JP2015052617A - 2型糖尿病の予防に対して一貫した改善をもたらすタンパク質バイオマーカーおよび脂質代謝物バイオマーカー - Google Patents
2型糖尿病の予防に対して一貫した改善をもたらすタンパク質バイオマーカーおよび脂質代謝物バイオマーカー Download PDFInfo
- Publication number
- JP2015052617A JP2015052617A JP2014241006A JP2014241006A JP2015052617A JP 2015052617 A JP2015052617 A JP 2015052617A JP 2014241006 A JP2014241006 A JP 2014241006A JP 2014241006 A JP2014241006 A JP 2014241006A JP 2015052617 A JP2015052617 A JP 2015052617A
- Authority
- JP
- Japan
- Prior art keywords
- panel
- biomarkers
- diabetes
- risk
- biomarker
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
- A61P3/00—Drugs for disorders of the metabolism
- A61P3/08—Drugs for disorders of the metabolism for glucose homeostasis
- A61P3/10—Drugs for disorders of the metabolism for glucose homeostasis for hyperglycaemia, e.g. antidiabetics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/66—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood sugars, e.g. galactose
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/92—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving lipids, e.g. cholesterol, lipoproteins, or their receptors
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/04—Endocrine or metabolic disorders
- G01N2800/042—Disorders of carbohydrate metabolism, e.g. diabetes, glucose metabolism
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/50—Determining the risk of developing a disease
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
Description
2型糖尿病の発生には複数の機構が存在する。インスリン耐性の発生に関与するすべての遺伝的原因および環境因子は知られていないが、脂質代謝障害が2型糖尿病の発生において重要な役割を果たすことが示されている。増加した空腹時血漿脂肪酸は多くの集団において肥満症およびインスリン耐性の発生と相関しており、2型糖尿病の発生の独立した予測子である。
例えば、本願発明は以下の項目を提供する。
(項目1)
糖尿病性状態を発生するリスクを評価する方法であって、
(a)個体のバイオマーカー測定データを取得するステップであって、前記バイオマーカー測定データが、前記個体からの少なくとも1つの生物学的試料中のバイオマーカーの測定値の代表的なものであり、前記バイオマーカーが、(i)グルコース、(ii)表1中のタンパク質バイオマーカーから選択される少なくとも3つのタンパク質バイオマーカーおよび(iii)表2中の脂質代謝物から選択される少なくとも1つの脂質代謝物を含む、ステップと、
(b)モデルからの出力に基づいて前記個体が糖尿病性状態を発生するリスクを評価するステップであって、前記モデルが、前記バイオマーカー測定データの入力に基づいて実行されるステップと
を含む方法。
(項目2)
前記取得するステップが、前記少なくとも1つの生物学的試料中の前記バイオマーカーを測定することを含む、項目1に記載の方法。
(項目3)
前記バイオマーカーの前記測定の前に、前記個体から少なくとも1つの生物学的試料を得るステップをさらに含む、項目2に記載の方法。
(項目4)
バイオマーカー測定データを取得するステップが、少なくとも1つのバイオマーカーのレベルの測定値の代表的なデータを既存の記録から取得することを含む、項目1に記載の方法。
(項目5)
前記評価ステップに、前記個体からの前記バイオマーカー測定データを、集団からの同じバイオマーカーのバイオマーカー測定データと比較し、前記比較から、前記個体が糖尿病性状態を発生するリスクを評価することが含まれる、項目1から4のいずれか一項に記載の方法。
(項目6)
(b)からの前記リスク評価をビジュアルディスプレイに表示させることをさらに含む、項目1から5のいずれか一項に記載の方法。
(項目7)
前記リスク評価を紙に印刷または電子記憶媒体に記憶することをさらに含む、項目1から6のいずれか一項に記載の方法。
(項目8)
前記個体または医療従事者に前記リスク評価を通知することをさらに含む、項目1から7のいずれか一項に記載の方法。
(項目9)
年齢、体型指数(BMI)、拡張期血圧(DBP)、家族歴(FHX)、過去の妊娠性糖尿病(GDM)、身長(HT)、ヒップ周囲(Hip)、人種、性別、収縮期血圧(SBP)、ウエスト周囲(Waist)、および体重(WT)からなる群から選択される少なくとも1つの臨床パラメータに関する前記個体の臨床的測定データを取得するステップをさらに含み、
前記モデルが、前記バイオマーカー測定データおよび前記臨床的測定データの入力に基づいて実行される、項目1から8のいずれか一項に記載の方法。
(項目10)
糖尿病性状態を発生するリスクを評価する方法であって、
(a)個体から単離した少なくとも1つの生物学的試料からバイオマーカーの測定値を取得するステップであって、前記バイオマーカーが、(i)グルコース、(ii)表1中のタンパク質バイオマーカーから選択される少なくとも3つのタンパク質バイオマーカーおよび(iii)表2中の脂質代謝物から選択される少なくとも1つの脂質代謝物を含むステップと、
(b)モデルの出力から糖尿病性状態を発生するリスクを計算するステップであって、前記モデルへの入力が前記バイオマーカーの測定値を含み、前記モデルが、個体の集団の縦断的研究からのデータを当てはめることによって作成され、前記当てはめたデータが、前記選択された個体の集団における前記バイオマーカーのレベルおよび糖尿病への転換を含むステップと
を含む方法。
(項目11)
前記取得するステップが、前記少なくとも1つの生物学的試料中の前記バイオマーカーを測定することを含む、項目10に記載の方法。
(項目12)
(b)からの前記計算されたリスクをビジュアルディスプレイに表示させることをさらに含む、項目10または11に記載の方法。
(項目13)
前記計算されたリスクを紙に印刷または電子記憶媒体に記憶することをさらに含む、項目10から12のいずれか一項に記載の方法。
(項目14)
前記個体または医療従事者に前記リスク評価を通知することをさらに含む、項目10から13のいずれか一項に記載の方法。
(項目15)
年齢、体型指数(BMI)、拡張期血圧(DBP)、家族歴(FHX)、過去の妊娠性糖尿病(GDM)、身長(HT)、ヒップ周囲(Hip)、人種、性別、収縮期血圧(SBP)、ウエスト周囲(Waist)、および体重(WT)からなる群から選択される少なくとも1つの臨床パラメータに関する前記個体の少なくとも1つの臨床的測定値を取得するステップをさらに含み、
前記モデルへの前記入力が前記少なくとも1つの臨床的測定値をさらに含む、項目10から14のいずれか一項に記載の方法。
(項目16)
前記個体が糖尿病、前糖尿病、または前糖尿病性状態に罹患していると以前に診断されていない、項目1から15のいずれか一項に記載の方法。
(項目17)
前記個体が前糖尿病性状態に罹患しており、前記方法が、前記個体が糖尿病を発生するリスクを評価または計算する、項目1から15のいずれか一項に記載の方法。
(項目18)
前記個体が妊娠している、項目1から17のいずれか一項に記載の方法。
(項目19)
前記糖尿病性状態が、2型糖尿病、前糖尿病、代謝症候群、耐糖能異常、および空腹時高血糖からなる群から選択される、項目1から18のいずれか一項に記載の方法。
(項目20)
前記少なくとも1つの生物学的試料が全血、血清、または血漿を含む、項目1から19のいずれか一項に記載の方法。
(項目21)
前記バイオマーカー測定値のうちの少なくとも1つが、免疫アッセイおよび酵素活性アッセイからなる群から選択される方法によって得られる、項目1から20のいずれか一項に記載の方法。
(項目22)
前記バイオマーカーを使用する前記方法の、前記糖尿病性状態の発生の予測における診断精度の度合を反映するROC曲線下面積が、少なくとも0.75、0.76、0.77、0.78、0.79、0.80、0.81、0.82、0.83、0.84、または0.85である、項目1から21のいずれか一項に記載の方法。
(項目23)
前記バイオマーカーを使用する前記方法の、前記糖尿病性状態の発生の予測における診断精度の度合を反映するROC曲線下面積が、前記バイオマーカーが前記グルコースおよび前記タンパク質バイオマーカーからなるが、前記脂質代謝物からはならない対応する方法よりも、少なくとも0.02、0.03、0.04、0.05、0.06、0.07、0.08、0.09、0.10、0.11、0.12、0.13、0.14、または0.15高い、項目1から22のいずれか一項に記載の方法。
(項目24)
(i)グルコース、
(ii)表1中のタンパク質バイオマーカーから選択される少なくとも3つのタンパク質バイオマーカーおよび
(iii)表2中の脂質代謝物から選択される少なくとも1つの脂質代謝物
であるバイオマーカーの群を測定するための試薬を含むキット。
(項目25)
前記試薬のうちの少なくとも1つが検出可能な標識を含む、項目24に記載のキット。
(項目26)
前記タンパク質バイオマーカーおよび脂質代謝物の前記試薬が固体支持体に付着している、項目24に記載のキット。
(項目27)
糖尿病性状態を発生するリスクを評価するためのコンピュータ実行可能命令を有するコンピュータ読取可能媒体であって、
少なくとも(i)グルコース、(ii)表1中のタンパク質バイオマーカーから選択される少なくとも3つのタンパク質バイオマーカーおよび(iii)表2中の脂質代謝物から選択される少なくとも1つの脂質代謝物の測定値を表すバイオマーカー測定データを記憶するために、コンピュータ読取可能媒体に記憶され、プロセッサによって実行されるように適合されたルーチンと、
前記バイオマーカー測定データを分析して糖尿病性状態を発生するリスクを評価するために、前記コンピュータ読取可能媒体に記憶され、プロセッサによって実行されるように適合されたルーチンと
を含むコンピュータ読取可能媒体。
(項目28)
糖尿病性状態を発生するリスクを評価するための医療診断試験システムであって、
