JP2015522806A5 - - Google Patents

Claims (20)

1. ＧｌｙｃＡを測定する方法であって、
   被験者のバイオサンプルのフィッティング領域の合成ＮＭＲスペクトルを電子的に取得するステップと、
   高密度リポタンパク質（ＨＤＬ）成分、低密度リポタンパク質（ＬＤＬ）成分、ＶＬＤＬ（超低密度リポタンパク質）／カイロミクロン成分、および少なくともＧｌｙｃＡピーク領域に関連する複数のカーブフィット関数を用いた、定義されたデコンボリューションモデルを用いて前記合成ＮＭＲスペクトルを電子的にデコンボリューションするステップと、ならびに
   前記カーブフィット関数を用いてＧｌｙｃＡの測定値を電子的に生成するステップと
   を含む方法。
2. 請求項１に記載の方法であって、μｍｏｌ／Ｌで前記測定値を提供するために、ＧｌｙｃＡの前記測定値に換算係数を適用するステップをさらに含む方法。
3. 請求項１に記載の方法であって、前記カーブフィット関数が、オーバーラッピングローレンツ関数であり、およびＧｌｙｃＡの前記測定値が、定義された数のローレンツ関数を積算することによって生成される方法。
4. 請求項１に記載の方法であって、前記デコンボリューションモデルが、１．２１ｇ／Ｌを超える密度を有するタンパク質のタンパク質信号成分をさらに含む方法。
5. 請求項２に記載の方法であって、前記デコンボリューションモデルが、１．２１ｇ／Ｌを超える密度を有するタンパク質のタンパク質信号成分をさらに含み、および前記方法が、数式
   ＨＤＬ−Ｐ／ＬＤＬ−Ｐ＊ＧｌｙｃＡ
   （式中、ＨＤＬ−Ｐは、ＨＤＬ粒子数のＮＭＲ測定値であり、およびＬＤＬ−Ｐは、ＬＤＬ粒子数のＮＭＲ測定値であり、および前記式中のＧｌｙｃＡは、前記ＧｌｙｃＡ測定値であり、全て単位はμｍｏｌ／Ｌである。）
   を用いてリスク予測因子を生成するステップをさらに含む方法。
6. 請求項１に記載の方法であって、バリンの信号の四重線に関連する前記サンプルの前記ＮＭＲスペクトルの別の部分をデコンボリューションするステップ、およびバリンのＮＭＲ測定値を生成するステップをさらに含む方法。
7. 請求項５に記載の方法であって、試験レポート内に前記バリンおよびＧｌｙｃＡ測定値を提供するステップをさらに含む方法。
8. 請求項１に記載の方法であって、前記複数のカーブフィット関数がオーバーラッピングローレンツ関数であり、および前記デコンボリューションモデルが、前記ローレンツ関数を、化学シフトスペクトルの前記ＧｌｙｃＡピーク領域の右側からＧｌｙｃＢピーク領域の左側に延びる前記フィッティング領域のサブセットに適用する方法。
9. 請求項１に記載の方法であって、前記バイオサンプルが、血漿または血清を含み、前記電子的に取得するステップは、前記バイオサンプルがＮＭＲ分光計のＮＭＲフロープローブ内で４７℃±０．２℃である間に、前記バイオサンプルのＮＭＲ信号を取得するステップを含み、および前記フィッティング領域は、１．８４５ｐｐｍから２．０８０ｐｐｍまで延び、および前記ＧｌｙｃＡピーク領域は、２．００ｐｐｍを中心とし、および前記方法は、ＧｌｙｃＢの測定値を生成するために、定義された数の異なる組のカーブフィッティング関数を積算するステップをさらに含む方法。
10. 請求項１に記載の方法であって、前記複数のカーブフィット関数が、前記ＧｌｙｃＡピーク領域を含み、および約４０から５０の間のカーブフィット関数を伴うＧｌｙｃＢピーク領域まで延びるフィッティング領域に適用され、ＧｌｙｃＡの前記測定値の前記生成ステップが、前記カーブフィット関数の定義された第１のサブセットの値を積算することによって実施され、前記方法が、前記複数のカーブフィット関数の第２のさらに小さいサブセットを用いてＧｌｙｃＢの測定値を生成するステップをさらに含む方法。
11. 請求項１に記載の方法であって、前記定義されたデコンボリューションモデルが、代謝産物Ａ成分を含む方法。
12. 患者の冠動脈性心疾患（ＣＨＤ）リスクを決定する方法であって、
    ＧｌｙｃＡのレベルを求めるために、バイオサンプルのＧｌｙｃＡに関連するプロトンＮＭＲスペクトルの定義されたピーク領域内のＮＭＲ信号を電子的に評価するステップ、および
