JP2024509576A - 明細胞腎細胞がんを有する患者における治療に対する応答の予測 - Google Patents

明細胞腎細胞がんを有する患者における治療に対する応答の予測 Download PDF

Info

Publication number
JP2024509576A
JP2024509576A JP2023555157A JP2023555157A JP2024509576A JP 2024509576 A JP2024509576 A JP 2024509576A JP 2023555157 A JP2023555157 A JP 2023555157A JP 2023555157 A JP2023555157 A JP 2023555157A JP 2024509576 A JP2024509576 A JP 2024509576A
Authority
JP
Japan
Prior art keywords
group
signature
subject
tme
score
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
JP2023555157A
Other languages
English (en)
Inventor
バガエブ，アレクサンダー
シェイ，ジェームズ
ミヘチェバ，ナタリア
ペレボシチコヴァ，クリスティーナ
ポストヴァロヴァ，エカテリーナ
スチュピチェヴ，ダニル
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Washington University in St Louis WUSTL
BostonGene Corp
Original Assignee
Washington University in St Louis WUSTL
BostonGene Corp
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 Washington University in St Louis WUSTL, BostonGene Corp filed Critical Washington University in St Louis WUSTL
Publication of JP2024509576A publication Critical patent/JP2024509576A/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
    • 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
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
    • 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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • C12Q2600/158—Expression markers

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Genetics & Genomics (AREA)
  • Biophysics (AREA)
  • Biotechnology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Organic Chemistry (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Zoology (AREA)
  • Immunology (AREA)
  • Wood Science & Technology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioethics (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Biochemistry (AREA)
  • Oncology (AREA)
  • General Engineering & Computer Science (AREA)
  • Microbiology (AREA)
  • Hospice & Palliative Care (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本開示の態様は、例えば、腎細胞がん腫などの明細胞腎臓がん（ｃｃＲＣＣ）のような特定のがんを有する対象を特徴付けるのに有用な方法、システム、コンピュータ可読記憶媒体、及びグラフィカルユーザーインターフェース（ＧＵＩ）に関する。本開示は、腎臓がん対象の腎臓がん（ＲＣ）腫瘍微小環境（ＴＭＥ）タイプ（ＲＣ ＴＭＥタイプ）を判定する方法、及び腎臓がんタイプの判定に基づいて、対象の予後及び／又は対象が特定の治療法（例えば、免疫療法又はチロシンキナーゼ阻害剤）に応答する可能性を判定する方法に部分的に基づいている。

Description

関連出願の相互参照
本出願は、その全内容が参照により本明細書に援用される、「ＰＲＥＤＩＣＴＩＮＧ ＲＥＳＰＯＮＳＥ ＴＯ ＴＲＥＡＴＭＥＮＴＳ ＩＮ ＰＡＴＩＥＮＴＳ ＷＩＴＨ ＣＬＥＡＲ ＣＥＬＬ ＲＥＮＡＬ ＣＡＲＣＩＮＯＭＡ」と題された２０２１年３月９日に出願された米国仮特許出願第６３／１５８，８２５号明細書の３５Ｕ．Ｓ．Ｃ．§１１９（ｅ）に基づく利益を主張する。
患者又は対象が有するがんの種類を正確に特性評価し、潜在的にその患者に１つ又は複数の効果的な治療法を選択することは、その患者の生存及び全体的な健康にとって極めて重要であり得る。がんの特徴を明らかにし、予後を予測し、効果的な治療法を同定し、がんを有する患者の個別化医療を支援する上での進歩が求められている。
本開示の態様は、明細胞腎臓がん（ｃｃＲＣＣ）などの特定の腎（腎臓）がんを有する対象を特徴付けるための技術に関する。本開示は、本明細書に開示される方法によって処理されると対象へのＲＣ ＴＭＥタイプの割り当てを可能にする、対象から取得された遺伝子発現データを使用して腎臓がん（ＲＣ）腫瘍微小環境（ＴＭＥ）シグネチャ（ＲＣ ＴＭＥシグネチャと称される）を生成することによって、腎臓がん（例えば、ｃｃＲＣＣ）を有する対象の腫瘍微小環境（ＴＭＥ）を同定するための方法に部分的に基づいている。いくつかの実施形態では、対象のＲＣ ＴＭＥタイプは、例えば、対象が良好な予後を有する可能性、又は免疫療法（ＩＯ剤とも称される）又はチロシンキナーゼ阻害剤（ＴＫＩ）などの治療薬に応答する可能性など、対象（又は対象のがん）の１つ又は複数の特徴を示す。本開示の態様はまた、対象が良好な予後を有するか、又はＩＯ剤若しくはＴＫＩに応答するかどうか（例えば、その可能性）を判定するための機械学習技術にも関する。
したがって、いくつかの態様では、本開示は、腎臓がんを有する、腎臓がんを有する疑いがある、又は腎臓がんを有するリスクがある対象の腎臓がん（ＲＣ）腫瘍微小環境（ＴＭＥ）タイプを判定するための方法を提供し、方法は、少なくとも１つのコンピュータハードウェアプロセッサを使用して、対象のＲＮＡ発現データを取得するステップと；ＲＮＡ発現データを使用して対象のＲＣ ＴＭＥシグネチャを生成するステップと；ＲＣ ＴＭＥシグネチャを使用して、複数のＲＣ ＴＭＥタイプの中から対象のＲＣ ＴＭＥタイプを同定するステップとを実行するステップを含んでなり、ＲＮＡ発現データは、表１に列挙された複数の遺伝子群の少なくともいくつかの遺伝子群の各群における、少なくともいくつかの遺伝子のＲＮＡ発現レベルを示し、ＲＣ ＴＭＥシグネチャは、複数の遺伝子群の少なくともいくつかにおけるそれぞれの遺伝子群に対する遺伝子群スコアを含んでなり、生成するステップは、ＲＮＡ発現レベルを使用して遺伝子群スコアを判定するステップを含んでなる。
いくつかの態様では、本開示は、腎臓がんを有する、腎臓がんを有する疑いがある、又は腎臓がんを有するリスクがある対象の腎臓がん（ＲＣ）筋形成シグネチャを判定するための方法を提供し、方法は、少なくとも１つのコンピュータハードウェアプロセッサを使用して、対象のＲＮＡ発現データを取得するステップと；ＲＮＡ発現データを使用して対象の筋形成シグネチャを生成するステップとを実行するステップを含んでなり、ＲＮＡ発現データは、表２に列挙された遺伝子群における少なくともいくつかの遺伝子のＲＮＡ発現レベルを示し、筋形成シグネチャは、表２に列挙された遺伝子群に対する遺伝子群スコアからなり、遺伝子群スコアは、ＲＮＡ発現レベルを使用して判定される。
いくつかの態様では、本開示は、腎臓がんを有する、腎臓がんを有する疑いがある、又は腎臓がんを有するリスクがある、免疫腫瘍学（ＩＯ）剤に応答する対象の可能性を予測するための方法を提供し、方法は、少なくとも１つのコンピュータハードウェアプロセッサを使用して、対象から得られたＲＮＡ発現データを使用して入力特徴のセットを生成するステップと；入力特徴のセットを入力として機械学習モデルに提供し、応答者スコアを示す対応する出力を取得するステップと；応答者スコアが指定された閾値を超える場合、対象がＩＯ剤に応答する可能性が高いと同定するステップとを実行するステップを含んでなり、入力特徴のセットは、対象のＲＣ ＴＭＥタイプ；ＰＤ１、ＰＤ－Ｌ１、及びＰＤ－Ｌ２の遺伝子の１つ又は複数のＲＮＡ発現レベル；対象のＥＣＭ関連シグネチャ；対象の血管新生シグネチャ；対象の増殖速度シグネチャ；及び対象のＲＣ ＴＭＥシグネチャと、ＲＣ ＴＭＥタイプＢ及び／又はＲＣ ＴＭＥタイプＣサンプルに関連するＲＣ ＴＭＥシグネチャとの類似性を示す類似性スコアの特徴のうち少なくとも２つを含んでなり、応答者スコアは、対象が免疫腫瘍学（ＩＯ）剤に応答する可能性を示す。
いくつかの態様では、本開示は、腎臓がんを有する、腎臓がんを有する疑いがある、又は腎臓がんを有するリスクがある、チロシンキナーゼ阻害剤（ＴＫＩ）に応答する対象の可能性を予測するための方法を提供し、方法は、少なくとも１つのコンピュータハードウェアプロセッサを使用して、対象から得られたＲＮＡ発現データを使用して入力特徴のセットを生成するステップと；入力特徴のセットを入力として機械学習モデルに提供し、応答者スコアを示す対応する出力を取得するステップと；応答者スコアが指定された閾値を超える場合、対象がＴＫＩに応答する可能性が高いと同定するステップとを実行するステップを含んでなり、入力特徴のセットは、対象のマクロファージシグネチャ；対象の血管新生シグネチャ；対象の増殖速度シグネチャ；及び対象のＲＣ ＴＭＥシグネチャと、ＲＣ ＴＭＥタイプＢサンプルに関連するＲＣ ＴＭＥシグネチャとの類似性を示す類似性スコアの特徴のうち少なくとも２つを含んでなり、応答者スコアは、対象がＴＫＩに応答する可能性を示す。
いくつかの態様では、本開示は、腎臓がんを有する対象に投与するための１つ又は複数の治療薬を同定する方法を提供し、方法は、対象の国際転移性ＲＣＣデータベースコンソーシアム（ＩＭＤＣ）リスクスコアを生成するステップと；対象が不良なＩＭＤＣリスクスコアを有すると同定された場合、対象に投与するための１つ又は複数の治療薬として免疫腫瘍学（ＩＯ）剤とＴＫＩの組み合わせを同定するステップと；対象が良好な又は中程度のＩＭＤＣリスクスコアを有すると同定された場合、本明細書に記載される方法に従ってＩＯ応答者スコアを生成するステップと；本明細書に記載される方法によるＴＫＩ応答者スコア；ＩＯ応答者スコア及びＴＫＩ応答者スコアを使用して、対象に対する１つ又は複数の治療薬を同定するステップとを含んでなる。
いくつかの態様では、本開示は、少なくとも１つのコンピュータハードウェアプロセッサ；及び少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、本明細書に記載されるように、少なくとも１つのコンピュータハードウェアプロセッサに、対象の腎臓がん（ＲＣ）腫瘍微小環境（ＴＭＥ）タイプを判定するための方法を実行させる、プロセッサが実行可能な命令を格納する少なくとも１つの非一時的コンピュータ可読媒体を含んでなるシステムを提供する。
いくつかの態様では、本開示は、少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、本明細書に記載されるように、少なくとも１つのコンピュータハードウェアプロセッサに、対象の腎臓がん（ＲＣ）腫瘍微小環境（ＴＭＥ）タイプを判定するための方法を実行させる、プロセッサが実行可能な命令を格納する少なくとも１つの非一時的コンピュータ可読媒体を提供する。
いくつかの態様では、本開示は、少なくとも１つのコンピュータハードウェアプロセッサ；及び少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、本明細書に記載されるように、少なくとも１つのコンピュータハードウェアプロセッサに、対象の腎臓がん（ＲＣ）筋形成シグネチャを判定するための方法を実行させる、プロセッサが実行可能な命令を格納する少なくとも１つの非一時的コンピュータ可読媒体を含んでなるシステムを提供する。
いくつかの態様では、本開示は、少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、本明細書に記載されるように、少なくとも１つのコンピュータハードウェアプロセッサに、対象の腎臓がん（ＲＣ）筋形成シグネチャを判定するための方法を実行させる、プロセッサが実行可能な命令を格納する少なくとも１つの非一時的コンピュータ可読媒体を提供する。
いくつかの態様では、本開示は、少なくとも１つのコンピュータハードウェアプロセッサ；及び、少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、本明細書に記載されるように、少なくとも１つのコンピュータハードウェアプロセッサに、対象が免疫腫瘍学（ＩＯ）剤に応答する可能性を予測する方法を実行させる、プロセッサ実行可能命令を格納する少なくとも１つの非一時的コンピュータ可読媒体を含んでなるシステムを提供する。
いくつかの態様では、本開示は、少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、本明細書に記載されるように、少なくとも１つのコンピュータハードウェアプロセッサに、対象が免疫腫瘍学（ＩＯ）剤に応答する可能性を予測する方法を実行させる、プロセッサ実行可能命令を格納する少なくとも１つの非一時的コンピュータ可読媒体を提供する。
いくつかの態様では、本開示は、少なくとも１つのコンピュータハードウェアプロセッサ；及び、少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、本明細書に記載されるように、少なくとも１つのコンピュータハードウェアプロセッサに、対象がチロシンキナーゼ阻害剤（ＴＫＩ）に応答する可能性を予測する方法を実行させる、プロセッサ実行可能命令を格納する少なくとも１つの非一時的コンピュータ可読媒体を含んでなるシステムを提供する。
いくつかの態様では、本開示は、少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、本明細書に記載されるように、少なくとも１つのコンピュータハードウェアプロセッサに、対象がチロシンキナーゼ阻害剤（ＴＫＩ）に応答する可能性を予測する方法を実行させる、プロセッサ実行可能命令を格納する少なくとも１つの非一時的コンピュータ可読媒体を提供する。
いくつかの態様では、本開示は、少なくとも１つのコンピュータハードウェアプロセッサ；及び少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、本明細書に記載されるように、少なくとも１つのコンピュータハードウェアプロセッサに、腎臓がんを有する対象に投与するための１つ又は複数の治療薬を同定するための方法を実行させる、プロセッサ実行可能命令を格納する少なくとも１つの非一時的コンピュータ可読媒体を含んでなるシステムを提供する。
いくつかの態様では、本開示は、少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、本明細書に記載されるように、少なくとも１つのコンピュータハードウェアプロセッサに、腎臓がんを有する対象に投与するための１つ又は複数の治療薬を同定するための方法を実行させる、プロセッサ実行可能命令を格納する少なくとも１つの非一時的コンピュータ可読媒体を提供する。
いくつかの実施形態では、対象のＲＮＡ発現データを取得するステップは、対象から得られた生物学的サンプルを配列決定することによって、以前に取得された配列決定データを取得するステップを含んでなる。
いくつかの実施形態では、配列決定データは、少なくとも１００万回の読み取り、少なくとも５００万回の読み取り、少なくとも１０００万回の読み取り、少なくとも２０００万回の読み取り、少なくとも５０００万回の読み取り、又は少なくとも１億回の読み取りを含んでなる。いくつかの実施形態では、配列決定データは、全エクソーム配列決定（ＷＥＳ）データ、バルクＲＮＡ配列決定（ＲＮＡ－ｓｅｑ）データ、単一細胞ＲＮＡ配列決定（ｓｃＲＮＡ－ｓｅｑ）データ、又は次世代配列決定法（ＮＧＳ）データを含んでなる。いくつかの実施形態では、配列決定データは、マイクロアレイデータを含んでなる。
いくつかの実施形態では、本方法は、ＲＣ ＴＭＥシグネチャを生成する前に、ＲＮＡ発現データを１００万当たりの転写物（ＴＰＭ）単位に正規化するステップをさらに含んでなる。
いくつかの実施形態では、対象のＲＮＡ発現データを取得するステップは、対象から得られた生物学的サンプルを配列決定するステップを含んでなる。いくつかの実施形態では、生物学的サンプルは、対象の腎臓組織を含んでなる。いくつかの実施形態では、生物学的サンプルは、対象の腫瘍組織を含んでなる。
いくつかの実施形態では、ＲＮＡ発現レベルは、次の遺伝子群のうち少なくとも２つのそれぞれからの少なくとも３つの遺伝子のＲＮＡ発現レベルを含んでなる：エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；（ｉ）顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；がん関連線維芽細胞（ＣＡＦ）群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；及び脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２。
いくつかの実施形態では、ＲＮＡ発現レベルは、次の遺伝子群のうち少なくとも２つのそれぞれからの少なくとも３つの遺伝子のＲＮＡ発現レベルを含んでなる：ＭＨＣＩ群：ＨＬＡ－Ｃ、Ｂ２Ｍ、ＨＬＡ－Ｂ、ＨＬＡ－Ａ、ＴＡＰ１、ＴＡＰ２、ＮＬＲＣ５、ＴＡＰＢＰ；ＭＨＣＩＩ群：ＨＬＡ－ＤＱＡ１、ＨＬＡ－ＤＭＡ、ＨＬＡ－ＤＲＢ１、ＨＬＡ－ＤＭＢ、ＣＩＩＴＡ、ＨＬＡ－ＤＰＡ１、ＨＬＡ－ＤＰＢ１、ＨＬＡ－ＤＲＡ、ＨＬＡ－ＤＱＢ１；共活性化分子群：ＣＤ８０、ＴＮＦＲＳＦ４、ＣＤ２７、ＣＤ８３、ＴＮＦＳＦ９、ＣＤ４０ＬＧ、ＣＤ７０、ＩＣＯＳ、ＣＤ８６、ＣＤ４０、ＴＮＦＳＦ４、ＩＣＯＳＬＧ、ＴＮＦＲＳＦ９、ＣＤ２８；エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；Ｔ細胞輸送群：ＣＸＣＬ９、ＣＣＬ３、ＣＸＣＲ３、ＣＸＣＬ１０、ＣＸＣＬ１１、ＣＣＬ５、ＣＣＬ４、ＣＸ３ＣＬ１、ＣＸ３ＣＲ１；ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；Ｍ１シグネチャ群：ＩＬ１Ｂ、ＩＬ１２Ｂ、ＮＯＳ２、ＳＯＣＳ３、ＩＲＦ５、ＩＬ２３Ａ、ＴＮＦ、ＩＬ１２Ａ、ＣＭＫＬＲ１；Ｔｈ１シグネチャ群：ＩＬ１２ＲＢ２、ＩＬ２、ＴＢＸ２１、ＩＦＮＧ、ＳＴＡＴ４、ＩＬ２１、ＣＤ４０ＬＧ；抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；Ｔ ｒｅｇ輸送群：ＣＣＬ２８、ＣＣＲ１０、ＣＣＲ４、ＣＣＲ８、ＣＣＬ１７、ＣＣＬ２２、ＣＣＬ１；好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；ＭＤＳＣ輸送群：ＣＣＬ１５、ＩＬ６Ｒ、ＣＳＦ２ＲＡ、ＣＳＦ２、ＣＸＣＬ８、ＣＸＣＬ１２、ＩＬ６、ＣＳＦ３、ＣＣＬ２６、ＣＸＣＲ４、ＣＸＣＲ２、ＣＳＦ３Ｒ、ＣＳＦ１、ＣＸＣＬ５、ＣＳＦ１Ｒ；マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；マクロファージＤＣ輸送群：ＣＣＬ７、ＣＣＬ２、ＸＣＲ１、ＸＣＬ１、ＣＳＦ１、ＣＣＲ２、ＣＣＬ８、ＣＳＦ１Ｒ；Ｔｈ２シグネチャ群：ＩＬ１３、ＣＣＲ４、ＩＬ１０、ＩＬ５、ＩＬ４；腫瘍促進サイトカイン群：ＭＩＦ、ＴＧＦＢ１、ＩＬ１０、ＴＧＦＢ３、ＩＬ６、ＴＧＦＢ２、ＩＬ２２；ＣＡＦ群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；マトリックス再形成群：ＭＭＰ１、ＰＬＯＤ２、ＭＭＰ２、ＭＭＰ１２、ＡＤＡＭＴＳ５、ＡＤＡＭＴＳ４、ＬＯＸ、ＭＭＰ９、ＭＭＰ１１、ＭＭＰ３、ＭＭＰ７、ＣＡ９；血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；環状ヌクレオチド代謝群：ＡＤＣＹ４、ＰＤＥ１１Ａ、ＰＤＥ６Ａ、ＰＤＥ９Ａ、ＰＤＥ６Ｃ、ＡＤＣＹ７、ＰＤＥ４Ａ、ＰＤＥ８Ａ、ＰＤＥ１Ｂ、ＰＤＥ１Ａ、ＧＵＣＹ２Ｃ、ＧＵＣＹ１Ａ３、ＡＤＣＹ９、ＡＤＣＹ２、ＰＤＥ６Ｂ、ＡＤＣＹ８、ＰＤＥ８Ｂ、ＧＵＣＹ２Ｆ、ＰＤＥ４Ｃ、ＰＤＥ３Ａ、ＧＵＣＹ１Ａ２、ＰＤＥ６Ｇ、ＰＤＥ１Ｃ、ＧＵＣＹ２Ｄ、ＡＤＣＹ１０、ＧＵＣＹ１Ｂ３、ＧＵＣＹ１Ｂ２、ＰＤＥ７Ｂ、ＰＤＥ５Ａ、ＰＤＥ６Ｄ、ＮＰＲ２、ＡＤＣＹ５、ＮＰＲ１、ＡＤＣＹ６、ＰＤＥ７Ａ、ＰＤＥ２Ａ、ＰＤＥ４Ｂ、ＰＤＥ１０Ａ、ＰＤＥ６Ｈ、ＰＤＥ４Ｄ、ＡＤＣＹ１、ＰＤＥ３Ｂ、ＡＤＣＹ３；解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；及び、脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２。
いくつかの実施形態では、ＲＮＡ発現レベルは、次の遺伝子群のうち少なくとも２つのそれぞれからの少なくとも３つの遺伝子のＲＮＡ発現レベルをさらに含んでなる：ＥＣＭ関連群：ＡＤＡＭ８、ＡＤＡＭＴＳ４、Ｃ１ＱＬ３、ＣＳＴ７、ＣＴＳＷ、ＣＸＣＬ８、ＦＡＳＬＧ、ＬＴＢ、ＭＵＣ１、ＯＳＭ、Ｐ４ＨＡ２、ＳＣＵＢＥ１、ＳＥＭＡ４Ｂ、ＳＥＭＡ７Ａ、ＳＥＲＰＩＮＥ１、ＴＣＨＨ、ＴＧＦＡ、ＴＧＭ２、ＴＮＦＳＦ１１、ＴＮＦＳＦ９、ＷＮＴ１０Ｂ；ＴＬＳ腎臓群：ＺＮＦ６８３、ＰＯＵ２ＡＦ１、ＬＡＸ１、ＣＤ７９Ａ、ＣＸＣＬ９、ＸＣＬ２、ＪＣＨＡＩＮ、ＳＬＡＭＦ７、ＣＤ３８、ＳＬＡＭＦ１、ＴＮＦＲＳＦ１７、ＩＲＦ４、ＨＳＨ２Ｄ、ＰＬＡ２Ｇ２Ｄ、ＭＺＢ１；ＮＲＦ２シグネチャ群：ＴＲＩＭ１６Ｌ、ＵＧＤＨ、ＫＩＡＡ１５４９、ＰＡＮＸ２、ＦＥＣＨ、ＬＲＰ８、ＡＫＲ１Ｃ２、ＦＴＨ１、ＡＫＲ１Ｃ３、ＣＢＲ１、ＰＦＮ２、ＣＢＸ２、ＴＸＮ、ＣＹＰ４Ｆ１１、ＣＹＰ４Ｆ３、ＡＫＲ１Ｃ１、ＡＫＲ１Ｂ１５、Ｇ６ＰＤ、ＰＲＤＸ１、ＴＡＬＤＯ１、ＥＰＴ１、ＳＲＸＮ１、ＪＡＫＭＩＰ３、ＦＴＨＬ３、ＵＣＨＬ１、ＴＸＮＲＤ１、Ｃ１ｏｒｆ１３１、ＣＡＳＫＩＮ１、ＰＧＤ、ＧＰＸ２、ＯＳＧＩＮ１、ＫＩＡＡ０３１９、ＣＡＢＹＲ、ＡＩＦＭ２、ＴＲＩＭ１６、ＡＫＲ１Ｂ１０、ＧＣＬＣ、ＡＢＣＣ２、ＥＴＦＢ、ＩＤＨ１、ＭＡＦＧ、ＮＥＣＡＢ２、ＭＥ１、ＰＴＧＲ１、ＰＩＲ、ＧＳＲ、ＲＩＴ１、ＧＣＬＭ、ＡＬＤＨ３Ａ１、ＮＱＯ１、ＰＫＤ１Ｌ２、ＮＲＧ４、ＡＢＨＤ４、ＨＲＧ、ＳＬＣ７Ａ１１；及び、ｔＲＣＣシグネチャ群：ＦＳＴ、ＴＲＩＭ６３、ＳＬＣ１０Ａ２、ＡＮＴＸＲＬ、ＥＲＶＶ－２、ＳＮＸ２２、ＩＮＨＢＥ、ＳＶ２Ｂ、ＦＡＭ１２４Ａ、ＥＰＨＡ５、ＬＵＺＰ２、ＣＰＥＢ１、ＨＯＸＢ１３、ＡＬＬＣ、ＫＣＮＦ１、ＮＤＲＧ４、ＧＲＥＢ１、ＡＳＴＮ１、ＪＳＲＰ１、ＵＢＥ２Ｕ、ＫＣＮＱ４、ＭＹＯ７Ｂ、ＢＲＩＮＰ２、Ｃ１ＱＬ２、ＣＣＤＣ１３６、ＳＬＣ５１Ｂ、ＣＡＴＳＰＥＲＧ、ＰＭＥＬ、ＢＩＲＣ７、ＰＬＫ５、ＡＤＡＲＢ２、ＣＦＡＰ６１、ＴＵＢＢ４Ａ、ＰＬＩＮ４、ＡＢＣＢ５、ＳＹＴ３、ＨＣＮ４、ＣＴＳＫ、ＳＰＡＣＡ１、ＴＲＩＭ６７、ＮＭＲＫ２、ＬＧＩ３、ＡＲＨＧＥＦ４、ＮＴＳＲ２、ＫＥＬ、ＳＮＣＢ、ＰＬＤ５、ＡＤＧＲＢ１、ＣＹＰ１７Ａ１、ＩＧＦＢＰＬ１、ＴＲＩＭ７１、ＳＬＣ４５Ａ２、ＴＰ７３、ＩＰ６Ｋ３、ＨＡＢＰ２、ＲＧＳ２０、ＩＧＦＮ１、ＣＤＨ１７。
いくつかの実施形態では、ＲＮＡ発現レベルは、以下の各遺伝子群からの各遺伝子のＲＮＡ発現レベルを含んでなる：エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；がん関連線維芽細胞（ＣＡＦ）群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；及び脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２。
いくつかの実施形態では、複数の遺伝子群における遺伝子のＲＮＡ発現レベルは、以下の各遺伝子群からの各遺伝子のＲＮＡ発現レベルを含んでなる：ＭＨＣＩ群：ＨＬＡ－Ｃ、Ｂ２Ｍ、ＨＬＡ－Ｂ、ＨＬＡ－Ａ、ＴＡＰ１、ＴＡＰ２、ＮＬＲＣ５、ＴＡＰＢＰ；ＭＨＣＩＩ群：ＨＬＡ－ＤＱＡ１、ＨＬＡ－ＤＭＡ、ＨＬＡ－ＤＲＢ１、ＨＬＡ－ＤＭＢ、ＣＩＩＴＡ、ＨＬＡ－ＤＰＡ１、ＨＬＡ－ＤＰＢ１、ＨＬＡ－ＤＲＡ、ＨＬＡ－ＤＱＢ１；共活性化分子群：ＣＤ８０、ＴＮＦＲＳＦ４、ＣＤ２７、ＣＤ８３、ＴＮＦＳＦ９、ＣＤ４０ＬＧ、ＣＤ７０、ＩＣＯＳ、ＣＤ８６、ＣＤ４０、ＴＮＦＳＦ４、ＩＣＯＳＬＧ、ＴＮＦＲＳＦ９、ＣＤ２８；エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；Ｔ細胞輸送群：ＣＸＣＬ９、ＣＣＬ３、ＣＸＣＲ３、ＣＸＣＬ１０、ＣＸＣＬ１１、ＣＣＬ５、ＣＣＬ４、ＣＸ３ＣＬ１、ＣＸ３ＣＲ１；ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；Ｍ１シグネチャ群：ＩＬ１Ｂ、ＩＬ１２Ｂ、ＮＯＳ２、ＳＯＣＳ３、ＩＲＦ５、ＩＬ２３Ａ、ＴＮＦ、ＩＬ１２Ａ、ＣＭＫＬＲ１；Ｔｈ１シグネチャ群：ＩＬ１２ＲＢ２、ＩＬ２、ＴＢＸ２１、ＩＦＮＧ、ＳＴＡＴ４、ＩＬ２１、ＣＤ４０ＬＧ；抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；Ｔ ｒｅｇ輸送群：ＣＣＬ２８、ＣＣＲ１０、ＣＣＲ４、ＣＣＲ８、ＣＣＬ１７、ＣＣＬ２２、ＣＣＬ１；好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；ＭＤＳＣ輸送群：ＣＣＬ１５、ＩＬ６Ｒ、ＣＳＦ２ＲＡ、ＣＳＦ２、ＣＸＣＬ８、ＣＸＣＬ１２、ＩＬ６、ＣＳＦ３、ＣＣＬ２６、ＣＸＣＲ４、ＣＸＣＲ２、ＣＳＦ３Ｒ、ＣＳＦ１、ＣＸＣＬ５、ＣＳＦ１Ｒ；マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；マクロファージＤＣ輸送群：ＣＣＬ７、ＣＣＬ２、ＸＣＲ１、ＸＣＬ１、ＣＳＦ１、ＣＣＲ２、ＣＣＬ８、ＣＳＦ１Ｒ；Ｔｈ２シグネチャ群：ＩＬ１３、ＣＣＲ４、ＩＬ１０、ＩＬ５、ＩＬ４；腫瘍促進サイトカイン群：ＭＩＦ、ＴＧＦＢ１、ＩＬ１０、ＴＧＦＢ３、ＩＬ６、ＴＧＦＢ２、ＩＬ２２；ＣＡＦ群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；マトリックス再形成群：ＭＭＰ１、ＰＬＯＤ２、ＭＭＰ２、ＭＭＰ１２、ＡＤＡＭＴＳ５、ＡＤＡＭＴＳ４、ＬＯＸ、ＭＭＰ９、ＭＭＰ１１、ＭＭＰ３、ＭＭＰ７、ＣＡ９；血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；環状ヌクレオチド代謝群：ＡＤＣＹ４、ＰＤＥ１１Ａ、ＰＤＥ６Ａ、ＰＤＥ９Ａ、ＰＤＥ６Ｃ、ＡＤＣＹ７、ＰＤＥ４Ａ、ＰＤＥ８Ａ、ＰＤＥ１Ｂ、ＰＤＥ１Ａ、ＧＵＣＹ２Ｃ、ＧＵＣＹ１Ａ３、ＡＤＣＹ９、ＡＤＣＹ２、ＰＤＥ６Ｂ、ＡＤＣＹ８、ＰＤＥ８Ｂ、ＧＵＣＹ２Ｆ、ＰＤＥ４Ｃ、ＰＤＥ３Ａ、ＧＵＣＹ１Ａ２、ＰＤＥ６Ｇ、ＰＤＥ１Ｃ、ＧＵＣＹ２Ｄ、ＡＤＣＹ１０、ＧＵＣＹ１Ｂ３、ＧＵＣＹ１Ｂ２、ＰＤＥ７Ｂ、ＰＤＥ５Ａ、ＰＤＥ６Ｄ、ＮＰＲ２、ＡＤＣＹ５、ＮＰＲ１、ＡＤＣＹ６、ＰＤＥ７Ａ、ＰＤＥ２Ａ、ＰＤＥ４Ｂ、ＰＤＥ１０Ａ、ＰＤＥ６Ｈ、ＰＤＥ４Ｄ、ＡＤＣＹ１、ＰＤＥ３Ｂ、ＡＤＣＹ３；解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；及び、脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２。
いくつかの実施形態では、複数の遺伝子群における遺伝子のＲＮＡ発現レベルは、以下の各遺伝子群からの各遺伝子のＲＮＡ発現レベルをさらに含んでなる：ＥＣＭ関連群：ＡＤＡＭ８、ＡＤＡＭＴＳ４、Ｃ１ＱＬ３、ＣＳＴ７、ＣＴＳＷ、ＣＸＣＬ８、ＦＡＳＬＧ、ＬＴＢ、ＭＵＣ１、ＯＳＭ、Ｐ４ＨＡ２、ＳＣＵＢＥ１、ＳＥＭＡ４Ｂ、ＳＥＭＡ７Ａ、ＳＥＲＰＩＮＥ１、ＴＣＨＨ、ＴＧＦＡ、ＴＧＭ２、ＴＮＦＳＦ１１、ＴＮＦＳＦ９、ＷＮＴ１０Ｂ；ＴＬＳ腎臓群：ＺＮＦ６８３、ＰＯＵ２ＡＦ１、ＬＡＸ１、ＣＤ７９Ａ、ＣＸＣＬ９、ＸＣＬ２、ＪＣＨＡＩＮ、ＳＬＡＭＦ７、ＣＤ３８、ＳＬＡＭＦ１、ＴＮＦＲＳＦ１７、ＩＲＦ４、ＨＳＨ２Ｄ、ＰＬＡ２Ｇ２Ｄ、ＭＺＢ１；ＮＲＦ２シグネチャ群：ＴＲＩＭ１６Ｌ、ＵＧＤＨ、ＫＩＡＡ１５４９、ＰＡＮＸ２、ＦＥＣＨ、ＬＲＰ８、ＡＫＲ１Ｃ２、ＦＴＨ１、ＡＫＲ１Ｃ３、ＣＢＲ１、ＰＦＮ２、ＣＢＸ２、ＴＸＮ、ＣＹＰ４Ｆ１１、ＣＹＰ４Ｆ３、ＡＫＲ１Ｃ１、ＡＫＲ１Ｂ１５、Ｇ６ＰＤ、ＰＲＤＸ１、ＴＡＬＤＯ１、ＥＰＴ１、ＳＲＸＮ１、ＪＡＫＭＩＰ３、ＦＴＨＬ３、ＵＣＨＬ１、ＴＸＮＲＤ１、Ｃ１ｏｒｆ１３１、ＣＡＳＫＩＮ１、ＰＧＤ、ＧＰＸ２、ＯＳＧＩＮ１、ＫＩＡＡ０３１９、ＣＡＢＹＲ、ＡＩＦＭ２、ＴＲＩＭ１６、ＡＫＲ１Ｂ１０、ＧＣＬＣ、ＡＢＣＣ２、ＥＴＦＢ、ＩＤＨ１、ＭＡＦＧ、ＮＥＣＡＢ２、ＭＥ１、ＰＴＧＲ１、ＰＩＲ、ＧＳＲ、ＲＩＴ１、ＧＣＬＭ、ＡＬＤＨ３Ａ１、ＮＱＯ１、ＰＫＤ１Ｌ２、ＮＲＧ４、ＡＢＨＤ４、ＨＲＧ、ＳＬＣ７Ａ１１；及び、ｔＲＣＣシグネチャ群：ＦＳＴ、ＴＲＩＭ６３、ＳＬＣ１０Ａ２、ＡＮＴＸＲＬ、ＥＲＶＶ－２、ＳＮＸ２２、ＩＮＨＢＥ、ＳＶ２Ｂ、ＦＡＭ１２４Ａ、ＥＰＨＡ５、ＬＵＺＰ２、ＣＰＥＢ１、ＨＯＸＢ１３、ＡＬＬＣ、ＫＣＮＦ１、ＮＤＲＧ４、ＧＲＥＢ１、ＡＳＴＮ１、ＪＳＲＰ１、ＵＢＥ２Ｕ、ＫＣＮＱ４、ＭＹＯ７Ｂ、ＢＲＩＮＰ２、Ｃ１ＱＬ２、ＣＣＤＣ１３６、ＳＬＣ５１Ｂ、ＣＡＴＳＰＥＲＧ、ＰＭＥＬ、ＢＩＲＣ７、ＰＬＫ５、ＡＤＡＲＢ２、ＣＦＡＰ６１、ＴＵＢＢ４Ａ、ＰＬＩＮ４、ＡＢＣＢ５、ＳＹＴ３、ＨＣＮ４、ＣＴＳＫ、ＳＰＡＣＡ１、ＴＲＩＭ６７、ＮＭＲＫ２、ＬＧＩ３、ＡＲＨＧＥＦ４、ＮＴＳＲ２、ＫＥＬ、ＳＮＣＢ、ＰＬＤ５、ＡＤＧＲＢ１、ＣＹＰ１７Ａ１、ＩＧＦＢＰＬ１、ＴＲＩＭ７１、ＳＬＣ４５Ａ２、ＴＰ７３、ＩＰ６Ｋ３、ＨＡＢＰ２、ＲＧＳ２０、ＩＧＦＮ１、ＣＤＨ１７。
いくつかの実施形態では、遺伝子群スコアを判定するステップは、特定の遺伝子群について、特定の遺伝子群における少なくとも３つの遺伝子のＲＮＡ発現レベルを使用して、特定の群に対する遺伝子群スコアを判定し、エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；がん関連線維芽細胞（ＣＡＦ）群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；及び脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２をはじめとする遺伝子群のうち少なくとも２つのそれぞれに対するそれぞれの遺伝子群スコアを判定するステップを含んでなる。
いくつかの実施形態では、遺伝子群スコアを判定するステップは、特定の遺伝子群について、特定の遺伝子群における少なくとも３つの遺伝子のＲＮＡ発現レベルを使用して、特定の群に対する遺伝子群スコアを判定し、ＭＨＣＩ群：ＨＬＡ－Ｃ、Ｂ２Ｍ、ＨＬＡ－Ｂ、ＨＬＡ－Ａ、ＴＡＰ１、ＴＡＰ２、ＮＬＲＣ５、ＴＡＰＢＰ；ＭＨＣＩＩ群：ＨＬＡ－ＤＱＡ１、ＨＬＡ－ＤＭＡ、ＨＬＡ－ＤＲＢ１、ＨＬＡ－ＤＭＢ、ＣＩＩＴＡ、ＨＬＡ－ＤＰＡ１、ＨＬＡ－ＤＰＢ１、ＨＬＡ－ＤＲＡ、ＨＬＡ－ＤＱＢ１；共活性化分子群：ＣＤ８０、ＴＮＦＲＳＦ４、ＣＤ２７、ＣＤ８３、ＴＮＦＳＦ９、ＣＤ４０ＬＧ、ＣＤ７０、ＩＣＯＳ、ＣＤ８６、ＣＤ４０、ＴＮＦＳＦ４、ＩＣＯＳＬＧ、ＴＮＦＲＳＦ９、ＣＤ２８；エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；Ｔ細胞輸送群：ＣＸＣＬ９、ＣＣＬ３、ＣＸＣＲ３、ＣＸＣＬ１０、ＣＸＣＬ１１、ＣＣＬ５、ＣＣＬ４、ＣＸ３ＣＬ１、ＣＸ３ＣＲ１；ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；Ｍ１シグネチャ群：ＩＬ１Ｂ、ＩＬ１２Ｂ、ＮＯＳ２、ＳＯＣＳ３、ＩＲＦ５、ＩＬ２３Ａ、ＴＮＦ、ＩＬ１２Ａ、ＣＭＫＬＲ１；Ｔｈ１シグネチャ群：ＩＬ１２ＲＢ２、ＩＬ２、ＴＢＸ２１、ＩＦＮＧ、ＳＴＡＴ４、ＩＬ２１、ＣＤ４０ＬＧ；抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；Ｔ ｒｅｇ輸送群：ＣＣＬ２８、ＣＣＲ１０、ＣＣＲ４、ＣＣＲ８、ＣＣＬ１７、ＣＣＬ２２、ＣＣＬ１；好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；ＭＤＳＣ輸送群：ＣＣＬ１５、ＩＬ６Ｒ、ＣＳＦ２ＲＡ、ＣＳＦ２、ＣＸＣＬ８、ＣＸＣＬ１２、ＩＬ６、ＣＳＦ３、ＣＣＬ２６、ＣＸＣＲ４、ＣＸＣＲ２、ＣＳＦ３Ｒ、ＣＳＦ１、ＣＸＣＬ５、ＣＳＦ１Ｒ；マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；マクロファージＤＣ輸送群：ＣＣＬ７、ＣＣＬ２、ＸＣＲ１、ＸＣＬ１、ＣＳＦ１、ＣＣＲ２、ＣＣＬ８、ＣＳＦ１Ｒ；Ｔｈ２シグネチャ群：ＩＬ１３、ＣＣＲ４、ＩＬ１０、ＩＬ５、ＩＬ４；腫瘍促進サイトカイン群：ＭＩＦ、ＴＧＦＢ１、ＩＬ１０、ＴＧＦＢ３、ＩＬ６、ＴＧＦＢ２、ＩＬ２２；ＣＡＦ群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；マトリックス再形成群：ＭＭＰ１、ＰＬＯＤ２、ＭＭＰ２、ＭＭＰ１２、ＡＤＡＭＴＳ５、ＡＤＡＭＴＳ４、ＬＯＸ、ＭＭＰ９、ＭＭＰ１１、ＭＭＰ３、ＭＭＰ７、ＣＡ９；血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；環状ヌクレオチド代謝群：ＡＤＣＹ４、ＰＤＥ１１Ａ、ＰＤＥ６Ａ、ＰＤＥ９Ａ、ＰＤＥ６Ｃ、ＡＤＣＹ７、ＰＤＥ４Ａ、ＰＤＥ８Ａ、ＰＤＥ１Ｂ、ＰＤＥ１Ａ、ＧＵＣＹ２Ｃ、ＧＵＣＹ１Ａ３、ＡＤＣＹ９、ＡＤＣＹ２、ＰＤＥ６Ｂ、ＡＤＣＹ８、ＰＤＥ８Ｂ、ＧＵＣＹ２Ｆ、ＰＤＥ４Ｃ、ＰＤＥ３Ａ、ＧＵＣＹ１Ａ２、ＰＤＥ６Ｇ、ＰＤＥ１Ｃ、ＧＵＣＹ２Ｄ、ＡＤＣＹ１０、ＧＵＣＹ１Ｂ３、ＧＵＣＹ１Ｂ２、ＰＤＥ７Ｂ、ＰＤＥ５Ａ、ＰＤＥ６Ｄ、ＮＰＲ２、ＡＤＣＹ５、ＮＰＲ１、ＡＤＣＹ６、ＰＤＥ７Ａ、ＰＤＥ２Ａ、ＰＤＥ４Ｂ、ＰＤＥ１０Ａ、ＰＤＥ６Ｈ、ＰＤＥ４Ｄ、ＡＤＣＹ１、ＰＤＥ３Ｂ、ＡＤＣＹ３；解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；及び、脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２をはじめとする遺伝子群のうち少なくとも２つのそれぞれに対するそれぞれの遺伝子群スコアを判定するステップを含んでなる。
