JP2021019631A

JP2021019631A - チェックポイント不全およびそれに関する方法

Info

Publication number: JP2021019631A
Application number: JP2020181541A
Authority: JP
Inventors: ジョゼフバスク，チャールズ; Joseph Vaske Charles; チャールズベンツ，ステファン; Charles Benz Stephen
Original assignee: Nantomics LLC
Current assignee: Nantomics LLC
Priority date: 2016-05-05
Filing date: 2020-10-29
Publication date: 2021-02-18
Also published as: EP3452936A1; US20190147976A1; WO2017193080A1; JP2019514396A; EP3452936A4; KR20180126085A; AU2017261353A1; CN109416925A; IL262732A; CA3023265A1

Abstract

【課題】チェックポイント阻害剤での免疫療法および治療に応答する患者を同定するための組成物および方法を提供する。【解決手段】患者の腫瘍の試料のオーミクスのデータを使用する、チェックポイント阻害剤を使用した免疫療法に関する治療のアウトカムのより正確な予測のためのシステムおよび方法を開示する。一態様では、経路のシグネチャーを、免疫抑制に関連しており、かつ免疫チェックポイント阻害剤での治療に応答していると、同定する方法を開示する。【選択図】図２

Description

本願は、２０１６年５月５日に出願の米国仮特許出願番号第６２／３３２０４７号に対する優先権を主張する。米国特許出願番号第６２／３３２０４７号の全体は本明細書中に援用されている。

発明の分野
本発明の分野は、免疫療法に関する治療の層別化を可能にするための様々なオーミクスのデータのコンピュータ解析、特には、チェックポイント阻害剤の治療に対して起こり得るレスポンダーを同定するための経路ベースの解析である。

背景の説明は、本発明の理解に有用であり得る情報を含む。これは、本明細書中提供される情報のいずれかが、従来技術であるか、もしくは本明細書で請求される発明に関連していることを承認するものではなく、または具体的もしくは暗に参照されるいずれかの刊行物が従来技術であることを承認するものではない。

本明細書中のすべての刊行物は、それぞれ個々の刊行物または特許出願が、参照により援用されるために具体的かつ個別に記載されている場合と同じ度合で、参照により援用されている。援用される参照文献中の用語の定義または使用が、本明細書中に提供される当該用語の定義と食い違っているまたは矛盾している場合、本明細書中提供される当該用語の定義を適用し、参照文献中の当該用語の定義は適用しない。

遺伝子改変したウイルスを用いた免疫療法は、徐々に、様々な癌の治療にとって有効かつ魅力的な手段となっている。しかしながら、いくつかの課題が未だ解決されていない。たとえば、発現されるべき適切な抗原の選択が、容易なことではない（たとえばＮａｔＢｉｏｔｅｃｈｎｏｌ．２０１２；３０（７）：６５８−７０；およびＮａｔＢｉｏｔｅｃｈｎｏｌ．２０１７；３５（２）：７９参照）。さらに、頻繁または高度に発現したエピトープであっても、すべての患者において腫瘍保護的な免疫応答を保証するものではない。さらに、いくつかの新規のエピトープが知られており、免疫療法用組成物として使用されている場合であっても、それでもなお、腫瘍の微小環境における阻害因子が治療上有効な応答を防止する場合がある。たとえば、Ｔｒｅｇ（すなわち制御性Ｔ細胞）および／またはＭＤＳＣ（骨髄由来免疫抑制細胞）によって、十分な免疫応答が鈍化し、またはさらには防止される場合がある。さらに、刺激性因子の欠損および免疫チェックポイント、特にはＰＤ−１およびＣＴＬＡ−４に対する腫瘍ベースの妨害が、免疫療法に対する治療応答をさらに妨害し得る。

治療用組成物（たとえばＰＤ−１系ではペンブロリズマブもしくはニボルマブ、またはＣＴＬＡ−４系ではイピリムマブ）は、免疫チェックポイントを阻害または機能を静めることが知られている。しかしながら、持続可能かつ治療上有用な応答を促進するために、投与は一貫して有効というわけではない。同様に、シクロフォスファミドがＴｒｅｇを抑制するために使用され得るが、ＭＤＳＣを動員する傾向がある。よって、免疫療法に対する免疫応答が低い患者における治療介入への明確な経路は、明らかになっていない。近年では、腫瘍の総合的な免疫原性と正に相関したマーカーとして腫瘍のＭＨＣクラスＩの発現のレベルを使用した予測モデルが提案された（ＪＩｍｍｕｎｏｔｈｅｒ２０１３，Ｖｏｌ．３６，Ｎｏ９，ｐ４７７−４８９参照）。またこの著者は、特定の免疫活性化遺伝子が、このモデルの一部の免疫原性腫瘍で強くアップレギュレートされたパターンに言及しているが、免疫療法の応答の予測を支援するためにさらなるバイオマーカーが見いだされるべきと助言していた。別の手法（ＣａｎｃｅｒＩｍｍｕｎｏｌＲｅｓ；４（５）Ｍａｙ２０１６，ＯＦ１−７）では、腫瘍の反応性Ｔ細胞受容体のｄｅｐｔｈシークエンスおよび分布解析における治療後の処置を、反応性Ｔ細胞腫瘍の浸潤の代理指標として使用した。残念なことに、このような解析は、免疫療法に関する治療の起こり得る成功に関する予測の見識を提供できていない。

さらに既知の手法では、選択した遺伝子の発現レベルの変化を、国際特許公開公報第２０１６／１０９５４６号に記載されているように免疫療法に応答する可能性の増加を予測するシグネチャーとして使用した。同様に、米国特許公開公報第２０１６／０３１２２９５号および同２０１６／０３１２２９７号は、ＰＤ−１拮抗薬での治療から利益を受ける可能性が最も高い癌患者を同定するために有用な遺伝子シグネチャーバイオマーカーを教示している。このようなシグネチャーは、少なくともある程度は有益であるが、これらは、遺伝的に「静的」であり、概して、１つまたは複数のチェックポイント阻害剤での治療に対する感受性および／または易罹患性を表し得る経路の活性を反映できていない。

よって、免疫療法およびチェックポイントの阻害の様々なシステムおよび方法が当該分野で知られているにも関わらず、これらのうちの全てまたはほぼ全てが、いくつかの欠点を抱えている。よって、チェックポイント阻害剤での免疫療法および治療に応答する患者を同定するための組成物および方法を改善することが、未だ必要とされている。

