JP2013522649A - ヒト幹細胞様細胞及びメタボロミクスを使用した医薬のヒト発生毒性の予測 - Google Patents

Abstract

本発明は、代謝物のバイオマーカープロファイル、及びヒト幹細胞様細胞（hSLCs）又はそれらから産生される系列特異的細胞を使用して、医薬品、リード及び候補薬剤化合物及び他の化学物質を含む化合物をスクリーニングするための方法を供する。本発明の方法は、毒性、特に発生毒性を試験する、且つこのような化合物の催奇性作用を検出することに有用である。特に、発生毒性のバイオマーカーを発見するためにhSLCs及びメタボロミクス双方を利用する、インビトロ（in vitro）の方法に基づくより予測性がある発生毒性モデルを開示する。

Description

本発明は、医薬及び他の化合物の毒性学的スクリーニングのための方法を供する。発明は、特に多能性ヒト幹細胞様細胞（hSLCs）に関するアッセイ、及び医薬品及び他の化学物質の発生毒性又は催奇性作用を検出するためのこれらの細胞の使用方法を供する。より詳細には、本発明は、ヒト発生中のそれらの毒性の予測化合物の毒性を分析するためのインビトロ（in vitro）での手段を供する。本明細書中で、毒性又は催奇性作用に関する候補予測バイオマーカーもまた同定され且つ供される。

先天異常は、米国における乳児死亡率及び小児疾患の主因であり、出生乳児33人のうち１人が発症する（Brent & Beckman, 1990, Bull NY Acad Med 66: 123-63; Rosano et al, 2000, J. Epidemiology Community Health 54:660-66）、又はおよそ125,000人の新生児が毎年発症することと理解されている。発生毒性は、先天異常を生じ、胎子致死、子宮内胎児発育遅延 （IUGR）、異形態発生（例えば骨格奇形等）、及び機能毒性を生じる可能性があり、例えば自閉症等の認知障害に繋がり得る。化学的曝露のこれらの疾患の発症における役割ついての関心が増大している。実際、胎児において発生異常を誘発する既知の催奇性剤への子宮内曝露によって、全先天異常の5%〜10%が生じていると推定されている（Beckman & Brent, 1984, Annu Rev Pharmacol 24: 483-500）。

先天異常の発症において、化学的曝露が重要な役割をしており予防できる可能性がある、との関心がもたれている（Claudio et al, 2001, Environm Health Perspect 109: A254-A261）。斯かる技術分野は80,000個以上の化学物質に関して発生毒性を試験するためのロバスト且つ効果的なモデルが市場において欠如しており、さらに新規の2,000個の化合物が毎年導入されるので、この関心を調べることは困難である（General Accounting Office （GAO）, 1994, Toxic Substances Control Act: Preliminary Observations on Legislative Changes to Make TSCA More Effective, Testimony, Jul. 13, 1994, GAO/T-RCED-94-263）。これらの化合物の5%未満が生殖成績について試験され、発生毒性について試験されている化合物はそれ未満である（Environmental Protective Agency （EPA）, 1998, Chemical Hazard Data Availability Study, Office of Pollution Prevention and Toxins）。毒性を評価するための動物モデルシステムを使用する一部の試みがなされているが（Piersma, 2004, Toxicology Letters 149:147-53）、子宮におけるヒトの感受性の先天性の違いはこのようなモデルの予測有用性を制限していた。ヒトベースの細胞モデルシステムの進歩は、薬剤開発及び化学物質のリスク評価において非常に多くの影響を生じるであろう。

毒性、特に発生毒性は、薬剤開発課程を介した化合物の進歩において主要な障害でもある。今日、特にヒト胚及び胎児における発育及び器官形成において、化合物曝露の副作用を予測するための手段として動物モデルで毒性試験が行われる。新規治験薬のFDAの認可に寄与する最も流行のモデルは、ウサギ及びラットにおける全身性動物試験である（Piersma, 2004, Toxicology Letters 149: 147-53）。インビボ（in vivo）での試験は、妊娠及び胎仔/胎児発達の異なるステージ（妊娠期間の第１週、器官形成段階及び全妊娠期間）の妊娠動物への化合物の投与に依存している。しかしながら、これらのインビボ（in vivo）での動物モデルは、生化学経路における違いに起因する発達中の化合物への動物とヒトの応答との間の生物学的関係の欠如によって制限されている。種の違いが、例えば化合物の用量感受性及び薬剤動態プロセシング等の動向において、しばしば顕在化される。報告された論文によれば、化合物へのヒトの発育応答の予測において動物モデルはおよそ60%有効である（Greaves et al, 2004, Nat Rev Drug Discov 3:226-36）。よって、ヒト標的の予測インビトロ（in vitro）のモデルは、新規薬剤開発のコストを削減する機会を提示しより安全な薬剤を可能にする。

インビトロ（in vitro）モデルは、製薬業で20年以上利用されている（Huuskonen, 2005, Toxicology & Applied Pharm 207:S495-S500）。現在の多くのインビトロ（in vitro）アッセイは、初代細胞培養又は不死化細胞株を使用する分化モデルを含む（Huuskonen, 2005, Toxicology & Applied Pharm 207:S495-S500）。残念なことに、これらのモデルは、発生毒性を正確に評価する能力において、インビボ（in vivo）のカウンターパートと顕著に異なる。特に、ECVAMイニシアティブ（欧州代替法評価センター）は、予測発生毒性のためのスクリーニングシステムとしてマウス胚性幹細胞を使用している。胚性幹細胞試験（EST）から、試験薬剤の78%の催奇性を予測することができ、試験は、中度/弱性又は非胎仔毒性化合物から強力な催奇性物質を鑑別することができると報告された（Spielmann et al., 1997, In vitro Toxicology 10:119-27）。毒性学的エンドポイントは心臓分化を害する化合物に関してのみ規定されるので、このモデルの使用は一部に制限される。このモデルはまた、マウスとヒトとの間の種間の発達の違いを説明できず、よってヒト特異的モデルシステムに関する技術分野での必要性に十分に対処できない。

よって、医薬品及び他の化合物において確実に発生毒性を特定するために、当技術分野においてヒト細胞由来のインビトロ（in vitro）の方法が必要である。ヒト発生及び毒素によるその摂動（perturbation）及び他の発達破壊剤をより理解し、もたらされる先天性疾患、及びこれらの生化学経路を共有する例えば癌等の多くの疾患の臨床的対応を補助することもまた当技術分野において必要である。ヒト由来の細胞に基づくシステムは、他の疾患により生じる毒性を予測し且つ毒性を同定することができる毒性バイオマーカーを特定する可能性を増大する。

メタボロミクスとヒト胚性幹細胞（hESCs）との結合は、発生毒性を予測するためのより有効なインビトロ（in vitro）のヒトモデルに繋がっている。hESCsは、当初は胚盤胞の内部細胞塊に由来した （Thomson et al. 1998）。これらの細胞のヒト胎子起源を考慮すると、hESCsを使用したインビトロ（in vitro）の催奇性試験は、より正確なヒトエンドポイントを生る可能性があり、同時に動物試験以上にコスト及び時間の削減及び予測可能性の増大をもたらす。メタボロミクスは、メタボロームを含む低分子の動的セット（dynamic set）への変化を検出することによって生化学経路における機能性変化を評価する。バイオマーカーの発見におけるメタボロミクスの可能性は、複数の研究によって説明されている（Cezar et al. 2007, Tan et al. 1998, Sabatine et al. 2005, Barr et al. 2003, Qu et al. 2000）。

しかしながら、初期のヒト発生中のヒト発生毒性スクリーニング及び化学毒性を予測するための高度予測のインビトロ（in vitro）のシステムの確立に関して、より正確な方法を開発することが必要であるが未対処のままである。

本研究は、このようなシステムの確立を開示する。本願発明は、好ましくはヒト幹細胞様細胞（hSLCs）から分泌又は排出される複数の低分子の評価をさらに供し、斯かる評価は測定され、健康及び疾患又は発作状態と相関する。

本願発明は、今日利用可能なアッセイより予測性があり、定量的ヒトエンドポイントを供する高処理発生毒性スクリーニングを提供する。

本願発明は、hSLCsにおける医薬及び非医薬化学物質の毒性及び催奇性の、より信頼性のあるインビトロ（in vitro）のスクリーニングのための試薬及び方法を供する。

本発明は、hSLCsを使用した、医薬及び他の化合物の毒性、特に発生毒性及び催奇性を確実に測定するためのヒト特異的インビトロ（in vitro）の方法を供する。本明細書で、hSLCsは、化合物の毒性作用、特にヒト発生における斯かる毒性及び催奇性作用を評価するために有用であり、よって種間動物モデルに関連する制限を克服する。

特に、本発明は、既知のヒト発生の破壊物質に応答してhSLCsの代謝物特性が変更されることを示す。本発明はさらに、hSLCメタボロームが疾患及び毒性反応に対するヒトバイオマーカーの源であることを示す。

よって、本願発明のhSLC及びメタボロミクスに基づくモデルは、化合物の毒性及び催奇性を測定する、マウス又はゼブラフィッシュに基づくモデルを使用する他の研究より有意な利点を供し、本願発明は、ヒト発生毒性の機構を理解するために全てのヒトシステム及びヒトバイオマーカーを利用する。

一実施形態において、本発明は試験化合物の催奇性の予測方法であって、（a）（i）第一の既知の催奇性化合物の存在下; 及び（ii）第一の既知の催奇性化合物の不存在下で、hSLCsを培養する工程、b）第一の既知の催奇性化合物に曝露されていないhSLCsと比較して、第一の既知の催奇性化合物に曝露されたhSLCsに関連する約 3000 ダルトン未満の分子量を有する複数の代謝物を検出し、第一の既知の催奇性化合物に曝露されていないhSLCsと比較した、第一の既知の催奇性化合物に曝露されたhSLCsの代謝応答における違いを同定する工程; c）代謝応答における違いを分析し、第一の催奇性化合物へのhSLCsの曝露と関連した質量特性のセットを生じる工程; d）毎回異なる既知の催奇性化合物で、工程a）〜c）を複数回繰り返す工程; e） 催奇性化合物への各曝露から生じる質量特性を分類し、質量特性の第一の参照プロファイルを得る工程; f）試験化合物へのhSLCsの曝露で生じる質量特性のプロファイルを、第一の参照プロファイルと比較し、試験化合物の催奇性を予測する工程; g）試験化合物が催奇性物質であると予測される場合に、質量特性のプロファイルを第一の参照プロファイルへ追加し、第二の参照プロファイルを得る工程であって、第二の参照プロファイルの予測正確性が第一の参照プロファイルの予測正確性より高い工程; 及びh）工程f）とg）とを、毎回異なる試験化合物で複数回繰り返し、最終参照プロファイルを得る工程、を含む方法を開示する。

他の実施形態において、本発明は、催奇性物質として試験化合物を分類する方法であって、a）i）試験化合物の存在下; 及びii）試験化合物の不存在下で、hSLCsを培養する工程: b） hSLCsに関連する約 3000 ダルトン未満の分子量を有する複数の代謝物を測定することによって、試験化合物の不存在下で培養されたhSLCsと比較した、試験化合物の存在下のhSLCsの代謝応答における違いを同定する工程であって、試験化合物の不存在下で培養されたhSLCsに対する、試験化合物の存在下で培養されたhSLCsに関連する複数の代謝物における違いが、代謝応答における違いを示す工程; 及びc）第一の代謝物を含むhSLCsの代謝応答を、第二の代謝物を含むhSLCsの代謝応答に対して測定する工程であって、i） 第一の代謝物が第二の代謝物の前駆体である; 又はii） 第一の代謝物がアミノ酸であり、第二の代謝物がアミノ酸の代謝阻害剤であるとともに、第二の代謝物を含むhSLCsの代謝応答に対する第一の代謝物を含むhSLCsの代謝応答における違いが、試験化合物が催奇性物質であることを示す工程、を含む方法を開示する。

さらに他の実施形態において、本発明は、試験化合物を催奇性物質又は非催奇性物質として分類する方法であって、a）i）試験化合物の存在下; 及びii）試験化合物の不存在下で、hSLCsを培養する工程: b）試験化合物の不存在下で培養されたhSLCsと比較して、試験化合物の存在下で培養されたhSLCsに関連するアルギニンの変化率を測定する工程;c）試験化合物の不存在下で培養されたhSLCsと比較して、試験化合物の存在下で培養されたhSLCsに関連する非対称性ジメチルアルギニン （ADMA）における変化率を測定する工程; d）ADMAにおける変化率に対するアルギニンの変化率の比を測定する工程であって、i） 少なくとも約0.9未満又は少なくとも約1.1以上の比が、試験化合物の催奇性を示し、ii）少なくとも約0.9以上且つ少なくとも約1.1未満の比が、試験化合物の非催奇性を示す工程、を含む方法を開示する。

さらなる実施形態において、本発明は、催奇性物質として試験化合物を確認するための方法であって、a）約 3000 ダルトン未満の分子量を有する代謝物のセットを固形で供する工程であって、催奇性化合物の不存在下で培養されたhSLCsと比較して、１又は２以上の既知の催奇性化合物の存在下で培養されたhSLCsによって、代謝物が異なって代謝される工程; b）所定の量の生理的に適した緩衝剤に代謝物のセットを再懸濁する工程であって、緩衝剤中の各代謝物の最終濃度が、１又は２以上の既知の催奇性化合物の存在下で培養されたhSLCsに関連する代謝物の濃度と同一である工程; c）代謝物の参照プロファイルを得る工程; 及びd）試験化合物へのhSLCsの曝露で得られた質量特性のプロファイルを代謝物の参照プロファイルと比較し、試験化合物の催奇性を確認する工程、を含む方法を開示する。

さらに他の実施形態において、本発明は、催奇性化合物の代謝効果を同定する方法であって、a） i） 催奇性化合物の存在下; 及びii） 催奇性化合物の不存在下で;hSLCsを培養する工程: b）催奇性化合物に曝露されていないhSLCsと比較して、催奇性化合物に曝露されたhSLCsに関連する約 3000 ダルトン未満の分子量を有する複数の代謝物を検出し、催奇性化合物に曝露されていないhSLCsと比較した、催奇性化合物に曝露されたhSLCsの代謝応答における違いを同定する工程; c）複数の代謝物を１又は２以上の代謝ネットワークへマッピングする工程; 及びd）複数の代謝物が、１又は２以上の代謝ネットワークの既知の崩壊により影響を受けた代謝物と同一である場合に、催奇性化合物の代謝効果を同定する工程、を含む方法を開示する。

本願発明の特に好ましい実施形態は、次の特定の好ましい実施形態のより詳細な記載及び請求項から明らかとなるであろう。

図1は、本研究で使用した実験デザインを表す。３つのウェル再現を伴う３つのプレート再現は、対照 （未投与培地での細胞）及び実験細胞 （投与細胞）のために使用した。３つのウェル再現を、培地対照（細胞なし、未投与培地）及び投与された培地対照（細胞なし、投与培地）に使用した。

図２は、対照である未投与細胞に対して基準化した細胞生存率データを表す。

図３は、催奇性に基づいて薬剤の明確な区別を示す、ランダムフォレストモデルの多次元スケーリングプロット（似性尺度（similarity metric））を示す。囲った薬剤処理は、ランダムフォレストモデルによって非催奇性物質として誤って分類されたリファンピシン及びアキュテインを示す。灰色=催奇性物質、黒色=非催奇性物質、ポイント=薬剤の頭文字。

図４は、18-特徴改良ランダムフォレストモデルに基づいた受信者動作特性 （ROC）曲線を表す。

図５は、L-アルギニンのL-シトルリンへの代謝を含む尿素回路の特異的な工程を表す。一酸化窒素合成酵素 （NOS）がL-アルギニンをL-シトルリンへ酸化する場合に、NOは除去される。ジメチルアルギニンは、一酸化窒素合成酵素を抑制する。一酸化窒素は、ラットの胎仔で神経管欠損 （NTD）を誘発することが示されている。

図６は、本研究で見られる代謝物間の代謝ネットワーク関係を表す。

図７は、本研究で使用した投薬実験に関する96ウェルプレートにおける実験デザインを表す。

図８は、データの前処理フローチャートの異常値及びデータ処理中に適用したフィルターの概要を示す。

図９は、統計分析プロセスの概要を表す。

図１０は、生存率分析を表す。細胞毒性比を、各96ウェルプレートに関して存在する未処理細胞（対照）に対して基準化した。アスタリスクでマークされたバーは、生存率の統計上顕著な減少を示す（P値 < 0.05）: ウエルチT検定による細胞毒性比。化合物処理ST003G-74-A、ST003G-80G、及びSTO003G-81Hは、低用量はlOxより毒性が高いようだという予想外の生存率結果を示す。薬剤治療ST003G-84K、及びST003G-85Lは、投与量の増加と関連した生存率の低下を示さない。

