JP2016503301A - 侵攻性前立腺癌の存在または不存在を判定する方法 - Google Patents

Abstract

本発明は全般に、診断マーカーとしての潜在的有用性を有する、さまざまな形態の遺伝子マーカーおよびさまざまな形態のタンパク質の検出および同定に関する。患者の試料中の複数のバイオマーカーおよび遺伝子マーカーのレベルを測定し、得られた値を予め定められた式にしたがって組み合わせることにより、該患者が侵攻性前立腺癌に罹患する可能性を評価することができる。本発明は特に肥満度指数が２５を超える患者に限定して適用することができる。

Description

本発明は全般に、診断マーカーとしての潜在的有用性を有する、さまざまな形態の遺伝子マーカーおよびさまざまな形態のタンパク質の検出および同定に関する。本発明はとりわけ、侵攻性（aggressive）形態の前立腺癌の改善された検出のために、複数の診断マーカーを同時使用することに関する。本発明は特に、肥満度指数（ＢＭＩ）が２５を超える男性における侵攻性前立腺癌の改善された検出のために、複数の診断マーカーを同時使用することに関する。

前立腺癌（ＰＣａ）のスクリーニングおよび早期発見のために、血清前立腺特異抗原（ＰＳＡ）の測定が広く用いられている。EUROPEAN UROLOGY 60(2011)21-28に発表されたMarkus Alyおよび共著者による公開報文“Polygenic Risd Score Improves Prostate Cancer Risk Prediction: Results from the Stockholm-1 Cohort Study”（引用により本書の一部とする）に記載されるように、現在の臨床免疫アッセイにより測定可能な血清ＰＳＡは、遊離「非複合体化」形態（遊離ＰＳＡ）またはα１−抗キモトリプシン（ＡＣＴ）との複合体のいずれかとして主に存在する。血清中の遊離ＰＳＡと総ＰＳＡとの比が、ＰＣａの発見を有意に改善することが示されている。年齢および確認された家族歴のような他のファクターも、ＰＣａの発見をさらに改善し得る。ＰＣａに関連する遺伝子マーカー、とりわけ一塩基多型（ＳＮＰ）の測定は、前立腺癌のスクリーニングおよび早期発見のための新たな手段である。ＰＳＡのようなバイオマーカーおよび患者についての全体的情報との組み合わせにおいて、複数のＰＣａ関連ＳＮＰを解析することにより、複数のＳＮＰの遺伝スコアへの組み込みによってリスク評価を改善することができる。

前立腺癌のスクリーニングおよび早期発見は困難なタスクであり、男性集団の特異的かつ高感度のマッピングに十分良好な単一のバイオマーカーはこれまでにわかっていない。したがって、ＰＣａのスクリーニングおよび早期発見により役立つ方式をつくるために、複数のバイオマーカーレベルを組み合わせることが試みられている。最も一般的な例は通常のＰＳＡ検査であり、これは「遊離」ＰＳＡおよび「総」ＰＳＡの評価である。ＰＳＡは、１つの「非複合体化」形態、およびＰＳＡがα１−抗キモトリプシンと複合体を形成している１つの形態として存在する。他の例は、WO 03100079（METHOD OF ANALYZING PROENZYME FORMS OF PROSTATE SPECIFIC ANTIGEN IN SERUM TO IMPROVE PROSTATE CANCER DETECTION）（引用により本書の一部とする）に記載されるように、遊離ＰＳＡ、総ＰＳＡ、および１種またはそれ以上のプロ酵素形態のＰＳＡの濃度の組み合わせを診断目的で用いることである。ＰＣａのスクリーニングおよび早期発見の改善された性能をもたらしうる、ＰＳＡ濃度およびプロ酵素濃度の１つの可能な組み合わせは、phi指数である。phiは、BJU INt. 2011 Nov 11. doi: 10.1111/j.1464-410X.2011.10751.x.に発表された、Nichol MBおよび共著者による報文“Cost-effectiveness of Prostate Health Index for prostate cancer detection”（引用により本書の一部とする）に開示されるように、ＰＳＡ検査においてボーダーライン（例えばＰＳＡ２〜１０ｎｇ／ｍｌ）でありデジタル直腸検査において疑わしくない男性におけるＰＣａ発見の改善のために、ＰＳＡ、遊離ＰＳＡおよびＰＳＡ前駆形態［−２］プロＰＳＡの組み合わせとして開発された。他の例は、US 2012021925（DIAGNOSTIC ASSAY FOR PROSTATE CANCER USING psp94 and PSA BIOMARKERS）に記載されるような、ｐｓｐ９４およびＰＳＡの組み合わせである。

患者がＰＣａに罹患するかを評価する診断または予測に潜在的に有用な他のバイオマーカーには、Clin Cancer Rees 2009;15(21):OF1-7に発表されたDavid A. Brownおよび共著者による報文“Macrophage Inhibitory Cytokine 1: A New Prognostic Marker in Prostate Cancer”（引用により本書の一部とする）に記載されるように、ＭＩＣ−１がある。

ＰＣａリスクの予測のために、複数の情報源からの情報を１つのアルゴリズムモデルに組み合わせる試みが、これまでに開示されている。Cancer Prev Res (2010),3(5):611-619に発表されたRobert Kleinおよび共著者による公開報文“Blood Biomarker Levels to Aid Discovery of Cancer-Related Single-Nucleotide Polymorphisms: Kallikreins and Prostate Cancer”（引用により本書の一部とする）において、著者は、血中バイオマーカーがどのように新規ＳＮＰの発見に役立つかを論じ、また、予測モデルに遺伝子型およびバイオマーカーレベルの両方を組み込むことに潜在的役割があることを示唆している。さらに、この報文は、遺伝子マーカーおよびバイオマーカーの両方の非加算的組み合わせが、ＰＣａリスク推定の予測に役立ちうることの証拠を示している。後に、特許出願WO 2012031207（引用により本書の一部とする）において、Xuおよび共同発明者が、５αレダクターゼ阻害薬（例えばデュタステリドまたはフィナステリド）による化学予防療法が適当な対象を同定することを主な目的として、遺伝子マーカーを高悪性度度前立腺癌と関連付ける方法を開示した。これら２つの開示には、ＰＣａリスクを推定する目的で、また、高悪性度癌に関しても、遺伝の情報およびバイオマーカー濃度を組み合わせることに関する従来技術の概要が記載されている。

ＰＳＡスクリーニングおよび早期発見の現在のパフォーマンスは、およそ感度８０％および特異度３０％である。現在のスクリーニングでは、約６５％が不要な前立腺生検を受け、臨床的に意義のある前立腺癌の１５〜２０％が見逃されると推定される。米国だけで毎年約百万件の生検が行われ、それにより約１９２０００件の新たな症例の診断がなされている。したがって、診断パフォーマンスが少しでも向上すれば、生検の減少によりヘルスケア費用が大きく削減され、かつ、侵襲的診断処置を受ける人の数が減少することにもなるであろう。

現在の臨床診療（スウェーデンにおける）は、無症候性および早期の前立腺癌の発見のためのバイオマーカーとして総ＰＳＡを用いる。前立腺生検によるさらなる検査を行う一般的カットオフ値は、３ｎｇ／ｍｌである。しかしながら、ＰＳＡスクリーニングの意義が否定的である故に、今日、欧州または北米において推奨される整ったＰＳＡスクリーニングは存在しない。

個体において侵攻性前立腺癌（ａＰＣａ）を正確に同定することは、個体の治療を施すのが早いほど癌治癒の可能性が高いことから、極めて重要である。しかしながら、ａＰＣａの同定は難しく、その理由の一部は、統計モデルを開発するのに、十分な数の症例およびコントロールを提供する、より大規模なコホートが必要であることにある。したがって、ａＰＣａの予測モデルが得られる可能性は低い。しかしながら本発明は、個体のバイオマーカーおよび遺伝プロファイルの解析によりａＰＣａを同定するための予測モデルを提供する。

本発明は、異なる由来の診断マーカーの組み合わせが、母集団におけるａＰＣａ発見能力を改善しうるという発見に基づく。とりわけ、本発明は、肥満度指数（ＢＭＩ）の高い個体においてａＰＣａ発見能力を改善する。これにより、早期に同定される侵攻性癌をより容易に治療できるから、社会にとっての大きな節約となりうる。

したがって、本発明の発見に基づき、本発明の一側面は、個体における侵攻性の前立腺癌（ＰＣａ）の存在または不存在を判定するための、冗長的に設計されたデータ組み合わせに基づく方法であって、下記ステップを含んでなる方法を提供する：
１．前記個体からの少なくとも１つの生物学的サンプルを用意し；
２．前記生物学的サンプルにおいて、
ａ．ＰＣａバイオマーカーのカテゴリーを、該ＰＣａバイオマーカーカテゴリーの複数のＰＣａ関連バイオマーカーのそれぞれの存在または濃度を測定することにより解析し；
ｂ．ＰＣａに関連するＳＮＰ（ＳＮＰｐｃ）のカテゴリーを、該ＳＮＰｐｃカテゴリーの複数のＳＮＰｐｃのそれぞれの存在または不存在を測定することにより解析し；
３．前記ＰＣａバイオマーカーカテゴリーに関するデータを組み合わせて、ＰＣａバイオマーカー関連のＰＣａ発症リスクを表すバイオマーカー複合値を形成し；
４．前記ＳＮＰｐｃカテゴリーに関するデータを組み合わせて、ＳＮＰｐｃ関連のＰＣａ発症リスクを表すＳＮＰｐｃ複合値を形成し、ここで、本方法は、ＳＮＰｐｃ複合値の形成の際、ＳＮＰｐｃカテゴリーのＳＮＰｐｃの少なくとも５％のサブセットの無視を許容し；
５．バイオマーカー複合値およびＳＮＰｐｃ複合値を組み合わせて、総複合値を形成し；
６．前記総複合値を、わかっている侵攻性ＰＣａおよび良性疾患診断のコントロールサンプルを用いて確立された、予め定められたカットオフ値と比較することにより、前記個体における侵攻性ＰＣａの存在または不存在に関連付ける。

本発明の一側面によると、前記方法の１つまたはそれ以上のステップ、通常ステップ３、４、５および／または６は、プロセッサおよびメモリを含むコンピューターにおいて実行されるコンピュータープログラムによってなされる。

前記方法のステップ３は通常、ステップ２ａのデータからバイオマーカー複合値を形成または計算するようプログラムされたコンピューターで行われ；前記方法のステップ４は、ステップ２ｂのデータからＳＮＰｐｃ複合値を形成または計算するようプログラムされたコンピューターで行われ；ステップ５は、ステップ３および４のデータから総複合値を形成または計算するようプログラムされたコンピューターで行われ；および／または前記方法のステップ６は、総複合値を、わかっている侵攻性ＰＣａおよび良性疾患診断のコントロールサンプルを用いて確立された、予め定められたカットオフ値との比較によって、前記個体における侵攻性ＰＣａの存在または不存在に関連付けるようプログラムされたコンピューターで行われる。さらに、本発明は、そのような計算を行い、またはそのような複合値を形成し、および／または前記のような関連付けステップを行う実行可能命令を有する、一時的でない有形の、コンピューターに読み取り可能な記憶媒体に関する。

カットオフ値（またはカットオフレベル）の選択は、疾患リスクそのもの、および疾患を有さない個体を陽性と不正確に診断すること（偽陽性）に関連するリスクを含むがそれに限定されない、多くのファクターに依存する。カットオフ値の選択についてはより詳細に後述する。

本発明の好ましい一態様において、前記方法のステップ２（ａ）は、少なくとも部分的に冗長なＰＣａバイオマーカーの存在または濃度を測定することを含んでなり、ここで、ＰＣａバイオマーカーの少なくとも１つ、例えば２つは、（i）ＰＳＡ、（ii）総ＰＳＡ（ｔＰＳＡ）、（iii）インタクトＰＳＡ（ｉＰＳＡ）、（iv）遊離ＰＳＡ（ｆＰＳＡ）、および（v）ｈＫ２からなる群から選択される。

とりわけ、本発明の方法は、前記バイオマーカー複合値の形成の際、ＰＣａバイオマーカーカテゴリーの前記ＰＣａバイオマーカー（i）〜（v）の少なくとも１つのサブセット、例えば前記ＰＣａバイオマーカー（i）〜（v）の１つ、２つ、３つまたは４つのサブセットの無視を許容する。

さらに、一態様において、前記方法は、ＳＮＰｐｃ複合値の形成の際、ＳＮＰｐｃカテゴリーのＳＮＰｐｃの少なくとも１０％、例えば１５％、例えば２０％、例えば３０％の無視を許容する。

好ましくは、ＰＣａバイオマーカーカテゴリーに関するデータを、予め定められた式にしたがって組み合わせて、前記バイオマーカー複合値を形成し、および／またはＳＮＰｐｃカテゴリーに関するデータを、予め定められた式にしたがって組み合わせて、前記ＳＮＰｐｃ複合値を形成する。また、前記バイオマーカー複合値およびＳＮＰｐｃ複合値を、好ましくは、予め定められた式にしたがって組み合わせて、前記総複合値を形成する。

一態様において、前記方法は、総複合値がカットオフ値を上回る場合に、個体に生検を勧めるステップをさらに含む。

別の一態様において、前記方法は、総複合値がカットオフ値を上回る場合に、個体に、食習慣の変更、体重の減量、ＢＭＩ値３０未満の達成、定期的な運動、および／または禁煙を勧めるステップをさらに含む。

本発明の一態様においては、ＰＣａに関連するＳＮＰ（ＳＮＰｐｃ）は、rs11672691, rs11704416, rs3863641, rs12130132, rs4245739, rs3771570, rs7611694, rs1894292, rs6869841, rs2018334, rs16896742, rs2273669, rs1933488, rs11135910, rs3850699, rs11568818, rs1270884, rs8008270, rs4643253, rs684232, rs11650494, rs7241993, rs6062509, rs1041449, rs2405942, rs12621278, rs9364554, rs10486567, rs6465657, rs2928679, rs6983561, rs16901979, rs16902094, rs12418451, rs4430796, rs11649743, rs2735839, rs9623117, およびrs138213197の少なくとも１つを含む。

一態様において、本発明の方法は、ＰＣａバイオマーカー濃度に関連するＳＮＰ（ＳＮＰｂｍ）のカテゴリーを、少なくとも１つのＳＮＰｂｍの存在または不存在を測定することにより解析し；前記ＳＮＰｂｍに関するデータを組み合わせてＳＮＰｂｍ複合値を形成し：前記ＳＮＰｂｍ複合値を前記総複合値に組み込むことをさらに含む。

一態様において、少なくとも１つのＳＮＰｂｍは、rs3213764, rs1354774, rs1227732, rs2736098, rs401681, rs10788160, rs11067228, rs1363120, rs888663, およびrs1054564の少なくとも１つを含む。

一態様において、本発明の方法は、前記個体の肥満度指数（Body Mass Index）に関連するＳＮＰ（ＳＮＰｂｍｉ）のカテゴリーを、少なくとも１つのＳＮＰｂｍｉの存在または不存在を測定することにより解析し；前記ＳＮＰｂｍｉに関するデータを組み合わせてＳＮＰｂｍｉ複合値を形成し；前記ＳＮＰｂｍｉ複合値を前記総複合値に組み込むことをさらに含む。

一態様において、少なくとも１つのＳＮＰｂｍｉは、rs3817334, rs10767664, rs2241423, rs7359397, rs7190603, rs571312, rs29941, rs2287019, rs2815752, rs713586, rs2867125, rs9816226, rs10938397, およびrs1558902の少なくとも１つを含む。

他の一態様において、本発明の方法は、ＰＣａに関する家族歴、治療歴、および身体データを前記個体から収集することさらに含み、ここで、前記家族歴、治療歴、および／または身体データは、前記総複合値を形成する組み合わせデータに含められる。

