JP2018512071A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2018512071A5 JP2018512071A5 JP2017534299A JP2017534299A JP2018512071A5 JP 2018512071 A5 JP2018512071 A5 JP 2018512071A5 JP 2017534299 A JP2017534299 A JP 2017534299A JP 2017534299 A JP2017534299 A JP 2017534299A JP 2018512071 A5 JP2018512071 A5 JP 2018512071A5
- Authority
- JP
- Japan
- Prior art keywords
- cells
- cell subsets
- sample
- profile
- subsets
- 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.)
- Granted
Links
- 210000004027 cells Anatomy 0.000 claims description 159
- 210000000265 Leukocytes Anatomy 0.000 claims description 109
- 239000000203 mixture Substances 0.000 claims description 66
- 206010028980 Neoplasm Diseases 0.000 claims description 58
- 239000000523 sample Substances 0.000 claims description 49
- 230000014509 gene expression Effects 0.000 claims description 39
- 210000001744 T-Lymphocytes Anatomy 0.000 claims description 38
- 239000011159 matrix material Substances 0.000 claims description 38
- 210000001519 tissues Anatomy 0.000 claims description 37
- 210000004011 Plasma Cells Anatomy 0.000 claims description 25
- 239000012472 biological sample Substances 0.000 claims description 19
- 230000011664 signaling Effects 0.000 claims description 18
- 210000003719 B-Lymphocytes Anatomy 0.000 claims description 17
- 210000000138 Mast Cells Anatomy 0.000 claims description 14
- 210000004369 Blood Anatomy 0.000 claims description 13
- 239000008280 blood Substances 0.000 claims description 13
- 210000000822 Killer Cells, Natural Anatomy 0.000 claims description 12
- 230000015572 biosynthetic process Effects 0.000 claims description 12
- 230000004083 survival Effects 0.000 claims description 12
- 230000036740 Metabolism Effects 0.000 claims description 10
- 230000004060 metabolic process Effects 0.000 claims description 10
- 230000035786 metabolism Effects 0.000 claims description 10
- 239000007787 solid Substances 0.000 claims description 10
- 210000004698 Lymphocytes Anatomy 0.000 claims description 9
- 210000002540 Macrophages Anatomy 0.000 claims description 9
- 210000001616 Monocytes Anatomy 0.000 claims description 9
- 210000000440 Neutrophils Anatomy 0.000 claims description 8
- 230000022131 cell cycle Effects 0.000 claims description 8
- 210000001806 memory B lymphocyte Anatomy 0.000 claims description 8
- 238000003786 synthesis reaction Methods 0.000 claims description 8
- 230000002194 synthesizing Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 210000004443 Dendritic Cells Anatomy 0.000 claims description 6
- 210000004475 gamma-delta T lymphocyte Anatomy 0.000 claims description 6
- 229920000160 (ribonucleotides)n+m Polymers 0.000 claims description 5
- 210000003979 Eosinophils Anatomy 0.000 claims description 5
- 210000003283 T-Lymphocytes, Helper-Inducer Anatomy 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 210000003289 regulatory T cell Anatomy 0.000 claims description 5
- 210000004958 Brain cells Anatomy 0.000 claims description 4
- 230000031016 anaphase Effects 0.000 claims description 4
- 230000037348 biosynthesis Effects 0.000 claims description 4
- 230000002349 favourable Effects 0.000 claims description 4
- 230000003325 follicular Effects 0.000 claims description 4
- 230000031146 intracellular signal transduction Effects 0.000 claims description 4
- 230000037353 metabolic pathway Effects 0.000 claims description 4
- 239000012521 purified sample Substances 0.000 claims description 4
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 claims description 3
- 150000001413 amino acids Chemical class 0.000 claims description 3
- -1 calcium signaling Proteins 0.000 claims description 3
- 210000000130 stem cell Anatomy 0.000 claims description 3
- CZPWVGJYEJSRLH-UHFFFAOYSA-N 289-95-2 Chemical compound C1=CN=CN=C1 CZPWVGJYEJSRLH-UHFFFAOYSA-N 0.000 claims description 2
- 229940009098 Aspartate Drugs 0.000 claims description 2
- 210000001130 Astrocytes Anatomy 0.000 claims description 2
- 210000003483 Chromatin Anatomy 0.000 claims description 2
- 108010077544 Chromatin Proteins 0.000 claims description 2
- 210000000349 Chromosomes Anatomy 0.000 claims description 2
- CZMRCDWAGMRECN-UGDNZRGBSA-N D-sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 claims description 2
- 210000002744 Extracellular Matrix Anatomy 0.000 claims description 2
- 102000003688 G-protein coupled receptors Human genes 0.000 claims description 2
- 108090000045 G-protein coupled receptors Proteins 0.000 claims description 2
- AEMOLEFTQBMNLQ-WAXACMCWSA-N Glucuronic acid Chemical compound O[C@H]1O[C@H](C(O)=O)[C@@H](O)[C@H](O)[C@H]1O AEMOLEFTQBMNLQ-WAXACMCWSA-N 0.000 claims description 2
- 229940096919 Glycogen Drugs 0.000 claims description 2
- 229920002527 Glycogen Polymers 0.000 claims description 2
- BYSGBSNPRWKUQH-UJDJLXLFSA-N Glycogen Chemical compound O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CO)O[C@@H]1OC[C@@H]1[C@@H](O[C@@H]2[C@@H]([C@@H](O)[C@H](O)[C@@H](CO)O2)O)[C@H](O)[C@@H](O)[C@@H](O[C@@H]2[C@H](O[C@H](O)[C@H](O)[C@H]2O)CO)O1 BYSGBSNPRWKUQH-UJDJLXLFSA-N 0.000 claims description 2
- 240000001340 Gmelina philippensis Species 0.000 claims description 2
- 229940088597 Hormone Drugs 0.000 claims description 2
- CDAISMWEOUEBRE-GPIVLXJGSA-N Inositol Chemical compound O[C@H]1[C@H](O)[C@@H](O)[C@H](O)[C@H](O)[C@@H]1O CDAISMWEOUEBRE-GPIVLXJGSA-N 0.000 claims description 2
- 108009000068 Insulin Signaling Proteins 0.000 claims description 2
- HNDVDQJCIGZPNO-YFKPBYRVSA-N L-histidine Chemical compound OC(=O)[C@@H](N)CC1=CN=CN1 HNDVDQJCIGZPNO-YFKPBYRVSA-N 0.000 claims description 2
- 210000000274 Microglia Anatomy 0.000 claims description 2
- 210000001178 Neural Stem Cells Anatomy 0.000 claims description 2
- 108009000163 Notch Signaling Proteins 0.000 claims description 2
- 210000004248 Oligodendroglia Anatomy 0.000 claims description 2
- RKCAIXNGYQCCAL-UHFFFAOYSA-N Porphin Chemical compound N1C(C=C2N=C(C=C3NC(=C4)C=C3)C=C2)=CC=C1C=C1C=CC4=N1 RKCAIXNGYQCCAL-UHFFFAOYSA-N 0.000 claims description 2
- KDCGOANMDULRCW-UHFFFAOYSA-N Purine Chemical compound N1=CNC2=NC=NC2=C1 KDCGOANMDULRCW-UHFFFAOYSA-N 0.000 claims description 2
- 230000036191 S Phase Effects 0.000 claims description 2
- 230000018199 S phase Effects 0.000 claims description 2
- 229920002472 Starch Polymers 0.000 claims description 2
- 210000002536 Stromal Cells Anatomy 0.000 claims description 2
- CZMRCDWAGMRECN-GDQSFJPYSA-N Sucrose Natural products O([C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@H](CO)O1)[C@@]1(CO)[C@H](O)[C@@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-GDQSFJPYSA-N 0.000 claims description 2
- 108009000607 Wnt Signaling Proteins 0.000 claims description 2
- 210000003008 brain-resident macrophage Anatomy 0.000 claims description 2
- 230000028956 calcium-mediated signaling Effects 0.000 claims description 2
- 230000024881 catalytic activity Effects 0.000 claims description 2
- 239000001913 cellulose Substances 0.000 claims description 2
- 229920002678 cellulose Polymers 0.000 claims description 2
- 230000037342 citrate cycle Effects 0.000 claims description 2
- 230000021953 cytokinesis Effects 0.000 claims description 2
- 230000034994 death Effects 0.000 claims description 2
- 230000000467 effect on cytodieresis Effects 0.000 claims description 2
- 230000004129 fatty acid metabolism Effects 0.000 claims description 2