図１１は、ニコチン酸及びニコチンアミド代謝ネットワークを表す。この図及び続く図12-28において、推定的にKEGG IDでアノテートし経路エンリッチメント分析で顕著に同定された全12個の処理化合物にわたる特徴の全てを、倍率変化に関して検討し、経路図中に黒丸でマークした。同重体の酵素を灰色円でマークする。酵素をECコードで特定し、同定されたヒト酵素活性を灰色で強調する。

図１２は、パントテン酸及び補酵素A生合成経路を表す。個々の経路は、本明細書に開示の通り修正されている。

図１３は、グルタチオン代謝ネットワークを表す。経路は、本願の開示に従って修正されている。

図１４は、アルギニン及びプロリン代謝ネットワークを表す。経路は、本願の開示に従って修正されている。

図１５は、システイン及びメチオニン代謝ネットワークを表す。経路は、本願の開示に従って修正されている。

図１６は、ペントースリン酸経路を表す。経路は、本願の開示に従って修正されている。

図１７は、ペントース及びグルクロン酸相互変換経路を表す。経路は、本願の開示に従って修正されている。

図１８は、ガラクトース代謝ネットワークを表す。経路は、本願の開示に従って修正されている。

図１９は、アスコルビン酸及びアルダル酸代謝ネットワークを表す。経路は、本願の開示に従って修正されている。

図２０は、プリン及びピリミジン代謝ネットワークを表す。経路は、本願の開示に従って修正されている。

図２０−２は、プリン及びピリミジン代謝ネットワークを表す。経路は、本願の開示に従って修正されている。

図２１は、バリン、ロイシン及びイソロイシン分解経路を表す。経路は、本願の開示に従って修正されている。

図２２は、リジン生合成及びリジン分解経路を表す。経路は、本願の開示に従って修正されている。

図２２−２は、リジン生合成及びリジン分解経路を表す。経路は、本願の開示に従って修正されている。

図２３は、アミノ糖及びヌクレオチド糖代謝ネットワークを表す。経路は、本願の開示に従って修正されている。

図２４は、ピルビン酸代謝ネットワークを表す。経路は、本願の開示に従って修正されている。

図２５は、プロピオン酸代謝及びチアミン代謝ネットワークを表す。各経路は、本明細書の開示に従って修正されている。

図２６は、ビタミンB6代謝ネットワークを表す。経路は、本願の開示に従って修正されている。

図２７は、ニコチン酸及びニコチンアミド代謝ネットワークを表す。各経路は、本明細書に開示の通り修正されている。

図２８は、葉酸生合成経路を表す。経路は、本願の開示に従って修正されている。

図２９は、hES細胞のドキシラミン投薬後の細胞生存率データを表す。

本願発明は、添付図面を参照して記載する。本願の一定の縮尺の図面は必須ではなく、またこれらの図及び図示は単に本発明を説明するのであってそれに限定されないことと理解される。

本発明は、ヒト胚性幹細胞メタボロームを使用した発生毒性を評価するための、hSLCs、又はhESC由来の系列特異的細胞、例えばそれらから産生される神経幹細胞、神経前駆細胞及び神経細胞等の試薬を供する。hESCsは、インビトロ（in vitro）で器官形成を繰り返す、着床前ヒト胎子から直接単離される多能性、自己再生細胞である。系列特異的前駆細胞は、hESCsに由来し、特定の細胞系列を導入するが、その特定系列内の細胞型に関して多能性は維持したままである。例えば、神経前駆体は神経分化に関係づけられているが、その神経細胞型については限定されていないままである。hSLCsは機能的体細胞内で分化を繰り返すので、ヒト発生及び疾患の生化学経路はhSLCsで活発である。発生中のこれらの経路の崩壊は、例えば神経管欠損（NTDs）及び認知障害等の疾患に寄与する。環境的薬剤、すなわち化学物質又は薬剤は、特定のもたらされる先天性疾患を有する個体の発生に関与する。

本明細書は、本発明の特徴を組み込む１又は２以上の実施形態を開示する。開示の実施形態は、単に本発明を提示する。本発明の範囲は、開示の実施形態に限定されない。本発明は、本明細書に添付の請求項によって規定される。

以下の記載において、本発明の徹底的な理解を供するため、説明の目的で、特定の番号、パラメータ及び試薬を説明する。しかしながら、本発明はこれらの特定の１つが欠如していても実施できることが理解される。場合によっては本発明を不明瞭にしないように、著名な特性は除外又は単純化できる。

記載の実施形態は、本明細書で「一実施形態」、「本発明の実施形態」、「実施形態」、「例示実施形態」等と呼び、記載の実施形態が特定の特徴、構造、又は特性を含むことができるが、各実施形態は必ずしも特有の特徴、構造、又は特性を含まなくてよいことを示す。さらに、このような用語は、必ずしも同一の実施形態を示さない。さらに、実施形態に関連して特有の特徴、構造、又は特性が記載される場合、明確に記載されていても記載されていなくても、他の実施形態に関連してこのような特徴、構造、又は特性が生じることは当業者の知識内であることと理解される。

記載「a」又は「an」とは、本明細書で単数又は複数を指す。例えば、特徴、タンパク質、生体液、又は分類指標の記載は、単数の単独の特徴、タンパク質、生体液、又は分類指標を意味することができる。あるいは、特徴、タンパク質、生体液、又は分類指標の記載は、複数の特徴、タンパク質、生体液、又は分類指標を意味する。よって、明細書中、「a」又は「an」とは、単数又は複数とすることができる。同様に、複数への言及及び記載は単数を意味することができる。

本明細書で実施形態は用語「含む」と共に記載され、あるいは類似の実施形態はまた用語「から成る」及び/又は「から本質的に成る」と共に記載されると理解される。

本明細書は、既知の催奇性化合物の不存在下で培養されたhSLCsと比較して、既知の催奇性化合物の存在下で異なって培養されたhSLCsの、約3000 ダルトン未満の分子量を有する精製細胞代謝物の特定のセットを検出することによって、試験化合物の催奇性を予測し且つそれをアッセイする方法及びキット、及び神経発生崩壊に関する試験化合物のアッセイの方法を記載する。特定の実施形態において、代謝物は約50〜約 3000 ダルトンの分子量を有し、血清中のマーカータンパク質を検出するための具体的な代表的実施形態が本明細書中で供される。しかしながら、本明細書に示される教示及びガイダンスに基づき、本明細書に記載される方法を容易に適応させることは当業者の知識内であることと理解される。

定義 細胞代謝を介して作成される細胞代謝物の総動的セットと定義されるメタボロームは、健康又は疾患/発作状態の産生物である。代謝物は、糖、有機酸、アミノ酸及び脂肪酸、特に細胞によって分泌、排出、消費、又は同定されたそれらの種、又は細胞を介してフラックス（flux）され、病理学的又は化学的侵襲への細胞応答の機能的機構に関与するそれらの代謝物を含むがこれらに限定されない。これらの代謝物は、疾患又は毒性反応のバイオマーカーとして機能し、hSLC培地を含む生体液中で検出され得る（Soga et al, 2006, J Biol Chem 281 :16768-78; Zhao et al, 2006, Birth Defects Res A Clin Mol Teratol 76:230-6）。重要なことは、メタボロミクスプロファイリングは、トランスクリプトミクス及びプロテオミクスによって大抵予測される機能性変化を確認することができることである。

hSLCsは培養微小環境に対して高感度であることが知られていたが（Levenstein et al, 2005, Stem Cells 24: 568-574; Li et al, 2005, Biotechnol Bioeng 91 :688-698）、とりわけ外因性化学物質への曝露がhSLCsの生存に非常に有害でありそれらから有用な情報を得ることが防止され得ることを当業者は予測できたが、毒素、催奇性物質及び特に医薬品、薬剤につながる化合物及び薬剤開発の候補化合物を含む化合物に応答する予測バイオマーカーの供給源としてのそれらの適用、及び疾患及び発生のインビトロ（in vitro）モデルの確立におけるそれらの有用性は不明であった。この関心事は、これまで説明されていない。

明細書中、用語「ヒト幹細胞様細胞（hSLCs）」とは、多能性、未分化hESCs、及びヒト人工多能性（iPS）細胞、及びヒト胚様体を含むことを意味する。

明細書中、用語「ヒト胚性幹細胞（hESCs）」とは、発生胚盤胞の内部細胞塊にもともと由来する未分化幹細胞、特にその多能性、未分化ヒト幹細胞及び部分的分化細胞型 （例えば、分化hESCの下流前駆体）を含むことを意味する。本明細書で供する場合、hESCsのインビトロ（in vitro）の培養物は多能性があり且つ不死化されておらず、当技術分野で確立された方法を使用して系列特異的細胞及び分化細胞型を産生するよう誘導され得る。好ましい実施形態において、Thomson等の、共有米国特許第6,200,806号の記載の通り、本発明の方法の実行で有用なhESCsは、着床前胚盤胞に由来する。複数のhESC株は、米国及び英国幹細胞バンクで今日利用可能である。

明細書中、用語「ヒト胚様体」とは、ヒト胚性幹細胞に由来する細胞の凝集塊である。細胞凝集は、非組織培養処理プレート又はスピナフラスコ上の懸滴、プレーティングによってなされ、いずれの方法も細胞が表面へ接着することを阻止し、典型的なコロニー成長を形成する。凝集において、分化が開始され細胞は制限範囲まで胚発生を繰り返し始める。胚様体は全３つの胚葉: 内胚葉、外胚葉及び中胚葉、由来の細胞から成る。

明細書中、用語「ヒト人工多能性幹細胞」とは、iPS細胞と通常省略され、非多能性細胞、典型的には、特定の遺伝子の強制発現の誘発によって、成人体細胞に人工的に由来する多能性幹細胞型である。iPS細胞は、天然の多能性幹細胞、例えば胚性幹細胞等と、例えば特定の幹細胞遺伝子の発現及びタンパク質、クロマチンメチル化パターン、倍加時間、胚様体形成、奇形腫形成、生存可能なキメラ形成、及び潜在力及び分化能等の多くの観点で、同一であると考えられている。

一実施形態において、本願発明の細胞は、hSLC由来性の系列特異的細胞を含むこともできる。明細書中の用語「hSLC由来の系列特異的細胞」、「幹細胞前駆体」「系列特異的細胞」、「hSLC由来性細胞」及び「分化細胞」とは、hSLCsから分化した系列特異的細胞を含み、細胞は減弱された多能性を有する特異的系列であることを意味する。例えば、hSLC由来の系列特異的細胞は、hSLCsに由来し、特異的細胞系列に含まれるが、斯かる特異的系列内の細胞型に関して多能性を有した状態である。hSLC由来の系列特異的細胞は、例えば、神経幹細胞、神経前駆細胞、神経細胞、心筋幹細胞、心臓前駆細胞、心筋細胞等を含むことができる。一部の実施形態において、これらのhSLC由来の系列特異的細胞は、最終細胞型に関して未分化の状態である。例えば、神経幹細胞はhSLCsに由来し、十分に分化され神経系列に傾倒する。しかしながら、神経前駆体は、いずれかの神経細胞型に発達する可能性を有するという点で「幹細胞性」を有する。さらなる細胞型は、hESCs又は系列特異的前駆細胞、例えば、神経細胞に由来した高分化細胞を含む。

用語「細胞代謝物」及び「代謝物」は、明細書で互換的に使用される。明細書中の用語「細胞代謝物」又は「代謝物」とは、hSLCsによって分泌、排出又は同定された任意の小分子、又はhSLCs又は系列特異的前駆細胞、例えば、神経細胞を介してフラックスされる任意の小分子を意味する。好ましい実施形態において、細胞代謝物又は代謝物とは、糖、有機酸、アミノ酸、脂肪酸、ホルモン、ビタミン、オリゴペプチド （約100個未満のアミノ酸長）、及びそれらのイオン性断片を含むがそれらに限定されない。細胞はまた、細胞内に存在する細胞生成物を測定するために溶解することができる。特に、斯かる代謝物は、分子量約 3000ダルトン未満、より好ましくは約50〜約 3000 ダルトンである。

明細書中の用語、催奇性化合物の「代謝効果」とは、催奇性化合物の不存在下で培養されたhSLCs、又は既知の非催奇性化合物の存在下で培養されたhSLCsと比較した、催奇性化合物の存在下で培養されたhSLCs中に１又は２以上の代謝ネットワークの複数の代謝物の違いを意味し、斯かる複数の代謝物は１又は２以上の代謝ネットワークの既知の崩壊によって影響を受ける代謝物と同一である。一実施形態において、代謝物は異なって発現され得る。一態様において、例えば、代謝物の発現は、催奇性化合物に曝露される場合に増加され、非催奇性化合物に曝露される場合に減少される。他の態様において、例えば、代謝物は、催奇性化合物に曝露される場合に分泌され、非催奇性化合物に曝露される場合に分泌されない。

明細書中の用語「代謝応答」とは、酵素活性（例えば、アロステリック、共有結合的修飾、又はタンパク質プロセシングによる制御）、酵素存在量、非酵素化学反応、細胞トランスポーター、及び実験処置に応答した１又は２以上の代謝物又は培地成分のフラックスの存在量の変化につながる細胞外間隙における酵素作用における変更を介して生じる変化を意味する。応答は、細胞外又は細胞内双方の環境における１又は２以上の代謝物の存在量の変化によって測定できる。

一実施形態において、測定される代謝物の１又は２以上は、hSLCsから分泌された代謝物である。

一実施形態において、測定される代謝物の１又は２以上は、hSLCsから排出された代謝物である。

一実施形態において、測定される代謝物の１又は２以上は、hSLCsによって消費された代謝物である。

一実施形態において、測定される代謝物の１又は２以上は、hSLCsによって同定された代謝物である。

一実施形態において、試験化合物又は既知の催奇性化合物の不存在下で培養されたhSLCsと比較した、試験化合物又は既知の催奇性化合物の存在下で培養されたhSLCsに関連して分泌、排出、消費、又は同定された代謝物に関する代謝応答における違いは、hSLCsを介した代謝物のフラックスを測定することによって測定される。

明細書中の用語「フラックス」とは、代謝ネットワーク及び生物ネットワークを介した異化及び/又は同化による代謝物の代謝回転を意味する。培養処置後の培地成分の異なる利用を測定することによって観察される代謝フットワークは、代謝フラックスの例である。

明細書中の用語「同定」とは、hSLCsによって分泌又は消費された細胞代謝物を意味する。斯かる用語はまた、hSLCsを介してフラックスされた細胞代謝物を含む。

hSLCsは、当技術分野で著名な細胞培養の標準方法を使用した本発明の方法に従って培養され、例えば、Ludwig等の開示の方法を含む（2006, Feeder-independent culture of human embryonic stem cells, Nat Methods 3: 637-46）。好ましい実施形態において、hSLCsは、本発明の方法の実行中、支持細胞層の不存在下で培養されるが、本発明の方法の実行前にhSLCsは支持細胞層上で培養できる。

明細書中の用語、「投与」又は「投薬」とは、インビトロ（in vitro）でhSLCsの培養物を毒性、催奇性物質、又は試験化合物と接触させることを意味する。好ましい実施形態において、化合物の投与量は、インビボ（in vivo）で、例えば、母体循環で達成される又は達成可能なレベルと等価な量で投与される。

明細書中の用語「異なって産生される代謝物を同定」又は「細胞における変化又は代謝における変化を検出」とは、処理されたhSLCsの未処理（対照）細胞との比較（すなわち、毒性、催奇性物質、又は試験化合物の存在下（処理）又は不存在下（未処理）で培養された細胞との比較）を含むがそれらに限定されない。その培地において排出又は分泌又は代謝された細胞代謝物中の処理及び未処理細胞間の変動の検出又は測定は、この定義に含まれる。好ましい実施形態において、細胞又は細胞活性中の変化は、処理細胞と未処理細胞における、3000 ダルトン未満、より好ましくは50〜3000ダルトンの分子量を有する細胞代謝物の変化の特性を決定することにより測定される。

明細書中の用語「代謝経路」又は「代謝ネットワーク」又は「代謝経路」とは、細胞内で生じる一連の化学反応を意味する。各経路において、主要化合物は、１又は２以上の化学又は酵素反応によって修飾される。さらに、代謝経路は、それらの中間体によって結び付けられた一連の生化学反応から構成され得る。一反応の反応物（又は基質）は、前の反応の生成物等とすることができる。代謝経路は、通常一方向と考えられる（大抵の反応は可逆的であるが、細胞における条件では一方向であることが、フラックスに関して熱力学的により好ましい）。酵素は、代謝経路の反応を触媒し、正常に機能するために度々食物性無機物、ビタミン、及び他の補助因子を必要とする。関与し得る多くの化合物のため、経路は非常に複雑となり得る。さらに、多くの経路は、細胞内に存在し得る。この経路の集合は、代謝ネットワークと呼ばれる。代謝経路及びネットワークは、生物内の恒常性の維持に重要である。一実施形態において、化合物は、１又は２以上の化学又は酵素反応によって修飾される代謝経路又はネットワークの１又は２以上の生体分子を含む。他の実施形態において、化合物は、１又は２以上の化学又は酵素反応によって修飾される代謝経路又はネットワークの１又は２以上の生成物を含む。他の態様において、化合物は、１又は２以上の化学又は酵素反応によって修飾される代謝経路又はネットワークの１又は２以上の中間体を含む。さらに他の実施形態において、化合物は、１又は２以上の化学又は酵素反応によって修飾される代謝経路又はネットワークの１又は２以上の反応物を含む。当業者は、本明細書中で定義するように、代謝経路又は代謝ネットワークが、特有の代謝物の同化及び/又は異化代謝と関連のある１又は２以上の化合物を含むことと理解できる。例えば、グルタチオン経路は、グルタチオンの同化及び/又は異化代謝と関連のある生成物又は反応物を含む。

