ITMI20010813A1 - Valutazione di fibrosi del fegato con algoritmi basati su marcatori del siero - Google Patents
Valutazione di fibrosi del fegato con algoritmi basati su marcatori del siero Download PDFInfo
- Publication number
- ITMI20010813A1 ITMI20010813A1 IT2001MI000813A ITMI20010813A ITMI20010813A1 IT MI20010813 A1 ITMI20010813 A1 IT MI20010813A1 IT 2001MI000813 A IT2001MI000813 A IT 2001MI000813A IT MI20010813 A ITMI20010813 A IT MI20010813A IT MI20010813 A1 ITMI20010813 A1 IT MI20010813A1
- Authority
- IT
- Italy
- Prior art keywords
- score
- algorithms
- calculated
- liver
- fibrosis
- Prior art date
Links
- 208000019425 cirrhosis of liver Diseases 0.000 title claims description 23
- 210000002966 serum Anatomy 0.000 title claims description 21
- 238000011156 evaluation Methods 0.000 title description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 25
- 238000001574 biopsy Methods 0.000 claims description 16
- 108010035532 Collagen Proteins 0.000 claims description 8
- 102000008186 Collagen Human genes 0.000 claims description 8
- 108010031374 Tissue Inhibitor of Metalloproteinase-1 Proteins 0.000 claims description 8
- 102000005353 Tissue Inhibitor of Metalloproteinase-1 Human genes 0.000 claims description 8
- 229920001436 collagen Polymers 0.000 claims description 8
- 208000019423 liver disease Diseases 0.000 claims description 6
- 102100026802 72 kDa type IV collagenase Human genes 0.000 claims description 5
- 101710151806 72 kDa type IV collagenase Proteins 0.000 claims description 5
- 102000007000 Tenascin Human genes 0.000 claims description 5
- 108010008125 Tenascin Proteins 0.000 claims description 5
- KIUKXJAPPMFGSW-MNSSHETKSA-N hyaluronan Chemical compound CC(=O)N[C@H]1[C@H](O)O[C@H](CO)[C@@H](O)C1O[C@H]1[C@H](O)[C@@H](O)[C@H](O[C@H]2[C@@H](C(O[C@H]3[C@@H]([C@@H](O)[C@H](O)[C@H](O3)C(O)=O)O)[C@H](O)[C@@H](CO)O2)NC(C)=O)[C@@H](C(O)=O)O1 KIUKXJAPPMFGSW-MNSSHETKSA-N 0.000 claims description 5
- 229940099552 hyaluronan Drugs 0.000 claims description 5
- 229920002674 hyaluronan Polymers 0.000 claims description 5
- 238000012317 liver biopsy Methods 0.000 claims description 5
- 108010015302 Matrix metalloproteinase-9 Proteins 0.000 claims description 4
- 102100030412 Matrix metalloproteinase-9 Human genes 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 108010034596 procollagen Type III-N-terminal peptide Proteins 0.000 claims description 4
- 210000004369 blood Anatomy 0.000 claims description 2
- 239000008280 blood Substances 0.000 claims description 2
- 210000002381 plasma Anatomy 0.000 claims description 2
- 238000011282 treatment Methods 0.000 claims description 2
- 210000002700 urine Anatomy 0.000 claims description 2
- 210000001124 body fluid Anatomy 0.000 claims 2
- 239000010839 body fluid Substances 0.000 claims 2
- 239000003814 drug Substances 0.000 claims 1
- 229940079593 drug Drugs 0.000 claims 1
- 206010016654 Fibrosis Diseases 0.000 description 22
- 230000004761 fibrosis Effects 0.000 description 20
- 210000004185 liver Anatomy 0.000 description 10
- 239000003550 marker Substances 0.000 description 8
- 102000010834 Extracellular Matrix Proteins Human genes 0.000 description 7
- 108010037362 Extracellular Matrix Proteins Proteins 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 210000002744 extracellular matrix Anatomy 0.000 description 5
- 230000003176 fibrotic effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 206010019668 Hepatic fibrosis Diseases 0.000 description 3
- 108010050808 Procollagen Proteins 0.000 description 3
- 230000007882 cirrhosis Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 208000022309 Alcoholic Liver disease Diseases 0.000 description 2
- 102100033312 Alpha-2-macroglobulin Human genes 0.000 description 2
- 101710107035 Gamma-glutamyltranspeptidase Proteins 0.000 description 2
- 101710173228 Glutathione hydrolase proenzyme Proteins 0.000 description 2
- 102000018866 Hyaluronan Receptors Human genes 0.000 description 2
- 108010013214 Hyaluronan Receptors Proteins 0.000 description 2
- 108010015078 Pregnancy-Associated alpha 2-Macroglobulins Proteins 0.000 description 2
- 238000003556 assay Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009795 fibrotic process Effects 0.000 description 2
- 102000006640 gamma-Glutamyltransferase Human genes 0.000 description 2
- 210000004024 hepatic stellate cell Anatomy 0.000 description 2
- 238000003018 immunoassay Methods 0.000 description 2
- 238000007620 mathematical function Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 102000002260 Alkaline Phosphatase Human genes 0.000 description 1
- 108020004774 Alkaline Phosphatase Proteins 0.000 description 1
- 102000007592 Apolipoproteins Human genes 0.000 description 1
- 108010071619 Apolipoproteins Proteins 0.000 description 1
- 208000023275 Autoimmune disease Diseases 0.000 description 1
- 102000016359 Fibronectins Human genes 0.000 description 1
- 108010067306 Fibronectins Proteins 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 208000005176 Hepatitis C Diseases 0.000 description 1
