemplo, aumento del estadio tumoral, nivel de PSA en la presentación y grado o patrón de Gleason. Los factores pronósticos se usan frecuentemente para clasificar pacientes en subgrupos con diferentes riesgos de recaída iniciales.
El término "pronóstico" se usa en el presente documento para referirse a la probabilidad de que un paciente con cáncer tenga un avance o muerte atribuible al cáncer, incluyendo recidiva, diseminación metastásica y resistencia farmacológica, de una enfermedad neoplásica, tal como cáncer de próstata. Por ejemplo, un "buen pronóstico" incluirá supervivencia a largo plazo sin recidiva y un "mal pronóstico" incluirá recidiva del cáncer.
Como se usa en el presente documento, la expresión "nivel de expresión" como se aplica a un gen, se refiere al nivel normalizado de un producto génico, por ejemplo, el valor normalizado determinado para el nivel de expresión de ARN de un gen o para el nivel de expresión de polipéptido de un gen.
La expresión "producto génico" o "producto de expresión" se usan en el presente documento para referirse a los productos de transcripción (transcritos) de ARN (ácido ribonucleico) del gen, incluyendo ARNm, y los productos de traducción de polipéptido de tales transcritos de ARN. Un producto génico puede ser, por ejemplo, un ARN no sometido a corte y empalme, un ARNm, un ARNm variante de corte y empalme, un microARN, un ARN fragmentado, un polipéptido, un polipéptido modificado postraduccionalmente, un polipéptido variante de corte y empalme, etc.
La expresión "transcrito de ARN" como se usa en el presente documento, se refiere a los productos de transcripción de ARN de un gen, incluyendo, por ejemplo, ARNm, un ARN no sometido a corte y empalme, un ARNm variante de corte y empalme, un microARN y un ARN fragmentado.
El término "microARN" se usa en el presente documento para referirse a un ARN pequeño, no codificante, monocatenario de ~18-25 nucleótidos que puede regular la expresión génica. Por ejemplo, cuando está asociado con el complejo de silenciamiento inducido por ARN (RISC), el complejo se une a dianas de ARNm específicas y provoca la represión de la traducción o la escisión de estas secuencias de ARNm.
A menos que se indique otra cosa, cada nombre de gen usado en el presente documento corresponde al símbolo oficial asignado al gen y proporcionado por Entrez Gene (URL: www.ncbi.nlm.nih.gov/sites/entrez) en la fecha de presentación de esta solicitud.
Los términos "correlacionado" y "asociado" se usan de manera intercambiable en el presente documento para referirse a la asociación entre dos mediciones (o entidades medidas). La divulgación proporciona genes, subconjuntos de genes, microARN o microARN en combinación con genes o subconjuntos de genes, cuyos niveles de expresión están asociados al estadio tumoral. Por ejemplo, el nivel de expresión aumentado de un gen o microARN puede estar correlacionado positivamente (asociado positivamente) con un buen pronóstico o pronóstico positivo. Una correlación positiva de este tipo puede demostrarse estadísticamente de diversos modos, por ejemplo, por una relación de riesgo de recidiva del cáncer inferior a uno. En otro ejemplo, el nivel de expresión aumentado de un gen o microARN puede estar correlacionado negativamente (asociado negativamente) con un buen pronóstico o pronóstico positivo. En ese caso, por ejemplo, el paciente puede experimentar una recidiva del cáncer.
Las expresiones "buen pronóstico" o "pronóstico positivo" como se usan en el presente documento, se refieren a un resultado clínico beneficioso, tal como supervivencia a largo plazo sin recidiva. Las expresiones "mal pronóstico" o "pronóstico negativo" como se usan en el presente documento, se refieren a un resultado clínico negativo, tal como recidiva del cáncer.
La expresión "clasificación de riesgo" significa una agrupación de sujetos por el nivel de riesgo (o probabilidad) de que el sujeto experimente un resultado clínico particular. Un sujeto puede clasificarse en un grupo de riesgo o clasificarse en un nivel de riesgo basándose en los métodos de la presente divulgación, por ejemplo riesgo alto, medio o bajo. Un "grupo de riesgo" es un grupo de sujetos o individuos con un nivel de riesgo similar para un resultado clínico particular.
La expresión supervivencia "a largo plazo" se usa en el presente documento para referirse a supervivencia durante un periodo de tiempo particular, por ejemplo, durante al menos 5 años, o durante al menos 10 años.
El término "recidiva" se usa en el presente documento para referirse a recidiva local o distante (es decir, metástasis) de cáncer. Por ejemplo, el cáncer de próstata puede experimentar recidiva localmente en el tejido próximo a la próstata o en las vesículas seminales. El cáncer también puede afectar a los ganglios linfáticos circundantes en la pelvis o los ganglios linfáticos fuera de esta zona. El cáncer de próstata también puede diseminarse a tejidos próximos a la próstata, tales como músculos pélvicos, huesos u otros órganos. La recidiva puede determinarse mediante recidiva clínica detectada mediante, por ejemplo, estudio de obtención de imágenes o biopsia, o recidiva bioquímica detectada mediante, por ejemplo, seguimiento sostenido de los niveles de antígeno prostático específico (PSA) >0,4 ng/ml o el inicio de la terapia de recuperación como resultado de un nivel de PSA creciente.
La expresión "intervalo libre de recidiva clínica (ILRc)" se usa en el presente documento como el tiempo (en meses) desde la cirugía hasta la primera recidiva clínica o muerte debido a recidiva clínica de cáncer de próstata. Las pérdidas debidas a seguimiento incompleto, otros cánceres primarios o muerte antes de la recidiva clínica se consideran acontecimientos de censura; cuando se producen, la única información conocida es que hasta el tiempo de censura, no se ha producido recidiva clínica en este sujeto. Las recidivas bioquímicas se ignoran para los fines de calcular el ILRc.
La expresión "intervalo libre de recidiva bioquímica (ILRb)" se usa en el presente documento para referirse al tiempo (en meses) desde la cirugía hasta la primera recidiva bioquímica de cáncer de próstata. Las recidivas clínicas, pérdidas debidas a seguimiento incompleto, otros cánceres primarios o muerte antes de la recidiva bioquímica se consideran acontecimientos de censura.
La expresión "supervivencia global (SG)" se usa en el presente documento para referirse al tiempo (en meses) desde la cirugía hasta la muerte por cualquier causa. Las pérdidas debidas a seguimiento incompleto se consideran acontecimientos de censura. La recidiva bioquímica y recidiva clínica se ignoran para los fines de calcular la SG.
La expresión "supervivencia específica a cáncer de próstata (SECP)" se usa en el presente documento para describir el tiempo (en años) desde la cirugía hasta la muerte por cáncer de próstata. Las pérdidas debidas a seguimiento incompleto o muertes por otras causas se consideran acontecimientos de censura. La recidiva clínica y recidiva bioquímica se ignoran para los fines de calcular la SECP.
La expresión "aumento del grado" o "aumento del estadio" como se usa en el presente documento, se refiere a un cambio en el grado de Gleason desde 3+3 en el momento de la biopsia hasta 3+4 o mayor en el momento de la prostatectomía radical (PR), o de grado de Gleason 3+4 en el momento de la biopsia a 4+3 o mayor en el momento de la PR, o implicación de la vesícula seminal (IVS) o implicación extracapsular (IEC) en el momento de la PR.
En la práctica, el cálculo de las medidas enumeradas anteriormente puede variar de un estudio a otro dependiendo de la definición de acontecimientos que va a considerarse que están censurados.
El término "microalineamiento" se refiere a una disposición ordenada de elementos de alineamiento hibridables, por ejemplo sondas de oligonucleótido o polinucleótido, sobre un sustrato.
El término "polinucleótido" se refiere generalmente a cualquier polirribonucleótido o polidesoxirribonucleótido, que puede ser ARN o ADN no modificado o ARN o ADN modificado. Por lo tanto, por ejemplo, los polinucleótidos como se define en el presente documento, incluyen, sin limitación, ADN mono y bicatenario, a Dn que incluye regiones mono y bicatenarias, ARN mono y bicatenario y ARN que incluye regiones mono y bicatenarias, moléculas híbridas que comprenden ADN y ARN que pueden ser monocatenarias o, más normalmente, bicatenarias o incluyen regiones mono y bicatenarias. Además, el término "polinucleótido" como se usa en el presente documento, se refiere a regiones tricatenarias que comprenden ARN o ADN o tanto ARN como ADN. Las hebras en tales regiones pueden ser de la misma molécula o de moléculas diferentes. Las regiones pueden incluir todas de una o más de las moléculas, pero más normalmente implican sólo una región de algunas de las moléculas. Una de las moléculas de una región de triple hélice es a menudo un oligonucleótido. El término "polinucleótido" incluye específicamente ADNc. El término incluye ADN (incluyendo ADNc) y ARN que contienen una o más bases modificadas. Por lo tanto, ADN o ARN con estructuras principales modificadas para mejorar la estabilidad o por otros motivos, son "polinucleótidos" como está previsto ese término en el presente documento. Además, dentro del término "polinucleótidos" como se define en el presente documento, se incluyen ADN o ARN que comprenden bases poco comunes, tales como inosina, o bases modificadas, tales como bases tritiadas. En general, el término "polinucleótido" incluye todas las formas química, enzimática y/o metabólicamente modificadas de polinucleótidos no modificados, así como las formas químicas de ADN y a Rn características de virus y células, incluyendo células sencillas y complejas.
El término "oligonucleótido" se refiere a un polinucleótido relativamente corto, que incluye, sin limitación, desoxirribonucleótidos monocatenarios, ribonucleótidos mono o bicatenarios, híbridos de ARNr-ADN y ADN bicatenarios. Los oligonucleótidos, tales como oligonucleótidos de sonda de ADN monocatenarios, se sintetizan a menudo mediante métodos químicos, por ejemplo, usando sintetizadores de oligonucleótidos automatizados que están disponibles en el mercado. Sin embargo, pueden prepararse oligonucleótidos mediante una diversidad de otros métodos, incluyendo técnicas mediadas por ADN recombinante in vitro y mediante expresión de ADN en células y organismos.
El término "Ct" como se usa en el presente documento, se refiere a ciclo umbral, el número de ciclo en una reacción en cadena de la polimerasa cuantitativa (qPCR) en la que la fluorescencia generada dentro de un pocillo de reacción supera el umbral definido, es decir el punto durante la reacción en la que se ha acumulado un número suficiente de amplicones para cumplir con el umbral definido.
El término "Cp" como se usa en el presente documento, se refiere a "punto de cruce". El valor de Cp se calcula determinando las segundas derivadas de las curvas de amplificación de qPCR completas y su valor máximo. El valor de Cp representa el ciclo en el que el aumento de fluorescencia es máximo y en el que comienza la fase logarítmica de una PCR.
Las expresiones "umbral" o "umbralización" se refieren a un procedimiento usado para explicar las relaciones no lineales entre las mediciones de la expresión génica y la respuesta clínica así como para reducir adicionalmente la variación en puntuaciones de pacientes notificadas. Cuando se aplica la umbralización, todas las mediciones por debajo o por encima de un umbral se fijan a ese valor umbral. La relación no lineal entre la expresión génica y el resultado podría examinarse usando alisadores o splines cúbicos para modelar la expresión génica en regresión de PH de Cox en intervalo libre de recidiva o regresión logística en estado de recidiva. D. Cox, Journal of the Royal Statistical Society, Series B 34: 187-220 (1972). La variación en puntuaciones de paciente notificadas podría examinarse como una función de la variabilidad en la expresión génica en el límite de cuantificación y/o detección para un gen particular.
Como se usa el presente documento, el término "amplicón", se refiere a fragmentos de ADN que se han sintetizado usando técnicas de amplificación, tales como reacciones en cadena de la polimerasa (PCR) y reacciones en cadena de la ligasa.
La "rigurosidad" de las reacciones de hibridación puede determinarse fácilmente por un experto habitual en la técnica, y generalmente es un cálculo empírico dependiente de la longitud de la sonda, la temperatura de lavado y la concentración de sal. En general, sondas más largas requieren temperaturas superiores para lograr un apareamiento apropiado, mientras que sondas más cortas necesitan temperaturas inferiores. La hibridación depende generalmente de la capacidad del ADN desnaturalizado para volver a aparearse cuando están presentes hebras complementarias en un entorno por debajo de su temperatura de fusión. Cuanto mayor es el grado de homología deseada entre la sonda y la secuencia hibridable, mayor es la temperatura relativa que puede usarse. Como resultado, se deduce que temperaturas relativas superiores tenderán a hacer que las condiciones de reacción sean más rigurosas, mientras que temperaturas inferiores las harán menos rigurosas. Para detalles adicionales y una explicación de la rigurosidad de reacciones de hibridación, véase Ausubel y col., Current Protocols in Molecular Biology (Wiley Interscience Publishers, 1995).
"Condiciones rigurosas" o "condiciones de rigurosidad alta", como se define en el presente documento, normalmente: (1) emplean una baja fuerza iónica y una alta temperatura para el lavado, por ejemplo cloruro sódico 0,015 M/citrato sódico 0,0015 M/dodecilsulfato sódico al 0,1 % a 50 °C; (2) emplean durante la hibridación un agente desnaturalizante, tal como formamida, por ejemplo, formamida al 50 % (v/v) con albúmina sérica bovina al 0,1 %/Ficoll al 0,1 %/polivinilpirrolidona al 0,1 %/tampón fosfato sódico 50 mM a pH 6,5 con cloruro sódico 750 mM, citrato sódico 75 mM a 42 °C; o (3) emplean formamida al 50 %, 5 x SSC (NaCl 0,75 M, citrato sódico 0,075 M), fosfato sódico 50 mM (pH 6,8), pirofosfato sódico al 0,1 %, solución de Denhardt 5 x, ADN de esperma de salmón sonicado (50 pg/ml), SDS al 0,1 % y sulfato de dextrano al 10 % a 42 °C, con lavados a 42 °C en SSC 0,2 x (cloruro sódico/citrato sódico) y formamida al 50 %, seguido de un lavado de alta rigurosidad que consiste en SSC 0,1 x que contiene EDTA a 55 °C.
Pueden identificarse "condiciones moderadamente rigurosas" como se describe por Sambrook y col., Molecular Cloning: A Laboratory Manual, Nueva York: Cold Spring Harbor Press, 1989, e incluyen el uso de una solución de lavado y condiciones de hibridación (por ejemplo, temperatura, fuerza iónica y % de SDS) menos rigurosas que las descritas anteriormente. Un ejemplo de condiciones moderadamente rigurosas es incubación durante la noche a 37 °C en una solución que comprende: formamida al 20 %, SSC 5 x (NaCl 150 mM, citrato trisódico 15 mM), fosfato sódico 50 mM (pH 7,6), solución de Denhardt 5 x, sulfato de dextrano al 10 % y 20 mg/ml de ADN de esperma de salmón fragmentado desnaturalizado, seguido de lavado de los filtros en SSC 1 x a aproximadamente 37-50 °C. El experto en la técnica reconocerá cómo ajustar la temperatura, la fuerza iónica, etc. según sea necesario para adaptarse a factores tales como la longitud de la sonda y similares.
Los términos "corte y empalme" y "corte y empalme de ARN" se usan de manera intercambiable y se refieren a un procesamiento de a Rn que elimina intrones y junta exones para producir ARNm maduro con una secuencia codificante continua que se desplaza al citoplasma de una célula eucariota.
Los términos "coexpresar" y "coexpresado", como se usan en el presente documento, se refieren a una correlación estadística entre las cantidades de diferentes secuencias de transcritos a través de una población de diferentes pacientes. La coexpresión por parejas puede calcularse mediante diversos métodos conocidos en la técnica, por ejemplo, calculando los coeficientes de correlación de Pearson o los coeficientes de correlación de Spearman. También pueden identificarse conjuntos de genes coexpresados usando la teoría de grafos. Puede calcularse un análisis de coexpresión usando datos de expresión normalizados. Se dice que un gen se coexpresa con un gen particular desvelado cuando el nivel de expresión del gen presenta un coeficiente de correlación de Pearson mayor de o igual a 0,6.
Un "sistema basado en ordenador" se refiere a un sistema de hardware, software y medio de almacenamiento de datos usado para analizar la información. El hardware mínimo de un sistema basado en ordenador de pacientes comprende una unidad de procesamiento central (CPU), y hardware para la introducción de datos, la salida de datos (por ejemplo, una pantalla) y el almacenamiento de datos. Un experto habitual en la técnica puede apreciar fácilmente que cualquier sistema basado en ordenador disponible actualmente y/o componentes del mismo, es adecuado para su uso en relación con los métodos de la presente divulgación. El medio de almacenamiento de datos puede comprender cualquier producto fabricado que comprenda un registro de la presente información como se ha descrito anteriormente, o un dispositivo de acceso a memoria al que puede acceder un producto fabricado de este tipo.
"Registrar" datos, programación u otra información en un medio legible por ordenador se refiere a un proceso para almacenar información, usando cualquiera de tales métodos conocidos en la técnica. Puede elegirse cualquier estructura de almacenamiento de datos conveniente, basada en los medios usados para acceder a la información almacenada. Puede usarse una diversidad de programas y formatos de procesamiento de datos para el almacenamiento, por ejemplo archivo de texto de procesamiento de textos, formato de base de datos, etc.
Un "procesador" o "medio informático" hace referencia a cualquier combinación de hardware y/o software que realizará las funciones requeridas del mismo. Por ejemplo, un procesador adecuado puede ser un microprocesador digital programable tal como uno disponible en forma de un controlador electrónico, procesador central, servidor u ordenador personal (de sobremesa o portátil). Cuando el procesador es programable, puede comunicarse la programación adecuada desde una ubicación remota al procesador, o guardarse previamente en un producto de programa informático (tal como un medio de almacenamiento legible por ordenador portátil o fijo, ya sea magnético, óptico o basado en dispositivo en estado sólido). Por ejemplo, un medio magnético o disco óptico puede portar la programación, y puede leerse por un lector adecuado que se comunica con cada procesador en su estación correspondiente.
Como se usa en el presente documento, las expresiones "vigilancia activa" y "espera en observación" significan monitorizar estrechamente el estado de un paciente sin administrar ningún tratamiento hasta que aparecen los síntomas o cambian. Por ejemplo, en cáncer de próstata, se usa habitualmente la espera en observación en hombres más ancianos con otros problemas médicos y enfermedad en estadio inicial.
Como se usa el presente documento, el término "cirugía" se aplica a métodos quirúrgicos emprendidos para la extirpación de tejido canceroso, incluyendo linfadenectomía pélvica, prostatectomía radical, resección transuretral de próstata (TURP), escisión, disección y biopsia/extirpación del tumor. El tejido o secciones del tumor usados para el análisis de la expresión génica pueden haberse obtenido a partir de cualquiera de estos métodos.
Como se usa en el presente documento, el término "terapia" incluye radiación, terapia hormonal, criocirugía, quimioterapia, terapia biológica y ultrasonidos enfocados de alta intensidad.
Como se usa en el presente documento, la expresión "fusión de TMPRSS" y "fusión de TMPRSS2" se usan de manera intercambiable y se refieren a una fusión del gen TMPRSS2 regulado por andrógenos con el oncogén ERG, que se ha demostrado que tiene una asociación significativa con cáncer de próstata. S. Perner, y col., Urologe A. 46 (7): 754­ 760 (2007); S.A. Narod, y col., Br J Cancer 99(6): 847-851 (2008). Como se usa en el presente documento, el estado de fusión de TMPRSS positivo indica que está presente la fusión de TMPRSS en una muestra de tejido, mientras que el estado de fusión de TMPRSS negativo indica que no está presente la fusión de TMPRSS en una muestra de tejido. Los expertos en la técnica reconocerán que hay numerosos modos para determinar el estado de fusión de TMPRSS, tales como PCR en tiempo real, cuantitativa o secuenciación de alto rendimiento. Véase, por ejemplo, K. Mertz, y col., Neoplasis 9(3): 200-206 (2007); C. Maher, Nature 458 (7234): 97-101 (2009).
MÉTODOS DE EXPRESIÓN GÉNICA USANDO GENES, SUBCONJUNTOS DE GENES Y MICROARN
La presente divulgación proporciona ensayos moleculares que implican la medición del nivel o niveles de expresión de uno o más genes, subconjuntos de genes, microARN o uno o más microARN en combinación con uno o más genes o subconjuntos de genes, a partir de una muestra biológica obtenida de un paciente con cáncer de próstata, y el análisis de los niveles de expresión medidos para proporcionar información referente a la probabilidad de recidiva del cáncer.
La presente divulgación proporciona además métodos para clasificar un tumor de próstata basándose en el nivel o los niveles de expresión de uno o más genes y/o microARN. La divulgación proporciona además genes y/o microARN que están asociados, positiva o negativamente, a un desenlace de pronóstico particular. En realizaciones ejemplares, los desenlaces clínicos incluyen ILRc e ILRb. En otra realización, los pacientes pueden clasificarse en grupos de riesgo basándose en el nivel o los niveles de expresión de uno o más genes y/o microARN que están asociados, positiva o negativamente, a un factor pronóstico. En una realización ejemplar, ese factor pronóstico es el patrón de Gleason.
En esta memoria descriptiva se exponen diversos enfoques tecnológicos para la determinación de los niveles de expresión de los genes y microARN desvelados, incluyendo, sin limitación, RT-PCR, microalineamientos, secuenciación de alto rendimiento, análisis en serie de la expresión génica (SAGE) y expresión génica digital (DGE), que se comentarán en detalle a continuación. En aspectos particulares, el nivel de expresión de cada gen o microARN puede determinarse en relación con diversas características de los productos de expresión del gen incluyendo exones, intrones, epítopos proteicos y actividad de proteínas.