明細書中の用語「相関」又は「関連」又は「パターン整合」とは、hSLCsからインビボ（in vivo）の毒性反応へ分泌又は排出された糖、有機酸、アミノ酸、脂肪酸、及び低分子化合物を含むがそれらに限定されない細胞代謝物のパターン変化の正相関、又は関連、又は整合を意味する。スクリーニングされた細胞代謝物は、細胞中の広範囲の生化学経路に含まれ、炎症、抗炎症性反応、血管拡張、神経保護、酸化ストレス、抗酸化作用、DNA複製及び細胞周期調節、メチル化、とりわけ、ヌクレオチド、炭水化物、アミノ酸及び脂質の生合成を含むがそれらに限定されない、種々の生物活性に関連づけることができる。細胞代謝物の特異的なサブセットの変化は、特有の代謝又は発生経路に相当し、よって、インビボ（in vivo）での発達における試験化合物の効果を明らかにし得る。

一実施形態において、細胞代謝物は物理的分離方法を使用して同定される。

明細書中の用語「物理的分離方法」とは、本発明の方法によってhSLCsで産生され、毒性、催奇性又は試験化合物と結合される低分子中で変化及び違いの特性を生じるのに十分である当業者に周知の、任意の方法を意味する。好ましい実施形態において、物理的分離方法により、糖、有機酸、アミノ酸、脂肪酸、ホルモン、ビタミン、及びオリゴペプチド、及びそれらのイオン性断片及び低分子化合物（好ましくは分子量3000 ダルトン未満、より好ましくは50〜3000ダルトンを有する）を含むがそれらに限定されない細胞代謝物の検出が可能である。例えば、質量分析を使用できる。特定の実施形態において、飛行質量分析の液体クロマトグラフィー/エレクトロスプレーイオン化時間（LC/ESI-TOF-MS）によって斯かる分析は行われるが、本明細書中で説明される細胞代謝物は、別の分光法又は斯かるサイズ範囲のこれらのタイプの細胞化合物の分析に関する分野において周知の他の方法を使用して検出できると理解されるであろう。

明細書中の用語「バイオマーカー」とは、試験化合物又は周知の催奇性化合物の不存在下で培養されたhSLCsと比較して、試験化合物又は既知の催奇性化合物の存在下で培養されたhSLCsで顕著な変化を示す代謝物を意味する。一実施形態において、少なくとも代謝物の１つは大量に、試験化合物又は既知の催奇性化合物の不存在下よりも、試験化合物又は既知の催奇性化合物の存在下で、hSLCsから分泌又は排出される又はhSLCsによって消費又は同定される。他の実施形態において、少なくとも細胞代謝物の１つは、試験化合物又は既知の催奇性化合物の不存在下より、試験化合物又は既知の催奇性化合物の存在下で、hSLCsから少量分泌又は排出される。

好ましい実施形態において、LC/ESI-TOF-MS及びQTOF-MSを含む方法によってバイオマーカーは同定される。メタボロミクスバイオマーカーは、特有の毒性、催奇性又は試験化合物に応答してマーカーが検出されるそれらの特有の分子量及び一貫性によって同定され、よって、バイオマーカーに対応した根底にある化合物の現実の同一性は、本発明の実行に必要ない。

また、特定のバイオマーカーは、例えば、リアルタイムPCR、RT-PCR、ノーザン分析、及びインサイツハイブリダイゼーションを含む遺伝子発現分析によって同定することができる。

さらに、例えばMALDI/TOF （飛行時間型）、SELDI/TOF、液体クロマトグラフィー質量分析（LC-MS）、ガスクロマトグラフィー-質量分析 （GC-MS）、高速液体クロマトグラフィー-質量分析 （HPLC-MS）、キャピラリー電気泳動質量分析、磁気共鳴法、タンデム質量分析（例えば、、MS/MS、MS/MS/MS、ESI-MS/MS等）、二次イオン質量分析（SIMS）、又はイオン移動度分光法（例えば、GC-IMS、IMS-MS、LC-MS、LC-MS-MS等）等の質量分析を使用して、バイオマーカーは同定することができる。

質量分析方法は、当技術分野で周知であり、例えばタンパク質及び他の細胞代謝物等の生体分子を定量化し且つ/又は同定するために使用されている（例えば、Li et al, 2000; Rowley et al, 2000; and Kuster and Mann, 1998、を参照されたい）。

特定の実施形態において、気相イオン分光光度計が使用される。他の実施形態において、バイオマーカーを同定するためにレーザー脱離/イオン化質量分析が使用される。現代レーザー脱離/イオン化質量分析 （「LDI-MS」）は、２つの主要バリエーション: マトリックス支援レーザー脱離/イオン化 （「MALDI」） 質量分析及び表面増強レーザー脱離/イオン化 （「SELDI」）で行うことができる。

MALDIでは、分析物（例えば、バイオマーカー）は、マトリックスを含む溶液と混合され、液体の液滴を基質の表面上に置く。マトリックス溶液を続いて、バイオマーカーと共結晶化する。基質を質量分析計中に挿入する。レーザーエネルギーは、基質表面へ向けられ、そこでタンパク質が顕著に断片化されることなく脱着されイオン化される。しかしながら、MALDIは分析ツールとして制限がある。生体液の分画のための手段を提供せず、マトリックス物質は特に低分子量分析物の検出に干渉する可能性がある。

SELDIにおいて、基質表面は修飾され、脱離課程において積極的に関与する。一改良形において、表面は目的のバイオマーカーを選択的に結合する吸着剤及び/又は捕捉試薬で誘導体化される。他の改良形において、レーザーを当てた場合に脱着されない分子を吸収するエネルギーで表面は誘導体化される。他の変異形において、表面は目的のバイオマーカーを結合しレーザーの適用で切断される光分解性結合を含む分子で誘導体化される。これらの方法の各々において、誘導体化剤は通常、試料が適用される基質表面の特異的部位に局在化される。２つの方法は、例えば、分析物（例えば、バイオマーカー）の捕捉のためにSELDI親和性表面を使用し、エネルギー吸収材料を供するためにマトリックス含有液体を捕捉分析物に適用することによって組み合わせることができる。

質量分析計に関するさらなる情報に関しては、例えば、Principles of Instrumental Analysis, 3rd edition., Skoog, Saunders College Publishing, Philadelphia, 1985; 及びKirk-Othmer Encyclopedia of Chemical Technology, 4^th ed. Vol. 15 (John Wiley & Sons, New York 1995), pp. 1071-1094を参照されたい。

一部の実施形態において、質量分析由来のデータはマスクロマトグラムとして表される。「マスクロマトグラム」とは、クロマトグラムとしての質量分析データの表示であり、x軸は時間を表し、y軸はシグナル強度を表す。一態様において、マスクロマトグラムは、総イオン電流（TIC）クロマトグラムである。他の態様において、マスクロマトグラムは、基準ピーククロマトグラムである。他の実施形態において、マスクロマトグラムは選択イオンモニタリング （SIM）クロマトグラムである。さらに他の実施形態において、マスクロマトグラムは選択反応モニタリング （SRM）クロマトグラムである。好ましい実施形態において、マスクロマトグラムは抽出イオンクロマトグラム （EIC）である。

EICにおいて、実行全体を通して１つの特徴がモニターされる。特定の分析物の質量対電荷比付近のマストレランスウィンドウ内の全強度又は基準ピーク強度は、分析における各点時においてプロットされる。マストレランスウィンドウのサイズは、典型的には、機器のコレクションデータの質量精度及び質量分解能次第である。明細書中、用語「特徴」とは、単一の小代謝物、又は代謝物断片を意味する。一部の実施形態において、用語「特徴」とは、さらなる検討におけるノイズもまた含むことができる。

バイオマーカーの存在の検出は、典型的にはシグナル強度の検出を含む。これは、基質に結合されたバイオマーカーの量及び特性を反映し得る。例えば、特定の実施形態において、第一の試料及び第二の試料のスペクトル由来のピーク値の単一の強度は、特有のバイオマーカーの相対量を測定するために（例えば、コンピュータ分析等によって視覚的に）比較できる。例えばBiomarker Wizardプログラム（Ciphergen Biosystems, Inc., Fremont, Calif.）等のソフトウェアプログラムは、質量スペクトルの分析を補助するために使用できる。質量分析計及びその技術は周知である。

当業者は、質量分析計、例えば、脱離源、質量分析計、検出等の構成要素のいずれか、及び多様な試料調製物は、本明細書で記載される他の適した構成要素又は調製物と結合させる、又は当技術分野で周知の構成要素又は調製物に結合させることができることと理解する。例えば、一部の実施形態において、対照試料は、重原子、例えば、¹³Cを含むことができ、それにより試験試料を同一の質量分析の実行において周知の対照試料と混合させることが可能となる。良好な安定性のある同位体標識を含む。

一実施形態において、レーザー脱離飛行時間型（TOF）質量分析計が使用される。レーザー脱離質量分析において、結合マーカーを有する基質は吸気系に導入される。マーカーは、イオン化源からレーザーによって気相中に脱着されイオン化される。生じたイオンは、イオン光学アセンブリーによって回収され、続いて飛行時間型質量分析計において、イオンは短時間高電圧場を通して加速され高真空チャンバー中に流される。高真空チャンバーの遠端において、加速されたイオンは高感度検出器表面に異なる時間で当たる。飛行時間型は、イオン質量の関数であるので、イオン形成とイオン検出器衝撃との間の所要時間は、電荷比に対する特定の質量の分子の存在又は不存在を同定するために使用できる。

本発明の一実施形態において、バイオマーカーのレベルは、MALDI-TOF質量分析によって検出される。

バイオマーカーを検出する方法は、表面プラズモン共鳴法（SPR）の使用もまた含む。SPRバイオセンシング技術は、バイオマーカーの脱離及び同定のためにMALDI-TOF質量分析と組み合わされている。

統計分析のためのデータは、当技術分野で周知の統計方法のためのソフトウェアを使用してクロマトグラム（質量シグナルのスペクトル）から抽出することができる。「統計」とは、個体群又は実験群に関する数値データを有効活用する科学である。統計分析のための方法は、当技術分野で著名である。

一実施形態において、コンピュータは、統計分析のために使用される。

一実施形態において、アジレントのMassPro filer又はMassProfiler Professional ソフトウェアが統計分析に使用される。他の実施形態において、アジレントのMassHunter Software Qualのソフトウェアが統計分析に使用される。他の実施形態において、他の統計分析方法が使用できる。このような他の統計方法は、分散分析 （ANOVA）検定、カイ二乗検定、相関試験、因子分析試験、マンホイットニーのU検定、Mean square weighted derivation （MSWD）、ピアソンの積率相関係数、回帰分析、ピアソンの順位相関係数、スチューデントt検定、ウエルチT検定、チューキー法、及び時系列分析を含む。

異なる実施形態において、質量分析由来のシグナルは、方法の実行を改善するための異なる態様で変換することができる。個々のシグナル又はシグナルの分布の概要（例えば平均、中央値又は分散）は、そのように変換できる。変形候補としては、対数を取る、正又は負の累乗、例えば、平方根又は逆数、又はアークサインを算出することを含む（Myers, classical and Modern Regression with Applications, 2^nd edition, Duxbury Press, 1990）。

異なる実施形態において、統計分類アルゴリズムは、試験化合物の催奇性及び非催奇性を予測するための分類モデルを創出するために使用される。機械学習に基づく分類指標は、例えばコンピュータ画像における機械知覚、医療診断、バイオインフォマティクス、脳機械干渉、DNA配列の分類、及び物体認識等の様々な分野において適用されている。学習に基づく分類指標は、一部の生物学的課題の解決において非常に効果的であると証明されている。

明細書中、「分類」とは、周知のクラス内であるコレクションデータ点間で共通の特徴を見つけることによってデータ点を異なるクラスに分ける学習課程である。統計において、分類はサブポピュレーションが同定されていない新たな観察が属するサブポピュレーションを、周知の観察を含むデータのトレーニングセットに基づいて同定することが課題である。よって、新規な個々の項目が１又は２以上の測定、特色又は特性等における定量的情報に基づいて、且つこれまでに決定された分類工程が既に確立されたトレーニングセットに基づいて群に分けられることが必要である。分類課題は多くの応用を含む。ある場合には、それはデータマイニング方法として利用され、一方他の場合にはより詳細な統計モデリングが行われる。

明細書中、「分類指標」とは、データ分類を行うための方法、アルゴリズム、コンピュータプログラム、又はシステムである。広範に使用される分類指標の例は、神経ネットワーク（多層パーセプトロン）、サポートベクターマシン、k-最短距離、ガウス混成モデル、ガウシアン、ナイーブベイズ、決定木、及びRBF分類指標を含むがそれらに限定されない。

一部の実施形態において、試験化合物の催奇性及び非催奇性を予測するための分類モデルは、線形分類指標（例えば、部分最小二乗決定因子分析（PLS-DA）、フィッシャーの線形判別、ロジスティック回帰分析、ナイーブベイズ分類指標、パーセプトロンに関する）、サポートベクターマシン（例えば、最小二乗サポートベクターマシンに関する）、二次分類指標、カーネル推定（例えば、k-最短距離に関する）、ブースティング、決定木（例えば、ランダムフォレストに関する）、神経ネットワーク、ベイジアンネットワーク、隠れマルコフモデル、又は学習ベクター量子化を使用して創成される。

好ましい実施形態において、ランダムフォレストモデルは、試験化合物の催奇性及び非催奇性を予測するための分類モデル作成のために使用される。ランダムフォレストは、多くの決定木から成り、個々の木による分類出力モードである分類を出力するアンサンブル分類指標である。「決定木」とは、意思決定木のようなグラフ又はモデル及び偶発事象成績、資源コスト、及び有用性を含むそれらの有力な結果を使用する意思決定支援ツールである。それは、アルゴリズムを表示すための態様である。決定木は、オペレーションズリサーチで、特に決定分析で、最も目的に達する可能性のある戦略を同定する手立てのために一般に使用される。決定木の他の使用は、条件付き確立を算出するための説明的手段としてである。統計、データマイニング及び機械学習で使用される決定木学習は、決定木を、観察をその項目の目標値についての結論に対するある項目についてマッピングする予測モデルとして使用する。このようなツリーモデルに関するより説明的な名称は、分類ツリー又は回帰ツリーである。これらのツリー構造において、リーフは分類を表し、ブランチはそれらの分類に繋がる特徴の関係性を表す。

明細書中、「トレーニングセット」とは、潜在的に予測される関係を発見するための情報科学の様々な領域における使用データのセットである。トレーニングセットは、人工知能、機械学習、遺伝的プログラミング、知的システム、及び統計において使用される。これらの全ての分野において、トレーニングセットはほぼ同様の役割を有し、度々試験セットとともに使用される。

明細書中、「試験セット」とは、予測される関係の強度及び有用性を評価するために、情報科学の様々な領域において使用されるデータのセットである。試験セットは、人工知能、機械学習、遺伝的プログラミング、知的システム、及び統計で使用される。これらの全ての分野で、試験セットはほぼ同様の役割を有する。

明細書中、「回帰分析」とは、着目が１つの従属変数及び１又は２以上の独立変数との間の相関である場合、複数の変数をモデリング及び分析するための任意の技術を含む。より詳細には、回帰分析は、独立変数の任意の１つが変化し、他方で他の独立変数が固定される場合に、従属変数の標準値がどう変化するかの理解を補助する。通常、回帰分析は、独立変数が固定される場合、独立変数を従属変数の平均値と仮定して、従属変数の条件付き期待値を評価する。あまり一般的でないが、独立変数の場合、着目は、分位、又は従属変数の条件付き分布の他の位置パラメータに置かれる。全ての場合において、評価ターゲットは回帰関数と呼ばれる独立変数の関数である。回帰分析においては、回帰関数前後の従属変数の変動を特徴付けることもまた目的であり、これは可能性分布によって示すことができる。回帰分析は、予測及び予想するために広範に使用され、その使用は機械学習の分野と実質的な重複を有する。回帰分析は、どの独立変数が従属変数と相関するか理解し、これらの相関型を調べるためにも使用される。制限環境において、回帰分析は独立及び従属変数との間の因果関係を推測するために使用できる。回帰分析を行うための技術の大体は開発されている。例えば線形回帰及び通常の最小二乗回帰等の知られた方法は、回帰関数はデータから推定される有限数の未知のパラメータに関して定義されるから、パラメトリックである。ノンパラメトリック回帰とは、回帰関数が無限次元とすることができる関数の特定のセットに存在し得る技術を意味する。