- 108010001336 Horseradish Peroxidase Proteins 0.000 description 1
- 108060003951 Immunoglobulin Proteins 0.000 description 1
- 208000026350 Inborn Genetic disease Diseases 0.000 description 1
- 206010036790 Productive cough Diseases 0.000 description 1
- 102100027378 Prothrombin Human genes 0.000 description 1
- 108010094028 Prothrombin Proteins 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 210000001789 adipocyte Anatomy 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000000890 antigenic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 102000023732 binding proteins Human genes 0.000 description 1
- 108091008324 binding proteins Proteins 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 208000034158 bleeding Diseases 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000009693 chronic damage Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000003776 cleavage reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009509 drug development Methods 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 239000007850 fluorescent dye Substances 0.000 description 1
- 208000016361 genetic disease Diseases 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 210000000208 hepatic perisinusoidal cell Anatomy 0.000 description 1
- 208000002672 hepatitis B Diseases 0.000 description 1
- 208000010710 hepatitis C virus infection Diseases 0.000 description 1
- 102000018358 immunoglobulin Human genes 0.000 description 1
- 238000005184 irreversible process Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000009456 molecular mechanism Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 229940039716 prothrombin Drugs 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000007017 scission Effects 0.000 description 1
- 210000003802 sputum Anatomy 0.000 description 1
- 208000024794 sputum Diseases 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6887—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids from muscle, cartilage or connective tissue
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
- G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
- G01N2333/46—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans from vertebrates
- G01N2333/47—Assays involving proteins of known structure or function as defined in the subgroups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
- G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
- G01N2333/78—Connective tissue peptides, e.g. collagen, elastin, laminin, fibronectin, vitronectin, cold insoluble globulin [CIG]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
- G01N2333/81—Protease inhibitors
- G01N2333/8107—Endopeptidase (E.C. 3.4.21-99) inhibitors
- G01N2333/8146—Metalloprotease (E.C. 3.4.24) inhibitors, e.g. tissue inhibitor of metallo proteinase, TIMP
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
- G01N2333/90—Enzymes; Proenzymes
- G01N2333/914—Hydrolases (3)
- G01N2333/948—Hydrolases (3) acting on peptide bonds (3.4)
- G01N2333/95—Proteinases, i.e. endopeptidases (3.4.21-3.4.99)
- G01N2333/964—Proteinases, i.e. endopeptidases (3.4.21-3.4.99) derived from animal tissue
- G01N2333/96425—Proteinases, i.e. endopeptidases (3.4.21-3.4.99) derived from animal tissue from mammals
- G01N2333/96427—Proteinases, i.e. endopeptidases (3.4.21-3.4.99) derived from animal tissue from mammals in general
- G01N2333/9643—Proteinases, i.e. endopeptidases (3.4.21-3.4.99) derived from animal tissue from mammals in general with EC number
- G01N2333/96486—Metalloendopeptidases (3.4.24)
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/08—Hepato-biliairy disorders other than hepatitis
- G01N2800/085—Liver diseases, e.g. portal hypertension, fibrosis, cirrhosis, bilirubin
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Chemical & Material Sciences (AREA)
- Urology & Nephrology (AREA)
- Hematology (AREA)
- Immunology (AREA)
- Biotechnology (AREA)
- Microbiology (AREA)
- Cell Biology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Description
Descrizione del brevetto per invenzione industriale avente per titolo:
"Valutazione del punteggio di fibrosi del fegato con algoritmi basati su marcatori del siero"
Le fibrosi progressive del fegato sono una delle cause maggiori di morbilità e. mortalità nel mondo. I recenti progressi scientifici dimostrano che il processo patogenico della fibrosi nel fegato dipende criticamente dalla proliferazione ed attivazione delle cellule stellate epatiche (anche chiamate lipociti, cellule che accumulano il grasso o cellule Ito) che sintetizzano e secernono proteine della matrice extracellulare (1). Inoltre é chiaro che questo processo é comune alle malattie del fegato di tutte le eziologie. Di particolare importanza sono l'epatite B e C virali croniche e la epatopatia alcolica così come le malattie genetiche ed autoimmuni del fegato, le quali tutte portano a problemi clinici attraverso la via finale comune della fibrosi progressiva del fegato, con il finale sviluppo della cirrosi.
