JP2023112692A - 広義原発開放隅角緑内障の進行リスクに関する情報の取得方法 - Google Patents
広義原発開放隅角緑内障の進行リスクに関する情報の取得方法 Download PDFInfo
- Publication number
- JP2023112692A JP2023112692A JP2023013303A JP2023013303A JP2023112692A JP 2023112692 A JP2023112692 A JP 2023112692A JP 2023013303 A JP2023013303 A JP 2023013303A JP 2023013303 A JP2023013303 A JP 2023013303A JP 2023112692 A JP2023112692 A JP 2023112692A
- Authority
- JP
- Japan
- Prior art keywords
- risk
- progression
- group
- alleles
- snps
- 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
- 206010030348 Open-Angle Glaucoma Diseases 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 71
- 201000006366 primary open angle glaucoma Diseases 0.000 title claims abstract description 46
- 108700028369 Alleles Proteins 0.000 claims abstract description 211
- 238000005259 measurement Methods 0.000 claims abstract description 59
- 239000012472 biological sample Substances 0.000 claims abstract description 16
- 210000004369 blood Anatomy 0.000 claims description 8
- 239000008280 blood Substances 0.000 claims description 8
- 208000010412 Glaucoma Diseases 0.000 claims description 5
- 239000012530 fluid Substances 0.000 claims description 3
- 206010039101 Rhinorrhoea Diseases 0.000 claims description 2
- 210000001185 bone marrow Anatomy 0.000 claims description 2
- 210000001175 cerebrospinal fluid Anatomy 0.000 claims description 2
- 210000000265 leukocyte Anatomy 0.000 claims description 2
- 210000004400 mucous membrane Anatomy 0.000 claims description 2
- 208000010753 nasal discharge Diseases 0.000 claims description 2
- 210000002381 plasma Anatomy 0.000 claims description 2
- 210000003296 saliva Anatomy 0.000 claims description 2
- 210000000582 semen Anatomy 0.000 claims description 2
- 210000002966 serum Anatomy 0.000 claims description 2
- 210000004243 sweat Anatomy 0.000 claims description 2
- 210000001519 tissue Anatomy 0.000 claims description 2
- 230000001926 lymphatic effect Effects 0.000 claims 1
- 210000003491 skin Anatomy 0.000 claims 1
- 239000000523 sample Substances 0.000 description 59
- 230000004083 survival effect Effects 0.000 description 55
- 230000001186 cumulative effect Effects 0.000 description 51
- 239000003550 marker Substances 0.000 description 33
- 238000000611 regression analysis Methods 0.000 description 25
- 238000010824 Kaplan-Meier survival analysis Methods 0.000 description 21
- 238000004458 analytical method Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 238000012360 testing method Methods 0.000 description 13
- 108020004414 DNA Proteins 0.000 description 12
- 230000000007 visual effect Effects 0.000 description 10
- 239000003795 chemical substances by application Substances 0.000 description 9
- 238000012795 verification Methods 0.000 description 9
- 238000000018 DNA microarray Methods 0.000 description 8
- 210000000349 chromosome Anatomy 0.000 description 7
- 238000003205 genotyping method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012098 association analyses Methods 0.000 description 6
- 238000000513 principal component analysis Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000000546 chi-square test Methods 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 239000011324 bead Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000007400 DNA extraction Methods 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 125000005842 heteroatom Chemical group 0.000 description 2
- 238000009396 hybridization Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000002493 microarray Methods 0.000 description 2
- 238000010369 molecular cloning Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 108020004707 nucleic acids Proteins 0.000 description 2
- 102000039446 nucleic acids Human genes 0.000 description 2
- 150000007523 nucleic acids Chemical class 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 108050006400 Cyclin Proteins 0.000 description 1
- 102000016736 Cyclin Human genes 0.000 description 1
- 206010061818 Disease progression Diseases 0.000 description 1
- 108700024394 Exon Proteins 0.000 description 1
- 101000829171 Hypocrea virens (strain Gv29-8 / FGSC 10586) Effector TSP1 Proteins 0.000 description 1
- 108091092195 Intron Proteins 0.000 description 1
- 108091028043 Nucleic acid sequence Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 210000004698 lymphocyte Anatomy 0.000 description 1
- 230000002934 lysing effect Effects 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 238000007481 next generation sequencing Methods 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 210000001328 optic nerve Anatomy 0.000 description 1
- 102000054765 polymorphisms of proteins Human genes 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007894 restriction fragment length polymorphism technique Methods 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 210000001138 tear Anatomy 0.000 description 1
Images
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
【課題】広義原発開放隅角緑内障の進行リスクに関する情報の取得方法を提供すること。【解決手段】(1)被検者から採取した生体試料を用いて、SNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第一SNP群と、異なるSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第二SNP群についてアレルを測定する測定工程、並びに(2)前記測定工程で得られた測定結果に基づいて、前記被検者における広義原発開放隅角緑内障の進行リスクに関する情報を取得する情報取得工程、を含む、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法。【選択図】なし
Description
本発明は、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法に関する。
広義原発開放隅角緑内障は、網膜視神経細胞が障害され、長時間をかけてゆっくりと不可逆的に進行する疾患である。患者の中には症状が安定する者もいれば、重症化する者もいることが経験的に知られている。
特許文献１は、緑内障患者の遺伝的要因として一塩基多型(SNP)を評価することが記載されている。
しかしながら、特許文献１は発症リスクを評価するものであって、進行リスクを評価するものではない。本発明の課題は広義原発開放隅角緑内障の進行リスクに関する情報の取得方法を提供することである。
本発明は、下記〔１〕～〔２〕に関する。