- 230000004151 fermentation Effects 0.000 claims description 2
- 238000000855 fermentation Methods 0.000 claims description 2
- WSFSSNUMVMOOMR-UHFFFAOYSA-N formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 claims description 2
- 230000004110 gluconeogenesis Effects 0.000 claims description 2
- 230000034659 glycolysis Effects 0.000 claims description 2
- 239000003102 growth factor Substances 0.000 claims description 2
- 239000005556 hormone Substances 0.000 claims description 2
- 230000016507 interphase Effects 0.000 claims description 2
- 239000002207 metabolite Substances 0.000 claims description 2
- 230000031864 metaphase Effects 0.000 claims description 2
- 230000011278 mitosis Effects 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 238000006011 modification reaction Methods 0.000 claims description 2
- 210000003061 neural cell Anatomy 0.000 claims description 2
- 239000002858 neurotransmitter agent Substances 0.000 claims description 2
- 239000012188 paraffin wax Substances 0.000 claims description 2
- 230000037361 pathway Effects 0.000 claims description 2
- 230000004108 pentose phosphate pathway Effects 0.000 claims description 2
- 230000031877 prophase Effects 0.000 claims description 2
- 230000026731 protein phosphorylation Effects 0.000 claims description 2
- 230000004850 protein–protein interaction Effects 0.000 claims description 2
- 230000001105 regulatory Effects 0.000 claims description 2
- 239000008107 starch Substances 0.000 claims description 2
- 235000019698 starch Nutrition 0.000 claims description 2
- 239000005720 sucrose Substances 0.000 claims description 2
- 210000004881 tumor cells Anatomy 0.000 claims description 2
- 230000004143 urea cycle Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims 3
- 210000004693 NK cell Anatomy 0.000 claims 2
- 235000013305 food Nutrition 0.000 claims 1
- 201000011510 cancer Diseases 0.000 description 32
- 238000004458 analytical method Methods 0.000 description 18
- 238000000684 flow cytometry Methods 0.000 description 18
- 102100013077 CD4 Human genes 0.000 description 16
- 101700022938 CD4 Proteins 0.000 description 16
- 208000010507 Adenocarcinoma of Lung Diseases 0.000 description 12
- 201000005249 lung adenocarcinoma Diseases 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000002596 correlated Effects 0.000 description 9
- 201000003444 follicular lymphoma Diseases 0.000 description 9
- 238000004393 prognosis Methods 0.000 description 9
- 238000001574 biopsy Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 210000002865 immune cell Anatomy 0.000 description 8
- 230000000875 corresponding Effects 0.000 description 7
- 239000003550 marker Substances 0.000 description 7
- 238000002493 microarray Methods 0.000 description 7
- 102100005826 CD19 Human genes 0.000 description 6
- 101700087100 CD19 Proteins 0.000 description 6
- 208000002154 Non-Small-Cell Lung Carcinoma Diseases 0.000 description 6
- 108009000071 Non-small cell lung cancer Proteins 0.000 description 6
- 102100005499 PTPRC Human genes 0.000 description 5
- 101700059076 PTPRC Proteins 0.000 description 5
- URRBLVUOXIGNQR-HXUWFJFHSA-N [(1R)-1-phenylethyl] N-(2-aminoethyl)-N-[(3-methoxy-4-phenylmethoxyphenyl)methyl]carbamate Chemical compound C1([C@@H](C)OC(=O)N(CCN)CC=2C=C(C(=CC=2)OCC=2C=CC=CC=2)OC)=CC=CC=C1 URRBLVUOXIGNQR-HXUWFJFHSA-N 0.000 description 5
- 230000003394 haemopoietic Effects 0.000 description 5
- 210000000481 Breast Anatomy 0.000 description 4
- 210000004072 Lung Anatomy 0.000 description 4
- 238000001793 Wilcoxon signed-rank test Methods 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000002156 mixing Methods 0.000 description 4
- 210000000601 Blood Cells Anatomy 0.000 description 3
- 102100003268 CD14 Human genes 0.000 description 3
- 101700027514 CD14 Proteins 0.000 description 3
- 102100019459 CD27 Human genes 0.000 description 3
- 101700056583 CD27 Proteins 0.000 description 3
- 102100003279 CD38 Human genes 0.000 description 3
- 101700044948 CD38 Proteins 0.000 description 3
- 206010009944 Colon cancer Diseases 0.000 description 3
- 102100000165 MS4A1 Human genes 0.000 description 3
- 101710010909 MS4A1 Proteins 0.000 description 3
- 102100007544 NCAM1 Human genes 0.000 description 3
- 101700077124 NCAM1 Proteins 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 3
- 239000000654 additive Substances 0.000 description 3
- 230000000996 additive Effects 0.000 description 3
- 230000002489 hematologic Effects 0.000 description 3
- 238000003364 immunohistochemistry Methods 0.000 description 3
- 238000000338 in vitro Methods 0.000 description 3
- 230000002601 intratumoral Effects 0.000 description 3
- 230000003211 malignant Effects 0.000 description 3
- 125000002924 primary amino group Chemical group [H]N([H])* 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000010186 staining Methods 0.000 description 3
- 230000035533 AUC Effects 0.000 description 2
- 206010000871 Acute monocytic leukaemia Diseases 0.000 description 2
- 206010000880 Acute myeloid leukaemia Diseases 0.000 description 2
- 206010003816 Autoimmune disease Diseases 0.000 description 2
- 210000003651 Basophils Anatomy 0.000 description 2
- 210000001185 Bone Marrow Anatomy 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 2
- 206010008958 Chronic lymphocytic leukaemia Diseases 0.000 description 2
- 101700064140 FOXP3 Proteins 0.000 description 2
- 102100011855 FOXP3 Human genes 0.000 description 2
- 102100007899 KLRB1 Human genes 0.000 description 2
- 101700014816 KLRB1 Proteins 0.000 description 2
- 208000000429 Leukemia, Lymphocytic, Chronic, B-Cell Diseases 0.000 description 2
- 208000009721 Leukemia, Monocytic, Acute Diseases 0.000 description 2
- 208000008456 Leukemia, Myelogenous, Chronic, BCR-ABL Positive Diseases 0.000 description 2
- 208000007046 Leukemia, Myeloid, Acute Diseases 0.000 description 2
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 2
- 210000001165 Lymph Nodes Anatomy 0.000 description 2
- 108020004999 Messenger RNA Proteins 0.000 description 2
- 206010029592 Non-Hodgkin's lymphomas Diseases 0.000 description 2
- 210000002741 Palatine Tonsil Anatomy 0.000 description 2
- 206010035226 Plasma cell myeloma Diseases 0.000 description 2
- 208000006664 Precursor Cell Lymphoblastic Leukemia-Lymphoma Diseases 0.000 description 2
- 201000005510 acute lymphocytic leukemia Diseases 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 239000000427 antigen Substances 0.000 description 2
- 102000038129 antigens Human genes 0.000 description 2
- 108091007172 antigens Proteins 0.000 description 2
- 230000002146 bilateral Effects 0.000 description 2
- 238000004166 bioassay Methods 0.000 description 2
- 230000022534 cell killing Effects 0.000 description 2
- 201000006934 chronic myeloid leukemia Diseases 0.000 description 2
- 201000011231 colorectal cancer Diseases 0.000 description 2
- 230000009089 cytolysis Effects 0.000 description 2
- 238000001943 fluorescence-activated cell sorting Methods 0.000 description 2
- 230000004547 gene signature Effects 0.000 description 2
- 201000005787 hematologic cancer Diseases 0.000 description 2
- 230000036039 immunity Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 230000036210 malignancy Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 210000003622 mature neutrocyte Anatomy 0.000 description 2