Un concetto importante è la distinzione tra la fibrosi epatica e la cirrosi. La fibrosi epatica é un accumulo reversibile della matrice extracellulare in risposta ad un danno cronico in cui i noduli non si sono ancora sviluppati, mentre la cirrosi implica un processo irreversibile, in cui bande spesse di matrice circondano completamente il parenchima, formando dei noduli. Di conseguenza, qualsiasi terapia deve essere diretta a pazienti con malattia reversibile (fibrosi), la qualcosa richiede una identificazione precoce ed un controllo di quelli a rischio (2).
La gravità e l'avanzamento della fibrosi del fegato sono difficili da valutare, rimanendo al momento la biopsia del fegato il metodo clinico più affidabile. La valutazione qualitativa della fibrosi epatica attraverso la biopsia é limitata dalla variabilità tra gli osservatori. Le biopsie sono chiaramente inadeguate per la fase clinica precoce dello sviluppo del farmaco, dove é imperativo utilizzare metodi meno invasivi per identificare i composti efficaci in uno schema temporale commercialmente accettabile, usualmente misurato in settimane fino a un massimo di 3 mesi di esposizione terapeutica sperimentale. Ulteriori svantaggi sono la bassa specificità diagnostica e rischio di-sanguinamento. Quindi esiste un bisogno di marker sostitutivi della fibrosi del fegato. I test sul siero permettono una valutazione non invasiva della fibrogenesi e fibrolisi nel fegato e possono essere fatti ripetutamente a corti intervalli di tempo (3). I test sul siero che misurano i processi dinamici della sintesi della matrice extracellulare (fibrogenesi) e della degradazione della matrice extracellulare (fibrolisi) riflettono la quantità di matrice extracellulare presente, il grado di fibrosi ed il processo in corso di cambiamento strutturale del fegato (4).
Lo stato odierno della tecnica della misura di marker sostitutivi della fibrosi del fegato é scarsamente sviluppato. Gli studi precedenti hanno suggerito che i livelli nel siero delle proteine della matrice extracellulare (o di loro frammenti di scissione) possono essere utilizzati per valutare la gravità e la progressione della fibrosi del fegato (4.5, US 5 316 914, EP 0283 779). Sono stati studiati differenti marcatori del siero e sono state trovate delle correlazioni con le biopsie del fegato e la gravità delle malattie del fegato (6).
Alcuni dei marker utilizzati per la valutazione della fibrosi del fegato sono PIIINP, Laminina, Hyaluronan, Collagene IV, TIMP-1, Tenascina, MMP-2 e Fibronectina. I marker sono stati misurati ed é stata dimostrata la loro capacità di valutare la fibrosi epatica. Comunque, il valore diagnostico di ciascun singolo marker non é accurato e specifico per valutare i punteggi di fibrosi.
Quindi sono studiate delle combinazioni di marker per aumentare il valore diagnostico; l'indice biologico semplice PGA che combina il tempo di protrombina (PT), la gamma-glutamiltranspeptidasi (GGT) e la apolipoproteina Al (Apo Al) e l'indice PGAA che include 1'alfa-2-macroglobulina (A2M). nell'indice PGA sono stati descritti per la diagnosi della epatopatia alcolica nei bevitori (7,8). Benché gli indici PGA e PGAA siano stati combinati con singoli marker del siero (9,10) i marker non sono stati utilizzati per stabilire algoritmi per la valutazione delle malattie epatiche .
In questa invenzione i marker del siero della matrice extracellulare sono riuniti in un raggruppamento che porta ad una serie di marker la cui misura permette il calcolo di un algoritmo e l'uso di tale algoritmo derivato di prevedere il punteggio istologico della fibrosi epatica. A questo scopo viene utilizzata l'analisi della funzione discriminante per determinare quali variabili discriminano tra i diversi punteggi di fibrosi. Gli algoritmi sono derivati dalla serie di marker: propeptide procollagene III N-terminale (PIINP), Collagene IV, Collagene VI, Tenascina, Laminina, Hyaluronan, MMP-2, TIMP-1 e complesso MMP-9/TIMP-1.