いくつかの実施形態では、遺伝子群スコアを判定するステップは、特定の遺伝子群について、特定の遺伝子群における少なくとも３つの遺伝子のＲＮＡ発現レベルを使用して、特定の群に対する遺伝子群スコアを判定し、ＥＣＭ関連群：ＡＤＡＭ８、ＡＤＡＭＴＳ４、Ｃ１ＱＬ３、ＣＳＴ７、ＣＴＳＷ、ＣＸＣＬ８、ＦＡＳＬＧ、ＬＴＢ、ＭＵＣ１、ＯＳＭ、Ｐ４ＨＡ２、ＳＣＵＢＥ１、ＳＥＭＡ４Ｂ、ＳＥＭＡ７Ａ、ＳＥＲＰＩＮＥ１、ＴＣＨＨ、ＴＧＦＡ、ＴＧＭ２、ＴＮＦＳＦ１１、ＴＮＦＳＦ９、ＷＮＴ１０Ｂ；ＴＬＳ腎臓群：ＺＮＦ６８３、ＰＯＵ２ＡＦ１、ＬＡＸ１、ＣＤ７９Ａ、ＣＸＣＬ９、ＸＣＬ２、ＪＣＨＡＩＮ、ＳＬＡＭＦ７、ＣＤ３８、ＳＬＡＭＦ１、ＴＮＦＲＳＦ１７、ＩＲＦ４、ＨＳＨ２Ｄ、ＰＬＡ２Ｇ２Ｄ、ＭＺＢ１；ＮＲＦ２シグネチャ群：ＴＲＩＭ１６Ｌ、ＵＧＤＨ、ＫＩＡＡ１５４９、ＰＡＮＸ２、ＦＥＣＨ、ＬＲＰ８、ＡＫＲ１Ｃ２、ＦＴＨ１、ＡＫＲ１Ｃ３、ＣＢＲ１、ＰＦＮ２、ＣＢＸ２、ＴＸＮ、ＣＹＰ４Ｆ１１、ＣＹＰ４Ｆ３、ＡＫＲ１Ｃ１、ＡＫＲ１Ｂ１５、Ｇ６ＰＤ、ＰＲＤＸ１、ＴＡＬＤＯ１、ＥＰＴ１、ＳＲＸＮ１、ＪＡＫＭＩＰ３、ＦＴＨＬ３、ＵＣＨＬ１、ＴＸＮＲＤ１、Ｃ１ｏｒｆ１３１、ＣＡＳＫＩＮ１、ＰＧＤ、ＧＰＸ２、ＯＳＧＩＮ１、ＫＩＡＡ０３１９、ＣＡＢＹＲ、ＡＩＦＭ２、ＴＲＩＭ１６、ＡＫＲ１Ｂ１０、ＧＣＬＣ、ＡＢＣＣ２、ＥＴＦＢ、ＩＤＨ１、ＭＡＦＧ、ＮＥＣＡＢ２、ＭＥ１、ＰＴＧＲ１、ＰＩＲ、ＧＳＲ、ＲＩＴ１、ＧＣＬＭ、ＡＬＤＨ３Ａ１、ＮＱＯ１、ＰＫＤ１Ｌ２、ＮＲＧ４、ＡＢＨＤ４、ＨＲＧ、ＳＬＣ７Ａ１１；及び、ｔＲＣＣシグネチャ群：ＦＳＴ、ＴＲＩＭ６３、ＳＬＣ１０Ａ２、ＡＮＴＸＲＬ、ＥＲＶＶ－２、ＳＮＸ２２、ＩＮＨＢＥ、ＳＶ２Ｂ、ＦＡＭ１２４Ａ、ＥＰＨＡ５、ＬＵＺＰ２、ＣＰＥＢ１、ＨＯＸＢ１３、ＡＬＬＣ、ＫＣＮＦ１、ＮＤＲＧ４、ＧＲＥＢ１、ＡＳＴＮ１、ＪＳＲＰ１、ＵＢＥ２Ｕ、ＫＣＮＱ４、ＭＹＯ７Ｂ、ＢＲＩＮＰ２、Ｃ１ＱＬ２、ＣＣＤＣ１３６、ＳＬＣ５１Ｂ、ＣＡＴＳＰＥＲＧ、ＰＭＥＬ、ＢＩＲＣ７、ＰＬＫ５、ＡＤＡＲＢ２、ＣＦＡＰ６１、ＴＵＢＢ４Ａ、ＰＬＩＮ４、ＡＢＣＢ５、ＳＹＴ３、ＨＣＮ４、ＣＴＳＫ、ＳＰＡＣＡ１、ＴＲＩＭ６７、ＮＭＲＫ２、ＬＧＩ３、ＡＲＨＧＥＦ４、ＮＴＳＲ２、ＫＥＬ、ＳＮＣＢ、ＰＬＤ５、ＡＤＧＲＢ１、ＣＹＰ１７Ａ１、ＩＧＦＢＰＬ１、ＴＲＩＭ７１、ＳＬＣ４５Ａ２、ＴＰ７３、ＩＰ６Ｋ３、ＨＡＢＰ２、ＲＧＳ２０、ＩＧＦＮ１、ＣＤＨ１７をはじめとする遺伝子群のうち少なくとも２つのそれぞれに対するそれぞれの遺伝子群スコアを判定するステップをさらに含んでなる。
いくつかの実施形態では、遺伝子群スコアを判定するステップは、各遺伝子群について、各遺伝子群における各遺伝子のＲＮＡ発現レベルを使用して、各特定の群の遺伝子群スコアを判定し、エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；がん関連線維芽細胞（ＣＡＦ）群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；及び脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２をはじめとする各遺伝子群に対するそれぞれの遺伝子群スコアを判定するステップを含んでなる。
いくつかの実施形態では、遺伝子群スコアを判定するステップは、各遺伝子群について、各遺伝子群における各遺伝子のＲＮＡ発現レベルを使用して、各特定の群の遺伝子群スコアを判定し、ＭＨＣ Ｉ群：ＨＬＡ－Ｃ、Ｂ２Ｍ、ＨＬＡ－Ｂ、ＨＬＡ－Ａ、ＴＡＰ１、ＴＡＰ２、ＮＬＲＣ５、ＴＡＰＢＰ；ＭＨＣ ＩＩ群：ＨＬＡ－ＤＱＡ１、ＨＬＡ－ＤＭＡ、ＨＬＡ－ＤＲＢ１、ＨＬＡ－ＤＭＢ、ＣＩＩＴＡ、ＨＬＡ－ＤＰＡ１、ＨＬＡ－ＤＰＢ１、ＨＬＡ－ＤＲＡ、ＨＬＡ－ＤＱＢ１；共活性化分子群：ＣＤ８０、ＴＮＦＲＳＦ４、ＣＤ２７、ＣＤ８３、ＴＮＦＳＦ９、ＣＤ４０ＬＧ、ＣＤ７０、ＩＣＯＳ、ＣＤ８６、ＣＤ４０、ＴＮＦＳＦ４、ＩＣＯＳＬＧ、ＴＮＦＲＳＦ９、ＣＤ２８；エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；Ｔ細胞輸送群：ＣＸＣＬ９、ＣＣＬ３、ＣＸＣＲ３、ＣＸＣＬ１０、ＣＸＣＬ１１、ＣＣＬ５、ＣＣＬ４、ＣＸ３ＣＬ１、ＣＸ３ＣＲ１；ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；Ｍ１シグネチャ群：ＩＬ１Ｂ、ＩＬ１２Ｂ、ＮＯＳ２、ＳＯＣＳ３、ＩＲＦ５、ＩＬ２３Ａ、ＴＮＦ、ＩＬ１２Ａ、ＣＭＫＬＲ１；Ｔｈ１シグネチャ群：ＩＬ１２ＲＢ２、ＩＬ２、ＴＢＸ２１、ＩＦＮＧ、ＳＴＡＴ４、ＩＬ２１、ＣＤ４０ＬＧ；抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；Ｔｒｅｇ輸送群：ＣＣＬ２８、ＣＣＲ１０、ＣＣＲ４、ＣＣＲ８、ＣＣＬ１７、ＣＣＬ２２、ＣＣＬ１；好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；ＭＤＳＣ輸送群：ＣＣＬ１５、ＩＬ６Ｒ、ＣＳＦ２ＲＡ、ＣＳＦ２、ＣＸＣＬ８、ＣＸＣＬ１２、ＩＬ６、ＣＳＦ３、ＣＣＬ２６、ＣＸＣＲ４、ＣＸＣＲ２、ＣＳＦ３Ｒ、ＣＳＦ１、ＣＸＣＬ５、ＣＳＦ１Ｒ；マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；マクロファージＤＣ輸送群：ＣＣＬ７、ＣＣＬ２、ＸＣＲ１、ＸＣＬ１、ＣＳＦ１、ＣＣＲ２、ＣＣＬ８、ＣＳＦ１Ｒ；Ｔｈ２シグネチャ群：ＩＬ１３、ＣＣＲ４、ＩＬ１０、ＩＬ５、ＩＬ４；腫瘍促進サイトカイン群：ＭＩＦ、ＴＧＦＢ１、ＩＬ１０、ＴＧＦＢ３、ＩＬ６、ＴＧＦＢ２、ＩＬ２２；ＣＡＦ群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；マトリックス再形成群：ＭＭＰ１、ＰＬＯＤ２、ＭＭＰ２、ＭＭＰ１２、ＡＤＡＭＴＳ５、ＡＤＡＭＴＳ４、ＬＯＸ、ＭＭＰ９、ＭＭＰ１１、ＭＭＰ３、ＭＭＰ７、ＣＡ９；血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；環状ヌクレオチド代謝群：ＡＤＣＹ４、ＰＤＥ１１Ａ、ＰＤＥ６Ａ、ＰＤＥ９Ａ、ＰＤＥ６Ｃ、ＡＤＣＹ７、ＰＤＥ４Ａ、ＰＤＥ８Ａ、ＰＤＥ１Ｂ、ＰＤＥ１Ａ、ＧＵＣＹ２Ｃ、ＧＵＣＹ１Ａ３、ＡＤＣＹ９、ＡＤＣＹ２、ＰＤＥ６Ｂ、ＡＤＣＹ８、ＰＤＥ８Ｂ、ＧＵＣＹ２Ｆ、ＰＤＥ４Ｃ、ＰＤＥ３Ａ、ＧＵＣＹ１Ａ２、ＰＤＥ６Ｇ、ＰＤＥ１Ｃ、ＧＵＣＹ２Ｄ、ＡＤＣＹ１０、ＧＵＣＹ１Ｂ３、ＧＵＣＹ１Ｂ２、ＰＤＥ７Ｂ、ＰＤＥ５Ａ、ＰＤＥ６Ｄ、ＮＰＲ２、ＡＤＣＹ５、ＮＰＲ１、ＡＤＣＹ６、ＰＤＥ７Ａ、ＰＤＥ２Ａ、ＰＤＥ４Ｂ、ＰＤＥ１０Ａ、ＰＤＥ６Ｈ、ＰＤＥ４Ｄ、ＡＤＣＹ１、ＰＤＥ３Ｂ、ＡＤＣＹ３；解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；及び、脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２をはじめとする各遺伝子群に対するそれぞれの遺伝子群スコアを判定するステップを含んでなる。
いくつかの実施形態では、遺伝子群スコアを判定するステップは、各遺伝子群について、各遺伝子群における各遺伝子のＲＮＡ発現レベルを使用して、各特定の群の遺伝子群スコアを判定し、ＥＣＭ関連群：ＡＤＡＭ８、ＡＤＡＭＴＳ４、Ｃ１ＱＬ３、ＣＳＴ７、ＣＴＳＷ、ＣＸＣＬ８、ＦＡＳＬＧ、ＬＴＢ、ＭＵＣ１、ＯＳＭ、Ｐ４ＨＡ２、ＳＣＵＢＥ１、ＳＥＭＡ４Ｂ、ＳＥＭＡ７Ａ、ＳＥＲＰＩＮＥ１、ＴＣＨＨ、ＴＧＦＡ、ＴＧＭ２、ＴＮＦＳＦ１１、ＴＮＦＳＦ９、ＷＮＴ１０Ｂ；ＴＬＳ腎臓群：ＺＮＦ６８３、ＰＯＵ２ＡＦ１、ＬＡＸ１、ＣＤ７９Ａ、ＣＸＣＬ９、ＸＣＬ２、ＪＣＨＡＩＮ、ＳＬＡＭＦ７、ＣＤ３８、ＳＬＡＭＦ１、ＴＮＦＲＳＦ１７、ＩＲＦ４、ＨＳＨ２Ｄ、ＰＬＡ２Ｇ２Ｄ、ＭＺＢ１；ＮＲＦ２シグネチャ群：ＴＲＩＭ１６Ｌ、ＵＧＤＨ、ＫＩＡＡ１５４９、ＰＡＮＸ２、ＦＥＣＨ、ＬＲＰ８、ＡＫＲ１Ｃ２、ＦＴＨ１、ＡＫＲ１Ｃ３、ＣＢＲ１、ＰＦＮ２、ＣＢＸ２、ＴＸＮ、ＣＹＰ４Ｆ１１、ＣＹＰ４Ｆ３、ＡＫＲ１Ｃ１、ＡＫＲ１Ｂ１５、Ｇ６ＰＤ、ＰＲＤＸ１、ＴＡＬＤＯ１、ＥＰＴ１、ＳＲＸＮ１、ＪＡＫＭＩＰ３、ＦＴＨＬ３、ＵＣＨＬ１、ＴＸＮＲＤ１、Ｃ１ｏｒｆ１３１、ＣＡＳＫＩＮ１、ＰＧＤ、ＧＰＸ２、ＯＳＧＩＮ１、ＫＩＡＡ０３１９、ＣＡＢＹＲ、ＡＩＦＭ２、ＴＲＩＭ１６、ＡＫＲ１Ｂ１０、ＧＣＬＣ、ＡＢＣＣ２、ＥＴＦＢ、ＩＤＨ１、ＭＡＦＧ、ＮＥＣＡＢ２、ＭＥ１、ＰＴＧＲ１、ＰＩＲ、ＧＳＲ、ＲＩＴ１、ＧＣＬＭ、ＡＬＤＨ３Ａ１、ＮＱＯ１、ＰＫＤ１Ｌ２、ＮＲＧ４、ＡＢＨＤ４、ＨＲＧ、ＳＬＣ７Ａ１１；及び、ｔＲＣＣシグネチャ群：ＦＳＴ、ＴＲＩＭ６３、ＳＬＣ１０Ａ２、ＡＮＴＸＲＬ、ＥＲＶＶ－２、ＳＮＸ２２、ＩＮＨＢＥ、ＳＶ２Ｂ、ＦＡＭ１２４Ａ、ＥＰＨＡ５、ＬＵＺＰ２、ＣＰＥＢ１、ＨＯＸＢ１３、ＡＬＬＣ、ＫＣＮＦ１、ＮＤＲＧ４、ＧＲＥＢ１、ＡＳＴＮ１、ＪＳＲＰ１、ＵＢＥ２Ｕ、ＫＣＮＱ４、ＭＹＯ７Ｂ、ＢＲＩＮＰ２、Ｃ１ＱＬ２、ＣＣＤＣ１３６、ＳＬＣ５１Ｂ、ＣＡＴＳＰＥＲＧ、ＰＭＥＬ、ＢＩＲＣ７、ＰＬＫ５、ＡＤＡＲＢ２、ＣＦＡＰ６１、ＴＵＢＢ４Ａ、ＰＬＩＮ４、ＡＢＣＢ５、ＳＹＴ３、ＨＣＮ４、ＣＴＳＫ、ＳＰＡＣＡ１、ＴＲＩＭ６７、ＮＭＲＫ２、ＬＧＩ３、ＡＲＨＧＥＦ４、ＮＴＳＲ２、ＫＥＬ、ＳＮＣＢ、ＰＬＤ５、ＡＤＧＲＢ１、ＣＹＰ１７Ａ１、ＩＧＦＢＰＬ１、ＴＲＩＭ７１、ＳＬＣ４５Ａ２、ＴＰ７３、ＩＰ６Ｋ３、ＨＡＢＰ２、ＲＧＳ２０、ＩＧＦＮ１、ＣＤＨ１７をはじめとする各遺伝子群に対するそれぞれの遺伝子群スコアを判定するステップをさらに含んでなる。
いくつかの実施形態では、遺伝子群スコアを判定するステップは、単一サンプルＧＳＥＡ（ｓｓＧＳＥＡ）技術を使用して、次の遺伝子群の１つにおける遺伝子の少なくともいくつかのＲＮＡ発現レベルから、第１の遺伝子群の第１のスコアを判定するステップを含んでなる：ＭＨＣ Ｉ群：ＨＬＡ－Ｃ、Ｂ２Ｍ、ＨＬＡ－Ｂ、ＨＬＡ－Ａ、ＴＡＰ１、ＴＡＰ２、ＮＬＲＣ５、ＴＡＰＢＰ；ＭＨＣ ＩＩ群：ＨＬＡ－ＤＱＡ１、ＨＬＡ－ＤＭＡ、ＨＬＡ－ＤＲＢ１、ＨＬＡ－ＤＭＢ、ＣＩＩＴＡ、ＨＬＡ－ＤＰＡ１、ＨＬＡ－ＤＰＢ１、ＨＬＡ－ＤＲＡ、ＨＬＡ－ＤＱＢ１；共活性化分子群：ＣＤ８０、ＴＮＦＲＳＦ４、ＣＤ２７、ＣＤ８３、ＴＮＦＳＦ９、ＣＤ４０ＬＧ、ＣＤ７０、ＩＣＯＳ、ＣＤ８６、ＣＤ４０、ＴＮＦＳＦ４、ＩＣＯＳＬＧ、ＴＮＦＲＳＦ９、ＣＤ２８；エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；Ｔ細胞輸送群：ＣＸＣＬ９、ＣＣＬ３、ＣＸＣＲ３、ＣＸＣＬ１０、ＣＸＣＬ１１、ＣＣＬ５、ＣＣＬ４、ＣＸ３ＣＬ１、ＣＸ３ＣＲ１；ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；Ｍ１シグネチャ群：ＩＬ１Ｂ、ＩＬ１２Ｂ、ＮＯＳ２、ＳＯＣＳ３、ＩＲＦ５、ＩＬ２３Ａ、ＴＮＦ、ＩＬ１２Ａ、ＣＭＫＬＲ１；Ｔｈ１シグネチャ群：ＩＬ１２ＲＢ２、ＩＬ２、ＴＢＸ２１、ＩＦＮＧ、ＳＴＡＴ４、ＩＬ２１、ＣＤ４０ＬＧ；抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；Ｔ ｒｅｇ輸送群：ＣＣＬ２８、ＣＣＲ１０、ＣＣＲ４、ＣＣＲ８、ＣＣＬ１７、ＣＣＬ２２、ＣＣＬ１；好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；ＭＤＳＣ輸送群：ＣＣＬ１５、ＩＬ６Ｒ、ＣＳＦ２ＲＡ、ＣＳＦ２、ＣＸＣＬ８、ＣＸＣＬ１２、ＩＬ６、ＣＳＦ３、ＣＣＬ２６、ＣＸＣＲ４、ＣＸＣＲ２、ＣＳＦ３Ｒ、ＣＳＦ１、ＣＸＣＬ５、ＣＳＦ１Ｒ；マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；マクロファージＤＣ輸送群：ＣＣＬ７、ＣＣＬ２、ＸＣＲ１、ＸＣＬ１、ＣＳＦ１、ＣＣＲ２、ＣＣＬ８、ＣＳＦ１Ｒ；Ｔｈ２シグネチャ群：ＩＬ１３、ＣＣＲ４、ＩＬ１０、ＩＬ５、ＩＬ４；腫瘍促進サイトカイン群：ＭＩＦ、ＴＧＦＢ１、ＩＬ１０、ＴＧＦＢ３、ＩＬ６、ＴＧＦＢ２、ＩＬ２２；ＣＡＦ群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；マトリックス再形成群：ＭＭＰ１、ＰＬＯＤ２、ＭＭＰ２、ＭＭＰ１２、ＡＤＡＭＴＳ５、ＡＤＡＭＴＳ４、ＬＯＸ、ＭＭＰ９、ＭＭＰ１１、ＭＭＰ３、ＭＭＰ７、ＣＡ９；血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；環状ヌクレオチド代謝群：ＡＤＣＹ４、ＰＤＥ１１Ａ、ＰＤＥ６Ａ、ＰＤＥ９Ａ、ＰＤＥ６Ｃ、ＡＤＣＹ７、ＰＤＥ４Ａ、ＰＤＥ８Ａ、ＰＤＥ１Ｂ、ＰＤＥ１Ａ、ＧＵＣＹ２Ｃ、ＧＵＣＹ１Ａ３、ＡＤＣＹ９、ＡＤＣＹ２、ＰＤＥ６Ｂ、ＡＤＣＹ８、ＰＤＥ８Ｂ、ＧＵＣＹ２Ｆ、ＰＤＥ４Ｃ、ＰＤＥ３Ａ、ＧＵＣＹ１Ａ２、ＰＤＥ６Ｇ、ＰＤＥ１Ｃ、ＧＵＣＹ２Ｄ、ＡＤＣＹ１０、ＧＵＣＹ１Ｂ３、ＧＵＣＹ１Ｂ２、ＰＤＥ７Ｂ、ＰＤＥ５Ａ、ＰＤＥ６Ｄ、ＮＰＲ２、ＡＤＣＹ５、ＮＰＲ１、ＡＤＣＹ６、ＰＤＥ７Ａ、ＰＤＥ２Ａ、ＰＤＥ４Ｂ、ＰＤＥ１０Ａ、ＰＤＥ６Ｈ、ＰＤＥ４Ｄ、ＡＤＣＹ１、ＰＤＥ３Ｂ、ＡＤＣＹ３；解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；及び、脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２。
いくつかの実施形態では、遺伝子群スコアを判定するステップは、単一サンプルＧＳＥＡ（ｓｓＧＳＥＡ）技術を使用して、以下の各遺伝子群における各遺伝子のＲＮＡ発現レベルから、遺伝子群スコアを判定するステップを含んでなる：ＭＨＣ Ｉ群：ＨＬＡ－Ｃ、Ｂ２Ｍ、ＨＬＡ－Ｂ、ＨＬＡ－Ａ、ＴＡＰ１、ＴＡＰ２、ＮＬＲＣ５、ＴＡＰＢＰ；ＭＨＣ ＩＩ群：ＨＬＡ－ＤＱＡ１、ＨＬＡ－ＤＭＡ、ＨＬＡ－ＤＲＢ１、ＨＬＡ－ＤＭＢ、ＣＩＩＴＡ、ＨＬＡ－ＤＰＡ１、ＨＬＡ－ＤＰＢ１、ＨＬＡ－ＤＲＡ、ＨＬＡ－ＤＱＢ１；共活性化分子群：ＣＤ８０、ＴＮＦＲＳＦ４、ＣＤ２７、ＣＤ８３、ＴＮＦＳＦ９、ＣＤ４０ＬＧ、ＣＤ７０、ＩＣＯＳ、ＣＤ８６、ＣＤ４０、ＴＮＦＳＦ４、ＩＣＯＳＬＧ、ＴＮＦＲＳＦ９、ＣＤ２８；エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；Ｔ細胞輸送群：ＣＸＣＬ９、ＣＣＬ３、ＣＸＣＲ３、ＣＸＣＬ１０、ＣＸＣＬ１１、ＣＣＬ５、ＣＣＬ４、ＣＸ３ＣＬ１、ＣＸ３ＣＲ１；ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；Ｍ１シグネチャ群：ＩＬ１Ｂ、ＩＬ１２Ｂ、ＮＯＳ２、ＳＯＣＳ３、ＩＲＦ５、ＩＬ２３Ａ、ＴＮＦ、ＩＬ１２Ａ、ＣＭＫＬＲ１；Ｔｈ１シグネチャ群：ＩＬ１２ＲＢ２、ＩＬ２、ＴＢＸ２１、ＩＦＮＧ、ＳＴＡＴ４、ＩＬ２１、ＣＤ４０ＬＧ；抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；Ｔ ｒｅｇ輸送群：ＣＣＬ２８、ＣＣＲ１０、ＣＣＲ４、ＣＣＲ８、ＣＣＬ１７、ＣＣＬ２２、ＣＣＬ１；好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；ＭＤＳＣ輸送群：ＣＣＬ１５、ＩＬ６Ｒ、ＣＳＦ２ＲＡ、ＣＳＦ２、ＣＸＣＬ８、ＣＸＣＬ１２、ＩＬ６、ＣＳＦ３、ＣＣＬ２６、ＣＸＣＲ４、ＣＸＣＲ２、ＣＳＦ３Ｒ、ＣＳＦ１、ＣＸＣＬ５、ＣＳＦ１Ｒ；マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；マクロファージＤＣ輸送群：ＣＣＬ７、ＣＣＬ２、ＸＣＲ１、ＸＣＬ１、ＣＳＦ１、ＣＣＲ２、ＣＣＬ８、ＣＳＦ１Ｒ；Ｔｈ２シグネチャ群：ＩＬ１３、ＣＣＲ４、ＩＬ１０、ＩＬ５、ＩＬ４；腫瘍促進サイトカイン群：ＭＩＦ、ＴＧＦＢ１、ＩＬ１０、ＴＧＦＢ３、ＩＬ６、ＴＧＦＢ２、ＩＬ２２；ＣＡＦ群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；マトリックス再形成群：ＭＭＰ１、ＰＬＯＤ２、ＭＭＰ２、ＭＭＰ１２、ＡＤＡＭＴＳ５、ＡＤＡＭＴＳ４、ＬＯＸ、ＭＭＰ９、ＭＭＰ１１、ＭＭＰ３、ＭＭＰ７、ＣＡ９；血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；環状ヌクレオチド代謝群：ＡＤＣＹ４、ＰＤＥ１１Ａ、ＰＤＥ６Ａ、ＰＤＥ９Ａ、ＰＤＥ６Ｃ、ＡＤＣＹ７、ＰＤＥ４Ａ、ＰＤＥ８Ａ、ＰＤＥ１Ｂ、ＰＤＥ１Ａ、ＧＵＣＹ２Ｃ、ＧＵＣＹ１Ａ３、ＡＤＣＹ９、ＡＤＣＹ２、ＰＤＥ６Ｂ、ＡＤＣＹ８、ＰＤＥ８Ｂ、ＧＵＣＹ２Ｆ、ＰＤＥ４Ｃ、ＰＤＥ３Ａ、ＧＵＣＹ１Ａ２、ＰＤＥ６Ｇ、ＰＤＥ１Ｃ、ＧＵＣＹ２Ｄ、ＡＤＣＹ１０、ＧＵＣＹ１Ｂ３、ＧＵＣＹ１Ｂ２、ＰＤＥ７Ｂ、ＰＤＥ５Ａ、ＰＤＥ６Ｄ、ＮＰＲ２、ＡＤＣＹ５、ＮＰＲ１、ＡＤＣＹ６、ＰＤＥ７Ａ、ＰＤＥ２Ａ、ＰＤＥ４Ｂ、ＰＤＥ１０Ａ、ＰＤＥ６Ｈ、ＰＤＥ４Ｄ、ＡＤＣＹ１、ＰＤＥ３Ｂ、ＡＤＣＹ３；解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；及び、脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２。
いくつかの実施形態では、遺伝子群スコアを判定するステップは、単一サンプルＧＳＥＡ（ｓｓＧＳＥＡ）技術を使用して、以下の各遺伝子群における各遺伝子のＲＮＡ発現レベルを使用して行われる：ＥＣＭ関連群：ＡＤＡＭ８、ＡＤＡＭＴＳ４、Ｃ１ＱＬ３、ＣＳＴ７、ＣＴＳＷ、ＣＸＣＬ８、ＦＡＳＬＧ、ＬＴＢ、ＭＵＣ１、ＯＳＭ、Ｐ４ＨＡ２、ＳＣＵＢＥ１、ＳＥＭＡ４Ｂ、ＳＥＭＡ７Ａ、ＳＥＲＰＩＮＥ１、ＴＣＨＨ、ＴＧＦＡ、ＴＧＭ２、ＴＮＦＳＦ１１、ＴＮＦＳＦ９、ＷＮＴ１０Ｂ；ＴＬＳ腎臓群：ＺＮＦ６８３、ＰＯＵ２ＡＦ１、ＬＡＸ１、ＣＤ７９Ａ、ＣＸＣＬ９、ＸＣＬ２、ＪＣＨＡＩＮ、ＳＬＡＭＦ７、ＣＤ３８、ＳＬＡＭＦ１、ＴＮＦＲＳＦ１７、ＩＲＦ４、ＨＳＨ２Ｄ、ＰＬＡ２Ｇ２Ｄ、ＭＺＢ１；ＮＲＦ２シグネチャ群：ＴＲＩＭ１６Ｌ、ＵＧＤＨ、ＫＩＡＡ１５４９、ＰＡＮＸ２、ＦＥＣＨ、ＬＲＰ８、ＡＫＲ１Ｃ２、ＦＴＨ１、ＡＫＲ１Ｃ３、ＣＢＲ１、ＰＦＮ２、ＣＢＸ２、ＴＸＮ、ＣＹＰ４Ｆ１１、ＣＹＰ４Ｆ３、ＡＫＲ１Ｃ１、ＡＫＲ１Ｂ１５、Ｇ６ＰＤ、ＰＲＤＸ１、ＴＡＬＤＯ１、ＥＰＴ１、ＳＲＸＮ１、ＪＡＫＭＩＰ３、ＦＴＨＬ３、ＵＣＨＬ１、ＴＸＮＲＤ１、Ｃ１ｏｒｆ１３１、ＣＡＳＫＩＮ１、ＰＧＤ、ＧＰＸ２、ＯＳＧＩＮ１、ＫＩＡＡ０３１９、ＣＡＢＹＲ、ＡＩＦＭ２、ＴＲＩＭ１６、ＡＫＲ１Ｂ１０、ＧＣＬＣ、ＡＢＣＣ２、ＥＴＦＢ、ＩＤＨ１、ＭＡＦＧ、ＮＥＣＡＢ２、ＭＥ１、ＰＴＧＲ１、ＰＩＲ、ＧＳＲ、ＲＩＴ１、ＧＣＬＭ、ＡＬＤＨ３Ａ１、ＮＱＯ１、ＰＫＤ１Ｌ２、ＮＲＧ４、ＡＢＨＤ４、ＨＲＧ、ＳＬＣ７Ａ１１；及び、ｔＲＣＣシグネチャ群：ＦＳＴ、ＴＲＩＭ６３、ＳＬＣ１０Ａ２、ＡＮＴＸＲＬ、ＥＲＶＶ－２、ＳＮＸ２２、ＩＮＨＢＥ、ＳＶ２Ｂ、ＦＡＭ１２４Ａ、ＥＰＨＡ５、ＬＵＺＰ２、ＣＰＥＢ１、ＨＯＸＢ１３、ＡＬＬＣ、ＫＣＮＦ１、ＮＤＲＧ４、ＧＲＥＢ１、ＡＳＴＮ１、ＪＳＲＰ１、ＵＢＥ２Ｕ、ＫＣＮＱ４、ＭＹＯ７Ｂ、ＢＲＩＮＰ２、Ｃ１ＱＬ２、ＣＣＤＣ１３６、ＳＬＣ５１Ｂ、ＣＡＴＳＰＥＲＧ、ＰＭＥＬ、ＢＩＲＣ７、ＰＬＫ５、ＡＤＡＲＢ２、ＣＦＡＰ６１、ＴＵＢＢ４Ａ、ＰＬＩＮ４、ＡＢＣＢ５、ＳＹＴ３、ＨＣＮ４、ＣＴＳＫ、ＳＰＡＣＡ１、ＴＲＩＭ６７、ＮＭＲＫ２、ＬＧＩ３、ＡＲＨＧＥＦ４、ＮＴＳＲ２、ＫＥＬ、ＳＮＣＢ、ＰＬＤ５、ＡＤＧＲＢ１、ＣＹＰ１７Ａ１、ＩＧＦＢＰＬ１、ＴＲＩＭ７１、ＳＬＣ４５Ａ２、ＴＰ７３、ＩＰ６Ｋ３、ＨＡＢＰ２、ＲＧＳ２０、ＩＧＦＮ１、ＣＤＨ１７。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャを生成するステップは、遺伝子群スコアを正規化するステップをさらに含んでなる。いくつかの実施形態では、正規化するステップは、中央値スケーリングを遺伝子群スコアに適用するステップを含んでなる。
いくつかの実施形態では、複数のＲＣ ＴＭＥタイプは、それぞれの複数のＲＣ ＴＭＥシグネチャクラスタに関連付けられ、ここで、ＲＣ ＴＭＥシグネチャを使用して複数のＲＣ ＴＭＥタイプの中から対象のＲＣ ＴＭＥタイプを同定するステップは、対象のＲＣ ＴＭＥシグネチャを複数のＲＣ ＴＭＥシグネチャクラスタの特定の１つに関連付けるステップと；対象のＲＣ ＴＭＥタイプを、対象のＲＣ ＴＭＥシグネチャが関連付けられている複数のＲＣ ＴＭＥシグネチャクラスタの特定の１つに対応するＲＣ ＴＭＥタイプとして同定するステップとを含んでなる。
いくつかの実施形態では、本明細書に記載される方法は、複数のＲＣ ＴＭＥシグネチャクラスタを生成するステップと；ＲＮＡ発現データの複数のセットから複数のＲＣ ＴＭＥシグネチャを生成するステップと；複数のＲＣシグネチャをクラスタリングして、複数のＲＣ ＴＭＥシグネチャクラスタを取得するステップとをさらに含んでなり、生成するステップは、複数のそれぞれの対象からの生物学的サンプルを配列決定することによって、ＲＮＡ発現データの複数のセットを取得するステップを含んでなり、ＲＮＡ発現データの複数のセットのそれぞれは、表１に列挙された複数の遺伝子群の少なくともいくつかの遺伝子のＲＮＡ発現レベルを示し、複数のＲＣ ＴＭＥシグネチャのそれぞれは、複数の遺伝子群におけるそれぞれの遺伝子群に対する遺伝子群発現スコアを含んでなり、生成するステップは、複数のＲＣ ＴＭＥシグネチャの特定の１つ毎に、それに対して特定の１つのＲＣ ＴＭＥシグネチャが生成されているＲＮＡ発現データの特定のセットにおけるＲＮＡ発現レベルを使用して、遺伝子群発現スコアを判定することによってＲＣ ＴＭＥシグネチャを判定するステップを含んでなる。
いくつかの実施形態では、クラスタリングは、密集クラスタリング、スペクトルクラスタリング、ｋ平均クラスタリング、階層クラスタリング、及び／又は凝集クラスタリングを含んでなる。
いくつかの実施形態では、方法は、対象のＲＣ ＴＭＥシグネチャを使用して、複数のＲＣ ＴＭＥシグネチャクラスタを更新するステップをさらに含んでなり、ここで、対象のＲＣ ＴＭＥシグネチャは、閾値数の対象に対する閾値数のＲＣ ＴＭＥシグネチャの１つであり、ここで、ＲＣ ＴＭＥシグネチャの閾値数が生成されると、ＲＣ ＴＭＥシグネチャクラスタが更新され、ここで、ＲＣ ＴＭＥシグネチャの閾値数は、少なくとも５０、少なくとも７５、少なくとも１００、少なくとも２００、少なくとも５００、少なくとも１０００、又は少なくとも５０００のＲＣ ＴＭＥシグネチャである。
いくつかの実施形態では、更新するステップは、密集クラスタリングアルゴリズム、スペクトルクラスタリングアルゴリズム、ｋ平均クラスタリングアルゴリズム、階層クラスタリングアルゴリズム、及び凝集クラスタリングアルゴリズムからなる群から選択されるクラスタリングアルゴリズムを用いて実行される。
いくつかの実施形態では、方法は、第２の対象のＲＣ ＴＭＥタイプを判定するステップと；第２の対象のＲＣ ＴＭＥシグネチャを複数の更新されたＲＣ ＴＭＥシグネチャクラスタの特定の１つに関連付けるステップと；第２の対象のＲＣ ＴＭＥタイプを、第２の対象のＲＣ ＴＭＥシグネチャが関連付けられている複数の更新されたＲＣ ＴＭＥシグネチャクラスタの特定の１つに対応するＲＣ ＴＭＥタイプとして同定するステップとをさらに含んでなり、ここで第２の対象のＲＣ ＴＭＥタイプは、更新されたＲＣ ＴＭＥシグネチャクラスタを使用して同定され、ここで、同定するステップは、第２の対象から得られた生物学的サンプルを配列決定することによって取得されたＲＮＡ発現データから、第２の対象のＲＣ ＴＭＥシグネチャを判定するステップを含んでなる。
いくつかの実施形態では、複数のＲＣ ＴＭＥタイプは、ＲＣ ＴＭＥタイプＡ、ＲＣ ＴＭＥタイプＢ、ＲＣ ＴＭＥタイプＣ、ＲＣ ＴＭＥタイプＤ、及びＲＣ ＴＭＥタイプＥを含んでなる。
いくつかの実施形態では、方法は、対象のＲＣ ＴＭＥタイプを使用して、対象に投与するための少なくとも１つの治療薬を同定するステップをさらに含んでなる。いくつかの実施形態では、少なくとも１つの治療薬は、免疫腫瘍学（ＩＯ）剤を含んでなる。いくつかの実施形態では、少なくとも１つの治療薬は、チロシンキナーゼ阻害剤（ＴＫＩ）を含んでなる。
いくつかの実施形態では、対象のＲＣ ＴＭＥタイプに基づいて少なくとも１つの治療薬を同定するステップは、対象がＲＣ ＴＭＥタイプＥを有すると同定された場合、少なくとも１つの治療薬としてＴＫＩを同定するステップを含んでなる。
いくつかの実施形態では、対象のＲＣ ＴＭＥタイプに基づいて少なくとも１つの治療薬を同定するステップは、対象がＲＣ ＴＭＥタイプＡ又はＲＣ ＴＭＥタイプＢを有すると同定された場合、少なくとも１つの治療薬としてＴＫＩとＩＯ剤の組み合わせを同定するステップを含んでなる。
いくつかの実施形態では、方法は、少なくとも１つの同定された治療薬を対象に投与するステップをさらに含んでなる。
いくつかの実施形態では、方法は、ＲＣ筋形成シグネチャを生成する前に、ＲＮＡ発現データを１００万当たりの転写物（ＴＰＭ）単位に正規化するステップを含んでなる。
いくつかの実施形態では、ＲＮＡ発現レベルは、ＣＡＳＱ１、ＴＮＮＩ１、ＭＢ、ＭＹＬＰＦ、ＭＹＨ７、ＣＫＭ、ＭＹＬ２、ＭＹＬ１、ＣＳＲＰ３、ＡＣＴＡ１、ＭＹＯＺ１、ＴＮＮＴ３、ＴＮＮＣ２、及びＴＮＮＣ１の遺伝子のうち少なくとも３つのＲＮＡ発現レベルを含んでなる。
いくつかの実施形態では、ＲＮＡ発現レベルは、ＣＡＳＱ１、ＴＮＮＩ１、ＭＢ、ＭＹＬＰＦ、ＭＹＨ７、ＣＫＭ、ＭＹＬ２、ＭＹＬ１、ＣＳＲＰ３、ＡＣＴＡ１、ＭＹＯＺ１、ＴＮＮＴ３、ＴＮＮＣ２、及びＴＮＮＣ１の遺伝子のそれぞれのＲＮＡ発現レベルを含んでなる。
いくつかの実施形態では、ＲＣ筋形成シグネチャは、ＣＡＳＱ１、ＴＮＮＩ１、ＭＢ、ＭＹＬＰＦ、ＭＹＨ７、ＣＫＭ、ＭＹＬ２、ＭＹＬ１、ＣＳＲＰ３、ＡＣＴＡ１、ＭＹＯＺ１、ＴＮＮＴ３、ＴＮＮＣ２、及びＴＮＮＣ１の遺伝子のそれぞれのＲＮＡ発現レベルから、単一サンプルＧＳＥＡ（ｓｓＧＳＥＡ）技術を使用して判定される。
いくつかの実施形態では、本開示によって記載される方法は、ＲＣ筋形成シグネチャの値が指定された閾値よりも大きいかどうかを判定するステップをさらに含んでなる。いくつかの実施形態では、指定された閾値は４である。
いくつかの実施形態では、ＲＣ筋形成シグネチャの値が指定された値を超える場合、方法は、対象を免疫腫瘍学（ＩＯ）剤に対する非応答者と同定するステップをさらに含んでなる。
いくつかの実施形態では、方法は、対象に対する１つ又は複数の非ＩＯ剤を同定することをさらに含んでなる。いくつかの実施形態では、１つ又は複数の非免疫療法剤はＴＫＩを含んでなる。いくつかの実施形態では、方法は、同定された１つ又は複数の非ＩＯ剤を対象に投与するステップをさらに含んでなる。
いくつかの実施形態では、入力特徴のセットを生成するステップは、本明細書に記載されるＲＮＡ発現データを使用して対象のＲＣ ＴＭＥタイプを判定するステップを含んでなる。
いくつかの実施形態では、入力特徴のセットを生成するステップは、ＰＤ１、ＰＤ－Ｌ１、及びＰＤ－Ｌ２遺伝子の１つ又は複数のＲＮＡ発現レベルを決定するステップを含んでなる。
いくつかの実施形態では、入力特徴のセットを生成するステップは、表１に列挙された「ＥＣＭ関連シグネチャ」遺伝子のうち少なくとも３つのＲＮＡ発現データに対してｓｓＧＳＥＡを実行することによって、ＲＮＡ発現データを使用して対象のＥＣＭ関連シグネチャを判定するステップを含んでなる。いくつかの実施形態では、ＥＣＭ関連シグネチャを判定するステップは、表１に列挙された「ＥＣＭ関連シグネチャ」遺伝子のうち少なくとも４、５、６、７、８、９、又は１０個のＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる。いくつかの実施形態では、ＥＣＭ関連シグネチャを判定するステップは、表１に列挙された「ＥＣＭ関連シグネチャ」遺伝子のそれぞれのＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる。
いくつかの実施形態では、入力特徴のセットを生成するステップは、表１に列挙された「血管新生」遺伝子のうち少なくとも３つのＲＮＡ発現データに対してｓｓＧＳＥＡを実行することによって、ＲＮＡ発現データを使用して対象の血管新生シグネチャを判定するステップを含んでなる。いくつかの実施形態では、血管新生シグネチャを判定するステップは、表１に列挙された「血管新生」遺伝子のうち少なくとも４、５、６、７、８、９、又は１０個のＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる。いくつかの実施形態では、血管新生シグネチャを判定するステップは、表１に列挙された「血管新生」遺伝子のそれぞれのＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる。
いくつかの実施形態では、入力特徴のセットを生成するステップは、表１に列挙された「増殖速度」遺伝子のうち少なくとも３つのＲＮＡ発現データに対してｓｓＧＳＥＡを実行することによって、ＲＮＡ発現データを使用して対象の増殖速度シグネチャを判定するステップを含んでなる。いくつかの実施形態では、増殖速度シグネチャを判定するステップは、表１に列挙された「増殖速度」遺伝子のうち少なくとも４、５、６、７、８、９、又は１０個のＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる。いくつかの実施形態では、増殖速度シグネチャを判定するステップは、表１に列挙された「増殖速度」遺伝子のそれぞれのＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる。
いくつかの実施形態では、入力特徴のセットを生成するステップは、対象のＲＣ ＴＭＥシグネチャの遺伝子群スコアと、ＲＣ ＴＭＥタイプＢサンプルからの複数のＲＣ ＴＭＥシグネチャの遺伝子群スコアの平均及び／又はＲＣ ＴＭＥタイプＣサンプルからの複数のＲＣ ＴＭＥシグネチャの遺伝子群スコアの平均とを比較することによって、類似性スコアを判定するステップを含んでなる。
いくつかの実施形態では、類似性スコアを判定するステップは、対象のＲＣ ＴＭＥシグネチャのそれぞれの複数の遺伝子群に対する遺伝子群スコアと、その他のＲＣタイプＢ及び／又はＲＣタイプＣサンプルの複数の遺伝子群に対する平均化された遺伝子群スコアとの間のスピアマン相関係数を計算するステップを含んでなる。
いくつかの実施形態では、方法は、応答者スコアが０．０５以下である場合に対象を「ＩＯ低」、応答者スコアが０．０５以上０．５未満である場合に対象を「ＩＯ中」、又は（ｉｉｉ）対象スコアが０．５以上である場合に対象を「ＩＯ高」と同定するステップをさらに含んでなる。
いくつかの実施形態では、指定された閾値は０．５である。
いくつかの実施形態では、本明細書に記載される方法は、対象の応答者スコアが指定された閾値を超える場合、又は対象が「ＩＯ高」であると同定された場合、対象に投与するためのＩＯ剤を同定するステップをさらに含んでなる。
いくつかの実施形態では、方法は、対象の応答者スコアが指定された閾値を超える場合、又は対象が「ＩＯ高」であると同定された場合、対象にＩＯ剤を投与するステップをさらに含んでなる。いくつかの実施形態では、ＩＯ剤は、ＰＤ１阻害剤、ＰＤ－Ｌ１阻害剤、ＰＤ－Ｌ２阻害剤、又はＣＴＬＡ－４阻害剤を含んでなる。
いくつかの実施形態では、ＲＮＡ発現データは、ＰＤ１及びＰＤＬ１のスケーリングされた発現レベルの平均を含んでなる。
いくつかの実施形態では、本開示によって記載される方法は、対象が倍数性＞４；対象のＲＣ筋形成シグネチャの値が４を超える；１つ又は複数のｍＴＯＲ活性化変異；及び／又は抗原提示に関連する遺伝子における１つ又は複数の変異のバイオマーカーの１つ又は複数を含んでなるかどうかを判定するステップをさらに含んでなる。いくつかの実施形態では、判定するステップは、入力特徴が機械学習モデルに入力される前に行われる。
いくつかの実施形態では、本開示によって記載される方法は、対象が１つ又は複数のバイオマーカーを含んでなる場合、対象を応答者スコアが０であると同定するステップをさらに含んでなる。
いくつかの実施形態では、入力特徴のセットを生成するステップは、本明細書に記載されるＲＮＡ発現データを使用して対象のＲＣ ＴＭＥタイプを判定するステップを含んでなる。
いくつかの実施形態では、入力特徴のセットを生成するステップは、表１に列挙された「マクロファージ」遺伝子のうち少なくとも３つのＲＮＡ発現データに対してｓｓＧＳＥＡを実行することによって、ＲＮＡ発現データを使用して対象のマクロファージシグネチャを判定するステップを含んでなる。いくつかの実施形態では、マクロファージシグネチャを判定するステップは、表１に列挙された「マクロファージ」遺伝子のうち少なくとも４、５、６、７、８、９、又は１０個のＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる。いくつかの実施形態では、マクロファージシグネチャを判定するステップは、表１に列挙された「マクロファージ」遺伝子のそれぞれのＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる。
いくつかの実施形態では、入力特徴（ｔｈｅ ａ ｏｆ）を生成するステップは、表１に列挙された「血管新生」遺伝子のうち少なくとも３つのＲＮＡ発現データに対してｓｓＧＳＥＡを実行することによって、ＲＮＡ発現データを使用して対象の血管新生シグネチャを判定するステップを含んでなる。いくつかの実施形態では、血管新生シグネチャを判定するステップは、表１に列挙された「血管新生」遺伝子のうち少なくとも４、５、６、７、８、９、又は１０個のＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる。いくつかの実施形態では、血管新生シグネチャを判定するステップは、表１に列挙された「血管新生」遺伝子のそれぞれのＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる。
いくつかの実施形態では、入力特徴のセットを生成するステップは、表１に列挙された「増殖速度」遺伝子のうち少なくとも３つのＲＮＡ発現データに対してｓｓＧＳＥＡを実行することによって、ＲＮＡ発現データを使用して対象の増殖速度シグネチャを判定するステップを含んでなる。いくつかの実施形態では、増殖速度シグネチャを判定するステップは、表１に列挙された「増殖速度」遺伝子のうち少なくとも４、５、６、７、８、９、又は１０個のＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる。いくつかの実施形態では、増殖速度シグネチャを判定するステップは、表１に列挙された「増殖速度」遺伝子のそれぞれのＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる。
いくつかの実施形態では、入力特徴のセットを生成するステップは、対象のＲＣ ＴＭＥシグネチャの遺伝子群スコアと、ＲＣ ＴＭＥタイプＢサンプルからの複数のＲＣ ＴＭＥシグネチャの遺伝子群スコアの平均とを比較することによって、類似性スコアを判定するステップを含んでなる。いくつかの実施形態では、類似性スコアを判定するステップは、対象のＲＣ ＴＭＥシグネチャのそれぞれの複数の遺伝子群に対する遺伝子群スコアと、その他のＲＣタイプＢ及び／又はＲＣタイプＣサンプルの複数の遺伝子群に対する平均化された遺伝子群スコアとの間のスピアマン相関係数を計算するステップを含んでなる。
いくつかの実施形態では、本開示によって記載される方法は、応答者スコアが０．７５以下である場合に対象を「ＴＫＩ低」、応答者スコアが０．７５以上０．９５未満である場合に対象を「ＴＫＩ中」、又は応答者スコアが０．９５以上である場合に対象を「ＴＫＩ高」と同定するステップをさらに含んでなる。
いくつかの実施形態では、指定された閾値は０．９５である。
いくつかの実施形態では、本開示によって記載される方法は、対象の応答者スコアが指定された閾値を超える場合、又は対象が「ＴＫＩ中」又は「ＴＫＩ高」と同定された場合、対象に投与するためのＴＫＩを同定するステップをさらに含んでなる。
いくつかの実施形態では、本開示によって記載される方法は、対象の応答者スコアが指定された閾値を超える場合、又は対象が「ＴＫＩ中」又は「ＴＫＩ高」と同定された場合、対象にＴＫＩを投与するステップをさらに含んでなる。
