JP2022541125A - 患者を層別化するための分類子の開発 - Google Patents
患者を層別化するための分類子の開発 Download PDFInfo
- Publication number
- JP2022541125A JP2022541125A JP2021577528A JP2021577528A JP2022541125A JP 2022541125 A JP2022541125 A JP 2022541125A JP 2021577528 A JP2021577528 A JP 2021577528A JP 2021577528 A JP2021577528 A JP 2021577528A JP 2022541125 A JP2022541125 A JP 2022541125A
- Authority
- JP
- Japan
- Prior art keywords
- subject
- responsive
- classifier
- disease
- tnf therapy
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6863—Cytokines, i.e. immune system proteins modifying a biological response such as cell growth proliferation or differentiation, e.g. TNF, CNF, GM-CSF, lymphotoxin, MIF or their receptors
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
- G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K38/00—Medicinal preparations containing peptides
- A61K38/16—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof
- A61K38/17—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof from animals; from humans
- A61K38/177—Receptors; Cell surface antigens; Cell surface determinants
- A61K38/1793—Receptors; Cell surface antigens; Cell surface determinants for cytokines; for lymphokines; for interferons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
- A61P19/00—Drugs for skeletal disorders
- A61P19/02—Drugs for skeletal disorders for joint disorders, e.g. arthritis, arthrosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
- A61P37/00—Drugs for immunological or allergic disorders
- A61P37/02—Immunomodulators
- A61P37/06—Immunosuppressants, e.g. drugs for graft rejection
-
- C—CHEMISTRY; METALLURGY
- C07—ORGANIC CHEMISTRY
- C07K—PEPTIDES
- C07K16/00—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies
- C07K16/18—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans
- C07K16/24—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against cytokines, lymphokines or interferons
- C07K16/241—Tumor Necrosis Factors
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- C—CHEMISTRY; METALLURGY
- C07—ORGANIC CHEMISTRY
- C07K—PEPTIDES
- C07K2317/00—Immunoglobulins specific features
- C07K2317/20—Immunoglobulins specific features characterized by taxonomic origin
- C07K2317/21—Immunoglobulins specific features characterized by taxonomic origin from primates, e.g. man
-
- C—CHEMISTRY; METALLURGY
- C07—ORGANIC CHEMISTRY
- C07K—PEPTIDES
- C07K2317/00—Immunoglobulins specific features
- C07K2317/20—Immunoglobulins specific features characterized by taxonomic origin
- C07K2317/24—Immunoglobulins specific features characterized by taxonomic origin containing regions, domains or residues from different species, e.g. chimeric, humanized or veneered
-
- C—CHEMISTRY; METALLURGY
- C07—ORGANIC CHEMISTRY
- C07K—PEPTIDES
- C07K2317/00—Immunoglobulins specific features
- C07K2317/50—Immunoglobulins specific features characterized by immunoglobulin fragments
- C07K2317/55—Fab or Fab'
-
- C—CHEMISTRY; METALLURGY
- C07—ORGANIC CHEMISTRY
- C07K—PEPTIDES
- C07K2317/00—Immunoglobulins specific features
- C07K2317/70—Immunoglobulins specific features characterized by effect upon binding to a cell or to an antigen
- C07K2317/76—Antagonist effect on antigen, e.g. neutralization or inhibition of binding
-
- 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
- C12Q2600/106—Pharmacogenomics, i.e. genetic variability in individual responses to drugs and drug metabolism
-
- 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
- C12Q2600/156—Polymorphic or mutational 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
- C12Q2600/158—Expression markers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
- G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
- G01N2333/52—Assays involving cytokines
- G01N2333/525—Tumor necrosis factor [TNF]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/52—Predicting or monitoring the response to treatment, e.g. for selection of therapy based on assay results in personalised medicine; Prognosis
Abstract
Description
本出願は、2020年1月24日に出願された米国仮出願第62/965,486号、2019年6月27日に出願された米国仮出願第62/867,853号、および2019年8月2日に出願された米国仮出願第62/882,402号の優先権を主張するものであり、これらの各々は、全体として参照により本明細書に組み込まれる。
投与:本明細書で使用されるように、「投与」という用語は、典型的には、例えば、組成物である、または組成物に含まれる、または組成物によって他の方法で送達される、薬剤の送達を達成するための、対象または系への組成物の投与を意味する。
本開示は、どの患者が特定の治療に反応するかまたは反応しないかを識別(すなわち、予測)することができる分類子およびそのような分類子の開発を提供する。いくつかの実施形態では、分類子は、抗TNF治療(例えば、特定の抗TNF薬剤および/またはレジメン)を受けた反応性および非反応性の先行対象を区別するために確立される。
典型的には、本明細書に記載される分類子の遺伝子発現態様は、発現レベルが(例えば、線形および/または非線形様式で)臨床的な反応性または非反応性に有意に相関する1つ以上の遺伝子、ならびに、1つ以上の遺伝子の発現配列における1つ以上の一塩基多型(SNPs)の存在、あるいは、反応性および非反応性の先行対象の少なくとも1つの臨床的特徴、の少なくとも1つを評価することによって決定される。発現レベルがレスポンダー集団とノンレスポンダー集団との間で統計的に有意な差を示す遺伝子は、遺伝子応答シグネチャーに含まれることがある。
本開示はさらに、一塩基多型(SNP)がRNA配列データを介して同定され得るという洞察を包含する。すなわち、RNA配列データを参照ヒトゲノムと比較することによって、例えば、RNA配列データをGRCh38ヒトゲノムにマッピングすることによって、である。理論に縛られることなく、分類子で使用されるRNA配列に相関するSNPの存在は、特定の治療(例えば、抗TNF治療)に反応するか、または反応しない対象の亜集団の同定を容易にすることができると信じられている。すなわち、識別力のある遺伝子およびSNP含有RNAのタンパク質産物は、ネットワーク医学およびパスウェイ濃縮分析を用いて分析することができる。分類子に含まれる識別力のある遺伝子およびSNP含有RNAによってコードされるタンパク質は、例えば、ヒトインタラクトームのマップに重ね合わされることで、識別力のある遺伝子の特定のセットを同定することによって対象の特定の亜集団を同定するのに役立つことが可能である。
分類子は、レスポンダーとノンレスポンダーを識別するための分類子の予測能力をさらに向上させるために、追加情報を組み込むこともできる。例えば、いくつかの実施形態では、分類子は、発現レベルが(例えば、線形および/または非線形様式で)臨床的な反応性または非反応性に有意に相関する1つ以上の遺伝子、および、1つ以上の遺伝子の発現配列における1つ以上の一塩基多型(SNP)の存在、または、反応性および非反応性の先行対象の少なくとも1つの臨床的特徴、の少なくとも1つを評価することによって開発される。すなわち、いくつかの実施形態では、分類子は、発現レベルが(例えば、線形および/または非線形様式で)臨床的な反応性または非反応性に有意に相関する1つ以上の遺伝子、および、1つ以上の遺伝子の発現配列における1つ以上の一塩基多型(SNP)の存在を評価することによって開発される。いくつかの実施形態では、発現レベルが(例えば、線形および/または非線形様式で)臨床的な反応性または非反応性に有意に相関する1つ以上の遺伝子(例えば、線形および/または非線形様式で)、ならびに、反応性および非反応性の先行対象の少なくとも1つの臨床的特徴を評価することによって開発される。
代替的にまたは追加的に、いくつかの実施形態では、分類子は、リーブワンアウト(leave-one-out)交差検証および/またはk-分割交差検証を用いて、既知のレスポンダーおよびノンレスポンダーのコホートを用いて確率的ニューラルネットワークで訓練され得る。いくつかの実施形態では、このようなプロセスは、1つのサンプルを分析から除外し(すなわち、リーブワンアウト)、残りのサンプルに基づいてのみ分類子を訓練する。いくつかの実施形態では、更新された分類子は、その後、除外されたサンプルの反応の確率を予測するために使用される。いくつかの実施形態では、このようなプロセスは、例えば、すべてのサンプルが1回除外されるまで、反復的に繰り返され得る。いくつかの実施形態では、このようなプロセスは、既知のレスポンダーとノンレスポンダーのコホートをk個の等しいサイズのグループに無作為に分割する。k個のグループのうち、1つのグループは、モデルを試験するための検証データとして保持され、残りのグループは、訓練データとして使用される。このようなプロセスはk回繰り返すことができ、k個のグループのそれぞれは検証データとして正確に1回使用される。いくつかの実施形態では、アウトカムは、訓練セット内の各サンプルに対する確率スコアである。そのような確率スコアは、実際の反応アウトカムと相関することができる。再帰動作曲線(Recursive Operating Curve)(ROC)は、分類子の性能を推定するために使用することができる。いくつかの実施形態では、約0.6以上の曲線下面積(AUC)は、適切に検証された分類子を反映している。いくつかの実施形態では、0.9の陰性的中率(NPV)は、適切な検証済み分類子を反映している。いくつかの実施形態では、分類子は、例えば、適合性を確認するために(すなわち、リーブワンアウト交差検証および/またはk-分割交差検証を用いて)、完全に独立した(すなわち、盲検化した)コホートにおいて試験され得る。したがって、いくつかの実施形態では、提供される方法は、例えば、既知のレスポンダーおよびノンレスポンダーのグループに反応の確率を割り当てることによって、分類子を検証する1つ以上の工程と、レスポンダーとノンレスポンダーの盲検化されたグループに対して分類子をチェックする工程と、をさらに含む。これらのプロセスの出力は、対象が特定の治療(例えば、抗TNF治療)に反応するか否かを確定するのに有用な訓練された分類子である。
訓練された分類子を用いて対象の遺伝子シグネチャーを検出することは、当業者にとって日常的な事項である。すなわち、最初に(分類子から)遺伝子シグネチャーを定義することにより、様々な方法を用いて、対象または対象のグループが確立された遺伝子シグネチャーを発現しているか否かを決定することができる。例えば、いくつかの実施形態では、実務者は、治療の投与前に対象から血液または組織サンプルを取得し、上記血液または組織サンプルからmRNAプロファイルを抽出および分析することができる。mRNAプロファイルの分析は、限定されないが、遺伝子アレイ、RNA-配列決定、ナノストリングシーケンシング、リアルタイム定量逆転写PCR(qRT-PCR)、ビーズアレイ、または酵素結合免疫吸着測定法(ELISA)を含む、当業者に知られている任意の方法によって実施することができる。したがって、いくつかの実施形態では、本開示は、対象がレスポンダーまたはノンレスポンダーとして分類されるかどうかを決定する方法を提供し、上記方法は、マイクロアレイ、RNA配列決定、リアルタイム定量逆転写PCR(qRT-PCR)、ビーズアレイ、およびELISAの少なくとも1つによって遺伝子発現を測定する工程を含む。いくつかの実施形態では、本開示は、RNA配列決定(すなわち、RNAseq)によって対象の遺伝子発現を測定する工程を含む、対象がレスポンダーまたはノンレスポンダーとして分類されるかどうかを決定する方法を提供する。
1.患者の層別化
とりわけ、本開示は、抗TNF治療に対する反応性を予測するための技術を提供する。いくつかの実施形態では、提供される技術は、以前の方法論よりも優れたコホートにわたる一貫性および/または精度を示す。
さらに、本開示は、所定の対象または対象のコホートに対する治療をモニタリングするための技術を提供する。対象の遺伝子発現レベルは時間とともに変化し得るので、場合によっては、1つ以上の時点、例えば、指定された間隔および/または周期的な間隔で対象を評価することが必要であるか、または望ましいことがある。
いくつかの実施形態では、抗TNF治療が投与される対象または集団、あるいは、抗TNF治療が控えられる(および/または代替治療が投与される)対象または集団は、特定の発現レベルの1つ以上の遺伝子、典型的には、複数の遺伝子を示すと決定されたものである。いくつかの実施形態では、1つ以上の遺伝子は、特定の閾値より下の発現レベルを有すると決定され、代替的または追加的に、いくつかの実施形態では、1つ以上の遺伝子は、特定の閾値より下の発現レベルを有すると決定される。いくつかの実施形態では、遺伝子の特定のセットは、それぞれが特定の閾値と比べて評価される(および、例えば、そのような閾値より上、下、またはそれと同等であると決定される)発現のパターンを有すると決定される。
(a)コンピューティングデバイスのプロセッサによって、炎症性疾患(例えば、自己免疫疾患、関節リウマチ)に苦しむ対象の1つ以上の遺伝子の各々の発現レベルに対応するデータを受信する工程であって、前記1つ以上の遺伝子は、CORO2B、STOML2、CHMP7、SPINT2、CYSLTR2、SSNA1、IMPDH2、GOLGA1、SUOX、ARPC1A、およびKLHDC3からなる群から選択される少なくとも1つのメンバー(例えば、1、2、3、4、5、6、7、8、9、10、または11すべてのメンバー)を含む、工程と、
(b)プロセッサによって、工程(a)で受信されたデータを使用して、抗TNF治療に非反応性であるとして対象の分類を自動的に決定する工程と、任意選択的に、
(c)疾患の処置のために、第2の治療(例えば、抗TNF治療の代替物)を対象に処方および/または投与する工程であって、それによって、対象への第1の治療の処方および/または投与を回避する、工程と、を含む、方法を提供する。
(a)コンピューティングデバイスのプロセッサによって、疾患(例えば、自己免疫疾患、例えば、関節リウマチ)に苦しむ対象の各々の1つ以上の遺伝子の発現レベルに対応するデータを受信する工程であって、前記1つ以上の遺伝子は、CORO2B、STOML2、CHMP7、SPINT2、CYSLTR2、SSNA1、IMPDH2、GOLGA1、SUOX、ARPC1A、およびKLHDC3からなる群から選択される少なくとも1つのメンバー(例えば、1、2、3、4、5、6、7、8、9、10、または11すべてのメンバー)を含む、工程と、
(b)プロセッサによって、工程(a)で受信されたデータを使用して、第1の治療(例えば、抗TNF治療)に反応性であるとして対象の分類を自動的に決定する工程と、任意選択的に、
(c)疾患の処置のために、対象への第1の治療を処方および/または投与する工程と、を含む、方法を提供する。
一般的に、提供される開示は、抗TNF治療の投与が企図または実行されるあらゆる状況で有用である。いくつかの実施形態では、提供される技術は、異常な(例えば、上昇した)TNF発現および/または活性に関連する疾患、障害、または疾病に苦しむ対象の診断および/または処置に有用である。いくつかの実施形態では、提供される技術は、抗TNF治療を受けているか、または受けた対象をモニタリングするのに有用である。いくつかの実施形態では、提供される技術は、対象が、与えられた抗TNF治療に反応するか、または反応しないかを識別する。いくつかの実施形態では、提供される技術は、対象が、与えられた抗TNF治療に対する耐性を獲得するかどうかを識別する。
さらに、臨床ソフトウェアに求められるトレーサビリティおよびV&V試験/考証を可能にするが、経時的な構成要素の更新を可能にするのに柔軟であるモジュラーアーキテクチャを有する、ゲノムデータの分析のためのパイプラインが本明細書に記載されている。DNAおよびRNA(RNAseq)の次世代シーケンシング(NGS)は急速に発展している分野であり、バイオインフォマティクスアルゴリズムおよび構成要素が定期的に改善されている。これは、伝統的に固定化および確認される標準IVDソフトウェアと矛盾している。ソフトウェアへのいかなる変更も、広範な再検証および再確認を必要とする。ある実施形態では、本明細書に記載されるパイプラインは、既存の最先端技術のバイオインフォマティクスモジュール、例えば、RSEM(STAR)(これは、1つ以上の独自のアルゴリズムと一緒にパイプライン中で組み立てられるために、Rで書かれたアルゴリズムである)の使用を可能にする。モジュールはそれぞれ、ラッパー(wrapper)で「包まれる」。パイプラインの構成要素はそれぞれ独立して検証され得る。十分なパイプラインが検証され、システムは、ウエットラボ生成されたデータを使用して検証される。パイプラインの任意の構成要素、例えば、RSEM、STAR、または独自のアルゴリズムの1つ以上が今後、更新されることになっていた場合、その後、アップグレードされた構成要素を検証し、アップグレードされた構成要素を用いてシステムを検証し、およびあらかじめ生成されたウエットラボデータを再分析することによって、手軽なV&Vを完成することができる。
1.RNAseqバイオインフォマティクスパイプライン
a.本アプリケーションは、fastqファイルおよび患者識別子を読み取り、同じ患者識別子ならびに一連の属性値(フォーマットは、例えば、XML、JSON、あるいは他のオプションであってもよい)を特徴とする構造化されたテキスト報告書を返す。
b.入力ファイルは、fastqテキストデータファイル(平均で~30Mのリード、1ファイル当たり~1.4Gファイルサイズ)である。
c.fastq入力ファイルから最終報告書までの手順は、
i.Spliced Transcripts Alignment to a Reference(STAR)アライナー[Dobinら 2013]を用いた、参照ゲノムアセンブリ(Human Genome Assembly GRCh37またはGRCh38)に対するfastqの短いリード記録のアライメント、
ii.Expectation-Maximization(RSEM)ソフトウェアパッケージ(LiおよびWewey 2011)によるRNA-Seqを用いた転写産物の存在量の定量化、
iii.カスタム方法による任意選択の正規化、を含む。
2.PrismRAアルゴリズム(例示的な独自のアルゴリズム)
a.前の工程で生成された入力データマトリックスに関するセットのバイナリアウトカム(binary outcome)を、Rパッケージでモデル化する。このRパッケージは、glmnet、beanplots、pROC、およびsamrを含む、他のパッケージへの依存関係を特徴とする。
3.QCトラッキングおよびトリガー
a.最終テキスト報告書に加えて、本アプリケーションは、その値がソフトウェアの様々な動作を引き起こす中間のQC報告書を書き、読み取ることができる。
b.QC報告書は、FastQCパッケージ(これはthee Picard BAM/SAMライブラリを必要とする)でfastqファイルから、およびRNA-SeQCパッケージでBAMファイルから生成される。
4.データのトレーサビリティ、セキュリティ、プライバシー、コンプライアンス
a.結果は、すべての入力およびプロセスに完全に起因する。
b.データのプライバシーおよびセキュリティ:例えば、21 CFR Part 11, HIPAAおよびISO27001。
セキュリティコンプライアンス;GDPRコンプライアンス。
c.安定性:
i.ソフトウェアは自動的なパッケージの更新から隔離される。
ii.ソフトウェアは、例えば、オンプレミスでまたはプライベートクラウド上で展開することができるコンテナ内で移動可能である。
以下の番号付けされた実施形態は、非限定的であるが、本開示の特定の態様を例示するものである。
実施形態1.自己免疫疾患に苦しむ対象を処置する方法であって、上記方法は、
抗TNF治療を受けたコホートにおける反応性と非反応性の先行対象を区別するために確立された分類子によって反応性であると決定された対象に、抗TNF治療を投与する工程を含み、
ここで、分類子は、
発現レベルが臨床的な反応性または非反応性と(例えば、線形および/または非線形の様式で)有意に相関する、1つ以上の遺伝子と、
1つ以上の遺伝子の発現配列における1つ以上の一塩基多型(SNP)の存在、または反応性および非反応性の先行対象の少なくとも1つの臨床的特徴、の少なくとも1つと、
を評価することによって開発され、
ここで、分類子は、抗TNF治療を受けたコホートとは独立したコホートによって検証される、方法。
実施形態2.分類子は、少なくとも170人の対象の集団にわたって少なくとも90%の精度で対象の反応性を予測する、実施形態1に記載の方法。
実施形態3.1つ以上の遺伝子は、ヒトインタラクトームマップにマップングされたときのそれらのトポロジー性質を特徴とする、実施形態1または実施形態2に記載の方法。
実施形態4.SNPは、ヒトゲノムに関して同定される、実施形態1-3のいずれか1つに記載の方法。
実施形態5.分類子は、
発現レベルが臨床的な反応性または臨床的な非反応性と(例えば、線形および/または非線形の様式で)有意に相関する1つ以上の遺伝子、
1つ以上SNPの存在、および
少なくとも1つの臨床的特徴
のそれぞれを評価することによって開発される、実施形態1-4のいずれか1つに記載の方法。
実施形態6.1つ以上の遺伝子は、
実施形態7.少なくとも1つの臨床的特徴は、肥満度指数(BMI)、性別、年齢、人種、以前の治療処置、疾患期間、C反応性タンパク質レベル、抗環状シトルリン化ペプチドの存在、リウマチ因子の存在、患者の包括的評価、処置反応率(例えば、ACR20、ACR50、ACR70)、およびそれらの組み合わせから選択される、実施形態1-6のいずれか1つに記載の方法。
実施形態8.分類子は、少なくとも90%の精度で、集団内の非反応性の対象の少なくとも40%を識別し、ここで、上記集団は少なくとも170人の対象を含む、実施形態1-6のいずれか1つに記載の方法。
実施形態9.抗TNF治療は、インフリキシマブ、アダリムマブ、エタネルセプト、セルトリズマブペゴル、ゴリルマ、またはそれらのバイオシミラーの投与を含む、実施形態1-8のいずれか1つに記載の方法。
実施形態10.疾患、障害、または疾病は、関節リウマチ、乾癬性関節炎、強直性脊椎炎、クローン病、潰瘍性大腸炎、慢性乾癬、化膿性汗腺炎、多発性硬化症、および若年性特発性関節炎から選択される、実施形態1-9のいずれか1つに記載の方法。
実施形態11.分類子は、反応性および非反応性の先行対象に由来するマイクロアレイ分析を使用して確立される、実施形態1-10のいずれか1つに記載の方法。
実施形態12.分類子は、独立したコホートに由来するRNAseqデータを使用して検証される、実施形態1-11のいずれか1つに記載の方法。
実施形態13.SNPは表5から選択される、実施形態1-12のいずれか1つに記載の方法。
実施形態14.自己免疫疾患に苦しむ対象に治療を投与する方法であって、上記方法は、
抗TNF治療を受けたコホートにおいて反応性および非反応性の先行対象を区別するために確立された分類子によって反応性または非反応性であるとして分類された対象に治療を投与する工程を含み、
ここで、分類子によって対象が反応性であるとして分類される場合、抗TNF治療を投与し、分類子によって対象が非反応性であるとして分類される場合、抗TNF治療の代替物を投与し、ならびに、
分類子は、
発現レベルが臨床的な反応性または非反応性と(例えば、線形および/または非線形の様式で)有意に相関する、1つ以上の遺伝子と、
1つ以上の遺伝子の発現配列における1つ以上の一塩基多型(SNP)の存在、または反応性および非反応性の先行対象の少なくとも1つの臨床的特徴、の少なくとも1つと、
を評価することによって開発され、
ここで、分類子は、抗TNF治療を受けたコホートとは独立したコホートによって検証される、方法。
実施形態15.分類子は、少なくとも170人の対象の集団にわたって少なくとも90%の精度で対象の反応性を予測する、実施形態14に記載の方法。
実施形態16.分類子は、
発現レベルが臨床的な反応性または臨床的な非反応性と(例えば、線形および/または非線形の様式で)有意に相関する1つ以上の遺伝子、
1つ以上SNPの存在、および
少なくとも1つの臨床的特徴
の各々を評価することによって開発される、実施形態15に記載の方法。
実施形態17.少なくとも1つの臨床的特徴は、肥満度指数(BMI)、性別、年齢、人種、以前の治療処置、疾患期間、C反応性タンパク質レベル、抗環状シトルリン化ペプチドの存在、リウマチ因子の存在、患者の包括的評価、処置反応率(例えば、ACR20、ACR50、ACR70)、およびそれらの組み合わせから選択される、実施形態14-16のいずれか1つに記載の方法。
実施形態18.抗TNF治療は、インフリキシマブ、アダリムマブ、エタネルセプト、セルトリズマブペゴル、ゴリルマ、またはそれらのバイオシミラーの投与を含む、実施形態14-17のいずれか1つに記載の方法。
実施形態19.抗TNF治療の代替物は、リツキシマブ、サリルマブ、トファシチニブクエン酸塩、レフノミド、ベドリズマブ、トシリズマブ、アナキンラ、およびアバタセプトから選択される、実施形態14-18のいずれか1つに記載の方法。
実施形態20.疾患、障害、または疾病は、関節リウマチ、乾癬性関節炎、強直性脊椎炎、クローン病、潰瘍性大腸炎、慢性乾癬、化膿性汗腺炎、多発性硬化症、および若年性特発性関節炎から選択される、実施形態19に記載の方法。
実施形態21.1つ以上の治療属性に関して対象を層別化するための分類子を開発する方法であって、上記方法は、
治療属性の少なくとも1つに関して少なくとも2つの異なるカテゴリーを表す対象中で発現されたRNAの配列データを分析する工程と、
配列データから1つ以上の一塩基多型(SNP)の存在を評価する工程と、
1つ以上のSNPの存在が少なくとも1つの治療属性と相関することを決定する工程と、
分類子に1つ以上のSNPを含める工程と、
を含む、方法。
実施形態22.1つ以上の治療属性は、特定の疾患、障害、または疾病を発症するリスク、特定の疾患、障害、または疾病のための特定のアウトカムの可能性、特定の治療に対する反応性の可能性からなる群から選択される、実施形態21に記載の方法。
実施形態23.1つ以上の治療属性は特定の治療に対する反応の可能性である、実施形態21または22に記載の方法。
実施形態24.特定の治療は抗TNF治療である、実施形態21-23のいずれか1つに記載の方法。
実施形態25.治療属性の少なくとも1つに関して少なくとも2つの異なるカテゴリーを表す対象中で発現されたRNAの配列データを分析することによって、1つ以上の治療属性に関して対象を層別化するための分類子を開発する方法において、改善は、
配列データから1つ以上の一塩基多型(SNP)の存在を評価すること、および、
1つ以上のSNPの存在が少なくとも1つの治療属性と相関すると決定すること、および、
分類子に1つ以上のSNPを含めること、
を含む、方法。
実施形態26.1つ以上の治療属性は、特定の疾患、障害、または疾病を発症するリスク、特定の疾患、障害、または疾病のための特定のアウトカムの可能性、特定の治療に対する反応性の可能性からなる群から選択される、実施形態25に記載の方法。
実施形態27.1つ以上の治療属性は特定の治療に対する反応の可能性である、実施形態25または26に記載の方法。
実施形態28.特定の治療は抗TNF治療である、実施形態25-27のいずれか1つに記載の方法。
実施形態29.1つ以上のSNPの存在を評価することは、RNAの配列データを参照ヒトゲノムと比較することを含む、実施形態25-28のいずれか1つに記載の方法。
実施形態30.自己免疫疾患に苦しむ対象を処置する方法であって、上記方法は、
(a)コンピューティングデバイスのプロセッサによって、対象の1つ以上の遺伝子の各々の発現レベルに対応するデータを受信する工程であって、ここで、遺伝子は表1から選択される、工程と、
(b)プロセッサによって、工程(a)で受信されたデータを使用して、抗TNF治療に反応性または非反応性であるとして対象の分類を自動的に決定する工程と、任意選択的に、
(c)抗TNF治療に非反応性であるとして対象が分類される場合、自己免疫疾患の処置のために、対象に抗TNF治療の代替物を投与する工程、または、抗TNF治療に反応性であるとして対象が分類される場合、抗TNF治療を投与する工程と、
を含む、方法。
実施形態31.工程(a)におけるプロセッサは、
1つ以上の臨床的特徴、または、
1つ以上の一塩基多型(SNP)
の少なくとも1つに対応するデータをさらに受信する、実施形態30に記載の方法。
実施形態32.1つ以上の臨床的特徴は、肥満度指数(BMI)、性別、年齢、人種、以前の治療処置、疾患期間、C反応性タンパク質(CRP)レベル、抗環状シトルリン化ペプチドの存在、リウマチ因子の存在、患者の包括的評価、処置反応率(例えば、ACR20、ACR50、ACR70)、およびそれらの組み合わせから選択される、実施形態30または31に記載の方法。
実施形態33.自己免疫疾患は、関節リウマチ、乾癬性関節炎、強直性脊椎炎、クローン病、潰瘍性大腸炎、慢性乾癬、化膿性汗腺炎、および若年性特発性関節炎から選択される、実施形態30-32のいずれか1つに記載の方法。
実施形態34.自己免疫疾患は関節リウマチまたは潰瘍性大腸炎である、実施形態30-33のいずれか1つに記載の方法。
実施形態35.抗TNF治療の代替物は、リツキシマブ、サリルマブ、トファシチニブクエン酸塩、レフノミド、ベドリズマブ、トシリズマブ、アナキンラ、およびアバタセプトから選択される、実施形態30-34のいずれか1つに記載の方法。
実施形態36.抗TNF治療は、インフリキシマブ、アダリムマブ、エタネルセプト、セルトリズマブペゴル、ゴリルマ、またはそれらのバイオシミラーから選択される、実施形態30-34のいずれか1つに記載の方法。
実施形態37.工程(b)は、機械学習モデルを使用して前記分類を自動的に決定することを含む、実施形態30-36のいずれか1つに記載の方法。
実施形態38.機械学習モデルはランダムフォレストモデルである、実施形態37に記載の方法。
実施形態39.工程(b)は、臨床共変動分類子(CC)を使用せずに、前記分類を自動的に決定することを含む、実施形態30-38のいずれか1つに記載の方法。
実施形態40.工程(b)は、組み合わされたゲノム-臨床分類子(GCC)を使用せずに、前記分類を自動的に決定することを含む、実施形態30-38のいずれか1つに記載の方法。
実施形態41.工程(b)は、臨床共変動分類子(CC)を使用せずに、および組み合わされたゲノム-臨床分類子(GCC)を使用せずに、前記分類を自動的に決定することを含む、実施形態30-38のいずれか1つに記載の方法。
実施形態42.方法であって、上記方法は、
(a)コンピューティングデバイスのプロセッサによって、自己免疫疾患(例えば、関節リウマチ)に苦しむ対象の1つ以上の遺伝子の各々の発現レベルに対応するデータを受信する工程であって、前記1つ以上の遺伝子は、CORO2B、STOML2、CHMP7、SPINT2、CYSLTR2、SSNA1、IMPDH2、GOLGA1、SUOX、ARPC1A、およびKLHDC3からなる群から選択される少なくとも1つのメンバー(例えば、1、2、3、4、5、6、7、8、9、10、または11すべてのメンバー)を含む、工程と、
(b)プロセッサによって、工程(a)で受信されたデータを使用して、抗TNF治療に非反応性であるとして対象の分類を自動的に決定する工程と、任意選択的に、
(c)疾患の処置のために第2の治療(例えば、第1の治療の代替物、例えば、抗TNF治療の代替物)を対象に処方および/または投与する工程であって、それによって、対象への第1の治療の処方および/または投与を回避する、工程と、
を含む、方法。
実施形態43.方法であって、上記方法は、
(a)コンピューティングデバイスのプロセッサによって、疾患(例えば、自己免疫疾患、例えば、関節リウマチ)に苦しむ対象の各々の1つ以上の遺伝子の発現レベルに対応するデータを受信する工程であって、前記1つ以上の遺伝子は、CORO2B、STOML2、CHMP7、SPINT2、CYSLTR2、SSNA1、IMPDH2、GOLGA1、SUOX、ARPC1A、およびKLHDC3からなる群から選択される少なくとも1つのメンバー(例えば、1、2、3、4、5、6、7、8、9、10、または11すべてのメンバー)を含む、工程と、
(b)プロセッサによって、工程(a)で受け入れられたデータを使用して、第1の治療(例えば、抗TNF治療)に反応性であるとして対象の分類を自動的に決定する工程と、任意選択的に、
(c)疾患の処置のために、対象への第1の治療を処方および/または投与する工程と、
を含む、方法。
実施形態44.工程(b)は、機械学習モデル(例えば、ランダムフォレストモデル)を使用して、前記分類を自動的に決定することを含む、実施形態42または43に記載の方法。
実施形態45.工程(b)は、臨床共変動分類子(CC)を使用せずに、および組み合わされたゲノム-臨床分類子(GCC)を使用せずに、前記分類を自動的に決定することを含む、実施形態43-44のいずれか1つに記載の方法。
実施形態46.対象のゲノムデータ(例えば、次世代RNA-seqデータ)の解析のための(例えば、および、前記ゲノムデータに基づいて前記対象の分類を決定するための)パイプライン(例えば、コンピュータアーキテクチャパイプライン)であって、前記パイプラインは複数のモジュールを含み、各モジュールは、前記モジュールの更新後に独立して検証されることができる、パイプライン。
実施形態47.前記複数のモジュールは1つ以上の機械学習モデルを含む、実施形態46に記載のパイプライン。
実施形態48.前記複数のモジュールは、1つ以上の既知のバイオインフォマティクスモジュール(例えば、RSEMおよび/またはSTAR)と、1つ以上の独自の分類モジュールとを含む、実施形態46または47に記載のパイプライン。
実施形態49.自己免疫疾患に苦しんでいる対象を、前記対象への抗TNF治療の任意の投与の前に、前記抗TNF治療に反応性である可能性が高い、または非反応性である可能性が高いと分類する方法であって、上記方法は、
(a)コンピューティングデバイスのプロセッサによって、以下からなる群から選択される1つ以上の遺伝子のそれぞれの上記対象に対する発現レベルに対応するデータを受信する工程と、
を含む、方法。
実施形態50.(c)工程(b)において、抗TNF治療に非反応性であるとして対象が分類される場合、自己免疫疾患の処置のために、対象に抗TNF治療の代替物を処方および/または投与する工程、または、工程(b)において、抗TNF治療に反応性であるものとして対象が分類される場合、抗TNF治療を対象に投与する工程をさらに含む、実施形態49に記載の方法。
実施形態51.工程(a)におけるプロセッサは、
(i)対象の1つ以上の臨床的特徴、
(ii)対象のための1つ以上の一塩基多型(SNP)、
の少なくとも1つに対応するデータをさらに受信する、実施形態49または50に記載の方法。
実施形態52.工程(a)におけるプロセッサは、肥満度指数(BMI)、性別、年齢、人種、以前の治療処置、疾患期間、C反応性タンパク質(CRP)レベル、抗環状シトルリン化ペプチドの存在、リウマチ因子の存在、患者の包括的評価、および処置反応率(例えば、ACR20、ACR50、ACR70)からなる群から選択される対象の1つ以上の臨床的特徴に対応するデータを受信する、実施形態49-51のいずれか1つに記載の方法。
実施形態53.工程(a)におけるプロセッサは、表5に示される1つ以上のSNPに対応するデータを受信する、実施形態49-52のいずれか1つに記載の方法。
実施形態54.自己免疫疾患は、関節リウマチ、乾癬性関節炎、強直性脊椎炎、クローン病、潰瘍性大腸炎、慢性乾癬、化膿性汗腺炎、および若年性特発性関節炎からなる群から選択されるメンバーである、実施形態49-53のいずれか1つに記載の方法。
実施形態55.自己免疫疾患は関節リウマチまたは潰瘍性大腸炎である、実施形態49-54のいずれか1つに記載の方法。
実施形態56.抗TNF治療の代替物は、リツキシマブ、サリルマブ、トファシチニブクエン酸塩、レフノミド、ベドリズマブ、トシリズマブ、アナキンラ、およびアバタセプトからなる群から選択される少なくとも1つのメンバーを含む、実施形態49-55のいずれか1つに記載の方法。
実施形態57.抗TNF治療は、インフリキシマブ、アダリムマブ、エタネルセプト、セルトリズマブペゴル、ゴリルマ、および前述のもののいずれかのバイオシミラーからなる群から選択される少なくとも1つのメンバーを含む、実施形態49-55のいずれか1つに記載の方法。
実施形態58.抗TNF治療の代替物は、インフリキシマブ、アダリムマブ、エタネルセプト、セルトリズマブペゴル、ゴリルマ、および前述のもののいずれかの任意のバイオシミラーからなる群の任意のメンバーを含まない、実施形態44-52のいずれか1つに記載の方法。
実施形態59.工程(b)は、機械学習モデルを使用して前記分類を自動的に決定することを含む、実施形態49-58のいずれか1つに記載の方法。
実施形態60.機械学習モデルはランダムフォレストモデルである、実施形態59に記載の方法。
実施形態61.工程(b)は、臨床共変動分類子(CC)を使用せずに前記分類を自動的に決定することを含む、実施形態49-60のいずれか1つに記載の方法。
実施形態62.工程(b)は、組み合わされたゲノム-臨床分類子(GCC)を使用せずに、前記分類を自動的に決定することを含む、実施形態49-60のいずれか1つに記載の方法。
実施形態63.工程(b)は、臨床共変動分類子(CC)を使用せずに、および組み合わされたゲノム-臨床分類子(GCC)を使用せずに、前記分類を自動的に決定することを含む、実施形態49-60のいずれか1つに記載の方法。
実施形態64.自己免疫疾患に苦しんでいる対象を、前記対象への抗TNF治療の任意の投与の前に、前記抗TNF治療に反応性である可能性が高い、または非反応性である可能性が高いと分類する方法であって、上記方法は、
(a)コンピューティングデバイスのプロセッサによって、自己免疫疾患に苦しむ対象の1つ以上の遺伝子の各々の発現レベルに対応するデータを受信する工程であって、前記1つ以上の遺伝子は、CORO2B、STOML2、CHMP7、SPINT2、CYSLTR2、SSNA1、IMPDH2、GOLGA1、SUOX、ARPC1A、およびKLHDC3からなる群から選択される少なくとも1つのメンバーを含む、工程と、
(b)プロセッサによって、工程(a)で受信したデータを使用して、抗TNF治療に対する反応性または非反応性である可能性が高いとして対象の分類を自動的に決定する工程と、
を含む、方法。
実施形態65.対象が抗TNF治療に非反応性であると工程(b)で分類される場合に、自己免疫疾患の治療のために抗TNF治療の代替物を対象に処方および/または投与する工程、または、対象が抗TNF治療に反応性であると工程(b)で分類される場合に、抗TNF治療を対象に投与する工程と、をさらに含む、実施形態64に記載の方法。
実施形態66.自己免疫疾患は関節リウマチである、実施形態64または65に記載の方法。
実施形態67.工程(a)は、CORO2B、STOML2、CHMP7、SPINT2、CYSLTR2、SSNA1、IMPDH2、GOLGA1、SUOX、ARPC1A、およびKLHDC3からなる群から選択される少なくとも2つの遺伝子の各々の発現レベルに対応するデータを受信することを含む、実施形態64-66のいずれか1つに記載の方法。
実施形態68.工程(a)は、CORO2B、STOML2、CHMP7、SPINT2、CYSLTR2、SSNA1、IMPDH2、GOLGA1、SUOX、ARPC1A、およびKLHDC3からなる群から選択される少なくとも3つの遺伝子の各々の発現レベルに対応するデータを受信することを含む、実施形態64-66のいずれか1つに記載の方法。
実施形態69.工程(a)は、CORO2B、STOML2、CHMP7、SPINT2、CYSLTR2、SSNA1、IMPDH2、GOLGA1、SUOX、ARPC1A、およびKLHDC3からなる群から選択される少なくとも5つの遺伝子の各々の発現レベルに対応するデータを受信することを含む、実施形態64-66のいずれか1つに記載の方法。
実施形態70.工程(a)におけるプロセッサは、
(i)対象の1つ以上の臨床的特徴、
(ii)対象のための1つ以上の一塩基多型(SNP)、
の少なくとも1つに対応するデータをさらに受信する、実施形態64-69のいずれか1つに記載の方法。
実施形態71.工程(a)におけるプロセッサは、肥満度指数(BMI)、性別、年齢、人種、以前の治療処置、疾患期間、C反応性タンパク質(CRP)レベル、抗環状シトルリン化ペプチドの存在、リウマチ因子の存在、患者の包括的評価、および処置反応率(例えば、ACR20、ACR50、ACR70)からなる群から選択される対象の1つ以上の臨床的特徴に対応するデータを受信する、実施形態64-70のいずれか1つに記載の方法。
実施形態72.工程(a)におけるプロセッサは、表5に示される1つ以上のSNPに対応するデータを受信する、実施形態64-71のいずれか1つに記載の方法。
実施形態73.自己免疫疾患に苦しんでいる対象を、前記対象への抗TNF治療の任意の投与の前に、前記抗TNF治療に反応性である可能性が高い、または非反応性である可能性が高いと分類するためのシステムであって、上記システムは、
プロセッサと、
内部に命令を有するメモリと、を含み、上記命令は、プロセッサによって実行されるときに、プロセッサに:
(a)以下からなる群から選択される1つ以上の遺伝子のそれぞれの前記対象に対する発現レベルを含むデータのセットを受信させ、
実施形態74.データのセットは、
(i)対象の1つ以上の臨床的特徴、
(ii)対象のための1つ以上の一塩基多型(SNP)、
の少なくとも1つに対応するデータをさらに含む、実施形態73に記載のシステム。
実施形態75.データのセットは、肥満度指数(BMI)、性別、年齢、人種、以前の治療処置、疾患期間、C反応性タンパク質(CRP)レベル、抗環状シトルリン化ペプチドの存在、リウマチ因子の存在、患者の包括的評価、および処置反応率(例えば、ACR20、ACR50、ACR70)からなる群から選択される対象の1つ以上の臨床的特徴に対応するデータを含む、実施形態74に記載のシステム。
実施形態76.データのセットは表5に示される1つ以上のSNPを含む、実施形態74または75に記載のシステム。
実施形態77.自己免疫疾患は、関節リウマチ、乾癬性関節炎、強直性脊椎炎、クローン病、潰瘍性大腸炎、慢性乾癬、化膿性汗腺炎、および若年性特発性関節炎からなる群から選択されるメンバーである、実施形態74-76のいずれか1つに記載のシステム。
実施形態78.自己免疫疾患は関節リウマチまたは潰瘍性大腸炎である、実施形態74-76のいずれか1つに記載のシステム。
実施形態79.自己免疫疾患は関節リウマチである、実施形態74-76のいずれか1つに記載のシステム。
導入
RAなどの自己免疫疾患は、集団で数百万人の患者に影響を与え、その処置は医療費全体の大きな部分を占めるため、患者のアウトカムを改善するために注意が必要である。
抗TNF治療に対する反応を予測するバイオマーカーの識別。本試験では、抗TNF治療に対するレスポンダーとノンレスポンダーとを識別する予測的なバイオマーカーを、Bienkowskaらによって公開された公に利用可能なデータセットから選択し(コホート1)、CORRONAから購入した231の関節リウマチ患者のコホート間でさらに評価し(コホート2)、その内、185(80%)のサンプルをモデル訓練に使用し、46(20%)を検証に使用した。コホートの説明については材料および方法を参照し、特徴選択、モデル訓練、およびモデル検証に使用されたサンプルのフローチャートについては図6Aを参照されたい。
私たちの知る限り、関節リウマチにおける抗TNF治療への反応を予測するバイオマーカーを選択し、最適化し、およびクロスコホートのクロスプラットフォーム解析で検証したのはこれが初めてである。ここで、遺伝子発現がマイクロアレイ(Affymatrix)を介して定量化された公に利用可能なデータセットから、28の予測的な遺伝子を選択した。RNASeqプラットフォーム上でのモデルの最適化後に、28の遺伝子のサブセット(11)を使用して、72%の検証されたAUC、0.85のNPV、0.61のTNRを有することが示されたモデルを構築した。これらの結果は、遺伝子発現プロファイルを使用して、抗TNF治療に対する非反応を再現性よく予測できることを示唆しており、このプロファイルは、ノンレスポンダーをスクリーニングして代替療法を調査し、その後、RAの処置のために処方された抗TNF治療の反応率を増加させる可能性がある。
試験集団:コホート1-予測的な遺伝子を、Bienkowska et al.,Genomics,94:423-432(2009)(この全体が参照によって本明細書に組み込まれる)で公開されている公に利用可能なデータセットGSE15258から同定した。
・生物学的にナイーブな患者。
・Consortium of Rheumatology Researchers of North America(CORRONA)は、200165以来、米国で38,000人を超えるRA患者および彼らの医師から「実現世界」縦断データを収集してきた。データは、各レジストリ訪問で施設内倫理委員会/倫理委員会の承認を得て収集され、疾患重症度および活性、薬物、有害事象、生活の質、検査結果と画像化結果、および社会人口統計学的な情報65(socio-demographic information 65)を含む。
・CERTAIN試験は、CORRONAレジストリによって開始され、生物学的薬剤を開始しているか(生物学的にナイーブ)または切り換えている、中等度から重度の疾患活性を有するRA患者のデータを集めて比較し、抗TNF治療(Humira、Etanercept、Infliximab、Cimzia、およびSimponi)、ならびに作用薬物である代替メカニズム、アバタセプト、リツキシマブ、およびトシリズマブなどの生物学的な薬物の有効性および安全性を比較した。主要な比較有効性のエンドポイントは、登録前に少なくとも1つの抗TNF製剤に曝露された患者で、1年後に疾患活性が低い状態に到達することであった。患者訪問および血液検査は3ヶ月毎に義務付けられた。
・CERTAIN試験は、生物学的薬剤を開始または切り替えている>10人の臨床疾患活性スコア(CDAI)として定義された、中程度のレベルの疾患活性を有するすべての患者に開かれていた。さらに、PAXgene(商標) Blood RNAチューブを、ベースラインでCERTAIN患者から収集し、この試験前に-80℃で保存した。
・この回顧的バリデーション試験では、PAXgene全血RNAサンプルを、生物学的(b)DMARDの開始前に併用MTXにより処置し、3か月目のフォローアップ訪問時に>5mgの用量を変更せずに依然としてMTXを受けていたすべての患者から選択した。3か月の訪問後、患者は生物学的薬剤を中止することができる。患者は、ベースライン時または3か月のフォローアップ訪問時にヒドロキシクロロキン(プラケニル)の併用を許可されていたが、他のcsDMARDは許可されていなかった。患者は、3か月の訪問時にプレドニゾン(≦10mg/日)を許可された。より高用量(>10mg/日)のプレドニゾンが6か月の訪問時で許可された。臨床評価には、圧痛関節および腫脹関節の数、医師と患者の包括的な疾患活性スコア、患者の疼痛と疲労、および生活の質の調査が含まれていた。臨床試験は、全血球数、C反応性タンパク質、RF、および抗CCP力価を含んでいた。患者は、MTXまたはヒドロキシクロロキンの用量変更が必要な場合、あるいは、ベースライン時または3か月後の訪問時に他のcsDMARD治療により処置されている場合、本試験から除外された。プレドニゾン>10mg/日を投与されている患者も試験から除外された。
本実施例は、関節リウマチ(RA)患者における抗TNF治療への非反応を、ベースラインで、治療開始前に予測する分類アルゴリズムのクロスホート、クロスプラットフォームの開発および検証を説明する。さらに、本実施例では、例えば、他の特徴(例えば、特定のアウトカムまたは副作用などを達成する可能性など)を予測する、および/または他の治療に関連する、他の分類子の開発に適用できる特定の技術について説明する。
(i)試験集団
(a)発見コホート
RA患者全血サンプルおよび臨床の測定値を、Consortium of Rheumatology Researchers of North America(CORRONA)によって、CERTAIN試験において前向きに収集した。CERTAIN試験は、43の施設と117名のリウマチ専門医が参加する前向き有効性比較試験として設計した。施設内倫理委員会と倫理委員会の承認は、サンプル採取と試験参加に先立って得た。本試験のために選択したサンプルは、サンプル採取の時点で生物学的にナイーブであった(つまり、患者は、以下の治療:アダリムマブ、エタネルセプト、インフリキシマブ、セルトリズマブペゴル、ゴリムマブ、トシリズマブ、リツキシマブ、およびアバタセプトを使用した経験がなかった)。患者は、処置する医師の裁量で、アダリムマブ、エタネルセプト、セルトリズマブペゴル、ゴリムマブ、またはインフリキシマブにより処置され、少なくとも6ヶ月の間、縦断的に追跡された。病歴に加えて、治療開始後0か月と6か月の時点で、圧痛関節および腫脹関節の数、医師と患者の包括的な疾患活性スコア、csDMARD用量、患者の疼痛評価、および生活の質の調査などの臨床評価を実施した。臨床試験は、全血球数、C反応性タンパク質(CRP)レベル、リウマチ因子力価、および抗環状シトルリン化されたタンパク質(抗CCP)力価を含んでいた。患者の人口統計および臨床の変数の特徴を表3に詳述する。訓練(n=143)および検証試験(n=175)の患者コホートは、反応率、年齢、および性別でバランスが取れていた。患者の視覚的アナログ尺度の疼痛スコアが最大スコア100の少なくとも15である場合、患者を独立した検証試験に含めた。CERTAIN試験の包含基準と一致しているため、検証試行での患者はみな、10より大きいCDAIを有していた。
CORRONA試験サンプルのうち、抗TNF治療の開始後6ヶ月目での反応は、ACR50(ACR50は、American College of Rheumatologyによって、寛解または疾患活動性が低い患者として定義される患者処置標的を指し、ここで、数字(例えば、50)は、腫脹関節および圧痛関節の数、患者および医師の報告評価、疼痛および全体的な健康、ならびに血清バイオマーカーを含む、標準的な測定値のセットにおける改善率を指す。レスポンダーは、28の圧痛関節数で>50%の改善、28の腫脹関節数で>50%の改善、および5つの臨床変数(疾患指数、患者の痛み、患者の全体的な評価、医師の包括的評価、およびCRPレベル)を示す個人である。
メーカーの説明書に従ってPAXgene Blood miRNA Kit(PreAnalytix)を使用して、全RNAを、PAXgene Blood RNAチューブで採取された血液から単離した。Agilent Bioanalyzerを使用してRNA品質を評価し、NanoDrop ND-8000分光光度計を使用してサンプルを定量化した。
メーカーの説明書に従って、GLOBINclear(Thermo Fisher)、Ribo-Zero Magnetic Gold(Epidemiology)、および、 TruSeq Stranded Total RNA (Illumina) キットを使用して、RNAを処理した。ライブラリを、NextSeq 550 DXまたはNovaSeq 6000シーケンサー上で75サイクル処理した。1人の患者当たり平均~42.2Mのリードを捕捉し、範囲は33.7~58.6 Mであった。50-ntのリードを、STARでGRCh37ヒトゲノムにマッピングした。100万のマップされたリード当たりの転写産物のキロベースあたりのフラグメント(FPKM)中の遺伝子の存在量を、RSEMソフトウェアパッケージで計算した。>400万または>700万のタンパク質をコードするリードのRNAインテグリティスコア(RNA integrity score)(RIN)を有するサンプルを分析した。検出可能なバッチ効果は、主成分分析に基づいて、NextSeq処理ライブラリとNovaSeq処理ライブラリの間で観察されなかった。
とりわけ、本開示は、SNP解析が、本明細書に記載される分類子(例えば、RNAseqデータを用いて、および/または遺伝子発現レベルにおける小さいが有意な差を考慮して開発された分類子)に含めるための特に有用な情報を提供するという洞察を提供する。SNPデータを得るために、サンプルをSTARでGRCh38ヒトゲノムにアライメントした。SNPは、RNAseqデータをコールするSNPとインデルのための修正版のGenome Analysis ToolKit Best Practicesワークフローを使用してコールした39のRA関連SNPを評価した。
58人の患者の発見コホート中の21,818の転写物特徴を評価した。サンプルの無作為に選択された80%のうち、マン・ホイットニーU検定を使用して、レスポンダーとノンレスポンダーの間で有意に識別力のない遺伝子発現を除去した(p>0.05)。ランダムフォレスト機械学習アルゴリズムを使用して、その平均減少不純物に基づいて、それぞれの残りの特徴をランク付けした。上位100の特徴を使用してランダムフォレストモデルを構築し、これを、保留されたデータの20%のサブセットで試験した。このプロセスを100回反復し、反復の>30%で選択された特徴をさらに考慮に入れた。37の選択された遺伝子のうちの26の遺伝子発現は、訓練コホート中でRNAseqによって検出可能であった。さらなる2つの特徴を低い発現ゆえに除去した。最終モデル開発中に、70の識別力のある分子および臨床的特徴(表4~6)を、訓練コホートのデータを使用して、上述のランダムフォレストによって評価した。特徴リストから各特徴を取り除き、保留されたデータの20%のサブセット上のモデル性能を評価することによって、各特徴の重要性を評価した。上位50%の最も重要な特徴を使用して、訓練セット全体を使用するランダムフォレストの予測的な分類モデルを構築した。モデルの性能は、受信者動作曲線下面積、陰性的中率、および真陰性率を使用して評価した。統計分析はすべて、Python 2.7.15(www.python.org)を使用して実施した。
ヒトインタラクトームを、様々なタイプの実験的に得られたタンパク質間相互作用(PPI)データを含む21の公開データベース(表5)から、以前に記載されようにアセンブルした:1)ハイスループット酵母-2ハイブリッド(Y2H)実験(HI-Union)、3次元(3D)タンパク質構造(Interactome3D、Instruct、Insider)、または文献キュレーション(PINA、MINT、LitBM17、インタラクトーム3D、Instruct、Insider、BioGrid、HINT、HIPPIE、APID、InWeb)に由来する、バイナリPPI;2)BioPlex2、QUBIC、CoFrac、HINT、HIPPIE、APID、LitBM17、およびInWebに存在する、アフィニティー精製とその後の質量分析法によって同定されたPPI;3)KinomeNetworkXおよびPhosphoSitePlusからのキナーゼ-基質相互作用;4)SignaLinkおよびInnateDBからのシグナル伝達相互作用;および5)ENCODEコンソーシアムによって導き出された制御性の相互作用。Alonso-Lopezらによって提供されたPSI-MI IDの厳選されたリストは、文献キュレーションデータベースに存在するいくつかの実験方法間でバイナリ相互作用を区別するために使用した。特にInWebの場合、キュレーションスコアが<0.175(75番目パーセンタイル)の相互作用は考慮に入れなかった。すべてのタンパク質を対応するEntrezID(NCBI)にマッピングし、マッピングできなかったタンパク質を除去した。結果として生じるヒトインタラクトームは、18,505のタンパク質および327,924の相互作用を含んでいる。
KEGG、Biocarta、Reactome、およびシグナル伝達(ST)経路の注釈を、Molecular Signatures Database(MSigDB)、バージョン6.2から得た。フィッシャーの正確確率検定を使用して、生物学的経路を同定した。ボンフェローニ補正p値が<0.05の経路は、濃縮されたと考えられる。IL10、POMC、JAK1、ICOSLG、TNF、TNFSF11、NR3C1、P2RY12(NCT02874092)、PTGER4、GGPS1、FDPS、TNFRSF13B(NCT03016013)、IL6、ESR1、ESR2、ITK(NCT02919475)、BTK、TLR4(NCT03241108)、IRAK4、JAK2、JAK3、HDAC1(NCT02965599)、PSMB5、ADORA3、ITGA9(NCT02698657、NCT03257852)、IFNB1(NCT02727764;NCT03445715)、CX3CL1は、RAにおいて承認された薬物標的であった。
ヒトインタラクトームおよびRA疾患生物学のマップの構築
ヒト疾患生物学を評価するために必要なネットワーク医学的ツールの開発を開始するために、細胞成分とそれらの物理的相互作用のマップを作成した。合計18,505のタンパク質間の327,924のタンパク質間相互作用の公開されているデータ(表7)を統合することによって、ヒトインタラクトームと呼ばれる生物学の包括的なマップを作成した(方法を参照)。
治療に対する非反応を予測する試験の臨床的有用性を最大化するために、特殊な検体採取手順を必要としないルーチンの非侵襲的または低侵襲的サンプルソースが理想的である。この理由のために、全血に由来する遺伝子発現データを分析した。抗TNF治療に対するレスポンダーとノンレスポンダーと見なされる患者の間で識別力のある遺伝子発現を、ランダムフォレスト機械学習アルゴリズムを使用して、58人の生物学的ナイーブRA患者の公開されているマイクロアレイ発見コホートデータセットから選択した。遺伝子発現が評価された発見データセット中の21,818の遺伝子のうち37の遺伝子は、抗TNF治療に対するレスポンダー(n=24)とノンレスポンダー(n=51)の間で識別力があった(図9、表3)。マイクロアレイとRNAseqによる転写プロファイリングは、ダイナミックレンジにおいて様々であり、観察される遺伝子発現差の数や範囲に多少の不一致を示す。それにもかかわらず、マイクロアレイデータ中の抗TNF薬物反応の識別力があるものとして同定された転写産物の大部分は、さらにRNAseqデータ中のレスポンダーとノンレスポンダーを区別した。
RNAseqは、マイクロアレイ分析からの欠けているヌクレオチド配列についての情報を提供する。遺伝子発現に加えて、RNA配列のバリエーションは、RA患者における抗TNF治療に対する非反応を予測することができる。そのために、訓練データセットを、CORRONA CERTAIN試験で143人のRA患者から得られた臨床データおよび全血RNAseqデータから生成した。患者集団の特徴および人口統計を表3に要約する。SNP分析は従来、全ゲノムシーケンシングデータに対して実施されるが、大多数のゲノムが転写される。したがって、ほとんどのSNP変異体は、リボソームRNAが枯渇したRNAseqデータ中で検出することができる。関節リウマチに関連するいくつかのSNPは、発現定量的形質遺伝子座(eQTL)分析を通じて、末梢血単核細胞における遺伝子発現変化に機能的に関連する(表4)。選択されたNPに関連する遺伝子座は、RA疾患モジュールとの有意な重複を有する(図8B)。そのような22のSNPは、患者のRNAseqデータ中で検出限界を超えており、さらなる質量スペクトル分析に含まれた(図9)。
薬物反応(表4)、RA関連SNP(表5)、および臨床因子(表6)を示す遺伝子発現を使用して、抗TNF治療に対する非反応を予測する薬物反応アルゴリズムを訓練して開発した。ベンチマークとして6ヶ月でのACR50を使用すると、訓練コホート集団は30.8%の抗TNF治療に対する反応率を有していた。これは一般的な集団の代表であり、CORRONA CERTAIN試験の現実世界の前向き収集アプローチを反映する。ランダムフォレストを使用して、識別力のある遺伝子発現セット、SNP、ならびに臨床因子、またはそれらの組み合わせからの機能を用いて、RNAseq訓練データセットの80%で予測モデルを生成した。訓練データセットの残りの20%の交差検証では、受信者動作特性曲線下領域を使用してモデルの性能を評価した。この分析では、測定するべき偽陽性と真陽性の関係を評価して、モデルがレスポンダーとノンレスポンダーをどれだけうまく区別できるかを測定する。抗TNF治療に対する非反応を最も予測するモデルを、3つのすべての特徴タイプの組み合わせを使用して生成した。モデル交差検定の性能の受信者動作曲線下面積(AUC)は、0.66であった。臨床因子のみの場合、AUCは0.56であり、分子特徴のみの場合、AUCは0.64であった(表8)。交差検証の性能データは、分類子のトランスクリプトとSNP機能の決定的な重要性を確認する。表8は、完全な特徴セットおよびそのサブセットを使用したモデルからの交差検証の結果を提供する。
多くの試験では、抗TNF治療に対する非反応の生物学が全血のトランスクリプトームに反映されていると仮定された。しかし、臨床に転用されたものはなく、このことは、RA疾患の生物学の複雑さと、アルゴリズム開発に使用される方法論が多様であることの両方を反映している可能性がある。さらに、限られたサンプルサイズと遺伝子発現データ分析の複雑さにより、これまでのところ、患者コホート全体およびより広い患者集団に一般化できるアルゴリズムの開発が妨げられてきた。12のSNP、8つの転写産物、2つの臨床検査、および3つの基本人口統計因子(性別、BMI、患者疾患評価)からなるPrismRA(商標)バイオマーカーパネルが一般化可能であることを確認するために、前向きに収集したサンプルの独立したグループ(n=175)を使用して、盲検化された検証試験を実施する。検証コホートに含まれるサンプルは、アルゴリズム開発のどの段階にも使用されておらず、アルゴリズムは、これらの患者の遺伝子発現データまたは臨床アウトカムから得られた情報を有していない。
すべての既知のタンパク質間相互作用のヒトインタラクトームマップは、抗TNF治療に対する非反応の根底にある生物学を評価するためのユニークな視点を提供する。PrismRA(商標)予測バイオマーカーパネルのRA疾患生物学への適用性を特徴付けるために、ヒトインタラクトームおよび経路濃縮分析を使用して、識別力のある遺伝子およびSNPeQTLのタンパク質産物を分析した。PrismRA(商標)パネルに含まれる識別力のある遺伝子およびSNPのeQTLによってコードされるタンパク質を、ヒトインタラクトームマップ上に重ね合わせた(図8A)。合計で42のタンパク質がヒトインタラクトーム上にマッピングされ、24は識別力のある遺伝子よって、18はSNP eQTLによって寄与される。これらの分子的特徴は、抗TNF治療に反応しないRA患者の亜集団を統合する、小さいながらも凝集性のある生物学的ネットワークを強調するマップ上に織り込まれる。この近接性の定量化(方法を参照)は、これらの異なる分子特徴が互いに著しく近いことを示している(zスコア=-2.18)。さらに、RA疾患モジュール(zスコア=-4.09)およびJAKおよびTNFなどのRA薬物標的(zスコア=-3.98)は、SNPとDGに集合的に近位である(図8B)。
マイクロアレイ遺伝子発現データ、RNA次世代シーケンシング、生物学的ネットワーク分析、および機械学習を大規模な患者コホートに組み込むことにより、この試験では、抗TNF治療に対する非反応を予測するために全血遺伝子発現データを使用する薬物反応アルゴリズムが、様々なRA患者コホート間で実施され得ることが示される。PrismRA(商標)の盲検化された独立した検証試験に使用される前向きに収集されたRNAseqデータセットは、薬物反応アルゴリズムが、RA患者の独立した集団における抗TNF治療に対する非反応を90%の精度で予測できることを示した。抗TNF治療は、層別化されていない患者集団のほぼ70%を処置標的に達するように助けることができない。PrismRAを臨床ケアに組み込むと、この数は半分以上減少する。
Claims (74)
- 自己免疫疾患に苦しむ対象を処置する方法であって、前記方法は、
抗TNF治療を受けたコホート内の反応性および非反応性の先行対象を区別するために確立された分類子を介して、反応性であると決定された対象に、抗TNF治療を投与する工程を含み、
前記分類子は、
その発現レベルが臨床的な反応性または非反応性に優位に相関する1つ以上の遺伝子、
1つ以上の遺伝子の発現配列における1つ以上の一塩基多型(SNP)の存在、または、反応性および非反応性の先行対象の少なくとも1つの臨床的特徴、の少なくとも1つ、
を評価することによって開発され、
前記分類子は、抗TNF治療を受けたコホートとは独立したコホートによって検証される、
方法。 - 前記分類子は、少なくとも170人の対象の集団にわたって、少なくとも90%の精度で対象の反応性を予測する、請求項1に記載の方法。
- 前記1つ以上の遺伝子は、ヒトインタラクトームマップ上にマッピングされたときのトポロジー特性によって特徴付けられる、請求項1または2に記載の方法。
- SNPは、ヒトゲノムに関連して同定される、請求項1-3のいずれか1つに記載の方法。
- 前記分類子は、
その発現レベルが臨床的な反応性または非反応性に優位に相関する1つ以上の遺伝子、
1つ以上のSNPの存在、および、
少なくとも1つの臨床的特徴
のそれぞれを評価することによって開発される、請求項1-4のいずれか1つに記載の方法。 - 少なくとも1つの臨床的特徴は、肥満度指数(BMI)、性別、年齢、人種、以前の治療処置、疾患期間、C反応性タンパク質レベル、抗環状シトルリン化ペプチドの存在、リウマチ因子の存在、患者の包括的評価、処置反応率(例えば、ACR20、ACR50、ACR70)、およびそれらの組み合わせから選択される、請求項1-6のいずれか1つに記載の方法。
- 前記分類子は、少なくとも90%の精度で、非反応性である集団内の少なくとも40%の対象を識別し、ここで、前記集団は少なくとも170人の対象を含む、請求項1-6のいずれか1つに記載の方法。
- 抗TNF治療は、インフリキシマブ、アダリムマブ、エタネルセプト、セルトリズマブペゴル、ゴリルマ、またはそれらのバイオシミラーを投与することを含む、請求項1-8のいずれか1つに記載の方法。
- 疾患、障害、または疾病は、関節リウマチ、乾癬性関節炎、強直性脊椎炎、クローン病、潰瘍性大腸炎、慢性乾癬、化膿性汗腺炎、多発性硬化症、および若年性特発性関節炎から選択される、請求項1-9のいずれか1つに記載の方法。
- 前記分類子は、反応性および非反応性の先行対象に由来するマイクロアレイ分析を用いて確立される、請求項1-10のいずれか1つに記載の方法。
- 前記分類子は、独立したコホートに由来するRNAseqデータを使用して検証される、請求項1-11のいずれか1つに記載の方法。
- SNPは表5から選択される、請求項1-12のいずれか1つに記載の方法。
- 自己免疫疾患に苦しむ対象へ治療を投与する方法であって、前記方法は、
抗TNF治療を受けたコホート内の反応性と非反応性の先行対象を区別するために確立された分類子を介して、反応性または非反応性に分類された対象に前記治療を投与する工程と、
対象が分類子によって反応性であると分類された場合に、抗TNF治療を投与する工程と、
対象が分類子によって非反応性であると分類された場合に、抗TNF治療の代替物を投与する工程とを含み、
前記分類子は、
その発現レベルが臨床的な反応性または非反応性に優位に相関する1つ以上の遺伝子、
1つ以上の遺伝子の発現配列における1つ以上の一塩基多型(SNP)の存在、または、反応性および非反応性の先行対象の少なくとも1つの臨床的特徴、の少なくとも1つ、
を評価することによって開発され、
前記分類子は、抗TNF治療を受けたコホートとは独立したコホートによって検証される、方法。 - 前記分類子は、少なくとも170人の対象の集団にわたって、少なくとも90%の精度で対象の反応性を予測する、請求項14に記載の方法。
- 前記分類子は、
その発現レベルが臨床的な反応性または非反応性に優位に相関する1つ以上の遺伝子、
1つ以上のSNPの存在、および、
少なくとも1つの臨床的特徴、
のそれぞれを評価することによって開発される、請求項15に記載の方法。 - 少なくとも1つの臨床的特徴は、肥満度指数(BMI)、性別、年齢、人種、以前の治療処置、疾患期間、C反応性タンパク質レベル、抗環状シトルリン化ペプチドの存在、リウマチ因子の存在、患者の包括的評価、処置反応率(例えば、ACR20、ACR50、ACR70)、およびそれらの組み合わせから選択される、請求項14-16のいずれか1つに記載の方法。
- 抗TNF治療は、インフリキシマブ、アダリムマブ、エタネルセプト、セルトリズマブペゴル、ゴリルマ、またはそれらのバイオシミラーを投与することを含む、請求項14-17のいずれか1つに記載の方法。
- 抗TNF治療の代替物は、リツキシマブ、サリルマブ、クエン酸トファシチニブ、レフノミド、ベドリズマブ、トシリズマブ、アナキン、およびアバタセプトから選択される、請求項14-18のいずれか1つに記載の方法。
- 疾患、障害、または疾病は、関節リウマチ、乾癬性関節炎、強直性脊椎炎、クローン病、潰瘍性大腸炎、慢性乾癬、化膿性汗腺炎、多発性硬化症、および若年性特発性関節炎から選択される、請求項19に記載の方法。
- 1つ以上の治療属性に関して対象を層別化するための分類子を開発する方法であって、前記方法は、
治療属性の少なくとも1つに関して少なくとも2つの異なるカテゴリーを表す対象において発現されたRNAの配列データを分析する工程と、
配列データから1つ以上の一塩基多型(SNP)の存在を評価する工程と、
1つ以上のSNPの存在が少なくとも1つの治療属性と相関していることを決定する工程と、
1つ以上のSNPを分類子に含める工程と、を含む、方法。 - 1つ以上の治療属性は、特定の疾患、障害、または疾病を発症するリスク、特定の疾患、障害、または疾病に対する特定のアウトカムの可能性、特定の治療に対する反応の可能性からなる群から選択される、請求項21に記載の方法。
- 1つ以上の治療属性は、特定の治療に対する反応の可能性である、請求項21または22に記載の方法。
- 特定の治療は抗TNF治療である、請求項21-23のいずれか1つに記載の方法。
- 治療属性の少なくとも1つに関して少なくとも2つの異なるカテゴリーを表す対象において発現されたRNAの配列データを分析することによって、1つ以上の治療属性に関して対象を層別化するための分類子を開発する方法であって、
改善は、
配列データから1つ以上の一塩基多型(SNP)の存在を評価することと、
1つのSNPの存在が少なくとも1つの治療属性と相関していることを決定することと、
1つ以上のSNPを分類子に含めることを含む、方法。 - 1つ以上の治療属性は、特定の疾患、障害、または疾病を発症するリスク、特定の疾患、障害、または疾病に対する特定のアウトカムの可能性、特定の治療に対する反応の可能性からなる群から選択される、請求項25に記載の方法。
- 1つ以上の治療属性は、特定の治療に対する反応の可能性である、請求項25または26に記載の方法。
- 特定の治療は抗TNF治療である、請求項25-27のいずれか1つに記載の方法。
- 1つ以上のSNPの存在を評価することは、RNAの配列データを参照ヒトゲノムと比較することを含む、請求項25-28のいずれか1つに記載の方法。
- 自己免疫疾患に苦しむ対象を処置する方法であって、前記方法は、
(a)コンピューティングデバイスのプロセッサによって、対象の1つ以上の遺伝子のそれぞれの発現レベルに対応するデータを受信する工程であって、ここで、遺伝子は表1から選択される、工程と、
(b)プロセッサによって、工程(a)で受信したデータを使用して、抗TNF治療に対して反応性または非反応性であるとして対象の分類を自動的に決定する工程と、
任意選択で、(c)対象が抗TNF治療に非反応性であると分類される場合、自己免疫疾患の処置のために抗TNF治療の代替物を対象に投与する工程、または、対象が抗TNF治療に反応性であると分類される場合、抗TNF治療を投与する工程と、
を含む、方法。 - 工程(a)のプロセッサは、1つ以上の臨床的特徴、または1つ以上の一塩基多型(SNP)の少なくとも1つに対応するデータをさらに受信する、請求項30に記載の方法。
- 1つ以上の臨床的特徴は、肥満度指数(BMI)、性別、年齢、人種、以前の治療処置、疾患期間、C反応性タンパク質(CRP)レベル、抗環状シトルリン化ペプチドの存在、リウマチ因子の存在、患者の包括的評価、処置反応率(例えば、ACR20、ACR50、ACR70)、およびそれらの組み合わせから選択される、請求項30または31に記載の方法。
- 自己免疫疾患は、関節リウマチ、乾癬性関節炎、強直性脊椎炎、クローン病、潰瘍性大腸炎、慢性乾癬、化膿性汗腺炎、および若年性特発性関節炎から選択される、請求項30-32のいずれか1つに記載の方法。
- 自己免疫疾患は、関節リウマチまたは潰瘍性大腸炎である、請求項30-33のいずれか1つに記載の方法。
- 抗TNF治療の代替物は、リツキシマブ、サリルマブ、クエン酸トファシチニブ、レフノミド、ベドリズマブ、トシリズマブ、アナキン、およびアバタセプトから選択される、請求項30-34のいずれか1つに記載の方法。
- 抗TNF治療は、インフリキシマブ、アダリムマブ、エタネルセプト、セルトリズマブペゴル、ゴリルマ、またはそれらのバイオシミラーから選択される、請求項30-34のいずれか1つに記載の方法。
- 工程(b)は、機械学習モデルを用いて前記分類を自動的に決定することを含む、請求項30-36のいずれか1つに記載の方法。
- 機械学習モデルは、ランダムフォレストモデルである、請求項37に記載の方法。
- 工程(b)は、臨床共変動分類子(CC)を使用することなく前記分類を自動的に決定することを含む、請求項30-38のいずれか1つに記載の方法。
- 工程(b)は、組み合わされたゲノム-臨床分類子(GCC)を使用することなく、前記分類を自動的に決定することを含む、請求項30-38のいずれか1つに記載の方法。
- 工程(b)は、臨床共変動分類子(CC)を使用することなく、かつ、組み合わされたゲノム-臨床分類子(GCC)を使用することなく、前記分類を自動的に決定することを含む、請求項30-38のいずれか1つに記載の方法。
- (a)コンピューティングデバイスのプロセッサによって、疾患(例えば、自己免疫疾患、例えば、関節リウマチ)に苦しんでいる対象の1つ以上の遺伝子のそれぞれの発現レベルに対応するデータを受信する工程であって、前記1つ以上の遺伝子は、CORO2B、STOML2、CHMP7、SPINT2、CYSLTR2、SSNA1、IMPDH2、GOLGA1、SUOX、ARPC1A、およびKLHDC3からなる群から選択される少なくとも1つのメンバー(例えば、1、2、3、4、5、6、7、8、9、10、または11の全てのメンバー)を含む、工程と、
(b)プロセッサによって、工程(a)で受信したデータを使用して、第1の治療(例えば、抗TNF治療)に対して非反応性であるとして対象の分類を自動的に決定する工程と、
任意選択で、(c)疾患の処置のために、対象に第2の治療(例えば、第1の治療の代替物、例えば、抗TNF治療の代替物)を処方および/または投与する工程であって、それによって、対象への第1の治療の処方および/または投与を回避する、工程とを含む、
方法。 - 抗TNF治療で対象を処置する方法であって、前記方法は、
抗TNF治療を受けた反応性および非反応性の先行対象を区別するために確立された分類子を介して、反応性であると決定された対象に、抗TNF治療を投与する工程を含み、
前記分類子は、
その発現レベルが臨床的な反応性または非反応性に優位に相関する1つ以上の遺伝子、ならびに、
1つ以上の遺伝子の発現配列における1つ以上の一塩基多型(SNP)の存在、または、反応性および非反応性の先行対象の少なくとも1つの臨床的特徴、の少なくとも1つ、
を評価することによって開発される、方法。 - (c)対象が抗TNF治療に非反応性であると工程(b)で分類される場合に、自己免疫疾患の処置のために抗TNF治療の代替物を対象に処方および/または投与する工程、あるいは、対象が抗TNF治療に反応性であると工程(b)で分類される場合に、抗TNF治療を対象に投与する工程を含む、請求項44に記載の方法。
- 工程(a)のプロセッサは、
(i)対象の1つ以上の臨床的特徴、
(ii)対象の1つ以上の一塩基多型(SNP)、
の少なくとも1つに対応するデータをさらに受信する、請求項44または45に記載の方法。 - 工程(a)のプロセッサは、肥満度指数(BMI)、性別、年齢、人種、以前の治療処置、疾患期間、C反応性タンパク質(CRP)レベル、抗環状シトルリン化ペプチドの存在、リウマチ因子の存在、患者の包括的評価、および処置反応率(例えば、ACR20、ACR50、ACR70)からなる群から選択される対象の1つ以上の臨床的特徴に対応するデータを受信する、請求項44-46のいずれか1つに記載の方法。
- 工程(a)のプロセッサは、表5に記載される1つ以上のSNPに対応するデータを受信する、請求項44-47のいずれか1つに記載の方法。
- 自己免疫疾患は、関節リウマチ、乾癬性関節炎、強直性脊椎炎、クローン病、潰瘍性大腸炎、慢性乾癬、化膿性汗腺炎、および若年性特発性関節炎からなる群から選択されるメンバーである、請求項44-48のいずれか1つに記載の方法。
- 自己免疫疾患は、関節リウマチまたは潰瘍性大腸炎である、請求項44-49のいずれか1つに記載の方法。
- 抗TNF治療の代替物は、リツキシマブ、サリルマブ、クエン酸トファシチニブ、レフノミド、ベドリズマブ、トシリズマブ、アナキン、およびアバタセプトからなる群から選択される少なくとも1つのメンバーを含む、請求項44-50のいずれか1つに記載の方法。
- 抗TNF治療は、インフリキシマブ、アダリムマブ、エタネルセプト、セルトリズマブペゴル、ゴリルマ、または前述のもののいずれかのバイオシミラーからなる群から選択される少なくとも1つのメンバーを含む、請求項44-50のいずれか1つに記載の方法。
- 抗TNF治療は、インフリキシマブ、アダリムマブ、エタネルセプト、セルトリズマブペゴル、ゴリルマ、および前述のもののいずれかのバイオシミラーからなる群の任意のメンバーを含まない、請求項44-52のいずれか1つに記載の方法。
- 工程(b)は、機械学習モデルを用いて前記分類を自動的に決定することを含む、請求項44-53のいずれか1つに記載の方法。
- 機械学習モデルは、ランダムフォレストモデルである、請求項54に記載の方法。
- 工程(b)は、臨床共変動分類子(CC)を使用することなく前記分類を自動的に決定することを含む、請求項44-55のいずれか1つに記載の方法。
- 工程(b)は、組み合わされたゲノム-臨床分類子(GCC)を使用することなく、前記分類を自動的に決定することを含む、請求項44-55のいずれか1つに記載の方法。
- 工程(b)は、臨床共変動分類子(CC)を使用することなく、かつ組み合わされたゲノム-臨床分類子(GCC)を使用することなく、前記分類を自動的に決定することを含む、請求項44-55のいずれか1つに記載の方法。
- 自己免疫疾患に苦しんでいる対象を、前記対象への抗TNF治療の任意の投与の前に、前記抗TNF治療に反応性である可能性が高い、または非反応性である可能性が高いと分類する方法であって、前記方法は、
(a)コンピューティングデバイスのプロセッサによって、自己免疫疾患に苦しんでいる対象の1つ以上の遺伝子のそれぞれの発現レベルに対応するデータを受信する工程であって、前記1つ以上の遺伝子が、CORO2B、STOML2、CHMP7、SPINT2、CYSLTR2、SSNA1、IMPDH2、GOLGA1、SUOX、ARPC1A、およびKLHDC3からなる群から選択される少なくとも1つのメンバーを含む、工程と、
(b)プロセッサによって、工程(a)で受信したデータを使用して、抗TNF治療に反応性である可能性が高い、または非反応性である可能性が高いとして対象の分類を自動的に決定する工程と、を含む、方法。 - (c)対象が抗TNF治療に非反応性であると工程(b)で分類される場合に、自己免疫疾患の処置のために抗TNF治療の代替物を対象に処方および/または投与する工程、あるいは、対象が抗TNF治療に反応性であると工程(b)で分類される場合に、抗TNF治療を対象に投与する工程を含む、請求項59に記載の方法。
- 自己免疫疾患は慢性関節リウマチである、請求項59または60に記載の方法。
- 工程(a)は、CORO2B、STOML2、CHMP7、SPINT2、CYSLTR2、SSNA1、IMPDH2、GOLGA1、SUOX、ARPC1A、およびKLHDC3からなる群から選択される少なくとも2つの遺伝子のそれぞれの発現レベルに対応するデータを受信することを含む、請求項59-61のいずれか1つに記載の方法。
- 工程(a)は、CORO2B、STOML2、CHMP7、SPINT2、CYSLTR2、SSNA1、IMPDH2、GOLGA1、SUOX、ARPC1A、およびKLHDC3からなる群から選択される少なくとも3つの遺伝子のそれぞれの発現レベルに対応するデータを受信することを含む、請求項59-61のいずれか1つに記載の方法。
- 工程(a)は、CORO2B、STOML2、CHMP7、SPINT2、CYSLTR2、SSNA1、IMPDH2、GOLGA1、SUOX、ARPC1A、およびKLHDC3からなる群から選択される少なくとも5つの遺伝子のそれぞれの発現レベルに対応するデータを受信することを含む、請求項59-61のいずれか1つに記載の方法。
- 工程(a)のプロセッサは、
(i)対象の1つ以上の臨床的特徴、
(ii)対象の1つ以上の一塩基多型(SNP)、
の少なくとも1つに対応するデータをさらに受信する、請求項59-64のいずれか1つに記載の方法。 - 工程(a)のプロセッサは、肥満度指数(BMI)、性別、年齢、人種、以前の治療処置、疾患期間、C反応性タンパク質(CRP)レベル、抗環状シトルリン化ペプチドの存在、リウマチ因子の存在、患者の包括的評価、および処置反応率(例えば、ACR20、ACR50、ACR70)からなる群から選択される対象の1つ以上の臨床的特徴に対応するデータを受信する、請求項59-65のいずれか1つに記載の方法。
- 工程(a)のプロセッサは、表5に記載される1つ以上のSNPに対応するデータを受信する、請求項59-66のいずれか1つに記載の方法。
- データのセットは、
(i)対象の1つ以上の臨床的特徴、
(ii)対象の1つ以上の一塩基多型(SNP)、
の少なくとも1つに対応するデータをさらに含む、請求項68に記載のシステム。 - データのセットは、肥満度指数(BMI)、性別、年齢、人種、以前の治療処置、疾患期間、C反応性タンパク質(CRP)レベル、抗環状シトルリン化ペプチドの存在、リウマチ因子の存在、患者の包括的評価、および処置反応率(例えば、ACR20、ACR50、ACR70)からなる群から選択される対象の1つ以上の臨床的特徴に対応するデータを含む、請求項69に記載のシステム。
- データのセットは表5に記載される1つ以上のSNPを含む、請求項69または70に記載のシステム。
- 自己免疫疾患は、関節リウマチ、乾癬性関節炎、強直性脊椎炎、クローン病、潰瘍性大腸炎、慢性乾癬、化膿性汗腺炎、および若年性特発性関節炎からなる群から選択されるメンバーである、請求項69-71のいずれか1つに記載のシステム。
- 自己免疫疾患は、関節リウマチまたは潰瘍性大腸炎である、請求項69-71のいずれか1つに記載のシステム。
- 自己免疫疾患は慢性関節リウマチである、請求項69-71のいずれか1つに記載のシステム。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962867853P | 2019-06-27 | 2019-06-27 | |
US62/867,853 | 2019-06-27 | ||
US201962882402P | 2019-08-02 | 2019-08-02 | |
US62/882,402 | 2019-08-02 | ||
US202062965486P | 2020-01-24 | 2020-01-24 | |
US62/965,486 | 2020-01-24 | ||
PCT/US2020/039991 WO2020264426A1 (en) | 2019-06-27 | 2020-06-26 | Developing classifiers for stratifying patients |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022541125A true JP2022541125A (ja) | 2022-09-22 |
JPWO2020264426A5 JPWO2020264426A5 (ja) | 2023-05-30 |
Family
ID=74061318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021577528A Pending JP2022541125A (ja) | 2019-06-27 | 2020-06-26 | 患者を層別化するための分類子の開発 |
Country Status (11)
Country | Link |
---|---|
US (4) | US11195595B2 (ja) |
EP (1) | EP3990656A4 (ja) |
JP (1) | JP2022541125A (ja) |
KR (1) | KR20220044720A (ja) |
CN (1) | CN114402084A (ja) |
AU (1) | AU2020308906A1 (ja) |
CA (1) | CA3145237A1 (ja) |
GB (1) | GB2603294A (ja) |
IL (1) | IL289304A (ja) |
MX (1) | MX2022000128A (ja) |
WO (1) | WO2020264426A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021518432A (ja) | 2018-03-16 | 2021-08-02 | サイファー メディシン コーポレイション | 抗tnf療法に対する応答性を予測するための方法及びシステム |
WO2020264426A1 (en) | 2019-06-27 | 2020-12-30 | Scipher Medicine Corporation | Developing classifiers for stratifying patients |
US11430575B2 (en) * | 2020-11-13 | 2022-08-30 | Specialty Diagnostic (SDI) Laboratories, Inc. | Systems and methods for a data driven disease test result prediction |
EP4308732A1 (en) * | 2021-03-19 | 2024-01-24 | Scipher Medicine Corporation | Methods of classifying and treating patients |
US20220399092A1 (en) * | 2021-06-10 | 2022-12-15 | Rajant Health Inc. | Ai-enabled health platform |
KR20240047967A (ko) * | 2021-06-22 | 2024-04-12 | 사이퍼 메디슨 코퍼레이션 | 요법 모니터링 및 시험 설계를 위한 방법 및 시스템 |
WO2023150731A2 (en) * | 2022-02-04 | 2023-08-10 | Scipher Medicine Corporation | Systems and methods for predicting response to anti-tnf therapies |
WO2024081737A1 (en) * | 2022-10-12 | 2024-04-18 | Exagen Inc. | Biomarker selection for machine learning enabled prediction of treatment response |
CN116312796B (zh) * | 2022-12-27 | 2023-11-14 | 江苏先声医学诊断有限公司 | 一种基于期望最大化算法的宏基因组丰度估计方法及系统 |
Family Cites Families (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040120952A1 (en) | 2000-08-07 | 2004-06-24 | Centocor, Inc | Anti-TNF antibodies and peptides of human tumor necrosis factor |
US7935482B2 (en) | 2005-09-27 | 2011-05-03 | Source Precision Medicine, Inc. | Gene expression profiling for identification monitoring and treatment of rheumatoid arthritis |
TW201337266A (zh) | 2005-11-01 | 2013-09-16 | Abbott Biotech Ltd | 利用生物標記診斷關節黏連脊椎炎之方法及組合物 |
EP2008100A4 (en) * | 2006-04-18 | 2009-12-16 | Univ Leland Stanford Junior | ESTABLISHING ANTIBODY PROFILES FOR DETERMINING PATIENT SENSITIVITY TO TREATMENT |
EP2165194A4 (en) | 2007-05-31 | 2010-09-08 | Abbott Lab | BIOMARKERS FOR PREDICTING RESPONSABILITY TO TNF ALPHA INHIBITORS IN AUTOIMMUNE DISEASES |
CN101796197B (zh) * | 2007-06-08 | 2014-02-12 | 比奥根艾迪克Ma公司 | 预测抗tnf响应性或无响应性的生物标志物 |
US7863021B2 (en) | 2007-09-05 | 2011-01-04 | Celera Corporation | Genetic polymorphisms associated with rheumatoid arthritis, methods of detection and uses thereof |
WO2009102957A2 (en) | 2008-02-14 | 2009-08-20 | The Johns Hopkins University | Methods to connect gene set expression profiles to drug sensitivity |
US20110059445A1 (en) | 2008-03-28 | 2011-03-10 | Paul Rutgeerts | Mucosal gene signatures |
NZ590988A (en) | 2008-08-25 | 2012-08-31 | Janssen Biotech Inc | Biomarkers for anti-tnf treatment in ulcerative colitis and related disorders |
EP2342664A1 (en) | 2008-09-03 | 2011-07-13 | Max-Planck-Gesellschaft zur Förderung der Wissenschaften e.V. | Computer implemented model of biological networks |
WO2010040233A1 (en) | 2008-10-10 | 2010-04-15 | Mount Sinai Hospital | Methods for classifying samples based on network modularity |
IN2012DN02485A (ja) | 2009-09-03 | 2015-08-28 | Hoffmann La Roche | |
CN102858991A (zh) | 2009-10-15 | 2013-01-02 | 克雷桑多生物科技公司 | 生物标志物及炎性疾病活动性的测量和监测方法 |
CA3007713C (en) | 2010-04-29 | 2020-05-26 | The Regents Of The University Of California | Pathway recognition algorithm using data integration on genomic models (paradigm) |
US10192641B2 (en) | 2010-04-29 | 2019-01-29 | The Regents Of The University Of California | Method of generating a dynamic pathway map |
WO2012066536A2 (en) | 2010-11-16 | 2012-05-24 | Prediguard | Transcriptome signatures discriminate etanercept-treated rheumatoid arthritis (ra) patients according to their response or refractory status |
US20130040835A1 (en) | 2011-05-05 | 2013-02-14 | Exagen Diagnostics, Inc | Genes predictive of anti-TNF response in inflammatory diseases |
SG194710A1 (en) * | 2011-05-10 | 2013-12-30 | Nestec Sa | Methods of disease activity profiling for personalized therapy management |
AU2013324049B2 (en) | 2012-09-27 | 2017-09-21 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Services | Mesothelin antibodies and methods for eliciting potent antitumor activity |
HU230680B1 (hu) | 2012-10-19 | 2017-08-28 | Egis Gyogyszergyar Nyilvanosan Muekoedoe Reszvenytarsasag | Diagnosztikai eljárás |
ES2647154T3 (es) | 2012-11-05 | 2017-12-19 | Novigenix Sa | Combinaciones de biomarcadores para tumores colorrectales |
WO2014082083A1 (en) | 2012-11-26 | 2014-05-30 | Caris Science, Inc. | Biomarker compositions and methods |
WO2014135668A1 (de) | 2013-03-08 | 2014-09-12 | Universität Leipzig | Verfahren und kit zur zytokinanalyse aus einer menschlichen vollblutprobe |
US9945870B2 (en) | 2013-05-17 | 2018-04-17 | The Board Of Trustees Of The Leland Stanford Junior University | Methods for determining responsiveness to an anti-CD47 agent |
US20160162657A1 (en) | 2013-07-08 | 2016-06-09 | Northeastern University | Methods For Identifying Complex Disease Subtypes |
US9387246B2 (en) | 2013-09-03 | 2016-07-12 | L. Douglas Graham | Treatment methods for rheumatoid arthritis |
US20160232279A1 (en) | 2013-09-23 | 2016-08-11 | Northeastern University | System and Methods for Disease Module Detection |
CA2943821A1 (en) | 2014-04-02 | 2015-10-08 | Crescendo Bioscience | Biomarkers and methods for measuring and monitoring juvenile idiopathic arthritis activity |
WO2015164406A1 (en) | 2014-04-21 | 2015-10-29 | University Of South Florida | Salivary inflammatory biomarkers associated with glycemic control and oral health |
WO2016063204A1 (en) | 2014-10-20 | 2016-04-28 | Nestec S.A. | Methods for prediction of anti-tnf alpha drug levels and autoantibody formation |
WO2016088068A1 (en) | 2014-12-02 | 2016-06-09 | Nestec S.A. | Methods for establishing a vedolizumab dosing regimen to treat patients with irritable bowel disease |
US10407725B2 (en) | 2015-08-21 | 2019-09-10 | The Children's Hospital Of Philadelphia | Methods of treating autoimmune conditions in patients with genetic variations in DcR3 or in a DcR3 network gene |
US10018637B2 (en) | 2015-10-06 | 2018-07-10 | Celgene International Ii Sarl | Methods for treating inflammatory and other diseases and the use of biomarkers as predictors of clinical sensitivity to treatment with apremilast |
EP3165928B1 (en) | 2015-11-06 | 2019-01-09 | Promise Advanced Proteomics | A method for quantifying anti-tnf antibodies |
WO2017083564A1 (en) | 2015-11-11 | 2017-05-18 | Northeastern University | Methods and systems for profiling personalized biomarker expression perturbations |
US20170145501A1 (en) | 2015-11-20 | 2017-05-25 | Lasse Folkersen | Apparatus and methods of using of biomarkers for predicting tnf-inhibitor response |
EP3440579A4 (en) | 2015-11-24 | 2020-03-25 | Klaritos, Inc. | INNOVATIVE MODEL OF DELIVERY, PROCESSING AND PAYMENT FOR SPECIALIZED MEDICINES |
GB201521357D0 (en) | 2015-12-03 | 2016-01-20 | Univ Liverpool | Methods for predicting response to anti-TNF therapy |
AU2017281039A1 (en) | 2016-06-20 | 2019-01-24 | Healthtell Inc. | Methods for differential diagnosis of autoimmune diseases |
WO2019018440A1 (en) | 2017-07-17 | 2019-01-24 | The Broad Institute, Inc. | HUMAN COLON CELL ATLAS IN GOOD HEALTH AND WITH HEMORRHAGIC RECTO-COLITIS |
US20190287644A1 (en) | 2018-02-15 | 2019-09-19 | Northeastern University | Correlation Method To Identify Relevant Genes For Personalized Treatment Of Complex Disease |
JP2021518432A (ja) | 2018-03-16 | 2021-08-02 | サイファー メディシン コーポレイション | 抗tnf療法に対する応答性を予測するための方法及びシステム |
CN113614831A (zh) | 2019-03-22 | 2021-11-05 | 英芙勒玛提克斯公司 | 用于从多个数据集导出和优化分类器的系统和方法 |
EP3948872A4 (en) | 2019-03-28 | 2023-04-26 | Phase Genomics Inc. | SEQUENCING KARYOTYPING SYSTEMS AND METHODS |
WO2020264426A1 (en) | 2019-06-27 | 2020-12-30 | Scipher Medicine Corporation | Developing classifiers for stratifying patients |
EP4208256A2 (en) | 2020-09-01 | 2023-07-12 | Scipher Medicine Corporation | Methods and systems for predicting response to anti-tnf therapies |
EP4308732A1 (en) | 2021-03-19 | 2024-01-24 | Scipher Medicine Corporation | Methods of classifying and treating patients |
-
2020
- 2020-06-26 WO PCT/US2020/039991 patent/WO2020264426A1/en unknown
- 2020-06-26 CN CN202080060499.9A patent/CN114402084A/zh active Pending
- 2020-06-26 GB GB2119148.1A patent/GB2603294A/en active Pending
- 2020-06-26 EP EP20832235.4A patent/EP3990656A4/en active Pending
- 2020-06-26 MX MX2022000128A patent/MX2022000128A/es unknown
- 2020-06-26 KR KR1020227002006A patent/KR20220044720A/ko unknown
- 2020-06-26 AU AU2020308906A patent/AU2020308906A1/en active Pending
- 2020-06-26 CA CA3145237A patent/CA3145237A1/en active Pending
- 2020-06-26 JP JP2021577528A patent/JP2022541125A/ja active Pending
-
2021
- 2021-05-10 US US17/315,580 patent/US11195595B2/en active Active
- 2021-11-02 US US17/517,521 patent/US11456056B2/en active Active
- 2021-12-23 IL IL289304A patent/IL289304A/en unknown
-
2022
- 2022-08-04 US US17/881,441 patent/US11783913B2/en active Active
-
2023
- 2023-08-15 US US18/450,222 patent/US20230386606A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2020264426A1 (en) | 2020-12-30 |
KR20220044720A (ko) | 2022-04-11 |
US20220101946A1 (en) | 2022-03-31 |
EP3990656A1 (en) | 2022-05-04 |
US20220375541A1 (en) | 2022-11-24 |
US20210280271A1 (en) | 2021-09-09 |
US11783913B2 (en) | 2023-10-10 |
GB202119148D0 (en) | 2022-02-16 |
CN114402084A (zh) | 2022-04-26 |
IL289304A (en) | 2022-02-01 |
US11195595B2 (en) | 2021-12-07 |
US20230386606A1 (en) | 2023-11-30 |
US11456056B2 (en) | 2022-09-27 |
MX2022000128A (es) | 2022-04-27 |
AU2020308906A1 (en) | 2022-02-03 |
EP3990656A4 (en) | 2023-12-06 |
CA3145237A1 (en) | 2020-12-30 |
GB2603294A (en) | 2022-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11456056B2 (en) | Methods of treating a subject suffering from rheumatoid arthritis based in part on a trained machine learning classifier | |
US20220056121A1 (en) | Methods and systems for predicting response to anti-tnf therapies | |
US20220154284A1 (en) | Determination of cytotoxic gene signature and associated systems and methods for response prediction and treatment | |
US20230282367A1 (en) | Methods and systems for predicting response to anti-tnf therapies | |
AU2021270453A1 (en) | Methods and systems for machine learning analysis of single nucleotide polymorphisms in lupus | |
Gibson et al. | Current and future trends in biomarker discovery and development of companion diagnostics for arthritis | |
US20240076368A1 (en) | Methods of classifying and treating patients | |
Wang et al. | Comparative studies of genetic and phenotypic associations for 2,168 plasma proteins measured by two affinity-based platforms in 4,000 Chinese adults | |
CA3212448A1 (en) | Methods of classifying and treating patients | |
WO2022271724A1 (en) | Methods and systems for therapy monitoring and trial design | |
KR20240044417A (ko) | 개인맞춤형 요법을 위한 방법 및 시스템 | |
CN117813402A (zh) | 分类和治疗患者的方法 | |
WO2023150731A2 (en) | Systems and methods for predicting response to anti-tnf therapies | |
CN117981011A (zh) | 用于个体化疗法的方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220404 |
|
RD12 | Notification of acceptance of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7432 Effective date: 20221214 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20221214 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230519 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230519 |