In generale, tutte le nuove tecniche devono essere convalidate in confronto alle tecniche standard esistenti, nel caso ne esista una. L'attuale "goldstandard" per valutare la fibrosi nel fegato é la biopsia del fegato. Con la biopsia, un po' di tessuto casualmente prelevato dal fegato viene tagliato in fettine che vengono esaminate da un esperto usando un microscopio. Ci sono molti problemi associati con le biopsie del fegato che inducono un certo grado di incertezza: la distribuzione della fibrosi nel fegato (la fibrosi a grappolo e il fatto che l'ago possa aver raggiunto regioni del fegato non affette da fibrosi), una preparazione sbagliata del campione (ad es. non sufficiente materiale tissutale) e l'individualità e le preferenze del patologo (valutazioni individuali). Inoltre, lo stato fibrotico del fegato é di solito descritto utilizzando punteggi e ci sono molti differenti e anche incompatibili sistemi di punteggio (ad es. il Punteggio di Scheuer, il Punteggio di Ishak, ecc.).
Per esempio, in uno studio con 24 pazienti due patologi indipendenti dovevano valutare gli stessi campioni di biopsia per ciascun paziente a due diversi tempi utilizzando due diversi sistemi di punteggio. Il numero di valutazioni in cui i due patologi giunsero a risultati identici variava da soltanto il 36% al 46%.
La nuova tecnica é basata sulla misura di parametri del siero, che sono direttamente associati con il processo fibrotico e sulla combinazione di essi a livello matematico che porta ad una procedura di valutazione fissa.
Per convalidare la nuova tecnica il "goldstandard" non é il miglior mezzo ma l'inico, poiché a priori i due metodi non investigano valori finali comparabili: mentre i parametri del siero caratterizzano processi dinamici, la biopsia caratterizza la manifestazione fibrotica ad un tempo fisso. Può esserci un processo fibrotico molto attivo nel fegato benché il tessuto fibrotico non si sia ancora sviluppato. Al contrario, possono esserci grossi grappoli di tessuto fibrotico nel fegato ma l'attività fibrotica essere ferma o temporaneamente interrotta.
Tuttavia, alcune funzioni matematiche dei parametri del siero dettero valori medi statisticamente differenti in maniera significativa in diversi stadi di punteggio della biopsia. L'analisi discriminante utilizzando il "gold-standard" venne scelta per investigare il potere diagnostico di tali funzioni matematiche dei parametri del siero.
La determinazione di concentrazione di marker del siero e seguente calcolo di un algoritmo possono essere utilizzati per prendere decisioni riguardo al fatto di attuare una biopsia o se il trattamento debba essere iniziato o continuato o fermato. Quindi l'assegnamento dei pazienti in. un gruppo di punteggi di biopsia senza prelevare una biopsia é vantaggioso. La suddivisione dei pazienti in gruppi, ad esempio fibrosi leggera in confronto a fibrosi grave, utilizzando degli algoritmi é un vantaggio dell’invenzione descritta .
Descrizione degli immumosaggi
I marker procollagene III propeptide (PIINP), Collagene IV, Collagene VI, Tenascina, Laminina, Hyaluronan, MMP-2, TIMP-1 e complesso MMP-9/TIMP-1 sono utilizzati per gli algoritmi.
I markers sono misurati facendo uso di immunosaggi a sandwich. Gli immunosaggi dell'invenzione comprendono la reazione di due anticorpi con campioni di fluido umano, in cui l'anticorpo di cattura si lega in maniera specifica ad un epitopo del marker. Il secondo anticorpo specifico per un differente epitopo é utilizzato per rilevare questo complesso. Preferibilmente gli anticorpi sono anticorpi monoclonali e ambedue gli anticorpi di detti due anticorpi del saggio si legano in maniera specifica alla proteina.
Anticorpo o altri termini simili qui utilizzati includono un ' immunoglobulina completa sia monoclonale che policlonale così come frammenti antigenici o frammenti immunoreattivi che si legano specificatamente al marker, inclusi Fab, .Fab, F(ab)2 e F(v). Il termine anticorpo include anche proteine leganti, in particolare la proteina che lega l'acido ialuronico (HABP).
I campioni di fluido umano utilizzati nel saggio dell'invenzione possono essere qualsiasi campione che contiene i marker, ad es., sangue, siero, plasma, urine, espettorato o lavaggio broncoalveolare (BAL). Tipicamente viene utilizzato un campione di siero o plasma .
Gli anticorpi dell'invenzione possono essere preparati con tecniche generalmente note nel campo e sono tipicamente generati rispetto a un campione dei marker.
Il secondo anticorpo é coniugato ad un gruppo rilevatore, ad es. fosfatasi alcalina, perossidasi di barbaforte o un colorante fluorescente. I coniugati sono preparati attraverso tecniche generalmente note nel campo.
Viene misurata la concentrazione dei marker nei fluidi umani e calcolati gli algoritmi per valutare il grado di fibrosi.
