JP2004163388A - マーカーの選択 - Google Patents

マーカーの選択 Download PDF

Info

Publication number
JP2004163388A
JP2004163388A JP2003095679A JP2003095679A JP2004163388A JP 2004163388 A JP2004163388 A JP 2004163388A JP 2003095679 A JP2003095679 A JP 2003095679A JP 2003095679 A JP2003095679 A JP 2003095679A JP 2004163388 A JP2004163388 A JP 2004163388A
Authority
JP
Japan
Prior art keywords
gene
portfolio
expression
relationship
markers
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2003095679A
Other languages
English (en)
Other versions
JP2004163388A5 (ja
Inventor
Tim Jatkoe
ジャトコー ティム
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.)
Ortho Clinical Diagnostics Inc
Original Assignee
Ortho Clinical Diagnostics 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 Ortho Clinical Diagnostics Inc filed Critical Ortho Clinical Diagnostics Inc
Publication of JP2004163388A publication Critical patent/JP2004163388A/ja
Publication of JP2004163388A5 publication Critical patent/JP2004163388A5/ja
Pending legal-status Critical Current

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G16B25/20—Polymerase chain reaction [PCR]; Primer or probe design; Probe optimisation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biotechnology (AREA)
  • Biophysics (AREA)
  • Genetics & Genomics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Analytical Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Organic Chemistry (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Microbiology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Peptides Or Proteins (AREA)
  • Complex Calculations (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

【課題】疾病診断のために複数のマーカを使用するが、信頼できる結果を得る必要最小限のマーカをポートフォリオに分類し、診断適用のためのマーカの最適グループを選択する方法を提供する。
【解決手段】診断パラメーターを定義し、パラメーターが最適化されるようパラメーター間での関係を確立する。前記診断パラメーターは、１つの遺伝子の発現の相対的程度の基準、及び前記遺伝子の発現の程度の測定における基準の分散を包含し、そして前記診断と識別パラメーターとの間の関係が平均分散関係である。また、前記方法を実施するためにプログラムされた機械を含む。
【選択図】 なし

