JP2011223957A - 乳癌の予後の検査方法 - Google Patents
乳癌の予後の検査方法 Download PDFInfo
- Publication number
- JP2011223957A JP2011223957A JP2010098935A JP2010098935A JP2011223957A JP 2011223957 A JP2011223957 A JP 2011223957A JP 2010098935 A JP2010098935 A JP 2010098935A JP 2010098935 A JP2010098935 A JP 2010098935A JP 2011223957 A JP2011223957 A JP 2011223957A
- Authority
- JP
- Japan
- Prior art keywords
- prognosis
- expression level
- breast cancer
- gene
- nucleic acid
- 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.)
- Granted
Links
- 206010006187 Breast cancer Diseases 0.000 title claims abstract description 99
- 208000026310 Breast neoplasm Diseases 0.000 title claims abstract description 97
- 238000004393 prognosis Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000014509 gene expression Effects 0.000 claims abstract description 100
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 92
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 102000039446 nucleic acids Human genes 0.000 claims description 63
- 108020004707 nucleic acids Proteins 0.000 claims description 63
- 150000007523 nucleic acids Chemical class 0.000 claims description 63
- 238000002493 microarray Methods 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 15
- 238000007417 hierarchical cluster analysis Methods 0.000 claims description 9
- 238000013077 scoring method Methods 0.000 claims description 5
- 239000000523 sample Substances 0.000 description 77
- 102000015694 estrogen receptors Human genes 0.000 description 21
- 108010038795 estrogen receptors Proteins 0.000 description 21
- 238000010998 test method Methods 0.000 description 21
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 18
- 238000002474 experimental method Methods 0.000 description 18
- 206010028980 Neoplasm Diseases 0.000 description 15
- 238000010837 poor prognosis Methods 0.000 description 13
- 210000004027 cell Anatomy 0.000 description 11
- 238000001356 surgical procedure Methods 0.000 description 9
- 208000007433 Lymphatic Metastasis Diseases 0.000 description 8
- 101001012157 Homo sapiens Receptor tyrosine-protein kinase erbB-2 Proteins 0.000 description 7
- 102100030086 Receptor tyrosine-protein kinase erbB-2 Human genes 0.000 description 7
- 230000002068 genetic effect Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000001794 hormone therapy Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 6
- 239000003550 marker Substances 0.000 description 6
- 230000004083 survival effect Effects 0.000 description 6
- 206010027476 Metastases Diseases 0.000 description 5
- 239000002299 complementary DNA Substances 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 4
- 230000003321 amplification Effects 0.000 description 4
- 238000012744 immunostaining Methods 0.000 description 4
- 108020004999 messenger RNA Proteins 0.000 description 4
- 238000003199 nucleic acid amplification method Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 description 3
- 239000000328 estrogen antagonist Substances 0.000 description 3
- 210000002751 lymph Anatomy 0.000 description 3
- 230000011278 mitosis Effects 0.000 description 3
- 230000001575 pathological effect Effects 0.000 description 3
- 238000000746 purification Methods 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 108091060211 Expressed sequence tag Proteins 0.000 description 2
- NKANXQFJJICGDU-QPLCGJKRSA-N Tamoxifen Chemical compound C=1C=CC=CC=1C(/CC)=C(C=1C=CC(OCCN(C)C)=CC=1)/C1=CC=CC=C1 NKANXQFJJICGDU-QPLCGJKRSA-N 0.000 description 2
- 238000011226 adjuvant chemotherapy Methods 0.000 description 2
- 229960002685 biotin Drugs 0.000 description 2
- 235000020958 biotin Nutrition 0.000 description 2
- 239000011616 biotin Substances 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229940011871 estrogen Drugs 0.000 description 2
- 239000000262 estrogen Substances 0.000 description 2
- 238000010195 expression analysis Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000001325 log-rank test Methods 0.000 description 2
- 230000009245 menopause Effects 0.000 description 2
- 239000002773 nucleotide Substances 0.000 description 2
- 125000003729 nucleotide group Chemical group 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013518 transcription Methods 0.000 description 2
- 230000035897 transcription Effects 0.000 description 2
- 108700040618 BRCA1 Genes Proteins 0.000 description 1
- 101150072950 BRCA1 gene Proteins 0.000 description 1
- 101000812677 Homo sapiens Nucleotide pyrophosphatase Proteins 0.000 description 1
- 101150033052 MAS5 gene Proteins 0.000 description 1
- 102000048850 Neoplasm Genes Human genes 0.000 description 1
- 108700019961 Neoplasm Genes Proteins 0.000 description 1