Background statistico
L'analisi della funzione discriminante é utilizzata per determinare quali variabili discriminano tra due o più gruppi naturalmente presenti. Dal punto di vista del calcolo é molto simile all'analisi della varianza. L'idea base che sta sotto all'analisi della funzione discriminante é di determinare se i gruppi differiscono riguardo alla media di una variabile e quindi utilizzare tale variabile per predire l'appartenenza ad un gruppo (ad es., di nuovi casi). Considerata in questa maniera, il problema della funzione della discriminante può essere riproposto come analisi ad una via del problema della varianza (ANOVA). In particolare, ci si può chiedere se due o più gruppi sono differenti in maniera significativa l'uno dall'altro rispetto alla media di una particolare variabile. Se le medie per una variabile sono significativamente differenti in differenti gruppi allora possiamo dire che questa variabile discrimina tra i gruppi. Nel caso di una variabile singola, il test finale di significatività del fatto che una variabile discrimini o meno tra gruppi é il test F. F é essenzialmente calcolata come rapporto della varianza nei dati tra gruppi sulla varianza raggruppata (media) all'interno del gruppo. Se la varianza tragruppi é significativamente maggiore allora devono esserci differenze significative tra le medie. Usualmente si includono molte variabili in uno studio per vedere quale o quali contribuiscono alla discriminazione tra gruppi. In tal caso, abbiamo una matrice delle totali varianze e co-varianze; similmente abbiamo una matrice di varianze e co-varianze raggruppate all'interno di un gruppo. Possiamo confrontare queste due matrici attraverso test multivariati F per determinare se esistono differenze significative o meno (riguardo a tutte le variabili) tra i gruppi. Questa é identica all'analisi multivariata della varianza o MANOVA. Come in MANOVA, si può dapprima attuare il test multivariato, e, se statisticamente significativo, procedere a vedere quali delle variabili hanno medie significativamente diverse nei gruppi. Quindi, anche se i calcoli con variabili multiple sono più complessi, si applica ancora il ragionamento principale, cioè, che stiamo cercando variabili che discriminano tra gruppi, come evidente nelle differenze medie osservate.
Per un gruppo di osservazione contenenti uno o più variabili quantitative e una variabile di classificazione che definisce gruppi di osservazioni, la procedura di discriminazione sviluppa un criterio discriminante per classificare ciascuna osservazione in uno dei gruppi. Dopo ciò predire ciò che é accaduto nel passato non é difficile. Non é inusuale ottenere una classificazione molto buona se si usano gli stessi casi da cui il criterio discriminante é stato calcolato. Per avere un'idea di quanto lavora bene l'attuale criterio discriminante, si devono classificare (a priori) differenti casi, cioè, casi che non sono stati utilizzati per valutare il criterio discriminante. Soltanto la classificazione di nuovi casi permette di valutare la validità predittiva del criterio discriminante. Per convalidare il criterio derivato, la classificazione può essere applicata ad altri gruppi di dati. Il gruppo di dati utilizzato per derivare il criterio discriminante é chiamato gruppo di dati di "training" o di taratura.
Il criterio discriminante (funzione o funzioni o algoritmo), é determinato attraverso una misura della distanza quadrata generalizzata. Può essere basato su una matrice di co-varianza raggruppata che genera una funzione lineare. Sia la distanza euclidea o di Mahalanobis può essere utilizzata per determinare la prossimità.
Per lo sviluppo dell'algoritmo discriminante, sono stati analizzati i dati di un gruppo di soggetti di uno studio basato sull'osservazione della fibrosi del fegato. I sistemi di punteggio della fibrosi del fegato in considerazione erano:
------
Applicando un'analisi discriminante passo passo, per esempio le seguenti funzioni dei parametri del siero mostravano avere un maggiore impatto sul corrispondente tipo di punteggio.
Una corrispondente analisi discriminante dava le
funzioni discriminanti lineari che possono essere utilizzate per il calcolo e la previsione del punteggio di biopsia. Gli algoritmi possono essere applicati a qualunque sistema noto di punteggio (ad es. punteggio di Scheuer, punteggio di Ishak, punteggio di Netavir, punteggio di Ludwig, punteggio di HAI).
Gli algoritmi possono essere utilizzati per predire il punteggio di biopsia di un paziente (ad es.
punteggio 0, 1, 2, 3, ...) o per predire un gruppo di punteggi (categoria) a cui un paziente appartiene (ad es. fibrosi leggera; punteggio da 0 a 1).
Le funzioni discriminanti usate includono combinazioni di marker scelte nell'elenco di propeptide procollagene III N-terminale (PIIINP), Collagene IV, Collagene VI, Tenascina, Laminina, Hyaluronan, MMP-2, TIMP-1 e complesso MMP-9/TIMP-1 e anche fattori tra -1000 e 1000.
Differenti punteggi necessitano di un differente algoritmo dall'elenco dei marker e fattori.
Esempi
Esempio 1
Algoritmi per il punteggio di Scheuer.