さらに別の一態様において、本発明の方法は、付加的なＰＣａバイオマーカーカテゴリーを、該付加的ＰＣａバイオマーカーカテゴリーの複数のＰＣａバイオマーカーの１つまたはそれぞれの存在または濃度を測定することにより解析し；前記付加的ＰＣａバイオマーカーカテゴリーに関するデータを組み合わせて前記付加的ＰＣａバイオマーカーカテゴリーの付加的バイオマーカー複合値を形成し；前記付加的バイオマーカー複合値を前記総複合値に組み込むことをさらに含み；ここで、付加的バイオマーカー複合値を形成するデータの組み合わせは冗長的に設計され、付加的ＰＣａバイオマーカーカテゴリーは１つを超えるＰＣａバイオマーカーを含む。

好ましい態様において、付加的ＰＣａバイオマーカーカテゴリーは、バイオマーカーＭＩＣ−１および場合により他のＭＩＣ−１関連バイオマーカー、またはバイオマーカーＭＳＭＢおよび場合により他のＭＳＭＢ関連バイオマーカーを含む。

他の一態様において、本発明の方法は、上記手順にしたがって、複数の付加的ＰＣａバイオマーカーカテゴリーのそれぞれを解析し、各ＰＣａバイオマーカーカテゴリーについて付加的バイオマーカー複合値を形成することを含んでなる。好ましくは、少なくとも２つの付加的ＰＣａバイオマーカーカテゴリーを解析し、ここで、１つの付加的ＰＣａバイオマーカーカテゴリーはバイオマーカーＭＩＣ−１および場合により他のＭＩＣ−１関連バイオマーカーを含み、他の１つの付加的カテゴリーはバイオマーカーＭＳＭＢおよび場合により他のＭＳＭＢ関連バイオマーカーを含む。

一態様において、生物学的サンプルは血液サンプルである。

本発明の一態様において、総複合値は、ＰＣａバイオマーカー濃度に関連するＳＮＰ（ＳＮＰｂｍ）および対応するＰＣａバイオマーカー濃度の非加算的効果（non-additive effect）を利用する方法を用いて計算される。

本発明の方法の好ましい一態様において、個体は２５を超える、例えば３０を超えるＢＭＩ値を有する。

本発明の方法の一態様において、ＳＮＰの存在または不存在の測定は、ＭＡＬＤＩ質量分析を用いて行われる。

本発明の方法の一態様において、ＰＣａバイオマーカーの存在または不存在の測定は、マイクロアレイ技術を用いて行われる。

本発明の方法の好ましい一態様において、ＳＮＰ（いずれかのＳＮＰカテゴリーに属するもの）の存在または不存在の測定は、該ＳＮＰの対立遺伝子の数を測定することを含んでなる。一態様において、前記個体において、１個または２個の対立遺伝子は、該ＳＮＰの存在に対応し、０個の対立遺伝子は、該ＳＮＰの不存在に対応し；ここで、該ＳＮＰに関し、０個の対立遺伝子は同型接合陰性に対応し、１個の対立遺伝子は異型接合陽性に対応し、２個の対立遺伝子は同型接合陽性に対応する。

一態様において、前記方法は、ＰＣａバイオマーカーの存在または濃度の測定に、ＥＬＩＺＡアッセイ装置、マイクロアレイアッセイ装置、免疫沈降アッセイ装置、免疫蛍光アッセイ装置、放射免疫アッセイ装置、またはマトリックス支援レーザー脱離イオン化（ＭＡＬＤＩ）を用いる質量分析装置を使用することを含んでなる。

前記態様と組み合わせうる一態様において、前記方法は、ＳＮＰの存在または不存在の測定に、マトリックス支援レーザー脱離イオン化（ＭＡＬＤＩ）を用いる質量分析装置を使用することを含んでなる。

本発明の他の一側面は、個体における侵攻性前立腺癌の存在または不存在を判定する前記方法のステップ２ａ（すなわち、少なくとも１つのＰＣａバイオマーカーの存在または濃度の測定）およびステップ２ｂ（すなわち、少なくとも１つのＳＮＰｐｃの存在または不存在の測定）を行うためのアッセイ装置であって、少なくとも２つの異なるカテゴリーのリガンドが固定された固相を含んでなり、
- 前記リガンドの第１のカテゴリーは、ＰＣａバイオマーカーに特異的に結合し、複数のＰＣａバイオマーカー、好ましくはＰＳＡ、ｉＰＳＡ、ｔＰＳＡ、ｆＰＳＡ、ｈＫ２、および場合によりＭＳＭＢおよび／またはＭＩＣ−１の少なくとも１つ、のそれぞれに特異的に結合する複数の異なるリガンドを含み；
- 前記リガンドの第２のカテゴリーは、ＳＮＰｐｃに特異的に結合し、複数の異なるＳＮＰｐｃ、例えばrs11672691, rs11704416, rs3863641, rs12130132, rs4245739, rs3771570, rs7611694, rs1894292, rs6869841, rs2018334, rs16896742, rs2273669, rs1933488, rs11135910, rs3850699, rs11568818, rs1270884, rs8008270, rs4643253, rs684232, rs11650494, rs7241993, rs6062509, rs1041449, または rs2405942, rs12621278, rs9364554, rs10486567, rs6465657, rs2928679, rs6983561, rs16901979, rs16902094, rs12418451, rs4430796, rs11649743, rs2735839, rs9623117 および rs138213197の少なくとも１つ、のそれぞれに特異的に結合する複数の異なるリガンドを含む、
アッセイ装置を提供する。

一態様において、本発明のアッセイ装置は、ＳＮＰｂｍの存在または不存在の測定にさらに適合し、この場合、アッセイ装置の固相には、ＳＮＰｂｍに特異的に結合する第３のカテゴリーのリガンドがさらに固定され、複数の異なるＳＮＰｂｍ、例えばrs1227732, rs3213764, rs1354774, rs2736098, rs401681, rs10788160, rs11067228, rs1363120, rs888663, および rs1054564の少なくとも１つ、の１つまたはそれぞれに特異的に結合する、１つまたは複数の異なるリガンドを含む。

一態様において、本発明のアッセイ装置は、ＳＮＰｂｍｉの存在または不存在の測定に適合し、この場合、固相には、ＳＮＰｂｍｉに特異的に結合する第４のカテゴリーのリガンドがさらに固定され、１つまたは複数の異なるＳＮＰｂｍｉ、例えばrs3817334, rs10767664, rs2241423, rs7359397, rs7190603, rs571312, rs29941, rs2287019, rs2815752, rs713586, rs2867125, rs9816226, rs10938397, および rs1558902の少なくとも１つ、に特異的に結合する、１つまたは複数の異なるリガンドを含む。

一態様において、前記アッセイ装置は、ＰＣａバイオマーカーの存在または濃度の測定のために、ＥＬＩＺＡアッセイ装置、マイクロアレイアッセイ装置、免疫沈降アッセイ装置、免疫蛍光アッセイ装置、放射免疫アッセイ装置、またはマトリックス支援レーザー脱離イオン化（ＭＡＬＤＩ）を用いる質量分析装置を含んでなる。

前記態様と組み合わせうる一態様において、前記アッセイ装置は、ＳＮＰの存在または不存在の測定のために、マトリックス支援レーザー脱離イオン化（ＭＡＬＤＩ）を用いる質量分析装置を含んでなる。

本発明の他の一側面によると、個体における侵攻性前立腺癌の存在または不存在を判定する前記方法のステップ２ａ（すなわち、少なくとも１つのＰＣａバイオマーカーの存在または濃度の測定）およびステップ２ｂ（すなわち、少なくとも１つのＳＮＰｐｃの存在または不存在の測定）を行うための試験キットであって、前記の対応するアッセイ装置、および少なくとも２つのカテゴリーの検出分子を含んでなり、
- 前記検出分子の第１のカテゴリーは、ＰＣａバイオマーカー、好ましくはＰＳＡ、ｉＰＳＡ、ｔＰＳＡ、ｆＰＳＡおよびｈＫ２の少なくとも１つ、および場合によりＭＳＭＢおよび／またはＭＩＣ−１を検出することができ；
- 前記検出分子の第２のカテゴリーは、ＳＮＰｐｃ、例えばrs11672691, rs11704416, rs3863641, rs12130132, rs4245739, rs3771570, rs7611694, rs1894292, rs6869841, rs2018334, rs16896742, rs2273669, rs1933488, rs11135910, rs3850699, rs11568818, rs1270884, rs8008270, rs4643253, rs684232, rs11650494, rs7241993, rs6062509, rs1041449, または rs2405942, rs12621278, rs9364554, rs10486567, rs6465657, rs2928679, rs6983561, rs16901979, rs16902094, rs12418451, rs4430796, rs11649743, rs2735839, rs9623117 および rs138213197の少なくとも１つを検出することができる、
試験キットが提供される。

一態様において、本発明の試験キットは、少なくとも１つのＳＮＰｂｍの存在または不存在の測定にさらに適合したアッセイ装置、およびＳＮＰｂｍ、例えばrs1227732, rs3213764, rs1354774, rs2736098, rs401681, rs10788160, rs11067228, rs1363120, rs888663, および rs1054564の少なくとも１つを検出することができる第３の検出分子カテゴリーを含む。

一態様において、本発明の試験キットは、ＳＮＰｂｍｉの存在または不存在の測定に適合したアッセイ装置、およびＳＮＰｂｍｉ、例えばrs3817334, rs10767664, rs2241423, rs7359397, rs7190603, rs571312, rs29941, rs2287019, rs2815752, rs713586, rs2867125, rs9816226, rs10938397, および rs1558902の少なくとも１つを検出することができる第４の検出分子カテゴリーをさらに含む。

本発明のさらに別の側面は、少なくとも２つの異なるカテゴリーのリガンドが固定された固相を含んでなるアッセイ装置であって、
- 前記リガンドの第１のカテゴリーは、ＰＣａバイオマーカーに特異的に結合し、ＰＳＡ、ｉＰＳＡ、ｔＰＳＡ、ｆＰＳＡおよびｈＫ２の少なくとも１つ、および場合によりＭＳＭＢおよび／またはＭＩＣ−１から選択される複数の異なるＰＣａバイオマーカーのそれぞれに特異的に結合する複数の異なるリガンドを含み；
- 前記リガンドの第２のカテゴリーは、ＳＮＰｐｃに特異的に結合し、rs11672691, rs11704416, rs3863641, rs12130132, rs4245739, rs3771570, rs7611694, rs1894292, rs6869841, rs2018334, rs16896742, rs2273669, rs1933488, rs11135910, rs3850699, rs11568818, rs1270884, rs8008270, rs4643253, rs684232, rs11650494, rs7241993, rs6062509, rs1041449, または rs2405942, rs12621278, rs9364554, rs10486567, rs6465657, rs2928679, rs6983561, rs16901979, rs16902094, rs12418451, rs4430796, rs11649743, rs2735839, rs9623117 および rs138213197の少なくとも１つから選択される複数の異なるＳＮＰｐｃのそれぞれに特異的に結合する複数の異なるリガンドを含む、
アッセイ装置を提供する。

本発明のアッセイ装置の一態様において、固相には、rs1227732, rs3213764, rs1354774, rs2736098, rs401681, rs10788160, rs11067228, rs1363120, rs888663, および rs1054564の少なくとも１つから選択される複数の異なるＳＮＰｂｍの１つまたはそれぞれに特異的に結合する１つまたは複数の異なるリガンドを含む、ＳＮＰｂｍに特異的に結合する第３のリガンドカテゴリーがさらに固定される。

本発明のアッセイ装置のさらなる一態様において、固相には、rs3817334, rs10767664, rs2241423, rs7359397, rs7190603, rs571312, rs29941, rs2287019, rs2815752, rs713586, rs2867125, rs9816226, rs10938397, および rs1558902の少なくとも１つから選択される複数の異なるＳＮＰｂｍｉの１つまたはそれぞれに特異的に結合する１つまたは複数の異なるリガンドを含む、ＳＮＰｂｍｉに特異的に結合する第４のリガンドカテゴリーがさらに固定される。

本発明のさらに別の一側面は、個体における侵攻性前立腺癌の存在または不存在を判定する前記方法の、少なくともステップ３（すなわち、前記ＰＣａバイオマーカーカテゴリーに関するデータを組み合わせてバイオマーカー複合値を形成すること）、ステップ４（すなわち、前記ＳＮＰｐｃカテゴリーに関するデータを組み合わせてＳＮＰｐｃ複合値を形成すること）、ステップ５（すなわち、バイオマーカー複合値およびＳＮＰｐｃ複合値を組み合わせて総複合値を形成すること）、および／またはステップ６（前記総複合値を、わかっている侵攻性ＰＣａおよび良性疾患診断のコントロールサンプルを用いて確立された、予め定められたカットオフ値と比較することにより、前記個体における侵攻性ＰＣａの存在または不存在に関連付けること）、例えば前記方法のステップ１（すなわち、前記個体からの少なくとも１つの生物学的サンプルを用意すること）、ステップ２（前記生物学的サンプルにおいて、複数のＰＣａバイオマーカーのそれぞれの存在または濃度を測定することによりＰＣａバイオマーカーカテゴリーを解析し、複数のＳＮＰｐｃのそれぞれの存在または不存在を測定することによりＳＮＰｐｃカテゴリーを解析すること）、ステップ３、４、５および６を行うためのソフトウェアコード手段を含んでなる、デジタルコンピューターの内部メモリに直接ロード可能なコンピュータープログラムを提供する。

一態様において、本発明のコンピュータープログラムは、少なくとも１つのＳＮＰｂｍの存在または不存在の測定によりＳＮＰｂｍカテゴリーを解析するためのソフトウェアコード手段をさらに含む。

他の一態様において、本発明のコンピュータープログラムは、少なくとも１つのＳＮＰｂｍｉの存在または不存在の測定によりＳＮＰｂｍｉカテゴリーを解析するためのソフトウェアコード手段をさらに含む。

本発明のさらなる側面は、前記アッセイ装置および前記の対応するコンピュータープログラムを含んでなる装置を提供する。

図１は、実施例１の線形モデルのＲＯＣ曲線を示し、ａＰＣａ予測におけるＰＳＡ（１０１）と多重パラメータモデル（１０２）とのパフォーマンスの相異を説明するものである。 図２は、対象に生検を勧告すべきかを判定する決定木の例を示す。 図３は、実施例１の線形モデルのＲＯＣ曲線を示し、ＢＭＩ値が２５を超える個体におけるａＰＣａ予測におけるＰＳＡ（３０１）と多重パラメータモデル（３０２）とのパフォーマンスの相異を説明するものである。

本願の目的のため、および明確化のために、下記の定義を行う：
用語「ＰＳＡ」は、血清前立腺特異抗原全般をさす。ＰＳＡはさまざまな形態で存在し、用語「遊離ＰＳＡ」は、別の分子に未結合または別の分子に結合していないＰＳＡをさし、用語「結合ＰＳＡ」は、別の分子に結合または別の分子と複合体形成しているＰＳＡをさし、用語「総ＰＳＡ」は、遊離ＰＳＡおよび結合（複合体化）ＰＳＡの総体をさす。用語「Ｆ／Ｔ ＰＳＡ」は、未結合のＰＳＡと総ＰＳＡとの比である。ＰＳＡの分子誘導体も存在し、用語「プロＰＳＡ」は、ＰＳＡの前駆不活性形態をさし、「インタクトＰＳＡ」は、インタクトおよび不活性で見られるプロＰＳＡのさらなる形態をさす。

用語「診断アッセイ」は、病的状態の存在または性質の検出をさす。これは、「診断方法」と互換的に用いられうる。診断アッセイによって感度および特異度が異なる。

診断ツールの有用性の１つの評価基準は、「受信者動作特性曲線下面積」で、これは一般にＲＯＣ−ＡＵＣ統計学として知られる。この広く受け入れられている評価基準は、該ツールの感度および特異度の両方を考慮する。ＲＯＣ−ＡＵＣ評価基準の値は、通常、０．５〜１．０の範囲であり、ここで、０．５の値はツールに診断価値が無いことを意味し、１．０の値はツールが１００％の感度および１００％の特異度を有することを意味する。