「感度」及び「特異度」とは、バイナリー分類試験の実行の統計尺度である。感度（一部の分野でリコール率とも呼ばれる）は、それ自体正確に同定される実際の正の比率（例えば、疾患を有するとして正確に同定される罹患者のパーセンテージ）を測定する。特異度は、正確に同定される負の比率（例えば、疾患を有しないとして正確に同定される健常者のパーセンテージ）を測定する。これらの２つの測定は、第１種及び第２種の過誤の概念に密接に関連する。理論上の最適予測は、100% 感度 （すなわち、罹患者群から全ての人を罹患と予測する）及び100%特異度 （すなわち、健康群からいずれの人も罹患すると予測しない）を達成する。100%の特異度は、例えば、特定の疾患に関する試験において、試験によって全てのヒトが実際に陰性であると認識され、疾患を有しない人が全て無疾患として認識され得ることを意味する。100%感度は、試験によって全ての人が実際に陽性である-例えば、全ての罹患者が病気であると認識されることを意味する。よって、高特異度試験と対照的に、高感度試験における負の結果は、疾患を除外するために使用される。高特異度試験の正の結果は、疾患の存在を確認することができる。しかしながら、理論上観点から、100%の特異的試験基準はまた、常にシンプルに陰性を示す「偽」試験キットに基づくことができる。よって、特異度単独では試験の陽性の場合を十分に認識することはできない。感度の知識もまた必要である。任意の試験に関して、通常基準間でトレードオフが存在する。例えば、ある疾患に罹患する人について試験する診断アッセイにおいて、アッセイは疾患に罹患するとして正確に同定される罹患者の特定のパーセンテージを見過ごすように（低特異度）、疾患に罹患していないと正確に同定される健常者のパーセンテージを見過ごすリスクを軽減するように（高感度）設定できる。このトレードオフは、受信者動作特性 （ROC）曲線を使用して図示することができる。

測定システムの「正確性」とは、測定量のその実際の（真の）値への近接の程度である。再現性又は反復率とも呼ばれる、測定システムの「精密度」とは、一定条件下での繰り返し測定が同一の結果を示す程度である。２つ用語は口語上の使用では同義とすることができるが、科学方法との関係で意図的に対照をなす。測定システムは、精密とすることができるが正確でない、正確であるが精密でない、のいずれかまたは双方である。例えば、実験が系統誤差を含む場合、試料サイズの増大は通常精密度を増大するが正確性を改善しない。系統誤差の除去は、正確性を改善するが精密度を変化しない。

用語「予測性」 （バナリティ（banality）とも呼ばれる）とは、システムの状態の正確な予測又は予想を定性的又は定量的に行うことができる程度である。完全な予測性は、厳格な決定を意味するが、予測性の欠如は必ずしも決定の欠如を示さない。予測性の制限は、例えば情報の欠如又は過度の複雑性等の要因によって生じ得る。

一実施形態において、生体液の第一又は第二の試料に存在する１又は２以上のバイオマーカーの相対量は、一部において、プログラム可能なデジタルコンピューターでアルゴリズムを遂行することによって測定される。アルゴリズムは、第一の質量スペクトル及び第二の質量スペクトルにおいて少なくとも１つのピーク値を同定する。アルゴリズムは続いて第一の質量スペクトルのピーク値のシグナル強度を、第二の質量スペクトルのピーク値のシグナル強度と比較する。相対的シグナル強度は、第一及び第二の試料に存在するバイオマーカーの量を示す。既知の量のバイオマーカーを含むスタンダードは、第一の試料に存在するバイオマーカーの量のより良好な定量化を供するために、第二の試料として分析できる。特定の実施形態において、第一及び第二の試料中のバイオマーカーの同一性を測定することもできる。

未分化hSLCsの基礎メタボロームは、幹細胞性及び自己複製に関連する機能経路の生化学サインのコレクションとして機能する。代謝物プロファイリングは、細胞内化合物と対象的に排出、分泌又は消費又は同定された細胞代謝物上で行うことができる。最終的に、インビトロ（in vitro）で発見されるバイオマーカーは、細胞外生体分子の複合体混合物を含むインビボ（in vivo）での生体液の分析に有用であると期待される。このような生体液は、血清、全血、血漿、痰、脳脊髄液、胸水、羊水、尿等を含むがそれらに限定されない。生体液中の低分子は（細胞内化合物と対照的に）非侵襲的に検出され得るので、これは例えば組織生検等の侵襲性方法より都合がよい。さらに、質量分析のためのプロセシング細胞の上清は、細胞抽出物よりロバストで且つ面倒が少ない。しかしながら、細胞抽出物（例えば、溶解細胞由来）は、本発明の方法において利用することができる。

明細書中の用語「バイオマーカープロファイル」とは、本発明の方法によって同定される複数のバイオマーカーを意味する。本発明のバイオマーカープロファイルは、試験化合物の毒性及び催奇性作用の分子の「フィンガープリント」を供し、hSLCsへの試験化合物投与後に、どの細胞代謝物、特に排出且つ分泌された細胞代謝物が、顕著に変更されたかを伝えることができる。これらの実施形態において、複数のバイオマーカーのそれぞれは、特定の毒性、催奇性又は試験化合物に応答してバイオマーカーが検出される、その特有の分子量及び一貫性によって特徴付けられ同定され、よって、バイオマーカーに相当する根底化合物の実際の同一性は、本発明の実行に必要でない。

明細書中の用語「バイオマーカーポートフォリオ」とは、個々のバイオマーカープロファイルのコレクションを意味する。バイオマーカーポートフォリオは、新規又は未知化合物由来のバイオマーカープロファイルを比較するために参照として使用できる。バイオマーカーポートフォリオは、通常の経路、特に毒性又は催奇性応答の代謝又は発生経路を同定するために使用できる。

本明細書中で説明する結果は、hSLCメタボロミクスがバイオマーカーの発見及び経路同定で使用できることを説明する。メタボロミクスは、hSLCsによって分泌又は排出、消費された低分子、又はhSLCsを介して代謝物のフラックスを検出した。同定されたバイオマーカーは、少なくとも２つの目的: １つ目の、毒素又は催奇性物質曝露に反応する又はそれらの影響を受ける特定の代謝又は生化学経路又はネットワーク、特に発生を破壊し先天異常の個体発生に関与する、毒性、催奇性又は試験化合物に敏感な早期発生中に利用又は影響される経路を測定する目的; そして、２つ目の、毒性曝露、先天異常又は他の疾患のマネージメント及び診断を補助するための生体液で測定できる代謝物を供する目的、のために使用できる。

一実施形態において、バイオマーカーポートフォリオの代謝物は、試験化合物に影響を受ける主要発生経路を測定するために、１又は２以上の代謝ネットワークにマッピングされる。一態様において、オンラインデーターベースは、１又は２以上の発生経路に代謝物をマッピングするために使用される。これらのオンラインデーターベースは、HMDB、KEGG、PubChem Compound、及びMETLINを含むがそれらに限定されない。他の実施形態において、１又は２以上の発生課程は、１又は２以上の代謝ネットワークと付随し、試験化合物によって破壊される１又は２以上の発生課程又は経路を測定するために同定される。

さらなる実施形態において、催奇性化合物の潜在的な特異的効果はさらなる考慮から同定され得る。特に、例えば、特定の発生又は生物学的異常が１又は２以上の代謝ネットワークにおける崩壊と相関し、単にこれらの代謝ネットワークの崩壊によって影響される代謝物の存在を同定することによってではなく、さらに影響される代謝物をそれらの通常の代謝ネットワーク特性と比較することによって、当業者は催奇性化合物の特異的効果を患者へのその潜在的な特異的生物学的効果との相互関係を示すことができることが知られる。このタイプの情報は、催奇性化合物への曝露によって影響され得る特異的な発生経路を解明する手助けとなる。

hSLCs由来のバイオマーカーポートフォリオは、薬剤発見の前臨床段階におけるハイスループットスクリーニングツールとしても機能し得る。さらに、このアプローチは、ヒト発生における環境物質（重金属、産業廃棄生成物）及び栄養化学物質（例えばアルコール等）の有害効果を検出するために使用できる。最終的に、hSLCメタボロームを利用する本発明の方法は、ヒト曝露に関する化合物の発達及び臨界用量への意思決定へ向けた医薬、バイオテクノロジー及び環境媒体を補助できる。胚性幹細胞技術への化学生物学の組込みはまた、ヒト発生及び疾患の理解を高めるための特有の機会を提供する。hSLCs由来の細胞分化のメタボロミクスは、特有の細胞又は組織型により高感度に、且つヒト特異的態様で、毒性及び疾患の機構を解明することに同様の役割を果たし且つ有用であるべきである。

例えば、本明細書中で説明されるアルギニン、アスパラギン酸、ガンマアミノ酪酸（GABA）、グルタミン酸、及びイソロイシン合成及び分解を含む主要な代謝ネットワークは、ヒト発生の後期より早期に異なって破壊され得る。さらに、神経前駆細胞又は神経細胞集団の代謝物特性は、神経発生疾患のバイオマーカーを標的細胞型で明らかにできる。メタボロミクスの幹細胞生物学への関連付けにより、初期ヒト胎子における葉酸及び神経管欠損の作用機構を知らせることができる。

本発明のhSLC依存的方法を使用して生じるバイオマーカーポートフォリオは、薬剤候補及び薬剤発見におけるリード化合物の前臨床評価のためのハイスループットスクリーニング方法で使用することもできる。本発明の方法の斯かる態様は、技術の遂行に実験動物が必要でないので、電流発生毒性学モデルと比較して産業資源に最少の影響しか生じない。生じる生産性への正の影響は、より大きな信頼度及び有害な発生効果と遭遇するリスクの減少をもたらし、医薬産業における研究チームは化合物を選択し探索発展を進めることが可能となる。

明細書中の用語「発生経路」又は「発生課程」又は「発生ネットワーク」とは、胎仔及び胎児発達に関与する生化学又は代謝ネットワークを意味する。

明細書中の「上清」とは、細胞外培地、共培養培地、細胞、又は分画又は溶解された細胞の溶液を含むことができるがそれらに限定されない。

毒素、催奇性物質、アルコール、及び試験化合物の分析から得られる代謝物特性は、バイオマーカーポートフォリオのライブラリーを構成するために使用できる。これらのポートフォリオは、続いて未知化合物の毒性学分析の参照用に使用できる。新規化合物の代謝特性は、共通の毒性反応機構を同定するために周知のバイオマーカーポートフォリオと比較できる。このアプローチは、様々な異なる毒性及び催奇性化合物への曝露の結果として、少なくとも一部において共有されるスクリーニング分子として機能する毒性反応の機能的マーカーを、明らかにすることができる。このようなhSLC由来の低分子は高価且つ複雑なスクリーニングシステム（例えばインビボ（in vivo）での動物モデル等）を改良又は代替し且つヒト細胞及びヒト代謝及び発生経路に特異的なさらなる利点を有する、毒性反応の測定可能な介在物質として使用できる。

キット
便宜上、本発明の方法はキットの形態で供することができる。このようなキットは、a）約 3000 ダルトン未満の分子量を有する精製代謝物の特定のセットを固形で含む第一の容器（既知の催奇性化合物の不存在下で培養されたhSLCsに対する、既知の催奇性化合物の存在下で培養されたhSLCsに付随する精製代謝物の特定のセットの違いは、既知の催奇性化合物の不存在下で培養されたhSLCsと比較して、既知の催奇性化合物の存在下で培養されたhSLCsの代謝応答における違いを示す）; 及びb）精製代謝物の特定のサブセットの再懸濁に生理的に適した緩衝剤を含む第二の容器、の基本要素を含むパッケージ化された組み合わせである。

一実施形態において、キットはさらにキットのアッセイ方法を記載した説明書を含むことができる。

他の実施形態において、キットは、本明細書に開示の１又は２以上の代謝物の合成及び/又は転換を生じる、内在性生物学的反応に関与する１又は２以上の酵素の発現及び/又は活性の変動を分析するための１又は２以上の試薬もまた含むことができる。よって、キットは、小分子バイオマーカーの分析及び検出に限定されず、本明細書で記載される代謝ネットワークの先天性成分である酵素の分析も目的とする。一実施形態において、代謝物変化のの指標としてのキットにおける酵素活性及び/又は濃度の分析は、遺伝子発現分析、ELISA及び他のイムノアッセイ及び酵素基質転換を含むがそれらに限定されないアッセイによって行うことができる。

他の実施形態において、本発明は、催奇性物質として試験化合物を確認するための方法を開示する。一実施形態において、方法は、約 3000ダルトン未満の分子量を有する代謝物のセットを供する工程を含む。一態様において、代謝物は同一容器に供される。他の態様において、各代謝物は、別の容器に供される。一態様において、催奇性化合物の不存在下で培養されたhSLCsと比較して、１又は２以上の既知の催奇性化合物の存在下で培養されたhSLCsによって代謝物は異なって代謝される。一態様において、代謝物は固形で供される。他の態様において、代謝物は液体形態で供される。よって、一実施形態において、方法は代謝物のセットの再懸濁を含む。一態様において、代謝物は緩衝剤中に再懸濁される。他の態様において、代謝物は任意の適した液体中で再懸濁される。他の態様において、緩衝剤は生理的に適した緩衝剤である。一態様において、代謝物は緩衝剤の所定量中に再懸濁される。他の態様において、緩衝剤中の各代謝物の最終濃度は、１又は２以上の既知の催奇性化合物の存在下で培養されたhSLCsに関連する斯かる代謝物の濃度と同一である。他の実施形態において、当該方法は、本明細書に開示の方法によって代謝物の参照プロファイルを生じることを含む。さらに他の実施形態において、方法は、試験化合物の催奇性を確認するために、hSLCsの試験化合物への曝露で生じる質量特性のプロファイルを、代謝物の参照プロファイルと比較することを含む。

hSLC発生毒性予測モデルの利点
本明細書中で報告されるhSLCに基づくアッセイは、他の標準的なアプローチより複数の異なる利点を有する。すなわち、1）毒物に応答した代謝物への変化が、高感度且つ定量的測定であり、より客観的なデータに由来して判断が可能である。2）複数の生化学経路を同時に評価でき、種々の毒性機構を有する薬剤に適用される場合にモデルの頑健性を増強する。3） 代謝エンドポイントが、さらなる経路に基づく検討のための、急速にタンパク質、DNA、及びNA標的と結合され得る機能的生化学経路の尺度である。4） 予測が複数の独立変数に基づくので、代謝パターンの複雑な変化を示す催奇性物質を検出することが可能である。5）アッセイが細胞死成績から独立し、ヒト発生毒性を生じることが知られる循環用量に向けられ、それにより分裂細胞に単に毒性があるのではなく他の毒性も有する発生毒物を発見する可能性が増加する。6） 試験及び分析は、よりハイスループットであり、それほど重労働でなく自動化できる。

hSLC発生毒性予測モデルの他のモデルとの比較
ヒト胎子に由来した細胞における発生毒性試験は、hSLCのヒト発生への生理的関連性を考慮すると、動物モデル、又は他のインビトロ（in vitro）の非ヒトアッセイ、例えばゼブラフィッシュモデル等、EST、及び全胚培養 （WEC）の使用を介して今日利用可能な試験より、より信頼性のあるインビトロ（in vitro）の予測エンドポイントを大いに生じ得る。

hSLCモデルは、ゼブラフィッシュアッセイシステムと比較して、重要な生物学的特徴を有する。まずそれは、ヒト成績を予測する種特異性を供するヒトシステムである。ゼブラフィッシュ発生及び生化学経路は、ヒト発生に重大な意味を持つものとかなり異なる可能性がある。例えば、胎盤形成及び肺分化及び発達の欠如、及び心発生の異なる機構である。さらに、ゼブラフィッシュアッセイのスクリーニング処理量は、小さなウェルサイズに関連した発達異常が高頻度であるため幾分制限される（Selderslaghs et al. 2009）。斯かるフィッシュは、DMSOの非常に低濃度にも高感度であり、0.25%以上のレベルは奇形の増大を生じる。小分子代謝物の存在量に対する摂動は高感度分析化学技術 （LC-ESI-QTOF-MS）によって測定される定量的エンドポイントであるが、形態変化の視覚性検査による特異的な異常の測定は、非常に主観的ともなり得る。

mES細胞の心筋細胞への適切な分化を破壊する細胞毒性及び化学物質の能力を測定する、ESTに関して報告されたものとの比較において、毒性の代謝サインに基づいて、本明細書で報告されるhSLCアッセイの全信頼度は、ESTより優れていた。EST予測モデルは、２つのEST変数がmES細胞と比較した線維芽細胞において観察されたIC50濃度に由来するなら、細胞毒性と強固に相関する。これらの変数から、発生毒物は「成熟」線維芽細胞と比較して、胚細胞において低濃度で細胞死を生じる、という仮定が立てられ、それは毒性（例えば、サリドマイド）の多くの機構に対して妥当となり得る。IC50に達するのに必要な用量は、典型的な循環用量、又は多くの偽陽性につながる子宮の胎児が直面する量よりはるかに多くなり得る。インビボ（in vivo）で生じない細胞生存率の変化がインビトロ（in vitro）で観察され得ることもまた起こり得る。