個体からの少なくとも1つの生物学的試料中のバイオマーカーの測定値の代表的なバイオマーカー測定データを収集するように適合されたデータ収集ツールであって、前記バイオマーカーが、(i)グルコース、(ii)表1中のタンパク質バイオマーカーから選択される少なくとも3つのタンパク質バイオマーカーおよび(iii)表2中の脂質代謝物から選択される少なくとも1つの脂質代謝物を含むデータ収集ツールと、
糖尿病性状態を発生するリスクと前記バイオマーカーの測定値との間の相関の表示が生じるように適合された統計的分析エンジンを含む分析ツールであって、前記相関の前記表示が、実行されて結果を生じるように適合されている分析ツールと、
前記結果を分析して、糖尿病性状態を発生する前記個体のリスクを決定し、前記結果を指標値として表すように適合された指標計算ツールと
を含む医療診断試験システム。
(項目29)
前記分析ツールが第1の統計的分析エンジンを含む第1の分析ツールを含み、前記システムが、前記相関を表すことができる複数の表示から、糖尿病性状態を発生する前記リスクと前記バイオマーカーの測定値との間の前記相関の前記表示を選択するように適合された第2の統計的分析エンジンを含む第2の分析ツールをさらに含む、項目28に記載の医療診断試験システム。
(項目30)
前記指標値を含む報告書を作成するように適合された報告ツールをさらに含む、項目28または29に記載のシステム。
(項目31)
糖尿病性状態を発生するリスクを評価するためのモデルを開発する方法であって、
バイオマーカー測定データを取得するステップであって、前記バイオマーカー測定データが、集団からのバイオマーカーの測定値の代表的なものであり、前記集団のエンドポイントが含まれ、測定データを取得するための前記バイオマーカーが、(i)グルコース、(ii)表1中のタンパク質バイオマーカーから選択される少なくとも3つのタンパク質バイオマーカーおよび(iii)表2中の脂質代謝物から選択される少なくとも1つの脂質代謝物を含むステップと、
前記集団の少なくともサブセットの前記バイオマーカー測定データをモデル内に入力するステップと、
前記入力されたバイオマーカー測定データを使用して前記モデルをエンドポイントについて訓練して、糖尿病性状態を発生するリスクと個体からの少なくとも1つの生物学的試料中のバイオマーカーの測定値との間の相関の表示を導くステップと
を含む方法。
(項目32)
個体において糖尿病性状態の現状を評価する方法であって、
バイオマーカー測定データを取得するステップであって、前記バイオマーカー測定データが、前記個体からの少なくとも1つの生物学的試料中のバイオマーカーの測定値の代表的なものであり、前記バイオマーカーが、(i)グルコース、(ii)表1中のタンパク質バイオマーカーから選択される少なくとも3つのタンパク質バイオマーカーおよび(iii)表2中の脂質代謝物から選択される少なくとも1つの脂質代謝物を含むステップと、
モデルからの出力に基づいて前記個体において糖尿病性状態の現状を評価するステップであって、前記モデルが、前記バイオマーカー測定データの入力に基づいて実行されるステップと
を含む方法。
(項目33)
個体において糖尿病性疾患の代替エンドポイントを評価する方法であって、
バイオマーカー測定データを取得するステップであって、前記バイオマーカー測定データが、前記個体からの少なくとも1つの生物学的試料中のバイオマーカーの測定値の代表的なものであり、前記バイオマーカーが、(i)グルコース、(ii)表1中のタンパク質バイオマーカーから選択される少なくとも3つのタンパク質バイオマーカーおよび(iii)表2中の脂質代謝物から選択される少なくとも1つの脂質代謝物を含むステップと、
モデルからの出力に基づいて前記個体において糖尿病性疾患の代替エンドポイントを評価するステップであって、前記モデルが、前記バイオマーカー測定データの入力に基づいて実行されるステップと
を含む方法。
(項目34)
前記バイオマーカーが、表1からの少なくとも4個、少なくとも5個、少なくとも6個、少なくとも7個、少なくとも8個、少なくとも9個、または少なくとも10個のタンパク質バイオマーカーを含む、項目1から33のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目35)
前記少なくとも3個のタンパク質バイオマーカーが、アディポネクチン、C反応性タンパク質(CRP)、HbA1c、IGFBP1、IGFBP2、インスリン、IL2RA、フェリチン、およびLEPからなる群から選択される、項目1から33のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目36)
前記少なくとも3個のタンパク質バイオマーカーが、アディポネクチン、C反応性タンパク質(CRP)、IL2RA、フェリチン、インスリン、およびHbA1cからなる群から選択される、項目1から33のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目37)
前記少なくとも3個のタンパク質バイオマーカーに、インスリンおよびHbA1cから選択される少なくとも1つの血糖指数マーカーが含まれる、項目1から33のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目38)
前記少なくとも3個のタンパク質バイオマーカーが、アディポネクチン、インスリン、およびC反応性タンパク質を含む、項目1から33のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目39)
前記少なくとも3個のタンパク質バイオマーカーが、アディポネクチン、CRPおよびHbA1cを含む、項目1から33のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目40)
前記少なくとも3個のタンパク質バイオマーカーが、図8〜26の任意の1つの組合せから選択される、項目1から33のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目41)
前記少なくとも3個のタンパク質マーカーおよび少なくとも1つの脂質代謝物が、図27〜35の任意の1つの組合せから選択される、項目1から40のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目42)
前記バイオマーカーが、表2からの少なくとも2個、少なくとも3個、少なくとも4個、少なくとも5個、少なくとも6個、少なくとも7個、少なくとも8個、少なくとも9個、または少なくとも10個の脂質代謝物を含む、項目1から41のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、または任意のシステム。
(項目43)
前記少なくとも1つの脂質代謝物が少なくとも1つのコレステロールエステルを含む、項目1から42のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目44)
前記少なくとも1つの脂質代謝物が、AC6:0、AC8:0、AC10:0、CE16:0、CE16:1n7、CE18:0、CE18:3n6、CE18:1n9、CE18:2n6、CE20:3n6、CE20:4n3、TGTL、DG16:0、DG18:0、DG18:1n9、DG18:2n6、DG18:3n3、DGTL、FA16:0、FA16:1n7、FA18:1n9、FA18:2n6、FA24:0、LY16:1n7、LY18:1n7、LY18:1n9、LY18:2n6、PC16:1n7、PC18:2n6、PC18:3n6、PC18:1n7、PC20:3n9、PC22:4n6、PC22:5n3、PCdm18:0、PCdm18:1n9、PCdm16:0、PC20:3n6、PC20:4n3、PEdm18:1n9、PE16:1n7、PE18:2n6、PE20:2n6、PE22:0、PE24:1n9 PEdm18:0、TG16:0、TG16:1n7、TG18:0、TG18:1n7、TG18:1n9、TG18:2n6およびTG18:3n3からなる群から選択される少なくとも1つの脂質代謝物を含む、項目1から42のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目45)
前記少なくとも1つの脂質代謝物が、CE16:1n7、CE20:3n6、CE18:2n6、CE16:0、CE18:1n9、LY18:2n6、LY18:1n7およびLY18:1n9からなる群から選択される、項目1から42のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目46)
前記少なくとも1つの脂質代謝物がCE16:1n7を含む、項目1から42のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目47)
前記少なくとも1つの脂質代謝物がCE20:3n6を含む、項目1から42のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目48)
前記少なくとも1つの脂質代謝物がCE18:2n6を含む、項目1から42のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目49)
前記少なくとも1つの脂質代謝物がCE16:0を含む、項目1から42のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目50)
前記少なくとも1つの脂質代謝物がCE18:1n9を含む、項目1から42のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目51)
前記少なくとも1つの脂質代謝物がLY18:2n6を含む、項目1から42のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目52)
前記少なくとも1つの脂質代謝物がLY18:1n7またはLY18:1n9を含む、項目1から42のいずれか一項に記載の方法、キット、コンピュータ読取可能媒体、またはシステム。
(項目53)
個体の糖尿病リスクスコアを表すリスクスコアのデータを取得するステップであって、前記糖尿病リスクスコアは、糖尿病性状態を発生するリスクを計算するための項目2に記載の方法に従って計算するステップと、
糖尿病の発症を遅延させるまたは予防するための治療レジメンの処方箋を表す処方箋処置データを、前記糖尿病リスクスコアによって糖尿病のリスクが上昇しているとして同定された個体に対して作成するステップと
を含む、糖尿病を予防する方法。
(項目54)
項目1から23および34から52のいずれか一項に記載の方法に従って、少なくとも1の被験体の、糖尿病性状態を発生するリスクを評価または計算するステップと、
糖尿病性状態のリスクが上昇していると同定された被験体を、糖尿病の発症を遅延させるまたは予防するための治療レジメンで処置するステップと
を含む、糖尿病を予防する方法。
(項目55)
前記治療レジメンが、INS、INS類似体、血糖降下剤、抗炎症剤、脂質低下剤、カルシウムチャネル遮断剤、ベータ−アドレナリン作動性受容体遮断剤、シクロオキシゲナーゼ−2(COX−2)阻害剤、COX−2阻害剤のプロドラッグ、アンジオテンシンIIアンタゴニスト、アンジオテンシン変換酵素(ACE)阻害剤、レニン阻害剤、リパーゼ阻害剤、アミリン類似体、ナトリウム−グルコース共輸送体2阻害剤、二重脂肪トリグリセリドリパーゼおよびPI3キナーゼ活性化因子、神経ペプチドY受容体のアンタゴニスト、ヒトホルモン類似体、カンナビノイド受容体アンタゴニスト、三重モノアミンオキシダーゼ再取り込み阻害剤、ノルエピネフリンおよびドーパミン再取り込みの阻害剤、11ベータ−ヒドロキシステロイドデヒドロゲナーゼ1型(11b−HSD1)の阻害剤、コルチゾール合成の阻害剤、糖新生の阻害剤、グルコキナーゼ活性化因子、タンパク質チロシンホスファターゼ−1Bのアンチセンス阻害剤、島新生治療、およびベータヒスチンからなる群から選択される少なくとも1つの治療剤を含む、項目53または54に記載の方法。
