JP2015000006A - 悪性神経膠腫Grade4患者の予後予測方法及びキット - Google Patents
悪性神経膠腫Grade4患者の予後予測方法及びキット Download PDFInfo
- Publication number
- JP2015000006A JP2015000006A JP2013124686A JP2013124686A JP2015000006A JP 2015000006 A JP2015000006 A JP 2015000006A JP 2013124686 A JP2013124686 A JP 2013124686A JP 2013124686 A JP2013124686 A JP 2013124686A JP 2015000006 A JP2015000006 A JP 2015000006A
- Authority
- JP
- Japan
- Prior art keywords
- prognosis
- patient
- gene
- genes
- malignant glioma
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004393 prognosis Methods 0.000 title claims abstract description 42
- 206010018338 Glioma Diseases 0.000 title claims abstract description 25
- 208000029824 high grade glioma Diseases 0.000 title claims abstract description 23
- 201000011614 malignant glioma Diseases 0.000 title claims abstract description 23
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 64
- 230000014509 gene expression Effects 0.000 claims abstract description 42
- 102100032838 Histone chaperone ASF1A Human genes 0.000 claims abstract description 13
- 101000923139 Homo sapiens Histone chaperone ASF1A Proteins 0.000 claims abstract description 13
- 102100032832 Integrin alpha-7 Human genes 0.000 claims abstract description 13
- 108010092830 integrin alpha7beta1 Proteins 0.000 claims abstract description 13
- 102100031815 Aftiphilin Human genes 0.000 claims abstract description 12
- 101000775309 Homo sapiens Aftiphilin Proteins 0.000 claims abstract description 12
- 101001013272 Homo sapiens Mediator of RNA polymerase II transcription subunit 29 Proteins 0.000 claims abstract description 8
- 101000943352 Homo sapiens Uncharacterized protein C11orf71 Proteins 0.000 claims abstract description 8
- 102100029668 Mediator of RNA polymerase II transcription subunit 29 Human genes 0.000 claims abstract description 8
- 102100032324 Uncharacterized protein C11orf71 Human genes 0.000 claims abstract description 8
- 102100032040 Amphoterin-induced protein 2 Human genes 0.000 claims abstract description 7
- 101000776165 Homo sapiens Amphoterin-induced protein 2 Proteins 0.000 claims abstract description 7
- 101001003132 Homo sapiens Interleukin-13 receptor subunit alpha-2 Proteins 0.000 claims abstract description 7
- 101000703425 Homo sapiens Rho GTPase-activating protein 39 Proteins 0.000 claims abstract description 7
- 101000631695 Homo sapiens Succinate dehydrogenase assembly factor 3, mitochondrial Proteins 0.000 claims abstract description 7
- 101000904724 Homo sapiens Transmembrane glycoprotein NMB Proteins 0.000 claims abstract description 7
- 101001038317 Homo sapiens VIP36-like protein Proteins 0.000 claims abstract description 7
- 102100020793 Interleukin-13 receptor subunit alpha-2 Human genes 0.000 claims abstract description 7
- 102100040420 Mitochondrial thiamine pyrophosphate carrier Human genes 0.000 claims abstract description 7
- 102100030748 Rho GTPase-activating protein 39 Human genes 0.000 claims abstract description 7
- 108091006423 SLC25A19 Proteins 0.000 claims abstract description 7
- 102100028996 Succinate dehydrogenase assembly factor 3, mitochondrial Human genes 0.000 claims abstract description 7
- 102100040248 VIP36-like protein Human genes 0.000 claims abstract description 7
- 102100026548 Caspase-8 Human genes 0.000 claims abstract description 6
- 102100023721 Ephrin-B2 Human genes 0.000 claims abstract description 6
- 101000983528 Homo sapiens Caspase-8 Proteins 0.000 claims abstract description 6
- 101001049392 Homo sapiens Ephrin-B2 Proteins 0.000 claims abstract description 6
- 102100025643 60S ribosomal protein L12 Human genes 0.000 claims abstract description 5
- 102100034149 ATPase PAAT Human genes 0.000 claims abstract description 5
- 101000575173 Homo sapiens 60S ribosomal protein L12 Proteins 0.000 claims abstract description 5
- 101001134010 Homo sapiens ATPase PAAT Proteins 0.000 claims abstract description 5
- 101001090713 Homo sapiens L-lactate dehydrogenase A chain Proteins 0.000 claims abstract description 5
- 101000653592 Homo sapiens TBC1 domain family member 19 Proteins 0.000 claims abstract description 5
- 101000798539 Homo sapiens Transmembrane protein 237 Proteins 0.000 claims abstract description 5
- 102100034671 L-lactate dehydrogenase A chain Human genes 0.000 claims abstract description 5
- -1 LOC283027 Proteins 0.000 claims abstract description 5
- 102100029852 TBC1 domain family member 19 Human genes 0.000 claims abstract description 5
- 102100023935 Transmembrane glycoprotein NMB Human genes 0.000 claims abstract description 5
- 102100032480 Transmembrane protein 237 Human genes 0.000 claims abstract description 5
- 102100025665 Angiopoietin-related protein 1 Human genes 0.000 claims abstract description 3
- 102100029963 Beta-galactoside alpha-2,6-sialyltransferase 2 Human genes 0.000 claims abstract description 3
- 101000693093 Homo sapiens Angiopoietin-related protein 1 Proteins 0.000 claims abstract description 3
- 101000863891 Homo sapiens Beta-galactoside alpha-2,6-sialyltransferase 2 Proteins 0.000 claims abstract description 3
- 101001043354 Homo sapiens Lysyl oxidase homolog 3 Proteins 0.000 claims abstract description 3
- 101001075561 Homo sapiens Rho GTPase-activating protein 32 Proteins 0.000 claims abstract description 3
- 102100021949 Lysyl oxidase homolog 3 Human genes 0.000 claims abstract description 3
- 102100020900 Rho GTPase-activating protein 32 Human genes 0.000 claims abstract description 3
- 230000004083 survival effect Effects 0.000 claims description 34
- 239000000523 sample Substances 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 5
- 102100022945 Ribosome-recycling factor, mitochondrial Human genes 0.000 abstract 1