- 229920002106 messenger RNA Polymers 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 230000000877 morphologic Effects 0.000 description 2
- 230000017074 necrotic cell death Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 208000004631 Alopecia Areata Diseases 0.000 description 1
- 208000009094 Anemia, Hemolytic, Autoimmune Diseases 0.000 description 1
- 206010003827 Autoimmune hepatitis Diseases 0.000 description 1
- 210000000649 B-Lymphocyte Subsets Anatomy 0.000 description 1
- 206010004161 Basedow's disease Diseases 0.000 description 1
- 206010004661 Biliary cirrhosis primary Diseases 0.000 description 1
- 210000004556 Brain Anatomy 0.000 description 1
- 208000003174 Brain Neoplasms Diseases 0.000 description 1
- 208000000594 Bullous Pemphigoid Diseases 0.000 description 1
- 102000020504 Collagenase family Human genes 0.000 description 1
- 108060005980 Collagenase family Proteins 0.000 description 1
- FWBHETKCLVMNFS-UHFFFAOYSA-N DATI Chemical compound C1=CC(C(=N)N)=CC=C1C1=CC2=CC=C(C(N)=N)C=C2N1 FWBHETKCLVMNFS-UHFFFAOYSA-N 0.000 description 1
- 206010012601 Diabetes mellitus Diseases 0.000 description 1
- 206010018364 Glomerulonephritis Diseases 0.000 description 1
- 208000003807 Graves Disease Diseases 0.000 description 1
- 201000004779 Graves' disease Diseases 0.000 description 1
- 208000002183 Guillain-Barre Syndrome Diseases 0.000 description 1
- 206010061187 Haematopoietic neoplasm Diseases 0.000 description 1
- 239000012593 Hanks’ Balanced Salt Solution Substances 0.000 description 1
- 206010020243 Hodgkin's disease Diseases 0.000 description 1
- 201000006743 Hodgkin's lymphoma Diseases 0.000 description 1
- 102100007035 IGKC Human genes 0.000 description 1
- 101700064304 IGKC Proteins 0.000 description 1
- 206010021245 Idiopathic thrombocytopenic purpura Diseases 0.000 description 1
- 210000001503 Joints Anatomy 0.000 description 1
- 206010024324 Leukaemias Diseases 0.000 description 1
- 210000002751 Lymph Anatomy 0.000 description 1
- 210000004322 M2 macrophage Anatomy 0.000 description 1
- 206010028417 Myasthenia gravis Diseases 0.000 description 1
- 208000009525 Myocarditis Diseases 0.000 description 1
- 206010034277 Pemphigoid Diseases 0.000 description 1
- 241000721454 Pemphigus Species 0.000 description 1
- 206010034695 Pernicious anaemia Diseases 0.000 description 1
- 208000005987 Polymyositis Diseases 0.000 description 1
- 206010037549 Purpura Diseases 0.000 description 1
- 241001672981 Purpura Species 0.000 description 1
- 241000700159 Rattus Species 0.000 description 1
- 206010072736 Rheumatic disease Diseases 0.000 description 1
- 108010001645 Rituximab Proteins 0.000 description 1
- 206010039710 Scleroderma Diseases 0.000 description 1
- 210000002966 Serum Anatomy 0.000 description 1
- 206010040767 Sjogren's syndrome Diseases 0.000 description 1
- 238000000692 Student's t-test Methods 0.000 description 1
- 206010042953 Systemic sclerosis Diseases 0.000 description 1
- 206010064390 Tumour invasion Diseases 0.000 description 1
- 210000003135 Vibrissae Anatomy 0.000 description 1
- 101700006107 YDJ1 Proteins 0.000 description 1
- 230000001154 acute Effects 0.000 description 1
- 230000003044 adaptive Effects 0.000 description 1
- 230000001058 adult Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 108090001123 antibodies Proteins 0.000 description 1
- 102000004965 antibodies Human genes 0.000 description 1
- 201000000448 autoimmune hemolytic anemia Diseases 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000000903 blocking Effects 0.000 description 1
- 238000004820 blood count Methods 0.000 description 1
- 201000002393 blood protein disease Diseases 0.000 description 1
- 201000005216 brain cancer Diseases 0.000 description 1
- 201000008274 breast adenocarcinoma Diseases 0.000 description 1
- 201000008275 breast carcinoma Diseases 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000006285 cell suspension Substances 0.000 description 1
- 230000001413 cellular Effects 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 210000003690 classically activated macrophage Anatomy 0.000 description 1
- 229960002424 collagenase Drugs 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement Effects 0.000 description 1
- 239000012468 concentrated sample Substances 0.000 description 1
- 238000004163 cytometry Methods 0.000 description 1
- 230000003247 decreasing Effects 0.000 description 1
- 230000004059 degradation Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 201000001981 dermatomyositis Diseases 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000002708 enhancing Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007490 hematoxylin and eosin (H&E) staining Methods 0.000 description 1
- 230000028996 humoral immune response Effects 0.000 description 1
- 230000001900 immune effect Effects 0.000 description 1
- 230000003053 immunization Effects 0.000 description 1
- 238000002649 immunization Methods 0.000 description 1
- 238000009114 investigational therapy Methods 0.000 description 1
- 201000009325 leukocyte disease Diseases 0.000 description 1
- 230000000670 limiting Effects 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 201000005296 lung carcinoma Diseases 0.000 description 1
- 201000005243 lung squamous cell carcinoma Diseases 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 210000003071 memory T lymphocyte Anatomy 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 201000009251 multiple myeloma Diseases 0.000 description 1
- 201000006417 multiple sclerosis Diseases 0.000 description 1
- 201000003793 myelodysplastic syndrome Diseases 0.000 description 1
- 201000000050 myeloid neoplasm Diseases 0.000 description 1
- 230000001537 neural Effects 0.000 description 1
- 210000002569 neurons Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000011886 peripheral blood Substances 0.000 description 1
- 201000006292 polyarteritis nodosa Diseases 0.000 description 1
- 238000010837 poor prognosis Methods 0.000 description 1
- 201000002728 primary biliary cirrhosis Diseases 0.000 description 1
- 230000000770 pro-inflamatory Effects 0.000 description 1
- 201000004681 psoriasis Diseases 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 230000000717 retained Effects 0.000 description 1
- 229960004641 rituximab Drugs 0.000 description 1
- 230000004936 stimulating Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 201000000596 systemic lupus erythematosus Diseases 0.000 description 1
- 201000009594 systemic scleroderma Diseases 0.000 description 1
- 230000026683 transduction Effects 0.000 description 1
- 238000010361 transduction Methods 0.000 description 1
- 238000004450 types of analysis Methods 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Description
