JP2023500054A - 腫瘍微小環境の分類 - Google Patents

腫瘍微小環境の分類 Download PDF

Info

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
Application number
JP2022522801A
Other languages
English (en)
Other versions
JPWO2021092071A5 (ja
Inventor
イー． ベンジャミン，ローラ
ストランド－チビッツ，クリステン
ピトウスキー，ブロニスラフ
ジガネック，マティアジュ
オーセック，ルーカ
ローゼンガルテン，ラファエル
スタジドハール，ミハ
Original Assignee
オンクセルナ セラピューティクス，インコーポレイテッド
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by オンクセルナ セラピューティクス，インコーポレイテッド filed Critical オンクセルナ セラピューティクス，インコーポレイテッド
Publication of JP2023500054A publication Critical patent/JP2023500054A/ja
Publication of JPWO2021092071A5 publication Critical patent/JPWO2021092071A5/ja
Pending legal-status Critical Current

Links

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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
図１は、分類前の３つのデータセットの正規化を示す。 図２は、４つの間質サブタイプ（すなわち、間質表現型）に２９８人の患者を分類した後のＡＣＲＧデータセットのカプラン・マイヤープロットからのリスク曲線比較である。 図３は、４つの間質サブタイプ（すなわち、間質表現型）に３８８人の患者を分類した後のＴＣＧＡデータセットのカプラン・マイヤープロットからのリスク曲線比較である。 図４は、４つの間質サブタイプ（すなわち、間質表現型）に１９２人の患者を分類した後のシンガポールデータセットのカプラン・マイヤープロットからのリスク曲線比較である。 図５は、４つの間質サブタイプ（すなわち、間質表現型）への分類後に組み合わされた３つのデータセット（８７８人の患者）のカプラン・マイヤープロットからのリスク曲線比較である。 図６Ａと図６Ｂは、ＡＣＲＧコホート中のボックスプロットとして表される例示的な遺伝子オントロジーシグネチャーを示す。図６Ａは、ＡＣＲＧデータ中の４つの間質サブタイプ（すなわち、間質表現型）の関数としてのＴｒｅｇシグネチャーからの発現レベルの中央値及び値の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（すなわち、間質表現型）の関数としての炎症性応答シグネチャーの発現レベルの中央値及び値の範囲のボックスプロットを示す。 図６Ａと図６Ｂは、ＡＣＲＧコホート中のボックスプロットとして表される例示的な遺伝子オントロジーシグネチャーを示す。図６Ａは、ＡＣＲＧデータ中の４つの間質サブタイプ（すなわち、間質表現型）の関数としてのＴｒｅｇシグネチャーからの発現レベルの中央値及び値の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（すなわち、間質表現型）の関数としての炎症性応答シグネチャーの発現レベルの中央値及び値の範囲のボックスプロットを示す。 図７Ａと図７Ｂは、個々のプロットのタイトルの生物学を反映するＡＣＲＧコホート中の例示的な遺伝子オントロジーシグネチャーを示す。図７Ａは、シグネチャー１の活性化が内皮細胞のシグネチャー活性化と相関していることを示す。図７Ｂは、シグネチャー２の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していることを示す。 図７Ａと図７Ｂは、個々のプロットのタイトルの生物学を反映するＡＣＲＧコホート中の例示的な遺伝子オントロジーシグネチャーを示す。図７Ａは、シグネチャー１の活性化が内皮細胞のシグネチャー活性化と相関していることを示す。図７Ｂは、シグネチャー２の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していることを示す。 図８Ａと図８Ｂは、個々のプロットのタイトルの生物学を反映するＴＣＧＡデータセットにおける例示的な遺伝子オントロジーシグネチャーを示す。図８Ａは、シグネチャー１の活性化が内皮細胞のシグネチャー活性化と相関していることを示す。図８Ｂは、シグネチャー２の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していることを示す。 図８Ａと図８Ｂは、個々のプロットのタイトルの生物学を反映するＴＣＧＡデータセットにおける例示的な遺伝子オントロジーシグネチャーを示す。図８Ａは、シグネチャー１の活性化が内皮細胞のシグネチャー活性化と相関していることを示す。図８Ｂは、シグネチャー２の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していることを示す。 図９Ａ及び図９Ｂは、個々のプロットのタイトルの生物学を反映するシンガポールコホートの例示的な遺伝子オントロジーシグネチャーを示す。図９Ａは、シグネチャー１の活性化が内皮細胞のシグネチャー活性化と相関していることを示す。図９Ｂは、シグネチャー２の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していることを示す。 図９Ａ及び図９Ｂは、個々のプロットのタイトルの生物学を反映するシンガポールコホートの例示的な遺伝子オントロジーシグネチャーを示す。図９Ａは、シグネチャー１の活性化が内皮細胞のシグネチャー活性化と相関していることを示す。図９Ｂは、シグネチャー２の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していることを示す。 図１０は、本明細書に開示される分類器の適用に基づく腫瘍微小環境（ＴＭＥ）割り当て、及び各ＴＭＥクラスに割り当てられた治療クラスを示すチャートである。 図１１は、ロジスティック回帰モデルに用いられるロジスティック関数を示す。 図１２Ａは、例示的な小さな決定木である。 図１２Ｂは、新たな試料についての予測が、個々の木からの予測を平均化することにより行えることを示す。 図１３は、ランダムフォレスト分類器からのパラメータを示す。 図１４は、多数の試料を含む人工ニューラルネットワーク（ＡＮＮ）訓練セットの一部を示し、各々が対象（カラムＡ）、本開示の集団ベースの分類器に従って割り当てられた対象の癌のＴＭＥクラス（カラムＢ）、及び選択された遺伝子パネル中の異なる遺伝子に対応するＲＮＡ発現レベル（カラムＣ、Ｄ、Ｅなど）に対応する。 図１５は、本開示における非集団ベースの分類器として使用されるＡＮＮの簡略化された図を示す。ＡＮＮは、遺伝子パネル（例えば、１２４遺伝子パネル、１０５遺伝子パネル、９８遺伝子パネル、あるいは８７遺伝子パネル）中の各遺伝子に対応する入力を有する入力層と、２個のニューロン（あるいは３、４又は５個のニューロン）を含む隠れ層と、ＴＭＥクラス割り当て（すなわち、間質表現型割り当て）に対応する出力層とを備える。 図１６は、本開示による非集団ベースの分類器を開発するために使用できる代替のＡＮＮアーキテクチャを示す概略図である。 図１７は、遺伝子１～ｎのｍＲＮＡレベル（ｘ）に対応するＡＮＮへの入力が隠れ層ニューロンに供給され、バイアス（ｂ）が隠れ層ニューロンに適用されることを示す。ニューロンへの入力は、バイアス及びそれぞれの重み（ｗ１．．．ｗｎ）に従って正規化されるｍＲＮＡ発現レベル（ｘ１．．．ｘｎ）を組み込む関数（ｆ）によって積分される。 図１８は、隠れ層のニューロンに適用可能な異なる活性化関数を示す。 図１９は、人工ニューロンネットワーク（ＡＮＮ）モデルアーキテクチャを示す。「入力層」は、単一の試料からの式のベクトルｘｉ、ｉ∈ Ｇである。「隠れ層」は、２つのニューロンを含み、各ニューロンは、遺伝子発現を入力としてとる。「出力層」は、４つのニューロンを含み、各ニューロンは、入力として２つの隠れたニューロンの活性化をとり、重み付き和としてそれらをｔａｎｈ（双曲線正接）活性化関数でイールド（ｙｉｅｌｄ）（ｙ）に変換し、その後、ロジスティック回帰分類器（例えば、ソフトマックス関数）（ｚｉ）により４つの表現型クラス（ＩＡ、ＩＤ、Ａ、ＩＳ）の確率を生成する。ＡＮＮの別の態様は、例えば、２つのニューロンの代わりに５個のニューロンを含んでよい。 