JP2019537790A - Mdsからamlへの移行およびそれに関する予測方法 - Google Patents
Mdsからamlへの移行およびそれに関する予測方法 Download PDFInfo
- Publication number
- JP2019537790A JP2019537790A JP2019522302A JP2019522302A JP2019537790A JP 2019537790 A JP2019537790 A JP 2019537790A JP 2019522302 A JP2019522302 A JP 2019522302A JP 2019522302 A JP2019522302 A JP 2019522302A JP 2019537790 A JP2019537790 A JP 2019537790A
- Authority
- JP
- Japan
- Prior art keywords
- genes
- mds
- aml
- expression
- cells
- 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.)
- Abandoned
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
- G16B5/20—Probabilistic models
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
- C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
- G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/118—Prognosis of disease development
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/156—Polymorphic or mutational markers
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/158—Expression markers
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biotechnology (AREA)
- Genetics & Genomics (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Organic Chemistry (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Wood Science & Technology (AREA)
- Immunology (AREA)
- Zoology (AREA)
- Analytical Chemistry (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Probability & Statistics with Applications (AREA)
- Primary Health Care (AREA)
- Microbiology (AREA)
- General Engineering & Computer Science (AREA)
- Hospice & Palliative Care (AREA)
- Biochemistry (AREA)
- Oncology (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Bioethics (AREA)
- Computer Vision & Pattern Recognition (AREA)
Abstract
企図したシステムおよび方法は、MDS細胞とAML細胞との間の有意で差次的な発現レベルおよび/または経路の活性を有する選択した特性に基づく予測モデルを使用して、MDSからAMLへの移行までの期間の予測を可能にする。【選択図】図8A
Description
本願は、2016年10月27日に出願の米国仮特許出願第62/413917号および2016年12月1日に出願の同62/429036号に対する優先権を主張する。
本発明の分野
本発明の分野は、MDS(骨髄異形成症候群)からAML(急性骨髄性白血病)への進行の予測および解析に関するオーミクス解析の方法である。
本発明の分野は、MDS(骨髄異形成症候群)からAML(急性骨髄性白血病)への進行の予測および解析に関するオーミクス解析の方法である。
以下の説明は、本発明の理解に有用であり得る情報を含んでいる。これは、本明細書中提供される情報のいかなるものも従来技術であるかもしくはここで請求される発明に関連していると承認するものではなく、または、具体的もしくは暗示的に言及されているいかなる刊行物も従来技術であると承認するものではない。
本明細書中同定されている全ての刊行物および特許出願は、各個別の刊行物または特許出願が、具体的かつ個別に参照として援用されるように表されている場合と同じ度合で参照として援用されている。援用された参照文献におけるある用語の定義または使用が、本明細書中提供される用語の定義と矛盾または食い違っている場合、本明細書中提供される用語の定義を適用し、参照文献中の同用語の定義は適用しない。
骨髄異形成症候群(MDS)は、骨髄不全、異形成、および急性骨髄性白血病(AML)への移行の可能性の増大を特徴とする、一群のクローン性造血性障害を構成している。MDAは、一般に、「原発性」(またはde novo)および「治療関連性」(以前の細胞傷害性の化学療法に続発)に分類され、いずれも、造血性幹細胞の自己再生および分化の異常により生じると考えられている。