用語「感度」は、ＰＣａを有する全ての対象の、そのように正しく判定される割合を意味する（真陽性数を真陽性および偽陰性の合計数で除したものに等しい）。

用語「特異度」は、ＰＣａに関し健康な（すなわちＰＣａを有さない）全ての対象の、そのように正しく判定される割合を意味する（真陰性数を真陰性および偽陽性の合計数で除したものに等しい）。

用語「バイオマーカー」は、例えば診断目的で、生物学的マーカーとして用いうるタンパク質、タンパク質の一部、ペプチドまたはポリペプチドを意味する。

用語「カリクレイン様バイオマーカー」は、カリクレインファミリーのタンパク質に属するかまたはそれに関連するタンパク質バイオマーカーを意味し、それには、遊離形態または複合体化形態の前立腺特異抗原（ＰＳＡ）、プロＰＳＡ（一群のＰＳＡアイソフォーム）、特に欠失型（−２）プロＰＳＡ、インタクトＰＳＡ、ヒトプロスタン酸ホスファターゼ（ＰＡＰ）、およびヒトカリクレイン２（本願において、ｈＫ２またはＨＫ２またはｈｋ２と略される）が包含されるが、それに限定されない。

用語「一塩基多型」（ＳＮＰ）は、個体の遺伝コードにおける定められた遺伝子座の遺伝的特性を意味する。ＳＮＰは、ＰＣａの増大したリスクに関連付けることができ、したがって、個体の診断評価または予後評価のために用いることができる。一塩基多型データベース（ｄｂＳＮＰ）は、いずれも米国にある全米バイオテクノロジー情報センター（ＮＣＢＩ）と米国国立ヒトゲノム研究所（ＮＨＧＲＩ）とが共同で開発および提供する、異なる種内および種間の遺伝的多様性のアーカイブである。このデータベースの名称は１つのクラスの多形のみ（すなわち一塩基多型（ＳＮＰ））のコレクションを意味するが、実際には、ある範囲の分子変異を含んでいる。それぞれ唯一の提示ＳＮＰ記録毎に、参照ＳＮＰ ＩＤ番号（「ｒｓ＃」；「ｒｅｆＳＮＰクラスター」）が付与される。本願においては、ＳＮＰは主にｒｓ＃番号を用いて特定される。したがって、本願においては、ＳＮＰは、一塩基多型だけではなく、ｄｂＳＮＰに含まれる範囲の分子変異をさす用語として用いられる。本願の目的のために、用語「ＳＮＰ」および「ＳＮＰｓ」は、互換的に使用し得、単数および／または複数の「一塩基多型」を記載するために使用しうる。

用語「肥満度指数」（ＢＭＩ）は、式：ＢＭＩ＝体重／（身長＊身長）［式中、体重はキログラムで表される個体の体重であり、身長はメートルで表される個体の身長である］に従う、個体の体重および身長に基づくヒト体脂肪のヒューリスティックな代用値を意味する。正常な健康的ＢＭＩ値は通常、１８．５〜２５の範囲内にあると考えられ、ＢＭＩ＞３０の個体は通常、肥満とみなされる。

用語「侵攻性（aggressive）前立腺癌」（ａＰＣａ）は、平均的な前立腺癌疾患よりも重篤な状態を意味する。ａＰＣａは、さまざまに定義することができ、それには次のものが含まれるが、それに限定されない：（ａ）グリソンスコアが７またはそれ以上の前立腺癌、（ｂ）腫瘍ステージが３またはそれ以上の前立腺癌、（ｃ）ＰＳＡ値が１０ｎｇ／ｍｌを超える個体における前立腺癌、（ｄ）ＰＳＡ値の増加している個体（倍加時間が１年未満）、（ｅ）コンピューター画像解析（例えば、ポジトロン放出断層撮影（ＰＥＴ）または単一光子放出型コンピューター断層撮影（ＳＰＥＣＴ）またはＸ線コンピューター断層撮影（ＣＴ）または磁気共鳴断層撮影（ＭＲＩ）または超音波撮影または任意の他のコンピューター画像解析）により示される腫瘍サイズが、患者集団の上位４分の１に入ること。

用語「病歴」は、何らかの癌疾患のための過去の検査、診断および／または治療に関する情報を意味する。病歴の一例は、対象が過去に前立腺生検によるＰＣａ存在の検査を受けたことがあるか、であるが、これに限定されない。

用語「パラメータカテゴリー」は、関連パラメータの群またはファミリー、例えば関連バイオマーカーまたは関連ＳＮＰの群またはファミリー（予測パフォーマンスに関して部分的にまたは全体的に冗長である）を意味する。パラメータカテゴリーの一例は、「カリクレイン様バイオマーカー」であり、これは、例えばＰＳＡ、総ＰＳＡ（ｔＰＳＡ）、インタクトＰＳＡ（ｉＰＳＡ）、遊離ＰＳＡ（ｆＰＳＡ）およびｈｋ２を含むカテゴリーである。パラメータカテゴリーの他の例は、「ＢＭＩに関連するＳＮＰ」であり、これは、個体のＢＭＩに関連するＳＮＰを含むカテゴリーである。本発明の予測モデルにおいては、各カテゴリーが、そのメンバーのサブセットしか用いられなくても予測モデルにおいて意味を持つように、各カテゴリーのメンバーのサブセットについての測定結果（データ）を持つことが十分でありうる。本願において用語「パラメータカテゴリー」はしばしば、単に「カテゴリー」と称される。

用語「複合値」は、パラメータカテゴリーに関するデータの、該パラメータカテゴリーの代表値への組み合わせを意味する。データの組み合わせは典型的には、１つまたはそれ以上の予め定められた式にしたがって行うことができる。複合値は、１つまたはそれ以上の予め定められた式にしたがうデータ組み合わせのアウトプットである。パラメータカテゴリーのメンバーのどのサブセットについてデータが利用可能であるかに応じて、異なる測定結果（すなわち、データ）に異なる式を適用できる。あるパラメータカテゴリーの複合値を形成する方法の一例は、そのカテゴリーのメンバーについて利用可能な結果の平均を用いることであるが、それに限定されない。本願において、用語「複合値」はしばしば、「スコア」と称される。複合値の一例は、「バイオマーカー複合値」であるが、それに限定されない。複合値の他の非限定的な例は、「遺伝複合値」（または「遺伝スコア」）、より具体的には「ＳＮＰ複合値」である。

用語「冗長的に設計されたデータ組み合わせ」は、１つまたはそれ以上のパラメータカテゴリーまたはそのサブセットについて複合値を形成するのに、複数の測定により得られたデータを組み合わせることであって、データの組み合わせが、１つのパラメータカテゴリーを代表する複合値が該カテゴリーのデータのサブセット（例えばいくつかのデータが欠けているかまたは誤っている場合）または該カテゴリーのデータのフルセットのいずれかに基づいて得られるように行われることを意味する。

本願において用いられる用語「複数」は、「２またはそれ以上」を意味する。

本発明は、対象における侵攻性前立腺癌の存在または不存在を判定、推定、発見および／または決定するのに役立つ診断方法を提供する。本発明は所望により、定められた部分母集団内における本発明のパフォーマンスおよび有用性を高めるために、その部分母集団に合わせて調整することができる。本発明は、男性個体の母集団に適用しうるが、定められた部分母集団に対し高められたパフォーマンスでａＰＣａを発見するための診断方法を構成することが可能である。定められた部分母集団の非限定的な一例は、肥満度指数（ＢＭＩ）の高い個体群、例えばＢＭＩ＞２５またはＢＭＩ＞３０またはＢＭＩ＞３５の個体群である。定められた部分母集団の他の非限定的な例は、ＰＳＡ値の低い個体、例えばＰＳＡ＜４ｎｇ／ｍｌまたはＰＳＡ＜３ｎｇ／ｍｌまたはＰＳＡ＜２ｎｇ／ｍｌまたはＰＳＡ＜１ｎｇ／ｍｌの個体群である。

本発明の基本原理は、個体について評価された情報の組み合わせ使用が診断の質を改善するような方法で、バイオマーカーおよび遺伝の情報の組み合わせを用いることである。

・前記患者からＰＣａに関する家族歴（カテゴリー ＨＩＳＴ）を収集すること。
・体重、ＢＭＩ、年齢などの患者身体データ（カテゴリー ＰＰＤ）を収集すること。
・前記患者からいくつかの生物学的サンプルを入手すること。
・前記生物学的サンプルにおいて、複数の定められたバイオマーカー（カテゴリー バイオマーカー）の存在または濃度を測定または定量し、次いで、該バイオマーカーに関するデータを組み合わせてバイオマーカー複合値を形成すること。
・前記生物学的サンプルにおいて、ＰＣａに関連する複数の定められたＳＮＰ（ＳＮＰｐｃ）の存在または不存在を測定または定量することにより、ＰＣａに関連する複数の定められたＳＮＰに関する前記患者の遺伝状態（カテゴリー ＳＮＰｐｃ）を測定または定量し、次いで、ＰＣａに関連するＳＮＰに関して得られたデータを組み合わせてＳＮＰｐｃ複合値を形成すること。
・前記生物学的サンプルにおいて、バイオマーカー発現レベルまたはバイオマーカー濃度に関連する複数の定められたＳＮＰ（ＳＮＰｂｍ）の存在または不存在を測定または定量することにより、バイオマーカー発現レベルまたはバイオマーカー濃度に関連する複数の定められたＳＮＰに関する前記患者の遺伝状態（カテゴリー ＳＮＰｂｍ）を測定または定量し、ＳＮＰｂｍ複合値を形成すること。
・前記生物学的サンプルにおいて、肥満度指数（ＢＭＩ）に関連する複数の定められたＳＮＰ（ＳＮＰｂｍｉ）の存在または不存在を測定または定量することにより、ＢＭＩに関連する複数の定められたＳＮＰに関する前記患者の遺伝状態（カテゴリー ＳＮＰｂｍｉ）を測定または定量し、ＳＮＰｂｍｉ複合値を形成すること。
・前記カテゴリーの少なくとも２つからのデータを組み合わせて、早期侵攻性前立腺癌の発見に使用するための総複合値を形成すること。
・前記総複合値を、単独で、またはさらなるデータと組み合わせて用いることにより、患者がａＰＣａに罹患する可能性があるかを決定すること。

より詳細には、家族歴の収集を含むステップは、ＰＣａに罹患するかまたは罹患したことがある近親男性（例えば患者の父親、兄弟または息子）がいるかの特定を包含するが、それに限定されない。

患者に関する身体情報は通常、年齢、体重、身長、ＢＭＩ等の身体データを収集する標準的な身体検査により得られる。

患者から採取される生物学的サンプルは、血漿、血清、末梢血白血球からのＤＮＡ、および尿を包含するが、それに限定されない。

生物学的サンプル中のバイオマーカーの存在または濃度の定量は、さまざまな方法で行うことができる。一般的な方法の１つは、選択されたバイオマーカーの存在および濃度（可能な場合）を調べるのに抗体および検量線を用いる、酵素結合免疫吸着アッセイ（ＥＬＩＳＡ）の使用である。ＥＬＩＳＡアッセイは、Biomarkers. 2011 Sep;16(6):498-503に発表されたShiiki Nおよび共著者による“Association between saliva PSA and serum PSA in conditions with prostate adenocarcinoma.”（引用により本書の一部とする）に記載されるように、当分野で一般的であり知られている。別の一般的な方法は、生物学的サンプル中のバイオマーカーの存在または濃度の定量のためのマイクロアレイアッセイの使用である。マイクロアレイアッセイは通常、それぞれが１種のバイオマーカーを特異的に捕捉するように選択された複数の異なる捕捉試薬（通常は抗体）が、片面の重ならない領域に固定された平らなスライドグラスを含む。生物学的サンプルを、前記捕捉試薬が配置された領域に、定められた時間にわたり接触させた後、捕捉試薬領域を洗浄する。この時点で、検出しようとするバイオマーカーが生物学的サンプル中に存在した場合には、対応する捕捉試薬はそのバイオマーカーのフラクションを捕捉しており、洗浄後もスライドグラス上に固定維持するであろう。その後、一連の検出試薬を捕捉試薬領域（すでにバイオマーカーを潜在的に結合している）に添加する。検出試薬は、（ｉ）スライドグラス上に存在するバイオマーカーに結合すること、および（ｉｉ）（通常、蛍光色素との結合によって）検出可能なシグナルを発することができる。通常、バイオマーカー毎に１つの検出試薬をスライドグラスに添加する必要がある。バイオマーカーの存在または濃度を定量することのできる方法は他にも多数あり、例としては免疫沈降アッセイ、免疫蛍光アッセイ、放射免疫アッセイ、およびマトリックス支援レーザー脱離イオン化（ＭＡＬＤＩ）を用いる質量分析法が挙げられるが、それに限定されない。

生物学的サンプルの分析によるＳＮＰ存在の定量には、通常、対立遺伝子特異的プライマー伸長に基づくＭＡＬＤＩ質量分析を用いるが、他の方法も同等に適用できる。これは、いずれのタイプのＳＮＰにも適用され、すなわち、ＰＣａに関連するＳＮＰ（ＳＮＰｐｃ）、ＢＭＩに関連するＳＮＰ（ＳＮＰｂｍｉ）およびバイオマーカー発現／濃度に関連するＳＮＰ（ＳＮＰｂｍ）のいずれにも適用される。

データの組み合わせは、結果の何らかの種類のアルゴリズム的組み合わせ、例えばデータの線形結合であり得、ここで、該線形結合は診断パフォーマンスを改善する（例えばＲＯＣ−ＡＵＣを用いて評価される）。他の可能な組み合わせは、非線形多項関係を包含する。

ａＰＣａ診断に適当なバイオマーカーは、遊離形態または複合体化形態の前立腺特異抗原（ＰＳＡ）、プロＰＳＡ（一群のＰＳＡアイソフォーム）、特に欠失型（−２）プロＰＳＡ、インタクトＰＳＡ、ヒトプロスタン酸ホスファターゼ（ＰＡＰ）、ヒトカリクレイン２（ｈＫ２）、早期前立腺癌抗原（early prostate cancer antigen（ＥＰＣＡ））、前立腺分泌タンパク質（ＰＳＰ９４；beta-microseminoproteinおよびＭＳＭＢとしても知られる）、グルタチオンＳ−トランスフェラーゼπ（ＧＳＴＰ１）、およびα−メチルアシルＣｏＡラセマーゼ（ＡＭＡＣＲ）を包含するが、それに限定されない。本発明の方法の診断精度を向上するのに有用でありうる関連バイオマーカーには、マクロファージ抑制サイトカイン１（Macrophage Inhibitory Cytokine 1）（ＭＩＣ−１；ＧＤＦ−１５としても知られる）がある。

ＰＣａに関連する適当なＳＮＰは、rs12621278 (2番染色体、遺伝子座 2q31.1)、rs9364554 (6番染色体、遺伝子座 6q25.3)、rs10486567 (7番染色体、遺伝子座 7p15.2) 、rs6465657 (7番染色体、遺伝子座 7q21.3) 、rs2928679 (8番染色体、遺伝子座 8p21)、rs6983561 (8番染色体、遺伝子座 8q24.21)、rs16901979 (8番染色体、遺伝子座 8q24.21)、rs16902094 (8番染色体、遺伝子座 8q24.21)、rs12418451 (11番染色体、遺伝子座 11q13.2)、rs4430796 (17番染色体、遺伝子座 17q12)、rs11649743 (17番染色体、遺伝子座 17q12)、rs2735839 (19番染色体、遺伝子座 19q13.33)、rs9623117 (22番染色体、遺伝子座 22q13.1)、およびrs138213197 (17番染色体、遺伝子座 17q21)を包含するが、それに限定されない。

ＰＣａに関連する適当なＳＮＰは、さらに、rs11672691, rs11704416, rs3863641, rs12130132, rs4245739, rs3771570, rs7611694, rs1894292, rs6869841, rs2018334, rs16896742, rs2273669, rs1933488, rs11135910, rs3850699, rs11568818, rs1270884, rs8008270, rs4643253, rs684232, rs11650494, rs7241993, rs6062509, rs1041449, およびrs2405942を包含するが、それに限定されない。