- 108010037379 ribosome releasing factor Proteins 0.000 abstract 1
- 206010028980 Neoplasm Diseases 0.000 description 14
- 108020004999 messenger RNA Proteins 0.000 description 9
- 238000003753 real-time PCR Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 8
- 238000002493 microarray Methods 0.000 description 8
- 238000000018 DNA microarray Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000009396 hybridization Methods 0.000 description 6
- 238000010200 validation analysis Methods 0.000 description 6
- 102100025825 Methylated-DNA-protein-cysteine methyltransferase Human genes 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 208000005017 glioblastoma Diseases 0.000 description 4
- 238000001325 log-rank test Methods 0.000 description 4
- 108040008770 methylated-DNA-[protein]-cysteine S-methyltransferase activity proteins Proteins 0.000 description 4
- 206010006187 Breast cancer Diseases 0.000 description 3
- 208000026310 Breast neoplasm Diseases 0.000 description 3
- 239000002299 complementary DNA Substances 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000012333 histopathological diagnosis Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000010837 poor prognosis Methods 0.000 description 3
- 101150055869 25 gene Proteins 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 208000032612 Glial tumor Diseases 0.000 description 2
- 102100031181 Glyceraldehyde-3-phosphate dehydrogenase Human genes 0.000 description 2
- 238000000636 Northern blotting Methods 0.000 description 2
- 238000011529 RT qPCR Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 108020004445 glyceraldehyde-3-phosphate dehydrogenase Proteins 0.000 description 2
- 238000003364 immunohistochemistry Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012775 microarray technology Methods 0.000 description 2
- 210000004498 neuroglial cell Anatomy 0.000 description 2
- 230000002980 postoperative effect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000002271 resection Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 101150090724 3 gene Proteins 0.000 description 1
- 208000003174 Brain Neoplasms Diseases 0.000 description 1
- 108020004705 Codon Proteins 0.000 description 1
- 238000009007 Diagnostic Kit Methods 0.000 description 1
- 206010064571 Gene mutation Diseases 0.000 description 1
- 101150020771 IDH gene Proteins 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 102000048850 Neoplasm Genes Human genes 0.000 description 1
- 108700019961 Neoplasm Genes Proteins 0.000 description 1
- 238000002123 RNA extraction Methods 0.000 description 1
- 108010006785 Taq Polymerase Proteins 0.000 description 1
- BPEGJWRSRHCHSN-UHFFFAOYSA-N Temozolomide Chemical compound O=C1N(C)N=NC2=C(C(N)=O)N=CN21 BPEGJWRSRHCHSN-UHFFFAOYSA-N 0.000 description 1
- 206010054094 Tumour necrosis Diseases 0.000 description 1
- 238000011226 adjuvant chemotherapy Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011347 external beam therapy Methods 0.000 description 1
- 238000011354 first-line chemotherapy Methods 0.000 description 1
- 239000012520 frozen sample Substances 0.000 description 1
- 238000003633 gene expression assay Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 125000005842 heteroatom Chemical group 0.000 description 1
- 101150046722 idh1 gene Proteins 0.000 description 1
- 230000003100 immobilizing effect Effects 0.000 description 1
- 238000011221 initial treatment Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000011418 maintenance treatment Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000001613 neoplastic effect Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- VFEDRRNHLBGPNN-UHFFFAOYSA-N nimustine Chemical compound CC1=NC=C(CNC(=O)N(CCCl)N=O)C(N)=N1 VFEDRRNHLBGPNN-UHFFFAOYSA-N 0.000 description 1
- 229960001420 nimustine Drugs 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 239000013610 patient sample Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 229960004964 temozolomide Drugs 0.000 description 1
- 210000004881 tumor cell Anatomy 0.000 description 1
- 238000007473 univariate analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
【課題】悪性神経膠腫Grade4患者の予後予測を行う。【解決手段】悪性神経膠腫Grade4患者の予後を予測する方法であって、当該患者から採取された試料において、以下の25遺伝子:GPNMB, EFNB2, ASF1A, LOC283027, AMIGO2, IL13RA2, ITGA7, LDHA, C11orf71, AFTPH, TBC1D19, MED29, ACN9, SLC25A19, RPL12, ALS2CR4, C10orf88, ARHGAP39, LMAN2L, CASP8, ST6GAL2, LOXL3, ANGPTL1, MRRF, ARHGAP32の少なくとも1種の遺伝子の発現レベルを測定する工程を含むことを特徴とする、方法。【選択図】図1
Description
本発明は、悪性神経膠腫Grade4患者の予後を予測する方法、ならびに前記方法に用いるキットに関する。
神経膠腫患者の予後は、従来病理組織学的診断を基本になされていた。組織学的診断方法として、世界保健機関(WHO)の方法が現在最も広く用いられている(非特許文献1)。しかしながら、Grade4診断区分内でさえも依然として多くの個体差が存在し、また診断者の主観要素もあり、必ずしも正確な診断と予後予測ができていなかった。病理組織学的診断だけでは、患者を予め認識できない点で不十分であることが明らかとなっている。例えば、WHO Grade 4の神経膠芽腫は平均生存期間は14ヵ月とされているが、1年以下の短期生存者から3年以上の長期生存者も含まれ、症例によってかなりの幅が存在する。それゆえ、悪性神経膠腫Grade4患者のためのさらなる予後予測マーカーが必要とされている。
近年、マイクロアレイ技術による、各種癌の分類(非特許文献2−4)、神経膠腫サブクラスの同定、分子マーカーの発見、疾患の予後予測など(非特許文献5−9)が可能となってきている。病理組織学的診断と異なり、分子診断は診断時の腫瘍の遺伝子発現プロファイルに基づき個人の長期的な転帰を予測することができ、臨床医が最適な臨床判断を行う助けとなる。その代表例として、乳癌におけるOncotype DX診断キットがあげられる。これは発現プロファイルによる治療方針の決定を行い、乳癌の術後5年以内の転移リスクを評価し、術後補助化学療法追加の選択に資するものであり、FDAから認可され臨床で利用されている(非特許文献2)。
Kleihues P, Louis DN, Wiestler OD, et al WHO grading of tumours of the central nervous system. In: Louis DN, Ohgaki H, Wiestler OD, Cavenee WK eds. World Health Organization Classification of Tumours of the Nervous System. Lyon, France:IARC Press;2007:10-11.
van de Vijver MJ, He YD, van't Veer LJ, et al. A gene-expression signature as a predictor of survival in breast cancer. N Engl J Med 2002;347(25):1999-2009.
Ramaswamy S, Tamayo P, Rifkin R, et al. Multiclass cancer diagnosis using tumor gene expression signatures. Proc Natl Acad Sci U S A 2001; 98: 15149-15154.
