JP2023549294A - 野生型ｌｒｒｋ２に関連するパーキンソン病の処置および診断方法 - Google Patents

野生型ｌｒｒｋ２に関連するパーキンソン病の処置および診断方法 Download PDF

Info

Publication number
JP2023549294A
JP2023549294A JP2023549961A JP2023549961A JP2023549294A JP 2023549294 A JP2023549294 A JP 2023549294A JP 2023549961 A JP2023549961 A JP 2023549961A JP 2023549961 A JP2023549961 A JP 2023549961A JP 2023549294 A JP2023549294 A JP 2023549294A
Authority
JP
Japan
Prior art keywords
cycloalkyl
heteroaryl
aryl
optionally substituted
alkyl
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
JP2023549961A
Other languages
English (en)
Inventor
マイク ノールズ，
ピーター ヒューティンク，
アダム ナイト，
Original Assignee
ニューロン２３， 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 ニューロン２３， インコーポレイテッド filed Critical ニューロン２３， インコーポレイテッド
Publication of JP2023549294A publication Critical patent/JP2023549294A/ja
Pending legal-status Critical Current

Links

Classifications

    • 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
    • A61K31/41—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine or rifamycins having five-membered rings with two or more ring hetero atoms, at least one of which being nitrogen, e.g. tetrazole
    • 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
    • A61K31/41—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine or rifamycins having five-membered rings with two or more ring hetero atoms, at least one of which being nitrogen, e.g. tetrazole
    • A61K31/415—1,2-Diazoles
    • 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
    • A61K31/41—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine or rifamycins having five-membered rings with two or more ring hetero atoms, at least one of which being nitrogen, e.g. tetrazole
    • A61K31/415—1,2-Diazoles
    • A61K31/4162—1,2-Diazoles condensed with heterocyclic ring 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
    • A61K31/435—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine or rifamycins having six-membered rings with one nitrogen as the only ring hetero atom
    • A61K31/4353—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine or rifamycins having six-membered rings with one nitrogen as the only ring hetero atom ortho- or peri-condensed with heterocyclic ring systems
    • A61K31/437—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine or rifamycins having six-membered rings with one nitrogen as the only ring hetero atom ortho- or peri-condensed with heterocyclic ring systems the heterocyclic ring system containing a five-membered ring having nitrogen as a ring hetero atom, e.g. indolizine, beta-carboline
    • 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
    • A61K31/519—Pyrimidines; Hydrogenated pyrimidines, e.g. trimethoprim ortho- or peri-condensed with heterocyclic rings
    • 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
    • A61K31/55—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine or rifamycins having seven-membered rings, e.g. azelastine, pentylenetetrazole
    • A61K31/551—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine or rifamycins having seven-membered rings, e.g. azelastine, pentylenetetrazole having two nitrogen atoms, e.g. dilazep
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
    • A61P25/00—Drugs for disorders of the nervous system
    • 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
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/106—Pharmacogenomics, i.e. genetic variability in individual responses to drugs and drug metabolism
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/112—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
    • C12Q2600/156—Polymorphic or mutational markers

Landscapes

  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Medicinal Chemistry (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Organic Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Engineering & Computer Science (AREA)
  • Genetics & Genomics (AREA)
  • Analytical Chemistry (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Immunology (AREA)
  • Microbiology (AREA)
  • Molecular Biology (AREA)
  • Biotechnology (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Chemical & Material Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
  • Medicines That Contain Protein Lipid Enzymes And Other Medicines (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本発明は、野生型ＬＲＲＫ２に関連するパーキンソン病（ＰＤ）の患者を処置する方法を提供する。本発明は、そのような患者におけるＬＲＲＫ２の遺伝的修飾因子の分析が、ＬＲＲＫ２阻害剤に対して応答する患者の同定を可能にすることを認識する。したがって、本発明は、ＬＲＲＫ２阻害剤に対して応答するＰＤ患者を同定する方法およびそのような患者を処置する方法を提供する。この方法は、ＬＲＲＫ２阻害剤を、パーキンソン病を呈し、かつ野生型ＬＲＲＫ２および野生型ＬＲＲＫ２の遺伝的修飾因子を有する対象に提供して、前記対象がＬＲＲＫ２阻害剤に対して応答することによって前記対象の野生型ＬＲＲＫ２に関連するパーキンソン病を処置することを含み得る。