    ＧｌｙｃＡの前記レベルに少なくとも部分的に基づいて患者のＣＨＤのリスクを決定するステップ
    を含む方法。
13. インビトロの患者バイオサンプルを評価するためのコンピュータプログラムであって、
    （ｉ）高密度リポタンパク質（ＨＤＬ）成分、（ｉｉ）低密度リポタンパク質（ＬＤＬ）成分、（ｉｉｉ）ＶＬＤＬ（超低密度リポタンパク質）／カイロミクロン成分、（ｉｖ）別の定義されたタンパク質信号成分、および（ｖ）少なくともＧｌｙｃＡピーク領域に適用されるカーブフィッティング関数を用いる定義されたデコンボリューションモデルを用いて、前記合成ＮＭＲスペクトルをデコンボリューションし、被験者の血漿サンプルのフィッティング領域の合成ＮＭＲスペクトルをデコンボリューションするコンピュータ可読プログラムコードを含み、非一時的なコンピュータ可読記憶媒体内で具体化されるコンピュータ可読プログラムコードを有する前記コンピュータ可読記憶媒体、ならびに
    ＧｌｙｃＡの測定値を生成するために、定義された数の前記関数を積算するコンピュータ可読プログラムコード
    を含むコンピュータプログラム。
14. インビトロバイオサンプルの少なくとも１つのＮＭＲスペクトルを取得するためのＮＭＲ分光計、および前記少なくとも１つのＮＭＲスペクトルを用いてＧｌｙｃＡのＮＭＲ測定値を取得するように構成された、前記ＮＭＲ分光計と通信している少なくとも１つのプロセッサを含むシステム。
15. μｍｏｌ／Ｌおよび／または任意の単位でのＧｌｙｃＡの定量的な測定値を含む、複数のリポタンパク質測定値を含む患者レポート。
16. ＮＭＲ分析装置であって、
    ＮＭＲ分光計、
    前記分光計と通信しているフロープローブ、ならびに
    前記フロープローブ内の流体の検体のＧｌｙｃＡに関連するＮＭＲスペクトルの定義された単一のピーク領域のＮＭＲ信号を得て、およびＧｌｙｃＡレベルを提供する患者レポートを生成するように構成された前記分光計と通信している少なくとも１つのプロセッサ
    を含むＮＭＲ分析装置。
17. ある人の全死因死亡リスクを評価または予測する方法であって、
    ＧｌｙｃＡに対するバリン、ＧｌｙｃＡに対するＨＤＬ−Ｐ、または（バリン＊ＨＤＬ−Ｐ）／ＧｌｙｃＡのうちの少なくとも１つの測定値の比を電子的に計算するステップ、および、
    ある人が定義された集団と比べて上昇した全死因死亡のリスクを有するかを評価するステップ
    を含み、前記計算された比が、前記集団の第１三分位、第１四分位または第１五分位にあるとき、それぞれの人が、前記定義された集団と比べて、上昇したリスクを有する方法。
18. バイオサンプル中の代謝産物Ａのレベルを定量化する方法であって、リポタンパク質に関連する信号を有するプロトンＮＭＲスペクトルの定義された代謝産物Ａのピーク領域、および代謝産物Ａに関連する単一のピークをデコンボリューションするステップ、複数のカーブフィッティング関数を前記代謝産物Ａのピーク領域に適用するステップ、ならびに前記適用されたカーブフィッティング関数を用いて代謝産物Ａのレベルを測定するステップを含む方法。
19. バイオサンプル中のバリンを定量化する方法であって、
    リポタンパク質およびタンパク質の成分のデコンボリューションモデルを用いてＮＭＲスペクトルをデコンボリューションするステップ、
    ０．９０から１．０１ｐｐｍの間の領域内の多重線信号を識別するステップ、ならびに
    前記バイオサンプル中のバリンのレベルを計算するステップ
    を含む方法。
20. ＧｌｙｃＢを測定する方法であって、
    被験者のバイオサンプルのフィッティング領域の合成ＮＭＲスペクトルを電子的に取得するステップ、
    高密度リポタンパク質（ＨＤＬ）成分、低密度リポタンパク質（ＬＤＬ）成分、ＶＬＤＬ（超低密度リポタンパク質）／カイロミクロン成分、および少なくともＧｌｙｃＢのピーク領域に関連する複数のカーブフィット関数を用いた定義されたデコンボリューションモデルを用いて前記合成ＮＭＲスペクトルを電子的にデコンボリューションするステップ、ならびに
    前記カーブフィット関数を用いてＧｌｙｃＢの測定値を電子的に生成するステップ
    を含む方法。