本発明の主題は、チェックポイント阻害剤を使用する免疫療法に対して起こり得る治療の成功を予測するための、オーミクスのデータのコンピュータ解析を目的とする。特に好ましい一態様では、コンピュータでの経路解析は、腫瘍の試料（たとえば腫瘍浸潤リンパ球を含む乳癌腫瘍の試料）から得たオーミクスのデータで行われ、ここでの経路解析は、免疫関連遺伝子の特異的なサブセットに関連している特性および経路のクラスターを使用する。さらなる好ましい態様では、この特性および経路は、アップレギュレートしたＦＯＸＭ１シグナリング経路、腫瘍浸潤リンパ球の存在および／または阻害、（健常な組織と比較して）低いＴｈ１／Ｔｈ２比、ならびにｂａｓａｌｌｉｋｅの特徴に関連している。

本発明の主題の一態様では、本発明者らは、チェックポイント阻害剤（たとえばＣＴＬＡ−４またはＰＤ−１の阻害剤）を用いた癌の免疫療法に関する起こり得る治療上のアウトカムを予測する方法を企図している。好ましい方法は、全ゲノムのシークエンシングデータおよびＲＮＡのシークエンシングデータのうちの少なくとも１つを含む、患者の腫瘍由来のオーミクスのデータを得るステップと、オーミクスのデータから、複数の各経路の要素を有する複数の免疫関連経路において高度に発現する複数の遺伝子を同定するための経路解析を使用するさらなるステップとを含む。別のステップでは、高度に発現した遺伝子が、Ｔｈ２／液性応答および低いＴｈ１／Ｔｈ２比を表す場合に、高度に発現した遺伝子は、チェックポイント阻害剤での治療に対して起こり得る癌の応答に関連しており、さらなるステップでは、高度に発現した遺伝子がＴｈ２／液性応答および低いＴｈ１／Ｔｈ２比を表す場合に、チェックポイント阻害剤での治療に対して起こり得る癌の応答の徴候で、患者の記録を更新または作製する。

好ましい免疫関連経路として、免疫細胞機能経路、炎症促進性シグナリング経路、および免疫抑制経路が挙げられ、ならびに／または、経路の要素は、Ｔｈ１の分化、Ｔｈ２の分化、Ｂ細胞の分化、マクロファージの分化、Ｔ細胞の活性化、および／もしくは免疫プロテアソームの活性を制御する。たとえば、いくつかの企図した経路の要素は、ＮＦｋＢ、および／またはＩＦＮαの応答遺伝子（ｒｅｓｐｏｎｓｉｖｅｇｅｎ）の活性を制御するが、他の経路要素として、サイトカイン、特にＩＬ１２β、ＩＦＮγ、ＩＬ４、ＩＬ５、およびＩＬ１０が挙げられる。さらに企図した経路の要素として、ＣＣＬ１７、ＣＣＬ１１、およびＣＣＬ２６を含む、１つまたは複数のケモカインが挙げられる。

よって、他の適切な要素のうち、特に企図した要素は、ＩＬ１２Ｂ、ＩＦＮＧ、ＰＳＭＡ３、ＴＨＹ１、ＣＣＬ１７、ＰＲＫＣＱ、ＮＦＡＴＣ３、ＮＦＡＴＣ２、ＣＣＬ１１、ＣＣＬ２６、ＩＦＮＡＲ２、ＳＱＳＴＭ１、ＩＲＡＫ４、ＮＦＫＢＩＡ、ＩＬ６ＳＴ、ＭＡＰ３Ｋ１、ＩＲＦ１、ＩＲＦ９、ＰＴＧＳ２、ＩＬ４、ＩＬ５、ＩＧＨＧ３、ＩＬ４Ｒ、ＩＬ１３ＲＡ２、ＰＩＧＲ、ＩＬ１３ＲＡ１、ＳＴＡＴ６、ＦＣＥＲ２、ＩＧＨＧ１、ＩＬ１０、ＳＴＡＴ５Ａ、ＰＲＫＣＥ、ＣＳＦ１Ｒ、ＡＲＧ１、ＬＴＡ、ＳＥＬＰ、ＦＫＢＰ３、ＬＣＰ２、およびＤＯＫ２からなる群から選択される。経路の要素が複合体である場合、特に企図した複合体は、ＩＦＮ−γ／ＩＲＦ１、ＳＴＡＴ６（二量体）／ＰＡＲＰ１４、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１、ＩＬ４Ｒ／ＪＡＫ１、ＳＴＡＴ６（二量体）／ＥＴＳ１、ＰＩ３Ｋ／ＢＣＡＰ／ＣＤ１９、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＤＯＫ２、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＳＨＩＰ、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ１３ＲＡ１／ＪＡＫ２、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＳＨＣ／ＳＨＩＰ、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＦＥＳ／ＩＲＳ２、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＳＨＣ／ＳＨＩＰ／ＧＲＢ２、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＩＲＳ１、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＦＥＳ、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＳＨＰ１からなる群から選択される。

さらに企図した態様では、オーミクスのデータは、ｓｉＲＮＡのデータ、ＤＮＡメチル化の状態のデータ、転写レベルのデータ、および／またはプロテオミクスのデータをさらに含んでもよい。最も好ましくは、この経路解析は、ＰＡＲＡＤＩＧＭ解析を含み、かつ／またはオーミクスのデータを、同じ患者（治療前および治療後）に対して正規化する。概して、癌は乳癌であり、高度に発現した遺伝子は、ＦＯＸＭ１をさらに含む。しかしながら、企図した高度に発現した遺伝子は、分裂促進のシグナリング、ストレスのシグナリング、アポトーシス、カルシウム／カルモジュリンのシグナリング、Ｇタンパク質のシグナリング、ＰＩ３Ｋ／ＡＫＴのシグナリング、ＲＴＫのシグナリング、Ｗｎｔのシグナリング、およびｃＡＭＰのシグナリングのうちの少なくとも１つに関与しているタンパク質をコードする非免疫遺伝子、細胞周期の制御、ＤＮＡ損傷の応答、およびクロマチンのリモデリングのうちの少なくとも１つに関与しているタンパク質をコードする非免疫遺伝子、ならびに／または、ＭＡＰＫ１、ＭＡＰＫ１４、ＮＲＰ２、ＨＩＦ１Ａ、ＣＡＬＭ１、ＣＲＥＢ１、ＣＳＮＫ１Ａ１、ＣＳＮＫ１Ｇ３、ＣＣＮＨ、ＦＡＮＣＥ、ＦＡＮＣＡ、ＴＦＩＩＨ、ＩＴＧＢ３、ＲＡＳＡ１、ＧＮＧ２、ＰＤＧＦＲＢ、ＡＫＴ１、およびＰＩＫ３Ｒ１からなる群から選択される非免疫遺伝子をさらに含んでもよい。さらに企図した方法では、起こり得る治療上のアウトカムは、チェックポイント阻害剤での治療の前に予測され、かつ／または免疫療法は、遺伝子改変したウイルスおよび遺伝子改変したＮＫ細胞のうちの少なくとも１つの投与をさらに含んでもよい。