ＰＣａに関連する適当なＳＮＰは、さらに、N Engl J Med. 2012 Jan 12;366(2):141-9に発表されたEwing CM および共著者による報文“Germline mutations in HOXB13 and prostate-cancer risk.”（引用により本書の一部とする）に記載されるrs138213197、Cancer Res. 2004 Apr 15;64(8):2677-9 に発表されたCybulski C および共著者による報文“A novel founder CHEK2 mutation is associated with increased prostate cancer risk.”（引用により本書の一部とする）に記載される1100delC (22q12.1) および I157T (22q12.1)、ならびにCancer Res. 2004 Feb 15;64(4):1215-9に発表されたCybulski C および共著者による報文“NBS1 is a prostate cancer susceptibility gene”（引用により本書の一部とする）に記載される657del5 (8q21)を包含するが、それに限定されない。

ＰＣａに関連するＳＮＰを含むパラメータカテゴリーを「ＰＣａに関連するＳＮＰ」と定義することが可能である。適当なメンバーは、上記に挙げたＳＮＰを包含する（ただし、それに限定されない）。このカテゴリーのメンバーのサブセットは、予測モデルにおいて、該カテゴリーを代表するのに十分でありうる。

ＰＣａ以外のプロセスに関連する適当なＳＮＰは、いずれもＰＳＡの発現レベルに関連するrs3213764、rs1354774、rs2736098、rs401681、rs10788160、rs11067228を包含するが、それに限定されない。ＰＳＡの濃度または発現レベルに関連するＳＮＰを含むパラメータカテゴリーを、「ＰＳＡ濃度に関連するＳＮＰ」または「ＰＳＡ発現レベルに関連するＳＮＰ」と定義することが可能である。このカテゴリーのメンバーのサブセットは、予測モデルにおいて、該カテゴリーを代表するのに十分でありうる。ＳＮＰ rs3213764およびrs1354774は、遊離ＰＳＡの発現レベルに特に関連する。

ＰＣａ以外のプロセスに関連する適当なＳＮＰはさらに、いずれも炎症性サイトカインバイオマーカーＭＩＣ１の発現レベルに関連するrs1363120、rs888663、rs1227732、rs1054564を包含するが、それに限定されない。ＭＩＣ１の濃度または発現レベルに関連するＳＮＰを含むパラメータカテゴリーを、「ＭＩＣ１濃度に関連するＳＮＰ」または「ＭＩＣ１発現レベルに関連するＳＮＰ」と定義することが可能である。このカテゴリーのメンバーのサブセットは、予測モデルにおいて、該カテゴリーを代表するのに十分でありうる。

ＰＣａ関連のバイオマーカー、例えば遊離形態または複合体化形態の前立腺特異抗原（ＰＳＡ）、プロＰＳＡ（一群のＰＳＡアイソフォーム）、特に欠失型（−２）プロＰＳＡ、インタクトＰＳＡ、ヒトプロスタン酸ホスファターゼ（ＰＡＰ）、ヒトカリクレイン２（ｈＫ２）、早期前立腺癌抗原（early prostate cancer antigen（ＥＰＣＡ））、前立腺分泌タンパク質（ＰＳＰ９４；beta-microseminoproteinおよびＭＳＭＢとしても知られる）、グルタチオンＳ−トランスフェラーゼπ（ＧＳＴＰ１）、α−メチルアシルＣｏＡラセマーゼ（ＡＭＡＣＲ）、およびマクロファージ抑制サイトカイン１（Macrophage Inhibitory Cytokine 1）（ＭＩＣ−１；ＧＤＦ−１５としても知られる）の濃度または発現レベルに関連するＳＮＰを含むパラメータカテゴリーを、「ＰＣａバイオマーカー濃度に関連するＳＮＰ」または「ＰＣａバイオマーカー発現レベルに関連するＳＮＰ」と定義することが可能である。このカテゴリーのメンバーのサブセットは、予測モデルにおいて、該カテゴリーを代表するのに十分でありうる。

ＰＣａ以外のプロセスに関連する適当なＳＮＰは、いずれも個体のＢＭＩに関連するrs3817334、rs10767664、rs2241423、rs7359397、rs7190603、rs571312、rs29941、rs2287019、rs2815752、rs713586、rs2867125、rs9816226、rs10938397およびrs1558902をさらに包含するが、それに限定されない。ＢＭＩに関連する他の適当なＳＮＰは、PLoS One. 2013 Aug 7;8(8):e70735に発表されたMaegiおよび共著者による報文“Contribution of 32 GWAS-identified common variants to severe obesity in European adults referred for bariatric surgery”（引用により本書の一部とする）に開示されている。個体のＢＭＩに関連するＳＮＰを含むパラメータカテゴリーを、「ＢＭＩに関連するＳＮＰ」と定義することが可能である。このカテゴリーのメンバーのサブセットは、予測モデルにおいて、該カテゴリーを代表するのに十分でありうる。

対象における侵攻性前立腺癌の存在または不存在の評価において使用するのに好ましいＳＮＰのコレクションは、rs582598, rs439378, rs2207790, rs1046011, rs10458360, rs7525167, rs10489871, rs7529518, rs4245739, rs4512641, rs10178804, rs11900952, rs1873555, rs10191478, rs6755901, rs6545962, rs721048, rs2710647, rs12612891, rs2028900, rs1009, rs12233245, rs6760417, rs10496470, rs10199796, rs12475433, rs16860513, rs12151618, rs3765065, rs13017302, rs12988652, rs871688, rs749264, rs3771570, rs4346531, rs6770955, rs12637074, rs2660753, rs13319878, rs6437715, rs2162185, rs1515542, rs2270785, rs9830294, rs1439024, rs6762443, rs888507, rs6794467, rs12490248, rs1477886, rs4833103, rs3796547, rs17779822, rs2366711, rs16849146, rs1894292, rs12640320, rs3805284, rs12500426, rs4699312, rs17021918, rs7679673, rs2047408, rs2647262, rs12506850, rs7658048, rs2078277, rs12505546, rs13113975, rs4246742, rs2736098, rs401681, rs11134144, rs10060513, rs40485, rs2087724, rs1482679, rs16901841, rs1295683, rs2070874, rs7752029, rs2018334, rs9358913, rs1140809, rs409558, rs3096702, rs9267911, rs2025645, rs9359428, rs6569371, rs2813532, rs1933488, rs712242, rs6934898, rs9456490, rs651164, rs3120137, rs9364554, rs9457937, rs10486562, rs10807843, rs7801918, rs6962297, rs2465796, rs6957416, rs7777631, rs2272316, rs6961773, rs2132276, rs13265330, rs16887736, rs2911756, rs2272668, rs2339654, rs1380862, rs9297746, rs12543663, rs10086908, rs16901922, rs1016343, rs17832285, rs16901979, rs4871779, rs10107982, rs16902094, rs620861, rs17467139, rs6983267, rs9297756, rs10094059, rs7818556, rs1992833, rs986472, rs12552397, rs4273907, rs4237185, rs753032, rs11253002, rs2386841, rs10795841, rs10508422, rs7075945, rs10508678, rs539357, rs10826398, rs3818714, rs7090755, rs10993994, rs4382847, rs1891158, rs10887926, rs10788160, rs6579002, rs10832514, rs7358335, rs1944047, rs3019779, rs10896437, rs12793759, rs7106762, rs7102758, rs2449600, rs585197, rs2509867, rs11568818, rs7125415, rs11601037, rs11222496, rs4570588, rs6489721, rs3213764, rs17395631, rs4423250, rs11168936, rs10875943, rs3759129, rs902774, rs1827611, rs4760442, rs11610799, rs6539333, rs11067228, rs7485441, rs6489794, rs4119478, rs17070292, rs2293710, rs17256058, rs1950198, rs2331780, rs7141529, rs12880777, rs17123359, rs785437, rs524908, rs12903579, rs7178085, rs7164364, rs896615, rs11634741, rs9972541, rs12594014, rs11631109, rs1558902, rs8044335, rs2738571, rs885479, rs385894, rs684232, rs4925094, rs17138478, rs11649743, rs2107131, rs7213769, rs12946864, rs306801, rs138213197, rs1863610, rs17224342, rs9911515, rs12947919, rs966304, rs17744022, rs7234917, rs1943821, rs2227270, rs1363120, rs888663, rs1227732, rs1054564, rs4806120, rs11672691, rs758643, rs3745233, rs6509345, rs2659051, rs2735839, rs1354774, rs2691274, rs6090461, rs2297434, rs6062509, rs2315654, rs2823118, rs2838053, rs398146, rs16988279, rs2269640, rs4822763, rs132774, rs747745, rs5978944, rs6530238, rs5934705, rs5935063, rs4830488, rs17318620, rs5945619, rs5945637, rs11091768, rs2473057, rs5918762, rs4844228, rs6625760 および rs17324573である。この完全なリストを用いることが好ましいが、このリストのサブセットを、対象における侵攻性前立腺癌の存在または不存在の評価に用いることが適当である。このリスト中のＳＮＰ（このリストのＳＮＰ全て、またはこのリストのＳＮＰの約９５％もしくは９０％もしくは８５％もしくは８０％もしくは７５％もしくは７０％を含むサブセット）を、適当な分析装置において同時検出のために同一の固体支持材、例えば同一のスライドグラス上に付けることができる。

すでに議論されているように、ＰＣａスクリーニング効率のパフォーマンスを評価することは難しい。ＲＯＣ−ＡＵＣ特性はパフォーマンスに関する知見をいくらか提供するが、さらなる方法が望まれる。ＰＣａスクリーニングのパフォーマンス評価のための他の一方法は、ある特定の感度レベルにおける生検陽性の割合を計算して、ＰＳＡのみを用いるスクリーニングのパフォーマンスと新規スクリーニング方法のパフォーマンスとを比較することである。しかしながら、そのためには、ＰＳＡのパフォーマンスを正確に定義する必要がある。

ＰＳＡスクリーニングの評価パフォーマンスの一例が、J Natl Cancer Inst. 2006 Apr 19;98(8):529-34に発表されたIM Thompsonおよび共著者による報文“Assessing prostate cancer risk: results from the Prostate Cancer Prevention Trial.”（引用により本書の一部とする）に開示されている。この報文においては、前立腺癌予防試験（Prostate Cancer Prevention Trial）（ＰＣＰＴ）に参加した男性の前立腺生検データが、ＰＳＡの感度の決定に用いられた。全部で、前立腺生検を受け、生検前１年間の間に実施された少なくとも１つのＰＳＡ測定およびデジタル直腸検査（ＤＲＥ）を受け、前立腺生検前３年間の間に実施された少なくとも２つのＰＳＡ測定を受けた、ＰＣＰＴのプラセボ群からの５５１９人の男性が含まれた。この報文は、３ｎｇ／ｍｌのＰＳＡ値をカットオフ値として用いた場合、高悪性度癌（すなわちグリソンスコア７またはそれ以上の癌）の約４１％が見落とされうると記載している。

同じ調査対象母集団を用いた別の解析が、JAMA. 2005 Jul 6;294(1):66-70に発表されたIM Thompsonおよび共著者による“Operating characteristics of prostate-specific antigen in men with an initial PSA level of 3.0 ng/ml or lower”（引用により本書の一部とする）に記載されている。この報文において著者は、グリソン７＋およびグリソン８＋の全ての前立腺癌についてＰＳＡの感度および特異度の評価を示している。生検へのＰＳＡカットオフ値として３．１ｎｇ／ｍｌを用いた場合、グリソン７＋の腫瘍について感度５６．７％および特異度８２．３％と評価された。この報文において著者は、健常男性の前立腺癌モニタリングのために高感度および高特異度が保証されるＰＳＡのカットポイントは存在せず、すべてのＰＳＡ値において前立腺癌リスクが連続体で存在する（a continuum of prostate cancer risk）と結論付けた。これは、ＰＳＡと前立腺癌との関連は認められるが、ＰＳＡをスクリーニング試験とすることが難しいことを説明する。

ＰＣａスクリーニングにおけるある特定の診断または予測モデルの予測パフォーマンスを正確かつ比較可能に評価するのが困難であることの必然的結果は、ＰＳＡのみの使用と比較した新規方法の相対的改良を計算する際、計算される相対的改良が多くのファクターに依存して変動しうるということである。計算される相対的改良に影響する１つの重要なファクターは、コントロール群（すなわち陰性とわかっているもの）をどのように得るかということである。ＰＣａの兆候のない対象に生検を行うのは非倫理的であるから、コントロール群の選択にはバイアスが伴いうる。すなわち、新規方法の相対的改良は、どのようにコントロール群が選択されたかに依存し得、コントロール群の選択には複数の公正（fair）な方法が知られている。したがって、報告される改良評価は、そのようなバリアンスを考慮して見なければならない。我々の経験では、診断アッセイについて、既知の公正なコントロール群選択方法の１つを用いてＰＳＡ値単独と比較して新規方法の相対的改良が１５％であると報告される場合、該新規方法は、別の既知の公正なコントロール群選択方法を用いるＰＳＡ値単独との比較としての改良が少なくとも１０％でありうると見る。

社会で広く用いられるようになるためには、スクリーンのパフォーマンスは、健康に関する妥当な経済的利点をもたらすものでなければならない。大まかに見積もって、ＰＳＡと比較して同一感度レベル（すなわち、母集団中に同数の前立腺癌を検出する）でパフォーマンスが約１５％良好な（すなわち、不要な生検の１５％を回避する）スクリーニング方法には、現在の公的医療制度のコストレベルで広く用いられるチャンスがありうる。しかしながら、ＰＳＡ値パフォーマンスと比較しての改良がより小さくても、新規スクリーニング方法は、定められた個体の部分母集団にとっては経済的に有利でありうる。ＰＣａリスク評価のための組み合わせモデルを見出すのに多大な努力がなされているとしても（本願において引用される文献のいくつかに記載されるように）、現在欧州において、そのような組み合わせ方法で標準的に用いられるものは存在しないことに注目すべきである。すなわち、これまでに知られた多重パラメータ法は、現在の医療において有用となるための社会経済的基準を満たしていない。本発明の方法は、これまでにもたらされた組み合わせ方法よりも優れたパフォーマンスを有し、医療制度によって考慮されるほどの社会経済的パフォーマンス条件を満足する。

広く用いられるための条件を満足するａＰＣａスクリーニング方法を得るための１つの可能な方法は、複数の情報源からの情報を組み合わせることである。これは、概略レベルで、バイオマーカー分析（例えばＰＳＡ値）、遺伝子プロファイル（例えばＳＮＰプロファイル）、家族歴および他の情報源から得られる値を組み合わせることを含む。組み合わせは、それに含まれるいずれかのファクター単独よりも、良い診断をもたらす可能性を有する。より良い診断をもたらすために値を多重パラメータモデルに組み合わせる試みが、本願中に記載されるように、これまでに開示されている。

データの組み合わせは、結果の何らかの種類のアルゴリズム的組み合わせ、例えばデータの線形結合であり得、ここで、該線形結合は診断パフォーマンスを改善する（例えばＲＯＣ−ＡＵＣを用いて評価される）。診断推定をもたらし得るモデルへの他の可能な組み合わせ方法は、非線形多項式、サポートベクターマシン、ニューラルネットワーク分類器、判別分析、ランダムフォレスト、勾配ブースティング、部分最小二乗法、リッジ回帰、ラッソ（lasso）、エラスティックネット（elastic net）、ｋ近傍法を包含する（それに限定されない）。さらに、Springer Series in Statisticsで刊行されたT Hastie、R Tibshirani および J Friedmanによる書籍“The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition”, ISBN 978-0387848570（引用により本書の一部とする）には、ある特定のアウトカムを予測または分類するためにデータを組み合わせるのに適当な方法が多数記載されている。