El nivel o niveles de expresión de uno o más genes y/o microARN pueden medirse en tejido tumoral. Por ejemplo, el tejido tumoral puede obtenerse tras la resección o extirpación quirúrgica del tumor, o mediante biopsia tumoral. El tejido tumoral puede ser o incluir tejido histológicamente "normal", por ejemplo tejido histológicamente "normal" adyacente a un tumor. El nivel de expresión de genes y/o microARN también puede medirse en células tumorales recuperadas de sitios distantes del tumor, por ejemplo células tumorales circulantes, fluido corporal (por ejemplo, orina, sangre, fracción sanguínea, etc.).
El producto de expresión que se somete a ensayo puede ser, por ejemplo, ARN o un polipéptido. El producto de expresión puede estar fragmentado. Por ejemplo, el ensayo puede usar cebadores que son complementarios a secuencias dianas de un producto de expresión y, por lo tanto, podrían medir transcritos completos, así como los productos de expresión fragmentados que contienen la secuencia diana. Se proporciona información adicional en la Tabla A (insertada en la memoria descriptiva antes de las reivindicaciones).
El producto de expresión de ARN puede someterse a ensayo directamente o mediante detección de un producto de ADNc que resulta de un método de amplificación basado en PCR, por ejemplo, reacción en cadena de la polimerasa con transcripción inversa cuantitativa (qRT-PCR). (Véase por ejemplo la Patente de Estados Unidos n.° 7.587.279). El producto de expresión de polipéptido puede someterse a ensayo usando inmunohistoquímica (IHC). Además, también pueden someterse a ensayo productos de expresión tanto de ARN como de polipéptido usando microalineamientos.
UTILIDAD CLÍNICA
El cáncer de próstata se diagnostica actualmente usando un examen rectal digital (DRE) y una prueba de antígeno prostático específico (PSA). Si los resultados de PSA son altos, los pacientes se someterán generalmente a biopsia de tejido prostático. El patólogo revisará las muestras de biopsia para comprobar la presencia de células cancerosas y determinar una puntuación de Gleason. Basándose en la puntuación de Gleason, PSA, el estadio clínico y otros factores, el médico debe tomar una decisión sobre si monitorizar al paciente, o tratar al paciente con cirugía y terapia.
En la actualidad, la toma de decisiones clínicas en cáncer de próstata en estadio inicial viene determinada por determinados factores clínicos e histopatológicos. Estos incluyen: (1) factores tumorales, tales como estadio clínico (por ejemplo T1, T2), nivel de PSA en la presentación y grado de Gleason, que son factores pronósticos muy fuertes en la determinación del desenlace; y (2) factores del huésped, tales como la edad en el diagnóstico y la comorbilidad. Debido a estos factores, los medios más útiles clínicamente de estratificación de pacientes con enfermedad localizada según el pronóstico han sido a través de estadificación multifactorial, usando el estadio clínico, el nivel de PSA en suero y el grado tumoral (grado de Gleason) conjuntamente. En las directrices de la American Urological Association (AUA) actualizadas en 2007 para la gestión del cáncer de próstata clínicamente localizado, estos parámetros se han agrupado para determinar si un paciente corre un riesgo bajo, intermedio o alto de recaída bioquímica (PSA) tras terapia local. I. Thompson, y col., Guideline for the management of clinically localized prostate cancer, J Urol. 177 (6): 2106-31 (2007).
Aunque tales clasificaciones han demostrado ser útiles en la distinción de pacientes con enfermedad localizada que pueden necesitar terapia adyuvante tras cirugía/radiación, tienen menos capacidad para discriminar entre cánceres indolentes, que no necesitan tratarse con terapia local, y tumores agresivos, que requieren terapia local. De hecho, estos algoritmos son de uso cada vez más limitado para decidir entre gestión conservadora y terapia definitiva porque la mayor parte de cánceres de próstata diagnosticados en la era del examen de PSA se presentan ahora con un estadio clínico T1c y PSA <10 ng/ml.
Los pacientes con cáncer de próstata T1 tienen una enfermedad que no es clínicamente evidente sino que se descubre o bien en la resección transuretral de la próstata (TURP, T1a, T1b) o bien en la biopsia realizada debido a un nivel de PSA elevado (>4 ng/ml, T1c). Aproximadamente el 80 % de los casos que se presentaron en 2007 fueron T1 clínicos en el diagnóstico. En un ensayo escandinavo, la SG a los 10 años era del 85 % para pacientes con cáncer de próstata en estadio inicial (T1/T2) y puntuación de Gleason <7, tras prostatectomía radical.
Los pacientes con cáncer de próstata T2 tienen una enfermedad que es clínicamente evidente y está confinada al órgano; los pacientes con tumores T3 tienen una enfermedad que ha penetrado en la cápsula prostática y/o ha invadido las vesículas seminales. Se sabe a partir de series quirúrgicas que la estadificación clínica subestima el estadio patológico, de modo que aproximadamente el 20 % de los pacientes que son clínicamente T2 serán pT3 tras la prostatectomía. La mayoría de los pacientes con cáncer de próstata T2 o T3 se tratan con terapia local, o bien prostatectomía o bien radiación. Los datos del ensayo escandinavo sugieren que para pacientes T2 con grado de Gleason <7, el efecto de la prostatectomía sobre la supervivencia es de cómo máximo el 5 % a los 10 años; la mayoría de los pacientes no se benefician del tratamiento quirúrgico en el momento del diagnóstico. Para pacientes T2 con Gleason >7 o para pacientes T3, el efecto del tratamiento de prostatectomía se supone que es significativo pero no se ha determinado en ensayos aleatorizados. Se sabe que estos pacientes tienen un riesgo significativo (10-30 %) de recidiva a los 10 años tras tratamiento local, sin embargo, no hay ningún ensayo aleatorizado prospectivo que defina el tratamiento local óptimo (prostatectomía radical, radiación) en el diagnóstico, qué pacientes es probable que se beneficien de la terapia de privación de andrógenos neo-adyuvante/adyuvante y si el tratamiento (privación de andrógenos, quimioterapia) en el momento de la alteración bioquímica (PSA elevado) tiene algún beneficio clínico.
La determinación precisa de las puntuaciones de Gleason a partir de biopsias con aguja presenta varios retos técnicos. En primer lugar, la interpretación de la histología que es "límite" entre patrones de Gleason es altamente subjetiva, incluso para patólogos de urología. En segundo lugar, una toma de muestras de biopsia incompleta es aún otro motivo por el que la puntuación de Gleason "predicha" en biopsia no siempre se correlaciona con la puntuación de Gleason "observada" real del cáncer de próstata en la propia glándula. Por lo tanto, la exactitud de la puntuación de Gleason depende no sólo de la experiencia del patólogo que observa los portaobjetos, sino también de la completitud y adecuación de la estrategia de muestreo de biopsia de próstata. T. Stamey, Urology 45: 2-12 (1995). El ensayo de expresión de genes/microARN y la información asociada proporcionada por la práctica de los métodos desvelados en el presente documento proporcionan un método de ensayo molecular para facilitar la toma de decisiones de tratamiento óptimas en el cáncer de próstata en estadio inicial. Una realización ejemplar proporciona genes y microARN, cuyos niveles de expresión están asociados (positiva o negativamente) a recidiva de cáncer de próstata. Por ejemplo, una herramienta clínica de este tipo permitiría a los médicos identificar pacientes T2/T3 que es probable que experimenten recidiva tras la terapia definitiva y necesiten tratamiento adyuvante.
Además, los métodos desvelados en el presente documento pueden permitir a los médicos clasificar los tumores, a nivel molecular, basándose en el nivel o los niveles de expresión de uno o más genes y/o microARN que están asociados significativamente a factores pronósticos, tales como el patrón de Gleason y el estado de fusión de TMPRSS. Las dificultades técnicas de variabilidad dentro de los pacientes, la determinación histológica del patrón de Gleason en muestras de biopsia o la inclusión de tejido de aspecto histológicamente normal adyacente al tejido tumoral no tendrían un impacto sobre estos métodos. Pueden usarse pruebas de expresión de genes/microARN de múltiples analitos para medir el nivel de expresión de uno o más genes y/o microARN implicados en cada uno de varios procesos fisiológicos relevantes o características celulares de componentes. Los métodos desvelados en el presente documento pueden agrupar los genes y/o microARN. El agrupamiento de genes y microARN puede realizarse al menos en parte basándose en el conocimiento de la contribución de esos genes y/o microARN según funciones fisiológicas o características celulares de componentes, tales como en los grupos que se han analizado anteriormente. Además, pueden combinarse uno o más microARN con uno o más genes. La combinación de gen microARN puede seleccionarse basándose en la probabilidad de que la combinación de gen-microARN interaccione funcionalmente. La formación de grupos (o subconjuntos de genes), además, puede facilitar la ponderación matemática de la contribución de diversos niveles de expresión a la recidiva del cáncer. La ponderación de un grupo de genes/microARN que representa un proceso fisiológico o característica celular de componentes puede reflejar la contribución de ese proceso o característica a la patología del cáncer y el desenlace clínico.
Opcionalmente, los métodos desvelados pueden usarse para clasificar a los pacientes según el riesgo, por ejemplo el riesgo de recidiva. Los pacientes pueden dividirse en subgrupos (por ejemplo, terciles o cuartiles) y los valores elegidos definirán subgrupos de pacientes con mayor o menor riesgo respectivamente.
La utilidad de un marcador génico desvelado en la predicción del pronóstico puede no ser única para ese marcador. Un marcador alternativo que tiene un patrón de expresión que es paralelo al de un gen desvelado puede ser un sustituto para, o usarse además de, el gen o microARN coexpresado. Debido a la coexpresión de tales genes o microARN, la sustitución de los valores de nivel de expresión debe tener poco impacto sobre la utilidad global de la prueba. Los patrones de expresión más estrechamente similares de dos genes o microARN pueden resultar de la implicación de ambos genes o microARN en el mismo proceso y/o de que están bajo un control regulador común en células de tumor de próstata. Por lo tanto, la presente divulgación contempla el uso de tales genes coexpresados, subconjuntos de genes o microARN como sustitutos para, o además de, los genes de la presente divulgación.
MÉTODOS DE ENSAYO DE LOS NIVELES DE EXPRESIÓN DE UN PRODUCTO GÉNICO
Los métodos y las composiciones de la presente divulgación emplearán, a menos que se indique otra cosa, técnicas convencionales biología molecular (incluyendo técnicas recombinantes), microbiología, biología celular y bioquímica, que están dentro de la experiencia de la técnica. En la bibliografía se explican a fondo técnicas ejemplares, tal como, "Molecular Cloning: A Laboratory Manual", 2a edición (Sambrook y col., 1989); "Oligonucleotide Synthesis" (M.J. Gait, ed., 1984); "Animal Cell Culture" (R.I. Freshney, ed., 1987); "Methods in Enzymology" (Academic Press, Inc.); "Handbook of Experimental Immunology", 4a edición (D.M. Weir & C.C. Blackwell, eds., Blackwell Science Inc., 1987); "Gene Transfer Vectors for Mammalian Cells" (J.M. Miller & M.P. Calos, eds., 1987); "Current Protocols in Molecular Biology" (F.M. Ausubel y col., eds., 1987); y "p Cr : The Polymerase Chain Reaction", (Mullis y col., eds., 1994).
Los métodos de obtención del perfil de expresión génica incluyen métodos basados en análisis de hibridación de polinucleótidos, métodos basados en secuenciación de polinucleótidos y métodos basados en proteómica. Los métodos ejemplares conocidos en la técnica para la cuantificación de la expresión de ARN en una muestra incluyen transferencia de tipo Northern e hibridación in situ (Parker & Barnes, Methods in Molecular Biology 106: 247283 (1999)); ensayos de protección de ARNasa (Hod, Biotechniques 13: 852-854 (1992)); y métodos basados en PCR, tales como PCR con transcripción inversa (Rt -PCR) (Weis y col., Trends in Genetics 8: 263-264 (1992)). Pueden emplearse anticuerpos que pueden reconocer dúplex específicos de secuencia, incluyendo dúplex de ADN, dúplex de ARN y dúplex híbridos de ADN-ARN o dúplex de ADN-proteína. Los métodos representativos para el análisis de la expresión génica basado en secuenciación incluyen análisis en serie de la expresión génica (SAGE) y análisis de la expresión génica mediante secuenciación de firma masiva en paralelo (MPSS).
PCR con transcriptasa inversa (RT-PCR)
Normalmente, se aísla ARNm o microARN de una muestra de ensayo. El material de partida es normalmente ARN total aislado de un tumor humano, habitualmente de un tumor primario. Opcionalmente, pueden usarse tejidos normales del mismo paciente como control interno. Tal tejido normal puede ser tejido de aspecto histológicamente normal adyacente a un tumor. Puede extraerse ARNm o microARN de una muestra tisular, por ejemplo, de una muestra que es reciente, está congelada (por ejemplo, congelada recientemente) o está incluida en parafina y fijada (por ejemplo, fijada con formalina).
Se conocen bien en la técnica métodos generales para la extracción de ARNm y microARN y se dan a conocer en libros de texto convencionales de biología molecular, incluyendo Ausubel y col., Current Protocols of Molecular Biology, John Wiley and Sons (1997). Se dan a conocer métodos para la extracción de ARN de tejidos incluidos en parafina, por ejemplo, en Rupp y Locker, Lab Invest. 56: A67 (1987), y De Andrés y col., BioTechniques 18: 42044 (1995). En particular, el aislamiento de ARN puede realizarse usando un kit de purificación, conjunto de tampones y proteasa de fabricantes comerciales, tales como Qiagen, según las instrucciones del fabricante. Por ejemplo, puede aislarse el ARN total de células en cultivo usando minicolumnas RNeasy de Qiagen. Otros kits de aislamiento de ARN disponibles en el mercado incluyen el kit de purificación de ADN y ARN completo MasterPure™ (EPICENTRE®, Madison, WI) y el kit de aislamiento de ARN de bloque de parafina (Ambion, Inc.). Puede aislarse el ARN total de muestras de tejido usando RNA Stat-60 (Tel-Test). El ARN preparado a partir del tumor puede aislarse, por ejemplo, mediante centrifugación en gradiente de densidad de cloruro de cesio.
Después, la muestra que contiene el ARN se somete a transcripción inversa para producir ADNc a partir del molde de ARN, seguido de amplificación exponencial en una reacción PCR. Las dos transcriptasas inversas más comúnmente usadas son la transcriptasa inversa del virus de la mieloblastosis aviar (VMA-RT) y la transcriptasa inversa del virus de la leucemia murina de Moloney (VLMM-RT). La etapa de transcripción inversa se ceba normalmente usando cebadores específicos, hexámeros al azar o cebadores de oligo-dT, dependiendo de las circunstancias y el objetivo de la obtención del perfil de expresión. Por ejemplo, el ARN extraído puede someterse a transcripción inversa usando un kit de PCR de ARN GeneAmp (Perkin Elmer, CA, Estados Unidos), siguiendo las instrucciones del fabricante. El ADNc derivado puede usarse entonces como molde en la reacción PCR posterior.
Los métodos basados en PCR usan una ADN polimerasa dependiente de ADN termoestable, tal como una Taq ADN polimerasa. Por ejemplo, la PCR TaqMan® utiliza normalmente la actividad nucleasa en 5' de Taq o Tth polimerasa para hidrolizar una sonda de hibridación unida a su amplicón diana, pero puede usarse cualquier enzima con actividad nucleasa en 5' equivalente. Se usan dos cebadores oligonucleotídicos para generar un amplicón típico de un producto de reacción PCR. Puede diseñarse un tercer oligonucleótido, o sonda, para facilitar la detección de una secuencia de nucleótidos del amplicón ubicada entre los sitios de hibridación de los dos cebadores de PCR. La sonda puede estar marcada de manera detectable, por ejemplo, con un colorante indicador, y puede estar dotada adicionalmente tanto de un colorante fluorescente como de un colorante fluorescente extintor, como en una configuración de sonda Taqman®. Cuando se usa una sonda Taqman®, durante la reacción de amplificación, la enzima Taq ADN polimerasa escinde la sonda de una manera dependiente del molde. Los fragmentos de sonda resultantes se disocian en disolución, y la señal del colorante indicador liberado se libera del efecto de extinción del segundo fluoróforo. Se libera una molécula de colorante indicador por cada nueva molécula sintetizada, y la detección del colorante indicador no extinguido proporciona la base para la interpretación cuantitativa de los datos.
Puede realizarse RT-PCR TaqMan® usando equipo disponible en el mercado, tal como, por ejemplo, plataformas de alto rendimiento tales como el sistema de detección de secuencias ABI PRISM 7700® (Perkin-Elmer-Applied Biosystems, Foster City, CA, Estados Unidos) o Lightcycler (Roche Molecular Biochemicals, Mannheim, Alemania). En una realización preferida, el procedimiento se realiza en un sistema de PCR en tiempo real LightCycler® 480 (Roche Diagnostics), que es una plataforma de ciclador basada en placa de micropocillos.
Los datos del ensayo de nucleasa en 5' se expresan comúnmente de manera inicial como ciclo umbral ("Ct"). Los valores de fluorescencia se registran durante cada ciclo y representan la cantidad de producto amplificado en ese punto de la reacción de amplificación. El ciclo umbral (Ct ) se describe generalmente como el punto en el que la señal fluorescente se registra por primera vez como estadísticamente significativa. Como alternativa, los datos pueden expresarse como un punto de cruce ("Cp"). El valor de Cp se calcula determinando la segunda derivada de las curvas de amplificación de qPCR completas y su valor máximo. El valor de Cp representa el ciclo en el que el aumento de fluorescencia es máximo y donde comienza la fase logarítmica de una PCR.
Para minimizar los errores y el efecto de la variación de una muestra a otra, la RT-PCR se realiza habitualmente usando un patrón interno. El gen patrón interno ideal (también denominado gen de referencia) se expresa a un nivel bastante constante entre tejido canceroso y no canceroso del mismo origen (es decir, un nivel que no es significativamente diferente entre los tejidos normal y canceroso), y no se ve afectado significativamente por el tratamiento experimental (es decir, no presenta una diferencia significativa en el nivel de expresión en el tejido relevante como resultado de la exposición a la quimioterapia), y se expresa a un nivel bastante constante entre el mismo tejido tomado de diferente pacientes. Por ejemplo, los genes de referencia útiles en los métodos desvelados en el presente documento no deben presentar niveles de expresión significativamente diferentes en próstata cancerosa en comparación con tejido prostático normal. ARN frecuentemente usados para normalizar los patrones de expresión génica son ARNm para los genes de mantenimiento gliceraldehído-3-fosfato-deshidrogenasa (GAPDH) y pactina. Los genes de referencia ejemplares usados para la normalización comprenden uno o más de los siguientes genes: AAMP, ARF1, ATP5E, CLTc , GPS1 y PGK1. Las mediciones de la expresión génica pueden normalizarse en relación con la media de uno o más (por ejemplo, 2, 3, 4, 5 o más) genes de referencia. Las mediciones de expresión normalizadas en relación con una referencia pueden oscilar entre 2 a 15, donde un aumento de una unidad refleja generalmente un aumento de 2 veces en la cantidad de ARN.
La PCR en tiempo real es compatible tanto con PCR competitiva cuantitativa, donde se usa un competidor interno para cada secuencia diana para la normalización, como con PCR comparativa cuantitativa que usa un gen de normalización contenido dentro de la muestra, o un gen de mantenimiento para RT-PCR. Para detalles adicionales véase, por ejemplo, Held y col., Genome Research 6: 986-994 (1996).
Las etapas de un protocolo representativo para su uso en los métodos de la presente divulgación usan tejidos fijados, incluidos en parafina como fuente de ARN. Por ejemplo, pueden realizarse el aislamiento de ARNm, la purificación, la extensión del cebador y la amplificación según métodos disponibles en la técnica (véase, por ejemplo, Godfrey y col. J. Molec. Diagnostics 2: 84-91 (2000); Specht y col., Am. J. Pathol. 158: 419-29 (2001)). En resumen, un procedimiento representativo comienza con el corte de secciones de aproximadamente 10 pm de grosor de muestras de tejido tumoral incluidas en parafina. Después, se extrae el ARN, y se eliminan la proteína y el ADN de la muestra que contiene ARN. Tras el análisis de la concentración de ARN, el ARN se somete a transcripción inversa usando cebadores específicos del gen seguido por RT-PCR para proporcionar productos de amplificación de ADNc.
Diseño de cebadores y sondas de PCR basados en intrones
Pueden diseñarse cebadores y sondas de PCR basándose en secuencias de exones o intrones presentes en el transcrito de ARNm del gen de interés. El diseño de cebadores/sondas puede realizarse usando software disponible públicamente, tal como el software de ADN BLAT desarrollado por Kent, W.J., Genome Res. 12 (4): 656-64 (2002), o mediante el software BLAST incluyendo sus variaciones.
Cuando sea necesario o se desee, pueden enmascararse secuencias repetitivas de la secuencia diana para mitigar señales no específicas. Las herramientas ejemplares para lograr esto incluyen el programa Repeat Masker disponible en línea a través del Baylor College of Medicine, que examina secuencias de ADN frente a una biblioteca de elementos repetitivos y devuelve una secuencia de consulta en la que los elementos repetitivos están enmascarados. Entonces pueden usarse las secuencias con intrones enmascarados para diseñar secuencias de cebadores y sondas usando cualquier paquete de diseño de cebadores/sondas disponible en el mercado o públicamente de otra forma, tales como Primer Express (Applied Biosystems); MGB assay-by-design (Applied Biosystems); Primer3 (Steve Rozen y Helen J. Skaletsky (2000) Primer3 en Internet para usuarios generales y para programadores biólogos. Véase S. Rrawetz, S. Misener, Bioinformatics Methods and Protocols: Methods in Molecular Biology, págs. 365-386 (Humana Press).
Otros factores que pueden incluir en el diseño de cebadores de PCR incluyen la longitud del cebador, la temperatura de fusión (Tf) y el contenido en G/C, la especificidad, las secuencias de cebadores complementarios y la secuencia del extremo 3'. En general, los cebadores de PCR óptimos tienen generalmente 17-30 bases de longitud, y contienen aproximadamente el 20-80 %, tal como, por ejemplo, aproximadamente el 50-60 % de bases G+C, y presentan una Tf entre 50 y 80 °C, por ejemplo de aproximadamente 50 a 70 °C.