(項目56)
処置領域が、アカルボース、メトホルミン、トログリタゾン、およびロシグリタソンからなる群から選択される少なくとも1つの治療剤を含む、項目53または54に記載の方法。
(項目57)
項目10から23のいずれか一項に記載の方法に従って、前記集団内に含まれる個体について糖尿病性状態の発生を計算するステップと、
糖尿病性状態を発生する前記リスクを含む要因に基づいて、前記集団内の個体を前記集団中の残りの個体に対して順位付ける、または前記集団を少なくとも2つの群に分けるステップと
を含む、個体の集団を順位付けるまたは群分けする方法。
(項目58)
個体の健康保険の有資格を決定するため、
個体の健康保険の保険料を決定するため、
医療保険制度、健康維持機構、または好ましい提供組織における個体の会員保険料を決定するため、および
医療保険制度、健康維持機構、または好ましい提供組織において医療従事者を個体に割り当てるため
の目的のうちの1つまたは複数のために、前記個体集団の前記順位付けまたは群分けを表す順位付けデータを使用することをさらに含む、項目57に記載の方法。
(項目59)
個体または個体群に治療介入または生活習慣の介入を推奨するため、
個体または個体群の医療を管理するため、
個体または個体群の健康を監視するため、および
個体または個体群のための医療処置、治療介入、または生活習慣の介入を監視するためからなる群から選択される1つまたは複数の目的のために、前記個体集団の前記順位付けまたは群分けを表す順位付けデータを使用することをさらに含む、項目57または58に記載の方法。
(項目60)
個体において糖尿病性状態の現状を評価する方法であって、
バイオマーカー測定データを取得するステップであって、前記バイオマーカー測定データが、前記個体からの少なくとも1つの生物学的試料中のバイオマーカーの測定値の代表的なものであるステップと、
モデルからの出力に基づいて前記個体において糖尿病性状態の現状を評価するステップであって、前記モデルが、前記バイオマーカー測定データの入力に基づいて実行されるステップと
を含み、前記バイオマーカーが、(i)グルコース、(ii)表1中のタンパク質バイオマーカーから選択される少なくとも3つのタンパク質バイオマーカーおよび(iii)表2中の脂質代謝物から選択される少なくとも1つの脂質代謝物を含む、方法。
表1 − 好ましいタンパク質バイオマーカー
表2 − 脂質代謝物
内容によりそうでないと明らかに指示される場合以外は、「a」、「an」および「the」には複数形の言及が含まれる。
With Coronory Artery Disease」、Clin. Chem.、1992年、38巻(8号):1425〜1428頁も参照されたい。尤度関数、オッズ比、情報理論、予測値、較正(適合度が含まれる)、および再分類測定を使用した代替手法は、Cook、「Use and Misuse of the Receiver Operating Characteristic Curve in Risk Prediction」、Circulation、2007年、115巻:928〜935頁に従って要約されている。試験によって定義される被験体コホート内の危険率ならびに絶対的および相対的なリスクの比は、臨床的な精度および効用のさらなる測度である。この最後では、Vasan、「Biomarkers of Cardiovascular Disease: Molecular Basis and Practical Considerations」、Circulation、2006年、113巻:2335〜2362頁による参照限界、識別限界、およびリスクの閾値を含めた複数の方法が、異常または疾患の値を定義するために頻繁に使用されている。
一部の実施形態では、本発明は、糖尿病性状態を評価する方法を提供する。一部の実施形態では、糖尿病性状態の評価は、糖尿病性状態を、診断する、分類する、同定する、監視する、発生のリスクの尤度を決定する、度合(もしくは重度)を決定する、ならびに/またはその進行および/もしくは退行を評価することを含む。一部の実施形態では、糖尿病性状態は前糖尿病性状態である。一部の実施形態では、糖尿病性状態はインスリン耐性である。一部の実施形態では、糖尿病性状態は耐糖能異常である。(用語「耐糖能異常」は、本明細書中で「グルコース不耐性」と互換性があるように使用される。)一部の実施形態では、糖尿病性状態は空腹時高血糖である。一部の実施形態では、糖尿病性状態は前糖尿病である。一部の実施形態では、糖尿病性状態は糖尿病の一形態である。
本発明は、糖尿病、前糖尿病、または前糖尿病性状態の改善された診断および予後診断を提供する。糖尿病、前糖尿病、または前糖尿病性状態を発生するリスクは、被験体からの試験試料中の、それだけには限定されないがタンパク質、核酸、多型、脂質代謝物、および他の分析物などを含めた様々なバイオマーカーを測定し、複数の個体バイオマーカーおよび非分析物臨床パラメータからの結果からの情報を単一の測定値または指標へと合わせる数学アルゴリズムまたは式をしばしば利用して、測定された値を参照または指標値と比較することによって、事前に決定されたレベルの予測性で検出することができる。増加した糖尿病、前糖尿病、または前糖尿病性状態のリスクを有するとして同定された被験体は、任意選択で、本明細書中に定義した「糖尿病調節剤」などの予防的もしくは治療的化合物の投与、または糖尿病、前糖尿病、もしくは前糖尿病性状態の発症を予防するもしくは遅延させるための運動レジメンの実装もしくは栄養補助食品などの、治療レジメンを受けるように選択することができる。
糖尿病性状態の代替としてのモル百分率脂肪酸組成
トリグリセリド(または任意の他の脂質クラス)の相対的割合である脂質代謝物は、血清または血漿などの体液中で、肝性トリグリセリド(または他の脂質クラス)中のその脂質代謝物の相対的割合の定量的測度として測定することができる。この脂質代謝物(または脂質代謝物のコレクション)の相対的割合がインスリン耐性と相関する場合は、これはインスリン耐性の定量代替法として役割を果たす。したがって、特定の脂質クラス内の特定の脂肪酸のモル百分率をインスリン耐性の定量代替法として使用し得る。
式II:k−k1(FA1)+k2(FA2)+k3(FA3)
式III:k+k1(FA1)−k2(FA2)+k3(FA3)
式IV:k+k1(FA1)+k2(FA2)−k3(FA3)
式V:k−k1(FA1)−k2(FA2)+k3(FA3)
式VI:k+k1(FA1)−k2(FA2)−k3(FA3)
式VII:k−k1(FA1)+k2(FA2)−k3(FA3)
式VIII:k−k1(FA1)−k2(FA2)−k3(FA3)
式は、1、2、3、4、5、10、15、20個、またはそれより多くの脂質代謝物などの1つまたは複数の脂質代謝物を(任意選択で1つまたは複数のタンパク質バイオマーカーまたは他の要因と組み合わせて)変数として使用し得る。これらの式の定数は、既知の糖尿病性状態から得られたデータセットを使用することによって確立することができる。通常は、これらの式において使用される脂質代謝物のレベルは、ある時点でのレベルまたは一定期間にわたるレベルの変化のどちらかであることができる。
糖尿病性状態の追加の定量代替法
モル百分率以外の脂質代謝物のモデルを糖尿病性状態の代用マーカーとして使用し得る。たとえば、追加のバイオマーカーのリスト、たとえばエイコサノイドを参照されたい。糖尿病性状態のための脂質代謝物および追加のバイオマーカー
一部の実施形態では、1つまたは複数の脂質代謝物を、糖尿病性状態を評価するための代謝物マーカーとして使用する。一部の他の実施形態では、使用する代謝物マーカーは、脂質代謝物および追加のバイオマーカーをどちらも含む。
表3. 糖尿病性状態の血液系の脂質代謝物マーカー
表4. アシルカルニチン代謝物のリスト
表6. エイコサノイド代謝物のリスト
経口グルコース不耐性に関連する選択されたマーカーの診断的カットオフ値:
前糖尿病および他の糖尿病関連状態の診断に効用を提供すると予想されるAC6:0の濃度は、1グラムの血漿または血清あたり0.44〜0.70nモルである。より高い値は、より明白な糖尿病性状態または増加したリスクに関連している。
本発明の方法を使用して、特定の状態、たとえば、糖尿病、2型糖尿病、インスリン耐性、耐糖能異常、空腹時高血糖、前糖尿病、代謝症候群、肝脂肪症、インスリン感受性、高インスリン血症、肝脂肪症、筋脂肪症、高脂血症、高コレステロール血症を診断し得る。また、本方法を使用して、糖尿病性状態の重度を評価する、糖尿病性状態を監視する、糖尿病性状態の進行もしくは退行を評価する、および/または治療に対する応答を監視し得る。
脂質代謝物およびバイオマーカーの測定方法
脂質代謝物含量のアッセイを体液または組織の試料で行い得る。一実施形態では、アッセイは、全血、血漿、血清、または単離したリポタンパク質画分で行い得る。追加のバイオマーカーのアッセイは、体液または細胞の試料で行い得る。これらの脂質代謝物および他のバイオマーカーは、それだけには限定されないが、質量分析(MS)、高速液体クロマトグラフィー(HPLC)、均一濃度HPLC、勾配HPLC、順相クロマトグラフィー、逆相HPLC、サイズ排除クロマトグラフィー、イオン交換クロマトグラフィー、キャピラリー電気泳動、マイクロ流体工学、クロマトグラフィー、ガスクロマトグラフィー(GC)、薄層クロマトグラフィー(TLC)、固定金属イオンアフィニティークロマトグラフィー(IMAC)、アフィニティークロマトグラフィー、免疫アッセイ、および/または比色アッセイを利用した方法を含めた、当業者に公知の方法によって容易に単離および/または定量し得る。一実施形態では、本発明の方法は、MSを利用して脂質代謝物含量を決定する。一実施形態では、本発明の方法は、免疫アッセイを利用して脂質代謝物含量を決定する。一実施形態では、本発明の方法は、MSを利用してバイオマーカーの濃度を決定する。一実施形態では、本発明の方法は、免疫アッセイを利用してバイオマーカーの濃度を決定する。
本発明は、本明細書中に記載の1つまたは複数の代謝物マーカーのレベルを測定することに加えて、1つもしくは複数のリスク指標を評価すること、グルコースレベルを測定すること、および/または糖尿病性状態の別の診断試験を行うことを任意選択で含む、糖尿病性状態を評価する方法をさらに提供する。糖尿病の様々なリスク指標が当業者に公知であり、それだけには限定されないが、年齢、体重、体型指数(BMI)、家族歴(たとえば糖尿病に罹患している親戚)、病歴(たとえば妊娠糖尿病の病歴)、民族的背景、高血圧、コレステロールレベル、および活性レベルが含まれることができる。一部の実施形態では、グルコースレベルは空腹時血漿グルコース(FPG)によって測定する。一部の代替実施形態では、グルコースレベルは経口グルコース負荷試験(OGTT)によって測定する。一部の実施形態では、本明細書中で使用する代謝物マーカーのうちの1つまたは複数を、血液中の糖化ヘモグロビン(hemogoblin)(たとえばHbA1c)の試験と組み合わせて使用して、糖尿病性状態を評価する。