いくつかの実施形態では、ＴＫＩは小分子又は抗体を含んでなる。いくつかの実施形態では、抗体はモノクローナル抗体である。
いくつかの実施形態では、腎臓がんは明細胞腎臓がん（ｃｃＲＣＣ）である。
いくつかの実施形態では、ＴＫＩ応答者スコアを使用して対象が「ＴＫＩ低」であると同定された場合、本明細書に記載される方法は、１つ又は複数の治療薬が、ＩＯ応答者スコアを使用して対象が「ＩＯ低」と同定された場合は、ＴＫＩ；ＩＯ応答者スコアを使用して対象が「ＩＯ低」と同定された場合は、ＴＫＩとＩＯ剤の組み合わせ；又はＩＯ応答者スコアを使用して対象が「ＩＯ中」又は「ＩＯ高」と同定された場合は、ＴＫＩとＩＯ剤の組み合わせであると同定するステップをさらに含んでなる。
いくつかの実施形態では、ＴＫＩ応答者スコアを使用して対象が「ＴＫＩ中」と同定された場合、本開示によって記載される方法は、１つ又は複数の治療薬が、ＩＯ応答者スコアを使用して対象が「ＩＯ高」と同定された場合は、ＴＫＩとＩＯ剤の組み合わせであると同定するステップをさらに含んでなる。
いくつかの実施形態では、ＴＫＩ応答者スコアを使用して対象が「ＴＫＩ高」と同定された場合、本開示によって記載される方法は、１つ又は複数の治療薬が、ＩＯ応答者スコアを使用して対象が「ＩＯ低」又は「ＩＯ中」と同定された場合は、ＴＫＩ；又はＩＯ応答者スコアを使用して対象が「ＩＯ高」と同定された場合は、ＴＫＩとＩＯ剤の組み合わせであると同定するステップをさらに含んでなる。
いくつかの実施形態では、本開示によって記載される方法は、同定された１つ又は複数の治療薬を対象に投与するステップをさらに含んでなる。
いくつかの実施形態では、本開示によって記載される方法は、同定された１つ又は複数の治療薬を対象に投与するよう推奨を提供するステップをさらに含んでなる。
本明細書に記載される技術のいくつかの実施形態による、腎臓がんを有する、腎臓がんを有する疑いがある、又は腎臓がんを有するリスクがある対象について、腎臓がん（ＲＣ）腫瘍微小環境（ＴＭＥ）タイプを判定するための例示的なプロセスのフローチャートを示すダイアグラムである。 本明細書に記載される技術のいくつかの実施形態による、配列決定データを処理してＲＮＡ発現データを取得するための例示的なプロセスのフローチャートを示すダイアグラムである。 本明細書に記載される技術のいくつかの実施形態による、遺伝子群スコアを判定するための例示的な技術を示すダイアグラムである。 本明細書に記載される技術のいくつかの実施形態による、ＲＣ ＴＭＥシグネチャを使用してＲＣ ＴＭＥタイプを同定するための例示的な技術を示すダイアグラムである。 本明細書に記載される技術のいくつかの実施形態による、３３の遺伝子群スコアを含んでなるＲＣ ＴＭＥシグネチャを使用して５つの異なるＲＣ ＴＭＥタイプ（Ａ、Ｂ、Ｃ、Ｄ、Ｅ）に分類された、明細胞腎がん（ｃｃＲＣＣ）サンプルの例示的ヒートマップを提供する。 本明細書に記載される技術のいくつかの実施形態による、ＩＯ＋ＴＫＩ（アテゾリズマブ＋ベバシズマブ）コホートにおけるＲＣＴ ＩＥ／Ｆ（ＲＣ ＴＭＥタイプＡとも称される）及びＩＥ（ＲＣ ＴＭＥタイプＢ）と、優れた臨床的奏効（５０％超の奏効率）との関連を示す代表的なデータを提供する。線維化遺伝子濃縮を特徴とするＲＣ ＴＭＥタイプＣは、ＩＯを含有するレジメンに対する応答が悪かった（４５～６７％）；一方、砂漠サブタイプであるＲＣ ＴＭＥタイプＤは、４つのレジメン全てに中間的な応答を示した。逆に、血管新生の亢進と免疫細胞浸潤の欠如を特徴とするＲＣ ＴＭＥタイプＥを有する対象は、単剤ＴＫＩに対して有意に良好な応答を示した（スニチニブの奏功率は約８０％）。 本明細書に記載される技術のいくつかの実施形態による、ＩＯ治療に対する対象の応答の可能性を評価するための機械学習モデルの例示的なプロセスのフローチャートを示す略図である。 本明細書に記載される技術のいくつかの実施形態による、ＩＯ治療に対する対象の応答の可能性を評価するための機械学習モデルのトレーニング及び検証の一例を提供する。 本明細書に記載される技術のいくつかの実施形態による、ＴＫＩ治療に対する対象の応答の可能性を評価するための機械学習モデルの例示的なプロセスのフローチャートを示す略図である。 本明細書に記載される技術のいくつかの実施形態による、ＴＫＩ治療に対する対象の応答の可能性を評価するための機械学習モデルのトレーニング及び検証の一例を提供する。 本明細書に記載される技術のいくつかの実施形態による、ＩＯ療法又はＴＫＩ療法に対する対象の応答の可能性を評価するための機械学習モデルの代表的なデータを提供する。図１１Ａは、ＩＯ応答者スコアが、様々なデータセット全体にわたり一貫しているのに対し、その他のバイオマーカーやシグネチャが一貫していないことを示唆するデータを示す。 本明細書に記載される技術のいくつかの実施形態による、ＩＯ療法又はＴＫＩ療法に対する対象の応答の可能性を評価するための機械学習モデルの代表的なデータを提供する。図１１Ｂは、ＴＫＩ応答者スコアが、様々なデータセット全体にわたり一貫しているのに対し、その他のバイオマーカーやシグネチャが一貫していないことを示唆するデータを示す。 本明細書に記載される技術のいくつかの実施形態による、ＩＯ療法又はＴＫＩ療法に対する対象の応答の可能性を評価するための機械学習モデルの代表的なデータを提供する。図１１Ｃは、ＴＫＩ応答者スコアが、データセット全体にわたり強い相関を示すことを示唆する代表的なデータを示す。 本明細書に記載される技術のいくつかの実施形態による、ＩＯ療法又はＴＫＩ療法に対する対象の応答の可能性を評価するための機械学習モデルの代表的なデータを提供する。図１１Ｄは、組み合わされたＩＯ／ＴＫＩ応答者スコアが、データセット全体にわたる強い関連性を示すことを示唆する代表的なデータを示す。 本明細書に記載される技術のいくつかの実施形態による、ＩＯ療法又はＴＫＩ療法に対する対象の応答の可能性を評価するための機械学習モデルの代表的なデータを提供する。図１１Ｅは、ＩＯ及びＴＫＩ応答者スコアが、無増悪生存期間中央値（ｍＰＦＳ）及び全奏効率（ｏＲＲ）の予測を改善することを示唆する代表的なデータを示す。 本明細書に記載される技術のいくつかの実施形態による、筋形成シグネチャに関する代表的なデータを提供する。図は、１４遺伝子のｓｓＧＳＥＡ解析と中央値スケーリングに基づく、明細胞腎臓がん（ｃｃＲＣＣ）サンプルの筋形成シグネチャの生成を示す代表的なヒートマップと（左）、シグネチャの１４遺伝子が主に筋芽細胞又は筋肉細胞内で発現していることを示すデータとを提供する。 高い筋形成シグネチャを有するサンプルの代表的なデータを提供する。図１３Ａは、筋形成シグネチャに対してプロットされた、ＲＥＣＩＳＴ特性評価（完全奏効（ＣＲ）、部分奏効（ＰＲ）、安定した疾患（ＳＤ）、及び進行性疾患（ＰＤ））を示す代表的なデータを示す。 高い筋形成シグネチャを有するサンプルの代表的なデータを提供する。図１３Ｂは、本明細書に記載される技術のいくつかの実施形態に従って、高い筋形成シグネチャを有するサンプルが、骨転移（ＭＢＯ）患者から得られたという代表的なデータを示す。 腎臓がんを有する対象に投与するための１つ又は複数の治療薬を選択するための例示的なプロセスのフローチャートを示す略図である。最初に、国際転移性ＲＣＣデータベースコンソーシアム（ＩＭＤＣ）リスクスコアが対象に対して生成される。対象が不良なＩＭＤＣリスクスコアを有すると判定された場合、対象は免疫腫瘍学剤とＴＫＩとを組み合わせて投与されるべきであると判定される。対象のＩＭＤＣリスクスコアが良好又は中程度であると同定された場合、ＩＯ応答者スコアとＴＫＩ応答者スコアが生成される。応答者スコアが生成された後、ＩＯ及びＴＫＩ応答者スコアを使用して、対象に対して１つ又は複数の治療薬が選択される。 本明細書に記載される技術のいくつかの実施形態に関連して使用されてもよい、コンピュータシステムの例示的な実装を示す。
本開示の態様は、明細胞腎臓がん（ｃｃＲＣＣ）などの特定の腎（腎臓）がん（ＲＣ）を有する対象を特徴付けるための方法に関する。明細胞腎細胞がん（ｃｃＲＣＣ）は、最も一般的な腎臓がんの一つであり、遺伝的腫瘍内異質性（ＩＴＨ）が顕著であることが知られている。ＩＴＨは、腫瘍の進展、転移、及び様々な治療に対する臨床的奏功の根底にあることが判明している。研究では、進展のパターン、ＩＴＨの根底にある変異プロファイル、クローン構造、患者間の腫瘍の違いを明らかにするための、全エクソーム配列決定の利用に焦点が当てられている。多領域ＤＮＡ配列決定により、ｄｅｌ（３ｐ）及びａｍｐｌ（５ｑ）は、ｃｃＲＣＣの４３％で観察される２つの共通の異常であり、腎細胞悪性化の最初の遺伝的事象であることが明らかになった。さらなるＤＮＡ塩基配列解析は、ＲＣ腫瘍が３つの予後サブタイプに分類され得ることを示唆する。現在、免疫療法はＲＣ患者の臨床転帰を劇的に改善しており、イピリムマブとニボルマブの組み合わせはフロントラインの転移性ｃｃＲＣＣに対してＦＤＡの承認を受けている。しかし、免疫療法に対する患者の応答には顕著な違いが認められ、それは遺伝的異質性だけでは説明され得ない。したがって、本発明者らは、より広範に定義されたがんバイオマーカー及び／又はＩＴＨではなく、腫瘍微小環境と悪性細胞の双方の根底にある生物学的性質に特に基づいて、ＲＣタイプの分子特性評価のための方法を開発する必要があることを認識した。
本開示の態様は、対象の遺伝子発現シグネチャ（本明細書では「ＲＣ ＴＭＥシグネチャ」又は「ＲＣ ＴＭＥシグネチャ」と称される）を生成し、このシグネチャを使用して対象が有しても良い特定のＲＣ ＴＭＥタイプを同定するために、腎がん（ＲＣ）を有する、ＲＣを有する疑いがある、又はＲＣを発症するリスクがある対象から得られた生物学的サンプルから取得された発現データ（例えば、ＲＮＡ発現データ）を解析するための統計的手法に関する。いくつかの実施形態では、ＲＣはｃｃＲＣＣである。
本発明者らは、特定の遺伝子群スコア（例えば、表１に記載された遺伝子群の少なくともいくつかに対する遺伝子群スコア）を組み合わせて、以前に開発された方法よりも正確にＲＣを有する患者を特徴付けるＲＣ ＴＭＥシグネチャが生成されてもよいことを認識した。続いて、腫瘍微小環境に関連する遺伝子群スコアと悪性細胞に関連する遺伝子群スコアの組み合わせを含んでなるＲＣ ＴＭＥシグネチャを使用して、対象が特定の腎臓がん（ＲＣ）腫瘍微小環境（ＴＭＥ）タイプを有すると同定されてもよい。いくつかの実施形態では、このようなＲＣ ＴＭＥタイプは、予後及び／又は対象が特定の治療的介入（例えば、免疫腫瘍学（ＩＯ）剤、チロシンキナーゼ阻害剤（ＴＫＩ）、ＩＯとＴＫＩの組み合わせなど）に応答する可能性を同定するのに有用である。
本発明者らはまた、ＲＣを有する対象の特定の遺伝子発現シグネチャ（例えば、ＲＣ ＴＭＥシグネチャ、筋形成シグネチャなど）に関するデータ使用して、機械学習ベースのモデルをトレーニングし、対象が特定の治療薬（例えば、ＩＯ剤、ＴＫＩ、ＩＯ剤とＴＫＩの組み合わせなど）による治療に応答する可能性を反映する応答者スコアが生成されてもよいことを認識している。このような応答者スコアは、いくつかの実施形態において、患者が応答する可能性が高い治療薬の選択を助けることによって、ＲＣ患者を治療するための治療薬の選択を導くのに有用である。この方法はまた、実施例でさらに説明する「明らかなＩＯ非応答者」の場合のように、患者が応答する可能性が低い治療薬から選択を遠ざけるのにも役立つ。
本明細書に記載されるＲＣ ＴＭＥシグネチャを生成するために使用される特定の遺伝子群は、これらの遺伝子群が１）免疫及び間質腫瘍生物学、及び２）腎臓がん代謝経路活性に関連しているため、ＲＣの分子腫瘍微小環境をより良く反映していることから、本開示によって記載される遺伝子群スコアの組み合わせを含んでなるＲＣ ＴＭＥシグネチャの使用は、以前に記載されたＲＣ分子バイオマーカー又は腫瘍微小環境解析を上回る改善を示す。これらの注目される遺伝子群の組み合わせ（例えば、表１に列挙された遺伝子の一部又は全部からなる遺伝子群、又は表２に列挙された筋形成シグネチャの一部又は全遺伝子からなる遺伝子群）は、非慣習的であり、非常に多数の遺伝子からの発現データを取り入れようとする、又はがんに関与する遺伝子の特定のサブセットのみを考慮しようとする（例えば、免疫細胞のみに限定された解析）、以前に記載された分子シグネチャとは異なる。
本明細書に記載されるＲＣ ＴＭＥタイピング法には、いくつかの有用性がある。例えば、本明細書に記載される方法を使用して対象のＲＣ ＴＭＥタイプを同定することにより、対象が以前に記載されたＲＣ特性評価法では不可能な時点で、高侵襲性形態のＲＣを有する（又は発症するリスクが高い）と診断することが可能になってもよい。本明細書に記載されるＲＣ ＴＭＥシグネチャによって可能になる、侵襲性ＲＣタイプの早期検出は、その他の方法を使用してＲＣについて検査された患者に対して現在可能であるよりも、患者に対するより早期の化学療法介入を可能にすることにより、患者の診断技術を向上させる。
本明細書に記載されるように、本発明者らはまた、本明細書に記載される方法によって、ＲＸ ＴＭＥタイプＡ又はＲＣ ＴＭＥタイプＢを有すると同定された対象は、良好な予後を有する、及び／又はＩＯ剤とＴＫＩの組み合わせなどの特定の治療法に応答する可能性が高いと特徴付けられると判断した。
逆に、本発明者らは、本明細書に記載される方法を使用して、対象がＲＣ ＴＭＥタイプＥを有すると同定されると、ＩＯ剤に応答する可能性は低いが、ＴＫＩに応答する可能性があると判断した。さらに、本発明者らは、高い筋形成シグネチャ及び／又は特定のその他のバイオマーカー（例えば、高倍数性、ｍＴＯＲ活性化又は抗原提示に関連する遺伝子の変異など）を有すると同定された対象は、「明らかなＩＯ非応答者」である可能性が高く、したがってＲＣ（例えば、ｃｃＲＣＣ）の第一選択療法として免疫治療剤を投与すべきでないと判断した。したがって、本発明者らによって開発され、本明細書に記載される技術は、患者の快適さを高め、対象にとって効果的であると予想されない治療法の有害な副作用を回避することによって、患者の治療及び関連する転帰を改善する。
明細胞腎臓がん（ｃｃＲＣＣ）
本開示の態様は、（ＲＣを有する、ＲＣを有すると疑われる、又はＲＣを有するリスクがある対象の）腎臓がん（ＲＣ）腫瘍微小環境（ＴＭＥ）タイプを判定する方法に関する。本明細書の用法では、対象は、例えば、ヒト、非ヒト霊長類、齧歯類（例えば、ラット、マウス、モルモットなど）、イヌ、ネコ、ウマなどの哺乳類であってもよい。いくつかの実施形態では、対象はヒトである。「個体」又は「対象」という用語は、「患者」と同義的に使用されてもよい。本明細書の用法では、「腎臓がん」は、任意の腎臓がん又は腎臓腺がん、又は対象の腎臓の細胞（元々腎臓に存在するか又はそれに転移した）に影響を与える体内の１つ又は複数の様々な遺伝子変異によって引き起こされる、任意のその他の各種悪性腫瘍を指す。本明細書の用法では、「がん」は、固形腫瘍、血液がん、骨髄又はリンパ系のがんなどをはじめとする、対象における異常な細胞増殖によって引き起こされる任意の悪性及び／又は浸潤性増殖又は腫瘍を指す。腎臓がんの例としては、例えば明細胞腎細胞がん（ｃｃＲＣＣ）などの腎臓の近位ネフロン上皮及び／又は尿細管上皮に由来する腎臓の腺がん、及び明瞭な細胞質を有して複雑な枝分かれする血管系がその中に散在するコンパクト胞巣（入れ子型）又は胞状増殖パターンを有する悪性上皮細胞が挙げられるが、これらに限定されるものではない。
ＲＣを有する対象は、例えば、がん性細胞（例えば、腫瘍細胞）の存在、発熱、腫れ、出血（例えば、血尿）、悪心及び嘔吐、持続的な腰痛、及び体重減少など、ＲＣの１つ以上の徴候又は症状を示してもよい。いくつかの実施形態では、ＲＣを有する対象は、ＲＣの１つ又は複数の徴候又は症状を示さない。いくつかの実施形態では、ＲＣを有する対象は、医療専門家（例えば、有資格医師）によって、１つ又は複数の徴候又は症状の不在下であってさえも、対象がｃｃＲＣＣを有することを示唆する１つ又は複数のアッセイ（例えば、臨床アッセイ、分子診断など）に基づいて、ＲＣを有すると診断されている。
ＲＣを有すると疑われる対象は、典型的には、例えば、ｃｃＲＣＣなどのＲＣの１つ又は複数の徴候又は症状を示す。いくつかの実施形態では、ＲＣを有する疑いがある対象は、ＲＣの１つ又は複数の徴候又は症状を示すが、医療専門家（例えば、有資格医師）によって診断されておらず、及び／又は対象がＲＣを有することを示唆する検査結果（例えば、臨床検査、分子診断など）を受け取っていない。
ＲＣを有するリスクがある対象は、ＲＣの１つ又は複数の徴候又は症状を示しても、又は示さなくてもよい。いくつかの実施形態では、ＲＣを有するリスクがある対象は、対象がＲＣを発症する可能性を増大させる１つ又は複数のリスク因子を含んでなる。リスク因子の例としては、臨床サンプル中の前がん細胞の存在、対象ががん（例えば、ｃｃＲＣＣなどのＲＣ）に罹患しやすくなる１つ又は複数の遺伝子変異を有すること、対象ががん（例えば、ｃｃＲＣＣなどのＲＣ）を発症する可能性を高める１つ又は複数の薬物の服用、ＲＣの家族歴などが挙げられる。
図１は、対象のＲＣ ＴＭＥシグネチャを判定し、判定されたＲＣ ＴＭＥシグネチャを使用して対象のＲＣ ＴＭＥタイプを同定する、例示的なプロセス１００のフローチャートである。
プロセス１００の様々な動作は、任意の適切なコンピューティングデバイスを使用して実装されてもよい。例えば、いくつかの実施形態では、例示的なプロセス１００の１つ又は複数の動作は、臨床設定又は研究室設定で実装されてもよい。例えば、プロセス１００の１つ又は複数の動作は、臨床環境又は研究室環境内に配置されたコンピューティングデバイス上で実装されてもよい。いくつかの実施形態では、コンピューティングデバイスは、臨床環境又は実験室環境内に配置された配列決定装置から、ＲＮＡ発現データを直接取得してもよい。例えば、配列決定装置に含まれるコンピューティングデバイスは、配列決定装置からＲＮＡ発現データを直接取得してもよい。いくつかの実施形態では、コンピューティングデバイスは、臨床環境又は実験室環境の内部又は外部に配置された配列決定装置から、ＲＮＡ発現データを間接的に取得してもよい。本明細書に記載される技術の態様は特定の通信ネットワークに限定されないので、例えば、臨床環境又は研究室環境内に配置されるコンピューティングデバイスは、インターネット又は任意のその他の適切なネットワークなどの通信ネットワークを介して発現データを取得してもよい。
追加的又は代替的に、例示的なプロセス１００の１つ又は複数の動作は、臨床設定又は研究室設定から離れた設定で実装されてもよい。例えば、プロセス１００の１つ又は複数の動作は、臨床設定又は研究室設定の外部に配置されたコンピューティングデバイス上で実装されてもよい。この場合、コンピューティングデバイスは、臨床環境又は実験室環境の内部又は外部に配置された配列決定装置を使用して生成される、ＲＮＡ発現データを間接的に取得してもよい。例えば、発現データは、インターネット又は任意のその他の適切なネットワークなどの通信ネットワークを介して、コンピューティングデバイスに提供されてもよい。
いくつかの実施形態では、図１に示されるようなプロセス１００の全ての動作が、１つ又は複数のコンピューティングデバイスを使用して実装されるとは限らないことが理解されるべきである。例えば、対象の予後を同定する動作１１４は、手動で（例えば、臨床医によって）、自動的に（例えば、特定の予後に関連するＲＣ ＴＭＥタイプを同定するソフトウェアによって）、又は部分的に手動で部分的に自動的に（例えば、臨床医は、例えば、本明細書に記載される技術を使用して、ソフトウェアによって生成された情報を部分的に使用して、特定の予後に関連するＲＣ ＴＭＥタイプ同定してもよい）実装されてもよい。プロセス１００は、対象の配列決定データが取得される動作１０２で始まる。いくつかの実施形態では、配列決定データは、任意の適切な配列決定技術を使用して、対象から得られた生物学的サンプル（例えば、腎臓生検及び／又は腫瘍組織）を配列決定することによって取得されてもよい。配列決定データは、任意の適切なソースからの任意の適切なタイプの配列決定データを含んでもよく、任意の適切な形式であってもよい。配列決定データ、配列決定データのソース、及び配列決定データの形式の例は、「ＲＮＡ発現データの取得」と称されるセクションを含めて本明細書に記載されている。
説明に役立つ一例として、いくつかの実施形態では、配列決定データはバルク配列決定データを含んでなってもよい。バルク配列決定データは、少なくとも１００万回の読み取り、少なくとも５００万回の読み取り、少なくとも１０００万回の読み取り、少なくとも２０００万回の読み取り、少なくとも５０００万回の読み取り、又は少なくとも１億回の読み取りを含んでなってもよい。いくつかの実施形態では、配列決定データは、バルクＲＮＡ配列決定（ＲＮＡ－ｓｅｑ）データ、単一細胞ＲＮＡ配列決定（ｓｃＲＮＡ－ｓｅｑ）データ、又は次世代配列決定法（ＮＧＳ）データを含んでなる。いくつかの実施形態では、配列決定データは、マイクロアレイデータを含んでなる。次に、プロセス１００は動作１０４に進み、動作１０２で取得された配列決定データが処理されて、遺伝子発現データが取得される。これは、任意の適切な方法で行われてもよく、バルク配列決定データを１００万当たりの転写物（ＴＰＭ）単位（又はその他の単位）に正規化すること、及び／又はＲＮＡ発現レベルをＴＰＭ単位で対数変換することを伴ってもよい。データのＴＰＭ単位への変換と正規化については、図２を参照して本明細書で説明する。
次に、プロセス１００は動作１０６に進み、そこで、動作１０４で生成されたＲＮＡ発現データを使用して、腎臓がん（ＲＣ）腫瘍微小環境（ＴＭＥ）シグネチャが対象について生成される（例えば、図２を参照して本明細書に記載されるように、バルク配列データから、ＴＰＭユニットに変換され、その後対数正規化される）。
本明細書に記載されるように、いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、２つ以上（例えば、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など）の遺伝子群を含んでなる。いくつかの実施形態では、２つ以上の遺伝子群スコアは、表１に示される遺伝子群の一部又は全部に対する遺伝子群スコア（遺伝子群濃縮スコア又は遺伝子群発現スコアと称されることもある）を含んでなる。
したがって、動作１０６は、遺伝子群スコアが判定される動作１０８、ＲＣ ＴＭＥシグネチャが判定される動作１１０、及びＲＣ ＴＭＥシグネチャを使用することによってＲＣ ＴＭＥタイプが判定される動作１１２を含んでなる。いくつかの実施形態では、遺伝子群スコアを判定するステップは、表１に列挙された複数（例えば、一部又は全部）の遺伝子群のそれぞれに対する遺伝子スコアを判定するステップを含んでなる。いくつかの実施形態では、遺伝子群スコアを判定するステップは、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、又はそれ以上の遺伝子群（例えば、表１に列挙された遺伝子群）のそれぞれに対する遺伝子群スコアを判定するステップを含んでなる。特定の遺伝子群に対する遺伝子群スコアは、遺伝子群内の少なくとも一部の遺伝子のＲＮＡ発現レベル（例えば、動作１０４で取得される発現レベル）を使用して判定されてもよい。ＲＮＡ発現レベルは、遺伝子セット濃縮解析（ＧＳＥＡ）技術を使用して処理され、特定の遺伝子群のスコアが判定されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥ遺伝子シグネチャを判定するステップは、以下をはじめとする少なくとも２つの遺伝子群のそれぞれからの少なくとも３つの遺伝子のＲＮＡ発現レベルを使用して、遺伝子群スコアを判定するステップを含んでなる：（ａ）ＭＨＣＩ群：ＨＬＡ－Ａ、ＨＬＡ－Ｂ、ＨＬＡ－Ｃ、Ｂ２Ｍ、ＴＡＰ１、ＴＡＰ２、ＮＬＲＣ５、ＴＡＰＢＰ；（ｂ）ＭＨＣＩＩ群：ＨＬＡ－ＤＱＡ１、ＨＬＡ－ＤＭＡ、ＨＬＡ－ＤＲＢ１、ＨＬＡ－ＤＭＢ、ＣＩＩＴＡ、ＨＬＡ－ＤＰＡ１、ＨＬＡ－ＤＰＢ１、ＨＬＡ－ＤＲＡ、ＨＬＡ－ＤＱＢ１；及び（ｃ）共活性化分子群：ＣＤ２８、ＣＤ４０、ＴＮＦＲＳＦ４、ＩＣＯＳ、ＴＮＦＲＳＦ９、ＣＤ２７、ＣＤ８０、ＣＤ８６、ＣＤ４０ＬＧ、ＣＤ８３、ＴＮＦＳＦ４、ＩＣＯＳＬＧ、ＴＮＦＳＦ９、ＣＤ７０；（ｄ）エフェクター細胞群：ＩＦＮＧ、ＧＺＭＡ、ＧＺＭＢ、ＰＲＦ１、ＧＺＭＫ、ＺＡＰ７０、ＧＮＬＹ、ＦＡＳＬＧ、ＴＢＸ２１、ＥＯＭＥＳ、ＣＤ８Ａ、ＣＤ８Ｂ；（ｅ）Ｔ細胞輸送群：ＣＸＣＬ９、ＣＣＬ３、ＣＸＣＲ３、ＣＸＣＬ１０、ＣＸＣＬ１１、ＣＣＬ５、ＣＣＬ４、ＣＸ３ＣＬ１、ＣＸ３ＣＲ１；（ｆ）ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；（ｇ）Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；（ｈ）Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；（ｉ）Ｍ１シグネチャ群：ＩＬ１Ｂ、ＩＬ１２Ｂ、ＮＯＳ２、ＳＯＣＳ３、ＩＲＦ５、ＩＬ２３Ａ、ＴＮＦ、ＩＬ１２Ａ、ＣＭＫＬＲ１；（ｊ）Ｔｈ１シグネチャ群：ＩＬ１２ＲＢ２、ＩＬ２、ＴＢＸ２１、ＩＦＮＧ、ＳＴＡＴ４、ＩＬ２１、ＣＤ４０ＬＧ；（ｋ）抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；（ｌ）チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；（ｍ）Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；（ｎ）Ｔｒｅｇ輸送群：ＣＣＬ２８、ＣＣＲ１０、ＣＣＲ４、ＣＣＲ８、ＣＣＬ１７、ＣＣＬ２２、ＣＣＬ１；（ｏ）好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；（ｐ）顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；（ｑ）ＭＤＳＣ群：ＩＤＯ１、ＡＲＧ１、ＩＬ１０、ＣＹＢＢ、ＰＴＧＳ２、ＩＬ４Ｉ１、ＩＬ６；（ｒ）ＭＤＳＣ輸送群：ＣＣＬ１５、ＩＬ６Ｒ、ＣＳＦ２ＲＡ、ＣＳＦ２、ＣＸＣＬ８、ＣＸＣＬ１２、ＩＬ６、ＣＳＦ３、ＣＣＬ２６、ＣＸＣＲ４、ＣＸＣＲ２、ＣＳＦ３Ｒ、ＣＳＦ１、ＣＸＣＬ５、ＣＳＦ１Ｒ；（ｓ）マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；（ｔ）マクロファージＤＣ輸送群：ＣＣＬ７、ＣＣＬ２、ＸＣＲ１、ＸＣＬ１、ＣＳＦ１、ＣＣＲ２、ＣＣＬ８、ＣＳＦ１Ｒ；（ｕ）Ｔｈ２シグネチャ群：ＩＬ１３、ＣＣＲ４、ＩＬ１０、ＩＬ５、ＩＬ４；（ｖ）腫瘍促進サイトカイン群：ＭＩＦ、ＴＧＦＢ１、ＩＬ１０、ＴＧＦＢ３、ＩＬ６、ＴＧＦＢ２、ＩＬ２２；（ｗ）がん関連線維芽細胞（ＣＡＦ）群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；（ｘ）マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；（ｙ）マトリックス再構築群：ＭＭＰ１、ＰＬＯＤ２、ＭＭＰ２、ＭＭＰ１２、ＡＤＡＭＴＳ５、ＡＤＡＭＴＳ４、ＬＯＸ、ＭＭＰ９、ＭＭＰ１１、ＭＭＰ３、ＭＭＰ７、ＣＡ９；（ｚ）血管新生群：ＶＥＧＦＡ、ＶＥＧＦＢ、ＶＥＧＦＣ、ＰＤＧＦＣ、ＣＸＣＬ８、ＣＸＣＲ２、ＦＬＴ１、ＰＧＦ、ＫＤＲ、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＴＥＫ、ＶＷＦ、ＣＤＨ５；（ａａ）内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；（ｂｂ）増殖速度群：ＭＫＩ６７、ＥＳＣＯ２、ＣＥＴＮ３、ＣＤＫ２、ＣＣＮＤ１、ＣＣＮＥ１、ＡＵＲＫＡ、ＡＵＲＫＢ、Ｅ２Ｆ１、ＭＹＢＬ２、ＢＵＢ１、ＣＣＮＢ１、ＭＣＭ２、ＭＣＭ６；（ｃｃ）ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；（ｄｄ）環状ヌクレオチド代謝群：ＡＤＣＹ４、ＰＤＥ１１Ａ、ＰＤＥ６Ａ、ＰＤＥ９Ａ、ＰＤＥ６Ｃ、ＡＤＣＹ７、ＰＤＥ４Ａ、ＰＤＥ８Ａ、ＰＤＥ１Ｂ、ＰＤＥ１Ａ、ＧＵＣＹ２Ｃ、ＧＵＣＹ１Ａ３、ＡＤＣＹ９、ＡＤＣＹ２、ＰＤＥ６Ｂ、ＡＤＣＹ８、ＰＤＥ８Ｂ、ＧＵＣＹ２Ｆ、ＰＤＥ４Ｃ、ＰＤＥ３Ａ、ＧＵＣＹ１Ａ２、ＰＤＥ６Ｇ、ＰＤＥ１Ｃ、ＧＵＣＹ２Ｄ、ＡＤＣＹ１０、ＧＵＣＹ１Ｂ３、ＧＵＣＹ１Ｂ２、ＰＤＥ７Ｂ、ＰＤＥ５Ａ、ＰＤＥ６Ｄ、ＮＰＲ２、ＡＤＣＹ５、ＮＰＲ１、ＡＤＣＹ６、ＰＤＥ７Ａ、ＰＤＥ２Ａ、ＰＤＥ４Ｂ、ＰＤＥ１０Ａ、ＰＤＥ６Ｈ、ＰＤＥ４Ｄ、ＡＤＣＹ１、ＰＤＥ３Ｂ、ＡＤＣＹ３；（ｅｅ）解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；（ｘｘ）クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；及び（ｆｆ）脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２。
遺伝子群濃縮スコアを判定する態様は、図３を参照して本明細書に記載され、「遺伝子発現シグネチャ」という標題のセクションにある。
上で説明したように、動作１１０で、ＲＣ ＴＭＥシグネチャが生成される。いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、表１に列挙された１つ又は複数（例えば、全て）の遺伝子群に対する遺伝子群スコアのみからなる。いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、表１に列挙される少なくとも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、又は３３遺伝子群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、各遺伝子群スコアは、ＲＮＡ発現レベルの一部又は全部（例えば、表１に列挙された各遺伝子群の遺伝子のうち少なくとも２、３、４、５、６、７、８、９、１０、１１、１２、１３、１４、１５、１６、１７、１８、１９、２０など）を使用して判定される。
次に、プロセス１００は動作１１２に進み、動作１１０で生成されたＲＣ ＴＭＥシグネチャを使用して、対象のＲＣ ＴＭＥタイプが同定される。これは、任意の適切な様式で行われてもよい。例えば、いくつかの実施形態では、可能なＲＣ ＴＭＥタイプのそれぞれは、それぞれの複数のＲＣ ＴＭＥシグネチャクラスタに関連付けられる。このような実施形態では、対象のＲＣ ＴＭＥタイプは、対象のＲＣ ＴＭＥシグネチャを複数のＲＣ ＴＭＥシグネチャクラスタの特定の１つに関連付けるステップと；対象のＲＣ ＴＭＥタイプを、対象のＲＣ ＴＭＥシグネチャが関連付けられている複数のＲＣ ＴＭＥシグネチャクラスタの特定の１つに対応するＲＣ ＴＭＥタイプとして同定するステップとによって同定されてもよい。ＲＣ ＴＭＥタイプの例は、本明細書に記載されている。対象のＲＣ ＴＭＥタイプを同定する態様は、以下の「ＲＣ ＴＭＥシグネチャの生成及びＴＭＥタイプの同定」というタイトルのセクションを含めて、本明細書に記載されている。いくつかの実施形態では、プロセス１００は、動作１１２が完了した後に完了する。いくつかのこのような実施形態では、判定されたＲＣ ＴＭＥシグネチャ及び／又は同定されたＲＣ ＴＭＥタイプは、引き続く使用のために保存されてもよく、１人又は複数人の受信者（例えば、臨床医、研究者など）に提供されてもよく、及び／又はＲＣ ＴＭＥシグネチャクラスタ（以下に説明する）を更新するために使用されてもよい。
しかしながら、いくつかの実施形態では、動作１１２の後に１つ又は複数のその他の動作が実行される。例えば、例示される実施形態では、対象について判定されたＲＣ ＴＭＥタイプに基づいて、対象の予後が同定されてもよい。例えば、いくつかの実施形態では、対象がＲＣ ＴＭＥタイプＤ又はＲＣ ＴＭＥタイプＥを有すると同定された場合、対象は良好な予後を有すると同定される（動作１１４で）。引き続いて、又は動作１１４の代替として、プロセス１００は動作１１６に進んでもよく、そこで動作１１２で同定された対象のＲＣ ＴＭＥタイプを使用して、対象に投与するための治療薬が同定（又は推奨）される。例えば、対象がＲＣタイプＥを有すると同定された場合、対象はＴＫＩに応答する可能性が高いと同定されてもよい。
いくつかの実施形態では、プロセス１００は、動作１１４又は１１６が完了した後に完了する。いくつかのこのような実施形態では、判定されたＲＣ ＴＭＥシグネチャ及び／又は同定されたＲＣ ＴＭＥタイプは、引き続く使用のために保存されてもよく、１人又は複数人の受信者（例えば、臨床医、研究者など）に提供されてもよく、及び／又はＲＣ ＴＭＥシグネチャクラスタ（以下に説明する）を更新するために使用されてもよい。
生物学的サンプル
本開示の態様は、対象から得られた生物学的サンプルから配列決定データを取得することによって、対象のＲＣ ＴＭＥタイプを判定するための方法に関する。
生物学的サンプルは、血液（例えば、全血、血清、又は血漿）などの任意の流体、リンパ節、及び腎臓をはじめとするが、これらに限定されるものではない、対象の体内の任意の供給源に由来してもよい。対象の体内のその他の供給源は、唾液、涙、滑液、脳脊髄液、胸膜液、心膜液、腹水体液、及び／又は尿］、毛髪、皮膚（表皮、真皮、及び／又は皮下組織の一部を含む）、中咽頭、喉頭咽頭、食道、気管支、唾液腺、舌、口腔、鼻腔、膣腔、肛門腔、胃、小腸、骨、骨髄、脳、胸腺、脾臓、虫垂、結腸、直腸、肛門、肝臓、胆道、膵臓、尿管、膀胱、尿道、子宮、膣、外陰部、卵巣、子宮頸部、陰嚢、陰茎、前立腺、睾丸、精嚢、及び／又は任意のタイプの組織（例えば、筋肉組織、上皮組織、結合組織、又は神経組織）であってもよい。
生物学的サンプルは、例えば、体液、１つ又は複数の細胞、１つ又は複数の組織片又は器官片のサンプルをはじめとする、任意の種類のサンプルであってもよい。いくつかの実施形態では、生物学的サンプルは、対象の腎臓組織サンプルを含んでなる。腎臓組織サンプルの例としては、糸球体頭頂細胞、糸球体有足細胞、近位尿細管刷子縁細胞、ヘンレ係蹄薄分節細胞、太い上行脚細胞、遠位尿細管細胞、集合管主細胞、集合管間在細胞、間質性腎細胞、及び腎臓腫瘍細胞が挙げられるが、これらに限定されるものではない。
いくつかの実施形態では、腎臓組織サンプルは、外科的処置（例えば、腹腔鏡手術、顕微鏡制御手術、又は内視鏡検査）、パンチ生検、内視鏡生検、又は針生検（例えば、細針吸引、コア針生検、真空補助生検、又は画像誘導生検）を使用して、対象から得られてもよい。
リンパ節又は血液のサンプルは、いくつかの実施形態では、例えば、血液サンプル又はリンパ節サンプルからの細胞などの細胞を含んでなるサンプルを指す。いくつかの実施形態では、サンプルは非がん性細胞を含んでなる。いくつかの実施形態では、サンプルは前がん性細胞を含んでなる。いくつかの実施形態では、サンプルはがん性細胞を含んでなる。いくつかの実施形態では、サンプルは血液細胞を含んでなる。いくつかの実施形態では、サンプルはリンパ節細胞を含んでなる。いくつかの実施形態では、サンプルはリンパ節細胞及び血液細胞を含んでなる。
血液サンプルは、全血サンプル又は分画血液サンプルであってもよい。いくつかの実施形態では、血液サンプルは全血を含んでなる。いくつかの実施形態では、血液サンプルは分画血液を含んでなる。いくつかの実施形態では、血液サンプルはバフィーコートを含んでなる。いくつかの実施形態では、血液サンプルは血清を含んでなる。いくつかの実施形態では、血液サンプルは血漿を含んでなる。いくつかの実施形態では、血液サンプルは血栓を含んでなる。
いくつかの実施形態では、血液サンプルを採取して、血液中の無細胞核酸（例えば、無細胞ＤＮＡ）を得る。
