JP2019537108A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2019537108A5 JP2019537108A5 JP2019518269A JP2019518269A JP2019537108A5 JP 2019537108 A5 JP2019537108 A5 JP 2019537108A5 JP 2019518269 A JP2019518269 A JP 2019518269A JP 2019518269 A JP2019518269 A JP 2019518269A JP 2019537108 A5 JP2019537108 A5 JP 2019537108A5
- Authority
- JP
- Japan
- Prior art keywords
- genes
- expression
- patient
- status
- listed
- 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
Description
上記の表中、マージンの欄における、「negative margins」、「Positive circumferential」、「Negative」、「Positive base」、「positive Apex margin」、「positive apex & circumferential margin」、「positive circumferential margin」、「positive apex」、「positive base margin」、「Positive base & circumferential」、「Positive complex」は、それぞれ「ネガティブマージン」、「ポジィティブサーカムフェレンシャル」、「ネガティブ」、「ポジィティブベース」、「ポジィティブアペックスマージン」、「ポジィティブアペックスアンドサーカムフェレンシャルマージン」、「ポジィティブサーカムフェレンシャルマージン」、「ポジィティブアペック」、「ポジィティブベースマージン」、「ポジィティブベースアンドサーカムフェレンシャル」、「ポジィティブコンプレックス」であり、嚢外伸展の欄の「Unknown」は、「未知」であり、BCRイベントの欄の「FALSE」、「TRUE」、はそれぞれ「偽」、「真」であり、ICGCカテゴリーの欄の、「normal」、「unknown」はそれぞれ、「正常」、「未知」である。
本発明は以下の実施態様を含む。
実施態様第1項:以下を含む、癌を分類する方法、または癌の進行を予測する方法:
a) 患者から得られたサンプル中の複数の遺伝子の発現ステータスを決定し、患者の発現プロフィールを提供すること;
b) 統計のベイズのクラスタリング分析あるいは他のクラスタリング分析を、患者の発現プロフィールおよび異なる患者からの同じ複数の遺伝子についての参照データセットについて行うこと;
c) 任意に複数回、分析ステップb)を繰り返すこと;および
d) 癌を分類すること、または癌の進行を予測すること。
実施態様第2項:前記ステップb)が少なくとも2回、少なくとも3回、少なくとも5回、少なくとも20回、少なくとも50回、あるいは少なくとも100回繰り返される、実施態様第1項記載の方法。
実施態様第3項:異なるランダムなシードが各クラスタリング分析に使用される、実施態様第2項記載の方法。
実施態様第4項:前記の複数の遺伝子の発現ステータスを決定することが、複数の遺伝子の発現レベルを決定することを含む、実施態様第1から3のいずれか1項記載の方法。
実施態様第5項:少なくとも50、少なくとも100、少なくとも200あるいは最も好ましくは少なくとも500の遺伝子について発現ステータスが決定される、実施態様第1から4のいずれか1項記載の方法。
実施態様第6項:統計分析を行なう前に、参照データセットに対して患者の発現プロフィールを正規化することをさらに含む、実施態様第1から5のいずれか1項記載の方法。
実施態様第7項:ステップa)の遺伝子が表1にリストされた遺伝子から選ばれる、実施態様第1から6のいずれか1項記載の方法。
実施態様第8項:前記ステップa)は、少なくとも20、少なくとも50、少なくとも100、少なくとも200、少なくとも500または少なくとも1000の遺伝子の発現ステータスを決定することを含む、実施態様第1から7のいずれか1項記載の方法。
実施態様第9項:前記ステップa)は、表1にリストされた遺伝子から選ばれる少なくとも100の遺伝子の発現ステータスを決定することを含む、実施態様第1から8のいずれか1項記載の方法。
実施態様第10項:前記ステップa)は、表1にリストされたすべての500の遺伝子の発現ステータスを決定することを含む、実施態様第1から9のいずれか1項記載の方法。
実施態様第11項:その発現ステータスが統計分析のために決定されている遺伝子の部分集合を選択するステップをさらに含む、実施態様第1から10のいずれか1項記載の方法。
実施態様第12項:遺伝子の部分集合内のそれぞれの遺伝子の発現ステータスが、癌患者のサンプルにより変化することが知られている、実施態様第11項記載の方法。
実施態様第13項:統計分析の前に、患者の発現プロフィールにユニークなラベルを付することをさらに含む、実施態様第1から12のいずれか1項記載の方法。
実施態様第14項:前記ステップd)が、患者の癌サンプルのDESNTステータスを決定することを含む、実施態様第1から13のいずれか1項記載の方法。
実施態様第15項:前記ステップd)が、患者の癌サンプルのDESNTステータスを決定することを含む、実施態様第1から14のいずれか1項記載の方法。
実施態様第16項:該参照データセット内のそれぞれの発現プロフィールのDESNTステータスが知られている、実施態様第1から15のいずれか1項記載の方法。
実施態様第17項:該患者の発現プロフィールが、統計分析の前に少なくとも2つの参照データセットと組み合わされる、実施態様第1から16のいずれか1項記載の方法。
実施態様第18項:統計分析がLPD分析である、実施態様第1から17のいずれか1項記載の方法。
実施態様第19項:LPD分析が個々の患者の発現プロフィールをグループに分ける、実施態様第18項記載の方法。
実施態様第20項:個々の患者の発現プロフィールをグループに分けることが、それぞれの発現プロフィールについて、LDP分析を使用して、個々の患者の発現プロフィールについて全体の発現プロフィールへの各グループの貢献(pi)を決定することを含む、実施態様第19項記載の方法。
実施態様第21項:該患者の発現プロフィールが、全体の発現プロフィールに最も貢献するグループへ、個々のグループが分けられる、実施態様第20項記載の方法。
実施態様第22項:患者の癌進行が、全体の発現プロフィールへのDESNTプロセスへの貢献(pi値)により予測される、実施態様第20または21項記載の方法。
実施態様第23項:全体の発現プロフィールへのDESNTプロセスへの貢献が、全体の発現プロフィールへの他のプロセスの貢献よりも大きい場合に、DESNT癌が予測される、実施態様第22項記載の方法。
実施態様第24項:全体の発現プロフィールへのDESNTプロセスへの貢献、患者の腫瘍のステージ、患者のグリーソンスコアおよび/または患者のPSAスコアにより、DESNT癌が予測される、実施態様第22項記載の方法。
実施態様第25項:患者の癌サンプルのDESNTプロセスに対するpi値が、少なくとも0.1、少なくとも0.2、少なくとも0.3、少なくとも0.4あるいは少なくとも0.5である場合、DESNT癌が予測される、実施態様第22項記載の方法。
実施態様第26項:グループがDESNTまたは非DESNTステータスに分けられる、実施態様第19項記載の方法。
実施態様第27項:1グループのみがDESNTステータスに分けられる、実施態様第26項記載の方法。
実施態様第28項:1または複数の参照データセットから、患者のサンプルグループがDESNT癌を有するとき、患者の癌が侵襲性と分類されるか、癌進行が予測される、実施態様第27項記載の方法。
実施態様第29項:統計分析が複数回行なわれ、統計分析の少なくとも60%の検定で、1または複数の参照データセットから患者のサンプルグループがDESNT癌を有するとき、患者の癌が侵襲性として分類され、癌進行が予測される、実施態様第27項記載の方法。
実施態様第30項:癌は前立腺癌である、実施態様第1から29のいずれか1項記載の方法。
実施態様第31項:以下を含む、癌を分類する方法、または癌の進行を予測する方法:
a) データセット中の個々の患者のサンプルの癌進行ステータスが知られている参照データセットを提供すること;
b) このデータセットから複数の遺伝子を選択すること、ここで複数の遺伝子が、表2にリストされたグループから選ばれた少なくとも5、少なくとも10、少なくとも20、少なくとも30、少なくとも40、あるいは少なくとも45の遺伝子を含むか、または表3にリストされたグループから選ばれた少なくとも5、少なくとも10、少なくとも15あるいは少なくとも20の遺伝子を含む;
c) 任意に:
(i) コントロールとして患者のサンプル中の少なくとも1つの異なる遺伝子の発現ステータスをさらに決定すること、ここでコントロール遺伝子は表2あるいは表3にリストされた遺伝子ではない;
(ii) 複数の遺伝子およびコントロール遺伝子の発現の相対的なレベルを決定すること;および
d) これらの選択された遺伝子の発現ステータスを使用し、データセットにスーパーバイズされた機械学習アルゴリズムを適用し、癌の進行の予測を得ること;
e) 患者から得られたサンプル中の同じ複数の遺伝子の発現ステータスを決定し、患者の発現プロフィールを提供すること;
f) 任意に、参照データセットに対して患者の発現プロフィールを正規化すること;および
g) 患者の発現プロフィールへ予測を適用し、癌を分類するか、または癌の進行を予測すること。
