JP2021159012A - 疾患のバイオマーカーの検出方法、検出装置および疾患検査装置 - Google Patents
疾患のバイオマーカーの検出方法、検出装置および疾患検査装置 Download PDFInfo
- Publication number
- JP2021159012A JP2021159012A JP2020065362A JP2020065362A JP2021159012A JP 2021159012 A JP2021159012 A JP 2021159012A JP 2020065362 A JP2020065362 A JP 2020065362A JP 2020065362 A JP2020065362 A JP 2020065362A JP 2021159012 A JP2021159012 A JP 2021159012A
- Authority
- JP
- Japan
- Prior art keywords
- disease
- sample
- cytochrome
- enzyme reaction
- reaction inhibition
- 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.)
- Pending
Links
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 170
- 201000010099 disease Diseases 0.000 title claims abstract description 116
- 239000000090 biomarker Substances 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000007689 inspection Methods 0.000 title claims abstract description 9
- 108010015742 Cytochrome P-450 Enzyme System Proteins 0.000 claims abstract description 180
- 230000005764 inhibitory process Effects 0.000 claims abstract description 156
- 238000006911 enzymatic reaction Methods 0.000 claims abstract description 114
- 238000013145 classification model Methods 0.000 claims abstract description 96
- 238000004458 analytical method Methods 0.000 claims abstract description 93
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 63
- 201000011510 cancer Diseases 0.000 claims abstract description 63
- 238000005259 measurement Methods 0.000 claims abstract description 51
- 230000004770 neurodegeneration Effects 0.000 claims abstract description 51
- 208000015122 neurodegenerative disease Diseases 0.000 claims abstract description 51
- 102000018832 Cytochromes Human genes 0.000 claims abstract description 20
- 108010052832 Cytochromes Proteins 0.000 claims abstract description 20
- 208000027866 inflammatory disease Diseases 0.000 claims abstract description 17
- 238000010801 machine learning Methods 0.000 claims abstract description 14
- 239000000758 substrate Substances 0.000 claims description 77
- 108010081668 Cytochrome P-450 CYP3A Proteins 0.000 claims description 56
- 108010020070 Cytochrome P-450 CYP2B6 Proteins 0.000 claims description 34
- 102000009666 Cytochrome P-450 CYP2B6 Human genes 0.000 claims description 34
- 108010000543 Cytochrome P-450 CYP2C9 Proteins 0.000 claims description 33
- 102100029358 Cytochrome P450 2C9 Human genes 0.000 claims description 33
- 102100039205 Cytochrome P450 3A4 Human genes 0.000 claims description 32
- 238000012360 testing method Methods 0.000 claims description 31
- 108010026925 Cytochrome P-450 CYP2C19 Proteins 0.000 claims description 29
- 102100029363 Cytochrome P450 2C19 Human genes 0.000 claims description 29
- 108010074918 Cytochrome P-450 CYP1A1 Proteins 0.000 claims description 27
- 108010074922 Cytochrome P-450 CYP1A2 Proteins 0.000 claims description 27
- 102100031476 Cytochrome P450 1A1 Human genes 0.000 claims description 27
- 102100026533 Cytochrome P450 1A2 Human genes 0.000 claims description 27
- 102100039208 Cytochrome P450 3A5 Human genes 0.000 claims description 24
- 108010000561 Cytochrome P-450 CYP2C8 Proteins 0.000 claims description 23
- 102100029359 Cytochrome P450 2C8 Human genes 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 23
- 108010001202 Cytochrome P-450 CYP2E1 Proteins 0.000 claims description 20
- 102100029368 Cytochrome P450 2C18 Human genes 0.000 claims description 20
- 102100024889 Cytochrome P450 2E1 Human genes 0.000 claims description 20
- 101000919360 Homo sapiens Cytochrome P450 2C18 Proteins 0.000 claims description 20
- 102100038742 Cytochrome P450 2A13 Human genes 0.000 claims description 18
- 101000957389 Homo sapiens Cytochrome P450 2A13 Proteins 0.000 claims description 18
- 102100027417 Cytochrome P450 1B1 Human genes 0.000 claims description 15
- 102100031461 Cytochrome P450 2J2 Human genes 0.000 claims description 15
- 101000725164 Homo sapiens Cytochrome P450 1B1 Proteins 0.000 claims description 15
- 101000941723 Homo sapiens Cytochrome P450 2J2 Proteins 0.000 claims description 15
- 101000896726 Homo sapiens Lanosterol 14-alpha demethylase Proteins 0.000 claims description 15
- 102100021695 Lanosterol 14-alpha demethylase Human genes 0.000 claims description 15
- 102000003849 Cytochrome P450 Human genes 0.000 claims 11
- 102000002004 Cytochrome P-450 Enzyme System Human genes 0.000 abstract description 169
- 239000012491 analyte Substances 0.000 abstract 5
- 239000011159 matrix material Substances 0.000 abstract 1
- 241000894007 species Species 0.000 description 133
- 208000018737 Parkinson disease Diseases 0.000 description 44
- 208000014018 liver neoplasm Diseases 0.000 description 44
- 208000024827 Alzheimer disease Diseases 0.000 description 43
- 201000007270 liver cancer Diseases 0.000 description 43