本発明の性能、したがって絶対的および相対的な臨床的有用性は、上述のように複数の方法で評価し得る。様々な性能の評価のうち、とりわけ、本発明は臨床診断および予後診断において精度を提供することを意図する。診断的または予後的な試験、アッセイ、または方法の精度は、試験、アッセイ、または方法の、糖尿病、前糖尿病、もしくは前糖尿病性状態に罹患している、または糖尿病、前糖尿病、もしくは前糖尿病性状態のリスクがある被験体の間を区別する能力に関係し、被験体が「有効量」のバイオマーカーのレベルまたはその「有意な変更」が有するかどうかに基づく。「有効量」または「有意な変更」とは、バイオマーカーの測定値がそのバイオマーカーの事前に決定されたカットオフ点(または閾値)とは異なることを意味し、したがって、バイオマーカーが決定要因である糖尿病、前糖尿病、または前糖尿病性状態に被験体が罹患していることを示す。正常と異常との間のバイオマーカーのレベルの差異は、好ましくは統計的に有意であり、バイオマーカーレベルの増加またはバイオマーカーレベルの減少であり得る。以下に注記するように、かつ本発明のいかなる限定もせず、統計的有意性、したがって好ましい分析的および臨床的精度を達成することは、必ずしもではないが、一般に、統計的に有意なバイオマーカー指標を達成するために、いくつかのバイオマーカーの組合せをパネル中で一緒に使用し、数学アルゴリズムと組み合わせることを必要とする。
本発明中に開示したようにバイオマーカー(および他の任意選択の要因)の組を選択した後、相互相関、主成分分析(PCA)、因子回転、ロジスティック回帰(LogReg)、線形判別分析(LDA)、固有遺伝子線形判別分析(ELDA)、サポートベクターマシーン(SVM)、ランダムフォレスト(RF)、再帰的分割木(RPART)、関連する決定木分類技法、収縮重心(SC)、ステップAIC、第k最近傍、ブースティング、決定木、神経回路網、ベイジアンネットワーク、サポートベクターマシーン、および隠れマルコフモデル、直線回帰もしくは分類アルゴリズム、非直線回帰もしくは分類アルゴリズム、分散分析(ANOVA)、階層分析もしくはクラスタリングアルゴリズム、決定木を使用した階層アルゴリズム;カーネル部分最小二乗アルゴリズム、カーネル一致追跡アルゴリズム、カーネルフィッシャーの判別分析アルゴリズム、もしくはカーネル主成分分析アルゴリズムなどのカーネルに基づいた機械アルゴリズム、または他の数学的および統計的方法などの周知の技法を使用して、糖尿病リスクスコアを計算するためのDRS式を作成することができる。集団中のバイオマーカーの値およびその臨床成績に関する歴史的情報が利用可能な、選択された個体の集団を使用する。所定の個体の糖尿病リスクスコアを計算するためには、個体から採取した1つまたは複数の試料からバイオマーカー値を取得して、入力データとして使用する(選択された個体の集団から得られた実際の歴史的データに当てはめたDRS式への入力。
バイオマーカーおよびバイオマーカーパネルを測定するための試験は、様々な診断試験システムに実装することができる。診断試験システムとは、典型的には試験結果を生物学的試料から得る手段が含まれる装置である。そのような手段の例には、試験(たとえば、生化学的、免疫学的、核酸検出アッセイ)を自動化するモジュールが含まれる。一部の診断試験システムは複数の生物学的試料を取り扱うように設計されており、それぞれの試料で同じまたは異なる試験を実行するようにプログラミングすることができる。診断試験システムには、典型的には、それぞれの試料の試験結果を、通常はデータ構造またはデータベースで収集、記憶および/または追跡するための手段が含まれる。例には、周知の物理的および電子的なデータ記憶装置(たとえば、ハードドライブ、フラッシュメモリ、磁気テープ、紙の印刷物)が含まれる。また、診断試験システムには試験結果を報告する手段が含まれることが典型的である。報告手段の例には、目に見える表示、データ構造もしくはデータベースとのリンク、またはプリンターが含まれる。報告手段は、試験結果をデータ構造、データベース、ビジュアルディスプレイ、またはプリンターなどの外部装置に送信するためのデータリンクでしかない場合がある。
Rev.、1997年11月〜12月;11巻(6号):419〜21頁;Ognibene Aら、「A new modular chemiluminescence immunoassay analyser evaluated」、Clin Chem Lab Med.、2000年3月;38巻(3号):251〜60頁;Park JWら、「Three−year experience in using total laboratory automation system」、Southeast Asian J Trop Med Public Health.、2002年;33巻補遺2:68〜73頁;Pauli Dら、「The Abbott Architect c8000: analytical performance and productivity characteristics of a new analyzer applied to general chemistry testing」、Clin Lab.、2005年;51巻(1〜2号):31〜41頁に記載されている。別の有用なシステムは、他のAbbottシステムと共にURL World−Wide−Web.abbotdiagnosics.com/Products/Instruments_by_Platform/に記載されている、Abbott AxSYM(登録商標)およびAxSYM(登録商標)Plusシステムである。
America;本社が3 Giralda Farms、ニュージャージー州Madison、07940、米国にあるQuest Diagnostics;ならびに病院基盤の参照研究室および臨床化学研究室が含まれる。
脂質バイオマーカーの選択を上記に多少詳述した。本セクションは、増強された予測値を提供するために脂質代謝物と組み合わせて使用することができるタンパク質および他のバイオマーカーならびに一部の他の要因を強調する。
表7
表9
臨床アルゴリズムの構築
任意の式を使用して、ALLDBRISKの結果、脂質代謝物、伝統的な危険因子、グルコースおよび本明細書中に記載の他のパラメータを、本発明の実施に有用な指標内に組み合わせ得る。上述のように、かつそれだけには限定されないが、そのような指標は、様々な他の指標のうち、とりわけ、確率、尤度、絶対的もしくは相対的リスク、1つの症状から別の病状への転換までの時間もしくはその速度、または、明白な疾患の診断において糖尿病に使用されるグルコースもしくはHBA1cなどの、糖尿病の将来のバイオマーカーの測定値の予測を行うことを示し得る。これは、具体的な期間もしくは時間的対象期間のため、または残りの生涯のリスクのため、または単純に別の参照被験体集団に相対的な指標として提供し得る。
図7は、人または人の群の糖尿病性状態を発生するリスクを評価するために使用し得るモデルを開発するための、方法例200の流れ図である。方法200は、図6の計算システム環境例100を使用して実装してよく、環境100の作動を説明するために使用する。しかし、方法200は計算システム環境100とは異なるシステムによって実装できることを理解されたい。ブロック202では、本明細書中に記載した代表的な、集団からのバイオマーカーデータを、システムメモリ130、内部もしくは外部データベース、または他のコンピュータ記憶媒体などのデータ記憶装置から得る。バイオマーカーデータは、一定期間にわたる代表的な集団の観察を含む前向き(縦断的)研究、サンプルをクエリする代表的な集団のサンプルの遡及的な研究および/またはNIHデータベースなどの以前の研究の結果を含有する遡及的な疫学的データ記憶を含めた、様々な手段を介して最初に導き得る。バイオマーカーデータは単一の研究または複数の研究に由来していてよく、一般に、本明細書中に記載のバイオマーカーの値、臨床的アノテーション(エンドポイントが含まれ得る)、および最も著しくは本発明で使用するためのアルゴリズムを多くの被験体にわたって訓練するための所望のエンドポイントを含めた、代表的な集団の所望の指標およびエンドポイントに関するデータが含まれる。
ALLDBRISK、脂質代謝物、グルコースおよび任意選択で他のパラメータのパネルを構築し、やはり治療介入を受けている被験体で使用するための性能を増強させるために式を具体的に導くことができるか、または、別々のパネルおよび式をそのような患者集団だけのために使用し得る。本発明の一態様は、そのようなパネルの構築および式の誘導のための、そのような被験体におけるこれらのバイオマーカーおよび他のパラメータの具体的な公知の特徴ならびにその変化の使用である。そのような改変は、糖尿病の予防、ならびに糖尿病および前糖尿病の診断、治療、監視、および予後診断における上述の様々な指標の性能を増強させ得る。
前述の臨床パラメータ、ALLDBRISKバイオマーカー、脂質代謝物の他の要因のうちの任意のものを、式への入力として、または特定のパネルおよび式を使用した測定する関連集団を定義する予選択基準として、本発明の実施において使用し得る。上述のように、臨床パラメータは、バイオマーカーの正規化および前処理、またはバイオマーカーの選択、パネルの構築、式の種類の選択および誘導、ならびに式の結果の後処理においても有用であり得る。
本発明の一実施形態は、パネルおよび式を、集団および終点または意図する使用にあつらえることである。たとえば、パネルおよび式は、被験体を一次予防および診断ならびに二次予防および管理について評価するために使用し得る。一次評価には、パネルおよび式は、状態の予測およびリスク層別化、糖尿病性状態の診断、グルコースレベルおよび変化の速度の予後診断、ならびに将来の診断の指標のために使用し得る。二次予防および管理には、パネルおよび式は、糖尿病合併症の予後診断、リスク層別化のために使用し得る。パネルおよび式は、介入を次の訪問まで延期するかどうか、正常な予防的健康診を推奨するかどうか、訪問の頻度の増加を推奨するかどうか、試験の増加を推奨するかどうか、および治療介入を推奨するかどうかの決定などの、臨床的意思決定支援に使用し得る。また、パネルおよび式は、治療剤の選択および応答、治療の調節および投薬、継続中の治療効率の監視、ならびに治療介入の変化の指標などの、糖尿病性状態に罹患している被験体における介入にも有用であり得る。
バイオマーカーは、より予測可能な被験体および分析のばらつきを達成するために設計されたいくつかの技法を使用して測定し得る。被験体のばらつきに関しては、上記ALLDBRISKSならびに他のバイオマーカーおよびパラメータの多くは、一般的には空腹状態で、最も一般的には朝に測定し、摂食量ならびに代謝および日周の変動の両方が原因の被験体のばらつきのレベルの低下をもたらす。本発明は、本明細書によって、ALLDBRISKSならびに本明細書中に記載の他のバイオマーカーおよびパラメータを使用したすべての空腹時および時間に基づいたサンプリング手順を特許請求する。また、ALLDBRISKならびに他のバイオマーカーおよびパラメータの結果の前処理調節も、この効果を低下させることを意図し得る。
Specific Receptor Assays」、Maggioらの米国特許第4,233,402号、表題「Reagents and Method Employing Channeling」、およびBoguslaskiらの米国特許第4,230,767号、表題「Heterogeneous Specific Binding Assay Employing a Coenzyme as Label」も参照されたい。
本発明の方法を実施するためのキットが提供される。キットには、(a)1つまたは複数の脂質代謝物(および/または追加のバイオマーカー)の量を測定するための1つまたは複数の試薬と、(b)使用説明書とが含まれる。キットは、1、2、3、4、5、10、15、20個、またはそれより多くの脂質代謝物の量を測定するための、1、2、3、4、5、10、15、20個、またはそれより多くの試薬を提供し得る。キットは、上記および表X−X中に開示したものなどの1つまたは複数の追加のバイオマーカーを測定するための1つまたは複数の試薬をさらに提供し得る。一実施形態では、キットには、免疫アッセイで使用するための1つまたは複数の試薬が含まれる。一実施形態では、キットには、MSアッセイで使用するための1つまたは複数の試薬が含まれる。本発明は、以下の非限定的な実施例によってさらに例示される。