Description

発明の分野
本発明は、野生型ＬＲＲＫ２に関連するパーキンソン病の患者を処置および診断する方法に関する。
背景
パーキンソン病（ＰＤ）は、世界中で６００万人超が罹患している進行性の神経変性疾患である。ＰＤは通常、運動機能障害によって最初に認識され、基本的な症候は振戦、固縮、動作緩慢、および歩行困難である。後期段階では、ＰＤはまた、認知症、うつ病、および不安症を含む神経精神障害を生じる。ＰＤは、６０歳を超える人々の１％超を罹患させ、年間１０万人超の死亡をもたらす。
ＰＤは、遺伝的および環境的要因の重ね合わせに起因すると考えられている。家族性ＰＤに関連する多数の変異は同定されているが、ＰＤ症例の８５～９０％は特発性である。公知の遺伝的要因に関連し得るＰＤ症例では、ＬＲＲＫ２遺伝子の変異が家族性および特発性ＰＤの両方の最も一般的な原因である。ＬＲＲＫ２は、基底核などのＰＤに関連する脳の領域を含む複数の組織で発現されるプロテインキナーゼをコードし、疾患を引き起こす変異はキナーゼ活性の増強をもたらす。しかしながら、最近の証拠は、ＰＤのいくつかの症例が野生型、すなわち非変異型ＬＲＲＫ２の活性増加に関連することを示している。
ＰＤの治療法は存在しないので、現在の処置は症候、特に運動機能障害の緩和に焦点を当てている。数十年にわたる主たるアプローチは、ドーパミン前駆体であるレボドパ、ドーパミンアゴニスト、またはモノアミンオキシダーゼ阻害剤を使用して、ドーパミン作動機能を増強することであった。しかしながら、そのような医薬品は、疾患が進行するにつれてそれらの有効性を失い、最終的にそれらの副作用はそれらの利益を上回る。より最近では、ＬＲＲＫ２阻害剤の使用が、ＬＲＲＫ２キナーゼの変異型形態に関連するＰＤ症例の処置のために調査されている。しかしながら、ＰＤ症例の大部分では、ＬＲＲＫ２の変異は同定することはできない。残念ながら、野生型ＬＲＲＫ２を有するＰＤ患者に対しては、疾患がＬＲＲＫ２活性の上昇に関連する患者のサブセットを同定する方法がなく、病的なＬＲＲＫ２活性を有しない患者に害を及ぼすリスクのために、ＬＲＲＫ２阻害剤をＰＤ患者に無差別に与えることはできない。その結果、ほとんどのＰＤ患者に対する既存の処置は不十分であり、何百万人もの人々が疾患の進行および衰弱化の影響に苦しみ続けている。
概要
本発明は、患者のゲノムにおけるＬＲＲＫ２の遺伝的修飾因子を指標として使用して、野生型ＬＲＲＫ２を有するＰＤ患者がＬＲＲＫ２阻害剤に対して応答する可能性がより高いかどうかを決定する方法を提供する。本発明は、ＬＲＲＫ２の遺伝的修飾因子が、ＬＲＲＫ２キナーゼのレベルもしくは活性の変化、例えば増加もしくは減少を引き起こし得るか、または上流もしくは下流の調節因子を介してＬＲＲＫ２シグナル伝達経路を別様に変化させることによって、ＰＤ病因に寄与し得ることを認識する。その結果、１つまたはそれを超えるそのような修飾因子を有するＰＤ患者は、正常な形態のキナーゼを産生するＬＲＲＫ２対立遺伝子を有するにもかかわらず、ＬＲＲＫ２阻害剤を使用する薬物療法から利益を得る可能性がある。したがって、ＬＲＲＫ２活性の遺伝的修飾因子は、ＬＲＲＫ２阻害剤療法が所与の個体に適切であるかどうかを決定するための指標として役立つ。本発明の方法は、ＬＲＲＫ２阻害剤療法の候補としてＰＤ患者を同定すること、およびそのような患者を処置することの両方に有用である。
一態様では、本発明は、対象がＬＲＲＫ２阻害剤に対して応答し得るような、パーキンソン病を呈し、かつ野生型ＬＲＲＫ２および野生型ＬＲＲＫ２の遺伝的修飾因子を有する対象にＬＲＲＫ２阻害剤を提供することによって、野生型ＬＲＲＫ２に関連するパーキンソン病を有する対象を処置し、それによって対象の野生型ＬＲＲＫ２に関連するパーキンソン病を処置する方法を提供する。
遺伝学的データは、対象における１つまたはそれを超える遺伝子の組成および／または発現に関する任意の種類のデータを含み得る。遺伝学的データは、エクソーム、ゲノム、遺伝子型、プロテオーム、配列、およびトランスクリプトームデータのうちの１つまたは複数を含み得る。
遺伝的修飾因子は、ＬＲＲＫ２の発現もしくは活性を改変するか、または活性の変化と相関するか、または疾患の負荷（増加または減少のいずれか）に関連するタンパク質レベルの変化を引き起こす任意の遺伝学的要素であり得る。遺伝的修飾因子は、ＬＲＲＫ２の発現および／または活性を増加または減少させ得る；遺伝的修飾因子はまた、ＬＲＲＫ２の分解を増大または低下させ得る。遺伝的修飾因子は、増幅、欠失、重複、融合、挿入、逆位、再編成、一塩基多型（ＳＮＰ）、置換、または転座であり得る。遺伝的修飾因子は、対象のゲノム内のコード領域または非コード領域内にあり得る。遺伝的修飾因子は、家族歴および遺伝的に確認されたアシュケナージ状態に関連し得る。
ＳＮＰは、ｒｓ１０７８４７２２、ｒｓ１０８７７８７７、ｒｓ１０８７９１２２、ｒｓ１１１８１５４２、ｒｓ１１３１１１２３４、ｒｓ１１３７３６３００、ｒｓ１２２３０７６５、ｒｓ１２８１６４８４、ｒｓ１２８２９８３１、ｒｓ１３３７７６７０、ｒｓ１４１５５１３９６、ｒｓ１４４３７７８５２、ｒｓ１４９１７３０５８、ｒｓ１７５８０７９４、ｒｓ１７６２１７４１、ｒｓ１８３８３５４、ｒｓ１８４１２００９４、ｒｓ１８８５３５８７７、ｒｓ１８８５８３４８６、ｒｓ１８８６０４５５２、ｒｓ１８９５１７２０５、ｒｓ２００６１１８０１、ｒｓ２００９０７７７２、ｒｓ２０１８８９６４３、ｒｓ２０１９４４１７５、ｒｓ２４０６４２６、ｒｓ２４０６８６０、ｒｓ２８５５６１、ｒｓ３４５６６０３３、ｒｓ３６８１４１１３２、ｒｓ３６９０８４６９５、ｒｓ３７１７００００２、ｒｓ３７１９０５８９２、ｒｓ３７３４３９５４０、ｒｓ３７６４６８８１５、ｒｓ３７７１０４２０２、ｒｓ３７７６２７３３７、ｒｓ３８４２３４、ｒｓ６１９２０９６４、ｒｓ６５８１９４１、ｒｓ６６５０２２６、ｒｓ７１０７８２４１、ｒｓ７３０４０８０、ｒｓ７３０８８９２６、ｒｓ７４４３４３６４、ｒｓ７４８４２２１５、ｒｓ７５０４３９６９、ｒｓ７８４６８１２０、ｒｓ７９６０４２９、ｒｓ７９７９４２０、ｒｓ７６９０４７９８、ｒｓ５７０２５３６０、ｒｓ１１２５１５１５３、ｒｓ１０８７７８７７、ｒｓ１０７８４７２２、ｒｓ４２７２８４９、ｒｓ２４０４８３２、ｒｓ１１７５３４３６６、ｒｓ１８３８３４３、ｒｓ１０８８０３４２、ｒｓ１１１７７６６０、ｒｓ１８３０２８４５２、ｒｓ１１６９１２６２８、ｒｓ１４７７５５３６１、ｒｓ１１５８４６３０、ｒｓ３７９３３９７、ｒｓ１１１７９４８９３、ｒｓ４９３１６４０、ｒｓ５２６５０７、ｒｓ７９３０７１７７、ｒｓ１８７１１６３６３、ｒｓ７１６０９５７３、ｒｓ７４３９０５５１、ｒｓ１４４６６５４４１、ｒｓ１７１８８８０、ｒｓ１９９１４０１、ｒｓ１１０５２２２５、ｒｓ１４５８０１５９７、ｒｓ７２９０７９７６、ｒｓ１４７２８６１２０、ｒｓ３７８６９０、ｒｓ７３１８８３６５、ｒｓ６１００３７、ｒｓ７５４７９５３１、ｒｓ１１１２１９１５５６、ｒｓ３０８３０３、ｒｓ１０７９０２８２、ｒｓ３７２９９１２、ｒｓ４３２６６３８、ｒｓ４４１４５４８、ｒｓ１３００９４３７、ｒｓ５６０４５０１１、ｒｓ６８５８５６６、ｒｓ４４２５、ｒｓ１１０５２２５３、またはこれらのＳＮＰの代理として適し得る、これらのＳＮＰと連鎖不平衡（ＬＤ）にある任意の他のＳＮＰであり得る。
ＬＲＲＫ２阻害剤は、ＣＺＣ－２５１４６、ＣＺＣ－５４２５２、ＤＮＬ１５１、ＤＮＬ２０１、ＧＮＥ－７９１５、ＧＮＥ－０８７７、ＧＳＫ２５７８２１５Ａ、ＨＧ－１０－１０２－０１、ＪＨ－ＩＩ－１２７、Ｋ２５２Ａ、Ｋ２５２Ｂ、ＬＲＲＫ２－ＩＮ－１、ＭＬｉ－２、ＰＦ－０６４４７４７５、またはスタウロスポリンであり得る。
ＬＲＲＫ２阻害剤は、式（Ｉ）、（ＩＩ）、（ＩＩＩ）、もしくは（ＩＶ）：
Figure 2023549294000001
 のうちの１つの化合物、
（式中、
Ａは、ＮＨ、Ｏ、Ｓ、Ｃ＝Ｏ、ＮＲ３またはＣＲ４Ｒ５であり；
Ｘは、必要に応じて置換されたアリーレン、ヘテロアリーレン、シクロアルキレン、ヘテロシクロアルキレン、アルキルシクロアルキレン、ヘテロアルキルシクロアルキレン、アラルキレンまたはヘテロアラルキレン基であり；
Ｒ１は、必要に応じて置換されたアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
Ｒ２は、水素原子、ハロゲン原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
Ｒ３は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキル－シクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
Ｒ４は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
Ｒ５は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
Ｂは、ＮＨ、Ｏ、Ｓ、Ｃ＝Ｏ、ＮＲ１４またはＣＲ１５Ｒ１６であり；
Ｒ１１は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
Ｒ１２は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり、ここで、Ｒ１２は、炭素－炭素結合を介して式（ＩＩ）のピリミジン環に結合しており；
Ｒ１３は、水素原子、ハロゲン原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
Ｒ１４は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキル－シクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
Ｒ１５は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
Ｒ１６は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
Ｒ２１はアリールまたはヘテロアリールであり、その各々は必要に応じて置換されており；
Ｒ２２は、Ｈ、ハロ、ＯＨ、ＣＮ、ＣＦ３、Ｃ１～６アルキル、Ｃ１～６アルコキシ、Ｃ１～６ハロアルキル、Ｃ１～６チオアルキル、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、アリール、またはヘテロアリールであり；
Ｙは、アリールまたは５もしくは６員ヘテロアリールであり；
ここで、Ｃ１～６アルキル、Ｃ１～６アルコキシ、Ｃ１～６ハロアルキル、Ｃ１～６チオアルキル、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、アリール、およびヘテロアリールの各々は、ハロ、ＯＨ、ＣＮ、ＣＦ３、ＮＨ２、ＮＯ２、Ｃ１～６アルキル、Ｃ１～６ハロアルキル、Ｃ１～６チオアルキル、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、Ｃ２～８ヘテロシクロアルケニル、Ｃ２～６アルケニル、Ｃ２～６アルキニル、Ｃ１～６アルコキシ、Ｃ１～６ハロアルコキシ、Ｃ１～６アルキルアミノ、Ｃ２～６ジアルキルアミノ、Ｃ７～１２アラルキル、Ｃ１～１２ヘテロアラルキル、アリール、ヘテロアリール、－Ｃ（Ｏ）Ｒ、－Ｃ（Ｏ）ＯＲ、－Ｃ（Ｏ）ＮＲＲ’、－Ｃ（Ｏ）ＮＲＳ（Ｏ）２Ｒ’、－Ｃ（Ｏ）ＮＲＳ（Ｏ）２ＮＲ’Ｒ”、－ＯＲ、－ＯＣ（Ｏ）ＮＲＲ’、－ＮＲＲ’、－ＮＲＣ（Ｏ）Ｒ’、－ＮＲＣ（Ｏ）ＮＲ’Ｒ”、－ＮＲＳ（Ｏ）２Ｒ’、－ＮＲＳ（Ｏ）２ＮＲ’Ｒ”、－Ｓ（Ｏ）２Ｒ、および－Ｓ（Ｏ）２ＮＲＲ’からなる群から選択される１つまたはそれを超える部分で必要に応じて置換されており、
ここで、Ｒ、Ｒ’、およびＲ”の各々は、独立して、Ｈ、ハロ、ＯＨ、Ｃ１～６アルキル、Ｃ１～６ハロアルキル、Ｃ１～６アルコキシ、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、アリール、もしくはヘテロアリールであるか、またはＲおよびＲ’、もしくはＲ’およびＲ”は、それらが付着している窒素と一緒になって、Ｃ２～８ヘテロシクロアルキルを形成し；
Ｒ３１は、Ｃ（Ｏ）ＣＨ２Ｒ３３、必要に応じて置換されたシクロアルキル、必要に応じて置換されたシクロヘテロアルキル、必要に応じて置換されたシクロアルケニル、必要に応じて置換されたシクロヘテロアルケニル、必要に応じて置換されたアリール、または必要に応じて置換されたヘテロアリールであり；
Ｒ３２の各例は、独立して、ハロ、ハロアルキル、必要に応じて置換されたアルコキシル、必要に応じて置換されたアルキル、必要に応じて置換されたヘテロアルキル、必要に応じて置換されたアルケニル、必要に応じて置換されたヘテロアルケニルであり；
Ｒ３３は、必要に応じて置換されたシクロアルキル、必要に応じて置換されたシクロヘテロアルキル、必要に応じて置換されたシクロアルケニル、必要に応じて置換されたシクロヘテロアルケニル、必要に応じて置換されたアリール、または必要に応じて置換されたヘテロアリールであり；
Ｚは、シクロアルキル、シクロヘテロアルキル、シクロアルケニル、シクロヘテロアルケニル、アリール、またはヘテロアリールであり；
ｎは０～５である）、
または上記のいずれかの化合物の薬学的に許容され得る塩であり得る。
別の態様では、本発明は、野生型ＬＲＲＫ２に関連するパーキンソン病を有する対象が、ＬＲＲＫ２阻害剤に対して応答するかどうかを決定する方法を提供する。方法は、対象から遺伝学的データを得るために、野生型ＬＲＲＫ２に関連するパーキンソン病を有する対象からのサンプルに対してアッセイを実施すること、遺伝学的データにおいてＬＲＲＫ２の１つまたはそれを超える遺伝的修飾因子を同定するレポートを作成すること（ここで、ＬＲＲＫ２ネットワークにおける１つまたはそれを超える遺伝的修飾因子は、野生型ＬＲＲＫ２に関連するパーキンソン病を有する対象がＬＲＲＫ２阻害剤に対して応答性であることを示す）、および医師がＬＲＲＫ２阻害剤を対象に処方または提供するように、医師にレポートを提供することを含む。
遺伝学的データは、上記の任意の種類の遺伝学的データであり得る。
遺伝的修飾因子は、上記のＬＲＲＫ２の任意の種類の遺伝的修飾因子であり得る。遺伝的修飾因子は、上に列挙したＳＮＰのいずれかであり得る。
ＬＲＲＫ２阻害剤は、上記のもののいずれかであり得る。
別の態様では、本発明は、野生型ＬＲＲＫ２に関連するパーキンソン病を有する対象を処置する方法を提供する。方法は、ＬＲＲＫ２の１つまたはそれを超える遺伝的修飾因子を同定する遺伝学的データを受け取ること（ここで、１つまたはそれを超える遺伝的修飾因子は、野生型ＬＲＲＫ２に関連するパーキンソン病を有する対象がＬＲＲＫ２阻害剤に対して応答性であることを示す）、およびＬＲＲＫ２阻害剤を対象に処方または提供することを含む。
遺伝学的データは、上記の任意の種類の遺伝学的データであり得る。
遺伝的修飾因子は、上記のＬＲＲＫ２の任意の種類の遺伝的修飾因子であり得る。遺伝的修飾因子は、上に列挙したＳＮＰのいずれかであり得る。
ＬＲＲＫ２阻害剤は、上記のもののいずれかであり得る。
別の態様では、本発明は、野生型ＬＲＲＫ２に関連するＰＤの処置に使用するためのＬＲＲＫ２阻害剤を提供する。
対象は、ＬＲＲＫ２の１つまたはそれを超える遺伝的修飾因子、例えば上記のもののいずれかを有し得る。
使用は、上記の遺伝学的データのいずれかなどの遺伝学的データを受け取ることまたは取得することを含み得る。
ＬＲＲＫ２阻害剤は、上記のもののいずれかであり得る。
詳細な説明
パーキンソン病（ＰＤ）は、遺伝的および環境的要因の両方によって引き起こされる進行性の神経変性疾患である。ＰＤのいくらかの症例の発症において役割を果たす１つの遺伝子は、基底核などのＰＤに関連する脳の領域を含む複数の組織において発現されるキナーゼをコードするＬＲＲＫ２である。ＬＲＲＫ２の変異は、ＰＤの最も一般的な公知の遺伝的原因であるが、ＬＲＲＫ２変異を有する患者は、ＰＤ症例の総数のごく一部を構成する。それにもかかわらず、野生型、すなわち非変異型ＬＲＲＫ２を有する一部の患者の病態は、変異型ＬＲＲＫ２を有する患者のものに類似しているようである。特に、ＬＲＲＫ２の疾患を引き起こす変異は、ＬＲＲＫ２キナーゼの活性の増加をもたらし、野生型ＬＲＲＫ２を有する一部のＰＤ患者において、ＬＲＲＫ２活性が上昇することが最近示された。
ＬＲＲＫ２の様々な阻害剤が現在、ＰＤ治療薬として調査されている。このような薬物は、ＬＲＲＫ２変異を有するＰＤ患者にとって有望である。しかしながら、野生型ＬＲＲＫ２を有するＰＤ患者を処置するためのＬＲＲＫ２阻害剤の使用は、疾患の様々な病因のために問題がある。野生型ＬＲＲＫ２の活性が増強された患者はＬＲＲＫ２阻害剤から利益を得るであろうが、ＬＲＲＫ２の阻害は、正常レベルのＬＲＲＫ２活性を有し、かつその疾患病理が他の分子経路の変化に起因するＰＤ患者では有効ではない可能性がある。ＬＲＲＫ２を発現するニューロンは中脳に位置し、アクセスが極めて困難であるため、キナーゼの活性を生きた患者において評価することはできない。その結果、現在まで、野生型ＬＲＲＫ２を有するが、さらにＬＲＲＫ２阻害から利益を得ることができるＰＤ患者のサブセットを同定するための手段は存在しなかった。
本発明は、ＬＲＲＫ２活性の遺伝的修飾因子を使用して、野生型ＬＲＲＫ２を有するＰＤ患者がＬＲＲＫ２阻害剤から利益を得る可能性が高いかどうかを決定することによってこの問題を解決する。本発明は、ＬＲＲＫ２遺伝子座以外の遺伝的バリエーションがＬＲＲＫ２キナーゼの発現または活性に影響を及ぼし、ある特定の遺伝子マーカーの存在がＬＲＲＫ２発現または活性の変化、例えば増加または減少と相関することを認識する。その結果、本発明の方法は、患者から容易に得ることができる遺伝学的データに基づいて、ＬＲＲＫ２薬物療法の候補を同定することを可能にする。したがって、ＰＤ患者のサブセットに対して、本発明は、以前は彼らに推奨されなかったクラスの薬物の治療可能性を明らかにする。
パーキンソン病およびその処置
パーキンソン病（ＰＤ）は、中枢神経系の進行性神経変性疾患である。初期段階では、疾患は運動系に影響を及ぼし、基本的な症候は振戦、固縮、動作緩慢、および歩行困難である。認知症、うつ病、および不安症などの認知および行動症候は、ＰＤの後期段階に現れることが多い。ＰＤは通常、６０歳を超える人々に発生し、そのうち約１％が罹患しているが、いわゆる早期発症ＰＤは５０歳前に発生し得る。
ＰＤは、黒質のドーパミン分泌ニューロン、星状膠細胞およびミクログリアを含む、基底核における細胞の死によって特徴付けられる。ＰＤにおける神経細胞死に関して、５つの機構が提案されている。第１に、α－シヌクレインなどのタンパク質の、レビー小体と呼ばれる凝集体へのオリゴマー化は、細胞死を直接もたらし得る。第２の提案されている原因は、オートファジーの調節不全、特にミトコンドリアの分解である。別の提案されている機構は、ミトコンドリア機能不全がエネルギー産生の低下および活性酸素種の増加をもたらすことである。第４の提案されている機構は、ミクログリアによる炎症促進性因子の分泌の結果としての神経炎症に起因するものである。最後に、血液脳関門の破壊により、血漿タンパク質が黒質に漏出し、アポトーシスを促進することが提案されている。
ＰＤは、遺伝的および環境的要因の組み合わせに起因すると考えられている。場合によっては、ＰＤのリスクを増大させる遺伝的変異は遺伝性であり、ＰＤを有する個体の約１０～１５％が、この疾患を有する第一度近親者である。しかしながら、ＰＤのほとんどの例は、特発性または「散発性」である。ＰＤに関与している変異を有する遺伝子には、ＣＨＣＨＤ２、ＤＪ１／ＰＡＲＫ７、ＤＮＡＪＣ１３、ＥＩＦ４Ｇ１、ＧＢＡ、ＬＲＲＫ２／ＰＡＲＫ８、ＰＩＮＫ１、ＰＲＫＮ、ＳＮＣＡ、ＵＣＨＬ１、およびＶＰＳ３５が含まれる。家族性および散発性ＰＤの両方について、最も一般的な公知の原因は、ＬＲＲＫ２の変異である。ＬＲＲＫ２の疾患を引き起こす変異は、活性が増加したキナーゼの形態をもたらす。野生型ＬＲＲＫ２活性の増強された活性は、最近、特発性ＰＤにも含まれている。ＰＤにおけるＬＲＲＫ２の役割は、例えば、Ｃｈｅｎら、Ｌｅｕｃｉｎｅ－Ｒｉｃｈ Ｒｅｐｅａｔ Ｋｉｎａｓｅ ２ ｉｎ Ｐａｒｋｉｎｓｏｎ’ｓ Ｄｉｓｅａｓｅ：Ｕｐｄａｔｅｄ ｆｒｏｍ Ｐａｔｈｏｇｅｎｅｓｉｓ ｔｏ Ｐｏｔｅｎｔｉａｌ Ｔｈｅｒａｐｅｕｔｉｃ Ｔａｒｇｅｔ、Ｅｕｒ Ｎｅｕｒｏｌ．２０１８；７９（５－６）：２５６－２６５、ｄｏｉ：１０．１１５９／０００４８８９３８．Ｅｐｕｂ２０１８年４月２７日；Ｄｉ Ｍａｉｏら、ＬＲＲＫ２ ａｃｔｉｖａｔｉｏｎ ｉｎ ｉｄｉｏｐａｔｈｉｃ Ｐａｒｋｉｎｓｏｎ’ｓ ｄｉｓｅａｓｅ、Ｓｃｉ Ｔｒａｎｓｌ Ｍｅｄ．２０１８年７月２５日；１０（４５１）：ｅａａｒ５４２９、ｄｏｉ：１０．１１２６／ｓｃｉｔｒａｎｓｌｍｅｄ．ａａｒ５４２９；ＴａｙｍａｎｓおよびＧｒｅｇｇｉｏ、ＬＲＲＫ２ Ｋｉｎａｓｅ Ｉｎｈｉｂｉｔｉｏｎ ａｓ ａ Ｔｈｅｒａｐｅｕｔｉｃ Ｓｔｒａｔｅｇｙ ｆｏｒ Ｐａｒｋｉｎｓｏｎ’ｓ Ｄｉｓｅａｓｅ，Ｗｈｅｒｅ Ｄｏ Ｗｅ Ｓｔａｎｄ？ Ｃｕｒｒ Ｎｅｕｒｏｐｈａｒｍａｃｏｌ．２０１６；１４（３）：２１４－２５、ｄｏｉ：１０．２１７４／１５７０１５９ｘ１３６６６１５１０３０１０２８４７（これらの各々の内容は参照により本明細書に組み込まれる）に記載されている。
ＰＤを発症するリスクを増大させる、いくつかの行動および環境条件が公知である。ＰＤに関連するリスク要因には、殺虫剤への曝露および頭部外傷の病歴が含まれる。カフェイン消費およびタバコの利用は、ＰＤのリスク低下と関連している。血液中の低い尿酸塩濃度は、ＰＤのリスク増大と関連している。
ＰＤの管理は、通常、ドーパミン作動系の薬理学的刺激を伴う。ＰＤの処置のために最も広く使用されている薬物はレボドパであり、これはドーパミン作動性ニューロンにおいてドーパミンに酵素的に変換される。ブロモクリプチン、ペルゴリド、プラミペキソール、ロピニロール、ピリベジル、カベルゴリン、アポモルヒネ、およびリスリドなどのドーパミンアゴニストもＰＤを処置するために使用され得る。ＰＤの処置のための薬物の第３のクラスには、セレギリンおよびラサギリンなどのモノアミンオキシダーゼの阻害剤が含まれる。
遺伝学的データからの遺伝的修飾因子の同定
本発明は、ＬＲＲＫ２の遺伝的修飾因子が、野生型ＬＲＲＫ２を有するＰＤ患者が１つまたはそれを超えるＬＲＲＫ２阻害剤を使用する薬物療法から利益を得る可能性があるという指標として役立つことを認識する。ＬＲＲＫ２の遺伝的修飾因子は、対象において、ＬＲＲＫ２（例えば、野生型ＬＲＲＫ２）を作動可能に修飾する、例えば、ＬＲＲＫ２遺伝子、ＬＲＲＫ２遺伝子の転写産物、およびＬＲＲＫ２遺伝子のポリペプチド産物を含む、ＬＲＲＫ２の発現、分解、局在（例えば、細胞内または細胞型全体）、結合、または活性を変化させる１つまたはそれを超える遺伝学的要素（例えば、単一の遺伝学的要素単独または遺伝学的要素の任意の組み合わせ）であり得る。例えば、限定されないが、遺伝的修飾因子は、ＬＲＲＫ２遺伝子、ＬＲＲＫ２遺伝子の転写産物、およびＬＲＲＫ２遺伝子のポリペプチド産物を含む、ＬＲＲＫ２の発現、活性、安定性、結合、局在、分解、転写、または翻訳を変化、例えば、増加または減少させ得る。ある特定の実施形態では、ＬＲＲＫ２の遺伝的修飾因子は、対象のゲノムにおける構造的バリエーションであり得る。例えば、限定されないが、遺伝的修飾因子は、増幅、欠失、重複、融合、挿入、逆位、再編成、一塩基多型（ＳＮＰ）、置換、または転座であり得る。ＬＲＲＫ２の遺伝的修飾因子であり得るＳＮＰを、実施例１に列挙する。加えて、実施例１に列挙したＳＮＰと連鎖不平衡（ＬＤ）にある任意の他のＳＮＰを、遺伝的修飾因子として使用することができる。遺伝的修飾因子は、プロモーター、エンハンサー、サイレンサー、またはオペレータなどのシス調節エレメントであり得る。シス調節エレメントは、ＬＲＲＫ２に近接するＤＮＡへの１つまたはそれを超えるタンパク質の結合を調節し得る。シス調節エレメントは、ヒストン、転写因子、開始因子、ヘリカーゼ、ポリメラーゼ、または前述のタンパク質のいずれかの構成要素の結合に影響を及ぼし得る。遺伝的修飾因子はトランス作用因子であり得る。トランス作用因子は、ＬＲＲＫ２の転写または翻訳に影響を及ぼし得る。遺伝的修飾因子は、対象のゲノム内の任意の領域にあり得る。遺伝的修飾因子は、対象のゲノム内のコード領域または非コード領域内にあり得る。コード領域は、ＬＲＲＫ２または別の遺伝子にあり得る。遺伝的修飾因子は、ＬＲＲＫ２のコード領域内にあり得るが、ＬＲＲＫ２ポリペプチドの配列、ＬＲＲＫ２ポリペプチドのサイズ、またはその両方は変化させない。
本発明の方法は、対象から得られた遺伝学的データにおけるＬＲＲＫ２の１つまたはそれを超える遺伝的修飾因子の同定または分析を含み得る。遺伝学的データは、対象における１つまたはそれを超える遺伝子の組成および／または発現に関する任意の種類のデータを含み得る。遺伝学的データは、エクソーム、ゲノム、遺伝子型、プロテオーム、配列、およびトランスクリプトームデータのうちの１つまたは複数を含み得る。遺伝学的データは、ＰＤに関連することが公知の１つまたはそれを超える遺伝子、例えば上記のもののいずれかに関するデータを含み得る。
遺伝的修飾因子は、任意の適切な方法を使用して遺伝学的データから同定され得る。いくつかの実施形態では、対象から収集された遺伝学的データは、ＬＲＲＫ２阻害剤に対する応答性の確率を提供するために、データの参照セットと比較される。参照セットは、ＰＤを有しない個体から収集されたデータを含み得る。対象および参照個体からの表現型データも使用され得る。表現型データは、ＰＤ症候またはＰＤリスク要因（例えば、上記のもの）を含む、ＰＤに関連する形質を含み得る。データは、個体がＬＲＲＫ２阻害剤処置に対して応答したかどうかなどのアウトカムを含み得る。
本発明は、対象の表現型形質および／または遺伝子型データに基づいて、ＬＲＲＫ２阻害剤に対する対象の応答性を予測するための方法およびシステムを提供する。いくつかの実施形態では、本発明の方法およびシステムは、応答性を予測するために診断シグネチャを使用する。診断予測子は、（１）ＬＲＲＫ２有害バリアントのキャリアにおいて観察されるＰＤのＬＲＲＫ２様出現、（２）明らかに未知の機構のＰＤ、および（３）適切な対照の分子シグネチャなどの、複数の応答性関連の表現型形質を表す入力データを受け取り、対象がＬＲＲＫ２阻害剤に対して応答し得る確率を示す出力を提供する、任意の適切なパターン認識方法に基づき得る。診断予測子は、表現型形質、医学的介入、およびＬＲＲＫ２阻害剤の応答アウトカムが既知である、複数の個体からのデータで訓練され得る。診断予測子を訓練するために使用される複数の個体は、訓練集団としても公知である。訓練集団の各個体に対して、訓練データは、（ａ）複数の表現型形質を表すデータ；（ｂ）医学的介入；および（ｃ）ＬＲＲＫ２阻害剤の応答情報を含む。ＬＲＲＫ２阻害剤の応答アウトカムは、診断シグネチャを作成するために必要ではない場合がある。ＬＲＲＫ２阻害剤の応答は、前向きに選択された患者集団で評価され得る。本発明と併せて使用され得る様々な診断予測子を、以下に記載する。いくつかの実施形態では、公知の形質プロファイルおよびＬＲＲＫ２の応答アウトカムを有する追加の個体を使用して、訓練集団を使用して得られた診断予測子の精度を試験することができる。そのような追加の患者は、試験集団として公知である。
ある特定の実施形態では、本発明の方法は、ＬＲＲＫ２阻害に対して応答する確率を求めるために、分類器とも呼ばれる診断予測子を使用する。上記のように、診断予測子は、複数の表現型形質に基づくプロファイルなどのプロファイルを受け取り、患者がＬＲＲＫ２阻害剤に対して応答する可能性が高いか低いかを示し、かつそのような阻害剤による処置の考えられるリスクおよび利益を含み得るデータを含む出力を提供する、任意の適切なパターン認識方法に基づき得る。プロファイルは、ある特定の表現型形質に関する質問を含むアンケートの完了、または遺伝子型データを得るための生物学的サンプルの収集、またはそれらの組み合わせによって得られ得る。診断予測子は、表現型形質、医学的介入、およびＬＲＲＫ２阻害剤の応答アウトカムが既知である個体の訓練集団からの訓練データで訓練され得る。
そのような方法のいずれかに基づく診断予測子は、訓練患者のプロファイルおよび診断データを使用して構築され得る。次いで、そのような診断予測子を使用して、表現型形質、遺伝子型形質、またはその両方のプロファイルに基づき、対象のＬＲＲＫ２阻害剤の応答を予測することができる。方法はまた、訓練集団の形質プロファイルおよび診断データを使用して、ＬＲＲＫ２阻害に対して応答するものと応答しないものとを判別する形質を同定するために使用され得る。
一実施形態では、診断予測子は、（ａ）表現型形質、医学的介入、およびＬＲＲＫ２の応答アウトカムが既知である個体の参照セットを作成すること；（ｂ）各形質に対して、所定の時点で既知のＬＲＲＫ２応答アウトカムを有する複数の個体における形質およびＬＲＲＫ２応答アウトカムの間の相関のメトリックを決定すること；（ｃ）前記関連付けのレベルに基づいて１つまたはそれを超える形質を選択すること；（ｄ）前の工程で選択された形質を表すデータを受け取り、ＬＲＲＫ２阻害に対して応答する確率を示す出力を提供する診断予測子を、個体から得られた形質の評価を含む対象の参照セットからの訓練データを用いて訓練することによって準備され得る。
様々な公知の統計的パターン認識方法が、本発明と併せて使用され得る。適切な統計的方法には、限定されないが、論理回帰、順序ロジスティック回帰、線形または二次判別分析、クラスタリング、主成分分析、最近傍分類器分析、およびコックス比例ハザード回帰が含まれる。訓練セットと併せた統計的方法の実装を実証するために、特定の診断予測子を併せて実装する非限定的な例を本明細書で提供する。
いくつかの実施形態では、診断予測子は、回帰モデル、好ましくはロジスティック回帰モデルに基づく。そのような回帰モデルは、本発明の選択されたマーカーのセットにおける各マーカーの係数を含む。そのような実施形態では、回帰モデルの係数は、例えば、最尤アプローチを使用して計算される。
コックス比例ハザード回帰はまた、本発明の選択されたマーカーのセットにおける各マーカーの係数を含む。コックス比例ハザード回帰は、打ち切りデータ（処置に戻らなかった参照セット中の個体）を組み込む。そのような実施形態では、回帰モデルの係数は、例えば、最大部分尤度アプローチを使用して算出される。
本発明のいくつかの実施形態は、マルチカテゴリ（多項）応答を扱うロジスティック回帰モデルの一般化を提供する。そのような実施形態は、生物を１つまたは３つまたはそれを超える診断グループに判別するために使用され得る。そのような回帰モデルは、カテゴリのすべてのペアを同時に参照し、別のものではなく１つのカテゴリにおける応答のオッズを記述するマルチカテゴリロジットモデルを使用する。モデルがカテゴリのある特定の（Ｊ－１）ペアのロジットを指定すると、残りは冗長である。例えば、参照により本明細書に組み込まれるＡｇｒｅｓｔｉ、Ａｎ Ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ Ｃａｔｅｇｏｒｉｃａｌ Ｄａｔａ Ａｎａｌｙｓｉｓ、Ｊｏｈｎ Ｗｉｌｅｙ＆Ｓｏｎｓ，Ｉｎｃ．、１９９６、Ｎｅｗ Ｙｏｒｋ、Ｃｈａｐｔｅｒ ８を参照されたい。線形判別分析（ＬＤＡ）は、ある特定のオブジェクト特性に基づいて対象を２つのカテゴリのうちの１つに分類しようと試みる。換言すれば、ＬＤＡは、実験で測定されたオブジェクトの属性がオブジェクトの分類を予測するかどうかを試験する。ＬＤＡは、典型的には、連続的な独立変数および二分法のカテゴリ従属変数を必要とする。本発明では、選択された表現型形質は、必要な連続的な独立変数として役立つ。訓練集団の各メンバーの診断グループ分類は、二分法のカテゴリ従属変数として役立つ。
ＬＤＡは、グループ分け情報を使用して、グループ間分散およびグループ内分散の比を最大化する変数の線形結合を求める。暗黙的に、ＬＤＡによって使用される線形重みは、選択された表現型形質が２つのグループにおいてどのように現れるか（例えば、ＬＲＲＫ２阻害に対して応答するグループおよび応答しないグループ）、および選択された形質が他の形質の出現とどのように相関するかに依存する。例えば、ＬＤＡは、本発明に記載されている遺伝子の組み合わせにおけるＫ個の遺伝子によって訓練サンプル中のＮ個のメンバーのデータ行列に適用され得る。次いで、訓練集団の各メンバーの線形判別式がプロットされる。理想的には、第１のサブグループ（例えば、ＬＲＲＫ２阻害に対して応答しない対象）を表す訓練集団のメンバーは、１つの範囲の線形判別値（例えば、負）にクラスタリングされ、第２のサブグループ（例えば、ＬＲＲＫ２阻害に対して応答する対象）を表す訓練集団のメンバーは、第２の範囲の線形判別値（例えば、正）にクラスタリングされる。ＬＤＡは、判別値のクラスタ間の分離がより大きい場合に、より成功したと考えられる。線形判別分析のさらなる情報については、Ｄｕｄａ、Ｐａｔｔｅｒｎ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ、第２版、２００１、Ｊｏｈｎ Ｗｉｌｅｙ＆Ｓｏｎｓ，Ｉｎｃ；およびＨａｓｔｉｅ、２００１、Ｔｈｅ Ｅｌｅｍｅｎｔｓ ｏｆ Ｓｔａｔｉｓｔｉｃａｌ Ｌｅａｒｎｉｎｇ，Ｓｐｒｉｎｇｅｒ，Ｎｅｗ Ｙｏｒｋ；Ｖｅｎａｂｌｅｓ＆Ｒｉｐｌｅｙ、１９９７、Ｍｏｄｅｒｎ Ａｐｐｌｉｅｄ Ｓｔａｔｉｓｔｉｃｓ ｗｉｔｈ ｓ－ｐｌｕｓ、Ｓｐｒｉｎｇｅｒ、Ｎｅｗ Ｙｏｒｋを参照されたい。
二次判別分析（ＱＤＡ）は、同じ入力パラメータを取り、ＬＤＡと同じ結果を返す。ＱＤＡは、結果を生成するために、線形方程式ではなく二次方程式を使用する。ＬＤＡおよびＱＤＡは互換可能であり、どちらを使用するかは、分析をサポートするソフトウェアの好みおよび／または可用性の問題である。ロジスティック回帰は、同じ入力パラメータを取り、ＬＤＡおよびＱＤＡと同じ結果を返す。
本発明のいくつかの実施形態では、決定木を使用して、本発明の選択された分子マーカーのセットの発現データを使用して患者を分類する。決定木アルゴリズムは、教師あり学習アルゴリズムのクラスに属する。決定木の目的は、現実世界の例示的なデータから分類器（木）を誘導することである。この木は、決定木を導出するために使用されていない未知の例を分類するために使用され得る。
決定木は訓練データから導出される。一例は、異なる属性の値と、その例がどのクラスに属するかを含む。一実施形態では、訓練データは、複数の表現型形質、医学的介入、およびＬＲＲＫ２阻害の応答アウトカムを表すデータである。
以下のアルゴリズムは、決定木の導出を記述する：
木（例、クラス、属性）
ルートノードを作出する
すべての例が同じクラス値を有する場合、ルートにこのラベルを与える
そうでなければ、属性が空である場合、最も共通した値に従ってルートにラベルを付ける
そうでなければ、開始する
各属性に対して情報利得を算出する
情報利得が最も高い属性Ａを選択し、これをルート属性とする
この属性の可能な各値ｖに対して
Ａ＝ｖに対応する、ルートの下に新しい分岐を追加する
例（ｖ）をＡ＝ｖの例とする
例（ｖ）が空である場合、新しい分岐を、例の中で最も共通した値でラベル付けされたリーフノードにする