多くの異なる病態が、共通する臨床的特徴に基づき「MDS」という傘の下に共に分類されており、よって、観察される幅広い多様性の原因である。この疾患を有する患者の診断は、時に困難であり得る。同様に、予後の決定および適切な治療の選択は、臨床特徴(たとえば血球減少、年齢、パフォーマンスステータス)、および細胞学的パラメータ(たとえば芽球の計数、形態、核型)を考慮した、予後判定システムの慎重な適用を必要とする。不良な細胞遺伝学などの要因は、MDSの生存の低下に関連している。
細胞遺伝学、患者のパフォーマンスステータス、および赤血球(RBS)輸血依存など、MDS患者の予後および治療の選択に有意に影響を及ぼし得るいくつかの要因が同定されている。多くの研究により、患者のパフォーマンスステータスは、MDSまたはAMLに関する強化化学療法を受けた患者、特に高齢の個体における全生存率または無イベント生存率に、反比例することが示されている。MDSの適切な診断および分類は、臨床的特徴および検査/病理知見(たとえば芽球の計数、末梢血の血球計数、細胞遺伝学)の両方の正確な評価に依存している。この目的のために、良好に調製された骨髄のスメアおよび生検材料が、絶対に必要である。残念なことに、このような方法は、かなりの時間および訓練した専門家による考察を必要とし、加えて多くの費用がかかる。
より最近では、様々な遺伝子の状態が、MDSおよびAMLに関する治療の感受性、予後、生存期間などに関連している。たとえば、レナリドミドでの治療後に持続性の赤血球または細胞遺伝学的な寛解を達成できなかったdel(5q)MDSを有する患者は、クローン性の進化およびAMLへの進行に関するリスクが上昇することが示された(Ann Hematol. 2010 Apr;89(4):365−74参照)。別の研究では、ウィルムス腫瘍の遺伝子WT1が骨髄異形成症候群の疾患進行の診断にとって良好なマーカーであることが報告され(Leukemia 1999 Mar;13(3):393−9参照)、および診断時のWT1およびBAALC遺伝子発現の複合評価が、骨髄異形成症候群を有する患者における無白血病生存率の予測を恐らくは改善することが報告された(Leuk Res. 2015 Aug;39(8):866−73参照)。同様に、国際特許出願公開公報第2010/087702号に論述されるように、TET2遺伝子における個別の変異が、MDSまたはAMLに関する診断マーカーであることが報告された。
なおさらに公知の試験では、米国特許公開公報第2014/0127690号に論述されるように、体細胞の非サイレント変異シグネチャーが、MDSの生存性を予測することが報告されており、国際特許公開公報第2013/056184号は、薬物、化合物、食事、治療、または処置が、癌もしくは癌幹細胞、または白血病の癌幹細胞の予防、改善、進行の遅延、転移の停止もしくは遅延、または完全もしくは部分的寛解を引き起こすために有効または効果的であるかどうかを試験するための方法を教示している。しかしながら、公知の方法はいずれも、MDSからAMLへの移行までの期間を確実に予測することができない。
よって、MDSと診断された患者に適切な治療の選択肢を選択する際に医師に手引きを支援する、MDSからAMLへの移行までの期間を予測できる、改良された予後試験が、依然として必要とされている。
本発明の主題は、MDSからAMLへの移行までの期間を、特に回帰に基づくモデルにおいて差次的に発現した遺伝子および/または推測される経路の活性を使用することにより、特定のオーミクスの特性に基づき予測することができる様々な方法を目的とする。
本発明の主題の一態様では、本発明者らは、骨髄異形成細胞を含む試料の複数の遺伝子の発現を定量化するステップを含む、MDSからAMLへの移行までの期間を予測する方法であって、上記複数の遺伝子が、mRNAの発現および推測される経路の活性のうちの少なくとも1つに関して、MDSとAMLとの間で平均以上の差異を有する方法を企図している。別のステップでは、MDSとAMLとの間で平均以上の差異を有する複数の遺伝子を、MDSからAMLへの移行の可能性がある期間を計算するために予測モデルに使用する。
一部の実施形態では、複数の遺伝子は、mRNAの発現に関してMDSとAMLとの間で平均以上の差異を有し、他の実施形態では、複数の遺伝子は、推測される経路の活性に関してMDSとAMLとの間で平均以上の差異を有する。さらに、複数の遺伝子が、CHD4、GPATCH2L、FAM212A、EXT2、MACF1、RTKN、ZSCAN2、RNF220、YEATS2、ERGIC1、ZNF618、MBTD1、CXXC5、およびDUSP10からなる群から選択されることが企図されている。異なる観点からみると、予測モデルは、少なくとも50個の遺伝子が、t検定および0.05のαにより決定した場合に差次的に発現している、複数の差次的に発現した遺伝子に基づくことができる(たとえば図7に示されるように)。
本発明の主題に限定されるものではないが、予測モデルは、回帰アルゴリズム、より好ましくはlasso最小角回帰アルゴリズムを使用して形成され得る。さらに、予測モデルが少なくとも最大120ケ月の予測を提供すること、および/または複数の遺伝子の発現を定量化するステップが全トランスクリプトームRNAseqデータを使用することが好ましい。さらに、企図した方法が、全トランスクリプトームRNAseqのデータにおいて新薬の開発につながる標的を同定するステップ、および任意選択で治療推奨を含むレポートを作製または更新するステップをさらに含み得ることが企図されている。