〔１〕 (1)被検者から採取した生体試料を用いて、表１に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第一SNP群と、表２に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第二SNP群についてアレルを測定する測定工程、並びに
(2)前記測定工程で得られた測定結果に基づいて、前記被検者における広義原発開放隅角緑内障の進行リスクに関する情報を取得する情報取得工程、
を含む、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法。
〔２〕 被検者から採取した生体試料を用いて、表１に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第一SNP群と、表２に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第二SNP群についてアレルを測定する測定工程
を含み、前記測定工程で得られた測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクの指標となる、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法。
〔１〕 (1)被検者から採取した生体試料を用いて、表１に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第一SNP群と、表２に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第二SNP群についてアレルを測定する測定工程、並びに
(2)前記測定工程で得られた測定結果に基づいて、前記被検者における広義原発開放隅角緑内障の進行リスクに関する情報を取得する情報取得工程、
を含む、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法。
〔２〕 被検者から採取した生体試料を用いて、表１に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第一SNP群と、表２に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第二SNP群についてアレルを測定する測定工程
を含み、前記測定工程で得られた測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクの指標となる、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法。
本発明により、被検者における広義原発開放隅角緑内障の進行リスクを精度よく判定することができる。
本明細書において、「広義POAG」とは、広義原発開放隅角緑内障（広義primary open-angle glaucoma, 広義POAG；狭義原発開放隅角緑内障と正常眼圧緑内障，日眼会誌116巻1号15頁から18頁）のことである。
本明細書において、「リスクアレル」とは、広義POAGと関連するアレルのうち、視野障害安定群より視野障害進行群において頻度が高いアレルを言う。「非リスクアレル」とは、リスクアレルではないアレルを言う。
本明細書において、GPA進行とは、広義POAG患者の治療開始日（初回検査日）からGlaucoma Progression Analysis (GPA) (FORUM（商標）：Zeiss社)で「進行の可能性あり」または「進行の可能性が高い」警告をイベントと定義し、イベントが起きるまでの時間により確認される広義POAG進行を意味する。両眼の場合は、状態の悪いほうの眼を採用する。
本明細書において、視野異常ステージ分類における連続した2回の進行（ステージ進行）とは、広義POAG患者の治療開始日（初回検査日）から視野検査のAulhorn分類Greve変法のステージ（AGステージ）が初回ステージより進行した結果が2回連続で悪化した場合、初回ステージより初めてステージが悪化した時点をイベントと定義し、イベントが起きるまでの時間により確認される広義POAG進行を意味する。両眼の場合は、状態の悪いほうの眼を採用する。
本明細書において、「安定群」とは、GPAによる進行警告が晩期の患者群、又はAulhorn分類Greve変法のステージが2回連続で初回検査より悪化が晩期におこった患者群を意味する。
本明細書において、「進行群」とは、GPAによる進行警告が早期の患者群、Aulhorn分類Greve変法のステージが2回連続で初回検査より悪化が早期におこった患者群、又は医師の進行判断としての手術を行った患者群を意味する。
本明細書において、広義原発開放隅角緑内障の進行リスクに関する情報は、２種類の異なるSNP群（即ち、第一SNP群及び第二SNP群）を用いて取得する。このような２種類の異なるSNP群を採用する理由は、前者が視野全体の平均感度を表すMD（mean deviation）値の変化を用いるGPA進行の情報を取得するためであり、後者が視野における病期分類の程度を用いるステージ進行の情報を取得するためであり、別角度から進行リスクに関する情報を取得する必要があるためである。
それぞれのSNP群を用いて得られたリスクアレルの数に重みを付けて、重み付きリスクアレルの数を算出してもよい。たとえば、視野全体の平均感度値の変化をより重視したい場合、第一SNP群を用いて測定されたアレルから得られたリスクアレルの数に、第二SNP群を用いて測定されたアレルから得られたリスクアレルの数よりも大きい係数を乗じて得られた値を、情報取得工程に用いることができる。また、いずれかのリスクアレルの数の全ての係数をゼロにすることにより、残りの一方のみの工程による進行リスクに関する情報を得ることもできる。
それぞれのSNP群を用いて得られたリスクアレルの数に重みを付けて、重み付きリスクアレルの数を算出してもよい。たとえば、視野全体の平均感度値の変化をより重視したい場合、第一SNP群を用いて測定されたアレルから得られたリスクアレルの数に、第二SNP群を用いて測定されたアレルから得られたリスクアレルの数よりも大きい係数を乗じて得られた値を、情報取得工程に用いることができる。また、いずれかのリスクアレルの数の全ての係数をゼロにすることにより、残りの一方のみの工程による進行リスクに関する情報を得ることもできる。
〔マーカーSNP及び選択SNPを見出す方法〕
アレル測定工程で用いられる、表１及び表２に記載のSNP IDで特定されるSNP（本明細書において「マーカーSNP」と略記する。）や、マーカーSNPから選択された特定のSNP（本明細書において「選択SNP」と略記する。）は、例えば次のようにして見出すことができる。
アレル測定工程で用いられる、表１及び表２に記載のSNP IDで特定されるSNP（本明細書において「マーカーSNP」と略記する。）や、マーカーSNPから選択された特定のSNP（本明細書において「選択SNP」と略記する。）は、例えば次のようにして見出すことができる。
(1)マーカー候補のSNPを見出す方法
GPA進行リスクに関する進行群と安定群、及びステージ進行リスクに関する進行群と安定群のそれぞれの生体試料からゲノムDNAを抽出する。生体試料中のゲノムDNAは公知の任意の方法によって抽出することができる。細胞を含む生体試料の場合、細胞を溶解して溶出させたDNAを、シリカでコーティングした磁性ビーズの表面に結合させ、磁気を利用して分離、回収することによってDNAを抽出することができる。
GPA進行リスクに関する進行群と安定群、及びステージ進行リスクに関する進行群と安定群のそれぞれの生体試料からゲノムDNAを抽出する。生体試料中のゲノムDNAは公知の任意の方法によって抽出することができる。細胞を含む生体試料の場合、細胞を溶解して溶出させたDNAを、シリカでコーティングした磁性ビーズの表面に結合させ、磁気を利用して分離、回収することによってDNAを抽出することができる。
抽出したDNAサンプル中のSNPにおけるアレルの同定手段は特に限定されず、当該技術において公知のSNP検出方法から適宜選択すればよい。
ここでは、公知のSNP検出方法として、ゲノムワイド関連解析(GWAS)を用いる手法について説明する。具体的には、ゲノム全領域に分布するSNPを含むDNAマイクロアレイ（たとえば、アフィメトリクス社、Genome-Wide Human SNP Array 6.0）を用いて行うことができる。その際に、Quality controlを行うことで、抽出するSNPを選択してもよい。
Quality controlにおけるSNP採否の基準となるコールレートとしては、例えば、85％以上、90％以上、95％以上のコールレートを示すSNPを採用することが望ましい。また、その他に、マイナーアレル頻度(MAF)が0.01未満のSNP、及び遺伝子型の分布がハーディー・ワインバーグ平衡(HWE)から有意に（false discovery rateが0.001未満）逸脱したSNPについては、候補から除外することが望ましい。
Quality controlで選択されたSNPについては、更に絞り込みを行うことができる。例えば、統計ソフトウェアを用いてCox回帰分析やカイ二乗検定を行うことで、Ｐ値が好ましくは１×１０－３以下、より好ましくは３×１０－４以下、更に好ましくは１×１０－４以下を満たすSNPを選択する。
次に、前記抽出されたSNPについては、ジェノタイピング不良SNPを除外するための２次元クラスタープロット解析、例えば、ジェノタイピングソフトウェア（例えば、アフィメトリクス社、Genotyping Console）から得られるクラスタープロット画像を目視で観察することによって、ジェノタイピング不良のSNPを除外して、マーカー候補のSNPを決定することができる。
このようにして選択されたSNPは、GenBankやdbSNPのような公知配列や公知SNPのデータベースを参照することにより、そのSNPが存在するゲノム上の位置、配列情報、SNPが存在する遺伝子又は近傍に存在する遺伝子、遺伝子上に存在する場合にはイントロン又はエキソンの区別やその機能、他の生物種における相同遺伝子などの情報を得ることができる。
(2)マーカーSNPを見出す方法
次に、前記で得られたマーカー候補のSNPから、マーカーSNPが抽出され得る。具体的には、マーカー候補のSNPのジェノタイプデータを数値化して、マーカーSNPを抽出することができる。
次に、前記で得られたマーカー候補のSNPから、マーカーSNPが抽出され得る。具体的には、マーカー候補のSNPのジェノタイプデータを数値化して、マーカーSNPを抽出することができる。
数値化においては、たとえば、ジェノタイプデータ及びリスクアレルデータベースを参照して、例えばジェノタイプデータに含まれる所定のアレルにおいて、リスクアレルがホモの場合には数値２を、リスクアレルがヘテロの場合には数値１を、非リスクアレルがホモの場合には数値０を、それぞれ付与する。そして、得られた数値を、各アレルの出現頻度の平均値と観測される頻度とを用いて以下の数式により正規化し、選択されたSNPにおける数値化したジェノタイプデータ行列を作成することができる。
なお、リスクアレルとは、進行群に高頻度に出現するアレルをいう。本明細書では、リスクアレルはハザード比やオッズ比に基づいて規定することができる。ハザード比とは、進行群と安定群のイベント発生率の比を示したもので、カプランマイヤー解析やCox回帰分析のような生存時間解析におけるリスクを客観的に比較する研究で用いられることが多い。またオッズ比とは、一般に進行群における危険因子を持つ人の割合と持たない人の割合の比、即ちオッズを、安定群において同様に求めたオッズで除したものであり、ケース・コントロール研究において用いられることが多い。本明細書においてオッズ比はアレル頻度に基づいて求められ、進行群における、あるアレルの出現頻度と他のアレルの出現頻度の比を、安定群において同様にして得られる出現頻度の比で除して算出することができる。なお、各アレルの出現頻度は、例えば、被検者のデータを取得するに伴って、そのデータが追加更新されて随時再算出可能なものである。
次いで、数値化したジェノタイプデータ行列を用いて、クラスター解析を行うことができる。例えば、SNP間の連鎖不平衡(linkage disequilibrium, LD)を考慮し、独立性が高いと思われるSNPを主成分分析(principal component analysis, PCA)により決定する。主成分分析の方法としては、公知の方法を用いることができる。例えば、前記で選択されたSNPについて、全ゲノム又は染色体のそれぞれにおいて情報縮約を行って因子負荷量（主成分と元の変数との間の相関係数に相当）を算出する。次いで、それに基づいて候補領域を決定し、当該領域内でP値が最も低いSNPを候補SNPとして選択する。以上により、本発明におけるマーカーSNPを決定することができる。但し、全ゲノムからの計算と染色体のそれぞれからの計算から重複したSNPは除く。