図２０は、既知のバイオマーカー状態及びペムブロリズマブ単剤療法で治療された既知の結果を有する胃癌患者の集団のカプラン・マイヤー生存曲線を示す。 図２１Ａは、非応答者に対する応答者であるカットオフ定義患者を最適化するための機械学習（ＡＮＮ）の適用、及び患者選択のための２つの可能な選択肢を示す。 図２１Ｂは、図２１Ａに例示されるような非応答者に対する応答者である患者を定義するために、カーティージャンｘ＝０、ｙ＝０の閾値とは異なる線形閾値を使用することに加えて、患者集団を定義するために非線形閾値を使用し、かつ患者選択のためにこのような非線形閾値を使用できることを示す。 図２２は、既知のバイオマーカー状態及び既知の結果を有するＮａｖｉ １Ｂ生殖器癌患者のカプラン・マイヤー生存曲線を示す。 図２３は、ＡＮＮモデルの活性化スコア１及び２（ｘ及びｙ軸）の潜在空間プロット上に重ねた、実施例１２のペムブロリズマブ患者データに対するＴＭＥクラスの百分率で表される、確率輪郭を示す。左上四分円は、Ａ ＴＭＥ間質表現型に対応し、左下四分円は、ＩＤ ＴＭＥ間質表現型に対応し、右下四分円は、ＩＡ ＴＭＥ間質表現型に対応し、右上四分円は、ＩＳ ＴＭＥ間質表現型に対応する。患者の最良総合効果の結果は、進行性疾患（ＰＤ）－円；安定疾患（ＳＤ）－三角形；部分奏功（ＰＲ）－正方形；及び完全奏功（ＣＲ）－「ｘ」、により表される。塗りつぶされた形状は、ＰＤ－Ｌ１状態≧１の患者を表し、空の形状は、ＰＤ－Ｌ１＜１である。実施例１２の７３人の患者のうち、４人は、ＰＤ－Ｌ１状態が見当たらず、そのためプロットから省かれている。 図２４は、ＡＮＮモデルの活性化スコア１及び２（ｘ及びｙ軸）の潜在空間プロット上に重ねた、実施例１２のペムブロリズマブ患者データのＴＭＥクラスの５ヶ月を超える無増悪生存期間（ＰＦＳ）に基づくロジスティック回帰分類器により通知されるバイオマーカー陽性の確率を示す。分類器を、陽性クラスとしてＰＦＳ＞５を用い、４未満の好中球白血球比（ＮＬＲ＜４）を用いて試料に基づき訓練した。左上四分円は、Ａ ＴＭＥ間質表現型に対応し、左下四分円は、ＩＤ ＴＭＥ間質表現型に対応し、右下四分円は、ＩＡ ＴＭＥ間質表現型に対応し、右上四分円は、ＩＳ ＴＭＥ間質表現型に対応する。患者の最良総合効果の結果は、進行性疾患（ＰＤ）－円；安定疾患（ＳＤ）－三角形；部分奏功（ＰＲ）－正方形；及び完全奏功（ＣＲ）－「ｘ」、により表される。塗りつぶされた形状は、ＰＤ－Ｌ１状態≧１の患者を表し、空の形状は、ＰＤ－Ｌ１＜１である。実施例１２の７３人の患者のうち、４人はＰＤ－Ｌ１状態が見当たらず、そのためプロットから省かれている。 図２５は、ＡＮＮモデルの活性化スコア１及び２（ｘ及びｙ軸）の潜在空間プロット上に重ねた実施例１２のペムブロリズマブ患者データのＴＭＥクラスの最良総合効果に基づいてロジスティック回帰分類器によって通知されるバイオマーカー陽性の確率を示す。この分類器を、陽性クラスとして完全奏功者と部分奏功者（ＣＲ＋ＰＲ）を用い、４未満の好中球白血球比（ＮＬＲ＜４）を用いて試料に基づき訓練した。左上四分円は、Ａ ＴＭＥ間質表現型に対応し、左下四分円は、ＩＤ ＴＭＥ間質表現型に対応し、右下四分円は、ＩＡ ＴＭＥ間質表現型に対応し、右上四分円は、ＩＳ ＴＭＥ間質表現型に対応する。患者の最良総合効果の結果は、進行性疾患（ＰＤ）－円；安定疾患（ＳＤ）－三角形；部分奏功（ＰＲ）－正方形；及び完全奏功（ＣＲ）－「ｘ」、により表される。塗りつぶされた形状は、ＰＤ－Ｌ１状態≧１の患者を表し、空の形状は、ＰＤ－Ｌ１＜１である。実施例１２の７３人の患者のうち、４人はＰＤ－Ｌ１状態が見当たらず、そのためプロットから省かれている。 図２６は、全患者（ｎ＝３８）について、ＡＮＮモデルの活性化スコア１及び２（ｘ及びｙ軸）の潜在空間プロット上に重ねた実施例７のバビツキシマブとペムブロリズマブの併用療法臨床データのＴＭＥクラスの確率を示す。左上四分円は、Ａ ＴＭＥ間質表現型に対応し、左下四分円は、ＩＤ ＴＭＥ間質表現型に対応し、右下四分円は、ＩＡ ＴＭＥ間質表現型に対応し、右上四分円は、ＩＳ ＴＭＥ間質表現型に対応する。患者の最良総合効果の結果は、進行性疾患（ＰＤ）－円；安定疾患（ＳＤ）－三角形；部分奏功（ＰＲ）－正方形；及び完全奏功（ＣＲ）－「ｘ」、により表される。塗りつぶされた形状は、確認された応答を有する患者を表し、空の形状は、未確認応答である。 図２７は、結腸直腸癌（左、ｎ＝３７０）、胃癌（中心、ｎ＝３３７）、及び卵巣癌（右、ｎ＝３９２）からの組織試料それぞれについてのニューラルネット活性化スコア（塗りつぶされた円、活性化スコア１（ノード１）、空の正方形、活性化スコア２（ノード２）及び予測ＴＭＥクラス（ＡＮＮ表現型コール）を示す。異なる疾患グループの４つのＴＭＥクラス間の試料の分布は、類似している。 図２８Ａは、遺伝子セット１～４４中の１２４個の遺伝子の存在（空のセル）又は不在（塗りつぶされたセル）を示す。 図２８Ｂは、遺伝子セット４５～８８中の１２４個の遺伝子の存在（空のセル）又は不在（塗りつぶされたセル）を示す。 図２８Ｃは、遺伝子セット８９～１３２中の１２４個の遺伝子の存在（空のセル）又は不在（塗りつぶされたセル）を示す。 図２８Ｄは、遺伝子セット１３３～１７７中の１２４個の遺伝子の存在（空のセル）又は不在（塗りつぶされたセル）を示す。 図２８Ｅは、遺伝子セット１７８～２２２中の１２４個の遺伝子の存在（空のセル）又は不在（塗りつぶされたセル）を示す。 図２８Ｆは、遺伝子セット２２３～２６７中の１２４個の遺伝子の存在（空のセル）又は不在（塗りつぶされたセル）を示す。 図２８Ｇは、遺伝子セット２６８～２８２中の１２４個の遺伝子の存在（空のセル）又は不在（塗りつぶされたセル）を示す。 図２９Ａは、３０個の遺伝子の重みの試料（ｘ軸）のヒストグラムとして提示される、ＡＮＮモデルの第１のノードにおける遺伝子の重みの例示的な概略図である。空の棒、シグネチャー１の遺伝子のサブセット、塗りつぶされた棒、シグネチャー２の遺伝子のサブセット。重みを、ｙ軸上に与える。 図２９Ｂは、３０個の遺伝子の重みの試料（ｘ軸）のヒストグラムとして提示される、ＡＮＮモデルの第２のノードにおける遺伝子の重みの例示的な概略図である。空の棒、シグネチャー１の遺伝子のサブセット、塗りつぶされた棒、シグネチャー２の遺伝子のサブセット。重みを、ｙ軸上に与える。
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。
「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。
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。
表１．シグネチャー１遺伝子及び受託番号（ｎ＝６３）
Figure 2023500054000002
Figure 2023500054000003
Figure 2023500054000004
Figure 2023500054000005
Figure 2023500054000006
Figure 2023500054000007
表２．シグネチャー２遺伝子及び受託番号（ｎ＝６１）
Figure 2023500054000008
Figure 2023500054000009
Figure 2023500054000010
Figure 2023500054000011
表３．シグネチャー１遺伝子パネル
Figure 2023500054000012
表４．シグネチャー２遺伝子パネル
Figure 2023500054000013
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。
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。
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。
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。
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。
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。
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。
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：
Figure 2023500054000014
 （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。
Figure 2023500054000015
 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）。
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。