Para directrices adicionales para el diseño de cebadores y sondas de PCR véase, por ejemplo Dieffenbach, CW. y col., "General Concepts for PCR Primer Design" en: PCR Primer, A Laboratory Manual, Cold Spring Harbor Laboratory Press, Nueva York, 1995, págs. 133-155; Innis y Gelfand, "Optimization of PCRs" en: PCR Protocols, A Guide to Methods and Applications, CRC Press, Londres, 1994, págs. 5-11; y Plasterer, T.N. Primerselect: Primer and probe design. Methods Mol. Biol. 70: 520-527 (1997).
La Tabla A proporciona información adicional referente a las secuencias de cebador, sonda y amplicón asociadas a los Ejemplos desvelados en el presente documento.
Sistema MassARRAY®
En métodos basados en MassARRAY, tales como el método ejemplar desarrollado por Sequenom, Inc. (San Diego, CA) tras el aislamiento de ARN y la transcripción inversa, al ADNc obtenido se le realizan adiciones conocidas de una molécula de ADN sintético (competidor), que coincide con la región de ADNc seleccionada como diana en todas las posiciones, excepto una única base, y sirve como patrón interno. La mezcla de ADNc/competidor se amplifica por PCR y se somete a un tratamiento con enzima fosfatasa alcalina de gamba (SAP) tras la PCR, que da como resultado la desfosforilación de los nucleótidos restantes. Tras la inactivación de la fosfatasa alcalina, los productos de PCR del competidor y el ADNc se someten a extensión del cebador, lo que genera señales de masa distintas para los productos de PCR derivados del competidor y del ADNc. Tras la purificación, estos productos se dispensan en un alineamiento en chip, que está precargado con los componentes necesarios para el análisis con análisis de espectrometría de masas de tiempo de vuelo con ionización por desorción láser asistida por matriz (MALDI-TOF MS). El ADNc presente en la reacción se cuantifica entonces analizando las relaciones de las áreas de pico en el espectro de masas generado. Para detalles adicionales véase, por ejemplo Ding y Cantor, Proc. Natl. Acad. Sci. USA 100: 3059-3064 (2003).
Otros métodos basados en PCR
Las técnicas basadas en PCR adicionales que pueden encontrar uso en los métodos desvelados en el presente documento incluyen, por ejemplo, la tecnología BeadArray® (Illumina, San Diego, CA; Oliphant y col., Discovery of Markers for Disease (suplemento a Biotechniques), junio de 2002; Ferguson y col., Analytical Chemistry 72: 5618 (2000)); BeadsArray for Detection of Gene Expression® (BADGE), usando el sistema Luminex 100 LabMAP® disponible comercialmente y microesferas codificadas con múltiples colores (Luminex Corp., Austin, TX) en un ensayo rápido para la expresión génica (Yang y col., Genome Res. 11: 1888-1898 (2001)); y análisis de obtención del perfil de expresión de alta cobertura (HiCEP) (Fukumura y col., Nucl. Acids. Res. 31 (16) e94 (2003).
Microalineamientos
Los niveles de expresión de un gen o microalineamiento de interés también pueden evaluarse usando la técnica de microalineamiento. En este método, se alinean secuencias de polinucleótido de interés (incluyendo ADNc y oligonucleótidos) sobre un sustrato. Las secuencias alineadas se ponen en contacto entonces en condiciones adecuadas para la hibridación específica con ADNc marcado de manera detectable generado a partir de ARN de una muestra de prueba. Como en el método de RT-PCR, la fuente de ARN es normalmente ARN total aislado de una muestra de tumor, y opcionalmente de tejido normal del mismo paciente como control interno o líneas celulares. El ARN puede extraerse, por ejemplo, de muestras de tejido congeladas o incluidas en parafina archivadas y fijadas (por ejemplo fijadas con formalina).
Por ejemplo, se aplican insertos amplificados por PCR de clones de ADNc de un gen que va a someterse a ensayo a un sustrato en un alineamiento denso. Habitualmente se aplican al menos 10.000 secuencias de nucleótidos al sustrato. Por ejemplo, los genes microalineados, inmovilizados sobre el microchip a 10.000 elementos cada uno, son adecuados para la hibridación en condiciones rigurosas. Pueden generarse sondas de ADNc marcadas fluorescentemente a través de la incorporación de nucleótidos fluorescentes mediante transcripción inversa de ARN extraído de tejidos de interés. Las sondas de ADNc marcadas aplicadas al chip se hibridan con especificidad con cada punto de ADN en el alineamiento. Tras lavar en condiciones rigurosas para eliminar sondas no unidas específicamente, se explora el chip mediante microscopio láser confocal o mediante otro método de detección, tal como una cámara CCD. La cuantificación de la hibridación de cada elemento alineado permite la evaluación de la abundancia de ARN correspondiente.
Con fluorescencia de doble color, se hibridan por parejas con el alineamiento sondas de ADNc marcadas por separado generadas a partir de dos fuentes de ARN. Por lo tanto, se determina simultáneamente la abundancia relativa de los transcritos de las dos fuentes correspondientes a cada gen especificado. La escala miniaturizada de la hibridación permite una evaluación rápida y conveniente del patrón de expresión para grandes números de genes. Se ha mostrado que tales métodos tienen la sensibilidad requerida para detectar transcritos poco comunes, que se expresan a unas pocas copias por célula, y para detectar de manera reproducible diferencias de al menos aproximadamente dos veces en los niveles de expresión (Schena y col., Proc. Natl. Acad. Sci USA 93 (2): 106-149 (1996)). El análisis de microalineamientos puede realizarse mediante equipo disponible en el mercado, siguiendo los protocolos del fabricante, tal como usando la tecnología GenChip® de Affymetrix, o la tecnología de microalineamientos de Incyte.
Análisis en serie de la expresión génica (SAGE)
El análisis en serie de la expresión génica (SAGE) es un método que permite el análisis simultáneo y cuantitativo de un gran número de transcritos génicos, sin necesidad de proporcionar una sonda de hibridación individual para cada transcrito. En primer lugar, se genera una etiqueta de secuencia corta (aproximadamente 10-14 pb) que contiene información suficiente como para identificar de manera única un transcrito, siempre que la etiqueta se obtenga a partir de una única posición dentro de cada transcrito. Entonces, se unen entre sí muchos transcritos para formar moléculas en serie largas, que pueden secuenciarse, revelando la identidad de las múltiples etiquetas simultáneamente. El patrón de expresión de cualquier población de transcritos puede evaluarse cuantitativamente determinando la abundancia de etiquetas individuales e identificando el gen correspondiente a cada etiqueta. Para más detalles véase, por ejemplo, Velculescu y col., Science 270: 484-487 (1995); y Velculescu y col., Cell 88: 243-51 (1997).
Análisis de la expresión génica mediante secuenciación de ácidos nucleicos
Las tecnologías de secuenciación de ácidos nucleicos son métodos adecuados para el análisis de la expresión génica. El principio que subyace tras estos métodos es que el número de veces que se detecta una secuencia de ADNc en una muestra está directamente relacionado con la expresión relativa del a Rn correspondiente a esa secuencia. Estos métodos se denominan algunas veces mediante el término expresión génica digital (DGE) para reflejar la propiedad numérica diferenciada de los datos resultantes. Los métodos iniciales de aplicación de este principio fueron el análisis en serie de la expresión génica (SAGE) y la secuenciación de firma masiva en paralelo (MPSS). Véase, por ejemplo, S. Brenner, y col., Nature Biotechnology 18 (6): 630-634 (2000). Más recientemente, la llegada de tecnologías de secuenciación de la "siguiente generación" ha hecho que la DGE sea más sencilla, de rendimiento superior y más asequible. Como resultado, más laboratorios pueden utilizar DGE para examinar la expresión de más genes en más muestras de pacientes individuales de lo que era posible anteriormente. Véase, por ejemplo, J. Marioni, Genome Research 18 (9): 1509-1517 (2008); R. Morin, Genome Research 18 (4): 610-621 (2008); A. Mortazavi, Nature Methods 5 (7): 621-628 (2008); N. Cloonan, Nature Methods 5 (7): 613-619 (2008).
Aislamiento de ARN de fluidos corporales
Se han descrito métodos de aislamiento de ARN para el análisis de la expresión a partir de sangre, plasma y suero (véase, por ejemplo, K. Enders, y col., Clin Chem 48, 1647-53 (2002), y referencias citadas en el mismo) y a partir de orina (véase, por ejemplo, R. Boom, y col., J Clin Microbiol. 28, 495-503 (1990), y referencias citadas en el mismo).
Inmunohistoquímica
También son adecuados métodos de inmunohistoquímica para detectar los niveles de expresión de genes y se aplican al método desvelado en el presente documento. En tales métodos pueden usarse anticuerpos (por ejemplo, anticuerpos monoclonales) que se unen específicamente a un producto génico de un gen de interés. Los anticuerpos pueden detectarse mediante marcaje directo de los propios anticuerpos, por ejemplo, con marcadores radiactivos, marcadores fluorescentes, marcadores de hapteno tales como biotina, o una enzima tal como peroxidasa del rábano picante o fosfatasa alcalina. Como alternativa, puede usarse un anticuerpo primario no marcado conjuntamente con un anticuerpo secundario marcado específico para el anticuerpo primario. Se conocen bien en la técnica protocolos y kits de inmunohistoquímica y están disponibles en el mercado.
Proteómica
El término "proteoma" se define como la totalidad de las proteínas presentes en una muestra (por ejemplo tejido, organismo o cultivo celular) en un determinado punto de tiempo. La proteómica incluye, entre otras cosas, el estudio de los cambios globales en la expresión de proteínas en una muestra (también denominada "proteómica de expresión"). La proteómica incluye normalmente las siguientes etapas: (1) separación de proteínas individuales en una muestra mediante electrofo resis bidimensional (PAGE 2-D); (2) identificación de las proteínas individuales recuperadas del gel, por ejemplo mediante espectrometría de masas o secuenciación N-terminal y (3) análisis de los datos usando bioinformática.
Descripción general del aislamiento, purificación y amplificación del ARNm/microARN
Se proporcionan en diversos artículos de revistas publicados las etapas de un protocolo representativo para la obtención del perfil de expresión génica usando tejidos fijados, incluidos en parafina como fuente de ARN, incluyendo aislamiento, purificación, extensión del cebador y amplificación de ARNm o microARN. (Véase, por ejemplo, T.E. Godfrey, y col., J. Molec. Diagnostics 2: 84-91 (2000); K. Specht y col., Am. J. Pathol. 158: 419-29 (2001), M. Cronin, y col., Am J Pathol 164: 35-42 (2004)). En resumen, un procedimiento representativo comienza con el corte de una sección de muestra de tejido (por ejemplo, secciones de aproximadamente 10 |im de grosor de una muestra de tejido tumoral incluida en parafina). Después, se extrae el ARN, y se eliminan las proteínas y el ADN. Tras el análisis de la concentración de a Rn , se realiza la reparación del ARN si se desea. La muestra puede someterse entonces a análisis, por ejemplo, mediante transcripción inversa usando promotores específicos de genes seguido de RT-PCR.
ANÁLISIS ESTADÍSTICO DE LOS NIVELES DE EXPRESIÓN EN LA IDENTIFICACIÓN DE GENES Y MICROARN
Un experto en la técnica reconocerá que hay muchos métodos estadísticos que pueden usarse para determinar si hay una relación significativa entre un parámetro de interés (por ejemplo, recidiva) y los niveles de expresión de un marcador génico/microARN como se describe en el presente documento. En una realización ejemplar, la presente invención proporciona un diseño de toma de muestras de cohorte estratificadas (una forma de muestreo de casocontrol) usando tejido y datos de pacientes con cáncer de próstata. La selección de los especimenes se estratificó por estadio T (T1, T2), cohorte de año (<1993, >1993) y puntuación de Gleason de prostatectomía (baja/intermedia, alta). Se seleccionaron todos los pacientes con recidiva clínica y se seleccionó una muestra de pacientes que no experimentaron una recidiva clínica. Para cada paciente, se ensayaron hasta dos especimenes de tumor enriquecido y una muestra de tejido de aspecto normal.
Se notificaron todas las pruebas de hipótesis usando valores de p bilaterales. Para investigar si hay una relación significativa de los desenlaces (intervalo libre de recidiva clínica (ILRc), intervalo libre de recidiva bioquímica (ILRb), supervivencia específica a cáncer de próstata (SECP) y supervivencia global (SG)) con genes individuales y/o microARN, se usaron modelos de riesgos proporcionales (PH) de Cox con covariables demográficas o clínicas usando estimadores de probabilidad pseudoparcial ponderada máxima y se notifican valores de p de pruebas de Wald de la hipótesis nula de que la relación de riesgo (HR) es uno. Para investigar si hay una relación significativa entre genes individuales y/o microARN y el patrón de Gleason de una muestra particular, se usaron modelos de regresión logística ordinal usando métodos de probabilidad ponderada máxima y se notifican valores de p de pruebas de Wald de la hipótesis nula de que la relación de probabilidades (OR) es uno.
ANÁLISIS DE COEXPRESIÓN
La presente divulgación proporciona un método para determinar el estadio tumoral basándose en la expresión de genes de estadificación, o genes que se coexpresan con genes de estadificación particulares. Para realizar procesos biológicos particulares, los genes funcionan a menudo conjuntamente de un modo concertado, es decir se coexpresan. Los grupos de genes coexpresados identificados para un proceso patológico como cáncer pueden servir como biomarcadores para el estado tumoral y la progresión de la enfermedad. Tales genes coexpresados pueden ensayarse en lugar de, o además de, someter a ensayo el gen de estadificación con el que se coexpresan.
En una realización ejemplar, puede someterse a ensayo la correlación conjunta de niveles de expresión génica entre especimenes de cáncer de próstata en estudio. Para este fin, las estructuras de correlación entre genes y especimenes pueden examinarse a través de métodos de agrupación jerárquica. Esta información puede usarse para confirmar los genes que se sabe que están altamente correlacionados en muestras de cáncer de próstata se agrupan como se esperaba. Sólo los genes que presentan una relación nominalmente significativa (p no ajustado <0,05) con ILRc en el análisis de regresión de PH de Cox de una variable se incluirán en estos análisis.
NORMALIZACIÓN DE LOS NIVELES DE EXPRESIÓN
Los datos de expresión usados en los métodos desvelados en el presente documento pueden normalizarse. Normalización se refiere a un procedimiento para corregir (eliminar por normalización), por ejemplo, diferencias en la cantidad de ARN ensayado y la variabilidad en la calidad del ARN usado, para eliminar fuentes no deseadas de variación sistemática en las mediciones de Ct o Cp, y similares. Con respecto a experimentos de RT-PCR que implican muestras de tejido fijadas incluidas en parafina archivadas, se sabe que las fuentes de variación sistemática incluyen el grado de degradación del ARN en relación con la edad de la muestra del paciente y el tipo de fijador usado para almacenar la muestra. Otras fuentes de variación sistemática pueden atribuirse a las condiciones de procesamiento en el laboratorio.
Los ensayos pueden proporcionar normalización incorporando la expresión de determinados genes de normalización, que no difieren significativamente en sus niveles de expresión en las condiciones relevantes. Los genes de normalización a modo de ejemplo desvelados en el presente documento incluyen genes de mantenimiento. (Véase, por ejemplo, E. Eisenberg, y col., Trends in Genetics 19 (7): 362-365 (2003)). La normalización puede basarse en la media o señal media (Ct o Cp) de todos los genes sometidos a ensayo o un gran subconjunto de los mismos (enfoque de normalización global). En general, los genes de normalización, también denominados genes de referencia, deben ser genes que se sabe que no presentan una expresión significativamente diferente en cáncer de próstata en comparación con tejido prostático no canceroso, y no se ven afectados significativamente por diversas condiciones de la muestra y el procedimiento, proporcionando por tanto eliminación por normalización de efectos extraños.
En realizaciones ejemplares, se usan uno o más de los siguientes genes como referencias mediante las que se normalizan los datos de expresión del ARNm o microARN: AAMP, ARF1, ATP5E, CLTC, GPS 1 y PGK1. En otra realización ejemplar, se usan uno o más de los siguientes microARN como referencias mediante las que se normalizan los datos de expresión de microARN: hsa-miR-106a; hsa-miR-146b-5p; hsa-miR-191; hsa-miR-19b; y hsa-miR-92a. Las mediciones de CT o Cp promedio ponderadas calibradas para cada uno de los genes o microARN de pronóstico o predictivos pueden normalizarse en relación con la media de cinco o más genes o microARN de referencia.
Los expertos en la técnica reconocerán que la normalización puede lograrse de numerosos modos, y las técnicas que se han descrito anteriormente pretenden ser sólo a modo de ejemplo, no exhaustivas.
ESTANDARIZACIÓN DE LOS NIVELES DE EXPRESIÓN
Los datos de expresión usados en los métodos desvelados en el presente documento pueden estandarizarse. Estandarización se refiere a un procedimiento para poner eficazmente todos los genes o microARN en una escala comparable. Esto se realiza porque algunos genes o microARN presentarán más variación (un intervalo más amplio de expresión) que otros. La estandarización se realiza dividiendo cada valor de expresión entre su desviación estándar en todas las muestras para ese gen o microARN. Después, se interpretan las relaciones de riesgo como el riesgo relativo de recidiva por aumento de 1 desviación estándar en la expresión.
Kits
Los materiales para su uso en los métodos de la presente invención son adecuados para la preparación de kits producidos según procedimientos bien conocidos. Por lo tanto, la presente divulgación proporciona kits que comprenden agentes, que pueden incluir sondas y/o cebadores específicos de gen (o microARN) o selectivos de gen (o microARN), para cuantificar la expresión de los genes o microARN desvelados para predecir el desenlace de pronóstico o respuesta al tratamiento. Tales kits pueden contener opcionalmente reactivos para la extracción de ARN de muestras de tumores, en particular muestras de tejido fijadas incluidas en parafina y/o reactivos para la amplificación del ARN. Además, los kits pueden comprender opcionalmente el reactivo o reactivos con una descripción o etiqueta de identificación o instrucciones referentes a su uso en los métodos de la presente invención. Los kits pueden comprender recipientes (que incluyen placas de microtitulación adecuadas para su uso en una implementación automatizada del método), cada con uno o más de los diversos materiales o reactivos (normalmente en forma concentrada) utilizados en los métodos, incluyendo, por ejemplo, columnas cromatográficas, microalineamientos prefabricados, tampones, los nucleótidos trifosfato apropiados (por ejemplo, dATP, dCTP, dGTP y dTTP; o rATP, rCTP, rGTP y UTP), transcriptasa inversa, ADN polimerasa, ARN polimerasa y una o más sondas y cebadores de la presente invención (por ejemplo, cebadores de poli (T) o al azar de longitud apropiada unidos a un promotor reactivo con la ARN polimerasa). Los algoritmos matemáticos usados para estimar o cuantificar información de pronóstico o predictiva también son componentes potenciales apropiados de los kits.
Informes
Los métodos, cuando se ponen en práctica para fines de diagnóstico comercial, producen generalmente un informe o resumen de información obtenida a partir de los métodos descritos en el presente documento. Por ejemplo, un informe puede incluir información referente a los niveles de expresión de uno o más genes y/o microARN, la clasificación del tumor o el riesgo de recidiva del paciente, el pronóstico probable del paciente o la clasificación de riesgo, factores clínicos y patológicos, y/u otra información. Los métodos e informes pueden incluir además el almacenamiento del informe en una base de datos. El método puede crear un registro en una base de datos para el sujeto y rellenar el registro con datos. El informe puede ser un informe en papel, un informe auditivo o un registro electrónico. El informe puede visualizarse y/o almacenarse en un dispositivo informático (por ejemplo, dispositivo manual, ordenador de sobremesa, dispositivo inteligente, sitio web, etc.). Se contempla que el informe se proporcione a un médico y/o al paciente. La recepción del informe puede incluir además el establecimiento de una conexión en red a un servidor que incluye los datos y el informe y solicitar los datos y el informe al servidor.
Programa informático
Los valores de los ensayos que se han descrito anteriormente, tales como datos de expresión, pueden calcularse y almacenarse manualmente. Como alternativa, las etapas que se han descrito anteriormente pueden realizarse completa o parcialmente por un producto de programa informático. El producto de programa informático incluye un medio de almacenamiento legible por ordenador que tiene un programa informático almacenado en el mismo. El programa, cuando se lee por un ordenador, puede ejecutar cálculos relevantes basándose en los valores obtenidos del análisis de una o más muestras biológicas de un individuo (por ejemplo, niveles de expresión génica, normalización, estandarización, umbralización y conversión de valores de ensayos a una puntuación y/o texto o representación gráfica del estadio tumoral e información relacionada). El producto de programa informático tiene almacenado en el mismo un programa informático para realizar el cálculo.
La presente divulgación proporciona sistemas para ejecutar el programa que se ha descrito anteriormente, sistema que incluye generalmente: a) un entorno informático central; b) un dispositivo de entrada, conectado de manera operativa al entorno informático, para recibir datos del paciente, en el que los datos del paciente pueden incluir, por ejemplo, el nivel de expresión u otro valor obtenido de un ensayo que usa una muestra biológica del paciente, o datos de microalineamientos, como se ha descrito en detalle anteriormente; c) un dispositivo de salida, conectado al entorno informático, para proporcionar información a un usuario (por ejemplo, personal médico); y d) un algoritmo ejecutado por el entorno informático central (por ejemplo, un procesador), en el que el algoritmo se ejecuta basándose en los datos recibidos por el dispositivo de entrada, y en el que el algoritmo calcula una puntuación de expresión, umbralización u otras funciones descritas en el presente documento. Los métodos proporcionados por la presente invención pueden estar también automatizados en su totalidad o en parte.