al、Vector Laboratories、Wako Pure Chemical Industries、およびZeptometrixなどの市販の供給源が含まれる。しかし、当業者は、表7中のALLDBRISKのうちの任意のものに対する抗体、核酸プローブ、たとえば、オリゴヌクレオチド、アプタマー、siRNA、アンチセンスオリゴヌクレオチドを、日常的に作製することができる。
以下は、表1の好ましいタンパク質バイオマーカーの一部を選択するための、アルゴリズムLDAおよび(DRS=exp(D)/[1+exp(D)])として記載する式を使用したリスクの計算の説明である。
ヒト被験体から収集した例示的なデータセットには、このデータセットからの632件の観察および65件の潜在的な血液由来バイオマーカーが含まれていた(入力)。入力の数を減らすために、3つの広範なマーカー選択アルゴリズムを使用した:一変量のマーカー選択、徹底的小モデル検索、および一般的な発見的マーカー選択技法のブートストラップ複製。ブートストラップマーカー選択プロセスには、赤池の情報量基準(AIC)およびホテリングのT2に基づいた順方向、逆方向、および段階的な選択、分散分析に基づいたフィルター、ランダムフォレストフィルターならびに固有遺伝子に基づいた線形判別分析が含まれていた。これらの選択技法を100個のブートストラップ複製に使用し、マーカー計数を表にし、平均をとった。モデルの大きさを制御するために、マーカー計数を1/kによって重み付けた[式中、kはモデルの大きさである]。マーカーは、以下のように順列試験に基づいてモデリングのために選択した:アルゴリズム出力を並べ替え、100個のブートストラップ複製を使用して、6つの選択技法の重み付けしたマーカー計数の平均を計算した。このプロセスを20回繰り返し、重み付けしたマーカー計数の平均の95パーセンタイルを、ランダムよりも有意に多く選択されたマーカーを同定するためのカットオフとして使用した。同様の順列技法を使用して、ランダムとは異なっていた一変量の特長および徹底的検索を同定した。
その後、上述のように選択されたマーカーを組み合わせて、機能するモデルをもたらす係数を計算した。ロジスティック回帰および/または線形判別分析を使用して、それぞれ最大尤度および最小二乗平均に基づく係数を推定した。最初に、十分位数プロットを使用して個体マーカーを直線性について評価し、強い逸脱が注目された場合は変換を試みた。その後、すべてのマーカーを含めたモデルを構築し、係数を検査して、すべてが必要であったかどうかを決定した。マーカー数を減らす能力は、入力の主成分の回帰モデル、逆方向選択、およびブートストラップ方法を使用して評価する。残りのパラメータは、2つのモデル出力のそれぞれの、50%群メンバーシップの以前の確率で構築された線形モデルであるアルゴリズムを生じるために使用した。この重み付けは、症例および対照(それぞれ転換者および非転換者としても知られる)の数が不釣合いである場合に、生じるモデルの感度および特異度の釣り合いをとるために有用である。症例とは、対照と異なるかどうかを決定するために分析する試料をいう。
表10
アルゴリズムは、転換者の群に属する50%が症例であるという以前の確率を仮定して、試料の群メンバーシップ(たとえば症例または対照)に関連する線形予測子lpを生じた。このlpは、以下の方程式を使用して、0〜10のスケールで個々の被験体の好都合なスコア(DRS)に変換することができる:
DRS=10*elp/(1+elp)
このスコアは、特定の以前の確率での転換の絶対的リスクと相関している(50%の特定の確率を仮定)。アルゴリズムを構築するために使用した以前の確率を、集団中の「症例」の実際の百分率を反映する確率(その集団の疫学データに基づいて)に変化させることは、切片項αを以下のように変化させることによって線形モデルを有効にシフトさせる。
α’が新しい切片である場合、αは50%の以前を仮定した切片であり、π1は症例である以前の確率であり、π0は対照である以前の確率である。残りの係数は同じままであり、新しい線形予測子lp’が計算される。これから、リスクを以下のように計算する。
リスクは、被験体が症例(転換者)となる確率である。たとえば、25%のリスクは、同様のDRSを有する人の25%が5年間以内に糖尿病患者へと転換することを示す。
表10のアルゴリズムLDA.BWDのリスクを計算するために、以下のバイオマーカー値係数および切片を使用した:切片26.4567、ADIPOQ係数−0.66724、CHOL係数−2.66393、CRP係数0.70821、ENG係数−1.12999、FTH1係数0.711809、GLUCOSE係数17.46311、GPT係数1.087745、HBA1C係数12.05816、INSULIN係数665954、LEP係数0.696587、PLAT係数−0.99971、TRIG係数0.846546、およびVCAM1係数0.995924。
DRS=10*elp/(1+elp)
表11
新しい切片を使用して、調節された線形予測子(lp’)およびリスクを、以下の方程式を使用して計算する。リスクスコアを表12に記載する。
リスク=elp’/(1+elp’)
表12
Inter99コホートを使用したタンパク質バイオマーカーの選択
以下は、本発明の一部の好ましいタンパク質バイオマーカーを選択する例示的な方法の記述である。
Inter99コホートは、デンマーク市民登録システム(Danish Civil
Registration System)からの年齢が30〜60歳の61,301人の被験体からなる。これはClinicalTrials.gov、識別子NCT00289237(14)に登録された心血管病の生活習慣の介入治験であったが、この研究で観察された2型糖尿病への進行の5年率(3.4%)は、この年齢群の進行の他の推定に類似していた(16)。13,016人のサンプルをランダムに選択し、12,934人が適格者であり、検査に招待し、6784人(52.5%)が調査に参加した(17)。適格な個体(n=6536人)を5年後に再度招待し、4511人(69%)が参加した。空腹時血液試料、生活習慣データ、血圧、ウエスト周囲、血漿脂質、およびOGTTの結果をベースラインおよび5年時点で収集した。「リスクがある」部分集団は、ベースライン時にBMI≧25kg/m2、年齢≧39歳および糖尿病を有さない者として定義した。これらの個体のうち、174人が5年経過観察の間に2型糖尿病へと進行し(転換者)、ベースラインサンプルは160人で利用可能であった一方で、2872人は進行しなかった(非転換者)。2型糖尿病の診断は、OGTTにおいて≧11.1mmol/l、またはFPG≧7.0mmol/Lの2時間血漿グルコースによって定義した。非転換者(n=472人)は転換者に対して約3:1比でランダムに選択した。
人体計測の測定値、血圧、日常的な実験室測度(FPG、インスリン、脂質)、およびOGTTを、以前に記載のように行った(17)。血清は−19℃で貯蔵した。
潜在的なバイオマーカーは、糖尿病の発生に関連する検索用語を使用してPubMedデータベースを検索することによって同定した。代謝もしくは心血管障害、肥満症、細胞死、または炎症反応に関連する経路に関与しているとして同定された260個の候補バイオマーカーのうち、これらのバイオマーカーのうちの89個についてアッセイ試薬を得た。58個の候補からのデータが、試料の≧66%からの結果がアッセイの線形動的範囲内にあることを必要とした本発明者らの品質管理基準を満たした。
分子アッセイ
58個のタンパク質用に開発したサンドイッチ免疫アッセイでは、典型的にはモノクローナル捕捉抗体および蛍光標識した検出抗体を使用した。バイオマーカー候補は、超高感度分子計数技術(MCT)プラットフォーム(Singulex、モンタナ州St.Louis)を使用して測定した。アッセイ試薬に関する詳細は以前に記載されている(18)。手短に述べると、標識した抗体の検出を、それぞれのウェルからの液体を毛細フローセル内の照合空間を通してポンプするZeptX(商標)システムで行った。レーザー光(波長約650nm)を照合空間内に向け、それぞれの標識した抗体から生じた発光(波長668nm)を、光子検出器を備えた共焦点顕微鏡によって測定する。
限定された数の最も情報価値のあるマーカーを包含するために選択する複数の統計的手法を適用した、モデル開発プロセスを考案した。64個の候補バイオマーカーを、複数マーカーモデル中への包含について評価した:6個の日常的な実験室測度(FPG、空腹時血清インスリン、トリグリセリド、総コレステロール、HDL−コレステロール、およびLDL−コレステロール)、ならびに58個の血清タンパク質。バイオマーカー候補は、4つの統計−学習手法の選択頻度に基づいて、モデルへの包含について選択した。4つの手法は、U(一変量ロジスティック回帰分析)、E(小さな(≦6)多変量ロジスティックモデルの徹底的列挙)、H(順方向、逆方向、および段階的な選択、クルスカル−ワリス試験、ランダムフォレスト、ならびにロジスティック回帰、線形判別分析、およびサポートベクターマシーンを含めた3つの異なる統計学習アルゴリズムを用いた固有遺伝子に基づいた線形判別分析を含めた、6つの異なる発見的モデルの構築方法)、およびB(同じ基本的な発見的モデル構築方法を使用した100個のブートストラップ複製内の選択頻度)と呼んだ。
転換者および非転換者の群のベースライン特徴を表13に要約する。
バイオマーカーおよび脂質代謝物の分析
このバイオマーカーのパネルを同定するために、血清中のタンパク質の測定に超高感度な分子計数技術を使用して、2つの欧州のコホート(BotniaおよびInter99)中の90個を超えるタンパク質バイオマーカー(Lyssenkoら、Diabetes、54巻:166〜174頁、2005年:Jorgensenら、Eur. J. Cardiovasc Prev. Rehabil、10巻:377〜386頁、2000年)。これら2つの研究から作成したアルゴリズムにより、集団年齢≧39歳およびBMI≧25において約0.75の曲線下面積(AUC)を有する受信者動作曲線(ROC)が生じた。
妥当性確認した脂質アッセイ
生物学的試料は、単純な内部標準の添加およびタンパク質の沈殿によって以下のように調製した。内部標準の混合物(3つの奇数鎖の類似体:CE15:1、CE17:0、LY17:0)を20μLの血清試料に加えた。その後、試料を少なくとも3秒間渦攪拌した。タンパク質を沈殿させるために、1mLの50/50のMeOH/CHCl3を試料に加え、次いで少なくとも3秒間渦攪拌した。その後、試料を10分間、17000×Gで遠心分離した。続いて、上清を2mLのガラスバイアルに移し、Waters ACQUITY UPLCシステムのオートサンプラーに載せた。オートサンプラーは10℃に維持した。試料(試料あたり2uL)をWaters Vangaurd BEH C18プレカラム(2.1×5mm、1.7um)を備えたWaters UPLC BEH
C18カラム(2.1×30mm、1.7um)に注入した。カラム区画を80℃まで加熱した。溶媒Aは水中に5mMのNH4HCO2であった。溶媒BはMeOH中に5mMのNH4HCO2であった。0〜1分間の間、カラムを80%の溶媒Bに維持し、その後、1分間で100%のBまで勾配させ、100%のBで1.7分間保った。カラムをすぐに80%に戻し、1.2分間、再度平衡化させた。流速は1mL/分であった。Waters ACQUITY UPLCをWaters Xevo TQD質量分析装置に連結させた。分析物は陽性エレクトロスプレーによってイオン化し、質量分析装置はアルゴンを衝突ガスとして用いてタンデムMSモードで稼動した。Waters MassLynxソフトウェアを使用して、すべての分析物および内部標準のクロマトグラフィーピークを自動的に積分した。その後、ピーク面積比(分析物/内部標準)を計算し、その後、外部検量線を使用して絶対的分析物濃度へと変換した。