実施態様第32項:該複数の遺伝子が、表2にリストされたグループから選ばれた少なくとも5、少なくとも10、少なくとも20、少なくとも30、少なくとも40、あるいは少なくとも45の遺伝子を含む、実施態様第31項記載の方法。
実施態様第33項:該複数の遺伝子が、表3にリストされたグループから選ばれた少なくとも5、少なくとも10、少なくとも15あるいは少なくとも20の遺伝子を含む、実施態様第31項記載の方法。
実施態様第34項:前記の発現の相対的なレベルを決定することが、患者のデータセットと参照データセットのそれぞれの遺伝子対の発現の比率を決定することを含む、実施態様第31から33のいずれか1項記載の方法。
実施態様第35項:該機械学習アルゴリズムがランダムフォレスト分析である、実施態様第31から34のいずれか1項記載の方法。
実施態様第36項:データセット中の個々の患者のサンプルの癌進行ステータスは、癌のDESNTステータスによって知られる、実施態様第31から35のいずれか1項記載の方法。
実施態様第37項:癌のDESNTステータスはLPDを含む分析を使用して、あらかじめ決定されている、実施態様第31から36のいずれか1項記載の方法。
実施態様第38項:癌のDESNTステータスは、実施態様第1から23のいずれか1項記載の方法を使用してあらかじめ決定されている、実施態様第37項記載の方法。
実施態様第39項:癌の分類または癌進行の予測は、癌のDESNTステータスを決定することを含む、実施態様第31から36のいずれか1項記載の方法。
実施態様第40項:少なくとも1つのコントロール遺伝子は表6あるいは表7にリストされた遺伝子である、実施態様第31から39のいずれか1項記載の方法。
実施態様第41項:少なくとも2つのコントロール遺伝子の発現ステータスが決定される、実施態様第31から40のいずれか1項記載の方法。
実施態様第42項:以下を含む、癌を分類する方法、または癌の進行を予測する方法:
a) データセット中の個々の患者の癌進行ステータスが知られている参照データセット(例えばLPD分析によって決定される)を提供すること;
b) このデータセットから複数の遺伝子を選択すること;
c) これらの選択された遺伝子の発現ステータスを使用し、データセットにスーパーバイズされた機械学習アルゴリズムを適用し、癌の進行の予測を得ること;
d) 患者から得られたサンプル中の同じ複数の遺伝子の発現ステータスを決定し、患者の発現プロフィールを提供すること;
e) 任意に参照データセットへ患者の発現プロフィールを正規化すること;および
f) 患者の発現プロフィールへ予測を適用し、癌を分類するか、または癌の進行を予測すること。
実施態様第43項:データセット中の個々の患者のサンプルの癌進行ステータスが、癌のDESNTステータスによって知られている、実施態様第42項記載の方法。
実施態様第44項:癌のDESNTステータスはLPDを含む分析を使用してあらかじめ決定されている、実施態様第42または43項記載の方法。
実施態様第45項:癌のDESNTステータスは、実施態様第1から23のいずれか1項記載の方法を使用してあらかじめ決定されている、実施態様第44項記載の方法。
実施態様第46項:該スーパーバイズされた機械学習アルゴリズムがランダムフォレスト分析である、実施態様第42から45のいずれか1項記載の方法。
実施態様第47項:癌の分類または癌進行の予測は、癌のDESNTステータスを決定することを含む、実施態様第42から46のいずれか1項記載の方法。
実施態様第48項:少なくとも10、少なくとも20、少なくとも30、少なくとも40あるいは少なくとも50の遺伝子が、ステップb)で選択される、実施態様第42から47のいずれか1項記載の方法。
実施態様第49項:ステップb)で選択された遺伝子が、進行しているかまたは進行するだろう癌内でダウンレギュレートされる、実施態様第42から48のいずれか1項記載の方法。
実施態様第50項:ステップb)で選択された遺伝子が、表2にリストされたグループから選ばれた少なくとも5、少なくとも10、少なくとも15、少なくとも20、少なくとも30、少なくとも40、あるいは45のすべての遺伝子を含む、実施態様第42から49のいずれか1項記載の方法。
実施態様第51項:以下を含む、癌を分類する方法、または癌の進行を予測する方法:
a) データセット中の個々の患者のサンプルのDESNTステータスが知られている1以上の参照データセット(例えばLPD分析によって決定される)を提供すること;
b) このデータセットから、発現ステータスが癌が進行しているかまたは進行するだろう癌と、癌が進行していないかまたは進行しないだろう癌との間で発現ステータスが変化することが知られている複数の遺伝子を選択すること、;
c) 選択された遺伝子にLASSOロジスティク回帰モデル分析を適用し、癌進行が予測された選択された遺伝子の部分集合を同定すること;
d) 選択された遺伝子のこの部分集合の発現ステータスを使用し、スーパーバイズされた機械学習アルゴリズムをデータセットに適用し、DESNT癌についての予測を得ること;
e) 患者から得られたサンプル中の選択された遺伝子の部分集合の発現ステータスを決定し、患者の発現プロフィールを提供すること;
f) 任意に1または複数の参照データセットへ患者の発現プロフィールを正規化すること;および
g) 患者の発現プロフィールへ予測を適用し、癌を分類するか、または癌の進行を予測すること。
実施態様第52項:データセット中の個々の患者のサンプルの癌進行ステータスが、癌のDESNTステータスによって知られている、実施態様第51項記載の方法。
実施態様第53項:癌のDESNTステータスはLPDを含む分析を使用してあらかじめ決定されている、実施態様第51または52項記載の方法。
実施態様第54項:癌のDESNTステータスは、実施態様第1から23のいずれか1項記載の方法を使用してあらかじめ決定されている、実施態様第53項記載の方法。
実施態様第55項:複数の遺伝子が表4にリストされた少なくとも100、少なくとも200、少なくとも300、少なくとも400、少なくとも500あるいは少なくとも1000の遺伝子である、実施態様第51から54のいずれか1項記載の方法。
実施態様第56項:癌のDESNTステータスによって、遺伝子が癌進行を予測する、実施態様第51から55のいずれか1項記載の方法。
実施態様第57項:該スーパーバイズされた機械学習アルゴリズムがランダムフォレスト分析である、実施態様第51から56のいずれか1項記載の方法。
実施態様第58項:癌の分類または癌進行の予測は、癌のDESNTステータスを決定することを含む、実施態様第51から57のいずれか1項記載の方法。
実施態様第59項:癌は前立腺癌である、実施態様第1から58のいずれか1項記載の方法。
実施態様第60項:サンプルは、尿サンプル、精液サンプル、前立腺の滲出液サンプル、あるいは前立腺に由来する高分子または細胞を含んでいる任意のサンプル、全血サンプル、漿液サンプル、唾液、あるいは生検試料である、実施態様第1から59のいずれか1項記載の方法。
実施態様第61項:サンプルは前立腺生検、前立腺摘除あるいはTURPサンプルである、実施態様第60項記載の方法。
実施態様第62項:患者からサンプルを得ることをさらに含む、実施態様第1から61のいずれか1項記載の方法。
実施態様第63項:少なくとも2、少なくとも3、または少なくとも5のサンプルに対して方法が実行される、実施態様第1から62のいずれか1項記載の方法。
実施態様第64項:方法は多数の患者サンプルに対して同時に行われる、実施態様第63項記載の方法。
実施態様第65項:方法は多数の患者サンプルに対して同時に行われる、実施態様第63項記載の方法。
実施態様第66項:1または複数のデータセットが複数の腫瘍、あるいは患者の発現プロフィールを含む、実施態様第1から65のいずれか1項記載の方法。
実施態様第67項:データセットは各々少なくとも20、少なくとも50、少なくとも100、少なくとも200、少なくとも300、少なくとも400あるいは少なくとも500の患者もしくは腫瘍発現プロフィールを含む、実施態様第66項記載の方法。
実施態様第68項:患者または腫瘍の発現プロフィールは、少なくとも10、少なくとも40、少なくとも100、少なくとも500、少なくとも1000、少なくとも1500、少なくとも2000、少なくとも5000あるいは少なくとも10000の遺伝子の発現ステータスについての情報を含む、実施態様第66または67項記載の方法。
実施態様第69項:患者または腫瘍の発現プロフィールは、少なくとも10、少なくとも40、少なくとも100、少なくとも500、少なくとも1000、少なくとも1500、少なくとも2000、少なくとも5000あるいは少なくとも10000の遺伝子の発現レベルについての情報を含む、実施態様第66または67項記載の方法。
実施態様第70項:実施態様第1から69のいずれか1項記載の方法によって診断がされた患者へ、治療薬を投与することを含む癌を治療する方法。
実施態様第71項:a. 患者のサンプルを提供すること;
b. 実施態様第1から69のいずれか1項で定義される方法による癌進行の予測をすること;および
c. ステップbの予測の結果により、癌進行が予測されるか、検知されるか、疑われる場合に、患者へ癌の治療薬を投与することを含む、実施態様第70項記載の方法。
実施態様第72項:実施態様第1から69のいずれか1項で定義される方法による癌進行の予測をすることを含む、癌の診断方法。
実施態様第73項:実施態様第1から72のいずれか1項記載の方法を実行するように構成されたコンピュータ装置。
実施態様第74項:実施態様第1から72のいずれか1項記載の方法を実行するようにプログラムされたコンピュータ読み取り可能なメディア。
実施態様第75項:表2にリストされた遺伝子を少なくとも5、少なくとも10、少なくとも20、少なくとも30、少なくとも40あるいは45のすべてを含むバイオマーカー・パネル。
実施態様第76項:表2にリストされた遺伝子を少なくとも40含む、実施態様第75項記載のバイオマーカー・パネル。
