JP2020113285A - 多様体および超平面を用いる生物学的データのコンピュータ分析 - Google Patents

多様体および超平面を用いる生物学的データのコンピュータ分析 Download PDF

Info

Publication number
JP2020113285A
JP2020113285A JP2020021606A JP2020021606A JP2020113285A JP 2020113285 A JP2020113285 A JP 2020113285A JP 2020021606 A JP2020021606 A JP 2020021606A JP 2020021606 A JP2020021606 A JP 2020021606A JP 2020113285 A JP2020113285 A JP 2020113285A
Authority
JP
Japan
Prior art keywords
subject
bacterial
likelihood
trail
viral
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
Application number
JP2020021606A
Other languages
English (en)
Other versions
JP7095001B2 (ja
Inventor
エラン エデン
Eden Eran
エラン エデン
クフィル オヴド
Oved Kfir
クフィル オヴド
ロイ ナヴォン
NAVON Roy
ロイ ナヴォン
アサフ コーヘン−ドタン
Cohen-Dotan Assaf
アサフ コーヘン−ドタン
オルガ ボイコ
Olga Boico
オルガ ボイコ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Memed Diagnostics Ltd
Original Assignee
Memed Diagnostics Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Memed Diagnostics Ltd filed Critical Memed Diagnostics Ltd
Publication of JP2020113285A publication Critical patent/JP2020113285A/ja
Application granted granted Critical
Publication of JP7095001B2 publication Critical patent/JP7095001B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/569—Immunoassay; Biospecific binding assay; Materials therefor for microorganisms, e.g. protozoa, bacteria, viruses
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/569—Immunoassay; Biospecific binding assay; Materials therefor for microorganisms, e.g. protozoa, bacteria, viruses
    • G01N33/56911—Bacteria
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/569—Immunoassay; Biospecific binding assay; Materials therefor for microorganisms, e.g. protozoa, bacteria, viruses
    • G01N33/56983—Viruses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • 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
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
    • 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
    • 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
    • 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
    • G16B40/20—Supervised data analysis
    • 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
    • G16B40/30—Unsupervised data analysis
    • 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
    • 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
    • G16B99/00—Subject matter not provided for in other groups of this subclass
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biotechnology (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Genetics & Genomics (AREA)
  • Databases & Information Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Epidemiology (AREA)
  • Software Systems (AREA)
  • Immunology (AREA)
  • Artificial Intelligence (AREA)
  • Bioethics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Analytical Chemistry (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Physiology (AREA)
  • Pathology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Virology (AREA)
  • Food Science & Technology (AREA)
  • Tropical Medicine & Parasitology (AREA)
  • Cell Biology (AREA)
  • Microbiology (AREA)

Abstract

【課題】対象の血液中の複数のポリペプチドの発現値を含有する生物学的データを分析する方法を提供する。【解決手段】方法は、曲線のセグメントと、方向によって規定される軸との距離を算出することを含み、その距離は、方向に沿った座標によって規定される曲線上の点で算出される。方法は、距離を、細菌感染の存在、非存在、または対象が細菌感染を有する尤度と相関付けることをさらに含む。座標は、発現値の結合によって規定され、セグメントの少なくとも９０％が下限線と上限線との間にある。【選択図】なし