よって本発明の主題のさらなる別の態様において、本発明者らはまた、MDSがAMLに移行する期間を予測するためのモデルを作製する方法をも企図している。好ましいモデルは、一般に、MDS細胞を含む試料の複数の遺伝子の発現を定量化するステップと、AML細胞を含む試料の複数の遺伝子の発現を定量化する別のステップとを含む(典型的には全トランスクリプトーム RNAseqのデータを使用して行われる)。任意選択で、次に、推測される経路の活性を、MDS細胞を含む試料の複数の遺伝子およびAML細胞を含む試料の複数の遺伝子に関して計算する。さらなる別のステップでは、mRNAの発現および推測される経路の活性のうちの少なくとも1つに関するMDS細胞とAML細胞との間で平均以上の差異を有する複数の遺伝子を同定し、MDS細胞とAML細胞との間での平均以上の差異を有する複数の遺伝子を使用して、MDSからAMLへの移行の可能性がある期間を計算する予測モデルを形成する。
最も典型的には、複数の遺伝子が、mRNA発現に関してMDSとAMLとの間で平均以上の差異を有し、および/または推測される経路の活性に関してMDSとAMLとの間で平均以上の差異を有する。上述のように、予測モデルは、少なくとも50個の遺伝子が、t検定および0.05のαにより決定した場合に差次的に発現している、複数の差次的に発現した遺伝子に基づくことができることが企図されている。たとえば、MDS細胞とAML細胞との間で平均以上の差異を有する適切な遺伝子として、CHD4、GPATCH2L、FAM212A、EXT2、MACF1、RTKN、ZSCAN2、RNF220、YEATS2、ERGIC1、ZNF618、MBTD1、CXXC5、およびDUSP10が挙げられる。さらに企図される態様では、予測モデルは、回帰アルゴリズム(たとえばlasso 最小角回帰アルゴリズム)を使用して形成される。
本発明の主題の様々な目的、特性、態様、および利点が、同様の数字が同様の構成要素を表す添付の図面と共に、好ましい実施形態の以下の詳細な説明からより明らかとなるであろう。
ここで、本発明者らは、MDSのAMLへの移行までの期間を、差次的に発現した遺伝子および/または差次的な経路の活性を有する遺伝子に関して形成された予測アルゴリズムを使用して、比較的高い精度で予測できることを発見した。特に、選択した遺伝子の差次的な発現および/または差次的な経路の活性は、AMLへと移行するMDSの変異により生成されたネオエピトープの全体の変異率、一遺伝子変異、および存在または種類よりも、有意に強力な予測力を保持した。また本発明者らは、MDSではコードするクローン性の変異量は比較的低いが、疾患がMDSからAMLへと移行する際に、全体の遺伝子発現(CD34を除く)において広範囲にわたり有意な変化が存在したことを発見した。
選択した遺伝子における特定の変異に関して、本発明者らはまた、MDSからAMLへの移行に(必然的または間接的に)関連し得る変異の小さなサブセットをも発見した。具体的には、以下により詳細に示されているように、大部分のAML細胞は、Myc、FLT3(Mybの高い発現の原因でもある)、およびAPF2において高い発現を呈した。他方で、疾患が進行すると、転写は、FOXM1の実質的なダウンレギュレーションを減少させ、GATA1の発現が低減した。
よって、これら知見に基づき、進行、特にMDSからAMLへの移行までの期間を予測する様々な方法が、これら知見を使用して企図されている。最も好ましい態様では、単一マーカーによる変動が、段階的予測(たとえば3ケ月、2ケ月、もしくは1ケ月、または2週間、またはさらには1週間の時間分解能の中で)を提供する可能性がないため、予測は、単一のマーカーの定量化に基づいて行われない。よって、本発明者らは、最も差次的に発現した遺伝子および/または経路の活性を使用する多因子分析を使用して、患者がMDSからAMLへの移行に要する可能性がある期間に関する情報を提供できる予測モデルを生成できるかどうかを調査した。このような段階的情報は、適切な治療の選択にとって特に重要である。さらにまた、MDSが個々の診断および予後マーカーを同定することが困難である様々なサブ疾患(sub disease)の集合であるため、多因子予測アルゴリズムは有益である。
多くの遺伝子が、MDSからAMLへの移行に関してネガティブな発現バイアスを有するという予想外の発見に基づき、本発明者らは、1つ以上の遺伝子に差次的な発現パターンが存在するかどうかを調査した。特に、以下により詳細に示されているように、MDSとAMLとの間で有意な差次的な発現を有する遺伝子は、MDSからAMLへの移行までの期間をこれら遺伝子の発現値に相関させる解析において、機械学習の統計学的に意味のある特性としての役割を果たした。結果として、MDSのAMLへの移行を定量的に予測することができる統計モデルを定義することができる(MDSまたはAMLの状態を単純に診断することとは対照的に)。驚くべきことに、以下により詳細に示されているように、得られたモデルは、比較的単純であり、比較的少ない数の、選択した遺伝子の発現データのみを必要とした。
実施例