以下の表１（本明細書において、表１－１～表１－２９を併せて「表１」という）に、第一SNP群を構成する候補SNPとして抽出されたマーカーSNP及びその関連情報を示す。以下の表２（本明細書において、表２－１～表２－２８を併せて「表２」という）に、第二SNP群を構成する候補SNPとして抽出されたマーカーSNP及びその関連情報を示す。マーカーSNPは、表１及び表２の「SNP ID」の列に記載された番号によって特定される。これらのSNPのゲノム上の位置は、表中「染色体」の列及び「位置」の列に記載される。表中、各SNPのアレルを検出するための配列は、表中「SNPとその前後の塩基配列」の列に記載される。「SNPとその前後の塩基配列」のうち、リスクアレルと非リスクアレルは、角括弧内に記載される。リスクアレルを含む配列の配列番号は配列番号Ａの列に記載され、非リスクアレルを含む配列の配列番号は配列番号Ｂの列に記載される。
本実施形態の方法は、抽出されたマーカーSNPを用いて、広義POAGの進行リスクに関する情報を取得する方法に関する。この方法は、被検者から採取した生体試料を用いて、マーカーSNPについてアレルを測定する工程と、測定結果に基づいて被検者の広義POAGの進行リスクに関する情報を取得する工程を含む。
〔アレル測定工程〕
アレル測定工程では、被検者から採取した生体試料を用いて、表１に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第一SNP群と、表２に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第二SNP群についてアレルを測定する。アレル測定工程で用いられるSNP数は、少なくとも３０個であればよく、４０個以上、５０個以上、または６０個以上であり得る。
アレル測定工程では、被検者から採取した生体試料を用いて、表１に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第一SNP群と、表２に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第二SNP群についてアレルを測定する。アレル測定工程で用いられるSNP数は、少なくとも３０個であればよく、４０個以上、５０個以上、または６０個以上であり得る。
本発明で用いられる生体試料としては、ゲノム由来のDNAを抽出可能なものであれば何でも良い。例えば、全血、白血球、リンパ球、血漿、血清、リンパ液、涙液、唾液、鼻汁、脳脊髄液、骨髄液、精液、汗、粘膜組織、皮膚組織及び毛根からなる群より選択される１種以上が用いられる。かかる生体試料からのDNA抽出方法としては、公知の任意の方法を採用することができる。
測定対象のSNPに関しては、公知の方法に従って、そのアレルを決定して測定結果を得ることができる。具体的には、例えば、選択SNPの配列情報に基づき設計した、各アレルに特異的なプローブ（例えば、表３～８に記載されたもの）を用いて、前記生体試料からのDNAにハイブリダイズさせ、そのシグナルを検出することによりそれぞれのアレルを検出することができる。プローブを用いてハイブリダイズさせる方法の例としてはタックマン法、インベーダー（Invader（登録商標））法、ライトサイクラー法、サイクリンプローブ法、MPSS法、ビーズアレイ法、DNAチップ法、マイクロアレイ法などがある。また、プローブによるハイブリダイズを行わずにアレルを検出することも可能である。例えば、PCR-RFLP法、SSCP法、質量分析法、次世代シークエンス法、ダイレクトシークエンス法などを用いることができる。これらの方法は公知の条件に従って行うことができる。
図１は、アレル測定に用いられるDNAマイクロアレイの一例の模式図である。DNAマイクロアレイ１では、前述の表１又は表２に記載の「SNPとその前後の塩基配列」がプローブとして固定化されており、表１及び表２に記載の各SNPのアレル測定を行うことができるよう設計されている。本発明の一実施形態は、被検者における広義POAGの進行リスクに関する情報を生成するための、当該マイクロアレイの使用である。
かくして得られた測定結果を次の情報取得工程に供する。また、該測定結果は、下記情報取得工程の項に示す基準に従って、被検者における広義POAGの進行リスクの指標となり得る。
〔情報取得工程〕
情報取得工程では、前記アレル測定工程で得られた測定結果に基づいて、前記被検者における広義原発開放隅角緑内障の進行リスクに関する情報を取得する。例えば、第一SNP群について得られた測定結果（例えばリスクアレル数）及び第二SNP群について得られた測定結果（例えばリスクアレル数）に基づいて、被検者における広義POAGの進行リスクに関する情報を取得することができる。進行リスクは累積生存率やハザード比により示してもよい。また、進行リスクは、高リスク、中程度、低リスクなどの複数の段階で示してもよい。情報取得工程は、進行リスクを判定する工程を含んでいてもよい。
情報取得工程では、前記アレル測定工程で得られた測定結果に基づいて、前記被検者における広義原発開放隅角緑内障の進行リスクに関する情報を取得する。例えば、第一SNP群について得られた測定結果（例えばリスクアレル数）及び第二SNP群について得られた測定結果（例えばリスクアレル数）に基づいて、被検者における広義POAGの進行リスクに関する情報を取得することができる。進行リスクは累積生存率やハザード比により示してもよい。また、進行リスクは、高リスク、中程度、低リスクなどの複数の段階で示してもよい。情報取得工程は、進行リスクを判定する工程を含んでいてもよい。
情報取得工程は、判定精度を向上する観点から、
(a)前記測定工程において測定されたアレルの各々がリスクアレルであるか否かを判別する工程、
(b)前記リスクアレルを計数する工程、および
(c)前記工程(b)で得られたリスクアレルの数に基づいて、前記被検者における広義原発開放隅角緑内障の進行リスクに関する情報を取得する工程
を含むことが好ましい。
表１及び表２の「リスクアレル」の情報に基づいて、測定されたアレルがリスクアレルであるか否かの判別を行い、リスクアレルの数（リスクアレル保有数ともいう）を算出することができる。
(a)前記測定工程において測定されたアレルの各々がリスクアレルであるか否かを判別する工程、
(b)前記リスクアレルを計数する工程、および
(c)前記工程(b)で得られたリスクアレルの数に基づいて、前記被検者における広義原発開放隅角緑内障の進行リスクに関する情報を取得する工程
を含むことが好ましい。
表１及び表２の「リスクアレル」の情報に基づいて、測定されたアレルがリスクアレルであるか否かの判別を行い、リスクアレルの数（リスクアレル保有数ともいう）を算出することができる。
あるいは、第一SNP群及び第二SNP群のそれぞれについて、リスクアレルを計数してもよい。この場合、情報取得工程は、好ましくは、
(a1)前記第一SNP群について測定されたアレルの各々がリスクアレルであるか否かを判別する工程、
(b1)前記リスクアレルを計数する工程、
(a2)前記第二SNP群について測定されたアレルの各々がリスクアレルであるか否かを判別する工程、
(b2)前記リスクアレルを計数する工程、並びに
(c12)前記工程(b1)で得られたリスクアレルの数、及び前記工程(b2)で得られたリスクアレルの数に基づいて、前記被検者における広義原発開放隅角緑内障の進行リスクに関する情報を取得する工程
を含む。
(a1)前記第一SNP群について測定されたアレルの各々がリスクアレルであるか否かを判別する工程、
(b1)前記リスクアレルを計数する工程、
(a2)前記第二SNP群について測定されたアレルの各々がリスクアレルであるか否かを判別する工程、
(b2)前記リスクアレルを計数する工程、並びに
(c12)前記工程(b1)で得られたリスクアレルの数、及び前記工程(b2)で得られたリスクアレルの数に基づいて、前記被検者における広義原発開放隅角緑内障の進行リスクに関する情報を取得する工程
を含む。
(1)カットオフ値の設定
カットオフ値は以下のようにして設定することができる。例えば、被検者の定量値を取得する際に測定対象として選択された選択SNPと同じSNPに関して、予め広義POAG発症から進行イベントの診断を受けるまでの時間が測定された被検者から採取した生体試料を用いて、上述のようにしてリスクアレル数を測定し、「広義POAGの進行リスク」と「リスクアレル数」を統計的に処理することにより、両データ間の関連を解析する。解析された結果から、例えば、真陽性率の高さ（感度の高さ）を重視するか、真陰性率の高さ（特異度の高さ）を重視するか、又は真陽性率と真陰性率をどの程度でバランスさせるか等の目的に応じて、カットオフ値を設定することができる。例えば、測定対象の選択SNPが異なれば、そこに存在するリスクアレルも当然異なることから、測定対象の選択SNPによってカットオフ値は変動する。ここで、真陽性率とは、広義POAGの進行イベントが早期に発生する者を正しく広義POAGの進行リスクが高い者として判定する確率のことであり、真陰性率とは、広義POAGの進行イベントが晩期に発生する者を正しく広義POAGの進行リスクが低い者として判定する確率のことである。
カットオフ値は以下のようにして設定することができる。例えば、被検者の定量値を取得する際に測定対象として選択された選択SNPと同じSNPに関して、予め広義POAG発症から進行イベントの診断を受けるまでの時間が測定された被検者から採取した生体試料を用いて、上述のようにしてリスクアレル数を測定し、「広義POAGの進行リスク」と「リスクアレル数」を統計的に処理することにより、両データ間の関連を解析する。解析された結果から、例えば、真陽性率の高さ（感度の高さ）を重視するか、真陰性率の高さ（特異度の高さ）を重視するか、又は真陽性率と真陰性率をどの程度でバランスさせるか等の目的に応じて、カットオフ値を設定することができる。例えば、測定対象の選択SNPが異なれば、そこに存在するリスクアレルも当然異なることから、測定対象の選択SNPによってカットオフ値は変動する。ここで、真陽性率とは、広義POAGの進行イベントが早期に発生する者を正しく広義POAGの進行リスクが高い者として判定する確率のことであり、真陰性率とは、広義POAGの進行イベントが晩期に発生する者を正しく広義POAGの進行リスクが低い者として判定する確率のことである。
カットオフ値の設定においては、判定精度の向上の観点から、正規化や重み付けを行ってもよい。例えば、正規化の方法としては、正規分布曲線と比較する方法を用いることができる。また、重み付けの方法としては、各SNPのハザード比やオッズ比を考慮して重み付けを行うことができる。
重み付きリスクアレル数を用いて、複数の群に分けて解析する場合、二群に分けてもよく、三群に分けても良く、四群以上に分けてもよい。
重み付きリスクアレル数を用いて、複数の群に分けて解析する場合、二群に分けてもよく、三群に分けても良く、四群以上に分けてもよい。
具体的なカットオフ値の設定方法としては、例えば、先ず、被験者の定量値を取得する際に測定対象として選択された選択SNPと同じSNPに関して、例えばリスクアレルに重み付けを行う場合、重みリスクアレルの数を昇順に並び替え、パーセンタイル点を算出する。本明細書において、カットオフ値は一個のみ設定してもよく、複数個設定してもよい。カットオフ値を二個設定する場合、全体の任意の%に位置する値をそれぞれ第一のカットオフ値、第二のカットオフ値としてもよく、任意の特異度や感度になるような点をカットオフ値として設定してもよい。本発明では、全体の33%、66%に位置するパーセンタイル点をそれぞれ第一のカットオフ値、第二のカットオフ値と設定することができる。
なお、カットオフ値は、被検者の定量値を取得する際に別途同時に取得してもよく、事前に取得しておいたものであってもよい。また、被検者の定量値と比較する際に、それまでに得られた解析結果を随時追加更新して、取得されたものであってもよい。
こうして予め設定されたカットオフ値と被検者の定量値とを対比することで、被検者が広義POAGの進行リスクの程度を判定することができる。
例えば、前記工程(c)において、
前記工程(b)で得られた前記リスクアレルの数が所定のカットオフ値以上の場合に、前記被検者の広義原発開放隅角緑内障の進行リスクが高いという情報を取得することができる。
あるいは、前記工程(c)において、
前記工程(b)で得られたリスクアレルの数が所定のカットオフ値未満の場合に、前記被検者の広義原発開放隅角緑内障の進行リスクが低いという情報を取得することもできる。
前記工程(b)で得られた前記リスクアレルの数が所定のカットオフ値以上の場合に、前記被検者の広義原発開放隅角緑内障の進行リスクが高いという情報を取得することができる。
あるいは、前記工程(c)において、
前記工程(b)で得られたリスクアレルの数が所定のカットオフ値未満の場合に、前記被検者の広義原発開放隅角緑内障の進行リスクが低いという情報を取得することもできる。
カットオフ値は複数設定することもできる。