任意の実施形態では、試料は生物試料であってよい。いくつかの実施形態では、第1の複数の異なる成分は、異なる細胞サブセットである。いくつかの実施形態では、細胞サブセットは脳細胞サブセットを含む。いくつかの実施形態では、脳細胞サブセットは、神経細胞、星状膠細胞、乏突起膠細胞、およびミクログリアの内の少なくとも1つのサブセットを含む。いくつかの実施形態では、細胞サブセットは、間質細胞、幹細胞、神経細胞、および前駆細胞の内の少なくとも1つのサブセットを含む。いくつかの実施形態では、細胞サブセットは腫瘍細胞サブセットを含む。いくつかの実施形態では、細胞サブセットは白血球サブセットを含む。いくつかの実施形態では、細胞サブセットは腫瘍浸潤白血球のサブセットを含む。いくつかの実施形態では、細胞サブセットはリンパ球のサブセットを含む。いくつかの実施形態では、白血球サブセットは、ナイーブB細胞、記憶B細胞、プラズマ細胞、CD8 T細胞、ナイーブCD4 T細胞、CD4記憶RO不活性T細胞、CD4記憶RO活性化T細胞、濾胞性ヘルパーT細胞、制御性T細胞、ガンマデルタT細胞、非刺激NK細胞、刺激NK細胞、単球、マクロファージM0、マクロファージM1、マクロファージM2、非刺激樹状細胞、刺激樹状細胞、非刺激マスト細胞、刺激マスト細胞、好酸球、および好中球からなる群より選択される2つ以上の細胞型を含む。いくつかの実施形態では、細胞サブセットは、異なる細胞周期段階の細胞サブセットを含む。いくつかの実施形態では、異なる細胞周期段階の細胞サブセットは、間期、分裂期または細胞質分裂の内の1つまたは複数の細胞サブセットを含む。いくつかの実施形態では、異なる細胞周期段階の細胞サブセットは、分裂前期、中期、分裂後期、または分裂終期の内の1つまたは複数の細胞サブセットを含む。いくつかの実施形態では、異なる細胞周期段階の細胞サブセットは、G0、G1、G2、またはS期の内の1つまたは複数の細胞サブセットを含む。いくつかの実施形態では、第1の複数の異なる成分は、異なる細胞内シグナル伝達経路、遺伝子調節経路、または代謝経路である。いくつかの実施形態では、異なる細胞内シグナル伝達経路には、サイトカインシグナル伝達、死因子シグナル伝達、増殖因子シグナル伝達、生存因子シグナル伝達、ホルモンシグナル伝達、Wntシグナル伝達、ヘッジホッグシグナル伝達、Notchシグナル伝達、細胞外マトリックスシグナル伝達、インスリンシグナル伝達、カルシウムシグナル伝達、Gタンパク質共役型受容体シグナル伝達、神経伝達物質シグナル伝達、およびこれらの組み合わせが含まれる。いくつかの実施形態では、異なる代謝経路には、解糖、糖新生、クエン酸回路、発酵、尿素回路、脂肪酸代謝、ピリミジン生合成、グルタメートアミノ酸基合成、ポルフィリン代謝、アスパルテートアミノ酸基合成、芳香族アミノ酸合成、ヒスチジン代謝、分岐アミノ酸合成、ペントースホスフェート経路、プリン生合成、グルクロネート代謝、イノシトール代謝、セルロース代謝、スクロース代謝、デンプンおよびグリコーゲン代謝、およびこれらの組み合わせが含まれる。いくつかの実施形態では、特徴プロファイルには、遺伝子発現プロファイル、タンパク質−タンパク質相互作用プロファイル、タンパク質リン酸化プロファイル、細胞電気活性プロファイル、クロマチン修飾プロファイル、染色体結合プロファイル、酵素活性プロファイル、代謝物プロファイルまたはこれらの組み合わせが含まれる。いくつかの実施形態では、特徴プロファイルには、生物試料中の細胞のRNAトランスクリプトームを表す遺伝子発現プロファイルが含まれる。いくつかの実施形態では、生物試料は、保管された組織試料である。いくつかの実施形態では、生物試料は、血液試料である。いくつかの実施形態では、生物試料は、固体組織試料由来である。いくつかの実施形態では、固体組織試料は腫瘍試料である。いくつかの実施形態では、固体組織試料はホルマリン固定、パラフィン包埋(FFPE)試料である。いくつかの実施形態では、生物試料は、精製試料である。いくつかの実施形態では、生物試料は、白血球濃縮試料である。いくつかの実施形態では、方法は、個体から試料を得ることをさらに含む。
本明細書で使用される場合、用語の「白血球(leukocyte)」または「白血球(white blood cell)」は、単球、好中球、好酸球、好塩基球、およびリンパ球を含む任意の免疫細胞を意味する。本明細書で使用される場合、用語の「リンパ球」は通常、リンパ液中で認められる細胞を意味し、ナチュラルキラー細胞(NK細胞)、T細胞およびB細胞を含む。上に列挙した免疫細胞型は、さらにサブセットに分解できることは、当業者に理解されるであろう。
本明細書で使用される場合、用語の「腫瘍浸潤白血球」は、固形腫瘍中に存在する白血球を意味する。
特定の態様では、1つまたは複数の細胞サブセットは、白血球(leukocyte)(すなわち、白血球(white blood cell)またはWBC)であってよい。可能な白血球細胞サブセットには、単球、樹状細胞、好中球、好酸球、好塩基球、およびリンパ球が含まれる。これらの白血球サブセットは、例えば、ナチュラルキラー細胞(NK細胞)、T細胞(例えば、CD8 T細胞、CD4ナイーブT細胞、CD4記憶RO不活性T細胞、CD4記憶RO活性化T細胞、濾胞性ヘルパーT細胞、制御性T細胞、など)およびB細胞(ナイーブB細胞、記憶B細胞、プラズマ細胞)を含むリンパ球細胞サブセットにさらに細分できる。免疫細胞サブセットは、活性化(または刺激)状態に基づいてさらに分離し得る。
特定の態様では、白血球は、血液癌、自己免疫疾患、骨髄異形成症候群、などの白血球障害の個体由来であってよい。血液疾患の例には、急性リンパ芽球性白血病(ALL)、急性骨髄性白血病(AML)、慢性リンパ性白血病(CLL)、慢性骨髄性白血病(CML)、急性単球性白血病(AMoL)、ホジキンリンパ腫、非ホジキンリンパ腫、および骨髄腫が挙げられる。自己免疫疾患の例には、円形脱毛症、自己免疫性溶血性貧血、自己免疫性肝炎、皮膚筋炎、糖尿病(1型)、糸球体腎炎、グレーブス病、ギラン・バレー症候群、特発性血小板減少性紫斑病、重症筋無力症、いくつかの形態の心筋炎、多発性硬化症、天疱瘡/類天疱瘡、悪性貧血、結節性多発動脈炎、多発性筋炎、原発性胆汁性肝硬変、乾癬、関節リウマチ、強皮症/全身性硬化症、シェーグレン症候群、および全身性エリテマトーデスが挙げられる。
特定の態様では、1つまたは複数の細胞サブセットは、腫瘍浸潤白血球を含んでよい。腫瘍浸潤白血球は、生物試料中の癌細胞との混合物であってよく、または上記のいずれかの方法または当該技術分野において既知の方法により濃縮されてよい。
特定の態様では、細胞サブセットは、例えば、上記セクションに記載されているような白血球を含む。白血球は、腫瘍浸潤白血球(例えば、癌細胞との混合物または癌細胞から精製された)であってよい。白血球細胞サブセットは、ナイーブB細胞および記憶B細胞の内の1種または複数など、およびCD8 T細胞、CD4ナイーブT細胞、CD4記憶RO不活性T細胞、CD4記憶RO活性化T細胞、濾胞性ヘルパーT細胞、および制御性T細胞の内の1種または複数などのリンパ球を含んでよい。特定の態様では、白血球細胞サブセットは、B細胞、プラズマ細胞、CD8 T細胞、CD4 T細胞、ガンマデルタT細胞、NK細胞、単球、マクロファージ、樹状細胞、マスト細胞、好酸球、および好中球細胞サブセットの内の1種または複数を含んでよい。
上述のように、物理的試料、例えば、生物試料は、多くの物理的試料、例えば、生物試料のいずれであってもよい。特定の態様では、生物試料は、保管された組織試料、血液試料、固体組織試料、腫瘍試料、精製試料、白血球濃縮試料、またはこれらの組み合わせである。
最初の適用として、バルク腫瘍からの白血球デコンボリューションの実現性、したがって、白血球シグネチャーマトリックスの設計および有効性が見極められた。LM22と命名されたこのシグネチャーマトリックスは、7種のT細胞型、ナイーブおよび記憶B細胞、プラズマ細胞、NK細胞、および骨髄サブセット(図16、図4、方法の項参照)を含む、22個の成熟ヒト造血集団および活性化状態を正確に識別する547個の遺伝子からなる。細胞サブセットは、造血ヒエラルキーの共通系統に基づいて、11種の主要白血球タイプにさらに分類できる(図16)。CIBERSORTを使って、LM22を最初に、種々の方法で精製した白血球サブセットのプロファイルを有する追加のデータセットに対し検証して、統合遺伝子の細胞型特異性を確認し、93%のデータセットを異なる細胞表現型に正確に分類した(図1b、図5a、図17)。さらなる検証として、CIBERSORTにより、5人のヒト扁桃腺から流動選別したTおよびB細胞の高純度に適合する結果が得られた(図5b)。
CIBERSORTの実験的p値測定法の感度および特異性を評価するために、LM22を3,061個のヒトトランスクリプトームのデコンボリューションに適用した10。モンテカルロベースランダム遺伝子サンプリングを用いて、「ゼロ」混合物を生成し(方法の項参照)、その後、既知の造血および非造血細胞源からの発現プロファイルを、CIBERSORTを使って、「正」および「負」試料としてスコア化した。この区別は、種々に精製した一次組織供試体(n=1,801合計、正=1,425、負=376)および形質転換細胞(n=1,260合計、正=118、負=1,142)に対し別々に考慮に入れた。両群では、約0.01の実験的p値閾値で、CIBERSORTは、負試料から正試料の識別に対し、94%以上の感度および95%以上の特異性を達成した(AUC≧0.98;図1c)。注目すべきことに、LM22の代わりに独立に得た白血球シグネチャーマトリックス4を使っても同様の結果であり(データは示さず)、手法の一般性を裏付けた。
次に、それぞれ極めて異なる基準プロファイルを有する4種の混合血液癌細胞株4からなる、よく使われるベンチマークデータセットを用いて、未知の含量を含む混合物に対する、その他の方法に比べたCIBERSORTの技術的性能が比較された(方法の項参照)。これらの混合物を結腸癌細胞株と混合することにより、ヒト固形腫瘍は種々の白血球浸潤(1%〜100%)を有するように模擬された。非log線形ノイズの添加も試験し、試料取り扱い、確率的遺伝子発現変動、およびプラットホーム間の差異を模擬した。この模擬フレームワークは固形腫瘍の生物学的混合物を完全に反映するものではないが、免疫含量および添加ノイズが細かく調節および試験可能な合理的なモデルを提供した。さらに、それぞれの方法の性能は、より複雑な混合物の場合に大きく改善できそうにない。
模擬混合物に対しCIBERSORTのベンチマークを行って、バルク腫瘍を含む固体組織のインビトロおよびインビボ混合物を試験した。LM22を全てのその後の分析のために使用し、したがって、我々の比較評価を発現ベースの方法(すなわち、RLR、PERT、QP、LLSR)に限定した。最初、乳房組織中に添加した全血の所定の混合物中の白血球デコンボリューションの安定性を試験した5。加えて免疫関連遺伝子発現との比較により、相対的スパイクイン比率を検証(図2e、左)後、CIBERSORTが他の方法より有意に高い一貫性があることが明らかになった(P<0.02;n=9個の100%未満の血液を含む試料;対応のある両側性ウィルコクソン符号付順位検定;図2e、右;図19)。別に、独立調査全体にわたり、CIBERSORTにより列挙された白血球比率は、癌間より癌タイプ内でより類似性が高かった(図2f)。これらの結果は、未知の含量および研究室特異的要因は、CIBERSORT性能に対し、ごくわずかな影響しか与えないことを示す。
次に、CIBERSORTは、長期貯蔵のために、検査室で定常的に生成されているホルマリン固定、パラフィン包埋(FFPE)試料に適用可能かどうかが問われた。適合FFPEおよび凍結DLBCL腫瘍(n=18)からなる公的に入手可能なGEPを使って、CIBERSORTにより推定された白血球比率は、全ての腫瘍間で有意に相関し(図2g)、その他の方法より一致性が高かったことが明らかになった(図19)。実際に、CIBERSORTの結果はまた、18個の個別腫瘍中の16個(P<0.05;図12a)および特定の細胞サブセット(図12b)において、有意に相関し、FFPE供試体中の細胞組成物の大規模分析に対する潜在的有用性を暗示した。
固体組織中の白血球含量のグラウンドトルース測定に対してCIBERSORTを評価するために、フローサイトメトリーを使って、2種の組織型:初期段階非小細胞肺癌(NSCLC)の外科的切除中に得た肺供試体、および濾胞性リンパ腫(FL)患者由来の脱凝集したリンパ節生検材料、中の免疫サブセットを列挙した。(i)正常な肺組織の独立マイクロアレイ調査または(ii)14個の対でのバルクFL試料由来のGEPへの適用に係わらず、結果は、対応するフローサイトメトリー測定値に有意に相関し(P≦0.005;それぞれ図2hおよび2i)、両組織型において、以前の方法より厳密に実験値を反映した(図19)。
個々の細胞サブセットに対する性能を評価するために、フローサイトメトリーを使ってLM22のほぼ50%(22個の細胞サブセットの10個)の表現型レパートリーを列挙し、血液および腫瘍生検材料を含む一次ヒト試料のディープデコンボリューションに対するCIBERSORTの能力を評価した。27人の成人対象からの血液試料を、PBMC中のLM22に収集された10個の異なる細胞表現型についてプロファイリングした(20人の対象が9個の細胞型に対しプロファイリングされ、7人がFOXP3+Tregに対しプロファイリングされた;フローサイトメトリーの方法の項を参照されたい)。これらの10個の表現型の内で、半分がLM22中で高度に共線的であり(例えば、ナイーブおよび記憶B細胞;図4c)、半分がPBMC中で頻度が少ない(<5%)(ナイーブおよび記憶B細胞、活性化記憶CD4 T細胞、ガンマデルタT細胞、およびTreg)。分析した表現型の多様性に係わらず、90%の異なる白血球サブセットが、CIBERSORTとフローサイトメトリーとの間で有意に相関し(P≦0.02;図3a)、これには、中央値比率が5%の5個のサブセットの内の4個(例えば、Treg;図3b)が含まれる。ガンマデルタT細胞のみが有意でなく(正に相関したにもかかわらず;R=0.29)、おそらく、フローサイトメトリーまたは最適でない基準プロファイルの使用に付随する技術的問題が原因であろう(図5a)。別に、14人のFL患者由来の腫瘍生検材料中のCD4/CD8 T細胞および悪性B細胞のレベルを調査し、フローサイトメトリーおよびマイクロアレイによりプロファイリングした(すなわち、図2i)。CIBERSORTにより推定された全3つのサブセットの比率は、フローサイトメトリーと有意に相関した(P≦0.02;図3c)。
図2hに関しては、新しい正常肺組織試料を小片に切断し、45分間のコラゲナーゼI(STEMCELL Technologies)消化により、単細胞懸濁液に解離させた。解離した単細胞を1x107/mLの濃度で染色緩衝液(2%の加熱不活性化仔ウシ血清を含むHBSS)中に懸濁させた。10μg/μLのラットIgGで10分間のブロッキング後、上記表で示した抗体細胞を使って少なくとも10分間染色した。洗浄後、染色した細胞を1μg/mLのDAPIを含む染色緩衝液中に再懸濁し、FACSAria II装置(BD Biosciences)を使って次の集団を列挙した:合計白血球(CD45+)、単球(CD14+)、CD8 T細胞(CD8+)、CD4 T細胞(CD4+)、NK細胞(CD56+)、およびB細胞(CD19+)。
LM22シグネチャーマトリックス
公共ドメインから、HGU133Aプラットホームでプロファイリングされた、22個の白血球サブセット用のGEPデータを取得した(図16)。上記のように、プローブを前処理した。それぞれの集団と全てのその他の集団との間で有意差のある発現遺伝子を、両側性不等分散t検定を使って、特定した。0.3未満のq値(偽陽性比率21)の遺伝子を有意と見なした。
公共ドメインから、HGU133Aプラットホームでプロファイリングされた、22個の白血球サブセット用のGEPデータを取得した(図16)。上記のように、プローブを前処理した。それぞれの集団と全てのその他の集団との間で有意差のある発現遺伝子を、両側性不等分散t検定を使って、特定した。0.3未満のq値(偽陽性比率21)の遺伝子を有意と見なした。
それぞれの白血球サブセットに対し、他の細胞サブセットと比較して、有意な遺伝子を減少方向倍率変化により順序づけ、それぞれの細胞サブセットから最上位のGマーカー遺伝子をシグネチャーマトリックスBGに組み入れた。Gを全サブセットにわたり50〜200繰り返し、最小条件数のシグネチャーマトリックスを保持した(条件数=11.4;G=102;n=547異なる遺伝子)(図16a〜16k)。注目すべきことに、このシグネチャーマトリックスの条件数は、所与の細胞型の関連細胞型および活性化状態内での一致に起因して、その他のもの(下記)よりも大きい。
LM22中のそれぞれの白血球サブセットを識別するのに使用される遺伝子シグネチャーを検証するために、シグネチャーマトリックス中にも存在するそれぞれ1つの精製された集団を含む、種々の外部データセットにCIBERSORTを適用した。Affym etrix HGU133AおよびHGU133 Plus 2.0、ならびにIllu mina Human−6 v2 Expression BeadChipの3種のマイクロアレイプラットホーム由来のGEPを試験した。Affymetrixプラットホームを正規化し、シグネチャーマトリックスGEPに対し記載のものと同様に処理した。BeadChipデータセットを、処理された正規化マトリックスとして、ArrayE xpress(E−TABM−633)からダウンロードし、1を超えるプローブにマッピングされた遺伝子に対しては、全ての試料にわたり最大発現に関連するプローブをさらに分析した。各サンプルに対し、最大CIBERSORT推定比率を有する集団を、既知の細胞型と比較し、CIBERSORTの精度を評価した(図17)。