- 206010009944 Colon cancer Diseases 0.000 description 39
- 210000002966 serum Anatomy 0.000 description 38
- 238000013528 artificial neural network Methods 0.000 description 26
- 208000029742 colonic neoplasm Diseases 0.000 description 20
- 208000001333 Colorectal Neoplasms Diseases 0.000 description 18
- 230000000694 effects Effects 0.000 description 16
- 239000000126 substance Substances 0.000 description 14
- 238000006243 chemical reaction Methods 0.000 description 12
- 238000003066 decision tree Methods 0.000 description 11
- 101150053185 P450 gene Proteins 0.000 description 9
- 238000007796 conventional method Methods 0.000 description 9
- 210000004369 blood Anatomy 0.000 description 8
- 239000008280 blood Substances 0.000 description 8
- 238000002790 cross-validation Methods 0.000 description 8
- WEVYAHXRMPXWCK-UHFFFAOYSA-N Acetonitrile Chemical compound CC#N WEVYAHXRMPXWCK-UHFFFAOYSA-N 0.000 description 7
- 102000004190 Enzymes Human genes 0.000 description 7
- 108090000790 Enzymes Proteins 0.000 description 7
- 241000588724 Escherichia coli Species 0.000 description 7
- 239000012528 membrane Substances 0.000 description 7
- 238000012706 support-vector machine Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000002860 competitive effect Effects 0.000 description 6
- 230000002503 metabolic effect Effects 0.000 description 6
- 241000288113 Gallirallus australis Species 0.000 description 5
- 150000001875 compounds Chemical class 0.000 description 5
- 238000007637 random forest analysis Methods 0.000 description 5
- 238000003556 assay Methods 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 4
- 239000000306 component Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 210000002700 urine Anatomy 0.000 description 4
- 208000022559 Inflammatory bowel disease Diseases 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 210000001124 body fluid Anatomy 0.000 description 3
- 239000010839 body fluid Substances 0.000 description 3
- 208000037976 chronic inflammation Diseases 0.000 description 3
- 208000037893 chronic inflammatory disorder Diseases 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000000338 in vitro Methods 0.000 description 3
- 210000002429 large intestine Anatomy 0.000 description 3
- 210000004185 liver Anatomy 0.000 description 3
- 230000004060 metabolic process Effects 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000001575 pathological effect Effects 0.000 description 3
- 208000011580 syndromic disease Diseases 0.000 description 3
- LIFAQMGORKPVDH-UHFFFAOYSA-N 7-ethoxycoumarin Chemical compound C1=CC(=O)OC2=CC(OCC)=CC=C21 LIFAQMGORKPVDH-UHFFFAOYSA-N 0.000 description 2
- 208000008839 Kidney Neoplasms Diseases 0.000 description 2
- 206010028372 Muscular weakness Diseases 0.000 description 2
- 206010029164 Nephrotic syndrome Diseases 0.000 description 2
- 239000012327 Ruthenium complex Substances 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- ZYGHJZDHTFUPRJ-UHFFFAOYSA-N coumarin Chemical compound C1=CC=C2OC(=O)C=CC2=C1 ZYGHJZDHTFUPRJ-UHFFFAOYSA-N 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001771 impaired effect Effects 0.000 description 2
- 239000003112 inhibitor Substances 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001590 oxidative effect Effects 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 239000011535 reaction buffer Substances 0.000 description 2
- 210000003296 saliva Anatomy 0.000 description 2
- 210000004243 sweat Anatomy 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 201000004384 Alopecia Diseases 0.000 description 1
- 208000000044 Amnesia Diseases 0.000 description 1
- 206010003694 Atrophy Diseases 0.000 description 1
- 208000023328 Basedow disease Diseases 0.000 description 1
- 206010004593 Bile duct cancer Diseases 0.000 description 1
- 208000008439 Biliary Liver Cirrhosis Diseases 0.000 description 1
- 208000033222 Biliary cirrhosis primary Diseases 0.000 description 1
- 208000019838 Blood disease Diseases 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- 208000003174 Brain Neoplasms Diseases 0.000 description 1
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- -1 CYP1A13 Proteins 0.000 description 1
- 101100497948 Caenorhabditis elegans cyn-1 gene Proteins 0.000 description 1
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000283707 Capra Species 0.000 description 1
- 241000700198 Cavia Species 0.000 description 1
- 241000282693 Cercopithecidae Species 0.000 description 1
- 206010008025 Cerebellar ataxia Diseases 0.000 description 1
- 206010008609 Cholangitis sclerosing Diseases 0.000 description 1
- 208000000419 Chronic Hepatitis B Diseases 0.000 description 1
- 208000006154 Chronic hepatitis C Diseases 0.000 description 1
- 208000015943 Coeliac disease Diseases 0.000 description 1
- 206010009900 Colitis ulcerative Diseases 0.000 description 1