- 101100353526 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) pca-2 gene Proteins 0.000 description 1
- 102100039306 Nucleotide pyrophosphatase Human genes 0.000 description 1
- 238000010802 RNA extraction kit Methods 0.000 description 1
- 101100344462 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) YDJ1 gene Proteins 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 230000032823 cell division Effects 0.000 description 1
- 230000004663 cell proliferation Effects 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000007850 fluorescent dye Substances 0.000 description 1
- 238000001215 fluorescent labelling Methods 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 208000030776 invasive breast carcinoma Diseases 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 238000009607 mammography Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000003753 real-time PCR Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000003757 reverse transcription PCR Methods 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229960001603 tamoxifen Drugs 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 210000000779 thoracic wall Anatomy 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
- C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
-
- 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
-
- 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
- G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
-
- 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
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/118—Prognosis of disease development
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/158—Expression markers
-
- G—PHYSICS
- 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
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Genetics & Genomics (AREA)
- Biotechnology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Organic Chemistry (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Pathology (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Data Mining & Analysis (AREA)
- Biochemistry (AREA)
- Hospice & Palliative Care (AREA)
- Oncology (AREA)
- General Engineering & Computer Science (AREA)
- Microbiology (AREA)
- Bioethics (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
【課題】予後を適切に予測することができる乳癌の予後の検査方法を提供する。
【解決手段】乳癌の予後の検査方法において、（Ａ）被験者から採取された検体からＲＮＡを抽出する工程、（Ｂ）抽出されたＲＮＡを用いて測定用試料を調製する工程、（Ｃ）得られた測定用試料を用いて、特定の遺伝子群の各遺伝子の発現量を測定する工程、（Ｄ）測定された前記各遺伝子の発現量を解析する工程、および（Ｅ）得られた解析結果に基づいて、乳癌の予後を検査する工程を行なう。
【選択図】図２
【解決手段】乳癌の予後の検査方法において、（Ａ）被験者から採取された検体からＲＮＡを抽出する工程、（Ｂ）抽出されたＲＮＡを用いて測定用試料を調製する工程、（Ｃ）得られた測定用試料を用いて、特定の遺伝子群の各遺伝子の発現量を測定する工程、（Ｄ）測定された前記各遺伝子の発現量を解析する工程、および（Ｅ）得られた解析結果に基づいて、乳癌の予後を検査する工程を行なう。
【選択図】図２
Description
本発明は、乳癌の予後の検査方法に関する。
原発性乳癌の症例のうち約２／３の症例では、乳癌細胞にエストロゲン受容体（ＥＲ）が存在している（「ＥＲ陽性」という）。ＥＲ陽性の乳癌細胞では、ＥＲへのエストロゲンの結合が、細胞増殖の一因となっている。
したがって、リンパ節転移陰性・ＥＲ陽性の乳癌患者に対する治療においては、ＥＲを標的とするホルモン療法は、重要な役割を果たしている。
したがって、リンパ節転移陰性・ＥＲ陽性の乳癌患者に対する治療においては、ＥＲを標的とするホルモン療法は、重要な役割を果たしている。
前記リンパ節転移陰性・ＥＲ陽性の乳癌患者に対するホルモン療法では、例えば、当該患者に対して、タモキシフェンなどの抗エストロゲン剤を投与し、乳癌細胞のＥＲへのエストロゲンの結合をブロックして乳癌細胞の増殖を抑制することによって、乳癌の転移や再発の抑制が図られている。かかるホルモン療法を前記患者に施した場合、当該患者のうちのほとんどが、比較的良好な予後を示す。
しかしながら、前記患者の約２０％において、乳癌が再発することがある。
しかしながら、前記患者の約２０％において、乳癌が再発することがある。
そのため、前記リンパ節転移陰性・ＥＲ陽性乳癌患者は、ほとんどの場合、化学療法が不要であると考えられるにもかかわらず、乳癌の再発率を減らすために、前記リンパ節転移陰性・ＥＲ陽性乳癌患者のほとんどに対して、ホルモン療法だけでなく、アジュバント化学療法が施されているのが現状である。
したがって、高い再発リスクがある患者に対してのみアジュバント化学療法を施すために、前記リンパ節転移陰性・ＥＲ陽性乳癌患者の予後を予測することが重要であると考えられている。
したがって、高い再発リスクがある患者に対してのみアジュバント化学療法を施すために、前記リンパ節転移陰性・ＥＲ陽性乳癌患者の予後を予測することが重要であると考えられている。
近年、網羅的遺伝子発現プロファイルの解析に基づき、乳癌患者における乳癌の予後を予測することが試みられている（例えば、特許文献１、２、非特許文献１などを参照）。
前記特許文献１には、１１７人の乳癌患者の腫瘍サンプルを用いて同定された遺伝子マーカーを用い、乳癌患者の細胞サンプルにおける前記遺伝子マーカーの発現と対照における当該遺伝子マーカーの発現とを比較した差により、乳癌患者を「初期診断から５年以内に遠位転移なし」の患者または「初期診断から５年以内に遠位転移あり」の患者に分類する方法が記載されている。また、前記特許文献１には、前記遺伝子マーカーとして、ＥＲの有無を識別することができる遺伝子マーカー、ＢＲＣＡ１遺伝子の変異を有する腫瘍と散発性腫瘍とを識別することができる遺伝子マーカーおよび「初期診断から５年以内に遠位転移なし」の患者と「初期診断から５年以内に遠位転移あり」の患者とを識別することができる遺伝子マーカーを用いることが記載されている。
また、前記特許文献２には、２８６人のリンパ節転移陰性の乳癌患者の腫瘍サンプルを用いて同定された予後診断の指標となる７６個の遺伝子を用い、乳癌患者の生体サンプルにおける前記遺伝子の発現プロファイルを得、当該発現レベルを所定のカットオフレベルと対比することで予後診断をする方法が記載されている。
さらに、前記非特許文献１には、１８９例の侵襲性乳癌患者と３つの公知の乳癌の遺伝子発現データセットとを用いて同定された９７個の遺伝子に基づくＧｅｎｏｍｉｃ Ｇｒａｄｅ Ｉｎｄｅｘ（ＧＧＩ）を用い、組織学的悪性度２として従来分類されていた乳癌の症例を、さらに、再発高リスク群と再発低リスク群とに分け、予後を予測する方法が記載されている。
クリストス・ソテリウ（Ｓｏｔｉｒｉｏｕ Ｃｈｒｉｓｔｏｓ）ら、「乳癌における遺伝子発現プロファイル：予後を改善するための組織学的悪性度の理解（Ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎ ｐｒｏｆｉｌｉｎｇ ｉｎ ｂｒｅａｓｔ ｃａｎｃｅｒ： ｕｎｄｅｒｓｔａｎｄｉｎｇ ｔｈｅ ｍｏｌｅｃｕｌａｒ ｂａｓｉｓ ｏｆ ｈｉｓｔｏｌｏｇｉｃ ｇｒａｄｅ ｔｏ ｉｍｐｒｏｖｅ ｐｒｏｇｎｏｓｉｓ．）」、ジャーナル・オブ・ザ・ナショナル・キャンサー・インスティチュート（Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｎａｔｉｏｎａｌ Ｃａｎｃｅｒ Ｉｎｓｔｉｔｕｔｅ）、２００６年２月１５日発行、第９８巻、第４号、ｐ．２６２−２７２
しかしながら、これらの方法は、調べられた施設間の差や人種間の差などの影響を受け、必ずしも適切に予後を予測することができるとは限らないのが現状である。
本発明は、前記従来技術に鑑みてなされたものであり、予後を適切に予測することができる乳癌における予後の検査方法を提供することを目的とする。