付加ノイズを含む模擬腫瘍の分析
6種のGEPデコンボリューション法(RLRおよびその他の5種4−8)に対するCIBERSORTのベンチマークを、異なるレベルの未知の含量(すなわち、腫瘍)およびノイズを有する混合物に対するそれらの結果を比較することにより行った。適正な比較を容易にするために、あらかじめ定めたインビトロ混合物(n=12)の4種の血液細胞株(GSE11103)を使用した(図6a)。この細胞株のそれぞれは、相互に大きく異なり、容易にデコンボリューションされるものである。発現ベースの方法を評価するために、約600個の特徴的な遺伝子(上記し、図6aで適用したもの)を含むシグネチャーマトリックスを使用し、一方、マーカーベースデコンボリューションには、上述のマーカー遺伝子(n=500遺伝子)を選択した。浸潤白血球を有する腫瘍を模擬するために、我々は、結腸癌細胞株(HCT116)由来の所定の入力のGEPとの細胞株混合物と混合し、2つの複写物アレイの平均(GSM269529およびGSM269530;GSE10650)として計算した。GSE11003およびGSE10650データセットの両方ともMAS5であり、分析の前に一緒に分位正規化した。ノイズを導入するために、次の分布、2^N(0,fxσ)(式中、fは0〜1の範囲(すなわち、図2aおよび図7aのy軸)で、σは、log2空間で表される元の混合物の全体標準偏差(=11.6))からランダムにサンプリングした値を加えた。GSE11103は、それぞれ3つの複写物を有する4種の異なる混合物からなるので、それぞれのアルゴリズムの性能を12種の混合物の全体セットにわたり測定した(RおよびRMSE;図7、図19)。さらに、これは、900セットの混合物が一緒に解析されるように、30個の間隔を規則的に置いて、腫瘍含量(0%〜100%未満)およびノイズ(f、0〜1)の全域にわたり独立に反復された。
6種のGEPデコンボリューション法(RLRおよびその他の5種4−8)に対するCIBERSORTのベンチマークを、異なるレベルの未知の含量(すなわち、腫瘍)およびノイズを有する混合物に対するそれらの結果を比較することにより行った。適正な比較を容易にするために、あらかじめ定めたインビトロ混合物(n=12)の4種の血液細胞株(GSE11103)を使用した(図6a)。この細胞株のそれぞれは、相互に大きく異なり、容易にデコンボリューションされるものである。発現ベースの方法を評価するために、約600個の特徴的な遺伝子(上記し、図6aで適用したもの)を含むシグネチャーマトリックスを使用し、一方、マーカーベースデコンボリューションには、上述のマーカー遺伝子(n=500遺伝子)を選択した。浸潤白血球を有する腫瘍を模擬するために、我々は、結腸癌細胞株(HCT116)由来の所定の入力のGEPとの細胞株混合物と混合し、2つの複写物アレイの平均(GSM269529およびGSM269530;GSE10650)として計算した。GSE11003およびGSE10650データセットの両方ともMAS5であり、分析の前に一緒に分位正規化した。ノイズを導入するために、次の分布、2^N(0,fxσ)(式中、fは0〜1の範囲(すなわち、図2aおよび図7aのy軸)で、σは、log2空間で表される元の混合物の全体標準偏差(=11.6))からランダムにサンプリングした値を加えた。GSE11103は、それぞれ3つの複写物を有する4種の異なる混合物からなるので、それぞれのアルゴリズムの性能を12種の混合物の全体セットにわたり測定した(RおよびRMSE;図7、図19)。さらに、これは、900セットの混合物が一緒に解析されるように、30個の間隔を規則的に置いて、腫瘍含量(0%〜100%未満)およびノイズ(f、0〜1)の全域にわたり独立に反復された。
細胞サブセット検出限界の分析
2つのコンピューター実験を行って、異なるデコンボリューションアルゴリズムの検出限界を評価した。第1の実験(図8)では、上述の同じ細胞株GEPを使って、CIBERSORTおよびRLRをその他の5つのGEPデコンボリューション法4−8と比較した。ジャーカット細胞(スパイクイン濃度:0.5%、1%、2.5%、5%、7.5%および10%)を使い、その基準GEP(GSE11103中の3つの複写物の中央値)をランダムに生成したその他の3つの血液細胞株のバックグラウンド混合物中に加えて、検出限界を評価した。それぞれのスパイクイン濃度に対し5つの混合物を生成した。均一に10%ずつ増やして、0%〜90%のHCT116(上記)を加えることにより模擬した種々の腫瘍含量の存在下で予測ジャーカット比率を評価した。注目すべきことは、記載した同じマーカー/シグネチャー遺伝子も模擬腫瘍(上記)として使用されたことである。第2の実験(図9a)では、CIBERSORTを、QP5、LLSR4、PERT6、およびRLRと比較した。白血球シグネチャーマトリックス由来のナイーブB細胞GEPを、シグネチャーマトリックス中の残りの21個の白血球サブセットの4つのランダムバックグラウンド混合物に添加した。同じバックグラウンド混合物をそれぞれのスパイクインに対しても使用した。所定の比率(0〜90%)のランダムに順序を変えたナイーブB細胞基準トランスクリプトーム(LM22を構築するために使用した試料からの中央値発現プロファイル、図16)由来の表現値を加えることにより、未知の含量の添加も試験した。次に、LM22中の残っているそれぞれの白血球サブセットに対し、この解析を繰り返した(図9b)
2つのコンピューター実験を行って、異なるデコンボリューションアルゴリズムの検出限界を評価した。第1の実験(図8)では、上述の同じ細胞株GEPを使って、CIBERSORTおよびRLRをその他の5つのGEPデコンボリューション法4−8と比較した。ジャーカット細胞(スパイクイン濃度:0.5%、1%、2.5%、5%、7.5%および10%)を使い、その基準GEP(GSE11103中の3つの複写物の中央値)をランダムに生成したその他の3つの血液細胞株のバックグラウンド混合物中に加えて、検出限界を評価した。それぞれのスパイクイン濃度に対し5つの混合物を生成した。均一に10%ずつ増やして、0%〜90%のHCT116(上記)を加えることにより模擬した種々の腫瘍含量の存在下で予測ジャーカット比率を評価した。注目すべきことは、記載した同じマーカー/シグネチャー遺伝子も模擬腫瘍(上記)として使用されたことである。第2の実験(図9a)では、CIBERSORTを、QP5、LLSR4、PERT6、およびRLRと比較した。白血球シグネチャーマトリックス由来のナイーブB細胞GEPを、シグネチャーマトリックス中の残りの21個の白血球サブセットの4つのランダムバックグラウンド混合物に添加した。同じバックグラウンド混合物をそれぞれのスパイクインに対しても使用した。所定の比率(0〜90%)のランダムに順序を変えたナイーブB細胞基準トランスクリプトーム(LM22を構築するために使用した試料からの中央値発現プロファイル、図16)由来の表現値を加えることにより、未知の含量の添加も試験した。次に、LM22中の残っているそれぞれの白血球サブセットに対し、この解析を繰り返した(図9b)
デコンボリューションの一貫性の解析
好適に入手可能なデータセット(GSE29832)にLM22を適用し、所定のレベルの乳房組織と混合した血液に対するデコンボリューション結果の安定性を測定した。乳房組織と混合された血液の報告された比率を確認するために、これらの比率を、トランスクリプトームの中央値発現レベルで除算し、データセット全体の既知の白血球含量(図2e、左)の範囲に正規化したLM22中の全ての遺伝子の中央遺伝子発現値(図16)として、各サンプルに対し決定された正規化LM22免疫指標と比較した。一貫性測定法として、デコンボリューション結果を、最高の免疫純度を有する試料から得た結果を有する各サンプルについて比較した(図2e、右)。
好適に入手可能なデータセット(GSE29832)にLM22を適用し、所定のレベルの乳房組織と混合した血液に対するデコンボリューション結果の安定性を測定した。乳房組織と混合された血液の報告された比率を確認するために、これらの比率を、トランスクリプトームの中央値発現レベルで除算し、データセット全体の既知の白血球含量(図2e、左)の範囲に正規化したLM22中の全ての遺伝子の中央遺伝子発現値(図16)として、各サンプルに対し決定された正規化LM22免疫指標と比較した。一貫性測定法として、デコンボリューション結果を、最高の免疫純度を有する試料から得た結果を有する各サンプルについて比較した(図2e、右)。
実施例2:25個のヒト癌でCIBERSORTを使って推定された白血球頻度および予後関連性
材料および方法
次の材料および方法を実施例2と3で使用した。
材料および方法
次の材料および方法を実施例2と3で使用した。
TAL不均一性および予後関連性。CIBERSORTを、Affymetrix HGU133プラットホーム(57調査、25種の癌)由来の全ての正規化PRECOG GEPに適用した。全体で、5,782個の腫瘍GEPがうまくデコンボリューションされた(CIBERSORT P<0.005)。それぞれのデータセットに対し、それぞれの白血球サブセットの推定mRNA比率を、1変量Cox回帰を使って、生存率に関連付けした。免疫中心バージョンのPRECOG(iPRECOG、図26a)を構築するために、PRECOGに対して記載したのと同じ手法を使って、重み付きmeta−zスコアを決定し、また、重み付けなしの全体meta−zスコアを使って、pan−cancer白血球関連性を図23cにまとめた。
免疫PRECOG偽陽性比率。統計的結論を導く場合、標準的正規分布からのすべての偏差を考慮する必要があるので、推定された白血球予後関連性における確率的変動から実際の変動を区別するために、免疫PRECOGでP値およびmeta−zスコアを最初に比較した(図26b)。(1)それぞれのデータセットに対し推定された細胞型比率を混ぜ合わせること、および(2)zスコアおよび対応するmeta−zスコアを計算して、全生存率に対する関係を把握することにより、1000個のゼロmeta−zマトリックスを生成した。ゼロmeta−zスコアの分布と、標準正規分布との間の密接な対応関係が認められた(図26b)。meta−zスコアの正規性を検証したので、次に、一連の統計的有意性閾値を使って、およびそれぞれのカットオフ値で、図26aを選別し、全ての白血球予後関連性に関する観察比率と予測比率を比較した(図26c)。0.05(|z|>1.96)の両側性P値閾値で、偶然による予測よりほぼ3倍高い予後関連性が認められた;P<0.01で、5倍の濃縮があり、これは、より小さいP値カットオフで増加し続けた(図26c)。
別に、図23cで、全体meta−zスコアに対して、類似の分析を実施した。ここで、図26c由来のゼロmeta−zスコアをゼロ全体meta−zスコアに統合し、pan−cancer白血球予後関連性に対し示した解析を再計算した(異なる有意性閾値で保持された白血球サブセットの比率としてプロットした;図26d)。まとめると、これらの結果は、異なる統計的カットオフでの白血球予後関連性の有意な変動対確率的変動を明示的に定量化し、所望の偽陽性比率を達成するように他者による名目上の統計的閾値の調整を可能にする。
フローサイトメトリー対CIBERSORT。非小細胞肺癌腫瘍(n=13)供試体のフローサイトメトリー分析を後述のように実施し、CD4+、CD8+、CD19+、CD56+、およびCD14+集団の中央値比率を全体CD45+含量により正規化した(図23a)。CIBERSORTとの比較のために、白血球シグネチャーマトリックス集団を同じ表面抗原分類カテゴリ:CD14+、単球、マクロファージ、および樹状細胞;CD4+、CD8およびγδT細胞を除く全ての細胞サブセット;CD8+、CD8 T細胞;CD19+、ナイーブおよび記憶B細胞、CD56+、非活性化および活性化NK細胞、に分類した。図23aに示す肺腺癌GEPの中央値CIBERSORT推定比率を、2つの公共の利用可能なマイクロアレイデータセット、GSE767077およびGSE1007278、から決定した。
TALと循環白血球との間の比較。利用可能な手術前後の循環白血球(リンパ球およびPMN)数を有する患者の中で、処置日(DOP)に最も近い、−120日〜+28日に処置した試料を解析した。この際、術前試料(合計n=48人の肺腺癌患者)を優先した。循環白血球(CL)レベルとTMA上で定量化されたTALとの間で、関係性は認められなかった。さらに、MPOのIGKCレベルに対する比率は、この患者サブセット内では、有意に予後性が存続した(P=0.02)が、CLレベルは、生存率に対し有意な関係性がなかった。
結果
バルク腫瘍中の白血球組成
CD8+およびCD45RO+記憶Tリンパ球などの特定の白血球細胞サブセットによる腫瘍の浸潤が、異なる癌における好ましい転帰と大きく関連していたが、制御性T細胞およびマクロファージなどのそのほかのものは、状況に応じて良好な予後または不良予後を与えることができる。系統的で包括的にTALの組成差異およびそれらの生存率に対する関係性をマッピングするために、既知のRNA転写物の相対的サブセットの推定による細胞型特定(またはCIBERSORT)のための新規機械学習フレームワークを適用した。CIBERSORTは、複合組織(例えば、バルク腫瘍)の発現プロファイル由来の細胞サブセットの相対比率の統計的推定の点で、ノイズ、未知の混合物含量、および密接に関係した密接に関連した細胞型に対する以前のデコンボリューション法より性能が優れている。入力として、22個の異なる白血球サブセットに対する精製発現プロファイル、および細胞型特異的マーカー遺伝子を必要としないで、これらの細胞型をロバストに識別する所定の「バーコード」の遺伝子発現シグネチャーを使用した。|meta−zスコア|>3.3(両側性P<0.001に相当する)で、同じ有意性閾値の合計2,851個のpan−cancer予後遺伝子の中から28%のこれらのバーコード遺伝子(547個中の152個)が、PRECOG中で個別に有意である。これは、偶然による予測より高かった(P<0.001、カイ二乗検定)。フローサイトメトリーおよび免疫組織化学に対し間接または直接比較に係わらず、CIBERSORTは、固形腫瘍にロバストな性能を示し、結腸直腸癌および肺腺癌(図23a)および濾胞性リンパ腫中の白血球サブセットの相対的比率を正確に推定した。
バルク腫瘍中の白血球組成
CD8+およびCD45RO+記憶Tリンパ球などの特定の白血球細胞サブセットによる腫瘍の浸潤が、異なる癌における好ましい転帰と大きく関連していたが、制御性T細胞およびマクロファージなどのそのほかのものは、状況に応じて良好な予後または不良予後を与えることができる。系統的で包括的にTALの組成差異およびそれらの生存率に対する関係性をマッピングするために、既知のRNA転写物の相対的サブセットの推定による細胞型特定(またはCIBERSORT)のための新規機械学習フレームワークを適用した。CIBERSORTは、複合組織(例えば、バルク腫瘍)の発現プロファイル由来の細胞サブセットの相対比率の統計的推定の点で、ノイズ、未知の混合物含量、および密接に関係した密接に関連した細胞型に対する以前のデコンボリューション法より性能が優れている。入力として、22個の異なる白血球サブセットに対する精製発現プロファイル、および細胞型特異的マーカー遺伝子を必要としないで、これらの細胞型をロバストに識別する所定の「バーコード」の遺伝子発現シグネチャーを使用した。|meta−zスコア|>3.3(両側性P<0.001に相当する)で、同じ有意性閾値の合計2,851個のpan−cancer予後遺伝子の中から28%のこれらのバーコード遺伝子(547個中の152個)が、PRECOG中で個別に有意である。これは、偶然による予測より高かった(P<0.001、カイ二乗検定)。フローサイトメトリーおよび免疫組織化学に対し間接または直接比較に係わらず、CIBERSORTは、固形腫瘍にロバストな性能を示し、結腸直腸癌および肺腺癌(図23a)および濾胞性リンパ腫中の白血球サブセットの相対的比率を正確に推定した。
PRECOGに適用することにより、CIBERSORTは、造血新生物、脳癌、および非脳固形腫瘍の間で相対的白血球組成の顕著な差異を明らかにした(図23b)。TAL含量の変動もまた、固形腫瘍を含む同じ癌タイプの独立した調査間で、一貫性および再現性があった(図25a)。注目すべきことに、PRECOG内でプロファイリングされた大部分の腫瘍は、腫瘍含量の点で未精製、無制御であったが、CIBERSORTは、多発性骨髄腫濃縮供試体中の高比率のプラズマ細胞を正確に推定した(図23b)。さらに、予測通り、B細胞シグネチャーは、B細胞悪性病変中で支配的であることが明らかになり(図23b)、CIBERSORTが多様な癌の起始細胞の識別に対し、汎用性を有することを示唆している。