Sorlie T, Tibshirani R, Parker J, et al. Repeated observation of breast tumor subtypes in independent gene expression data sets. Proc Natl Acad Sci U S A 2003;100:8418-8423.
Freije WA, Castro-Vargas FE, Fang Z, et al. Gene expression profiling of gliomas strongly predicts survival. Cancer Res 2004; 64:6503-6510.
Petalidis LP, Oulas A, Backlund M, et al. Improved grading and survival prediction of human astrocytic brain tumors by artificial neural network analysis of gene expression microarray data. Mol Cancer Ther 2008;7:1013-1024.
Phillips HS, Kharbanda S, Chen R et al. 1371087088203_0.Pubmed_RVDocSum&ordinalpos=4 Cancer Cell 2006;9:157-173.
Cancer Genome Atlas Research Network. Comprehensive genomic characterization defines human glioblastoma genes and core pathways. Nature 2008;455:1061-1068.
Roel G.W. Verhaak R.G.W., Hoadley K.A., Purdom E, et al.Integrated Genomic Analysis Identifies Clinically Relevant Subtypes of Glioblastoma Characterizedby Abnormalities in PDGFRA, IDH1, EGFR, and NF1. Cancer Cell 2010;17:98-110.
本発明は、悪性神経膠腫Grade4患者の新規な予後予測方法及びキットを提供することを目的とする。
本発明者らは、表1に示す悪性神経膠腫Grade4患者32人の摘出腫瘍からmRNAを抽出し、GeneChip Human Genome U133 Plus 2.0 Expression array (Affymetrix, Inc.)(約47,000遺伝子を含む)を用いて各mRNAの発現量を測定した。これらの発現プロファイルと、追跡調査により得た各患者の術後の生存日数との相関を統計学的に処理し、発現プロファイルと生存日数との間に強い相関を示す遺伝子を同定した。これにより本発明を完成するに至った。
本発明は、以下の悪性神経膠腫Grade4患者の新規な予後予測方法及びキットを提供するものである。
項1
悪性神経膠腫Grade4患者の予後を予測する方法であって、当該患者から採取された試料において、以下の25遺伝子:
GPNMB, EFNB2, ASF1A, LOC283027, AMIGO2, IL13RA2, ITGA7, LDHA, C11orf71, AFTPH, TBC1D19, MED29, ACN9, SLC25A19, RPL12, ALS2CR4, C10orf88, ARHGAP39, LMAN2L, CASP8, ST6GAL2, LOXL3, ANGPTL1, MRRF, ARHGAP32
の少なくとも1種の遺伝子の発現レベルを測定する工程を含むことを特徴とする、方法。
項2
前記25遺伝子全ての発現レベルを測定する工程を含むことを特徴とする、項1に記載の方法。
項3
前記遺伝子の発現レベルを統計処理し、予測生存関数を算出する工程をさらに含む、項1に記載の方法。
項4
下記の予後予測式
[数1]
Z1 = 0.27 × GPNMB + 0.09 × EFNB2 - 0.22 × ASF1A + 0.02 × LOC283027 + 0.15 × AMIGO2 + 0.22 × IL13RA2 + 0.25 × ITGA7 + 0.15 × LDHA - 0.01 × C11orf71 + 0.15 × AFTPH + 0.15 × TBC1D19 - 0.21 × MED29 + 0.02 × ACN9 + 0.29 × SLC25A19 + 0.16 × RPL12 - 0.09 × ALS2CR4 - 0.14 × C10orf88 - 0.11 × ARHGAP39 + 0.18 × LMAN2L + 0.29 × CASP8 - 0.28 × ST6GAL2 + 0.33 × LOXL3 + 0.08 × ANGPTL1 + 0.22 × MRRF - 0.33 × ARHGAP32.
を用いてZ1を算出し、Z1の値に基づいて予後を予測する、項1〜3のいずれかに記載の方法。
項5
悪性神経膠腫Grade4患者の予後を予測する方法であって、当該患者から採取された試料において、以下の3遺伝子:
ASF1A, ITGA7, AFTPH
の少なくとも1種の遺伝子の発現レベルを測定する工程を含むことを特徴とする、項1に記載の方法。
項6
前記3遺伝子全ての発現レベルを測定する工程を含むことを特徴とする、項5に記載の方法。
項7
前記遺伝子の発現レベルを統計処理し、予測生存関数を算出する工程をさらに含む、項5に記載の方法。
項8
下記の予後予測式
[数2]
Z2 = - 0.63 × ASF1A + 0.62 × ITGA7 + 0.47 × AFTPH.
を用いてZ2を算出し、Z2の値に基づいて予後を予測する、項5〜8のいずれかに記載の方法。
項9
項8に記載の悪性神経膠腫Grade4患者の予後を予測する方法であって、Z2の値と年齢によって予後を予測する方法。
項10
悪性神経膠腫Grade4患者の予後を予測するためのキットであって、以下の25遺伝子
GPNMB, EFNB2, ASF1A, LOC283027, AMIGO2, IL13RA2, ITGA7, LDHA, C11orf71, AFTPH, TBC1D19, MED29, ACN9, SLC25A19, RPL12, ALS2CR4, C10orf88, ARHGAP39, LMAN2L, CASP8, ST6GAL2, LOXL3, ANGPTL1, MRRF, ARHGAP32
の少なくとも1種に対するプローブまたはプライマーを含むキット。
項1
悪性神経膠腫Grade4患者の予後を予測する方法であって、当該患者から採取された試料において、以下の25遺伝子:
GPNMB, EFNB2, ASF1A, LOC283027, AMIGO2, IL13RA2, ITGA7, LDHA, C11orf71, AFTPH, TBC1D19, MED29, ACN9, SLC25A19, RPL12, ALS2CR4, C10orf88, ARHGAP39, LMAN2L, CASP8, ST6GAL2, LOXL3, ANGPTL1, MRRF, ARHGAP32
の少なくとも1種の遺伝子の発現レベルを測定する工程を含むことを特徴とする、方法。
項2
前記25遺伝子全ての発現レベルを測定する工程を含むことを特徴とする、項1に記載の方法。
項3
前記遺伝子の発現レベルを統計処理し、予測生存関数を算出する工程をさらに含む、項1に記載の方法。
項4
下記の予後予測式
[数1]
Z1 = 0.27 × GPNMB + 0.09 × EFNB2 - 0.22 × ASF1A + 0.02 × LOC283027 + 0.15 × AMIGO2 + 0.22 × IL13RA2 + 0.25 × ITGA7 + 0.15 × LDHA - 0.01 × C11orf71 + 0.15 × AFTPH + 0.15 × TBC1D19 - 0.21 × MED29 + 0.02 × ACN9 + 0.29 × SLC25A19 + 0.16 × RPL12 - 0.09 × ALS2CR4 - 0.14 × C10orf88 - 0.11 × ARHGAP39 + 0.18 × LMAN2L + 0.29 × CASP8 - 0.28 × ST6GAL2 + 0.33 × LOXL3 + 0.08 × ANGPTL1 + 0.22 × MRRF - 0.33 × ARHGAP32.