例えば、第一のカットオフ値と第二のカットオフ値を設定した場合、前記工程(c)において、
前記工程(b)で得られたリスクアレルの数が第一のカットオフ値未満の場合に、前記被検者の広義原発開放隅角緑内障の進行リスクが低いという情報を取得することができ、
前記リスクアレルの数が前記第一のカットオフ値以上かつ第二のカットオフ値未満の場合に、前記被検者の広義原発開放隅角緑内障の進行リスクが中程度であるという情報を取得することができ、
前記リスクアレルの数が前記第二のカットオフ値以上の場合に、前記被検者の広義原発開放隅角緑内障の進行リスクが高いという情報を取得することができる。
例えば、第一のカットオフ値と第二のカットオフ値を設定した場合、前記工程(c)において、
前記工程(b)で得られたリスクアレルの数が第一のカットオフ値未満の場合に、前記被検者の広義原発開放隅角緑内障の進行リスクが低いという情報を取得することができ、
前記リスクアレルの数が前記第一のカットオフ値以上かつ第二のカットオフ値未満の場合に、前記被検者の広義原発開放隅角緑内障の進行リスクが中程度であるという情報を取得することができ、
前記リスクアレルの数が前記第二のカットオフ値以上の場合に、前記被検者の広義原発開放隅角緑内障の進行リスクが高いという情報を取得することができる。
(2)リスクアレルの重み付け
それぞれのSNP群を用いて得られたリスクアレルの数に重みを付けて、重み付きリスクアレルの数を算出してもよい。たとえば、視野全体の平均感度値の変化をより重視したい場合、第一SNP群を用いて測定されたアレルから得られたリスクアレルの数に、第二SNP群を用いて測定されたアレルから得られたリスクアレルの数よりも大きい係数を乗じて得られた値を、情報取得工程に用いることができる。また、いずれかのリスクアレルの数の全ての係数をゼロにすることにより、残りの一方のみの工程による進行リスクに関する情報を得ることもできる。
それぞれのSNP群を用いて得られたリスクアレルの数に重みを付けて、重み付きリスクアレルの数を算出してもよい。たとえば、視野全体の平均感度値の変化をより重視したい場合、第一SNP群を用いて測定されたアレルから得られたリスクアレルの数に、第二SNP群を用いて測定されたアレルから得られたリスクアレルの数よりも大きい係数を乗じて得られた値を、情報取得工程に用いることができる。また、いずれかのリスクアレルの数の全ての係数をゼロにすることにより、残りの一方のみの工程による進行リスクに関する情報を得ることもできる。
リスクアレルの数に基づいて、下記の式により重み付きリスクアレルの数（Ｙ）を算出してもよい。
式中、
Ｙ：重み付きリスクアレルの数
Ｍ：第一SNP群を構成するSNP数
α1：第一SNP群を用いる際に設定するリスクアレル数の重み
βｍ：第一SNP群を用いる際に設定する各リスクアレルの数値の重み
Ｘｍ：第一SNP群を用いて得られるリスクアレルの数値（各アレルについて、リスクアレルがホモの場合は数値２を、リスクアレルがヘテロの場合は数値１を、非リスクアレルがホモの場合（リスクアレルが無い場合）は数値０とすることができる）
Ｎ：第二SNP群を構成するSNP数
α2：第二SNP群を用いる際に設定するリスクアレル数の重み（なお、重み付けをする場合はα2とα1は異なる値である）
βｎ：第二SNP群を用いる際に設定する各リスクアレルの数値の重み
Ｘｎ：第二SNP群を用いて得られるリスクアレルの数値（各アレルについて、リスクアレルがホモの場合は数値２を、リスクアレルがヘテロの場合は数値１を、非リスクアレルがホモの場合（リスクアレルが無い場合）は数値０とすることができる）
であり、α1又はα2を０にすることにより、第1SNP群および第2SNP群のうちいずれか一方のSNP群にのみに基づく解析を行うことができる。上記式において、各アレルについてβｍの値を異なる値に設定することにより、Ｘｍのアレルごとに重み付けを行うことができる。上記式において、各アレルについてβｎの値を異なる値に設定することにより、Ｘｎのアレルごとに重み付けを行うことができる。βｍの値およびβｎの値を全て一定の値とすることによって、各ＳＮＰ群ごとに重みづけを行うことができる。
Ｙ：重み付きリスクアレルの数
Ｍ：第一SNP群を構成するSNP数
α1：第一SNP群を用いる際に設定するリスクアレル数の重み
βｍ：第一SNP群を用いる際に設定する各リスクアレルの数値の重み
Ｘｍ：第一SNP群を用いて得られるリスクアレルの数値（各アレルについて、リスクアレルがホモの場合は数値２を、リスクアレルがヘテロの場合は数値１を、非リスクアレルがホモの場合（リスクアレルが無い場合）は数値０とすることができる）
Ｎ：第二SNP群を構成するSNP数
α2：第二SNP群を用いる際に設定するリスクアレル数の重み（なお、重み付けをする場合はα2とα1は異なる値である）
βｎ：第二SNP群を用いる際に設定する各リスクアレルの数値の重み
Ｘｎ：第二SNP群を用いて得られるリスクアレルの数値（各アレルについて、リスクアレルがホモの場合は数値２を、リスクアレルがヘテロの場合は数値１を、非リスクアレルがホモの場合（リスクアレルが無い場合）は数値０とすることができる）
であり、α1又はα2を０にすることにより、第1SNP群および第2SNP群のうちいずれか一方のSNP群にのみに基づく解析を行うことができる。上記式において、各アレルについてβｍの値を異なる値に設定することにより、Ｘｍのアレルごとに重み付けを行うことができる。上記式において、各アレルについてβｎの値を異なる値に設定することにより、Ｘｎのアレルごとに重み付けを行うことができる。βｍの値およびβｎの値を全て一定の値とすることによって、各ＳＮＰ群ごとに重みづけを行うことができる。
上記のように、二種類のアレル測定工程の重み付けは、α1及びα2の値を変更することで設定することができる。α1及びα2の値は、ハザード比やオッズ比等の統計量や医師等の専門家の判断により適宜変更することができる。
重み付きリスクアレルの数に基づいて、広義原発開放隅角緑内障の進行リスクに関する情報を取得する場合、重み付きリスクアレルの数に対応する所定のカットオフ値を用いることが好ましい。例えば、重み付きリスクアレルの数に基づいてヒストグラムを作成し、パーセンタイル点により３分割のカットオフ値（即ち、高い順に第一のカットオフ値と第二のカットオフ値）を設定する。次いで、重み付きリスクアレルの数が第一のカットオフ値以上の場合、被検者の広義原発開放隅角緑内障の進行リスクが高いという情報を取得することができ、重み付きリスクアレルの数が第二のカットオフ値以上かつ第一のカットオフ値未満の場合、被検者の広義原発開放隅角緑内障の進行リスクが中程度であるという情報を取得することができ、重み付きリスクアレルの数が第二のカットオフ値未満の場合、被検者の広義原発開放隅角緑内障の進行リスクが低いという情報を取得することができる。
(3)広義POAGの進行程度を示す累積生存率やハザード比を算出する工程
重み付きリスクアレルの算出結果に、後述するカプランマイヤー解析やCox回帰分析により広義POAGが進行する時点までの累積生存率やハザード比を算出してもよい。本明細書においては、かかる累積生存率やハザード比を算出する工程を有していてもよい。
重み付きリスクアレルの算出結果に、後述するカプランマイヤー解析やCox回帰分析により広義POAGが進行する時点までの累積生存率やハザード比を算出してもよい。本明細書においては、かかる累積生存率やハザード比を算出する工程を有していてもよい。
具体的な広義POAGが進行する時点までの累積生存率を算出する方法としては、例えば、リスクアレルの測定結果を上述の説明と同様にしてカットオフ値と対比することで、広義POAGの進行グレードを判断する。そして、進行イベントが発生するまでの時間を分析する手法のひとつであるカプランマイヤー法により累積生存率を算出する。本明細書でのカプランマイヤー解析による生存曲線は、横軸に時間、縦軸に累積生存率を示し、ある時点における累積生存率の確認や進行グレードによる生存率の違いを確認することが可能である。本発明の方法を利用した検査により進行グレードの結果が出た場合は、その検査対象者が3年や5年などのある時点での累積生存率を表すことができることを意味する。
あるいは、リスクアレルの測定結果に広義POAGの進行グレードを独立変数のひとつとし、進行イベントが発生するまでの時間を複数の独立変数に基づいたCox回帰分析にあてはめる。ここで、設定される独立変数は、進行グレード、年齢、性別、発症時のAulhorn分類Greve変法のステージ等を用いることが出来る。本明細書では、進行リスクが低い群に比べてどの程度進行リスクが高いかをハザード比とその信頼区間を算出し、被験者の広義POAGが進行するリスクを提示することが可能となる。
かくして、本明細書においては、被検者の広義POAGの進行リスクを、第一SNP群を用いて得られたリスクアレルの数、第二SNP群を用いて得られたリスクアレルの数、又はそれぞれのリスクアレルの数に重みを付けた重み付きリスクアレルの数をカットオフ値と対比することで、広義POAGの進行リスクが高いか否かを判定するだけでなく、その累積生存率やハザード比を算出することによって、被検者の広義POAGの進行リスクに関する情報をより詳細に提供することができる。
本発明の方法を利用して得られた判定結果の追跡研究により、広義POAGが進行したか否かの結果を得ることができる。かかる追跡研究に基づいて、データの蓄積と更新（追加学習）を行い、マーカーSNPの入れ替えを実施することができる。
追跡研究により新たに得られたジェノタイプデータを従来の結果に加えた生存時間解析（カプランマイヤー解析やCox回帰分析）や関連解析(アレルデータによるχ２検定)を実施し、マーカーSNPの入れ替えを実施することができる。また、入れ替えを実施する場合は、「情報取得工程」の重み付きリスクアレル数の予め設定されたパーセンタイル点によるカットオフ値の再設定を行うことができる。
データの蓄積と更新により、ジェノタイプデータを用いてアレルデータによるCos回帰分析やχ２検定の結果が変化した場合、マーカーSNPの入れ替えを実施することができる。
追跡研究により新たに得られたジェノタイプデータを従来の結果に加えた生存時間解析（カプランマイヤー解析やCox回帰分析）や関連解析(アレルデータによるχ２検定)を実施し、マーカーSNPの入れ替えを実施することができる。また、入れ替えを実施する場合は、「情報取得工程」の重み付きリスクアレル数の予め設定されたパーセンタイル点によるカットオフ値の再設定を行うことができる。
データの蓄積と更新により、ジェノタイプデータを用いてアレルデータによるCos回帰分析やχ２検定の結果が変化した場合、マーカーSNPの入れ替えを実施することができる。
本情報取得工程における好ましい態様に係る工程は、(1)被検者から採取した生体試料を用いて、表１に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第一SNP群と、表２に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第二SNP群についてアレルを測定する測定工程を含み、前記測定工程で得られた測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクの指標となる、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法に含まれ得る。
ここで、より好ましい態様の一つは、前記測定工程で得られたアレルのうちのリスクアレルの数が、前記被検者における広義原発開放隅角緑内障の進行リスクの指標となる、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法である。
更に好ましい態様の一つは、前記リスクアレルの数が所定のカットオフ値以上の場合、前記測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクが高いことの指標となる、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法である。
更に好ましい態様の一つは、前記リスクアレルの数が所定のカットオフ値未満の場合、前記測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクが低いことの指標となる、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法である。
カットオフ値を二個設定する場合の更に好ましい態様の一つは、前記リスクアレルの数が第一のカットオフ値未満の場合、前記測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクが低いことの指標となり、