図23a〜23d:25種のヒト癌における推定白血球頻度および予後関連性。(図23a)CIBERSORT対免疫組織化学(IHC)またはフローサイトメトリー(FACS)による、独立した試料の固形腫瘍中の、列挙された相対的白血球比率。CRC、結腸直腸癌;肺腺癌。CRC生検材料のグラウンドトルース比率に近づけるために、前に報告された107人の患者の腫瘍中心および浸潤周辺部由来の白血球数を平均化することによりレベルを推定した。LUAD生検材料中のベースライン白血球比率をFACSにより列挙した(n=13腫瘍;データは中央値で表される;詳細は方法の項を参照)。CIBERSORT結果は、対応する組織に対する平均白血球比率として表される。(図23b)本明細書で、分かりやすくするために11免疫集団にプールした25種の癌の22個の白血球サブセット(Affymetrixプラットホームのみ、方法の項参照)の推定mRNA比率。(図23c)重み付けなしmeta−zスコアで順位付けした25種の癌の22種の白血球タイプ(n=5.782腫瘍;左)および14種の固形非脳腫瘍(n=3,238;右)に対する全体予後関連性。25%の偽陽性比率(FDR)閾値はそれぞれのプロットに示した。個々の癌に対しては、図26aを参照。(図23d)乳癌と肺腺癌との間のTAL予後関連性における一致および差異(FDRに対しては、図26c参照)。図23c、23dの非活性化および活性化サブセットは、それぞれ「−」および「+」で示されている。
図25a〜25c:癌タイプおよびデータセット全体にわたる推定白血球比率の相関分析。(図25a)白血球組成物ベクター(データセット当たりn=22個のサブセット)に適用した重心階層型クラスタリングの結果を示すデンドログラム。中心相関を距離測定法として使用した。独立の調査からの同じタイプの癌のクラスタリングは、CIBERSORTの相対的免疫浸潤レベルの推定の再現性を示す。(図25b)免疫PRECOGで解析された全57調査にわたるそれぞれの免疫サブセットのKLRB1発現と推定レベルとの間のピアソン相関係数。データは中央値として表される。(図25c)癌の間の白血球予後関連性の相互相関分析。色分け地図で示されるような、免疫PRECOG中の免疫集団のmeta−zスコア間の全ての対のピアソン相関(図26a)。
TALの予後関連性
遺伝子中心生存率分析を補完するために、ヒト悪性病変全体にわたる22個の免疫集団の予後関連性の全体マップを構築した(図26a)。細胞サブセットと癌特異的転帰との間のかなりの変動が観察され、これらの関連性の多くは、統計的に有意である(図26b〜26d)。プールした癌は、有意な全体白血球予後パターンを生じ、この場合、高レベルの推定T細胞比率は、通常、優れた生存率と相関することが明らかになったが、一方、次第にレベルが増加する骨髄集団は、主に、低い生存率と相関した。腫瘍内γδT細胞37、38および多形核(PMN)39、40シグネチャーは、それぞれ、最も有意な好ましいおよび有害な癌全体にわたる予後集団として出現した(図23c、左)。さらに、推定白血球比率が、癌のKLRB1発現と比較される場合、γδT細胞およびCD8 T細胞シグネチャーは、最も高度に相関し(図25b)、この遺伝子の予後的有意性に対する関連を示唆している。壊死の組織含量の注釈(方法の項参照)を有するデータセットで、推定PMNレベル間の関係は認められず、腫瘍内PMNが組織壊死と単純には相関しないことを示唆している。さらに、以前の報告と一致して、腫瘍関連M2マクロファージのシグネチャーは、炎症促進性のM1マクロファージより悪い転帰を予測することが明らかになった。また、抗CD3/抗CD28共刺激されたが、非活性化されていないCD45RO+記憶ヘルパーT細胞は、優れた転帰と相関した。
遺伝子中心生存率分析を補完するために、ヒト悪性病変全体にわたる22個の免疫集団の予後関連性の全体マップを構築した(図26a)。細胞サブセットと癌特異的転帰との間のかなりの変動が観察され、これらの関連性の多くは、統計的に有意である(図26b〜26d)。プールした癌は、有意な全体白血球予後パターンを生じ、この場合、高レベルの推定T細胞比率は、通常、優れた生存率と相関することが明らかになったが、一方、次第にレベルが増加する骨髄集団は、主に、低い生存率と相関した。腫瘍内γδT細胞37、38および多形核(PMN)39、40シグネチャーは、それぞれ、最も有意な好ましいおよび有害な癌全体にわたる予後集団として出現した(図23c、左)。さらに、推定白血球比率が、癌のKLRB1発現と比較される場合、γδT細胞およびCD8 T細胞シグネチャーは、最も高度に相関し(図25b)、この遺伝子の予後的有意性に対する関連を示唆している。壊死の組織含量の注釈(方法の項参照)を有するデータセットで、推定PMNレベル間の関係は認められず、腫瘍内PMNが組織壊死と単純には相関しないことを示唆している。さらに、以前の報告と一致して、腫瘍関連M2マクロファージのシグネチャーは、炎症促進性のM1マクロファージより悪い転帰を予測することが明らかになった。また、抗CD3/抗CD28共刺激されたが、非活性化されていないCD45RO+記憶ヘルパーT細胞は、優れた転帰と相関した。
図26a〜26d:22個の白血球サブセットと25種の癌組織との間の予後関連性。(図26a)造血サブセットと生存率との間の関係を示す、メタzスコアマトリックスとして表された色分け地図。赤いセルは、有害転帰を表し、緑のセルは、好ましい転帰を表す。(図26b)白血球予後関連性の偽陽性比率。免疫PRECOG中の細胞型比率の混合により得られたzスコアのゼロ分布(黒色点線)の標準正規分布に対する比較は高い一致性を示す。(図26c)種々のzスコアカットオフでの、図26aの結果の選別により得られた細胞型比率と転帰との間の統計的に有意な関連性の予測対観察比率。それぞれのzスコア値に対し、P値および推定FDRが示される。カットオフの厳密さが高くなるほど、予測に対する観察の有意な関連性の比率が高くなり(P<0.05で3倍、P<0.01で5倍)、免疫PRECOGは、統計的にロバストな関連性を取得することを示す。(図26d)25種の組織または非脳固形腫瘍にわたる個々の癌のmeta−zスコアを混ぜ合わせて得た全体meta−zスコアを適用したこと以外は図26bと同様である(図23cに関連する)。図26b〜26dの詳細は、方法の項で提供されている。
固形腫瘍中の予後TAL
PRECOG中で最も高度にプロファイリングされた癌の内の2種である、乳癌および肺癌中の白血球生存シグネチャーを比較することにより、意外にも生存率に対し強力かつ相互的関係がある、2つの集団、PMNおよびプラズマ細胞(PC)を特定した(図23d)。PCシグネチャーは、ヒト癌間の相互相関分析で全体的に評価した場合(図25c)、固形腫瘍全体にわたる好ましい生存率の有意な予測因子であり(図23c、右)、PMNに対し最も高く逆相関した予後集団であった(図24a)。推定PCレベルは、腫瘍ステージとは相関しなかった(図27a)。PCシグネチャーは、隣接する正常組織より腫瘍中で高いことが明らかになった(図27b)ので、腫瘍浸潤PCの予後値は、全体の免疫学的な健康の代用となりそうもなく、クローン増殖および急性液性免疫応答に必要な抗原駆動プロセスに対する役割を裏付けている。さらに、PCレベルに対する推定PMNの単比は、多様な固形腫瘍において有意に予後的であることが明らかになった(図24b)。
PRECOG中で最も高度にプロファイリングされた癌の内の2種である、乳癌および肺癌中の白血球生存シグネチャーを比較することにより、意外にも生存率に対し強力かつ相互的関係がある、2つの集団、PMNおよびプラズマ細胞(PC)を特定した(図23d)。PCシグネチャーは、ヒト癌間の相互相関分析で全体的に評価した場合(図25c)、固形腫瘍全体にわたる好ましい生存率の有意な予測因子であり(図23c、右)、PMNに対し最も高く逆相関した予後集団であった(図24a)。推定PCレベルは、腫瘍ステージとは相関しなかった(図27a)。PCシグネチャーは、隣接する正常組織より腫瘍中で高いことが明らかになった(図27b)ので、腫瘍浸潤PCの予後値は、全体の免疫学的な健康の代用となりそうもなく、クローン増殖および急性液性免疫応答に必要な抗原駆動プロセスに対する役割を裏付けている。さらに、PCレベルに対する推定PMNの単比は、多様な固形腫瘍において有意に予後的であることが明らかになった(図24b)。
図27a〜27h:非小細胞肺癌中および隣接する正常組織のプラズマ細胞レベル。(図27a)CIBERSORTにより予測されたプラズマ細胞の相対的RNA比率は、肺腺癌ステージと無関係である。(図27b)CIBERSORTにより予測された、22個の白血球サブセットの相対的比率を、肺腺癌腫瘍および隣接する正常な供試体の両方を含む2つの独立したマイクロアレイデータセット(GSE7670およびGSE10072)の間で比較した。(図27c、27d)肺腺癌組織供試体の代表的H&E染色。(図27c)プラズマ細胞および(図27d)好中球に形態学的に類似している細胞を示す(矢印で示す)染色肺腺癌腫瘍切片。(図27e〜27h)肺癌中の形質細胞のフローサイトメトリー分析および形態学的評価。(図27e)CD38high/CD45high/CD138low/CD27+/CD19+/CD20−細胞の肺腺癌腫瘍からの濃縮のためのゲーティング戦略。形質細胞に対し予測したように、前方および側方散乱により、CD38high/CD45high/CD138low/CD27+/CD19+/CD20−細胞は、CD38−/CD45high/CD138−/CD27−/CD19+/CD20+細胞(B細胞)より大きい。(図27f)図27eに記載のゲーティング戦略を使って、形質細胞を新しい肺腺癌腫瘍から選別し、サイトスピンを使って顕微鏡用に単離した。形質細胞の形態学的特徴を有する代表的細胞を示す(100x オイル対物レンズ)。正常な隣接組織に比べて、肺扁平上皮細胞癌(図27g)および肺腺癌(図27h)中で形質細胞のかなりの増加を示す代表的フローサイトメトリー結果。
PMNおよびBリンパ球を含む循環白血球は、腫瘍微小環境に寄与し、末梢血中の自然および獲得エフェクターの白血球頻度は、予後値を有し得る。したがって、TMA由来のNSCLC患者のサブセットを、利用可能な手術前後の全血球計算値を使って検査し、循環白血球とTALのレベル間の一致を評価した。腫瘍内PC対PMN比は、このサブセット内で有意に予後的であるままで残されたが、循環および浸潤区画の間の有意な相関は認められず、また、循環白血球レベルに由来する予後値も認められなかった。
Claims (54)
- 試料の特徴プロファイルのデコンボリューション方法であって、
i)第1の複数の異なる細胞サブセットを含む物理的試料を得るステップと、
ii)前記物理的試料から特徴プロファイルmを生成するステップであって、前記特徴プロファイルが前記第1の複数の異なる細胞サブセットに関連する特徴の組合せを含むステップと、
iii)mと、第2の複数の異なる細胞サブセットに対する特徴シグネチャーの基準マトリックスBとの間の回帰を最適化するステップであって、mがBの一次結合としてモデル化され、前記最適化が、前記回帰の一連の回帰係数を含むfを解くことを含み、前記解くことが、線形損失関数、および、L2ノルムペナルティ関数を最小化するステップと、
iv)前記一連の回帰係数に基づいて、前記物理的試料中の前記第2の複数の異なる細胞サブセットの内の1つまたは複数の異なる細胞サブセットの相対比率を推定するステップと、
v)前記1つまたは複数の異なる細胞サブセットの前記相対比率の推定のために有意値を決定するステップと、
を含む方法。 - 前記fを解くことが、Bの複数の異なるサブセットの特徴シグネチャーの内のBのサブセットの特徴を選択し、前記線形損失関数を最小化することを含む、請求項1に記載の方法。
- 前記線形損失関数が、線形ε−非感受性損失関数である、請求項1または2に記載の方法。
- 前記最適化が、サポートベクター回帰(SVR)を使用することを含む、請求項1から3のいずれか1項に記載の方法。
- 前記サポートベクター回帰がε−SVRである、請求項4に記載の方法。
- 前記サポートベクター回帰がν(ニュー)−SVRである、請求項4に記載の方法。
- 異なる値のνを使って、それぞれの異なるνの値に対するfの異なる解を生成するように前記方法を反復することをさらに含む、請求項6に記載の方法。
- 前記fの異なる解の内で、
a)前記特徴プロファイルmと、
b)fと前記基準マトリックスBの積、
との間の最小誤差を有する解を特定することをさらに含む、請求項7に記載の方法。 - 前記最小誤差が、ピアソンの積率相関係数、スピアマンの順位相関係数、二乗平均平方根誤差(RMSE)、ユークリッド距離、または平均絶対偏差(MAD)を使って得られる、請求項8に記載の方法。
- 前記1つまたは複数の異なる細胞サブセットの前記相対比率の推定のために有意値を決定するステップは、
a)親特徴プロファイルからランダムに選択された特徴を含むランダム特徴プロファイルm*を生成するステップであって、前記親特徴プロファイルが前記特徴プロファイルを含み、mおよびm*が同じユークリッドノルムを有するステップと、
b)m*と前記基準マトリックスBとの間の回帰を最適化するステップであって、m*がBの一次結合としてモデル化され、前記最適化が、前記回帰の一連の回帰係数を含むf*を解くことを含み、前記解くことが、線形損失関数、および、L2ノルムペナルティ関数、を最小化するステップと、
c)f*と前記基準マトリックスBの積を計算し、再構成特徴プロファイルを生成するステップと、
d)前記ランダム特徴プロファイルと、前記再構成特徴プロファイルとの間の差異測定値を決定するステップと、
e)ステップa)〜d)のi回の繰り返しから決定される差異測定値の分布に基づいて前記有意値を決定するステップであって、iが2以上の数であるステップと、
を含む、請求項1から9のいずれか1項に記載の方法。 - 前記差異測定値が、ピアソンの積率相関係数、スピアマンの順位相関係数、二乗平均平方根誤差(RMSE)、ユークリッド距離、または平均絶対偏差(MAD)である、請求項10に記載の方法。
- 前記有意値がp値である、請求項10または11に記載の方法。
- iが10〜1000である、請求項10から12のいずれか1項に記載の方法。
- 前記物理的試料が、物理的試料中に存在する前記第2の複数の異なる細胞サブセットの合計量の10%以下で特徴シグネチャー中に現れる少なくとも1つの異なる細胞サブセットを含む、請求項1から13のいずれか1項に記載の方法。
- 特徴シグネチャー中に現れる異なる細胞サブセットが、前記物理的試料中の異なる細胞サブセットの合計量の50%以下で前記物理的試料中に存在する、請求項1から14のいずれか1項に記載の方法。
- 前記基準マトリックスBが、前記第2の複数の異なる細胞サブセットの内の2つ以上の異なる細胞サブセットの前記特徴プロファイル中に存在する少なくとも1つの異なる特徴を含む、請求項1から15のいずれか1項に記載の方法。
- 前記基準マトリックスBが、Bの特徴の数とは異なる多くの特徴を含む特徴シグネチャーの初期基準マトリックスのサブセットまたはスーパーセットであり、Bの特徴の数が、前記初期基準マトリックスより少ない条件数を与える、請求項1から16のいずれか1項に記載の方法。
- 前記第1の複数の異なる細胞サブセットの全ての異なる細胞サブセットに対する、前記物理的試料中に存在する前記第2の複数の異なる細胞サブセット中の全ての異なる細胞サブセットの量を、
前記第2の複数の異なる細胞サブセットの異なる細胞サブセットに関連する全ての特徴の中央値を、
前記試料中の全ての特徴の中央値、
で除算することにより計算することをさらに含む、請求項1から17のいずれか1項に記載の方法。 - 前記試料が生物試料である、請求項1から18のいずれか1項に記載の方法。
- 前記細胞サブセットが脳細胞サブセットを含む、請求項19に記載の方法。
- 前記脳細胞サブセットが、神経細胞、星状膠細胞、乏突起膠細胞、およびミクログリアの内の少なくとも1つのサブセットを含む、請求項20に記載の方法。
- 前記細胞サブセットが、間質細胞、幹細胞、神経細胞、および前駆細胞の内の少なくとも1つのサブセットを含む、請求項19から21のいずれか1項に記載の方法。
- 前記細胞サブセットが腫瘍細胞サブセットを含む、請求項19から22のいずれか1項に記載の方法。
- 前記細胞サブセットが白血球サブセットを含む、請求項19から23のいずれか1項に記載の方法。