さらに、hSLCに基づくアッセイは催奇性物質サリドマイドを正確に分類するが、一方ESTは分類しない（Nieden et al. 2001）。hSLCモデルはまた、WEC又はマイクロマス（MM）より相当に予測性がある（表1）。さらに、hSLC及びメタボロミクスに基づくモデルは、全ヒトシステムでの発生毒性の機構を理解する機会を供する。

一実施形態において、本試験で発見される全バイオマーカーを含む仮想ライブラリーを確立できる。このようなライブラリーは、医薬品だけでなく、他の化学物質の発生毒性もまた評価することにおいて有用なヒトバイオマーカーの保存場所を供する。後者は、規制指令（すなわち欧州ではREACH）からより注目されている。ヒト発生を破壊することが知られる多数の医薬品に加えて（例えばクロルピリホス、有機リン酸エステル、メチル水銀等）他の化学物質を組み込むことによって、バイオマーカーライブラリー及びメタボロミクスバイオマーカーの頑健性を化学物質の非常に多様なコレクションに渡ってさらに拡張することができる。hSLCsのメタボロミクスは6ウェル型で例証されるが、96ウェル型のhSLCsのメタボロミクスは、例えば分子のLibraries プログラム （ΝΓΗ）又はNTP（National Toxicology Program, NIEHS）で利用可能なもの等、化学的コレクションの高処理スクリーニングを可能にするように熟考される。さらに、代謝物の超高速、高感度及びより特異的定量化のために三段四極子MSの使用を利用する標的メタボロミクスアプローチは、処理量を改善することと期待される。

本願発明は、化合物の発生毒性を予測するための、予測の、定量的な、全てのヒトインビトロ（in vitro）のスクリーニング方法を供するためにhSLCs及びメタボロミクスを利用する能力を説明する。斯かるモデルはまた、化合物に曝露されたhSLCsの代謝物応答の研究によって、斯かる化合物の毒性の機構を調査する機会を供する。よって、当該方法は、化合物によって誘導される先天異常の防止及び動物試験の軽減に役立つ潜在性有する。

一実施形態において、本願発明は、ゲッ歯類又は他の非ヒト生物系よりもむしろヒトに特異的なバイオマーカーをさらに同定するために、今日利用可能なものより予測性のあるインビトロ（in vitro）アッセイを供する。よって、一実施形態において、本発明は、現在利用可能なアッセイより正確で、高感度、且つ/又は特異的なアッセイを供する。

一実施形態において、本発明は、少なくとも約80%の正確性、より好ましくは少なくとも約85%の正確性で、試験化合物の催奇性を予測するための方法を開示する。好ましい実施形態において、本発明は、少なくとも約90%の正確性で試験化合物の催奇性を予測するのための方法を開示する。

他の実施形態において、本発明は、少なくとも約80%感度、より好ましくは少なくとも約85%感度、さらに好ましくは少なくとも約95%感度で、試験化合物の催奇性を予測するのための方法を開示する。

さらに他の実施形態において、本発明は、少なくとも約80% 特異度、より好ましくは少なくとも約85% 特異度で、試験化合物の催奇性を予測するのための方法を開示する。好ましい実施形態において、本発明は、少なくとも約95% 特異度で試験化合物の催奇性を予測するのための方法を開示する。

一実施形態において、本発明は、試験化合物の催奇性を測定する非常に正確、高感度、且つ特異的なアッセイを開発するための機械学習モデルを使用する。従って、一実施形態において、本発明は、既知の催奇性及び非催奇性化合物のhSLCsへ投与する初期トレーニングセットを供する。他の実施形態において、本発明は、広範囲のトレーニングセットを得るために催奇性物質として同定される試験化合物を、初期トレーニングセットへ添加する。一実施形態において、広範囲のトレーニングセットは、試験化合物の催奇性を予測するためのより正確、高感度、且つ特異的モデルを可能にする。

一実施形態において、投薬化合物を、それらのIC50又はEC50用量レベルに相当する濃度で投薬した。他の実施形態において、投薬化合物をそれらのIC50又はEC50用量レベル以下の２つの用量に相当する濃度で投与した。他の実施形態において、投薬化合物をそれらの循環用量に相当する濃度で投与した。一態様において、循環用量に相当する濃度の投薬化合物は、インビボ（in vivo）の発生ヒト胚への曝露レベル及びヒト発生における投薬化合物の毒性又は催奇性作用を再現する。

一実施形態において、試験化合物の催奇性の測定は、試験化合物の存在下で培養されたhSLCsの代謝応答を、試験化合物の不存在下で培養されたhSLCsの代謝応答と比較することを含む。他の実施形態において、試験化合物の催奇性の測定は、試験化合物の存在下で培養されたhSLCsの代謝応答を、既知の非催奇性化合物の存在下で培養されたhSLCsの代謝応答と比較することを含む。一態様において、試験化合物の存在下で培養されたhSLCsの代謝応答の、既知の非催奇性化合物の存在下で培養されたhSLCs代謝応答との比較は、試験化合物の催奇性を予測するためのより特異的、高感度、且つ正確なアッセイを可能にする。一実施形態において、非催奇性化合物は、hSLCsへの曝露で、hSLCsの通常の代謝を変更しない任意の化合物である。非催奇性化合物又は薬剤の例は、糖、脂肪酸、殺精子薬、アセトアミノフェン、妊婦用ビタミン剤等を含むがそれらに限定されない。

次の実施例は、本発明特定の実施形態、及びそれらの様々な使用の説明に役立つものである。それらは、説明目的のためにのみ記載するものであって、本発明を限定するものでない。

実施例1
hES細胞培養
WiCell Research Institute （NIH National Stem Cell Bank, Madison, WI）から得たWA09 hESCsを、Matrigel （BD Biosciences, San Jose, CA）上の6ウェルプレートで、Thermo Electron Forma Series II Water Jacket CO₂ Incubatorにおいて5% CO₂下で37°CでインキュベートしたmTeSRl培地（Stem Cell Technologies, Vancouver, BC）中で培養した。hESCsを、ルーチン培養条件のために３日又は４日ごとに、1 :3又は1:6 播種密度で継代した。投薬実験のために、７日間投薬プロトコール中に継代が必要ないようにhESCsを1 :10又は1 :12の低密度で継代した。hES細胞を継代するために、StemPro（登録商標）EZPassage （登録商標）の使い捨て幹細胞継代ツール（Invitrogen, Carlsbad, CA）を、ウェルから細胞を剥離するために使用した。剥離した細胞を、ピペットで除去し新たなMatrigelプレートに分配した。

実施例2
hES細胞投与
確立された催奇性物質及び非催奇性物質（表2）のトレーニングセットを使用し、hESCsに投与した。トレーニングセットは、発生毒性を予測するための、例えばECVAM agencyによって提案されるEST等の、新規代替物を開発し確認することを目的とする多角的試行で以前に使用されている化合物を含む化学的スタンダードのコレクションである。

全試験化学物質は、Sigma-Aldrich （St. Louis, MO）から購入した。細胞に薬剤をその発表された血清循環治療投与量と等価な濃度で投与した。6ウェルプレートで３通り、すなわち、１プレートあたり３つのウェルで、hESCs上で投薬を行った。プレートに３通り投与し、よって合計９個の投与したウェルを準備した。同時に、薬剤を含まないmTeSRlでhESCsを培養した９個の「対照」ウェル、及び培地対照として機能した、hESCsを含まずmTeSRl培地を有しMatrigelを含む３つのウェルを準備した。最後に、Matrigel、mTeSRl及び薬剤を含むが、hESCsを含まない投薬の培地対照の３つのウェルを準備した（図1）。これらの培地対照は、ベースラインの質量スペクトルデータを供した。投与の１日目に、薬剤の所定濃度をmTeSRlに溶解し、続いてこの溶液の2.5 mLを各投薬したhESCsのウェルに添加した。４日間毎日、培地を除去し新たな投与培地を添加した。以下の試料調製セクションに概説されるように、４日目に培地を除去し、アセトニトリルに添加し40%アセトニトリル溶液を作成した。

今日利用可能なものより予測性のあるインビトロ（in vitro）のアッセイを開発し、ゲッ歯類又は他の非ヒト生物系よりむしろヒトに特異的なバイオマーカーをさらに同定することが本試験の目的であるので、本試験でECVAM試験セットを再現した。非催奇性化学物質数を増加し、強い催奇性物質を追加するために、さらなる薬剤をトレーニングセットに含めた。

表2. 投薬のために使用したトレーニング及び試験セット（盲検）中の化合物、催奇性に従ったそれらの分類及び予測モデルの取り込み。TS1及びTS2は、トレーニングセット1及び2をそれぞれ示す。

化合物を、IC50 又はEC50用量レベルより、それらの循環用量に相当する濃度で投与した。培養下のhESCs上で毒性作用を測定するモデルを作成するよりも、インビボ（in vivo）で発生のヒト胚への曝露レベル及びヒト発生上の毒性作用を再現するための試行において、論文に公表の循環母体用量で投薬を行った。このスクリーニングで利用される物質（ECVAM 試験セット）が、母体代謝から独立した態様でそれらの発生毒性を出すことを言及することは注目すべきである。

言い換えると、反応性代謝物ではなく親化合物が適切なヒト発生を害し、そのため、インビトロ（in vitro）のスクリーニングでの新規手段を開発することが適切である、という事実のためにこの試験セットを確立し多角的、無作為試験で利用した。

実施例3
hES細胞生存アッセイ
メタボロミクスで分子のエンドポイントによる催奇性を測定することに加えて、相関関係が細胞死と化合物催奇性との間に存在するかを決定するために、薬剤のサブセットを使用して細胞生存率を検査した。特に、抗悪性腫瘍薬シトシンアラビノシド及び5-フルオロウラシルの投薬が多くの代謝物で最も顕著な変化を頻繁に生じたので、代謝エンドポイントが発生毒性よりも細胞死と強く相関し得るという問題に対処するために生存アッセイを行った。

化合物への曝露に応答した細胞生存率評価を、細胞生存率及び細胞毒性を同時に測定するMulliTox-Fluor Assay （Promega, Madison, WI）を使用して検査した。96ウェルプレートに250,000 細胞/ウェルの密度で、WA09 hESCsを播種した。毎日培地を投与して細胞を４日間培養した。４日目、使用済みの培地を除去し、100 xLのフレッシュな培地を100 μLのMultiTox-Fluor試薬と共に添加した。プレートを37℃、5% CO₂で30分間インキュベートし、測定した。相対的細胞生存率を報告するために、生細胞と死細胞の比率を対照細胞 （未処理）に対して基準化した。

細胞生存率データ（図2）は、対照細胞に対する催奇性と細胞死との間の識別可能な相関関係を示さなかった。よって、統計上顕著なメタボロミクス変化の証拠を除いて、催奇性物質の治療上の濃度は細胞死と顕著には相関しない。この発見は、スタンダードな細胞死アッセイと比較して、メタボロミクスが発生毒性と関連した分子変化及び特異的バイオマーカーの検出に対して低い閾値、又は増大された感度を有し、発生毒性に関してより予測性があり且つ高感度のスクリーニングを供することができることを示す。

実施例4
発生毒性学スクリーニング試料調製
実施例1の各ウェルの2.5 mLの使用済み培地を、1.67 mLのアセトニトリルに添加し、40% アセトニトリル溶液を作成した。アセトニトリルは、使用済み培地試料を「クエンチする」ために機能し、多くの代謝工程を遅らせる又は停止させ、且つ細胞タンパク質の沈殿に役立つ。試料をその後の分析のため、又は直後の分析のために-80°Cで保存し、クエンチした溶液の250 μLを、250 μLの水と混合し、最終濃度を20% アセトニトリルとし、続いて3kDaの分子量のカットオフフィルタースピンカラムに添加した （Microcon YM-3 Centrifugal Filter, Millipore, Billerica, MA）。各試料を続いてIEC CL31R Multispeed Centrifuge （Thermo Scientific, Waltham, MA）中で、13,000 x g、4°Cで200分間遠心分離した。遠心分離の後、通過画分を保存し続いてSavant High Capacity Speedvac Plus Concentrator中で数時間乾燥させた。濃縮した試料を続いて0.1%のギ酸50μL中に溶解し、LC-MS分析に供した。

質量分析
正確な質量MS及びMS/MSの能力があるG6520AA QTOF高分解能質量分析計から構成されるアジレントのQTOF LC/MS システムを使用して、質量分析を行った。広範囲の極性で低分子の分離を促進し、親水性種の保持の増大のために、親水性相互作用液体クロマトグラフィー（Alpert 1990）を利用した。水中の0.1% ギ酸（溶媒A）及びアセトニトリル中の0.1%ギ酸（溶媒B）を使用して、流速0.5 mL/分で表3に示す勾配で、各試料に30分間行った。体内の質量標準液を連続して二重ESIソース中に運ぶアジレントの均一溶媒ポンプをほぼ0.01 mL/分で使用して、二重ESIソースを使用してエレクトロスプレーイオン化を利用した。機器の質量範囲は、100-1700 Daに設定した。寸法3 x 100 mm 3 μmの粒径を有するPhenomenex Luna HILICカラムを使用し、30°Cに維持した。5 μLの各試料を注入した。高分解能の正確な質量条件を使用してAgilentのMassHunterでデータ取得を行った。

質量スペクトルデータの予備的処理
LC-MSの後、再現性に関してクロマトグラムを調べた。25%以上まで変化する総イオン数でのLC-MSの実行を、試料を正確に比較できることを保証するため繰り返した。これらの実行を、続いて異なるLC-MSの実行に渡って検出される分子に相当する質量特性を作成するために使用した。質量特性を、MassHunter Qualitative Analysis software （Agilent Technologies）を使用して、LC-MSデータから抽出した。次の判定基準を一般的ガイドラインとして使用したが、一部の柔軟性及び最適化が必要であった。電荷+1又は-1且つ1000以上の質量中心の高さを有する、75-1500の範囲内のm/z値を、「質量特性」を得るために使用した。これらの判定基準を通る質量ピークを、個々の分子に対応する同位元素及び付加物（Na⁺、K⁺、及びNH4⁺）パターンをあてはめ、各質量特性の存在量を確立するために使用した。その存在量は、単一分子の特徴に相当する同位体及び付加物ピークの合計として、MassHunterのソフトウェアで計算する。データ逆重畳積分、少なくとも２つのイオン（例えば、（M⁺H）⁺ 及び（M⁺H）⁺⁺1又は（M⁺H）⁺ 及び（M⁺Na）⁺）を示す質量特性及び正イオンモードデータに関して50000以上及び負イオンモードデータにおいて10000以上の存在量値が、質量特性のビニング（binning）のために使用したデータセットに含まれる。

MassHunterによる特性選択の後、複数のLC-MS データファイルに亘る質量特性を整列させるMassProfiler（アジレント） ソフトウェアによってデータをさらに予備的処理した。１つの処理において特徴が少なくとも80%の試料に存在するという必要条件をもって、MassProfilerのデフォルトアライメント設定を使用して、各薬剤治療実験（投与及び対照）由来のデータに関して質量特性を生じた。各薬剤治療実験のための質量特性データセットに、R統計ソフトウェア環境で実行されるカスタム分析スクリプトを使用して、さらに包括的な態様で処理を行った。

異なるLC/ESI-MS-QTOFの実行に亘って質量特性が同一と考えるために、各薬剤実験のためのファイルを、正確な質量及び保持時間に基づくアルゴリズムを使用してビニングした。ビニング判定基準は、低分子量でより大きな質量の違いを可能にする変動する質量相違スケール、及びクロマトグラフィーの再現性に基づく一定の保持時間ウィンドウに基づいている。質量を並べ前の質量から18 ppm未満まで175 Da以下の質量が異なる場合、同一の特徴と考え、一方質量176-300 Daは12 ppmまでビニングし、300 Da以上なら10 ppmまでビニングした。これらの質量瓶（bin）を保持時間によって並べ、、以前の特徴の保持の違いが１２秒未満なら、LC-MSの実行に亘って同一の特徴と見なした。ビニング課程を使用して、単一小分子を表すと想定される特有の化合物アイデンティティー（cpdID）を作成した。複数の特徴が同一瓶に分類されるように思われる場合、それらの存在量を平均した。