I seguenti algoritmi 1, 2 e 3 furono calcolati mettendo in correlazione biopsie valutate con il sistema di punteggio di Scheuer e concentrazioni di marker del siero di un gruppo di pazienti con malattie epatiche:
A
[0
[
[2
[
[
Gli algoritmi furono utilizzati per predire punteggi di biopsia di un gruppo separato di pazienti. I punteggi calcolati furono confrontati con i punteggi determinati da un singolo patologo (caso B), con un punteggio di consenso di 3 patologi (caso C) e con l'intervallo coperto da tutti i patologi (caso A). Sono stati anche calcolati i valori Kappa, i valori predittivi negativi (NPV) per un punteggio 0-1 e i valori predittivi positivi (PPV) per un punteggio 2-4, di sensibilità e specificità.
Esempio 2
Algoritmi per il punteggio di Ishak.
I seguenti algoritmi 1, 2 e 3 furono calcolati correlando le biopsie valutate con il sistema di punteggio di Ishak e le concentrazioni di marker nel siero di un gruppo di pazienti con malattie epatiche: Algoritmo 1
Gli algoritmi furono utilizzati per predire punteggi di biopsia di un gruppo separato di pazienti. I punteggi calcolati furono confrontati con i punteggi
determinati da un singolo patologo (caso B), con un punteggio di consenso di 3 patologi (caso C) e con l'intervallo coperto da tutti i patologi (caso A). Sono stati calcolati i valori Kappa, i valori predittivi negativi (NPV) per un punteggio 0-2 , i valori predittivi positivi ( PPV) per un punteggio 3-6, le sensibilità e specificità .
Esempio 3
Curve di "Receiver Operating Characteristic (ROC)" per il Punteggio di Scheuer.
Raggruppando i pazienti in categorie di assenza/leggera fibrosi (punteggio 0-1) e moderata/severa fibrosi (punteggio 2-4) per il punteggio di Scheuer e calcolando gli algoritmi per un risultato dicotomo si ottennero i seguenti risultati:
Gli algoritmi furono utilizzati per calcolare le curve di "receiver operating characteristic" per le categorie con fibrosi assente/leggera (punteggio 0-1 ) e fibrosi moderata/grave (punteggio 2-4 ) per il punteggio di Scheuer. I punteggi calcolati furono confrontati con i punteggi determinati da un singolo patologo (caso B) , con un punteggio di consenso di 3 patologi (caso C) e con l ' intervallo coperto da tutti i patologi (caso A) . Furono calcolati i valori dell ' area sotto la curva (AUC) .
Esempio 4
Curve di Receiver Operating Characteristic (ROC) per il Punteggio di Ishak.
Raggruppando i pazienti in categoria con assenza/leggera fibrosi (punteggio 0-2) e moderata/grave fibrosi (punteggio 3-6) per il punteggio di Ishak e calcolando gli algoritmi per il risultato dicotomo si ottennero i seguenti risultati:
Gli algoritmi furono utilizzati per calcolare le curve di receiver operating characteristic per le categorie con assente/leggera fibrosi (punteggio 0-2 ) e moderata/severa fibrosi (punteggio 3-6) per il punteggio di Ishak . I punteggi calcolati furono confrontati con i punteggi determinati da un singolo patologo (ca
so Β), con un punteggio di consenso di 3 patologi (caso C) e con l'intervallo coperto da tutti i patologi (caso A). I valori della curva sotto l'area (AUC) furono calcolati.
LETTERATURA
1. Friedman SL
The cellular basis of hepatic fibrosis Mechanism and treatment strategies.
N Engl J Med 1993; 328: 1828-1835
2. Friedman SL
Molecular mechanism of hepatic fibrosis and principle of therapy
J Gastroenterol 1997; 32: 424-430
3. Haysaka A, Saisho H
Serum markers as tools to monitor liver fibrosis Digestion 1998; 59: 381-384
4. Schuppan D, Stolzel U, Oesterling C, Somasundaram R
Serum assays for liver fibrosis
J Hepatol 1995; 22 (Suppl 2): 82-88
5. Murawaki Y, Ikuta Y, Nishimura Y, Koda M, Kawasa
Claims (10)
- RIVENDICAZIONI 1. Metodo per la diagnosi della fibrosi epatica in cui due o più marker diagnostici sono misurati in un fluido corporeo e le misure sono combinate attraverso algoritmi matematici.
- 2. Un metodo secondo la rivendicazione 1 dove gli algoritmi sono caratterizzati in modo tale che i marker diagnostici sono scelti nel gruppo di propeptide procollagene III (PIIINP) N-terminale, Collagene IV, Tenascina, Laminina, Hyaluronan, MMP-2, TIMP-1 e complesso MMP-9/TIMP-1.
- 3. Il metodo secondo la rivendicazione 1 in cui il fluido corporeo é sangue, siero, plasma o urina.