- 前記細胞サブセットが腫瘍浸潤白血球のサブセットを含む、請求項24に記載の方法。
- 前記細胞サブセットがリンパ球のサブセットを含む、請求項24または25に記載の方法。
- 前記白血球サブセットが、ナイーブB細胞、記憶B細胞、プラズマ細胞、CD8 T細胞、ナイーブCD4 T細胞、CD4記憶RO不活性T細胞、CD4記憶RO活性化T細胞、濾胞性ヘルパーT細胞、制御性T細胞、ガンマデルタT細胞、非刺激NK細胞、刺激NK細胞、単球、マクロファージM0、マクロファージM1、マクロファージM2、非刺激樹状細胞、刺激樹状細胞、非刺激マスト細胞、刺激マスト細胞、好酸球、および好中球からなる群より選択される2つ以上の細胞型を含む、請求項24から26のいずれか1項に記載の方法。
- 前記細胞サブセットが異なる細胞周期段階の細胞のサブセットを含む、請求項19に記載の方法。
- 異なる細胞周期段階の前記細胞サブセットが、間期、分裂期または細胞質分裂の内の1つまたは複数の細胞サブセットを含む、請求項28に記載の方法。
- 異なる細胞周期段階の前記細胞サブセットが、分裂前期、中期、分裂後期、または分裂終期の内の1つまたは複数の細胞サブセットを含む、請求項28または29に記載の方法。
- 異なる細胞周期段階の前記細胞サブセットが、G0、G1、G2、またはS期の内の1つまたは複数の細胞サブセットを含む、請求項28または29に記載の方法。
- 前記第1の複数の異なる細胞サブセットが、異なる細胞内シグナル伝達経路、遺伝子調節経路、または代謝経路である、請求項19に記載の方法。
- 前記異なる細胞内シグナル伝達経路が、サイトカインシグナル伝達、死因子シグナル伝達、増殖因子シグナル伝達、生存因子シグナル伝達、ホルモンシグナル伝達、Wntシグナル伝達、ヘッジホッグシグナル伝達、Notchシグナル伝達、細胞外マトリックスシグナル伝達、インスリンシグナル伝達、カルシウムシグナル伝達、Gタンパク質共役型受容体シグナル伝達、神経伝達物質シグナル伝達、およびこれらの組み合わせを含む、請求項32に記載の方法。
- 前記異なる代謝経路が、解糖、糖新生、クエン酸回路、発酵、尿素回路、脂肪酸代謝、ピリミジン生合成、グルタメートアミノ酸基合成、ポルフィリン代謝、アスパルテートアミノ酸基合成、芳香族アミノ酸合成、ヒスチジン代謝、分岐アミノ酸合成、ペントースホスフェート経路、プリン生合成、グルクロネート代謝、イノシトール代謝、セルロース代謝、スクロース代謝、デンプンおよびグリコーゲン代謝、およびこれらの組み合わせを含む、請求項32に記載の方法。
- 前記特徴プロファイルが、遺伝子発現プロファイル、タンパク質−タンパク質相互作用プロファイル、タンパク質リン酸化プロファイル、細胞電気活性プロファイル、クロマチン修飾プロファイル、染色体結合プロファイル、酵素活性プロファイル、代謝物プロファイルまたはこれらの組み合わせを含む、請求項19から34のいずれか1項に記載の方法。
- 特徴プロファイルが、前記生物試料中の細胞のRNAトランスクリプトームを表す遺伝子発現プロファイルを含む、請求項35に記載の方法。
- 前記生物試料が、保管された組織試料である、請求項19から36のいずれか1項に記載の方法。
- 前記生物試料が血液試料である、請求項19から37のいずれか1項に記載の方法。
- 前記生物試料が、固体組織試料由来である、請求項19から37のいずれか1項に記載の方法。
- 前記固体組織試料が腫瘍試料である、請求項39に記載の方法。
- 前記固体組織試料がホルマリン固定、パラフィン包埋(FFPE)試料である、請求項39または40に記載の方法。
- 前記生物試料が精製試料である、請求項19から41のいずれか1項に記載の方法。
- 前記生物試料が白血球濃縮試料である、請求項19から42のいずれか1項に記載の方法。
- 個体から前記試料を取得することをさらに含む、請求項19から43のいずれか1項に記載の方法。
- 物理系の特徴プロファイルのデコンボリューションのためのコンピューター実装方法であって、
物理系の第1の複数の異なる細胞サブセットの組合せの第1の特徴プロファイルmを得るステップと、
前記第1の特徴プロファイルmを計算処理するステップであって、
i)mと、前記物理系の第2の複数の異なる細胞サブセットに対する特徴シグネチャーの基準マトリックスBとの間の回帰を最適化するステップであって、mがBの一次結合としてモデル化され、
前記最適化が、前記回帰の一連の回帰係数を含むfを解くことを含み、前記解くことが、線形損失関数、および、L2ノルムペナルティ関数、を最小化するステップと、
ii)前記一連の回帰係数に基づいて、前記物理系の前記第2の複数の異なる細胞サブセットの内の1つまたは複数の異なる細胞サブセットの相対比率を推定するステップと、
iii)前記1つまたは複数の異なる細胞サブセットの前記相対比率の推定のために有意値を決定するステップを含む計算処理ステップと、
を含むコンピューター実装方法。 - 前記第1の特徴プロファイルmを生成するためにデータを収集することをさらに含む、請求項45に記載のコンピューター実装方法。
- 前記第1の特徴プロファイルmが、第1の複数の異なる細胞サブセットを含む物理的試料から生成される、請求項45に記載のコンピューター実装方法。
- 前記物理的試料が、生物試料、環境試料または食糧品試料である、請求項47に記載のコンピューター実装方法。
- 前記fを解くことが、Bの複数の異なるサブセットの特徴シグネチャーの内のBのサブセットの特徴を選択し、前記線形損失関数を最小化することを含む、請求項45から48のいずれか1項に記載のコンピューター実装方法。
- 前記1つまたは複数の異なる細胞サブセットの前記相対比率の推定のために有意値を決定するステップは、
a)親特徴プロファイルからランダムに選択された特徴を含むランダム特徴プロファイルm*を生成するステップであって、前記親特徴プロファイルが前記特徴プロファイルを含み、mおよびm*が同じユークリッドノルムを有するステップと、
b)m*と前記基準マトリックスBとの間の回帰を最適化するステップであって、m*がBの一次結合としてモデル化され、
前記最適化が、前記回帰の一連の回帰係数を含むf*を解くことを含み、前記解くことが、線形損失関数、および、L2ノルムペナルティ関数、を最小化するステップと、
c)f*と前記基準マトリックスBの積を計算し、再構成特徴プロファイルを生成するステップと、
d)前記ランダム特徴プロファイルと、前記再構成特徴プロファイルとの間の差異測定値を決定するステップと、
e)ステップa)〜d)のi回の繰り返しから決定される差異測定値の分布に基づいて前記有意値を決定するステップであって、iが2以上の数であるステップと、を含む、請求項45から49のいずれか1項に記載のコンピューター実装方法。 - 1つまたは複数のプログラムを保存する非一時的コンピューター可読記憶媒体であって、前記1つまたは複数のプログラムが、コンピューターシステムの1つまたは複数のプロセッサーにより実行されると、1つまたは複数のプロセッサーに請求項1から44のいずれか1項に記載の方法の少なくとも一部を実行させる命令を含む、非一時的コンピューター可読記憶媒体。
- 1つまたは複数のプログラムを保存する非一時的コンピューター可読記憶媒体であって、前記1つまたは複数のプログラムが、コンピューターシステムの1つまたは複数のプロセッサーにより実行されると、1つまたは複数のプロセッサーに請求項45から50のいずれか1項に記載の方法を実行させる命令を含む、非一時的コンピューター可読記憶媒体。
- 1つまたは複数のプロセッサー、および1つまたは複数のプログラムを保存する記憶装置を含むシステムであって、前記1つまたは複数のプログラムが、コンピューターシステムの1つまたは複数のプロセッサーにより実行されると、1つまたは複数のプロセッサーに請求項1から44のいずれか1項に記載の方法の少なくとも一部を実行させる命令を含む、システム。
- 1つまたは複数のプロセッサー、および1つまたは複数のプログラムを保存する記憶装置を含むシステムであって、前記1つまたは複数のプログラムが、コンピューターシステムの1つまたは複数のプロセッサーにより実行されると、1つまたは複数のプロセッサーに請求項45から50のいずれか1項に記載の方法を実行させる命令を含む、システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562106601P | 2015-01-22 | 2015-01-22 | |
US62/106,601 | 2015-01-22 | ||
PCT/US2016/014520 WO2016118860A1 (en) | 2015-01-22 | 2016-01-22 | Methods and systems for determining proportions of distinct cell subsets |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020184163A Division JP2021019641A (ja) | 2015-01-22 | 2020-11-04 | 異なる細胞サブセットの比率の決定方法およびシステム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2018512071A JP2018512071A (ja) | 2018-05-10 |
JP2018512071A5 true JP2018512071A5 (ja) | 2020-08-06 |
JP6791598B2 JP6791598B2 (ja) | 2020-11-25 |
Family
ID=56417807
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017534299A Active JP6791598B2 (ja) | 2015-01-22 | 2016-01-22 | 異なる細胞サブセットの比率の決定方法およびシステム |
JP2020184163A Pending JP2021019641A (ja) | 2015-01-22 | 2020-11-04 | 異なる細胞サブセットの比率の決定方法およびシステム |
JP2023110318A Pending JP2023153771A (ja) | 2015-01-22 | 2023-07-04 | 異なる細胞サブセットの比率の決定方法およびシステム |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020184163A Pending JP2021019641A (ja) | 2015-01-22 | 2020-11-04 | 異なる細胞サブセットの比率の決定方法およびシステム |
JP2023110318A Pending JP2023153771A (ja) | 2015-01-22 | 2023-07-04 | 異なる細胞サブセットの比率の決定方法およびシステム |
Country Status (7)
Country | Link |
---|---|
US (3) | US10167514B2 (ja) |
EP (1) | EP3248110A4 (ja) |
JP (3) | JP6791598B2 (ja) |
CN (1) | CN107430588B (ja) |
AU (1) | AU2016209128B2 (ja) |
CA (1) | CA2971129A1 (ja) |
WO (1) | WO2016118860A1 (ja) |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8782434B1 (en) | 2010-07-15 | 2014-07-15 | The Research Foundation For The State University Of New York | System and method for validating program execution at run-time |
US9063721B2 (en) | 2012-09-14 | 2015-06-23 | The Research Foundation For The State University Of New York | Continuous run-time validation of program execution: a practical approach |
US9069782B2 (en) | 2012-10-01 | 2015-06-30 | The Research Foundation For The State University Of New York | System and method for security and privacy aware virtual machine checkpointing |
JP6791598B2 (ja) | 2015-01-22 | 2020-11-25 | ザ ボード オブ トラスティーズ オブ ザ レランド スタンフォード ジュニア ユニバーシティー | 異なる細胞サブセットの比率の決定方法およびシステム |
US10636512B2 (en) | 2017-07-14 | 2020-04-28 | Cofactor Genomics, Inc. | Immuno-oncology applications using next generation sequencing |
EP3655955A4 (en) * | 2017-07-21 | 2021-04-21 | The Board of Trustees of the Leland Stanford Junior University | SYSTEMS AND METHODS FOR ANALYSIS OF MIXED CELL POPULATIONS |
US11348661B2 (en) | 2018-05-14 | 2022-05-31 | Tempus Labs, Inc. | Predicting total nucleic acid yield and dissection boundaries for histology slides |
US11741365B2 (en) | 2018-05-14 | 2023-08-29 | Tempus Labs, Inc. | Generalizable and interpretable deep learning framework for predicting MSI from histopathology slide images |
US10957041B2 (en) | 2018-05-14 | 2021-03-23 | Tempus Labs, Inc. | Determining biomarkers from histopathology slide images |
US11348240B2 (en) | 2018-05-14 | 2022-05-31 | Tempus Labs, Inc. | Predicting total nucleic acid yield and dissection boundaries for histology slides |
US11348239B2 (en) | 2018-05-14 | 2022-05-31 | Tempus Labs, Inc. | Predicting total nucleic acid yield and dissection boundaries for histology slides |
AU2019277698A1 (en) * | 2018-06-01 | 2020-11-19 | Grail, Llc | Convolutional neural network systems and methods for data classification |
CN108801996B (zh) * | 2018-06-08 | 2020-11-06 | 云南淘谜生物科技有限公司 | 一种检测磷酸化α突触核蛋白阳性细胞占比的方法 |
WO2020004575A1 (ja) * | 2018-06-29 | 2020-01-02 | 株式会社Preferred Networks | 学習方法、混合率予測方法及び学習装置 |
EP3640946A1 (en) * | 2018-10-15 | 2020-04-22 | Sartorius Stedim Data Analytics AB | Multivariate approach for biological cell selection |