すなわち、本発明は、
〔１〕（Ａ）乳癌に罹患した被験者から採取された検体からＲＮＡを抽出する工程、
（Ｂ）前記工程（Ａ）で抽出されたＲＮＡを用いて測定用試料を調製する工程、
（Ｃ）前記工程（Ｂ）で得られた測定用試料を用いて、表１−１および表１−２に記載の遺伝子群の各遺伝子の発現量を測定する工程、
（Ｄ）前記工程（Ｃ）で測定された前記発現量を解析する工程、および
（Ｅ）前記工程（Ｄ）で得られた解析結果に基づいて、乳癌の予後を検査する工程
を含む、乳癌の予後の検査方法、
〔２〕前記工程（Ｄ）において、前記発現量を、クラス分け手法を用いて解析する、前記〔１〕に記載の乳癌の予後の検査方法、
〔３〕前記クラス分け手法が、Ｂｅｔｗｅｅｎ−ｇｒｏｕｐ ａｎａｌｙｓｉｓである、前記〔２〕に記載の乳癌の予後の検査方法、
〔４〕前記工程（Ｄ）において、前記発現量と、下記式（１）：
〔１〕（Ａ）乳癌に罹患した被験者から採取された検体からＲＮＡを抽出する工程、
（Ｂ）前記工程（Ａ）で抽出されたＲＮＡを用いて測定用試料を調製する工程、
（Ｃ）前記工程（Ｂ）で得られた測定用試料を用いて、表１−１および表１−２に記載の遺伝子群の各遺伝子の発現量を測定する工程、
（Ｄ）前記工程（Ｃ）で測定された前記発現量を解析する工程、および
（Ｅ）前記工程（Ｄ）で得られた解析結果に基づいて、乳癌の予後を検査する工程
を含む、乳癌の予後の検査方法、
〔２〕前記工程（Ｄ）において、前記発現量を、クラス分け手法を用いて解析する、前記〔１〕に記載の乳癌の予後の検査方法、
〔３〕前記クラス分け手法が、Ｂｅｔｗｅｅｎ−ｇｒｏｕｐ ａｎａｌｙｓｉｓである、前記〔２〕に記載の乳癌の予後の検査方法、
〔４〕前記工程（Ｄ）において、前記発現量と、下記式（１）：
｛式（１）中、ｉは表１−１および表１−２に記載の核酸に付与された遺伝子番号を示し、ｗiは表１−１および表１−２に記載された遺伝子番号ｉの核酸に対応する重み係数を示し、Ｘiは下記式（２）：
〔式（２）中、ｊは各検体に付与された検体番号を示し、ｙijは遺伝子番号ｉの核酸に対応する遺伝子の検体番号ｊの検体での標準化された発現量を示し、ｍｉｎは括弧内の値の最小値を示し、ｒｏｕｎｄは括弧内の値の小数点以下第一位を四捨五入した値を示し、ａｂｓは括弧内の値の絶対値を示し、ｙiは、下記式（３）：
（式（３）中、ｘiは遺伝子番号ｉの核酸に対応する遺伝子の発現量を示し、ｕiは遺伝子番号ｉの核酸に対応する遺伝子の発現量の検体に渡る平均値を示す。）
に示される遺伝子番号iの核酸に対応する遺伝子の標準化された発現量を示す。〕
により標準化され正規化された発現量を示し、Σiは各核酸に渡る総和を示す。｝
で表される判別式とを用いて前記判別式の解Ｄを算出し、
前記工程（Ｅ）において、前記判別式の解Ｄが正の値であるとき、予後が不良であると予測され、解Ｄがゼロまたは負の値のとき、予後が良好であると予測される、前記〔１〕に記載の乳癌の予後の検査方法、
〔５〕前記工程（Ｄ）において、前記発現量を、階層的クラスター分析により解析する、前記〔１〕に記載の乳癌の予後の検査方法、
〔６〕前記工程（Ｄ）において、前記発現量を、スコア化手法により解析する、前記〔１〕に記載の乳癌の予後の検査方法、ならびに
〔７〕前記工程（Ｃ）において、前記発現量を、表１−１および表１−２に記載の核酸を少なくとも有するマイクロアレイを用いて測定する前記〔１〕〜〔６〕のいずれかに記載の乳癌の予後の検査方法
に関する。
に示される遺伝子番号iの核酸に対応する遺伝子の標準化された発現量を示す。〕
により標準化され正規化された発現量を示し、Σiは各核酸に渡る総和を示す。｝
で表される判別式とを用いて前記判別式の解Ｄを算出し、
前記工程（Ｅ）において、前記判別式の解Ｄが正の値であるとき、予後が不良であると予測され、解Ｄがゼロまたは負の値のとき、予後が良好であると予測される、前記〔１〕に記載の乳癌の予後の検査方法、
〔５〕前記工程（Ｄ）において、前記発現量を、階層的クラスター分析により解析する、前記〔１〕に記載の乳癌の予後の検査方法、
〔６〕前記工程（Ｄ）において、前記発現量を、スコア化手法により解析する、前記〔１〕に記載の乳癌の予後の検査方法、ならびに
〔７〕前記工程（Ｃ）において、前記発現量を、表１−１および表１−２に記載の核酸を少なくとも有するマイクロアレイを用いて測定する前記〔１〕〜〔６〕のいずれかに記載の乳癌の予後の検査方法
に関する。
本発明の乳癌の予後の検査方法によれば、予後を適切に予測することができるという優れた効果を奏する。
本発明の乳癌の予後の検査方法は、
（Ａ）被験者から採取された検体からＲＮＡを抽出する工程、
（Ｂ）前記工程（Ａ）で抽出されたＲＮＡを用いて測定用試料を調製する工程、
（Ｃ）前記工程（Ｂ）で得られた測定用試料を用いて、表１−１および表１−２に記載の遺伝子群の各遺伝子の発現量を測定する工程、
（Ｄ）前記工程（Ｃ）で測定された前記発現量を解析する工程、および
（Ｅ）前記工程（Ｄ）で得られた解析結果に基づいて、乳癌の予後を検査する工程
を含むことを特徴としている。
（Ａ）被験者から採取された検体からＲＮＡを抽出する工程、
（Ｂ）前記工程（Ａ）で抽出されたＲＮＡを用いて測定用試料を調製する工程、
（Ｃ）前記工程（Ｂ）で得られた測定用試料を用いて、表１−１および表１−２に記載の遺伝子群の各遺伝子の発現量を測定する工程、
（Ｄ）前記工程（Ｃ）で測定された前記発現量を解析する工程、および
（Ｅ）前記工程（Ｄ）で得られた解析結果に基づいて、乳癌の予後を検査する工程
を含むことを特徴としている。
本明細書において、「プローブセット．ＩＤ」は、アフィメトリクス（Ａｆｆｙｍｅｔｒｉｘ）社製のマイクロアレイ〔商品名：ＧｅｎｅＣｈｉｐ（登録商標） Ｓｙｓｔｅｍ〕において、基材上に固定されたプローブの１１〜２０個をまとめたプローブセットそれぞれにつけられているＩＤ番号を示す。前記プローブセット．ＩＤで示された核酸（プローブセット）の塩基配列は、ウェブページｈｔｔｐｓ：／／ｗｗｗ．ａｆｆｙｍｅｔｒｉｘ．ｃｏｍ／ａｎａｌｙｓｉｓ／ｎｅｔａｆｆｘ／ｉｎｄｅｘ．ａｆｆｘにより容易に入手することができる（２００９年６月３０日更新のデータベース）。「ＵｎｉＧｅｎｅ．ＩＤ」は、ＮＣＢＩが公開しているデータベースであるＵｎｉＧｅｎｅのＩＤ番号を示す。ＧｅｎＢａｎｋアクセッション番号は、前記アフィメトリクス（Ａｆｆｙｍｅｔｒｉｘ）社製のマイクロアレイ〔商品名：ＧｅｎｅＣｈｉｐ（登録商標） Ｓｙｓｔｅｍ〕において、基材上に固定されたプローブそれぞれの配列の設計に用いられた公開データベースＧｅｎＢａｎｋのアクセッション番号を示す。
なお、本明細書において、「表１−１および表１−２に記載の遺伝子群の各遺伝子の発現量」の用語は、表１−１および表１−２に記載のプローブセット．ＩＤに対応する表１−１および表１−２に記載のＧｅｎＢａｎｋアクセッション番号で示される核酸を保持する遺伝子の発現量を意味する。ＧｅｎＢａｎｋは、米国生物工学情報センター（Ｎａｔｉｏｎａｌ Ｃｅｎｔｅｒ ｆｏｒ Ｂｉｏｔｅｃｈｎｏｌｏｇｙ Ｉｎｆｏｒｍａｔｉｏｎ）により提供されているデータベースであり、ウェブページｈｔｔｐ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｓｉｔｅｓ／ｅｎｔｒｅｚ？ｄｂ＝ｎｕｃｌｅｏｔｉｄｅなどにより利用可能である。そして、前記表１−１および１−２に記載のＧｅｎＢａｎｋアクセッション番号が付された配列は、上記データベースより入手することができる。また、前記ＧｅｎＢａｎｋアクセッション番号は、２００９年６月３０日時点での最新リリースでの番号を示す。なお、本明細書において、「遺伝子」とは、遺伝子転写産物としてのＲＮＡが抽出される塩基配列の単位またはその一部であればよく、ＥＳＴ（ｅｘｐｒｅｓｓｅｄ ｓｅｑｕｅｎｃｅ ｔａｇ）も含む概念である。
本発明の検査方法では、まず、被験者から採取された検体からＲＮＡを抽出する〔工程（Ａ）〕。
前記被験者とは、乳癌患者および乳癌の疑いのある患者をいう。ここで、乳癌患者としては、特に限定されないが、例えば、リンパ節転移陰性・ＥＲ陽性の乳癌患者などが挙げられる。かかるリンパ節転移陰性・ＥＲ陽性の乳癌患者は、抗エストロゲン剤を投与するホルモン療法が施されたリンパ節転移陰性・ＥＲ陽性の乳癌患者であってもよい。
本発明の検査方法では、被験者が、例えば、抗エストロゲン剤を投与するホルモン療法が施されたリンパ節転移陰性・ＥＲ陽性の乳癌患者である場合、患者が予後良好であるという予測を高い精度で行なうことができる。なお、本明細書において、「予後良好」とは、術後１０年間に再発がないことをいう。
前記検体としては、例えば、手術時に切除された腫瘍組織、生検により被験者から採取された検体などが挙げられる。
検体からのＲＮＡの抽出は、公知の方法によって行なうことができる。また、検体からのＲＮＡの抽出は、ＲＮＡを抽出するための市販のキットを用いることもできる。ここで、市販のキットとしては、キアゲン（Ｑｉａｇｅｎ）社製、商品名：Ｑｉａｇｅｎ ＲＮｅａｓｙ ｋｉｔ（登録商標）などが挙げられる。
つぎに、前記工程（Ａ）で抽出されたＲＮＡを用いて測定用試料を調製する〔工程（Ｂ）〕。
本工程（Ｂ）では、遺伝子の発現量、すなわち、当該遺伝子に対応する転写産物（ｃＲＮＡ、ｃＤＮＡ、ｍＲＮＡなど）の産生量などを測定するのに適した測定用試料を調製する。具体的には、測定用試料は、例えば、前記工程（Ａ）で抽出されたＲＮＡを用いて、対応するｃＲＮＡまたはｃＤＮＡを増幅すること、前記工程（Ａ）で抽出されたＲＮＡよりｍＲＮＡを精製することなどによって調製することができる。また、本発明においては、遺伝子の発現量を測定することが可能であるのであれば、前記工程（Ａ）で抽出されたＲＮＡをそのまま測定用試料として用いてもよい。
前記ｃＲＮＡの増幅は、公知の方法を用いて行なうことができる。ｃＲＮＡの増幅には、ｃＲＮＡの増幅するための市販のキットを用いることもできる。ここで、前記市販のキットとしては、例えば、アフィメトリクス（Ａｆｆｙｍｅｔｒｉｘ）社製、商品名：Ｏｎｅ−Ｃｙｃｌｅ Ｔａｒｇｅｔ Ｌａｂｅｌｉｎｇ ａｎｄ Ｃｏｎｔｒｏｌ Ｒｅａｇｅｎｔｓなどが挙げられる。また、前記ｃＤＮＡの増幅は、公知の方法を用いて行なうことができる。ｃＤＮＡの増幅には、ｃＤＮＡの増幅するための市販のキットを用いることもできる。前記ｍＲＮＡの精製は、公知の精製方法を用いて行なうことができる。また、ｍＲＮＡの精製には、市販の精製キットを用いてもよい。
つぎに、前記工程（Ｂ）で得られた測定用試料を用いて、前記表１−１および表１−２に記載の遺伝子群の各遺伝子の発現量を測定する〔工程（Ｃ）〕。