異なるカテゴリーからのデータを、患者がａＰＣａに罹患する可能性があるかを示す単一の値に変換するアルゴリズムは、好ましくは非線形関数であり、ここで、該方法の診断パフォーマンスのさらなる向上のために、異なるカテゴリーの依存が用いられる。例えば、１つの重要な依存は、ある選択されたバイオマーカーの測定レベルを、該バイオマーカーの期待発現レベルに関連する何らかの関連遺伝子マーカーと組み合わせることである。患者の試料に高濃度のバイオマーカーが見られ、かつ、該患者が該バイオマーカーを低レベルで有する遺伝的素因を有する場合、バイオマーカーレベルが高いことが大きな意味を持つ。同様に、あるバイオマーカーが高レベルとなる遺伝的素因を有する患者において該バイオマーカーのレベルが正常よりも明らかに低い場合、この相反する知見により、該バイオマーカーレベルの解釈の重要性が高められる。侵攻性ＰＣａのリスクを予測するのに用いるアルゴリズムには、変換された変数、例えばｌｏｇ１０（ＰＳＡ）値を用いることが有利でありうる。変換は、分布が正規分布から明らかに外れる変数に特に有利である。可能な変数変換は、対数、逆数、平方および平方根を包含するが、それに限定されない。さらに通常、各変数を平均ゼロおよび単位分散にセンタリングする。

データの組み合わせはさまざまな方法で行うことができるが、本発明による典型的な方法を、限定するものとしてではなく、以下ように説明することができる。

典型的には、あるパラメータカテゴリーに属するバイオマーカーに関するデータを、予め定められた式にしたがって組み合わせて、該パラメータカテゴリーに関連するリスクに関連付けられる複合値を形成しうる。非限定的な一例は、バイオマーカーカテゴリーのメンバーについての、すべての利用可能な測定値（データ）の平均値を計算し、その平均値を、該バイオマーカーカテゴリーを代表する複合値として用いることである。この方法は明らかに、何個のバイオマーカーメンバーがそのカテゴリーに属するかに関係なく適用することができる。もしカテゴリーに含まれるバイオマーカーの１つについてのデータしか利用可能でない場合、それ自体を、該バイオマーカーカテゴリーを代表するものとして使用することができる。バイオマーカーについては、データ組み合わせステップに通常使用する測定値は、バイオマーカーの生物学的サンプル中の濃度である。これは、例えばバイオマーカーＰＳＡおよびＨＫ２については、通例、ｎｇ／ｍｌの単位で表される、血液サンプル中のバイオマーカー濃度である。

遺伝スコア（すなわち、遺伝複合値またはとりわけＳＮＰ複合値）の計算は通常、パラメータカテゴリーに含まれる個々のＳＮＰについて予め定められたオッズ比に基づく。各ＳＮＰについて、オッズ比、すなわちあるＳＮＰを有する（すなわち該ＳＮＰで規定されるリスク対立遺伝子を有する）個体が調査対象疾患または状態を有する尤度を予め決定する。ＳＮＰに関するオッズ比の決定は通常、疾患または状態のわかっている何千もの対象を含んだ大規模な前向き研究において行われる。

個体の遺伝スコアは、非限定的な例として、以下のアルゴリズムにしたがって計算することができる：被験個体について、各ＳＮＰを下記方法で処理する。各ＳＮＰについて、個体は、２個のＳＮＰリスク対立遺伝子（そのＳＮＰについて同型接合陽性）または１個のリスク対立遺伝子（そのＳＮＰについて異型接合陽性）または０個のリスク対立遺伝子（そのＳＮＰについて同型接合陰性）を有しうる。あるＳＮＰについての対立遺伝子の数を、該ＳＮＰに関するオッズ比の自然対数と掛け合わせて、該ＳＮＰに関するリスク評価値を形成する。このことは、ある特定のＳＮＰが陰性である（すなわち０個のＳＮＰリスク対立遺伝子を有する）個体は、該ＳＮＰによるリスク寄与を持たないであろうことを意味する。この手順を、測定データが利用可能なすべてのＳＮＰについて行う。すべてのリスク評価値が計算されたら、測定データが利用可能なＳＮＰについてリスク寄与の平均を計算し、あるカテゴリーのＳＮＰに関する前記個体の遺伝スコア、すなわち遺伝複合値として用いる。この手順は明らかに、ＳＮＰカテゴリーに何個のＳＮＰメンバーが属するかに関係なく適用しうる。

個体に適用する場合の本発明による典型的手法をさらに説明するために、次のような仮定を行う。第１にＰｒｏｔ１およびＰｒｏｔ２をメンバーとするタンパク質バイオマーカーカテゴリー（またはバイオマーカーカテゴリー）、第２にＳｎｐ１、Ｓｎｐ２およびＳｎｐ３をメンバーとする遺伝カテゴリー（またはより具体的にはＳＮＰカテゴリー）、の２パラメータカテゴリーを規定する。状態Ｃを有することがわかっている１００個体および状態Ｃを有しないことがわかっている１００個体を用いる試験において、Ｐｒｏｔ１、Ｐｒｏｔ２、Ｓｎｐ１、Ｓｎｐ２およびＳｎｐ３と状態Ｃとの関連を確立し、Ｐｒｏｔ１およびＰｒｏｔ２についての１つのタンパク質バイオマーカー複合値、およびＳｎｐ１、Ｓｎｐ２およびＳｎｐ３についての１つの遺伝複合値、ならびに１つの総複合値（これは次いで、状態Ｃを有するリスクに関連付けられる）として公式化する。タンパク質バイオマーカーカテゴリーの複合値は、予め定められた下記式を用いて計算される：
Ｐ＝（Ｐｒｏｔ１＋２＊Ｐｒｏｔ２）／３ ［Ｐｒｏｔ１およびＰｒｏｔ２両方のデータ（すなわちＰｒｏｔ１値およびＰｒｏｔ２値の両方）が利用可能である場合］
Ｐ’＝Ｐｒｏｔ１ ［Ｐｒｏｔ１のデータ（すなわちＰｒｏｔ１値）のみ利用可能である場合］
Ｐ”＝Ｐｒｏｔ２ ［Ｐｒｏｔ２のデータ（すなわちＰｒｏｔ２値）のみ利用可能である場合］
したがって、この仮定ケースにおいて、該試験において（ａ）Ｐｒｏｔ１およびＰｒｏｔ２が同じスケールを有すること、および（ｂ）個体が状態Ｃを有するかを評価するためにＰｒｏｔ２の値がＰｒｏｔ１の２倍重要であることがわかった。１つのタンパク質バイオマーカーのデータしか利用可能でない場合は、それ自体を、タンパク質バイオマーカーカテゴリーを代表するものとして用いることができる。遺伝カテゴリーのメンバーに関するオッズ比が予め決定されており、それは次のとおりであった：Ｓｎｐ１＝１．１；Ｓｎｐ２＝１．２；およびＳｎｐ３＝１．３。遺伝カテゴリーの複合値が、上記遺伝スコアとして計算される。次いで、タンパク質バイオマーカー複合値および遺伝スコア（このケースでは遺伝カテゴリー複合値またはＳＮＰ複合値に等しい）を、下記の予め定められた式にしたがって組み合わせて、総複合値とする：
Ｙ＝Ｐ＋１０＊score
［式中、Ｙは状態Ｃを有するリスクに関連付けられ、Ｐはタンパク質バイオマーカー複合値であり（Ｐは、前記のとおり、Ｐ’またはＰ”で置き換えうる）、scoreは遺伝スコアである。］
大きな個体群（本仮定ケースでは１００＋１００個体）に基づいてすべての式を計算する必要があり、そこでＹと調査対象疾患または状態との関連が導かれる。本仮定ケースでは、Ｙ＞５の場合に個体が状態Ｃを有するリスクが高く、Ｙ＞１０の場合にそのリスクは非常に高いと推測される。

次に、第１の個体ＡをＰｒｏｔ１、Ｐｒｏｔ２、Ｓｎｐ１、Ｓｎｐ２およびＳｎｐ３について検査すると仮定する。この場合、すべての測定に成功し、下記結果が得られた：
Ｐｒｏｔ１＝３ｎｇ／ｍｌ
Ｐｒｏｔ２＝６ｎｇ／ｍｌ
Ｓｎｐ１＝同型接合陰性、すなわちリスク対立遺伝子なし＝０
Ｓｎｐ２＝異型接合陽性、すなわち１個のリスク対立遺伝子＝１
Ｓｎｐ３＝同型接合陽性、すなわち２個のリスク対立遺伝子＝２
この場合、タンパク質バイオマーカーカテゴリーの複合値は、Ｐ＝（３＋２＊６）／３＝５となりうる。遺伝カテゴリーの複合値（遺伝スコアとも称される）は、score＝（０＊ｌｏｇ（１．１）＋１＊ｌｏｇ（１．２）＋２＊ｌｏｇ（１．３））／３＝０．２３５７となる。総複合値は、Ｙ＝５＋１０＊０．２３５７＝７．３５７となる。したがって、個体Ａが状態Ｃを有するリスクは、高いが非常に高くはないと評価される。

さらに、第２の個体ＢをＰｒｏｔ１、Ｐｒｏｔ２、Ｓｎｐ１、Ｓｎｐ２およびＳｎｐ３について検査すると仮定する。この場合、３つの測定に成功し、下記結果が得られた：
Ｐｒｏｔ１＝２ｎｇ／ｍｌ
Ｐｒｏｔ２＝データなし
Ｓｎｐ１＝同型接合陽性、すなわち２個のリスク対立遺伝子＝２
Ｓｎｐ２＝データなし
Ｓｎｐ３＝異型接合陽性、すなわち１個のリスク対立遺伝子＝１
この場合、タンパク質バイオマーカーカテゴリーの複合値は、Ｐｒｏｔ１の結果しか利用可能でないから、Ｐ’＝２となりうる。遺伝カテゴリーの複合値（遺伝スコアとも称される）は、score＝（２＊ｌｏｇ（１．１）＋１＊ｌｏｇ（１．３））／２＝０．２２６４となる。総複合値は、Ｙ＝２＋１０＊０．２２６４＝４．２６４となる。したがって、個体Ｂが状態Ｃを有するリスクは低いと評価される。

ａＰＣａに罹患するリスクを予測するモデルにおいて一般に、１つまたはそれ以上のカットオフ値が規定されることが多い。カットオフ値（またはカットオフレベル）の選択は、多くのファクターに依存し、それには、疾患リスク自体、および疾患を持たない個体を不正確に陽性と診断すること（偽陽性）に関連するリスクが含まれるが、それに限定されない。一般的なケースでは、予測モデルは通常、単調関数Ｙ＝ｆ（ｘ１,ｘ２,…,ｘＮ）であり、疾患を有する推定リスクがＹ値の増加と関連付けられる。このことは、カットオフ値を低いレベルに設定した場合、検査による偽陽性結果の数は多くなりうるが、実際に疾患を持つ個体の大部分を検出しうることを意味する。カットオフ値を高い値に設定した場合は逆に、カットオフレベルを超えるＹ値を有する個体は非常に高い確率で疾患を持ちうるが、疾患を有する多数の個体に陰性の検査結果（すなわち多数の偽陰性結果）が出されうる。カットオフレベルの選択は、（ａ）疾患を持つ個体を見落とすことと（ｂ）疾患を持たない個体を処置することとを天秤に掛ける社会経済学的アウトカムを包含する多くのファクターに依存する。

実際に適用される場合、例えば予測不能の技術的問題、ヒューマンエラー、または他の予期せぬ一般的でない理由によって、１つまたは少数の測定を欠くことがしばしばありうる。そのような場合、個体について得られるデータセットは不完全でありうる。一般的には、そのような不完全なデータセットは、評価するのが困難または不可能でありうる。しかしながら、本発明は、その多くが部分的に冗長である多数の特徴の測定に基づく。このことは、データセットが不完全である個体についても、多くの場合、本発明にしたがって質の高い評価を行うことが可能であることを意味する。このことは、カテゴリー内において特に当てはまり、ここで例えばカリクレイン様バイオマーカーが相関し部分的に冗長である。したがって技術的に、アルゴリズム的２段階アプローチを適用することが可能であり、ここではカリクレインバイオマーカー寄与をカリクレインスコア（またはカリクレイン値）にまとめ、次いで第２段階で、このカリクレインスコアを他のデータ（例えば遺伝スコア、年齢および家族歴であるが、それに限定されない）と組み合わせて、ＰＣａに関する診断または予後診断をなすことができる。同様の２段階手法は、他の種類のマーカー、例えばＢＭＩに関連する遺伝マーカー、または形質転換増殖因子βスーパーファミリー（ＭＩＣ−１を包含する、構造的に関連する細胞調節タンパク質の大きなファミリー）に関連するタンパク質バイオマーカー（この２例に限定されない）についても行うことができる。

冗長性は、多くの異なる方法で具体化することができる。冗長性を実現する１つの可能な方法では、共通のフィールドまたはファミリーに関連するバイオマーカーを代表するバイオマーカーのセットを規定する。そのようなフィールドまたはファミリーの非限定的な一例は、カリクレイン様バイオマーカーである。１つを超える規定されたバイオマーカーセット（またはカテゴリー）を決定することができ、加えて、そのようなセット以外にさらに別のバイオマーカーを適用することができる。通常、カテゴリーは重複せず、すなわち、規定されたバイオマーカーは、１つの規定されたカテゴリーのメンバーであるかまたは孤立的に用いられるだけである。次に、すべてのバイオマーカーについて、存在または濃度を測定する試みを行う。多くの場合に、すべてのバイオマーカーの測定が成功しうるが、１つまたは少数の値が欠けることもありうる。欠けた値に対するモデルのロバスト性を導入するために、規定されたカテゴリーのメンバーのすべてまたはサブセットを用いて決定しうるバイオマーカーカテゴリー複合値を規定することが可能である。これを実際に行うには、規定されたカテゴリーのバイオマーカーのメンバーが少なくとも部分的に冗長である必要がある。次の段階で、そのバイオマーカーカテゴリー複合値を、他のバイオマーカー値、他のバイオマーカーカテゴリー複合値（２つまたはそれ以上のバイオマーカーカテゴリーが規定された場合）、ＰＣａリスクに関連する遺伝スコア、他の特徴（例えばＢＭＩまたはバイオマーカー濃度であるが、この２例に限定されない）に関連する遺伝スコア、家族歴、年齢、およびａＰＣａリスクに関連する他の情報担体と組み合わせて、総複合値とする。最終的に総複合値が、ａＰＣａリスクの推定に用いられる。

したがって、バイオマーカーカテゴリー複合値の目的は、不完全データを用いて計算されうる中間値として役立つことである。規定されたバイオマーカーカテゴリーが、いずれもバイオマーカーファミリーＢに関連するＢ１、Ｂ２、Ｂ３、…ＢＮというＮ個の異なるバイオマーカーを含むと仮定する。その場合、ファミリーＢバイオマーカー複合値Ｃを計算するのに利用可能なＮ個の異なるモデルが存在しうる：
Ｃ＝ｆ１（Ｂ１,Ｂ２,Ｂ３,…ＢＮ）
Ｃ＝ｆ２（Ｂ２,Ｂ３,…ＢＮ）
Ｃ＝ｆ３（Ｂ１,Ｂ３,…ＢＮ）
…
Ｃ＝ｆＮ（Ｂ１,Ｂ２,Ｂ３,…ＢＮ−１）
ここで、ｆ１（）、ｆ２（）…ｆＮ（）は、バイオマーカーＢ１…ＢＮの値をインプットとして用い、何らかの方法でファミリーＢバイオマーカー複合値を表す単一のアウトプットＣをもたらす数学関数である。関数ｆ１（）…ｆＮ（）の非限定的な一例は、独立変数の線形結合を含む。そのような、１つのバイオマーカー値を欠くいずれの場合にもＣを計算することのできる複数の関数のセットを用いると、総複合値の計算は、欠けたデータの影響を受けにくくなる。すべてのデータが揃わない場合はＣの値の質は劣るかも知れないが、ＰＣａリスクの評価に用いるには十分に良好でありうると理解される。すなわち、そのような方法を用いる場合、Ｃの値を得るためにＮ−１個のバイオマーカー測定が成功しさえすればよい。さらに欠落データが何個であっても計算を行うことが可能であり、すなわち、Ｎ−２個のバイオマーカー測定が成功すべきであれば、別の関数ｆ（）のセットを開発し適用してＣを計算することができる。