いくつかの実施形態では、サンプルは、がん性組織若しくは臓器、又は１つ又は複数のがん性細胞を有する疑いのある組織若しくは臓器に由来してもよい。いくつかの実施形態では、サンプルは、健康な（例えば、非がん性）組織又は臓器に由来してもよい。いくつかの実施形態では、対象からのサンプル（例えば、対象からの生検）は、健康な及びがん性の細胞及び／又は組織の双方を含んでもよい。特定の実施形態では、分析のために１つのサンプルが対象から採取される。いくつかの実施形態では、分析のために２つ以上（例えば、２、３、４、５、６、７、８、９、１０、１１、１２、１３、１４、１５、１６、１７、１８、１９、２０、又はそれ以上）のサンプルが対象から採取されてもよい。いくつかの実施形態では、対象からの１つのサンプルが分析される。特定の実施形態では、２つ以上（例えば、２、３、４、５、６、７、８、９、１０、１１、１２、１３、１４、１５、１６、１７、１８、１９、２０、又はそれ以上）のサンプルが分析されてもよい。対象からの２つ以上のサンプルが分析される場合、サンプルは同時に得られてもよく（例えば、同じ手順で２つ以上のサンプルが採取されてもよい）、又はサンプルは異なる時点（例えば、最初の処置の後、１、２、３、４、５、６、７、８、９、１０日間；１、２、３、４、５、６、７、８、９、１０週間；１、２、３、４、５、６、７、８、９、１０ヶ月間、１、２、３、４、５、６、７、８、９、１０年間、又は１０、２０、３０、４０、５０、６０、７０、８０、９０、１００年間の処置をはじめとする異なる処置中）で収集されてもよい。２つ目又はそれ以降のサンプルは、同じ領域（例えば、同じ腫瘍又は組織領域から）又は異なる領域（例えば、異なる腫瘍を含む）から採取又は取得されてもよい。２つ目又はそれ以降のサンプルは、１回又は複数回の治療後に対象から採取又は取得されてもよく、同じ領域又は異なる領域から採取されてもよい。非限定的例として、２つ目又はそれ以降のサンプルは、各サンプルのがんが異なる特徴を有するかどうか（例えば、患者の物理的に離れた２つの腫瘍から採取されたサンプルの場合）、又はがんが１回又は複数回の治療に反応したかどうか（例えば、治療の前後における同じ腫瘍からの２つ以上のサンプルの場合）を判定するのに有用であってもよい。
本明細書に記載される生物学的サンプルのいずれも、任意の既知の技術を使用して対象から得られてもよい。例えば、それぞれその内容全体が参照により本明細書に援用される、生物学的サンプルの収集、処理、及び保存に関する以下の刊行物を参照されたい：Ｂｉｏｓｐｅｃｉｍｅｎｓ ａｎｄ ｂｉｏｒｅｐｏｓｉｔｏｒｉｅｓ：ｆｒｏｍ ａｆｔｅｒｔｈｏｕｇｈｔ ｔｏ ｓｃｉｅｎｃｅ ｂｙ Ｖａｕｇｈｔ ｅｔ ａｌ．（Ｃａｎｃｅｒ Ｅｐｉｄｅｍｉｏｌ Ｂｉｏｍａｒｋｅｒｓ Ｐｒｅｖ．２０１２ Ｆｅｂ；２１（２）：２５３－５）、及びＢｉｏｌｏｇｉｃａｌ ｓａｍｐｌｅ ｃｏｌｌｅｃｔｉｏｎ，ｐｒｏｃｅｓｓｉｎｇ，ｓｔｏｒａｇｅ ａｎｄ ｉｎｆｏｒｍａｔｉｏｎ ｍａｎａｇｅｍｅｎｔ ｂｙ Ｖａｕｇｈｔ ａｎｄ Ｈｅｎｄｅｒｓｏｎ（ＩＡＲＣ Ｓｃｉ Ｐｕｂｌ．２０１１；（１６３）：２３－４２）。
本明細書に記載される対象からの任意の生物学的サンプルは、生物学的サンプルの安定性を維持する任意の方法を使用して保存されてもよい。いくつかの実施形態では、生物学的サンプルの安定性を維持するとは、生物学的サンプルの構成成分（例えば、ＤＮＡ、ＲＮＡ、タンパク質、又は組織構造若しくは形態）が測定されるまで分解するのを抑制し、その結果、測定値が、対象からサンプルを入手した時点におけるサンプルの状態を表すようになることを意味する。いくつかの実施形態では、生物学的サンプルは、生物学的サンプルに浸透し、生物学的サンプルの構成成分（例えば、ＤＮＡ、ＲＮＡ、タンパク質、又は組織構造若しくは形態）を分解から保護できる組成物中に保存される。本明細書の用法では、分解とは、ある構成成分が１つの形態から別の形態に変化し、最初の形態が分解前と同じレベルでは検出されなくなることである。
いくつかの実施形態では、生物学的サンプルは凍結保存を使用して保存される。凍結保存の非限定的例としては、ステップダウン凍結、ブラスト凍結、ダイレクトプランジ凍結、スナップ凍結、プログラム可能な冷凍庫を使用した低速凍結、及びガラス化などが挙げられるが、これらに限定されるものではない。いくつかの実施形態では、生物学的サンプルは凍結乾燥を使用して保存される。いくつかの実施形態では、生物学的サンプルは、対象から生物学的サンプルが収集された後、保存剤（例えば、ＲＮＡを保存するためのＲＮＡＬａｔｅｒ）が既に入っている容器に入れられ、次に凍結される（例えば、スナップ凍結によって）。いくつかの実施形態では、このような凍結状態での保存は、生物学的体サンプルの収集直後に行われる。いくつかの実施形態では、生物学的サンプルは、凍結される前に、保存剤中又は保存剤を含まない緩衝液中で室温又は４℃のどちらかで、しばらく（例えば、最長１時間、最長８時間、又は最長１日、又は数日間）保存されてもよい。
保存剤の非限定的例としては、ホルマリン溶液、ホルムアルデヒド溶液、ＲＮＡＬａｔｅｒ又はその他の同等の溶液、ＴｒｉＺｏｌ又はその他の同等の溶液、ＤＮＡ／ＲＮＡ Ｓｈｉｅｌｄ又は同等の溶液、ＥＤＴＡ（例えば、Ｂｕｆｆｅｒ ＡＥ（１０ｍＭトリス・Ｃｌ；０．５ｍＭ ＥＤＴＡ、ｐＨ９．０））、及びその他の凝固剤、及びクエン酸デキストロース（Ｄｅｘｔｒｏｎｓｅ）（例えば、血液検体用）が挙げられる。
いくつかの実施形態では、生物学的サンプルを収集及び／又は保存するために特別な容器が使用されてもよい。例えば、血液を保存するためにバキュテナーが使用されてもよい。いくつかの実施形態では、バキュテナーは保存剤（例えば、凝固剤又は抗凝血剤）を含んでなってもよい。いくつかの実施形態では、その中で生物学的サンプルが保存される容器は、より良好な保存の目的で、又は汚染回避の目的で、二次容器内に収容されてもよい。
本明細書に記載される対象からの生物学的サンプルのいずれも、生物学的サンプルの安定性を維持する任意の条件下で保存されてもよい。いくつかの実施形態では、生物学的サンプルは、生物学的サンプルの安定性を維持する温度で保存される。いくつかの実施形態では、サンプルは室温（例えば、２５℃）で保存される。いくつかの実施形態では、サンプルは冷蔵下（例えば、４℃）で保存される。いくつかの実施形態では、サンプルは冷凍下（例えば、－２０℃）で保存される。いくつかの実施形態では、サンプルは超低温条件下（例えば、－５０℃～－８００℃）で保存される。いくつかの実施形態では、サンプルは液体窒素下（例えば、－１７００℃）で保存される。いくつかの実施形態では、生物学的サンプルは、－６０℃～－８℃（例えば、－７０℃）で最長５年間（例えば、最長１ヶ月間、最長２ヶ月間、最長３ヶ月間、最長４ヶ月間、最長５ヶ月間、最長６ヶ月間、最長７ヶ月間、最長８ヶ月間、最長９ヶ月間、最長１０ヶ月間、最長１１ヶ月間、最長１年間、最長２年間、最長３年間、最長４年間、又は最長５年間）保存される。いくつかの実施形態では、生物学的サンプルは、本明細書に記載される方法のいずれかによって記載されるように、最長２０年間（例えば、最長５年間、最長１０年間、最長１５年間、又は最長２０年間）保存される。
ＲＮＡ発現データの取得
本開示の態様は、対象からの生物学的サンプルから得られた配列決定データ又はＲＮＡ発現データを使用して、対象のＲＣ ＴＭＥタイプを判定する方法に関する。
配列決定データは、任意の適切な配列決定技術及び／又は装置を使用して、生物学的サンプルから取得されてもよい。いくつかの実施形態では、生物学的サンプルの配列決定に使用される配列決定装置は、Ｉｌｌｕｍｉｎａ（商標）、ＳＯＬｉｄ（商標）、Ｉｏｎ Ｔｏｒｒｅｎｔ（商標）、ＰａｃＢｉｏ（商標）、ナノポアベースの配列決定装置、サンガー配列決定装置、又は４５４（商標）配列決定装置をはじめとするが、これらに限定されるものではない、当該技術分野で知られている任意の適切な配列決定装置から選択され得る。いくつかの実施形態では、生物学的サンプルの配列決定に使用される配列決定装置は、Ｉｌｌｕｍｉｎａ配列決定（例えば、ＮｏｖａＳｅｑ（商標）、ＮｅｘｔＳｅｑ（商標）、ＨｉＳｅｑ（商標）、ＭｉＳｅｑ（商標）、又はＭｉｎｉＳｅｑ（商標））装置である。
配列決定データが取得された後、それはＲＮＡ発現データを取得するために処理される。ＲＮＡ発現データは、全トランスクリプトーム配列決定、全エクソーム配列決定、全ＲＮＡ配列決定、ｍＲＮＡ配列決定、標的化ＲＮＡ配列決定、ＲＮＡエクソーム捕捉配列決定、次世代配列決定法、及び／又はディープＲＮＡ配列決定をはじめとするが、これらに限定されるものではない、当該技術分野で知られている任意の方法を使用して取得されてもよい。いくつかの実施形態では、ＲＮＡ発現データは、マイクロアレイアッセイを使用して取得されてもよい。
いくつかの実施形態では、配列決定データが処理されて、ＲＮＡ発現データが生成される。いくつかの実施形態では、ＲＮＡ配列データは、発現データを生成するために、１つ又は複数のバイオインフォマティクス法、又は例えば、ＲＮＡ配列定量化ツール（例えば、Ｋａｌｌｉｓｔｏ）及びゲノム注釈ツール（例えば、Ｇｅｎｃｏｄｅ ｖ２３）などのソフトウェアツールによって処理される。Ｋａｌｌｉｓｔｏソフトウェアについては、その全体が参照により本明細書に援用される、Ｎｉｃｏｌａｓ Ｌ Ｂｒａｙ，Ｈａｒｏｌｄ Ｐｉｍｅｎｔｅｌ，Ｐａｌｌ Ｍｅｌｓｔｅｄ ａｎｄ Ｌｉｏｒ Ｐａｃｈｔｅｒ，Ｎｅａｒ－ｏｐｔｉｍａｌ ｐｒｏｂａｂｉｌｉｓｔｉｃ ＲＮＡ－ｓｅｑ ｑｕａｎｔｉｆｉｃａｔｉｏｎ，Ｎａｔｕｒｅ Ｂｉｏｔｅｃｈｎｏｌｏｇｙ ３４，５２５－５２７（２０１６），ｄｏｉ：１０．１０３８／ｎｂｔ．３５１９に記載されている。
いくつかの実施形態では、マイクロアレイ発現データは、発現データを生成するために、「ａｆｆｙ」又は「ｌｉｍｍａ」などのバイオインフォマティクスＲパッケージを使用して処理される。「ａｆｆｙ」ソフトウェアについては、その内容全体が参照により本明細書に援用される、Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ．２００４ Ｆｅｂ １２；２０（３）：３０７－１５．ｄｏｉ：１０．１０９３／ｂｉｏｉｎｆｏｒｍａｔｉｃｓ／ｂｔｇ４０５．“ａｆｆｙ－－ａｎａｌｙｓｉｓ ｏｆ Ａｆｆｙｍｅｔｒｉｘ ＧｅｎｅＣｈｉｐ ｄａｔａ ａｔ ｔｈｅ ｐｒｏｂｅ ｌｅｖｅｌ”ｂｙ Ｌａｕｒｅｎｔ Ｇａｕｔｉｅｒ １，Ｌｅｓｌｉｅ Ｃｏｐｅ，Ｂｅｎｊａｍｉｎ Ｍ Ｂｏｌｓｔａｄ，Ｒａｆａｅｌ Ａ Ｉｒｉｚａｒｒｙ ＰＭＩＤ：１４９６０４５６ ＤＯＩ：１０．１０９３／ｂｉｏｉｎｆｏｒｍａｔｉｃｓ／ｂｔｇ４０５に記載されている。「ｌｉｍｍａ」ソフトウェアについては、その内容全体が参照により本明細書に援用される、Ｒｉｔｃｈｉｅ ＭＥ，Ｐｈｉｐｓｏｎ Ｂ，Ｗｕ Ｄ，Ｈｕ Ｙ，Ｌａｗ ＣＷ，Ｓｈｉ Ｗ，Ｓｍｙｔｈ ＧＫ“ｌｉｍｍａ ｐｏｗｅｒｓ ｄｉｆｆｅｒｅｎｔｉａｌ ｅｘｐｒｅｓｓｉｏｎ ａｎａｌｙｓｅｓ ｆｏｒ ＲＮＡ－ｓｅｑｕｅｎｃｉｎｇ ａｎｄ ｍｉｃｒｏａｒｒａｙ ｓｔｕｄｉｅｓ．”Ｎｕｃｌｅｉｃ Ａｃｉｄｓ Ｒｅｓ．２０１５ Ａｐｒ ２０；４３（７）：ｅ４７．２０．ｈｔｔｐｓ：／／ｄｏｉ．ｏｒｇ／１０．１０９３／ｎａｒ／ｇｋｖ００７ ＰＭＩＤ：２５６０５７９２，ＰＭＣＩＤ：ＰＭＣ４４０２５１０に記載されている。
いくつかの実施形態では、配列決定データ及び／又は発現データは、５キロベース（ｋｂ）を超える長さを含んでなる。いくつかの実施形態では、取得されたＲＮＡデータのサイズは少なくとも１０ｋｂである。いくつかの実施形態では、取得されたＲＮＡデータのサイズは少なくとも１００ｋｂである。いくつかの実施形態では、取得されたＲＮＡデータのサイズは少なくとも５００ｋｂである。いくつかの実施形態では、取得されたＲＮＡデータのサイズは少なくとも１メガベース（Ｍｂ）である。いくつかの実施形態では、取得されたＲＮＡデータのサイズは少なくとも１０Ｍｂである。いくつかの実施形態では、取得されたＲＮＡデータのサイズは少なくとも１００Ｍｂである。いくつかの実施形態では、取得されたＲＮＡデータのサイズは少なくとも５００Ｍｂである。いくつかの実施形態では、取得されたＲＮＡデータのサイズは少なくとも１ギガベース（Ｇｂ）である。いくつかの実施形態では、取得されたＲＮＡデータのサイズは少なくとも１０Ｇｂである。いくつかの実施形態では、取得されたＲＮＡデータのサイズは少なくとも１００Ｇｂである。いくつかの実施形態では、取得されたＲＮＡデータのサイズは少なくとも５００Ｇｂである。
いくつかの実施形態では、発現データは、バルクＲＮＡ配列決定を通じて取得される。バルクＲＮＡ配列決定には、大量の入力細胞集団（例えば、異なる細胞型の混合物）から抽出されたＲＮＡ全体にわたる、各遺伝子の発現レベルを取得するステップが含まれてもよい。いくつかの実施形態では、発現データは、単一細胞配列決定（例えば、ｓｃＲＮＡ－ｓｅｑ）を通じて取得される。単一細胞の配列決定には、個々の細胞の配列決定が含まれてもよい。
いくつかの実施形態では、バルク配列決定データは、少なくとも１００万回の読み取り、少なくとも５００万回の読み取り、少なくとも１０００万回の読み取り、少なくとも２０００万回の読み取り、少なくとも５０００万回の読み取り、又は少なくとも１億回の読み取りを含んでなる。いくつかの実施形態では、バルク配列決定データは、１００万回の読み取り～５００万回の読み取り、３００万回の読み取り～１０００万回の読み取り、５００万回の読み取り～２０００万の読み取り、１０００万の読み取り～５０００万回の読み取り、３０００万回の読み取り～１億回の読み取り、又は１００万回の読み取り～１億回の読み取り（又はそれらの間を含めた任意の読み取り回数）を含んでなる。
いくつかの実施形態では、発現データは次世代配列決定（ＮＧＳ）データを含んでなる。いくつかの実施形態では、発現データは、マイクロアレイデータを含んでなる。
複数の遺伝子の発現データ（例えば、発現レベルを示す）は、本明細書に記載される方法又は組成物のいずれに使用されてもよい。検査できる遺伝子の数は、最大で対象の全遺伝子を含んでもよい。いくつかの実施形態では、対象の全遺伝子について発現レベルが判定されてもよい。非限定的例として、本明細書に記載される任意の評価のために、４以上、５以上、６以上、７以上、８以上、９以上、１０以上、１１以上、１２以上、１３以上、１４以上、１５以上、１６以上、１７以上、１８以上、１９以上、２０以上、２１以上、２２以上、２３以上、２４以上、２５以上、２６以上、２７以上、２８以上、２９以上、３０以上、３５以上、４０以上、５０以上、６０以上、７０以上、８０以上、９０以上、１００以上、１２５以上、１５０以上、１７５以上、２００以上、２２５以上、２５０以上、２７５以上、又は３００以上の遺伝子が使用されてもよい。別の非限定的例の組として、発現データは、表１に列挙された各遺伝子群について、各遺伝子群から選択される、少なくとも５、少なくとも１０、少なくとも１５、少なくとも２０、少なくとも２５、少なくとも３５、少なくとも５０、少なくとも７５、少なくとも１００の遺伝子の発現データを含んでもよい。
いくつかの実施形態では、ＲＮＡ発現データは、ＲＮＡ発現データが保存されている少なくとも１つのコンピュータ記憶媒体からＲＮＡ発現データにアクセスすることによって取得される。追加的又は代替的に、いくつかの実施形態では、ＲＮＡ発現データは、任意の適切なタイプの通信ネットワークを介して１つ又は複数のソースから受信されてもよい。例えば、いくつかの実施形態では、ＲＮＡ発現データは、サーバ（例えば、ＳＦＴＰサーバ、又はＩｌｌｕｍｉｎａ ＢａｓｅＳｐａｃｅ）から受信されてもよい。
本明細書に記載される技術の態様がこの点で限定されないように、取得されたＲＮＡ発現データは、任意の適切な形式であってもよい。例えば、いくつかの実施形態では、ＲＮＡ発現データテキストベースのファイル（例えば、ＦＡＳＴＱ、ＦＡＳＴＡ、ＢＡＭ、又はＳＡＭ形式）で取得されてもよい。いくつかの実施形態では、配列決定データが保存されるファイルは、配列決定データの品質スコアを含んでもよい。いくつかの実施形態では、配列決定データが保存されるファイルは、配列識別子情報を含んでもよい。
発現データは、いくつかの実施形態では、遺伝子発現レベルを含む。遺伝子発現レベルは、ｍＲＮＡ及び／又はタンパク質などの遺伝子発現の産物を検出することによって検出されてもよい。いくつかの実施形態では、遺伝子発現レベルは、サンプル中のｍＲＮＡのレベルを検出することによって判定される。本明細書の用法では、「判定する」又は「検出する」という用語は、このような物質の定性的又は定量的濃度レベルを導出することをはじめとする、サンプル中の物質の存在、不在、量（ｑｕａｎｔｉｔｙ）及び／又は量（ａｍｏｕｎｔ）（有効量であり得る）を評価すること、又はさもなければ対象からのサンプル中のこのような物質の値及び／又は分類を評価することを含んでもよい。
図２は、配列決定データを処理して配列決定データからＲＮＡ発現データを取得する、例示的なプロセス１０４を示す。プロセス１０４は、本明細書に記載される技術の態様がこの点で限定されないように、任意の適切なコンピューティングデバイス又はデバイス群によって実行されてもよい。例えば、プロセス１０４は、配列決定プラットフォームのコンピューティングデバイス部分によって実行されてもよい。その他の実施形態では、プロセス１０４は、配列決定プラットフォームの外部の１つ又は複数のコンピューティングデバイスによって実行されてもよい。
プロセス１０４は、対象から得られた生物学的サンプルから配列決定データが取得される動作２００で始まる。配列決定データは、例えば、「生物学的サンプル」という標題のセクションを含む本明細書に記載される方法のいずれかなどの任意の適切な方法を使用して取得される。
いくつかの実施形態では、動作１０４で取得されるバルク配列決定データは、ＲＮＡ－ｓｅｑデータを含んでなる。いくつかの実施形態では、生物学的サンプルは、血液又は組織を含んでなる。いくつかの実施形態では、生物学的サンプルは、例えば、１つ又は複数のＲＣ腫瘍細胞などの１つ又は複数の腫瘍細胞を含んでなる。
次に、プロセス１０４は動作２０２に進み、動作２００で取得された配列決定データが１００万キロベース当たりの転写物（ＴＰＭ）単位に正規化される。正常化は、任意の適切なソフトウェアを使用して任意の適切な様式で実行されてもよい。例えば、いくつかの実施形態では、ＴＰＭ正規化は、その内容全体が参照により本明細書に援用される、Ｗａｇｎｅｒ ｅｔ ａｌ．（Ｔｈｅｏｒｙ Ｂｉｏｓｃｉ．（２０１２）１３１：２８１－２８５）に記載されている技術に従って実行されてもよい。いくつかの実施形態では、ＴＰＭ正規化は、例えばｇｃｒｍａパッケージなどのソフトウェアパッケージを使用して実行されてもよい。ｇｃｒｍａパッケージの態様については、その全体が参照により本明細書に援用される、Ｗｕ Ｊ，Ｇｅｎｔｒｙ ＲＩｗｃｆＪＭＪ（２０２１）．“ｇｃｒｍａ：Ｂａｃｋｇｒｏｕｎｄ Ａｄｊｕｓｔｍｅｎｔ Ｕｓｉｎｇ Ｓｅｑｕｅｎｃｅ Ｉｎｆｏｒｍａｔｉｏｎ．Ｒ ｐａｃｋａｇｅ ｖｅｒｓｉｏｎ ２．６６．０．”に記載されている。いくつかの実施形態では、特定の遺伝子のＴＰＭ単位でのＲＮＡ発現レベルは、次式に従って計算されてもよい：
Figure 2024509576000001
次に、プロセス１０４は動作２０４に進み、ここでＴＰＭ単位でのＲＮＡ発現レベル（動作２０２で判定された）が対数変換されてもよい。プロセス１０４は例示的なものであり、多様性が存在する。例えば、いくつかの実施形態では、動作２０２及び動作２０４の片方又は双方が省かれてもよい。したがって、いくつかの実施形態では、ＲＮＡ発現レベルは、１００万単位当たりの転写物に正規化されず、代わりに、別のタイプの単位に変換されてもよい（例えば、１００万キロベース当たりの読み取り（ＲＰＫＭ）、１００万キロベース当たりの断片（ＦＰＫＭ）、又はその他の適切な単位）。追加的又は代替的に、いくつかの実施形態では、対数変換が省かれてもよい。それに代えて、いくつかの実施形態では、いかなる変換も適用されないか、又は対数変換の代わりに１つ又は複数のその他の変換が適用されてもよい。
プロセス１０４によって取得された発現データは、配列決定プロトコルによって生成された配列データ（例えば、次世代配列決定、サンガー配列決定などによって同定された核酸分子中の一連のヌクレオチド）、並びに配列データから推論又は判定され得る情報とも見なされてもよいその中に含まれる情報（例えば、供給源、組織型などを示す情報）を含み得る。いくつかの実施形態では、プロセス１０４によって取得された発現データは、ＦＡＳＴＡファイルに含まれる情報、ＦＡＳＴＱファイルに含まれる説明及び／又は品質スコア、ＢＡＭファイルに含まれる整列位置、及び／又は任意の適切なファイルから得られた任意のその他の適切な情報を含み得る。
遺伝子発現シグネチャ
本開示の態様は、１つ又は複数の遺伝子発現シグネチャ（例えば、ＲＣ ＴＭＥシグネチャ）を判定するための発現データの処理に関する。いくつかの実施形態では、発現データ（例えば、ＲＮＡ発現データ）は、コンピューティングデバイスを使用して処理されて、１つ又は複数の遺伝子発現シグネチャが判定される。いくつかの実施形態では、コンピューティングデバイスは、医師、臨床医、研究者、患者、又はその他の個人などのユーザーによって操作されてもよい。例えば、ユーザーは、コンピューティングデバイスへの入力として発現データを提供してもよく（例えば、ファイルをアップロードすることによって）、及び／又は発現データを使用して実行される、処理又はその他の方法を指定するユーザー入力を提供してもよい。
いくつかの実施形態では、発現データは、コンピューティングデバイス上で実行される１つ又は複数のソフトウェアプログラムによって処理されてもよい。
いくつかの実施形態では、本明細書に記載される方法は、複数の遺伝子群におけるそれぞれの遺伝子群に対する遺伝子群スコアを含んでなるＲＣ ＴＭＥシグネチャを判定する行為を含んでなる。いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、表１に列挙された遺伝子群の少なくとも１つ（例えば、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、又は３３）に対する遺伝子群スコアを含んでなる。
遺伝子群スコアを判定するために使用される遺伝子群内の遺伝子の数は、変動してもよい。いくつかの実施形態では、特定の遺伝子群の全ての遺伝子の全てのＲＮＡ発現レベルを使用して、特定の遺伝子群に対する遺伝群スコアが判定されてもよい。その他の実施形態では、全ての遺伝子よりも少ない数のＲＮＡ発現データが使用されてもよい（例えば、少なくとも２つの遺伝子、少なくとも３つの遺伝子、少なくとも５つの遺伝子、２～１０の遺伝子、５～１５の遺伝子、３～３０の遺伝子、又はこれらの範囲内の任意のその他の適切な範囲についてのＲＮＡ発現レベル）。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、ＭＨＣ Ｉに対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＨＬＡ－Ａ、ＨＬＡ－Ｂ、ＨＬＡ－Ｃ、Ｂ２Ｍ、ＴＡＰ１、ＴＡＰ２、ＮＬＲＣ５、ＴＡＰＢＰによって定義されるＭＨＣ Ｉ遺伝子群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、又は少なくとも７つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、ＭＨＣ ＩＩに対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＨＬＡ－ＤＱＡ１、ＨＬＡ－ＤＭＡ、ＨＬＡ－ＤＲＢ１、ＨＬＡ－ＤＭＢ、ＣＩＩＴＡ、ＨＬＡ－ＤＰＡ１、ＨＬＡ－ＤＰＢ１、ＨＬＡ－ＤＲＡ、ＨＬＡ－ＤＱＢ１によって定義されるＭＨＣ ＩＩ遺伝子群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、共活性化分子群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＣＤ２８、ＣＤ４０、ＴＮＦＲＳＦ４、ＩＣＯＳ、ＴＮＦＲＳＦ９、ＣＤ２７、ＣＤ８０、ＣＤ８６、ＣＤ４０ＬＧ、ＣＤ８３、ＴＮＦＳＦ４、ＩＣＯＳＬＧ、ＴＮＦＳＦ９、ＣＤ７０によって定義される共活性化分子群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子、少なくとも９つの遺伝子、又は少なくとも１０の遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、エフェクター細胞群の遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＩＦＮＧ、ＧＺＭＡ、ＧＺＭＢ、ＰＲＦ１、ＧＺＭＫ、ＺＡＰ７０、ＧＮＬＹ、ＦＡＳＬＧ、ＴＢＸ２１、ＥＯＭＥＳ、ＣＤ８Ａ、ＣＤ８Ｂによって定義されるエフェクター細胞群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子、少なくとも９つの遺伝子、少なくとも１０遺伝子、又は１０以上の遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、Ｔ細胞輸送群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＣＸＣＬ９、ＣＣＬ３、ＣＸＣＲ３、ＣＸＣＬ１０、ＣＸＣＬ１１、ＣＣＬ５、ＣＣＬ４、ＣＸ３ＣＬ１、ＣＸ３ＣＲ１によって定義されるＴ細胞輸送群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、又は少なくとも８つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、ＮＫ細胞群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６によって定義されるＮＫ細胞群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子、少なくとも９つの遺伝子、少なくとも１０の遺伝子、又は１０以上の遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、Ｔ細胞群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５によって定義されるＴ細胞群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子、少なくとも９つの遺伝子、又は少なくとも１０の遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャ遺伝子群は、Ｂ細胞群に対するスコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５によって定義されるＢ細胞群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子、少なくとも９つの遺伝子、少なくとも１０の遺伝子、又は１０以上の遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、Ｍ１シグネチャ群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＩＬ１Ｂ、ＩＬ１２Ｂ、ＮＯＳ２、ＳＯＣＳ３、ＩＲＦ５、ＩＬ２３Ａ、ＴＮＦ、ＩＬ１２Ａ、ＣＭＫＬＲ１によって定義されるＭ１シグネチャ群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、又は少なくとも８つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、Ｔｈ１シグネチャ群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＩＬ１２ＲＢ２、ＩＬ２、ＴＢＸ２１、ＩＦＮＧ、ＳＴＡＴ４、ＩＬ２１、ＣＤ４０ＬＧによって定義されるＴｈ１シグネチャ群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、又は少なくとも５つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、抗腫瘍サイトカイン群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１によって定義される抗腫瘍サイトカイン群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、又は少なくとも５つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、チェックポイント阻害群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１によって定義されるチェックポイント阻害群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子、少なくとも９つの遺伝子、少なくとも１０の遺伝子、又は１０以上の遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、Ｔｒｅｇ群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８によって定義されるＴｒｅｇ群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、又は少なくとも６つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、Ｔ ｒｅｇ輸送群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＣＣＬ２８、ＣＣＲ１０、ＣＣＲ４、ＣＣＲ８、ＣＣＬ１７、ＣＣＬ２２、ＣＣＬ１によって定義されるＴ ｒｅｇ輸送群における、少なくとも３つ遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、又は少なくとも６つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、好中球シグネチャ群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１によって定義される好中球群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子、又は少なくとも９つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、顆粒球輸送群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１によって定義される顆粒球輸送群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、又は少なくとも６つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、ＭＤＳＣ群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＩＤＯ１、ＡＲＧ１、ＩＬ１０、ＣＹＢＢ、ＰＴＧＳ２、ＩＬ４Ｉ１、ＩＬ６によって定義されるＭＤＳＣ群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、又は少なくとも６つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、ＭＤＳＣ輸送シグネチャ群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＣＣＬ１５、ＩＬ６Ｒ、ＣＳＦ２ＲＡ、ＣＳＦ２、ＣＸＣＬ８、ＣＸＣＬ１２、ＩＬ６、ＣＳＦ３、ＣＣＬ２６、ＣＸＣＲ４、ＣＸＣＲ２、ＣＳＦ３Ｒ、ＣＳＦ１、ＣＸＣＬ５、ＣＳＦ１Ｒによって定義されるＭＤＳＣ輸送群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、又は少なくとも７つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、マクロファージ群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒによって定義されるマクロファージ群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、又は少なくとも７つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、マクロファージＤＣ輸送群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＣＣＬ７、ＣＣＬ２、ＸＣＲ１、ＸＣＬ１、ＣＳＦ１、ＣＣＲ２、ＣＣＬ８、ＣＳＦ１Ｒによって定義されるマクロファージＤＣ輸送群における少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、又は少なくとも７つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、Ｔｈ２シグネチャ群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＩＬ１３、ＣＣＲ４、ＩＬ１０、ＩＬ５、ＩＬ４によって定義されるＴｈ２シグネチャ群における少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つ遺伝子、少なくとも６つ遺伝子、又は少なくとも７つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、腫瘍促進サイトカイン群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＭＩＦ、ＴＧＦＢ１、ＩＬ１０、ＴＧＦＢ３、ＩＬ６、ＴＧＦＢ２、ＩＬ２２によって定義される腫瘍促進サイトカイン群の少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、又は少なくとも７つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、がん関連線維芽細胞（ＣＡＦ）群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２によって定義されるがん関連線維芽細胞（ＣＡＦ）群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子、少なくとも９つの遺伝子、少なくとも１０の遺伝子、又は１０以上の遺伝子）の発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、マトリックス群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２によって定義されるマトリックス群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子、少なくとも９つの遺伝子、少なくとも１０の遺伝子、又は１０以上の遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、マトリックス再構築群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＭＭＰ１、ＰＬＯＤ２、ＭＭＰ２、ＭＭＰ１２、ＡＤＡＭＴＳ５、ＡＤＡＭＴＳ４、ＬＯＸ、ＭＭＰ９、ＭＭＰ１１、ＭＭＰ３、ＭＭＰ７、ＣＡ９によって定義されるマトリックス再構築群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子、少なくとも９つの遺伝子、少なくとも１０の遺伝子、又は１０以上の遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、血管新生群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＶＥＧＦＡ、ＶＥＧＦＢ、ＶＥＧＦＣ、ＰＤＧＦＣ、ＣＸＣＬ８、ＣＸＣＲ２、ＦＬＴ１、ＰＧＦ、ＫＤＲ、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＴＥＫ、ＶＷＦ、ＣＤＨ５によって定義される血管新生群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子、少なくとも９つの遺伝子、少なくとも１０の遺伝子、又は１０以上の遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、内皮群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲによって定義される内皮群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも３つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子、少なくとも９つの遺伝子、少なくとも１０の遺伝子、又は１０以上の遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、増殖速度群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＭＫＩ６７、ＥＳＣＯ２、ＣＥＴＮ３、ＣＤＫ２、ＣＣＮＤ１、ＣＣＮＥ１、ＡＵＲＫＡ、ＡＵＲＫＢ、Ｅ２Ｆ１、ＭＹＢＬ２、ＢＵＢ１、ＣＣＮＢ１、ＭＣＭ２、ＭＣＭ６によって定義される増殖速度群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、又は少なくとも６つの遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、ＥＭＴシグネチャ群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２によって定義されるＥＭＴシグネチャ群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子、少なくとも９つの遺伝子、少なくとも１０の遺伝子、又は１０以上の遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、環状ヌクレオチド代謝群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＡＤＣＹ４、ＰＤＥ１１Ａ、ＰＤＥ６Ａ、ＰＤＥ９Ａ、ＰＤＥ６Ｃ、ＡＤＣＹ７、ＰＤＥ４Ａ、ＰＤＥ８Ａ、ＰＤＥ１Ｂ、ＰＤＥ１Ａ、ＧＵＣＹ２Ｃ、ＧＵＣＹ１Ａ３、ＡＤＣＹ９、ＡＤＣＹ２、ＰＤＥ６Ｂ、ＡＤＣＹ８、ＰＤＥ８Ｂ、ＧＵＣＹ２Ｆ、ＰＤＥ４Ｃ、ＰＤＥ３Ａ、ＧＵＣＹ１Ａ２、ＰＤＥ６Ｇ、ＰＤＥ１Ｃ、ＧＵＣＹ２Ｄ、ＡＤＣＹ１０、ＧＵＣＹ１Ｂ３、ＧＵＣＹ１Ｂ２、ＰＤＥ７Ｂ、ＰＤＥ５Ａ、ＰＤＥ６Ｄ、ＮＰＲ２、ＡＤＣＹ５、ＮＰＲ１、ＡＤＣＹ６、ＰＤＥ７Ａ、ＰＤＥ２Ａ、ＰＤＥ４Ｂ、ＰＤＥ１０Ａ、ＰＤＥ６Ｈ、ＰＤＥ４Ｄ、ＡＤＣＹ１、ＰＤＥ３Ｂ、ＡＤＣＹ３によって定義される環状ヌクレオチド代謝群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子、少なくとも９つの遺伝子、少なくとも１０の遺伝子、又は１０以上の遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、解糖及び糖新生群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２によって定義される解糖及び糖新生群；クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴにおける、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子、少なくとも９つの遺伝子、少なくとも１０の遺伝子、又は１０以上の遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、脂肪酸代謝群に対する遺伝子群スコアを含んでなる。