Description

本発明は、そのいくつかの実施形態において、コンピュータ分析、より具体的には、限定されるものではないが、例えば、細菌感染と非細菌疾患、および／または細菌感染とウイルス感染、および／または感染症と非感染症を識別するための生物学的データのコンピュータ分析に関する。
抗生物質（Ａｂｘ）は、２５０〜３００億米ドルの世界市場を有する、世界で最も処方されているクラスの薬物である。Ａｂｘは、世界で最も誤用されている薬物でもあり、あらゆる薬物のかなりの割合（４０〜７０％）が誤って処方されている（Linder, J.A. and R.S. Stafford 2001、Scott, J. G. and D. Cohen, et al. 2001、Davey, P. and E. Brown, et al 2006、Cadieux, G. and R. Tamblyn, et al. 2007、Pulcini, C. and E. Cua, et al. 2007）（非特許文献１）。
１つの型のＡｂｘ誤用は、Ａｂｘが無効であるウイルス感染などの、非細菌疾患の場合にその薬物が投与される場合である。例えば、米国疾病対策予防センター（ＣＤＣ）によれば、米国において、６億回を超える誤ったＡｂｘ処方が毎年流感を処置するために与えられている。Ａｂｘ過剰処方の健康管理上および経済上の結果としては、（ｉ）世界で不必要に処方されている抗生物質の費用（毎年１００億ドルを超えると見積もられる）；（ｉｉ）健康管理の質を低下させ、合併症および入院の延長（例えば、アレルギー反応、Ａｂｘと関連する下痢、腸酵母など）を引き起こす不必要なＡｂｘ処置の結果生じる副作用ならびに（ｉｉｉ）過度の使用の結果としての細菌の耐性株の出現（ＣＤＣは、細菌の抗生物質耐性の上昇を「２１世紀における世界で最も喫緊の健康問題の１つ」と宣言した）が挙げられる（Arias, C.A. and B.E. Murray 2009、非特許文献２）。
抗生物質が過少処方されることは珍しいことではない。例えば、米国における成人肺炎入院患者の最大１５％は、Ａｂｘ処置が遅かったりＡｂｘ処置を受けない。これらの例においても、早期に処置すれば、命を救い、また合併症を軽減することができる（Houck, P.M. and D. W. Bratzler, et al 2002）。
感染症診断のための技術には、Ａｂｘ誤用に伴う関連する健康上および財政上の負担を軽減する能力がある。理想的には、そのような技術は、（ｉ）細菌感染とウイルス感染とを正確に区別する；（ｉｉ）迅速である（数分以内）；（ｉｉｉ）病原性細菌と、身体の自然微生物叢の一部である非病原性細菌とを区別することができる；（ｉｖ）混合型同時感染と純粋なウイルス感染とを区別する、および（ｖ）病原体が入手しにくい場合（例えば、副鼻腔炎、肺炎、中耳炎、気管支炎など）でも適用可能であるべきである。
現在の解決法（培養、ＰＣＲおよび免疫アッセイなど）は、これらの要件を全て満たしているわけではない：（ｉ）いくつかのアッセイは診断精度が低く（例えば、低い感度または特異度）（Uyeki et al. 2009）、限られたセットの細菌またはウイルス株に限定される；（ｉｉ）それらは数時間から数日を要することが多い；（ｉｉｉ）それらは病原性細菌と非病原性細菌とを識別せず（Del Mar, C 1992）、かくして偽陽性をもたらす；（ｉｖ）それらは混合ウイルス感染と純粋ウイルス感染とを識別することができないことが多い、ならびに（ｖ）それらは微量の病原体が検索される感染部位の直接的サンプリングを必要とし、かくして、病原体が、よくある場合であるが、近づきにくい組織に存在する場合に診断を妨げる。
結果として、依然として診断的ギャップが存在し、同様に医師によるＡｂｘの過剰処方（「念のため手法（Ｊｕｓｔ−ｉｎ−ｃａｓｅ−ａｐｐｒｏａｃｈ）」）、またはＡｂｘの過少処方（「静観手法（Ｗａｉｔ−ａｎｄ−ｓｅｅ ａｐｐｒｏａｃｈ）」を誘導することが多く（Little, P.S. and I. Williamson 1994、Little, P. 2005、Spiro, D. M. and K. Y. Tay, et al 2006）、これらはいずれも広範囲に及ぶ健康上および財政上の結果を有する。
従って、これらの課題に取り組む、細菌（細菌とウイルスの混合感染を含む）、ウイルスおよび非細菌、非ウイルス疾患患者の間を正確に区別する迅速な方法が必要である。
特許文献１は、細菌感染とウイルス感染とを識別するための特徴および決定因子を教示する。
ＷＯ２０１３／１１７７４６ 国際特許出願ＷＯ２０１１１３２０８６ 米国特許第４，７２７，０２２号明細書 米国特許第４，６５９，６７８号明細書 米国特許第４，３７６，１１０号明細書 米国特許第４，２７５，１４９号明細書 米国特許第４，２３３，４０２号明細書 米国特許第４，２３０，７６７号明細書 米国特許出願第２００２／００３８２２７号明細書 米国特許出願第２００４／０１２２２９６号明細書 米国特許出願第２００４／０１２２２９７号明細書 米国特許第５，０１８，０６７号明細書 米国特許第６，２８３，７６１号明細書 米国特許第４，６６６，８２８号明細書 米国特許第４，６８３，２０２号明細書 米国特許第４，８０１，５３１号明細書 米国特許第５，１９２，６５９号明細書 米国特許第５，２７２，０５７号明細書 米国特許第３，７９１，９３２号明細書 米国特許第３，８３９，１５３号明細書 米国特許第３，８５０，７５２号明細書 米国特許第３，８５０，５７８号明細書 米国特許第３，８５３，９８７号明細書 米国特許第３，８６７，５１７号明細書 米国特許第３，８７９，２６２号明細書 米国特許第３，９０１，６５４号明細書 米国特許第３，９３５，０７４号明細書 米国特許第３，９８４，５３３号明細書 米国特許第３，９９６，３４５号明細書 米国特許第４，０３４，０７４号明細書 米国特許第４，０９８，８７６号明細書 米国特許第４，８７９，２１９号明細書 米国特許第５，０１１，７７１号明細書 米国特許第５，２８１，５２１号明細書
「CDC - Get Smart: Fast Facts About Antibiotic Resistance」、2011 「CDC - About Antimicrobial Resistance」、2011 O'Marcaigh AS, Jacobson RM、「Estimating The Predictive Value Of A Diagnostic Test, How To Prevent Misleading Or Confusing Results」、Clin. Ped. 1993, 32(8): 485-491 Moullec et al. in FEBS Letters, 167:93-97 in 1984 E. Maggio, Enzyme-Immunoassay, (1980) (CRC Press, Inc., Boca Raton, Fla.) Tibshirani, R, Regression Shrinkage and Selection via the Lasso, J. Royal. Statist. Soc B., Vol. 58, No. 1, 1996, pages 267-288 「Molecular Cloning: A laboratory Manual」、Sambrook et al., (1989) 「Current Protocols in Molecular Biology」、Volumes I-III Ausubel, R. M., ed. (1994) Ausubel et al., 「Current Protocols in Molecular Biology」, John Wiley and Sons, Baltimore, Maryland (1989) Perbal, 「A Practical Guide to Molecular Cloning」, John Wiley & Sons, New York (1988) Watson et al., 「Recombinant DNA」, Scientific American Books, New York Birren et al. (eds) 「Genome Analysis: A Laboratory Manual Series」, Vols. 1-4, Cold Spring Harbor Laboratory Press, New York (1998) 「Cell Biology: A Laboratory Handbook」, Volumes I-III Cellis, J. E., ed. (1994) 「Culture of Animal Cells - A Manual of Basic Technique」by Freshney, Wiley-Liss, N. Y. (1994), Third Edition 「Current Protocols in Immunology」Volumes I-III Coligan J. E., ed. (1994) Stites et al. (eds), 「Basic and Clinical Immunology」 (8th Edition), Appleton & Lange, Norwalk, CT (1994) Mishell and Shiigi (eds), 「Selected Methods in Cellular Immunology」, W. H. Freeman and Co., New York (1980) 「Oligonucleotide Synthesis」 Gait, M. J., ed. (1984) 「Nucleic Acid Hybridization」 Hames, B. D., and Higgins S. J., eds. (1985) 「Transcription and Translation」 Hames, B. D., and Higgins S. J., eds. (1984) 「Animal Cell Culture」 Freshney, R. I., ed. (1986) 「Immobilized Cells and Enzymes」IRL Press, (1986) 「A Practical Guide to Molecular Cloning」 Perbal, B., (1984) 「Methods in Enzymology」 Vol. 1-317, Academic Press 「PCR Protocols: A Guide To Methods And Applications」, Academic Press, San Diego, CA (1990) Marshak et al., 「Strategies for Protein Purification and Characterization - A Laboratory Course Manual」 CSHL Press (1996) G.King and L Zeng, Statistics in Medicine 2002
本発明のいくつかの実施形態の態様によれば、対象の血液中の複数のポリペプチドの発現値を含有する生物学的データを分析する方法が提供される。前記方法は、曲線のセグメントと、方向によって規定される軸との距離を算出することを含み、その距離は、方向に沿った座標δ１によって規定される曲線上の点で算出される。前記方法は、前記距離を、細菌感染の存在、非存在、または対象が細菌感染を有する尤度と相関付けることをさらに含む。座標δ１は、発現値の結合によって規定され、セグメントの少なくとも９０％が下限線ｆ（δ１）−ε０と、上限線ｆ（δ１）＋ε１との間にあり、ｆ（δ１）が１／（１＋ｅｘｐ（δ１））に等しく、ε０とε１のそれぞれが０．５未満である。
本発明のいくつかの実施形態によれば、前記方法は、距離に基づいて尤度を取得すること、該尤度を、所定の閾値と比較すること、および尤度が所定の閾値より上である場合、細菌感染について対象を処置することを含む。
本発明のいくつかの実施形態の態様によれば、対象の血液中の複数のポリペプチドの発現値を含有する生物学的データを分析する方法が提供される。前記方法は、曲線のセグメントと、方向によって規定される軸との距離を算出することを含み、その距離は、方向に沿った座標δ０によって規定される曲線上の点で算出される。前記方法は、前記距離を、ウイルス感染の存在、非存在、または対象がウイルス感染を有する尤度と相関付けることをさらに含む。座標δ０は、発現値の結合によって規定され、セグメントの少なくとも９０％が下限線ｆ（δ０）−ε０と、上限線ｆ（δ０）＋ε１との間にあり、ｆ（δ０）が１／（１＋ｅｘｐ（δ０））に等しく、ε０とε１のそれぞれが０．５未満である。
本発明のいくつかの実施形態によれば、前記方法は、距離に基づいて尤度を取得すること、該尤度を、所定の閾値と比較すること、および尤度が所定の閾値より上である場合、ウイルス感染について対象を処置することを含む。
本発明のいくつかの実施形態によれば、発現値の結合は、発現値の線形結合を含む。
本発明のいくつかの実施形態によれば、発現値の結合は、発現値の少なくとも１つに対応する少なくとも１つの非線形項を含む。
本発明のいくつかの実施形態の態様によれば、対象の血液中の複数のポリペプチドの発現値を含有する生物学的データを分析する方法が提供される。前記方法は、曲面のセグメントと、第１の方向および第２の方向によって規定される平面との第１の距離を算出することを含む。第１の距離は、第１の方向に沿った第１の座標δ０および第２の方向に沿った第２の座標δ１によって規定される面上の点で算出される。前記方法は、第１の距離を、細菌感染の存在、非存在、または対象が細菌感染を有する尤度と相関付けることをさらに含む。座標のそれぞれは、発現値の異なる結合によって規定され、セグメントの少なくとも９０％が下限面ｆ（δ０，δ１）−ε０と、上限面ｆ（δ０，δ１）＋ε１との間にあり、ｆ（δ０，δ１）が、ｅｘｐ（δ１）／（１＋ｅｘｐ（δ０）＋ｅｘｐ（δ１））に等しく、ε０とε１のそれぞれが０．５未満である。
本発明のいくつかの実施形態によれば、少なくとも１つの座標について、発現値の結合は、発現値の線形結合を含む。
本発明のいくつかの実施形態によれば、少なくとも１つの座標について、発現値の結合は、発現値の少なくとも１つに対応する少なくとも１つの非線形項を含む。
本発明のいくつかの実施形態によれば、前記方法は、第１の距離に基づいて尤度を取得すること、該尤度を、所定の閾値と比較すること、および尤度が所定の閾値より上である場合、細菌感染について対象を処置することを含む。
本発明のいくつかの実施形態によれば、前記方法は、第２の曲面のセグメントと、平面との第２の距離を算出すること；および第２の距離を、ウイルス感染の存在、非存在、または対象がウイルス感染を有する尤度と相関付けることを含む。本発明のいくつかの実施形態によれば、第２の面のセグメントの少なくとも９０％は、第２の下限面ｇ（δ０，δ１）−ε２と、第２の上限面ｇ（δ０，δ１）＋ε３との間にあり、ｇ（δ０，δ１）は、ｅｘｐ（δ０）／（１＋ｅｘｐ（δ０）＋ｅｘｐ（δ１））に等しく、ε２とε３のそれぞれは０．５未満である。
本発明のいくつかの実施形態によれば、前記方法は、第２の距離に基づいて尤度を取得すること、該尤度を、第２の所定の閾値と比較すること、および尤度が第２の所定の閾値より上である場合、ウイルス感染について対象を処置することを含む。
本発明のいくつかの実施形態によれば、前記方法は、距離に基づいて対象が細菌感染を有する尤度を取得すること、第２の距離に基づいて対象がウイルス感染を有する尤度を取得すること、それぞれの尤度を、対応する所定の閾値と比較すること、およびそれぞれの尤度が対応する所定の閾値より下である場合、患者が非感染症を有する可能性があると決定することを含む。
本発明のいくつかの実施形態の態様によれば、対象の血液中に複数のポリペプチドの発現値を含有する生物学的データを分析する方法が提供される。前記方法は、曲面のセグメントと、第１の方向および第２の方向によって規定される平面との距離を算出することを含む。距離は、第１の方向に沿った第１の座標δ０および第２の方向に沿った第２の座標δ１によって規定される面上の点で算出される。前記方法は、距離を、ウイルス感染の存在、非存在、または対象がウイルス感染を有する尤度と相関付けることを含み、ここで、座標のそれぞれは発現値の異なる結合によって規定され、セグメントの少なくとも９０％は、下限面ｇ（δ０，δ１）−ε０と、上限面ｇ（δ０，δ１）＋ε１との間にあり、ｇ（δ０，δ１）は、ｅｘｐ（δ０）／（１＋ｅｘｐ（δ０）＋ｅｘｐ（δ１））に等しく、ε０とε１のそれぞれは０．５未満である。
本発明のいくつかの実施形態によれば、複数のポリペプチドはそれぞれ、ＣＲＰ、ＩＰ−１０、ＴＲＡＩＬ、ＩＬ１ｒａ、ＰＣＴおよびＳＡＡからなる群から選択される。
本発明のいくつかの実施形態によれば、複数のポリペプチドは、少なくとも３つのポリペプチドを含む。
本発明のいくつかの実施形態によれば、複数のポリペプチドは、ＣＲＰ、ＩＰ−１０、ＴＲＡＩＬ、ＩＬ１ｒａ、ＰＣＴおよびＳＡＡからなる群から選択される少なくとも３つのポリペプチドを含む。
本発明のいくつかの実施形態によれば、複数のポリペプチドは、少なくともＣＲＰおよびＴＲＡＩＬを含む。
本発明のいくつかの実施形態によれば、複数のポリペプチドは、少なくともＣＲＰ、ＴＲＡＩＬおよびＩＰ−１０を含む。
本発明のいくつかの実施形態によれば、前記方法は、出力がテキストとして提示される、尤度の出力を生成することを含む。
本発明のいくつかの実施形態によれば、前記方法は、出力がグラフとして提示される、尤度の出力を生成することを含む。
本発明のいくつかの実施形態によれば、前記方法は、出力がカラーインデックスを用いて提示される、尤度の出力を生成することを含む。
本発明のいくつかの実施形態によれば、血液試料は全血である。
本発明のいくつかの実施形態によれば、血液試料は全血の画分である。
本発明のいくつかの実施形態によれば、血液画分は血清または血漿を含む。
本発明のいくつかの実施形態によれば、前記方法は、少なくとも１つの発現値が電気泳動的または免疫化学的に決定される、発現値を決定することを含む。
本発明のいくつかの実施形態によれば、免疫化学的決定は、フローサイトメトリー、ラジオイムノアッセイ、免疫蛍光または酵素結合免疫吸着アッセイによって行われる。
本発明のいくつかの実施形態によれば、算出および相関付けは、対象から離れたコンピュータによって実行される。
本発明のいくつかの実施形態によれば、算出および相関付けは、対象に近いコンピュータによって実行される。
本発明のいくつかの実施形態によれば、算出および相関付けは、クラウドコンピューティング施設のクラウドコンピューティング資源によって実行される。
本発明のいくつかの実施形態によれば、発現値は、自動化ＥＬＩＳＡ、自動化免疫アッセイ、および自動化機能アッセイからなる群から選択される少なくとも１つの自動化アッセイを実行する測定システムによって測定され、その方法は前記測定システムから前記生物学的データを受信することを含む。
本発明のいくつかの実施形態によれば、受信は、ネットワークインタフェースを介するインターネットネットワーク上でのものである。
本発明のいくつかの実施形態の態様によれば、生物学的データを分析するためのコンピュータに実装された方法が提供される。前記方法は、表示デバイス上に、算出活性化制御を有するグラフィカルユーザーインタフェース（ＧＵＩ）を表示させること；対象の血液中のポリペプチドの発現値を受信すること；ユーザーによる制御の活性化に応答して、発現値に基づくスコアを自動的に算出すること；対象のウイルス感染に対応するものとして同定された第１の末端、および対象の細菌感染に対応するものとして同定された第２の末端を有するグラフ尺度を、ＧＵＩ上で生成すること；ならびにスコアに対応する位置で尺度上のマークを生成することを含む。
本発明のいくつかの実施形態によれば、発現値は、発現値を測定する外部装置と通信することによって受信される。本発明のいくつかの実施形態によれば、ＧＵＩは通信制御を含み、外部装置との通信はユーザーによる通信制御の活性化に応答するものである。
本発明のいくつかの実施形態によれば、ＧＵＩは複数の発現値入力フィールドを含み、発現値は入力フィールドを介して受信される。
本発明のいくつかの実施形態によれば、スコアは、対象が細菌感染を有する尤度である。本発明のいくつかの実施形態によれば、スコアは、対象がウイルス感染を有する尤度である。
本発明のいくつかの実施形態の態様によれば、命令が、ハードウェアプロセッサによって読まれた場合、ハードウェアプロセッサに、未知の疾患を有する対象の血液中の複数のポリペプチドの発現値を受信させ、上記で説明された、場合により以下にさらに詳述される方法を実行させるプログラム命令が保存されたコンピュータで読み取り可能な媒体を含む、コンピュータソフトウェア製品が提供される。
本発明のいくつかの実施形態の態様によれば、生物学的データを分析するためのシステムが提供される。システムは、未知の疾患を有する対象の血液中の複数のポリペプチドの発現値を受信するように構成されたユーザーインタフェース；およびコンピュータソフトウェア製品を保存するコンピュータで読み取り可能な媒体を有するハードウェアプロセッサを含む。
本発明のいくつかの実施形態の態様によれば、生物学的データを分析するためのシステムが提供される。システムは、未知の疾患を有する対象の血液中の複数のポリペプチドの発現値を測定するように構成される第１のコンパートメント；コンピュータソフトウェア製品を保存するコンピュータで読み取り可能な媒体を有するハードウェアプロセッサを含む第２のコンパートメントを含む。
本発明のいくつかの実施形態によれば、第１のコンパートメント、第２のコンパートメントおよびディスプレイは、手持ち式デバイス上に搭載されるか、またはその本体に統合される。
本発明のいくつかの実施形態の態様によれば、データセットを分析する方法が提供される。前記方法は、（ａ）複数の対象の血液試料中の未知の疾患を有する対象の血液中の複数のポリペプチドの発現値に基づく分類群であって、細菌感染、ウイルス感染および非ウイルス、非細菌疾患を含む前記分類群を含むデータセットにアクセスすること；ならびに（ｂ）分類群を分析して、特定の対象が細菌感染を有する尤度を表す少なくとも第１の確率分類関数ｆ（δ０，δ１）を提供することを含み、第１の分類関数は第１の座標δ０と第２の座標δ１の関数であり、座標のそれぞれは発現値の異なる結合によって規定される。
本発明のいくつかの実施形態によれば、前記方法は、特定の対象がウイルス感染を有する尤度を表す第２の分類関数ｇ（δ０，δ１）を算出することをさらに含み、第２の分類関数は第１および第２の座標の関数でもある。
本発明のいくつかの実施形態によれば、前記方法は、特定の対象が非ウイルス、非細菌疾患を有する尤度を表す第３の分類関数ｈ（δ０，δ１）を算出することを含み、第３の分類関数は第１および第２の座標の関数でもある。
本発明のいくつかの実施形態によれば、少なくとも１つの座標について、発現値の結合は、発現値の線形結合を含む。
本発明のいくつかの実施形態によれば、少なくとも１つの座標について、発現値の結合は、発現値の少なくとも１つに対応する少なくとも１つの非線形項を含む。
本発明のいくつかの実施形態によれば、前記方法は、分析の出力を生成することを含む。
本発明のいくつかの実施形態によれば、データセットは、１つまたは複数の多次元項目を含む。
本発明の方法のいくつかの実施形態によれば、データセット中のそれぞれの項目は対応する対象の少なくとも１つの臨床パラメータを含む。
本発明の方法のいくつかの実施形態によれば、臨床パラメータは、性別、年齢、体温、症状開始からの時間および体重からなる群から選択される。
本発明のいくつかの実施形態によれば、分析は、機械学習を含む。
本発明のいくつかの実施形態によれば、機械学習は、教師付き機械学習を含む。
本発明のいくつかの実施形態によれば、機械学習は、クラスタリング、サポートベクターマシン、線形モデリング、ｋ−近傍分析、決定木学習、アンサンブル学習手順、神経ネットワーク、確率モデル、グラフモデル、ベイジアンネットワーク、ロジスティック回帰および相関ルール学習からなる群から選択される少なくとも１つの手順を含む。
本発明の方法のいくつかの実施形態によれば、機械学習は、サポートベクターマシン、神経ネットワークおよびロジスティック回帰からなる群から選択される。
本発明のいくつかの実施形態によれば、血液試料は全血である。
本発明のいくつかの実施形態によれば、血液試料は全血の画分である。
本発明のいくつかの実施形態によれば、血液画分は血清または血漿を含む。
本発明のいくつかの実施形態によれば、発現値は電気泳動的または免疫化学的に決定される。
本発明のいくつかの実施形態によれば、免疫化学的決定は、フローサイトメトリー、ラジオイムノアッセイ、免疫蛍光または酵素結合免疫吸着アッセイによって行われる。
本発明のいくつかの実施形態の態様によれば、疾患に関する予後を予測する方法が提供される。前記方法は、疾患を有する対象中のＴＲＡＩＬタンパク質血清レベルを測定することを含み、ＴＲＡＩＬレベルが所定のレベルより下である場合、所定のレベルより上のＴＲＡＩＬタンパク質血清レベルを有する疾患を有する対象よりも予後が不良である。
本発明の方法のいくつかの実施形態によれば、疾患は感染症である。
本発明の方法のいくつかの実施形態によれば、疾患は感染症ではない。
本発明のいくつかの実施形態の態様によれば、対象における疾患の処置経過を決定する方法が提供される。前記方法は、対象中のＴＲＡＩＬタンパク質血清レベルを測定することを含み、ＴＲＡＩＬレベルが所定のレベルより下である場合、対象が最後の手段の処置を用いて処置される。
本発明のいくつかの実施形態によれば、所定のレベルは２０ｐｇ／ｍｌより下である。
本発明のいくつかの実施形態の態様によれば、生殖可能年齢の女性対象における感染型を決定する方法が提供される。
前記方法は、対象中のＴＲＡＩＬタンパク質血清レベルを、所定の閾値と比較することを含み、所定の閾値が、生殖可能年齢の健康な女性対象、または生殖可能年齢の健康な女性対象群のＴＲＡＩＬタンパク質血清レベルに対応し、ＴＲＡＩＬタンパク質血清レベルと所定の閾値との差異が感染型を示す。
本発明のいくつかの実施形態の態様によれば、生殖可能年齢の男性対象における感染型を決定する方法が提供される。
前記方法は、対象中のＴＲＡＩＬタンパク質血清レベルを、所定の閾値と比較することを含み、所定の閾値が、生殖可能年齢の健康な男性対象、または生殖可能年齢の健康な男性対象群のＴＲＡＩＬタンパク質血清レベルに対応し、ＴＲＡＩＬタンパク質血清レベルと所定の閾値との差異が感染型を示す。
本発明のいくつかの実施形態によれば、ＴＲＡＩＬタンパク質血清レベルが、所定の閾値より上である場合、感染型はウイルス性である。
本発明のいくつかの実施形態によれば、ＴＲＡＩＬタンパク質血清レベルが、所定の閾値より上である場合、感染型は細菌性ではない。
本発明のいくつかの実施形態によれば、ＴＲＡＩＬタンパク質血清レベルが、所定の閾値より下である場合、感染型は細菌性である。
本発明のいくつかの実施形態によれば、ＴＲＡＩＬタンパク質血清レベルが、所定の閾値より下である場合、感染型はウイルス性ではない。
別途定義しない限り、本明細書で用いられる全ての技術用語および／または科学用語は、本発明が属する当業界の通常の知識を有する者によって一般的に理解されるものと同じ意味を有する。本明細書に記載のものと類似するか、または等価である方法および材料を本発明の実施形態の実施および試験において用いることができるが、例示的な方法および／または材料を以下に記載する。対立する場合、定義を含み本明細書に基づき理解される。さらに、材料、方法、および実施例は、例示に過ぎず、限定を意図されるものではない。
本発明のいくつかの実施形態を、ほんの一例として、添付の図面を参照しながら本明細書において説明する。ここで、図面を特に詳細に参照すれば、示される特定のものが例としてのものであり、本発明の実施形態の例示的考察のためのものであることが強調される。この点で、図面と共に行われる説明は、本発明の実施形態を実施することができる方法を当業者に対して明らかにするものである。
試験ワークフローの図である。（Ａ）試験ワークフローの概略。ｎ細菌、ｎウイルスおよびｎ対照は、それぞれ、細菌（細菌とウイルスの混合同時感染を含む）、ウイルスおよび対照（見かけ上感染症がない）事例の数を表す。（Ｂ）タンパク質の探索および検証プロセス。 試験ワークフローの図である。（Ａ）試験ワークフローの概略。ｎ細菌、ｎウイルスおよびｎ対照は、それぞれ、細菌（細菌とウイルスの混合同時感染を含む）、ウイルスおよび対照（見かけ上感染症がない）事例の数を表す。（Ｂ）タンパク質の探索および検証プロセス。 ＴＲＡＩＬ、ＩＰ−１０およびＣＲＰタンパク質が細菌、ウイルスおよび非感染患者において示差的に発現されることの図である。過半数コホート（ｎ＝７６５）上で測定された、ＴＲＡＩＬ（Ａ）、ＩＰ−１０（Ｂ）およびＣＲＰ（Ｃ）に関するボックスプロットを提示する。赤色の線および丸は、それぞれ、群中央および平均に対応する；細菌とウイルス群の間および感染（細菌およびウイルス）対非感染（健康な対照を含む）の間のｔ検定のｐ値を記載する。 ＴＲＡＩＬ、ＩＰ−１０およびＣＲＰタンパク質が細菌、ウイルスおよび非感染患者において示差的に発現されることの図である。過半数コホート（ｎ＝７６５）上で測定された、ＴＲＡＩＬ（Ａ）、ＩＰ−１０（Ｂ）およびＣＲＰ（Ｃ）に関するボックスプロットを提示する。赤色の線および丸は、それぞれ、群中央および平均に対応する；細菌とウイルス群の間および感染（細菌およびウイルス）対非感染（健康な対照を含む）の間のｔ検定のｐ値を記載する。 ＴＲＡＩＬ、ＩＰ−１０およびＣＲＰタンパク質が細菌、ウイルスおよび非感染患者において示差的に発現されることの図である。過半数コホート（ｎ＝７６５）上で測定された、ＴＲＡＩＬ（Ａ）、ＩＰ−１０（Ｂ）およびＣＲＰ（Ｃ）に関するボックスプロットを提示する。赤色の線および丸は、それぞれ、群中央および平均に対応する；細菌とウイルス群の間および感染（細菌およびウイルス）対非感染（健康な対照を含む）の間のｔ検定のｐ値を記載する。 細菌とウイルス患者を診断するための、特徴と臨床検査パラメータおよびタンパク質バイオマーカーとの比較の図である。（Ａ）臨床および臨床検査パラメータの性能ならびに最良性能対（ＡＮＣおよびＬｙｍ％）、３つ組（ＡＮＣ、Ｌｙｍ％およびＰｕｌｓｅ）、および４つ組（ＡＮＣ、Ｌｙｍ％、Ｐｕｌｓｅ、Ｍｏｎｏ％）のパラメータの値を、ロジスティック回帰を用いて組み合わせた。パルス（２９２人の細菌患者および３２６人のウイルス患者で記録）、および呼吸速度（２９２人の細菌患者および３２６人のウイルス患者で記録）とは別に、過半数コホート（細菌およびウイルス患者、ｎ＝６５３）に対して比較を行った。特徴は、最適な４つ組よりも有意に良好に（Ｐ＜１０−１５）機能した。（Ｂ）特徴は、感染に対する宿主応答における確立された役割を有するバイオマーカーよりも有意に良好に（Ｐ＜１０−８）機能した。選択されたバイオマーカーのそれぞれについて、過半数コホートのサブグループにおいて分析を実施した（それぞれの分析について、４３≦ｎ≦１５４であり、便宜的標本、ｎはシグナルの強度に依存した）。エラーバーは９５％ＣＩを表す。 細菌とウイルス患者を診断するための、特徴と臨床検査パラメータおよびタンパク質バイオマーカーとの比較の図である。（Ａ）臨床および臨床検査パラメータの性能ならびに最良性能対（ＡＮＣおよびＬｙｍ％）、３つ組（ＡＮＣ、Ｌｙｍ％およびＰｕｌｓｅ）、および４つ組（ＡＮＣ、Ｌｙｍ％、Ｐｕｌｓｅ、Ｍｏｎｏ％）のパラメータの値を、ロジスティック回帰を用いて組み合わせた。パルス（２９２人の細菌患者および３２６人のウイルス患者で記録）、および呼吸速度（２９２人の細菌患者および３２６人のウイルス患者で記録）とは別に、過半数コホート（細菌およびウイルス患者、ｎ＝６５３）に対して比較を行った。特徴は、最適な４つ組よりも有意に良好に（Ｐ＜１０−１５）機能した。（Ｂ）特徴は、感染に対する宿主応答における確立された役割を有するバイオマーカーよりも有意に良好に（Ｐ＜１０−８）機能した。選択されたバイオマーカーのそれぞれについて、過半数コホートのサブグループにおいて分析を実施した（それぞれの分析について、４３≦ｎ≦１５４であり、便宜的標本、ｎはシグナルの強度に依存した）。エラーバーは９５％ＣＩを表す。 特徴性能が異なる患者サブグループにわたって強固であることの図である。過半数コホート（細菌およびウイルス）のサブグループにおける特徴ＡＵＣを記載する。四角の大きさは患者数に比例し、エラーバーは９５％ＣＩを表す。病原体分析において、それぞれのウイルスを、同じ生理系に影響する細菌と比較し、括弧内に示した。Ｒ−呼吸器、Ｓ−全身、Ｃ−中枢神経系、Ｇ−消化管、Ｕ−尿路、Ｋ−皮膚。５人より多い患者において検出された病原体のみを提示する。サブグループの定義については、実施例１中の表１を参照されたい。 特徴性能が異なる患者サブグループにわたって強固であることの図である。過半数コホート（細菌およびウイルス）のサブグループにおける特徴ＡＵＣを記載する。四角の大きさは患者数に比例し、エラーバーは９５％ＣＩを表す。病原体分析において、それぞれのウイルスを、同じ生理系に影響する細菌と比較し、括弧内に示した。Ｒ−呼吸器、Ｓ−全身、Ｃ−中枢神経系、Ｇ−消化管、Ｕ−尿路、Ｋ−皮膚。５人より多い患者において検出された病原体のみを提示する。サブグループの定義については、実施例１中の表１を参照されたい。 ＭＬＲモデルの較正プロットの図である。上のパネルでは、患者を、その細菌感染の予測確率（ｘ軸）に基づいて１０のビンにグループ化し、各ビン内の細菌感染の観察された画分（ｙ軸）と比較した。破線は、移動平均（サイズ５のビンの）である。下のパネルは、細菌（赤色のバー）およびウイルス（青色のバー）に関する予測確率の分布を示す。 診断された患者の年齢分布の図である。Ａ．全試験集団（ｎ＝７９４）；Ｂ．小児患者のみ（ｎ＝４４５）。 診断された患者の年齢分布の図である。Ａ．全試験集団（ｎ＝７９４）；Ｂ．小児患者のみ（ｎ＝４４５）。 診断された患者（ｎ＝７９４）における検出される病原体の分布の図である。Ａ．病原性サブグループによる検出される病原体の分布；Ｂ．株による検出される病原体の分布（１％を超える患者から検出される株を提示する）。分布は、感染症が診断された患者における陽性検出の％を表す。 診断された患者（ｎ＝７９４）における検出される病原体の分布の図である。Ａ．病原性サブグループによる検出される病原体の分布；Ｂ．株による検出される病原体の分布（１％を超える患者から検出される株を提示する）。分布は、感染症が診断された患者における陽性検出の％を表す。 感染症が診断された患者における関与する生理系の分布の図である（ｎ＝６７３）。 臨床症候群の分布の図である（全て診断された患者、ｎ＝７９４）。Ａ．主要な臨床症候群；Ｂ．特定の臨床症候群。 臨床症候群の分布の図である（全て診断された患者、ｎ＝７９４）。Ａ．主要な臨床症候群；Ｂ．特定の臨床症候群。 最大体温の分布の図である（ｎ＝７９４）。 症状の開始からの時間の分布の図である（ｎ＝７９４）。Ｎ／Ａ−健康な対照またはデータが得られなかった患者。 患者集団の併存疾患関連特性の図である。Ａ．併存疾患の分布（全て慢性疾患患者、ｎ＝３０５）；Ｂ．慢性医薬の分布（全て慢性疾患患者、ｎ＝３０５）。注目すべきことに、いくらかの患者はいくつかの慢性疾患を呈し、いくつかの慢性医薬で処置された。 患者集団の併存疾患関連特性の図である。Ａ．併存疾患の分布（全て慢性疾患患者、ｎ＝３０５）；Ｂ．慢性医薬の分布（全て慢性疾患患者、ｎ＝３０５）。注目すべきことに、いくらかの患者はいくつかの慢性疾患を呈し、いくつかの慢性医薬で処置された。 募集場所の分布の図である（診断された患者、ｎ＝７９４）。 細菌感染の有病率の関数としての特徴に関する外挿されたＰＰＶおよびＮＰＶ値の図である。Ａ．満場一致（細菌、ウイルス）コホート（ｎ＝５２７）、Ｂ．過半数（細菌、ウイルス）コホート（ｎ＝６５３）。 過半数（細菌、ウイルス、非感染）コホート（ｎ＝７６５）中の細菌、ウイルス、および非感染患者（示される通り）における臨床パラメータおよび検査測定値の散乱プロットの図である。赤色の線および丸は、それぞれ、群中央および群平均に対応する。細菌とウイルス群の間および感染（細菌とウイルス）対非感染（健康な対象を含む）の間のｔ検定のｐ値を記載する。 過半数（細菌、ウイルス、非感染）コホート（ｎ＝７６５）中の細菌、ウイルス、および非感染患者（示される通り）における臨床パラメータおよび検査測定値の散乱プロットの図である。赤色の線および丸は、それぞれ、群中央および群平均に対応する。細菌とウイルス群の間および感染（細菌とウイルス）対非感染（健康な対象を含む）の間のｔ検定のｐ値を記載する。 過半数（細菌、ウイルス、非感染）コホート（ｎ＝７６５）中の細菌、ウイルス、および非感染患者（示される通り）における臨床パラメータおよび検査測定値の散乱プロットの図である。赤色の線および丸は、それぞれ、群中央および群平均に対応する。細菌とウイルス群の間および感染（細菌とウイルス）対非感染（健康な対象を含む）の間のｔ検定のｐ値を記載する。 過半数（細菌、ウイルス、非感染）コホート（ｎ＝７６５）中の細菌、ウイルス、および非感染患者（示される通り）における臨床パラメータおよび検査測定値の散乱プロットの図である。赤色の線および丸は、それぞれ、群中央および群平均に対応する。細菌とウイルス群の間および感染（細菌とウイルス）対非感染（健康な対象を含む）の間のｔ検定のｐ値を記載する。 過半数（細菌、ウイルス、非感染）コホート（ｎ＝７６５）中の細菌、ウイルス、および非感染患者（示される通り）における臨床パラメータおよび検査測定値の散乱プロットの図である。赤色の線および丸は、それぞれ、群中央および群平均に対応する。細菌とウイルス群の間および感染（細菌とウイルス）対非感染（健康な対象を含む）の間のｔ検定のｐ値を記載する。 異なるカットオフを用いた特徴とＰＣＴの性能の比較の図である。Ａ．満場一致（細菌、ウイルス）コホートに由来する７６人の患者において測定された性能；Ｂ．過半数（細菌、ウイルス）コホートに由来する１０１人の患者において測定された性能。エラーバーは９５％ＣＩを表す。特徴の感度および特異度を、辺縁免疫応答を示す１４％の患者を除去した後に算出した。 異なるカットオフを用いた特徴とＰＣＴの性能の比較の図である。Ａ．満場一致（細菌、ウイルス）コホートに由来する７６人の患者において測定された性能；Ｂ．過半数（細菌、ウイルス）コホートに由来する１０１人の患者において測定された性能。エラーバーは９５％ＣＩを表す。特徴の感度および特異度を、辺縁免疫応答を示す１４％の患者を除去した後に算出した。 異なるカットオフを用いた特徴とＣＲＰの性能の比較の図である。Ａ．満場一致（細菌、ウイルス）コホートにおいて測定された性能（ｎ＝５２７）；Ｂ．過半数（細菌、ウイルス）コホートにおいて測定された性能（ｎ＝６５３）。エラーバーは９５％ＣＩを表す。特徴の感度および特異度を、辺縁免疫応答を示す１４％の患者を除去した後に算出した。 異なるカットオフを用いた特徴とＣＲＰの性能の比較の図である。Ａ．満場一致（細菌、ウイルス）コホートにおいて測定された性能（ｎ＝５２７）；Ｂ．過半数（細菌、ウイルス）コホートにおいて測定された性能（ｎ＝６５３）。エラーバーは９５％ＣＩを表す。特徴の感度および特異度を、辺縁免疫応答を示す１４％の患者を除去した後に算出した。 細菌およびウイルス患者における選択されたタンパク質バイオマーカー（任意単位）のレベルの散乱プロットの図である。赤色の線および丸は、それぞれ、群中央および群平均に対応する。細菌群とウイルス群との間のｔ検定のｐ値を記載する。 細菌およびウイルス患者における選択されたタンパク質バイオマーカー（任意単位）のレベルの散乱プロットの図である。赤色の線および丸は、それぞれ、群中央および群平均に対応する。細菌群とウイルス群との間のｔ検定のｐ値を記載する。 細菌およびウイルス患者における選択されたタンパク質バイオマーカー（任意単位）のレベルの散乱プロットの図である。赤色の線および丸は、それぞれ、群中央および群平均に対応する。細菌群とウイルス群との間のｔ検定のｐ値を記載する。 細菌およびウイルス患者における選択されたタンパク質バイオマーカー（任意単位）のレベルの散乱プロットの図である。赤色の線および丸は、それぞれ、群中央および群平均に対応する。細菌群とウイルス群との間のｔ検定のｐ値を記載する。 特徴の臨床精度が、タンパク質測定の技術的精度の低下に対して強固であることの図である。（Ａ）細菌感染をウイルス感染から識別する特徴のＡＵＣを、ＴＲＡＩＬ（ｙ軸）およびＣＲＰ（ｘ軸）測定値のＣＶ（ｓｔｄ／ｍｅａｎ）の関数としてのカラーマップを用いて見積もる。（Ｂ）ＴＲＡＩＬとＣＲＰのＣＶが等しくなるように、図１９Ａの斜線上のＡＵＣ値を提示する。 特徴の臨床精度が、タンパク質測定の技術的精度の低下に対して強固であることの図である。（Ａ）細菌感染をウイルス感染から識別する特徴のＡＵＣを、ＴＲＡＩＬ（ｙ軸）およびＣＲＰ（ｘ軸）測定値のＣＶ（ｓｔｄ／ｍｅａｎ）の関数としてのカラーマップを用いて見積もる。（Ｂ）ＴＲＡＩＬとＣＲＰのＣＶが等しくなるように、図１９Ａの斜線上のＡＵＣ値を提示する。 細菌（「＋」）、ウイルス（「ｏ」）および非感染（「＾」）患者の３次元可視化の図である。ＣＲＰ（μｇ／ｍｌ）、ＴＲＡＩＬおよびＩＰ−１０（ｐｇ／ｍｌ）濃度マップにおける異なる領域に対して異なる患者型をマッピングする。 ＴＲＡＩＬ（ｙ軸）、ＣＲＰ（ｘ軸）、および０〜１００の範囲のＩＰ−１０について本発明のいくつかの実施形態に従って得られた、ＩＰ−１０濃度の関数としてのウイルス（Ａ）細菌または混合（Ｂ）および非感染または健康（Ｃ）の確率の図である。 ＴＲＡＩＬ（ｙ軸）、ＣＲＰ（ｘ軸）、および１００〜２００の範囲のＩＰ−１０について本発明のいくつかの実施形態に従って得られた、ＩＰ−１０濃度の関数としてのウイルス（Ａ）細菌または混合（Ｂ）および非感染または健康（Ｃ）の確率の図である。 ＴＲＡＩＬ（ｙ軸）、ＣＲＰ（ｘ軸）、および２００〜３００の範囲のＩＰ−１０について本発明のいくつかの実施形態に従って得られた、ＩＰ−１０濃度の関数としてのウイルス（Ａ）細菌または混合（Ｂ）および非感染または健康（Ｃ）の確率の図である。 ＴＲＡＩＬ（ｙ軸）、ＣＲＰ（ｘ軸）、および３００〜４００の範囲のＩＰ−１０について本発明のいくつかの実施形態に従って得られた、ＩＰ−１０濃度の関数としてのウイルス（Ａ）細菌または混合（Ｂ）および非感染または健康（Ｃ）の確率の図である。 ＴＲＡＩＬ（ｙ軸）、ＣＲＰ（ｘ軸）、および４００〜５００の範囲のＩＰ−１０について本発明のいくつかの実施形態に従って得られた、ＩＰ−１０濃度の関数としてのウイルス（Ａ）細菌または混合（Ｂ）および非感染または健康（Ｃ）の確率の図である。 ＴＲＡＩＬ（ｙ軸）、ＣＲＰ（ｘ軸）、および５００〜１０００の範囲のＩＰ−１０について本発明のいくつかの実施形態に従って得られた、ＩＰ−１０濃度の関数としてのウイルス（Ａ）細菌または混合（Ｂ）および非感染または健康（Ｃ）の確率の図である。 ＴＲＡＩＬ（ｙ軸）、ＣＲＰ（ｘ軸）、および１０００〜２０００の範囲のＩＰ−１０について本発明のいくつかの実施形態に従って得られた、ＩＰ−１０濃度の関数としてのウイルス（Ａ）細菌または混合（Ｂ）および非感染または健康（Ｃ）の確率の図である。 ＴＲＡＩＬ（ｙ軸）、ＣＲＰ（ｘ軸）、および２０００以上の範囲のＩＰ−１０について本発明のいくつかの実施形態に従って得られた、ＩＰ−１０濃度の関数としてのウイルス（Ａ）細菌または混合（Ｂ）および非感染または健康（Ｃ）の確率の図である。 本発明の実施形態に従って細菌感染と非細菌感染とを識別するための方法の例示的出力の図である。 本発明の実施形態に従って細菌感染と非細菌感染とを識別するための方法の例示的出力の図である。 本発明の実施形態に従って細菌感染と非細菌感染とを識別するための方法の例示的出力の図である。 ＴＲＡＩＬ（図３０Ａ）およびＩＰ−１０（図３０Ｂ）の測定のための迅速プロトコールとスロープロトコールの相関を例示するグラフの図である。 ＴＲＡＩＬ（図３０Ａ）およびＩＰ−１０（図３０Ｂ）の測定のための迅速プロトコールとスロープロトコールの相関を例示するグラフの図である。 本発明の様々な例示的実施形態による、対象から得られた生物学的データを分析するのに好適な方法のフローチャートの図である。 本発明のいくつかの実施形態による、平面からの面の距離を算出するための手順を記載する略図である。 本発明のいくつかの実施形態による、面の平滑型のセグメントを取得するための手順を記載する略図である。 本発明のいくつかの実施形態による、生物学的データを分析するためのシステムのブロック図の略図である。 座標δ０およびδ１の関数としての細菌（図３５Ａ）、ウイルス（図３５Ｂ）、非細菌（図３５Ｃ）、および非感染（図３５Ｄ）の病因の確率を記載する等高線の図である。確率値は０％（黒色）から１００％（白色）の範囲である。 座標δ０およびδ１の関数としての細菌（図３５Ａ）、ウイルス（図３５Ｂ）、非細菌（図３５Ｃ）、および非感染（図３５Ｄ）の病因の確率を記載する等高線の図である。確率値は０％（黒色）から１００％（白色）の範囲である。 低いＴＲＡＩＬレベルは、患者の予後不良および転帰不良および高い疾患重症度を示すことの図である。（Ａ）他の全ての患者（感染または非感染の病因を有する）と比較した、ＩＣＵに収容された患者の血清中のＴＲＡＩＬ濃度。（Ｂ）感染または非感染の病因を有する他の全ての患者と比較した、ＩＣＵに収容されたか、または死亡した小児患者の血清中のＴＲＡＩＬ濃度。 生殖可能年齢の男性および女性におけるＴＲＡＩＬ濃度の差異を例示するグラフの図である。 本発明のいくつかの実施形態による生物学的データを分析するためのコンピュータに実装された方法においてユーザー入力を受信するのに好適なグラフィカルユーザーインタフェース（ＧＵＩ）のスクリーンショットの図である。 本発明のいくつかの実施形態による生物学的データを分析するためのコンピュータに実装された方法においてユーザー入力を受信するのに好適なグラフィカルユーザーインタフェース（ＧＵＩ）のスクリーンショットの図である。 本発明のいくつかの実施形態による生物学的データを分析するためのコンピュータに実装された方法においてユーザー入力を受信するのに好適なグラフィカルユーザーインタフェース（ＧＵＩ）のスクリーンショットの図である。 本発明のいくつかの実施形態による生物学的データを分析するためのコンピュータに実装された方法においてユーザー入力を受信するのに好適なグラフィカルユーザーインタフェース（ＧＵＩ）のスクリーンショットの図である。 本発明のいくつかの実施形態による生物学的データを分析するためのコンピュータに実装された方法においてユーザー入力を受信するのに好適なグラフィカルユーザーインタフェース（ＧＵＩ）のスクリーンショットの図である。 システムがネットワークインタフェース（図３９Ａ）およびユーザーインタフェース（図３９Ｂ）を含む、本発明の実施形態における、生物学的データを分析するためのシステムのブロック図の略図である。
本発明は、そのいくつかの実施形態において、コンピュータ分析、より具体的には、限定されるものではないが、例えば、細菌感染と非細菌疾患、および／または細菌感染とウイルス感染、および／または感染症と非感染症を識別するための生物学的データのコンピュータ分析に関する。
本発明の少なくとも１つの実施形態を詳細に説明する前に、本発明が、その適用において、以下の説明に記載されるか、または実施例によって例示される詳細に限定されるとは限らないことが理解されるべきである。本発明は、他の実施形態を可能とするか、または様々な方法で実施もしくは実行することができる。
様々な感染性因子がユニークな分子パターンを有し、免疫系によって同定および標的化することができる。病原体関連分子パターン（ＰＡＭＰ）は、様々な群の病原体と関連し、Ｔｏｌｌ様受容体（ＴＬＲ）および他のパターン認識受容体（例えば、ＮＯＤタンパク質）を用いて自然免疫系の細胞により認識することができるそのような分子の一例である。
これらのパターンは、異なるクラスの病原体間でかなり変化してもよく、かくして、異なる免疫応答を惹起し得る。例えば、ＴＬＲ−４は、グラム陰性細菌の構成要素であるリポポリサッカリド、ならびにグラム陽性細菌の構成要素であるリポタイコ酸を認識し、従って、免疫系の抗微生物応答を促進することができる。ＴＬＲ−３は、一本鎖ＲＮＡ（ウイルス感染を示唆することが多い）を認識し、かくして、適切な抗ウイルス応答を刺激することができる。様々なクラスの病原体（例えば、細菌対ウイルス）間を識別することにより、免疫系は適切な防御を高めることができる。
過去数十年に、様々な適応症における感染源の示差的診断のために用いることができるいくつかの宿主マーカーが同定されてきた。病原体よりもむしろ宿主に由来するマーカーを測定することによって、身体の自然微生物叢の一部である非病原性株の細菌に起因する「偽陽性」診断を最小化することができる。一例は、甲状腺のＣ細胞により産生されるホルモンカルシトニンの前駆体であるプロカルシトニン（ＰＣＴ）である。健康な個体の血流中のＰＣＴレベルは、検出困難であるが（ｐｇ／ｍｌ範囲）、１００ｎｇ／ｍｌまで上昇するレベルの重篤な感染の結果としてそれは劇的に増加し得る。ＰＣＴは、全身感染である敗血症を有する患者を診断するために多用されており、その感度は７６％、特異度は７０％である。しかしながら、肺炎または上気道感染などの他の非全身感染におけるＰＣＴの診断値を試験する研究により、それが特に単離において用いられる場合、限定的であることが分かった。
本発明者らは、特許文献２および特許文献１（両方とも参照により本明細書に援用される）に記載されたように、発現パターンが感染型と有意に相関する新規バイオマーカーセットを以前に同定した。
本発明は、そのいくつかの実施形態において、細菌感染、ウイルス感染および非細菌、非ウイルス疾患の診断のためのポリペプチドの特徴の使用に基づく。本実施形態の方法は、対象が罹患している感染の型を同定し、次いで、適切な処置レジメンの選択を可能にするためのパターン認識アルゴリズムを用いる。本発明の様々な実施形態は、（ｉ）広範囲の病原体上での正確な診断を可能にすること；（ｉｉ）迅速な診断（数分以内）を可能にすること；（ｉｉｉ）非病原性の細菌およびウイルスの存在に対する非感受性（かくして、偽陽性の問題を軽減する）；ならびに（ｉｖ）病原体の直接的サンプリングの必要性を排除し、かくして、近づきにくい感染の診断を可能にすることによって、現在の診断解決法の限界に取り組む。かくして、本発明のいくつかの方法は、抗生物質処置が望ましい対象の選択を可能にし、ウイルス感染のみ、または非感染症を有する対象の不必要な抗生物質処置を防止する。本発明のいくつかの方法はまた、抗ウイルス処置が有利である対象の選択も可能にする。
特許文献１の知見を裏付けるために、本発明者らは、今回、多施設臨床試験に参加する患者数を増やし、様々な型の確立された感染を有する１００２人の入院患者ならびに対照（確立された非ウイルス／非細菌疾患を有する患者および健康な個体）を登録した。
以前に記載された方法の精度および感度のレベルを改善するために、本発明者らは、今回、患者（確立された疾患型を有する患者）を３つのクラス：細菌感染、ウイルス感染および非細菌、非ウイルス疾患のうちの１つに分類する３値分類子を用いた。試験対象のポリペプチドの組合せのレベルと、試験において得られた発現パターンとの比較により、実施例３および表９〜１２にまとめられた２値分類子と比較して、感度および特異度に関して優れた結果が得られた。
本発明の文脈においては、以下の省略形を用いることができる：ＡＮＣ＝絶対好中球数；ＡＮＮ＝人工神経ネットワーク；ＡＵＣ＝受信者操作曲線下面積；ＢＰ＝百日咳菌；ＣＨＦ＝鬱血性心不全；ＣＩ＝信頼区間；ＣＩＤ＝先天性免疫不全；ＣＬＬ＝慢性リンパ球性白血病；ＣＭＶ＝サイトメガロウイルス；ＣＮＳ＝中枢神経系；ＣＯＰＤ＝慢性閉塞性肺疾患；ＣＰ＝肺炎クラミジア；ＣＲＰ＝Ｃ反応性タンパク質；ＣＳＦ＝脳脊髄液；ＣＶ＝変動係数；ＤＯＲ＝診断オッズ比；ＥＢＶ＝エプスタイン・バーウイルス；ｅＣＲＦ＝電子症例報告書；ＥＤ＝救急科；ＥＬＩＳＡ＝酵素結合免疫吸着アッセイ；ＦＤＲ＝偽発見率；ＦＭＦ＝家族性地中海熱；Ｇ−ＣＳＦ＝顆粒球コロニー刺激因子；ＧＭ−ＣＳＦ＝顆粒球−マクロファージコロニー刺激因子；ＨＢＶ＝Ｂ型肝炎ウイルス；ＨＣＶ＝Ｃ型肝炎ウイルス；ＨＩ＝インフルエンザ菌；ＨＩＶ＝ヒト免疫不全ウイルス；ＩＤＥ＝感染症専門医；ＩＬ＝インターロイキン；ＩＲＢ＝施設内倫理委員会；ＩＶＩＧ＝静脈内免疫グロブリン；ＫＮＮ＝Ｋ近傍法；ＬＰ＝レジオネラ・ニューモフィラ；ＬＲ＋＝正の尤度比；ＬＲ−＝負の尤度比；ＬＲＴＩ＝下気道感染；ｍＡｂ＝モノクローナル抗体；ＭＤＤ＝最小検出用量；ＭＤＳ＝骨髄異形成症候群；ＭＰ＝肺炎マイコプラズマ；ＭＰＤ＝骨髄増殖性疾患；ＮＰＶ＝陰性推定値；ＰＣＴ＝プロカルシトニン；ＰＥＤ＝小児救急科；ＰＰＶ＝陽性推定値；ＱＡ＝品質保証；ＲＳＶ＝呼吸器合胞体ウイルス；ＲＶ＝ライノウイルス；ＳＩＲＳ＝全身性炎症症候群；ＳＰ＝肺炎連鎖球菌；ＳＴＡＲＤ＝Ｓｔａｎｄａｒｄｓ ｆｏｒ Ｒｅｐｏｒｔｉｎｇ ｏｆ Ｄｉａｇｎｏｓｔｉｃ Ａｃｃｕｒａｃｙ；ＳＶＭ＝サポートベクターマシン；ＴＮＦ＝腫瘍壊死因子；ＵＲＴＩ＝上気道感染；ＵＴＩ＝尿路感染；ＷＢＣ＝白血球；ＷＳ＝Ｗｉｌｃｏｘｏｎ順位和。
本発明の文脈において、以下の統計用語を用いることができる：
「ＴＰ」は真陽性であり、活性に関する試験を正確に反映する陽性の試験結果を意味する。例えば、本発明の文脈においては、ＴＰは、例えば、限定されるものではないが、細菌感染をそのようなものとして真に分類することである。
「ＴＮ」は真陰性であり、活性に関する試験を正確に反映する陰性の試験結果を意味する。例えば、本発明の文脈においては、ＴＮは、例えば、限定されるものではないが、ウイルス感染をそのようなものとして真に分類することである。
「ＦＮ」は偽陰性であり、陰性に見えるが、ある状況を示すことができない結果を意味する。例えば、本発明の文脈においては、ＦＮは、例えば、限定されるものではないが、細菌感染をウイルス感染として偽って分類することである。
「ＦＰ」は偽陽性であり、陽性カテゴリーに誤って分類される試験結果を意味する。例えば、本発明の文脈においては、ＦＰは、例えば、限定されるものではないが、ウイルス感染を細菌感染と偽って分類することである。