代謝フラックス、分泌、排出、消費、又は同定された代謝物の測定
培地は質量スペクトルに対する多くのピークに寄与するため、実験系における主要因子を表す。これは、質量特性瓶に関して選択するためのデータ依存性態様において説明することができ、培地で顕著なレベルで存在する。（培地で検出されない）細胞の存在下で単独で存在する質量特性瓶又は無培養培地と異なる平均存在量レベルの質量特性瓶は、分泌、排出、消費、又は同定された代謝物とみなした。

小分子代謝物の検証
特異的代謝物のアイデンティティの確認において、３つの判定基準を使用した: 1）代謝物の正確な質量は、化合物の既知の質量の10 ppm以内でなければならない。2）細胞培地で検出される代謝物の保持時間は、同一条件下でMSデータが得られた参照基準の+又は-3秒以内でなければならない。参照基準をmTeSR培地に溶解し、アセトニトリルの添加、Centriconの遠心ろ過、乾燥続いてLC-MS分析前のギ酸への溶解を含む、細胞由来の試料とまさに同一態様（上記）で調製した。3）細胞培地で検出された代謝物のMS-MS断片化スペクトルは、断片イオンの存在量及びm/z値を含む、参照基準と当然適合するに違いない。公表のMS-MSスペクトルが利用可能な場合、MS-MSスペクトルは当然適合するに違いない。

実施例5
ランダムフォレストモデル
ランダムフォレストモデルに関する催奇性物質分類
以前に発表された発生毒性の動物及び細胞培養モデルにおける催奇性の分類は、大部分は動物モデルで観察された胎仔毒性成績及び発生異常に基づく、３つの異なるクラス、非催奇性物質、弱/中程度の催奇性物質、及び強い催奇性物質を使用して行われた（Marx-Stoelting et al. 2009, Chapin et al. 2008）。発生毒性において多くの種の特異的差異が存在するので、本試験においては化合物分類へのアプローチを修正し、化合物の催奇性分類を各化学薬品と関連して観察されたヒトリスクに積極的に着目する。

よって、観察されたヒト催奇性リスクの判定基準は、毒性、催奇性物質又は非催奇性物質の２つのカテゴリーを有するモデルに繋がり、それは予測モデルの最終的に意図する成績を正確に反映する。これはまた、僅かに関連する種に基づいて催奇性物質の潜在力を測定しようと試みることと関係する技術的負荷を減少する。さらに、弱又は中等度の催奇性物質への曝露と関連したヒトリスクの信頼性のある、定量的データの限定的な有効性を考慮すると、このような着目する分類スキーマ（催奇性物質対非催奇性物質）は、ヒト発生毒性のよりロバスト且つ予測代謝モデルに繋がる。

ランダムフォレストモデリング
ランダムフォレスト （Brieman 2001）を、モデルに含まれる各特徴（変数）に関する、薬剤治療対その実験内対照の中央値変化率を使用して、催奇性及び非催奇性を予測するための分類モデルを作成するために使用した。既知の催奇性物質のトレーニングセットデータ由来の代替の1000個のブートストラップサブセットでの再サンプリングによって、試料の1/3でバギング（Bagging）を行った。盲検薬剤へのRF分類指標からの最終予測は、ツリーのアンサンブルの多数決に基づくものであった。

ランダムフォレストモデリングのために使用した特性セット
ランダムフォレストモデリングに利用されるデータセットは、高品質の再現性のある特性サブセットであった。薬剤治療実験（盲検及び既知の薬剤）の少なくとも75%に存在する値を有する場合、斯かる特性を選択した。この特性のリストを、続いて例えばHEPES及びPEG及び非生物学的利益特性を取り除くためのそれらの多数の付加物等の既知の混入分子のリストに対して選別した。最終的に、乏しいビニング又は分類特性を有する特徴を除去した。

0.5以上の正確性の平均減少を有する特性を選択することによって、変数の重要度による特性選択を行った。ランダムフォレストに基づく分析を、ランダムフォレストライブラリー（Liaw & Wiener 2002）を使用して実行した。Genschow. 2000等に概説される方法を使用して、生じるランダムフォレスト混同行列又は盲検薬剤予測に基づいてモデルメトリクスを計算した。

存在量値を、続いてログベースの2変換を行い、各実験（異なる薬剤）内の各処理（投与及び対照）の中央値を使用した。各薬剤治療実験のための制御によって、データを続いて基準化した。生じる中央値ログ変化率値を、ランダムフォレストモデリングに関するインプットデータ値として使用した。中央値変化率データの欠如は、0で置換した。残る正負のESIモード特徴を、モデリングのために使用した142個の特徴を有するデータセットと組み合わせた。

実施例6
ランダムフォレストモデルの結果
実施例5に記載するように、ランダムフォレストモデルを、両ESI極性から再現性よく測定される質量特性から成る選別データセットを使用して行った。各薬剤対その関連実験内対照に関する再現のための質量特性の中央値変化率値を、薬剤の催奇性を予測するための変数として使用した。

初期トレーニングセット （TS1）は、hESCsの７個の催奇性物質及び５個の非催奇性物質への曝露から生じる142個の質量特性を含んだ（表2）。

142個の質量特性に関する詳細なアノテーションは、表4に供する。例えばKegg、Metlin、HMDB、CAS、PUBCHEMS、PUBCHEMC、CHEBI等のデータベースで記録される質量を有する質量特性のそれぞれの保持時間（RT） 及び質量平均値 （MASSavg）との比較において、典型的に保持時間と質量平均値とが対応する各質量特性に関する１又は２以上の推定候補代謝物を見つけることができる。続く検証課程中、特定の保持時間及び質量平均値に対応する代謝物の同一性が測定される。よって、これまでに確認される代謝物アイデンティティもまた、表4に供する。

新規ID: 質量特性に関するSteminaのハウスネーム。これは、分析中に産生される各代謝物/質量特性に関する命名である。それは、特有の特徴; ESIモード: エレクトロスプレーイオン化モードの特徴が検出される; RT: 質量特性の~1000 LC-MSの実行に亘って測定される平均保持 ; MASSavg: 質量特性の~1000 LC-MSの実行に亘って測定される平均中性質量; 代謝物: 確認される代謝物の同一性、を指定する。

これらの質量特性は、盲検試験及び処理中の化合物の催奇性を予測するために適用されるモデルの基礎として機能した。斯かるモデルは、８個の盲検薬剤治療の内、７個の催奇性を正確に予測することができ、特異度100%及び感度80%、そして全体的な正確性は88%であった（表5）。

ランダムフォレストモデルを、分類指標として周知のモデルに盲検薬剤由来の成績を組み込むことによってさらに改良し、それによりモデル中の非催奇性物質及び催奇性物質の数が増加し、トレーニングセットは26個の薬剤治療実験で構成された。正確性における変数重要度の測定平均減少に基づく特性選択は、特徴予測モデルとして評価された18個の特性を生じた。結果として、モデルの全体的な正確性は、最終的に92%まで増加し（表6）、すなわち、モデルはトレーニングセットで使用した26個の薬剤の内24個を正確に予測することができた。モデルは、処理クラス間のメタボロミクスエンドポイントで明らかな違いを反映する多次元スケーリングによって評価する場合（図3）、明らかに催奇性物質を非催奇性物質から異なる集団に鑑別することができた。

盲検の予測後、公開の盲検及びより多くの薬剤をトレーニングセットに組み込むことによって新規モデルを作成した （TS2、表2）。モデルの実行の受信者動作特性（ROC） 曲線の評価は、モデルがロバストな態様で機能することを示した （図4）。

よって斯かるモデルは、今日利用可能なアッセイと比較してヒト発生毒性の特性予測に関して優れた可能性を示し、より多くの実験が行われる場合に、反復性モデリングの使用はスクリーニングにおける重要な代謝エンドポイントの採用に強力な利益を有する。本モデルの予測能は、さらなる盲検薬剤治療に応答した継続的なモニタリングに依存する。

特異的な代謝物の存在量における統計上の顕著な違いを、薬物処理試料及び対照試料で検出した。このような分子の１つである、非対称性ジメチルアルギニン （ADMA）は、強力な催奇性物質: シトシンアラビノシド、5-フルオロウラシル、ヒドロキシウレア、アミオダロン及びシクロホスファミドに関して同様の変化を示すバルプロ酸処理に応答して、存在量が顕著に２倍の減少を示した。ADMAは、一酸化窒素合成酵素 （NOS）の阻害剤であり、L-アルギニンをL-シトルリンに転換する斯かる酵素は神経管閉鎖に必須である（図5）。

一酸化窒素合成酵素活性が神経管閉鎖に必須である一方で （Nachmany et al. 2006）、バルプロ酸は神経管欠損を生じることが知られる（DiLiberti et al. 1984）。検出されるジメチルアルギニンの分泌における新規な変化は、神経管欠損の適した候補バイオマーカーとなり得ることを示す。アルギニンレベルもまた、我々のデータでモニターし、複数の強力な催奇性物質に応答して通常ジメチルアルギニンに対して逆の倍変化を示した。投薬の結果としてのhESCs中のアルギニン及びADMAの摂動を定量化するために、これらの化合物に関するEICs （抽出イオンクロマトグラム）を構築し、組み込み、続いて対照対投与群の生じる領域の比を比較した。これらの結果は、摂動の量が直接に投薬化合物の催奇性に関与し得ることを示す。これらのメトリクスから生じる偽陰性は存在せず、アスコルビン酸及びカフェインのみが催奇性に関して偽陽性を示す（表7）。

表7. アルギニン及びジメチルアルギニンに関する選択変化率比。これらの化合物に関するEICsを組み込み、続いて対照対投与群に関する得られる領域の変化率を比較した。少量の変化率比 （0.9〜1.1）は、非催奇性物質との良好な相関関係を示し、一方大きな変化（<0.9及び>1.1）は、催奇性物質と相関する。これらのメトリクスから生じる催奇性に関する偽陰性は存在せず、アスコルビン酸及びカフェインのみ偽陽性を示す。

ランダムフォレスト予測モデル（PM）に寄与した複数の代謝物を、さらに同定しMS-MSによる化学的同一性検証に供した。これらは、複数の催奇性物質、例えばカルバマゼピン、シクロホスファミド、シトシンアラビノシド、5-フルオロウラシル、ヒドロキシウレア、メトトレキサート、及びバルプロ酸等に応答し、存在量で顕著な下方制御を示すコハク酸を含む。PMに寄与し得る他の低分子は、ガンマ-アミノ酪酸（GABA）、イソロイシン、アスパラギン酸、リンゴ酸、グルタミン酸、及びヒスチジンである。これらの低分子は、試験化合物の催奇性に応じて顕著に変更され、それらが中間体として機能する生化学経路に基づいて互いに相関する。これを図6に示す。

例えば、アスパラギン酸、ジメチルアルギニン、及びアルギニンは、尿素回路の成分である。斯かる回路は、危険なアンモニアの除去を尿素への転換を介して促進し、尿素は体外へ排出される。コハク酸、イソロイシン、及びリンゴ酸は、細胞機能にエネルギーを生じるクエン酸回路の一部である。両ネットワークは、同様に神経生理機能において重大な役割を有するグルタミン酸及びGABAによって関連づけられる。

尿素回路における特定の反応はミトコンドリアで生じ、一方クレブス回路は、ミトコンドリア全体で活発である。尿素回路への摂動は、広く一連の病理学的影響の中で、新生児の死亡に相関する過度のアンモニアをもたらし得る（Summar 2001）。クエン酸回路反応の阻害は、細胞生存率に直接有害な影響を有する細胞エネルギー代謝を損なう。

他の催奇性物質の中で、ブスルファンを投与したhESCsのセクレトームで、GABAの濃度の増加が検出された。GABAの機能障害は、確立された神経疾患、例えば特にてんかん、言語発達遅滞、及び神経発生障害等の原因となる（Pearl & Bigson 2004）。ブスルファンの神経発生毒性は、ヒトで、特に不十分な神経ヒダ発生に起因する脊髄先天異常に繋がるブスルファンへの子宮曝露で以前に報告されている。しかしながら、その機構は定義されていない （Abramovici et al. 2005）。

実施例7
発生毒性の機構経路
要するに、hESCsのメタボロミクスは、細胞生理機能及びヒト発生において重要な役割を担う複数の小分子代謝物への統計上顕著な変化を検出した。これらの候補バイオマーカーの一部を、それらの化学的同一性を確認するためにMS-MS質量分析によってさらに確認した。分析の未着目の性質にもかかわらず、これらの顕著に確認された小分子代謝物の多くは、ヒト胎子に由来した細胞中でなくても、以前に発生毒性の根底にあると示唆された経路に顕著に関与する。確認された低分子及びそれらがマッピングする代謝ネットワークを、表8に供する。

実施例6に記載するように、ADMA、一酸化窒素（NO）代謝阻害剤は、hESCsの強力な催奇性物質への曝露に応答して倍率変化（fold changes）で顕著な増加を示した。神経管疾患に関する候補機構として同定されたものはなく、NOは正常な軸発生に必須である（Alexander et al. 2007）。モノメチル-Lアルギニン、NOの特異的阻害剤は、NOが哺乳類発生にとって非常に重大な意味を持ち、NOの過剰及び欠如双方が胎仔毒性となり得ることを示した（Lee & Juchau 2005）。本試験は、斯かるネットワークにおける２つのヒト中間体、アルギニン及びジメチルアルギニン（図5、表7）を測定し、一部の既知のヒト発生の破壊物質に応答して統計上顕著な変化を示したことを初めて示す。

結果で報告した変化を受けた他の重要な低分子は、同一の化学的ネットワーク、すなわちGABA及びグルタミン酸を共有する。GABAは、脳において主要抑制性神経伝達物質である。グルタミン酸調節不全は、激しく神経発生を損ない、場合により脳の特異的領域の細胞死に寄与する可能性を有する（Bauman 1998に概説される）。特に、発生から３歳まで、グルタミン酸はプログラム細胞死に極めて重要である。代謝物グルタミン酸は神経生存又は死を制御するのみならず、認知、学習及び記憶において重大な役割を果たす（Tashiro et al. 2006）。グルタミン酸及びGABAはまた、発生中神経細胞遊走の周知の修飾因子であり（Lujan et al. 2005）、よって同時にグルタミン酸及びGABA代謝の調節不全は、ヒト発生毒性に重要な機構を生じ得る。

驚いたことに、ネットワーク中の律速酵素（GABA-アミノ基転移酵素及びコハク酸セミアルデヒドデヒドロゲナーゼ）への同時変化が特定の精神神経系疾患、例えばコハク酸セミアルデヒドデヒドロゲナーゼ欠乏症又はGABA酸性尿等で存在する場合、本明細書中で報告する他の低分子、例えばコハク酸等は、グルタミン酸及びGABAと共に、催奇性物質誘導毒性の機構において相乗的役割を果たしそうである（Pearl et al. 2007を参照）。発生毒性の環境的性質と対照的に、斯かる症候群が遺伝性であるにもかかわらず、さらなるGABA及びコハク酸代謝への妨害を介して、これらの患者でバルプロ酸が症状を悪化させることがより著しく示されており（Shinka et al. 2003）、それは化合物毒性の生物学的に重要な機構を解明するためのこのhESCに基づく発生毒性スクリーニングの潜在性を直接指示するものである。

本明細書中に示されるメタボロミクスの結果は、ブスルファンが発生胎仔でGABAレベルに影響し、同様に神経発生崩壊の基礎となり得ることを示す。これらの実施例は、既知の催奇性物質と共に投与されたhESCsから分泌又は排出された代謝物の直接分析を介して、メタボロミクスが発生毒性の機構ネットワークをどう解明するかを示す。その際に、前臨床発生でスクリーニングされた新規薬剤の発生毒性に関する潜在性を高度の予測性を有して具現化することが完全に可能であり、一方で毒性機構について情報を提供する。さらなる試験は、神経発生破壊物質又は構造的奇形を生じ得るもの等の化合物の発生毒性のサブグループへの分類が可能となるであろう。

一実施形態において、表８に収載の５個又は６個以上の確認した低分子は、本発明の方法に従って試験化合物の催奇性を予測するために使用する。他の実施形態において、表8に収載の１０個又は１１個以上の確認した低分子は、本発明の方法に従って試験化合物の催奇性を予測するために使用する。

実施例8
発生毒性に関与する代謝ネットワーク
２つの実験システム: 生存率試験及びメタボロミクス試験を化学物質ごとに展開した。これらのアッセイを二段階で行った。メタボロミクス試験に関する用量hES細胞に対して３つの濃度を確立するために、細胞生存率アッセイを行った。まず、hES細胞をそれぞれ８つの濃度で投与し、続いて細胞生存率測定をMultiTox-Fluor 細胞ベースアッセイ （Promega）を使用して行った。各化学物質に関する濃度曲線を、メタボロミクス分析に関する３つの濃度を決定するために計算した。本試験で利用した最終濃度は、可能な場合、細胞死を生じなかった物及び最小の細胞死を生じた物であった。