本工程（Ｃ）において、前記発現量の測定には、例えば、マイクロアレイ、定量的ＲＴ-ＰＣＲ、定量的ＰＣＲなどを用いることができる。これらのなかでは、前記発現量を迅速、かつ簡便に測定することができることから、マイクロアレイを用いて測定することが好ましい。この場合、前記発現量は、以下の工程において、マイクロアレイにおける蛍光強度のまま用いてもよい。マイクロアレイによる前記発現量の測定は、公知の方法を用いて行なうことができる。
表１−１および表１−２に記載の遺伝子群の各遺伝子の発現量は、例えば、かかる表１−１および表１−２に記載の核酸（プローブセット．ＩＤで示されたプローブセット）を利用することで測定することができる。本発明の検査方法においては、前記表１−１および表１−２に記載の核酸（プローブセット）は、乳癌の予後の検査に際して、予後因子として用いられる。かかる核酸（プローブセット）は、乳癌の多くの症例における予後の検査において、効果量が大きいものとして本発明者らにより見出されたものである。また、本発明の検査方法における予後因子に用いる前記核酸（プローブセット）の数は、９５個であり、検査の精度が最も高くなる数とされている。したがって、本発明の検査方法によれば、種々の症例について、予後を適切に予測することができる。
本発明の検査方法では、マイクロアレイを用いて前記表１−１および表１−２に記載の遺伝子群の各遺伝子の発現量を測定する場合、前記マイクロアレイとして、例えば、前記表１−１および表１−２に記載の核酸（プローブセット）を少なくとも有するマイクロアレイなどを用いることができる。かかるマイクロアレイとしては、例えば、ヒトゲノムの発現解析が可能なマイクロアレイであるアフィメトリクス（Ａｆｆｙｍｅｔｒｉｘ）社製の商品名：Ｈｕｍａｎ Ｇｅｎｏｍｅ Ｕ１３３ Ｐｌｕｓ ２．０ Ａｒｒａｙなどが挙げられる。例えば、前記アフィメトリクス（Ａｆｆｙｍｅｔｒｉｘ）社製の商品名：Ｈｕｍａｎ Ｇｅｎｏｍｅ Ｕ１３３ Ｐｌｕｓ ２．０ Ａｒｒａｙを用いた場合、表１−１および表１−２に記載のプローブセット．ＩＤで示される９５個の核酸（プローブセット）によって、前記表１−１および表１−２に記載の遺伝子群の各遺伝子の発現量を一度に測定することができる。
つぎに、前記工程（Ｃ）で測定された前記発現量を解析する〔工程（Ｄ）〕。その後、前記工程（Ｄ）で得られた解析結果に基づいて、乳癌の予後を検査する〔工程（Ｅ）〕。
前記工程（Ｄ）において、前記発現量は、例えば、クラス分け手法、階層的クラスター分析およびスコア化手法を用いて、解析することができる。ここで、前記発現量は、測定された発現量の生データを、例えば、ＲＭＡアルゴリズム、ＭＡＳ５アルゴリズム、ＰＬＩＥＲアルゴリズムなどによって正規化したものを用いることができる。前記ＲＭＡアルゴリズムは、例えば、解析ソフトウェア〔アフィメトリクス（Ａｆｆｙｍｅｔｒｉｘ）社製、商品名：Ａｆｆｙｍｅｔｒｉｘ Ｅｘｐｒｅｓｓｉｏｎ Ｃｏｎｓｏｌｅソフトウェア〕上で利用可能である。
前記クラス分け手法として、公知の方法を用いることができる。かかるクラス分け手法としては、例えば、Ｂｅｔｗｅｅｎ−ｇｒｏｕｐ ａｎａｌｙｓｉｓ（ＢＧＡ）〔カルヘイン（Ｃｕｌｈａｎｅ，Ａ．Ｃ．）ら、バイオインフォマティックス（Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ）、２００２年、第１８巻、ｐｐ．１６００−１６０８参照），「マイクロアレイデータのＢｅｔｗｅｅｎ−ｇｒｏｕｐ ａｎａｌｙｓｉｓ（Ｂｅｔｗｅｅｎ−ｇｒｏｕｐ ａｎａｌｙｓｉｓ ｏｆ ｍｉｃｒｏａｒｒａｙ ｄａｔａ）」を参照〕、サポートベクターマシン（ＳＶＭ）、対角線形判別（ＤＬＤＡ）、ｋ最近傍分類（ｋＮＮ）、決定木、Ｒａｎｄｏｍ Ｆｏｒｅｓｔ、ニューラルネットなどが挙げられる。これらのなかでは、予後良好であることが予測されるものと、予後不良であることが予測されるものとを良好にクラス分けをすることができる観点から、ＢＧＡが好ましい。かかるクラス分け手法を用いて発現量を解析する場合、前記発現量に基づいて、予後良好であることが予測されるものと、予後不良であることが予測されるものとにクラス分けがされる。したがって、この場合、前記工程（Ｅ）においては、かかるクラス分けの結果によって、乳癌の予後を予測することができる。前記ＢＧＡを用いる場合には、判別式を構築して、この判別式の解Ｄに基づいて、乳癌の予後を予測してもよい。
前記判別式としては、下記式（１）
｛式（１）中、ｉは前記表１−１および表１−２に記載の核酸に付与された遺伝子番号を示し、ｗiは前記表１−１および表１−２に記載された遺伝子番号ｉの核酸に対応する重み係数を示し、Ｘiは下記式（２）：
〔式（２）中、ｊは各検体に付与された検体番号を示し、ｙijは遺伝子番号ｉの核酸に対応する遺伝子の検体番号ｊの検体での標準化された発現量を示し、ｍｉｎは括弧内の値の最小値を示し、ｒｏｕｎｄは括弧内の値の小数点以下第一位を四捨五入した値を示し、ａｂｓは括弧内の値の絶対値を示し、ｙiは、下記式（３）：
（式（３）中、ｘiは遺伝子番号ｉの核酸に対応する遺伝子の発現量を示し、ｕiは遺伝子番号ｉの核酸に対応する遺伝子の発現量の検体に渡る平均値を示す。）
に示される遺伝子番号iの核酸に対応する遺伝子の標準化された発現量を示す。〕
により標準化され正規化された発現量を示し、Σiは各核酸に渡る総和を示す。｝
で表される判別式が挙げられる。かかる判別式を用いて発現量を解析する場合、前記判別式のｘi（ｉ＝１，２，・・・，９５）に、順に、当該検体における発現量の値を代入し、解Ｄを算出する。この場合、前記工程（Ｅ）においては、解Ｄが正の値のとき、予後が不良であると予測することができ、解Ｄがゼロまたは負の値のとき、予後が良好であると予測することができる。
に示される遺伝子番号iの核酸に対応する遺伝子の標準化された発現量を示す。〕
により標準化され正規化された発現量を示し、Σiは各核酸に渡る総和を示す。｝
で表される判別式が挙げられる。かかる判別式を用いて発現量を解析する場合、前記判別式のｘi（ｉ＝１，２，・・・，９５）に、順に、当該検体における発現量の値を代入し、解Ｄを算出する。この場合、前記工程（Ｅ）においては、解Ｄが正の値のとき、予後が不良であると予測することができ、解Ｄがゼロまたは負の値のとき、予後が良好であると予測することができる。
前記階層的クラスター分析は、例えば、被験者から採取した検体における前記発現量のデータ（あるいは前記発現量に関する蛍光強度のデータ）と、予後良好であることが既知の検体の群における前記発現量のデータ（あるいは前記発現量に関する蛍光強度のデータ）と、予後不良であることが既知の検体の群における前記発現量のデータ（あるいは前記発現量に関する蛍光強度のデータ）とを用い、前記発現量（あるいは前記発現量に関する蛍光強度）に基づいて検体間の類似度を示す距離を計算し、この距離に基づいて種々のクラスターを形成し、クラスターを統合して、樹形図を作成することにより行なうことができる。ここで、前記距離としては、例えば、Ｓｐｅａｒｍａｎ順位相関係数、ユークリッド距離などが挙げられる。また、クラスターの統合は、例えば、ｗａｒｄ法、最遠隣法、重心間距離法などにより行なうことができる。これらのなかでは、Ｓｐｅａｒｍａｎ順位相関係数およびｗａｒｄ法を用いることにより、予後良好であることが予測されるものと、予後不良であることが予測されるものとを良好に分けることができる。この場合、前記工程（Ｅ）においては、かかる階層的クラスター分析の結果によって、乳癌の予後を適切に予測することができる。
前記スコア化手法として、公知の方法を用いることができる。かかるスコア化手法としては、例えば、主成分分析、重回帰分析、ロジスティック回帰分析、Ｐａｒｔｉａｌ Ｌｅａｓｔ Ｓｑｕａｒｅなどが挙げられる。これらのなかでは、予後良好であることが予測されるものと、予後不良であることが予測されるものとを良好に分けることができる観点から、主成分分析が好ましい。かかるスコア化手法を用いて前記発現量を解析する場合、前記発現量に基づいて、予後良好であることが予測される検体のスコアと、予後不良であることが予測される検体のスコアとが分けられるようスコア化がされる。したがって、この場合、前記工程（Ｅ）においては、かかるスコア化の結果によって、乳癌の予後を適切に予測することができる。
以上のように、本発明の乳癌の予後の検査方法によれば、前記表１−１および表１−２に記載の遺伝子群の各遺伝子の発現量を解析するので、乳癌の予後を適切に検査することができる。
なお、前記表１−１および表１−２に記載の遺伝子群の各遺伝子の発現量を用いることにより、乳癌の予後を判定するための指標を取得し、提供することができる。乳癌の予後を判定するための指標の取得方法は、
（ａ）乳癌に罹患した被験者から採取された検体からＲＮＡを抽出する工程、
（ｂ）前記工程（ａ）で抽出されたＲＮＡを用いて測定用試料を調製する工程、
（ｃ）前記工程（ｂ）で得られた測定用試料を用いて、表１−１および表１−２に記載の遺伝子群の各遺伝子の発現量を測定する工程、
（ｄ）前記工程（ｃ）で測定された前記発現量を解析する工程、および
（ｅ）前記工程（ｄ）で得られた解析結果に基づいて、被験者の乳癌の予後不良の可能性の指標または予後良好の可能性の指標を得る工程、
を含む。前記工程（ａ）〜工程（ｄ）は、前記乳癌の予後の検査方法における工程（Ａ）〜（Ｄ）と同様に行なうことができる。また、前記工程（ｅ）において、被験者の乳癌の予後不良の可能性の指標または予後良好の可能性の指標は、前記乳癌の予後の検査方法における工程（Ｅ）で用いられる手法により得ることができる。
（ａ）乳癌に罹患した被験者から採取された検体からＲＮＡを抽出する工程、
（ｂ）前記工程（ａ）で抽出されたＲＮＡを用いて測定用試料を調製する工程、
（ｃ）前記工程（ｂ）で得られた測定用試料を用いて、表１−１および表１−２に記載の遺伝子群の各遺伝子の発現量を測定する工程、
（ｄ）前記工程（ｃ）で測定された前記発現量を解析する工程、および
（ｅ）前記工程（ｄ）で得られた解析結果に基づいて、被験者の乳癌の予後不良の可能性の指標または予後良好の可能性の指標を得る工程、
を含む。前記工程（ａ）〜工程（ｄ）は、前記乳癌の予後の検査方法における工程（Ａ）〜（Ｄ）と同様に行なうことができる。また、前記工程（ｅ）において、被験者の乳癌の予後不良の可能性の指標または予後良好の可能性の指標は、前記乳癌の予後の検査方法における工程（Ｅ）で用いられる手法により得ることができる。
以下、実施例を挙げて本発明を詳細に説明するが、本発明はこれらに限定されるものではない。
［実施例１］
マイクロアレイ実験の遺伝子発現情報データベース〔ＮＣＢＩ Ｇｅｎｅ Ｅｘｐｒｅｓｓｉｏｎ Ｏｍｎｉｂｕｓ （ｈｔｔｐ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｇｅｏ／）〕のアクセッション番号：ＧＳＥ２０３４、ＧＳＥ２９９０、ＧＳＥ４９２２、ＧＳＥ６５３２、ＧＳＥ７３９０およびＧＳＥ９１９５の６つのデータセットからリンパ節転移陰性・ＥＲ陽性の症例５４９症例のデータを抽出した。