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。
したがって、いくつかの態様では、活性化スコア、zｓ（シグネチャー値）は、式２に従って計算され、式中、Ｔは、活性化スコアに適用される閾値である。
Figure 2023500054000016
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。
したがって、いくつかの態様では、活性化スコアzｓ（シグネチャー値）は、式３に従って計算され、式中、Ｔは、パネル中の各遺伝子に適用される独立した閾値である。
Figure 2023500054000017
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。
さらに他の態様では、活性化スコアzｓ（シグネチャー値）は、式４に従って計算され、式中、Ｔ１は、パネル中の各遺伝子に適用される独立閾値であり、Ｔ２は、活性化スコアに適用される第２の閾値である。
Figure 2023500054000018
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。
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。
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。
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。
Figure 2023500054000019
 （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、
Figure 2023500054000020
 （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。
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：
Figure 2023500054000021
 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。
表５：機械学習（例えば、ＡＮＮ）訓練での使用のための遺伝子セット
Figure 2023500054000022
Figure 2023500054000023
Figure 2023500054000024
Figure 2023500054000025
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
表６
Figure 2023500054000026
Figure 2023500054000027
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。
表７．チスレリズマブ配列
Figure 2023500054000028
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。
表８．シンチリマブ配列
Figure 2023500054000029
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。
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。
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。
表９．バビツキシマブ配列
Figure 2023500054000030
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。
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。
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。
表１０．ナビシキズマブ配列
Figure 2023500054000031
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。
表１１．バリサクマブ配列
Figure 2023500054000032
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。
表１２．ＴＭＥクラス特異的療法の一部としての投与のための治療剤
Figure 2023500054000033
Figure 2023500054000034
Figure 2023500054000035
Figure 2023500054000036
Figure 2023500054000037
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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、
Figure 2023500054000038
 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。
Figure 2023500054000039
 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。
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。
表１３．シグネチャー１及びシグネチャー２遺伝子の活性化スコアに基づく４つの間質サブタイプクラスの予後の又は予測のバイオロジー
Figure 2023500054000040
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。
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。
表１４．３つの公開されている胃癌データセット（ＡＣＲＧ、ＴＣＧＡ、及びシンガポール）中の本開示の４つのクラスの間質サブタイプの有症率
Figure 2023500054000041
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）。
表１５．ＡＣＲＧデータセットｎ＝３００中の腫瘍サブタイプは、４つの間質サブタイプと強く関連しなかった。
Figure 2023500054000042
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）。
表１６.間質サブタイプと比較したＴＣＧＡ胃癌サブタイプＣ１、Ｃ２、Ｃ３、及びＣ４（ｎ＝２３２）は、強い関連がないことを明らかにする。
Figure 2023500054000043
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。
表１７．シンガポールデータセット胃癌サブタイプ（間葉系、代謝性、増殖性、及び不安定性）は、間質サブタイプと強く関連しなかった。
Figure 2023500054000044
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。
Figure 2023500054000045
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。
表１９．性別の共分散は、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２５４人の対象のみが、ＴＣＧＡデータコホートのために性別を報告する。
Figure 2023500054000046
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。
Figure 2023500054000047
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。
表２１．本開示の間質サブタイプ（集団ベース）とＡＣＲＧ胃癌データセットのローレン腫瘍分類の比較、ｎ＝３００。
Figure 2023500054000048
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．集団ベースの方法を用いて分類された、ＡＣＲＧデータセット（平均値又はゼロに設定した閾値）の図２の生存リスク曲線に対応するデータ
Figure 2023500054000049
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）。
表２３．集団ベースの方法を用いて分類された、ＴＣＧＡデータセットの図３の生存リスク曲線に対応するデータ
Figure 2023500054000050