そうでなければ、新しい分岐を以下によって作出される木とする：
木（例（ｖ）、クラス、属性－｛Ａ｝）
終わり
情報利得の算出のより詳細な説明を以下に示す。例の可能なクラスｖｉが確率Ｐ（ｖｉ）を有する場合、実際の回答の情報コンテンツＩは、以下によって与えられる：
Ｉ（Ｐ（ｖ１），…，Ｐ（ｖｎ））＝ｎΣｉ＝１－Ｐ（ｖｉ）ｌｏｇ２ Ｐ（ｖｉ）
Ｉ値は、使用される特定のデータセットに対して分類のアウトカムを記述できるようにするために必要な情報量を示す。データセットがｐ個の正の例（例えば、レスポンダー）およびｎ個の負の例（例えば、ノンレスポンダー）を含むと仮定すると、正解に含まれる情報は以下の通りである：
Ｉ（ｐ／ｐ＋ｎ，ｎ／ｐ＋ｎ）＝－ｐ／ｐ＋ｎｌｏｇ２ｐ／ｐ＋ｎ－ｎ／ｐ＋ｎｌｏｇ２ｎ／ｐ＋ｎ
ここで、ｌｏｇ２は底２を用いた対数である。単一の属性を試験することにより、正しい分類を行うために必要な情報量を減らすことができる。特定の属性Ａ（例えば、形質）のリマインダーは、必要な情報をどれだけ減らすことができるかを示す。
リマインダー（Ａ）＝ｖΣｉ＝１ｐｉ＋ｎｉ／ｐ＋ｎ Ｉ（ｐｉ／ｐｉ＋ｎｉ，ｎｉ／ｐｉ＋ｎｉ）
「ｖ」は、ある特定のデータセットにおける属性Ａについての固有の属性値の数であり、「ｉ」は、ある特定の属性値であり、「ｐｉ」は、分類が正である（例えば、レスポンダー）属性Ａについての例の数であり、「ｎｉ」は、分類が負である（例えば、ノンレスポンダー）属性Ａについての例の数である。
特定の属性Ａの情報利得は、クラスの情報コンテンツおよび属性Ａのリマインダーの間の差として算出される。
利得（Ａ）＝Ｉ（ｐ／ｐ＋ｎ，ｎ／ｐ＋ｎ）－リマインダー（Ａ）
情報利得を使用して、異なる属性が分類のためにどれくらい重要であるか（例をどれくらいよくスプリットするか）、および最も高い情報を有する属性を評価する。
一般に、いくつかの異なる決定木アルゴリズムがあり、その多くは、Ｄｕｄａ、Ｐａｔｔｅｒｎ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ、第２版、２００１、Ｊｏｈｎ Ｗｉｌｅｙ＆Ｓｏｎｓ，Ｉｎｃ．に記載されている。決定木アルゴリズムは、特徴処理、不純物測定、ストップ基準、および剪定の考慮を必要とすることが多い。特定の決定木アルゴリズムには、分類および回帰木（ＣＡＲＴ）、多変量決定木、ＩＤ３、およびＣ４．５に限定されないカットを含む。
１つのアプローチでは、決定木の例示的な実施形態が使用される場合、訓練集団にわたる複数の表現型形質を表すデータは、平均０および単位分散を有するように標準化される。訓練集団のメンバーは、訓練セットおよびテストセットにランダムに分割される。例えば、一実施形態では、訓練集団の３分の２のメンバーが訓練セットに入れられ、訓練集団の３分の１のメンバーがテストセットに入れられる。形質の選択組み合わせの発現値は、決定木を構築するために使用される。次いで、決定木がテストセットのメンバーを正しく分類する能力が決定される。いくつかの実施形態では、この計算は、分子マーカーの所与の組み合わせに対して数回行われる。計算の各反復において、訓練集団のメンバーは、訓練セットおよびテストセットにランダムに割り当てられる。次いで、形質の組み合わせの品質は、決定木計算のそのような各反復の平均とされる。
いくつかの実施形態では、表現型形質および／または遺伝子型データを使用して、訓練セットをクラスタリングする。例えば、本発明に記載されている１０個の遺伝子を使用する場合を考える。訓練集団の各メンバーｍは、１０個の遺伝子の各々についての発現値を有する。訓練集団のメンバーｍからのそのような値は、以下のベクトルを定義する：
Ｘ１ｍ Ｘ２ｍ Ｘ３ｍ Ｘ４ｍ Ｘ５ｍ Ｘ６ｍ Ｘ７ｍ Ｘ８ｍ Ｘ９ｍ Ｘ１０ｍ
ここで、Ｘｉｍは、生物ｍにおけるｉ番目の遺伝子の発現レベルである。訓練セットにｍ個の生物が存在する場合、ｉ個の遺伝子の選択はｍ個のベクトルを定義する。本発明の方法は、ベクトルで使用される各単一形質の各発現値が、各単一ベクトルｍで表されることを必要としないことに留意されたい。換言すれば、ｉ番目の形質の１つが見つからない対象からのデータは、依然としてクラスタリングに使用され得る。そのような場合、欠けている発現値は、「０」または他の何らかの正規化された値のいずれかに割り当てられる。いくつかの実施形態では、クラスタリングの前に、形質の発現値は、０の平均値および単位分散を有するように正規化される。
訓練グループにわたり同様の発現パターンを呈する訓練集団のこれらのメンバーは、一緒にクラスタリングする傾向があり得る。ベクトルが訓練集団に見られる形質グループにクラスタリングする場合、本発明の形質の特定の組み合わせは、本発明のこの態様では良好な分類器であると考えられる。例えば、訓練集団が予後良好または予後不良の患者を含む場合、クラスタリング分類器は集団を２つのグループにクラスタリングし、各グループは予後良好または予後不良のいずれかを一意的に表す。
クラスタリングは、ＤｕｄａおよびＨａｒｔ、Ｐａｔｔｅｒｎ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ Ｓｃｅｎｅ Ａｎａｌｙｓｉｓ、１９７３、Ｊｏｈｎ Ｗｉｌｅｙ＆Ｓｏｎｓ，Ｉｎｃ．、Ｎｅｗ Ｙｏｒｋの２１１～２５６ページに記載されている。Ｄｕｄａのセクション６．７に記載されているように、クラスタリング問題は、データセット内に自然なグルーピングを見つけることの１つとして記載されている。自然なグルーピングを特定するために、２つの課題に対処する。第１に、２つのサンプル間の類似度（または非類似度）を測定する方法を決定する。このメトリック（類似度の尺度）は、１つのクラスタ内のサンプルが他のクラスタ内のサンプルよりも互いに似ていることを保証するために使用される。第２に、類似度の尺度を使用して、データをクラスタに分配するための機構が決定される。
類似度の尺度は、Ｄｕｄａのセクション６．７で考察されており、ここでは、クラスタリング調査を開始する１つの方法は、距離関数を定義すること、およびデータセット内のサンプルのすべてのペアの間の距離の行列を計算することであると述べられている。距離が類似度の良好な尺度である場合、同じクラスタ内のサンプル間の距離は、異なるクラスタ内のサンプル間の距離よりも大幅に小さくなるだろう。しかしながら、Ｄｕｄａの２１５ページに述べられているように、クラスタリングは、距離メトリックの使用を必要としない。例えば、非メトリック類似度関数ｓ（ｘ，ｘ’）を使用して、２つのベクトルｘおよびｘ’を比較することができる。従来、ｓ（ｘ，ｘ’）は、ｘおよびｘ’が何かしら「似ている」場合に値が大きい対称関数である。非メトリック類似度関数ｓ（ｘ，ｘ’）の例は、Ｄｕｄａの２１６ページに提供されている。
データセット内の点間の「類似度」または「非類似度」を測定するための方法が選択されると、クラスタリングは、データの任意の分配のクラスタリング品質を測定する基準関数を必要とする。基準関数を極値化するデータセットの分配を使用して、データをクラスタリングする。Ｄｕｄａの２１７ページを参照されたい。基準関数は、Ｄｕｄａのセクション６．８で考察されている。
より最近では、Ｄｕｄａら、Ｐａｔｔｅｒｎ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ、第２版、Ｊｏｈｎ Ｗｉｌｅｙ＆Ｓｏｎｓ，Ｉｎｃ．Ｎｅｗ Ｙｏｒｋが公開されている。５３７～５６３ページは、クラスタリングを詳細に記載している。クラスタリング技法に関するさらなる情報は、ＫａｕｆｍａｎおよびＲｏｕｓｓｅｅｕｗ、１９９０、Ｆｉｎｄｉｎｇ Ｇｒｏｕｐｓ ｉｎ Ｄａｔａ：Ａｎ Ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ Ｃｌｕｓｔｅｒ Ａｎａｌｙｓｉｓ、Ｗｉｌｅｙ、Ｎｅｗ Ｙｏｒｋ、Ｎ．Ｙ．；Ｅｖｅｒｉｔｔ、１９９３、Ｃｌｕｓｔｅｒ ａｎａｌｙｓｉｓ（第３版）、Ｗｉｌｅｙ、Ｎｅｗ Ｙｏｒｋ、Ｎ．Ｙ．；およびＢａｃｋｅｒ、１９９５、Ｃｏｍｐｕｔｅｒ－Ａｓｓｉｓｔｅｄ Ｒｅａｓｏｎｉｎｇ ｉｎ Ｃｌｕｓｔｅｒ Ａｎａｌｙｓｉｓ、Ｐｒｅｎｔｉｃｅ Ｈａｌｌ、Ｕｐｐｅｒ Ｓａｄｄｌｅ Ｒｉｖｅｒ、Ｎ．Ｊ．に見出すことができる。本発明で使用され得る特定の例示的なクラスタリング技法には、階層クラスタリング（最近傍アルゴリズム、最遠傍アルゴリズム、平均リンケージアルゴリズム、セントロイドアルゴリズム、または二乗和アルゴリズムを使用する凝集型クラスタリング）、ｋ平均クラスタリング、ファジィｋ平均クラスタリングアルゴリズム、およびＪａｒｖｉｓ－Ｐａｔｒｉｃｋクラスタリングが含まれるが、これらに限定されない。
最近傍分類器は、メモリベースであり、適合するモデルを必要としない。クエリ点ｘ０が与えられると、ｘ０に距離が最も近いｋ個の訓練点ｘ（ｒ）、ｒ、．．．、ｋが特定され、次いでｋ個の最近傍を使用して点ｘ０が分類される。タイはランダムに壊され得る。いくつかの実施形態では、特徴空間内のユークリッド距離を使用して、以下のように距離が求められる：
Figure 2023549294000002
 である。
典型的には、最近傍アルゴリズムが使用される場合、線形判別式を計算するために使用される発現データは、平均０および分散１を有するように標準化される。本発明では、訓練集団のメンバーは、訓練セットおよびテストセットにランダムに分割される。例えば、一実施形態では、訓練集団の３分の２のメンバーが訓練セットに入れられ、訓練集団の３分の１のメンバーがテストセットに入れられる。プロファイルは、テストセットのメンバーがプロットされる特徴空間を表す。次に、テストセットのメンバーを正しく特徴付ける訓練セットの能力が計算される。いくつかの実施形態では、表現型形質の所与の組み合わせに対して最近傍計算が数回行われる。計算の各反復において、訓練集団のメンバーは、訓練セットおよびテストセットにランダムに割り当てられる。次いで、形質の組み合わせの品質は、最近傍計算のそのような各反復の平均とされる。
最近傍決定則は、不等クラス事前分布、差異的誤分類コスト、および特徴選択の課題に対処するために改良され得る。これらの改良点の多くは、近傍に対する何らかの形態の重み付き投票を含む。最近傍分析のさらなる情報については、Ｄｕｄａ、Ｐａｔｔｅｒｎ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ、第２版、２００１、Ｊｏｈｎ Ｗｉｌｅｙ＆Ｓｏｎｓ，Ｉｎｃ；およびＨａｓｔｉｅ、２００１、Ｔｈｅ Ｅｌｅｍｅｎｔｓ ｏｆ Ｓｔａｔｉｓｔｉｃａｌ Ｌｅａｒｎｉｎｇ、Ｓｐｒｉｎｇｅｒ、Ｎｅｗ Ｙｏｒｋを参照されたい。
上記のパターン分類および統計的技法は、分類のためのモデルを構築するために使用され得るモデルの種類の単なる例である。本発明に従って任意の統計的方法が使用され得ることを理解されたい。さらに、上記のこれらを組み合わせも使用され得る。他の統計的方法およびそれらの実装に関するさらなる詳細は、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第１０，１８１，００９号に記載されている。
処置の過程の間に、参照セットを構成する個体が、それらのＬＲＲＫ２阻害応答を決定する前にドロップアウトし得ることが理解される。それらの個体が最終的にＬＲＲＫ２阻害に対して応答するかどうかは不明である。参照セットからそれらの個体を単純に排除することは、応答について予後不良を有する個体の特徴を排除することによって参照データセットを偏らせるであろう。そのようなバイアスは、ＬＲＲＫ２阻害剤での処置に応答について過度に楽観的な確率を報告することをもたらすであろう。
本発明のシステムおよび方法を用いると、それらの対象を大規模に排除するのではなく、本発明は、ドロップアウトを考慮するためにある特定の統計分析の方法を利用する。例えば、Ｋａｐｌａｎ－Ｍｅｉｅｒ法を使用して、処置に戻らなかった参照セット中の個体のデータを打ち切りまたは除外することができる。参照セットのデータをコンパイルするために、本発明に従って他の形態の統計分析を使用することができる。例えば、ロジスティック回帰、順序ロジスティック回帰、コックス比例ハザード回帰、および他の方法をすべて使用して、参照セット内のデータをコンパイルすることができる。さらに、参照セットが、ドロップアウトの応答性に関して包括的な仮定を行うのではなく、個体の形質に基づいてドロップアウトを打ち切るかまたは説明することができることを企図している。例えば、ドロップアウトが、処置を継続した個体と同じ応答する機会を有したと単純に仮定する、またはドロップアウトが応答する機会を有しなかったと仮定するのではなく、本発明はドロップアウトの形質を評価し、そのような情報に基づいてドロップアウトを有益に打ち切り得る。このようにして、過度に楽観的な推定（すべてのドロップアウトが応答の等しい機会を有したという仮定から生じる）または過度に控えめな推定（ドロップアウトが応答の機会を有しなかったという仮定から生じる）が回避される。
ある特定の態様では、本発明は、ドロップアウトを説明するために人工的打ち切りの使用を組み込む。人工的打ち切りでは、参加者が、介入への曝露、処置レジメンの不遵守、または競合するアウトカムの発生などの所定の研究基準を満たす場合に打ち切られる。次いで、介入に曝露されたことがなく、コンパイルされ、または競合するアウトカムが生じなかった人工的に打ち切られた参加者が、どのような生存経験があったであろうかを決定するために、打ち切りの逆確率重み付け（ＩＰＣＷ）などのさらなる分析方法が使用され得る。いくつかの実施形態では、人工的打ち切りの使用、さらにＩＰＣＷの使用を包含する方法は、参照セットのドロップアウトを説明するために本発明に包含される。人工的打ち切りの使用およびＩＰＣＷの使用に関するさらなる詳細は、参照によりその全体が本明細書に組み込まれる、Ｈｏｗｅら、Ｌｉｍｉｔａｔｉｏｎ ｏｆ ｉｎｖｅｒｓｅ ｐｒｏｂａｂｉｌｉｔｙ－ｏｆ－ｃｅｎｓｏｒｉｎｇ ｗｅｉｇｈｔｓ ｉｎ ｅｓｔｉｍａｔｉｎｇ ｓｕｒｖｉｖａｌ ｉｎ ｔｈｅ ｐｒｅｓｅｎｃｅ ｏｆ ｓｔｒｏｎｇ ｓｅｌｅｃｔｉｏｎ ｂｉａｓ、Ａｍ Ｊ Ｅｐｉｄｅｍｉｏｌｏｇｙ、２０１１に記載されている。
本明細書に記載の本発明の態様は、プロセッサ、例えば中央処理装置を含むコンピュータなどの任意の種類のコンピューティングデバイス、または各デバイスが処理または方法の少なくとも一部を行うコンピューティングデバイスの任意の組み合わせを使用して行われ得る。いくつかの実施形態では、本明細書に記載のシステムおよび方法は、ハンドヘルドデバイス、例えばスマートタブレット、またはスマートフォン、またはシステム用に生産された特殊デバイスを用いて行われ得る。
本発明の方法は、ソフトウェア、ハードウェア、ファームウェア、ハード配線、またはこれらのいずれかの組み合わせを使用して行われ得る。機能を実装するフィーチャはまた、機能の一部が異なる物理的位置（例えば、１つの部屋内のイメージング装置および別の部屋内、または例えば無線または有線接続を有する別個の建物内のホストワークステーション）に実装されるように、分散されることを含む、様々な位置に物理的に配置され得る。
コンピュータプログラムの実行に適したプロセッサは、例として、汎用および専用マイクロプロセッサの両方、ならびに任意の種類のデジタルコンピュータの任意の１つまたはそれを超えるプロセッサを含む。一般に、プロセッサは、読み出し専用メモリまたはランダムアクセスメモリまたはその両方から命令およびデータを受け取り得る。コンピュータの必須要素は、命令を実行するためのプロセッサ、ならびに命令およびデータを格納するための１つまたはそれを超えるメモリデバイスである。一般に、コンピュータはまた、データを格納するための１つまたはそれを超える大容量ストレージデバイス、例えば、磁気、光磁気ディスク、もしくは光ディスクを含むか、またはそれらからデータを受け取るか、もしくはそれらにデータを転送するか、もしくはそれらの両方を行うように動作可能にカップリングされる。コンピュータプログラムの命令およびデータを具現化するのに適した情報キャリアは、例として半導体メモリデバイス（例えば、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ソリッドステートドライブ（ＳＳＤ）、およびフラッシュメモリデバイス）；磁気ディスク（例えば、内蔵ハードディスクまたは取り外し可能ディスク）；光磁気ディスク；および光学ディスク（例えば、ＣＤおよびＤＶＤディスク）を含むすべての形態の不揮発性メモリを含む。プロセッサおよびメモリは、専用論理回路によって補完され得るか、または専用論理回路に組み込まれ得る。
ユーザとの対話を提供するために、本明細書に記載の主題は、情報をユーザに対して表示するためのＣＲＴ、ＬＣＤ、ＬＥＤ、または投影デバイスなどのＩ／Ｏデバイスと、ユーザがコンピュータに入力を提供することができるキーボードおよびポインティングデバイス（例えば、マウスまたはトラックボール）などの入力または出力デバイスとを有するコンピュータに実装され得る。他の種類のデバイスを使用して、ユーザとの対話を提供することもできる。例えば、ユーザに提供されるフィードバックは、任意の形態の感覚フィードバック（例えば、視覚フィードバック、聴覚フィードバック、または触覚フィードバック）であり得、ユーザからの入力は、音響、音声、または触覚入力を含む任意の形態で受け取られ得る。
本明細書に記載の主題は、バックエンドコンポーネント（例えば、データサーバ）、ミドルウェアコンポーネント（例えば、アプリケーションサーバ）、またはフロントエンドコンポーネント（例えば、ユーザが本明細書に記載の主題の実装物とそれを通して対話することができるグラフィカルユーザインターフェースまたはウェブブラウザを有するクライアントコンピュータ）、またはそのようなバックエンド、ミドルウェア、およびフロントエンドコンポーネントの任意の組み合わせを含むコンピューティングシステムに実装され得る。システムのコンポーネントは、任意の形態または媒体のデジタルデータ通信、例えば通信ネットワークによってネットワークを介して相互接続され得る。例えば、データの参照セットは、遠隔地で格納されてもよく、コンピュータは、ネットワークを介して通信して参照セットにアクセスし、対象に由来するデータを参照セットと比較する。しかしながら、他の実施形態では、参照セットはコンピュータ内のローカルに格納され、コンピュータはＣＰＵ内の参照セットにアクセスして対象データを参照セットと比較する。通信ネットワークの例には、セルネットワーク（例えば、３Ｇまたは４Ｇ）、ローカルエリアネットワーク（ＬＡＮ）、およびインターネットなどのワイドエリアネットワーク（ＷＡＮ）が含まれる。
本明細書に記載の主題は、データ処理装置（例えば、プログラム可能なプロセッサ、コンピュータ、または複数のコンピュータ）によって実行される、またはそのオペレーションを制御するための、情報キャリアにおいて（例えば、非一時的コンピュータ可読媒体において）有形に具現化された１つまたはそれを超えるコンピュータプログラムなどの、１つまたはそれを超えるコンピュータプログラム製品として実装され得る。コンピュータプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、ａｐｐ、マクロ、またはコードとしても公知）は、コンパイル型またはインタプリタ型言語（例えば、Ｃ、Ｃ＋＋、Ｐｅｒｌ）を含む任意の形態のプログラミング言語で書かれ得、スタンドアロンプログラムとして、またはモジュール、コンポーネント、サブルーチン、もしくはコンピューティング環境での使用に適した他のユニットとしてを含む任意の形態で展開され得る。本発明のシステムおよび方法は、限定されないが、Ｃ、Ｃ＋＋、Ｐｅｒｌ、Ｊａｖａ（登録商標）、ＡｃｔｉｖｅＸ、ＨＴＭＬ５、Ｖｉｓｕａｌ Ｂａｓｉｃ、またはＪａｖａＳｃｒｉｐｔ（登録商標）を含む、当技術分野で公知の任意の適切なプログラミング言語で書かれた命令を含み得る。
コンピュータプログラムは、必ずしもファイルに対応しているとは限らない。プログラムは、他のプログラムもしくはデータを保持するファイルもしくはファイルの一部、当該プログラム専用の単一のファイル、または複数の協調ファイル（例えば、１つまたはそれを超えるモジュール、サブプログラム、またはコードの一部を格納するファイル）に格納され得る。コンピュータプログラムは、１つのコンピュータ上で、または１つのサイトでの複数のコンピュータ上で実行されるように、または複数のサイトにわたって分散され、通信ネットワークによって相互接続されるように展開され得る。
ファイルは、例えば、ハードドライブ、ＳＳＤ、ＣＤ、または他の有形の非一時的媒体に格納されたデジタルファイルであり得る。ファイルは、ネットワークを介して（例えば、サーバからクライアントへ、例えば、ネットワーク・インターフェース・カード、モデム、無線カード、またはこれらに類似するものを介して送信されるパケットとして）あるデバイスから別のものへ送信され得る。
本発明によるファイルを書き込むことは、例えば、パーティクルを（例えば、読み出し／書き込みヘッドによる磁化パターンへの正味の電荷または双極子モーメントを用いて）追加、除去、または再配置することによって、有形の非一時的コンピュータ可読媒体を変換することを含み、パターンは、ユーザが所望し、ユーザにとって有用な客観的な物理現象に関する情報の新しいコロケーションを表す。いくつかの実施形態では、書き込みは、有形の非一時的コンピュータ可読媒体において（例えば、光学的読み取り／書き込みデバイスが次に情報の新しく有用なコロケーションを読み取ることができるように、例えば、ＣＤ－ＲＯＭを焼くようなある特定の光学的特性を用いた）マテリアルの物理的変換を含む。いくつかの実施形態では、ファイルを書き込むことは、ＮＡＮＤフラッシュメモリデバイスなどの物理的フラッシュメモリ装置を変換すること、およびフローティングゲートトランジスタから構成されたメモリセルのアレイ内の物理的要素を変換することによって情報を格納することを含む。ファイルを書き込む方法は当技術分野で周知であり、例えば、プログラムによって、またはソフトウェアから保存されたコマンドによって、またはプログラミング言語からの書き込みコマンドによって手動または自動で呼び出され得る。
適切なコンピューティングデバイスは、典型的には、大容量メモリ、少なくとも１つのグラフィカルユーザインターフェース、少なくとも１つのディスプレイデバイスを含み、典型的には、デバイス間の通信を含む。大容量メモリは、コンピュータ可読媒体のある種類、すなわちコンピュータストレージ媒体を示す。コンピュータストレージ媒体は、コンピュータ可読命令、データ構造、プログラムモジュール、または他のデータなどの情報をストレージするための任意の方法または技術で実装された、揮発性、不揮発性、取り外し可能、および取り外し不可能な媒体を含み得る。コンピュータストレージ媒体の例には、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ、または他のメモリ技術、ＣＤ－ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）または他の光学的ストレージ、磁気カセット、磁気テープ、磁気ディスクストレージまたは他の磁気ストレージデバイス、無線周波数判別タグもしくはチップ、または所望の情報を格納するために使用され得、コンピューティングデバイスによってアクセスされ得る任意の他の媒体が含まれる。
当業者であれば、本発明の方法の性能に必要または最も適しているように、本発明のコンピュータシステムまたはマシンが、バスを介して互いに通信する１つまたはそれを超えるプロセッサ（例えば、中央処理装置（ＣＰＵ）、グラフィックス処理装置（ＧＰＵ）、またはその両方）、メインメモリ、およびスタティックメモリを含むことを認識されよう。
本発明の方法は、機械学習システムを利用し得る。例えば、機械学習システムは、教師あり方式、教師なし方式、半教師あり方式、または強化学習によって学習することができる。
教師なしモデルまたは自律モデルでは、機械学習システムは、パターンを自律的に同定するためのペアの出力データなしで入力訓練データのみが与えられる。教師なしモデルは、テストデータに対して予測を行うために、訓練データの基礎となるパターンまたは構造を特定する。教師なしモデルは、データをクラスタリングし、異常を検出し、データの規則を独立して発見するのに有利である。教師なしモデルの精度は、システムが最適化する所定の出力変数がないため、評価がより困難である。自律モデルは、予測を最適化するために、教師ありおよび教師なし学習の両方のピリオドを用い得る。教師なしモデルは、ラベル付き訓練データが利用できない場合に、データをクラスタにクラスタリングするように機械学習システムを訓練するのに有利である。教師なしモデルは、主成分分析（ＰＣＡ）、均一多様体近似および投影（ＵＭＡＰ）を使用し得る。判別分析は、訓練およびテストデータにおいてグループが既に知られている場合にも使用され得る。判別分析は、線形判別分析（ＬＤＡ）および二次判別分析（ＱＤＡ）を含み得る。
半教師ありモデルでは、機械学習システムには、入力変数を含む訓練データが与えられ、出力変数ペアは、入力変数の限定されたプールのみに利用可能である。モデルは、出力変数ペアを伴う入力変数および残りの入力訓練データを使用してパターンを学習し、以前には見られなかったテストデータに関する予測を生成するために推論を行う。半教師ありモデルは、有利には、ペア化されていないデータに基づいて、追加のペア化された出力データをユーザに問い合わせることができる。半教師ありモデルは、不完全な訓練データセットしか利用できない場合に、機械学習システムを訓練するのに有利である。
強化学習モデルでは、機械学習システムには入力変数および出力変数のいずれも与えられない。むしろ、モデルは「報酬」条件を提供し、次いで試行錯誤によって累積報酬条件を最大化しようとする。強化学習モデルは、マルコフ決定過程である。教師あり、教師なし、半教師あり、および強化モデルは、参照により組み込まれるＪｏｒｄａｎおよびＭｉｒｃｈｅｌｌ、２０１５、Ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ，Ｔｒｅｎｄｓ，ｐｅｒｓｐｅｃｔｉｖｅｓ，ａｎｄ ｐｒｏｓｐｅｃｔｓ、Ｓｃｉｅｎｃｅ ３４９（６２４５）：２５５－２６０に記載されている。