マイクロアレイ実験の遺伝子発現情報データベース〔ＮＣＢＩ Ｇｅｎｅ Ｅｘｐｒｅｓｓｉｏｎ Ｏｍｎｉｂｕｓ （ｈｔｔｐ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｇｅｏ／）〕のアクセッション番号：ＧＳＥ２０３４、ＧＳＥ２９９０、ＧＳＥ４９２２、ＧＳＥ６５３２、ＧＳＥ７３９０およびＧＳＥ９１９５の６つのデータセットからリンパ節転移陰性・ＥＲ陽性の症例５４９症例のデータを抽出した。
５４９症例の各データにおいて、前記データの取得に用いられたマイクロアレイ上の各核酸（プローブセット）の発現量について、解析ソフトウェア〔アフィメトリクス（Ａｆｆｙｍｅｔｒｉｘ）社製、商品名：Ａｆｆｙｍｅｔｒｉｘ Ｅｘｐｒｅｓｓｉｏｎ Ｃｏｎｓｏｌｅソフトウェア〕のＲＭＡアルゴリズムを用いて前記データセット毎に正規化した。つぎに、前記データセット毎に、データの取得に用いられたアレイ上の核酸（プローブセット）の発現量の値から当該データセット内での前記核酸の平均発現量の値を減じることで、前記核酸の発現量を標準化した。
その後、統計解析用ソフトウェア「Ｒ」で用いられる追加パッケージ集「ＢｉｏＣｏｎｄｕｃｔｏｒ」ｖｅｒ．２．４に含まれるパッケージ「ＧｅｎｅＭｅｔａ ｖ１．１６．０」（ｈｔｔｐ：／／ｗｗｗ．ｂｉｏｃｏｎｄｕｃｔｏｒ．ｏｒｇ／ｐａｃｋａｇｅｓ／２．４／ｂｉｏｃ／ｈｔｍｌ／ＧｅｎｅＭｅｔａ．ｈｔｍｌ）を用い、ジュン・キョン・チェ（Ｊｕｎｇ Ｋｙｏｏｎ Ｃｈｏｉ）らの文献〔「複数のマイクロアレイ研究の統合および研究間バリデーションのモデリング（Ｃｏｍｂｉｎｉｎｇ ｍｕｌｔｉｐｌｅ ｍｉｃｒｏａｒｒａｙ ｓｔｕｄｉｅｓ ａｎｄ ｍｏｄｅｌｉｎｇ ｉｎｔｅｒｓｔｕｄｙ ｖａｒｉａｔｉｏｎ）」バイオインフォマティックス（Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ）、第１９巻、補遺１、２００３年、ｐ．ｉ８４−ｉ９０〕にしたがって、前記アレイ上の核酸（プローブセット）毎にｚ値を算出した。そして、前記核酸（プローブセット）をｚ値の絶対値の順に並べた。
つぎに、Ｂｅｔｗｅｅｎ-ｇｒｏｕｐ ａｎａｌｙｓｉｓにより、判別式を構築した。最適な精度が得られるように、Ｓｅｑｕｅｎｔｉａｌ Ｆｏｒｗａｒｄ Ｆｉｌｔｅｒｉｎｇ ｍｅｔｈｏｄによって乳癌の予後の検査に最適なプローブセット数を求めた。ここでは、前記核酸（プローブセット）から、ｚ値の絶対値が大きい順に、３００個に達するまで、５個ずつ選択する核酸（プローブセット）の個数を増加させながら、当該核酸（プローブセット）を選択し、判別式の構築を行なった。
得られた各判別式と、前記５４９症例の各データとを用い、Ｌｅａｖｅ-Ｏｎｅ-Ｏｕｔ Ｃｒｏｓｓ-Ｖａｌｉｄａｔｉｏｎにより、各判別式による検査精度を検証した。前記検査精度は、各判別式の感度および特異度を求め、前記感度および特異度からＲＯＣ曲線を作成し、このＲＯＣ曲線の曲線下面積を算出することにより評価した。そして、ＲＯＣ曲線の曲線下面積と、核酸（プローブセット）の個数との関係を調べて、ＲＯＣ曲線の曲線下面積が最大となる核酸（プローブセット）の個数（最適な個数）を調べた。
なお、感度は、観察結果により術後１０年間に「再発あり」（予後不良）と判断され、かつ判別式により「再発あり」（予後不良）であると予測された検体の数を、観察結果により術後１０年間に「再発あり」（予後不良）と判断された検体の数で除算し、１００を乗ずることによって求めた。また、特異度は、観察結果により術後１０年間に「再発なし」（予後良好）と判断され、かつ判別式により「再発なし」（予後良好）と予測された検体の数を、観察結果により「再発なし」（予後良好）と判断された検体の数で除算し、１００を乗ずることによって求めた。
実施例１において、プローブ数とＲＯＣ曲線の曲線下面積との関係を調べた結果を示すグラフを図１に示す。
図１に示された結果から、核酸（プローブセット）の個数が９５個である場合、ＲＯＣ曲線の曲線下面積が最大となることがわかる。この結果から、核酸（プローブセット）の個数が９５個である場合、検査精度が最も高くなることがわかる。なお、これら９５個の核酸（プローブセット）は、前記表１−１および表１−２に示されるとおりである。
また、これら９５個の核酸（プローブセット）のｚ値、術後１０年間に再発した再発群での発現傾向および判別式での重み係数を表２−１および表２−２に示す。
前記結果に基づいて、最終的な判別式を構築した。構築された判別式は、下記式（１）：
｛式（１）中、ｉは前記表１−１および表１−２に記載の遺伝子群の各遺伝子に付与された遺伝子番号を示し、ｗiは前記表１−１および表１−２に記載された遺伝子番号ｉの遺伝子に対応する重み係数を示し、Ｘiは下記式（２）：
〔式（２）中、ｊは各検体に付与された検体番号を示し、ｙijは遺伝子番号ｉの遺伝子の検体番号ｊの検体での標準化された発現量を示し、ｍｉｎは括弧内の値の最小値を示し、ｒｏｕｎｄは括弧内の値の小数点以下第一位を四捨五入した値を示し、ａｂｓは括弧内の値の絶対値を示し、ｙiは、下記式（３）：
（式（３）中、ｘiは遺伝子番号ｉの核酸に対応する遺伝子の発現量を示し、ｕiは遺伝子番号ｉの核酸に対応する遺伝子の発現量の検体に渡る平均値を示す。）
に示される遺伝子番号iの核酸に対応する遺伝子の標準化された発現量を示す。〕
により標準化され正規化された発現量を示し、Σiは各核酸に渡る総和を示す。｝
で表される判別式である。
に示される遺伝子番号iの核酸に対応する遺伝子の標準化された発現量を示す。〕
により標準化され正規化された発現量を示し、Σiは各核酸に渡る総和を示す。｝
で表される判別式である。
ここで、前記判別式の解Ｄが正の値のとき、予後が不良であると予測され、解Ｄがゼロまたは負の値のとき、予後が良好であると予測される。
［実施例２］
（１）核酸（プローブセット）の発現量のデータの取得
１０５人の乳癌患者それぞれの手術時に得られた腫瘍組織から、ＲＮＡ抽出キット〔キアゲン・サイエンシーズ（ＱＩＡＧＥＮ Ｓｃｉｅｎｃｅｓ）製、商品名：Ｑｉａｇｅｎ ＲＮｅａｓｙ ｍｉｎｉ ｋｉｔ〕を用いてＲＮＡを抽出した。
（１）核酸（プローブセット）の発現量のデータの取得
１０５人の乳癌患者それぞれの手術時に得られた腫瘍組織から、ＲＮＡ抽出キット〔キアゲン・サイエンシーズ（ＱＩＡＧＥＮ Ｓｃｉｅｎｃｅｓ）製、商品名：Ｑｉａｇｅｎ ＲＮｅａｓｙ ｍｉｎｉ ｋｉｔ〕を用いてＲＮＡを抽出した。
なお、１０５人の乳癌患者は、リンパ節転移陰性・ＥＲ陽性であり、１９９６年〜２００５年の間に、乳房温存手術を受け、その後、放射線療法または乳腺切除術を受けた患者である。これらの患者の年齢の範囲は、３０〜８３歳であり、年齢の中央値は、５４歳である。前記１０５人の乳癌患者の臨床病理学的特徴を表３に示す。
なお、前記腫瘍径Ｔは、マンモグラフィや超音波などの画像診断による測定結果に基づき、１〜４の４段階で表される。ここで、Ｔ＝１は腫瘍の最大径が２ｃｍ以下であること、Ｔ＝２は腫瘍の最大径２ｃｍを超えて５ｃｍ以下であること、Ｔ＝３は腫瘍最大径が５ｃｍを超えていること、Ｔ＝４は腫瘍の大きさに関わらず、胸壁または皮膚に浸潤していることを示す。
前記組織学的グレードは、核の異型度（１点：核多型性が低頻度、２点：核多型性が中頻度、３点：核多型性が高頻度）のスコア、組織構造の変化度（１点：＜１０％、２点：１０〜７５％、３点：＞７５％）のスコア、細胞分裂の頻度（１点：１０高倍率視野（ＨＰＦ）で細胞の有糸分裂数が０〜４、２点：１０ＨＰＦで細胞の有糸分裂数が５〜１０、３点：１０高倍率視野（ＨＰＦ）で細胞の有糸分裂数が１１≦）のスコアの合計によって、１〜３の３段階で表される。ここで、従来、ＨＧ＝１はスコア３〜５であり予後の良好な癌、ＨＧ＝２はスコア６〜７であり、ＨＧ＝３はスコア８〜９であり、最も予後の悪い癌を示すものとされていた。
前記ＥＲの有無は、免疫染色法による結果に基づき、陽性および陰性で表される。従来、ＥＲ陰性である場合、一般に、予後が不良であり、ＥＲ陽性である場合、予後が良好であるとされていた。
前記ＰＲの有無は、免疫染色法による結果に基づき、陽性および陰性で表される。従来、ＰＲ陰性である場合、一般に、予後が不良であり、ＰＲ陽性である場合、予後が良好であるとされていた。
前記ＨＥＲ２の有無は、免疫染色法による結果に基づき、陽性および陰性で表される。従来、ＨＥＲ２陽性である場合、一般に、予後が不良であり、ＨＥＲ２陰性である場合、予後が良好であるとされていた。
前記Ｋｉ６７は、免疫染色法による結果に基づき、陽性および陰性で表わされる。従来、Ｋｉ６７陽性である場合、一般に、予後が不良であり、Ｋｉ６７陰性である場合、予後が良好であるとされていた。
前記組織学的グレードは、核の異型度（１点：核多型性が低頻度、２点：核多型性が中頻度、３点：核多型性が高頻度）のスコア、組織構造の変化度（１点：＜１０％、２点：１０〜７５％、３点：＞７５％）のスコア、細胞分裂の頻度（１点：１０高倍率視野（ＨＰＦ）で細胞の有糸分裂数が０〜４、２点：１０ＨＰＦで細胞の有糸分裂数が５〜１０、３点：１０高倍率視野（ＨＰＦ）で細胞の有糸分裂数が１１≦）のスコアの合計によって、１〜３の３段階で表される。ここで、従来、ＨＧ＝１はスコア３〜５であり予後の良好な癌、ＨＧ＝２はスコア６〜７であり、ＨＧ＝３はスコア８〜９であり、最も予後の悪い癌を示すものとされていた。
前記ＥＲの有無は、免疫染色法による結果に基づき、陽性および陰性で表される。従来、ＥＲ陰性である場合、一般に、予後が不良であり、ＥＲ陽性である場合、予後が良好であるとされていた。
前記ＰＲの有無は、免疫染色法による結果に基づき、陽性および陰性で表される。従来、ＰＲ陰性である場合、一般に、予後が不良であり、ＰＲ陽性である場合、予後が良好であるとされていた。
前記ＨＥＲ２の有無は、免疫染色法による結果に基づき、陽性および陰性で表される。従来、ＨＥＲ２陽性である場合、一般に、予後が不良であり、ＨＥＲ２陰性である場合、予後が良好であるとされていた。
前記Ｋｉ６７は、免疫染色法による結果に基づき、陽性および陰性で表わされる。従来、Ｋｉ６７陽性である場合、一般に、予後が不良であり、Ｋｉ６７陰性である場合、予後が良好であるとされていた。
つぎに、得られたＲＮＡ〔ＲＩＮ（ＲＮＡ Ｉｎｔｅｇｒｉｔｙ Ｎｕｍｂｅｒ））値＞６）１μｇと、発現解析用キット〔アフィメトリクス（Ａｆｆｙｍｅｔｒｉｘ）社製、商品名：Ｏｎｅ−Ｃｙｃｌｅ Ｔａｒｇｅｔ Ｌａｂｅｌｉｎｇ ａｎｄ Ｃｏｎｔｒｏｌ Ｒｅａｇｅｎｔｓ〕とを用いて、ｃＲＮＡを増幅し、ビオチン化し、断片化した。