前記リスクアレルの数が前記第一のカットオフ値以上かつ第二のカットオフ値未満の場合、前記測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクが中程度であることの指標となり、
前記リスクアレルの数が前記第二のカットオフ値以上の場合、前記測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクが高いことの指標となる、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法である。
ここで、より好ましい態様の一つは、前記測定工程で得られたアレルのうちのリスクアレルの数が、前記被検者における広義原発開放隅角緑内障の進行リスクの指標となる、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法である。
更に好ましい態様の一つは、前記リスクアレルの数が所定のカットオフ値以上の場合、前記測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクが高いことの指標となる、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法である。
更に好ましい態様の一つは、前記リスクアレルの数が所定のカットオフ値未満の場合、前記測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクが低いことの指標となる、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法である。
カットオフ値を二個設定する場合の更に好ましい態様の一つは、前記リスクアレルの数が第一のカットオフ値未満の場合、前記測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクが低いことの指標となり、
前記リスクアレルの数が前記第一のカットオフ値以上かつ第二のカットオフ値未満の場合、前記測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクが中程度であることの指標となり、
前記リスクアレルの数が前記第二のカットオフ値以上の場合、前記測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクが高いことの指標となる、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法である。
〔情報提供工程〕
本実施形態の方法は、上記の情報取得工程で得られた情報を提供する工程をさらに含んでいてもよい。情報提供工程では、前述の情報取得工程で得られた情報を、被検者の広義POAGの進行リスクの判定を補助する情報として、例えば、被検者、医師又はコメディカルに提供する。提供の態様としては、例えば、モバイルデバイスを含むコンピュータの画面への出力や印刷等が挙げられる。
本実施形態の方法は、上記の情報取得工程で得られた情報を提供する工程をさらに含んでいてもよい。情報提供工程では、前述の情報取得工程で得られた情報を、被検者の広義POAGの進行リスクの判定を補助する情報として、例えば、被検者、医師又はコメディカルに提供する。提供の態様としては、例えば、モバイルデバイスを含むコンピュータの画面への出力や印刷等が挙げられる。
以下、実施例を示して本発明を具体的に説明する。この実施例は、単なる本発明の例示であり、何ら限定を意味するものではない。なお、以下の実施例では、特に詳細な説明がない一般的に用いられる分子生物学的手法については、モレキュラークローニング (Joseph Sambrook et al., Molecular Cloning - A Laboratory Manual, 3rd Edition, Cold Spring Harbor Laboratory Press, 2001)などの成書に記載された方法及び条件が参照される。
試験例１ 第一SNP群を構成するマーカーSNPの選択
広義POAGと診断された1030例の患者群のうち388例を検体群Ａとし、642例を検体群Ｂとした。検体群Ａの内訳は、Aulhorn分類Greve変法のステージ（AGステージ）が0～1と判断された患者159例、2～4と判断された患者209例、及び5～6と判断された患者20例であった。検体群Ｂの内訳は、AGステージが0～1と判断された患者280例、2～4と判断された患者349例、及び5～6と判断された患者13例であった。また、GPA進行またはステージ進行であった手術457例を加えた全1487例の患者群から血液検体を採取した後、これらの血液検体から市販の自動核酸抽出機を使用して、ゲノムDNAを抽出した。ゲノムDNAの抽出は機器及びキットの取扱説明書に従い実施した。本方法により、血液検体350μLから約5μgのゲノムDNAを得た。
広義POAGと診断された1030例の患者群のうち388例を検体群Ａとし、642例を検体群Ｂとした。検体群Ａの内訳は、Aulhorn分類Greve変法のステージ（AGステージ）が0～1と判断された患者159例、2～4と判断された患者209例、及び5～6と判断された患者20例であった。検体群Ｂの内訳は、AGステージが0～1と判断された患者280例、2～4と判断された患者349例、及び5～6と判断された患者13例であった。また、GPA進行またはステージ進行であった手術457例を加えた全1487例の患者群から血液検体を採取した後、これらの血液検体から市販の自動核酸抽出機を使用して、ゲノムDNAを抽出した。ゲノムDNAの抽出は機器及びキットの取扱説明書に従い実施した。本方法により、血液検体350μLから約5μgのゲノムDNAを得た。
SNPの分析は、ヒトゲノム上の公知のSNP約100万個の分析が可能な市販のマイクロアレイ型のSNP分析キットDNAマイクロアレイ（Genome-Wide Human SNP Array 6.0（アフィメトリクス社）又はAsian Screening Array-24 v1.0 BeadChip（イルミナ社））を用いてジェノタイプデータを取得し、QCフィルター (Call Rate≧0.95; MAF≧0.01; HWE≧0.001) を用いて高精度なSNPデータを選択した。
以下のようにして、427個のマーカーSNP（表１）を抽出した。
(1) ゲノムワイド関連解析（アレルデータによるCox回帰分析）を用いた場合、検体群Ａの検体及び検体群Ｂの検体を用いてそれぞれの検定結果のP値がP<0.001であり、かつMAF≧0.1のもの（下記の(5)～(7)を行った結果、49SNPを抽出できた）。
(2) ゲノムワイド関連解析（アレルデータによるχ２検定）を用いた場合、検体群Ａと手術例及び検体群Ｂと手術例の検体を用いて、GPA進行とステージ進行の2種類の進行イベントから、GPA進行を優先した進行群と安定群の群分けを進行イベント発生時期により複数実施し、それぞれの検定結果と、(1)の検定結果の両方においてP<0.05であり、かつMAF≧0.1のものを抽出した。（下記の(5)～(7)を行った結果、176SNPを抽出できた）。
(3) 上記の(1)と(2)の解析でP値が共にP<0.05であり、かつMAF≧0.01であるもの（下記の(5)～(7)を行った結果、150SNPを抽出できた）。
(4) (2)の解析のいずれかでP値がP<0.001であり、かつMAF≧0.1であるもの（下記の(5)～(7)を行った結果、52SNPを抽出できた）。
(1) ゲノムワイド関連解析（アレルデータによるCox回帰分析）を用いた場合、検体群Ａの検体及び検体群Ｂの検体を用いてそれぞれの検定結果のP値がP<0.001であり、かつMAF≧0.1のもの（下記の(5)～(7)を行った結果、49SNPを抽出できた）。
(2) ゲノムワイド関連解析（アレルデータによるχ２検定）を用いた場合、検体群Ａと手術例及び検体群Ｂと手術例の検体を用いて、GPA進行とステージ進行の2種類の進行イベントから、GPA進行を優先した進行群と安定群の群分けを進行イベント発生時期により複数実施し、それぞれの検定結果と、(1)の検定結果の両方においてP<0.05であり、かつMAF≧0.1のものを抽出した。（下記の(5)～(7)を行った結果、176SNPを抽出できた）。
(3) 上記の(1)と(2)の解析でP値が共にP<0.05であり、かつMAF≧0.01であるもの（下記の(5)～(7)を行った結果、150SNPを抽出できた）。
(4) (2)の解析のいずれかでP値がP<0.001であり、かつMAF≧0.1であるもの（下記の(5)～(7)を行った結果、52SNPを抽出できた）。
(5) 抽出された全SNPについて、アフィメトリクス社のジェノタイピングソフトウェア (Genotyping Console) から得られる2Dクラスタープロット画像に基づき、3人の検者の目視による判定によってクラスター不良のSNPを除外した。また、イルミナ社のジェノタイピングソフトウェア（GenomeStudio）から得られる2Dクラスタープロット画像を3人の検者の目視による判定によってクラスター不良を手動で修正した。
(6) ジェノタイピングデータを、以下の手順でコード化（数値変換）及び正規化を行った。
(a) Risk Allele Homo: 2、Risk Allele Hetero: 1、Other Allele Homo: 0とした。
(b) 数値変換は全検体の平均値及び観測アレル頻度を用いて、前述の数式に従って数値の正規化を行った。
(6) ジェノタイピングデータを、以下の手順でコード化（数値変換）及び正規化を行った。
(a) Risk Allele Homo: 2、Risk Allele Hetero: 1、Other Allele Homo: 0とした。
(b) 数値変換は全検体の平均値及び観測アレル頻度を用いて、前述の数式に従って数値の正規化を行った。
(7) 連鎖不平衡(linkage disequilibrium, LD)を考慮したマーカーSNP候補の組合せを主成分分析(principle component analysis, PCA)を用いたクラスター解析により算出した。
(a) (6)で得たマーカーSNP候補を用いて、全検体をPCAに供し、検体で情報縮約(Cluster SNP)することで得られる因子負荷量（主成分と元の変数との間の相関係数に相当）を算出した。次に、各SNPの最も高い因子負荷量の絶対値を示す主成分を基準とするクラスターにより候補領域を決定し、各候補領域内で最小のP値を得たSNPをマーカーSNPの候補とした。
(b) 「各染色体」における、(6)で得た候補を用いて、(a)と同様に各染色体で候補領域を決定し、マーカーSNPの候補とした。
(c) (a)と(b)のマーカーSNPの候補を組み合わせて、重複を除いた。
(a) (6)で得たマーカーSNP候補を用いて、全検体をPCAに供し、検体で情報縮約(Cluster SNP)することで得られる因子負荷量（主成分と元の変数との間の相関係数に相当）を算出した。次に、各SNPの最も高い因子負荷量の絶対値を示す主成分を基準とするクラスターにより候補領域を決定し、各候補領域内で最小のP値を得たSNPをマーカーSNPの候補とした。
(b) 「各染色体」における、(6)で得た候補を用いて、(a)と同様に各染色体で候補領域を決定し、マーカーSNPの候補とした。
(c) (a)と(b)のマーカーSNPの候補を組み合わせて、重複を除いた。
試験例２ 第二SNP群を構成するマーカーSNPの選択
広義POAGと診断された1568例の患者群のうち662例を検体群Ｃとし、906例を検体群Ｄとした。検体群Ｃの内訳は、Aulhorn分類Greve変法のステージ（AGステージ）が0～1と判断された患者235例、2～4と判断された患者320例、及び5～6と判断された患者107例であった。検体群Ｄの内訳は、AGステージが0～1と判断された患者396例、2～4と判断された患者428例、及び5～6と判断された患者82例であった。また、GPA進行またはステージ進行であった手術457例を加えた全2025例の患者群から血液検体を採取した後、これらの血液検体から市販の自動核酸抽出機を使用して、ゲノムDNAを抽出した。ゲノムDNAの抽出は機器及びキットの取扱説明書に従い実施した。本方法により、血液検体350μLから約5μgのゲノムDNAを得た。
広義POAGと診断された1568例の患者群のうち662例を検体群Ｃとし、906例を検体群Ｄとした。検体群Ｃの内訳は、Aulhorn分類Greve変法のステージ（AGステージ）が0～1と判断された患者235例、2～4と判断された患者320例、及び5～6と判断された患者107例であった。検体群Ｄの内訳は、AGステージが0～1と判断された患者396例、2～4と判断された患者428例、及び5～6と判断された患者82例であった。また、GPA進行またはステージ進行であった手術457例を加えた全2025例の患者群から血液検体を採取した後、これらの血液検体から市販の自動核酸抽出機を使用して、ゲノムDNAを抽出した。ゲノムDNAの抽出は機器及びキットの取扱説明書に従い実施した。本方法により、血液検体350μLから約5μgのゲノムDNAを得た。
SNPの分析は、ヒトゲノム上の公知のSNP約100万個の分析が可能な市販のマイクロアレイ型のSNP分析キットDNAマイクロアレイ（Genome-Wide Human SNP Array 6.0（アフィメトリクス社）又はAsian Screening Array-24 v1.0 BeadChip（イルミナ社））を用いてジェノタイプデータを取得し、QCフィルター (Call Rate≧0.95; MAF≧0.01; HWE≧0.001) を用いて高精度なSNPデータを選択した。
以下のようにして、400個のマーカーSNP（表２）を抽出した。
(1) ゲノムワイド関連解析（アレルデータによるCox回帰分析）を用いた場合、検体群Ｃの検体及び検体群Ｄの検体を用いてそれぞれの検定結果のP値がP<0.001であり、かつMAF≧0.1のもの（下記の(5)～(7)を行った結果、50SNPを抽出できた）。
(2) ゲノムワイド関連解析（アレルデータによるχ２検定）を用いた場合、検体群Ｃと手術例及び検体群Ｄと手術例の検体を用いて、GPA進行とステージ進行の2種類の進行イベントから、ステージ進行の進行イベントを優先した進行群と安定群の群分けを進行イベント発生時期により複数実施し、それぞれの検定結果と、(1)の検定結果の両方においてP<0.05であり、かつMAF≧0.1のものを抽出した。（下記の(5)～(7)を行った結果、169SNPを抽出できた）。
(3) 上記の(1)と(2)の解析でP値が共にP<0.05であり、かつMAF≧0.01であるもの（下記の(5)～(7)を行った結果、150SNPを抽出できた）。
(4) (2)の解析のいずれかでP値がP<0.001であり、かつMAF≧0.1であるもの（下記の(5)～(7)を行った結果、31SNPを抽出できた）。
(1) ゲノムワイド関連解析（アレルデータによるCox回帰分析）を用いた場合、検体群Ｃの検体及び検体群Ｄの検体を用いてそれぞれの検定結果のP値がP<0.001であり、かつMAF≧0.1のもの（下記の(5)～(7)を行った結果、50SNPを抽出できた）。
(2) ゲノムワイド関連解析（アレルデータによるχ２検定）を用いた場合、検体群Ｃと手術例及び検体群Ｄと手術例の検体を用いて、GPA進行とステージ進行の2種類の進行イベントから、ステージ進行の進行イベントを優先した進行群と安定群の群分けを進行イベント発生時期により複数実施し、それぞれの検定結果と、(1)の検定結果の両方においてP<0.05であり、かつMAF≧0.1のものを抽出した。（下記の(5)～(7)を行った結果、169SNPを抽出できた）。
(3) 上記の(1)と(2)の解析でP値が共にP<0.05であり、かつMAF≧0.01であるもの（下記の(5)～(7)を行った結果、150SNPを抽出できた）。
(4) (2)の解析のいずれかでP値がP<0.001であり、かつMAF≧0.1であるもの（下記の(5)～(7)を行った結果、31SNPを抽出できた）。
(5) 抽出された全SNPについて、アフィメトリクス社のジェノタイピングソフトウェア (Genotyping Console) から得られる2Dクラスタープロット画像に基づき、3人の検者の目視による判定によってクラスター不良のSNPを除外した。また、イルミナ社のジェノタイピングソフトウェア（GenomeStudio）から得られる2Dクラスタープロット画像を3人の検者の目視による判定によってクラスター不良を手動で修正した。
(6) ジェノタイピングデータを、以下の手順でコード化（数値変換）及び正規化を行った。
(a) Risk Allele Homo: 2、Risk Allele Hetero: 1、Other Allele Homo: 0とした。
(b) 数値変換は全検体の平均値及び観測アレル頻度を用いて、前述の数式に従って数値の正規化を行った。
(6) ジェノタイピングデータを、以下の手順でコード化（数値変換）及び正規化を行った。
(a) Risk Allele Homo: 2、Risk Allele Hetero: 1、Other Allele Homo: 0とした。
(b) 数値変換は全検体の平均値及び観測アレル頻度を用いて、前述の数式に従って数値の正規化を行った。
(7) 連鎖不平衡(linkage disequilibrium, LD)を考慮したマーカーSNP候補の組合せを主成分分析(principle component analysis, PCA)を用いたクラスター解析により算出した。
(a) (6)で得たマーカーSNP候補を用いて、全検体をPCAに供し、検体で情報縮約(Cluster SNP)することで得られる因子負荷量（主成分と元の変数との間の相関係数に相当）を算出した。次に、各SNPの最も高い因子負荷量の絶対値を示す主成分を基準とするクラスターにより候補領域を決定し、各候補領域内で最小のP値を得たSNPをマーカーSNPの候補とした。
(b) 「各染色体」における、(6)で得た候補を用いて、(a)と同様に各染色体で候補領域を決定し、マーカーSNPの候補とした。
(c) (a)と(b)のマーカーSNPの候補を組み合わせて、重複を除いた。
(a) (6)で得たマーカーSNP候補を用いて、全検体をPCAに供し、検体で情報縮約(Cluster SNP)することで得られる因子負荷量（主成分と元の変数との間の相関係数に相当）を算出した。次に、各SNPの最も高い因子負荷量の絶対値を示す主成分を基準とするクラスターにより候補領域を決定し、各候補領域内で最小のP値を得たSNPをマーカーSNPの候補とした。
(b) 「各染色体」における、(6)で得た候補を用いて、(a)と同様に各染色体で候補領域を決定し、マーカーSNPの候補とした。
(c) (a)と(b)のマーカーSNPの候補を組み合わせて、重複を除いた。
検体群Ａと検体群ＣでGPA進行とステージ進行の両方の進行イベント情報を持つ383例を検体群Ｅとし、同様に検体群Ｂと検体群ＤでGPA進行とステージ進行の両方の進行イベント情報を持つ645例を検体群Ｆとした。
実施例１
（態様１）
表１に記載のSNPから表３に示す30個のSNPを抽出した。
（態様１）
表１に記載のSNPから表３に示す30個のSNPを抽出した。
検体群Ａについて、上記表３に示す30個のSNPをプローブとして全てを一度に用いて測定を行い、リスクアレルの数を算出した。リスクアレルの数を横軸にした度数分布図を作成し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図２Ａに示す。次いで、上記区別の性能を検証するために、検体群Ｂについて、検体群Ａと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図２Ｂに示す。
図２Ａより、進行リスク別の5年累積生存率は、進行リスクが低い群89.0%、中等度群72.4%、高い群43.1%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝2.53（P<0.001）、進行リスクが低い群と比較して高い群でHR＝5.48（P<0.001）の結果を得た。また、図２Ｂより、進行リスク別の5年累積生存率は、進行リスクが低い群73.4%、中等度群67.5%、高い群60.1%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝1.44（P=0.008）、進行リスクが低い群と比較して高い群でHR＝1.94（P<0.001）であり、図２Ａおよび図２Ｂから、表３に示されるSNPを用いて進行リスクを精度よく判定することができた。
（態様２）
表１に記載のSNPから表４に示す60個のSNPを抽出した。
表１に記載のSNPから表４に示す60個のSNPを抽出した。
検体群Ａについて、上記表４に示す60個のSNPをプローブとして全てを一度に用いて測定を行い、リスクアレルの数を算出した。リスクアレルの数を横軸にした度数分布図を作成し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図３Ａに示す。
次いで、上記区別の性能を検証するために、検体群Ｂについて、検体群Ａと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図３Ｂに示す。
次いで、上記区別の性能を検証するために、検体群Ｂについて、検体群Ａと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図３Ｂに示す。
図３Ａより、進行リスク別の5年累積生存率は、進行リスクが低い群93.0%、中等度群76.5%、高い群39.6%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝4.58（P<0.001）、進行リスクが低い群と比較して高い群でHR＝11.03（P<0.001）の結果を得た。また、図３Ｂより、進行リスク別の5年累積生存率は、進行リスクが低い群83.6%、中等度群69.3%、高い群49.7%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝2.02（P<0.001）、進行リスクが低い群と比較して高い群でHR＝3.66（P<0.001）であり、図３Ａおよび図３Ｂから、表４に示されるSNPを用いて進行リスクを精度よく判定することができた。
（態様３）
表１に記載のSNPから表５に示す90個のSNPを抽出した。
表１に記載のSNPから表５に示す90個のSNPを抽出した。
検体群Ａについて、上記表５に示す90個のSNPをプローブとして全てを一度に用いて測定を行い、リスクアレルの数を算出した。リスクアレルの数を横軸にした度数分布図を作成し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図４Ａに示す。
次いで、上記区別の性能を検証するために、検体群Ｂについて、検体群Ａと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図４Ｂに示す。
次いで、上記区別の性能を検証するために、検体群Ｂについて、検体群Ａと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図４Ｂに示す。
図４Ａより、進行リスク別の5年累積生存率は、進行リスクが低い群93.1%、中等度群68.6%、高い群41.6%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝4.49（P<0.001）、進行リスクが低い群と比較して高い群でHR＝8.90（P<0.001）の結果を得た。また、図４Ｂより、進行リスク別の5年累積生存率は、進行リスクが低い群87.2%、中等度群64.4%、高い群46.6%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝2.99（P<0.001）、進行リスクが低い群と比較して高い群でHR＝5.19（P<0.001）であり、図４Ａおよび図４Ｂから、表５に示されるSNPを用いて進行リスクを精度よく判定することができた。
実施例２
（態様１）
表２に記載のSNPから表６に示す30個のSNPを抽出した。
（態様１）
表２に記載のSNPから表６に示す30個のSNPを抽出した。
検体群Ｃについて、上記表６に示す30個のSNPをプローブとして全てを一度に用いて測定を行い、リスクアレルの数を算出した。リスクアレルの数を横軸にした度数分布図を作成し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図５Ａに示す。
次いで、上記区別の性能を検証するために、検体群Ｄについて、検体群Ｃと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図５Ｂに示す。
次いで、上記区別の性能を検証するために、検体群Ｄについて、検体群Ｃと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図５Ｂに示す。
図５Ａより、進行リスク別の5年累積生存率は、進行リスクが低い群77.2%、中等度群56.3%、高い群38.0%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝2.18（P<0.001）、進行リスクが低い群と比較して高い群でHR＝3.90（P<0.001）の結果を得た。また、図５Ｂより、進行リスク別の5年累積生存率は、進行リスクが低い群63.5%、中等度群48.5%、高い群28.6%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝1.48（P=0.001）、進行リスクが低い群と比較して高い群でHR＝2.72（P<0.001）であり、図５Ａおよび図５Ｂから、表６に示されるSNPを用いて進行リスクを精度よく判定することができた。