本発明の主題の様々な目的、特性、態様、および利点は、添付の図面と共に、以下の好ましい実施形態の詳細な説明からより明らかとなるであろう。

本発明者らは、腫瘍の免疫状態を同定するために、腫瘍組織で見いだされた経路のシグネチャーのコンピュータ解析により、癌の免疫療法の起こり得る治療上のアウトカムを予測するシステムおよび方法を発見した。本発明の主題の特に好ましい態様では、チェックポイント阻害剤での正の治療上のアウトカムが、腫瘍がアップレギュレートしたＦＯＸＭ１シグナリング経路の特性を有し、腫瘍浸潤リンパ球の存在および／または阻害を伴い、（健常な組織と比較して）低いＴｈ１／Ｔｈ２比、およびｂａｓａｌｌｉｋｅの特徴を伴う乳癌で、予測される。

この文脈では、企図したシステムおよび方法は、予測因子として、健常な組織の同じ遺伝子と比較して、経路において異なって発現した遺伝子（主な関与要因（ｃｏｎｔｒｉｂｕｔｏｒ）としてｍＲＮＡの量および複製数を使用）を利用することを認識するべきである。最も一般的には、異なって発現した遺伝子は、健常な組織の同じ遺伝子と比較してアップレギュレートされているが、ダウンレギュレートした遺伝子（および多くの場合、Ｔｈ１表現型に関連した遺伝子に存在）も同様に企図されている。さらにまた、（たとえばＰＡＲＡＤＩＧＭを使用した）経路解析は、遺伝子を単一のレベルで研究する場合に区別がつかない患者のサブセットにおける活性経路を同定するような分析において、顕著な利点を提供することも認識するべきである。経路解析の特に好ましい方法は、既知の経路構造へと機能的なゲノミクスのデータを統合するために、確率のグラフモデル由来の技術を利用する。このような解析は、別々に試験した分子レベルのいずれよりも予後に関して患者の良好な区別を提供するだけでなく、同様に、特定の免疫関連経路活性、特に、ＦＯＸＭ１シグナリング経路の活性、Ｔｈ１およびＴｈ２に関連する経路の活性、自然免疫に関連する経路の活性、ならびに癌のサブタイプ（たとえばｌｕｍｉｎａｌ、ｂａｓａｌ）に関連する経路を伴う特定の免疫関連経路の活性において反映される特徴に基づき、腫瘍の免疫状態の同定をも可能にする。実際に、経路解析からの結果のクラスタリングは、以下により詳細に論述されるように、明確に異なる経路活性のグループを明らかにした。

たとえば、以下により詳細に論述されているように、本発明者らは、良好なアウトカム（生存時間の増加）に関連したすべてのクラスターが、Ｔｈ２／液性免疫応答を消費して抗腫瘍性免疫に関連した遺伝子を有意に多く含んだことを発見し、このことはまた、これらクラスターのＴｈ１／Ｔｈ２の遺伝子の高い比と一致している。他方では、不十分なアウトカム（生存時間の減少）に関連したクラスターは、Ｔｈ２／液性に関連する遺伝子を有意に多く含み、Ｔｈ１／Ｔｈ２比が有意に低かった。特に、本発明者らは、このようなクラスターにおける経路活性が、１つまたは複数のチェックポイント阻害剤での治療の成功に関する予後徴候であることも発見した。

結果的に、治療の前に（または１ラウンド目の癌治療の後ではあるが、その後のラウンドの癌治療の前に）、腫瘍の生検を患者から入手すること、およびこれにより得られた試料でオーミクス解析を行うことが、企図されている。一般的に、オーミクス解析は、全ゲノムおよび／もしくはエキソームのシークエンシング、ＲＮＡのシークエンシングおよび／もしくは定量化、ならびに／またはプロテオミクスの解析を含むことが、企図されている。最も典型的には、オーミクス解析はまた、複製数の変化、特に１つまたは複数の遺伝子の増幅についての情報を入手することをも含む。容易に認識されているように、ゲノム解析は、任意の数の解析方法により行うことができるが、特に好ましい解析方法は、腫瘍の試料および対応する正常な（同じ患者の健常な組織の）試料の両方の次世代のＷＧＳ（全ゲノムシーケンス）およびエキソームのシーケンスを含むことが企図されている。あるいは、対応する正常な試料はまた、参照試料（概して健常な組織を表す）による解析に置き換えられてもよい。さらに、対応する正常な試料または参照試料は、腫瘍と同じ組織種、または血液もしくは他の非腫瘍組織に由来してもよい。

配列データのコンピュータ解析は、多くの方法で行われ得る。しかしながら、最も好ましい方法では、解析は、たとえばＢＡＭファイルおよびＢＡＭサーバを使用する米国特許公報第２０１２／００５９６７０号および同２０１２／００６６００１号に開示されているような腫瘍および正常な試料の位置を導く同期的アライメントにより、ｉｎｓｉｌｉｃｏで行われる。当然、別のファイル形式（たとえばＳＡＭ、ＧＡＲ、ＦＡＳＴＡなど）もまた、本明細書中で明らかに企図されている。解析の方法に関わらず、企図したＤＮＡのオーミクスのデータは、好ましくは、複製数、患者に特異的な変異および腫瘍に特異的な変異、ならびに、転座、逆位、増幅、他の遺伝子との融合、染色体外配置（たとえば二重微小染色体）などを含むゲノムの再配置についての情報を含む。

同様に、ＲＮＡのシークエンシングおよび／または定量化は、当該分野で知られている全ての方法で行うことができ、ＲＮＡの様々な形態を使用してもよい。たとえば好ましい材料は、ｍＲＮＡおよび一次転写産物（ｈｎＲＮＡ）を含み、ＲＮＡ配列の情報は、逆転写したｐｏｌｙＡ^＋−ＲＮＡから得られてもよく、これは同じ患者の腫瘍試料および対応する正常な（健常な）試料から同様に得られてもよい。同様に、ｐｏｌｙＡ^＋−ＲＮＡは、通常、トランスクリプトームの代表として好ましく、他の形態のＲＮＡ（ｈｎＲＮＡ、非ポリアデニル化ＲＮＡ、ｓｉＲＮＡ、ｍｉＲＮＡなど）もまた、本明細書中の使用に適しているとみなされることに留意されたい。また、好ましい方法として、定量的ＲＮＡ（ｈｎＲＮＡまたはｍＲＮＡ）解析、および／または定量的プロテオミクス解析が挙げられる。最も典型的には、ＲＮＡの定量化およびシーケンシングは、ｑＰＣＲおよび／またはｒｔＰＣＲベースの方法を使用して行われるが、他の方法（固相ハイブリダイゼーションベースの方法）もまた、適切であるとされている。よって、別の観点からみると、トランスクリプトームの解析は、（単独またはゲノム解析と組み合わせて）転写物の定量化に適切なだけではなく、腫瘍特異的変異および患者に特異的な変異を有する遺伝子を同定および定量化することにも適切であり得る。