教師あり学習モデルの例は、「決定木」である。決定木は、テストデータ内の特徴からテストデータの分類を推測するために単純な決定規則を使用するノンパラメトリック教師あり学習モデルである。分類木では、テストデータは離散値またはクラスの有限集合を取るが、回帰木では、テストデータは実数などの連続値を取り得る。決定木は、理解するのに簡単であり、ルート（通常は単一のノード）で始まり、分類に関連付けられたリーフ（複数のノード）に繰り返し分岐する木として視覚化され得るという点でいくつかの利点を有する。参照により組み込まれる、Ｃｒｉｍｉｎｉｓｉ、２０１２、Ｄｅｃｉｓｉｏｎ Ｆｏｒｅｓｔｓ：Ａ ｕｎｉｆｉｅｄ ｆｒａｍｅｗｏｒｋ ｆｏｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｒｅｇｒｅｓｓｉｏｎ，ｄｅｎｓｉｔｙ ｅｓｔｉｍａｔｉｏｎ，ｍａｎｉｆｏｌｄ ｌｅａｒｎｉｎｇ ａｎｄ ｓｅｍｉ－ｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ、Ｆｏｕｎｄａｔｉｏｎｓ ａｎｄ Ｔｒｅｎｄｓ ｉｎ Ｃｏｍｐｕｔｅｒ Ｇｒａｐｈｉｃｓ ａｎｄ Ｖｉｓｉｏｎ ７（２－３）：８１－２２７を参照されたい。
別の教師あり学習モデルは、「サポートベクターマシン」（ＳＶＭ）、「サポートベクターネットワーク」（ＳＶＮ）、またはサポートベクトル分類器（ＳＶＣ）であり、これらは、分類および回帰問題のための教師あり学習モデルである。新しいデータを２つのカテゴリの一方に分類するために使用される場合、ＳＶＭは、データ点を一方のカテゴリまたは他方に分離する多次元空間内の超平面を作出する。オリジナル問題は、有限次元空間のみを必要とする用語で表現され得るが、カテゴリ間のデータの線形分離は、有限次元空間では不可能であり得る。その結果、多次元空間は、データ点の明確な分離をもたらす超平面の構築を可能にするように選択される。参照により本明細書に組み込まれる、Ｐｒｅｓｓ，Ｗ．Ｈ．ら、セクション１６．５．Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅｓ．Ｎｕｍｅｒｉｃａｌ Ｒｅｃｉｐｅｓ：Ｔｈｅ Ａｒｔ ｏｆ Ｓｃｉｅｎｔｉｆｉｃ Ｃｏｍｐｕｔｉｎｇ（３ｒｄ ｅｄ．）．Ｎｅｗ Ｙｏｒｋ：Ｃａｍｂｒｉｄｇｅ Ｕｎｉｖｅｒｓｉｔｙ（２００７）を参照されたい。出力変数ペアが訓練データの入力変数に利用できない場合、ＳＶＭは、サポートベクタークラスタリングを使用して、教師なしまたは半教師あり学習モデルとして設計され得る。参照により組み込まれる、Ｂｅｎ－Ｈｕｒ、２００１、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｃｌｕｓｔｅｒｉｎｇ、Ｊ Ｍａｃｈ Ｌｅａｒｎｉｎｇ Ｒｅｓ ２：１２５－１３７を参照されたい。ＳＶＭモデルは、テストデータが限定された数の可能なカテゴリに入る機械学習システムに有利であり得る。さらに、ＳＶＭモデルは、機械学習システム用に、訓練データの限定されたセットのみが利用可能である場合に有利であり得る。
ロジスティック回帰分析は、予測を行うための訓練およびテストデータにおけるパターンを見つけるために、機械学習システムによって使用され得る別の統計処理である。それは、複数の変数間の関係をモデル化および分析するための技法を含む。具体的には、回帰分析は、単一の独立変数の変化に対して応答する従属変数の変化に着目している。回帰分析を使用して、独立変数が与えられて、従属変数の条件付き期待値を推定することができる。従属変数の変動は、回帰関数の周りで特徴付けられ、確率分布によって記述され得る。回帰モデルのパラメータは、例えば、最小二乗法、ベイズ法、パーセンテージ回帰、最小絶対偏差、ノンパラメトリック回帰、または距離メトリック学習を使用して推定され得る。回帰モデルはまた、様々なツールによって効果的に実装されるという利点を提供し、モデルは、新しいバーティクルを同定するために容易に更新され得る。
ＳＶＭシステムおよびロジスティック回帰システムは、データを適合させるために確率的勾配降下（ＳＧＤ）アプローチを使用し得る。ＳＧＤは、このアプローチを利用して機械学習システムを最適化するのに有利である。
ベイズアルゴリズムはまた、予測を行うために訓練およびテストデータにおけるパターンを見つけるために使用され得る。ベイジアンネットワークは、有向非巡回グラフ（ＤＡＧ）を介してランダム変数のセットおよびそれらの条件付き依存性を表す確率的グラフィカルモデルである。ＤＡＧは、可観測量、潜在変数、ノード未知パラメータまたは仮説であり得るランダム変数を表すノードを有する。エッジは条件付き依存性を表す；接続されていないノードは、条件的に互いに独立した変数を表す。各々は、ノードの親変数に関する値の特定のセットを入力として取り、ノードによって表される変数の確率（または該当する場合は確率分布）を（出力として）与える確率関数に関連付けられる。ベイズモデルは、一般に、他のモデルよりも少ない訓練データしか必要としないという利点を提供する。
いくつかのモデルは、パターンを見つけて予測を行うために、クラスタリング訓練データおよびテストデータに依存し得る。「ｋ－最近傍」（ｋ－ＮＮ）モデルは、分類および回帰問題のための教師ありノンパラメトリック学習モデルである。ｋ最近傍モデルは、類似のデータが近接して存在すると仮定し、ｋ個の最近傍データ点に基づいて各データ点にカテゴリまたは値を割り当てる。ｋ－ＮＮモデルは、データに外れ値がほとんどなく、均一な特徴によって定義され得る場合に有利であり得る。さらに、ｋ－ＮＮモデルは、テストデータから継続的に学習するという利点を提供し、訓練データからマテリアルを特定する前に訓練ピリオドを必要としない。
クラスタリングを使用する教師なし学習モデルの例は、「ｋ平均」クラスタリングモデルである。ｋ平均モデルは、入力データおよびテストデータ内のデータのクラスタを見つけることに注意を向けている。Ｋ平均モデルは、定義された数のクラスタがデータに存在することが知られている場合に有利であり、テストデータに外れ値をほとんどなく、均一な特徴が定義され得る場合にも有利である。訓練データをクラスタリングする追加のモデルには、例えば、最遠傍、セントロイド、二乗和、ファジィｋ平均、およびＪａｒｖｉｓ－Ｐａｔｒｉｃｋクラスタリングが含まれる。ｋ平均および他の教師なしクラスタリングモデルは、訓練データが利用できないかまたは限定されている場合に有利である。
訓練された機械学習モデルは、「安定した学習器（ｓｔａｂｌｅ ｌｅａｒｎｅｒｓ）」になり得る。安定した学習器は、新しい訓練データに基づく予測の摂動に対する感受性が低いモデルである。安定した学習器は、テストデータが安定している場合に有利であり得るが、システムが安定していない可能性がある新しいテストデータを正確に予測するために性能を継続的に改善する必要がある場合にはあまり有利でない可能性がある。したがって、安定した学習モデルは、導入され得るタイプデータが既知であり、変化する可能性が低い場合に、機械学習システムによる使用に有利であり得る。
いくつかの機械学習システムの種類が、アンサンブルとして既知の最終予測モデルに組み合わされ得る。アンサンブルは、同種アンサンブルと異種アンサンブルの２つの種類に分けることができる。同種アンサンブルは、同じ種類の複数の機械学習モデルを組み合わせる。異種アンサンブルは、異なる種類の複数の機械学習モデルを組み合わせる。アンサンブルは、アンサンブル内の個々の基本メンバーモデル（「メンバー」）のいずれよりも正確であり得るので、利点を提供し得る。アンサンブルで組み合わされるメンバーの数は、最終予測の精度に影響を及ぼし得る。したがって、機械学習システムによって使用されるアンサンブルシステムを設計する場合に、最適なメンバー数を決定することが有利である。
機械学習システムによって使用されるアンサンブルは、分類システムのための「投票」型方法および回帰システムのための「平均化」型方法を使用することによって、個々のメンバーからの出力を結合または集約することができる。「多数決」方法では、各メンバーがテストデータに関する予測を行い、投票の半分超を受ける予測がアンサンブルの最終出力である。予測のいずれもが票の半分超を受けられなければ、アンサンブルが安定した予測を行うことができないと決定され得る。「複数の投票」方法では、最も投票された予測が、投票の半分未満を受けたとしても、アンサンブルの最終出力と考えられ得る。「重み付き投票」方法では、より正確なメンバーの投票に、その精度に基づいて各メンバーに与えられる重みが乗算される。「単純な平均化」方法では、各メンバーがテストデータに対して予測を行い、出力の平均が算出される。この方法は、過適合を低減し、より滑らかな回帰モデルを作出するのに有利であり得る。「重み付き平均化」方法では、各メンバーの予測出力に、その精度に基づいて各メンバーに与えられる重みが乗算される。投票方法、平均化方法、および重み付き方法を組み合わせて、機械学習システムによって使用されるアンサンブルの精度を改善することができる。
機械学習システムによって使用されるアンサンブル内のメンバーは、各々独立して訓練され得るか、または新しいメンバーは、以前に訓練されたメンバーからの情報を利用して訓練され得る。「並列アンサンブル」では、アンサンブルは、メンバー間の独立性を利用することによって、例えば、複数のメンバーを同時に訓練してメンバーからの出力を特定し集約することによって、個々のメンバーよりも高い精度を提供しようとする。「逐次アンサンブルシステム」では、アンサンブルは、メンバー間の依存性を利用することによって、例えば、データの特定に関する第１のメンバーからの情報を利用して、メンバーからのデータを特定し、出力を重み付けするための第２のメンバーの訓練を改善することによって、個々のメンバーよりも高い精度を提供しようとする。
機械学習システムによって使用されるアンサンブルの全体的な精度は、アンサンブルメタアルゴリズム、例えば、分散を低減するための「バギング」アルゴリズム、バイアスを低減するための「ブースティング」アルゴリズム、または予測を改善するための「スタッキング」アルゴリズムを使用することによって最適化され得る。
ブースティングアルゴリズムは、バイアスを低減し、あまり正確でない、または「弱い学習」モデルを改善するために使用され得る。メンバーは、それが実質的な誤り率を有するが、その性能が非ランダムである場合、「弱い学習」モデルと考えられ得る。各メンバーを同じ訓練データセットで順次訓練し、テストデータに対する予測誤差を調べ、メンバーが正確な予測を行う困難さに基づいて訓練データに重み付けを割り当てることによって、ブースティングアルゴリズムはアンサンブルを徐々に構築する。訓練された各逐次メンバーにおいて、アルゴリズムは、以前のメンバーが困難であると判断した訓練データを強調する。次いで、メンバーは、訓練データに適用された重み付けを考慮して、それらの予測出力の精度に基づいて重み付けされる。各メンバーからの予測は、重み付き投票型または重み付き平均型の方法によって組み合わされ得る。ブースティングアルゴリズムは、複数の弱い学習モデルを組み合わせる場合に有利である。しかしながら、ブースティングアルゴリズムは、テストデータを訓練データに過剰適合させることになる可能性がある。ブースティングアルゴリズムの例には、ＡｄａＢｏｏｓｔ、勾配ブースティング、ｅＸｔｒｅｍｅ Ｇｒａｄｉｅｎｔ Ｂｏｏｓｔ（ＸＧＢｏｏｓｔ）が含まれる。Ｆｒｅｕｎｄ、１９９７、Ａ ｄｅｃｉｓｉｏｎ－ｔｈｅｏｒｅｔｉｃ ｇｅｎｅｒａｌｉｚａｔｉｏｎ ｏｆ ｏｎ－ｌｉｎｅ ｌｅａｒｎｉｎｇ ａｎｄ ａｎ ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｂｏｏｓｔｉｎｇ、Ｊ Ｃｏｍｐ Ｓｙｓ Ｓｃｉ ５５：１１９；およびＣｈｅｎ、２０１６、ＸＧＢｏｏｓｔ：Ａ Ｓｃａｌａｂｌｅ Ｔｒｅｅ Ｂｏｏｓｔｉｎｇ Ｓｙｓｔｅｍ、ａｒＸｉｖ：１６０３．０２７５４（両方とも参照により組み込まれる）を参照されたい。
バギングアルゴリズムまたは「ブートストラップアグリゲーション」アルゴリズムは、メンバーからの複数の推定値を一緒に平均化することによって分散を低減する。バギングアルゴリズムは、各メンバーにフル訓練データセットのランダムサブサンプルを提供し、各ランダムサブサンプルは「ブートストラップ」サンプルとして公知である。ブートストラップサンプルでは、訓練データセットからの一部のデータが複数回現れる場合があり、訓練データセットからの一部のデータが存在しない場合がある。サブサンプルは互いに独立して作成され得、訓練は並行して行われ得る。次いで、各メンバーからのテストデータに対する予測は、投票型または平均型の方法などによって集約される。
機械学習システムによって使用され得るバギングアルゴリズムの例は、「ランダムフォレスト」である。ランダムフォレストでは、アンサンブルは複数のランダム化された決定木モデルを組み合わせる。各決定木モデルは、テストデータ用の訓練セットからのブートストラップサンプルから訓練される。訓練セット自体は、さらに大きな訓練セットからの特徴のランダムなサブセットであり得る。学習プロセスにおける各スプリットでより大きな訓練セットのランダムなサブセットを提供することによって、出力変数の強い予測子である個々の特徴の存在から生じ得る偽の相関が低減される。テストデータに対する予測を平均化することによって、アンサンブルの分散が低減し、テストデータの予測が改善される。ランダムフォレストは自律モデルであり得、教師ありおよび教師なし学習の両方のピリオドを含み得る。安定した学習システムは、ブートストラップサンプルにわたる変動性がより少ない一般化された出力を提供する傾向があるため、バギングは、安定した学習システムを組み合わせたアンサンブルを最適化する際にあまり有利でない可能性がある。ランダムフォレストは、機械学習システムによるテストデータの特定および偽の特定の低減において高度な汎用性を提供することによって、データを特定するための機械学習システムによる使用に有利である。参照により組み込まれる、Ｂｒｅｉｍａｎ、２００１、Ｒａｎｄｏｍ Ｆｏｒｅｓｔｓ、Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ ４５：５－３２を参照されたい。
スタッキングアルゴリズムまたは「積層一般化」アルゴリズムは、メタ機械学習モデルを使用してアンサンブルを組み合わせて構築することによって予測を改善する。スタッキングアルゴリズムでは、基本メンバーモデルは訓練データセットで訓練され、出力として新しいデータセットを作成する。次いで、この新しいデータセットは、メタ機械学習モデルの訓練データセットとして使用され、アンサンブルを構築する。スタッキングアルゴリズムは、一般に、異種アンサンブルを構築する際、テストデータを特定するために機械学習システムによって使用するのに有利である。アンサンブルは、Ｖｉｌｌａｖｅｒｄｅら、２０１９、Ｏｎ ｔｈｅ ａｄａｐｔａｂｉｌｉｔｙ ｏｆ ｅｎｓｅｍｂｌｅ ｍｅｔｈｏｄｓ ｆｏｒ ｄｉｓｔｒｉｂｕｔｉｏｎ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｓｙｓｔｅｍｓ：Ａ ｃｏｍｐａｒａｔｉｖｅ ａｎａｌｙｓｉｓ、Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｄｉｓｔｒｉｂｕｔｅｄ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋｓ １５（７）；およびＨｅｉｔｏｒら、２０１７、Ａ Ｓｕｒｖｅｙ ｏｆ Ｅｎｓｅｍｂｌｅ Ｌｅａｒｎｉｎｇ ｆｏｒ Ｄａｔａ Ｓｔｒｅａｍ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ、５０（２）：Ａｒｔ．２３（各々は参照により組み込まれる）に記載されている。
人間の脳をモデル化したニューラルネットワークは、情報の処理および機械学習を可能にする。ニューラルネットワークは、個々のニューロンの機能を模倣するノードを含み、ノードはレイヤーに編成される。ニューラルネットワークは、入力層、出力層、入力層から出力層への接続を定義する１つまたはそれを超える隠れ層を含む。本発明のシステムおよび方法には、機械学習を容易にする任意のニューラルネットワークが含まれ得る。システムには、ＧｏｏｇＬｅＮｅｔ（Ｓｚｅｇｅｄｙら、Ｇｏｉｎｇ ｄｅｅｐ ｗｉｔｈ ｃｏｎｖｏｌｕｔｉｏｎｓ、ＣＶＰＲ ２０１５、２０１５）；ＡｌｅｘＮｅｔ（Ｋｒｉｚｈｅｖｓｋｙら、Ｉｍａｇｅｎｅｔ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｗｉｔｈ ｄｅｅｐ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ、Ｐｅｒｅｉｒａら編、Ａｄｖａｎｃｅｓ ｉｎ Ｎｅｕｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓｔｅｍｓ ２５、１０９７～３１０５頁、Ｃｕｒｒａｎ Ａｓｓｏｃｉａｔｅｓ，Ｉｎｃ．、２０１２）；ＶＧＧ１６（Ｓｉｍｏｎｙａｎ＆Ｚｉｓｓｅｒｍａｎ、Ｖｅｒｙ ｄｅｅｐ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｔｗｏｒｋｓ ｆｏｒ ｌａｒｇｅ－ｓｃａｌｅ ｉｍａｇｅ ｒｅｃｏｇｎｉｔｉｏｎ、ＣｏＲＲ、ａｂｓ／３４０９．１５５６、２０１４）；またはＦａｃｅＮｅｔ（Ｗａｎｇら、Ｆａｃｅ Ｓｅａｒｃｈ ａｔ Ｓｃａｌｅ：８０ Ｍｉｌｌｉｏｎ Ｇａｌｌｅｒｙ、２０１５）（上述の各参考文献は、参照により組み込まれる）などの公知のニューラルネットワークアーキテクチャが含まれ得る。ニューラルネットワークアーキテクチャに基づく機械学習システムを使用する利点は、ニューラルネットワークがそれ自体によりパターンおよび相関を学習し、それらに提供される訓練データによって制限されない出力を生成することができることである。
深層学習ニューラルネットワーク（深層構造化学習、階層学習、または深層機械学習としても公知）は、特徴抽出および変換のために非線形処理ユニットの多くの層のカスケードを使用する分類器によって使用され得る機械学習オペレーションのクラスを含む。各連続層は、前の層からの出力を入力として使用する。アルゴリズムは教師ありまたは教師なしであり得、アプリケーションはパターン分析（教師なし）および分類（教師あり）を含む。ある特定の実施形態は、データの複数レベルの特徴または表現の教師なし学習に基づく。上位レベルの特徴は、下位レベルの特徴から導出されて階層的表現を形成する。ニューラルネットワークによる深層学習は、異なる抽象化レベルに対応する複数レベルの表現を学習することを含む；レベルは概念の階層を形成する。いくつかの実施形態では、ニューラルネットワークは、少なくとも５つ、好ましくは１０個を超える隠れ層を含む。入力および出力の間の多くの層は、システムが複数の処理層を介して動作することを可能にする。
機械学習システムによって使用され得るニューラルネットワーク内では、ノードは層で接続され、シグナルは入力層から出力層に移動する。入力層の各ノードは、訓練データからのそれぞれの特徴に対応し得る。隠れ層のノードは、バイアス項および入力層のノードの重み付き和の関数として算出され、入力層のノードおよび隠れ層のノードの間の各接続にそれぞれの重みが割り当てられる。バイアス項ならびに入力層および隠れ層の間の重み付けは、ニューラルネットワークの訓練において自律的に有利に学習される。ネットワークは、数千または数百万のノードおよび接続を含み得る。典型的には、人工ニューロンのシグナルおよび状態は実数であり、典型的には０および１の間である。必要に応じて、シグナルが伝播する前に限界を超えなければならないように、各接続およびユニット自体に閾値関数または制限関数があってもよい。逆伝播は、接続重み付けを修正するためのフォワード刺激の使用であり、既知の正しい出力を使用してネットワークを訓練するために行われることがある。国際公開第２０１６／１８２５５１号、米国特許出願公開第２０１６／０１７４９０２号、米国特許第８，６３９，０４３号、および米国特許出願公開第２０１７／００５３３９８号（各々、参照により組み込まれる）を参照されたい。
テストまたは訓練データからの特徴は、画像内のピクセルごとの強度値のベクトルなどの多くの様式で、またはエッジのセット、特定の形状の領域などとしてより抽象的な様式で、深層学習ネットワークによって表され得る。それらの特徴は、ネットワーク内のノードで表される。好ましくは、各特徴は、画像特徴を表す数値特徴またはベクトルとして構造化される。このような表現は処理および統計分析を容易にするので、これは、例えば画像からのオブジェクトの数値表現を提供する。数値特徴は、予測を行うためのスコアを決定するために使用される線形予測子関数を構築するために、ドット積を使用して重み付けと組み合わされることが多い。
それらの特徴ベクトルに関連付けられたベクトル空間は、特徴空間と称され得る。特徴空間の次元を削減するために、分類器によって使用されるネットワークによって次元削減が用いられ得る。より高いレベルの特徴は、特徴構築と称される処理において、既に利用可能な特徴から取得され、特徴ベクトルに追加され得る。特徴構築は、新しい特徴の構築をもたらす既存の特徴のセットへの構成的なオペレータのセットの適用である。例えば、ニューラルネットワークアーキテクチャに基づく機械学習システムは、画像センサから画像データを提供され得る。ニューラルネットワークの初期層は、画像データ内の水平線および垂直線を特定し得る。次いで、ネットワーク内の後の層は、特定された線を使用して、画像内のパーティクルのより高いレベルの特徴であるエッジを取得し得る。
深層学習ニューラルネットワークは、多層パーセプトロン（ＭＬＰ）、畳み込みニューラルネットワーク（ＣＮＮ）、またはリカレントニューラルネットワーク（ＲＮＮ）であり得る。
遺伝学的データを得るためのアッセイ
ＬＲＲＫ２の１つまたはそれを超える遺伝的修飾因子の同定または分析は、対象から得られたサンプルに対してアッセイを行うことを含み得る。サンプルは、ＤＮＡまたはＲＮＡなどの遺伝物質を含む任意の種類のサンプルであり得る。例えば、限定されないが、サンプルは、羊水、生検、血液、体液、細胞、脳脊髄液、リンパ液、洗口液、針吸引生検、毛髪、痰、血漿、膿、唾液、精液、血清、唾、便、スワブ、汗、滑液、涙、組織、尿、または前述のサンプルのいずれかの組み合わせからのものであり得る。例えば、限定されないが、組織サンプルは、骨髄組織、ＣＮＳ組織、眼組織、胃腸組織、泌尿生殖器組織、毛髪、腎臓組織、肝臓組織、乳腺組織、乳腺組織、筋骨格組織、爪、鼻道組織、神経組織、胎盤組織、胎盤組織、または皮膚組織に由来し得る。
対象は、任意の種類の対象であり得る。対象はヒトであり得る。対象は、パーキンソン病の１つまたはそれを超える症候を示し得るか、または対象は無症候性であり得る。患者は、ＰＤ患者に関連し得る。対象は、小児患者、新生児（ｎｅｗｂｏｒｎ）、新生児（ｎｅｏｎａｔｅ）、乳児、小児、青年、プレティーン（ｐｒｅ－ｔｅｅｎ）、ティーンエージャー（ｔｅｅｎａｇｅｒ）、成人、または高齢の対象であり得る。対象は、パーキンソン病の１つまたはそれを超える症候を示し得るか、または対象は無症候性であり得る。患者は、ＰＤ患者に関連し得る。
遺伝的解析の方法は当技術分野で公知である。ある特定の実施形態では、特定の位置における既知の一塩基多型は、例えば、その内容が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第６，５６６，１０１号に記載されているように、その位置に隣接するサンプルＤＮＡに結合するプライマーの一塩基伸長によって検出され得る。他の実施形態では、例えば、その内容が参照によりその全体が本明細書に組み込まれる、米国特許第６，２１４，５５８号および同第６，３００，０７７号に記載されているように、目的のＳＮＰとオーバーラップし、その位置で特定のヌクレオチドを含むサンプル核酸に選択的にハイブリダイズするハイブリダイゼーションプローブが用いられ得る。
特定の実施形態では、核酸は、配列の野生型および／または非変異型と比較して、核酸中のバリアント（すなわち、変異）を検出するために配列決定される。核酸は、複数の遺伝学的要素に由来する複数の核酸を含み得る。配列バリアントを検出する方法は当技術分野で公知であり、配列バリアントは、当技術分野で公知の任意のシーケンシング方法、例えばアンサンブルシーケンシングまたは一分子シーケンシングによって検出され得る。
シーケンシングは、当技術分野で公知の任意の方法によるものであり得る。ＤＮＡシーケンシング技術には、標識されたターミネーターまたはプライマーおよびスラブまたはキャピラリーでのゲル分離を使用する古典的なジデオキシシーケンシング反応（サンガー法）、可逆的に末端化された標識ヌクレオチドを使用する合成によるシーケンシング、パイロシーケンシング、４５４シーケンシング、標識されたオリゴヌクレオチドプローブのライブラリーへの対立遺伝子特異的ハイブリダイゼーション、ライゲーションが後に続く標識クローンのライブラリーへの対立遺伝子特異的ハイブリダイゼーションを使用する合成によるシーケンシング、重合工程中の標識ヌクレオチドの取り込みのリアルタイムモニタリング、ポロニーシーケンシング、およびＳＯＬｉＤシーケンシングが含まれる。分離された分子のシーケンシングは、より最近、ポリメラーゼまたはリガーゼを使用した逐次または単一の伸長反応、ならびにプローブのライブラリーとの単一または逐次の示差的ハイブリダイゼーションによって実証されている。