（態様２）
表２に記載のSNPから表７に示す60個のSNPを抽出した。
表２に記載のSNPから表７に示す60個のSNPを抽出した。
検体群Ｃについて、上記表７に示す60個のSNPをプローブとして全てを一度に用いて測定を行い、リスクアレルの数を算出した。リスクアレルの数を横軸にした度数分布図を作成し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図６Ａに示す。
次いで、上記区別の性能を検証するために、検体群Ｄについて、検体群Ａと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図６Ｂに示す。
次いで、上記区別の性能を検証するために、検体群Ｄについて、検体群Ａと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図６Ｂに示す。
図６Ａより、進行リスク別の5年累積生存率は、進行リスクが低い群75.6%、中等度群54.0%、高い群36.6%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝2.09（P<0.001）、進行リスクが低い群と比較して高い群でHR＝3.77（P<0.001）の結果を得た。また、図６Ｂより、進行リスク別の5年累積生存率は、進行リスクが低い群64.6%、中等度群45.8%、高い群22.2%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝1.62（P<0.001）、進行リスクが低い群と比較して高い群でHR＝2.92（P<0.001）であり、図６Ａおよび図６Ｂから、表７に示されるSNPを用いて進行リスクを精度よく判定することができた。
（態様３）
表２に記載のSNPから表８に示す90個のSNPを抽出した。
表２に記載のSNPから表８に示す90個のSNPを抽出した。
検体群Ｃについて、上記表８に示す90個のSNPをプローブとして全てを一度に用いて測定を行い、リスクアレルの数を算出した。リスクアレルの数を横軸にした度数分布図を作成し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図７Ａに示す。
次いで、上記区別の性能を検証するために、検体群Ｄについて、検体群Ａと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図７Ｂに示す。
次いで、上記区別の性能を検証するために、検体群Ｄについて、検体群Ａと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図７Ｂに示す。
図７Ａより、進行リスク別の5年累積生存率は、進行リスクが低い群78.8%、中等度群51.1%、高い群36.6%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝2.68（P<0.001）、進行リスクが低い群と比較して高い群でHR＝4.58（P<0.001）の結果を得た。また、図７Ｂより、進行リスク別の5年累積生存率は、進行リスクが低い群73.7%、中等度群36.9%、高い群23.4%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝2.49（P<0.001）、進行リスクが低い群と比較して高い群でHR＝3.77（P<0.001）であり、図７Ａおよび図７Ｂから、表８に示されるSNPを用いて進行リスクを精度よく判定することができた。
実施例３
（態様１）
表１に記載のSNPから表３に示す30個のSNPを抽出した。これとは別に、表２に記載のSNPから表６に示す30個のSNPを抽出した。
（態様１）
表１に記載のSNPから表３に示す30個のSNPを抽出した。これとは別に、表２に記載のSNPから表６に示す30個のSNPを抽出した。
検体群Ｅについて、上記表３に示す30個のSNPをプローブとして全てを一度に用いて測定を行い、第一SNP群を用いて得られたリスクアレルの数を算出した。これとは別に、検体群Ｅについて、上記表６に示す30個のSNPをプローブとして全てを一度に用いて測定を行い、第二SNP群を用いて得られたリスクアレルの数を算出した。
次いで、下記の式により重み付きリスクアレルの数（Ｙ）を算出した。
式中、
Ｙ：重み付きリスクアレルの数
Ｍ：第一SNP群を構成するSNP数(=30)
α1：第一SNP群を用いる際に設定したリスクアレル数の重み(=0.8)
βｍ：第一SNP群を用いる際に設定した各リスクアレルの数値の重み(=1.0)
Ｘｍ：第一SNP群を用いて得られたリスクアレルの数値
Ｎ：第二SNP群を構成するSNP数(=30)
α2：第二SNP群を用いる際に設定するリスクアレル数の重み(=0.2)
βｎ：第二SNP群を用いる際に設定する各リスクアレルの数値の重み(=1.0)
Ｘｎ：第二SNP群を用いて得られたリスクアレルの数値
Ｙ：重み付きリスクアレルの数
Ｍ：第一SNP群を構成するSNP数(=30)
α1：第一SNP群を用いる際に設定したリスクアレル数の重み(=0.8)
βｍ：第一SNP群を用いる際に設定した各リスクアレルの数値の重み(=1.0)
Ｘｍ：第一SNP群を用いて得られたリスクアレルの数値
Ｎ：第二SNP群を構成するSNP数(=30)
α2：第二SNP群を用いる際に設定するリスクアレル数の重み(=0.2)
βｎ：第二SNP群を用いる際に設定する各リスクアレルの数値の重み(=1.0)
Ｘｎ：第二SNP群を用いて得られたリスクアレルの数値
重み付きリスクアレルの数を横軸にした度数分布図を作成し、各測定工程の進行イベントを用いた進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図８Ａに示す。
次いで、上記区別の性能を検証するために、検体群Ｆについて、検体群Ｅと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図８Ｂに示す。
次いで、上記区別の性能を検証するために、検体群Ｆについて、検体群Ｅと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図８Ｂに示す。
図８Ａより、GPA進行リスクに関する5年累積生存率は、進行リスクが低い群91.8%、中等度群75.3%、高い群40.5%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝2.61（P<0.001）、進行リスクが低い群と比較して高い群でHR＝6.30（P<0.001）の結果を得た。ステージ進行リスクに関する5年累積生存率は、進行リスクが低い群71.7%、中等度群52.1%、高い群40.6%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝1.78（P=0.001）、進行リスクが低い群と比較して高い群でHR＝2.46（P<0.001）の結果を得た。
また、図８Ｂより、GPA進行リスクに関する5年累積生存率は、進行リスクが低い群77.5%、中等度群64.5%、高い群61.9%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝1.67（P<0.001）、進行リスクが低い群と比較して高い群でHR＝2.06（P<0.001）の結果を得た。ステージ進行リスクに関する5年累積生存率は、進行リスクが低い群59.4%、中等度群45.3%、高い群38.1%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝1.55（P=0.002）、進行リスクが低い群と比較して高い群でHR＝1.90（P<0.001）であり、図８Ａおよび図８Ｂから、進行リスクを精度よく判定することができた。
（態様２）
表１に記載のSNPから表４に示す60個のSNPを抽出した。これとは別に、表２に記載のSNPから表７に示す60個のSNPを抽出した。
表１に記載のSNPから表４に示す60個のSNPを抽出した。これとは別に、表２に記載のSNPから表７に示す60個のSNPを抽出した。
検体群Ｅについて、上記表４に示す60個のSNPをプローブとして全てを一度に用いて測定を行い、第一SNP群を用いて得られたリスクアレルの数を算出した。これとは別に、検体群Ｅについて、上記表７に示す60個のSNPをプローブとして全てを一度に用いて測定を行い、第二SNP群を用いて得られたリスクアレルの数を算出した。
次いで、上記態様１に記載した式により重み付きリスクアレルの数（Ｙ）を算出した。
次いで、上記態様１に記載した式により重み付きリスクアレルの数（Ｙ）を算出した。
式中、
Ｙ：重み付きリスクアレルの数
Ｍ：第一SNP群を構成するSNP数(=60)
α1：第一SNP群を用いる際に設定したリスクアレル数の重み(=0.8)
βｍ：第一SNP群を用いる際に設定した各リスクアレルの数値の重み(=1.0)
Ｘｍ：第一SNP群を用いて得られたリスクアレルの数値
Ｎ：第二SNP群を構成するSNP数(=60)
α2：第二SNP群を用いる際に設定するリスクアレル数の重み(=0.2)
βｎ：第二SNP群を用いる際に設定する各リスクアレルの数値の重み(=1.0)
Ｘｎ：第二SNP群を用いて得られたリスクアレルの数値
Ｙ：重み付きリスクアレルの数
Ｍ：第一SNP群を構成するSNP数(=60)
α1：第一SNP群を用いる際に設定したリスクアレル数の重み(=0.8)
βｍ：第一SNP群を用いる際に設定した各リスクアレルの数値の重み(=1.0)
Ｘｍ：第一SNP群を用いて得られたリスクアレルの数値
Ｎ：第二SNP群を構成するSNP数(=60)
α2：第二SNP群を用いる際に設定するリスクアレル数の重み(=0.2)
βｎ：第二SNP群を用いる際に設定する各リスクアレルの数値の重み(=1.0)
Ｘｎ：第二SNP群を用いて得られたリスクアレルの数値
重み付きリスクアレルの数を横軸にした度数分布図を作成し、各測定工程の進行イベントを用いた進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図９Ａに示す。
次いで、上記区別の性能を検証するために、検体群Ｆについて、検体群Ｅと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図９Ｂに示す。
次いで、上記区別の性能を検証するために、検体群Ｆについて、検体群Ｅと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図９Ｂに示す。
図９Ａより、GPA進行リスクに関する5年累積生存率は、進行リスクが低い群93.5%、中等度群73.1%、高い群38.2%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝3.87（P<0.001）、進行リスクが低い群と比較して高い群でHR＝9.69（P<0.001）の結果を得た。ステージ進行リスクに関する5年累積生存率は、進行リスクが低い群64.9%、中等度群58.8%、高い群38.1%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝1.29（P=0.142）、進行リスクが低い群と比較して高い群でHR＝2.32（P<0.001）の結果を得た。
また、図９Ｂより、GPA進行リスクに関する5年累積生存率は、進行リスクが低い群82.0%、中等度群68.0%、高い群49.2%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝1.64（P<0.001）、進行リスクが低い群と比較して高い群でHR＝3.22（P<0.001）の結果を得た。ステージ進行リスクに関する5年累積生存率は、進行リスクが低い群61.1%、中等度群41.8%、高い群36.2%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝1.68（P=<.001）、進行リスクが低い群と比較して高い群でHR＝1.94（P<0.001）であり、図９Ａおよび図９Ｂから、進行リスクを精度よく判定することができた。
（態様３）
表１に記載のSNPから表５に示す90個のSNPを抽出した。これとは別に、表２に記載のSNPから表８に示す90個のSNPを抽出した。
表１に記載のSNPから表５に示す90個のSNPを抽出した。これとは別に、表２に記載のSNPから表８に示す90個のSNPを抽出した。
検体群Ｅについて、上記表５に示す90個のSNPをプローブとして全てを一度に用いて測定を行い、第一SNP群を用いて得られたリスクアレルの数を算出した。これとは別に、検体群Ｅについて、上記表８に示す90個のSNPをプローブとして全てを一度に用いて測定を行い、第二SNP群を用いて得られたリスクアレルの数を算出した。
次いで、上記態様１に記載した式により重み付きリスクアレルの数（Ｙ）を算出した。