同様に、プロテオミクス解析は、様々な方法で行うことができ、すべての既知の方法またはプロテオミクス解析が、本明細書中で企図されている。しかしながら、特に好ましいプロテオミクスの方法として、抗体ベースの方法および質量分光の方法が挙げられる。さらに、プロテオミクス解析は、タンパク質それ自体についての定性的または定量的な情報を提供するだけでなく、触媒作用活性または他の機能的な活性を有するタンパク質の活性データを含み得ることに留意されたい。プロテオミクスアッセイを行うための技術の一例として、２００４年３月１０日出願、表題「ＬｉｑｕｉｄＴｉｓｓｕｅＰｒｅｐａｒａｔｉｏｎｆｒｏｍＨｉｓｔｏｐａｔｈｏｌｏｇｉｃａｌｌｙＰｒｏｃｅｓｓｅｄＢｉｏｌｏｇｉｃａｌＳａｍｐｌｅｓ，Ｔｉｓｓｕｅｓ，ａｎｄＣｅｌｌｓ」の米国特許第７，４７３，５３２号が挙げられる。さらなる他のプロテオミクス解析として、質量分光解析、特には、選択的な反応のモニタリングに基づくＭＳ解析が挙げられる。

次に、これによって得られたオーミクスのデータを、当該分野で知られている様々なシステムおよび方法を使用して、経路の活性および他の経路に関連する情報を得るために、さらに処理する。しかしながら、特に好ましいシステムおよび方法は、国際特許公開公報第２０１１／１３９３４５号および同第２０１３／０６２５０５号に記載されている確率のグラフモデル、または国際特許公開公報第２０１７／０３３１５４号に記載されているものなどの他の経路モデルを使用して、経路データを処理するものを含む。これらすべては参照として本明細書中援用されている。よって、タンパク質に関する経路解析は、単一の患者の試料および対応する対照から（治療の前に一度、または治療の間および／もしくは後に反復して）行うことが可能であり、これにより、外部の参照の標準物質と比較される単一のオーミクス解析と比較して解析データが有意に改善および改良されるであろうことを認識すべきである。さらに、同じ解析方法は、患者の特異的な過去のデータ（たとえば以前のオーミクスのデータ、現在または過去の薬学的な治療など）でさらに改良されてもよい。

腫瘍の試料のオーミクスのデータから経路の活性が計算されると、次に、経路解析の出力において（たとえば標準または患者に特異的な標準と比較して）異なって活性する経路および経路の要素が、免疫抑制された腫瘍に特徴的なシグネチャーに対して解析される。最も典型的には、このようなシグネチャーは、アップレギュレートしたＦＯＸＭ１シグナリング経路、腫瘍浸潤リンパ球の存在および／または阻害、（健常な組織と比較して）低いＴｈ１／Ｔｈ２比、ならびにｂａｓａｌｌｉｋｅの特徴に関連している特性および経路を有する。

１つの例示的な態様では、以下により詳細に論述されているように、免疫抑制された腫瘍のシグネチャーは、機械学習環境で同定した患者群のクラスター由来の経路特性のうち最も重要な部分（たとえば上位５００個の特性、上位２００個の特性、上位１００個の特性）に基づいている。たとえば経路解析は、１つの群（ＭｉｃＭａ）が全生存期間により証明される良好なアウトカムを有し、別の群（Ｃｈｉｎ／Ｎａｄｅｒｉ）が全生存期間により証明される不十分なアウトカムを有する乳癌患者に関して行われる。よって、経路解析により、クラスターを以下のように特徴づけた５つの異なるクラスターの定義が可能となった：ＰＤＧＭ１＝高いＦＯＸＭ１、高いＴｈ１／Ｔｈ２比、ｂａｓａｌ／ＥＲＢＢ２；ＰＤＧＭ２＝高いＦＯＸＭ１、低いＴｈ１／Ｔｈ２比、ｂａｓａｌ；ＰＤＧＭ３＝高いＦＯＸＭ１、自然免疫遺伝子、マクロファージ優位、ｌｕｍｉｎａｌ；ＰＤＧＭ４＝高いＥＲＢＢ４、低いアンギオポエチンシグナリング、ｌｕｍｉｎａｌ；およびＰＤＧＭ５＝低いＦＯＸＭ１、低いマクロファージシグネチャー、ｌｕｍｉｎａｌＡ。

当然、多くの他のグループ分けおよびクラスターを、起こり得る治療上のアウトカムを区別するために使用できることが理解されるべきである。たとえば、適切なクラスターは、特異的な腫瘍の種類、患者の下位集団に基づいてもよく、より大きくまたはより小さくてもよい。さらに、企図したシステムおよび方法がまた、１つまたは複数の腫瘍に関連するエピトープ（たとえば新規のエピトープまたは癌に関連するエピトープ）に対する特異性を伴う、特異的な新規のエピトープおよび／またはＴ細胞受容体に基づいてもよいことに留意すべきである。このような場合、特異的な新規のエピトープ（特にＨＬＡに適合する新規のエピトープ）の発現は、免疫原性に関する代理マーカーとして使用されてもよい。他方では、特異的なエピトープに結合するＴ細胞受容体の発現および／または量を、免疫原性に関するマーカーとして使用してもよい。同様に、新規のエピトープに特異的なＴ細胞受容体の分布（たとえば腫瘍と循環血液との間の分布）を、免疫原性に関する指標として使用してもよいことに留意されたい。同様に、患者のＭＨＣ−Ｉの発現を、免疫原性のさらなる測定を確立するために、確定および定量化してもよい。この文脈で、この情報がオーミクスのデータから容易に入手できること、およびオーミクスの解析が、好適にはｅｘｖｉｖｏでの免疫染色プロトコルの必要性を排除することが、理解されるべきである。

使用される特定のクラスタリングまたはグループ分けに関わらず、患者の異なる経路活性が同定され、免疫抑制された腫瘍を表すシグネチャー（アップレギュレートしたＦＯＸＭ１シグナリング経路、腫瘍浸潤リンパ球の存在および／または阻害、低いＴｈ１／Ｔｈ２比、ならびにｂａｓａｌｌｉｋｅの特徴に関連した特性および経路の活性を含む）と比較されることが企図されている。このような比較は、特異的な経路を表す１つまたは複数の選択された特性の比較（たとえば、特異的なシグナリング経路の一部であるタンパク質をコードする選択された遺伝子の発現レベルの同定）を含んでもよく、または、類似性の度合いが同定されている（たとえば、腫瘍で過剰発現した遺伝子のうちの少なくとも５０％、６０％、７０％、または８０％がシグネチャーの特性のセットでも過剰発現している）、特性のセットの比較を含んでもよい。患者のデータが、免疫抑制に特徴的であるシグネチャーと対応または一致しているとの決定の後、（たとえば、チェックポイント阻害が有効であり得るとの徴候で患者の記録を作製または更新することにより）チェックポイントを用いた治療が勧告され得る。