Todos los aspectos de la presente invención pueden ponerse en práctica también de manera que un número limitado de genes y/o microARN adicionales que se coexpresan o están relacionados funcionalmente con los genes desvelados, por ejemplo como se evidencia por coeficientes de correlación de Pearson y/o Spearman estadísticamente significativos, se incluyen en un ensayo además de y/o en lugar de los genes desvelados.
Habiendo descrito la invención, la misma se entenderá más fácilmente a través de la referencia a los siguientes Ejemplos, que se proporcionan a modo de ilustración, y no pretenden limitar la invención de ningún modo.
Ejemplos
EJEMPLO 1: RENDIMIENTO DE ARN Y PERFILES DE EXPRESIÓN GÉNICA EN BIOPSIAS POR PUNCIÓN CON AGUJA GRUESA DE CANCER DE PROSTATA
Son necesarias herramientas clínicas basadas en biopsias con aguja gruesa de próstata para guiar la planificación del tratamiento en el diagnóstico para hombres con cáncer de próstata localizado. Limitar el tejido en los especimenes de biopsia con aguja gruesa plantea retos significativos para el desarrollo de pruebas de diagnóstico molecular. Este estudio examinó los rendimientos de extracción de ARN y los perfiles de expresión génica usando un ensayo de RT-PCR para caracterizar ARN a partir de biopsias con aguja gruesa de cáncer de próstata fijadas incluidas en parafina (FPE) microdiseccionadas. También se investigó la asociación de los rendimientos de ARN y los perfiles de expresión génica con la puntuación de Gleason en estos especimenes.
Pacientes y muestras
Este estudio determinó la viabilidad del análisis del perfil de expresión génica en biopsias con aguja gruesa de cáncer de próstata evaluando la cantidad y la calidad del ARN extraído de especimenes de biopsia con aguja gruesa de cáncer de próstata fijados incluidos en parafina (FPE). Para este estudio se usaron cuarenta y ocho (48) bloques fijados en formalina de especimenes de biopsia con aguja gruesa de próstata. La clasificación de los especimenes se basó en la interpretación de la puntuación de Gleason (2005 Int'l Society of Urological Pathology Consensus Conference) y la implicación tumoral en porcentaje (<33 %, 33-66 %, >66 %) como se evaluó por patólogos.
Tabla 1: Distribución de casos
Figure imgf000016_0001
Métodos de ensayo
Se incluyeron en el estudio catorce (14) secciones no teñidas de 5 pm en serie de cada bloque de tejido FPE. Las secciones primera y última para cada caso se tiñeron con H-E y se revisaron histológicamente para confirmar la presencia de tumor y para el enriquecimiento de tumor mediante microdisección manual.
Se extrajo ARN de muestras de tumor enriquecido usando un procedimiento de extracción de ARN manual. Se cuantificó el ARN usando el ensayo RiboGreen® y se sometió a prueba para determinar la presencia de contaminación por ADN genómico. Se sometieron a prueba las muestras con suficiente rendimiento de ARN y libres de ADN genómico para determinar los niveles de expresión génica de un panel de referencia de 24 genes y genes relacionados con cáncer usando RT-PCR cuantitativa. Se normalizó la expresión hasta el promedio de 6 genes de referencia (AAMP, ARF1, ATP5E, CLTC, EEF1A1 y GPX1).
Métodos estadísticos
Se usaron estadística descriptiva y presentaciones gráficas para resumir los parámetros de medición de patología convencionales y la expresión génica, con estratificación por categoría de puntuación de Gleason y categoría de implicación tumoral en porcentaje. Se usó regresión logística ordinal para evaluar la relación entre la expresión génica y la categoría de puntuación de Gleason.
Resultados
El rendimiento de ARN por área de superficie unitaria osciló entre 16 y 2406 ng/mm2. Se observó un rendimiento de ARN superior en muestras con implicación tumoral en porcentaje superior (p = 0,02) y puntuación de Gleason superior (p = 0,01). El rendimiento de ARN fue suficiente (>200 ng) en el 71 % de los casos para permitir RT-PCR de 96 pocillos, teniendo el 87 % de los casos un rendimiento de ARN >100 ng. El estudio confirmó que la expresión génica a partir de biopsias de próstata, medida mediante qRT-PCR, era comparable a las muestras de FPET usadas en ensayos moleculares comerciales para el cáncer de mama. Además, se observó que se encuentran mayores rendimientos de ARN en biopsia con puntuación de Gleason superior e implicación tumoral en porcentaje superior. Se identificaron nueve genes como asociados significativamente con la puntuación de Gleason (p <0,05) y se observó un gran intervalo dinámico para muchos genes de ensayo.
EJEMPLO 2: ANÁLISIS DE EXPRESIÓN GÉNICA PARA GENES ASOCIADOS A PRONÓSTICO EN CÁNCER DE PROSTATA
Pacientes y muestras
Se identificaron aproximadamente 2600 pacientes con cáncer de próstata en estadio clínico T1/T2 tratados con prostatectomía radical (PR) en la Cleveland Clinic entre 1987 y 2004. Se excluyeron los pacientes del diseño de estudio si recibieron terapia neo-adyuvante y/o adyuvante, si faltaban los niveles de PSA prequirúrgicos o si no se disponía de un bloque de tumor desde el diagnóstico inicial. Se seleccionaron aleatoriamente 127 pacientes con recidiva clínica y 374 pacientes sin recidiva clínica tras prostatectomía radical usando un diseño de muestreo de cohorte. Se estratificaron los especimenes por estadio T (T1, T2), cohorte de año (<1993, >1993) y puntuación de Gleason de prostatectomía (baja/intermedia, alta). De los 501 pacientes de los que se tomaron muestras, 51 se excluyeron por tumor insuficiente; 7 se excluyeron debido a ilegibilidad clínica; 2 se excluyeron debido a mala calidad de los datos de expresión génica; y 10 se excluyeron debido a que no se disponía del patrón de Gleason primario. Por lo tanto, este estudio de expresión génica incluyó datos y tejido de 111 pacientes con recidiva clínica y 330 pacientes sin recidiva clínica tras prostatectomías radicales realizadas entre 1987 y 2004 para el tratamiento del cáncer de próstata en estadio inicial (T1, T2).
Se obtuvieron dos especimenes de tejido fijados incluidos en parafina (FPE) de especimenes de tumor de próstata en cada paciente. El método de muestreo (método de muestreo A o B) depende de si el patrón de Gleason máximo es también el patrón de Gleason primario. Para cada espécimen seleccionado, las células cancerosas invasivas tuvieron una dimensión de al menos 5,0 mm, excepto en los casos de patrón 5, donde se aceptaron 2,2 mm. Los especimenes fueron espacialmente distintos cuando fue posible.
T l 2: M m r
Figure imgf000017_0001
También se evaluó el tejido de aspecto histológicamente normal (NAT) adyacente al espécimen de tumor (también denominado en estos Ejemplos "tejido no tumoral"). Se recogió tejido adyacente de 3 mm del tumor a 3 mm del borde del bloque de FPET. Se muestreó preferiblemente NAT adyacente al patrón de Gleason primario. En los casos en que había insuficiente NAT adyacente al patrón de Gleason primario, entonces se muestreó NAT adyacente al patrón de Gleason secundario o máximo (A2 o B1) según el método expuesto en la Tabla 2. Se prepararon seis (6) secciones de 10 pm con un portaobjetos comenzando con H&E en 5 pm y terminando sin tinción en 5 pm a partir de cada bloque de tumor fijado incluido en parafina (FPET) incluido en el estudio. Todos los casos se revisaron histológicamente y se microdiseccionaron manualmente para dar dos muestras de tumor enriquecido y, cuando fue posible, una muestra de tejido normal adyacente al espécimen de tumor.
Método de ensayo
En este estudio, se usó análisis de RT-PCR para determinar los niveles de expresión de ARN para 738 genes y los reordenamientos cromosómicos (por ejemplo, fusión TMPRSS2-ERG u otros genes de la familia ETS) en tejido de cáncer de próstata y NAT circundante en pacientes con cáncer de próstata en estadio inicial tratados con prostatectomía radical.
Se cuantificaron las muestras usando el ensayo RiboGreen y se ensayó un subconjunto para determinar la presencia de contaminación por ADN genómico. Se tomaron las muestras en transcripción inversa (RT) y reacción en cadena de la polimerasa cuantitativa (qPCR). Se realizaron todos los análisis con niveles de expresión génica normalizados por referencia usando el promedio de los valores de punto de cruce (CP) de pocillos por duplicado para los 6 genes de referencia (AAMP, ARF1, ATP5E, CLTC, GPS1, PGK1).
Análisis estadístico y resultados
Los análisis estadísticos primarios implicaron 111 pacientes con recidiva clínica y 330 pacientes sin recidiva clínica tras prostatectomía radical para cáncer de próstata en estadio inicial estratificado por estadio T (T1, T2), cohorte de año (<1993, >1993) y puntuación de Gleason de prostatectomía (baja/intermedia, alta). Las categorías de puntuación de Gleason se definen como se indica a continuación: baja (puntuación de Gleason <6), intermedia (puntuación de Gleason = 7) y alta (puntuación de Gleason >8). Se incluyó un paciente en un análisis especificado si al menos era evaluable una muestra para ese paciente. A menos que se indique otra cosa, se notificaron todas las pruebas de hipótesis usando valores de p bilaterales. Se aplicó el método de Storey para el conjunto resultante de valores de p para controlar la tasa de falso descubrimiento (FDR) al 20 %. J. Storey, R. Tibshirani, Estimating the Positive False Discovery Rate Under Dependence, with Applications to DNA Microarrays, Dept. de Estadística, Universidad de Stanford (2001).
El análisis de la expresión génica y el intervalo libre de recidiva se basó en el modelo de riesgos proporcionales (PH) de Cox de una variable usando estimadores de probabilidad pseudoparcial ponderada máxima para cada gen evaluable en la lista de genes (727 genes de prueba y 5 genes de referencia). Se generaron valores de p usando pruebas de Wald de la hipótesis nula de que la relación de riesgo (HR) es uno. Se notificaron tanto los valores de q como los valores de p no ajustados (la menor FDR a la que se rechaza la prueba de hipótesis en cuestión). Los valores de p no ajustados <0,05 se consideraron estadísticamente significativos. Puesto que se seleccionaron dos especimenes de tumor para cada paciente, este análisis se realizó usando los 2 especimenes de cada paciente como se indica a continuación: (1) análisis usando el espécimen de patrón de Gleason primario de cada paciente (Especimenes A1 y B2 como se describe en la Tabla 2); (2) análisis usando el espécimen de patrón de Gleason máximo de cada paciente (Especimenes A1 y B1 como se describe en la Tabla 2).
El análisis de la expresión génica y el patrón de Gleason (3, 4, 5) se basó en modelos de regresión logística ordinal de una variable usando estimadores de probabilidad ponderada máxima para cada gen en la lista de genes (727 genes de prueba y 5 genes de referencia). Se generaron valores de P usando una prueba de Wald de la hipótesis nula de que la relación de probabilidades (OR) es uno. Se indicaron tanto los valores de q como los valores de p no ajustados (la menor FDR a la que se rechaza la prueba de hipótesis en cuestión). Los valores de p no ajustados <0,05 se consideraron estadísticamente significativos. Puesto que se seleccionaron dos especimenes de tumor para cada paciente, este análisis se realizó usando los 2 especimenes de cada paciente como se indica a continuación: (1) análisis usando el espécimen de patrón de Gleason primario de cada paciente (Especimenes A1 y B2 como se describe en la Tabla 2); (2) análisis usando el espécimen de patrón de Gleason máximo de cada paciente (Especimenes A1 y B1 como se describe en la Tabla 2).
Se determinó si hay una relación significativa entre el ILRc y variables demográficas, clínicas y patológicas seleccionadas, incluyendo edad, raza, estadio tumoral clínico, estadio tumoral patológico, ubicación de muestras de tumor seleccionadas dentro de la próstata (zona periférica frente a de transición), PSA en el momento de la cirugía, puntuación de Gleason global desde la prostatectomía radical, año de la cirugía y patrón de Gleason de la muestra. Por separado para cada variable demográfica o clínica, se modeló la relación entre la covariable clínica e ILRc usando la regresión de PH de Cox de una variable usando estimadores de probabilidad pseudoparcial ponderada y se generó un valor de p usando la prueba de Wald de la hipótesis nula de que la relación de riesgo (HR) es uno. Covariables con valores de p no ajustados <0,2 pueden haberse incluido en los análisis ajustados por covariable.
Se determinó si había una relación significativa entre cada uno de los genes relacionados con cáncer individuales e ILRc tras controlar covariables demográficas y clínicas importantes. Por separado para cada gen, se modeló la relación entre la expresión génica e ILRc usando la regresión de PH de Cox de múltiples variables usando estimadores de probabilidad pseudoparcial ponderada incluyendo variables demográficas y clínicas importantes como covariables. Se ensayó la contribución independiente de la expresión génica a la predicción de ILRc generando un valor de p a partir de una prueba de Wald usando un modelo que incluía covariables clínicas para cada nódulo (especimenes como se define en la Tabla 2). Los valores de p no ajustados <0,05 se consideraron estadísticamente significativos.
Las Tablas 3A y 3B proporcionan genes asociados significativamente (p<0,05), positiva o negativamente, con el patrón de Gleason en el patrón de Gleason primario y/o máximo. La expresión aumentada de genes en la Tabla 3A está asociada positivamente a una puntuación de Gleason superior, mientras que la expresión aumentada de genes en la Tabla 3B está asociada negativamente a una puntuación de Gleason superior.
T l A
Figure imgf000019_0001
continuación
Figure imgf000020_0001
continuación
Figure imgf000021_0001
T l B
Figure imgf000022_0001
continuación
Figure imgf000023_0001
continuación
Figure imgf000024_0001
continuación
Figure imgf000025_0001
Para identificar genes asociados a recidiva (ILRc, ILRb) en el patrón de Gleason primario y el máximo, se analizó cada uno de 727 genes en modelos de una variable usando los especimenes A1 y B2 (véase la Tabla 2, anteriormente). Las Tablas 4A y 4B proporcionan genes que estaban asociados, positiva o negativamente, a ILRc y/o ILRb en el patrón de Gleason primario y/o máximo. La expresión aumentada de genes en la Tabla 4A está asociada negativamente a un buen pronóstico, mientras que la expresión aumentada de genes en la Tabla 4B está asociada positivamente a un buen pronóstico.
T l 4A
Figure imgf000026_0001
continuación
Figure imgf000027_0001
continuación
Figure imgf000028_0001
Tabla 4B
Figure imgf000028_0002
continuación
Figure imgf000029_0001
continuación
Figure imgf000030_0001
continuación
Figure imgf000031_0001
continuación
Figure imgf000032_0001
continuación
Figure imgf000033_0001
Las Tablas 5A y 5B proporcionan genes que estaban asociados significativamente (p<0,05), positiva o negativamente, a recidiva (ILRc, ILRb) después de ajustar el grupo de riesgo de AUA en el patrón de Gleason primario y/o máximo. La expresión aumentada de genes en la Tabla 5A está asociada negativamente a un buen pronóstico, mientras que la expresión aumentada de genes en la Tabla 5B está asociada positivamente a un buen pronóstico.
Tabla 5A
Figure imgf000033_0002
continuación
Figure imgf000034_0001
continuación
Figure imgf000035_0001
continuación
Figure imgf000036_0001
T l B
Figure imgf000036_0002
continuación
Figure imgf000037_0001
continuación
Figure imgf000038_0001
continuación
Figure imgf000039_0001
continuación
Figure imgf000040_0001
Las Tablas 6A y 6B proporcionan genes que estaban asociados significativamente (p<0,05), positiva o negativamente, a recidiva (ILRc, ILRb) después de ajustar el patrón de Gleason en el patrón de Gleason primario y/o máximo. La expresión aumentada de genes en la Tabla 6A está asociada negativamente a un buen pronóstico, mientras que la expresión aumentada de genes en la Tabla 6B está asociada positivamente a un buen pronóstico.
Tabla 6A
Figure imgf000041_0001
continuación
Figure imgf000042_0001
Tabla 6B
Figure imgf000042_0002
continuación
Figure imgf000043_0001
continuación
Figure imgf000044_0001
continuación
Figure imgf000045_0001
continuación
Figure imgf000046_0001
continuación
Figure imgf000047_0001
Las Tablas 7A y 7B proporcionan genes asociados significativamente (p<0,05), positiva o negativamente, a recidiva clínica (ILRc) en especimenes negativos para fusión de TMPRSS en la muestra de patrón de Gleason primario o máximo. La expresión aumentada de genes en la Tabla 7A está asociada negativamente a un buen pronóstico, mientras que la expresión aumentada de genes en la Tabla 7B está asociada positivamente a un buen pronóstico.
Tabla 7A
Figure imgf000047_0002
continuación
Figure imgf000048_0001
Tabla 7B
Figure imgf000048_0002
continuación
Figure imgf000049_0001
continuación
Figure imgf000050_0001
continuación
Figure imgf000051_0001
continuación
Figure imgf000052_0001
continuación
Figure imgf000053_0001
Las Tablas 8A y 8B proporcionan genes que estaban asociados significativamente (p<0,05), positiva o negativamente, a recidiva clínica (ILRc) en especimenes positivos para fusión de TMPRSS en el espécimen de patrón de Gleason primario o máximo. La expresión aumentada de genes en la Tabla 8A está asociada negativamente a un buen pronóstico, mientras que la expresión aumentada de genes en la Tabla 8B está asociada positivamente a un buen pronóstico.
Figure imgf000053_0002
continuación
Figure imgf000054_0001
continuación
Figure imgf000055_0001
T l B
Figure imgf000055_0002
continuación
Figure imgf000056_0001
continuación
Figure imgf000057_0001
continuación
Figure imgf000058_0001
Las Tablas 9A y 9B proporcionan genes asociados significativamente (p<0,05), positiva o negativamente, al estado de fusión de TMPRSS en el patrón de Gleason primario. La expresión aumentada de genes en la Tabla 9A está asociada positivamente a la positividad para fusión de TMPRSS, mientras que la expresión aumentada de genes en la Tabla 10A está asociada negativamente a la positividad para fusión de TMPRSS.
Tabla 9A
Figure imgf000058_0002
continuación
Figure imgf000059_0001
T l B
Figure imgf000059_0002
continuación
Figure imgf000060_0001
continuación
Figure imgf000061_0001
continuación
Figure imgf000062_0001
continuación
Figure imgf000063_0001
Se investigó un efecto del campo molecular y se determinó que los niveles de expresión de células de aspecto histológicamente normal adyacentes al tumor mostraban una firma molecular de cáncer de próstata. Las Tablas 10A y 10B proporcionan genes asociados significativamente (p<0,05), positiva o negativamente, a ILRc o ILRb en muestras no tumorales. La Tabla 10A está asociada negativamente a un buen pronóstico, mientras que la expresión aumentada de genes en la Tabla 10B está asociada positivamente a un buen pronóstico.
Tabla 10A
Figure imgf000063_0002
continuación
Figure imgf000064_0001
T l 1 B
Figure imgf000064_0002
continuación
Figure imgf000065_0001
continuación
Figure imgf000066_0001
La Tabla 11 proporciona genes que están asociados significativamente (p<0,05) a ILRc o ILRb después del ajuste del patrón de Gleason o patrón de Gleason máximo.
Tabla 11
Figure imgf000067_0001
Las Tablas 12A y 12B proporcionan genes que están asociados significativamente (p<0,05) a una supervivencia específica a cáncer de próstata (SECP) en el patrón de Gleason primario. La expresión aumentada de genes en la Tabla 12A está asociada negativamente a un buen pronóstico, mientras que la expresión aumentada de genes en la Tabla 12B está asociada positivamente a un buen pronóstico.
Figure imgf000067_0002
T l 12B
Figure imgf000068_0001
continuación
Figure imgf000069_0001
El análisis de la expresión génica y el aumento del grado/aumento del estadio se basó en modelos de regresión logística ordinal de una variable usando estimadores de probabilidad ponderada máxima para cada gen en la lista de genes (727 genes de ensayo y 5 genes de referencia). Se generaron valores de p usando una prueba de Wald de la hipótesis nula de que la relación de probabilidades (OR) es uno. Se notificaron tanto los valores de q como los valores de p no ajustados (la menor FDR a la que se rechaza la prueba de hipótesis en cuestión). Los valores de p no ajustados <0,05 se consideraron estadísticamente significativos. Puesto que se seleccionaron dos muestras de tumor para cada paciente, este análisis se realizó usando las 2 especimenes de cada paciente como se indica a continución: (1) análisis usando el especimen de patrón de Gleason primario de cada paciente (Especimenes A1 y B2 como se describe en la Tabla 2); y (2) análisis usando el especimen de patrón de Gleason máximo de cada paciente (Especimenes A1 y B1 como se describe en la Tabla 2). Se descubrió que 200 genes estaban asociados significativamente (p<0,05) a un aumento del grado/aumento del estadio en la muestra de patrón de Gleason primario (PGP) y que 203 genes estaban asociados significativamente (p<0,05) a un aumento del grado/aumento del estadio en la muestra de patrón de Gleason máximo (HGP).
Las Tablas 13A y 13B proporcionan genes asociados significativamente (p<0,05), positiva o negativamente, a un aumento del grado/aumento del estadio en el patrón de Gleason primario y/o máximo. La expresión aumentada de genes en la Tabla 13A está asociada positivamente a un riesgo superior de aumento del grado/aumento del estadio (mal pronóstico), mientras que la expresión aumentada de genes en la Tabla 13B está asociada negativamente a un riesgo de aumento del grado/aumento del estadio (buen pronóstico).
TABLA 1 A
Figure imgf000069_0002
continuación
Figure imgf000070_0001
TABLA 1 B
Figure imgf000070_0002
continuación
Figure imgf000071_0001
continuación
Figure imgf000072_0001
continuación
Figure imgf000073_0001
continuación
Figure imgf000074_0001
EJEMPLO 3: IDENTIFICACION DE MICROARN ASOCIADOS A RECIDIVA CLINICA Y MUERTE DEBIDA A CÁNCER DE PRÓSTATA
Los microARN funcionan uniéndose a partes del ARN mensajero (ARNm) y cambiando la frecuencia con que el ARNm se traduce en una proteína. También pueden influir en el recambio del ARNm y, por lo tanto, en durante cuánto tiempo permanece el ARNm intacto en la célula. Puesto que los microARN funcionan principalmente como complemento al ARNm, este estudio evaluó el valor pronóstico conjunto de la expresión de microARN y la expresión génica (ARNm). Puesto que la expresión de determinados microARN puede ser un sustituto para la expresión de genes que no están en el panel valorado, también se evaluó el valor pronóstico de la propia expresión de microARN.