いくつかの実施形態では、この遺伝子群スコアは、その構成遺伝子：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２によって定義される脂肪酸代謝群における、少なくとも３つの遺伝子（例えば、少なくとも３つの遺伝子、少なくとも４つの遺伝子、少なくとも５つの遺伝子、少なくとも６つの遺伝子、少なくとも７つの遺伝子、少なくとも８つの遺伝子、少なくとも９つの遺伝子、少なくとも１０の遺伝子、又は１０以上の遺伝子）のＲＮＡ発現レベルを使用して計算されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャを判定するステップは、特定の遺伝子群について、特定の遺伝子群における少なくとも３つの遺伝子（例えば、３、４、５、６、７、８、９、１０、１１、１２、１３、１４、１５、１６、１７、１８、１９、２０、遺伝子群中の全遺伝子、又はその間の任意の数）のＲＮＡ発現レベルを使用して、特定の遺伝子群に対する遺伝子群スコアを決定することによって、ＭＨＣＩ群：ＨＬＡ－Ａ、ＨＬＡ－Ｂ、ＨＬＡ－Ｃ、Ｂ２Ｍ、ＴＡＰ１、ＴＡＰ２、ＮＬＲＣ５、ＴＡＰＢＰ；ＭＨＣＩＩ群：ＨＬＡ－ＤＱＡ１、ＨＬＡ－ＤＭＡ、ＨＬＡ－ＤＲＢ１、ＨＬＡ－ＤＭＢ、ＣＩＩＴＡ、ＨＬＡ－ＤＰＡ１、ＨＬＡ－ＤＰＢ１、ＨＬＡ－ＤＲＡ、ＨＬＡ－ＤＱＢ１；共活性化分子群：ＣＤ２８、ＣＤ４０、ＴＮＦＲＳＦ４、ＩＣＯＳ、ＴＮＦＲＳＦ９、ＣＤ２７、ＣＤ８０、ＣＤ８６、ＣＤ４０ＬＧ、ＣＤ８３、ＴＮＦＳＦ４、ＩＣＯＳＬＧ、ＴＮＦＳＦ９、ＣＤ７０；エフェクター細胞群：ＩＦＮＧ、ＧＺＭＡ、ＧＺＭＢ、ＰＲＦ１、ＧＺＭＫ、ＺＡＰ７０、ＧＮＬＹ、ＦＡＳＬＧ、ＴＢＸ２１、ＥＯＭＥＳ、ＣＤ８Ａ、ＣＤ８Ｂ；Ｔ細胞輸送群：ＣＸＣＬ９、ＣＣＬ３、ＣＸＣＲ３、ＣＸＣＬ１０、ＣＸＣＬ１１、ＣＣＬ５、ＣＣＬ４、ＣＸ３ＣＬ１、ＣＸ３ＣＲ１；ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；Ｍ１シグネチャ群：ＩＬ１Ｂ、ＩＬ１２Ｂ、ＮＯＳ２、ＳＯＣＳ３、ＩＲＦ５、ＩＬ２３Ａ、ＴＮＦ、ＩＬ１２Ａ、ＣＭＫＬＲ１；Ｔｈ１シグネチャ群：ＩＬ１２ＲＢ２、ＩＬ２、ＴＢＸ２１、ＩＦＮＧ、ＳＴＡＴ４、ＩＬ２１、ＣＤ４０ＬＧ；抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；Ｔｒｅｇ輸送群：ＣＣＬ２８、ＣＣＲ１０、ＣＣＲ４、ＣＣＲ８、ＣＣＬ１７、ＣＣＬ２２、ＣＣＬ１；好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；ＭＤＳＣ群：ＩＤＯ１、ＡＲＧ１、ＩＬ１０、ＣＹＢＢ、ＰＴＧＳ２、ＩＬ４Ｉ１、ＩＬ６；ＭＤＳＣ輸送群：ＣＣＬ１５、ＩＬ６Ｒ、ＣＳＦ２ＲＡ、ＣＳＦ２、ＣＸＣＬ８、ＣＸＣＬ１２、ＩＬ６、ＣＳＦ３、ＣＣＬ２６、ＣＸＣＲ４、ＣＸＣＲ２、ＣＳＦ３Ｒ、ＣＳＦ１、ＣＸＣＬ５、ＣＳＦ１Ｒ；マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；マクロファージＤＣ輸送群：ＣＣＬ７、ＣＣＬ２、ＸＣＲ１、ＸＣＬ１、ＣＳＦ１、ＣＣＲ２、ＣＣＬ８、ＣＳＦ１Ｒ；Ｔｈ２シグネチャ群：ＩＬ１３、ＣＣＲ４、ＩＬ１０、ＩＬ５、ＩＬ４；腫瘍促進サイトカイン群：ＭＩＦ、ＴＧＦＢ１、ＩＬ１０、ＴＧＦＢ３、ＩＬ６、ＴＧＦＢ２、ＩＬ２２；がん関連線維芽細胞（ＣＡＦ）群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；マトリックス再構築群：ＭＭＰ１、ＰＬＯＤ２、ＭＭＰ２、ＭＭＰ１２、ＡＤＡＭＴＳ５、ＡＤＡＭＴＳ４、ＬＯＸ、ＭＭＰ９、ＭＭＰ１１、ＭＭＰ３、ＭＭＰ７、ＣＡ９；血管新生群：ＶＥＧＦＡ、ＶＥＧＦＢ、ＶＥＧＦＣ、ＰＤＧＦＣ、ＣＸＣＬ８、ＣＸＣＲ２、ＦＬＴ１、ＰＧＦ、ＫＤＲ、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＴＥＫ、ＶＷＦ、ＣＤＨ５；内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；増殖速度群：ＭＫＩ６７、ＥＳＣＯ２、ＣＥＴＮ３、ＣＤＫ２、ＣＣＮＤ１、ＣＣＮＥ１、ＡＵＲＫＡ、ＡＵＲＫＢ、Ｅ２Ｆ１、ＭＹＢＬ２、ＢＵＢ１、ＣＣＮＢ１、ＭＣＭ２、ＭＣＭ６；ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；環状ヌクレオチド代謝群：ＡＤＣＹ４、ＰＤＥ１１Ａ、ＰＤＥ６Ａ、ＰＤＥ９Ａ、ＰＤＥ６Ｃ、ＡＤＣＹ７、ＰＤＥ４Ａ、ＰＤＥ８Ａ、ＰＤＥ１Ｂ、ＰＤＥ１Ａ、ＧＵＣＹ２Ｃ、ＧＵＣＹ１Ａ３、ＡＤＣＹ９、ＡＤＣＹ２、ＰＤＥ６Ｂ、ＡＤＣＹ８、ＰＤＥ８Ｂ、ＧＵＣＹ２Ｆ、ＰＤＥ４Ｃ、ＰＤＥ３Ａ、ＧＵＣＹ１Ａ２、ＰＤＥ６Ｇ、ＰＤＥ１Ｃ、ＧＵＣＹ２Ｄ、ＡＤＣＹ１０、ＧＵＣＹ１Ｂ３、ＧＵＣＹ１Ｂ２、ＰＤＥ７Ｂ、ＰＤＥ５Ａ、ＰＤＥ６Ｄ、ＮＰＲ２、ＡＤＣＹ５、ＮＰＲ１、ＡＤＣＹ６、ＰＤＥ７Ａ、ＰＤＥ２Ａ、ＰＤＥ４Ｂ、ＰＤＥ１０Ａ、ＰＤＥ６Ｈ、ＰＤＥ４Ｄ、ＡＤＣＹ１、ＰＤＥ３Ｂ、ＡＤＣＹ３；解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；及び脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２をはじめとする遺伝子群のうち少なくとも２つのそれぞれに対するそれぞれの遺伝子群スコアを判定するステップを含んでなる。
遺伝子群の一覧を以下の表１に示す。
Figure 2024509576000002
Figure 2024509576000003
Figure 2024509576000004
Figure 2024509576000005
上で説明したように、本開示の態様は、対象のＲＣ ＴＭＥシグネチャを判定することに関する。そのシグネチャには、遺伝子群スコア（例えば、表１に列挙された遺伝子群の一部又は全部のＲＮＡ発現データを使用して生成された遺伝子群スコア）が含まれてもよい。これらのシグネチャを判定する態様については、次に図３を参照して説明される。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、遺伝子セット濃縮解析（ＧＳＥＡ）技術を使用して生成された遺伝子群スコアを含んでなり、表１に列挙された１つ又は複数（例えば、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、又は３７）の遺伝子群に対する遺伝子群スコアを判定する。いくつかの実施形態では、各遺伝子群スコアは、各遺伝子群における遺伝子の少なくともいくつかのＲＮＡレベルを使用して生成される。いくつかの実施形態では、ＧＳＥＡ技術を使用するステップは、単一サンプルＧＳＥＡを使用するステップを含んでなる。単一サンプルＧＳＥＡ（ｓｓＧＳＥＡ）の態様については、その全内容が参照により本明細書に援用される、Ｂａｒｂｉｅ ｅｔ ａｌ．Ｎａｔｕｒｅ．２００９ Ｎｏｖ ５；４６２（７２６９）：１０８－１１２に記載されている。いくつかの実施形態では、ｓｓＧＳＥＡは次式に従って実行される：
Figure 2024509576000006
 式中、ｒｉは発現マトリックス内のｉ番目の遺伝子のランクを表し、Ｎは遺伝子セット中の遺伝子の数を表し（例えば、ｓｓＧＳＥＡが第１の遺伝子群における遺伝子の発現レベルを使用して第１の遺伝子群のスコアを判定するために使用されている場合、第１の遺伝子群における遺伝子の数）、Ｍは発現マトリックス内の遺伝子の総数を表す。ＧＳＥＡを実行する追加の適切な技術は当該技術分野で知られており、制限なく本明細書に記載される方法で使用することが想定される。いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、複数の遺伝子群スコアを生成するために、例えば、ＫＩＲＣ、ＪＡＶＥＬＩＮ１０１、Ｉｍｍｏｔｉｏｎ１５０、Ｉｍｍｏｔｉｏｎ１５１、ＩＣＧＣＲＥＣＡＥＵ、ＰＵＢ＿ＫＩＲＣ＿ＣＰＴＡＣ３、ＰＵＢ＿ＲＣＣ＿ＶａｎＡｌｌｅｎ＿ｐｈｓ００１４９３、ＷＵ＿ｃｃＲＣＣ＿ＲＣＣＴＣ、ＰＵＢ＿ｃｃＲＣＣ＿Ｃｈｉｎｅｓｅ＿２０２０、ｃｃＲＣＣ＿ＣｈｅｃｋＭａｔｅｓ＿２０２０、ＰＵＢ＿ｃｃＲＣＣ＿Ｓａｔｏ＿２０１３、ＣＯＭＰＡＲＺ、Ｅ－ＭＴＡＢ－３２６７、ＧＳＥ２１０９、ＧＳＥ５３７５７、ＧＳＥ７３７３１、及びＧＳＥ４０４３５などの対象の１つ又は複数のコホートからの発現データなど、複数の対象からの発現データに対してｓｓＧＳＥＡを実行することによって計算される。
図３は、本明細書に記載される技術のいくつかの実施形態による、遺伝子濃縮スコアを判定するための例示的なプロセス１０８を示す。図３の例に示されるように、「ＲＣ ＴＭＥシグネチャ」は、複数の遺伝子群のそれぞれについて判定された複数の遺伝子群スコア３２０を含んでなる。各遺伝子群スコアは、特定の遺伝子群について、特定の遺伝子群３００における１つ又は複数（例えば、少なくとも２つ、少なくとも３つ、少なくとも４つ、少なくとも５つ、少なくとも６つなど、又は全部）の遺伝子のＲＮＡ発現データに対してＧＳＥＡ３１０を実行する（例えば、ｓｓＧＳＥＡを使用して）ことによって計算される。
例えば、図３に示されるように、遺伝子群１（例えば、Ｔｒｅｇ細胞群）に対する遺伝子群スコア（「遺伝子群スコア１」とラベル付けされる）が、遺伝子群内の１つ又は複数の遺伝子のＲＮＡ発現データから計算される。別の例として、遺伝子群２（例えば、Ｔｈ１群）に対する遺伝子群スコア（「遺伝子群スコア２」とラベル付けされる）は、遺伝子群２内の１つ又は複数の遺伝子のＲＮＡ発現データから計算される。別の例として、遺伝子群３（例えば、ＭＨＣ ＩＩ群）に対する遺伝子群スコア（「遺伝子群スコア３」とラベル付けされる）は、遺伝子群３内の１つ又は複数の遺伝子のＲＮＡ発現データから計算される。別の例として、遺伝子群４（例えば、エフェクター細胞群）に対する遺伝子群スコア（「遺伝子群スコア４」とラベル付けされる）は、遺伝子群４内の１つ又は複数の遺伝子のＲＮＡ発現データから計算される。別の例として、遺伝子群５（例えば、抗腫瘍サイトカイン群）に対する遺伝子群スコア（「遺伝子群スコア５」とラベル付けされる）は、遺伝子群５内の１つ又は複数の遺伝子のＲＮＡ発現データから計算される。別の例として、遺伝子群６（例えば、Ｍ１群）に対する遺伝子群スコア（「遺伝子群スコア６」とラベル付けされる）は、遺伝子群６内の１つ又は複数の遺伝子のＲＮＡ発現データから計算される。別の例として、遺伝子群７（例えば、好中球シグネチャ群）に対する遺伝子群スコア（「遺伝子群スコア７」とラベル付けされる）は、遺伝子群７内の１つ又は複数の遺伝子のＲＮＡ発現データから計算される。別の例として、遺伝子群８（例えば、チェックポイント阻害群）に対する遺伝子群スコア（「遺伝子群スコア８」とラベル付けされる）は、遺伝子群８内の１つ又は複数の遺伝子のＲＮＡ発現データから計算される。
図３の例は、遺伝子発現群発現スコアが、８遺伝子群のそれぞれのセットに対する８つの遺伝子群スコアを含むことを示すが、その他の実施形態では、第１の遺伝子発現シグネチャは、任意の適切な数の群のスコアを含んでもよいことが理解されるべきである（例えば、８だけでなく；群の数は８よりも少ない場合も多い場合もある）。図３の縦の省略記号で示されるように、ＲＣ ＴＭＥシグネチャの遺伝子群スコアを判定するステップは、本明細書に記載される技術の態様がこの点で限定されないように、それぞれの遺伝子群における１つ又は複数のそれぞれの遺伝子からのＲＮＡ発現データを使用して、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、又はそれ以上の遺伝子群に対する遺伝子群スコアを判定するステップを含んでなってもよい。別の例では、ＲＣ ＴＭＥシグネチャには、上記の表１に列挙された遺伝子群のサブセットのみのスコアが含まれてもよい。
遺伝子群発現スコアを判定するために使用される遺伝子群内の遺伝子の数は、変動してもよい。いくつかの実施形態では、特定の遺伝子群の全ての遺伝子の全てのＲＮＡ発現レベルを使用して、特定の遺伝子群に対する遺伝群スコアが判定されてもよい。その他の実施形態では、全遺伝子よりも少ない数の遺伝子のＲＮＡ発現データが使用されてもよい（例えば、少なくとも２つの遺伝子、少なくとも３つの遺伝子、少なくとも５つの遺伝子、２～１０の遺伝子、５～１５の遺伝子、又はこれらの範囲内のその他の適切な範囲）。
いくつかの実施形態では、特定の遺伝子群のＲＮＡ発現レベルは、発現レベルを格納するフィールドを有する少なくとも１つのデータ構造で具現化されてもよい。データ構造又はデータ構造群は、ＧＳＥＡ技術（例えば、ｓｓＧＳＥＡ技術）を実装して、少なくとも１つのデータ構造中の発現レベルを処理し、特定の遺伝子群に対するスコアを算出する、コードを含んでなるソフトウェアへの入力として提供されてもよい。いくつかの実施形態では、ｓｓＧＳＥＡは、表１に記載される３つ以上（例えば、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、又は３７）の遺伝子群を含んでなる発現データに対して実行される。いくつかの実施形態では、遺伝子群のそれぞれは別々に、表１に列挙された１つ又は複数（例えば、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又はそれ以上）の遺伝子を含んでなる。いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、表１の３３の遺伝子群全てに対してｓｓＧＳＥＡを実行することによって生成され、各遺伝子群は表１に列挙された遺伝子を含む。いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、表１の３７の遺伝子群全てに対してｓｓＧＳＥＡを実行することによって生成され、各遺伝子群は表１に列挙された遺伝子を含む。
いくつかの実施形態では、発現データ（例えば、対象又は対象のコホートの発現データ）のＲＣ ＴＭＥシグネチャを生成するために、１つ又は複数（例えば、複数）の濃縮スコアが正規化される。いくつかの実施形態では、濃縮スコアは中央値スケーリングによって正規化される。いくつかの実施形態では、中央値スケーリングは、対象のＲＣ ＴＭＥシグネチャを生成する。いくつかの実施形態では、中央値スケーリングは、濃縮スコアの範囲をクリッピングするステップを含んでなり、例えば、約－１．０から約＋１．０、－２．０から約＋３．０、－３．０から約＋３．０、－４．０から＋４．０、－５．０から約＋５．０にクリッピングする。
いくつかの実施形態では、対象のＲＣ ＴＭＥシグネチャはクラスタリングアルゴリズムを用いて処理され、ＲＣ腫瘍微小環境タイプ（例えば、ＲＣ ＴＭＥタイプ）が同定される。いくつかの実施形態では、クラスタリングは教師なしクラスタリングを含んでなる。いくつかの実施形態では、教師なしクラスタリングは、密集クラスタリングアプローチを含んでなる。いくつかの実施形態では、対象のＲＣ ＴＭＥシグネチャはＲＣ ＴＭＥタイプの既存のクラスタと比較され、その比較に基づいてＲＣ ＴＭＥタイプが割り当てられる。いくつかの実施形態では、クラスタリングは、ノードにおけるサンプルと、エッジにおけるｓｓＧＳＥＡスコアとの相関を有するグラフを生成するステップを含んでなる。いくつかの実施形態では、各ノードは７５の隣接ノードを有する。いくつかの実施形態では、クラスタリングは、得られたグラフにライデンアルゴリズムを適用することをさらに含んでなる。
いくつかの実施形態では、対象のＲＣ ＴＭＥシグネチャはＲＣ ＴＭＥタイプの既存のクラスタと比較され、その比較に基づいてＲＣ ＴＭＥタイプが割り当てられる。
遺伝子群に対する遺伝子群スコアを判定するいくつかの態様は、その全内容が参照により本明細書に援用される、「ＳＹＳＴＥＭＳ ＡＮＤ ＭＥＴＨＯＤＳ ＦＯＲ ＧＥＮＥＲＡＴＩＮＧ，ＶＩＳＵＡＬＩＺＩＮＧ ＡＮＤ ＣＬＡＳＳＩＦＹＩＮＧ ＭＯＬＥＣＵＬＡＲ ＦＵＮＣＴＩＯＮＡＬ ＰＲＯＦＩＬＥＳ」と題された米国特許出願公開第２０２０－０２７３５４３号明細書にも記載されている。
新しいデータに基づいたＲＣ ＴＭＥクラスタの更新
ＲＣ ＴＭＥクラスタを生成するための技術が、本明細書に記載されている。追加のＲＣ ＴＭＥシグネチャが患者に対して計算されると、ＲＣ ＴＭＥクラスタが更新されてもよいことが理解されるべきである。いくつかの実施形態では、対象のＲＣ ＴＭＥシグネチャは、閾値数の対象に対する閾値数のＲＣ ＴＭＥシグネチャの１つである。いくつかの実施形態では、閾値数のＲＣ ＴＭＥシグネチャが生成されると、ＲＣ ＴＭＥシグネチャクラスタが更新される。例えば、新しい閾値数のＲＣ ＴＭＥシグネチャ（例えば、１つの新しいシグネチャ、１０つ新しいシグネチャ、１００の新しいシグネチャ、５００の新しいシグネチャ、１０～１，０００の範囲内の任意の適切なシグネチャの閾値数）が取得されると、新しいシグネチャは、ＲＣ ＴＭＥクラスタを生成するために以前に使用されたＲＣ ＴＭＥシグネチャと組み合わされてもよく、新旧のＲＣ ＴＭＥシグネチャの組み合わされたセットは、再度クラスタリングされ（例えば、本明細書に記載されるクラスタリングアルゴリズムのいずれか、又はその他の適切なクラスタリングアルゴリズムのいずれかを用いて）、ＲＣ ＴＭＥシグネチャクラスタの更新されたセットが取得されてもよい。
このようにして、将来の患者から得られるデータは、将来の患者よりも前にＲＣ ＴＭＥシグネチャが計算された患者から学習された情報を活用する様式で解析されてもよい。この意味で、本明細書に記載される機械学習技術（例えば、教師なしクラスタリング機械学習技術）は適応性であり、新しい患者データの蓄積と共に学習する。このことは、将来患者が有してもよいＲＣ ＴＭＥタイプの改善された特徴付を容易にし、これらの患者に対する治療法の選択を改善してもよい。
筋形成シグネチャ
本開示の態様は、対象の筋形成シグネチャを生成する方法に関する。本開示は、本明細書に記載されるように計算された筋形成シグネチャを使用して、いくつかの実施形態において、免疫腫瘍学（ＩＯ）剤による治療に対して非応答性である可能性が高い対象を同定し得るという認識に部分的に基づいている。いくつかの実施形態では、筋形成シグネチャは、表２に列挙された遺伝子の少なくともいくつか（例えば、２、３、４、５、６、７、８、９、１０、１１、１２、１３、又は１４個）のＲＮＡ発現データを使用して生成される。
いくつかの実施形態では、筋形成シグネチャは、筋形成遺伝子群スコアを含んでなる。いくつかの実施形態では、筋形成遺伝子群スコアは、表２に列挙された遺伝子の少なくともいくつか（例えば、２、３、４、５、６、７、８、９、１０、１１、１２、１３、又は１４個）のＲＮＡ発現レベルを使用して生成される。いくつかの実施形態では、筋形成遺伝子群スコアを生成するステップは、表２に列挙された２つ以上の遺伝子のＲＮＡ発現データを使用してＧＳＥＡ（例えば、ｓｓＧＳＥＡ）を実施するステップを含んでなる。いくつかの実施形態では、中央値スケーリングは、ＧＳＥＡから得られた遺伝子発現（例えば、遺伝子濃縮）スコアに対して実行される。筋形成シグネチャは、－３～２０の範囲（例えば、－３、－２、－１、０、１、２、３、４、５、６、７、８、９、１０、１１、１２、１３、１４、１５、１６、１７、１８、１９、又は２０）のスコアで表されてもよい。いくつかの実施形態では、４より高い筋形成シグネチャ（スコア）を有する対象は、「高い筋形成スコア」を有すると見なされる。いくつかの実施形態では、８より高い筋形成シグネチャ（スコア）を有する対象は、「高い筋形成スコア」を有すると見なされる。いくつかの実施形態では、１０より高い筋形成シグネチャ（スコア）を有する対象は、「高い筋形成スコア」を有すると見なされる。いくつかの実施形態では、１５より高い筋形成シグネチャ（スコア）を有する対象は、「高い筋形成スコア」を有すると見なされる。いくつかの実施形態では、「高い」筋形成シグネチャ（スコア）を有する対象は、「ＩＯ療法に対する非応答者」であると見なされる。「ＩＯ療法に対する非応答者」は、筋形成シグネチャ（スコア）が「高」でない対象（例えば、ＲＣ対象）と比較して、免疫療法（ＩＯ）剤による治療に応答する可能性が有意に低い、ＲＣ（例えば、ｃｃＲＣＣ）を有する対象である。
筋形成シグネチャを判定するために使用される遺伝子群における遺伝子の数は変動してもよい。いくつかの実施形態では、筋形成シグネチャ遺伝子群内の全ての遺伝子の全てのＲＮＡ発現レベルを使用して、筋形成遺伝子群スコアが判定されてもよい。その他の実施形態では、全遺伝子よりも少ない遺伝子のＲＮＡ発現データが使用されてもよい（例えば、２、３、４、５、６、７、８、９、１０、１１、１２、又は１３遺伝子のＲＮＡ発現レベル）。筋形成シグネチャ遺伝子群における遺伝子の一覧を以下の表２に示す。
Figure 2024509576000007
ＲＣ ＴＭＥシグネチャの生成とＴＭＥタイプの同定
本明細書に記載されるように、図１は、対象のＲＣ ＴＭＥシグネチャの判定、及び任意選択的に、同定されたＲＣ ＴＭＥシグネチャを使用した対象の予後の同定を示す。
本明細書に記載されるように、いくつかの実施形態では、本明細書に記載される技術を使用して対象について判定されたＲＣ ＴＭＥシグネチャを使用して、複数の異なるＲＣ ＴＭＥタイプの１つが対象について同定されてもよい。いくつかの実施形態では、ＲＣ ＴＭＥタイプは、ＲＣ ＴＭＥタイプＡ、ＲＣ ＴＭＥタイプＢ、ＲＣ ＴＭＥタイプＣ、ＲＣ ＴＭＥタイプＤ、及びＲＣ ＴＭＥタイプＥを含んでなる。
いくつかの実施形態では、複数のＲＣ ＴＭＥタイプのそれぞれは、複数のＲＣ ＴＭＥシグネチャクラスタ内のそれぞれのＲＣ ＴＭＥシグネチャクラスタに関連付けられる。対象のＲＣ ＴＭＥタイプは、（１）対象のＲＣ ＴＭＥシグネチャを複数のＲＣ ＴＭＥシグネチャクラスタの特定の１つに関連付けるステップと；（２）対象のＲＣ ＴＭＥタイプを、対象のＲＣ ＴＭＥシグネチャが関連付けられている複数のＲＣ ＴＭＥシグネチャクラスタの特定の１つに対応するＲＣ ＴＭＥタイプとして同定するステップとによって判定されてもよい。
図４は、例示的なＲＣ ＴＭＥシグネチャ４００を示す。いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、表１に列挙された遺伝子群に対する少なくとも３つの遺伝子群スコアを含んでなる。しかしながら、ＲＣ ＴＭＥシグネチャは、図４に示されるスコアの数よりも多い又は少ないスコアを含んでもよいことが理解されるべきである（例えば、表１に列挙された遺伝子群の１つ又は複数のスコアを省略することによって、又は表１に列挙された遺伝子群に加えて、又はその代わりに、１つ又は複数のその他の遺伝子群のスコアを含めることによって）。いくつかの実施形態では、ＲＣ ＴＭＥシグネチャは、ＲＣ ＴＭＥシグネチャの遺伝子群スコア部分を格納するフィールドを含んでなる、少なくとも１つのデータ構造で具現化されてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥシグネチャクラスタは、（１）複数の対象について（本明細書に記載される技術を使用して）ＲＣ ＴＭＥシグネチャを得るステップと、（２）そのようにして得られたＲＣ ＴＭＥシグネチャを複数のクラスタにクラスタリングするステップとによって生成されてもよい。この目的のためには、密集クラスタリングアルゴリズム、スペクトルクラスタリングアルゴリズム、ｋ平均クラスタリングアルゴリズム、階層クラスタリングアルゴリズム、及び／又は凝集クラスタリングアルゴリズムをはじめとする適切なクラスタリング技術が使用されてもよいが、これらに限定されるものではない。
例えば、サンプル間類似性は、ピアソン相関を使用して計算されてもよい。距離行列は、各サンプルがノードを形成し、２つのノードがピアソン相関係数に等しい重みを持つエッジを形成するグラフに変換されてもよい。指定された閾値よりも低い重みを持つエッジは削除されてもよい。ルーバンコミュニティ検出アルゴリズムを適用して、クラスタへのグラフの分割が計算されてもよい。観察されたクラスタの最適な重み閾値を数学的に判定するためには、最小Ｄａｖｉｅｓ Ｂｏｕｌｄｉｎ、最大Ｃａｌｉｎｓｋｉ－Ｈａｒａｂａｓｚ、及びＳｉｌｈｏｕｅｔｔｅ技術が使用されてもよい。低ポピュレーションクラスタ（サンプルの５％未満）の分離は除外されてもよい。
したがって、いくつかの実施形態では、ＲＣ ＴＭＥシグネチャクラスタを生成するステップは、（Ａ）複数のそれぞれの対象からの生物学的サンプルを配列決定することによって得られる複数セットのＲＮＡ発現データを取得するステップと；（Ｂ）複数セットのＲＮＡ発現データから複数のＲＣ ＴＭＥシグネチャを生成するステップとを伴い、複数セットのＲＮＡ発現データのそれぞれは、第１の複数の遺伝子群（例えば、表１の遺伝子群の１つ又は複数）の遺伝子のＲＮＡ発現レベルを示し、複数のＲＣ ＴＭＥシグネチャのそれぞれは、それぞれの遺伝群の遺伝子群スコアを含んでなり、生成するステップは、複数のＲＣ ＴＭＥシグネチャの特定の１つ毎に、（ｉ）それに対して特定の１つのＲＣ ＴＭＥシグネチャが生成されているＲＮＡ発現データの特定のセットにおけるＲＮＡ発現レベルを使用して、遺伝子群スコアを判定することによってＲＣ ＴＭＥシグネチャを判定するステップと、（ｉｉ）複数のＲＣシグネチャをクラスタリングして、複数のＲＣ ＴＭＥシグネチャクラスタを取得するステップとを含んでなる。
得られたＲＣ ＴＭシグネチャクラスタはそれぞれ、本明細書に記載される技術の態様がこの点で限定されないように、任意の適切な数のＲＣ ＴＭＥシグネチャ（例えば、少なくとも１０、少なくとも１００、少なくとも５００、少なくとも１０００、少なくとも５０００、１００～１００００、５００～２００００、又はこれらの範囲内の任意のその他の適切な範囲）を含有してもよい。
この例のＲＣ ＴＭＥシグネチャクラスタの数は５である。また、いくつかの実施形態では、クラスタの数が異なる可能性もあるが、本開示の重要な態様は、本明細書に記載される方法を使用してＲＣ ＴＭＥシグネチャの生成に基づいて、ＲＣが５つのタイプに特徴付けられてもよいという本発明者らの発見であることが理解されるべきである。
例えば、図４に示されるように、対象のＲＣ ＴＭＥシグネチャ４００は、５つのＲＣ ＴＭＥクラスタ４０２、４０４、４０６、４０８、及び４１０の１つに関連付けられてもよい。クラスタ４０２、４０４、４０６、４０８、及び４１０のそれぞれは、それぞれのＲＣ ＴＭＥタイプに関連付けられてもよい。この例では、ＲＣ ＴＭＥシグネチャ４００が各クラスタと比較され（例えば、距離に基づく比較又は任意のその他の適切なメトリックを使用して）、比較の結果に基づいて、ＲＣ ＴＭＥシグネチャ４００は、最も近いＲＣシグネチャクラスタ（距離ベースの比較が実行される場合、又は距離のメトリック又は尺度が使用される任意の意味での「最も近い」）に関連付けられる。この例では、ＲＣ ＴＭＥシグネチャ４００と（例えば、クラスタ４１０の質量中心又はそれを代表するその他の点の）間の距離Ｄ５の測定値は、ＲＣ ＴＭＥシグネチャ４００と（例えば、クラスタ４０２、４０４、４０６、及び４０８の質量中心又はそれぞれを代表するその他の点の）間の距離Ｄ１、Ｄ２、Ｄ３、及びＤ４の測定値よりもそれぞれ小さいことから、ＲＣ ＴＭＥシグネチャ４００は、ＲＣ ＴＭＥタイプクラスタ５、４１０に関連付けられている（一貫した陰影で示されているように）。
いくつかの実施形態では、対象のＲＣ ＴＭＥシグネチャは、ＲＣ ＴＭＥシグネチャを５つのＲＣ ＴＭＥシグネチャクラスタの１つに割り当てるための機械学習技術（例えば、ｋ近傍法（ＫＮＮ）又は任意のその他の適切な分類子など）を使用することによって、５つのＲＣ ＴＭＥシグネチャクラスタの１つに関連付けられ得る。機械学習技術は、クラスタ内のシグネチャによって表されるメタコホートにＲＣ ＴＭＥシグネチャを割り当てるようにトレーニングされてもよい。
いくつかの実施形態では、ＲＣ ＴＭＥタイプとしては、ＲＣ ＴＭＥタイプＡ、ＲＣ ＴＭＥタイプＢ、ＲＣ ＴＭＥタイプＣ、ＲＣ ＴＭＥタイプＤ、及びＲＣ ＴＭＥタイプＥが挙げられる。本明細書に記載されるＲＣ ＴＭＥタイプは、例えば、特定の遺伝子発現シグネチャ又はスコアについての高いシグナル、又は特定のその他の遺伝子発現シグネチャ又はスコアについての低いシグナルなど、定性的特性によって記述されてもよい。いくつかの実施形態では、「高い」シグナルは、異なるタイプのＲＣを有する対象における同じ遺伝子又は遺伝子群のスコアと比較して、少なくとも１倍、２倍、３倍、４倍、５倍、６倍、７倍、８倍、９倍、１０倍、２０倍、５０倍、１００倍、１０００倍、又はそれ以上増加した遺伝子発現シグナル又はスコア（例えば、濃縮スコア）を指す。いくつかの実施形態では、「低い」シグナルは、異なるタイプのＲＣを有する対象における同じ遺伝子又は遺伝子群のスコアと比較して、少なくとも１倍、２倍、３倍、４倍、５倍、６倍、７倍、８倍、９倍、１０倍、２０倍、５０倍、１００倍、１０００倍、又はそれ以上低下した遺伝子発現シグナル又はスコア（例えば、濃縮スコア）を指す。
いくつかの実施形態では、対象は、「ＲＣ ＴＭＥタイプＡ」ＲＣとも称される「免疫富化、線維化（ＩＥ／Ｆ）」を有すると特定される。いくつかの実施形態では、ＲＣ ＴＭＥタイプＡは、その他のＲＣ ＴＭＥタイプと比較して、免疫細胞の有病率が高く、がん関連線維芽細胞（ＣＡＦ）の割合が高いことを特徴とする。いくつかの実施形態では、ＲＣ ＴＭＥタイプＡは、顕著な数の調節性Ｔ細胞をはじめとする、豊富な腫瘍促進免疫抑制浸潤物を含んでなる。いくつかの実施形態では、ＲＣ ＴＭＥタイプＡにおける悪性細胞の割合は、その他のＲＣ ＴＭＥタイプと比較して低い。いくつかの実施形態では、腫瘍抑制因子ＢＡＰ１の変異は、ＲＣ ＴＭＥタイプＡにおいて頻繁である。いくつかの実施形態では、ＲＣ ＴＭＥタイプＡを有する対象は、単独での、又はチロシンキナーゼ阻害剤と組み合わされた免疫チェックポイント阻害剤に対して応答性である。いくつかの実施形態では、ＲＣ ＴＭＥタイプＡは、その他のＲＣ ＴＭＥタイプと比較して高い腫瘍増殖率を特徴とする。いくつかの実施形態では、ＲＣ ＴＭＥタイプＡを有する対象は、その他のＲＣ ＴＭＥタイプを有する対象と比較して予後が不良である。
いくつかの実施形態では、対象は、「ＲＣ ＴＭＥタイプＢ」とも称される「免疫富化、非線維化（ＩＥ）」を有すると特徴付けられる。いくつかの実施形態では、ＲＣ ＴＭＥタイプＢは、他のＲＣ ＴＭＥタイプと比較して、細胞傷害性エフェクター細胞をはじめとする豊富な免疫活性浸潤、並びに間質要素及び線維化要素の分布率が低いことを特徴とする。いくつかの実施形態では、ＲＣ ＴＭＥタイプＢは、免疫誘導性炎症を特徴とする。いくつかの実施形態では、ＲＣ ＴＭＥタイプＢを有する対象は、腫瘍抑制因子ＢＡＰ１に変異を含んでなる。いくつかの実施形態では、ＲＣ ＴＭＥタイプＢを有する対象は、単独での、又はチロシンキナーゼ阻害剤と組み合わされた免疫チェックポイント阻害剤に対して応答性である。
いくつかの実施形態では、対象は、「ＲＣ ＴＭＥタイプＣ」とも称される「線維症（Ｆ）」を有すると特徴付けられる。いくつかの実施形態では、ＲＣ ＴＭＥタイプＣは、（その他のＲＣ ＴＭＥタイプと比較して）高度に線維化しており、高密度のコラーゲン形成を伴う。いくつかの実施形態では、ＲＣ ＴＭＥタイプＣは、特定のその他のＲＣ ＴＭタイプＥよりも炎症が少ないと特徴付けられる。いくつかの実施形態では、ＲＣ ＴＭＥタイプＣは、その他のＲＣ ＴＭＥタイプと比較して白血球／リンパ球浸潤が最小限であることを特徴とする。いくつかの実施形態では、がん関連線維芽細胞（ＣＡＦ）がタイプＣ ＲＣに豊富に存在する。いくつかの実施形態では、上皮間葉転換（ＥＭＴ）の徴候がＲＣ ＴＭＥタイプＣを有する対象に存在する。いくつかの実施形態では、ＲＣ ＴＭＥタイプＣは、その他のＲＣ ＴＭＥタイプと比較して不良な予後と関連している。