実施例
既知の病歴を有する患者の集団からのデータセットを使用して、乳癌に関連した経路の同定を行った。この試験において乳癌を有するＭｉｃＭａ患者（ｎ＝１０１）は、１９９５年から１９９８年までに限局性乳癌を治療した患者のコホートの一部であった。ＵＰＰＳＡＬＡコホート由来の試料を、ＦｒｅｓｈＴｉｓｓｕｅＢｉｏｂａｎｋ，ＤｅｐａｒｔｍｅｎｔｏｆＰａｔｈｏｌｏｇｙ，ＵｐｐｓａｌａＵｎｉｖｅｒｓｉｔｙＨｏｓｐｉｔａｌで回収し、３種類の原発性乳癌の病変（ａ）純性のＤＣＩＳ（ｐｕｒｅＤＣＩＳ）、（ｂ）直径１５ｍｍ以下の純性の浸潤性乳癌、または（ｃ）混合性病変（ｉｎｓｉｔｕでの成分を伴う浸潤性細胞腫）のうちの１つを有すると、１９８６年〜２００４年に診断された８５４名の女性の集団をベースとするコホートから選択した。本明細書中健常な女性と呼ばれる、悪性疾患を有さないが、マンモグラム上でいくらかの眼に見える濃度を伴う１２０名の健常な女性を含む、マンモグラフィー濃度および遺伝子コホート（ＭａｍｍｏｇｒａｐｈｉｃＤｅｎｓｉｔｙａｎｄＧｅｎｅｔｉｃｓ）を、この試験に含めた。２つの乳癌の生検および３つの血液試料を、各女性から回収した。Ｃｈｉｎバリデーションセットは、両方の発現（ＧＥＯ寄託番号第ＧＳＥ６７５７）およびＣＧＨデータ（ＭＩＡＭＥＥｘｐｒｅｓｓａｃｃｅｓｓｉｏｎＥ−Ｕｃｏｎ−１）を有する１１３個の腫瘍試料からなるものであった。ＵＮＣバリデーションのデータセットは、両方の発現（４４Ｋ；ＡｇｉｌｅｎｔＴｅｃｈｎｏｌｏｇｉｅｓ）およびＳＮＰ−ＣＧＨ（１０９Ｋ；Ｉｌｌｕｍｉｎａ）を有する７８個の腫瘍の試料からなるものであった。

データ処理およびＰＡＲＡＤＩＧＭパラメータは以下の通りである。複製数を、ＣＢＳ（ｃｉｒｃｕｌａｒｂｉｎａｒｙｓｅｇｍｅｎｔａｔｉｏｎ）を使用して分割し、次に、ｈｇ１８におけるＲｅｆＳｅｑ遺伝子の座標に及ぶすべてのセグメントの中央値を取ることにより、遺伝子レベルの測定に対してマッピングした。最初に、ｍＲＮＡの発現で、測定値を、各プローブに関する発現値の中央値を減算することにより、プローブに正規化した。各プローブに関する製造社のゲノムの位置を、ＵｎｉｖｅｒｓｉｔｙｏｆＣａｌｉｆｏｒｎｉａ，ＳａｎｔａＣｒｕｚｌｉｆｔＯｖｅｒｔｏｏｌを使用してｈｇ１７からｈｇ１８に変更した。次に、Ｐｅｒ遺伝子の測定値を、ＲｅｆＳｅｑ遺伝子と重複するすべてのプローブの中央値の値を取ることにより得た。メチル化プローブを、製造社の説明を使用して遺伝子に適合させた。ＰＡＲＡＤＩＧＭは、各データセットを別々に四分位数変換することにより、以前記載されるように行った（Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ２６：ｉ２３７ｅｉ２４５）が、データは、５％および９５％の分位よりは等しい大きさのビンに離散化した。経路のファイルは、以前構文解析されたＰａｔｈｗａｙＩｎｔｅｒａｃｔｉｏｎＤａｔａｂａｓｅ（ＮｕｃｌｅｉｃＡｃｉｄｓＲｅｓ３７：Ｄ６７４ｅＤ６７９）に由来するものであった。

ＨＯＰＡＣＨの教師なし型のクラスタリング：クラスターを、Ｒ（バージョン２．１２）で行うＨＯＰＡＣＨＲの実装バージョン２．１０（ＪＳｔａｔＰｌａｎｎｉｎｇＩｎｆｅｒｅｎｃｅ１１７：２７５ｅ３０３）を使用して導いた。相関距離メトリックを、ＰＡＲＡＤＩＧＭＩＰＬを除きすべてのデータ種で使用した。ここでゼロの値の非正規分布および有病率のためｃｏｓａｎｇｌｅを使用した。５つの試料よりも少ない数を含む試料のいずれかのクラスターでは、各試料を、大きなクラスター中最も類似する試料と同じクラスターにマッピングした。ＭｉｃＭａデータセットのＰＡＲＡＤＩＧＭクラスターを、ＭｉｃＭａデータセットにおける各クラスターの中心値（ｍｅｄｉｏｄ）（中央値の関数を使用）を決定し、次に、クラスターの中心値がｃｏｓａｎｇｌｅの距離により最も近い別のデータセットの各試料を割り当てることにより、他のデータ種にマッピングした。複製数を、プローブよりは遺伝子レベルの値に関してクラスタリングした。クラスタリングに算入した値は、各試料のＣＢＳ分割由来である。次に単一の値を、遺伝子が重複するすべてのセグメントの中央値を取ることにより、各遺伝子に関して作成した。次に試料を、ＨＯＰＡＣＨにおける非中心の相関メトリックを伴うこれら遺伝子レベルの複製数の推定値を使用してクラスタリングした。ここで、表示のために、遺伝子および試料は、中心にある中央値であった。