「感度」は、ＴＰ／（ＴＰ＋ＦＮ）または疾患対象の真陽性画分により算出される。
「特異度」は、ＴＮ／（ＴＮ＋ＦＰ）または非疾患もしくは正常対象の真陰性画分により算出される。
「全精度」は、（ＴＮ＋ＴＰ）／（ＴＮ＋ＦＰ＋ＴＰ＋ＦＮ）により算出される。
「陽性推定値」または「ＰＰＶ」は、ＴＰ／（ＴＰ＋ＦＰ）または全ての陽性試験結果の真陽性画分により算出される。それは疾患の有病率および試験しようとする集団の試験前確率により本質的に影響される。
「陰性推定値」または「ＮＰＶ」は、ＴＮ／（ＴＮ＋ＦＮ）または全ての陰性試験結果の真陰性画分により算出される。それもまた疾患の有病率および試験しようとする集団の試験前確率により本質的に影響される。例えば、試験、例えば、臨床診断試験の特異度、感度、ならびに陽性および陰性推定値を考察する非特許文献３を参照されたい。
「ＭＣＣ」（Ｍａｔｈｅｗｓ相関係数）は、以下のように算出される：ＭＣＣ＝（ＴＰ＊ＴＮ−ＦＰ＊ＦＮ）／｛（ＴＰ＋ＦＮ）＊（ＴＰ＋ＦＰ）＊（ＴＮ＋ＦＰ）＊（ＴＮ＋ＦＮ）｝＾０．５（式中、ＴＰ、ＦＰ、ＴＮ、ＦＮはそれぞれ真陽性、偽陽性、真陰性、および偽陰性である）。ＭＣＣ値は−１〜＋１の範囲であり、それぞれ完全に間違い、および完全な分類を示すことに留意されたい。０のＭＣＣは、無作為の分類を示す。ＭＣＣは、感度と特異度を単一の測定基準に組み合わせるのに有用であることが示されている（Baldi, Brunak et al. 2000）。また、それは不均衡なクラスサイズの場合に分類精度を測定および最適化するのにも有用である（Baldi, Brunak et al. 2000）。
「精度」とは、測定された、または算出された量（試験報告値）のその実際の（または真の）値に対する一致の程度を指す。臨床精度は、真の結果（真陽性（ＴＰ）または真陰性（ＴＮ）と誤分類された結果（偽陽性（ＦＰ）または偽陰性（ＦＮ））との比率に関し、数ある尺度の中でも、感度、特異度、陽性推定値（ＰＰＶ）または陰性推定値（ＮＰＶ）、Ｍａｔｈｅｗｓ相関係数（ＭＣＣ）として、または尤度、オッズ比、受信者操作特性（ＲＯＣ）曲線、曲線下面積（ＡＵＣ）として記述することができる。
「分析精度」とは、測定プロセス自体の再現性および予測性を指し、変動係数（ＣＶ）、ピアソン相関、ならびに異なる時間、使用者、装備および／もしくは試薬を用いる同じ試料または対照の一致および較正の検定などの測定値にまとめることができる。新しいバイオマーカーを評価する際のこれらのおよび他の考慮も、Vasan, 2006にまとめられている。
「性能」は、特に、臨床精度および分析精度、他の分析特性およびプロセス特性、例えば、使用特性（例えば、安定性、使用の容易性）、健康経済的価値、および試験の成分の相対的費用などの、診断または予後試験の全体的な有用性および品質に関する用語である。これらの因子はいずれも、優れた性能およびかくして試験の有用性の供給源であってもよく、関連するものとして、ＡＵＣおよびＭＣＣ、結果までの時間、保存可能期間などの適切な「性能測定基準」により測定することができる。
「統計的に有意」とは、偶然のみによって起こると予想されるものよりも変化が大きいことを意味する（「偽陽性」であってもよい）。統計的有意性を、当業界で公知の任意の方法により決定することができる。有意性の一般的に用いられる尺度としては、データ点が偶然のみの結果であったと仮定した場合に所与のデータ点に関して少なくとも極端な結果を得る確率を示すｐ値が挙げられる。ある結果は、０．０５以下のｐ値で非常に有意であると考えられることが多い。
ここで、本発明の態様を詳細に説明する。
図３１は、本発明の様々な例示的実施形態による、対象から得られた生物学的データを分析するのに好適な方法のフローチャート図である。別途定義しない限り、以下に記載の操作を、実行の多くの組合せまたは順序で同時的または連続的に実行することができることが理解される。具体的には、フローチャート図の順序は限定と解釈されるべきではない。例えば、特定の順序で以下の説明またはフローチャート図に出現する、２つ以上の操作を、異なる順序（例えば、逆の順序）で、または実質的には同時的に実行することができる。さらに、以下に記載されるいくつかの操作は、任意であり、実行しなくてもよい。
本発明のいくつかの実施形態においては、対象は抗生物質で以前に処置されており、本発明のいくつかの実施形態においては、対象は抗生物質で以前に処置されていない。
本明細書に記載のいずれかの方法を、多くの形態で具体化することができる。例えば、それを、前記方法の操作を実施するためのコンピュータなどの有形的表現媒体上で具体化することができる。それを、前記方法の操作を実行するためのコンピュータで読み取り可能な命令を含む、コンピュータで読み取り可能な媒体上で具体化することができる。また、それを、有形的表現媒体上のコンピュータプログラムを実行するか、またはコンピュータで読み取り可能な媒体上の命令を実行するように配置されたデジタルコンピュータ機能を有する電子デバイス中で具体化することもできる。
本実施形態の方法を実装するコンピュータプログラムを、限定されるものではないが、ＣＤ−ＲＯＭまたはフラッシュメモリ媒体などの配布媒体上でユーザーに一般配布することができる。配布媒体から、コンピュータプログラムをハードディスクまたは同様の中間記憶媒体にコピーすることができる。本発明のいくつかの実施形態においては、本実施形態の方法を実装するコンピュータプログラムを、通信ネットワーク、例えば、インターネットを介して、遠隔位置からユーザーにプログラムをダウンロードさせることによって、ユーザーに配布することができる。配布媒体または中間記憶媒体からコンピュータの実行メモリ中にコンピュータ命令をロードし、本発明の方法に従って動作するようにコンピュータを構成することによって、コンピュータプログラムを実行することができる。これらの操作は全て、コンピュータシステムの当業者には周知である。
本実施形態の方法のコンピュータ操作を、対象から遠い、または対象に近いコンピュータによって実行することができる。コンピュータが対象から遠い場合、それは電話ネットワークまたはインターネットなどのネットワーク上でデータを受信することができる。この目的のために、ローカルコンピュータを用いて、データを遠隔コンピュータに伝送することができる。この構成により、対象が異なる場所（例えば、家）にいる間に分析を実施し、また、複数の異なる位置にいる複数の対象に関する同時的分析を実施することもできる。
前記方法のコンピュータ操作を、クラウドコンピューティング施設のクラウドコンピューティング資源によって実行することもできる。クラウドコンピューティング資源は、コンピュータサーバーおよび場合により、記憶サーバーも含んでもよく、当業界で公知のようにクラウドコンピューティングクライアントによって操作することができる。
いくつかの実施形態による方法を用いて、細菌感染を「包含（ｒｕｌｅ ｉｎ）」させることができる。あるいは、前記方法を用いて、非細菌感染を「除外（ｒｕｌｅ ｏｕｔ）」することができる。いくつかの実施形態による方法を用いて、細菌感染を「除外」し、非細菌疾患を「包含」させることができる。
いくつかの実施形態による方法を用いて、ウイルス感染を「包含」させることができる。あるいは、前記方法を用いて、非ウイルス感染を除外することができる。
いくつかの実施形態による方法を用いて、ウイルス感染を「除外」し、非ウイルス疾患を「包含」させることができる。
いくつかの実施形態による方法を用いて、感染症を「包含」させることができる。あるいは、前記方法を用いて、非感染症を除外することができる。いくつかの実施形態による方法を用いて、感染症を「除外」し、非感染症を「包含」させることができる。
前記方法によって分析される生物学的データは、対象の血液中の複数のポリペプチドの発現値を含有する。いくつかの実施形態においては、生物学的データは、２つだけのポリペプチドの発現値を含み、いくつかの実施形態においては、生物学的データは、少なくとも３つのポリペプチドの発現値を含み、いくつかの実施形態においては、生物学的データは、３つだけのポリペプチドの発現値を含み、いくつかの実施形態においては、生物学的データは、少なくとも４つのポリペプチドの発現値を含み、いくつかの実施形態においては、生物学的データは、４つだけのポリペプチドの発現値を含み、いくつかの実施形態においては、生物学的データは、少なくとも５つのポリペプチドの発現値を含み、いくつかの実施形態においては、生物学的データは、５つだけのポリペプチドの発現値を含む。
本発明者らは、多くの型のポリペプチドを企図する。代表例としては、限定されるものではないが、ＣＲＰ、ＩＰ−１０、ＴＲＡＩＬ、ＩＬ１ｒａ、ＰＣＴおよびＳＡＡが挙げられる。いくつかの実施形態においては、複数のポリペプチドは、少なくともＣＲＰおよびＴＲＡＩＬを含み、いくつかの実施形態においては、複数のポリペプチドは少なくともＣＲＰ、ＴＲＡＩＬおよびＩＰ−１０を含む。
本発明のいくつかの実施形態においては、生物学的データは、本明細書でさらに詳述されるように、対象特異的データセットの形態で提供される。
特定の実施形態によれば、分泌される（すなわち、可溶性）ポリペプチド（例えば、ＴＲＡＩＬ、ＣＲＰおよびＩＰ−１０）のレベルを、前記方法によって分析する。
本明細書で用いられる用語「対象」は、好ましくはヒトである。対象は男性または女性であってもよい。対象は、新生児、乳児、幼児または成人であってもよい。対象は、感染を有すると以前に診断もしくは同定された、および場合によっては感染のための治療的介入を既に受けたことがあるか、または受けている人であってもよい。あるいは、対象は、感染を有すると以前に診断されたことがない人であってもよい。例えば、対象は、感染を有することについて１つまたは複数の危険因子を示す人であってもよい。対象はまた、感染を有するが、感染の症状を示さなくてもよい。
疾患が本発明のいくつかの実施形態に従って診断される対象を、以下では「試験対象」と呼ぶ。本発明者らは、疾患が既に診断された複数の対象のポリペプチドの発現パターンに関する知識を収集し、収集された知識に基づいて本実施形態の分析技術を考案した。この複数の対象を、以下では「予め診断された対象」または「他の対象」と呼ぶ。
本明細書で用いられる語句「細菌感染」とは、対象が細菌に感染した状態を指す。感染は、症状性または無症状性であってもよい。本発明の文脈において、細菌感染はまた、ウイルス成分（すなわち、細菌とウイルスの両方の結果である混合感染である）を含んでもよい。
細菌感染は、急性または慢性であってもよい。
急性感染は、疾患の急速な開始、比較的短期間の症状、および数日以内の消散を特徴とする。慢性感染は、ゆっくりと発達し、長時間持続する感染である。急性感染と慢性感染との１つの相違は、急性感染の間に、免疫系が感染性因子に対するＩｇＭ＋抗体を産生することが多いが、感染の慢性期は通常、ＩｇＭ−／ＩｇＧ＋抗体が特徴であることである。さらに、急性感染は免疫媒介性壊死プロセスを引き起こすが、慢性感染は炎症媒介性線維化プロセスおよび瘢痕化を引き起こすことが多い。かくして、急性および慢性感染は、異なる基礎となる免疫学的機構を惹起し得る。
細菌感染は、グラム陽性、グラム陰性細菌または非定型細菌の結果であってもよい。
本明細書で用いられる用語「グラム陽性細菌」とは、その細胞壁構造の一部としてのペプチドグリカンならびに多糖および／またはテイコ酸を有することを特徴とし、グラム染色手順におけるその青色−紫色反応を特徴とする細菌を指す。代表的なグラム陽性細菌としては、アクチノミセス種、バチルス・アントラシス、ビフィドバクテリウム種、クロストリジウム・ボツリナム、クロストリジウム・ペルフリンゲンス、クロストリジウム種、クロストリジウム・テタニ、コリネバクテリウム・ジフテリア、コリネバクテリウム・ジェイケイウム、エンテロコッカス・フェカリス、エンテロコッカス・ファシウム、豚丹毒菌、ユーバクテリウム種、ガードネレラ・バジナリス、ゲメラ・モルビロルム、ロイコノストック種、マイコバクテリウム・アブセサス、マイコバクテリウム・アビウムコンプレックス、マイコバクテリウム・ケロネー、マイコバクテリウム・フォーチュイタム、マイコバクテリウム・ヘモフィリウム、マイコバクテリウム・カンサシ、マイコバクテリウム・レプラ、マイコバクテリウム・マリヌム、マイコバクテリウム・スクロフラセウム、マイコバクテリウム・スメグマチス、マイコバクテリウム・テラエ、マイコバクテリウム・ツベルクロシス、マイコバクテリウム・ウルセランス、ノカルジア種、ペプトコッカス・ニガー、ペプトストレプトコッカス種、プロピオニバクテリウム種、黄色ブドウ球菌、スタフィロコッカス・アウリクラリス、スタフィロコッカス・カピティス、スタフィロコッカス・コーニィ、表皮ブドウ球菌、スタフィロコッカス・ヘモリチカス、スタフィロコッカス・ホミニス、スタフィロコッカス・ルグダネンシス、スタフィロコッカス・サッカロリチクス、スタフィロコッカス・サプロフィチクス、スタフィロコッカス・シェレイフェリ、スタフィロコッカス・シミランス、スタフィロコッカス・ワルネリ、スタフィロコッカス・キシロサス、ストレプトコッカス・アガラクチエ（Ｂ群連鎖球菌）、ストレプトコッカス・アンギノサス、ストレプトコッカス・ボビス、ストレプトコッカス・カニス、ストレプトコッカス・エクイ、ストレプトコッカス・ミレリ、ストレプトコッカス・ミチオール、ストレプトコッカス・ミュータンス、肺炎連鎖球菌、ストレプトコッカス・ピオゲネス（Ａ群連鎖球菌）、ストレプトコッカス・サリバリウス、ストレプトコッカス・サングイスが挙げられる。
本明細書で用いられる用語「グラム陰性細菌」とは、それぞれの細菌細胞を取り囲む二重膜の存在を特徴とする細菌を指す。
代表的なグラム陰性細菌としては、アシネトバクター・カルコアセチクス、アクチノバチルス・アクチノミセテムコミタンス、アエロモナス・ヒドロフィラ、アルカリゲネス・キシロソキシダンス、バクテロイデス、バクテロイデス・フラギリス、バルトネラ・バシリホルミス、ボルデテラ種、ボレリア・ブルグドルフェリ、ブランハメラ・カタラリス、ブルセラ種、カンピロバクター種、肺炎クラミジア、クラミジア・プシタシ、クラミジア・トラコマチス、クロモバクテリウム・ビオラセウム、シトロバクター種、エイケネラ・コローデンス、エンテロバクター・アエロゲネス、大腸菌、フラボバクテリウム・メニンゴセプチカム、フソバクテリウム種、インフルエンザ菌、ヘモフィルス種、ヘリコバクター・ピロリ、クレブシエラ種、レジオネラ種、レプトスピラ種、モラクセラ・カタラリス、モルガネラ・モルガニィ、肺炎マイコプラズマ、ナイセリア・ゴノロア、ナイセリア・メニンギティディス、パスツレラ・ムルトシダ、プレシオモナス・シゲロイデス、プレボテラ種、プロテウス種、プロビデンシア・レトゲリ、シュードモナス・エルギノーサ、シュードモナス種、リケッチア・プロワゼキ、リケッチア・リケッチ、ロカリマカ種、サルモネラ種、サルモネラ・ティフィ、セラチア・マルセセンス、シゲラ種、トレポネマ・カラテウム、トレポネマ・パリダム、トレポネマ・パリダム・エンデミカム、トレポネマ・ペルテヌエ、ベイロネラ種、ビブリオ・コレラ、ビブリオ・ブルニフィクス、エルシニア・エンテロコリチカおよびエルシニア・ペスティスが挙げられる。
用語「非定型細菌」とは、古典的な「グラム」群の１つに入らない細菌を指す。典型的には、それらは細胞内細菌病原体である。それらのものとしては、限定されるものではないが、マイコプラズマ種、レジオネラ種、リケッチア種、およびクラミジア種が挙げられる。
本明細書で用いられる用語「非細菌疾患」とは、感染性細菌によって引き起こされない任意の疾患または状態を指す。
図３１を参照すれば、前記方法は、３１０で始まり、第１の曲面物体ＳのセグメントＳＲＯＩと、非曲面物体πとの第１の距離ｄが算出される３１１に続く。一般に、第１の曲面物体Ｓは、ｎ次元中の多様体であり、ここで、ｎは正の整数であり、非曲面物体πはｎ＋１次元空間中の超平面である。
ｎ次元多様体およびｎ＋１次元中の超平面の概念は、幾何学の当業者には周知である。例えば、ｎ＝１である場合、第１の曲面物体は曲線であり、非曲面物体πは２次元中の超平面、すなわち、軸を規定する直線である。ｎ＝２である場合、第１の曲面物体は曲面であり、非曲面物体πは３次元中の超平面、すなわち、以下で「平面」と呼ぶ、平坦な面である。
超平面πは、ｎ個の方向によって規定される。例えば、非曲面物体が軸である場合、それは単一の方向によって規定され、非曲面物体が平面である場合、それは第１の方向と第２の方向と呼ばれる２つの方向によって規定される。
多様体Ｓと超平面πとの距離は、超平面上の点Ｐで算出される。Ｐは、ｎ個の座標によって規定される。例えば、超平面が軸である場合、Ｐは単一の方向に沿って単一の座標δ１によって規定され、超平面が平面である場合、Ｐは（δ０，δ１）（ここで、δ０は「第１の座標」と呼ばれ、第１の方向に沿って規定され、δ１は「第２の座標」と呼ばれ、第２の方向に沿って規定される）で示される一対の座標によって規定される。別途明示的に記述されない限り、座標δ０に対する参照は、Ｓが面であり、πが平面である場合に企図される任意選択の実施形態を記載する。
方向が、これらのものがベクトルであることを示すために下線付きのギリシャ文字で示されること以外は、対応する座標と同じギリシャ文字を用いて示される。かくして、第１の方向はδ ０で示され、第２の方向はδ １で示される。
図３２Ａは、ｎ＝２の場合の超平面πを例示する。これらの実施形態においては、πは方向δ ０およびδ １によって規定される平面である。また、（δ０，δ１）での点Ｐも示される。方向δ ０およびδ １は、互いに直交的に示されるが、δ ０とδ １との間の角度は９０°とは異なっていてもよいため、これは必ずしもそうであるとは限らない。平面πの中に、方向δ ０に沿って最小の第１の座標δ０，ＭＩＮから最大の第１の座標δ０，ＭＡＸまで、および方向δ １に沿って最小の第２の座標δ１，ＭＩＮから最大の第２の座標δ１，ＭＡＸまで広がる目的の平面領域πＲＯＩが存在する。点Ｐは目的の領域πＲＯＩ内にある。ｎ＝１である場合（示さない）、πは軸であり、目的の領域πＲＯＩは方向δ １に沿ってδ１，ＭＩＮからδ１，ＭＡＸまで広がるπの線形セグメントである。
第１の距離ｄの算出は、超平面πおよび多様体Ｓを例示する図３２Ｂに例示される。距離ｄは、πに対して垂直に、Ｓから点Ｐまで測定される。それぞれの物体πおよびＳは１次元の線として例示されるが、Ｓおよびπは一般に、ｎ次元の数学的物体であるため、これは必ずしもそうであるとは限らないことが理解されるべきである。例えば、Ｓが面であり、πが平面である場合、πとＳは両方とも２次元の数学的物体である。ＳのセグメントＳＲＯＩは、目的の領域πＲＯＩの上にある。例えば、πが平面である場合、平面πＲＯＩは目的の平面領域であり、πが軸である場合、πＲＯＩは軸に沿った線形セグメントである。かくして、πＲＯＩは、πへのＳＲＯＩの投射である。ｎ＝２については、ＳＲＯＩは、好ましくは、（面）Ｓの非平面セグメントであり、ｎ＝１については、ＳＲＯＩは、好ましくは、（曲面）Ｓの曲面セグメントである。
ｎ座標はそれぞれ、ポリペプチドの発現値の結合によって規定される。例えば、ｎ＝１については、座標δ１は、ポリペプチドの発現値の結合によって規定され、ｎ＝２については、座標δ０およびδ１はそれぞれ、ポリペプチドの発現値の異なる結合によって規定される。
例えば、δ１および場合によりδ０も、以下の式：
δ０＝ａ０＋ａ１Ｄ１＋ａ２Ｄ２＋・・・＋φ０
δ１＝ｂ０＋ｂ１Ｄ１＋ｂ２Ｄ２＋・・・＋φ１
（式中、ａ０、ａ１、・・・およびｂ０、ｂ１、・・・は定数および所定の係数であり、変数Ｄ１、Ｄ２、・・・は１つのポリペプチドの発現レベルであり、φ０およびφ１は少なくとも１つの発現レベルに関して非線形である関数である）
に従う、ポリペプチドの結合である。
関数φ０およびφ１はそれぞれ、任意選択であり、独立に、ゼロに設定してもよい（または、同等に、対応する座標の算出に含まれない）。φ０＝０である場合、座標δ０はポリペプチドの結合であり、φ１＝０である場合、座標δ１はポリペプチドの結合である。
非線形関数φ０およびφ１は、場合により、好ましくは、例えば、以下の式：
φ０＝ΣｉｑｉＸｉ γｉ
φ１＝ΣｉｒｉＸｉ λｉ
（式中、ｉは総和指数であり、ｑｉおよびｒｉは係数のセット、Ｘｉ∈｛Ｄ１，Ｄ２，・・・｝であり、γｉおよびλｉはそれぞれ指数である）
に従って、発現レベルのベキの和として表すことができる。それぞれの非線形関数φ０およびφ１における項の数はポリペプチドの数に等しいとは限らず、それぞれの和における２つ以上の項は、指数が異なっていても、同じポリペプチドに対応してもよいことに留意されたい。
本実施形態にとって好適な係数の代表例は、以下の実施例のセクションに提供される（表３、表１３〜１７、表２９および表３１〜３６を参照されたい）。
φ０＝０、φ１＝０であり、ポリペプチドがＴＲＡＩＬを含む場合、δ０は場合により、好ましくは、ＴＲＡＩＬの発現値の増加関数であり、δ１はＴＲＡＩＬの減少関数である。φ０＝０、φ１＝０であり、ポリペプチドがＣＲＰを含む場合、δ１および場合により、δ０も、場合により、好ましくは、ＣＲＰの発現値の増加関数である。ポリペプチドがＩＰ−１０を含む場合、δ１および場合により、δ０も、場合により、好ましくは、ＩＰ−１０の発現値の増加関数である。
φ０＝０、φ１＝０であり、ポリペプチドがＴＲＡＩＬ、ＣＲＰおよびＩＰ−１０を含む実施形態においては、δ０およびδ１はそれぞれ、以下の式：
δ０＝ａ０＋ａ１Ｃ＋ａ２Ｉ＋ａ３Ｔ
δ１＝ｂ０＋ｂ１Ｃ＋ｂ２Ｉ＋ｂ３Ｔ
（式中、Ｃ、ＩおよびＴは、それぞれ、ＣＲＰ、ＩＰ−１０およびＴＲＡＩＬの発現レベルである）
に従う、ＴＲＡＩＬ、ＣＲＰおよびＩＰ−１０の線形結合であってもよい。
好ましくは、ａ１とｂ１は両方とも正である。好ましくは、ａ２とｂ２は両方とも正である。
好ましくは、ａ３は正であり、ｂ３は負である。結合が線形結合であり、ポリペプチドがＣＲＰ、ＩＰ−１０およびＴＲＡＩＬである実施形態にとって好適な係数の代表例は、以下の実施例のセクションに提供される（表３、表１３〜１７および表３３を参照されたい）。
φ０≠０、φ１≠０であり、ポリペプチドがＴＲＡＩＬ、ＣＲＰおよびＩＰ−１０を含む実施形態においては、δ０およびδ１はそれぞれ、以下の式：
δ０＝ａ０＋ａ１Ｃ＋ａ２Ｉ＋ａ３Ｔ＋φ０
δ１＝ｂ０＋ｂ１Ｃ＋ｂ２Ｉ＋ｂ３Ｔ＋φ１
（式中、φ０およびφ１はそれぞれ、Ｃ、ＩおよびＴのうちの少なくとも１つまたは少なくとも２つの非線形関数である）
に従う、ＴＲＡＩＬ、ＣＲＰおよびＩＰ−１０の結合であってもよい。代表例として、φ０およびφ１を、
φ０＝ｑ１Ｃγ１＋ｑ２Ｃγ２＋ｑ３Ｔγ３
φ１＝ｒ１Ｃγ１＋ｒ２Ｃγ２＋ｒ３Ｔγ３
と表すことができる。
ポリペプチドがＣＲＰ、ＩＰ−１０およびＴＲＡＩＬであり、非線形関数がゼロに取られない実施形態にとって好適な係数の代表例は、以下の実施例のセクションに提供される（表３６を参照されたい）。
πＲＯＩの境界δ０，ＭＩＮ、δ０，ＭＡＸ、δ１，ＭＩＮおよびδ１，ＭＡＸは、好ましくは、ポリペプチドの発現値の生理的に可能な範囲に対応する。
以下の実施例８、より好ましくは、実施例９に記載されるプロトコールを用いて測定される場合、生理的に可能な範囲は、典型的には、０〜約４００μｇ／ｍｌ（ＣＲＰ）、０〜約３０００ｐｇ／ｍｌ（ＩＰ−１０）、および０〜約７００ｐｇ／ｍｌ（ＴＲＡＩＬ）である。いくらかの対象は、これらの範囲の外側にある濃度を示してもよい。本発明の様々な例示的実施形態においては、ＴＲＡＩＬ、ＣＲＰおよびＩＰ−１０の発現値が以下の実施例８、より好ましくは、実施例９に記載されるプロトコールに従って測定される場合、係数ａ０、・・・ａ３およびｂ０、・・・ｂ３の値は以下の表３から取られ、πＲＯＩの境界は、δ０，ＭＩＮ＝−１．３、δ０，ＭＡＸ＝４５、δ１，ＭＩＮ＝−１４．３およびδ１，ＭＡＸ＝４９．６である。
ＴＲＡＩＬ、ＣＲＰおよびＩＰ−１０の発現値を、以下の実施例８、より好ましくは、実施例９に記載されるプロトコールとは異なるプロトコールによって測定する場合、係数ａ０、・・・ａ３およびｂ０、・・・ｂ３の値は、以下の表３中の値とは異なり、従って、πＲＯＩの境界も上記値と異なる。そのような場合、係数と境界の値は、上記の値と相関し、それぞれの係数および境界に関する相関は、実施例８、より好ましくは、実施例９に記載されるプロトコールに従って測定される対応するタンパク質の発現値と、実際に測定される対応するタンパク質の発現値との相関に由来する。
曲面物体ＳのセグメントＳＲＯＩの少なくとも主要部分は、下限曲面物体ＳＬＢおよび上限曲面物体ＳＵＢと以下で呼ばれる２つの曲面物体の間にある。
本明細書で用いられる場合、「セグメントＳＲＯＩの主要部分」とは、長さ（ｎ＝１の場合）、表面積（ｎ＝２の場合）または体積（ｎ≧３の場合）が、それぞれ、ＳＲＯＩの平滑型の長さ、表面積または体積の６０％または７０％または８０％または９０％または９５％または９９％である平滑型のＳＲＯＩの部分を指す。
本明細書で用いられる場合、「平滑型のセグメントＳＲＯＩ」とは、ガウス曲率が、ＳＲＯＩの中央曲率のＸ倍であり、Ｘが１．５または２または４または８である曲率閾値より上である点の近くのＳＲＯＩの領域を含まない、セグメントＳＲＯＩを指す。
セグメントＳＲＯＩの主要部分がＳＬＢとＳＵＢとの間にあるかどうかを決定するために、以下の手順を用いることができる。第１に、平滑型のセグメントＳＲＯＩを得る。第２に、平滑型のセグメントＳＲＯＩの長さ（ｎ＝１の場合）、表面積（ｎ＝２の場合）または体積（ｎ≧３の場合）Ａ１を算出する。第３に、ＳＬＢとＳＵＢとの間にある平滑型のセグメントＳＲＯＩの部分の長さ（ｎ＝１の場合）、表面積（ｎ＝２の場合）または体積（ｎ≧３の場合）Ａ２を算出する。第４に、Ａ１に対するＡ２のパーセンテージを算出する。
図３３Ａ〜Ｄは、平滑型のＳＲＯＩを得るための手順を例示する。
提示を明確にするために、ＳＲＯＩを１次元のセグメントとして例示するが、当業者であれば、ＳＲＯＩが一般にｎ次元の数学的物体であることを理解できるであろう。ガウス曲率を、十分な数のＳＲＯＩ上のサンプリングされる点について算出する。例えば、多様体がポイントクラウドとして表される場合、ガウス曲率を、ポイントクラウド中の点について算出することができる。次いで、ガウス曲率の中央値を取得し、得られた中央値に係数Ｘを掛けることによって、曲率閾値を算出する。図３３Ａは、平滑化操作の前のＳＲＯＩを例示する。印は、ガウス曲率が曲率閾値より上である１つまたは複数の点３２２を有する領域３２０である。ガウス曲率が領域３２０内で最大となる点または複数の点を除去し、例えば、多項式補間により、領域３２０を平滑に内挿する（図３３Ｂ）。セグメントＳＲＯＩが、ガウス曲率が曲率閾値より上である領域を含有しなくなるまで（図３３Ｄ）、除去および内挿を反復的に繰り返す（図３３Ｃ）。
ｎ＝１である場合（すなわち、Ｓが曲線である場合）、ＳＬＢは下限曲線であり、ＳＵＢは上限曲線である。これらの実施形態において、ＳＬＢおよびＳＵＢを、式：
ＳＬＢ＝ｆ（δ１）−ε０、
ＳＵＢ＝ｆ（δ１）＋ε１
（式中、ｆ（δ１）は（方向δ １ に沿った）座標δ１の確率分類関数であり、試験対象が細菌感染を有する尤度を表す）
で書くことができる。本発明のいくつかの実施形態においては、ｆ（δ１）＝１／（１＋ｅｘｐ（δ１））である。ＳＬＢとＳＵＢは両方とも、πＲＯＩ内でδ１の任意の値について正である。また、ｆ（δ１）が、試験対象がウイルス感染を有する尤度を表す確率分類関数である実施形態も企図される。さらに、ｆ（δ１）が、試験対象が感染を有する尤度を表す確率分類関数である実施形態が企図される。
ｎ＝２である場合（すなわち、Ｓが曲面である場合）、ＳＬＢは下限曲面であり、ＳＵＢは上限曲面である。これらの実施形態においては、ＳＬＢおよびＳＵＢを、式：
ＳＬＢ＝ｆ（δ０，δ１）−ε０、
ＳＵＢ＝ｆ（δ０，δ１）＋ε１
（式中、ｆ（δ０，δ１）は、（第１および第２の方向に沿った）第１および第２の座標の確率分類関数であり、試験対象が細菌感染を有する尤度を表す）
で書くことができる。本発明のいくつかの実施形態においては、ｆ（δ０，δ１）＝ｅｘｐ（δ１）／（１＋ｅｘｐ（δ０）＋ｅｘｐ（δ１））である。ＳＬＢとＳＵＢは両方とも、πＲＯＩ内でδ０およびδ１の任意の値について正である。
上記実施形態のいずれかにおいて、パラメータε０およびε１はそれぞれ、０．５未満または０．４未満または０．３未満または０．２未満または０．１未満または０．０５未満である。
再度、図３１を参照すれば、前記方法は、算出された距離ｄを、確率関数ｆの型に応じた疾患または状態の存在、非存在、または対象が疾患または状態を有する尤度と相関付ける３１２に進行する。例えば、確率関数ｆが、試験対象が細菌感染を有する尤度を表す場合、算出された距離ｄを、細菌感染の存在、非存在、または対象が細菌感染を有する尤度と相関付ける。
本発明の様々な例示的実施形態において、相関は、距離ｄが、対象が細菌感染を有する尤度であることを決定することを含む。尤度は、場合により、好ましくは、所定の閾値ωＢと比較され、ここで、前記方法は、尤度がωＢより上である場合、対象が細菌感染を有する可能性があると決定し、そうでなければ対象が細菌感染を有する可能性はないと決定することができる。ωＢの典型的な値としては、限定されるものではないが、約０．２、約０．３、約０．４、約０．５、約０．６および約０．７が挙げられる。他の尤度閾値も企図される。
本発明のいくつかの実施形態においては、前記方法が、対象が細菌感染を有する可能性があると決定する場合、対象は、本明細書でさらに詳述されるように、細菌感染について処置される（３１６）。
本発明者らは、試験対象がウイルス感染を有する尤度を表す確率分類関数ｇ（δ０，δ１）を見出した。本発明の様々な例示的実施形態においては、ｇ（δ０，δ１）はｅｘｐ（δ０）／（１＋ｅｘｐ（δ０）＋ｅｘｐ（δ１））に等しい。
関数ｇは、本発明のいくつかの実施形態によれば、ウイルス感染の存在、非存在、または対象がウイルス感染を有する尤度を見積もるために用いることもできる。かくして、いくつかの実施形態においては、前記方法は、第２の曲面のセグメントと平面πとの間の第２の距離を算出する３１３に進行し、３１４で、第２の距離を、ウイルス感染の存在、非存在、または対象がウイルス感染を有する尤度と相関付ける。３１３および３１４に対応する手順および定義は、変更すべきところは変更して、上記の３１１および３１２に対応する手順および定義と類似する。かくして、例えば、第２の面のセグメントの主要部分は、第２の下限面ｇ（δ０，δ１）−ε２と、第２の上限面ｇ（δ０，δ１）＋ε３との間にあり、ここで、ε２およびε３はそれぞれ、０．５未満または０．４未満または０．３未満または０．２未満または０．１未満または０．０５未満である。
本発明のいくつかの実施形態においては、前記方法が、対象がウイルス感染を有する可能性があると決定する場合、対象は、以下でさらに詳述されるように、ウイルス感染について処置される（３１６）。
本発明の様々な例示的実施形態においては、相関は、第２の距離が、対象がウイルス感染を有する尤度であることを決定することを含む。尤度は、場合により、好ましくは、所定の閾値ωＶと比較され、ここで、前記方法は、尤度がωＶより上である場合、対象がウイルス感染を有する可能性があり、そうでなければ対象がウイルス感染を有する可能性がないと決定することができる。ωＶの典型的な値としては、限定されるものではないが、約０．５、約０．６、約０．７および約０．８が挙げられる。他の尤度閾値も企図される。
操作３１３および３１４を実行する実施形態においては、操作３１１および３１２は、実行しても、または実行しなくてもよい。例えば、本実施形態は、操作３１１および３１２が実行されない手順を企図し、前記方法は、第１の距離を算出することなく、また、第１の距離を、細菌感染の存在、非存在、または対象が細菌感染を有する尤度と相関付けることなく、対象がウイルス感染を有する尤度を決定する。
あるいは、全ての操作３１１〜３１４を実行してもよく、３１１および３１２を、３１４の結果とは無関係に実行し、３１３および３１４を、３１２の結果とは無関係に実行する。これらの実施形態においては、前記方法は、場合により、好ましくは、対象が細菌感染を有する尤度と、対象がウイルス感染を有する尤度との両方を決定する。これらの尤度のそれぞれを、対応する所定の閾値（ωＢまたはωＶ）と比較することができる。それぞれの尤度が対応する閾値より下である場合、前記方法は、患者が非細菌および非ウイルス感染症を有する可能性があると決定することができる。例えば、前記方法は、対象が非感染症、真菌症または寄生虫症を有する可能性があると決定することができる。
さらにあるいは、いくつかの操作が実行されるかどうかは、１つまたは複数の他の操作の結果に依存する。例えば、前記方法は、対象が細菌感染を有する尤度を決定するために、３１１および３１２を実行することができる。その後、決定された尤度を、閾値ωＢと比較する。前記方法は、決定された尤度がωＢよりも上である場合、３１３および３１４の実行をスキップし、そうでなければ、３１３および３１４を実行する。これらの実施形態の別の例は、対象がウイルス感染を有する尤度を決定するために、前記方法が３１３および３１４を実行する手順である。その後、決定された尤度を、閾値ωＶと比較する。前記方法は、決定された尤度がωＶよりも上である場合、３１１および３１２の実行をスキップし、そうでなければ３１１および３１２を実行する。
前記方法は、場合により、好ましくは、尤度の出力が生成される３１５に続く。出力を、テキストとして、および／またはグラフで、および／またはカラーインデックスを用いて提示することができる。出力は、場合により、閾値ωＢとの比較の結果を含んでもよい。図２９Ａ〜Ｆおよび図３８Ａ〜Ｅは、本発明の実施形態に従って細菌感染と非細菌感染とを識別するのに好適な例示的出力を例示する。
前記方法は、３１７で終了する。
図３８Ａ〜Ｅは、本発明のいくつかの実施形態による生物学的データを分析するためのコンピュータに実装された方法においてユーザー入力を受信するのに好適なグラフィカルユーザーインタフェース（ＧＵＩ）のスクリーンショットである。
ＧＵＩは、ボタン制御の形態にあってもよい算出活性化制御３９０を含む。ＧＵＩはまた、それぞれの発現値入力フィールドが、対象の血液中のポリペプチドの発現値を、ユーザーから受信するように構成される、複数の発現値入力フィールド３８０を含んでもよい。ユーザーは、入力フィールドに、ポリペプチドの発現値を供給する。あるいは、発現値を、コンピュータと、発現値を測定する外部装置（示さない）との間の通信を確立することによって受信することができる。これらの実施形態においては、ユーザーが手動で発現値を入力フィールドに供給する必要はない。いくつかの実施形態においては、ＧＵＩは、例えば、ボタン制御の形態の通信制御３９２を含み、外部装置との通信はユーザーによる通信制御の活性化に応答する。
ユーザーによる制御３９０の活性化に応答して、コンピュータは、自動的に、またはフィールド３８０を介して受信される発現値に基づくスコアを算出する。そのスコアは、対象が細菌感染および／またはウイルス感染を有する尤度であってもよい。例えば、曲面と、上記でさらに詳述された２つの方向によって規定される平面との間の距離を算出することによって、スコアを算出することができる。
グラフ尺度３８２を、ＧＵＩ上で生成することができる。グラフ尺度は、ウイルス感染に対応すると同定された第１の末端と、細菌感染に対応すると同定された第２の末端とを含んでもよい。
一度、スコアが算出されたら、マーク３９４は、場合により、好ましくは、算出された尤度に対応する位置でグラフ３８２上に作製することができる。図３８Ａは、値を入力フィールドに供給した前のＧＵＩを示し、図３８Ｂは、感染が細菌である９６％の尤度に対応する位置での尺度３８２上のマーク３９４を示し、図３８Ｃは、感染が細菌である１％の尤度（または、同等に、感染がウイルスである９９％の尤度）に対応する位置での尺度３８２上のマーク３９４を示す。場合により、ＧＵＩはまた、数値として算出されたスコアを表示する。
ＧＵＩは場合により、好ましくは、ボタン制御の形態にあってもよい、１つまたは複数のさらなる制御３８６、３８８を含む。例えば、制御３８８は、コンピュータに、ユーザーが制御３８８を活性化する時に入力フィールド３８０を消去するよう指示することができる。これにより、ユーザーは異なる試料に対応する値を供給することができる。いくつかの実施形態においては、ＧＵＩはまた、以前の試料の結果をまとめる出力３８４を生成する。制御３８６は、コンピュータに、ユーザーが制御３８６を活性化する時に入力フィールド３８０ならびに出力３８４を消去するよう指示することができる。これにより、ユーザーは、ＧＵＩからログアウトすることなく新しい実行（場合により、複数の試料を用いる）を開始することができる。
本実施形態にとって好適なプロトコールの代表例は、以下の通りである。
ＧＵＩは、認証されたユーザーに、該ユーザーが実験の品質制御（ＱＣ）値を供給することができるダイアログを提示する。ＱＣは検証され、図３８Ａ中のＧＵＩが生成される。ユーザーはフィールド３８０に発現値を供給し、制御３９０を活性化して、結果を受信する（例えば、図３８Ｂおよび図３８Ｃ）。別の血液試料の発現値を供給するために、ユーザーは制御３８８を活性化する。各試料の結果を、例えば、表の形態にあってもよい出力３８４に加える。ソフトウェアを閉じるか、またはログアウトすることなく新しい実験を入力するために、ユーザーは、制御３８６を活性化して、出力３８４を消去し、新しいＱＣ値を入力する。好ましくは、全ての操作を、１つまたは複数のログファイルに記録する。
本発明のいくつかの実施形態においては、ＧＵＩはまた、例えば、日付に基づく要求に応答して、以前の実験の結果を表示するレポートスクリーン（図３８Ｄおよび図３８Ｅ）を含む。
本明細書に提供されるポリペプチド名は、例として与えられることが理解される。多くの代替名、別名、改変、アイソフォームおよび変化が、当業者には明らかである。従って、全ての代替タンパク質名、別名、改変、アイソフォームおよび変化を包含することが意図される。
遺伝子産物は、国際Ｈｕｍａｎ Ｇｅｎｏｍｅ Ｏｒｇａｎｉｚａｔｉｏｎ Ｎａｍｉｎｇ Ｃｏｍｍｉｔｔｅｅ（ＨＧＮＣ）により割り当てられ、Ｅｎｔｒｅｚ Ｇｅｎｅとしても知られる、ＵＳ Ｎａｔｉｏｎａｌ Ｃｅｎｔｅｒ ｆｏｒ Ｂｉｏｔｅｃｈｎｏｌｏｇｙ Ｉｎｆｏｒｍａｔｉｏｎ（ＮＣＢＩ）のウェブサイトに本出願の出願日に列挙された公式文字省略形または遺伝子記号に基づいて同定される。
ＴＲＡＩＬ：この遺伝子によりコードされるタンパク質、ＴＮＦ関連アポトーシス誘導リガンド（ＴＲＡＩＬ）は、腫瘍壊死因子（ＴＮＦ）リガンドファミリーに属するサイトカインである。この遺伝子のさらなる名称としては、限定されるものではないが、ＡＰＯ２Ｌ、ＴＮＦ関連アポトーシス誘導リガンド、ＴＮＦＳＦ１０およびＣＤ２５３が挙げられる。ＴＲＡＩＬは、膜結合型と可溶型で存在し、それらは両方とも形質転換された腫瘍細胞などの様々な細胞においてアポトーシスを誘導することができる。このタンパク質は、ＴＮＦＲＳＦ１０Ａ／ＴＲＡＩＬＲ１、ＮＦＲＳＦ１０Ｂ／ＴＲＡＩＬＲ２、ＮＦＲＳＦ１０Ｃ／ＴＲＡＩＬＲ３、ＴＮＦＲＳＦ１０Ｄ／ＴＲＡＩＬＲ４などのＴＮＦ受容体スーパーファミリーのいくつかのメンバーに、およびおそらくはＮＦＲＳＦ１１Ｂ／ＯＰＧにも結合する。このタンパク質の活性を、アポトーシスを誘導することができないＮＦＲＳＦ１０Ｃ／ＴＲＡＩＬＲ３、ＴＮＦＲＳＦ１０Ｄ／ＴＲＡＩＬＲ４、およびＮＦＲＳＦ１１Ｂ／ＯＰＧなどのデコイ受容体に結合させることにより調節することができる。このタンパク質のその受容体への結合は、ＭＡＰＫ８／ＪＮＫ、キャスパーゼ８、およびキャスパーゼ３の活性化を誘発することが示されている。異なるアイソフォームをコードする選択的にスプライスされた転写物変異体が、この遺伝子について見出されている。ＴＲＡＩＬを細胞表面からタンパク質分解的に切断して、ホモ三量体構造を有する可溶性形態を生成することができる。
特定の実施形態によれば、可溶型（すなわち、分泌型）のＴＲＡＩＬのレベルが測定される。
別の実施形態によれば、膜型のＴＲＡＩＬが測定される。
さらに別の実施形態によれば、膜型のＴＲＡＩＬと分泌型のＴＲＡＩＬの両方が測定される。
本発明の別の態様によれば、濃度が感染型を示す、可溶性ＴＲＡＩＬおよび不溶性ＴＲＡＩＬの濃度を測定することを含む、対象における感染型を決定する方法が提供される。
一実施形態においては、可溶性ＴＲＡＩＬの濃度が所定の閾値よりも高い場合、その対象について細菌感染が除外される。
別の実施形態においては、可溶性ＴＲＡＩＬの濃度が所定の閾値よりも高い場合、その対象についてウイルス感染が包含される。
可溶性ＴＲＡＩＬの例示的なタンパク質配列は、配列番号３７および配列番号３８に記載される。
膜型ヒトＴＲＡＩＬの例示的なｍＲＮＡ配列は、配列番号１に記載される。
膜型ヒトＴＲＡＩＬの例示的なアミノ酸配列は、配列番号４に記載される。
ＴＲＡＩＬに関する他の例示的なｃＤＮＡおよびアミノ酸配列は、配列番号２、３および５〜８に記載される。
ＩＰ１０：この遺伝子は、ＣＸＣサブファミリーのケモカインおよび受容体ＣＸＣＲ３のためのリガンドをコードする。このタンパク質のＣＸＣＲ３への結合は、単球、ナチュラルキラーおよびＴ細胞移動の刺激、ならびに接着分子発現の調節などの多面的効果をもたらす。さらなる遺伝子名としては、限定されるものではないが、ＩＰ−１０、ＣＸＣＬ１０、ガンマ−ＩＰ１０、ＩＮＰ１０およびケモカイン（Ｃ−Ｘ−Ｃモチーフ）リガンド１０が挙げられる。
ヒトＩＰ１０の例示的なｃＤＮＡ配列は、配列番号９〜１２に記載される。ヒトＩＰ１０の例示的なアミノ酸配列は、配列番号１３に記載される。
ＣＲＰ：Ｃ反応性タンパク質；ＣＲＰのさらなる別名としては、限定されるものではないが、ＲＰ１１−４１９Ｎ１０．４およびＰＴＸ１が挙げられる。この遺伝子によりコードされるタンパク質は、ペンタキシンファミリーに属する。それは、外来病原体および宿主の損傷した細胞を認識し、血液中の体液性および細胞性エフェクター系と相互作用することによってその排除を開始する能力に基づくいくつかの宿主防御関連機能に関与する。結果として、血漿中のこのタンパク質のレベルは、組織損傷、感染、または他の炎症刺激に対する急性期応答の間に大きく増加する。ＣＲＰは、宿主防御と関連するいくつかの機能を示す：それは凝集、細菌莢膜膨化、食作用およびホスホリルコリンへのカルシウム依存的結合による補体固定を促進する。
ヒトＣＲＰの例示的なｃＤＮＡ配列は、配列番号１４〜１６に記載される。
ヒトＣＲＰの例示的なアミノ酸配列は、配列番号１７に記載される。
ＩＬ１ＲＡ：この遺伝子によりコードされるタンパク質は、インターロイキン１受容体ファミリーに属するサイトカイン受容体である。このタンパク質は、インターロイキンアルファ（ＩＬ１Ａ）、インターロイキンベータ（ＩＬ１Ｂ）、およびインターロイキン１受容体Ｉ型（ＩＬ１Ｒ１／ＩＬ１ＲＡ）のための受容体である。それは、多くのサイトカインにより誘導される免疫応答および炎症応答に関与する重要なメディエータである。この遺伝子のさらなる名称としては、限定されるものではないが、ＣＤ１２１Ａ、ＩＬ−１ＲＴ１、ｐ８０、ＣＤ１２１ａ抗原、ＣＤ１２１Ａ、ＩＬ１ＲおよびＩＬ１ｒａが挙げられる。
ヒトＩＬ１ＲＡの例示的なｃＤＮＡ配列は、配列番号１８、１９および２０に記載される。
ヒトＩＬ１ＲＡの例示的なアミノ酸配列は、配列番号２１〜２４に記載される。
ＰＣＴ：プロカルシトニン（ＰＣＴ）は、ホルモンカルシトニンのペプチド前駆体であり、後者はカルシウム恒常性に関与する。プロカルシトニン（「ｐＣＴ」）は、１１６個のアミノ酸からなり、約１３，０００ダルトンの分子量を有するタンパク質である。それは正常な代謝条件下で、甲状腺のＣ細胞によって産生および分泌されるカルシトニンのプロホルモンである。ｐＣＴおよびカルシトニン合成は、１４１個のアミノ酸を含む前駆体ペプチドであるプレプロカルシトニン（「プレ−ｐＣＴ」）の翻訳によって開始される。ヒトプレ−ｐＣＴのアミノ酸配列は、非特許文献４によって記載された。ｐＣＴは、シグナルペプチド（プレ−ｐＣＴの最初の２５アミノ酸）の切断後に形成される。
ヒトＰＣＴの例示的なｃＤＮＡ配列は、配列番号３１〜３２に記載される。
ヒトＰＣＴの例示的なアミノ酸配列は、配列番号３３〜３６に記載される。
ＳＡＡ：アポリポタンパク質の血清アミロイドＡファミリーのメンバーをコードする。コードされるタンパク質は、炎症および組織損傷に応答して高度に発現される主要な急性期タンパク質である。このタンパク質はまた、ＨＤＬ代謝およびコレステロール恒常性においても重要な役割を果たす。高レベルのこのタンパク質は、アテローム性動脈硬化症、関節リウマチ、アルツハイマー病およびクローン病などの慢性炎症疾患と関連する。このタンパク質はまた、特定の腫瘍のための潜在的なバイオマーカーであってもよい。選択的スプライシングは、同じタンパク質をコードする複数の転写物変異体をもたらす。
ヒトＳＡＡの例示的なｃＤＮＡ配列は、配列番号２５〜２７に記載される。
ヒトＳＡＡの例示的なアミノ酸配列は、配列番号２８〜３０に記載される。
患者間ＤＮＡ変動はタンパク質のアミノ酸配列中の相違を引き起こし得るＳＮＰを生じ得るため、本発明者らは上記で提供された配列と少なくとも９０％、９５％または９９％相同なアミノ酸配列を有するタンパク質も企図することが理解される。
ポリペプチド（例えば、ＴＲＡＩＬ、ＩＰ−１０およびＣＲＰ）レベルの測定は、典型的には、以下にさらに記載されるようにタンパク質レベルで行われる。
タンパク質の発現および／または活性を検出する方法
本発明のいくつかの実施形態の培養物の細胞中で発現されるタンパク質の発現および／または活性レベルを、当業界で公知であり、典型的には、抗体の使用を含む方法を用いて決定することができる。そのような方法を、免疫アッセイと呼ぶことができる。免疫アッセイは、アッセイにおける異なる点で添加される、洗浄除去されるか、または分離される試薬を用いる複数のステップで実行することができる。複数ステップアッセイは、分離免疫アッセイまたは異種免疫アッセイと呼ばれることが多い。いくつかの免疫アッセイを、単に、試薬と試料とを混合し、物理的測定を行うことによって実行することができる。そのようなアッセイは、均一免疫アッセイまたは低頻度非分離免役アッセイと呼ばれる。免疫アッセイにおいては、較正因子の使用が用いられることが多い。較正因子は、問題の分析物を含有することが公知であり、その分析物の濃度が一般に公知である溶液である。較正因子により産生されるアッセイの応答に対する、現実の試料に対するアッセイの応答の比較により、試料中の分析物の存在または濃度に関してシグナル強度を解釈することができる。
抗体は、モノクローナル、ポリクローナル、キメラ、または前記の断片であってもよく、反応生成物を検出するステップを、任意の好適な免疫アッセイを用いて実行することができる。
ポリペプチドの検出のための抗体の好適な供給源としては、例えば、Ａｂａｚｙｍｅ、Ａｂｎｏｖａ、ＡｓｓａｙＰｒｏ、Ａｆｆｉｎｉｔｙ Ｂｉｏｌｏｇｉｃａｌｓ、ＡｎｔｉｂｏｄｙＳｈｏｐ、Ａｖｉｖａ ｂｉｏｓｃｉｅｎｃｅ、Ｂｉｏｇｅｎｅｓｉｓ、Ｂｉｏｓｅｎｓｅ Ｌａｂｏｒａｔｏｒｉｅｓ、Ｃａｌｂｉｏｃｈｅｍ、Ｃｅｌｌ Ｓｃｉｅｎｃｅｓ、Ｃｈｅｍｉｃｏｎ Ｉｎｔｅｒｎａｔｉｏｎａｌ、Ｃｈｅｍｏｋｉｎｅ、Ｃｌｏｎｔｅｃｈ、Ｃｙｔｏｌａｂ、ＤＡＫＯ、Ｄｉａｇｎｏｓｔｉｃ ＢｉｏＳｙｓｔｅｍｓ、ｅＢｉｏｓｃｉｅｎｃｅ、Ｅｎｄｏｃｒｉｎｅ Ｔｅｃｈｎｏｌｏｇｉｅｓ、Ｅｎｚｏ Ｂｉｏｃｈｅｍ、Ｅｕｒｏｇｅｎｔｅｃ、Ｆｕｓｉｏｎ Ａｎｔｉｂｏｄｉｅｓ、Ｇｅｎｅｓｉｓ Ｂｉｏｔｅｃｈ、ＧｌｏｂｏＺｙｍｅｓ、Ｈａｅｍａｔｏｌｏｇｉｃ Ｔｅｃｈｎｏｌｏｇｉｅｓ、Ｉｍｍｕｎｏｄｅｔｅｃｔ、Ｉｍｍｕｎｏｄｉａｇｎｏｓｔｉｋ、Ｉｍｍｕｎｏｍｅｔｒｉｃｓ、Ｉｍｍｕｎｏｓｔａｒ、Ｉｍｍｕｎｏｖｉｓｉｏｎ、Ｂｉｏｇｅｎｅｘ、Ｉｎｖｉｔｒｏｇｅｎ、Ｊａｃｋｓｏｎ ＩｍｍｕｎｏＲｅｓｅａｒｃｈ Ｌａｂｏｒａｔｏｒｙ、ＫＭＩ Ｄｉａｇｎｏｓｔｉｃｓ、Ｋｏｍａ Ｂｉｏｔｅｃｈ、ＬａｂＦｒｏｎｔｉｅｒ Ｌｉｆｅ Ｓｃｉｅｎｃｅ Ｉｎｓｔｉｔｕｔｅ、Ｌｅｅ Ｌａｂｏｒａｔｏｒｉｅｓ、Ｌｉｆｅｓｃｒｅｅｎ、Ｍａｉｎｅ Ｂｉｏｔｅｃｈｎｏｌｏｇｙ Ｓｅｒｖｉｃｅｓ、Ｍｅｄｉｃｌｏｎｅ、ＭｉｃｒｏＰｈａｒｍ Ｌｔｄ．、ＭｏｄｉＱｕｅｓｔ、Ｍｏｌｅｃｕｌａｒ Ｉｎｎｏｖａｔｉｏｎｓ、Ｍｏｌｅｃｕｌａｒ Ｐｒｏｂｅｓ、Ｎｅｏｃｌｏｎｅ、Ｎｅｕｒｏｍｉｃｓ、Ｎｅｗ Ｅｎｇｌａｎｄ Ｂｉｏｌａｂｓ、Ｎｏｖｏｃａｓｔｒａ、Ｎｏｖｕｓ Ｂｉｏｌｏｇｉｃａｌｓ、Ｏｎｃｏｇｅｎｅ Ｒｅｓｅａｒｃｈ Ｐｒｏｄｕｃｔｓ、Ｏｒｂｉｇｅｎ、Ｏｘｆｏｒｄ Ｂｉｏｔｅｃｈｎｏｌｏｇｙ、Ｐａｎｖｅｒａ、ＰｅｒｋｉｎＥｌｍｅｒ Ｌｉｆｅ Ｓｃｉｅｎｃｅｓ、Ｐｈａｒｍｉｎｇｅｎ、Ｐｈｏｅｎｉｘ Ｐｈａｒｍａｃｅｕｔｉｃａｌｓ、Ｐｉｅｒｃｅ Ｃｈｅｍｉｃａｌ Ｃｏｍｐａｎｙ、Ｐｏｌｙｍｕｎ Ｓｃｉｅｎｔｉｆｉｃ、Ｐｏｌｙｓｉｅｎｃｅｓ、Ｉｎｃ．、Ｐｒｏｍｅｇａ Ｃｏｒｐｏｒａｔｉｏｎ、Ｐｒｏｔｅｏｇｅｎｉｘ、Ｐｒｏｔｏｓ Ｉｍｍｕｎｏｒｅｓｅａｒｃｈ、ＱＥＤ Ｂｉｏｓｃｉｅｎｃｅｓ、Ｉｎｃ．、Ｒ＆Ｄ Ｓｙｓｔｅｍｓ、Ｒｅｐｌｉｇｅｎ、Ｒｅｓｅａｒｃｈ Ｄｉａｇｎｏｓｔｉｃｓ、Ｒｏｂｏｓｃｒｅｅｎ、Ｓａｎｔａ Ｃｒｕｚ Ｂｉｏｔｅｃｈｎｏｌｏｇｙ、Ｓｅｉｋａｇａｋｕ Ａｍｅｒｉｃａ、Ｓｅｒｏｌｏｇｉｃａｌ Ｃｏｒｐｏｒａｔｉｏｎ、Ｓｅｒｏｔｅｃ、ＳｉｇｍａＡｌｄｒｉｃｈ、ＳｔｅｍＣｅｌｌ Ｔｅｃｈｎｏｌｏｇｉｅｓ、Ｓｙｎａｐｔｉｃ Ｓｙｓｔｅｍｓ ＧｍｂＨ、Ｔｅｃｈｎｏｐｈａｒｍ、Ｔｅｒｒａ Ｎｏｖａ Ｂｉｏｔｅｃｈｎｏｌｏｇｙ、ＴｉｔｅｒＭａｘ、Ｔｒｉｌｌｉｕｍ Ｄｉａｇｎｏｓｔｉｃｓ、Ｕｐｓｔａｔｅ Ｂｉｏｔｅｃｈｎｏｌｏｇｙ、ＵＳ Ｂｉｏｌｏｇｉｃａｌ、Ｖｅｃｔｏｒ Ｌａｂｏｒａｔｏｒｉｅｓ、Ｗａｋｏ Ｐｕｒｅ Ｃｈｅｍｉｃａｌ Ｉｎｄｕｓｔｒｉｅｓ、およびＺｅｐｔｏｍｅｔｒｉｘなどの商業的に利用可能な供給源が挙げられる。しかしながら、当業者であれば、本明細書に記載の任意のポリペプチドに対する抗体を日常的に作製することができる。
ポリペプチドを測定するためのポリクローナル抗体としては、限定されるものではないが、ウサギ、ヤギ、ヒツジ、ニワトリ、アヒル、モルモット、マウス、ロバ、ラクダ、ラットおよびウマのうちの１つまたは複数の能動免疫化によって血清から産生された抗体が挙げられる。
さらなる検出剤の例としては、限定されるものではないが、ｓｃＦｖ、ｄｓＦｖ、Ｆａｂ、ｓＶＨ、Ｆ（ａｂ’）２、環状ペプチド、ハプタマー、単一ドメイン抗体、Ｆａｂ断片、一本鎖可変断片、アフィボディ分子、アフィリン、ナノフィチン、アンチカリン、アビマー、ＤＡＲＰｉｎ、Ｋｕｎｉｔｚドメイン、フィノマーおよびモノボディが挙げられる。
酵素結合免疫吸着アッセイ（ＥＬＩＳＡ）：ＥＬＩＳＡの実施は、特定の抗原に対する特異性を有する少なくとも１つの抗体を含む。未知量の抗原を含む試料を、固相支持体（通常、ポリスチレンマイクロタイタープレート）上に、非特異的（表面への吸着による）または特異的（「サンドイッチ」ＥＬＩＳＡにおいては、同じ抗原に特異的な別の抗体による捕捉による）に固定する。抗原が固定された後、検出抗体を添加し、抗原との複合体を形成させる。検出抗体を、酵素に共有結合させるか、またはバイオコンジュゲーションによって酵素に連結される二次抗体によってそれ自体を検出することができる。各ステップの間に、典型的には、プレートを温和な界面活性剤溶液で洗浄して、無特異的に結合する任意のタンパク質または抗体を除去する。最後の洗浄ステップの後、酵素基質を添加して、試料中の抗原の量を示す可視的シグナルを生じさせることによって、プレートを発色させる。
この方法において一般的に用いられる酵素としては、西洋ワサビペルオキシダーゼおよびアルカリホスファターゼが挙げられる。良好に較正され、線形の応答範囲内にある場合、試料中に存在する基質の量は、生じる色の量に比例する。定量精度を改善するために、一般的には基質標準を用いる。
ウェスタンブロット：この方法は、アクリルアミドゲルを用いた他のタンパク質からの基質の分離、次いで、膜（例えば、ナイロンまたはＰＶＤＦ）への基質の転写を含む。次いで、基質の存在を、基質に特異的な抗体によって検出し、次いで、抗体結合試薬によって検出する。抗体結合試薬は、例えば、プロテインＡ、または他の抗体であってもよい。抗体結合試薬を、上記のように放射性標識するか、または酵素結合させることができる。検出は、オートラジオグラフィー、比色反応または化学発光によるものであってもよい。この方法により、電気泳動中のアクリルアミドゲル中での移動距離を示す膜上での相対位置により、基質量の定量化とその同一性の決定の両方が可能になる。
蛍光活性化細胞選別（ＦＡＣＳ）：この方法は、基質特異的抗体による細胞中でｉｎ ｓｉｔｕでの基質の検出を含む。基質特異的抗体を、フルオロフォアに連結する。検出は、それぞれの細胞が光ビームを通過する時にそれから放出される光の波長を読み取る細胞選別装置を用いることによる。この方法は、２つ以上の抗体を同時に用いることができる。