Claims (1)
- 明細書に記載された発明。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US25630209P | 2009-10-29 | 2009-10-29 | |
US61/256,302 | 2009-10-29 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012537024A Division JP2013509588A (ja) | 2009-10-29 | 2010-10-28 | 2型糖尿病の予防に対して一貫した改善をもたらすタンパク質バイオマーカーおよび脂質代謝物バイオマーカー |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017001711A Division JP2017062264A (ja) | 2009-10-29 | 2017-01-10 | 2型糖尿病の予防に対して一貫した改善をもたらすタンパク質バイオマーカーおよび脂質代謝物バイオマーカー |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2015052617A true JP2015052617A (ja) | 2015-03-19 |
Family
ID=43589765
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012537024A Pending JP2013509588A (ja) | 2009-10-29 | 2010-10-28 | 2型糖尿病の予防に対して一貫した改善をもたらすタンパク質バイオマーカーおよび脂質代謝物バイオマーカー |
JP2014241006A Withdrawn JP2015052617A (ja) | 2009-10-29 | 2014-11-28 | 2型糖尿病の予防に対して一貫した改善をもたらすタンパク質バイオマーカーおよび脂質代謝物バイオマーカー |
JP2017001711A Pending JP2017062264A (ja) | 2009-10-29 | 2017-01-10 | 2型糖尿病の予防に対して一貫した改善をもたらすタンパク質バイオマーカーおよび脂質代謝物バイオマーカー |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012537024A Pending JP2013509588A (ja) | 2009-10-29 | 2010-10-28 | 2型糖尿病の予防に対して一貫した改善をもたらすタンパク質バイオマーカーおよび脂質代謝物バイオマーカー |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017001711A Pending JP2017062264A (ja) | 2009-10-29 | 2017-01-10 | 2型糖尿病の予防に対して一貫した改善をもたらすタンパク質バイオマーカーおよび脂質代謝物バイオマーカー |
Country Status (4)
Country | Link |
---|---|
US (3) | US9217747B2 (ja) |
EP (1) | EP2494364A1 (ja) |
JP (3) | JP2013509588A (ja) |
WO (1) | WO2011059721A1 (ja) |
Families Citing this family (60)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9042952B2 (en) | 1997-01-27 | 2015-05-26 | Lawrence A. Lynn | System and method for automatic detection of a plurality of SPO2 time series pattern types |
US9521971B2 (en) | 1997-07-14 | 2016-12-20 | Lawrence A. Lynn | System and method for automatic detection of a plurality of SPO2 time series pattern types |
US9053222B2 (en) | 2002-05-17 | 2015-06-09 | Lawrence A. Lynn | Patient safety processor |
US20060195041A1 (en) | 2002-05-17 | 2006-08-31 | Lynn Lawrence A | Centralized hospital monitoring system for automatically detecting upper airway instability and for preventing and aborting adverse drug reactions |
US8119358B2 (en) | 2005-10-11 | 2012-02-21 | Tethys Bioscience, Inc. | Diabetes-related biomarkers and methods of use thereof |
WO2007133586A2 (en) | 2006-05-08 | 2007-11-22 | Tethys Bioscience, Inc. | Systems and methods for developing diagnostic tests based on biomarker information from legacy clinical sample sets |
US20130073311A1 (en) * | 2008-05-07 | 2013-03-21 | Lawrence A. Lynn | Pathophysiologic storm tracker |
CA2722773C (en) | 2008-05-07 | 2015-07-21 | Lawrence A. Lynn | Medical failure pattern search engine |
US10359425B2 (en) | 2008-09-09 | 2019-07-23 | Somalogic, Inc. | Lung cancer biomarkers and uses thereof |
US9740819B2 (en) | 2009-10-29 | 2017-08-22 | True Health Ip Llc | Method for determining risk of diabetes |
US9217747B2 (en) * | 2009-10-29 | 2015-12-22 | Health Diagnostic Laboratory, Inc. | Protein and lipid biomarkers providing consistent improvement to the prediction of type 2 diabetes |
US20130116150A1 (en) | 2010-07-09 | 2013-05-09 | Somalogic, Inc. | Lung Cancer Biomarkers and Uses Thereof |
SG2014007454A (en) | 2010-08-13 | 2014-07-30 | Somalogic Inc | Pancreatic cancer biomarkers and uses thereof |
MX2014003153A (es) | 2011-09-30 | 2014-04-30 | Somalogic Inc | Prediccion de riesgo de evento cardiovascular y usos del mismo. |
US9110553B2 (en) * | 2011-12-28 | 2015-08-18 | Cerner Innovation, Inc. | Health forecaster |
CN103308670B (zh) * | 2012-03-08 | 2017-06-09 | 思芬构技术有限公司 | 用于预测对象患糖尿病和/或代谢综合征的风险的方法 |
WO2013154983A1 (en) * | 2012-04-09 | 2013-10-17 | Rodgers Kathleen E | Molecular markers of endothelial dysfunction in gestational diabetes |
US9664667B2 (en) | 2012-04-30 | 2017-05-30 | Trustees Of Tufts College | Digital quantification of single molecules |
US9361429B2 (en) | 2012-06-08 | 2016-06-07 | Liposcience, Inc. | Multi-parameter diabetes risk evaluations |
US9928345B2 (en) | 2012-06-08 | 2018-03-27 | Liposciences, Inc. | Multiple-marker risk parameters predictive of conversion to diabetes |
US20140074765A1 (en) * | 2012-09-07 | 2014-03-13 | Harald Steck | Decision forest generation |
US10354429B2 (en) | 2012-11-14 | 2019-07-16 | Lawrence A. Lynn | Patient storm tracker and visualization processor |
US9953453B2 (en) | 2012-11-14 | 2018-04-24 | Lawrence A. Lynn | System for converting biologic particle density data into dynamic images |
JP6404834B2 (ja) * | 2013-01-31 | 2018-10-17 | メタボロン,インコーポレイテッド | インスリン抵抗性の進行に関連するバイオマーカー及びこれを使用する方法 |
WO2014134530A1 (en) | 2013-02-28 | 2014-09-04 | Lynn Lawrence A | Patient storm tracker and visualization processor |
US20140358451A1 (en) * | 2013-06-04 | 2014-12-04 | Arizona Board Of Regents On Behalf Of Arizona State University | Fractional Abundance Estimation from Electrospray Ionization Time-of-Flight Mass Spectrum |
EP3022559A2 (en) * | 2013-07-18 | 2016-05-25 | Health Diagnostic Laboratory, Inc. | Method of determination of risk of 2 hour blood glucose equal to or greater than 140 mg/di |