シーケンシングを行う１つの従来の方法は、例えば、Ｓａｎｇｅｒら、Ｐｒｏｃ Ｎａｔｌ．Ａｃａｄ．Ｓｃｉ．Ｕ Ｓ Ａ、７４（１２）：５４６３６７（１９７７）に記載されているように、鎖の終結およびゲル分離による。別の従来のシーケンシング方法は、例えばＭａｘａｍら、Ｐｒｏｃ．Ｎａｔｌ．Ａｃａｄ．Ｓｃｉ．、７４：５６０ ５６４（１９７７）に記載されているように、核酸断片の化学的分解に関係する。最後に、例えば、米国特許出願公開第２００９／０１５６４１２号に記載されているように、ハイブリダイゼーションによるシーケンシングに基づく方法が開発された。各参考文献の内容は、参照によりその全体が本明細書に組み込まれる。
提供される発明の方法において使用され得るシーケンシング技法には、例えばＨａｒｒｉｓ Ｔ．Ｄ．ら、Ｓｉｎｇｌｅ－Ｍｏｌｅｃｕｌｅ ＤＮＡ Ｓｅｑｕｅｎｃｉｎｇ ｏｆ ａ Ｖｉｒａｌ Ｇｅｎｏｍｅ、（２００８）Ｓｃｉｅｎｃｅ ３２０：１０６－１０９が含まれる。真の一分子シーケンシング（ｔＳＭＳ）技法では、ＤＮＡサンプルをおよそ１００～２００ヌクレオチドの鎖に切断し、各ＤＮＡ鎖の３’末端にポリＡ配列を付加する。各鎖は、蛍光標識されたアデノシンヌクレオチドの付加によって標識される。次いで、ＤＮＡ鎖を、フローセル表面に固定化された数百万のオリゴＴ捕捉部位を含むフローセルにハイブリダイズする。テンプレートは、約１億テンプレート／ｃｍ２の密度であり得る。次いで、フローセルを機器、例えばＨｅｌｉＳｃｏｐｅ．ＴＭ．シーケンサーに装填し、レーザーがフローセルの表面を照らし、各テンプレートの位置を明らかにする。ＣＣＤカメラは、フローセル表面上のテンプレートの位置をマッピングすることができる。次いで、テンプレートの蛍光標識を切断し、洗い流す。シーケンシング反応は、ＤＮＡポリメラーゼおよび蛍光標識されたヌクレオチドを導入することによって開始する。オリゴＴ核酸はプライマーとして役立つ。ポリメラーゼは、標識されたヌクレオチドをテンプレート指向的にプライマーに取り込む。ポリメラーゼおよび取り込まれていないヌクレオチドは除去される。蛍光標識されたヌクレオチドの指向的取り込みを有するテンプレートは、フローセル表面を画像化することによって検出される。画像化後、切断工程が蛍光標識を除去し、所望のリード長が達成されるまで、他の蛍光標識されたヌクレオチドを用いてプロセスが繰り返される。ヌクレオチド付加工程ごとに配列情報を収集する。ｔＳＭＳのさらなる説明は、例えば、米国特許第７，１６９，５６０号；同第６，８１８，３９５号；および同第７，２８２，３３７号；米国特許出願公開第２００９／０１９１５６５号および同第２００２／０１６４６２９号；およびＢｒａｓｌａｖｓｋｙら、ＰＮＡＳ（ＵＳＡ）、１００：３９６０－３９６４（２００３）示されており、これらの各々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。
提供される発明の方法において使用され得るＤＮＡシーケンシング技法の別の例は、例えば、Ｍａｒｇｕｌｉｅｓ，Ｍら、２００５、Ｎａｔｕｒｅ、４３７、３７６－３８０に記載されているように、４５４シーケンシング（Ｒｏｃｈｅ）である。４５４シーケンシングは、２つの工程を含む。第１の工程では、ＤＮＡをおよそ３００～８００塩基対の断片に剪断し、断片を平滑末端化する。次いで、オリゴヌクレオチドアダプターを断片の末端にライゲートする。アダプターは、断片の増幅およびシーケンシングのためのプライマーとして役立つ。断片は、例えば５’－ビオチンタグを含むアダプターＢを使用して、ＤＮＡ捕捉ビーズ、例えばストレプトアビジン被覆ビーズに付着され得る。ビーズに付着した断片は、油－水エマルジョンの液滴内でＰＣＲ増幅される。結果は、各ビーズ上にクローン増幅されたＤＮＡ断片の複数のコピーである。第２の工程では、ビーズをウェル（ピコリットルサイズ）に捕捉する。パイロシーケンシングは、各ＤＮＡ断片に対して並行して行われる。１つまたはそれを超えるヌクレオチドの付加は、シーケンシング機器のＣＣＤカメラによって記録される光シグナルを発生する。シグナル強度は、取り込まれたヌクレオチドの数に比例する。パイロシーケンシングは、ヌクレオチド付加時に放出されるピロリン酸（ＰＰｉ）を利用する。ＰＰｉは、アデノシン５’ホスホスルフェートの存在下、ＡＴＰスルフリラーゼによってＡＴＰに変換される。ルシフェラーゼはＡＴＰを使用してルシフェリンをオキシルシフェリンに変換し、この反応は検出および分析される光を発生する。
提供される発明の方法において使用され得るＤＮＡシーケンシング技法の別の例は、ＳＯＬｉＤ技術（Ａｐｐｌｉｅｄ Ｂｉｏｓｙｓｔｅｍｓ）である。ＳＯＬｉＤシーケンシングでは、ゲノムＤＮＡを断片に剪断し、断片の５’および３’末端にアダプターを付着させて断片ライブラリーを作成する。あるいは、アダプターを断片の５’および３’末端にライゲートし、断片を環状化し、環状化された断片を消化して内部アダプターを作成し、得られた断片の５’および３’末端にアダプターを付着させて、メイトペアライブラリーを作成することによって、内部アダプターが導入され得る。次に、クローン化ビーズ集団を、ビーズ、プライマー、テンプレート、およびＰＣＲ構成要素を含むマイクロリアクタ中で調製する。ＰＣＲの後、テンプレートを変性させ、ビーズを濃縮して、伸長したテンプレートを有するビーズを分離する。選択されたビーズ上のテンプレートは、ガラススライドへの結合を可能にする３’修飾に供される。配列は、部分的にランダムなオリゴヌクレオチドと、特定のフルオロフォアによって同定される中央の決定されている塩基（または塩基対）との逐次的なハイブリダイゼーションおよびライゲーションによって決定され得る。色を記録した後、ライゲーションされたオリゴヌクレオチドを切断、除去し、次いでプロセスを繰り返す。
提供される発明の方法において使用され得るＤＮＡシーケンシング技法の別の例は、米国特許出願公開第２００９／００２６０８２号、同第２００９／０１２７５８９号、同第２０１０／００３５２５２号、同第２０１０／０１３７１４３号、同第２０１０／０１８８０７３号、同第２０１０／０１９７５０７号、同第２０１０／０２８２６１７号、同第２０１０／０３００５５９号、同第２０１０／０３００８９５号、同第２０１０／０３０１３９８号、および同第２０１０／０３０４９８２号（これらの各々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）に記載されているようなＩｏｎ Ｔｏｒｒｅｎｔシーケンシングである。Ｉｏｎ Ｔｏｒｒｅｎｔシーケンシングでは、ＤＮＡをおよそ３００～８００塩基対の断片に剪断し、断片を平滑末端化する。次いで、オリゴヌクレオチドアダプターを断片の末端にライゲートする。アダプターは、断片の増幅およびシーケンシングのためのプライマーとして役立つ。断片は表面に付着させられ得、断片が個別に分解可能であるような解像度で付着させる。１つまたはそれを超えるヌクレオチドの付加はプロトン（Ｈ＋）を放出し、このシグナルは、シーケンシング機器で検出および記録される。シグナル強度は、取り込まれたヌクレオチドの数に比例する。
提供される発明の方法において使用され得るシーケンシング技術の別の例は、Ｉｌｌｕｍｉｎａシーケンシングである。Ｉｌｌｕｍｉｎａシーケンシングは、フォールドバックＰＣＲおよびアンカープライマーを使用した固体表面上のＤＮＡ増幅に基づく。ゲノムＤＮＡを断片化し、断片の５’および３’末端にアダプターを付加する。フローセルチャネルの表面に付着しているＤＮＡ断片は伸長され、架橋増幅される。断片は二本鎖になり、二本鎖分子は変性される。固相増幅とそれに続く変性の複数のサイクルは、フローセルの各チャネルに同じテンプレートの一本鎖ＤＮＡ分子のおよそ１，０００コピーの数百万のクラスタを作出し得る。プライマー、ＤＮＡポリメラーゼおよび４つのフルオロフォア標識された可逆的な終結ヌクレオチドを使用して、逐次シーケンシングを行う。ヌクレオチドの取り込み後、レーザーを使用してフルオロフォアを励起し、画像を取り込み、第１の塩基のアイデンティティを記録する。取り込まれた各塩基からの３’ターミネーターおよびフルオロフォアを除去し、取り込み、検出および同定工程を繰り返す。
提供される発明の方法において使用され得るシーケンシング技術の別の例には、Ｐａｃｉｆｉｃ Ｂｉｏｓｃｉｅｎｃｅｓの一分子リアルタイム（ＳＭＲＴ）技術が含まれる。ＳＭＲＴでは、４つのＤＮＡ塩基の各々が、４つの異なる蛍光色素のうちの１つに付着している。これらの色素は、ホスホ連結されている。１つのＤＮＡポリメラーゼは、ゼロモード導波路（ＺＭＷ）の底部にてテンプレートの一本鎖ＤＮＡの１つの分子で固定化される。ＺＭＷは、ＺＭＷ外に急速に（マイクロ秒で）拡散する蛍光ヌクレオチドのバックグラウンドに対するＤＮＡポリメラーゼによる１つのヌクレオチドの取り込みの観察を可能にする閉じ込め構造である。成長鎖にヌクレオチドを取り込むのに数ミリ秒かかる。この時間の間、蛍光標識は励起され、蛍光シグナルを発生し、蛍光タグが切除される。対応する色素の蛍光の検出は、どの塩基が取り込まれたかを示す。プロセスは繰り返される。
提供される発明の方法において使用され得るシーケンシング技法の別の例は、例えば、Ｓｏｎｉ Ｇ ＶおよびＭｅｌｌｅｒ Ａ．（２００７）Ｃｌｉｎ Ｃｈｅｍ ５３：１９９６－２００１に記載されるようなナノポアシーケンシングである。ナノポアは、直径１ナノメートル程度の小さな孔である。ナノポアを導電性流体に浸漬し、それを横切る電位を印加すると、ナノポアを通るイオンの伝導に起因してわずかな電流が生じる。流れる電流の量は、ナノポアのサイズに敏感である。ＤＮＡ分子がナノポアを通過するとき、ＤＮＡ分子上の各ヌクレオチドは、ナノポアを異なる程度で塞ぐ。したがって、ＤＮＡ分子がナノポアを通過するときにナノポアを通過する電流の変化は、ＤＮＡ配列の読み取りを表す。
提供される発明の方法において使用され得るシーケンシング技法の別の例は、例えば、米国特許出願公開第２００９００２６０８２号に記載されているように、化学感応性電界効果トランジスタ（ｃｈｅｍＦＥＴ）アレイを使用してＤＮＡを配列決定することを含む。この技法の一例では、ＤＮＡ分子を反応チャンバ内に配置し得、テンプレート分子をポリメラーゼに結合したシーケンシングプライマーにハイブリダイズし得る。シーケンシングプライマーの３’末端での新しい核酸鎖への１つまたはそれを超える三リン酸の取り込みは、ｃｈｅｍＦＥＴによる電流の変化によって検出され得る。アレイは、複数のｃｈｅｍＦＥＴセンサを有し得る。別の例では、単一の核酸はビーズに付着され得、核酸はビーズ上で増幅され得、個々のビーズはｃｈｅｍＦＥＴアレイ上の個々の反応チャンバに移送され得、各チャンバはｃｈｅｍＦＥＴセンサを有し、核酸は配列決定され得る。
提供される発明の方法において使用され得るシーケンシング技法の別の例は、例えば、Ｍｏｕｄｒｉａｎａｋｉｓ Ｅ．Ｎ．およびＢｅｅｒ Ｍ．Ｐｒｏｃ Ｎａｔｌ Ａｃａｄ Ｓｃｉ ＵＳＡ．１９６５ Ｍａｒｃｈ；５３：５６４－７１に記載されているように、電子顕微鏡を使用することを含む。この技法の一例では、個々のＤＮＡ分子は、電子顕微鏡を使用して識別可能な金属標識を使用して標識される。次いで、これらの分子を平らな表面に伸ばし、電子顕微鏡を使用して画像化して配列を測定する。
サンプル由来の核酸が分解されるか、またはサンプルから最小量の核酸しか得られない場合、例えば、米国特許第４，６８３，１９５号（そ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）に記載されているように、シーケンシングのために十分な量の核酸を得るために核酸に対してＰＣＲを行い得る。
遺伝子産物（例えば、ＲＮＡまたはタンパク質）のレベルを検出する方法は、当技術分野で公知である。
サンプル中のｍＲＮＡ発現の定量のために当技術分野で公知の一般的に使用される方法には、例えば、Ｐａｒｋｅｒ＆Ｂａｒｎｅｓ、Ｍｅｔｈｏｄｓ ｉｎ Ｍｏｌｅｃｕｌａｒ Ｂｉｏｌｏｇｙ １０６：２４７－２８３（１９９９）（そ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）に記載されているノーザンブロッティングおよびインサイチュハイブリダイゼーション；ＲＮＡｓｅ保護アッセイ、Ｈｏｄ、Ｂｉｏｔｅｃｈｎｉｑｕｅｓ １３：８５２ ８５４（１９９２）、そ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）；およびＰＣＲに基づく方法、例えば逆転写ポリメラーゼ連鎖反応（ＲＴ－ＰＣＲ）、Ｗｅｉｓら、Ｔｒｅｎｄｓ ｉｎ Ｇｅｎｅｔｉｃｓ ８：２６３ ２６４（１９９２）（これら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）が含まれる。あるいは、ＲＮＡデュプレックス、ＤＮＡ－ＲＮＡハイブリッドデュプレックス、またはＤＮＡ－タンパク質デュプレックスを含む特定のデュプレックスを認識することができる抗体を用いることができる。遺伝子発現（例えば、ＲＮＡまたはタンパク質の量）を測定するための当技術分野で公知の他の方法は、例えば、米国特許出願公開第２００６／０１９５２６９号に示されており、そ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。
差次的または異常に発現される遺伝子とは、その発現が、正常なまたは対照の対象におけるその発現と比較して、ＰＤなどの障害に罹患している対象においてより高いまたはより低いレベルに活性化される遺伝子を指す。用語はまた、同じ障害の異なる段階で発現がより高いまたはより低いレベルに活性化される遺伝子を含む。差次的に発現される遺伝子は、核酸レベルまたはタンパク質レベルで活性化または阻害され得るか、または選択的スプライシングを受けて異なるポリペプチド産物をもたらし得ることも理解される。そのような違いは、例えば、ポリペプチドのｍＲＮＡレベル、表面発現、分泌または他の分配の変化によって証明され得る。
差次的遺伝子発現は、２つもしくはそれを超える遺伝子またはそれらの遺伝子産物間の発現の比較、あるいは２つもしくはそれを超える遺伝子またはそれらの遺伝子産物間の発現の比率の比較、あるいは同じ遺伝子の２つの異なるプロセッシングされた産物の比較さえも含み得、これらは、正常な対象およびＰＤなどの障害を罹患している対象との間、または同じ障害の様々な段階の間で異なる。差次的発現には、遺伝子またはその発現産物における時間的または細胞発現パターンの定量的ならびに定性的の両方の違いが含まれる。差次的遺伝子発現（発現の増加および減少）は、正常細胞における発現に対するパーセントまたは倍数変化に基づく。増加は、正常細胞における発現レベルと比較して、１、５、１０、２０、３０、４０、５０、６０、７０、８０、９０、１００、１２０、１４０、１６０、１８０、または２００％であり得る。あるいは、倍数増加は、正常細胞における発現レベルに対して、１、１．５、２、２．５、３、３．５、４、４．５、５、５．５、６、６．５、７、７．５、８、８．５、９、９．５、または１０倍であり得る。減少は、正常細胞における発現レベルと比較して、１、５、１０、２０、３０、４０、５０、５５、６０、６５、７０、７５、８０、８２、８４、８６、８８、９０、９２、９４、９６、９８、９９または１００％であり得る。
ある特定の実施形態では、逆転写酵素ＰＣＲ（ＲＴ－ＰＣＲ）を使用して遺伝子発現を測定する。ＲＴ－ＰＣＲは、遺伝子発現のパターンを特徴付けるための異なるサンプル集団におけるｍＲＮＡレベルを比較するため、密接に関連するｍＲＮＡ間を判別するため、およびＲＮＡ構造を分析するために使用され得る定量的方法である。
第１の工程は、標的サンプルからのｍＲＮＡの単離である。出発物質は、典型的には、ヒトの組織または体液から単離された全ＲＮＡである。
ｍＲＮＡ抽出のための一般的な方法は当技術分野で周知であり、Ａｕｓｕｂｅｌら、Ｃｕｒｒｅｎｔ Ｐｒｏｔｏｃｏｌｓ ｏｆ Ｍｏｌｅｃｕｌａｒ Ｂｉｏｌｏｇｙ、Ｊｏｈｎ Ｗｉｌｅｙ ａｎｄ Ｓｏｎｓ（１９９７）を含む分子生物学の標準的な教科書に開示されている。パラフィン包埋組織からのＲＮＡ抽出の方法は、例えば、ＲｕｐｐおよびＬｏｃｋｅｒ、Ｌａｂ Ｉｎｖｅｓｔ．５６：Ａ６７（１９８７）、およびＤｅ Ａｎｄｒｅｓら、ＢｉｏＴｅｃｈｎｉｑｕｅｓ １８：４２０４４（１９９５）に開示されている。これらの参考文献の各々の内容は、参照によりそれらの全体が本明細書に組み込まれる。特に、ＲＮＡの単離は、Ｑｉａｇｅｎなどの商業的製造業者からの精製キット、緩衝液セットおよびプロテアーゼを。製造業者の説明書に従って使用して行い得る。例えば、培養中の細胞からの全ＲＮＡは、Ｑｉａｇｅｎ ＲＮｅａｓｙミニカラムを使用して単離され得る。他の市販のＲＮＡ単離キットには、ＭＡＳＴＥＲＰＵＲＥ Ｃｏｍｐｌｅｔｅ ＤＮＡ ａｎｄ ＲＮＡ Ｐｕｒｉｆｉｃａｔｉｏｎ Ｋｉｔ（ＥＰＩＣＥＮＴＲＥ、Ｍａｄｉｓｏｎ、Ｗｉｓ．）およびＰａｒａｆｆｉｎ Ｂｌｏｃｋ ＲＮＡ Ｉｓｏｌａｔｉｏｎ Ｋｉｔ（Ａｍｂｉｏｎ，Ｉｎｃ．）が含まれる。組織サンプルからの全ＲＮＡは、ＲＮＡ Ｓｔａｔ－６０（Ｔｅｌ－Ｔｅｓｔ）を使用して単離され得る。腫瘍から調製されたＲＮＡは、例えば塩化セシウム密度勾配遠心分離によって単離され得る。
ＲＴ－ＰＣＲによる遺伝子発現プロファイリングにおける最初の工程は、ＲＮＡテンプレートのｃＤＮＡへの逆転写、それに続くＰＣＲ反応における指数関数的増幅である。２つの最も一般的に使用される逆転写酵素は、アビロ骨髄芽球症ウイルス逆転写酵素（ＡＭＶ－ＲＴ）およびモロニーマウス白血病ウイルス逆転写酵素（ＭＭＬＶ－ＲＴ）である。逆転写工程は、典型的には、状況および発現プロファイリングのゴールに応じて、特異的プライマー、ランダムヘキサマー、またはオリゴｄＴプライマーを使用してプライミングされる。例えば、抽出されたＲＮＡは、製造業者の説明書に従って、ＧｅｎｅＡｍｐ ＲＮＡ ＰＣＲキット（Ｐｅｒｋｉｎ Ｅｌｍｅｒ、Ｃａｌｉｆ．、ＵＳＡ）を使用して逆転写され得る。次いで、生じたｃＤＮＡは、後続のＰＣＲ反応におけるテンプレートとして使用され得る。
ＰＣＲ工程は、種々の熱安定性ＤＮＡ依存性ＤＮＡポリメラーゼを使用し得るが、典型的には、５’－３’ヌクレアーゼ活性を有するが３’－５’プルーフリーディングエンドヌクレアーゼ活性を欠くＴａｑ ＤＮＡポリメラーゼを用いる。したがって、ＴａｑＭａｎ（登録商標）ＰＣＲは、典型的には、Ｔａｑポリメラーゼの５’－ヌクレアーゼ活性を利用して、その標的アンプリコンに結合したハイブリダイゼーションプローブを加水分解するが、同等の５’ヌクレアーゼ活性を有する任意の酵素が使用され得る。２つのオリゴヌクレオチドプライマーを使用して、ＰＣＲ反応に典型的なアンプリコンを作成する。第３のオリゴヌクレオチドまたはプローブは、２つのＰＣＲプライマー間に位置するヌクレオチド配列を検出するように設計される。プローブは、Ｔａｑ ＤＮＡポリメラーゼ酵素によって伸長不可能であり、レポーター蛍光色素およびクエンチャー蛍光色素で標識される。レポーター色素からのレーザー誘導性発光は、２つの色素がプローブ上にあるように互いに近接して位置する場合に、クエンチング色素によってクエンチされる。増幅反応中、Ｔａｑ ＤＮＡポリメラーゼ酵素は、テンプレート依存的にプローブを切断する。得られたプローブ断片は溶液中で解離し、放出されたレポーター色素からのシグナルは、第２のフルオロフォアのクエンチング効果から影響を受けない。合成された各新しい分子に対して１分子のレポーター色素が遊離され、クエンチされていないレポーター色素の検出は、データの定量的解釈の基礎を提供する。
ＴａｑＭａｎ（登録商標）ＲＴ－ＰＣＲは、例えばＡＢＩ ＰＲＩＳＭ ７７００ＴＭ Ｓｅｑｕｅｎｃｅ Ｄｅｔｅｃｔｉｏｎ ＳｙｓｔｅｍＴＭ（Ｐｅｒｋｉｎ－Ｅｌｍｅｒ－Ａｐｐｌｉｅｄ Ｂｉｏｓｙｓｔｅｍｓ、Ｆｏｓｔｅｒ Ｃｉｔｙ、Ｃａｌｉｆ．、ＵＳＡ）、またはＬｉｇｈｔｃｙｃｌｅｒ（Ｒｏｃｈｅ Ｍｏｌｅｃｕｌａｒ Ｂｉｏｃｈｅｍｉｃａｌｓ、Ｍａｎｎｈｅｉｍ、Ｇｅｒｍａｎｙ）などの市販の装置を使用して行われ得る。ある特定の実施形態では、５’ヌクレアーゼの手順は、ＡＢＩ ＰＲＩＳＭ ７７００ＴＭ Ｓｅｑｕｅｎｃｅ Ｄｅｔｅｃｔｉｏｎ Ｓｙｓｔｅｍ ＴＭなどのリアルタイム定量ＰＣＲデバイスで実行される。システムは、サーモサイクラー、レーザー、電荷結合素子（ＣＣＤ）、カメラおよびコンピュータからなる。システムは、サーモサイクラーで９６ウェルフォーマットにてサンプルを増幅する。増幅中、レーザー誘導性蛍光シグナルは、９６ウェルすべてについて光ファイバケーブルを介してリアルタイムで収集され、ＣＣＤで検出される。システムは、機器を動作させ、データを分析するためのソフトウェアを含む。
５’－ヌクレアーゼアッセイのデータを最初にＣｔまたは閾値サイクルとして表す。上述のように、蛍光値は、各サイクル中に記録され、増幅反応のその時点までに増幅された産物の量を表す。蛍光シグナルが統計学的に有意であるとして最初に記録された点が閾値サイクル（Ｃｔ）である。
誤差およびサンプル－サンプル間変動の影響を最小限に抑えるために、ＲＴ－ＰＣＲは通常、内部標準を使用して行われる。理想的な内部標準は、異なる組織間で一定のレベルで発現され、実験的処置による影響を受けない。遺伝子発現のパターンを正規化するために最も頻繁に使用されるＲＮＡは、ハウスキーピング遺伝子であるグリセルアルデヒド－３－リン酸デヒドロゲナーゼ（ＧＡＰＤＨ）およびアクチン、ベータ（ＡＣＴＢ）のｍＲＮＡである。着床前の胚および卵母細胞に対する分析を行う場合、保存されたヘリックス－ループ－ヘリックスユビキタスキナーゼ（ＣＨＵＫ）は、正規化のために使用される遺伝子である。
ＲＴ－ＰＣＲ技法のより最近のバリエーションは、二重標識蛍光発生プローブ（すなわち、ＴａｑＭａｎ（登録商標）プローブ）によるＰＣＲ産物の蓄積を測定するリアルタイム定量ＰＣＲである。リアルタイムＰＣＲは、各標的配列に対する内部コンペティターを正規化に使用する定量的競合ＰＣＲ、およびサンプル内に含まれる正規化遺伝子またはＲＴ－ＰＣＲ用のハウスキーピング遺伝子を使用する定量的比較ＰＣＲの両方に適合可能である。さらなる詳細については、例えば、その内容が参照によりその全体が本明細書に組み込まれる、Ｈｅｌｄら、Ｇｅｎｏｍｅ Ｒｅｓｅａｒｃｈ ６：９８６ ９９４（１９９６）を参照されたい。
別の実施形態では、ＭａｓｓＡＲＲＡＹベースの遺伝子発現プロファイリング方法を使用して遺伝子発現を測定する。ＲＮＡの単離および逆転写後の、Ｓｅｑｕｅｎｏｍ，Ｉｎｃ．（Ｓａｎ Ｄｉｅｇｏ，Ｃａｌｉｆ．）によって開発されたＭａｓｓＡＲＲＡＹベースの遺伝子発現プロファイリング方法において、得られたｃＤＮＡに、単一の塩基を除くすべての位置で標的ｃＤＮＡ領域と一致し、内部標準として役立つ合成ＤＮＡ分子（コンペティター）でスパイクする。ｃＤＮＡ／コンペティター混合物をＰＣＲ増幅し、ＰＣＲ後のエビアルカリホスファターゼ（ＳＡＰ）酵素処理に供し、残りのヌクレオチドの脱リン酸化する。アルカリホスファターゼの不活性化後、コンペティターおよびｃＤＮＡ由来のＰＣＲ産物をプライマー伸長に供し、これにより、コンペティター由来およびｃＤＮＡ由来のＰＣＲ産物について別個の質量シグナルを作成する。精製後、これらの産物は、マトリックス支援レーザー脱離イオン化飛行時間型質量分析（ＭＡＬＤＩ－ＴＯＦ ＭＳ）分析による分析に必要な構成要素が予め負荷されたチップアレイ上に分注される。次いで、生じたマススペクトルのピーク面積の比を分析することにより、反応物中に存在するｃＤＮＡを定量する。さらなる詳細については、例えば、ＤｉｎｇおよびＣａｎｔｏｒ、Ｐｒｏｃ．Ｎａｔｌ．Ａｃａｄ．Ｓｃｉ．ＵＳＡ １００：３０５９ ３０６４（２００３）を参照されたい。
さらなるＰＣＲベースの技法には、例えば、ディファレンシャルディスプレイ（ＬｉａｎｇおよびＰａｒｄｅｅ、Ｓｃｉｅｎｃｅ ２５７：９６７ ９７１（１９９２））；増幅断片長多型（ｉＡＦＬＰ）（Ｋａｗａｍｏｔｏら、Ｇｅｎｏｍｅ Ｒｅｓ．１２：１３０５ １３１２（１９９９））；ＢｅａｄＡｒｒａｙＴＭ技術（Ｉｌｌｕｍｉｎａ、Ｓａｎ Ｄｉｅｇｏ、Ｃａｌｉｆ．；Ｏｌｉｐｈａｎｔら、Ｄｉｓｃｏｖｅｒｙ ｏｆ Ｍａｒｋｅｒｓ ｆｏｒ Ｄｉｓｅａｓｅ（Ｓｕｐｐｌｅｍｅｎｔ ｔｏ Ｂｉｏｔｅｃｈｎｉｑｕｅｓ）、２００２年６月；Ｆｅｒｇｕｓｏｎら、Ａｎａｌｙｔｉｃａｌ Ｃｈｅｍｉｓｔｒｙ ７２：５６１８（２０００））；遺伝子発現の迅速アッセイにおいて市販のＬｕｍｉｎｅｘ１００ ＬａｂＭＡＰシステムおよび複数の色分けされたミクロスフェア（Ｌｕｍｉｎｅｘ Ｃｏｒｐ．、Ａｕｓｔｉｎ、Ｔｅｘ．）を使用する、遺伝子発現の検出のためのＢｅａｄｓＡｒｒａｙ（ＢＡＤＧＥ）（Ｙａｎｇら、Ｇｅｎｏｍｅ Ｒｅｓ．、１１：１８８８ １８９８（２００１））；および高カバレッジ発現プロファイリング（ＨｉＣＥＰ）分析（Ｆｕｋｕｍｕｒａら、Ｎｕｃｌ．Ａｃｉｄｓ．Ｒｅｓ．３１（１６）ｅ９４（２００３））が含まれる。それらの各々の内容は、参照によりその全体が本明細書に組み込まれる。
ある特定の実施形態では、差次的な遺伝子発現は、マイクロアレイ技法を使用して同定または確認され得る。この方法では、目的のポリヌクレオチド配列（ｃＤＮＡおよびオリゴヌクレオチドを含む）をマイクロチップ基板上にプレートまたはアレイ化する。次いで、アレイ化された配列を、目的の細胞または組織からの特異的ＤＮＡプローブとハイブリダイズさせる。マイクロアレイの作製および遺伝子産物発現（例えば、ＲＮＡまたはタンパク質）を求める方法は、米国特許出願公開第２００６／０１９５２６９号に示されており、そ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。