自動化免疫アッセイ：免疫アッセイに適用される自動化分析装置（「自動化免疫アッセイ」と呼ばれることが多い）は、ヒトによる補助を最小限にしながら、いくつかの生物学的試料中の異なる化学物質および他の特徴を迅速に測定するように設計された医療用実験器具である。血液および他の流体のこれらの測定された特性は、疾患の診断において有用であり得る。試料を分析装置に導入する多くの方法が発明されている。これは、試料の試験管をラックに入れ、トラックに沿って動かすこと、または試料を利用可能にするために回転する環状カルーセル中に管を挿入することを含んでもよい。いくつかの分析装置では、試料を試料カップに移す必要がある。しかしながら、実験室スタッフの健康および安全を守るための努力は、多くの製造業者に、密閉された試験管サンプリングを考慮し、作業者が試料に直接曝露されないようにする分析装置を開発するよう促した。試料を、単一に、バッチ式で、または連続的にプロセッシングすることができる。自動化免疫アッセイ装置の例としては、限定されるものではないが、ＡＲＣＨＩＴＥＣＴ ｃｉ４１００、ｃｉ８２００ （２００３）、ｃｉ１６２００ （２００７）、ＡＲＣＨＩＴＥＣＴ ｉ１０００ＳＲ、ＡＲＣＨＩＴＥＣＴ ｉ２０００、ｉ２０００ＳＲ、ｉ４０００ＳＲ、ＡｘＳＹＭ／ＡｘＳＹＭ Ｐｌｕｓ、１９９４ Ｕ．Ｓ．，ＤＳ２、ＡＩＭＳ、ＡｔｈｅＮＡ、ＤＳＸ、ＣｈｅｍＷｅｌｌ、ＵｎｉＣｅｌ ＤｘＩ ８６０ｉ Ｓｙｎｃｈｒｏｎ Ａｃｃｅｓｓ Ｃｌｉｎｉｃａｌ Ｓｙｓｔｅｍ、ＵｎｉＣｅｌ ＤｘＣ ６８０ｉ Ｓｙｎｃｈｒｏｎ Ａｃｃｅｓｓ Ｃｌｉｎｉｃａｌ Ｓｙｓｔｅｍ、Ａｃｃｅｓｓ／Ａｃｃｅｓｓ ２ Ｉｍｍｕｎｏａｓｓａｙ Ｓｙｓｔｅｍ、ＵｎｉＣｅｌ ＤｘＩ ６００ Ａｃｃｅｓｓ Ｉｍｍｕｎｏａｓｓａｙ Ｓｙｓｔｅｍ、ＵｎｉＣｅｌ ＤｘＣ ６００ｉ Ｓｙｎｃｈｒｏｎ Ａｃｃｅｓｓ Ｃｌｉｎｉｃａｌ Ｓｙｓｔｅｍ、ＵｎｉＣｅｌ ＤｘＩ ８００ Ａｃｃｅｓｓ Ｉｍｍｕｎｏａｓｓａｙ Ｓｙｓｔｅｍ、ＵｎｉＣｅｌ ＤｘＣ ８８０ｉ Ｓｙｎｃｈｒｏｎ Ａｃｃｅｓｓ Ｃｌｉｎｉｃａｌ Ｓｙｓｔｅｍ、ＵｎｉＣｅｌ ＤｘＩ ６６０ｉ Ｓｙｎｃｈｒｏｎ Ａｃｃｅｓｓ Ｃｌｉｎｉｃａｌ Ｓｙｓｔｅｍ、ＳＰＡ ＰＬＵＳ （Ｓｐｅｃｉａｌｉｓｔ Ｐｒｏｔｅｉｎ Ａｎａｌｙｚｅｒ）、ＶＩＤＡＳ Ｉｍｍｕｎｏａｓｓａｙ Ａｎａｌｙｚｅｒ、ＢｉｏＰｌｅｘ ２２００、ＰｈＤ Ｓｙｓｔｅｍ ＥＶＯＬＩＳ ＰＲ ３１００ＴＳＣ Ｐｈｏｔｏｍｅｔｅｒ、ＭＡＧＯ ４Ｓ／２０１１ Ｍａｇｏ Ｐｌｕｓ Ａｕｔｏｍａｔｅｄ ＥＩＡ Ｐｒｏｃｅｓｓｏｒ、ＬＩＡＩＳＯＮ ＸＬ／２０１０ ＬＩＡＩＳＯＮ、ＥＴＩ−ＭＡＸ ３０００ Ａｇｉｌｉｔｙ、Ｔｒｉｔｕｒｕｓ、ＨＹＴＥＣ ２８８ ＰＬＵＳＤＳＸ、ＶＩＴＲＯＳ ＥＣｉ Ｉｍｍｕｎｏｄｉａｇｎｏｓｔｉｃ Ｓｙｓｔｅｍ、ＶＩＴＲＯＳ ３６００ Ｉｍｍｕｎｏｄｉａｇｎｏｓｔｉｃ Ｓｙｓｔｅｍ、Ｐｈａｄｉａ Ｌａｂｏｒａｔｏｒｙ Ｓｙｓｔｅｍ １００Ｅ、Ｐｈａｄｉａ Ｌａｂｏｒａｔｏｒｙ Ｓｙｓｔｅｍ ２５０、Ｐｈａｄｉａ Ｌａｂｏｒａｔｏｒｙ Ｓｙｓｔｅｍ １０００、Ｐｈａｄｉａ Ｌａｂｏｒａｔｏｒｙ Ｓｙｓｔｅｍ ２５００、Ｐｈａｄｉａ Ｌａｂｏｒａｔｏｒｙ Ｓｙｓｔｅｍ ５０００、ｃｏｂａｓ ｅ６０２／２０１０、ｃｏｂａｓ ｅ４１１、ｃｏｂａｓ ｅ６０１、ＭＯＤＵＬＡＲ ＡＮＡＬＹＴＩＣＳ Ｅ１７０、Ｅｌｅｃｓｙｓ ２０１０、Ｄｉｍｅｎｓｉｏｎ ＥＸＬ ２００／２０１１、Ｄｉｍｅｎｓｉｏｎ Ｘｐａｎｄ Ｐｌｕｓ Ｉｎｔｅｇｒａｔｅｄ Ｃｈｅｍｉｓｔｒｙ Ｓｙｓｔｅｍ、Ｄｉｍｅｎｓｉｏｎ ＲｘＬ Ｍａｘ／Ｍａｘ Ｓｕｉｔｅ Ｉｎｔｅｇｒａｔｅｄ Ｃｈｅｍｉｓｔｒｙ Ｓｙｓｔｅｍ；Ｄｉｍｅｎｓｉｏｎ ＲｘＬ Ｉｎｔｅｇｒａｔｅｄ Ｃｈｅｍｉｓｔｒｙ Ｓｙｓｔｅｍ、Ｄｉｍｅｎｓｉｏｎ ＥＸＬ ｗｉｔｈ ＬＭ Ｉｎｔｅｇｒａｔｅｄ Ｃｈｅｍｉｓｔｒｙ Ｓｙｓｔｅｍ、Ｓｔｒａｔｕｓ ＣＳ Ａｃｕｔｅ Ｃａｒｅ Ｄｉａｇｎｏｓｔｉｃ Ｓｙｓｔｅｍ、ＩＭＭＵＬＩＴＥ ２０００ ＸＰｉ Ｉｍｍｕｎｏａｓｓａｙ Ｓｙｓｔｅｍ、ＡＤＶＩＡ Ｃｅｎｔａｕｒ ＣＰ Ｉｍｍｕｎｏａｓｓａｙ Ｓｙｓｔｅｍ、ＩＭＭＵＬＩＴＥ ２０００、ＩＭＭＵＬＩＴＥ １０００、Ｄｉｍｅｎｓｉｏｎ Ｖｉｓｔａ ５００ Ｉｎｔｅｌｌｉｇｅｎｔ Ｌａｂ Ｓｙｓｔｅｍ、Ｄｉｍｅｎｓｉｏｎ Ｖｉｓｔａ １５００ Ｉｎｔｅｌｌｉｇｅｎｔ Ｌａｂ Ｓｙｓｔｅｍ、ＡＤＶＩＡ Ｃｅｎｔａｕｒ ＸＰ、ＡＩＡ−９００、ＡＩＡ−３６０、ＡＩＡ−２０００、ＡＩＡ−６００ ＩＩ、ＡＩＡ−１８００が挙げられる。ＣＲＰ、ＩＰ−１０およびＴＲＡＩＬの測定を、Ｌｕｍｉｎｅｘ装置上で実施することもできる。
側方流動免疫アッセイ（ＬＦＩＡ）：これは、ポイントオブケア（ＰＯＣ）での分析物の迅速な測定を可能にする技術であり、その基礎となる原理は以下に記載される。一実施形態によれば、ＬＦＩＡを、手持ち式デバイスの文脈で用いる。
この技術は、多孔性紙の小片または焼結ポリマーなどの、一連のキャピラリーベッドに基づくものである。これらのエレメントはそれぞれ、流体（例えば、尿）を自発的に輸送する能力を有する。第１のエレメント（試料パッド）はスポンジとして作用し、過剰の試料流体を保持する。一度浸されたら、流体は、製造業者が、標的分子（例えば、抗原）と、粒子の表面上に固定されたその化学的パートナー（例えば、抗体）との最適化された化学反応を保証するための全てを含有する塩−糖マトリックス中に乾燥形式の生物活性粒子（以下を参照されたい）であるいわゆるコンジュゲートを保存した第２のエレメント（コンジュゲートパッド）に移動する。試料流体は塩−糖マトリックスを溶解するが、それはまた、多孔性構造を通って流動しながら、粒子および１つの組み合わせた輸送作用においては、試料とコンジュゲートの混合物を溶解する。このように、分析物は、第３のキャピラリーベッドをさらに通って移動しながら粒子に結合する。この材料は、第３の分子が製造業者によって固定された１つまたは複数の領域（ストリップと呼ばれることが多い）を有する。試料−コンジュゲート混合物がこれらのストリップに達する時までに、分析物は粒子に結合しており、第３の「捕捉」分子は複合体に結合する。
しばらくしてから、さらに多くの流体がストリップを通過した時、粒子は蓄積し、ストリップ領域は変色する。典型的には、少なくとも２つのストリップが存在する：１つ（対照）は任意の粒子を捕捉し、それにより、反応条件および技術がうまくいったことを示し、第２のものは、特定の捕捉分子を含有し、分析物分子が固定された粒子のみを捕捉する。これらの反応域を通過した後、流体は、単に廃棄物容器として作用する、最終多孔材料である芯に進入する。側方流動試験は、競合アッセイまたはサンドイッチアッセイとして操作することができる。
免疫組織化学分析：本発明のいくつかの実施形態に従って実行される免疫アッセイは、均一アッセイまたは不均一アッセイであってもよい。均一アッセイでは、免疫反応は通常、特異的抗体（例えば、抗ＴＲＡＩＬ抗体、抗ＣＲＰ抗体および／または抗ＩＰ−１０抗体）、標識された分析物、および目的の試料を含む。標識から生じるシグナルは、標識分析物への抗体の結合時に直接的または間接的に改変される。免疫反応とその程度の検出は両方とも、均一な溶液中で実行することができる。用いることができる免疫化学的標識としては、フリーラジカル、放射性同位体、蛍光染料、酵素、バクテリオファージ、またはコエンザイムが挙げられる。
異種アッセイ手法においては、試薬は通常、試料、抗体、および検出可能なシグナルを生成させるための手段である。上記の試料を用いることができる。抗体を、ビーズ（プロテインＡおよびプロテインＧアガロースビーズなど）、プレートまたはスライドなどの支持体上に固定し、液相中に抗原を含有すると疑われる標本と接触させることができる。
特定の実施形態によれば、抗体を多孔性ストリップに固定して、検出部位を形成する。多孔性ストリップの測定または検出領域は、１つはＴＲＡＩＬのため、１つはＣＲＰのため、および１つはＩＰ−１０のための複数の部位を含んでもよい。試験ストリップはまた、陰性および／または陽性対照のための部位を含有してもよい。
あるいは、対照部位を、試験ストリップとは別々のストリップ上に配置してもよい。場合により、異なる検出部位は、異なる量の抗体、例えば、第１の検出部位ではより多い量およびその後の部位ではより少ない量を含有してもよい。試験試料の添加の際に、検出可能なシグナルを示す部位の数は、試料中に存在するポリペプチドの量の定量的指示を提供する。検出部位は、任意の好適に検出可能な形状に構成されていてもよく、典型的には、試験ストリップの幅に広がるバーまたはドットの形状にある。
次いで、支持体を液相から分離し、支持体相または液相のいずれかを、そのようなシグナルを生成させるための手段を用いて検出可能なシグナルについて検査する。シグナルは、試料中の分析物の存在に比例する。検出可能なシグナルを生成させるための手段としては、放射性標識、蛍光標識、または酵素標識の使用が挙げられる。例えば、検出される抗原が第２の結合部位を含有する場合、その部位に結合する抗体を、検出可能な基にコンジュゲートさせ、分離ステップの前に液相反応溶液に添加することができる。固相支持体上の検出可能な基の存在は、試験試料中の抗原の存在を示す。好適な免疫アッセイの例は、オリゴヌクレオチド、免疫ブロッティング、免疫蛍光法、免疫沈降、化学発光法、電気化学発光（ＥＣＬ）または酵素結合免疫アッセイである。
当業者であれば、本明細書に開示される方法を実行するのに有用であり得るいくつかの特異的免疫アッセイ形式およびその変形に精通しているであろう。一般的には、非特許文献５を参照されたい；また、Skold et al.の表題「Methods for Modulating Ligand-Receptor Interactions and their Application」の特許文献３、Forrest et al.の表題「Immunoassay of Antigens」の特許文献４、David et al.の表題「Immunometric Assays Using Monoclonal Antibodies」の特許文献５、Litman et al.の表題「Macromolecular Environment Control in Specific Receptor Assays」の特許文献６、Maggio et al.の表題「Reagents and Method Employing Channeling」の特許文献７、Boguslaski et al.の表題「Heterogenous Specific Binding Assay Employing a Coenzyme as Label」の特許文献８も参照されたい。
受動的結合などの公知の技術に従って、診断アッセイにとって好適な固相支持体（例えば、プロテインＡまたはプロテインＧアガロースなどのビーズ、ミクロスフェア、プレート、ラテックスまたはポリスチレンなどの材料から形成されるスライドまたはウェル）に、抗体をコンジュゲートさせることができる。同様に、本明細書に記載の抗体を、公知の技術に従って、放射性標識（例えば、３５Ｓ、１２５Ｉ、１３１Ｉ）、酵素標識（例えば、西洋ワサビペルオキシダーゼ、アルカリホスファターゼ）、および蛍光標識（例えば、フルオレセイン、Ａｌｅｘａ、緑色蛍光タンパク質、ローダミン）などの検出可能な標識または基にコンジュゲートさせることができる。
ＴＲＡＩＬを測定するためのモノクローナル抗体としては、限定されるものではないが、マウス、モノクローナル（５５Ｂ７０９−３）ＩｇＧ；マウス、モノクローナル（２Ｅ５）ＩｇＧ１；マウス、モノクローナル（２Ｅ０５）ＩｇＧ１；マウス、モノクローナル（Ｍ９１２２９２）ＩｇＧ１カッパ；マウス、モノクローナル（ＩＩＩＦ６）ＩｇＧ２ｂ；マウス、モノクローナル（２Ｅ１−１Ｂ９）ＩｇＧ１；マウス、モノクローナル（ＲＩＫ−２）ＩｇＧ１、カッパ；マウス、モノクローナルＭ１８１ ＩｇＧ１；マウス、モノクローナルＶＩ１０Ｅ ＩｇＧ２ｂ；マウス、モノクローナルＭＡＢ３７５ ＩｇＧ１；マウス、モノクローナルＭＡＢ６８７ ＩｇＧ１；マウス、モノクローナルＨＳ５０１ ＩｇＧ１；マウス、モノクローナルクローン７５４１１．１１マウスＩｇＧ１；マウス、モノクローナル Ｔ８１７５−５０ＩｇＧ；マウス、モノクローナル２Ｂ２．１０８ ＩｇＧ１；マウス、モノクローナルＢ−Ｔ２４ ＩｇＧ１；マウス、モノクローナル５５Ｂ７０９．３ ＩｇＧ１；マウス、モノクローナルＤ３ ＩｇＧ１；ヤギ、モノクローナルＣ１９ ＩｇＧ；ウサギ、モノクローナルＨ２５７ ＩｇＧ；マウス、モノクローナル５００−Ｍ４９ ＩｇＧ；マウス、モノクローナル０５−６０７ ＩｇＧ；マウス、モノクローナルＢ−Ｔ２４ ＩｇＧ１；ラット、モノクローナル（Ｎ２Ｂ２）、ＩｇＧ２ａ、カッパ；マウス、モノクローナル（１Ａ７−２Ｂ７）、ＩｇＧ１；マウス、モノクローナル（５５Ｂ７０９．３）、ＩｇＧおよびマウス、モノクローナルＢ−Ｓ２３＊ＩｇＧ１、ヒトＴＲＡＩＬ／ＴＮＦＳＦ１０ ＭＡｂ（クローン７５４１１）、マウスＩｇＧ１、ヒトＴＲＡＩＬ／ＴＮＦＳＦ１０ ＭＡｂ（クローン１２４７２３）、マウスＩｇＧ１、ヒトＴＲＡＩＬ／ＴＮＦＳＦ１０ ＭＡｂ（クローン７５４０２）、マウスＩｇＧ１が挙げられる。
ＴＲＡＩＬを測定するための抗体としては、ＴＲＡＩＬを測定するためのモノクローナル抗体およびポリクローナル抗体が挙げられる。ＴＲＡＩＬを測定するための抗体としては、マウスミエローマ細胞株ＮＳ０由来組換えヒトＴＲＡＩＬ（Ｔｈｒ９５−Ｇｌｙ２８１受託番号Ｐ５０５９１）、マウスミエローマ細胞株、ＮＳ０由来組換えヒトＴＲＡＩＬ（Ｎ末端Ｍｅｔおよび６−Ｈｉｓタグを有する、Ｔｈｒ９５−Ｇｌｙ２８１、受託番号Ｐ５０５９１）、大腸菌由来（Ｎ末端Ｍｅｔを有する、および有さない、Ｖａｌ１１４−Ｇｌｙ２８１、受託番号Ｑ６ＩＢＡ９）、ヒト血漿由来ＴＲＡＩＬ、ヒト血清由来ＴＲＡＩＬ、最初のアミノ酸が８５〜１５１位にあり、最後のアミノ酸が２４９〜２８１位にある組換えヒトＴＲＡＩＬを含む一覧に由来するエピトープを標的化するために開発された抗体が挙げられる。
ＣＲＰを測定するためにモノクローナル抗体の例としては、限定されるものではないが、マウス、モノクローナル（１０８−２Ａ２）；マウス、モノクローナル（１０８−７Ｇ４１Ｄ２）；マウス、モノクローナル（１２Ｄ−２Ｃ−３６）、ＩｇＧ１；マウス、モノクローナル（１Ｇ１）、ＩｇＧ１；マウス、モノクローナル（５Ａ９）、ＩｇＧ２ａカッパ；マウス、モノクローナル（６３Ｆ４）、ＩｇＧ１；マウス、モノクローナル（６７Ａ１）、ＩｇＧ１；マウス、モノクローナル（８Ｂ−５Ｅ）、ＩｇＧ１；マウス、モノクローナル（Ｂ８９３Ｍ）、ＩｇＧ２ｂ、ラムダ；マウス、モノクローナル（Ｃ１）、ＩｇＧ２ｂ；マウス、モノクローナル（Ｃ１１Ｆ２）、ＩｇＧ；マウス、モノクローナル（Ｃ２）、ＩｇＧ１；マウス、モノクローナル（Ｃ３）、ＩｇＧ１；マウス、モノクローナル（Ｃ４）、ＩｇＧ１；マウス、モノクローナル（Ｃ５）、ＩｇＧ２ａ；マウス、モノクローナル（Ｃ６）、ＩｇＧ２ａ；マウス、モノクローナル（Ｃ７）、ＩｇＧ１；マウス、モノクローナル（ＣＲＰ１０３）、ＩｇＧ２ｂ；マウス、モノクローナル（ＣＲＰ１１）、ＩｇＧ１；マウス、モノクローナル（ＣＲＰ１３５）、ＩｇＧ１；マウス、モノクローナル（ＣＲＰ１６９）、ＩｇＧ２ａ；マウス、モノクローナル（ＣＲＰ３０）、ＩｇＧ１；マウス、モノクローナル（ＣＲＰ３６）、ＩｇＧ２ａ；ウサギ、モノクローナル（ＥＰＲ２８３Ｙ）、ＩｇＧ；マウス、モノクローナル（ＫＴ３９）、ＩｇＧ２ｂ；マウス、モノクローナル（Ｎ−ａ）、ＩｇＧ１；マウス、モノクローナル（Ｎ１Ｇ１）、ＩｇＧ１；モノクローナル（Ｐ５Ａ９ＡＴ）；マウス、モノクローナル（Ｓ５Ｇ１）、ＩｇＧ１；マウス、モノクローナル（ＳＢ７８ｃ）、ＩｇＧ１；マウス、モノクローナル（ＳＢ７８ｄ）、ＩｇＧ１およびウサギ、モノクローナル（Ｙ２８４）、ＩｇＧ、ヒトＣ反応性タンパク質／ＣＲＰ Ｂｉｏｔ ＭＡｂ（Ｃｌ ２３２０２４）、マウスＩｇＧ２Ｂ、ヒトＣ反応性タンパク質／ＣＲＰ ＭＡｂ（クローン２３２００７）、マウスＩｇＧ２Ｂ、ヒト／マウス／ブタＣ反応性タンパク質／ＣＲＰ ＭＡｂ（Ｃｌ２３２０２６）、マウスＩｇＧ２Ａが挙げられる。
ＣＲＰを測定するための抗体としては、ＣＲＰを測定するためのモノクローナル抗体およびＣＲＰを測定するためのポリクローナル抗体が挙げられる。
ＣＲＰを測定するための抗体としては、ヒト血漿由来ＣＲＰ、ヒト血清由来ＣＲＰ、マウスミエローマ細胞株ＮＳ０由来組換えヒトＣ反応性タンパク質／ＣＲＰ（Ｐｈｅ１７−Ｐｒｏ２２４受託番号Ｐ０２７４１）を含む一覧に由来するエピトープを標的化するために開発された抗体も挙げられる。
ＩＰ−１０を測定するためのモノクローナル抗体の例としては、限定されるものではないが、ＩＰ−１０／ＣＸＣＬ１０マウス抗ヒトモノクローナル（４Ｄ５）抗体（ＬｉｆｅＳｐａｎ ＢｉｏＳｃｉｅｎｃｅｓ）、ＩＰ−１０／ＣＸＣＬ１０マウス抗ヒトモノクローナル（Ａ００１６３．０１）抗体（ＬｉｆｅＳｐａｎ ＢｉｏＳｃｉｅｎｃｅｓ）、マウス抗ヒトＩＰ−１０（ＡｂＤ Ｓｅｒｏｔｅｃ）、ウサギ抗ヒトＩＰ−１０（ＡｂＤ Ｓｅｒｏｔｅｃ）、ＩＰ−１０ヒトｍＡｂ ６Ｄ４（Ｈｙｃｕｌｔ Ｂｉｏｔｅｃｈ）、マウス抗ヒトＩＰ−１０モノクローナル抗体クローンＢ−Ｃ５０（Ｄｉａｃｌｏｎｅ）、マウス抗ヒトＩＰ−１０モノクローナル抗体クローンＢ−Ｃ５５（Ｄｉａｃｌｏｎｅ）、ヒトＣＸＣＬ１０／ＩＰ−１０ ＭＡｂクローン３３０３６（Ｒ＆Ｄ Ｓｙｓｔｅｍｓ）、ＣＸＣＬ１０／ＩＮＰ１０抗体１Ｅ９（Ｎｏｖｕｓ Ｂｉｏｌｏｇｉｃａｌｓ）、ＣＸＣＬ１０／ＩＮＰ１０抗体２Ｃ１（Ｎｏｖｕｓ Ｂｉｏｌｏｇｉｃａｌｓ）、ＣＸＣＬ１０／ＩＮＰ１０抗体６Ｄ４（Ｎｏｖｕｓ Ｂｉｏｌｏｇｉｃａｌｓ）、ＣＸＣＬ１０モノクローナル抗体Ｍ０１Ａクローン２Ｃ１（Ａｂｎｏｖａ Ｃｏｒｐｏｒａｔｉｏｎ）、ＣＸＣＬ１０モノクローナル抗体（Ｍ０５）、クローン１Ｅ９（Ａｂｎｏｖａ Ｃｏｒｐｏｒａｔｉｏｎ）、ＣＸＣＬ１０モノクローナル抗体、クローン１（Ａｂｎｏｖａ Ｃｏｒｐｏｒａｔｉｏｎ）、ＩＰ１０抗体６Ｄ４（Ａｂｃａｍ）、ＩＰ１０抗体ＥＰＲ７８４９（Ａｂｃａｍ）、ＩＰ１０抗体ＥＰＲ７８５０（Ａｂｃａｍ）が挙げられる。
ＩＰ−１０を測定するための抗体としては、ＩＰ−１０を測定するためのモノクローナル抗体およびＩＰ−１０を測定するためのポリクローナル抗体が挙げられる。
ＩＰ−１０を測定するための抗体としては、組換えヒトＣＸＣＬ１０／ＩＰ−１０、７７個のアミノ酸（ａａ２２〜９８）およびＮ末端Ｈｉｓタグを含有する非グリコシル化ポリペプチド鎖、インターフェロンガンマ誘導タンパク質１０（１２５ａａ長）、７７個のアミノ酸断片（２２〜９８）を含有し、８．５ｋＤａの合計分子量を有し、アミノ末端ヘキサヒスチジンタグを含む大腸菌中で産生されるＩＰ−１０ Ｈｉｓ Ｔａｇヒト組換えＩＰ−１０、Ｎ末端Ｍｅｔを含む大腸菌由来ヒトＩＰ−１０（Ｖａｌ２２−Ｐｒｏ９８）、ヒト血漿由来ＩＰ−１０、ヒト血清由来ＩＰ−１０、最初のアミノ酸が１〜２４位にあり、最後のアミノ酸が７１〜９８位にある組換えヒトＩＰ−１０を含む一覧に由来するエピトープを標的化するために開発された抗体も挙げられる。
本明細書に記載のポリペプチドの発現レベルは絶対発現レベル、正規化された発現レベルおよび／または相対発現レベルであってもよいことが理解される。
一般的な科学的文脈において、正規化は、測定生データを、他のそのように正規化されたデータと直接比較することができるデータに変換するプロセスである。本発明の文脈において、発現レベルの測定値は、例えば、測定される試料の不均衡な分解、アッセイあたりにロードされる量が異なること、およびその他の様々な誤差により引き起こされる誤差が大きくなる傾向がある。より具体的には、任意のアッセイされる試料は、人為的ミスおよび設備故障に起因して、意図されるよりも多かれ少なかれ生物材料を含有し得る。かくして、同じ誤差または偏差は、本発明のポリペプチドと、発現が本質的には一定である対照参照との両方に適用される。かくして、対照参照生発現値によるＴＲＡＩＬ、ＩＰ−１０またはＣＲＰ生発現値の除算により、技術的失敗または不正確性（試験目的のための試料を破壊する大きな誤差を除く）を本質的には含まず、ポリペプチドの正規化された発現値を構成する商が得られる。対照参照発現値は異なる試料において等しいため、それらはそのような正規化にとって妥当である共通の参照点を構成する。
特定の実施形態によれば、それぞれのポリペプチド発現値を、同じ対照参照を用いて正規化する。
それぞれのプロトコールは典型的には、異なるシグナルノイズ比をもたらし、結果として、異なる濃度が測定されるため、絶対発現値は用いられる正確なプロトコールに依存することがさらに理解される。より具体的には、バイオマーカーの全体的な傾向はプロトコールに関係なく保持されるが（例えば、ＴＲＡＩＬはウイルス感染においては増加し、細菌感染においては減少する）、測定尺度はプロトコール依存的である。
異なるプロトコールにわたるタンパク質の測定される濃度におけるそのような変化を、以下の実施例５に例示されるように、２つのプロトコールの測定値を相関付け、変換関数をコンピュータ計算することによって相殺することができる。
典型的には、分析される試料は、全血、血清、血漿、白血球または血液細胞を含む血液試料である。好ましくは、試料は全血、血清または血漿である。
注目すべきことに、ＴＲＡＩＬおよびＩＰ−１０およびＣＲＰは、限定されるものではないが、ＣＳＦ、唾液および上皮細胞、骨髄吸引液、尿、糞便、肺胞洗浄液、唾などの他の組織および試料において高度に発現される。かくして、本発明のいくつかの実施形態を用いて、そのような組織および試料中のＴＲＡＩＬ、ＣＲＰおよびＩＰ−１０を測定することができる。
好ましくは、ポリペプチドのレベルを、試料が得られた後、約２４時間以内に測定する。あるいは、ポリペプチドの濃度を、試料が得られた後、２４時間未満で保存が始まる場合、１２℃以下で保存された試料中で測定する。
一度、試験を行ってポリペプチドのレベルを決定したら、場合により、測定の結果を含有する対象特異的データセットを生成する。
対象特異的データセットを、非揮発性のコンピュータで読み取り可能な媒体上にコンピュータで読み取り可能な形式で保存し、場合により、好ましくは、一般的な目的のコンピュータまたは専用回路などのハードウェアプロセッサによってそれにアクセスすることができる。
記載のように、対象が、ポリペプチドの血液レベル以外のパラメータに基づいて、細菌感染、ウイルス感染または非細菌／非ウイルス疾患を有すると既に検証されている場合、試験対象の血液中のポリペプチドのレベルを、複数の対象の血液中の同一のポリペプチドのレベルと比較する。その検証された診断と一緒に複数の対象のポリペプチドのレベルを、以下にさらに記載されるような、本明細書では「グループデータセット」または「予め診断されたデータセット」とも呼ばれる、第２のデータセット中に保存することができる。
語句「非細菌／非ウイルス疾患」とは、細菌またはウイルスによって引き起こされない疾患を指す。これは、急性心筋梗塞などの疾患、物理的傷害、てんかん発作、炎症障害など、真菌症、寄生虫症などを含む。
本明細書で用いられる語句「ウイルス感染」とは、ウイルスによって引き起こされ、細菌成分を含まない疾患を指す。
例えば、特定の対象が細菌感染を有する尤度、または特定の対象がウイルス感染を有する尤度または特定の対象が非細菌非ウイルス疾患を有する尤度を表す１つまたは複数の確率分類関数を算出する目的でデータセットを分析する方法を、以下の実施例１に記載のように実施することができる。例えば、（ｉ）パラインフルエンザウイルス１、２、３および４、コロナウイルス２２９Ｅ／ＮＬ６３、アデノウイルスＡ／Ｂ／Ｃ／Ｄ／Ｅ、ボカウイルス１／２／３／４、インフルエンザウイルスＡおよびＢ、メタニューモウイルス、コロナウイルスＯＣ４３、ライノウイルスＡ／Ｂ／Ｃ、呼吸器合胞体ウイルスＡおよびＢ、ならびにエンテロウイルスの検出のためのＳｅｅｐｌｅｘ（登録商標）ＲＶ１５、または（ｉｉ）肺炎連鎖球菌、インフルエンザ菌、肺炎クラミジア、レジオネラ・ニューモフィラ、百日咳菌、および肺炎マイコプラズマの検出のためのＳｅｅｐｌｅｘ（登録商標）ＰＢ６などのＰＣＲ診断アッセイを用いて、診断を支援することができる。
血液培養物、尿培養物および糞便培養物を、シゲラ種、カンピロバクター種、およびサルモネラ種のために；サイトメガロウイルス（ＣＭＶ）、エプスタイン・バーウイルス（ＥＢＶ）、肺炎マイコプラズマ、およびコクシエラ・ブルネティ（Ｑ熱）に関する血清学的試験（ＩｇＭおよび／またはＩｇＧ）のために分析することができる。
放射線検査（例えば、下気道感染［ＬＲＴＩ］が疑われる場合、胸部Ｘ線）を用いて胸部感染を確認することができる。
あるいは、またはさらに、少なくとも１人の訓練された医師を用いて、診断を確立することができる。
予め診断された対象中でのポリペプチドの発現レベルを決定する方法は、上記されている。
好ましくは、予め診断された対象中でのポリペプチドの発現レベルを決定するために用いられるのと同じ方法を、試験対象中でのポリペプチドのレベルを決定するために用いる。かくして、例えば、予め診断された対象中でのポリペプチドの発現レベルを決定するために免役アッセイ型の方法を用いる場合、免疫アッセイ型の方法は、試験対象中でのポリペプチドのレベルを決定するために用いるべきである。
血液試料の型は、試験対象と予め診断された対象とにおいて同一である必要はないことが理解される。本発明者らは、ＴＲＡＩＬの血清および血漿レベルが非常に類似していることを示すことができた。かくして、例えば、予め診断された対象中でのポリペプチドの発現レベルを決定するために血清試料を用いる場合、試験対象中でのポリペプチドのレベルを決定するために血漿試料を用いてもよい。
グループデータセットは、好ましくは、非揮発性のコンピュータで読み取り可能な媒体上にコンピュータで読み取り可能な形式で保存され、場合により、好ましくは、一般的な目的のコンピュータまたは専用回路などのハードウェアプロセッサによってアクセスされる。両データセットを同じ媒体上に保存し、場合により、好ましくは、同じハードウェアプロセッサによってアクセスすることができる。
対象特異的データセットにおいては、それぞれの項目を、場合により、好ましくは、Ｄがデータセット中のポリペプチドを表し、ＬがポリペプチドＤの血液レベルを表すタプル（Ｄ，Ｌ）として記載することができる。かくして、データセットは、全てのエレメントを、ポリペプチドおよび対応する応答によって広がる２次元空間中のベクトルによって記載することができる２次元データセットであってもよい。グループデータセットにおいては、それぞれの項目を、Ｓが特定の対象を表し、Ｇがグループデータセット中の対象Ｓの診断を表し、Ｄがポリペプチドを表し、ＬがポリペプチドＤの血液レベルを表すタプル（Ｓ，Ｇ，Ｄ，Ｌ）として記載することができる。かくして、例証的例示は、全てのエレメントを、対象、診断、ポリペプチドおよび対応する応答によって広がる４次元空間中のベクトルによって記載することができる４次元データセットのものである。本発明のいくつかの実施形態は、より高次元のデータセットの使用を企図する。そのようなデータセットは、以後に記載される。
また、グループデータセットは、場合により、好ましくは、対象特異的データセットの１つまたは複数の、より好ましくは、全ての項目を含んでもよい。グループデータセットが対象特異的データセットの全ての項目を含む実施形態では、データセット全体が１つの包括的データセット中に含まれるため、２つの別々のデータセットを用いる必要はない。さらに、そのような包括的データセットは、場合により、好ましくは、分析下の対象と関連する包括的データセットの部分と、他の対象とだけ関連する包括的データセットの部分とを識別することができる様式で注釈を付けられる。本開示の文脈においては、分析下の対象と関連する包括的データセットの部分は、それが別々のデータセットとして提供されない場合であっても、対象特異的データセットと呼ばれる。同様に、他の対象とだけ関連する包括的データセットの部分は、それが別々のデータセットとして提供されない場合であっても、グループデータセットと呼ばれる。
グループデータセットは、好ましくは、多くの対象、例えば、ウイルス感染を有すると予め診断される少なくとも１０人の対象、細菌感染を有すると予め診断される少なくとも１０人の対象および非細菌／非ウイルス疾患を有すると予め診断される少なくとも１０人の対象；またはウイルス感染を有すると予め診断される少なくとも２０人の対象、細菌感染を有すると予め診断される少なくとも２０人の対象および非細菌／非ウイルス疾患を有すると予め診断される少なくとも２０人の対象；またはウイルス感染を有すると予め診断される少なくとも５０人の対象、細菌感染を有すると予め診断される少なくとも５０人の対象および非細菌／非ウイルス疾患を有すると予め診断される少なくとも５０人の対象のポリペプチドレベルを含む。
グループ特異的データセットは、対象を記載するさらなるデータを含んでもよい。さらなるデータを含むデータセットは、それらが分析下の対象と、その他の対象との類似性に関するさらなる情報を提供し、それによって、予測性の精度を増大させるため、有利であり得る。
ポリペプチドのレベル以外のデータの型の代表例としては、限定されるものではないが、上記にさらに記載されたような、伝統的な実験室危険因子および／または臨床パラメータが挙げられる。
本実施形態は、ポリペプチドおよび対応するレベルとは別に、さらなるデータを含む対象特異的およびグループデータセットを企図する。いくつかの実施形態においては、少なくとも１つのデータセットは、それぞれの項目が少なくとも３つの次元を有する、１つまたはそれ以上（例えば、複数）の多次元項目を含み、いくつかの実施形態においては、少なくとも１つのデータセットは、それぞれの項目が少なくとも４つの次元を有する、１つまたはそれ以上（例えば、複数）の多次元項目を含み、いくつかの実施形態においては、少なくとも１つのデータセットは、それぞれの項目が少なくとも５つの次元を有する、１つまたはそれ以上（例えば、複数）の多次元項目を含み、いくつかの実施形態においては、少なくとも１つのデータセットは、それぞれの項目が５つを超える次元を有する、１つまたはそれ以上（例えば、複数）の多次元項目を含む。
データセットのさらなる次元は、分析下の対象、その他の対象、および／またはＴＲＡＩＬ、ＣＲＰおよびＩＰ−１０以外のポリペプチドのレベルに関するさらなる情報を提供する。
本発明のいくつかの実施形態においては、さらなる情報は、伝統的な実験室危険因子、臨床パラメータ、血液化学および／または遺伝子プロファイルのうちの少なくとも１つに関する。
「伝統的な実験室危険因子」は、対象試料から単離または誘導され、現在、臨床実験室において評価され、絶対好中球数（ＡＮＣと省略される）、絶対リンパ球数（ＡＬＣと省略される）、白血球数（ＷＢＣと省略される）、好中球％（好中球である白血球の画分と定義され、Ｎｅｕ（％）と省略される）、リンパ球％（リンパ球である白血球の画分と定義され、Ｌｙｍ（％）と省略される）、単球％（単球である白血球の画分と定義され、Ｍｏｎ（％）と省略される）、ナトリウム（Ｎａと省略される）、カリウム（Ｋと省略される）、ビリルビン（Ｂｉｌｉと省略される）などの、伝統的な包括的危険評価アルゴリズムにおいて用いられるバイオマーカーを包含する。
好ましくは、分析下の対象の伝統的な実験室危険因子の少なくとも１つが対象特異的データベースに含まれ、１つまたは複数（より好ましくは、全て）の他の対象の伝統的な実験室危険因子の少なくとも１つがグループデータセットに含まれる。対象特異的データセットが少なくとも１つの伝統的な実験室危険因子を含む場合、危険因子を別々の項目として含有させることができる。グループデータセットが危険因子を含む場合、危険因子は場合により、好ましくは、対象あたりに含まれる。かくして、例えば、グループデータセット項目を、タプル（Ｓ，Ｇ，Ｄ，Ｌ｛Ｒ｝）（ここで、Ｓ、Ｇ、ＤおよびＬは以前に導入されたものであり、｛Ｒ｝は対象Ｓの少なくとも１つの危険因子である）により記載することができる。
「臨床パラメータ」は、限定されるものではないが、年齢（Ａｇｅ）、民族（ＲＡＣＥ）、性別（Ｓｅｘ）、中核体温（「体温」と省略される）、症状の初期出現以来の最大中核体温（「最高体温」と省略される）、症状の初期出現からの時間（「症状からの時間」と省略される）、妊娠、または家族歴（ＦａｍＨＸと省略される）などの、対象の健康状態または他の特徴の全ての非試料または非分析物バイオマーカーを包含する。
好ましくは、分析下の対象の臨床パラメータの少なくとも１つが対象特異的データセットに含まれ、１つまたは複数（より好ましくは、全て）の他の対象の臨床パラメータの少なくとも１つがグループデータセットに含まれる。対象特異的データセットが少なくとも１つの臨床パラメータを含む場合、臨床パラメータを別々の項目として含有させることができる。グループデータセットが臨床パラメータを含む場合、臨床パラメータは、場合により、好ましくは、対象あたりに含まれる。かくして、例えば、グループデータセット項目を、タプル（Ｓ，Ｇ，Ｄ，Ｌ｛Ｃ｝）（ここで、Ｓ、Ｇ、ＤおよびＬは以前に導入されたものであり、｛Ｃ｝は対象Ｓの臨床パラメータである）により記載することができる。
本明細書で用いられる場合、「血液化学」とは、血液に溶解した、または血液を含む任意かつ全ての物質の濃度、または複数の濃度を指す。そのような物質の代表例としては、限定されるものではないが、アルブミン、アミラーゼ、アルカリホスファターゼ、重炭酸塩、総ビリルビン、ＢＵＮ、Ｃ反応性タンパク質、カルシウム、塩化物、ＬＤＬ、ＨＤＬ、総コレステロール、クレアチニン、ＣＰＫ、γ−ＧＴ、グルコース、ＬＤＨ、無機リン、リパーゼ、カリウム、総タンパク質、ＡＳＴ、ＡＬＴ、ナトリウム、トリグリセリド、尿酸およびＶＬＤＬが挙げられる。
一実施形態によれば、分析下の対象の血液化学は対象特異的データセットに含まれ、１つまたは複数（より好ましくは、全て）の他の対象の血液化学はグループデータセットに含まれる。対象特異的データセットが血液化学を含む場合、血液化学を別々の項目として含有させることができる。グループデータセットが血液化学を含む場合、血液化学は場合により、好ましくは、対象あたりに含まれる。かくして、例えば、グループデータセット項目を、タプル（Ｓ，Ｇ，Ｄ，Ｌ｛Ｃ｝）（ここで、Ｓ、Ｇ、ＤおよびＬは以前に導入されたものであり、｛Ｃ｝は対象Ｓの血液化学である）により記載することができる。
本発明のいくつかの実施形態においては、さらなる情報は、個体の遺伝子プロファイルに関する。
本明細書で用いられる場合、「遺伝子プロファイル」とは、いくつかの異なる遺伝子の分析を指す。遺伝子プロファイルは、個体の全ゲノム中の遺伝子を包含するか、またはそれは特定のサブセットの遺伝子を包含してもよい。遺伝子プロファイルは、ゲノムプロファイル、プロテオミックプロファイル、エピゲノムプロファイルおよび／またはトランスクリプトームプロファイルを含んでもよい。
好ましくは、分析下の対象の遺伝子プロファイルは、対象特異的データセット中に含まれ、１つまたは複数（より好ましくは、全て）の他の対象の遺伝子プロファイルはグループデータセット中に含まれる。対象特異的データセットが遺伝子プロファイルを含む場合、遺伝子プロファイルを別々の項目として含有させることができる。グループデータセットが遺伝子プロファイルを含む場合、遺伝子プロファイルは、場合により、好ましくは、対象あたりに含まれる。かくして、例えば、グループデータセット項目を、タプル（Ｓ，Ｇ，Ｄ，Ｌ｛Ｐ｝）（ここで、Ｓ、Ｇ、ＤおよびＬは以前に導入されたものであり、｛Ｐ｝は対象Ｓの遺伝子プロファイルである）により記載することができる。
前記方法は、場合により、好ましくは、少なくとも一時的に、必要に応じて抽出するか、または表示することができる非揮発性のコンピュータで読み取り可能な媒体上にポリペプチドのレベルを保存するステップに続く。
一度、２つのデータセットにアクセスしたら、前記方法は、試験対象を診断するための分析段階に続く。
分析は、特定の対象が、それぞれ、細菌感染、ウイルス感染または非ウイルス、非細菌疾患を有する尤度を表す、１つまたは複数の確率分類関数ｆ（δ０，δ１）、ｇ（δ０，δ１）、ｈ（δ０，δ１）をコンピュータ計算するために実施される。典型的には、ｆ、ｇおよびｈは、関係ｆ（δ０，δ１）＋ｇ（δ０，δ１）＋ｈ（δ０，δ１）＝１を満たす。それぞれの分類関数は、第１の座標δ０と第２の座標δ１の関数であり、それぞれの座標δ０およびδ１は、上記にさらに詳述された発現値の異なる結合によって規定される。
分析を、１つを超える方法で実行することができる。
一実施形態によれば、分析は、１つまたは複数の確率分類関数をコンピュータ計算するために２値、またはより好ましくは、３値分類子を用いる。
好ましくは、分析は、非細菌感染の尤度を割り当てるために、ウイルスおよび非ウイルス、非細菌疾患の確率を合計する。別の好ましい実施形態においては、分析は、感染症の尤度を割り当てるために、ウイルス疾患および細菌疾患の確率を合計する。さらに別の好ましい実施形態においては、分析は、非ウイルス、非細菌疾患の確率を無視し、細菌の確率とウイルスの確率の直接比較を実施する。本発明のいくつかの実施形態によるデータセットを分析するのに好適な例示的な解釈関数は、以下に提供される。
本発明のいくつかの実施形態によるデータセットの分析は、機械学習手順を実行することを含む。
本明細書で用いられる用語「機械学習」とは、将来のデータに対する適切な応答を生じるか、またはいくつかの意味のある方法でデータを記述するために以前に収集されたデータからパターン、規則性、または規則を誘導するように構成されたコンピュータプログラムとして具体化される手順を指す。
機械学習の使用は、特に、限定されるものではないが、データセットが多次元項目を含む場合に有利である。
グループおよび対象データセットを、機械学習手順がデータセットを最良に記述するパラメータを抽出することができる訓練セットとして用いることができる。一度、パラメータが抽出されたら、それらを用いて感染の型を予測することができる。
機械学習においては、教師付き学習または教師なし学習によって、情報を獲得することができる。本発明のいくつかの実施形態においては、機械学習手順は、教師付き学習手順を含むか、またはそれである。教師付き学習においては、全体的または部分的目標関数を用いて、学習システムの構造を最適化する。換言すれば、教師付き学習においては、学習を誘導するためにシステムによって用いられる望ましい応答が存在する。
本発明のいくつかの実施形態においては、機械学習手順は、教師なし学習手順を含むか、またはそれである。教師なし学習においては、典型的には、目標関数は存在しない。特に、学習システムに、規則セットを提供しない。本発明のいくつかの実施形態による１つの形態の教師なし学習は、データオブジェクトが推測的にクラス標識されない教師なしクラスタリングである。
本実施形態にとって好適な「機械学習」手順の代表例としては、限定されるものではないが、クラスタリング、相関ルールアルゴリズム、特徴評価アルゴリズム、サブセット選択アルゴリズム、サポートベクターマシン、分類規則、価格感受性分類子、投票アルゴリズム、スタッキングアルゴリズム、ベイジアンネットワーク、決定木、神経ネットワーク、例に基づくアルゴリズム、線形モデリングアルゴリズム、ｋ−近傍分析、アンサンブル学習アルゴリズム、確率モデル、グラフモデル、ロジスティック回帰法（多項ロジスティック回帰法を含む）、勾配上昇法、特異値分解法および主成分分析が挙げられる。特に、神経ネットワークモデル、自己組織化マップおよび適応共鳴理論が、一般的に用いられる教師なし学習アルゴリズムである。適応共鳴理論モデルは、クラスター数が問題のサイズと共に変化するのを可能にし、警戒パラメータと呼ばれる、ユーザーにより規定される定数を用いて同じクラスターのメンバー間の類似性の程度をユーザーに制御させる。
以下は、本実施形態にとって好適ないくつかの機械学習手順の概説である。
相関ルールアルゴリズムは、特徴間の意味のある相関パターンを抽出するための技術である。
機械学習の文脈における用語「相関」とは、特定のクラスまたは数値を予測するものだけでなく、特徴間の任意の相互関係を指す。相関は、限定されるものではないが、相関ルールの発見、パターンの発見、特徴評価の実施、特徴サブセット選択の実施、予測モデルの開発、および特徴間の相互作用の理解を含む。
用語「相関ルール」とは、データセット内で頻繁に同時に存在する要素を指す。それは、限定されるものではないが、相関パターン、識別パターン、頻出パターン、閉鎖パターン、および長大パターンを含む。
相関ルールアルゴリズムの通常の主要ステップは、全ての観察間で最も頻出する項目または特徴のセットを発見することである。一度、一覧が得られたら、それらからルールを抽出することができる。
上記の自己組織化マップは、高次元データの可視化および分析のために用いられることが多い教師なし学習技術である。典型的な用途は、マップ上のデータ内の中心依存性の可視化に焦点を当てるものである。このアルゴリズムにより生成されるマップを用いて、他のアルゴリズムによる相関ルールの同定を加速することができる。このアルゴリズムは、典型的には、「ニューロン」と呼ばれる、プロセッシング単位のグリッドを含む。それぞれのニューロンは、観察と呼ばれる特徴ベクトルと関係する。マップは、限られたセットのモデルを用いて最適な精度で全ての利用可能な観察を表すことを試みる。同時に、モデルはグリッド上に整頓されるようになり、類似するモデルは互いに近くなり、類似しないモデルは互いに遠くなる。この手順により、データ中の特徴間の依存性または関係の同定ならびに可視化が可能になる。
特徴評価アルゴリズムは、特徴の順位付けまたは順位付けの後のその影響に基づく特徴の選択に関するものである。
機械学習の文脈における用語「特徴」とは、１つもしくは複数の生の入力変数、１つもしくは複数のプロセッシングされた変数、または生の変数およびプロセッシングされた変数を含む、他の変数の１つもしくは複数の数学的結合を指す。特徴は、連続的または離散的であってもよい。
情報獲得は、特徴評価にとって好適な機械学習法の１つである。情報獲得の定義には、訓練例の収集物中の不純物の尺度であるエントロピーの定義が必要である。ある特定の特徴の値を知ることにより生じる標的特徴のエントロピーの減少は、情報獲得と呼ばれる。情報獲得をパラメータとして用いて、感染の型を説明する際の特徴の有効性を決定することができる。対称的不確実性は、本発明のいくつかの実施形態による、特徴選択アルゴリズムによって用いることができるアルゴリズムである。対称的不確実性は、特徴を［０，１］範囲に正規化することにより、より価値が高い特徴に向かう情報獲得の偏りを相殺する。
サブセット選択アルゴリズムは、評価アルゴリズムと検索アルゴリズムとの組合せに依拠する。特徴評価アルゴリズムと同様、サブセット選択アルゴリズムは、特徴のサブセットを順位付ける。しかしながら、特徴評価アルゴリズムと違って、本実施形態にとって好適なサブセット選択アルゴリズムは、サブセットに含まれる特徴間の冗長性の程度を説明しながら、感染の型に対する最も高い影響を示す特徴のサブセットを選択することを目的とする。特徴サブセット選択から得られる利益としては、データの可視化および理解の容易化、測定および保存要件の軽減、訓練および利用時間の減少、ならびに分類を改善するための紛らわしい特徴の排除が挙げられる。
サブセット選択アルゴリズムの２つの基本的アプローチは、機能するサブセットへの特徴の付加（前進選択）および現在のサブセットからの特徴の削除（後退排除）のプロセスである。機械学習においては、前進選択は、同じ名称の統計手順とは異なるように行われる。機械学習において現在のサブセットに付加される特徴は、交差検証を用いて１つの新しい特徴により増加する現在のサブセットの性能を評価することによって見出される。前進選択においては、サブセットは、交差検証を用いてそれぞれの新しいサブセットの予想される性能を評価しながら、それぞれの残りの特徴を、現在のサブセットに順に付加することによって構成される。現在のサブセットに付加される場合に最良の性能をもたらす特徴は保持され、プロセスは継続する。残りの利用可能な特徴がいずれも現在のサブセットの予測能力を改善しない場合、検索は終了する。このプロセスにより特徴のローカルな最適セットが見出される。
後退排除は、同様の様式で実現される。後退排除に関して、特徴セットのさらなる減少がサブセットの予測能力を改善しない場合、検索は終了する。本実施形態は、前方、後方、または両方の方向を検索する検索アルゴリズムを企図する。本実施形態にとって好適な検索アルゴリズムの代表例としては、限定されるものではないが、徹底的検索、欲張り山登り、サブセットのランダム摂動、ラッパーアルゴリズム、確率的民族検索、スキーマ検索、順位民族検索、およびベイジアン分類子が挙げられる。
決定木は、決定を行うための入力の考慮に関与するステップの論理経路を形成する決定支援アルゴリズムである。
用語「決定木」とは、限定されるものではないが、モデル木、分類木、および回帰木などの任意の型の木に基づく学習アルゴリズムを指す。
決定木を用いて、データセットまたはその関係を階層的に分類することができる。決定木は、分岐節および葉節点を含む木構造を有する。それぞれの分岐節は、属性（分割属性）および分割属性の値に対して実行される検定（分割検定）を特定し、分割検定の全ての可能な結果について他の節点に枝を伸ばす。決定木の根である分岐節は、ルートノードと呼ばれる。それぞれの葉節点は、分類（例えば、グループデータセットの特定の部分が対象特異的データセットの特定の部分に一致するかどうか）または値であってもよい。葉節点はまた、表示される分類における信頼を測定する信頼スコア（すなわち、正確である分類の尤度）などの表示される分類に関するさらなる情報を含有してもよい。例えば、信頼スコアは、０〜１の範囲の連続する値であってもよく、０のスコアは非常に低い信頼（例えば、表示される分類の指示値が非常に低い）を示し、１のスコアは非常に高い信頼（例えば、表示される分類がほぼ確実に正確である）を示す。
サポートベクターマシンは、統計学習理論に基づくアルゴリズムである。本発明のいくつかの実施形態によるサポートベクターマシン（ＳＶＭ）を、分類目的および／または数的予測のために用いることができる。分類のためのサポートベクターマシンを、本明細書では「サポートベクター分類子」と呼び、数的予測のためのサポートベクターマシンを、本明細書では「サポートベクター回帰」と呼ぶ。
ＳＶＭは、典型的には、核関数を特徴とし、その選択は得られるＳＶＭが分類、回帰または他の関数を提供するかどうかを決定する。核関数の適用により、ＳＶＭマップは高次元特徴空間中にベクトルを入力し、決定超表面（セパレータとしても知られる）を構築して、分類、回帰または他の決定関数を提供することができる。最も単純な事例においては、面は超平面（線形セパレータとしても知られる）であるが、より複雑なセパレータも企図され、核関数を用いて適用することができる。超表面を規定するデータ点は、サポートベクターと呼ばれる。
サポートベクター分類子は、最も近いデータ点からのセパレータの距離ができるだけ大きくなるセパレータを選択し、それによって、クラスの外側の物体と関連する特徴ベクター点から、所与のクラス中の物体と関連する特徴ベクター点を分離する。サポートベクター回帰については、関連する曲線または関数の平坦性も最大化しながら、データセットの誤差を最小化する、許容し得る誤差の半径を有する高次元チューブを構築する。換言すれば、チューブは、曲線または面に最も近いデータ点の収集物によって規定される、適合曲線の周囲の包絡線である。
サポートベクターマシンの利点は、一度、サポートベクターが同定されたら、残りの観察を計算から除去し、かくして、問題のコンピュータ計算の複雑性を大きく軽減することができるということである。ＳＶＭは典型的には、２つの段階：訓練段階および試験段階で動作する。訓練段階の間に、決定規則を実行するのに使用するためのサポートベクターのセットが生成される。試験段階の間に、決定規則を用いて決定が行われる。サポートベクターアルゴリズムは、ＳＶＭを訓練するための方法である。アルゴリズムの実行によって、ＳＶＭを特徴付けるサポートベクターを含む、パラメータの訓練セットが生成される。本実施形態にとって好適なサポートベクターアルゴリズムの代表例は、限定されるものではないが、逐次最小問題最適化法が挙げられる。
本発明に従って用いることができる回帰技術としては、限定されるものではないが、線形回帰、重回帰、ロジスティック回帰、プロビット回帰、順序ロジスティック回帰、順序プロビット回帰、ポアソン回帰、負の二項回帰、多項ロジスティック回帰（ＭＬＲ）および切断回帰が挙げられる。
ロジスティック回帰またはロジット回帰は、１つまたは複数の予測変数に基づいてカテゴリー従属変数（大きさは意味がないが、大きさの順序は意味があってもなくてもよい、限定数の値を獲得する従属変数）の結果を予測するために用いられる回帰分析の型である。ロジスティック回帰はまた、多項バリアントも含む。多項ロジスティック回帰モデルは、２つを超える個別の結果を可能にすることによってロジスティック回帰を一般化する回帰モデルである。すなわち、それは、独立変数（実数値、２値、カテゴリー値などであってもよい）のセットを所与として、カテゴリー分布された従属変数の異なる可能な結果の確率を予測するために用いられるモデルである。
ロジスティック回帰の利点は、それが予測信頼性の解釈可能な尺度−確率を割り当てるということである。例えば、７５％および９９％の確率で細菌感染を有すると予測される患者は、両方ともＳＶＭ解釈機能を用いた場合に細菌性と割り当てられるが、後者はより高い確率を有するという事実は隠される。信頼性の尤度レベルの割り当ては、臨床判断に影響し得る価値ある臨床情報を付加する。
重要なことに、各患者に関する感染型の尤度の算出により、システムが高い確実性で分類することができないことを知っている患者を合理的に除去することができる。これは、本明細書の図５に示される。かくして、製品が尤度を割り当てる場合、４０％の細菌感染と言う（「４０％」のスコアを有する１００人の患者のうちの４０人が細菌感染である）。
さらに、尤度スコアに関する閾値を用いることにより、試験対象の非２値分類を割り当てることができる。例として、３０％より下の細菌尤度を有する試験対象を、低確率の細菌感染に；３０％〜７０％を、中確率の細菌感染に、および７０％を超える場合、高確率の細菌感染に割り当てることができる。他の閾値を用いてもよい。
最小絶対収縮と選択演算子（ＬＡＳＳＯ）アルゴリズムは、線形回帰のための収縮および／または選択アルゴリズムである。ＬＡＳＳＯアルゴリズムは、Ｌ１ノルム正則化（係数の絶対値の和上の境界）、Ｌ２ノルム正則化（係数の二乗の和上の境界）などであってもよい正則化を用いて、二乗誤差の通常和を最小化することができる。ＬＡＳＳＯアルゴリズムを、ウェーブレット係数の軟閾値化、前進型段階的回帰、およびブースティング法と相関付けることができる。ＬＡＳＳＯアルゴリズムは、論文：非特許文献６（この開示は参照により本明細書に援用される）に記載されている。
ベイジアンネットワークは、変数および変数間の条件付き独立性を表すモデルである。ベイジアンネットワークにおいては、変数はノードとして表され、ノードを１つまたは複数のリンクによって互いに接続することができる。リンクは、２つのノード間の関係を示す。ノードは、典型的には、ノードが接続される他のノードの状態を考えるとノードの状態の確率を決定するために用いられる対応する条件付き確率表を有する。いくつかの実施形態においては、ベイズの最適分類子アルゴリズムを用いて、新しい記録に最大事後仮説を適用して、その分類の確率を予測する、ならびに訓練セットから得られる他の仮説のそれぞれから確率を算出し、感染の型の将来の予測のための重み付け係数としてこれらの確率を用いる。最良のベイジアンネットワークのための検索にとって好適なアルゴリズムとしては、限定されるものではないが、グローバルスコアメトリックに基づくアルゴリズムが挙げられる。ネットワークを構成するための代替的なアプローチにおいては、マルコフブランケットを用いることができる。マルコフブランケットは、ノードの親、その子、およびその子の親から構成される、その境界の外側の任意のノードによって影響されるものからノードを単離する。
例に基づくアルゴリズムは、訓練セットから（一度）生成された木またはネットワーク上での予測を基準とする代わりに、それぞれの例について新しいモデルを生成するものである。
機械学習の文脈における用語「例」とは、データセットに由来する例を指す。
例に基づくアルゴリズムは、典型的には、メモリ中のデータセット全体を保存し、試験されるものと類似する記録のセットからモデルを構成する。この類似性を、例えば、近傍法または局所的重み付け法により、例えば、ユークリッド距離を用いて評価することができる。一度、記録のセットが選択されたら、最終モデルを、ナイーブベイズなどのいくつかの異なるアルゴリズムを用いて構成することができる。
また、本発明を用いて、任意数の設定において患者または対象集団をスクリーニングすることもできる。例えば、健康維持機構、公衆衛生団体または学校保健計画は、上記のような、介入を必要とする者を同定するために、または疫学データの収集のために対象群をスクリーニングすることができる。保険会社（例えば、健康保険、生命保険または身体障害保険）は、補償範囲もしくは価格設定を決定するプロセスにおいて申込者を、または可能な介入について既存の顧客をスクリーニングしてもよい。特に、感染のような状態への任意の臨床的進行に関係する場合、そのような集団スクリーニングにおいて収集されたデータは、例えば、健康維持機構、公衆衛生計画および保険会社の営業において価値があるであろう。そのようなデータアレイまたは収集物を、機械で読み取り可能な媒体中に保存し、任意数の健康関連データ管理システム中で使用して、改善された医療サービス、費用効果的な医療、改善された保険営業などを提供することができる。例えば、特許文献９、特許文献１０、特許文献１１、および特許文献１２を参照されたい。そのようなシステムは、内部データ記憶装置から直接的に、または本明細書でさらに詳細に説明される１つもしくは複数のデータ保管場所から遠隔的にデータにアクセスすることができる。
機械で読み取り可能な記憶媒体は、前記データを使用するための指示を用いてプログラミングされた機械を用いた場合、様々な目的に使用することができる機械で読み取り可能なデータまたはデータアレイをコードしたデータ記憶材料を含んでもよい。本発明の有効量のバイオマーカーの測定および／またはこれらのバイオマーカーに由来する危険の得られる評価を、特に、プロセッサ、データ記憶システム（揮発性および非揮発性メモリならびに／または記憶素子など）、少なくとも１つの入力装置、および少なくとも１つの出力装置を含む、プログラム可能なコンピュータ上で実行するコンピュータプログラム中に実装することができる。
プログラムコードを入力データに適用して、上記の機能を実施し、出力情報を生成することができる。出力情報を、当業界で公知の方法に従って、１つまたは複数の出力装置に適用することができる。コンピュータは、例えば、従来設計のパーソナルコンピュータ、マイクロコンピュータ、またはワークステーションであってもよい。
コンピュータシステムと通信する高レベルの手続型またはオブジェクト指向型プログラミング言語中に、それぞれのプログラムを実装することができる。しかしながら、プログラムを、必要に応じて、アセンブリまたはマシン言語中に実装することができる。言語は、コンパイラ型言語またはインタープリタ型言語であってもよい。それぞれのそのようなコンピュータプログラムを、記憶媒体または装置がコンピュータにより読み取られ、本明細書に記載の手順を実施する時にコンピュータを構成し、動作させるために、一般的な、または特殊な目的のプログラム可能なコンピュータにより読み取り可能な記憶媒体または装置（例えば、ＲＯＭもしくは磁気ディスクもしくは本開示の他の場所に定義される他のもの）上に保存することができる。