MDSのAMLへの移行の予測マーカーを同定するための第1の試みにおいて、本発明者らは、異なる移行期間および変異量、特にはタンパク質をコードする遺伝子配列の変異量を有する患者データを比較した。同じ患者由来のMDS細胞およびAML細胞の全ゲノムシークエンスと、たとえば米国特許第9721062号に記載のBAMBAMを使用する増分位置誘導同期アライメント(incremental location guided synchronous alignment)とを使用して、オーミクス解析を行った。図1は、このような解析からの例示的な結果を表す。容易に明らかであるように、38カ月未満の予測期間を有する患者集団では、変異の変化の中央値は、約+2.5のコード変異であり、38カ月超かつ80ケ月未満の移行期間を有する患者集団では、変異の変化の中央値は、約−2.0のコード変異であった。他方で、80ケ月超の移行期間を有する患者では、変異の変化の中央値は、約+15.0のコード変異であった。このような増加は、少なくとも表面上は有意であったが、このデータは、定量的かつ予測的なモデルのための信頼できる基盤を提供することができなかった。
MDSのAMLへの移行の予測マーカーを同定するための第1の試みにおいて、本発明者らは、異なる移行期間および変異量、特にはタンパク質をコードする遺伝子配列の変異量を有する患者データを比較した。同じ患者由来のMDS細胞およびAML細胞の全ゲノムシークエンスと、たとえば米国特許第9721062号に記載のBAMBAMを使用する増分位置誘導同期アライメント(incremental location guided synchronous alignment)とを使用して、オーミクス解析を行った。図1は、このような解析からの例示的な結果を表す。容易に明らかであるように、38カ月未満の予測期間を有する患者集団では、変異の変化の中央値は、約+2.5のコード変異であり、38カ月超かつ80ケ月未満の移行期間を有する患者集団では、変異の変化の中央値は、約−2.0のコード変異であった。他方で、80ケ月超の移行期間を有する患者では、変異の変化の中央値は、約+15.0のコード変異であった。このような増加は、少なくとも表面上は有意であったが、このデータは、定量的かつ予測的なモデルのための信頼できる基盤を提供することができなかった。
MDSのAMLへの移行までの期間を予測するための見込みのある指針としてすべての遺伝子に関する変異の変化を解析する際に、本発明者らは、いくつかの遺伝子が、差次的な変異量を有していたことに注目した。興味深いことに、例示的に表1に示すように、MDSからAMLへの移行の際に、変異が失われた遺伝子もあれば、変異が増大した遺伝子も存在した。特に、患者の一部は、FLT3およびIDH1の変異を有していた。さらに、NBPF遺伝子などの大きな遺伝子が、恐らくは偶発的な変異により、多く影響を受けたことが注目された。よって、これら変異は、ドライバー変異よりもパッセンジャー変異を表すと思われる。特異性の観点から有意ではあるが、これら変異の変化は、定量的な予測モデルにとって十分ではなかった。中でも特に、AML段階での多数の遺伝子の停止は、芽球集団が出現する状況と合致しており、この状況で細胞は、分化しないおよびアポトーシスしない、という2つの重要な段階を終える。よって、これらの特異的な遺伝子および経路は、診断および予後での使用にとって重要であると考えられる。たとえば、BCL2ファミリーのような生存率に関連する遺伝子およびCASPASE経路または炎症促進性サイトカインカスケードのようなアポトーシスに関連する遺伝子がある。リボソームタンパク質の関与および遺伝的変異よりもハプロ不全のこれらの量的効果は、MDSにおいて確立されており、先天性貧血でも見いだされている。リボソームの問題は、先天性および後天性の貧血に関連している。
同じ比較のための全ゲノム解析を使用し、変異した配列の発現をさらに検討することにより、本発明者らは、コードし発現したDNAセグメントにおけるネオエピトープが、定量的予測モデルの基礎としての役割を果たすことができるかどうかをさらに調べた。例示的な結果を図2に示し、ここで各バーは、個々の患者に関する差次的な記録(MDS対AML)を表す。グラフの各バーにおけるより濃色の部分は、クローン性のネオエピトープ(少なくとも90%の、ネオエピトープのクローン性の割合)を表し、淡色の部分は、サブクローン上のエピトープ(90%未満の、ネオエピトープのクローン性の割合)を表す。結果として、クローン性のエピトープもサブクローン性のエピトープも、定量的予測モデルの基礎としての役割を果たすことはできなかった。
しかしながら、予想外なことに、本発明者らは、遺伝子発現の解析時に、図3のグラフで見ることができるように、遺伝子の実質的な部分が、有意に低い度合に発現したことを観測した。ここで、丸として表された各データ点は、データ点に関して−log10FDR補正p値(q値)に対してプロットした単一の遺伝子に関する差次的な発現強度(n倍のmRNAとして)を表す。グラフから容易にわかるように、著しい割合の遺伝子が実質的に同じ比率で発現しており、MDSからAMLへの移行時に、いくつかの遺伝子は強力に過剰発現し、他の多くの遺伝子は有意に過少発現した。よって、第1の近似では、遺伝子の全体の発現レベルは、MDSからAMLへの移行期間を計算するための基礎としての役割を果たすことが可能であったと考えられる。大量のRNAseqデータ(たとえば少なくとも100個の遺伝子、少なくとも500個の遺伝子、少なくとも1,000個の遺伝子、少なくとも5,000個)から定量的かつ予測的なモデルを作製することを排除しないが、本発明者らは、選択した遺伝子が、所望の予測精度で、いくつかのデータポイントを使用できる定量的かつ予測的なモデルの候補特性であり得ると考えた。