マイクロアレイ技法の特定の実施形態では、ｃＤＮＡクローンのＰＣＲ増幅されたインサートを高密度アレイで基板に適用、例えば、少なくとも１０，０００個のヌクレオチド配列を基板に適用する。各々が１０，０００個のエレメントでマイクロチップ上に固定化されたマイクロアレイ化遺伝子は、ストリンジェントな条件下でのハイブリダイゼーションに適している。蛍光標識されたｃＤＮＡプローブは、目的の組織から抽出されたＲＮＡの逆転写による蛍光ヌクレオチドの取り込みによって作成され得る。チップに適用された標識化ｃＤＮＡプローブは、アレイ上のＤＮＡの各スポットに特異的にハイブリダイズする。非特異的に結合したプローブを除去するためのストリンジェントな洗浄後、チップは、共焦点レーザー顕微鏡法またはＣＣＤカメラなどの別の検出方法によってスキャンされる。各アレイ化エレメントのハイブリダイゼーションの定量は、対応するｍＲＮＡ存在量の評価を可能にする。二色蛍光を用いて、２つのＲＮＡ源から作成され別々に標識されたｃＤＮＡプローブを、アレイにペアワイズでハイブリダイズさせる。したがって、各特定の遺伝子に対応する、２つの供給源からの転写産物の相対的存在量が同時に求められる。ハイブリダイゼーションの規模を小さくすることにより、多数の遺伝子の発現パターンを簡便かつ迅速に評価することができる。そのような方法は、例えば、その内容が参照によりその全体が組み込まれる、Ｓｃｈｅｎａら、Ｐｒｏｃ．Ｎａｔｌ．Ａｃａｄ．Ｓｃｉ．ＵＳＡ ９３（２）：１０６ １４９（１９９６）に記載されているように、細胞あたり数コピーで発現する希少な転写産物を検出するため、および発現レベルが少なくともおよそ２倍の差を再現良く検出するために求められる感度を有すると示されている。マイクロアレイ分析は、Ａｆｆｙｍｅｔｒｉｘ ＧｅｎＣｈｉｐ技術、またはＩｎｃｙｔｅのマイクロアレイ技術を使用するなど、製造業者のプロトコルに従って市販の装置によって行い得る。
あるいは、タンパク質レベルは、結合部位が、細胞ゲノムによってコードされる複数のタンパク質種に対して特異的な、固定化された、好ましくはモノクローナルな抗体を含む抗体マイクロアレイを構築することによって求められ得る。好ましくは、抗体は、目的のタンパク質のかなりの割合に対して存在する。モノクローナル抗体を作製する方法は周知である（例えば、すべての目的のためにその全体が組み込まれるＨａｒｌｏｗおよびＬａｎｅ、１９８８、ＡＮＴＩＢＯＤＩＥＳ：Ａ ＬＡＢＯＲＡＴＯＲＹ ＭＡＮＵＡＬ、Ｃｏｌｄ Ｓｐｒｉｎｇ Ｈａｒｂｏｒ、Ｎ．Ｙ．を参照されたい）。一実施形態では、モノクローナル抗体は、細胞のゲノム配列に基づいて設計された合成ペプチド断片に対して産生される。そのような抗体アレイを用いて、細胞からのタンパク質をアレイに接触させ、それらの結合を当技術分野で公知のアッセイでアッセイする。一般に、診断または予後診断の目的のタンパク質の発現および発現レベルは、組織スライスまたは切片の免疫組織化学的染色によって検出され得る。
最後に、いくつかの組織標本中のマーカー遺伝子の転写産物のレベルは、例えば、Ｋｏｎｏｎｅｎら、Ｎａｔ．Ｍｅｄ ４（７）：８４４－７（１９９８）に記載されているように、「組織アレイ」を使用して特徴付けられ得る。組織アレイでは、複数の組織サンプルが同じマイクロアレイで評価される。アレイは、ＲＮＡおよびタンパク質レベルのインサイチュ検出を可能にする；連続切片は、複数のサンプルの同時分析を可能にする。
他の実施形態では、遺伝子発現の連続分析（Ｓｅｒｉａｌ Ａｎａｌｙｓｉｓ ｏｆ Ｇｅｎｅ Ｅｘｐｒｅｓｓｉｏｎ、ＳＡＧＥ）を使用して遺伝子発現を測定する。遺伝子発現の連続分析（ＳＡＧＥ）は、各転写産物に対して個々のハイブリダイゼーションプローブを提供する必要なく、多数の遺伝子転写産物の同時および定量分析を可能にする方法である。第１に、タグが各転写産物内の固有の位置から得られるという条件で、転写産物を一意的に同定するのに十分な情報を含む短い配列タグ（約１０～１４ｂｐ）が作成される。次いで、多くの転写産物が一緒に連結されて、配列決定され得る長い連続分子を形成し、複数のタグのアイデンティティを同時に明らかにする。個々のタグの存在量を決定し、各タグに対応する遺伝子を同定することによって、転写産物の任意の集団の発現パターンを定量的に評価し得る。さらなる詳細については、例えば、Ｖｅｌｃｕｌｅｓｃｕら、Ｓｃｉｅｎｃｅ ２７０：４８４ ４８７（１９９５）；およびＶｅｌｃｕｌｅｓｃｕら、Ｃｅｌｌ ８８：２４３ ５１（１９９７）（これらの各々の内容は、参照によりその全体が本明細書に組み込まれる）を参照されたい。
他の実施形態では、大規模並列シグネチャシーケンシング（ＭＰＳＳ）を使用して遺伝子発現を測定する。Ｂｒｅｎｎｅｒら、Ｎａｔｕｒｅ Ｂｉｏｔｅｃｈｎｏｌｏｇｙ １８：６３０ ６３４（２０００）により記載されているこの方法は、非ゲルベースのシグネチャシーケンシングを、別個の直径５μｍのマイクロビーズ上の数百万のテンプレートのインビトロクローニングと組み合わせたシーケンシングアプローチである。第１に、ＤＮＡテンプレートのマイクロビーズライブラリーをインビトロクローニングによって構築する。これに続いて、フローセル内のテンプレート含有マイクロビーズの平面アレイを高密度（典型的には３×１０６マイクロビーズ／ｃｍ２超）でアセンブリする。ＤＮＡ断片分離を必要としない蛍光ベースのシグネチャシーケンシング方法を使用して、各マイクロビーズ上のクローン化されたテンプレートの遊離末端を同時に分析する。この方法が、酵母ｃＤＮＡライブラリーからの数十万の遺伝子シグネチャ配列を１回のオペレーションで同時にかつ正確に提供することが示されている。
免疫組織化学的方法はまた、本発明の遺伝子産物の発現レベルを検出するのにも適している。したがって、各マーカーに特異的な抗体（モノクローナルまたはポリクローナル）または抗血清、例えばポリクローナル抗血清を使用して、発現を検出する。抗体は、例えば放射性標識、蛍光標識、ビオチンなどのハプテン標識、または西洋ワサビペルオキシダーゼもしくはアルカリホスファターゼなどの酵素による抗体自体の直接標識によって検出され得る。あるいは、非標識の一次抗体が、一次抗体に特異的な抗血清、ポリクローナル抗血清またはモノクローナル抗体を含む標識された二次抗体と組み合わせて使用される。免疫組織化学のプロトコルおよびキットは当技術分野で周知であり、市販されている。
ある特定の実施形態では、プロテオミクスアプローチを使用して遺伝子発現を測定する。プロテオームとは、ある特定の時点でのサンプル（例えば、組織、生物、または細胞培養物）中に存在するタンパク質全体を指す。プロテオミクスには、とりわけ、サンプルにおけるタンパク質発現の全体的な変化の研究（発現プロテオミクスとも称される）が含まれる。プロテオミクスは、典型的には、以下の工程を含む：（１）２Ｄゲル電気泳動（２－Ｄ ＰＡＧＥ）によるサンプル中の個々のタンパク質の分離；（２）ゲルから回収された個々のタンパク質の同定、例えば質量分析またはＮ末端シーケンシング、および（３）バイオインフォマティクスを使用したデータの分析。プロテオミクス法は、遺伝子発現プロファイリングの他の方法に対する有益な補完物であり、単独で、または他の方法と組み合わせて、本発明の診断マーカーの産物を検出するために使用され得る。
いくつかの実施形態では、質量分析（ＭＳ）の分析を単独でまたは他の方法（例えば、イムノアッセイまたはＲＮＡ測定アッセイ）と組み合わせて使用して、生物学的サンプル中の本明細書に開示される１つまたはそれを超えるバイオマーカーの存在および／または量を求めることができる。いくつかの実施形態では、ＭＳ分析には、例えば直接スポットＭＡＬＤＩ－ＴＯＦまたは液体クロマトグラフィーＭＡＬＤＩ－ＴＯＦ質量分析などのマトリックス支援レーザー脱離／イオン化（ＭＡＬＤＩ）飛行時間型（ＴＯＦ）ＭＳ分析が含まれる。いくつかの実施形態では、ＭＳ分析には、例えば、液体クロマトグラフィー（ＬＣ）ＥＳＩ－ＭＳなどのエレクトロスプレーイオン化（ＥＳＩ）ＭＳが含まれる。質量の分析は、市販の分光計を使用して達成され得る。生物学的サンプル中のバイオマーカーペプチドの存在および量を検出するために、ＭＡＬＤＩ－ＴＯＦ ＭＳおよびＥＳＩ－ＭＳを含むＭＳの分析を利用する方法は、当技術分野で公知である。例えば、米国特許第６，９２５，３８９号、同第６，９８９，１００号；および同第６，８９０，７６３号（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）を参照されたい。
ＬＲＲＫ２の遺伝的修飾因子に関するレポート
本発明の方法は、対象に関するレポートを提供することを含み得る。レポートは、対象からの遺伝学的データ中のＬＲＲＫ２の１つまたはそれを超える遺伝的修飾因子を同定し得る。レポートは、年齢、性別、体重、身長、遺伝学的データ、ゲノムデータ、または他の健康もしくは医療情報など、対象に関する追加情報を含み得る。レポートは、ＰＤに関する他の情報を含み得る。例えば、限定されないが、レポートは、ＰＤの症候またはＰＤに関連する遺伝子、例えば上記の症候および遺伝子に関する情報を含み得る。
レポートは、任意の適切な様式で提供され得る。例えば、限定されないが、レポートは、紙に、またはコンピュータモニタ、電話、ポータブル電子デバイスなどのディスプレイデバイスに提供され得る。
レポートは、医師または看護師などのヘルスケア提供者に提供され得る。レポートは、ＬＲＲＫ２阻害剤による対象の処置が適切であるかどうかに関してヘルスケア提供者ガイダンスを提供し得る。レポートは、対象をＬＲＲＫ２阻害剤で処置するための指示または推奨をヘルスケア提供者に提供し得る。レポートは、ヘルスケア提供者が対象にＬＲＲＫ２阻害剤を処方もしくは提供すること、またはそうでなければ対象にＬＲＲＫ２阻害剤を入手し服用するように指示することを推奨し得る。
レポートは、対象を処置するためにＬＲＲＫ２阻害剤に加えて第２の薬剤を使用するかどうかに関するガイダンスを含み得る。第２の薬剤は、ＰＤを処置するための公知の治療剤、例えば上記のもののいずれかであり得る。
ＬＲＲＫ２阻害剤
本発明の方法は、１つまたはそれを超えるＬＲＲＫ２阻害剤を対象に提供すること、または対象が１つまたは複数のＬＲＲＫ２阻害剤を服用することを推奨することを含み得る。ＬＲＲＫ２阻害剤は当技術分野で公知であり、例えば、国際公開第２０１２／０２８６２９号、同第２０１２／０５８１９３号、同第２０１２／１１８６７９号、同第２０１２／１４３１４３号、同第２０１２／１４３１４４号、同第２０１４／００１９７３号、同第２０１４／０６０１１２号、同第２０１４／０６０１１３号、同第２０１４／１４５９０９号、同第２０１４／１６０４３０号、同第２０１４／１７０２４８号、同第２０１５／０９２５９２号、同第２０１５／１１３４５１号、同第２０１５／１１３４５２号、同第２０１６／１３０９２０号、同第２０１７／０１２５７６号、同第２０１７／０４６６７５号、同第２０１７／０８７９０５号、同第２０１７／１０６７７１号、同第２０１７／１５６４９３号、同第２０１７／２１８８４３号、同第２０１８／１３７５７３号、同第２０１８／１３７５９３号、同第２０１８／１３７６１８号、同第２０１８／１３７６１９号、同第２０１８／１６３０３０号、同第２０１８／１６３０６６号、同第２０１８／２１７９４６号、同第２０１９／０１２０９３号、同第２０１９／１０４０８６号、同第２０１９／１１２２６９号、同第２０１９／１２６３８３号、同第２０２０／１４９７２３号、同第２０２０／１７０２０５号、および同第２０２０／２１０６８４号；米国特許第９，４９９，５３５号；同時係属中の米国特許出願公開第６３／０５０，３８５号、同第６３／１３３，５２３号、同第６３／１１３，５３３号、同第６３／１３７，８１４号、同第６３／１３７８１６号、および同第６３／１４２００９号；および同時係属中の国際出願ＩＢ２０２０／０００７２７号明細書、同ＩＢ２０２０／０００７３０号明細書、同ＵＳ２０２１／０４１２７０号明細書、および同ＵＳ２０２１／０４１２７１号明細書（これらの各々の内容は、参照によりその全体が本明細書に組み込まれる）に記載されている。前述の参考文献のいずれかに開示されている任意のＬＲＲＫ２が本発明の方法で使用され得る。
例えば、限定されないが、ＬＲＲＫ２阻害剤は、ＣＺＣ－２５１４６、ＣＺＣ－５４２５２、ＤＮＬ１５１、ＤＮＬ２０１、ＧＮＥ－７９１５、ＧＳＫ２５７８２１５Ａ、ＨＧ－１０－１０２－０１、ＪＨ－ＩＩ－１２７、Ｋ２５２Ａ、Ｋ２５２Ｂ、ＬＲＲＫ２－ＩＮ－１、ＭＬｉ－２、ＰＦ－０６４４７４７５、およびスタウロスポリンであり得る。
本発明のいくつかの方法では、ＬＲＲＫ２阻害剤は、式（Ｉ）、（ＩＩ）、（ＩＩＩ）、および（ＩＶ）：
Figure 2023549294000003
 のうちの１つの化合物、
（式中、
Ａは、ＮＨ、Ｏ、Ｓ、Ｃ＝Ｏ、ＮＲ３またはＣＲ４Ｒ５であり；
Ｘは、必要に応じて置換されたアリーレン、ヘテロアリーレン、シクロアルキレン、ヘテロシクロアルキレン、アルキルシクロアルキレン、ヘテロアルキルシクロアルキレン、アラルキレンまたはヘテロアラルキレン基であり；
Ｒ１は、必要に応じて置換されたアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
Ｒ２は、水素原子、ハロゲン原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
Ｒ３は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキル－シクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
Ｒ４は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
Ｒ５は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
Ｂは、ＮＨ、Ｏ、Ｓ、Ｃ＝Ｏ、ＮＲ１４またはＣＲ１５Ｒ１６であり；
Ｒ１１は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
Ｒ１２は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり、ここで、Ｒ１２は、炭素－炭素結合を介して式（ＩＩ）のピリミジン環に結合しており；Ｒ１３は、水素原子、ハロゲン原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
Ｒ１４は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキル－シクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
Ｒ１５は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
Ｒ１６は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
Ｒ２１はアリールまたはヘテロアリールであり、その各々は必要に応じて置換されており；
Ｒ２２は、Ｈ、ハロ、ＯＨ、ＣＮ、ＣＦ３、Ｃ１～６アルキル、Ｃ１～６アルコキシ、Ｃ１～６ハロアルキル、Ｃ１～６チオアルキル、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、アリール、またはヘテロアリールであり；
Ｙは、アリールまたは５もしくは６員ヘテロアリールであり；ここで、Ｃ１～６アルキル、Ｃ１～６アルコキシ、Ｃ１～６ハロアルキル、Ｃ１～６チオアルキル、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、アリール、およびヘテロアリールの各々は、ハロ、ＯＨ、ＣＮ、ＣＦ３、ＮＨ２、ＮＯ２、Ｃ１～６アルキル、Ｃ１～６ハロアルキル、Ｃ１～６チオアルキル、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、Ｃ２～８ヘテロシクロアルケニル、Ｃ２～６アルケニル、Ｃ２～６アルキニル、Ｃ１～６アルコキシ、Ｃ１～６ハロアルコキシ、Ｃ１～６アルキルアミノ、Ｃ２～６ジアルキルアミノ、Ｃ７～１２アラルキル、Ｃ１～１２ヘテロアラルキル、アリール、ヘテロアリール、－Ｃ（Ｏ）Ｒ、－Ｃ（Ｏ）ＯＲ、－Ｃ（Ｏ）ＮＲＲ’、－Ｃ（Ｏ）ＮＲＳ（Ｏ）２Ｒ’、－Ｃ（Ｏ）ＮＲＳ（Ｏ）２ＮＲ’Ｒ”、－ＯＲ、－ＯＣ（Ｏ）ＮＲＲ’、－ＮＲＲ’、－ＮＲＣ（Ｏ）Ｒ’、－ＮＲＣ（Ｏ）ＮＲ’Ｒ”、－ＮＲＳ（Ｏ）２Ｒ’、－ＮＲＳ（Ｏ）２ＮＲ’Ｒ”、－Ｓ（Ｏ）２Ｒ、および－Ｓ（Ｏ）２ＮＲＲ’からなる群から選択される１つまたはそれを超える部分で必要に応じて置換されており、
ここで、Ｒ、Ｒ’、およびＲ”の各々は、独立して、Ｈ、ハロ、ＯＨ、Ｃ１～６アルキル、Ｃ１～６ハロアルキル、Ｃ１～６アルコキシ、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、アリール、もしくはヘテロアリールであるか、またはＲおよびＲ’、もしくはＲ’およびＲ”は、それらが付着している窒素と一緒になって、Ｃ２～８ヘテロシクロアルキルを形成し；
Ｒ３１は、Ｃ（Ｏ）ＣＨ２Ｒ３３、必要に応じて置換されたシクロアルキル、必要に応じて置換されたシクロヘテロアルキル、必要に応じて置換されたシクロアルケニル、必要に応じて置換されたシクロヘテロアルケニル、必要に応じて置換されたアリール、または必要に応じて置換されたヘテロアリールであり；
Ｒ３２の各例は、独立して、ハロ、ハロアルキル、必要に応じて置換されたアルコキシル、必要に応じて置換されたアルキル、必要に応じて置換されたヘテロアルキル、必要に応じて置換されたアルケニル、必要に応じて置換されたヘテロアルケニルであり；
Ｒ３３は、必要に応じて置換されたシクロアルキル、必要に応じて置換されたシクロヘテロアルキル、必要に応じて置換されたシクロアルケニル、必要に応じて置換されたシクロヘテロアルケニル、必要に応じて置換されたアリール、または必要に応じて置換されたヘテロアリールであり；
Ｚは、シクロアルキル、シクロヘテロアルキル、シクロアルケニル、シクロヘテロアルケニル、アリール、またはヘテロアリールであり；Ｚは、２または３つのＲ２の例で置換されたアリールであり得る。Ｚは、２または３つのＲ２の例で置換されたフェニルであり得る。Ｚは、２または３つのＲ２の例で置換されたヘテロアリールであり得る。Ｚは、２または３つのＲ２の例で置換された６員ヘテロアリールであり得；
ｎは０～５である）、
または上記のいずれかの化合物の薬学的に許容され得る塩であり得る。
ＬＲＲＫ２阻害剤は、医薬組成物で対象に提供され得る。医薬組成物は、治療有効量でＬＲＲＫ２阻害剤を含有し得る。治療有効量とは、ＰＤなどの疾患の症候を予防、緩和、もしくは改善するため、または処置されている対象の生存を延長するために有効な量を意味する。治療有効量の決定は、当技術分野の技能の範囲内である。ＬＲＲＫ２阻害剤の治療有効量または投与量は、幅広い限度内で変動し得、当技術分野で公知の様式で決定され得る。そのような投与量は、投与される特定の化合物、投与経路、処置される症状、ならびに処置される患者を含む各具体的な場合の個々の要件に対して調整され得る。
経口投与のために、そのような治療的に有用な薬剤は、以下の経路のうちの１つによって投与され得る：経口、例えば錠剤、糖衣錠、コーティング錠、丸剤、半固形剤、軟質または硬質カプセル、例えば軟質および硬質ゼラチンカプセル、水性または油性溶液、エマルジョン、懸濁液またはシロップ、静脈内、筋肉内および皮下注射を含む非経口、例えば注射可能な溶液または懸濁液として、坐剤としての直腸の、吸入または吹送によって、例えば粉末製剤として、微結晶として、またはスプレー（例えば、液体エアロゾル）として、経皮、例えば活性成分を含有するプラスターなどの経皮送達システム（ＴＤＳ）を介して、または鼻腔内。そのような錠剤、丸剤、半固形剤、コーティング錠、糖衣錠および硬質、例えばゼラチン、カプセルの生産のために、治療的に有用な製品は、例えばラクトース、スクロース、グルコース、ゼラチン、麦芽、シリカゲル、スターチまたはその誘導体、タルク、ステアリン酸またはその塩、乾燥スキムミルクなどのような薬学的に不活性な無機または有機賦形剤と混合され得る。軟質カプセルの生産のために、例えば、植物油、石油、動物油または合成油、ワックス、脂肪、ポリオールなどの賦形剤を使用することができる。液体溶液、エマルジョンまたは懸濁液またはシロップの生産のために、賦形剤として、例えば、水、アルコール、生理食塩水、デキストロース水溶液、ポリオール、グリセリン、脂質、リン脂質、シクロデキストリン、植物油、石油、動物油または合成油を使用することができる。リン酸緩衝生理食塩水（ｐＨ＝７～８、例えば７．４）中のリン脂質（例えば、天然起源および／または３００～３５０ｎｍの間の粒径を有する）などの脂質が特に有用である。坐剤のために、賦形剤、例えば、植物油、石油、動物油または合成油、ワックス、脂肪およびポリオールを使用することができる。エアロゾル製剤のために、この目的に適した圧縮ガス、例えば酸素、窒素および二酸化炭素を使用することができる。薬学的に有用な薬剤はまた、保存、安定化のための添加剤、例えばＵＶ安定剤、乳化剤、甘味料、芳香剤、浸透圧を変化させるための塩、緩衝剤、コーティング添加剤および抗酸化剤を含有し得る。
対象へのＬＲＲＫ２阻害剤の提供
本発明の方法は、ＬＲＲＫ２阻害剤を対象に提供することを含み得る。ＬＲＲＫ２阻害剤は、任意の適切な投与経路または投与モードによって提供され得る。例えば、限定されないが、化合物は、頬側、皮膚、腸内、動脈内、筋肉内、眼内、静脈内、経鼻、経口、非経口、肺内、直腸内、皮下、局所的、経皮的に、注射によって、または埋め込み型医療デバイス（例えば、ステントまたは薬物溶出性ステントまたはバルーン同等物）と共にもしくは埋め込み型医療デバイスで提供され得る。
ＬＲＲＫ２阻害剤は、投与レジメンに従って提供され得る。投与レジメンは、投与量、投与頻度、またはその両方を含み得る。
複数の用量は、任意の適切な間隔で提供され得る。例えば、限定されないが、複数の用量は、１日に１回、１日に２回、１日に３回、１日に４回、１日に５回、１日に６回、１日に８回、４８時間ごとに１回、３６時間ごとに１回、２４時間ごとに１回、１２時間ごとに１回、８時間ごとに１回、６時間ごとに１回、４時間ごとに１回、３時間ごとに１回、２日ごとに１回、３日ごとに１回、４日ごとに１回、５日ごとに１回、１週間に１回、１週間に２回、１週間に３回、１週間に４回、または１週間に５回提供され得る。
用量は、単一の投与量で提供されてもよく、すなわち、この用量は、単一の錠剤、カプセル剤、丸剤などとして提供されてもよい。あるいは、この用量は分割投与量で提供されてもよく、すなわち、この用量は複数の錠剤、カプセル剤、丸剤などとして提供されてもよい。
投与を、規定の期間継続することができる。例えば、限定されないが、複数の用量は、少なくとも１週間、少なくとも２週間、少なくとも３週間、少なくとも４週間、少なくとも６週間、少なくとも８週間、少なくとも１０週間、少なくとも１２週間またはそれ以上にわたって提供され得る。
対象は、任意の種類の対象、例えば、遺伝学的データを得るためのアッセイに関連して上記のもののいずれかであり得る。
本発明は、ＬＲＲＫ２阻害剤が第２の薬剤、例えばＰＤに関するセクションで上記した薬物のいずれかと組み合わせて対象に提供される併用療法を含む。ＬＲＲＫ２阻害剤および第２の薬剤は、単一の組成物で提供されてもよく、またはそれらは別々の組成物で提供されてもよい。ＬＲＲＫ２阻害剤および第２の薬剤は、同じ投与レジメンに従って提供されてもよく、またはそれらは異なる投与レジメンに従って提供されてもよい。
実施例
実施例１
ＬＲＲＫ２阻害剤に対する応答性の可能性を、ヒト対象の集団で分析した。データセットは、Ａｃｃｅｌｅｒａｔｉｎｇ Ｍｅｄｉｃｉｎｅｓ Ｐａｒｔｎｅｒｓｈｉｐ－Ｐａｒｋｉｎｓｏｎ’ｓ Ｄｉｓｅａｓｅ（ＡＭＰ－ＰＤ）からの完全なデータセットを含む。入力データは、２０２０年６月１日現在に入手可能なサンプルにおけるベースラインでの臨床的、人口統計学的、ＲＮＡおよびＤＮＡシーケンシングデータに焦点を当てたパーキンソン病症例の品質管理されたデータであった。全ゲノムシーケンシングおよびＲＮＡシーケンシングは、ＡＭＰ－ＰＤウェブサイトに記載されている標準的なパイプラインを使用して処理した。分析は、コンセンサス品質管理後のデータ不整合率が１５％未満のサンプルに限定した。分析はまた、欧州集団間の部分構造を調整して再実行し、同じ１０００症例超のセットでほぼ同一の結果を得た。
潜在的な修飾因子を同定するために、オープンソース自動機械学習パッケージＧｅｎｏＭＬを使用した。このパッケージは、特徴選択／重み付けおよび正規化を実施し、次いでランダムに確認された７０％の訓練セットおよび３０％のテストセットにおいてアルゴリズムを競合させた。次いで、バランス精度に関して最も性能の良いアルゴリズムを、さらなるチューニングおよび交差検証のために選択した。次いで、最も性能の良いアルゴリズムを、ランダム化されたグリッドサーチ法を使用してハイパーパラメータチューンし、１０倍交差検証を行い、このチューニングプロセスの焦点は、バランスのとれた精度を最大化することであった。アウトカムは０／１としてコードされ、１は既知のＬＲＲＫ２原因バリアントを保有していることを示す。ＷＴ ＬＲＲＫ２の場合の確率のマトリックスをエクスポートし、これらの確率は、それらが分子／臨床／人口統計レベルでどれくらい「ＬＲＲＫ２＋類似」しているかを示している。モデルのすべての反復にわたる最も重要な特徴を、潜在的な調節要因として使用した。
結果を表１に提供する。
Figure 2023549294000004
Figure 2023549294000005
Figure 2023549294000006
Figure 2023549294000007
参照による組込み
特許、特許出願、特許公報、雑誌、書籍、論文、ウェブコンテンツなどの他の文書に対する参照および引用は、本開示を通して行われている。そのようなすべての文書は、すべての目的のために参照によりその全体が本明細書に組み込まれる。
均等物
本明細書に示され記載されたものに加えて、本発明の様々な修正およびその多くのさらなる実施形態が、本明細書に引用された科学および特許文献への参照を含むこの文書の全内容から当業者に明らかになるであろう。本明細書の主題は、その様々な実施形態およびその均等物において本発明の実践に適合させることができる、重要な情報、例示、およびガイダンスを含む。