を用いてZ1を算出し、Z1の値に基づいて予後を予測する、項1〜3のいずれかに記載の方法。
項5
悪性神経膠腫Grade4患者の予後を予測する方法であって、当該患者から採取された試料において、以下の3遺伝子:
ASF1A, ITGA7, AFTPH
の少なくとも1種の遺伝子の発現レベルを測定する工程を含むことを特徴とする、項1に記載の方法。
項6
前記3遺伝子全ての発現レベルを測定する工程を含むことを特徴とする、項5に記載の方法。
項7
前記遺伝子の発現レベルを統計処理し、予測生存関数を算出する工程をさらに含む、項5に記載の方法。
項8
下記の予後予測式
[数2]
Z2 = - 0.63 × ASF1A + 0.62 × ITGA7 + 0.47 × AFTPH.
を用いてZ2を算出し、Z2の値に基づいて予後を予測する、項5〜8のいずれかに記載の方法。
項9
項8に記載の悪性神経膠腫Grade4患者の予後を予測する方法であって、Z2の値と年齢によって予後を予測する方法。
項10
悪性神経膠腫Grade4患者の予後を予測するためのキットであって、以下の25遺伝子
GPNMB, EFNB2, ASF1A, LOC283027, AMIGO2, IL13RA2, ITGA7, LDHA, C11orf71, AFTPH, TBC1D19, MED29, ACN9, SLC25A19, RPL12, ALS2CR4, C10orf88, ARHGAP39, LMAN2L, CASP8, ST6GAL2, LOXL3, ANGPTL1, MRRF, ARHGAP32
の少なくとも1種に対するプローブまたはプライマーを含むキット。
本発明により、悪性神経膠腫Grade4患者のより正確な予後予測が可能となった。本発明は、悪性神経膠腫Grade4の予後予測に有用である。
本発明は、悪性神経膠腫Grade4患者の生存日数と高い相関を示す遺伝子を同定したことに基づく。すなわち、本発明の予後予測方法は、表2に示す25遺伝子の少なくとも1種、好ましくは3遺伝子(ASF1A, ITGA7, AFTPH)の少なくとも1種の発現レベルを測定し、この発現レベルから予後予測式により予後の予測をするものである。
本発明の予後予測方法は、悪性神経膠腫Grade4患者の生存日数を予後予測式(Z2)と年齢を用いて行うことができる。
本発明において、遺伝子の発現レベルは、遺伝子のmRNA又はタンパク質の発現レベルを意味し、好ましくはmRNAの発現レベルを意味する。
本発明において、悪性神経膠腫Grade4とは神経膠細胞(グリア細胞)から発生する悪性脳腫瘍を意味し、これには神経膠芽腫が含まれる。
患者試料としては、患者から採取した腫瘍組織を使用することができる。常套的方法により、この組織から全RNAまたはmRNAを抽出し、必要に応じてcDNAを合成して、実験に使用する。腫瘍組織は、初回手術時に採取すればよい。
遺伝子の発現レベルは、常套的方法により測定すればよい。mRNAの発現レベルの測定方法としては、DNAマイクロアレイ法、PCR法、ノーザンブロット法などが挙げられるが、なかでもDNAマイクロアレイ法が好適である。
DNAマイクロアレイ法では、測定対象とする遺伝子に対するプローブを含むマイクロアレイを使用する。かかるマイクロアレイとしては、Gene Chip Human Genome U133 Plus 2.0 Expression array (Affymetrix, Inc.)が挙げられる。あるいは、測定対象の遺伝子に対するプローブを合成し、スライドガラスなどの適当な基盤上に固定して、所望のマイクロアレイを作製してもよい。マイクロアレイの作製およびデータ解析の方法は、例えばMicroarray Technology and Cancer Gene Profiling. Simone Mocellin (ed). Landes Bioscience, Austin, Tx, 2006などに記載される。
DNAマイクロアレイ法による発現レベルの測定は、例えば以下のとおりである。まず、各腫瘍組織からISOGEN(ニッポンジーン)を用いて全RNAを抽出する。次いで、RNAをGene Chip Human Genome U133 Plus 2.0 Expression array (Affymetrix, Inc.)(約47,000遺伝子を含む)でのハイブリダイゼーション用に処理し、ハイブリダイゼーションを行う。ハイブリダイゼーション後のチップは、Fluidics Station 450、High-Resolution Microarray Scanner 3000、およびGCOS Workstation Version 1.3 (Affymetrix, Inc.)を用いて解析することができる。
PCR法では、各遺伝子を特異的に増幅可能なプライマーを利用する。例えば、StepOne RealTime PCR system (Applied Biosystems)およびTaqMan Universal PCR Master Mix (Applied Biosystems)などの市販のキットを用いて、定量的PCRを行えばよい。
各遺伝子の配列は、表2に示すGene ID 番号に基づき特定可能である。
患者の予後は、測定した遺伝子の発現レベルを統計処理し、予測生存関数(すなわち、各時点においてそれ以降生存する確率)を算出することによって予測することができる。すなわち、本明細書において「予後」は試料の採取後の生存期間或いは一定期間以上生存する確率を意味する。選択された25個の遺伝子発現量に対して主成分分析を行い,第1主成分スコアを抽出した.RSFにより群分けされた予後良群と悪群を用い,ROC解析を行い,主成分スコアのカットオフ値を求め,そのカットオフ値より大か小かで予後良群か悪かを判別するルールを作成した。各遺伝子発現量(具体的にはmRNAの発現量)を予測式に代入し,Z1を計算した上で,下のルールで群分けすることができる。
Z1 > -1.17 → 予後不良群
Z1 ≦ -1.17 → 予後良好群
Z1 > -1.17 → 予後不良群
Z1 ≦ -1.17 → 予後良好群
さらに選択された3個の遺伝子発現量に対して主成分分析を行い,第1主成分スコアを抽出した.RSFにより群分けされた予後良群と悪群を用い,ROC解析を行い,主成分スコアのカットオフ値を求め,そのカットオフ値より大か小かで予後良群か悪かを判別するルールを作成した。各遺伝子発現量(具体的にはmRNAの発現量)を予測式に代入し,Z2を計算した上で,下のルールで群分けすることができる。
Z2 > -0.76 → 予後不良群
Z2 ≦ -0.76 → 予後良好群
Z2 > -0.76 → 予後不良群
Z2 ≦ -0.76 → 予後良好群
さらに、本発明は、悪性神経膠腫Grade4患者の予後を予測するための、survival tree method (LeBlanc M. and CrowleyJ. Relative Risk Trees for Censored Survival Data. Biometrics 1992;48:411-25)を用いてZ2値と年齢を用いて以下のように予後予測を提供する。
-0.76 > Z2 又は -0.76 < Z2 及び 年齢 < 57 歳 → 予後良好
-0.76 < Z2, 及び 年齢> 57歳 → 予後不良
-0.76 > Z2 又は -0.76 < Z2 及び 年齢 < 57 歳 → 予後良好
-0.76 < Z2, 及び 年齢> 57歳 → 予後不良