得られた断片化ビオチン標識ｃＲＮＡを、ヒトゲノム発現解析用アレイ〔アフィメトリクス（Ａｆｆｙｍｅｔｒｉｘ）社製、商品名：Ｈｕｍａｎ Ｇｅｎｏｍｅ Ｕ１３３ Ｐｌｕｓ ２．０ Ａｒｒａｙ〕上の核酸（プローブセット）と一晩ハイブリダイズさせた。なお、前記断片化ビオチン標識ｃＲＮＡと前記アレイ上の核酸（プローブセット）とのハイブリダイゼーションは、製造者〔アフィメトリクス（Ａｆｆｙｍｅｔｒｉｘ）社〕による推奨条件に従って行なった。
つぎに、ハイブリダイゼーション後のアレイを、マイクロアレイ洗浄・染色処理専用機器〔アフィメトリクス（Ａｆｆｙｍｅｔｒｉｘ）社製、商品名：ＧｅｎｅＣｈｉｐ Ｆｌｕｉｄｉｃｓ Ｓｔａｔｉｏｎ ４５０〕に供して、前記アレイ上の核酸（プローブセット）にハイブリダイズしたｃＲＮＡを蛍光染色し、洗浄した。
その後、前記アレイをレーザスキャナー〔アフィメトリクス（Ａｆｆｙｍｅｔｒｉｘ）社製、商品名：ＧｅｎｅＣｈｉｐ（登録商標） Ｓｃａｎｎｅｒ ３０００〕に供して、前記アレイ上の核酸（プローブセット）にハイブリダイズしたｃＲＮＡの蛍光標識物質に基づくシグナルを読み取り、蛍光強度を定量化した。
得られた蛍光強度のデータをソフトウェア〔アフィメトリクス（Ａｆｆｙｍｅｔｒｉｘ）社製、商品名：ＧｅｎｅＣｈｉｐ（登録商標） Ｏｐｅｒａｔｉｎｇ Ｓｏｆｔｗａｒｅ〕によって処理して、ＣＥＬファイルを得た。
得られた１０５例のＣＥＬファイルのデータと、解析ソフトウェア〔アフィメトリクス（Ａｆｆｙｍｅｔｒｉｘ）社製、商品名：Ａｆｆｙｍｅｔｒｉｘ Ｅｘｐｒｅｓｓｉｏｎ Ｃｏｎｓｏｌｅソフトウェア〕のＲＭＡアルゴリズムとを用いて、全１０５例の乳癌患者における核酸（プローブセット）の発現量のデータ（蛍光強度のデータ）を正規化した。
（２）判別式の性能の検証
つぎに、前記（１）で得られた正規化後のデータと、前記判別式とを用いて、全１０５例の乳癌患者が再発を起こすかどうかを予測した。そして、病理学的な観察結果を真値として、当該病理学的な観察結果と前記判別式による予測結果とを比較することによって、当該判別式の性能を評価した。実施例２において、１０５例の乳癌患者について、判別式による予測結果と、観察結果との関係を調べた結果を図２に示す。
つぎに、前記（１）で得られた正規化後のデータと、前記判別式とを用いて、全１０５例の乳癌患者が再発を起こすかどうかを予測した。そして、病理学的な観察結果を真値として、当該病理学的な観察結果と前記判別式による予測結果とを比較することによって、当該判別式の性能を評価した。実施例２において、１０５例の乳癌患者について、判別式による予測結果と、観察結果との関係を調べた結果を図２に示す。
図２に示された結果から、全１０５例の検体のうち、前記判別式によって、６１例の乳癌患者が「再発なし」と予測され、４４例の乳癌患者が「再発あり」と予測されることがわかる。すなわち、前記判別式を用いた場合には、前記６１例の乳癌患者については、予後が良好であることが予測され、一方、前記４４例の乳癌患者については、予後が不良であることが予測されることがわかる。
また、病理学的な観察結果を真値として判別式の性能を評価した場合、感度８３．３％、特異度７０．４％、陰性適中率（ＮＰＶ）９３．４％、および陽性適中率（ＰＰＶ）４５．５％であることがわかる。
したがって、これらの結果から、前記表１−１および表１−２に記載の遺伝子群の各遺伝子の発現量と前記判別式とを用いることによって、乳癌の予後を適切に予測することができることが示唆される。
また、前記判別式により「再発なし」と予測された乳癌患者（低再発リスク群）および「再発あり」と予測された乳癌患者（高再発リスク群）それぞれについて、術後から観察し、Ｋａｐｌａｎ−Ｍｅｉｅｒプロットにより、非再発生存率を調べた。また、その結果をｌｏｇ−ｒａｎｋ検定により評価した。実施例２において、術後からの期間と非再発生存率との関係を図３に示す。
図３に示された結果から、術後１０年間での非再発生存率は、高再発リスク群（図中、「高再発リスク」）では５３％であるのに対して、低再発リスク群（図中、「低再発リスク」）では９３％であることがわかる。また、ｌｏｇ−ｒａｎｋ検定によりｐ＝８．６ｅ−７であったため、低再発リスク群は、高再発リスク群と比べて有意に予後が良好であることがわかる。
したがって、これらの結果から、前記表１−１および表１−２に記載の核酸（プローブセット）の発現量と前記判別式とを用いることによって、乳癌の予後を高い精度で予測することができ、乳癌の予後を適切に検査できることがわかる。
［試験例１］
前記９５個の核酸を予後因子として用いる検査方法（実験番号１）、患者の閉経状態を予後因子として用いる検査方法（実験番号２）、腫瘍径を予後因子として用いる検査方法（実験番号３）、組織学的グレードを予後因子として用いる検査方法（実験番号４）、ＰＲの有無を予後因子として用いる検査方法（実験番号５）、ヒト上皮成長因子受容体２（ＨＥＲ２）の有無を予後因子として用いる検査方法（実験番号６）、全細胞中のＫｉ６７陽性細胞の割合が２０％以上であるかどうかを予後因子として用いる検査方法（実験番号７）または前記９５個の遺伝子とは異なる種類の９７個の遺伝子を予後因子として用いるＧｅｎｏｍｉｃ Ｇｒａｄｅ Ｉｎｄｅｘ（ＧＧＩ）による検査方法（実験番号８）のそれぞれについて、統計解析用ソフトウェア「Ｒ」にて使用する追加パッケージ「ｓｕｒｖｉｖａｌ ｖ２．３５−４」（ｈｔｔｐ：／／ｃｒａｎ．ｒ−ｐｒｏｊｅｃｔ．ｏｒｇ／ｗｅｂ／ｐａｃｋａｇｅｓ／ｓｕｒｖｉｖａｌ／ｉｎｄｅｘ．ｈｔｍｌ）を用い、多変量ＣＯＸ回帰ハザード解析を行なった。なお、前記ＧＧＩは、クリストス・ソテリウ（Ｓｏｔｉｒｉｏｕ Ｃｈｒｉｓｔｏｓ）らの文献〔ジャーナル・オブ・ザ・ナショナル・キャンサー・インスティチュート（Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｎａｔｉｏｎａｌ Ｃａｎｃｅｒ Ｉｎｓｔｉｔｕｔｅ）、２００６年、第９８巻、第４号、ｐ．２６２−２７２〕にしたがって求めた。
前記９５個の核酸を予後因子として用いる検査方法（実験番号１）、患者の閉経状態を予後因子として用いる検査方法（実験番号２）、腫瘍径を予後因子として用いる検査方法（実験番号３）、組織学的グレードを予後因子として用いる検査方法（実験番号４）、ＰＲの有無を予後因子として用いる検査方法（実験番号５）、ヒト上皮成長因子受容体２（ＨＥＲ２）の有無を予後因子として用いる検査方法（実験番号６）、全細胞中のＫｉ６７陽性細胞の割合が２０％以上であるかどうかを予後因子として用いる検査方法（実験番号７）または前記９５個の遺伝子とは異なる種類の９７個の遺伝子を予後因子として用いるＧｅｎｏｍｉｃ Ｇｒａｄｅ Ｉｎｄｅｘ（ＧＧＩ）による検査方法（実験番号８）のそれぞれについて、統計解析用ソフトウェア「Ｒ」にて使用する追加パッケージ「ｓｕｒｖｉｖａｌ ｖ２．３５−４」（ｈｔｔｐ：／／ｃｒａｎ．ｒ−ｐｒｏｊｅｃｔ．ｏｒｇ／ｗｅｂ／ｐａｃｋａｇｅｓ／ｓｕｒｖｉｖａｌ／ｉｎｄｅｘ．ｈｔｍｌ）を用い、多変量ＣＯＸ回帰ハザード解析を行なった。なお、前記ＧＧＩは、クリストス・ソテリウ（Ｓｏｔｉｒｉｏｕ Ｃｈｒｉｓｔｏｓ）らの文献〔ジャーナル・オブ・ザ・ナショナル・キャンサー・インスティチュート（Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｎａｔｉｏｎａｌ Ｃａｎｃｅｒ Ｉｎｓｔｉｔｕｔｅ）、２００６年、第９８巻、第４号、ｐ．２６２−２７２〕にしたがって求めた。
その結果を表４に示す。なお、表中、「９５ｇｅｎｅｓ」は前記９５個の核酸を予後因子として用いる検査方法（実験番号１）、「Ｍｅｎｓ」は患者の閉経状態を予後因子として用いる検査方法（実験番号２）、「Ｔ」は腫瘍径を予後因子として用いる検査方法（実験番号３）、「ＨＧ」は組織学的グレードを予後因子として用いる検査方法（実験番号４）、「ＰｇＲ」はＰＲの有無を予後因子として用いる検査方法（実験番号５）、「ＨＥＲ２」はＨＥＲ２の有無を予後因子として用いる検査方法（実験番号６）、「Ｋｉ６７」は全細胞中のＫｉ６７陽性細胞の割合が２０％以上であるかどうかを予後因子として用いる検査方法（実験番号７）、「ｓｉｇｎ．ＧＧＩ」は前記９５個の遺伝子とは異なる種類の９７個の遺伝子を予後因子として用いるＧＧＩによる検査方法（実験番号８）をそれぞれ示す。各ハザード比は、表中、「参照」に該当する場合のハザードを１．０として算出した値である。前記閉経状態は、閉経前および閉経後で表される。また、従来、ｓｉｇｎ．ＧＧＩが低い場合、予後は良好であり、高い場合、予後は不良であるとされていた。
表４に示される結果から、前記９５個の核酸を予後因子として用いた判別式を用いる検査方法（実験番号１；本発明の検査方法）は、ハザード比が７．７０であり、ｐ値が９．６Ｅ−０４であり、他の検査方法と比べて、精度が高い検査方法であることがわかる。
［実施例３］
実施例２の（１）で得られた正規化後のデータについて、Ｓｐｅａｒｍａｎ順位相関係数およびｗａｒｄ法を用いて、階層的クラスター分析を行ない、樹形図を作成した。実施例３において、１０５例の乳癌患者それぞれにおける核酸（プローブセット）の発現量のデータの階層的クラスター分析を行なった結果を図４に示す。図４において、左側に、核酸（プローブセット）の発現量を表わすヒートマップを示し、右側に、観察結果による術後１０年間に再発あり（図中、「再発」）および術後１０年間に再発なし（図中、「非再発」）の判断結果を示す。
実施例２の（１）で得られた正規化後のデータについて、Ｓｐｅａｒｍａｎ順位相関係数およびｗａｒｄ法を用いて、階層的クラスター分析を行ない、樹形図を作成した。実施例３において、１０５例の乳癌患者それぞれにおける核酸（プローブセット）の発現量のデータの階層的クラスター分析を行なった結果を図４に示す。図４において、左側に、核酸（プローブセット）の発現量を表わすヒートマップを示し、右側に、観察結果による術後１０年間に再発あり（図中、「再発」）および術後１０年間に再発なし（図中、「非再発」）の判断結果を示す。
図４に示された結果から、樹形図を分割するように付された太線を境界として、観察結果により術後１０年間に再発あり（予後不良）と判断された乳癌患者（上部に多い）と、観察結果により術後１０年間に再発なし（予後良好）と判断された乳癌患者（下部に多い）とを分けることができることがわかる。したがって、これらの結果から、前記表１−１および表１−２に記載の遺伝子群の各遺伝子の発現量を用いて、階層的クラスター分析を行なうことによって、乳癌の予後を高い精度で予測することができ、乳癌の予後を適切に検査できることがわかる。
［実施例４］
実施例２の（１）で得られた正規化後のデータについて、表１−１および表１−２に記載の遺伝子を用いて主成分分析を行い、各遺伝子の変換係数を算出し、第一および第二主成分スコアを算出した。実施例４において算出された変換係数を表５−１および表５−２に示す。また、実施例４において、１０５例の乳癌患者の発現量のデータに基づき算出した第一主成分スコアおよび第二主成分スコアの散布図を図５に示す。図５中、ＰＣＡ１は、第一主成分スコアを示し、ＰＣＡ２は、第二主成分スコアを示す。図中、白丸は、観察結果により術後１０年間に「再発あり」と判断された乳癌患者、クロスは、観察結果により術後１０年間に「再発なし」と判断された乳癌患者である。