Claims (21)

  1. 野生型ＬＲＲＫ２に関連するパーキンソン病を有する対象を処置する方法であって、
    ＬＲＲＫ２阻害剤を、パーキンソン病を呈し、かつ野生型ＬＲＲＫ２および野生型ＬＲＲＫ２の遺伝的修飾因子を有する対象に提供して、前記対象がＬＲＲＫ２阻害剤に対して応答することによって前記対象の野生型ＬＲＲＫ２に関連するパーキンソン病を処置すること
    を含む、方法。
  2. 前記遺伝学的データが配列データを含む、請求項１に記載の方法。
  3. 前記遺伝的修飾因子が一塩基多型（ＳＮＰ）を含む、請求項２に記載の方法。
  4. 前記ＳＮＰが、ｒｓ１０７８４７２２、ｒｓ１０８７７８７７、ｒｓ１０８７９１２２、ｒｓ１１１８１５４２、ｒｓ１１３１１１２３４、ｒｓ１１３７３６３００、ｒｓ１２２３０７６５、ｒｓ１２８１６４８４、ｒｓ１２８２９８３１、ｒｓ１３３７７６７０、ｒｓ１４１５５１３９６、ｒｓ１４４３７７８５２、ｒｓ１４９１７３０５８、ｒｓ１７５８０７９４、ｒｓ１７６２１７４１、ｒｓ１８３８３５４、ｒｓ１８４１２００９４、ｒｓ１８８５３５８７７、ｒｓ１８８５８３４８６、ｒｓ１８８６０４５５２、ｒｓ１８９５１７２０５、ｒｓ２００６１１８０１、ｒｓ２００９０７７７２、ｒｓ２０１８８９６４３、ｒｓ２０１９４４１７５、ｒｓ２４０６４２６、ｒｓ２４０６８６０、ｒｓ２８５５６１、ｒｓ３４５６６０３３、ｒｓ３６８１４１１３２、ｒｓ３６９０８４６９５、ｒｓ３７１７００００２、ｒｓ３７１９０５８９２、ｒｓ３７３４３９５４０、ｒｓ３７６４６８８１５、ｒｓ３７７１０４２０２、ｒｓ３７７６２７３３７、ｒｓ３８４２３４、ｒｓ６１９２０９６４、ｒｓ６５８１９４１、ｒｓ６６５０２２６、ｒｓ７１０７８２４１、ｒｓ７３０４０８０、ｒｓ７３０８８９２６、ｒｓ７４４３４３６４、ｒｓ７４８４２２１５、ｒｓ７５０４３９６９、ｒｓ７８４６８１２０、ｒｓ７９６０４２９、ｒｓ７９７９４２０、ｒｓ７６９０４７９８、ｒｓ５７０２５３６０、ｒｓ１１２５１５１５３、ｒｓ１０８７７８７７、ｒｓ１０７８４７２２、ｒｓ４２７２８４９、ｒｓ２４０４８３２、ｒｓ１１７５３４３６６、ｒｓ１８３８３４３、ｒｓ１０８８０３４２、ｒｓ１１１７７６６０、ｒｓ１８３０２８４５２、ｒｓ１１６９１２６２８、ｒｓ１４７７５５３６１、ｒｓ１１５８４６３０、ｒｓ３７９３３９７、ｒｓ１１１７９４８９３、ｒｓ４９３１６４０、ｒｓ５２６５０７、ｒｓ７９３０７１７７、ｒｓ１８７１１６３６３、ｒｓ７１６０９５７３、ｒｓ７４３９０５５１、ｒｓ１４４６６５４４１、ｒｓ１７１８８８０、ｒｓ１９９１４０１、ｒｓ１１０５２２２５、ｒｓ１４５８０１５９７、ｒｓ７２９０７９７６、ｒｓ１４７２８６１２０、ｒｓ３７８６９０、ｒｓ７３１８８３６５、ｒｓ６１００３７、ｒｓ７５４７９５３１、ｒｓ１１１２１９１５５６、ｒｓ３０８３０３、ｒｓ１０７９０２８２、ｒｓ３７２９９１２、ｒｓ４３２６６３８、ｒｓ４４１４５４８、ｒｓ１３００９４３７、ｒｓ５６０４５０１１、ｒｓ６８５８５６６、ｒｓ４４２５、およびｒｓ１１０５２２５３からなる群から選択される、請求項３に記載の方法。
  5. 前記ＬＲＲＫ２阻害剤が、ＣＺＣ－２５１４６、ＣＺＣ－５４２５２、ＤＮＬ１５１、ＤＮＬ２０１、ＧＮＥ－７９１５、ＧＳＫ２５７８２１５Ａ、ＨＧ－１０－１０２－０１、ＪＨ－ＩＩ－１２７、Ｋ２５２Ａ、Ｋ２５２Ｂ、ＬＲＲＫ２－ＩＮ－１、ＭＬｉ－２、ＰＦ－０６４４７４７５、およびスタウロスポリンからなる群から選択される、請求項１に記載の方法。
  6. 前記ＬＲＲＫ２阻害剤が、式（Ｉ）、（ＩＩ）、（ＩＩＩ）、および（ＩＶ）：
    Figure 2023549294000008
    Figure 2023549294000009
     からなる群から選択される化合物、
    （式中、
    Ａは、ＮＨ、Ｏ、Ｓ、Ｃ＝Ｏ、ＮＲ３またはＣＲ４Ｒ５であり；
    Ｘは、必要に応じて置換されたアリーレン、ヘテロアリーレン、シクロアルキレン、ヘテロシクロアルキレン、アルキルシクロアルキレン、ヘテロアルキルシクロアルキレン、アラルキレンまたはヘテロアラルキレン基であり；
    Ｒ１は、必要に応じて置換されたアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
    Ｒ２は、水素原子、ハロゲン原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｒ３は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキル－シクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
    Ｒ４は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｒ５は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｂは、ＮＨ、Ｏ、Ｓ、Ｃ＝Ｏ、ＮＲ１４またはＣＲ１５Ｒ１６であり；
    Ｒ１１は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
    Ｒ１２は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり、ここで、Ｒ１２は、炭素－炭素結合を介して式（ＩＩ）のピリミジン環に結合しており；Ｒ１３は、水素原子、ハロゲン原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｒ１４は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキル－シクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
    Ｒ１５は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｒ１６は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｒ２１はアリールまたはヘテロアリールであり、その各々は必要に応じて置換されており；
    Ｒ２２は、Ｈ、ハロ、ＯＨ、ＣＮ、ＣＦ３、Ｃ１～６アルキル、Ｃ１～６アルコキシ、Ｃ１～６ハロアルキル、Ｃ１～６チオアルキル、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、アリール、またはヘテロアリールであり；
    Ｙは、アリールまたは５もしくは６員ヘテロアリールであり；ここで、Ｃ１～６アルキル、Ｃ１～６アルコキシ、Ｃ１～６ハロアルキル、Ｃ１～６チオアルキル、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、アリール、およびヘテロアリールの各々は、ハロ、ＯＨ、ＣＮ、ＣＦ３、ＮＨ２、ＮＯ２、Ｃ１～６アルキル、Ｃ１～６ハロアルキル、Ｃ１～６チオアルキル、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、Ｃ２～８ヘテロシクロアルケニル、Ｃ２～６アルケニル、Ｃ２～６アルキニル、Ｃ１～６アルコキシ、Ｃ１～６ハロアルコキシ、Ｃ１～６アルキルアミノ、Ｃ２～６ジアルキルアミノ、Ｃ７～１２アラルキル、Ｃ１～１２ヘテロアラルキル、アリール、ヘテロアリール、－Ｃ（Ｏ）Ｒ、－Ｃ（Ｏ）ＯＲ、－Ｃ（Ｏ）ＮＲＲ’、－Ｃ（Ｏ）ＮＲＳ（Ｏ）２Ｒ’、－Ｃ（Ｏ）ＮＲＳ（Ｏ）２ＮＲ’Ｒ”、－ＯＲ、－ＯＣ（Ｏ）ＮＲＲ’、－ＮＲＲ’、－ＮＲＣ（Ｏ）Ｒ’、－ＮＲＣ（Ｏ）ＮＲ’Ｒ”、－ＮＲＳ（Ｏ）２Ｒ’、－ＮＲＳ（Ｏ）２ＮＲ’Ｒ”、－Ｓ（Ｏ）２Ｒ、および－Ｓ（Ｏ）２ＮＲＲ’からなる群から選択される１つまたはそれを超える部分で必要に応じて置換されており、
    ここで、Ｒ、Ｒ’、およびＲ”の各々は、独立して、Ｈ、ハロ、ＯＨ、Ｃ１～６アルキル、Ｃ１～６ハロアルキル、Ｃ１～６アルコキシ、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、アリール、もしくはヘテロアリールであるか、またはＲおよびＲ’、もしくはＲ’およびＲ”は、それらが付着している窒素と一緒になって、Ｃ２～８ヘテロシクロアルキルを形成し；
    Ｒ３１は、Ｃ（Ｏ）ＣＨ２Ｒ３３、必要に応じて置換されたシクロアルキル、必要に応じて置換されたシクロヘテロアルキル、必要に応じて置換されたシクロアルケニル、必要に応じて置換されたシクロヘテロアルケニル、必要に応じて置換されたアリール、または必要に応じて置換されたヘテロアリールであり；
    Ｒ３２の各例は、独立して、ハロ、ハロアルキル、必要に応じて置換されたアルコキシル、必要に応じて置換されたアルキル、必要に応じて置換されたヘテロアルキル、必要に応じて置換されたアルケニル、必要に応じて置換されたヘテロアルケニルであり；
    Ｒ３３は、必要に応じて置換されたシクロアルキル、必要に応じて置換されたシクロヘテロアルキル、必要に応じて置換されたシクロアルケニル、必要に応じて置換されたシクロヘテロアルケニル、必要に応じて置換されたアリール、または必要に応じて置換されたヘテロアリールであり；
    Ｚは、シクロアルキル、シクロヘテロアルキル、シクロアルケニル、シクロヘテロアルケニル、アリール、またはヘテロアリールであり；Ｚは、２または３つのＲ２の例で置換されたアリールであり得る。Ｚは、２または３つのＲ２の例で置換されたフェニルであり得る。Ｚは、２または３つのＲ２の例で置換されたヘテロアリールであり得る。Ｚは、２または３つのＲ２の例で置換された６員ヘテロアリールであり得；
    ｎは０～５である）、
    または上記のいずれかの化合物の薬学的に許容され得る塩である、請求項１に記載の方法。
  7. 野生型ＬＲＲＫ２に関連するパーキンソン病を有する対象がＬＲＲＫ２阻害剤に対して応答するかどうかを決定する方法であって、
    対象から遺伝学的データを得るために、野生型ＬＲＲＫ２に関連するパーキンソン病を有する前記対象からのサンプルに対してアッセイを実施すること；
    前記遺伝学的データにおいてＬＲＲＫ２の１つまたはそれを超える遺伝的修飾因子を同定するレポートを作成することであって、前記１つまたはそれを超える遺伝的修飾因子が、野生型ＬＲＲＫ２に関連するパーキンソン病を有する前記対象がＬＲＲＫ２阻害剤に対して応答性であることを示すこと；および；
    医師がＬＲＲＫ２阻害剤を前記対象に処方または提供するように、前記医師に前記レポートを提供すること
    を含む、方法。
  8. 前記遺伝学的データが配列データを含む、請求項７に記載の方法。
  9. 前記遺伝的修飾因子が一塩基多型（ＳＮＰ）を含む、請求項８に記載の方法。
  10. 前記ＳＮＰが、ｒｓ１０７８４７２２、ｒｓ１０８７７８７７、ｒｓ１０８７９１２２、ｒｓ１１１８１５４２、ｒｓ１１３１１１２３４、ｒｓ１１３７３６３００、ｒｓ１２２３０７６５、ｒｓ１２８１６４８４、ｒｓ１２８２９８３１、ｒｓ１３３７７６７０、ｒｓ１４１５５１３９６、ｒｓ１４４３７７８５２、ｒｓ１４９１７３０５８、ｒｓ１７５８０７９４、ｒｓ１７６２１７４１、ｒｓ１８３８３５４、ｒｓ１８４１２００９４、ｒｓ１８８５３５８７７、ｒｓ１８８５８３４８６、ｒｓ１８８６０４５５２、ｒｓ１８９５１７２０５、ｒｓ２００６１１８０１、ｒｓ２００９０７７７２、ｒｓ２０１８８９６４３、ｒｓ２０１９４４１７５、ｒｓ２４０６４２６、ｒｓ２４０６８６０、ｒｓ２８５５６１、ｒｓ３４５６６０３３、ｒｓ３６８１４１１３２、ｒｓ３６９０８４６９５、ｒｓ３７１７００００２、ｒｓ３７１９０５８９２、ｒｓ３７３４３９５４０、ｒｓ３７６４６８８１５、ｒｓ３７７１０４２０２、ｒｓ３７７６２７３３７、ｒｓ３８４２３４、ｒｓ６１９２０９６４、ｒｓ６５８１９４１、ｒｓ６６５０２２６、ｒｓ７１０７８２４１、ｒｓ７３０４０８０、ｒｓ７３０８８９２６、ｒｓ７４４３４３６４、ｒｓ７４８４２２１５、ｒｓ７５０４３９６９、ｒｓ７８４６８１２０、ｒｓ７９６０４２９、ｒｓ７９７９４２０、ｒｓ７６９０４７９８、ｒｓ５７０２５３６０、ｒｓ１１２５１５１５３、ｒｓ１０８７７８７７、ｒｓ１０７８４７２２、ｒｓ４２７２８４９、ｒｓ２４０４８３２、ｒｓ１１７５３４３６６、ｒｓ１８３８３４３、ｒｓ１０８８０３４２、ｒｓ１１１７７６６０、ｒｓ１８３０２８４５２、ｒｓ１１６９１２６２８、ｒｓ１４７７５５３６１、ｒｓ１１５８４６３０、ｒｓ３７９３３９７、ｒｓ１１１７９４８９３、ｒｓ４９３１６４０、ｒｓ５２６５０７、ｒｓ７９３０７１７７、ｒｓ１８７１１６３６３、ｒｓ７１６０９５７３、ｒｓ７４３９０５５１、ｒｓ１４４６６５４４１、ｒｓ１７１８８８０、ｒｓ１９９１４０１、ｒｓ１１０５２２２５、ｒｓ１４５８０１５９７、ｒｓ７２９０７９７６、ｒｓ１４７２８６１２０、ｒｓ３７８６９０、ｒｓ７３１８８３６５、ｒｓ６１００３７、ｒｓ７５４７９５３１、ｒｓ１１１２１９１５５６、ｒｓ３０８３０３、ｒｓ１０７９０２８２、ｒｓ３７２９９１２、ｒｓ４３２６６３８、ｒｓ４４１４５４８、ｒｓ１３００９４３７、ｒｓ５６０４５０１１、ｒｓ６８５８５６６、ｒｓ４４２５、およびｒｓ１１０５２２５３からなる群から選択される、請求項９に記載の方法。
  11. ＬＲＲＫ２の複数の遺伝的修飾因子を同定することを含む、請求項７に記載の方法。
  12. 前記ＬＲＲＫ２阻害剤が、ＣＺＣ－２５１４６、ＣＺＣ－５４２５２、ＤＮＬ１５１、ＤＮＬ２０１、ＧＮＥ－７９１５、ＧＳＫ２５７８２１５Ａ、ＨＧ－１０－１０２－０１、ＪＨ－ＩＩ－１２７、Ｋ２５２Ａ、Ｋ２５２Ｂ、ＬＲＲＫ２－ＩＮ－１、ＭＬｉ－２、ＰＦ－０６４４７４７５、およびスタウロスポリンからなる群から選択される、請求項７に記載の方法。
  13. 前記ＬＲＲＫ２阻害剤が、式（Ｉ）、（ＩＩ）、（ＩＩＩ）、および（ＩＶ）：
    Figure 2023549294000010
     からなる群から選択される化合物、
    （式中、
    Ａは、ＮＨ、Ｏ、Ｓ、Ｃ＝Ｏ、ＮＲ３またはＣＲ４Ｒ５であり；
    Ｘは、必要に応じて置換されたアリーレン、ヘテロアリーレン、シクロアルキレン、ヘテロシクロアルキレン、アルキルシクロアルキレン、ヘテロアルキルシクロアルキレン、アラルキレンまたはヘテロアラルキレン基であり；
    Ｒ１は、必要に応じて置換されたアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
    Ｒ２は、水素原子、ハロゲン原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｒ３は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキル－シクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
    Ｒ４は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｒ５は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｂは、ＮＨ、Ｏ、Ｓ、Ｃ＝Ｏ、ＮＲ１４またはＣＲ１５Ｒ１６であり；
    Ｒ１１は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
    Ｒ１２は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり、ここで、Ｒ１２は、炭素－炭素結合を介して式（ＩＩ）のピリミジン環に結合しており；
    Ｒ１３は、水素原子、ハロゲン原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｒ１４は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキル－シクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
    Ｒ１５は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｒ１６は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｒ２１はアリールまたはヘテロアリールであり、その各々は必要に応じて置換されており；
    Ｒ２２は、Ｈ、ハロ、ＯＨ、ＣＮ、ＣＦ３、Ｃ１～６アルキル、Ｃ１～６アルコキシ、Ｃ１～６ハロアルキル、Ｃ１～６チオアルキル、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、アリール、またはヘテロアリールであり；
    Ｙは、アリールまたは５もしくは６員ヘテロアリールであり；
    ここで、Ｃ１～６アルキル、Ｃ１～６アルコキシ、Ｃ１～６ハロアルキル、Ｃ１～６チオアルキル、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、アリール、およびヘテロアリールの各々は、ハロ、ＯＨ、ＣＮ、ＣＦ３、ＮＨ２、ＮＯ２、Ｃ１～６アルキル、Ｃ１～６ハロアルキル、Ｃ１～６チオアルキル、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、Ｃ２～８ヘテロシクロアルケニル、Ｃ２～６アルケニル、Ｃ２～６アルキニル、Ｃ１～６アルコキシ、Ｃ１～６ハロアルコキシ、Ｃ１～６アルキルアミノ、Ｃ２～６ジアルキルアミノ、Ｃ７～１２アラルキル、Ｃ１～１２ヘテロアラルキル、アリール、ヘテロアリール、－Ｃ（Ｏ）Ｒ、－Ｃ（Ｏ）ＯＲ、－Ｃ（Ｏ）ＮＲＲ’、－Ｃ（Ｏ）ＮＲＳ（Ｏ）２Ｒ’、－Ｃ（Ｏ）ＮＲＳ（Ｏ）２ＮＲ’Ｒ”、－ＯＲ、－ＯＣ（Ｏ）ＮＲＲ’、－ＮＲＲ’、－ＮＲＣ（Ｏ）Ｒ’、－ＮＲＣ（Ｏ）ＮＲ’Ｒ”、－ＮＲＳ（Ｏ）２Ｒ’、－ＮＲＳ（Ｏ）２ＮＲ’Ｒ”、－Ｓ（Ｏ）２Ｒ、および－Ｓ（Ｏ）２ＮＲＲ’からなる群から選択される１つまたはそれを超える部分で必要に応じて置換されており、
    ここで、Ｒ、Ｒ’、およびＲ”の各々は、独立して、Ｈ、ハロ、ＯＨ、Ｃ１～６アルキル、Ｃ１～６ハロアルキル、Ｃ１～６アルコキシ、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、アリール、もしくはヘテロアリールであるか、またはＲおよびＲ’、もしくはＲ’およびＲ”は、それらが付着している窒素と一緒になって、Ｃ２～８ヘテロシクロアルキルを形成し；
    Ｒ３１は、Ｃ（Ｏ）ＣＨ２Ｒ３３、必要に応じて置換されたシクロアルキル、必要に応じて置換されたシクロヘテロアルキル、必要に応じて置換されたシクロアルケニル、必要に応じて置換されたシクロヘテロアルケニル、必要に応じて置換されたアリール、または必要に応じて置換されたヘテロアリールであり；
    Ｒ３２の各例は、独立して、ハロ、ハロアルキル、必要に応じて置換されたアルコキシル、必要に応じて置換されたアルキル、必要に応じて置換されたヘテロアルキル、必要に応じて置換されたアルケニル、必要に応じて置換されたヘテロアルケニルであり；
    Ｒ３３は、必要に応じて置換されたシクロアルキル、必要に応じて置換されたシクロヘテロアルキル、必要に応じて置換されたシクロアルケニル、必要に応じて置換されたシクロヘテロアルケニル、必要に応じて置換されたアリール、または必要に応じて置換されたヘテロアリールであり；
    Ｚは、シクロアルキル、シクロヘテロアルキル、シクロアルケニル、シクロヘテロアルケニル、アリール、またはヘテロアリールであり；
    ｎは０～５である）、
    または上記のいずれかの化合物の薬学的に許容され得る塩である、請求項７に記載の方法。
  14. 野生型ＬＲＲＫ２に関連するパーキンソン病を有する対象を処置する方法であって、
    ＬＲＲＫ２の１つまたはそれを超える遺伝的修飾因子を同定する遺伝学的データを受け取ることであって、前記１つまたはそれを超える遺伝的修飾因子が、野生型ＬＲＲＫ２に関連するパーキンソン病を有する対象がＬＲＲＫ２阻害剤に対して応答性であることを示すこと；
    ＬＲＲＫ２阻害剤を前記対象に処方または提供すること
    を含む、方法。
  15. 前記遺伝学的データがレポートの形態で受け取られる、請求項１４に記載の方法。
  16. 前記遺伝学的データが配列データを含む、請求項１５に記載の方法。
  17. 前記遺伝的修飾因子が一塩基多型（ＳＮＰ）を含む、請求項１６に記載の方法。
  18. 前記ＳＮＰが、ｒｓ１０７８４７２２、ｒｓ１０８７７８７７、ｒｓ１０８７９１２２、ｒｓ１１１８１５４２、ｒｓ１１３１１１２３４、ｒｓ１１３７３６３００、ｒｓ１２２３０７６５、ｒｓ１２８１６４８４、ｒｓ１２８２９８３１、ｒｓ１３３７７６７０、ｒｓ１４１５５１３９６、ｒｓ１４４３７７８５２、ｒｓ１４９１７３０５８、ｒｓ１７５８０７９４、ｒｓ１７６２１７４１、ｒｓ１８３８３５４、ｒｓ１８４１２００９４、ｒｓ１８８５３５８７７、ｒｓ１８８５８３４８６、ｒｓ１８８６０４５５２、ｒｓ１８９５１７２０５、ｒｓ２００６１１８０１、ｒｓ２００９０７７７２、ｒｓ２０１８８９６４３、ｒｓ２０１９４４１７５、ｒｓ２４０６４２６、ｒｓ２４０６８６０、ｒｓ２８５５６１、ｒｓ３４５６６０３３、ｒｓ３６８１４１１３２、ｒｓ３６９０８４６９５、ｒｓ３７１７００００２、ｒｓ３７１９０５８９２、ｒｓ３７３４３９５４０、ｒｓ３７６４６８８１５、ｒｓ３７７１０４２０２、ｒｓ３７７６２７３３７、ｒｓ３８４２３４、ｒｓ６１９２０９６４、ｒｓ６５８１９４１、ｒｓ６６５０２２６、ｒｓ７１０７８２４１、ｒｓ７３０４０８０、ｒｓ７３０８８９２６、ｒｓ７４４３４３６４、ｒｓ７４８４２２１５、ｒｓ７５０４３９６９、ｒｓ７８４６８１２０、ｒｓ７９６０４２９、ｒｓ７９７９４２０、ｒｓ７６９０４７９８、ｒｓ５７０２５３６０、ｒｓ１１２５１５１５３、ｒｓ１０８７７８７７、ｒｓ１０７８４７２２、ｒｓ４２７２８４９、ｒｓ２４０４８３２、ｒｓ１１７５３４３６６、ｒｓ１８３８３４３、ｒｓ１０８８０３４２、ｒｓ１１１７７６６０、ｒｓ１８３０２８４５２、ｒｓ１１６９１２６２８、ｒｓ１４７７５５３６１、ｒｓ１１５８４６３０、ｒｓ３７９３３９７、ｒｓ１１１７９４８９３、ｒｓ４９３１６４０、ｒｓ５２６５０７、ｒｓ７９３０７１７７、ｒｓ１８７１１６３６３、ｒｓ７１６０９５７３、ｒｓ７４３９０５５１、ｒｓ１４４６６５４４１、ｒｓ１７１８８８０、ｒｓ１９９１４０１、ｒｓ１１０５２２２５、ｒｓ１４５８０１５９７、ｒｓ７２９０７９７６、ｒｓ１４７２８６１２０、ｒｓ３７８６９０、ｒｓ７３１８８３６５、ｒｓ６１００３７、ｒｓ７５４７９５３１、ｒｓ１１１２１９１５５６、ｒｓ３０８３０３、ｒｓ１０７９０２８２、ｒｓ３７２９９１２、ｒｓ４３２６６３８、ｒｓ４４１４５４８、ｒｓ１３００９４３７、ｒｓ５６０４５０１１、ｒｓ６８５８５６６、ｒｓ４４２５、およびｒｓ１１０５２２５３からなる群から選択される、請求項１７に記載の方法。
  19. ＬＲＲＫ２の複数の遺伝的修飾因子を同定することを含む、請求項１４に記載の方法。
  20. 前記ＬＲＲＫ２阻害剤が、ＣＺＣ－２５１４６、ＣＺＣ－５４２５２、ＤＮＬ１５１、ＤＮＬ２０１、ＧＮＥ－７９１５、ＧＳＫ２５７８２１５Ａ、ＨＧ－１０－１０２－０１、ＪＨ－ＩＩ－１２７、Ｋ２５２Ａ、Ｋ２５２Ｂ、ＬＲＲＫ２－ＩＮ－１、ＭＬｉ－２、ＰＦ－０６４４７４７５、およびスタウロスポリンからなる群から選択される、請求項１４に記載の方法。
  21. 前記ＬＲＲＫ２阻害剤が、式（Ｉ）、（ＩＩ）、（ＩＩＩ）、または（ＩＶ）：
    Figure 2023549294000011
    Figure 2023549294000012
     からなる群から選択される化合物、
    （式中、
    Ａは、ＮＨ、Ｏ、Ｓ、Ｃ＝Ｏ、ＮＲ３またはＣＲ４Ｒ５であり；
    Ｘは、必要に応じて置換されたアリーレン、ヘテロアリーレン、シクロアルキレン、ヘテロシクロアルキレン、アルキルシクロアルキレン、ヘテロアルキルシクロアルキレン、アラルキレンまたはヘテロアラルキレン基であり；
    Ｒ１は、必要に応じて置換されたアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
    Ｒ２は、水素原子、ハロゲン原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｒ３は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキル－シクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
    Ｒ４は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｒ５は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｂは、ＮＨ、Ｏ、Ｓ、Ｃ＝Ｏ、ＮＲ１４またはＣＲ１５Ｒ１６であり；
    Ｒ１１は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
    Ｒ１２は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり、ここで、Ｒ１２は、炭素－炭素結合を介して式（ＩＩ）のピリミジン環に結合しており；
    Ｒ１３は、水素原子、ハロゲン原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｒ１４は、アルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキル－シクロアルキル、ヘテロシクロアルキル、アラルキルまたはヘテロアラルキル基であり；
    Ｒ１５は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｒ１６は、水素原子、ＮＯ２、Ｎ３、ＯＨ、ＳＨ、ＮＨ２またはアルキル、アルケニル、アルキニル、ヘテロアルキル、アリール、ヘテロアリール、シクロアルキル、アルキルシクロアルキル、ヘテロアルキルシクロアルキル、ヘテロシクロアルキル、アラルキルもしくはヘテロアラルキル基であり；
    Ｒ２１はアリールまたはヘテロアリールであり、その各々は必要に応じて置換されており；
    Ｒ２２は、Ｈ、ハロ、ＯＨ、ＣＮ、ＣＦ３、Ｃ１～６アルキル、Ｃ１～６アルコキシ、Ｃ１～６ハロアルキル、Ｃ１～６チオアルキル、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、アリール、またはヘテロアリールであり；
    Ｙは、アリールまたは５もしくは６員ヘテロアリールであり；
    ここで、Ｃ１～６アルキル、Ｃ１～６アルコキシ、Ｃ１～６ハロアルキル、Ｃ１～６チオアルキル、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、アリール、およびヘテロアリールの各々は、ハロ、ＯＨ、ＣＮ、ＣＦ３、ＮＨ２、ＮＯ２、Ｃ１～６アルキル、Ｃ１～６ハロアルキル、Ｃ１～６チオアルキル、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、Ｃ２～８ヘテロシクロアルケニル、Ｃ２～６アルケニル、Ｃ２～６アルキニル、Ｃ１～６アルコキシ、Ｃ１～６ハロアルコキシ、Ｃ１～６アルキルアミノ、Ｃ２～６ジアルキルアミノ、Ｃ７～１２アラルキル、Ｃ１～１２ヘテロアラルキル、アリール、ヘテロアリール、－Ｃ（Ｏ）Ｒ、－Ｃ（Ｏ）ＯＲ、－Ｃ（Ｏ）ＮＲＲ’、－Ｃ（Ｏ）ＮＲＳ（Ｏ）２Ｒ’、－Ｃ（Ｏ）ＮＲＳ（Ｏ）２ＮＲ’Ｒ”、－ＯＲ、－ＯＣ（Ｏ）ＮＲＲ’、－ＮＲＲ’、－ＮＲＣ（Ｏ）Ｒ’、－ＮＲＣ（Ｏ）ＮＲ’Ｒ”、－ＮＲＳ（Ｏ）２Ｒ’、－ＮＲＳ（Ｏ）２ＮＲ’Ｒ”、－Ｓ（Ｏ）２Ｒ、および－Ｓ（Ｏ）２ＮＲＲ’からなる群から選択される１つまたはそれを超える部分で必要に応じて置換されており、
    ここで、Ｒ、Ｒ’、およびＲ”の各々は、独立して、Ｈ、ハロ、ＯＨ、Ｃ１～６アルキル、Ｃ１～６ハロアルキル、Ｃ１～６アルコキシ、Ｃ３～８シクロアルキル、Ｃ２～８ヘテロシクロアルキル、アリール、もしくはヘテロアリールであるか、またはＲおよびＲ’、もしくはＲ’およびＲ”は、それらが付着している窒素と一緒になって、Ｃ２～８ヘテロシクロアルキルを形成し；
    Ｒ３１は、Ｃ（Ｏ）ＣＨ２Ｒ３３、必要に応じて置換されたシクロアルキル、必要に応じて置換されたシクロヘテロアルキル、必要に応じて置換されたシクロアルケニル、必要に応じて置換されたシクロヘテロアルケニル、必要に応じて置換されたアリール、または必要に応じて置換されたヘテロアリールであり；
    Ｒ３２の各例は、独立して、ハロ、ハロアルキル、必要に応じて置換されたアルコキシル、必要に応じて置換されたアルキル、必要に応じて置換されたヘテロアルキル、必要に応じて置換されたアルケニル、必要に応じて置換されたヘテロアルケニルであり；
    Ｒ３３は、必要に応じて置換されたシクロアルキル、必要に応じて置換されたシクロヘテロアルキル、必要に応じて置換されたシクロアルケニル、必要に応じて置換されたシクロヘテロアルケニル、必要に応じて置換されたアリール、または必要に応じて置換されたヘテロアリールであり；
    Ｚは、シクロアルキル、シクロヘテロアルキル、シクロアルケニル、シクロヘテロアルケニル、アリール、またはヘテロアリールであり；
    ｎは０～５である）、
    または上記のいずれかの化合物の薬学的に許容され得る塩である、請求項１４に記載の方法。
JP2023549961A 2020-10-26 2021-10-25 野生型ｌｒｒｋ２に関連するパーキンソン病の処置および診断方法 Pending JP2023549294A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202063105645P 2020-10-26 2020-10-26
US63/105,645 2020-10-26
PCT/US2021/056443 WO2022093685A1 (en) 2020-10-26 2021-10-25 Methods of treatment and diagnosis of parkinson's disease associated with wild-type lrrk2