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）。
表２４．集団ベースの方法を用いて分類された、シンガポールデータセットの図３の生存リスク曲線に対応するデータ
Figure 2023500054000051
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。
表２５．集団ベースの方法を用いて分類された、図５の組み合わせ生存リスク曲線に対応するデータ
Figure 2023500054000052
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。
表２６．ＡＣＲＧコホートの分類中のシグネチャー１（「１」）とシグネチャー２（「２」）の閾値の変化
Figure 2023500054000053
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。
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。
表２７．胃癌のためにペムブロリズマブを受けた患者の前処理分類（平均閾値）、ｎ＝４５
Figure 2023500054000054
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。
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。
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。
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。
表２８．胃癌のためにラムシルマブ及びパクリタキセルを受けた患者の前処理分類（平均閾値）、ｎ＝４９
Figure 2023500054000055
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。
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。
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。
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。
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。
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。
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。
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。
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。
（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。
Figure 2023500054000056
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。
表３０．バイオマーカーデータとＮＬＲ＜４を有する２２人の患者のパフォーマンス値
Figure 2023500054000057
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３１．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スコア分類及び最良総合効果
Figure 2023500054000058
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。
表３２．胃癌／胃食道癌研究（未確認結果；Ｎ＝４４、ＭＳＳ、ＰＤ－Ｌ１陽性及び陰性患者）におけるバビツキシマブとペムブロリズマブ併用療法
Figure 2023500054000059
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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は、次のロジスティック関数：
Figure 2023500054000060
 を用いて、ターゲットクラス（例えば、ＴＭＥクラス）の確率を予測する。
ロジスティック関数（図１１）は、対数オッズと出力確率をとると解釈されてよい。複数の特徴に一般化される場合、以下のようにｔを表すことができる。
Figure 2023500054000061
一般的なロジスティック関数ｐを、
Figure 2023500054000062
 のように書くことができる。
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。
表３３．最終ロジスティック回帰モデルのパラメータ
Figure 2023500054000063
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。
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。
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。
Figure 2023500054000064
 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）。
表３４．出力層の人工ニューラルネットワークの重み
Figure 2023500054000065
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。
表３５．最終人工ニューラルネットワークモデルのパラメータ
Figure 2023500054000066
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。
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。
表３６．７３人の患者のＭＳＩ高状態と共に、ＰＤ－１の業界ゴールドスタンダードバイオマーカーと比較したＡＮＮ確率スコアの最適化
Figure 2023500054000067
表３７．ペムブロリズマブ又はニボリズマブで治療された、第２選択治療の胃癌におけるバイオマーカーの比較（ｎ＝７３）
Figure 2023500054000068
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。
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。
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。
表３８．血管新生療法への応答者を分類するためのＡＮＮモデルの使用
Figure 2023500054000069
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。
表３９
Figure 2023500054000070
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。
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。
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。
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。
表４０．全患者（ｎ＝３９）における及び婦人科癌（ｎ＝１８）におけるＺスコア並びにＡＮＮモデル性能
Figure 2023500054000071
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。
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。
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。
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。
表４１．Ｎａｖｉ １Ｂ生殖癌の治療意図のある集団の応答率及び疾患制御率
Figure 2023500054000072
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。