また、本発明の健康関連データ管理システムを、コンピュータプログラムと共に構成された、コンピュータで読み取り可能な記憶媒体として実装することを考慮してもよく、そのように構成された記憶媒体は、コンピュータに、特定の、および所定の様式で動作して、本明細書に記載される様々な機能を実施させる。
記録された出力は、アッセイの結果、知見、診断、予測および／または処置推奨を含んでもよい。これらのものを、例えば、技術者、医師および／または患者に通信することができる。ある特定の実施形態においては、コンピュータを用いて、そのような情報を、患者および／または主治医などの、当事者に通信する。出力に基づいて、対象に投与される療法を改変してもよい。
一実施形態においては、出力をグラフとして提示する。別の実施形態においては、出力を数値として（例えば、確率として）提示する。別の実施形態においては、出力を、ある色が細菌感染を示し、別の色が非細菌感染を示すカラーインデックス（例えば、バー表示中）を用いて生成する。色の強度は、細菌感染／非感染の確率と相関する。そのようなグラフ表示を、図２９Ａ〜Ｆに提示する。
いくつかの実施形態においては、出力を、アッセイが完了した後できるだけ早く対象に通信し、診断および／または予測を生成する。結果および／または関連情報を、対象を処置する医師が対象に通信してもよい。あるいは、結果を、文書化された報告、電子メールなどの電気的形態の通信、または電話を提供することなどによる、文書を含む任意の通信手段によって試験対象に直接通信してもよい。電子メールによる通信の場合などにおいては、コンピュータの使用によって通信を容易にすることができる。ある特定の実施形態においては、診断試験の結果および／または試験から引き出された結論および／または試験に基づく処置推奨を含む通信を生成し、電気通信における当業者であれば精通しているコンピュータハードウェアとソフトウェアの組合せを用いて対象に自動的に送達することができる。医療向け通信システムの一例は、特許文献１３に記載されている；しかしながら、本開示は、この特定の通信システムを用いる方法に限定されない。本開示の方法のある特定の実施形態においては、試料のアッセイ、疾患の診断、およびアッセイ結果または診断の通信を含む方法ステップの全部またはいくつかを、多様な（例えば、外国の）司法権において実行することができる。
いくつかの実施形態においては、本明細書に記載の方法を、場合により、好ましくは、必須ではないが、第１のコンパートメントが血液中のポリペプチドの量を測定し（例えば、免疫組織化学的方法を用いる）、第２のコンパートメントが第１のコンパートメントにおいて測定された結果をコンピュータにより分析し、診断に関連する出力を提供する、少なくとも２つのコンパートメントを含む、手持ち式デバイスを含むシステム３３０を用いて実行する。
本発明のいくつかの実施形態によるシステム３３０の代表例のブロック図を、図３４に例示する。システム３３０は、必須ではないが、手持ち式デバイスであってもよいデバイス３３１を含んでもよい。あるいは、デバイス３３１は、卓上に搭載可能な、または卓上に設置可能なデバイスであってもよい。システム３３０は、対象の血液中のポリペプチドの発現値を測定するように構成された測定システム３３３を有する第１のコンパートメント３３２を含んでもよい。測定システム３３３は、自動化ＥＬＩＳＡ、自動化免疫アッセイ、および自動化機能アッセイからなる群から選択される少なくとも１つの自動化アッセイを実施することができる。システム３３０はまた、本明細書に記載の操作を実行するためのコンピュータプログラム命令（例えば、第１および／もしくは第２の座標を規定するためのコンピュータプログラム命令、曲線および／もしくは平面を規定するためのコンピュータプログラム命令、第１および／もしくは距離を算出するためのコンピュータプログラム命令、算出された距離を、細菌および／もしくはウイルス感染の存在、非存在、もしくは対象が細菌および／もしくはウイルス感染を有する尤度と相関付けるためのコンピュータプログラム命令）を保存するためのコンピュータで読み取り可能な媒体３３８を有するハードウェアプロセッサ３３６を含む第２のコンパートメント３３４を含んでもよい。ハードウェアプロセッサ３３６は、第１のコンパートメント３３２から発現値測定値を受信し、測定値に応答してプログラム命令を実行するように構成される。場合により、好ましくは、ハードウェアプロセッサ３３６はまた、プロセッシングされたデータを表示デバイス３４０に出力するように構成される。
本発明のいくつかの任意選択の実施形態においては、システム３３０は、通信ネットワークと通信する。これらの実施形態においては、システム３３０またはハードウェアプロセッサ３３６は、通信ネットワーク３５２と通信するネットワークインタフェース３５０を含む。図３４に示される代表的例示において、ネットワーク３５２は、ハードウェアプロセッサ３３６により実施される分析の結果（例えば、細菌および／またはウイルス感染の存在、非存在、または対象が細菌および／またはウイルス感染を有する尤度）を、１つまたは複数の遠隔位置に伝送するために用いられる。例えば、システム３３０は、少なくとも１つの実験室情報システム３６０、および／またはシステム３３０のような複数のシステムからデータを収集する中央サーバー３６２に分析結果を伝送することができる。
図３９Ａは、通信ネットワーク３５２が発現値測定値を受信するために用いられる実施形態におけるシステム３３０のブロック図を示す略図である。これらの実施形態においては、システム３３０は、上記でさらに詳述された、コンピュータで読み取り可能な媒体３３８と、限定されるものではないが、プロセッサ３３６などのハードウェアプロセッサとを含んでもよい。ハードウェアプロセッサ３３６は、ネットワークインタフェース３５０を含んでもよい。インタフェース３５０を介して、ハードウェアプロセッサ３３６は、限定されるものではないが、測定システム３３３などの測定システムから発現値測定値を受信し、受信した測定値に応答して、コンピュータで読み取り可能な媒体３３８中のコンピュータプログラム命令を実行する。次いで、ハードウェアプロセッサ３３６は、プロセッシングされたデータを表示デバイス３４０に出力することができる。
図３４および図３９Ａに示される実施形態の組合せもまた企図される。例えば、インタフェース３５０を、ネットワーク３５２から発現値測定値を受信するため、およびネットワーク３５２に分析の結果を伝送するための両方のために用いることができる。
本発明のいくつかの実施形態においては、システム３３０は、図３９Ｂのブロック図において概略的に例示されるように、ユーザーと通信する。 これらの実施形態においては、システム３３０は、上記でさらに詳述された、コンピュータで読み取り可能な媒体３３８と、限定されるものではないが、プロセッサ３３６などのハードウェアプロセッサとを含んでもよい。ハードウェアプロセッサ３３６は、ユーザー３５６と通信するユーザーインタフェース３５４を含む。インタフェース３５０を介して、ハードウェアプロセッサ３３６は、ユーザー３５６から発現値測定値を受信する。ユーザー３５６は、外部供給源から、または免疫アッセイおよび機能アッセイからなる群から選択される少なくとも１つのアッセイを実行することにより、またはオペレーティングシステム３３３により（示さない、図３９Ａおよび図３４を参照されたい）、発現値を取得することができる。ハードウェアプロセッサ３３６は、受信した測定値に応答して、コンピュータで読み取り可能な媒体３３８中のコンピュータプログラム命令を実行する。次いで、ハードウェアプロセッサ３３６は、プロセッシングされたデータを表示デバイス３４０に出力することができる。
一度、診断が行われたら、いくつかの動作を取ることができることが理解される。
かくして、例えば、細菌感染が包含される場合、対象を抗生剤で処置することができる。
抗生剤の例としては、限定されるものではないが、ダプトマイシン；ゲミフロキサシン；テラバンシン；セフタロリン；フィダキソミシン；アモキシシリン；アンピシリン；バカンピシリン；カルベニシリン；クロキサシリン；ジクロキサシリン；フルクロキサシリン；メズロシリン；ナフシリン；オキサシリン；ペニシリンＧ；ペニシリンＶ；ピペラシリン；ピバンピシリン；ピブメシリナム；チカルシリン；アズトレオナム；イミペネム；ドリペネム；メロペネム；エルタペネム；クリンダマイシン；リンコマイシン；プリスチナマイシン；キヌプリスチン；セファセトリル（セファセトリル）；セファドロキシル（セファドロキシル）；セファレキシン（セファレキシン）；セファログリシン（セファログリシン）；セファロニウム（セファロニウム）；セファロリジン（セファロラジン）；セファロチン（セファロシン）；セファピリン（セファピリン）；セファトリジン；セファザフルール；セファゼドン；セファゾリン（セファゾリン）；セフラジン（セフラジン）；セフロキサジン；セフテゾール；セファクロル；セファマンドール；セフメタゾール；セホニシド；セホテタン；セホキシチン；セフプロジル（セフプロキシル）；セフロキシム；セフゾナム；セフカペン；セフダロキシム；セフジニル；セフジトレン；セフェタメット；セフィキシム；セフメノキシム；セホジジム；セホタキシム；セフピミゾール；セフポドキシム；セフテラム；セフチブテン；セフチオフル；セフチオレン；セフチゾキシム；セフトリアキソン；セホペラゾン；セフタジジム；セフクリジン；セフェピム；セフルプレナム；セホセリス；セホゾプラン；セフピロム；セフキノム；第５世代；セフトビプロール；セフタロリン；非分類；セファクロメジン；セファロラム；セファパロール；セフカネル；セフェドロロール；セフェムピドン；セフェトリゾール；セフィビトリル；セフマチレン；セフメピジウム；セホベシン；セホキサゾール；セフロチル；セフスミド；セフラセチム；セフチオキシド；アジスロマイシン；エリスロマイシン；クラリスロマイシン；ジリスロマイシン；ロキシスロマイシン；テリスロマイシン；アミカシン；ゲンタマイシン；カナマイシン；ネオマイシン；ネチルマイシン；パロモマイシン；ストレプトマイシン；トブラマイシン；フルメキン；ナリジクス酸；オキソリン酸；ピロミド酸；ピペミド酸；ロソキサシン；シプロフロキサシン；エノキサシン；ロメフロキサシン；ナジフロキサシン；ノルフロキサシン；オフロキサシン；ペフロキサシン；ルフロキサシン；バロフロキサシン；ガチフロキサシン；グレパフロキサシン；レボフロキサシン；モキシフロキサシン；パズフロキサシン；スパルフロキサシン；テマフロキサシン；トスフロキサシン；ベシフロキサシン；クリナフロキサシン；ゲミフロキサシン；シタフロキサシン；トロバフロキサシン；プルリフロキサシン；スルファメチゾール；スルファメトキサゾール；スルフィソキサゾール；トリメトプリム−スルファメトキサゾール；デメクロサイクリン；ドキシサイクリン；ミノサイクリン；オキシテトラサイクリン；テトラサイクリン；チゲサイクリン；クロラムフェニコール；メトロニダゾール；チニダゾール；ニトロフラントイン；バンコマイシン；テイコプラニン；テラバンシン；リネゾリド；シクロセリン２；リファンピン；リファブチン；リファペンチン；バシトラシン；ポリミキシンＢ；ビオマイシン；カプレオマイシンが挙げられる。
ウイルス感染が包含される場合、対象を、抗ウイルス剤で処置することができる。抗ウイルス剤の例としては、限定されるものではないが、アバカビル；アシクロビル；アシクロビル；アデホビル；アマンタジン；アンプレナビル；アンプリジェン；アルビドール；アタザナビル；アトリプラ；バラビル；ボセプレビレルテット；シドホビル；コンビビル；ドルテグラビル；ダルナビル；デラビルジン；ジダノシン；ドコサノール；エドクスジン；エファビレンズ；エムトリシタビン；エンフビルチド；エンテカビル；エコリエベル；ファムシクロビル；ホミビルセン；ホサンプレナビル；ホスカルネット；ホスホネット；融合阻害剤；ガンシクロビル；イバシタビン；イムノビル；イドクスウリジン；イミキモド；インジナビル；イノシン；インテグラーゼ阻害剤；インターフェロンＩＩＩ型；インターフェロンＩＩ型；インターフェロンＩ型；インターフェロン；ラミブジン；ロピナビル；ロビリド；マラビロク；モロキシジン；メチサゾン；ネルフィナビル；ネビラピン；ネキサビル；オセルタミビル；ペグインターフェロンアルファ−２ａ；ペンシクロビル；ペラミビル；プレコナリル；ポドフィロトキシン；ラルテグラビル；逆転写酵素阻害剤；リバビリン；リマンタジン；リトナビル；ピラミジン；セキナビル；ソホスブビル；スタブジンテラプレビル；テノホビル；テノホビルジソプロキシル；チプラナビル；トリフルリジン；トリジビル；トロマンタジン；トルバダ；トラポルベド；バラシクロビル；バルガンシクロビル；ビクリビロク；ビダラビン；ビラミジン；ザルシタビン；ザナミビル；ジドブジン；ＲＮＡｉ抗ウイルス剤；吸入リボビロン；モノクローナル抗体レスピガム；ノイリミニダーゼ遮断剤が挙げられる。
本明細書に記載の方法を用いて得られる情報は、さらなる患者管理選択肢に役立ち得る。例えば、この情報を、患者を入院させるべきか、またはそうするべきではないかを決定するために用いることができる。それはまた、入院期間を延長するかどうかにも影響し得る。それはまた、さらなる試験を実施する必要があるかどうかの決定にも影響するか、またはＣＴおよび／もしくはＸ線および／もしくはＭＲＩおよび／もしくは培養および／もしくは血清学および／もしくは特定の細菌に関するＰＣＲアッセイおよび／もしくはウイルスに関するＰＣＲアッセイなどの不必要な試験の実施ならびに／または腰椎穿刺などの手順の実施を省くことができる。
それは、患者の予後、疾患重症度および転帰を評価するために臨床的に有用であることが多い。本発明者らはここで、低レベルのＴＲＡＩＬ（約２０ｐｇ／ｍｌまたは約１５ｐｇ／ｍｌまたは約１０ｐｇ／ｍｌまたは約５ｐｇ／ｍｌまたは約２ｐｇ／ｍｌより低い）が患者の予後不良および転帰不良、ならびに高い疾患重症度と有意に相関することを見出した。例えば、本発明者らは、一般的には重症である、集中治療室（ＩＣＵ）にいる成人患者が、感染または非感染の病因を有するかどうかに関係なく病気が少ない他の全ての患者と比較して、有意に低いＴＲＡＩＬレベルを有することを示した。
かくして、本発明の別の態様によれば、疾患を有する対象中のＴＲＡＩＬタンパク質血清レベルを測定することを含む、疾患に関する予後を予測する方法であって、ＴＲＡＩＬレベルが所定のレベルより下である場合、所定のレベルより上のＴＲＡＩＬタンパク質血清レベルを有する疾患を有する対象よりも予後が不良である、方法が提供される。
ＴＲＡＩＬタンパク質血清レベルを測定する方法は、上記されている。
疾患は、感染症または非感染症であってもよい。対象は、診断された、または診断されていない疾患を有してもよい。
疾患の特定の例としては、限定されるものではないが、細菌感染（例えば、菌血症、髄膜炎、呼吸器感染、尿路感染など）、敗血症、物理的傷害および外傷、心血管疾患、多臓器不全関連疾患、薬物誘導性腎毒性、急性腎疾患、腎傷害、進行性肝硬変および肝不全、急性または慢性左心室不全、右心室不全を有する／有さない肺高血圧、ならびに様々な型の悪性腫瘍が挙げられる。
別の実施形態によれば、予測精度を増大させるのに役立つさらなるポリペプチドを測定する。かくして、例えば、測定してもよい他のポリペプチドとしては、ＩＰ−１０、ＣＲＰ、ＩＬ１ＲＡ、ＰＣＴおよびＳＡＡが挙げられる。
特定の実施形態によれば、ＩＰ−１０、ＣＲＰおよびＴＲＡＩＬを測定する。
別の実施形態によれば、ＴＲＡＩＬのみを測定する。
本発明者らは、非常に低レベルのＴＲＡＩＬを有する患者（上記で分類された）が、回復の機会がより少なく、および合併症の機会がより多いことを見出した。従って、本発明者らは、対象が非常に低レベルのＴＲＡＩＬを有することが分かった場合、彼らを最後の手段としてのみ用いられる薬剤で処置するべきであることを提唱する。
例えば、そのような薬剤は、例えば、完全なＦＤＡ認可を得られていない実験薬剤であってもよい。他の最後の手段の薬剤は、重篤な副作用と関連することが知られるものである。別の例示的な最後の手段の薬剤は、バンコマイシンなどの抗生物質である（典型的には、抗生物質耐性の拡散を防止するために提供されていない）。
典型的には、最後の手段の薬剤と考えられていない薬剤を、臨床的に許容される用量を超える用量で提供してもよいことも理解される。
本発明のこの態様によれば、ＴＲＡＩＬレベルが所定のレベルより上である場合、患者は、典型的には、最後の手段の薬剤で処置するべきではない。
本発明者らはここで、健康な個体または非感染症を有する患者におけるＴＲＡＩＬの基底レベルが、生殖可能年齢の男性と比較して女性においてより低い（ｔ検定のＰ＜０．００１）（図３７Ａを参照されたい）が、生殖可能年齢前または生殖可能年齢後では不変である（ｔ検定のＰ＝０．９、図３７Ａ）ことを見出した。この傾向は、感染症を有する患者においては観察されなかった。
この年齢依存的動力学を用いて、当業者には明らかであるように、細菌、ウイルスおよび非感染または健康な個体の間を区別するモデルを改良することができる。
例えば、モデルは、年齢および性別のパラメータを含んでもよい。対象の年齢が生殖能力を示すある特定の範囲（例えば、約１３〜４５歳）にあり、対象が男性である場合、生殖可能年齢にある男性のＴＲＡＩＬモデル係数を用いることができる。対象の年齢が生殖能力を示す範囲内にあり、対象が女性である場合、生殖可能年齢にある女性のＴＲＡＩＬモデル係数を用いることができる。対象の年齢が生殖能力を示す範囲の外にある場合、性別不変であるＴＲＡＩＬモデル係数を用いることができる。
かくして、本発明の別の態様によれば、生殖可能年齢の女性対象における感染型を決定する方法であって、対象中のＴＲＡＩＬタンパク質血清レベルを、所定の閾値と比較することを含み、前記所定の閾値が、生殖可能年齢の健康な女性対象、または生殖可能年齢の健康な女性対象群のＴＲＡＩＬタンパク質血清レベルに対応し、前記ＴＲＡＩＬタンパク質血清レベルと前記所定の閾値との差異が感染型を示す、方法が提供される。
かくして、本発明の別の態様によれば、生殖可能年齢の男性対象における感染型を決定する方法であって、対象中のＴＲＡＩＬタンパク質血清レベルを、所定の閾値と比較することを含み、前記所定の閾値が、生殖可能年齢の健康な男性対象、または生殖可能年齢の健康な男性対象群のＴＲＡＩＬタンパク質血清レベルに対応し、前記ＴＲＡＩＬタンパク質血清レベルと前記所定の閾値との差異が感染型を示す、方法が提供される。
所定の閾値を用いて、感染型を包含させるか、または除外することができることが理解される。
かくして、例えば、ＴＲＡＩＬタンパク質血清レベルが第１の所定の閾値より上である場合、感染型はウイルス性である。
例えば、ＴＲＡＩＬタンパク質血清レベルが第２の所定の閾値より上である場合、感染型は細菌性ではない。
例えば、ＴＲＡＩＬタンパク質血清レベルが第３の所定の閾値より下である場合、感染型は細菌性である。
例えば、ＴＲＡＩＬタンパク質血清レベルが第４の所定の閾値より下である場合、感染型はウイルス性ではない。
典型的には、本明細書に記載の健康な男性または女性対象は、既知の疾患を有さない。特定の実施形態によれば、対照となる対象は、感染症を有さない。
典型的には、対象のＴＲＡＩＬタンパク質血清レベルと所定の閾値との差異は、上記でさらに説明されたように、統計的に有意な差異である。
本明細書で用いられる用語「約」とは、±１０％を指す。
用語「含む（ｃｏｍｐｒｉｓｅ）」、「含む（ｃｏｍｐｒｉｓｉｎｇ）」、「含む（ｉｎｃｌｕｄｅｓ）」、「含む（ｉｎｃｌｕｄｉｎｇ）」、「有する（ｈａｖｉｎｇ）」およびその同根語は、「限定されるものではないが、含む（ｉｎｃｌｕｄｉｎｇ ｂｕｔ ｎｏｔ ｌｉｍｉｔｅｄ ｔｏ）」を意味する。
用語「からなる（ｃｏｎｓｉｓｔｉｎｇ ｏｆ）」は、「含み、かつ限定される（ｉｎｃｌｕｄｉｎｇ ａｎｄ ｌｉｍｉｔｅｄ ｔｏ）」を意味する。
用語「本質的にからなる（ｃｏｎｓｉｓｔｉｎｇ ｅｓｓｅｎｔｉａｌｌｙ ｏｆ）」は、さらなる成分、ステップおよび／または部分が特許請求される組成物、方法または構造の基本的および新規特性を実質的に変化させない場合にのみ、組成物、方法または構造がさらなる成分、ステップおよび／または部分を含んでもよいことを意味する。
本出願を通して、本発明の様々な実施形態を、範囲形式で提示することができる。範囲形式での記述は単に便宜上および簡潔性のためのものであることが理解されるべきであり、本発明の範囲に対する柔軟性のない限定と解釈されるべきではない。従って、範囲の記述は、具体的に開示される全ての可能なサブ範囲ならびにその範囲内の個々の数値を有すると考えるべきである。例えば、１〜６などの範囲の記述は、１〜３、１〜４、１〜５、２〜４、２〜６、３〜６などの具体的に開示されるサブ範囲、ならびにその範囲内の個々の数、例えば、１、２、３、４、５および６を有すると考えるべきである。
本明細書で用いられる用語「方法」とは、限定されるものではないが、化学、薬学、生物学、生化学および医学の分野の実務者には公知の、または彼らによって公知の様式、手段、技術および手順から容易に開発される様式、手段、技術および手順を含む、所与の仕事を達成するための様式、手段、技術および手順を指す。
本明細書で用いられる用語「処置すること」は、状態の進行を無効化すること、実質的に阻害すること、減速させること、もしくは逆転させること、状態の臨床的もしくは美的症状を実質的に改善すること、または状態の臨床的もしくは美的症状の出現を実質的に防止することを含む。
明確性のために、別々の実施形態の文脈で記載される本発明のある特定の特徴を、単一の実施形態において組み合わせて提供することもできることが理解される。逆に、簡潔性のために、単一の実施形態の文脈で記載される本発明の様々な特徴を、別々に、または任意の好適なサブコンビネーションで、または本発明の任意の他の記載される実施形態において好適なように提供することもできる。様々な実施形態の文脈で記載されるある特定の特徴は、その実施形態がこれらの要素なしでは動作不能でない限り、これらの実施形態の必須の特徴であると考えるべきではない。
上記で説明された、および以下の特許請求の範囲のセクションで特許請求される本発明の様々な実施形態および態様は、以下の実施例において実験的支援を得る。
ここで、上記の説明と共に、非限定的様式で本発明のいくつかの実施形態を例示する、以下の実施例を参照する。
一般に、本明細書で用いられる命名法および本発明において用いられる実験手順は、分子的技術、生化学的技術、微生物学的技術および組換えＤＮＡ技術を含む。そのような技術は、文献中で徹底的に説明されている。例えば、非特許文献７；非特許文献８；非特許文献９；非特許文献１０；非特許文献１１；非特許文献１２；特許文献１４、特許文献１５、特許文献１６、特許文献１７および特許文献１８に記載の方法；非特許文献１３；非特許文献１４；非特許文献１５；非特許文献１６；非特許文献１７を参照されたい；利用可能な免疫アッセイは、特許および科学文献に広範囲に記載されており、例えば、特許文献１９；特許文献２０；特許文献２１；特許文献２２；特許文献２３；特許文献２４；特許文献２５；特許文献２６；特許文献２７；特許文献２８；特許文献２９；特許文献３０；特許文献３１；特許文献３２；特許文献３３および特許文献３４；非特許文献１８；非特許文献１９；非特許文献２０；非特許文献２１；非特許文献２２；非特許文献２３および非特許文献２４；非特許文献２５；非特許文献２６を参照されたい；これらは全て、あたかも本明細書に徹底的に説明されたかのように参照により援用される。他の一般的な参考文献は、本文献を通して提供される。その中の手順は、当業界で周知であると考えられ、読者の便宜のために提供される。その中に含まれる全ての情報は、参照により本明細書に援用される。
（実施例１）
細菌感染とウイルス感染とを識別するための宿主−プロテオーム特徴：前向き多施設観察試験
方法
試験集団：合計１００２人の患者が試験に参加した。小児患者（１８歳以下）を、小児救急科（ＰＥＤ）、小児病棟および外科から募集し、成人（１８歳を超える）を、救急科（ＥＤ）、内科および外科から募集した。インフォームドコンセントを、適用できる場合、それぞれの参加者または法的保護者から取得した。感染症コホートの試験対象患者基準は、急性感染症の臨床上の疑い、症状開始以来の３７．５℃を超えるピーク発熱、１２日以下の症状の持続期間を含んでいた。対照群の試験対象患者基準は、非感染症（例えば、外傷、脳卒中および心筋梗塞）の臨床的印象、または健康な対象を含んでいた。試験除外基準は、登録の直近２週間における急性感染症の任意の発現の証拠；先天性免疫不全の診断；免疫抑制療法または免疫調節療法を用いる現在の処置；活性悪性腫瘍、ヒト免疫不全ウイルス（ＨＩＶ）−１、Ｂ型肝炎ウイルス（ＨＢＶ）、またはＣ型肝炎ウイルス（ＨＣＶ）感染の証明または疑いを含んでいた（図１Ａ）。重要なことに、広範囲の一般化を可能とするために、登録時の抗生物質処置は試験からの除外の原因とはならなかった。
登録プロセスおよびデータ収集：各患者について、以下の基準変数を記録した：層、身体検査、病歴（例えば、主訴、基礎疾患、慢性的に投与されている薬剤、併存疾患、症状開始の時間、および最高体温）、登録時に得られた全血球計数（ＣＢＣ）、ならびに化学物質パネル（例えば、クレアチニン、尿素、電解質、および肝酵素）。さらなる微生物学的調査のために各患者から鼻腔用綿棒を取得し、タンパク質スクリーニングおよび検証のために血液試料を取得した。医師によって適切に要求される通りにさらなる試料を取得した（例えば、尿路感染［ＵＴＩ］および胃腸炎［ＧＩ］が疑われる場合の、それぞれ、尿および糞便試料）。放射線検査を、医師の裁量で取得した（例えば、下気道感染［ＬＲＴＩ］が疑われる場合、胸部Ｘ線）。登録の３０日後、疾患経過および処置に対する応答を記録した。全ての情報を、電子症例報告書（ｅＣＲＦ）中に記録した。
微生物学的調査：患者は、鼻腔用綿棒試料から２つの多重ＰＣＲ診断アッセイを受けた：（ｉ）パラインフルエンザウイルス１、２、３、および４、コロナウイルス２２９Ｅ／ＮＬ６３、アデノウイルスＡ／Ｂ／Ｃ／Ｄ／Ｅ、ボカウイルス１／２／３／４、インフルエンザウイルスＡおよびＢ、メタニューモウイルス、コロナウイルスＯＣ４３、ライノウイルスＡ／Ｂ／Ｃ、呼吸器合胞体ウイルスＡおよびＢ、ならびにエンテロウイルスの検出のための、Ｓｅｅｐｌｅｘ（登録商標）ＲＶ１５（ｎ＝７１３）と、（ｉｉ）肺炎連鎖球菌、インフルエンザ菌、肺炎クラミジア、レジオネラ・ニューモフィラ、百日咳菌、および肺炎マイコプラズマの検出のためのＳｅｅｐｌｅｘ（登録商標）ＰＢ６（ｎ＝６３３）。多重ＰＣＲアッセイを、認証検査サービスによって実施した。また、患者を、シゲラ種、カンピロバクター種、およびサルモネラ種について、血液培養物（ｎ＝４２０）、尿培養物（ｎ＝１８８）および糞便培養物（ｎ＝６６）；サイトメガロウイルス（ＣＭＶ）、エプスタイン・バーウイルス（ＥＢＶ）、肺炎マイコプラズマ、およびコクシエラ・ブルネティ（Ｑ熱）（それぞれ、ｎ＝１６７、ｎ＝１３０、ｎ＝２０６およびｎ＝４１）について血清学的試験（ＩｇＭおよび／またはＩｇＧ）を含む、その疑われる臨床症候群によるさらなる病原体について検査した。
参照標準の確立：明確な診断、満場一致コホートおよび過半数コホート：Ｓｔａｎｄａｒｄｓ ｆｏｒ Ｒｅｐｏｒｔｉｎｇ ｏｆ Ｄｉａｇｎｏｓｔｉｃ Ａｃｃｕｒａｃｙ（ＳＴＡＲＤ）３８の推奨に従って、厳格な複合参照標準を作出した。第１に、上記のように、各患者について、徹底的な臨床調査および微生物学的調査を実施した。次いで、疾患経過を通して収集された全てのデータを、３人の医師のパネルによって総括させた。成人患者（１８歳を超える）について、パネルは、主治医と２人の感染症専門医を含んでいたが、児童および若者（１８歳以下）については、それは担当小児科医、感染症専門医および上位の担当小児科医を含んでいた。各パネルのメンバーは、各患者に、以下の診断ラベルの１つを割り当てた：（ｉ）細菌；（ｉｉ）ウイルス；（ｉｉｉ）見かけ上感染症がないか、または健康な（対照）；および（ｉｖ）不確定。混合感染（細菌とウイルス）を有する患者は、同様に管理される（例えば、抗生物質で処置される）ため、細菌と標識した。重要なことは、パネルメンバーが、彼らの同僚のラベルおよび特徴の結果について知らなかったことであった。
このプロセスを用いて、高い診断確度レベルを有する３つのコホートを作出した（図１Ａ）：
（ｉ）過半数コホート：３人のパネルメンバーのうちの少なくとも２人によって、患者は同じラベルを割り当てられた；
（ｉｉ）満場一致コホート（過半数コホートのサブグループ）：３人全員のパネルメンバーによって、患者は同じレベルを割り当てられた（用語「満場一致コホート」および「コンセンサスコホート」は本明細書では互換的に用いられる）；
（ｉｉｉ）明確診断コホート（満場一致コホートのサブグループ）：細菌標識患者は、３人全員のパネルメンバーによって満場一致で診断され、１５，０００個／μｌを超えるＷＢＣ（細菌感染の危険が高いことを示すカットオフ１１）を有し、以下の微生物学的確認の１つを有していた：菌血症（血液培養陽性）、細菌性髄膜炎（ＣＳＦ培養陽性）、腎盂腎炎（尿培養陽性および腎障害の超音波情報）、ＵＴＩ（尿培養陽性）、敗血症ショック（血液培養陽性）、または扁桃周囲膿瘍（外科的診査もしくはコンピュータ断層撮影により証明される）。ウイルス標識患者は、パネルメンバーによって満場一致で診断され、ウイルスの陽性検査結果を有していた。
さらに、対照標識患者は、３人全員のパネルメンバーによって満場一致で診断された。
試料、手順およびタンパク質測定：静脈血試料を、その場で最大５時間、４℃で保存した後、血漿、血清および総白血球に分画化し、−８０℃で保存した。鼻腔用綿棒および糞便試料を、最大７２時間、４℃で保存した後、多重ＰＣＲに基づくアッセイのために認証検査サービスに輸送した。スクリーニング段階において、酵素結合免疫吸着アッセイ（ＥＬＩＳＡ）、Ｌｕｍｉｎｅｘ技術、タンパク質アレイおよびフローサイトメトリー（新鮮に単離された白血球上での）を用いて、宿主−タンパク質を血清および白血球中で測定した。スクリーニングおよび特徴構築の後（宿主−プロテオームのスクリーニングのセクションを参照されたい）、３つのタンパク質を選択し、以下のように測定した：Ｃｏｂａｓ ６０００、Ｃｏｂａｓ Ｉｎｔｅｇｒａ ４００、Ｃｏｂａｓ Ｉｎｔｅｇｒａ ８００、またはＭｏｄｕｌａｒ Ａｎａｌｙｔｉｃｓ Ｐ８００（Ｒｏｃｈｅ）のいずれかにより、ＣＲＰを測定した。ＴＲＡＩＬおよびＩＰ−１０を、市販のＥＬＩＳＡキット（ＭｅＭｅｄ Ｄｉａｇｎｏｓｔｉｃｓ）を用いて測定した。
統計分析：一次分析は、受信者操作特性曲線下面積（ＡＵＣ）、感度（ＴＰ／Ｐ）、特異度（ＴＮ／Ｎ）、正の尤度比（ＬＲ＋＝感度／［１−特異度］）、負の尤度比（ＬＲ−＝［１−感度］／特異度）および診断オッズ比（ＤＯＲ＝ＬＲ＋／ＬＲ−）に基づくものであり、ここで、Ｐ、Ｎ、ＴＰおよびＴＮは、それぞれ、陽性（細菌患者）、陰性（ウイルス患者）、真陽性（細菌患者と正確に診断される）、および真陰性（ウイルス患者と正確に診断される）であった。統計分析を、ＭＡＴＬＡＢを用いて実施した。サンプルサイズの算出を、以下の実施例２に提示する。
宿主−プロテオームのスクリーニング：多変量ロジスティックモデルを開発、訓練および試験するためのプロセスの一般的な概説を、図１Ｂに記載する。簡単に述べると、体系的文献スクリーニングおよびバイオインフォマティクス分析を実施し、細菌患者とウイルス患者の末梢血試料中で示差的に発現される可能性があり、そのうちのいくつかは感染に対する宿主免疫応答において既知の役割を有し、他のものは免疫系と直接関連しない、６００のタンパク質候補を同定した。次に、それぞれのタンパク質候補を、訓練セット（５０％のウイルスおよび５０％の細菌）に由来する２０〜３０人の患者に対して測定し、Ｗｉｌｃｏｘｏｎ順位和（ＷＳ）のＰ値＜０．０１を用いて、統計的に有意な測定差を有するタンパク質をスクリーニングした。これにより、８６のタンパク質のセットが得られた（０．０７の偽発見率［ＦＤＲ］）。次いで、これらのタンパク質のそれぞれを、１００人のさらなる患者（５０％のウイルスおよび５０％の細菌）において評価し、Ｐ＜１０−４のｔ検定カットオフを用いてさらにスクリーニングし、ウイルス患者と細菌患者において有意に示差的に発現される１４のタンパク質が得られた（ＦＤＲ＜０．００１）。
特徴の開発および検証：特徴選択プロセスを適用して、タンパク質の最適な組合せを同定した。２つの特徴選択スキームを用いた：相互情報最小−最大３９および特徴を付加または除去するために一連の反復を用いる前方欲張りラッパー４０。訓練セット上での性能の増大が最早統計的に有意でない（Ｐ＞０．０５）場合、プロセスを終結させた。両プロセスは、３つのタンパク質の同じ最終セットに収束した。タンパク質レベルを単一のスコアに統合するために、多コンピュータモデルを検査した。その性能は、統計的に異なるものではなかった（以下の実施例２にさらに詳述されるように、Ｐ＞０．１）。尤度スコアを患者の診断に割り当てることによって確率的解釈を提供するため、多項ロジスティック回帰（ＭＬＲ）モデルを選択した。この特徴は、細菌感染の確率が中間：０．３５〜０．５５である患者を除去するためにこの特性を用いる。これらの患者のプロファイルは細菌宿主応答とウイルス宿主応答との間に境界があるため、これらの患者を記述するために用語「辺縁免疫応答」が用いられる。過半数コホート中の患者を、それぞれ、５０％の患者を含む訓練セットと試験セットとに分割した（図１Ｂ）。訓練セットは、スクリーニングプロセスに参加する１２０人の患者および無作為に割り当てられるさらなる患者を含んでいた。試験セットは、残りの患者を含み、特徴性能の独立評価のために用いられた。重要なことは、試験セット患者はいずれも、アルゴリズムを訓練するか、またはタンパク質を選択するために用いられなかったということであった。ｌｅａｖｅ−１０％−ｏｕｔ交差検証を用いて、モデル性能を見積もった。モデル構築に関するさらなる詳細を、以下の実施例２に提供する。
結果
患者特性：３人の医師が、ラベルをそれぞれの患者（細菌、ウイルス、対照、または不確定）に独立に割り当てた。このラベルを用いて、高いレベルの診断確度を示す３つのコホートを作出した：過半数（ｎ＝７６５）、満場一致（ｎ＝６３９）および明確な診断（ｎ＝３１２）コホート（図１Ａ）。さらに、医師が疾患の病因を確立できないか、または過半数ラベルがなかったため、９８人の患者を、不確定と標識した。過半数コホートの詳細な特性を、表１に記載する。簡単に述べると、コホートは性別に関して均衡し（４７％の女性、５３％の男性）、５６％の小児患者（１８歳以下）および４４％の成人（１８歳を超える）を含んでいた。患者は、様々な臨床症候群（例えば、ＲＴＩ、ＵＴＩ、および全身感染）、最高体温（３６〜４１．５℃）、症状開始からの時間（０〜１２日）、併存疾患、および薬剤を呈した（表１および図６Ａ〜１２Ｂ）。要するに、西欧諸国における急性感染症の大部分の原因となる５６の病原体種が検出された（図７Ａ〜Ｂ）。
表１−過半数コホート患者の基準特性。値は数字（パーセンテージ）である。５人を超える患者において検出された微生物のみを提示する。ＣＮＳ−中枢神経系、ＧＩ−胃腸炎、ＬＲＴＩ−下気道感染、ＵＴＲＩ−上気道感染、ＵＴＩ−尿路感染、Ｎ／Ａ−データが得られなかった健康な対象または患者。インフルエンザＡサブグループは、Ｈ１Ｎ１株を含んでいた。非定型細菌サブグループは、肺炎クラミジア、肺炎マイコプラズマおよびレジオネラ・ニューモフィラを含んでいた。腸内ウイルスサブグループは、ロタウイルス、アストロウイルス、腸内アデノウイルスおよびノロウイルスＧ Ｉ／ＩＩを含んでいた。臨床症候群分析において、ＬＲＴＩ群は、肺炎、細気管支炎、急性気管支炎、および喉頭炎を含んでいた；ＵＲＴＩ群は、咽頭炎、急性中耳炎、急性副鼻腔炎および急性扁桃炎を含んでいた。
明確診断、満場一致および過半数コホート上での特徴性能：６００のスクリーニングされた宿主−タンパク質およびその組合せのうち、過半数コホート訓練セットにおいて細菌、ウイルスおよび対照患者を識別するための最良の特徴は、３つの可溶性タンパク質：ＴＮＦ関連アポトーシス誘導リガンド（ＴＲＡＩＬ）、インターフェロンガンマ誘導タンパク質１０（ＩＰ−１０）、およびＣ反応性タンパク質（ＣＲＰ）を含んでいた（図２Ａ〜Ｃ）。過半数コホートの試験セット上で細菌感染とウイルス感染とを識別するための特徴ＡＵＣは、０．９４±０．０４であった。過半数コホート全体上でｌｅａｖｅ−１０％−ｏｕｔ交差検証を用いた場合、同様の結果が得られた（ＡＵＣ＝０．９４±０．０２）。この特徴は、スクリーニング段階で評価された全ての個々のタンパク質よりも有意に優れていた（Ｐ＜１０−６）。訓練手順および試験手順を、満場一致コホートおよび明確診断コホート上で繰り返したところ、それぞれ、０．９６±０．０２および０．９９±０．０１のＡＵＣが得られた。性能におけるこの段階的増加は、３つのコホートにおける参照標準の確実性の増加と同調している（以下の表２）。
Ａ．明確診断コホート（ｎ細菌＝２７、ｎウイルス＝１７３）、満場一致コホート（ｎ細菌＝２５６、ｎウイルス＝２７１）、および過半数コホート（ｎ細菌＝３１９、ｎウイルス＝３３４）における全患者上でのｌｅａｖｅ−１０％−ｏｕｔ交差検証を用いて、性能見積もりおよびその９５％ＣＩを得た。Ｂ．辺縁免疫応答を示す患者を除去した後、分析を繰り返したところ（明確診断［ｎ細菌＝２７、ｎウイルス＝１５９、ｎ辺縁＝１４］、満場一致［ｎ細菌＝２３３、ｎウイルス＝２３２、ｎ辺縁＝６２］、および過半数［ｎ細菌＝２９０、ｎウイルス＝２７７、ｎ辺縁＝８８］）、医師が特徴を用いる可能性がある方法と似ている。
次に、本発明者らは、過半数コホート試験セット上で感染（細菌またはウイルス）と非感染対照とを識別するための特徴を使用したところ、０．９６±０．０２のＡＵＣが得られた。ｌｅａｖｅ−１０％−ｏｕｔ交差検証を用いるさらなる評価は、同様の結果を与えた（ＡＵＣ＝０．９６±０．０１）。この特徴は、個々のタンパク質のいずれかよりも優れていた（Ｐ＜１０−８）。再度、満場一致コホートおよび明確診断コホート上での評価により、それぞれ、０．９７±０．０２および０．９７±０．０３の改善されたＡＵＣが示された。特徴性能の内輪の見積もりを得るために、その後の分析は過半数コホートに焦点を当てる。
臨床検査測定値、臨床パラメータ、および良好に確立されたバイオマーカーとの比較：特徴を、白血球数（ＷＢＣ）、絶対好中球数（ＡＮＣ）、好中球％、最高体温、脈拍、および呼吸速度などの、良好に確立された臨床パラメータおよび臨床検査測定値と比較した（図３Ａおよび実施例２）。特徴は、全ての個々のパラメータを上回っていた（Ｐ＜１０−１８）。次に、特徴を、いくつかの臨床パラメータの組合せと比較した。この目的のために、多項ロジスティックモデルを、最大４つの臨床パラメータの全ての組合せについて生成した。最良の性能の対、３つ組および４つ組を、図３Ａに記載する（第５のパラメータの追加は性能を改善しなかった）。特徴は、ＡＮＣ、脈拍、リンパ球％および単球％からなる最良の性能の臨床パラメータの組合せ（Ｐ＜１０−１５）よりも有意に良好であった（ＡＵＣ＝０．９４±０．０２対０．７７±０．０４）。次に、特徴性能を、敗血症および細菌感染を診断するために臨床実務において日常的に用いられる２つのタンパク質ＰＣＴおよびＣＲＰと比較した（実施例２）。特徴は、両タンパク質よりも有意に良好に機能した（それぞれ、Ｐ＜１０−８およびＰ＜１０−６）。特徴はまた、敗血症および細菌関連（例えば、ＴＲＥＭ、ＩＬ−６およびＩＬ−８）、ウイルス関連（例えば、ＩＦＮ−γおよびＩＬ−２）、ならびに炎症関連（例えば、ＩＬ−１ａおよびＴＮＦ−α）タンパク質などの、感染に対する免疫応答において確立された役割を有する様々な宿主−タンパク質よりも良好に機能した（Ｐ＜１０−８）（以下の図３Ｂおよび実施例２）。
特徴性能は異なる患者サブグループにわたって強固である：実生活の臨床設定において固有である患者および病原体不均一性は、任意の個々の宿主−バイオマーカーの診断的有用性に負に影響し得る。複数のバイオマーカーの組合せである特徴が、患者間変動性にもかかわらず一定の性能を維持することができるかどうかを検査するために、サブグループ分析を実施した。特徴は、年齢、臨床症候群、症状開始からの時間、最高体温、病原体種、併存疾患、慢性疾患のための薬剤を用いる処置、および臨床部位などの様々な患者特性にわたって強固であった（０．８７〜１．０のＡＵＣ）（以下の図４および実施例２）。また、特徴を、技術的に除外されたが、専門家パネルによって満場一致で標識された患者のサブグループ上でも試験したところ、０．９６±０．０６のＡＵＣ（ｎ細菌＝２７、ｎウイルス＝１４）が得られた。これは、特徴が最初に除外される状態により広く適用可能であることを示唆し得る（例えば、微熱性患者）。
特徴性能は潜在的な定着菌の存在によって影響されないままである：多くの疾患を引き起こす細菌は、自然の微生物叢の一部でもあり、無症状の対象にも頻繁に見出される１２、４２〜４４。そのような細菌は、それらの単なる検出が疾患における原因的役割を暗示するとは限らず、従って、適切な処置が依然として不明であるため、かなりの診断的課題を課する。本発明者らは、特徴性能がその存在によって影響されるかどうかを求めた。
鼻腔用綿棒上でのＰＣＲにより検出される、肺炎連鎖球菌（ＳＰ）およびインフルエンザ菌（ＨＩ）は、過半数群における２つの最も一般的な細菌であった（上記の表１）。高率のＳＰおよびＨＩが、細菌患者とウイルス患者の両方の間で見出され（ＳＰ：３６％および４７％；ＨＩ：２０％および３２％）、その単なる存在が疾患を引き起こすとは限らないという理解を実証している１２。患者を、彼らがＳＰを有するかどうか（ＳＰ＋：ｎ細菌＝１１６、ｎウイルス＝１５７；ＳＰ−：ｎ細菌＝２０３、ｎウイルス＝１７７）に基づいて層化し、２つの群のＡＵＣ性能を比較した。有意差は観察されなかった（０．９３±０．０３対０．９４±０．０２、Ｐ＝０．３１）。ＨＩの存在または非存在は、いずれかの特徴性能に影響しなかった（０．９４±０．０４対０．９３±０．０２；ＨＩ＋：ｎ細菌＝６３、ｎウイルス＝１０６；ＨＩ−：ｎ細菌＝２５６、ｎウイルス＝２２８、Ｐ＝０．３４）。これは、特徴がＳＰおよびＨＩの担持によって影響されないままであることを示している。
考察
臨床データの収集、化学物質パネル、および様々な微生物学試験のアレイ、次いで、３人の独立した医師による標識化を含む、厳密な複合参照標準戦略を構築した。このプロセスは、サイズが減少し、参照標準の確実性が増加する３つのサブコホートの階層：過半数、満場一致および明確診断を生成した。対応する特徴ＡＵＣは、０．９４±０．０２、０．９６±０．０２、および０．９９±０．０１であった。性能のこの段階的増加は、参照標準の確実性の増加に帰する可能性がある。しかしながら、特に、明確診断コホートにおける精度の増大は、部分的には、重度の疾患を有する患者の選択の偏りまたは明白な診断に起因してもいる可能性がある。従って、本明細書で提示される一次分析は、より広範囲の疾患重篤度および診断困難事例を捕捉する過半数コホートに焦点を当てたものであった。このコホートは、いくらかの間違った標識化を潜在的に含み、それによって、特徴精度の内輪の見積もりをもたらす。
特徴は、現在の微生物試験のいくつかの課題に取り組むものである。（ｉ）近づきにくい、または未知の感染部位を診断することの難しさ。特徴は、下気道感染（ＡＵＣ０．９５±０．０３、ｎ＝１５３）および原因不明の発熱（ＡＵＣ＝０．９７±０．０３、ｎ＝１２３）などの、そのような事例を正確に診断した。（ｉｉ）結果が出るまでの時間が長いこと（数時間から数日）。特徴は、病院に配置された自動化免疫アッセイ装置およびポイントオブケアデバイス上での迅速な測定（数分以内）を容易に受ける可溶性タンパク質を測定する。（ｉｉｉ）ウイルスの検出は細菌同時感染を除外しないため１４、１５、混合感染は診断不確実性をもたらし得る。特徴は、純粋な細菌感染と共に混合感染を分類し、かくして、抗生物質処置に関して両群を同様に管理するよう医師に促すことによって、これに取り組むものである。混合同時感染が応答の混合よりもむしろ、純粋な細菌と類似するプロテオーム宿主応答を惹起したという事実は、ウイルスを超える細菌の経路優位性を示し得る。（ｉｖ）微生物試験、特に、ＰＣＲの有意な欠点は、非細菌疾患を有する対象における潜在的な定着菌の検出である１２、１３。特徴性能は、潜在的な定着菌の存在または非存在によって影響されなかった。
ＰＣＴ、ＣＲＰおよびＩＬ−６などの宿主−タンパク質は、それらが臨床症状、血球数および微生物学を超えるさらなる情報を伝達するため、細菌感染の診断を補助するために日常的に用いられている１１。しかしながら、患者間および病原体変動性がその有用性を制限している２１〜２７。宿主−タンパク質の組合せは、これを克服する潜在能力を有するが、今までのところ、個々のタンパク質を超える重要でないものから中程度までの診断的改善をもたらしてきた１１、３５〜３７。この中程度の改善は、同じ因子に感受性であり、従って、互いに相殺することがあまりできない細菌誘導性タンパク質の組合せへの依拠に起因し得る。従って、宿主−タンパク質、臨床パラメータおよび他の試験を含む組合せにおいて、より大きな改善が観察された１１、３５〜３７。しかしながら、リアルタイムでのこれらの複数のパラメータの取得は、実現不可能であることが多い。
これに対処するために、相補的挙動を示すタンパク質の組合せを同定した。具体的には、ＴＲＡＩＬはウイルスに応答して誘導され、細菌によって抑制され、ＩＰ−１０は細菌感染よりもウイルス感染においてより高く、ＣＲＰはウイルス感染よりも細菌感染においてより高いことが見出された。細菌感染を示唆するＣＲＰの上昇の有用性はよく確立されているが３１、４５、日常的に用いられる細菌誘導性タンパク質を補完するための新規ウイルス誘導性タンパク質の包含は、特に、症状開始からの時間、病原体種および併存疾患を含む、様々なサブグループ間での特徴の頑健性に実質的に寄与した。例えば、子供における急性感染の５％〜１５％を引き起こす重要なウイルスサブグループであるアデノウイルスは、それらが細菌感染と似た臨床症状を誘導するため、診断が特に困難である４６。日常的な臨床検査パラメータは、特徴と比較してこのサブグループ上で良好に機能しない（ＡＵＣ＝０．６０±０．１０［ＷＢＣ］、０．５８±０．１０［ＡＮＣ］、０．８８±０．０５［特徴］；ｎ＝２２３）。
感染症診断における進歩にもかかわらず、細菌感染の時宜を得た同定は依然として困難であり、その深い健康および経済的結果と共に抗生物質の誤用をもたらす。より良好な処置指針の必要性に取り組むために、本発明者らは、細菌感染とウイルス感染とを区別するために新しい宿主−タンパク質と伝統的な宿主−タンパク質とを組み合わせた特徴を開発および検証した。大きいサンプルサイズの患者における本知見は有望であり、この宿主−特徴が急性感染症を有する患者を医師が管理し、抗生物質の誤用を減少させるのに役立つ可能性を有することを示唆している。
（実施例２）
細菌感染とウイルス感染とを識別するための宿主−プロテオーム特徴：前向き多施設観察試験−補足材料
精度の尺度：特徴は、対象において測定される３つのタンパク質バイオマーカーのレベルを統合し、細菌対ウイルス感染の確率を反映する数値スコアを算出する。特徴の診断精度を定量するために、スコア上でのカットオフを使用し、以下の尺度を適用した：感度、特異度、陽性推定値（ＰＰＶ）、陰性推定値（ＮＰＶ）、全精度、正の尤度比（ＬＲ＋）、負の尤度比（ＬＲ−）、および診断オッズ比（ＤＯＲ）。これらの尺度は、以下のように定義される：
Ｐ、Ｎ、ＴＰ、ＦＰ、ＴＮ、ＦＮはそれぞれ、陽性、陰性、真陽性、偽陽性、真陰性、および偽陰性である。有病率は、陽性クラスの相対頻度である（すなわち、有病率＝Ｐ／（Ｐ＋Ｎ）である）。別途記載しない限り、陽性および陰性は、それぞれ、細菌感染およびウイルス感染を有する患者を指す。
また、受信者操作曲線下面積（ＡＵＣ）を用いて、異なる診断方法のカットオフ独立比較を実施した。製剤化およびＡＵＣの信頼区間（ＣＩ）算出に関する詳細については、ＨａｎｌｅｙおよびＭｃＮｅｉｌ１を参照されたい。本文献を通じて、精度尺度の９５％ＣＩを報告する。
サンプルサイズ：主な試験対象は、ウイルスおよび細菌の病因を有する患者を分類するための特徴の性能を得ることであった。集団全体上での感度および特異度、Ｐが１％の有意性レベル、１５％の差異（Ｐ１−Ｐ０≧１５％）については９０％の力でＰ０＝７５％より低いというヌル仮説を拒絶するのに必要とされるサンプルサイズは、３９４人の患者（１９７人のウイルス患者および１９７人の細菌患者）であると見積もられた。さらに、大まかに１５％の患者が不確定の感染源を有し、１０％が技術的理由から除外され、１０％が健康な対象または非感染対象であることが予想された。総合すると、試験には、少なくとも６０７人の患者の募集が必要であった。１００２人の患者が募集されたため、この要件は満たされた。
計算モデルロジスティックモデルの構築：タンパク質レベルを単一の予測スコアに統合するために、人工神経ネットワーク（ＡＮＮ）、サポートベクターマシン（ＳＶＭ）、ベイジアンネットワーク（ＢＮ）、Ｋ近傍法（ＫＮＮ）および多項ロジスティック回帰（ＭＬＲ）などの複数のコンピュータ計算モデルを検査した２、３。ｌｅａｖｅ−１０％−ｏｕｔ交差検証を用いて過半数コホート上で得られた細菌感染とウイルス感染とを識別するためのＡＵＣは、０．９３±０．０２（ＡＮＮ）、０．９３±０．０２（ＳＶＭ［線形］）、０．９４±０．０２［ＳＶＭ（放射基底関数）］、０．９２±０．０２（ＢＮ）、０．９１±０．０２（ＫＮＮ）および０．９４±０．０２（ＭＬＲ）であった。ＡＮＮ、ＳＶＭおよびＭＬＲモデルの性能における有意差（そのＡＵＣを比較する場合のＰ＞０．１）は観察されなかった。本発明者らは、ＭＬＲが尤度スコアを患者の診断に割り当てることによって確率的解釈を提供するため、それを用いることを選択した。
本発明者らは、細菌と非細菌の病因を識別するためにＭＬＲ特徴を訓練および試験した。基礎となる病因の有病率は異なる臨床設定間で変化するため、等しい基準有病率（５０％の細菌および５０％の非細菌）を反映するように、モデルプライア（ｐｒｉｏｒ）を調整した。非細菌群内で、プライアを４５％ウイルスおよび５％非感染に調整して、急性感染が疑われる対象間でウイルス対非感染患者の予想される高い方の有病率を反映させた。ＭＬＲの重みおよびその対応する９５％信頼区間、ならびにそれぞれの係数と関連するｐ値を、以下の表３〜４にまとめる。細菌対ウイルス感染分析において、確率を合計１となるように調整した（Ｐｂ＿調整＝［Ｐｂ＋Ｐｖ］およびＰｂ＿調整＝［Ｐｂ＋Ｐｖ］、ここで、ＰｂおよびＰｖはそれぞれ、細菌感染およびウイルス感染の確率に一致する）。
ロジスティック較正曲線：ＭＬＲモデルの妥当性を評価するために、算出される予測確率を、実際に観察された結果と比較した（図５）。予測確率は、観察されたものと適合性が高かったが、これはモデルの妥当性をさらに証明している。
この試験において用いられる患者コホートの概要：合計１００２人の患者を募集し、８９２人を登録した（１１０人は所定の除外基準に基づいて除外された）。実施例１の「方法」のセクションに記載された参照標準プロセスに基づいて、患者を４つの異なる診断群に割り当てた：（ｉ）細菌；（ｉｉ）ウイルス；（ｉｉｉ）見かけ上の感染症または健康な（対照）；および（ｉｖ）不確定。混合感染（細菌＋ウイルス）を有する患者は、同様に管理される（例えば、抗生物質で処置される）ため、彼らを細菌と標識した（図１Ａ）。合計で、全登録患者の８９％が、文献に記載された限界４〜６に近づく速度で、診断を割り当てられた。以下のセクションは、最終診断を得た全患者（ｎ＝７９４）：過半数コホートの７６５人の患者およびスクリーニング段階で血清試料が枯渇した２９人の患者を含む、患者特性の詳細な説明を提供する（図１Ａ〜Ｂ）。
年齢および性別の分布：あらゆる年齢の患者を試験に募集した。一致した診断を有する患者（診断された患者；ｎ＝７９４）は、成人（１８歳を超える）患者よりも多くの小児（１８歳以下）患者を含んでいた（４４５人の患者［５６％］対３４９人［４４％］）。年齢分布は、２０〜８０歳の患者については比較的均一であり、小児患者については４歳未満にピークがあった（図６Ａ〜Ｂ）。小児患者について観察された年齢分布は、その予想された分布と一致し、入院患者設定７（例えば、救急診療部［ＥＤ］、小児科、および内科）におけるバックグラウンド分布を表す。両方の性別の患者を、試験に募集した。患者集団を、性別分布に関して平衡化した（４７％の女性、５３％の男性）。
検出された病原体：病原体検出率を最大化するために広いパネルの微生物学的ツールを用いた。急性感染症を有する患者の６５％（７９４人の全診断患者の５６％）において、少なくとも１つの病原体が検出された。合計３６の異なる病原体が、多重ＰＣＲ、抗原検出、および血清学的調査を用いて活発に検出された。さらに２０の病原体が、標準的な培養技術または社内ＰＣＲを用いて検出された。要するに、全ての主要な病原体サブグループから５６の異なる病原体が検出された（図７Ａ）。この病原体同定率は、以前に公開された研究において報告されたものと同様であり、全ての主要な病原体サブグループに由来する病原体を含んでいた（グラム陰性細菌、グラム陽性細菌、非定型細菌、ＲＮＡウイルス、およびＤＮＡウイルス）。１３％の患者において、１つより多い上記の病原体サブグループに由来する病原体が検出された（図７Ａ）。
この試験において見出された病原体株は、西欧諸国における急性感染症の大部分の原因となり、インフルエンザＡ／Ｂ、呼吸器合胞体ウイルス（ＲＳＶ）、パラインフルエンザ、大腸菌、Ａ群連鎖球菌などの重要な病原体を含んでいた。注目すべきことに、検出された病原体の分析は、病原体がいずれも優勢ではないことを示していた（図７Ｂ）。
関与する生理系および臨床症候群：感染症患者（非感染症を有する患者を除く診断された全患者［ｎ＝７９４］または健康な対象、ｎ＝６７３）は、様々な生理系における感染を呈した（図８）。最も頻繁に関与する生理系は、呼吸器系（４６％）、次いで、全身感染（２２％）であった。上記の系を含まず、胃腸、尿路、心血管、または中枢神経系（ＣＮＳ）感染ではなかった全ての感染を、「その他」（例えば、蜂巣炎、膿瘍）と分類した。生理系障害の観察された分布は、自然の分布であり、通年でサンプリングされた大きい患者コホートについて報告されたものと一致する。