AU2019418816A1 (en) | 2018-12-31 | 2021-07-15 | Tempus Ai, Inc. | Artificial intelligence segmentation of tissue images |
AU2019417836A1 (en) | 2018-12-31 | 2021-07-15 | Tempus Ai, Inc. | Transcriptome deconvolution of metastatic tissue samples |
JP6755346B2 (ja) * | 2019-02-05 | 2020-09-16 | 株式会社日立製作所 | 分析システム |
US11402317B2 (en) | 2019-04-19 | 2022-08-02 | Becton, Dickinson And Company | Subsampling flow cytometric event data |
JP2022552723A (ja) * | 2019-10-18 | 2022-12-19 | ワシントン・ユニバーシティ | 細胞状態を測定するための方法及びシステム |
KR20220110751A (ko) * | 2019-11-05 | 2022-08-09 | 더 보드 어브 트러스티스 어브 더 리랜드 스탠포드 주니어 유니버시티 | 개인 맞춤형 암 요법을 위한 종양 생태계 디콘볼루션 시스템 및 방법 |
CN110955961B (zh) * | 2019-11-14 | 2023-10-03 | 浙江普罗亭健康科技有限公司 | 一种免疫损伤分析方法 |
CA3175126A1 (en) * | 2020-03-12 | 2021-09-16 | Bostongene Corporation | Systems and methods for deconvolution of expression data |
CN111710363B (zh) * | 2020-06-19 | 2023-08-01 | 苏州帕诺米克生物医药科技有限公司 | 确定代谢物配对关系的方法及装置 |
CN112133370A (zh) * | 2020-08-20 | 2020-12-25 | 中南大学湘雅医院 | 细胞分类方法、装置、计算机设备和存储介质 |
CN112151120B (zh) * | 2020-09-23 | 2024-03-12 | 易会广 | 用于快速转录组表达定量的数据处理方法、装置及存储介质 |
CN113762005A (zh) * | 2020-11-09 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 特征选择模型的训练、对象分类方法、装置、设备及介质 |
CN112331270B (zh) * | 2021-01-04 | 2021-03-23 | 中国工程物理研究院激光聚变研究中心 | 一种新型冠状病毒拉曼光谱数据中心的构建方法 |
CN113017650B (zh) * | 2021-03-12 | 2022-06-28 | 南昌航空大学 | 一种基于功率谱密度图像的脑电特征提取方法和系统 |
AU2022289837A1 (en) | 2021-06-10 | 2023-08-24 | Alife Health Inc. | Machine learning for optimizing ovarian stimulation |
CN113593640B (zh) * | 2021-08-03 | 2023-07-28 | 哈尔滨市米杰生物科技有限公司 | 一种鳞癌组织功能状态与细胞组分评估方法及系统 |
CN113707216A (zh) * | 2021-08-05 | 2021-11-26 | 北京科技大学 | 一种浸润免疫细胞比例计数方法 |
CN114216837B (zh) * | 2021-11-16 | 2023-09-29 | 北京工业大学 | 联合流式细胞分选和拉曼技术对Tetrasphaera亚群胞内代谢物测定的方法 |
CN116452559B (zh) * | 2023-04-19 | 2024-02-20 | 深圳市睿法生物科技有限公司 | 基于ctDNA片段化模式的肿瘤病灶的定位方法及装置 |
CN117497037A (zh) * | 2023-11-17 | 2024-02-02 | 上海倍谙基生物科技有限公司 | 一种基于广义线性模型的培养基组分敏感性分析方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6661004B2 (en) | 2000-02-24 | 2003-12-09 | Massachusetts Institute Of Technology | Image deconvolution techniques for probe scanning apparatus |
US7505948B2 (en) | 2003-11-18 | 2009-03-17 | Aureon Laboratories, Inc. | Support vector regression for censored data |
EP1938231A1 (en) * | 2005-09-19 | 2008-07-02 | BG Medicine, Inc. | Correlation analysis of biological systems |
US8399206B2 (en) * | 2008-07-10 | 2013-03-19 | Nodality, Inc. | Methods for diagnosis, prognosis and methods of treatment |
US20120269418A1 (en) * | 2011-04-22 | 2012-10-25 | Ge Global Research | Analyzing the expression of biomarkers in cells with clusters |
CN102851283B (zh) * | 2011-06-30 | 2014-07-30 | 上海市肿瘤研究所 | 用于区分转移与非转移肺鳞癌的microRNA标志物 |
US9020874B2 (en) * | 2011-10-31 | 2015-04-28 | Siemens Aktiengesellschaft | Short-term load forecast using support vector regression and feature learning |
CN103217411B (zh) * | 2013-04-15 | 2015-03-25 | 浙江大学 | 基于拉曼光谱的食用植物油中油酸、亚油酸和饱和脂肪酸含量检测方法 |
CN103310105A (zh) * | 2013-06-13 | 2013-09-18 | 浙江加州国际纳米技术研究院绍兴分院 | 筛选非小细胞肺癌治疗疗效生物标记物的方法 |
JP6791598B2 (ja) | 2015-01-22 | 2020-11-25 | ザ ボード オブ トラスティーズ オブ ザ レランド スタンフォード ジュニア ユニバーシティー | 異なる細胞サブセットの比率の決定方法およびシステム |
US9984199B2 (en) | 2015-05-21 | 2018-05-29 | Ge Healthcare Bio-Sciences Corp. | Method and system for classification and quantitative analysis of cell types in microscopy images |
US20210040442A1 (en) | 2017-04-12 | 2021-02-11 | The Broad Institute, Inc. | Modulation of epithelial cell differentiation, maintenance and/or function through t cell action, and markers and methods of use thereof |
-
2016
- 2016-01-22 JP JP2017534299A patent/JP6791598B2/ja active Active
- 2016-01-22 EP EP16740834.3A patent/EP3248110A4/en active Pending
- 2016-01-22 CN CN201680006263.0A patent/CN107430588B/zh active Active
- 2016-01-22 AU AU2016209128A patent/AU2016209128B2/en active Active
- 2016-01-22 CA CA2971129A patent/CA2971129A1/en active Pending
- 2016-01-22 WO PCT/US2016/014520 patent/WO2016118860A1/en active Application Filing
- 2016-01-22 US US15/004,611 patent/US10167514B2/en active Active
-
2018
- 2018-12-19 US US16/226,294 patent/US11802314B2/en active Active
- 2018-12-19 US US16/226,270 patent/US20190338364A1/en active Pending
-
2020
- 2020-11-04 JP JP2020184163A patent/JP2021019641A/ja active Pending
-
2023
- 2023-07-04 JP JP2023110318A patent/JP2023153771A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2018512071A5 (ja) | ||
Tian et al. | Unique phenotypes and clonal expansions of human CD4 effector memory T cells re-expressing CD45RA | |
Newman et al. | Determining cell type abundance and expression from bulk tissues with digital cytometry | |
JP6791598B2 (ja) | 異なる細胞サブセットの比率の決定方法およびシステム | |
Leader et al. | Single-cell analysis of human non-small cell lung cancer lesions refines tumor classification and patient stratification | |
Aran et al. | xCell: digitally portraying the tissue cellular heterogeneity landscape | |
Fonseka et al. | Mixed-effects association of single cells identifies an expanded effector CD4+ T cell subset in rheumatoid arthritis | |
Buscher et al. | Natural variation of macrophage activation as disease-relevant phenotype predictive of inflammation and cancer survival | |
Chen et al. | Profiling tumor infiltrating immune cells with CIBERSORT | |
Masucci et al. | Validation of biomarkers to predict response to immunotherapy in cancer: volume I—pre-analytical and analytical validation | |
Zheng et al. | Trajectory and functional analysis of PD‐1high CD4+ CD8+ T cells in hepatocellular carcinoma by single‐cell cytometry and transcriptome sequencing | |
JP2020527946A (ja) | 混合細胞集団を分析するためのシステムおよび方法 | |
US20100204973A1 (en) | Methods For Diagnosis, Prognosis And Treatment | |
Tuit et al. | Transcriptional signature derived from murine tumor-associated macrophages correlates with poor outcome in breast cancer patients | |
Danaher et al. | Advances in mixed cell deconvolution enable quantification of cell types in spatially-resolved gene expression data | |
Veldman et al. | CD4+ T cells in classical Hodgkin lymphoma express exhaustion associated transcription factors TOX and TOX2: Characterizing CD4+ T cells in Hodgkin lymphoma | |
Fragiadakis et al. | Variation of immune cell responses in humans reveals sex-specific coordinated signaling across cell types | |
Mirji et al. | Risk stratification of T-cell Acute Lymphoblastic Leukemia patients based on gene expression, mutations and copy number variation | |
Bhattacharya et al. | DeCompress: tissue compartment deconvolution of targeted mRNA expression panels using compressed sensing | |
Andreatta et al. | Projecting single-cell transcriptomics data onto a reference T cell atlas to interpret immune responses | |
Failmezger et al. | Computational tumor infiltration phenotypes enable the spatial and genomic analysis of immune infiltration in colorectal cancer | |
Blum et al. | Immune Responses in Checkpoint Myocarditis Across Heart, Blood, and Tumor | |
Izzo et al. | Mapping genotypes to chromatin accessibility profiles in single cells | |
Cole | Quantifying Reproducibility and Bias in Single-Cell Sequencing Analyses of Human Immunity | |
Skok Gibbs et al. | PMF-GRN: a variational inference approach to single-cell gene regulatory network inference using probabilistic matrix factorization |