本発明のキットは、本発明の予後予測方法に用いることができるものであり、表2に示す25遺伝子に対するプローブまたはプライマーを含む。各遺伝子に対するプローブおよびプライマーは、その遺伝子の配列情報に基づき、常套的方法により合成することができる。キットは、測定方法に応じて、その他必要な試薬を含んでいてもよい。本発明のキットは、例えば、DNAマイクロアレイ法、PCR法、ノーザンブロット法などに用いられるキットである。DNAマイクロアレイ法用のキットとしては、前記プローブが適当な基盤上に固定されたマイクロアレイを含むものが挙げられる。プライマー、プローブの設計は、市販の設計ソフト(たとえば、Wisconsin GCG package Version 10.2、OligoTM(National Bioscience Inc.)、GENETYX(ソフトウェア開発(株)))を用いる等、常法により容易に行うことができる。
本発明の遺伝子セットは、悪性神経膠腫Grade4患者の予後を予測するために使用されるものであり、本発明の予後予測方法に用いるDNAマイクロアレイ用のプローブやPCR用プライマーなどを作製するために用いることができる。
本発明を、以下の実施例によりさらに説明するが、本発明がこれら実施例に限定されないことは言うまでもない。
[実施例1]
1.材料および方法
(1)サンプル
組織は、回収後5分以内に液体窒素中で凍結し、-80℃で保存した。臨床ステージは、外科的病理および臨床報告から評価した。サンプルは、新潟大学の有資格の病理学者により、WHOの2007年基準に従い、後にRNAを抽出する凍結サンプルに近接または隣接するパラフィン包埋組織切片の観察によって再評価した。サンプルの適正(すなわち、非腫瘍性の要素のコンタミネーションが最小であること)を確認するため、および腫瘍の壊死および細胞充実性の程度を評価するため、各収集標本の組織病理を再評価した。新潟大学医学部ヒト研究倫理委員会のガイドライン(プロトコール#70)にしたがい、全ての患者からサンプルの使用についてインフォームドコンセントを得た。全生存率は、診断データから測定した。生存期間の最終日は、死亡日または追跡最終日とした。
1.材料および方法
(1)サンプル
組織は、回収後5分以内に液体窒素中で凍結し、-80℃で保存した。臨床ステージは、外科的病理および臨床報告から評価した。サンプルは、新潟大学の有資格の病理学者により、WHOの2007年基準に従い、後にRNAを抽出する凍結サンプルに近接または隣接するパラフィン包埋組織切片の観察によって再評価した。サンプルの適正(すなわち、非腫瘍性の要素のコンタミネーションが最小であること)を確認するため、および腫瘍の壊死および細胞充実性の程度を評価するため、各収集標本の組織病理を再評価した。新潟大学医学部ヒト研究倫理委員会のガイドライン(プロトコール#70)にしたがい、全ての患者からサンプルの使用についてインフォームドコンセントを得た。全生存率は、診断データから測定した。生存期間の最終日は、死亡日または追跡最終日とした。
(2)RNA抽出およびアレイハイブリダイゼーション
各腫瘍からの約100mgの組織を用いて、ISOGEN(ニッポンジーン)により製造元の説明書にしたがい全RNAを抽出した。得られたRNAの質は、Bioanalyzer System (Agilent Technologies) によりRNA Pico Chipを用いて検証した。28S/18S比>0.7であってリボゾームピークの崩壊が見られないサンプルのみを本研究に使用した。RNA(6μg)をGene Chip Human Genome U133 Plus 2.0 Expression array (Affymetrix, Inc.)(約47,000遺伝子を含む)でのハイブリダイゼーション用に処理した。ハイブリダイゼーション後、Fluidics Station 450、High-Resolution Microarray Scanner 3000、およびGCOS Workstation Version 1.3 (Affymetrix, Inc.)を用いてチップを処理した。
各腫瘍からの約100mgの組織を用いて、ISOGEN(ニッポンジーン)により製造元の説明書にしたがい全RNAを抽出した。得られたRNAの質は、Bioanalyzer System (Agilent Technologies) によりRNA Pico Chipを用いて検証した。28S/18S比>0.7であってリボゾームピークの崩壊が見られないサンプルのみを本研究に使用した。RNA(6μg)をGene Chip Human Genome U133 Plus 2.0 Expression array (Affymetrix, Inc.)(約47,000遺伝子を含む)でのハイブリダイゼーション用に処理した。ハイブリダイゼーション後、Fluidics Station 450、High-Resolution Microarray Scanner 3000、およびGCOS Workstation Version 1.3 (Affymetrix, Inc.)を用いてチップを処理した。
(3)リアルタイム定量的PCRによる発現差異の検証
StepOne RealTime PCR system (Applied Biosystems) において、TaqMan Universal PCR Master Mix (Applied Biosystems) を用いて、製造元のプロトコールにしたがい定量的PCR(QPCR)を行った。TaqMan Gene Expression Assay Mixには、プライマーおよびTaqManプローブ(Applied BiosystemsのASF1A,Hs00204044_m1;CASP8,Hs01018151_m1;C11orf71,Hs00535489_s1;EFNB2,Hs00187950_m1;GAPDH,Hs99999905_m1;ITGA7,Hs00174397_m1;LDHA,Hs00855332_g1;LMAN2L,Hs01091681_m1;LOXL3,Hs01046945_m1;MED29,Hs00378316_m1)が含まれた。全RNA(5μg)を、SuperScript II (Invirtogen) を用いて逆転写してcDNAとした。このcDNA(1μl)をQPCRに使用した。検証は、はじめに評価した腫瘍の一部について行った。アッセイはデュプリケートで行った。QPCRの生データは、反応が対数期に到達するのに必要なサイクル数である。GAPDHの発現をQPCRデータの標準化に使用した。腫瘍群間の平均発現変化は、2-ΔΔCT法(Livak KJ, Schmittgen TD. Analysis of relative gene expression data using real-time quantitative PCR and the 2(-Delta Delta C(T)) Method. Methods. 2001 ;25:402-408)を用いて計算した。
StepOne RealTime PCR system (Applied Biosystems) において、TaqMan Universal PCR Master Mix (Applied Biosystems) を用いて、製造元のプロトコールにしたがい定量的PCR(QPCR)を行った。TaqMan Gene Expression Assay Mixには、プライマーおよびTaqManプローブ(Applied BiosystemsのASF1A,Hs00204044_m1;CASP8,Hs01018151_m1;C11orf71,Hs00535489_s1;EFNB2,Hs00187950_m1;GAPDH,Hs99999905_m1;ITGA7,Hs00174397_m1;LDHA,Hs00855332_g1;LMAN2L,Hs01091681_m1;LOXL3,Hs01046945_m1;MED29,Hs00378316_m1)が含まれた。全RNA(5μg)を、SuperScript II (Invirtogen) を用いて逆転写してcDNAとした。このcDNA(1μl)をQPCRに使用した。検証は、はじめに評価した腫瘍の一部について行った。アッセイはデュプリケートで行った。QPCRの生データは、反応が対数期に到達するのに必要なサイクル数である。GAPDHの発現をQPCRデータの標準化に使用した。腫瘍群間の平均発現変化は、2-ΔΔCT法(Livak KJ, Schmittgen TD. Analysis of relative gene expression data using real-time quantitative PCR and the 2(-Delta Delta C(T)) Method. Methods. 2001 ;25:402-408)を用いて計算した。