表４２．Ｎａｖｉ １Ｂ試験：卵巣癌、子宮癌、及び卵管癌についてＲＮＡ発現データ及び確認された応答データを有する２３人の患者のバイオマーカー状態
Figure 2023500054000073
表４３．Ｎａｖｉ １Ｂ試験の生殖癌コホートにおけるバイオマーカーデータ及び確認された応答を有する２３人の患者の集団ベースのＺスコア分類及び最良総合効果
Figure 2023500054000074
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。
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。
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。
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。
表４４．少なくとも１７の異なる源からの７０４人の患者の間質表現型
Figure 2023500054000075
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。
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。
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。
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。
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)

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。
  6. 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。
  7. 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。
  8. 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。
  9. 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。
  10. 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。
  11. 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。
  12. 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。
  13. 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。
  14. 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。
  15. 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。
  16. 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。
  17. 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。
  18. 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。
  19. 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。
  20. 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。
  21. 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。
  22. 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。
  23. 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。
  24. 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。
  25. 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。
  26. 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。
  27. 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。
  28. 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。
  29. 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。
  30. 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。
  31. 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。
  32. 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。
  33. 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。
  34. 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。
  35. 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。
  36. 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。
  37. 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。
  38. 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。
  39. 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。
  40. 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。
  41. 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。
  42. フィードフォワードＡＮＮである、請求項４１に記載のＡＮＮ。
  43. 多層パーセプトロンである、請求項４１又は４２に記載のＡＮＮ。
  44. 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。
  45. 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。
  46. 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。
  47. 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。
  48. 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。
  49. 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。
  50. 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。
  51. 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。
  52. 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。
  53. 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。
  54. 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。
  55. 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。
  56. 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。
  57. 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。