Pacientes y muestras
En este estudio se usaron muestras de los 127 pacientes con recidiva clínica y 374 pacientes sin recidiva clínica tras prostatectomía radical descritos en el Ejemplo 2. El conjunto de análisis final comprendía 416 muestras de pacientes en los que se sometieron a ensayo satisfactoriamente tanto la expresión génica como la expresión de microARN. De éstos, 106 pacientes mostraron recidiva clínica y 310 no tuvieron recidiva clínica. Se tomaron muestras de tejido de cada muestra de próstata representando (1) el patrón de Gleason primario en la muestra y (2) el patrón de Gleason máximo en la muestra. Además, se tomó una muestra de tejido de aspecto histológicamente normal adyacente al tumor (NAT). En la Tabla 14 se muestra el número de pacientes en el conjunto de análisis para cada tipo de tejido y el número de los mismos que experimentaron recidiva clínica o muerte debida a cáncer de próstata.
Tabla 14. Número de pacientes y acontecimientos en el conjunto de análisis
Pacientes Recidivas Muertes debido a clínicas cáncer de próstata Tejido tumoral con patrón de Gleason primario 416 106 36 Tejido tumoral con patrón de Gleason máximo 405 1 0 2 36 Tejido adyacente normal 364 81 29
Método de ensayo
Se determinó la expresión de 76 microARN de prueba y 5 microARN de referencia a partir de ARN extraído de tejido fijado incluido en parafina (FPE). Se cuantificó la expresión de microARN en los tres tipos de tejido mediante la reacción en cadena de la polimerasa con transcriptasa inversa (RT-PCR) usando el punto de cruce (Cp) obtenido a partir del kit de ensayo de microARN Taqman® (Applied Biosystems, Inc., Carlsbad, c A).
Análisis estadístico
Usando la regresión de riesgos proporcionales de una variable (Cox DR, Journal of the Royal Statistical Society, Serie B 34: 187-220, 1972), aplicando las ponderaciones de muestreo del diseño de toma de muestras de cohorte y usando la estimación de varianza basada en el método de Lin y Wei (Lin y Wei, Journal of the American Statistical Association 84: 1074-1078, 1989), se valoraron la expresión de microARN, normalizada por la expresión promedio para los 5 microARN de referencia hsa-miR-106a, hsa-miR-146b-5p, hsa-miR-191, hsa-miR-19b y hsamiR-92a, y la expresión génica normalizada por referencia de los 733 genes (incluyendo los genes de referencia) que se han analizado anteriormente, para determinar la asociación a la recidiva clínica y muerte debida a cáncer de próstata. Se calcularon las relaciones de riesgo normalizadas (el cambio proporcional en el riesgo asociado a un cambio de una desviación estándar en el valor de covariable).
Este análisis incluyó las siguientes clases de factores pronósticos:
1. MicroARN solos
2. Pares de microARN-gen, nivel 1
3. Pares de microARN-gen, nivel 2
4. Pares de microARN-gen, nivel 3
5. El resto de los pares de microARN-gen, nivel 4
Se determinaron previamente los cuatro niveles basándose en la probabilidad (representando el nivel 1 la probabilidad más alta) de que el par de gen-microARN interaccionara funcionalmente o de que el microARN estuviera relacionado con cáncer de próstata basándose en una revisión de la bibliografía y los conjuntos de datos de microalineamiento existentes.
Se evaluaron las tasas de falso descubrimiento (FDR) (Benjamini y Hochberg, Journal of the Royal Statistical Society, Serie B 57: 289-300, 1995) usando la metodología de clases separadas de Efron (Efron, Annals of Applied Statistics 2: 197-223, 2008). La tasa de falso descubrimiento es la proporción esperada de las hipótesis nulas rechazadas que se rechazan incorrectamente (y por lo tanto son falsos descubrimientos). La metodología de Efron 5 permite la evaluación de FDR separada (valores de q) (Storey, Journal of the Royal Statistical Society, Serie B 64: 479-498, 2002) dentro de cada clase mientras se utilizan los datos de todas las clases para mejorar la exactitud del cálculo. En este análisis, el valor de q para un microARN o par de microARN-gen puede interpretarse como la probabilidad empírica de Bayes de que el microARN o par de microARN-gen identificado como asociado con el resultado clínico es de hecho un falso descubrimiento dados los datos. Se aplicó el enfoque de clases separadas a un análisis de grado de asociación de tasa de descubrimiento verdadero (TDRDA) (Crager, Statistics in Medicine 29: 33-45, 2010) para determinar conjuntos de microARN o pares de microARN-gen que tienen una relación de riesgo normalizada para recidiva clínica o muerte específica por cáncer de próstata de al menos una cantidad especificada mientras se controla la FDR al 10 %. Para cada microARN o par de microARN-gen, se calculó una relación de riesgo normalizada para una cota inferior máxima (MLB), mostrando la cota inferior más alta para la que el microARN o par de microARN-gen se incluía en un conjunto de TDRDA con FDR al 10 %. También se calculó una estimación de la relación de riesgo normalizada verdadera corregida por regresión hacia la media (RM) que se produce en estudios posteriores cuando se seleccionan los mejores factores pronósticos de una larga lista (Crager, 2010 citado anteriormente). La estimación corregida por RM de la relación de riesgo normalizada es una estimación razonable de lo que se esperaría si se estudiara el microARN o par de microARN-gen seleccionado en un estudio separado posterior.
Estos análisis se repitieron ajustando las covariables clínicas y patológicas disponibles en el momento de la biopsia del paciente: puntuación de Gleason de biopsia, nivel de PSA inicial y estadio T clínico (T1-T2A frente a T2B o T2C) para evaluar si los microARN o los pares de microARN-gen tienen valor de predicción independientemente de estas covariables clínicas y patológicas.
Resultados
El análisis identificó 21 microARN ensayados a partir de tejido tumoral con patrón de Gleason primario que estaban asociados a recidiva clínica de cáncer de próstata tras prostatectomía radical, permitiendo una tasa de falso descubrimiento del 10 % (Tabla 15). Los resultados fueron similares para microARN evaluados a partir de tejido tumoral con patrón de Gleason máximo (Tabla 16), lo que sugiere que la asociación de la expresión de microARN con recidiva clínica no cambia marcadamente dependiendo de la ubicación dentro de una muestra de tejido tumoral. No se asoció ningún microARN sometido a ensayo a partir de tejido adyacente normal con el riesgo de recidiva clínica a una tasa de falso descubrimiento del 10 %. Las secuencias de los microARN enumerados en la Tablas 15-21 se muestran en la Tabla B.
Tabla 15. MicroARN asociados a recidiva clínica de tejido tumoral con patrón de Gleason primario de cáncer de próstata
Relación de riesgo normalizada absoluta Valor
a Dirección de Estimación Intervalo de Cota inferior Estimación MicroARN Valor
de p de q ida (FDR) asociaciónb no corregida confianza máxima a correg del 95 % 1 FDR al 10 % por RMc hsa-miR-93 <0 , 0 0 0 1 0 , 0 % (+) 1,79 (1,38, 2,32) 1,19 1,51 hsa-miR-106b <0 , 0 0 0 1 0 , 1 % (+) 1,80 (1,38, 2,34) 1,19 1,51 hsa-miR-30e-5p <0 , 0 0 0 1 0 , 1 % (-) 1,63 (1,30, 2,04) 1,18 1,46 hsa-miR-21 <0 , 0 0 0 1 0 , 1 % (+) 1 , 6 6 (1,31, 2,09) 1,18 1,46 hsa-miR-133a <0 , 0 0 0 1 0 , 1 % (-) 1,72 (1,33, 2,21) 1,18 1,48 hsa-miR-449a <0 , 0 0 0 1 0 , 1 % (+) 1,56 (1,26, 1,92) 1,17 1,42 hsa-miR-30a 0 , 0 0 0 1 0 , 1 % (-) 1,56 (1,25, 1,94) 1,16 1,41 hsa-miR-182 0 , 0 0 0 1 0 , 2 % (+) 1,74 (1,31, 2,31) 1,17 1,45 hsa-miR-27a 0 , 0 0 0 2 0 , 2 % (+) 1,65 (1,27, 2,14) 1,16 1,43 hsa-miR-222 0,0006 0,5 % (-) 1,47 (1,18, 1,84) 1 , 12 1,35 hsa-miR-103 0,0036 2 , 1 % (+) 1,77 (1 ,2 1 , 2,61) 1 , 12 1,36 hsa-miR-1 0,0037 2 , 2 % (-) 1,32 (1 ,1 0 , 1,60) 1,07 1,26 hsa-miR-145 0,0053 2,9 % _____ (-)_____ 1,34 (1,09, 1,65) 1,07 1,27 (continuación)
Tabla 15. MicroARN asociados a recidiva clínica de tejido tumoral con patrón de Gleason primario de cáncer de próstata
Relación de riesgo normalizada absoluta Valor Direcci .ó .n . de Estimaci .ó.n Intervalo de Cota inferior Estimación MicroARN Valor
de p de qa
asoci.aci .ó.n b” no corregida c don ifi 9a 5nz %a máxima a corregida (FDR) FDR al 10 % por RMc hsa-miR-141 0,0060 3,2 % (+) 1,43 (1,11, 1,84) 1,07 1,29 hsa-miR-92a 0,0104 4,8 % (+) 1,32 (1,07, 1,64) 1,05 1,25 hsa-miR-22 0,0204 7,7 % (+) 1,31 (1,03, 1,64) 1,03 1,23 hsa-miR-29b 0 , 0 2 1 2 7,9 % (+) 1,36 (1,03, 1,76) 1,03 1,24 hsa-miR-210 0,0223 8 , 2 % (+) 1,33 (1,03, 1,70) 1 , 0 0 1,23 hsa-miR-486-5p 0,0267 9,4 % (-) 1,25 (1,00, 1,53) 1 , 0 0 1 , 2 0 hsa-miR-19b 0,0280 9,7 % (-) 1,24 (1,00, 1,50) 1 , 0 0 1,19 hsa-miR-205 0,0289 1 0 , 0 % _____ ______ 1,25 (1,00, 1,53) 1 , 0 0 1 , 2 0 aEl valor de q es la probabilidad empírica de Bayes de que la asociación de microARN a la recidiva clínica sea un falso descubrimiento, dados los datos.
bLa dirección de asociación indica cuándo está asociada la expresión de microARN superior a un riesgo de recidiva clínica superior (+) o inferior (-).
cRM: regresión hacia la media._______________________________________________________________________
Tabla 16. MicroARN asociados a recidiva clínica de tejido tumoral con patrón de Gleason máximo de _____________________________________ cáncer de próstata_____________________________________
Relación de riesgo normalizada absoluta Valor ción de Estimac Cota inferior Estimación MicroARN Valor
de p de qa Direc ión Intervalo de
confianza del máxima a corregida (FDR) asociaciónb no corregida 95 % FDR al 10 % por RMc hsa-miR-93 <0 , 0 0 0 1 0 , 0 % (+) 1,91 (1,48, 2,47) 1,24 1,59 hsa-miR-449a <0 , 0 0 0 1 0 , 0 % (+) 1,75 (1,40, 2,18) 1,23 1,54 hsa-miR-205 <0 , 0 0 0 1 0 , 0 % (-) 1,53 (1,29, 1,81) 1 , 20 1,43 hsa-miR-19b <0 , 0 0 0 1 0 , 0 % (-) 1,37 (1,19, 1,57) 1,15 1,32 hsa-miR-106b <0 , 0 0 0 1 0 , 0 % (+) 1,84 (1,39, 2,42) 1 , 22 1,51 hsa-miR-21 <0 , 0 0 0 1 0 , 0 % (+) 1 , 6 8 (1,32, 2,15) 1,19 1,46 hsa-miR-30a 0,0005 0,4 % (-) 1,44 (1,17, 1,76) 1,13 1,33 hsa-miR-30e-5p 0 , 0 0 1 0 0 , 6 % (-) 1,37 (1,14, 1,66) 1 , 11 1,30 hsa-miR-133a 0,0015 0 , 8 % (-) 1,57 (1,19, 2,07) 1,13 1,36 hsa-miR-1 0,0016 0 , 8 % (-) 1,42 (1,14, 1,77) 1 , 11 1,31 hsa-miR-103 0 , 0 0 2 1 1 , 1 % (+) 1,69 (1,21, 2,37) 1,13 1,37 hsa-miR-210 0,0024 1 , 2 % (+) 1,43 (1,13, 1,79) 1 , 11 1,31 hsa-miR-182 0,0040 1,7 % (+) 1,48 (1,13, 1,93) 1 , 11 1,31 hsa-miR-27a 0,0055 2 , 1 % (+) 1,46 (1,12, 1,91) 1,09 1,30 hsa-miR-222 0,0093 3,2 % (-) 1,38 (1,08, 1,77) 1,08 1,27 hsa-miR-331 0,0126 3,9 % (+) 1,38 (1,07, 1,77) 1,07 1,26 hsa-miR-191* 0,0143 4,3 % (+) 1,38 (1,06, 1,78) 1,07 1,26 hsa-miR-425 0,0151 4,5 % (+) 1,40 (1,06, 1,83) 1,07 1,26 hsa-miR-31 0,0176 5,1 % (-) 1,29 (1,04, 1,60) 1,05 1 , 2 2 hsa-miR-92a 0 , 0 2 0 2 5,6 % (+) 1,31 (1,03, 1,65) 1,05 1,23 hsa-miR-155 0,0302 7,6 % (-) 1,32 (1,00, 1,69) 1,03 1 , 2 2 hsa-miR-22 0,0437 9,9 % ____________ 1,30 (1,00, 1,67) 1 , 00 1 , 21 aEl valor de q es la probabilidad empírica de Bayes de que la asociación de microARN a la muerte debida a cáncer de próstata sea un falso descubrimiento, dados los datos.
bLa dirección de asociación indica cuándo está asociada la expresión de microARN superior a un riesgo de recidiva clínica superior (+) o inferior (-).
cRM: regresión hacia la media.________________________________________________________________________
La Tabla 17 muestra microARN sometidos a ensayo a partir de tejido con patrón de Gleason primario que se identificaron como asociados al riesgo de muerte específica por cáncer de próstata, con una tasa de falso descubrimiento del 10 %. La Tabla 18 muestra el análisis correspondiente para los microARN sometidos a ensayo a partir de tejido con patrón de Gleason máximo. No estaba asociado ningún microARN sometido a ensayo a partir de tejido adyacente normal al riesgo de muerte específica por cáncer de próstata a una tasa de falso descubrimiento del 10 %.
Tabla 17. MicroARN asociados a muerte debida a tejido tumoral con patrón de Gleason primario de cáncer de próstata
Relación de riesgo normalizada absoluta Valor Intervalo de Cota inferior Estimación de qa Dirección de Estimación
MicroARN Valor
de p asociaciónb no corregida confianza máxima a corregida (FDR) del 95 % FDR al 10 % por RMc hsa-miR-30e-5p 0 , 0 0 0 1 0 , 6 % (-) 1 , 8 8 (1,37, 2,58) 1,15 1,46 hsa-miR-30a 0 , 0 0 0 1 0,7 % (-) 1,78 (1,33, 2,40) 1,14 1,44 hsa-miR-133a 0,0005 1 , 2 % (-) 1,85 (1,31, 2,62) 1,13 1,41 hsa-miR-222 0,0006 1,4 % (-) 1,65 (1,24, 2,20) 1 , 12 1,38 hsa-miR-106b 0,0024 2,7 % (+) 1,85 (1,24, 2,75) 1 , 11 1,35 hsa-miR-1 0,0028 3,0 % (-) 1,43 (1,13, 1,81) 1,08 1,30 hsa-miR-21 0,0034 3,3 % (+) 1,63 (1,17, 2,25) 1,09 1,33 hsa-miR-93 0,0044 3,9 % (+) 1,87 (1,21, 2,87) 1,09 1,32 hsa-miR-26a 0,0072 5,3 % (-) 1,47 (1,11, 1,94) 1,07 1,29 hsa-miR-152 0,0090 6 , 0 % (-) 1,46 (1,10, 1,95) 1,06 1,28 hsa-miR-331 0,0105 6,5 % (+) 1,46 (1,09, 1,96) 1,05 1,27 hsa-miR-150 0,0159 8,3 % (+) 1,51 (1,07, 2,10) 1,03 1,27 hsa-miR-27b 0,0160 8,3 % ____ _______ 1,97 (1,12, 3,42) 1,05 1,25 aEl valor de q es la probabilidad empírica de Bayes de que la asociación de microARN a muerte debida a criterio de valoración de cáncer de próstata sea un falso descubrimiento, dados los datos.
bLa dirección de asociación indica cuándo está asociada la expresión de microARN superior a un riesgo de muerte debida a cáncer de próstata superior (+) o inferior (-).
cRM: regresión hacia la media._______________________________________________________________________
Tabla 18. MicroARN asociados a muerte debida a tejido tumoral con patrón de Gleason máximo de cáncer de próstata
Relación de riesgo normalizada absoluta Valor . . . .. .. Intervalo de Cota inferior Estimación MicroARN Valor de qa Dirección d Estimación
de p be confianza del máxima a corregida asociaciónb no corregida c (FDR) a 95 % FDR al 10 % por RMc hsa-miR-27b 0,0016 6 , 1 % (+) 2 , 6 6 (1,45, 4,88) 1,07 1,32 hsa-miR-21 0 , 0 0 2 0 6,4 % (+) 1 , 6 6 (1,21, 2,30) 1,05 1,34 hsa-miR-10a 0,0024 6,7 % (+) 1,78 (1,23, 2,59) 1,05 1,34 hsa-miR-93 0,0024 6,7 % (+) 1,83 (1,24, 2,71) 1,05 1,34 hsa-miR-106b 0,0028 6 , 8 % (+) 1,79 (1,22, 2,63) 1,05 1,33 hsa-miR-150 0,0035 7,1 % (+) 1,61 (1,17, 2,22) 1,05 1,32 hsa-miR-1 0,0104 9,0 % ___ ü _____ 1,52 (1,10, 2,09) 1 , 0 0 1,28 aEl valor de q es la probabilidad empírica de Bayes de que la asociación de microARN con criterio de valoración clínico sea un falso descubrimiento, dados los datos.
bLa dirección de asociación indica cuándo está asociada la expresión de microARN superior a un riesgo de muerte debida a cáncer de próstata superior (+) o inferior (-).
cRM: regresión hacia la media.________________________________________________________________________
La Tabla 19 y la Tabla 20 muestran los microARN que pueden identificarse como asociados al riesgo de recidiva clínica mientras se ajusta para las covariables clínicas y patológicas de puntuación de Gleason de biopsia, nivel de PSA inicial y estadio T clínico. En la figura 1 se muestran las distribuciones de estas covariables. Quince (15) de los microARN identificados en la Tabla 15 también están presentes en la Tabla 19, lo que indica que estos microARN tienen un valor de predicción para recidiva clínica que es independiente de la puntuación de Gleason, PSA inicial y estadio T clínico.
Se descubrió que dos microARN sometidos a ensayo a partir de tejido tumoral con patrón de Gleason primario tenían un valor de predicción para muerte debida a cáncer de próstata independientemente de la puntuación de Gleason, PSA inicial y estadio T clínico (Tabla 21).
Tabla 19. MicroARN asociados a recidiva clínica de tejido tumoral con patrón de Gleason primario de cáncer de próstata ajustado para puntuación de Gleason de biopsia, nivel de PSA inicial y estadio T clínico
Relación de riesgo normalizada absoluta Valor Dirección Estimación Intervalo de Cota inferior Estimación MicroARN Valor de de qa de no confianza máxima a corregida p (FDR) asociaciónb corregida del 95 % FDR al 10 % por RMc hsa-miR-30e-5p <0 , 0 0 0 1 0 , 0 % (-) 1,80 (1,42, 2,27) 1,23 1,53 hsa-miR-30a <0 , 0 0 0 1 0 , 0 % (-) 1,75 (1,40, 2,19) 1 , 2 2 1,51 hsa-miR-93 <0 , 0 0 0 1 0 , 1 % (+) 1,70 (1,32, 2,20) 1,19 1,44 ________________________________________ (continuación)________________________________________ Tabla 19. MicroARN asociados a recidiva clínica de tejido tumoral con patrón de Gleason primario de cáncer de próstata ajustado para puntuación de Gleason de biopsia, nivel de PSA inicial y estadio T clínico
Relación de riesgo normalizada absoluta Valor Dirección Estimación Intervalo de Cota inferior Estimación MicroARN Valor de de qa de no confianza máxima a corregida P (FDR) asociaciónb corregida del 95 % FDR al 10 % por RMc hsa-miR-449a 0 , 0 0 0 1 0 , 1 % (+) 1,54 (1,25, 1,91) 1,17 1,39 hsa-miR-133a 0 , 0 0 0 1 0 , 1 % (-) 1,58 (1,25, 2,00) 1,17 1,39 hsa-miR-27a 0 , 0 0 0 2 0 , 1 % (+) 1 , 6 6 (1,28, 2,16) 1,17 1,41 hsa-miR-21 0,0003 0 , 2 % (+) 1,58 (1,23,2,02) 1,16 1,38 hsa-miR-182 0,0005 0,3 % (+) 1,56 (1,22, 1,99) 1,15 1,37 hsa-miR-106b 0,0008 0,5 % (+) 1,57 (1,21, 2,05) 1,15 1,36 hsa-miR-222 0,0028 1 , 1 % (-) 1,39 (1,12, 1,73) 1 , 11 1,28 hsa-miR-103 0,0048 1,7 % (+) 1,69 (1,17, 2,43) 1,13 1,32 hsa-miR-486-5p 0,0059 2 , 0 % (-) 1,34 (1,09, 1,65) 1,09 1,25 hsa-miR-1 0,0083 2,7 % (-) 1,29 (1,07, 1,57) 1,07 1,23 hsa-miR-141 0,0088 2 , 8 % (+) 1,43 (1,09, 1,87) 1,09 1,27 hsa-miR-200c 0,0116 3,4 % (+) 1,39 (1,07, 1,79) 1,07 1,25 hsa-miR-145 0 , 0 2 0 1 5,1 % (-) 1,27 (1,03, 1,55) 1,05 1 , 2 0 hsa-miR-206 0,0329 7,2 % (-) 1,40 (1,00, 1,91) 1,05 1,23 hsa-miR-29b 0,0476 9,4 % _____(+ _____ 1,30 (1,00, 1,69) 1 , 0 0 1 , 2 0 aEl valor de q es la probabilidad empírica de Bayes de que la asociación de microARN con recidiva clínica sea un falso descubrimiento, dados los datos.
bLa dirección de asociación indica cuándo está asociada la expresión de microARN superior a un riesgo de recidiva clínica superior (+) o inferior (-).
cRM: regresión hacia la media._______________________________________________________________________
Tabla 20. MicroARN asociados a recidiva clínica de tejido tumoral con patrón de Gleason máximo de cáncer de próstata ajustado para puntuación de Gleason de biopsia, nivel de PSA inicial y estadio T clínico
Relación de riesgo normalizada absoluta Valor Intervalo de Cota inferior Estimación MicroARN Valor
de P de qa Dirección de Estimación confianza máxima a corregida (FDR) asociaciónb no corregida del 95 % FDR al 10 % por RMc hsa-miR-30a <0 , 0 0 0 1 0 , 0 % (-) 1,62 (1,32, 1,99) 1 , 2 0 1,43 hsa-miR-30e-5p <0 , 0 0 0 1 0 , 0 % (-) 1,53 (1,27, 1,85) 1,19 1,39 hsa-miR-93 <0 , 0 0 0 1 0 , 0 % (+) 1,76 (1,37, 2,26) 1 , 2 0 1,45 hsa-miR-205 <0 , 0 0 0 1 0 , 0 % (-) 1,47 (1,23, 1,74) 1,18 1,36 hsa-miR-449a 0 , 0 0 0 1 0 , 1 % (+) 1,62 (1,27, 2,07) 1,18 1,38 hsa-miR-106b 0,0003 0 , 2 % (+) 1,65 (1,26, 2,16) 1,17 1,36 hsa-miR-133a 0,0005 0 , 2 % (-) 1,51 (1,20, 1,90) 1,16 1,33 hsa-miR-1 0,0007 0,3 % (-) 1,38 (1,15, 1,67) 1,13 1,28 hsa-miR-210 0,0045 1 , 2 % (+) 1,35 (1,10, 1,67) 1 , 11 1,25 hsa-miR-182 0,0052 1,3 % (+) 1,40 (1,10, 1,77) 1 , 11 1,26 hsa-miR-425 0,0066 1 , 6 % (+) 1,48 (1,12, 1,96) 1 , 1 2 1,26 hsa-miR-155 0,0073 1 , 8 % (-) 1,36 (1,09, 1,70) 1 , 1 0 1,24 hsa-miR-21 0,0091 2 , 1 % (+) 1,42 (1,09, 1,84) 1 , 1 0 1,25 hsa-miR-222 0,0125 2,7 % (-) 1,34 (1,06, 1,69) 1,09 1,23 hsa-miR-27a 0,0132 2 , 8 % (+) 1,40 (1,07, 1,84) 1,09 1,23 hsa-miR-191* 0,0150 3,0 % (+) 1,37 (1,06, 1,76) 1,09 1,23 hsa-miR-103 0,0180 3,4 % (+) 1,45 (1,06, 1,98) 1,09 1,23 hsa-miR-31 0,0252 4,3 % (-) 1,27 (1,00, 1,57) 1,07 1,19 hsa-miR-19b 0,0266 4,5 % (-) 1,29 (1,00, 1,63) 1,07 1 , 2 0 hsa-miR-99a 0,0310 5,0 % (-) 1,26 (1,00, 1,56) 1,06 1,18 hsa-miR-92a 0,0348 5,4 % (+) 1,31 (1,00, 1,69) 1,06 1,19 hsa-miR-146b-5p 0,0386 5,8 % (-) 1,29 (1,00, 1,65) 1,06 1,19 hsa-miR-145 0,0787 9,7 % ____________ 1,23 (1,00, 1,55) 1 , 0 0 1,15 aEl valor de q es la probabilidad empírica de Bayes de que la asociación de microARN con recidiva clínica sea un falso descubrimiento, dados los datos.
bLa dirección de asociación indica cuándo está asociada la expresión de microARN superior a un riesgo de recidiva clínica superior (+) o inferior (-).
cRM: regresión hacia la media_______________________________________________________________________ Tabla 21. MicroARN asociados a muerte debida a tejido tumoral con patrón de Gleason primario de cáncer de próstata ajustado para puntuación de Gleason de biopsia, nivel de PSA inicial y estadio T clínico Relación de riesgo normalizada absoluta Valor Intervalo de Cota inferior Estimación ección de Estimación
MicroARN Valor de qa Dir
de p asociaciónb no corregida confianza máxima a corregida (FDR) del 95 % FDR al 10 % por RMc hsa-miR-30e-5p 0,0001 2,9 % (-) 1,97 (1,40, 2,78) 1,09 1,39 hsa-miR-30a 0,0002 3,3 % _____ _______ 1,90 (1,36, 2,65) 1,08 1,38 aEl valor de q es la probabilidad empírica de Bayes de que la asociación de microARN con recidiva clínica sea un falso descubrimiento, dados los datos.
bLa dirección de asociación indica cuándo está asociada la expresión de microARN superior a un riesgo de recidiva clínica superior (+) o inferior (-).
cRM: regresión hacia la media.________________________________________________________________________
Por consiguiente, los niveles de expresión normalizados de hsa-miR-93; hsa-miR-106b; hsa-miR-21; hsa-miR-449a; hsa-miR-182; hsa-miR-27a; hsa-miR-103; hsa-miR-141; hsa-miR-92a; hsa-miR-22; hsa-miR-29b; hsa-miR-210; hsamiR-331; hsa-miR-191; hsa-miR-425; y hsa-miR-200c están asociados positivamente a un aumento del riesgo de recidiva; y hsa-miR-30e-5p; hsa-miR-133a; hsa-miR-30a; hsa-miR-222; hsa-miR-1; hsa-miR-145; hsa-miR-486-5p; hsa-miR-19b; hsa-miR-205; hsa-miR-31; hsa-miR-155; hsa-miR-206; hsa-miR-99a; y hsa-miR-146b-5p están asociados negativamente a un aumento del riesgo de recidiva.
Además, los niveles de expresión normalizados de hsa hsa-miR-106b; hsa-miR-21; hsa-miR-93; hsa-miR-331; hsamiR-150; hsa-miR-27b; y hsa-miR-10a están asociados positivamente a un aumento del riesgo de muerte específica por cáncer de próstata; y los niveles de expresión normalizados de hsa-miR-30e-5p; hsa-miR-30a; hsa-miR-133a; hsamiR-222; hsa-miR-1; hsa-miR-26a; y hsa-miR-152 están asociados negativamente a un aumento del riesgo de muerte específica por cáncer de próstata.
La Tabla 22 muestra el número de pares de microARN-gen que estaban agrupados en cada nivel (Niveles 1-4) y el número y porcentaje de los que eran predictivos de recidiva clínica a una tasa de falso descubrimiento del 10 %.
T l 22
Figure imgf000079_0001
Figure imgf000080_0001
Figure imgf000081_0001
Figure imgf000082_0001
Figure imgf000083_0001
Figure imgf000084_0001
Figure imgf000085_0001
Figure imgf000086_0001
Figure imgf000089_0001