実施例２の（１）で得られた正規化後のデータについて、表１−１および表１−２に記載の遺伝子を用いて主成分分析を行い、各遺伝子の変換係数を算出し、第一および第二主成分スコアを算出した。実施例４において算出された変換係数を表５−１および表５−２に示す。また、実施例４において、１０５例の乳癌患者の発現量のデータに基づき算出した第一主成分スコアおよび第二主成分スコアの散布図を図５に示す。図５中、ＰＣＡ１は、第一主成分スコアを示し、ＰＣＡ２は、第二主成分スコアを示す。図中、白丸は、観察結果により術後１０年間に「再発あり」と判断された乳癌患者、クロスは、観察結果により術後１０年間に「再発なし」と判断された乳癌患者である。
図５に示された結果から、横軸の第一主成分スコアがゼロとなる所を境界として、観察結果により術後１０年間に「再発なし」（予後良好）と判断される乳癌患者と、観察結果により術後１０年間に「再発あり」（予後不良）と判断される乳癌患者とを分けることができることがわかる。
したがって、これらの結果から、前記表１−１および表１−２に記載の遺伝子群の各遺伝子の発現量を用いて、主成分分析を行なうことによって、乳癌の予後を高い精度で予測することができ、乳癌の予後を適切に検査できることがわかる。
Claims (7)
- （Ａ）被験者から採取された検体からＲＮＡを抽出する工程、
（Ｂ）前記工程（Ａ）で抽出されたＲＮＡを用いて測定用試料を調製する工程、
（Ｃ）前記工程（Ｂ）で得られた測定用試料を用いて、表１−１−１および表１−２−１に記載の遺伝子群の各遺伝子の発現量を測定する工程、
（Ｄ）前記工程（Ｃ）で測定された前記各遺伝子の発現量を解析する工程、および
（Ｅ）前記工程（Ｄ）で得られた解析結果に基づいて、乳癌の予後を検査する工程
を含む、乳癌の予後の検査方法。
- 前記工程（Ｄ）において、前記発現量を、クラス分け手法を用いて解析する、請求項１に記載の乳癌の予後の検査方法。
- 前記クラス分け手法が、Ｂｅｔｗｅｅｎ−ｇｒｏｕｐ ａｎａｌｙｓｉｓである、請求項２に記載の乳癌の予後の検査方法。
- 前記工程（Ｄ）において、前記発現量と、下記式（１）：
｛式（１）中、ｉは表１−１および表１−２に記載の核酸に付与された遺伝子番号を示し、ｗiは表１−１および表１−２に記載された遺伝子番号ｉの核酸に対応する重み係数を示し、Ｘiは下記式（２）：
〔式（２）中、ｊは各検体に付与された検体番号を示し、ｙijは遺伝子番号ｉの核酸に対応する遺伝子の検体番号ｊの検体での標準化された発現量を示し、ｍｉｎは括弧内の値の最小値を示し、ｒｏｕｎｄは括弧内の値の小数点以下第一位を四捨五入した値を示し、ａｂｓは括弧内の値の絶対値を示し、ｙiは、下記式（３）：
（式（３）中、ｘiは遺伝子番号ｉの核酸に対応する遺伝子の発現量を示し、ｕiは遺伝子番号ｉの核酸に対応する遺伝子の発現量の検体に渡る平均値を示す。）
に示される遺伝子番号iの核酸に対応する遺伝子の標準化された発現量を示す。〕
により標準化され正規化された発現量を示し、Σiは各核酸に渡る総和を示す。｝
で表される判別式とを用いて前記判別式の解Ｄを算出し、
前記工程（Ｅ）において、前記判別式の解Ｄが正の値であるとき、予後が不良であると予測され、解Ｄがゼロまたは負の値のとき、予後が良好であると予測される、請求項１に記載の乳癌の予後の検査方法。
- 前記工程（Ｄ）において、前記発現量を、階層的クラスター分析により解析する、請求項１に記載の乳癌の予後の検査方法。
- 前記工程（Ｄ）において、前記発現量を、スコア化手法により解析する、請求項１に記載の乳癌の予後の検査方法。
- 前記工程（Ｃ）において、前記発現量を、前記表１−１−１および表１−２−１に記載の核酸を少なくとも有するマイクロアレイを用いて測定する請求項１〜６のいずれかに記載の乳癌の予後の検査方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010098935A JP5725274B2 (ja) | 2010-04-22 | 2010-04-22 | 乳癌の予後の検査方法 |
| US13/091,716 US8855941B2 (en) | 2010-04-22 | 2011-04-21 | Method for examining prognosis of breast cancer |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010098935A JP5725274B2 (ja) | 2010-04-22 | 2010-04-22 | 乳癌の予後の検査方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2011223957A true JP2011223957A (ja) | 2011-11-10 |
| JP5725274B2 JP5725274B2 (ja) | 2015-05-27 |
Family
ID=44816288
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2010098935A Active JP5725274B2 (ja) | 2010-04-22 | 2010-04-22 | 乳癌の予後の検査方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US8855941B2 (ja) |
| JP (1) | JP5725274B2 (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018038351A (ja) * | 2016-09-09 | 2018-03-15 | 国立研究開発法人国立がん研究センター | 乳癌の予後の診断補助方法、ならびに乳癌の予後の診断補助のためのキットおよび装置 |
| JP2019020838A (ja) * | 2017-07-12 | 2019-02-07 | シスメックス株式会社 | データベースを構築する方法 |
| WO2020059850A1 (ja) * | 2018-09-21 | 2020-03-26 | 国立大学法人東京大学 | がんの予後判定方法 |
| WO2022101983A1 (ja) * | 2020-11-10 | 2022-05-19 | 株式会社パーキンエルマージャパン | 検体の分類方法 |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10487365B2 (en) | 2016-09-20 | 2019-11-26 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Services | Methods for detecting expression of lnc-FANCI-2 in cervical cells |
| WO2018156822A1 (en) | 2017-02-23 | 2018-08-30 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | A method of distinguishing lung squamous cell carcinoma from head and neck squamous cell carcinoma |
| JP7199045B2 (ja) | 2018-04-13 | 2023-01-05 | 国立大学法人大阪大学 | 乳癌の予後に関する情報の取得方法、乳癌の予後の判定装置及びコンピュータプログラム |
| CN111269981A (zh) * | 2020-02-17 | 2020-06-12 | 中国医科大学附属盛京医院 | Troap在制备检测经内分泌治疗的乳腺癌患者预后产品的用途 |
| WO2023152163A1 (de) | 2022-02-08 | 2023-08-17 | Alfred Kärcher SE & Co. KG | Bodenreinigungsgerät mit drehlagereinrichtung mit widerlager |
| DE202022101314U1 (de) | 2022-02-08 | 2022-06-20 | Alfred Kärcher SE & Co. KG | Bodenreinigungsgerät mit Schmutzfluid-Tank |
| DE102022102937A1 (de) | 2022-02-08 | 2023-08-10 | Alfred Kärcher SE & Co. KG | Bodenreinigungsgerät mit Schmutzfluid-Tank |
| DE202022101312U1 (de) | 2022-02-08 | 2022-06-20 | Alfred Kärcher SE & Co. KG | Bodenreinigungsgerät mit Kassette |
| DE202022101313U1 (de) | 2022-02-08 | 2022-06-20 | Alfred Kärcher SE & Co. KG | Bodenreinigungsgerät mit beweglichem Abstreifelement |
| DE102022102918A1 (de) | 2022-02-08 | 2023-08-10 | Alfred Kärcher SE & Co. KG | Bodenreinigungsgerät mit Kassette |
| DE102022102924A1 (de) | 2022-02-08 | 2023-08-10 | Alfred Kärcher SE & Co. KG | Bodenreinigungsgerät mit beweglichem Abstreifelement |
| DE102022133009A1 (de) | 2022-02-08 | 2023-08-10 | Alfred Kärcher SE & Co. KG | Bodenreinigungsgerät mit Drehlagereinrichtung mit Widerlager |
| WO2023151833A1 (de) | 2022-02-08 | 2023-08-17 | Alfred Kärcher SE & Co. KG | Bodenreinigungsgerät mit kehreinrichtung und verfahren zum betreiben eines bodenreinigungsgeräts |