実施態様第77項:表2にリストされた45遺伝子のすべてを含む、実施態様第75項記載のバイオマーカー・パネル。
実施態様第78項:表3にリストされた遺伝子を少なくとも5、少なくとも10、少なくとも15、あるいは20のすべてを含むバイオマーカー・パネル。
実施態様第79項:表3にリストされた遺伝子を少なくとも15含む、実施態様第78項記載のバイオマーカー・パネル。
実施態様第80項:表3にリストされた20遺伝子のすべてを含む、実施態様第78項記載のバイオマーカー・パネル。
実施態様第81項:表1にリストされた遺伝子を 少なくとも10、少なくとも15、少なくとも20、少なくとも50、少なくとも100、少なくとも200、少なくとも300、少なくとも400あるいは500のすべてを含むバイオマーカー・パネル。
実施態様第82項:表1にリストされた遺伝子を 少なくとも400含む、実施態様第81項記載のバイオマーカー・パネル。
実施態様第83項:表1にリストされた500遺伝子のすべてを含む、実施態様第81項記載のバイオマーカー・パネル。
実施態様第84項:表5にリストされた遺伝子を少なくとも5,少なくとも10、少なくとも20、少なくとも30、あるいは35のすべてを含むバイオマーカー・パネル。
実施態様第85項:表5にリストされた遺伝子を少なくとも30含む、実施態様第84項記載のバイオマーカー・パネル。
実施態様第86項:表5にリストされた35遺伝子のすべてを含む、実施態様第84項記載のバイオマーカー・パネル。
実施態様第87項:実施態様第1から69のいずれか1項記載の方法によって調製されたバイオマーカー・パネル。
実施態様第88項:癌の診断での使用、あるいは癌進行の予測での使用のための、実施態様第75から87のいずれか1項記載のバイオマーカー・パネル。
実施態様第89項:癌の診断または予後を予測する方法、癌進行の予測方法、または癌の分類方法における、実施態様第75から87のいずれか1項記載のバイオマーカー・パネル。
実施態様第90項:実施態様第75から87のいずれか1項記載のバイオマーカー・パネルにおいて、遺伝子の発現レベルまたは発現ステータスを決定することを含む、癌の診断または予後を予測する方法、癌進行の予測方法、または癌の分類方法。
実施態様第91項:測定されたバイオマーカーの発現レベルまたは発現ステータスを1つ以上の参照遺伝子と比較することをさらに含む、実施態様第90項記載の方法。
実施態様第92項:1つ以上の参照遺伝子がハウスキーピング遺伝子である、実施態様第91項記載の方法。
実施態様第93項:ハウスキーピング遺伝子が表6あるいは表7の中の遺伝子から選ばれる、実施態様第92項記載の方法。
実施態様第94項:測定されたバイオマーカーの発現レベルまたは発現ステータスを比較することを含む、実施態様第93項記載の方法。
実施態様第95項:バイオマーカー・パネルは、表2にリストされた遺伝子の少なくとも5、少なくとも10、少なくとも20、少なくとも30、少なくとも40あるいは45のすべてを含むか、または表5にリストされた遺伝子の少なくとも5、少なくとも10、少なくとも20、少なくとも30あるいは35のすべてを含み、
参照との発現レベルまたは発現ステータスの比較は、健康な人または、進行しているかもしくは進行するだろう癌を持っていない患者からのサンプル内の1または複数の同じ遺伝子の発現レベルまたは発現ステータスを比較することを含む、実施態様第94項記載の方法。
実施態様第96項:遺伝子の発現レベルまたは発現ステータスの比較は、前記の患者からのものを使用する、実施態様第90から95のいずれか1項記載の方法。
実施態様第97項:実施態様第1から69のいずれか1項で定義された方法により統計分析を行う、実施態様第90項記載の方法。
実施態様第98項:実施態様第75から87のいずれか1項で定義されたバイオマーカー・パネルからの少なくとも5つの遺伝子の発現レベルまたは発現ステータスを検知するための手段を含むキット。
実施態様第99項:実施態様第75から87のいずれか1項で定義されたバイオマーカー・パネルのすべての遺伝子の発現レベルまたは発現ステータスを検知するための手段を含む、実施態様第98項記載のキット。
実施態様第100項:1以上のコントロールあるいは参照遺伝子の発現レベルまたは発現ステータスを検知するための手段をさらに含む、実施態様第98または99項記載のキット。
実施態様第101項:使用のための指示をさらに含む、実施態様第98から100のいずれか1項記載のキット。
実施態様第102項:実施態様第74で定義されたコンピュータ読み取り可能なメディアをさらに含む、実施態様第98から101のいずれか1項記載のキット。
実施態様第103項:実施態様第75から87のいずれか1項で定義されたバイオマーカー・パネルからの少なくとも5つの遺伝子の発現レベルまたは発現ステータスを検知するように構成されたバイオセンサー。
実施態様第104項:実施態様第75から87のいずれか1項で定義されたバイオマーカー・パネルのすべての遺伝子の発現レベルまたは発現ステータスを検知するように構成された、実施態様第103項記載のバイオセンサー。
実施態様第105項:1以上のコントロールあるいは参照遺伝子の発現レベルまたは発現ステータスを検知するように構成される、実施態様第103または104項記載のバイオセンサー。
実施態様第106項:バイオセンサーはマイクロアレイである、実施態様第103から105のいずれか1項記載のバイオセンサー。
実施態様第107項:実施態様第103から106のいずれか1項で定義されたバイオセンサーを含む、実施態様第98から102のいずれか1項記載のキット。
本発明は以下の実施態様を含む。
実施態様第1項:以下を含む、癌を分類する方法、または癌の進行を予測する方法:
a) 患者から得られたサンプル中の複数の遺伝子の発現ステータスを決定し、患者の発現プロフィールを提供すること;
b) 統計のベイズのクラスタリング分析あるいは他のクラスタリング分析を、患者の発現プロフィールおよび異なる患者からの同じ複数の遺伝子についての参照データセットについて行うこと;
c) 任意に複数回、分析ステップb)を繰り返すこと;および
d) 癌を分類すること、または癌の進行を予測すること。
実施態様第2項:前記ステップb)が少なくとも2回、少なくとも3回、少なくとも5回、少なくとも20回、少なくとも50回、あるいは少なくとも100回繰り返される、実施態様第1項記載の方法。
実施態様第3項:異なるランダムなシードが各クラスタリング分析に使用される、実施態様第2項記載の方法。
実施態様第4項:前記の複数の遺伝子の発現ステータスを決定することが、複数の遺伝子の発現レベルを決定することを含む、実施態様第1から3のいずれか1項記載の方法。
実施態様第5項:少なくとも50、少なくとも100、少なくとも200あるいは最も好ましくは少なくとも500の遺伝子について発現ステータスが決定される、実施態様第1から4のいずれか1項記載の方法。
実施態様第6項:統計分析を行なう前に、参照データセットに対して患者の発現プロフィールを正規化することをさらに含む、実施態様第1から5のいずれか1項記載の方法。
実施態様第7項:ステップa)の遺伝子が表1にリストされた遺伝子から選ばれる、実施態様第1から6のいずれか1項記載の方法。
実施態様第8項:前記ステップa)は、少なくとも20、少なくとも50、少なくとも100、少なくとも200、少なくとも500または少なくとも1000の遺伝子の発現ステータスを決定することを含む、実施態様第1から7のいずれか1項記載の方法。
実施態様第9項:前記ステップa)は、表1にリストされた遺伝子から選ばれる少なくとも100の遺伝子の発現ステータスを決定することを含む、実施態様第1から8のいずれか1項記載の方法。
実施態様第10項:前記ステップa)は、表1にリストされたすべての500の遺伝子の発現ステータスを決定することを含む、実施態様第1から9のいずれか1項記載の方法。
実施態様第11項:その発現ステータスが統計分析のために決定されている遺伝子の部分集合を選択するステップをさらに含む、実施態様第1から10のいずれか1項記載の方法。
実施態様第12項:遺伝子の部分集合内のそれぞれの遺伝子の発現ステータスが、癌患者のサンプルにより変化することが知られている、実施態様第11項記載の方法。
実施態様第13項:統計分析の前に、患者の発現プロフィールにユニークなラベルを付することをさらに含む、実施態様第1から12のいずれか1項記載の方法。
実施態様第14項:前記ステップd)が、患者の癌サンプルのDESNTステータスを決定することを含む、実施態様第1から13のいずれか1項記載の方法。
実施態様第15項:前記ステップd)が、患者の癌サンプルのDESNTステータスを決定することを含む、実施態様第1から14のいずれか1項記載の方法。
実施態様第16項:該参照データセット内のそれぞれの発現プロフィールのDESNTステータスが知られている、実施態様第1から15のいずれか1項記載の方法。
実施態様第17項:該患者の発現プロフィールが、統計分析の前に少なくとも2つの参照データセットと組み合わされる、実施態様第1から16のいずれか1項記載の方法。
実施態様第18項:統計分析がLPD分析である、実施態様第1から17のいずれか1項記載の方法。
実施態様第19項:LPD分析が個々の患者の発現プロフィールをグループに分ける、実施態様第18項記載の方法。
実施態様第20項:個々の患者の発現プロフィールをグループに分けることが、それぞれの発現プロフィールについて、LDP分析を使用して、個々の患者の発現プロフィールについて全体の発現プロフィールへの各グループの貢献(pi)を決定することを含む、実施態様第19項記載の方法。
実施態様第21項:該患者の発現プロフィールが、全体の発現プロフィールに最も貢献するグループへ、個々のグループが分けられる、実施態様第20項記載の方法。
実施態様第22項:患者の癌進行が、全体の発現プロフィールへのDESNTプロセスへの貢献(pi値)により予測される、実施態様第20または21項記載の方法。