特に、経路解析における教師なし型のクラスタリングは、異なる生存を伴う異なるクラスターへの下位分類をもたらしており、本発明者らは、予想外なことに、下位種を定義する各クラスターに強力に関連している遺伝子が主に免疫ベースであることを発見した。特に、全生存期間により証明される良好なアウトカムに関連する遺伝子は、図１から分かるように、Ｔｈ１細胞およびＴｈ１のシグナリング、細胞傷害性Ｔ細胞、ならびにナチュラルキラー細胞と合致することが見いだされた。さらに、不十分なアウトカムに関連する遺伝子は、免疫抑制、Ｔｈ２細胞、Ｔｈ２シグナリング、および液性免疫と合致することが見いだされた。図１のパネルＡから分かるように、異なる大きさの５つの明確に異なるクラスターを同定した。これらクラスターは、明確に異なる特徴により定義された：ＰＤＧＭ１は、高いＦＯＸＭ１、高いＴｈ１／Ｔｈ２比、ｂａｓａｌ／ＥＲＢＢ２の特徴を有し；ＰＤＧＭ２は、高いＦＯＸＭ１、低いＴｈ１／Ｔｈ２比、およびｂａｓａｌの特徴を有し；ＰＤＧＭ３は、高いＦＯＸＭ１、自然免疫遺伝子、マクロファージ優位、およびｌｕｍｉｎａｌの特徴を有し；ＰＤＧＭ４は、高いＥＲＢＢ４、低いアンジオポエチンのシグナリング、およびｌｕｍｉｎａｌの特徴を有し；ならびにＰＤＧＭ５は、低いＦＯＸＭ１、低いマクロファージのシグネチャー、およびｌｕｍｉｎａｌＡの特徴を有していた。図１のパネルＢは、対応するカプランマイヤー曲線を例示する。容易に明らかであるように、最良の生存のアウトカムが、免疫原性およびＴｈ１−バイアスをかけた特徴（ＰＡＲＡＤＩＧＭ３）に関連しており、最悪な生存のアウトカムは、非免疫原性およびＴｈ２−バイアスをかけた特徴に関連していた。特に、ＰＡＲＡＤＩＧＭ２は、免疫抑制された腫瘍を反映した経路活性のシグネチャーを呈していた。結果的に、オーミクスのデータおよび対応する経路の活性は、ＰＡＲＡＤＩＧＭ２クラスターと一致しており、本発明者らは、チェックポイント阻害剤で治療した腫瘍が、当該治療に応答性であり、より免疫原性となることを予期している。

ＰＡＲＡＤＩＧＭ２クラスターを含む最も有意に異なって発現した経路および遺伝子を、以下の表にまとめる。より具体的には、以下の表は、良好なアウトカムおよび不十分なアウトカムの群の両方に関する、高いＦＯＸＭ１、低いＴｈ１／Ｔｈ２比、およびｂａｓａｌの特徴に関連したクラスターにおける上位５００個以内の特性の中の例示的な免疫に関連する特性を列挙している。表１は、免疫関連経路に位置しており、かつ健常な組織と比較して異なって調節されている経路エンティティ（個々のタンパク質または複合体）を列挙している。これらエンティティは、負のアウトカムの患者の下位グループ由来であった。

表２は、非免疫関連経路に位置しており、これらのエンティティが正のアウトカム患者の下位群由来である健常な組織と比較して異なって調節されている経路エンティティ（個々のタンパク質または複合体）を列挙している。これらエンティティは、負のアウトカム患者の下位群由来であった。

表３は、免疫関連経路に位置しており、健常な組織と比較して異なって調節されている経路エンティティ（個々のタンパク質または複合体）を列挙している。これらエンティティは、正のアウトカム患者の下位群由来であった。

表４は、非免疫関連経路に位置しており、これらエンティティが正のアウトカム患者の下位群由来である健常な組織と比較して異なって調節されている経路エンティティ（個々のタンパク質または複合体）を列挙している。これらエンティティは、正のアウトカム患者の下位群由来であった。

上記の経路エンティティの全てが、正常なものと比較して異なって発現（過剰発現または過少発現）している場合、免疫抑制した腫瘍に関する指標として作用し得るため、分画のみを解析し得ることが企図されている。たとえば、適切な試験は、表１〜４に列挙された遺伝子／経路エンティティのうち少なくとも１０％、または少なくとも２０％、または少なくとも３０％、または少なくとも４０％、または少なくとも５０％、または少なくとも６０％、または少なくとも７０％、または少なくとも８０％、または少なくとも９０％を解析してもよい。あるいは、企図した試験はまた、表１〜４に列挙された遺伝子／経路のうちの特異的な遺伝子、特にＩＬ１２Ｂ、ＩＦＮＧ、ＰＳＭＡ３、ＴＨＹ１、ＣＣＬ１７、ＰＲＫＣＱ、ＮＦＡＴＣ３、ＮＦＡＴＣ２、ＣＣＬ１１、ＣＣＬ２６、ＩＦＮＡＲ２、ＳＱＳＴＭ１、ＩＲＡＫ４、ＮＦＫＢＩＡ、ＩＬ６ＳＴ、ＭＡＰ３Ｋ１、ＩＲＦ１、ＩＲＦ９、ＰＴＧＳ２、ＩＬ４、ＩＬ５、ＩＧＨＧ３、ＩＬ４Ｒ、ＩＬ１３ＲＡ２、ＰＩＧＲ、ＩＬ１３ＲＡ１、ＳＴＡＴ６、ＦＣＥＲ２、ＩＧＨＧ１、ＩＬ１０、ＳＴＡＴ５Ａ、ＰＲＫＣＥ、ＣＳＦ１Ｒ、ＡＲＧ１、ＬＴＡ、ＳＥＬＰ、ＦＫＢＰ３、ＬＣＰ２、およびＤＯＫ２からなる群から選択される経路の要素のうちの１つまたは複数をも使用してもよい。たとえば、このような列挙は、ＩＬ１２Ｂ、ＩＦＮＧ、ＰＳＭＡ３、ＴＨＹ１、ＣＣＬ１７、ＰＲＫＣＱ、ＮＦＡＴＣ３、ＮＦＡＴＣ２、ＣＣＬ１１、ＣＣＬ２６、ＩＦＮＡＲ２、ＳＱＳＴＭ１、ＩＲＡＫ４、ＮＦＫＢＩＡ、ＩＬ６ＳＴ、ＭＡＰ３Ｋ１、ＩＲＦ１、ＩＲＦ９、ＰＴＧＳ２、ＩＬ４、ＩＬ５、ＩＧＨＧ３、ＩＬ４Ｒ、ＩＬ１３ＲＡ２、ＰＩＧＲ、ＩＬ１３ＲＡ１、ＳＴＡＴ６、ＦＣＥＲ２、ＩＧＨＧ１、ＩＬ１０、ＳＴＡＴ５Ａ、ＰＲＫＣＥ、ＣＳＦ１Ｒ、ＡＲＧ１、ＬＴＡ、ＳＥＬＰ、ＦＫＢＰ３、ＬＣＰ２、およびＤＯＫ２のうちの少なくとも２、少なくとも３、少なくとも４、少なくとも５、少なくとも１０、少なくとも１５、または少なくとも２０個を含んでもよい。

さらに、企図したアッセイは、単一の経路の要素に限定される必要がないだけでなく、経路の要素の複合体、特に、ＩＦＮ−γ／ＩＲＦ１、ＳＴＡＴ６（二量体）／ＰＡＲＰ１４、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１、ＩＬ４Ｒ／ＪＡＫ１、ＳＴＡＴ６（二量体）／ＥＴＳ１、ＰＩ３Ｋ／ＢＣＡＰ／ＣＤ１９、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＤＯＫ２、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＳＨＩＰ、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ１３ＲＡ１／ＪＡＫ２、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＳＨＣ／ＳＨＩＰ、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＦＥＳ／ＩＲＳ２、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＳＨＣ／ＳＨＩＰ／ＧＲＢ２、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＩＲＳ１、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＦＥＳ、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＳＨＰ１（または少なくとも２、少なくとも３、少なくとも４、少なくとも５、または少なくとも１０個の複合体のいずれかの組み合わせ）からなる群から選択される１つまたは複数の複合体をも含んでもよい。