本研究における診断された患者（ｎ＝７９４）は、通年で収集された小児および成人患者のコホートにおける予想された臨床的不均一性を反映する様々な臨床症候群を呈した（図９Ａ〜Ｂ）。最も頻繁な臨床症候群は、主に肺炎、気管支炎、細気管支炎、慢性閉塞性肺疾患（ＣＯＰＤ）の増悪、および非特異的ＬＲＴＩなどのＬＲＴＩ（２１％）であった。２番目に最も頻繁な症候群は、主に原因不明の発熱および潜在性菌血症の事例などの全身感染（１９％）であった。全身感染は、３歳未満の子供において主に検出されたが、数人の成人患者においても検出された。全身感染は、患者の危険性と試験／処置の費用との平衡化が不明確であるため、現実の臨床的課題である。３番目の最も頻繁な症候群は、主に急性扁桃炎、急性咽頭炎、非特異的ＵＲＴＩ、急性副鼻腔炎、および急性中耳炎などのＵＲＴＩ（１９％）であった。次に最も頻繁な症候群は、胃腸炎（１２％）、ＵＴＩ（７％）、および蜂巣炎（４％）であった。ＣＮＳ感染（２％）は、敗血症および無菌性髄膜炎を含んでいた。さらなる臨床症候群（１％）は「その他」と分類され、あまり一般的ではない感染（例えば、外耳炎、精巣上体炎など）を含んでいた。臨床症候群分布の観察されたパターンは、多くの頻繁な、臨床的に関連する症候群を表し、以前に公開された大規模試験と一致する。
中核体温：中核体温は、感染症の重症度を評価する際の重要なパラメータである。最高測定体温（経口または経直腸）を用いて全診断患者（ｎ＝７９４）における最高体温の分布を検査した。最高体温の分布は、３８℃〜４０℃で比較的均一であり、そのピークは３９℃であった（図１０）。３７．５℃未満の体温は、１５％の患者（非感染症を有する患者のサブグループまたは健康な対象）について報告された。４０．５℃以上の体温は稀であった（３％未満の患者）。要するに、観察された分布は、臨床設定における正常な温度範囲である。
症状開始からの時間：「症状からの時間」は、最初の主症状の出現からの期間（日数）と定義された（最初の主症状は発熱であってもよいが、発熱の前の悪寒または頭痛などの別の症状であってもよい）。本発明者らのコホート（全診断患者、ｎ＝７９４）における「症状からの時間」の分布は、症状の開始後２〜４日でピークに達し（患者の３５％）、実質的な割合の患者が遅かれ早かれ医学的支援に向かった（図１１）。
併存疾患および慢性薬物レジメン：併存疾患および慢性薬物レジメンは、理論的には、診断試験に影響し得る。診断された患者のうち、６２％が併存疾患を有していなかったが、３８％が１つ以上の慢性疾患を有していた。さらに、７５％の患者は慢性薬剤で処置されず、２５％が１つ以上の慢性薬剤で処置されていた。本発明者らの患者集団における最も頻繁な慢性疾患は、高血圧、脂質異常、肺疾患（例えば、ＣＯＰＤ、喘息など）、糖尿病（多くは２型）、および虚血性心疾患であったが、これは西欧諸国における最も一般的な慢性疾患を反映している（図１２Ａ）。本発明者らの患者集団により用いられる慢性薬物の分布は、報告された慢性疾患の範囲と強く相関していた（例えば、併存疾患を有する患者の２９％は脂質異常を有し、脂質低下剤が最も頻繁に用いられる薬物であった）。他の頻繁に用いられる薬物は、アスピリン、血中グルコース制御薬、およびベータ遮断剤を含んでいた（図１２Ｂ）。
患者の募集場所：小児患者（１８歳以下）は、小児救急科（ＰＥＤ）、小児病棟および外科から募集し、成人（１８歳を超える）は救急科（ＥＤ）、内科および外科から募集した。小児ＥＤは最も一般的な募集場所（３９％）であり、他の場所は比較的均衡の取れた募集プロセスを反映して同等であった（１７〜２０％）。ＥＤ患者と入院患者との比率は、成人については約１：１であり、子供については約２：１であった（図１３）。
除外患者の特徴：試験のために募集された１００２人の患者のうち、１１０人の患者（１１％）が除外された（数人の患者は１つを超える除外基準を満たしていた）。除外の最も多い理由は、３７．５℃の試験閾値より低い発熱を有していたこと（ｎ＝５４）、次いで、１２日を超える症状開始からの時間（ｎ＝２６）および最近（先行する１４日）の感染症を有していたこと（ｎ＝２２）であった。除外の他の理由は、活性悪性腫瘍（ｎ＝１４）を有すること、および免疫障害を持つこと（例えば、免疫抑止薬を用いる処置のため；ｎ＝２）を含んでいた。
不確定患者の特徴：専門家パネルが検査情報および臨床情報の厳密な収集にもかかわらず、複合参照標準を確実に確立することができないことに基づいて、合計９８人の患者が不確定と定義された。参照標準の非存在下でこれらの患者における特徴性能を直接検査することはできないが、彼らが参照標準を有する患者と異なるかどうかを評価するためにその宿主−タンパク質応答を分析することはできる。本発明者らは、参照標準を有する急性感染患者（ｎ＝６５３）におけるＴＲＡＩＬ、ＩＰ−１０およびＣＲＰの分布を、参照標準を有さない者（ｎ＝９８）と比較した。統計学的有意差は観察されなかった（Ｋｏｌｍｏｇｏｒｏｖ Ｓｍｉｒｎｏｖ検定、ＴＲＡＩＬ、ＩＰ−１０およびＣＲＰについて、それぞれ、Ｐ＝０．２０、０．２５、０．４６）。参照標準を有する患者と有さない患者の間の宿主−タンパク質応答における類似性は、本手法が臨床設定における不確定患者を診断するのに有用であり得ることを示す。
特徴性能は異なる患者サブグループにわたって強固なままである：実施例１において、本発明者らは、特徴が、年齢、臨床症候群、症状開始からの時間、最高体温、病原体種、併存疾患、および０．８７〜１．０の範囲のＡＵＣを有する臨床部位などの、様々な患者特性にわたって強固なままであることを示した（図４）。本実施例では、さらなる患者サブグループにわたる特徴の性能の概説を提供する。
慢性薬物レジメンによる層別化：実社会の臨床実務においては、患者は、特徴を含むタンパク質のレベルに潜在的に影響する可能性がある様々な慢性薬物レジメンの下にあることが多い。従って、本発明者らは、本発明者らのコホートにおいて最も用いられる薬物（カテゴリーによる）が特徴の性能に影響するかどうかを検査した。評価された薬物群はいずれも、特徴の精度の有意な変化と関連しなかった（表５）。
敗血症に基づく層別化：敗血症は、全身の炎症状態（全身炎症応答症候群［ＳＩＲＳ］と呼ばれる）および既知の、または疑われる感染の存在を特徴とする潜在的に致死的な医学的状態である。細菌敗血症を有する患者は、早期の抗生物質治療から利益を得る；遅延または誤診は重篤な、または致死的でさえある結果をもたらし得る。本発明者らは、ＳＩＲＳの定義が明確である成人患者に注目し、細菌敗血症を有する成人患者と、ウイルス感染を有する患者とを、ならびに細菌敗血症を有する成人患者と、ウイルス敗血症を有する患者とを識別する特徴の能力を検査した。
細菌敗血症を有する成人患者は、Ａｍｅｒｉｃａｎ Ｃｏｌｌｅｇｅ ｏｆ Ｃｈｅｓｔ ＰｈｙｓｉｃｉａｎｓおよびＳｏｃｉｅｔｙ ｏｆ Ｃｒｉｔｉｃａｌ Ｃａｒｅ Ｍｅｄｉｃｉｎｅに従って定義された。ＳＩＲＳは、以下の所見：（ｉ）３６℃未満または３８℃を超える体温、（ｉｉ）９０拍／分を超える心拍数、（ｉｉｉ）１分あたり２０回を超える呼吸、または３２ｍｍＨｇ（４．３ｋＰａ）未満の血液ガス、ＰａＣＯ２、および（ｉｖ）４，０００細胞／ｍｍ３未満もしくは１２，０００細胞／ｍｍ３を超えるＷＢＣ、または１０％を超える帯状体、のうちの少なくとも２つの存在によって定義された。特徴は、細菌敗血症を有する成人患者と、ウイルス敗血症を有する患者との識別において非常に高い精度レベルを達成することが見出された（満場一致［成人細菌敗血症、成人ウイルス敗血症］および過半数［成人細菌敗血症、成人ウイルス敗血症］コホートについて、それぞれ、０．９７および０．９３のＡＵＣ）。これらの結果は、細菌敗血症を有する成人患者を、ウイルス感染を有する成人患者から区別する際の特徴の有用性を示している。
細菌患者対非細菌患者の層別化：抗生物質の誤用は、典型的には、非細菌（ウイルスまたは非感染）患者を処置するためのこれらの薬物の使用から生じるか、または細菌感染の遅延診断もしくは誤診に起因する。
従って、本発明者らは、細菌患者と非細菌患者とを識別するための特徴性能をさらに検査した。過半数コホート全体を、ｌｅａｖｅ−１０％−ｏｕｔ交差検証を用いて評価したところ、０．９４±０．０２のＡＵＣが得られた。満場一致コホート（０．９６±０．０２のＡＵＣ）を評価した場合、および辺縁免疫応答を示す患者を除去した後、性能の改善が示された（表７）。
異なる温度でのタンパク質安定性はアッセイ性能に影響し得る：バイオマーカーの有用性は、実生活の臨床設定におけるその安定性（例えば、試料が分析物測定の前に室温で保存される場合のその崩壊速度）に依存する。これに取り組むために、本発明者らは、４℃および２５℃で２４時間の間に４つの独立した個体に由来する血清試料中でのＴＲＡＩＬ、ＣＲＰおよびＩＰ−１０の安定性を検査した。それぞれの血漿試料に由来する１００μＬのアリコートを、０．２ｍＬのチューブにピペットで取り、４℃または２５℃で０〜２４時間保持した。続いて、分析物のレベルを測定した（同じ分析物の異なる時間点を、同じプレートおよび試薬を用いて測定した）。４℃および２５℃での分析物の半減期は、ＴＲＡＩＬ、ＣＲＰおよびＩＰ−１０について７２時間より長かった（図１５Ａ〜Ｃ）。注目すべきことに、現実の臨床設定では、試料が室温で保存される場合、ＴＲＡＩＬ、ＩＰ−１０およびＣＲＰの濃度を、試料が得られた後、約２４時間以内に測定するべきである。好ましくは、それらを、試料が得られた後、５時間、４時間、３時間、２時間、１時間以内に、またはさらには直後に測定するべきである。あるいは、試料を、１０℃より低い温度で保存するべきであり、その後、ＴＲＡＩＬを、試料を得た後、２４時間より長く測定することができる。
３つのタンパク質の組合せは個々のタンパク質およびタンパク質対のものよりも優れている。細菌患者とウイルス患者および感染患者と非感染患者を識別するために、３つのタンパク質の組合せは個々のタンパク質およびタンパク質対のものよりも優れている。
細菌感染の有病率の関数としての性能分析：細菌感染とウイルス感染の有病率は、設定依存的である。例えば、冬には、外来患者設定における小児科医は、夏の間の病院の内科の医師よりも実質的に多くのウイルス感染に遭遇すると予想される。注目すべきことに、ＡＵＣ、感度、および特異度などの診断精度のいくつかの尺度は、基本的な有病率に対して不変であるが、ＰＰＶおよびＮＰＶなどの精度の他の尺度は有病率依存的である。このセクションでは、細菌およびウイルス感染の異なる有病率を示す臨床設定におけるＰＰＶおよびＮＰＶに関する予想される特徴性能を概説する。
本分析のための基礎として、満場一致（細菌、ウイルス）および過半数（細菌、ウイルス）コホートを用いて得られた特徴精度尺度を用いた。満場一致コホートにおける細菌感染の有病率は５１．７％であり、９３％±３％のＰＰＶおよび９３％±３％のＮＰＶが得られた。過半数コホートにおける細菌感染の有病率は、４８．７％であり、８９％±３％のＰＰＶおよび９２％±３％のＮＰＶが得られた。
測定された感度および特異度を用いて、細菌感染の有病率の関数として特徴ＰＰＶおよびＮＰＶの予想される変化をコンピュータで計算した（図１４Ａ〜Ｂ）。
異なる臨床設定の例ならびにそれらのそれぞれに関する外挿された特徴ＰＰＶおよびＮＰＶを、表１０Ａに提示する。
特徴は、細菌感染とウイルス感染とを診断するための標準的な臨床検査および臨床パラメータより優れている：いくつかが感染源の示差的診断に役立つ臨床実務において日常的に用いられる標準的な臨床検査および臨床パラメータを、過半数コホート（細菌、ウイルス、非細菌、ｎ＝７６５）において評価した。評価されたパラメータは、ＡＮＣ、好中球％、リンパ球％、ＷＢＣ、および最高体温を含んでいた。これらのパラメータの良好に確立された臨床的役割に従って、本発明者らは、細菌患者とウイルス患者との間でそのレベルの統計的有意差を観察した（図１５Ａ〜Ｅ）。例えば、細菌患者は、高レベルのＡＮＣ（Ｐ＜１０−２４）およびＷＢＣ（Ｐ＜１０−１０）を有していたが、ウイルス患者はより高いリンパ球％（Ｐ＜１０−３１）を有していた。特徴は、任意の個々の特徴（Ｐ＜１０−１８）およびその組合せ（Ｐ＜１０−１５）よりも有意により正確であった（図３Ａを参照されたい）。
特徴は、良好に確立された免疫学的役割を有するタンパク質バイオマーカーより優れている：特徴は、全ての臨床パラメータおよびスクリーニング段階で評価された６００のタンパク質より優れていた（図３Ａ〜Ｂを参照されたい）。以下のセクションは、特徴を、臨床設定において日常的に用いられるか、または免疫学的役割を有する選択されたタンパク質とさらに比較する。
重症患者において敗血症を他の非感染原因のＳＩＲＳから区別するための最も広く用いられ、有用なタンパク質バイオマーカーの１つは、プロカルシトニン（ＰＣＴ）である。ＰＣＴを用いて局所細菌感染とウイルス感染とを識別することができるかどうかはあまり明確ではない。これを試験するために、本発明者らは、満場一致（細菌、ウイルス）コホート（ｎ細菌＝３９、ｎウイルス＝３７）からの７６人の無作為に選択された患者および過半数（細菌、ウイルス）コホート（ｎ細菌＝５１、ｎウイルス＝５０）からの１０１人の無作為に選択された患者においてＰＣＴ濃度を測定し、ＰＣＴレベルに基づく診断精度を、特徴のものと比較した。ＰＣＴ精度を、臨床設定において日常的に適用される標準カットオフ（０．１ｎｇ／ｍＬ、０．２５ｎｇ／ｍＬ、０．５ｎｇ／ｍＬ、および１ｎｇ／ｍＬ）を用いて算出した１９〜２３。０．１ｍｇ／ｍＬのカットオフで６９％の最大ＰＣＴ感度が得られ、６２％の特異度が得られた（満場一致［細菌、ウイルス］コホートについて）。同じコホートについて、特徴は、有意により高い９４％の感度（Ｐ＜０．００１）および９３％の特異度（Ｐ＜０．００１）を示した（図１６Ａ）。過半数（細菌、ウイルス）に由来する患者を用いる比較により、同様の結果が示された（図１６Ｂ）。
全体として、重症患者における敗血症検出に関するその高い診断的および予後診断的価値にもかかわらず、本発明者らの結果は、ＰＣＴが局所感染（細菌対ウイルス）を有する患者間を識別する際にあまり正確ではないことを示している。
臨床設定において用いられる別のタンパク質バイオマーカーは、感染および他の炎症状態において上方調節される急性期応答タンパク質であるＣ反応性タンパク質（ＣＲＰ）である。満場一致（細菌、ウイルス）コホートおよび過半数（細菌、ウイルス）コホート全体を用いて、ＣＲＰの性能を、特徴のものと比較した。ＣＲＰ精度を、臨床設定において日常的に適用されるいくつかの標準カットオフを用いて決定した２４〜２６。２０ｍｇ／ｍＬのカットオフで９２％の最大ＣＲＰ感度が得られ、６０％の特異度が得られた（満場一致［細菌、ウイルス］コホートについて）（図１７Ａ）。同じコホートにおいて、特徴は、同様の感度（９４％）および有意により高い特異度（９３％、Ｐ＜１０−９）を示した。腫瘍（細菌、ウイルス）コホートを使用して同様の結果が観察された（図１７Ｂ）。全体として、特徴は、２０ｍｇ／ＬのカットオフでＣＲＰに対する類似する感度を有するが、細菌患者をウイルス患者から識別するためのかなりより高い特異度を有する。
次に、感染に対する宿主応答における良好に確立された役割を有するタンパク質バイオマーカーの示差的応答を検査した（表１０Ｂおよび図１８Ａ〜Ｈ）。それぞれのバイオマーカーを、少なくとも４３人の患者（細菌患者の約半分およびウイルス患者の半分）上で試験し、それが有望な結果を示した場合、それをさらなる患者（最大１５０人）上でさらに試験した。
これらのバイオマーカーは臨床設定における良好に確立されたカットオフを有さないため、本発明者らは、比較のための基礎としてそのＡＵＣを用いた（図３Ｂ）。最も有益なバイオマーカーは、ＴＲＥＭであった（０．６８±０．０９のＡＵＣ）。ＴＲＥＭの精度は、特徴のものよりも有意に低かった（２つのＡＵＣを比較する場合、Ｐ＜１０−９；図３Ｂ）。これらの結果は、感染に対する宿主応答におけるタンパク質の単なる関与が診断的有用性を示すとは限らないことを示している。例えば、ＩＮＦ−γはウイルスおよび細胞内細菌に対する免疫応答における良好に確立された役割を有するが、その短い半減期（２０ｈ未満）２７は、その診断的有用性を制限している（血液中でのその濃度は感染開始からの時間に高度に依存するため）。
（実施例３）
３値分類子は２値分類子よりも優れている
２値モデルにおいて、分類子は、全ての試料を「細菌」または「非細菌」（「ウイルス」および「非感染」がグループ化される）として分類することによって訓練される。３値モデルにおいては、分類子は、３つのクラス「細菌」、「ウイルス」および「非感染」の間を識別するために学習する。次いで、ウイルスと非感染の確率を一緒にグループ化して、「非細菌」の確率を得る。これは、本データ上で証明された。
上記の分類子の両方を、過半数コホートと満場一致コホートの両方に対するｌｅａｖｅ−１０％−ｏｕｔ交差検証を用いて評価した。
結果
過半数コホート上での２値分類子の実行により、以下に記載の表１０Ｃにまとめられる結果が得られる。
過半数コホート上での分類子の感度は８０．３％であり、特異度は９２．２％である。
同じデータセット上での多項式に基づく分類子の実行により、表１０Ｄにまとめられる以下の結果が得られる。
この分類子は感度と特異度の両方の点で以前のものよりも優れていることを見ることができる。感度は８３．１％に改善され、特異度は９３．５％に改善された。
満場一致コホート上での２値分類子の実行により、表１１にまとめられる結果が得られる。
満場一致コホート上での分類子の感度は８４．８％であり、特異度は９３．５％である。
同じデータセット上での多項式に基づく分類子の実行により、表１２にまとめられる結果が得られる。
この分類子は、感度と特異度の両方の点で以前のものよりも優れている。感度は８５．２％に改善され、特異度は９５．０％に改善された。
まとめると、３値分類子は、試験した両方のデータセット上で、感度と特異度の両方の点で２値に基づく分類子よりも優れている。
（実施例４）
特徴の臨床精度は分析精度が低下する場合であっても強固なままである
異なる測定デバイス、特に、ポイントオブケアで有用であるものはＣＶの増大（すなわち、分析精度の低下）を示すことが多いため、臨床精度が、タンパク質測定のＣＶ（ｓｔｄ／ｍｅａｎ）の増大によってどのように影響されるかを評価することが重要である。
本発明者らは、ＴＲＡＩＬとＣＲＰの両方のＣＶの増大の関数としての、細菌感染をウイルス感染から識別するための特徴のＡＵＣの変化を検査した。満場一致コホートの元の患者データを取得し、モンテカルロシミュレーションを用いてＣＶの増大をシミュレートすることによって、これを行った（図１９Ａ〜Ｂ）。具体的には、ＴＲＡＩＬおよびＣＲＰ ＣＶのそれぞれの組合せについて、１００のシミュレートされた測定値を、それぞれの患者に割り当て、各事例におけるＡＵＣを再計算した。ＣＶ組合せあたりの平均ＡＵＣを記載する。特徴臨床精度（ＡＵＣに関する）は技術的ＣＶの増大に対して強固であることを見ることができる。例えば、ＥＬＩＳＡ ＣＶの０、０．２４および０．４の増加は、それぞれ、ＡＵＣの０．９６、０．９５および０．９４の減少をもたらす。ＩＰ−１０のＣＶを増加させる場合、および過半数コホート上でのシミュレーションを反復する場合、同様の結果が得られる。
この結果を、互いに相殺する複数のバイオマーカーの使用によって説明することができる。この驚くべき知見は、それが、臨床精度を失うことなく、分析感度の低下（例えば、自動化免疫アッセイまたはＥＬＩＳＡと比較する）を示すことが多い安価で迅速な技術（ＰＯＣ技術など）上でタンパク質の測定を実施するための道を開くため有用である。
（実施例５）
異なるシグナルノイズ比、結果として、異なる濃度が測定されるＴＲＡＩＬおよびＩＰ−１０を測定するために、異なるＥＬＩＳＡプロトコールを適用することができる。より具体的には、バイオマーカーの全体的な傾向はプロトコールに関係なく保持されるが（例えば、ＴＲＡＩＬはウイルス感染においては増加し、細菌感染においては減少する）、測定尺度はプロトコール依存的である。以下のサブセクションにおいて、ＩＰ−１０およびＴＲＡＩＬの異なる測定濃度をもたらすプロトコールの例を記載する。
ＥＬＩＳＡを用いる可溶性ＩＰ−１０およびＴＲＡＩＬの測定−プロトコール番号１：ヒト血漿および血清試料中の可溶性ＩＰ−１０およびＴＲＡＩＬの濃度を決定するために、標準的なサンドイッチＥＬＩＳＡ（酵素結合免疫吸着アッセイ）を用いた。簡単に述べると、９６ウェルプレートのウェルを、ＴＲＡＩＬおよびＩＰ−１０に特異的な捕捉抗体で被覆し、被覆バッファー（例えば、１ｘＰＢＳ）中に希釈した後、４℃で一晩インキュベートした。ウェルを洗浄バッファー（例えば、０．２％Ｔｗｅｅｎ−２０を含む１ｘＰＢＳ）で２回洗浄した後、タンパク質を含有するブロッキングバッファー（例えば、０．２％Ｔｗｅｅｎ−２０および５％無脂肪乳を含む１ｘＰＢＳ）を用いて室温で少なくとも２時間または４℃で一晩ブロックした。次いで、ウェルを洗浄バッファーで２回洗浄した。タンパク質標準および血漿または血清試料を、室温で２時間インキュベートした。次いで、ウェルを洗浄バッファーで３回洗浄した後、ブロッキングバッファー中に希釈した、ＴＲＡＩＬおよびＩＰ−１０に特異的なＨＲＰコンジュゲート化検出抗体と共に、室温で２時間インキュベートした。
ウェルを洗浄バッファーで４回洗浄した後、ＨＲＰ基質（例えば、ＴＭＢ；３，３’，５，５’−テトラメチルベンジジン）を含有する反応溶液と共にインキュベートした。十分な発色の後、停止溶液を各ウェルに添加した。４５０ｎｍでのＨＲＰ反応産物の吸光度を、標準的な分光光度計を用いて決定した。このプロトコールには、それぞれ、５時間（ＴＲＡＩＬ）および４．７５時間（ＩＰ１０）かかったが、本明細書ではスロープロトコールと呼ぶ。
ＥＬＩＳＡを用いる可溶性ＩＰ−１０およびＴＲＡＩＬの測定−プロトコール番号２：
アッセイ時間の減少は、臨床有用性の増大を可能にする。プロトコール実行時間をさらに減少させるために、ＴＲＡＩＬおよびＩＰ１０を測定するためにプロトコールを最適化し、１００分未満に減少させた。迅速プロトコールを以下のように実施した。
ウェルあたり５０μｌのアッセイ希釈液および５０μｌの標準物を、試料または対照に添加した。反応物を、５５０ｒｐｍに設定した水平オービタルマイクロプレートシェーカー（３ｍｍ軌道）上、室温で３０分間インキュベートした。次いで、各ウェルを吸引し、洗浄バッファーを用いることによって４回洗浄した。次に、２００μｌのコンジュゲートを各ウェルに添加し、反応物をシェーカー上、室温で４５分間インキュベートした。ウェルを、洗浄バッファーを用いて４回洗浄し、ＨＲＰ基質（例えば、ＴＭＢ；３，３’，５，５’−テトラメチルベンジジン）を含有する反応溶液と共にインキュベートした。１０〜２５分後、停止溶液を各ウェルに添加した。４５０ｎｍでのＨＲ反応産物の吸光度を、標準的な分光光度計を用いて決定した。このプロトコールには、それぞれ、９９分（ＴＲＡＩＬ）および８５分（ＩＰ−１０）かかったが、本明細書では迅速プロトコールと呼ばれる。
スロープロトコールおよび迅速プロトコールの測定値を、ＴＲＡＩＬについては３５７の試料およびＩＰ−１０については１８９の試料を用いて比較したところ、高く相関する結果が示された（図３０Ａ〜Ｂ）。
注目すべきことに、迅速プロトコールを用いて得られた平均ＴＲＡＩＬ濃度は、スロープロトコールを用いて得られた濃度よりも大まかに７０パーセント小さかった。異なるプロトコール間での測定されたタンパク質濃度のそのような変化は、よく起こり、２つのプロトコールの測定値を相関付け、変換関数を計算することによって相殺することができる。例えば、変換関数ｙ＿ｓｌｏｗ＝０．７０９ ｘ ｙ＿ｒａｐｉｄ−３ｅ−１２を用いて、迅速プロトコールとスロープロトコールの濃度を翻訳することができる。この翻訳は、ＴＲＡＩＬの精度を保持する。その他、当業者であれば、精度も保持する翻訳関数およびプロトコールを開発することができる。まとめると、ＴＲＡＩＬの挙動は、算出された濃度のシフトにもかかわらず、２つのプロトコール間で同じままである（すなわち、ウイルスにおいて最も高く、非感染において低く、細菌において最も低い）。
異なるプロトコールおよびコホートは異なるモデル係数をもたらす：
ＩＰ−１０およびＴＲＡＩＬを、スロープロトコールを用いて測定した場合の過半数患者コホート上で生成される多項ロジスティックモデル係数の一例を、表１３に示す。
ＩＰ−１０およびＴＲＡＩＬを、スロープロトコールを用いて測定した場合のコンセンサス患者コホート上で生成される多項ロジスティックモデル係数の一例を、表１４に示す。
患者コホートにおけるサブグループの頻度は一般的な集団における予測される頻度から外れるため、当業者であれば、係数調整のための標準的な技術（例えば、非特許文献２７を参照されたい）を用いて、所定の事前確率を反映させるためにモデル係数をさらに調整することができる。例えば、以下の例は、ＩＰ−１０およびＴＲＡＩＬを、スロープロトコールを用いて測定した場合の過半数患者コホート上で生成される多項ロジスティックモデル係数を示し、４５％の細菌、４５％のウイルスおよび１０％の非感染の事前確率を反映している。
事前調整後のモデル係数（過半数コホート上で訓練された）を、表１５にまとめる。
事前調整後のモデル係数（コンセンサスコホート上で訓練された）を、表１６にまとめる。
注目すべきことに、当業者には明らかであるように、他の組合せの係数を選択して、同様の結果をもたらすことができる。測定されるタンパク質濃度に影響するタンパク質を測定するための他のプロトコールは、異なるモデル係数をもたらす。例えば、ＴＲＡＩＬを測定するための迅速プロトコールは、計算される濃度を、スロープロトコールにおいて計算される濃度の大まかに７０％まで低下させる。かくして、これを調整するための１つの方法は、この変化の原因となるＴＲＡＩＬのモデル係数を変化させることである。別の方法は、ＴＲＡＩＬの迅速プロトコール測定値を７０％で除算し、スロープロトコールのために開発された上記モデルにプラグインすることである。
モデル精度および較正を改善する（すなわち、ある特定の感染の予測される危険性と、観察された危険性とをより良好に適合させる）ためにタンパク質測定値に対する対数変換を使用することが好ましいことが多い。
ＴＲＡＩＬおよびＩＰ−１０の対数変換を用いるモデルの一例を、表１７に記載する（モデルを、コンセンサスコホート上で訓練した）：
（実施例６）
超表面パラメータ化
ＣＲＰ［Ｃ］、ＴＲＡＩＬ［Ｔ］およびＩＰ−１０［Ｐ］の濃度を考えて、本発明者らは、
δ０＝−１．２９９＋０．０６０５ｘ［Ｃ］＋０．００５３ｘ［Ｐ］＋０．００８８ｘ［Ｔ］
δ１＝−０．３７８＋０．０８７５ｘ［Ｃ］＋０．００５０ｘ［Ｐ］−０．０２０１ｘ［Ｔ］
を定義する。
次いで、確率を、
によって算出することができる。
本発明者らは、細菌患者と非細菌患者とを識別するために用いられる、［Ｃ］、［Ｔ］、［Ｐ］空間中の超表面：
を定義する。１つの好ましい実施形態において。他の好ましい実施形態において。患者の［Ｃ］、［Ｔ］、［Ｐ］値を考えると、
である場合、その患者は細菌と分類され、そうでなければ、彼／彼女は非細菌と分類される。
本発明者らは、以下の２つの超表面：
内に存在するものとして、細菌感染と非細菌感染とを識別するために用いることができる設定された全ての超平面を定義する。
ε１は０〜１−の任意の数であってもよい。いくつかの好ましい実施形態においては、ε１は０．５、０．４、０．３、０．２または０．１より小さい。
ε０は０〜ωの任意の数であってもよい。いくつかの好ましい実施形態においては、ε０は０．５、０．４、０．３、０．２または０．１より小さい。
面の実例は、実施例７に提供される。
（実施例７）
分類のグラフ表示
図２０は、細菌（「＋」）、ウイルス（「ｏ」）および非感染（「＾」）患者の３次元可視化である。異なる患者型はＣＲＰ（μｇ／ｍｌ）、ＴＲＡＩＬおよびＩＰ−１０（ｐｇ／ｍｌ）濃度マップ中で異なる領域にマッピングされる。
例として、多項ロジスティック回帰を用いて確率面を生成した。面の等高線プロットを、ＴＲＡＩＬ（ｙ軸）、ＣＲＰ（ｘ軸）およびＩＰ−１０濃度の関数として、図２１Ａ〜２８Ｃに示す。図２１Ａ、図２２Ａ、図２３Ａ、図２４Ａ、図２５Ａ、図２６Ａ、図２７Ａ、図２８Ａはウイルス感染の確率を示し、図２１Ｂ、図２２Ｂ、図２３Ｂ、図２４Ｂ、図２５Ｂ、図２６Ｂ、図２７Ｂ、図２８Ｂは細菌または混合感染の確率を示し、図２１Ｃ、図２２Ｃ、図２３Ｃ、図２４Ｃ、図２５Ｃ、図２６Ｃ、図２７Ｃ、図２８Ｃは非感染または健康の確率を示す。図２１Ａ〜Ｃは０〜１００の範囲のＩＰ１０ｐｇに対応し、図２２Ａ〜Ｃは１００〜２００の範囲のＩＰ１０ｐｇに対応し、図２３Ａ〜Ｃは２００〜３００の範囲のＩＰ１０ｐｇに対応し、図２４Ａ〜Ｃは３００〜４００の範囲のＩＰ１０ｐｇに対応し、図２５Ａ〜Ｃは４００〜５００の範囲のＩＰ１０ｐｇに対応し、図２６Ａ〜Ｃは５００〜１０００の範囲のＩＰ１０ｐｇに対応し、図２７Ａ〜Ｃは１０００〜２０００の範囲のＩＰ１０ｐｇに対応し、図２８Ａ〜Ｃは２０００以上のＩＰ１０ｐｇに対応する。
細菌感染または混合感染を有する患者に「＋」と印を付け、ウイルス感染に「ｏ」と印を付け、非感染患者または健康な対象に「＾」と印を付ける。低レベルのＩＰ−１０は非感染症と関連し、より高レベルでは細菌感染と関連し、最も高いレベルではウイルス感染と関連することを見ることができる。低レベルのＴＲＡＩＬは細菌感染と関連し、より高レベルでは非感染および健康な対象と関連し、最も高いレベルではウイルス感染と関連する。低レベルのＣＲＰは非感染症および健康な対象と関連し、より高レベルではウイルス感染と関連し、最も高いレベルでは細菌感染と関連する。３つのタンパク質の組合せは、診断性能が個々のタンパク質のいずれかまたはタンパク質対よりも優れている確率関数を生成する。
図３５Ａ〜Ｄは、座標δ０およびδ１の関数としての細菌（図３５Ａ）、ウイルス（図３５Ｂ）、非細菌（図３５Ｃ）、および非感染（図３５Ｄ）病因の確率を記述する等高線プロットである。確率値は、０％（黒色）〜１００％（白色）の範囲である。
（実施例８）
発現レベルを測定するための例示的プロトコール
一般に、限定されるものではないが、ＴＲＡＩＬの発現値を、ＥＬＩＳＡまたは自動化免疫アッセイを用いて測定することができる；ＩＰ−１０の発現値を、ＥＬＩＳＡアッセイを用いて測定することができる。；およびＣＲＰの発現値を、ＥＬＩＳＡまたは自動化免疫アッセイを用いて測定することができる。ＣＲＰの発現値を、ホスホリルコリンへのそのカルシウム依存的結合に基づく機能アッセイを用いて測定することもできる。
プロトコールＡ：
ＴＲＡＩＬの発現値を測定するための好適なプロトコール
（ａ）抗体を用いて、試料中に存在するＴＲＡＩＬを固相支持体に固定する；
（ｂ）固定されたＴＲＡＩＬと、ＴＲＡＩＬに特異的に結合する第２抗体とを接触させる；および
（ｃ）固定されたＴＲＡＩＬに結合する抗体の量を定量する。
ＩＰ−１０の発現値を測定するための好適なプロトコール
（ａ）捕捉抗体を用いて、試料中に存在するＩＰ−１０を固相支持体に固定する；
（ｂ）固定されたＩＰ−１０と、ＩＰ−１０に特異的に結合する第２抗体とを接触させる；および
（ｃ）固定されたＩＰ−１０に結合する抗体の量を定量する。
ＣＲＰの発現値を測定するための好適なプロトコール
（ａ）捕捉抗体を用いて、試料中に存在するＣＲＰを固相支持体に固定する；
（ｂ）固定されたＣＲＰと、ＣＲＰに特異的に結合する第２抗体とを接触させる；および
（ｃ）固定されたＣＲＰに結合する抗体の量を定量する。
プロトコールＢ：
ＴＲＡＩＬの発現値を測定するための好適なプロトコール
（ａ）試料を、ＴＲＡＩＬに特異的に結合する第１抗体であって、固相に固定された前記第１抗体と共にインキュベートする；
（ｂ）洗浄する；
（ｃ）ＴＲＡＩＬに特異的に結合する第２抗体であって、酵素にコンジュゲートされた前記第２抗体を添加し、洗浄する；
（ｄ）酵素基質を添加し、固定された試料に結合する抗体の量を定量する。
ＩＰ−１０の発現値を測定するための好適なプロトコール
（ａ）試料を、ＩＰ−１０に特異的に結合する第１抗体であって、固相に固定された前記第１抗体と共にインキュベートする；
（ｂ）洗浄する；
（ｃ）ＩＰ−１０に特異的に結合する第２抗体であって、酵素にコンジュゲートされた前記第２抗体を添加し、洗浄する；
（ｄ）酵素基質を添加し、固定された試料に結合する抗体の量を定量する。
ＣＲＰの発現値を測定するための好適なプロトコール
（ａ）試料を、ＣＲＰに特異的に結合する第１抗体であって、固相に固定された前記第１抗体と共にインキュベートする；
（ｂ）洗浄する；
（ｃ）ＣＲＰに特異的に結合する第２抗体であって、酵素にコンジュゲートされた前記第２抗体を添加し、洗浄する；
（ｄ）酵素基質を添加し、固定された試料に結合する抗体の量を定量する。
プロトコールＣ：
ＣＲＰの発現値を測定するための好適なプロトコール
（ａ）脂質の混合物の濁度を測定する；
（ｂ）カルシウムの存在下で、試料を既知量の脂質（好ましくは、ホスホリルコリン）と接触させる；および
（ｃ）溶液の濁度を測定し、濁度の増加はＣＲＰの量と相関する。
（実施例９）
ＴＲＡＩＬおよびＩＰ−１０の量を分析するためのＥＬＩＳＡの詳細な説明
試料の収集および保存：室温への試料の曝露を最小化するべきである（６時間未満）。血清分離チューブ（ＳＳＴ）を使用し、試料を少なくとも３０分間凝固させた後、遠心分離（１２００ｘｇで５分）した。直後に血清をアッセイするか、またはアリコートし、４〜８℃で最大２４時間もしくは−２０℃以下で最大３カ月間保存することができる。凍結−解凍サイクルの繰り返しを避けるべきである。
試薬の調製：全ての試薬を、使用前に室温まで持って行くべきである。
基質溶液：発色試薬ＡおよびＢを、使用の１０分以内に等量で一緒に混合するべきである。光から保護する。
ＱＣ−１Ｖ、ＱＣ−２Ｂおよび標準：全てのＱＣおよび標準を解凍し、各バイアルから１５０μＬ取り出し、別の印付きポリプロピレン試験管に移す。使用直後に−２０℃に戻す。
ＴＲＡＩＬ測定：
ＴＲＡＩＬを分析するために用いられる材料を、以下の表１８に提供する。
ＴＲＡＩＬ ＥＬＩＳＡ手順
ａ）上記に示されたように試料、試薬および標準を調製する。
ｂ）プレート枠から過剰のマイクロプレートストリップを除去し、乾燥剤パックを含有するホイル袋にそれらを戻し、再密封する。
ｃ）５０μＬのアッセイ希釈液ＭＭ１Ｓを各ウェルに添加する。
ｄ）ウェルあたり５０μＬの標準、試料、またはＱＣを添加する。提供された接着ストリップでフタをする。
ｅ）５５０ｒｐｍに設定したマイクロプレートシェーカー（３ｍｍ軌道）上、室温で３０分間インキュベートする。
ｆ）各ウェルを吸引し、洗浄し、このプロセスを４回繰り返す。各ウェルに洗浄バッファー（３００μＬ）を充填することによって洗浄する。最後の洗浄後、吸引またはデカンテーションにより、残りの洗浄バッファーを除去する。プレートを反転させ、清潔なペーパータオルに対してそれをブロットする。
ｇ）２００μＬのＴＲＡＩＬコンジュゲートを各ウェルに添加する。新しい接着ストリップでフタをする。５５０ｒｐｍに設定したマイクロプレートシェーカー（３ｍｍ軌道）上、室温で４５分間インキュベートする。
ｈ）ステップ（ｇ）のように吸引／洗浄を繰り返す。
ｉ）２００μＬの基質溶液を各ウェルに添加する。室温で２４〜３０分間インキュベートする。光から保護する。
ｊ）５０μＬの停止溶液を各ウェルに添加する。ウェル中の色は青色から黄色に変化するはずである。ウェル中の色が緑色であるか、または色の変化が均一に見えない場合、プレートを穏やかにタップして完全な混合を確保する。
ｋ）４５０ｎｍに設定したマイクロプレートリーダーを用いて、各ウェルの光密度をすぐに決定する。波長補正を５７０ｎｍに設定し、プレートにおける光学的不完全性について補正する。
ＴＲＡＩＬの濃度の算出：各試料について２回の読み取り値を平均し、平均ゼロ標準光密度（Ｏ．Ｄ．）を差し引く。濃度（ｘ軸）に対して各標準の平均吸光度（ｙ軸）をプロットすることによって標準曲線を作出し、最良適合線形曲線を描く。最小ｒ２は０．９６より下になるべきではない。より低いｒ２値が存在する場合、信頼性のある結果を得るために実験を繰り返す。
精密度：精密度を、ＣＬＳＩ（以前はＮＣＣＬＳ）のＥＰ０５−Ａ２ガイドラインに基づいて評価した。低い（１１．４ｐｇ／ｍｌ）、中間の（５８．８ｐｇ／ｍｌ）、および高い（５３９．０ｐｇ／ｍｌ）生理学的濃度を有する３つの試料を用いて、精密度を評価した。結果を表１９にまとめ、そこで、Ｓｒは実行内精密度であり、ＳＴはデバイス内精密度である。
回復：３つのレベルのヒト組換えＴＲＡＩＬ（２５０、１２５および６２．５ｐｇ／ｍＬ）を、検出可能なレベルのＴＲＡＩＬを有さない５つのヒト血清試料中で急上昇させることにより、回復を評価した。次いで、以下の表２０に示されるように、急上昇した値および平均回復を測定および算出した。
線形性：アッセイの線形性を評価するために、高濃度のＴＲＡＩＬを含有する５つの臨床試料を、血清代替物を用いて連続希釈して、アッセイの生理学的範囲内にある値を有する試料を生産した。以下の表２１にまとめられるように、線形性は、１：２、１：４および１：８の希釈率で、それぞれ、平均で、９７％、１００％および１０５％であった。
感度：ブランク限界（ＬＯＢ）を見積もるために、本発明者らは、血清代替物の７２のブランク試料を試験した。ブランク試料の平均は０．７８ｐｇ／ｍｌであり、標準偏差は１．３９ｐｇ／ｍｌであった。従って、算出されるＬＯＢは３．０７ｐｇ／ｍｌである。検出限界（ＬＯＤ）を見積もるために、ＣＬＳＩ ＥＰ１７−Ａガイドラインに従った。簡単に述べると、それぞれ３０の独立した測定値（２１０の測定値）を有する、７つの所定の濃度周辺の測定値分布を特徴付けたところ、１０ｐｇ／ｍｌのＬＯＤが得られた。
較正：この免疫アッセイを、精製されたＮＳ０発現組換えヒトＴＲＡＩＬに対して較正する。
予想される値：見かけ上健康な成人（１８歳を超える）に由来する試料を、ＴＲＡＩＬの存在について測定した。範囲および平均値を表２２にまとめる。
交差反応性および干渉：このアッセイは、天然の、および組換えヒトＴＲＡＩＬを認識する。因子４−１ＢＢリガンド、ＡＰＲＩＬ、ＢＡＦＦ／ＢＬｙＳ、ＣＤ２７リガンド、ＣＤ３０リガンド、ＣＤ４０リガンド、Ｆａｓリガンド、ＧＩＴＲリガンド、ＬＩＧＨＴ、ＬＴα１／β２、ＬＴα２／β１、ＯＰＧ、ＯＸ４０リガンド、ＴＮＦ−α、ＴＮＦ−β、ＴＲＡＩＬ Ｒ３、ＴＲＡＩＬ Ｒ４、ＴＲＡＮＣＥおよびＴＷＥＡＫを、血清代替物中、５０ｎｇ／ｍＬで調製し、交差反応性についてアッセイした。さらに、中範囲の組換えヒトＴＲＡＩＬ対照中、５０ｐｇ／ｍＬでのこれらの因子の調製物を、干渉について試験した。有意な交差反応性または干渉は観察されなかった。
ＩＰ−１０測定値：ＩＰ−１０を分析するために用いられる材料を、以下の表２３に提供する。
ＩＰ−１０ ＥＬＩＳＡ手順
ａ）上記に示されたように試料、試薬および標準を調製する。
ｂ）プレート枠から過剰のマイクロプレートストリップを除去し、乾燥剤パックを含有するホイル袋にそれらを戻し、再密封する。
ｃ）５０μＬのアッセイ希釈液ＭＭ５６を各ウェルに添加する。
ｄ）ウェルあたり５０μＬの標準、試料、またはＱＣを添加する。提供された接着ストリップでフタをする。
ｅ）５５０ｒｐｍに設定したマイクロプレートシェーカー（３ｍｍ軌道）上、室温で３０分間インキュベートする。
ｆ）各ウェルを吸引し、洗浄し、このプロセスを４回繰り返す。各ウェルに洗浄バッファー（３００μＬ）を充填することによって洗浄する。最後の洗浄後、吸引またはデカンテーションにより、残りの洗浄バッファーを除去する。プレートを反転させ、清潔なペーパータオルに対してそれをブロットする。
ｇ）２００μＬのＩＰ−１０コンジュゲートを各ウェルに添加する。新しい接着ストリップでフタをする。５５０ｒｐｍに設定したマイクロプレートシェーカー（３ｍｍ軌道）上、室温で４５分間インキュベートする。
ｈ）ステップ（ｇ）のように吸引／洗浄を繰り返す。
ｉ）２００μＬの基質溶液を各ウェルに添加する。室温で１０分間インキュベートする。光から保護する。
ｊ）５０μＬの停止溶液を各ウェルに添加する。ウェル中の色は青色から黄色に変化するはずである。ウェル中の色が緑色であるか、または色の変化が均一に見えない場合、プレートを穏やかにタップして完全な混合を確保する。
ｋ）４５０ｎｍに設定したマイクロプレートリーダーを用いて、各ウェルの光密度をすぐに決定する。波長補正を５７０ｎｍに設定し、プレートにおける光学的不完全性について補正する。
ＩＰ−１０の濃度の算出：各試料について２回の読み取り値を平均し、平均ゼロ標準光密度（Ｏ．Ｄ．）を差し引く。濃度（ｘ軸）に対して各標準の平均吸光度（ｙ軸）をプロットすることによって標準曲線を作出し、最良適合線形曲線を描く。最小ｒ２は０．９６より下になるべきではない。より低いｒ２値が存在する場合、信頼性のある結果を得るために実験を繰り返す。
精密度：精密度を、ＣＬＳＩ（以前はＮＣＣＬＳ）のＥＰ０５−Ａ２ガイドラインに基づいて評価した。低い（６９．４ｐｇ／ｍｌ）、中間の（２２８．２ｐｇ／ｍｌ）、および高い（６４１．５ｐｇ／ｍｌ）生理学的濃度を有する３つの試料を用いて、精密度を評価した。結果を表２４にまとめ、そこで、Ｓｒは実行内精密度であり、ＳＴはデバイス内精密度である。
回復：３つのレベルのヒトＩＰ−１０（５００、２５０および１２５ｐｇ／ｍＬ）を、検出可能なレベルのＩＰ−１０を有さない５つのヒト血清試料中で急上昇させることにより、回復を評価した。次いで、以下の表２５に示されるように、急上昇した値および平均回復を測定および算出した。
線形性：ＩＰ−１０アッセイの線形性を評価するために、８７３．７〜１１１０．４ｐｇ／ｍＬの範囲の高濃度のＩＰ−１０を含有する５つの臨床試料を、血清代替物を用いて連続希釈して、アッセイの生理学的範囲内にある値を有する試料を生産した。以下の表２６にまとめられるように、線形性は、１：２、１：４および１：８の希釈率で、それぞれ、平均で、９８％、１０２％および１０４％であった。
感度：ブランク限界（ＬＯＢ）を見積もるために、本発明者らは、血清代替物の７２のブランク試料を試験した。ブランク試料の平均は０．２３ｐｇ／ｍｌであり、標準偏差は１．２６ｐｇ／ｍｌであり、２．２９ｐｇ／ｍｌのＬＯＢが得られた。
検出限界（ＬＯＤ）を見積もるために、ＣＬＳＩ ＥＰ１７−Ａガイドラインを適用した。簡単に述べると、それぞれ３０の独立した測定値（２１０の測定値）を有する、７つの所定の濃度周辺の測定値分布を特徴付けたところ、１０ｐｇ／ｍｌのＬＯＤが得られた。
較正：この免疫アッセイを、高度に精製された大腸菌発現組換えヒトＩＰ−１０に対して較正する。
予想される値：見かけ上健康な成人ボランティアに由来する試料を、ＩＰ−１０の存在について測定した。範囲および平均値を表２７にまとめる。
交差反応性および干渉：このアッセイは、天然の、および組換えヒトＩＰ−１０を認識する。因子ＢＬＣ／ＢＣＡ−１、ＥＮＡ−７８、ＧＣＰ−２、ＧＲＯα、ＧＲＯγ、ＩＦＮ−γ、ＩＬ−８、Ｉ−ＴＡＣ、ＭＩＧ、ＮＡＰ−２、ＳＤＦ−１αおよびＳＤＦ−１βを、血清代替物中、５０ｎｇ／ｍＬで調製し、交差反応性についてアッセイした。さらに、中範囲の組換えヒトＩＰ−１０対照中、５０ｐｇ／ｍＬでのこれらの因子の調製物を、干渉について試験した。有意な交差反応性または干渉は観察されなかった。
（実施例１０）
ＴＲＡＩＬと疾患予後
患者の予後、疾患の重症度および転帰を評価することが臨床的に有用であることが多い。本発明者らは、低レベルのＴＲＡＩＬが患者の予後不良および転帰不良、ならびに高い疾患重症度と有意に相関することを見出した。例えば、集中治療室（ＩＣＵ）にいる成人患者は、感染または非感染の病因を有するかどうかに関係なく病気が少ない他の全ての患者と比較して有意に低いＴＲＡＩＬレベルを有していた。それぞれ、重症患者および他の全ての患者について、中央血清濃度は、それぞれ、９ｐｇ／ｍｌと８０ｐｇであった（順位和Ｐ＜０．００１、図３６Ａ）。
４０人のオランダ人小児患者、３カ月齢から５歳。ＴＲＡＩＬ血清レベルを、３カ月齢から５歳の４０人のオランダ人小児患者において測定した。最終的にＩＣＵに収容された（疾患合併症の適応および予後不良）、またはさらには死亡した患者は、図３６Ｂに記載されるように、残りの患者（それぞれ、１１と８５の中央値；順位和Ｐ＜０．００１）と比較して有意に低いＴＲＡＩＬ血清濃度を有することが分かった。驚くべきことに、最も低いＴＲＡＩＬレベル（＜５ｐｇ／ｍｌ）は、コホート全体において死亡したただ２人の子供において測定された。これらの結果は、ＴＲＡＩＬを、疾患重症度および転帰を予測するための予後マーカーとして用いることができることを示している。
（実施例１１）
ＴＲＡＩＬと性別パラメータ
健康な個体または非感染症を有する患者におけるＴＲＡＩＬの基底レベルは、生殖可能年齢の男性と比較して女性において低い（ｔ検定Ｐ＜０．００１）（図３７Ａ）が、生殖可能年齢前または後では不変である（ｔ検定Ｐ＝０．９、図３７Ｂ）。この傾向は、感染症を有する患者においては観察されなかった。
（実施例１２）
例示的多様体、超平面および座標
一次元多様体
ｎ＝１である場合、多様体Ｓは曲線であり、超平面πは単一の方向δ １を規定する軸である。本実施例における座標δ１は、場合により、好ましくは、ポリペプチドＤ１、Ｄ２などの線形結合ｂ０＋ｂ１Ｄ１＋ｂ２Ｄ２＋・・・である。
以下の表２８は、ｎ＝１について得られた診断性能（ＡＵＣでの）を列挙する。各行で特定されるコホートに対するｌｅａｖｅ−１０％−ｏｕｔ交差検証を用いて、性能を計算した。１〜４行目において、分析された対象は細菌またはウイルス感染のいずれかを有し、確率分類関数ｆ（δ１）が、試験対象が細菌感染を有する尤度を表すように、座標δ１を算出した。５〜８行目において、分析された対象は感染または非感染であり、確率分類関数ｆ（δ１）が、試験対象が感染を有する尤度を表すように、座標δ１を算出した。１０〜１２行目において、分析された対象は細菌または非細菌感染を有し、確率分類関数ｆ（δ１）が、試験対象が細菌感染を有する尤度を表すように、座標δ１を算出した。１〜４行目において、ＰおよびＮの列は、それぞれ、細菌およびウイルス患者の数に対応し、５〜８行目において、ＰおよびＮの列は、それぞれ、感染患者および非感染患者の数に対応し、９〜１２行目において、ＰおよびＮの列は、それぞれ、細菌および非細菌患者の数に対応する。過半数およびコンセンサスは、モデルが検証されたコホートの型を示す。
以下の表２９は、それぞれ、表２８に列挙された１２の事例のそれぞれに関する、座標δ１を定義するために用いられた係数ｂ０、ｂ１、ｂ２などを列挙する。左側の最初の係数はｂ０であり、次いで、左から右に、係数は表２８の各行中のポリペプチドの順序に対応する。係数は、各ポリペプチドに関する以下の濃度尺度：ＴＲＡＩＬ（ｐｇ／ｍｌ）、ＩＰ−１０（ｐｇ／ｍｌ）およびＣＲＰ（μｇ／ｍｌ）に対応する。
所与のセットのポリペプチドについて、得られた係数は、異なるコホート間で小さい変動を有する。それにもかかわらず、本実施形態の確率分類関数および座標に関する係数は、好ましくは、過半数コホートについて得られたものに対応する。
以下の表３０は、一次元多様体について得られた診断性能（ＡＵＣでの）を列挙する。過半数コホートに対するｌｅａｖｅ−１０％−ｏｕｔ交差検証を用いて、性能を計算した。１〜５５行目において、分析された対象は細菌またはウイルス感染のいずれかを有し、確率分類関数ｆ（δ１）は、試験対象が細菌感染を有する尤度を表していた。５６〜１１０行目において、分析された対象は感染または非感染であり、確率分類関数ｆ（δ１）は、試験対象が細菌感染を有する尤度を表していた。１〜５５行目において、ＰおよびＮの列は、それぞれ、細菌患者およびウイルス患者の数に対応し、５６〜１１０行目において、ＰおよびＮの列は、それぞれ、感染患者および非感染患者の数に対応する。
以下の表３１は、それぞれ、表３０に列挙された１１０の事例のそれぞれに関する、座標δ１を定義するために用いられた係数ｂ０、ｂ１、ｂ２などを列挙する。左側の最初の係数はｂ０であり、次いで、左から右に、係数は表３０の各行中のポリペプチドの順序に対応する。係数は、各ポリペプチドに関する以下の濃度尺度：ＴＲＡＩＬ（ｐｇ／ｍｌ）、ＩＰ−１０（ｐｇ／ｍｌ）、ＣＲＰ（μｇ／ｍｌ）、ＰＣＴ（ｎｇ／ｍｌ）、ＳＡＡ（ｇ／ｍｌ）およびＩＬ１ｒａ（ｇ／ｍｌ）に対応する。
二次元多様体
ｎ＝２である場合、多様体Ｓは曲面であり、超平面πは第１の方向δ ０と第２の方向δ １によって規定される平面である。本実施例における座標δ０は、場合により、好ましくは、ポリペプチドＤ１、Ｄ２などの線形結合ａ０＋ａ１Ｄ１＋ａ２Ｄ２＋・・・である；また、本実施例における座標δ１は、場合により、好ましくは、ポリペプチドＤ１、Ｄ２などの線形結合ｂ０＋ｂ１Ｄ１＋ｂ２Ｄ２＋・・・である。
以下の表３２〜３５は、ｎ＝２について得られた診断性能（ＡＵＣでの）を列挙する。全てのタンパク質を測定するための十分な血清を有する過半数コホートのサブセットに対するｌｅａｖｅ−１０％−ｏｕｔ交差検証を用いて、性能を計算した。確率分類関数ｆ（δ０，δ１）が、試験対象が細菌感染を有する尤度を表すように、座標δ０およびδ１を算出した。ＡＵＣ値は、細菌対ウイルス（右から２番目の列−Ｂ対Ｖ）による分類および感染対非感染（最も右の列−Ｉ対ＮＩ）による分類に対応する。複数のポリペプチドが２つのポリペプチド（表３２）、３つのポリペプチド（表３３）、４つのポリペプチド（表３４）および５つのポリペプチド（表３５）を含む実施形態に関する結果を示す。座標δ０およびδ１の係数を各ポリペプチドについて提示し、「定数」は座標δ０に適用した場合のａ０および座標δ１に適用した場合のｂ０に対応する。係数は、それぞれのタンパク質に関する以下の濃度尺度：ＴＲＡＩＬ（ｐｇ／ｍｌ）、ＩＰ−１０（ｐｇ／ｍｌ）、ＣＲＰ（μｇ／ｍｌ）、ＰＣＴ（ｎｇ／ｍｌ）、ＳＡＡ（ｇ／ｍｌ）およびＩＬ１ｒａ（ｇ／ｍｌ）に対応する。
（実施例１３）
非線形関数を含む例示的座標
座標δ１およびδ２の算出における非線形関数φ０およびφ１の組込みは、結果の意味のある解釈を可能にする確率的フレームワークを保持しながら、データにおけるより繊細な傾向を捕捉することが、本発明者らによって予想外に見出された。本実施例では、座標δ０およびδ１を、以下の式：
δ０＝ａ０＋ａ１Ｃ＋ａ２Ｉ＋ａ３Ｔ＋φ０
δ１＝ｂ０＋ｂ１Ｃ＋ｂ２Ｉ＋ｂ３Ｔ＋φ１
に従って算出し、非線形関数を、
φ０＝ｑ１Ｃγ１＋ｑ２Ｃγ２＋ｑ３Ｔγ３
φ１＝ｒ１Ｃγ１＋ｒ２Ｃγ２＋ｒ３Ｔγ３
（式中、γ１＝０．５、γ２＝２およびγ３＝０．５である）
と定義した。
表３６は、本実施例で用いられた係数および定数を詳述する。
表３６に提示されたモデルの性能を、微生物学的に確認されたコホート（０．９５±０．０３のＡＵＣ）、満場一致コホート（０．９５±０．０２のＡＵＣ）および試験コホート（０．９３±０．０２のＡＵＣ）上で検査した。曖昧な領域のサイズが増大するにつれて、特徴性能は改善した。
以下の表３７Ａ〜Ｃは、本実施例の非線形モデルを用いた場合に細菌感染とウイルス感染とを診断するための精度の特徴尺度を詳述するものである。性能見積もり値およびその９５％ＣＩを、示された様々なサイズの曖昧な領域を用いて、微生物学的に確認されたサブコホート（表３７Ａ；ｎ＝２４１）、満場一致サブコホート（表３７Ｂ；ｎ＝５２７）、および試験コホート（表３７Ｃ；ｎ＝６５３）上で取得した。以下の表３７Ｄ〜Ｆは、異なる閾値を適用した場合に試験コホートにおいて曖昧な免疫応答を有していた患者のパーセンテージを詳述し、以下の表３７Ｇ〜Ｈは、試験コホート上で得られる異なる曖昧な免疫応答閾値を適用した場合の特徴の感度および特異度を詳述する。表３７Ｄ〜Ｈにおいて、最も左の列は最小の曖昧な免疫応答閾値を表し、最も上の行は最大の曖昧な免疫応答閾値を表す。
以下の２つのサブグループ：（ｉ）病院での抗生物質処置の３日より後に血液試料を採取した患者および（ｉｉ）胃腸炎が疑われる患者を除いた場合の試験コホート上で特徴性能をさらに検査した。微生物学的に確認されたコホート（０．９６±０．０４のＡＵＣ）、満場一致コホート（０．９６±０．０２のＡＵＣ）および試験コホート（０．９５±０．０２のＡＵＣ）に関するモデル性能の詳細を、表３８Ａ〜Ｃにさらに記載する。
表３８Ａ〜Ｃは、非線形ＭＬＲモデルを用いて、細菌感染とウイルス感染とを診断するための精度の特徴尺度を詳述する。病院で３日を超えて抗生物質で処置した患者および／または胃腸炎が疑われる患者を除いた場合の、性能見積もり値およびその９５％ＣＩを、微生物学的に確認されたサブコホート（表３８Ａ；ｎ＝２００）、満場一致サブコホート（表３８Ｂ；ｎ＝４０２）、および試験コホート（表３８Ｃ；ｎ＝４９１）上で得た。
（実施例１４）
抗生物質に基づく層別化
急性感染が疑われる６５３人の患者のうち、４２７人が抗生物質を受けた（２９９人は細菌診断を有し、１２８人はウイルス診断を有していた）。抗生物質処置患者サブコホートにおける細菌感染患者とウイルス感染患者とを識別するための特徴のＡＵＣは、０．９３±０．０２であった。抗生物質処置患者と一般のコホートとの上での性能間に統計的有意差は観察されなかった（０．９４±０．０２と０．９３±０．０２；Ｐ＝０．５）。
本発明を、その特定の実施形態と共に記載してきたが、多くの変更、改変および変化が当業者には明らかであることが明確である。従って、添付の特許請求の範囲の精神および広い範囲内にある全てのそのような変更、改変および変化を包含することが意図される。
本明細書に記載の全ての刊行物、特許および特許出願は、あたかもそれぞれ個々の刊行物、特許または特許出願が具体的かつ個別に参照により本明細書に援用されたのと同程度に、その全体が参照により本明細書に援用される。さらに、本出願中の任意の参考文献の引用または同定は、そのような参考文献が本発明に対する先行技術として利用可能であるとの承諾と解釈されるべきではない。セクションの見出しが用いられる程度で、それらは必ずしも限定と解釈されるべきではない。
関連出願
本出願は、２０１４年８月１４日に出願された米国仮特許出願第６２／０３７，１８０号明細書および２０１５年１月２１日に出願された米国仮特許出願第６２／１０５，９３８号明細書（これらの内容はその全体が参照により本明細書に援用される）の優先権の利益を主張する。
配列番号２６： ｎはａ、ｃ、ｇまたはｔ