実施態様第23項:全体の発現プロフィールへのDESNTプロセスへの貢献が、全体の発現プロフィールへの他のプロセスの貢献よりも大きい場合に、DESNT癌が予測される、実施態様第22項記載の方法。
実施態様第24項:全体の発現プロフィールへのDESNTプロセスへの貢献、患者の腫瘍のステージ、患者のグリーソンスコアおよび/または患者のPSAスコアにより、DESNT癌が予測される、実施態様第22項記載の方法。
実施態様第25項:患者の癌サンプルのDESNTプロセスに対するpi値が、少なくとも0.1、少なくとも0.2、少なくとも0.3、少なくとも0.4あるいは少なくとも0.5である場合、DESNT癌が予測される、実施態様第22項記載の方法。
実施態様第26項:グループがDESNTまたは非DESNTステータスに分けられる、実施態様第19項記載の方法。
実施態様第27項:1グループのみがDESNTステータスに分けられる、実施態様第26項記載の方法。
実施態様第28項:1または複数の参照データセットから、患者のサンプルグループがDESNT癌を有するとき、患者の癌が侵襲性と分類されるか、癌進行が予測される、実施態様第27項記載の方法。
実施態様第29項:統計分析が複数回行なわれ、統計分析の少なくとも60%の検定で、1または複数の参照データセットから患者のサンプルグループがDESNT癌を有するとき、患者の癌が侵襲性として分類され、癌進行が予測される、実施態様第27項記載の方法。
実施態様第30項:癌は前立腺癌である、実施態様第1から29のいずれか1項記載の方法。
実施態様第31項:以下を含む、癌を分類する方法、または癌の進行を予測する方法:
a) データセット中の個々の患者のサンプルの癌進行ステータスが知られている参照データセットを提供すること;
b) このデータセットから複数の遺伝子を選択すること、ここで複数の遺伝子が、表2にリストされたグループから選ばれた少なくとも5、少なくとも10、少なくとも20、少なくとも30、少なくとも40、あるいは少なくとも45の遺伝子を含むか、または表3にリストされたグループから選ばれた少なくとも5、少なくとも10、少なくとも15あるいは少なくとも20の遺伝子を含む;
c) 任意に:
(i) コントロールとして患者のサンプル中の少なくとも1つの異なる遺伝子の発現ステータスをさらに決定すること、ここでコントロール遺伝子は表2あるいは表3にリストされた遺伝子ではない;
(ii) 複数の遺伝子およびコントロール遺伝子の発現の相対的なレベルを決定すること;および
d) これらの選択された遺伝子の発現ステータスを使用し、データセットにスーパーバイズされた機械学習アルゴリズムを適用し、癌の進行の予測を得ること;
e) 患者から得られたサンプル中の同じ複数の遺伝子の発現ステータスを決定し、患者の発現プロフィールを提供すること;
f) 任意に、参照データセットに対して患者の発現プロフィールを正規化すること;および
g) 患者の発現プロフィールへ予測を適用し、癌を分類するか、または癌の進行を予測すること。
実施態様第32項:該複数の遺伝子が、表2にリストされたグループから選ばれた少なくとも5、少なくとも10、少なくとも20、少なくとも30、少なくとも40、あるいは少なくとも45の遺伝子を含む、実施態様第31項記載の方法。
実施態様第33項:該複数の遺伝子が、表3にリストされたグループから選ばれた少なくとも5、少なくとも10、少なくとも15あるいは少なくとも20の遺伝子を含む、実施態様第31項記載の方法。
実施態様第34項:前記の発現の相対的なレベルを決定することが、患者のデータセットと参照データセットのそれぞれの遺伝子対の発現の比率を決定することを含む、実施態様第31から33のいずれか1項記載の方法。
実施態様第35項:該機械学習アルゴリズムがランダムフォレスト分析である、実施態様第31から34のいずれか1項記載の方法。
実施態様第36項:データセット中の個々の患者のサンプルの癌進行ステータスは、癌のDESNTステータスによって知られる、実施態様第31から35のいずれか1項記載の方法。
実施態様第37項:癌のDESNTステータスはLPDを含む分析を使用して、あらかじめ決定されている、実施態様第31から36のいずれか1項記載の方法。
実施態様第38項:癌のDESNTステータスは、実施態様第1から23のいずれか1項記載の方法を使用してあらかじめ決定されている、実施態様第37項記載の方法。
実施態様第39項:癌の分類または癌進行の予測は、癌のDESNTステータスを決定することを含む、実施態様第31から36のいずれか1項記載の方法。
実施態様第40項:少なくとも1つのコントロール遺伝子は表6あるいは表7にリストされた遺伝子である、実施態様第31から39のいずれか1項記載の方法。
実施態様第41項:少なくとも2つのコントロール遺伝子の発現ステータスが決定される、実施態様第31から40のいずれか1項記載の方法。
実施態様第42項:以下を含む、癌を分類する方法、または癌の進行を予測する方法:
a) データセット中の個々の患者の癌進行ステータスが知られている参照データセット(例えばLPD分析によって決定される)を提供すること;
b) このデータセットから複数の遺伝子を選択すること;
c) これらの選択された遺伝子の発現ステータスを使用し、データセットにスーパーバイズされた機械学習アルゴリズムを適用し、癌の進行の予測を得ること;
d) 患者から得られたサンプル中の同じ複数の遺伝子の発現ステータスを決定し、患者の発現プロフィールを提供すること;
e) 任意に参照データセットへ患者の発現プロフィールを正規化すること;および
f) 患者の発現プロフィールへ予測を適用し、癌を分類するか、または癌の進行を予測すること。
実施態様第43項:データセット中の個々の患者のサンプルの癌進行ステータスが、癌のDESNTステータスによって知られている、実施態様第42項記載の方法。
実施態様第44項:癌のDESNTステータスはLPDを含む分析を使用してあらかじめ決定されている、実施態様第42または43項記載の方法。
実施態様第45項:癌のDESNTステータスは、実施態様第1から23のいずれか1項記載の方法を使用してあらかじめ決定されている、実施態様第44項記載の方法。
実施態様第46項:該スーパーバイズされた機械学習アルゴリズムがランダムフォレスト分析である、実施態様第42から45のいずれか1項記載の方法。
実施態様第47項:癌の分類または癌進行の予測は、癌のDESNTステータスを決定することを含む、実施態様第42から46のいずれか1項記載の方法。
実施態様第48項:少なくとも10、少なくとも20、少なくとも30、少なくとも40あるいは少なくとも50の遺伝子が、ステップb)で選択される、実施態様第42から47のいずれか1項記載の方法。
実施態様第49項:ステップb)で選択された遺伝子が、進行しているかまたは進行するだろう癌内でダウンレギュレートされる、実施態様第42から48のいずれか1項記載の方法。
実施態様第50項:ステップb)で選択された遺伝子が、表2にリストされたグループから選ばれた少なくとも5、少なくとも10、少なくとも15、少なくとも20、少なくとも30、少なくとも40、あるいは45のすべての遺伝子を含む、実施態様第42から49のいずれか1項記載の方法。
実施態様第51項:以下を含む、癌を分類する方法、または癌の進行を予測する方法:
a) データセット中の個々の患者のサンプルのDESNTステータスが知られている1以上の参照データセット(例えばLPD分析によって決定される)を提供すること;
b) このデータセットから、発現ステータスが癌が進行しているかまたは進行するだろう癌と、癌が進行していないかまたは進行しないだろう癌との間で発現ステータスが変化することが知られている複数の遺伝子を選択すること、;
c) 選択された遺伝子にLASSOロジスティク回帰モデル分析を適用し、癌進行が予測された選択された遺伝子の部分集合を同定すること;
d) 選択された遺伝子のこの部分集合の発現ステータスを使用し、スーパーバイズされた機械学習アルゴリズムをデータセットに適用し、DESNT癌についての予測を得ること;
e) 患者から得られたサンプル中の選択された遺伝子の部分集合の発現ステータスを決定し、患者の発現プロフィールを提供すること;
f) 任意に1または複数の参照データセットへ患者の発現プロフィールを正規化すること;および
g) 患者の発現プロフィールへ予測を適用し、癌を分類するか、または癌の進行を予測すること。
実施態様第52項:データセット中の個々の患者のサンプルの癌進行ステータスが、癌のDESNTステータスによって知られている、実施態様第51項記載の方法。
実施態様第53項:癌のDESNTステータスはLPDを含む分析を使用してあらかじめ決定されている、実施態様第51または52項記載の方法。
実施態様第54項:癌のDESNTステータスは、実施態様第1から23のいずれか1項記載の方法を使用してあらかじめ決定されている、実施態様第53項記載の方法。
実施態様第55項:複数の遺伝子が表4にリストされた少なくとも100、少なくとも200、少なくとも300、少なくとも400、少なくとも500あるいは少なくとも1000の遺伝子である、実施態様第51から54のいずれか1項記載の方法。
実施態様第56項:癌のDESNTステータスによって、遺伝子が癌進行を予測する、実施態様第51から55のいずれか1項記載の方法。
実施態様第57項:該スーパーバイズされた機械学習アルゴリズムがランダムフォレスト分析である、実施態様第51から56のいずれか1項記載の方法。
実施態様第58項:癌の分類または癌進行の予測は、癌のDESNTステータスを決定することを含む、実施態様第51から57のいずれか1項記載の方法。
実施態様第59項:癌は前立腺癌である、実施態様第1から58のいずれか1項記載の方法。
実施態様第60項:サンプルは、尿サンプル、精液サンプル、前立腺の滲出液サンプル、あるいは前立腺に由来する高分子または細胞を含んでいる任意のサンプル、全血サンプル、漿液サンプル、唾液、あるいは生検試料である、実施態様第1から59のいずれか1項記載の方法。