Description

【０００１】
背景：
本発明は、診断用マーカーのポートフォリオの選択に関する。
少数の単一遺伝子診断マーカー、例えばヘル−２−ネウ（ｈｅｒ−２−ｎｅｕ）が現在、使用されている。しかしながら、通常、疾病は、１つの特定の遺伝子についての分子診断剤によっては容易に診断されない。複数のマーカーがしばしば必要とされ、そして差遺伝子調節（ｄｉｆｆｅｒｅｎｔｉａｌ ｇｅｎｅ ｍｏｄｕｌａｔｉｏｎ）に基づくアッセイに包含され得るそのようなマーカーの数は、数百の遺伝子においてさえ、多数である。ほとんどの信頼できる結果がそのような結果を得るために必要な最少数のマーカーを用いて得られるよう、マーカーをポートフォリオに分類することが所望される。これは、複数段階、例えば核酸増幅段階を包含するアッセイにおいては、特に真実である。
【０００２】
発明の要約：
本発明は、診断パラメーターが定義され、前記パラメーター間の関係が、最適化されるよう確立され、そして前記関係が、診断適用のためのマーカーの最適グループを選択するために使用される、診断適用への使用するためのマーカーポートフォリオの選択方法である。
本発明のもう１つの観点においては、診断パラメーターは、１つの遺伝子の発現の相対的程度の基準、及び前記遺伝子の発現の程度の測定における基準の分散を包含し、そして前記診断パラメーターと識別パラメーターとの間の関係が平均分散関係である。
本発明を行うようプログラムされた機械、及びそれらの操作のための使用説明書を含んで成る製品が、本発明のさらなる観点である。
【０００３】
特定の記載：
本発明の方法は、適切な細胞の遺伝子発現パターンを決定するためのいずれかの方法、及び遺伝子発現を決定する、タンパク質に基づく方法と共に使用され得る。遺伝子発現プロフィールを確立するための好ましい方法は、タンパク質又はペプチドをコードすることができる遺伝子により生成されるＲＮＡの量を決定することを包含する。これは、逆転写酵素ＰＣＲ（ＲＴ−ＰＣＲ）、競争ＲＴ−ＰＣＲ、同時ＲＴ−ＰＣＲ、差表示ＲＴ−ＰＣＲ、ノザンブロット分析及び他の関連する試験により達成される。個々のＰＣＲ反応を用いて、それらの技法を行うことが可能であるが、ｍＲＮＡから生成されるコピーＤＮＡ（ｃＲＮＡ）を増幅し、そしてマイクロアレイを通してそれを分析することが最良である。
【０００４】
多くの異なったアレイ配置及びそれらの生成方法は、当業者に知られており、そして次のアメリカ特許（それらは、引用により本明細書に組み込まれる）に記載されている：アメリカ特許第５，４４５，９３４号；第５，５３２，１２８号；第５，５５６，７５２号；第５，２４２，９７４号；第５，３８４，２６１号；第５，４０５，７８３号；第５，４１２，０８７号；第５，４２４，１８６号；第５，４２９，８０７号；第５，４３６，３２７号；第５，４７２，６７２号；第５，５２７，６８１号；第５，５２９，７５６号；第５，５４５，５３１号；第５，５５４，５０１号；第５，５６１，０７１号；第５，５７１，６３９号；第５，５９３，８３９号；第５，５９９，６９５号；第５，６２４，７１１号；第５，６５８，７３４号及び第５，７００，６３７号。
【０００５】
マイクロアレイ技法は、数千の遺伝子の定常状態ｍＲＮＡレベルの同時測定を可能にし、それにより、制御されていない細胞増殖の開始、阻止又は調節のような効果を同定するための強力な手段を提供する。２種のマイクロアレイ技法が現在、広く使用されている。第１の技法はｃＤＮＡアレイであり、そして第２の技法はオリゴヌクレオチドアレイである。それらのチップの構成には、差異が存在するが、実質的にすべての下流のデータ分析及び出力は同じである。
【０００６】
それらの分析の結果は、典型的には、マイクロアレイに基づいて既知の位置での核酸配列に対してハイブリダイズする、サンプルからのｃＤＮＡ配列を検出するために使用されるラベルされたプローブから受動するシグナルの強度の測定である。典型的には、シグナルの強度は、サンプル細胞において発現されるｃＤＮＡ及び従って、ｍＲＮＡの量に比例する。多数のそのような技法は入手でき且つ有用である。遺伝子発現を決定するための好ましい方法は、アメリカ特許第６，２７１，００２号（Ｌｉｎｓｌｅｙなど．）； 第６，２１８，１２２号（Ｆｒｉｅｎｄなど．）；第６，２１８，１１４号（Ｐｅｃｋなど．）及び第６，００４，７５５号（Ｗａｎｄなど．）（それらの開示は引用により本明細書に組み込まれる）に見出され得る。
【０００７】
発現レベルの分析は、そのような強度の比較によって行われる。これは、試験サンプルにおける遺伝子の発現強度−対−対照サンプルにおけるそれらの強度の比率マトリックスを生成することによって最良に行われる。例えば、疾病組織からの遺伝子発現強度が、同じタイプの正常組織から生成される発現強度と比較され得る（例えば、疾病結腸組織サンプル−対−正常結腸組織サンプル）。それらの発現強度の比は、試験サンプルと対照サンプルとの間の遺伝子発現における倍率−変化を示す。
【０００８】
調節された遺伝子は、非正常細胞においてアップレギュレートされるか、又はダウンレギュレートされる場合、特異的に発現されるそれらの遺伝子である。アップレギュレーション及びダウンレギュレーションとは、検出できる差異（ノイズを測定するための使用されるシステムにおけるノイズの寄与を越えて）が、基線に対する遺伝子の発現の量として見出されることを意味する相対的用語である。この場合、基線は正常細胞の測定された遺伝子発現である。次に、非正常細胞における注目の遺伝子が、同じ測定方法を用いて、基線レベルに対してアップレギュレートされるか又はダウンレギュレートされる。
【０００９】
好ましくは、アップ及びダウンレギュレーションのレベルは、ハイブリダイズされるマイクロアレイプローブの強度側定値の倍率変化に基づいて区別される。例えば、１．５倍又はそれ以上の差異がそのような識別を行うために使用される場合、疾病細胞は、正常細胞よりも少なくとも１．５倍高いか又は１．５倍低い強度を生むことが見出される。
【００１０】
識別を行う他の方法が利用できる。例えば、統計学的試験は、種々のサンプルグループ間で最も有意に異なる遺伝子を見出すために使用され得る。スチューデントのｔ−試験は、２種のグループ間での有意な差異を見出すために使用され得る強い統計学的試験の例である。ｐ−値が低いほど、遺伝子が異なったグループ間での差異を示す証拠をより一層、強制する。それもかかわらず、マイクロアレイは１つよりも多くの遺伝子を同時に測定するので、１０，０００の統計学的試験が１度に行われ得る。このために、偶然、低いｐ−値を見出す傾向があり、そしてＳｉｄａｋ補正及びランダム化／過突然変異誘発実験を用いて、このための調製が行われ得る。
【００１１】
ｔ−試験による０．０５以下のｐ−値は、遺伝子が有意に異なる証拠である。より強制証拠は、Ｓｉｄａｋ補正が計算に入れられた後の０．０５以下のｐ−値である。個々のグループにおける多数のサンプルに関しては、ランダム化／過突然変異誘発試験の後の０．０５以下のｐ−値は、有意な差異の最も強制的証拠である。
【００１２】
グループにおける遺伝子組について得られる情報が臨床学的に適切な判断、例えば診断、予後又は処理選択を行うための正常な基礎を提供するよう遺伝子がグループ分けされ得る。それらの組の遺伝子が本発明のポートフォリオを構成する。ほとんどの診断マーカーに関しては、正しい医学的判断を行うために十分な最少のマーカーを用いることがしばしば、所望される。これは、さらなる分析を継続する処理の遅延、及び時間及び供給源の不適切な使用を妨げる。好ましい最適なポートフォリオは、判断が実際、正しい確立を最大にする条件を満たすと共に、そのような判断を行うための最少数のマーカーを使用するポートフォリオである。それらの条件は一般的に、感受性及び特異性必要条件を包含するであろう。
【００１３】
マイクロアレイに基づく検出方法においては、ポートフォリオの感受性は、正常状態に対する疾病又は異常状態における遺伝子の発現により示される倍率差異において影響され得る。遺伝子の差発現の検出は、それがもう１つの状態において遺伝子の発現に関して大きな倍率変化を示す場合、感受性である。感受性のもう１つの観点は、ノイズとシグナルとを区別する能力を示すが、１つのもの（例えば、マイクロアレイにおける強度測定値）により生成されるシグナルが所定の設定（例えば、臨床学的実験室）において、ノイズと容易に区別されるレベル以下である場合、その遺伝子は最適ポートフォリオから排除されるべきである。最適ポートフォリオを定義するそれらの条件を設定するための方法は、本発明の方法に組み込まれ得る。
【００１４】
特異性は、遺伝子発現のシグナル化と注目の条件との相互関係の統計学的測定値において影響され得る。１組の遺伝子の差発現は大きな倍率変化を生成することが観察されるが、しかしそれらが注目の状態以外の多くの状態（例えば、多発性疾病状態）に関してそうである場合、前記組の遺伝子についての遺伝子発現プロフィールは非特異的である。データの相関又はデータの精度の程度、例えば標準偏差、相関係数及び同様のものの統計学的測定値は、そのような測定値として使用され得る。