- 208000011231 Crohn disease Diseases 0.000 description 1
- 241000235556 Cunninghamella elegans Species 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 201000004624 Dermatitis Diseases 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 206010018364 Glomerulonephritis Diseases 0.000 description 1
- 206010019695 Hepatic neoplasm Diseases 0.000 description 1
- 208000005176 Hepatitis C Diseases 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 206010021245 Idiopathic thrombocytopenic purpura Diseases 0.000 description 1
- 108010044467 Isoenzymes Proteins 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 206010025323 Lymphomas Diseases 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 208000026139 Memory disease Diseases 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 208000003250 Mixed connective tissue disease Diseases 0.000 description 1
- 241000699666 Mus <mouse, genus> Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 208000010428 Muscle Weakness Diseases 0.000 description 1
- 206010029260 Neuroblastoma Diseases 0.000 description 1
- 108091028043 Nucleic acid sequence Proteins 0.000 description 1
- 241000283973 Oryctolagus cuniculus Species 0.000 description 1
- 206010061902 Pancreatic neoplasm Diseases 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 206010034010 Parkinsonism Diseases 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 208000012654 Primary biliary cholangitis Diseases 0.000 description 1
- 201000004681 Psoriasis Diseases 0.000 description 1
- 241000700159 Rattus Species 0.000 description 1
- 208000033464 Reiter syndrome Diseases 0.000 description 1
- 206010038389 Renal cancer Diseases 0.000 description 1
- 201000000582 Retinoblastoma Diseases 0.000 description 1
- 240000004808 Saccharomyces cerevisiae Species 0.000 description 1
- 206010039491 Sarcoma Diseases 0.000 description 1
- 208000010112 Spinocerebellar Degenerations Diseases 0.000 description 1
- 208000005718 Stomach Neoplasms Diseases 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 206010043781 Thyroiditis chronic Diseases 0.000 description 1
- 206010067584 Type 1 diabetes mellitus Diseases 0.000 description 1
- 201000006704 Ulcerative Colitis Diseases 0.000 description 1
- 208000002495 Uterine Neoplasms Diseases 0.000 description 1
- 208000025749 Vogt-Koyanagi-Harada disease Diseases 0.000 description 1
- 208000034705 Vogt-Koyanagi-Harada syndrome Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 231100000360 alopecia Toxicity 0.000 description 1
- 125000003275 alpha amino acid group Chemical group 0.000 description 1
- 208000007502 anemia Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 206010003246 arthritis Diseases 0.000 description 1
- 230000037444 atrophy Effects 0.000 description 1
- 230000001363 autoimmune Effects 0.000 description 1
- 201000003710 autoimmune thrombocytopenic purpura Diseases 0.000 description 1
- 208000026900 bile duct neoplasm Diseases 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000007853 buffer solution Substances 0.000 description 1
- 229930003827 cannabinoid Natural products 0.000 description 1
- 239000003557 cannabinoid Substances 0.000 description 1
- 229940065144 cannabinoids Drugs 0.000 description 1
- 208000006990 cholangiocarcinoma Diseases 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 230000000112 colonic effect Effects 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 229960000956 coumarin Drugs 0.000 description 1
- 235000001671 coumarin Nutrition 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 108010085085 cytochrome P-450 CYP1A5 Proteins 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 210000001339 epidermal cell Anatomy 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 235000012041 food component Nutrition 0.000 description 1
- 239000005428 food component Substances 0.000 description 1
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 1
- 206010017758 gastric cancer Diseases 0.000 description 1
- 208000014951 hematologic disease Diseases 0.000 description 1
- 230000002489 hematologic effect Effects 0.000 description 1
- 208000018706 hematopoietic system disease Diseases 0.000 description 1
- 208000007475 hemolytic anemia Diseases 0.000 description 1
- 208000002672 hepatitis B Diseases 0.000 description 1
- 208000010710 hepatitis C virus infection Diseases 0.000 description 1
- 210000003494 hepatocyte Anatomy 0.000 description 1
- AMGQUBHHOARCQH-UHFFFAOYSA-N indium;oxotin Chemical class [In].[Sn]=O AMGQUBHHOARCQH-UHFFFAOYSA-N 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 201000010982 kidney cancer Diseases 0.000 description 1
- 208000017169 kidney disease Diseases 0.000 description 1
- 201000010901 lateral sclerosis Diseases 0.000 description 1