US10453562B2 (en) * | 2014-05-08 | 2019-10-22 | ProductVisionaries, LLC | Consumer-oriented biometrics data management and analysis system |
KR102290280B1 (ko) * | 2014-08-25 | 2021-08-17 | 삼성전자주식회사 | 비침습 생체 측정 장치 및 방법과 대사증후군 진단 장치 및 방법 |
US20160098530A1 (en) * | 2014-10-07 | 2016-04-07 | David A. DILL | Devices and methods for managing risk profiles |
US20160327579A1 (en) * | 2015-05-07 | 2016-11-10 | Boston Heart Diagnostics | Cholesterol efflux capacity assessment |
US20160327578A1 (en) * | 2015-05-07 | 2016-11-10 | Boston Heart Diagnostics Corporation | Cholesterol efflux capacity assessment |
CN108323184A (zh) * | 2015-05-28 | 2018-07-24 | 因姆内克斯普雷斯私人有限公司 | 验证生物标志物测量 |
US20160357935A1 (en) * | 2015-06-04 | 2016-12-08 | True Health Diagnostics Llc | Novel set of fasting blood biomarkers to detect patients with impaired glucose tolerance |
JP6144314B2 (ja) * | 2015-10-30 | 2017-06-07 | 株式会社Ubic | データ分類システム,方法,プログラムおよびその記録媒体 |
CN106202968B (zh) * | 2016-07-28 | 2020-02-07 | 北京柏惠维康科技有限公司 | 癌症的数据分析方法及装置 |
GB201615128D0 (en) * | 2016-09-06 | 2016-10-19 | Univ Manchester | Methods |
US20210072255A1 (en) | 2016-12-16 | 2021-03-11 | The Brigham And Women's Hospital, Inc. | System and method for protein corona sensor array for early detection of diseases |
US11229406B2 (en) | 2017-03-24 | 2022-01-25 | Medtronic Minimed, Inc. | Patient-specific glucose prediction systems and methods |
JP6544697B2 (ja) * | 2017-05-24 | 2019-07-17 | 株式会社Eyes, JAPAN | 生体情報評価システム |
US11107565B2 (en) * | 2017-11-02 | 2021-08-31 | Tigar Health, Inc. | Systems and methods for providing professional treatment guidance for diabetes patients |
EP3483758A1 (en) * | 2017-11-14 | 2019-05-15 | Universite Paris-Sud | Method for detecting abnormal values of a biomarker |
US20200348316A1 (en) | 2017-11-20 | 2020-11-05 | Zora Biosciences Oy | Methods for prediction and early detection of diabetes |
US20210095048A1 (en) * | 2018-01-19 | 2021-04-01 | Baker Heart and Diabetes Institute | Modulatory agents |
TWI661198B (zh) * | 2018-01-26 | 2019-06-01 | 長庚大學 | 診斷或預斷人類口腔癌的方法 |
KR102594366B1 (ko) | 2018-11-07 | 2023-10-27 | 시어 인코퍼레이티드 | 단백질 코로나 분석을 위한 조성물, 방법 및 시스템 및 그것들의 용도 |
AU2019389048A1 (en) * | 2018-11-30 | 2021-06-17 | Hdl Therapeutics, Inc | Methods for treating lipid-related diseases including xanthomas, carotid artery stenoses, and cerebral atherosclerosis |
CN117169534A (zh) | 2019-08-05 | 2023-12-05 | 禧尔公司 | 用于样品制备、数据生成和蛋白质冠分析的系统和方法 |
CN110607363A (zh) * | 2019-11-01 | 2019-12-24 | 上海昂朴生物科技有限公司 | 一种用于高通量检测糖尿病致病基因突变的核酸组及其试剂盒和应用 |
CN112924675B (zh) * | 2019-12-05 | 2023-01-13 | 张曼 | 尿液胰腺甘油三酯脂肪酶蛋白及其多肽片段在正常妊娠中的应用 |
CN111060640A (zh) * | 2019-12-27 | 2020-04-24 | 深圳市开物成务中医药科技有限公司 | 测定与胰岛素耐受性相关的血脂谱的方法、应用及装置 |
KR20220123236A (ko) * | 2020-01-10 | 2022-09-06 | 소마로직 오퍼레이팅 컴퍼니, 인코포레이티드 | 손상된 당내성 결정 방법 |
CN112086194A (zh) * | 2020-09-14 | 2020-12-15 | 东南大学附属中大医院 | 一种新发2型糖尿病评分预测系统 |
EP3971909A1 (en) * | 2020-09-21 | 2022-03-23 | Thorsten Kaiser | Method for predicting markers which are characteristic for at least one medical sample and/or for a patient |
CN112326948B (zh) * | 2020-11-09 | 2023-08-11 | 上海市内分泌代谢病研究所 | 用于预测糖尿病的生物标记物、试剂盒及其使用方法 |
CN113295872A (zh) * | 2021-04-25 | 2021-08-24 | 常州中科脂典生物技术有限责任公司 | 用于区分gck-mody和t2d的脂质联合标志物及其应用 |
TW202301379A (zh) * | 2021-06-22 | 2023-01-01 | 日商日清食品控股股份有限公司 | 膽固醇風險推定裝置、膽固醇風險推定方法及程式 |
US20230129902A1 (en) * | 2021-10-27 | 2023-04-27 | Dexcom, Inc. | Disease Prediction Using Analyte Measurement Features and Machine Learning |
WO2023147522A1 (en) * | 2022-01-28 | 2023-08-03 | GATC Health Corp | Biomarkers for early detection of diabetes |
CN116609520B (zh) * | 2023-07-14 | 2023-11-14 | 汤臣倍健股份有限公司 | 表型状态模型及其使用方法 |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4230797A (en) | 1975-04-28 | 1980-10-28 | Miles Laboratories, Inc. | Heterogenous specific binding assay employing a coenzyme as label |
CA1178414A (en) | 1978-02-08 | 1984-11-27 | Toyo Boseki Kabushiki Kaisha (Trading Under The Name Of Toyobo Co., Ltd.) | Packaging material having excellent seal packaging property |
US4275149A (en) | 1978-11-24 | 1981-06-23 | Syva Company | Macromolecular environment control in specific receptor assays |
US4233402A (en) | 1978-04-05 | 1980-11-11 | Syva Company | Reagents and method employing channeling |
US4376110A (en) | 1980-08-04 | 1983-03-08 | Hybritech, Incorporated | Immunometric assays using monoclonal antibodies |
US4444879A (en) * | 1981-01-29 | 1984-04-24 | Science Research Center, Inc. | Immunoassay with article having support film and immunological counterpart of analyte |
US4659678A (en) | 1982-09-29 | 1987-04-21 | Serono Diagnostics Limited | Immunoassay of antigens |
US4727022A (en) | 1984-03-14 | 1988-02-23 | Syntex (U.S.A.) Inc. | Methods for modulating ligand-receptor interactions and their application |
US5018067A (en) | 1987-01-12 | 1991-05-21 | Iameter Incorporated | Apparatus and method for improved estimation of health resource consumption through use of diagnostic and/or procedure grouping and severity of illness indicators |
US5744101A (en) | 1989-06-07 | 1998-04-28 | Affymax Technologies N.V. | Photolabile nucleoside protecting groups |
US20020038227A1 (en) | 2000-02-25 | 2002-03-28 | Fey Christopher T. | Method for centralized health data management |