実施態様第61項:サンプルは前立腺生検、前立腺摘除あるいはTURPサンプルである、実施態様第60項記載の方法。
実施態様第62項:患者からサンプルを得ることをさらに含む、実施態様第1から61のいずれか1項記載の方法。
実施態様第63項:少なくとも2、少なくとも3、または少なくとも5のサンプルに対して方法が実行される、実施態様第1から62のいずれか1項記載の方法。
実施態様第64項:方法は多数の患者サンプルに対して同時に行われる、実施態様第63項記載の方法。
実施態様第65項:方法は多数の患者サンプルに対して同時に行われる、実施態様第63項記載の方法。
実施態様第66項:1または複数のデータセットが複数の腫瘍、あるいは患者の発現プロフィールを含む、実施態様第1から65のいずれか1項記載の方法。
実施態様第67項:データセットは各々少なくとも20、少なくとも50、少なくとも100、少なくとも200、少なくとも300、少なくとも400あるいは少なくとも500の患者もしくは腫瘍発現プロフィールを含む、実施態様第66項記載の方法。
実施態様第68項:患者または腫瘍の発現プロフィールは、少なくとも10、少なくとも40、少なくとも100、少なくとも500、少なくとも1000、少なくとも1500、少なくとも2000、少なくとも5000あるいは少なくとも10000の遺伝子の発現ステータスについての情報を含む、実施態様第66または67項記載の方法。
実施態様第69項:患者または腫瘍の発現プロフィールは、少なくとも10、少なくとも40、少なくとも100、少なくとも500、少なくとも1000、少なくとも1500、少なくとも2000、少なくとも5000あるいは少なくとも10000の遺伝子の発現レベルについての情報を含む、実施態様第66または67項記載の方法。
実施態様第70項:実施態様第1から69のいずれか1項記載の方法によって診断がされた患者へ、治療薬を投与することを含む癌を治療する方法。
実施態様第71項:a. 患者のサンプルを提供すること;
b. 実施態様第1から69のいずれか1項で定義される方法による癌進行の予測をすること;および
c. ステップbの予測の結果により、癌進行が予測されるか、検知されるか、疑われる場合に、患者へ癌の治療薬を投与することを含む、実施態様第70項記載の方法。
実施態様第72項:実施態様第1から69のいずれか1項で定義される方法による癌進行の予測をすることを含む、癌の診断方法。
実施態様第73項:実施態様第1から72のいずれか1項記載の方法を実行するように構成されたコンピュータ装置。
実施態様第74項:実施態様第1から72のいずれか1項記載の方法を実行するようにプログラムされたコンピュータ読み取り可能なメディア。
実施態様第75項:表2にリストされた遺伝子を少なくとも5、少なくとも10、少なくとも20、少なくとも30、少なくとも40あるいは45のすべてを含むバイオマーカー・パネル。
実施態様第76項:表2にリストされた遺伝子を少なくとも40含む、実施態様第75項記載のバイオマーカー・パネル。
実施態様第77項:表2にリストされた45遺伝子のすべてを含む、実施態様第75項記載のバイオマーカー・パネル。
実施態様第78項:表3にリストされた遺伝子を少なくとも5、少なくとも10、少なくとも15、あるいは20のすべてを含むバイオマーカー・パネル。
実施態様第79項:表3にリストされた遺伝子を少なくとも15含む、実施態様第78項記載のバイオマーカー・パネル。
実施態様第80項:表3にリストされた20遺伝子のすべてを含む、実施態様第78項記載のバイオマーカー・パネル。
実施態様第81項:表1にリストされた遺伝子を 少なくとも10、少なくとも15、少なくとも20、少なくとも50、少なくとも100、少なくとも200、少なくとも300、少なくとも400あるいは500のすべてを含むバイオマーカー・パネル。
実施態様第82項:表1にリストされた遺伝子を 少なくとも400含む、実施態様第81項記載のバイオマーカー・パネル。
実施態様第83項:表1にリストされた500遺伝子のすべてを含む、実施態様第81項記載のバイオマーカー・パネル。
実施態様第84項:表5にリストされた遺伝子を少なくとも5,少なくとも10、少なくとも20、少なくとも30、あるいは35のすべてを含むバイオマーカー・パネル。
実施態様第85項:表5にリストされた遺伝子を少なくとも30含む、実施態様第84項記載のバイオマーカー・パネル。
実施態様第86項:表5にリストされた35遺伝子のすべてを含む、実施態様第84項記載のバイオマーカー・パネル。
実施態様第87項:実施態様第1から69のいずれか1項記載の方法によって調製されたバイオマーカー・パネル。
実施態様第88項:癌の診断での使用、あるいは癌進行の予測での使用のための、実施態様第75から87のいずれか1項記載のバイオマーカー・パネル。
実施態様第89項:癌の診断または予後を予測する方法、癌進行の予測方法、または癌の分類方法における、実施態様第75から87のいずれか1項記載のバイオマーカー・パネル。
実施態様第90項:実施態様第75から87のいずれか1項記載のバイオマーカー・パネルにおいて、遺伝子の発現レベルまたは発現ステータスを決定することを含む、癌の診断または予後を予測する方法、癌進行の予測方法、または癌の分類方法。
実施態様第91項:測定されたバイオマーカーの発現レベルまたは発現ステータスを1つ以上の参照遺伝子と比較することをさらに含む、実施態様第90項記載の方法。
実施態様第92項:1つ以上の参照遺伝子がハウスキーピング遺伝子である、実施態様第91項記載の方法。
実施態様第93項:ハウスキーピング遺伝子が表6あるいは表7の中の遺伝子から選ばれる、実施態様第92項記載の方法。
実施態様第94項:測定されたバイオマーカーの発現レベルまたは発現ステータスを比較することを含む、実施態様第93項記載の方法。
実施態様第95項:バイオマーカー・パネルは、表2にリストされた遺伝子の少なくとも5、少なくとも10、少なくとも20、少なくとも30、少なくとも40あるいは45のすべてを含むか、または表5にリストされた遺伝子の少なくとも5、少なくとも10、少なくとも20、少なくとも30あるいは35のすべてを含み、
参照との発現レベルまたは発現ステータスの比較は、健康な人または、進行しているかもしくは進行するだろう癌を持っていない患者からのサンプル内の1または複数の同じ遺伝子の発現レベルまたは発現ステータスを比較することを含む、実施態様第94項記載の方法。
実施態様第96項:遺伝子の発現レベルまたは発現ステータスの比較は、前記の患者からのものを使用する、実施態様第90から95のいずれか1項記載の方法。
実施態様第97項:実施態様第1から69のいずれか1項で定義された方法により統計分析を行う、実施態様第90項記載の方法。
実施態様第98項:実施態様第75から87のいずれか1項で定義されたバイオマーカー・パネルからの少なくとも5つの遺伝子の発現レベルまたは発現ステータスを検知するための手段を含むキット。
実施態様第99項:実施態様第75から87のいずれか1項で定義されたバイオマーカー・パネルのすべての遺伝子の発現レベルまたは発現ステータスを検知するための手段を含む、実施態様第98項記載のキット。
実施態様第100項:1以上のコントロールあるいは参照遺伝子の発現レベルまたは発現ステータスを検知するための手段をさらに含む、実施態様第98または99項記載のキット。
実施態様第101項:使用のための指示をさらに含む、実施態様第98から100のいずれか1項記載のキット。
実施態様第102項:実施態様第74で定義されたコンピュータ読み取り可能なメディアをさらに含む、実施態様第98から101のいずれか1項記載のキット。
実施態様第103項:実施態様第75から87のいずれか1項で定義されたバイオマーカー・パネルからの少なくとも5つの遺伝子の発現レベルまたは発現ステータスを検知するように構成されたバイオセンサー。
実施態様第104項:実施態様第75から87のいずれか1項で定義されたバイオマーカー・パネルのすべての遺伝子の発現レベルまたは発現ステータスを検知するように構成された、実施態様第103項記載のバイオセンサー。
実施態様第105項:1以上のコントロールあるいは参照遺伝子の発現レベルまたは発現ステータスを検知するように構成される、実施態様第103または104項記載のバイオセンサー。
実施態様第106項:バイオセンサーはマイクロアレイである、実施態様第103から105のいずれか1項記載のバイオセンサー。
実施態様第107項:実施態様第103から106のいずれか1項で定義されたバイオセンサーを含む、実施態様第98から102のいずれか1項記載のキット。
Claims (17)
- 以下を含む、前立腺癌の進行を予測する方法:
a) 患者から得られたサンプル中の少なくとも100の遺伝子の発現ステータスを決定し、患者の発現プロフィールを提供すること、ここで前記の少なくとも100の遺伝子は前立腺癌により発現レベルが変わることが知られている;
b) ラテントプロセスデコンポジション(LPD)分析を、患者の発現プロフィールおよび異なる患者からの同じ少なくとも100の遺伝子についての参照データセットについて行うこと;
c) 任意に複数回、分析ステップb)を繰り返すこと;および
d) 前立腺癌の進行を予測すること、
ここで、LPD分析が個々の患者の発現プロフィールをグループに分け、
該グループは予後不良(DESNT)または予後不良ではない(非DESNT)ステータスに分けられ、
それぞれの発現プロフィールについて、LPD分析が個々の患者の発現プロフィールについて、全体の発現プロフィールへの各グループの貢献(pi)を決定する。 - 前記ステップa)は、表1から選択された少なくとも500の遺伝子の発現ステータスを決定することを含む、請求項1記載の方法。
- 以下のいずれかを含む、請求項1または2記載の方法:
a) 患者の前立腺癌進行が、全体の患者の発現プロフィールへの予後不良(DESNT)のグループの貢献(pi値)により予測され、全体の患者の発現プロフィールへの予後不良(DESNT)のグループの貢献(pi値)が高いほど悪い予測とされる;
b) 該患者の発現プロフィールが、全体の発現プロフィールに最も貢献するグループにより個々のグループに分けられる;
c) 全体の発現プロフィールへの予後不良(DESNT)のグループの貢献が、全体の発現プロフィールへの他のグループの単一での貢献よりも大きい場合に、前立腺癌の進行が予測される;
d) 全体の発現プロフィールへの予後不良(DESNT)のグループの貢献、患者の腫瘍のステージ、患者のグリーソンスコアおよび/または患者のPSAスコアにより、前立腺癌の進行が予測される;
e) 患者の癌サンプルの予後不良(DESNT)のグループに対するpi値が、少なくとも0.1、少なくとも0.2、少なくとも0.3、少なくとも0.4あるいは少なくとも0.5である場合、前立腺癌の進行が予測される;
f) 1グループのみが予後不良(DESNT)のステータスに分けられる;
g) 1または複数の参照データセットから、患者のサンプルが予後不良(DESNT)の癌とグループ化された時、癌進行が予測される;
h) PLD分析が複数回行なわれ、PLD分析の少なくとも60%の検定で、1または複数の参照データセットから予後不良(DESNT)の癌とグループ化された時、癌進行が予測される;
i) 前記ステップb)が少なくとも2回、少なくとも3回、少なくとも5回、少なくとも20回、少なくとも50回、あるいは少なくとも100回繰り返される;
j) 異なるランダムなシードが各クラスタリング分析に使用される;
k) 複数の遺伝子の発現ステータスを決定することが、複数の遺伝子の発現レベルを決定することを含む;
l) 統計分析を行なう前に、参照データセットに対して患者の発現プロフィールを正規化することをさらに含む;
m) 前記ステップa)の遺伝子が表1にリストされた遺伝子から選ばれる;
n) 前記ステップa)は、少なくとも1000の遺伝子の発現ステータスを決定することを含む;
o) 前記ステップa)は、表1にリストされた遺伝子から選ばれる少なくとも100の遺伝子の発現ステータスを決定することを含む;
p) 統計分析のためにその発現ステータスが決定されている遺伝子の部分集合を選択するステップをさらに含み、任意に該遺伝子の部分集合内のそれぞれの遺伝子の発現ステータスが、癌患者のサンプルで変化することが知られている;
q) 統計分析の前に、患者の発現プロフィールにユニークなラベルを付することをさらに含む;
r) 該参照データセット内のそれぞれの発現プロフィールの前立腺癌の予後不良(DESNT)ステータスが知られている;または、
s) 該患者の発現プロフィールが、統計分析の前に少なくとも2つの参照データセットと組み合わされる。 - 以下を含む、前立腺癌の進行を予測する方法:
a) データセット中の個々の患者のサンプルの前立腺癌進行(DESNT)ステータスが知られている参照データセットを提供すること;
b) このデータセットから複数の遺伝子を選択すること、ここで複数の遺伝子が、表2にリストされたグループから選ばれた少なくとも5、少なくとも10、少なくとも20、少なくとも30、少なくとも40、あるいは少なくとも45の遺伝子を含むか、または表3にリストされたグループから選ばれた少なくとも5、少なくとも10、少なくとも15あるいは少なくとも20の遺伝子を含む;
c) 任意に:
(i) コントロールとして患者のサンプル中の少なくとも1つの異なる遺伝子の発現ステータスをさらに決定すること、ここでコントロール遺伝子は表2あるいは表3にリストされた遺伝子ではない;
(ii) 複数の遺伝子およびコントロール遺伝子の発現の相対的なレベルを決定すること;および
d) これらの選択された遺伝子の発現ステータスを使用し、データセットにスーパーバイズされた機械学習アルゴリズムを適用し、前立腺癌の進行の予測を得ること、ここで機械学習アルゴリズムはランダムフォレスト分析である;
e) 患者から得られたサンプル中の同じ複数の遺伝子の発現ステータスを決定し、患者の発現プロフィールを提供すること;
f) 任意に、参照データセットに対して患者の発現プロフィールを正規化すること;および
g) 患者の発現プロフィールへ予測を適用し、前立腺癌の進行を予測すること。 - 該複数の遺伝子が、表2にリストされたグループから選ばれた少なくとも45の遺伝子を含むか、または表3にリストされたグループから選ばれた少なくとも20の遺伝子を含む、請求項4記載の方法。
- 以下のいずれかを含む、請求項4または5記載の方法:
a) 前記の発現の相対的なレベルを決定することが、患者のデータセットと参照データセットのそれぞれの遺伝子対の発現の比率を決定することを含む;
b) 前立腺癌の進行(DESNT)ステータスはLPDを含む分析を使用してあらかじめ決定されており、任意に前立腺癌の進行(DESNT)ステータスは請求項1から3のいずれか1項記載の方法を使用してあらかじめ決定されている;
c) 少なくとも1つのコントロール遺伝子は表6あるいは表7にリストされた遺伝子である;および/または
d) 少なくとも2つのコントロール遺伝子の発現ステータスが決定される。 - 以下のいずれかを含む、請求項1から6のいずれか1項記載の方法:
a) サンプルは、尿サンプル、精液サンプル、前立腺の滲出液サンプル、あるいは前立腺に由来する高分子または細胞を含んでいる任意のサンプル、全血サンプル、漿液サンプル、唾液、あるいは生検試料であり、任意にサンプルは前立腺生検、前立腺摘除あるいはTURPサンプルである;
b) 少なくとも2、少なくとも3、または少なくとも5のサンプルに対して方法が実行され、任意に方法は複数の患者サンプルに対して同時に行われる;および/または
c) 1または複数のデータセットが複数の腫瘍、あるいは患者の発現プロフィールを含み、任意にデータセットは各々少なくとも20、少なくとも50、少なくとも100、少なくとも200、少なくとも300、少なくとも400あるいは少なくとも500の患者もしくは腫瘍発現プロフィールを含み、さらに任意に、i. 患者または腫瘍の発現プロフィールは、少なくとも10、少なくとも40、少なくとも100、少なくとも500、少なくとも1000、少なくとも1500、少なくとも2000、少なくとも5000あるいは少なくとも10000の遺伝子の発現ステータスについての情報を含むか、または
ii. 患者または腫瘍の発現プロフィールは、少なくとも10、少なくとも40、少なくとも100、少なくとも500、少なくとも1000、少なくとも1500、少なくとも2000、少なくとも5000あるいは少なくとも10000の遺伝子の発現レベルについての情報を含む。 - 請求項1から7のいずれか1項記載の方法を実行するように構成されたコンピュータ装置、または請求項1から7のいずれか1項記載の方法を実行するようにプログラムされたコンピュータ読み取り可能なメディア。
- 以下のいずれかの発現レベルまたは発現ステータスを決定することを含む、前立腺癌進行の予測のインビボ方法:
a. 表2にリストされた遺伝子から選択された少なくとも5、少なくとも10、少なくとも20、少なくとも30、少なくとも40、あるいは少なくとも45の遺伝子;
b. 表3にリストされた遺伝子から選択された少なくとも5、少なくとも10、少なくとも15、あるいは少なくとも20の遺伝子;
c. 表5にリストされた遺伝子の少なくとも20、少なくとも30、あるいは35のすべての遺伝子;または、
d. 表1にリストされたすべての500の遺伝子。 - 以下のいずれかの発現レベルまたは発現ステータスを決定することを含む、請求項9記載の方法:
a. 表2にリストされたすべての45の遺伝子;
b. 表3にリストされたすべての20の遺伝子;
c. 表5にリストされたすべての35の遺伝子;または、
d. 表1にリストされたすべての500の遺伝子。 - 以下のいずれかである、請求項9または10記載の方法:
a. 測定されたバイオマーカーの発現レベルまたは発現ステータスを1つ以上の参照遺伝子と比較することをさらに含み、任意に、1つ以上の参照遺伝子がハウスキーピング遺伝子であり、たとえばハウスキーピング遺伝子は表6あるいは表7の中の遺伝子から選ばれる;
b. 遺伝子の発現レベルまたは発現ステータスは、患者から得られたサンプルを使用して行われる;または、
c. 方法は請求項1から7のいずれか1項で定義された方法により統計分析を行うことを含む。 - 以下の遺伝子の発現レベルまたは発現ステータスを検知するための手段を含むキット:
a. 表2にリストされた遺伝子から選択された少なくとも5、少なくとも10、少なくとも20、少なくとも30、少なくとも40、あるいは少なくとも45の遺伝子;
b. 表3にリストされた遺伝子から選択された少なくとも5、少なくとも10、少なくとも15、あるいは少なくとも20の遺伝子;
c. 表5にリストされた遺伝子の少なくとも20、少なくとも30あるいは35のすべての遺伝子;または、
d. 表1にリストされたすべての500の遺伝子;
ここで、遺伝子の発現レベルまたは発現ステータスを検知するための手段がマイクロアレイである。 - 以下の遺伝子の発現レベルまたは発現ステータスを検知するための手段を含む、請求項12記載のキット:
a. 表2にリストされたすべての45の遺伝子;
b. 表3にリストされたすべての20の遺伝子;
c. 表5にリストされたすべての35の遺伝子;または、
d. 表1にリストされたすべての500の遺伝子。 - さらに以下を含む、請求項12または13記載のキット:
a. 1以上のコントロールあるいは参照遺伝子の発現レベルまたは発現ステータスを検知するための手段;
b. 使用のための指示;および/または、
c. 請求項8で定義されたコンピュータ読み取り可能なメディア。 - 以下の発現レベルまたは発現ステータスを検知するように構成されたマイクロアレイ:
a. 表2にリストされた遺伝子から選択された少なくとも5、少なくとも10、少なくとも20、少なくとも30、少なくとも40、あるいは少なくとも45の遺伝子;