Figure imgf000090_0001
Figure imgf000091_0001
Figure imgf000092_0001
Figure imgf000093_0001
Figure imgf000094_0001
Figure imgf000095_0001
Figure imgf000096_0001
Figure imgf000097_0001
TABLA B
Figure imgf000098_0001

Claims (13)

REIVINDICACIONES
1. Un método para determinar una probabilidad de recidiva de cáncer en un paciente con cáncer de próstata, que comprende:
medir el nivel de expresión un transcrito de ARN de BGN en una muestra biológica que comprende tejido prostático obtenido del paciente; y
predecir una probabilidad de recidiva de cáncer para el paciente;
en el que un nivel de expresión aumentado de b Gn se asocia positivamente a un aumento del riesgo de recidiva.
2. El método de la reivindicación 1, que comprende además normalizar dicho nivel de expresión para obtener un nivel de expresión normalizado.
3. El método de la reivindicación 1 o 2, en el que la probabilidad de recidiva de cáncer se basa en el intervalo libre de recidiva clínica (ILRc).
4. El método de la reivindicación 1 o 2, en el que la probabilidad de recidiva de cáncer se basa en el intervalo libre de recidiva bioquímica (ILRb).
5. El método de una cualquiera de las reivindicaciones 1-4, en el que la muestra biológica tiene un estado de fusión de TMPRSS2 positivo.
6. El método de una cualquiera de las reivindicaciones 1-4, en el que la muestra biológica tiene un estado de fusión de TMPRSS2 negativo.
7. El método de una cualquiera de las reivindicaciones 1-6, en el que el paciente tiene cáncer de próstata en estadio inicial.
8. El método de una cualquiera de las reivindicaciones 1-7, en el que la muestra biológica comprende tejido de tumor de próstata con el patrón de Gleason primario para dicho tumor de próstata.
9. El método de una cualquiera de las reivindicaciones 1-8, en el que la muestra biológica comprende tejido de tumor de próstata con el patrón de Gleason máximo para dicho tumor de próstata.
10. El método de una cualquiera de las reivindicaciones 1-9, en el que la muestra biológica es tejido de tumor de próstata.
11. El método de una cualquiera de las reivindicaciones 1-9, en el que la muestra biológica es tejido prostático no tumoral.
12. El método como se ha indicado en una cualquiera de las reivindicaciones 1-11, que comprende además determinar una probabilidad de aumento del grado o aumento del estadio en el paciente con cáncer de próstata, en el que un nivel de expresión aumentado de BGN se asocia positivamente a un aumento del riesgo de aumento del grado o aumento del estadio.
13. El método de una cualquiera de las reivindicaciones 1-11, en el que la muestra biológica es una muestra de tejido fijada, incluida en parafina.
ES16195347T 2010-07-27 2011-07-25 Método para usar la expresión génica para determinar el pronóstico de cáncer de próstata Active ES2741745T3 (es)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US36821710P 2010-07-27 2010-07-27
US41431010P 2010-11-16 2010-11-16
US201161485536P 2011-05-12 2011-05-12