さらに、異なって発現した遺伝子は、高度に発現した遺伝子、特にはＦＯＸＭ１を含み得る。さらに企図した、異なって発現した遺伝子として、上記表２および４に示されるように、分裂促進のシグナリング、ストレスのシグナリング、アポトーシス、カルシウム／カルモジュリンのシグナリング、Ｇタンパク質のシグナリング、ＰＩ３Ｋ／ＡＫＴのシグナリング、ＲＴＫのシグナリング、Ｗｎｔのシグナリング、およびｃＡＭＰのシグナリングのうちの少なくとも１つに関与しているタンパク質をコードする非免疫遺伝子、または細胞周期の制御、ＤＮＡの損傷応答、およびクロマチンモデリングのうちの少なくとも１つに関与しているタンパク質をコードする非免疫遺伝子が挙げられる。たとえば、企図した適切な非免疫遺伝子は、ＭＡＰＫ１、ＭＡＰＫ１４、ＮＲＰ２、ＨＩＦ１Ａ、ＣＡＬＭ１、ＣＲＥＢ１、ＣＳＮＫ１Ａ１、ＣＳＮＫ１Ｇ３、ＣＣＮＨ、ＦＡＮＣＥ、ＦＡＮＣＡ、ＴＦＩＩＨ、ＩＴＧＢ３、ＲＡＳＡ１、ＧＮＧ２、ＰＤＧＦＲＢ、ＡＫＴ１、およびＰＩＫ３Ｒ１のうちの少なくとも１、少なくとも２、少なくとも３、少なくとも４、少なくとも５、少なくとも１０個を含む。

すでに記載されているもの以外のより多くの修正が本明細書中の発明の概念を逸脱することなく可能であることは、当業者にとって明らかである。よって、本発明の主題は、添付の特許請求の範囲を除き、限定されるべきではない。さらに、本明細書および特許請求の範囲を解釈する際に、全ての用語は、文脈と一致する最も広い可能性のある方法で解釈されるべきである。特に、用語「ｃｏｍｐｒｉｓｅｓ」および「ｃｏｍｐｒｉｓｉｎｇ」は、非排他的な方法で要素、構成要素、またはステップを表すと解釈されるべきであり、記載される要素、構成要素、またはステップが、明確に記載されていない他の要素、構成要素、またはステップと共に存在してもよく、利用されてもよく、または組み合わせてもよいことを表している。本明細書の特許請求の範囲がＡ、Ｂ、Ｃ…、およびＮからなる群から選択される何かのうちの少なくとも１つを表している場合、このテキストは、Ａ＋Ｎ、またはＢ＋Ｎなどではなく、グループ由来の１つのみを必要とすると解釈されるべきである。

特に、全生存期間により証明される良好なアウトカムに関連する遺伝子は、図１から分かるように、Ｔｈ１細胞およびＴｈ１のシグナリング、細胞傷害性Ｔ細胞、ならびにナチュラルキラー細胞と合致することが見いだされた。さらに、不十分なアウトカムに関連する遺伝子は、免疫抑制、Ｔｈ２細胞、Ｔｈ２シグナリング、および液性免疫と合致することが見いだされた。図１のパネルＡから分かるように、異なる大きさの５つの明確に異なるクラスターを同定した。これらクラスターは、明確に異なる特徴により定義された：ＰＤＧＭ１は、高いＦＯＸＭ１、高いＴｈ１／Ｔｈ２比、ｂａｓａｌ／ＥＲＢＢ２の特徴を有し；ＰＤＧＭ２は、高いＦＯＸＭ１、低いＴｈ１／Ｔｈ２比、およびｂａｓａｌの特徴を有し；ＰＤＧＭ３は、高いＦＯＸＭ１、自然免疫遺伝子、マクロファージ優位、およびｌｕｍｉｎａｌの特徴を有し；ＰＤＧＭ４は、高いＥＲＢＢ４、低いアンジオポエチンのシグナリング、およびｌｕｍｉｎａｌの特徴を有し；ならびにＰＤＧＭ５は、低いＦＯＸＭ１、低いマクロファージのシグネチャー、およびｌｕｍｉｎａｌＡの特徴を有していた。図１のパネルＢは、対応するカプランマイヤー曲線を例示する。容易に明らかであるように、最良の生存のアウトカムが、免疫原性およびＴｈ１−バイアスをかけた特徴（ＰＡＲＡＤＩＧＭ３）に関連しており、最悪な生存のアウトカムは、非免疫原性およびＴｈ２−バイアスをかけた特徴に関連していた。特に、ＰＡＲＡＤＩＧＭ２は、免疫抑制された腫瘍を反映した経路活性のシグネチャーを呈していた。結果的に、オーミクスのデータおよび対応する経路の活性は、ＰＡＲＡＤＩＧＭ２クラスターと一致しており、本発明者らは、チェックポイント阻害剤で治療した腫瘍が、当該治療に応答性であり、より免疫原性となることを予期している。１つの例示的な態様では、免疫抑制された腫瘍のシグネチャーは、機械学習環境で同定した患者群のクラスター由来の経路特性のうち最も重要な部分（たとえば上位５００個の特性、上位２００個の特性、上位１００個の特性）に基づいている。たとえば経路解析は、１つの群（ＭｉｃＭａ）が全生存期間により証明される良好なアウトカムを有し、別の群（Ｃｈｉｎ／Ｎａｌｄｅｒｉ）が全生存期間により証明される不十分なアウトカムを有する乳癌患者に関して行われる。よって、図２から分かるように、経路解析により、クラスターを以下のように特徴づけた５つの異なるクラスターの定義が可能となった：ＰＤＧＭ１＝高いＦＯＸＭ１、高いＴｈ１／Ｔｈ２比、ｂａｓａｌ／ＥＲＢＢ２；ＰＤＧＭ２＝高いＦＯＸＭ１、低いＴｈ１／Ｔｈ２比、ｂａｓａｌ；ＰＤＧＭ３＝高いＦＯＸＭ１、自然免疫遺伝子、マクロファージ優位、ｌｕｍｉｎａｌ；ＰＤＧＭ４＝高いＥＲＢＢ４、低いアンギオポエチンシグナリング、ｌｕｍｉｎａｌ；およびＰＤＧＭ５＝低いＦＯＸＭ１、低いマクロファージシグネチャー、ｌｕｍｉｎａｌＡ。