式中、
Ｙ：重み付きリスクアレルの数
Ｍ：第一SNP群を構成するSNP数(=90)
α1：第一SNP群を用いる際に設定したリスクアレル数の重み(=0.8)
βｍ：第一SNP群を用いる際に設定した各リスクアレルの数値の重み(=1.0)
Ｘｍ：第一SNP群を用いて得られたリスクアレルの数値
Ｎ：第二SNP群を構成するSNP数(=90)
α2：第二SNP群を用いる際に設定するリスクアレル数の重み(=0.2)
βｎ：第二SNP群を用いる際に設定する各リスクアレルの数値の重み(=1.0)
Ｘｎ：第二SNP群を用いて得られたリスクアレルの数値
Ｙ：重み付きリスクアレルの数
Ｍ：第一SNP群を構成するSNP数(=90)
α1：第一SNP群を用いる際に設定したリスクアレル数の重み(=0.8)
βｍ：第一SNP群を用いる際に設定した各リスクアレルの数値の重み(=1.0)
Ｘｍ：第一SNP群を用いて得られたリスクアレルの数値
Ｎ：第二SNP群を構成するSNP数(=90)
α2：第二SNP群を用いる際に設定するリスクアレル数の重み(=0.2)
βｎ：第二SNP群を用いる際に設定する各リスクアレルの数値の重み(=1.0)
Ｘｎ：第二SNP群を用いて得られたリスクアレルの数値
重み付きリスクアレルの数を横軸にした度数分布図を作成し、各測定工程の進行イベントを用いた進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図１０Ａに示す。
次いで、上記区別の性能を検証するために、検体群Ｆについて、検体群Ｅと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図１０Ｂに示す。
次いで、上記区別の性能を検証するために、検体群Ｆについて、検体群Ｅと同様に試験し、進行リスク別のカプランマイヤー解析による累積生存率及びCox回帰分析によるハザード比の算出を行った結果を図１０Ｂに示す。
図１０Ａより、GPA進行リスクに関する5年累積生存率は、進行リスクが低い群97.6%、中等度群67.6%、高い群39.7%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝4.51（P<0.001）、進行リスクが低い群と比較して高い群でHR＝10.39（P<0.001）の結果を得た。ステージ進行リスクに関する5年累積生存率は、進行リスクが低い群74.5%、中等度群50.3%、高い群36.9%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝1.92（P<0.001）、進行リスクが低い群と比較して高い群でHR＝3.17（P<0.001）の結果を得た。
また、図１０Ｂより、GPA進行リスクに関する5年累積生存率は、進行リスクが低い群85.8%、中等度群67.7%、高い群45.2%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝2.18（P<0.001）、進行リスクが低い群と比較して高い群でHR＝4.77（P<0.001）の結果を得た。ステージ進行リスクに関する5年累積生存率は、進行リスクが低い群60.9%、中等度群41.2%、高い群35.7%であり、進行リスクが低い群と比較して中等度群でハザード比（HR）＝1.58（P=<.001）、進行リスクが低い群と比較して高い群でHR＝1.79（P<0.001）であり、図１０Ａおよび図１０Ｂから、進行リスクを精度よく判定することができた。
１ DNAマイクロアレイ
Claims (11)
- (1)被検者から採取した生体試料を用いて、表１に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第一SNP群と、表２に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第二SNP群についてアレルを測定する測定工程、並びに
(2)前記測定工程で得られた測定結果に基づいて、前記被検者における広義原発開放隅角緑内障の進行リスクに関する情報を取得する情報取得工程、
を含む、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法。 - 前記情報取得工程が、
(a)前記測定工程において測定されたアレルの各々がリスクアレルであるか否かを判別する工程、
(b)前記リスクアレルを計数する工程、および
(c)前記工程(b)で得られたリスクアレルの数に基づいて、前記被検者における広義原発開放隅角緑内障の進行リスクに関する情報を取得する工程
を含む、請求項１に記載の方法。 - 前記工程(c)において、
前記工程(b)で得られた前記リスクアレルの数が所定のカットオフ値以上の場合に、前記被検者の広義原発開放隅角緑内障の進行リスクが高いという情報が取得される、請求項２に記載の方法。 - 前記工程(c)において、
前記工程(b)で得られたリスクアレルの数が所定のカットオフ値未満の場合に、前記被検者の広義原発開放隅角緑内障の進行リスクが低いという情報が取得される、請求項２又は３に記載の方法。 - 前記工程(c)において、
前記工程(b)で得られたリスクアレルの数が第一のカットオフ値未満の場合に、前記被検者の広義原発開放隅角緑内障の進行リスクが低いという情報が取得され、
前記リスクアレルの数が前記第一のカットオフ値以上かつ第二のカットオフ値未満の場合に、前記被検者の広義原発開放隅角緑内障の進行リスクが中程度であるという情報が取得され、
前記リスクアレルの数が前記第二のカットオフ値以上の場合に、前記被検者の広義原発開放隅角緑内障の進行リスクが高いという情報が取得される、
請求項２に記載の方法。 - 被検者から採取した生体試料を用いて、表１に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第一SNP群と、表２に記載のSNP IDで特定されるSNPから選択される少なくとも３０個のSNPからなる第二SNP群についてアレルを測定する測定工程
を含み、前記測定工程で得られた測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクの指標となる、広義原発開放隅角緑内障の進行リスクに関する情報の取得方法。 - 前記測定工程で得られたアレルのうちのリスクアレルの数が、前記被検者における広義原発開放隅角緑内障の進行リスクの指標となる、請求項６に記載の方法。
- 前記リスクアレルの数が所定のカットオフ値以上の場合、前記測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクが高いことの指標となる、請求項７に記載の方法。
- 前記リスクアレルの数が所定のカットオフ値未満の場合、前記測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクが低いことの指標となる、請求項７又は８に記載の方法。
- 前記リスクアレルの数が第一のカットオフ値未満の場合、前記測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクが低いことの指標となり、
前記リスクアレルの数が前記第一のカットオフ値以上かつ第二のカットオフ値未満の場合、前記測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクが中程度であることの指標となり、
前記リスクアレルの数が前記第二のカットオフ値以上の場合、前記測定結果が、前記被検者における広義原発開放隅角緑内障の進行リスクが高いことの指標となる、請求項７に記載の方法。 - 前記生体試料が、全血、白血球、血漿、血清、リンパ液、涙液、唾液、鼻汁、脳脊髄液、骨髄液、精液、汗、粘膜組織、皮膚組織及び毛根からなる群より選択される１種以上である、請求項１～１０のいずれか１項に記載の方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022014338 | 2022-02-01 | ||
| JP2022014338 | 2022-02-01 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2023112692A true JP2023112692A (ja) | 2023-08-14 |
Family
ID=87562201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023013303A Pending JP2023112692A (ja) | 2022-02-01 | 2023-01-31 | 広義原発開放隅角緑内障の進行リスクに関する情報の取得方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2023112692A (ja) |
-
2023
- 2023-01-31 JP JP2023013303A patent/JP2023112692A/ja active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108624650B (zh) | 判断实体瘤是否适合免疫治疗的方法和检测试剂盒 | |
| KR101614471B1 (ko) | 유전체 서열분석을 이용한 태아 염색체 이수성의 진단 방법 및 장치 | |
| EA017966B1 (ru) | Диагностика фетальной хромосомной анэуплоидии с использованием геномного секвенирования | |
| WO2011006119A2 (en) | Gene expression profiles associated with chronic allograft nephropathy | |
| CN114317532B (zh) | 用于预测白血病预后的评估基因集、试剂盒、系统及应用 | |
| CN114891876A (zh) | 一种诊断高度近视的功能基因组区生物标志物组合 | |
| CN115394357A (zh) | 用于判断样本配对或污染的位点组合及其筛选方法和应用 | |
| US20170058347A1 (en) | Predicting increased risk for alzheimer's disease | |
| RU2612630C2 (ru) | Способ определения индивидуального генетического риска развития ишемического инсульта | |
| Babker et al. | The frequency of factor V leiden mutation among Sudanese pregnant women with recurrent miscarriage | |
| JP7064215B2 (ja) | 落屑症候群又は落屑緑内障の発症リスクの判定方法 | |
| JP2023112692A (ja) | 広義原発開放隅角緑内障の進行リスクに関する情報の取得方法 | |
| CN107723370A (zh) | 一种用于鼻咽癌基因筛查的荧光定量pcr检测系统及其应用 | |
| JP7072803B2 (ja) | 広義原発開放隅角緑内障の発症リスクの判定方法 | |
| CN116469552A (zh) | 一种用于乳腺癌多基因遗传风险评估的方法和系统 | |
| JP2023038111A (ja) | 広義原発開放隅角緑内障の重症化リスクに関する情報の取得方法 | |
| WO2011035249A2 (en) | Methods for detecting thrombocytosis using biomarkers | |
| EP3055425B1 (en) | Predicting increased risk for cancer | |
| JPWO2007032496A1 (ja) | ２型糖尿病の発症リスクの判定方法 | |
| WO2012002529A1 (ja) | ベーチェット病罹患リスクの判定方法 | |
| CN115579056B (zh) | 一组用于评估精神分裂症分子分型的基因群及其诊断产品和应用 | |
| KR102254341B1 (ko) | 유전적 위험도 평가 기반 당뇨병 고위험군 진단 방법 | |
| KR102193657B1 (ko) | 사상체질 중 태음인 진단용 snp 마커 및 이의 용도 | |
| KR102193659B1 (ko) | 사상체질 중 소양인 진단용 snp 마커 및 이의 용도 | |
| KR102193658B1 (ko) | 사상체질 중 소음인 진단용 snp 마커 및 이의 용도 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230206 |