- 4. Il metodo secondo le rivendicazioni 1 e 2 in cui gli algoritmi possono essere utilizzati per supportare, predire o sostituire il punteggio istologico di una biopsia del fegato.
- 5. Il metodo secondo la rivendicazione 4 dove gli algoritmi possono essere regolati per adattarsi a un sistema di punteggio noto (ad es. punteggio di Scheuer, punteggio di Ishak, punteggio HAI, punteggio di Ludwig, punteggio di Metavir).
- 6. Il metodo secondo la rivendicazione 1 e 2 in cui gli algoritmi possono essere utilizzati per dividere i pazienti in gruppi di punteggi.
- 7. Un metodo secondo la rivendicazione 4 e 6 in cui le decisioni di trattamento possono essere supportate dal punteggio calcolato o dal gruppo di punteggio calcolato.
- 8. Il metodo secondo la rivendicazione 4 e 6 in cui la sperimentazione clinica del farmaco per malattie epatiche includendo gli studi per determinare la dose possono essere supportati dal punteggio calcolato o dal gruppo di punteggio calcolato.
- 9. Il metodo secondo la rivendicazione 4 e 6 in cui le decisioni se attuare una biopsia o meno possono essere supportate dal punteggio calcolato dal gruppo di punteggio calcolato.
- 10. Il metodo secondo la rivendicazione 6 dove i pazienti possono essere classificati come affetti da assente/leggera o moderata/severa fibrosi del fegato.
Priority Applications (8)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/258,689 US7141380B2 (en) | 2000-04-28 | 2001-04-26 | Assessment of liver fibrosis scoring with serum marker algorithms |
AT01945050T ATE366939T1 (de) | 2000-04-28 | 2001-04-26 | Diagnose von leberfibrose mit hilfe von serummarkeralgorithmen |
EP01945050A EP1283989B1 (en) | 2000-04-28 | 2001-04-26 | Diagnosis of liver fibrosis with serum marker algorithms |
JP2001583196A JP4712271B2 (ja) | 2000-04-28 | 2001-04-26 | 血清マーカーアルゴリズムを用いる肝線維症スコアリングの評価 |
PCT/EP2001/004696 WO2001086304A2 (en) | 2000-04-28 | 2001-04-26 | Diagnostic of liver fibrosis with serum marker algorithms |
DE60129314T DE60129314T2 (de) | 2000-04-28 | 2001-04-26 | Diagnose von leberfibrose mit hilfe von serummarkeralgorithmen |
AU67380/01A AU6738001A (en) | 2000-04-28 | 2001-04-26 | Assessment of liver fibrosis scoring with serum marker algorithms |
ES01945050T ES2288962T3 (es) | 2000-04-28 | 2001-04-26 | Diagnostico de fibrosis hepatica con algoritmos de marcadores sericos. |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP00109063A EP1150123B1 (en) | 2000-04-28 | 2000-04-28 | Diagnosis of liver fibrosis with serum marker algorithms |
Publications (2)
Publication Number | Publication Date |
---|---|
ITMI20010813A0 ITMI20010813A0 (it) | 2001-04-13 |
ITMI20010813A1 true ITMI20010813A1 (it) | 2002-10-13 |
Family
ID=8168573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
IT2001MI000813A ITMI20010813A1 (it) | 2000-04-28 | 2001-04-13 | Valutazione di fibrosi del fegato con algoritmi basati su marcatori del siero |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP1150123B1 (it) |
JP (1) | JP4712271B2 (it) |
DE (1) | DE60029302T2 (it) |
IT (1) | ITMI20010813A1 (it) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7668661B2 (en) * | 2000-04-28 | 2010-02-23 | Siemens Healthcare Diagnostics Inc. | Liver disease-related methods and systems |
US6986995B2 (en) | 2002-02-28 | 2006-01-17 | Prometheus Laboratories, Inc. | Methods of diagnosing liver fibrosis |
US7670764B2 (en) | 2003-10-24 | 2010-03-02 | Prometheus Laboratories Inc. | Methods of diagnosing tissue fibrosis |
DE602004004775T2 (de) * | 2004-08-12 | 2007-11-22 | Roche Diagnostics Gmbh | Verfahren zur Diagnose von Leberfibrose. |
ES2303925T3 (es) * | 2004-08-12 | 2008-09-01 | F. Hoffmann-La Roche Ag | Metodo para diagnosticar la fibrosis hepatica. |
TW200745556A (en) * | 2006-01-24 | 2007-12-16 | Ind Tech Res Inst | Biomarkers for liver fibrotic injury |
PL2623517T3 (pl) * | 2009-01-28 | 2016-04-29 | Ind Tech Res Inst | Biomarkery w moczu i surowicy związane z nefropatią cukrzycową |
