JP2023500054A - 腫瘍微小環境の分類 - Google Patents
腫瘍微小環境の分類 Download PDFInfo
- Publication number
- JP2023500054A JP2023500054A JP2022522801A JP2022522801A JP2023500054A JP 2023500054 A JP2023500054 A JP 2023500054A JP 2022522801 A JP2022522801 A JP 2022522801A JP 2022522801 A JP2022522801 A JP 2022522801A JP 2023500054 A JP2023500054 A JP 2023500054A
- Authority
- JP
- Japan
- Prior art keywords
- ann
- signature
- tme
- gene
- cancer
- 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
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 214
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 832
- 238000000034 method Methods 0.000 claims abstract description 285
- 230000014509 gene expression Effects 0.000 claims abstract description 248
- 239000000090 biomarker Substances 0.000 claims abstract description 192
- 238000002560 therapeutic procedure Methods 0.000 claims abstract description 162
- 201000011510 cancer Diseases 0.000 claims abstract description 128
- 238000010801 machine learning Methods 0.000 claims abstract description 82
- 238000011282 treatment Methods 0.000 claims abstract description 35
- 238000007637 random forest analysis Methods 0.000 claims abstract description 10
- 238000011247 total mesorectal excision Methods 0.000 claims abstract 3
- 208000037956 transmissible mink encephalopathy Diseases 0.000 claims abstract 3
- 238000013528 artificial neural network Methods 0.000 claims description 265
- 238000012549 training Methods 0.000 claims description 168
- 239000003112 inhibitor Substances 0.000 claims description 164
- 239000000523 sample Substances 0.000 claims description 159
- 230000005965 immune activity Effects 0.000 claims description 137
- 108091032973 (ribonucleotides)n+m Proteins 0.000 claims description 110
- 230000001506 immunosuppresive effect Effects 0.000 claims description 95
- 210000002569 neuron Anatomy 0.000 claims description 76
- 230000006870 function Effects 0.000 claims description 73
- 230000004913 activation Effects 0.000 claims description 71
- 238000012163 sequencing technique Methods 0.000 claims description 58
- 239000000427 antigen Substances 0.000 claims description 57
- 108091007433 antigens Proteins 0.000 claims description 56
- 102000036639 antigens Human genes 0.000 claims description 56
- 238000007477 logistic regression Methods 0.000 claims description 50
- 229960002621 pembrolizumab Drugs 0.000 claims description 44
- 238000007481 next generation sequencing Methods 0.000 claims description 43
- 210000001519 tissue Anatomy 0.000 claims description 43
- 210000004027 cell Anatomy 0.000 claims description 41
- 229940045513 CTLA4 antagonist Drugs 0.000 claims description 40
- 238000012360 testing method Methods 0.000 claims description 36
- 229950007123 tislelizumab Drugs 0.000 claims description 36
- 101001137987 Homo sapiens Lymphocyte activation gene 3 protein Proteins 0.000 claims description 33
- 102000017578 LAG3 Human genes 0.000 claims description 33
- 101000831007 Homo sapiens T-cell immunoreceptor with Ig and ITIM domains Proteins 0.000 claims description 32
- 102100024834 T-cell immunoreceptor with Ig and ITIM domains Human genes 0.000 claims description 32
- 101000611936 Homo sapiens Programmed cell death protein 1 Proteins 0.000 claims description 31
- 101000889276 Homo sapiens Cytotoxic T-lymphocyte protein 4 Proteins 0.000 claims description 30
- 101001117317 Homo sapiens Programmed cell death 1 ligand 1 Proteins 0.000 claims description 29
- 230000004044 response Effects 0.000 claims description 29
- 102000008096 B7-H1 Antigen Human genes 0.000 claims description 28
- 108010074708 B7-H1 Antigen Proteins 0.000 claims description 28
- 239000013074 reference sample Substances 0.000 claims description 28
- 201000010099 disease Diseases 0.000 claims description 27
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 27
- 102100034458 Hepatitis A virus cellular receptor 2 Human genes 0.000 claims description 25
- 102100040061 Indoleamine 2,3-dioxygenase 1 Human genes 0.000 claims description 24
- 102100040678 Programmed cell death protein 1 Human genes 0.000 claims description 24
- 229960003301 nivolumab Drugs 0.000 claims description 24
- 229950007213 spartalizumab Drugs 0.000 claims description 24
- 102100022153 Tumor necrosis factor receptor superfamily member 4 Human genes 0.000 claims description 23
- 229960003852 atezolizumab Drugs 0.000 claims description 23
- 229950002916 avelumab Drugs 0.000 claims description 23
- 229950009791 durvalumab Drugs 0.000 claims description 23
- 101000801234 Homo sapiens Tumor necrosis factor receptor superfamily member 18 Proteins 0.000 claims description 22
- 102100033728 Tumor necrosis factor receptor superfamily member 18 Human genes 0.000 claims description 22
- 102000037982 Immune checkpoint proteins Human genes 0.000 claims description 20
- 108091008036 Immune checkpoint proteins Proteins 0.000 claims description 20
- 229940126546 immune checkpoint molecule Drugs 0.000 claims description 20
- 238000010606 normalization Methods 0.000 claims description 20
- 238000002626 targeted therapy Methods 0.000 claims description 20
- -1 fluquintinib Substances 0.000 claims description 19
- 230000004083 survival effect Effects 0.000 claims description 19
- 102100024213 Programmed cell death 1 ligand 2 Human genes 0.000 claims description 18
- 230000033115 angiogenesis Effects 0.000 claims description 17
- 102100036856 Tumor necrosis factor receptor superfamily member 9 Human genes 0.000 claims description 16
- 230000002401 inhibitory effect Effects 0.000 claims description 16
- 229960005386 ipilimumab Drugs 0.000 claims description 16
- 238000002493 microarray Methods 0.000 claims description 16
- 230000037361 pathway Effects 0.000 claims description 16
- 101000851370 Homo sapiens Tumor necrosis factor receptor superfamily member 9 Proteins 0.000 claims description 15
- 206010062016 Immunosuppression Diseases 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 15
- 102100022014 Angiopoietin-1 receptor Human genes 0.000 claims description 14
- 101000753291 Homo sapiens Angiopoietin-1 receptor Proteins 0.000 claims description 14
- 230000001747 exhibiting effect Effects 0.000 claims description 14
- 238000011319 anticancer therapy Methods 0.000 claims description 13
- 238000003559 RNA-seq method Methods 0.000 claims description 12
- 102100038282 V-type immunoglobulin domain-containing suppressor of T-cell activation Human genes 0.000 claims description 12
- 102000004887 Transforming Growth Factor beta Human genes 0.000 claims description 11
- 108090001012 Transforming Growth Factor beta Proteins 0.000 claims description 11
- 102000048362 human PDCD1 Human genes 0.000 claims description 11
- 102000005962 receptors Human genes 0.000 claims description 11
- 108020003175 receptors Proteins 0.000 claims description 11
- 108010021064 CTLA-4 Antigen Proteins 0.000 claims description 10
- OIRDTQYFTABQOQ-KQYNXXCUSA-N adenosine Chemical compound C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](CO)[C@@H](O)[C@H]1O OIRDTQYFTABQOQ-KQYNXXCUSA-N 0.000 claims description 10
- 238000011122 anti-angiogenic therapy Methods 0.000 claims description 10
- 102000048776 human CD274 Human genes 0.000 claims description 10
- 230000028993 immune response Effects 0.000 claims description 10
- 238000012706 support-vector machine Methods 0.000 claims description 10
- 229960000397 bevacizumab Drugs 0.000 claims description 9
- 101000666896 Homo sapiens V-type immunoglobulin domain-containing suppressor of T-cell activation Proteins 0.000 claims description 8
- 101100407308 Mus musculus Pdcd1lg2 gene Proteins 0.000 claims description 8
- 108700030875 Programmed Cell Death 1 Ligand 2 Proteins 0.000 claims description 8
- 239000000556 agonist Substances 0.000 claims description 8
- ZRKFYGHZFMAOKI-QMGMOQQFSA-N tgfbeta Chemical compound C([C@H](NC(=O)[C@H](C(C)C)NC(=O)CNC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CCCNC(N)=N)NC(=O)[C@H](CC(N)=O)NC(=O)[C@H](CC(C)C)NC(=O)[C@H]([C@@H](C)O)NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H]([C@@H](C)O)NC(=O)[C@H](CC(C)C)NC(=O)CNC(=O)[C@H](C)NC(=O)[C@H](CO)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](C)NC(=O)[C@H](C)NC(=O)[C@@H](NC(=O)[C@H](CC(C)C)NC(=O)[C@@H](N)CCSC)C(C)C)[C@@H](C)CC)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N[C@@H](C)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](C)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](C)C(=O)N[C@@H](CC(C)C)C(=O)N1[C@@H](CCC1)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CO)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CC(C)C)C(O)=O)C1=CC=C(O)C=C1 ZRKFYGHZFMAOKI-QMGMOQQFSA-N 0.000 claims description 8
- 108010009906 Angiopoietins Proteins 0.000 claims description 7
- 102000009840 Angiopoietins Human genes 0.000 claims description 7
- 101000868279 Homo sapiens Leukocyte surface antigen CD47 Proteins 0.000 claims description 7
- 102100032913 Leukocyte surface antigen CD47 Human genes 0.000 claims description 7
- 229950007843 bavituximab Drugs 0.000 claims description 7
- 238000002650 immunosuppressive therapy Methods 0.000 claims description 7
- 230000002601 intratumoral effect Effects 0.000 claims description 7
- 150000003384 small molecules Chemical class 0.000 claims description 7
- 229940121358 tyrosine kinase inhibitor Drugs 0.000 claims description 7
- 229960005486 vaccine Drugs 0.000 claims description 7
- 102100025390 Integrin beta-2 Human genes 0.000 claims description 6
- 102100035194 Placenta growth factor Human genes 0.000 claims description 6
- 239000012190 activator Substances 0.000 claims description 6
- 230000000947 anti-immunosuppressive effect Effects 0.000 claims description 6
- 239000002246 antineoplastic agent Substances 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 6
- 210000004493 neutrocyte Anatomy 0.000 claims description 6
- 230000004936 stimulating effect Effects 0.000 claims description 6
- 239000002126 C01EB10 - Adenosine Substances 0.000 claims description 5
- 208000032818 Microsatellite Instability Diseases 0.000 claims description 5
- 108010019530 Vascular Endothelial Growth Factors Proteins 0.000 claims description 5
- 229960005305 adenosine Drugs 0.000 claims description 5
- 239000004037 angiogenesis inhibitor Substances 0.000 claims description 5
- 230000008685 targeting Effects 0.000 claims description 5
- 102100034594 Angiopoietin-1 Human genes 0.000 claims description 4
- 102100034608 Angiopoietin-2 Human genes 0.000 claims description 4
- 102100029822 B- and T-lymphocyte attenuator Human genes 0.000 claims description 4
- 102100030802 Beta-2-glycoprotein 1 Human genes 0.000 claims description 4
- 101710180007 Beta-2-glycoprotein 1 Proteins 0.000 claims description 4
- 206010006187 Breast cancer Diseases 0.000 claims description 4
- 208000026310 Breast neoplasm Diseases 0.000 claims description 4
- 101000935040 Homo sapiens Integrin beta-2 Proteins 0.000 claims description 4
- 101000971538 Homo sapiens Killer cell lectin-like receptor subfamily F member 1 Proteins 0.000 claims description 4
- 101001109503 Homo sapiens NKG2-C type II integral membrane protein Proteins 0.000 claims description 4
- 101000633784 Homo sapiens SLAM family member 7 Proteins 0.000 claims description 4
- 208000008839 Kidney Neoplasms Diseases 0.000 claims description 4
- 102100021458 Killer cell lectin-like receptor subfamily F member 1 Human genes 0.000 claims description 4
- 108010064548 Lymphocyte Function-Associated Antigen-1 Proteins 0.000 claims description 4
- 108010061593 Member 14 Tumor Necrosis Factor Receptors Proteins 0.000 claims description 4
- 108091092878 Microsatellite Proteins 0.000 claims description 4
- 102100022683 NKG2-C type II integral membrane protein Human genes 0.000 claims description 4
- 206010038389 Renal cancer Diseases 0.000 claims description 4
- 102100029198 SLAM family member 7 Human genes 0.000 claims description 4
- 102100028785 Tumor necrosis factor receptor superfamily member 14 Human genes 0.000 claims description 4
- 208000014829 head and neck neoplasm Diseases 0.000 claims description 4
- 206010073071 hepatocellular carcinoma Diseases 0.000 claims description 4
- 102000043321 human CTLA4 Human genes 0.000 claims description 4
- 201000010982 kidney cancer Diseases 0.000 claims description 4
- 229960002633 ramucirumab Drugs 0.000 claims description 4
- 230000002829 reductive effect Effects 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 4
- 206010009944 Colon cancer Diseases 0.000 claims description 3
- 102100034459 Hepatitis A virus cellular receptor 1 Human genes 0.000 claims description 3
- 208000005718 Stomach Neoplasms Diseases 0.000 claims description 3
- 206010017758 gastric cancer Diseases 0.000 claims description 3
- 230000000869 mutational effect Effects 0.000 claims description 3
- 201000011549 stomach cancer Diseases 0.000 claims description 3
- SPMVMDHWKHCIDT-UHFFFAOYSA-N 1-[2-chloro-4-[(6,7-dimethoxy-4-quinolinyl)oxy]phenyl]-3-(5-methyl-3-isoxazolyl)urea Chemical compound C=12C=C(OC)C(OC)=CC2=NC=CC=1OC(C=C1Cl)=CC=C1NC(=O)NC=1C=C(C)ON=1 SPMVMDHWKHCIDT-UHFFFAOYSA-N 0.000 claims description 2
- XUMALORDVCFWKV-IBGZPJMESA-N 2-amino-N-[(1S)-1-[8-[2-(1-methylpyrazol-4-yl)ethynyl]-1-oxo-2-phenylisoquinolin-3-yl]ethyl]pyrazolo[1,5-a]pyrimidine-3-carboxamide Chemical compound C[C@H](NC(=O)C1=C2N=CC=CN2N=C1N)C1=CC2=CC=CC(C#CC3=CN(C)N=C3)=C2C(=O)N1C1=CC=CC=C1 XUMALORDVCFWKV-IBGZPJMESA-N 0.000 claims description 2
- 108010043324 Amyloid Precursor Protein Secretases Proteins 0.000 claims description 2
- 102000002659 Amyloid Precursor Protein Secretases Human genes 0.000 claims description 2
- 206010061424 Anal cancer Diseases 0.000 claims description 2
- 108010048154 Angiopoietin-1 Proteins 0.000 claims description 2
- 108010048036 Angiopoietin-2 Proteins 0.000 claims description 2
- 208000007860 Anus Neoplasms Diseases 0.000 claims description 2
- MLDQJTXFUGDVEO-UHFFFAOYSA-N BAY-43-9006 Chemical compound C1=NC(C(=O)NC)=CC(OC=2C=CC(NC(=O)NC=3C=C(C(Cl)=CC=3)C(F)(F)F)=CC=2)=C1 MLDQJTXFUGDVEO-UHFFFAOYSA-N 0.000 claims description 2
- 206010005003 Bladder cancer Diseases 0.000 claims description 2
- 208000003174 Brain Neoplasms Diseases 0.000 claims description 2
- ZEOWTGPWHLSLOG-UHFFFAOYSA-N Cc1ccc(cc1-c1ccc2c(n[nH]c2c1)-c1cnn(c1)C1CC1)C(=O)Nc1cccc(c1)C(F)(F)F Chemical compound Cc1ccc(cc1-c1ccc2c(n[nH]c2c1)-c1cnn(c1)C1CC1)C(=O)Nc1cccc(c1)C(F)(F)F ZEOWTGPWHLSLOG-UHFFFAOYSA-N 0.000 claims description 2
- 208000001333 Colorectal Neoplasms Diseases 0.000 claims description 2
- 102100037241 Endoglin Human genes 0.000 claims description 2
- 108010036395 Endoglin Proteins 0.000 claims description 2
- 208000000461 Esophageal Neoplasms Diseases 0.000 claims description 2
- 102100023593 Fibroblast growth factor receptor 1 Human genes 0.000 claims description 2
- 101710182386 Fibroblast growth factor receptor 1 Proteins 0.000 claims description 2
- 102100023600 Fibroblast growth factor receptor 2 Human genes 0.000 claims description 2
- 101710182389 Fibroblast growth factor receptor 2 Proteins 0.000 claims description 2
- 206010062878 Gastrooesophageal cancer Diseases 0.000 claims description 2
- 208000032612 Glial tumor Diseases 0.000 claims description 2
- 206010018338 Glioma Diseases 0.000 claims description 2
- 101000924552 Homo sapiens Angiopoietin-1 Proteins 0.000 claims description 2
- 101000924533 Homo sapiens Angiopoietin-2 Proteins 0.000 claims description 2
- 101000863873 Homo sapiens Tyrosine-protein phosphatase non-receptor type substrate 1 Proteins 0.000 claims description 2
- 101000808011 Homo sapiens Vascular endothelial growth factor A Proteins 0.000 claims description 2
- 239000002147 L01XE04 - Sunitinib Substances 0.000 claims description 2
- 239000005511 L01XE05 - Sorafenib Substances 0.000 claims description 2
- 239000003798 L01XE11 - Pazopanib Substances 0.000 claims description 2
- 239000002118 L01XE12 - Vandetanib Substances 0.000 claims description 2
- 239000002138 L01XE21 - Regorafenib Substances 0.000 claims description 2
- 239000002176 L01XE26 - Cabozantinib Substances 0.000 claims description 2
- 206010058467 Lung neoplasm malignant Diseases 0.000 claims description 2
- 206010025323 Lymphomas Diseases 0.000 claims description 2
- 208000032271 Malignant tumor of penis Diseases 0.000 claims description 2
- 208000002030 Merkel cell carcinoma Diseases 0.000 claims description 2
- 206010029260 Neuroblastoma Diseases 0.000 claims description 2
- 206010029266 Neuroendocrine carcinoma of the skin Diseases 0.000 claims description 2
- 206010030155 Oesophageal carcinoma Diseases 0.000 claims description 2
- 206010033128 Ovarian cancer Diseases 0.000 claims description 2
- 206010061535 Ovarian neoplasm Diseases 0.000 claims description 2
- 206010061902 Pancreatic neoplasm Diseases 0.000 claims description 2
- 208000004091 Parotid Neoplasms Diseases 0.000 claims description 2
- 208000002471 Penile Neoplasms Diseases 0.000 claims description 2
- 206010034299 Penile cancer Diseases 0.000 claims description 2
- 206010060862 Prostate cancer Diseases 0.000 claims description 2
- 208000000236 Prostatic Neoplasms Diseases 0.000 claims description 2
- 208000015634 Rectal Neoplasms Diseases 0.000 claims description 2
- 208000024313 Testicular Neoplasms Diseases 0.000 claims description 2
- 206010057644 Testis cancer Diseases 0.000 claims description 2
- 208000024770 Thyroid neoplasm Diseases 0.000 claims description 2
- 101710165473 Tumor necrosis factor receptor superfamily member 4 Proteins 0.000 claims description 2
- 102100029948 Tyrosine-protein phosphatase non-receptor type substrate 1 Human genes 0.000 claims description 2
- 206010046431 Urethral cancer Diseases 0.000 claims description 2
- 206010046458 Urethral neoplasms Diseases 0.000 claims description 2
- 208000007097 Urinary Bladder Neoplasms Diseases 0.000 claims description 2
- 208000002495 Uterine Neoplasms Diseases 0.000 claims description 2
- 208000009956 adenocarcinoma Diseases 0.000 claims description 2
- 229960002833 aflibercept Drugs 0.000 claims description 2
- 108010081667 aflibercept Proteins 0.000 claims description 2
- 201000011165 anus cancer Diseases 0.000 claims description 2
- 229960003005 axitinib Drugs 0.000 claims description 2
- RITAVMQDGBJQJZ-FMIVXFBMSA-N axitinib Chemical compound CNC(=O)C1=CC=CC=C1SC1=CC=C(C(\C=C\C=2N=CC=CC=2)=NN2)C2=C1 RITAVMQDGBJQJZ-FMIVXFBMSA-N 0.000 claims description 2
- 201000009036 biliary tract cancer Diseases 0.000 claims description 2
- 208000020790 biliary tract neoplasm Diseases 0.000 claims description 2
- 229960001292 cabozantinib Drugs 0.000 claims description 2
- ONIQOQHATWINJY-UHFFFAOYSA-N cabozantinib Chemical group C=12C=C(OC)C(OC)=CC2=NC=CC=1OC(C=C1)=CC=C1NC(=O)C1(C(=O)NC=2C=CC(F)=CC=2)CC1 ONIQOQHATWINJY-UHFFFAOYSA-N 0.000 claims description 2
- 238000002512 chemotherapy Methods 0.000 claims description 2
- 208000017763 cutaneous neuroendocrine carcinoma Diseases 0.000 claims description 2
- 201000004101 esophageal cancer Diseases 0.000 claims description 2
- 201000006974 gastroesophageal cancer Diseases 0.000 claims description 2
- 208000005017 glioblastoma Diseases 0.000 claims description 2
- 201000010536 head and neck cancer Diseases 0.000 claims description 2
- 231100000844 hepatocellular carcinoma Toxicity 0.000 claims description 2
- 102000058223 human VEGFA Human genes 0.000 claims description 2
- 229960003784 lenvatinib Drugs 0.000 claims description 2
- WOSKHXYHFSIKNG-UHFFFAOYSA-N lenvatinib Chemical compound C=12C=C(C(N)=O)C(OC)=CC2=NC=CC=1OC(C=C1Cl)=CC=C1NC(=O)NC1CC1 WOSKHXYHFSIKNG-UHFFFAOYSA-N 0.000 claims description 2
- 201000007270 liver cancer Diseases 0.000 claims description 2
- 208000014018 liver neoplasm Diseases 0.000 claims description 2
- 201000005202 lung cancer Diseases 0.000 claims description 2
- 208000020816 lung neoplasm Diseases 0.000 claims description 2
- 229940121581 magrolimab Drugs 0.000 claims description 2
- 208000015486 malignant pancreatic neoplasm Diseases 0.000 claims description 2
- 208000026037 malignant tumor of neck Diseases 0.000 claims description 2
- 201000001441 melanoma Diseases 0.000 claims description 2
- 230000001394 metastastic effect Effects 0.000 claims description 2
- 206010061289 metastatic neoplasm Diseases 0.000 claims description 2
- 208000002154 non-small cell lung carcinoma Diseases 0.000 claims description 2
- 201000002528 pancreatic cancer Diseases 0.000 claims description 2
- 208000008443 pancreatic carcinoma Diseases 0.000 claims description 2
- 201000001219 parotid gland cancer Diseases 0.000 claims description 2
- 229960000639 pazopanib Drugs 0.000 claims description 2
- CUIHSIWYWATEQL-UHFFFAOYSA-N pazopanib Chemical compound C1=CC2=C(C)N(C)N=C2C=C1N(C)C(N=1)=CC=NC=1NC1=CC=C(C)C(S(N)(=O)=O)=C1 CUIHSIWYWATEQL-UHFFFAOYSA-N 0.000 claims description 2
- 238000004393 prognosis Methods 0.000 claims description 2
- 238000001959 radiotherapy Methods 0.000 claims description 2
- 206010038038 rectal cancer Diseases 0.000 claims description 2
- 201000001275 rectum cancer Diseases 0.000 claims description 2
- 229960004836 regorafenib Drugs 0.000 claims description 2
- FNHKPVJBJVTLMP-UHFFFAOYSA-N regorafenib Chemical compound C1=NC(C(=O)NC)=CC(OC=2C=C(F)C(NC(=O)NC=3C=C(C(Cl)=CC=3)C(F)(F)F)=CC=2)=C1 FNHKPVJBJVTLMP-UHFFFAOYSA-N 0.000 claims description 2
- 229960003787 sorafenib Drugs 0.000 claims description 2
- 229960001796 sunitinib Drugs 0.000 claims description 2
- WINHZLLDWRZWRT-ATVHPVEESA-N sunitinib Chemical compound CCN(CC)CCNC(=O)C1=C(C)NC(\C=C/2C3=CC(F)=CC=C3NC\2=O)=C1C WINHZLLDWRZWRT-ATVHPVEESA-N 0.000 claims description 2
- 238000001356 surgical procedure Methods 0.000 claims description 2
- 201000003120 testicular cancer Diseases 0.000 claims description 2
- 201000002510 thyroid cancer Diseases 0.000 claims description 2
- 229960000940 tivozanib Drugs 0.000 claims description 2
- 201000005112 urinary bladder cancer Diseases 0.000 claims description 2
- 206010046766 uterine cancer Diseases 0.000 claims description 2
- 229960000241 vandetanib Drugs 0.000 claims description 2
- UHTHHESEBZOYNR-UHFFFAOYSA-N vandetanib Chemical compound COC1=CC(C(/N=CN2)=N/C=3C(=CC(Br)=CC=3)F)=C2C=C1OCC1CCN(C)CC1 UHTHHESEBZOYNR-UHFFFAOYSA-N 0.000 claims description 2
- 102000008203 CTLA-4 Antigen Human genes 0.000 claims 5
- 101710089372 Programmed cell death protein 1 Proteins 0.000 claims 4
- 101150062285 PGF gene Proteins 0.000 claims 3
- 102100027207 CD27 antigen Human genes 0.000 claims 2
- 101150013553 CD40 gene Proteins 0.000 claims 2
- 101710083479 Hepatitis A virus cellular receptor 2 homolog Proteins 0.000 claims 2
- 101000864344 Homo sapiens B- and T-lymphocyte attenuator Proteins 0.000 claims 2
- 101000914511 Homo sapiens CD27 antigen Proteins 0.000 claims 2
- 101001138062 Homo sapiens Leukocyte-associated immunoglobulin-like receptor 1 Proteins 0.000 claims 2
- 101000795169 Homo sapiens Tumor necrosis factor receptor superfamily member 13C Proteins 0.000 claims 2
- 101000851376 Homo sapiens Tumor necrosis factor receptor superfamily member 8 Proteins 0.000 claims 2
- 108010064593 Intercellular Adhesion Molecule-1 Proteins 0.000 claims 2
- 102100037877 Intercellular adhesion molecule 1 Human genes 0.000 claims 2
- 101150030213 Lag3 gene Proteins 0.000 claims 2
- 102100020943 Leukocyte-associated immunoglobulin-like receptor 1 Human genes 0.000 claims 2
- 229940126547 T-cell immunoglobulin mucin-3 Drugs 0.000 claims 2
- 102100025237 T-cell surface antigen CD2 Human genes 0.000 claims 2
- 102100029690 Tumor necrosis factor receptor superfamily member 13C Human genes 0.000 claims 2
- 102100040245 Tumor necrosis factor receptor superfamily member 5 Human genes 0.000 claims 2
- 102100036857 Tumor necrosis factor receptor superfamily member 8 Human genes 0.000 claims 2
- 102000005789 Vascular Endothelial Growth Factors Human genes 0.000 claims 2
- IJJVMEJXYNJXOJ-UHFFFAOYSA-N fluquinconazole Chemical compound C=1C=C(Cl)C=C(Cl)C=1N1C(=O)C2=CC(F)=CC=C2N=C1N1C=NC=N1 IJJVMEJXYNJXOJ-UHFFFAOYSA-N 0.000 claims 2
- 229940121850 CD86 agonist Drugs 0.000 claims 1
- 102100033553 Delta-like protein 4 Human genes 0.000 claims 1
- 101000872077 Homo sapiens Delta-like protein 4 Proteins 0.000 claims 1
- 208000033781 Thyroid carcinoma Diseases 0.000 claims 1
- 230000009977 dual effect Effects 0.000 claims 1
- 230000005934 immune activation Effects 0.000 claims 1
- 230000000977 initiatory effect Effects 0.000 claims 1
- 201000005264 laryngeal carcinoma Diseases 0.000 claims 1
- 208000013077 thyroid gland carcinoma Diseases 0.000 claims 1
- 239000003814 drug Substances 0.000 abstract description 40
- 229940124597 therapeutic agent Drugs 0.000 abstract description 10
- 239000010410 layer Substances 0.000 description 104
- 238000001994 activation Methods 0.000 description 66
- 150000007523 nucleic acids Chemical class 0.000 description 43
- 102100025248 C-X-C motif chemokine 10 Human genes 0.000 description 42
- 101000858088 Homo sapiens C-X-C motif chemokine 10 Proteins 0.000 description 42
- 102100036170 C-X-C motif chemokine 9 Human genes 0.000 description 41
- 101000947172 Homo sapiens C-X-C motif chemokine 9 Proteins 0.000 description 41
- 102000039446 nucleic acids Human genes 0.000 description 38
- 108020004707 nucleic acids Proteins 0.000 description 38
- 102100030385 Granzyme B Human genes 0.000 description 36
- 101001009603 Homo sapiens Granzyme B Proteins 0.000 description 36
- 101000599940 Homo sapiens Interferon gamma Proteins 0.000 description 34
- 102100037850 Interferon gamma Human genes 0.000 description 34
- 102100039498 Cytotoxic T-lymphocyte protein 4 Human genes 0.000 description 31
- 229940079593 drug Drugs 0.000 description 26
- 108010007707 Hepatitis A Virus Cellular Receptor 2 Proteins 0.000 description 23
- 101001037256 Homo sapiens Indoleamine 2,3-dioxygenase 1 Proteins 0.000 description 23
- 102100025279 C-X-C motif chemokine 11 Human genes 0.000 description 22
- 101000858060 Homo sapiens C-X-C motif chemokine 11 Proteins 0.000 description 22
- 101000946860 Homo sapiens T-cell surface glycoprotein CD3 epsilon chain Proteins 0.000 description 22
- 108010051742 Platelet-Derived Growth Factor beta Receptor Proteins 0.000 description 22
- 102100026547 Platelet-derived growth factor receptor beta Human genes 0.000 description 22
- 102100035794 T-cell surface glycoprotein CD3 epsilon chain Human genes 0.000 description 22
- 101000679851 Homo sapiens Tumor necrosis factor receptor superfamily member 4 Proteins 0.000 description 21
- 108020004414 DNA Proteins 0.000 description 20
- 230000000875 corresponding effect Effects 0.000 description 19
- 239000012634 fragment Substances 0.000 description 19
- 102100027205 B-cell antigen receptor complex-associated protein alpha chain Human genes 0.000 description 18
- 102100033781 Collagen alpha-2(IV) chain Human genes 0.000 description 18
- 101000914489 Homo sapiens B-cell antigen receptor complex-associated protein alpha chain Proteins 0.000 description 18
- 101000710876 Homo sapiens Collagen alpha-2(IV) chain Proteins 0.000 description 18
- 102100024216 Programmed cell death 1 ligand 1 Human genes 0.000 description 18
- 101001126865 Homo sapiens Biglycan Proteins 0.000 description 16
- 101000716102 Homo sapiens T-cell surface glycoprotein CD4 Proteins 0.000 description 16
- 102100036011 T-cell surface glycoprotein CD4 Human genes 0.000 description 16
- 102100021943 C-C motif chemokine 2 Human genes 0.000 description 15
- 102100032610 Guanine nucleotide-binding protein G(s) subunit alpha isoforms XLas Human genes 0.000 description 15
- 101000897480 Homo sapiens C-C motif chemokine 2 Proteins 0.000 description 15
- 101001014590 Homo sapiens Guanine nucleotide-binding protein G(s) subunit alpha isoforms XLas Proteins 0.000 description 15
- 101001014594 Homo sapiens Guanine nucleotide-binding protein G(s) subunit alpha isoforms short Proteins 0.000 description 15
- 101001044927 Homo sapiens Insulin-like growth factor-binding protein 3 Proteins 0.000 description 15
- 101001033249 Homo sapiens Interleukin-1 beta Proteins 0.000 description 15
- 101001014610 Homo sapiens Neuroendocrine secretory protein 55 Proteins 0.000 description 15
- 101000797903 Homo sapiens Protein ALEX Proteins 0.000 description 15
- 102100022708 Insulin-like growth factor-binding protein 3 Human genes 0.000 description 15
- 102100039065 Interleukin-1 beta Human genes 0.000 description 15
- 125000003729 nucleotide group Chemical group 0.000 description 15
- 102100030401 Biglycan Human genes 0.000 description 14
- 102100024337 Collagen alpha-1(VIII) chain Human genes 0.000 description 14
- 101000909492 Homo sapiens Collagen alpha-1(VIII) chain Proteins 0.000 description 14
- 101000635938 Homo sapiens Transforming growth factor beta-1 proprotein Proteins 0.000 description 14
- 102100030742 Transforming growth factor beta-1 proprotein Human genes 0.000 description 14
- 239000002773 nucleotide Substances 0.000 description 14
- 101001110283 Canis lupus familiaris Ras-related C3 botulinum toxin substrate 1 Proteins 0.000 description 13
- 101001110313 Homo sapiens Ras-related C3 botulinum toxin substrate 2 Proteins 0.000 description 13
- 102100022129 Ras-related C3 botulinum toxin substrate 2 Human genes 0.000 description 13
- 102000004169 proteins and genes Human genes 0.000 description 13
- 102100024952 Protein CBFA2T1 Human genes 0.000 description 12
- 238000009826 distribution Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 12
- 239000000203 mixture Substances 0.000 description 12
- 101000577881 Homo sapiens Macrophage metalloelastase Proteins 0.000 description 11
- 101000669513 Homo sapiens Metalloproteinase inhibitor 1 Proteins 0.000 description 11
- 101001128148 Homo sapiens N-acetylated-alpha-linked acidic dipeptidase 2 Proteins 0.000 description 11
- 102100027998 Macrophage metalloelastase Human genes 0.000 description 11
- 102100039364 Metalloproteinase inhibitor 1 Human genes 0.000 description 11
- 102100031895 N-acetylated-alpha-linked acidic dipeptidase 2 Human genes 0.000 description 11
- 230000002491 angiogenic effect Effects 0.000 description 11
- 238000001574 biopsy Methods 0.000 description 11
- 108020004999 messenger RNA Proteins 0.000 description 11
- 101710137984 4-O-beta-D-mannosyl-D-glucose phosphorylase Proteins 0.000 description 10
- 102100024642 ATP-binding cassette sub-family C member 9 Human genes 0.000 description 10
- 102100024222 B-lymphocyte antigen CD19 Human genes 0.000 description 10
- 101150016325 EPHA3 gene Proteins 0.000 description 10
- 102100030324 Ephrin type-A receptor 3 Human genes 0.000 description 10
- 101000760581 Homo sapiens ATP-binding cassette sub-family C member 9 Proteins 0.000 description 10
- 101000980825 Homo sapiens B-lymphocyte antigen CD19 Proteins 0.000 description 10
- 101000629400 Homo sapiens Mesoderm-specific transcript homolog protein Proteins 0.000 description 10
- 101000880402 Homo sapiens Metalloreductase STEAP4 Proteins 0.000 description 10
- 101001014059 Homo sapiens Metallothionein-2 Proteins 0.000 description 10
- 101001064779 Homo sapiens Plexin domain-containing protein 2 Proteins 0.000 description 10
- 101001117312 Homo sapiens Programmed cell death 1 ligand 2 Proteins 0.000 description 10
- 101001072231 Homo sapiens Protocadherin-17 Proteins 0.000 description 10
- 101000617130 Homo sapiens Stromal cell-derived factor 1 Proteins 0.000 description 10
- 101000635958 Homo sapiens Transforming growth factor beta-2 proprotein Proteins 0.000 description 10
- 108060003951 Immunoglobulin Proteins 0.000 description 10
- 102100039809 Matrix Gla protein Human genes 0.000 description 10
- 101710147263 Matrix Gla protein Proteins 0.000 description 10
- 102100026821 Mesoderm-specific transcript homolog protein Human genes 0.000 description 10
- 102100037654 Metalloreductase STEAP4 Human genes 0.000 description 10
- 102100031347 Metallothionein-2 Human genes 0.000 description 10
- 102100031889 Plexin domain-containing protein 2 Human genes 0.000 description 10
- 102100036391 Protocadherin-17 Human genes 0.000 description 10
- 102100037421 Regulator of G-protein signaling 5 Human genes 0.000 description 10
- 101710140403 Regulator of G-protein signaling 5 Proteins 0.000 description 10
- 102100021669 Stromal cell-derived factor 1 Human genes 0.000 description 10
- 102100030737 Transforming growth factor beta-2 proprotein Human genes 0.000 description 10
- 230000003321 amplification Effects 0.000 description 10
- 102000018358 immunoglobulin Human genes 0.000 description 10
- 238000003199 nucleic acid amplification method Methods 0.000 description 10
- 230000007170 pathology Effects 0.000 description 10
- 239000013610 patient sample Substances 0.000 description 10
- 102100022526 Bone morphogenetic protein 5 Human genes 0.000 description 9
- 102100027085 Dual specificity protein phosphatase 4 Human genes 0.000 description 9
- 102100039577 ETS translocation variant 5 Human genes 0.000 description 9
- 101000899388 Homo sapiens Bone morphogenetic protein 5 Proteins 0.000 description 9
- 101001057621 Homo sapiens Dual specificity protein phosphatase 4 Proteins 0.000 description 9
- 101000813745 Homo sapiens ETS translocation variant 5 Proteins 0.000 description 9
- 101000832213 Homo sapiens Stabilin-2 Proteins 0.000 description 9
- 101000976643 Homo sapiens Zinc finger protein ZIC 2 Proteins 0.000 description 9
- 102100023421 Nuclear receptor ROR-gamma Human genes 0.000 description 9
- 102100024470 Stabilin-2 Human genes 0.000 description 9
- 102100023492 Zinc finger protein ZIC 2 Human genes 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 9
- 208000037821 progressive disease Diseases 0.000 description 9
- 102100040634 Actin filament-associated protein 1-like 2 Human genes 0.000 description 8
- 102100031936 Anterior gradient protein 2 homolog Human genes 0.000 description 8
- 102100031170 CCN family member 3 Human genes 0.000 description 8
- 102100027995 Collagenase 3 Human genes 0.000 description 8
- 102000017914 EDNRA Human genes 0.000 description 8
- 102100033167 Elastin Human genes 0.000 description 8
- 102100026761 Eukaryotic translation initiation factor 5A-1 Human genes 0.000 description 8
- 102100028065 Fibulin-5 Human genes 0.000 description 8
- 102100033299 Glia-derived nexin Human genes 0.000 description 8
- 101001108634 Homo sapiens 60S ribosomal protein L10 Proteins 0.000 description 8
- 101000892366 Homo sapiens Actin filament-associated protein 1-like 2 Proteins 0.000 description 8
- 101000775021 Homo sapiens Anterior gradient protein 2 homolog Proteins 0.000 description 8
- 101000777555 Homo sapiens CCN family member 3 Proteins 0.000 description 8
- 101000577887 Homo sapiens Collagenase 3 Proteins 0.000 description 8
- 101000851054 Homo sapiens Elastin Proteins 0.000 description 8
- 101000967336 Homo sapiens Endothelin-1 receptor Proteins 0.000 description 8
- 101001054354 Homo sapiens Eukaryotic translation initiation factor 5A-1 Proteins 0.000 description 8
- 101001060252 Homo sapiens Fibulin-5 Proteins 0.000 description 8
- 101000997803 Homo sapiens Glia-derived nexin Proteins 0.000 description 8
- 101001066435 Homo sapiens Hepatocyte growth factor-like protein Proteins 0.000 description 8
- 101000981546 Homo sapiens LHFPL tetraspan subfamily member 6 protein Proteins 0.000 description 8
- 101001098256 Homo sapiens Lysophospholipase Proteins 0.000 description 8
- 101000721992 Homo sapiens Olfactomedin-like protein 2A Proteins 0.000 description 8
- 101001067189 Homo sapiens Plexin-A1 Proteins 0.000 description 8
- 101000686246 Homo sapiens Ras-related protein R-Ras Proteins 0.000 description 8
- 101000880431 Homo sapiens Serine/threonine-protein kinase 4 Proteins 0.000 description 8
- 101000687673 Homo sapiens Small integral membrane protein 6 Proteins 0.000 description 8
- 101000585019 Homo sapiens Striatin-3 Proteins 0.000 description 8
- 101000946833 Homo sapiens T-cell surface glycoprotein CD8 beta chain Proteins 0.000 description 8
- 101000909637 Homo sapiens Transcription factor COE1 Proteins 0.000 description 8
- 101000597779 Homo sapiens Tumor necrosis factor ligand superfamily member 18 Proteins 0.000 description 8
- 101000638886 Homo sapiens Urokinase-type plasminogen activator Proteins 0.000 description 8
- 241000701044 Human gammaherpesvirus 4 Species 0.000 description 8
- 102100024116 LHFPL tetraspan subfamily member 6 protein Human genes 0.000 description 8
- 102100037611 Lysophospholipase Human genes 0.000 description 8
- 108010018525 NFATC Transcription Factors Proteins 0.000 description 8
- 102000002673 NFATC Transcription Factors Human genes 0.000 description 8
- 102100025404 Olfactomedin-like protein 2A Human genes 0.000 description 8
- 102100024683 Ras-related protein R-Ras Human genes 0.000 description 8
- 102100037629 Serine/threonine-protein kinase 4 Human genes 0.000 description 8
- 102100029955 Striatin-3 Human genes 0.000 description 8
- 102100034928 T-cell surface glycoprotein CD8 beta chain Human genes 0.000 description 8
- 102100024207 Transcription factor COE1 Human genes 0.000 description 8
- 102100035283 Tumor necrosis factor ligand superfamily member 18 Human genes 0.000 description 8
- 102100031358 Urokinase-type plasminogen activator Human genes 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 8
- 210000002889 endothelial cell Anatomy 0.000 description 8
- 210000002865 immune cell Anatomy 0.000 description 8
- 239000007787 solid Substances 0.000 description 8
- 102100027400 A disintegrin and metalloproteinase with thrombospondin motifs 4 Human genes 0.000 description 7
- 108091005664 ADAMTS4 Proteins 0.000 description 7
- 102100021633 Cathepsin B Human genes 0.000 description 7
- 102000048988 Hemochromatosis Human genes 0.000 description 7
- 108700022944 Hemochromatosis Proteins 0.000 description 7
- 101150065637 Hfe gene Proteins 0.000 description 7
- 101000898449 Homo sapiens Cathepsin B Proteins 0.000 description 7
- 101000760817 Homo sapiens Macrophage-capping protein Proteins 0.000 description 7
- 101001028019 Homo sapiens Metastasis-associated protein MTA2 Proteins 0.000 description 7
- 101100078258 Homo sapiens RUNX1T1 gene Proteins 0.000 description 7
- 101000994788 Homo sapiens Ras GTPase-activating-like protein IQGAP3 Proteins 0.000 description 7
- 101000763433 Homo sapiens Transmembrane protein 204 Proteins 0.000 description 7
- 206010061218 Inflammation Diseases 0.000 description 7
- 102100024573 Macrophage-capping protein Human genes 0.000 description 7
- 102100037511 Metastasis-associated protein MTA2 Human genes 0.000 description 7
- 108010022233 Plasminogen Activator Inhibitor 1 Proteins 0.000 description 7
- 102100039418 Plasminogen activator inhibitor 1 Human genes 0.000 description 7
- 108700040655 RUNX1 Translocation Partner 1 Proteins 0.000 description 7
- 102100034417 Ras GTPase-activating-like protein IQGAP3 Human genes 0.000 description 7
- 102100027027 Transmembrane protein 204 Human genes 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000001965 increasing effect Effects 0.000 description 7
- 230000004054 inflammatory process Effects 0.000 description 7
- 239000000047 product Substances 0.000 description 7
- 241000894007 species Species 0.000 description 7
- 238000007482 whole exome sequencing Methods 0.000 description 7
- 102100021257 Beta-secretase 1 Human genes 0.000 description 6
- 102100040496 Collagen alpha-2(VIII) chain Human genes 0.000 description 6
- 108010047041 Complementarity Determining Regions Proteins 0.000 description 6
- 102100023077 Extracellular matrix protein 2 Human genes 0.000 description 6
- 102100035340 Guanine nucleotide-binding protein subunit beta-4 Human genes 0.000 description 6
- 102100039990 Hairy/enhancer-of-split related with YRPW motif protein 2 Human genes 0.000 description 6
- 102100039171 Heat shock protein beta-2 Human genes 0.000 description 6
- 102100037099 Homeobox protein MOX-1 Human genes 0.000 description 6
- 101000894895 Homo sapiens Beta-secretase 1 Proteins 0.000 description 6
- 101000749886 Homo sapiens Collagen alpha-2(VIII) chain Proteins 0.000 description 6
- 101001050211 Homo sapiens Extracellular matrix protein 2 Proteins 0.000 description 6
- 101001024249 Homo sapiens Guanine nucleotide-binding protein subunit beta-4 Proteins 0.000 description 6
- 101001035089 Homo sapiens Hairy/enhancer-of-split related with YRPW motif protein 2 Proteins 0.000 description 6
- 101000955035 Homo sapiens Homeobox protein MOX-1 Proteins 0.000 description 6
- 101000919167 Homo sapiens Inactive carboxypeptidase-like protein X2 Proteins 0.000 description 6
- 101000975428 Homo sapiens Inositol 1,4,5-trisphosphate receptor type 1 Proteins 0.000 description 6
- 101001035232 Homo sapiens Integrin alpha-9 Proteins 0.000 description 6
- 101000959794 Homo sapiens Interferon alpha-2 Proteins 0.000 description 6
- 101001054334 Homo sapiens Interferon beta Proteins 0.000 description 6
- 101001050320 Homo sapiens Junctional adhesion molecule B Proteins 0.000 description 6
- 101001050321 Homo sapiens Junctional adhesion molecule C Proteins 0.000 description 6
- 101001008558 Homo sapiens Laminin subunit beta-2 Proteins 0.000 description 6
- 101000946306 Homo sapiens Laminin subunit gamma-1 Proteins 0.000 description 6
- 101000978212 Homo sapiens Latent-transforming growth factor beta-binding protein 4 Proteins 0.000 description 6
- 101000622137 Homo sapiens P-selectin Proteins 0.000 description 6
- 101000702560 Homo sapiens Probable global transcription activator SNF2L1 Proteins 0.000 description 6
- 101000654560 Homo sapiens SH3-containing GRB2-like protein 3-interacting protein 1 Proteins 0.000 description 6
- 101000642262 Homo sapiens Spondin-1 Proteins 0.000 description 6
- 101000988412 Homo sapiens cGMP-specific 3',5'-cyclic phosphodiesterase Proteins 0.000 description 6
- 101150081092 Hspb2 gene Proteins 0.000 description 6
- 102100029326 Inactive carboxypeptidase-like protein X2 Human genes 0.000 description 6
- 102100024039 Inositol 1,4,5-trisphosphate receptor type 1 Human genes 0.000 description 6
- 102100039903 Integrin alpha-9 Human genes 0.000 description 6
- 102100040018 Interferon alpha-2 Human genes 0.000 description 6
- 102100026720 Interferon beta Human genes 0.000 description 6
- 102100023430 Junctional adhesion molecule B Human genes 0.000 description 6
- 102100023429 Junctional adhesion molecule C Human genes 0.000 description 6
- 102000017714 KCNJ8 Human genes 0.000 description 6
- 102100027454 Laminin subunit beta-2 Human genes 0.000 description 6
- 102100023757 Latent-transforming growth factor beta-binding protein 4 Human genes 0.000 description 6
- 102100023472 P-selectin Human genes 0.000 description 6
- 102100031031 Probable global transcription activator SNF2L1 Human genes 0.000 description 6
- 108091008773 RAR-related orphan receptors γ Proteins 0.000 description 6
- 102100037420 Regulator of G-protein signaling 4 Human genes 0.000 description 6
- 101710140404 Regulator of G-protein signaling 4 Proteins 0.000 description 6
- 102100032641 SH3-containing GRB2-like protein 3-interacting protein 1 Human genes 0.000 description 6
- 101000873420 Simian virus 40 SV40 early leader protein Proteins 0.000 description 6
- 102100036428 Spondin-1 Human genes 0.000 description 6
- 108010029625 T-Box Domain Protein 2 Proteins 0.000 description 6
- 102100038721 T-box transcription factor TBX2 Human genes 0.000 description 6
- 108010060818 Toll-Like Receptor 9 Proteins 0.000 description 6
- 102100033117 Toll-like receptor 9 Human genes 0.000 description 6
- 150000001413 amino acids Chemical class 0.000 description 6
- 238000013459 approach Methods 0.000 description 6
- 239000012472 biological sample Substances 0.000 description 6
- 102100029175 cGMP-specific 3',5'-cyclic phosphodiesterase Human genes 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 238000013178 mathematical model Methods 0.000 description 6
- 230000036961 partial effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004574 scanning tunneling microscopy Methods 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 6
- 208000024891 symptom Diseases 0.000 description 6
- 230000001225 therapeutic effect Effects 0.000 description 6
- 108010000982 uK-ATP-1 potassium channel Proteins 0.000 description 6
- 102000016928 DNA-directed DNA polymerase Human genes 0.000 description 5
- 108010014303 DNA-directed DNA polymerase Proteins 0.000 description 5
- 102100031534 E3 ubiquitin-protein ligase RNF144A Human genes 0.000 description 5
- 102100035144 Folate receptor beta Human genes 0.000 description 5
- 102100035902 Glutamate decarboxylase 1 Human genes 0.000 description 5
- 102100040754 Guanylate cyclase soluble subunit alpha-1 Human genes 0.000 description 5
- 102100028006 Heme oxygenase 1 Human genes 0.000 description 5
- 101001023204 Homo sapiens Folate receptor beta Proteins 0.000 description 5
- 101000873546 Homo sapiens Glutamate decarboxylase 1 Proteins 0.000 description 5
- 101001038755 Homo sapiens Guanylate cyclase soluble subunit alpha-1 Proteins 0.000 description 5
- 101001079623 Homo sapiens Heme oxygenase 1 Proteins 0.000 description 5
- 101000840266 Homo sapiens Immunoglobulin lambda-like polypeptide 5 Proteins 0.000 description 5
- 101001096074 Homo sapiens Regenerating islet-derived protein 4 Proteins 0.000 description 5
- 101001095807 Homo sapiens Ribonuclease inhibitor Proteins 0.000 description 5
- 101000587442 Homo sapiens Serine/arginine-rich splicing factor 6 Proteins 0.000 description 5
- 101000671637 Homo sapiens Upstream stimulatory factor 1 Proteins 0.000 description 5
- 102100029617 Immunoglobulin lambda-like polypeptide 5 Human genes 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 5
- 108091028043 Nucleic acid sequence Proteins 0.000 description 5
- 108091007328 RNF144A Proteins 0.000 description 5
- 102100037889 Regenerating islet-derived protein 4 Human genes 0.000 description 5
- 102100025290 Ribonuclease H1 Human genes 0.000 description 5
- 102100029710 Serine/arginine-rich splicing factor 6 Human genes 0.000 description 5
- 102100040105 Upstream stimulatory factor 1 Human genes 0.000 description 5
- 108010075653 Utrophin Proteins 0.000 description 5
- 102000011856 Utrophin Human genes 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000009396 hybridization Methods 0.000 description 5
- 235000019689 luncheon sausage Nutrition 0.000 description 5
- 230000000144 pharmacologic effect Effects 0.000 description 5
- 238000002360 preparation method Methods 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- 101150084750 1 gene Proteins 0.000 description 4
- 101150028074 2 gene Proteins 0.000 description 4
- KXSKAZFMTGADIV-UHFFFAOYSA-N 2-[3-(2-hydroxyethoxy)propoxy]ethanol Chemical compound OCCOCCCOCCO KXSKAZFMTGADIV-UHFFFAOYSA-N 0.000 description 4
- 108091058539 C10orf54 Proteins 0.000 description 4
- 102100032231 Caveolae-associated protein 2 Human genes 0.000 description 4
- 102100029672 E3 ubiquitin-protein ligase TRIM7 Human genes 0.000 description 4
- 101000869050 Homo sapiens Caveolae-associated protein 2 Proteins 0.000 description 4
- 101000795296 Homo sapiens E3 ubiquitin-protein ligase TRIM7 Proteins 0.000 description 4
- 101000582994 Homo sapiens Myelin regulatory factor Proteins 0.000 description 4
- 101000693243 Homo sapiens Paternally-expressed gene 3 protein Proteins 0.000 description 4
- 101000795793 Homo sapiens Tetratricopeptide repeat protein 28 Proteins 0.000 description 4
- 229940076838 Immune checkpoint inhibitor Drugs 0.000 description 4
- 102100030372 Myelin regulatory factor Human genes 0.000 description 4
- 108091034117 Oligonucleotide Proteins 0.000 description 4
- 102100025757 Paternally-expressed gene 3 protein Human genes 0.000 description 4
- 102100031744 Tetratricopeptide repeat protein 28 Human genes 0.000 description 4
- 108010053099 Vascular Endothelial Growth Factor Receptor-2 Proteins 0.000 description 4
- 102100033177 Vascular endothelial growth factor receptor 2 Human genes 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000003556 assay Methods 0.000 description 4
- 239000011324 bead Substances 0.000 description 4
- 238000003776 cleavage reaction Methods 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 4
- 238000002790 cross-validation Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 210000004602 germ cell Anatomy 0.000 description 4
- 239000012274 immune-checkpoint protein inhibitor Substances 0.000 description 4
- 238000002347 injection Methods 0.000 description 4
- 239000007924 injection Substances 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000035772 mutation Effects 0.000 description 4
- 239000002070 nanowire Substances 0.000 description 4
- 238000011002 quantification Methods 0.000 description 4
- 230000002441 reversible effect Effects 0.000 description 4
- 230000007017 scission Effects 0.000 description 4
- 238000007841 sequencing by ligation Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 102000053602 DNA Human genes 0.000 description 3
- 230000006820 DNA synthesis Effects 0.000 description 3
- 102000004190 Enzymes Human genes 0.000 description 3
- 108090000790 Enzymes Proteins 0.000 description 3
- 101000686034 Homo sapiens Nuclear receptor ROR-gamma Proteins 0.000 description 3
- 101000596005 Homo sapiens Phospholipid scramblase 2 Proteins 0.000 description 3
- 101000595923 Homo sapiens Placenta growth factor Proteins 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 102100035170 Phospholipid scramblase 2 Human genes 0.000 description 3
- 102000009524 Vascular Endothelial Growth Factor A Human genes 0.000 description 3
- 238000007792 addition Methods 0.000 description 3
- 238000010171 animal model Methods 0.000 description 3
- 238000000137 annealing Methods 0.000 description 3
- 229940049595 antibody-drug conjugate Drugs 0.000 description 3
- 239000013060 biological fluid Substances 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 239000000975 dye Substances 0.000 description 3
- 229940088598 enzyme Drugs 0.000 description 3
- 238000007672 fourth generation sequencing Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 230000007938 immune gene expression Effects 0.000 description 3
- 210000000987 immune system Anatomy 0.000 description 3
- 229940072221 immunoglobulins Drugs 0.000 description 3
- 238000001727 in vivo Methods 0.000 description 3
- 238000010348 incorporation Methods 0.000 description 3
- 239000003446 ligand Substances 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000010534 mechanism of action Effects 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 229940121497 sintilimab Drugs 0.000 description 3
- 239000007790 solid phase Substances 0.000 description 3
- 238000013517 stratification Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 210000004881 tumor cell Anatomy 0.000 description 3
- 101150110188 30 gene Proteins 0.000 description 2
- 101710144268 B- and T-lymphocyte attenuator Proteins 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 201000009030 Carcinoma Diseases 0.000 description 2
- 102100038909 Caveolin-2 Human genes 0.000 description 2
- 102000012410 DNA Ligases Human genes 0.000 description 2
- 108010061982 DNA Ligases Proteins 0.000 description 2
- 238000000018 DNA microarray Methods 0.000 description 2
- 241000027355 Ferocactus setispinus Species 0.000 description 2
- 102000003886 Glycoproteins Human genes 0.000 description 2
- 108090000288 Glycoproteins Proteins 0.000 description 2
- 241000282412 Homo Species 0.000 description 2
- 101000740981 Homo sapiens Caveolin-2 Proteins 0.000 description 2
- 101000611183 Homo sapiens Tumor necrosis factor Proteins 0.000 description 2
- 102100020862 Lymphocyte activation gene 3 protein Human genes 0.000 description 2
- 241000124008 Mammalia Species 0.000 description 2
- 108700020796 Oncogene Proteins 0.000 description 2
- 102000016978 Orphan receptors Human genes 0.000 description 2
- 108070000031 Orphan receptors Proteins 0.000 description 2
- 101710178747 Phosphatidate cytidylyltransferase 1 Proteins 0.000 description 2
- 102100033118 Phosphatidate cytidylyltransferase 1 Human genes 0.000 description 2
- 108010029485 Protein Isoforms Proteins 0.000 description 2
- 102000001708 Protein Isoforms Human genes 0.000 description 2
- 210000001744 T-lymphocyte Anatomy 0.000 description 2
- 101710149792 Triosephosphate isomerase, chloroplastic Proteins 0.000 description 2
- 101710195516 Triosephosphate isomerase, glycosomal Proteins 0.000 description 2
- 108060008683 Tumor Necrosis Factor Receptor Proteins 0.000 description 2
- 102000044209 Tumor Suppressor Genes Human genes 0.000 description 2
- 108700025716 Tumor Suppressor Genes Proteins 0.000 description 2
- 102100040247 Tumor necrosis factor Human genes 0.000 description 2
- 239000013543 active substance Substances 0.000 description 2
- 239000000611 antibody drug conjugate Substances 0.000 description 2
- 230000000890 antigenic effect Effects 0.000 description 2
- 239000012620 biological material Substances 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 210000001185 bone marrow Anatomy 0.000 description 2
- 239000002041 carbon nanotube Substances 0.000 description 2
- 229910021393 carbon nanotube Inorganic materials 0.000 description 2
- 230000004663 cell proliferation Effects 0.000 description 2
- 238000002648 combination therapy Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- BFMYDTVEBKDAKJ-UHFFFAOYSA-L disodium;(2',7'-dibromo-3',6'-dioxido-3-oxospiro[2-benzofuran-1,9'-xanthene]-4'-yl)mercury;hydrate Chemical compound O.[Na+].[Na+].O1C(=O)C2=CC=CC=C2C21C1=CC(Br)=C([O-])C([Hg])=C1OC1=C2C=C(Br)C([O-])=C1 BFMYDTVEBKDAKJ-UHFFFAOYSA-L 0.000 description 2
- 239000012636 effector Substances 0.000 description 2
- 239000000839 emulsion Substances 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 210000002950 fibroblast Anatomy 0.000 description 2
- 238000000799 fluorescence microscopy Methods 0.000 description 2
- 238000002866 fluorescence resonance energy transfer Methods 0.000 description 2
- 239000012520 frozen sample Substances 0.000 description 2
- 230000004547 gene signature Effects 0.000 description 2
- 238000012151 immunohistochemical method Methods 0.000 description 2
- 238000009169 immunotherapy Methods 0.000 description 2
- 238000000338 in vitro Methods 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 230000028709 inflammatory response Effects 0.000 description 2
- 238000001802 infusion Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000007918 intramuscular administration Methods 0.000 description 2
- 238000007912 intraperitoneal administration Methods 0.000 description 2
- 238000001990 intravenous administration Methods 0.000 description 2
- 108010025001 leukocyte-associated immunoglobulin-like receptor 1 Proteins 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000002071 nanotube Substances 0.000 description 2
- 150000002894 organic compounds Chemical class 0.000 description 2
- 229920002401 polyacrylamide Polymers 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000037452 priming Effects 0.000 description 2
- 238000010188 recombinant method Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004043 responsiveness Effects 0.000 description 2
- 102000003702 retinoic acid receptors Human genes 0.000 description 2
- 108090000064 retinoic acid receptors Proteins 0.000 description 2
- 238000002864 sequence alignment Methods 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 238000009097 single-agent therapy Methods 0.000 description 2
- 238000007920 subcutaneous administration Methods 0.000 description 2
- 230000000699 topical effect Effects 0.000 description 2
- 230000004614 tumor growth Effects 0.000 description 2
- 102000003298 tumor necrosis factor receptor Human genes 0.000 description 2
- 229940061162 varisacumab Drugs 0.000 description 2
- 101150040390 105 gene Proteins 0.000 description 1
- 101150022407 124 gene Proteins 0.000 description 1
- ACLYMWAQSAEILP-UHFFFAOYSA-N 2-(3-ethoxy-5-methoxy-4-methylsulfanylphenyl)ethanamine Chemical compound CCOC1=CC(CCN)=CC(OC)=C1SC ACLYMWAQSAEILP-UHFFFAOYSA-N 0.000 description 1
- 101150079187 87 gene Proteins 0.000 description 1
- 101150055707 98 gene Proteins 0.000 description 1
- 206010069754 Acquired gene mutation Diseases 0.000 description 1
- 102100034540 Adenomatous polyposis coli protein Human genes 0.000 description 1
- 241000282979 Alces alces Species 0.000 description 1
- 235000002198 Annona diversifolia Nutrition 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 101000840545 Bacillus thuringiensis L-isoleucine-4-hydroxylase Proteins 0.000 description 1
- 241000701844 Bacillus virus phi29 Species 0.000 description 1
- 241000283726 Bison Species 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000283707 Capra Species 0.000 description 1
- 241000700198 Cavia Species 0.000 description 1
- 241000282693 Cercopithecidae Species 0.000 description 1
- 241000282994 Cervidae Species 0.000 description 1
- 108010077544 Chromatin Proteins 0.000 description 1
- 108020004705 Codon Proteins 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- 102000008186 Collagen Human genes 0.000 description 1
- 108020004635 Complementary DNA Proteins 0.000 description 1
- 108010043471 Core Binding Factor Alpha 2 Subunit Proteins 0.000 description 1
- 102000004127 Cytokines Human genes 0.000 description 1
- 108090000695 Cytokines Proteins 0.000 description 1
- 230000004544 DNA amplification Effects 0.000 description 1
- 230000005778 DNA damage Effects 0.000 description 1
- 231100000277 DNA damage Toxicity 0.000 description 1
- 238000002965 ELISA Methods 0.000 description 1
- 102000016942 Elastin Human genes 0.000 description 1
- 108010014258 Elastin Proteins 0.000 description 1
- 241000283086 Equidae Species 0.000 description 1
- 102000010834 Extracellular Matrix Proteins Human genes 0.000 description 1
- 108010037362 Extracellular Matrix Proteins Proteins 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 206010064571 Gene mutation Diseases 0.000 description 1
- 229920002683 Glycosaminoglycan Polymers 0.000 description 1
- 101000617830 Homo sapiens Sterol O-acyltransferase 1 Proteins 0.000 description 1
- 101000914514 Homo sapiens T-cell-specific surface glycoprotein CD28 Proteins 0.000 description 1
- 108010054477 Immunoglobulin Fab Fragments Proteins 0.000 description 1
- 102000001706 Immunoglobulin Fab Fragments Human genes 0.000 description 1
- 108010021625 Immunoglobulin Fragments Proteins 0.000 description 1
- 102000008394 Immunoglobulin Fragments Human genes 0.000 description 1
- 108010067060 Immunoglobulin Variable Region Proteins 0.000 description 1
- 102000017727 Immunoglobulin Variable Region Human genes 0.000 description 1
- 241000282838 Lama Species 0.000 description 1
- 206010023825 Laryngeal cancer Diseases 0.000 description 1
- 108091054455 MAP kinase family Proteins 0.000 description 1
- 102000043136 MAP kinase family Human genes 0.000 description 1
- 102000012750 Membrane Glycoproteins Human genes 0.000 description 1
- 108010090054 Membrane Glycoproteins Proteins 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 241001529936 Murinae Species 0.000 description 1
- 241000699666 Mus <mouse, genus> Species 0.000 description 1
- 101100519207 Mus musculus Pdcd1 gene Proteins 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 206010028851 Necrosis Diseases 0.000 description 1
- 206010029113 Neovascularisation Diseases 0.000 description 1
- 102000014736 Notch Human genes 0.000 description 1
- 108010070047 Notch Receptors Proteins 0.000 description 1
- 101710163270 Nuclease Proteins 0.000 description 1
- 108091005461 Nucleic proteins Proteins 0.000 description 1
- 102000043276 Oncogene Human genes 0.000 description 1
- 241000283973 Oryctolagus cuniculus Species 0.000 description 1
- 241000283903 Ovis aries Species 0.000 description 1
- 102000038030 PI3Ks Human genes 0.000 description 1
- 108091007960 PI3Ks Proteins 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- 108090000526 Papain Proteins 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 108090000284 Pepsin A Proteins 0.000 description 1
- 102000057297 Pepsin A Human genes 0.000 description 1
- 241000288906 Primates Species 0.000 description 1
- 239000004365 Protease Substances 0.000 description 1
- 108010067787 Proteoglycans Proteins 0.000 description 1
- 102000016611 Proteoglycans Human genes 0.000 description 1
- 241000700159 Rattus Species 0.000 description 1
- 108020004511 Recombinant DNA Proteins 0.000 description 1
- 102100025373 Runt-related transcription factor 1 Human genes 0.000 description 1
- 101001037255 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) Indoleamine 2,3-dioxygenase Proteins 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 102100021993 Sterol O-acyltransferase 1 Human genes 0.000 description 1
- 101000697584 Streptomyces lavendulae Streptothricin acetyltransferase Proteins 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 241000282898 Sus scrofa Species 0.000 description 1
- 230000006044 T cell activation Effects 0.000 description 1
- 102100027213 T-cell-specific surface glycoprotein CD28 Human genes 0.000 description 1
- 102000002689 Toll-like receptor Human genes 0.000 description 1
- 108020000411 Toll-like receptor Proteins 0.000 description 1
- 206010066901 Treatment failure Diseases 0.000 description 1
- 101710165434 Tumor necrosis factor receptor superfamily member 9 Proteins 0.000 description 1
- 206010054094 Tumour necrosis Diseases 0.000 description 1
- 241000251539 Vertebrata <Metazoa> Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 125000000539 amino acid group Chemical group 0.000 description 1
- 239000003242 anti bacterial agent Substances 0.000 description 1
- 229940124650 anti-cancer therapies Drugs 0.000 description 1
- 230000000692 anti-sense effect Effects 0.000 description 1
- 230000000259 anti-tumor effect Effects 0.000 description 1
- 229940088710 antibiotic agent Drugs 0.000 description 1
- 239000003146 anticoagulant agent Substances 0.000 description 1
- 229940127219 anticoagulant drug Drugs 0.000 description 1
- 230000005775 apoptotic pathway Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 208000015677 autosomal recessive mendelian susceptibility to mycobacterial diseases due to complete RORgamma receptor deficiency Diseases 0.000 description 1
- 238000003705 background correction Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 210000004899 c-terminal region Anatomy 0.000 description 1
- 244000309466 calf Species 0.000 description 1
- 230000005907 cancer growth Effects 0.000 description 1
- 230000008235 cell cycle pathway Effects 0.000 description 1
- 230000032823 cell division Effects 0.000 description 1
- 230000033026 cell fate determination Effects 0.000 description 1
- 230000010261 cell growth Effects 0.000 description 1
- 239000013592 cell lysate Substances 0.000 description 1
- 230000033077 cellular process Effects 0.000 description 1
- 230000005754 cellular signaling Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 210000003483 chromatin Anatomy 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000011281 clinical therapy Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 229920001436 collagen Polymers 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000004154 complement system Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000009260 cross reactivity Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012350 deep sequencing Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 239000000104 diagnostic biomarker Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000857 drug effect Effects 0.000 description 1
- 239000003596 drug target Substances 0.000 description 1
- 210000001951 dura mater Anatomy 0.000 description 1
- 229920002549 elastin Polymers 0.000 description 1
- 238000001962 electrophoresis Methods 0.000 description 1
- 238000004520 electroporation Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002255 enzymatic effect Effects 0.000 description 1
- 238000006911 enzymatic reaction Methods 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011985 exploratory data analysis Methods 0.000 description 1
- 238000010195 expression analysis Methods 0.000 description 1
- 210000002744 extracellular matrix Anatomy 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 239000000834 fixative Substances 0.000 description 1
- 239000007850 fluorescent dye Substances 0.000 description 1
- 102000006815 folate receptor Human genes 0.000 description 1
- 108020005243 folate receptor Proteins 0.000 description 1
- 239000000499 gel Substances 0.000 description 1
- 210000004392 genitalia Anatomy 0.000 description 1
- 108060003196 globin Proteins 0.000 description 1
- 102000018146 globin Human genes 0.000 description 1
- 239000003862 glucocorticoid Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 238000004128 high performance liquid chromatography Methods 0.000 description 1
- 210000004408 hybridoma Anatomy 0.000 description 1
- 230000036737 immune function Effects 0.000 description 1
- 208000014136 immunodeficiency 16 Diseases 0.000 description 1
- 208000013495 immunodeficiency 42 Diseases 0.000 description 1
- 230000005847 immunogenicity Effects 0.000 description 1
- 238000011532 immunohistochemical staining Methods 0.000 description 1
- 238000003364 immunohistochemistry Methods 0.000 description 1
- 210000005008 immunosuppressive cell Anatomy 0.000 description 1
- 230000001024 immunotherapeutic effect Effects 0.000 description 1
- 230000001976 improved effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000000099 in vitro assay Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000011337 individualized treatment Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000001361 intraarterial administration Methods 0.000 description 1
- 238000007913 intrathecal administration Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 206010023841 laryngeal neoplasm Diseases 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 210000001165 lymph node Anatomy 0.000 description 1
- 230000001926 lymphatic effect Effects 0.000 description 1
- 210000004324 lymphatic system Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000004379 membrane Anatomy 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- WSFSSNUMVMOOMR-NJFSPNSNSA-N methanone Chemical compound O=[14CH2] WSFSSNUMVMOOMR-NJFSPNSNSA-N 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 210000004985 myeloid-derived suppressor cell Anatomy 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000000440 neutrophil Anatomy 0.000 description 1
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 1
- 210000004882 non-tumor cell Anatomy 0.000 description 1
- 238000003203 nucleic acid sequencing method Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 229940055729 papain Drugs 0.000 description 1
- 235000019834 papain Nutrition 0.000 description 1
- 238000007911 parenteral administration Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 229940111202 pepsin Drugs 0.000 description 1
- 229940038309 personalized vaccine Drugs 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 229920001184 polypeptide Polymers 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000003755 preservative agent Substances 0.000 description 1
- 125000002924 primary amino group Chemical group [H]N([H])* 0.000 description 1
- 102000004196 processed proteins & peptides Human genes 0.000 description 1
- 108090000765 processed proteins & peptides Proteins 0.000 description 1
- 239000000092 prognostic biomarker Substances 0.000 description 1
- 230000002062 proliferating effect Effects 0.000 description 1
- 238000011321 prophylaxis Methods 0.000 description 1
- 238000012175 pyrosequencing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000002708 random mutagenesis Methods 0.000 description 1
- 102000016914 ras Proteins Human genes 0.000 description 1
- 238000003753 real-time PCR Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 230000003248 secreting effect Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000019491 signal transduction Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000002741 site-directed mutagenesis Methods 0.000 description 1
- 230000037439 somatic mutation Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 210000002536 stromal cell Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000011200 topical administration Methods 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 230000002103 transcriptional effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000009261 transgenic effect Effects 0.000 description 1
- 238000002054 transplantation Methods 0.000 description 1
- 229960000575 trastuzumab Drugs 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 208000029729 tumor suppressor gene on chromosome 11 Diseases 0.000 description 1
- 210000004981 tumor-associated macrophage Anatomy 0.000 description 1
- 210000003171 tumor-infiltrating lymphocyte Anatomy 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- 230000004222 uncontrolled growth Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 230000008728 vascular permeability Effects 0.000 description 1
- 238000001262 western blot Methods 0.000 description 1
Images
Classifications
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K31/00—Medicinal preparations containing organic active ingredients
- A61K31/33—Heterocyclic compounds
- A61K31/395—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine or rifamycins
- A61K31/495—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine or rifamycins having six-membered rings with two or more nitrogen atoms as the only ring heteroatoms, e.g. piperazine or tetrazines
- A61K31/505—Pyrimidines; Hydrogenated pyrimidines, e.g. trimethoprim
- A61K31/517—Pyrimidines; Hydrogenated pyrimidines, e.g. trimethoprim ortho- or peri-condensed with carbocyclic ring systems, e.g. quinazoline, perimidine
-
- 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
-
- 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
- A61K38/18—Growth factors; Growth regulators
- A61K38/1891—Angiogenesic factors; Angiogenin
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K39/00—Medicinal preparations containing antigens or antibodies
- A61K39/395—Antibodies; Immunoglobulins; Immune serum, e.g. antilymphocytic serum
- A61K39/39533—Antibodies; Immunoglobulins; Immune serum, e.g. antilymphocytic serum against materials from animals
- A61K39/3955—Antibodies; Immunoglobulins; Immune serum, e.g. antilymphocytic serum against materials from animals against proteinaceous materials, e.g. enzymes, hormones, lymphokines
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K45/00—Medicinal preparations containing active ingredients not provided for in groups A61K31/00 - A61K41/00
- A61K45/06—Mixtures of active ingredients without chemical characterisation, e.g. antiphlogistics and cardiaca
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
- A61P35/00—Antineoplastic agents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
- A61P35/00—Antineoplastic agents
- A61P35/04—Antineoplastic agents specific for metastasis
-
- 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
- C07K16/22—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against growth factors ; against growth regulators
-
- 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
- C07K16/28—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against receptors, cell surface antigens or cell surface determinants
- C07K16/2803—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against receptors, cell surface antigens or cell surface determinants against the immunoglobulin superfamily
- C07K16/2818—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against receptors, cell surface antigens or cell surface determinants against the immunoglobulin superfamily against CD28 or CD152
-
- 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
- C07K16/28—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against receptors, cell surface antigens or cell surface determinants
- C07K16/2863—Immunoglobulins [IGs], e.g. monoclonal or polyclonal antibodies against material from animals or humans against receptors, cell surface antigens or cell surface determinants against receptors for growth factors, growth regulators
-
- 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
- C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
-
- 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
- G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
- G01N33/5091—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing the pathological state of an organism
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
-
- 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
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
-
- 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
- G16B40/20—Supervised data analysis
-
- 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
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
- G16B5/20—Probabilistic models
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K39/00—Medicinal preparations containing antigens or antibodies
- A61K2039/505—Medicinal preparations containing antigens or antibodies comprising antibodies
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K39/00—Medicinal preparations containing antigens or antibodies
- A61K2039/505—Medicinal preparations containing antigens or antibodies comprising antibodies
- A61K2039/507—Comprising a combination of two or more separate antibodies
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K39/00—Medicinal preparations containing antigens or antibodies
-
- C—CHEMISTRY; METALLURGY
- C07—ORGANIC CHEMISTRY
- C07K—PEPTIDES
- C07K2317/00—Immunoglobulins specific features
- C07K2317/30—Immunoglobulins specific features characterized by aspects of specificity or valency
- C07K2317/31—Immunoglobulins specific features characterized by aspects of specificity or valency multispecific
-
- C—CHEMISTRY; METALLURGY
- C07—ORGANIC CHEMISTRY
- C07K—PEPTIDES
- C07K2317/00—Immunoglobulins specific features
- C07K2317/30—Immunoglobulins specific features characterized by aspects of specificity or valency
- C07K2317/33—Crossreactivity, e.g. for species or epitope, or lack of said crossreactivity
-
- 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
- C12Q2539/00—Reactions characterised by analysis of gene expression or genome comparison
-
- 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
- C12Q2545/00—Reactions characterised by their quantitative nature
- C12Q2545/10—Reactions characterised by their quantitative nature the purpose being quantitative analysis
-
- 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
- C12Q2565/00—Nucleic acid analysis characterised by mode or means of detection
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/112—Disease subtyping, staging or classification
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/158—Expression markers
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32335—Use of ann, neural network
-
- 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
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
- G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Immunology (AREA)
- Biophysics (AREA)
- Medicinal Chemistry (AREA)
- Organic Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Epidemiology (AREA)
- Molecular Biology (AREA)
- Genetics & Genomics (AREA)
- Theoretical Computer Science (AREA)
- Biotechnology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Pharmacology & Pharmacy (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biomedical Technology (AREA)
- Zoology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Artificial Intelligence (AREA)
- Biochemistry (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Microbiology (AREA)
- Gastroenterology & Hepatology (AREA)
- Wood Science & Technology (AREA)
- Bioethics (AREA)
Abstract
本開示は、患者及び癌を分類するための集団及び非集団ベースの分類器を提供する。開示される集団ベースの分類器は、特定の遺伝子パネル中の遺伝子の発現に関連するシグネチャー、すなわちグローバルスコアを統合する。非集団ベースの分類器は、機械学習技術(例えば、回帰、ランダムフォレスト、又はANN)を用いて生成される。各種類の分類器は、腫瘍微小環境(TME)に従って患者及び癌をバイオマーカー陽性又はバイオマーカー陰性として層別化し、治療決定が次いで、特定のTMEの有無により誘導される。癌に罹患している対象、例えば、ヒト対象を治療する方法であって、開示される分類器に従って、癌のTMEの分類に応じて特定の療法を施行することを含む、方法も提供される。特定のTMEに分類した癌を有する対象に施行できる個別化治療、及び特定の療法剤による治療に適する癌に罹患したヒト対象を識別するために使用できる遺伝子パネルも、提供される。【選択図】図5
Description
電子的に提出された配列表への参照
電子的に提出された配列表(名前:44488_003PC04_Seqlisting_ST25.txt;サイズ:17,402バイト;及び作成日:2020年10月30日)の内容は、参照によりその全体が本明細書に組み込まれる。
電子的に提出された配列表(名前:44488_003PC04_Seqlisting_ST25.txt;サイズ:17,402バイト;及び作成日:2020年10月30日)の内容は、参照によりその全体が本明細書に組み込まれる。
分野
本開示は、特定の治療法で治療するための特異的TMEを有する癌患者の亜集団を明らかにするための、及び標的療法で特異的TMEを有する患者を治療するための、バイオマーカー遺伝子発現データから導出されたシグネチャースコア又は予測モデルに基づいて腫瘍微小環境(TME)を分類するための方法に関する。
本開示は、特定の治療法で治療するための特異的TMEを有する癌患者の亜集団を明らかにするための、及び標的療法で特異的TMEを有する患者を治療するための、バイオマーカー遺伝子発現データから導出されたシグネチャースコア又は予測モデルに基づいて腫瘍微小環境(TME)を分類するための方法に関する。
背景
癌の臨床管理における重要な問題は、癌が高度に不均一であることである。治療から最大限恩恵を受けることができる癌患者を選択するためのバイオマーカーは典型的には、薬物標的(例えば、受容体)の免疫組織化学又は発現、変異(例えば、BRCA)の遺伝子プロファイル、又は循環因子のレベルに依存している。この手法を用いるほんの一握りの薬物について診断開発が成功しており、癌細胞に対する標的療法のために、例えば、HER2/Neu受容体を過剰発現している癌を標的とする治療薬としてハーセプチン(登録商標)(トラスツズマブ)が一般的に使用されてきた。特定療法に対する個々の癌の応答性の正確な予測は一般的に、特定の受容体又は他の細胞シグナル伝達スイッチの存在又は不在などの、そのような応答性を調節する複数の因子のせいで達成できない。これは、治療の失敗をもたらす傾向があるか、又は相当な過剰治療につながる可能性がある。
癌の臨床管理における重要な問題は、癌が高度に不均一であることである。治療から最大限恩恵を受けることができる癌患者を選択するためのバイオマーカーは典型的には、薬物標的(例えば、受容体)の免疫組織化学又は発現、変異(例えば、BRCA)の遺伝子プロファイル、又は循環因子のレベルに依存している。この手法を用いるほんの一握りの薬物について診断開発が成功しており、癌細胞に対する標的療法のために、例えば、HER2/Neu受容体を過剰発現している癌を標的とする治療薬としてハーセプチン(登録商標)(トラスツズマブ)が一般的に使用されてきた。特定療法に対する個々の癌の応答性の正確な予測は一般的に、特定の受容体又は他の細胞シグナル伝達スイッチの存在又は不在などの、そのような応答性を調節する複数の因子のせいで達成できない。これは、治療の失敗をもたらす傾向があるか、又は相当な過剰治療につながる可能性がある。
癌の結果の予測は通常、原発腫瘍の外科的切除の間に得られた組織試料の組織病理学的評価によって達成される。伝統的な腫瘍の進行度診断(AJCC/UICC-TNM分類)は、腫瘍負荷(T)、流入領域リンパ節及び所属リンパ節における癌細胞の存在(N)及び転移の証拠(M)に関するデータをまとめる。現在の分類は、制限された予後情報を提供し、治療法に対する応答を予測しない。多くの特許出願が、固形癌に罹患している患者の生存時間の予後診断の方法、及び/又は例えば、免疫バイオマーカーを測定することにより固形癌に罹患している患者の抗腫瘍治療に対する応答性を評価する方法を記載している。例えば、国際出願公開WO2015007625、WO2014023706、WO2014009535、WO2013186374、WO2013107907、WO2013107900、WO2012095448、WO2012072750及びWO2007045996を参照されたく、これらの全ては、参照によりその全体が本明細書に組み込まれる。さらに、抗癌剤は、特有の患者特性に基づきそれらの有効性が変わり得る。
したがって、特定の抗癌剤に応答する可能性が高い患者を識別し、これにより、癌と診断された患者の臨床結果を改善する、標的化治療戦略が必要とされている。
本開示は、それを必要とする対象において癌の、間質表現型又は間質サブタイプとしても知られる、腫瘍微小環境(TME)を決定するための方法であって、対象由来の腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器を適用する工程を含み、機械学習分類器は、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTME分類を示す(すなわち、バイオマーカー陽性である)か、又は示さない(すなわち、バイオマーカー陰性である)として対象を識別する、方法を提供する。
癌に罹患したヒト対象を治療するための方法であって、対象にTMEクラス特異的療法を施す工程を含み、施行前に、対象は、対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器を適用することによって決定されるTMEを示す(すなわち、バイオマーカー陽性である)か、又は示さない(すなわち、バイオマーカー陰性である)と識別され、TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択される、方法も提供される。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、
(i)施行前に、対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器を適用することによって、TMEを示す(すなわち、バイオマーカー陽性である)か、又は示さない(すなわち、バイオマーカー陰性である)対象を識別する工程であって、TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択される、工程;並びに
(ii)対象にTMEクラス特異的療法を施す工程
を含む、方法を提供する。
(i)施行前に、対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器を適用することによって、TMEを示す(すなわち、バイオマーカー陽性である)か、又は示さない(すなわち、バイオマーカー陰性である)対象を識別する工程であって、TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択される、工程;並びに
(ii)対象にTMEクラス特異的療法を施す工程
を含む、方法を提供する。
TMEクラス特異的療法での治療に適する癌に罹患したヒト対象を識別するための方法であって、対象から取得される腫瘍組織試料からの遺伝子パネルから得られた複数のRNA発現レベルに機械学習分類器を適用する工程を含み、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEの存在(バイオマーカー陽性、すなわちバイオマーカー陽性である)又は不在(バイオマーカー陰性、すなわちバイオマーカー陰性である)が、TMEクラス特異的療法を施して癌を治療できることを示す、方法も提供される。
いくつかの態様では、機械学習分類器は、ロジスティック回帰、ランダムフォレスト(Random Forest)、人工ニューラルネットワーク(Artificial Neural Network)(ANN)、サポートベクターマシン(Support Vector Machine)(SVM)、XGBoost(XGB)、glmnet、cforest、機械学習のための分類及び回帰ツリー(CART)、treebag、K近傍法(kNN)、又はそれらの組み合わせによって得られるモデルである。いくつかの態様では、機械学習分類器はANNである。いくつかの態様では、ANNはフィードフォワードANNである。いくつかの態様では、ANNは多層パーセプトロンである。
いくつかの態様では、ANNは、入力層と、隠れ層と、出力層とを備える。いくつかの態様では、入力層は、1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、84、86、87、88、89、90、91、92、93、94、95、96、97、98、99、又は100個のノード(ニューロン)を含む。いくつかの態様では、入力層中の各ノード(ニューロン)は、遺伝子パネル中の遺伝子に対応する。いくつかの態様では、遺伝子パネルは、表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)に提示される遺伝子から、又は表5から選択される。
いくつかの態様では、遺伝子パネルは、表1から選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、又は63個の遺伝子、及び表2から選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、又は61個の遺伝子を含む。いくつかの態様では、遺伝子パネルは、表5又は図28A~Gから選択される遺伝子パネルである。
いくつかの態様では、試料は、腫瘍内組織を含む。いくつかの態様では、RNA発現レベルは、転写されたRNA発現レベルである。いくつかの態様では、RNA発現レベルは、配列決定又はRNAを測定する任意の技術を用いて決定される。いくつかの態様では、配列決定は、次世代配列決定(NGS)である。いくつかの態様では、NGSは、RNA-Seq、EdgeSeq、PCR、ナノストリング、全エクソームシーケンス(WES)又はそれらの組み合わせからなる群から選択される。いくつかの態様では、RNA発現レベルは、蛍光を用いて決定される。いくつかの態様では、RNA発現レベルは、Affymetrixマイクロアレイ又はAgilentマイクロアレイを用いて決定される。いくつかの態様では、RNA発現レベルは、分位正規化を受ける。いくつかの態様では、分位正規化は、入力RNAレベル値を分位数にビニングする工程を含む。いくつかの態様では、入力RNAレベルは、100分位数、150分位数、200分位数、又はそれより多くにビニングされる。いくつかの態様では、分位正規化は、RNA発現レベルを正常な出力分布関数に分位変換する工程を含む。
いくつかの態様では、ANNは、複数の対象から得られた複数の試料における遺伝子パネル中の各遺伝子のRNA発現レベルを含む訓練セットで訓練され、各試料は、TME分類を割り当てられる。いくつかの態様では、訓練セット中の各試料に割り当てられるTME分類は、集団ベースの分類器によって決定される。いくつかの態様では、集団ベースの分類器は、訓練セット中の各試料の遺伝子パネル中の各遺伝子のRNA発現レベルを測定することにより、シグネチャー1のスコア及びシグネチャー2のスコアを決定する工程を含み、シグネチャー1を計算するために使用される遺伝子は、表1又は図28A~28Gからの遺伝子又はそれらの組み合わせであり、シグネチャー2を計算するために使用される遺伝子は、表2又は図28A~28Gからの遺伝子又はそれらの組み合わせであり;
(i)シグネチャー1のスコアが陰性であり、かつシグネチャー2のスコアが陽性である(すなわち、対象はIAバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はIAであり;
(ii)シグネチャー1のスコアが陽性であり、かつシグネチャー2のスコアが陽性である(すなわち、対象はISバイオマーカー陽性であると考えられる)場合、割り当てられるTME分類はISであり;
(iii)シグネチャー1のスコアが陰性であり、かつシグネチャー2のスコアが陰性である(すなわち、対象はIDバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はIDであり;
(iv)シグネチャー1のスコアが陽性であり、かつシグネチャー2のスコアが陰性である(すなわち、対象はAバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はAである。
(i)シグネチャー1のスコアが陰性であり、かつシグネチャー2のスコアが陽性である(すなわち、対象はIAバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はIAであり;
(ii)シグネチャー1のスコアが陽性であり、かつシグネチャー2のスコアが陽性である(すなわち、対象はISバイオマーカー陽性であると考えられる)場合、割り当てられるTME分類はISであり;
(iii)シグネチャー1のスコアが陰性であり、かつシグネチャー2のスコアが陰性である(すなわち、対象はIDバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はIDであり;
(iv)シグネチャー1のスコアが陽性であり、かつシグネチャー2のスコアが陰性である(すなわち、対象はAバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はAである。
いくつかの態様では、シグネチャー1のスコアの計算は、
(i)対象からの試験試料中の遺伝子パネルにおいて、表1、又は図28A~28Gからの各遺伝子又はそれらの組み合わせの発現レベルを測定する工程;
(ii)各遺伝子について、工程(i)の発現レベルから、基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算する工程;
(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び
(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアは、正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは、負のシグネチャースコアである。
(i)対象からの試験試料中の遺伝子パネルにおいて、表1、又は図28A~28Gからの各遺伝子又はそれらの組み合わせの発現レベルを測定する工程;
(ii)各遺伝子について、工程(i)の発現レベルから、基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算する工程;
(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び
(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアは、正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは、負のシグネチャースコアである。
いくつかの態様では、シグネチャー2のスコアの計算は、
(i)対象からの試験試料中の遺伝子パネルにおいて、表2若しくは図28A~28Gからの各遺伝子又はそれらの組み合わせの発現レベルを測定する工程;
(ii)各遺伝子について、工程(i)の発現レベルから、基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算する工程;
(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び
(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアは、正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは、負のシグネチャースコアである。
(i)対象からの試験試料中の遺伝子パネルにおいて、表2若しくは図28A~28Gからの各遺伝子又はそれらの組み合わせの発現レベルを測定する工程;
(ii)各遺伝子について、工程(i)の発現レベルから、基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算する工程;
(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び
(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアは、正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは、負のシグネチャースコアである。
いくつかの態様では、ANNは、誤差逆伝播法によって訓練される。いくつかの態様では、隠れ層は、2個のノード(ニューロン)を含む。いくつかの態様では、シグモイド活性化関数が、隠れ層に適用される。いくつかの態様では、シグモイド活性化関数は、双曲線正接関数である。いくつかの態様では、出力層は、4個のノード(ニューロン)を含む。いくつかの態様では、出力層中の4個の出力ノード(ニューロン)の各々は、TME出力クラスに対応し、4つのTME出力クラスは、IA(免疫活性)、IS(免疫抑制)、ID(免疫砂漠)、及びA(血管新生)である。いくつかの態様では、本明細書に開示されるANN法は、ソフトマックス関数を含むロジスティック回帰分類器をANNの出力に適用する工程をさらに含み、ソフトマックス関数は、各TME出力クラスに確率を割り当てる。いくつかの態様では、ソフトマックス関数は、追加のニューラルネットワーク層を介して実装される。いくつかの態様では、追加のネットワーク層は、隠れ層と出力層の間に介在する。いくつかの態様では、追加のネットワーク層は、出力層と同じ数のノード(ニューロン)を有する。
本開示はまた、それを必要とする対象の癌の腫瘍微小環境(TME)を決定するためのANNであって、対象の腫瘍組織試料からの遺伝子パネルから得られる入力RNA発現レベルとして用いるIS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEを示す(すなわち、バイオマーカー陽性である)か、又は示さない(すなわち、バイオマーカー陰性である)として対象を識別し、TMEの存在又は不在が、薬物、薬物の組み合わせであり得るTMEクラス特異的療法、又は病理に対処する作用機構を有する臨床療法を用いて対象を効果的に治療できることを示す、ANNを提供する。
いくつかの態様では、ANNは、フィードフォワードANNである。いくつかの態様では、ANNは、多層パーセプトロンである。いくつかの態様では、ANNは、入力層と、隠れ層と、出力層とを備える。いくつかの態様では、入力層は、1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、84、86、87、88、89、90、91、92、93、94、95、96、97、98、99、又は100個のノード(ニューロン)を含む。いくつかの態様では、入力層中の各ノード(ニューロン)は、遺伝子パネル中の遺伝子に対応する。いくつかの態様では、遺伝子パネルは、表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)、又は表5に提示された遺伝子から選択される。いくつかの態様では、遺伝子パネルは、表1から選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、又は63個の遺伝子及び表2から選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、又は61個の遺伝子を含む。いくつかの態様では、遺伝子パネルは、表5又は図28A~Gから選択される遺伝子パネルである。いくつかの態様では、試料は、腫瘍内組織を含む。いくつかの態様では、RNA発現レベルは、転写されたRNA発現レベルである。いくつかの態様では、RNA発現レベルは、配列決定又はRNAを測定する任意の技術を用いて決定される。いくつかの態様では、配列決定は次世代配列決定(NGS)である。いくつかの態様では、NGSは、RNA-Seq、EdgeSeq、PCR、ナノストリング、全エクソーム配列決定(WES)又はそれらの組み合わせからなる群から選択される。
いくつかの態様では、RNA発現レベルは、蛍光を用いて決定される。いくつかの態様では、RNA発現レベルは、Affymetrixマイクロアレイ又はAgilentマイクロアレイを用いて決定される。いくつかの態様では、RNA発現レベルは、分位正規化を受ける。いくつかの態様では、分位正規化は、入力RNAレベル値を分位数にビニングする工程を含む。いくつかの態様では、入力RNAレベルは、100分位数、150分位数、200分位数、又はそれより多くにビニングされる。いくつかの態様では、分位正規化は、RNA発現レベルを正常な出力分布関数に分位変換する工程を含む。いくつかの態様では、ANNは、複数の対象から得られた複数の試料における遺伝子パネル中の各遺伝子のRNA発現レベルを含む訓練セットで訓練され、各試料は、TME分類を割り当てられる。いくつかの態様では、訓練セット中の各試料に割り当てられるTME分類は、集団ベースの分類器によって決定される。
いくつかの態様では、集団ベースの分類器は、訓練セット中の各試料における遺伝子パネル中の各遺伝子のRNA発現レベルを測定することにより、シグネチャー1のスコア及びシグネチャー2のスコアを決定する工程を含み、シグネチャー1を計算するために使用される遺伝子は、表1、図28A~28Gからの遺伝子又はそれらの組み合わせであり、シグネチャー2を計算するために使用される遺伝子は、表2、図28A~28Gからの遺伝子、又はそれらの組み合わせであり、
(i)シグネチャー1のスコアが陰性であり、かつシグネチャー2のスコアが陽性である(すなわち、対象はIAバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はIAであり;
(ii)シグネチャー1のスコアが陽性であり、かつシグネチャー2のスコアが陽性である(すなわち、対象はISバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はISであり;
(iii)シグネチャー1のスコアが陰性であり、かつシグネチャー2のスコアが陰性である(すなわち、対象はIDバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はIDであり;
(iv)シグネチャー1のスコアが陽性であり、かつシグネチャー2のスコアが陰性である(すなわち、対象はAバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はAである。
(i)シグネチャー1のスコアが陰性であり、かつシグネチャー2のスコアが陽性である(すなわち、対象はIAバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はIAであり;
(ii)シグネチャー1のスコアが陽性であり、かつシグネチャー2のスコアが陽性である(すなわち、対象はISバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はISであり;
(iii)シグネチャー1のスコアが陰性であり、かつシグネチャー2のスコアが陰性である(すなわち、対象はIDバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はIDであり;
(iv)シグネチャー1のスコアが陽性であり、かつシグネチャー2のスコアが陰性である(すなわち、対象はAバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はAである。
いくつかの態様では、シグネチャー1のスコアの計算は、
(i)対象からの試験試料中の遺伝子パネルにおいて、表1、図28A~28Gからの各遺伝子又はそれらの組み合わせの発現レベルを測定する工程;
(ii)各遺伝子について、工程(i)の発現レベルから、基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算する工程;
(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び
(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアは、正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは、負のシグネチャースコアである。
(i)対象からの試験試料中の遺伝子パネルにおいて、表1、図28A~28Gからの各遺伝子又はそれらの組み合わせの発現レベルを測定する工程;
(ii)各遺伝子について、工程(i)の発現レベルから、基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算する工程;
(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び
(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアは、正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは、負のシグネチャースコアである。
いくつかの態様では、シグネチャー2のスコアの計算は、
(i)対象からの試験試料中の遺伝子パネルにおいて、表2、図28A~28Gからの各遺伝子又はそれらの組み合わせの発現レベルを測定する工程;
(ii)各遺伝子について、工程(i)の発現レベルから、基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算する工程;
(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び
(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアは、正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは、負のシグネチャースコアである。いくつかの態様では、ANNは、誤差逆伝播法によって訓練される。いくつかの態様では、隠れ層は、2、3、4、又は5個のノード(ニューロン)を含む。いくつかの態様では、シグモイド活性化関数が、隠れ層に適用される。いくつかの態様では、シグモイド活性化関数は、双曲線正接関数である。いくつかの態様では、出力層は、4個のノード(ニューロン)を含む。
(i)対象からの試験試料中の遺伝子パネルにおいて、表2、図28A~28Gからの各遺伝子又はそれらの組み合わせの発現レベルを測定する工程;
(ii)各遺伝子について、工程(i)の発現レベルから、基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算する工程;
(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び
(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアは、正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは、負のシグネチャースコアである。いくつかの態様では、ANNは、誤差逆伝播法によって訓練される。いくつかの態様では、隠れ層は、2、3、4、又は5個のノード(ニューロン)を含む。いくつかの態様では、シグモイド活性化関数が、隠れ層に適用される。いくつかの態様では、シグモイド活性化関数は、双曲線正接関数である。いくつかの態様では、出力層は、4個のノード(ニューロン)を含む。
いくつかの態様では、出力層中の4個の出力ノードの各々は、TME出力クラスに対応し、4つのTME出力クラスは、IA(免疫活性)、IS(免疫抑制)、ID(免疫砂漠)、及びA(血管新生)である。いくつかの態様では、ANNは、ソフトマックス関数を含むロジスティック回帰分類器をANNの出力に適用する工程をさらに含み、ソフトマックス関数は、各TME出力クラスに確率を割り当てる。いくつかの態様では、ソフトマックス関数は、追加のニューラルネットワーク層を介して実行される。いくつかの態様では、追加のネットワーク層は、隠れ層と出力層の間に介在する。いくつかの態様では、追加のネットワーク層は、出力層と同じ数のノードを有する。
本開示の方法及びANNのいくつかの態様では、TMEクラス特異的療法は、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせである。いくつかの態様では、TMEクラス特異的療法の割り当ては、特異的間質表現型の存在に基づき、例えば、対象がIA間質表現型を提示する(したがって、対象はIAバイオマーカー陽性である)場合、IAクラスのTME療法が施されるであろう。いくつかの態様では、TMEクラス特異的療法の割り当ては、特異的間質表現型の不在に基づき、例えば、対象がIA間質表現型を提示しない(したがって、対象がIAバイオマーカー陰性である)場合、IAクラスのTME療法は施されない。いくつかの態様では、TMEクラス特異的療法の割り当ては、2つ以上の特異的間質表現型の有無に基づき、例えば、対象がA及びIS間質表現型提示し(したがって、対象がA及びISバイオマーカー陽性であり)、かつID及びIA間質表現型を提示しない(したがって、対象がID及びIAバイオマーカー陰性である)場合、特定のTME療法が施される。
いくつかの態様では、IAクラスのTME療法は、チェックポイントモジュレーター療法を含む。いくつかの態様では、チェックポイントモジュレーター療法は、刺激性免疫チェックポイント分子の活性化剤を投与する工程を含む。いくつかの態様では、刺激性免疫チェックポイント分子の活性化剤は、GITR、OX-40、ICOS、4-1BBに対する抗体分子、又はそれらの組み合わせである。いくつかの態様では、チェックポイントモジュレーター療法は、RORγアゴニストの投与を含む。いくつかの態様では、チェックポイントモジュレーター療法は、阻害性免疫チェックポイント分子の阻害剤の投与を含む。いくつかの態様では、阻害性免疫チェックポイント分子の阻害剤は、PD-1に対する抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)、PD-L1、PD-L2、CTLA-4に対する抗体単独又はそれらの組み合わせ、又はTIM-3の阻害剤、LAG-3の阻害剤、BTLAの阻害剤、TIGITの阻害剤、VISTAの阻害剤、TGF-β又はその受容体の阻害剤、LAIR1の阻害剤、CD160の阻害剤、2B4の阻害剤、GITRの阻害剤、OX40の阻害剤、4-1BB(CD137)の阻害剤、CD2の阻害剤、CD27の阻害剤、CDSの阻害剤、ICAM-1の阻害剤、LFA-1(CD11a/CD18)の阻害剤、ICOS(CD278)の阻害剤、CD30の阻害剤、CD40の阻害剤、BAFFRの阻害剤、HVEMの阻害剤、CD7の阻害剤、LIGHTの阻害剤、NKG2Cの阻害剤、SLAMF7の阻害剤、NKp80の阻害剤、又はCD86アゴニストとの組み合わせである。いくつかの態様では、抗PD-1抗体は、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、TSR-042、シンチリマブ、チスレリズマブ、又はその抗原結合部分を含む。いくつかの態様では、抗PD-1抗体は、ヒトPD-1への結合について、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と交差競合する。いくつかの態様では、抗PD-1抗体は、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と同じエピトープに結合する。いくつかの態様では、抗PD-L1抗体は、アベルマブ、アテゾリズマブ、デュルバルマブ、CX-072、LY3300054、又はその抗原結合部分を含む。いくつかの態様では、抗PD-L1抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)は、ヒトPD-L1への結合についてアベルマブ、アテゾリズマブ、又はデュルバルマブと交差競合する。いくつかの態様では、抗PD-L1抗体は、アベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと同じエピトープに結合する。いくつかの態様では、チェックポイントモジュレーター療法は、(i)ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042からなる群から選択される抗PD-1抗体;(ii)アベルマブ、アテゾリズマブ、CX-072、LY3300054、及びデュルバルマブからなる群から選択される抗PD-L1抗体;又は(iii)それらの組み合わせを含む。
いくつかの態様では、ISクラスのTME療法は、(1)チェックポイントモジュレーター療法及び抗免疫抑制療法、及び/又は(2)抗血管新生療法、の施行を含む。いくつかの態様では、チェックポイントモジュレーター療法は、阻害性免疫チェックポイント分子の阻害剤の投与を含む。いくつかの態様では、阻害性免疫チェックポイント分子の阻害剤は、PD-1に対する抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はそれらの抗原結合部分)、PD-L1、PD-L2、CTLA-4に対する抗体、又はそれらの組み合わせである。いくつかの態様では、抗PD-1抗体は、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、TSR-042、シンチリマブ、チスレリズマブ、又はその抗原結合部分を含む。いくつかの態様では、抗PD-1抗体は、ヒトPD-1への結合についてニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、シンチリマブ、チスレリズマブ、CX-188、又はTSR-042と交差競合する。いくつかの態様では、抗PD-1抗体は、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と同じエピトープに結合する。いくつかの態様では、抗PD-L1抗体は、アベルマブ、アテゾリズマブ、CX-072、LY3300054、デュルバルマブ、又はその抗原結合部分を含む。いくつかの態様では、抗PD-L1抗体は、ヒトPD-L1への結合についてアベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと交差競合する。いくつかの態様では、抗PD-L1抗体は、アベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと同じエピトープに結合する。いくつかの態様では、抗CTLA-4抗体は、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)、又はその抗原結合部分を含む。いくつかの態様では、抗CTLA-4抗体は、ヒトCTLA-4への結合について、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)と交差競合する。いくつかの態様では、抗CTLA-4抗体は、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)と同じCTLA-4エピトープに結合する。いくつかの態様では、チェックポイントモジュレーター療法は、(i)ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、及びTSR-042からなる群から選択される抗PD-1抗体;(ii)アベルマブ、アテゾリズマブ、CX-072、LY3300054、及びデュルバルマブからなる群から選択される抗PD-L1抗体;(iii)イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)である抗CTLA-4抗体、又は(iv)それらの組み合わせの投与を含む。いくつかの態様では、抗血管新生療法は、バリサクマブ(varisacumab)、ベバシズマブ、ナビシキズマブ(抗DLL4/抗VEGF二重特異性)、及びそれらの組み合わせからなる群から選択される抗VEGF抗体の投与を含む。
いくつかの態様では、抗血管新生療法は、抗VEGF抗体の投与を含む。いくつかの態様では、抗VEGF抗体は、抗VEGF二重特異性抗体である。いくつかの態様では、抗VEGF二重特異性抗体は、抗DLL4/抗VEGF二重特異性抗体である。いくつかの態様では、抗DLL4/抗VEGF二重特異性抗体は、ナビシキズマブを含む。いくつかの態様では、抗血管新生療法は、抗VEGFR抗体の投与を含む。いくつかの態様では、抗VEGFR抗体は抗VEGFR2抗体である。いくつかの態様では、抗VEGFR2抗体は、ラムシルマブを含む。いくつかの態様では、抗血管新生療法は、ナビシキズマブ、ABL101(NOV1501)、又はABT165の投与を含む。
いくつかの態様では、抗免疫抑制療法は、抗PS抗体、抗PS標的化抗体、β2糖タンパク質1に結合する抗体、PI3Kγの阻害剤、アデノシン経路阻害剤、IDOの阻害剤、TIMの阻害剤、LAG3の阻害剤、TGFβの阻害剤、CD47阻害剤、又はそれらの組み合わせの投与を含む。いくつかの態様では、抗PS標的化抗体は、バビツキシマブ、又はβ2糖タンパク質1を結合する抗体である。いくつかの態様では、PI3Kγ阻害剤は、LY3023414(サモトリシブ)又はIPI-549である。いくつかの態様では、アデノシン経路阻害剤は、AB-928である。いくつかの態様では、TGFβ阻害剤は、LY2157299(ガルニセルチブ)である、又はTGFβR1阻害剤は、LY3200882である。いくつかの態様では、CD47阻害剤は、マグロリマブ(5F9)である。いくつかの態様では、CD47阻害剤は、SIRPαを標的とする。
いくつかの態様では、抗免疫抑制療法は、TIM-3の阻害剤、LAG-3の阻害剤、BTLAの阻害剤、TIGITの阻害剤、VISTAの阻害剤、TGFβ又はその受容体の阻害剤、LAIR1の阻害剤、CD160の阻害剤、2B4の阻害剤、GITRの阻害剤、OX-40の阻害剤、4-1BB(CD137)の阻害剤、CD2の阻害剤、CD27の阻害剤、CDSの阻害剤、ICAM-1の阻害剤、LFA-1(CD11a/CD18)の阻害剤、ICOS(CD278)の阻害剤、CD30の阻害剤、CD40の阻害剤、BAFFRの阻害剤、HVEMの阻害剤、CD7の阻害剤、LIGHTの阻害剤、NKG2Cの阻害剤、SLAMF7の阻害剤、NKp80の阻害剤、CD86に対するアゴニスト、又はそれらの組み合わせの投与を含む。
いくつかの態様では、IDクラスのTME療法は、免疫応答を開始する療法の施行と同時又は後にチェックポイントモジュレーター療法の施行を含む。いくつかの態様では、免疫応答を開始する療法は、ワクチン、CAR-T、又はネオエピトープワクチンである。いくつかの態様では、チェックポイントモジュレーター療法は、阻害性免疫チェックポイント分子の阻害剤の投与を含む。いくつかの態様では、阻害性免疫チェックポイント分子の阻害剤は、PD-1に対する抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)、PD-L1、PD-L2、CTLA-4に対する抗体、又はそれらの組み合わせである。いくつかの態様では、抗PD-1抗体は、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042、又はその抗原結合部分を含む。いくつかの態様では、抗PD-1抗体は、ヒトPD-1への結合についてニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と交差競合する。いくつかの態様では、抗PD-1抗体は、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と同じエピトープに結合する。いくつかの態様では、抗PD-L1抗体は、アベルマブ、アテゾリズマブ、CX-072、LY3300054、デュルバルマブ、又はその抗原結合部分を含む。いくつかの態様では、抗PD-L1抗体は、ヒトPD-L1への結合についてアベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと交差競合する。いくつかの態様では、抗PD-L1抗体は、アベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと同じエピトープに結合する。いくつかの態様では、抗CTLA-4抗体は、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)、又はその抗原結合部分を含む。いくつかの態様では、抗CTLA-4抗体は、ヒトCTLA-4への結合についてイピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)と交差競合する。いくつかの態様では、抗CTLA-4抗体は、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)と同じCTLA-4エピトープに結合する。いくつかの態様では、チェックポイントモジュレーター療法は、(i)ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、及びTSR-042からなる群から選択される抗PD-1抗体、(ii)アベルマブ、アテゾリズマブ、CX-072、LY3300054、及びデュルバルマブからなる群から選択される抗PD-L1抗体、(iv)イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)である抗CTLA-4抗体、又は(iii)それらの組み合わせの投与を含む。
いくつかの態様では、AクラスのTME療法は、VEGF標的療法及び他の抗血管新生剤、アンジオポエチン1(Ang1)の阻害剤、アンジオポエチン2(Ang2)の阻害剤、DLL4の阻害剤、抗VEGFと抗DLL4の二重特異性、TKI阻害剤、抗FGF抗体、抗FGFR1抗体、抗FGFR2抗体、FGFR1を阻害する小分子、FGFR2を阻害する小分子、抗PLGF抗体、PLGF受容体に対する小分子、PLGF受容体に対する抗体、抗VEGFB抗体、抗VEGFC抗体、抗VEGFD抗体、アフリベルセプトなどのVEGF/PLGFトラップ分子に対する抗体、又はziv-アフリベルセプト(ziv-aflibercet)、抗DLL4抗体、又はガンマセクレターゼの阻害剤などの抗Notch療法を含む。いくつかの態様では、TKI阻害剤は、カボザンチニブ、バンデタニブ、チボザニブ、アキシチニブ、レンバチニブ、ソラフェニブ、レゴラフェニブ、スニチニブ、フルキンチニブ(fruquitinib)、パゾパニブ、及びそれらの任意の組み合わせからなる群から選択される。いくつかの態様では、TKI阻害剤は、フルキンチニブである。いくつかの態様では、VEGF標的療法は、抗VEGF抗体又はその抗原結合部分の投与を含む。いくつかの態様では、抗VEGF抗体は、バリサクマブ、ベバシズマブ、又はその抗原結合部分を含む。いくつかの態様では、抗VEGF抗体は、ヒトVEGFへの結合についてバリサクマブ、又はベバシズマブと交差競合する。いくつかの態様では、抗VEGF抗体は、バリサクマブ、又はベバシズマブと同じエピトープに結合する。いくつかの態様では、VEGF標的療法は、抗VEGFR抗体の投与を含む。いくつかの態様では、抗VEGFR抗体は、抗VEGFR2抗体である。いくつかの態様では、抗VEGFR2抗体は、ラムシルマブ又はその抗原結合部分を含む。
いくつかの態様では、AクラスのTME療法は、アンジオポエチン/TIE2標的療法の施行を含む。いくつかの態様では、アンジオポエチン/TIE2標的療法は、エンドグリン及び/又はアンジオポエチンの投与を含む。いくつかの態様では、AクラスのTME療法は、DLL4標的療法の施行を含む。いくつかの態様では、DLL4標的療法は、ナビシキズマブ、ABL101(NOV1501)、又はABT165の投与を含む。
いくつかの態様では、本明細書に開示される方法は、さらに、
(a)化学療法を施す工程;
(b)手術を行う工程;
(c)放射線療法を施す工程;又は
(d)その任意の組み合わせ
を含む。
(a)化学療法を施す工程;
(b)手術を行う工程;
(c)放射線療法を施す工程;又は
(d)その任意の組み合わせ
を含む。
いくつかの態様では、癌は、腫瘍である。いくつかの態様では、腫瘍は、細胞腫である。いくつかの態様では、腫瘍は、胃癌、結腸直腸癌、肝癌(肝細胞癌、HCC)、卵巣癌、乳癌、NSCLC、膀胱癌、肺癌、膵臓癌、頭頸部癌、リンパ腫、子宮癌、腎癌又は腎臓癌、胆道癌、肛門癌、前立腺癌、精巣癌、尿道癌、陰茎癌、胸部癌、直腸癌、脳癌(グリオーマ及び神経膠芽腫)、頸部癌、耳下腺癌、食道癌、胃食道癌、喉頭癌、甲状腺癌、腺癌、神経芽細胞癌、黒色腫、及びメルケル細胞癌からなる群から選択される。
いくつかの態様では、癌は、再発する。いくつかの態様では、癌は、難治性である。いくつかの態様では、癌は、少なくとも1つの抗癌剤の投与を含む少なくとも1つの事前療法後に難治性である。いくつかの態様では、癌は、転移性である。いくつかの態様では、投与は、癌を効果的に治療する。いくつかの態様では、投与は、癌の負担を軽減する。いくつかの態様では、癌の負担は、投与前の癌の負担と比較して、少なくとも約10%、少なくとも約20%、少なくとも約30%、少なくとも約40%、又は約50%低下される。いくつかの態様では、対象は、最初の投与後少なくとも約1ヶ月、少なくとも約2ヶ月、少なくとも約3ヶ月、少なくとも約4ヶ月、少なくとも約5ヶ月、少なくとも約6ヶ月、少なくとも約7ヶ月、少なくとも約8ヶ月、少なくとも約9ヶ月、少なくとも約10ヶ月、少なくとも約11ヶ月、少なくとも約1年、少なくとも約18ヶ月、少なくとも約2年、少なくとも約3年、少なくとも約4年、又は少なくとも約5年の無増悪生存期間を示す。いくつかの態様では、対象は、最初の投与後約1ヶ月、約2ヶ月、約3ヶ月、約4ヶ月、約5ヶ月、約6ヶ月、約7ヶ月、約8ヶ月、約9ヶ月、約10ヶ月、約11ヶ月、約1年、約18ヶ月、約2年、約3年、約4年、又は約5年安定な疾患を示す。
いくつかの態様では、対象は、最初の投与後1ヶ月、約2ヶ月、約3ヶ月、約4ヶ月、約5ヶ月、約6ヶ月、約7ヶ月、約8ヶ月、約9ヶ月、約10ヶ月、約11ヶ月、約1年、約18ヶ月、約2年、約3年、約4年、又は約5年間部分奏功を示す。いくつかの態様では、対象は、最初の投与後1ヶ月、約2ヶ月、約3ヶ月、約4ヶ月、約5ヶ月、約6ヶ月、約7ヶ月、約8ヶ月、約9ヶ月、約10ヶ月、約11ヶ月、約1年、約18ヶ月、約2年、約3年、約4年、又は約5年完全奏功を示す。
いくつかの態様では、投与は、TMEを示さない対象の無増悪生存期間の確率と比較して、少なくとも約10%、少なくとも約20%、少なくとも約30%、少なくとも約30%、少なくとも約40%、少なくとも約50%、少なくとも約60%、少なくとも約70%、少なくとも約80%、少なくとも約90%、少なくとも約100%、少なくとも約110%、少なくとも約120%、少なくとも約130%、少なくとも約140%、又は少なくとも約150%無増悪生存期間の確率を改善する。いくつかの態様では、投与は、TMEを示さない対象の全生存確率と比較して、全生存確率を少なくとも約25%、少なくとも約50%、少なくとも約75%、少なくとも約100%、少なくとも約125%、少なくとも約150%、少なくとも約175%、少なくとも約200%、少なくとも約225%、少なくとも約250%、少なくとも約275%、少なくとも約300%、少なくとも約325%、少なくとも約350%、又は少なくとも約375%改善する。
本開示はまた、本明細書に開示されるANNを含む機械学習分類器を用いて、それを必要とする対象における腫瘍の腫瘍微小環境を決定するのに使用するための、少なくとも表1からの血管新生バイオマーカー遺伝子及び表2からの免疫バイオマーカー遺伝子を含む遺伝子パネルであって、腫瘍微小環境が、(i)抗癌療法に適する対象を識別する工程;(ii)抗癌療法を受ける対象の予後を決定する工程;(iii)抗癌療法の施行を開始、中止又は変更する工程、又は(iv)それらの組み合わせ、に使用される、遺伝子パネルを提供する。
抗癌療法での治療に適する癌に罹患したヒト対象を識別するための、本明細書に開示されるANNを含む非集団ベースの分類器であって、機械学習分類器が、IA、IS、ID、AクラスのTME、又はそれらの組み合わせから選択されるTMEを示すとして前記対象を識別し、(i)TMEがIA又は主にIAである場合、療法は、IAクラスのTME療法である;(ii)TMEがIS又は主にISである場合、療法は、ISクラスのTME療法である;(iii)TMEがID又は主にIDである場合、療法は、IDクラスのTME療法である;又は(iv)TMEがA又は主にAである場合、療法は、AクラスのTME療法である、分類器も提供される。いくつかの態様では、対象は2以上のTMEを示してよく、例えば、対象は、IAとIS、又はIAとID、又はIAとAなどについてバイオマーカー陽性であり得る。2以上の間質表現型についてバイオマーカー陽性及び/又はバイオマーカー陰性である対象は、1以上のTMEクラス特異的療法を受けることができる。
本開示はまた、それを必要とするヒト対象における癌を治療するための抗癌療法であって、対象が、本明細書に開示されるANNを含む機械学習分類器に従い、IA、IS、ID又はAクラスのTME又はそれらの組み合わせから選択されるTMEを示すと識別され、(i)TMEがIA又は主にIAである場合、療法は、IAクラスのTME療法である;(ii)TMEがIS又は主にISである場合、療法は、ISクラスのTME療法である;(iii)TMEがID又は主にIDである場合、療法は、IDクラスのTME療法である;又は(iv)TMEがA又は主にAである場合、療法は、AクラスのTME療法である、抗癌療法を提供する。いくつかの態様では、対象は2以上のTMEを示してよく、例えば、対象は、IAとIS、又はIAとID、又はIAとAなどについてバイオマーカー陽性であり得る。2以上の間質表現型についてバイオマーカー陽性及び/又はバイオマーカー陰性である対象は、1以上のTMEクラス特異的療法を受けることができる。
それを必要とする対象の癌にTMEクラスを割り当てる方法であって、(i)各試料がTME分類を割り当てられる、複数の対象から得られた複数の試料中の遺伝子パネル中の各遺伝子のRNA発現レベルを含む訓練セットを用いて機械学習方法を訓練することにより機械学習モデルを生成する工程;及び(ii)機械学習モデルを用いて、対象の癌のTMEを割り当てる工程、を含み、機械学習モデルへの入力が、対象から得られる試験試料中の遺伝子パネルにおける各遺伝子のRNA発現レベルを含む、方法も提供される。
それを必要とする対象の癌にTMEクラスを割り当てる方法であって、各試料がTME分類を割り当てられる、複数の対象から得られた複数の試料中の遺伝子パネル中の各遺伝子のRNA発現レベルを含む訓練セットを用いて機械学習方法を訓練することにより機械学習モデルを生成する工程を含み、機械学習モデルが、対象から得られる試験試料中の遺伝子パネルにおける各遺伝子の入力RNA発現レベルを用いて対象の癌にTMEクラスを割り当てる、方法も提供される。
本開示はまた、それを必要とする対象の癌にTMEクラスを割り当てる方法であって、機械学習モデルを用いて対象の癌のTMEを予測する工程を含み、機械学習モデルは、各試料がTME分類を割り当てられる、複数の対象から得られた複数の試料における遺伝子パネル中の各遺伝子のRNA発現レベルを含む訓練セットを用いて機械学習方法を訓練することによって生成される、方法を提供する。
本明細書に開示される方法のいくつかの態様では、機械学習モデルは、本明細書に開示されるように準備されるANNによって生成される。いくつかの態様では、訓練セット内の各試料に割り当てられるTME分類は、集団ベースの分類器によって決定される。いくつかの態様では、集団ベースの分類器は、訓練セット中の各試料中の遺伝子パネル中の各遺伝子のRNA発現レベルを測定することによりシグネチャー1のスコア及びシグネチャー2のスコアを決定する工程を含み、シグネチャー1を計算するために使用される遺伝子は、表1、図28A~28Gからの遺伝子又はそれらの組み合わせであり、シグネチャー2を計算するために使用される遺伝子は、表2、図28A~28Gからの遺伝子、又はそれらの組み合わせであり、
(i)シグネチャー1のスコアが陰性であり、かつシグネチャー2のスコアが陽性である(すなわち、対象はIAバイオマーカー陽性と考えられる)場合に、割り当てられるTME分類はIAであり;
(ii)シグネチャー1のスコアが陽性であり、かつシグネチャー2のスコアが陽性である(すなわち、対象はISバイオマーカー陽性と考えられる)場合、割り当てられるTME分類ISであり;
(iii)シグネチャー1のスコアが陰性であり、かつシグネチャー2のスコアが陰性である(すなわち、対象はIDバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はIDであり;
(iv)シグネチャー1のスコアが陽性であり、かつシグネチャー2のスコアが陰性である(すなわち、対象はAバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はAである。
(i)シグネチャー1のスコアが陰性であり、かつシグネチャー2のスコアが陽性である(すなわち、対象はIAバイオマーカー陽性と考えられる)場合に、割り当てられるTME分類はIAであり;
(ii)シグネチャー1のスコアが陽性であり、かつシグネチャー2のスコアが陽性である(すなわち、対象はISバイオマーカー陽性と考えられる)場合、割り当てられるTME分類ISであり;
(iii)シグネチャー1のスコアが陰性であり、かつシグネチャー2のスコアが陰性である(すなわち、対象はIDバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はIDであり;
(iv)シグネチャー1のスコアが陽性であり、かつシグネチャー2のスコアが陰性である(すなわち、対象はAバイオマーカー陽性と考えられる)場合、割り当てられるTME分類はAである。
いくつかの態様では、シグネチャー1のスコアの計算は、
(i)対象からの試験試料中の遺伝子パネルにおいて、表1からの各遺伝子又はそのサブセット、又は図28A~28Gからの遺伝子のサブセットの発現レベルを測定する工程;
(ii)各遺伝子について、工程(i)の発現レベルから、基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算する工程;
(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び
(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程、
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアは、正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは、負のシグネチャースコアである。
(i)対象からの試験試料中の遺伝子パネルにおいて、表1からの各遺伝子又はそのサブセット、又は図28A~28Gからの遺伝子のサブセットの発現レベルを測定する工程;
(ii)各遺伝子について、工程(i)の発現レベルから、基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算する工程;
(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び
(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程、
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアは、正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは、負のシグネチャースコアである。
いくつかの態様では、シグネチャー2のスコアの計算は、
(i)対象からの試験試料中の遺伝子パネルにおいて、表2からの各遺伝子、若しくはそのサブセット、又は図28A~28Gからの遺伝子のサブセットの発現レベルを測定する工程;
(ii)各遺伝子について、工程(i)の発現レベルから、基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算する工程;
(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び
(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程;
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアは、正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは、負のシグネチャースコアである。
(i)対象からの試験試料中の遺伝子パネルにおいて、表2からの各遺伝子、若しくはそのサブセット、又は図28A~28Gからの遺伝子のサブセットの発現レベルを測定する工程;
(ii)各遺伝子について、工程(i)の発現レベルから、基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算する工程;
(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び
(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程;
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアは、正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは、負のシグネチャースコアである。
いくつかの態様では、機械学習モデルは、モデルの出力に適用されるソフトマックス関数を含むロジスティック回帰分類器を含み、ソフトマックス関数は、各TME出力クラスに確率を割り当てる。
いくつかの態様では、本方法は、少なくとも1つのプロセッサと少なくとも1つのメモリとを備えるコンピュータシステムにおいて実施され、少なくとも1つのメモリは、少なくとも1つのプロセッサに機械学習モデルを実施させるように少なくとも1つのプロセッサによって実行される命令を含む。いくつかの態様では、本方法はさらに、(i)機械学習モデルを、コンピュータシステムのメモリに入力する工程、(ii)入力データがRNA発現レベルを含む、対象に対応する遺伝子パネル入力データを、コンピュータシステムのメモリに入力する工程、(iii)機械学習モデルを実行する工程、又は(v)それらの任意の組み合わせ、を含む。
いくつかの態様では、ロジスティック回帰分類器の確率は、ANNモデルのノードの活性化スコアの潜在空間プロット上にオーバーレイされる。いくつかの態様では、ロジスティック回帰分類器は、潜在空間上で訓練される。いくつかの態様では、ロジスティック回帰分類器は、PFS(無増悪生存期間)に対して最適化される。いくつかの態様では、ロジスティック回帰分類器は、BOR(最良総合効果)、ORR(奏効率)、MSS/MSI-高(マイクロサテライト安定性/マイクロサテライト不安定性-高)状態、PD-1/PD-L1状態、PFS(無増悪生存期間)、NLR(好中球白血球比)、腫瘍遺伝子変異量(TMB)又はそれらの任意の組み合わせに対して最適化される。
詳細な説明
本開示は、集団及び非集団腫瘍微小環境(TME)分類法に従って患者及び癌を分類する方法を提供する。本明細書に開示される集団法(すなわち、集団ベースの分類器)は、独立した分類器としてだけでなく、機械学習技術の適用に基づく非集団モデル(すなわち、非集団ベースの分類器)、例えば人工ニューラルネットワーク(ANN)に基づく予測モデルの生成のための訓練セットとして使用される遺伝子発現データを前処理するための手段としても使用できる。
本開示は、集団及び非集団腫瘍微小環境(TME)分類法に従って患者及び癌を分類する方法を提供する。本明細書に開示される集団法(すなわち、集団ベースの分類器)は、独立した分類器としてだけでなく、機械学習技術の適用に基づく非集団モデル(すなわち、非集団ベースの分類器)、例えば人工ニューラルネットワーク(ANN)に基づく予測モデルの生成のための訓練セットとして使用される遺伝子発現データを前処理するための手段としても使用できる。
本明細書で使用する用語「非集団ベースの」方法又は分類器は、機械学習(ML)方法又はML分類器、例えば、本開示のANN分類器という用語と交換可能である。本明細書で使用する用語「集団ベースの」方法又は分類器は、Zスコア法又はZスコア分類器という用語と交換可能である。
いくつかの態様では、1以上の生物学的シグネチャー(すなわち、シグネチャー1、シグネチャー2、シグネチャー3、...シグネチャーN)を表すことができる遺伝子セットが、シグネチャー1...NのZスコアを計算するために本明細書に開示される方法に従って使用される。これは、各シグネチャーによって表される優性の生物学と、それらのシグネチャーのマトリックスによって定義されるTME表現型を明らかにするために使用できる集団モデルを含む。いくつかの態様では、機械学習モデル(例えば、ANN)を、例えば、シグネチャーから導出された遺伝子セットを特徴として使用し、患者病歴データセット、例えば、ACRG(アジア癌研究グループ)患者データセットを発現として使用して訓練できる。
機械学習モデル(例えば、ANN)は、個々の患者を特異的TME表現型に分類する(潜在的な)遺伝子発現パターンを学習する。機械学習モデル(例えば、ANN)は、高次元データ(入力遺伝子セット内の全ての遺伝子の遺伝子発現)を、より低い次元(潜在)空間、例えば本明細書に開示されるANN内の2つの隠れたニューロンに効果的に圧縮する。機械学習モデル(例えば、ANN)は次いで、それ自体がバイオマーカー陽性を定義するために単独で(全体的若しくは部分的に)又は薬物特異的に互いに組み合わせて(再度、全体的若しくは部分的に)使用できる、表現型クラス、例えば、4つのTME表現型クラスを出力する。あるいは、二次モデル(例えば、ロジスティック回帰分類器)は、TME表現型を学習するためではなく、むしろ患者の結果のラベルに基づいてバイオマーカー陽性対バイオマーカー陰性の決定境界を直接学習するために、潜在空間上で訓練されてよい。
いくつかの態様では、本開示の方法によるANN分類に適用される二次モデル(例えば、ロジスティック回帰分類器)は、BOR(最良総合効果)、ORR(奏効率)、MSS/MSI-高(マイクロサテライト安定/マイクロサテライト不安定性-高)状態、PD-1/PD-L1状態、PFS(無増悪生存期間)、NLR(好中球白血球比)、腫瘍遺伝子変異量(TMB)又はそれらの任意の組み合わせに対して最適化できる。
したがって、いくつかの態様では、本開示は、本明細書に開示されるシグネチャー1及びシグネチャー2などの、特定の遺伝子パネル(例えば、表3及び表4のもの)の遺伝子(例えば、表1及び表2のもの)の発現に関連するいくつかのシグネチャー、すなわち、グローバルスコアの積分に基づく集団分類器を提供する。これらのシグネチャースコアは、TMEに従って患者及び癌を層別化することを可能にし、次いで、治療決定は、特定のTMEの有無によって導かれる。
他の態様では、本開示は、機械学習技術、例えば、ロジスティック回帰、ランダムフォレスト、又は人工ニューラルネットワーク(ANN)の適用に基づく非集団分類器を提供する。本明細書に開示されるANN分類器は、例えば、本明細書に開示される集団ベースの分類器に従って前処理されたデータセットを用いてニューラルネットワークを訓練することに基づく。
本明細書にまた開示される集団ベースの分類器に対する本明細書に開示される非集団ベースの分類器(ANN分類器)の利点は、例えば、臨床試験又は臨床計画の一部である患者からの試料が、任意の他の現在の患者データを参照することなく、間質表現型又はバイオマーカー陽性について正確に評価できることである。そのため、各表現型クラスについての確率を有する潜在的なプロットの利用可能性が有用であるが、間質表現型又はバイオマーカー陽性について正しく評価する必要はない。
本開示はまた、癌に罹患した対象、例えば、ヒト対象を治療するための方法であって、例えば、1以上のTMEクラス割り当ての存在(バイオマーカー陽性)及び/又は不在(バイオマーカー陰性)(例えば、対象がA及びISバイオマーカー陽性であり、かつ/又はID及びIAバイオマーカー陰性であるか)に基づき、本明細書に開示される集団及び/又は非集団ベースの分類器に従って、癌のTMEの分類に応じて特定の療法を施行することを含む、方法を提供する。
特定のTMEクラス又はそのグループに分類される癌を有する対象(すなわち、対象は特定のTMEクラス又はそのグループについてバイオマーカー陽性である)か、又は特定のTMEクラス又はそのグループに分類される癌を有していないと決定される対象(すなわち、対象は特定のTMEクラス又はそのグループについてバイオマーカー陰性である)に投与できる、個別の治療も提供される。本開示はまた、特定の治療薬、例えば、TME特異的療法で治療するのに適する癌に罹患したヒト対象を識別するために使用できる、遺伝子パネル(例えば、表3及び表4に開示されるもの)を提供する。
本明細書に開示される方法及び組成物の適用は、1以上の特異的間質サブタイプ(すなわち、間質表現型)又は腫瘍生物学を標的とする作用機序を有する療法(例えば、以下に開示されるTME特異的療法のいずれか、又は対象のバイオマーカー陽性及び/又はバイオマーカー陰性状態に依存するそれらの組み合わせ)に患者をマッチングさせることにより臨床結果を改善できる。
優性の間質表現型は、薬物、複数の薬物、又は臨床計画の作用機構の複雑さに基づき、任意の特異的薬物に指向性であるが変更され得る。薬物又は臨床レジメン(すなわち、以下に開示される1以上のTME特異的療法)の組み合わせは、関連する場合複数の間質表現型に、例えば、2以上の間質表現型についてバイオマーカー陽性であるか、又は主に1つの間質表現型である患者又は患者群に適用できるが、本開示でのような、ANNモデルの確率関数又は潜在空間に適用されるロジスティック回帰に見られるようなバイオマーカーシグナルにおける他の間質表現型の寄与がある。そのため、本明細書に開示される間質表現型に適用される用語「主に」は、患者又は試料が特定の間質表現型(例えば、IA)についてバイオマーカー陽性であるが、他の間質表現型(例えば、IS、ID若しくはA)又はそれらの組み合わせも、MLモデル、例えば、本明細書に開示されるANNモデルの確率関数、又は潜在空間に適用されるロジスティック回帰で見られるバイオマーカーシグナルに寄与することを示す。
いくつかの態様では、患者は、間質表現型の特異的部分についてバイオマーカー陽性であり得、例えば、患者は、特定の間質表現型内の特異的閾値又はそれらの組み合わせ(例えば、上限及び下限閾値)を上回る又はそれ未満のバイオマーカー陽性であるとみなされ得る。別の言い方をすれば、間質表現型は、薬物と適合できる(例えば、IA間質表現型は薬物ペムブロリズマブと適合できる)が、薬物又は薬物の組み合わせが複数の間質表現型を変更できる場合、間質表現型を出発点として使用して、例えば、バビツキシマブとペムブロリズマブを用いる、薬物特異的組み合わせを開発できる。したがって、患者又は患者の集団が2以上の間質表現型についてバイオマーカー陽性であると決定することを用いて、2以上のTME特異的療法を組み合わせることによる新しい療法を開発できる。例えば、バビツキシマブとペムブロリズマブの臨床計画は、2つの間質表現型IA及びISを標的とし、そのため、この組み合わせのための診断の又はバイオマーカーのシグネチャーは、両方の間質表現型に基づく統合及び精緻化であろう。別の例示的な例は、VEGFとDLL4の両方の標的化剤である、二重特異性抗体ナビシキズマブである。VEGFは明らかにA間質表現型を標的とするが、DLL4生物学の環境を反映するISグループの特徴がある。そのため、A及びIS間質表現型(又は例えば、1以上の閾値により定義されるそのサブセット)と本明細書に記載の追加の遺伝子を統合するアルゴリズムを利用する診断用バイオマーカーシグネチャーを用いて、DLL4生物学の非血管新生特徴をもたらすことができる。
用語
本開示をより容易に理解できるように、特定の用語を最初に定義する。本開示で使用されるように、本明細書に特に明示的に提供される場合を除いて、以下の用語の各々は、以下に示す意味を有するものとする。さらなる定義は、開示全体に記載される。
本開示をより容易に理解できるように、特定の用語を最初に定義する。本開示で使用されるように、本明細書に特に明示的に提供される場合を除いて、以下の用語の各々は、以下に示す意味を有するものとする。さらなる定義は、開示全体に記載される。
「投与」は、当業者に公知の様々な方法及び送達システムのいずれかを用いる、対象への治療剤(例えば、モノクローナル抗体)を含む組成物の物理的導入を指す。好ましい投与経路は、静脈内、筋肉内、皮下、腹腔内、脊髄又は他の非経口投与経路、例えば注射又は注入を含む。
本明細書で使用する「非経口投与」という語句は、通常は注射による経腸及び局所投与以外の投与様式を意味し、限定されないが、静脈内、筋肉内、動脈内、髄腔内、リンパ管内、病巣内、嚢内、眼窩内、心臓内、皮内、腹腔内、経気管、皮下、表皮下、関節内、被膜下、くも膜下、脊髄内、眼内、硝子体内、眼窩周囲、硬膜外及び胸骨内の注射並びに注入、並びに生体内電気穿孔法を含む。他の非経口経路は、経口、局所、表皮又は粘膜の投与経路、例えば、鼻腔内、膣内、直腸、舌下又は局所的な投与経路を含む。投与は、例えば、1回、複数回、及び/又は1以上の延長された期間にわたって行うこともできる。
「抗体」(Ab)は、限定されないが、抗原に特異的に結合し、ジスルフィド結合により相互接続される少なくとも2つの重(H)鎖と2つの軽(L)鎖を含む糖タンパク質免疫グロブリン、又はその抗原結合部分を含むものとする。各H鎖は、重鎖可変領域(VHと略す)と重鎖定常領域を含む。重鎖定常領域は、3つの定常ドメインCH1、CH2及びCH3を含む。各軽鎖は、軽鎖可変領域(VLと略す)と軽鎖定常領域を含む。軽鎖定常領域は、1つの定常ドメインCLを含む。VH領域及びVL領域は、フレームワーク領域(FR)と呼ばれる、より保存された領域が散在する、相補性決定領域(CDR)と呼ばれる超可変領域にさらに細分化され得る。各VH及びVLは、以下の順序:FR1、CDR1、FR2、CDR2、FR3、CDR3、及びFR4、でアミノ末端からカルボキシ末端へと配列される3つのCDR及び4つのFRを含む。重鎖及び軽鎖の可変領域は、抗原と相互作用する結合ドメインを含む。抗体の定常領域は、免疫系の様々な細胞(例えば、エフェクター細胞)及び古典的補体系の第1成分(C1q)を含む、宿主の組織又は因子への免疫グロブリンの結合を媒介できる。
免疫グロブリンは、IgA、分泌型IgA、IgG及びIgMを含むが、これらに限定されない公知のアイソタイプのいずれかから誘導され得る。IgGサブクラスはまた、当業者には周知であり、ヒトIgG1、IgG2、IgG3及びIgG4を含むが、これらに限定されない。「アイソタイプ」は、重鎖定常領域遺伝子によってコードされる抗体クラス又はサブクラス(例えば、IgM又はIgG1)を指す。
用語「抗体」は、例として、モノクローナル抗体、キメラ抗体及びヒト化抗体、ヒト抗体又は非ヒト抗体、全合成抗体、及び一本鎖抗体を含む。非ヒト抗体を、ヒトの免疫原性を低下させるために組換え法によりヒト化できる。明確に述べられず、文脈が特に示さない限り、用語「抗体」はまた、前述の免疫グロブリンのいずれかの抗原結合断片又は抗原結合部分を含み、1価及び2価の断片又は部分と、一本鎖抗体を含む。本明細書で使用する用語「抗体」は、天然に存在する抗体又はポリクローナル抗体を含まない。本明細書で使用する用語「天然に存在する抗体」及び「ポリクローナル抗体」は、治療的介入により誘発される免疫反応に起因する抗体、例えば、ワクチンを含まない。
「単離抗体」は、異なる抗原特異性を有する他の抗体を実質的に含まない抗体を指す(例えば、PD-1に特異的に結合する単離抗体は、PD-1以外の抗原に特異的に結合する抗体を実質的に含まない)。しかし、PD-1に特異的に結合する単離抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)は、異なる種からのPD-1分子などの、他の抗原に対する交差反応性を有し得る。さらに、単離抗体は、他の細胞物質及び/又は化学物質を実質的に含み得ない。
用語「モノクローナル抗体」(mAb)は、単分子組成物の抗体分子、すなわち、それらの一次配列が本質的に同一であり、かつ特定のエピトープに対して単一結合特異性及び親和性を示す、抗体分子の非天然の調製物を指す。モノクローナル抗体は、単離抗体の一例である。モノクローナル抗体は、ハイブリドーマ、組換え、トランスジェニック又は当業者に公知の他の技術によって生成され得る。
「ヒト抗体」(HuMAb)は、フレームワークとCDR領域の両方がヒト生殖系列免疫グロブリン配列に由来する可変領域を有する抗体を指す。さらに、抗体が定常領域を含む場合、定常領域はまた、ヒト生殖系列免疫グロブリン配列から誘導される。本開示のヒト抗体は、ヒト生殖系列免疫グロブリン配列によってコードされないアミノ酸残基(例えば、インビトロでのランダム変異誘発若しくは部位特異的変異誘発により、又はインビボでの体細胞変異によって導入される変異)を含み得る。しかし、本明細書で使用する用語「ヒト抗体」は、マウスなどの別の哺乳動物種の生殖系列から誘導されたCDR配列がヒトフレームワーク配列に移植された抗体を含むことを意図するものではない。用語「ヒト抗体」及び「完全ヒト抗体」は、同義的に使用される。
「ヒト化抗体」は、非ヒト抗体のCDRの外側のアミノ酸の一部、ほとんど又は全部がヒト免疫グロブリン由来の対応するアミノ酸と置換された抗体を指す。抗体のヒト化形態の一態様では、CDRの外側のアミノ酸の一部、ほとんど又は全てが、ヒト免疫グロブリンからのアミノ酸と置換され、一方で1以上のCDR内の一部、ほとんど又は全てのアミノ酸は、不変である。アミノ酸のわずかな付加、欠失、挿入、置換又は修飾は、それらが特定の抗原に結合する抗体の能力を抑制しない限り許容される。「ヒト化抗体」は、元の抗体のそれと同様の抗原特異性を保持する。
「キメラ抗体」は、可変領域がマウス抗体に由来し、定常領域がヒト抗体に由来する抗体などの、可変領域が1つの種から誘導され、定常領域が他の種に由来する抗体を指す。
本明細書で使用する「二重特異性抗体」は、第1の抗原又はエピトープに対する親和性を有する第1の結合部位と、第1の抗原又はエピトープとは異なる第2の抗原又はエピトープに対する結合親和性を有する第2の結合部位である2つの抗原結合部位を含む抗体を指す。
「抗抗原抗体」は、抗原に特異的に結合する抗体を指す。例えば、抗PD-1抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)は、PD-1に特異的に結合し、抗PD-L1抗体は、PD-L1に特異的に結合する。
抗体の「抗原結合部分」(「抗原結合断片」とも呼ばれる)は、抗体全体により結合された抗原に特異的に結合する能力を保持する抗体の1以上の断片を指す。抗体の抗原結合機能は、全長抗体の断片により行われ得ることが示されている。抗体、例えば、抗PD-1抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、若しくはその抗原結合部分)又は本明細書に記載の抗PD-L1抗体の「抗原結合部分」という用語に包含される結合断片の例は、(i)Fab断片(パパイン切断からの断片)又はVL、VH、LC及びCH1ドメインからなる類似の一価断片;(ii)F(ab’)2断片(ペプシン切断からの断片)又はヒンジ領域でジスルフィド架橋によって結合された2つのFab断片を含む類似の二価の断片;(iii)VH及びCH1ドメインからなるFd断片;(iv)抗体の単一アームのVL及びVHドメインからなるFv断片;(v)VHドメインからなるdAb断片(Wardら,(1989)Nature 341:544-546);(vi)単離された相補性決定領域(CDR)及び(vii)合成リンカーによって任意に結合され得る2以上の単離CDRの組み合わせを含む。さらに、Fv断片の2つのドメイン、VL、及びVHが別々の遺伝子でコードされるが、それらは、VL及びVH領域が対になって1価の分子(単鎖Fv(scFv)として知られている)を形成する単一タンパク質鎖としてそれらが作製されることを可能にする合成リンカーにより、組換え法を用いて結合できる;例えば、Birdら(1988)Science 242:423-426;及びHustonら(1988)Proc.Natl.Acad.Sci.USA 85:5879-5883)を参照されたい。そのような一本鎖抗体は、抗体の「抗原結合部分」という用語に包含されることも意図される。それらの抗体断片は、当技術分野において利用可能な技術を用いて取得され、断片は、無傷の抗体と同様に有用性についてスクリーニングされる。抗原結合部分は、組換えDNA技術により、又は無傷の免疫グロブリンの酵素的若しくは化学的切断により生成できる。
本明細書で使用する用語「抗体」は、特定の抗原に適用される場合、異なる結合特異性を有する他の結合部分を含む抗体分子も包含する。したがって、一態様では、抗体という用語は、抗体薬物コンジュゲート(ADC)も包含する。別の態様では、抗体という用語は、多重特異性抗体、例えば二重特異性抗体を包含する。そのため、例えば、抗PD-1抗体という用語は、抗PD-1抗体又はその抗原結合部分を含むADCも包含する。同様に、抗PD-1抗体という用語は、PD-1に特異的に結合できる抗原結合部分を含む二重特異性抗体を包含する。
「癌」は、体内の異常細胞の制御されない増殖を特徴とする広範な様々な疾患群を指す。調節されない細胞分裂及び成長は、隣接組織に侵入し、かつリンパ系又は血流を介して身体の遠位部分に転移することもできる、悪性腫瘍の形成をもたらす。用語「腫瘍」は、固形癌を指す。用語「細胞癌」は、上皮由来の癌を指す。
用語「免疫療法」は、免疫応答を誘導、増強、抑制又はさもなければ変更することを含む方法による、疾患に罹患しているか、又は罹患する危険性があるか、又は再発する危険性のある対象の治療を指す。対象の「治療」又は「療法」は、疾患に関連付けられる症状、合併症若しくは病状、若しくは生化学的兆候の発症、進行、発達、重症度又は再発を反転、緩和、改善、抑制、減速又は予防する目的で、対象に行う任意の種類の介入若しくはプロセス、又は対象への活性剤の投与を指す。
本開示の文脈において、用語「免疫抑制された」又は「免疫抑制」は、癌に対する免疫応答の状態を説明する。癌に対する患者の免疫応答は、腫瘍微小環境において免疫抑制細胞によって減衰されるため、癌に対する免疫系攻撃を阻止、予防、又は減少させることができる。免疫抑制療法では、目的は、免疫系が癌を攻撃できるように、患者に特定の薬物を与えることにより、免疫抑制を緩和することである(例えば、臓器移植の状況でのように、免疫抑制を引き起こすこととは対照的)。
用語「小分子」は、約900ダルトン未満、又は約500ダルトン未満の分子量を有する有機化合物を指す。この用語は、所望の薬理学的性質を有する薬剤を含み、経口又は注射により摂取可能な化合物を含む。この用語は、TGFβの活性を調節する有機化合物、及び/又は免疫応答の増強若しくは阻害に関連付けられる他の分子を含む。
「プログラム死1」(PD-1)は、CD28ファミリーに属する免疫抑制受容体を指す。PD-1は、以前にインビボで活性化されたT細胞上に主として発現し、2つのリガンドPD-L1及びPD-L2に結合する。本明細書で使用する用語「PD-1」は、ヒトPD-1(hPD-1)、変異体、アイソフォーム、及びhPD-1の種相同体、及びhPD-1と少なくとも1つの共通のエピトープを有する類似体を含む。完全なhPD-1配列は、GenBank登録番号U64863で見出すことができる。
「プログラム死リガンド-1」(PD-L1)は、PD-1への結合時にT細胞活性化及びサイトカイン分泌を下方制御するPD-1の2つの細胞表面糖タンパク質リガンドの1つである(他方はPD-L2である)。本明細書で使用する用語「PD-L1」は、ヒトPD-L1(hPD-L1)、変異体、アイソフォーム、及びhPD-L1の種相同体、及びhPD-L1と少なくとも1つの共通エピトープを有する類似体を含む。完全なhPD-L1配列は、GenBank登録番号Q9NZQ7で見出すことができる。ヒトPD-L1タンパク質は、ヒトCD274遺伝子(NCBI遺伝子ID:29126)によってコードされる。
本明細書で使用する用語「対象」は、任意のヒト又は非ヒト動物を含む。用語「対象」及び「患者」は、本明細書では互換的に使用される。用語「非ヒト動物」は、イヌ、ネコ、ウマ、ウシ、ブタ、イノシシ、ヒツジ、ヤギ、バッファロー、バイソン、ラマ、シカ、ヘラジカ及び他の大型動物、並びに子牛及び子羊を含むそれらの若い動物、並びにマウス、ラット、ウサギ、モルモットなどの脊椎動物、サルなどの霊長類、並びに他の実験動物を含むが、これらに限定されない。動物の中では、実験動物も含まれるが、哺乳動物が好ましく、最も好ましくは、家畜、競走馬及びヒトが消費する食物を直接的に生成する(例えば、肉)又は間接的に生成する(例えば、乳)ために使用される動物などの高く評価され、価値のある動物である。特異的態様では、対象は、人である。そのため、本開示は、臨床、獣医学及び研究用途に適用できる。
本明細書で使用する用語「治療する」、「治療すること」、及び「治療」は、疾患に関連付けられる症状、合併症若しくは病状若しくは生化学的兆候の進行、発症、発達、重症度又は再発を反転、緩和、改善、抑制、又は減速又は予防する目的で、対象に行う任意の種類の介入若しくはプロセス、又は対象への活性剤の投与を指す。治療は、疾患を有している又は疾患を有しない対象(例えば、予防のための)の治療であり得る。本明細書で使用する用語「治療する」、「治療すること」及び「治療」は、有効用量又は有効投与量の投与を指す。
用語「有効用量」又は「有効投与量」は、所望の効果を達成又は少なくとも部分的に達成するのに十分な量として定義される。
薬物若しくは治療薬の「治療有効量」又は「治療有効投与量」は、単独で又は他の治療薬と組み合わせて使用される場合、疾患の発症から対象を保護するか、又は疾患症状の重症度の減少、疾患の症状のない期間の頻度及び持続時間の増加、又は疾患の罹患による機能障害若しくは身体障害の防止によって証明される疾患退行を促進する薬物の任意の量である。
薬物の治療有効量又は治療有効投与量は、「予防有効量」又は「予防有効投与量」を含み、それは、疾患を発症する危険性があるか又は疾患の再発を患っている対象に単独で又は別の治療剤と組み合わせて投与される場合、疾患の発症又は再発を抑制する、薬物の任意の量である。
加えて、本明細書に開示される治療に関する用語「有効な」及び「有効性」は、薬理学的有効性と生理学的安全性の両方を含む。薬理学的有効性は、患者における癌の退行を促進する薬物の能力を指す。生理学的安全性は、薬物の投与に起因する細胞、器官及び/若しくは生物レベル(副作用)における毒性又は他の有害な生理学的作用のレベルを指す。
疾患の退行、例えば、癌の退行を促進する治療剤の能力は、臨床試験中のヒト対象、ヒトにおける有効性を予測する動物モデル系などにおいて、当業者に公知の様々な方法を用いて、又はインビトロアッセイにおける薬物の活性をアッセイすることによって評価できる。
一例として、「抗癌剤」又はその組み合わせは、対象において癌の退行を促進する。いくつかの態様では、治療有効量の治療剤は、癌を除去する時点まで癌の退行を促進する。
本開示のいくつかの態様では、抗癌剤は、療法の組み合わせ:(i)抗PD-1抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)、及び(ii)抗ホスファチジルセリン(PS)標的抗体、例えば、バビツキシマブ、の投与を含む療法として投与される。
「癌の退行を促進する」は、有効量の薬物又はそれらの組み合わせを投与すること(単一の治療用組成物として一緒に、又は上記のような別々の治療における別々の組成物として投与される)が、癌負荷の低下、例えば、腫瘍の成長又は大きさの低下、腫瘍の壊死、少なくとも1つの疾患症状の重症度の減少、疾患の症状のない期間の頻度及び持続時間の増加、又は疾患の罹患による機能障害又は身体障害の予防をもたらすことを意味する。
これらの治療有効性の究極の測定にもかかわらず、免疫療法薬物の評価は、免疫関連応答パターンについても考慮しなければならない。癌の増殖、例えば、腫瘍増殖を阻害する治療剤の能力は、本明細書に記載のアッセイ及び当技術分野で公知の他のアッセイを用いて評価できる。あるいは、組成物のこの性質は、細胞増殖を阻害する化合物の能力を調べることにより評価でき、そのような阻害は、当業者に公知のアッセイによりインビトロで測定できる。
本明細書で使用する用語「生体試料」又は「試料」は、対象から単離された生物材料を指す。生体試料は、例えば、核酸を配列決定することによって遺伝子発現を決定するのに適する任意の生物材料を含み得る。
生体試料は、任意の適切な生物組織、例えば、癌組織であり得る。一態様では、試料は、腫瘍組織生検、例えばホルマリン固定、パラフィン包埋(FFPE)腫瘍組織又は新鮮凍結腫瘍組織などである。別の態様では、腫瘍内試料が使用される。別の態様では、生物学的流体は、腫瘍組織生検に存在し得るが、生体試料は、正確な意味では生物学的流体ではない。
単数形「1つ(a)」、「1つ(an)」及び「その」は、文脈が特に明確に指示しない限り、複数の言及を含む。用語「1つ(a)」(又は「1つ(an)」)並びに用語「1以上」及び「少なくとも1つ」は、本明細書では互換的に使用され得る。ある態様では、用語「1つ(a)」又は「1つ(an)」は、「単一」を意味する。他の態様では、用語「1つ(a)」又は「1つ(an)」は、「2以上」又は「複数」を含む。
さらに、本明細書で使用する「及び/又は」は、他のものを伴って、又は伴わずに2つの特定の特徴又は構成要素のそれぞれの特定の開示としてとられるべきである。そのため、本明細書における用語「A及び/又はB」などの語句で使用される用語「及び/又は」は、「A及びB」、「A又はB」、「A」(単独)、及び「B」(単独)を含むと意図される。同様に、「A、B、及び/又はC」などの語句において使用される用語「及び/又は」は、以下の態様:A、B、及びC;A、B、又はC;A又はC;A又はB;B又はC;A及びC;A及びB;B及びC;A(単独);B(単独);及びC(単独)の各々を包含すると意図される。
用語「約」、「本質的に含む」、又は「から本質的になる」は、当業者によって決定される特定の値又は組成物の許容誤差範囲内にある値又は組成物を指し、それは、その値又は組成物が測定又は決定される方法、すなわち、測定システムの限界に依存する。例えば、「約」、「本質的に含む」、又は「から本質的になる」は、当技術分野での実施あたり1又は2以上の標準偏差以内を意味してよい。あるいは、「約」、「本質的に含む」、又は「から本質的になる」は、最大で10%の範囲を意味してよい。さらに、特に生物学的システム又はプロセスに関して、この用語は、最大で一桁又は値の最大5倍を意味してよい。特に断らない限り、特定の値又は組成物が本明細書及び特許請求の範囲に提供される場合、「約」、「本質的に含む」、又は「から本質的になる」の意味は、その特定の値又は組成物の許容誤差範囲内にあると想定されるべきである。
本明細書で使用する用語「約」は、1以上の関心のある値に適用される場合、規定の基準値に類似する値を指す。ある態様では、用語「約」は、特に断らない限り、又は特に文脈から明らかでない限り(そのような数が可能性のある値の100%を超える場合を除いて)、規定の基準値の10%、9%、8%、7%、6%、5%、4%、3%、2%、1%以下の範囲内にある値の範囲を指す。
本明細書に記載されるように、任意の濃度範囲、パーセント範囲、比率範囲又は整数範囲は、記載の範囲内の任意の整数の値、かつ適切であれば、特に示されない限りその分数(整数の1/10及び1/100など)を含むことを理解されたい。
特に定義されない限り、本明細書で使用する全ての技術用語及び科学用語は、本開示が関連する当業者によって一般的に理解されるものと同じ意味を有する。例えば、「生物医学と分子生物学の簡潔な辞書(the Concise Dictionary of Biomedicine and Molecular Biology)」、Juo,Pei-Show,第2版,2002,CRC Press;「細胞及び分子生物学の辞書(The Dictionary of Cell and Molecular Biology)」,第3版,1999,Academic Press;及び「生化学と分子生物学のオックスフォード辞書(the Oxford Dictionary of Biochemistry And Molecular Biology)」改定版、2000,Oxford University Pressは、本開示で使用される用語の多くの一般的な辞書を当業者に提供する。
どの態様も「含む」という言葉で本明細書に記載され、特に用語「からなる」及び/又は「から本質的になる」で記載される類似の態様も提供されることが、理解される。
単位、接頭辞、及びシンボルは、それらの国際単位系(SI)で受け入れられる形態で示される。本明細書に提供される見出しは、全体として本明細書を参照することにより有することができる、本開示の様々な態様を限定するものではない。したがって、定義される用語は、その全体が本明細書を参照することによってより完全に定義される。
本明細書で使用する略語は、本開示を通じて定義される。本開示の様々な態様は、以下のサブセクションでさらに詳細に説明される。
I.腫瘍微小環境(TME)分類
本開示は、それを必要とする対象における癌の腫瘍微小環境(TME)の分類のための方法を提供する。これらの分類器は、集団ベースの分類器、非集団ベースの分類器、又はそれらの組み合わせであり得る。
本開示は、それを必要とする対象における癌の腫瘍微小環境(TME)の分類のための方法を提供する。これらの分類器は、集団ベースの分類器、非集団ベースの分類器、又はそれらの組み合わせであり得る。
本明細書で使用する用語「集団ベースの分類器」は、バイオマーカーの集団(例えば、本明細書に開示されるバイオマーカー遺伝子の集団)の1以上の特徴(例えば、核酸又はタンパク質の発現レベル)に対応する1以上のシグネチャーを計算することに基づくTME分類の方法を指す。いくつかの態様では、各シグネチャーは、本明細書に開示される遺伝子パネルからの遺伝子のセット、例えば、表1又は表2に開示される遺伝子のサブセット、又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれかについて得られる遺伝子発現データ(例えば、RNA発現データ)を用いて計算される。
本明細書で使用する用語「非集団ベースの分類器」は、機械学習によって生成された予測モデル、例えば、ANNの適用に基づくTME分類の方法を指す。いくつかの態様では、非集団ベースの分類器は、例えば、訓練セットとして本明細書に開示される集団ベースの分類器に従って前処理された発現データ(例えば、RNA発現データ)を含む訓練セットを用いて生成される。
いくつかの態様では、新鮮な試料(非保存試料)と比較して、保存試料が使用される場合に本明細書に開示される集団ベースの方法又は非集団ベースの方法のいずれかの適用の結果に差はない。実施例7は、新鮮な試料(非保存試料)へのANN法の適用を開示する。実施例12は、保存試料へのANN法の適用を開示する。
いくつかの態様では、新鮮な試料は、保存試料より好ましい。本明細書で使用する用語「新鮮な試料」、「非保存試料」及びその文法的変形は、対象からの抽出後、所定の時間、例えば、1週間前に(例えば、RNA又はタンパク質の発現を決定するために)処理されている試料(例えば、腫瘍試料)を指す。いくつかの態様では、新鮮な試料は、凍結されていない。いくつかの態様では、新鮮な試料は固定されていない。いくつかの態様では、新鮮な試料は、処理の前に約2週間未満、約1週間未満、又は6、5、4、3、若しくは2日未満保存されている。本明細書で使用する場合、用語「保存試料」及びその文法的変形は、対象からの抽出後、所定の期間、例えば、1週後に(例えば、RNA又はタンパク質の発現を決定するために)処理された試料(例えば、腫瘍試料)を指す。いくつかの態様では、保存試料は凍結されている。いくつかの態様では、保存試料は、固定されている。いくつかの態様では、保存試料は、既知の診断歴及び/又は治療歴を有する。いくつかの態様では、保存試料は、処理の前に少なくとも1週間、少なくとも1ヶ月、少なくとも6ヶ月、又は少なくとも1年間保存されている。
いくつかの態様では、本開示の集団ベースの分類器は、例えば、対象から得られた試料中の遺伝子パネル(例えば、表1又は表2からの少なくとも1つの遺伝子を含む遺伝子パネル、又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか、又はそれらの組み合わせ)の発現レベルを測定することによって決定される少なくとも1つのシグネチャースコアを含む組み合わせバイオマーカーを決定する工程を含む。その中の少なくとも1つのシグネチャースコアは、対象の癌を特定のTMEクラス又はそれらの組み合わせに割り当てることを可能にする。
いくつかの態様では、本開示の非集団ベースの分類器は、対象から得られた試料中の遺伝子パネル(例えば、表1又は表2からの少なくとも1つの遺伝子を含む遺伝子パネル、又は図28A~Gに開示されている遺伝子パネル(Genesets)のいずれか、又はそれらの組み合わせ)の発現レベルを測定する工程;及び対象の癌を特定のTMEクラス又はそれらの組み合わせに割り当てる機械学習(例えば、ロジスティック回帰、ランダムフォレスト、人工ニューラルネットワーク、又はサポートベクターマシンモデル)によって生成された予測モデルを適用する工程を含む。いくつかの態様では、機械学習モデルの出力(例えば、本明細書に開示されるANNからの出力)は、特定のTMEクラス又はそれらの組み合わせに機械学習モデルの出力を割り当てる統計関数を用いて後処理される。
その後、対象の癌を特定のTME又はそれらの組み合わせに割り当てる分類器出力(例えば、集団ベースの分類器、非集団ベースの分類器、又はそれらの組み合わせからの)は、同じTME、すなわち、以下に開示されるTMEクラス療法又はそれらの組み合わせを有する他の対象における同じ種類の癌を治療するのに有効であると決定された特異的治療又は複数の治療の選択及び投与を指導する。
本明細書で使用する用語「腫瘍微小環境」及び「TME」は、例えば、血管、免疫細胞、内皮細胞、線維芽細胞、他の間質細胞、シグナル伝達分子、及び細胞外マトリックスを含む、腫瘍細胞の周囲の環境を指す。いくつかの態様では、用語「間質サブタイプ」、「間質表現型」及びそれらの文法的変形は、用語「TME」と互換的に使用される。
腫瘍細胞と周囲の微小環境は密接に関連し、常に相互作用する。一般的に、腫瘍微小環境(例えば、間質表現型としても知られている)は、腫瘍の間質及び腫瘍環境の任意の構造的並びに/又は機能的特徴を包含する。多くの非腫瘍細胞型は、TME、例えば、細胞癌関連線維芽細胞、骨髄由来サプレッサー細胞、腫瘍関連マクロファージ、好中球、又は腫瘍浸潤リンパ球に存在し得る。いくつかの態様では、特定のTMEの分類は、間質内に存在する細胞型の分析を含み得る。TMEはまた、特異的な機能の特徴によって、例えば、異常酸素化レベル、異常な血管透過性、又はコラーゲン、エラスチン、グリコサミノグリカン、プロテオグリカン、又は糖タンパク質などの特定のタンパク質の異常レベルによって特徴付けられ得る。
本明細書に開示される集団ベース及び非集団ベースの分類器は、特異的TMEクラス(例えば、ID、IA、IS、若しくはA)又はそれらの組み合わせ(例えば、IDとIA、IDとIS、IDとAなど)に患者又は癌試料を割り当てるために使用できる。特異的TMEクラス内の患者の特異的サブ集団は、閾値の適用に基づき(例えば、図21Aに例示されるような線形閾値又はそれらの組み合わせを使用することによって、又は図21Bに例示されるような非線形閾値又はそれらの組み合わせを用いることによって)さらに分類できる。
この分類は、組み合わせバイオマーカーとして機能し、すなわち、それは、集団ベースの分類器の場合単一のスコア若しくはそれらの組み合わせに組み込まれる、又は非集団ベースの分類器の場合モデルに組み込まれる別々のバイオマーカー(例えば、TMEクラス又は例えば、線形若しくは非線形の閾値、又はそれらの組み合わせに従い定義される特異的TME内のサブセット、又はそれらの組み合わせ)から誘導されるバイオマーカーである。したがって、患者又は癌試料は、単一のTMEクラス、例えば、ID、IA、IS又はAについて「バイオマーカー陽性」であり得、患者又は試料は、例えば、IDバイオマーカー陽性、IAバイオマーカー陽性、ISバイオマーカー陽性、又はAバイオマーカー陽性であると説明される。いくつかの態様では、患者又は癌試料は、2以上のTMEクラスについてバイオマーカー陽性であり得る。そのため、いくつかの態様では、患者又は癌試料は、2、3、4つの又はそれより多いTMEクラスについてバイオマーカー陽性であり得る。いくつかの態様では、患者又は癌試料は、例えば、ID及びIAバイオマーカー陽性;ID及びISバイオマーカー陽性;ID及びAバイオマーカー陽性;IA及びISバイオマーカー陽性;IA及びAバイオマーカー陽性;又はIS及びAバイオマーカー陽性であり得る。いくつかの態様では、患者又は癌試料は、例えば、ID、IA、及びISバイオマーカー陽性;ID、IA、及びAバイオマーカー陽性;又はID、IS、及びAバイオマーカー陽性であり得る。
いくつかの態様では、バイオマーカー陽性状態について組み合わされた確率(すなわち、間質表現型分類器由来の1以上の確率の組み合わせ)が、使用される。バイオマーカー陽性状態について組み合わされた確率は、当技術分野で知られている数学的手法を用いて計算できる。
患者又は癌試料はまた、単一TMEクラス、例えば、ID、IA、IS又はAについて「バイオマーカー陰性」として定義され得る。そのため、患者又は試料は、例えば、IDバイオマーカー陰性、IAバイオマーカー陰性、ISバイオマーカー陰性、又はAバイオマーカー陰性であると説明される。いくつかの態様では、患者又は癌試料は、2以上のTMEクラスについてバイオマーカー陰性であり得る。そのため、いくつかの態様では、患者又は癌試料は、2、3、4つの又はそれより多いTMEクラスについてバイオマーカー陰性であり得る。いくつかの態様では、患者又は癌試料は、例えば、ID及びIAバイオマーカー陰性;ID及びISバイオマーカー陰性;ID及びAバイオマーカー陰性;IA及びISバイオマーカー陰性;IA及びAバイオマーカー陰性;又はIS及びAバイオマーカー陰性であり得る。いくつかの態様では、患者又は癌試料は、例えば、ID、IA、及びISバイオマーカー陰性;ID、IA、及びAバイオマーカー陰性;又はID、IS、及びAバイオマーカー陰性であり得る。
いくつかの態様では、バイオマーカー陰性状態について組み合わされた確率(すなわち、間質表現型分類器由来の1以上の確率の組み合わせ)が、使用される。バイオマーカー陰性状態について組み合わされた確率は、当技術分野で知られている数学的技法を用いて計算できる。
いくつかの態様では、TMEクラス特異的療法の割り当ては、特異的間質表現型の存在に基づく。すなわち、対象がIA間質表現型を示す場合(したがって、対象がIAバイオマーカー陽性である場合)、IAクラスのTME療法が、施されるであろう。いくつかの態様では、TMEクラス特異的療法の割り当ては、特異的間質表現型の不在に基づく。すなわち、対象がIA間質表現型を示さない場合(したがって、対象がIAバイオマーカー陰性である場合)、IAクラスのTME療法は、施されないであろう。
いくつかの態様では、患者又は癌試料のTMEクラスへの分類、及び患者又は癌へのTMEクラス療法の割り当ては、二義的ではない。換言すれば、患者又は癌試料は、2以上のTMEクラスについてバイオマーカー陽性及び/又はバイオマーカー陰性として分類でき、2以上のTMEクラス療法又はそれらの組み合わせを用いて、その患者を治療できる。例えば、2つの異なるTMEクラス(すなわち、2つの間質表現型)についてバイオマーカー陽性としての患者又は癌試料の分類を用いて、それに対し患者又は癌試料がバイオマーカー陽性であるTMEクラスに対応するTMEクラス療法における薬理学的手法の組み合わせを含む治療を選択できる。さらに、患者又は癌試料が特定のTMEクラスについてバイオマーカー陰性である場合、そのような知識を用いて、それに対し患者又は癌試料がバイオマーカー陰性であるTMEクラスに対応するTMEクラス療法における特異的薬理学的手法を排除できる。そのため、特定のTMEクラスについてバイオマーカー陽性として分類された癌試料を治療するのに有用な薬物若しくはそれらの組み合わせ、治療若しくはそれらの組み合わせ、及び/又は臨床計画若しくは組み合わせを組み合わせて、2以上のバイオマーカー陽性シグナルを有する(すなわち、2以上の間質表現型についてバイオマーカー陽性として分類される癌試料を有する)患者を治療できる。
いくつかの態様では、薬物又は臨床計画の作用機序に依存して、異なる分類パラメータ、例えば、異なる遺伝子パネルサブセット、異なる閾値、異なるANNアーキテクチャ、異なる活性化機能、又は異なる処理後の機能を用いて、異なるTMEクラスを生み出すことができ、これは、次に、適切なTMEクラス療法を選択するために使用される。したがって、各薬物又は薬物投与計画は、例えば、患者が治療のために選択されるべきか、治療を開始すべきか、治療を中断すべきか、又は治療を変更すべきかを決定することを臨床医(例えば、医師)に伝えるための異なる診断遺伝子パネル及び別々に構成された集団ベース又は非集団ベースの分類器を有し得る。
いくつかの態様では、臨床医は、患者のバイオマーカー状態の共変数を考慮し、間質表現型又はバイオマーカー状態の確率を、MSI/MSS状態(マイクロサテライト不安定性/マイクロサテライト安定性-高)状態、EBV(エプスタインバールウイルス)状態、PD-1/PD-L1状態(CPSなど、すなわち組み合わされた陽性スコア)、好中球-白血球比(NLR)、又は事前治療歴などの交絡変数と組み合わせることができる。
いくつかの態様では、臨床医は、アルゴリズムから2変数の結果を与えられ、本明細書に記載されるように治療する又は治療しないという決定がなされる。一態様では、臨床医は、例えば、潜在空間上に重畳され、かつ確率閾値と解釈される患者の結果のプロット、又は線形回帰若しくは多項ロジスティック回帰が与えられる。
I.A.遺伝子パネル
本開示の集団及び非集団ベースの分類器は、分類器によって使用される入力データのソースとしての特異的遺伝子パネルの選択に依存する。いくつかの態様では、本開示の遺伝子パネル中の遺伝子の各々は、「バイオマーカー」と呼ばれる。「遺伝子セット」及び「遺伝子パネル」という用語は、互換的に使用される。
本開示の集団及び非集団ベースの分類器は、分類器によって使用される入力データのソースとしての特異的遺伝子パネルの選択に依存する。いくつかの態様では、本開示の遺伝子パネル中の遺伝子の各々は、「バイオマーカー」と呼ばれる。「遺伝子セット」及び「遺伝子パネル」という用語は、互換的に使用される。
いくつかの態様では、バイオマーカーは、核酸バイオマーカーである。本明細書で使用する用語「核酸バイオマーカー」は、対象又はそこからの試料、例えば、腫瘍からの、例えば、組織、細胞、間質、細胞溶解物、及び/又はその構成物を含む試料中で検出(例えば、定量化)され得る核酸(例えば、本明細書に開示される遺伝子パネル中の遺伝子)を指す。いくつかの態様では、用語の核酸バイオマーカーは、対象又はそこからの試料、例えば、腫瘍からの、例えば、組織、細胞、間質、細胞溶解物、及び/又はその構成物を含む試料中で検出(例えば、定量化)され得る核酸(例えば、本明細書に開示される遺伝子パネル中の遺伝子)中の関心のある特異的配列(例えば、核酸変異体又は一塩基多型)の有無を指す。
核酸バイオマーカーの「レベル」は、いくつかの態様では、バイオマーカーの「発現レベル」、例えば、試料中の核酸バイオマーカーの核酸配列によってコードされるRNA又はDNAのレベルを指す。例えば、いくつかの態様では、表1又は表2に開示される特定の遺伝子、又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれかの発現レベルは、対象から得られた試料中に存在するそのような遺伝子をコードするmRNAの量を指す。
いくつかの態様では、核酸バイオマーカー、例えば、RNAバイオマーカーの「レベル」は、下流の出力(例えば、核酸バイオマーカー又は発現産物、例えば、そのRNA若しくはDNAにより調節される、例えば、活性化若しくは阻害される、標的分子の活性レベル又はエフェクター分子の発現レベル)を測定することによって決定できる。
いくつかの態様では、核酸バイオマーカーは、RNAバイオマーカーである。本明細書で使用する「RNAバイオマーカー」は、目的の核酸バイオマーカーの核酸配列を含むRNA、例えば、表1又は表2に開示される特定の遺伝子をコードするRNA、又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれかを指す。
RNAバイオマーカーの「発現レベル」は一般的に、対象又はそれからの試料中に存在する目的の核酸配列を含むRNA分子の検出される量、例えば、核酸配列を含むDNA分子(例えば、対象又は対象の癌のゲノム)から発現されるRNA分子の量を指す。
いくつかの態様では、RNAバイオマーカーの発現レベルは、腫瘍間質試料中のRNAバイオマーカーの量である。いくつかの態様では、RNAバイオマーカーは、PCR(例えば、リアルタイムPCR)、配列決定(例えば、ディープシークエンシング又は次世代配列決定、例えば、RNA-Seq)、又はマイクロアレイ発現プロファイリング又は増幅と組み合わせたRNAse保護を利用する他の技術、又はRNA-Seqなどの増幅及び新しい定量の方法又は他の方法を用いて定量される。
いくつかの態様では、本明細書に開示される集団ベースの分類器は、表1及び表2に開示される遺伝子の発現レベルを用いて計算されるシグネチャー(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)を含む。例えば、2つのシグネチャーを含む集団ベースの分類器は、表1に開示される遺伝子又はそのサブセットに対応する発現レベルから得られるシグネチャー1及び表2に開示される遺伝子又はそのサブセットに対応する発現レベルから得られるシグネチャー2を含み得る。いくつかの特異的態様では、集団ベースの分類器は、表3及び表4に開示されるサブセット(遺伝子パネル)を使用できる。例えば、2つのシグネチャーを含む集団ベースの分類器は、表3に開示される遺伝子パネル中の遺伝子に対応する発現レベルから得られるシグネチャー1及び表4に開示される遺伝子パネル又はそのサブセット中の遺伝子に対応する発現レベルから得られるシグネチャー2を含み得る。
本明細書に開示される集団ベースの分類器において、試料(例えば、臨床研究からの試料)の集団から取得された遺伝子パネル中の遺伝子の発現レベルは、計算されたシグネチャーレベルがある閾値を超える又はそれ未満であるかに応じて、TMEクラス(又はそれらの組み合わせ、すなわち、試料は、単一のTMEクラスについてバイオマーカー陽性として分類されるだけでなく、2以上のTMEクラスについてバイオマーカー陽性として分類され得る))に属するとして集団中の試料のグループを分類するために使用できる。続いて、試験対象からの試料又は複数の試料から得られた遺伝子パネル中の遺伝子の発現レベルを用いて、集団において同定されたTMEクラスの1つに対象のTMEを分類できる。
本明細書に開示される非集団ベースの分類器では、試料(例えば、臨床研究からの試料)の集団から取得された遺伝子パネル中の遺伝子の発現レベルと、本明細書に開示される集団分類器に従って得られたTMEクラス(又はそれらの組み合わせ、すなわち、試料は、単一のTMEクラスについてバイオマーカー陽性として分類されるだけでなく、2以上のTMEクラスについてバイオマーカー陽性として分類できる)へのそれらの割り当てを、例えば、ANNを用いる機械学習のための訓練セットとして使用できる。機械学習プロセスは、モデル、例えば、ANNモデルを生成する。続いて、試験対象からの試料又は複数の試料から得られる遺伝子パネル中の遺伝子の発現レベルは、対象のTMEを特定のTMEクラス(又はそれらの組み合わせ、すなわち、試料は、単一のTMEクラスについてバイオマーカー陽性として分類されるだけでなく、2以上のTMEクラスについてバイオマーカー陽性として分類できる)に分類するモデル用の入力として使用される。
この開示全体で使用される識別子によって指定されるタンパク質及び遺伝子の標準的な名前、別名などは、例えば、Genecards(www.genecards.org)又はUniprot(www.uniprot.org)を介して識別できる。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、ABCC9、AFAP1L2、BGN、COL4A2、COL8A1、FBLN5、HEY2、IGFBP3、LHFP、NAALAD2、PCDH17、PDGFRB、PLXDC2、RGS5、RRAS、SERPINE1、STEAP4、TEK、TMEM204、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、ABCC9、AFAP1L2、BGN、COL4A2、COL8A1、FBLN5、HEY2、IGFBP3、LHFP、NAALAD2、PCDH17、PDGFRB、PLXDC2、RGS5、RRAS、SERPINE1、STEAP4、TEK、及びTMEM204からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、ABCC9、COL4A2、MEST、OLFML2A、PCDH17、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、ABCC9、COL4A2、MEST、OLFML2A、及びPCDH17からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、ADAMTS4、CD274、CXCL10、IDO1、RAC2、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、ADAMTS4、CD274、CXCL10、IDO1、及びRAC2からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、BGN、CCL2、CD19、CD274、CD3E、CD4、CD79A、COL4A2、COL8A1、CTLA4、CXCL9、GZMB、HAVCR2、IDO1、IL1B、LAG3、PDCD1、PDGFRB、TIGIT、TNFRSF18、TNFRSF4、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、BGN、CCL2、CD19、CD274、CD3E、CD4、CD79A、COL4A2、COL8A1、CTLA4、CXCL9、GZMB、HAVCR2、IDO1、IL1B、LAG3、PDCD1、PDGFRB、TIGIT、TNFRSF18、及びTNFRSF4からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、BGN、CCL2、COL4A2、COL8A1、CTLA4、CXCL10、CXCL9、GZMB、HAVCR2、IL1B、LAG3、TIGIT、TNFRSF18、TNFRSF4、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、BGN、CCL2、COL4A2、COL8A1、CTLA4、CXCL10、CXCL9、GZMB、HAVCR2、IL1B、LAG3、TIGIT、TNFRSF18、及びTNFRSF4からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、BGN、CD19、CD274、CD3E、CD4、CD79A、COL4A2、COL8A1、CTLA4、CXCL10、CXCL9、GZMB、HAVCR2、IDO1、IL1B、LAG3、PDCD1、PDGFRB、TIGIT、TNFRSF18、TNFRSF4、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、BGN、CD19、CD274、CD3E、CD4、CD79A、COL4A2、COL8A1、CTLA4、CXCL10、CXCL9、GZMB、HAVCR2、IDO1、IL1B、LAG3、PDCD1、PDGFRB、TIGIT、TNFRSF18、及びTNFRSF4からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、BGN、PDGFRB、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、BGN及びPDGFRBからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、C10orf54、NFATC1、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、C10orf54及びNFATC1からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CAPG、DUSP4、LAG3、PLXDC2、TNFRSF18、TNFRSF4、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CAPG、DUSP4、LAG3、PLXDC2、TNFRSF18、及びTNFRSF4からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CCL2、CCL4、CXCL9、GZMB、MGP、MMP12、RAC2、TIMP1、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CCL2、CCL4、CXCL9、GZMB、MGP、MMP12、RAC2、及びTIMP1からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CCL2、CD3E、CXCL10、CXCL11、GZMB、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CCL2、CD3E、CXCL10、CXCL11、及びGZMBからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CCL2、CD4、CXCL10、MMP13、TIMP1、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CCL2、CD4、CXCL10、MMP13、及びTIMP1からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CCL3、CCL4、CTLA4、ETV5、HAVCR2、IFNG、LAG3、MTA2、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CCL3、CCL4、CTLA4、ETV5、HAVCR2、IFNG、LAG3、及びMTA2からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CCL4、CD3E、CXCL10、CXCL11、CXCL9、GZMB、HAVCR2、IDO1、IFNG、LAG3、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CCL4、CD3E、CXCL10、CXCL11、CXCL9、GZMB、HAVCR2、IDO1、IFNG、及びLAG3からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CCL4、CD3E、CXCL10、CXCL11、CXCL9、GZMB、HAVCR2、IFNG、LAG3、PDCD1、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CCL4、CD3E、CXCL10、CXCL11、CXCL9、GZMB、HAVCR2、IFNG、LAG3、及びPDCD1からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CCL4、CXCL10、CXCL11、CXCL9、IDO1、IFNG CCL4、CXCL10、CXCL11、CXCL9、IFNG、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CCL4、CXCL10、CXCL11、CXCL9、IDO1、IFNG CCL4、CXCL10、CXCL11、CXCL9、及びIFNGからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CCL4、GZMB、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CCL4及びGZMBからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CD274、CD3E、CD4、CXCL9、GZMB、IDO1、IFNG、LAG3、PDCD1LG2、TIGIT、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CD274、CD3E、CD4、CXCL9、GZMB、IDO1、IFNG、LAG3、PDCD1LG2、及びTIGITからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CD274、CD3E、CD79A、CXCL10、CXCL9、IDO1、IQGAP3、RAC2、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CD274、CD3E、CD79A、CXCL10、CXCL9、IDO1、IQGAP3、及びRAC2からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CD274、CTLA4、CXCL10、CXCL9、GZMB、HAVCR2、IFNG、IGFBP3、LAG3、PDCD1、PDGFRB、TEK、TGFB1、TGFB2、TIGIT、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネルは、CD274、CTLA4、CXCL10、CXCL9、GZMB、HAVCR2、IFNG、IGFBP3、LAG3、PDCD1、PDGFRB、TEK、TGFB1、TGFB2、及びTIGITからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CD3E、CTLA4、GZMB、LAG3、TGFB2、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CD3E、CTLA4、GZMB、LAG3、及びTGFB2からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CD4、CD79A、CXCL9、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CD4、CD79A、及びCXCL9からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CD79A、CTLA4、EBF1、EPHA3、ETV5、GNAS、PDCD1、PDCD1LG2、PDGFRB、RUNX1T1、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CD79A、CTLA4、EBF1、EPHA3、ETV5、GNAS、PDCD1、PDCD1LG2、PDGFRB、及びRUNX1T1からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CD8B、CXCL10、CXCL11、GZMB、IFNG、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CD8B、CXCL10、CXCL11、GZMB、及びIFNGからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、COL4A2を含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、COL4A2からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CTLA4、CXCL10、CXCL11、CXCL9、GZMB、IDO1、IFNG、TIGIT、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CTLA4、CXCL10、CXCL11、CXCL9、GZMB、IDO1、IFNG、及びTIGITからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CTLA4、CXCL10、CXCL11、CXCL9、GZMB、IFNG、TIGIT、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CTLA4、CXCL10、CXCL11、CXCL9、GZMB、IFNG、及びTIGITからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CTLA4、CXCL10、CXCL11、TIGIT、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CTLA4、CXCL10、CXCL11、及びTIGITからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CTSB、DUSP4、MT2A、SERPINE2、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)はCTSB、DUSP4、MT2A、及び SERPINE2からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CXCL10、CXCL12、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CXCL10、及びCXCL12からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CXCL10、CXCL9、GZMB、IFNG、IGFBP3、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CXCL10、CXCL9、GZMB、IFNG、及びIGFBP3からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CXCL10、LAG3、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CXCL10、及びLAG3からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CXCL12、PDGFRB、STEAP4、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CXCL12、PDGFRB、及びSTEAP4からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CXCL9、GZMB、IFNG、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CXCL9、GZMB、及びIFNGからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CXCL9、IFNG、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CXCL9及びIFNGからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CXCL9、MGP、RAC2、TIMP1、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、CXCL9、MGP、RAC2、及びTIMP1からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、EDNRA、IFNG、PDGFRB、TGFB1、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、EDNRA、IFNG、PDGFRB、及びTGFB1からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、ELNを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、ELNからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、NOVを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、NOVからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、EPHA3、GNAS、又はそれらの組み合わせを含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、EPHA3及びGNASからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、GNASを含まない。いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネルは、GNASからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、HAVCR2、PDCD1、TIGIT、又はそれらの組み合わせを含まない。いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネルは、HAVCR2、PDCD1、及びTIGITからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、HAVCR2、TIGIT、又はそれらの組み合わせを含まない。いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は、訓練セット又はモデル入力の一部として使用される遺伝子パネルは、HAVCR2及びTIGITからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、IGFBP3、TGFB1、又はそれらの組み合わせを含まない。いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネルは、IGFBP3及びTGFB1からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、IGFBP3を含まない。いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネルは、IGFBP3からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、PDCD1を含まない。いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネルは、PDCD1からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、PDGFRBを含まない。いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネルは、PDGFRBからならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、RGS5を含まない。いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネルは、RGS5からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、TGFB1を含まない。いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネルは、TGFB1からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、TIGITを含まない。いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネルは、TIGITからならない。
いくつかの態様では、集団ベースの分類器又は非集団ベースの分類器で入力されるモデル入力の一部として使用される集団ベースの分類器又は遺伝子パネルにおけるシグネチャー1スコアを決定するための遺伝子パネルは、BMP5、GNAS、IL1B、MMP12、NAALAD2、及びSTAB2を含まない。いくつかの態様では、集団ベースの分類器又は非集団ベースの分類器で入力されるモデル入力の一部として使用される集団ベースの分類器又は遺伝子パネルにおけるシグネチャー1のスコアを決定するための遺伝子パネルは、BMP5、GNAS、IL1B、MMP12、NAALAD2、及びSTAB2からなる群から選択される1、2、3、4、5、又は6個の遺伝子を含まない。いくつかの態様では、集団ベースの分類器又は非集団ベースの分類器で入力されるモデル入力の一部として使用される集団ベースの分類器又は遺伝子パネルにおけるシグネチャー1のスコアを決定するための遺伝子パネルは、BMP5、GNAS、IL1B、MMP12、NAALAD2、及びSTAB2からならない。
いくつかの態様では、集団ベースの分類器又は非集団ベースの分類器で入力されるモデル入力の一部として使用される遺伝子パネルは、AGR2、C11orf9、CD79A、EIF5A、HFE、HP、MEST、MST1、MT2A、PLA2G4A、PLAU、STRN3、TNFSF18、TRIM7、USF1、及びZIC2を含まない。いくつかの態様では、集団ベースの分類器又は非集団ベースの分類器で入力されるモデル入力の一部として使用される遺伝子パネルは、AGR2、C11orf9、CD79A、EIF5A、HFE、HP、MEST、MST1、MT2A、PLA2G4A、PLAU、STRN3、TNFSF18、TRIM7、USF1、及びZIC2からなる群から選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15又は16個の遺伝子を含まない。いくつかの態様では、集団ベースの分類器又は非集団ベースの分類器で入力されるモデル入力の一部として使用される遺伝子パネルは、AGR2、C11orf9、CD79A、EIF5A、HFE、HP、MEST、MST1、MT2A、PLA2G4A、PLAU、STRN3、TNFSF18、TRIM7、USF1、及びZIC2からならない。
本明細書に開示される方法に従って使用できる遺伝子及び遺伝子セットが、図28A、図28B、図28C、図28D、図28E、図28F、又は図28Gに示される。図28A~図28Gに示される遺伝子セット中の特定の遺伝子の存在は、空のセル(白)によって示され、一方、図28A~図28Gに示される遺伝子セット中の特定の遺伝子の不在は、塗りつぶされたセル(黒)により示される。
いくつかの態様では、本明細書に開示される集団ベースの分類器におけるシグネチャー1若しくはシグネチャー2を決定するための遺伝子パネル、又は本明細書に開示される非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネルは、ABCC9、ADAMTS4、AFAP1L2、AGR2、BACE1、BGN、BMP5、C11ORF9、CAPG、CAVIN2、CCL2、CCL3、CCL4、CD19、CD274、CD3E、CD4、CD79A、CD8B、COL4A2、COL8A1、COL8A2、CPXM2、CTLA4、CTSB、CXCL10、CXCL11、CXCL12、CXCL9、DUSP4、EBF1、ECM2、EDNRA、EIF5A、ELN、EPHA3、ETV5、FBLN5、FOLR2、GAD1、GNAS、GNB4、GUCY1A1、GZMB、HAVCR2、HEY2、HFE、HMOX1、HP、HSPB2、IDO1、IFNA2、IFNB1、IFNG、IGFBP3、IGLL5、IL1B、IQGAP3、ITGA9、ITPR1、JAM2、JAM3、KCNJ8、LAG3、LAMB2、LHFPL6、LTBP4、MEOX1、MEST、MGP、MMP12、MMP13、MST1、MT2A、MTA2、NAALAD2、NFATC1、NOV、OLFML2A、PCDH17、PDCD1、PDCD1LG2、PDE5A、PDGFRB、PEG3、PLA2G4A、PLAU、PLSCr2、PLXDC2、RAC2、REG4、RGS4、RGS5、RNF144A、RNH1、RRAS、RUNX1T1、SELP、SERPINE1、SERPINE2、SGIP1、SMARCA1、SPON1、SRSF6、STAB2、STEAP4、STRN3、TBX2、TEK、TGFB1、TGFB2、TIGIT、TIMP1、TLR9、TMEM204、TNFRSF18、TNFRSF4、TNFSF18、TRIM7、TTC28、USF1、UTRN、VSIR、及びZIC2を含む。いくつかの態様では、集団ベースの分類器におけるシグネチャー1若しくはシグネチャー2を決定するための遺伝子パネル、又は本明細書に開示される非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネルは、ABCC9、ADAMTS4、AFAP1L2、AGR2、BACE1、BGN、BMP5、C11ORF9、CAPG、CAVIN2、CCL2、CCL3、CCL4、CD19、CD274、CD3E、CD4、CD79A、CD8B、COL4A2、COL8A1、COL8A2、CPXM2、CTLA4、CTSB、CXCL10、CXCL11、CXCL12、CXCL9、DUSP4、EBF1、ECM2、EDNRA、EIF5A、ELN、EPHA3、ETV5、FBLN5、FOLR2、GAD1、GNAS、GNB4、GUCY1A1、GZMB、HAVCR2、HEY2、HFE、HMOX1、HP、HSPB2、IDO1、IFNA2、IFNB1、IFNG、IGFBP3、IGLL5、IL1B、IQGAP3、ITGA9、ITPR1、JAM2、JAM3、KCNJ8、LAG3、LAMB2、LHFPL6、LTBP4、MEOX1、MEST、MGP、MMP12、MMP13、MST1、MT2A、MTA2、NAALAD2、NFATC1、NOV、OLFML2A、PCDH17、PDCD1、PDCD1LG2、PDE5A、PDGFRB、PEG3、PLA2G4A、PLAU、PLSCr2、PLXDC2、RAC2、REG4、RGS4、RGS5、RNF144A、RNH1、RRAS、RUNX1T1、SELP、SERPINE1、SERPINE2、SGIP1、SMARCA1、SPON1、SRSF6、STAB2、STEAP4、STRN3、TBX2、TEK、TGFB1、TGFB2、TIGIT、TIMP1、TLR9、TMEM204、TNFRSF18、TNFRSF4、TNFSF18、TRIM7、TTC28、USF1、UTRN、VSIR、及びZIC2からなる。
いくつかの態様では、本明細書に開示される集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネルは、ABCC9、ADAMTS4、AFAP1L2、AGR2、BACE1、BGN、BMP5、C11ORF9、CAPG、CAVIN2、CCL2、CCL3、CCL4、CD19、CD274、CD3E、CD4、CD79A、CD8B、COL4A2、COL8A1、COL8A2、CPXM2、CTLA4、CTSB、CXCL10、CXCL11、CXCL12、CXCL9、DUSP4、EBF1、ECM2、EDNRA、EIF5A、ELN、EPHA3、ETV5、FBLN5、FOLR2、GAD1、GNAS、GNB4、GUCY1A1、GZMB、HAVCR2、HEY2、HFE、HMOX1、HP、HSPB2、IDO1、IFNA2、IFNB1、IFNG、IGFBP3、IGLL5、IL1B、IQGAP3、ITGA9、ITPR1、JAM2、JAM3、KCNJ8、LAG3、LAMB2、LHFPL6、LTBP4、MEOX1、MEST、MGP、MMP12、MMP13、MST1、MT2A、MTA2、NAALAD2、NFATC1、NOV、OLFML2A、PCDH17、PDCD1、PDCD1LG2、PDE5A、PDGFRB、PEG3、PLA2G4A、PLAU、PLSCr2、PLXDC2、RAC2、REG4、RGS4、RGS5、RNF144A、RNH1、RRAS、RUNX1T1、SELP、SERPINE1、SERPINE2、SGIP1、SMARCA1、SPON1、SRSF6、STAB2、STEAP4、STRN3、TBX2、TEK、TGFB1、TGFB2、TIGIT、TIMP1、TLR9、TMEM204、TNFRSF18、TNFRSF4、TNFSF18、TRIM7、TTC28、USF1、UTRN、VSIR、及びZIC2からなる群から選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93、94、95、96、97、98、99、100、101、102、103、104、105、106、107、108、109、110、111、112、113、114、115、116、117、118、119、120、121、122、123、又は124個の遺伝子を含む。
いくつかの態様では、本明細書に開示される集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネルは、ABCC9、ADAMTS4、AFAP1L2、AGR2、BACE1、BGN、BMP5、C11ORF9、CAPG、CAVIN2、CCL2、CCL3、CCL4、CD19、CD274、CD3E、CD4、CD79A、CD8B、COL4A2、COL8A1、COL8A2、CPXM2、CTLA4、CTSB、CXCL10、CXCL11、CXCL12、CXCL9、DUSP4、EBF1、ECM2、EDNRA、EIF5A、ELN、EPHA3、ETV5、FBLN5、FOLR2、GAD1、GNAS、GNB4、GUCY1A1、GZMB、HAVCR2、HEY2、HFE、HMOX1、HP、HSPB2、IDO1、IFNA2、IFNB1、IFNG、IGFBP3、IGLL5、IL1B、IQGAP3、ITGA9、ITPR1、JAM2、JAM3、KCNJ8、LAG3、LAMB2、LHFPL6、LTBP4、MEOX1、MEST、MGP、MMP12、MMP13、MST1、MT2A、MTA2、NAALAD2、NFATC1、NOV、OLFML2A、PCDH17、PDCD1、PDCD1LG2、PDE5A、PDGFRB、PEG3、PLA2G4A、PLAU、PLSCR2、PLXDC2、RAC2、REG4、RGS4、RGS5、RNF144A、RNH1、RRAS、RUNX1T1、SELP、SERPINE1、SERPINE2、SGIP1、SMARCA1、SPON1、SRSF6、STAB2、STEAP4、STRN3、TBX2、TEK、TGFB1、TGFB2、TIGIT、TIMP1、TLR9、TMEM204、TNFRSF18、TNFRSF4、TNFSF18、TRIM7、TTC28、USF1、UTRN、VSIR、及びZIC2からなる群から選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93、94、95、96、97、98、99、100、101、102、103、104、105、106、107、108、109、110、111、112、113、114、115、116、117、118、119、120、121、122、123、又は124個の遺伝子からなる。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、Geneset1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93、94、95、96、97、98、99、100、101、102、103、104、105、106、107、108、109、110、111、112、113、114、115、116、117、118、119、120、121、122、123、124、125、126、127、128、129、130、131、132、133、134、135、136、137、138、139、140、141、142、143、144、145、146、147、148、149、150、151、152、153、154、155、156、157、158、159、160、161、162、163、164、165、166、167、168、169、170、171、172、173、174、175、176、177、178、179、180、181、182、183、184、185、186、187、188、189、190、191、192、193、194、195、196、197、198、199、200、201、202、203、204、205、206、207、208、209、210、211、212、213、214、215、216、217、218、219、220、221、222、223、224、225、226、227、228、229、230、231、232、233、234、235、236、237、238、239、240、241、242、243、244、245、246、247、248、249、250、251、252、253、254、255、256、257、258、259、260、261、262、263、264、265、266、267、268、269、270、271、272、273、274、275、276、277、278、279、280、281又は282中に存在する遺伝子(図28A~Gで塗りつぶされたセルにより示される遺伝子)を含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、Geneset1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93、94、95、96、97、98、99、100、101、102、103、104、105、106、107、108、109、110、111、112、113、114、115、116、117、118、119、120、121、122、123、124、125、126、127、128、129、130、131、132、133、134、135、136、137、138、139、140、141、142、143、144、145、146、147、148、149、150、151、152、153、154、155、156、157、158、159、160、161、162、163、164、165、166、167、168、169、170、171、172、173、174、175、176、177、178、179、180、181、182、183、184、185、186、187、188、189、190、191、192、193、194、195、196、197、198、199、200、201、202、203、204、205、206、207、208、209、210、211、212、213、214、215、216、217、218、219、220、221、222、223、224、225、226、227、228、229、230、231、232、233、234、235、236、237、238、239、240、241、242、243、244、245、246、247、248、249、250、251、252、253、254、255、256、257、258、259、260、261、262、263、264、265、266、267、268、269、270、271、272、273、274、275、276、277、278、279、280、281又は282中に存在する遺伝子(図28A~Gで塗りつぶされたセルにより示される遺伝子)からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、Geneset1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93、94、95、96、97、98、99、100、101、102、103、104、105、106、107、108、109、110、111、112、113、114、115、116、117、118、119、120、121、122、123、124、125、126、127、128、129、130、131、132、133、134、135、136、137、138、139、140、141、142、143、144、145、146、147、148、149、150、151、152、153、154、155、156、157、158、159、160、161、162、163、164、165、166、167、168、169、170、171、172、173、174、175、176、177、178、179、180、181、182、183、184、185、186、187、188、189、190、191、192、193、194、195、196、197、198、199、200、201、202、203、204、205、206、207、208、209、210、211、212、213、214、215、216、217、218、219、220、221、222、223、224、225、226、227、228、229、230、231、232、233、234、235、236、237、238、239、240、241、242、243、244、245、246、247、248、249、250、251、252、253、254、255、256、257、258、259、260、261、262、263、264、265、266、267、268、269、270、271、272、273、274、275、276、277、278、279、280、281又は282中に存在する遺伝子(図28A~Gで塗りつぶされたセルにより示される遺伝子)を含む。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、Geneset1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93、94、95、96、97、98、99、100、101、102、103、104、105、106、107、108、109、110、111、112、113、114、115、116、117、118、119、120、121、122、123、124、125、126、127、128、129、130、131、132、133、134、135、136、137、138、139、140、141、142、143、144、145、146、147、148、149、150、151、152、153、154、155、156、157、158、159、160、161、162、163、164、165、166、167、168、169、170、171、172、173、174、175、176、177、178、179、180、181、182、183、184、185、186、187、188、189、190、191、192、193、194、195、196、197、198、199、200、201、202、203、204、205、206、207、208、209、210、211、212、213、214、215、216、217、218、219、220、221、222、223、224、225、226、227、228、229、230、231、232、233、234、235、236、237、238、239、240、241、242、243、244、245、246、247、248、249、250、251、252、253、254、255、256、257、258、259、260、261、262、263、264、265、266、267、268、269、270、271、272、273、274、275、276、277、278、279、280、281又は282中に存在する遺伝子(図28A~Gで塗りつぶされたセルにより示される遺伝子)からなる。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、Geneset1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93、94、95、96、97、98、99、100、101、102、103、104、105、106、107、108、109、110、111、112、113、114、115、116、117、118、119、120、121、122、123、124、125、126、127、128、129、130、131、132、133、134、135、136、137、138、139、140、141、142、143、144、145、146、147、148、149、150、151、152、153、154、155、156、157、158、159、160、161、162、163、164、165、166、167、168、169、170、171、172、173、174、175、176、177、178、179、180、181、182、183、184、185、186、187、188、189、190、191、192、193、194、195、196、197、198、199、200、201、202、203、204、205、206、207、208、209、210、211、212、213、214、215、216、217、218、219、220、221、222、223、224、225、226、227、228、229、230、231、232、233、234、235、236、237、238、239、240、241、242、243、244、245、246、247、248、249、250、251、252、253、254、255、256、257、258、259、260、261、262、263、264、265、266、267、268、269、270、271、272、273、274、275、276、277、278、279、280、281又は282中に存在しない遺伝子(図28A~Gで空のセルにより示される遺伝子)を含まない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、Geneset1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93、94、95、96、97、98、99、100、101、102、103、104、105、106、107、108、109、110、111、112、113、114、115、116、117、118、119、120、121、122、123、124、125、126、127、128、129、130、131、132、133、134、135、136、137、138、139、140、141、142、143、144、145、146、147、148、149、150、151、152、153、154、155、156、157、158、159、160、161、162、163、164、165、166、167、168、169、170、171、172、173、174、175、176、177、178、179、180、181、182、183、184、185、186、187、188、189、190、191、192、193、194、195、196、197、198、199、200、201、202、203、204、205、206、207、208、209、210、211、212、213、214、215、216、217、218、219、220、221、222、223、224、225、226、227、228、229、230、231、232、233、234、235、236、237、238、239、240、241、242、243、244、245、246、247、248、249、250、251、252、253、254、255、256、257、258、259、260、261、262、263、264、265、266、267、268、269、270、271、272、273、274、275、276、277、278、279、280、281又は282中に存在しない遺伝子(図28A~Gで空のセルにより示される遺伝子)からならない。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、Geneset1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93、94、95、96、97、98、99、100、101、102、103、104、105、106、107、108、109、110、111、112、113、114、115、116、117、118、119、120、121、122、123、124、125、126、127、128、129、130、131、132、133、134、135、136、137、138、139、140、141、142、143、144、145、146、147、148、149、150、151、152、153、154、155、156、157、158、159、160、161、162、163、164、165、166、167、168、169、170、171、172、173、174、175、176、177、178、179、180、181、182、183、184、185、186、187、188、189、190、191、192、193、194、195、196、197、198、199、200、201、202、203、204、205、206、207、208、209、210、211、212、213、214、215、216、217、218、219、220、221、222、223、224、225、226、227、228、229、230、231、232、233、234、235、236、237、238、239、240、241、242、243、244、245、246、247、248、249、250、251、252、253、254、255、256、257、258、259、260、261、262、263、264、265、266、267、268、269、270、271、272、273、274、275、276、277、278、279、280、281又は282中に存在しない遺伝子(図28A~Gで空のセルにより示される遺伝子)を含む。
いくつかの態様では、本明細書に開示される遺伝子パネル(例えば、集団ベースの分類器におけるシグネチャー1スコア若しくはシグネチャー2スコアを決定するための遺伝子パネル、又は非集団ベースの分類器における訓練セット若しくはモデル入力の一部として使用される遺伝子パネル)は、Geneset1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93、94、95、96、97、98、99、100、101、102、103、104、105、106、107、108、109、110、111、112、113、114、115、116、117、118、119、120、121、122、123、124、125、126、127、128、129、130、131、132、133、134、135、136、137、138、139、140、141、142、143、144、145、146、147、148、149、150、151、152、153、154、155、156、157、158、159、160、161、162、163、164、165、166、167、168、169、170、171、172、173、174、175、176、177、178、179、180、181、182、183、184、185、186、187、188、189、190、191、192、193、194、195、196、197、198、199、200、201、202、203、204、205、206、207、208、209、210、211、212、213、214、215、216、217、218、219、220、221、222、223、224、225、226、227、228、229、230、231、232、233、234、235、236、237、238、239、240、241、242、243、244、245、246、247、248、249、250、251、252、253、254、255、256、257、258、259、260、261、262、263、264、265、266、267、268、269、270、271、272、273、274、275、276、277、278、279、280、281又は282中に存在しない遺伝子(図28A~Gで空のセルにより示される遺伝子)からなる。
I.B.試料及び試料の処理
本明細書に開示される方法は、試料、例えば、対象から得られる生体試料から選択される遺伝子パネルの発現レベルを測定する工程を含む。いくつかの態様では、例えば、2つのシグネチャースコアが決定される場合(例えば、本明細書に開示されるシグネチャー1のスコア及びシグネチャー2のスコア)、各試料は同じであり得るか、又はそれは異なり得る。そのため、いくつかの態様では、第1のスコア及び第2のスコアを決定するためにそれぞれ使用される第1の試料及び第2の試料は、同じ試料である。他の態様では、第1のスコア及び第2のスコアを決定するためにそれぞれ使用される第1の試料及び第2の試料は、異なる試料である。いくつかの態様では、試料は、腫瘍内組織を含む。いくつかの態様では、第1の試料及び/又は第2の試料は、腫瘍内組織を含む。いくつかの態様では、第1の試料及び/又は第2の試料は、規則的な又は不規則な形状の腫瘍が浸潤した腫瘍周囲の組織及び/又は健康な組織を偶然に含み得る。バイオマーカーレベル(例えば、本開示の遺伝子パネル中の遺伝子の発現レベル)は、動物、対象若しくは患者、例えば、対象の癌組織、腫瘍、及び/若しくは間質からの任意の組織試料又は生検を含む、本明細書に開示される1以上のバイオマーカー(例えば、RNAバイオマーカー)を含むか、若しくは含むことが疑われる任意の生体試料において測定できる。いくつかの態様では、バイオマーカーレベルは、腫瘍組織(例えば、新鮮な組織、凍結組織、又は保存された組織)から誘導される。組織試料の供給源は、例えば、新鮮な、凍結された及び/若しくは保存された器官、組織試料、生検、又は吸引物からの固体組織であり得る。いくつかの態様では、試料は、例えば、無細胞の核酸(例えば、DNA又はRNA)を含む、無細胞試料である。いくつかの態様では、試料は、保存剤、抗凝固剤、緩衝剤、固定剤、栄養素、抗生物質などの、自然界の組織と自然界では混合されない化合物を含み得る。
本明細書に開示される方法は、試料、例えば、対象から得られる生体試料から選択される遺伝子パネルの発現レベルを測定する工程を含む。いくつかの態様では、例えば、2つのシグネチャースコアが決定される場合(例えば、本明細書に開示されるシグネチャー1のスコア及びシグネチャー2のスコア)、各試料は同じであり得るか、又はそれは異なり得る。そのため、いくつかの態様では、第1のスコア及び第2のスコアを決定するためにそれぞれ使用される第1の試料及び第2の試料は、同じ試料である。他の態様では、第1のスコア及び第2のスコアを決定するためにそれぞれ使用される第1の試料及び第2の試料は、異なる試料である。いくつかの態様では、試料は、腫瘍内組織を含む。いくつかの態様では、第1の試料及び/又は第2の試料は、腫瘍内組織を含む。いくつかの態様では、第1の試料及び/又は第2の試料は、規則的な又は不規則な形状の腫瘍が浸潤した腫瘍周囲の組織及び/又は健康な組織を偶然に含み得る。バイオマーカーレベル(例えば、本開示の遺伝子パネル中の遺伝子の発現レベル)は、動物、対象若しくは患者、例えば、対象の癌組織、腫瘍、及び/若しくは間質からの任意の組織試料又は生検を含む、本明細書に開示される1以上のバイオマーカー(例えば、RNAバイオマーカー)を含むか、若しくは含むことが疑われる任意の生体試料において測定できる。いくつかの態様では、バイオマーカーレベルは、腫瘍組織(例えば、新鮮な組織、凍結組織、又は保存された組織)から誘導される。組織試料の供給源は、例えば、新鮮な、凍結された及び/若しくは保存された器官、組織試料、生検、又は吸引物からの固体組織であり得る。いくつかの態様では、試料は、例えば、無細胞の核酸(例えば、DNA又はRNA)を含む、無細胞試料である。いくつかの態様では、試料は、保存剤、抗凝固剤、緩衝剤、固定剤、栄養素、抗生物質などの、自然界の組織と自然界では混合されない化合物を含み得る。
バイオマーカーレベルは、いくつかの例では、固定された腫瘍組織から導出され得る。いくつかの態様では、試料は、凍結試料として、又はホルマリン、ホルムアルデヒド、若しくはパラホルムアルデヒドで固定したパラフィン包埋(FFPE)された組織調製物として保存される。例えば、試料は、マトリックス、例えば、FFPEブロック又は凍結試料に包埋され得る。いくつかの態様では、試料は、骨髄、吸引物、擦過物、骨髄標本、組織生検標本、外科的標本などを含み得る。いくつかの態様では、試料は、個体から、例えば、そこから試料が得られる個体から得られる細胞であるか、又は細胞を含む。
いくつかの態様では、試料は、例えば、外科材料から、又は生検(例えば、最近の生検、最後の憎悪からの最近の生検、又は最後に失敗した療法からの最近の生検)から得ることができる。いくつかの態様では、生検は、前の療法選択からの保存組織であり得る。いくつかの態様では、生検は、未処置療法の組織からのものであり得る。いくつかの態様では、生体液は、試料として使用されない。
I.B.1 発現レベル及びそれらの測定
本明細書に記載の遺伝子パネル中の遺伝子の発現レベルは、当技術分野における任意の方法を用いて決定できる。例えば、発現レベルは、核酸(例えば、RNA若しくはmRNA)又は遺伝子よってコードされるタンパク質の発現を検出することにより決定できる。そのため、いくつかの態様では、発現レベルは、転写されたRNAレベル及び/又は発現されたタンパク質レベルである。
本明細書に記載の遺伝子パネル中の遺伝子の発現レベルは、当技術分野における任意の方法を用いて決定できる。例えば、発現レベルは、核酸(例えば、RNA若しくはmRNA)又は遺伝子よってコードされるタンパク質の発現を検出することにより決定できる。そのため、いくつかの態様では、発現レベルは、転写されたRNAレベル及び/又は発現されたタンパク質レベルである。
いくつかの態様では、RNAレベルは、配列決定法、例えば、次世代配列決定(NGS)を用いて決定される。いくつかの態様では、NGSは、RNA-Seq、EdgeSeq、PCR、ナノストリング、若しくはそれらの組み合わせ、又はRNAを測定する任意の技術である。いくつかの態様では、RNA測定法は、ヌクレアーゼ保護を含む。
いくつかの態様では、RNAレベルは、蛍光を用いて決定される。いくつかの態様では、RNAレベルは、Affymetrixマイクロアレイ、又はAgilent社によって販売されるようなマイクロアレイを用いて決定される。核酸発現レベル(一般的にはmRNAレベル)及びタンパク質発現レベルの決定に適する方法のより詳細な説明を、以下に提供する。
I.B.1.a 核酸発現レベル
核酸発現レベルは、場合によっては、核酸配列決定法を用いて決定できる。当技術分野で公知の任意の配列決定法を使用できる。選択方法によって単離される核酸の配列決定は、典型的には次世代配列決定(NGS)を用いて行われる。次世代配列決定は、高度に並列化された方法(例えば、105超の分子が同時に配列決定される)で個々の核酸分子又は個々の核酸分子のクローン増幅されたプロキシのいずれかのヌクレオチド配列を決定する、任意の配列決定法を含む。一態様では、ライブラリー中の核酸種の相対的存在量は、配列決定実験によって生成されたデータ中のそれらの同族配列の存在の相対数を計数することによって推定できる。次世代配列決定法は、当技術分野で公知であり、例えば、Metzker,M.(2010)Nature Biotechnology Reviews 11:31-46;Eastelら(2019)Expert Rev.Mol.Diag.19:591-98;及びMcCombieら(2019)Cold Spring Harb.Perspect.Med.9:a036798に記載されており、これらは参照によりその全体が本明細書に組み込まれる。
核酸発現レベルは、場合によっては、核酸配列決定法を用いて決定できる。当技術分野で公知の任意の配列決定法を使用できる。選択方法によって単離される核酸の配列決定は、典型的には次世代配列決定(NGS)を用いて行われる。次世代配列決定は、高度に並列化された方法(例えば、105超の分子が同時に配列決定される)で個々の核酸分子又は個々の核酸分子のクローン増幅されたプロキシのいずれかのヌクレオチド配列を決定する、任意の配列決定法を含む。一態様では、ライブラリー中の核酸種の相対的存在量は、配列決定実験によって生成されたデータ中のそれらの同族配列の存在の相対数を計数することによって推定できる。次世代配列決定法は、当技術分野で公知であり、例えば、Metzker,M.(2010)Nature Biotechnology Reviews 11:31-46;Eastelら(2019)Expert Rev.Mol.Diag.19:591-98;及びMcCombieら(2019)Cold Spring Harb.Perspect.Med.9:a036798に記載されており、これらは参照によりその全体が本明細書に組み込まれる。
いくつかの態様では、次世代配列決定は、個々の核酸バイオマーカーのヌクレオチド配列の決定を可能にする(例えば、Helicos BioSciencesのHeliScope遺伝子配列決定システム、及びPacific BiosciencesのPacBio RSシステム)。他の態様では、配列決定法は、個々の核酸バイオマーカーについてのクローン増幅されたプロキシのヌクレオチド配列を決定し、及び/又は個々の核酸バイオマーカー、例えば、表1~4のいずれかに列挙される、例えば、RNAバイオマーカー、のレベル(例えば、コピーの相対量)の定量化(例えば、Solexaシーケンサー、Illumina Inc.,San Diego,Calif;454 Life Sciences(Branford,Conn.)及びIon Torrent)、例えば、超並列ショートリードシーケンス(例えば、the Solexa sequencer,Illumina Inc.,San Diego,Calif.)を決定し、それは、より少ないがより長い読み取り情報をもたらす他の配列決定法よりも配列決定単位あたりより多くの配列の塩基をもたらす。次世代配列決定のための他の方法又は機械は、454 Life Sciences(Branford,Conn.)、Applied Biosystems(Foster City,Calif.;SOLiDシーケンサー)、Helicos BioSciences Corporation(Cambridge,Mass.)、及びエマルジョン及び微少流体の配列決定技術ナノドロップレット(nanodroplets)(例えば、GnuBio droplets)によって提供されるシーケンサーを含むが、これらに限定されない。
次世代配列決定のためのプラットフォームは、Roche/454のGenome Sequencer(GS)FLXシステム、Illumina/Solexaのゲノム解析装置(GA)、Life/APGのサポートオリゴヌクレオチドライゲーション検出(SOLiD)システム、PolonatorのG.007システム、Helicos BioSciencesのHeliScope遺伝子配列決定システム、及びPacific BiosciencesのPacBio RSシステム、HTG Molecular DiagnosticsのEdgeSeq、及びNanostring TechnologyのHyb&Seq NGSテクノロジーを含むが、これらに限定されない。
NGS技術は、以下により詳細に開示される1以上の工程、例えば、鋳型の調製、配列決定及び画像化、及びデータ分析を含み得る。
当技術分野で知られるPCR法などの鋳型増幅法もまた、バイオマーカーレベルを定量するために用いられてよいことに留意されたい。例示的な鋳型濃縮法は、例えば、微小液滴PCR技術(Tewhey Rら,Nature Biotech.2009,27:1025-1031)、カスタム設計されたオリゴヌクレオチドマイクロアレイ(例えば、Roche/NimbleGenオリゴヌクレオチドマイクロアレイ)、及び溶液ベースのハイブリダイゼーション法(例えば、分子反転プローブ((MIPs)(Porreca G.J.ら,Nature Methods,2007,4:931-936;Krishnakumar S.ら,Proc.Natl.Acad.Sci.USA,2008,105:9296-9310;Turner E.H.ら,Nature Methods,2009,6:315-316)、及びビオチン化RNA捕捉配列(Gnirke A.ら,Nat.Biotechnol.2009;27(2):182-9)を含む。
(a)鋳型の調製。鋳型調製のための方法は、核酸(例えば、RNA)をより小さいサイズにランダムに破壊すること、および配列決定の鋳型(例えば、断片鋳型又はメイトペア鋳型)を生成することなどの工程を含み得る。空間的に分離された鋳型は、固体表面若しくは支持体に接着又は固定化でき、大量の配列決定反応が同時に行われることを可能にする。NGS反応に用いることができる鋳型の種類は、例えば、単一のDNA分子に由来するクローン増幅させた鋳型、及び単一のDNA分子鋳型を含む。クローン増幅された鋳型を調製するための方法は、例えば、エマルジョンPCR(emPCR)及び固相増幅を含む。
emPCRを用いて、NGSの鋳型を調製できる。典型的には、核酸断片のライブラリーを生成し、ユニバーサルプライミング部位を含むアダプターを、断片の端部にライゲートする。断片を次いで、1本鎖に変性し、ビーズにより捕捉する。各ビーズは、単一の核酸分子を捕捉する。emPCRビーズの増幅及び濃縮の後に、大量の鋳型を、標準的な顕微鏡スライド(例えば、Polonator)上のポリアクリルアミドゲルに接着又は固定化するか、アミノコーティングしたガラス表面(例えば、Life/APG;Polonator)に化学的に架橋させるか、又は個々のPicoTiterPlate(PTP)ウェル(例えば、Roche/454)に堆積させることができ、その中でNGS反応を実行できる。
固相増幅もまた、NGS用鋳型を生成するために用いることができる。典型的には、フォワードプライマー及びリバースプライマーを、固体支持体に共有結合させる。増幅された断片の表面密度は、支持体上の鋳型に対するプライマーの比によって定義される。固相増幅は、数億の空間的に分離された鋳型クラスター(例えば、Illumina/Solexa)を生成できる。鋳型クラスターの端部は、NGS反応のためのユニバーサル配列決定プライマーにハイブリダイズさせることができる。
クローン増幅された鋳型を調製するための他の方法はまた、例えば、多重置換増幅(MDA)(Lasken R.S.Curr Opin Microbiol.2007;10(5):510-6)も含む。MDAは、非PCRベースのDNA増幅技術である。この反応は、鋳型へランダム六量体プライマーをアニーリングすること、および高忠実度酵素、典型的には一定温度でのバクテリオファージΦ29DNAポリメラーゼによるDNA合成を含む。MDAは、誤差頻度の低い大きいサイズの生成物を作製できる。
単一分子鋳型は、NGS反応に用いることができる別の種類の鋳型である。空間的に分離された単一分子鋳型は、様々な方法によって固体支持体上に固定化できる。1つの手法では、個々のプライマー分子を固体支持体に共有結合させる。アダプターを鋳型に加え、鋳型を次いで、固定化されたプライマーにハイブリダイズさせる。別の手法では、単一分子鋳型を、固定化されたプライマーから一本鎖の単一分子鋳型をプライムし伸長させることにより、固体支持体に共有結合させる。ユニバーサルプライマーを次いで、鋳型にハイブリダイズさせる。さらに別の手法では、単一ポリメラーゼ分子を固体支持体に接着させ、それにプライムされた鋳型が結合される。
(b)配列決定及び画像化。NGSのための例示的な配列決定及び画像化方法は、循環可逆的終結(cyclic reversible termination(CRT))、ライゲーションによる配列決定(SBL)、一分子付加(パイロシーケンシング)、及びリアルタイム配列決定を含むが、これらに限定されない。
CRTは、ヌクレオチド組み込み、蛍光画像化、及び切断の工程を最小限に含む循環方法で可逆的ターミネーターを使用する。典型的には、DNAポリメラーゼは、鋳型塩基の相補的ヌクレオチドに対応する単一の蛍光修飾ヌクレオチドをプライマーに組み込む。DNA合成を、単一のヌクレオチドの添加後に終了し、組み込まれていないヌクレオチドを、洗い流す。画像化を、組み込まれた標識ヌクレオチドの同一性を決定するために行う。次いで、開裂工程では、終結/阻害基及び蛍光色素を除去する。CRT法を用いる例示的なNGSプラットフォームは、全内部反射蛍光(TIRF)によって検出される4色CRT法と連動してクローン増幅された鋳型法を使用するIllumina/Solexaゲノム解析装置(GA);及びTIRFにより検出される1色CRT法と連動して単一分子鋳型法を使用するHelicos BioSciences/HeliScopeを含むが、これらに限定されない。
SBLは、配列決定のために、DNAリガーゼと、1塩基コードプローブ又は2塩基コードプローブのいずれかを使用する。典型的には、蛍光標識されたプローブを、プライムされた鋳型に隣接するその相補的配列にハイブリダイズする。DNAリガーゼを用いて、色素標識プローブをプライマーにライゲートする。蛍光画像化を、ライゲートされていないプローブが洗い流された後に、ライゲートされたプローブのアイデンティティを決定するために行う。蛍光色素を、切断可能なプローブを用いて除去して、その後のライゲーションサイクルのために、5'-PO4基を再生成できる。あるいは、新たなプライマーを、古いプライマーが除去された後に、鋳型にハイブリダイズできる。例示的なSBLプラットフォームは、2塩基コードプローブを使用するLife/APG/SOLiD(支持オリゴヌクレオチドライゲーション検出)を含むが、これに限定されない。
熱配列決定法は、別の化学発光酵素を用いるDNAポリメラーゼの活性検出に基づく。典型的には、この方法は、一度に1塩基対ずつ、DNAの一本鎖に沿って相補鎖を合成すること、およびどの塩基が各工程で実際に付加されたかを検出することによりDNAの一本鎖の配列決定を可能にする。鋳型DNAは不動であり、A、C、G、及びTヌクレオチドの溶液が、連続して添加され、かつ反応から除去される。光が、ヌクレオチド溶液が鋳型の第1の不対塩基を補完する場合にのみ生成される。化学発光シグナルを生成する溶液の配列は、鋳型の配列決定を可能にする。例示的な熱配列決定プラットフォームは、PTPウェル内に堆積した100~200万個のビーズを用いるemPCRによって調製されたDNA鋳型を用いるRoche/454を含むが、これに限定されない。
リアルタイム配列決定は、DNA合成中に色素標識されたヌクレオチドの連続的な取り込みを画像化することを含む。例示的なリアルタイム配列決定プラットフォームは、リン酸結合したヌクレオチドが成長するプライマー鎖に取り込まれるときに配列情報を得るために個々のゼロモード導波路(ZMW)検出器の表面に接着されたDNAポリメラーゼ分子を使用する、Pacific Biosciencesプラットフォーム;蛍光共鳴エネルギー移動(FRET)によるヌクレオチド取り込み後に強化されたシグナルを生成するための蛍光色素が接着された操作済みDNAポリメラーゼを使用する、Life/VisiGenプラットフォーム;及び配列決定反応において色素クエンチャーヌクレオチドを使用する、LI-COR Biosciencesプラットフォームを含むが、これらに限定されない。
NGSの他の配列決定方法は、ナノ細孔配列決定、ハイブリダイゼーションによる配列決定、ナノトランジスタアレイに基づく配列決定、ポロニー配列決定、走査トンネル顕微鏡法(STM)に基づく配列決定、及びナノワイヤ分子センサに基づく配列決定を含むが、これらに限定されない。
ナノ細孔配列決定は、その中で単一核酸ポリマーを分析できる高度に閉ざされた空間を提供する、ナノスケール細孔を通る溶液中での核酸分子の電気泳動を含む。ナノ細孔配列決定の例示的な方法は、例えば、Branton D.ら,Nat Biotechnol.2008;26(10):1146-53に記載されている。
ハイブリダイゼーションによる配列決定は、DNAマイクロアレイを用いる非酵素的方法である。典型的には、DNAの単一のプールを蛍光標識し、既知の配列を含有するアレイにハイブリダイズさせる。アレイ上の所与のスポットからのハイブリダイゼーションシグナルは、DNA配列を特定できる。DNA二重らせんにおけるDNAの1本鎖のその相補鎖への結合は、ハイブリッド領域が短いとき、又は特殊化したミスマッチ検出タンパク質が存在するときには、単一塩基ミスマッチにさえ敏感である。ハイブリダイゼーションによる配列決定の例示的な方法は、例えば、Hanna G.J.ら,J.Clin.Microbiol.2000;38(7):2715-21;及びEdwards J.R.ら,Mut.Res.2005;573(1-2):3-12に記載されている。
ポロニー(Polony)配列決定は、複数の一塩基伸長を介するポロニー増幅及び逐次合成による配列決定に基づく(FISSEQ)。ポロニー増幅は、ポリアクリルアミド膜上でその場でDNAを増幅する方法である。例示的なポロニー配列決定方法は、例えば、米国特許出願公開第2007/0087362号に記載されている。
カーボンナノチューブ電界効果トランジスタ(CNTFET)などの、ナノトランジスタアレイベースの装置もまた、NGSに用いることができる。例えば、DNA分子が、微細加工電極によって伸張され、ナノチューブ上で運ばれる。DNA分子は、カーボンナノチューブ表面と連続的に接触し、各塩基からの電流の差異が、DNA分子とナノチューブとの間の電荷移動により生じる。DNAは、これらの差異を記録することによって配列決定される。例示的なナノトランジスタアレイベースの配列決定方法は、例えば、米国特許出願公開第2006/0246497号に記載されている。
走査トンネル顕微鏡法(STM)もまた、NGSに用いることができる。STMは、検体のラスター走査を行ってその表面の画像を形成する、圧電制御プローブを用いる。STMを用いて、単一DNA分子の物理的特性を画像化でき、例えば、走査トンネル顕微鏡とアクチュエータ駆動型の可塑性ギャップを統合することによって、コヒーレント電子トンネリングイメージング及び分光測定をもたらし得る。STMを用いる例示的な配列決定方法は、例えば、米国特許出願公開第2007/0194225号に記載されている。
ナノワイヤ分子センサで構成される分子分析装置もまた、NGSに用いることができる。そのような装置は、ナノワイヤ上に配置される窒素性物質とDNAなどの核酸分子との相互作用を検出できる。分子ガイドが、分子センサ付近の分子を誘導するように構成され、相互作用及びその後の検出を可能にする。ナノワイヤ分子センサを用いる例示的な配列決定方法は、例えば、米国特許出願公開第2006/0275779号に記載されている。
二重末端配列決定方法を、NGSに用いることができる。二重末端配列決定は、ブロックされたプライマー及びブロックされていないプライマーを用いて、DNAのセンス鎖及びアンチセンス鎖の両方を配列決定する。典型的には、これらの方法は、ブロックされていないプライマーを核酸の第1の鎖にアニーリングする工程;第2のブロックされたプライマーを核酸の第2の鎖にアニーリングする工程;ポリメラーゼを用いて第1の鎖に沿って核酸を伸長する工程;第1の配列決定プライマーを終結させる工程;第2のプライマーを脱ブロッキングする工程;及び第2の鎖に沿って核酸を伸長する工程、を含む。例示的な二重末端配列決定方法は、例えば、米国特許第7,244,567号に記載されている。一態様では、エクソームのみが、配列決定、例えば、全エクソーム配列決定(WES)される。
(c)データ分析。NGSの読み取り情報が作成された後に、それらを、既知の参照配列に対して整列させるか、又はデノボアセンブリできる。例えば、核酸(例えば、RNA)の同定及びコピーの定量化は、NGS読み取り情報を参照配列(例えば、野生型配列)に対して整列させることによって達成できる。NGSのための配列アライメント方法は、例えば、Trapnell C.とSalzberg S.L.Nature Biotech.,2009,27:455-457;及びHusi H,編集 Computational Biology.Brisbane(AU):Codon Publications;2019 Nov 21.4章の中のSaeed & Usman 「生物学的配列分析(Biological Sequence Analysis)」;又はMielczarek & Szyka(2016) J.Appl.Genet.57:71-9;Conesaら(2016) Genome Biol.17:13に記載されており、これらは、参照によりその全体が本明細書組み込まれる。配列のアライメント又はアセンブリは、例えば、Roche/454及びIllumina/Solexa読み取りデータを混合する、1以上のNGSプラットフォームからの読み取りデータを用いて行うことができる。
上述したように、様々な技術が、遺伝子発現を測定するために存在し、各プラットフォーム技術は生データの特異的前処理を必要とする。実施例の節に記載される集団ベースの分類器は、例えば、Affymetrix DNAマイクロアレイ、及び高スループットの次世代RNA配列決定(NGS)を支持する。しかし、使用される方法論は、他の技術に拡張できる。
マイクロアレイデータについては、Affymetrixチップ手順は、CELファイルに格納されるセル(各々固有のプローブを含む)あたりの強度ピクセル値を測定する。いくつかの態様では、CELファイルは、Affy Rパッケージを用いて処理される。いくつかの態様では、expresso機能が、以下のパラメータを用いて適用される:RMA(ロバストマルチチップ平均)バックグラウンド補正方法、分位正規化、プローブ特異的でない補正、及びmedianpolish要約(J.W.Tukey,Exploratory Data Analysis,Addison-Wesley,1977)。いくつかの態様では、expresso機能によって返される発現値は、log2変換され、発現は、通常の出力分布に分位変換され、入力値は、例えば100分位数にビニングされる(図1参照)。
いくつかの態様では、Illumina RNA-Seq配列決定読み取りデータを、読み取りデータをきれいにし、それらを参照ゲノムに整列させ、遺伝子発現を定量化することによって処理する。そのため、いくつかの態様では、解析工程は、3つの重要な工程:トリミング(例えば、BBDukを用いる;jgi.doe.gov/data-and-tools/bbtools/bb-tools-user-guide/bbduk-guide/)、マッピング(例えば、STARを用いる;Dobin & Gingeras(2015)Curr.Protoc.Bioinformatics 51:11.14.1-11.14.19参照)、及び発現定量(例えば、featureCountsを用いる;Liaoら(2014) Bioinformatics 30:923-930)を含む。いくつかの態様では、最新の参照ヒトゲノムは、ERCC(外部RNAコントロールコンソーシアム)の外部RNAコントロール及びSIRV(スパイクインRNA変異体)などの共通のスパイクイン標準を参照して拡張された、Ensembl,バージョン92である。他の態様では、より最近の参照ヒトゲノムが使用される。いくつかの態様では、追加の品質管理工程として、百万個の読み取り情報(例えば、Seqtk tool;arc.vt.edu/userguide/seqtk/を用いて処理された)の試料を、選択された種のrRNA及びグロビン配列にマッピングして、試料中のそれらの種類の読み取り情報の全体の割合を決定する。結果は、例えば、MultiQCなどの報告ツールの要約表で報告できる。いくつかの態様では、生の及び正規化された(例えば、TPM、Transcripts Per Kilobase Million;又はFPKM、Fragments Per Kilobase Million)発現値が、ソフトウェアによって提供される。
本明細書に開示される方法のいくつかの具体的な態様では、Zスコアベースのモデルで試料を層別化する前に、TPM正規化発現を、正常な出力分布に分位変換して、入力値を、例えば100分位数にビニングできる(図1参照)。
いくつかの態様では、機械学習モデルを訓練するために、異なるバッチの発現データを独立して正規化できる。独立した正規化は、顕著なバッチ効果がある場合に利用できる。いくつかの態様では、主成分分析は、当技術分野で知られているように、非限定的な例として、1つのソース(例えば、RNA Exome(WES))から得られる配列決定発現値を用いて、異なるソース(例えば、RNA-Seq)から得られる配列決定発現値に加えて機械学習モデルを訓練する場合に、生じる可能性のあるものを含む、バッチ効果を明らかにできる。いくつかの態様では、試料収集の非同期性は、バッチ効果のソースではない。いくつかの態様では、試料収集の非同期性は、バッチ効果のソースであり、これは、例えば、正規化技術によって対処できる。
本明細書に開示される全てのプラットフォーム技術について、分位正規化を、例えば、Illumina及びEdgeSeq(HTG Molecular Diagnostics社)データを利用する場合、クロスプラットフォーム調和のために使用できる。別の例は、マイクロアレイ及びRNA-Seqデータを調和させるための分位正規化の使用であり、例えば、モデルは、マイクロアレイデータ(例えば、ACRG患者データセットからの)上で訓練され、次いで、全RNAプラットフォーム(例えば、RNA-Seq)に適用され得る。
入力値を、例えば、10、15、20、25、30、35、40、45、50、55、60、65、70、75、80、85、90、95、100の又はそれより多くの分位にビニングし、正常又は均一な出力分布関数を適用できる。いくつかの態様では、分位正規化は、本明細書に開示されるZスコア分類器のための正規分布に適用できる。いくつかの態様では、分位正規化を、本明細書に開示されるANN分類器の均一な分布に適用できる。いくつかの態様では、分位の数は、上記の値のいずれかより上、下、又その間である。
I.B.1.b タンパク質発現レベル
タンパク質(例えば、ポリペプチド)の発現レベルを検出するための例示的な方法は、免疫組織化学的方法、ELISA、ウエスタン解析、HPLC、及びプロテオミクスアッセイを含まれるが、これらに限定されない。いくつかの態様では、タンパク質発現レベルは、免疫組織化学的方法によって決定される。例えば、ホルマリン固定パラフィン包埋組織を、本明細書に記載のバイオマーカーを特異的に結合する抗体と接触させる。結合抗体は、検出可能な標識に結合された二次抗体、又は比色標識(例えば、HRP又はAPを有する酵素基質生成物)などの検出可能な標識を用いて検出される。抗体陽性シグナルを、陽性腫瘍細胞の割合及び陽性腫瘍細胞の平均染色強度を推定することにより、スコア化する。比と強度スコアの両方を、両因子を比較する総合スコアに組み合わせる。
タンパク質(例えば、ポリペプチド)の発現レベルを検出するための例示的な方法は、免疫組織化学的方法、ELISA、ウエスタン解析、HPLC、及びプロテオミクスアッセイを含まれるが、これらに限定されない。いくつかの態様では、タンパク質発現レベルは、免疫組織化学的方法によって決定される。例えば、ホルマリン固定パラフィン包埋組織を、本明細書に記載のバイオマーカーを特異的に結合する抗体と接触させる。結合抗体は、検出可能な標識に結合された二次抗体、又は比色標識(例えば、HRP又はAPを有する酵素基質生成物)などの検出可能な標識を用いて検出される。抗体陽性シグナルを、陽性腫瘍細胞の割合及び陽性腫瘍細胞の平均染色強度を推定することにより、スコア化する。比と強度スコアの両方を、両因子を比較する総合スコアに組み合わせる。
いくつかの態様では、タンパク質発現レベルは、デジタル病理学的方法によって決定される。デジタル病理学的方法は、スライドガラスなどの固体支持体上での組織の走査画像を含む。スライドガラスは、走査装置を用いてフルスライド画像に走査される。走査画像は典型的には、保存記録及び検索のための情報管理システムに格納される。画像解析ツールを用いて、デジタルスライドから客観的な定量測定結果を得ることができる。例えば、免疫組織化学染色の面積及び強度を、適切な画像解析ツールを用いて解析できる。デジタル病理システムは、スキャナー、解析ツール(可視化ソフトウェア、情報管理システム及び画像解析プラットフォーム)、ストレージ及び通信(共有サービス、ソフトウェア)を含み得る。デジタル病理システムは、利用可能なAperio Technologies社(Leica Microsystems GmbHの子会社)、及びVentana Medical Systems社(現在、Rocheの一部)などの、多くの商業的供給源から入手可能である。発現レベルは、Flagship Biosciences(コロラド州)、Pathology社(カリフォルニア州)、Quest Diagnostics(ニュージャージー州)、及びPremier Laboratory LLC(コロラド州)を含む、商業的サービスプロバイダーによって定量化され得る。
I.C. 集団ベースの分類器
本明細書に開示される集団ベースの分類器は、特定の抗癌療法への応答と相関するスコアを導出するための、例えば、TMEの構造的及び機能的側面に関連する複数の遺伝子の発現レベルの統合に依存する。そのため、癌の特定のTME又は組み合わせが特定のスコア(又は複数の遺伝子パネルが使用される場合にはスコアの組み合わせ)を有するという決定が、適切なTMEクラスの処理又はそれらの組み合わせの選択を可能にする。そのため、一態様では、本開示は、それを必要とする対象において癌の腫瘍微小環境(TME)を決定するための方法であって、
(a)シグネチャー1のスコア(例えば、遺伝子活性化が内皮細胞のシグネチャー活性化と相関するシグネチャー);及び
(b)シグネチャー2のスコア(例えば、活性化が炎症及び免疫細胞のシグネチャー活性化と相関するシグネチャー)
を含む組み合わせバイオマーカーを決定する工程を含み、
(i)シグネチャー1のスコアが、対象から得られる第1の試料中の表3から選択される遺伝子パネルの発現レベルを測定することにより決定され、
(ii)シグネチャー2のスコアが、対象から得られる第2の試料中の表4から選択される遺伝子パネルの発現レベルを測定することにより決定される
方法を提供する。
本明細書に開示される集団ベースの分類器は、特定の抗癌療法への応答と相関するスコアを導出するための、例えば、TMEの構造的及び機能的側面に関連する複数の遺伝子の発現レベルの統合に依存する。そのため、癌の特定のTME又は組み合わせが特定のスコア(又は複数の遺伝子パネルが使用される場合にはスコアの組み合わせ)を有するという決定が、適切なTMEクラスの処理又はそれらの組み合わせの選択を可能にする。そのため、一態様では、本開示は、それを必要とする対象において癌の腫瘍微小環境(TME)を決定するための方法であって、
(a)シグネチャー1のスコア(例えば、遺伝子活性化が内皮細胞のシグネチャー活性化と相関するシグネチャー);及び
(b)シグネチャー2のスコア(例えば、活性化が炎症及び免疫細胞のシグネチャー活性化と相関するシグネチャー)
を含む組み合わせバイオマーカーを決定する工程を含み、
(i)シグネチャー1のスコアが、対象から得られる第1の試料中の表3から選択される遺伝子パネルの発現レベルを測定することにより決定され、
(ii)シグネチャー2のスコアが、対象から得られる第2の試料中の表4から選択される遺伝子パネルの発現レベルを測定することにより決定される
方法を提供する。
いくつかの態様では、シグネチャー1のスコアは、表3から選択される遺伝子パネルを用いて決定され、遺伝子パネルは、表1から選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、又は63個の遺伝子を含む。
いくつかの態様では、表3から選択される遺伝子パネルは、ABCC9、AFAP1L2、BACE1、BGN、BMP5、COL4A2、COL8A1、COL8A2、CPXM2、CXCL12、EBF1、ECM2、EDNRA、ELN、EPHA3、FBLN5、GNAS、GNB4、GUCY1A3、HEY2、HSPB2、IL1B、ITGA9、ITPR1、JAM2、JAM3、KCNJ8、LAMB2、LHFP、LTBP4、MEOX1、MGP、MMP12、MMP13、NAALAD2、NFATC1、NOV、OLFML2A、PCDH17、PDE5A、PDGFRB、PEG3、PLSCR2、PLXDC2、RGS4、RGS5、RNF144A、RRAS、RUNX1T1、CAV2、SELP、SERPINE2、SGIP1、SMARCA1、SPON1、STAB2、STEAP4、TBX2、TEK、TGFB2、TMEM204、TTC28、及びUTRN、又はそれらの任意の組み合わせを含む。
いくつかの態様では、表3から選択される遺伝子パネルは、ABCC9、AFAP1L2、BACE1、BGN、BMP5、COL4A2、COL8A1、COL8A2、CPXM2、CXCL12、EBF1、ECM2、EDNRA、ELN、EPHA3、FBLN5、GNAS、GNB4、GUCY1A3、HEY2、HSPB2、IL1B、ITGA9、ITPR1、JAM2、JAM3、KCNJ8、LAMB2、LHFP、LTBP4、MEOX1、MGP、MMP12、MMP13、NAALAD2、NFATC1、NOV、OLFML2A、PCDH17、PDE5A、PDGFRB、PEG3、PLSCR2、PLXDC2、RGS4、RGS5、RNF144A、RRAS、RUNX1T1、CAV2、SELP、SERPINE2、SGIP1、SMARCA1、SPON1、STAB2、STEAP4、TBX2、TEK、TGFB2、TMEM204、TTC28、及びUTRNからなる。
いくつかの態様では、シグネチャー2のスコアは、表4から選択される遺伝子パネルを用いて決定され、遺伝子パネルは、表2から選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、又は61個の遺伝子を含む。
いくつかの態様では、表4から選択される遺伝子パネルは、例えば、AGR2、C11orf9、DUSP4、EIF5A、ETV5、GAD1、IQGAP3、MST1、MT2A、MTA2、PLA2G4A、REG4、SRSF6、STRN3、TRIM7、USF1、ZIC2、C10orf54、CCL3、CCL4、CD19、CD274、CD3E、CD4、CD8B、CTLA4、CXCL10、IFNA2、IFNB1、IFNG、LAG3、PDCD1、PDCD1LG2、TGFB1、TIGIT、TNFRSF18、TNFRSF4、TNFSF18、TLR9、HAVCR2、CD79A、CXCL11、CXCL9、GZMB、IDO1、IGLL5、ADAMTS4、CAPG、CCL2、CTSB、FOLR2、HFE、HMOX1、HP、IGFBP3、MEST、PLAU、RAC2、RNH1、SERPINE1、and TIMP1;又はそれらの任意の組み合わせを含む。
いくつかの態様では、表4から選択される遺伝子パネルは、AGR2、C11orf9、DUSP4、EIF5A、ETV5、GAD1、IQGAP3、MST1、MT2A、MTA2、PLA2G4A、REG4、SRSF6、STRN3、TRIM7、USF1、ZIC2、C10orf54、CCL3、CCL4、CD19、CD274、CD3E、CD4、CD8B、CTLA4、CXCL10、IFNA2、IFNB1、IFNG、LAG3、PDCD1、PDCD1LG2、TGFB1、TIGIT、TNFRSF18、TNFRSF4、TNFSF18、TLR9、HAVCR2、CD79A、CXCL11、CXCL9、GZMB、IDO1、IGLL5、ADAMTS4、CAPG、CCL2、CTSB、FOLR2、HFE、HMOX1、HP、IGFBP3、MEST、PLAU、RAC2、RNH1、SERPINE1、及びTIMP1からなる。
いくつかの態様では、シグネチャー1遺伝子は、血管新生バイオマーカーであり得る。本明細書で使用する用語「血管新生バイオマーカー」は、比較可能な非癌性組織又は基準試料に対して病理学的レベルの血管新生を含む、腫瘍又はその間質で差次的に発現するバイオマーカー(例えば、核酸バイオマーカー、例えば、RNAバイオマーカー)を指す。例示的な血管新生バイオマーカーは、表1に列挙される。いくつかの態様では、腫瘍又はその間質は、表1に列挙される複数のバイオマーカーの発現レベルの実質的な上昇又は減少を示し得る。
いくつかの態様では、腫瘍又はその間質は、例えば、癌を有する患者の集団の中央値レベルに対して、表1に列挙されるバイオマーカーの少なくとも約25%、少なくとも約30%、少なくとも約35%、少なくとも約40%、少なくとも約45%、少なくとも約50%、少なくとも約55%、少なくとも約60%、少なくとも約65%、少なくとも約70%、少なくとも約75%、少なくとも約80%、少なくとも約85%、少なくとも約90%、少なくとも約95%、少なくとも約96%、少なくとも約97%、少なくとも約98%、少なくとも約99%、又は100%の実質的な上昇又は減少を示す。
いくつかの態様では、シグネチャー2遺伝子は、免疫バイオマーカーであり得る。本明細書で使用する用語「免疫バイオマーカー」は、腫瘍が免疫療法で治療される場合に免疫応答が誘導されるように、比較可能な基準試料又は複数の試料に対して増加された免疫浸潤を含む、腫瘍又はその間質で差次的に発現するバイオマーカー(例えば、核酸バイオマーカー、例えば、RNAバイオマーカー)を指す。例示的な免疫バイオマーカーは、表2に列挙される。いくつかの態様では、腫瘍又はその間質は、表2に列挙される複数のバイオマーカー発現レベルの実質的な上昇又は減少を示し得る。
いくつかの態様では、腫瘍又はその間質は、例えば、癌を有する患者の集団の中央値レベルに対して、表2に列挙されるバイオマーカーの少なくとも約25%、少なくとも約30%、少なくとも約35%、少なくとも約40%、少なくとも約45%、少なくとも約50%、少なくとも約55%、少なくとも約60%、少なくとも約65%、少なくとも約70%、少なくとも約75%、少なくとも約80%、少なくとも約85%、少なくとも約90%、少なくとも約95%、少なくとも約96%、少なくとも約97%、少なくとも約98%、少なくとも約99%、又は100%の実質的な上昇又は減少を示す。
本明細書に開示される特定の態様では、2つの分類器:シグネチャー1のスコア(表1のバイオマーカー遺伝子又はそのサブセットに対応する発現レベルの測定から導出される);及びシグネチャー2のスコア(表2のバイオマーカー遺伝子又はそのサブセットに対応する発現レベルの測定から導出される)、が使用される。2つの異なる状態が、分類器の各々について考慮される(すなわち、遺伝子パネル中の遺伝子の発現値を積算するスコアがある閾値を超えるか、又はそれ未満であるかに応じて、正又は負のスコア)。この手法は、4つの異なるTMEに癌試料を層別化することを可能にする。
本開示の集団ベースの分類器に追加の遺伝子パネルが組み込まれる場合、TME分類の粒度は増加する。例えば、各々が可能な正又は負の値を有する、3つのシグネチャースコアの使用は、8つの異なるTMEに試料の集団を層別化することを可能にする。あるいは、使用される同じシグネチャースコアが、単なる正又は負の状態でなく、例えば、2つの閾値に基づき、3つの範囲に入る追加の状態を有する場合、粒度もまた増加する。複数の閾値を使用することに加えて、シグネチャースコア値を、他の基準に基づいてグループ化でき、例えば、観測されるスコア値の分布に基づき、スコアをある三分位数、四分位数、又は五分位数に割り当てることができる。
シグネチャー1及びシグネチャー2の遺伝子は、ANN法により利用されるように、予測を証明する一方で、ANN法は、他のTME、例えば、本明細書に開示される4つのTME、それらの組み合わせ、又は異なる閾値のANN出力への適用、又は例えば、異なるANNアーキテクチャ、重み若しくは活性化機能の使用から生じる他のTMEについての他の遺伝子シグネチャー(各々、表1及び/又は表2に開示される遺伝子のサブセットを含む遺伝子パネルによって定義される)と共に使用される能力を有する。ANN法はまた、シグネチャー1及び2と、必要に応じて上記の他のTMEのための遺伝子シグネチャーと、及び/又は遺伝子活性の1以上の単純化された測定(例えば、分子バイオマーカーの発現活性及び/又は発現レベル)と組み合わせて使用される能力を有する。
集団ベースの分類器の粒度を増加させることは、選択される治療の増加された精度及び増加された効力をもたらし得る。例えば、本明細書に開示される分類器(シグネチャー1及びシグネチャー2)を使用するが、3つの状態(例えば、2つの異なる閾値によって決定される3つの範囲)を有することは、9の異なるTMEに癌試料の集団を層別化することを可能にする。TME集団分類の粒度のそのような増加はまた、治療選択肢の粒度の増加に関連づけられ、換言すれば、より多くのTMEへの癌試料のTME分類は、最適な治療のより正確な決定を可能にする。例えば、4つのTMEへのTME分類は、抗PD-1抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)が一般に最良の治療選択肢であると決定するのに十分であり得るが、より多くのTMEへのTME分類は、ある抗PD-1抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)、又はTKI阻害剤などのある抗血管新生剤を最良の治療選択肢として指摘するのに十分であり得る。そのため、いくつかの態様では、分類の粒度は、TMEクラスの数を増加させることによって増大させることができる。いくつかの態様では、分類の粒度はまた、TMEクラスの組み合わせを含めることによって、例えば、2つ(例えば、ID及びISバイオマーカー陽性)、3つ(例えば、ID、IA、及びISバイオマーカー陽性)、又はより多くのTMEクラスについてバイオマーカー陽性として癌試料を分類することによって増大され得る。
I.C.1 スコアの算出及び分類
本開示は、遺伝子発現試料をいくつかのTMEクラス又はそれらの組み合わせに層別化(又は分類)できる、集団ベースのZスコア分類器(又は分類器のセット)を作成する方法論を提供する。用語「Zスコア」は、当技術分野では、他の用語の中で特に、標準スコア、Z値、又は正常スコアとも呼ばれ、それにより事象が計測されている平均値を上回る標準偏差の符号付分数を示すために使用される、無次元量である。平均値を上回る値は、正のZスコアを有し、一方で平均値未満の値は、負のZスコアを有する。
本開示は、遺伝子発現試料をいくつかのTMEクラス又はそれらの組み合わせに層別化(又は分類)できる、集団ベースのZスコア分類器(又は分類器のセット)を作成する方法論を提供する。用語「Zスコア」は、当技術分野では、他の用語の中で特に、標準スコア、Z値、又は正常スコアとも呼ばれ、それにより事象が計測されている平均値を上回る標準偏差の符号付分数を示すために使用される、無次元量である。平均値を上回る値は、正のZスコアを有し、一方で平均値未満の値は、負のZスコアを有する。
特定の態様では、本開示の集団ベースの分類器は、各々2つの可能な状態(陽性又は陰性)を有する、2つの分類器(シグネチャー1及びシグネチャー2)を含み、これは、4つの異なるTMEクラスに遺伝子発現試料の集団を層別化できる。本開示の集団ベースのZスコア分類器はまた、1つの特異的TMEクラス、又はそれらの組み合わせに癌を有する対象の試験試料を分類できる。特異的TMEクラス又はそれらの組み合わせへの対象の試料の割り当てに基づき、対象の癌を治療するのに高い確率で有効であることが知られている個別化された治療を選択できる。本明細書で使用するように、TME分類は、間質型、間質サブタイプ、間質表現型、又はそれらの変形とも呼ばれ得る。いくつかの態様では、異なる重み及びパラメータのZスコアの計算への適用及び/又は異なる閾値の適用は、対象の試料を2以上のTMEに割り当てることができる。そのため、いくつかの態様では、2以上のTMEクラスへの割り当てが考慮されるかに依存して、遺伝子発現試料の集団は、例えば、5以上の多くの異なるTMEクラスに、例えば、開示される4つの異なるTMEクラス(A、IS、ID、及びIA)並びに/又はそれらの組み合わせに層別化できる。
I.C.1.a 試料分類
特異的TMEへの試料の分類又は層別化は、集団ベースの分類器、すなわち、データ(例えば、特異的癌に関連するパラメータ、バイオマーカー発現レベル、治療、及びそれらの治療の結果)に基づく分類システムを用いて行うことができる。いくつかの態様では、本明細書に開示される集団ベースの分類器(又は集団ベースの方法)は、遺伝子発現レベルのゼロ中心正規分布(μ=0)を考える。
特異的TMEへの試料の分類又は層別化は、集団ベースの分類器、すなわち、データ(例えば、特異的癌に関連するパラメータ、バイオマーカー発現レベル、治療、及びそれらの治療の結果)に基づく分類システムを用いて行うことができる。いくつかの態様では、本明細書に開示される集団ベースの分類器(又は集団ベースの方法)は、遺伝子発現レベルのゼロ中心正規分布(μ=0)を考える。
本明細書に開示される集団ベースの分類器の特定の態様では、表1又は表2から得られた遺伝子パネル、又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれかの発現レベルが、全患者集団にわたり上に開示されるように決定される。全患者集団にわたり、遺伝子あたりの平均及び標準偏差が、その遺伝子の発現レベルから計算される。これらの値は、遺伝子パネルにおける各遺伝子の基準値として将来の使用のために保存できる。
個々の患者試料(試験試料)から、遺伝子パネル中の各遺伝子あたりの患者の標準化された発現レベルを決定できる。集団の平均値は、遺伝子パネル中の各遺伝子についての患者の発現レベルから減算される。得られた値を次いで、その特定の遺伝子標準偏差で除算して、パネル中のその遺伝子のZスコアを得る。いくつかの態様では、自由度についての補正はない。他の態様では、自由度の補正がある。
遺伝子パネル中の遺伝子に対応する全てのZスコアを加えた後、遺伝子数の平方根で除算する。この結果は、式1による活性化スコア、zs(シグネチャー値)である:
(式中、
zはZスコアを、sは試料(患者)を、gは遺伝子を、Gはシグネチャー遺伝子セット(すなわち、遺伝子パネル)を指す。
は、遺伝子セットG(すなわち、遺伝子パネル)のサイズを示す。zs,gは、集団の平均の大きさと平均から離れる方向を説明するベクトルであり、ユニットレスである;活性化スコアzsもユニットレスである)。
zはZスコアを、sは試料(患者)を、gは遺伝子を、Gはシグネチャー遺伝子セット(すなわち、遺伝子パネル)を指す。
活性化スコア(すなわち、シグネチャー値)がゼロ以上である場合、すなわちzs≧0である場合、シグネチャーは正であると言われる。活性化スコア(すなわち、シグネチャー値)が0よりも小さい場合、すなわち、zs<0である場合、シグネチャーは負であると言われる。
いくつかの態様では、シグネチャースコア、例えば、シグネチャー1又はシグネチャー2の計算は、
(i)対象からの試験試料中の遺伝子パネル中の各遺伝子の発現レベル(例えば、mRNA発現レベル)を測定する工程;
(ii)各遺伝子について、工程(i)の発現レベルから、基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算する工程;
(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び
(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程、
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアは正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは負のシグネチャースコアである。
(i)対象からの試験試料中の遺伝子パネル中の各遺伝子の発現レベル(例えば、mRNA発現レベル)を測定する工程;
(ii)各遺伝子について、工程(i)の発現レベルから、基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算する工程;
(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び
(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程、
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアは正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは負のシグネチャースコアである。
いくつかの態様では、対象からの試験試料中の遺伝子パネル中の各遺伝子の発現レベルを、集団データ、例えば、本開示の実施例の節に開示される公開データセットからの発現データとあわせる。
上記式の変形は、例えば、いくつかの遺伝子の発現レベルをグループ化すること(例えば、遺伝子ファミリーによって、同じ受容体に結合するリガンドをコードするいくつかの遺伝子などの共通の機能的属性によって)、かつ/又は発現値若しくはZスコアに重みを割り当てること、かつ/又は遺伝子特異的閾値を適用することによって可能であることを理解されたい。
この集団ベースの分類器の一般化は、患者のZスコアをゼロではなく、シグネチャー特異的閾値(「閾値」)と比較することであり、zs≧閾値はシグネチャーに対し正(+)を意味し、zs<閾値はシグネチャーに対し負(-)を意味する。閾値は、分類器のハイパーパラメータであり、モデル化される疾患に依存する。閾値は、集団ベースの分類器の感度及び特異性に影響する。
いくつかの態様では、活性化スコア閾値は、約+0.01、約+0.02、約+0.03、約+0.04、約+0.05、約+0.06、約+0.07、約+0.08、約+0.09、約+0.10、約+0.15、約+0.20、約+0.25、約+0.30、約+0.35、約+0.40、約+0.45、約+0.50、約+0.55、約+0.60、約+0.65、約+0.70、約+0.75、約+0.80、約+0.85、約+0.90、約+0.95、約+1、約+2、約+3、約+4、約+5、約+6、約+7、約+8、約+9、約+10である、又は+10より大きい。
いくつかの態様では、活性化スコア閾値は、約-0.01、約-0.02、約-0.03、約-0.04、約-0.05、約-0.06、約-0.07、約-0.08、約-0.09、約-0.10、約-0.15、約-0.20、約-0.25、約-0.30、約-0.35、約-0.40、約-0.45、約-0.50、約-0.55、約-0.60、約-0.65、約-0.70、約-0.75、約-0.80、約-0.85、約-0.90、約-0.95、約-1、約-2、約-3、約-4、約-5、約-6、約-7、約-8、約-9、約-10である、又は-10未満である。
いくつかの態様では、遺伝子特異的閾値は、平均値よりも少なくとも約5%、少なくとも約10%、少なくとも約15%、少なくとも約20%、少なくとも約25%、少なくとも約30%、少なくとも約35%、少なくとも約40%、若しくは少なくとも約45%大きいか、又は0であり得る。
いくつかの態様では、遺伝子特異的閾値は、平均値よりも少なくとも約5%、少なくとも約10%、少なくとも約15%、少なくとも約20%、少なくとも約25%、少なくとも約30%、少なくとも約35%、少なくとも約40%、若しくは少なくとも約45%低いか、又は0であり得る。
いくつかの態様では、単位のない遺伝子特異的閾値は、平均値よりも約0.05、約0.10、約0.15、約0.20、約0.25、約0.30、約0.35、約0.40、約0.45、約0.50、約0.55、約0.60、約0.65、約0.70、約0.75、約0.80、約0.85、約0.90、約0.95若しくは約1.00若しくはそれより大きいか、又は0であり得る。
いくつかの態様では、単位のない遺伝子特異的閾値は、平均値よりも約0.05、約0.10、約0.15、約0.20、約0.25、約0.30、約0.35、約0.40、約0.45、約0.50、約0.55、約0.60、約0.65、約0.70、約0.75、約0.80、約0.85、約0.90、約0.95若しくは約1.00若しくはそれより低いか、又は0であり得る。
いくつかの態様では、同じ閾値を、集団ベースの分類器、例えば、シグネチャー1及びシグネチャー2の各シグネチャーに適用できる。他の態様では、異なる閾値を、集団ベースの分類器、例えば、シグネチャー1及びシグネチャー2の各シグネチャーに適用できる。そのため、本開示の特定の態様では、閾値は、シグネチャー1及びシグネチャー2について異なり得る。
いくつかの態様では、シグネチャースコアは、以下のような代替方法に従って計算できる:
・0より大きいか、又は0未満であり得る、シグネチャースコア=SUM(試験発現値-参照発現値)
・シグネチャースコア=(試験発現値-参照発現値)の閾値に対する分布の平均。閾値を超えれば、陽性である。閾値を下回る場合は、陰性である。
・シグネチャースコア=(試験発現値-参照発現値)の閾値に対する分布の中央値。閾値を超えれば、陽性である。閾値を下回る場合は、陰性である。
・0より大きいか、又は0未満であり得る、シグネチャースコア=SUM(試験発現値-参照発現値)
・シグネチャースコア=(試験発現値-参照発現値)の閾値に対する分布の平均。閾値を超えれば、陽性である。閾値を下回る場合は、陰性である。
・シグネチャースコア=(試験発現値-参照発現値)の閾値に対する分布の中央値。閾値を超えれば、陽性である。閾値を下回る場合は、陰性である。
これらの代替方法の全てにおいて、RNA発現レベル値の正常な分布が必要とされる。
4つのTME(間質表現型)を提供する、本明細書に開示される2つのシグネチャー集団ベースの分類器に基づく結果の予想又は予測は、患者の試料から得られた活性化スコアを図10の表とを相関させることによって行うことができる。換言すれば、患者のZスコア及び使用される閾値(例えば、正又は負のzs)の符号に基づき、患者を、図10の規則(合計したシグネチャー1とシグネチャー2のZスコアの符号に基づく患者分類規則)を適用することにより、4つのTMEの1つに分類できる。これら4つのTMEは、
(a)IA(免疫活性):負のシグネチャー1と正のシグネチャー2により定義される
(b)IS(免疫抑制):正のシグネチャー1と正のシグネチャー2により定義される
(c)ID(免疫砂漠):負のシグネチャー1と負のシグネチャー2により定義される
(d)A(血管新生):正のシグネチャー1と負のシグネチャー2により定義される、である。
(a)IA(免疫活性):負のシグネチャー1と正のシグネチャー2により定義される
(b)IS(免疫抑制):正のシグネチャー1と正のシグネチャー2により定義される
(c)ID(免疫砂漠):負のシグネチャー1と負のシグネチャー2により定義される
(d)A(血管新生):正のシグネチャー1と負のシグネチャー2により定義される、である。
IS TME(間質表現型)は一般的に、EBV(エプスタインバールウイルス)陽性患者、MSI-H(マイクロサテライト不安定バイオマーカー高)患者、又はPD-L1高患者を含まない。それらの患者は一般的に、IA TME(間質表現型)に見出される。一般化は説明のためであり、限定的ではない。したがって、いくつかの態様では、IS患者は、EBV陽性患者ではない。いくつかの態様では、IS患者は、MSI-H患者ではない。いくつかの態様では、IS患者は、PD-L1高患者ではない。いくつかの態様では、IA患者は、EBV陽性患者である。いくつかの態様では、IA患者は、MSI-H患者である。いくつかの態様では、IA患者は、PD-L1高患者である。
いくつかの態様では、ISクラスのTME療法を受ける患者は、EBV陽性患者ではない。いくつかの態様では、ISクラスのTME療法を受ける患者は、MSI-H患者ではない。いくつかの態様では、ISクラスのTME療法を受ける患者は、PD-L1高患者ではない。
いくつかの態様では、IAクラスのTME療法を受ける患者は、EBV陽性患者である。いくつかの態様では、IAクラスのTME療法を受ける患者は、MSI-H患者である。いくつかの態様では、IAクラスのTME療法を受ける患者は、PD-L1高患者である。
いくつかの態様では、Zスコアの計算への異なる重み及びパラメータの適用、及び異なる閾値の適用に依存して、腫瘍試料を2以上のTMEに分類できる。これらの態様では、腫瘍試料又は患者は、2以上のTMEについてバイオマーカー陽性、例えば、A及びISバイオマーカー陽性である。結果的に、そのような腫瘍又は患者は、例えば、併用療法として、本明細書に開示される2以上のTMEクラス療法で治療でき、各TMEクラス療法は、それについて腫瘍試料又は患者がバイオマーカー陽性であるTMEの1つに対応する。
IA(免疫活性)表現型などの免疫活性によって支配されるTMEについては、この生態を有する患者は、抗PD-1(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)、抗PD-L1、抗CTLA4(チェックポイント阻害剤、又はCPI)、又はRORγアゴニスト治療薬(下により完全に記載される全ての間質サブタイプについての全ての治療薬)に応答し得る。
血管新生活性によって支配されるTMEについては、この生態を有する患者は、VEGF標的療法、DLL4標的療法、アンジオポエチン/TIE2標的療法、ナビシキズマブなどの抗VEGF/抗DLL4二重特異性抗体、及びバリサクマブ又はベバシズマブなどの抗VEGF抗体に応答し得る。
免疫抑制に支配されるTMEについては、IS(免疫抑制)表現型として分類されるそのような患者は、抗ホスファチジルセリン(抗PS)治療薬、PI3Kγ阻害剤、アデノシン経路阻害剤、IDO、TIM、LAG3、TGFβ、及びCD47阻害剤などの逆免疫抑制のための薬物も与えられない限り、チェックポイント阻害剤に対して耐性であり得る。バビツキシマブは、好ましい抗PS治療剤である。この生態を有する患者はまた、基礎的な血管新生を有し、A間質サブタイプに使用されるものなどの抗血管新生剤から利益を得ることもできる。
ID(免疫砂漠)表現型として分類される患者などの免疫活性を有しないTMEについては、この生物学を有する患者は、チェックポイント阻害剤、抗血管新生剤又は他のTME標的療法に応答しないので、単剤療法として抗PD-1(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)、抗PD-L1、抗CTLA4、又はRORγアゴニストで治療されるべきではない。この生物学を有する患者は、免疫活性を誘導し次いでチェックポイント阻害剤から利益を得ることを可能にする療法で治療され得る。これらの患者の免疫活性を誘導する可能性のある療法は、ワクチン、CAR-T、個別化されたワクチンを含むネオエピトープワクチン、及びTLRベースの療法を含む。
一態様では、シグネチャー内の遺伝子の異なるサブセットは、そのような遺伝子が広範な生態の多数の様相を表すので、等しく予測され得る。そのため、本明細書に開示される4つのTME分類器は、表1及び表2の全遺伝子セット(又は図28A~Gに開示される遺伝子セットのいずれか)を用いて、又は表1及び表2からの遺伝子のサブセット(又は図28A~Gに開示される遺伝子セットのいずれかからの遺伝子のサブセット)、例えば、表3及び表4に開示されるサブセットを用いて作製され得る。
いくつかの態様では、本明細書に開示される集団ベースの分類器は、予後診断に使用される。いくつかの態様では、本明細書に開示される集団ベースの分類器は、臨床設定、すなわち、予測バイオマーカーとして予測的に使用される。
いくつかの態様では、分類器が、本明細書に開示される2以上のTMEクラスについて試料又は患者がバイオマーカー陽性であると決定する場合、集団は、5以上のクラスに層別化され得る。例えば、集団は、IAバイオマーカー陽性、IDバイオマーカー陽性、Aバイオマーカー陽性、ISバイオマーカー陽性、IA及びIDバイオマーカー陽性、IA及びAバイオマーカー陽性などとして層別化できる。逆に、集団は、IAバイオマーカー陰性、IDバイオマーカー陰性、Aバイオマーカー陰性、ISバイオマーカー陰性、IA及びIDバイオマーカー陰性、IA及びAバイオマーカー陰性などとして層別化できる。
I.D 非集団ベースの分類器
いくつかの態様では、本開示は、いくつかのTMEクラスに遺伝子発現試料を層別化(又は分類)できる非集団ベースの分類器(又は分類器のセット)を生成する方法を提供する。上記の4つのTME(すなわち、間質サブタイプ又は表現型):IA(免疫活性)、ID(免疫砂漠)、A(血管新生)及びIS(免疫抑制)、の基礎的な腫瘍生物学は、人工ニューラルネットワーク(ANN)法及び他の機械学習技術を適用することによって明らかにできる。いくつかの態様では、本明細書に開示される方法の適用は、本明細書に開示されるTMEの2以上に腫瘍試料又は患者を分類でき、例えば、患者又は試料は、2以上のTMEについてバイオマーカー陽性であり得る。
いくつかの態様では、本開示は、いくつかのTMEクラスに遺伝子発現試料を層別化(又は分類)できる非集団ベースの分類器(又は分類器のセット)を生成する方法を提供する。上記の4つのTME(すなわち、間質サブタイプ又は表現型):IA(免疫活性)、ID(免疫砂漠)、A(血管新生)及びIS(免疫抑制)、の基礎的な腫瘍生物学は、人工ニューラルネットワーク(ANN)法及び他の機械学習技術を適用することによって明らかにできる。いくつかの態様では、本明細書に開示される方法の適用は、本明細書に開示されるTMEの2以上に腫瘍試料又は患者を分類でき、例えば、患者又は試料は、2以上のTMEについてバイオマーカー陽性であり得る。
本開示の文脈において、用語の分類器は、同じ若しくは異なるクラス(例えば、集団及び/若しくは非集団分類器、又は非集団分類器の組み合わせ)に属してよい、1以上の分類器、又は分類器の組み合わせを含み、用語の分類器は、例えば、試験試料を特異的TMEクラスに割り当てる数学モデルの出力を説明するために使用されることを理解されたい。
本明細書に開示される集団ベースの分類器は、多くの患者についてのRNA発現値を有するデータセットに依存して、それらの患者を分類する一方で、機械学習方法(例えば、ANN、ロジスティック回帰、又はランダムフォレスト)は、集団ベースの分類器の出力を複製、復元、再生、及び/又は密接に推定する。
例えば、ANN法は、本明細書に開示される遺伝子又はそのサブセットの遺伝子発現値(すなわち、特徴)を入力として取り、かつ発現のパターンに基づき、主に血管新生発現、主に活性化された免疫遺伝子発現のいずれか、これらの発現パターンの両方の混合を有する患者試料(すなわち、患者)又はいずれも有しない患者試料(すなわち、患者)を明らかにする。これらの4つの表現型は、ある種の治療に対する応答の予測である。
そのため、本開示のいくつかの態様では、本明細書に開示される機械学習方法(例えば、ANN)により患者試料(すなわち、患者)に割り当てられる、IS(免疫抑制)としてのTMEの分類は、患者が、活性化された免疫遺伝子発現と血管新生遺伝子発現の両方を有することを意味する。
本明細書に開示される非集団ベースの分類器、例えば、ANNにより、患者試料に割り当てられるA(血管新生)TME分類は、患者試料が、主に血管新生遺伝子発現を有することを意味する。本明細書に開示される非集団ベースの分類器、例えば、ANNにより患者試料に割り当てられるIA(免疫活性)TME分類は、患者試料が、主に活性化された免疫遺伝子発現を有することを意味する。本明細書に開示される非集団ベースの分類器、例えば、ANNにより患者試料に割り当てられるID(免疫砂漠)TMEは、患者試料の免疫遺伝子発現及び血管新生免疫遺伝子発現が、無いか、高度に低下されるか、低いか、又は非常に低いことを意味する。
いくつかの態様では、本明細書に開示される非集団ベースの分類器は、機械学習技術を適用することによって得られる分類器である。いくつかの態様では、機械学習技術は、ロジスティック回帰、ランダムフォレスト、人工ニューラルネットワーク(ANN)、サポートベクターマシン(SVM)、XGBoost(XGB;速度及び性能のために設計された勾配ブースト決定木(gradient boosted decision trees)の実装)、Glmnet(ペナルティ付き最尤法を介して一般化線形モデルに適合するパッケージ)、cforest(基礎学習者としての条件付き推論ツリーを利用するランダムフォレスト及びバギングアンサンブルアルゴリズムの実装)、機械学習用の分類及び回帰ツリー(CART)、Treebag(バギング、すなわち、ブートストラップ・アグリゲーティング、訓練データの分離されたサブセットから複数のモデルを組み立て、最終的な集約モデルを構築する、回帰のモデル精度及び分類の問題を改善するためのアルゴリズム)、K近傍法(kNN)、又はそれらの組み合わせからなる群から選択される。
ロジスティック回帰はしばしば、小さなデータセット上の最良の予測子の1つとみなされる。しかし、ツリーベースのモデル(例えば、ランダムフォレスト、ExtraTrees)及びANNは、機能間の潜在的な相互作用を明らかにできる。しかし、相互作用が少ない場合、ロジスティック回帰及びより複雑なモデルは同様の性能を有する。
本明細書に開示される非集団ベースの分類器は、遺伝子パネルに対応する遺伝子発現データ、例えば、mRNA発現データ、が得られた試料のセットに対応するデータで訓練されてよい。例えば、訓練セットは、表1及び表2に提示される遺伝子(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)、及びそれらの任意の組み合わせからの発現データを含む。いくつかの態様では、遺伝子パネルは、1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、84、86、87、88、89、90、91、92、93、94、95、96、97、98、99、又は100個の遺伝子を含む。いくつかの態様では、遺伝子パネルは、100以上の遺伝子を含む。いくつかの態様では、遺伝子パネルは、表1及び表2から(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれかから)選択される約10~約20、約20~約30、約30~約40、約40~約50、約50~約60、約60~約70、約70~約80、約80~約90、又は約90~約100個の遺伝子を含む。
いくつかの態様では、訓練データセットは、各試料についてさらなる変数、例えば、本明細書に開示される集団ベースの分類器に従う試料分類を含む。他の態様では、訓練データは、対象に施される治療の種類、投与量、投与計画、投与経路、同時療法の有無、療法への応答(例えば、完全奏功、部分奏功又は応答の欠如)、年齢、体重、性別、民族性、腫瘍の大きさ、腫瘍のステージ、バイオマーカーの有無などの試料についてのデータを含む。
いくつかの態様では、当業者に理解されるように、p値、倍数変化、及び変動係数を含む要因の組み合わせに基づいて、訓練データセットのために遺伝子を選択することが有用である。いくつかの態様では、1以上の選択基準及びその後の順位付けの使用は、モデルに入力するための遺伝子パネル中のランク付けされた遺伝子の上位2.5%、5%、7.5%、10%、12.5%、15%、17.5%、20%、30%、40%、50%以上の選択を可能にする。したがって、理解されるように、表1及び2中の遺伝子の個々に識別される遺伝子又はサブセットの全てを選択でき、選択される遺伝子の全ての可能な組み合わせを試験して、予測モデルを生成するための遺伝子の有用な組み合わせを同定できる。組み合わせて試験するために選択される個々の遺伝子の数を決定するための、および遺伝子の可能な組み合わせの数を選択するための選択基準は、遺伝子データを取得するのに利用可能なリソース、及び/又はモデルから得られる分類器を計算し評価するのに利用可能なコンピュータリソースに依存する。
いくつかの態様では、遺伝子は、機械学習モデルの訓練の結果に基づき、ドライバー遺伝子であると思われる。本明細書で使用する用語「ドライバー遺伝子」は、ドライバー遺伝子変異を含む遺伝子を指す。いくつかの態様では、ドライバー遺伝子は、1以上の取得された変異、例えば、ドライバー遺伝子の変異が、癌の進行に因果的に関連付けられ得る遺伝子である。いくつかの態様では、ドライバー遺伝子は、細胞の運命決定、細胞生存及びゲノムの維持を含む1以上の細胞プロセスを調節できる。ドライバー遺伝子は、1以上のシグナル伝達経路、例えば、TGFベータ経路、MAPK経路、STAT経路、PI3K経路、RAS経路、細胞周期経路、アポトーシス経路、NOTCH経路、Hedgehog(HH)経路、APC経路、クロマチン修飾経路、転写調節経路、DNA損傷制御経路、又はそれらの組み合わせと関連付けられ得る(例えば、調節し得る)。例示的なドライバー遺伝子は、腫瘍遺伝子及び腫瘍抑制因子を含む。いくつかの態様では、ドライバー遺伝子は、それが生じる細胞に選択的な成長の利点を提供する。いくつかの態様では、ドライバー遺伝子は、それが生じる細胞に増殖能を提供する、例えば、細胞増殖、例えば、クローン増殖を可能にする。いくつかの態様では、ドライバー遺伝子は、癌遺伝子である。いくつかの態様では、ドライバー遺伝子は、腫瘍抑制遺伝子(TSG)である。
遺伝子セット中の目立つ低発現遺伝子の存在は、モデルの感度を減少させ得る。したがって、いくつかの態様では、低発現遺伝子を、機械学習モデルからダウンウェイト又はフィルタリング(除去)できる。いくつかの態様では、低発現遺伝子フィルタリングは、遺伝子発現(例えば、RNAレベル)から計算された統計値に基づく。いくつかの態様では、低発現遺伝子フィルタリングは、例えば、遺伝子セット中の各遺伝子についての生の読み取りカウントの最小(min)、最大(max)、平均(平均値)、分散(sd)、又はそれらの組み合わせに基づく。各遺伝子セットについて、最適なフィルタリング閾値を決定できる。いくつかの態様では、フィルタリング閾値は、遺伝子セット内の差次的発現遺伝子の数を最大にするように最適化される。
本明細書に開示される機械学習方法(例えば、ANN)によって作製される非集団ベースの分類器は、各試験対象を正確に呼び出す分類器の能力を決定することによってその後評価できる。いくつかの態様では、モデルを導出するために使用される訓練集団の対象は、モデルを試験するために使用される試験集団の対象とは異なる。当業者には理解されるように、このことは、間質表現型の形質特徴付け(例えば、TMEクラス)が未知である対象を適切に特徴づけるそれらの能力に関して分類器を訓練するために使用される遺伝子セットの能力を予測することを可能にする。
数学モデルに入力されるデータは、評価される遺伝子の産物、例えばmRNAの発現レベルを表す任意のデータであり得る。本開示による有用な数学モデルは、教師あり及び/又は教師なし学習技術を使用するものを含む。本開示のいくつかの態様では、選択される数学モデルは、「訓練集団」と関連して教師あり学習を用いて、バイオマーカーの可能な組み合わせの各々を評価する。一態様では、使用される数学モデルは、以下のもの:回帰モデル、ロジスティック回帰モデル、ニューラルネットワーク、クラスタリングモデル、主成分分析、最近傍分類器分析、線形判別分析、二次判別分析、支持ベクトルマシン、決定木、遺伝的アルゴリズム、バギングを用いる分類器最適化、ブースティングを用いる分類器最適化、ランダム部分空間法を用いる分類器最適化、射影追跡、遺伝的プログラミング及び重み付き投票、から選択される。いくつかの態様では、ロジスティック回帰モデルが使用される。他の態様では、決定木モデルが使用される。いくつかの態様では、ニューラルネットワークモデルが使用される。
本開示の数学モデル、例えば、ANNモデルをデータに適用すると、1以上の遺伝子パネルを用いて1以上の分類器が生成される。いくつかの態様では、所与の目的を満たす(例えば、TME、すなわち間質表現型を正しく分類するために)複数の分類器が作成される。この場合、いくつかの態様では、1以上の分類器を利用する式が生成される。例えば、分類器を順次利用する式が、生成され得る(例えば、最初に分類器A、次いで、分類器Bの結果を得る;例えば、分類器AがTMEを区別する;次いで、分類器Bが、特定の処理がそのようなTMEに割り当てられるかを決定する)。別の態様では、2以上の分類器の結果を重み付けした結果得られる式が、生成され得る。分類器の他の可能な組み合わせ及び重み付けは、理解され、本明細書に包含される。いくつかの態様では、同じ分類器に適用される異なるカットオフ又は同じ試料に適用される異なる分類器は、試料の異なる間質表現型への分類をもたらし得る。換言すれば、閾値及び/又は分類器の組み合わせに依存して、試料を2以上の間質表現型(TME)に分類でき、したがって、試料は、本明細書に開示されるIA、ID、IS又はAのTMEクラス、又はそれらの任意の組み合わせについてバイオマーカー陽性及び/又はバイオマーカー陰性であり得る。(例えば、対象は、A及びISバイオマーカー陽性かつID及びIAバイオマーカー陰性であり得る)。
分類器、例えば、本明細書に開示される方法に従って生成される非集団ベースの分類器(例えば、ANNモデル)を用いて、未知の対象又は試験対象を試験できる。一態様では、本明細書で明らかにされる機械学習方法、例えば、ANNによって生成されるモデルは、個人が特定のTMEを有するかを検出できる。いくつかの態様では、モデルは、対象が特定の療法に応答するかを予測できる。他の態様では、モデルは、特定の療法の施行のための対象を選択するか、又は選択するために使用できる。
本開示の一態様では、各分類器は、当業者に公知の方法を用いて、訓練集団の各対象を適切に特徴づける能力について評価される。例えば、交差検証、一つ抜き交差検証(LOOCV)、n分割交差検証(n-fold cross validation)、又は標準的な統計的方法を用いるジャックナイフ分析を用いて分類器を評価できる。別の態様では、各分類器は、分類器を生成するために使用されなかった訓練集団のそれらの対象を適切に特徴付ける能力について評価される。
いくつかの態様では、1つのデータセットを用いて分類器を訓練し、別の別個のデータセット上で分類器を評価できる。したがって、試験データセットは訓練データセットとは別であるので、交差検証の必要はない。
一態様では、訓練集団の各対象を適切に特徴づける能力について分類器を評価するために使用される方法は、分類器の感度(TPF、真陽性率)及び1-特異性(FPF、偽陽性率)を評価する方法である。一態様では、分類器を試験するために使用される方法は、生成されるモデル、例えば、ANNの適用に由来するモデルの結果の感度と特異性の両方を評価するためにいくつかのパラメータを提供する、受信者操作特性(「ROC」)である。
いくつかの態様では、訓練集団の各対象を適切に特徴付ける能力について分類器を評価するために使用されるメトリックは、分類精度(ACC)、受信者操作特性曲線下面積(AUC ROC)、感度(真陽性率、TPF)、特異性(真陰性率、TNF)、陽性予測値(PPV)、陰性予測値(NPV)、又はそれらの任意の組み合わせを含む。1つの特定の態様では、訓練集団の各対象を適切に特徴付ける能力について分類器を評価するために使用されるメトリックは、分類精度(ACC)、受信者操作特性曲線下面積(AUC ROC)、感度(真陽性率、TPF)、特異性(真陰性率、TNF)、陽性予測値(PPV)、及び陰性予測値(NPV)である。
いくつかの態様では、トレーニングセットは、少なくとも約10、少なくとも約20、少なくとも約30、少なくとも約40、少なくとも約50、少なくとも約60、少なくとも約70、少なくとも約80、少なくとも約90、少なくとも約100、少なくとも約110、少なくとも約120、少なくとも約130、少なくとも約140、少なくとも約150、少なくとも約160、少なくとも約170、少なくとも約180、少なくとも約190、少なくとも約200、少なくとも約250、少なくとも約300、少なくとも約350、少なくとも約400、少なくとも約450、少なくとも約500、少なくとも約600、少なくとも約700、少なくとも約800、少なくとも約900、又は少なくとも約1000の対象の基準集団を含む。
いくつかの態様では、本開示において識別される遺伝子(例えば、表1及び表2又は図28A~Gに提示されるもの)のいくつか又は全てについての発現データ、例えば、mRNA発現データは、TME(すなわち、間質表現型)の分類に有用な分類器を同定するために、限定されないが、ロジスティック回帰モデル又は線形回帰モデルなどの回帰モデルにおいて使用される。モデルは、表1及び表2(又は図28A~G)で識別されるバイオマーカー遺伝子の2以上の様々な組み合わせを試験して、分類器を作製するために使用される。ロジスティック回帰モデルの場合、その結果の分類器は、依存変数Yを提供する式の形式であり、依存変数Yは、式中の各バイオマーカー遺伝子の発現を表すデータが回帰モデルによって生成される重み係数で乗算された所与の表現型(例えば、TMEクラス)の有無を表す。生成される分類器は、試験対象からの発現データを分析し、特定のTMEを有する試験対象の確率を示す結果を提供するために使用できる。
一般的に、問題の重回帰式を、以下のように書くことができる。
(式中、Yは、従属変数であり、第1のサブグループに関連付けられる生物学的特徴(1以上の病理の有無)の存在(Yが正のとき)又は不在(Yが負のとき)を示す。このモデルは、従属変数Yがk個の説明変数(基準集団における第1及び第2のサブグループの対象からのk個の選択遺伝子(例えば、バイオマーカー遺伝子)の測定された特徴的な値)、及び様々な不特定の省略された要因を包含する誤差項に依存することを言う。上記モデルにおいて、パラメータβ1は、従属変数Y(例えば、重み係数)に対する第1の説明変数X1の影響を計測し、他の説明変数を一定に保持する。同様に、β2は、Yに対する説明変数X2の影響を与え、残りの説明変数を一定に保持する)
ロジスティック回帰モデルは、線形回帰の非線形変換である。ロジスティック回帰モデルは、「ロジット」モデルと呼ばれることが多く、
(式中、
α及びεは定数であり、
lnは自然対数、loge、e=2.71828...であり、
pは、事象Yが生じる確率p(Y=1)であり、
p/(1-p)は「オッズ比」であり、
ln[p/(1-p)]は、対数オッズ比又は「ロジット」であり、モデルの他の全ての成分は上記の一般的な線形回帰式と同じである)
として表すことができる。αとεの項は、単一の定数に折り畳むことができる。いくつかの態様では、単一項が、α及びεを表すために使用される。「ロジスティック」分布は、シグモイド型の分布関数である。ロジット分布は、推定される確率(p)を0と1との間にあるように制約する。
α及びεは定数であり、
lnは自然対数、loge、e=2.71828...であり、
pは、事象Yが生じる確率p(Y=1)であり、
p/(1-p)は「オッズ比」であり、
ln[p/(1-p)]は、対数オッズ比又は「ロジット」であり、モデルの他の全ての成分は上記の一般的な線形回帰式と同じである)
として表すことができる。αとεの項は、単一の定数に折り畳むことができる。いくつかの態様では、単一項が、α及びεを表すために使用される。「ロジスティック」分布は、シグモイド型の分布関数である。ロジット分布は、推定される確率(p)を0と1との間にあるように制約する。
いくつかの態様では、ロジスティック回帰モデルは、最尤推定(MLE)によって適合される。換言すれば、係数(例えば、α、β1、β2、...)は、最尤度によって決定される。尤度は、条件付き確率(例えば、P(Y|X)、Xが与えられた場合のYの確率)である。尤度関数(L)は、試料データセットに生じる特定の組の従属変数値(Y1、Y2、...、Yn)を観測する確率を測定する。これは、従属変数の積の確率:
として記載される。
尤度関数が高いほど、試料中のYsを観測する確率が高くなる。MLEは、尤度関数のログ(LL<0)を可能な限り大きくするか、又は尤度関数の対数の-2倍(-2LL)を可能な限り小さくする係数(α、β1、β2、...)を求めることを伴う。MLEでは、パラメータα、β1、β2、...のいくつかの初期推定を行う。次いで、それらのパラメータ推定値が与えられるデータの尤度を算出する。パラメータ推定値が改善され、データの尤度が再計算される。このプロセスは、パラメータ推定値があまり変化しなくなる(例えば、確率の0.01又は0.001未満の変化)まで繰り返される。ロジスティック回帰の例及びロジスティック回帰モデルの適合は、Hastie,統計的学習の要素(The Elements of Statistical Learning),Springer,New York,2001,pp.95-100に見出される。
別の態様では、本開示の遺伝子パネルにおけるバイオマーカー遺伝子の各々について測定される、発現、例えば、mRNAレベルを用いて、ニューラルネットワークを訓練できる。ニューラルネットワークは、2段階回帰又は分類モデルである。ニューラルネットワークは、二進法であり得るか、又は二進法であり得ない。ニューラルネットワークは、出力ユニットの層に重みの層により連結される入力ユニット(及びバイアス)の層を含む、層状構造を有する。回帰のために、出力ユニットの層は典型的にはただ1つの出力ユニットを含む。しかし、ニューラルネットワークは、シームレスな方法で複数の定量的応答を取り扱うことができる。そのようなニューラルネットワークは、3以上の集団(すなわち、3以上の表現型形質)、例えば、本明細書に開示される4つのTMEクラス間で区別するバイオマーカーの特定を可能にするために適用され得る。
一つの具体例では、ニューラルネットワークは、特定のTMEに特異的なバイオマーカーの組み合わせを識別するために、対象の集団から得られる試料のセットについて、表1及び表2(又は図28A~G)に開示されるバイオマーカー遺伝子の産物、例えばmRNAからの発現データを用いて訓練され得る。ニューラルネットワークは、Dudaら、2001、パターン分類(Pattern Classification)、第2版、John Wiley & Sons,Inc.,New York;及びHastieら,2001、統計的学習の要素(The Elements of Statistical Learning),Springer-Verlag,New Yorkに記載されている。
いくつかの態様では、例えば、表1及び2(図28A~Gから)からの98又は87個の遺伝子を有する単一入力層、2つのニューロンの単一隠れ層、及び単一出力層の4つの出力を含む本明細書に開示されるニューラルネットワーク、例えば、誤差逆伝播法ニューラルネットワーク(例えば、Abdi、1994、「ニューラルネットワークプライマー(A neural network primer),J.Biol System.2,247-283参照)は、EasyNN-Plusバージョン4.0gのソフトウェアパッケージ(Neural Planner Software Inc.)、サイキット・ラーン(scikit-learn.org)、又は当技術分野で知られている他の機械学習パッケージ又はプログラムを用いて実装できる。
上記のパターン分類及び統計的手法は、例えば、1以上の病理を、診断又は検出するのに有用な分類器を構築するために用いることができる、モデルの種類の単なる例であり、例えば、Duda及びHart,パターン分類及びシーン分析(Pattern Classification and Scene Analysis),1973,John Wiley & Sons,Inc.,New Yorkのページ211~256に記載のクラスタリング;例えば、Jolliffe,1986,Principal Component Analysis,Springer,New Yorkに記載の主要成分分析;例えば、Duda,パターン分類(Pattern Classification),第2版,2001,John Wiley & Sons,Inc,及びHastie,2001,統計学習の要素(The Elements of Statistical Learning),Springer,New Yorkに記載の近傍分類分析;例えば、Duda,パターン分類(Pattern Classification),第2版,2001,John Wiley & Sons,Inc;Hastie,2001,統計学習の要素(The Elements of Statistical Learning),Springer,New York;又はVenables & Ripley,1997,s-plusを用いる現代の応用統計(Modern Applied Statistics with s-plus),Springer,New Yorkに記載の線形判別分析;例えば、Cristianini及びShawe-Taylor,2000,支持ベクトルマシンへの紹介(An Introduction to Support Vector Machines),Cambridge University Press,Cambridge,計算論的学習理論に関する第5回ACMワークショップの議事録の中のBoserら,1992,「最適マージン分類器のための訓練アルゴリズム(A training algorithm for optimal margin classifiers)」,ACM Press,Pittsburgh,PA,pp.142-152;又はVapnik,1998,統計的学習理論(Statistical Learning Theory),Wiley,New Yorkに記載の支持ベクトルマシンを参照のこと。
いくつかの態様では、非集団ベースの分類器は、ANNから導出されるモデルを含む。いくつかの態様では、ANNは、フィードフォワードニューラルネットワークである。フィードフォワードニューラルネットワークは、入出力ノード間の接続が周期を形成しない人工ネットワークである。本明細書のANNの文脈で使用されるように、用語「ノード」及び「ニューロン」は、互換的に使用される。そのため、それは、リカレントニューラルネットワークとは異なる。このネットワークでは、情報は、入力ノードから、隠れノード(もしあれば)を経て、出力ノードへと一方向にのみ移動する。ネットワークにはサイクル又はループは存在しない。入力ノードを除き、各ノードは、生物学的ニューロンの活動電位の頻度又は生物学的ニューロンの発火をモデル化するために開発された非線形活性化関数を使用する、ニューロンである。
いくつかの態様では、ANNは、単層パーセプトロンネットワークであり、それは、単層の出力ノードからなり、入力は、一連の重みを介して出力に直接供給される。重みと入力との積の和は、各ノードにおいて計算され、その値がある閾値(典型的には0)より上であれば、ニューロンは発火し、活性化された値(典型的には1)をとる。
いくつかの態様では、ANNは、多層パーセプトロン(MLP)である。このクラスのネットワークは、通常フィードフォワード方式で相互接続される、複数層の計算ユニットからなる。1つの層内の各ニューロンは、後続の層のニューロンに向けられた接続を有する。多くの用途では、これらのネットワークのユニットは、活性化関数、例えばシグモイド関数を適用する。MLPは、ノードの少なくとも3つの層:入力層、隠れ層及び出力層を備える。
いくつかの態様では、活性化関数は、式y(vi)=tanh(vi)に従って説明されるシグモイド関数であり、すなわち、-1から+1の範囲の双曲線正接である。いくつかの態様では、活性化関数は、式y(vi)=(1+e-vi)-1に従って説明されるシグモイド関数であり、すなわち、tanh関数と類似の形であるが、0から+1の範囲のロジスティック関数である。これらの式において、yiは、i番目のノード(ニューロン)の出力であり、viは、入力接続の重み付き和である。
いくつかの態様では、活性化関数は、整流線形ユニット(ReLU)又はその変形、例えば、ノイズの多いReLU、漏洩ReLU、パラメトリックReLU、又は指数LUである。いくつかの態様では、ReLUは、式f(x)=x+=max(0、x)によって定義され、xはニューロンへの入力である。ReLU活性化関数は、双曲線正接又はロジスティックシグモイドと比較して、深層ニューラルネットワーク(DNN)のより良好な訓練を可能にする。DNNは、入出力層の間に複数の層を有するANNである。DNNは典型的には、フィードフォワードネットワークであり、データが、ループバックすることなく入力層から出力層に流れる。DNNは、追加の抽象化層のためオーバー適合する傾向があり、これは、訓練データにおける稀な依存性をモデル化することを可能にする。いくつかの態様では、活性化関数は、ソフトプラス又はSmoothReLU関数であり、ReLUの平滑化近似は、式f(x)=ln(1+ex)によって説明される。ソフトプラスの導関数は、ロジスティック関数である。
いくつかの態様では、MLPは、非線形活性化ノードの3以上の層(1以上の隠れ層と共に入力層及び出力層)を含む。その多層及び非線形活性化は、MLPを線形パーセプトロンと区別する。MLPは、直線的に分離できないデータを区別できる。MLPは完全に接続されているので、1つの層内の各ノードは、ある重みwijで後続の層内の各ノードに接続する。学習が、予測結果と比較した出力の誤差量に基づき、各データが処理された後の接続重みを変更することによりパーセプトロンにおいて行われる。これは、教師あり学習の一例であり、誤差逆伝播法により行われる。
いくつかの態様では、MLPは3層を有する。他の態様では、MLPは4以上の層を有する。いくつかの態様では、MLPは単一の隠れ層を有する。他の態様では、MLPは2以上の隠れ層を有する。
いくつかの態様では、入力層は、1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93、94、95、96、97、98、99、100、101、102、103、104、105、106、107、108、109、110、111、112、113、114、115、116、117、118、119、120、121、122、123、124、125、126、127、128、129、130、131、132、133、134、135、136、137、138、139、140、141、142、143、144、145、146、147、148、149、又は150個のニューロンを含む。
いくつかの態様では、入力層は、70~100個のニューロンを含む。いくつかの態様では、入力層は、70~80個のニューロンを含む。いくつかの態様では、入力層は、80~90個のニューロンを含む。いくつかの態様では、入力層は、90~100個のニューロンを含む。いくつかの態様では、入力層は、70~75個のニューロンを含む。いくつかの態様では、入力層は、75~80個のニューロンを含む。いくつかの態様では、入力層は、80~85個のニューロンを含む。いくつかの態様では、入力層は、85~90個のニューロンを含む。いくつかの態様では、入力層は、90~95個のニューロンを含む。いくつかの態様では、入力層は、95~100個のニューロンを含む。
いくつかの態様では、入力層は、少なくとも約1~少なくとも約5、少なくとも約5~少なくとも約10、少なくとも約10~少なくとも約15、少なくとも約15~少なくとも約20、少なくとも約20~少なくとも約25、少なくとも約25~少なくとも約30、少なくとも約30~少なくとも約35、少なくとも約35~少なくとも約40、少なくとも約40~少なくとも約45、少なくとも約45~少なくとも約50、少なくとも約50~少なくとも約55、少なくとも約55~少なくとも約60、少なくとも約60~少なくとも約65、少なくとも約70~少なくとも約75、少なくとも約75~少なくとも約80、少なくとも約80~少なくとも約85、少なくとも約85~少なくとも約90、少なくとも約90~少なくとも約95、少なくとも約95~少なくとも約100、少なくとも約100~少なくとも約105、少なくとも約105~少なくとも約110、少なくとも約110~少なくとも約115、少なくとも約115~少なくとも約120、少なくとも約120~少なくとも約125、少なくとも約125~少なくとも約130、少なくとも約130~少なくとも約135、少なくとも約135~少なくとも約140、少なくとも約140~少なくとも約145、又は少なくとも約145~少なくとも約150個のニューロンを含む。
いくつかの態様では、入力層は、少なくとも約1~少なくとも約10、少なくとも約10~少なくとも約20、少なくとも約20~少なくとも約30、少なくとも約30~少なくとも約40、少なくとも約40~少なくとも約50、少なくとも約50~少なくとも約60、少なくとも約60~少なくとも約70、少なくとも約70~少なくとも約80、少なくとも約80~少なくとも約90、少なくとも約90~少なくとも約100、少なくとも約100~少なくとも約110、少なくとも約110~少なくとも約120、少なくとも約120~少なくとも約130、少なくとも約130~少なくとも約140、又は少なくとも約140~少なくとも約150個のニューロンを含む。
いくつかの態様では、入力層は、少なくとも約1~少なくとも約20、少なくとも約20~少なくとも約40、少なくとも約40~少なくとも約60、少なくとも約60~少なくとも約80、少なくとも約80~少なくとも約100、少なくとも約100~少なくとも約120、少なくとも約120~少なくとも約140、少なくとも約10~少なくとも約30、少なくとも約30~少なくとも約50、少なくとも約50~少なくとも約70、少なくとも約70~少なくとも約90、少なくとも約90~少なくとも約110、少なくとも約110~少なくとも約130、又は少なくとも約130~少なくとも約150個のニューロンを含む。
いくつかの態様では、入力層は、約1より多く、約5より多く、約10より多く、約15より多く、約20より多く、約25より多く、約30より多く、約35より多く、約40より多く、約45より多く、約50より多く、約55より多く、約60より多く、約65より多く、約70より多く、約75より多く、約80より多く、約85より多く、約90より多く、約95より多く、約100より多く、約105より多く、約110より多く、約115より多く、約120より多く、約125より多く、約130より多く、約135より多く、約140より多く、約145より多く、又は約150個より多くのニューロンを含む。
いくつかの態様では、入力層は、約1未満、約5未満、約10未満、約15未満、約20未満、約25未満、約30未満、約35未満、約40未満、約45未満、約50未満、約55未満、約60未満、約65未満、約70未満、約75未満、約80未満、約85未満、約90未満、約95未満、約100未満、約105未満、約110未満、約115未満、約120未満、約125未満、約130未満、約135未満、約140未満、約145未満、又は約150個未満のニューロンを含む。
いくつかの態様では、重みが、入力層中の各ニューロンの入力に適用される。
いくつかの態様では、ANNは、単一の隠れ層を含む。いくつかの態様では、ANNは、1、2、3、4、5、6、7、8、9又は10の隠れ層を含む。いくつかの態様では、単一の隠れ層は、1、2、3、4、5、6、7、8、9、又は10個のニューロンを含む。いくつかの態様では、単一の隠れ層は、少なくとも1、少なくとも2、少なくとも3、少なくとも4、少なくとも5、少なくとも6、少なくとも7、少なくとも8、少なくとも9、又は少なくとも10個のニューロンを含む。いくつかの態様では、単一の隠れ層は、10未満、9未満、8未満、7未満、6未満、5未満、4未満、又は3未満のニューロンを含む。いくつかの態様では、単一の隠れ層は、2個のニューロンを含む。いくつかの態様では、単一の隠れ層は、3個のニューロンを含む。いくつかの態様では、単一の隠れ層は、4個のニューロンを含む。いくつかの態様では、単一の隠れ層は、5個のニューロンを含む。いくつかの態様では、バイアスが、隠れ層のニューロンに適用される。
いくつかの態様では、ANNは、異なるTMEに対応する出力層に4個のニューロンを含む。いくつかの態様では、出力層中の4個のニューロンは、上に開示される4つのTMEであるIA(免疫活性)、IS(免疫抑制)、ID(免疫砂漠)、及びA(血管新生)に対応する。
いくつかの態様では、出力層の分類は、予測される出力クラスにわたる確率分布に正規化され、コンポーネントは、それらが確率として解釈され得るように、1まで加算する。
いくつかの態様では、4つの表現型クラス(IA、ID、A、及びIS)への出力層値の多クラス分類は、ロジスティック回帰関数を適用することによって支持される。いくつかの態様では、4つの表現型クラス(IA、ID、A、及びIS)への出力層値の多クラス分類は、ロジスティック回帰分類器、例えば、ソフトマックス関数を適用することによって支持される。ソフトマックスは、各クラスに小数確率を割り当て、合計で1.0になる。いくつかの態様では、ソフトマックス関数などのロジスティック回帰分類器の使用は、訓練がより迅速に収束するのを助ける。いくつかの態様では、ソフトマックス関数を含むロジスティック回帰分類器は、出力層の直前にニューラルネットワーク層を介して実装される。いくつかの態様では、出力層の直前のそのようなニューラルネットワーク層は、出力層と同数のノードを有する。
いくつかの態様では、様々なカットオフが、使用される特定のデータセット(例えば、対象の特定の集団、例えば、特定の治療に応答する対象を選択するために適用されるカットオフを参照)に依存して、ロジスティック回帰分類器(例えば、ソフトマックス関数)の結果に適用される。そのため、異なる組のカットオフを適用することは、上で開示される4つのTMEであるIA(免疫活性)、IS(免疫抑制)、ID(免疫砂漠)、又はA(血管新生)の1つだけでなく、上で開示される2以上のTMEに癌又は患者を分類できる。したがって、いくつかの態様では、癌又は患者は、IA、IS、ID、A、及びそれらの任意の組み合わせについてバイオマーカー陽性であると分類できる。逆に、いくつかの態様では、癌又は患者は、IA、IS、ID、A、及びそれらの任意の組み合わせについてバイオマーカー陰性と分類できる。
いくつかの態様では、本明細書に開示されるMLP ANNの隠れ層における2つのニューロンは、本開示の集団ベースの分類器において識別されるシグネチャー1及びシグネチャー2に対応し、これは訓練データセットを生成するために使用され得る。
いくつかの態様では、シグネチャー1の遺伝子の全て若しくはサブセット、及びシグネチャー2の遺伝子の全て若しくはサブセットは、各隠れ層についてANNモデルで陽性又は陰性の遺伝子の重みを有する(図29)。
いくつかの態様では、本明細書に開示される機械学習方法、例えば、本明細書に開示されるANNを、以下の表に提供される遺伝子セットを用いて訓練した。
本開示の機械学習モデルの実用的な挙動は、高次元データを圧縮形式で表すことである。圧縮されたデータは、潜在空間として知られているものの中で視覚的に表すことができる。この共通の例は、各患者があるベクトルX及びベクトルYの値としてプロットされる、2次元グラフ(X&Y軸)である。そのため、潜在空間は、本開示の方法によって生成されるシグネチャーの投影であり、例えば、Zスコアの射影であるか、又は隠れニューロンの値である。いくつかの態様では、潜在空間は三次元でプロットされ得る。
各患者の疾患スコア値は、潜在空間(すなわち、ANNモデルの確率の結果)にプロットされ得る。経時的に、患者データを蓄積できるか、又は疾患スコアを有する患者データの遡及的分析の結果を基準プロットとして使用でき、その上に対象患者のANN確率の結果がプロットされる。
いくつかの態様では、潜在空間は、ANNモデルの隠れニューロンのプロットであり、それらのニューロンの全ての2方向の組み合わせを含み得る。いくつかの態様では、ANNモデルは、2つの隠れニューロンで圧縮されたデータに基づいて4つの表現型クラスを予測し、潜在空間内のそれらのニューロンをプロットすることは、4つの出力表現型クラスの投影としても役立つ。いくつかの態様では、各患者の表現型クラス割り当ては、ニューロン1対ニューロン2の潜在空間において可視化される。
潜在空間投影は、出力(表現型)割り当ての確率輪郭を表示することにより、高め得る。このように、投影は、対象が潜在空間に入る場合だけでなく、各表現型分類の信頼性も示すことができる。いくつかの態様では、臨床報告は、バイオマーカー論理、すなわち、IA=陽性、又はIA+IS=陽性、として表現型クラスを使用し、次いで、すでにモデルの出力である、表現型割り当ての確率を臨床医に報告できる。潜在空間プロットはまた、決定境界からのその患者の距離を可視化して、エッジケース及び例外を評価する際に臨床判定メーカを支援するために使用できる。
いくつかの態様では、TME表現型クラス間の境界は、カーティージャン軸上ではなく(x=0、y=0)、プロット中のどこかにある。
いくつかの態様では、第2のモデルは、ANNモデル潜在空間からバイオマーカー境界を学習できる。いくつかの態様では、その第2のモデルは、ロジスティック回帰モデルであり得る。いくつかの態様では、それは、任意の他の種類の回帰又は機械学習アルゴリズムであり得る。いくつかの態様では、ロジスティック回帰関数を、潜在空間に適用してよい。いくつかの態様では、表現型を組み合わせて、バイオマーカー陽性クラス、すなわち、IA+ISを定義し、個々の表現型割り当ての信頼度は、組み合わされたクラス割り当ての信頼度に等しくない。ロジスティック回帰関数は、それがバイオマーカー陽性であることを意味することを学習するために使用され、かつバイオマーカー陽性の統計を直接報告する。ロジスティック回帰関数を用いて、実患者の結果のデータに基づいくバイオマーカー陽性/陰性決定境界を微調整できる。いくつかの態様では、ANNモデルの精度を、二次モデルに従って潜在空間をスライスすることにより向上させることができる。
いくつかの態様では、確率関数は2つの次元でプロットでき、一方の軸は、シグナルがシグネチャー1の遺伝子によって支配される確率を表し、他方の軸は、シグナルがシグネチャー2の遺伝子によって支配される確率を表す。いくつかの態様では、血管新生及び免疫機能において役割を果たす遺伝子は、確率関数の各々に寄与する。潜在空間プロットの各四分円は、間質表現型を表す。さらなる態様では、閾値は、ロジスティック回帰を用いて適用される。いくつかの態様では、ロジスティック回帰は、線形又は多項式であり得る。閾値が設定された後に、個々の患者の結果を、本明細書に記載の方法に従って分析できる。
I.E. TME特異的治療法
本開示は、組み合わせバイオマーカー(例えば、遺伝子パネルに対応する遺伝子発現データのセット)から導出される分類器を適用することから得られる腫瘍微小環境(TME)決定に従って、患者及び/又はそれらの患者からの癌試料を分類/層別化するための方法を提供する。いくつかの態様では、分類器は、本明細書に開示される非集団ベースの分類器、例えば、ANNモデルである。他の態様では、分類器は、例えば、いくつかのシグネチャースコア(例えば、例示的な態様ではシグネチャー1及びシグネチャー2)を統合する、本明細書に開示される集団ベースの分類器である。特定のTME又はそれらの組み合わせの存在の特定(すなわち、患者が本明細書に開示される1以上の間質表現型についてバイオマーカー陽性及び/又はバイオマーカー陰性であるか)に基づき、好ましい療法(例えば、本明細書に開示されるTMEクラス療法又はそれらの組み合わせ)を、患者の癌を治療するために選択できる。
本開示は、組み合わせバイオマーカー(例えば、遺伝子パネルに対応する遺伝子発現データのセット)から導出される分類器を適用することから得られる腫瘍微小環境(TME)決定に従って、患者及び/又はそれらの患者からの癌試料を分類/層別化するための方法を提供する。いくつかの態様では、分類器は、本明細書に開示される非集団ベースの分類器、例えば、ANNモデルである。他の態様では、分類器は、例えば、いくつかのシグネチャースコア(例えば、例示的な態様ではシグネチャー1及びシグネチャー2)を統合する、本明細書に開示される集団ベースの分類器である。特定のTME又はそれらの組み合わせの存在の特定(すなわち、患者が本明細書に開示される1以上の間質表現型についてバイオマーカー陽性及び/又はバイオマーカー陰性であるか)に基づき、好ましい療法(例えば、本明細書に開示されるTMEクラス療法又はそれらの組み合わせ)を、患者の癌を治療するために選択できる。
一態様では、本開示は、癌に罹患したヒト対象を治療するための方法であって、対象に「IAクラスのTME療法」を施す工程を含み、施行前に、対象は、(a)負のシグネチャー1のスコアと、(b)正のシグネチャー2のスコアとを含む組み合わせバイオマーカーを示すものとして、集団ベースの分類器を介して識別され、(i)シグネチャー1のスコアが、対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することにより決定され、(ii)シグネチャー2のスコアが、対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することにより決定される、方法を提供する。
一態様では、本開示は、癌に罹患したヒト対象を治療するための方法であって、対象に「IAクラスのTME療法」を施す工程を含み、施行前に、対象は、IAクラスのTMEを示すものとして、本明細書に開示される非集団ベースの分類器、例えば、ANN分類器を介して識別され、IAクラスのTMEの存在が、対象から得られる試料における表1及び表2(又は図28A~Gに開示される遺伝子パネル(遺伝子セット))から選択される遺伝子パネルの発現レベルを含むデータセットにANN分類器モデルを適用することによって決定される、方法を提供する。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、
(A)施行前に、
(a)負のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア
を含む組み合わせバイオマーカーを示す対象を集団ベースの分類器を介して識別する工程であって、
(i)シグネチャー1のスコアが、対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することにより決定され、
(ii)シグネチャー2のスコアが、対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することにより決定される
工程;かつ
(B)対象にIAクラスのTME療法を施す工程
を含む、方法を提供する。
(A)施行前に、
(a)負のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア
を含む組み合わせバイオマーカーを示す対象を集団ベースの分類器を介して識別する工程であって、
(i)シグネチャー1のスコアが、対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することにより決定され、
(ii)シグネチャー2のスコアが、対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することにより決定される
工程;かつ
(B)対象にIAクラスのTME療法を施す工程
を含む、方法を提供する。
IAクラスのTME療法での治療に適する癌に罹患したヒト対象を識別するための方法であって、
(i)対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程;及び
(ii)対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程、
を含み、
施行前に集団ベースの分類器を介して識別される
(a)負のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア
を含む組み合わせバイオマーカーの存在が、IAクラスのTME療法を施して癌を治療できることを示す、方法も提供される。
(i)対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程;及び
(ii)対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程、
を含み、
施行前に集団ベースの分類器を介して識別される
(a)負のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア
を含む組み合わせバイオマーカーの存在が、IAクラスのTME療法を施して癌を治療できることを示す、方法も提供される。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、
(A)施行前に、対象から得られる試料における表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)から選択される遺伝子パネルの発現レベルを測定することにより決定されるIAクラスのTMEを示す対象を、非集団ベースの分類器(例えば、ANN)を介して識別する工程;及び
(B)IAクラスのTME療法を対象に施す工程
を含む、方法を提供する。
(A)施行前に、対象から得られる試料における表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)から選択される遺伝子パネルの発現レベルを測定することにより決定されるIAクラスのTMEを示す対象を、非集団ベースの分類器(例えば、ANN)を介して識別する工程;及び
(B)IAクラスのTME療法を対象に施す工程
を含む、方法を提供する。
いくつかの態様では、IAクラスのTME療法は、対象が追加の間質表現型についてバイオマーカー陽性である場合、本明細書に開示される追加のTMEクラス療法と組み合わせて施行できる。
IAクラスのTME療法での治療に適する癌に罹患したヒト対象を識別するための方法であって、対象から得られる試料における表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)から選択される遺伝子パネルの発現レベルを測定することによって決定される、本明細書に開示される非集団分類器(例えば、ANN)を介して、対象中のIAクラスの存在を決定する工程を含み、組み合わせIAクラスのTMEの存在が、IAクラスのTME療法を施して癌を治療できることを示す、方法も提供される。
いくつかの態様では、IAクラスのTME療法は、チェックポイントモジュレーター療法を含む。
いくつかの態様では、チェックポイントモジュレーター療法は、刺激性免疫チェックポイント分子の活性化剤を投与することを含む。いくつかの態様では、刺激性免疫チェックポイント分子の活性化剤は、例えば、GITR(グルココルチコイド誘導性腫瘍壊死因子受容体、TNFRSF18)、OX-40(TNFRSF4、ACT35、CD134、IMD16、TXGP1L、腫瘍壊死因子受容体スーパーファミリーメンバー4、TNF受容体スーパーファミリーメンバー4)、ICOS(誘導性T細胞共刺激因子)、4-1BB(TNFRSF9、CD137、CDw137、ILA、腫瘍壊死因子受容体スーパーファミリーメンバー9、TNF受容体スーパーファミリーメンバー9)に対する抗体分子、又はそれらの組み合わせである。いくつかの態様では、チェックポイントモジュレーター療法は、RORγ(RORC、NR1F3、RORG、RZR-GAMMA、RZRG、TOR、RAR-関連オーファン受容体ガンマ、IMD42、RAR関連オーファン受容体C)アゴニストの投与を含む。
いくつかの態様では、チェックポイントモジュレーター療法は、阻害性免疫チェックポイント分子の阻害剤の投与を含む。いくつかの態様では、阻害性免疫チェックポイント分子の阻害剤は、例えば、PD-1(PDCD1、CD279、SLEB2、hPD-1、hPD-l、hSLE1、プログラム細胞死1)に対する抗体、例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)、PD-L1(CD274、B7-H、B7H1、PDCD1L1、PDCD1LG1、PDL1、CD274分子、プログラム細胞死リガンド1、hPD-L1)に対する抗体、PD-L2(PDCD1LG2、B7DC、Btdc、CD273、PDCD1L2、PDL2、bA574F11.2、プログラム細胞死1リガンド2)に対する抗体、CTLA-4(CTLA4、ALPS5、CD、CD152、CELIAC3、GRD4、GSE、IDDM12、細胞傷害性Tリンパ球関連タンパク質4)に対する抗体、PD-L1、PD-L2、若しくはCTLA4単独若しくはそれらの組み合わせに対する結合特異性を少なくとも含む二重特異性抗体、又は(2)TIM-3(T細胞免疫グロブリン及びムチンドメイン含有3)の阻害剤、LAG-3(リンパ球活性化遺伝子3)の阻害剤、BTLA(B及びTリンパ球アテニュエーター)の阻害剤、TIGIT(Ig及びITIMドメインを有するT細胞免疫受容体)の阻害剤、VISTA(T細胞活性化のVドメインIgサプレッサー)の阻害剤、TGFβ(トランスフォーミング増殖因子ベータ)又はその受容体の阻害剤、CD86(分化クラスター86)アゴニスト、LAIR1(白血球関連免疫グロブリン様受容体1)の阻害剤、CD160(分化クラスター160)の阻害剤、2B4(ナチュラルキラー細胞受容体2B4;分化クラスター244)の阻害剤、GITRの阻害剤、OX-40の阻害剤、4-1BB(CD137)の阻害剤、CD2(分化クラスター2)の阻害剤、CD27(分化クラスター27)の阻害剤、CDS(CDP-ジアシルグリセロール合成酵素1)の阻害剤、ICAM-1(細胞間接着分子1)の阻害剤、LFA-1(リンパ球機能関連抗原1;CD11a/CD18)の阻害剤、ICOS(誘導性T細胞COS刺激因子;CD278)の阻害剤、CD30(分化クラスター30)の阻害剤、CD40(分化クラスター40)の阻害剤、BAFFR(B細胞活性化因子受容体)の阻害剤、HVEM(ヘルペスウイルス侵入メディエーター)の阻害剤、CD7(分化クラスター7)の阻害剤、LIGHT(腫瘍壊死因子スーパーファミリーメンバー14;TNFSF14)の阻害剤、NKG2C(キラー細胞レクチン様受容体C2;KLRC2、CD159c)の阻害剤、SLAMF7(SLAMファミリーメンバー7)の阻害剤、NKp80(活性化共受容体NKp80;レクチン様受容体F1;KLRF1;キラー細胞レクチン様受容体F1)の阻害剤、又はそれらの組み合わせと組み合わせた(1)における抗体のいずれかである。
いくつかの態様では、チェックポイントモジュレーター療法は、TIM-3のモジュレーター、LAG3のモジュレーター、BTLAのモジュレーター、TIGITのモジュレーター、VISTAのモジュレーター、TGFβ又はその受容体のモジュレーター、CD86のモジュレーター、LAIR1のモジュレーター、CD160のモジュレーター、2B4のモジュレーター、GITRのモジュレーター、OX40のモジュレーター、4-1BB(CD137)のモジュレーター、CD2のモジュレーター、CD27のモジュレーター、CDSのモジュレーター、ICAM-1のモジュレーター、LFA-1(CD11a/CD18)のモジュレーター、ICOS(CD278)のモジュレーター、CD30のモジュレーター、CD40のモジュレーター、BAFFRのモジュレーター、HVEMのモジュレーター、CD7のモジュレーター、LIGHTのモジュレーター、NKG2Cのモジュレーター、SLAMF7のモジュレーター、NKp80のモジュレーター、又はそれらの組み合わせの投与を含む。
本明細書で使用する用語「モジュレーター」は、標的と直接又は間接的に相互作用し、生物学的若しくは化学的プロセス又は機構に影響を与える分子を指す。例えば、モジュレーターは、生物学的若しくは化学的プロセス又は機構を増加でき、促進でき、上方制御でき、活性化でき、阻害でき、減少でき、阻止でき、防止でき、遅延でき、脱感作でき、不活性化でき、下方制御できる、などであるる。したがって、モジュレーターは、標的の「アゴニスト」又は「アンタゴニスト」であり得る。用語「アゴニスト」は、タンパク質、受容体、酵素などの内因性リガンドの少なくとも一部の影響を増加させる化合物を指す。用語「アンタゴニスト」は、タンパク質、受容体、酵素などの内因性リガンドの少なくとも一部の影響を阻害する化合物を指す。
そのため、いくつかの態様では、チェックポイントモジュレーター療法は、TIM-3のアゴニスト又はアンタゴニスト、LAG3のアゴニスト又はアンタゴニスト、BTLAのアゴニスト又はアンタゴニスト、TIGITのアゴニスト又はアンタゴニスト、VISTAのアゴニスト又はアンタゴニスト、TGFβ若しくはその受容体のアゴニスト又はアンタゴニスト、CD86のアゴニスト又はアンタゴニスト、LAIR1のアゴニスト又はアンタゴニスト、CD160のアゴニスト又はアンタゴニスト、2B4のアゴニスト又はアンタゴニスト、GITRのアゴニスト又はアンタゴニスト、OX40のアゴニスト又はアンタゴニスト、4-1BB(CD137)のアゴニスト又はアンタゴニスト、CD2のアゴニスト又はアンタゴニスト、CD27のアゴニスト又はアンタゴニスト、CDSのアゴニスト又はアンタゴニスト、ICAM-1のアゴニスト又はアンタゴニスト、LFA-1(CD11a/CD18)のアゴニスト又はアンタゴニスト、ICOS(CD278)のアゴニスト又はアンタゴニスト、CD30のアゴニスト又はアンタゴニスト、CD40のアゴニスト又はアンタゴニスト、BAFFRのアゴニスト又はアンタゴニスト、HVEMのアゴニスト又はアンタゴニスト、CD7のアゴニスト又はアンタゴニスト、LIGHTのアゴニスト又はアンタゴニスト、NKG2Cのアゴニスト又はアンタゴニスト、SLAMF7のアゴニスト又はアンタゴニスト、NKp80のアゴニスト又はアンタゴニスト、又はそれらの任意の組み合わせの投与を含む。
いくつかの態様では、抗PD-1抗体は、例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、シンチリマブ、チスレリズマブ、又はその抗原結合部分を含む。いくつかの態様では、抗PD-1抗体は、ヒトPD-1への結合について、例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、シンチリマブ、又はチスレリズマブと交差競合する。いくつかの態様では、抗PD-1抗体は、例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、シンチリマブ、又はチスレリズマブと同じエピトープに結合する。
いくつかの態様では、抗PD-L1抗体は、例えば、アベルマブ、アテゾリズマブ、デュルバルマブ、又はその抗原結合部分を含む。いくつかの態様では、抗PD-1抗体は、ヒトPD-1への結合について、例えば、アベルマブ、アテゾリズマブ、又はデュルバルマブと交差競合する。いくつかの態様では、抗PD-1抗体は、例えば、アベルマブ、アテゾリズマブ、又はデュルバルマブと同じエピトープに結合する。
いくつかの態様では、チェックポイントモジュレーター療法は、(i)抗PD-1抗体、例えば、ニボルマブ、ペムブロリズマブ、シスチリズマブ、チミリズマブ、及びセミプリマブからなる群から選択される抗体;(ii)抗PD-L1抗体、例えば、アベルマブ、アテゾリズマブ、及びデュルバルマブからなる群から選択される抗体;又は(iii)それらの組み合わせの投与を含む。
本開示は、癌に罹患したヒト対象を治療するための方法であって、対象に「ISクラスのTME療法」を施す工程を含み、施行前に、対象は、(a)正のシグネチャー1のスコアと、(b)正のシグネチャー2のスコアとを含む組み合わせバイオマーカーを示すものとして、集団ベースの分類器を介して識別され、(i)シグネチャー1のスコアが、対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することにより決定され、(ii)シグネチャー2のスコアが、対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することにより決定される、方法を提供する。
一態様では、本開示は、癌に罹患したヒト対象を治療するための方法であって、対象に「ISクラスのTME療法」を施す工程を含み、施行前に、対象は、ISクラスのTMEを示すものとして、本明細書に開示される非集団ベースの分類器、例えば、ANN分類器を介して識別され、ISクラスのTMEの存在が、対象から得られる試料における表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)から選択される遺伝子パネルの発現レベルを含むデータセットにANN分類器モデルを適用することによって決定される、方法を提供する。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、
(A)施行前に、
(a)正のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア
を含む組み合わせバイオマーカーを示す対象を集団ベースの分類器を介して識別する工程であって、
(i)シグネチャー1のスコアが、対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することにより決定され、
(ii)シグネチャー2のスコアが、対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することにより決定される、
工程;かつ
(B)対象にISクラスのTME療法を施す工程
を含む方法を提供する。
(A)施行前に、
(a)正のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア
を含む組み合わせバイオマーカーを示す対象を集団ベースの分類器を介して識別する工程であって、
(i)シグネチャー1のスコアが、対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することにより決定され、
(ii)シグネチャー2のスコアが、対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することにより決定される、
工程;かつ
(B)対象にISクラスのTME療法を施す工程
を含む方法を提供する。
ISクラスのTME療法での治療に適する癌に罹患したヒト対象を識別するための方法であって、
(i)対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定すること;及び
(ii)対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程
を含み、
施行前に、集団ベースの分類器を介して識別される
(a)正のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア
を含む組み合わせバイオマーカーの存在が、ISクラスのTME療法を施して癌を治療できることを示す、
方法も提供される。
(i)対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定すること;及び
(ii)対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程
を含み、
施行前に、集団ベースの分類器を介して識別される
(a)正のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア
を含む組み合わせバイオマーカーの存在が、ISクラスのTME療法を施して癌を治療できることを示す、
方法も提供される。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、
(A)施行前に、対象から得られる試料における表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)から選択される遺伝子パネルの発現レベルを測定することにより決定されるISクラスのTMEを示す対象を、非集団ベースの分類器(例えば、ANN)を介して識別する工程;及び
(B)ISクラスのTME療法を対象に施す工程
を含む、方法を提供する。
(A)施行前に、対象から得られる試料における表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)から選択される遺伝子パネルの発現レベルを測定することにより決定されるISクラスのTMEを示す対象を、非集団ベースの分類器(例えば、ANN)を介して識別する工程;及び
(B)ISクラスのTME療法を対象に施す工程
を含む、方法を提供する。
いくつかの態様では、ISクラスのTME療法は、対象が追加の間質表現型についてバイオマーカー陽性である場合、本明細書に開示される追加のTMEクラス療法と組み合わせて施行できる。
ISクラスのTME療法での治療に適する癌に罹患したヒト対象を識別するための方法であって、対象から得られる試料における表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)から選択される遺伝子パネルの発現レベルを測定することによって決定される、本明細書に開示される非集団分類器(例えば、ANN)を介して、対象中のISクラスの存在を決定する工程を含み、組み合わせISクラスのTMEの存在が、ISクラスのTME療法を施して癌を治療できることを示す、方法も提供される。
いくつかの態様では、ISクラスのTME療法は、例えば、(1)チェックポイントモジュレーター療法及び抗免疫抑制療法(例えば、ペムブロリズマブ及びバビツキシマブの投与を含む併用療法)及び/又は(2)抗血管新生療法、の施行を含む。いくつかの態様では、チェックポイントモジュレーター療法は、例えば、阻害性免疫チェックポイント分子の阻害剤の投与を含む。いくつかの態様では、阻害性免疫チェックポイント分子の阻害剤は、例えば、PD-1に対する抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)、PD-L1、PD-L2、CTLA-4に対する抗体、又はそれらの組み合わせである。
いくつかの態様では、抗PD-1抗体は、例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、スパルタリズマブ(PDR001)、シンチリマブ、チスレリズマブ、又はゲプタノリマブ(CBT-501)、又はその抗原結合部分を含む。いくつかの態様では、抗PD-1抗体は、ヒトPD-1への結合について、例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、シンチリマブ、チスレリズマブ、又はCBT-501と交差競合する。いくつかの態様では、抗PD-1抗体は、例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、シンチリマブ、チスレリズマブ、PDR001、又はCBT-501と同じエピトープに結合する。
いくつかの態様では、抗PD-L1抗体は、例えば、アベルマブ、アテゾリズマブ、デュルバルマブ、又はその抗原結合部分を含む。いくつかの態様では、抗PD-L1抗体は、ヒトPD-L1への結合について、例えば、アベルマブ、アテゾリズマブ、又はデュルバルマブと交差競合する。いくつかの態様では、抗PD-L1抗体は、例えば、アベルマブ、アテゾリズマブ、又はデュルバルマブと同じエピトープに結合する。
いくつかの態様では、抗CTLA-4抗体は、イピリムマブ又はその抗原結合部分を含む。いくつかの態様では、抗CTLA-4抗体は、ヒトCTLA-4への結合についてイピリムマブと交差競合する。いくつかの態様では、抗CTLA-4抗体は、イピリムマブと同じCTLA-4エピトープに結合する。
いくつかの態様では、チェックポイントモジュレーター療法は、例えば、(i)例えば、ニボルマブ、ペムブロリズマブ、シンチリマブ、チスレリズマブ、及びセミプリマブからなる群から選択される抗PD-1抗体、(ii)例えば、アベルマブ、アテゾリズマブ、及びデュルバルマブからなる群から選択される抗PD-L1抗体、(iii)抗CTLA-4抗体、例えば、イピリムマブ、又は(iii)それらの組み合わせ、の投与を含む。
いくつかの態様では、抗血管新生療法は、例えば、バリサクマブ、ベバシズマブ、ナビシキズマブ(抗DLL4/抗VEGF二重特異性)、及びそれらの組み合わせからなる群から選択される抗VEGF(血管内皮増殖因子)抗体の投与を含む。いくつかの態様では、抗血管新生療法は、例えば、抗VEGFR抗体の投与を含む。いくつかの態様では、抗VEGFR抗体は、抗VEGFR2(血管内皮増殖因子受容体2)抗体である。いくつかの態様では、抗VEGFR2抗体は、ラムシルマブを含む。いくつかの態様では、抗血管新生療法は、例えば、ナビシキズマブ、ABL101(NOV1501)、又はディルパシマブ(dilpacimab)(ABT165)を含む。
いくつかの態様では、抗免疫抑制療法は、例えば、抗PS(ホスファチジルセリン)抗体、抗PS標的化抗体、β2糖タンパク質1に結合する抗体、PI3Kγの阻害剤(ホスファチジルイノシトール-4,5-ビスホスフェート3-キナーゼ触媒ユニットガンマアイソフォーム)、アデノシン経路阻害剤、IDOの阻害剤、TIMの阻害剤、LAG3の阻害剤、TGFβの阻害剤、CD47阻害剤、又はそれらの組み合わせの投与を含む。
いくつかの態様では、抗PS標的化抗体は、例えば、バビツキシマブ、又はβ2糖タンパク質1を結合する抗体である。いくつかの態様では、PI3Kγ阻害剤は、例えば、LY3023414(サモトリシブ)又はIPI-549(エガネリシブ)である。いくつかの態様では、アデノシン経路阻害剤は、例えば、AB-928である。いくつかの態様では、TGFβ阻害剤は、例えば、LY2157299(ガルニセルチブ)であるか、又はTGFβR1阻害剤はLY3200882である。いくつかの態様では、CD47阻害剤は、例えば、マグロリマブ(5F9)である。いくつかの態様では、CD47阻害剤は、SIRPαを標的とする。
いくつかの態様では、抗免疫抑制療法は、TIM-3の阻害剤、LAG-3の阻害剤、BTLAの阻害剤、TIGITの阻害剤、VISTAの阻害剤、TGFβ又はその受容体の阻害剤、CD86の阻害剤、LAIR1の阻害剤、CD160の阻害剤、2B4の阻害剤、GITRの阻害剤、OX-40の阻害剤、4-1BB(CD137)の阻害剤、CD2の阻害剤、CD27の阻害剤、CDSの阻害剤、ICAM-1の阻害剤、LFA-1(CD11a/CD18)の阻害剤、ICOS(CD278)の阻害剤、CD30の阻害剤、CD40の阻害剤、BAFFRの阻害剤、HVEMの阻害剤、CD7の阻害剤、LIGHTの阻害剤、NKG2Cの阻害剤、SLAMF7の阻害剤、NKp80の阻害剤、又はそれらの組み合わせの投与を含む。
いくつかの態様では、抗免疫抑制療法は、TIM-3のモジュレーター、LAG-3のモジュレーター、BTLAのモジュレーター、TIGITのモジュレーター、VISTAのモジュレーター、TGFβ又はその受容体のモジュレーター、CD86のモジュレーター、LAIR1のモジュレーター、CD160のモジュレーター、2B4のモジュレーター、GITRのモジュレーター、OX-40のモジュレーター、4-1BB(CD137)のモジュレーター、CD2のモジュレーター、CD27のモジュレーター、CDSのモジュレーター、ICAM-1のモジュレーター、LFA-1(CD11a/CD18)のモジュレーター、ICOS(CD278)のモジュレーター、CD30のモジュレーター、CD40のモジュレーター、BAFFRのモジュレーター、HVEMのモジュレーター、CD7のモジュレーター、LIGHTのモジュレーター、NKG2Cのモジュレーター、SLAMF7のモジュレーター、NKp80のモジュレーター、又はそれらの組み合わせの投与を含む。
そのため、いくつかの態様では、抗免疫抑制療法は、TIM-3のアゴニスト又はアンタゴニスト、LAG-3のアゴニスト又はアンタゴニスト、BTLAのアゴニスト又はアンタゴニスト、TIGITのアゴニスト又はアンタゴニスト、VISTAのアゴニスト又はアンタゴニスト、TGFβ又はその受容体のアゴニスト又はアンタゴニスト、CD86のアゴニスト又はアンタゴニスト、LAIR1のアゴニスト又はアンタゴニスト、CD160のアゴニスト又はアンタゴニスト、2B4のアゴニスト又はアンタゴニスト、GITRのアゴニスト又はアンタゴニスト、OX-40のアゴニスト又はアンタゴニスト、4-1BB(CD137)のアゴニスト又はアンタゴニスト、CD2のアゴニスト又はアンタゴニスト、CD27のアゴニスト又はアンタゴニスト、CDSのアゴニスト又はアンタゴニスト、ICAM-1のアゴニスト又はアンタゴニスト、LFA-1(CD11a/CD18)のアゴニスト又はアンタゴニスト、ICOS(CD278)のアゴニスト又はアンタゴニスト、CD30のアゴニスト又はアンタゴニスト、CD40のアゴニスト又はアンタゴニスト、BAFFRのアゴニスト又はアンタゴニスト、HVEMのアゴニスト又はアンタゴニスト、CD7のアゴニスト又はアンタゴニスト、LIGHTのアゴニスト又はアンタゴニスト、NKG2Cのアゴニスト又はアンタゴニスト、SLAMF7のアゴニスト又はアンタゴニスト、NKp80のアゴニスト又はアンタゴニスト、又はそれらの組み合わせの投与を含む。
本開示は、癌に罹患したヒト対象を治療するための方法であって、対象に「IDクラスのTME療法」を施す工程を含み、施行前に、対象は、(a)負のシグネチャー1のスコアと、(b)負のシグネチャー2のスコアとを含む組み合わせバイオマーカーを示すものとして、集団ベースの分類器を介して識別され、(i)シグネチャー1のスコアが、対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することにより決定され、(ii)シグネチャー2のスコアが、対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することにより決定される、方法を提供する。
一態様では、本開示は、癌に罹患したヒト対象を治療するための方法であって、対象に「IDクラスのTME療法」を施す工程を含み、施行前に、対象は、IDクラスのTMEを示すものとして、本明細書に開示される非集団ベースの分類器、例えば、ANN分類器を介して識別され、IDクラスのTMEの存在が、対象から得られる試料における表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)から選択される遺伝子パネルの発現レベルを含むデータセットにANN分類器モデルを適用することによって決定される、方法を提供する。
癌に罹患したヒト対象を治療するための方法であって、
(A)施行前に、
(a)負のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア
を含む組み合わせバイオマーカーを示す対象を集団ベースの分類器を介して識別する工程であって、
(i)シグネチャー1のスコアが、対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することにより決定され、
(ii)シグネチャー2のスコアが、対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することにより決定される、
工程;かつ
(B)対象にIDクラスのTME療法を施す工程
を含む、方法も提供する。
(A)施行前に、
(a)負のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア
を含む組み合わせバイオマーカーを示す対象を集団ベースの分類器を介して識別する工程であって、
(i)シグネチャー1のスコアが、対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することにより決定され、
(ii)シグネチャー2のスコアが、対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することにより決定される、
工程;かつ
(B)対象にIDクラスのTME療法を施す工程
を含む、方法も提供する。
IDクラスのTME療法での治療に適する癌に罹患したヒト対象を識別するための方法であって、
(i)対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程;及び
(ii)対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程
を含み、
施行前に集団ベースの分類器を介して識別される、
(a)負のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア
を含む組み合わせバイオマーカーの存在が、IDクラスのTME療法を施して癌を治療できることを示す、方法も提供される。
(i)対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程;及び
(ii)対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程
を含み、
施行前に集団ベースの分類器を介して識別される、
(a)負のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア
を含む組み合わせバイオマーカーの存在が、IDクラスのTME療法を施して癌を治療できることを示す、方法も提供される。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、
(A)施行前に、対象から得られる試料における表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)から選択される遺伝子パネルの発現レベルを測定することにより決定されるIDクラスのTMEを示す対象を、非集団ベースの分類器(例えば、ANN)を介して識別する工程;及び
(B)IDクラスのTME療法を対象に施す工程
を含む、方法を提供する。
(A)施行前に、対象から得られる試料における表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)から選択される遺伝子パネルの発現レベルを測定することにより決定されるIDクラスのTMEを示す対象を、非集団ベースの分類器(例えば、ANN)を介して識別する工程;及び
(B)IDクラスのTME療法を対象に施す工程
を含む、方法を提供する。
いくつかの態様では、IDクラスのTME療法は、対象が追加の間質表現型についてバイオマーカー陽性である場合、本明細書に開示される追加のTMEクラス療法と組み合わせて施行できる。
IDクラスのTME療法での治療に適する癌に罹患したヒト対象を識別するための方法であって、対象から得られる試料における表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)から選択される遺伝子パネルの発現レベルを測定することによって決定される、本明細書に開示される非集団分類器(例えば、ANN)を介して、対象中のIDクラスの存在を決定する工程を含み、組み合わせIDクラスのTMEの存在が、IDクラスのTME療法を施して癌を治療できることを示す、方法も提供される。
いくつかの態様では、IDクラスのTME療法は、免疫応答を開始する療法の施行と同時又は後にチェックポイントモジュレーター療法の施行を含む。
いくつかの態様では、免疫応答を開始する療法は、ワクチン(例えば、癌ワクチン)、CAR-T、又はネオエピトープワクチンである。
いくつかの態様では、チェックポイントモジュレーター療法は、免疫応答を開始する療法の施行と同時又は後に施行され、例えば、阻害性免疫チェックポイント分子の阻害剤の投与を含む。いくつかの態様では、阻害性免疫チェックポイント分子の阻害剤は、例えば、PD-1に対する抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)、PD-L1、PD-L2、CTLA-4に対する抗体、又はそれらの組み合わせである。
いくつかの態様では、抗PD-1抗体は、例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、又はCBT-501、又はその抗原結合部分を含む。いくつかの態様では、抗PD-1抗体は、ヒトPD-1への結合について、例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、シンチリマブ、チスレリズマブ、又はCBT-501と交差競合する。いくつかの態様では、抗PD-1抗体は、例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、シンチリマブ、チスレリズマブ、又はCBT-501と同じエピトープに結合する。
いくつかの態様では、抗PD-L1抗体は、例えば、アベルマブ、アテゾリズマブ、デュルバルマブ、又はその抗原結合部分を含む。いくつかの態様では、抗PD-L1抗体は、ヒトPD-L1への結合について、例えば、アベルマブ、アテゾリズマブ、又はデュルバルマブと交差競合する。いくつかの態様では、抗PD-L1抗体は、例えば、アベルマブ、アテゾリズマブ、又はデュルバルマブと同じエピトープに結合する。
いくつかの態様では、抗CTLA-4抗体は、イピリムマブ、又はその抗原結合部分を含む。いくつかの態様では、抗CTLA-4抗体は、ヒトCTLA-4への結合についてイピリムマブと交差競合する。いくつかの態様では、抗CTLA-4抗体は、イピリムマブと同じエピトープに結合する。
いくつかの態様では、免疫応答を開始する療法の施行と同時又は後に施行されるチェックポイントモジュレーター療法は、例えば、(i)例えば、ニボルマブ、ペムブロリズマブ、シンチリマブ、チスレリズマブ、及びセミプリマブからなる群から選択される抗PD-1抗体、(ii)例えば、アベルマブ、アテゾリズマブ、及びデュルバルマブからなる群から選択される抗PD-L1抗体、(iii)抗CTLA-4抗体、例えば、イピリムマブ、又は(iii)それらの組み合わせ、の投与を含む。
本開示は、癌に罹患したヒト対象を治療するための方法であって、対象に「AクラスのTME療法」を施す工程を含み、施行前に、対象は、(a)正のシグネチャー1のスコアと、(b)負のシグネチャー2のスコアとを含む組み合わせバイオマーカーを示すものとして、集団ベースの分類器を介して識別され、(i)シグネチャー1のスコアが、対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することにより決定され、(ii)シグネチャー2のスコアが、対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することにより決定される、方法を提供する。
一態様では、本開示は、癌に罹患したヒト対象を治療するための方法であって、対象に「AクラスのTME療法」を施す工程を含み、施行前に、対象は、AクラスのTMEを示すものとして、本明細書に開示される非集団ベースの分類器、例えば、ANN分類器を介して識別され、AクラスのTMEの存在が、対象から得られる試料における表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)から選択される遺伝子パネルの発現レベルを含むデータセットにANN分類器モデルを適用することによって決定される、方法を提供する。
癌に罹患したヒト対象を治療するための方法であって、
(A)施行前に、
(a)正のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア
を含む組み合わせバイオマーカーを示す対象を集団ベースの分類器を介して識別する工程であって、
(i)シグネチャー1のスコアが、対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することにより決定され、
(ii)シグネチャー2のスコアが、対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することにより決定される、
工程;かつ
(B)対象に、AクラスのTME療法を施す工程
を含む、方法を提供する。
(A)施行前に、
(a)正のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア
を含む組み合わせバイオマーカーを示す対象を集団ベースの分類器を介して識別する工程であって、
(i)シグネチャー1のスコアが、対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することにより決定され、
(ii)シグネチャー2のスコアが、対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することにより決定される、
工程;かつ
(B)対象に、AクラスのTME療法を施す工程
を含む、方法を提供する。
本開示はまた、AクラスのTME療法での治療に適する癌に罹患したヒト対象を識別するための方法であって、
(i)対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程;及び
(ii)対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程
を含み、
施行前に集団ベースの分類器を介して識別される、
(a)正のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア
を含む組み合わせバイオマーカーの存在が、AクラスのTME療法を施して癌を治療できることを示す、方法を提供する。
(i)対象から得られる第1の試料における表3から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程;及び
(ii)対象から得られる第2の試料における表4から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程
を含み、
施行前に集団ベースの分類器を介して識別される、
(a)正のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア
を含む組み合わせバイオマーカーの存在が、AクラスのTME療法を施して癌を治療できることを示す、方法を提供する。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、
(A)施行前に、対象から得られる試料における表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)から選択される遺伝子パネルの発現レベルを測定することにより決定されるAクラスのTMEを示す対象を、非集団ベースの分類器(例えば、ANN)を介して識別する工程;及び
(B)AクラスのTME療法を対象に施す工程
を含む、方法を提供する。
(A)施行前に、対象から得られる試料における表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)から選択される遺伝子パネルの発現レベルを測定することにより決定されるAクラスのTMEを示す対象を、非集団ベースの分類器(例えば、ANN)を介して識別する工程;及び
(B)AクラスのTME療法を対象に施す工程
を含む、方法を提供する。
いくつかの態様では、AクラスのTME療法は、対象が追加の間質表現型についてバイオマーカー陽性である場合、本明細書に開示される追加のTMEクラス療法と組み合わせて施行できる。
AクラスのTME療法での治療に適する癌に罹患したヒト対象を識別するための方法であって、対象から得られる試料における表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)から選択される遺伝子パネルの発現レベルを測定することによって決定される、本明細書に開示される非集団分類器(例えば、ANN)を介して、対象中のAクラスの存在を決定する工程を含み、組み合わせAクラスのTMEの存在が、AクラスのTME療法を施して癌を治療できることを示す、方法も提供される。
いくつかの態様では、AクラスのTME療法は、VEGF標的療法及び他の抗血管新生剤、アンジオポエチン1及び2(Ang1及びAng2)、DLL4(デルタ様古典的Notchリガンド4)、抗VEGFと抗DLL4の二重特異性、フルキンチニブなどのTKI(チロシンキナーゼ阻害剤)、抗FGF(線維芽細胞増殖因子)抗体並びにFGF受容体ファミリー(FGFR1及びFGFR2)を阻害する抗体若しくは小分子;抗PLGF(胎盤増殖因子)抗体並びにPLGF受容体に対する小分子及び抗体、抗VEGFB(血管内皮増殖因子B)抗体、抗VEGFC(血管内皮増殖因子C)抗体、抗VEGFD(血管内皮増殖因子D)抗体;アフリベルセプトなどのVEGF/PLGFトラップ分子に対する抗体、又はziv-アフリベルセプト(ziv-aflibercet);抗DLL4抗体、又はガンマセクレターゼの阻害剤などの抗Notch療法を含む。
いくつかの態様では、抗血管新生療法は、エンドグリン、例えば、カロツキシマブ(TRC105)へのアンタゴニストの投与を含む。
本明細書で使用する用語「VEGF標的療法」は、リガンド、すなわちVEGF A(血管内皮増殖因子A)、VEGFB(血管内皮増殖因子B)、VEGFC(血管内皮増殖因子C)、VEGFD(血管内皮増殖因子D)、又はPLGF(胎盤増殖因子);受容体、例えば、VEGFR1(血管内皮増殖因子受容体1)、VEGFR2(血管内皮増殖因子受容体2)、又はVEGFR3(血管内皮増殖因子受容体3);又はそれらの任意の組み合わせを標的とすることを指す。
いくつかの態様では、VEGF標的療法は、抗VEGF抗体又はその抗原結合部分の投与を含む。いくつかの態様では、抗VEGF抗体は、例えば、バリサクマブ、ベバシズマブ、又はその抗原結合部分を含む。いくつかの態様では、抗VEGF抗体は、例えば、ヒトVEGF Aへの結合についてバリサクマブ又はベバシズマブと交差競合する。いくつかの態様では、抗VEGF抗体は、例えば、バリサクマブ又はベバシズマブと同じエピトープに結合する。
いくつかの態様では、VEGF標的療法は、抗VEGFR抗体の投与を含む。いくつかの態様では、抗VEGFR抗体は、抗VEGFR2抗体である。いくつかの態様では、抗VEGFR2抗体は、ラムシルマブ又はその抗原結合部分を含む。
いくつかの態様では、AクラスのTME療法は、アンジオポエチン/TIE2(TEK受容体チロシンキナーゼ;CDC202B)標的療法の施行を含む。いくつかの態様では、アンジオポエチン/TIE2標的療法は、エンドグリン及び/又はアンジオポエチンの投与を含む。
いくつかの態様では、AクラスのTME療法は、DLL4標的療法の施行を含む。いくつかの態様では、DLL4標的療法は、ナビシキズマブ、ABL101(NOV1501)、又はABT165の投与を含む。
上記の全ての方法、例えば、特異的療法で対象を治療する方法又は特異的療法での治療のための対象を選択する方法において、特異的療法(例えば、本明細書に開示されるTMEクラス療法又はそれらの組み合わせ)は、本明細書に開示される分類器(例えば、本開示の集団及び/又は非集団ベースの分類器)を用いて、癌のTMEの分類(すなわち、癌が本明細書に開示されるTMEクラス、すなわち、間質表現型の少なくとも1つについてバイオマーカー陽性及び/又はバイオマーカー陰性であるか)の分類に従って選択され、特異的療法(例えば、本明細書に開示されるTMEクラス療法又はそれらの組み合わせ)の施行は、癌を効果的に治療できる。
いくつかの態様では、本明細書に開示される特異的療法、例えば、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせの施行(例えば、対象が2以上の間質表現型についてバイオマーカー陽性である場合)は、癌の負担を軽減する。いくつかの態様では、対象への本明細書に開示される特異的療法、例えば、本明細書に開示されるTMEクラス療法又はそれらの組み合わせの施行(例えば、対象が2以上の間質表現型についてバイオマーカー陽性である場合)は、療法(例えば、本明細書に開示されるTMEクラス療法又はそれらの組み合わせ)の投与前の癌負担と比較して少なくとも約10%、少なくとも約15%、少なくとも約20%、少なくとも約25%、少なくとも約30%、少なくとも約35%、少なくとも約40%、少なくとも約45%、少なくとも約50%、少なくとも約55%、少なくとも約60%、少なくとも約65%、少なくとも約70%、少なくとも約75%、少なくとも約80%、少なくとも約85%、少なくとも約90%、少なくとも約95%、又は約100%癌負担を軽減する。
いくつかの態様では、本明細書に開示される特異的療法、例えば、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせの施行(例えば、対象が2以上の間質表現型についてバイオマーカー陽性である場合)は、初期投与後少なくとも約1ヶ月、少なくとも約2ヶ月、少なくとも約3ヶ月、少なくとも約4ヶ月、少なくとも約5ヶ月、少なくとも約6ヶ月、少なくとも約7ヶ月、少なくとも約8ヶ月、少なくとも約9ヶ月、少なくとも約10ヶ月、少なくとも約11ヶ月、少なくとも約1年、少なくとも約18ヶ月、少なくとも約2年、少なくとも約3年、少なくとも約4年、又は少なくとも約5年間の無増悪生存期間をもたらす。
いくつかの態様では、対象は、本明細書に開示される特異的療法、例えば、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせの施行後に安定な疾患を示す(例えば、対象が2以上の間質表現型についてバイオマーカー陽性である場合)。用語「安定疾患」は、癌の存在についての診断を指すが、癌は、治療され、安定な状態、すなわち、例えば、データの画像化及び/又は最良の臨床判断によって決定されるように、進行していない状態のままである。用語「進行性疾患」は、データの画像化及び/又は最良の臨床判断によって決定されるように、癌の高度に活性な状態、すなわち、治療されておらず、安定でないか、又は治療されていて、療法に応答しないか、又は治療されていて、活性のある疾患が残っている状態、の存在についての診断を指す。
「安定疾患」は、治療開始時(すなわち、治療前)の最初の腫瘍体積と比較して、治療中の腫瘍体積の(一時的な)腫瘍の収縮/低下を包含し得る。この文脈において、「腫瘍収縮」は、治療開始時(すなわち、治療前)の初期体積と比較して、治療時の腫瘍体積の低下を指し得る。例えば、100%未満(例えば、治療開始時の初期体積の約99%~約66%)の腫瘍体積は、「安定疾患」を表し得る。
「安定な疾患」は、治療開始時(すなわち、治療前)の最初の腫瘍体積と比較して、治療中の腫瘍体積の(一時的な)腫瘍の増殖/増加を代替的に包含し得る。この文脈において、「腫瘍増殖」は、治療開始時(すなわち、治療前)の初期体積と比較して、治療阻害剤の存在下での腫瘍体積の増加を指し得る。例えば、100%を超える(例えば、治療開始時の初期体積の約101%~約135%、好ましくは、初期体積の約101%~約110%)の腫瘍体積は、「安定な疾患」を表し得る。
用語「安定疾患」は、以下の態様を含み得る。例えば、腫瘍体積は、例えば、治療後に収縮しない(すなわち、腫瘍の成長が停止される)か、又は例えば、治療開始時に収縮するが、腫瘍が消失するまで収縮し続けない(すなわち、腫瘍の成長は最初に反転するが、腫瘍が例えば、初期体積の65%未満になる前に、腫瘍は再び成長する)。
用語「応答」は、本明細書に開示される特異的療法、例えば、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせに対する患者又は腫瘍を参照して使用される場合(例えば、対象が2以上の間質表現型についてバイオマーカー陽性である場合)、患者若しくは腫瘍の「完全奏功」又は「部分奏功」に反映され得る。
本明細書で使用する用語「完全奏功」は、本明細書に開示される特異的療法、例えば、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせに応答する(例えば、対象が2以上の間質表現型についてバイオマーカー陽性である場合)、癌の全ての徴候の消失を指してよい。
用語「完全奏功」及び用語「完全寛解」は、本明細書では互換的に使用できる。例えば、「完全奏功」は、腫瘍が消失するまで、腫瘍の継続した収縮に(添付の実施例に示すように)反映され得る。治療開始時(すなわち、治療前)の初期腫瘍体積(100%)と比較して、例えば、0%の腫瘍体積は、「完全奏功」を表し得る。
本明細書に開示される特異的療法、例えば、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせでの治療(例えば、対象が2以上の間質表現型についてバイオマーカー陽性である場合)は、「部分的応答」(又は部分的寛解、例えば、治療に応答して腫瘍の大きさ、又は体内の癌の程度の減少)をもたらし得る。「部分的応答」は、治療の開始時(すなわち、治療前)の最初の腫瘍体積と比較される、治療中の腫瘍体積の(一時的な)腫瘍収縮/低下を包含し得る。
そのため、いくつかの態様では、対象は、本明細書に開示される特異的療法、例えば、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせの施行後に部分的応答を示す(例えば、対象が2以上の間質表現型についてバイオマーカー陽性である場合)。他の態様では、対象は、例えば、本明細書に開示される特異的療法、例えば、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせの施行後に完全奏功を示す(例えば、対象が2以上の間質表現型についてバイオマーカー陽性である場合)。
用語「応答」は、「腫瘍収縮」を指し得る。したがって、それを必要としている対象への本明細書に開示される特異的療法、例えば、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせの施行は(例えば、対象が2以上の間質表現型についてバイオマーカー陽性である場合)、腫瘍の体積の低下又は収縮をもたらし得る。
いくつかの態様では、本明細書に開示される特異的療法、例えば、IAクラスのTME療法、ISクラスのTME療法、AクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせの施行後に、腫瘍は、施行前の腫瘍体積に関してサイズが少なくとも約5%、少なくとも約10%、少なくとも約15%、少なくとも約20%、少なくとも約25%、少なくとも約30%、少なくとも約35%、少なくとも約40%、少なくとも約45%、少なくとも約50%、少なくとも約55%、少なくとも約60%、少なくとも約65%、少なくとも約70%、少なくとも約75%、少なくとも約80%、少なくとも約85%、少なくとも約90%、少なくとも約95%、又は約100%低下され得る。
いくつかの態様では、本明細書に開示される特異的療法、例えば、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせの施行後の腫瘍の体積(例えば、対象が2以上の間質表現型についてバイオマーカー陽性である場合)は、施行前の元の腫瘍体積の少なくとも約5%、少なくとも約10%、少なくとも約15%、少なくとも約20%、少なくとも約25%、少なくとも約30%、少なくとも約35%、少なくとも約40%、少なくとも約45%、少なくとも約50%、少なくとも約55%、少なくとも約60%、少なくとも約65%、少なくとも約70%、少なくとも約75%、少なくとも約80%、少なくとも約85%、又は少なくとも約90%である。
いくつかの態様では、本明細書に開示される特異的療法、例えば、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせの施行は(例えば、対象が2以上の間質表現型についてバイオマーカー陽性である場合)、施行前の腫瘍の増殖率に関して少なくとも約5%、少なくとも約10%、少なくとも約15%、少なくとも約20%、少なくとも約25%、少なくとも約30%、少なくとも約35%、少なくとも約40%、少なくとも約45%、少なくとも約50%、少なくとも約55%、少なくとも約60%、少なくとも約65%、少なくとも約70%、少なくとも約75%、少なくとも約80%、少なくとも約85%、少なくとも約90%、少なくとも約95%、又は約100%腫瘍の増殖率を低下させることができる。
用語「応答」はまた、例えば、癌が転移した場合の、腫瘍の数の低下を指してよい。
いくつかの態様では、本明細書に開示される特異的療法、例えば、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせの施行は(例えば、対象が2以上の間質表現型についてバイオマーカー陽性である場合)、組み合わせバイオマーカーを示さない対象、又は本明細書に開示される特異的療法、例えば、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせ(例えば、対象が2以上の間質表現型についてバイオマーカー陽性である場合)で治療されない対象の無増悪生存期間の確率と比較して少なくとも約10%、少なくとも約15%、少なくとも約20%、少なくとも約25%、少なくとも約30%、少なくとも約35%、少なくとも約40%、少なくとも約45%、少なくとも約50%、少なくとも約55%、少なくとも約60%、少なくとも約65%、少なくとも約70%、少なくとも約75%、少なくとも約80%、少なくとも約85%、少なくとも約90%、少なくとも約95%、少なくとも約100%、少なくとも約105%、少なくとも約110%、少なくとも約115%、少なくとも約120%、少なくとも約12%、少なくとも約130%、少なくとも約135%、少なくとも約140%、少なくとも約145%、又は少なくとも約150%対象の無増悪生存期間の確率を改善する。
いくつかの態様では、本明細書に開示される特異的療法、例えば、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせの施行は(例えば、対象が2以上の間質表現型についてバイオマーカー陽性である場合)、組み合わせバイオマーカーを示さない対象、又は本明細書に開示される特異的療法、例えば、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、AクラスのTME療法、又はそれらの組み合わせ(例えば、対象が2以上の間質表現型についてバイオマーカー陽性である場合)で治療されない対象の全生存確率と比較して少なくとも約25%、少なくとも約30%、少なくとも約35%、少なくとも約40%、少なくとも約45%、少なくとも約50%、少なくとも約55%、少なくとも約60%、少なくとも約65%、少なくとも約70%、少なくとも約75%、少なくとも約80%、少なくとも約85%、少なくとも約90%、少なくとも約95%、少なくとも約100%、少なくとも約110%、少なくとも約120%、少なくとも約125%、少なくとも約130%、少なくとも約140%、少なくとも約150%、少なくとも約160%、少なくとも約170%、少なくとも約175%、少なくとも約180%、少なくとも約190%、少なくとも約200%、少なくとも約210%、少なくとも約220%、少なくとも約225%、少なくとも約230%、少なくとも約240%、少なくとも約250%、少なくとも約260%、少なくとも約270%、少なくとも約275%、少なくとも約280%、少なくとも約290%、少なくとも約300%、少なくとも約310%、少なくとも約320%、少なくとも約325%、少なくとも約330%、少なくとも約340%、少なくとも約350%、少なくとも約360%、少なくとも約370%、少なくとも約375%、少なくとも約380%、少なくとも約390%、又は少なくとも約400%対象の全生存期間の確率を改善する。
本開示はまた、本明細書に開示される集団ベースの方法を介して、それを必要とする対象における腫瘍の腫瘍微小環境(TME)、すなわち、間質表現型を決定するのに使用するための、少なくとも表1からのシグネチャー1バイオマーカー遺伝子及び表2からのシグネチャー2バイオマーカー遺伝子を含む遺伝子パネルを提供し、腫瘍微小環境又はその組み合わせ(すなわち、対象が本明細書に開示されるTME又はその組み合わせについてバイオマーカー陽性又はバイオマーカー陰性であるかの決定)は、(i)抗癌療法に適する対象を識別するため;(ii)抗癌療法を受ける対象の結果を決定するため;(iii)抗癌療法の施行を開始、停止、若しくは変更するため、又は(iv)それらの組み合わせ、のために使用される。いくつかの態様では、遺伝子パネルは、本明細書に開示される方法にしたがって、例えば、患者からの腫瘍を分類し、その分類に基づいて特異的療法(例えば、本明細書に開示されるTMEクラス療法又はそれらの組み合わせ)を施行するために使用される。
本開示はまた、本明細書に開示される非集団ベースの方法、例えば、ANNを介して、それを必要とする対象における腫瘍の腫瘍微小環境(TME)、すなわち、間質表現型を決定するのに使用するための、少なくとも表1からのバイオマーカー遺伝子及び表2からのバイオマーカー遺伝子を含む遺伝子パネルを提供し、特異的腫瘍微小環境又はその組み合わせの有無(すなわち、対象が本明細書に開示されるTME又はその組み合わせについてバイオマーカー陽性又はバイオマーカー陰性であるかの決定)は、(i)抗癌療法に適する対象を識別するため;(ii)抗癌療法を受ける対象の結果を決定するため;(iii)抗癌療法の施行を開始、停止、若しくは変更するため、又は(iv)それらの組み合わせ、のために使用される。いくつかの態様では、遺伝子パネルは、本明細書に開示される方法にしたがって、例えば、患者からの腫瘍を分類し(例えば、腫瘍が本明細書に開示されるTMEについてバイオマーカー陽性又はAバイオマーカー陰性であるかを決定するために)、その分類に基づいて特異的療法(例えば、本明細書に開示されるTMEクラス療法又はそれらの組み合わせ)を施行するために使用される。
本開示はまた、抗癌療法での治療に適する癌に罹患したヒト対象を集団ベースの分類器を介して識別するための組み合わせバイオマーカーを提供し、組み合わせバイオマーカーは、対象から得られる試料中の測定されたシグネチャー1のスコア及びシグネチャー2のスコアを含み、(i)シグネチャー1のスコアが、対象から得られる第1の試料における表3の遺伝子パネル中の遺伝子の発現レベルを測定することにより決定され;かつ(ii)シグネチャー2のスコアが、対象から得られる第2の試料における表4の遺伝子パネル中の遺伝子の発現レベルを測定することにより決定され、(a)療法は、シグネチャー1のスコアが負であり、シグネチャー2のスコアが正である場合IAクラスのTME療法であり;(b)療法は、シグネチャー1のスコアが正であり、シグネチャー2のスコアが正である場合ISクラスのTME療法であり;(c)療法は、シグネチャー1のスコアが負であり、シグネチャー2のスコアが負である場合IDクラスのTME療法であり;又は(d)療法は、シグネチャー1のスコアが正であり、シグネチャー2のスコアが負である場合AクラスのTME療法である。いくつかの態様では、例えば、対象が、本明細書に開示される間質表現型の2以上についてバイオマーカー陽性又はバイオマーカー陰性であるとして集団ベースの分類器を介して識別される場合、例えば、対象は、IA及びISについてバイオマーカー陽性である場合、対象は、対象がバイオマーカー陽性である間質表現型に対応する併用療法、例えば、IAクラスのTME療法とISクラスのTME療法とを含む併用療法を施されてよい。
本開示はまた、抗癌療法での治療に適する癌に罹患したヒト対象を、非集団ベースの分類器(例えば、ANN)を介して識別するための組み合わせバイオマーカーを提供し、癌のTME(すなわち、間質表現型)は、対象から得られる試料において、表1及び表2から得られる遺伝子パネル(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)、又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれかにおける遺伝子の発現レベル、例えば、mRNA発現レベルを測定することによって決定され、(a)療法は、TMEがIAクラスに割り当てられる場合IAクラスのTME療法であり;(b)療法は、TMEがISクラスに割り当てられる場合ISクラスのTME療法であり;(c)療法は、TMEがIDクラスクラスに割り当てられる場合IDクラスのTME療法であり;又は(d)療法は、TMEがAクラスクラスに割り当てられる場合AクラスのTME療法である。いくつかの態様では、例えば、対象が、本明細書に開示される間質表現型の2以上についてバイオマーカー陽性又はAバイオマーカー陰性として、非集団ベースの分類器(例えば、ANN)を介して識別される場合、例えば、対象がIA及びISについてバイオマーカー陽性である場合に、対象は、対象がバイオマーカー陽性である間質表現型に対応する併用療法、例えば、IAクラスのTME療法とISクラスのTME療法とを含む併用療法を施されてよい。
本開示はまた、それを必要とするヒト対象における癌を治療するための抗癌療法を提供し、対象は、シグネチャー1のスコアとシグネチャー2のスコアとを含む組み合わせバイオマーカーを示す(すなわち、バイオマーカー陽性である)か、又は示さない(すなわち、バイオマーカー陰性である)として、集団ベースの分類器を介して識別され、(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3の遺伝子パネル中の遺伝子の発現レベルを測定することにより決定され、(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4の遺伝子パネル中の遺伝子の発現レベルを測定することにより決定され、(a)療法は、シグネチャー1のスコアが負でありシグネチャー2のスコアが正である場合IAクラスのTME療法であり;(b)療法は、シグネチャー1のスコアが正でありシグネチャー2のスコアが正である場合ISクラスのTME療法であり;(c)療法は、シグネチャー1のスコアが負でありシグネチャー2のスコアが負である場合IDクラスのTME療法であり;又は(d)療法は、シグネチャー1のスコアが正でありシグネチャー2のスコアが負である場合AクラスのTME療法である。
本開示はまた、それを必要とするヒト対象における癌を治療するための抗癌療法を提供し、対象は、例えば、対象から得られる試料において、表1及び表2から得られる遺伝子パネル中の遺伝子(又は図28A~Gに開示される遺伝子パネルのいずれか)、又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれかの発現レベル、例えば、mRNA発現レベルを測定することによって決定される特異的クラスのTMEを示すか否か(すなわち、本明細書に開示される間質表現型の1以上について、対象がバイオマーカー陽性及び/又はバイオマーカー陰性であるか)として、非集団ベースの分類器(例えば、ANN)を介して識別され、(a)療法は、割り当てられるTMEがIAクラスである場合IAクラスのTME療法であり;(b)療法は、割り当てられるTMEがクラスである場合ISクラスのTME療法であり;(c)療法は、割り当てられるTMEがIDクラスである場合IDクラスのTME療法であり;又は(d)療法は、割り当てられるTMEがAクラスである場合AクラスのTME療法である。いくつかの態様では、患者が2以上のTMEクラスについてバイオマーカー陽性である場合、患者は、バイオマーカー陽性であるTMEクラスの各々に対応するTME特異的療法を組み合わせた療法を受けることができる。
いくつかの態様では、用語「投与」はまた、療法を開始すること、療法を中止若しくは中断すること、療法を一時的に中断すること、又は療法を変更すること(例えば、投与量若しくは投与頻度を増加させること、又は併用療法において1以上の治療剤を加えること)を含む。
いくつかの態様では、試料は、例えば、ヘルスケア提供者(例えば、医師)又はヘルスケア利益提供者によって要求され、同じ若しくは異なるヘルスケア提供者(例えば、看護婦、病院)又は臨床実験室によって取得及び/又は処理され、処理後に、結果が、元のヘルスケア提供者又はさらに別のヘルスケア提供者、ヘルスケア利益提供者又は患者に転送され得る。同様に、本明細書に開示されるバイオマーカーの発現レベルの定量化;バイオマーカースコア又はタンパク質発現レベル間の比較;バイオマーカーの有無の評価;ある閾値に関するバイオマーカーレベルの決定;治療決定;又はそれらの組み合わせは、1以上のヘルスケア提供者、ヘルスケア利益提供者、及び/又は臨床実験室によって実行され得る。
本明細書で使用する用語「ヘルスケア提供者」は、生きている対象、例えば、ヒト患者と直接関わり、それらに投与する個人又は施設を指す。医療提供者の非限定的な例は、一般的な医療、専門化された医療、外科、及び/又は任意の他の種類の治療、評価、維持、療法、投薬及び/又はアドバイスを含むがこれらに限定されない患者の健康状態の全て若しくは一部に関連する一般的及び/若しくは特殊化された治療、評価、維持、療法、投薬、並びに/又はアドバイスを提供する医師、看護師、技術者、療法士、薬物師、カウンセラー、代替の医療従事者、医療施設、医師のオフィス、病院、緊急室、診療所、緊急介護センター、代替の診療所/医療施設、及び任意の他の実体を含む。
本明細書で使用する用語「臨床実験室」は、生きている対象、例えば、人間由来の材料の検査又は処理のための施設を指す。処理の非限定的な例は、例えば、生きている対象、例えば、人間の疾患若しくは機能障害の診断、予防、又は治療についての、又は健康の評価についての情報を提供する目的での、人体に由来する材料の生物学的、生化学的、血清学的、化学的、免疫血液学的、血液学的、生物物理学的、細胞学的、病理学的、遺伝的、又は他の検査を含む。これらの検査はまた、生きている対象、例えば、人間の体内の試料の収集若しくは別の方法での取得、調製、決定、測定、又は生きている対象、例えば、人間の身体から取得される試料中の様々な物質の有無を別の方法で説明するための手順を含み得る。
本明細書で使用する用語「ヘルスケア利益提供者」は、1以上のヘルスケア利益、利益計画、健康保険、及び/又は医療費勘定プログラムを全体的又は部分的に提供、提示、提案、支払い、又は別の方法でそれらへのアクセスを患者に与えることと関連付けられる個々患者、組織、又はグループを包含する。
いくつかの態様では、ヘルスケア提供者は、癌を治療するために、本明細書に開示される療法を施すか、又は施すように別のヘルスケア提供者に指示できる。ヘルスケア提供者は、以下の行動:試料の取得、試料の処理、試料の提出、試料の受け取り、試料の移送、試料の分析又は測定、試料の定量、試料の分析/測定/定量後に得られる結果の提供、試料の分析/測定/定量後に得られる結果の受け取り、1以上の試料の分析/測定/定量後に得られる結果の比較/スコア化、1以上の試料からの比較/スコアの提供、1以上の試料からの比較/スコアの受け取り、療法の施行、療法の施行の開始、療法の施行の中断、療法の施行の継続、療法の施行の一時的中断、投与される治療薬の量の増加、投与される治療薬の量の減少、治療薬の投与量の継続、治療薬の投与頻度の増加、治療薬の投与頻度の減少、治療薬の同じ投与頻度の維持、療法又は治療薬の少なくとも別の療法又は治療薬との置換、療法又は治療薬と少なくとも別の療法又は追加の治療剤との併用、を実施するか、又は別のヘルスケア提供者若しくは患者に実施するように指示できる。
いくつかの態様では、ヘルスケア利益提供者は、例えば、試料の収集、試料の処理、試料の提出、試料の受け取り、試料の移送、試料の分析又は測定、試料の定量、試料の分析/測定/定量後に得られる結果の提供、試料の分析/測定/定量後に得られる結果の移送、1以上の試料の分析/測定/定量後に得られる結果の比較/スコア化、1以上の試料からの比較/スコアの移送、療法又は治療剤の投与、療法若しくは治療薬の投与の開始、療法若しくは治療薬の投与の停止、療法若しくは治療薬の投与の継続、療法若しくは治療薬の投与の一時的中断、投与される治療薬の量の増加、投与される治療薬の量の減少、治療薬の投与量の継続、治療薬の投与頻度の増加、治療薬の投与頻度の減少、治療薬の同じ投与頻度の維持、療法若しくは治療薬の少なくとも別の療法若しくは治療薬との置換、又は療法若しくは治療薬と少なくとも別の療法又は追加の治療剤との併用を、承認又は拒否できる。
加えて、「ヘルスケア利益提供者」は、例えば、療法の処方を承認又は拒否し、療法の補償を承認又は拒否し、療法の費用の返済を承認又は拒否し、療法の適格性を決定又は拒否できる。
いくつかの態様では、臨床実験室は、例えば、試料を収集又は取得でき、試料を処理し、試料を提出し、試料を受け取り、試料を移送し、試料を分析又は測定し、試料を定量し、試料の分析/測定/定量後に得られる結果を提供し、試料の分析/測定/定量後に得られる結果を受け取り、1以上の試料の分析/測定/定量後に得られる結果を比較/スコア化し、1以上の試料からの比較/スコアを提供し、1以上の試料からの比較/スコアを取得でき、又は他の関連活動を行える。
本明細書に開示される特異的TMEクラス又は複数のクラス(本明細書に開示される集団ベースの分類器及び/又は非集団分類器の適用から生じる)への患者の割り当ては、患者の治療又は治療のための患者の選択に加えて、他の治療方法又は診断方法に適用できる。例えば、新たな治療方法を考案する方法(例えば、ある療法の候補として又は臨床試験の参加のための候補として患者を選択することにより)、治療薬の有効性を監視する方法、又は治療(例えば、製剤、投与計画、若しくは投与経路)を調節する方法に適用できる。
本明細書に開示される方法は、本明細書に開示される集団ベースの分類器及び/又は非集団ベースの分類器の適用(すなわち、対象が本明細書に開示される間質表現型の1以上についてバイオマーカー陽性及び/又はバイオマーカー陰性であるか)を介する対象の癌における特定のTMEの有無の決定に少なくとも部分的に基づく、予防及び/若しくは治療を処方、開始、並びに/又は変更する工程などの追加の工程も含み得る。
本開示はまた、本明細書に開示される集団ベースの分類器及び/又は非集団ベースの分類器の適用(すなわち、患者が本明細書に開示される間質表現型の1以上についてバイオマーカー陽性及び/又はバイオマーカー陰性であるか)により識別された特定のTMEを有する患者を、本明細書に開示される特異的TMEクラス療法又はその組み合わせで治療するかを決定する方法を提供する。本明細書に開示される集団ベースの分類器及び/又は非集団ベースの分類器の適用(すなわち、患者が本明細書に開示される間質表現型の1以上についてバイオマーカー陽性及び/又はバイオマーカー陰性であるか)により識別された特定のTMEの有無に基づき本明細書に開示される特異的TMEクラス療法又はその組み合わせで治療するための候補として癌と診断された患者を選択する方法も、提供される。
一態様では、本明細書に開示される方法は、対象の癌のTMEの分類(すなわち、本明細書に開示される間質表現型の1以上について対象がバイオマーカー陽性及び/又はバイオマーカー陰性であるか)に少なくとも部分的に基づく鑑別診断であり得る、診断を行うことを含み、TMEは、本明細書に開示される集団ベースの分類器及び/又は非集団ベースの分類器の適用によって分類されている。この診断は、患者の医療記録に記録されてよい。例えば、様々な態様では、癌のTMEの分類(すなわち、対象が本明細書に開示される間質表現型の1以上についてバイオマーカー陽性及び/又はバイオマーカー陰性であるか)、本明細書に開示される特異的TMEクラス特異的療法又はその組み合わせで治療可能としての患者の診断、又は選択される治療を、医療記録に記録できる。医療記録は、紙の形態であり得、かつ/又はコンピュータ可読媒体で維持され得る。医療記録は、実験室、医師のオフィス、病院、医療維持機関、保険会社、及び/又は個人医療記録ウェブサイトによって維持され得る。
いくつかの態様では、本明細書に開示される集団及び/又は非集団ベースの分類器の適用に基づく診断を、カード、着用物品、及び/又は無線周波数識別(RFID)タグなどの医療警報品上に又は中に記録できる。本明細書で使用する用語「着用物品」は、タグ、ブレスレット、ネックレス、又はアームバンドを含むが、これらに限定されない、対象の身体上で装着可能な任意の物品を指す。
いくつかの態様では、試料は、ヘルスケア専門家の指示に従って(例えば、本明細書に記載の特定のアッセイを用いて)、試料中のバイオマーカーレベルの測定のために患者を治療又は診断するヘルスケア専門家により取得できる。いくつかの態様では、アッセイを実行する臨床実験室は、患者の癌が特定のTMEクラスに属するものとして分類されるか(すなわち、本明細書に開示される間質表現型の1以上について対象がバイオマーカー陽性及び/又はバイオマーカー陰性であるか)に基づき、患者が本明細書に開示される特異的TMEクラス療法又はその組み合わせによる治療から利益を得ることができるかについてヘルスケア提供者にアドバイスできる。いくつかの態様では、本明細書に開示される集団ベースの分類器及び/又は非集団ベースの分類器を適用することによって行われるTME分類の結果(すなわち、本明細書に開示される1以上の間質表現型が、対象に存在するか又は存在しないか、すなわち、対象が本明細書に開示される間質表現型の1以上についてバイオマーカー陽性及び/又はバイオマーカー陰性であるか)は、患者の保険が本明細書に開示される特異的TMEクラス療法又はその組み合わせによる治療をカバーするかの決定をヘルスケア利益提供者に提出されてよい。いくつかの態様では、アッセイを実行する臨床実験室は、患者が癌のTME分類(すなわち、対象が本明細書に開示される間質表現型の1以上についてのバイオマーカー陽性及び/又はバイオマーカー陰性であるか)に基づく本明細書に開示される特異的TMEクラス療法又はその組み合わせによる治療から利益を得ることができるかについて、ヘルスケア提供者にアドバイスできる。
I.F TMEクラス特異的療法
腫瘍微小環境(TME)の主要な生物学を識別するために使用される4つの間質表現型又はクラス、すなわち特異的種類の間質表現型、を用いて、どの療法が特異的クラスを治療するのにより有効であるかを予測できる。例えば、図10を参照されたい。
腫瘍微小環境(TME)の主要な生物学を識別するために使用される4つの間質表現型又はクラス、すなわち特異的種類の間質表現型、を用いて、どの療法が特異的クラスを治療するのにより有効であるかを予測できる。例えば、図10を参照されたい。
I.F.1 IAクラスのTME療法
IA(免疫活性)表現型などの、免疫活性によって支配されるTMEについて、この生物学を有する患者(すなわち、IAバイオマーカー陽性患者)は、抗PD-1(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、若しくはその抗原結合部分)、抗PD-L1、又は抗CTLA-4、又はRORγアゴニスト治療薬などの免疫チェックポイント阻害剤(CPI)に応答する可能性が高い。
IA(免疫活性)表現型などの、免疫活性によって支配されるTMEについて、この生物学を有する患者(すなわち、IAバイオマーカー陽性患者)は、抗PD-1(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、若しくはその抗原結合部分)、抗PD-L1、又は抗CTLA-4、又はRORγアゴニスト治療薬などの免疫チェックポイント阻害剤(CPI)に応答する可能性が高い。
チェックポイント阻害剤:いくつかの態様では、免疫チェックポイント阻害剤は、PD-1に結合するブロッキング抗体、例えば、ニボルマブ、セミプリマブ(REGN2810)、ゲプタノリマブ(CBT-501)、パクミリマブ(CX-072)、ドスタルリマブ(TSR-042)、シンチリマブ、チスレリズマブ、及びペムブロリズマブ;PD-L1に結合するブロッキング抗体、例えば、デュルバルマブ(MEDI4736)、アベルマブ、ロダポリマブ(LY-3300054)、CX-188、及びアテゾリズマブ;又はCTLA-4に結合するブロッキング抗体、例えば、イピリムマブ及びトレメリムマブである。いくつかの態様では、そのような抗体の1以上の組み合わせを使用できる。
トレメリムマブ、ニボルマブ、デュルバルマブ及びアテゾリズマブは、例えば、米国特許第6,682,736号、同第8,008,449号、同第8,779,108号及び同第8,217,149号にそれぞれ記載されている。いくつかの態様では、アテゾリズマブは、CTLA-4、PD-1に結合する別のブロッキング抗体(シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)、PD-L1に結合する別のブロッキング抗体、又は任意のチェックポイント阻害剤に結合する二重特異性ブロッキング抗体などの、別の免疫チェックポイント抗体によって置換され得る。異なるブロッキング抗体を選択する際に、当業者は、文献から適切な用量及び投与スケジュールを知るであろう。抗CTLA4抗体の適切な例は、米国特許第6,207,156号に記載されるものである。抗PD-L1抗体の他の適切な例は、特に、化学療法の組み合わせを含むヒト抗PD-L1抗体を用いてPD-L1過剰発現癌を治療することに関する米国特許第8,168,179号;特に、キメラ、ヒト化及びヒト抗体を含むPD-L1に対する抗体を用いて腫瘍を治療することに関する米国特許第9,402,899号;及び特に、抗PD-L1抗体及び化学療法を用いて癌を治療することに関する米国特許第9,439,962号に記載されるものである。
PD-L1に対するさらに適切な抗体は、米国特許第7,943,743号、同第9,580,505号及び同第9,580,507号の中のもの、そのキット(米国特許第9,580,507号)、及び抗体をコードする核酸(米国特許第8,383,796号)の中のものである。そのような抗体は、PD-L1に結合し、参照抗体との結合について競合し;VH及びVL遺伝子によって定義されるか、又は重鎖及び軽鎖CDR3(米国特許第7,943,743号)、又は定義された配列若しくはそれらの保存的修飾の重鎖CDR3(米国特許第8,383,796号)によって定義されるか、又は参照抗体と90%若しくは95%の配列同一性を有する。これらの抗PD-L1抗体は、定量的(結合親和性を含む)及び定性的性質を有するもの、免疫複合体及び二重特異性抗体も含む。さらに、そのような抗体を用いる方法、並びに免疫応答を増強する際に、一本鎖フォーマットの抗体及び単離されたCDRのフォーマットにあるものを含む、定量的(結合親和性を含む)及び定性的性質を有するものも含まれる(米国特許第9,102,725号)。米国特許第9,102,725号にあるような免疫応答の増強を用いて、癌又はウイルス、細菌、真菌若しくは寄生虫による病原体感染などの感染症を治療できる。
PD-L1に対するさらに適切な抗体は、定義されたCDR配列の抗体及び競合抗体を含む、PD-L1上の特定のエピトープに対する抗体;核酸、ベクター、宿主細胞、免疫複合体;検出、診断、予後診断及びバイオマーカーの方法;並びに治療方法に関する米国特許出願第2016/0009805号の中のものである。
イピリムマブを含む特異的治療は、例えば、米国特許第7,605,238号、同第8,318,916号、同第8,784,815号、及び同第8,017,114号に開示されている。トレメリムマブを含む治療は、例えば、米国特許第6,682,736号、同第7,109,003号、同第7,132,281号、同第7,411,057号、同第7,807,797号、同第7,824,679号、同第8,143,379号、同第8,491,895号、及び同第8,883,984号に開示されている。ニボルマブでの治療は、例えば、米国特許第8,008,449号、同第8,779,105号、同第9,387,247号、同第9,492,539号、同第9,492,540号、同第8,728,474号、同第9,067,999号、同第9,073,994号、及び同第7,595,048号に開示されている。ペムブロリズマブでの治療は、例えば、米国特許第8,354,509号、同第8,900,587号、及び同第8,952,136号に開示されている。セミプリマブでの治療は、例えば、米国特許公開第20150203579A1号に開示されている。デュルバルマブでの治療は、例えば、米国特許第8,779,108号、及び同第9,493,565号に開示されている。アテゾリズマブでの治療は、例えば、米国特許第8,217,149号に開示されている。CX-072での治療は、例えば、15/069,622に開示されている。LY300054での治療は、例えば、米国特許公開第10214586B2に開示されている。PD-1とCTLA-4に対する抗体の併用での腫瘍の治療は、例えば、米国特許第9,084,776号、同第8,728,474号、同第9,067,999号、及び同第9,073,994号に開示されている。治療量以下の用量を含むPD-1とCTLA-4に対する抗体での腫瘍の治療及びPD-L1陰性腫瘍は、例えば、米国特許公開第9,358,289号に開示されている。PD-L1とCTLA-4に対する抗体での腫瘍の治療は、例えば、米国特許第9,393,301号及び同第9,402,899号に開示されている。全ての特許及び刊行物は、参照によりその全体が本明細書に組み込まれる。
特異的療法剤及び適切な癌の兆候は、以下の表で明らかにされる。
RORγアゴニスト治療薬:いくつかの態様では、RORγアゴニスト治療薬は、核内ホルモン受容体ファミリーに属する、RORγ(レチノイド関連オーファン受容体ガンマ)の小分子アゴニストである。RORγは、胸腺リンパ球新生及びT細胞ホメオスタシス中のアポトーシス制御において重要な役割を担う。臨床開発の小分子アゴニストは、LYC-55716(シンチロルゴン)を含む。
チスレリズマブ
チスレリズマブ(BGB-A317)は、PD-1に対するヒト化モノクローナル抗体である。それは、PD-1がリガンドPD-L1及びPD-L2に結合するのを防ぐ(それゆえ、それはチェックポイント阻害剤である)。チスレリズマブは、固形癌、例えば、ホジキンリンパ腫(単独で又は白金含有化学療法などのアジュバント療法と組み合わせて)、尿路上皮癌、NSCLC、又は肝細胞癌の治療に使用できる。いくつかの態様では、例えば、本明細書に記載の方法に従って対象に投与されるチスレリズマブ分子は、チスレリズマブを含む。チスレリズマブに関連する配列を、以下の表に提供する。本開示のいくつかの態様では、チスレリズマブ又はその抗原結合部分は、バビツキシマブと組み合わせて投与できる。
チスレリズマブ(BGB-A317)は、PD-1に対するヒト化モノクローナル抗体である。それは、PD-1がリガンドPD-L1及びPD-L2に結合するのを防ぐ(それゆえ、それはチェックポイント阻害剤である)。チスレリズマブは、固形癌、例えば、ホジキンリンパ腫(単独で又は白金含有化学療法などのアジュバント療法と組み合わせて)、尿路上皮癌、NSCLC、又は肝細胞癌の治療に使用できる。いくつかの態様では、例えば、本明細書に記載の方法に従って対象に投与されるチスレリズマブ分子は、チスレリズマブを含む。チスレリズマブに関連する配列を、以下の表に提供する。本開示のいくつかの態様では、チスレリズマブ又はその抗原結合部分は、バビツキシマブと組み合わせて投与できる。
シンチリマブ
シンチリマブ(TYVYT(登録商標))は、PD-1に対する完全ヒトIgG4モノクローナル抗体である。それは、PD-1がリガンドPD-L1及びPD-L2に結合するのを防ぐ(それゆえ、チェックポイント阻害剤である)。シンチリマブは、単独で又はアジュバント療法と組み合わせて固形癌、例えば、ホジキンリンパ腫の治療に使用できる。いくつかの態様では、例えば、本明細書に記載の方法に従って、対象に投与されるシンチリマブ分子は、シンチリマブを含む。シンチリマブに関連する配列を、以下の表に提供する。本開示のいくつかの態様では、シンチリマブ又はその抗原結合部分は、バビツキシマブと組み合わせて投与できる。
シンチリマブ(TYVYT(登録商標))は、PD-1に対する完全ヒトIgG4モノクローナル抗体である。それは、PD-1がリガンドPD-L1及びPD-L2に結合するのを防ぐ(それゆえ、チェックポイント阻害剤である)。シンチリマブは、単独で又はアジュバント療法と組み合わせて固形癌、例えば、ホジキンリンパ腫の治療に使用できる。いくつかの態様では、例えば、本明細書に記載の方法に従って、対象に投与されるシンチリマブ分子は、シンチリマブを含む。シンチリマブに関連する配列を、以下の表に提供する。本開示のいくつかの態様では、シンチリマブ又はその抗原結合部分は、バビツキシマブと組み合わせて投与できる。
I.F.2 ISクラスのTME療法
免疫抑制によって支配されるTMEについて、IS(免疫抑制)表現型として分類されるような患者(すなわち、ISバイオマーカー陽性患者)は、抗ホスファチジルセリン(抗PS)及び抗ホスファチジルセリン標的化治療薬、PI3Kγ阻害剤、アデノシン経路阻害剤、IDO、TIM、LAG3、TGFβ、及びCD47阻害剤などの逆免疫抑制のための薬物も与えられない限り、チェックポイント阻害剤に対して耐性であり得る。
免疫抑制によって支配されるTMEについて、IS(免疫抑制)表現型として分類されるような患者(すなわち、ISバイオマーカー陽性患者)は、抗ホスファチジルセリン(抗PS)及び抗ホスファチジルセリン標的化治療薬、PI3Kγ阻害剤、アデノシン経路阻害剤、IDO、TIM、LAG3、TGFβ、及びCD47阻害剤などの逆免疫抑制のための薬物も与えられない限り、チェックポイント阻害剤に対して耐性であり得る。
バビツキシマブは、好ましい抗PS標的化治療薬である。この生物学を有する患者は、基礎的な血管新生も有し、A間質サブタイプに使用されるものなどの抗血管新生薬から恩恵を受けることもできる。
ISバイオマーカー陽性患者のための特異的治療薬が、現在検討されている。抗PS及びPS標的化抗体は、バビツキシマブ;LY3023414(サモトリシブ)、IPI-549などのPI3Kγ阻害剤;AB-928(アデノシン2a及び2b受容体の経口アンタゴニスト)などのアデノシン経路阻害剤;IDO阻害剤;抗TIM、TIMとTIM-3両方;抗LAG3;LY2157299(ガルニセルチブ)などのTGFβ阻害剤;フォーティーセブンマグロリマブ(5F9)などのCD47阻害剤を含むが、これらに限定されない。
ISバイオマーカー陽性患者のための特異的治療薬はまた、樹状細胞上でのCD155(分化クラスター155)の誘発(とりわけ活性)及び腫瘍におけるTregのサブセットの発現により免疫抑制性である抗TIGIT薬物も含む。好ましい抗TIGIT抗体は、AB-154である。アクチビンAは、M2様腫瘍マクロファージの分化を促進しNK細胞の生成を阻害するので、抗アクチビンA治療薬。抗BMP治療薬は、骨形態形成タンパク質(BMP)がM2様腫瘍マクロファージの分化も促進しCTL及びDCを阻害するので、有用である。
ISバイオマーカー陽性患者のためのさらなる特異的治療薬はまた、TAM(Tyro3、Axl、及びMer受容体)阻害剤又はTAM生成物阻害剤;IL-10は免疫抑制性であるので、抗IL-10(インターロイキン)又は抗IL-10R(インターロイキン10受容体);マクロファージコロニー刺激因子(M-CSF)拮抗作用はTAMを枯渇させることが示されているので、抗M-CSF;抗CCL2(C-Cモチーフケモカインリガンド2)又は抗CCL2R(C-Cモチーフケモカインリガンド2受容体)、それらの薬物が標的とする特定の経路は骨髄細胞を腫瘍に動員する;この受容体チロシンキナーゼの阻害が、炎症性TAM表現型を誘発し、腫瘍CD8+細胞を増加させるので、MERTK(チロシンタンパク質キナーゼMer)アンタゴニスト、も含む。
ISバイオマーカー陽性患者のための他の治療薬は、インターフェロン遺伝子の刺激(STING)による細胞質DNAセンシングは、抗腫瘍CD8+T細胞のDC刺激を増強し、アゴニストはSTINGVAX(登録商標)の一部であるのでSTINGアゴニスト;CCL3(C-Cモチーフケモカイン3)、CCL4(C-Cモチーフケモカイン4)、CCL5(C-Cモチーフケモカイン5)又はそれらの共通受容体CCR5(C-Cモチーフケモカイン受容体タイプ5)に対する抗体、これらのケモカインは骨髄由来サプレッサー細胞(MDSC)の産物であり、制御性T細胞(Treg)上でCCL5を活性化するので;アルギナーゼ1の阻害剤、アルギナーゼ1はM2様TAMにより産生され、腫瘍浸潤リンパ球(TIL)の産生を減少させ、Tregの産生を増加させるので;Tregを枯渇させるために使用できるCCR4(C-Cモチーフケモカイン受容体タイプ4)に対する抗体;Treg上のCCR4(C-Cモチーフケモカイン受容体タイプ4)活性化を阻害できるCCL17(C-Cモチーフケモカイン17)又はCCL22(C-Cモチーフケモカイン22)に対する抗体;Tregを枯渇させるために使用できるGITR(グルココルチコイド誘導TNFR関連タンパク質)に対する抗体;エンチノスタットなどの免疫遺伝子のエピジェネティックサイレンシングの逆転を引き起こすDNAメチルトランスフェラーゼ(DNMT)又はヒストンデアセチラーゼ(HDAC)の阻害剤、を含む。
前臨床モデルでは、ホスホジエステラーゼ5、シルデナフィル、及びタダラフィルの阻害剤は、MDSC機能を著しく阻害し、これはIS患者に利益を提供できる。MDSCを成熟樹状細胞(DC)とマクロファージに分化させるために用いられる全トランスレチノイン酸(ATRA)は、IS患者に利益を提供し得る。VEGF及びc-kitシグナル伝達は、MDSCの生成に関与することが報告されている。転移性腎細胞癌患者のスニチニブは、循環MDSCの数を減少させることが報告されており、これは、IS患者に利益を提供し得る。
本明細書に開示される集団ベースの分類器においてシグネチャー1と2の両方について高いか、又は本明細書に開示される非集団ベースの分類器によるISクラスのTMEとして分類されるIS表現型(すなわち、ISバイオマーカー陽性)である癌は、抗PD-1(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)、抗PD-L1又は抗CTLA-4などのチェックポイント阻害剤と組み合わせたバビツキシマブ治療のための標的集団を表す。これは、本開示が、血管新生の存在下で起こる免疫応答が免疫抑制の徴候を示すことを注記しており、バビツキシマブは免疫抑制細胞に対する免疫活性を回復させることができるからである。単剤のバビツキシマブが作用するには、進行中の免疫応答は、ブロッキング免疫抑制が患者の免疫応答を最大限に引き出すのに十分である程度まで高度に活性でなければならない。しかし、ほとんどの後期の癌患者は、それらの免疫応答を維持する必要があり、バビツキシマブとチェックポイント阻害剤との組み合わせを必要とする可能性がある。そのため、本明細書に開示されるIS表現型を用いて、バビツキシマブ及びチェックポイント阻害剤に応答する可能性のある癌患者を決定できる。
バビツキシマブ
バビツキシマブは、PS標的化抗体である。バビツキシマブは、血清の存在下でアニオン性リン脂質に強く結合する。PSへのバビツキシマブ結合は、β2-糖タンパク質1(β2GPI)血清タンパク質によって媒介される。β2GPIは、アポリポタンパク質Hとしても知られている。
バビツキシマブは、PS標的化抗体である。バビツキシマブは、血清の存在下でアニオン性リン脂質に強く結合する。PSへのバビツキシマブ結合は、β2-糖タンパク質1(β2GPI)血清タンパク質によって媒介される。β2GPIは、アポリポタンパク質Hとしても知られている。
いくつかの態様では、例えば、本明細書に記載の方法にしたがって、対象に投与されるバビツキシマブ分子は、バビツキシマブを含む。バビツキシマブに関連する配列を、以下の表に提供する。
いくつかの態様では、バビツキシマブ分子は、抗PD-1抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)と組み合わせて投与される。いくつかの態様では、バビツキシマブ分子は、ペムブロリズマブと組み合わせて投与される。いくつかの態様では、バビツキシマブ分子は、シンチリマブと組み合わせて投与される。いくつかの態様では、バビツキシマブ分子は、チスレリズマブと組み合わせて投与される。いくつかの態様では、バビツキシマブ分子は、肝細胞癌、胃癌、NSCLC、卵巣癌、乳癌、頭頸部癌、又は膵臓癌を有する対象に投与される。
I.F.3 IDクラスのTME療法
ID(免疫砂漠)表現型(すなわち、IDバイオマーカー陽性患者)として分類される患者などの免疫活性を有しないTMEについては、この生物学を有する患者は、チェックポイント阻害剤、抗血管新生剤又は他のTME標的療法の単剤療法に応答せず、単剤療法としての抗PD-1、抗PD-L1、抗CTLA-4、又はRORγアゴニストで治療されるべきではない。この生物学を有する患者は、免疫活性を誘導し次いでチェックポイント阻害剤又は他のTME標的療法から恩恵を受けることを可能にする療法で治療され得る。これらの患者の免疫活性を誘導する可能性のある療法は、ワクチン、CAR-T、個別化されたワクチンを含むネオエピトープワクチン、及びTLRベースの療法を含む。
ID(免疫砂漠)表現型(すなわち、IDバイオマーカー陽性患者)として分類される患者などの免疫活性を有しないTMEについては、この生物学を有する患者は、チェックポイント阻害剤、抗血管新生剤又は他のTME標的療法の単剤療法に応答せず、単剤療法としての抗PD-1、抗PD-L1、抗CTLA-4、又はRORγアゴニストで治療されるべきではない。この生物学を有する患者は、免疫活性を誘導し次いでチェックポイント阻害剤又は他のTME標的療法から恩恵を受けることを可能にする療法で治療され得る。これらの患者の免疫活性を誘導する可能性のある療法は、ワクチン、CAR-T、個別化されたワクチンを含むネオエピトープワクチン、及びTLRベースの療法を含む。
CAR-T療法は、癌細胞を攻撃するように患者のT細胞(免疫系細胞の種類)が実験室で変更される、治療の種類である。T細胞を、患者の血液から採取する。次いで、患者の癌細胞上のあるタンパク質に結合する特別の受容体の遺伝子を、実験室で加える。特別の受容体は、キメラ抗原受容体(CAR)と呼ばれる。多数のCAR-T細胞を、実験室で増殖させ、注入により患者に与える。CAR-T細胞療法が、いくつかの種類の癌の治療において研究されている。キメラ抗原受容体T細胞療法とも呼ばれる。いくつかの態様では、CAR-T療法は、IMM-3、アキシカブタゲンシロルユーセル、AUTO、イムノトックス、sparX/ARC-T療法、又はBCMA CAR-Tの投与を含む。
Toll様受容体(TLR)、ショウジョウバエTollタンパク質の哺乳動物相同体は、自然免疫の重要なパターン認識受容体(PRR)とみなされる。癌細胞上のいくつかのTLRは、炎症に依存するか、又は依存せずに癌の進行を支持し得る。TLRシグナル伝達により刺激された炎症反応は、腫瘍の炎症性微小環境を増強することによって腫瘍形成を促進できる。加えて、ある種の癌細胞でTLRの発現レベルが上昇すると、TLRアダプター分子に必要な腫瘍形成が促進されるが、炎症とは無関係である。いくつかのTLRアゴニストは、耐性宿主免疫系を間接的に活性化して癌細胞を破壊することによって、強力な抗腫瘍活性を誘導することが見出された。したがって、TLRの特異的アゴニスト又はアンタゴニストを用いて、癌を治療できる。いくつかの態様では、TLRベースは、ポリ(I:C)の投与を含む。複数のTLRアゴニストが、臨床適用のために考慮されてきた。BCG(バチルスカルメットゲラン(Bacillus Calmette-Guerin))は、例えば、表在性膀胱癌又は結腸直腸癌の治療法に使用できる。TLR3(Toll様受容体3)リガンドIPH-3102(IPH-31XX)は、例えば、乳癌を治療するために使用できる。TLR4(Toll様受容体4)アゴニストモノホスホリルリピドA(MPL)は、例えば、結腸直腸癌の治療のために使用できる。いくつかの態様では、MPLを、HPV(ヒトパピローマウイルス)関連子宮頸癌の予防のためのアジュバントとして、CERVARIX(商標)ワクチンと共に投与できる。いくつかの態様では、フラジェリン由来アゴニストCBLB502(エントリモド)を用いて、高度な固形腫瘍を治療できる。
いくつかの態様では、TLRベースの療法は、BCG(バチルスカルメットゲラン)、モノホスホリルリピドA(MPL)、エントリモド(CBLB502)、イミキモド(ALDARA(登録商標))、852A(小分子ssRNA)、IMOxine (CpG-ODN)、レフィトリモド(MGN1703)、dSLIM(登録商標)(二重ステムループ免疫調節薬)、CpGオリゴデオキシヌクレオチド(CpG-ODN)、PF3512676(CpG7909としても知られている;単独で又は化学療法と組み合わせて)、1018ISS(単独で、又は化学療法又はリツキサン(登録商標)と組み合わせて)、レフィトリモド、SD-101、モトリモド(VTX-2337)、IMO-2055(IMOxine;EMD(1201081)、チルソトリモド(IMO-2125)、DV281、CMP-101、又はCPG7907の投与を含む。
治療用癌ワクチンは、抗腫瘍応答を誘発する腫瘍抗原を用いる免疫系の特異的刺激に基づく。いくつかの態様では、癌ワクチンは、例えば、IGV-001(IMVAX(商標))、イリキサデンセル(ilixadencel)、IMM-2、TG4010(MUC-1及びIL-2を発現するMVA)、TROVAX(登録商標)(胎児癌遺伝子5T4(MVA-5T4)を発現するMVA)、PROSTVAC(登録商標)(又はPSA-TRICOM(登録商標))(PSAを発現するMVA)、GVAX(登録商標)、recMAGE-A3(組換えメラノーマ関連抗原3タンパク質+AS15免疫賦活剤、リンドペピマットとGM-CSF+テモゾロミド、IMA901(10個の異なる合成腫瘍関連ペプチド)、テセモチド(recemotide)(L-BLP25)(MUC-1由来リポペプチド)、DCベースワクチン(例えば、IL-12などのサイトカインを発現する)、チロシナーゼで構成されるマルチエピトープワクチン、gp100及びMART-1ペプチド、ペプチドワクチン(EGFRvIII、EphA2、Her2/neuペプチド)(単独で又はベバシズマブと組み合わせて)、HSPPC-96(個別化されたペプチド系ワクチン)(単独で又はベバシズマブと組み合わせて)、INTUVAX(登録商標)(同種細胞ベースの療法)(単独で又はスニチニブと組み合わせて)、PF-06755990(ワクチン)(単独で又はスニチニブ及び/若しくはトレメリムマブと組み合わせて)、NEOVAX(登録商標)(ネオ抗原ペプチド)(単独で又はペムブロリズマブ及び/若しくは放射線療法と組み合わせて)、臨床試験NCT02600949で使用されるペプチドワクチン(単独で又はペムブロリズマブと組み合わせて)、DPX-Survivac(カプセル化ペプチド)(単独で又はペムブロリズマブ及び/若しくは化学療法、例えば、シクロホスファミドと組み合わせて)、pTVG-HP(PAP抗原をコードするDNAワクチン)(単独で又はニボルマブ及び/若しくはCM-CSFと組み合わせて)、GVAX(登録商標)(GM-CSF分泌腫瘍細胞)(単独で又はニボルマブ及び/若しくは化学療法、例えば、シクロホスファミドと組み合わせて)、PROSTVAC(登録商標)(PSAを発現するポックスウイルスベクター)(単独で又はニボルマブと組み合わせて)、PROSTVAC(登録商標)(PSAを発現するポックスウイルスベクター)(単独で又はイピリムマブと組み合わせて)、GVAX(登録商標)(GM-CSF分泌腫瘍細胞)(単独で又はニボルマブ及びイピリムマブと組み合わせて、かつCRS-207及びシクロホスファミドと組み合わせて)、樹状細胞ベースのp53ワクチン(単独で又はニボルマブ及びイピリムマブと組み合わせて)、ネオ抗原DNAワクチン(デュルバルマブと組み合わせて)、又はCDX-1401ワクチン(DEC-205/NY-ESO-1融合タンパク質)(単独で又はアテゾリズマブ及び化学療法、例えば、グアデシタビンと組み合わせて)を含む。
I.F.4 A-クラスのTME療法
A(血管新生)表現型(すなわち、Aバイオマーカー陽性患者)として分類される患者などの、血管新生活性によって支配されるTMEについて、この生物学を有する患者は、VEGF標的療法、DLL4標的療法、アンジオポエチン/TIE2標的療法、ナビシキズマブなどの抗VEGF/抗DLL4二重特異性抗体、及びバリサクマブ、ラムシルマブ、ベバシズマブなどの抗VEGF又は抗VEGF受容体抗体などに応答し得る。
A(血管新生)表現型(すなわち、Aバイオマーカー陽性患者)として分類される患者などの、血管新生活性によって支配されるTMEについて、この生物学を有する患者は、VEGF標的療法、DLL4標的療法、アンジオポエチン/TIE2標的療法、ナビシキズマブなどの抗VEGF/抗DLL4二重特異性抗体、及びバリサクマブ、ラムシルマブ、ベバシズマブなどの抗VEGF又は抗VEGF受容体抗体などに応答し得る。
いくつかの態様では、抗DLL4及び/又は抗VEGF活性を有するものなどの、抗血管新生作用を有する二重可変ドメイン免疫グロブリン分子、薬物、又は療法は、血管新生シグネチャーについてバイオマーカー陽性と識別されるか、又はA間質表現型を有するものと識別される患者を治療するために選択できる。いくつかの態様では、二重可変ドメイン免疫グロブリン分子、薬物、又は療法は、ジルパチマブ(dilpacimab)(ABT165)である。いくつかの態様では、抗DLL4及び/又は抗VEGF活性を有するものなどの、抗血管新生作用を有する二重標的化タンパク質、薬物、又は療法は、血管新生シグネチャーについてバイオマーカー陽性と識別されるか、又はA間質表現型を有するものと識別される患者を治療するために選択できる。いくつかの態様では、二重標的化タンパク質、薬物又は療法は、参照によりその全体が本明細書に組み込まれる米国特許公開第2016/0159929号によって教示されるABL001(NOV1501、TR009)である。
ナビシキズマブ
抗VEGF/抗DLL4二重特異性抗体であるナビシキズマブは、例えば、米国特許第9,376,488号、同第9,574,009号及び同第9,879,084号に詳細に記載されており、これらの各々は、参照によりその全体が本明細書に組み込まれる。
抗VEGF/抗DLL4二重特異性抗体であるナビシキズマブは、例えば、米国特許第9,376,488号、同第9,574,009号及び同第9,879,084号に詳細に記載されており、これらの各々は、参照によりその全体が本明細書に組み込まれる。
バリサクマブ
抗VEGFAモノクローナル抗体であるバリサクマブは、例えば、米国特許第8,394,943号、同第9,421,256号及び同第8,034,905号に詳細に記載されており、これらの各々は、参照によりその全体が本明細書に組み込まれる。
抗VEGFAモノクローナル抗体であるバリサクマブは、例えば、米国特許第8,394,943号、同第9,421,256号及び同第8,034,905号に詳細に記載されており、これらの各々は、参照によりその全体が本明細書に組み込まれる。
いくつかの態様では、バリサクマブ分子は、第2の抗体、例えば、抗PD-1抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)と組み合わせて投与される。いくつかの態様では、バリサクマブ分子は、化学療法剤、例えば、タキサン、例えば、パクリタキセル又はドセタキセルと組み合わせて投与される。
いくつかの態様では、チロシンキナーゼ阻害剤(TKI)は、抗血管新生療法において使用される。例となるTKIは、カボザンチニブ、バンデタニブ、チボザニブ、アキシチニブ、レンバチニブ、ソラフェニブ、レゴラフェニブ、スニチニブ、フルキンチニブ(fruquitinib)、及びパゾパニブを含む。いくつかの態様では、c-MET阻害剤を使用できる。
本明細書に開示されるTMEクラス特異的療法の一部として投与され得る特異的療法剤は、表12に含まれる。
I.F.5 アジュバント療法
ある療法で治療するための患者を選択する方法、並びに本明細書に開示される治療の方法は、(i)追加の療法、例えば、化学療法、ホルモン療法、又は放射線療法の施行、(ii)手術、又は(iii)それらの組み合わせ、も含み得る。いくつかの態様では、これらの追加の(アジュバント)療法を、上に開示されるTME特異的療法又はそれらの組み合わせの施行と同時又は逐次的に(施行の前又は後に)施行できる。
ある療法で治療するための患者を選択する方法、並びに本明細書に開示される治療の方法は、(i)追加の療法、例えば、化学療法、ホルモン療法、又は放射線療法の施行、(ii)手術、又は(iii)それらの組み合わせ、も含み得る。いくつかの態様では、これらの追加の(アジュバント)療法を、上に開示されるTME特異的療法又はそれらの組み合わせの施行と同時又は逐次的に(施行の前又は後に)施行できる。
1種以上のアジュバント療法を、本明細書に記載のTME特異的療法又はそれらの組み合わせと組み合わせて使用する場合、各治療を別々に実行する場合観察される効果が相加的である組み合わされた結果を必要としない。少なくとも相加的効果は一般的に望ましいが、単一療法の1つを上回る何らかの増加された治療効果又は利益(例えば、副作用の低下)は、価値がある。また、組み合わされた治療が相乗効果を発揮するための特別な要件はないが、これは可能であり、かつ有利である。
「ネオアジュバント療法」は、通常手術である主な治療が与えられる前に、腫瘍を収縮させる第1の工程として与えられてよい。ネオアジュバント療法の例は、化学療法、放射線療法、及びホルモン療法を含む。それは、誘導療法の一種である。
特定の態様では、AクラスのTME療法は、化学療法剤、例えば、パクリタキセル又はドセタキセルなどのタキサンと組み合わせて投与できる。いくつかの態様では、AクラスのTME療法は、VEGF標的療法及び/又はDLL4標的療法と組み合わされた化学療法(例えば、パクリタキセル又はドセタキセルなどのタキサン)を含み得る。
化学療法は、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、又はそれらの組み合わせのケアの標準として施行できる。そのため、患者又は患者の癌が特定のTMEクラス又はそれらの組み合わせに割り当てられる場合(すなわち、患者は、1以上のTMEクラスについてバイオマーカー陽性又は1以上のTMEクラスについてバイオマーカー陰性である)、そのTMEクラス又はそれらの組み合わせに特異的な療法(すなわち、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、Aクラス療法又はそれらの組み合わせ)を、ケア化学療法の標準に加えることができる。
有望な抗腫瘍効果は、HER2陰性転移性乳癌を有する患者においてはパクリタキセル(Chalasaniら,Cancer Med.2015 Jul;4(7):1051-9);進行型非小細胞肺癌、NSCLC(Digumartiら,Lung Cancer.2014 Nov;86(2):231-6)ではパクリタキセル-カルボプラチン;肝細胞癌ではソラフェニブ(Chengら,Ann Surg Oncol.2016 Dec;23(補遺5):583-5912016);及び以前に治療された進行型非扁平上皮NSCLCではドセタキセル(Gerberら,Clin Lung Cancer.2016 May;17(3):169-762016)と組み合わせたバビツキシマブを用いた臨床試験から報告されており、それらの薬剤の全ては、化学療法剤である。
I.F.5.a 化学療法
本明細書に記載のTME特異的療法は、1種以上のアジュバント化学療法剤又は薬物と組み合わせて投与され得る。
本明細書に記載のTME特異的療法は、1種以上のアジュバント化学療法剤又は薬物と組み合わせて投与され得る。
用語「化学療法」は、細胞の増殖及び/又は生存に影響を及ぼす様々な治療様式を指す。治療は、アルキル化剤、代謝拮抗剤、アントラサイクリン、植物アルカロイド、トポイソメラーゼ阻害剤、及びモノクローナル抗体及びキナーゼ阻害剤を含む他の抗腫瘍剤の投与を含み得る。用語「ネオアジュバント化学療法」は、原発腫瘍を収縮させ、それによって局所療法(手術又は放射線療法)をあまり破壊的でなく又はより効果的にし、乳房温存手術及びインビボで特異的薬剤に対する腫瘍感度の応答性の評価を可能にすることを目的としたホルモン、化学療法剤及び/又は抗体剤のパネルからなる術前療法計画に関する。
化学療法薬は、増殖する腫瘍細胞を死滅させ、全体の治療によって生成される壊死領域を増やすことができる。薬物はそのため、本開示の一次治療剤の作用を高めることができる。
癌治療に使用される化学療法剤は、それらの作用機構に依存して、いくつかのグループに分けることができる。いくつかの化学療法剤は、DNA及びRNAを直接損傷させる。DNAの複製を破壊することにより、そのような化学療法剤は、複製を完全に停止させるか、又は非センスDNA又はRNAの産生をもたらす。このカテゴリーは、例えば、シスプラチン(プラチノール(登録商標))、ダウノルビシン(セルビジン(登録商標))、ドキソルビシン(アドリアマイシン(登録商標))、及びエトポシド(ベペシド(登録商標))を含む。別のグループの癌化学療法剤は、ヌクレオチド又はデオキシリボヌクレオチドの形成を妨害し、その結果、RNA合成及び細胞複製が阻止される。このクラスの薬物の例は、メトトレキセート(アビトレキサート(登録商標))、メルカプトプリン(プリントール(登録商標))、フルオロウラシル(アドルシル(登録商標))、及びヒドロキシ尿素(ハイドレア(登録商標))を含む。第3のクラスの化学療法剤は、有糸分裂紡錘体の合成又は破壊に影響し、その結果、細胞分裂を中断する。このクラスの薬物の例は、ビンブラスチン(ベルバン(登録商標))、ビンクリスチン(オンコビン(登録商標))及びパクリタキセル(タキソール(登録商標))などのタキサン類、及びドセタキセル(タキソテール(登録商標))を含む。
いくつかの態様では、本明細書に開示される方法は、タキサン誘導体、例えば、パクリタキセル又はドセタキセルでの治療を含む。いくつかの態様では、本明細書に開示される方法は、アントラサイクリン誘導体、例えば、ドキソルビシン、ダウノルビシン、及びアクラシノマイシンなどによる治療を含む。いくつかの態様では、本明細書に開示される方法は、例えば、カンプトテシン、トポテカン、イリノテカン、20-Sカンプトテシン、9-ニトロカンプトテシン、9-アミノカンプトテシン、又は水溶性カンプトテシン類似体G1147211などのトポイソメラーゼ阻害剤による治療を含む。これらの及び他の化学療法薬物の任意の組み合わせによる治療が、具体的に企図される。
患者は、腫瘍の外科的除去の直後に化学療法を受けることができる。この手法は一般的に、アジュバント化学療法と呼ばれる。しかし、化学療法も、いわゆるネオアジュバント化学療法として手術前に施行できる。
I.F.5.a 放射線療法
本明細書に記載のTME特異的療法は、放射線療法と組み合わせて施行されてよい。
本明細書に記載のTME特異的療法は、放射線療法と組み合わせて施行されてよい。
用語「放射線療法(radiation therapy)」及び「放射線療法(radiotherapy)」は、原子又は分子から電子を放出しそれによりイオンを生じさせるのに十分な運動エネルギーを有する粒子を含む、電離放射線による癌の治療を指す。この用語は、α粒子(ヘリウム核)、β粒子(電子)、及び陽子などの原子粒子によって生成されるものなどの、直接電離放射線、並びに光子(γ及びx線を含む)などの間接電離放射線による治療を含む。放射線療法に用いられる電離放射線の例は、高エネルギーX線、γ線照射、電子ビーム、UV照射、マイクロ波、及び光子ビームを含む。腫瘍細胞への放射性同位体の直接送達も、企図される。
ほとんどの患者は、腫瘍の外科的除去の直後に放射線療法を受ける。この手法は一般的に、アジュバント療法と呼ばれる。しかし、放射線療法も、いわゆるネオアジュバント放射線療法として、手術前に施行できる。
II.癌の兆候
本明細書に開示される方法及び組成物は、癌の治療に使用できる。「癌」は、体内の異常細胞の制御されない増殖を特徴とする様々な増殖性疾患の広範なグループを指す。調節されていない細胞分裂及び増殖は、隣接組織に侵入しかつリンパ系又は血流を介して身体の遠位部分に転移することもできる、悪性腫瘍の形成をもたらす。本明細書で使用する場合、用語「増殖性」障害又は疾患は、多細胞生物に危害(すなわち、不快感又は寿命の減少)をもたらす、多細胞生物における1以上の細胞のサブセットの望ましくない細胞増殖を指す。例えば、本明細書で使用するように、増殖性障害又は疾患は、新生物障害及び他の増殖性障害を含む。本明細書で使用する「新生物」は、悪性か又は良性かにかかわらず、異常な組織の成長をもたらす調節不全か又は調節されていない細胞増殖の任意の形態を指す。そのため、「新生物細胞」は、調節不全か又は調節されていない細胞増殖を有する悪性及び良性の細胞を含む。いくつかの態様では、癌は、腫瘍である。本明細書で使用する「腫瘍」は、悪性か又は良性かにかかわらず、全ての新生物細胞の成長及び増殖、並びに全ての前癌性及び癌性の細胞並びに組織を指す。
本明細書に開示される方法及び組成物は、癌の治療に使用できる。「癌」は、体内の異常細胞の制御されない増殖を特徴とする様々な増殖性疾患の広範なグループを指す。調節されていない細胞分裂及び増殖は、隣接組織に侵入しかつリンパ系又は血流を介して身体の遠位部分に転移することもできる、悪性腫瘍の形成をもたらす。本明細書で使用する場合、用語「増殖性」障害又は疾患は、多細胞生物に危害(すなわち、不快感又は寿命の減少)をもたらす、多細胞生物における1以上の細胞のサブセットの望ましくない細胞増殖を指す。例えば、本明細書で使用するように、増殖性障害又は疾患は、新生物障害及び他の増殖性障害を含む。本明細書で使用する「新生物」は、悪性か又は良性かにかかわらず、異常な組織の成長をもたらす調節不全か又は調節されていない細胞増殖の任意の形態を指す。そのため、「新生物細胞」は、調節不全か又は調節されていない細胞増殖を有する悪性及び良性の細胞を含む。いくつかの態様では、癌は、腫瘍である。本明細書で使用する「腫瘍」は、悪性か又は良性かにかかわらず、全ての新生物細胞の成長及び増殖、並びに全ての前癌性及び癌性の細胞並びに組織を指す。
いくつかの態様では、本明細書に開示される方法及び組成物は、腫瘍のサイズを低下若しくは減少させるか、又はそれを必要とする対象における腫瘍の成長を阻害するために使用される。いくつかの態様では、腫瘍は、細胞癌(すなわち、上皮起源の癌)である。いくつかの態様では、腫瘍は、例えば、胃癌、胃食道接合部癌(GEJ)、食道癌、結腸直腸癌、肝癌(肝細胞癌、HCC)、卵巣癌、乳癌、NSCLC(非小細胞肺癌)、膀胱癌、肺癌、膵臓癌、頭頸部癌、リンパ腫、子宮癌、腎癌又は腎臓癌、胆管癌、前立腺癌、精巣癌、尿道癌、陰茎癌、胸部癌、直腸癌、脳癌(神経膠腫及び神経膠芽腫)、子宮頸癌、耳下腺癌、喉頭癌、甲状腺癌、腺癌、神経芽細胞癌、黒色腫、及びメルケル細胞癌からなる群から選択される。
いくつかの態様では、癌は、再発する。用語「再発」は、療法後に癌が寛解している対象が癌細胞の戻りを有する状況を指す。いくつかの態様では、癌は、難治性である。本明細書で使用する場合、用語「難治性」又は「抵抗性」は、対象が、集中治療後であっても、体内に残留癌細胞を有する状況を指す。いくつかの態様では、癌は、少なくとも1つの抗癌剤の投与を含む少なくとも1つの事前療法後に難治性である。いくつかの態様では、癌は、転移性である。
「癌」又は「癌組織」は、様々なステージの腫瘍を含み得る。ある態様では、癌又は腫瘍は、例えば、癌又は腫瘍が発達において非常に早期であり、転移していないような、ステージ0である。いくつかの態様では、癌又は腫瘍は、例えば、癌又は腫瘍が比較的サイズが小さく、近くの組織に拡散せず、転移していないような、ステージIである。他の態様では、例えば、癌又は腫瘍は、例えば、癌又は腫瘍がステージ0又はステージIよりも大きく、隣接組織に入って成長するが、リンパ節への可能性を除いて転移していないような、ステージII又はステージIIIである。他の態様では、癌又は腫瘍は、例えば、癌又は腫瘍が転移しているような、ステージIVである。ステージIVはまた、進行性又は転移性の癌とも呼ばれ得る。
いくつかの態様では、癌は、副腎皮質癌、進行癌、肛門癌、再生不良性貧血、胆管癌、膀胱癌、骨癌、骨転移、脳腫瘍、脳癌、乳癌、小児癌、原発不明癌、キャッスルマン病、子宮頸癌、結腸/直腸癌、子宮内膜癌、食道癌、ユーイングファミリー腫瘍、眼癌、胆嚢癌、消化管カルチノイド腫瘍、消化管間質腫瘍、妊娠性絨毛性疾患、ホジキン病、カポジ肉腫、腎細胞癌、喉頭癌及び下咽頭癌、急性リンパ性白血病、急性骨髄性白血病、慢性リンパ性白血病、慢性骨髄性白血病、慢性骨髄単球性白血病、肝癌、非小細胞肺癌、小細胞肺癌、肺癌性腫瘍、皮膚のリンパ腫、悪性中皮腫、多発性骨髄腫、骨髄異形成性症候群、鼻腔及び副鼻腔癌、鼻咽頭癌、神経芽腫、非ホジキンリンパ腫、口腔及び中咽頭癌、骨肉腫、卵巣癌、膵臓癌、陰茎癌、脳下垂体腫瘍、前立腺癌、網膜芽腫、横紋筋肉腫、唾液腺癌、成体軟組織における肉腫、基底及び扁平上皮癌、黒色腫、小腸癌、胃癌、精巣癌、咽頭癌、胸腺癌、甲状腺癌、子宮肉腫、膣癌、外陰癌、ワルデンストレームマクログロブリン血症、ウィルムス腫瘍、及び癌治療に起因する二次癌を含み得るが、これらに限定されない。
いくつかの態様では、腫瘍は、固形腫瘍である。「固形腫瘍」は、肉腫、黒色腫、細胞癌、又は他の固形腫瘍癌を含むが、これらに限定されない。「肉腫」は、胚性結合組織のような物質から構成され、一般的に原線維状又は均質物質に埋め込まれた密集した細胞で構成された腫瘍を指す。肉腫は、軟骨肉腫、線維肉腫、リンパ肉腫、黒色腫、粘液肉腫、骨肉腫、アベメチ肉腫、脂肪性肉腫、脂肪肉腫、胞巣状軟部肉腫、エナメル芽細胞肉腫、ボトリオイド肉腫、クロロマ肉腫、絨毛癌、胚性肉腫、ウィルムス腫瘍肉腫、子宮内膜肉腫、間質肉腫、ユーイング肉腫、線維芽細胞肉腫、巨細胞肉腫、顆粒球肉腫、ホジキン肉腫、特発性多発性色素性出血性肉腫、B細胞の免疫芽球性肉腫、リンパ腫、T細胞の免疫芽球性肉腫、ジェンセン肉腫、カポジ肉腫、クッパー細胞肉腫、血管肉腫、白血肉腫、悪性間葉腫肉腫、傍骨性肉腫、網赤血球肉腫、ラウス肉腫、血清嚢胞性肉腫、滑膜肉腫、又は毛細血管拡張性肉腫を含むが、これらに限定されない。
用語「黒色腫」は、皮膚及び他の器官のメラノサイト系から生じる腫瘍を指す。黒色腫は、例えば、末端黒子型黒色腫、無色素性黒色腫、良性若年性黒色腫、クラウドマン黒色腫、S91黒色腫、ハーディングパッセー黒色腫、若年性黒色腫、悪性黒子黒色腫、悪性黒色腫、転移性黒色腫、結節型黒色腫、爪下黒色腫、又は表在性黒色腫を含む。
用語「細胞癌」は、周囲の組織に浸潤して転移を生じさせる傾向がある上皮細胞で構成される悪性新成長を指す。例示的な細胞癌は、例えば、腺房癌(acinar carcinoma)、腺房癌(acinous carcinoma)、腺嚢胞癌、腺様嚢胞癌、腺腫性癌(carcinoma adenomatosum)、副腎皮質癌、肺胞癌、肺胞細胞癌、基底細胞癌(basal cell carcinoma)、基底細胞癌(carcinoma basocellulare)、類基底細胞癌、基底扁平上皮癌、気管支肺胞癌、細気管支癌、気管支原性肺癌、大脳様癌、胆管細胞癌、絨毛癌、粘液癌、面皰癌、子宮体癌、篩状癌、装甲癌、皮膚癌、柱状細胞癌、円柱状細胞癌、管癌、デュラム癌、胚性癌、脳様癌、類表皮癌、上皮性アデノイド癌(carcinoma epitheliale adenoides)、外向発育癌、潰瘍癌、線維性癌、ゼラチン状癌、膠様癌、巨細胞癌、巨大細胞性癌、腺性癌、顆粒膜細胞癌、毛母癌、血様癌(hematoid carcinoma)、肝細胞癌、ハースル細胞癌、硝子癌(hyaline carcinoma)、副腎様癌(hypemephroid carcinoma)、乳児胚性癌、生体内癌、表皮内癌、上皮内癌、クロムペッヘル癌、クルチツキー細胞癌、巨細胞癌、レンズ状癌(lenticular carcinoma)、レンズ状癌(carcinoma lenticulare)、脂肪腫性癌、リンパ上皮癌、髄様性癌(carcinoma medullare)、髄様癌(medullary carcinoma)、黒色癌、軟癌(carcinoma molle)、粘液性癌、粘液分泌性癌(carcinoma muciparum)、粘液細胞性癌、粘表皮癌(mucoepidernoid carcinoma)、粘液癌、粘膜癌、粘液腫性癌、上咽頭癌、燕麦細胞癌、骨化性癌、類骨癌、乳頭状癌、門脈周囲癌、前浸潤癌、有棘細胞癌、胸膜癌、腎臓の腎細胞癌、予備細胞癌、癌肉腫、シュナイダー癌、硬性癌、陰嚢癌、印環細胞癌、単層癌、小細胞癌、ソラノイド癌、球状細胞癌、紡錘細胞癌、海綿状癌、扁平上皮癌、扁平上皮細胞癌、ストリング癌(string carcinoma)、毛細管拡張性癌(carcinoma telangiectaticum)、毛細血管拡張症様癌(carcinoma telangiectodes)、移行上皮癌、結節癌(carcinoma tuberosum)、結節性癌(tuberous carcinoma)、疣状癌及び絨毛癌を含む。
本明細書に開示される方法に従って治療できる追加の癌は、例えば、白血病、ホジキンリンパ腫、非ホジキンリンパ腫、多発性骨髄腫、神経芽腫、乳癌、卵巣癌、肺癌、横紋筋肉腫、原発性血小板増加症、原発性マクログロブリン血症、小細胞肺癌、原発性脳腫瘍、胃癌、結腸癌、悪性膵島腫、悪性カルチノイド、膀胱癌、前悪性皮膚病変、精巣癌、リンパ腫、甲状腺癌、乳頭状甲状腺癌、神経芽腫、神経内分泌癌、食道癌、尿生殖器管癌、悪性高カルシウム血症、子宮頸癌、子宮内膜癌、副腎皮質癌、前立腺癌、ミュラー癌、卵巣癌、腹膜癌、卵管癌、又は子宮体部漿液性癌を含む。
III.キット及び製品
本開示はまた、(i)表1からの遺伝子バイオマーカーをコードするRNAを特異的に検出できる複数のオリゴヌクレオチドプローブと、(ii)表2からの遺伝子バイオマーカーをコードするRNAを特異的に検出できる複数のオリゴヌクレオチドプローブ、を含むキットを提供する。(i)表1からの遺伝子バイオマーカーをコードするRNAを特異的に検出できる複数のオリゴヌクレオチドプローブと、(ii)表2から遺伝子バイオマーカーをコードするRNAを特異的に検出できる複数のオリゴヌクレオチドプローブを含む製品であって、マイクロアレイを含む、製品も提供する。
本開示はまた、(i)表1からの遺伝子バイオマーカーをコードするRNAを特異的に検出できる複数のオリゴヌクレオチドプローブと、(ii)表2からの遺伝子バイオマーカーをコードするRNAを特異的に検出できる複数のオリゴヌクレオチドプローブ、を含むキットを提供する。(i)表1からの遺伝子バイオマーカーをコードするRNAを特異的に検出できる複数のオリゴヌクレオチドプローブと、(ii)表2から遺伝子バイオマーカーをコードするRNAを特異的に検出できる複数のオリゴヌクレオチドプローブを含む製品であって、マイクロアレイを含む、製品も提供する。
そのようなキット及び製品は、例えば、1以上のオリゴヌクレオチド(例えば、本明細書に開示されるバイオマーカー遺伝子に対応するmRNAにハイブリダイズできるオリゴヌクレオチド)、又は抗体(すなわち、本明細書に開示されるバイオマーカー遺伝子のタンパク質発現産物を検出できる抗体)を含む、各々が本方法で利用される1以上の様々な試薬(例えば、濃縮形態で)を有する容器を含み得る。
固相支持体に既に接着された1以上のオリゴヌクレオチド又は抗体、例えば、捕捉抗体を、提供できる。検出可能な標識に既にコンジュゲートされてた1以上のオリゴヌクレオチド又は抗体を、提供できる。
キットはまた、本明細書に提供される方法の実施を支援するための試薬、緩衝液、及び/又は器具を提供できる。
いくつかの態様では、キットは、例えば、高ストリンジェンシー条件下で、本明細書に開示されるバイオマーカー遺伝子の遺伝子配列のサブ配列とハイブリダイズできる1以上の核酸プローブ(例えば、天然に存在する及び/又は化学的に修飾されたヌクレオチド単位を含むオリゴヌクレオチド)を含む。いくつかの態様では、例えば、高ストリンジェンシー条件下で、本明細書に開示されるバイオマーカー遺伝子の遺伝子配列のサブ配列とハイブリダイズできる1以上の核酸プローブ(例えば、天然に存在する及び/又は化学修飾されたヌクレオチド単位を含むオリゴヌクレオチド)は、マイクロアレイ、例えば、マイクロアレイチップに接着される。いくつかの態様では、マイクロアレイは、例えば、Affymetrix、Agilent、Applied Microarrays、Arrayjet、又はIlluminaマイクロアレイである。いくつかの態様では、アレイは、DNAマイクロアレイである。いくつかの態様では、マイクロアレイは、cDNAマイクロアレイ、RNAマイクロアレイ、オリゴヌクレオチドマイクロアレイ、タンパク質マイクロアレイ、ペプチドマイクロアレイ、組織マイクロアレイ、又は表現型マイクロアレイである。
本開示に従って提供されるキットはまた、本明細書に開示される方法又は患者の癌試料を分類するためのそれらの実際的な適用を説明するパンフレット又は説明書を含んでよい。キットに含まれる説明書は、包装材料に固定されるか、又はパッケージ挿入物として含まれてよい。説明書は典型的には、記載された又は印刷された材料であるが、これらに限定されない。そのような説明書を格納しエンドユーザに伝えることができる任意の媒体が、企図される。そのような媒体は、電子記憶媒体(例えば、磁気ディスク、テープ、カートリッジ、チップ)、光学媒体(例えば、CD ROM)などを含むが、これらに限定されない。本明細書で使用する用語「説明書」は、説明書を提供するインターネットサイトのアドレスを含んでよい。
いくつかの態様では、キットは、HTG分子Edge-Seq配列決定キット(HTG Molecular Edge-Seq sequencing kit)である。他の態様では、キットは、例えば、HiSeq 2500プラットフォームのNovaSEq、NextSeq用のIllumina配列決定キット(Illumina sequencing kit)である。
IV.コンパニオン診断システム
本明細書に開示される方法は、例えば、臨床医又は患者に見込みのある治療選択について知らせるために、ウェブサーバを介して利用可能なコンパニオン診断として提供できる。本明細書に開示される方法は、生体試料を収集又は別の方法で取得し、分析方法を実行し(例えば、本明細書に開示されるシグネチャー1及びシグネチャー2ベースの分類器などの集団ベースの分類器を適用し)、TMEクラス割り当て(例えば、特異的間質表現型の有無、すなわち、対象が間質表現型についてバイオマーカー陽性であるか及び/又はバイオマーカー陰性であるか、又はそれらの組み合わせであるか)に基づいて、患者の腫瘍からの試料を単独で又は他のバイオマーカーと組み合わせてTMEクラスに分類し、患者への施行のための適切な治療(例えば、本明細書に開示されるTMEクラス特異的療法又はそれらの組み合わせ)を提供することを含み得る。
本明細書に開示される方法は、例えば、臨床医又は患者に見込みのある治療選択について知らせるために、ウェブサーバを介して利用可能なコンパニオン診断として提供できる。本明細書に開示される方法は、生体試料を収集又は別の方法で取得し、分析方法を実行し(例えば、本明細書に開示されるシグネチャー1及びシグネチャー2ベースの分類器などの集団ベースの分類器を適用し)、TMEクラス割り当て(例えば、特異的間質表現型の有無、すなわち、対象が間質表現型についてバイオマーカー陽性であるか及び/又はバイオマーカー陰性であるか、又はそれらの組み合わせであるか)に基づいて、患者の腫瘍からの試料を単独で又は他のバイオマーカーと組み合わせてTMEクラスに分類し、患者への施行のための適切な治療(例えば、本明細書に開示されるTMEクラス特異的療法又はそれらの組み合わせ)を提供することを含み得る。
本明細書に記載の方法の少なくともいくつかの態様は、例えば、シグネチャースコアの計算、ANNモデルを適用するための入力データの前処理、ANNを訓練するための入力データの前処理、ANNの出力の後処理、ANNの訓練、又はそれらの任意の組み合わせを伴う計算の複雑さのために、コンピュータを用いて実施できる。いくつかの態様では、コンピュータシステムは、プロセッサ、入力デバイス、出力デバイス、記憶デバイス、コンピュータ可読記憶媒体リーダー、通信システム、処理の加速(例えば、DSP又は専用プロセッサ)、及びメモリを含むバスを介して電気的に接続されるハードウェア要素を含む。コンピュータ可読記憶媒体リーダーは、記憶装置、メモリ及び/又は任意の他のそのようなアクセス可能なシステムリソースを含み得るコンピュータ可読情報を一時的にかつ/又はより恒久的に含むためのコンピュータ可読記憶媒体、リモート、ローカル、固定、及び/又は取り外し可能な記憶装置と記憶媒体、メモリーなどを包括的に代表する組み合わせに、さらに接続できる。
単一アーキテクチャを利用して、現在望ましいプロトコル、プロトコルのバリエーション、拡張機能などにしたがってさらに構成できる1以上のサーバを与えてもよい。しかし、態様を、より具体的なアプリケーション要件に従ってうまく利用できることは、当業者には明らかであろう。カスタマイズされたハードウェアも利用されてよく、かつ/又は特定の要素を、ハードウェア、ソフトウェア又はその両方で実装してよい。さらに、ネットワーク入/出力装置(図示せず)などの他の計算装置への接続を用いてよいが、他の計算装置への有線、無線、モデム、及び/又は他の接続若しくは複数の接続も利用されてよいことを理解されたい。
一態様では、システムは、1以上のプロセッサに入力データを提供するための1以上のデバイスをさらに含む。システムは、ランク付けされたデータ要素のデータセットを格納するためのメモリをさらに含む。別の態様では、入力データを提供するための装置は、例えば、蛍光プレートリーダー、質量分析計、又は遺伝子チップリーダーなどの、データ要素の特徴を検出するための検出器を含む。
システムは追加的に、データベース管理システムを含んでよい。ユーザの要求又はクエリーは、訓練セットのデータベースからの関連情報を抽出するためにクエリーを処理するデータベース管理システムによって理解される適切な言語でフォーマットできる。システムは、ネットワークサーバと1以上のクライアントが接続されるネットワークに接続可能であってよい。ネットワークは、当技術分野で知られているように、ローカルエリアネットワーク(LAN)又は広域ネットワーク(WAN)であり得る。好ましくは、サーバは、ユーザの要求を処理するためのデータベースデータにアクセスするために、コンピュータプログラム製品(例えば、ソフトウェア)を実行するのに必要なハードウェアを含む。システムは、データ要素に関するデータ(例えば、発現値)をシステムに提供するための入力装置と通信できる。一態様では、入力デバイスは、例えば、質量分析計、遺伝子チップ又はアレイリーダなどを含む遺伝子発現プロファイリングシステムを含んでよい。
本明細書に記載のいくつかの態様は、コンピュータプログラム製品を含むように実行できる。コンピュータプログラム製品は、データベースを有するコンピュータ上でアプリケーションプログラムに実行させるために、媒体に具現化されたコンピュータ可読プログラムコードを有するコンピュータ可読媒体を含んでよい。本明細書で使用する「コンピュータプログラム製品」は、任意の性質(例えば、書かれた、電子的な、磁気的な、光学的な、若しくはその他)の物理媒体上に含まれ、かつコンピュータ又は他の自動化されたデータ処理システムと共に使用され得る、自然言語又はプログラミング言語ステートメントの形式に編成された説明書のセットを指す。そのようなプログラミング言語ステートメントは、コンピュータ又はデータ処理システムによって実行されると、ステートメントの特定の内容に従ってコンピュータ又はデータ処理システムを動作させる。
コンピュータプログラム製品は、限定されないが、コンピュータ可読媒体に埋め込まれたソース及びオブジェクトコード及び/又はテスト若しくはデータのライブラリー内のプログラムを含む。さらに、コンピュータシステム又はデータ処理装置が予め選択される方法で動作することを可能にするコンピュータプログラム製品は、元のソースコード、アセンブリコード、オブジェクトコード、機械言語、前述の及び任意の及び全ての等価物の暗号化されたバージョン又は圧縮されたバージョンを含むが、これらに限定されない多数の形式で提供されてもよい。一態様では、コンピュータプログラム製品は、本明細書に開示される治療、診断、予後、又はモニタリングの方法を実行するために、例えば、本明細書に開示される分類器、例えば、集団ベースの分類器(例えば、本明細書に開示されるシグネチャー1及びシグネチャー2に基づく)又は非集団ベースの分類器(例えば、本明細書に開示されるANNに基づく分類モデル)に従って患者からの腫瘍試料又は腫瘍微小環境試料の分類に基づくある療法を施行するかを決定するために提供される。
コンピュータプログラム製品は、コンピューティングデバイス又はシステムのプロセッサによって実行可能なプログラムコードを具現化するコンピュータ可読媒体を含み、プログラムコードは、以下を含む:
(a)対象からの生体試料に起因するデータを検索するコードであって、データが、生体試料中のバイオマーカー遺伝子(例えば、シグネチャー1を導出するための表1からの遺伝子パネル及びシグネチャー2を導出するための表2からの遺伝子パネル、又は表1及び表2から、又は図28A~Gに開示される遺伝子セットのいずれかから、又はANNを訓練するために使用された表5からの遺伝子パネル)に対応する発現レベルデータ(又は別の方法で発現レベル値から導出されるデータ)を含む、コード(これらの値は、例えば、患者の現在の治療計画又はその欠如に対応する値と組み合わせることも可能である);並びに
(b)患者の癌のTME分類、例えば、集団ベースの分類器(例えば、本明細書に開示されるシグネチャー1及びシグネチャー2に基づく)又は非集団ベースの分類器(例えば、本明細書に開示されるANNに基づく分類モデル)に基づいて、それを必要とする患者に治療剤を投与するかを示す、分類方法を実行するコード。
(a)対象からの生体試料に起因するデータを検索するコードであって、データが、生体試料中のバイオマーカー遺伝子(例えば、シグネチャー1を導出するための表1からの遺伝子パネル及びシグネチャー2を導出するための表2からの遺伝子パネル、又は表1及び表2から、又は図28A~Gに開示される遺伝子セットのいずれかから、又はANNを訓練するために使用された表5からの遺伝子パネル)に対応する発現レベルデータ(又は別の方法で発現レベル値から導出されるデータ)を含む、コード(これらの値は、例えば、患者の現在の治療計画又はその欠如に対応する値と組み合わせることも可能である);並びに
(b)患者の癌のTME分類、例えば、集団ベースの分類器(例えば、本明細書に開示されるシグネチャー1及びシグネチャー2に基づく)又は非集団ベースの分類器(例えば、本明細書に開示されるANNに基づく分類モデル)に基づいて、それを必要とする患者に治療剤を投与するかを示す、分類方法を実行するコード。
様々な態様を方法又は装置として説明してきたが、態様はコンピュータに接続されたコード、例えば、コンピュータ上にあるコード、又はコンピュータによってアクセス可能なコードを介して実行できることを、理解されたい。例えば、ソフトウェア及びデータベースを利用して、上記の方法の多くを実行できる。そのため、ハードウェアによって達成される態様に加えて、これらの態様は、本明細書に開示される機能を可能にする、内部で具現化されたコンピュータ可読プログラムコードを有するコンピュータ使用可能媒体で構成される製品を用いて達成できることにも留意されたい。したがって、そのプログラムコード手段においてこの特許によって保護される態様も考慮されることが望ましい。
さらに、いくつかの態様は、限定されないが、RAM、ROM、磁気媒体、光学媒体、又は磁気光学媒体を含む、事実上あらゆる種類のコンピュータ可読メモリに格納されたコードであり得る。さらにより一般的には、いくつかの態様は、汎用プロセッサ、マイクロコード、PLA、又はASIC上で実行されるソフトウェアを含むが、これらに限定されないソフトウェア、又はハードウェア、又はそれらの任意の組み合わせで実行され得る。
いくつかの態様は、搬送波で具現化されたコンピュータシグナル、並びに伝送媒体を介して(例えば、電気及び光)伝搬される信号として達成され得ることも想定される。そのため、上述した様々な種類の情報を、データ構造などの構造にフォーマットし、伝送媒体を介して電気信号として送信するか、又はコンピュータ可読媒体に格納できる。
V.追加の技術及び試験
癌を有する疑いのある患者又は患者のクラスの診断及び/又は提案、選択、指定、推奨又は別の方法で治療過程を決定するための当技術分野で知られている要因は、例えば、標的配列発現の測定と組み合わせて、又は本明細書に開示される方法と組み合わせて用いることができる。したがって、本明細書に開示される方法は、細胞学、組織学、超音波分析、MRI結果、CTスキャン結果、及びPSAレベルの測定などの追加の技術を含み得る。
癌を有する疑いのある患者又は患者のクラスの診断及び/又は提案、選択、指定、推奨又は別の方法で治療過程を決定するための当技術分野で知られている要因は、例えば、標的配列発現の測定と組み合わせて、又は本明細書に開示される方法と組み合わせて用いることができる。したがって、本明細書に開示される方法は、細胞学、組織学、超音波分析、MRI結果、CTスキャン結果、及びPSAレベルの測定などの追加の技術を含み得る。
疾患状態を分類するため及び/又は治療様式を指定するための保証された試験もまた、対象の癌の状態又は結果を診断、予測、及び/又はモニタリングするために使用できる。保証された試験は、関心のある標的配列の1以上の発現レベルを特徴付ける手段、及び生体試料の疾患状態を分類するための試験の使用を承認する政府規制機関からの証明を含み得る。
いくつかの態様では、保証された試験は、試験において特徴付けられる標的配列の発現を検出及び/又は定量するために使用される増幅反応のための試薬を含み得る。プローブ核酸のアレイは、標的配列の発現を測定することにおける使用のために、事前の標的増幅を伴って、又は伴わずに使用できる。
試験を、疾患状態及び/又は結果を区別するために使用するための試験を保証する権限を有する機関に提出できる。試験で使用された標的配列の発現レベルの検出結果、並びに疾患状態及び/又は結果との相関性を、機関に提出できる。試験の診断及び/又は結果の使用を認定する保証を、得ることができる。
本明細書に開示される遺伝子セットのいずれかの複数の正規化された発現レベルを含む発現レベルのポートフォリオも、提供される。いくつかの態様では、遺伝子セット中の遺伝子は、表1から選択される。いくつかの態様では、遺伝子セット中の遺伝子は、表2から選択される。いくつかの態様では、遺伝子セット中の遺伝子は、表1及び表2(又は図28A~Gに開示される遺伝子パネル(Genesets)のいずれか)から選択される。いくつかの態様では、遺伝子セットは、表3若しくは表4に開示される遺伝子セット、又は図28A、28B、28C、28D、28E、28F、若しくは28Gに開示される遺伝子セットのいずれかから選択される。そのようなポートフォリオは、本明細書に記載の方法を実行して個々の患者又は患者のグループから発現レベルを得ることにより提供され得る。発現レベルは、当技術分野で公知の任意の方法によって正規化でき、様々な態様で使用できる例示的な正規化方法は、ロバストマルチチップ平均(Robust Multichip Average(RMA))、プローブ対数強度誤差推定(probe logarithmic intensity error estimation (PLIER))、非線形適合(NLFIT)分位ベースの非線形正規化、及びそれらの組み合わせを含む。背景補正もまた、発現データに対して実行でき、バックグラウンド補正に有用な例示的な技術は、ポリッシュプローブモデリングとスケッチの正規化の中央値を用いて正規化された強度のモードを含む。
いくつかの態様では、ポートフォリオは、ポートフォリオにおける遺伝子の組み合わせが既知の方法に対して改良された感度及び特異性を示すように確立される。ポートフォリオに含めるための遺伝子群を考慮して、発現測定における小さな標準偏差はより、高い特異性と相関する。相関係数などの変動の他の測定も、この容量で用いることもできる。本開示はまた、発現レベルが、少なくとも約45%の特異性、少なくとも約50%の特異性、少なくとも約55%、少なくとも約60%の特異性、少なくとも約65%の特異性、少なくとも約70%の特異性、少なくとも約75%の特異性、少なくとも約80%の特異性、少なくとも約85%の特異性、少なくとも約90%の特異性、又は少なくとも約95%の特異性で対象の癌の状態又は結果を決定する、上記の方法を包含する。
いくつかの態様では、癌の状態又は結果を診断、モニタリング、及び/又は予測するための本明細書に開示される方法の精度は、少なくとも約45%、少なくとも約50%、少なくとも約55%、少なくとも約60%、少なくとも約65%、少なくとも約70%、少なくとも約75%、少なくとも約80%、少なくとも約85%、少なくとも約90%、又は少なくとも約95%である。
分類器又はバイオマーカーの精度は、95%信頼区間(CI)によって決定できる。一般的に、分類器又はバイオマーカーは、95%CIが重複しない場合、良好な精度を有すると考えられる。いくつかの態様では、分類器又はバイオマーカーの95%CIは、少なくとも約1.08、少なくとも約1.10、少なくとも約1.12、少なくとも約1.14、少なくとも約1.15、少なくとも約1.16、少なくとも約1.17、少なくとも約1.18、少なくとも約1.19、少なくとも約1.20、少なくとも約1.21、少なくとも約1.22、少なくとも約1.23、少なくとも約1.24、少なくとも約1.25、少なくとも約1.26、少なくとも約1.27、少なくとも約1.28、少なくとも約1.29、少なくとも約1.30、少なくとも約1.31、少なくとも約1.32、少なくとも約1.33、少なくとも約1.34、又は少なくとも約1.35である又はそれより大きい。分類器又はバイオマーカーの95%CIは、少なくとも約1.14、少なくとも約1.15、少なくとも約1.16、少なくとも約1.20、少なくとも約1.21、少なくとも約1.26、又は少なくとも約1.28であり得る。分類器又はバイオマーカーの95%CIは、約1.75未満、約1.74未満、約1.73未満、約1.72未満、約1.71未満、約1.70未満、約1.69未満、約1.68未満、約1.67未満、約1.66未満、約1.65未満、約1.64未満、約1.63未満、約1.62未満、約1.61未満、約1.60未満、約1.59未満、約1.58未満、約1.57未満、約1.56未満、約1.55未満、約1.54未満、約1.53未満、約1.52未満、約1.51未満、約1.50以下であり得る。分類器又はバイオマーカーの95%CIは、約1.61未満、約1.60未満、約1.59未満、約1.58未満、約1.56、1.55、又は1.53未満であり得る。分類器又はバイオマーカーの95%CIは、約1.10~約1.70、約1.12~約1.68、約1.14~約1.62、約1.15~約1.61、約1.15~約1.59、約1.16~約1.160、約1.19~約1.55、約1.20~約1.54、約1.21~約1.53、約1.26~約1.63、約1.27~約1.61、又は約1.28~約1.60であり得る。
いくつかの態様では、バイオマーカー又は分類器の精度は、95%CIの範囲の差(例えば、95%CI区間の高い値と低い値の差)に依存する。一般的に、95%CI区間の範囲に大きな差を有するバイオマーカー又は分類器は、より大きな変動性を有し、95%CI区間の範囲に小さな差を有するバイオマーカー又は分類器よりも正確ではないと考えられる。いくつかの態様では、バイオマーカー又は分類器は、95%CIの範囲の差が約0.60未満、約0.55未満、約0.50未満、約0.49未満、約0.48未満、約0.47未満、約0.46未満、約0.45未満、約0.44未満、約0.43未満、約0.42未満、約0.41未満、約0.40未満、約0.39未満、約0.38未満、約0.37未満、約0.36未満、約0.35未満、約0.34未満、約0.33未満、約0.32未満、約0.31未満、約0.30未満、約0.29未満、約0.28未満、約0.27未満、約0.26未満、約0.25以下である場合に、より正確であると考えられる。バイオマーカー又は分類器の95%CIの範囲の差は、約0.48未満、約0.45未満、約0.44未満、約0.42未満、約0.40未満、約0.37未満、約0.35未満、約0.33未満、又は約0.32未満であり得る。いくつかの態様では、バイオマーカー又は分類器に対する95%CIの範囲の差は、約0.25~約0.50、約0.27~約0.47、又は約0.30~約0.45である。
いくつかの態様では、本明細書に開示される方法の感度は、少なくとも約45%である。いくつかの態様では、感度は少なくとも約50%である。いくつかの態様では、感度は少なくとも約55%である。いくつかの態様では、感度は少なくとも約60%である。いくつかの態様では、感度は少なくとも約65%である。いくつかの態様では、感度は少なくとも約70%である。いくつかの態様では、感度は少なくとも約75%である。いくつかの態様では、感度は少なくとも約80%である。いくつかの態様では、感度は少なくとも約85%である。いくつかの態様では、感度は少なくとも約90%である。いくつかの態様では、感度は少なくとも約95%である。
いくつかの態様では、本明細書に開示される分類器又はバイオマーカーは、臨床的に有意である。いくつかの態様では、分類器又はバイオマーカーの臨床的有意性は、AUC値によって決定される。臨床的に有意であるために、AUC値は、少なくとも約0.5、少なくとも約0.55、少なくとも約0.6、少なくとも約0.65、少なくとも約0.7、少なくとも約0.75、少なくとも約0.8、少なくとも約0.85、少なくとも約0.9、又は少なくとも約0.95である。分類器又はバイオマーカーの臨床的有意性は、パーセント精度によって決定できる。例えば、分類器又はバイオマーカーは、その分類器又はバイオマーカーの精度が少なくとも約50%、少なくとも約55%、少なくとも約60%、少なくとも約65%、少なくとも約70%、少なくとも約72%、少なくとも約75%、少なくとも約77%、少なくとも約80%、少なくとも約82%、少なくとも約84%、少なくとも約86%、少なくとも約88%、少なくとも約90%、少なくとも約92%、少なくとも約94%、少なくとも約96%、又は少なくとも約98%である場合、臨床的に有意であると決定される。
他の態様では、分類器又はバイオマーカーの臨床的有意性は、倍数差の中央値(MDF)値によって決定される。臨床的に有意であるために、MDF値は、少なくとも約0.8、少なくとも約0.9、少なくとも約1.0、少なくとも約1.1、少なくとも約1.2、少なくとも約1.3、少なくとも約1.4、少なくとも約1.5、少なくとも約1.6、少なくとも約1.7、少なくとも約1.9、又は少なくとも約2.0である。いくつかの態様では、MDF値は1.1以上である。他の態様では、MDF値は1.2以上である。あるいは、又は追加的に、分類器又はバイオマーカーの臨床的有意性は、t検定P値によって決定される。いくつかの態様では、臨床的に有意であるために、t検定P値は、約0.070未満、約0.065未満、約0.060未満、約0.055未満、約0.050未満、約0.045未満、約0.040未満、約0.035未満、約0.030未満、約0.025未満、約0.020未満、約0.015未満、約0.010未満、約0.005未満、約0.004未満、又は約0.003未満である。t検定P値は、約0.050未満であり得る。あるいは、t検定P値は、約0.010未満である。
いくつかの態様では、分類器又はバイオマーカーの臨床的有意性は、臨床結果によって決定される。例えば、異なる臨床結果は、AUC値、MDF値、t検定P値、及び分類器又はバイオマーカーが臨床的に有意であるかを決定する正確な値について、異なる最小又は最大閾値を有してよい。別の例では、分類器又はバイオマーカーは、t検定のP値が約0.08未満、約0.07未満、約0.06未満、約0.05未満、約0.04未満、約0.03未満、約0.02未満、約0.01未満、約0.005未満、約0.004未満、約0.003未満、約0.002未満、又は約0.001未満である場合、臨床的に有意であると考えられる。
いくつかの態様では、分類器又はバイオマーカーの性能は、オッズ比に基づく。分類器又はバイオマーカーは、オッズ比が少なくとも約1.30、少なくとも約1.31、少なくとも約1.32、少なくとも約1.33、少なくとも約1.34、少なくとも約1.35、少なくとも約1.36、少なくとも約1.37、少なくとも約1.38、少なくとも約1.39、少なくとも約1.40、少なくとも約1.41、少なくとも約1.42、少なくとも約1.43、少なくとも約1.44、少なくとも約1.45、少なくとも約1.46、少なくとも約1.47、少なくとも約1.48、少なくとも約1.49、少なくとも約1.50、少なくとも約1.52、少なくとも約1.55、少なくとも約1.57、少なくとも約1.60、少なくとも約1.62、少なくとも約1.65、少なくとも約1.67、又は少なくとも約1.70以上である場合、良好な性能を有すると考えられ得る。いくつかの態様では、分類器又はバイオマーカーのオッズ比は、少なくとも約1.33である。
分類器及び/又はバイオマーカーの臨床的有意性は、単変量解析オッズ比のP値(uvaORPval)に基づいてよい。分類器及び/又はバイオマーカーの単変量解析オッズ比のP値(uvaORPval)は、約0~約0.4であり得る。分類器及び/又はバイオマーカーの単変量解析オッズ比のP値(uvaORPval)は、約0~約0.3であり得る。分類器及び/又はバイオマーカーの単変量解析オッズ比のP値(uvaORPval))は、約0~約0.2であり得る。分類器及び/又はバイオマーカーの単変量解析オッズ比のP値(uvaORPval))は、約0.25以下、約0.22以下、約0.21以下、約0.20以下、約0.19以下、約0.18以下、約0.17以下、約0.16以下、約0.15以下、約0.14以下、約0.13以下、又は約0.12以下、又は約0.11以下であり得る。
分類器及び/又はバイオマーカーの単変量解析オッズ比のP値(uvaORPval)は、約0.10以下、約0.09以下、約0.08以下、約0.07以下、約0.06以下、約0.05以下、約0.04以下、約0.03以下、約0.02以下、又は約0.01以下であり得る。分類器及び/又はバイオマーカーの単変量解析オッズ比のP値(uvaORPval)は、約0.009以下、約0.008以下、約0.007以下、約0.006以下、約0.005以下、約0.004以下、約0.003以下、約0.002以下、又は約0.001以下であり得る。
分類器及び/又はバイオマーカーの臨床的有意性は、多変量解析オッズ比のP値(mvaORPval)に基づいてよい。分類器及び/又はバイオマーカーの多変量解析オッズ比のP値(mvaORPval)は、約0~約1であり得る。分類器及び/又はバイオマーカーの多変量解析オッズ比のP値(mvaORPval)は、約0~約0.9であり得る。分類器及び/又はバイオマーカーの多変量解析オッズ比のP値(uvaORPval)は、約0~約0.8であり得る。分類器及び/又はバイオマーカーの多変量解析オッズ比のP値(mvaORPval)は、約0.9以下、約0.88以下、約0.86以下、約0.84以下、約0.82以下、又は約0.80以下であり得る。分類器及び/又はバイオマーカーの多変量解析オッズ比のP値(mvaORPval)は、約0.78以下、約0.76以下、約0.74以下、約0.72以下、約0.70以下、約0.68以下、約0.66以下、約0.64以下、約0.62以下、約0.60以下、約0.58以下、約0.56以下、約0.54以下、約0.52以下、又は約0.50以下であり得る。分類器及び/又はバイオマーカーの多変量解析オッズ比のP値(mvaORPval)は、約0.48以下、約0.46以下、約0.44以下、約0.42以下、約0.40以下、約0.38以下、約0.36以下、約0.34以下、約0.32以下、約0.30以下、又は約0.28以下、約0.26以下、約0.25以下、約0.22以下、約0.21以下、約0.20以下、約0.19以下、約0.18以下、約0.17以下、約0.16以下、約0.15以下、約0.14以下、約0.13以下、約0.12以下、又は約0.11以下であり得る。分類器及び/又はバイオマーカーの多変量解析オッズ比のP値(mvaORPval)は、約0.10以下、約0.09以下、約0.08以下、約0.07以下、約0.06以下、約0.05以下、約0.04以下、又は約0.03以下、約0.02以下、又は約0.01以下であり得る。分類器及び/又はバイオマーカーの多変量解析オッズ比のP値(mvaORPval)は、約0.009以下、約0.008以下、約0.007以下、約0.006以下、約0.005以下、約0.004以下、約0.003以下、約0.002以下、又は約0.001以下であり得る。
分類器及び/又はバイオマーカーの臨床的有意性は、カプラン・マイヤーP値(KM P値)に基づいてよい。分類器及び/又はバイオマーカーのカプラン・マイヤーP値(KM P値)は、約0~約0.8であり得る。分類器及び/又はバイオマーカーのカプラン・マイヤーP値(KM P値)は、約0~約0.7であり得る。分類器及び/又はバイオマーカーのカプラン・マイヤーP値(KM P値)は、約0.80以下、約0.78以下、約0.76以下、約0.74以下、約0.72以下、約0.70以下、約0.68以下、約0.66以下、約0.64以下、約0.62以下、約0.60以下、約0.58以下、約0.56以下、約0.54以下、約0.52以下、又は約0.50以下であり得る。分類器及び/又はバイオマーカーのカプラン・マイヤーP値(KM P値)は、約0.48以下、約0.46以下、約0.44以下、約0.42以下、約0.40以下、約0.38以下、約0.36以下、約0.34以下、約0.32以下、約0.30以下、約0.28以下、約0.26以下、約0.25以下、約0.22以下、約0.21以下、約0.20以下、約0.19以下、約0.18以下、約0.17以下、約0.16以下、約0.15以下、約0.14以下、約0.13以下、約0.12以下、又は約0.11以下であり得る。分類器及び/又はバイオマーカーのカプラン・マイヤーP値(KM P値)は、約0.10以下、約0.09以下、約0.08以下、約0.07以下、約0.06以下、約0.05以下、約0.04以下、約0.03以下、約0.02以下、又は約0.01以下であり得る。分類器及び/又はバイオマーカーのカプラン・マイヤーP値(KM P値)は、約0.009以下、約0.008以下、約0.007以下、約0.006以下、約0.005以下、約0.004以下、約0.003以下、約0.002以下、又は約0.001以下であり得る。
分類器及び/又はバイオマーカーの臨床的有意性は、生存AUC値(survAUC)に基づいてよい。分類器及び/又はバイオマーカーの生存AUC値(survAUC)は、約0~1であり得る。分類器及び/又はバイオマーカーの生存AUC値(survAUC)は、約0~約0.9であり得る。分類器及び/又はバイオマーカーの生存AUC値(survAUC)は、約1以下、約0.98以下、約0.96以下、約0.94以下、約0.92以下、約0.90以下、約0.88以下、約0.86以下、約0.84以下、約0.82以下、又は約0.80以下であり得る。分類器及び/又はバイオマーカーの生存AUC値(survAUC)は、約0.80以下、約0.78以下、約0.76以下、約0.74以下、約0.72以下、約0.70以下、約0.68以下、約0.66以下、約0.64以下、約0.62以下、約0.60以下、約0.58以下、約0.56以下、約0.54以下、約0.52以下、又は約0.50以下であり得る。分類器及び/又はバイオマーカーの生存AUC値(survAUC)は、約0.48以下、約0.46以下、約0.44以下、約0.42以下、約0.40以下、約0.38以下、約0.36以下、約0.34以下、約0.32以下、約0.30以下、約0.28以下、約0.26以下、約0.25以下、約0.22以下、約0.21以下、約0.20以下、約0.19以下、約0.18以下、約0.17以下、約0.16以下、約0.15以下、約0.14以下、約0.13以下、約0.12以下、又は約0.11以下であり得る。分類器及び/又はバイオマーカーの生存AUC値(survAUC)は、約0.10以下、約0.09以下、約0.08以下、約0.07以下、約0.06以下、約0.05以下、約0.04以下、約0.03以下、約0.02以下、又は約0.01以下であり得る。分類器及び/又はバイオマーカーの生存AUC値(survAUC)は、約0.009以下、約0.008以下、約0.007以下、約0.006以下、約0.005以下、約0.004以下、約0.003以下、約0.002以下、又は約0.001以下であり得る。
分類器及び/又はバイオマーカーの臨床的有意性は、単変量解析ハザード比のP値(uvaHRPval)に基づいてよい。分類器及び/又はバイオマーカーの単変量解析ハザード比のP値(uvaHRPval)は、約0~約0.4であり得る。分類器及び/又はバイオマーカーの単変量解析ハザード比のP値(uvaHRPval)は、約0~約0.3であり得る。分類器及び/又はバイオマーカーの単変量解析ハザード比のP値(uvaHRPval)は、約0.40以下、約0.38以下、約0.36以下、約0.34以下、又は約0.32以下であり得る。分類器及び/又はバイオマーカーの単変量解析ハザード比のP値(uvaHRPval)は、約0.30以下、約0.29以下、約0.28以下、約0.27以下、約0.26以下、約0.25以下、約0.24以下、約0.23以下、約0.22以下、約0.21以下、又は約0.20以下であり得る。分類器及び/又はバイオマーカーの単変量解析ハザード比のP値(uvaHRPval)は、約0.19以下、約0.18以下、約0.17以下、約0.16以下、約0.15以下、約0.14以下、約0.13以下、約0.12以下、又は約0.11以下であり得る。分類器及び/又はバイオマーカーの単変量解析ハザード比のP値(uvaHRPval)は、約0.10以下、約0.09以下、約0.08以下、約0.07以下、約0.06以下、約0.05以下、約0.04以下、約0.03以下、約0.02以下、又は約0.01以下であり得る。分類器及び/又はバイオマーカーの単変量解析ハザード比のP値(uvaHRPval)は、約0.009以下、約0.008以下、約0.007以下、約0.006以下、約0.005以下、約0.004以下、約0.003以下、約0.002以下、又は約0.001以下であり得る。
分類器及び/又はバイオマーカーの臨床的有意性は、多変量解析ハザード比のP値(mvaHRPval)mva HRPvalに基づいてよい。分類器及び/又はバイオマーカーの多変量解析ハザード比のP値(mvaHRPval)mva HRPvalは、約0~約1であり得る。分類器及び/又はバイオマーカーの多変量解析ハザード比のP値(mvaHRPval)mva HRPvalは、約0~約0.9であり得る。分類器及び/又はバイオマーカーの多変量解析ハザード比のP値(mvaHRPval)mva HRPvalは、約1以下、約0.98以下、約0.96以下、約0.94以下、約0.92以下、約0.90以下、約0.88以下、約0.86以下、約0.84以下、約0.82以下、又は約0.80以下であり得る。分類器及び/又はバイオマーカーの多変量解析ハザード比のP値(mvaHRPval)mva HRPvalは、約0.80以下、約0.78以下、約0.76以下、約0.74以下、約0.72以下、約0.70以下、約0.68以下、約0.66以下、約0.64以下、約0.62以下、約0.60以下、約0.58以下、約0.56以下、約0.54以下、約0.52以下、又は約0.50以下であり得る。分類器及び/又はバイオマーカーの多変量解析ハザード比のP値(mvaHRPval)mva HRPvalは、約0.48以下、約0.46以下、約0.44以下、約0.42以下、約0.40以下、約0.38以下、約0.36以下、約0.34以下、約0.32以下、約0.30以下、約0.28以下、約0.26以下、約0.25以下、約0.22以下、約0.21以下、約0.20以下、約0.19以下、約0.18以下、約0.17以下、約0.16以下、約0.15以下、約0.14以下、約0.13以下、約0.12以下、又は約0.11以下であり得る。分類器及び/又はバイオマーカーの多変量解析ハザード比のP値(mvaHRPval)mva HRPvalは、約0.10以下、約0.09以下、約0.08以下、約0.07以下、約0.06以下、約0.05以下、約0.04以下、約0.03以下、約0.02以下、又は約0.01以下であり得る。分類器及び/又はバイオマーカーの多変量解析ハザード比のP値(mvaHRPval)mva HRPvalは、約0.009以下、約0.008以下、約0.007以下、約0.006以下、約0.005以下、約0.004以下、約0.003以下、約0.002以下、又は約0.001以下であり得る。
分類器及び/又はバイオマーカーの臨床的有意性は、多変量解析ハザード比のP値(mvaHRPval)に基づいてよい。分類器及び/又はバイオマーカーの多変量解析ハザード比のP値(mvaHRPval)は、約0~約0.60であり得る。分類器及び/又はバイオマーカーの有意性は、多変量解析ハザード比のP値(mvaHRPval)に基づいてよい。分類器及び/又はバイオマーカーの多変量解析ハザード比のP値(mvaHRPval)は、約0~約0.50であり得る。分類器及び/又はバイオマーカーの有意性は、多変量解析ハザード比のP値(mvaHRPval)に基づいてよい。分類器及び/又はバイオマーカーの多変量解析ハザード比のP値(mvaHRPval)は、約0.50以下、約0.47以下、約0.45以下、約0.43以下、約0.40以下、約0.38以下、約0.35以下、約0.33以下、約0.30以下、約0.28以下、約0.25以下、約0.22以下、約0.20以下、約0.18以下、約0.16以下、約0.15以下、約0.14以下、約0.13以下、約0.12以下、約0.11以下、又は約0.10以下であり得る。分類器及び/又はバイオマーカーの多変量解析ハザード比のP値(mvaHRPval)は、約0.10以下、約0.09以下、約0.08以下、約0.07以下、約0.06以下、約0.05以下、約0.04以下、約0.03以下、約0.02以下、又は約0.01以下であり得る。分類器及び/又はバイオマーカーの多変量解析ハザード比のP値(mvaHRPval)は、約0.01以下、約0.009以下、約0.008以下、約0.007以下、約0.006以下、約0.005以下、約0.004以下、約0.003以下、約0.002以下、又は約0.001以下であり得る。
本明細書に開示される分類器及び/又はバイオマーカーは、対象からの試料の臨床的に関連する分析を提供する際に、最新の分類器又は臨床変数よりも優れている可能性がある。いくつかの態様では、分類器又はバイオマーカーは、最新の分類器又は臨床変数と比較して、臨床結果又は状態をより正確に予測し得る。例えば、分類器又はバイオマーカーは、転移性疾患をより正確に予測し得る。あるいは、分類器又はバイオマーカーは、疾患の証拠がないことをより正確に予測し得る。いくつかの態様では、分類器又はバイオマーカーは、疾患からの死をより正確に予測し得る。本明細書に開示される分類器又はバイオマーカーの性能は、AUC値、オッズ比、95%CI、95%CIの範囲の違い、p値又はそれらの任意の組み合わせに基づき得る。
本明細書に開示される分類器及び/又はバイオマーカーの性能は、AUC値によって決定され得、性能の改善は、本明細書に開示される分類器又はバイオマーカーのAUC値と最新の分類器若しくは臨床変数のAUC値との差によって決定され得る。いくつかの態様では、本明細書に開示される分類器及び/又はバイオマーカーは、本明細書に開示される分類器及び/又はバイオマーカーのAUC値が少なくとも約0.05、少なくとも約0.06、少なくとも約0.07、少なくとも約0.08、少なくとも約0.09、少なくとも約0.10、少なくとも約0.11、少なくとも約0.12、少なくとも約0.13、少なくとも約0.14、少なくとも約0.15、少なくとも約0.16、少なくとも約0.17、少なくとも約0.18、少なくとも約0.19、少なくとも約0.20、少なくとも約0.22、少なくとも約0.25、少なくとも約0.27、少なくとも約0.30、少なくとも約0.32、少なくとも約0.35、少なくとも約0.37、少なくとも約0.40、少なくとも約0.42、少なくとも約0.45、少なくとも約0.47、又は少なくとも約0.50以上である場合、最新の分類器又は臨床変数よりも優れている。いくつかの態様では、本明細書に開示される分類器及び/又はバイオマーカーのAUC値は、最新の分類器又は臨床変数のAUC値よりも少なくとも約0.10大きい。いくつかの態様では、本明細書に開示される分類器及び/又はバイオマーカーのAUC値は、最新の分類器又は臨床変数のAUC値よりも少なくとも約0.13大きい。いくつかの態様では、本明細書に開示される分類器及び/又はバイオマーカーのAUC値は、最新の分類器又は臨床変数のAUC値よりも少なくとも約0.18大きい。
本明細書に開示される分類器及び/又はバイオマーカーの性能は、オッズ比によって決定でき、性能の改善は、本明細書に開示される分類器又はバイオマーカーのオッズ比と最新の分類器又は臨床変数のオッズ比とを比較することによって決定され得る。2以上の分類器、バイオマーカー、及び/又は臨床変数の性能の比較は一般的に、第1の分類器、バイオマーカー又は臨床変数の(1-オッズ比)の絶対値と、第2の分類器、バイオマーカー又は臨床変数の(1-オッズ比)の絶対値との比較に基づいてよい。一般的に、(1-オッズ比)の絶対値が大きい分類器、バイオマーカー又は臨床変数は、(1-オッズ比)の絶対値が小さい分類器、バイオマーカー又は臨床変数と比較して、より良い性能を有すると考えられ得る。
いくつかの態様では、分類器、バイオマーカー又は臨床変数の性能は、オッズ比と95%信頼区間(CI)との比較に基づく。例えば、第1の分類器、バイオマーカー又は臨床変数は、第2の分類器、バイオマーカー又は臨床変数よりも(1-オッズ比)のより大きな絶対値を有してよいが、第1の分類器、バイオマーカー又は臨床変数の95%CIは、1と重複する可能性があり(例えば、精度不良)、一方で第2の分類器、バイオマーカー又は臨床変数の95%CIは、1と重複しない。この場合、第2の分類器、バイオマーカー又は臨床変数は、第1の分類器、バイオマーカー又は臨床変数の精度が第2の分類器、バイオマーカー又は臨床変数の精度よりも低いため、第1の分類器、バイオマーカー又は臨床変数よりも優れていると考えられる。別の例では、第1の分類器、バイオマーカー又は臨床変数は、オッズ比の比較に基づき第2の分類器、バイオマーカー又は臨床変数よりも優れている可能性がある。しかし、第1の分類器、バイオマーカー又は臨床変数の95%CIの差は、第2の分類器、バイオマーカー又は臨床変数の95%CIよりも少なくとも約2倍大きい。この場合、第2の分類器、バイオマーカー又は臨床変数は、第1の分類器よりも優れていると考えられる。
いくつかの態様では、本明細書に開示される分類器又はバイオマーカーは、最新の分類器又は臨床変数よりも正確である。本明細書に開示される分類器又はバイオマーカーは、本明細書に開示される分類器又はバイオマーカーの95%CIの範囲が1に及ばないか、又は1と重複せず、最新の分類器又は臨床変数の95%CIの範囲が1に及ぶか、又は1と重複する場合、最新の分類器又は臨床変数よりも正確である。
いくつかの態様では、本明細書に開示される分類器又はバイオマーカーは、最新の分類器又は臨床変数よりも正確である。本明細書に開示される分類器又はバイオマーカーは、本明細書に開示される分類器又はバイオマーカーの95%CIの範囲の差が、最新の分類器又は臨床変数の95%CIの範囲の差よりも約0.70、約0.60、約0.50、約0.40、約0.30、約0.20、約0.15、約0.14、約0.13、約0.12、約0.10、約0.09、約0.08、約0.07、約0.06、約0.05、約0.04、約0.03、又は約0.02倍小さい場合、最新の分類器又は臨床変数よりも正確である。本明細書に開示される分類器又はバイオマーカーは、本明細書に開示される分類器又はバイオマーカーの95%CIの範囲の差が、最新の分類器又は臨床変数の95%CIの範囲の差よりも約0.20~約0.04倍小さい場合、最新の分類器又は臨床変数よりも正確である。
VI.実施形態
本開示は、それを必要とする対象の癌の腫瘍微小環境(TME)を決定するための集団法を提供する。いくつかの態様では、集団法は、(a)シグネチャー1のスコアと(b)シグネチャー2のスコアを含む組み合わせバイオマーカーを決定する工程を含み、(i)シグネチャー1のスコアは、対象から得られる第1の試料において表3から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することにより決定され、(ii)シグネチャー2のスコアは、対象から得られる第2の試料において表4から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することにより決定される。
本開示は、それを必要とする対象の癌の腫瘍微小環境(TME)を決定するための集団法を提供する。いくつかの態様では、集団法は、(a)シグネチャー1のスコアと(b)シグネチャー2のスコアを含む組み合わせバイオマーカーを決定する工程を含み、(i)シグネチャー1のスコアは、対象から得られる第1の試料において表3から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することにより決定され、(ii)シグネチャー2のスコアは、対象から得られる第2の試料において表4から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することにより決定される。
癌に罹患したヒト対象を治療するための方法であって、対象にIAクラスのTME療法を施す工程を含み、施行前に、対象の腫瘍が特定のTMEを有すると識別される、方法も提供される。このTMEは、例えば、(a)負のシグネチャー1のスコアと(b)正のシグネチャー2のスコアを含む組み合わせバイオマーカーとして定義でき、(i)シグネチャー1のスコアは、対象から得られる第1の試料において表3から(又は図28A~28G)選択される遺伝子パネルの発現レベルを測定することにより決定され、(ii)シグネチャー2のスコアは、対象から得られる第2の試料において表4から(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定される。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、(A)施行前に、(a)負のシグネチャー1のスコアと(b)正のシグネチャー2を含む組み合わせバイオマーカーを示す対象を識別する工程であって、(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3から(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され、(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することにより決定される、工程;かつ(B)IAクラスのTME療法を対象に施す工程を含む、方法を提供する。
IAクラスのTME療法での治療に適する癌に罹患したヒト対象を識別するための方法であって、(i)対象から得られた第1の試料において表3から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程;及び、(ii)対象から得られる第2の試料において表4から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程を含み、施行前の(a)負のシグネチャー1のスコアと(b)正のシグネチャー2のスコアを含む組み合わせバイオマーカーの存在が、IAクラスのTME療法を施して癌を治療できることを示す、方法も提供される。
いくつかの態様では、IAクラスのTME療法は、チェックポイントモジュレーター療法を含む。いくつかの態様では、チェックポイントモジュレーター療法は、刺激性免疫チェックポイント分子の活性化剤を投与することを含む。いくつかの態様では、刺激性免疫チェックポイント分子の活性化剤は、GITR、OX-40、ICOS、4-1BBに対する抗体分子、又はそれらの組み合わせである。いくつかの態様では、チェックポイントモジュレーター療法は、RORγアゴニストの投与を含む。
いくつかの態様では、阻害性免疫チェックポイント分子の阻害剤は、単独で若しくはそれらの組み合わせで、又はTIM-3の阻害剤、LAG3の阻害剤、BTLAの阻害剤、TIGITの阻害剤、VISTAの阻害剤、TGF-β又はその受容体の阻害剤、LAIR1の阻害剤、CD160の阻害剤、2B4の阻害剤、GITRの阻害剤、OX-40の阻害剤、4-1BB(CD137)の阻害剤、CD2の阻害剤、CD27の阻害剤、CDSの阻害剤、ICAM-1の阻害剤、LFA-1(CD11a/CD18)の阻害剤、ICOS(CD278)の阻害剤、CD30の阻害剤、CD40の阻害剤、BAFFRの阻害剤、HVEMの阻害剤、CD7の阻害剤、LIGHTの阻害剤、NKG2Cの阻害剤、SLAMF7の阻害剤、NKp80の阻害剤、CD86アゴニスト、又はそれらの組み合わせと組み合わせた、PD-1に対する抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)、PD-L1、PD-L2、CTLA-4に対する抗体である。
いくつかの態様では、阻害性免疫チェックポイント分子の阻害剤は、単独で若しくはそれらの組み合わせでの、又はTIM-3のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、LAG3のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、BTLAのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、TIGITのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、VISTAのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、TGF-β又はその受容体のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、LAIR1のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、CD160のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、2B4のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、GITRのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、OX-40のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、4-1BB(CD137)のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、CD2のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、CD27のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、CDSのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、ICAM-1のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、LFA-1(CD11a/CD18)のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、ICOS(CD278)のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、CD30のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、CD40のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、BAFFRのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、HVEMのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、CD7のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、LIGHTのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、NKG2Cのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、SLAMF7のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、NKp80のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、CD86のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、又はそれらの任意の組み合わせと組み合わせた、PD-1に対する抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)、PD-L1、PD-L2、CTLA-4に対する抗体である。
いくつかの態様では、抗PD-1抗体は、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、TSR-042、シンチリマブ、チスレリズマブ、又はその抗原結合部分を含む。いくつかの態様では、抗PD-1抗体は、ヒトPD-1への結合について、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と交差競合する。いくつかの態様では、抗PD-1抗体は、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と同じエピトープに結合する。いくつかの態様では、抗PD-L1抗体は、アベルマブ、アテゾリズマブ、デュルバルマブ、CX-072、LY3300054、又はその抗原結合部分を含む。いくつかの態様では、抗PD-1抗体は、ヒトPD-1への結合についてアベルマブ、アテゾリズマブ、又はデュルバルマブと交差競合する。いくつかの態様では、抗PD-1抗体は、アベルマブ、アテゾリズマブ、CX-072、LY3300054、シンチリマブ、チスレリズマブ、又はデュルバルマブと同じエピトープに結合する。
いくつかの態様では、チェックポイントモジュレーター療法は、(i)ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042からなる群から選択される抗PD-1抗体、(ii)アベルマブ、アテゾリズマブ、CX-072、LY3300054、及びデュルバルマブからなる群から選択される抗PD-L1抗体、又は(iii)それらの組み合わせの投与を含む。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、対象へのISクラスのTME療法の施行を含み、施行前に、対象が、(a)正のシグネチャー1のスコアと(b)正のシグネチャー2のスコアとを含む組み合わせバイオマーカーを示すと識別され、(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することによって決定され、(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することにより決定される、方法を提供する。
癌に罹患したヒト対象を治療するための方法であって、(A)施行前に(a)正のシグネチャー1のスコアと(b)正のシグネチャー2のスコアとを含む組み合わせバイオマーカーを示す対象を識別する工程であって、(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することにより決定され、(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することにより決定される、工程;かつ(B)ISクラスのTME療法を対象に施す工程を含む、方法も提供される。
ISクラスのTME療法で治療に適する癌に罹患したヒト対象を識別するための方法であって、(i)対象から得られた第1の試料において表3から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程、及び(ii)対象から得られた第2の試料において表4から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程を含み、(a)正のシグネチャー1のスコアと(b)正のシグネチャー2のスコアとを含む組み合わせバイオマーカーの存在が、施行前に、ISクラスのTME療法を施して癌を治療できることを示す、方法も提供される。
いくつかの態様では、ISクラスのTME療法は、(1)チェックポイントモジュレーター療法及び抗免疫抑制療法、並びに/又は(2)抗血管新生療法の施行を含む。いくつかの態様では、チェックポイントモジュレーター療法は、阻害性免疫チェックポイント分子の阻害剤の施行を含む。いくつかの態様では、阻害性免疫チェックポイント分子の阻害剤は、PD-1に対する抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)、PD-L1、PD-L2、CTLA-4に対する抗体、又はそれらの組み合わせである。いくつかの態様では、抗PD-1抗体は、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、TSR-042、シンチリマブ、チスレリズマブ、又はその抗原結合部分を含む。いくつかの態様では、抗PD-1抗体は、ヒトPD-1への結合について、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と交差競合する。いくつかの態様では、抗PD-1抗体は、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と同じエピトープに結合する。いくつかの態様では、抗PD-L1抗体は、アベルマブ、アテゾリズマブ、CX-072、LY3300054、デュルバルマブ、又はその抗原結合部分を含む。いくつかの態様では、抗PD-L1抗体は、ヒトPD-1への結合についてアベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと交差競合する。
いくつかの態様では、抗PD-L1抗体は、アベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと同じエピトープに結合する。いくつかの態様では、抗CTLA-4抗体は、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)、又はその抗原結合部分を含む。いくつかの態様では、抗CTLA-4抗体は、ヒトCTLA-4への結合について、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)と交差競合する。いくつかの態様では、抗CTLA-4抗体は、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)と同じCTLA-4エピトープに結合する。いくつかの態様では、チェックポイントモジュレーター療法は、(i)ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、及びTSR-042からなる群から選択される抗PD-1抗体、(ii)アベルマブ、アテゾリズマブ、CX-072、LY3300054、及びデュルバルマブからなる群から選択される抗PD-L1抗体、(iii)イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)である抗CTLA-4抗体、又は(iv)それらの組み合わせの投与を含む。
いくつかの態様では、抗血管新生療法は、バリサクマブ、ベバシズマブ、ナビシキズマブ(抗DLL4/抗VEGF二重特異性)及びそれらの組み合わせからなる群から選択される抗VEGF抗体の投与を含む。いくつかの態様では、抗血管新生療法は、抗VEGFR抗体の投与を含む。いくつかの態様では、抗VEGFR抗体は、抗VEGFR2抗体である。いくつかの態様では、抗VEGFR2抗体は、ラムシルマブを含む。
いくつかの態様では、抗血管新生療法は、ナビシキズマブ、ABL101(NOV1501)、又はABT165の投与を含む。いくつかの態様では、抗免疫抑制療法は、抗PS抗体、抗PS標的化抗体、β2-糖タンパク質1に結合する抗体、PI3Kγの阻害剤、アデノシン経路阻害剤、IDOの阻害剤、TIMの阻害剤、LAG3の阻害剤、TGFβの阻害剤、CD47阻害剤、又はそれらの組み合わせを含む。いくつかの態様では、抗PS標的化抗体は、バビツキシマブ、又はβ2-糖タンパク質1に結合する抗体である。いくつかの態様では、PI3Kγ阻害剤は、LY3023414(サモトリシブ)又はIPI-549である。
いくつかの態様では、アデノシン経路阻害剤は、AB-928である。いくつかの態様では、TGFβ阻害剤は、LY2157299(ガルニセルチブ)であるか、又はTGFβR1阻害剤は、LY3200882である。いくつかの態様では、CD47阻害剤は、マグロリマブ(5F9)である。いくつかの態様では、CD47阻害剤は、SIRPαを標的とする。いくつかの態様では、抗免疫抑制療法は、TIM-3の阻害剤、LAG3の阻害剤、BTLAの阻害剤、TIGITの阻害剤、VISTAの阻害剤、TGFβ又はその受容体の阻害剤、LAIR1の阻害剤、CD160の阻害剤、2B4の阻害剤、GITRの阻害剤、OX-40の阻害剤、4-1BB(CD137)の阻害剤、CD2の阻害剤、CD27の阻害剤、CDSの阻害剤、ICAM-1の阻害剤、LFA-1(CD11a/CD18)の阻害剤、ICOS(CD278)の阻害剤、CD30の阻害剤、CD40の阻害剤、BAFFRの阻害剤、HVEMの阻害剤、CD7の阻害剤、LIGHTの阻害剤、NKG2Cの阻害剤、SLAMF7の阻害剤、NKp80の阻害剤、CD86に対するアゴニスト、又はそれらの組み合わせの投与を含む。
いくつかの態様では、抗免疫抑制療法は、TIM-3のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、LAG3のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、BTLAのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、TIGITのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、VISTAのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、TGF-β又はその受容体のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、LAIR1のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、CD160のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、2B4のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、GITRのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、OX-40のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、4-1BB(CD137)のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、CD2のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、CD27のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、CDSのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、ICAM-1のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、LFA-1(CD11a/CD18)のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、ICOS(CD278)のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、CD30のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、CD40のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、BAFFRのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、HVEMのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、CD7のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、LIGHTのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、NKG2Cのモジュレーター(例えば、アゴニスト又はアンタゴニスト)、SLAMF7のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、NKp80のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、CD86のモジュレーター(例えば、アゴニスト又はアンタゴニスト)、又はそれらの任意の組み合わせの投与を含む。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、対象へのIDクラスのTME療法の施行を含み、施行前に、対象が、(a)負のシグネチャー1のスコアと(b)負のシグネチャー2のスコアとを含む組み合わせバイオマーカーを示すと識別され、(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することによって決定され、(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することにより決定される、方法を提供する。
癌に罹患したヒト対象を治療するための方法であって、(A)施行前に、負のシグネチャー1のスコアと(b)負のシグネチャー2のスコアとを含む組み合わせバイオマーカーを示す対象を識別する工程であって、(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することにより決定され、(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することにより決定される、工程;かつ(B)IDクラスのTME療法を対象に施す工程を含む、方法も提供される。
IDクラスのTME療法で治療に適する癌に罹患したヒト対象を識別するための方法であって、(i)対象から得られた第1の試料において表3から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程、及び(ii)対象から得られた第2の試料において表4から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程を含み、施行前に(a)負のシグネチャー1のスコアと(b)負のシグネチャー2のスコアとを含む組み合わせバイオマーカーの存在が、IDクラスのTME療法を施して癌を治療できることを示す、方法も提供される。
いくつかの態様では、IDクラスのTME療法は、免疫応答を開始する療法の施行と同時又は後にチェックポイントモジュレーター療法の施行を含む。いくつかの態様では、免疫応答を開始する療法は、ワクチン、CAR-T、又はネオエピトープワクチンである。いくつかの態様では、チェックポイントモジュレーター療法は、阻害性免疫チェックポイント分子の阻害剤の施行を含む。いくつかの態様では、阻害性免疫チェックポイント分子の阻害剤は、PD-1に対する抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)、PD-L1、PD-L2、CTLA-4に対する抗体、又はそれらの組み合わせである。
いくつかの態様では、抗PD-1抗体は、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042、又はその抗原結合部分を含む。いくつかの態様では、抗PD-1抗体は、ヒトPD-1への結合について、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と交差競合する。いくつかの態様では、抗PD-1抗体は、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と同じエピトープに結合する。いくつかの態様では、抗PD-L1抗体は、アベルマブ、アテゾリズマブ、CX-072、LY3300054、デュルバルマブ、又はその抗原結合部分を含む。いくつかの態様では、抗PD-L1抗体は、ヒトPD-L1への結合についてアベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと交差競合する。いくつかの態様では、抗PD-L1抗体は、アベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと同じエピトープに結合する。
いくつかの態様では、抗CTLA-4抗体は、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)、又はその抗原結合部分を含む。いくつかの態様では、抗CTLA-4抗体は、ヒトCTLA-4への結合について、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)と交差競合する。いくつかの態様では、抗CTLA-4抗体は、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)と同じCTLA-4エピトープに結合する。いくつかの態様では、チェックポイントモジュレーター療法は、(i)ニボルマブ、ペムブロリズマブ、セミプリマブPDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、及びTSR-042からなる群から選択される抗PD-1抗体、(ii)アベルマブ、アテゾリズマブ、CX-072、LY3300054、及びデュルバルマブからなる群から選択される抗PD-L1抗体、(iv)イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)である抗CTLA-4抗体、又は(iii)それらの組み合わせの投与を含む。
本開示は、癌に罹患したヒト対象を治療するための方法であって、対象へのAクラスのTME療法の施行を含み、施行前に、対象が、(a)正のシグネチャー1のスコアと(b)負のシグネチャー2のスコアとを含む組み合わせバイオマーカーを示すと識別され、(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することによって決定され、(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することにより決定される、方法を提供する。
癌に罹患したヒト対象を治療するための方法であって、(A)施行前に、正のシグネチャー1のスコアと(b)負のシグネチャー2のスコアとを含む組み合わせバイオマーカーを示す対象を識別する工程であって、(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することにより決定され、(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することにより決定される、工程;かつ(B)AクラスのTME療法を対象に施す工程を含む、方法も提供される。
AクラスのTME療法で治療に適する癌に罹患したヒト対象を識別するための方法であって、(i)対象から得られた第1の試料において表3から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程、及び(ii)対象から得られた第2の試料において表4から(又は図28A~28Gから)選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程を含み、施行前に(a)正のシグネチャー1のスコアと(b)負のシグネチャー2のスコアとを含む組み合わせバイオマーカーの存在が、AクラスのTME療法を施して癌を治療できることを示す、方法も提供される。
いくつかの態様では、AクラスのTME療法は、VEGF標的療法及び他の抗血管新生剤、アンジオポエチン1(Ang1)の阻害剤、アンジオポエチン2(Ang2)の阻害剤、DLL4の阻害剤、抗VEGFと抗DLL4の二重特異性、TKI阻害剤、抗FGF抗体、抗FGFR1抗体、抗FGFR2抗体、FGFR1を阻害する小分子、FGFR2を阻害する小分子、抗PLGF抗体、PLGF受容体に対する小分子、PLGF受容体に対する抗体、抗VEGFB抗体、抗VEGFC抗体、抗VEGFD抗体、アフリベルセプトなどのVEGF/PLGFトラップ分子に対する抗体、又はziv-アフリベルセプト(ziv-aflibercet)、抗DLL4抗体、又はガンマセクレターゼの阻害剤などの抗Notch療法を含む。
いくつかの態様では、TKI阻害剤は、カボザンチニブ、バンデタニブ、チボザニブ、アキシチニブ、レンバチニブ、ソラフェニブ、レゴラフェニブ、スニチニブ、フルキンチニブ(fruquitinib)、パゾパニブ、及びそれらの任意の組み合わせからなる群から選択される。いくつかの態様では、TKI阻害剤は、フルキンチニブである。いくつかの態様では、VEGF標的療法は、抗VEGF抗体又はその抗原結合部分の投与を含む。
いくつかの態様では、抗VEGF抗体は、バリサクマブ、ベバシズマブ、又はその抗原結合部分を含む。いくつかの態様では、抗VEGF抗体は、ヒトVEGF Aへの結合についてバリサクマブ、又はベバシズマブと交差競合する。いくつかの態様では、抗VEGF抗体は、バリサクマブ、又はベバシズマブと同じエピトープに結合する。いくつかの態様では、VEGF標的療法は、抗VEGFR抗体の投与を含む。いくつかの態様では、抗VEGFR抗体は、抗VEGFR2抗体である。いくつかの態様では、抗VEGFR2抗体は、ラムシルマブ又はその抗原結合部分を含む。
いくつかの態様では、二重特異性抗VEGF/抗DLL4抗体は、ナビシキズマブ又はその抗原結合部分を含む。いくつかの態様では、二重特異性抗VEGF/抗DLL4抗体は、ヒトVEGF及び/又はDLL4への結合についてナビシキズマブと交差競合する。いくつかの態様では、二重特異性抗VEGF/抗DLL4抗体は、ナビシキズマブと同じVEGF及び/又はDLL4エピトープに結合する。
いくつかの態様では、AクラスのTME療法は、アンジオポエチン/TIE2標的療法の施行を含む。いくつかの態様では、アンジオポエチン/TIE2標的療法は、エンドグリン及び/又はアンジオポエチンの投与を含む。いくつかの態様では、AクラスのTME療法は、DLL4標的療法の施行を含む。いくつかの態様では、DLL4標的療法は、ナビシキズマブ、ABL101(NOV1501)、又はABT165の投与を含む。本明細書に開示される方法のいくつかの態様では、本方法はさらに、(a)化学療法を施す工程、(b)手術を行う工程、(c)放射線療法を施す工程、又は(d)それらの任意の組み合わせを含む。
いくつかの態様では、表4から選択される遺伝子パネルは、表2から選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、若しくは61個の遺伝子、又は図28A~28Gから選択される1~124個の遺伝子を含む。いくつかの態様では、遺伝子パネルは、表4又は図28A~28Gから選択される遺伝子パネルである。いくつかの態様では、表3から選択される遺伝子パネルは、表1から選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、若しくは63個の遺伝子、又は図28A~28Gから選択される1~124個の遺伝子を含む。いくつかの態様では、遺伝子パネルは、表3又は図28A~28Gから選択される遺伝子パネルである。
いくつかの態様では、第1の試料及び第2の試料は、同じ試料である。いくつかの態様では、第1の試料及び第2の試料は、異なる試料である。いくつかの態様では、第1の試料及び/又は第2の試料は、腫瘍内組織を含む。いくつかの態様では、発現レベルは発現されたタンパク質レベルである。いくつかの態様では、発現レベルは、転写されたRNA発現レベルである。いくつかの態様では、RNA発現レベルは、配列決定又はRNAを測定する任意の技術を用いて決定される。いくつかの態様では、配列決定は、次世代配列決定(NGS)である。いくつかの態様では、NGSは、RNA-Seq、EdgeSeq、PCR、ナノストリング、又はそれらの組み合わせからなる群から選択される。いくつかの態様では、RNA発現レベルは、蛍光を用いて決定される。いくつかの態様では、RNA発現レベルは、Affymetrixマイクロアレイ又はAgilentマイクロアレイを用いて決定される。いくつかの態様では、RNA発現レベルは、分位正規化を受ける。いくつかの態様では、分位正規化は、入力RNAレベル値を分位数にビニングすることを含む。いくつかの態様では、入力RNAレベル値は、100分位数にビニングされる。いくつかの態様では、分位正規化は、RNA発現レベルを正常な出力分布関数に分位変換することを含む。
いくつかの態様では、シグネチャースコアの計算は、(i)対象からの試験試料中の遺伝子パネル中の各遺伝子の発現レベルを測定する工程、(ii)各遺伝子について、基準試料中のその遺伝子の発現レベルから得られる平均発現値を工程(i)の発現レベルから減算する工程、(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程、を含み、(iv)で得られた値がゼロを超える場合、シグネチャースコアは正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは負のシグネチャースコアである。
いくつかの態様では、基準試料は、基準発現レベルの収集を含む。いくつかの態様では、基準発現値は、標準化された基準値である。いくつかの態様では、基準発現値は、試料集団から得られる。いくつかの態様では、基準発現レベルは、公開されているデータベース又は互いに正規化されたデータベースの組み合わせから導出される。いくつかの態様では、基準試料は、異なる集団から得られる組織試料を含む。いくつかの態様では、基準試料は、異なる時点で採取された試料を含む。いくつかの態様では、異なる時点は、より早い時点である。
いくつかの態様では、癌は、腫瘍である。いくつかの態様では、腫瘍は、細胞癌である。いくつかの態様では、腫瘍は、胃癌、結腸直腸癌、肝癌(肝細胞癌、HCC)、卵巣癌、乳癌、NSCLC、膀胱癌、肺癌、膵臓癌、頭頸部癌、リンパ腫、子宮癌、腎癌又は腎臓癌、胆道癌、前立腺癌、精巣癌、尿道癌、陰茎癌、胸部癌、直腸癌、脳癌(グリオーマ及び神経膠芽腫)、子宮頸部癌、食道癌、胃食道癌、喉頭癌、甲状腺癌、腺癌、神経芽細胞癌、黒色腫、及びメルケル細胞癌からなる群から選択される。いくつかの態様では、癌は、再発する。いくつかの態様では、癌は、難治性である。いくつかの態様では、癌は、少なくとも1つの抗癌剤の投与を含む少なくとも1つの事前療法後に難治性である。いくつかの態様では、癌は、転移性である。
いくつかの態様では、投与は、癌を効果的に治療する。いくつかの態様では、投与は、癌の負担を軽減する。いくつかの態様では、癌の負担は、投与前の癌の負担と比較して少なくとも約10%、少なくとも約20%、少なくとも約30%、少なくとも約40%、又は約50%軽減される。いくつかの態様では、対象は、初期投与後少なくとも約1ヶ月、少なくとも約2ヶ月、少なくとも約3ヶ月、少なくとも約4ヶ月、少なくとも約5ヶ月、少なくとも約6ヶ月、少なくとも約7ヶ月、少なくとも約8ヶ月、少なくとも約9ヶ月、少なくとも約10ヶ月、少なくとも約11ヶ月、少なくとも約1年間、少なくとも約18ヶ月、少なくとも約2年間、少なくとも約3年間、少なくとも約4年間、又は少なくとも約5年の無増悪生存期間を示す。
いくつかの態様では、対象は、最初の投与後約1ヶ月、約2ヶ月、約3ヶ月、約4ヶ月、約5ヶ月、約6ヶ月、約7ヶ月、約8ヶ月、約9ヶ月、約10ヶ月、約11ヶ月、約1年、約18ヶ月、約2年、約3年、約4年、又は約5年間安定疾患を示す。いくつかの態様では、対象は、最初の投与後約1ヶ月、約2ヶ月、約3ヶ月、約4ヶ月、約4ヶ月、約6ヶ月、約7ヶ月、約8ヶ月、約9ヶ月、約10ヶ月、約11ヶ月、約1年、約18ヶ月、約2年、約3年、約4年、又は約5年間部分奏功を示す。
いくつかの態様では、対象は、最初の投与後約1ヶ月、約2ヶ月、約3ヶ月、約4ヶ月、約5ヶ月、約6ヶ月、約7ヶ月、約8ヶ月、約9ヶ月、約10ヶ月、約11ヶ月、約1年、約18ヶ月、約2年間、約3年、約4年、又は約5年間完全奏功を示す。
いくつかの態様では、投与は、組み合わせバイオマーカーを示さない対象の無増悪生存期間の確率と比較して、無増悪生存期間の確率を少なくとも約10%、少なくとも約20%、少なくとも約30%、少なくとも約40%、少なくとも約50%、少なくとも約60%、少なくとも約70%、少なくとも約80%、少なくとも約90%、少なくとも約100%、少なくとも約110%、少なくとも約120%、少なくとも約130%、少なくとも約140%、又は少なくとも約150%改善する。
いくつかの態様では、投与は、組み合わせバイオマーカーを示さない対象の全生存確率と比較して、全生存確率を少なくとも約25%、少なくとも約50%、少なくとも約75%、少なくとも約100%、少なくとも約125%、少なくとも約150%、少なくとも約175%、少なくとも約200%、少なくとも約225%、少なくとも約250%、少なくとも約275%、少なくとも約300%、少なくとも約325%、少なくとも約350%、又は少なくとも約375%改善する。
本開示はまた、(i)表1から(又は図28A~28Gから)の遺伝子バイオマーカーをコードするRNAを特異的に検出できる複数のオリゴヌクレオチドプローブと、(ii)表2から(又は図28A~28Gから)の遺伝子バイオマーカーをコードするRNAを特異的に検出できる複数のオリゴヌクレオチドプローブを含むキットを提供する。(i)表1から(又は図28A~28Gから)の遺伝子バイオマーカーをコードするRNAを特異的に検出できる複数のオリゴヌクレオチドプローブと、(ii)表2から(又は図28A~28Gから)の遺伝子バイオマーカーをコードするRNAを特異的に検出できる複数のオリゴヌクレオチドプローブを含み、マイクロアレイを含む、製品も提供される。
それを必要とする対象における腫瘍の腫瘍微小環境を決定するのに使用するための、表1から(又は図28A~28Gから)の少なくとも1つのバイオマーカー遺伝子と表2から(又は図28A~28Gから)のバイオマーカー遺伝子を含む遺伝子パネルであって、腫瘍微小環境が、(i)抗癌療法に適する対象を識別するため、(ii)抗癌療法を受ける対象の予後を決定するため、(iii)抗癌療法の施行を開始、中止若しくは変更するため、又は(iv)それらの組み合わせのため、に使用される、遺伝子パネルも提供される。
本開示は、抗癌療法による治療に適する癌に罹患したヒト対象を識別するための組み合わせバイオマーカーであって、対象から得られた試料において測定されたシグネチャー1のスコア及びシグネチャー2のスコアを含み、(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)の遺伝子パネル中の遺伝子の発現レベルを測定することにより決定され、(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)の遺伝子パネル中の遺伝子の発現レベルを測定することにより決定され、(a)療法は、シグネチャー1のスコアが負でありシグネチャー2のスコアが正である場合IAクラスのTME療法であり;(b)療法は、シグネチャー1のスコアが正でありシグネチャー2のスコアが正である場合、ISクラスのTME療法であり;(c)療法は、シグネチャー1のスコアが負であり、シグネチャー2のスコアが負である場合IDクラスのTME療法であり;又は(d)療法は、シグネチャー1のスコアが正でありシグネチャー2のスコアが負である場合、AクラスのTME療法である、組み合わせバイオマーカーを提供する。
それを必要とするヒト対象における癌を治療するための抗癌療法であって、対象が、シグネチャー1のスコアとシグネチャー2のスコアとを含む組み合わせバイオマーカーを示すと識別され、(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3から(又は図28A~28Gから)の遺伝子パネル中の遺伝子の発現レベルを測定することによって決定され、(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)の遺伝子パネル中の遺伝子の発現レベルを測定することにより決定され、(a)療法は、シグネチャー1のスコアが負でありシグネチャー2のスコアが正である場合IAクラスのTME療法であり;(b)療法は、シグネチャー1のスコアが正でありシグネチャー2のスコアが正である場合ISクラスのTME療法であり;(c)療法は、シグネチャー1のスコアが負でありシグネチャー2のスコアが負である場合IDクラスのTME療法であり;又は(d)療法は、シグネチャー1のスコアが正でありシグネチャー2のスコアが負である場合AクラスのTME療法である、抗癌療法も提供される。
E1.それを必要とする対象の癌の腫瘍微小環境(TME)を決定するための方法であって、
(a)シグネチャー1のスコア;及び
(b)シグネチャー2のスコア、
を含む組み合わせバイオマーカーを決定する工程を含み、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され、かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定される
方法。
(a)シグネチャー1のスコア;及び
(b)シグネチャー2のスコア、
を含む組み合わせバイオマーカーを決定する工程を含み、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され、かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定される
方法。
E2.癌に罹患したヒト対象を治療するための方法であって、対象へのIAクラスのTME療法の施行を含み、施行前に、対象が、
(a)負のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア
を含む組み合わせバイオマーカーを示すと明らかにされ、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され、かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定される
方法。
(a)負のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア
を含む組み合わせバイオマーカーを示すと明らかにされ、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され、かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定される
方法。
E3.癌に罹患したヒト対象を治療するための方法であって、
(A)投与前に、
(a)負のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア、
を含む組み合わせバイオマーカーを示す対象を識別する工程であって、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され;かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4から(又は図28A~28G)から)選択される遺伝子パネルの発現レベルを測定することにより決定される
工程;
並びに、
(B)対象にIAクラスのTME療法を施す工程
を含む、方法。
(A)投与前に、
(a)負のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア、
を含む組み合わせバイオマーカーを示す対象を識別する工程であって、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され;かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4から(又は図28A~28G)から)選択される遺伝子パネルの発現レベルを測定することにより決定される
工程;
並びに、
(B)対象にIAクラスのTME療法を施す工程
を含む、方法。
E4.IAクラスのTME療法での治療に適する癌に罹患したヒト対象を識別するための方法であって、
(i)対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程;かつ
(ii)対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程、
を含み、
施行前に、(a)負のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア
を含む組み合わせバイオマーカーの存在が、IAクラスのTME療法を施して癌を治療できることを示す、方法。
(i)対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程;かつ
(ii)対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程、
を含み、
施行前に、(a)負のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア
を含む組み合わせバイオマーカーの存在が、IAクラスのTME療法を施して癌を治療できることを示す、方法。
E5.IAクラスのTME療法が、チェックポイントモジュレーター療法を含む、実施形態E2~E4のいずれか1つの方法。
E6.チェックポイントモジュレーター療法が、刺激性免疫チェックポイント分子の活性化剤を投与することを含む、実施形態E2~E5のいずれか1つの方法。
E7.刺激性免疫チェックポイント分子の活性化剤が、GITR、OX-40、ICOS、4-1BBに対する抗体分子、又はそれらの組み合わせである、実施形態E6の方法。
E8.チェックポイントモジュレーター療法が、RORγアゴニストの投与を含む、実施形態E5の方法。
E9.チェックポイントモジュレーター療法が、阻害性免疫チェックポイント分子の阻害剤の投与を含む、実施形態E5の方法。
E10.阻害性免疫チェックポイント分子の阻害剤が、PD-1に対する抗体(例えば、シンチリマブ、チスレリズマブ、ペムブロリズマブ、又はその抗原結合部分)、PD-L1、PD-L2、CTLA-4に対する抗体単独又はそれらの組み合わせ、又はTIM-3の阻害剤、LAG3の阻害剤、BTLAの阻害剤、TIGITの阻害剤、VISTAの阻害剤、TGF-β又はその受容体の阻害剤、LAIR1の阻害剤、CD160の阻害剤、2B4の阻害剤、GITRの阻害剤、OX40の阻害剤、4-1BB(CD137)の阻害剤、CD2の阻害剤、CD27の阻害剤、CDSの阻害剤、ICAM-1の阻害剤、LFA-1(CD11a/CD18)の阻害剤、ICOS(CD278)の阻害剤、CD30の阻害剤、CD40の阻害剤、BAFFRの阻害剤、HVEMの阻害剤、CD7の阻害剤、LIGHTの阻害剤、NKG2Cの阻害剤、SLAMF7の阻害剤、NKp80の阻害剤、又はCD86アゴニストとの組み合わせである、実施形態E9の方法。
E11.抗PD-1抗体が、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、TSR-042、シンチリマブ、チスレリズマブ、又はその抗原結合部分を含む、実施形態E10の方法。
E12.抗PD-1抗体が、ヒトPD-1への結合について、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と交差競合する、実施形態E10の方法。
E13.抗PD-1抗体が、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と同じエピトープに結合する、実施形態E10の方法。
E14.抗PD-L1抗体が、アベルマブ、アテゾリズマブ、デュルバルマブ、CX-072、LY3300054、又はその抗原結合部分を含む、実施形態E10の方法。
E15.抗PD-1抗体が、ヒトPD-1への結合について、アベルマブ、アテゾリズマブ、又はデュルバルマブと交差競合する、実施形態E10の方法。
E16.抗PD-1抗体が、アベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと同じエピトープに結合する、実施形態E10の方法。
E17.チェックポイントモジュレーター療法が、(i)ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042からなる群から選択される抗PD-1抗体;(ii)アベルマブ、アテゾリズマブ、CX-072、LY3300054、及びデュルバルマブからなる群から選択される抗PD-L1抗体、又は(iii)それらの組み合わせの投与を含む、実施形態E5の方法。
E18.癌に罹患したヒト対象を治療するための方法であって、対象にISクラスのTME療法を施す工程を含み、施行前に、対象が、
(a)正のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア、
を含む組み合わせバイオマーカーを示すと識別され、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され;かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定される
方法。
(a)正のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア、
を含む組み合わせバイオマーカーを示すと識別され、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され;かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定される
方法。
E19.癌に罹患したヒト対象を治療するための方法であって、
(A)施行前に、(a)正のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア、
を含む組み合わせバイオマーカーを示す対象を識別する工程であって、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され;かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定される、工程;
並びに
(B)ISクラスのTME療法を対象に施す工程、
を含む方法。
(A)施行前に、(a)正のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア、
を含む組み合わせバイオマーカーを示す対象を識別する工程であって、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され;かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定される、工程;
並びに
(B)ISクラスのTME療法を対象に施す工程、
を含む方法。
E20.ISクラスのTME療法での治療に適する癌に罹患したヒト対象を識別するための方法であって、
(i)対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程;かつ、
(ii)対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程、
を含み、
施行前に、(a)正のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア
を含む組み合わせバイオマーカーの存在が、ISクラスのTME療法を施して癌を治療できることを示す、方法。
(i)対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程;かつ、
(ii)対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程、
を含み、
施行前に、(a)正のシグネチャー1のスコア;及び
(b)正のシグネチャー2のスコア
を含む組み合わせバイオマーカーの存在が、ISクラスのTME療法を施して癌を治療できることを示す、方法。
E21.ISクラスのTME療法が、(1)チェックポイントモジュレーター療法及び抗免疫抑制療法、並びに/又は(2)抗血管新生療法の施行を含む、実施形態E18~E20の方法。
E22.チェックポイントモジュレーター療法が、阻害性免疫チェックポイント分子の阻害剤の投与を含む、実施形態E21の方法。
E23.阻害性免疫チェックポイント分子の阻害剤が、PD-1、PD-L1、PD-L2、CTLA-4に対する抗体、又はそれらの組み合わせである、実施形態E22の方法。
E24.抗PD-1抗体が、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、TSR-042、シンチリマブ、チスレリズマブ、又はその抗原結合部分を含む、実施形態E23の方法。
E25.抗PD-1抗体が、ヒトPD-1への結合についてニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と交差競合する、実施形態E23の方法。
E26.抗PD-1抗体が、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と同じエピトープに結合する、実施形態E23の方法。
E27.抗PD-L1抗体が、アベルマブ、アテゾリズマブ、CX-072、LY3300054、デュルバルマブ、又はその抗原結合部分を含む、実施形態E23の方法。
E28.抗PD-L1抗体が、ヒトPD-1への結合についてアベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと交差競合する、実施形態E23の方法。
E29.抗PD-L1抗体が、アベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと同じエピトープに結合する、実施形態E23の方法。
E30.抗CTLA-4抗体が、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)、又はその抗原結合部分を含む、実施形態E23の方法。
E31.抗CTLA-4抗体が、ヒトCTLA-4への結合についてイピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)と交差競合する、実施形態E23の方法。
E32.抗CTLA-4抗体が、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)と同じCTLA-4エピトープに結合する、実施形態E23の方法。
E33.チェックポイントモジュレーター療法が、(i)ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042からなる群から選択される抗PD-1抗体;(ii)アベルマブ、アテゾリズマブ、CX-072、LY3300054、及びデュルバルマブからなる群から選択される抗PD-L1抗体、(iii)イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)である抗CTLA-4抗体、又は(iv)それらの組み合わせの投与を含む、実施形態E21の方法。
E34.抗血管新生療法が、バリサクマブ、ベバシズマブ、ナビシキズマブ(抗DLL4/抗VEGF二重特異性)及びそれらの組み合わせからなる群から選択される抗VEGF抗体の投与を含む、実施形態E21~E33の方法。
E35.抗血管新生療法が、抗VEGFR抗体の投与を含む、実施形態E21~E34の方法。
E36.抗VEGFR抗体が、抗VEGFR2抗体である、実施形態E35の方法
E37.抗VEGFR2抗体が、ラムシルマブを含む、実施形態E36の方法。
E38.抗血管新生療法が、ナビシキズマブ、ABL101(NOV1501)、又はABT165の投与を含む、実施形態E21~E37の方法。
E39.抗免疫抑制療法が、抗PS抗体、抗PS標的化抗体、β2-糖タンパク質1に結合する抗体、PI3Kγの阻害剤、アデノシン経路阻害剤、IDOの阻害剤、TIMの阻害剤、LAG3の阻害剤、TGFβの阻害剤、CD47阻害剤、又はそれらの組み合わせの投与を含む、実施形態E21~E38の方法。
E40.抗PS標的化抗体が、バビツキシマブであるか、又はβ2-糖タンパク質1を結合する抗体である、実施形態E39の方法。
E41.PI3Kγ阻害剤が、LY3023414(サモトリシブ)又はIPI-549である、実施形態E39の方法。
E42.アデノシン経路阻害剤が、AB-928である、実施形態E39の方法。
E43.TGFβ阻害剤が、LY2157299(ガルニセルチブ)であるか又はTGFβR1阻害剤が、LY3200882である、実施形態E39の方法。
E44.CD47阻害剤が、マグロリマブ(5F9)である、実施形態E39の方法。
E45.CD47阻害剤が、SIRPαを標的とする、実施形態E39の方法。
E46.抗免疫抑制療法が、TIM-3の阻害剤、LAG3の阻害剤、BTLAの阻害剤、TIGITの阻害剤、VISTAの阻害剤、TGFβ又はその受容体の阻害剤、LAIR1の阻害剤、CD160の阻害剤、2B4の阻害剤、GITRの阻害剤、OX-40の阻害剤、4-1BB(CD137)の阻害剤、CD2の阻害剤、CD27の阻害剤、CDSの阻害剤、ICAM-1の阻害剤、LFA-1(CD11a/CD18)の阻害剤、ICOS(CD278)の阻害剤、CD30の阻害剤、CD40の阻害剤、BAFFRの阻害剤、HVEMの阻害剤、CD7の阻害剤、LIGHTの阻害剤、NKG2Cの阻害剤、SLAMF7の阻害剤、NKp80の阻害剤、CD86に対するアゴニスト、又はそれらの組み合わせの投与を含む、実施形態E21~E45の方法。
E47.癌に罹患したヒト対象を治療するための方法であって、対象にIDクラスのTME療法を施す工程を含み、施行前に、対象が、
(a)負のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア、
を含む組み合わせバイオマーカーを示すと識別され、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され;かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定される
方法。
(a)負のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア、
を含む組み合わせバイオマーカーを示すと識別され、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され;かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定される
方法。
E48.癌に罹患したヒト対象を治療するための方法であって、
(A)施行前に、(a)負のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア、
を含む組み合わせバイオマーカーを示す対象を識別する工程であって、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され;かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定される、
工程;並びに
(B)IDクラスのTME療法を対象に施す工程、
を含む、方法。
(A)施行前に、(a)負のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア、
を含む組み合わせバイオマーカーを示す対象を識別する工程であって、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され;かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定される、
工程;並びに
(B)IDクラスのTME療法を対象に施す工程、
を含む、方法。
E49.IDクラスのTME療法での治療に適する癌に罹患したヒト対象を識別するための方法であって、
(i)対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程;かつ、
(ii)対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程、
を含み、
施行前に、(a)負のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア
を含む組み合わせバイオマーカーの存在が、IDクラスのTME療法を施して癌を治療できることを示す、方法。
(i)対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程;かつ、
(ii)対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程、
を含み、
施行前に、(a)負のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア
を含む組み合わせバイオマーカーの存在が、IDクラスのTME療法を施して癌を治療できることを示す、方法。
E50.IDクラスのTME療法が、免疫応答を開始する療法の施行と同時又は後にチェックポイントモジュレーター療法の施行を含む、実施形態E47~E49のいずれか1つの方法。
E51.免疫応答を開始する治療が、ワクチン、CAR-T、又はネオエピトープワクチンである、実施形態E50の方法。
E52.チェックポイントモジュレーター療法が、阻害性免疫チェックポイント分子の阻害剤の投与を含む、実施形態E50の方法。
E53.阻害性免疫チェックポイント分子の阻害剤が、PD-1、PD-L1、PD-L2、CTLA-4に対する抗体、又はそれらの組み合わせである、実施形態E52の方法。
E54.抗PD-1抗体が、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ又はTSR-042、又はその抗原結合部分を含む、実施形態E53の方法。
E55.抗PD-1抗体が、ヒトPD-1への結合についてニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と交差競合する、実施形態E53の方法。
E56.抗PD-1抗体が、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と同じエピトープに結合する、実施形態E53の方法。
E57.抗PD-L1抗体が、アベルマブ、アテゾリズマブ、CX-072、LY3300054、デュルバルマブ、又はその抗原結合部分を含む、実施形態E53の方法。
E58.抗PD-L1抗体が、ヒトPD-L1への結合についてアベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと交差競合する、実施形態E53の方法。
E59.抗PD-L1抗体が、アベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと同じエピトープに結合する、実施形態E53の方法。
E60.抗CTLA-4抗体が、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)、又はその抗原結合部分を含む、実施形態E53の方法。
E61.抗CTLA-4抗体が、ヒトCTLA-4への結合についてイピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)と交差競合する、実施形態E53の方法。
E62.抗CTLA-4抗体が、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)と同じCTLA-4エピトープに結合する、実施形態E53の方法。
E63.チェックポイントモジュレーター療法が、(i)ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042からなる群から選択される抗PD-1抗体;(ii)アベルマブ、アテゾリズマブ、CX-072、LY3300054、及びデュルバルマブからなる群から選択される抗PD-L1抗体、又は(iv)イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)である抗CTLA-4抗体、又は(iii)それらの組み合わせの投与を含む、実施形態E50の方法。
E64.癌に罹患したヒト対象を治療するための方法であって、対象へのAクラスのTME療法の施行を含み、施行前に、対象が、
(a)正のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア
を含む組み合わせバイオマーカーを示すと識別され、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され、かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定される
方法。
(a)正のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア
を含む組み合わせバイオマーカーを示すと識別され、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され、かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定される
方法。
E65.癌に罹患したヒト対象を治療するための方法であって、
(A)投与前に、(a)正のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア、
を含む組み合わせバイオマーカーを示す対象を識別する工程であって、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され;かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4から(又は図28A~28G)から)選択される遺伝子パネルの発現レベルを測定することにより決定される、工程;
並びに、
(B)対象にAクラスのTME療法を施す工程
を含む、方法。
(A)投与前に、(a)正のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア、
を含む組み合わせバイオマーカーを示す対象を識別する工程であって、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することにより決定され;かつ
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4から(又は図28A~28G)から)選択される遺伝子パネルの発現レベルを測定することにより決定される、工程;
並びに、
(B)対象にAクラスのTME療法を施す工程
を含む、方法。
E66.AクラスのTME療法での治療に適する癌に罹患したヒト対象を識別するための方法であって、
(i)対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程;かつ
(ii)対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程、
を含み、
施行前に、(a)正のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア
を含む組み合わせバイオマーカーの存在が、AクラスのTME療法を施して癌を治療できることを示す、方法。
(i)対象から得られる第1の試料において表3(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー1のスコアを決定する工程;かつ
(ii)対象から得られる第2の試料において表4(又は図28A~28G)から選択される遺伝子パネルの発現レベルを測定することによりシグネチャー2のスコアを決定する工程、
を含み、
施行前に、(a)正のシグネチャー1のスコア;及び
(b)負のシグネチャー2のスコア
を含む組み合わせバイオマーカーの存在が、AクラスのTME療法を施して癌を治療できることを示す、方法。
E67.AクラスのTME療法が、VEGF標的療法及び他の抗血管新生剤、アンジオポエチン1(Ang1)の阻害剤、アンジオポエチン2(Ang2)の阻害剤、DLL4の阻害剤、抗VEGFと抗DLL4の二重特異性、TKI阻害剤、抗FGF抗体、抗FGFR1抗体、抗FGFR2抗体、FGFR1を阻害する小分子、FGFR2を阻害する小分子、抗PLGF抗体、PLGF受容体に対する小分子、PLGF受容体に対する抗体、抗VEGFB抗体、抗VEGFC抗体、抗VEGFD抗体、アフリベルセプトなどのVEGF/PLGFトラップ分子に対する抗体、又はziv-アフリベルセプト(ziv-aflibercet)、抗DLL4抗体、又はガンマセクレターゼの阻害剤などの抗Notch療法を含む、実施形態E64~E66の方法。
E68.TKI阻害剤が、カボザンチニブ、バンデタニブ、チボザニブ、アキシチニブ、レンバチニブ、ソラフェニブ、レゴラフェニブ、スニチニブ、フルキンチニブ(fruquitinib)、パゾパニブ、及びそれらの任意の組み合わせからなる群から選択される、実施例E67の方法。
E69.TKI阻害剤が、フルキンチニブである、実施例E68の方法。
E70.VEGF標的療法が、抗VEGF抗体又はその抗原結合部分の投与を含む、実施例E67の方法。
E71.抗VEGF抗体が、バリサクマブ、ベバシズマブ、又はその抗原結合部分を含む、実施例E70の方法。
E72.抗VEGF抗体が、ヒトVEGF Aへの結合についてバリサクマブ、又はベバシズマブと交差競合する、実施例E70の方法。
E73.抗VEGF抗体が、バリサクマブ、又はベバシズマブと同じエピトープに結合する、実施例E70の方法。
E74.VEGF標的療法が、抗VEGFR抗体の投与を含む、実施例E67の方法。
E75.抗VEGFR抗体が、抗VEGFR2抗体である、実施例E74の方法。
E76.抗VEGFR2抗体が、ラムシルマブ又はその抗原結合部分を含む、実施例E75の方法。
E77.AクラスのTME療法が、アンジオポエチン/TIE2標的療法の施行を含む、実施形態E64~E76のいずれか1つの方法。
E78.アンジオポエチン/TIE2標的療法が、エンドグリン及び/又はアンジオポエチンの投与を含む、実施形態E77の方法。
E79.AクラスのTME療法が、DLL4標的療法の施行を含む、実施形態E64~E78のいずれか1つの方法。
E80.DLL4標的療法が、ナビシキズマブ、ABL101(NOV1501)、又はABT165の投与を含む、実施形態E79の方法。
E81.(a)化学療法を施す工程;
(b)手術を行う工程;
(c)放射線療法を施す工程;又は
(d)それらの任意の組み合わせ、
を含む、実施形態E1~E80のいずれか1つの方法。
(b)手術を行う工程;
(c)放射線療法を施す工程;又は
(d)それらの任意の組み合わせ、
を含む、実施形態E1~E80のいずれか1つの方法。
E82.表4から選択される遺伝子パネルが、表2から選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、又は61個の遺伝子、又は図28A~28Gから選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93、94、95、96、97、98、99、100、101、102、103、104、105、106、107、108、109、110、111、112、113、114、115、116、117、118、119、120、121、122、123、又は124個の遺伝子を含む、実施形態E1~E81のいずれか1つの方法。
E83.遺伝子パネルが、表4から、又は図28A~28Gから選択される遺伝子パネルである、実施形態E1~E82のいずれか1つの方法。
E84.表3から選択される遺伝子パネルが、表1から選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、又は63個の遺伝子、又は図28A~28Gから選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93、94、95、96、97、98、99、100、101、102、103、104、105、106、107、108、109、110、111、112、113、114、115、116、117、118、119、120、121、122、123、又は124個の遺伝子を含む、実施形態E1~E83のいずれか1つの方法。
E85.遺伝子パネルが、表3から、又は図28A~28Gから選択される遺伝子パネルである、実施形態E1~E84のいずれか1つの方法。
E86.第1の試料及び第2の試料が、同じ試料である、実施形態E1~E85のいずれか1つの方法。
E87.第1の試料及び第2の試料が、異なる試料である、実施形態E1~E85のいずれか1つの方法。
E88.第1の試料及び/又は第2の試料が、腫瘍内組織を含む、実施形態E1~E87のいずれか1つの方法。
E89.発現レベルが、発現されたタンパク質レベルである、実施形態E1~E88のいずれか1つの方法。
E90.発現レベルが、転写されたRNA発現レベルである、実施形態E1~E88のいずれか1つの方法。
E91.RNA発現レベルが、配列決定又はRNAを測定する任意の技術を用いて決定される、実施形態E1~E90のいずれか1つの方法。
E92.配列決定が、次世代配列決定(NGS)である、実施形態E91の方法。
NGSが、RNA-SEq、EdgESEq、PCR、ナノストリング、WES、又はそれらの組み合わせからなる群から選択される、実施形態E92の方法。
E94.RNA発現レベルが、蛍光を用いて決定される、実施形態E90の方法。
E95.RNA発現レベルが、AffymEtrixマイクロアレイ又はAgilEntマイクロアレイを用いて決定される、実施形態E90の方法。
E96.RNA発現レベルが、分位正規化を受ける、実施形態E90~E95の方法。
E97.分位正規化が、入力RNAレベル値を分位数にビニングする工程を含む、実施形態E96の方法。
E98.入力RNAレベルが、100分位数にビニングされる、実施形態E97の方法。
E99.分位正規化が、RNA発現レベルを正常な出力分布関数に分位変換することを含む、実施例E96~E98の方法。
E100.シグネチャースコアの計算が、
(i)対象からの試験試料中の遺伝子パネル中の各遺伝子の発現レベルを測定する工程;
(ii)各遺伝子について、工程(i)の発現レベルから、基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算する工程;
(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び
(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアは、正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは、負のシグネチャースコアである、実施形態E1~E99のいずれか1つの方法。
(i)対象からの試験試料中の遺伝子パネル中の各遺伝子の発現レベルを測定する工程;
(ii)各遺伝子について、工程(i)の発現レベルから、基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算する工程;
(iii)各遺伝子について、工程(ii)で得られた値を、基準試料の発現レベルから得られる遺伝子あたりの標準偏差で除算する工程;及び
(iv)工程(iii)で得られた全ての値を加算し、得られた数を遺伝子パネル中の遺伝子数の平方根で除算する工程
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアは、正のシグネチャースコアであり、(iv)で得られた値がゼロ未満である場合、シグネチャースコアは、負のシグネチャースコアである、実施形態E1~E99のいずれか1つの方法。
E101.基準試料が、基準発現レベルの収集を含む、実施形態E100の方法。
E102.基準発現値が、標準化された基準値である、実施形態E101の方法。
E103.基準発現値が、試料集団から得られる、実施形態E101の方法。
E104.基準発現レベルが、公開されているデータベース又は互いに正規化されたデータベースの組み合わせから導出される、実施形態E101の方法。
E105.基準試料が、異なる集団から得られる組織試料を含む、実施形態E100の方法。
E106.基準試料が、異なる時点で採取された試料を含む、実施形態E100~E105のいずれか1つの方法。
E107.異なる時点が、より早い時点である、実施形態E106の方法。
E108.癌が、腫瘍である、実施形態E1~E107のいずれか1つの方法。
E109.腫瘍が、細胞癌である、実施形態E108の方法。
E110.腫瘍が、胃癌、結腸直腸癌、肝癌(肝細胞癌、HCC)、卵巣癌、乳癌、NSCLC、膀胱癌、肺癌、膵臓癌、頭頸部癌、リンパ腫、子宮癌、腎癌又は腎臓癌、胆道癌、前立腺癌、精巣癌、尿道癌、陰茎癌、胸部癌、直腸癌、脳癌(グリオーマ及び神経膠芽腫)、子宮頸部癌、食道癌、胃食道癌、喉頭癌、甲状腺癌、腺癌、神経芽細胞癌、黒色腫、及びメルケル細胞癌からなる群から選択される、実施形態E108の方法。
E111.癌が、再発する、実施形態E1~E110のいずれか1つの方法。
E112.癌が、難治性である、実施形態E1~E110のいずれか1つの方法。
E113.癌が、少なくとも1つの抗癌剤の投与を含む少なくとも1つの事前療法後に難治性である、実施形態E112の方法。
E114.癌が、転移性である、実施形態E1~E113のいずれか1つの方法。
E115.投与が、癌を効果的に治療する、実施形態E2~E114のいずれか1つの方法。
E116.投与が、癌の負担を軽減する、実施形態E2~E115のいずれか1つの方法。
E117.癌の負担が、投与前の癌の負担と比較して少なくとも約10%、少なくとも約20%、少なくとも約30%、少なくとも約40%、又は約50%低下される、実施形態E116の方法。
E118.対象が、最初の投与後少なくとも約1ヶ月、少なくとも約2ヶ月、少なくとも約3ヶ月、少なくとも約4ヶ月、少なくとも約5ヶ月、少なくとも約6ヶ月、少なくとも約7ヶ月、少なくとも約8ヶ月、少なくとも約9ヶ月、少なくとも約10ヶ月、少なくとも約11ヶ月、少なくとも約1年、少なくとも約18ヶ月、少なくとも約2年、少なくとも約3年、少なくとも約4年、又は少なくとも約5年間無増悪生存期間を示す、実施形態E2~E117のいずれか1つの方法。
E119.対象が、最初の投与後約1ヶ月、約2ヶ月、約3ヶ月、約4ヶ月、約5ヶ月、約6ヶ月、約7ヶ月、約8ヶ月、約9ヶ月、約10ヶ月、約11ヶ月、約1年、約18ヶ月、約2年、約3年、約4年、又は約5年間安定疾患を示す、実施形態E2~E118のいずれか1つの方法。
E120.対象が、最初の投与後1ヶ月、約2ヶ月、約3ヶ月、約4ヶ月、約5ヶ月、約6ヶ月、約7ヶ月、約8ヶ月、約9ヶ月、約10ヶ月、約11ヶ月、約1年、約18ヶ月、約2年、約3年、約4年、又は約5年間部分奏功を示す、実施形態E2~E119のいずれか1つの方法。
E121.対象が、最初の投与後1ヶ月、約2ヶ月、約3ヶ月、約4ヶ月、約5ヶ月、約6ヶ月、約7ヶ月、約8ヶ月、約9ヶ月、約10ヶ月、約11ヶ月、約1年、約18ヶ月、約2年、約3年、約4年、又は約5年間完全奏功を示す、実施形態E2~E120のいずれか1つの方法。
E122.投与が、組み合わせバイオマーカーを示さない対象の無増悪生存期間の確率と比較して、無増悪生存期間の確率を少なくとも約10%、少なくとも約20%、少なくとも約30%、少なくとも約30%、少なくとも約40%、少なくとも約50%、少なくとも約60%、少なくとも約70%、少なくとも約80%、少なくとも約90%、少なくとも約100%、少なくとも約110%、少なくとも約120%、少なくとも約130%、少なくとも約140%、又は少なくとも約150%改善する、実施形態E2~E121のいずれか1つの方法。
E123.投与が、組み合わせバイオマーカーを示さない対象の全生存確率と比較して、全生存確率を少なくとも約25%、少なくとも約50%、少なくとも約75%、少なくとも約100%、少なくとも約125%、少なくとも約150%、少なくとも約175%、少なくとも約200%、少なくとも約225%、少なくとも約250%、少なくとも約275%、少なくとも約300%、少なくとも約325%、少なくとも約350%、又は少なくとも約375%改善する、実施形態E2~E122のいずれか1つの方法。
E124.(i)表1からの遺伝子バイオマーカーをコードするRNAを特異的に検出できる複数のオリゴヌクレオチドプローブと、(ii)表2からの遺伝子バイオマーカーをコードするRNAを特異的に検出できる複数のオリゴヌクレオチドプローブを含むキット。
E125.(i)表1(又は図28A~28G)からの遺伝子バイオマーカーをコードするRNAを特異的に検出できる複数のオリゴヌクレオチドプローブと、(ii)表2(又は図28A~28G)から遺伝子バイオマーカーをコードするRNAを特異的に検出できる複数のオリゴヌクレオチドプローブを含む製品であって、マイクロアレイを含む、製品。
E126.それを必要とする対象における腫瘍の腫瘍微小環境を決定するのに使用するための、少なくとも表1(又は図28A~28G)からのバイオマーカー遺伝子及び表2(又は図28A~28G)からのバイオマーカー遺伝子を含む遺伝子パネルであって、腫瘍微小環境が、
(i)抗癌療法に適する対象を識別する工程;
(ii)抗癌療法を受ける対象の予後を決定する工程;
(iii)抗癌療法の施行を開始、中止又は変更する工程;又は
(iv)それらの組み合わせ
に使用される、遺伝子パネル。
(i)抗癌療法に適する対象を識別する工程;
(ii)抗癌療法を受ける対象の予後を決定する工程;
(iii)抗癌療法の施行を開始、中止又は変更する工程;又は
(iv)それらの組み合わせ
に使用される、遺伝子パネル。
E127.抗癌療法での治療に適する癌に罹患したヒト対象を識別するための組み合わせバイオマーカーであって、組み合わせバイオマーカーが、対象から得られた試料において測定されるシグネチャー1のスコア及びシグネチャー2のスコアを含み、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)の遺伝子パネル中の遺伝子の発現レベルを測定することにより決定され、
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)の遺伝子パネル中の遺伝子の発現レベルを測定することにより決定され、
療法は、シグネチャー1のスコアが負でありシグネチャー2のスコアが正である場合IAクラスのTME療法であり;
療法は、シグネチャー1のスコアが正でありシグネチャー2のスコアが正である場合ISクラスのTME療法であり;
療法は、シグネチャー1のスコアが負でありシグネチャー2のスコアが負である場合IDクラスのTME療法であり;
療法は、シグネチャー1のスコアが正でありシグネチャー2のスコアが負である場合AクラスのTME療法である、
組み合わせバイオマーカー。
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)の遺伝子パネル中の遺伝子の発現レベルを測定することにより決定され、
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)の遺伝子パネル中の遺伝子の発現レベルを測定することにより決定され、
療法は、シグネチャー1のスコアが負でありシグネチャー2のスコアが正である場合IAクラスのTME療法であり;
療法は、シグネチャー1のスコアが正でありシグネチャー2のスコアが正である場合ISクラスのTME療法であり;
療法は、シグネチャー1のスコアが負でありシグネチャー2のスコアが負である場合IDクラスのTME療法であり;
療法は、シグネチャー1のスコアが正でありシグネチャー2のスコアが負である場合AクラスのTME療法である、
組み合わせバイオマーカー。
E128.それを必要とするヒト対象の癌を治療するための抗癌療法であって、対象が、シグネチャー1のスコアとシグネチャー2のスコアとを含む組み合わせバイオマーカーを示すと識別され、
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)の遺伝子パネル中の遺伝子の発現レベルを測定することにより決定され、
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)の遺伝子パネル中の遺伝子の発現レベルを測定することにより決定され、
療法は、シグネチャー1のスコアが負でありシグネチャー2のスコアが正である場合IAクラスのTME療法であり;
療法は、シグネチャー1のスコアが正でありシグネチャー2のスコアが正である場合ISクラスのTME療法であり;
療法は、シグネチャー1のスコアが負でありシグネチャー2のスコアが負である場合IDクラスのTME療法であり;
療法は、シグネチャー1のスコアが正でありシグネチャー2のスコアが負である場合AクラスのTME療法である、
抗癌療法。
(i)シグネチャー1のスコアが、対象から得られる第1の試料において表3(又は図28A~28G)の遺伝子パネル中の遺伝子の発現レベルを測定することにより決定され、
(ii)シグネチャー2のスコアが、対象から得られる第2の試料において表4(又は図28A~28G)の遺伝子パネル中の遺伝子の発現レベルを測定することにより決定され、
療法は、シグネチャー1のスコアが負でありシグネチャー2のスコアが正である場合IAクラスのTME療法であり;
療法は、シグネチャー1のスコアが正でありシグネチャー2のスコアが正である場合ISクラスのTME療法であり;
療法は、シグネチャー1のスコアが負でありシグネチャー2のスコアが負である場合IDクラスのTME療法であり;
療法は、シグネチャー1のスコアが正でありシグネチャー2のスコアが負である場合AクラスのTME療法である、
抗癌療法。
実施例
実施例1
腫瘍微小環境(TME)分類:集団ベースの分類器
本開示は、遺伝子発現に基づいて4つのクラスに腫瘍試料を層別化(又は分類)できる集団ベースのZスコア分類器(集団ベースの分類器)を作成する方法を記載する。本明細書で使用するように、4つのクラスは、腫瘍微小環境(TME)、間質型、間質サブタイプ、又は表現型、又はそれらの変形とも呼ばれ得る。生マイクロアレイ(RNA)及びRNA配列決定データから発現値を生成するために使用される分析パイプラインもまた、本明細書に記載される。
実施例1
腫瘍微小環境(TME)分類:集団ベースの分類器
本開示は、遺伝子発現に基づいて4つのクラスに腫瘍試料を層別化(又は分類)できる集団ベースのZスコア分類器(集団ベースの分類器)を作成する方法を記載する。本明細書で使用するように、4つのクラスは、腫瘍微小環境(TME)、間質型、間質サブタイプ、又は表現型、又はそれらの変形とも呼ばれ得る。生マイクロアレイ(RNA)及びRNA配列決定データから発現値を生成するために使用される分析パイプラインもまた、本明細書に記載される。
データ前処理のために、各プラットフォーム技術が生データの特異的な前処理を必要とする、遺伝子発現を測定するための様々な技術が存在する。集団ベースの分類器は、Affymetrix DNAマイクロアレイ、高スループットの次世代RNA配列決定を支持し、いくつかの態様では、他の技術に拡張できる。
マイクロアレイデータについては、Affymetrixチップ手順は、CELファイルに格納されるセル(各々固有のプローブを含む)あたりの強度画素値を測定する。CELファイルを、Affy Rパッケージを用いて処理した。expresso機能を、以下のパラメータを用いて適用した:RMA(ロバストマルチチップ平均(Robust Multichip Average))バックグラウンド補正方法、分位正規化、プローブ非特異的補正、及びメジアンポリッシュサマライゼーション(medianpolish summarization)(J.W.Tukey,Exploratory Data Analysis,Addison-Wesley,1977)。Expresso機能によって戻された発現値を、log2変換した。最後に、発現を、正常な出力分布に分位変換し、入力値を100分位数にビニングした(図1)。
Illumina RNA-Seq配列決定読み取りデータを、読み取りデータをきれいにすること、基準ゲノムと整列させること、および遺伝子発現を定量化することにより処理した。解析工程はそのため、3つの重要な工程:トリミング(BBDuk)、マッピング(STAR)、及び発現定量化(featureCounts)を含んだ。基準ヒトゲノムは、共通のスパイクイン標準(ERCC及びSIRV)のための基準を用いて拡張されたEnsemblバージョン92であった。追加の品質管理工程として、百万個の読み取りデータのサブ試料(Seqtk tool)を、選択した種のrRNA及びグロビン配列にマッピングして、試料中のそれらの種類の読み取りデータの全体の割合を決定した。結果を、multiqcリポートの要約表に報告した。
生の及び正規化された(TPM、FPKM)発現値を、クラウドベースのGenialis発現ソフトウェアを用いて生成し、それらを再生するために必要な全ての技術的詳細と共に報告した。Zスコアベースのモデルで試料を層別化する前に、TPM正規化発現を、正常な出力分布に分位変換し、入力値を100分位数にビニングした(図1)。
他のプラットフォーム技術、例えば、EdgeSeq(HTG Molecular Diagnostics社)について、分位正規化を、クロスプラットフォーム分析に使用するべきであり、入力値を100分位数にビニングし、通常の出力分布関数を適用する。任意の方法の精度は、集団分布が正規分布に到達するにつれて増加する。
試料の分類。本開示の集団ベースの分類器(又は集団ベースの方法)は、遺伝子発現レベルのゼロ中心正規分布(μ=0)を仮定した。
全患者集団にわたり、遺伝子あたりの平均及び標準偏差を、その遺伝子の発現レベルから計算した。個々の患者について、各遺伝子あたり、患者の標準化された発現レベルを取得し、集団平均を減算し、次に標準偏差で除算した。これがZスコアであった。いくつかの態様では、自由度についての補正はしなかった。
個々の患者について、シグネチャー内の全てのZスコアを加え、次に、遺伝子数の平方根で除算した。結果は、式1による活性化スコアzsであり、
式中、
zはZスコアを、sは試料(患者)を、gは遺伝子を、Gはシグネチャー遺伝子セットを指す。
は、遺伝子セットGのサイズを示す。活性化スコアが0よりも大きい、すなわちzs≧0のとき、シグネチャーは、正であると言われ、zs<0は、シグネチャーについて負を意味する。zs、gは、集団の大きさと平均から離れる方向を説明するベクトルであり、ユニットレスである;活性化スコアzsもユニットレスである。
zはZスコアを、sは試料(患者)を、gは遺伝子を、Gはシグネチャー遺伝子セットを指す。
予後診断又は予測を、活性化スコアと表13とを相関させることにより行った。患者のZスコアの符号と使用した閾値(陽性又は陰性のzs)に基づく別の方法で、患者を、表13の規則(合計したシグネチャー1とシグネチャー2のZスコアの符号に基づく患者分類規則)を適用することにより4つの間質サブタイプの1つに分類した。図10も参照されたい。
第1の生物学的シグネチャーのシグネチャー1を、表1の1以上(例えば、少なくとも1、2、3、4、5、10、15、20、25、30、40、50、60、61、62、又は63個)の遺伝子の活性化スコアzsにより決定した。
いくつかの態様では、本開示においてバイオマーカーとも呼ばれ得る遺伝子は、以下の:ABCC9、AFAP1L2、BACE1、BGN、BMP5、COL4A2、COL8A1、COL8A2、CPXM2、CXCL12、EBF1、ECM2、EDNRA、ELN、EPHA3、FBLN5、GNAS、GNB4、GUCY1A3、HEY2、HSPB2、IL1B、ITGA9、ITPR1、JAM2、JAM3、KCNJ8、LAMB2、LHFP、LTBP4、MEOX1、MGP、MMP12、MMP13、NAALAD2、NFATC1、NOV、OLFML2A、PCDH17、PDE5A、PDGFRB、PEG3、PLSCR2、PLXDC2、RGS4、RGS5、RNF144A、RRAS、RUNX1T1、CAV2、SELP、SERPINE2、SGIP1、SMARCA1、SPON1、STAB2、STEAP4、TBX2、TEK、TGFB2、TMEM204、TTC28、及びUTRNの1以上を含む。
第2の生物学的シグネチャーのシグネチャー2を、表2の1以上(例えば、少なくとも1、2、3、4、5、10、15、20、25、30、40、50、60、又は61個)の遺伝子の活性化スコアzsの合計により決定した。
いくつかの態様では、遺伝子は以下の:AGR2、C11orf9、DUSP4、EIF5A、ETV5、GAD1、IQGAP3、MST1、MT2A、MTA2、PLA2G4A、REG4、SRSF6、STRN3、TRIM7、USF1、ZIC2、C10orf54、CCL3、CCL4、CD19、CD274、CD3E、CD4、CD8B、CTLA4、CXCL10、IFNA2、IFNB1、IFNG、LAG3、PDCD1、PDCD1LG2、TGFB1、TIGIT、TNFRSF18、TNFRSF4、TNFSF18、TLR9、HAVCR2、CD79A、CXCL11、CXCL9、GZMB、IDO1、IGLL5、ADAMTS4、CAPG、CCL2、CTSB、FOLR2、HFE、HMOX1、HP、IGFBP3、MEST、PLAU、RAC2、RNH1、SERPINE1、及びTIMP1の1以上を含む。
実施例2
公開データセットへの分類器の適用
実施例1に記載の分類器を用いて、本明細書に記載されるように、集団ベースの方法又は分類器に従って、3つの公に利用可能なデータセットを分析した。データセットを、本明細書に記載されるように正規化した(図1)。図1において、ヒストグラムの上の列は、シグネチャー1及び2遺伝子のlog2発現の分布を示し、データセットが異なる範囲及び分布を有することを示す。ACRG及びシンガポールでのRNA発現レベルを、マイクロアレイ(Affymetrix)により分析し、TCGAデータ中のRNA発現レベルを、RNA配列決定から導出した。
公開データセットへの分類器の適用
実施例1に記載の分類器を用いて、本明細書に記載されるように、集団ベースの方法又は分類器に従って、3つの公に利用可能なデータセットを分析した。データセットを、本明細書に記載されるように正規化した(図1)。図1において、ヒストグラムの上の列は、シグネチャー1及び2遺伝子のlog2発現の分布を示し、データセットが異なる範囲及び分布を有することを示す。ACRG及びシンガポールでのRNA発現レベルを、マイクロアレイ(Affymetrix)により分析し、TCGAデータ中のRNA発現レベルを、RNA配列決定から導出した。
図1のプロットの真ん中の列では、集団の中央値及びZスコアを、計算した。分布は全て、予想とおり0付近に集中したが、分布の全体形状は、プラットフォームの差(マイクロアレイ及びRNA-Seq)のため異なる。図1のパネルの下の列は、分位正規化後の発現(Zスコア)値を示す。正規化の結果、全3つのデータセットにわたり中央値に対して分類することが可能であった。
本開示の集団ベースの方法を用いて、4つの間質サブタイプにアジア癌研究グループ(Asian Cancer Research Group(ACRG))データセットの298人の患者を分類した。ACRGは、アジアにおいて最も一般的に診断される癌に罹患した患者(肝臓、胃、及び肺)の精選された包括的ゲノムデータセットを提供する、非利益医薬工業用コンソーシアムである。ACRGデータセットにおけるRNA発現データが、Affymetrixマイクロアレイデータとして提供された。胃癌データセットに300人の患者がおり、そのうちの2人の患者の結果のデータ(全生存)は利用できない。そのため、本開示のいくつかの表は298人の患者を指し、一方で他の表又は図は、300人の患者を指し得る。患者は、化学療法のみを受け、全生存率は、コンソーシアムにより収集、整理された。
癌ゲノムアトラス(The Cancer Genome Atlas (TCGA))プログラム(www.cancer.gov/about-nci/organization/ccg/research/structural-genomics/tcgaで利用可能)からの胃癌データを、本開示の集団ベースの方法に用い、388人の患者を4つの間質サブタイプに分類するために用いた。TCGA中のRNA発現データを、RNA-Seqとして提供し、結果のデータを、388人の患者の全生存として提供したが、全ての共分散データが利用可能でなかったので、本明細書のいくつかの表及び図は、患者のより小さいサブセットを指す。
本発明者らにより使用されるシンガポール胃癌データセット、又はシンガポールコホートは、www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE15459で見られる胃癌プロジェクト'08からのものである。200の原発性胃腫瘍を、Affymetrix GeneChip Human Genome U133 Plus 2.0 Array上でプロファイルし、そのうちの192を、使用した(Liuら,(2013)Gastroenterology)。結果のデータを、Lei Z,Tan IB,Das K,Deng Nら 「PI3キナーゼ阻害剤及び5-フルオロウラシルに対する応答が異なる胃癌の分子サブタイプの同定(Identification of molecular subtypes of gastric cancer with different responses to PI3-kinase inhibitors and 5-fluorouracil)」 Gastroenterology 2013 Sep;145(3):554-65において、全生存として報告した。
平均値又はゼロに設定した閾値を有する集団ベースの方法を用いて、3つのデータセットの各々を分類した。表14は、分類後の3つのコホートの各々における患者の4つの間質サブタイプの分布を示す。
ACRGによって定義される腫瘍サブタイプを、4つの間質サブタイプと比較した。データセット中のACRG腫瘍サブタイプは、本開示の間質サブタイプと強く関連しない。ACRGデータは、4つの腫瘍サブタイプを有するものとして記載した:MSI-マイクロサテライト不安定;MSS-マイクロサテライト安定/EMT-上皮間葉転換(創傷治癒中及び癌転移の開始時に起こる);TP53-、(腫瘍)タンパク質p53の正常表現型;及びTP53+は、(腫瘍)タンパク質p53の異常表現型である(表15)。
TCGAは、4つの胃癌サブタイプを説明した。TCGA胃癌サブタイプC1、C2、C3、及びC4(n=232)を、本開示に従って分類される間質サブタイプと比較し、分析は、胃癌サブタイプと間質サブタイプの間に強い関連はないことを明らかにする(表16)。
シンガポール胃癌データセットが、4つの別々の癌サブタイプ:間葉系、代謝性、増殖性、及び不安定性と共に報告された。表17は、本開示の集団ベースの方法(平均値又はゼロにおける閾値)を用いて分類した192人の患者の間質サブタイプ間の相関の欠如を示す。
年齢の共分散が報告された3つのデータセットの全ての患者について、分類された患者の4つの間質サブタイプと年齢の関係を、調査した(表18)。全3つのデータセットの患者を本開示の集団ベースの方法(平均値又はゼロにおける閾値)を用いて分類した場合、年齢と4つの間質サブタイプの間に明らかな関連はなかった。
表18.年齢の共分散は、3つの公開されている胃癌データセット中の本開示の間質サブタイプと関連しなかった。388人中252人の対象のみが、TCGAデータコホートのために年齢を報告し、一方で年齢は、全300のACRG及び192人のシンガポール患者について報告された。
性別の共分散が報告された3つのデータセットの全ての患者について、分類された患者の4つの間質サブタイプと性別の関係を、調査した(表19)。全3つのデータセットの患者を本開示の集団ベースの方法(平均値又はゼロにおける閾値)を用いて分類した場合、性別と4つの間質サブタイプの間に明らかな関連はなかった。
癌ステージの共分散が報告された3つのデータセットの全ての患者について、分類された患者の4つの間質サブタイプと癌ステージの関係を、調査した(表20)。全3つのデータセットの患者を本明細書に開示される集団ベースの方法(平均値又はゼロにおける閾値)で分類した場合、癌ステージと4つの間質サブタイプの間に明らかな関連はなかった。
表20.癌ステージの共分散は、3つの公開されている胃癌データセットにおける本開示の間質サブタイプと相関しなかった。300人中298人の対象は、ACRGにおける疾患のステージを報告した;388人中375人のTCGAデータ対象が、ステージを報告した;192人のシンガポール対象が、ステージを報告した。
ローレン腫瘍分類の共分散が報告されたACRGの全ての患者について、分類された患者の4つの間質サブタイプとローレン腫瘍分類の関係を、調査した(表21)。胃腫瘍のローレン腫瘍分類は、当技術分野で知られており、3つの型:びまん性、腸管、及び混合、がある。ACRG患者を本開示の集団ベースの方法(平均値又はゼロにおける閾値)で分類した場合、ローレン腫瘍分類と4つの間質サブタイプの間に明らかな関連はなかった。
カプラン・マイヤー曲線として当技術分野で知られている生存曲線を、本開示の集団ベースの方法(特に断らない限り、平均値又はゼロに設定した閾値)に従って、個々の及び組み合わせた3つのデータセットに基づき作成した。
図2のカプラン・マイヤープロットは、分類したACRGコホートについて、x軸上の時間(月)に対しy軸上に生存確率としてプロットした生存曲線を示す。生存の結果は、間質サブタイプIDとIAの間、及びIDとAの間で統計的に異なるが、IDとISの間では異ならない。表22も参照されたい。生存性について最も好ましい間質サブタイプは、IA、すなわち免疫活性であり、免疫炎症性腫瘍を有する胃癌患者が最良の結果を有するという観察と一致した。A及びISグループは、最悪の生存リスクを表す。
IA患者では、免疫細胞は、癌のネオ抗原負荷に応答して高まっている。IS、すなわち免疫抑制の患者は、癌に対する免疫応答は高まらなかった。ID、すなわち免疫砂漠の患者は、本開示の表1及び表2に示した多くの間質遺伝子転写を有していなかった。患者は免疫応答を高めているようには見えなかったが、血管新生増殖も有していなかった。A、すなわち血管新生患者は、急速に増殖する腫瘍血管系を有している可能性があった。
表22は、生存の結果が、IDとIAの間及びIDとAの間で統計的に異なったが、IDとISの間では異ならなかったことを明らかにした。この生存解析において、ハザード比(HR)は、説明変数の2つのレベルにより説明される条件に対応するハザード率の比であった。この例では、IDとIAの間のHRは、0.519であり、ID間質サブタイプについての増加された死亡リスクを示した。
図3のカプラン・マイヤープロットは、分類したTCGAコホートについて、x軸上の時間(月)に対しy軸上に生存確率としてプロットした生存曲線を示す。TCGAデータセットにおいて、生存の結果は、ACRGデータセットにみられるようにいくつかの間質サブタイプ間で統計的に異ならなかった(表23;図2及び表22とも比較して)。しかし、全3つのデータセットを組み合わせると(シンガポールデータセットを以下に記載する)、4つのクラスの間質サブタイプの生存の結果のデータは、統計的に有意になった(表25参照)。
図4のカプラン・マイヤープロットは、分類したシンガポールコホートについて、x軸上の時間(月)に対しy軸上に生存確率としてプロットした生存曲線を示す。シンガポールデータセットにおいて、生存の結果は、ACRGデータセットにみられるようにいくつかの間質サブタイプ間で統計的に異ならなかった(表24;図2及び表22とも比較して)。しかし、全3つのデータセットを組み合わせると、データは、統計的に有意になった(表25参照)。
ゼロ又は平均値の閾値で分類された、3つの組み合わせデータセットについてのカプラン・マイヤープロットは、図5でみることができる。生存確率を、x軸上の時間(月)に対しy軸上にプロットした。統計を、表25に報告する。全てのACRG、TCGA、及びシンガポールのデータセットを組み合わせた場合の各クラスの患者の数は、以下のとおりであった:クラスID、n=286、又は32.5%;クラスIA、n=199、又は22.6%;クラスA、n=182、又は20.7%;クラスIS、n=213、又は24.2%。生存の結果は、間質サブタイプIDとIAとの間では統計的に異なったが、IDとAの間、又はIDとISの間では統計的に異ならなかった。表25も参照されたい。これらのデータは、これらのサブタイプによって説明される異なる間質生態が、癌の結果に差次的に相関することを示唆する。
遺伝子オントロジー解析を行った。図6Aは、ACRGデータにおける4つの間質サブタイプの関数として、Tregシグネチャー(Angelovaら(2015)Genome Biol.16:64)からの発現レベルの値の中央値及び範囲のボックスプロットを示す。図6Bは、ACRGデータにおける4つの間質サブタイプの関数として、(GO(Gene Ontology,GO_REF:0000022)で定義される)炎症性応答シグネチャーの発現レベルの値の中央値及び範囲のボックスプロットを示す。
2つのシグネチャーのシグネチャー1とシグネチャー2のさらなる遺伝子オントロジー解析を、行った。ACRGコホートについて、各患者のシグネチャー1経路活性化スコアを、x軸上にプロットし、内皮細胞シグネチャー活性化を、y軸上にプロットした。トレンドラインは、線形回帰を表す。内皮細胞シグネチャーを、Bhasinら,BMC Genomics 11:342,2010から取得した。正の勾配は、ACRGコホート内の患者のシグネチャー1遺伝子と内皮細胞シグネチャーの間の正の相関を示した(図7A)。各患者のシグネチャー2経路活性化スコアを、x軸上にプロットし、示された経路についての経路活性化スコアを、y軸上にプロットした。トレンドラインは、線形回帰を表す。正の勾配は、ACRGコホート内の患者のシグネチャー2経路活性化スコアとプロットのタイトルに示される経路の間の正の相関を示した。トレンドラインの勾配から、マクロファージ経路に関与する遺伝子はシグネチャー2遺伝子とほとんど相関しないが、炎症性応答経路(GO(Gene Ontology,GO_REF:0000022)によって定義される)並びにTreg及びT細胞経路(Angelovaら)に関与する遺伝子は、正に相関したことがわかる(図7B)。同様の分析を、TCGAデータセット(図8Aと図8B)及びシンガポールデータセット(図9Aと図9B)を用いて行った。
様々な閾値を用いて、ACRGデータセットの患者を層別化又は分類した(表26)。各個々のZスコア(ユニットレス)に+又は-0.4(例えば)の閾値を適用すると、患者のzs又は活性化スコアが変化し、したがって、4つの間質サブタイプの各々に割り当てられる患者の数が変化することが分かる。いくつかの態様では、異なる閾値、及びシグネチャー1と2の各々について異なる閾値が、本開示の方法に適切である。
実施例3
前処理した胃腫瘍微小環境RNAシグネチャーは、チェックポイント阻害剤療法に対する臨床応答と相関する
要約:遡及的データ分析は、胃癌腫瘍微小環境の表現型が、患者をチェックポイント阻害剤などの標的療法で治療した場合臨床応答に相関することを示した。分析は、45個の胃癌腫瘍試料を含んだ。データは、免疫活性(IA)表現型が、免疫抑制(IS)、免疫砂漠(ID)、及び血管新生(A)表現型に対してチェックポイント阻害剤に独自に応答したことを示した。
前処理した胃腫瘍微小環境RNAシグネチャーは、チェックポイント阻害剤療法に対する臨床応答と相関する
要約:遡及的データ分析は、胃癌腫瘍微小環境の表現型が、患者をチェックポイント阻害剤などの標的療法で治療した場合臨床応答に相関することを示した。分析は、45個の胃癌腫瘍試料を含んだ。データは、免疫活性(IA)表現型が、免疫抑制(IS)、免疫砂漠(ID)、及び血管新生(A)表現型に対してチェックポイント阻害剤に独自に応答したことを示した。
背景情報、方法及び結果:ペムブロリズマブを受けた胃癌を有する45人の患者の遡及的分類を、本開示の集団ベースの方法に従って分類した。RNA発現レベルを、ペアエンドRNA-Seqにより測定し、分類前に正規化した。データを、RECIST基準、例えば、完全奏功者(CR)、部分奏功者(PR)及びSD/PD(安定疾患/進行性疾患)に従って報告する(表27参照)。全応答率(ORR)を、総患者数で除算したCR+PR患者の数として定義する。全患者のORRは、27%(12/45)であった。クラス応答率を、そのクラスの患者数で除算した間質サブタイプクラスのCR+PR患者の数として定義する。患者を遡及的に分析しクラスIAに入れると、応答率は、80%であり、クラスISでは、応答率は、18%であった。遡及的にクラスIDに入った患者は、12%の応答率を有し、クラスA患者は、0%の応答率を有した。
本開示は、それを必要とする対象における癌の腫瘍微小環境(TME)を決定するため(かつ必要に応じて、TMEクラス特異的療法の対象を選択するため)の方法であって、対象の腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用する工程を含み、機械学習分類器が、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEを示すか否かとして対象を識別し、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、ペムブロリズマブの投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、ペムブロリズマブの投与を含む、
方法を提供する。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、対象へのTMEクラス特異的療法の施行を含み、施行前に、対象が、対象から取得した腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用することによって決定されるTMEを示すか否かとして識別され、TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択され、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、ペムブロリズマブの投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、ペムブロリズマブの投与を含む、
方法を提供する。
実施例4
抗血管新生療法に対する臨床応答と相関する前処理した胃腫瘍微小環境RNAシグネチャー
要約:遡及的データ分析は、胃癌間質表現型が、患者を血管新生阻害剤などの標的療法で治療すると、臨床応答と相関することを示した。分析は、49個の胃癌腫瘍試料を含んだ。データは、血管新生(A)及び免疫抑制(IS)表現型が、免疫活性(IA)及び免疫砂漠(ID)表現型に対して抗血管新生療法に独自に応答したことを示した。
抗血管新生療法に対する臨床応答と相関する前処理した胃腫瘍微小環境RNAシグネチャー
要約:遡及的データ分析は、胃癌間質表現型が、患者を血管新生阻害剤などの標的療法で治療すると、臨床応答と相関することを示した。分析は、49個の胃癌腫瘍試料を含んだ。データは、血管新生(A)及び免疫抑制(IS)表現型が、免疫活性(IA)及び免疫砂漠(ID)表現型に対して抗血管新生療法に独自に応答したことを示した。
背景情報、方法及び結果:ラムシルマブ、VEGF阻害剤、及びパクリタキセルからなる薬物の組み合わせは、PDL-1陰性胃癌患者において一般的に使用される第2選択治療の計画である。患者をラムシルマブ及びパクリタキセルで治療した場合に間質表現型が臨床結果と相関するかを調べるために、RNA遺伝子シグネチャーを、49人の胃癌患者からの前処理保存組織において分析し、本開示の集団ベースの方法に従って分類した。各間質表現型間の相関を、臨床結果のデータに対して試験した。4つの表現型の1つに患者を層別化すると、効果の大きさ及び臨床的有意性は、履歴データと比較して変化する(Wilkeら 2014)。データを、RECIST基準、例えば、完全奏功者(CR)、部分奏功者(PR)及びSD/PD(安定疾患/進行性疾患)に従って報告する(表28参照)。RNA発現レベルを、ペアエンドRNA-Seqにより測定し、分類前に正規化した。全応答率(ORR)を、総患者数で除算したCR+PR患者の数として本明細書では定義する。本実施例の49人の患者について、全患者のORRは、39%(19/49)であった。クラス応答率を、そのクラスの患者数で除算した間質サブタイプクラスのCR+PR患者の数として本明細書では定義する。患者を遡及的に分析しクラスISに入れると、応答率は、56%であり、クラスAでは、応答率は37%であった。遡及的にクラスIAに入った患者は、33%のクラス応答率を有し、クラスID患者は、25%のクラス応答率を有した。全体として、この比較的小さな患者試料セットにおいて、A及びIS腫瘍微小環境表現型は、抗血管新生療法で改善された臨床結果と特異的に相関した。
本開示は、それを必要とする対象の癌の腫瘍微小環境(TME)を決定するため(かつ必要に応じて、TMEクラス特異的療法の対象を選択するため)の方法であって、対象からの腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用する工程を含み、機械学習分類器が、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEを示すか否かとして対象を識別し、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、VEGF阻害剤、例えば、ラムシルマブ、及びパクリタキセルの投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、VEGF阻害剤、例えば、ラムシルマブ、及びパクリタキセルの投与を含む、
方法を提供する。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、対象へのTMEクラス特異的療法の施行を含み、施行前に、対象が、対象から取得された腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用することによって決定されるTMEを示すか否かとして識別され、TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択され、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、VEGF阻害剤、例えば、ラムシルマブ、及びパクリタキセルの投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、VEGF阻害剤、例えば、ラムシルマブ、及びパクリタキセルの投与を含む、
方法を提供する。
実施例5
前処理した胃腫瘍微小環境RNAシグネチャーは、化学療法に対する臨床応答と相関する
要約:遡及的データ分析は、胃癌腫瘍微小環境表現型が、患者を化学療法で治療したときに、臨床応答と相関することを示す。分析は、50個の胃癌腫瘍試料を含んだ。データは、血管新生(A)及び免疫抑制(IS)表現型が、免疫活性(IA)及び免疫砂漠(ID)表現型に対して化学療法にあまり応答しないことを示す。
前処理した胃腫瘍微小環境RNAシグネチャーは、化学療法に対する臨床応答と相関する
要約:遡及的データ分析は、胃癌腫瘍微小環境表現型が、患者を化学療法で治療したときに、臨床応答と相関することを示す。分析は、50個の胃癌腫瘍試料を含んだ。データは、血管新生(A)及び免疫抑制(IS)表現型が、免疫活性(IA)及び免疫砂漠(ID)表現型に対して化学療法にあまり応答しないことを示す。
背景情報、方法及び結果:FOLFOXは、フルオロウラシル、ロイコボリン及びオキサリプラチンからなる一般的に使用される化学療法併用計画である。FOLFOXでの全体的な応答率(ORR)は、未治療の進行型胃癌患者において34.8%として報告された(Al-Batranら J Clin Oncol.2008 Mar 20;26(9):1435-42)。進行までの時間の中央値(PFS)と全生存(OS)は、それぞれ5.8ヶ月と10.7ヶ月であった。患者を化学療法で治療した場合に間質表現型が臨床結果と相関するかを調べるために、RNA発現を、50人の胃癌患者からの前処理保存組織(44の原発腫瘍試料、6の転移腫瘍試料)において分析する。各間質表現型間の相関を、臨床結果のデータに対し試験する。A及びIS患者では、FOLFOXの使用は、IA及びID表現型に分類された患者と比較してあまり利益を与えない。IA及びID患者では、中央値PFS及びOSは、それぞれ約7.8ヶ月と14.7ヶ月に延びる。全体として、この比較的小さな患者試料セットでは、A及びIS腫瘍微小環境表現型は、改善した臨床結果と特異的に相関しており、表現型が化学療法の利益を予測することを示唆し得る。
本開示は、それを必要とする対象の癌の腫瘍微小環境(TME)を決定するため(かつ必要に応じてTMEクラス特異的療法の対象を選択するため)の方法であって、対象からの腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用する工程を含み、機械学習分類器が、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEを示すか否かとして対象を識別し、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、化学療法、例えば、FOLFOXの施行を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、化学療法、例えば、FOLFOXの施行を含む、
方法を提供する。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、対象へのTMEクラス特異的療法の施行を含み、施行前に、対象が、対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用することによって決定されるTMEを示すか否かとして識別され、TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択され、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、化学療法、例えば、FOLFOXの施行を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、化学療法、例えば、FOLFOXの施行を含む、
方法を提供する。
実施例6
結腸直腸癌腫瘍微小環境RNAシグネチャーは、抗血管新生療法に対する臨床的応答と相関する
要約:遡及的データ分析は、結腸直腸癌腫瘍微小環境表現型が、血管新生阻害剤を含む標的療法で患者を治療した場合に、臨床応答と相関することを示す。分析は、642個の結腸直腸癌腫瘍試料の分析を含んだ。データは、血管新生(A)及び免疫抑制(IS)表現型が、免疫活性(IA)及び免疫砂漠(ID)表現型に対して抗血管新生療法に独自に応答することを示す。
結腸直腸癌腫瘍微小環境RNAシグネチャーは、抗血管新生療法に対する臨床的応答と相関する
要約:遡及的データ分析は、結腸直腸癌腫瘍微小環境表現型が、血管新生阻害剤を含む標的療法で患者を治療した場合に、臨床応答と相関することを示す。分析は、642個の結腸直腸癌腫瘍試料の分析を含んだ。データは、血管新生(A)及び免疫抑制(IS)表現型が、免疫活性(IA)及び免疫砂漠(ID)表現型に対して抗血管新生療法に独自に応答することを示す。
背景情報、方法及び結果:化学療法と組み合わせたベバシズマブは、進行型結腸直腸癌を有する患者においてPFS及びOSを増加させる(Snyderら Rev Recent Clin Trials.2018;13(2):139-149)。以前に治療されない転移性結腸直腸癌患者における全体的な応答率(RR)は、左側の腫瘍において80%及び右側の腫瘍において83%と報告された。左側と右側の両方の腫瘍における進行までの時間の中央値(PFS)と全生存(OS)は、それぞれ13ヶ月と37ヶ月であった。腫瘍微小環境表現型が、患者を血管新生阻害剤で治療した場合に臨床結果と相関するかを調べるために、腫瘍RNA遺伝子シグネチャーを、642個の胃癌患者から収集した保存組織(321の左側、321個の右側)から分析する。各腫瘍表現型間の相関を、臨床結果のデータに対し試験した。4つの表現型の1つへの腫瘍の層別化により、効果の大きさ及び重要度は、履歴データと比較して変わる。A及びIS患者では、ベバシズマブの使用は、IA及びID表現型に分類された患者と比較して適度な利得を与え、A及びIS患者では、中央値PFS及びOSは、それぞれ15ヶ月と39ヶ月にシフトすると予測される。IA及びID患者における無増悪生存期間及びOSデータは、履歴値と一致する。全体として、A及びIS腫瘍微小環境表現型は、血管新生阻害剤を用いて改善された臨床結果と特異的に相関し、PFSに関して予測効果を有する。
本開示は、それを必要とする対象の癌の腫瘍微小環境(TME)を決定するため(かつ必要に応じてTMEクラス特異的療法の対象を選択するため)の方法であって、対象からの腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用する工程を含み、機械学習分類器が、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEを示すか否かとして対象を識別し、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、結腸直腸癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、化学療法と組み合わせたベバシズマブの投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、結腸直腸癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、化学療法と組み合わせたベバシズマブの投与を含む、
方法を提供する。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、対象へのTMEクラス特異的療法の施行を含み、施行前に、対象が、対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用することによって決定されるTMEを示すか否かとして識別され、TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択され、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、結腸直腸癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、化学療法と組み合わせたベバシズマブの投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、結腸直腸癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、化学療法と組み合わせたベバシズマブの投与を含む、
方法を提供する。
実施例7
バビツキシマブ第II相臨床試験
この実施例は、ヒトにおける免疫療法剤の活性を増強するためのバビツキシマブの使用に関し、本開示による患者の間質サブタイプの特徴付けと共に、抗PD-1又は抗PD-L1抗体と組み合わせたバビツキシマブで癌患者を治療することに特に関する。
バビツキシマブ第II相臨床試験
この実施例は、ヒトにおける免疫療法剤の活性を増強するためのバビツキシマブの使用に関し、本開示による患者の間質サブタイプの特徴付けと共に、抗PD-1又は抗PD-L1抗体と組み合わせたバビツキシマブで癌患者を治療することに特に関する。
(i)チェックポイント阻害剤での治療後に確認された疾患制御(CR、PR、又はSD)を達成した後に再発したか、又は(ii)進行型胃癌又は胃食道癌における抗PD-1若しくは抗PD-L1療法を施していない、患者のいずれかにおけるバビツキシマブとペムブロリズマブの非盲検、第II相試験。この試験は、米国及びアジアを含む、世界中の約19センターで行われた。この試験の目的は、(i)組み合わせが安全であり、かつ抗PD-1又は抗PD-L1単剤療法での履歴結果と比較して、併用治療に臨床的に有意な改善を提供したかを調べること、及び(ii)組み合わせ療法に対する応答がRUO(研究使用限定)シナリオにおける他のバイオマーカーサブグループよりも有意であった、バイオマーカーサブグループが存在したかを調べること、であった。
試験生成物、用量、及び投与様式は、以下のとおりであった:バビツキシマブは、pH5.0で10mM酢酸と注射用の水と共に、無菌の保存剤を含まない溶液として供給された。バビツキシマブを、臨床プロトコルに従い、毎週少なくとも3mg/kg体重で静脈内(IV)注入として投与した。ペムブロリズマブの200mgの均一用量を、Q3Wで投与した。
最近の生検からのホルマリン固定組織を、全RNA配列決定技術会社によって確立されたプロトコルに従いRNA配列を生成するために使用した。
間質サブタイプがIA又はISであった患者(集団ベース法によって分析した場合)、又はバイオマーカー陽性であった患者(ANN法により分析した場合)は、バビツキシマブとペムブロリズマブ(例示的なチェックポイント阻害剤)の併用治療から恩恵を受けた。
表29は、RNA配列データが利用可能であった38人の患者のデータに、適切な閾値、カットオフ、又はパラメータを用いるANN法を適用した結果、並びにORR、DCR、及び最良総合効果(CR、PR、SD、及びPD)をまとめる。
表29.バイオマーカーデータが利用可能であった、バビツキシマブとペムブロリズマブ併用療法で治療した胃癌/胃食道癌を有する38人の患者についてのバイオマーカー陽性及び陰性。バイオマーカー陽性(すなわち、バイオマーカーの存在)又は陰性(すなわち、バイオマーカーの不在)を、ANN法を用いて決定した。
疾患制御率(DCR)を、抗癌剤の臨床試験における治療的介入に対する完全奏功(CR)、部分奏功(PR)又は安定疾患(SD)を達成した進行性又は転移性の癌を有する患者の割合として定義した。PDは、進行性疾患である。
バイオマーカーデータ(すなわち、ANN法で分類したRNA発現データ)が存在する、ONCG100試験における38人の患者の遡及分析を、NLR(好中球-白血球の比)データと組み合わせた。表30にパフォーマンスデータを示す。
バビツキシマブとペムブロリズマブとの併用療法を受けている80人の胃癌/胃食道癌患者群において、バイオマーカー陽性率は、約30%である。
表31は、バイオマーカーデータを有する23人の患者についての集団ベースのZスコア間質表現型分類及び最良総合効果を示す。
表32は、全44人の患者についての試験の中間結果を示す。客観的応答が、9人の患者において観察され、全登録患者の奏効率(ORR)は、20%であった。全ての患者の応答を確認したわけではない。
加えて、他の非RNAシグネチャーベースのバイオマーカーを用いて、患者のベースライン免疫状態を評価した。これらは、組み合わせ陽性スコア(CPS)を用いたマイクロサテライト不安定性(MSI-H)、ミスマッチ修復欠損(例えば、IHCにより決定される)、EBV(エプスタインバールウイルス)はHPV(ヒトパピローマウイルス)陽性(存在又は不在のいずれか)、ベースラインβ2GP1(β2-糖タンパク質1)発現レベル、IFNγ発現レベル、及びPD-1又はPD-L1発現レベルを含んだ。CPSは、生存可能な腫瘍細胞の総数で除算したPD-L1染色細胞(例えば、腫瘍細胞、リンパ球、マクロファージ)の数を100倍した数である。
MSI-H(すなわち、マイクロサテライト不安定性が高い)、及び/又は陽性のEBVシグナルを有する、かつ/又はPD-L1発現レベルが高い患者は、抗PD-1又は抗PD-L1単剤療法に対する応答がより良好であることが、当技術分野で知られている。この臨床試験では、MSS(マイクロサテライト安定、MSI-Hとは反対)、EBV-陰性、又はPD-L1低患者は、バビツキシマブから恩恵を受け、患者はペムブロリズマブに良好に応答することが期待された。28人のMSS患者についてのMSS(マイクロサテライト安定性)についての患者サブセット分析において、ORRは、21.0(n=6)であり、16人の患者は、未知のMSS状態を有した。CPS<1を有する患者の20%が、治療に応答した。完全奏功者(CR)であった両方の患者は、1未満のCPSスコアを有した。
本開示は、それを必要とする対象の癌の腫瘍微小環境(TME)を決定するため(かつ必要に応じて、TMEクラス特異的療法の対象を選択するため)の方法であって、対象からの腫瘍組織試料からの遺伝子パネルから得られた複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用する工程を含み、機械学習分類器が、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEを示すか否かとして対象を識別し、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、進行性の胃癌又は胃食道癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、バビツキシマブ及び抗PD-1免疫療法抗体(例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、若しくはTSR-042)又は抗PD-L1免疫療法抗体の投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、進行性の胃癌又は胃食道癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、バビツキシマブ及び抗PD-1免疫療法抗体(例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、若しくはTSR-042)又は抗PD-L1免疫療法抗体の投与を含む、
方法を提供する。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、対象へのTMEクラス特異的療法の施行を含み、施行前に、対象が、対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用することによって決定されるTMEを示すか否かとして識別され、TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択され、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、進行性の胃癌/胃食道癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、バビツキシマブ及び抗PD-1免疫療法抗体(例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、若しくはTSR-042)又は抗PD-L1免疫療法抗体の投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、進行性の胃癌/胃食道癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、バビツキシマブ及び抗PD-1免疫療法抗体(例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、若しくはTSR-042)又は抗PD-L1免疫療法抗体の投与を含む、
方法を提供する。
実施例8
バビツキシマブ第III相臨床試験
本実施例は、患者選択ツール、すなわちIUO(調査員使用限定)として本開示の方法を用いる、胃癌におけるバビツキシマブ及び抗PD-1免疫療法抗体のための第III相、ピボタル試験を説明する。
バビツキシマブ第III相臨床試験
本実施例は、患者選択ツール、すなわちIUO(調査員使用限定)として本開示の方法を用いる、胃癌におけるバビツキシマブ及び抗PD-1免疫療法抗体のための第III相、ピボタル試験を説明する。
本試験は、先の実施例に記載した臨床試験と同様であるが、30の試験センターで、かつ進行型腺癌の胃癌又は胃食道癌を有する300人の患者を用いて実施される。胃癌患者から検体を採取し、RNA発現レベルを、シグネチャー1及びシグネチャー2遺伝子について測定し、適切な閾値を用いて、集団ベースの基準と比較する。ISである患者は、バビツキシマブ及びチェックポイント阻害剤に最もよく応答し、プロトコルの統計セクションによって定義される併用治療からの臨床的に有意な改善がある。IAの患者も応答するが、ID及びA患者は、試験に不適格である。
本開示は、それを必要とする対象の癌の腫瘍微小環境(TME)を決定するため(かつ必要に応じてTMEクラス特異的療法の対象を選択するため)の方法であって、対象からの腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用する工程を含み、機械学習分類器が、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEを示すか否かとして対象を識別し、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、バビツキシマブ及び抗PD-1免疫療法抗体(例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、若しくはTSR-042)の投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、バビツキシマブ及び抗PD-1免疫療法抗体(例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、若しくはTSR-042)の投与を含む、
方法を提供する。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、対象へのTMEクラス特異的療法の施行を含み、施行前に、対象が、対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用することによって決定されるTMEを示すか否かとして識別され、TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択され、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、バビツキシマブ及び抗PD-1免疫療法抗体(例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、若しくはTSR-042)の投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、バビツキシマブ及び抗PD-1免疫療法抗体(例えば、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、若しくはTSR-042)の投与を含む、
方法を提供する。
実施例9
抗VEGF療法の第I/II相試験
本実施例は、本開示による患者の間質サブタイプに基づき、単剤として又は化学療法などのケア標準と組み合わせて活性を増強するために、VEGFと関連付けられる一成分と共に抗血管新生抗体(例えば、VEGF若しくは抗DLL4モノクローナル抗体に特異的なモノクローナル抗体)及び/又は二重特異性抗体(例えば、抗VEGF/抗DLL4二重特異性ナビシキズマブ)を使用することに関する。
抗VEGF療法の第I/II相試験
本実施例は、本開示による患者の間質サブタイプに基づき、単剤として又は化学療法などのケア標準と組み合わせて活性を増強するために、VEGFと関連付けられる一成分と共に抗血管新生抗体(例えば、VEGF若しくは抗DLL4モノクローナル抗体に特異的なモノクローナル抗体)及び/又は二重特異性抗体(例えば、抗VEGF/抗DLL4二重特異性ナビシキズマブ)を使用することに関する。
本実施例は、以下の疾患;進行性疾患の承認された治療の全ての選択(例えば、第4選択)に失敗した進行型白金抵抗性卵巣癌、標準的な化学療法(例えば、第3選択)の少なくとも2つの事前計画後の結腸若しくは直腸の難治性腺癌、又は手術後の進行型腺癌の胃癌若しくは胃食道癌(例えば、第1選択)を有する患者における、単独又はケア標準と組み合わせた抗VEGF療法の非盲検第I/II相試験を説明する。本試験は、米国、欧州、及びアジアを含む、世界中の約10のセンターで実施される。本試験の目標は、単剤療法抗VEGF治療又は併用治療が安全であり、かつ履歴結果と比較して臨床的に有意な改善があるかを見ることである。VEGF治療又はVEGFでの併用治療に対するバイオマーカー陽性サブグループ(A及びIS)における可能性のある予測結果を含むことは、RUO(研究使用限定)シナリオにおいて臨床的に有意である。
投与の試験品、用量、及び様式は、以下のとおりである:臨床プロトコルに従って静脈内(IV)注入として施行される。
最近の生検からのホルマリン固定組織を、HTG Molecular Diagnostics(Tucson,Arizona,USA)又はAlmac(Craigavon,Northern Ireland,UK)などの、RNA配列決定技術会社によって確立されたプロトコルに従いRNA配列を生成するために使用する。間質サブタイプがA又はISである患者は、抗VEGF治療又は抗VEGF併用治療から恩恵を受けるであろう。
本開示は、それを必要とする対象の癌の腫瘍微小環境(TME)を決定するため(かつ必要に応じてTMEクラス特異的療法の対象を選択するため)の方法であって、対象からの腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用する工程を含み、機械学習分類器が、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEを示すか否かとして対象を識別し、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、進行性疾患の承認された治療の全ての選択(例えば、第4選択)に失敗した進行型白金抵抗性卵巣癌、標準的な化学療法(例えば、第3選択)の少なくとも2つの事前計画後の結腸若しくは直腸の難治性腺癌、又は手術後の進行型腺癌の胃癌若しくは胃食道癌(例えば、第1選択)からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、(b)の癌を有する対象において、単剤として又は化学療法などのケア標準と組み合わせて活性を増強するために、VEGFと関連付けられる一成分と共に抗血管新生抗体(例えば、VEGF若しくは抗DLL4モノクローナル抗体に特異的なモノクローナル抗体)及び/又は二重特異性抗体(例えば、抗VEGF/抗DLL4二重特異性ナビシキズマブ)を投与することを含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、進行性疾患の承認された治療の全ての選択(例えば、第4選択)に失敗した進行型白金抵抗性卵巣癌、標準的な化学療法(例えば、第3選択)の少なくとも2つの事前計画後の結腸若しくは直腸の難治性腺癌、又は手術後の進行型腺癌の胃癌若しくは胃食道癌(例えば、第1選択)からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、(b)の癌を有する対象において、単剤として又は化学療法などのケア標準と組み合わせて活性を増強するために、VEGFと関連付けられる一成分と共に抗血管新生抗体(例えば、VEGF若しくは抗DLL4モノクローナル抗体に特異的なモノクローナル抗体)及び/又は二重特異性抗体(例えば、抗VEGF/抗DLL4二重特異性ナビシキズマブ)を投与することを含む、
方法を提供する。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、対象へのTMEクラス特異的療法の施行を含み、施行前に、対象が、対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用することによって決定されるTMEを示すか否かとして識別され、TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択され、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、進行性疾患の承認された治療の全ての選択(例えば、第4選択)に失敗した進行型白金抵抗性卵巣癌、標準的な化学療法(例えば、第3選択)の少なくとも2つの事前計画後の結腸若しくは直腸の難治性腺癌、又は手術後の進行型腺癌の胃癌若しくは胃食道癌(例えば、第1選択)からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、(b)の癌を有する対象において、単剤として又は化学療法などのケア標準と組み合わせて活性を増強するために、VEGFと関連付けられる一成分と共に抗血管新生抗体(例えば、VEGF若しくは抗DLL4モノクローナル抗体に特異的なモノクローナル抗体)及び/又は二重特異性抗体(例えば、抗VEGF/抗DLL4二重特異性ナビシキズマブ)を投与することを含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、進行性疾患の承認された治療の全ての選択(例えば、第4選択)に失敗した進行型白金抵抗性卵巣癌、標準的な化学療法(例えば、第3選択)の少なくとも2つの事前計画後の結腸若しくは直腸の難治性腺癌、又は手術後の進行型腺癌の胃癌若しくは胃食道癌(例えば、第1選択)からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、(b)の癌を有する対象において、単剤として又は化学療法などのケア標準と組み合わせて活性を増強するために、VEGFと関連付けられる一成分と共に抗血管新生抗体(例えば、VEGF若しくは抗DLL4モノクローナル抗体に特異的なモノクローナル抗体)及び/又は二重特異性抗体(例えば、抗VEGF/抗DLL4二重特異性ナビシキズマブ)を投与することを含む、
方法を提供する。
実施例10
抗VEGF療法の第III相試験
本実施例は、層別化ツール、すなわち、IUO(調査員使用限定)として本開示の方法を用いる、以下の疾患;進行性疾患の承認された治療の全ての選択(例えば、第4選択)に失敗した進行型白金抵抗性卵巣癌、標準的な化学療法(例えば、第3選択)の少なくとも2つの事前計画後の結腸若しくは直腸の難治性腺癌、又は手術後の進行型腺癌の胃癌若しくは胃食道癌(例えば、第1選択)、を有する患者における、単独での又はケア標準と組み合わせた抗VEGF治療による(例えば、VEGF若しくは抗DLL4モノクローナル抗体に特異的なモノクローナル抗体による、及び/又は二重特異性抗体、例えば、抗VEGF/抗DLL4二重特異性ナビシキズマブによる)前の実施例の兆候の1つについての第III相ピボタル試験を説明する。
抗VEGF療法の第III相試験
本実施例は、層別化ツール、すなわち、IUO(調査員使用限定)として本開示の方法を用いる、以下の疾患;進行性疾患の承認された治療の全ての選択(例えば、第4選択)に失敗した進行型白金抵抗性卵巣癌、標準的な化学療法(例えば、第3選択)の少なくとも2つの事前計画後の結腸若しくは直腸の難治性腺癌、又は手術後の進行型腺癌の胃癌若しくは胃食道癌(例えば、第1選択)、を有する患者における、単独での又はケア標準と組み合わせた抗VEGF治療による(例えば、VEGF若しくは抗DLL4モノクローナル抗体に特異的なモノクローナル抗体による、及び/又は二重特異性抗体、例えば、抗VEGF/抗DLL4二重特異性ナビシキズマブによる)前の実施例の兆候の1つについての第III相ピボタル試験を説明する。
上記癌患者から生検を採取し、シグネチャー1及びシグネチャー2遺伝子のRNA発現レベルを測定し、ANNモデル(集団ベースの基準で訓練させた)で分析し、適切な閾値を用いて集団ベースの基準と比較する。A又はISである患者、すなわち、バイオマーカー陽性の患者は、抗VEGF治療又は抗VEGF併用療法に最もよく応答し、プロトコルの予め定義した統計計画と比較して、併用治療からの臨床的に有意な改善がある。ID又はIAである患者は、研究に不適格である。
本開示は、それを必要とする対象の癌の腫瘍微小環境(TME)を決定するため(かつ必要に応じて、TMEクラス特異的療法の対象を選択するため)の方法であって、対象からの腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用する工程を含み、機械学習分類器が、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEを示すか否かとして対象を識別し、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、進行性疾患の承認された治療の全ての選択(例えば、第4選択)に失敗した進行型白金抵抗性卵巣癌、標準的な化学療法(例えば、第3選択)の少なくとも2つの事前計画後の結腸若しくは直腸の難治性腺癌、又は手術後の進行型腺癌の胃癌若しくは胃食道癌(例えば、第1選択)からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、(b)の癌を有する患者において単剤として又はケア標準と組み合わせた抗VEGF療法(例えば、VEGF若しくは抗DLL4モノクローナル抗体に特異的なモノクローナル抗体、及び/又は二重特異性抗体、例えば、抗VEGF/抗DLL4二重特異性ナビシキズマブ)の施行を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、進行性疾患の承認された治療の全ての選択(例えば、第4選択)に失敗した進行型白金抵抗性卵巣癌、標準的な化学療法(例えば、第3選択)の少なくとも2つの事前計画後の結腸若しくは直腸の難治性腺癌、又は手術後の進行型腺癌の胃癌若しくは胃食道癌(例えば、第1選択)からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、(b)の癌を有する患者において単剤として又はケア標準と組み合わせた抗VEGF療法(例えば、VEGF若しくは抗DLL4モノクローナル抗体に特異的なモノクローナル抗体、及び/又は二重特異性抗体、例えば、抗VEGF/抗DLL4二重特異性ナビシキズマブ)の施行を含む、
方法を提供する。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、対象へのTMEクラス特異的療法の施行を含み、施行前に、対象が、対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用することによって決定されるTMEを示すか否かとして識別され、TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択され、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、進行性疾患の承認された治療の全ての選択(例えば、第4選択)に失敗した進行型白金抵抗性卵巣癌、標準的な化学療法(例えば、第3選択)の少なくとも2つの事前計画後の結腸若しくは直腸の難治性腺癌、又は手術後の進行型腺癌の胃癌若しくは胃食道癌(例えば、第1選択)からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、(b)の癌を有する患者において単剤として又はケア標準と組み合わせた抗VEGF療法(例えば、VEGF若しくは抗DLL4モノクローナル抗体に特異的なモノクローナル抗体、及び/又は二重特異性抗体、例えば、抗VEGF/抗DLL4二重特異性ナビシキズマブ)の施行を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、進行性疾患の承認された治療の全ての選択(例えば、第4選択)に失敗した進行型白金抵抗性卵巣癌、標準的な化学療法(例えば、第3選択)の少なくとも2つの事前計画後の結腸若しくは直腸の難治性腺癌、又は手術後の進行型腺癌の胃癌若しくは胃食道癌(例えば、第1選択)からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、(b)の癌を有する患者において単剤として又はケア標準と組み合わせた抗VEGF療法(例えば、VEGF若しくは抗DLL4モノクローナル抗体に特異的なモノクローナル抗体、及び/又は二重特異性抗体、例えば、抗VEGF/抗DLL4二重特異性ナビシキズマブ)の施行を含む、
方法を提供する。
実施例11
非集団機械学習分類器
機械学習に基づく3種類の非集団ベース分類器の機構を、提供する。本開示による非集団分類器は、例えば、ロジスティック回帰、ランダムフォレスト、及び人工ニューラルネットワーク(例えば、以下に提示される多層パーセプトロン)を包含する。適合モデル(分類器)、マッピング関数、及びパラメータを、提供する。
非集団機械学習分類器
機械学習に基づく3種類の非集団ベース分類器の機構を、提供する。本開示による非集団分類器は、例えば、ロジスティック回帰、ランダムフォレスト、及び人工ニューラルネットワーク(例えば、以下に提示される多層パーセプトロン)を包含する。適合モデル(分類器)、マッピング関数、及びパラメータを、提供する。
ロジスティック回帰
ロジスティック回帰モデルは、ある事象、例えば、ある表現型を表す患者の確率をモデル化する。これは、いくつかのクラスの事象、例えば、表現型の4つの別々の兆候をモデル化するために拡張できる。
ロジスティック回帰モデルは、ある事象、例えば、ある表現型を表す患者の確率をモデル化する。これは、いくつかのクラスの事象、例えば、表現型の4つの別々の兆候をモデル化するために拡張できる。
モデル適合:モデルは、予測子(ロジスティック関数)が訓練データセットX(例えば、本明細書に開示される集団ベースの分類器の適用から生じる割り当てられたTME分類と共に、例えば、本明細書に開示される遺伝子パネルに対応するrRNA発現レベルのセット)に対し最小の誤差を生じる、パラメータβを学習する。適合モデルは、パラメータβとロジスティック関数のセットとして表される。直感的に、ロジスティック回帰は、そのパラメータに最小の仮定をするモデルを探索する。ロジスティック回帰も正則化から恩恵を受け、それはオーバーフィットするおそれがない。ロジスティック回帰は、複数の結果(例えば、目標変数が複数、例えば4つの別々の値を有する場合)に一般化できる。多項ロジスティック回帰は、多クラス問題にロジスティック回帰を一般化する分類方法である。
ここで、パラメータβのセット(例えば、遺伝子パネルにおけるmRNA発現レベル)を、各クラス(例えば、TMEクラス)について学習させた。予測時に、各クラス(例えば、TMEクラス)に確率を割り当て、試料(例えば、遺伝子パネルにおけるmRNA発現レベルのセット)を、最も高い確率を有するTMEクラスに分類した。ACRGデータセットに適合された最終ロジスティック回帰モデルのパラメータを、以下の表に定義する。
ランダムフォレスト
ランダムフォレスト(Breiman L,2001)は、数百から数千の決定木を訓練するアンサンブル法である。個々の木は、単純な予測子(フローチャート様構造)であり、各内部ノードが特徴(遺伝子)上の試験を表し、各枝が試験の結果(発現が所定の閾値より高いか又は低いか)を表し、各葉がクラス標識(表現型)を保持する。ランダムフォレストモデルは、過剰適合を受けることなく、多数の木の中で成長する。より複雑な分類器(より多くの木を有するより大きなフォレスト)のこの観察は、複雑さの成長がほとんど常に過剰適合をもたらす他の技術とより正確なコントラストを得る。これは、ランダムフォレストを、小さいデータセット及び大きいデータセットに適用できる汎用性の高い分類器にする。図12A及び図12Bを参照されたい。
ランダムフォレスト(Breiman L,2001)は、数百から数千の決定木を訓練するアンサンブル法である。個々の木は、単純な予測子(フローチャート様構造)であり、各内部ノードが特徴(遺伝子)上の試験を表し、各枝が試験の結果(発現が所定の閾値より高いか又は低いか)を表し、各葉がクラス標識(表現型)を保持する。ランダムフォレストモデルは、過剰適合を受けることなく、多数の木の中で成長する。より複雑な分類器(より多くの木を有するより大きなフォレスト)のこの観察は、複雑さの成長がほとんど常に過剰適合をもたらす他の技術とより正確なコントラストを得る。これは、ランダムフォレストを、小さいデータセット及び大きいデータセットに適用できる汎用性の高い分類器にする。図12A及び図12Bを参照されたい。
モデル適合:個々のツリーを、最初に訓練セットからの交換でランダム試料をとること、次いでランダムにとった試料に分類ツリーを適合することにより、適合させた。モデルは、一組の木により表され、各々は、学習した規則のセットと、特徴上の決定閾値とを有する。ACRGデータセットに適合させた最終ランダムフォレストモデルのパラメータを、図13に定義する。
人工ニューラルネットワーク
多層パーセプトロン(MLP)は、フィードフォワード人工ニューラルネットワークのクラスである。MLPは、少なくとも3層ノード:入力層、隠れ層、及び出力層からなる。入力ノードを除き、各ノードは、非線形活性化関数を利用するニューロンである。MLPは、訓練のための誤差逆伝播法と呼ばれる教師あり学習技術を利用する。MLPは、直線的に分離できないデータを区別できる。
多層パーセプトロン(MLP)は、フィードフォワード人工ニューラルネットワークのクラスである。MLPは、少なくとも3層ノード:入力層、隠れ層、及び出力層からなる。入力ノードを除き、各ノードは、非線形活性化関数を利用するニューロンである。MLPは、訓練のための誤差逆伝播法と呼ばれる教師あり学習技術を利用する。MLPは、直線的に分離できないデータを区別できる。
訓練セット:ACRG遺伝子発現データセットを、訓練セットとして使用した。ACRGトレーニングセットは、利用可能な298個中235個の試料を含み、なぜなら63個の試料がクラスラベルの決定境界に近接していると同定されたからであり;これらの試料は、モデルの確実性に影響し、従って、訓練セットには含まれなかった。98連続変数(シグネチャー1及びシグネチャー2表、すなわち、表1及び表2に提示された遺伝子のサブセットを含む98個の遺伝子パネル)も含まれ、4つのターゲットクラス(A、IA、IS、及びID腫瘍微小環境)に対応した。他の訓練セット、例えば、表5に開示されるものを、使用できる。図14に示されるように、各試料は、遺伝子パネル中の各遺伝子についての値(例えば、mRNAレベル)及び特定のクラス(例えば、本明細書に開示される2つのシグネチャーに基づく集団法を用いて、割り当てられる)へのその分類を含んだ。
神経層アーキテクチャ:使用したANNは、図15で簡略化した形態で示されるような、入力層と、出力層と、1つの隠れ層とを備える多層パーセプトロン(MLP)であった。入力層の各ニューロンを、隠れ層中の2つのニューロンに接続し、隠れ層中の各ニューロンを、出力層中の各ニューロンに接続した。他のアーキテクチャ、例えば、図16に示すアーキテクチャのいずれかを用いて、本発明を実行できる。
訓練:訓練プロセスの目標は、ニューラルネットワークが訓練セット上の予測誤差を最小化するように、各入力についての重みwi及び隠れ層中のバイアスbを同定することであった。図17を参照されたい。図17に示されるように、遺伝子パネル中の各遺伝子(x1...xn)を、隠れ層の各ニューロンの入力として使用し、隠れ層のバイアスb値を、訓練プロセスを介して同定した。各ニューロンからの出力は、図17に示すように、各遺伝子発現レベル(x1)、重量(w1)及びバイアス(b)の関数であった。
多数の活性化関数を、図18に示すように、隠れ層に適用できる。-1~1の範囲の双曲線正接活性化関数(tanh)を用いて、本明細書に記載のANN分類器を生成した。
式中、yiはi番目のノード(ニューロン)の出力であり、viは入力接続の重み付き和であった。
上記のように、人工ニューラルネットワーク分類器は、入力層(98個の遺伝子パネルに対応する)における遺伝子発現値と、2つの間質シグネチャー間の関係をコードする隠れ層内の2つのニューロンと、4つの間質表現型の確率を予測する4つの出力を含んだ。図19を参照されたい。4つの表現型クラス(IA、ID、A、及びIS)への出力層値のマルチクラス分類は、ソフトマックス関数を含むロジスティック回帰分類器を適用することによって支持された。ソフトマックスは、1.0まで加算しなければならない各クラスに小数確率を割り当てた。この追加の制約は、訓練がより迅速に収束するのを助けた。ソフトマックスは、出力層の直前にニューラルネットワーク層を介して実行され、出力層と同数のノードを有した。
さらなる改良として、様々なカットオフを、使用した特定のデータセット(例えば、以下の例で議論されるペムブロリズマブのニューラルネット出力に適用されるカットオフ参照)に依存して、ソフトマックス関数の結果に適用した。
人工ニューラルネットワークの分類器の検査は、訓練アルゴリズムが、Zスコアルゴリズムに基づく集団モデル(すなわち、訓練データセットを生成するために使用した本開示の集団ベースの分類器)に導入したシグネチャー1及びシグネチャー2のシグネチャーの符号ベースの規則を表す重み(表34に列挙されている)を実際に学習したことを明らかにした。
ルールを、自動的に訓練データから推測した。アルゴリズムは、2つのニューロンを含むための隠れ層を除き、シグネチャー1及び2についてのいかなる仮定も与えられなかった。各隠れたニューロンについて、シグネチャー1及びシグネチャー2からの遺伝子は、陽性又は陰性の遺伝子の重みのいずれかにより少なくともある程度寄与したが、1つの隠れニューロンは、1つのシグネチャーによってより支配され、その逆も同様であった(図29A及び図29B)。
ACRGデータセットに適合された最終人工ニューラルネットワークモデルのパラメータのリストを、表35に示す。
実施例12
ペムブロリズマブ単剤療法へのANN法の適用
図20は、ペムブロリズマブ単剤療法で胃癌を治療した後に、TME IS及びIAクラス患者のみが完全奏功を示したこと、およびTMEクラスIAにおける完全奏功の数がISよりもはるかに多かったことを示す。さらに、部分奏功者の数もIAクラスではるかに多かった。
ペムブロリズマブ単剤療法へのANN法の適用
図20は、ペムブロリズマブ単剤療法で胃癌を治療した後に、TME IS及びIAクラス患者のみが完全奏功を示したこと、およびTMEクラスIAにおける完全奏功の数がISよりもはるかに多かったことを示す。さらに、部分奏功者の数もIAクラスではるかに多かった。
図21は、ANN分類器が、特定の癌(胃癌)を有し、かつ特定の療法(ペムブロリズマブ)で治療される患者からの遺伝子発現データを含むデータセットを用いて訓練され得ることを示す。分類器の出力は、TMEクラスA、IS、ID、IAに分類されるが、完全奏功者(CR)及び部分奏功者(PR)は、1に近いニューロン1出力値でクラスター化する。したがって、新しい閾値を、ペムブロリズマブ単剤療法に対し完全奏功者又は部分奏功者である可能性が高いIS及びIA TMEクラス内の患者を効果的に識別できるソフトマックス関数において実装できる。選択がISクラス患者とIAクラス患者の両方を含んだ場合(選択肢A;暗領域)、多数の非応答者が選択に含まれる。しかし、選択がIAクラスの患者のみを含んだ場合(選択肢B;暗領域)、全集団は、おそらく完全奏功者と部分奏功者のみで構成される。
選択肢1、すなわち、閾値を最適化するが、ISとIAグループの両方をとることは、バイオマーカー陽性の奏効率(ORR)の最適化を80%から70%ORR(10/14)へ適度に低減した。この選択肢は、バイオマーカー陰性を最小化し、全応答者の獲得を8/12から10/12へ最大化した。
選択肢2、すなわち、閾値を最適化するが、IAサブグループのみをとることは、バイオマーカー陽性ORRの最適化を80%から100%ORR(8/8)に改善した。しかし、バイオマーカー陰性を最小化する、又は全応答者の獲得を最大化する変化はなかった。
応答の境界を求めるために、確率スコアのさらなる最適化を行った。0.50の確率スコアと比較して、これは、バイオマーカー陽性(IA)群における応答者の最大化をもたらし、それはペムブロリズマブに応答した患者のより正確な予測を可能にし、一方でそれはまた、応答者グループ中のバイオマーカー陰性患者の数を最小化した。
0.5の確率スコアでは、性能は、80%PPV(陽性予測値)及び94%の特異性である。0.87の確率スコアでは、性能は、感度及びNPV(陰性予測値)を損なうことなく100%PPV及び100%特異性に上昇する。感度は、実際の応答者の数により除算した真のバイオマーカー応答者の数を指す。特異性は、実際の非応答者の数により除算した真のバイオマーカー非応答者の数を指す。PPVは、予測されるバイオマーカー応答者の総数により除算した真のバイオマーカー応答者の数(バイオマーカー陽性の評価がどれくらいうまく実施されるか)を指す。NPVは、総予測されるバイオマーカー非応答者の数により除算した真のバイオマーカー非応答者の数(バイオマーカー陰性の評価がどれくらいうまく実施されるか)を指す。
表36は、73人の胃癌患者の第2選択治療(77%ペムブロリズマブ、23%ニボリズマブ)後に、ANNバイオマーカー(IA)の特異性が83%であったことを示す。
本開示は、それを必要とする対象の癌の腫瘍微小環境(TME)を決定するため(かつ必要に応じて、TMEクラス特異的療法の対象を選択するため)の方法であって、対象からの腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用する工程を含み、機械学習分類器が、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEを示すか否かとして対象を識別し、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、ペムブロリズマブ単剤療法の投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、ペムブロリズマブ単剤療法の投与を含む、
方法を提供する。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、対象へのTMEクラス特異的療法の施行を含み、施行前に、対象が、対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用することによって決定されるTMEを示すか否かとして識別され、TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択され、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、ペムブロリズマブ単剤療法の投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、胃癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、ペムブロリズマブ単剤療法の投与を含む、
方法を提供する。
実施例13
ラムシルマブ及びパクリタキセルへのANN法の適用
実施例4のラムシルマブとパクリタキセルにおけるANNモデル性能。ラムシルマブは、血管新生を標的にするため、A及びIS TMEの応答者が予想された。したがって、結果をA/IS(両方とも血管新生応答TME)と組み合わせて、IA/ID TMEに対する感度及び特異性を比較した。
ラムシルマブ及びパクリタキセルへのANN法の適用
実施例4のラムシルマブとパクリタキセルにおけるANNモデル性能。ラムシルマブは、血管新生を標的にするため、A及びIS TMEの応答者が予想された。したがって、結果をA/IS(両方とも血管新生応答TME)と組み合わせて、IA/ID TMEに対する感度及び特異性を比較した。
この方法は、例えば、そのような特異的療法による治療の候補である個人を選択するために、他の癌の種類に及び他の療法に同様に適用されてよい。
患者を選択することなく、非応答者に対する応答者の全体の比率(19/48)は、39.6%であった(表39)。ANN法を用いて、応答の境界を見つけるために、さらなる最適化を行った。これは、バイオマーカー陽性グループにおける応答者の最大化をもたらし、それは、ラムシルマブとパクリタキセルの併用療法に応答した患者のより正確な予測を可能にし、一方でそれはまた、応答者グループ中のバイオマーカー陰性患者の数を最小化した。最適化後に、応答者の73.7%が、39.6%の非選択の割合と比較してバイオマーカー陽性であった。バイオマーカー陽性患者は、27.7%のバイオマーカー陰性率と比較して、約2.5倍の応答率:73.7%を有した。バイオマーカー陽性グループの生存期間中央値は、バイオマーカー陰性グループの16.5ヶ月に対し19ヶ月であった。
本開示は、それを必要とする対象の癌の腫瘍微小環境(TME)を決定するため(かつ必要に応じて、TMEクラス特異的療法の対象を選択するため)の方法であって、対象からの腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用する工程を含み、機械学習分類器が、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEを示すか否かとして対象を識別し、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;かつ
(b)TMEクラス特異的療法が、ラムシルマブ及びパクリタキセルの投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;かつ
(b)TMEクラス特異的療法が、ラムシルマブ及びパクリタキセルの投与を含む、
方法を提供する。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、対象へのTMEクラス特異的療法の施行を含み、施行前に、対象が、対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用することによって決定されるTMEを示すか否かとして識別され、TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択され、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;かつ
(b)TMEクラス特異的療法が、ラムシルマブ及びパクリタキセルの投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;かつ
(b)TMEクラス特異的療法が、ラムシルマブ及びパクリタキセルの投与を含む、
方法を提供する。
実施例14
ナビシキズマブ第1A相試験
固形腫瘍を有する患者の第1A相の用量漸増試験の遡及的データ分析。患者は、標準的な治療法が残っていないか、又は延命効果が実証された治療法がないか、又はそのような療法を受ける資格がなかったに違いない理由で、転移性又は切除不能の組織学的に確認された悪性腫瘍を持っていたに違いない。上記の癌を有する患者から生検を収集した。DLL4及びVEGFなどの探索的予測バイオマーカーを、組織化学により保存された又は免疫研究登録時での新鮮なコアニードル生検(できるかぎり、2つのFFPEコアが好ましかった)のいずれかの、FFPE腫瘍検体中で測定した。シグネチャー1及びシグネチャー2遺伝子のRNA発現レベルを、保存されたFFPE腫瘍検体から遡及的に測定し、各腫瘍型は特異的な閾値を有するので、集団ベース方法(Zスコア)と非集団ベースのANNアルゴリズムの両方を、腫瘍型の適切な閾値を用いて適用した。結果ラベルの無い患者を除外し、第1A相試験データの全バイオマーカーサブセットに39人を残した。この全ての人の用量漸増試験において、38%が、SD(安定疾患)又は良好(RECIST 1.1基準)に達した。バイオマーカー陽性サブセットにおいて、48%が、SD又は良好に達した。
ナビシキズマブ第1A相試験
固形腫瘍を有する患者の第1A相の用量漸増試験の遡及的データ分析。患者は、標準的な治療法が残っていないか、又は延命効果が実証された治療法がないか、又はそのような療法を受ける資格がなかったに違いない理由で、転移性又は切除不能の組織学的に確認された悪性腫瘍を持っていたに違いない。上記の癌を有する患者から生検を収集した。DLL4及びVEGFなどの探索的予測バイオマーカーを、組織化学により保存された又は免疫研究登録時での新鮮なコアニードル生検(できるかぎり、2つのFFPEコアが好ましかった)のいずれかの、FFPE腫瘍検体中で測定した。シグネチャー1及びシグネチャー2遺伝子のRNA発現レベルを、保存されたFFPE腫瘍検体から遡及的に測定し、各腫瘍型は特異的な閾値を有するので、集団ベース方法(Zスコア)と非集団ベースのANNアルゴリズムの両方を、腫瘍型の適切な閾値を用いて適用した。結果ラベルの無い患者を除外し、第1A相試験データの全バイオマーカーサブセットに39人を残した。この全ての人の用量漸増試験において、38%が、SD(安定疾患)又は良好(RECIST 1.1基準)に達した。バイオマーカー陽性サブセットにおいて、48%が、SD又は良好に達した。
特に、婦人科癌(n=18)において、SD又は良好を有する患者の全てが、バイオマーカー陽性グループに入り、バイオマーカー陽性の58%(n=12)およびバイオマーカー陰性の0%(n=6)に恩恵を有した。モデル性能を、表40にまとめる。略語及び定義は、以下のとおりである;ACCは、正確さであり;AUC ROCは、受信者動作特性曲線下面積であり;感度は、実際の応答者の数により除算した真のバイオマーカー応答者の数であり;特異性は、実際の非応答者の数により除算した真のバイオマーカーの非応答者の数であり;PPVは、陽性予測値であり、すなわち、予測されるバイオマーカー応答者の総数により除算した真のバイオマーカー応答者の数である;NPVは、陰性予測値、すなわち、予測されるバイオマーカー非応答者の総数により除算した真のバイオマーカー非応答者の数である。
本開示は、それを必要とする対象の癌の腫瘍微小環境(TME)を決定するため(かつ必要に応じて、TMEクラス特異的療法の対象を選択するため)の方法であって、対象からの腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用する工程を含み、機械学習分類器が、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEを示すか否かとして対象を識別し、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、婦人科癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、ナビシキズマブの投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、婦人科癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、ナビシキズマブの投与を含む、
方法を提供する。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、対象へのTMEクラス特異的療法の施行を含み、施行前に、対象が、対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用することによって決定されるTMEを示すか否かとして識別され、TMEは、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択され、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、婦人科癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、ナビシキズマブの投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、婦人科癌からの腫瘍であり;かつ
(c)TMEクラス特異的療法が、ナビシキズマブの投与を含む、
方法を提供する。
実施例15
ナビシキズマブ第1B相試験
遡及的分析におけるANN法の適用の本実施例は、ナビシキズマブとパクリタキセルの第1B相用量漸増及び拡張研究を説明する。本試験に、2を超える以前の療法に失敗し、かつ/又は以前にベバシズマブを受けた44人のプラチナ耐性卵巣癌(PROC)患者が登録した。Q1 2019の終了時での最後の中間データ分析の時点で、確認されない応答率は、43%であり、確認された応答率は、36%であった。
ナビシキズマブ第1B相試験
遡及的分析におけるANN法の適用の本実施例は、ナビシキズマブとパクリタキセルの第1B相用量漸増及び拡張研究を説明する。本試験に、2を超える以前の療法に失敗し、かつ/又は以前にベバシズマブを受けた44人のプラチナ耐性卵巣癌(PROC)患者が登録した。Q1 2019の終了時での最後の中間データ分析の時点で、確認されない応答率は、43%であり、確認された応答率は、36%であった。
確認された応答又は進行性疾患(RECIST基準)と共に、この試験でPROC、子宮癌、又は卵管癌を有する治療意図のある集団中の44人の患者の応答データを、取得した。表41を参照されたい。
シグネチャー1及びシグネチャー2の遺伝子のRNA発現レベルを、患者生検から測定した。生検を、登録時に収集するか、又は保存した生検を、使用した。集団ベース(Zスコア)及び非集団ベースのANNアルゴリズムを、生殖癌に適切な閾値を用いて適用した。結果ラベルのない患者を除外し、1Bデータセットの全バイオマーカーサブセットに23人を残した。
ANNモデルの適用後に陽性であった患者を、バイオマーカー陽性とみなした。既知のバイオマーカー状態を有する患者のORR及びDCRを、表42及び表43に示す。
確認された応答は、応答がプロトコルに従って第1のイメージングスキャン後に取られた第2のイメージングスキャンで確認されたことを意味した。定義により、進行性疾患(PD)は、確認された応答ではない。PD患者を、ORR及びDCRの計算のために分母に含めた。バイオマーカー陽性患者の無増悪生存期間(PFS)の利点は、バイオマーカー陰性患者の3.5ヶ月と比較して、9.2ヶ月であった(p=0.0037)。カプラン・マイヤー生存曲線を、図22に提供する。
本開示は、それを必要とする対象の癌の腫瘍微小環境(TME)を決定するため(かつ必要に応じて、TMEクラス特異的療法の対象を選択するため)の方法であって、対象からの腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用する工程を含み、機械学習分類器が、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEを示すか否かとして対象を識別し、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、卵巣癌、子宮癌、及び卵管癌からなる群から選択される生殖腫瘍であり;かつ
(c)TMEクラス特異的療法が、ナビシキズマブ及びパクリタキセルの投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、卵巣癌、子宮癌、及び卵管癌からなる群から選択される生殖腫瘍であり;かつ
(c)TMEクラス特異的療法が、ナビシキズマブ及びパクリタキセルの投与を含む、
方法を提供する。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、対象へのTMEクラス特異的療法の施行を含み、施行前に、対象が、対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用することによって決定されるTMEを示すか否かとして識別され、TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択され、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、卵巣癌、子宮癌、及び卵管癌からなる群から選択される生殖腫瘍であり;かつ
(c)TMEクラス特異的療法が、ナビシキズマブ及びパクリタキセルの投与を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、卵巣癌、子宮癌、及び卵管癌からなる群から選択される生殖腫瘍であり;かつ
(c)TMEクラス特異的療法が、ナビシキズマブ及びパクリタキセルの投与を含む、
方法を提供する。
実施例16
腫瘍にとらわれないモデル
図26は、結腸直腸、胃、及び卵巣の各々異なる3つの腫瘍型である400人の患者試料にRNAエクソームシーケンシングテクノロジーを用いて、1200人の患者試料の配列にANNモデルを適用した結果を示す。可能性のある間質表現型にわたる結果の一貫性は、本開示のANNモデルが腫瘍型にとらわれないことを明らかにした。
腫瘍にとらわれないモデル
図26は、結腸直腸、胃、及び卵巣の各々異なる3つの腫瘍型である400人の患者試料にRNAエクソームシーケンシングテクノロジーを用いて、1200人の患者試料の配列にANNモデルを適用した結果を示す。可能性のある間質表現型にわたる結果の一貫性は、本開示のANNモデルが腫瘍型にとらわれないことを明らかにした。
患者データ(n=704)にZスコア集団ベース法及びANNモデルを用いて、体内の少なくとも17の異なる源からの腫瘍の間質表現型を遡及的に分類した(表44)。結果のデータは分類と関連付けられなかったが、4つの表現型の分布は、図27にみられるようなRNAエクソーム技術によって配列決定した卵巣癌(n=392)、結腸直腸癌(n=370)、及び胃癌(n=337)の試料を表す、1,099試料の分析で分類された4つの表現型の分布と類似していた。
実施例17
潜在空間
実施例7及び12のデータへのANNモデルの適用から得られた確率関数の射影を、疾患スコアのグリフ(完全奏効、CR;部分奏効、PR;安定疾患、SD;進行性疾患、PD)によって表される潜在空間にプロットした。図23は、サブタイプコールの確率を提供し、かつ治療の決定を支援するためのバイオマーカーの信用度を医師に通知するために使用できた、潜在空間の視覚化を示す。図24は、患者の結果のラベルに基づきバイオマーカー陽性対バイオマーカー陰性の決定境界を学習させるために潜在空間で訓練された、第2のロジスティクス回帰モデルの潜在空間の視覚化を示す。
潜在空間
実施例7及び12のデータへのANNモデルの適用から得られた確率関数の射影を、疾患スコアのグリフ(完全奏効、CR;部分奏効、PR;安定疾患、SD;進行性疾患、PD)によって表される潜在空間にプロットした。図23は、サブタイプコールの確率を提供し、かつ治療の決定を支援するためのバイオマーカーの信用度を医師に通知するために使用できた、潜在空間の視覚化を示す。図24は、患者の結果のラベルに基づきバイオマーカー陽性対バイオマーカー陰性の決定境界を学習させるために潜在空間で訓練された、第2のロジスティクス回帰モデルの潜在空間の視覚化を示す。
図25は、無増悪生存期間(PFS)が3ヶ月を超える実施例12の患者のデータを用いて訓練された潜在空間の視覚化(ロジスティクス回帰)を示す。全患者の疾患スコアを、確率スコアを示すためのグリフとして用いた。図26では、第2のロジスティクス回帰モデルを、実施例7のONCG100データの患者の結果のラベルに基づきバイオマーカー陽性対バイオマーカー陰性の決定境界を学習させるために、潜在空間で訓練し、バイオマーカーデータがあった患者の疾患スコアを、プロットした。
図中の湾曲した輪郭は、モデル中の特徴間の相互作用項によって生じた。潜在空間プロットでは、特徴は、シグネチャー1スコア(例えば、遺伝子活性化が内皮細胞シグネチャー活性化と相関したシグネチャー)及びシグネチャー2スコア(例えば、活性化が、炎症及び免疫細胞シグネチャー活性化と相関したシグネチャー)であった。この文脈では、用語の相互作用は、予測に対する1つの特徴の影響が他の特徴の値に依存する、すなわち、2つの特徴の影響は相加的でない状況を指す。例えば、モデル中の特徴の追加又は削除は、相互作用がないことを意味するが、モデル中の特徴の乗算、除算、又はペアリングは、相互作用を意味する。
2値の患者の応答を予測したプロットでは、基礎となるロジスティクス回帰が特徴間の相互作用をモデル化しないため、輪郭は平行であった。相互作用項の不在は、ロジスティクス回帰の基本的な性質の1つであり、それは過剰適合を生じにくくさせ、小さいデータセット上での良好な性能につながる。そのため、モデル中に相互作用項がない場合、輪郭は常に平行である。
一方、表現型(4つのTMEに対応する4つのクラス)を予測したプロットは、湾曲した輪郭を有した。各単一表現型クラスの基礎となるモデル(ニューロン)は、ロジスティクス回帰と同等であったが、4つの表現型クラスの確率の再正規化が4つのロジスティクス回帰で生じたため、4つの表現型クラスの確率の合計は1に等しかった。これは、シグネチャー1スコアとシグネチャー2スコアの間で相互作用が生じた場合であり、ソフトマックス関数を用いて達成された。その結果、このモデルは、湾曲した輪郭を生成した。
実施例18
癌でのチェックポイント阻害剤単剤療法へのANN法の適用
チスレリズマブ、シンチリマブ、ペムブロリズマブ、又はニボルマブなどの、抗PD-1又はPD-1療法での任意の固形腫瘍の臨床試験では、患者を、それらのTMEのRNA発現解析に基づく治療のために選択する。患者の固形腫瘍生検を、例えば、ホルマリン固定パラフィン包埋ブロックとして、処理し、そのブロックから切り取った最近の切片を、例えば、RNA-Seq、RNAエクソーム、又はマイクロアレイシーケンシングを用いる配列決定を介するRNA発現測定用のサービスプロバイダーに送る。RNA発現データを、本発明のアルゴリズムに従い正規化し、分析する。
癌でのチェックポイント阻害剤単剤療法へのANN法の適用
チスレリズマブ、シンチリマブ、ペムブロリズマブ、又はニボルマブなどの、抗PD-1又はPD-1療法での任意の固形腫瘍の臨床試験では、患者を、それらのTMEのRNA発現解析に基づく治療のために選択する。患者の固形腫瘍生検を、例えば、ホルマリン固定パラフィン包埋ブロックとして、処理し、そのブロックから切り取った最近の切片を、例えば、RNA-Seq、RNAエクソーム、又はマイクロアレイシーケンシングを用いる配列決定を介するRNA発現測定用のサービスプロバイダーに送る。RNA発現データを、本発明のアルゴリズムに従い正規化し、分析する。
この試験における治療の適格性は、60%超の確率のバイオマーカー陽性(又はIA+IS確率>60%)に基づくか、又はPFS>5サブセットの患者が治療の対象となるように、例えば実施例7のデータで訓練し、例えば5ヶ月を超える無憎悪生存率(PFS>5)に基づく潜在空間に適用した、ロジスティクス回帰アルゴリズムに基づく。
臨床医は、試験用機器免除(IDE)に従って使用される、この臨床試験アッセイからの以下の出力:2進法のはい/いいえの答え、各TMEクラスの確率、確率の輪郭と病歴の結果のデータを潜在空間プロットにプロットした患者の確率、又はPFS>5に基づく確率のロジスティクス回帰と重ねた潜在空間プロットにプロットした患者の確率、の1以上を与えられる。
この臨床試験は、前のバイオマーカー分析(例えば、PD-L1 CPS>1)に基づきチェックポイント阻害剤に無感作であるか、又は既存のチェックポイント阻害剤に不適格であった患者を登録する。この試験では、20%超の患者が、PR又はCR評価(RECIST基準)に基づく治療に応答する。
本開示は、それを必要とする対象の癌の腫瘍微小環境(TME)を決定するため(かつ必要に応じてTMEクラス特異的療法の対象を選択するため)の方法であって、対象からの腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用する工程を含み、機械学習分類器が、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEを示すか否かとして対象を識別し、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、固形腫瘍であり;かつ
(c)TMEクラス特異的療法が、チスレリズマブ、シンチリマブ、ペムブロリズマブ、又はニボルマブなどの抗PD-1又はPD-1療法の施行を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、固形腫瘍であり;かつ
(c)TMEクラス特異的療法が、チスレリズマブ、シンチリマブ、ペムブロリズマブ、又はニボルマブなどの抗PD-1又はPD-1療法の施行を含む、
方法を提供する。
本開示はまた、癌に罹患したヒト対象を治療するための方法であって、対象へのTMEクラス特異的療法の施行を含み、施行前に、対象が、対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器(例えば、本明細書に開示されるANN)を適用することによって決定されるTMEを示すか否かとして識別され、TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択され、
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、固形腫瘍であり;かつ
(c)TMEクラス特異的療法が、チスレリズマブ、シンチリマブ、ペムブロリズマブ、又はニボルマブなどの抗PD-1又はPD-1療法の施行を含む、
方法を提供する。
(a)遺伝子パネルが、(i)表1及び2の遺伝子若しくはそれらの組み合わせを含む遺伝子セット、又は(ii)図28A~28Gの遺伝子セット23、30、46、51、60、82、108、116、139、158、73、91、121、166、169、179、185、232、200、216、241、250、263、及び278からなる群から選択される遺伝子セットであり;
(b)腫瘍が、固形腫瘍であり;かつ
(c)TMEクラス特異的療法が、チスレリズマブ、シンチリマブ、ペムブロリズマブ、又はニボルマブなどの抗PD-1又はPD-1療法の施行を含む、
方法を提供する。
概要と要約の節ではなく、詳細な説明の節は、実施形態を解釈するために使用されることを意図すると認識されたい。概要と要約の節は、本発明者(ら)が企図するように、本発明の全てではないが1以上の例示的な実施形態を記載でき、そのため、いかなる方法でも本発明及び添付の実施形態を制限することを意図するものではない。
特定の機能及びその関係の実装を説明する機能的な構築ブロックの助けを借りて、本発明を上記に記載してきた。これらの機能的な構築ブロックの境界を、説明の便宜のために、本明細書で任意に定義した。特定の機能及びその関係が適切に実行される限り、代替境界を定義できる。
他の人が、本発明の一般的な概念から逸脱することなく、過度な実験を行うことなく、当技術分野の知識を適用することによって、そのような特異的実施形態を容易に変更し、かつ/又は様々なアプリケーションに適用することができるほど完全に本発明の一般的性質を、特定の実施形態の上記の説明が明らかにするであろう。したがって、そのような適応と修正は、本明細書に提示される教示及び指導に基づいて、開示される実施形態の等価物の意味と範囲内にあることが意図される。本明細書では表現又は用語は、制限するものではなく、説明のためのものであり、本明細書の用語又は表現は、教示と指導に照らして当業者に解釈されることを理解されたい。
本発明の幅及び範囲は、上記の例示的な実施形態のいずれかによって制限されるべきではないが、以下の実施形態及びそれらの等価物によってのみ定義されるべきである。
本開示全体を通して引用され得る全ての引用される参考文献(文献の参考文献、特許、特許出願、及びウェブサイトを含む)の内容は、本明細書で引用される参考文献のように、参照によりその全体が任意の目的のために本明細書に明示的に組み込まれる。
Claims (182)
- それを必要とする対象における癌の腫瘍微小環境(TME)を決定するための方法であって、前記対象からの腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器を適用することを含み、前記機械学習分類器が、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEを示すまたは示さないとして前記対象を識別する、方法。
- 前記対象にTMEクラス特異的療法を施すことを含む癌に罹患したヒト対象を治療するための方法であって、前記施行の前に、前記対象が、前記対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器を適用することにより決定されるTMEを示すまたは示さないとして識別され、前記TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択される、方法。
- 癌に罹患したヒト対象を治療するための方法であって、
(i)前記対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器を適用することによりTMEを示す又は示さない対象を、施行の前に、識別することであって、TMEが、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択される、識別すること;並びに
(ii)前記対象にTMEクラス特異的療法を施すこと
を含む、方法。 - TMEクラス特異的療法での治療に適する癌に罹患したヒト対象を識別するための方法であって、前記対象から取得される腫瘍組織試料からの遺伝子パネルから得られる複数のRNA発現レベルに機械学習分類器を適用することを含み、IS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEの存在又は不在が、TMEクラス特異的療法が前記癌を治療するために施され得ることを示す、方法。
- 前記機械学習分類器が、ロジスティック回帰、ランダムフォレスト、人工ニューラルネットワーク(ANN)、サポートベクターマシン(SVM)、XGBoost(XGB)、glmnet、cforest、機械学習のための分類及び回帰ツリー(CART)、treebag、K近傍法(kNN)、又はそれらの組み合わせにより得られるモデルである、請求項1~4のいずれかに記載の方法。
- 前記機械学習分類器が、ANNである、請求項1~5のいずれか一項に記載の方法。
- 前記ANNが、フィードフォワードANNである、請求項6に記載の方法。
- 前記ANNが、多層パーセプトロンである、請求項5~7に記載の方法。
- 前記ANNが、入力層と、隠れ層と、出力層とを備える、請求項5~8のいずれか一項に記載の方法。
- 前記入力層が、1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、84、86、87、88、89、90、91、92、93、94、95、96、97、98、99、又は100個のノード(ニューロン)を含む、請求項9に記載の方法。
- 前記入力層中の各ノード(ニューロン)が、前記遺伝子パネル中の遺伝子に対応する、請求項10に記載の方法。
- 前記遺伝子パネルが、表1、表2、及び図28A~28Gに提示される遺伝子から選択される、請求項11に記載の方法。
- 前記遺伝子パネルが、(i)表1から選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、若しくは63個の遺伝子、又は図28A~28Gから選択される1~124個の遺伝子、又はそれらの組み合わせ、並びに(ii)表2から選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、若しくは61個の遺伝子、又は図28A~28Gから選択される1~124個の遺伝子、又はそれらの組み合わせを含む、請求項12に記載の方法。
- 前記遺伝子パネルが、表5又は図28A~Gから選択される遺伝子パネルである、請求項11~13のいずれか一項に記載の方法。
- 前記試料が、腫瘍内組織を含む、請求項1~14のいずれか一項に記載の方法。
- 前記RNA発現レベルが、転写されたRNA発現レベルである、請求項1~15のいずれか一項に記載の方法。
- 前記RNA発現レベルが、配列決定又はRNAを測定する任意の技術を用いて決定される、請求項1~16のいずれか一項に記載の方法。
- 前記配列決定が、次世代配列決定(NGS)である、請求項17に記載の方法。
- 前記NGSが、RNA-Seq、EdgeSeq、PCR、ナノストリング、WES、又はそれらの組み合わせからなる群から選択される、請求項18に記載の方法。
- 前記RNA発現レベルが、蛍光を用いて決定される、請求項19に記載の方法。
- 前記RNA発現レベルが、Affymetrixマイクロアレイ又はAgilentマイクロアレイを用いて決定される、請求項16に記載の方法。
- 前記RNA発現レベルが、分位正規化に供される、請求項16~21に記載の方法。
- 前記分位正規化が、入力RNAレベル値を分位数にビニングすることを含む、請求項22に記載の方法。
- 前記入力RNAレベルが、100分位数にビニングされる、請求項23に記載の方法。
- 前記分位正規化が、RNA発現レベルを正常な出力分布関数に分位変換することを含む、請求項22~24に記載の方法。
- 前記ANNが、複数の対象から得られる複数の試料における遺伝子パネル中の各遺伝子についてのRNA発現レベルを含む訓練セットで訓練され、各試料が、TME分類を割り当てられる、請求項6~25のいずれか一項に記載の方法。
- 前記訓練セット中の各試料に割り当てられるTME分類が、集団ベースの分類器により決定される、請求項26に記載の方法。
- 前記集団ベースの分類器が、前記訓練セット中の各試料の遺伝子パネル中の各遺伝子についてRNA発現レベルを測定することによりシグネチャー1のスコア及びシグネチャー2のスコアを決定することを含み、シグネチャー1を計算するために使用される遺伝子が、表1又は図28A~28Gからの遺伝子、又はそれらの組み合わせであり、かつシグネチャー2を計算するために使用される遺伝子が、表2又は図28A~28Gからの遺伝子、又はそれらの組み合わせであり;
(i)割り当てられるTME分類が、前記シグネチャー1のスコアが陰性でありかつ前記シグネチャー2のスコアが陽性である場合IAであり;
(ii)割り当てられるTME分類が、前記シグネチャー1のスコアが陽性でありかつ前記シグネチャー2のスコアが陽性である場合ISであり;
(iii)割り当てられるTME分類が、前記シグネチャー1のスコアが陰性でありかつ前記シグネチャー2のスコアが陰性である場合IDであり;
(iv)割り当てられるTME分類が、前記シグネチャー1のスコアが陽性でありかつ前記シグネチャー2のスコアが陰性である場合Aである、請求項27に記載の方法。 - シグネチャー1のスコアの計算が、
(i)前記対象からの試験試料中の前記遺伝子パネルにおいて表1、又は図28A~28Gからの各遺伝子又はそれらの組み合わせについて発現レベルを測定すること;
(ii)各遺伝子について、工程(i)の発現レベルから基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算すること;
(iii)各遺伝子について、前記基準試料の発現レベルから得られる遺伝子あたりの標準偏差により工程(ii)で得られた値を除算すること;及び
(iv)工程(iii)で得られた全ての値を加算することおよび前記遺伝子パネル中の遺伝子数の平方根により前記得られた数を除算すること
を含み、
(iv)で得られた値がゼロを超える場合、前記シグネチャースコアが、正のシグネチャースコアであり、および(iv)で得られた値がゼロ未満である場合、前記シグネチャースコアが、負のシグネチャースコアである、請求項28に記載の方法。 - シグネチャー2のスコアの計算が、
(i)前記対象からの試験試料中の前記遺伝子パネルにおいて表2、又は図28A~28Gからの各遺伝子、又はそれらの組み合わせについて発現レベルを測定すること;
(ii)各遺伝子について、工程(i)の発現レベルから基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算すること;
(iii)各遺伝子について、前記基準試料の発現レベルから得られる遺伝子あたりの標準偏差により工程(ii)で得られた値を除算すること;及び
(iv)工程(iii)で得られた全ての値を加算することおよび前記遺伝子パネル中の遺伝子数の平方根により得られた数を除算すること
を含み、
(iv)で得られた値がゼロを超える場合、前記シグネチャースコアが、正のシグネチャースコアであり、および(iv)で得られた値がゼロ未満である場合、前記シグネチャースコアが、負のシグネチャースコアである、請求項28に記載の方法。 - 前記ANNが、誤差逆伝播法によって訓練される、請求項6~31のいずれか一項に記載の方法。
- 前記隠れ層が、2個のノード(ニューロン)を含む、請求項9~31のいずれか一項に記載の方法。
- シグモイド活性化関数が、前記隠れ層に適用される、請求項32に記載の方法。
- 前記シグモイド活性化関数が、双曲線正接関数である、請求項33に記載の方法。
- 前記出力層が、4個のノード(ニューロン)を含む、請求項9~34のいずれか一項に記載の方法。
- 前記出力層中の4個の出力ノードの各々が、TME出力クラスに対応し、前記4つのTME出力クラスが、IA(免疫活性)、IS(免疫抑制)、ID(免疫砂漠)、及びA(血管新生)である、請求項35に記載の方法。
- 前記ANNの出力にソフトマックス関数を含むロジスティック回帰分類器を適用することをさらに含み、前記ソフトマックス関数が、各TME出力クラスに確率を割り当てる、請求項6~36のいずれか一項に記載の方法。
- 前記ソフトマックス関数が、追加のニューラルネットワーク層を介して実装される、請求項37に記載の方法。
- 前記追加のネットワーク層が、前記隠れ層と前記出力層の間で介在される、請求項38に記載の方法。
- 前記追加のネットワーク層が、前記出力層と同じ数のノードを有する、請求項39に記載の方法。
- それを必要とする対象において癌の腫瘍微小環境(TME)を決定するためのANNであって、前記対象からの腫瘍組織試料からの遺伝子パネルから得られる入力RNA発現レベルとして用いるIS(免疫抑制)、A(血管新生)、IA(免疫活性)、ID(免疫砂漠)、及びそれらの組み合わせからなる群から選択されるTMEを示すとして前記対象を識別し、かつTMEの存在が、前記対象がTMEクラス特異的療法で効果的に治療され得ることを示す、ANN。
- フィードフォワードANNである、請求項41に記載のANN。
- 多層パーセプトロンである、請求項41又は42に記載のANN。
- 入力層と、隠れ層と、出力層とを備える、請求項41~43のいずれか一項に記載のANN。
- 前記入力層が、1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、84、86、87、88、89、90、91、92、93、94、95、96、97、98、99、又は100個のノード(ニューロン)を含む、請求項44に記載のANN。
- 前記入力層中の各ノード(ニューロン)が、前記遺伝子パネル中の遺伝子に対応する、請求項45に記載のANN。
- 前記遺伝子パネルが、表1、表2、図28A~28Gに提示される遺伝子、又はそれらの組み合わせから選択される、請求項46に記載のANN。
- 前記遺伝子パネルが、(i)表1、図28A~28Gから選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、若しくは63個の遺伝子、又はそれらの組み合わせ、及び(ii)表2、図28A~28Gから選択される1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、若しくは61個の遺伝子、又はそれらの組み合わせを含む、請求項47に記載のANN。
- 前記遺伝子パネルが、表5から又は図28A~Gから選択される遺伝子パネルである、請求項46~48のいずれか一項に記載のANN。
- 前記試料が、腫瘍内組織を含む、請求項41~49のいずれか一項に記載のANN。
- 前記RNA発現レベルが、転写されたRNA発現レベルである、請求項41~50のいずれか一項に記載のANN。
- 前記RNA発現レベルが、配列決定又はRNAを測定する任意の技術を用いて決定される、請求項41~51のいずれか一項に記載のANN。
- 前記配列決定が、次世代配列決定(NGS)である、請求項52に記載のANN。
- 前記NGSが、RNA-Seq、EdgeSeq、PCR、ナノストリング、WES、又はそれらの組み合わせからなる群から選択される、請求項53に記載のANN。
- 前記RNA発現レベルが、蛍光を用いて決定される、請求項54に記載のANN。
- 前記RNA発現レベルが、Affymetrixマイクロアレイ又はAgilentマイクロアレイを用いて決定される、請求項55に記載のANN。
- 前記RNA発現レベルが、分位正規化に供される、請求項51~56に記載のANN。
- 前記分位正規化が、入力RNAレベル値を分位数にビニングすることを含む、請求項57に記載のANN。
- 前記入力RNAレベルが、100分位数にビニングされる、請求項58に記載のANN。
- 前記分位正規化が、RNA発現レベルを正常な出力分布関数に分位変換することを含む、請求項41~59に記載のANN。
- 複数の対象から得られる複数の試料における遺伝子パネル中の各遺伝子についてのRNA発現レベルを含む訓練セットで訓練され、各試料が、TME分類を割り当てられる、請求項41~60のいずれか一項に記載のANN。
- 前記訓練セット中の各試料に割り当てられるTME分類が、集団ベースの分類器により決定される、請求項61に記載のANN。
- 前記集団ベースの分類器が、前記訓練セット中の各試料における遺伝子パネル中の各遺伝子についてRNA発現レベルを測定することによりシグネチャー1のスコア及びシグネチャー2のスコアを決定することを含み、シグネチャー1を計算するために使用される遺伝子が、表1、図28A~28Gからの遺伝子、又はそれらの組み合わせであり、かつシグネチャー2を計算するために使用される遺伝子が、表2、図28A~28Gからの遺伝子、又はそれらの組み合わせであり、かつ
(i)割り当てられるTME分類が、前記シグネチャー1のスコアが陰性でありかつ前記シグネチャー2のスコアが陽性である場合IAであり;
(ii)割り当てられるTME分類が、前記シグネチャー1のスコアが陽性でありかつ前記シグネチャー2のスコアが陽性である場合ISであり;
(iii)割り当てられるTME分類が、前記シグネチャー1のスコアが陰性でありかつ前記シグネチャー2のスコアが陰性である場合IDであり;かつ
(iv)割り当てられるTME分類が、前記シグネチャー1のスコアが陽性でありかつ前記シグネチャー2のスコアが陰性である場合Aである、請求項62に記載のANN。 - シグネチャー1のスコアの計算が、
(i)前記対象からの試験試料中の遺伝子パネルにおいて、表1、図28A~28Gからの各遺伝子、又はそれらの組み合わせの発現レベルを測定すること;
(ii)各遺伝子について、工程(i)の発現レベルから基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算すること;
(iii)各遺伝子について、前記基準試料の発現レベルから得られる遺伝子あたりの標準偏差により工程(ii)で得られた値を除算すること;および
(iv)工程(iii)で得られた全ての値を加算することおよび前記遺伝子パネル中の遺伝子数の平方根により得られた数を除算すること
を含み、
(iv)で得られた値がゼロを超える場合、前記シグネチャースコアが、正のシグネチャースコアであり、および(iv)で得られた値がゼロ未満である場合、前記シグネチャースコアが、負のシグネチャースコアである、請求項63に記載のANN。 - シグネチャー2のスコアの計算が、
(i)対象からの試験試料中の遺伝子パネルにおいて、表2、図28A~28Gからの各遺伝子、又はそれらの組み合わせについて発現レベルを測定すること;
(ii)各遺伝子について、工程(i)の発現レベルから基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算すること;
(iii)各遺伝子について、前記基準試料の発現レベルから得られる遺伝子あたりの標準偏差により工程(ii)で得られた値を除算すること;及び
(iv)工程(iii)で得られた全ての値を加算することおよび前記遺伝子パネル中の遺伝子数の平方根により得られた数を除算すること
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアが、正のシグネチャースコアであり、および(iv)で得られた値がゼロ未満である場合、シグネチャースコアが、負のシグネチャースコアである、請求項63に記載のANN。 - 誤差逆伝播法により訓練される、請求項41~65のいずれか一項に記載のANN。
- 前記隠れ層が、2、3、4又は5個のノード(ニューロン)を含む、請求項44~66のいずれか一項に記載のANN。
- シグモイド活性化関数が、前記隠れ層に適用される、請求項67に記載のANN。
- 前記シグモイド活性化関数が、双曲線正接関数である、請求項68に記載のANN。
- 前記出力層が、4個のノード(ニューロン)を含む、請求項44~69のいずれか一項に記載のANN。
- 前記出力層中の4個の出力ノードの各々が、TME出力クラスに対応し、前記4つのTME出力クラスが、IA(免疫活性)、IS(免疫抑制)、ID(免疫砂漠)、及びA(血管新生)である、請求項70に記載のANN。
- ANNの出力にソフトマックス関数を含むロジスティック回帰分類器を適用することをさらに含み、前記ソフトマックス関数が、各TME出力クラスに確率を割り当てる、請求項41~71のいずれか一項に記載のANN。
- 前記ソフトマックス関数が、追加のニューラルネットワーク層を介して実装される、請求項72に記載のANN。
- 前記追加のネットワーク層が、前記隠れ層と前記出力層の間で介在される、請求項73に記載のANN。
- 前記追加のネットワーク層が、前記出力層と同じ数のノードを有する、請求項74に記載のANN。
- 前記TMEクラス特異的療法が、IAクラスのTME療法、ISクラスのTME療法、IDクラスのTME療法、又はAクラスのTME療法、又はそれらの組み合わせである、請求項2~75のいずれか一項に記載の方法又はANN。
- 前記IAクラスのTME療法が、チェックポイントモジュレーター療法を含む、請求項76に記載の方法又はANN。
- 前記チェックポイントモジュレーター療法が、刺激性免疫チェックポイント分子の活性化剤を投与することを含む、請求項77に記載の方法又はANN
- 刺激性免疫チェックポイント分子の活性化剤が、GITR、OX-40、ICOS、4-1BBに対する抗体分子、又はそれらの組み合わせである、請求項78に記載の方法又はANN。
- 前記チェックポイントモジュレーター療法が、RORγアゴニストの投与を含む、請求項77に記載の方法又はANN。
- 前記チェックポイントモジュレーター療法が、阻害性免疫チェックポイント分子の阻害剤の投与を含む、請求項77に記載の方法又はANN。
- 阻害性免疫チェックポイント分子の前記阻害剤が、単独の、PD-1、PD-L1、PD-L2、CTLA-4に対する抗体又はそれらの組み合わせ、又はTIM-3の阻害剤、LAG-3の阻害剤、BTLAの阻害剤、TIGITの阻害剤、VISTAの阻害剤、TGF-β又はその受容体の阻害剤、LAIR1の阻害剤、CD160の阻害剤、2B4の阻害剤、GITRの阻害剤、OX40の阻害剤、4-1BB(CD137)の阻害剤、CD2の阻害剤、CD27の阻害剤、CDSの阻害剤、ICAM-1の阻害剤、LFA-1(CD11a/CD18)の阻害剤、ICOS(CD278)の阻害剤、CD30の阻害剤、CD40の阻害剤、BAFFRの阻害剤、HVEMの阻害剤、CD7の阻害剤、LIGHTの阻害剤、NKG2Cの阻害剤、SLAMF7の阻害剤、NKp80の阻害剤、又はCD86アゴニストとの組み合わせである、請求項81に記載の方法又はANN。
- 前記抗PD-1抗体が、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、TSR-042又はその抗原結合部分を含む、請求項82に記載の方法又はANN。
- 前記抗PD-1抗体が、ヒトPD-1への結合についてニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と交差競合する、請求項82に記載の方法又はANN。
- 前記抗PD-1抗体が、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と同じエピトープに結合する、請求項82に記載の方法又はANN。
- 前記抗PD-L1抗体が、アベルマブ、アテゾリズマブ、デュルバルマブ、CX-072、LY3300054、又はその抗原結合部分を含む、請求項82に記載の方法又はANN。
- 前記抗PD-L1抗体が、ヒトPD-L1への結合についてアベルマブ、アテゾリズマブ、又はデュルバルマブと交差競合する、請求項82に記載の方法又はANN。
- 前記抗PD-L1抗体が、アベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと同じエピトープに結合する、請求項82に記載の方法又はANN。
- 前記チェックポイントモジュレーター療法が、(i)ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042からなる群から選択される抗PD-1抗体;(ii)アベルマブ、アテゾリズマブ、CX-072、LY3300054、及びデュルバルマブからなる群から選択される抗PD-L1抗体;又は(iii)それらの組み合わせを含む、請求項77に記載の方法又はANN。
- 前記ISクラスのTME療法が、(1)チェックポイントモジュレーター療法及び抗免疫抑制療法、及び/又は(2)抗血管新生療法の施行を含む、請求項76に記載の方法又はANN。
- 前記チェックポイントモジュレーター療法が、阻害性免疫チェックポイント分子の阻害剤の投与を含む、請求項90に記載の方法又はANN。
- 前記阻害性免疫チェックポイント分子の阻害剤が、PD-1、PD-L1、PD-L2、CTLA-4に対する抗体、又はそれらの組み合わせである、請求項91に記載の方法又はANN。
- 前記抗PD-1抗体が、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、TSR-042、又はその抗原結合部分を含む、請求項92に記載の方法又はANN。
- 前記抗PD-1抗体が、ヒトPD-1への結合についてニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と交差競合する、請求項92に記載の方法又はANN。
- 前記抗PD-1抗体が、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と同じエピトープに結合する、請求項92に記載の方法又はANN。
- 前記抗PD-L1抗体が、アベルマブ、アテゾリズマブ、CX-072、LY3300054、デュルバルマブ、又はその抗原結合部分を含む、請求項92に記載の方法又はANN。
- 前記抗PD-L1抗体が、ヒトPD-L1への結合についてアベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと交差競合する、請求項92に記載の方法又はANN。
- 前記抗PD-L1抗体が、アベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと同じエピトープに結合する、請求項92に記載の方法又はANN。
- 前記抗CTLA-4抗体が、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)、又はその抗原結合部分を含む、請求項92に記載の方法又はANN。
- 前記抗CTLA-4抗体が、ヒトCTLA-4への結合についてイピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)と交差競合する、請求項92に記載の方法又はANN。
- 前記抗CTLA-4抗体が、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)と同じCTLA-4エピトープに結合する、請求項92に記載の方法又はANN。
- 前記チェックポイントモジュレーター療法が、(i)ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、及びTSR-042からなる群から選択される抗PD-1抗体;(ii)アベルマブ、アテゾリズマブ、CX-072、LY3300054、及びデュルバルマブからなる群から選択される抗PD-L1抗体;(iii)イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)である、抗CTLA-4抗体、又は(iv)それらの組み合わせの投与を含む、請求項90に記載の方法又はANN。
- 前記抗血管新生療法が、バリサクマブ、ベバシズマブ、ナビシキズマブ(抗DLL4/抗VEGF二重特異性)、及びそれらの組み合わせからなる群から選択される抗VEGF抗体の投与を含む、請求項90~102に記載の方法又はANN。
- 前記抗血管新生療法が、抗VEGF抗体の投与を含む、請求項90~103に記載の方法又はANN。
- 前記抗VEGF抗体が、抗VEGF二重特異性抗体である、請求項104に記載の方法又はANN。
- 前記抗VEGF二重特異性抗体が、抗DLL4/抗VEGF二重特異性抗体である、請求項105に記載の方法又はANN。
- 前記抗DLL4/抗VEGF二重特異性抗体が、ナビシキズマブを含む、請求項106に記載の方法又はANN。
- 前記抗血管新生療法が、抗VEGFR抗体の投与を含む、請求項90~107に記載に記載の方法又はANN。
- 前記抗VEGFR抗体が、抗VEGFR2抗体である、請求項108に記載の方法又はANN。
- 前記抗VEGFR2抗体が、ラムシルマブを含む、請求項109に記載の方法又はANN。
- 前記抗血管新生療法が、ナビシキズマブ、ABL101(NOV1501)、又はABT165の投与を含む、請求項90~110に記載の方法又はANN。
- 前記抗免疫抑制療法が、抗PS抗体、抗PS標的化抗体、β2糖タンパク質1に結合する抗体、PI3Kγの阻害剤、アデノシン経路阻害剤、IDOの阻害剤、TIMの阻害剤、LAG3の阻害剤、TGFβの阻害剤、CD47阻害剤、又はそれらの組み合わせの投与を含む、請求項90~111に記載の方法又はANN。
- 前記抗PS標的化抗体が、バビツキシマブ、又はβ2糖タンパク質1を結合する抗体である、請求項112に記載の方法又はANN。
- 前記PI3Kγ阻害剤が、LY3023414(サモトリシブ)又はIPI-549である、請求項112に記載の方法又はANN。
- 前記アデノシン経路阻害剤が、AB-928である、請求項112に記載の方法又はANN。
- 前記TGFβ阻害剤が、LY2157299(ガルニセルチブ)である又はTGFβR1阻害剤が、LY3200882である、請求項112に記載の方法又はANN。
- 前記CD47阻害剤が、マグロリマブ(5F9)である、請求項112に記載の方法又はANN。
- 前記CD47阻害剤が、SIRPαを標的とする、請求項112に記載の方法又はANN。
- 前記抗免疫抑制療法が、TIM-3の阻害剤、LAG-3の阻害剤、BTLAの阻害剤、TIGITの阻害剤、VISTAの阻害剤、TGFβ又はその受容体の阻害剤、LAIR1の阻害剤、CD160の阻害剤、2B4の阻害剤、GITRの阻害剤、OX-40の阻害剤、4-1BB(CD137)の阻害剤、CD2の阻害剤、CD27の阻害剤、CDSの阻害剤、ICAM-1の阻害剤、LFA-1(CD11a/CD18)の阻害剤、ICOS(CD278)の阻害剤、CD30の阻害剤、CD40の阻害剤、BAFFRの阻害剤、HVEMの阻害剤、CD7の阻害剤、LIGHTの阻害剤、NKG2Cの阻害剤、SLAMF7の阻害剤、NKp80の阻害剤、CD86に対するアゴニスト、又はそれらの組み合わせの投与を含む、請求項90~118に記載の方法又はANN。
- 前記IDクラスのTME療法が、免疫応答を開始する療法の施行と同時に又は後にチェックポイントモジュレーター療法の施行を含む、請求項76に記載の方法又はANN。
- 免疫応答を開始する療法が、ワクチン、CAR-T、又はネオエピトープワクチンである、請求項120に記載の方法又はANN。
- 前記チェックポイントモジュレーター療法が、阻害性免疫チェックポイント分子の阻害剤の投与を含む、請求項120に記載の方法又はANN。
- 阻害性免疫チェックポイント分子の前記阻害剤が、PD-1、PD-L1、PD-L2、CTLA-4に対する抗体、又はそれらの組み合わせである、請求項122に記載の方法又はANN。
- 前記抗PD-1抗体が、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042、又はその抗原結合部分を含む、請求項123に記載の方法又はANN。
- 前記抗PD-1抗体が、ヒトPD-1への結合について、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と交差競合する、請求項123に記載の方法又はANN。
- 前記抗PD-1抗体が、ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、又はTSR-042と同じエピトープに結合する、請求項123に記載の方法又はANN。
- 前記抗PD-L1抗体が、アベルマブ、アテゾリズマブ、CX-072、LY3300054、デュルバルマブ、又はその抗原結合部分を含む、請求項123に記載の方法又はANN。
- 前記抗PD-L1抗体が、ヒトPD-L1への結合についてアベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと交差競合する、請求項123に記載の方法又はANN。
- 前記抗PD-L1抗体が、アベルマブ、アテゾリズマブ、CX-072、LY3300054、又はデュルバルマブと同じエピトープに結合する、請求項123に記載の方法又はANN。
- 前記抗CTLA-4抗体が、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)、又はその抗原結合部分を含む、請求項123に記載の方法又はANN。
- 前記抗CTLA-4抗体が、ヒトCTLA-4への結合についてイピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)と交差競合する、請求項123に記載の方法又はANN。
- 前記抗CTLA-4抗体が、イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)と同じCTLA-4エピトープに結合する、請求項123に記載の方法又はANN。
- 前記チェックポイントモジュレーター療法が、(i)ニボルマブ、ペムブロリズマブ、セミプリマブ、PDR001、CBT-501、CX-188、シンチリマブ、チスレリズマブ、及びTSR-042からなる群から選択される抗PD-1抗体、(ii)アベルマブ、アテゾリズマブ、CX-072、LY3300054、及びデュルバルマブからなる群から選択される抗PD-L1抗体、(iv)イピリムマブ又は二重特異性抗体XmAb20717(抗PD-1/抗CTLA-4)である、抗CTLA-4抗体、又は(iii)それらの組み合わせの投与を含む、請求項120に記載の方法又はANN。
- 前記AクラスのTME療法が、VEGF標的療法及び他の抗血管新生剤、アンジオポエチン1(Ang1)の阻害剤、アンジオポエチン2(Ang2)の阻害剤、DLL4の阻害剤、抗VEGFと抗DLL4の二重特異性、TKI阻害剤、抗FGF抗体、抗FGFR1抗体、抗FGFR2抗体、FGFR1を阻害する小分子、FGFR2を阻害する小分子、抗PLGF抗体、PLGF受容体に対する小分子、PLGF受容体に対する抗体、抗VEGFB抗体、抗VEGFC抗体、抗VEGFD抗体、アフリベルセプトなどのVEGF/PLGFトラップ分子に対する抗体、又はziv-アフリベルセプト(ziv-aflibercet)、抗DLL4抗体、又はガンマセクレターゼの阻害剤などの抗Notch療法を含む、請求項76に記載の方法又はANN。
- 前記TKI阻害剤が、カボザンチニブ、バンデタニブ、チボザニブ、アキシチニブ、レンバチニブ、ソラフェニブ、レゴラフェニブ、スニチニブ、フルキンチニブ、パゾパニブ、及びそれらの任意の組み合わせからなる群から選択される、請求項134に記載の方法又はANN。
- 前記TKI阻害剤が、フルキンチニブである、請求項135に記載の方法又はANN。
- 前記VEGF標的療法が、抗VEGF抗体又はその抗原結合部分の投与を含む、請求項135に記載の方法又はANN。
- 前記抗VEGF抗体が、バリサクマブ、ベバシズマブ、又はその抗原結合部分を含む、請求項137に記載の方法又はANN。
- 前記抗VEGF抗体が、ヒトVEGF Aへの結合についてバリサクマブ、又はベバシズマブと交差競合する、請求項137に記載の方法又はANN。
- 前記抗VEGF抗体が、バリサクマブ、又はベバシズマブと同じエピトープに結合する、請求項137に記載の方法又はANN。
- 前記VEGF標的療法が、抗VEGFR抗体の投与を含む、請求項134に記載の方法又はANN。
- 前記抗VEGFR抗体が、抗VEGFR2抗体である、請求項141に記載の方法又はANN。
- 前記抗VEGFR2抗体が、ラムシルマブ又はその抗原結合部分を含む、請求項142に記載の方法又はANN。
- 前記AクラスのTME療法が、アンジオポエチン/TIE2標的療法の施行を含む、請求項134~143のいずれか一項に記載の方法又はANN。
- 前記アンジオポエチン/TIE2標的療法が、エンドグリン及び/又はアンジオポエチンの投与を含む、請求項144に記載の方法又はANN。
- 前記AクラスのTME療法が、DLL4標的療法の施行を含む、請求項130~145のいずれか一項に記載の方法又はANN。
- 前記DLL4標的療法が、ナビシキズマブ、ABL101(NOV1501)、又はABT165の投与を含む、請求項146に記載の方法又はANN。
- (a)化学療法を施すこと;
(b)手術を行うこと;
(c)放射線療法を施すこと;又は
(d)その任意の組み合わせ
をさらに含む、請求項1~40のいずれか一項に記載の方法。 - 前記癌が、腫瘍である、請求項1~148のいずれか一項に記載の方法又はANN。
- 前記腫瘍が、細胞腫である、請求項149に記載の方法又はANN。
- 前記腫瘍が、胃癌、結腸直腸癌、肝癌(肝細胞癌、HCC)、卵巣癌、乳癌、NSCLC、膀胱癌、肺癌、膵臓癌、頭頸部癌、リンパ腫、子宮癌、腎癌又は腎臓癌、胆道癌、肛門癌、前立腺癌、精巣癌、尿道癌、陰茎癌、胸部癌、直腸癌、脳癌(グリオーマ及び神経膠芽腫)、頸部癌、耳下腺癌、食道癌、胃食道癌、喉頭癌、甲状腺癌、腺癌、神経芽細胞癌、黒色腫、及びメルケル細胞癌からなる群から選択される、請求項149又は150に記載の方法又はANN。
- 前記癌が、再発する、請求項1~151のいずれか一項に記載の方法又はANN。
- 前記癌が、難治性である、請求項1~151のいずれか一項に記載の方法又はANN。
- 前記癌が、少なくとも1つの抗癌剤の投与を含む少なくとも1つの事前療法後に難治性である、請求項153に記載の方法又はANN。
- 前記癌が、転移性である、請求項1~154のいずれか一項に記載の方法又はANN。
- 前記投与が、癌を効果的に治療する、請求項2~40のいずれか一項に記載の方法。
- 前記投与が、癌の負担を軽減する、請求項2~40のいずれか一項に記載の方法。
- 癌の負担が、投与前の癌の負担と比較して少なくとも約10%、少なくとも約20%、少なくとも約30%、少なくとも約40%、又は約50%低下される、請求項157に記載の方法。
- 前記対象が、最初の投与後少なくとも約1ヶ月、少なくとも約2ヶ月、少なくとも約3ヶ月、少なくとも約4ヶ月、少なくとも約5ヶ月、少なくとも約6ヶ月、少なくとも約7ヶ月、少なくとも約8ヶ月、少なくとも約9ヶ月、少なくとも約10ヶ月、少なくとも約11ヶ月、少なくとも約1年、少なくとも約18ヶ月、少なくとも約2年、少なくとも約3年、少なくとも約4年、又は少なくとも約5年間の無増悪生存期間を示す、請求項2~40又は156~158のいずれか一項に記載の方法。
- 前記対象が、最初の投与後約1ヶ月、約2ヶ月、約3ヶ月、約4ヶ月、約5ヶ月、約6ヶ月、約7ヶ月、約8ヶ月、約9ヶ月、約10ヶ月、約11ヶ月、約1年、約18ヶ月、約2年、約3年、約4年、又は約5年間安定な疾患を示す、請求項2~40又は156~159のいずれか一項に記載の方法。
- 前記対象が、最初の投与後1ヶ月、約2ヶ月、約3ヶ月、約4ヶ月、約5ヶ月、約6ヶ月、約7ヶ月、約8ヶ月、約9ヶ月、約10ヶ月、約11ヶ月、約1年、約18ヶ月、約2年、約3年、約4年、又は約5年間部分奏功を示す、請求項2~40又は156~160のいずれか一項に記載の方法。
- 前記対象が、最初の投与後1ヶ月、約2ヶ月、約3ヶ月、約4ヶ月、約5ヶ月、約6ヶ月、約7ヶ月、約8ヶ月、約9ヶ月、約10ヶ月、約11ヶ月、約1年、約18ヶ月、約2年、約3年、約4年、又は約5年間完全奏功を示す、請求項2~40又は156~161のいずれか一項に記載の方法。
- 前記投与が、TMEを示さない対象の無増悪生存期間の確率と比較して、少なくとも約10%、少なくとも約20%、少なくとも約30%、少なくとも約30%、少なくとも約40%、少なくとも約50%、少なくとも約60%、少なくとも約70%、少なくとも約80%、少なくとも約90%、少なくとも約100%、少なくとも約110%、少なくとも約120%、少なくとも約130%、少なくとも約140%、又は少なくとも約150%無増悪生存期間の確率を改善する、請求項2~40又は156~162のいずれか一項に記載の方法。
- 前記投与が、TMEを示さない対象の全生存確率と比較して、少なくとも約25%、少なくとも約50%、少なくとも約75%、少なくとも約100%、少なくとも約125%、少なくとも約150%、少なくとも約175%、少なくとも約200%、少なくとも約225%、少なくとも約250%、少なくとも約275%、少なくとも約300%、少なくとも約325%、少なくとも約350%、又は少なくとも約375%全生存確率を改善する、請求項2~40又は156~163のいずれか一項に記載の方法。
- 請求項41~76のいずれか一項に記載のANNを含む機械学習分類器を用いてそれを必要とする対象における腫瘍の腫瘍微小環境を決定することにおける使用のための、少なくとも表1、図28A~28Gからのバイオマーカー遺伝子、又はそれらの組み合わせ、及び表2、図28A~28Gからのバイオマーカー遺伝子、又はそれらの組み合わせを含む遺伝子パネルであって、前記腫瘍微小環境が、
(i)抗癌療法に適する対象を識別すること;
(ii)抗癌療法を受ける対象の予後を決定すること;
(iii)抗癌療法の施行を開始する、中止する、又は変更すること、又は
(iv)それらの組み合わせ
のために使用される、遺伝子パネル。 - 抗癌療法での治療に適する癌に罹患したヒト対象を識別するための請求項41~76のいずれか一項に記載のANNを含む非集団ベースの分類器であって、前記機械学習分類器が、IA、IS、ID、AクラスのTME、又はそれらの組み合わせから選択されるTMEを示すとして前記対象を識別し、
(i)前記療法が、前記TMEがIA又は主にIAである場合IAクラスのTME療法である;
(ii)前記療法が、前記TMEがIS又は主にISである場合ISクラスのTME療法である;
(iii)前記療法が、前記TMEがID又は主にIDである場合IDクラスのTME療法である;又は
(iv)前記療法が、前記TMEがA又は主にAである場合AクラスのTME療法である
非集団ベースの分類器。 - それを必要とするヒト対象における癌を治療するための抗癌療法であって、前記対象が、請求項41~76のいずれか一項に記載のANNを含む機械学習分類器に従い、IA、IS、ID又はAクラスのTME又はそれらの組み合わせから選択されるTMEを示すとして識別され;
(a)前記療法が、前記TMEがIA又は主にIAである場合IAクラスのTME療法であり;
(b)前記療法が、前記TMEがIS又は主にISである場合ISクラスのTME療法であり;
(c)前記療法が、前記TMEがID又は主にIDである場合IDクラスのTME療法であり;又は
(d)前記療法が、前記TMEがA又は主にAである場合AクラスのTME療法である
抗癌療法。 - それを必要とする対象における癌にTMEクラスを割り当てる方法であって、
(i)複数の対象から得られる複数の試料中の遺伝子パネル中の各遺伝子についてのRNA発現レベルを含む訓練セットを用いて機械学習法を訓練することにより機械学習モデルを生成することであって、各試料が、TME分類を割り当てられる、生成すること;及び
(ii)前記対象における癌のTMEを、前記機械学習モデルを用いて、割り当てることであって、前記機械学習モデルへの入力が、前記対象から得られる試験試料中の遺伝子パネルにおける各遺伝子についてのRNA発現レベルを含む、割り当てること
を含む、方法。 - それを必要とする対象における癌にTMEクラスを割り当てる方法であって、複数の対象から得られる複数の試料中の遺伝子パネル中の各遺伝子についてのRNA発現レベルを含む訓練セットを用いて機械学習方法を訓練することにより機械学習モデルを生成することを含み、各試料が、TME分類を割り当てられ;前記機械学習モデルが、前記対象から得られる試験試料中の遺伝子パネルにおける各遺伝子についての入力RNA発現レベルを用いて前記対象における癌にTMEクラスを割り当てる、方法。
- それを必要とする対象における癌にTMEクラスを割り当てる方法であって、前記対象における癌のTMEを予測するために機械学習モデルを用いることを含み、前記機械学習モデルが、複数の対象から得られる複数の試料における遺伝子パネル中の各遺伝子についてのRNA発現レベルを含む訓練セットを用いて機械学習方法を訓練することにより生成され、各試料が、TME分類又はその組み合わせを割り当てられる、方法。
- 前記機械学習モデルが、請求項41~76のいずれか一項に記載のANNにより生成される、請求項168~170のいずれか一項に記載の方法。
- 前記訓練セット中の各試料に割り当てられるTME分類が、集団ベースの分類器により決定される、請求項168~170のいずれか一項に記載の方法。
- 前記集団ベースの分類器が、前記訓練セット中の各試料中の遺伝子パネル中の各遺伝子についてRNA発現レベルを測定することによりシグネチャー1のスコア及びシグネチャー2のスコアを決定することを含み、シグネチャー1を計算するために使用される遺伝子が、表1、図28A~28Gからの遺伝子、又はそれらの組み合わせでありかつシグネチャー2を計算するために使用される遺伝子が、表2、図28A~28Gからの遺伝子、又はそれらの組み合わせであり、かつ
(i)割り当てられるTME分類が、前記シグネチャー1のスコアが陰性でありかつ前記シグネチャー2のスコアが陽性である場合IAであり;
(ii)割り当てられるTME分類が、前記シグネチャー1のスコアが陽性でありかつ前記シグネチャー2のスコアが陽性である場合ISであり;
(iii)割り当てられるTME分類が、前記シグネチャー1のスコアが陰性でありかつ前記シグネチャー2のスコアが陰性である場合IDであり;かつ
(iv)割り当てられるTME分類が、前記シグネチャー1のスコアが陽性でありかつ前記シグネチャー2のスコアが陰性である場合Aである、請求項172に記載の方法。 - シグネチャー1のスコアの計算が、
(i)前記対象からの試験試料中の遺伝子パネルにおいて、表1からの各遺伝子、又はそのサブセット、又は図28A~28Gからの遺伝子のサブセットについて発現レベルを測定すること;
(ii)各遺伝子について、工程(i)の発現レベルから基準試料中のその遺伝子の発現レベルから得られる前記平均発現値を減算すること;
(iii)各遺伝子について、前記基準試料の発現レベルから得られる遺伝子あたりの標準偏差により工程(ii)で得られた値を除算すること;及び
(iv)工程(iii)で得られた全ての値を加算することおよび前記遺伝子パネル中の遺伝子数の平方根により得られた数を除算すること、
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアが、正のシグネチャースコアであり、および(iv)で得られた値がゼロ未満である場合、シグネチャースコアが、負のシグネチャースコアである、請求項173に記載の方法。 - シグネチャー2のスコアの計算が、
(i)前記対象からの試験試料中の遺伝子パネルにおいて、表2からの各遺伝子若しくはそのサブセット、又は図28A~28Gからの遺伝子のサブセットについて発現レベルを測定すること;
(ii)各遺伝子について、工程(i)の発現レベルから基準試料中のその遺伝子の発現レベルから得られる平均発現値を減算すること;
(iii)各遺伝子について、前記基準試料の発現レベルから得られる遺伝子あたりの標準偏差により工程(ii)で得られた値を除算すること;及び
(iv)工程(iii)で得られた全ての値を加算することおよび前記遺伝子パネル中の遺伝子数の平方根により得られた数を除算すること;
を含み、
(iv)で得られた値がゼロを超える場合、シグネチャースコアが、正のシグネチャースコアであり、および(iv)で得られた値がゼロ未満である場合、シグネチャースコアが、負のシグネチャースコアである、請求項173に記載の方法。 - 前記機械学習モデルが、モデルの出力に適用されるソフトマックス関数を含むロジスティック回帰分類器を含み、前記ソフトマックス関数が、各TME出力クラスに確率を割り当てる、請求項168~175のいずれか一項に記載の方法。
- 少なくとも1つのプロセッサと少なくとも1つのメモリを備えるコンピュータシステムにおいて実施され、前記少なくとも1つのメモリが前記少なくとも1つのプロセッサに前記機械学習モデルを実施させる前記少なくとも1つのプロセッサにより実行される命令を含む、請求項168~176のいずれか一項に記載の方法。
- (i)前記機械学習モデルを、前記コンピュータシステムのメモリに、入力すること;
(ii)前記対象に対応する遺伝子パネル入力データを、前記コンピュータシステムのメモリに、入力することであって、入力データが、RNA発現レベルを含む、入力すること;
(iii)前記機械学習モデルを実行すること;又は
(v)それらの任意の組み合わせ
をさらに含む、請求項177に記載の方法。 - 前記確率が、ANNモデルのノードの活性化スコアの潜在空間プロット上に重ね合わされる、請求項37に記載の方法、請求項72に記載のANN、又は請求項176に記載の方法。
- 前記ロジスティック回帰分類器が、前記潜在空間上で訓練される、請求項37に記載の方法、請求項72に記載のANN、又は請求項176に記載の方法。
- 前記ロジスティック回帰分類器が、PFS(無増悪生存期間)に対して最適化される、請求項37に記載の方法、請求項72に記載のANN、又は請求項176に記載の方法。
- 前記ロジスティック回帰分類器が、BOR(最良総合効果)、ORR(奏効率)、MSS/MSI-高(マイクロサテライト安定性/マイクロサテライト不安定性-高)状態、PD-1/PD-L1状態、PFS(無増悪生存期間)、NLR(好中球白血球比)、腫瘍遺伝子変異量(TMB)又はそれらの任意の組み合わせに対して最適化される、請求項37に記載の方法、請求項72に記載のANN、又は請求項176に記載の方法。
Applications Claiming Priority (9)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962932307P | 2019-11-07 | 2019-11-07 | |
US62/932,307 | 2019-11-07 | ||
US202063008367P | 2020-04-10 | 2020-04-10 | |
US63/008,367 | 2020-04-10 | ||
US202063060471P | 2020-08-03 | 2020-08-03 | |
US63/060,471 | 2020-08-03 | ||
US202063070131P | 2020-08-25 | 2020-08-25 | |
US63/070,131 | 2020-08-25 | ||
PCT/US2020/058956 WO2021092071A1 (en) | 2019-11-07 | 2020-11-04 | Classification of tumor microenvironments |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023500054A true JP2023500054A (ja) | 2023-01-04 |
JPWO2021092071A5 JPWO2021092071A5 (ja) | 2023-11-14 |
Family
ID=73835691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022522801A Pending JP2023500054A (ja) | 2019-11-07 | 2020-11-04 | 腫瘍微小環境の分類 |
Country Status (11)
Country | Link |
---|---|
US (1) | US20210174908A1 (ja) |
EP (1) | EP4055609A1 (ja) |
JP (1) | JP2023500054A (ja) |
KR (1) | KR20220094193A (ja) |
CN (1) | CN114556480A (ja) |
AU (1) | AU2020378280A1 (ja) |
CA (1) | CA3151629A1 (ja) |
IL (1) | IL291748A (ja) |
MX (1) | MX2022004501A (ja) |
TW (1) | TW202132573A (ja) |
WO (1) | WO2021092071A1 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10160761B2 (en) | 2015-09-14 | 2018-12-25 | Infinity Pharmaceuticals, Inc. | Solid forms of isoquinolinones, and process of making, composition comprising, and methods of using the same |
JP6776464B2 (ja) | 2017-06-13 | 2020-10-28 | ボストンジーン コーポレイションBostonGene Corporation | 正規化バイオマーカースコアからがん治療を特定するためのシステム及び方法 |
WO2022266434A1 (en) * | 2021-06-18 | 2022-12-22 | Memorial Sloan-Kettering Cancer Center | Methods for predicting immune checkpoint blockade efficacy across multiple cancer types |
CN113838532B (zh) * | 2021-07-26 | 2022-11-18 | 南通大学 | 基于双重自适应邻域半径的多粒度乳腺癌基因分类方法 |
CN113764032B (zh) * | 2021-10-21 | 2022-02-25 | 北京安智因生物技术有限公司 | 一种荧光定量pcr平台基因智能识别和报告自动化系统 |
TWI816296B (zh) * | 2022-02-08 | 2023-09-21 | 國立成功大學醫學院附設醫院 | 癌症預後的預測方法及其系統 |
WO2023225609A2 (en) * | 2022-05-19 | 2023-11-23 | The University Of Chicago | Methods and systems for molecular subtyping of cancer metastases |
WO2024019471A1 (ko) * | 2022-07-18 | 2024-01-25 | 아주대학교산학협력단 | 지수함수를 이용한 생존곡선 생성 시스템 및 그 방법 |
WO2024035653A1 (en) * | 2022-08-06 | 2024-02-15 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Predictive biomarker in avastin in colon cancer |
CN117743957B (zh) * | 2024-02-06 | 2024-05-07 | 北京大学第三医院(北京大学第三临床医学院) | 一种基于机器学习的Th2A细胞的数据分选方法及相关设备 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001523958A (ja) | 1997-03-21 | 2001-11-27 | ブライハム アンド ウィミンズ ホスピタル,インコーポレイテッド | 免疫療法のctla−4結合ペプチド |
EE05627B1 (et) | 1998-12-23 | 2013-02-15 | Pfizer Inc. | CTLA-4 vastased inimese monoklonaalsed antikehad |
US7109003B2 (en) | 1998-12-23 | 2006-09-19 | Abgenix, Inc. | Methods for expressing and recovering human monoclonal antibodies to CTLA-4 |
US7605238B2 (en) | 1999-08-24 | 2009-10-20 | Medarex, Inc. | Human CTLA-4 antibodies and their uses |
EP3287144A1 (en) | 2002-07-03 | 2018-02-28 | ONO Pharmaceutical Co., Ltd. | Immunopotentiating compositions |
EP2159285B1 (en) | 2003-01-29 | 2012-09-26 | 454 Life Sciences Corporation | Methods of amplifying and sequencing nucleic acids |
JP2007526772A (ja) | 2004-02-27 | 2007-09-20 | プレジデント・アンド・フェロウズ・オブ・ハーバード・カレッジ | インサイチュー配列決定用ポロニー蛍光ビーズ |
TWI287041B (en) | 2005-04-27 | 2007-09-21 | Jung-Tang Huang | An ultra-rapid DNA sequencing method with nano-transistors array based devices |
EP2418278A3 (en) | 2005-05-09 | 2012-07-04 | Ono Pharmaceutical Co., Ltd. | Human monoclonal antibodies to programmed death 1(PD-1) and methods for treating cancer using anti-PD-1 antibodies alone or in combination with other immunotherapeutics |
US20060275779A1 (en) | 2005-06-03 | 2006-12-07 | Zhiyong Li | Method and apparatus for molecular analysis using nanowires |
AU2006265108C1 (en) | 2005-07-01 | 2013-01-17 | E. R. Squibb & Sons, L.L.C. | Human monoclonal antibodies to programmed death ligand 1 (PD-L1) |
US20070194225A1 (en) | 2005-10-07 | 2007-08-23 | Zorn Miguel D | Coherent electron junction scanning probe interference microscope, nanomanipulator and spectrometer with assembler and DNA sequencing applications |
EP1777523A1 (en) | 2005-10-19 | 2007-04-25 | INSERM (Institut National de la Santé et de la Recherche Médicale) | An in vitro method for the prognosis of progression of a cancer and of the outcome in a patient and means for performing said method |
EP3222634A1 (en) | 2007-06-18 | 2017-09-27 | Merck Sharp & Dohme B.V. | Antibodies to human programmed death receptor pd-1 |
JP5809415B2 (ja) | 2007-11-09 | 2015-11-10 | ペレグリン ファーマシューティカルズ,インコーポレーテッド | 抗vegf抗体の組成物および方法 |
PE20120341A1 (es) | 2008-12-09 | 2012-04-24 | Genentech Inc | Anticuerpos anti-pd-l1 y su uso para mejorar la funcion de celulas t |
KR101934071B1 (ko) | 2009-11-24 | 2019-01-02 | 메디뮨 리미티드 | B7―h1에 대한 표적화된 결합 물질 |
EP2646571B1 (en) | 2010-12-01 | 2015-07-01 | INSERM (Institut National de la Santé et de la Recherche Médicale) | Method for predicting the outcome of colon cancer by analysing mirna expression |
WO2012095448A1 (en) | 2011-01-11 | 2012-07-19 | INSERM (Institut National de la Santé et de la Recherche Médicale) | Methods for predicting the outcome of a cancer in a patient by analysing gene expression |
WO2013044215A1 (en) | 2011-09-23 | 2013-03-28 | Oncomed Pharmaceuticals, Inc. | Vegf/dll4 binding agents and uses thereof |
WO2013107907A1 (en) | 2012-01-20 | 2013-07-25 | INSERM (Institut National de la Santé et de la Recherche Médicale) | Method for the prognosis of survival time of a patient suffering from a solid cancer |
US9945861B2 (en) | 2012-01-20 | 2018-04-17 | Inserm (Institut National De La Sante Et De La Recherche Medicale | Methods for predicting the survival time of a patient suffering from a solid cancer based on density of B cells |
KR102179848B1 (ko) | 2012-06-14 | 2020-11-17 | 인쎄름 (엥스띠뛰 나씨오날 드 라 쌍떼 에 드 라 흐쉐르슈 메디깔) | 종양 조직 중 면역 세포를 정량화하는 방법 및 이의 사용 |
US11242564B2 (en) | 2012-07-12 | 2022-02-08 | Inserm (Institut National De La Sante Et De La Recherche Medicale) | Methods for predicting the survival time and treatment responsiveness of a patient suffering from a solid cancer with a signature of at least 7 genes |
WO2014022594A1 (en) * | 2012-07-31 | 2014-02-06 | Daniel Mercola | Stroma biomarkers for prostate cancer prognosis |
WO2014023706A1 (en) | 2012-08-06 | 2014-02-13 | INSERM (Institut National de la Santé et de la Recherche Médicale) | Methods and kits for screening patients with a cancer |
PL3020731T3 (pl) * | 2013-07-09 | 2019-11-29 | Ablbio | Nowe podwójnie nakierowane białko specyficznie wiążące się z dll4 i vegf oraz zastosowanie tego białka |
WO2015007625A1 (en) | 2013-07-15 | 2015-01-22 | INSERM (Institut National de la Santé et de la Recherche Médicale) | Method for the prognosis of survival time of a patient suffering from a solid cancer |
TWI681969B (zh) | 2014-01-23 | 2020-01-11 | 美商再生元醫藥公司 | 針對pd-1的人類抗體 |
JP7032929B2 (ja) | 2014-07-11 | 2022-03-09 | ヴェンタナ メディカル システムズ, インク. | 抗pd-l1抗体及びその診断上の使用 |
AR105654A1 (es) | 2015-08-24 | 2017-10-25 | Lilly Co Eli | Anticuerpos pd-l1 (ligando 1 de muerte celular programada) |
CN110709936A (zh) * | 2017-04-04 | 2020-01-17 | 肺癌蛋白质组学有限责任公司 | 用于早期肺癌预后的基于血浆的蛋白质概况分析 |
EP3638695A4 (en) * | 2017-06-14 | 2021-06-30 | Icahn School of Medicine at Mount Sinai | METHOD OF DETECTION AND TREATMENT OF IMMUNOTHERAPY-RESPONDING CLASSES OF HEPATOCELLULAR CARCINOMA |
US10636512B2 (en) * | 2017-07-14 | 2020-04-28 | Cofactor Genomics, Inc. | Immuno-oncology applications using next generation sequencing |
-
2020
- 2020-11-04 US US17/089,234 patent/US20210174908A1/en active Pending
- 2020-11-04 CA CA3151629A patent/CA3151629A1/en active Pending
- 2020-11-04 EP EP20824715.5A patent/EP4055609A1/en active Pending
- 2020-11-04 CN CN202080072728.9A patent/CN114556480A/zh active Pending
- 2020-11-04 MX MX2022004501A patent/MX2022004501A/es unknown
- 2020-11-04 TW TW109138505A patent/TW202132573A/zh unknown
- 2020-11-04 JP JP2022522801A patent/JP2023500054A/ja active Pending
- 2020-11-04 AU AU2020378280A patent/AU2020378280A1/en active Pending
- 2020-11-04 KR KR1020227012751A patent/KR20220094193A/ko unknown
- 2020-11-04 WO PCT/US2020/058956 patent/WO2021092071A1/en unknown
- 2020-11-04 IL IL291748A patent/IL291748A/en unknown
Also Published As
Publication number | Publication date |
---|---|
KR20220094193A (ko) | 2022-07-05 |
TW202132573A (zh) | 2021-09-01 |
MX2022004501A (es) | 2022-05-06 |
CA3151629A1 (en) | 2021-05-14 |
AU2020378280A1 (en) | 2022-04-07 |
CN114556480A (zh) | 2022-05-27 |
US20210174908A1 (en) | 2021-06-10 |
WO2021092071A1 (en) | 2021-05-14 |
IL291748A (en) | 2022-06-01 |
EP4055609A1 (en) | 2022-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2023500054A (ja) | 腫瘍微小環境の分類 | |
JP7034183B2 (ja) | 免疫チェックポイント遮断療法に対するレスポンダー及び非レスポンダーを特定するためのシステム及び方法 | |
WO2020243329A1 (en) | Methods for treating small cell neuroendocrine and related cancers | |
TW202300659A (zh) | 癌症中之靶向療法 | |
CN117321225A (zh) | 癌症的靶向疗法 | |
JP2023510113A (ja) | 神経膠芽腫を処置するための方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220628 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231106 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231106 |