| DE102022124120A1 (de) | 2022-09-20 | 2024-03-21 | Alfred Kärcher SE & Co. KG | Bodenreinigungsgerät mit Becken und Verfahren zum Betreiben eines Bodenreinigungsgeräts |
| DE102022133004A1 (de) | 2022-12-12 | 2024-06-13 | Alfred Kärcher SE & Co. KG | Bodenreinigungsgerät mit Bodenkopf mit Wandung |
| DE102022133006A1 (de) | 2022-12-12 | 2024-06-13 | Alfred Kärcher SE & Co. KG | Bodenreinigungsgerät mit Schmutzfluid-Tank mit zwei Bereichen |
| WO2024170089A1 (de) | 2023-02-16 | 2024-08-22 | Alfred Kärcher SE & Co. KG | Bodenreinigungsmaschine mit basismodul und reinigungsmodul |
| DE102023104615A1 (de) | 2023-02-24 | 2024-08-29 | Alfred Kärcher SE & Co. KG | Flächenreinigungsmaschine mit Heißfluiderzeugungseinrichtung und Verfahren zum Betreiben einer Flächenreinigungsmaschine |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2002316251A1 (en) | 2001-06-18 | 2003-01-02 | Rosetta Inpharmatics, Inc. | Diagnosis and prognosis of breast cancer patients |
| EP1721159B1 (en) | 2004-02-20 | 2014-12-10 | Janssen Diagnostics, LLC | Breast cancer prognostics |
-
2010
- 2010-04-22 JP JP2010098935A patent/JP5725274B2/ja active Active
-
2011
- 2011-04-21 US US13/091,716 patent/US8855941B2/en active Active
Non-Patent Citations (5)
| Title |
|---|
| JPN6014031473; Ｎａｔｕｒｅ （２００２） ｖｏｌ．４１５， ｎｏ．６８７１， ｐ．５３０-５３６ * |
| JPN6014031474; 実験医学 （２００７） ｖｏｌ．２５， ｎｏ．１７， ｐ．５８-６２ * |
| JPN6014031475; がん研究に関わる特定領域研究研究報告書録 平成２０年度 （２００９） ｐ．２４８ * |
| JPN6014031478; Ｅｘｐｅｒｔ Ｏｐｉｎ． Ｂｉｏｌ． Ｔｈｅｒ． （２００５） ｖｏｌ．５， ｎｏ．８， ｐ．１０６９-１０８３ * |
| JPN7014002291; Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ （２００２） ｖｏｌ．１８， ｎｏ．１２， ｐ．１６００-１６０８ * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018038351A (ja) * | 2016-09-09 | 2018-03-15 | 国立研究開発法人国立がん研究センター | 乳癌の予後の診断補助方法、ならびに乳癌の予後の診断補助のためのキットおよび装置 |
| JP2019020838A (ja) * | 2017-07-12 | 2019-02-07 | シスメックス株式会社 | データベースを構築する方法 |
| JP7141029B2 (ja) | 2017-07-12 | 2022-09-22 | シスメックス株式会社 | データベースを構築する方法 |
| JP2022180363A (ja) * | 2017-07-12 | 2022-12-06 | シスメックス株式会社 | データベースを構築する方法 |
| JP7493208B2 (ja) | 2017-07-12 | 2024-05-31 | シスメックス株式会社 | データベースを構築する方法 |
| WO2020059850A1 (ja) * | 2018-09-21 | 2020-03-26 | 国立大学法人東京大学 | がんの予後判定方法 |
| WO2022101983A1 (ja) * | 2020-11-10 | 2022-05-19 | 株式会社パーキンエルマージャパン | 検体の分類方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20110263444A1 (en) | 2011-10-27 |
| US8855941B2 (en) | 2014-10-07 |
| JP5725274B2 (ja) | 2015-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5725274B2 (ja) | 乳癌の予後の検査方法 | |
| US20230250484A1 (en) | Gene expression profiles to predict breast cancer outcomes | |
| Riester et al. | Combination of a novel gene expression signature with a clinical nomogram improves the prediction of survival in high-risk bladder cancer | |
| JP7228896B2 (ja) | 乳がん患者の予後の予測方法 | |
| US8202968B2 (en) | Predicting lung cancer survival using gene expression | |
| CN111910004B (zh) | cfDNA在早期乳腺癌无创诊断中的应用 | |
| MX2013013746A (es) | Biomarcadores para cancer de pulmon. | |
| US20170211155A1 (en) | Method for predicting risk of metastasis | |
| CN111863250B (zh) | 一种早期乳腺癌的联合诊断模型及系统 | |
| US20090192045A1 (en) | Molecular staging of stage ii and iii colon cancer and prognosis | |
| WO2009074968A2 (en) | Method for predicting the efficacy of cancer therapy | |
| JP2018504906A (ja) | Ｙ染色体のメチル化部位を前立腺ガンの診断用マーカとする使用 | |
| WO2012145607A2 (en) | Specific copy number aberrations as predictors of breast cancer | |
| Grisaru et al. | Microarray expression identification of differentially expressed genes in serous epithelial ovarian cancer compared with bulk normal ovarian tissue and ovarian surface scrapings | |
| KR20170032892A (ko) | 난소암의 예후 예측용 유전자 선별방법 | |
| WO2011065533A1 (ja) | 乳癌術前化学療法に対する感受性の判定方法 | |
| US20210079479A1 (en) | Compostions and methods for diagnosing lung cancers using gene expression profiles | |
| CN113774135B (zh) | 一组用于预测高级别浆液性卵巢癌预后的标志物及其应用 | |
| WO2017119510A1 (ja) | 乳がんの診断のための検査方法、遺伝子マーカー、および検査薬 | |
| KR20160086496A (ko) | 난소암의 예후 예측용 유전자 선별방법 | |
| WO2024097838A2 (en) | Methods for processing breast tissue samples | |
| JP2020167940A (ja) | 乳癌の晩期再発リスクを評価する方法及びキット | |
| CN116194596A (zh) | 用于检测和预测3级宫颈上皮瘤变（cin3）和/或癌症的方法 | |
| CN116926190A (zh) | 测量乳腺癌远端转移风险的预后标志物及其应用 | |
| WO2012056033A1 (en) | Method for the analysis of a biological sample of a patient |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130226 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20130226 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140729 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150303 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150317 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5725274 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |