JP2021175395A - 月経前症候群の重症度検出方法 - Google Patents

月経前症候群の重症度検出方法 Download PDF

Info

Publication number
JP2021175395A
JP2021175395A JP2021073081A JP2021073081A JP2021175395A JP 2021175395 A JP2021175395 A JP 2021175395A JP 2021073081 A JP2021073081 A JP 2021073081A JP 2021073081 A JP2021073081 A JP 2021073081A JP 2021175395 A JP2021175395 A JP 2021175395A
Authority
JP
Japan
Prior art keywords
pms
gene
severity
genes
expression level
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
Application number
JP2021073081A
Other languages
English (en)
Inventor
夏海 長森
Natsumi Nagamori
高良 井上
Takayoshi Inoue
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.)
Kao Corp
Original Assignee
Kao Corp
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 Kao Corp filed Critical Kao Corp
Publication of JP2021175395A publication Critical patent/JP2021175395A/ja
Pending legal-status Critical Current

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6869—Methods for sequencing
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/112—Disease subtyping, staging or classification
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/16—Primer sets for multiplex assays

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Wood Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Zoology (AREA)
  • Genetics & Genomics (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Microbiology (AREA)
  • Molecular Biology (AREA)
  • Biotechnology (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

【課題】簡便且つ被験者への負担の少ない月経前症候群の重症度の検出方法の提供。【解決手段】月経前症候群の重症度の検出を可能にするマーカー。該マーカーを用いた被験体の月経前症候群の重症度の検出方法。【選択図】なし

Description

本発明は、月経前症候群の重症度を検出する方法に関する。
女性の月経前及び／又は月経中の身体的及び精神的不快は、月経随伴症状と呼ばれ、月経前症候群（Ｐｒｅｍｅｎｓｔｒｕａｌ Ｓｙｎｄｒｏｍｅ；以下、ＰＭＳという）、及び月経困難症に代表される。ＰＭＳは女性の労働生産性にも関係することが指摘されていることから、ＰＭＳや月経困難症に代表される月経随伴症状を緩和又は軽減し、女性のＱＯＬ（Ｑｕａｌｉｔｙ ｏｆ Ｌｉｆｅ）を向上させることは、保健的だけでなく、社会的にも重要である。
生体試料中のＤＮＡやＲＮＡ等の核酸の解析によりヒトの生体内の現在、さらには将来の生理状態を調べる技術が開発されている。核酸を用いた解析は、網羅的な解析方法が確立されており一度の解析で豊富な情報を得られること、及び一塩基多形やＲＮＡ機能などに関する多くの研究報告に基づいて解析結果の機能的な紐付けが容易であることといった利点を有する。生体由来の核酸は、血液等の組織、体液、分泌物などから抽出することができる。特許文献１には、皮膚表上脂質（ｓｋｉｎ ｓｕｒｆａｃｅ ｌｉｐｉｄｓ；ＳＳＬ）に含まれるＲＮＡを生体の解析用の試料として用いること、ＳＳＬから表皮、汗腺、毛包及び皮脂腺のマーカー遺伝子が検出されたことが記載されている。
女性ホルモンであるエストロゲン又はプロゲステロンの産生に伴って発現が変化する遺伝子が存在する。例えばこれまでに、ＡＱＰ３（aquaporin 3）、ＨＩＦ−１α（hypoxia inducible factor 1 subunit α）、ＭＦＮ２（mitofusin 2）、ＤＥＦＢ４Ａ（defensin beta 4A、又はhBD-2）、ｈＢＤ−３などが報告されている（非特許文献１〜３、特許文献２）。
国際公開公報第２０１８／００８３１９号 特開２０１５−２２８８２９号公報
Hum Reprod, 2018, 33(11):2060-2073 Biol Reprod, 2018, 99(2):308-318 Mol Cell Endocrinol, 2013, 371:79-86
本発明は、ＰＭＳの重症度の検出を可能にするＰＭＳ重症度マーカー、及び該マーカー用いたＰＭＳの重症度の検出方法に関する。
すなわち、本発明は、下記に示す遺伝子：SH3BGRL3、NDUFA11、PSME2、SNORA24、SSR4、ZNF91、SNORA70、HSPA6、ALDH2、BRK1、C20orf111、CSNK1A1、STK10、GHITM、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、RABGEF1、ARF1、ACTN1、CHMP2A、GAK、STX3、SERP1及びGAS7、ならびに該遺伝子の翻訳産物からなる群より選択される少なくとも１つの発現を測定することを含む、被験体のＰＭＳの重症度を検出する方法を提供する。
また本発明は、下記遺伝子に由来する核酸：SH3BGRL3、NDUFA11、PSME2、SNORA24、SSR4、ZNF91、SNORA70、HSPA6、ALDH2、BRK1、C20orf111、CSNK1A1、STK10、GHITM、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、RABGEF1、ARF1、ACTN1、CHMP2A、GAK、STX3、SERP1及びGAS7、ならびに該遺伝子の翻訳産物からなる群より選択される少なくとも１つを含む、ＰＭＳの重症度のマーカーを提供する。
本発明は、新規なマーカーを含むＰＭＳ重症度マーカーを用いてＰＭＳの重症度を検出する方法を提供する。本発明で使用するＰＭＳ重症度マーカーは、皮膚表上脂質（ＳＳＬ）から収集可能であるため、簡便且つ非侵襲的に取得することができる。したがって本発明によれば、被験者に負担をかけずにＰＭＳの重症度を検出することが可能である。
本明細書中で引用された全ての特許文献、非特許文献、及びその他の刊行物は、その全体が本明細書中において参考として援用される。
月経前症候群（Ｐｒｅｍｅｎｓｔｒｕａｌ Ｓｙｎｄｒｏｍｅ；ＰＭＳ）は、１９３１年にＦｒａｎｋ（Archives of Neurology and Psychiatry, 1931, 26:1053）により初めて報告された、月経の１週間程前（黄体期）に発症する身体的症状群又は精神的症状群である。医学的には、ＰＭＳは、「月経開始の３〜１０日前から始まる身体的、精神的症状で月経開始とともに減退ないし消失するもの」と定義される。ＰＭＳの代表的な症状は、身体的症状群としては、下腹痛、腰痛、下腹部が張る、頭痛、肩こり、手足の冷え、食欲が増す、下痢、便秘、むくみ、乳房が痛い、乳房が張る、ニキビができやすい、肌荒れ、疲れやすい、眠くなる、等が挙げられ、精神的症状群としては、イライラする、怒りやすい、攻撃的になる、憂うつ、涙もろい、不安が高まる、等が挙げられる。
本明細書において、ＰＭＳが重症であるとは、上記ＰＭＳの身体的症状又は精神的症状が重度である状態をいい、ＰＭＳが軽症であるとは、上記ＰＭＳの身体的症状又は精神的症状が軽度である状態をいう。従来、ＰＭＳ等の月経随伴症状の重症度は、例えばＭｅｎｓｔｒｕａｌ Ｄｉｓｔｒｅｓｓ Ｑｕｅｓｔｉｏｎｎａｉｒｅ（ＭＤＱ）のアンケートのスコアに基づいて評価されていた。黄体期におけるＭＤＱスコアが高いほど、ＰＭＳの重症度は高いと評価される。例えば、心理測定尺度集III（サイエンス社、２００１発行）に記載されたＭＤＱに従って、黄体期のＭＤＱスコアが６６点以上である場合をＰＭＳが重症であると評価し、４８点以下である場合をＰＭＳが軽症であると評価することができる。
本発明は、従来は上記のような黄体期における被験者の問診に基づいて評価しなければならなかったＰＭＳの重症度を、遺伝子又はその翻訳産物の発現に基づいてより簡易かつ客観的に検出することを可能にする。また本発明は、ＰＭＳが起こる黄体期に先立つ卵胞期における遺伝子又はその翻訳産物の発現に基づいてＰＭＳの重症度を事前に検出することを可能にする。
一態様において、本発明は、ＰＭＳ重症度マーカーを提供する。後述の実施例に示されるとおり、本発明者は、下記表１に示す５１種の遺伝子の発現が、ＰＭＳの重症度との間に関連性を有することを見出した。さらに、これら５１種のうち表２に示した４０種の遺伝子は、従来ＰＭＳとの関連性が報告されていない遺伝子であった。したがって、表１に示す遺伝子に由来する核酸、及び該遺伝子の翻訳産物は、各々、ＰＭＳの重症度のマーカーとして使用することができる。また、表２に示す遺伝子に由来する核酸、及び該遺伝子の翻訳産物は、新規のＰＭＳ重症度マーカーである。
Figure 2021175395
Figure 2021175395
本明細書中に開示される遺伝子の名称は、ＮＣＢＩ（[www.ncbi.nlm.nih.gov/]）に記載のあるＯｆｆｉｃｉａｌ Ｓｙｍｂｏｌに従う。本明細書において、「遺伝子に由来する核酸」は、該遺伝子から転写されたｍＲＮＡ、該ｍＲＮＡから調製されたｃＤＮＡ、該ｃＤＮＡからの反応産物（例えばＰＣＲ産物、クローンＤＮＡ等）、などを包含する。
本発明においては、表１に示す各遺伝子又はその翻訳産物の発現量に基づいて被験体のＰＭＳの重症度の検出が可能である。本発明において、表１に示す遺伝子又はその翻訳産物の発現量は、該遺伝子に由来する核酸又は該遺伝子の翻訳産物を定量することで測定することができる。例えば、該遺伝子から転写されたｍＲＮＡ、該ｍＲＮＡから調製されたｃＤＮＡ、該ｃＤＮＡからの反応産物、又は該ｍＲＮＡが翻訳されて合成される翻訳産物（タンパク質等）を定量することで、該遺伝子又はその翻訳産物の発現量を測定することができる。
表１に示す遺伝子に由来する核酸又は該遺伝子の翻訳産物は、被験体から採取した生体試料、例えば細胞、体液、分泌物等から常法に従って調製することができる。好ましくは、該核酸は、被験体の皮膚表上脂質（ｓｋｉｎ ｓｕｒｆａｃｅ ｌｉｐｉｄｓ；ＳＳＬ）から調製されるｍＲＮＡである。また好ましくは、該翻訳産物は、被験体のＳＳＬから調製される翻訳産物である。
本発明において、月経前症候群の重症度の「検出」とは、予測、検査、測定、判定又は評価支援などの用語で言い換えることもできる。なお、本発明における月経前症候群の重症度の「検出」、「予測」、「検査」、「測定」、「判定」又は「評価」という用語は、医師による月経前症候群の重症度の診断を含むものではない。
本明細書において、「皮膚表上脂質（ＳＳＬ）」とは、皮膚の表上に存在する脂溶性画分をいい、皮脂と呼ばれることもある。一般に、ＳＳＬは、皮膚にある皮脂腺等の外分泌腺から分泌された分泌物を主に含み、皮膚表面を覆う薄い層の形で皮膚表上に存在している。ＳＳＬは、皮膚細胞で発現したＲＮＡを含む（特許文献１参照）。また本明細書において、「皮膚」とは、特に限定しない限り、体表の表皮、真皮、毛包、ならびに汗腺、皮脂腺及びその他の腺などの組織を含む領域の総称である。
被験体の皮膚からのＳＳＬの採取には、皮膚からのＳＳＬの回収又は除去に用いられているあらゆる手段を採用することができる。好ましくは、後述するＳＳＬ吸収性素材、ＳＳＬ接着性素材、又は皮膚からＳＳＬをこすり落とす器具を使用することができる。ＳＳＬ吸収性素材又はＳＳＬ接着性素材としては、ＳＳＬに親和性を有する素材であれば特に限定されず、例えばポリプロピレン、パルプ等が挙げられる。皮膚からのＳＳＬの採取手順のより詳細な例としては、あぶら取り紙、あぶら取りフィルム等のシート状素材へＳＳＬを吸収させる方法、ガラス板、テープ等へＳＳＬを接着させる方法、スパーテル、スクレイパー等によりＳＳＬをこすり落として回収する方法、などが挙げられる。ＳＳＬの吸着性を向上させるため、脂溶性の高い溶媒を予め含ませたＳＳＬ吸収性素材を用いてもよい。一方、ＳＳＬ吸収性素材は、水溶性の高い溶媒や水分を含んでいるとＳＳＬの吸着が阻害されるため、水溶性の高い溶媒や水分の含有量が少ないことが好ましい。ＳＳＬ吸収性素材は、乾燥した状態で用いることが好ましい。ＳＳＬが採取される皮膚の部位としては、特に限定されず、頭、顔、首、体幹、手足等の身体の任意の部位の皮膚が挙げられ、皮脂の分泌が多い部位、例えば顔の皮膚が好ましい。
被験体から採取されたＳＳＬは一定期間保存されてもよい。採取されたＳＳＬは、含有するＲＮＡの分解を極力抑えるために、採取後できるだけ速やかに低温条件で保存することが好ましい。本発明における該ＲＮＡ含有ＳＳＬの保存の温度条件は、０℃以下であればよく、好ましくは−２０±２０℃〜−８０±２０℃、より好ましくは−２０±１０℃〜−８０±１０℃、さらに好ましくは−２０±２０℃〜−４０±２０℃、さらに好ましくは−２０±１０℃〜−４０±１０℃、さらに好ましくは−２０±１０℃、さらに好ましくは−２０±５℃である。該ＲＮＡ含有ＳＳＬの該低温条件での保存の期間は、特に限定されないが、好ましくは１２か月以下、例えば６時間以上１２ヶ月以下、より好ましくは６ヶ月以下、例えば１日間以上６ヶ月以下、さらに好ましくは３ヶ月以下、例えば３日間以上３ヶ月以下である。
採取したＳＳＬからのＲＮＡの抽出には、生体試料からのＲＮＡの抽出又は精製に通常使用される方法、例えば、フェノール/クロロホルム法、ＡＧＰＣ（ａｃｉｄ ｇｕａｎｉｄｉｎｉｕｍ ｔｈｉｏｃｙａｎａｔｅ−ｐｈｅｎｏｌ−ｃｈｌｏｒｏｆｏｒｍ ｅｘｔｒａｃｔｉｏｎ）法、又はＴＲＩｚｏｌ（登録商標）、ＲＮｅａｓｙ（登録商標）、ＱＩＡｚｏｌ（登録商標）などのカラムを用いた方法、シリカをコーティングした特殊な磁性体粒子を用いる方法、Ｓｏｌｉｄ Ｐｈａｓｅ Ｒｅｖｅｒｓｉｂｌｅ Ｉｍｍｏｂｉｌｉｚａｔｉｏｎ磁性体粒子を用いる方法、ＩＳＯＧＥＮ等の市販のＲＮＡ抽出試薬による抽出などを用いることができる。また、ＳＳＬからの翻訳産物の抽出には、生体試料からのタンパク質の抽出又は精製に通常使用される方法、例えば、ＱＩＡｚｏｌ Ｌｙｓｉｓ Ｒｅａｇｅｎｔ（Ｑｉａｇｅｎ）等の市販のタンパク質抽出試薬を用いることができる。
以上の手順で調製された核酸又は翻訳産物を用いて表１に示す１つ以上の遺伝子又はその翻訳産物の発現を調べることで、被験体のＰＭＳの重症度を検出することができる。したがって、別の一態様において、本発明は、表１に示す遺伝子又はその翻訳産物からなる群より選択される少なくとも１つの発現を測定することを含む、被験体のＰＭＳの重症度を検出する方法を提供する。
本発明によるＰＭＳの重症度を検出する方法（以下、本発明の方法）における被験体は、例えばヒト又は非ヒト哺乳動物の雌性であって、ＰＭＳの重症度の検出を必要とする者であればよい。好ましくは、該被験体は、皮膚上にＳＳＬを有する動物であり、より好ましくはヒトである。
一実施形態において、本発明の方法は、被験体における表１に示す遺伝子からなる群より選択される少なくとも１つの遺伝子（以下、標的遺伝子（群）ともいう）の発現を測定することを含む。別の一実施形態において、本発明の方法は、被験体における表１に示す遺伝子の翻訳産物からなる群より選択される少なくとも１つ（以下、標的産物（群）ともいう）の発現を測定することを含む。あるいは、標的遺伝子（群）の発現と標的産物（群）の発現の両方が測定されてもよい。好ましくは、標的遺伝子（群）の発現が測定される。
表１に示す遺伝子のなかでも、表２に示すものは、従来ＰＭＳとの関連性が報告されていない遺伝子である。したがって、本発明の方法の好ましい実施形態において、該標的遺伝子（群）は、表２に示す遺伝子からなる群より選択される少なくとも１つであり、該標的産物（群）は、表２に示す遺伝子の翻訳産物からなる群より選択される少なくとも１つである。さらに、本発明の方法においては、表２に示す遺伝子又はその翻訳産物からなる群より選択される少なくとも１つと、他の遺伝子（すなわち、表１に記載のCTNNB1、AQP3、ANXA1、ARHGDIB、DEFB4A、BIRC3、S100A7、SFN、HMGN2、HIF1A、及びMFN2）又はそれらの翻訳産物からなる群より選択される少なくとも１つとの組み合わせが標的遺伝子群又は標的産物群として用いられ、それらの発現が測定されてもよい。
好ましくは、本発明の方法における該標的遺伝子（群）又は標的産物（群）の発現の測定は、被験体のＳＳＬに含まれるＲＮＡ又は翻訳産物を用いて行われる。一実施形態において、本発明の方法は、被験体のＳＳＬを採取することをさらに含んでいてもよい。一実施形態において、本発明の方法は、該被験体から採取したＳＳＬからＲＮＡ又は翻訳産物を抽出することをさらに含んでいてもよい。
被験体由来の試料、例えばＳＳＬから抽出されたＲＮＡに含まれる標的遺伝子由来のＲＮＡの量を定量することで、標的遺伝子の発現量を測定することができる。被験体由来ＲＮＡの量の測定は、当該分野で通常用いられるＲＮＡを用いた遺伝子発現解析の手順に従って実施すればよい。ＲＮＡを用いた遺伝子発現解析の手法の例としては、ＲＮＡを逆転写によりｃＤＮＡに変換した後、リアルタイムＰＣＲ、マルチプレックスＰＣＲ、マイクロアレイ、シーケンシング、クロマトグラフィーなどにより該ｃＤＮＡ又はその増幅産物を定量する方法が挙げられる。翻訳産物の発現量は、当該分野で通常用いられるタンパク質定量法、例えばＥＬＩＳＡ、免疫染色、蛍光法、電気泳動、クロマトグラフィー、質量分析などを用いて測定することができる。測定される発現量は、生体試料における標的遺伝子（群）又は標的産物（群）の発現の絶対量であってもよく、又は、他の標準物質や、遺伝子又は翻訳産物の総発現量に対する相対発現量であってもよい。
好ましい実施形態において、本発明の方法では、該被験体由来ＲＮＡを逆転写によりｃＤＮＡに変換し、次いで該ｃＤＮＡをＰＣＲにかけ、得られた反応産物を精製する。該逆転写には、解析したい特定のＲＮＡを標的としたプライマーを用いてもよいが、より包括的な核酸の保存及び解析のためにはランダムプライマーを用いることが好ましい。該逆転写には、一般的な逆転写酵素又は逆転写試薬キットを使用することができる。好適には、正確性及び効率性の高い逆転写酵素又は逆転写試薬キットが用いられ、その例としては、Ｍ−ＭＬＶ Ｒｅｖｅｒｓｅ Ｔｒａｎｓｃｒｉｐｔａｓｅ及びその改変体、あるいは市販の逆転写酵素又は逆転写試薬キット、例えばＰｒｉｍｅＳｃｒｉｐｔ（登録商標）Ｒｅｖｅｒｓｅ Ｔｒａｎｓｃｒｉｐｔａｓｅシリーズ（タカラバイオ社）、ＳｕｐｅｒＳｃｒｉｐｔ（登録商標）Ｒｅｖｅｒｓｅ Ｔｒａｎｓｃｒｉｐｔａｓｅシリーズ（Ｔｈｅｒｍｏ Ｓｃｉｅｎｔｉｆｉｃ社）等が挙げられる。ＳｕｐｅｒＳｃｒｉｐｔ（登録商標）III Ｒｅｖｅｒｓｅ Ｔｒａｎｓｃｒｉｐｔａｓｅ、ＳｕｐｅｒＳｃｒｉｐｔ（登録商標）ＶＩＬＯ ｃＤＮＡ Ｓｙｎｔｈｅｓｉｓ ｋｉｔ（いずれもＴｈｅｒｍｏ Ｓｃｉｅｎｔｉｆｉｃ社）などが好ましく用いられる。得られたｃＤＮＡのＰＣＲでは、解析したい特定のＤＮＡを標的としたプライマーペアを用いて該特定のＤＮＡのみを増幅してもよいが、複数のプライマーペアを用いて複数のＤＮＡを増幅してもよい。好ましくは、該ＰＣＲはマルチプレックスＰＣＲである。マルチプレックスＰＣＲは、ＰＣＲ反応系に複数のプライマー対を同時に使用することで、複数の遺伝子領域を同時に増幅する方法である。マルチプレックスＰＣＲは、市販のキット（例えば、Ｉｏｎ ＡｍｐｌｉＳｅｑＴｒａｎｓｃｒｉｐｔｏｍｅ Ｈｕｍａｎ Ｇｅｎｅ Ｅｘｐｒｅｓｓｉｏｎ Ｋｉｔ；ライフテクノロジーズジャパン株式会社等）を用いて実施することができる。
当該逆転写及びＰＣＲの反応条件を調整することで、ＰＣＲ反応産物の収率がより向上し、ひいてはそれを用いた解析の精度がより向上する。好適には、該逆転写での伸長反応において、温度を好ましくは４２℃±１℃、より好ましくは４２℃±０．５℃、さらに好ましくは４２℃±０．２５℃に調整し、一方、反応時間を好ましくは６０分間以上、より好ましくは８０〜１２０分間に調整する。また好適には、該ＰＣＲにおけるアニーリング及び伸長反応の温度は、使用するプライマーに依存して適宜調整され得るが、例えば上記のマルチプレックスＰＣＲキットを用いる場合、好ましくは６２℃±１℃、より好ましくは６２℃±０．５℃、さらに好ましくは６２℃±０．２５℃である。したがって、該ＰＣＲでは、好ましくはアニーリング及び伸長反応が１ステップで行われる。該アニーリング及び伸長反応のステップの時間は、増幅すべきＤＮＡのサイズ等に依存して調整され得るが、好ましくは１４〜１８分間である。該ＰＣＲにおける変性反応の条件は、増幅すべきＤＮＡに依存して調整され得るが、好ましくは９５〜９９℃で１０〜６０秒間である。上記のような温度及び時間での逆転写及びＰＣＲは、一般的にＰＣＲに使用されるサーマルサイクラーを用いて実行することができる。
当該ＰＣＲで得られた反応産物の精製は、反応産物のサイズ分離によって行われることが好ましい。サイズ分離により、目的のＰＣＲ反応産物を、ＰＣＲ反応液中に含まれるプライマーやその他の不純物から分離することができる。ＤＮＡのサイズ分離は、例えば、サイズ分離カラムや、サイズ分離チップ、サイズ分離に利用可能な磁気ビーズなどによって行うことができる。サイズ分離に利用可能な磁気ビーズの好ましい例としては、Ａｍｐｕｒｅ ＸＰ等のＳｏｌｉｄ Ｐｈａｓｅ Ｒｅｖｅｒｓｉｂｌｅ Ｉｍｍｏｂｉｌｉｚａｔｉｏｎ（ＳＰＲＩ）磁性ビーズが挙げられる。
精製したＰＣＲ反応産物に対して、その後の定量解析を行うために必要なさらなる処理を施してもよい。例えば、ＤＮＡのシーケンシングのために、精製したＰＣＲ反応産物を、適切なバッファー溶液へと調製したり、ＰＣＲ増幅されたＤＮＡに含まれるＰＣＲプライマー領域を切断したり、増幅されたＤＮＡにアダプター配列をさらに付加したりしてもよい。例えば、精製したＰＣＲ反応産物をバッファー溶液へと調製し、増幅ＤＮＡに対してＰＣＲプライマー配列の除去及びアダプターライゲーションを行い、得られた反応産物を、必要に応じて増幅して、定量解析のためのライブラリーを調製することができる。これらの操作は、例えば、ＳｕｐｅｒＳｃｒｉｐｔ（登録商標）ＶＩＬＯ ｃＤＮＡ Ｓｙｎｔｈｅｓｉｓ ｋｉｔ（ライフテクノロジーズジャパン株式会社）に付属している５×ＶＩＬＯ ＲＴ Ｒｅａｃｔｉｏｎ Ｍｉｘ、及びＩｏｎ ＡｍｐｌｉＳｅｑ Ｔｒａｎｓｃｒｉｐｔｏｍｅ Ｈｕｍａｎ Ｇｅｎｅ Ｅｘｐｒｅｓｓｉｏｎ Ｋｉｔ（ライフテクノロジーズジャパン株式会社）に付属している５×Ｉｏｎ ＡｍｐｌｉＳｅｑ ＨｉＦｉ Ｍｉｘ、及びＩｏｎ ＡｍｐｌｉＳｅｑ Ｔｒａｎｓｃｒｉｐｔｏｍｅ Ｈｕｍａｎ Ｇｅｎｅ Ｅｘｐｒｅｓｓｉｏｎ Ｃｏｒｅ Ｐａｎｅｌを用いて、各キット付属のプロトコルに従って行うことができる。シーケンシングには、好ましくは次世代シーケンサー（例えばＩｏｎ Ｓ５／ＸＬシステム、ライフテクノロジーズジャパン株式会社）が用いられる。シーケンシングで作成されたリードの数（リードカウント）に基づいて、ＲＮＡ発現を定量することができる。
好ましくは、本発明の方法では、該標的遺伝子（群）又は該標的産物（群）の発現量に基づいて、被験体のＰＭＳの重症度を検出する。例えば、表１に示す遺伝子は、ＰＭＳの重症度に伴うその発現量の変動のパターンによって表３及び表４に示す２つの群に分けることができる。これらの変動のパターンを利用して被験体のＰＭＳの重症度を検出することができる。
表３に示す遺伝子は、ＰＭＳが重症のときに発現が増加し、ＰＭＳが軽症のときに発現が低下する遺伝子である。一方、表４に示す遺伝子は、ＰＭＳが重症のときに発現が低下し、ＰＭＳが軽症のときに発現が増加する遺伝子である。表３及び表４に示す遺伝子又はその翻訳産物のいずれか１つ以上についての発現量を基準にすることで、被験体のＰＭＳの重症度（例えば重症か否か）を検出することができる。表３及び表４に示す遺伝子のうち、下線で示した、それぞれ２２種及び１８種の遺伝子は、従来ＰＭＳとの関連性が報告されていない遺伝子（表２に示す遺伝子）である。
Figure 2021175395
Figure 2021175395
本発明の方法の一実施形態においては、個々の標的遺伝子（群）又は標的産物（群）の発現量を直接、ＰＭＳの重症度を検出するためのパラメーターとして用いる。例えば、月経周期の特定の時期（例えば卵胞期又は黄体期、以下同じ）における被験体の標的遺伝子又は標的産物の発現量を定期的に（例えば毎月）測定し、その発現量の変動を追跡することで、該被験体のＰＭＳの重症度を検出することができる。あるいは、月経周期の特定の時期において被験体から測定された標的遺伝子又は標的産物の発現量を、月経周期の同じ時期についての該標的遺伝子又は標的産物の基準発現量と比べることで、該被験体のＰＭＳの重症度を検出することができる。標的遺伝子又は標的産物の基準発現量には、予め決定した値、例えば、該標的遺伝子又は標的産物の月経周期の特定の時期での発現量の統計値（例えば平均発現量）を用いることができる。該基準発現量は、被験体ごとに設定されてもよい。例えば、同じ被験体から複数回測定した月経周期の特定の時期における標的遺伝子又は標的産物の発現量の統計値（例えば平均値など）から算出してもよい。あるいは、該基準発現量は、集団から測定した月経周期の特定の時期における標的遺伝子又は標的産物の発現量の統計値（例えば平均値など）であってもよい。標的遺伝子群又は標的産物群として複数の遺伝子又は翻訳産物を用いる場合は、該遺伝子又は翻訳産物の各々について基準発現量を求めることが好ましい。
例えば、標的遺伝子又は標的産物が表３に示す遺伝子又はその翻訳産物の場合、その発現量が基準発現量よりも高い場合、被験体のＰＭＳは重症と検出され得、その発現量が基準発現量よりも低い場合、被験体のＰＭＳは重症ではない（又は軽症）と検出され得る。一方、標的遺伝子又は標的産物が表４に示す遺伝子又はその翻訳産物の場合、その発現量が基準発現量よりも低い場合、被験体のＰＭＳは重症と検出され得、その発現量が基準発現量よりも高い場合、被験体のＰＭＳは重症ではない（又は軽症）と検出され得る。
あるいは、表３〜４に示す遺伝子又はその翻訳産物を２つ以上組み合わせて標的遺伝子又は標的産物として用いてもよい。複数の遺伝子又は翻訳産物を用いる場合には、一定割合、例えば５０％以上、好ましくは７０％以上、より好ましくは９０％以上、さらに好ましくは１００％の遺伝子又は翻訳産物が上述した発現量の基準を満たすか否かに基づいて、被験体のＰＭＳの重症度を検出することができる。例えば、表３から選択した標的遺伝子群又は標的産物群の５０％以上の発現量が基準発現量よりも高い場合、被験体のＰＭＳは重症と検出され得る。あるいは、表４から選択した標的遺伝子群又は標的産物群の５０％以上の発現量が基準発現量よりも低い場合、被験体のＰＭＳは重症と検出され得る。あるいは、表３から選択した標的遺伝子群又は標的産物群の５０％以上の発現量が基準発現量よりも高く、かつ表４から選択した標的遺伝子群又は標的産物群の５０％以上の発現量が基準発現量よりも低い場合、被験体のＰＭＳは重症と検出され得る。但し、本発明の方法における標的遺伝子群又は標的産物群の組み合わせは、上記の例に限定されない。
別の一実施形態においては、標的遺伝子（群）又は標的産物（群）の発現データを用いて構築した予測モデルに基づいて、被験体のＰＭＳの重症度を検出する。発現データとしては、月経周期の特定の時期（例えば卵胞期又は黄体期）における標的遺伝子（群）又は標的産物（群）の発現量についてのデータを用いることができる。例えば、１つ以上の標的遺伝子（群）又は標的産物（群）の各々についての発現データを説明変数とし、ＰＭＳの重症度（例えば、重症か軽症か）を目的変数とした機械学習により、ＰＭＳの重症度を検出するための最適な予測モデルを構築することができる。例えば、表１又は表２に示す遺伝子又はその翻訳産物の中からＰＭＳ重症度における重症群と軽症群のとの間で発現差のより大きいものを複数選択し、それらの発現データの各々を説明変数として用いることができる。
あるいは、予測モデルの構築に複数の遺伝子又は翻訳産物の発現データを使用する場合、必要に応じて、次元削減によってデータを圧縮してから予測モデルの構築を行ってもよい。例えば、表１又は表２に示す遺伝子から複数の遺伝子を選択し、それらの遺伝子又はその翻訳産物を標的遺伝子群又は標的産物群として抽出する。次いで、該抽出した標的遺伝子群又は標的産物群の発現量について主成分分析を実施する。該主成分分析で算出された１つ以上の主成分を説明変数とし、ＰＭＳの重症度（例えば、重症か軽症か）を目的変数とした機械学習により、ＰＭＳの重症度を検出するための最適な予測モデルを構築することができる。
予測モデルの構築に用いる標的遺伝子（群）又は標的産物（群）は、表１に示す遺伝子又はその翻訳産物のなかでＰＭＳの重症度における重症群と軽症群との間での発現差がより大きいものから１種以上を選択するのが好ましい。例えば、従来ＰＭＳとの関連性が報告されていない、表２に示す４０遺伝子から選択される１つ以上の遺伝子又はその翻訳産物が、予測モデルの構築に用いられる好ましい標的遺伝子（群）又は標的産物（群）として挙げられる。主成分分析に用いる標的遺伝子（群）又は標的産物（群）も同様である。
一実施形態においては、表２に示す遺伝子の中から、黄体期においてＰＭＳ重症群と軽症群との間での発現差がより大きい遺伝子（例えば、表２のＮｏ．１〜２０の遺伝子）から５〜２０個程度、好ましくは５〜１５個程度の遺伝子を選択する。より具体的には、例えば表２からＮｏ．１〜５の５遺伝子、Ｎｏ．１〜１０の１０遺伝子又はＮｏ．１〜１５の１５遺伝子、好ましくはＮｏ．１〜１０の１０遺伝子又はＮｏ．１〜１５の１５遺伝子を選択する。選択した遺伝子の黄体期における発現量についてのデータを説明変数に用いて予測モデルを構築することができる。別の一実施形態においては、表２に示す遺伝子の中から、黄体期においてＰＭＳ重症群と軽症群との間での発現差がより大きい遺伝子（例えば、表２のＮｏ．１〜２０の遺伝子）から５〜２０個程度、好ましくは５〜１５個程度の遺伝子を選択する。より具体的には、例えば表２からＮｏ．１〜５の５遺伝子、Ｎｏ．１〜１０の１０遺伝子又はＮｏ．１〜１５の１５遺伝子、好ましくはＮｏ．１〜５の５遺伝子を選択する。選択した遺伝子の卵胞期における発現量についてのデータを説明変数に用いて予測モデルを構築することができる。
主成分分析でデータ圧縮を行った場合、予測モデルの構築に用いる主成分の次元や数は、特に限定されないが、寄与率の大きい成分、例えば、第１主成分を含み、かつ合計寄与率が、好ましくは２０％以上、より好ましくは５０％以上になるような１つ以上の主成分を説明変数とするとよい。一実施形態においては、黄体期における標的遺伝子群の発現データに対して主成分分析を行い、第１主成分を含みかつ合計寄与率が２０％以上、好ましくは５０％以上、例えば、好ましくは２２〜５５％又はそれ以上、より好ましくは５０〜７０％、さらに好ましくは５５〜６５％になるよう主成分を選択し、選択した主成分を説明変数に用いて予測モデルを構築することができる。別の一実施形態においては、卵胞期における標的遺伝子群の発現データに対して主成分分析を行い、第１主成分を含みかつ合計寄与率が、８０％以上、好ましくは８５％以上、より好ましくは９０％以上になるよう主成分を選択し、選択した主成分を説明変数に用いて予測モデルを構築することができる。
予測モデルの構築におけるアルゴリズムは、機械学習に用いるアルゴリズムなどの公知のものを利用することができる。機械学習アルゴリズムの例としては、ランダムフォレスト（Random Forest）、ニューラルネットワーク（Neural net）、線形カーネルのサポートベクターマシン（SVM (linear)）、ｒｂｆカーネルのサポートベクターマシン（SVM (rbf)）などのアルゴリズムが挙げられる。構築した予測モデルに検証用のデータを入力して予測値を算出し、該予測値が実測値と最も適合するモデル、例えば、予測値と実測値の一致度合いを示す値である正解率（Ａｃｃｕｒａｃｙ）が高いモデルを、最適な予測モデルとして選択することができる。
構築された予測モデルに、被験体における該標的遺伝子（群）もしくは標的産物（群）の発現データ（又はそれらから算出された主成分）を入力することで、該被験体のＰＭＳの重症度を検出することができる。
本発明の例示的実施形態として、以下の物質、製造方法、用途、方法等をさらに本明細書に開示する。但し、本発明はこれらの実施形態に限定されない。
〔１〕下記に示す遺伝子：SH3BGRL3、NDUFA11、CTNNB1、AQP3、PSME2、SNORA24、SSR4、ZNF91、ANXA1、SNORA70、HSPA6、ALDH2、ARHGDIB、DEFB4A、BRK1、C20orf111、CSNK1A1、BIRC3、S100A7、STK10、GHITM、SFN、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、HMGN2、HIF1A、RABGEF1、ARF1、ACTN1、MFN2、CHMP2A、GAK、STX3、SERP1及びGAS7、ならびに該遺伝子の翻訳産物からなる群より選択される少なくとも１つの発現を測定することを含む、被験体の月経前症候群の重症度を検出する方法。
〔２〕好ましくは、下記に示す遺伝子：SH3BGRL3、NDUFA11、PSME2、SNORA24、SSR4、ZNF91、SNORA70、HSPA6、ALDH2、BRK1、C20orf111、CSNK1A1、STK10、GHITM、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、RABGEF1、ARF1、ACTN1、CHMP2A、GAK、STX3、SERP1及びGAS7、ならびに該遺伝子の翻訳産物からなる群より選択される少なくとも１つの発現を測定することを含む、〔１〕記載の方法。
〔３〕好ましくは、さらに、下記に示す遺伝子：CTNNB1、AQP3、ANXA1、ARHGDIB、DEFB4A、BIRC3、S100A7、SFN、HMGN2、HIF1A、及びMFN2、ならびに該遺伝子の翻訳産物からなる群より選択される少なくとも１つの発現を測定することを含む、〔２〕記載の方法。
〔４〕好ましくは、前記遺伝子又は翻訳産物の発現量に基づいて月経前症候群の重症度を検出することを含み、
より好ましくは、前記遺伝子の発現量に基づいて月経前症候群の重症度を検出することを含む、
〔１〕〜〔３〕のいずれか１項記載の方法。
〔５〕好ましくは、前記遺伝子又は翻訳産物の黄体期又は卵胞期での発現量に基づいて月経前症候群の重症度を検出することを含む、〔４〕記載の方法。
〔６〕好ましくは、前記遺伝子又は翻訳産物の発現量に基づく予測モデルを用いて月経前症候群の重症度を検出することを含み、
該予測モデルが、月経前症候群の重症群及び軽症群における該遺伝子又は翻訳産物の発現量、又は該発現量の主成分分析で算出された少なくとも１種の主成分を、説明変数とし、月経前症候群の重症度を目的変数として構築される、
〔１〕〜〔５〕のいずれか１項記載の方法。
〔７〕好ましくは、前記遺伝子の発現量が、前記被験体の皮膚表上脂質に含まれる該遺伝子のｍＲＮＡを定量することにより測定される、〔１〕〜〔６〕のいずれか１項記載の方法。
〔８〕下記の遺伝子に由来する核酸：SH3BGRL3、NDUFA11、CTNNB1、AQP3、PSME2、SNORA24、SSR4、ZNF91、ANXA1、SNORA70、HSPA6、ALDH2、ARHGDIB、DEFB4A、BRK1、C20orf111、CSNK1A1、BIRC3、S100A7、STK10、GHITM、SFN、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、HMGN2、HIF1A、RABGEF1、ARF1、ACTN1、MFN2、CHMP2A、GAK、STX3、SERP1及びGAS7、ならびに該遺伝子の翻訳産物からなる群より選択される少なくとも１つの、月経前症候群の重症度マーカーとしての使用。
〔９〕好ましくは、下記の遺伝子に由来する核酸：SH3BGRL3、NDUFA11、PSME2、SNORA24、SSR4、ZNF91、SNORA70、HSPA6、ALDH2、BRK1、C20orf111、CSNK1A1、STK10、GHITM、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、RABGEF1、ARF1、ACTN1、CHMP2A、GAK、STX3、SERP1及びGAS7、ならびに該遺伝子の翻訳産物からなる群より選択される少なくとも１つが使用される、〔８〕記載の使用。
〔１０〕好ましくは、さらに、下記の遺伝子に由来する核酸：CTNNB1、AQP3、ANXA1、ARHGDIB、DEFB4A、BIRC3、S100A7、SFN、HMGN2、HIF1A、及びMFN2、ならびに該遺伝子の翻訳産物からなる群より選択される少なくとも１つが使用される、〔９〕記載の使用。
〔１１〕好ましくは、前記遺伝子に由来する核酸が、皮膚表上脂質に含まれる該遺伝子のｍＲＮＡである、〔８〕〜〔１０〕のいずれか１項記載の使用。
〔１２〕下記の遺伝子に由来する核酸：SH3BGRL3、NDUFA11、PSME2、SNORA24、SSR4、ZNF91、SNORA70、HSPA6、ALDH2、BRK1、C20orf111、CSNK1A1、STK10、GHITM、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、RABGEF1、ARF1、ACTN1、CHMP2A、GAK、STX3、SERP1及びGAS7、ならびに該遺伝子の翻訳産物からなる群より選択される少なくとも１つを含む、月経前症候群の重症度のマーカー。
〔１３〕好ましくは、さらに、下記遺伝子に由来する核酸：CTNNB1、AQP3、ANXA1、ARHGDIB、DEFB4A、BIRC3、S100A7、SFN、HMGN2、HIF1A、及びMFN2、ならびに該遺伝子の翻訳産物からなる群より選択される少なくとも１つを含む、〔１２〕記載のマーカー。
〔１４〕好ましくは、前記遺伝子に由来する核酸が、皮膚表上脂質に含まれる該遺伝子のｍＲＮＡである、〔１２〕又は〔１３〕記載のマーカー。
以下、実施例に基づき本発明をさらに詳細に説明するが、本発明はこれに限定されるものではない。
実施例１ ＰＭＳ重症度マーカーの同定
１）ＳＳＬ採取
健常者（２０〜４５歳女性、ＢＭＩ１８．５以上２５．０未満）３８名を被験者とした。健常者は、予め月経周期が約２５〜３０日で毎回安定していることを確認されていた。月経周期の各時期（月経期：月経開始後２〜４日のいずれかの日、卵胞期：月経開始後１０〜１２日のいずれかの日、黄体期：月経開始後２１〜２３日のいずれかの日）に、あぶら取りフィルム（５．０ｃｍ×８．０ｃｍ、３Ｍ社）を用いて各被験者の全顔から皮脂を回収した。該あぶら取りフィルムはガラスバイアルに移し、ＲＮＡ抽出に使用するまで−８０℃で、約１ヶ月間保存した。また、皮脂採取後に、月経関連症状を評価する質問紙である、心理測定尺度集III（サイエンス社、２００１発行）に記載のＭｅｎｓｔｒｕａｌ Ｄｉｓｔｒｅｓｓ Ｑｕｅｓｔｉｏｎｎａｉｒｅ（ＭＤＱ）を用いて、被験者の月経周期の各時期（月経期、卵胞期及び黄体期）の月経随伴症状（月経困難症、月経前症候群等）の重症度を評価した。
２）ＲＮＡ調製及びシーケンシング
上記１）のあぶら取りフィルムを適当な大きさに切断し、ＱＩＡｚｏｌ Ｌｙｓｉｓ Ｒｅａｇｅｎｔ（Ｑｉａｇｅｎ）を用いて、付属のプロトコルに準じてＲＮＡを抽出した。抽出したＲＮＡは、４２℃、１０５分間の条件で逆転写し、得られたｃＤＮＡをマルチプレックスＰＣＲで増幅した。マルチプレックスＰＣＲは６２℃のアニーリング及び伸長温度で実施した。得られたＰＣＲ産物は、Ａｍｐｕｒｅ ＸＰ（ベックマン・コールター株式会社）で精製した。得られた精製産物の溶液を、ＳｕｐｅｒＳｃｒｉｐｔ ＶＩＬＯ ｃＤＮＡ Ｓｙｎｔｈｅｓｉｓ ｋｉｔに付属している５×ＶＩＬＯ ＲＴ Ｒｅａｃｔｉｏｎ Ｍｉｘ、及びＩｏｎ ＡｍｐｌｉＳｅｑＴｒａｎｓｃｒｉｐｔｏｍｅ Ｈｕｍａｎ Ｇｅｎｅ Ｅｘｐｒｅｓｓｉｏｎ Ｋｉｔ（ライフテクノロジーズジャパン株式会社）に付属している５×Ｉｏｎ Ａｍｐｌｉｓｅｑ ＨｉＦｉ Ｍｉｘ、及びＩｏｎ ＡｍｐｌｉＳｅｑ Ｔｒａｎｓｃｒｉｐｔｏｍｅ Ｈｕｍａｎ Ｇｅｎｅ Ｅｘｐｒｅｓｓｉｏｎ Ｃｏｒｅ Ｐａｎｅｌを混合し、次いで各キット付属のプロトコルに従ってプライマー配列の消化、アダプターライゲーションと精製、及び増幅を行い、ライブラリーを調製した。調製したライブラリーをＩｏｎ ５４０ Ｃｈｉｐにローディングし、Ｉｏｎ Ｓ５／ＸＬシステム（ライフテクノロジーズジャパン株式会社）を用いてシーケンシングした。シーケンシングで得られた各リード配列をヒトゲノムのリファレンス配列であるhg19 AmpliSeq Transcriptome ERCC v1に対して遺伝子マッピングすることで、各リード配列の由来する遺伝子を決定した。
３）ＭＤＱスコアによる被験者の群分け
ＭＤＱではスコアが高いほど月経随伴症状の重症度が高いことを示す。そのため、被験者３８名を、黄体期に得られたＭＤＱのスコアに従って、スコアが６６点以上である１５名（平均スコア８７．４）をＰＭＳ重症群、スコアが４８点以下である１５名（平均スコア４０．３）をＰＭＳ軽症群に群分けした。中間層である８名に関しては、以下のデータ解析から除外した。
４）データ解析
上記２）で取得した卵胞期及び黄体期における被験者のＳＳＬ由来ＲＮＡのシーケンシングで得られた各リードのリードカウントを、各ＲＮＡの発現量のデータとし、リードカウントが１０未満のリードは欠損値として扱った。サンプル間の総リードカウントの違いを補正するため、各リードカウントをＲＰＭ（Ｒｅａｄｓ ｐｅｒ ｍｉｌｌｉｏｎ ｍａｐｐｅｄ ｒｅａｄｓ）値に変換した。８０％以上の被験者で欠損値ではない発現量データが得られた１８８４種の遺伝子を選択した。これら１８８４種の遺伝子について、ＰＭＳが発症する黄体期におけるそれらの発現量データ（ＲＰＭ値）に基づいて群間（ＰＭＳ重症群及び軽症群）でＳｔｕｄｅｎｔ’ｓ ｔ ｔｅｓｔを行い、ｐ＜０．０５となる遺伝子を抽出した。なお、欠損値についてはＳｉｎｇｕｌａｒ Ｖａｌｕｅ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＳＶＤ）ｉｍｐｕｔａｔｉｏｎにて補填した。群間で発現が変動する遺伝子が５１個得られ（表５）、そのうち表６に示す４０種の遺伝子が従来ＰＭＳとの関連が報告されていない遺伝子であった。これら表５中の遺伝子に由来する核酸、及び該遺伝子の翻訳産物は、各々、ＰＭＳ重症度のマーカーとして使用できる。さらに、これら表５中の遺伝子のうち、表６に示す遺伝子に由来する核酸、及び該遺伝子の翻訳産物は、新規のＰＭＳ重症度マーカーである。
Figure 2021175395
Figure 2021175395
実施例２ 黄体期ＲＮＡ発現量データに基づくＰＭＳ重症度予測モデルの構築
１）データセット分割
実施例１で得られた被験者の黄体期のＳＳＬ由来ＲＮＡ発現量データセットのうち、全解析対象者数の６７％に当たる各群（ＰＭＳ重症群及び軽症群）１０名分ずつについてのデータをＰＭＳ重症度予測モデルの訓練データとし、残り３３％に当たる各群５名分ずつのデータをモデル精度の評価に使用するテストデータとした。負の二項分布に従うＲＰＭ値を正規分布に近似するため、実施例１で求めたＲＮＡの発現量データ（リードカウントのＲＰＭ値）を、底２の対数値に変換したＲＰＭ値（Log2ＲＰＭ値）に変換した。
２）特徴量の選択
実施例１で抽出した遺伝子のうち、ＰＭＳとの関連が報告されていない表６に示す４０個の遺伝子から、以下の２つの方法により予測モデル構築に用いる特徴量を選択した。
（方法１）表６に示す遺伝子のうち、ＰＭＳ重症群と軽症群との発現差のｐ値が小さいものから５〜１５種の遺伝子、具体的には表６のＮｏ．１〜５の５種、表６のＮｏ．１〜１０の１０種、又は表６のＮｏ．１〜１５の１５種の遺伝子の発現量データ（Log2ＲＰＭ値）を、ＰＭＳ重症度検出の特徴量として選択した。
（方法２）表６に示す遺伝子の発現量データについて、統計解析環境Ｒのｔｉｄｙｖｅｒｓｅパッケージを使用して主成分分析を行い、変数圧縮を実施した。主成分分析によって得られた、新しい次元を持つデータ（第１〜第１０主成分、表７）をＰＭＳ重症度検出の特徴量として選択した。
Figure 2021175395
３）モデル構築
モデル構築は統計解析環境Ｒのｃａｒｎｅｔパッケージを使用して行った。前記２）で方法１及び２により選択した特徴量を説明変数として用い、ＰＭＳ重症度（重症又は軽症）を目的変数として用いて、予測モデルを構築した。特徴量毎に、ランダムフォレスト（Random Forest）、ニューラルネットワーク（Neural net）、線形カーネルのサポートベクターマシン（SVM (linear））、及びｒｂｆカーネルのサポートベクターマシン（SVM (rbf)）の４種のアルゴリズムを用いて、１０倍交差検証を行って予測モデルを学習させた。各アルゴリズムについて、学習後のモデルにテストデータのＲＮＡの発現量データ（Log2ＲＰＭ値）又は主成分データを入力してＰＭＳ重症度の予測値を計算した。予測値と実測値の一致度合いを示す値である正解率（Ａｃｃｕｒａｃｙ）を計算し、その値が最も大きいモデルを最適な予測モデルとして選抜した。
４）結果
表８に、ＰＭＳ重症度の検出に用いた特徴量、最大のＡｃｃｕｒａｃｙを与えた最適アルゴリズム、及びそのＡｃｃｕｒａｃｙを示す。ＰＭＳ重症度に関連する遺伝子の黄体期における発現量データ、又はそれらの主成分に基づいて、高いＡｃｃｕｒａｃｙでＰＭＳ重症度を検出することができた。したがって、ＳＳＬ由来ＲＮＡの黄体期における発現量のデータを用いてＰＭＳ重症度の検出が可能であることが示された。また、主成分に基づく予測モデルの場合、第１〜第５主成分による予測モデルのＡｃｃｕｒａｃｙは、主成分１による予測モデルよりも高く、一方、第１〜第６主成分による予測モデルと同等であった。これらの結果から、合計寄与率が２０％以上、例えば２２〜５５％又はそれ以上、好ましくは５０〜７０％、より好ましくは５５〜６５％になるような１つ以上の主成分を説明変数とすることで、より精度の高いＰＭＳ重症度予測モデルが構築可能であることが示された。また、遺伝子発現量から直接構築した予測モデルの場合、１０遺伝子による予測モデルのＡｃｃｕｒａｃｙは、５遺伝子による予測モデルよりも高く、一方、１５遺伝子による予測モデルと同等であった。ＰＭＳ重症度による発現差の大きいものから１０〜１５個程度の遺伝子又はそれより多くの遺伝子の発現データを用いることで、より精度の高いＰＭＳ重症度予測モデルが構築可能であることが示された。
Figure 2021175395
実施例３ 卵胞期ＲＮＡ発現量データに基づくＰＭＳ重症度予測モデルの構築
１）データセット分割及び特徴量の選択
表６に示す遺伝子についての被験者の卵胞期のＳＳＬ由来ＲＮＡ発現量データセットを用いた以外は、実施例２の１）と同様の手順で訓練データとテストデータを作成した。次いで実施例２の２）と同様の手順で、ＲＮＡの発現量データのLog2ＲＰＭ値及び発現量データの主成分分析によって得られた第１〜第１５主成分（表９）をＰＭＳ重症度検出の特徴量として選択した。
Figure 2021175395
２）モデル構築
１）で選択した特徴量を説明変数として用いて、実施例２の３）と同様の手順で予測モデルを学習させ、正解率（Ａｃｃｕｒａｃｙ）が最も大きいモデルを最適な予測モデルとして選抜した。
３）結果
表１０に、ＰＭＳ重症度の検出に用いた特徴量、最大のＡｃｃｕｒａｃｙを与えた最適アルゴリズム、及びそのＡｃｃｕｒａｃｙを示す。ＰＭＳ重症度に関連する遺伝子の卵胞期における発現量データ、又はそれらの主成分に基づいて、高いＡｃｃｕｒａｃｙでＰＭＳ重症度を検出することができた。したがって、ＳＳＬ由来ＲＮＡの卵胞期における発現量のデータを用いて、次回月経に伴うＰＭＳの重症度の検出が可能であることが示された。また、主成分に基づく予測モデルの場合、第１〜第１５主成分による予測モデルのＡｃｃｕｒａｃｙが最も高く、合計寄与率が８０％以上、好ましくは８５％以上、より好ましくは９０％以上になるような１つ以上の主成分を説明変数とすることで、より精度の高いＰＭＳ重症度予測モデルが構築可能であることが示された。一方、遺伝子発現量から直接構築した予測モデルの場合、ＰＭＳ重症度との相関が高いものから５〜２０個程度、好ましくは５〜１５個程度の遺伝子の発現データを用いることで、より精度の高いＰＭＳ重症度予測モデルが構築可能であることが示された。
Figure 2021175395