Publications (1)

Publication Number Publication Date
JP2023549294A true JP2023549294A (ja) 2023-11-22

Family

ID=81383245

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023549961A Pending JP2023549294A (ja) 2020-10-26 2021-10-25 野生型ｌｒｒｋ２に関連するパーキンソン病の処置および診断方法

Country Status (7)

Country Link
US (1) US20230392206A1 (ja)
EP (1) EP4232024A4 (ja)
JP (1) JP2023549294A (ja)
CN (1) CN116940353A (ja)
AU (1) AU2021370946A1 (ja)
CA (1) CA3202773A1 (ja)
WO (1) WO2022093685A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024030504A1 (en) * 2022-08-02 2024-02-08 Neuron23, Inc. Predictive biomarkers and use thereof to treat parkinson's disease
WO2024054540A1 (en) * 2022-09-08 2024-03-14 Neuron23, Inc. Lrrk2 inhibitors and uses thereof
US20240228493A1 (en) * 2022-11-18 2024-07-11 Neuron23, Icn. Lrrk2 inhibitors and uses thereof

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3255049A1 (en) * 2012-06-29 2017-12-13 Pfizer Inc Novel 4-(substituted-amino)-7h-pyrrolo[2,3-d]pyrimidines as lrrk2 inhibitors
US10000482B2 (en) * 2012-10-19 2018-06-19 Origenis Gmbh Kinase inhibitors
WO2019111258A1 (en) * 2017-12-07 2019-06-13 Ramot At Tel-Aviv University Ltd. Treatment for parkinsonian patients with mutations in the lrrk2 gene

Also Published As

Publication number Publication date
EP4232024A1 (en) 2023-08-30
US20230392206A1 (en) 2023-12-07
CA3202773A1 (en) 2022-05-05
AU2021370946A1 (en) 2023-06-08
CN116940353A (zh) 2023-10-24
AU2021370946A9 (en) 2024-06-06
EP4232024A4 (en) 2024-10-09
WO2022093685A1 (en) 2022-05-05

Similar Documents

Publication Publication Date Title
Shen et al. Prognostic meta-signature of breast cancer developed by two-stage mixture modeling of microarray data
US20240079092A1 (en) Systems and methods for deriving and optimizing classifiers from multiple datasets
JP2023549294A (ja) 野生型ｌｒｒｋ２に関連するパーキンソン病の処置および診断方法
Kho et al. Transcriptomic analysis of human lung development
JP2019503191A (ja) 卵巣予備能および卵巣機能の低下の結果としての不妊を評価するための方法およびシステム
US7653491B2 (en) Computer systems and methods for subdividing a complex disease into component diseases
US7729864B2 (en) Computer systems and methods for identifying surrogate markers
US20120115138A1 (en) Method for in vitro diagnosing a complex disease
JP2016504016A (ja) 選択された時点における妊娠の確率を判定するためのシステムおよび方法
US8030060B2 (en) Gene signature for diagnosis and prognosis of breast cancer and ovarian cancer
US20210166813A1 (en) Systems and methods for evaluating longitudinal biological feature data
US20230348980A1 (en) Systems and methods of detecting a risk of alzheimer's disease using a circulating-free mrna profiling assay
US20150100242A1 (en) Method, kit and array for biomarker validation and clinical use
US20100280987A1 (en) Methods and gene expression signature for assessing ras pathway activity
WO2020081445A1 (en) Methods and systems for predicting or diagnosing cancer
WO2007084187A2 (en) Molecular cardiotoxicology modeling
JP2022534236A (ja) 多重オミックス分析を利用した鬱病または自殺危険の予測用マーカー発掘方法、鬱病または自殺危険の予測用マーカー、及び多重オミックス分析を利用した鬱病または自殺危険の予測方法
WO2024030504A1 (en) Predictive biomarkers and use thereof to treat parkinson's disease
KR20220103819A (ko) 개인의 생물학적 상태를 예측하기 위한 시스템, 방법 및 유전자 시그니처
Lu An embedded method for gene identification problems involving unwanted data heterogeneity
JP7108573B2 (ja) 慢性中耳炎のリスクを判定する方法
US20240182982A1 (en) Fragmentomics in urine and plasma
Wagala Problems in Statistical Genetics: Classification and Testing for Network Changes
Mansmann et al. Classification and prediction in pharmacogenetics–context, construction and validation
Deng et al. Single-cell and bulk RNAseq unveils the immune infiltration landscape and targeted therapeutic biomarkers of psoriasis