  58. 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。
  59. 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。
  60. 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。
  61. 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。
  62. 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。
  63. 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。
  64. 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。
  65. 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。
  66. 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。
  67. 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。
  68. 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。
  69. 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。
  70. 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。
  71. 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。
  72. 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。
  73. 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。
  74. 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。
  75. 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。
  76. 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。
  77. 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。
  78. 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
  79. 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。
  80. 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。
  81. 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。
  82. 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。
  83. 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。
  84. 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。
  85. 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。
  86. 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。
  87. 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。
  88. 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。
  89. 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。
  90. 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。
  91. 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。
  92. 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。
  93. 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。
  94. 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。
  95. 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。
  96. 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。
  97. 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。
  98. 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。
  99. 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。
  100. 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。
  101. 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。
  102. 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。
  103. 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。
  104. 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。
  105. 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。
  106. 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。
  107. 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。
  108. 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。
  109. 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。
  110. 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。
  111. 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。
  112. 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。
  113. 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。
  114. 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。
  115. 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。
  116. 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。
  117. 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。
  118. 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。
  119. 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。
  120. 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。
  121. 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。
  122. 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。
  123. 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。
  124. 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。
  125. 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。
  126. 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。
  127. 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。
  128. 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。
  129. 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。
  130. 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。
  131. 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。
  132. 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。
  133. 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。
  134. 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。
  135. 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。
  136. 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。
  137. 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。
  138. 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。
  139. 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。
  140. 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。
  141. 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。
  142. 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。
  143. 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。
  144. 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。
  145. 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。
  146. 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。
  147. 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。
  148. （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。
  149. 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。
  150. 前記腫瘍が、細胞腫である、請求項１４９に記載の方法又はＡＮＮ。
  151. 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。
  152. 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。
  153. 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。
  154. 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。
  155. 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。
  156. 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。
  157. 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。
  158. 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。
  159. 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。
  160. 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。
  161. 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。
  162. 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。
  163. 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。
  164. 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。
  165. 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。
  166. 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。
  167. 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。
  168. 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。
  169. 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。
  170. 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。
  171. 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。
  172. 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。
  173. 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。
  174. 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。
  175. 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。
  176. 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。
  177. 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。
  178. （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。
  179. 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。
  180. 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。
  181. 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。
  182. 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。
JP2022522801A 2019-11-07 2020-11-04 腫瘍微小環境の分類 Pending JP2023500054A (ja)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

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