Claims (8)

  1. 下記に示す遺伝子：SH3BGRL3、NDUFA11、PSME2、SNORA24、SSR4、ZNF91、SNORA70、HSPA6、ALDH2、BRK1、C20orf111、CSNK1A1、STK10、GHITM、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、RABGEF1、ARF1、ACTN1、CHMP2A、GAK、STX3、SERP1及びGAS7、ならびに該遺伝子の翻訳産物からなる群より選択される少なくとも１つの発現を測定することを含む、被験体の月経前症候群の重症度を検出する方法。
  2. さらに、下記遺伝子：CTNNB1、AQP3、ANXA1、ARHGDIB、DEFB4A、BIRC3、S100A7、SFN、HMGN2、HIF1A、及びMFN2、ならびに該遺伝子の翻訳産物からなる群より選択される少なくとも１つの発現を測定することを含む、請求項１記載の方法。
  3. 前記遺伝子又は翻訳産物の発現量に基づいて月経前症候群の重症度を検出することを含む、請求項１又は２記載の方法。
  4. 前記遺伝子又は翻訳産物の黄体期又は卵胞期での発現量に基づいて月経前症候群の重症度を検出することを含む、請求項３記載の方法。
  5. 前記遺伝子又は翻訳産物の発現量に基づく予測モデルを用いて月経前症候群の重症度を検出することを含み、
    該予測モデルが、月経前症候群の重症群及び軽症群における該遺伝子又は翻訳産物の発現量、又は該発現量の主成分分析で算出された少なくとも１種の主成分を、説明変数とし、月経前症候群の重症度を目的変数として構築される、
    請求項１〜４のいずれか１項記載の方法。
  6. 前記遺伝子の発現量が、前記被験体の皮膚表上脂質に含まれる該遺伝子のｍＲＮＡを定量することにより測定される、請求項１〜５のいずれか１項記載の方法。
  7. 下記の遺伝子に由来する核酸：SH3BGRL3、NDUFA11、PSME2、SNORA24、SSR4、ZNF91、SNORA70、HSPA6、ALDH2、BRK1、C20orf111、CSNK1A1、STK10、GHITM、RPL21、MED13、RPL32、UBE2R2、RPS3、PLEKHM2、DDX6、ALDH1A3、TSPYL1、NUB1、KRT6A、CCL22、ELOVL3、TMEM66、GDI2、MYL12B、CCNI、PSMC6、RABGEF1、ARF1、ACTN1、CHMP2A、GAK、STX3、SERP1及びGAS7、ならびに該遺伝子の翻訳産物からなる群より選択される少なくとも１つを含む、月経前症候群の重症度のマーカー。
  8. 前記遺伝子に由来する核酸が、皮膚表上脂質に含まれる該遺伝子のｍＲＮＡである、請求項７記載のマーカー。
JP2021073081A 2020-04-24 2021-04-23 月経前症候群の重症度検出方法 Pending JP2021175395A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020077036 2020-04-24
JP2020077036 2020-04-24