b. 表3にリストされた遺伝子から選択された少なくとも5、少なくとも10、少なくとも15、あるいは少なくとも20の遺伝子;
c. 表5にリストされた遺伝子の少なくとも20、少なくとも30あるいは35のすべての遺伝子;または、
d. 表1にリストされたすべての500の遺伝子; - バイオセンサーが、以下の発現レベルまたは発現ステータスを検知するように構成された、請求項15記載のマイクロアレイ:
a. 表2にリストされたすべての45の遺伝子;
b. 表3にリストされたすべての20の遺伝子;
c. 表5にリストされたすべての35の遺伝子;または、
d. 表1にリストされたすべての500の遺伝子。 - マイクロアレイが、1以上のコントロールあるいは参照遺伝子の発現レベルまたは発現ステータスを検知するように構成される、請求項15または16記載のマイクロアレイ。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022147254A JP2023003422A (ja) | 2016-10-05 | 2022-09-15 | 癌の分類および予後 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1616912.0 | 2016-10-05 | ||
GBGB1616912.0A GB201616912D0 (en) | 2016-10-05 | 2016-10-05 | Classification of cancer |
PCT/EP2017/075368 WO2018065525A1 (en) | 2016-10-05 | 2017-10-05 | Classification and prognosis of cancer |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022147254A Division JP2023003422A (ja) | 2016-10-05 | 2022-09-15 | 癌の分類および予後 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019537108A JP2019537108A (ja) | 2019-12-19 |
JP2019537108A5 true JP2019537108A5 (ja) | 2020-11-19 |
JP7365899B2 JP7365899B2 (ja) | 2023-10-20 |
Family
ID=57571107
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019518269A Active JP7365899B2 (ja) | 2016-10-05 | 2017-10-05 | 癌の分類および予後 |
JP2022147254A Pending JP2023003422A (ja) | 2016-10-05 | 2022-09-15 | 癌の分類および予後 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022147254A Pending JP2023003422A (ja) | 2016-10-05 | 2022-09-15 | 癌の分類および予後 |
Country Status (7)
Country | Link |
---|---|
US (2) | US11746380B2 (ja) |
EP (1) | EP3523443A1 (ja) |
JP (2) | JP7365899B2 (ja) |
AU (2) | AU2017341084B2 (ja) |
CA (1) | CA3038743A1 (ja) |
GB (1) | GB201616912D0 (ja) |
WO (1) | WO2018065525A1 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3635131A4 (en) * | 2017-05-12 | 2021-01-27 | The Henry M. Jackson Foundation for the Advancement of Military Medicine, Inc. | PROSTATE CANCER GENE PROFILES AND METHODS OF USE |
CN109637589B (zh) * | 2018-12-13 | 2022-07-26 | 上海交通大学 | 基于频繁模式和机器学习双推荐制的核定位信号预测方法 |
CN111796095A (zh) * | 2019-04-09 | 2020-10-20 | 苏州扇贝生物科技有限公司 | 一种蛋白质组质谱数据处理方法及装置 |
GB201915464D0 (en) * | 2019-10-24 | 2019-12-11 | Uea Enterprises Ltd | Novel biomarkers and diagnostic profiles for prostate cancer |
JPWO2022071242A1 (ja) * | 2020-09-30 | 2022-04-07 | ||
CN112365948B (zh) * | 2020-10-27 | 2023-07-18 | 沈阳东软智能医疗科技研究院有限公司 | 癌症分期预测系统 |
US20220148169A1 (en) * | 2020-11-06 | 2022-05-12 | Verily Life Sciences Llc | Artificial intelligence prediction of prostate cancer outcomes |
CN114540492A (zh) * | 2022-01-10 | 2022-05-27 | 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所) | 检测SCN4A和SCN7A mRNA表达量的产品在制备肝癌预后预测产品中的应用 |
WO2023215513A1 (en) * | 2022-05-04 | 2023-11-09 | The Regents Of The University Of California | Methods and systems for characterization, diagnosis, and treatment of cancer |
CN117385041A (zh) * | 2022-09-03 | 2024-01-12 | 昂凯生命科技(苏州)有限公司 | 用于预测肿瘤进展及预后的基因标志物组合、试剂盒及系统 |
WO2024081796A1 (en) * | 2022-10-12 | 2024-04-18 | Liquid Biopsy Research LLC | Methods for prostate cancer detection in saliva |
CN116298292B (zh) * | 2023-03-20 | 2023-09-08 | 江西省肿瘤医院(江西省第二人民医院、江西省癌症中心) | Gng2蛋白的检测试剂在制备诊断和预后结肠癌的产品中的用途 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6351666B1 (en) | 1998-02-27 | 2002-02-26 | Biofield Corp. | Method and apparatus for sensing and processing biopotentials |
US20050260572A1 (en) | 2001-03-14 | 2005-11-24 | Kikuya Kato | Method of predicting cancer |
EP1393196A4 (en) | 2001-05-07 | 2007-02-28 | Health Discovery Corp | CORES AND METHODS FOR SELECTING CORES FOR USE IN TEACHING MACHINES |
WO2003041562A2 (en) | 2001-11-14 | 2003-05-22 | Whitehead Institute For Biomedical Research | Molecular cancer diagnosis using tumor gene expression signature |
WO2006053328A2 (en) | 2004-11-12 | 2006-05-18 | Health Discovery Corporation | Biomarkers for screening, predicting, and monitoring prostate disease |
US7914988B1 (en) | 2006-03-31 | 2011-03-29 | Illumina, Inc. | Gene expression profiles to predict relapse of prostate cancer |
JP2010518868A (ja) | 2007-02-23 | 2010-06-03 | バイオセラノスティクス,インコーポレイティド | 前立腺癌の生存及び再発 |
WO2009067655A2 (en) | 2007-11-21 | 2009-05-28 | University Of Florida Research Foundation, Inc. | Methods of feature selection through local learning; breast and prostate cancer prognostic markers |