(4)免疫組織化学
ホルマリン固定パラフィン包埋組織標本の5ミクロンの切片を用いて免疫組織化学を行った。MGMT (抗体希釈1:50; clone MT3.1, Neomarkers Inc.,Fermont, CA, USA)を一次抗体として用いた。1000個の腫瘍細胞の染色性を調べ、30%以上の細胞が陽性の場合にMGMT陽性と判定した。観察者は患者番号を認識していなかった。
ホルマリン固定パラフィン包埋組織標本の5ミクロンの切片を用いて免疫組織化学を行った。MGMT (抗体希釈1:50; clone MT3.1, Neomarkers Inc.,Fermont, CA, USA)を一次抗体として用いた。1000個の腫瘍細胞の染色性を調べ、30%以上の細胞が陽性の場合にMGMT陽性と判定した。観察者は患者番号を認識していなかった。
(5)IDH1遺伝子のコドン132 の変異解析
PCR system (Applied Biosystems) において、Taq DNA Polymerase (Applied Biosystems) を用いて、製造元のプロトコールにしたがいPCR(PCR)を行った。使用したプライマーはIDH1f: CGGTCTTCAGAGAAGCCATTとIDH1r: GCAAAATCACATTATTGCCAACである。129 bpのPCRサンプルをBigDyeTerminator v3.1 Sequencing Kit (Applied Biosystems)で反応後、IDH1f, IDH1rc: TTCATACCTTGCTTAATGGGTGTプライマーを用い、シーケンサー(ABI 3100 Genetic Analyzer,Applied Biosystems)を用いて解析をおこなった。
PCR system (Applied Biosystems) において、Taq DNA Polymerase (Applied Biosystems) を用いて、製造元のプロトコールにしたがいPCR(PCR)を行った。使用したプライマーはIDH1f: CGGTCTTCAGAGAAGCCATTとIDH1r: GCAAAATCACATTATTGCCAACである。129 bpのPCRサンプルをBigDyeTerminator v3.1 Sequencing Kit (Applied Biosystems)で反応後、IDH1f, IDH1rc: TTCATACCTTGCTTAATGGGTGTプライマーを用い、シーケンサー(ABI 3100 Genetic Analyzer,Applied Biosystems)を用いて解析をおこなった。
(6)細胞起源による分類
Roelら(非特許文献9)により報告されている24種類の遺伝子を用いて、Proneural, Neural, Classical, Mesenchymalの4サブタイプに分類した。各サブタイプの生存期間の比較を行った。
Roelら(非特許文献9)により報告されている24種類の遺伝子を用いて、Proneural, Neural, Classical, Mesenchymalの4サブタイプに分類した。各サブタイプの生存期間の比較を行った。
(7)統計学的解析
統計学的解析は全て、Rソフトウェア(R Development Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2011 ISBN 3-900051-07-0, URL http://www.R-project.org)およびBioconductor(Gentleman R, Carey V, Bates D, et al. Bioconductor: open software development for computational biology and bioinformatics. Genome Biol 2004, 5:R80)にて行った。
統計学的解析は全て、Rソフトウェア(R Development Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2011 ISBN 3-900051-07-0, URL http://www.R-project.org)およびBioconductor(Gentleman R, Carey V, Bates D, et al. Bioconductor: open software development for computational biology and bioinformatics. Genome Biol 2004, 5:R80)にて行った。
生存期間の予測因子となる遺伝子を選択するため、Random Survival Forest -Variable Hunting 法(Ishwaran H, Kogalur UB, Gorodeski EZ, Minn AJ and Lauer MS High-dimensional variable selection for survival data. J. Amer. Stat. Assoc, 2010;105: 205-217)をあてはめ、小さいminimum depthを有する遺伝子のセットを選択した.Random Survival Forestパッケージ内のvarSel関数において、繰り返し数100,ステップサイズ5とし他の値についてはデフォルトセッティングを使用した。
Ward's minimum variance cluster analysisにより、あてはめたRandom Survival Forest modelから評価した全ての死亡時点についての各個人のensemble cumulative hazard functionをインプットとして用いて、サンプルを2つの生存群に分けた。Kaplan-Meier method (Kaplan EL, Meier P. Nonparametric estimation from incomplete observations.J Am Statist Assoc 1958;53:457- 481) を用いて、各群について生存分布を評価した。Log-rank検定を用いて生存群間の相違を調べた。
予測精度を評価するため、4つの実験(非特許文献5−8)からの独立の試験データを利用した。症例の年齢、性別、生存期間を表1のvalidation setに示す。各試験における各個人の表2の25遺伝子あるいは3遺伝子の発現値を用いて予後予測式からZ値を計算し、Z値による予後予測が可能であるか検討した。これらは、survcomp package(Haibe-Kains B, Desmedt C, Sotiriou C, Bontempi, G. A comparative study of survival models for breast cancer prognostication based on microarray data: does a single gene beat them all? Bioinformatics 2008;24:2200-2208)内のconcordance.index functionおよびtest.hetero.test functionを用いて実施した。試験データ中に見あたらない遺伝子が幾つか存在したので、これら遺伝子は欠損値として扱い、近似法(Breiman L. Random forests. Machine Learning 2001; 45:5-32)により帰属させた。この解析について、p値<0.05を統計学的に有意と判断した。