Claims

チェックポイント阻害剤での乳癌の免疫療法に関する起こり得る治療上のアウトカムを予測する方法であって、
患者の乳癌腫瘍試料由来のオーミクスのデータを得るステップであって、前記乳癌腫瘍試料は腫瘍浸潤リンパ球を含み、かつ前記オーミクスのデータはＲＮＡのシークエンシングデータを含む、ステップと、
前記オーミクスのデータから、複数の各経路の要素を有する複数の免疫関連経路において高度に発現する複数の遺伝子を同定するための経路解析を使用するステップであって、前記免疫関連経路はアップレギュレートした少なくとも１つのＦＯＸＭ１シグナリング経路メンバーを含む、ステップと、
前記高度に発現した遺伝子が、Ｔｈ２／液性応答および低いＴｈ１／Ｔｈ２比を表す場合に、前記高度に発現した遺伝子を、前記チェックポイント阻害剤での治療に対して起こり得る癌の応答に関連させるステップと、
前記高度に発現した遺伝子が、Ｔｈ２／液性応答および低いＴｈ１／Ｔｈ２比を表す場合に、前記チェックポイント阻害剤での治療に対して起こり得る癌の応答の徴候で、患者の記録を更新または作製するステップと
を含む、方法。
前記免疫関連経路が、免疫細胞機能経路、炎症促進性シグナリング経路、および免疫抑制経路からなる群から選択される、請求項１に記載の方法。
前記経路の要素が、Ｔｈ１の分化、Ｔｈ２の分化、Ｂ細胞の分化、マクロファージの分化、Ｔ細胞の活性化、および免疫プロテアソームのうちの少なくとも１つの活性を制御する、請求項１に記載の方法。
前記経路の要素が、ＮＦｋＢ、ＩＦＮαの応答遺伝子のうちの少なくとも１つの活性を制御する、請求項１に記載の方法。
前記経路の要素が、サイトカインである、請求項１に記載の方法。
前記サイトカインが、ＩＬ１２β、ＩＦＮγ、ＩＬ４、ＩＬ５、およびＩＬ１０からなる群から選択される、請求項５に記載の方法。
前記経路の要素が、ケモカインである、請求項１に記載の方法。
前記ケモカインが、ＣＣＬ１７、ＣＣＬ１１、およびＣＣＬ２６からなる群から選択される、請求項７に記載の方法。
前記経路の要素が、ＩＬ１２Ｂ、ＩＦＮＧ、ＰＳＭＡ３、ＴＨＹ１、ＣＣＬ１７、ＰＲＫＣＱ、ＮＦＡＴＣ３、ＮＦＡＴＣ２、ＣＣＬ１１、ＣＣＬ２６、ＩＦＮＡＲ２、ＳＱＳＴＭ１、ＩＲＡＫ４、ＮＦＫＢＩＡ、ＩＬ６ＳＴ、ＭＡＰ３Ｋ１、ＩＲＦ１、ＩＲＦ９、ＰＴＧＳ２、ＩＬ４、ＩＬ５、ＩＧＨＧ３、ＩＬ４Ｒ、ＩＬ１３ＲＡ２、ＰＩＧＲ、ＩＬ１３ＲＡ１、ＳＴＡＴ６、ＦＣＥＲ２、ＩＧＨＧ１、ＩＬ１０、ＳＴＡＴ５Ａ、ＰＲＫＣＥ、ＣＳＦ１Ｒ、ＡＲＧ１、ＬＴＡ、ＳＥＬＰ、ＦＫＢＰ３、ＬＣＰ２、およびＤＯＫ２からなる群から選択される、請求項１に記載の方法。
前記経路の要素が、ＩＦＮ−γ／ＩＲＦ１、ＳＴＡＴ６（二量体）／ＰＡＲＰ１４、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１、ＩＬ４Ｒ／ＪＡＫ１、ＳＴＡＴ６（二量体）／ＥＴＳ１、ＰＩ３Ｋ／ＢＣＡＰ／ＣＤ１９、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＤＯＫ２、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＳＨＩＰ、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ１３ＲＡ１／ＪＡＫ２、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＳＨＣ／ＳＨＩＰ、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＦＥＳ／ＩＲＳ２、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＳＨＣ／ＳＨＩＰ／ＧＲＢ２、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＩＲＳ１、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＦＥＳ、ＩＬ４／ＩＬ４Ｒ／ＪＡＫ１／ＩＬ２Ｒγ／ＪＡＫ３／ＳＨＰ１からなる群から選択される複合体である、請求項１に記載の方法。
前記オーミクスのデータが、ｓｉＲＮＡのデータ、ＤＮＡのメチル化状態のデータ、転写レベルのデータ、およびプロテオミクスのデータのうちの少なくとも１つをさらに含む、請求項１に記載の方法。
前記経路解析が、ＰＡＲＡＤＩＧＭ解析を含む、請求項１に記載の方法。
前記オーミクスのデータを、同じ患者に対して正規化する、請求項１に記載の方法。
前記チェックポイント阻害剤が、ＣＴＬＡ−４阻害剤またはＰＤ−１阻害剤である、請求項１に記載の方法。
前記高度に発現した遺伝子が、ＦＯＸＭ１をさらに含む、請求項１に記載の方法。
前記高度に発現した遺伝子が、分裂促進のシグナリング、ストレスのシグナリング、アポトーシス、カルシウム／カルモジュリンのシグナリング、Ｇタンパク質のシグナリング、ＰＩ３Ｋ／ＡＫＴのシグナリング、ＲＴＫのシグナリング、Ｗｎｔのシグナリング、およびｃＡＭＰのシグナリングのうちの少なくとも１つに関与しているタンパク質をコードする非免疫遺伝子をさらに含む、請求項１に記載の方法。
前記高度に発現した遺伝子が、細胞周期の制御、ＤＮＡ損傷の応答、およびクロマチンのリモデリングのうちの少なくとも１つに関与しているタンパク質をコードする非免疫遺伝子をさらに含む、請求項１に記載の方法。
前記高度に発現した遺伝子が、ＭＡＰＫ１、ＭＡＰＫ１４、ＮＲＰ２、ＨＩＦ１Ａ、ＣＡＬＭ１、ＣＲＥＢ１、ＣＳＮＫ１Ａ１、ＣＳＮＫ１Ｇ３、ＣＣＮＨ、ＦＡＮＣＥ、ＦＡＮＣＡ、ＴＦＩＩＨ、ＩＴＧＢ３、ＲＡＳＡ１、ＧＮＧ２、ＰＤＧＦＲＢ、ＡＫＴ１、およびＰＩＫ３Ｒ１からなる群から選択される非免疫遺伝子をさらに含む、請求項１に記載の方法。
前記チェックポイント阻害剤での治療の前に、起こり得る治療上のアウトカムを予測する、請求項１に記載の方法。