この目的のために、本発明者らは、差次的に発現した遺伝子のうちどれが、発現において有意で強力な差異を有したかを、RNAseqデータ(場合により、同様に全ゲノムまたはエキソームシークエンシングデータ)に基づき調べた。さらにまた、本発明者らは、経路解析アルゴリズムにおいて差次的に発現した遺伝子の関数を使用して、推測される経路の活性において最大の差異をもたらす発現遺伝子を同定した。より具体的には、本発明者らは、国際特許公開公報第2013/062505号に記載される遺伝子モデルでのデータ統合を使用した経路認識アルゴリズムを使用して、差次的に発現した遺伝子の作用を決定した。当然、多くの代替的な経路解析モデルも適切であると考えられ、すべての既知の経路解析モデルが本明細書中で企図されていることを理解すべきである。
より具体的には、表2は、mRNA発現の対にした差異(AML対MDS)の最大の中央値を有する遺伝子を列挙しており、表3は、推測される経路の活性の対にした差異(AML対MDS)の最大の中央値を有する遺伝子を列挙している。表4は、最も大きな推測される経路の活性の中央値を有する遺伝子を列挙している(対をなすMDSに対し正規化したAML)。
より具体的には、表2は、mRNA発現の対にした差異(AML対MDS)の最大の中央値を有する遺伝子を列挙しており、表3は、推測される経路の活性の対にした差異(AML対MDS)の最大の中央値を有する遺伝子を列挙している。表4は、最も大きな推測される経路の活性の中央値を有する遺伝子を列挙している(対をなすMDSに対し正規化したAML)。
上記のデータおよび表2〜4から容易に理解できるように、遺伝子発現の有意な差異および推測される経路の活性の変化が発見された。よって、変化した遺伝子は、MDSとAMLとの間を区別するため、ならびに/または移行までの期間および/もしくは移行の可能性を予測するためにモデルにおいて使用することができる。さらに本発明者らは、高い差次的な発現および推測される経路の活性の差異を有する選択した遺伝子は、転写因子であるか、または転写因子および/もしくはこれら因子の標的に密接に関連することに注目した。よって、本発明の主題の少なくとも一部の態様では、本発明者らは、MDS/AMLの移行の診断および/または予測モデルにおけるこれらの遺伝子および/またはこれらの因子の標的の使用を企図している。
図4は、AMLとMDSとの比較における選択した遺伝子の遺伝子発現の倍率変化を例示的に表すグラフであり、図5〜6は、選択した遺伝子について、AMLとMDSとの間での推測される経路の活性の例示的な対にした差異を表すグラフである。AMLとMDSとの間での顕著な発現の差異に基づき、本発明者らは、特定の遺伝子が、定量的かつ予測的なモデルで使用できるかどうかを調べた。図7は、遺伝子発現において統計的に有意な差異を有する95個の差次的に発現した遺伝子に関する例示的なヒートマップである。ここで、AMLとMDSとの間の発現を、t検定を使用して比較し、>19Kの仮説を試験するためにボンフェローニで補正した0.05のα値を有することが示された。当然、統計的なカットオフおよび特定の比較方法が変化し得ることを理解すべきである。よって、全ての代替的な方法は、本明細書中での使用に適切であると考えられる。別の計算において、次に本発明者らは、移行の予測因子を形成するために95個の差次的に発現した遺伝子を使用した。
より具体的には、1つの例では、4/26個の試料を、バリデーションのため保持した。3つの正規化を比較し、10個の回帰アルゴリズムを、6分割交差検証で試験した。図8に示すように、Lasso最小角回帰(LassoLARS)を用いて行った生の発現データが、試料の試験において最も良好な成績であった(平均RMSE=65.04、平均c−統計量は0.58であった)。興味深いことに、Lassoにより、特性が最初の95から14減少し、これによって、予測および定量的解析が比較的単純となる。図8Aからわかるように、図8Bに列挙した遺伝子の発現の値から定量的に予測する、完全に訓練された回帰関数を形成することができる。
コンピュータ用のいかなる言語も、サーバ、インターフェース、システム、データベース、エージェント、ピア、エンジン、コントローラを含むコンピュータ装置、または他の種類の個々もしくは集合的に作動するコンピュータ装置のいずれかの適切な組み合わせを含むと読み取るべきであることに留意されたい。コンピュータ装置は、接触可能な非一時性のコンピュータ可読記憶媒体(たとえばハードドライブ、ソリッドステートドライブ、RAM、フラッシュ、ROMなど)に保存されたソフトウェアの指示を実行するように構成されたプロセッサを含むことを理解すべきである。ソフトウェアの指示は、好ましくは、開示の装置に関して以下に論述した役割、責任能力、または他の機能を提供するようにコンピュータ装置を構成する。特に好ましい実施形態では、恐らくはHTTP、HTTPS、AES、公開鍵/秘密鍵の交換、ウェブサービスのAPI、既知の金融取引プロトコル、または他の電子的な情報交換の方法に基づき、様々なサーバ、システム、データベース、またはインターフェースは、標準化したプロトコルまたはアルゴリズムを使用して、データを交換する。データ交換は、好ましくは、パケット交換ネットワーク、インターネット、LAN、WAN、VPN、または他の種類のパケット交換ネットワーク上で行われる。
一部の実施形態では、数値パラメータは、報告された有効数字の数に照らして、および基本的な丸め技術を適用することにより解釈すべきである。本発明の一部の実施形態の幅広い範囲を説明する数値範囲およびパラメータは近似値であるが、特定の実施例に記載の数値は、実施できる限り正確に報告されている。本発明の一部の実施形態に提示されている数値は、これらの各試験の測定で見いだされる標準偏差に必然的に起因する特定の誤差を含み得る。さらに、文脈が反対の意味を表さない限り、本明細書中記載のすべての範囲は、それらの終点を含むと解釈すべきであり、制限のない範囲は、商業的に実用的な値を含むと解釈すべきである。同様に、すべての値の列挙は、文脈が反対の意味を表さない限り、中間の値を含むとみなすべきである。