2.結果
(1)患者特性
2000年〜2005年に外科的切除を受けた患者32人から、非処置腫瘍標本(神経膠芽腫(グレードIV))を得た。患者の平均年齢は54.5歳(18-80歳)であり、男性20人、女性12人であった。手術前のKarnofsky Performance Status (KPS)は、25人の患者で70以上であった。腫瘍の最大の外科的切除後に、患者は外照射療法(2cmの周縁の腫瘍につき標準線量60Gy)およびニムスチンによる第一選択化学療法をうけ、再発時にテモゾロマイド治療をうけた。初期治療および維持治療中の腫瘍の再発について、磁気共鳴映像法(MRI)またはコンピュータ断層撮影法(CT)により観察した。処置は、新潟大学病院の脳神経外科において行った。生存期間中央値は411日であった。
(1)患者特性
2000年〜2005年に外科的切除を受けた患者32人から、非処置腫瘍標本(神経膠芽腫(グレードIV))を得た。患者の平均年齢は54.5歳(18-80歳)であり、男性20人、女性12人であった。手術前のKarnofsky Performance Status (KPS)は、25人の患者で70以上であった。腫瘍の最大の外科的切除後に、患者は外照射療法(2cmの周縁の腫瘍につき標準線量60Gy)およびニムスチンによる第一選択化学療法をうけ、再発時にテモゾロマイド治療をうけた。初期治療および維持治療中の腫瘍の再発について、磁気共鳴映像法(MRI)またはコンピュータ断層撮影法(CT)により観察した。処置は、新潟大学病院の脳神経外科において行った。生存期間中央値は411日であった。
(2)予測遺伝子の選択
25遺伝子が予測因子として選択された。表2は、これら遺伝子および各遺伝子のVariable Importance (VI)を示す。
25遺伝子が予測因子として選択された。表2は、これら遺伝子および各遺伝子のVariable Importance (VI)を示す。
(3)選択遺伝子を用いた生存率解析
適用した25遺伝子のセットによるRandom survival forest modelにより分類された群について、Kaplan-Meier曲線を描いた(図1A)。対応するLogrank検定のためのp値は、p<0.0001であった。さらに、3遺伝子のセットによるRandom survival forest modelにより分類された群について、Kaplan-Meier曲線を描いた(図2A)。対応するLogrank検定のためのp値は、p<0.0001であった。これらの結果は、予後予測式による分類が有用であることを示す。
適用した25遺伝子のセットによるRandom survival forest modelにより分類された群について、Kaplan-Meier曲線を描いた(図1A)。対応するLogrank検定のためのp値は、p<0.0001であった。さらに、3遺伝子のセットによるRandom survival forest modelにより分類された群について、Kaplan-Meier曲線を描いた(図2A)。対応するLogrank検定のためのp値は、p<0.0001であった。これらの結果は、予後予測式による分類が有用であることを示す。
(4)独立したデータセットにおける選択遺伝子を用いた生存率解析
予測精度の結果を図1B、図2Bに示す。算出したp値は、Z1式でp =0.0016、Z2式でp=0.0028であった。これは選択された遺伝子セットが有意に予測的であることを示唆する。
予測精度の結果を図1B、図2Bに示す。算出したp値は、Z1式でp =0.0016、Z2式でp=0.0028であった。これは選択された遺伝子セットが有意に予測的であることを示唆する。
(5)選択遺伝子と年齢を用いた生存率解析
適用した3遺伝子のセットによるZ2値と年齢によって、Kaplan-Meier曲線を描いた(図3A:test set, 図3B:validation set)。対応するLogrank検定のためのp値は各々p =0.0006、p<0.0001であった。これらの結果は、予後予測式と年齢による分類が有用であることを示す。
適用した3遺伝子のセットによるZ2値と年齢によって、Kaplan-Meier曲線を描いた(図3A:test set, 図3B:validation set)。対応するLogrank検定のためのp値は各々p =0.0006、p<0.0001であった。これらの結果は、予後予測式と年齢による分類が有用であることを示す。
前記の10遺伝子について、QPCRによる検証ができた(データ非提示)。
患者の全生存期間(OS)を入院時の年齢(60歳以上/未満か)、性別、KPS(70以上/未満か)、IDH遺伝子の変異陽性/陰性、MGMT陽性/陰性、MGMT mRNA、細胞起源に基づくサブタイプ分類、Z1値が-1.17以上/未満、Z2値が-0.76以上/未満かで2群間比較した単変量解析結果が表3に示されている。年齢、KPS、細胞起源、Z1値、Z2値の各因子がOSを有意に2群に分けることができることが示される。
患者の全生存期間(OS)と各因子の関係の多変量解析結果が表4に示されている。Z1
値に基づくサブタイプ分類が有意であることが示される。
値に基づくサブタイプ分類が有意であることが示される。
Claims (10)
- 悪性神経膠腫Grade4患者の予後を予測する方法であって、当該患者から採取された試料において、以下の25遺伝子:
GPNMB, EFNB2, ASF1A, LOC283027, AMIGO2, IL13RA2, ITGA7, LDHA, C11orf71, AFTPH, TBC1D19, MED29, ACN9, SLC25A19, RPL12, ALS2CR4, C10orf88, ARHGAP39, LMAN2L, CASP8, ST6GAL2, LOXL3, ANGPTL1, MRRF, ARHGAP32
の少なくとも1種の遺伝子の発現レベルを測定する工程を含むことを特徴とする、方法。 - 前記25遺伝子全ての発現レベルを測定する工程を含むことを特徴とする、請求項1に記載の方法。
- 前記遺伝子の発現レベルを統計処理し、予測生存関数を算出する工程をさらに含む、請求項1に記載の方法。
- 下記の予後予測式
[数1]
Z1 = 0.27 × GPNMB + 0.09 × EFNB2 - 0.22 × ASF1A + 0.02 × LOC283027 + 0.15 × AMIGO2 + 0.22 × IL13RA2 + 0.25 × ITGA7 + 0.15 × LDHA - 0.01 × C11orf71 + 0.15 × AFTPH + 0.15 × TBC1D19 - 0.21 × MED29 + 0.02 × ACN9 + 0.29 × SLC25A19 + 0.16 × RPL12 - 0.09 × ALS2CR4 - 0.14 × C10orf88 - 0.11 × ARHGAP39 + 0.18 × LMAN2L + 0.29 × CASP8 - 0.28 × ST6GAL2 + 0.33 × LOXL3 + 0.08 × ANGPTL1 + 0.22 × MRRF - 0.33 × ARHGAP32.