- 208000032839 leukemia Diseases 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 238000004895 liquid chromatography mass spectrometry Methods 0.000 description 1
- 208000023707 liver extraskeletal osteosarcoma Diseases 0.000 description 1
- 210000001853 liver microsome Anatomy 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 208000015486 malignant pancreatic neoplasm Diseases 0.000 description 1
- 210000004962 mammalian cell Anatomy 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 230000006984 memory degeneration Effects 0.000 description 1
- 208000023060 memory loss Diseases 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 230000007659 motor function Effects 0.000 description 1
- 208000005264 motor neuron disease Diseases 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 230000036473 myasthenia Effects 0.000 description 1
- 208000009928 nephrosis Diseases 0.000 description 1
- 231100001027 nephrosis Toxicity 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 208000021090 palsy Diseases 0.000 description 1
- 201000002528 pancreatic cancer Diseases 0.000 description 1
- 208000008443 pancreatic carcinoma Diseases 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000005426 pharmaceutical component Substances 0.000 description 1
- 210000002381 plasma Anatomy 0.000 description 1
- 201000000742 primary sclerosing cholangitis Diseases 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 201000002212 progressive supranuclear palsy Diseases 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 208000002574 reactive arthritis Diseases 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000027756 respiratory electron transport chain Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 206010039073 rheumatoid arthritis Diseases 0.000 description 1
- 201000000306 sarcoidosis Diseases 0.000 description 1
- 208000010157 sclerosing cholangitis Diseases 0.000 description 1
- 206010039722 scoliosis Diseases 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000001148 spastic effect Effects 0.000 description 1
- 150000003431 steroids Chemical class 0.000 description 1
- 201000011549 stomach cancer Diseases 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 206010046766 uterine cancer Diseases 0.000 description 1
- 230000009385 viral infection Effects 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
Description
昨今の医療分野において、がん細胞に特異的なタンパク質、核酸、脂質等をがん細胞のバイオマーカーとし、ゲノムなど生体分子情報を網羅的に探索するオミックス解析が行われている。しかしながら、オミックス解析では、各種がん細胞の特異的な生体分子成分を特定する必要があり、その特定分析に多大な労力が必要であるといった問題がある。そのため、より簡便な検査に適用できるバイオマーカーが求められている。
また、本発明者の一人は、被験者の検体の存在下で、蛍光性基質を用いて12種のシトクロムP450と蛍光性基質とを反応させ、蛍光を測定することにより蛍光パターンを検出して、検出した蛍光パターンを、炎症性腸疾患のバイオマーカーとすることについて開示している(特許文献2を参照)。
かかる提案方法では、マウス由来血清やヒト由来血清を検体とし、検体の非存在下と比較して検体の存在下において、蛍光強度が低下するP450種を特定して、蛍光強度の値から、検体による各P450の活性の阻害率を算出し、阻害率のパターンを蛍光パターンとした実施データを開示していた。しかしながら、複数人の被験者の検体毎に、測定環境が変化した場合に、実際の蛍光強度の測定値(生データ)や、算出する阻害率が大きく異なり、阻害率のパターン(蛍光パターン)が大きなバラつきを生じるといった問題があった。そのため、場合によっては、バイオマーカーの検出が困難となっていた。また、炎症性疾患の検査方法においても、検体から検出した蛍光パターンについて、炎症性疾患の検体から予め作成した蛍光パターンとの重複を解析して疾患判定を行っていることから、蛍光パターンが大きなバラつきを生じ、パターンの変動幅が大きいと、正しい疾患判定をすることが困難であった。
さらに、炎症性疾患だけでなく、シトクロムP450の活性を用いて、がん疾患、アルツハイマー病やパーキンソン病などの神経変性疾患の他の疾患に対しても、安定的にバイオマーカーを検出し、疾患の検査が行えることが求められている。
そして、がん疾患のみならず、アルツハイマー病やパーキンソン病に罹患した患者から採取した血清と、シトクロムP450の蛍光性基質と、複数種のシトクロムP450酵素を用いた競合反応を行うことにより、特異的な競合反応パターンを取得できるといった知見を得て、本発明を完成するに至った。
ここで、同じ測定環境下とは、測定装置の設定やパラメータなど装置に由来する測定環境、例えば、蛍光測定であれば光源やカメラに由来する設定やパラメータ、容器や基質の同一性が確保された測定環境をいう。
また、シトクロムP450の由来については、特に限定されず、市販のシトクロムP450を用いることができる。
また、検体は、特に限定されるものではないが、血液由来成分を好適に用いることができ、唾液や汗などの体液、尿などを用いてもよい。
第1の分類判別ステップと第2の分類判別ステップをさらに備えることにより、がん疾患と神経変性疾患の分類、そして、がん疾患と神経変性疾患のより詳細な病態の分類が高精度に行える。
第1の分類判別ステップでは、がん疾患の検体と神経変性疾患の検体と疾患に罹患していない検体の分類が高精度に行える。
後述の実施例により、同じ測定環境下で、シトクロムP450が非存在下における測定値を基準とした酵素反応阻害パターンを学習させた学習済み分類モデルによれば、酵素反応阻害パターンの対比に基づく特徴解析と疾病分類が高精度に予測できることが示される。
また、後述する実施例で明らかにするとおり、疾病判別の精度をより向上させるために、シトクロムP450は、上記の14分子種から1〜7の分子種が除外されたものであることが好ましい。
本発明のバイオマーカーの検出装置は、複数種のシトクロムP450により特異的に作用する基質の酵素反応阻害パターンを取得する酵素反応阻害パターン取得部と、検体を含む系と、検体を含まない系との酵素反応阻害パターンの対比に基づく特徴解析を行う特徴解析部を備える。そして、酵素反応阻害パターン取得部における各々の系の酵素反応阻害パターンは、同じ測定環境下で、シトクロムP450非存在下における測定値を基準とする。
本発明のバイオマーカーの検出装置における特徴解析部は、複数種の第1のシトクロムP450による酵素反応阻害パターンの対比に基づく特徴解析を行い、がん疾患と神経変性疾患の検体を分類する第1の分類判別部と、第1の分類判別部によって分類したがん疾患と神経変性疾患の各検体に対して、複数種の第2のシトクロムP450による酵素反応阻害パターンの対比に基づく特徴解析を行い、さらに詳細な疾患に分類する第2の分類判別部を備える。ここで、第1の分類判別部において、特徴解析により、がん疾患の検体と、神経変性疾患の検体と、疾患に罹患していない検体を分類することもできる。
本発明のバイオマーカーの検出装置における特徴解析部は、疾患に罹患したラベル情報の付された検体を含む系と、疾患に罹患していないラベル情報の付された検体を含む系と、検体を含まない系とを用いて、同じ測定環境下で、シトクロムP450が非存在下における測定値を基準とした酵素反応阻害パターンを取得し、取得した酵素反応阻害パターンの対比に基づくデータを教師データとして機械学習をさせ予め得た疾患の罹患を判別できる学習済み分類モデルによって、酵素反応阻害パターンの対比に基づく特徴解析を行うことができる。