すなわち、ＰＣａバイオマーカーに関して、本発明は、本願のいずれかの箇所で規定されるように、冗長的に設計されたデータ組み合わせに基づく方法に関する。より具体的には、本発明の方法は、少なくとも部分的に冗長なＰＣａバイオマーカーの存在または濃度を測定することを含んでなり、ここで、該ＰＣａバイオマーカーの少なくとも１個、例えば２個は、（i）ＰＳＡ、（ii）総ＰＳＡ（ｔＰＳＡ）、（iii）インタクトＰＳＡ（ｉＰＳＡ）、（iv）遊離ＰＳＡ（ｆＰＳＡ）、および（v）ｈＫ２からなる群から選択される。本発明の方法は、バイオマーカー複合値の形成の際、ＰＣａバイオマーカー（i）〜（v）の少なくとも１つのサブセットの無視を許容する。換言すると、本発明の方法は、前記バイオマーカーカテゴリーの全ＰＣａバイオマーカーよりも少ないＰＣａバイオマーカーのデータ、より具体的には４個までの前記ＰＣａバイオマーカーのサブセットに関するデータから、バイオマーカー複合値を形成することを可能にする。これは、当業者に理解されるように、前記バイオマーカー複合値の計算に、前記ＰＣａバイオマーカーの４個までのサブセットに関するデータが必要とされる方法と等価でありうる。バイオマーカー複合値の形成の際に、前記ＰＣａバイオマーカーのサブセットに関するデータの省略、欠失または欠損が許容されることは、本発明の方法の利点である。

当業者に理解されるように、本発明は、バイオマーカーカテゴリーの全バイオマーカーに関するデータが利用可能であれば、その全バイオマーカーに関するデータからバイオマーカー複合値を形成することを含んでなる方法を包含する。

一態様において、本発明の方法は、ＰＣａバイオマーカー（i）ＰＳＡ、（ii）総ＰＳＡ（ｔＰＳＡ）、（iii）インタクトＰＳＡ（ｉＰＳＡ）、（iv）遊離ＰＳＡ（ｆＰＳＡ）、および（v）ｈＫ２の１個、２個、３個または４個のサブセットの無視を許容する。換言すると、本発明の方法は、ＰＣａバイオマーカー（i）〜（v）の４個、３個、２個または１個のサブセットに関するデータから前記バイオマーカー複合値を形成することを可能にする。

本願において前述のように、本発明の方法は、複数の追加的なＰＣａバイオマーカーカテゴリーの１つまたはそれぞれを解析することをさらに含んでよく、ここで、追加的ＰＣａバイオマーカーカテゴリーが１個を超えるＰＣａバイオマーカーを含む場合、各追加的バイオマーカー複合値を形成するためのデータの組み合わせは、冗長的に設計される。本発明の方法は、バイオマーカー複合値の形成の際、ＰＣａバイオマーカーのサブセットの無視を許容する。換言すると、本発明の方法は、追加的ＰＣａバイオマーカーカテゴリーの全ＰＣａバイオマーカーよりも少ないＰＣａバイオマーカーに関するデータ、例えば追加的ＰＣａバイオマーカーカテゴリーのＰＣａバイオマーカーの１０％、２０％、３０％、４０％、５０％、６０％、７０％、８０％または９０％のサブセットに関するデータから、バイオマーカー複合値を形成することを可能にする。当業者に理解されるように、本発明は、追加的ＰＣａバイオマーカーカテゴリーの全ＰＣａバイオマーカーに関するデータが利用可能であれば、その全バイオマーカーに関するデータから各追加的バイオマーカー複合値を形成することを含んでなる方法を包含する。

遺伝リスクスコア（すなわち、遺伝スコアまたは遺伝複合値、より具体的にはＳＮＰ複合値）も、例えば予測不能の技術的問題、ヒューマンエラーまたは他の予期せぬ一般的でない理由による少々のデータ欠落に影響されない。１つのｓｎｐのリスクスコアへの寄与は通常、他のｓｎｐに関連付けられない。ｓｎｐの場合、各ｓｎｐによるリスク変化は小さいが、ある状態に関連する複数のｓｎｐを協調的に用いることにより、その状態についてのリスク変化は、モデルのパフォーマンスに影響を及ぼすのに十分大きなものとなる。遺伝スコアを形成するためのｓｎｐの好ましい数は、少なくとも３ｓｎｐ、より好ましくは１０ｓｎｐ、より好ましくは２５ｓｎｐ、より好ましくは５０ｓｎｐ、より好ましくは６０ｓｎｐ、より好ましくは７０ｓｎｐ、より好ましくは８０ｓｎｐ、より好ましくは９０ｓｎｐ、より好ましくは１００ｓｎｐ、より好ましくは１５０ｓｎｐ、より好ましくは２００ｓｎｐ、より好ましくは２５０ｓｎｐ、より好ましくは３００ｓｎｐである。これは、１つのｓｎｐが総合的な結果に及ぼす影響は通常小さく、少数のｓｎｐを省略しても総遺伝スコアリスク評価は通常大きくは変わらない、すなわちＳＮＰ複合値は大きくは変わらないことを意味する。現在の技術水準で、大規模遺伝子測定におけるデータ欠損は通常、１〜２％のオーダーであり、これは、遺伝スコアが１００個の異なるｓｎｐからなる場合、個体の通常の遺伝子分析により該ｓｎｐの約９８〜９９％についての情報が得られることを意味する。しかしながら、本発明の研究において見出された本発明のモデルは、より大きなデータ欠損または欠落、例えば５〜７％または７〜１５％または１５〜３０％の情報欠損にも耐えうる。この意味で、ＳＮＰｐｃに関するデータの組み合わせは少なくとも部分的に冗長である。

したがって、遺伝子マーカー（ＳＮＰ）に関しても、本発明は、本願のいずれかの箇所において規定されるように、冗長的に設計されたデータ組み合わせに基づく方法に関する。本発明の方法は、ＳＮＰ複合値の形成の際、ＳＮＰｐｃの少なくとも５％の無視を許容する。換言すれば、本発明の方法は、ＳＮＰｐｃカテゴリーの全ＳＮＰｐｃよりも少ないＳＮＰｐｃに関するデータから、より具体的には前記ＳＮＰｐｃの９５％までのサブセットに関するデータから、前記ＳＮＰｐｃ複合値を形成することを可能にする。当業者に理解されるように、これは、前記ＳＮＰｐｃ複合値の形成に前記ＳＮＰｐｃの９５％までのサブセットに関するデータが必要とされる方法と等価である。ＳＮＰｐｃ複合値の形成の際、前記ＳＮＰｐｃのサブセットに関するデータの省略、欠失または欠損が許容されることは、本発明の方法の利点である。

当業者に理解されるように、本発明は、ＳＮＰｐｃカテゴリーの全ＳＮＰｐｃに関するデータが利用可能であれば、その全ＳＮＰｐｃに関するデータからＳＮＰｐｃ複合値を形成することを含んでなる方法を包含する。同様に、本発明は、前記ＳＮＰｐｃの９９％、９８％、９７％または９６％のサブセットに関するデータからＳＮＰｐｃ複合値を形成することを含んでなる方法を包含する。

一態様において、本発明の方法は、ＳＮＰｐｃ複合値の形成の際、ＳＮＰｐｃの６％、７％、８％、９％、１０％、１５％、２０％、２５％または３０％の無視を許容する。換言すれば、本発明の方法は、ＳＮＰｐｃの９４％、９３％、９２％、９１％、９０％、８５％、８０％、７５％または７０％のサブセットに関するデータから前記ＳＮＰｐｃ複合値を形成することを可能にする。

そのような冗長的に設計されたデータ組み合わせの非限定的な一例は、測定データの存在する各ＳＮＰに関連するリスクの平均を計算することである。そのような冗長的に設計されたデータ組み合わせの他の非限定的な一例は、複合値を計算するための複数の独立した式（複合値の形成に使用しうるデータサブセット毎に１つの式）を提供することである。

ＳＮＰを状態（例えばＰＣａ、またはＢＭＩ＞２５、または上昇した血中ｈｋ２バイオマーカー濃度）に関連付ける１つの適当な方法が、Cancer Prev Res 2010;3:611-619に発表されたRobert Kleinおよび共著者による公開報文“Blood Biomarker Levels to Aid Discovery of Cancer-Related Single-Nucleotide Polymorphisms: Kallikreins and Prostate Cancer”（引用により本書の一部とする）に記載されている。この報文において著者は、著者がどのようにＳＮＰ re2735839を（遊離ＰＳＡ）／（総ＰＳＡ）の上昇した値に関連付けることができたかを記載している。さらに著者は、ＳＮＰ rs10993994を、高ＰＣａリスク、高総ＰＳＡ値、高遊離ＰＳＡ値および高ｈｋ２値に関連付けることができ、ＳＮＰ rs198977を、高ＰＣａリスク、高（遊離ＰＳＡ）／（総ＰＳＡ）値および高ｈｋ２値に関連付けることができた。

実際に、ＳＮＰを状態に関連付ける１つの一般的な方法は、１つの健康なコントロール群と試験対象状態を有する１つのケース群との２つの大個体集団を比較するケースコントロール臨床試験へのアクセスに依拠する。各群のすべての個体において、一般的な既知のＳＮＰの大多数について遺伝子型を決定する。すべての遺伝子型決定データが利用可能である場合、対立遺伝子頻度がケース群とコントロール群との間で有意に異なるかを調べる。そのような設定で、効果量を示す典型的単位は、オッズ比である。オッズ比は、特定の対立遺伝子を有するケース群中の個体集団、および同じ対立遺伝子を有するコントロール群中の個体集団、の２集団間の比を示す。もしケース群における対立遺伝子頻度がコントロール群における対立遺伝子頻度よりも有意に高ければ、オッズ比は１よりも大きくなりうる。もしケース群における対立遺伝子頻度がコントロール群における対立遺伝子頻度よりも有意に低ければ、オッズ比は１よりも小さくなりうる。

複数の情報源からの情報を組み合わせる１つの好ましい方法が、EUROPEAN UROLOGY 60 (2011) 21-28に発表されたMarkus Alyおよび共著者による公開報文“Polygenic Risk Score Improves Prostate Cancer Risk Prediction: Results from the Stockholm-1 Cohort Study”（引用により本書の一部とする）に記載されている。各ＳＮＰと生検におけるＰＣａとの関連が、コクランアーミテージの傾向検定により評価された。ロジスティック回帰モデルを用いて、９５％信頼区間で対立遺伝子オッズ比（ＯＲ）が計算された。各患者について、各ＳＮＰのリスク対立遺伝子の数（０、１または２）に該ＳＮＰのＯＲの対数を乗じたものを総合して、遺伝リスクスコアが形成された。ＰＣａ診断と評価されたリスク因子との関連が、ロジスティック回帰分析において検証された。非遺伝情報に関するモデル部分は、対数変換された総ＰＳＡ、対数変換された遊離-対-総ＰＳＡ比、生検時の年齢、およびＰＣａの家族歴（有または無）を含んだ。生検におけるＰＣａの予測された確率を評価するために、繰り返し１０分割交差検証が用いられた。正規近似によって、ＲＯＣ−ＡＵＣ値の９５％信頼区間が構成された。報告されたｐ値はすべて、両側仮説に基づく。

一般的な前立腺癌と侵攻性前立腺癌とを区別するのには、多くの合理的理由がある。多くの場合、前立腺癌は進行の遅い疾患である。多くの男性が高齢になって診断されるという事実は、前立腺癌と診断された男性の大部分が他の原因で死亡することを意味する。したがって、生検を行う前から、個体が侵攻性前立腺癌リスクが高いことを判定できれば、例えばその個体にライフスタイル変更を動機付けることが可能となる。禁煙すること、ＢＭＩを３０未満にすること、定期的に運動すること（週３〜６日、約３０分間）はいずれも、一般に、前立腺癌を包含する重篤な疾患状態において生存を促進する要因である。したがって、個体が高いａＰＣａリスクを有することがわかれば、それは、その個体に、禁煙し、ＢＭＩ＜３０とし、運動を始めるよう勧告する理由となる。もう一つの重要な側面は、食事の問題である。食事を変えることで、ＰＣａの進行を軽減または遅延しうる。J Nutr. 2013 Feb;143(2):189-96に発表されたSongおよび共著者の文献“Whole milk intake is associated with prostate cancer-specific mortality among U.S. male physicians.”（引用により本書の一部とする）に報告されるように、乳製品摂取を減らすとＰＣａ発症リスクが低下しうることを示唆する証拠が示されている。緑茶の摂取および大豆製品の摂取の正の効果について同様の証拠が存在する。したがって、個体が高いａＰＣａリスクを有することがわかれば、それは、その個体に、乳製品の摂取を減らすこと、および／または緑茶および大豆系製品の摂取を増やすことを勧告する理由となる。

本発明を説明するために、ＳＴＨＬＭ２データから、２１５の症例（グリソングレード７またはそれ以上でａＰＣａに罹患していることがわかっている対象）および６２７のコントロール（ａＰＣａに罹患していないことがわかっている対象）を含むデータセットを抽出した。ＳＴＨＬＭ２データセットは、ウェブページhttp://sthlm2.se/から明らかなように、公に検討されている。つまり、２０１０−２０１２年に、ストックホルム地域でＰＳＡ検査を受けた約２６０００人の男性がＳＴＨＬＭ２研究に含められた。２１５＋６２７＝８４２人の対象を、下記バイオマーカーおよびＳＮＰに関して特徴付けた。

バイオマーカー：
総前立腺特異抗原（ｔＰＳＡ）［ｎｇ／ｍｌ］
インタクト前立腺特異抗原（ｉＰＳＡ）［ｎｇ／ｍｌ］
遊離前立腺特異抗原（ｆＰＳＡ）［ｎｇ／ｍｌ］
ヒトカリクレイン２（ｈＫ２）［ｎｇ／ｍｌ］
マクロファージ抑制サイトカイン１（ＭＩＣ−１）［ｎｇ／ｍｌ］
beta-microseminoprotein（ＭＳＭＢ）［ｎｇ／ｍｌ］

ＳＮＰ：
657del5, rs10086908, rs1016343, rs10187424, rs1041449, rs10486567, rs1054564, rs10875943, rs10896449, rs10934853, rs10993994, rs11067228, rs11135910, rs11228565, rs11568818, rs11649743, rs11650494, rs11672691, rs11704416, rs12130132, rs12409639, rs12418451, rs12500426, rs12543663, rs12621278, rs12653946, rs1270884, rs130067, rs13252298, rs13385191, rs1354774, rs1363120, rs137853007, rs138213197, rs1447295, rs1465618, rs1512268, rs1571801, rs16901979, rs16902094, rs17021918, rs17632542, rs17879961, rs1859962, rs1894292, rs1933488, rs1983891, rs2018334, rs2121875, rs2242652, rs2273669, rs2292884, rs2405942, rs2660753, rs2735839, rs2736098, rs2928679, rs3213764, rs339331, rs3771570, rs3850699, rs3863641, rs401681, rs4245739, rs4430796, rs445114, rs4643253, rs4857841, rs4962416, rs5759167, rs5919432, rs5945619, rs6062509, rs620861, rs6465657, rs6763931, rs684232, rs6869841, rs6983267, rs6983561, rs7127900, rs7210100, rs721048, rs7241993, rs7611694, rs7679673, rs7931342, rs8008270, rs8102476, rs888663, rs902774, rs9364554, rs9600079, rs9623117

年齢および家族歴（有または無）を含む、各対象のバックグラウンド情報を収集した。年齢は、年の単位で表した。

生検を勧めるべき対象を決定するために、各試験対象について、対象がグリソングレード７またはそれ以上の前立腺癌を持つ可能性に関連付けられる値を予測することが必要である。これは、下記の予め定められた式においてバイオマーカー測定値を組み合わせることによって行うことができる：
y = -0.4366579+0.0577639*score-0.1026622*HK2-0.0312050*fPSA+0.0640730*iPSA+0.0256631*MIC1-0.0069049*MSMB+0.0012231*tPSA+0.0069759*age