WO2011085263A2 (en) | 2010-01-11 | 2011-07-14 | Genomic Health, Inc. | Method to use gene expression to determine likelihood of clinical outcome of renal cancer |
WO2012006447A2 (en) | 2010-07-07 | 2012-01-12 | Myriad Genetics, Inc. | Gene signatures for cancer prognosis |
WO2012031008A2 (en) * | 2010-08-31 | 2012-03-08 | The General Hospital Corporation | Cancer-related biological materials in microvesicles |
WO2014012176A1 (en) | 2012-07-20 | 2014-01-23 | Diagnocure Inc. | Methods, kits and compositions for providing a clinical assessment of prostate cancer |
EP3435084B1 (en) | 2012-08-16 | 2023-02-22 | Decipher Biosciences, Inc. | Prostate cancer prognostics using biomarkers |
WO2014057279A1 (en) | 2012-10-10 | 2014-04-17 | Institute Of Cancer Research: Royal Cancer Hospital | Micro-rna biomarkers for prostate cancer |
EP2971174A4 (en) | 2013-03-14 | 2017-06-14 | Genomedx Biosciences Inc. | Cancer biomarkers and classifiers and uses thereof |
KR20150132500A (ko) | 2013-03-15 | 2015-11-25 | 메타마크 제네틱스, 인크. | 암 예후용 조성물 및 방법 |
GB201320061D0 (en) * | 2013-11-13 | 2013-12-25 | Electrophoretics Ltd | Materials nad methods for diagnosis and prognosis of liver cancer |
EP3359692A4 (en) | 2015-10-05 | 2019-05-01 | Cedars-Sinai Medical Center | METHOD OF CLASSIFYING AND DIAGNOSING CANCER |
-
2016
- 2016-10-05 GB GBGB1616912.0A patent/GB201616912D0/en not_active Ceased
-
2017
- 2017-10-05 AU AU2017341084A patent/AU2017341084B2/en active Active
- 2017-10-05 JP JP2019518269A patent/JP7365899B2/ja active Active
- 2017-10-05 EP EP17780101.6A patent/EP3523443A1/en active Pending
- 2017-10-05 CA CA3038743A patent/CA3038743A1/en active Pending
- 2017-10-05 US US16/339,463 patent/US11746380B2/en active Active
- 2017-10-05 WO PCT/EP2017/075368 patent/WO2018065525A1/en active Search and Examination
-
2022
- 2022-09-15 JP JP2022147254A patent/JP2023003422A/ja active Pending
-
2023
- 2023-07-05 US US18/347,074 patent/US20230349000A1/en active Pending
-
2024
- 2024-01-10 AU AU2024200150A patent/AU2024200150A1/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2019537108A5 (ja) | ||
US20190287652A1 (en) | Anomalous fragment detection and classification | |
EP2438187A1 (en) | miRNA FINGERPRINT IN THE DIAGNOSIS OF MULTIPLE SCLEROSIS | |
Alsaleem et al. | A novel prognostic two-gene signature for triple negative breast cancer | |
US20210310075A1 (en) | Cancer Classification with Synthetic Training Samples | |
EP3899952A1 (en) | Anomalous fragment detection and classification | |
US20210125686A1 (en) | Cancer classification with tissue of origin thresholding | |
EP2406729B1 (en) | A method, system and computer program product for the systematic evaluation of the prognostic properties of gene pairs for medical conditions. | |
JP2012525818A (ja) | 腫瘍特性及びマーカーセットの同定のための方法、腫瘍分類、並びに癌のマーカーセット | |
US20170233828A1 (en) | Glycosyltransferase gene expression profile to identify multiple cancer types and subtypes | |
JP2020523991A (ja) | Praegnant転移性乳癌コホートにおける不良アウトカムの予後指標因子 | |
Henry et al. | Use of gene-expression profiling to recommend adjuvant chemotherapy for breast cancer | |
Malta et al. | Advances in central nervous system tumor classification | |
Gerashchenko et al. | Development of gene expression panels to determine prostate cancer | |
Anderson et al. | Predictive modeling of lung cancer recurrence using alternative splicing events versus differential expression data | |
Park et al. | Classification of serous ovarian tumors based on microarray data using multicategory support vector machines | |
Jordan | Are expression profiles meaningless for cancer studies? | |
Tang et al. | Immune Cell as a Promising Biomarker in the Diagnosis and Prognosis of Cutaneous Melanoma by Using Machine Learning | |
CN118043909A (zh) | 使用并行处理和整合随时间的未来拦截发病率对多癌症早期检测效果进行微观模拟 | |
Whipple et al. | A log likelihood predictor for genomic classification of oral cancer using principle component analysis for feature selection | |
CN116417143A (zh) | 肝细胞癌预后评估以及分子分型的方法、标志物及其应用 | |
Yan | Selected topics in statistical methods for DNA microarray analysis | |
Boccia et al. | Emerging Data on Multianalyte Algorithm Assays in Breast Cancer: A Clinical Review | |
de Matos Simoes et al. | Network signatures based on gene pair expression ratios improve classification and the analysis of muscle-invasive urothelial cancer | |
Glickman et al. | Here's to Your Health: Building and Validating High Throughput Lung Cancer Biomarkers |