本発明の疾患検査装置は、被験者から取得した検体に対して、複数種のシトクロムP450により特異的に作用する基質の酵素反応阻害パターンを取得する酵素反応阻害パターン取得部と、検体を含む系と、検体を含まない系との酵素反応阻害パターンの対比に基づく特徴解析を行う特徴解析部を備える。そして、各々の系の酵素反応阻害パターンは、同じ測定環境下で、シトクロムP450非存在下における測定値を基準とし、特徴解析部は、疾患に罹患したラベル情報の付された検体を含む系と、疾患に罹患していないラベル情報の付された検体を含む系と、検体を含まない系とを用いて、上記の測定値を基準とした酵素反応阻害パターンを取得し、取得した酵素反応阻害パターンの対比に基づくデータを教師データとして機械学習をさせ予め得た疾患の罹患を判別できる学習済み分類モデルによって、酵素反応阻害パターンの対比に基づく特徴解析を行い疾患の分類ラベルを出力する。
本発明の疾患検査装置における特徴解析部は、複数種の第1のシトクロムP450による酵素反応阻害パターンの対比に基づく特徴解析を行い、がん疾患と神経変性疾患の検体を分類する第1の分類判別部と、第1の分類判別部によって分類したがん疾患と神経変性疾患の各検体に対して、複数種の第2のシトクロムP450による酵素反応阻害パターンの対比に基づく特徴解析を行い、さらに詳細な疾患に分類する第2の分類判別部を備える。ここで、第1の分類判別部において、特徴解析により、がん疾患の検体と、神経変性疾患の検体と、疾患に罹患していない検体を分類することもできる。
蛍光性基質としては、例えば、Vivid蛍光性基質、7-エトキシクマリン、7-エトキシレゾルフィン、クマリンなどを用いることができる。蛍光性基質にシトクロムP450が反応すると、蛍光ブロック作用を有する側鎖が切断され強い蛍光が起きるが、反応が阻害されると基質に蛍光が生じないことから、蛍光値を用いて阻害活性の定量測定ができる。
各ウェル内では、検体中に存在する物質に依存して、シトクロムP450の酵素反応が阻害され、蛍光性物質の産生量が変化する。検体中にシトクロムP450に親和性のある物質が存在する場合には、シトクロムP450の酸化活性が低下して蛍光性物質による蛍光強度が低下する。このシトクロムP450の酸化活性の変化を、蛍光性物質が発する蛍光により検出して、酵素反応阻害パターンの一種である蛍光パターンを得ることができる。シトクロムP450と蛍光性基質の何れかは、ウェル内に予め添加され、固定化されてもよい。例えば、疾病検査用の試薬キットとして、複数種のシトクロムP450、基質、検体を希釈するための緩衝液等を含むことができる。
本発明の疾患検査装置2は、本発明のバイオマーカーの検出装置1の機能ブロック(図1)と同じである。
なお、使用した蛍光性基質は、全てVivid蛍光性基質でありInvitrogen(登録商標)より購入したものである。Vivid DBOMFには、アセトニトリル(MeCN)を85μl加えて小瓶中の結晶が溶解するまでボルテックス処理し、Vivid BOMCCには、MeCNを160μl、Vivid EOMCCには205μl加えて同様にボルテックス処理したものを使用した。各サンプルは、−30℃、遮光条件下にて保存した。MeCN特級試薬はナカライテスクより購入した。MeCNで溶解したVivid DBOMF 1μlに2×Reaction buffer 399μlを加え、蛍光性基質の終濃度は0.5μMとした。Vivid BOMCC 5.5μlには104.5μlを、Vivid EOMCC 13μlには247μlの2×Reaction bufferを加え、両蛍光性基質の終濃度は10μMとした。蛍光性基質は、上記処理後に直ちに使用した。
本発明は、測定環境の違いによるシトクロムP450の蛍光パターンなどの酵素反応阻害パターンの変動幅を改善し、測定したパターンを疾患のバイオマーカーとして安定的に検出すると共に、測定したパターンから炎症性疾患の検査を安定的に高精度に行えるものである。これに対して、前述の特許文献2に開示された従来法では、測定した蛍光パターンを炎症性腸疾患のバイオマーカーとして検出しているが、被験者の検体毎に、測定環境が変化した場合に、実際の蛍光強度の測定値(生データ)や、算出する阻害率が大きく異なり、阻害率のパターン(蛍光パターン)が大きなバラつきを生じていた。
そのため、本発明では、各々の系のパターンは、同じ測定環境下で、シトクロムP450が非存在下における測定値を基準とすることを特徴とする。以後、本発明の特徴であるこの方法を、バックグラウンド補正蛍光P450競合アッセイ(Background-corrected P450 fluorescence inhibition assay:BCPIA)法と呼ぶ。
従来法の測定では、シトクロムP450及び蛍光性基質の存在下で、検体を含まない系(血清非添加)の蛍光値(A)から検体を含む系(血清添加)の蛍光値(D)を減算した値(A−D)を、蛍光値(A)で除算して蛍光阻害率を算出している。
これに対して、BCPIA法の測定では、検体を含まない系(血清非添加)の蛍光値(A)から検体を含む系(血清添加)の蛍光値(D)を減算するのではなく、蛍光値(A)と同じ測定環境下で、シトクロムP450が非存在下における蛍光値(B)を測定し、また、蛍光値(D)と同じ測定環境下で、シトクロムP450が非存在下における蛍光値(E)を測定し、蛍光値(A)から蛍光値(B)を減算した値(C)(C=A−B)から、蛍光値(D)から蛍光値(E)を減算した値(F)(F=D−E)を減算し(C−F)、それを値(C)で除算し、蛍光阻害率を算出している。
図5を参照して、仮想的な蛍光値を用いて、本発明のBCPIA法が従来法の測定より優れていることを説明する。図5に示す表には、上記A〜Fと、バックグラウンドを考慮しない蛍光阻害率(G)と、バックグラウンドを考慮した蛍光阻害率(H)を示している。4人の被験者からの検体を含まない系(血清非添加)の蛍光値(A)と、検体を含む系(血清添加)の蛍光値(D)とは、それぞれ4人の被験者の間で大きく異なっている。シトクロムP450が非存在下で蛍光性基質を含む系における蛍光値(B)(バックグラウンド)と、シトクロムP450が非存在下で検体(血清)及び蛍光性基質を含む系における蛍光値(E)(バックグラウンド)とは、それぞれ4人の被験者の間で全て同じ蛍光値である。そして、血清非添加の実質活性値(C=A−B)と血清添加の実質活性値(F=D−E)を算出する。バックグラウンドを考慮しない蛍光阻害率(G)とバックグラウンドを考慮した蛍光阻害率(H)を算出すると、従来法の蛍光阻害率(G)では、大きくバラつきがあるのに対して、本発明のBCPIA法の蛍光阻害率(H)では、いずれの蛍光値でも蛍光阻害率は90%になり、被験者が変わっても結果は一定で、結果を再現しやすいことがわかる。
従来法(比較例1)の測定の場合には、被験者の違いにより、実際の蛍光値(生データ)は大きく異なる。その原因として、発明者らは、シトクロムP450が存在下で、かつ、蛍光性基質を含む系の蛍光値のバックグラウンドを測定し、それらを考慮していないからであると考えた。すなわち、蛍光値が大きく異なるにも拘わらず、バックグラウンドを含む蛍光値を蛍光性基質の代謝活性として蛍光阻害率を算出していることが、被験者により阻害率が異なる要因であると考えた。
BCPIA法の測定の場合には、シトクロムP450が非存在下における蛍光値のバックグラウンドを基準として、それぞれの系の蛍光値を測定し、蛍光阻害率を算出するため、従来法と比較して各被験者間で生じる蛍光パターンの変動幅を改善できていることが理解できる。
各シトクロムP450の蛍光値の各阻害率は、上述の実施例1と同じやり方で算出した。すなわち、疾患に罹患した検体を含む系と、検体を含まない系との蛍光パターンの取得の際は、各々の系の蛍光パターンは、同じ測定環境下で、シトクロムP450が非存在下における測定値を基準として、各シトクロムP450の蛍光値を測定し蛍光パターンを取得した。
使用した分類モデルは、4つある。1つ目の分類モデルは、木構造を用いて分類を行う決定木を作る機械学習(決定木学習)により得られた分類モデル(決定木)であり、2つ目の分類モデルは、パターン識別用の教師あり機械学習により得られた分類モデル(サポートベクターマシン)であり、3つ目の分類モデルは、条件分岐をもった複数の決定木をランダムに構築し、それらの結果を組み合わせて分類を行う分類モデル(ランダムフォレスト)であり、4つ目の分類モデルは、入力層と出力層とそれらの間の中間層(少なくとも1層の隠れ層)を有するニューラルネットワークの構造における重み係数を教師あり機械学習によりチューニングして得られた分類モデル(ニューラルネットワーク)である。
・決定木:J48
・ランダムフォレスト:RandomForest
・サポートベクターマシン:SMO
・ニューラルネットワーク:MultilayerPerceptron
各実施例におけるWekaの分類器について説明すると、図7に示すとおり、検体に対する複数種のシトクロムP450による蛍光値(各阻害率)から蛍光パターンを取得し、蛍光パターンと共に、疾病の種類(健常者、肝臓がん、大腸がん、アルツハイマー病、パーキンソン病)を教師データとして、Wekaの分類器に入力させ、学習器の学習と評価を繰り返した後、学習済み分類器に、未知の蛍光パターンを入力して、分類ラベルを出力させるというものである。
各分類器(分類モデル)の正答率は、一つ抜きクロスバリデーション法(leave-one-out cross-validation)を使って求めた。
4つの各分類モデルには、肝臓がんと大腸がんと健常者の血清(市販品)を9検体、12検体、10検体用意し、全31検体から得られる其々の蛍光パターンと正解ラベルを教師データとして与え、十分な繰り返し学習をさせた。
蛍光パターンは、11分子種のシトクロムP450の場合には、各阻害率の11個の連続変数データとし、14分子種のシトクロムP450の場合には、各阻害率の14個の連続変数データとし、一部の分子種を除外する場合は、除外された残りのシトクロムP450の数(N種)の各阻害率のN個の連続変数データとした。
なお、分類モデル(ニューラルネットワーク)については、11分子種からCYP2C8、CYP3A4、CYP1A2の3分子種を除外した8分子種(14分子種からCYP2C8、CYP3A4、CYP1A2、CYP1B1、CYP2J2、CYP51A1の6分子種を除外したもの)について得られた蛍光パターンを用いて分類した分類ラベルの正答率を示している。
また、実施例2−1Dの分類モデル(ニューラルネットワーク)については、11分子種からCYP2C8、CYP3A4、CYP1A2の3分子種を除外した8分子種の場合には、93%を超える正答率であった。下記表5に、93%を超える正答率を出した判定結果を示す。健常者の10検体は、すべて正しく分類されていた。また、肝臓がんの9検体は、1検体だけ大腸がんに分類されたが、8検体は正しく分類されており、大腸がんの12検体は、1検体だけ肝臓がんに分類されたが、11検体は正しく分類されていた。
以上のとおり、実施例2−1A〜2−1Dのそれぞれの分類モデルを使用し解析して得られる分類ラベルの正答率、特に、実施例2−1Dの分類モデルを使用して8分子種のシトクロムP450を用いた解析では、非常に高い正答率であり、肝臓がんと大腸がんに対して、安定的に高精度のバイオマーカーとして利用でき、また、肝臓がんと大腸がんの疾病検査が可能であることがわかった。
なお、分類モデル(ニューラルネットワーク)については、14分子種からCYP3A4、CYP2C9、CYP1A1、CYP2J2の4分子種を除外した10分子種について得られた蛍光パターンを用いて分類した分類ラベルの正答率を示している。
また、実施例2−2Dの分類モデル(ニューラルネットワーク)については、14分子種からCYP3A4、CYP2C9、CYP1A1、CYP2J2の4分子種を除外した10分子種の場合には、90%を超える正答率であった。下記表7に、90%を超える正答率を出した判定結果を示す。健常者の10検体は、1検体だけ大腸がんに分類されたが、9検体は正しく分類されていた。また、肝臓がんの9検体は、すべて正しく分類されていた。大腸がんの12検体は、2検体だけ肝臓がんに分類されたが、10検体は正しく分類されていた。
以上のとおり、実施例2−2A〜2−2Dのそれぞれの分類モデルを使用し解析して得られる分類ラベルの正答率、特に、実施例2−2Dの分類モデルを使用して10分子種のシトクロムP450を用いた解析では、非常に高い正答率であり、肝臓がんと大腸がんに対して、安定的に高精度のバイオマーカーとして利用でき、また、肝臓がんと大腸がんの疾病検査が可能であることがわかった。
使用した分類モデルは、実施例2と同様に4つの分類モデル(決定木、サポートベクターマシン、ランダムフォレスト、ニューラルネットワーク)である。
4つの各分類モデルには、アルツハイマー病とパーキンソン病と健常者の血清(市販品)を10検体、10検体、10検体用意し、全30検体から得られる其々の蛍光パターンと正解ラベルを教師データとして与え、十分な繰り返し学習をさせた。
蛍光パターンは、実施例2と同様に、11分子種のシトクロムP450の場合には、各阻害率の11個の連続変数データとし、14分子種のシトクロムP450の場合には、各阻害率の14個の連続変数データとし、一部の分子種を除外する場合は、除外された残りのシトクロムP450の数(N種)の各阻害率のN個の連続変数データとした。
なお、分類モデル(ニューラルネットワーク)については、11分子種からCYP3A4、CYP2B6、CYP1A2の3分子種を除外した8分子種(14分子種からCYP3A4、CYP2B6、CYP1A2、CYP1B1、CYP2J2、CYP51A1の6分子種を除外したもの)について得られた蛍光パターンを用いて分類した分類ラベルの正答率を示している。
実施例3−1Dの分類モデル(ニューラルネットワーク)については、11分子種からCYP3A4、CYP2B6、CYP1A2の3分子種を除外した8分子種の場合には、83%を超える正答率であった。下記表9に、83%を超える正答率を出した判定結果を示す。健常者の10検体は、すべて正しく分類されていた。また、アルツハイマー病の10検体は、1検体がパーキンソン病に分類され、1検体が健常者に分類されたが、8検体は正しく分類されており、パーキンソン病の10検体は、3検体がアルツハイマー病に分類され、7検体が正しく分類されていた。
以上のとおり、実施例3−1A〜3−1Dのそれぞれの分類モデルを使用し解析して得られる分類ラベルの正答率、特に、実施例3−1Dの分類モデルを使用して8分子種のシトクロムP450を用いた解析では、高い正答率であり、アルツハイマー病とパーキンソン病に対して、安定的に高精度のバイオマーカーとして利用でき、また、アルツハイマー病とパーキンソン病の疾病検査が可能であることがわかった。
なお、分類モデル(ニューラルネットワーク)については、14分子種からCYP2C19の1分子種を除外した13分子種について得られた蛍光パターンを用いて分類した分類ラベルの正答率を示している。
また、実施例3−2Dの分類モデル(ニューラルネットワーク)については、14分子種からCYP2C19の1分子種を除外した13分子種の場合には、86%を超える正答率であった。下記表11に、86%を超える正答率を出した判定結果を示す。健常者の10検体は、1検体がアルツハイマー病に分類され、1検体がパーキンソン病に分類されたが、8検体は正しく分類されていた。また、アルツハイマー病の10検体は、1検体がパーキンソン病に分類されたが、9検体は正しく分類されていた。パーキンソン病の10検体は、1検体がアルツハイマー病に分類されたが、9検体は正しく分類されていた。
以上のとおり、実施例3−2A〜3−2Dのそれぞれの分類モデルを使用し解析して得られる分類ラベルの正答率を示したが、特に、実施例3−2Dの分類モデルを使用して13分子種のシトクロムP450を用いた解析では、高い正答率であり、アルツハイマー病とパーキンソン病に対して、安定的に高精度のバイオマーカーとして利用でき、また、アルツハイマー病とパーキンソン病の疾病検査が可能であることがわかった。
使用した分類モデルは、実施例2,3と同様に4つの分類モデル(決定木、サポートベクターマシン、ランダムフォレスト、ニューラルネットワーク)である。
4つの各分類モデルには、肝臓がんと大腸がんとアルツハイマー病とパーキンソン病と健常者の血清(市販品)を9検体、12検体、10検体、10検体、10検体用意し、全51検体から得られる其々の蛍光パターンと正解ラベルを教師データとして与え、十分な繰り返し学習をさせた。
蛍光パターンは、実施例2,3と同様に、11分子種のシトクロムP450の場合には、各阻害率の11個の連続変数データとし、14分子種のシトクロムP450の場合には、各阻害率の14個の連続変数データとし、一部の分子種を除外する場合は、除外された残りのシトクロムP450の数(N種)の各阻害率のN個の連続変数データとした。
なお、分類モデル(ニューラルネットワーク)については、11分子種からCYP2B6、CYP2C9、CYP2C19の3分子種を除外した8分子種(14分子種からCYP2B6、CYP2C9、CYP2C19、CYP1B1、CYP2J2、CYP51A1の6分子種を除外したもの)について得られた蛍光パターンを用いて分類した分類ラベルの正答率を示している。
実施例4−1Dの分類モデル(ニューラルネットワーク)については、11分子種からCYP2B6、CYP2C9、CYP2C19の3分子種を除外した8分子種の場合には、70%を超える正答率であった。下記表13に、70%を超える正答率を出した判定結果を示す。健常者の10検体は、1検体が肝臓がんに分類されたが、9検体は正しく分類されていた。また、肝臓がんの9検体は、1検体が大腸がんに分類され、1検体がパーキンソン病に分類されたが、7検体は正しく分類されており、大腸がんの12検体は、1検体が肝臓がんに分類され、1検体がパーキンソン病に分類されたが、10検体は正しく分類されていた。また、アルツハイマー病の10検体は、4検体がパーキンソン病に分類され、1検体が肝臓がんに分類され、5検体が正しく分類されており、パーキンソン病の10検体は、4検体がアルツハイマー病に分類され、1検体が大腸がんに分類され、5検体が正しく分類されていた。
以上のとおり、実施例4−1A〜4−1Dのそれぞれの分類モデルを使用し解析して得られる分類ラベルの正答率を示したが、特に、実施例4−1Dの分類モデルを使用して8分子種のシトクロムP450を用いた解析では、比較的高い正答率であり、アルツハイマー病とパーキンソン病の検体に対する分類判別精度は比較的低いものの、肝臓がんと大腸がんの検体に対する分類判別精度は高く、安定的に高精度のバイオマーカーとして利用でき、また、肝臓がんと大腸がんとアルツハイマー病とパーキンソン病の疾病検査が可能であることがわかった。
なお、分類モデル(ニューラルネットワーク)については、14分子種からCYP1A2、CYP2B6、CYP2C9、CYP2C19の4分子種を除外した10分子種について得られた蛍光パターンを用いて分類した分類ラベルの正答率を示している。
また、実施例4−2Dの分類モデル(ニューラルネットワーク)については、14分子種からCYP1A2、CYP2B6、CYP2C9、CYP2C19の4分子種を除外した10分子種の場合には、74%を超える正答率であった。下記表15に、74%を超える正答率を出した判定結果を示す。健常者の10検体は、1検体がアルツハイマー病に分類され、1検体がパーキンソン病に分類されたが、8検体は正しく分類されていた。また、肝臓がんの9検体は、2検体が大腸がんに分類されたが、7検体は正しく分類されており、大腸がんの12検体は、1検体が肝臓がんに分類され、1検体がアルツハイマー病に分類され、1検体がパーキンソン病に分類されたが、9検体は正しく分類されていた。また、アルツハイマー病の10検体は、3検体がパーキンソン病に分類され、1検体が肝臓がんに分類され、1検体が健常者に分類され、5検体が正しく分類されており、パーキンソン病の10検体は、1検体がアルツハイマー病に分類されたが、9検体が正しく分類されていた。
以上のとおり、実施例4−2A〜4−2Dのそれぞれの分類モデルを使用し解析して得られる分類ラベルの正答率を示したが、特に、実施例4−2Dの分類モデルを使用して10分子種のシトクロムP450を用いた解析では、比較的高い正答率であり、アルツハイマー病の検体に対する分類判別精度は比較的低いものの、肝臓がんと大腸がんとパーキンソン病の検体に対する分類判別精度は高く、安定的に高精度のバイオマーカーとして利用でき、また、肝臓がんと大腸がんとアルツハイマー病とパーキンソン病の疾病検査が可能であることがわかった。
第1の分類判別段階は、がん疾患の検体と、神経変性疾患の検体と、疾患に罹患していない検体とを分類する。第2の分類判別段階では、第1の分類判別段階でがん疾患の検体と分類された検体に対して、肝臓がんと大腸がんに分類すると共に、第1の分類判別段階で神経変性疾患の検体と分類された検体に対して、アルツハイマー病とパーキンソン病に分類する。
4つの各分類モデルには、肝臓がんと大腸がんとアルツハイマー病とパーキンソン病と健常者の血清(市販品)を9検体、12検体、10検体、10検体、10検体用意し、全51検体から得られる其々の蛍光パターンと正解ラベルを教師データとして与え、十分な繰り返し学習をさせた。
蛍光パターンは、11分子種のシトクロムP450の場合には、各阻害率の11個の連続変数データとし、一部の分子種を除外する場合は、除外された残りのシトクロムP450の数(N種)の各阻害率のN個の連続変数データとした。
なお、分類モデル(ニューラルネットワーク)について、第1の分類判別段階においては、11分子種からCYP2B6、CYP2C9、CYP2C19の3分子種を除外した8分子種(14分子種からCYP2B6、CYP2C9、CYP2C19、CYP1B1、CYP2J2、CYP51A1の6分子種を除外したもの)について得られた蛍光パターンを用いて分類した分類ラベルの正答率を示し、がん疾患の検体に対する第2の分類判別段階(検体を更に詳細な疾患に分類する段階)においては、11分子種からCYP1A1の1分子種を除外した10分子種(14分子種からCYP1A1、CYP1B1、CYP2J2、CYP51A1の4分子種を除外したもの)について得られた蛍光パターンを用いて分類した分類ラベルの正答率を示し、神経変性疾患の検体に対する第2の分類判別段階(検体を更に詳細な疾患に分類する段階)においては、11分子種からCYP3A4、CYP2B6、CYP2C9、CYP3A5の4分子種を除外した7分子種(14分子種からCYP3A4、CYP2B6、CYP2C9、CYP3A5、CYP1B1、CYP2J2、CYP51A1の7分子種を除外したもの)について得られた蛍光パターンを用いて分類した分類ラベルの正答率を示している。
上記表16に示すとおり、実施例5−1A〜5−1Dのそれぞれの分類モデルで特徴解析して得られる分類ラベルの正答率は、実施例5−1A(決定木)を除き、76%を超えており、蛍光パターンが、がん疾患と神経変性疾患のバイオマーカーとして使用できることがわかる。
実施例5−1Dの分類モデル(ニューラルネットワーク)については、11分子種からCYP2B6、CYP2C9、CYP2C19の3分子種を除外した8分子種の場合には、98%といった非常に高い正答率であった。下記表17に、98%の正答率を出した判定結果を示す。健常者の10検体と、がん疾患の21検体(肝臓がん9検体と大腸がん12検体)は、全て正しく分類されていた。また、神経変性疾患の20検体(アルツハイマー病10検体とパーキンソン病10検体)は、1検体ががん疾患に分類されたが、19検体は正しく分類されていた。
以上のとおり、実施例5−1A〜5−1Dのそれぞれの分類モデルを使用し解析して得られる分類ラベルの正答率を示したが、特に、実施例5−1Dの分類モデルを使用した場合に、11分子種のシトクロムP450を用いた解析で94.1%、8分子種のシトクロムP450を用いた解析で98%と非常に高い正答率であり、がん疾患と神経変性疾患の検体に対する分類判別精度は高く、安定的に高精度のバイオマーカーとして利用でき、また、がん疾患と神経変性疾患の疾病検査が可能であることがわかった。
下記表18は、第2の分類判別段階において、CYP2B6、CYP1A2、CYP2C19、CYP2C8、CYP3A4、CYP2C9、CYP3A5、CYP2E1、CYP1A1、CYP2A13、CYP2C18の11分子種について得られた蛍光パターンを用いて、4つの各分類モデルが分類した分類ラベルの正答率を示している(実施例5−2A〜5−2Dを参照)。
なお、分類モデル(ニューラルネットワーク)について、がん疾患の検体に対する第2の分類判別段階においては、11分子種からCYP1A1の1分子種を除外した10分子種について得られた蛍光パターンを用いて分類した分類ラベルの正答率を示している。
実施例5−2Dの分類モデル(ニューラルネットワーク)については、11分子種からCYP1A1の1分子種を除外した10分子種の場合には、90%を超える高い正答率であった。下記表19に、90%を超える正答率を出した判定結果を示す。がん疾患の21検体(肝臓がん9検体と大腸がん12検体)に対して、肝臓がん9検体は全て正しく分類されており、大腸がん12検体は、2検体が肝臓がんに分類されたが、10検体は正しく分類されていた。
以上のとおり、実施例5−2A〜5−2Dのそれぞれの分類モデルを使用し解析して得られる分類ラベルの正答率を示したが、特に、実施例5−2Dの分類モデルを使用した場合に、10分子種のシトクロムP450を用いた解析で90%を超える高い正答率であり、第1の分類判別段階でがん疾患に分類された検体を、第2の分類判別段階で肝臓がんと大腸がんに分類する分類判別精度は高く、安定的に高精度のバイオマーカーとして利用でき、また、肝臓がんと大腸がんの疾病検査が可能であることがわかった。
下記表20は、第2の分類判別段階において、CYP2B6、CYP1A2、CYP2C19、CYP2C8、CYP3A4、CYP2C9、CYP3A5、CYP2E1、CYP1A1、CYP2A13、CYP2C18の11分子種について得られた蛍光パターンを用いて、4つの各分類モデルが分類した分類ラベルの正答率を示している(実施例5−3A〜5−3Dを参照)。
なお、分類モデル(ニューラルネットワーク)について、神経変性疾患の検体に対する第2の分類判別段階においては、11分子種からCYP3A4、CYP2B6、CYP2C9、CYP3A5の4分子種を除外した7分子種について得られた蛍光パターンを用いて分類した分類ラベルの正答率を示している。
実施例5−3Dの分類モデル(ニューラルネットワーク)については、11分子種からCYP3A4、CYP2B6、CYP2C9、CYP3A5の4分子種を除外した7分子種の場合には、95%と非常に高い正答率であった。下記表21に、95%の正答率を出した判定結果を示す。神経変性疾患の20検体(アルツハイマー病10検体とパーキンソン病10検体)に対して、アルツハイマー病10検体は全て正しく分類されており、パーキンソン病10検体は、1検体がアルツハイマー病に分類されたが、9検体は正しく分類されていた。
以上のとおり、実施例5−3A〜5−3Dのそれぞれの分類モデルを使用し解析して得られる分類ラベルの正答率を示したが、実施例5−3Dの分類モデルを使用した場合に、7分子種のシトクロムP450を用いた解析で95%と高い正答率であり、第1の分類判別段階で神経変性疾患に分類された検体を、第2の分類判別段階でアルツハイマー病とパーキンソン病に分類する分類判別精度は高く、安定的に高精度のバイオマーカーとして利用でき、また、アルツハイマー病とパーキンソン病の疾病検査が可能であることがわかった。
大腸菌膜由来のシトクロムP450と上述の実施例で用いた市販品のシトクロムP450について、CYP3A5とCYP1A1の2つの酵素に対して、各種の血清を含む系の蛍光値を測定し、その蛍光阻害率とその標準偏差(SD)を比較した結果を表22に示す。また、表22の結果を図8に示す。
図8に示すとおり、異なる方法で調製されたシトクロムP450でも、同様の結果が得られることがわかる。この結果から、発明者らの自作シトクロムP450である大腸菌膜由来のシトクロムP450以外の市販品のシトクロムP450を用いても同様な結果が得られたことから、他の発現手法を用いて作製されたあらゆるシトクロムP450を用いた場合であっても、同様な酵素反応阻害率、ならびに酵素反応阻害パターンが得られることは自明である。
2 疾患検査装置
11 酵素反応阻害パターン取得部
12 特徴解析部
13 分類モデル
15 第1の分類判別部
16 第2の分類判別部
17 複数種のシトクロムP450各酵素反応阻害率
18 酵素反応阻害パターン
19 疾患の分類ラベル
151 第1の分類モデル
161 第2の分類モデル
Claims (17)
- 複数種のシトクロムP450により特異的に作用する基質の酵素反応阻害パターンを取得し、検体を含む系と、検体を含まない系との前記酵素反応阻害パターンの対比に基づく特徴解析を行うことにより、疾患のバイオマーカーを検出する方法であって、
各々の系の前記酵素反応阻害パターンは、同じ測定環境下で、シトクロムP450非存在下における測定値を基準とすることを特徴とするバイオマーカーの検出方法。 - 前記特徴解析において、
複数種の第1のシトクロムP450による前記酵素反応阻害パターンの対比に基づく特徴解析を行うことにより、がん疾患の検体と神経変性疾患の検体を分類する第1の分類判別ステップと、
第1の分類判別ステップによって分類したがん疾患と神経変性疾患の各検体に対して、複数種の第2のシトクロムP450による前記酵素反応阻害パターンの対比に基づく特徴解析を行うことにより、さらに詳細な疾患に分類する第2の分類判別ステップ、
を備えることを特徴とする請求項1に記載のバイオマーカーの検出方法。 - 前記第1の分類判別ステップにおいて、
前記特徴解析により、がん疾患の検体と、神経変性疾患の検体と、疾患に罹患していない検体を分類することを特徴とする請求項2に記載のバイオマーカーの検出方法。 - 前記特徴解析は、
疾患に罹患したラベル情報の付された検体を含む系と、疾患に罹患していないラベル情報の付された検体を含む系と、検体を含まない系とを用いて、前記測定値を基準とした前記酵素反応阻害パターンを取得し、取得した前記酵素反応阻害パターンの対比に基づくデータを教師データとして機械学習をさせ予め得た疾患の罹患を判別できる学習済み分類モデルによって、前記酵素反応阻害パターンの対比に基づく特徴解析を行うことを特徴とする請求項1〜3の何れかに記載のバイオマーカーの検出方法。 - 前記シトクロムP450は、CYP2B6、CYP1A2、CYP2C19、CYP2C8、CYP3A4、CYP2C9、CYP3A5、CYP2E1、CYP1A1、CYP2A13、CYP2C18、CYP1B1、CYP2J2、CYP51A1の14分子種を含むことを特徴とする請求項1〜4の何れかに記載のバイオマーカーの検出方法。
- 前記シトクロムP450は、前記14分子種から1乃至7の分子種が除外されたものであることを特徴とする請求項5に記載のバイオマーカーの検出方法。
- 前記基質が蛍光性基質であり、前記酵素反応阻害パターンが蛍光パターンであることを特徴とする請求項1〜6の何れかに記載のバイオマーカーの検出方法。
- 前記疾患は、炎症性疾患、がん疾患又は神経変性疾患であることを特徴とする請求項1〜7の何れかに記載のバイオマーカーの検出方法。
- 複数種のシトクロムP450により特異的に作用する基質の酵素反応阻害パターンを取得する酵素反応阻害パターン取得部と、
検体を含む系と、検体を含まない系との前記酵素反応阻害パターンの対比に基づく特徴解析を行う特徴解析部、
を備え、
前記酵素反応阻害パターン取得部における各々の系の前記酵素反応阻害パターンは、同じ測定環境下で、シトクロムP450非存在下における測定値を基準とすることを特徴とするバイオマーカーの検出装置。 - 前記特徴解析部は、
複数種の第1のシトクロムP450による前記酵素反応阻害パターンの対比に基づく特徴解析を行い、がん疾患と神経変性疾患の検体を分類する第1の分類判別部と、
第1の分類判別部によって分類したがん疾患と神経変性疾患の各検体に対して、複数種の第2のシトクロムP450による前記酵素反応阻害パターンの対比に基づく特徴解析を行い、さらに詳細な疾患に分類する第2の分類判別部、
を備える請求項9に記載のバイオマーカーの検出装置。 - 前記第1の分類判別部において、
前記特徴解析により、がん疾患の検体と、神経変性疾患の検体と、疾患に罹患していない検体を分類することを特徴とする請求項10に記載のバイオマーカーの検出装置。 - 前記特徴解析部は、
疾患に罹患したラベル情報の付された検体を含む系と、疾患に罹患していないラベル情報の付された検体を含む系と、検体を含まない系とを用いて、前記測定値を基準とした前記酵素反応阻害パターンを取得し、取得した前記酵素反応阻害パターンの対比に基づくデータを教師データとして機械学習をさせ予め得た疾患の罹患を判別できる学習済み分類モデルによって、前記酵素反応阻害パターンの対比に基づく特徴解析を行うことを特徴とする請求項9〜11の何れかに記載のバイオマーカーの検出装置。 - 前記基質が蛍光性基質であり、前記酵素反応阻害パターンが蛍光パターンであることを特徴とする請求項9〜12の何れかに記載のバイオマーカーの検出装置。
- 被験者から取得した検体に対して、複数種のシトクロムP450により特異的に作用する基質の酵素反応阻害パターンを取得する酵素反応阻害パターン取得部と、
検体を含む系と、検体を含まない系との前記酵素反応阻害パターンの対比に基づく特徴解析を行う特徴解析部、
を備え、
各々の系の前記酵素反応阻害パターンは、同じ測定環境下で、シトクロムP450非存在下における測定値を基準とし、
前記特徴解析部は、疾患に罹患したラベル情報の付された検体を含む系と、疾患に罹患していないラベル情報の付された検体を含む系と、検体を含まない系とを用いて、前記測定値を基準とした前記酵素反応阻害パターンを取得し、取得した前記酵素反応阻害パターンの対比に基づくデータを教師データとして機械学習をさせ予め得た疾患の罹患を判別できる学習済み分類モデルによって、前記酵素反応阻害パターンの対比に基づく特徴解析を行い疾患の分類ラベルを出力することを特徴とする疾患検査装置。 - 前記特徴解析部は、
複数種の第1のシトクロムP450による前記酵素反応阻害パターンの対比に基づく特徴解析を行い、がん疾患と神経変性疾患の検体を分類する第1の分類判別部と、
第1の分類判別部によって分類したがん疾患と神経変性疾患の各検体に対して、複数種の第2のシトクロムP450による前記酵素反応阻害パターンの対比に基づく特徴解析を行い、さらに詳細な疾患に分類する第2の分類判別部、
を備える請求項14に記載の疾患検査装置。 - 前記第1の分類判別部において、
前記特徴解析により、がん疾患の検体と、神経変性疾患の検体と、疾患に罹患していない検体を分類することを特徴とする請求項15に記載の疾患検査装置。 - 前記基質が蛍光性基質であり、前記酵素反応阻害パターンが蛍光パターンであることを特徴とする請求項14〜16の何れかに記載の疾患検査装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020065362A JP2021159012A (ja) | 2020-03-31 | 2020-03-31 | 疾患のバイオマーカーの検出方法、検出装置および疾患検査装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020065362A JP2021159012A (ja) | 2020-03-31 | 2020-03-31 | 疾患のバイオマーカーの検出方法、検出装置および疾患検査装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021159012A true JP2021159012A (ja) | 2021-10-11 |
Family
ID=78001542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020065362A Pending JP2021159012A (ja) | 2020-03-31 | 2020-03-31 | 疾患のバイオマーカーの検出方法、検出装置および疾患検査装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021159012A (ja) |
-
2020
- 2020-03-31 JP JP2020065362A patent/JP2021159012A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yousefi et al. | DNA methylation-based predictors of health: applications and statistical considerations | |
Rye et al. | Intratumor heterogeneity defines treatment‐resistant HER 2+ breast tumors | |
Ou et al. | Biomarker discovery and validation: statistical considerations | |
Zhang et al. | Self-reported smoking, serum cotinine, and blood DNA methylation | |
Suomalainen | Biomarkers for mitochondrial respiratory chain disorders | |
Kader et al. | Potential impact of adding genetic markers to clinical parameters in predicting prostate biopsy outcomes in men following an initial negative biopsy: findings from the REDUCE trial | |
Huttanus et al. | Raman chemometric urinalysis (Rametrix) as a screen for bladder cancer | |
RU2720148C2 (ru) | Способ обнаружения солидной злокачественной опухоли | |
JP2018525703A (ja) | バイオマーカー測定の妥当性確認 | |
JP2020020791A (ja) | 情報処理装置、情報処理方法、情報処理システム、およびプログラム | |
Ahmad et al. | Ethnicity and skin autofluorescence-based risk-engines for cardiovascular disease and diabetes mellitus | |
van Geffen et al. | The electronic nose: emerging biomarkers in lung cancer diagnostics | |
Apple | High-sensitivity cardiac troponin assays: what analytical and clinical issues need to be addressed before introduction into clinical practice? | |
Wang et al. | Large-scale mass spectrometry data combined with demographics analysis rapidly predicts methicillin resistance in Staphylococcus aureus | |
Yang et al. | Platform-independent approach for cancer detection from gene expression profiles of peripheral blood cells | |
Zhu et al. | Atomic force microscopy–based assessment of multimechanical cellular properties for classification of graded bladder cancer cells and cancer early diagnosis using machine learning analysis | |
KR20150099726A (ko) | 네트워크 엔트로피에 기초하는 생체의 상태 천이의 예조의 검출을 지원하는 검출 장치, 검출 방법 및 검출 프로그램 | |
Ruiz et al. | Novel non-invasive quantification and imaging of eumelanin and DHICA subunit in skin lesions by Raman spectroscopy and MCR algorithm: Improving dysplastic nevi diagnosis | |
Drago et al. | A novel expressed prostatic secretion (EPS)-urine metabolomic signature for the diagnosis of clinically significant prostate cancer | |
Aus et al. | Cumulative prostate cancer risk assessment with the aid of the free-to-total prostate specific antigen ratio | |
Udy et al. | Point of care measurement of plasma creatinine in critically ill patients with acute kidney injury | |
Wu et al. | Novel mutations detection with next-generation sequencing and its association with clinical outcome in unilateral primary aldosteronism | |
Chen et al. | OMICmAge: An integrative multi-omics approach to quantify biological age with electronic medical records | |
Iftimie et al. | Serum paraoxonase-1 concentration as a potential predictor of urinary bladder cancer recurrence. A five year follow-up study | |
Kayvanpour et al. | microRNA neural networks improve diagnosis of acute coronary syndrome (ACS) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230216 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240202 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240401 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240514 |