Publications (1)

Publication Number Publication Date
JP2021175395A true JP2021175395A (ja) 2021-11-04

Family

ID=78269345

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021073081A Pending JP2021175395A (ja) 2020-04-24 2021-04-23 月経前症候群の重症度検出方法

Country Status (5)

Country Link
US (1) US20230144067A1 (ja)
EP (1) EP4141114A4 (ja)
JP (1) JP2021175395A (ja)
CN (1) CN115443337A (ja)
WO (1) WO2021215532A1 (ja)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6371121B2 (ja) 2014-06-05 2018-08-08 ポーラ化成工業株式会社 抗菌剤の選択方法
US11913061B2 (en) * 2016-07-08 2024-02-27 Kao Corporation Method for preparing nucleic acid sample

Also Published As

Publication number Publication date
CN115443337A (zh) 2022-12-06
EP4141114A1 (en) 2023-03-01
EP4141114A4 (en) 2024-09-11
US20230144067A1 (en) 2023-05-11
WO2021215532A1 (ja) 2021-10-28

Similar Documents

Publication Publication Date Title
WO2020091044A1 (ja) 被験体の皮膚細胞に由来する核酸の調製方法
Wong et al. Use of RT-PCR and DNA microarrays to characterize RNA recovered by non-invasive tape harvesting of normal and inflamed skin
Benson et al. An analysis of select pathogenic messages in lesional and non-lesional psoriatic skin using non-invasive tape harvesting
CN106609300B (zh) 一种冠状动脉疾病风险评估试剂盒及风险评估方法
WO2021230379A1 (ja) パーキンソン病の検出方法
JP2021175395A (ja) 月経前症候群の重症度検出方法
JP2022164646A (ja) 乳幼児おむつ皮膚炎の症度の検出方法
JP2021175394A (ja) 月経周期マーカー
JP2008054590A (ja) 運動ストレス状態の評価方法
JP2022026407A (ja) プラセボ効果を評価する方法
JP2023069499A (ja) 乾燥による皮膚表面形状悪化の検出方法
WO2022220299A1 (ja) 乳幼児顔湿疹の症度の検出方法
JP2022097302A (ja) 睡眠状態マーカー及びそれを用いた睡眠状態の検出方法
JP2022097303A (ja) 疲労マーカー及びそれを用いた疲労の検出方法
JP2022097301A (ja) ストレスマーカー及びそれを用いた慢性ストレスレベルの検出方法
JP7514458B2 (ja) 関節リウマチ治療薬の奏効を予測する方法及びそれに用いるバイオマーカー
JP2010115178A (ja) 皮膚の炎症の予測方法及びその用途
JP2023045067A (ja) 不眠の検出方法
JP2023002299A (ja) 内臓脂肪面積の検出方法
WO2022114200A1 (ja) アトピー性皮膚炎の症度の検出方法
JP2024045048A (ja) 肥満改善剤の有効性予測方法
JP2022174645A (ja) 生物学的年齢の予測方法
JP2023073135A (ja) 更年期障害の重症度の検出方法
JP2023002298A (ja) 糖尿病指標値の検出方法
WO2022009988A1 (ja) アトピー性皮膚炎の重症度の検出方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240326