【００１５】
ポートフォリオにおける包含についての遺伝子グループを考慮する場合、発現測定値における小さな標準偏差は高い特異性と相関する。類似する発現パターンを示す遺伝子は、同じ方法に遺伝子を押し進める同一の因子により同時調節され得る。この因子はサンプルを分類するために十分で成るが、しかし必ずしも必要ではない場合、それらの遺伝子は、マーカーがこの単一因子にすべて関係しているかどうかについて、サンプルを正しく同定するのに失敗するであろう。次に、多様化が、できるだけ少数のマーカーの選択をもたらし、さらにデータ組に含まれる多くの異なった最適発現パターンとして担当する。
【００１６】
本発明の方法においては、遺伝子マーカーのグループが、診断適用への使用のために選択される。それらのマーカーグループが、“ポートフォリオ”である。診断適用は、対象の疾病状態の検出又は同定、対象が所定の疾病又は病状を縮小する傾向の決定、疾病を有する対象が治療に応答するであろう傾向の決定、疾病を有する対象の予後（又はその可能性ある進行又は後退）の決定、及び疾病を有する対象に対する処理の効果の決定を包含する。例えば、前記方法は、結腸癌を縮小する対象の存在又は傾向、又はそのような対象が細胞毒性薬剤に対して有利に応答するであろう傾向を検出するためのポートフォリオを確立するために使用され得る。
【００１７】
本発明の方法により選択されるポートフォリオは、正確且つ精密な結果を確かにし、そしてポートフォリオを含んで成る遺伝子の数により経済的に使用される多数型のマーカーを含む。本発明の方法は、いずれかの疾病、病状、又は複数遺伝子の発現に付随する状態についての最適な遺伝子発現ポートフォリオを確立するために使用され得る。本発明における最適ポートフォリオとは、次のパラメーター：正確度、精度、及びポートフォリオを含んで成る遺伝子の数のうち少なくとも２種のパラメーターの予定された標準に従って、対象の状態（分析が取られる状態に基づいて）の評価を提供する遺伝子発現プロフィールを言及する。
【００１８】
最も好ましくは、ポートフォリオに使用されるマーカーは、ｍＲＮＡ（“遺伝子”）を発現する核酸配列である。マーカーの発現は、通常、健康な対象において生じ、そして診断適用の目的である現象が存在する場合、より高く発現されるか又は高く発現され得る。他方では、発現は、診断適用の目的である現象が存在する場合を除いて、存在し得ない。
【００１９】
診断の判定を行うために比較され得るマーカー計算値、特徴、表示又は測定値が、前記方法に使用される診断パラメーターである。遺伝子発現レベルのインジケーターは、最も好ましい診断パラメーターである。そのようなインジケーターは、上記のようにして、マイクロアレイから読み取られる強度測定値を包含する。他の診断パラメーター、例えばマーカーのメチル化の相対的程度のインジケーターもまた可能である。
【００２０】
識別は、お互い関連する数学的／統計学的値の使用を通して、診断パラメーター間で行われる。好ましい識別は、遺伝子発現を示す平均シグナル読み取り、及びそのような読み取り変動の測定値である。最も好ましい識別は、異なったグループ読み取り（例えば、マイクロアレイ強度測定値）とシグナル比測定値の標準偏差との間のシグナル比の平均の使用により行われる。多数のそのような数学的／統計学的値が、それらの位置、例えば所定の％でのリターンにおいて使用され得る。
【００２１】
診断パラメーター識別間の関係が、診断適用のために有用なマーカーの選択を最適化するために使用される。しかしながら、帰納的アプローチがまた、入力データ選択又はデータ出力を補充するために適用され得るか又は使用され得る。最も好ましい関係は、平均分散関係、例えばＭｅａｎ−Ｖａｒｉａｎｃｅ Ａｎａｌｙｓｉｓ ｉｎ Ｐｏｒｔｆｏｌｉｏ Ｃｈｏｉｃｅ ａｎｄ Ｃａｐｉｔａｌ Ｍａｒｋｅｔｓ ｂｙ Ｈａｒｒｙ Ｍ． Ｍａｒｋｏｗｉｔｚ （Ｆｒａｎｋ Ｊ． Ｆａｂｏｚｚｉ Ａｓｓｏｃｉａｔｅｓ， Ｎｅｗ Ｈｏｐｅ， ＰＡ： ２０００， ＩＳＢＮ： １−８８３２４９−７５−９） （引用により本明細書に組み込まれる）に記載されるその関係である。前記関係は、財政投資ポートフォリオに関しての株式の選択において最良に理解される。これは、前記関係が進行し、そして解明された情況である。
【００２２】
株式のポートフォリオを最適化する投資家は、多数の可能な株式から選択し、個々は、リターンの歴史的比較及びリスク率を有する。平均分散方法は、所定のレベルの予測されるリターンについてのリスク（分散又は標準偏差により測定されるような）を最少にし、そして所定レベルのリスクについての予測されるリターンを最大にするすべての実施できるポートフォリオを同定するために、線状プログラミング又は二次プログラミングの決定的な線状アルゴリズムを使用する。標準偏差が予測されるリターンに対してプロットされる場合、効果的な境界が生成される。効果的境界にそっての株式の選択は、リターン及びリスクにおいて最適化された、多様化された株式ポートフォリオをもたらす。
【００２３】
平均分散関係が本発明の方法に使用される場合、診断パラメーター、例えばマイクロアレイシグナル強度及び標準偏差は、財政ポートフォリオの選択に使用されるリターン及びリスク率を置換する。最も好ましくは、平均分散関係が適用される場合、市販のコンピューターソフトウェアアプリケーション、例えば本明細書に通して“Ｗａｇｎｅｒ Ｓｏｆｔｗａｒｅ”として言及される、”Ｗａｇｎｅｒ Ａｓｓｏｃｉａｔｅｓ Ｍｅａｎ−Ｖａｒｉａｎｃｅ Ｏｐｔｉｍｉｚａｔｉｏｎ Ａｐｐｌｉｃａｔｉｏｎ”が使用される。
【００２４】
このソフトウェアは、Ｍａｒｋｏｗｉｔｚセンスで効果的境界及び最適ポートフォリオを決定するために、”Ｗａｇｎｅｒ Ａｓｓｏｃｉａｔｅｓ Ｍｅａｎ−Ｖａｒｉａｎｃｅ Ｏｐｔｉｍｉｚａｔｉｏｎ Ｌｉｂｒａｒｙ” からの関数を用いる。そのようなアプリケーションは財政上のアプリケーションのために製造されているので、入力データがソフトウェアにより必要とされる慣例に従えられるように、その入力データを予備的処理することが必要である。例えばＷａｇｎｅｒソフトウェアがマイクロアレイ強度測定値と共に使用される場合、次のデータ変換方法が使用される。
【００２５】
個々の遺伝子基線と実験値との間の関係が最初に確立されるべきである。好ましい方法は、次の通りに行われる。基線の種類が選択される。典型的には、これは、注目の条件を有さない集団からの遺伝子を含んで成るであろう。例えば、乳癌についての診断である遺伝子のポートフォリオを選択することに興味がある場合、乳癌を有さない患者からのサンプルが基線の種類を製造するために使用され得る。基線の種類が選択されると、算術平均及び標準偏差が基線の種類サンプルのための個々の遺伝子の遺伝子発現のインジケーターのために計算される。
【００２６】
次に、コンピューター処理された統計学的データが、個々の遺伝子についての（Ｘ＊標準偏差＋平均）の基線値を計算するために使用される。これは、すべての他のサンプルが比較される遺伝子についての基線読み取りである。Ｘはポートフォリオを処方する個人により選択される緊縮変数である。Ｘの値が高いほど、より緊縮性になる。好ましくは、Ｘは０．５〜３の範囲であり、２〜３がより好ましく、そして３が最も好ましい。
【００２７】
個々の実験サンプル（注目の状態を表示するそれら）−対−基線読み取りの間の比率が計算される。次に、その比率が、ソフトウェアによるデータ取り扱いの容易さのために底１０の対数値に変換される。これは、Ｗａｇｎｅｒソフトウェアを用いて、Ｍａｒｋｍａｎ平均−分散アルゴリズムに従って最適化のために必要な負の値へのダウンレギュレートされた遺伝子の表示を可能にする。
それらの変換された比率を含んで成る予備処理されたデータは、それが財政分析目的のために使用される場合、Ｗａｇｎｅｒソフトウェアに通常使用されるリターン値の代わりに入力として使用される。
【００２８】
効果的境界が処方されると、最適化されたポートフォリオが、前記境界上の点に対応する所定の入力レベル（リターン）又は分散のために選択される。それらの入力又は分散は、ポートフォリオを処方する個人により設定される予定された標準である。換言すれば、最適なポートフォリオを探究する個人は、許容できる入力レベル（感染性の表示）又は所定レベルの分散（特異性の表示）を決定し、そしてその入力レベル又は分散に対応する効果的な境界にそって存在する遺伝子を選択する。Ｗａｇｎｅｒソフトウェアは、入力レベル又は分散が選択される場合、そのような遺伝子選択することができる。それはまた、それが株式ポートフォリオにおける株に関してであるように、ポートフォリオにおける個々の遺伝子に重量を割り当てることができる。
【００２９】