いくつかの実施形態では、対象は、「ＲＣ ＴＭＥタイプＤ」とも称される、「代謝内容を伴う免疫砂漠（Ｄ）」を有すると特徴付けられる。いくつかの実施形態では、ＲＣ ＴＭＥＤタイプは、その他のＲＣ ＴＭＥタイプと比較して最も高い悪性細胞の割合を含み、白血球／リンパ球浸潤がごくわずかであるか完全に欠如していることを特徴とする。いくつかの実施形態では、免疫介在性炎症は存在しない。いくつかの実施形態では、代謝活性化の徴候がＲＣ ＴＭＥタイプＤを有する対象に存在する。いくつかの実施形態では、ＲＣ ＴＭＥタイプＤは、その他のＲＣ ＴＭＥタイプと比較して良好な予後と関連している。
いくつかの実施形態では、対象は、「ＲＣ ＴＭＥタイプＥ」とも称される、「血管新生、非炎症性」を有すると特徴付けられる。いくつかの実施形態では、ＲＣ ＴＭＥタイプＥは、その他のＲＣ ＴＭＥタイプと比較して、強力な血管新生及び低レベルの免疫浸潤を特徴とする。いくつかの実施形態では、上皮間葉転換（ＥＭＴ）の徴候がＲＣ ＴＭＥタイプＥを有する対象に存在する。いくつかの実施形態では、ＲＣ ＴＭＥタイプＥは、低いがん病期と関連しており、通常は治療する必要はない。いくつかの実施形態では、ＲＣ ＴＭＥタイプＥを有する対象は、しばしばチロシンキナーゼ阻害剤（ＴＫＩ）に対して応答性である。いくつかの実施形態では、ＲＣ ＴＭＥタイプＥは、その他のＲＣ ＴＭＥタイプと比較して良好な予後と関連している。
いくつかの実施形態では、本開示は、本明細書に記載される方法を使用して生成されたＲＣ ＴＭＥシグネチャを使用して、ＲＣ対象の予後を同定するための方法を提供する。
いくつかの実施形態では、方法は、対象がＲＣ ＴＭＥタイプＥ又はＲＣ ＴＭＥＤに割り当てられた場合、その他のＲＣ ＴＭＥタイプと比較してＲＣ進行のリスクが低下していると対象を同定するステップを含んでなる。いくつかの実施形態では、「ＲＣ進行リスクの低下」は、対象におけるＲＣの予後が良好であること、又は進行性疾患を有する可能性が低下していることを示してもよい。いくつかの実施形態では、「ＲＣ進行リスクの低下」は、ＲＣを有する対象が特定の治療に対してより応答性がより高いと予想されることを示してもよい。例えば、「ＲＣ進行リスクの低下」は、対象が、別のＲＣ患者又はＲＣ患者の集団（例えば、ＲＣを有するが、対象と同じＲＣ ＴＭＥタイプではない患者）と比較して、無増悪生存イベント（例えば、再発、再治療、又は死亡）を経験する可能性が、少なくとも１０％、２０％、３０％、４０％、５０％、６０％、７０％、８０％、９０％、又は１００％高いことを示す。
いくつかの実施形態では、方法は、対象が例えば、ＲＣ ＴＭＥタイプＡなどのＲＣ ＴＭＥタイプＥ以外のＲＣ ＴＭＥタイプに割り当てられた場合、その他のＲＣ ＴＭＥタイプと比較してＲＣ進行のリスクが増加していると対象を同定するステップをさらに含んでなる。いくつかの実施形態では、「ＲＣ進行リスクの増加」は、対象におけるＲＣの予後があまり良好でないこと、又は進行疾患を有する可能性が高いことを示してもよい。いくつかの実施形態では、「ＲＣ進行リスクの増加」は、ＲＣを有する対象が、特定の治療に対する応答性が低いか又は応答せず、疾患症状の改善が少ない、又は全く示されないと予想されることを示してもよい。例えば、「ＲＣ進行リスクの増加」は、対象が、別のＲＣ患者又はＲＣ患者の集団（例えば、ＲＣを有するが、対象と同じＲＣ ＴＭＥタイプではない患者）と比較して、無増悪生存イベント（例えば、再発、再治療、又は死亡）を経験する可能性が、少なくとも１０％、２０％、３０％、４０％、５０％、６０％、７０％、８０％、９０％、又は１００％高いことを示す。
応答者スコア
本開示の態様は、ＲＣ（例えば、ｃｃＲＣＣ）を有する対象が免疫治療（ＩＯ）剤又はＴＫＩなどの特定の治療剤に応答する可能性があるかどうかを判定するための方法に関する。
いくつかの実施形態では、治療薬は免疫腫瘍学（ＩＯ）剤である。ＩＯ剤は、小分子、ペプチド、タンパク質（例えば、モノクローナル抗体などの抗体）、干渉核酸、又は前述のいずれかの組み合わせであってもよい。いくつかの実施形態では、ＩＯ剤は、ＰＤ１阻害剤、ＰＤ－Ｌ１阻害剤、又はＰＤ－Ｌ２阻害剤を含んでなる。ＩＯ剤の例としては、セミプリマブ、ニボルマブ、ペンブロリズマブ、アベルマブ、デュルバルマブ、アテゾリズマブ、ＢＭＳ１１６６、ＢＭＳ２０２、イピリムマブなどが挙げられるが、これらに限定されるものではない。
いくつかの実施形態では、治療薬はチロシンキナーゼ阻害剤（ＴＫＩ）である。ＴＫＩは、小分子、ペプチド、タンパク質（例えば、モノクローナル抗体などの抗体）、干渉核酸、又は前述のいずれかの組み合わせであってもよい。ＴＫＩの例としては、イマチニブメシレート（Ｇｌｅｅｖｅｃ（登録商標））、ダサチニブ（Ｓｐｒｙｃｅｌ（登録商標））、ニロチニブ（Ｔａｓｉｇｎａ（登録商標））、ボスチニブ（Ｂｏｓｕｌｉｆ（登録商標））、スニチニブ（Ｓｕｔｅｎｔ（登録商標））などが挙げられるが、これらに限定されるものではない。
本開示の態様は、ＲＣ（例えば、ｃｃＲＣＣ）を有する対象が、ＩＯ剤に応答する可能性を判定するための方法に関する。本開示は、ＩＯ剤に対する応答を示すバイオマーカーを含んでなるＲＣ患者の特定のサブグループの同定に部分的に基づいている。いくつかの実施形態では、対象が高い倍数性（例えば、ＲＴｕｍｏｒバイオインフォマティクス解析によって計算される）、高い筋原性シグネチャ（例えば、本明細書全体を通じて、筋形成シグネチャと題されたセクションに記載される）、ＲＣ ＴＭＥタイプＥ（本明細書全体を通じて記載された方法によって判定される）、ｍＴＯＲ活性化変異の存在、又は抗原提示機構における変異の存在のバイオマーカーの１つ又は複数を含んでなると判定された場合（例えば、本明細書に記載される方法を使用して、対象が有すると同定された場合）、対象はＩＯ療法に応答する可能性が低い。ｍＴＯＲ活性化変異の例としては、ＭＴＯＲの変異、ＴＳＣ１／２の変異、ＰＴＥＮの変異、ＭＥＴの変異、及びＣａｎｃｅｒ Ｄｉｓｃｏｖ．２０１４ Ｍａｙ；４（５）：５５４－６３．Ｄｏｉ：１０．１１５８／２１５９－８２９０．ＣＤ－１３－０９２９．Ｅｐｕｂ ２０１４ Ｍａｒ１４記載されている変異が挙げられるが、これらに限定されるものではない。抗原提示機構における変異の例としては、ＰＳＭＢ５、ＰＳＭＢ６、ＰＳＭＢ７、ＰＳＭＢ８、ＰＳＭＢ９、ＰＳＭＢ１０、ＴＡＰ１、ＴＡＰ２、ＥＲＡＰ１、ＥＲＡＰ２、ＣＡＮＸ、ＣＡＬＲ、ＰＤＩＡ３、ＴＡＰＢＰ、Ｂ２Ｍ、ＨＬＡ－Ａ、ＨＬＡ－Ｂ、及びＨＬＡ－Ｃにおける変異が挙げられるが、これらに限定されるものではない。いくつかの実施形態では、前述のバイオマーカーの１つ又は複数を有する対象は、「ＩＯ非応答者」と称される。
いくつかの態様では、本開示は、対象の遺伝子発現データを使用して対象のＲＣ ＴＭＥタイプを特同定し、その後機械学習モデルを使用して対象がＩＯに応答する可能性を示す応答者スコアを取得することによって、対象が免疫腫瘍学（ＩＯ）剤に応答する可能性を予測するための方法を提供する。いくつかの実施形態では、機械学習モデルは勾配ブースティングモデルを含んでなる。いくつかの実施形態では、機械学習モデルはＣａｔＢｏｏｓｔ分類器を含んでなる。いくつかの実施形態では、機械学習モデルは、複数のサンプル（例えば、患者のコホートに由来するサンプル）からの以下の入力を使用してトレーニングされる：ＲＣ ＴＭＥタイプ；遺伝子発現データから取得されたＰＤ１、ＰＤ－Ｌ１、及び／又はＰＤ－Ｌ２の発現レベル；ＥＣＭ関連シグネチャ（例えば、表１のＥＣＭ関連遺伝子群からの例えば２、３、４、５、６つ、又はそれ以上などの２つ以上の遺伝子を使用して生成された遺伝子群スコア）；血管新生シグネチャ（例えば、表１の血管新生遺伝子群からの例えば２、３、４、５、６つ、又はそれ以上などの２つ以上の遺伝子を使用して生成された遺伝子群スコア）；増殖速度シグネチャ（例えば、表１の増殖速度遺伝子群からの例えば２、３、４、５、６つ、又はそれ以上などの２つ以上の遺伝子を使用して生成された遺伝子群スコア）；及び対象に関して同定されたＲＣ ＴＭＥタイプと、その他の対象からのＲＣ ＴＭＥタイプＢの遺伝子群スコア及び／又はＲＣ ＴＭＥタイプＣ遺伝子群スコアとを比較することによって生成される類似性スコア。いくつかの実施形態では、類似性スコアは、対象のＲＣ ＴＭＥシグネチャの遺伝子群スコアと、ＲＣ ＴＭＥタイプＢサンプルからの複数のＲＣ ＴＭＥシグネチャの遺伝子群スコアの平均及び／又はＲＣ ＴＭＥタイプＣサンプルからの複数のＲＣ ＴＭＥシグネチャの遺伝子群スコアの平均とを比較することによって生成される。いくつかの実施形態では、「ＩＯ非応答者」と同定された対象は、機械学習アルゴリズムからの入力として除外される。いくつかの実施形態では、ＥＣＭ関連シグネチャは、表１に列挙された１、２、３、４、５、６、７、８、９、又は１０個の遺伝子に対する遺伝子濃縮スコアを含んでなる。いくつかの実施形態では、血管新生シグネチャは、表１に列挙された１、２、３、４、５、６、７、８、９、１０、１１、１２、１３、１４、又は１５個の遺伝子に対する遺伝子濃縮スコアを含んでなる。いくつかの実施形態では、増殖速度シグネチャは、表１に列挙された１、２、３、４、５、６、７、８、９、１０、１１、１２、１３、１４、又は１５個の遺伝子に対する遺伝子濃縮スコアを含んでなる。
次に、対象が免疫治療剤に応答する可能性があるかどうかを判定するために、対象について生成された応答者スコア（例えば、ＩＯ応答者スコア）が指定された閾値と比較される。いくつかの実施形態では、指定された閾値を使用して、対象が「ＩＯ低」、「ＩＯ中」、又は「ＩＯ高」であると判定される（例えば、分類される）。指定された閾値の値は、０．２から約０．８単位（例えば、０．２、０．３、０．４、０．５、０．６、０．７、０．８、又はその間の任意の単位値）の範囲であってもよい。いくつかの実施形態では、指定された閾値は約０から約１単位の範囲である。いくつかの実施形態では、指定された閾値は、０．２、０．３、０．４、０．５、０．６、０．７、０．８、０．９、又は１．０である。いくつかの実施形態では、応答者スコアは、応答者スコアが０．０５以下である場合に対象を「ＩＯ低」、応答者スコアが０．０５以上０．５未満である場合に対象を「ＩＯ中」、又は応答者スコアが０．５以上である場合に対象を「ＩＯ高」と同定するために使用される。いくつかの実施形態では、指定された閾値を超える応答者スコアを有すると同定された対象は、ＩＯ剤による治療に応答する可能性があると同定される。いくつかの実施形態では、指定された閾値未満（例えば、０．５未満）の応答者スコアを有する対象は、ＩＯ療法に前向きに応答する可能性が低い（例えば、ＩＯ剤が対象において治療的に有効である可能性が低い）。いくつかの実施形態では、０．５以上の応答者スコアは、対象がＩＯ療法に前向きに応答する可能性がある（例えば、ＩＯ剤が対象に治療的に有効である可能性が低い（ｕｎｌｉｋｅｌｙ））ことを示す。
図面を参照すると、図７は、対象が免疫腫瘍学（ＩＯ）剤に応答する可能性を予測するために、コンピュータハードウェアプロセッサを使用するプロセス（７００）の一例の説明を提供する。最初に、動作７０２で対象の配列決定データが取得される。配列決定データを取得する方法は、配列決定データ及び遺伝子発現データと題されたセクションを含めて、本明細書全体を通じて記載されている。配列決定データを処理して、遺伝子発現データが取得されてもよい。次に、動作７０４で遺伝子発現データを使用して対象のＲＣ ＴＭＥタイプが同定される。いくつかの実施形態では、遺伝子発現データはＲＮＡ発現データである。いくつかの実施形態では、対象のＲＣ ＴＭＥタイプは、ＲＮＡ発現データを使用して対象のＲＣ ＴＭＥシグネチャを生成し（例えば、発現データのＲＮＡレベルを使用して、表１に列挙された１つ又は複数の遺伝子群の１つ又は複数に対する遺伝子群スコアを生成し）、次に、対象のＲＣ ＴＭＥシグネチャを使用して、対象のＲＣ ＴＭＥタイプを同定することによって同定される。
対象のＲＣ ＴＭＥタイプが同定された後、プロセス７０６において、機械学習モデルを使用して応答者スコア（対象がＩＯ剤に応答する可能性を示す応答者スコア）を示す出力を取得する。いくつかの実施形態では、取得するステップは、対象から取得されたＲＮＡ発現データを使用して入力特徴のセットを生成するステップを含んでなり、入力特徴のセットは、次の特徴のうち少なくとも２つ（例えば、２、３、４、５、又は６つ）を含んでなる：対象のＲＣ ＴＭＥタイプ；ＰＤ１、ＰＤ－Ｌ１、及びＰＤ－Ｌ２遺伝子の１つ又は複数のＲＮＡ発現レベル；対象のＥＣＭ関連シグネチャ；対象の血管新生シグネチャ；対象の増殖速度シグネチャ；及び動作７０８における、対象のＲＣ ＴＭＥシグネチャと、ＲＣ ＴＭＥタイプＢ及び／又はＲＣ ＴＭＥタイプＣのサンプルに関連付けられたＲＣ ＴＭＥシグネチャとの類似性を示す類似性スコア。
いくつかの実施形態では、入力特徴のセットを生成するステップは、ＰＤ１、ＰＤ－Ｌ１、及びＰＤ－Ｌ２遺伝子の１つ又は複数のＲＮＡ発現レベルを決定するステップを含んでなる。いくつかの実施形態では、入力特徴のセットを生成するステップは、表１に列挙された「ＥＣＭ関連シグネチャ」遺伝子のうち少なくとも３つ（例えば、３、４、５、６つ、又は全て）のＲＮＡ発現データに対してｓｓＧＳＥＡを実行してＥＣＭ関連遺伝子群スコアを生成することによって、ＲＮＡ発現データを使用して対象のＥＣＭ関連シグネチャを判定することからなる。いくつかの実施形態では、入力特徴のセットを生成するステップは、表１に列挙された「血管新生シグネチャ」遺伝子のうち少なくとも３つ（例えば、３、４、５、６つ、又は全て）のＲＮＡ発現データに対してｓｓＧＳＥＡを実行して血管新生遺伝子群スコアを生成することによって、ＲＮＡ発現データを使用して対象の血管新生シグネチャを判定することからなる。いくつかの実施形態では、入力特徴のセットを生成するステップは、表１に列挙された「増殖速度シグネチャ」遺伝子のうち少なくとも３つ（例えば、３、４、５、６つ、又は全て）のＲＮＡ発現データに対してｓｓＧＳＥＡを実行して増殖速度遺伝子群スコアを生成することによって、ＲＮＡ発現データを使用して対象の増殖速度シグネチャを判定することからなる。いくつかの実施形態では、入力特徴のセットを生成するステップは、対象のＲＣ ＴＭＥシグネチャの遺伝子群スコアと、ＲＣ ＴＭＥタイプＢサンプルからの複数のＲＣ ＴＭＥシグネチャの遺伝子群スコアの平均及び／又はＲＣ ＴＭＥタイプＣサンプルからの複数のＲＣ ＴＭＥシグネチャの遺伝子群スコアの平均とを比較することによって、類似性スコアを判定するステップを含んでなる。
次に、動作７０８で生成された入力特徴のセットは、勾配ブースティングモデルを含んでなる機械学習モデルの入力として使用され、このモデルは動作７１０で応答者スコアを示す対応する出力を取得するために使用される。いくつかの実施形態では、勾配ブースティングモデルはＣａｔＢｏｏｓｔ分類器を含んでなる。
免疫腫瘍学（ＩＯ）応答者スコアを生成するために使用される機械学習モデルは、任意の適切なタイプであってもよい。例えば、いくつかの実施形態では、機械学習モデルは、勾配ブースト機械学習モデルであってもよい。勾配ブースト機械学習モデルの非限定的例としては、ＸＧＢｏｏｓｔモデル、ＬｉｇｈｔＧＢＭモデル、ＣａｔＢｏｏｓｔモデル、Ａｄａｂｏｏｓｔモデル、又はランダムフォレストモデルが挙げられる。しかしながら、機械学習モデルは、その他の任意の適切なタイプであってもよく、例えば、非線形回帰モデル（例えば、ロジスティック回帰モデル）、ニューラルネットワークモデル、サポートベクターマシン、ガウス混合モデル、ランダムフォレストモデル、決定木モデル、又はその他の任意の適切なタイプの機械学習モデルが挙げられるが、本明細書に記載される技術の態様はこの点に限定されない。
いくつかの実施形態では、機械学習モデルは、１０～１００個のパラメータ、１００～１０００個のパラメータ、１０００～１０，０００個のパラメータ、１０，０００～１００，０００個のパラメータ、又は１０万個を超えるパラメータを含んでなってもよい。機械学習モデルによる入力データの処理は、機械学習モデルのパラメータの値と機械学習モデルへの入力の値を使用して計算を実行し、対応する出力を取得するステップを含んでなる。いくつかの実施形態では、このような計算は、数百、数千、数万、数十万、又はそれ以上の計算を伴ってもよい。
いくつかの実施形態では、機械学習モデルは、トレーニングデータを使用してその値を推定できる複数のパラメータを含んでもよい。トレーニングデータを使用してパラメータ値を推定するプロセスは、「トレーニング」と称される。いくつかの実施形態では、機械学習モデルは、複数のパラメータに加えて、１つ又は複数のハイパーパラメータを含んでもよい。ハイパーパラメータの値は、トレーニング中に推定されてもよい。
機械学習モデルから応答者スコアが出力された後、対象は任意選択的に動作７１２で、応答者スコアに基づいて、「ＩＯ低」、「ＩＯ中」、又は「ＩＯ高」と同定されてもよい。対象の応答者スコアは、次に、動作７１４で、対象が免疫治療剤に応答する可能性があるかどうかを判定するために、指定された閾値と比較される。指定された閾値の値は、変動してもよい。いくつかの実施形態では、指定された閾値の値は、約０．２から約０．８単位の範囲である。いくつかの実施形態では、指定された閾値は０．５である。対象が指定された閾値を超える応答者スコアを有すると同定された場合、対象はＩＯ剤に応答する可能性が高いと同定される。一部の実施形態では、対象が０．０５以下の応答者スコアを有する場合、対象は「ＩＯ低」と同定される。いくつかの実施形態では、応答者スコアが０．０５以上０．５未満である場合、対象は「ＩＯ中」と同定される。いくつかの実施形態では、応答者スコアが０．５以上である場合、対象は「ＩＯ高」と同定される。しかしながら、指定された閾値の値によっては、０．５未満の応答者スコアを有する対象が「ＩＯ高」であると同定されてもよい（例えば、閾値が０．４である場合、０．４未満の応答者スコアを有すると同定された対象が「ＩＯ高」であると同定される）ことが理解されるべきである。いくつかの実施形態では、方法は、動作７１６で対象にＩＯ療法を施すステップをさらに含んでなる。
いくつかの態様では、本開示は、対象がチロシンキナーゼ阻害剤（ＴＫＩ）に応答する可能性を予測するための方法を提供する。いくつかの実施形態では、方法は、対象から得られたＲＮＡ発現データを使用して入力特徴のセットを生成するステップを含んでなり、入力特徴のセットは、対象のマクロファージシグネチャ；対象の血管新生シグネチャ；対象の増殖速度シグネチャ；及び対象のＲＣ ＴＭＥシグネチャと、ＲＣ ＴＭＥタイプＢサンプルに関連するＲＣ ＴＭＥシグネチャとの類似性を示す類似性スコアの特徴のうち少なくとも２つ（例えば、２、３、又は４つ）を含んでなる。いくつかの実施形態では、入力特徴のセットを使用して機械学習モデルがトレーニングされ、対象がＴＫＩに応答する可能性を示す応答者スコアを示す対応する出力が得られる。いくつかの実施形態では、機械学習モデルは、ロジスティック回帰モデルを含んでなる。
いくつかの実施形態では、マクロファージシグネチャは、表１に列挙されたマクロファージ群遺伝子の１、２、３、４、５、６、７、又は８個のＲＮＡレベルを使用して生成されるマクロファージ遺伝子群スコアを含んでなる。いくつかの実施形態では、血管新生シグネチャは、表１に列挙された１、２、３、４、５、６、７、８、９、１０、１１、１２、１３、１４、又は１５個の血管新生遺伝子の血管新生遺伝子群スコアを含んでなる。いくつかの実施形態では、増殖速度シグネチャは、表１に列挙された１、２、３、４、５、６、７、８、９、１０、１１、１２、１３、１４、又は１５個の遺伝子に対する遺伝子濃縮スコアを含んでなる。
次に、対象がＴＫＩに応答する可能性があるかどうかを判定するために、対象について生成された応答者スコア（例えば、ＴＫＩ応答者スコア）が指定された閾値と比較される。いくつかの実施形態では、指定された閾値を使用して、対象が「ＴＫＩ低」、「ＴＫＩ中」、又は「ＴＫＩ高」であると判定される（例えば、分類される）。指定された閾値の値は、０．１から約１．５単位の間（例えば、０．２、０．３、０．４、０．５、０．６、０．７、０．８、０．９、１．０、１．１、１．２、１．３、１．４、又は１．５、又はその間の任意の単位値）の範囲であってもよい。いくつかの実施形態では、指定された閾値は約０から約１単位の範囲である。いくつかの実施形態では、指定された閾値は、０．２５、０．５、０．７５、０．８５、０．９５、又は１．０である。いくつかの実施形態では、指定された閾値を超える応答者スコアを有すると同定された対象は、ＴＫＩ剤による治療に応答する可能性があると同定される。いくつかの実施形態では、０．６未満の応答者スコアを有する対象は、ＴＫＩに対して前向きに応答する可能性が低い（例えば、ＴＫＩが対象において治療的に有効である可能性が低い）。いくつかの実施形態では、０．６以上の応答者スコアは、対象がＴＫＩに前向きに応答する可能性がある（例えば、ＴＫＩが対象に治療的に有効である可能性が低い（ｕｎｌｉｋｅｌｙ））ことを示す。いくつかの実施形態では、応答者スコアは、応答者スコアが０．７５以下である場合に対象を「ＴＫＩ低」、応答者スコアが０．７５以上０．９５未満である場合に対象を「ＴＫＩ中」、又は応答者スコアが０．９５以上である場合に対象を「ＴＫＩ高」と同定するために使用される。
図９は、本明細書に記載される技術のいくつかの実施形態による、コンピュータハードウェアプロセッサを使用して、対象がチロシンキナーゼ阻害剤（ＴＫＩ）に応答する可能性を予測するための方法９００を実行するプロセスの一例の説明を提供する。最初に、対象のＲＮＡ発現データが取得される、９０２。配列決定データを取得する方法は、配列決定データ及び遺伝子発現データと題されたセクションを含めて、本明細書全体を通じて記載されている。配列決定データを処理して、ＲＮＡ発現データが取得される。任意選択的に動作９０４でＲＮＡ発現データを使用して対象のＲＣ ＴＭＥタイプが同定される。いくつかの実施形態では、遺伝子発現データはＲＮＡ発現データである。いくつかの実施形態では、対象のＲＣ ＴＭＥタイプは、ＲＮＡ発現データを使用して対象のＲＣ ＴＭＥシグネチャを生成し（例えば、発現データのＲＮＡレベルを使用して、表１に列挙された１つ又は複数の遺伝子群の１つ又は複数に対する遺伝子群スコアを生成し）、次に、対象のＲＣ ＴＭＥシグネチャを使用して、対象のＲＣ ＴＭＥタイプを同定することによって同定される。
対象のＲＣ ＴＭＥタイプが同定された後、プロセス９０６において、機械学習モデルを使用して、入力特徴のセットから応答者スコア（対象がＴＫＩに応答する可能性を示す応答者スコア）を示す出力を取得する。いくつかの実施形態では、取得するステップは、対象から得られたＲＮＡ発現データを使用して、入力特徴のセットを生成するステップを含んでなり、入力特徴のセットは、対象のマクロファージ関連シグネチャ；対象の血管新生シグネチャ；対象の増殖速度シグネチャ；及び動作９０８における、対象のＲＣ ＴＭＥシグネチャと、ＲＣ ＴＭＥタイプＢサンプルに関連するＲＣ ＴＭＥシグネチャとの類似性を示す類似性スコアの特徴のうち少なくとも２つ（例えば、２、３、又は４つ）を含んでなる。
いくつかの実施形態では、入力特徴のセットを生成するステップは、表１に列挙された「マクロファージシグネチャ」遺伝子のうち少なくとも３つ（例えば、３、４、５、６つ、又は全て）のＲＮＡ発現データに対してｓｓＧＳＥＡを実行してマクロファージ遺伝子群スコアを生成することによって、ＲＮＡ発現データを使用して対象のマクロファージシグネチャを判定することからなる。いくつかの実施形態では、入力特徴のセットを生成するステップは、表１に列挙された「血管新生シグネチャ」遺伝子のうち少なくとも３つ（例えば、３、４、５、６つ、又は全て）のＲＮＡ発現データに対してｓｓＧＳＥＡを実行して血管新生遺伝子群スコアを生成することによって、ＲＮＡ発現データを使用して対象の血管新生シグネチャを判定することからなる。いくつかの実施形態では、入力特徴のセットを生成するステップは、表１に列挙された「増殖速度シグネチャ」遺伝子のうち少なくとも３つ（例えば、３、４、５、６つ、又は全て）のＲＮＡ発現データに対してｓｓＧＳＥＡを実行して増殖速度遺伝子群スコアを生成することによって、ＲＮＡ発現データを使用して対象の増殖速度シグネチャを判定することからなる。いくつかの実施形態では、入力特徴のセットを生成するステップは、対象のＲＣ ＴＭＥシグネチャの遺伝子群スコアと、ＲＣ ＴＭＥタイプＢサンプルからの複数のＲＣ ＴＭＥシグネチャの遺伝子群スコアの平均とを比較することによって類似性スコアを判定するステップを含んでなる。
次に、動作９０８で生成された入力特徴のセットは、ロジスティック回帰モデルを含んでなる機械学習モデルの入力として使用され、それは動作９１０で応答者スコアを示す対応する出力を取得するために使用される。
ＴＫＩ応答者スコアを生成するために使用される機械学習モデルは、任意の適切なタイプであってもよい。例えば、いくつかの実施形態では、機械学習モデルは非線形回帰モデル（例えば、ロジスティック回帰モデル）であってもよい。しかしながら、機械学習モデルは、その他の任意の適切なタイプであってもよく、例えば、勾配ブースティングモデル（例えば、ＸＧＢｏｏｓｔ、ＣａｔＢｏｏｓｔ、ＬｉｇｈｔＧＢＭなど）、ニューラルネットワークモデル、サポートベクターマシン、ガウス混合モデル、ランダムフォレストモデル、決定木モデル、又はその他の任意の適切なタイプの機械学習モデルが挙げられるが、本明細書に記載される技術の態様はこの点に限定されない。
いくつかの実施形態では、機械学習モデルは、１０～１００個のパラメータ、１００～１０００個のパラメータ、１０００～１０，０００個のパラメータ、１０，０００～１００，０００個のパラメータ、又は１０万個を超えるパラメータを含んでなってもよい。機械学習モデルによる入力データの処理は、機械学習モデルのパラメータの値と機械学習モデルへの入力の値を使用して計算を実行し、対応する出力を取得するステップを含んでなる。いくつかの実施形態では、このような計算は、数百、数千、数万、数十万、又はそれ以上の計算を伴ってもよい。
いくつかの実施形態では、機械学習モデルは、トレーニングデータを使用してその値を推定できる複数のパラメータを含んでもよい。トレーニングデータを使用してパラメータ値を推定するプロセスは、「トレーニング」と称される。いくつかの実施形態では、機械学習モデルは、複数のパラメータに加えて、１つ又は複数のハイパーパラメータを含んでもよい。ハイパーパラメータの値は、トレーニング中に推定されてもよい。
機械学習モデルから応答者スコアが出力された後、対象は任意選択的に動作９１２で、応答者スコアに基づいて、「ＴＫＩ低」、「ＴＫＩ中」、又は「ＴＫＩ高」と同定されてもよい。
対象の応答者スコアは、次に、動作９１４で、対象が免疫治療剤に応答する可能性があるかどうかを判定するために、指定された閾値と比較される。指定された閾値の値は、変動してもよい。いくつかの実施形態では、指定された閾値の値は、約０．１から約１．５単位の範囲である。いくつかの実施形態では、指定された閾値は０．６である。対象が指定された閾値を超える応答者スコアを有すると同定された場合、対象はＴＫＩに応答する可能性が高いと同定される。一部の実施形態では、対象が０．７５以下の応答者スコアを有する場合、対象は「ＴＫＩ低」と同定される。いくつかの実施形態では、応答者スコアが０．７５以上０．９５未満である場合、対象は「ＴＫＩ中」と同定される。いくつかの実施形態では、応答者スコアが０．９５以上である場合、対象は「ＴＫＩ高」と同定される。しかしながら、指定された閾値の値によっては、０．９５未満の応答者スコアを有する対象が「ＴＫＩ高」であると同定されてもよい（例えば、閾値が０．６である場合、０．６未満の応答者スコアを有すると同定された対象が「ＴＫＩ高」であると同定される）ことが理解されるべきである。いくつかの実施形態では、方法は、動作９１６で対象にＴＫＩを投与するステップをさらに含んでなる。
免疫腫瘍学（ＩＯ）／ＴＫＩ決定木
本開示の態様は、腎臓がん（例えば、ｃｃＲＣＣ）を有する対象に対して、１つ又は複数の治療薬を選択するための方法に関する。本開示は、対象から得られたＲＮＡ配列決定データを使用して、免疫腫瘍学（ＩＯ）剤及び／又はチロシンキナーゼ阻害剤（ＴＫＩ）のどちらかに対する患者の応答の可能性を同定し、対象の１つ又は複数の応答者スコア（例えば、ＩＯの応答者スコア、ＴＫＩの応答者スコアなど）を生成する方法に部分的に基づいている。特定の理論による拘束は望まないが、本明細書に記載される治療薬の選択方法は、患者が応答する可能性が高くなる治療薬のクラス又は治療薬の組み合わせを同定する際の信頼性の向上を医師に提供し（逆に、医師は患者が応答する可能性が低い治療薬の処方を避けることができる）、それによって患者の治療技術を向上させる。本セクションで説明する方法の一例を示す概略図を図１４に示す。
いくつかの態様では、本開示は、腎臓がんを有する対象に投与するための１つ又は複数の治療薬を同定する方法を提供し、方法は、対象の国際転移性ＲＣＣデータベースコンソーシアム（ＩＭＤＣ）リスクスコアを生成するステップと；対象が不良なＩＭＤＣリスクスコアを有すると同定された場合、対象に投与するための１つ又は複数の治療薬として免疫腫瘍学（ＩＯ）剤とＴＫＩの組み合わせを同定するステップと；対象が良好な又は中程度のＩＭＤＣリスクスコアを有すると同定された場合、本明細書に記載される方法に従ってＩＯ応答者スコアを生成するステップと；本明細書に記載される方法によるＴＫＩ応答者スコア；ＩＯ応答者スコア及びＴＫＩ応答者スコアを使用して、対象に対する１つ又は複数の治療薬を同定するステップとを含んでなる。
ＩＭＤＣリスクスコアは、例えば、Ｇｕｉｄａ ｅｔ ａｌ．Ｏｎｃｏｔａｒｇｅｔ．２０２０；１１：４５８２－４５９２によって記載されたように、任意の適切な方法を使用して計算されてもよい。典型的には、ＩＭＤＣリスクスコアは、活動指標（例えば、カルノフスキー・パフォーマンス・ステータス［ＫＰＳ］のスコアが８０未満）、正常レベル下限［ＬＮＬ］未満のヘモグロビンレベル）、診断から全身治療の開始までの期間［ＤＴＴ］（１年未満）、補正血清カルシウムレベル（正常レベル上限［ＵＮＬ］を超える）、好中球数（ＵＮＬを超える）、及び血小板数（ＵＮＬを超える））の６つの臨床的な予後不良因子に基づいて、患者を「良好」（「好ましい」とも称される）、「中程度」、又は「不良」、カテゴリのいずれか１つに分類する。これらの不良因子を欠いている患者は、予後が「良好」（又は「良好」）であると同定され；因子の１つ又は２つを呈する患者は「中程度」の死亡リスクを有し；３つ以上の因子を有する患者の場合、予期されるリスク予後は「不良」である。本開示によって記載される方法のいくつかの実施形態では、対象からのサンプルが「不良な」ＩＭＤＣリスクスコアを有すると同定された場合、ＩＯ応答者スコア又はＴＫＩ応答者スコアのさらなる解析なしに、対象に対してＴＫＩ及びＩＯ剤の組み合わせが選択される。
いくつかの実施形態では、方法は、「中程度」又は「良好」なＩＭＤＣリスクスコアを有する対象のＴＫＩ応答者スコアを生成するステップを含んでなる。ＩＯ応答者スコアを生成する方法は、例えば、図９及び「応答者スコア」と題されたセクションなど、本明細書の他の箇所に記載されている。いくつかの実施形態では、対象は、０～１の間のＴＫＩ応答者スコア（例えば、０～１を含む任意の値）を有すると同定される。一部の実施形態では、対象が０．７５以下の応答者スコアを有する場合、対象は「ＴＫＩ低」と同定される。いくつかの実施形態では、応答者スコアが０．７５以上０．９５未満である場合、対象は「ＴＫＩ中」と同定される。いくつかの実施形態では、応答者スコアが０．９５以上である場合、対象は「ＴＫＩ高」と同定される。
いくつかの実施形態では、方法は、「中程度」又は「良好」なＩＭＤＣリスクスコアを有する対象のＩＯ応答者スコアを生成するステップを含んでなる。いくつかの実施形態では、ＩＯ応答者スコアを生成する前に、対象が「ＩＯ非応答者」であるかどうかが判定される。「ＩＯ非応答者」を同定する方法は、例えば「応答者スコア」と題されたセクションなど、本開示の他の箇所に記載されている。いくつかの実施形態では、対象を「ＩＯ非応答者」として同定するステップは、対象（例えば、対象から得られた生物学的サンプル）が次のバイオマーカーの１つ又は複数を有すると同定するステップを含んでなる：高い倍数性（例えば、ＲＴｕｍｏｒバイオインフォマティクス解析によって計算される）、高い筋原性シグネチャ（例えば、本明細書全体を通じて、筋形成シグネチャと題されたセクションに記載される）、ＲＣ ＴＭＥタイプＥ（本明細書全体を通じて記載された方法によって判定される）、ｍＴＯＲ活性化変異の存在、又は抗原提示機構における変異の存在。いくつかの実施形態では、方法は、「ＩＯ非応答者」として同定された対象に対して、１つ又は複数のＴＫＩを選択するステップを含んでなる。
対象が「ＩＯ非応答者」として同定されない場合、その対象に対してＩＯ応答者スコアが生成される。ＩＯ応答者スコアを生成する方法は、例えば、図７及び「応答者スコア」と題されたセクションなど、本明細書の他の箇所に記載されている。いくつかの実施形態では、対象は、０～１の間のＩＯ応答者スコア（例えば、０～１を含む任意の値）を有すると同定される。一部の実施形態では、対象が０．０５以下の応答者スコアを有する場合、対象は「ＩＯ低」と同定される。いくつかの実施形態では、応答者スコアが０．０５以上０．５未満である場合、対象は「ＩＯ中」と同定される。いくつかの実施形態では、応答者スコアが０．５以上である場合、対象は「ＩＯ高」と同定される。
いくつかの実施形態では、方法は、ＴＫＩ及びＩＯ応答者スコアを使用して、対象に対して１つ又は複数の治療薬を選択する（又は選択するための推奨を提供する）（例えば、対象に対して１つ又は複数の治療薬の選択を推奨するレポートを作成する）ステップを含んでなる。いくつかの実施形態では、対象が「ＴＫＩ低」及び「ＩＯ低」と同定された場合、その対象に対してＴＫＩ剤が選択される。いくつかの実施形態では、対象が「ＴＫＩ低」及び「ＩＯ低」として同定された場合、ＴＫＩ剤とＩＯ剤の組み合わせが対象に対して選択される。いくつかの実施形態では、対象が「ＴＫＩ中」及び「ＩＯ低」又は「ＩＯ中」として同定された場合、ＴＫＩ剤とＩＯ剤の組み合わせが対象に対して選択される。いくつかの実施形態では、対象が「ＴＫＩ中」及び「ＩＯ低」又は「ＩＯ中」として同定された場合、対象に対してＴＫＩ剤が選択される。いくつかの実施形態では、対象が「ＴＫＩ中」及び「ＩＯ高」として同定された場合、ＴＫＩ剤とＩＯ剤の組み合わせが対象に対して選択される。いくつかの実施形態では、対象が「ＴＫＩ高」及び「ＩＯ低」又は「ＩＯ中」として同定された場合、対象に対してＴＫＩ剤が選択される。いくつかの実施形態では、対象が「ＴＫＩ高」及び「ＩＯ高」として同定された場合、ＴＫＩ剤とＩＯ剤の組み合わせが対象に対して選択される。いくつかの態様では、方法は、同定された１つ又は複数の治療薬（例えば、ＴＫＩ剤、又はＴＫＩ剤とＩＯ剤の組み合わせ）を対象に投与するステップをさらに含んでなる。ＴＫＩ剤又はＴＫＩ剤とＩＯ剤の組み合わせを対象に投与する方法は、本明細書、例えば「治療適応症」と題されたセクションでさらに詳しく説明される。
治療適応症
本開示の態様は、対象のＲＣ ＴＭＥタイプ及び／又は応答者スコア（例えば、ＩＯ応答者スコア又はＴＫＩ応答者スコア）の判定に基づいて、対象に対する治療薬を同定又は選択する方法に関する。本開示は、ＲＣ ＴＭＥタイプＥを有する対象が、その他のＲＣ ＴＭＥタイプを有する対象と比較して、特定の治療法（例えば、ＩＯ剤）に応答する可能性が低いが、依然として例えば、ＴＫＩなどのその他の治療法に応答してもよいという認識に部分的に基づいている。本開示は、ＲＣ ＴＭＥタイプＡ又はＲＣ ＴＭＥタイプＢを有する対象は、その他のＲＣ ＴＭＥタイプを有する対象と比較して、特定の治療法（例えば、ＩＯ剤）に応答する可能性が高いという認識に部分的に基づいている。