を用いてZ1を算出し、Z1の値に基づいて予後を予測する、請求項1〜3のいずれかに記載の方法。 - 悪性神経膠腫Grade4患者の予後を予測する方法であって、当該患者から採取された試料において、以下の3遺伝子:
ASF1A, ITGA7, AFTPH
の少なくとも1種の遺伝子の発現レベルを測定する工程を含むことを特徴とする、請求項1に記載の方法。 - 前記3遺伝子全ての発現レベルを測定する工程を含むことを特徴とする、請求項5に記載の方法。
- 前記遺伝子の発現レベルを統計処理し、予測生存関数を算出する工程をさらに含む、請求項5に記載の方法。
- 下記の予後予測式
[数2]
Z2 = - 0.63 × ASF1A + 0.62 × ITGA7 + 0.47 × AFTPH.
を用いてZ2を算出し、Z2の値に基づいて予後を予測する、請求項5〜8のいずれかに記載の方法。 - 請求項8に記載の悪性神経膠腫Grade4患者の予後を予測する方法であって、Z2の値と年齢によって予後を予測する方法。
- 悪性神経膠腫Grade4患者の予後を予測するためのキットであって、以下の25遺伝子
GPNMB, EFNB2, ASF1A, LOC283027, AMIGO2, IL13RA2, ITGA7, LDHA, C11orf71, AFTPH, TBC1D19, MED29, ACN9, SLC25A19, RPL12, ALS2CR4, C10orf88, ARHGAP39, LMAN2L, CASP8, ST6GAL2, LOXL3, ANGPTL1, MRRF, ARHGAP32
の少なくとも1種に対するプローブまたはプライマーを含むキット。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013124686A JP2015000006A (ja) | 2013-06-13 | 2013-06-13 | 悪性神経膠腫Grade4患者の予後予測方法及びキット |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013124686A JP2015000006A (ja) | 2013-06-13 | 2013-06-13 | 悪性神経膠腫Grade4患者の予後予測方法及びキット |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2015000006A true JP2015000006A (ja) | 2015-01-05 |
Family
ID=52294943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013124686A Pending JP2015000006A (ja) | 2013-06-13 | 2013-06-13 | 悪性神経膠腫Grade4患者の予後予測方法及びキット |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2015000006A (ja) |
-
2013
- 2013-06-13 JP JP2013124686A patent/JP2015000006A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Harbeck et al. | Molecular and protein markers for clinical decision making in breast cancer: today and tomorrow | |
JP7228896B2 (ja) | 乳がん患者の予後の予測方法 | |
Riester et al. | Combination of a novel gene expression signature with a clinical nomogram improves the prediction of survival in high-risk bladder cancer | |
Chen et al. | Proliferative genes dominate malignancy-risk gene signature in histologically-normal breast tissue | |
Yoshihara et al. | Gene expression profile for predicting survival in advanced-stage serous ovarian cancer across two independent datasets | |
Yu et al. | Pathway analysis of gene signatures predicting metastasis of node-negative primary breast cancer | |
JP6351112B2 (ja) | 前立腺癌の予後を定量化するための遺伝子発現プロフィールアルゴリズムおよび試験 | |
MX2013013746A (es) | Biomarcadores para cancer de pulmon. | |
EP1880335A1 (en) | Gene-based algorithmic cancer prognosis | |
SG192108A1 (en) | Colon cancer gene expression signatures and methods of use | |
JP7430415B2 (ja) | 乳がん患者の化学治療の有用性を予測する方法 | |
Pinto et al. | A prognostic signature based on three-genes expression in triple-negative breast tumours with residual disease | |
US20120123105A1 (en) | Gene Signature for Diagnosis and Prognosis of Breast Cancer and Ovarian Cancer | |
EP3964589A1 (en) | Assessing colorectal cancer molecular subtype and uses thereof | |
Andrade et al. | Gene expression profiling of lobular carcinoma in situ reveals candidate precursor genes for invasion | |
CN104755627A (zh) | 用于肝样本的分类和局灶性结节不典型增生、肝细胞腺瘤和肝细胞癌的诊断的新方法 | |
CN109072481B (zh) | 早期乳腺癌内分泌治疗后剩余风险的基因特征 | |
TWI622892B (zh) | 基因表現圖譜以及將其應用於乳癌醫療之方法與套組與微陣列晶片 | |
JP2020507320A (ja) | 前立腺がんにおける後期臨床エンドポイントを評価するためのアルゴリズムおよび方法 | |
CN104762368A (zh) | 一种用于辅助预测食管鳞癌患者术后生存时间的试剂盒 | |
Shigemizu et al. | The prediction models for postoperative overall survival and disease‐free survival in patients with breast cancer | |
Buechler et al. | EarlyR: A Robust Gene Expression Signature for Predicting Outcomes of Estrogen Receptor–Positive Breast Cancer | |
KR20160086145A (ko) | 유방암의 예후 예측용 유전자 선별방법 | |
Mallmann et al. | Prediction and prognosis: impact of gene expression profiling in personalized treatment of breast cancer patients | |
WO2013079188A1 (en) | Methods for the diagnosis, the determination of the grade of a solid tumor and the prognosis of a subject suffering from cancer |