この式において、「score」は、本実施例に挙げる確証された（validated）前立腺癌感受性ＳＮＰ（前記ＳＮＰは前立腺癌感受性に関連付けられるか、またはＰＳＡ、遊離ＰＳＡ、ＭＳＭＢおよびＭＩＣ−１バイオマーカーの血漿レベルに関連付けられる）を含んで、EUROPEAN UROLOGY 60 (2011) 21-28に発表されたMarkus Alyおよび共著者による公開報文“Polygenic Risk Score Improves Prostate Cancer Risk Prediction: Results from the Stockholm-1 Cohort Study”（引用により本書の一部とする）に記載されるように計算される遺伝スコア変数である。パラメータ「ＨＫ２」、「ｆＰＳＡ」、「ｉＰＳＡ」、「ＭＩＣ１」、「ＭＳＭＢ」、「ｔＰＳＡ」は、これらバイオマーカーの各測定値（未変換）を意味し、「ａｇｅ」は対象の年齢である。この式は、最小二乗推定量（ordinary least squares estimator）を用いて導かれた（他の線形推定量、例えばロジスティック回帰推定量を直接的に用いることもできる）。この特定のモデルにおいては、家族歴に関する情報は省略された。

得られる「ｙ」値は、図１に示されるように、グリソングレード７またはそれ以上の前立腺癌を持つリスクと強く関連しうる。図１のＲＯＣ曲線は、ＰＳＡのみ（１０１）および本実施例に記載のモデル（１０２）を示す。ｙがカットオフ値を上回る場合、その男性に、生検による前立腺検査のために泌尿器科医を受診するよう勧告すべきである。このモデルが侵攻性の高悪性度ＰＣａを予測するという事実は、得られた「ｙ」値が低い場合、患者が、非侵攻性形態のものではあるがＰＣａを持つリスクは、依然存在することを示唆する。低「ｙ」値は、患者がＰＣａを持たないことも示しうる。

カットオフの値は、検査の感度と特異度とのトレードオフに依存する。例えば、０．１６６のカットオフ値を用いる場合、この検査の感度は０．９、特異度は０．３８となりうる。これを、スクリーニング検査としてＰＳＡ値のみを用いた場合（感度０．９、特異度０．２２となる）と比較することができる。これは実際には、このモデルが対象８２７人の母集団に適用された場合、ＰＳＡ検査の場合と同数の高リスク癌（グリソングレード７およびそれ以上）が検出されるが、生検を勧告される対象者数は１００少ないことを意味し、これはＰＳＡ検査単独と比較して約１５％の改善に相当する。第２の例として、０．２０１のカットオフ値を用いる場合、この検査の感度は０．８、特異度は０．５２となりうる。この０．８の感度レベルで、ＰＳＡを用いて予測される生検の約２０％が除外されうる。

さらに本発明を説明するために、予測を得るための別の計算方法を適用した。実施例１において示したような式が、ａＰＣａ予測のためにバイオマーカーを組み合わせることのできる唯一の方法ではない。実際、ａＰＣａ予測のためにｙを計算する方法は、複雑であり得、１枚の紙に書くことが不可能でさえありうる。バイオマーカーを組み合わせる方法の、より複雑であるが非常に有効な例は、決定木のフォレストを用いることである。図２に決定木（２００）の例を示す。８１歳の対象がバイオマーカーおよびＳＮＰの検査を受けた結果、ＨＫ２＝０．２４２５、ＰＳＡ＝８４．１であったとする。図２に示す決定木（２００）を適用すると、最初のノード（２０１）はｈｋ２値に関するものである。前記対象はＨＫ２値を有し、これはノードの条件を満足するから、該ノードの分岐を左に進む。第２のノード（２０２）もｈｋ２値に関するものであり、この場合、対象はノードの条件を満足しないｈｋ２値を有するから、該ノードの分岐を右に進む。第３レベルのノード（２０３）は年齢に関するものである。対象の年齢はノードの条件を満足しないから、該ノードの分岐を右に進む。第４レベルのノード（２０４）はＰＳＡ値に関するものであり、対象のＰＳＡ値はノードの条件を満足するから、該ノードの分岐を左に進む。この段階でさらなるノードは無く、すなわち、決定木のリーフに到達する。各リーフは対応するアウトプットを持ち、この例においては、リーフの値「１」は「生検を勧告する」を意味し、「０」は「生検を勧告しない」を意味する。例示の対象はこの場合、値「０」のリーフに到達したので、この決定木によって与えられる予測は「生検を勧告しない」である。

ａＰＣａ予測のためのｙの計算を１つの決定木のみに頼ることによる問題は、単一の決定木は、バイアスは非常に低いが、バリアンスが非常に高いことである（すなわち、データが少し変化するとｙの計算値も変化する可能性があり、ａＰＣａ予測においてバリアンスが生じうる）。高いバリアンスを低減する１つの可能な方法は、Machine Learning 45 (1): 5-32 (2001)に発表されたLeo Breimanによる報文“Random Forests”に記載されるようなランダムフォレストアルゴリズムを用いて無相関の木のフォレストを構築することである。多数の木を成長させ、各木の成長前に、予測の期待値が変わらないような方法でデータをランダムに撹乱する。ａＰＣａを予測するのに、すべての木の投票により、対象に生検を勧告すべきかを決定する。そのような投票予測は、決定木の不偏性を維持し、同時にバリアンスを顕著に低下する（平均のバリアンスが、該平均を計算するのに用いられた個々の測定値のバリアンスよりもどのように低いかと同様に）。ランダムフォレストアルゴリズムは乱数発生に依存するので、得られる予測アルゴリズムを閉形式に記載するのは難しい。

このモデルは、実施例１に記載されるデータセットに適用する場合、感度０．９で、ＰＳＡのみと比較して生検数の約２０％を除外することができる。

さらに本発明を説明するために、ＳＴＨＬＭ２データセットから５１の症例（グリソングレード７またはそれ以上でａＰＣａに罹患していることがわかっている対象）および１９５のコントロール（ａＰＣａに罹患していないことがわかっている対象）を含むデータセットを抽出した。この症例およびコントロールはいずれも、２５を超えるＢＭＩ値を有した。５１＋１９５＝２４６人の対象を、下記バイオマーカーに関して特徴付けた。

バイオマーカー：
総前立腺特異抗原（ｔＰＳＡ）［ｎｇ／ｍｌ］
インタクト前立腺特異抗原（ｉＰＳＡ）［ｎｇ／ｍｌ］
遊離前立腺特異抗原（ｆＰＳＡ）［ｎｇ／ｍｌ］
ヒトカリクレイン２（ｈＫ２）［ｎｇ／ｍｌ］
マクロファージ抑制サイトカイン１（ＭＩＣ−１）［ｎｇ／ｍｌ］
beta-microseminoprotein（ＭＳＭＢ）［ｎｇ／ｍｌ］

上記実施例１において規定したのと同じＳＮＰを本実施例においても適用した。過去に前立腺の生検を受けたことがあるか（ｐｒｅｖＢｉｏｐ）、年齢および家族歴（有または無）を含む、各対象のバックグラウンド情報を収集した。年齢は年の単位、身長はメートルの単位、体重はキログラムの単位で表した。

生検を勧めるべき対象を決定するために、各試験対象について、対象がグリソングレード７またはそれ以上の前立腺癌を持つ可能性に関連付けられる値を予測することが必要である。これは、下記の予め定められた式を用いてバイオマーカー測定値を総複合値に組み合わせることによって行うことができる：
y = 21.487704 + 0.548938 * prevBiop + 0.014242 * GenScore + 0.311481 * hk2 -0.043471 * fPSA + 0.047176 * iPSA + 0.068407 * mic1 - 0.008860 * msmb + 0.002693 * tPSA + 0.006325 * age - 0.121356 * height + 0.119005 * weight - 0.388930 * bmi

この式において、「score」は、上記実施例１に記載のように計算される遺伝スコア変数である。パラメータ「ＨＫ２」、「ｆＰＳＡ」、「ｉＰＳＡ」、「ＭＩＣ１」、「ＭＳＭＢ」、「ｔＰＳＡ」は、これらバイオマーカーの各測定値（未変換）を意味し、「age」、「height」、「weight」、「bmi」は、対象の年齢、身長、体重、ＢＭＩである。パラメータ「prevBiop」は、対象が過去に前立腺の生検を受けたことがあるかを表し、対象の医療歴を反映する。この式は、最小二乗推定量（ordinary least squares estimator）を用いて導かれた（他の線形推定量、例えばロジスティック回帰推定量を直接的に用いることもできる）。この特定のモデルにおいては、家族歴に関する情報は省略された。

得られる「ｙ」値は、図３に示されるように、グリソングレード７またはそれ以上の侵攻性前立腺癌を持つリスクと強く関連しうる。図３のＲＯＣ曲線は、ＰＳＡのみ（３０１）および本実施例に記載のモデル（３０２）を示す。ｙがカットオフ値を上回る場合、その男性に、生検による前立腺検査のために泌尿器科医を受診するよう勧告すべきである。

カットオフの値は、検査の感度と特異度とのトレードオフに依存する。例えば、０．２０１のカットオフ値を用いる場合、この検査の感度は０．８となり得、ＰＳＡのみを用いる場合と比較して生検の約４４％を除外しうる。

パラメータカテゴリーおよびカテゴリー内の冗長性の側面をさらに説明するために、実施例１のデータセットを下記に関して特徴付けた：

バイオマーカー：
総前立腺特異抗原（ｔＰＳＡ）［ｎｇ／ｍｌ］
インタクト前立腺特異抗原（ｉＰＳＡ）［ｎｇ／ｍｌ］
遊離前立腺特異抗原（ｆＰＳＡ）［ｎｇ／ｍｌ］
ヒトカリクレイン２（ＨＫ２）［ｎｇ／ｍｌ］
マクロファージ抑制サイトカイン１（ＭＩＣ−１）［ｎｇ／ｍｌ］
beta-microseminoprotein（ＭＳＭＢ）［ｎｇ／ｍｌ］

ＳＮＰ：ＰＣａに関するＳＮＰカテゴリーに属するもの（ＳＮＰｐｃ）：
657del5, rs10086908, rs1016343, rs10187424, rs1041449, rs10486567, rs1054564, rs10875943, rs10896449, rs10934853, rs10993994, rs11067228, rs11135910, rs11228565, rs11568818, rs11649743, rs11650494, rs11672691, rs11704416, rs12130132, rs12409639, rs12418451, rs12500426, rs12543663, rs12621278, rs12653946, rs1270884, rs130067, rs13252298, rs13385191, rs1354774, rs1363120, rs137853007, rs138213197, rs1447295, rs1465618, rs1512268, rs1571801, rs16901979, rs16902094, rs17021918, rs17632542, rs17879961, rs1859962, rs1894292, rs1933488, rs1983891, rs2018334, rs2121875, rs2242652, rs2273669, rs2292884, rs2405942, rs2660753, rs2735839, rs2736098, rs2928679, rs3213764, rs339331, rs3771570, rs3850699, rs3863641, rs401681, rs4245739, rs4430796, rs445114, rs4643253, rs4857841, rs4962416, rs5759167, rs5919432, rs5945619, rs6062509, rs620861, rs6465657, rs6763931, rs684232, rs6869841, rs6983267, rs6983561, rs7127900, rs7210100, rs721048, rs7241993, rs7611694, rs7679673, rs7931342, rs8008270, rs8102476, rs888663, rs902774, rs9364554, rs9600079, rs9623117

年齢、および過去に生検が行われたか（有または無）を含む、各対象のバックグラウンド情報を収集した。年齢は、年の単位で表した。

予測モデルとして用いる総複合値を得る式は、下記の予め定められた式にしたがって設計された：
Y = -0.632820 + 0.118107 * K + 0.139045 * prevBiopsy + 0.051609 * score + 0.048033 * MIC1 - 0.001368 * MSMB + 0.008002 * age

この式において、scoreは、遺伝スコア、すなわち前記のようにＰＣａに関するＳＮＰから得られる複合値（すなわちＳＮＰｐｃ複合値）であり、Kはカリクレイン様バイオマーカーのパラメータカテゴリーの複合値であり、MIC1はMIC1の濃度、MSMBはMSMBの濃度、ageは個体の年齢、PrevBiopsyは、個体が過去に生検を受けたことがあれば１である（生検を受けたことがなければ０）。特定の個体についてのカリクレインデータの利用可能性に応じて、異なる方法でカリクレイン様バイオマーカーカテゴリーの複合値Kを計算した。

K = (0.6122516 + 0.0012714 * fPSA + 0.0001864 * PSA + 0.0200385 * iPSA - 0.0377976 * HK2 - 1.3108243 f/tPSA) / 0.1559314
K' = (0.3961801 + 0.0001864 * PSA + 0.0200385 * iPSA - 0.0377976 * HK2) / 0.109478
K''' = (0.3961967 + 0. 0012714 * fPSA + 0.0200385 * iPSA - 0.0377976 * HK2) / 0.1090876
K''' = (0.3987352 + 0.0200385 * iPSA - 0.0377976 * HK2) / 0.1033296
K'''' = (0.6548828 + 0.0012714 * fPSA + 0.0001864 * PSA - 1.3108243 f/tPSA) / 0.1068742

これら式において、PSAはPSAの濃度、fPSAは遊離PSAの濃度、iPSAはインタクトPSAの濃度、HK2はHK2の濃度、f/tPSAは遊離PSAと総PSAの比である。Kは、前記カリクレインデータがすべて利用可能である場合に用いるのが適当なパラメータ値である。パラメータK'、K''、K'''およびK''''は、カリクレインデータの１つまたはそれ以上が欠けている場合に用いるのが適当なKの近似値である。

上記モデルの試験により、次の結果が得られた：
・すべてのデータが含められた完全なモデル： ＲＯＣ−ＡＵＣ＝０．７７
・すべてのＳＮＰおよびK'近似値を使用： ＲＯＣ−ＡＵＣ＝０．７０
・すべてのＳＮＰおよびK''近似値を使用： ＲＯＣ−ＡＵＣ＝０．７０
・すべてのＳＮＰおよびK'''近似値を使用： ＲＯＣ−ＡＵＣ＝０．７０
・すべてのＳＮＰおよびK''''近似値を使用： ＲＯＣ−ＡＵＣ＝０．７５
・K''''データを使用し、ＳＮＰデータの１０％をランダムに除外： ＲＯＣ−ＡＵＣ＝０．７４
・K''''データを使用し、ＳＮＰデータの３０％をランダムに除外： ＲＯＣ−ＡＵＣ＝０．７３

参照値として、ａＰＣａリスクを予測するのにＰＳＡのみを用いる場合には、ＲＯＣ−ＡＵＣ＝０．６５である。したがって、本実施例のモデルは、（ａ）すべてのデータを用いる場合に参照モデルよりも良好であり、また、（ｂ）パラメータカテゴリー内の冗長性のゆえにインプットデータの欠損に対しロバスト性を有する。カリクレイン様バイオマーカーの測定結果（すなわちデータ）の１つまたはそれ以上を除外することが可能であり、ＳＮＰ情報の１０％（さらには３０％）の欠損と組み合わせてもなお、ＰＳＡのみを用いた参照モデルよりも良好な有用な結果をもたらすことができる。実際の場面で、そのようなロバスト作用は、技術的欠陥、試料の不足、ヒューマンエラーまたは他の理由によっていくつかのデータが欠けている場合にも、個体がａＰＣａを持つリスクを判定することを可能にする。これにより、再検査の数を減らしうるので、医療提供者のコストを削減できる可能性がある。また、応答が早まり、再検査のためのさらなる試料提供のために医療提供者に赴く必要性が低下するので、個人においても利便性が向上しうる。

本発明を、発明者が現在知る最良の形態である好ましい態様に関して説明したが、当業者にとって明らかでありうるさまざまな変更または改変が、請求の範囲に記載される発明の範囲を逸脱することなくなされうることを理解すべきである。

Claims (36)