サンプルが、ポートフォリオが診断である条件を有するかどうかの決定は、患者サンプルについてのポートフォリオにおける遺伝子の発現と、ポートフォリオを確立するために使用される、示差的に発現された遺伝子の計算された値とを比較することによって行われ得る。好ましくは、ポートフォリオ値が、ポートフォリオにおける個々の遺伝子の、強度値のポートフォリオ選択工程におけるその遺伝子に割り当てられる重量による積を要約することによって、最初に生成される。次に、境界値が、（Ｙ＊標準偏差＋基線グループについてのポートフォリオ値の平均）により計算され、ここでＹは上記Ｘと同じ意味を有する緊縮値である。次に、基線の種類の境界値よりも高いポートフォリオ値を有するサンプルが、その条件を有するものとして分類される。所望には、この工程は、信頼レベルを改良するための良く知られている統計学的方法に従って、反復して行われ得る。
【００３０】
任意には、最良の予測正確度が得られるまで、この工程を反復することができる。未知のもののポートフォリオ選択及び特徴づけの工程は次の通りである：
１．基線の種類を選択し：
２．基線の種類のサンプルンついての個々の遺伝子の平均及び標準偏差を計算し；
３．個々の遺伝子について（Ｘ＊標準偏差＋平均）を計算する。これは、すべての他のサンプルが比較される基線読み取りである。Ｘは緊縮変数であり、高いＸ値は、低いＸ値よりも緊縮性である。
４．個々の実験サンプル−対−段階３で計算された基線読み取り間の比率を計算し；
【００３１】
５．１以下の比率が負であるように比率を変換し（例えば、対数底１０を用いて）。（ダウンレギュレートされた遺伝子が現在、ＭＶ最適化のために必要な負の値を正確に有する）；
６．それらの変換された比率が、ソフトフェアアプリケーションに通常使用される有用なリターンの変わりに入力として使用され；
７．前記ソフトウェアは、効果的な境界をプロットし、そしてその効果的な境界にそってのいずれかの点での最適化されたポートフォリオを戻し；
８．前記効果的な境界上の所望するリターン又は分散を選択し；
９．ポートフォリオ選択アルゴリズムにより生成される重量による、個々の遺伝子の強度値の積を要約することにより、個々のサンプルについてのポートフォリオ値を計算し；
【００３２】
１０．（Ｙ×基線のポートフォリオ値の標準差）＋平均ポートフォリオ値により境界値を計算する。この境界値よりも大きな値は、実験種類として分類されるであろう；
１１．任意には、最良の予測正確度が得られるまで、この工程を反復することができる。第２プロフォリオが任意には、基線及び実験計算を逆にすることによって創造され得る。これは、元の基線の種類においてアップ−レギュレートされる遺伝子の新規ポートフォリオを創造する。この第２ポートフォリオ値は、複数のポートフォリオに基づいて新規分類値を創造するために、第１の値から控除され得る。
ポートフォリオを選択するための工程のための入力として使用され得るよう、遺伝子発現データからの遺伝子のもう１つの予備選択方法は、下記式：
【００３３】
【数１】
Figure 2004163388
【００３４】
により与えられる限界に基づかれており、ここでμｉは疾病又は病状を有することが知られているサブセットの平均であり、μｎは正常サンプルのサブセットの平均であり、そしてσｉ＋σｎは組合わされた標準偏差を表す。シグナル：ノイズ
カットオフはまた、１つの関係、例えば下記式：
【００３５】
【数２】
Figure 2004163388
【００３６】
に従って、データを予備選択することによって使用され得る。これは、それらの示差的変調に基づいて予備選択される遺伝子が臨床学的に有意な手段で識別されることを確実にする。それは、診断パラメーターを測定する仕事に適切な計測のノイズレベル以上である。それらの基準に従っての予備選択された個々のマーカーに関しては、縦列がサンプルを表し、横列がマーカーを表し、そして個々の要素が、下記関係：
【００３７】
【数３】
Figure 2004163388
【００３８】
（ここでＩは強度測定値である）に従ってのマーカーの発現についての標準化された強度測定値であるマトリックスが確立される。
財政ポートフォリオソフトウェアについての入力を創造するこの工程の使用は、最適ポートフォリオを定義するために追加の境界条件の設定をまた可能にする。例えば、ポートフォリオサイズは、固定された範囲又は多くのマーカーに制限され得る。これは、データ予備選択基準をより厳重にすることにより（例えば、下記式：
【００３９】
【数４】
Figure 2004163388
の代わりに、下記式：
【００４０】
【数５】
Figure 2004163388
【００４１】
を用いて）、又は特徴のプログラミング、例えばポートフォリオサイズの制限を用いることにより行われ得る。例えば、効果的境界が最適な１０の遺伝子のみから選択されるべき境界条件を定めることができる。また、効果的境界を決定するために予備選択されたすべての遺伝子を使用し、そして次に、選択された遺伝子の数を制限することができる（例えば、１０以下）。
【００４２】
ポートフォリオの選択方法はまた、帰納的規則の適用を包含することができる。好ましくは、そのような規則は、生物学、及び臨床学的結果を生成するために使用される技術の理解に基づいて生成される。より好ましくは、それらは、最適化された方法からの出力に適用される。例えば、ポートフォリオ選択の平均分散方法は、乳癌を有する対象において示差的に発現される多くの遺伝子についてのマイクロアレイデータに適用され得る。
【００４３】
前記方法からの出力は、末梢血液、及び疾病の乳房組織において発現されるいくつかの遺伝子を包含する最適化された遺伝子組である。試験方法に使用されるサンプルが末梢血液から得られ、そして乳癌の場合に示差的に発現される一定の遺伝子がまた、末梢血液において示差的に発現される場合、ポートフォリオが、末梢血液において示差的に発現されるそれらの遺伝子を除いて、効果的に境界から選択される帰納的規則が適用され得る。勿論、前記規則は、データ予備選択の間、前記規則を適用することにより、効果的境界の形式の前、適用され得る。
【００４４】
問題の生物学に必ずしも関連しない他の帰納的規則が適用され得る。例えば、ポートフォリオの所定の百分率のみが特定の遺伝子により表され得る規則を適用することができる。市販のソフトウェア、例えばＷａｇｎｅｒソフトウェアは、それらのタイプの帰納法を容易に適応する。これは、例えば、正確度及び精度以外の因子（例えば、予測される実施許諾料）が１又は複数の遺伝子の所望性に影響を及ぼす場合、有用であり得る。平均−分散関係を除く他の関係は、それらが予定された特性、例えばアッセイ正確度及び精度に従ってポートフォリオを最適化する場合、本発明の方法に使用され得る。
【００４５】
２種の例は、Ｍａｒｔｉｎ同時等式アプローチ（Ｅｌｔｏｎ， Ｅｄｗｉｎ Ｊ． ａｎｄ Ｍａｒｔｉｎ Ｊ． Ｇｒｕｂｅｒ （１９８７）， Ｍｏｄｅｒｎ Ｐｏｒｔｆｏｌｉｏ Ｔｈｅｏｒｙ Ｉｎｖｅｓｔｍｅｎｔ Ａｎａｌｙｓｉｓ， Ｔｈｉｒｄ Ｅｄｉｔｉｏｎ，Ｊｏｈｎ Ｗｉｌｅｙ， Ｎｅｗ Ｙｏｒｋ， １９８７）、及び遺伝的アルゴリズム（Ｄａｖｉｓ， Ｌ．， （１９８９）， Ａｄａｐｔｉｎｇ Ｏｐｅｒａｔｏｒ Ｐｒｏｂａｂｉｌｉｔｉｅｓ ｉｎ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍｓ， ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｔｈｉｒｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍｓ， Ｍｏｒｇａｎ Ｋａｕｆｉｎａｎｎ： Ｓａｎ Ｍａｔｃｏ， ｐｐ． ６１−６９）である。例えば、マーカー検出技法が既知の偏りを示す場合のゆがんだデータを取り扱うために、平均−分散関係を適合する多くの手段が存在する。それらは、対照シグナルからの平均平方（負の）偏差の平方根が対照シグナル以下になるそれらのシグナル値のみを包含する半−偏差方法を包含する。
【００４６】
本発明の製品は、疾病を処理し、診断し、予後し、そして他方では、評価するために有用なポートフォリオを製造する遺伝子発現プロフィールの表示を包含する。それらの表示は、機械、例えばコンピューター読み取り可能媒体（磁気、光学及び同様のもの）により自動的に読み取られ得る媒体に変換される。製品はまた、そのような媒体において遺伝子発現プロフィールを評価するための使用説明書を包含することができる。
【００４７】
例えば、製品は、上記遺伝子のポートフォリオの遺伝子発現プロフィールを比較するためのコンピューター使用説明書を有するＣＤ ＲＯＭを包含することができる。製品はまた、そこにおいてデジタル記録される遺伝子発現プロフィールを有することができ、その結果、それらは患者サンプルからの遺伝子発現データと比較され得る。他方では、前記プロフィールは異なった表示フォーマットで記録され得る。グラフの記録が１つのそのようなフォーマットである。