いくつかの実施形態では、治療薬は免疫腫瘍学（ＩＯ）剤である。ＩＯ剤は、小分子、ペプチド、タンパク質（例えば、モノクローナル抗体などの抗体）、干渉核酸、又は前述のいずれかの組み合わせであってもよい。いくつかの実施形態では、ＩＯ剤は、ＰＤ１阻害剤、ＰＤ－Ｌ１阻害剤、又はＰＤ－Ｌ２阻害剤を含んでなる。ＩＯ剤の例としては、セミプリマブ、ニボルマブ、ペンブロリズマブ、アベルマブ、デュルバルマブ、アテゾリズマブ、ＢＭＳ１１６６、ＢＭＳ２０２などが挙げられるが、これらに限定されるものではない。
いくつかの実施形態では、治療薬はチロシンキナーゼ阻害剤（ＴＫＩ）である。ＴＫＩは、小分子、ペプチド、タンパク質（例えば、モノクローナル抗体などの抗体）、干渉核酸、又は前述のいずれかの組み合わせであってもよい。ＴＫＩの例としては、アキシチニブ（Ｉｎｌｙｔａ（登録商標））、カボザンチニブ（Ｃａｂｏｍｅｔｙｘ（登録商標））、イマチニブメシレート（Ｇｌｅｅｖｅｃ（登録商標））、ダサチニブ（Ｓｐｒｙｃｅｌ（登録商標））、ニロチニブ（Ｔａｓｉｇｎａ（登録商標））、ボスチニブ（Ｂｏｓｕｌｉｆ（登録商標））、スニチニブ（Ｓｕｔｅｎｔ（登録商標））などが挙げられるが、これらに限定されるものではない。
いくつかの実施形態では、本開示によって記載される方法は、対象のＲＣ ＴＭＥタイプ及び／又は応答者スコアの判定に基づいて、対象に１つ又は複数の治療薬を投与するステップをさらに含んでなる。いくつかの実施形態では、対象に１つ又は複数（例えば、１、２、３、４、５つ、又はそれ以上）のＩＯ剤が投与される。いくつかの実施形態では、対象に１つ又は複数（例えば、１、２、３、４、５つ、又はそれ以上）のＴＫＩが投与される。いくつかの実施形態では、対象は、１つ又は複数のＩＯ剤と１つ又は複数のＴＫＩの組み合わせが投与される。
本開示の態様は、対象のＲＣ ＴＭＥタイプの判定に基づいて、ＲＣを有する（又は有することが疑われる、又は有するリスクがある）対象を治療する方法に関する。いくつかの実施形態では、方法は、１つ又は複数（例えば、１、２、３、４、５、又はそれ以上）の治療薬を対象に投与するステップを含んでなる。いくつかの実施形態では、対象に投与される１つ又は複数の治療薬は、小分子、ペプチド、核酸、放射性同位体、細胞（例えば、ＣＡＲ Ｔ細胞など）、及びそれらの組み合わせから選択される。治療薬の例としては、化学療法（例えば、細胞傷害剤など）、免疫療法（例えば、ＰＤ－１阻害剤、ＰＤ－Ｌ１阻害剤などの免疫チェックポイント阻害剤）、抗体（例えば、抗ＨＥＲ２抗体）、細胞療法（例えば、ＣＡＲ Ｔ細胞療法）、遺伝子サイレンシング療法（例えば、干渉ＲＮＡ、ＣＲＩＳＰＲなど）、抗体薬物コンジュゲート（ＡＤＣ）、及びそれらの組み合わせが挙げられる。
いくつかの実施形態では、対象に有効量の治療薬が投与される。「有効量」は、本明細書の用法では、単独で、又は１つ又は複数のその他の活性薬剤と組み合わせて、対象に治療効果を与えるのに必要な各活性薬剤の量を指す。有効量は、当業者によって認識されるように、治療される特定の病状、病状の重篤度、年齢、体調、体格、性別及び体重をはじめとする個々の患者パラメーター、治療持続期間、併用療法の性質（存在する場合）、特定の投与経路、及び保健医療従事者の知識及び専門知識の範囲内の同様の要因に応じて変動する。これらの要因は当業者には良く知られており、日常的な実験のみで対処され得る。一般に、個々の構成成分又はそれらの組み合わせの最大用量、すなわち健全な医学的判断に従った最高安全用量を使用することが好ましい。しかしながら、患者が、医学的理由、心理的理由、又は事実上あらゆる他の理由で、より低い用量又は耐容用量を主張する可能性があることは、当業者には理解されるであろう。
治療用化合物の半減期などの経験的考慮事項は、一般に投与量の決定に寄与する。例えば、ヒト化抗体又は完全ヒト抗体などのヒト免疫系と適合する抗体を使用して、抗体の半減期が延長され、抗体が宿主の免疫系によって攻撃されるのが防止されてもよい。投与頻度は、治療過程にわたって決定及び調整されてもよく、一般に（必須ではないが）がんの治療、及び／又は抑制、及び／又は抑制、及び／又は遅延に基づく。代案としては、抗がん治療薬の持続放出製剤が適切であってもよい。持続放出を達成するための様々な製剤及び装置が当該技術分野で公知である。
いくつかの実施形態では、本明細書に記載される抗がん治療薬の用量は、１つ又は複数の用量の抗がん治療薬を投与された個体において経験的に決定されてもよい。個体には、抗がん治療薬の漸増投与量が投与されてもよい。投与された抗がん治療薬の有効性を評価するために、がんのつ又は複数の側面（例えば、腫瘍微小環境、腫瘍形成、腫瘍増殖、又はＲＣ ＴＭＥタイプなど）が分析されてもよい。
一般に、本明細書に記載される抗がん抗体のいずれかの投与では、最初の候補用量は約２ｍｇ／ｋｇであってもよい。本開示の目的のために、典型的な１日投与量は、上記の要因に応じて、０．１μｇ／ｋｇ～３μｇ／ｋｇ～３０μｇ／ｋｇ～３００μｇ／ｋｇ～３ｍｇ／ｋｇ、３０ｍｇ／ｋｇ～１００ｍｇ／ｋｇ又はそれ以上のいずれかの範囲であり得る。数日間又はそれ以上の期間にわたる反復投与では、病状に応じて、治療は、所望の症状の抑制又は改善が起こるまで、或いはがん又は１つ又は複数のその症状を緩和するのに十分な治療レベルが達成されるまで持続される。例示的な投薬レジメンは、約２ｍｇ／ｋｇの初回用量の抗体と、それに続く約１ｍｇ／ｋｇの抗体の毎週維持用量、又はそれに続く約１ｍｇ／ｋｇの隔週維持用量を投与するステップを含んでなる。しかしながら、実務家（例えば、医師）が達成したい薬物動態学的減衰のパターンに応じて、その他の投与レジメンが有用であってもよい。例えば、週に１～４回の投与が想定される。いくつかの実施形態では、約３μｇ／ｍｇ～約２ｍｇ／ｋｇ（約３μｇ／ｍｇ、約１０μｇ／ｍｇ、約３０μｇ／ｍｇ、約１００μｇ／ｍｇ、約３００μｇ／ｍｇ、約１ｍｇ／ｋｇ、及び約２ｍｇ／ｋｇなど）の範囲の投薬が使用されてもよい。いくつかの実施形態では、投与頻度は、１週間に１回、２週間に１回、４週間に１回、５週間に１回、６週間に１回、７週間に１回、８週間に１回、９週間に１回、又は１０週間に１回；又は１ヶ月に１回、２ヶ月に１回、又は３ヶ月に１回、又はそれ以上である。この治療の進捗は、従来の技術及びアッセイによって、及び／又は本明細書に記載されるＲＣ ＴＭＥタイプをモニタリングすることによってモニターされてもよい。投与レジメン（使用される治療薬を含めて）は、時間の経過と共に変化してもよい。
抗がん治療薬が抗体ではない場合、それは、患者の体重１ｋｇ当たり約０．１～３００ｍｇの割合で１～３回に分けて、又は本明細書で開示されるように投与されてもよい。いくつかの実施形態では、正常体重の成人患者の場合、約０．３～５．００ｍｇ／ｋｇの範囲の用量が投与されてもよい。特定の投与レジメン、例えば用量、タイミング、及び／又は反復は、特定の対象及びその個体の病歴、並びに個々の薬剤の特性（薬剤の半減期、及び当該技術分野で良く知られているその他の考慮事項など）に依存する。
本開示の目的のために、抗がん治療薬の適切な投与量は、採用された特定の抗がん治療薬（又はその組成物）、がんの種類及び重篤度、抗がん治療薬が予防目的又は治療目的のどちらで投与されるか、以前の治療、患者の臨床歴及び抗がん治療薬に対する応答、並びに主治医の裁量に依存する。典型的には、臨床医は、所望の結果が達成される用量に達するまで、抗体などの抗がん治療薬を投与する。
抗がん治療薬の投与は、例えば、受容者の生理学的状態、投与の目的が治療であるか又は予防であるか、及び当業者に知られているその他の要因に応じて、連続的又は断続的であり得る。抗がん治療薬（例えば、抗がん抗体）の投与は、事前選択された期間にわたって本質的に連続的であってもよく、又は例えば、がんの発症前、進行中、又は発症後のいずれかにおける一連の間隔をあけた用量であってもよい。
本明細書の用法では、「治療する」という用語は、がん、ＲＣの１つ又は複数の症状、又はＲＣに対する素因を治療し、回復させ、緩和し、軽減し、変化させ、救済し、改善し、向上させ、又は影響を及ぼす目的で、がん、がんの症状、又はがんに対する素因を有する対象へ、１つ又は複数の活性薬剤を含む組成物を適用又は投与することを指す。
ＲＣの緩和には、疾患の発症又は進行を遅延させること、又は疾患重篤度を軽減することが含まれる。疾患の緩和には、治癒結果は必須ではない。本明細書で使用されているように、疾患（例えば、がん）の発症を「遅延させる」とは、疾患の進行を延期する、妨げる、遅くする、遅らせる、安定化する、及び／又は先送りすることを意味する。この遅延は、治療される疾患及び／又は個体の病歴に左右され、様々な時間であり得る。疾患の発症を「遅延させる」又は緩和する方法、或いは疾患の発症を遅延させる方法とは、その方法を使用しない場合と比較して、所与の期間内に疾患の１つ又は複数の症状を発症する確率を低下させ、及び／又は所与の期間内に症状の程度を低下させる方法である。このような比較は典型的には、統計的に有意な結果が得られるのに十分な数の対象を使用した臨床研究に基づいている。
疾患の「発症」又は「進行」は、疾患の初期症状及び／又は続いて起こる進行を意味する。疾患の発症は、当該技術分野で公知の臨床技術を使用して検出及び評価され得る。当該技術分野で公知の臨床技術の代案として、又はそれに加えて、疾患の発症は、その他の基準に基づいて検出可能であって、評価されてもよい。しかしながら、発症とは、検出されないこともある進行も指す。本開示の目的では、発症又は進行は、症状の生物学的経過を指す。「発症」には、発生、再発、開始が含まれる。本明細書の用法では、がんの「発症」又は「再発」には、最初の発症及び／又は再発が含まれる。
抗体抗がん剤の例としては、アレムツズマブ（Ｃａｍｐａｔｈ）、トラスツズマブ（ハーセプチン）、イブリツモマブチウキセタン（Ｚｅｖａｌｉｎ）、ブレンツキシマブベドチン（Ａｄｃｅｔｒｉｓ）、Ａｄｏ－トラスツズマブエムタンシン（Ｋａｄｃｙｌａ）、ブリナツモマブ（Ｂｌｉｎｃｙｔｏ）、ベバシズマブ（Ａｖａｓｔｉｎ）、セツキシマブ（エルビタックス）、イピリムマブ（Ｙｅｒｖｏｙ）、ニボルマブ（Ｏｐｄｉｖｏ）、ペムブロリズマブ（キイトルーダ）、アテゾリズマブ（Ｔｅｃｅｎｔｒｉｑ）、アベルマブ（Ｂａｖｅｎｃｉｏ）、デュルバルマブ（Ｉｍｆｉｎｚｉ）、及びパニツマブ（Ｖｅｃｔｉｂｉｘ）が挙げられるが、これらに限定されるものではない。
免疫療法の例としては、ＰＤ－１阻害剤又はＰＤ－Ｌ１阻害剤、ＣＴＬＡ－４阻害剤、養子細胞移入、治療用がんワクチン、腫瘍退縮ウイルス療法、Ｔ細胞療法、及び免疫チェックポイント阻害剤が挙げられるが、これらに限定されるものではない。
放射線療法の例としては、電離放射線、ガンマ線、中性子線放射線療法、電子線放射線療法、陽子線治療、近接照射療法、全身性放射性同位体、及び放射線増感剤が挙げられるが、これらに限定されるものではない。
外科療法の例としては、治癒手術（例えば、腫瘍除去手術）、予防手術、腹腔鏡手術、及びレーザー手術が挙げられるが、これらに限定されるものではない。
化学療法剤の例としては、Ｒ－ＣＨＯＰ、カルボプラチン又はシスプラチン、ドセタキセル、ゲムシタビン、Ｎａｂ－パクリタキセル、パクリタキセル、ペメトレキセド、及びビノレルビンが挙げられるが、これらに限定されるものではない。化学療法の追加的な例としては、カルボプラチン、オキサリプラチン、シスプラチン、ネダプラチン、サトラプラチン、ロバプラチン、トリプラチン、四硝酸塩、ピコプラチン、プロリンダク、アロプラチン、及びその他の誘導体などの白金製剤；カンプトテシン、トポテカン、イリノテカン／ＳＮ３８、ルビテカン、ベロテカン、及びその他の誘導体などのトポイソメラーゼＩ阻害剤；エトポシド（ＶＰ－１６）、ダウノルビシン、ドキソルビシン剤（例えば、リポソーム中のドキソルビシン、ドキソルビシン塩酸塩、ドキソルビシン類似体、又はドキソルビシン、及びそれらの塩又は類似体）、ミトキサントロン、アクラルビシン、エピルビシン、イダルビシン、アムルビシン、アムサクリン、ピラルビシン、バルルビシン、ゾルビシン、テニポシド及びその他の誘導体などのトポイソメラーゼＩＩ阻害剤；葉酸ファミリー（メトトレキサート、ペメトレキセド、ラルチトレキセド、アミノプテリン、及びそれらの類縁体又は誘導体）などの代謝拮抗薬；プリン拮抗薬（チオグアニン、フルダラビン、クラドリビン、６－メルカプトプリン、ペントスタチン、クロファラビン、及びそれらの類縁体又は誘導体）及びピリミジン拮抗薬（シタラビン、フロクスウリジン、アザシチジン、テガフール、カルモフール、カペシタビン（Ｃａｐａｃｉｔａｂｉｎｅ）、ゲムシタビン、ヒドロキシ尿素、５－フルオロウラシル（５ＦＵ）、及びそれらの類縁体又は誘導体）；ナイトロジェンマスタード（例えば、シクロホスファミド、メルファラン、クロラムブシル、メクロレタミン、イホスファミド、メクロレタミン、トロホスファミド、プレドニムスチン、ベンダムスチン、ウラムスチン、エストラムスチン、及びそれらの類縁体又は誘導体）などのアルキル化剤；ニトロソウレア（例えば、カルムスチン、ロムスチン、セムスチン、フォテムスチン、ニムスチン、ラニムスチン、ストレプトゾシン、及びそれらの類縁体又は誘導体）；トリアゼン（例えば、ダカルバジン、アルトレタミン、テモゾロミド、及びそれらの類縁体又は誘導体）；アルキルスルホン酸塩（例えば、ブスルファン、マンノスルファン、トレオスルファン、及びそらの類縁体又は誘導体）；プロカルバジン；ミトブロニトール、及びアジリジン（例えば、カルボコン、トリアジコン、チオテパ、トリエチレンメラミン（ｔｒｉｅｔｈｙｌｅｎｅｍａｌａｍｉｎｅ）、及びそれらの類縁体又は誘導体）；ヒドロキシ尿素、アントラサイクリン（例えば、ドキソルビシン剤、ダウノルビシン、エピルビシン及びそれらの類縁体又は誘導体）などの抗生物質；アントラセンジオン（例えば、ミトキサントロン及びそれらの類縁体又は誘導体）；ストレプトミセスファミリーの抗生物質（例えば、ブレオマイシン、マイトマイシンＣ、アクチノマイシン、及びプリカマイシン）；及び紫外線が挙げられるが、これらに限定されるものではない。
いくつかの態様では、開示は、ＲＣ ＴＭＥタイプを有すると同定された対象に、１つ又は複数の治療薬（例えば、１つ又は複数の化学療法剤などの１つ又は複数の抗がん剤）を投与するステップを含んでなる、腎臓がん（ＲＣ）を治療するための方法を提供し、ここで、対象のＲＣ ＴＭＥタイプは、本開示によって記載される方法によって同定されている。
いくつかの実施形態では、対象は、ＲＣ ＴＭＥタイプＡ、ＲＣ ＴＭＥタイプＢ、ＲＣ ＴＭＥタイプＣ、ＲＣ ＴＭＥタイプＤ、又はＲＣ ＴＭＥタイプＥを有すると同定されている。いくつかの実施形態では、対象は、ＲＣ ＴＭＥタイプＢ又はＲＣ ＴＭＥタイプＡを有すると同定されている。
本開示は、特定のＲＣ ＴＭＥタイプを有する対象が、特定の免疫療法（例えば、ペムブロリズマブ又はニボルマブなどの免疫チェックポイント阻害剤、又はＴＫＩ）に良く応答する可能性があるという発明者らの認識に部分的に基づいている。免疫腫瘍剤の投与は、例えば、Ｌｏｕｅｄｅｃ ｅｔ ａｌ．Ｖａｃｃｉｎｅｓ（Ｂａｓｅｌ）．２０２０ Ｄｅｃ；８（４）：６３２によって記載されているように良く知られている。例えば、ペムブロリズマブの用量としては、例えば、３０分間にわたる注入による、３週間毎に２００ｍｇ、又は６週間毎に４００ｍｇの投与が挙げられる。ＴＫＩの投与もまた、例えば、Ｇｅｒｒｉｔｓｅ ｅｔ ａｌ．Ｃａｎｃｅｒ Ｔｒｅａｔ Ｒｅｖ．２０２１ Ｊｕｎ；９７：１０２１７１．ｄｏｉ：１０．１０１６／ｊ．ｃｔｒｖ．２０２１．１０２１７１によって記載されているように良く知られている。ＴＫＩとＩＯ剤の組み合わせ投与もまた、例えば、Ｒａｓｓｙ ｅｔ ａｌ．Ｔｈｅｒ Ａｄｖ Ｍｅｄ Ｏｎｃｏｌ．２０２０；１２：１７５８８３５９２０９０７５０４によって記載されているように知られている。
本開示の態様は、特定のＲＣ ＴＭＥタイプを有する対象が、免疫治療剤又はＴＫＩなどの特定の治療薬に良く応答する可能性が低いという発明者らの認識に基づいている。したがって、いくつかの実施形態では、対象がＲＣ ＴＭＥタイプＥを有すると同定された場合、又は対象が「明らかなＩＯ非応答者」と同定された場合、治療薬は免疫療法以外の治療薬を含んでなる。いくつかの実施形態では、他の治療薬はＴＫＩである。
レポート
いくつかの態様では、本明細書に開示される方法は、予後及び／又は治療に関する推奨事項の準備を支援するためのレポートを作成することを含んでなる。生成されたレポートは情報の概要を提供するので、臨床医はＲＣ ＴＭＥのタイプ又は適切な治療法を同定し得る。本明細書に記載されるレポートは、紙のレポート、電子記録、又は当該技術分野で適切と見なされる任意の形式のレポートであってもよい。レポートは、当該技術分野で知られているコンピューティングデバイス（例えば、ハンドヘルドデバイス、デスクトップコンピュータ、スマートデバイス、ウェブサイトなど）上に表示及び／又は保存され得る。レポートは、当業者であれば理解できるように、適切なデバイスに表示及び／又は保存され得る。
いくつかの実施形態では、本明細書で開示される方法は、商業的な診断目的に使用され得る。例えば、生成されたレポートには、が含まれてもよいが、これらに制限される（ｂｕｔ ｉｓ ｌｉｍｉｔｅｄ ｔｏ）。本明細書に記載される遺伝子群のいずれかからの１つ又は複数の遺伝子の発現レベルに関する情報、臨床的及び病理学的因子、患者の予後分析、治療に対する予測応答、ＲＣ ＴＭＥ環境の分類（例えば、本明細書に記載されるタイプの１つに属する）、代替治療の推奨、及び／又はその他の情報。いくつかの実施形態では、方法及びレポートは、生成されたレポートを維持するためのデータベース管理を含んでもよい。例えば、本明細書で開示される方法は、データベース内に対象（例えば、対象１、対象２など）の記録を作成し、特定のレコードに対象のデータを入力し得る。いくつかの実施形態では、生成されたレポートが、対象及び／又は臨床医に提供され得る。いくつかの実施形態では、ネットワーク接続は、受信又は出力するためのデータ及びレポートを含む、サーバコンピュータに確立され得る。いくつかの実施形態では、日付又はレポートの受信及び出力が、サーバコンピュータから要求され得る。
コンピュータ実装
本明細書に記載される技術の実施形態（例えば、図１の方法など）のいずれかと関連して使用されてもよい、コンピュータシステム１５００の例示的な実装が、図１５に示される。コンピュータシステム１５００は、１つ又は複数のプロセッサ１５１０と、非一時的コンピュータ可読記憶媒体（例えば、メモリ１５２０及び１つ又は複数の不揮発性記憶媒体１５３０）を含んでなる１つ又は複数の製品とを含む。本明細書に記載される技術の態様は、データの書き込み又は読み取りのための特定の技術に限定されないことから、プロセッサ１５１０は、任意の適切な方法でメモリ１５２０及び不揮発性記憶装置１５３０へのデータの書き込み及びそれからのデータの読み取りを制御してもよい。本明細書に記載される機能のいずれかを実行するために、プロセッサ１５１０は、プロセッサ１５１０による実行のためのプロセッサ実行可能命令を格納する非一過性コンピュータ可読記憶媒体として機能してもよい、１つ又は複数の非一時的コンピュータ可読記憶媒体（例えば、メモリ１５２０）に格納された、１つ又は複数のプロセッサ実行可能命令を実行してもよい。
コンピューティングデバイス１５００はまた、コンピューティングデバイスがそれを介して（例えば、ネットワーク経由で）その他のコンピューティングデバイスと通信してもよいネットワーク入力／出力（Ｉ／Ｏ）インターフェイス１５４０を含んでもよく、またコンピューティングデバイスがそれを介して、ユーザーに出力を提供したりユーザーから入力を受信してもよい、１つ又は複数のユーザーＩ／Ｏインターフェイス１５５０を含んでもよい。ユーザーＩ／Ｏインターフェイスには、キーボード、マウス、マイクロホン、表示装置（例えば、モニター又はタッチスクリーン）、スピーカ、カメラ、及び／又はその他の各種Ｉ／Ｏデバイスなどの装置が含まれてもよい。
上記の実施形態は、数多くの方法のいずれかの方法で実装され得る。例えば、実施形態は、ハードウェア、ソフトウェア、又はそれらの組み合わせを使用して実装されてもよい。ソフトウェアで実装される場合、ソフトウェアコードは、単一のコンピューティングデバイスで提供されるか、複数のコンピューティングデバイスに分散して提供されるかを問わず、任意の適切なプロセッサ（例えば、マイクロプロセッサ）又はプロセッサの集合体上で実行され得る。上述の機能を実行する任意のコンポーネント又はコンポーネントの集合体は、上述の機能を制御する１つ又は複数のコントローラとして一般的に考えられ得ることが理解されるべきである。１つ又は複数のコントローラは、専用ハードウェア、又はマイクロコード又はソフトウェアを使用してプログラムされた汎用ハードウェア（例えば、１つ又は複数のプロセッサ）など、数多くの方法で実装され得る。
この点において、本明細書に記載される実施形態の１つの実装は、１つ又は複数のプロセッサ上で実行されると、１つ又は複数の実施形態の上述の機能を実行するコンピュータプログラム（すなわち、複数の実行可能命令）でエンコードされた、少なくとも１つのコンピュータ可読記憶媒体（例えば、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ又はその他のメモリ技術、ＣＤ－ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）又はその他の光ディスク記憶装置、磁気カセット、磁気テープ、磁気ディスク記憶装置又はその他の磁気記憶装置、その他の有形の非一時的コンピュータ可読記憶媒体）を含んでなることが理解されるべきである。コンピュータ可読媒体は、その中に格納されたプログラムを任意のコンピューティングデバイスにロードして、本明細書で考察される技術の態様を実装できるように、可搬性であってもよい。さらに、実行時に上述の機能のいずれかを実行するコンピュータプログラムへの言及は、ホストコンピュータ上で実行されるアプリケーションプログラムに限定されないことが理解されるべきである。むしろ、本明細書では、コンピュータプログラム及びソフトウェアという用語は、１つ又は複数のプロセッサをプログラムするために採用され、本明細書で考察される技術の態様を実装し得る、任意のタイプのコンピュータコード（例えば、アプリケーションソフトウェア、ファームウェア、マイクロコード、又は任意のその他の形態のコンピュータ命令）を指すために、一般的な意味で使用される。
前述の実装の記述は、例示及び説明を提供するものであるが、網羅的であること、又は実装を開示された正確な形態に限定することを意図するものではない。修正及び変形は、上記の教示に照らして可能であり、又は実装の実践から得られてもよい。その他の実装態様では、これらの図に描かれている方法は、より少ない操作、異なる操作、異なる順序の操作、及び／又は追加の操作を含んでもよい。さらに、非依存ブロックは並行して実行されてもよい。
上で説明したように、例示的な態様は、図に示された実装において、ソフトウェア、ファームウェア、及びハードウェアの多くの異なる形態で実装されてもよいことは明らかであろう。さらに、実装の特定の部分は、１つ又は複数の機能を実行する「モジュール」として実装されてもよい。このモジュールには、プロセッサ、特定用途向け集積回路（ＡＳＩＣ）、又はフィールドプログラマブルゲートアレイ（ＦＰＧＡ）などのハードウェア、又はハードウェアとソフトウェアの組み合わせが含まれてもよい。
実施例１
腎臓がんは、世界で最も頻繁に診断されるがんのトップ１０に含まれており、明細胞腎細胞がん（ｃｃＲＣＣ）が全症例の約７５％を占めている。免疫腫瘍学（ＩＯ）剤と抗血管新生チロシンキナーゼ阻害剤（ＴＫＩ）の組み合わせストラテジーの出現により、この患者集団の臨床転帰は著しく改善されたが、現在のところ、治療決定の指針となる信頼性の高いバイオマーカーは存在しない。
本実施例は、ｃｃＲＣＣサンプル（ｎ＝１，５２７）からの全エクソーム及びトランスクリプトーム配列決定データを統合して、異なる免疫学的組成を有する５つの主要なタイプ（ＲＣＣタイプ又はＲＣＴと称される）、「免疫富化、線維化（ＩＥ／Ｆ）」、「免疫富化（ＩＥ）」、「線維化（Ｆ）」、「代謝内容を伴う免疫砂漠（Ｄ）」、及び「高い内皮細胞含有量を伴う砂漠（Ｄ／Ｅ）」に、ＲＣＣ腫瘍微小環境（ＴＭＥ）を分類する新規アプローチについて記載する。さらに、ＩＯ応答の欠如と相関する複数のゲノム及びトランスクリプトームに基づくバイオマーカーが同定された。さらに、機械学習ベースのアルゴリズムを使用して、ＲＣＣＴ、血管新生、増殖、マクロファージシグネチャ、並びにＰＤ－１、ＰＤ－Ｌ１、及びＰＤ－Ｌ２遺伝子の発現をはじめとする要素を統合した多面的なＩＯ及びＴＫＩ応答者スコアを生成した。
データは、ＲＣＴ「ＩＥ／Ｆ」と、ＩＯ＋ＴＫＩコホートにおける優れた臨床的奏効（４１％奏功率）との関連を示している。逆に、血管新生の亢進と免疫細胞浸潤の欠如を特徴とするＲＣＴ「Ｄ／Ｅ」は、単剤ＴＫＩに対して有意に良好に応答した（５０％奏功率）、ゲノム及びトランスクリプトームのバイオマーカーの中で、ｍＴＯＲシグナル伝達経路内の遺伝子の活性化変異、抗原提示機構の変異、高い倍数性（＞４）、及び高い筋形成シグネチャが、ＩＯ抵抗性患者において有意に濃縮された。
次に、マルチオミクス応答者スコアが遡及的に構築され、スニチニブ（Ｂｅｕｓｅｌｉｎｃｋ、ｎ＝５３）、パゾパニブ又はスニチニブ（ＣＯＭＰＡＲＺ試験、ｎ＝３４１）、アベルマブとアキシチニブ又はスニチニブ（ＪＡＶＥＬＩＮ Ｒｅｎａｌ １０１、ｎ＝７２６）、アテゾリズマブ又はアテゾリズマブとベバシズマブ（ＩＭｍｏｔｉｏｎ １５０、ｎ＝１６０）、ニボルマブ（ＣｈｅｃｋＭａｔｅ ００９／０１０／０２５、ｎ＝１７２）で治療された患者をはじめとする複数の公的コホート、及びワシントン大学の患者の混合コホート（ＷＵＳＭＲＣＣ、ｎ＝７５）で検証された。全てのコホートにおいて、本明細書に記載されるスコアリングシステムの実装は、無増悪生存期間及び全生存期間に改善をもたらし、現在利用可能な全てのアプローチよりも優れているようであった。
結論として、ｃｃＲＣＣ腫瘍のゲノム及びトランスクリプトーム解析とＴＭＥ組成とに基づく機械学習ベースの多面的アプローチを使用して、ＩＯ及びＴＫＩに対する応答性が予測された。複数の異なるコホートの遡及的解析は、これらの新規バイオマーカーの臨床的有用性を裏付けた。
実施例２
本実施例は、ｃｃＲＣＣサンプル（ｎ＝約１，５００）からの全エクソーム及びトランスクリプトーム配列決定データを統合して、異なる免疫学的組成を有する５つの主要なＲＣタイプ（ＲＣ ＴＭＥタイプとも称される）、免疫富化、線維化（ＩＥ／Ｆ又は「タイプＡ」）、免疫富化（ＩＥ又は「タイプＢ」）、線維化（Ｆ又は「タイプＣ」）、代謝内容を伴う砂漠（タイプ「Ｄ」）、高い内皮細胞含有量を伴う砂漠（「タイプＥ」）に、腫瘍微小環境（ＴＭＥ）を分類する新規アプローチについて記載する。ＲＣ ＴＭＥタイプは、免疫及び腫瘍の間質部分、及び代謝経路の活性を反映する、表１に示される遺伝子シグネチャを使用して同定した。ｃｃＲＣＣは、低酸素経路のＶＨＬ変異、及び栄養レベルに応じた成長の制御を調節不全にするＰＩ３Ｋ－ＡＫＴ－ｍＴＯＲ経路（ＭＴＯＲ、ＴＳＣ１／２、ＰＴＥＮ、及びＭＥＴ）の変異など、代謝の側面を制御する遺伝子の変異の頻度が高いことから、代謝の変化によって引き起こされるがんと考えられている。解糖、酸化的リン酸化、ＴＣＡ回路、脂肪酸代謝、及びその他のプロセスにおける代謝シフトが、ｃｃＲＣＣ細胞及び対象で観察されている。
解析の入力には、標準的なバイオインフォマティクス解析パッケージを使用して遺伝子発現データを取得した。例えば、ＲＮＡｓｅｑ遺伝子発現データは、１００万当たりの転写物（ＴＰＭ）で記載した。場合によっては、ＦＰＫＭ／ＲＰＫＭ値を使用した。全てのコホートについて、ｃｃＲＣＣサンプルのみを選択した（その他の組織型及び正常サンプルは除外した）。様々なプラットフォームから収集された９つのデータセット（ｎ＝約１５００）があった。解析では、３３の遺伝子シグネチャを使用して５つのＲＣ ＴＭＥタイプを同定した。各サンプルにおける各シグネチャの活性は、ｓｓＧＳＥＡアルゴリズムを用いて測定した。
各シグネチャのｓｓＧＳＥＡスコアは、各コホート内で中程度にスケーリングした。その後、グラフベースのクラスタリングアルゴリズムを実行し、ノードでのサンプルと、エッジでのｓｓＧＳＥＡスコアの相関を含むグラフを作成した。各ノードには１２０の隣接ノードがあった。次に、得られたグラフにライデンアルゴリズムを適用し、５つのＲＣ ＴＭＥタイプを同定した。３３の遺伝子発現シグネチャの教師なし密集クラスタリングに基づいて、５つの異なるＲＣ ＴＭＥタイプ（Ａ、Ｂ、Ｃ、Ｄ、Ｅ）に分類された、明細胞腎臓がんサンプルを示す代表的なヒートマップを図５に示す。
図６に示すデータは、ＩＯ＋ＴＫＩ（アテゾリズマブ＋ベバシズマブ）コホートにおいて、ＲＣ ＴＭＥタイプＡ（「ＩＥ／Ｆ」とも称される）及びＲＣ ＴＭＥタイプＢ（「ＩＥ」とも称される）が、臨床的奏効（＞５０％奏功率）と関連していることを示す。逆に、血管新生の亢進と免疫細胞浸潤の欠如を特徴とするＲＣ ＴＭＥタイプＥは、単剤ＴＫＩに対して有意に良好な応答を示した（スニチニブの奏功率は約８０％）。
実施例３
腫瘍の正しい治療法を処方するには、典型的に、患者は生検を受けるか、外科的切除後に腫瘍の一部が採取される。次に、それは配列決定され（標的化エクソーム正常、標的化エクソーム腫瘍、ＷＥＳ正常、ＷＥＳ腫瘍、ＲＮＡｓｅｑ腫瘍）、必要な全ての分子機能特徴に注釈が付けられる。これらの特徴から、得られたモデルは治療薬に対する応答の確率を予測する。次に、医師は、患者の以前の治療、現在の病状、及びその他の臨床的要因に応じて、モデルの予測に基づいてどの薬剤を使用するかを決定する（複数の代替治療選択肢がある場合）。
転移性及び進行性明明細胞腎臓がん（ｃｃＲＣＣ）の治療には、十数種類の異なる承認薬がある。治療法を選択する際、医師は通常、患者の病状、及びＰＤＬ１ ＩＨＣ、ＴＭＢ、ＭＳＩなどのモノバイオマーカーに導かれるが、これらは腫瘍全体の複雑な組成を完全に考慮し得ない。本実施例は、ｃｃＲＣＣの２つの最も一般的な治療選択肢である免疫腫瘍学（ＩＯ）剤及びチロシンキナーゼ阻害剤（ＴＫＩ）に対する応答の可能性を評価できるモデルについて記載する。
多面的なＩＯ及びＴＫＩ応答者スコアを生成する、機械学習ベースのアルゴリズムを作成した。スコアは、ＲＣ ＴＭＥタイプ、血管新生シグネチャ、増殖シグネチャ、マクロファージシグネチャ、並びにＰＤ－１、ＰＤ－Ｌ１、及びＰＤ－Ｌ２遺伝子の発現を始めとする要素を統合している。ＩＯ抵抗性患者において有意に濃縮されたゲノム及びトランスクリプトームバイオマーカーの中には、１）ｍＴＯＲシグナル伝達経路内の遺伝子の活性化変異、２）抗原提示機構の変異、３）高い倍数性（＞４）、及び４）高い筋形成シグネチャ（実施例４をはじめとして本明細書全体を通じて記載される）があった。
モデルを作成するために、同じ診断を受けた患者について、異なるプラットフォームで取得された、現在利用可能な全ての公開データセット（ゲノム＋トランスクリプトーム）を収集した。これらのデータセット内の患者は同じ薬剤で治療されており、奏効率又は生存率が知られている。治療応答及びその他の重要な形質について以前に公開された全てのバイオマーカーもまた収集し、モデルの特徴として使用した。ｃｃＲＣＣ診断、ＩＯ及びＴＫＩ治療に対する応答、トランスクリプトーム及びゲノムデータに関する１０件の公開データセットを収集した。治療の種類毎に、ＮＧＳ及びマイクロアレイを使用して、腫瘍ＤＮＡ及びＲＮＡから得られ得る全ての既知の特徴のうち最も重要なバイオマーカーの特徴を、機械学習法を使用して選択した。これらの特徴は、薬物応答の可能性を判定する最良の方法を提供する。このように、ＩＯの最も重要な特徴は、遺伝子ＰＤ１、ＰＤＬ１、及びＰＤＬ２の発現、並びにＥＣＭ関連遺伝子、血管新生、及び増殖速度を特徴付けるシグネチャであると判明した。ＴＫＩについては、最も重要なパラメーターは、血管新生、マクロファージ、及び増殖速度のシグネチャであると判明した。
全ての特徴は統合されていることから、データセット間で比較できる。最終モデルの全ての特徴のうち、最大の予測能力を有して、ノイズを導入しないものだけを選択する。データセットのいくつかはトレーニングのために使用し、いくつかは検証のため使用する。出力は、治療（例えば、ＩＯ又はＴＫＩ）に対する応答の可能性を予測する単一の「応答者スコア」を提供するモデルである。
全てのコホートにおいて、モデルからのスコアの実装は、無増悪生存期間（ＰＦＳ）及び全生存期間（ＯＳ）の改善をもたらし、現在利用可能な全てのアプローチよりも優れているようであった。ＮＧＳがん生検検査を実施し、計算された一連のバイオマーカーにこれらのモデルを適用することで、医師は特定の治療に対する応答の可能性を評価し、より多くの情報に基づいた決定を下し得る。
ＩＯモデル
ＩＯに対する応答の可能性を評価するための機械学習モデルのトレーニング及び検証の例を図７及び８に示す。モデルトレーニングの前に、ＩＯレジメンへの無奏功と強く関連するバイオマーカー群を同定した。これらのバイオマーカーを有する患者は、「ＩＯ非応答者」と称された。サンプルは、次の基準のうち少なくとも１つを満たした場合、「ＩＯ非応答者」と類された。
●倍数性＞４
●高い筋形成シグネチャ
●ＲＣ ＴＭＥタイプＥ
●ｍＴＯＲ活性化変異の存在、
●抗原提示機構における変異の存在
サンプルが「ＩＯ非応答者」として分類された場合、それには応答者スコア０が自動的に割り当てられ、サンプルはモデルのトレーニングと検証には使用されなかった。
パラメータａｕｔｏ＿ｃｌａｓｓ＿ｗｅｉｇｈｔｓを「Ｂａｌａｎｃｅｄ」に設定したＣａｔＢｏｏｓｔ分類器モデルを使用した。モデルは、８つのトランスクリプトーム特徴、ＰＤ１、ＰＤＬ１、ＰＤＬ２の発現；内皮シグネチャ、血管新生シグネチャ、及び増殖速度シグネチャに基づいてトレーニングした。サンプルと、ＲＣ ＴＭＥタイプ「Ｂ」及びＲＣ ＴＭＥタイプ「Ｃ」との類似性もまたトレーニングに使用した。特定のＲＣ ＴＭＥタイプに対するサンプルの類似性は、３３の遺伝子シグネチャのサンプルのｓｓＧＳＥＡスコア（例えば、表１に示す遺伝子群に基づく）と、３３の遺伝子シグネチャの特定のＲＣ ＴＭＥタイプの平均ｓｓＧＳＥＡスコア（表１に示す遺伝子群に基づく）の間のスピアマン相関係数として計算した。結果として得られたモデルスコア（例えば、応答者スコア）は、０から１まで変動した。
ＩＯモデルは、次の３つのコホートからのＩＯを含有療法で治療されたサンプルでトレーニングした：ＷＵＳＭＲＣＣ（ＩＰＩ＋ＮＩＶＯ患者３１人、ＣＡＢＯ＋ＮＩＶＯ／ＡＸＩ＋ＰＥＭ患者１０人）、Ｉｍｍｏｔｉｏｎ１５０（ＡＴＥＺＯ患者７７人、ＡＴＥＺＯ＋ＢＥＶ患者８３人）、ＣｈｅｃｋＭａｔｅ２５（ＮＩＶＯ患者１７２人）。モデルトレーニングでは、ＣＲ（患者２５人）及びＰＤ（患者９３人）のＲＥＣＩＳＴ（固形腫瘍における奏効評価基準）を備えたこれら３つのコホートから患者を選択した。これらの患者は、予測モデルの２つの群として使用した。モデルは、ＪＡＶＥＬＩＮコホート（ＡＶＥ＋ＡＸＩ患者３５４人）で検証した。
ＴＫＩモデル
ＴＫＩに対する応答の可能性を評価するための機械学習モデルのトレーニング及び検証の例を図９及び１０に示す。ｓｃｉｋｉｔ－ｌｅａｒｎパッケージのロジスティック回帰モデルをデフォルトのパラメータで使用した。モデルは４つのトランスクリプトーム特徴、マクロファージシグネチャ、血管新生シグネチャ、及び増殖速度シグネチャに基づいてトレーニングした。ＲＣ ＴＭＥタイプＢとのサンプルの類似性もまた使用した。特定のＲＣ ＴＭＥタイプに対するサンプルの類似性は、３３の遺伝子シグネチャのサンプルのｓｓＧＳＥＡスコア（例えば、表１に示す遺伝子群に基づく）と、３３の遺伝子シグネチャの特定のＲＣ ＴＭＥタイプの平均ｓｓＧＳＥＡスコア（表１に示す遺伝子群に基づく）の間のスピアマン相関係数として計算した。結果として得られたモデルスコア（例えば、応答者スコア）は、０から１まで変動した。