1. 個体における侵攻性の前立腺癌（ＰＣａ）の存在または不存在を判定するための、冗長的に設計されたデータ組み合わせに基づく方法であって、下記ステップを含んでなる方法：
   １．前記個体からの少なくとも１つの生物学的サンプルを用意し；
   ２．前記生物学的サンプルにおいて、
   ａ．ＰＣａバイオマーカーのカテゴリーを、前記ＰＣａバイオマーカーカテゴリーの複数のＰＣａバイオマーカーのそれぞれの存在または濃度を測定することにより解析し；
   ｂ．ＰＣａに関連するＳＮＰ（ＳＮＰｐｃ）のカテゴリーを、前記ＳＮＰｐｃカテゴリーの複数のＳＮＰｐｃのそれぞれの存在または不存在を測定することにより解析し；
   ３．前記ＰＣａバイオマーカーカテゴリーに関するデータを組み合わせて、ＰＣａバイオマーカー関連のＰＣａ発症リスクを表すバイオマーカー複合値を形成し；
   ４．前記ＳＮＰｐｃカテゴリーに関するデータを組み合わせて、ＳＮＰｐｃ関連のＰＣａ発症リスクを表すＳＮＰｐｃ複合値を形成し、ここで、該方法は、ＳＮＰｐｃ複合値の形成の際、ＳＮＰｐｃカテゴリーのＳＮＰｐｃの少なくとも５％のサブセットの無視を許容し；
   ５．前記バイオマーカー複合値および前記ＳＮＰｐｃ複合値を組み合わせて、総複合値を形成し；
   ６．前記総複合値を、わかっている侵攻性ＰＣａおよび良性疾患診断のコントロールサンプルを用いて確立された、予め定められたカットオフ値と比較することにより、前記個体における侵攻性ＰＣａの存在または不存在に関連付ける。
2. ステップ２（ａ）が、少なくとも部分的に冗長なＰＣａバイオマーカーの存在または濃度を測定することを含んでなり、ここで、ＰＣａバイオマーカーの少なくとも１つ、例えば２つが、（i）ＰＳＡ、（ii）総ＰＳＡ（ｔＰＳＡ）、（iii）インタクトＰＳＡ（ｉＰＳＡ）、（iv）遊離ＰＳＡ（ｆＰＳＡ）、および（v）ｈＫ２からなる群から選択される、請求項１に記載の方法。
3. 前記バイオマーカー複合値の形成の際、ＰＣａバイオマーカーカテゴリーの前記ＰＣａバイオマーカー（i）〜（v）の少なくとも１つのサブセット、例えば前記ＰＣａバイオマーカー（i）〜（v）の１つ、２つ、３つまたは４つのサブセットの無視を許容する、請求項２に記載の方法。
4. 前記ＳＮＰｐｃ複合値の形成の際、ＳＮＰｐｃカテゴリーのＳＮＰｐｃの少なくとも１０％、例えば１５％、例えば２０％、例えば３０％の無視を許容する、請求項１〜３のいずれかに記載の方法。
5. 前記ＰＣａバイオマーカーカテゴリーに関するデータを、予め定められた式にしたがって組み合わせて、前記バイオマーカー複合値を形成する、請求項１〜４のいずれかに記載の方法。
6. 前記ＳＮＰｐｃカテゴリーに関するデータを、予め定められた式にしたがって組み合わせて、前記ＳＮＰｐｃ複合値を形成する、請求項１〜５のいずれかに記載の方法。
7. 前記バイオマーカー複合値および前記ＳＮＰｐｃ複合値を、予め定められた式にしたがって組み合わせて、前記総複合値を形成する、請求項１〜６のいずれかに記載の方法。
8. 前記総複合値がカットオフ値を上回る場合に、個体に生検を勧めるステップをさらに含む、請求項１〜７のいずれかに記載の方法。
9. 前記総複合値がカットオフ値を上回る場合に、個体に、食習慣の変更、体重の減量、ＢＭＩ値３０未満の達成、定期的な運動、および／または禁煙を勧めるステップをさらに含む、請求項１〜８のいずれかに記載の方法。
10. ＳＮＰｐｃが、rs11672691, rs11704416, rs3863641, rs12130132, rs4245739, rs3771570, rs7611694, rs1894292, rs6869841, rs2018334, rs16896742, rs2273669, rs1933488, rs11135910, rs3850699, rs11568818, rs1270884, rs8008270, rs4643253, rs684232, rs11650494, rs7241993, rs6062509, rs1041449, rs2405942, rs12621278, rs9364554, rs10486567, rs6465657, rs2928679, rs6983561, rs16901979, rs16902094, rs12418451, rs4430796, rs11649743, rs2735839, rs9623117, およびrs138213197の少なくとも１つを含む、請求項１〜９のいずれかに記載の方法。
11. ＰＣａバイオマーカー濃度に関連するＳＮＰ（ＳＮＰｂｍ）のカテゴリーを、少なくとも１つのＳＮＰｂｍの存在または不存在を測定することにより解析し；前記ＳＮＰｂｍに関するデータを組み合わせてＳＮＰｂｍ複合値を形成し：前記ＳＮＰｂｍ複合値を前記総複合値に組み込むことをさらに含む、請求項１〜１０のいずれかに記載の方法。
12. 前記少なくとも１つのＳＮＰｂｍが、rs3213764, rs1354774, rs1227732, rs2736098, rs401681, rs10788160, rs11067228, rs1363120, rs888663, およびrs1054564の少なくとも１つを含む、請求項１１に記載の方法。
13. 前記個体の肥満度指数に関連するＳＮＰ（ＳＮＰｂｍｉ）のカテゴリーを、少なくとも１つのＳＮＰｂｍｉの存在または不存在を測定することにより解析し；前記ＳＮＰｂｍｉに関するデータを組み合わせてＳＮＰｂｍｉ複合値を形成し；前記ＳＮＰｂｍｉ複合値を前記総複合値に組み込むことをさらに含む、請求項１〜１２のいずれかに記載の方法。
14. 前記少なくとも１つのＳＮＰｂｍｉが、rs3817334, rs10767664, rs2241423, rs7359397, rs7190603, rs571312, rs29941, rs2287019, rs2815752, rs713586, rs2867125, rs9816226, rs10938397, およびrs1558902の少なくとも１つを含む、請求項１３に記載の方法。
15. ＰＣａに関する家族歴、治療歴、および身体データを前記個体から収集することさらに含み、ここで、前記家族歴、治療歴、および／または身体データは、前記総複合値を形成する組み合わせデータに含められる、請求項１〜１４のいずれかに記載の方法。
16. 付加的なＰＣａバイオマーカーカテゴリーを、前記付加的バイオマーカーカテゴリーの複数のＰＣａバイオマーカーの１つまたはそれぞれの存在または濃度を測定することにより解析し；前記付加的ＰＣａバイオマーカーカテゴリーに関するデータを組み合わせて前記付加的ＰＣａバイオマーカーカテゴリーの付加的バイオマーカー複合値を形成し；前記付加的バイオマーカー複合値を前記総複合値に組み込むことをさらに含み；ここで、前記付加的バイオマーカー複合値を形成するデータの組み合わせは冗長的に設計され、前記付加的ＰＣａバイオマーカーカテゴリーは１つを超えるＰＣａバイオマーカーを含む、請求項２〜１５のいずれかに記載の方法。
17. 前記付加的ＰＣａバイオマーカーカテゴリーは、バイオマーカーＭＩＣ−１および場合により他のＭＩＣ−１関連バイオマーカー、またはバイオマーカーＭＳＭＢおよび場合により他のＭＳＭＢ関連バイオマーカーを含む、請求項１６に記載の方法。
18. 前記生物学的サンプルが血液サンプルである、請求項１〜１７のいずれかに記載の方法。
19. 前記総複合値が、ＳＮＰｂｍおよび対応するＰＣａバイオマーカー濃度の非加算的効果を利用する方法を用いて計算される、請求項１２〜１８のいずれかに記載の方法。
20. 前記個体が２５を超えるＢＭＩ値を有する、請求項１〜１９のいずれかに記載の方法。
21. 前記ＳＮＰの存在または不存在の測定を、ＭＡＬＤＩ質量分析を用いて行う、請求項１〜２０のいずれかに記載の方法。
22. 前記ＰＣａバイオマーカーの存在または濃度の測定を、マイクロアレイ技術を用いて行う、請求項１〜２１のいずれかに記載の方法。
23. ＳＮＰの存在または不存在の測定が、該ＳＮＰの対立遺伝子の数を測定することを含んでなる、請求項１〜２２のいずれかに記載の方法。
24. 請求項１に記載されるステップ２ａおよびステップ２ｂを行うためのアッセイ装置であって、少なくとも２つの異なるカテゴリーのリガンドが固定された固相を含んでなり、ここで、
    - 前記リガンドの第１のカテゴリーは、ＰＣａバイオマーカーに特異的に結合し、複数の異なるＰＣａバイオマーカー、好ましくはＰＳＡ、ｉＰＳＡ、ｔＰＳＡ、ｆＰＳＡ、ｈＫ２の少なくとも１つ、および場合によりＭＳＭＢおよび／またはＭＩＣ−１、のそれぞれに特異的に結合する複数の異なるリガンドを含み；
    - 前記リガンドの第２のカテゴリーは、ＳＮＰｐｃに特異的に結合し、複数の異なるＳＮＰｐｃ、例えばrs11672691, rs11704416, rs3863641, rs12130132, rs4245739, rs3771570, rs7611694, rs1894292, rs6869841, rs2018334, rs16896742, rs2273669, rs1933488, rs11135910, rs3850699, rs11568818, rs1270884, rs8008270, rs4643253, rs684232, rs11650494, rs7241993, rs6062509, rs1041449, または rs2405942, rs12621278, rs9364554, rs10486567, rs6465657, rs2928679, rs6983561, rs16901979, rs16902094, rs12418451, rs4430796, rs11649743, rs2735839, rs9623117 および rs138213197の少なくとも１つ、のそれぞれに特異的に結合する複数の異なるリガンドを含む、
    アッセイ装置。
25. 複数の異なるＳＮＰｂｍ、例えばrs1227732, rs3213764, rs1354774, rs2736098, rs401681, rs10788160, rs11067228, rs1363120, rs888663, および rs1054564の少なくとも１つ、の１つまたはそれぞれに特異的に結合する１つまたは複数の異なるリガンドを含む、ＳＮＰｂｍに特異的に結合する第３のカテゴリーのリガンドが固相にさらに固定される、請求項１１に記載の方法を行うための請求項２４に記載のアッセイ装置。
26. １つまたは複数の異なるＳＮＰｂｍｉ、例えばrs3817334, rs10767664, rs2241423, rs7359397, rs7190603, rs571312, rs29941, rs2287019, rs2815752, rs713586, rs2867125, rs9816226, rs10938397, および rs1558902の少なくとも１つ、に特異的に結合する１つまたは複数の異なるリガンドを含む、ＳＮＰｂｍｉに特異的に結合する第４のカテゴリーのリガンドが固相にさらに固定される、請求項１３に記載の方法を行うための請求項２４または２５に記載のアッセイ装置。
27. 請求項１に記載されるステップ２ａおよび２ｂを行うための試験キットであって、請求項２４に記載のアッセイ装置、および少なくとも２つのカテゴリーの検出分子を含んでなり、ここで、
    - 前記検出分子の第１のカテゴリーは、ＰＣａバイオマーカー、好ましくはＰＳＡ、ｉＰＳＡ、ｔＰＳＡ、ｆＰＳＡおよびｈＫ２の少なくとも１つ、および場合によりＭＳＭＢおよび／またはＭＩＣ−１を検出することができ；
    - 前記検出分子の第２のカテゴリーは、ＳＮＰｐｃ、例えばrs11672691, rs11704416, rs3863641, rs12130132, rs4245739, rs3771570, rs7611694, rs1894292, rs6869841, rs2018334, rs16896742, rs2273669, rs1933488, rs11135910, rs3850699, rs11568818, rs1270884, rs8008270, rs4643253, rs684232, rs11650494, rs7241993, rs6062509, rs1041449, または rs2405942, rs12621278, rs9364554, rs10486567, rs6465657, rs2928679, rs6983561, rs16901979, rs16902094, rs12418451, rs4430796, rs11649743, rs2735839, rs9623117 および rs138213197の少なくとも１つを検出することができる、
    試験キット。
28. 請求項２５に記載のアッセイ装置、およびＳＮＰｂｍ、例えばrs1227732, rs3213764, rs1354774, rs2736098, rs401681, rs10788160, rs11067228, rs1363120, rs888663, および rs1054564の少なくとも１つを検出することができる第３の検出分子カテゴリーを含む、請求項２７に記載の試験キット。
29. 請求項２６に記載のアッセイ装置、およびＳＮＰｂｍｉ、例えばrs3817334, rs10767664, rs2241423, rs7359397, rs7190603, rs571312, rs29941, rs2287019, rs2815752, rs713586, rs2867125, rs9816226, rs10938397, および rs1558902の少なくとも１つを検出することができる第４の検出分子カテゴリーを含む、請求項２７または２８に記載の試験キット。
30. 少なくとも２つの異なるカテゴリーのリガンドが固定された固相を含んでなるアッセイ装置であって、
    - 前記リガンドの第１のカテゴリーは、ＰＣａバイオマーカーに特異的に結合し、ＰＳＡ、ｉＰＳＡ、ｔＰＳＡ、ｆＰＳＡおよびｈＫ２の少なくとも１つ、および場合によりＭＳＭＢおよび／またはＭＩＣ−１から選択される複数の異なるＰＣａバイオマーカーのそれぞれに特異的に結合する複数の異なるリガンドを含み；
    - 前記リガンドの第２のカテゴリーは、ＳＮＰｐｃに特異的に結合し、rs11672691, rs11704416, rs3863641, rs12130132, rs4245739, rs3771570, rs7611694, rs1894292, rs6869841, rs2018334, rs16896742, rs2273669, rs1933488, rs11135910, rs3850699, rs11568818, rs1270884, rs8008270, rs4643253, rs684232, rs11650494, rs7241993, rs6062509, rs1041449, または rs2405942, rs12621278, rs9364554, rs10486567, rs6465657, rs2928679, rs6983561, rs16901979, rs16902094, rs12418451, rs4430796, rs11649743, rs2735839, rs9623117 および rs138213197の少なくとも１つから選択される複数の異なるＳＮＰｐｃのそれぞれに特異的に結合する複数の異なるリガンドを含む、
    アッセイ装置。
31. rs1227732, rs3213764, rs1354774, rs2736098, rs401681, rs10788160, rs11067228, rs1363120, rs888663, および rs1054564の少なくとも１つから選択される複数の異なるＳＮＰｂｍの１つまたはそれぞれに特異的に結合する１つまたは複数の異なるリガンドを含む、ＳＮＰｂｍに特異的に結合する第３のリガンドカテゴリーが固相にさらに固定される、請求項３０に記載のアッセイ装置。
32. rs3817334, rs10767664, rs2241423, rs7359397, rs7190603, rs571312, rs29941, rs2287019, rs2815752, rs713586, rs2867125, rs9816226, rs10938397, および rs1558902の少なくとも１つから選択される複数の異なるＳＮＰｂｍｉの１つまたはそれぞれに特異的に結合する１つまたは複数の異なるリガンドを含む、ＳＮＰｂｍｉに特異的に結合する第４のリガンドカテゴリーが固相にさらに固定される、請求項３０または３１に記載のアッセイ装置。
33. 少なくとも請求項１に記載されるステップ３、４および５、例えば請求項１に記載されるステップ１〜６を行うためのソフトウェアコード手段を含んでなる、デジタルコンピューターの内部メモリに直接ロード可能なコンピュータープログラム。
34. 請求項１１に記載の方法を行うためのソフトウェアコード手段をさらに含む、請求項３３に記載のコンピュータープログラム。
35. 請求項１３に記載の方法を行うためのソフトウェアコード手段をさらに含む、請求項３３または３４に記載のコンピュータープログラム。
36. 請求項３０に記載のアッセイ装置および請求項３３に記載のコンピュータープログラム、または請求項３１に記載のアッセイ装置および請求項３４に記載のコンピュータープログラム、または請求項３２に記載のアッセイ装置および請求項３５に記載のコンピュータープログラムを含んでなる装置。

Images