メタボロミクス分析に関して、細胞生存率データに基づいて、各化合物に関して３つの濃度でhES 細胞を投与した。培地対照 （細胞なし）、投与培地対照 （投与培地を有するが、細胞なし）、及び対照（未投与培地及び細胞）もまた、実験デザインに含めた（図l）。３日間の投薬期間後に使用済み培地を回収した。回収した培地を、直ちにアセトニトリル中でクエンチし、続いて-80°Cで後の分析まで保存した。

生存率及びメタボロミクスステップ双方において、96ウェルプレートにWA09 hES 細胞の250,000 細胞/ウェルを播種した。これらの細胞を、３日間「投与」した。３日間毎日、使用済み培地を除去し指定化合物を含むmTeSR（登録商標）l培地と置換した。各化合物ストック溶液をDMSO中で作成し、hES 細胞を投与するために使用した各最終溶液は0.1% DMSOを含んだ。使用済み培地試料を４日目に回収し、メタボロミクス分析のために調製した。

試料調製:
メタボロミクス実験のための試料から低分子化合物 （<10 kDa）を分離するために、Multiscreen Ultracel-10分子量カットオフプレートを使用した。これらのプレートは、最初に0.1% 水酸化ナトリウム溶液で洗浄し、続いて２度水で洗浄し混入物ポリマー生成物を除去した。4°Cでおよそ240分間 2000xgで遠心分離した、洗浄したフィルターにクエンチした試料を添加し、通過画分を回収し、続いてオーバーナイトでSpeedVac中で乾燥させた。1:1の水中0.1% ギ酸:アセトニトリル中0.1% ギ酸の70uL 中で乾燥試料を再構成し、96ウェルプレートに移した。

LC-MS実験:
アジレントのQTOF機器上でESIポジティブモード及びESIネガティブモードで試料を分析し、高解像度で操作し、ダイナミックレンジモードを拡張した。２つのPhenomenex Luna HILIC カラム; 100 x 3mm; P/N 00D-4449-Y0、S/N 440333-5、及びS/N 512570-3を、分析のために使用した。

データプロセシング:
試料命名スキーム
統計分析のために使用した試料名は、実験化合物名称（ST003G.74.A, ST003G.75.B, etc.）、用量レベル （High （H）、培地 （M）、又は 低（L））、及び頻度（a-h）でコードする。試料名 「ST003G.74.A_H_b」は、実験化合物74A、用量レベル「高」、頻度bとデコードでき、試料名「ST003G.84.K_L_b」は、実験化合物84K、用量レベル「低」頻度b等とデコードできる。

データプロセシング
mzDataファイルの作成
アジレントのMassHunter Qual ソフトウェアバージョン3.0を使用して、アジレントの生データファイルをオープンソースのmzDataファイル型に転換した。転換工程中、deisotoping（脱同位体化）（+1電荷状態のみ）を質量中心データ及び絶対高度400（およそ典型的な平均機器バックグラウンドレベルの２倍）未満のピーク上で行った。生じるmzDataファイルは、数値400以上の絶対高度を有するデイソトープ（deisotoped）の（+1電荷状態のみ）ピークの質量中心データを含む。

質量特性の作成及び積分
オープンソースのソフトウェアライブラリーXCMSを使用して、ピーク選定及び特性作成を行った。質量特性（ピーク）を、centwaveのアルゴリズムを使用して検出した。ピーク選定後、LC-MS試料を並べる非線形クラスタリングアプローチに基づくobiwarpアルゴリズムを使用して、保持時間の偏差を補正した。密度に基づく分類工程アルゴリズムを使用して、質量特性瓶（bin）又はグループを作成した。データを質量特性にグループ化した後、反復性ピーク充填を使用して欠如した特徴を特性瓶の保持時間及び質量範囲に基づいて積分した。特性強度は、特性の抽出されたイオンクロマトグラムのMexican hatの積分値に基づく。

溶媒/抽出ブランクフィルター
抽出ブランクフィルターは、試料抽出工程及びLC-MSシステムに存在するバックグラウンドイオンに関連したイオンを除去する。実験試料中の平均が抽出ブランク中の平均存在量の５倍未満である場合、特性をメタボロミクスデータセットから除去した。

混入DBフィルター
混入DBフィルターは、例えば前の試験で同定された可塑剤及びPEG化合物等の多くの混入物を含むSteminaの専売データベースのエントリーのために、20ppm内の質量マッチで特性を除去する。特性が混入物又は混入物の通常の電荷特異的付加物に対応する場合、保持時間を考慮せずに特性を除去する。

PCAベースの異常値除去
試料異常値検出及び除去を、実験要因使用NEPALSベースPCAによって、ログベースの2変換paretoスケールの存在量値上で行う。距離測定は、距離測定の0.975分位外である異常値LC-MS試料に信号を出し、除去するために使用される。

存在量及び再現性フィルター
統計分析前に、因子（例えば、用量の実験化合物）によって特性を選別し、少なくとも１つの実験化合物（例えば、ST003G.82.I）の少なくとも１つの用量レベル（L、M、H）に関して、LC-MS実行の66%で12,500（ESIネガティブモード）又は50,000（ESIポジティブモード）以上の存在量を示さなかった特性を除去した。このフィルターは、再現性よく測定されない検出レベルでの疑似低存在量の特性、再現性のある検出及び/又は積分の影響を受けやすいピーク形状を有さない可能性のある特性に対して選択する。斯かるフィルターは、典型的にメタボロミクスデータセットの大部分を除去し、分析を最も信頼性があり且つ有用な特性に焦点を合わせる。例えば、用量の組み合わせで、一方の実験化合物は１用量レベルでネガティブモードLC-MS試料の70%で12,500以上の存在量値であり、他方の実験化合物は12,500以上の存在量値がないという特性は、線量率による少なくとも１つの実験化合物はフィルター判定基準を満たすので、フィルターを通過する。

データ変換及び規準化
全データは、ログベースの2変換（two transform）を行った。カラム（試料）平均値を減算すること、及び各値に関する列（特性）標準偏差による分割（自動目盛り設定）によって各因子レベルに関する規準化を行った。

質量特性の微分解析（単変量）
実験クラスの平均値間で違いが存在しないという帰無仮説、及び実験クラス間で違いが存在するという対立仮説下で、質量特性を評価した。実験クラスの等分散を仮定しないパラメトリック方法として、ウエルチの２つの試料T検定を行った。各実験化合物上で一元配置ANOVAを行い、３つの用量レベルに亘って平均値の違いを評価した。Tukeys post hoc検定を行い、用量レベル間の顕著な違いを同定した。統計分析の後、ANOVA及びウエルチT検定のp値補正のBenjamini-Hochberg （1995）方法を使用して、偽発見率を複数の試験に関して調節した。

質量特性の分析（多変量）
質量特性のm/z質量値を、複数の公開のデータベース、例えばHMDB、KEGG、PubChem化合物、及びMETLIN及びcompany-specific代謝物データ等由来の記録を含むSteminaの体内代謝物データベースと比較することによって、質量特性のアノテーションを行った。各ESIモードの適した付加物に関して特性をアノテートした。全質量特性のアイデンティティは確認せず、よって全アノテーションが推定される。

質量特性の同定
質量特性のm/z質量値を、複数の公開データベース、例えばHMDB、KEGG、PubChem化合物、及びMETLIN及び企業特有の代謝物データ等由来の記録を含むSteminaの体内代謝物データベースと比較することによって、質量特性のアノテーションを行った。各ESIモードに適した付加物に関して特性をアノテートした。全質量特性のアイデンティティを確認せず、よって全アノテーションを推定する。

ネットワーク分析
KEGG化合物アイデンティティを使用してヒト代謝ネットワークに対して、各実験化合物に関してアノテートした質量特性をマッピングすることによって、pathway enrichment分析を行った。各ネットワークへの統計有意差の定量的規準を割り当てるために、超幾何学的P値及び偽発見率（FDR）を使用した。各実験化合物に関するESIネガティブ及びポジティブモードに由来した特性を、斯かる分析のためにプールした。偽陽性結果は、同一質量由来の経路で複数の「hits」を生じる同重体化合物によって得ることができ、よって特有の化合物idsの代わりに特有の質量をこれらの算出に使用した。各経路に関する超幾何学的P値を計算するために使用した関連パラメータは、特有の質量「hits」数、ネットワークにおける特有の質量数、及びKEGGデータベースのヒトネットワークの全てにおける特有の質量の総数であった。各実験化合物に関して、由来のネットワークに関するP値を、Benjamini and Hochberg （1995） 補正を使用してFDRに転換した。

興味深い特性の選択
用量レベル平均値の違いを評価する一元配置分散分析を使用して化合物ごとの基礎に基づき、且つウエルチT検定及びPLS-DA VIPスコアを使用して用量ごとの基礎に基づき、特性選択を行った。特性が少なくとも50%変化率でウエルチFDR<.05又はPLS-DA VIPスコア> 20を有し、対照細胞が対照培地に少なくとも40%の違い（分泌、消費、又は同定）を示す場合、又はAnova FDR <.05及びO.lxとlOx用量との間の違いが少なくとも50%を示す場合、さらなる評価のために特性を選択した。薬剤又は用量レベルの比較に対する関心として特性を選択する場合、続いて倍率変化に広範囲の実験に関して評価した。特性選択後、元来哺乳類として推定的にアノテートされ且つKEGGネットワーク図に存在する顕著な特性のみさらに評価した。続いてpathway enrich分析を選択特性及び統計上顕著なenrichmentを示すネットワークにおける特性において行い、さらに倍率変化に関して評価した。これらの選択判定基準によって、当該分析を生化学経路に着目させた。

結果及び考察:
細胞培養の上清抽出物のメタボロミクス分析は、統計的有意性及び推定哺乳類アノテーションの選択後に、ESIポジティブモードで324個の特性のセットを、ESIネガティブモードでード307個の特性のセットを生じた。選択後、特性を抽出イオンクロマトグラム（EICs）の品質管理評価に通し、個々の質量特性の妥当性を確認した。品質管理を通過する特性をさらに評価し、推定倍率変化を確認した。質が悪い複製特性を除去した後、残るESIポジティブ及びESIネガティブモード特性を、処理によるpathway enrichmentの評価のための統一データセットに組み合わせた。これらの質量特性を、86個の異なるKEGGネットワークにマッピングし、そのれらの15個は、少なくとも１つの処理においてアノテートした特性の統計上顕著な（FDR <0.1）enrichmentを示した（表9）。最も顕著なenrichmentを示した4個のネットワークにおける全代謝物に関するEICsをプロットし、特性の質及び倍率変化を評価した。

尿素回路、グルタミン酸代謝、及びクエン酸回路と関連した代謝物における変化を、催奇性物質へのhES細胞の曝露と関連づけた。一部のアノテートした質量特性を、（特に断りのない限り）盲検化合物の少なくとも２つの用量レベルにおける変化に関して評価した。コハク酸（TCA回路）は、通常催奇性物質が処理されたhES細胞で低下し、非催奇性物質では変化しない。この試験において、ST003G.74.A、ST003G.75.B、ST003G.76.C、ST003G.77.D、ST003G.80.G、ST003G.81.Hが処理された細胞の少なくとも２つの用量レベルでコハク酸が減少された。

催奇性物質での処理は、hES細胞によって分泌されたアルギニン（アルギニン及びプロリン代謝）の増加と組み合わせて通常観察されるジメチルアルギニン（DMA、尿素回路）の蓄積の減少に繋がる。電流試験において、盲検化合物は、ST003G.82.I、ST003G.83J、ST003G.84.K及びST003G.85.LのDMAの分泌の増加を示し、ST003G.77.D及びST003G.78.Eにおいてまちまちの反応を示し、ST003G.80.Gの蓄積の減少を示し、一方アルギニンは本試験で顕著に変化しなかった。グルタミン酸（グルタミン酸代謝）は、処理後ST003G.74.A及びST003G.84.Kの分泌の増加を示し、ST003G.78E及びST003G.80.Gのまちまちの反応を示し、一方hES細胞は催奇性物質での処理後にグルタミン酸のレベル増加又は減少パターンを示す。催奇性物質での処理後にhESで増加され得るγ-アミノ酪酸 （GABA、神経活性リガンド受容体）は、ST003G.84.Kで増加され、ST003G.75.Bで減少された。アスパラギン酸（尿素回路、グルタミン酸代謝）は、通常催奇性物質での処理後にhES細胞の培地中で増加されるが、ST003G.74.A及びST003G.75.Bで減少され、ST003G.77.D及びST003G.80.Gで増加された。リンゴ酸は、通常非催奇性物質より極端に催奇性物質で変化されるが、ST003G.78.E、ST003G.79.F、ST003G.80.G、ST003G.82.I、及びST003G.85.Lの高用量レベルで極度の倍率変化を示した。

表9: 正負の特性で行ったpathway enrichment分析の概要。値は、各薬剤に関する用量レベルに亘って同定された特有のKEGG IDアノテーションの数を示す。強調された灰色のセルは、少なくとも１つの処理用量レベルにおいて統計上顕著なenrichmentを示す（FDR<0.1）。

実施例9
試験化合物の催奇性の予測
実施例8で分析した個々の化合物の潜在的な催奇性を、さらに確認した。

データ分析及び結果:
部分最小二乗法判別分析（PLS-DA）モデルを使用して、医薬品が処理されたWA09 ヒト胚性幹（hES）細胞由来の使用済み細胞培養培地（セクレトーム）で観察される代謝変化に基づき、催奇性の予測を行った。既知の催奇性を有する22個の医薬品の治療循環用量が処理されたhES細胞のセクレトームのためのDevTox projectにおいて、PLS-DA分類指標モデルを以前に得られたデータに照準を合わせた（表11）。これらは、11個の既知の催奇性物質及び11個の既知の非催奇性物質を含んだ。電流モデルは、医薬品及び未知の化合物が処理されたhES細胞のセクレトームによくみられる15個の代謝物の平均変化率（処理対その関連の実験内対照）に基づく。DevTox薬剤に関する本モデルの結果は、表11に示す。EPA化合物の本試験に関して、実験は非医薬環境毒物の予測に適用される斯かるPLS-DAモデルの第一の例を表す。

表10: 催奇性のPLS-DA予測で利用される特性。太字の代謝物は、以前に確認した代謝物を示す。

表11 : PLS-DAモデルで利用したPLS-DA-DevTox医薬品による催奇性の予測及びそれらの結果として得られた予測。トレーニングセットで利用した医薬品の高（H=10x）及び低（L=0.1x）用量処理は、参照として含まれる（注記: M=lxは、循環用量に相当する。斯かる用量をPLS-DAモデルのトレーニングで使用し、よって予測表から除外した）。太字は、循環用量での非催奇性物質を示し、標準フォントは循環用量での催奇性物質を示す。

表12: EPA化合物に関するPLS-DAによる催奇性の予測。% Non 及び% Terは、PLS-DAで生じるクラスの可能性である。信頼度は、クラス可能性間の違いである。信頼度の値0.1未満は、クラス予測に関して不確定と考えられる。

結論:
開発した予測モデルは、EPAから提供される化学薬剤ST003G.74.A、ST003G.75.B、ST003G.77.D、ST003G.82.I、ST003G.85.Lを潜在的な催奇性物質として、化学薬剤ST003G.76.C、ST003G.78.E、ST003G.80.G、ST003G.81.H、ST003G.83.J、ST003G.84.Kを潜在的な非催奇性物質として分類する。化学薬剤ST003G.76.Cは、最高用量レベルでのみ催奇性物質として予測される（表12参照）。

参照医薬処理として、ドキシラミンを試験セットに添加した（ST003G-85-L）。ドキシラミンは、妊娠カテゴリーB薬剤としてFDAによって位置づけられており、動物試験で先天異常を誘発するその特定薬剤のリスクが示されず妊娠女性における試験は存在しないことを意味する。斯かる化合物を発生毒性アッセイで分析した。低及び中等度用量で、ドキシラミンを非催奇性物質として分類し、一方、高濃度で催奇性物質として分類した（表11）。これらの試験において、ドキシラミンの３つの全濃度（低、中、及び高）を催奇性物質として分類した。これらの試験で使用したドキシラミンの濃度及び各濃度で割り当てた対応の催奇性を以下の表に示す。非催奇性物質から催奇性物質へ切り替わるドキシラミンの分類を生じる臨界濃度が存在するようであり、我々のデータによれば、0.38〜1μΜである。

催奇性分類が単に細胞生存率の反映でないことを確認するため、細胞生存率データを分析した（図23）。以下の通り、催奇性分類と胞生存率との間に相関関係はなく、1μΜ ドキシラミンで細胞は実際活発である（図23、a〜c）。0.38 μΜでは一部に細胞死が存在するが、斯かる濃度では、ドキシラミンは催奇性物質としてまだ分類されなかった。ドキシラミンの催奇性予測のこの実施例は、本願の催奇性モデルを立証することに役立つ。