【００４８】
本発明の異なったタイプの製品は、遺伝子発現プロフィールを示すために使用され、媒体又はフォーマットされたアッセイである。それらは、例えば配列補体又はプローブが、注目の遺伝子を示す配列が結合し、それらの存在を読み取ることができる決定因子を創造するマトリックスに付加されるマイクロアレイを包含することができる。そのようなマイクロアレイが、時間を非常に節約する、最適化されたポートフォリオを含む場合、工程手段、及び供給源は、基質に適用され、サンプルと反応せしめされ、分析機により読み取られ、結果について処理され、そして（時々）確証されるべきであるｃＤＮＡ又はオリゴヌクレオチドの数を最少にすることによって達成される。
【００４９】
本発明の他の製品は、本発明の方法を通して確立されたポートフォリオにおける遺伝子の発現レベルを示す、ハイブリダイゼーション、増幅及びシグナル生成を行うための試薬キットに形成され得る。本発明に従って製造されるキットは、遺伝子発現プロフィールを決定するためのフォーマットされたアッセイを包含する。それらは、アッセイを行うために必要とされる材料、例えば試薬及び使用説明書のすべて又はいくつかを包含することができる。
【００５０】
実施例
例１：最適化されたポートフォリオの製造：
遺伝子発現データを最近、１１種の異なった型の癌の代表である組織サンプルから生成した。そのデータは、Ｃａｎｃｅｒ Ｒｅｓｅａｒｃｈ ６１： ７３８８−７３９３， ２００１、及びｈｔｔｐ：／／ｃａｒｒｉｅｒ．ｇｎｆ．ｏｒｇ／ｗｅｌｓｈ／ｅｉｃａｎ／において公開されている。Ａｎｄｒｅｗ Ｉ． Ｓｕなど．，“Ｍｏｌｅｃｕｌａｒ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ Ｈｕｍａｎ Ｃａｒｃｉｎｏｍａｓ ｂｙ Ｕｓｅ ｏｆ Ｇｅｎｅ Ｅｘｐｒｅｓｓｉｏｎ Ｓｉｇｎａｔｕｒｅ”を参照のこと。データは、“Ｕ９５”オリゴヌクレオチドマイクロアレイ（Ａｆｆｙｍｅｔｒｉｘ， Ｉｎｃ．から市販されている）の使用により得られた強度測定値を包含した。
【００５１】
公開されたデータからの遺伝子の発現の測定値（蛍光強度測定値）が、循環細胞が乳癌、前立腺、卵巣癌又は肺癌の存在を示すかどうかを決定するためのマーカーのパネルについての最適遺伝子発現ポートフォリオを選択するために使用された。そのような循環細胞は好ましくは、上皮細胞である。
研究におけるデータは、次のサンプル、例えば２４個の腺癌、１２個の浸潤性乳管腺癌、２１個の結腸直腸腺癌、２３個の卵巣癌、２５個の肺癌、及び次の追加のサンプル、すなわち１９個の前立腺癌、１２個の乳癌、１３個の結腸癌、１３個の卵巣癌、及び８９個の肺癌から収集された。
【００５２】
基線の種類としての正常サンプルの収集からの強度読み取りを用いて、算術平均、及び個々の遺伝子の標準偏差を計算し、続いて個々の遺伝子についての（Ｘ＊標準偏差＋平均）値を計算した。緊縮性変数Ｘを、この場合、３の値として割り当てた。次に、比率を、研究に記載される個々の実験サンプル−対−基腺値計算の間で計算した。その比率を、通常の対数に変換した。次に、それらの値を、Ｗａｇｎｅｒソフトウェアのための入力値として使用した。
【００５３】
この方法は、効果的境界を選択し、この境界にそって、個々の腫瘍型についての最少組のマーカーが選択レベルの差（最良のシグナル：ノイズ比率点で選択された）についての最少量の変動を有する。ソフトウェアによる最適化は、前立腺癌について２種の遺伝子、乳癌について５種の遺伝子、結腸癌についての６種の遺伝子、卵巣癌について２種の遺伝子及び肺癌マーカーについて９種の遺伝子を包含する２４種のポートフォリオの選択をもたらした（表１及び表２）。
【００５４】
【表１】
Figure 2004163388
【００５５】
【表２】
Figure 2004163388
【００５６】
例２：帰納的段階：
帰納的処理をさらに、例１で得られたポートフォリオに適用した。すなわち、前記規則は、同定された遺伝子／マーカーがたぶん、末梢血液において発現されるか、又は十分に特徴づけられた組織マーカー（例えば、ＰＳＡ、ママグロビン、等）である場合、そのような遺伝子／マーカーはポートフォリオから除去されることを言及する。前記規則の適用は、患者サンプルが末梢血液、例えば上皮細胞に見出される成分をアッセイすることによって得られるスクリーニング適用への使用のために最適化される遺伝子／マーカーのポートフォリオの確立を可能にした。選択されたポートフォリオの結果は、表３及び表４に示されるように、３１種の遺伝子を含む。
【００５７】
【表３】
Figure 2004163388
【００５８】
【表４】
Figure 2004163388
【００５９】
例３：予後ポートフォリオ：
既知の臨床学的結果を有する患者サンプル組を用いて、本発明のポートフォリオ選択方法を試験した。前記サンプル組は、ｖａｎ’ｔ Ｖｅｅｒ， Ｌ． Ｊ など．， Ｇｅｎｅ Ｅｘｐｒｅｓｓｉｏｎ Ｐｒｏｆｉｌｉｎｇ Ｐｒｅｄｉｃｔｓ Ｃｌｉｎｉｃａｌ Ｏｕｔｃｏｍｅ ｏｆ Ｂｒｅａｓｔ Ｃａｎｃｅｒ， Ｎａｔｕｒｅ， ４１５， ５３０−５３６ （２００２） （引用により本明細書に組み込まれる）に記載される。その研究においては、乳房組織サンプルを、散在性乳房腫瘍を示す７８人の患者から得た。患者はすべて、年齢５５以下であり、そして５ｃｍ以下の腫瘍を有した。すべては、リンパ節陰性であった。患者の３４人は、５年以下で遠隔転移を提供し、そして４４人は同じ期間で遠隔転移を示さなかった。
【００６０】
次に、研究からのデータを、本発明の方法に従って処理した。サンプル番号５４を、高い百分率の欠側値のために、さらなる分析から除去した。個々の遺伝子についての強度測定値の平均及び標準偏差を、基線として非転移性サンプルを用いて計算した。次に、Ｘ＊（標準偏差＋平均）の識別値を、個々の基線遺伝子について計算した（ここでＸは３の値を割り当てられた）。この値を用いて、得られるポートフォリオが緊縮であることを確証した。次に、識別値：基線値の比率を、個々の転移サンプルについて計算した。次に、この比率を通常のアルゴリズムに変換した。次に、このデータを、１６種の遺伝子のポートフォリオが選択される効果的境界を生成するＷａｇｎｅｒソフトウェア中に導入した。
【００６１】
次に、基線及び実験値を逆にし、そして非転移性患者においてアップ−レギュレートされた、１２種のマーカー提供遺伝子の第２ポートフォリオを生成した。第２ポートフォリオ値を、第１ポートフォリオ値から控除し、すべての２８種の遺伝子からの組合されたポートフォリオ値を創造した。この最終ポートフォリオは、配列番号７０−９７からの遺伝子から成る。このポートフォリオの１７種の遺伝子はまた、対照に記載される７０種の遺伝子ポートフォリオに存在した。ポートフォリオの遺伝子は下記に同定される。（配列番号７０， ７２， ７３−７７， ７９， ８０， ８５， ８７， ９１−９３， ９５及び９７。）
【００６２】
【表５】
Figure 2004163388
【００６３】
【表６】
Figure 2004163388
【００６４】
次に、２種のポートフォリオを用いて、対照に記載される分類正確度を試験するための方法に従ってマイクロアレイからの遺伝子発現有意性を比較することによって、７８種の元のサンプルの予後を決定した。７０種の遺伝子ポートフォリオの場合、サンプルの８１％が、不良の予後を示すものとして、不明瞭な有意性を包含するよう偏向された、最適化された限界に従って、適切に特徴づけられた（絶対限界については８５％）。このボートフォリオは、前記最適化された限界を用いて、良好な予後を有するものとして、不良な予後を有する３人の患者を誤って分類した（絶対限界については５人）。良好な予後を有する１２人の患者は、それらが前記最適化された限界を用いて不良な予後を有する場合、良好な予後を有するものとして誤って分類された（絶対限界については８人）。
【００６５】
２８種の遺伝子ポートフォリオの場合、サンプルの９４％が、不良の予後を示すものとして、不明瞭な有意性を包含するよう偏向された、最適化された限界に従って、適切に特徴づけられた（絶対限界については９３％）。このボートフォリオは、前記最適化された限界を用いて、良好な予後を有するものとして、不良な予後を有する３人の患者を誤って分類した（絶対限界については５人）。良好な予後を有する３人の患者は、それらが前記最適化された限界を用いて不良な予後を有する場合、良好な予後を有するものとして誤って分類された（絶対限界については２人）。
【００６６】
２種のプロフィールを比較すれば、本発明の方法に従って選択されたプロファイルはより経済的であり、そして比較ポートフォリオよりもより正確で且つ信頼できる結果を生成することが明らかである。
【００６７】
【配列表】
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388
Figure 2004163388

Claims (25)

  1. 診断適用への使用のためのマーカーのポートフォリオの選択方法であって、
    ａ）診断パラメーターを定義し、
    ｂ）マーカーの最適化されたポートフォリオを同定する診断パラメーター間での関係を確立し、そして
    ｃ）前記ポートフォリオを選択することを含んで成る方法。
  2. 前記マーカーが遺伝子を含んで成る請求項１記載の方法。
  3. 前記関係が、前記遺伝子の発現に基づく請求項２記載の方法。
  4. 前記関係が、前記遺伝子の発現の分散に基づく請求項２記載の方法。
  5. 前記診断パラメーターが、１つの遺伝子の発現の相対的程度の基準、及び前記遺伝子の発現の程度の測定における基準の分散を包含し；そして前記関係が平均分散関係である請求項４記載の方法。
  6. 帰納的規則の適用をさらに含んで成る請求項１記載の方法。
  7. 前記診断パラメーターが、感受性及び特異性を表す請求項１記載の方法。
  8. マーカーのポートフォリオを同定するためにプログラムされた一般的目的のコンピューターを含んで成る機械であって、診断パラメーター間の関係を用いて、前記マーカーを最適化する使用説明書を含んで成る機械。
  9. 前記マーカーが遺伝子を含んで成る請求項８記載の機械。
  10. 前記関係が、前記遺伝子の発現に基づく請求項９記載の機械。
  11. 前記関係が、前記遺伝子の発現の分散に基づく請求項９記載の機械。
  12. 前記使用説明書が、１つの遺伝子の発現の相対的程度の基準、及び前記遺伝子の発現の程度の測定における基準の分散を包含し；そして前記関係が平均分散関係である請求項９記載の機械。
  13. 帰納的規則を実施するための使用説明書をさらに含んで成る請求項８記載の機械。
  14. 前記診断パラメーターが、感受性及び特異性を表す請求項８記載の機械。
  15. 診断適用への使用のためのマーカーのポートフォリオを選択するための使用説明書を含んで成る製品であって、
    ａ）診断パラメーターをアルゴリズムに入力するための使用説明書、
    ｂ）前記アルゴリズムを操作するための使用説明書、ここで前記アルゴリズムが、マーカーの最適化されたポートフォリオが同定できるよう、診断パラメーターに関連し、及び
    ｃ）前記ポートフォリオを選択するための使用説明書を含んで成る製品。
  16. 前記マーカーが遺伝子を含んで成る請求項１５記載の製品。
  17. 前記関係が、前記遺伝子の発現に基づく請求項１６記載の製品。
  18. 前記関係が、前記遺伝子の発現の分散に基づく請求項１７記載の製品。
  19. 前記診断パラメーターが、１つの遺伝子の発現の相対的程度の基準、及び前記遺伝子の発現の程度の測定における基準の分散を包含し；そして前記関係が平均分散関係である請求項１７記載の製品。
  20. 帰納的規則の適用のための使用説明書をさらに含んで成る請求項１６記載の製品。
  21. 前記診断パラメーターが、感受性及び特異性を表す請求項１６記載の製品。
  22. 前記使用説明書が、機械読み取りできる請求項１６記載の製品。
  23. 前記使用説明書が、コンピューター読み取りできる請求項２２記載の製品。
  24. 請求項１記載の方法に従って選択される診断用ポートフォリオ。
  25. 遺伝子を含んで成る請求項２４記載のポートフォリオ。
JP2003095679A 2002-03-29 2003-03-31 マーカーの選択 Pending JP2004163388A (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US36879002P 2002-03-29 2002-03-29

Publications (2)

Publication Number Publication Date
JP2004163388A true JP2004163388A (ja) 2004-06-10
JP2004163388A5 JP2004163388A5 (ja) 2006-03-16

Family

ID=27805329

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2003095679A Pending JP2004163388A (ja) 2002-03-29 2003-03-31 マーカーの選択

Country Status (10)

Country Link
US (2) US20030194734A1 (ja)
EP (1) EP1349104A3 (ja)
JP (1) JP2004163388A (ja)
KR (1) KR20030078803A (ja)
CN (1) CN1495272A (ja)
AR (1) AR039212A1 (ja)
AU (1) AU2003203529A1 (ja)
BR (1) BR0303080A (ja)
CA (1) CA2422309A1 (ja)
MX (1) MXPA03002865A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008528024A (ja) * 2005-01-31 2008-07-31 ディジタルジェノミクスインコーポレーション 肺癌診断用マーカー遺伝子

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1361433A3 (en) * 2002-04-09 2005-02-23 Kabushiki Kaisha Hayashibara Seibutsu Kagaku Kenkyujo Method for estimating therapeutic efficacy of tumor necrosis factor (TNF)
US20040191782A1 (en) * 2003-03-31 2004-09-30 Yixin Wang Colorectal cancer prognostics
US20050186577A1 (en) 2004-02-20 2005-08-25 Yixin Wang Breast cancer prognostics
CA2575986A1 (en) * 2004-08-02 2006-02-09 Banyu Pharmaceutical Co., Ltd. Method of assuming drug sensitivity to cdk4 inhibitor
MX2007006441A (es) * 2004-11-30 2007-08-14 Johnson & Johnson Prognosis de cancer de pulmon.
KR100690250B1 (ko) * 2005-01-31 2007-03-12 디지탈 지노믹스(주) 폐암 진단용 마커
US20070037186A1 (en) 2005-05-20 2007-02-15 Yuqiu Jiang Thyroid fine needle aspiration molecular assay
IL177006A0 (en) 2005-08-02 2006-12-10 Veridex Llc Predicting bone relapse of breast cancer
US20070130694A1 (en) * 2005-12-12 2007-06-14 Michaels Emily W Textile surface modification composition
US20070207467A1 (en) 2006-03-01 2007-09-06 Ming Xu Detection of lymph node metastasis from gastric carcinoma
US20080058432A1 (en) * 2006-03-03 2008-03-06 Yixin Wang Molecular assay to predict recurrence of Duke's B colon cancer
US8338109B2 (en) 2006-11-02 2012-12-25 Mayo Foundation For Medical Education And Research Predicting cancer outcome
EP1939805A1 (en) * 2006-12-22 2008-07-02 X-Shares Advisors LLC Portfolio selection for custom indices of public securities based on state of domicile of issuing company
DK2114990T5 (da) 2007-02-27 2012-05-07 Nuclea Biomarkers Llc Fremgangsmåde til forudsigelse af NSCLC-patienters respons på behandling med en EGFR-TK-inhibitor
JP2011509689A (ja) * 2008-01-22 2011-03-31 ベリデックス・エルエルシー Ｉｉ及びｉｉｉ期結腸癌の分子病期分類並びに予後診断
US20110059464A1 (en) 2008-04-08 2011-03-10 Muraca Patrick J Biomarker Panel For Prediction Of Recurrent Colorectal Cancer
EP2806054A1 (en) 2008-05-28 2014-11-26 Genomedx Biosciences Inc. Systems and methods for expression-based discrimination of distinct clinical disease states in prostate cancer
US10407731B2 (en) 2008-05-30 2019-09-10 Mayo Foundation For Medical Education And Research Biomarker panels for predicting prostate cancer outcomes
CN102301002A (zh) 2008-11-12 2011-12-28 卡里斯生命科学卢森堡控股有限责任公司 使用外来体来确定表现型的方法和系统
US9495515B1 (en) 2009-12-09 2016-11-15 Veracyte, Inc. Algorithms for disease diagnostics
US10236078B2 (en) 2008-11-17 2019-03-19 Veracyte, Inc. Methods for processing or analyzing a sample of thyroid tissue
US9074258B2 (en) 2009-03-04 2015-07-07 Genomedx Biosciences Inc. Compositions and methods for classifying thyroid nodule disease
CA2753916C (en) 2009-04-29 2020-08-25 Genomedx Biosciences Inc. Systems and methods for expression-based classification of thyroid tissue
EP2427575B1 (en) 2009-05-07 2018-01-24 Veracyte, Inc. Methods for diagnosis of thyroid conditions
US10446272B2 (en) 2009-12-09 2019-10-15 Veracyte, Inc. Methods and compositions for classification of samples
JP5808349B2 (ja) 2010-03-01 2015-11-10 カリス ライフ サイエンシズ スウィッツァーランド ホールディングスゲーエムベーハー セラノーシスのためのバイオマーカー
US9469876B2 (en) 2010-04-06 2016-10-18 Caris Life Sciences Switzerland Holdings Gmbh Circulating biomarkers for metastatic prostate cancer
US10513737B2 (en) 2011-12-13 2019-12-24 Decipher Biosciences, Inc. Cancer diagnostics using non-coding transcripts
CA2881627A1 (en) 2012-08-16 2014-02-20 Genomedx Biosciences Inc. Cancer diagnostics using biomarkers
US11976329B2 (en) 2013-03-15 2024-05-07 Veracyte, Inc. Methods and systems for detecting usual interstitial pneumonia
EP3215170A4 (en) 2014-11-05 2018-04-25 Veracyte, Inc. Systems and methods of diagnosing idiopathic pulmonary fibrosis on transbronchial biopsies using machine learning and high dimensional transcriptional data
EP3504348B1 (en) 2016-08-24 2022-12-14 Decipher Biosciences, Inc. Use of genomic signatures to predict responsiveness of patients with prostate cancer to post-operative radiation therapy
US11208697B2 (en) 2017-01-20 2021-12-28 Decipher Biosciences, Inc. Molecular subtyping, prognosis, and treatment of bladder cancer
WO2018165600A1 (en) 2017-03-09 2018-09-13 Genomedx Biosciences, Inc. Subtyping prostate cancer to predict response to hormone therapy
US11078542B2 (en) 2017-05-12 2021-08-03 Decipher Biosciences, Inc. Genetic signatures to predict prostate cancer metastasis and identify tumor aggressiveness
US11217329B1 (en) 2017-06-23 2022-01-04 Veracyte, Inc. Methods and systems for determining biological sample integrity

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2005927A1 (en) * 1988-12-21 1990-06-21 Chander Bahl Method of preparing nucleotide probes using a bridging complement
US6350576B1 (en) * 1994-12-20 2002-02-26 Cold Spring Harbor Laboratory Cancer detection probes
US5972614A (en) * 1995-12-06 1999-10-26 Genaissance Pharmaceuticals Genome anthologies for harvesting gene variants
US6275814B1 (en) * 1996-11-27 2001-08-14 Investment Strategies Network Investment portfolio selection system and method
US6003018A (en) * 1998-03-27 1999-12-14 Michaud Partners Llp Portfolio optimization by means of resampled efficient frontiers
US6882990B1 (en) * 1999-05-01 2005-04-19 Biowulf Technologies, Llc Methods of identifying biological patterns using multiple data sets
US6401043B1 (en) * 1999-04-26 2002-06-04 Variagenics, Inc. Variance scanning method for identifying gene sequence variances
US6175824B1 (en) * 1999-07-14 2001-01-16 Chi Research, Inc. Method and apparatus for choosing a stock portfolio, based on patent indicators
KR20020092891A (ko) * 1999-07-15 2002-12-12 리서치 디벨럽먼트 파운데이션 코르티코트로핀 분비 인자 수용체 2 결핍 마우스 및 이의용도

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008528024A (ja) * 2005-01-31 2008-07-31 ディジタルジェノミクスインコーポレーション 肺癌診断用マーカー遺伝子
US7871774B2 (en) 2005-01-31 2011-01-18 Digital Genomics Inc. Markers for the diagnosis of lung cancer

Also Published As

Publication number Publication date
AR039212A1 (es) 2005-02-09
CA2422309A1 (en) 2003-09-29
KR20030078803A (ko) 2003-10-08
CN1495272A (zh) 2004-05-12
US20100009371A1 (en) 2010-01-14
EP1349104A2 (en) 2003-10-01
AU2003203529A1 (en) 2003-10-23
MXPA03002865A (es) 2004-08-11
US20030194734A1 (en) 2003-10-16
BR0303080A (pt) 2004-02-17
EP1349104A3 (en) 2004-01-02

Similar Documents

Publication Publication Date Title
JP4409845B2 (ja) 癌診断パネル
JP2004163388A (ja) マーカーの選択
AU2013266419B2 (en) NANO46 genes and methods to predict breast cancer outcome
JP5089993B2 (ja) 乳癌の予後診断
JP4913331B2 (ja) 結腸直腸癌の予後
US8183353B2 (en) Breast cancer prognostics
JP2007049991A (ja) 乳癌の骨への再発の予測
EP1888785A2 (en) Thyroid fine needle aspiration molecular assay
JP2004537261A (ja) 候補遺伝子のアレイを用いた原発性乳がんの遺伝子発現プロファイリング
EP2304631A1 (en) Algorithms for outcome prediction in patients with node-positive chemotherapy-treated breast cancer
JP2009153521A (ja) 結腸直腸癌の評価
JP2009153522A (ja) 結腸直腸癌の評価
JP2011509689A (ja) Ｉｉ及びｉｉｉ期結腸癌の分子病期分類並びに予後診断
CA2912445A1 (en) Methods to predict risk of recurrence in node-positive early breast cancer
EP1367138B1 (en) Markers for breast cancer prognosis
US20050186577A1 (en) Breast cancer prognostics
KR20160086145A (ko) 유방암의 예후 예측용 유전자 선별방법
US20170183738A1 (en) Process, Apparatus or System and Kit for Classification of Tumor Samples of Unknown and/or Uncertain Origin and Use of Genes of the Group of Biomarkers
WO2005030959A1 (ja) 神経芽細胞腫予後診断のためのマイクロアレイと神経芽細胞腫予後診断方法
CN115472294B (zh) 预测小细胞转化肺腺癌患者转化速度的模型及其构建方法
EP1679382A2 (en) Panel of nucleic acid sequences for cancer diagnosis
Calistri Clinical Applications

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20060123

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20060123

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20070510

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20070522

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20071120