JP2022149754A

JP2022149754A - がんの同時検出方法

Info

Publication number: JP2022149754A
Application number: JP2021052041A
Authority: JP
Inventors: 健太大野; Kenta Ono; 信行大田; Nobuyuki Ota; 聡子小園; Satoko Kozono; 真紀子吉本; Makiko Yoshimoto; 潤太郎松崎; Juntaro Matsuzaki; 健加藤; Takeshi Kato; 孝広落谷; Takahiro Ochitani
Original assignee: Toray Industries Inc; Preferred Networks Inc
Current assignee: Toray Industries Inc; Preferred Networks Inc
Priority date: 2021-03-25
Filing date: 2021-03-25
Publication date: 2022-10-07

Abstract

【課題】対象における特定のがん種の罹患を同時に検出することが可能ながんの同時検出方法を提供する。【解決手段】検出対象に由来する試料に含まれる、ｍｉＲ－１３４３－３ｐの発現量と、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ及びｍｉＲ－６８３６－３ｐを含むマイクロＲＮＡ群に含まれるそれぞれのマイクロＲＮＡの発現量とを測定することを含む、乳がん、膀胱がん、胆道がん、大腸がん、食道がん、胃がん、神経膠腫、肝がん、肺がん、卵巣がん、膵がん、前立腺がん及び悪性骨軟部腫瘍からなる群に含まれるがんの同時検出方法である。【選択図】図１２

Description

本開示は、がんの同時検出方法に関する。

血液を試料として用いるがん検診の最終的な目標は、がんの場所を予測することである。しかしながら、例えば、がん胎児性抗原（ＣＥＡ）、糖鎖抗原（ＣＡ１９－９）等のような従来の腫瘍マーカーを用いたがんの場所の特定方法では充分な感度が得られない場合があった。このため、腫瘍マーカーの陽性血清レベルを使用した全身検査がしばしば必要とされている。ところで、変異株由来の循環腫瘍ＤＮＡ（ｃｔＤＮＡ）を検出する方法は、初期のがんの検診に期待される方法の１つである。しかしながら、ドライバー遺伝子の領域は、がん種によって様々に変異するのが通常であるため、ｃｔＤＮＡ変異試験では、がんの場所を特定することは困難である。一方、組織ＲＮＡの発現プロファイルは、がんの場所毎に明確であるため、循環マイクロＲＮＡ（ｍｉＲＮＡ）の発現プロファイルは、正確にがんの場所を予測する検診手段として期待されうる。

本開示は、対象における特定のがん種の存在を同時に検出することが可能ながんの同時検出方法を提供することを目的とする。

本開示の第１態様は、検出対象に由来する試料に含まれる、ｍｉＲ－１３４３－３ｐの発現量と、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ、ｍｉＲ－６８３６－３ｐ、ｍｉＲ－４７３０、ｍｉＲ－４４５６、ｍｉＲ－１２５ａ－３ｐ、ｍｉＲ－４６５２－５ｐ、ｍｉＲ－６２９－３ｐ、ｍｉＲ－１３０７－３ｐ、ｍｉＲ－３１３１、ｍｉＲ－４５３４、ｍｉＲ－１９５－５ｐ、ｍｉＲ－１１８５－２－３ｐ、ｍｉＲ－４２５８、ｍｉＲ－６５１５－５ｐ、ｍｉＲ－１２４６、ｍｉＲ－６０７６、ｍｉＲ－１２３３－５ｐ、ｍｉＲ－３７３－５ｐ、ｍｉＲ－６７４１－５ｐ、ｍｉＲ－１２２－５ｐ、ｍｉＲ－４７４５－５ｐ、ｍｉＲ－４４７２、ｍｉＲ－３６１９－３ｐ、ｍｉＲ－４２２ａ、ｍｉＲ－６７４６－５ｐ、ｍｉＲ－５６９８、ｍｉＲ－４７０８－３ｐ、ｍｉＲ－４７２７－３ｐ、ｍｉＲ－５１６ａ－５ｐ、ｍｉＲ－６０８７、ｍｉＲ－４８３－５ｐ、ｍｉＲ－４７２８－５ｐ、ｍｉＲ－６８７７－５ｐ、ｍｉＲ－６８３１－５ｐ、ｍｉＲ－８０７３、ｍｉＲ－６１３１、ｍｉＲ－６７６０－５ｐ、ｍｉＲ－１９７－５ｐ、ｍｉＲ－４６９７－５ｐ、ｍｉＲ－４６４６－５ｐ、ｍｉＲ－２９ｂ－３ｐ、ｍｉＲ－３２０ａ、ｍｉＲ－３１８４－５ｐ、ｍｉＲ－３４２－５ｐ、ｍｉＲ－４７５０－３ｐ、ｍｉＲ－２９６－３ｐ、ｍｉＲ－６８３９－５ｐ、ｍｉＲ－１２０３、ｍｉＲ－３６７９－５ｐ、ｍｉＲ－１６－５ｐ、ｍｉＲ－４７８９－５ｐ、ｍｉＲ－９４１、ｍｉＲ－６２５－３ｐ、ｍｉＲ－３２０ｂ、ｍｉＲ－６７８５－５ｐ、ｍｉＲ－４６５８、ｍｉＲ－１９１４－５ｐ、ｍｉＲ－４４４３、ｍｉＲ－４７３４、ｍｉＲ－４７３２－５ｐ、ｍｉＲ－４５３２、ｍｉＲ－８８５－３ｐ、ｍｉＲ－１２２４－５ｐ、ｍｉＲ－４５１５、ｍｉＲ－１４７０、ｍｉＲ－７６４１、ｍｉＲ－６７７７－５ｐ、ｍｉＲ－９２０、ｍｉＲ－６４６、ｍｉＲ－４４８３、ｍｉＲ－１２４－３ｐ、ｍｉＲ－６４２ｂ－３ｐ、ｍｉＲ－４７７１、ｍｉＲ－３１９４－３ｐ、ｍｉＲ－１２５４、ｍｉＲ－６０８８、ｍｉＲ－６８１２－５ｐ、ｍｉＲ－６７６９ａ－５ｐ、ｍｉＲ－４２５７、ｍｉＲ－４７８３－５ｐ、ｍｉＲ－４４４７、ｍｉＲ－６７６３－５ｐ、ｍｉＲ－６７８７－５ｐ、ｍｉＲ－３９１７、ｍｉＲ－６７９４－５ｐ、ｍｉＲ－４４５５、ｍｉＲ－５５１ｂ－５ｐ、ｍｉＲ－６８８７－５ｐ、ｍｉＲ－６２９－５ｐ、ｍｉＲ－６６３ａ、ｍｉＲ－１２２５－３ｐ及びｍｉＲ－１８７－５ｐからなるマイクロＲＮＡ群に含まれるそれぞれのマイクロＲＮＡの発現量と、を測定する工程を含む、乳がん、膀胱がん、胆道がん、大腸がん、食道がん、胃がん、神経膠腫、肝がん、肺がん、卵巣がん、膵がん、前立腺がん及び悪性骨軟部腫瘍からなる群に含まれるがんの同時検出方法である。

第２態様は、検出対象に由来する試料に含まれる、ｍｉＲ－１３４３－３ｐの発現量と、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ、ｍｉＲ－６８３６－３ｐ、ｍｉＲ－４７３０、ｍｉＲ－４４５６、ｍｉＲ－１２５ａ－３ｐ、ｍｉＲ－４６５２－５ｐ、ｍｉＲ－６２９－３ｐ、ｍｉＲ－１３０７－３ｐ、ｍｉＲ－３１３１、ｍｉＲ－４５３４、ｍｉＲ－１９５－５ｐ、ｍｉＲ－１１８５－２－３ｐ、ｍｉＲ－４２５８、ｍｉＲ－６５１５－５ｐ、ｍｉＲ－１２４６、ｍｉＲ－６０７６、ｍｉＲ－１２３３－５ｐ、ｍｉＲ－３７３－５ｐ、ｍｉＲ－６７４１－５ｐ、ｍｉＲ－１２２－５ｐ、ｍｉＲ－４７４５－５ｐ及びｍｉＲ－４４７２からなるマイクロＲＮＡ群に含まれるそれぞれのマイクロＲＮＡの発現量と、を測定する工程を含む、乳がん、膀胱がん、胆道がん、大腸がん、食道がん、胃がん、神経膠腫、肝がん、肺がん、卵巣がん、膵がん、前立腺がん及び悪性骨軟部腫瘍からなる群に含まれるがんの同時検出方法である。

第３態様は、検出対象に由来する試料に含まれる、ｍｉＲ－１３４３－３ｐの発現量と、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ及びｍｉＲ－６８３６－３ｐからなるマイクロＲＮＡ群に含まれるそれぞれのマイクロＲＮＡの発現量と、を測定する工程を含む、乳がん、膀胱がん、胆道がん、大腸がん、食道がん、胃がん、神経膠腫、肝がん、肺がん、卵巣がん、膵がん、前立腺がん及び悪性骨軟部腫瘍からなる群に含まれるがんの同時検出方法である。

同時検出方法は、マイクロＲＮＡの発現量と、検出対象における乳がん、膀胱がん、胆道がん、大腸がん、食道がん、胃がん、神経膠腫、肝がん、肺がん、卵巣がん、膵がん、前立腺がん又は悪性骨軟部腫瘍の存在とを関連付ける工程を含んでいてよい。同時検出方法に用いられる試料は、検出対象の血液、尿、脳脊髄液、リンパ液、涙液及び腹水からなる群から選択される少なくとも１種に由来する試料であってよい。マイクロＲＮＡの発現量は、ＤＮＡマイクロアレイ、ＲＮＡマイクロアレイ、定量ＰＣＲ及び次世代シーケンサーからなる群から選択される少なくとも１種で測定されてもよく、マイクロＲＮＡは、ヒトに由来する塩基配列を有していてもよい。

第４態様は、ｍｉＲ－１３４３－３ｐ、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ、ｍｉＲ－６８３６－３ｐ、ｍｉＲ－４７３０、ｍｉＲ－４４５６、ｍｉＲ－１２５ａ－３ｐ、ｍｉＲ－４６５２－５ｐ、ｍｉＲ－６２９－３ｐ、ｍｉＲ－１３０７－３ｐ、ｍｉＲ－３１３１、ｍｉＲ－４５３４、ｍｉＲ－１９５－５ｐ、ｍｉＲ－１１８５－２－３ｐ、ｍｉＲ－４２５８、ｍｉＲ－６５１５－５ｐ、ｍｉＲ－１２４６、ｍｉＲ－６０７６、ｍｉＲ－１２３３－５ｐ、ｍｉＲ－３７３－５ｐ、ｍｉＲ－６７４１－５ｐ、ｍｉＲ－１２２－５ｐ、ｍｉＲ－４７４５－５ｐ、ｍｉＲ－４４７２、ｍｉＲ－３６１９－３ｐ、ｍｉＲ－４２２ａ、ｍｉＲ－６７４６－５ｐ、ｍｉＲ－５６９８、ｍｉＲ－４７０８－３ｐ、ｍｉＲ－４７２７－３ｐ、ｍｉＲ－５１６ａ－５ｐ、ｍｉＲ－６０８７、ｍｉＲ－４８３－５ｐ、ｍｉＲ－４７２８－５ｐ、ｍｉＲ－６８７７－５ｐ、ｍｉＲ－６８３１－５ｐ、ｍｉＲ－８０７３、ｍｉＲ－６１３１、ｍｉＲ－６７６０－５ｐ、ｍｉＲ－１９７－５ｐ、ｍｉＲ－４６９７－５ｐ、ｍｉＲ－４６４６－５ｐ、ｍｉＲ－２９ｂ－３ｐ、ｍｉＲ－３２０ａ、ｍｉＲ－３１８４－５ｐ、ｍｉＲ－３４２－５ｐ、ｍｉＲ－４７５０－３ｐ、ｍｉＲ－２９６－３ｐ、ｍｉＲ－６８３９－５ｐ、ｍｉＲ－１２０３、ｍｉＲ－３６７９－５ｐ、ｍｉＲ－１６－５ｐ、ｍｉＲ－４７８９－５ｐ、ｍｉＲ－９４１、ｍｉＲ－６２５－３ｐ、ｍｉＲ－３２０ｂ、ｍｉＲ－６７８５－５ｐ、ｍｉＲ－４６５８、ｍｉＲ－１９１４－５ｐ、ｍｉＲ－４４４３、ｍｉＲ－４７３４、ｍｉＲ－４７３２－５ｐ、ｍｉＲ－４５３２、ｍｉＲ－８８５－３ｐ、ｍｉＲ－１２２４－５ｐ、ｍｉＲ－４５１５、ｍｉＲ－１４７０、ｍｉＲ－７６４１、ｍｉＲ－６７７７－５ｐ、ｍｉＲ－９２０、ｍｉＲ－６４６、ｍｉＲ－４４８３、ｍｉＲ－１２４－３ｐ、ｍｉＲ－６４２ｂ－３ｐ、ｍｉＲ－４７７１、ｍｉＲ－３１９４－３ｐ、ｍｉＲ－１２５４、ｍｉＲ－６０８８、ｍｉＲ－６８１２－５ｐ、ｍｉＲ－６７６９ａ－５ｐ、ｍｉＲ－４２５７、ｍｉＲ－４７８３－５ｐ、ｍｉＲ－４４４７、ｍｉＲ－６７６３－５ｐ、ｍｉＲ－６７８７－５ｐ、ｍｉＲ－３９１７、ｍｉＲ－６７９４－５ｐ、ｍｉＲ－４４５５、ｍｉＲ－５５１ｂ－５ｐ、ｍｉＲ－６８８７－５ｐ、ｍｉＲ－６２９－５ｐ、ｍｉＲ－６６３ａ、ｍｉＲ－１２２５－３ｐ及びｍｉＲ－１８７－５ｐからなるマイクロＲＮＡ群であって、乳がん、膀胱がん、胆道がん、大腸がん、食道がん、胃がん、神経膠腫、肝がん、肺がん、卵巣がん、膵がん、前立腺がん及び悪性骨軟部腫瘍からなる群に含まれるがんの同時検出方法に用いられる検出マーカーである。

マイクロＲＮＡ群は、ｍｉＲ－１３４３－３ｐ、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ、ｍｉＲ－６８３６－３ｐ、ｍｉＲ－４７３０、ｍｉＲ－４４５６、ｍｉＲ－１２５ａ－３ｐ、ｍｉＲ－４６５２－５ｐ、ｍｉＲ－６２９－３ｐ、ｍｉＲ－１３０７－３ｐ、ｍｉＲ－３１３１、ｍｉＲ－４５３４、ｍｉＲ－１９５－５ｐ、ｍｉＲ－１１８５－２－３ｐ、ｍｉＲ－４２５８、ｍｉＲ－６５１５－５ｐ、ｍｉＲ－１２４６、ｍｉＲ－６０７６、ｍｉＲ－１２３３－５ｐ、ｍｉＲ－３７３－５ｐ、ｍｉＲ－６７４１－５ｐ、ｍｉＲ－１２２－５ｐ、ｍｉＲ－４７４５－５ｐ及びｍｉＲ－４４７２からなっていてよく、ｍｉＲ－１３４３－３ｐ、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ及びｍｉＲ－６８３６－３ｐからなっていてもよい。検出マーカーを用いる同時検出方法は、第１態様、第２態様又は第３態様のがんの同時検出方法であってよい。

本実施形態に係る機械学習システムの概要を示す模式図である。がんの同時検出結果を示す図である。機械学習システムの識別精度の頑強さを示す図である。検出対象の性別と診断成績の関係を示す図である。検出対象の年齢と診断成績の関係を示す図である。胆道がんサンプルについての機械学習システムの予測結果を示す図である。肝がんサンプルについての機械学習システムの予測結果を示す図である。悪性骨軟部腫瘍サンプルについての機械学習システムの予測結果を示す図である。種々のがんサンプルについての機械学習システムの予測結果を示す図である。性別、年齢及び疾患ステージと診断成績の関係を示す図である。機械学習システムにおける各ｍｉＲＮＡの貢献スコアの分布を示す図である。貢献スコアの高いｍｉＲＮＡを用いた同時検出結果を示す図である。

本明細書において「工程」との語は、独立した工程だけではなく、他の工程と明確に区別できない場合であってもその工程の所期の目的が達成されれば、本用語に含まれる。また、マイクロＲＮＡをｍｉＲＮＡと略記することがある。以下、本発明の実施形態を図面に基づいて説明する。ただし、以下に示す実施形態は、本発明の技術思想を具体化するための、がんの同時検出方法を例示するものであって、本発明は、以下に示す、がんの同時検出方法に限定されない。

がんの同時検出方法
がんの同時検出方法は、乳がん、膀胱がん、胆道がん、大腸がん、食道がん、胃がん、神経膠腫、肝がん、肺がん、卵巣がん、膵がん、前立腺がん及び悪性骨軟部腫瘍からなる群に含まれる特定のがんを同時に検出する方法であって、検出対象に由来する試料に含まれる、ｍｉＲ－１３４３－３ｐの発現量と、特定のマイクロＲＮＡ群に含まれるそれぞれのマイクロＲＮＡの発現量とを測定する第１工程を含んでもよい。ｍｉＲ－１３４３－３ｐの発現量と、特定のマイクロＲＮＡ群に含まれるマイクロＲＮＡのそれぞれの発現量とを測定することで、検出対象におけるがん罹患の有無と、罹患しているがん種を特定して検出することができる。すなわち、がんの同時検出方法は、試料の由来となる対象が、特定のがんに罹患しているか否かを診断する方法であってもよく、診断を補助する方法であってもよい。一態様において、がんの同時検出方法は、検出対象に由来する試料に含まれる、ｍｉＲ－１３４３－３ｐの発現量と、特定のマイクロＲＮＡ群から選択される少なくとも１種のマイクロＲＮＡの発現量を測定することを含んでいてもよい。また、特定のマイクロＲＮＡ群から選択されるマイクロＲＮＡは、少なくとも２種、５種、９種、１９種又は２９種であってもよい。

がんの同時検出方法に用いられる特定のマイクロＲＮＡ群は、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ、ｍｉＲ－６８３６－３ｐ、ｍｉＲ－４７３０、ｍｉＲ－４４５６、ｍｉＲ－１２５ａ－３ｐ、ｍｉＲ－４６５２－５ｐ、ｍｉＲ－６２９－３ｐ、ｍｉＲ－１３０７－３ｐ、ｍｉＲ－３１３１、ｍｉＲ－４５３４、ｍｉＲ－１９５－５ｐ、ｍｉＲ－１１８５－２－３ｐ、ｍｉＲ－４２５８、ｍｉＲ－６５１５－５ｐ、ｍｉＲ－１２４６、ｍｉＲ－６０７６、ｍｉＲ－１２３３－５ｐ、ｍｉＲ－３７３－５ｐ、ｍｉＲ－６７４１－５ｐ、ｍｉＲ－１２２－５ｐ、ｍｉＲ－４７４５－５ｐ、ｍｉＲ－４４７２、ｍｉＲ－３６１９－３ｐ、ｍｉＲ－４２２ａ、ｍｉＲ－６７４６－５ｐ、ｍｉＲ－５６９８、ｍｉＲ－４７０８－３ｐ、ｍｉＲ－４７２７－３ｐ、ｍｉＲ－５１６ａ－５ｐ、ｍｉＲ－６０８７、ｍｉＲ－４８３－５ｐ、ｍｉＲ－４７２８－５ｐ、ｍｉＲ－６８７７－５ｐ、ｍｉＲ－６８３１－５ｐ、ｍｉＲ－８０７３、ｍｉＲ－６１３１、ｍｉＲ－６７６０－５ｐ、ｍｉＲ－１９７－５ｐ、ｍｉＲ－４６９７－５ｐ、ｍｉＲ－４６４６－５ｐ、ｍｉＲ－２９ｂ－３ｐ、ｍｉＲ－３２０ａ、ｍｉＲ－３１８４－５ｐ、ｍｉＲ－３４２－５ｐ、ｍｉＲ－４７５０－３ｐ、ｍｉＲ－２９６－３ｐ、ｍｉＲ－６８３９－５ｐ、ｍｉＲ－１２０３、ｍｉＲ－３６７９－５ｐ、ｍｉＲ－１６－５ｐ、ｍｉＲ－４７８９－５ｐ、ｍｉＲ－９４１、ｍｉＲ－６２５－３ｐ、ｍｉＲ－３２０ｂ、ｍｉＲ－６７８５－５ｐ、ｍｉＲ－４６５８、ｍｉＲ－１９１４－５ｐ、ｍｉＲ－４４４３、ｍｉＲ－４７３４、ｍｉＲ－４７３２－５ｐ、ｍｉＲ－４５３２、ｍｉＲ－８８５－３ｐ、ｍｉＲ－１２２４－５ｐ、ｍｉＲ－４５１５、ｍｉＲ－１４７０、ｍｉＲ－７６４１、ｍｉＲ－６７７７－５ｐ、ｍｉＲ－９２０、ｍｉＲ－６４６、ｍｉＲ－４４８３、ｍｉＲ－１２４－３ｐ、ｍｉＲ－６４２ｂ－３ｐ、ｍｉＲ－４７７１、ｍｉＲ－３１９４－３ｐ、ｍｉＲ－１２５４、ｍｉＲ－６０８８、ｍｉＲ－６８１２－５ｐ、ｍｉＲ－６７６９ａ－５ｐ、ｍｉＲ－４２５７、ｍｉＲ－４７８３－５ｐ、ｍｉＲ－４４４７、ｍｉＲ－６７６３－５ｐ、ｍｉＲ－６７８７－５ｐ、ｍｉＲ－３９１７、ｍｉＲ－６７９４－５ｐ、ｍｉＲ－４４５５、ｍｉＲ－５５１ｂ－５ｐ、ｍｉＲ－６８８７－５ｐ、ｍｉＲ－６２９－５ｐ、ｍｉＲ－６６３ａ、ｍｉＲ－１２２５－３ｐ及びｍｉＲ－１８７－５ｐからなる第１のマイクロＲＮＡ群であってよい。

特定のマイクロＲＮＡ群は、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ、ｍｉＲ－６８３６－３ｐ、ｍｉＲ－４７３０、ｍｉＲ－４４５６、ｍｉＲ－１２５ａ－３ｐ、ｍｉＲ－４６５２－５ｐ、ｍｉＲ－６２９－３ｐ、ｍｉＲ－１３０７－３ｐ、ｍｉＲ－３１３１、ｍｉＲ－４５３４、ｍｉＲ－１９５－５ｐ、ｍｉＲ－１１８５－２－３ｐ、ｍｉＲ－４２５８、ｍｉＲ－６５１５－５ｐ、ｍｉＲ－１２４６、ｍｉＲ－６０７６、ｍｉＲ－１２３３－５ｐ、ｍｉＲ－３７３－５ｐ、ｍｉＲ－６７４１－５ｐ、ｍｉＲ－１２２－５ｐ、ｍｉＲ－４７４５－５ｐ及びｍｉＲ－４４７２からなる第２のマイクロＲＮＡ群であってよい。

特定のマイクロＲＮＡ群は、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ及びｍｉＲ－６８３６－３ｐからなる第３のマイクロＲＮＡ群であってよい。

検出対象は、ヒト、チンパンジー等を含む霊長類、イヌ、ネコ等のペット動物、ウシ、ウマ、ヒツジ、ヤギ等を含む家畜動物、マウス、ラット等を含む齧歯類を含む哺乳動物であってよい。検出対象はヒトであってもよく、非ヒト哺乳動物であってもよい。

試料の由来は、例えば、検出対象の血液、脳脊髄液、リンパ液、腹水、組織液等の体液；尿、唾液、涙液、汗等の分泌物であってよい。試料の由来として好ましくは血液、尿、脳脊髄液、リンパ液、涙液及び腹水からなる群から選択される少なくとも１種であり、より好ましくは血液であり、血液から調製される血清又は血漿であってもよい。

発現量の測定対象となるマイクロＲＮＡは、ヒトに由来する成熟マイクロＲＮＡであってよく、下表に示す塩基配列を有していてもよい。

試料に含まれるマイクロＲＮＡの発現量は、例えば、試料からＲＮＡを抽出し、抽出されるＲＮＡに含まれるマイクロＲＮＡの発現量を定量、又は半定量することで測定される。試料からのＲＮＡの抽出には、市販のＲＮＡ抽出キットを用いることができる。ＲＮＡ抽出キットとしては、例えば、３Ｄ－Ｇｅｎｅ（登録商標）ＲＮＡｅｘｔｒａｃｔｉｏｎｒｅａｇｅｎｔｆｒｏｍｌｉｑｕｉｄｓａｍｐｌｅｋｉｔ（東レ株式会社製）、ｍｉＲＮＡｅａｓｙＳｅｒｕｍ／ＰｌａｓｍａＫｉｔ（Ｑｉａｇｅｎ社製）、ｍｉＲＣＵＲＹ^ＴＭＲＮＡＩｓｏｌａｔｉｏｎＫｉｔ（ＥＸＩＱＯＮ社製）等の市販のＲＮＡ抽出キットを用いて、付属の取り扱い説明書の手順に準じて行うことができる。

マイクロＲＮＡの発現量は、例えば、ＤＮＡマイクロアレイ、ＲＮＡマイクロアレイ、定量ＰＣＲ、次世代シーケンサー等の通常用いられる方法によって測定することができる。測定されるマイクロＲＮＡの発現量は、絶対発現量であってもよく、相対発現量であってもよい。

ＤＮＡマイクロアレイは、測定対象となるマイクロＲＮＡの少なくとも一部と相補的な塩基配列を有するＤＮＡプローブを基材上に固定化したものである。ＤＮＡマイクロアレイを用いて特定マイクロＲＮＡの発現量を測定する場合、例えば、抽出されたＲＮＡを、市販のキットを用いて蛍光標識し、ＤＮＡマイクロアレイ上に配置されたマイクロＲＮＡと相補的な配列を有するＤＮＡプローブとハイブリダイズさせた後、蛍光強度を測定することで、マイクロＲＮＡの発現量を測定することができる。

ＲＮＡマイクロアレイは、測定対象となるマイクロＲＮＡの少なくとも一部と相補的な塩基配列を有するＲＮＡプローブを基材上に固定化したものである。ＲＮＡマイクロアレイを用いて特定マイクロＲＮＡの発現量を測定する場合、例えば、抽出されたＲＮＡを、市販のキットを用いて蛍光標識し、ＲＮＡマイクロアレイ上に配置されたマイクロＲＮＡと相補的な配列を有するＲＮＡプローブとハイブリダイズさせた後、蛍光強度を測定することで、マイクロＲＮＡの発現量を測定することができる。

定量ＰＣＲには、リアルタイムＰＣＲ（ＲＴ－ＰＣＲ）、デジタルＰＣＲ等の公知の手法を適用することができる。定量ＰＣＲでマイクロＲＮＡの発現量を測定する場合、例えば、抽出されたＲＮＡからｃＤＮＡを調製し、ｃＤＮＡを測定対象となるマイクロＲＮＡに特異的なプライマーセットを用いて定量ＰＣＲにより増幅することで、マイクロＲＮＡの発現量を測定することができる。定量ＰＣＲで測定されるマイクロＲＮＡの発現量は、例えば、コピー数のような絶対発現量であってよく、コピー数を規格化した相対発現量であってもよい。

次世代シーケンサーを用いてマイクロＲＮＡの発現量を測定する場合、例えば、抽出されたＲＮＡからｃＤＮＡを調製し、ＰＣＲによってアンプリコンを得て、次世代シーケンサーを用いてアンプリコンシーケンシングを実施する。得られたシーケンシングデータから、クオリティコントロールにより、低クオリティリードなどを削除した上で、所望の塩基配列を有するリード数によって発現量が測定される。ここで次世代シーケンサーとは、サンガー法を用いるキャピラリーシーケンサーと対比される用語である。次世代シーケンサーでは、合成シーケンシング法、パイロシーケンシング法、リガーゼ反応シーケンシング法等のシーケンシング原理が用いられる。次世代シーケンサーとして具体的には、ＭｉＳｅｑ（登録商標）システム（ｉｌｌｍｉｎａ社）、ＨｉＳｅｑ（登録商標）システム（ｉｌｌｍｉｎａ社）、ＩｏｎＰＧＭ（登録商標）システム（ＬｉｆｅＴｅｃｈｎｏｌｏｇｙ社）等が挙げられる。次世代シーケンサーによるアンプリコンシーケンシングは、メーカー推奨プロトコールに従って実施することができる。

マイクロＲＮＡの発現量の測定には、成熟マイクロＲＮＡの発現量を測定することのみならず、測定対象のマイクロＲＮＡをコードする遺伝子の転写産物又はそのプロセシング産物の発現量を測定することが含まれてもよい。一般にマイクロＲＮＡをコードする遺伝子の一次転写産物は初期転写産物（ｐｒｉ－ｍｉＲＮＡ）と呼ばれ、ステムループのヘアピン構造を有する。ｐｒｉ－ｍｉＲＮＡはＲＮａｓｅＩＩＩ様のＤｒｏｓｈａと呼ばれる酵素によってステムループ構造をもつ成熟ｍｉＲＮＡの前駆体（ｐｒｅ－ｍｉＲＮＡ）に変換される。ｐｒｅ－ｍｉＲＮＡは細胞核の外に輸送され、Ｄｉｃｅｒと呼ばれる酵素のスプライシングによって、２０から２５塩基長の２本鎖の成熟ｍｉＲＮＡとなる。したがって、マイクロＲＮＡをコードする遺伝子の転写産物又はそのプロセッシング産物は、ｐｒｉ－ｍｉＲＮＡ、ｐｒｅ－ｍｉＲＮＡ及び成熟ｍｉＲＮＡを包含する。なお、２本鎖の成熟ｍｉＲＮＡの発現量の測定には、１本鎖の成熟ｍｉＲＮＡの発現量を測定することのみならず、それと相補対を形成する１本鎖ＲＮＡの発現量を測定することが含まれてよい。また、測定対象となるマイクロＲＮＡの発現量の測定には、当該マイクロＲＮＡと生物学的な機能が同等であるマイクロＲＮＡ、例えばホモログ、オルソログ等の同族体、遺伝子多型などの変異体、又はこれらの誘導体の発現量を測定することが含まれてもよい。測定対象のマイクロＲＮＡをコードする遺伝子の転写産物の塩基配列、マイクロＲＮＡの同族体、変異体又は誘導体は、例えば、ｍｉＲＢａｓｅ（http://www.mirbase.org/）を参照して同定することができる。

がんの同時検出方法は、検出対象に由来する試料における、ｍｉＲ－１３４３－３ｐを含む特定のマイクロＲＮＡの発現量と、検出対象における乳がん、膀胱がん、胆道がん、大腸がん、食道がん、胃がん、神経膠腫、肝がん、肺がん、卵巣がん、膵がん、前立腺がん及び悪性骨軟部腫瘍からなる群から選択される特定のがんの存在とを関連付ける第２工程をさらに含んでいてもよい。第２工程においては、対象に由来する試料と、特定のがんの存在とを関連付けてよい。

第２工程では、訓練データを用いて機械学習を行って予め得られる、がんの同時検出が可能な学習済みモデルを用いて、検出対象に由来する試料に含まれる特定のマイクロＲＮＡの発現量を含むデータについて、特定のマイクロＲＮＡの発現量と特定のがんの存在とを関連付けてよい。すなわち、がんの同時検出方法は、がんの同時検出が可能な学習済みモデルを準備することをさらに含んでいてもよい。

機械学習に用いる訓練データは、いずれのがんに罹患しているか否かのラベル情報が付されたマイクロＲＮＡの発現量を含むデータセットであってよい。また、訓練データにはがんに罹患していない対象に由来するデータが含まれていてもよいし、特定のがんに罹患していない対象に由来するデータが含まれていてもよい。

機械学習システムとしては、例えば、ＲａｎｄｏｍＦｏｒｅｓｔ、ＬｏｇｉｓｔｉｃＲｅｇｒｅｓｓｉｏｎ、ＥｘｔｒａＴｒｅｅＣｌａｓｓｉｆｉｅｒ、ＳｕｐｐｏｒｔＶｅｃｔｏｒＣｌａｓｓｉｆｉｅｒ、ｋ－ＮＮ（ＮｅａｒｅｓｔＮｅｉｇｈｂｏｒ）Ｃｌａｓｓｉｆｉｅｒ、ＧｒａｄｉｅｎｔＢｏｏｓｔｉｎｇＤｅｃｉｓｉｏｎＴｒｅｅ（ＧＢＤＴ）、Ｍｕｌｔｉ－ＬａｙｅｒＰｅｒｃｅｐｔｒｏｎ（ＭＬＰ）等の機械学習モデルを挙げることができ、これらを適宜組み合わせてもよい。

また、第２工程は、検出対象に由来する試料における特定のマイクロＲＮＡの発現量と、対照（例えば、健常者）に由来する試料における特定のマイクロＲＮＡの発現量とを比較して、検出対象に由来する試料における特定のマイクロＲＮＡの発現量が、対照に由来する試料における特定マイクロＲＮＡの発現量よりも多い場合と、特定のがんの存在とを関連付けてもよい。ここで、発現量が多い場合とは、対照（例えば、健常者）と特定のがんに罹患している対象とを区別するために設定された正常検出量（カットオフ値）よりも、対象に由来する試料における特定のマイクロＲＮＡの発現量のほうが多いことを意味してもよい。

がんの同時検出方法において、がんが検出された対象には、その進行状況等に応じて経過観察、治療介入等の処置を実施してもよい。ここで、がんの処置は、がんについて施される何らかの処置であればよく、例えば、がんの治療、改善、進行の抑制（悪化の防止）、予防、がんに起因する症状の緩和等が挙げられる。処置として具体的には、例えば、抗がん剤の投与、外科的手術などが挙げられる。

検出マーカー
検出マーカーは、乳がん、膀胱がん、胆道がん、大腸がん、食道がん、胃がん、神経膠腫、肝がん、肺がん、卵巣がん、膵がん、前立腺がん及び悪性骨軟部腫瘍からなる群に含まれるがんの同時検出に用いられる。検出マーカーは、ｍｉＲ－１３４３－３ｐ、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ、ｍｉＲ－６８３６－３ｐ、ｍｉＲ－４７３０、ｍｉＲ－４４５６、ｍｉＲ－１２５ａ－３ｐ、ｍｉＲ－４６５２－５ｐ、ｍｉＲ－６２９－３ｐ、ｍｉＲ－１３０７－３ｐ、ｍｉＲ－３１３１、ｍｉＲ－４５３４、ｍｉＲ－１９５－５ｐ、ｍｉＲ－１１８５－２－３ｐ、ｍｉＲ－４２５８、ｍｉＲ－６５１５－５ｐ、ｍｉＲ－１２４６、ｍｉＲ－６０７６、ｍｉＲ－１２３３－５ｐ、ｍｉＲ－３７３－５ｐ、ｍｉＲ－６７４１－５ｐ、ｍｉＲ－１２２－５ｐ、ｍｉＲ－４７４５－５ｐ、ｍｉＲ－４４７２、ｍｉＲ－３６１９－３ｐ、ｍｉＲ－４２２ａ、ｍｉＲ－６７４６－５ｐ、ｍｉＲ－５６９８、ｍｉＲ－４７０８－３ｐ、ｍｉＲ－４７２７－３ｐ、ｍｉＲ－５１６ａ－５ｐ、ｍｉＲ－６０８７、ｍｉＲ－４８３－５ｐ、ｍｉＲ－４７２８－５ｐ、ｍｉＲ－６８７７－５ｐ、ｍｉＲ－６８３１－５ｐ、ｍｉＲ－８０７３、ｍｉＲ－６１３１、ｍｉＲ－６７６０－５ｐ、ｍｉＲ－１９７－５ｐ、ｍｉＲ－４６９７－５ｐ、ｍｉＲ－４６４６－５ｐ、ｍｉＲ－２９ｂ－３ｐ、ｍｉＲ－３２０ａ、ｍｉＲ－３１８４－５ｐ、ｍｉＲ－３４２－５ｐ、ｍｉＲ－４７５０－３ｐ、ｍｉＲ－２９６－３ｐ、ｍｉＲ－６８３９－５ｐ、ｍｉＲ－１２０３、ｍｉＲ－３６７９－５ｐ、ｍｉＲ－１６－５ｐ、ｍｉＲ－４７８９－５ｐ、ｍｉＲ－９４１、ｍｉＲ－６２５－３ｐ、ｍｉＲ－３２０ｂ、ｍｉＲ－６７８５－５ｐ、ｍｉＲ－４６５８、ｍｉＲ－１９１４－５ｐ、ｍｉＲ－４４４３、ｍｉＲ－４７３４、ｍｉＲ－４７３２－５ｐ、ｍｉＲ－４５３２、ｍｉＲ－８８５－３ｐ、ｍｉＲ－１２２４－５ｐ、ｍｉＲ－４５１５、ｍｉＲ－１４７０、ｍｉＲ－７６４１、ｍｉＲ－６７７７－５ｐ、ｍｉＲ－９２０、ｍｉＲ－６４６、ｍｉＲ－４４８３、ｍｉＲ－１２４－３ｐ、ｍｉＲ－６４２ｂ－３ｐ、ｍｉＲ－４７７１、ｍｉＲ－３１９４－３ｐ、ｍｉＲ－１２５４、ｍｉＲ－６０８８、ｍｉＲ－６８１２－５ｐ、ｍｉＲ－６７６９ａ－５ｐ、ｍｉＲ－４２５７、ｍｉＲ－４７８３－５ｐ、ｍｉＲ－４４４７、ｍｉＲ－６７６３－５ｐ、ｍｉＲ－６７８７－５ｐ、ｍｉＲ－３９１７、ｍｉＲ－６７９４－５ｐ、ｍｉＲ－４４５５、ｍｉＲ－５５１ｂ－５ｐ、ｍｉＲ－６８８７－５ｐ、ｍｉＲ－６２９－５ｐ、ｍｉＲ－６６３ａ、ｍｉＲ－１２２５－３ｐ及びｍｉＲ－１８７－５ｐからなる第４のマイクロＲＮＡ群であってよい。

また、検出マーカーは、ｍｉＲ－１３４３－３ｐ、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ、ｍｉＲ－６８３６－３ｐ、ｍｉＲ－４７３０、ｍｉＲ－４４５６、ｍｉＲ－１２５ａ－３ｐ、ｍｉＲ－４６５２－５ｐ、ｍｉＲ－６２９－３ｐ、ｍｉＲ－１３０７－３ｐ、ｍｉＲ－３１３１、ｍｉＲ－４５３４、ｍｉＲ－１９５－５ｐ、ｍｉＲ－１１８５－２－３ｐ、ｍｉＲ－４２５８、ｍｉＲ－６５１５－５ｐ、ｍｉＲ－１２４６、ｍｉＲ－６０７６、ｍｉＲ－１２３３－５ｐ、ｍｉＲ－３７３－５ｐ、ｍｉＲ－６７４１－５ｐ、ｍｉＲ－１２２－５ｐ、ｍｉＲ－４７４５－５ｐ及びｍｉＲ－４４７２からなる第５のマイクロＲＮＡ群であってよい。

さらに、検出マーカーは、ｍｉＲ－１３４３－３ｐ、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ及びｍｉＲ－６８３６－３ｐからなる第６のマイクロＲＮＡ群であってよい。

以下、本発明を実施例により具体的に説明するが、本発明はこれらの実施例に限定されるものではない。

サンプルの入手
合計１４９６個の血清サンプルを、乳がん（ＢＲ）、膀胱がん（ＢＬ）、胆道がん（ＢＴ）、大腸がん（ＣＲ）、食道がん（ＥＳ）、胃がん（ＧＡ）、神経膠腫（ＧＬ）、肝がん（ＨＣ）、肺がん（ＬＫ）、卵巣がん（ＯＶ）、膵がん（ＰＡ）、前立腺がん（ＰＲ）及び悪性骨軟部腫瘍（ＳＡ）からなる悪性腫瘍、並びに良性腫瘍（非がん群Ａ）の患者から入手した。これらのサンプルは、２００８年から２０１６年迄の間に国立がん研究センターの中央病院において診断されたものであり、国立がん研究センターのバイオバンクに登録されている。血清サンプルは４℃で１週間保存された後に、－２０℃で保存されたものである。がん患者由来のサンプルの内、血清採取前に外科手術、化学療法、若しくは放射線療法を受けている場合、又は後述するｍｉＲＮＡマイクロアレイのデータの質が良くない場合のデータについては機械学習の分析対象から除外した。

非がん群サンプルは、横浜みのるクリニックと国立長寿医療研究センターからも入手した。１番目のグループとなる非がん群Ｂは、１９７２人のボランティアのものであり、２０１５年に集められたものであった。非がん群Ｂの収集基準は、がんの罹患歴がないことと、過去３か月以内に入院歴がないこととし、集められた血清は－８０℃で保存した。
２番目のグループとなる非がん群Ｃは、１５８１人の血清のサンプルであり、２０１０年から２０１２年迄の間に集められ、国立長寿医療研究センターにおいて－８０℃で保存されたものである。それぞれのサンプルの臨床情報については、それぞれの機関における登録情報を参照して手に入れた。婦人科医学に関する情報、例えば妊娠歴や閉経年齢については、ほとんどのサンプルにおいて手に入っていなかった。

本発明を成した研究の計画は独立行政法人国立がん研究センター研究倫理審査委員会国立研究開発法人国立長寿医療研究センター倫理・利益相反委員会によって承認された。国立がん研究センターおよび国立長寿医療研究センターから提供された検体および登録情報は、それぞれの機関のバイオバンクに由来する。また横浜みのるクリニックから提供された健康人の情報は、医療法人社団新東会横浜みのるクリニック倫理審査委員会で承認された研究から得られた。すべての被験者から書面によるインフォームドコンセントを得た。

ｍｉＲＮＡマイクロアレイ分析
トータルＲＮＡを、３００μＬの血清から、３Ｄ－Ｇｅｎｅ（登録商標）ＲＮＡｅｘｔｒａｃｔｉｏｎｒｅａｇｅｎｔｆｒｏｍｌｉｑｕｉｄｓａｍｐｌｅｋｉｔ（東レ株式会社製）を用いて抽出した。ｍｉＲＮＡ発現量の分析は、ｍｉＲＢａｓｅ（http://www.mirbase.org/）に登録された２５８８種のｍｉＲＮＡの発現量を測定できる３Ｄ－Ｇｅｎｅ（登録商標）ｍｉＲＮＡＬａｂｅｌｉｎｇｋｉｔと３Ｄ－Ｇｅｎｅ（登録商標）ＨｕｍａｎｍｉＲＮＡＯｌｉｇｏＣｈｉｐ（いずれも東レ株式会社製）を用い、標準プロトコールにしたがって行った。マイクロアレイからの蛍光強度は３Ｄ－Ｇｅｎｅ（登録商標）Ｓｃａｎｎｅｒを用いて数値化してマイクロアレイシグナルとした。

マイクロアレイのデータのクオリティをコントロールするため、ネガティブコントロールプローブおよびブランクからのシグナルの変動係数が０．１５を超えたサンプル、及び３Ｄ－Ｇｅｎｅ（登録商標）Ｓｃａｎｎｅｒ付属の画像解析ソフトで特定されるフラグプローブの数が１０個を超えた質の低いサンプルについてはさらなる分析から除外した。

ｍｉＲＮＡの存在は、ネガティブコントロールのマイクロアレイシグナルの平均値にその標準偏差の２倍を加えた数値以上のマイクロアレイシグナルが得られたことを基準にして決定した。この際、最大と最小の強度シグナルは除外した。存在が確認されたｍｉＲＮＡについては、そのマイクロアレイシグナルから、ネガティブコントロールの平均強度（シグナル強度で示されるトップとボトムの５％はそれぞれ除いた。）を差し引いてから２を底とする対数スケールに変換した。また、差し引いた後にシグナルの値が負になった場合、若しくはシグナルが計測されなかった場合には、その値は２を底とする対数スケールで０．１に変換した。

それぞれのｍｉＲＮＡシグナルの値は、３つの内部対照ｍｉＲＮＡのシグナルの値の平均値と既定値の比を用いて規格化した。すべてのマイクロアレイのデータは、ＩｎｆｏｒｍａｔｉｏｎＡｂｏｕｔａＭｉｃｒｏａｒｒａｙＥｘｐｅｒｉｍｅｎｔガイドラインに沿って得た。具体的には、ＴａｑＭａｎ^ＴＭＡｄｖａｎｃｅｄｍｉＲＮＡＡｓｓａｙｓ（ＴｈｅｒｍｏＦｉｓｈｅｒＳｃｉｅｎｔｉｆｉｃ社製）を用い、ｑＲＴ－ＰＣＲのバリデーションを行った。ｍｉＲＮＡの定量データは、対応するｍｉＲ－１４９３－３ｐ、ｍｉＲ－２８６１、及びｍｉＲ－４４６３により規格化した。ここで、人間の血清（ＬＯＮＺＡ、１４－４９０Ｅ）から抽出したＲＮＡの連続希釈法を性能分析の定量評価に使用した。

（機械学習による分析）
上記で得られたｍｉＲＮＡデータを、学習用データセットとテスト用データセットとして４：１にランダムに分けた。これは階層分割であり、ラベルディストリビューションが学習用とテスト用のデータセットにおいて、ほぼ同じであることを意味する。それぞれのサンプルに由来する学習用データは、不適格なｍｉＲＮＡデータを除いた２５６１次元の特徴ベクトルと、非がんを含むがん種を表す１から１４の整数とのペアで表現される。対象となるがん種は、乳がん、膀胱がん、胆道がん、大腸がん、食道がん、胃がん、神経膠腫、肝がん、肺がん、卵巣がん、膵がん、前立腺がん及び悪性骨軟部腫瘍である。以下のようにして、学習用データセットを用いて学習モデルを学習させ、その性能をテスト用データセットで評価した。

図１は、機械学習のシステムの概要を表している。ＦｅａｔｕｒｅＥｘｔｒａｃｔｏｒは入力の特徴ベクトル（すなわち約２５００種類のｍｉＲＮＡの発現量を表したベクトル）に対して教師なし（すなわち、予測対象であるのがん種の情報を使わない）で変換を行なっている。具体的には、特徴ベクトル群に対してｔ－ＳＮＥを適用している。なお、この出力は後段の学習器の入力として用いられている。機械学習システムは、５つの予測器（破線で囲んだ部分）を持ち、それぞれが予測結果を出力する。Ｖｏｔｉｎｇはそれらの結果を集約し、機械学習システム全体の予測結果を出力する。具体的には各サンプル、各がん種に対して、予測器が出力するスコアの幾何平均を計算している。上記の「ｍｉＲＮＡマイクロアレイ分析」に記載の方法を、前処理として特徴ベクトルに適用した。さらに、ｔ－ＳＮＷを教師なし特徴抽出器として、前処理した特徴ベクトルに適用し、特徴ベクトルをその出力として増強した。

各予測器にはそれぞれ５台の分類器（Ｃｌａｓｓｉｆｉｅｒ）を構築した。これらは異なる乱数シードを持つ同一のアーキテクチャーとなる。それぞれのサンプルにおける分類器の出力は、がん種ごとの確率分布を表すベクトルとなる。つまり、ｉ番目の要素は、サンプル中でＩＤがｉとラベルされたがん（若しくは非がん）の確率を表している。５個の分類器の出力を統合するため、これらの幾何平均を取り、がん種による値を最大化する最終的な予測結果を定義した。

分類器の構築には、２段階層技術を適用した。最初のステージは、並列に配置された学習器から成っている。前処理したデータセットの組と、学習器に対する教師なし特徴抽出器の出力とを与え、これらの予測結果を得た。それぞれの学習器を学習させるため、学習用データセットをほぼ同じ数になるように５分割し、その内の３分割分を内部学習用データセットとし、残りの２分割分を内部バリデーション用データセットとした。内部学習用データセットで学習器を学習させ、内部バリデーション用のデータセットのための予測結果を得た。モデルの学習は、内部学習用と内部バリデーション用について、考えうるすべての分割区分で行った。

このようにして、それぞれのサンプルに対して４つの予測結果を得た。この予測結果について算術平均を行い、学習器の予測結果を得た。最初の第一ステージの弱い学習器として、ＲａｎｄｏｍＦｏｒｅｓｔ、ＬｏｇｉｓｔｉｃＲｅｇｒｅｓｓｉｏｎ、ＥｘｔｒａＴｒｅｅＣｌａｓｓｉｆｉｅｒ、ＳｕｐｐｏｒｔＶｅｃｔｏｒＣｌａｓｓｉｆｉｅｒ、ｋ－ＮＮ（ＮｅａｒｅｓｔＮｅｉｇｈｂｏｒ）Ｃｌａｓｓｉｆｉｅｒ、ＧｒａｄｉｅｎｔＢｏｏｓｔｉｎｇＤｅｃｉｓｉｏｎＴｒｅｅ（ＧＢＤＴ）、及びＭｕｌｔｉ－ＬａｙｅｒＰｅｒｃｅｐｔｒｏｎ（ＭＬＰ）を使用した。学習器に加え、ｋ－ＮＮを第一ステージの教師なし特徴抽出器として使用した。第一ステージの学習器の出力は、次の第二ステージの学習器に与えられ、そこでは分類器としてＧＢＤＴを使用した。機械学習システムではパイソンを使用した。学習器の実装には，ＧＢＤＴの実装にＸＧＢｏｏｓｔ、ＭＬＰの実装にＣｈａｉｎｅｒ、それ以外の学習器の実装には、Ｓｃｉｋｉｔ－ｌｅａｒｎを用いた．

学習用データセットを用いて機械学習を行って得られた学習済みモデルに対して、テスト用データセットを入力して、がんの同時検出方法を評価した。結果を図２に示す。図２は、テスト用データセットについての機械学習システムの予測結果と実際の腫瘍部位を比較した表（ｃｏｎｆｕｓｉｏｎｍａｔｒｉｘ；混同行列）である。数値は腫瘍部位ごとの予測サンプル数の割合を表す。例えば、左端列の上から４行目の０．０３は、テスト用データセット中の乳がん（ＢＲ）の全サンプルのうち、３％を機械学習システムは誤って大腸がん（ＣＲ）と予測したことを意味する。対角線上の数値は正しく部位予測ができた割合を表す。なお、列ごとの数値の合計は１となる。図２中、ＢＲは乳がん、ＢＬは膀胱がん、ＢＴは胆道がん、ＣＲは大腸がん、ＥＳは食道がん、ＧＡは胃がん、ＧＬは神経膠腫、ＨＣは肝がん、ＬＵは肺がん、ＯＶは卵巣がん、ＰＡは膵がん、ＰＲは前立腺がん、ＳＡは悪性骨軟部腫瘍、ＮＣは非がんを意味する。また、ＢＲ＿Ｂは乳がんの良性疾患、ＧＬ＿Ｂは神経膠腫の良性疾患、ＯＶ＿Ｂは卵巣がんの良性疾患、ＰＲ＿Ｂは前立腺がんの良性疾患、ＳＡ＿Ｂは骨軟部腫瘍の良性疾患を示す。

図２から、乳がん、膀胱がん、胆道がん、大腸がん、食道がん、胃がん、神経膠腫、肝がん、肺がん、卵巣がん、膵がん、前立腺がん、悪性骨軟部腫瘍、及び非がんを良好な感度で識別できたことが分かる。また、前立腺の良性腫瘍（ＢＬ＿Ｂ）、良性の骨部及び軟部組織の疾患（ＳＡ＿Ｂ）もまた正確に区別できた。一方で、非悪性の乳腺（ＢＲ＿Ｂ）、脳（ＧＬ＿Ｂ）及び卵巣（ＯＶ＿Ｂ）の疾患サンプルについては、サンプルサイズが小さいことから、対応する臓器の悪性腫瘍と予測された。

機械学習システムの識別精度の頑強さを、５分割交差検証で確認した。結果を図３に示す。高い識別精度は病気のステージに関わらず得られていることから、循環ｍｉＲＮＡによる診断は、初期のがんのステージにおいても有用であることが示された。特に、胆管がんと膵がんについては、進行性ステージのサンプルにおいてより正確に診断できた。一方で、大腸がん、食道がん、及び前立腺がんについては、初期のステージのサンプルにおいてより正確に診断できる傾向となった。他のがん種については、疾患のステージと診断の正確性との間に関連性は見られなかった。また、図４及び図５に示すように、全体として、患者の性別と年齢は診断成績に影響を与えなかった。

上述した機械学習システムは、高い識別精度にも関わらず、いくつかのサンプルでは他のがんと誤診断をした。この誤診断を明確にするため、それぞれのサンプルの確率スコアを分析した。図６から図８はテスト用データセット中の胆道がん（ＢＴ）、肝がん（ＨＣ）及び悪性骨軟部腫瘍（ＳＡ）のサンプルについて、機械学習結果の予測結果を可視化したものである。機械学習システムは各サンプルに対して１９次元のベクトルを出力する。各要素は非負の値で数値が大きいほど対応するがん（もしくは、非がん）である可能性が高いことを表す。２次元の表の１列が１サンプルを表し、マスの色の濃さがスコアの大小を表す。２次元の表の上にある箱は予測結果の正解・不正解を示す。なお、スコアが最も高いがん種を機械学習システムの予測としている。

それぞれのサンプルにおいて、機械学習システムの出力はベクトルである。それぞれのベクトルの成分は、それぞれのがんのスコアを表している。最大のスコアを獲得したがん種が、機械学習システムの最終的な出力として扱われる。図２に示されるように、悪性サンプルの中では、胆道がん（ＢＴ）、肝がん（ＨＣ）及び悪性骨軟部腫瘍（ＳＡ）が、それぞれ０．５９、０．７４及び０．７８と最も悪い感度を示した。胆道がん（ＢＴ）のうち２１％は胃がん（ＧＡ）と、９％は膵がん（ＰＡ）と誤診断された。肝がん（ＨＣ）は、胃がん（ＧＡ）又は膵がん（ＰＡ）に誤診断される傾向があった。加えて、胃がん（ＧＡ）と肺がん（ＬＵ）とは、確率は５％以下と低いが、それぞれについて誤診断される傾向があった。

組織ｍｉＲＮＡは、出自によって同様の特徴を共有するため、循環ｍｉＲＮＡプロファイルの同様な変化が、前腸由来組織、例えば胃、肝臓、膵臓、胆管及び肺におけるがんの存在で誘発されると考えられる。骨腫瘍と軟部組織腫瘍については、悪性と良性サンプルのそれぞれの誤診断がこれらの感度を減少させた。図９に示されるように、膀胱がん（ＢＬ）と前立腺がん（ＰＲ）もまた、それぞれの間で誤診断する傾向があった。また、図１０に示されるように、例えば、性別、年齢及び疾患のステージのような臨床所見を比べても、正確に診断したサンプルと誤診したサンプルに大きな違いは見られなかった。

Ｐｒｏｂａｂｉｌｉｔｙｓｃｏｒｅの算出
上記で説明した機械学習システムで使用したのと同様の学習用データセットを用いて、ＧＤＢＴを学習させた。次いで、決定木の貢献スコアのノードを分割して得られた情報獲得をベースにしたそれぞれのｍｉＲＮＡの貢献スコアを計算した。結果を図１１に示す。図１１の縦軸は貢献スコアであり、横軸はランクである。また、貢献スコアの上位２００のｍｉＲＡＮ種と貢献スコアを表５に示す。

表３及び図１１に示すようにｈｓａ－ｍｉＲ－１３４３－３ｐの貢献スコアが突出しており、ｈｓａ－ｍｉＲ－１３４３－３ｐの発現量が、がんの識別に大きく貢献していることが示唆された。

貢献スコアが高い上位１０種、３０種、１００種及び１０００種のｍｉＲＮＡの発現量を用いて、上記と同様にして学習済みモデルを得て、テスト用データセットについてがんを検出した。結果を図１２に示す。図１２に示されるように１００種のｍｉＲＮＡを用いた場合に理想的な診断成績に達した。本開示によれば、対象における特定のがん種の罹患を同時に検出することが可能ながんの同時検出方法を提供することができる。

Claims

検出対象に由来する試料に含まれる、ｍｉＲ－１３４３－３ｐの発現量と、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ、ｍｉＲ－６８３６－３ｐ、ｍｉＲ－４７３０、ｍｉＲ－４４５６、ｍｉＲ－１２５ａ－３ｐ、ｍｉＲ－４６５２－５ｐ、ｍｉＲ－６２９－３ｐ、ｍｉＲ－１３０７－３ｐ、ｍｉＲ－３１３１、ｍｉＲ－４５３４、ｍｉＲ－１９５－５ｐ、ｍｉＲ－１１８５－２－３ｐ、ｍｉＲ－４２５８、ｍｉＲ－６５１５－５ｐ、ｍｉＲ－１２４６、ｍｉＲ－６０７６、ｍｉＲ－１２３３－５ｐ、ｍｉＲ－３７３－５ｐ、ｍｉＲ－６７４１－５ｐ、ｍｉＲ－１２２－５ｐ、ｍｉＲ－４７４５－５ｐ、ｍｉＲ－４４７２、ｍｉＲ－３６１９－３ｐ、ｍｉＲ－４２２ａ、ｍｉＲ－６７４６－５ｐ、ｍｉＲ－５６９８、ｍｉＲ－４７０８－３ｐ、ｍｉＲ－４７２７－３ｐ、ｍｉＲ－５１６ａ－５ｐ、ｍｉＲ－６０８７、ｍｉＲ－４８３－５ｐ、ｍｉＲ－４７２８－５ｐ、ｍｉＲ－６８７７－５ｐ、ｍｉＲ－６８３１－５ｐ、ｍｉＲ－８０７３、ｍｉＲ－６１３１、ｍｉＲ－６７６０－５ｐ、ｍｉＲ－１９７－５ｐ、ｍｉＲ－４６９７－５ｐ、ｍｉＲ－４６４６－５ｐ、ｍｉＲ－２９ｂ－３ｐ、ｍｉＲ－３２０ａ、ｍｉＲ－３１８４－５ｐ、ｍｉＲ－３４２－５ｐ、ｍｉＲ－４７５０－３ｐ、ｍｉＲ－２９６－３ｐ、ｍｉＲ－６８３９－５ｐ、ｍｉＲ－１２０３、ｍｉＲ－３６７９－５ｐ、ｍｉＲ－１６－５ｐ、ｍｉＲ－４７８９－５ｐ、ｍｉＲ－９４１、ｍｉＲ－６２５－３ｐ、ｍｉＲ－３２０ｂ、ｍｉＲ－６７８５－５ｐ、ｍｉＲ－４６５８、ｍｉＲ－１９１４－５ｐ、ｍｉＲ－４４４３、ｍｉＲ－４７３４、ｍｉＲ－４７３２－５ｐ、ｍｉＲ－４５３２、ｍｉＲ－８８５－３ｐ、ｍｉＲ－１２２４－５ｐ、ｍｉＲ－４５１５、ｍｉＲ－１４７０、ｍｉＲ－７６４１、ｍｉＲ－６７７７－５ｐ、ｍｉＲ－９２０、ｍｉＲ－６４６、ｍｉＲ－４４８３、ｍｉＲ－１２４－３ｐ、ｍｉＲ－６４２ｂ－３ｐ、ｍｉＲ－４７７１、ｍｉＲ－３１９４－３ｐ、ｍｉＲ－１２５４、ｍｉＲ－６０８８、ｍｉＲ－６８１２－５ｐ、ｍｉＲ－６７６９ａ－５ｐ、ｍｉＲ－４２５７、ｍｉＲ－４７８３－５ｐ、ｍｉＲ－４４４７、ｍｉＲ－６７６３－５ｐ、ｍｉＲ－６７８７－５ｐ、ｍｉＲ－３９１７、ｍｉＲ－６７９４－５ｐ、ｍｉＲ－４４５５、ｍｉＲ－５５１ｂ－５ｐ、ｍｉＲ－６８８７－５ｐ、ｍｉＲ－６２９－５ｐ、ｍｉＲ－６６３ａ、ｍｉＲ－１２２５－３ｐ及びｍｉＲ－１８７－５ｐからなるマイクロＲＮＡ群に含まれるそれぞれのマイクロＲＮＡの発現量と、を測定することを含む、乳がん、膀胱がん、胆道がん、大腸がん、食道がん、胃がん、神経膠腫、肝がん、肺がん、卵巣がん、膵がん、前立腺がん及び悪性骨軟部腫瘍からなる群に含まれるがんの同時検出方法。
検出対象に由来する試料に含まれる、ｍｉＲ－１３４３－３ｐの発現量と、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ、ｍｉＲ－６８３６－３ｐ、ｍｉＲ－４７３０、ｍｉＲ－４４５６、ｍｉＲ－１２５ａ－３ｐ、ｍｉＲ－４６５２－５ｐ、ｍｉＲ－６２９－３ｐ、ｍｉＲ－１３０７－３ｐ、ｍｉＲ－３１３１、ｍｉＲ－４５３４、ｍｉＲ－１９５－５ｐ、ｍｉＲ－１１８５－２－３ｐ、ｍｉＲ－４２５８、ｍｉＲ－６５１５－５ｐ、ｍｉＲ－１２４６、ｍｉＲ－６０７６、ｍｉＲ－１２３３－５ｐ、ｍｉＲ－３７３－５ｐ、ｍｉＲ－６７４１－５ｐ、ｍｉＲ－１２２－５ｐ、ｍｉＲ－４７４５－５ｐ及びｍｉＲ－４４７２からなるマイクロＲＮＡ群に含まれるそれぞれのマイクロＲＮＡの発現量と、を測定することを含む、乳がん、膀胱がん、胆道がん、大腸がん、食道がん、胃がん、神経膠腫、肝がん、肺がん、卵巣がん、膵がん、前立腺がん及び悪性骨軟部腫瘍からなる群に含まれるがんの同時検出方法。
検出対象に由来する試料に含まれる、ｍｉＲ－１３４３－３ｐの発現量と、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ及びｍｉＲ－６８３６－３ｐからなるマイクロＲＮＡ群に含まれるそれぞれのマイクロＲＮＡの発現量と、を測定することを含む、乳がん、膀胱がん、胆道がん、大腸がん、食道がん、胃がん、神経膠腫、肝がん、肺がん、卵巣がん、膵がん、前立腺がん及び悪性骨軟部腫瘍からなる群に含まれるがんの同時検出方法。
前記マイクロＲＮＡの発現量と、検出対象における乳がん、膀胱がん、胆道がん、大腸がん、食道がん、胃がん、神経膠腫、肝がん、肺がん、卵巣がん、膵がん、前立腺がん及び悪性骨軟部腫瘍からなる群から選択されるがんの存在とを関連付けることを含む請求項１から３のいずれか１項に記載の同時検出方法。
前記試料は、検出対象の血液、尿、脳脊髄液、リンパ液、涙液及び腹水からなる群から選択される少なくとも１種に由来する請求項１から４のいずれか１項に記載の同時検出方法。
前記マイクロＲＮＡの発現量は、ＤＮＡマイクロアレイ、ＲＮＡマイクロアレイ、定量ＰＣＲ及び次世代シーケンサーからなる群から選択される少なくとも１種で測定される請求項１から５のいずれか１項に記載の同時検出方法。
前記マイクロＲＮＡは、ヒトに由来する塩基配列を有する請求項１から６のいずれかに記載の同時検出方法。
ｍｉＲ－１３４３－３ｐ、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ、ｍｉＲ－６８３６－３ｐ、ｍｉＲ－４７３０、ｍｉＲ－４４５６、ｍｉＲ－１２５ａ－３ｐ、ｍｉＲ－４６５２－５ｐ、ｍｉＲ－６２９－３ｐ、ｍｉＲ－１３０７－３ｐ、ｍｉＲ－３１３１、ｍｉＲ－４５３４、ｍｉＲ－１９５－５ｐ、ｍｉＲ－１１８５－２－３ｐ、ｍｉＲ－４２５８、ｍｉＲ－６５１５－５ｐ、ｍｉＲ－１２４６、ｍｉＲ－６０７６、ｍｉＲ－１２３３－５ｐ、ｍｉＲ－３７３－５ｐ、ｍｉＲ－６７４１－５ｐ、ｍｉＲ－１２２－５ｐ、ｍｉＲ－４７４５－５ｐ、ｍｉＲ－４４７２、ｍｉＲ－３６１９－３ｐ、ｍｉＲ－４２２ａ、ｍｉＲ－６７４６－５ｐ、ｍｉＲ－５６９８、ｍｉＲ－４７０８－３ｐ、ｍｉＲ－４７２７－３ｐ、ｍｉＲ－５１６ａ－５ｐ、ｍｉＲ－６０８７、ｍｉＲ－４８３－５ｐ、ｍｉＲ－４７２８－５ｐ、ｍｉＲ－６８７７－５ｐ、ｍｉＲ－６８３１－５ｐ、ｍｉＲ－８０７３、ｍｉＲ－６１３１、ｍｉＲ－６７６０－５ｐ、ｍｉＲ－１９７－５ｐ、ｍｉＲ－４６９７－５ｐ、ｍｉＲ－４６４６－５ｐ、ｍｉＲ－２９ｂ－３ｐ、ｍｉＲ－３２０ａ、ｍｉＲ－３１８４－５ｐ、ｍｉＲ－３４２－５ｐ、ｍｉＲ－４７５０－３ｐ、ｍｉＲ－２９６－３ｐ、ｍｉＲ－６８３９－５ｐ、ｍｉＲ－１２０３、ｍｉＲ－３６７９－５ｐ、ｍｉＲ－１６－５ｐ、ｍｉＲ－４７８９－５ｐ、ｍｉＲ－９４１、ｍｉＲ－６２５－３ｐ、ｍｉＲ－３２０ｂ、ｍｉＲ－６７８５－５ｐ、ｍｉＲ－４６５８、ｍｉＲ－１９１４－５ｐ、ｍｉＲ－４４４３、ｍｉＲ－４７３４、ｍｉＲ－４７３２－５ｐ、ｍｉＲ－４５３２、ｍｉＲ－８８５－３ｐ、ｍｉＲ－１２２４－５ｐ、ｍｉＲ－４５１５、ｍｉＲ－１４７０、ｍｉＲ－７６４１、ｍｉＲ－６７７７－５ｐ、ｍｉＲ－９２０、ｍｉＲ－６４６、ｍｉＲ－４４８３、ｍｉＲ－１２４－３ｐ、ｍｉＲ－６４２ｂ－３ｐ、ｍｉＲ－４７７１、ｍｉＲ－３１９４－３ｐ、ｍｉＲ－１２５４、ｍｉＲ－６０８８、ｍｉＲ－６８１２－５ｐ、ｍｉＲ－６７６９ａ－５ｐ、ｍｉＲ－４２５７、ｍｉＲ－４７８３－５ｐ、ｍｉＲ－４４４７、ｍｉＲ－６７６３－５ｐ、ｍｉＲ－６７８７－５ｐ、ｍｉＲ－３９１７、ｍｉＲ－６７９４－５ｐ、ｍｉＲ－４４５５、ｍｉＲ－５５１ｂ－５ｐ、ｍｉＲ－６８８７－５ｐ、ｍｉＲ－６２９－５ｐ、ｍｉＲ－６６３ａ、ｍｉＲ－１２２５－３ｐ及びｍｉＲ－１８７－５ｐからなるマイクロＲＮＡ群であって、乳がん、膀胱がん、胆道がん、大腸がん、食道がん、胃がん、神経膠腫、肝がん、肺がん、卵巣がん、膵がん、前立腺がん及び悪性骨軟部腫瘍からなる群に含まれるがんの同時検出方法に用いられる検出マーカー。
前記マイクロＲＮＡ群は、ｍｉＲ－１３４３－３ｐ、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ、ｍｉＲ－６８３６－３ｐ、ｍｉＲ－４７３０、ｍｉＲ－４４５６、ｍｉＲ－１２５ａ－３ｐ、ｍｉＲ－４６５２－５ｐ、ｍｉＲ－６２９－３ｐ、ｍｉＲ－１３０７－３ｐ、ｍｉＲ－３１３１、ｍｉＲ－４５３４、ｍｉＲ－１９５－５ｐ、ｍｉＲ－１１８５－２－３ｐ、ｍｉＲ－４２５８、ｍｉＲ－６５１５－５ｐ、ｍｉＲ－１２４６、ｍｉＲ－６０７６、ｍｉＲ－１２３３－５ｐ、ｍｉＲ－３７３－５ｐ、ｍｉＲ－６７４１－５ｐ、ｍｉＲ－１２２－５ｐ、ｍｉＲ－４７４５－５ｐ及びｍｉＲ－４４７２からなる請求項８に記載の検出マーカー。
前記マイクロＲＮＡ群は、ｍｉＲ－１３４３－３ｐ、ｍｉＲ－２２１－３ｐ、ｍｉＲ－４７８７－３ｐ、ｍｉＲ－６７１７－５ｐ、ｍｉＲ－４７８３－３ｐ、ｍｉＲ－３１６０－５ｐ、ｍｉＲ－６７３６－５ｐ、ｍｉＲ－１７－３ｐ、ｍｉＲ－１１８５－１－３ｐ及びｍｉＲ－６８３６－３ｐからなる請求項８に記載の検出マーカー。
前記同時検出方法は、請求項１から７のいずれか１項に記載の同時検出方法で実施される請求項８から１０のいずれか１項に記載の検出マーカー。