ATE532070T1 (de) | 2000-12-14 | 2011-11-15 | Brigham & Womens Hospital | Entzündungsmarker zum nachweis und zur prävention von diabetes mellitus |
US20040122296A1 (en) | 2002-12-18 | 2004-06-24 | John Hatlestad | Advanced patient management for triaging health-related data |
US7468032B2 (en) | 2002-12-18 | 2008-12-23 | Cardiac Pacemakers, Inc. | Advanced patient management for identifying, displaying and assisting with correlating health-related data |
WO2003078574A2 (en) | 2002-03-11 | 2003-09-25 | Lipomics Technologies, Inc. | Novel metabolic targets and markers |
US20040121305A1 (en) | 2002-12-18 | 2004-06-24 | Wiegand Roger Charles | Generation of efficacy, toxicity and disease signatures and methods of use thereof |
WO2004088309A2 (en) | 2003-03-28 | 2004-10-14 | Cantata Laboratories, Inc. | Methods for diagnosing urinary tract and prostatic disorders |
FI20050011A (fi) * | 2005-01-05 | 2006-07-06 | Jurilab Ltd Oy | Menetelmä ja testipakkaus tyypin 2 diabetes mellituksen riskin havaitsemiseksi |
US20070218519A1 (en) | 2005-10-11 | 2007-09-20 | Tethys Bioscience, Inc. | Diabetes-associated markers and methods of use thereof |
US8119358B2 (en) | 2005-10-11 | 2012-02-21 | Tethys Bioscience, Inc. | Diabetes-related biomarkers and methods of use thereof |
EP2059818A2 (en) * | 2006-05-15 | 2009-05-20 | Digilab, Inc. | Biomarkers for pre-form of type 2 diabetes and methods for detecting the presence of absence of a pre-form of type 2 diabetes |
US7529085B2 (en) | 2006-06-30 | 2009-05-05 | Lenovo (Singapore) Pte. Ltd. | Thermal docking fansink |
BRPI0715402A2 (pt) * | 2006-08-08 | 2013-11-26 | Lipomics Technologies Inc | Marcadores de doença hepática gordurosa não alcoólica (nafld) e esteatohepatite não alcoólica (nash) e métodos de uso dos mesmos |
US20080060830A1 (en) | 2006-09-11 | 2008-03-13 | Li Chung Hsien | Wiring box |
US20100197028A1 (en) * | 2007-02-22 | 2010-08-05 | Tethys Bioscience, Inc. | Metabolic markers of diabetic conditions and methods of use thereof |
EP2891885A3 (en) | 2007-04-18 | 2015-10-14 | Health Diagnostic Laboratory, Inc. | Diabetes-related biomarkers and methods of use thereof |
US9217747B2 (en) * | 2009-10-29 | 2015-12-22 | Health Diagnostic Laboratory, Inc. | Protein and lipid biomarkers providing consistent improvement to the prediction of type 2 diabetes |
US9740819B2 (en) | 2009-10-29 | 2017-08-22 | True Health Ip Llc | Method for determining risk of diabetes |
-
2010
- 2010-10-28 US US13/504,720 patent/US9217747B2/en not_active Expired - Fee Related
- 2010-10-28 WO PCT/US2010/054398 patent/WO2011059721A1/en active Application Filing
- 2010-10-28 EP EP10779366A patent/EP2494364A1/en not_active Withdrawn
- 2010-10-28 JP JP2012537024A patent/JP2013509588A/ja active Pending
-
2014
- 2014-11-28 JP JP2014241006A patent/JP2015052617A/ja not_active Withdrawn
-
2015
- 2015-11-18 US US14/945,200 patent/US9810697B2/en not_active Expired - Fee Related
-
2017
- 2017-01-10 JP JP2017001711A patent/JP2017062264A/ja active Pending
- 2017-10-02 US US15/722,182 patent/US20180024143A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
US9217747B2 (en) | 2015-12-22 |
WO2011059721A9 (en) | 2012-05-24 |
US9810697B2 (en) | 2017-11-07 |
JP2017062264A (ja) | 2017-03-30 |
US20170003297A1 (en) | 2017-01-05 |
US20120328594A1 (en) | 2012-12-27 |
WO2011059721A1 (en) | 2011-05-19 |
EP2494364A1 (en) | 2012-09-05 |
US20180024143A1 (en) | 2018-01-25 |
JP2013509588A (ja) | 2013-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2017062264A (ja) | 2型糖尿病の予防に対して一貫した改善をもたらすタンパク質バイオマーカーおよび脂質代謝物バイオマーカー | |
US20200166523A1 (en) | Cardiovascular Risk Event Prediction and Uses Thereof | |
US20170316153A1 (en) | Method for determining risk of diabetes | |
JP2009511911A (ja) | 糖尿病関連マーカおよびその使用 | |
US7998743B2 (en) | Panel of biomarkers for peripheral arterial disease | |
JP2010525332A (ja) | 糖尿病に関連するバイオマーカーおよびその使用方法 | |
US20150051161A1 (en) | Methods for the Detection of Advanced Glycation Endproducts and Markers for Disease | |
JP2017530356A (ja) | 心血管系のリスクイベントの予測及びその使用 | |
US10475536B2 (en) | Method of determination of risk of 2 hour blood glucose equal to or greater than 140 mg/dL | |
US9347959B2 (en) | Oxidative biomarkers in predicting risk of stroke, transient ischemic attack (TIA) and peripheral arterial disease (PAD) | |
TW201217788A (en) | Method for determining risk of diabetes | |
WO2008057966A2 (en) | A panel of biomarkers for peripheral arterial disease | |
CA3195924A1 (en) | Cardiovascular event risk prediction | |
Societies | Swiss MedLab 2012 Congress of the Swiss Union of Laboratory Medicine (SULM) | |
NZ622118B2 (en) | Cardiovascular risk event prediction and uses thereof |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151106 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20160205 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20160304 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20160405 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20160907 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170110 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20170117 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20170119 |