Claims (74)

  1. 対象の血液中の複数のポリペプチドの発現値を含有する生物学的データを分析する方法であって、
    コンピュータで読み取り可能な媒体上に保存されたコンピュータプログラム命令であり、
    曲線のセグメントと、方向によって規定される軸との距離を算出するためのコンピュータプログラム命令であり、前記距離が前記方向に沿った座標δ１によって規定される前記曲線上の点で算出される、前記コンピュータプログラム命令；および
    前記距離を、細菌感染の存在、非存在、または前記対象が細菌感染を有する尤度と相関付けるためのコンピュータプログラム命令
    を含む、前記コンピュータプログラム命令を実行するためにハードウェアプロセッサを操作することを含み、
    前記座標が、前記発現値の結合によって規定され、前記セグメントの少なくとも９０％が下限線ｆ（δ１）−ε０と、上限線ｆ（δ１）＋ε１との間にあり、前記ｆ（δ１）が１／（１＋ｅｘｐ（δ１））に等しく、前記ε０と前記ε１のそれぞれが０．５未満である、方法。
  2. 前記発現値が、自動化ＥＬＩＳＡ、自動化免疫アッセイ、および自動化機能アッセイからなる群から選択される少なくとも１つの自動化アッセイを実行する測定システムによって測定され、前記方法が、前記測定システムから前記生物学的データを受信することを含む、請求項１に記載の方法。
  3. 前記受信がネットワークインタフェースを介するインターネットネットワーク上でのものである、請求項２に記載の方法。
  4. 前記発現値の前記結合が、前記発現値の線形結合を含む、請求項１〜３のいずれか一項に記載の方法。
  5. 前記発現値の前記結合が、前記発現値の少なくとも１つに対応する少なくとも１つの非線形項を含む、請求項１〜４のいずれか一項に記載の方法。
  6. 前記距離に基づいて前記尤度を取得すること、前記尤度を、所定の閾値と比較すること、および前記尤度が前記所定の閾値より上である場合、前記細菌感染について前記対象を処置することをさらに含む、請求項１〜５のいずれか一項に記載の方法。
  7. 対象の血液中の複数のポリペプチドの発現値を含有する生物学的データを分析する方法であって、
    コンピュータで読み取り可能な媒体上に保存されたコンピュータプログラム命令であり、
    曲面のセグメントと、第１の方向および第２の方向によって規定される平面との第１の距離を算出するためのコンピュータプログラム命令であり、前記第１の距離が前記第１の方向に沿った第１の座標δ０および前記第２の方向に沿った第２の座標δ１によって規定される前記曲面上の点で算出される、前記コンピュータプログラム命令；ならびに
    前記第１の距離を、細菌感染の存在、非存在、または前記対象が細菌感染を有する尤度と相関付けるためのコンピュータプログラム命令
    を含む、前記コンピュータプログラム命令を実行するためのハードウェアプロセッサを操作することを含み、
    前記座標のそれぞれが、前記発現値の異なる結合によって規定され、前記セグメントの少なくとも９０％が下限面ｆ（δ０，δ１）−ε０と、上限面ｆ（δ０，δ１）＋ε１との間にあり、前記ｆ（δ０，δ１）が、ｅｘｐ（δ１）／（１＋ｅｘｐ（δ０）＋ｅｘｐ（δ１））に等しく、前記ε０と前記ε１のそれぞれが０．５未満である、方法。
  8. 前記発現値が、自動化ＥＬＩＳＡ、自動化免疫アッセイ、および自動化機能アッセイからなる群から選択される少なくとも１つの自動化アッセイを実行する測定システムによって測定され、前記方法が、前記測定システムから前記生物学的データを受信することを含む、請求項７に記載の方法。
  9. 前記受信がネットワークインタフェースを介するインターネットネットワーク上でのものである、請求項８に記載の方法。
  10. 少なくとも１つの前記座標について、前記発現値の前記結合が、前記発現値の線形結合を含む、請求項７〜９のいずれか一項に記載の方法。
  11. 少なくとも１つの前記座標について、前記発現値の前記結合が、前記発現値の少なくとも１つに対応する少なくとも１つの非線形項を含む、請求項７〜１０のいずれか一項に記載の方法。
  12. 前記第１の距離に基づいて前記尤度を取得すること、前記尤度を、所定の閾値と比較すること、および前記尤度が前記所定の閾値より上である場合、前記細菌感染について前記対象を処置することをさらに含む、請求項７〜１１のいずれか一項に記載の方法。
  13. 第２の曲面のセグメントと、前記平面との第２の距離を算出すること；および
    前記第２の距離を、ウイルス感染の存在、非存在、または前記対象がウイルス感染を有する尤度と相関付けること
    をさらに含み、
    前記第２の面の前記セグメントの少なくとも９０％が、第２の下限面ｇ（δ０，δ１）−ε２と、第２の上限面ｇ（δ０，δ１）＋ε３との間にあり、前記ｇ（δ０，δ１）が、ｅｘｐ（δ０）／（１＋ｅｘｐ（δ０）＋ｅｘｐ（δ１））に等しく、前記ε２と前記ε３のそれぞれが０．５未満である、請求項７〜１２のいずれか一項に記載の方法。
  14. 前記第２の距離に基づいて前記尤度を取得すること、前記尤度を、第２の所定の閾値と比較すること、および前記尤度が前記第２の所定の閾値より上である場合、前記ウイルス感染について前記対象を処置することをさらに含む、請求項１３に記載の方法。
  15. 前記第１の距離に基づいて前記対象が細菌感染を有する前記尤度を取得すること、前記第２の距離に基づいて前記対象がウイルス感染を有する前記尤度を取得すること、前記尤度のそれぞれを、対応する所定の閾値と比較すること、および前記尤度のそれぞれが前記対応する所定の閾値より下である場合、患者が非感染症を有する可能性があると決定することをさらに含む、請求項１３に記載の方法。
  16. 対象の血液中の複数のポリペプチドの発現値を含有する生物学的データを分析する方法であって、
    コンピュータで読み取り可能な媒体上に保存されたコンピュータプログラム命令であり、
    曲面のセグメントと、第１の方向および第２の方向によって規定される平面との距離を算出するためのコンピュータプログラム命令であり、前記距離が前記第１の方向に沿った第１の座標δ０および前記第２の方向に沿った第２の座標δ１によって規定される前記曲面上の点で算出される、前記コンピュータプログラム命令；ならびに
    前記距離を、ウイルス感染の存在、非存在、または前記対象がウイルス感染を有する尤度と相関付けるためのコンピュータプログラム命令
    を含む、前記コンピュータプログラム命令を実行するためのハードウェアプロセッサを操作することを含み、
    前記座標のそれぞれが、前記発現値の異なる結合によって規定され、前記セグメントの少なくとも９０％が下限面ｇ（δ０，δ１）−ε０と、上限面ｇ（δ０，δ１）＋ε１との間にあり、前記ｇ（δ０，δ１）が、ｅｘｐ（δ０）／（１＋ｅｘｐ（δ０）＋ｅｘｐ（δ１））に等しく、前記ε０と前記ε１のそれぞれが０．５未満である、方法。
  17. 前記発現値が、自動化ＥＬＩＳＡ、自動化免疫アッセイ、および自動化機能アッセイからなる群から選択される少なくとも１つのアッセイを実行する測定システムによって測定され、前記方法が、前記測定システムから前記生物学的データを受信することを含む、請求項１６に記載の方法。
  18. 前記受信がネットワークインタフェースを介するインターネットネットワーク上でのものである、請求項１７に記載の方法。
  19. 前記複数のポリペプチドのそれぞれが、ＣＲＰ、ＩＰ−１０、ＴＲＡＩＬ、ＩＬ１ｒａ、ＰＣＴおよびＳＡＡからなる群から選択される、請求項１〜１８のいずれか一項に記載の方法。
  20. 前記複数のポリペプチドが、少なくとも３つのポリペプチドを含む、請求項１〜１８のいずれか一項に記載の方法。
  21. 前記複数のポリペプチドが、ＣＲＰ、ＩＰ−１０、ＴＲＡＩＬ、ＩＬ１ｒａ、ＰＣＴおよびＳＡＡからなる群から選択される少なくとも３つのポリペプチドを含む、請求項１〜１８のいずれか一項に記載の方法。
  22. 前記複数のポリペプチドが、少なくともＣＲＰおよびＴＲＡＩＬを含む、請求項１〜１８のいずれか一項に記載の方法。
  23. 前記複数のポリペプチドが、少なくともＣＲＰ、ＴＲＡＩＬおよびＩＰ−１０を含む、請求項１〜１８のいずれか一項に記載の方法。
  24. 出力がテキストとして提示される、前記尤度の前記出力を生成することをさらに含む、請求項１〜２３のいずれか一項に記載の方法。
  25. 出力がグラフとして提示される、前記尤度の前記出力を生成することをさらに含む、請求項１〜２３のいずれか一項に記載の方法。
  26. 出力がカラーインデックスを用いて提示される、前記尤度の前記出力を生成することをさらに含む、請求項１〜２３のいずれか一項に記載の方法。
  27. 血液試料が全血である、請求項１〜１５のいずれか一項に記載の方法。
  28. 血液試料が全血の画分である、請求項１〜１５のいずれか一項に記載の方法。
  29. 前記血液画分が血清または血漿を含む、請求項２８に記載の方法。
  30. 前記発現値を決定することをさらに含み、前記発現値の少なくとも１つが電気泳動的または免疫化学的に決定される、請求項１〜２９のいずれか一項に記載の方法。
  31. 前記免疫化学的決定が、フローサイトメトリー、ラジオイムノアッセイ、免疫蛍光または酵素結合免疫吸着アッセイによって行われる、請求項３０に記載の方法。
  32. 前記算出および前記相関付けが、前記対象から離れたコンピュータによって実行される、請求項１〜３１のいずれか一項に記載の方法。
  33. 前記算出および前記相関付けが、前記対象に近いコンピュータによって実行される、請求項１〜３１のいずれか一項に記載の方法。
  34. 前記算出および前記相関付けが、クラウドコンピューティング施設のクラウドコンピューティング資源によって実行される、請求項１〜３１のいずれか一項に記載の方法。
  35. ハードウェアプロセッサによって読まれた場合、前記ハードウェアプロセッサに、未知の疾患を有する対象の血液中の複数のポリペプチドの発現値を受信させ、請求項１〜１０、１３および１５〜３４のいずれか一項に記載の方法を実行させるプログラム命令が保存されたコンピュータで読み取り可能な媒体を含む、コンピュータソフトウェア製品。
  36. 生物学的データを分析するためのシステムであって、
    自動化ＥＬＩＳＡ、自動化免疫アッセイ、および自動化機能アッセイからなる群から選択される少なくとも１つのアッセイを実行する測定システムにより、未知の疾患を有する対象の血液試料中で測定される複数のポリペプチドの発現値を受信するユーザーおよび／またはネットワークインタフェース；ならびに
    請求項３５に記載のコンピュータソフトウェア製品を保存するコンピュータで読み取り可能な媒体を有するハードウェアプロセッサ
    を含む、システム。
  37. 生物学的データを分析するためのシステムであって、
    未知の疾患を有する対象の血液中の複数のポリペプチドの発現値を測定するように構成される第１のコンパートメント；
    請求項３５に記載のコンピュータソフトウェア製品を保存するコンピュータで読み取り可能な媒体を有するハードウェアプロセッサを含む第２のコンパートメント；および
    表示デバイス
    を含み、前記ハードウェアプロセッサが、前記第１のコンパートメントから発現値測定値を受信し、分析結果を前記表示デバイスに出力するように構成される、システム。
  38. 前記第１のコンパートメント、前記第２のコンパートメントおよび前記ディスプレイが、手持ち式デバイス上に搭載されるか、またはその本体に統合される、請求項３７に記載のシステム。
  39. データセットを分析する方法であって、
    コンピュータで読み取り可能な媒体上に保存されたコンピュータプログラム命令であり、
    複数の対象の血液試料中の未知の疾患を有する対象の血液中の複数のポリペプチドの発現値に基づく分類群であって、細菌感染、ウイルス感染および非ウイルス、非細菌疾患を含む前記分類群を含むデータセットにアクセスするための前記コンピュータプログラム命令；ならびに
    前記分類群を分析して、特定の対象が細菌感染を有する尤度を表す少なくとも第１の確率分類関数ｆ（δ０，δ１）を提供するためのコンピュータプログラム命令
    を含み、前記第１の分類関数は第１の座標δ０と第２の座標δ１の関数であり、前記座標のそれぞれが前記発現値の異なる結合によって規定される、前記コンピュータプログラム命令を実行するためのハードウェアプロセッサを操作することを含む、方法。
  40. 特定の対象がウイルス感染を有する尤度を表す第２の分類関数ｇ（δ０，δ１）を算出することをさらに含み、前記第２の分類関数が前記第１および前記第２の座標の関数でもある、請求項３９に記載の方法。
  41. 特定の対象が非ウイルス、非細菌疾患を有する尤度を表す第３の分類関数ｈ（δ０，δ１）を算出することをさらに含み、前記第３の分類関数が前記第１および前記第２の座標の関数でもある、請求項３９または４０に記載の方法。
  42. 少なくとも１つの前記座標について、前記発現値の前記結合が、前記発現値の線形結合を含む、請求項３９〜４１のいずれか一項に記載の方法。
  43. 少なくとも１つの前記座標について、前記発現値の前記結合が、前記発現値の少なくとも１つに対応する少なくとも１つの非線形項を含む、請求項３９〜４２のいずれか一項に記載の方法。
  44. 前記分析の出力を生成することをさらに含む、請求項３９〜４２のいずれか一項に記載の方法。
  45. 前記データセットが１つまたは複数の多次元項目を含む、請求項３９〜４４のいずれか一項に記載の方法。
  46. 前記データセット中のそれぞれの項目が対応する対象の少なくとも１つの臨床パラメータを含む、請求項４５に記載の方法。
  47. 前記臨床パラメータが、性別、年齢、体温、症状開始からの時間および体重からなる群から選択される、請求項４６に記載の方法。
  48. 前記分析が機械学習を含む、請求項３９〜４７のいずれか一項に記載の方法。
  49. 前記機械学習が教師付き機械学習を含む、請求項４８に記載の方法。
  50. 前記機械学習が、クラスタリング、サポートベクターマシン、線形モデリング、ｋ−近傍分析、決定木学習、アンサンブル学習手順、神経ネットワーク、確率モデル、グラフモデル、ベイジアンネットワーク、ロジスティック回帰および相関ルール学習からなる群から選択される少なくとも１つの手順を含む、請求項４８または４９に記載の方法。
  51. 前記機械学習が、サポートベクターマシン、神経ネットワークおよびロジスティック回帰からなる群から選択される、請求項５０に記載の方法。
  52. 前記血液試料が全血である、請求項３９〜５１のいずれか一項に記載の方法。
  53. 前記血液試料が全血の画分である、請求項３９〜５１のいずれか一項に記載の方法。
  54. 前記血液画分が血清または血漿を含む、請求項５３に記載の方法。
  55. 前記発現値が電気泳動的または免疫化学的に決定される、請求項３９〜５４のいずれか一項に記載の方法。
  56. 前記免疫化学的決定が、フローサイトメトリー、ラジオイムノアッセイ、免疫蛍光または酵素結合免疫吸着アッセイによって行われる、請求項５５に記載の方法。
  57. 疾患を有する対象中のＴＲＡＩＬタンパク質血清レベルを測定することを含む、前記疾患に関する予後を予測する方法であって、前記ＴＲＡＩＬレベルが所定のレベルより下である場合、前記所定のレベルより上のＴＲＡＩＬタンパク質血清レベルを有する疾患を有する対象よりも前記予後が不良である、方法。
  58. 前記疾患が感染症である、請求項５７に記載の方法。
  59. 前記疾患が感染症ではない、請求項５７に記載の方法。
  60. 前記所定のレベルが２０ｐｇ／ｍｌより下である、請求項５７に記載の方法。
  61. 対象中のＴＲＡＩＬタンパク質血清レベルを測定することを含む、前記対象における疾患の処置経過を決定する方法であって、前記ＴＲＡＩＬレベルが所定のレベルより下である場合、前記対象が最後の手段の処置を用いて処置される、方法。
  62. 前記所定のレベルが２０ｐｇ／ｍｌより下である、請求項６１に記載の方法。
  63. 生殖可能年齢の女性対象における感染型を決定する方法であって、前記対象中のＴＲＡＩＬタンパク質血清レベルを、所定の閾値と比較することを含み、前記所定の閾値が、生殖可能年齢の健康な女性対象、または生殖可能年齢の健康な女性対象群のＴＲＡＩＬタンパク質血清レベルに対応し、前記ＴＲＡＩＬタンパク質血清レベルと前記所定の閾値との差異が感染型を示す、方法。
  64. 生殖可能年齢の男性対象における感染型を決定する方法であって、前記対象中のＴＲＡＩＬタンパク質血清レベルを、所定の閾値と比較することを含み、前記所定の閾値が、生殖可能年齢の健康な男性対象、または生殖可能年齢の健康な男性対象群のＴＲＡＩＬタンパク質血清レベルに対応し、前記ＴＲＡＩＬタンパク質血清レベルと前記所定の閾値との差異が感染型を示す、方法。
  65. 前記ＴＲＡＩＬタンパク質血清レベルが前記所定の閾値より上である場合、前記感染型がウイルス性である、請求項６３または６４に記載の方法。
  66. 前記ＴＲＡＩＬタンパク質血清レベルが前記所定の閾値より上である場合、前記感染型が細菌性ではない、請求項６３または６４に記載の方法。
  67. 前記ＴＲＡＩＬタンパク質血清レベルが前記所定の閾値より下である場合、前記感染型が細菌性である、請求項６３または６４に記載の方法。
  68. 前記ＴＲＡＩＬタンパク質血清レベルが前記所定の閾値より下である場合、前記感染型がウイルス性ではない、請求項６３または６４に記載の方法。
  69. 生物学的データを分析するためのコンピュータに実装された方法であって、
    表示デバイス上に、算出活性化制御を有するグラフィカルユーザーインタフェース（ＧＵＩ）を表示させること；
    対象の血液中のポリペプチドの発現値を受信すること；
    ユーザーによる前記制御の活性化に応答して、前記発現値に基づくスコアを自動的に算出すること；
    前記対象のウイルス感染に対応するものとして同定された第１の末端、および前記対象の細菌感染に対応するものとして同定された第２の末端を有するグラフ尺度を、前記ＧＵＩ上で生成すること；ならびに
    前記スコアに対応する位置で前記尺度上のマークを生成すること
    を含む、方法。
  70. 前記発現値の前記受信が、前記発現値を測定する外部装置と通信することを含む、請求項６９に記載の方法。
  71. 前記ＧＵＩが通信制御をさらに含み、前記外部装置との前記通信が前記ユーザーによる前記通信制御の活性化に応答する、請求項７０に記載の方法。
  72. 前記ＧＵＩが複数の発現値入力フィールドを含み、前記発現値の前記受信が前記入力フィールドを介するものである、請求項６９に記載の方法。
  73. 前記スコアが、前記対象が細菌感染を有する尤度である、請求項６９〜７２のいずれか一項に記載の方法。
  74. 前記スコアが、前記対象がウイルス感染を有する尤度である、請求項６９〜７３のいずれか一項に記載の方法。
JP2020021606A 2014-08-14 2020-02-12 多様体および超平面を用いる生物学的データのコンピュータ分析 Active JP7095001B2 (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201462037180P 2014-08-14 2014-08-14
US62/037,180 2014-08-14
US201562105938P 2015-01-21 2015-01-21
US62/105,938 2015-01-21