EP3680662A1 (en) | 2011-05-31 | 2020-07-15 | The Regents of the University of Colorado, A Body Corporate | Method for assessment of hepatic function and portal blood flow |
CA3191764A1 (en) * | 2012-11-12 | 2014-05-15 | The Regents Of The University Of Colorado, A Body Corporate | Disease severity index for assessment of chronic liver disease and method for diagnosis of three distinct subtypes of primary sclerosing cholangitis |
CN103399158A (zh) * | 2013-08-02 | 2013-11-20 | 上海市同济医院 | 一种检测肝纤维化程度的液相蛋白芯片试剂盒 |
CN108431606B (zh) * | 2016-02-03 | 2022-04-05 | 北欧生物科技公司 | 纤维化的联合生物标志物测量 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2968538B2 (ja) * | 1989-06-23 | 1999-10-25 | 富士薬品工業 株式会社 | ヒトラミニンのモノクローナル抗体、その製法および利用 |
JP3327758B2 (ja) * | 1995-12-11 | 2002-09-24 | 株式会社いかがく | 肝線維化のスクリーニング方法及び診断用キット |
US6060255A (en) * | 1997-10-03 | 2000-05-09 | Tosoh Corporation | Type IV collagen high molecular form and production and diagnostic use thereof |
JPH11171898A (ja) * | 1997-10-03 | 1999-06-29 | Tosoh Corp | Iv型コラーゲン高分子画分、その製法、その測定法及び肝疾患の判定方法 |
-
2000
- 2000-04-28 EP EP00109063A patent/EP1150123B1/en not_active Expired - Lifetime
- 2000-04-28 DE DE60029302T patent/DE60029302T2/de not_active Expired - Lifetime
-
2001
- 2001-04-13 IT IT2001MI000813A patent/ITMI20010813A1/it unknown
- 2001-04-26 JP JP2001583196A patent/JP4712271B2/ja not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
JP4712271B2 (ja) | 2011-06-29 |
DE60029302D1 (de) | 2006-08-24 |
EP1150123B1 (en) | 2006-07-12 |
EP1150123A1 (en) | 2001-10-31 |
JP2003532899A (ja) | 2003-11-05 |
DE60029302T2 (de) | 2007-08-09 |
ITMI20010813A0 (it) | 2001-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11428574B2 (en) | Method and apparatus for determining markers of health by analysis of blood | |
Bökenkamp et al. | Reference values for cystatin C serum concentrations in children | |
US11060967B2 (en) | Method and apparatus for determining markers of health by analysis of blood | |
US7141380B2 (en) | Assessment of liver fibrosis scoring with serum marker algorithms | |
US7989217B2 (en) | Method for determining hCG levels in fluid samples | |
US20210041469A1 (en) | Methods and compositions for diagnosis and prognosis of sepsis | |
CN106461644A (zh) | 检测错误折叠蛋白的方法和组合物 | |
Moe et al. | Association of hepatitis C virus infection with prevalence and development of kidney disease | |
Fiseha et al. | Estimation of renal function in adult outpatients with normal serum creatinine | |
EA008194B1 (ru) | Способы обнаружения амниотической жидкости во влагалищном секрете и устройства для реализации указанных способов | |
Öhrfelt et al. | A novel ELISA for the measurement of cerebrospinal fluid SNAP-25 in patients with Alzheimer’s disease | |
ITMI20010813A1 (it) | Valutazione di fibrosi del fegato con algoritmi basati su marcatori del siero | |
CN105917232B (zh) | 用于选择性确定胎盘生长因子2的方法 | |
Bulum et al. | The use of anthropometric measurements of obesity in prediction of microvascular complications in obese type 2 diabetic patients | |
Potkonjak et al. | Urinary troponin concentration as a marker of cardiac damage in pregnancies complicated with preeclampsia | |
CN107003320A (zh) | 慢性肾脏疾病的快速进展的生物标志物 | |
Cade et al. | Should the spot albumin-to-creatinine ratio replace the spot protein-to-creatinine ratio as the primary screening tool for proteinuria in pregnancy? | |
CN104871004A (zh) | 急性肾损伤 | |
KR101836929B1 (ko) | Gdf15 단백질의 발현 수준을 측정하는 제제를 포함하는 돌발성 난청 예후 분석용 키트 | |
CN101971027A (zh) | 作为非特异疾病的通用标记的ykl-40 | |
CN107735026A (zh) | 测量泪液样品中泪液成分的方法 | |
Bailly et al. | Two new reliable immunohistochemical methods for simultaneous identification of capillaries, the three types of fibers and basal lamina in human skeletal muscle | |
CA2859221C (en) | Lamin a/c and prelamins as indicators of frailty and vulnerability or resiliency to adverse health outcomes | |
CN102047115A (zh) | IgA肾病的检查方法和检查试剂盒 | |
Vaz de Castro et al. | Examining the association between serum galactose-deficient IgA1 and primary IgA nephropathy: a systematic review and meta-analysis |