実施例10
経路解釈
アノテートされた質量特性の統計上顕著なenrichmentを有する複数の生化学経路を、さらに評価した。今回の発見で最も興味深いことは、ニコチン酸及びニコチンアミド代謝、パントテン酸及びCoA生合成、グルタチオン代謝、及びアルギニン及びプロリン代謝ネットワークである。これらの経路を検査し、これらの経路と先天異常との関係性を解明した。黒丸でマークした経路内の代謝物は特有の質量を有し、一方灰色丸でマークしたものは同重体であり、同一分子量の他の代謝物とすることができる。

ニコチン酸及びニコチンアミド代謝ネットワーク:
ニコチン酸及びニコチンアミドは、補酵素ニコチンアミドアデニンジヌクレオチド（NAD+）及びニコチンアミドアデニンジヌクレオチドリン酸（NADP+）の前駆体であり、減少される場合、多くの酸化還元反応で重要な補助因子である。ニコチン酸が欠乏する場合、ペラグラが生じ得る。ニコチンアミドN-メチル転移酵素（NNMT）の変異は二分脊椎のリスクに繋がる可能性が有り得るということが分かり（Lu et al, Mol. Teratology, 52:670-675, 2008）、斯かる経路への変化が先天異常に繋がる可能性が有り、よって、斯かる経路の代謝物の変化率の測定は化合物の催奇性を指示することが可能である。

パントテン酸及びCoA生合成ネットワーク:
パントテン酸及びCoA生合成ネットワーク由来の顕著な数の推定代謝物アノテーションは、多数の化合物に亘って統計上顕著な変化を示した。パントテン酸及びCoA生合成ネットワークに関するネットワーク図は、推定アノテーションを示し、黒丸、又は灰色丸でマークされる（灰色丸で強調される代謝物は同重体であり、一方黒丸は特有の質量を有する）。

パントテン酸及びCoA生合成ネットワークは、長鎖脂肪酸へ結合し最終的にATP合成を生じるTCA回路に入るアセチルCoAを形成するCoAを生じる。よって、このネットワークへの異常は、エネルギー生成異常を生じる可能性が有り、同様に細胞プロセスの重度の機能障害を生じ得る。代謝物であるパントテン酸のリン酸化反応がCoA生成の律速段階であり、パントテン酸の低レベルの結果として、神経症状と共にエネルギーが害されることが観察されている場合、ネットワークで最も重要なことは、パントテン酸の有効性である（Rock et al, J. Biol. Chem., 275:1377-1383, 2000）。さらに、母体のパントテン酸欠如は、胎児の催奇性作用を生じるということが分かった（Nelson et al, J Nutr., （52:395-405, 1957; Baker et al, Am. J Clin. Nutr., 28:56-65, 1975）。パントテン酸ネットワーク及び先天異常への変化のこれらの関連を考えると、これらの変化を生じる特有の化学物質が同様にヒト発生を破壊する能力を有し、場合により先天異常を誘発し得る可能性を有するパントテン酸ネットワーク内で、代謝物の存在量変化を生じる化学物質と相関することはもっともである。

グルタチオンネットワーク:
グルタチオンネットワークは、酸化ストレスで役割を果たす。斯かるネットワークの必須代謝物であるグルタチオンは、低減状態又は酸化状態で存在し得る。その低減状態において、グルタチオンはフリーラジカルをプロトン化する能力を有し、よって、抗酸化剤として機能する。酸化ストレスは、神経変性疾患（Simonian et al, Ann Rev Pharm. Tox., 5（5:83-106, 1996）、肺疾患 （Repine et al, Am. J. Resp. Critical Care Med, 75（5:341-357, 1997）と関連し、子癇前症と関連する（Walsh et al, Semin. Reprod. Med., i （5:93-104, 1998）。グルタチオンレベルを先天異常に関連付けるいくつかの試験が存在する。例えば、Isibashi等は、グルタチオン欠乏及び酸化ストレスが動物で先天異常に強く関係することを発見した（Isibashi et al, Free Rad. Biol. Med., 22:447-454, 1997）。Zhao等もまた、ヒトでのこのような関係、及び神経管欠損妊娠の女性は酸化グルタチオンが対照群より高レベルであるということを発見した（Zhao et al, Birth Defects Research Part A: Clinical and Molecular Teratology, 76:230-236, 2006）。このグルタチオンネットワークと先天異常との関連性に起因して、さらに斯かるネットワーク内の代謝物に関する倍率変化を試験し、各化合物を潜在的な催奇性物質又は非催奇性物質として分類することが可能である。

アルギニン及びプロリン代謝ネットワーク:
アルギニン及びプロリン代謝ネットワーク内で複数の統計上顕著に変更された低分子が確認された。最も興味深いことは、ジメチルアルギニン、アルギニン、及びシトルリンの存在である。一酸化窒素合成酵素は、L-アルギニンをL-シトルリンに転換する。ジメチルアルギニンは、一酸化窒素合成酵素の阻害剤である。試験は、一酸化窒素合成酵素が神経管閉鎖に必須であり（Nachmany et al, J Neurochem., 96:247-253, 2006）、よってこの反応及びL-シトルリン及びL-アルギニンのレベルへの変更は先天異常を誘発する化合物の能力を示しうることを確認した。

本明細書中の全参考文献は、参照により本明細書に組み込まれる。さらに、本発明は、本発明の開示の実施形態に限定されることを意図しない。上記開示は、本発明の特定の実施形態を強調し、それらと均等の全変更又は代替物は、添付の特許請求項の範囲で説明される本発明の趣旨及び範囲内であることと理解されるべきである。

参考文献

Claims (35)

1. 試験化合物の催奇性の予測方法であって、
   （a）（i）第一の既知の催奇性化合物の存在下; 及び
   （ii）第一の既知の催奇性化合物の不存在下で、
   hSLCsを培養する工程、
   （b）第一の既知の催奇性化合物に曝露されていないhSLCsと比較して、第一の既知の催奇性化合物に曝露されたhSLCsに関連する約 3000 ダルトン未満の分子量を有する複数の代謝物を検出し、第一の既知の催奇性化合物に曝露されていないhSLCsと比較した、第一の既知の催奇性化合物に曝露されたhSLCsの代謝応答における違いを同定する工程;
   （c）代謝応答における違いを分析し、第一の催奇性化合物へのhSLCsの曝露に関連する質量特性のセットを生じる工程;
   （d）毎回異なる既知の催奇性化合物で、工程a）〜c）を複数回繰り返す工程;
   （e）催奇性化合物への各曝露から生じる質量特性を分類し、質量特性の第一の参照プロファイルを得る工程;
   （f）試験化合物へのhSLCsの曝露で生じる質量特性のプロファイルを、第一の参照プロファイルと比較し、試験化合物の催奇性を予測する工程;
   （g）試験化合物が催奇性物質であると予測される場合に、質量特性のプロファイルを第一の参照プロファイルへ追加し、第二の参照プロファイルを得る工程であって、第二の参照プロファイルの予測正確性が第一の参照プロファイルの予測正確性より高い工程; 及び
   （h）工程f）とg）とを、毎回異なる試験化合物で複数回繰り返し、最終参照プロファイルを得る工程、
   を含む、予測方法。
2. 工程a）中に既知の非催奇性化合物の存在下で、hSLCsがさらに培養される、請求項１に記載の方法。
3. 最終参照プロファイルが、少なくとも約80%の正確性で試験化合物の催奇性を予測する、請求項１に記載の方法。
4. 最終参照プロファイルが、少なくとも約90%の正確性で試験化合物の催奇性を予測する、請求項１に記載の方法。
5. hSLCsが、ヒト胚性幹細胞（hESCs）、ヒト人工多能性 （iPS）細胞、又はヒト胚様体を含む、請求項１に記載の方法。
6. １又は２以上の測定される代謝物が、hSLCsから分泌される代謝物である、請求項１に記載の方法。
7. １又は２以上の測定される代謝物が、hSLCsから排出される代謝物である、請求項１に記載の方法。
8. １又は２以上の測定される代謝物が、hSLCsによって同定される代謝物である、請求項１に記載の方法。
9. 同定された代謝物に関する代謝応答の違いが、hSLCsを介した代謝物のフラックスを測定することによって決定される、請求項１に記載の方法。
10. hSLCsの代謝応答が、試験化合物の不存在下より試験化合物の存在下で高い、請求項１に記載の方法。
11. hSLCsの代謝応答が、試験化合物の不存在下より試験化合物の存在下で低い、請求項１に記載の方法。
12. 代謝物が、物理的分離方法を使用して同定される、請求項１に記載の方法。
13. 物理的分離方法が質量分析である、請求項１２に記載の方法。
14. 同定された代謝物のサブセットが、バイオマーカープロファイルを含む、請求項１に記載の方法。
15. 同定された代謝物のサブセットが、毒性又は催奇性化合物へのhSLCの応答のバイオマーカープロファイル特性を含む、請求項１４に記載の方法。
16. 最終参照プロファイルが、少なくとも約95%の感度で試験化合物の催奇性を予測する、請求項１に記載の方法。
17. 最終参照プロファイルが、少なくとも約85%の特異度で試験化合物の催奇性を予測する、請求項１に記載の方法。
18. 質量分析が液体クロマトグラフィー/エレクトロスプレーイオン化質量分析である、請求項１４に記載の方法。
19. 試験化合物を催奇性物質として分類するための方法であって、
    （a）（i）試験化合物の存在下; 及び
    （ii）試験化合物の不存在下で、
    hSLCsを培養する工程、
    （b）hSLCsに関連する約3000ダルトン未満の分子量を有する複数の代謝物を測定することによって、試験化合物の不存在下で培養されたhSLCsと比較した、試験化合物の存在下のhSLCsの代謝応答における違いを同定する工程であって、試験化合物の不存在下で培養されたhSLCsに対する、試験化合物の存在下で培養されたhSLCsに関連する複数の代謝物における違いが、代謝応答における違いを示す工程、及び
    （c）第一の代謝物を含むhSLCsの代謝応答を、第二の代謝物を含むhSLCsの代謝応答に対して測定する工程であって、
    （i） 第一の代謝物が第二の代謝物の前駆体である; 又は
    （ii） 第一の代謝物がアミノ酸であり、第二の代謝物がアミノ酸の代謝阻害剤であるとともに、
    第二の代謝物を含むhSLCsの代謝応答に対する第一の代謝物を含むhSLCsの代謝応答における違いが、試験化合物が催奇性物質であることを示す工程、
    を含む、方法。
20. hSLCsが、既知の非催奇性化合物の存在下で工程（a）中にさらに培養される、請求項１９に記載の方法。
21. 第一及び第二の代謝物が、hSLCsによって分泌される、請求項１９に記載の方法。
22. 第一及び第二の代謝物が、hSLCsによって排出される、請求項１９に記載の方法。
23. 第一及び第二の代謝物が、hSLCsによって消費される、請求項１９に記載の方法。
24. 消費された第一の代謝物と消費された第二の代謝物に関する代謝応答における違いが、hSLCsを介した第一及び第二の代謝物のフラックスを測定することによって決定される、請求項１９に記載の方法。
25. 試験化合物を催奇性物質又は非催奇性物質として分類するための方法であって、
    （a）（i）試験化合物の存在下; 及び
    （ii）試験化合物の不存在下で、
    hSLCsを培養する工程、
    （b）試験化合物の不存在下で培養されたhSLCsと比較して、試験化合物の存在下で培養されたhSLCsに関連するアルギニンの変化率を測定する工程;
    （ｃ）試験化合物の不存在下で培養されたhSLCsと比較して、試験化合物の存在下で培養されたhSLCsに関連する非対称性ジメチルアルギニン（ADMA）の変化率を測定する工程;
    （ｄ）ADMAにおける変化率に対するアルギニンの変化率の比を測定する工程であって、
    （i）少なくとも約0.9未満又は少なくとも約1.1以上の比が、試験化合物の催奇性を示し、
    （ii）少なくとも約0.9以上且つ少なくとも約1.1未満の比が、試験化合物の非催奇性を示す工程、
    を含む、方法。
26. 工程（a）中に既知の非催奇性化合物の存在下で、hSLCsがさらに培養される、請求項２５に記載の方法。
27. 催奇性物質として試験化合物を確認するための方法であって、
    （a）約3000ダルトン未満の分子量を有する代謝物のセットを固形で供する工程であって、催奇性化合物の不存在下で培養されたhSLCsと比較して、１又は２以上の既知の催奇性化合物の存在下で培養されたhSLCsによって、当該代謝物が異なって代謝される工程;
    （ｂ）所定の量の生理的に適した緩衝剤に代謝物のセットを再懸濁する工程であって、緩衝剤中の各代謝物の最終濃度が、１又は２以上の既知の催奇性化合物の存在下で培養されたhSLCsに関連する代謝物の濃度と同一である工程;
    （ｃ）当該代謝物の参照プロファイルを得る工程; 及び
    （ｄ）試験化合物へのhSLCsの曝露で得られた質量特性のプロファイルを代謝物の参照プロファイルと比較し、試験化合物の催奇性を確認する工程、
    を含む、方法。
28. 催奇性化合物の代謝効果を同定する方法であって、
    （ａ）（i）催奇性化合物の存在下; 及び
    （ii）催奇性化合物の不存在下で;
    hSLCsを培養する工程、
    （b）催奇性化合物に曝露されていないhSLCsと比較して、催奇性化合物に曝露されたhSLCsに関連する約3000ダルトン未満の分子量を有する複数の代謝物を検出し、催奇性化合物に曝露されていないhSLCsと比較した、催奇性化合物に曝露されたhSLCsの代謝応答における違いを同定する工程;
    （c）複数の代謝物を１又は２以上の代謝ネットワークへマッピングする工程; 及び
    （d）複数の代謝物が、１又は２以上の代謝ネットワークの既知の崩壊により影響を受けた代謝物と同一である場合に、催奇性化合物の代謝効果を同定する工程、
    を含む、方法。
29. 工程（a）中に既知の非催奇性化合物の存在下で、hSLCsがさらに培養される、請求項２８に記載の方法。
30. １又は２以上の代謝ネットワークが、アラニン、アスパラギン酸及びグルタミン酸代謝ネットワーク、アルギニン及びプロリン代謝ネットワーク、アスコルビン酸及びアルダル酸代謝ネットワーク、クエン酸回路、システイン及びメチオニン代謝ネットワーク、ガラクトース代謝ネットワーク、グルタチオン代謝ネットワーク、グリオキシル酸及びジカルボン酸代謝ネットワーク、ニコチン酸及びニコチンアミド代謝ネットワーク、パントテン酸及び補酵素A生合成経路、ペントース及びグルクロン酸相互変換経路、ペントースリン酸経路、プロピオン酸代謝ネットワーク、ピルビン酸代謝ネットワーク、及びビタミンB6代謝ネットワークから成る群から選択される、請求項２８に記載の方法。
31. 同定された代謝物のサブセットが、ピルビン酸、L-バリン、ジメチルリンゴ酸、パントイン酸、パントテン酸、ホスホパントテノイル（phospho-patothenoyl）-L-システイン、5,6-ジヒドロウラシル、N-カルバモイル-βアラニン、及び補酵素Aから成る群から選択され、代謝ネットワークがパントテン酸及び補酵素A生合成経路である、請求項２８に記載の方法。
32. 複数の代謝物が、5-オキソプロリン、L-グルタミン酸、グリシン、L-γ-グルタミルシステイン、グリシン、デヒドロアスコルビン酸、グルタチオニルスペルミン、及びL-オルニチンから成る群から選択され、代謝ネットワークがグルタチオン代謝ネットワークである、請求項２８に記載の方法。
33. 複数の代謝物が、ピルビン酸、ジメチルアルギニン、L-アルギニン、L-シトルリン、グルタミン、アスパラギン酸、L-アルギニノコハク酸（argosuccinate）、グアニジノ酢酸リン酸、フマル酸、サルコシン、2-オキソアルギニン、ピルビン酸、5-アミノ-ペンタン酸、リナチン、ピロール-2-カルボン酸塩、プトレシン、6-オキソ-l,4,5,6-テトラヒドロニコチン酸、2,6-ジヒドロキシニコチン酸（dihydroxynictinate）、フマル酸、及びGABAから成る群から選択され、代謝ネットワークがアルギニン及びプロリン代謝ネットワークである、請求項２８に記載の方法。
34. 複数の代謝物が、6-オキソ-l,4,5,6-テトラヒドロニコチン酸、2,6-ジヒドロキシニコチン酸、及びフマル酸から成る群から選択され、代謝ネットワークがニコチン酸及びニコチンアミド代謝ネットワークである、請求項２８に記載の方法。
35. 複数の代謝物が、シスチン、Nl-アセチルスペルミジン、非対称性ジメチルアルギニン、シスタチオニン、2'-デオキシウリジン、GABA、リンゴ酸、コハク酸、及びアスパラギン酸から成る群から選択される５個又は６個以上の代謝物である、請求項１に記載の方法。

Images