Publications (1)

Publication Number Publication Date
ES2741745T3 true ES2741745T3 (es) 2020-02-12

Family

ID=45527113

Family Applications (4)

Application Number Title Priority Date Filing Date
ES19173920T Active ES2925983T3 (es) 2010-07-27 2011-07-25 Método para usar la expresión génica para determinar el pronóstico del cáncer de próstata
ES15152517.7T Active ES2611000T3 (es) 2010-07-27 2011-07-25 Método para usar la expresión génica para determinar el pronóstico de cáncer de próstata
ES11813024.4T Active ES2537403T3 (es) 2010-07-27 2011-07-25 Método para usar la expresión génica para determinar el pronóstico de cáncer de próstata
ES16195347T Active ES2741745T3 (es) 2010-07-27 2011-07-25 Método para usar la expresión génica para determinar el pronóstico de cáncer de próstata

Family Applications Before (3)

Application Number Title Priority Date Filing Date
ES19173920T Active ES2925983T3 (es) 2010-07-27 2011-07-25 Método para usar la expresión génica para determinar el pronóstico del cáncer de próstata
ES15152517.7T Active ES2611000T3 (es) 2010-07-27 2011-07-25 Método para usar la expresión génica para determinar el pronóstico de cáncer de próstata
ES11813024.4T Active ES2537403T3 (es) 2010-07-27 2011-07-25 Método para usar la expresión génica para determinar el pronóstico de cáncer de próstata

Country Status (13)

Country Link
US (5) US20120028264A1 (es)
EP (5) EP3556870B9 (es)
JP (5) JP2013532482A (es)
AU (1) AU2011282892B2 (es)
CA (2) CA2804626C (es)
DK (3) DK2913405T3 (es)
ES (4) ES2925983T3 (es)
HK (2) HK1185116A1 (es)
IL (5) IL243201A (es)
MX (4) MX359416B (es)
NZ (1) NZ607282A (es)
SG (3) SG186940A1 (es)
WO (1) WO2012015765A2 (es)

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2155897A2 (en) * 2007-03-30 2010-02-24 Source Precision Medicine, Inc. d/b/a Source MDX. Gene expression profiling for identification, monitoring, and treatment of prostate cancer
US20120041274A1 (en) 2010-01-07 2012-02-16 Myriad Genetics, Incorporated Cancer biomarkers
EP3812469A1 (en) 2010-07-07 2021-04-28 Myriad Genetics, Inc. Gene signatures for cancer prognosis
EP3556870B9 (en) 2010-07-27 2022-09-28 Genomic Health, Inc. Method for using gene expression to determine prognosis of prostate cancer
WO2012030840A2 (en) 2010-08-30 2012-03-08 Myriad Genetics, Inc. Gene signatures for cancer diagnosis and prognosis
DK3179393T3 (da) 2012-01-31 2020-07-27 Genomic Health Inc Genexpressionsprofilalgoritme og -test til bestemmelse af prognosen for prostatakræft
TW201343920A (zh) * 2012-03-29 2013-11-01 Nat Health Research Institutes 預測前列腺癌預後之分子標記、方法與套組
BR102012007246A2 (pt) * 2012-03-30 2016-02-10 Fundação Antonio Prudente métodos para prognóstico e classificação de resultados de um evento
WO2013155371A1 (en) * 2012-04-12 2013-10-17 Cornell University MiRNA-31 AS A DIAGNOSTIC, PROGNOSTIC AND THERAPEUTIC AGENT IN CANCER
GB201207722D0 (en) 2012-05-02 2012-06-13 Bergenbio As Method
EP2875157A4 (en) * 2012-07-20 2016-10-26 Diagnocure Inc METHOD, KITS AND COMPOSITIONS FOR THE CLINICAL EVALUATION OF PROSTATE CANCER
CN102816862A (zh) * 2012-09-19 2012-12-12 南开大学 miRNA 222在前列腺癌血清学诊断试剂盒中的应用
WO2014071226A1 (en) * 2012-11-02 2014-05-08 The Regents Of The University Of California Methods and systems for determining a likelihood of adverse prostate cancer pathology
WO2014078700A1 (en) 2012-11-16 2014-05-22 Myriad Genetics, Inc. Gene signatures for cancer prognosis
GB201322034D0 (en) 2013-12-12 2014-01-29 Almac Diagnostics Ltd Prostate cancer classification
CA2934828A1 (en) * 2013-12-30 2015-07-09 The Henry M. Jackson Foundation For The Advancement Of Military Medici, Inc. Prostate cancer gene profiles and methods of using the same
WO2015109234A1 (en) * 2014-01-16 2015-07-23 Illumina, Inc. Gene expression panel for prognosis of prostate cancer recurrence
EP3143160B1 (en) 2014-05-13 2019-11-06 Myriad Genetics, Inc. Gene signatures for cancer prognosis
US10822661B2 (en) 2014-09-04 2020-11-03 Miodx Method of multivariate molecule analysis
WO2016115312A1 (en) 2015-01-14 2016-07-21 Ohio State Innovation Foundation Mirna-based predictive models for diagnosis and prognosis of prostate cancer
CA2976577A1 (en) 2015-02-11 2016-08-18 Exiqon A/S A microrna-based method for early detection of prostate cancer in urine samples
US10358681B2 (en) 2015-02-27 2019-07-23 Aarhus Universitet Microrna-based method for assessing the prognosis of a prostate cancer patient
CN104880565A (zh) * 2015-05-04 2015-09-02 贵州省人民医院 Zfp36前列腺癌预后诊断的检测试剂及其试剂盒
ES2754434T3 (es) * 2015-05-29 2020-04-17 Koninklijke Philips Nv Métodos de pronóstico de cáncer de próstata
US20170107580A1 (en) 2015-10-15 2017-04-20 Dendreon Pharmaceuticals, Inc. Gene expression markers for predicting overall survival in subjects treated with sipuleucel-t
WO2017127696A1 (en) 2016-01-20 2017-07-27 Dana-Farber Cancer Institute, Inc. Compositions and methods for screening and identifying clinically aggressive prostate cancer
CA3013366A1 (en) * 2016-02-02 2017-08-10 Guardant Health, Inc. Cancer evolution detection and diagnostic
WO2017210662A1 (en) * 2016-06-03 2017-12-07 Castle Biosciences, Inc. Methods for predicting risk of recurrence and/or metastasis in soft tissue sarcoma
US10724089B2 (en) 2016-10-06 2020-07-28 The Board Of Trustees Of The University Of Illinois Spatial molecular analysis of tissue
WO2018098241A1 (en) * 2016-11-22 2018-05-31 University Of Rochester Methods of assessing risk of recurrent prostate cancer
GB201619808D0 (en) * 2016-11-23 2017-01-04 Univ London Queen Mary Biomarkers for the prognosis and diagnosis of cancer
EP3743533A1 (en) * 2018-01-25 2020-12-02 Sorbonne Universite Molecular signature and use thereof for the identification of indolent prostate cancer
BR112020016989A2 (pt) 2018-02-22 2020-12-29 Liquid Biopsy Research LLC Métodos para detecção e tratamento do câncer de próstata
WO2020214718A1 (en) * 2019-04-16 2020-10-22 Memorial Sloan Kettering Cancer Center Rrm2 signature genes as prognostic markers in prostate cancer patients
KR20220044504A (ko) * 2019-07-05 2022-04-08 인텔렉슨 게엠베하 개인 hla 패턴의 결정, 예후인자로서의 용도, 표적 유전자 및 치료제
WO2021124455A1 (ja) * 2019-12-17 2021-06-24 株式会社 東芝 分析方法及びキット
CN114901821A (zh) * 2019-12-19 2022-08-12 豪夫迈·罗氏有限公司 Sept9抑制剂用于治疗乙型肝炎病毒感染的用途
US20230070840A1 (en) * 2020-01-30 2023-03-09 Arocell Ab Predicting patient survival
US11845993B2 (en) * 2020-03-24 2023-12-19 The Regents Of The University Of Michigan Methods for identifying prostate cancer
ES1277194Y (es) 2021-03-25 2021-11-26 Keyzell Holding Sl Sistema basado en inteligencia artificial para analizar biomarcadores y personalizar tratamientos para cáncer

Family Cites Families (170)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997000449A1 (en) 1995-06-14 1997-01-03 Aberdeen University Prognostic and therapeutic system for cancer
US6300060B1 (en) 1995-11-09 2001-10-09 Dana-Farber Cancer Institute, Inc. Method for predicting the risk of prostate cancer morbidity and mortality
USRE38490E1 (en) 1995-11-16 2004-04-06 Baylor College Of Medicine Method for identifying metastatic sequences
US5712097A (en) 1996-01-19 1998-01-27 The Johns Hopkins University School Of Medicine Tumor suppressor gene, DPC4
DE69734249T2 (de) 1996-07-15 2006-07-13 Mayo Foundation For Medical Education And Research, Rochester Verfahren zur detektion der hk2 polypeptide
US6479263B1 (en) 1996-11-14 2002-11-12 Baylor College Of Medicine Method for detection of micrometastatic prostate cancer
US6190857B1 (en) 1997-03-24 2001-02-20 Urocor, Inc. Diagnosis of disease state using MRNA profiles in peripheral leukocytes
WO1999004238A2 (en) 1997-07-15 1999-01-28 Mitotix, Inc. Reagents and methods for diagnosis and prognosis of proliferative disorders
US20030096742A1 (en) 1997-12-03 2003-05-22 Genentech, Inc. Secreted and transmembrane polypeptides and nucleic acids encoding the same
FI980488A (fi) 1998-03-04 1999-09-05 Arctic Partners Oy Ab Uusi diagnostinen menetelmä
JP2003528564A (ja) 1998-06-06 2003-09-30 ジェノスティック ファーマ リミテッド 遺伝的プロファイリングに使用するプローブ
AU4158799A (en) 1998-06-06 1999-12-30 Genostic Pharma Limited Probes used for genetic filing
US6902892B1 (en) 1998-10-19 2005-06-07 Diadexus, Inc. Method of diagnosing, monitoring, staging, imaging and treating prostate cancer
CA2702148C (en) 1999-01-06 2014-03-04 Genenews Inc. Method of profiling gene expression in a human subject having an infectious disease
AU767587B2 (en) 1999-01-28 2003-11-20 Gen-Probe Incorporated Nucleic acid sequences for detecting genetic markers for cancer in a biological sample
US20030207808A1 (en) 1999-02-18 2003-11-06 Kinneret Savitzky Novel nucleic acid and amino acid sequences
FI990382A0 (fi) * 1999-02-23 1999-02-23 Arctic Partners Oy Ab Uusi diagnostinen menetelmä
EP1176198A4 (en) 1999-04-09 2002-10-30 Chugai Pharmaceutical Co Ltd FETAL GENES
US6960439B2 (en) 1999-06-28 2005-11-01 Source Precision Medicine, Inc. Identification, monitoring and treatment of disease and characterization of biological condition using gene expression profiles
US6692916B2 (en) 1999-06-28 2004-02-17 Source Precision Medicine, Inc. Systems and methods for characterizing a biological condition or agent using precision gene expression profiles
GB9926805D0 (en) 1999-11-13 2000-01-12 Zeneca Ltd Diagnostic methods
CA2397207C (en) * 2000-01-13 2013-12-03 Genentech, Inc. Novel stra6 polypeptides
US6448086B1 (en) 2000-01-18 2002-09-10 Diagnostic Systems Laboratories, Inc. Insulin-like growth factor system and cancer
US6566130B1 (en) 2000-01-28 2003-05-20 Henry M. Jackson Foundation For The Advancement Of Military Medicine Androgen-regulated gene expressed in prostate tissue
US7700359B2 (en) 2000-06-02 2010-04-20 Novartis Vaccines And Diagnostics, Inc. Gene products differentially expressed in cancerous cells
WO2002031209A2 (en) 2000-10-13 2002-04-18 The Government Of The United States Of America As Represented By The Secretary Of The Department Of Health And Human Services Genes related to development of refractory prostate cancer
WO2002037113A2 (en) 2000-11-03 2002-05-10 Michael Giesing Clinical and functional validation of targets from disseminated cancer cells
US20030087818A1 (en) 2001-02-02 2003-05-08 Corixa Corporation Compositions and methods for the therapy and diagnosis of colon cancer
CA2442820A1 (en) 2001-03-29 2002-10-10 Van Andel Institute Microarray gene expression profiling in clear cell renal cell carcinoma: prognosis and drug target identification
EP1390756A1 (en) 2001-05-25 2004-02-25 Mount Sinai Hospital Method of detecting and monitoring prostate and ovarian cancers
CA2450379A1 (en) 2001-06-10 2002-12-19 Irm Llc Molecular signatures of commonly fatal carcinomas
WO2003009814A2 (en) 2001-07-25 2003-02-06 Millennium Pharmaceuticals, Inc. Novel genes, compositions, kits, and methods for identification, assessment, prevention, and therapy of prostate cancer
US20100297657A1 (en) 2001-08-02 2010-11-25 The Regents Of The University Of Michigan Expression profile of prostate cancer
US7229774B2 (en) 2001-08-02 2007-06-12 Regents Of The University Of Michigan Expression profile of prostate cancer
US7700293B2 (en) 2001-08-02 2010-04-20 The Regents Of The University Of Michigan Expression profile of prostate cancer
EP1451340B1 (en) 2001-11-09 2014-01-08 Life Technologies Corporation Identification, monitoring and treatment of disease and characterization of biological condition using gene expression profiles
AU2002357747A1 (en) 2001-12-10 2003-06-23 Millennium Pharmaceuticals Inc. Novel genes encoding colon cancer antigens
US6949342B2 (en) 2001-12-21 2005-09-27 Whitehead Institute For Biomedical Research Prostate cancer diagnosis and outcome prediction by expression analysis
US20030215835A1 (en) 2002-01-15 2003-11-20 Zairen Sun Differentially-regulated prostate cancer genes
AU2003242820A1 (en) * 2002-03-14 2003-09-22 Exonhit Therapeutics S.A. Variants of human kallikrein-2 and kallikrein-3 and uses thereof
AUPS187002A0 (en) * 2002-04-22 2002-05-30 Queensland University Of Technology Condition-specific molecules and uses therefor
AU2003274970A1 (en) 2002-09-10 2004-04-30 Guennadi V. Glinskii Gene segregation and biological sample classification methods
EP1585433A4 (en) 2002-09-25 2008-01-23 Ge Healthcare Sv Corp DETECTION METHODS
WO2004053106A2 (en) 2002-12-05 2004-06-24 Regulome Corporation Profiled regulatory sites useful for gene control
ES2427853T3 (es) 2003-02-07 2013-11-04 Diagnocure Inc. Procedimiento para detectar cáncer de próstata en una muestra
WO2004077942A2 (en) 2003-02-28 2004-09-16 Genpath Pharmaceuticals, Incorporated Inducible prostate cancer model
US20070059697A1 (en) 2003-04-15 2007-03-15 Avalon Pharmaceuticals, Inc Determining cancer-linked genes and therapeutic targets using molecular cytogenetic methods
WO2004108896A2 (en) * 2003-06-03 2004-12-16 The Board Of Trustees Of The University Of Arkansas Gene expression profiling of uterine serous papillary carcinomas and ovarian serous papillary tumors
ES2690168T3 (es) 2003-06-24 2018-11-19 Genomic Health, Inc. Predicción de la probabilidad de recidiva de cáncer
WO2005008213A2 (en) * 2003-07-10 2005-01-27 Genomic Health, Inc. Expression profile algorithm and test for cancer prognosis
WO2005007830A2 (en) 2003-07-14 2005-01-27 Mayo Foundation For Medical Education And Research Methods and compositions for diagnosis, staging and prognosis of prostate cancer
US20070105114A1 (en) 2003-07-29 2007-05-10 Martha Li Biomarkers of cyclin-dependent kinase modulation
AU2004298604B2 (en) 2003-12-15 2010-09-23 The Regents Of The University Of California Molecular signature of the PTEN tumor suppressor
KR20070052694A (ko) 2004-01-09 2007-05-22 더 리젠트스 오브 더 유니이버시티 오브 캘리포니아 유전자 발현을 위한 세포-유형-특이적 패턴
GB0400976D0 (en) 2004-01-16 2004-02-18 Univ Cambridge Tech Methods of diagnosis
JP2005211023A (ja) 2004-01-30 2005-08-11 Hayashibara Biochem Lab Inc 腎細胞癌の転移若しくは再発の可能性を予測する方法
WO2005076005A2 (en) 2004-01-30 2005-08-18 Medizinische Universität Wien A method for classifying a tumor cell sample based upon differential expression of at least two genes
WO2005083128A2 (en) 2004-02-25 2005-09-09 University Of South Florida Methods for predicting cancer outcome and gene signatures for use therein
US20070224596A1 (en) 2004-04-09 2007-09-27 Mariana Nacht Compositions and methods for the modifying hypoxia induced gene regulation
CA2848463A1 (en) 2004-04-09 2005-10-27 Genomic Health, Inc. Gene expression markers for predicting response to chemotherapy
WO2005111619A1 (en) 2004-04-29 2005-11-24 Marc Ramael Method and kit for detecting components in a sample
US10066268B2 (en) 2004-05-07 2018-09-04 The Henry M. Jackson Foundation For The Advancement Of Military Medicine, Inc. Methods of diagnosing or treating prostate cancer using the ERG gene, alone or in combination with other over or under expressed genes in prostate cancer
EP1766091A4 (en) 2004-05-27 2009-03-18 Vertex Pharma BIOMARKER FOR MONITORING THE INHIBITION OF THE IMPDH PATH
JP2008502326A (ja) 2004-06-03 2008-01-31 バイエル・ヘルスケア・アクチェンゲゼルシャフト 癌治療に対する反応を予測およびモニターする方法
WO2006005043A2 (en) 2004-06-30 2006-01-12 Cemines, Inc. Compositions and methods for detecting protein interactions with target dna sequences
US7587279B2 (en) 2004-07-06 2009-09-08 Genomic Health Method for quantitative PCR data analysis system (QDAS)
US20060068425A1 (en) 2004-08-13 2006-03-30 Millennium Pharmaceuticals, Inc. Genes, compositions, kits, and methods for identification, assessment, prevention, and therapy of prostate cancer
US7572640B2 (en) 2004-09-28 2009-08-11 Singulex, Inc. Method for highly sensitive detection of single protein molecules labeled with fluorescent moieties
DK1836629T3 (da) * 2004-11-05 2020-05-18 Genomic Health Inc Forudsigelse af respons på kemoterapi ved anvendelse af markører for genekspression
AU2005308594A1 (en) 2004-11-24 2006-06-01 St George's Enterprises Limited Diagnosis of prostate cancer
EP1836313A4 (en) 2004-12-17 2010-06-30 Veridex Llc METHOD FOR ASSESSING PATIENTS WITH AKUTER MYELOIDER LEUKEMIA
US7943306B2 (en) 2005-01-12 2011-05-17 The Board Of Trustees Of The Leland Stanford Junior University Gene expression signature for prediction of human cancer progression
CA2595699A1 (en) 2005-02-17 2006-08-24 Dana-Farber Cancer Institute, Inc. Compositions, kits and methods for identification, assessment, prevention and therapy of cancer
WO2006091776A2 (en) * 2005-02-25 2006-08-31 The Brigham And Women's Hospital, Inc. Biomarkers for predicting prostate cancer progression
JP2008536488A (ja) * 2005-03-16 2008-09-11 シドニー キンメル キャンサー センター 遺伝子発現署名を使用する、癌による死亡および前立腺癌生存率を予測するための方法および組成物
WO2006105642A1 (en) 2005-04-05 2006-10-12 British Columbia Cancer Agency Biomarkers for the detection of lung cancer and uses thereof
WO2006113671A2 (en) 2005-04-15 2006-10-26 Oncomethylome Sciences, S.A. Methylation markers for diagnosis and treatment of cancers
EP1910564A1 (en) 2005-05-13 2008-04-16 Duke University Gene expression signatures for oncogenic pathway deregulation
US20080275652A1 (en) 2005-05-13 2008-11-06 Universite Libre De Bruxelles Gene-based algorithmic cancer prognosis
US20060292610A1 (en) 2005-06-06 2006-12-28 Regents Of The University Of Michigan Prognostic meta signatures and uses thereof
WO2006133420A2 (en) 2005-06-08 2006-12-14 Millennium Pharmaceuticals, Inc. Treatment of patients with cancer therapy
WO2006138275A2 (en) 2005-06-13 2006-12-28 The Regents Of The University Of Michigan Compositions and methods for treating and diagnosing cancer
WO2006135886A2 (en) 2005-06-13 2006-12-21 The Regents Of The University Of Michigan Compositions and methods for treating and diagnosing cancer
CA2814598A1 (en) * 2005-09-12 2007-03-22 The Regents Of The University Of Michigan Recurrent gene fusions in prostate cancer
JP2009514555A (ja) 2005-11-08 2009-04-09 ユークリッド ダイアグノスティックス リミテッド ライアビリティー カンパニー 癌評価の遺伝子関連CpGアイランドのメチル化アッセイのための材料と方法
US8445198B2 (en) 2005-12-01 2013-05-21 Medical Prognosis Institute Methods, kits and devices for identifying biomarkers of treatment response and use thereof to predict treatment efficacy
CN101365806B (zh) 2005-12-01 2016-11-16 医学预后研究所 用于鉴定治疗反应的生物标记的方法和装置及其预测疗效的用途
WO2007067968A2 (en) 2005-12-08 2007-06-14 Novartis Ag Effects of inhibitors of fgfr3 on gene transcription
US20090215054A1 (en) 2005-12-13 2009-08-27 Carter Scott L Prognosis indicators for solid human tumors
WO2007075672A2 (en) 2005-12-23 2007-07-05 Lankenau Institute For Medical Research Prognostic cancer markers
BRPI0706511A2 (pt) 2006-01-11 2011-03-29 Genomic Health Inc marcadores de expressão genética para prognóstico de cáncer colorretal
ES2300176B1 (es) * 2006-02-15 2009-05-01 Consejo Superior Investig. Cientificas Metodo para el diagnostico molecular de cancer de prostata, kit para implementar el metodo.
US20070218512A1 (en) 2006-02-28 2007-09-20 Alex Strongin Methods related to mmp26 status as a diagnostic and prognostic tool in cancer management
US7888019B2 (en) 2006-03-31 2011-02-15 Genomic Health, Inc. Genes involved estrogen metabolism
US7914988B1 (en) 2006-03-31 2011-03-29 Illumina, Inc. Gene expression profiles to predict relapse of prostate cancer
US20090098538A1 (en) 2006-03-31 2009-04-16 Glinsky Gennadi V Prognostic and diagnostic method for disease therapy
WO2007140352A2 (en) 2006-05-26 2007-12-06 Invitrogen Corporation Plasma membrane and secreted cancer biomarkers
US7805183B2 (en) 2006-06-22 2010-09-28 Wisconsin Alumni Research Foundation Stromal collagen in the diagnosis and characterization of breast cancer
WO2008036717A2 (en) 2006-09-19 2008-03-27 Emory University Use of soluble galectin-3 (gal-3) for cancer treatment
WO2008046510A1 (en) 2006-10-16 2008-04-24 Bayer Healthcare Ag Fn1 as a biomarker, therapeutic and diagnostic target
WO2008048570A2 (en) 2006-10-16 2008-04-24 The Ohio State University Research Foundation Piwil2-related biomarkers and cell lines useful therewith
WO2008067065A2 (en) * 2006-10-19 2008-06-05 Shiv Srivastava Methods, kits, and systems for diagnosing and prognosing prostate cancer using secreted biomarkers
WO2008058018A2 (en) 2006-11-02 2008-05-15 Mayo Foundation For Medical Education And Research Predicting cancer outcome
EP2074422A4 (en) 2006-11-13 2010-02-17 Life Technologies Corp METHOD AND KITS FOR DETECTING PROSTATE CANCER BIOMARKERS
US20080131887A1 (en) 2006-11-30 2008-06-05 Stephan Dietrich A Genetic Analysis Systems and Methods
WO2008070160A2 (en) 2006-12-06 2008-06-12 Avalon Pharmaceuticals, Inc. Cancer-linked genes as biomarkers to monitor response to impdh inhibitors
AT504702A1 (de) 2006-12-22 2008-07-15 Arc Austrian Res Centers Gmbh Set von tumormarkern
US20100120788A1 (en) 2007-01-09 2010-05-13 Bristol-Myers Squibb Company Identification of polynucleotides for predicting activity of compounds that interact with and/or modulate protein tyrosine kinases and/or protein tyrosine kinase pathways in prostate cells
US20090047694A1 (en) 2007-08-17 2009-02-19 Shuber Anthony P Clinical Intervention Directed Diagnostic Methods
EP2140020A2 (en) 2007-03-15 2010-01-06 Genomic Health, Inc. Gene expression markers for prediction of patient response to chemotherapy
WO2008122447A2 (en) 2007-04-10 2008-10-16 Epigenomics Ag Dna methylation assay for the diagnosis or prognosis of medical conditions
EP2162552A4 (en) 2007-05-11 2010-06-30 Univ Johns Hopkins BIOMARKERS FOR MELANOMES
WO2008153743A2 (en) 2007-05-21 2008-12-18 Dana Farber Cancer Institute Compositions and methods for cancer gene discovery
WO2009021338A1 (en) 2007-08-15 2009-02-19 UNIVERSITé DE SHERBROOKE Alternative splicing gene variants in cancer detection
WO2009049966A2 (en) 2007-09-07 2009-04-23 Universite Libre De Bruxelles Methods and tools for prognosis of cancer in her2+ patients
WO2009051734A1 (en) 2007-10-17 2009-04-23 The General Hospital Corporation Microchip-based devices for capturing circulating tumor cells and methods of their use
GB0721605D0 (en) 2007-11-02 2007-12-12 Cancer Rec Tech Ltd Prostrate cancer susceptibility screening
US20090123439A1 (en) 2007-11-09 2009-05-14 The Jackson Laboratory Diagnostic and prognosis methods for cancer stem cells
WO2009070767A2 (en) 2007-11-28 2009-06-04 Whitehead Institute For Biomedical Research Systemic instigation systems to study tumor growth or metastasis
EP2065474A1 (en) 2007-11-28 2009-06-03 Siemens Healthcare Diagnostics GmbH A method to assess prognosis and to predict therapeutic response to endocrine treatment
WO2009068423A2 (en) 2007-11-30 2009-06-04 Siemens Healthcare Diagnostics Gmbh Method for predicting therapy responsiveness in basal like tumors
WO2009089521A2 (en) 2008-01-10 2009-07-16 Nuvera Biosciences, Inc. Predictors for evaluating response to cancer therapy
WO2009105154A2 (en) 2008-02-19 2009-08-27 The Jackson Laboratory Diagnostic and prognostic methods for cancer
WO2009105640A1 (en) 2008-02-22 2009-08-27 Virginia Commonwealth University Signatures associated with rejection or recurrence of cancer
WO2009114836A1 (en) 2008-03-14 2009-09-17 Genomic Health, Inc. Gene expression markers for prediction of patient response to chemotherapy
MX337333B (es) 2008-03-26 2016-02-26 Theranos Inc Metodos y sistemas para evaluar resultados clinicos.
EP2105511A1 (en) 2008-03-28 2009-09-30 Fraunhofer-Gesellschaft zur Förderung der Angewandten Forschung e.V. Medicament compositions and substances for treatment and identifying adenocarcinoma of the lung
US20110053804A1 (en) 2008-04-03 2011-03-03 Sloan-Kettering Institute For Cancer Research Gene Signatures for the Prognosis of Cancer
JP5781922B2 (ja) 2008-04-10 2015-09-24 ザ ヘンリー エム.ジャクソン ファウンデーション フォー ザ アドバンスメント オブ ミリタリー メディスン,インコーポレーテッド Erg遺伝子発現における前立腺癌特異的変化ならびにそれらの変化に基づく検出および治療方法
WO2009132257A2 (en) 2008-04-25 2009-10-29 Integrated Bioscience Solutions, Llc Cytological methods for detecting cancer
US8093000B2 (en) 2008-05-09 2012-01-10 The Regents Of The University Of California Methods for predicting and treating tumors resistant to drug, immunotherapy, and radiation
WO2009138392A1 (en) 2008-05-14 2009-11-19 ETH Zürich Method for biomarker and drug-target discovery for prostate cancer diagnosis and treatment as well as biomarker assays determined therewith
CA2724231A1 (en) 2008-05-15 2009-11-19 The University Of North Carolina At Chapel Hill Novel targets for regulation of angiogenesis
WO2009140741A1 (en) 2008-05-23 2009-11-26 The University Of Queensland Agents and methods for diagnosing the presence or risk of prostate cancer
GB0809689D0 (en) 2008-05-28 2008-07-02 Cancer Res Inst Royal Markers for prostate cancee
WO2009143603A1 (en) 2008-05-28 2009-12-03 Genomedx Biosciences, Inc. Systems and methods for expression-based discrimination of distinct clinical disease states in prostate cancer
US20090298082A1 (en) * 2008-05-30 2009-12-03 Klee George G Biomarker panels for predicting prostate cancer outcomes
WO2009149166A2 (en) 2008-06-03 2009-12-10 Children's Hospital Medical Center Methods and compositions for the diagnosis and treatment of proliferative disorders
US20110166838A1 (en) 2008-06-16 2011-07-07 Sividon Diagnostics Algorithms for outcome prediction in patients with node-positive chemotherapy-treated breast cancer
CA2730277A1 (en) 2008-07-08 2010-01-14 Source Precision Medicine, Inc. D/B/A Source Mdx Gene expression profiling for predicting the survivability of prostate cancer subjects
US20110265197A1 (en) 2008-07-16 2011-10-27 Dana-Farber Cancer Institute, Inc. Signatures and PCDeterminants Associated with Prostate Cancer and Methods of Use Thereof
WO2010011310A1 (en) 2008-07-21 2010-01-28 The Translational Genomics Research Institute Methods for diagnosis and prognosis of skin cancer
AU2009291203B2 (en) 2008-09-10 2015-01-22 Life & Brain Gmbh Peripheral zone tumor cells, methods for their preparation and use
CA2740351A1 (en) 2008-10-20 2010-04-29 Pharmatest Services Ltd. Methods and uses involving genetic aberrations of nav3 and aberrant expression of multiple genes
EP2342225A1 (en) 2008-10-22 2011-07-13 F. Hoffmann-La Roche AG Prostate stem cells and uses thereof
CA2742324A1 (en) 2008-10-30 2010-06-03 Caris Life Sciences Luxembourg Holdings, S.A.R.L. Methods for assessing rna patterns
US20110230361A1 (en) * 2008-11-14 2011-09-22 Emory University Prostate cancer biomarkers to predict recurrence and metastatic potential
WO2010056351A2 (en) 2008-11-14 2010-05-20 Stc.Unm Gene expression classifiers for relapse free survival and minimal residual disease improve risk classification and out come prediction in pedeatric b-precursor acute lymphoblastic leukemia
GB0821787D0 (en) 2008-12-01 2009-01-07 Univ Ulster A genomic-based method of stratifying breast cancer patients
CN102308212A (zh) 2008-12-04 2012-01-04 加利福尼亚大学董事会 用于确定前列腺癌诊断和预后的材料和方法
US20120301887A1 (en) 2009-01-06 2012-11-29 Bankaitis-Davis Danute M Gene Expression Profiling for the Identification, Monitoring, and Treatment of Prostate Cancer
KR20110111462A (ko) 2009-01-07 2011-10-11 미리어드 제네틱스, 인크. 암 바이오마커
WO2010083252A2 (en) 2009-01-14 2010-07-22 The United States Of America, As Represented By The Secretary, Department Of Health And Human Services Ratio based biomarkers and methods of use thereof
WO2010083463A1 (en) 2009-01-15 2010-07-22 Laboratory Corporation Of America Holdings Methods of determining patient response by measurement of her-2 expression
EP2233590A1 (en) 2009-01-28 2010-09-29 AIT Austrian Institute of Technology GmbH Methylation assay
EP2399130A4 (en) 2009-02-20 2012-06-06 Wayne John Cancer Inst ASSAY OF B7-H3 ANTIBODY-COUPLED BEADS FOR THE ISOLATION AND DETECTION OF CIRCULATING TUMOR CELLS IN THE BODILY FLUIDS OF MELANOMA AND BREAST CANCER PATIENTS
WO2010099577A1 (en) 2009-03-04 2010-09-10 The University Of Queensland Cancer biomarkers and uses therefor
US8700789B2 (en) 2009-03-16 2014-04-15 Apple Inc. Accessory and mobile computing device communication using an application communication protocol
US8765383B2 (en) 2009-04-07 2014-07-01 Genomic Health, Inc. Methods of predicting cancer risk using gene expression in premalignant tissue
EP2241634A1 (en) 2009-04-16 2010-10-20 Université Libre de Bruxelles Diagnostic method and tools to predict the effiacy of targeted agents against IGF-1 pathway activation in cancer
CN105200124A (zh) 2009-04-16 2015-12-30 加拿大国家研究委员会 用于肿瘤特征和标记物组鉴定,肿瘤分级的方法和用于癌的标记物组
WO2010127399A1 (en) 2009-05-06 2010-11-11 Walter And Eliza Hall Institute Of Medical Research Gene expression profiles and uses thereof
WO2010129965A1 (en) 2009-05-08 2010-11-11 The Regents Of The University Of California Cancer specific mitotic network
US20100303795A1 (en) * 2009-05-27 2010-12-02 Soerensen Karina Dalsgaard Marker of prostate cancer
DK2452281T3 (da) 2009-07-08 2020-01-13 Worldwide Innovative Network Fremgangsmåde til at forudsige virkningen af lægemidler i en patient
WO2011039734A2 (en) 2009-10-02 2011-04-07 Enzo Medico Use of genes involved in anchorage independence for the optimization of diagnosis and treatment of human cancer
US20110123990A1 (en) 2009-11-23 2011-05-26 Baker Joffre B Methods To Predict Clinical Outcome Of Cancer
AU2011203977B2 (en) 2010-01-11 2015-02-05 Genomic Health, Inc. Method to use gene expression to determine likelihood of clinical outcome of renal cancer
EP3556870B9 (en) 2010-07-27 2022-09-28 Genomic Health, Inc. Method for using gene expression to determine prognosis of prostate cancer
WO2014108896A1 (en) 2013-01-08 2014-07-17 Marpe Technologies Ltd. Device and method for body moles mapping and tracking

Also Published As

Publication number Publication date
SG186940A1 (en) 2013-02-28
EP3556870A1 (en) 2019-10-23
HK1185116A1 (en) 2014-02-07
DK2598659T3 (en) 2015-05-26
WO2012015765A3 (en) 2012-06-14
JP2016178921A (ja) 2016-10-13
US20190249260A1 (en) 2019-08-15
EP3147373B1 (en) 2019-05-15
IL243205A (en) 2017-04-30
JP2013532482A (ja) 2013-08-19
ES2537403T3 (es) 2015-06-08
ES2925983T3 (es) 2022-10-20
EP3556870B1 (en) 2022-06-22
AU2011282892A1 (en) 2013-03-07
MX359416B (es) 2018-09-27
HK1212395A1 (en) 2016-06-10
IL243201A (en) 2017-04-30
EP2913405A1 (en) 2015-09-02
MX346031B (es) 2017-03-01
IL251403B (en) 2018-04-30
CA3081061A1 (en) 2012-02-02
US20220396842A1 (en) 2022-12-15
EP2598659B1 (en) 2015-03-11
EP2913405B1 (en) 2016-11-09
IL243206A (en) 2017-04-30
CA2804626A1 (en) 2012-02-02
JP6246845B2 (ja) 2017-12-13
IL243203A (en) 2017-04-30
AU2011282892B2 (en) 2015-07-16
CA3081061C (en) 2023-01-03
JP2018068299A (ja) 2018-05-10
MX2013000996A (es) 2013-12-09
EP4083233A2 (en) 2022-11-02
US20200255911A1 (en) 2020-08-13
NZ607282A (en) 2014-06-27
EP3147373A1 (en) 2017-03-29
EP2598659A4 (en) 2014-01-01
ES2611000T3 (es) 2017-05-04
SG10201912361VA (en) 2020-02-27
US20120028264A1 (en) 2012-02-02
CA2804626C (en) 2020-07-28
JP2022031750A (ja) 2022-02-22
DK2913405T3 (en) 2017-02-13
DK3147373T3 (da) 2019-08-12
WO2012015765A2 (en) 2012-02-02
EP4083233A3 (en) 2023-01-25
SG10201505769PA (en) 2015-09-29
US20160097105A1 (en) 2016-04-07
US10260104B2 (en) 2019-04-16
IL251403A0 (en) 2017-05-29
MX2018011725A (es) 2021-11-16
EP2598659A2 (en) 2013-06-05
MX338883B (es) 2016-05-04
EP3556870B9 (en) 2022-09-28
JP2020031642A (ja) 2020-03-05
JP7042784B2 (ja) 2022-03-28

Similar Documents

Publication Publication Date Title
ES2741745T3 (es) Método para usar la expresión génica para determinar el pronóstico de cáncer de próstata
ES2812105T3 (es) Algoritmo y evaluación del perfil de expresión génica para determinar el pronóstico del cáncer de próstata
JP5486718B2 (ja) 結腸直腸癌の予後のための遺伝子発現マーカー
ES2735993T3 (es) Métodos para predecir el resultado clínico del cáncer
JP2016104014A (ja) 結腸直腸癌の再発および化学療法に対する応答の可能性における遺伝子発現プロファイルアルゴリズムおよび試験
AU2017268510A1 (en) Method for using gene expression to determine prognosis of prostate cancer
ES2914727T3 (es) Algoritmos y métodos para evaluar los criterios clínicos tardíos en el cáncer de próstata
US20110287958A1 (en) Method for Using Gene Expression to Determine Colorectal Tumor Stage