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2017507867A Division JP6661607B2 (ja) 2014-08-14 2015-08-12 多様体および超平面を用いる生物学的データのコンピュータ分析

Publications (2)

Publication Number Publication Date
JP2020113285A true JP2020113285A (ja) 2020-07-27
JP7095001B2 JP7095001B2 (ja) 2022-07-04

Family

ID=55303939

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2017507867A Active JP6661607B2 (ja) 2014-08-14 2015-08-12 多様体および超平面を用いる生物学的データのコンピュータ分析
JP2020021606A Active JP7095001B2 (ja) 2014-08-14 2020-02-12 多様体および超平面を用いる生物学的データのコンピュータ分析

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2017507867A Active JP6661607B2 (ja) 2014-08-14 2015-08-12 多様体および超平面を用いる生物学的データのコンピュータ分析

Country Status (12)

Country Link
US (5) US10303846B2 (ja)
EP (2) EP3180621B1 (ja)
JP (2) JP6661607B2 (ja)
KR (1) KR20170041907A (ja)
CN (2) CN107076746B (ja)
AU (2) AU2015302870B2 (ja)
BR (1) BR112017002884A2 (ja)
CA (2) CA3190715A1 (ja)
IL (1) IL250585B (ja)
RU (1) RU2730836C2 (ja)
WO (1) WO2016024278A1 (ja)
ZA (1) ZA201700939B (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022039092A1 (ja) * 2020-08-17 2022-02-24 孝章 赤池 学習モデルの生成方法、プログラム、演算装置

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2796666C (en) 2010-04-21 2020-04-14 MeMed Diagnostics, Ltd. Signatures and determinants for distinguishing between a bacterial and viral infection and methods of use thereof
CA2863819C (en) 2012-02-09 2021-11-23 Memed Diagnostics Ltd. Signatures and determinants for diagnosing infections and methods of use thereof
EP3180621B1 (en) 2014-08-14 2020-04-01 Memed Diagnostics Ltd. Computational analysis of biological data using manifold and a hyperplane
US20170234873A1 (en) 2014-10-14 2017-08-17 Memed Diagnostics Ltd. Signatures and determinants for diagnosing infections in non-human subjects and methods of use thereof
CN107924384A (zh) * 2015-03-11 2018-04-17 阿雅斯迪公司 用于使用预测学习模型预测结果的系统和方法
EP3414716A1 (en) * 2016-02-12 2018-12-19 Carrier Corporation Shelf life estimation system
US11466331B2 (en) 2016-03-03 2022-10-11 Memed Diagnostics Ltd. RNA determinants for distinguishing between bacterial and viral infections
US20200124593A1 (en) * 2016-06-23 2020-04-23 Memed Diagnostics Ltd. Measuring trail by lateral flow immunoassay
EP4184167A1 (en) 2016-07-10 2023-05-24 MeMed Diagnostics Ltd. Early diagnosis of infections
CN109661578B (zh) * 2016-07-10 2022-05-10 米密德诊断学有限公司 用于区分细菌和病毒感染的蛋白质特征
WO2018029690A1 (en) 2016-08-10 2018-02-15 Memed Diagnostics Ltd. System and method for analysis of biological data
KR101739703B1 (ko) * 2016-09-13 2017-05-24 (주) 어드밴스드 엔티 Trail 기반 뇌염 감별진단 방법 및 장치
WO2018060999A1 (en) 2016-09-29 2018-04-05 Memed Diagnostics Ltd. Methods of risk assessment and disease classification
EP3519833A4 (en) 2016-09-29 2020-06-03 MeMed Diagnostics Ltd. PROGNOSTIC AND TREATMENT METHODS
JP2020507149A (ja) 2017-01-11 2020-03-05 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 包含基準又は除外基準の検出自動化のための方法及びシステム
KR20190119082A (ko) * 2017-02-17 2019-10-21 애큐웨더 아이엔씨. 기상 데이터의 통계 분석을 사용하여 경제 동향들을 예측하기 위한 시스템 및 방법
DE112017007051B4 (de) * 2017-03-16 2022-04-14 Mitsubishi Electric Corporation Signalverarbeitungsvorrichtung
US10209260B2 (en) 2017-07-05 2019-02-19 Memed Diagnostics Ltd. Signatures and determinants for diagnosing infections and methods of use thereof
US10474681B1 (en) * 2017-09-26 2019-11-12 Microsoft Technology Licensing, Llc Filtering mapped datasets
US11504071B2 (en) * 2018-04-10 2022-11-22 Hill-Rom Services, Inc. Patient risk assessment based on data from multiple sources in a healthcare facility
US11908581B2 (en) 2018-04-10 2024-02-20 Hill-Rom Services, Inc. Patient risk assessment based on data from multiple sources in a healthcare facility
WO2020036571A1 (en) 2018-08-16 2020-02-20 RICHARDSON, Paul, Stephen Systems and methods for automatic bias monitoring of cohort models and un-deployment of biased models
TW202018727A (zh) 2018-11-09 2020-05-16 財團法人工業技術研究院 整體式學習預測方法與系統
FR3088652A1 (fr) * 2018-11-21 2020-05-22 Nanotracks Diagnostics Détection in vitro de la présence d’au moins un agent pathogène microbien dans un échantillon biologique
CN113711319A (zh) * 2019-03-12 2021-11-26 诺华股份有限公司 用于区分哮喘与copd的数字解决方案
US11104946B2 (en) 2019-04-23 2021-08-31 Inflammatix, Inc. DNA sequences related to diagnosis and treatment of systemic inflammatory response syndrome
WO2022004730A1 (ja) * 2020-06-30 2022-01-06 株式会社堀場製作所 体液分析装置、体液検体を判定するための方法、および、コンピュータープログラム
CN111657961B (zh) * 2020-07-03 2021-04-27 北京印刷学院 一种在皮肤上制备超表面用于血糖检测的方法
CN112185583B (zh) * 2020-10-14 2022-05-31 天津之以科技有限公司 一种基于贝叶斯网络的数据挖掘检疫方法
US11430575B2 (en) * 2020-11-13 2022-08-30 Specialty Diagnostic (SDI) Laboratories, Inc. Systems and methods for a data driven disease test result prediction
CN112632151B (zh) * 2020-12-25 2023-02-10 南京邮电大学 一种基于二分过滤的移动对象传染行为挖掘方法
US11361847B1 (en) 2021-02-06 2022-06-14 Timothy A. Hodge System and method for rapidly reporting testing results

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013117746A1 (en) * 2012-02-09 2013-08-15 Memed Diagnostics Ltd. Signatures and determinants for diagnosing infections and methods of use thereof

Family Cites Families (158)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NL154600B (nl) 1971-02-10 1977-09-15 Organon Nv Werkwijze voor het aantonen en bepalen van specifiek bindende eiwitten en hun corresponderende bindbare stoffen.
NL154598B (nl) 1970-11-10 1977-09-15 Organon Nv Werkwijze voor het aantonen en bepalen van laagmoleculire verbindingen en van eiwitten die deze verbindingen specifiek kunnen binden, alsmede testverpakking.
NL154599B (nl) 1970-12-28 1977-09-15 Organon Nv Werkwijze voor het aantonen en bepalen van specifiek bindende eiwitten en hun corresponderende bindbare stoffen, alsmede testverpakking.
US3901654A (en) 1971-06-21 1975-08-26 Biological Developments Receptor assays of biologically active compounds employing biologically specific receptors
US3853987A (en) 1971-09-01 1974-12-10 W Dreyer Immunological reagent and radioimmuno assay
US3867517A (en) 1971-12-21 1975-02-18 Abbott Lab Direct radioimmunoassay for antigens and their antibodies
NL171930C (nl) 1972-05-11 1983-06-01 Akzo Nv Werkwijze voor het aantonen en bepalen van haptenen, alsmede testverpakkingen.
US3850578A (en) 1973-03-12 1974-11-26 H Mcconnell Process for assaying for biologically active molecules
US3935074A (en) 1973-12-17 1976-01-27 Syva Company Antibody steric hindrance immunoassay with two antibodies
US3996345A (en) 1974-08-12 1976-12-07 Syva Company Fluorescence quenching with immunological pairs in immunoassays
US4034074A (en) 1974-09-19 1977-07-05 The Board Of Trustees Of Leland Stanford Junior University Universal reagent 2-site immunoradiometric assay using labelled anti (IgG)
US3984533A (en) 1975-11-13 1976-10-05 General Electric Company Electrophoretic method of detecting antigen-antibody reaction
US4098876A (en) 1976-10-26 1978-07-04 Corning Glass Works Reverse sandwich immunoassay
US4230767A (en) 1978-02-08 1980-10-28 Toyo Boseki Kabushiki Kaisha Heat sealable laminated propylene polymer packaging material
US4275149A (en) 1978-11-24 1981-06-23 Syva Company Macromolecular environment control in specific receptor assays
US4233402A (en) 1978-04-05 1980-11-11 Syva Company Reagents and method employing channeling
US4376110A (en) 1980-08-04 1983-03-08 Hybritech, Incorporated Immunometric assays using monoclonal antibodies
US4879219A (en) 1980-09-19 1989-11-07 General Hospital Corporation Immunoassay utilizing monoclonal high affinity IgM antibodies
US4659678A (en) 1982-09-29 1987-04-21 Serono Diagnostics Limited Immunoassay of antigens
US4727022A (en) 1984-03-14 1988-02-23 Syntex (U.S.A.) Inc. Methods for modulating ligand-receptor interactions and their application
US5011771A (en) 1984-04-12 1991-04-30 The General Hospital Corporation Multiepitopic immunometric assay
US4666828A (en) 1984-08-15 1987-05-19 The General Hospital Corporation Test for Huntington's disease
US4683202A (en) 1985-03-28 1987-07-28 Cetus Corporation Process for amplifying nucleic acid sequences
US4801531A (en) 1985-04-17 1989-01-31 Biotechnology Research Partners, Ltd. Apo AI/CIII genomic polymorphisms predictive of atherosclerosis
US5018067A (en) 1987-01-12 1991-05-21 Iameter Incorporated Apparatus and method for improved estimation of health resource consumption through use of diagnostic and/or procedure grouping and severity of illness indicators
US5272057A (en) 1988-10-14 1993-12-21 Georgetown University Method of detecting a predisposition to cancer by the use of restriction fragment length polymorphism of the gene for human poly (ADP-ribose) polymerase
US5192659A (en) 1989-08-25 1993-03-09 Genetype Ag Intron sequence analysis method for detection of adjacent and remote locus alleles as haplotypes
DE4322330A1 (de) 1992-08-31 1994-03-03 Behringwerke Ag Verwendung des IL-4-Rezeptors zur Therapie, Prophylaxe und Diagnose von allergischen, viralen, parasitären und bakteriellen Erkrankungen sowie von Pilzinfektionen
US5281521A (en) 1992-07-20 1994-01-25 The Trustees Of The University Of Pennsylvania Modified avidin-biotin technique
DE4227454C1 (de) 1992-08-19 1994-02-03 Henning Berlin Gmbh Verfahren zur Früherkennung, zur Erkennung des Schweregrads sowie zur therapiebegleitenden Verlaufsbeurteilung einer Sepsis sowie Mittel zur Durchführung des Verfahrens
US6283761B1 (en) 1992-09-08 2001-09-04 Raymond Anthony Joao Apparatus and method for processing and/or for providing healthcare information and/or healthcare-related information
SE9401351D0 (sv) 1994-04-21 1994-04-21 Venge A method for diagnosis
US5910421A (en) 1995-12-21 1999-06-08 University Of Florida Rapid diagnostic method for distinguishing allergies and infections
US6077665A (en) 1996-05-07 2000-06-20 The Board Of Trustees Of The Leland Stanford Junior University Rapid assay for infection in neonates
WO1999033965A1 (en) 1997-12-24 1999-07-08 Diatech Pty. Ltd. Bifunctional molecules
NZ507426A (en) 1998-05-18 2003-08-29 Apoptosis Technology Inc Compounds, screening methods, and uses involving anti-apoptotic genes and gene products
DE19847690A1 (de) 1998-10-15 2000-04-20 Brahms Diagnostica Gmbh Verfahren und Substanzen für die Diagnose und Therapie von Sepsis und sepsisähnlichen systemischen Infektionen
US6709855B1 (en) 1998-12-18 2004-03-23 Scios, Inc. Methods for detection and use of differentially expressed genes in disease states
WO2000040749A2 (en) 1999-01-06 2000-07-13 Genenews Inc. Method for the detection of gene transcripts in blood and uses thereof
CA2384978C (en) 1999-08-24 2012-10-23 Glycozym Aps Udp-n-acetylglucosamine: galactose-.beta.1,3-n-acetylgalactosamine-.alpha.-r/(glcnac to galnac) .beta.1,6-n-acetylglucosaminyltransferase, c2gnt3
IL132687A0 (en) * 1999-11-01 2001-03-19 Keren Mechkarim Ichilov Pnimit System and method for evaluating body fluid samples
US20020038227A1 (en) 2000-02-25 2002-03-28 Fey Christopher T. Method for centralized health data management
US7668661B2 (en) 2000-04-28 2010-02-23 Siemens Healthcare Diagnostics Inc. Liver disease-related methods and systems
RU2229719C2 (ru) 2001-03-27 2004-05-27 Кабусики Кайся Тосиба Обнаружение имеющей отношение к заболеванию нуклеиновой кислоты
US7713705B2 (en) * 2002-12-24 2010-05-11 Biosite, Inc. Markers for differential diagnosis and methods of use thereof
DE10119804A1 (de) 2001-04-23 2002-10-24 Brahms Ag Entzündungsspezifische Peptide und deren Verwendungen
KR100932577B1 (ko) * 2001-05-18 2009-12-17 기린 홀딩스 가부시키가이샤 항 ｔｒａｉｌ-ｒ 항체
FI115165B (fi) 2001-06-04 2005-03-15 Aboatech Ab Oy Menetelmä infektion laadun määrittämiseksi
DE10130985B4 (de) 2001-06-27 2004-03-18 B.R.A.H.M.S Ag Verfahren zur Diagnose von Sepsis und schweren Infektionen unter Bestimmung löslicher Cytokeratin-1-Fragmente
US20040209307A1 (en) 2001-08-20 2004-10-21 Biosite Incorporated Diagnostic markers of stroke and cerebral injury and methods of use thereof
EP1318407B1 (de) 2001-12-07 2004-09-29 B.R.A.H.M.S Aktiengesellschaft Verwendungen der Aldose-1-Epimerase (Mutarotase) für die Diagnose von Entzündungserkrankungen und Sepsis
DE60207183T2 (de) 2001-12-10 2006-08-10 Kabushiki Gaisha K-And-S Vorrichtung zur Beobachtung biologischer Daten
US20040038201A1 (en) 2002-01-22 2004-02-26 Whitehead Institute For Biomedical Research Diagnostic and therapeutic applications for biomarkers of infection
US7468032B2 (en) 2002-12-18 2008-12-23 Cardiac Pacemakers, Inc. Advanced patient management for identifying, displaying and assisting with correlating health-related data
US20040122296A1 (en) 2002-12-18 2004-06-24 John Hatlestad Advanced patient management for triaging health-related data
KR20040105784A (ko) 2002-03-22 2004-12-16 교와 메덱스 가부시키가이샤 바이러스 감염증의 판정방법
US7485298B2 (en) 2002-05-23 2009-02-03 Michael Powell Diagnosis and treatment of human dormancy-related sequellae
WO2003104496A1 (en) 2002-06-11 2003-12-18 Idaho Research Foundation Type i interferon-inducible proteins to detect viral infection
US8563476B2 (en) 2002-11-15 2013-10-22 Morehouse School Of Medicine Anti-CXCL9, anti-CXCL10, anti-CXCL11, anti-CXCL13, anti-CXCR3 and anti-CXCR5 agents for inflammatory disorders
AU2004245998A1 (en) 2003-06-04 2004-12-16 The Government of the United States as represented by The Secretary of the Department of Health and Human Services, Centres for Disease Control and Prevention PNI microarray and uses
EP1673465A4 (en) 2003-09-29 2008-04-30 Biosite Inc PROCESS AND COMPOSITIONS FOR SEPSIS DIAGNOSIS
JP2005106694A (ja) * 2003-09-30 2005-04-21 Mochida Pharmaceut Co Ltd 敗血症早期検出及び重篤度評価
GB0401730D0 (en) 2004-01-27 2004-03-03 Bioxell Spa Diagnosis method
US8906630B2 (en) 2004-02-27 2014-12-09 The Trustees Of The University Of Pennsylvania Assays for detecting pathogenic respiratory bacteria
US7892539B2 (en) 2004-03-24 2011-02-22 The Regents Of The University Of California Modulation of an innate immune response by altering TRIAL-R signaling
US8155993B2 (en) * 2004-06-15 2012-04-10 Janssen Pharmaceutica, N.V. Apparatus and methods for assessing a pharmaceutical product
US20080261258A1 (en) * 2004-07-09 2008-10-23 Amaox, Inc. Immune Cell Biosensors and Methods of Using Same
US20060078998A1 (en) * 2004-09-28 2006-04-13 Singulex, Inc. System and methods for sample analysis
US7572640B2 (en) 2004-09-28 2009-08-11 Singulex, Inc. Method for highly sensitive detection of single protein molecules labeled with fluorescent moieties
CA2586374A1 (en) 2004-11-05 2007-01-25 The Government Of The United States Of America, As Represented By The Se Cretary Of The Navy Diagnosis and prognosis of infectious diseases clinical phenotypes and other physiologic states using host gene expression biomarkers in blood
US20060099628A1 (en) 2004-11-10 2006-05-11 Wei-Mei Ching Diagnostic assay for rickettsia prowazekii disease by detection of responsive gene expression
CN101208602A (zh) 2005-04-15 2008-06-25 贝克顿迪金森公司 脓毒症的诊断
EP1869463A4 (en) 2005-04-15 2010-05-05 Becton Dickinson Co SEPSIS DIAGNOSIS
US20070015172A1 (en) 2005-06-01 2007-01-18 Z-Biomed, Inc. Expression profiles for microbial infection
UA78641C2 (en) 2005-08-29 2007-04-10 Open Joint Stock Company Conce A process for the preparation of carbamide-formaldehyde resin
DE102005050933A1 (de) 2005-10-21 2007-04-26 Justus-Liebig-Universität Giessen Erfindung betreffend Expressionsprofile zur Vorhersage von septischen Zuständen
CN101374964B (zh) 2005-12-09 2013-07-17 贝勒研究院 外周血液白细胞转录模式的模块水平分析
GB0601959D0 (en) 2006-01-31 2006-03-15 King S College London Sepsis test
US20070184460A1 (en) 2006-02-09 2007-08-09 Wei-Mei Ching Diagnostic assay for Orientia tsutsugamushi by detection of responsive gene expression
EP2016195A4 (en) 2006-04-26 2010-03-10 Vertex Pharma BIOMARKERS FOR HEPATITIS C VIRUS INFECTION
RU2348695C2 (ru) * 2006-05-23 2009-03-10 Закрытое акционерное общество "Молекулярно-медицинские технологии" Дифференцирующий и специфический олигонуклеотиды для идентификации последовательностей днк инфекционных агентов в биологических материалах, способ видовой идентификации инфекционных агентов, биочип и набор для осуществления этого способа
SG177956A1 (en) 2006-08-11 2012-02-28 Baylor Res Inst Gene expression signatures in blood leukocytes permit differential diagnosis of acute infections
AU2012244350B2 (en) 2006-09-05 2013-08-15 Statens Serum Institut Ip-10 based immunological monitoring
EP2228651A1 (en) 2006-09-05 2010-09-15 Hvidovre Hospital IP-10 Based Immunological Monitoring
WO2008041953A2 (en) 2006-10-05 2008-04-10 Agency For Science, Technology And Research Dengue diagnosis and treatment
US20100143372A1 (en) 2006-12-06 2010-06-10 Medimmune, Llc Interferon alpha-induced pharmacodynamic markers
DE102006060112A1 (de) 2006-12-20 2008-06-26 Brahms Aktiengesellschaft Diagnose und Risikostratifizierung mittels dem neuen Marker CT-proADM
CN101617056A (zh) 2006-12-21 2009-12-30 伊诺基因卡尔生物技术私人有限公司 Eb病毒相关癌症的早期诊断方法及各自的试剂和试剂盒
AU2008205622A1 (en) 2007-01-11 2008-07-24 Duke University Method of monitoring HIV infection
WO2008095136A2 (en) 2007-01-31 2008-08-07 Henkin Robert I Methods for detection of biological substances
DE102007009751A1 (de) 2007-02-28 2008-09-04 B.R.A.H.M.S Aktiengesellschaft Verfahren zur selektiven Bestimmung von Procalcitonin 1-116 für diagnostische Zwecke sowie Antikörper und Kits zur Durchführung eines solchen Verfahrens
US20090155180A1 (en) 2007-02-28 2009-06-18 Mary Lynn Jump Methods and targets for identifying compounds for regulating rhinovirus infection
BRPI0812178A2 (pt) 2007-06-01 2021-05-04 Council Of Scientific & Industrial Research método para detecção e discriminação simultânea de infecções bacterianas, fúngicas, parasitárias e virais no olho e sistema nervoso central
RU2352948C1 (ru) 2007-06-15 2009-04-20 Государственное образовательное учреждение высшего профессионального образования "КРАСНОЯРСКАЯ ГОСУДАРСТВЕННАЯ МЕДИЦИНСКАЯ АКАДЕМИЯ ФЕДЕРАЛЬНОГО АГЕНТСТВА ПО ЗДРАВООХРАНЕНИЮ И СОЦИАЛЬНОМУ РАЗВИТИЮ" Способ прогноза исхода заболевания пациентов с ургентной хирургической патологией органов брюшной полости
IL184478A (en) 2007-07-08 2017-07-31 Hadasit Medical Res Services & Development Ltd Preparations, methods and kits for identifying carriers of mutations in genes 1brca and 2brca and for the early detection of cancers associated with mutations in these genes
DE102007035640A1 (de) 2007-07-27 2009-01-29 Lkh-Kunststoffwerk Gmbh & Co. Kg Tauchkolben
CN101790687A (zh) 2007-08-03 2010-07-28 B.R.A.H.M.S有限公司 降钙素原(pct)在患原发性非传染疾病的患者的风险分级和预后中的应用
EP2020603A1 (en) 2007-08-03 2009-02-04 BRAHMS Aktiengesellschaft Method for risk stratification in stable coronary artery disease
TW200920358A (en) 2007-08-13 2009-05-16 Lundbeck & Co As H Method of treating stress-mediated depression
WO2009025743A2 (en) 2007-08-17 2009-02-26 University Of Massachusetts Medical School Use of trail compositions as antiviral agents
ATE463700T1 (de) 2007-09-24 2010-04-15 Bmdsys Production Gmbh Kryostat mit stabilisiertem aussengefäss
EP2071334A1 (en) 2007-12-14 2009-06-17 Transmedi SA Compositions and methods of detecting TIABS
WO2009100907A1 (en) 2008-02-14 2009-08-20 Dianeering Diagnostics Engineering And Research Gmbh Means and methods for assessing the risk of patients presenting to emergency departments based on very low concentrations of troponin i or t or using a combination of markers
WO2009120800A2 (en) * 2008-03-25 2009-10-01 University Of Southern California Prognostic panel for urinary bladder cancer
BRPI0910534A2 (pt) 2008-04-21 2015-09-29 Novartis Forschungsstiftung terapia antiviral
US9910036B2 (en) 2008-05-20 2018-03-06 Rapid Pathogen Screening, Inc. Method and device for combined detection of viral and bacterial infections
ES2506116T3 (es) 2008-05-23 2014-10-13 Biocartis Nv Nuevo biomarcador para diagnóstico, predicción y/o pronóstico de septicemia y usos del mismo
JP2011526152A (ja) 2008-06-25 2011-10-06 ベイラー リサーチ インスティテュート マイコバクテリウム・ツベルクローシス感染症の血液転写サイン
CN102257386B (zh) 2008-10-24 2014-12-31 B.R.A.H.M.S有限公司 通过测定标志肽的水平在已患过中风或短暂性缺血性发作的患者中进行预后和风险评估
TW201021778A (en) 2008-11-12 2010-06-16 Alcon Res Ltd Intraocular lens delivery device with a multi-part plunger tip
CA2743211A1 (en) 2008-11-12 2010-05-20 Caris Life Sciences Luxembourg Holdings, S.A.R.L. Methods and systems of using exosomes for determining phenotypes
UA92843C2 (ru) 2009-05-21 2010-12-10 Институт Технической Теплофизики Национальной Академии Наук Украины Способ получения порошкообразного пищевого красителя из столовой свеклы
WO2011008349A2 (en) 2009-05-26 2011-01-20 Duke University Methods of identifying infectious disease and assays for identifying infectious disease
EP2438447B1 (en) 2009-06-05 2015-02-18 B.R.A.H.M.S GmbH Detection of bacterial infections in subjects suffering from dyspnea.
CA2770259A1 (en) 2009-08-07 2011-02-10 Rules-Based Medicine, Inc. Methods and devices for detecting obstructive uropathy and associated disorders
JP5667353B2 (ja) * 2009-09-25 2015-02-12 シスメックス株式会社 血球計数装置、診断支援装置、診断支援方法及びコンピュータプログラム
US8383332B2 (en) 2009-10-13 2013-02-26 B.R.A.H.M.S. Gmbh Procalcitonin for the diagnosis of bacterial infections and guidance of antibiotic treatment in patients with acute stroke or transient ischemic attack
EP2488659B1 (en) 2009-10-15 2019-12-11 Crescendo Bioscience, Inc. Biomarkers and methods for measuring and monitoring inflammatory disease activity
US20110312534A1 (en) * 2010-03-05 2011-12-22 Erasmus University Medical Center Rotterdam Method for prediction of human iris color
CA2796666C (en) * 2010-04-21 2020-04-14 MeMed Diagnostics, Ltd. Signatures and determinants for distinguishing between a bacterial and viral infection and methods of use thereof
CN103097891B (zh) 2010-05-31 2015-09-09 国立大学法人德岛大学 疾病重症度的检查方法
GB2482187A (en) * 2010-07-23 2012-01-25 Univ Exeter Predicting response to surgery
US8877212B2 (en) 2011-02-07 2014-11-04 Trudeau Institute Use of an IL12 receptor-beta 1 splice variant to diagnose active tuberculosis
RU2476887C2 (ru) 2011-03-29 2013-02-27 Учреждение Российской академии медицинских наук Дальневосточный научный центр физиологии и патологии дыхания Сибирского отделения РАМН Способ прогнозирования развития осложнений у больных внебольничной пневмонией
CA2840461A1 (en) * 2011-06-20 2012-12-27 Kyowa Hakko Kirin Co., Ltd. Anti-erbb3 antibody
WO2013040062A2 (en) 2011-09-12 2013-03-21 Vanderbilt University Characterizing multiple sclerosis
JP5842107B2 (ja) * 2011-10-19 2016-01-13 パナソニックＩｐマネジメント株式会社 循環動態測定装置
ES2656150T3 (es) 2011-11-14 2018-02-23 Universitätsklinikum Jena Diagnóstico de la sepsis y del síndrome de respuesta inflamatoria sistémica
KR102057132B1 (ko) 2012-03-08 2019-12-18 토멘 메디칼 아게 염증성 조직을 진단하기 위한 치과적 용도의 츄잉검
EP2637023A1 (en) 2012-03-08 2013-09-11 B.R.A.H.M.S GmbH Prediction of outcome in patients with chronic obstructive pulmonary disease
EP2831264B1 (en) * 2012-03-30 2019-07-10 VisEn Medical, Inc. Bacterial imaging agents and methods of using same
GB201211982D0 (en) 2012-07-05 2012-08-22 Isis Innovation Biomarker
AU2013289854B2 (en) 2012-07-10 2016-03-24 Nepean Blue Mountains Local Health District Risk stratification in influenza
FR2996003B1 (fr) 2012-09-25 2014-10-17 Commissariat Energie Atomique Methode pour detecter specifiquement dans un echantillon une metalloprotease matricielle (mmp) d'interet uniquement dans sa forme active
US20140127827A1 (en) 2012-11-05 2014-05-08 Gwangju Institute Of Science And Technology Method for detection of antigen using fluorescence resonance energy transfer immunoassay
BR112015012616A2 (pt) 2012-11-30 2017-09-12 Applied Proteomics Inc método para avaliação da presença ou risco de tumores de cólon
US9759721B2 (en) 2013-01-22 2017-09-12 Imicroq, S.L. Rapid method for detection of pathogen
EA201591411A1 (ru) 2013-01-29 2016-01-29 Молекьюлар Хелт Гмбх Системы и способы для поддержки клинических решений
US9474903B2 (en) * 2013-03-15 2016-10-25 Boston Scientific Neuromodulation Corporation Clinical response data mapping
US10689701B2 (en) 2013-03-15 2020-06-23 Duke University Biomarkers for the molecular classification of bacterial infection
EP3693738A1 (en) 2013-09-20 2020-08-12 Astute Medical, Inc. Methods and compositions for diagnosis and prognosis of appendicitis and differentiation of causes of abdominal pain
WO2015048098A1 (en) 2013-09-24 2015-04-02 Washington University Diagnostic methods for infectious disease using endogenous gene expression
EP3180621B1 (en) 2014-08-14 2020-04-01 Memed Diagnostics Ltd. Computational analysis of biological data using manifold and a hyperplane
US20170234873A1 (en) 2014-10-14 2017-08-17 Memed Diagnostics Ltd. Signatures and determinants for diagnosing infections in non-human subjects and methods of use thereof
BR112017010268B1 (pt) 2014-11-19 2024-01-16 P & M Venge Ab Agente de ligação, composição de diagnóstico, kit de diagnóstico, método de diagnóstico de uma infecção bacteriana ou de diferenciação entre uma infecção bacteriana e uma infecção de viral, métodos para descartar uma infecção bacteriana ou viral em um indivíduo, métodos para considerar uma infecção bacteriana ou viral em um indivíduo, método para distinguir entre uma infecção bacteriana ou mista e uma infecção viral em um indivíduo, método para descartar uma doença infecciosa, método para identificação do tipo de infecção e dispositivo para o diagnóstico de infecções bacterianas
US20170269081A1 (en) 2014-12-11 2017-09-21 Memed Diagnostics Ltd. Marker combinations for diagnosing infections and methods of use thereof
KR20160072626A (ko) 2014-12-15 2016-06-23 전북대학교산학협력단 패혈증 인자 il-6 간이 진단 키트
CA3003104A1 (en) * 2015-11-01 2017-05-04 Elminda Ltd. Method and system for estimating potential distribution on cortical surface
US11466331B2 (en) 2016-03-03 2022-10-11 Memed Diagnostics Ltd. RNA determinants for distinguishing between bacterial and viral infections
WO2017149547A1 (en) 2016-03-03 2017-09-08 Memed Diagnostics Ltd. Analyzing rna for diagnosing infection type
US20200124593A1 (en) 2016-06-23 2020-04-23 Memed Diagnostics Ltd. Measuring trail by lateral flow immunoassay
CN109661578B (zh) 2016-07-10 2022-05-10 米密德诊断学有限公司 用于区分细菌和病毒感染的蛋白质特征
EP4184167A1 (en) 2016-07-10 2023-05-24 MeMed Diagnostics Ltd. Early diagnosis of infections
US20190339189A1 (en) 2016-09-16 2019-11-07 On-Chip Biotechnologies Co., Ltd. Fine particle dispensing device, fine particle analysis device, reaction detection device, and method using said devices
EP3519833A4 (en) 2016-09-29 2020-06-03 MeMed Diagnostics Ltd. PROGNOSTIC AND TREATMENT METHODS
WO2018060999A1 (en) 2016-09-29 2018-04-05 Memed Diagnostics Ltd. Methods of risk assessment and disease classification
US10209260B2 (en) 2017-07-05 2019-02-19 Memed Diagnostics Ltd. Signatures and determinants for diagnosing infections and methods of use thereof
US20220329345A1 (en) 2021-04-08 2022-10-13 Infinidome Ltd. Adjustable null steering in a stationary network

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013117746A1 (en) * 2012-02-09 2013-08-15 Memed Diagnostics Ltd. Signatures and determinants for diagnosing infections and methods of use thereof

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022039092A1 (ja) * 2020-08-17 2022-02-24 孝章 赤池 学習モデルの生成方法、プログラム、演算装置

Also Published As

Publication number Publication date
CN107076746A (zh) 2017-08-18
US11776658B2 (en) 2023-10-03
WO2016024278A1 (en) 2016-02-18
ZA201700939B (en) 2021-05-26
CA2954601C (en) 2023-04-18
CN111624346A (zh) 2020-09-04
RU2730836C2 (ru) 2020-08-26
KR20170041907A (ko) 2017-04-17
US11450406B2 (en) 2022-09-20
US11081206B2 (en) 2021-08-03
EP3699930B1 (en) 2024-02-07
JP7095001B2 (ja) 2022-07-04
AU2015302870B2 (en) 2021-12-23
CN107076746B (zh) 2020-05-29
US20190237156A1 (en) 2019-08-01
IL250585A0 (en) 2017-04-30
US20220399074A1 (en) 2022-12-15
AU2022200802A1 (en) 2022-03-03
US20240029818A1 (en) 2024-01-25
EP3180621A1 (en) 2017-06-21
AU2015302870A1 (en) 2017-03-16
EP3180621A4 (en) 2018-04-18
CA3190715A1 (en) 2016-02-18
RU2017107750A3 (ja) 2019-01-22
US20170235871A1 (en) 2017-08-17
JP6661607B2 (ja) 2020-03-11
RU2017107750A (ru) 2018-09-17
IL250585B (en) 2020-10-29
JP2017532633A (ja) 2017-11-02
EP3699930A2 (en) 2020-08-26
EP3699930A3 (en) 2020-10-28
US20200388347A1 (en) 2020-12-10
US10303846B2 (en) 2019-05-28
EP3180621B1 (en) 2020-04-01
CA2954601A1 (en) 2016-02-18
BR112017002884A2 (pt) 2018-01-30

Similar Documents

Publication Publication Date Title
JP7095001B2 (ja) 多様体および超平面を用いる生物学的データのコンピュータ分析
CN107209184B (zh) 用于诊断多种感染的标记组合及其使用方法
CN108802385B (zh) 用于诊断感染的标记和决定因素和其使用方法
US11131671B2 (en) Protein signatures for distinguishing between bacterial and viral infections
WO2016059636A1 (en) Signatures and determinants for diagnosing infections in non-human subjects and methods of use thereof
EP3482201A1 (en) Early diagnosis of infections
CN109844532B (zh) 分析生物数据的系统和方法
Vuong et al. Combination of inflammatory and vascular markers in the febrile phase of dengue is associated with more severe outcomes
US20190376969A1 (en) Nasopharyngeal protein biomarkers of acute respiratory virus infection and methods of using same
Khambati et al. Host-based biomarkers in saliva for the diagnosis of pulmonary tuberculosis in children: a mini-review
David et al. An overview of proteomic methods for the study of ‘cytokine storms’
Noack et al. Serum markers associated with disease severity in a Bosnian hemorrhagic fever with renal syndrome cohort
Waeni Molecular Signatures of Severe Acute Infections in Hospitalised African Children

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200310

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200310

RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7426

Effective date: 20200701

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20200702

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210420

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210715

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20211207

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220404

C60 Trial request (containing other claim documents, opposition documents)

Free format text: JAPANESE INTERMEDIATE CODE: C60

Effective date: 20220404

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20220414

C21 Notice of transfer of a case for reconsideration by examiners before appeal proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C21

Effective date: 20220419

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220531

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220622

R150 Certificate of patent or registration of utility model

Ref document number: 7095001

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150