すでに記載されたもの以外のより多くの修正が、本明細書中の発明の概念から逸脱することなく可能であることは、当業者にとって明らかである。よって本発明の主題は、添付の特許請求の範囲を除き限定されるものではない。さらに、明細書および特許請求の範囲の両方を解釈する際に、全ての用語は、文脈と一致する最も幅広い可能な方法で解釈すべきである。特に、用語「含む(comprises)」および「含むこと(comprising)」は、要素、構成要素、またはステップを非排他的に表すと解釈すべきであり、これは、記載の要素、構成要素、またはステップが、明記されていない他の要素、構成要素、またはステップと共に存在してもよく、利用されてもよく、組み合わせてもよいことを表している。本明細書中の記載および続く特許請求の範囲にわたり使用する場合、「a」、「an」、および「the」の意味は、文脈が特段他の意味を表さない限り複数形を含む。同様に、本明細書中の記載で使用する場合、「in」の意味は、文脈が特段他の意味を表さない限り「in」および「on」を含む。
Claims (20)
- 患者におけるMDSからAMLへの移行までの期間を予測する方法であって、
骨髄異形成細胞を含む前記患者の試料の複数の遺伝子の発現を定量化するステップであって、前記複数の遺伝子が、mRNAの発現および推測される経路の活性のうちの少なくとも1つに関して、MDSとAMLとの間で平均以上の差異を有する、ステップと、
MDSからAMLへの移行の可能性がある期間を計算するために、MDSとAMLとの間で平均以上の差異を有する前記複数の遺伝子を予測モデルに使用するステップと
を含む、方法。 - 前記複数の遺伝子が、mRNAの発現に関してMDSとAMLとの間で平均以上の差異を有する、請求項1に記載の方法。
- 前記複数の遺伝子が、推測される経路の活性に関してMDSとAMLとの間で平均以上の差異を有する、請求項1または2に記載の方法。
- 前記複数の遺伝子が、CHD4、GPATCH2L、FAM212A、EXT2、MACF1、RTKN、ZSCAN2、RNF220、YEATS2、ERGIC1、ZNF618、MBTD1、CXXC5、およびDUSP10からなる群から選択される、請求項1〜3のいずれか1項に記載の方法。
- 前記予測モデルが、少なくとも50個の遺伝子が、t検定および0.05のαにより決定した場合に差次的に発現している、複数の差次的に発現した遺伝子に基づいている、請求項1〜4のいずれか1項に記載の方法。
- 前記複数の差次的に発現した遺伝子が、図7の差次的に発現した遺伝子からなる群から選択される、請求項5に記載の方法。
- 前記予測モデルが、回帰アルゴリズムを使用して形成されている、請求項1〜6のいずれか1項に記載の方法。
- 前記回帰アルゴリズムが、lasso最小角回帰である、請求項7に記載の方法。
- 前記予測モデルが、少なくとも最大120ケ月の予測を提供する、請求項1〜8のいずれか1項に記載の方法。
- 前記複数の遺伝子の発現を定量化するステップが、全トランスクリプトームRNAseqデータを使用する、請求項1〜9のいずれか1項に記載の方法。
- 前記全トランスクリプトームRNAseqのデータにおいて新薬となり得る標的を同定するステップをさらに含む、請求項10に記載の方法。
- 治療推奨を含むレポートを作製または更新するステップをさらに含む、請求項1〜11のいずれか1項に記載の方法。
- MDSからAMLへの移行の期間を予測するためのモデルを作製する方法であって、
MDS細胞を含む試料の複数の遺伝子の発現を定量化するステップと、
AML細胞を含む試料の複数の遺伝子の発現を定量化するステップと、
任意選択で、前記MDS細胞を含む試料の複数の遺伝子および前記AML細胞を含む試料の複数の遺伝子に関して、推測される経路の活性を計算するステップと、
mRNAの発現および推測される経路の活性のうちの少なくとも1つに関して、前記MDS細胞と前記AML細胞との間での平均以上の差異を有する複数の遺伝子を同定するステップと、
前記MDS細胞と前記AML細胞との間で平均以上の差異を有する複数の遺伝子を使用して、MDSからAMLへの移行の可能性がある期間を計算する予測モデルを形成するステップと
を含む、方法。 - 前記複数の遺伝子が、mRNAの発現に関してMDSとAMLとの間で平均以上の差異を有する、請求項13に記載の方法。
- 前記複数の遺伝子が、推測される経路の活性に関してMDSとAMLとの間で平均以上の差異を有する、請求項13〜14のいずれか1項に記載の方法。
- 前記予測モデルが、少なくとも50個の遺伝子が、t検定および0.05のαにより決定した場合に差次的に発現している、複数の差次的に発現した遺伝子に基づいている、請求項13〜15のいずれか1項に記載の方法。
- 前記MDS細胞と前記AML細胞との間で平均以上の差異を有する複数の遺伝子が、CHD4、GPATCH2L、FAM212A、EXT2、MACF1、RTKN、ZSCAN2、RNF220、YEATS2、ERGIC1、ZNF618、MBTD1、CXXC5、およびDUSP10からなる群から選択される、請求項13〜16のいずれか1項に記載の方法。
- 前記予測モデルが、回帰アルゴリズムを使用して形成されている、請求項13〜18のいずれか1項に記載の方法。
- 前記回帰アルゴリズムが、lasso最小角回帰である、請求項18に記載の方法。
- 前記発現を定量化するステップが、全トランスクリプトームRNAseqデータを使用する、請求項13〜19のいずれか1項に記載の方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662413917P | 2016-10-27 | 2016-10-27 | |
US62/413,917 | 2016-10-27 | ||
US201662429036P | 2016-12-01 | 2016-12-01 | |
US62/429,036 | 2016-12-01 | ||
PCT/US2017/058793 WO2018081584A1 (en) | 2016-10-27 | 2017-10-27 | Mds to aml transition and prediction methods therefor |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019537790A true JP2019537790A (ja) | 2019-12-26 |
Family
ID=62025508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019522302A Abandoned JP2019537790A (ja) | 2016-10-27 | 2017-10-27 | Mdsからamlへの移行およびそれに関する予測方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20190304570A1 (ja) |
EP (1) | EP3532964A4 (ja) |
JP (1) | JP2019537790A (ja) |
KR (1) | KR20190077417A (ja) |
CN (1) | CN109906485A (ja) |
AU (1) | AU2017348373A1 (ja) |
CA (1) | CA3042028A1 (ja) |
WO (1) | WO2018081584A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109628602A (zh) * | 2019-02-25 | 2019-04-16 | 广州市妇女儿童医疗中心 | 环状RNA hsa_circ_0012152的新用途 |
CN113764038B (zh) * | 2021-08-31 | 2023-08-22 | 华南理工大学 | 构建骨髓增生异常综合征转白基因预测模型的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004097051A2 (en) * | 2003-04-29 | 2004-11-11 | Wyeth | Methods for diagnosing aml and mds differential gene expression |
WO2006125195A2 (en) * | 2005-05-18 | 2006-11-23 | Wyeth | Leukemia disease genes and uses thereof |
WO2012078931A2 (en) * | 2010-12-08 | 2012-06-14 | Ravi Bhatia | Gene signatures for prediction of therapy-related myelodysplasia and methods for identification of patients at risk for development of the same |
-
2017
- 2017-10-27 CA CA3042028A patent/CA3042028A1/en not_active Abandoned
- 2017-10-27 EP EP17864849.9A patent/EP3532964A4/en not_active Withdrawn
- 2017-10-27 KR KR1020197014358A patent/KR20190077417A/ko not_active Application Discontinuation
- 2017-10-27 US US16/345,686 patent/US20190304570A1/en not_active Abandoned
- 2017-10-27 CN CN201780066752.XA patent/CN109906485A/zh not_active Withdrawn
- 2017-10-27 JP JP2019522302A patent/JP2019537790A/ja not_active Abandoned
- 2017-10-27 WO PCT/US2017/058793 patent/WO2018081584A1/en unknown
- 2017-10-27 AU AU2017348373A patent/AU2017348373A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
US20190304570A1 (en) | 2019-10-03 |
AU2017348373A1 (en) | 2019-05-09 |
KR20190077417A (ko) | 2019-07-03 |
CA3042028A1 (en) | 2018-05-03 |
WO2018081584A1 (en) | 2018-05-03 |
EP3532964A1 (en) | 2019-09-04 |
EP3532964A4 (en) | 2020-06-10 |
CN109906485A (zh) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Barthel et al. | Longitudinal molecular trajectories of diffuse glioma in adults | |
Jamshidi et al. | Evaluation of cell-free DNA approaches for multi-cancer early detection | |
US11984195B2 (en) | Methylation pattern analysis of tissues in a DNA mixture | |
Hong et al. | Single-cell transcriptomics reveals multi-step adaptations to endocrine therapy | |
US20220325343A1 (en) | Cell-free dna for assessing and/or treating cancer | |
Schwarz et al. | Spatial and temporal heterogeneity in high-grade serous ovarian cancer: a phylogenetic analysis | |
Friedlaender et al. | Tissue-plasma TMB comparison and plasma TMB monitoring in patients with metastatic non-small cell lung cancer receiving immune checkpoint inhibitors | |
KR101945093B1 (ko) | 다중 종양 및 생식세포 유전자 엑솜에 걸친 분자 프로파일의 종합 분석을 위한 시스템 및 방법 | |
US20220243283A1 (en) | Methods for typing of lung cancer | |
EP3149209B1 (en) | Methods for typing of lung cancer | |
WO2019159184A1 (en) | Cell free dna deconvolution and use thereof | |
JP2021019631A (ja) | チェックポイント不全およびそれに関する方法 | |
JP2022516092A (ja) | クローン性造血由来の無細胞dna変異の断片サイズ特性評価 | |
JP2019537790A (ja) | Mdsからamlへの移行およびそれに関する予測方法 | |
US20210262016A1 (en) | Methods and systems for somatic mutations and uses thereof | |
KR102257123B1 (ko) | 난소암의 진단 또는 모니터링 방법 | |
Akter et al. | A data mining approach for biomarker discovery using transcriptomics in endometriosis | |
Oben et al. | Whole genome sequencing provides evidence of two biologically and clinically distinct entities of asymptomatic monoclonal gammopathies: progressive versus stable myeloma precursor condition | |
WO2023011723A1 (en) | Identification of somatic variants | |
Kim et al. | Clinicopathologic characteristics of grade 2/3 meningiomas: a perspective on the role of next-generation sequencing | |
Alberto Nakauma-González et al. | Molecular characterization reveals genomic and transcriptomic subtypes of metastatic urothelial carcinoma | |
US20190249229A1 (en) | Bam signatures from liquid and solid tumors and uses therefor | |
US20230031898A1 (en) | Method of cell-free dna analysis to identify high-risk metastatic prostate cancer | |
Pennycuick | The molecular pathogenesis of squamous cell lung cancer | |
Dinter | Comparative Morphologic and Molecular Classification of Neuroendocrine Tumors of the Thymus in Humans |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190619 |
|
A762 | Written abandonment of application |
Free format text: JAPANESE INTERMEDIATE CODE: A762 Effective date: 20200903 |