ＴＫＩモデルは、ＭＵＳＭＲＣＣ（ＰＡＺ／ＳＵＮ／ＣＡＢＯ／ＡＸＩ患者３７人）、Ｂｅｕｓｅｌｉｎｃｋ（ＳＵＮ患者５３人）の２つのコホートからのＴＫＩ療法で治療されたサンプルでトレーニングした。モデルトレーニングでは、ＣＲ＋ＰＲ（患者４５人）及びＰＤ（患者１３人）のＲＥＣＩＳを備えたこれら２つのコホートから患者を選択した。これらの患者は、予測モデルの２つの群として使用した。モデルは、ＪＡＶＥＬＩＮコホート（ＳＵＮ患者３７２人）及びＣＯＭＰＡＲＺコホート（ＰＡＺ／ＳＵＮ患者３４１人）で検証した。
図１１Ａ～１１Ｅは、これらの実施例によって記載される機械学習アルゴリズムを使用したＩＯ応答者スコア及びＴＫＩ応答者スコアが、以前に使用された分類方法よりもデータセット間でより一貫していることを示す代表的なデータを提供する。
実施例４
「ＩＯ非応答者」患者の小グループは、主に筋芽細胞と骨格筋細胞で発現される１４個の遺伝子（表２に列挙）かなる、筋形成シグネチャの極めて高い活性を示すことが観察された。筋形成シグネチャは、上述の遺伝子群シグネチャパイプラインを使用して計算した：ｓｓＧＳＥＡスコアを計算し、コホート内のスコアを中央値でスケーリングした。図１２は、ｓｓＧＳＥＡ解析と１４個の遺伝子の中央値スケーリングに基づく、ＲＣ（例えば、明細胞腎臓がん）サンプルの筋形成シグネチの生成を示す代表的なヒートマップを提供する。この筋形成シグネチャは、ＲＣ ＴＭＥタイプの同定には使用しなかったが、実施例３に記載されたＩＯモデルにおけるＩＯ「非応答者」を同定するために使用した。図１３Ａは、筋形成シグネチャに対してプロットされた、ＲＥＣＩＳＴ特性評価（完全奏効（ＣＲ）、部分奏効（ＰＲ）、安定した疾患（ＳＤ）、及び進行性疾患（ＰＤ））を示す代表的なデータを提供する。高い筋形成スコアを有するサンプルは、骨転移（ＭＢＯ）患者に由来することが観察された（図１３Ｂ）。
Figure 2024509576000008
Figure 2024509576000009
Figure 2024509576000010
Figure 2024509576000011
Figure 2024509576000012
Figure 2024509576000013
Figure 2024509576000014
Figure 2024509576000015
Figure 2024509576000016
Figure 2024509576000017
Figure 2024509576000018
Figure 2024509576000019
Figure 2024509576000020
Figure 2024509576000021
Figure 2024509576000022
Figure 2024509576000023
Figure 2024509576000024
Figure 2024509576000025
Figure 2024509576000026
Figure 2024509576000027
Figure 2024509576000028
Figure 2024509576000029
Figure 2024509576000030
Figure 2024509576000031

Claims (110)

  1. 少なくとも１つのコンピュータハードウェアプロセッサを使用して、
    （ａ）対象のＲＮＡ発現データを取得するステップと；
    （ｂ）前記ＲＮＡ発現データを使用して前記対象のＲＣ ＴＭＥシグネチャを生成するステップと；
    （ｃ）前記ＲＣ ＴＭＥシグネチャを使用して、複数のＲＣ ＴＭＥタイプの中で前記対象のＲＣ ＴＭＥタイプを同定するステップと
    を実行するステップを含んでなる、腎臓がんを有する、腎臓がんを有する疑いがある、又は腎臓がんを有するリスクがある対象の腎臓がん（ＲＣ）腫瘍微小環境（ＴＭＥ）タイプを判定する方法であって、前記ＲＮＡ発現データが、表１に列挙された複数の遺伝子群の少なくともいくつかの遺伝子群の各群における少なくともいくつかの遺伝子のＲＮＡ発現レベルを示し、前記ＲＣ ＴＭＥシグネチャが、前記複数の遺伝子群の少なくともいくつかにおけるそれぞれの遺伝子群に対する遺伝子群スコアを含んでなり、前記生成するステップが、前記ＲＮＡ発現レベルを使用して前記遺伝子群スコアを判定するステップを含んでなる、方法。
  2. 前記対象のＲＮＡ発現データを取得するステップが、前記対象から得られた生物学的サンプルを配列決定することによって以前に取得された配列決定データを取得するステップを含んでなる、請求項１に記載の方法。
  3. 前記配列決定データが、少なくとも１００万回の読み取り、少なくとも５００万回の読み取り、少なくとも１０００万回の読み取り、少なくとも２０００万回の読み取り、少なくとも５０００万回の読み取り、又は少なくとも１億回の読み取りを含んでなる、請求項２に記載の方法。
  4. 前記配列決定データが、全エクソーム配列決定（ＷＥＳ）データ、バルクＲＮＡ配列決定（ＲＮＡ－ｓｅｑ）データ、単一細胞ＲＮＡ配列決定（ｓｃＲＮＡ－ｓｅｑ）データ、又は次世代配列決定法（ＮＧＳ）データを含んでなる、請求項２又は３に記載の方法。
  5. 前記配列決定データがマイクロアレイデータを含んでなる、請求項２又は３に記載の方法。
  6. 前記ＲＣ ＴＭＥシグネチャを生成する前に、前記ＲＮＡ発現データを１００万あたりの転写物（ＴＰＭ）単位に正規化するステップをさらに含んでなる、請求項１～５のいずれか一項に記載の方法。
  7. 前記対象のＲＮＡ発現データを取得するステップが、前記対象から得られた生物学的サンプルを配列決定するステップを含んでなる、請求項１～６のいずれか一項に記載の方法。
  8. 前記生物学的サンプルが、前記対象の腎臓組織を含んでなり、任意選択的に前記生物学的サンプルが、前記対象の腫瘍組織を含んでなる、請求項７に記載の方法。
  9. 前記ＲＮＡ発現レベルが、
    （ａ）エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；
    （ｂ）ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；
    （ｃ）Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；
    （ｄ）Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；
    （ｅ）抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；
    （ｆ）チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；
    （ｇ）Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；
    （ｈ）好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；
    （ｉ）顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；
    （ｊ）ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；
    （ｋ）マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；
    （ｌ）がん関連線維芽細胞（ＣＡＦ）群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；
    （ｍ）マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；
    （ｎ）血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；
    （ｏ）内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；
    （ｐ）増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；
    （ｑ）ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；
    （ｒ）クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；
    （ｓ）解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；及び
    （ｔ）脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２
    の遺伝子群のうち少なくとも２つのそれぞれからの少なくとも３つの遺伝子のＲＮＡ発現レベルを含んでなる、請求項１～８のいずれか一項に記載の方法。
  10. 前記ＲＮＡ発現レベルが、
    （ａ）ＭＨＣ Ｉ群：ＨＬＡ－Ｃ、Ｂ２Ｍ、ＨＬＡ－Ｂ、ＨＬＡ－Ａ、ＴＡＰ１、ＴＡＰ２、ＮＬＲＣ５、ＴＡＰＢＰ；
    （ｂ）ＭＨＣ ＩＩ群：ＨＬＡ－ＤＱＡ１、ＨＬＡ－ＤＭＡ、ＨＬＡ－ＤＲＢ１、ＨＬＡ－ＤＭＢ、ＣＩＩＴＡ、ＨＬＡ－ＤＰＡ１、ＨＬＡ－ＤＰＢ１、ＨＬＡ－ＤＲＡ、ＨＬＡ－ＤＱＢ１；
    （ｃ）共活性化分子群：ＣＤ８０、ＴＮＦＲＳＦ４、ＣＤ２７、ＣＤ８３、ＴＮＦＳＦ９、ＣＤ４０ＬＧ、ＣＤ７０、ＩＣＯＳ、ＣＤ８６、ＣＤ４０、ＴＮＦＳＦ４、ＩＣＯＳＬＧ、ＴＮＦＲＳＦ９、ＣＤ２８；
    （ｄ）エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；
    （ｅ）Ｔ細胞輸送群：ＣＸＣＬ９、ＣＣＬ３、ＣＸＣＲ３、ＣＸＣＬ１０、ＣＸＣＬ１１、ＣＣＬ５、ＣＣＬ４、ＣＸ３ＣＬ１、ＣＸ３ＣＲ１；
    （ｆ）ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；
    （ｇ）Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；
    （ｈ）Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；
    （ｉ）Ｍ１シグネチャ群：ＩＬ１Ｂ、ＩＬ１２Ｂ、ＮＯＳ２、ＳＯＣＳ３、ＩＲＦ５、ＩＬ２３Ａ、ＴＮＦ、ＩＬ１２Ａ、ＣＭＫＬＲ１；
    （ｊ）Ｔｈ１シグネチャ群：ＩＬ１２ＲＢ２、ＩＬ２、ＴＢＸ２１、ＩＦＮＧ、ＳＴＡＴ４、ＩＬ２１、ＣＤ４０ＬＧ；
    （ｋ）抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；
    （ｌ）チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；
    （ｍ）Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；
    （ｎ）Ｔ ｒｅｇ輸送群：ＣＣＬ２８、ＣＣＲ１０、ＣＣＲ４、ＣＣＲ８、ＣＣＬ１７、ＣＣＬ２２、ＣＣＬ１；
    （ｏ）好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；
    （ｐ）顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；
    （ｑ）ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；
    （ｒ）ＭＤＳＣ輸送群：ＣＣＬ１５、ＩＬ６Ｒ、ＣＳＦ２ＲＡ、ＣＳＦ２、ＣＸＣＬ８、ＣＸＣＬ１２、ＩＬ６、ＣＳＦ３、ＣＣＬ２６、ＣＸＣＲ４、ＣＸＣＲ２、ＣＳＦ３Ｒ、ＣＳＦ１、ＣＸＣＬ５、ＣＳＦ１Ｒ；
    （ｓ）マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；
    （ｔ）マクロファージＤＣ輸送群：ＣＣＬ７、ＣＣＬ２、ＸＣＲ１、ＸＣＬ１、ＣＳＦ１、ＣＣＲ２、ＣＣＬ８、ＣＳＦ１Ｒ；
    （ｕ）Ｔｈ２シグネチャ群：ＩＬ１３、ＣＣＲ４、ＩＬ１０、ＩＬ５、ＩＬ４；
    （ｖ）腫瘍促進サイトカイン群：ＭＩＦ、ＴＧＦＢ１、ＩＬ１０、ＴＧＦＢ３、ＩＬ６、ＴＧＦＢ２、ＩＬ２２；
    （ｗ）ＣＡＦ群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；
    （ｘ）マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；
    （ｙ）マトリックス再形成群：ＭＭＰ１、ＰＬＯＤ２、ＭＭＰ２、ＭＭＰ１２、ＡＤＡＭＴＳ５、ＡＤＡＭＴＳ４、ＬＯＸ、ＭＭＰ９、ＭＭＰ１１、ＭＭＰ３、ＭＭＰ７、ＣＡ９；
    （ｚ）血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；
    （ａａ）内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；
    （ｂｂ）増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；
    （ｃｃ）ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；
    （ｄｄ）環状ヌクレオチド代謝群：ＡＤＣＹ４、ＰＤＥ１１Ａ、ＰＤＥ６Ａ、ＰＤＥ９Ａ、ＰＤＥ６Ｃ、ＡＤＣＹ７、ＰＤＥ４Ａ、ＰＤＥ８Ａ、ＰＤＥ１Ｂ、ＰＤＥ１Ａ、ＧＵＣＹ２Ｃ、ＧＵＣＹ１Ａ３、ＡＤＣＹ９、ＡＤＣＹ２、ＰＤＥ６Ｂ、ＡＤＣＹ８、ＰＤＥ８Ｂ、ＧＵＣＹ２Ｆ、ＰＤＥ４Ｃ、ＰＤＥ３Ａ、ＧＵＣＹ１Ａ２、ＰＤＥ６Ｇ、ＰＤＥ１Ｃ、ＧＵＣＹ２Ｄ、ＡＤＣＹ１０、ＧＵＣＹ１Ｂ３、ＧＵＣＹ１Ｂ２、ＰＤＥ７Ｂ、ＰＤＥ５Ａ、ＰＤＥ６Ｄ、ＮＰＲ２、ＡＤＣＹ５、ＮＰＲ１、ＡＤＣＹ６、ＰＤＥ７Ａ、ＰＤＥ２Ａ、ＰＤＥ４Ｂ、ＰＤＥ１０Ａ、ＰＤＥ６Ｈ、ＰＤＥ４Ｄ、ＡＤＣＹ１、ＰＤＥ３Ｂ、ＡＤＣＹ３；
    （ｅｅ）解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；
    （ｆｆ）クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；及び
    （ｇｇ）脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２
    の遺伝子群のうち少なくとも２つのそれぞれからの少なくとも３つの遺伝子のＲＮＡ発現レベルを含んでなる、請求項１～９のいずれか一項に記載の方法。
  11. 前記ＲＮＡ発現レベルが、
    （ａ）ＥＣＭ関連群：ＡＤＡＭ８、ＡＤＡＭＴＳ４、Ｃ１ＱＬ３、ＣＳＴ７、ＣＴＳＷ、ＣＸＣＬ８、ＦＡＳＬＧ、ＬＴＢ、ＭＵＣ１、ＯＳＭ、Ｐ４ＨＡ２、ＳＣＵＢＥ１、ＳＥＭＡ４Ｂ、ＳＥＭＡ７Ａ、ＳＥＲＰＩＮＥ１、ＴＣＨＨ、ＴＧＦＡ、ＴＧＭ２、ＴＮＦＳＦ１１、ＴＮＦＳＦ９、ＷＮＴ１０Ｂ；
    （ｂ）ＴＬＳ腎臓群：ＺＮＦ６８３、ＰＯＵ２ＡＦ１、ＬＡＸ１、ＣＤ７９Ａ、ＣＸＣＬ９、ＸＣＬ２、ＪＣＨＡＩＮ、ＳＬＡＭＦ７、ＣＤ３８、ＳＬＡＭＦ１、ＴＮＦＲＳＦ１７、ＩＲＦ４、ＨＳＨ２Ｄ、ＰＬＡ２Ｇ２Ｄ、ＭＺＢ１；
    （ｃ）ＮＲＦ２シグネチャ群：ＴＲＩＭ１６Ｌ、ＵＧＤＨ、ＫＩＡＡ１５４９、ＰＡＮＸ２、ＦＥＣＨ、ＬＲＰ８、ＡＫＲ１Ｃ２、ＦＴＨ１、ＡＫＲ１Ｃ３、ＣＢＲ１、ＰＦＮ２、ＣＢＸ２、ＴＸＮ、ＣＹＰ４Ｆ１１、ＣＹＰ４Ｆ３、ＡＫＲ１Ｃ１、ＡＫＲ１Ｂ１５、Ｇ６ＰＤ、ＰＲＤＸ１、ＴＡＬＤＯ１、ＥＰＴ１、ＳＲＸＮ１、ＪＡＫＭＩＰ３、ＦＴＨＬ３、ＵＣＨＬ１、ＴＸＮＲＤ１、Ｃ１ｏｒｆ１３１、ＣＡＳＫＩＮ１、ＰＧＤ、ＧＰＸ２、ＯＳＧＩＮ１、ＫＩＡＡ０３１９、ＣＡＢＹＲ、ＡＩＦＭ２、ＴＲＩＭ１６、ＡＫＲ１Ｂ１０、ＧＣＬＣ、ＡＢＣＣ２、ＥＴＦＢ、ＩＤＨ１、ＭＡＦＧ、ＮＥＣＡＢ２、ＭＥ１、ＰＴＧＲ１、ＰＩＲ、ＧＳＲ、ＲＩＴ１、ＧＣＬＭ、ＡＬＤＨ３Ａ１、ＮＱＯ１、ＰＫＤ１Ｌ２、ＮＲＧ４、ＡＢＨＤ４、ＨＲＧ、ＳＬＣ７Ａ１１；及び
    （ｄ）ｔＲＣＣシグネチャ群：ＦＳＴ、ＴＲＩＭ６３、ＳＬＣ１０Ａ２、ＡＮＴＸＲＬ、ＥＲＶＶ－２、ＳＮＸ２２、ＩＮＨＢＥ、ＳＶ２Ｂ、ＦＡＭ１２４Ａ、ＥＰＨＡ５、ＬＵＺＰ２、ＣＰＥＢ１、ＨＯＸＢ１３、ＡＬＬＣ、ＫＣＮＦ１、ＮＤＲＧ４、ＧＲＥＢ１、ＡＳＴＮ１、ＪＳＲＰ１、ＵＢＥ２Ｕ、ＫＣＮＱ４、ＭＹＯ７Ｂ、ＢＲＩＮＰ２、Ｃ１ＱＬ２、ＣＣＤＣ１３６、ＳＬＣ５１Ｂ、ＣＡＴＳＰＥＲＧ、ＰＭＥＬ、ＢＩＲＣ７、ＰＬＫ５、ＡＤＡＲＢ２、ＣＦＡＰ６１、ＴＵＢＢ４Ａ、ＰＬＩＮ４、ＡＢＣＢ５、ＳＹＴ３、ＨＣＮ４、ＣＴＳＫ、ＳＰＡＣＡ１、ＴＲＩＭ６７、ＮＭＲＫ２、ＬＧＩ３、ＡＲＨＧＥＦ４、ＮＴＳＲ２、ＫＥＬ、ＳＮＣＢ、ＰＬＤ５、ＡＤＧＲＢ１、ＣＹＰ１７Ａ１、ＩＧＦＢＰＬ１、ＴＲＩＭ７１、ＳＬＣ４５Ａ２、ＴＰ７３、ＩＰ６Ｋ３、ＨＡＢＰ２、ＲＧＳ２０、ＩＧＦＮ１、ＣＤＨ１７
    の遺伝子群のうち少なくとも２つのそれぞれからの少なくとも３つの遺伝子のＲＮＡ発現レベルをさらに含んでなる、請求項９又は１０に記載の方法。
  12. 前記ＲＮＡ発現レベルが、
    （ａ）エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；
    （ｂ）ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；
    （ｃ）Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；
    （ｄ）Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；
    （ｅ）抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；
    （ｆ）チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；
    （ｇ）Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；
    （ｈ）好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；
    （ｉ）顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；
    （ｊ）ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；
    （ｋ）マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；
    （ｌ）がん関連線維芽細胞（ＣＡＦ）群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；
    （ｍ）マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；
    （ｎ）血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；
    （ｏ）内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；
    （ｐ）増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；
    （ｑ）ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；
    （ｒ）クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；
    （ｓ）解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；及び
    （ｔ）脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２
    の遺伝子群のそれぞれからの各遺伝子のＲＮＡ発現レベルを含んでなる、請求項１～１１のいずれか一項に記載の方法。
  13. 前記複数の遺伝子群における遺伝子のＲＮＡ発現レベルが、
    （ａ）ＭＨＣ Ｉ群：ＨＬＡ－Ｃ、Ｂ２Ｍ、ＨＬＡ－Ｂ、ＨＬＡ－Ａ、ＴＡＰ１、ＴＡＰ２、ＮＬＲＣ５、ＴＡＰＢＰ；
    （ｂ）ＭＨＣ ＩＩ群：ＨＬＡ－ＤＱＡ１、ＨＬＡ－ＤＭＡ、ＨＬＡ－ＤＲＢ１、ＨＬＡ－ＤＭＢ、ＣＩＩＴＡ、ＨＬＡ－ＤＰＡ１、ＨＬＡ－ＤＰＢ１、ＨＬＡ－ＤＲＡ、ＨＬＡ－ＤＱＢ１；
    （ｃ）共活性化分子群：ＣＤ８０、ＴＮＦＲＳＦ４、ＣＤ２７、ＣＤ８３、ＴＮＦＳＦ９、ＣＤ４０ＬＧ、ＣＤ７０、ＩＣＯＳ、ＣＤ８６、ＣＤ４０、ＴＮＦＳＦ４、ＩＣＯＳＬＧ、ＴＮＦＲＳＦ９、ＣＤ２８；
    （ｄ）エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；
    （ｅ）Ｔ細胞輸送群：ＣＸＣＬ９、ＣＣＬ３、ＣＸＣＲ３、ＣＸＣＬ１０、ＣＸＣＬ１１、ＣＣＬ５、ＣＣＬ４、ＣＸ３ＣＬ１、ＣＸ３ＣＲ１；
    （ｆ）ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；
    （ｇ）Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；
    （ｈ）Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；
    （ｉ）Ｍ１シグネチャ群：ＩＬ１Ｂ、ＩＬ１２Ｂ、ＮＯＳ２、ＳＯＣＳ３、ＩＲＦ５、ＩＬ２３Ａ、ＴＮＦ、ＩＬ１２Ａ、ＣＭＫＬＲ１；
    （ｊ）Ｔｈ１シグネチャ群：ＩＬ１２ＲＢ２、ＩＬ２、ＴＢＸ２１、ＩＦＮＧ、ＳＴＡＴ４、ＩＬ２１、ＣＤ４０ＬＧ；
    （ｋ）抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；
    （ｌ）チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；
    （ｍ）Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；
    （ｎ）Ｔ ｒｅｇ輸送群：ＣＣＬ２８、ＣＣＲ１０、ＣＣＲ４、ＣＣＲ８、ＣＣＬ１７、ＣＣＬ２２、ＣＣＬ１；
    （ｏ）好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；
    （ｐ）顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；
    （ｑ）ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；
    （ｒ）ＭＤＳＣ輸送群：ＣＣＬ１５、ＩＬ６Ｒ、ＣＳＦ２ＲＡ、ＣＳＦ２、ＣＸＣＬ８、ＣＸＣＬ１２、ＩＬ６、ＣＳＦ３、ＣＣＬ２６、ＣＸＣＲ４、ＣＸＣＲ２、ＣＳＦ３Ｒ、ＣＳＦ１、ＣＸＣＬ５、ＣＳＦ１Ｒ；
    （ｓ）マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；
    （ｔ）マクロファージＤＣ輸送群：ＣＣＬ７、ＣＣＬ２、ＸＣＲ１、ＸＣＬ１、ＣＳＦ１、ＣＣＲ２、ＣＣＬ８、ＣＳＦ１Ｒ；
    （ｕ）Ｔｈ２シグネチャ群：ＩＬ１３、ＣＣＲ４、ＩＬ１０、ＩＬ５、ＩＬ４；
    （ｖ）腫瘍促進サイトカイン群：ＭＩＦ、ＴＧＦＢ１、ＩＬ１０、ＴＧＦＢ３、ＩＬ６、ＴＧＦＢ２、ＩＬ２２；
    （ｗ）ＣＡＦ群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；
    （ｘ）マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；
    （ｙ）マトリックス再形成群：ＭＭＰ１、ＰＬＯＤ２、ＭＭＰ２、ＭＭＰ１２、ＡＤＡＭＴＳ５、ＡＤＡＭＴＳ４、ＬＯＸ、ＭＭＰ９、ＭＭＰ１１、ＭＭＰ３、ＭＭＰ７、ＣＡ９；
    （ｚ）血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；
    （ａａ）内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；
    （ｂｂ）増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；
    （ｃｃ）ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；
    （ｄｄ）環状ヌクレオチド代謝群：ＡＤＣＹ４、ＰＤＥ１１Ａ、ＰＤＥ６Ａ、ＰＤＥ９Ａ、ＰＤＥ６Ｃ、ＡＤＣＹ７、ＰＤＥ４Ａ、ＰＤＥ８Ａ、ＰＤＥ１Ｂ、ＰＤＥ１Ａ、ＧＵＣＹ２Ｃ、ＧＵＣＹ１Ａ３、ＡＤＣＹ９、ＡＤＣＹ２、ＰＤＥ６Ｂ、ＡＤＣＹ８、ＰＤＥ８Ｂ、ＧＵＣＹ２Ｆ、ＰＤＥ４Ｃ、ＰＤＥ３Ａ、ＧＵＣＹ１Ａ２、ＰＤＥ６Ｇ、ＰＤＥ１Ｃ、ＧＵＣＹ２Ｄ、ＡＤＣＹ１０、ＧＵＣＹ１Ｂ３、ＧＵＣＹ１Ｂ２、ＰＤＥ７Ｂ、ＰＤＥ５Ａ、ＰＤＥ６Ｄ、ＮＰＲ２、ＡＤＣＹ５、ＮＰＲ１、ＡＤＣＹ６、ＰＤＥ７Ａ、ＰＤＥ２Ａ、ＰＤＥ４Ｂ、ＰＤＥ１０Ａ、ＰＤＥ６Ｈ、ＰＤＥ４Ｄ、ＡＤＣＹ１、ＰＤＥ３Ｂ、ＡＤＣＹ３；
    （ｅｅ）解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；
    （ｆｆ）クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；及び
    （ｇｇ）脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２
    の各遺伝子群からの各遺伝子のＲＮＡ発現レベルを含んでなる、請求項１～１２のいずれか一項に記載の方法。
  14. 前記複数の遺伝子群における遺伝子のＲＮＡ発現レベルが、
    （ａ）ＥＣＭ関連群：ＡＤＡＭ８、ＡＤＡＭＴＳ４、Ｃ１ＱＬ３、ＣＳＴ７、ＣＴＳＷ、ＣＸＣＬ８、ＦＡＳＬＧ、ＬＴＢ、ＭＵＣ１、ＯＳＭ、Ｐ４ＨＡ２、ＳＣＵＢＥ１、ＳＥＭＡ４Ｂ、ＳＥＭＡ７Ａ、ＳＥＲＰＩＮＥ１、ＴＣＨＨ、ＴＧＦＡ、ＴＧＭ２、ＴＮＦＳＦ１１、ＴＮＦＳＦ９、ＷＮＴ１０Ｂ；
    （ｂ）ＴＬＳ腎臓群：ＺＮＦ６８３、ＰＯＵ２ＡＦ１、ＬＡＸ１、ＣＤ７９Ａ、ＣＸＣＬ９、ＸＣＬ２、ＪＣＨＡＩＮ、ＳＬＡＭＦ７、ＣＤ３８、ＳＬＡＭＦ１、ＴＮＦＲＳＦ１７、ＩＲＦ４、ＨＳＨ２Ｄ、ＰＬＡ２Ｇ２Ｄ、ＭＺＢ１；
    （ｃ）ＮＲＦ２シグネチャ群：ＴＲＩＭ１６Ｌ、ＵＧＤＨ、ＫＩＡＡ１５４９、ＰＡＮＸ２、ＦＥＣＨ、ＬＲＰ８、ＡＫＲ１Ｃ２、ＦＴＨ１、ＡＫＲ１Ｃ３、ＣＢＲ１、ＰＦＮ２、ＣＢＸ２、ＴＸＮ、ＣＹＰ４Ｆ１１、ＣＹＰ４Ｆ３、ＡＫＲ１Ｃ１、ＡＫＲ１Ｂ１５、Ｇ６ＰＤ、ＰＲＤＸ１、ＴＡＬＤＯ１、ＥＰＴ１、ＳＲＸＮ１、ＪＡＫＭＩＰ３、ＦＴＨＬ３、ＵＣＨＬ１、ＴＸＮＲＤ１、Ｃ１ｏｒｆ１３１、ＣＡＳＫＩＮ１、ＰＧＤ、ＧＰＸ２、ＯＳＧＩＮ１、ＫＩＡＡ０３１９、ＣＡＢＹＲ、ＡＩＦＭ２、ＴＲＩＭ１６、ＡＫＲ１Ｂ１０、ＧＣＬＣ、ＡＢＣＣ２、ＥＴＦＢ、ＩＤＨ１、ＭＡＦＧ、ＮＥＣＡＢ２、ＭＥ１、ＰＴＧＲ１、ＰＩＲ、ＧＳＲ、ＲＩＴ１、ＧＣＬＭ、ＡＬＤＨ３Ａ１、ＮＱＯ１、ＰＫＤ１Ｌ２、ＮＲＧ４、ＡＢＨＤ４、ＨＲＧ、ＳＬＣ７Ａ１１；及び
    （ｄ）ｔＲＣＣシグネチャ群：ＦＳＴ、ＴＲＩＭ６３、ＳＬＣ１０Ａ２、ＡＮＴＸＲＬ、ＥＲＶＶ－２、ＳＮＸ２２、ＩＮＨＢＥ、ＳＶ２Ｂ、ＦＡＭ１２４Ａ、ＥＰＨＡ５、ＬＵＺＰ２、ＣＰＥＢ１、ＨＯＸＢ１３、ＡＬＬＣ、ＫＣＮＦ１、ＮＤＲＧ４、ＧＲＥＢ１、ＡＳＴＮ１、ＪＳＲＰ１、ＵＢＥ２Ｕ、ＫＣＮＱ４、ＭＹＯ７Ｂ、ＢＲＩＮＰ２、Ｃ１ＱＬ２、ＣＣＤＣ１３６、ＳＬＣ５１Ｂ、ＣＡＴＳＰＥＲＧ、ＰＭＥＬ、ＢＩＲＣ７、ＰＬＫ５、ＡＤＡＲＢ２、ＣＦＡＰ６１、ＴＵＢＢ４Ａ、ＰＬＩＮ４、ＡＢＣＢ５、ＳＹＴ３、ＨＣＮ４、ＣＴＳＫ、ＳＰＡＣＡ１、ＴＲＩＭ６７、ＮＭＲＫ２、ＬＧＩ３、ＡＲＨＧＥＦ４、ＮＴＳＲ２、ＫＥＬ、ＳＮＣＢ、ＰＬＤ５、ＡＤＧＲＢ１、ＣＹＰ１７Ａ１、ＩＧＦＢＰＬ１、ＴＲＩＭ７１、ＳＬＣ４５Ａ２、ＴＰ７３、ＩＰ６Ｋ３、ＨＡＢＰ２、ＲＧＳ２０、ＩＧＦＮ１、ＣＤＨ１７
    の各遺伝子群からの各遺伝子のＲＮＡ発現レベルをさらに含んでなる、請求項１２又は１３に記載の方法。
  15. 前記遺伝子群スコアを判定するステップが、
    特定の遺伝子群について、前記特定の遺伝子群における少なくとも３つの遺伝子のＲＮＡ発現レベルを使用して、前記特定の群に対する遺伝子群スコアを判定し、
    （ａ）エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；
    （ｂ）ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；
    （ｃ）Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；
    （ｄ）Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；
    （ｅ）抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；
    （ｆ）チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；
    （ｇ）Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；
    （ｈ）好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；
    （ｉ）顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；
    （ｊ）ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；
    （ｋ）マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；
    （ｌ）がん関連線維芽細胞（ＣＡＦ）群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；
    （ｍ）マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；
    （ｎ）血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；
    （ｏ）内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；
    （ｐ）増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；
    （ｑ）ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；
    （ｒ）クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；
    （ｓ）解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；及び
    （ｔ）脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２
    をはじめとする遺伝子群のうち少なくとも２つのそれぞれに対するそれぞれの遺伝子群スコアを判定するステップを含んでなる、請求項１～１４のいずれか一項に記載の方法。
  16. 前記遺伝子群スコアを判定するステップが、
    特定の遺伝子群について、前記特定の遺伝子群における少なくとも３つの遺伝子のＲＮＡ発現レベルを使用して、前記特定の群に対する遺伝子群スコアを判定し、
    （ａ）ＭＨＣ Ｉ群：ＨＬＡ－Ｃ、Ｂ２Ｍ、ＨＬＡ－Ｂ、ＨＬＡ－Ａ、ＴＡＰ１、ＴＡＰ２、ＮＬＲＣ５、ＴＡＰＢＰ；
    （ｂ）ＭＨＣ ＩＩ群：ＨＬＡ－ＤＱＡ１、ＨＬＡ－ＤＭＡ、ＨＬＡ－ＤＲＢ１、ＨＬＡ－ＤＭＢ、ＣＩＩＴＡ、ＨＬＡ－ＤＰＡ１、ＨＬＡ－ＤＰＢ１、ＨＬＡ－ＤＲＡ、ＨＬＡ－ＤＱＢ１；
    （ｃ）共活性化分子群：ＣＤ８０、ＴＮＦＲＳＦ４、ＣＤ２７、ＣＤ８３、ＴＮＦＳＦ９、ＣＤ４０ＬＧ、ＣＤ７０、ＩＣＯＳ、ＣＤ８６、ＣＤ４０、ＴＮＦＳＦ４、ＩＣＯＳＬＧ、ＴＮＦＲＳＦ９、ＣＤ２８；
    （ｄ）エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；
    （ｅ）Ｔ細胞輸送群：ＣＸＣＬ９、ＣＣＬ３、ＣＸＣＲ３、ＣＸＣＬ１０、ＣＸＣＬ１１、ＣＣＬ５、ＣＣＬ４、ＣＸ３ＣＬ１、ＣＸ３ＣＲ１；
    （ｆ）ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；
    （ｇ）Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；
    （ｈ）Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；
    （ｉ）Ｍ１シグネチャ群：ＩＬ１Ｂ、ＩＬ１２Ｂ、ＮＯＳ２、ＳＯＣＳ３、ＩＲＦ５、ＩＬ２３Ａ、ＴＮＦ、ＩＬ１２Ａ、ＣＭＫＬＲ１；
    （ｊ）Ｔｈ１シグネチャ群：ＩＬ１２ＲＢ２、ＩＬ２、ＴＢＸ２１、ＩＦＮＧ、ＳＴＡＴ４、ＩＬ２１、ＣＤ４０ＬＧ；
    （ｋ）抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；
    （ｌ）チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；
    （ｍ）Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；
    （ｎ）Ｔ ｒｅｇ輸送群：ＣＣＬ２８、ＣＣＲ１０、ＣＣＲ４、ＣＣＲ８、ＣＣＬ１７、ＣＣＬ２２、ＣＣＬ１；
    （ｏ）好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；
    （ｐ）顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；
    （ｑ）ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；
    （ｒ）ＭＤＳＣ輸送群：ＣＣＬ１５、ＩＬ６Ｒ、ＣＳＦ２ＲＡ、ＣＳＦ２、ＣＸＣＬ８、ＣＸＣＬ１２、ＩＬ６、ＣＳＦ３、ＣＣＬ２６、ＣＸＣＲ４、ＣＸＣＲ２、ＣＳＦ３Ｒ、ＣＳＦ１、ＣＸＣＬ５、ＣＳＦ１Ｒ；
    （ｓ）マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；
    （ｔ）マクロファージＤＣ輸送群：ＣＣＬ７、ＣＣＬ２、ＸＣＲ１、ＸＣＬ１、ＣＳＦ１、ＣＣＲ２、ＣＣＬ８、ＣＳＦ１Ｒ；
    （ｕ）Ｔｈ２シグネチャ群：ＩＬ１３、ＣＣＲ４、ＩＬ１０、ＩＬ５、ＩＬ４；
    （ｖ）腫瘍促進サイトカイン群：ＭＩＦ、ＴＧＦＢ１、ＩＬ１０、ＴＧＦＢ３、ＩＬ６、ＴＧＦＢ２、ＩＬ２２；
    （ｗ）ＣＡＦ群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；
    （ｘ）マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；
    （ｙ）マトリックス再形成群：ＭＭＰ１、ＰＬＯＤ２、ＭＭＰ２、ＭＭＰ１２、ＡＤＡＭＴＳ５、ＡＤＡＭＴＳ４、ＬＯＸ、ＭＭＰ９、ＭＭＰ１１、ＭＭＰ３、ＭＭＰ７、ＣＡ９；
    （ｚ）血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；
    （ａａ）内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；
    （ｂｂ）増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；
    （ｃｃ）ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；
    （ｄｄ）環状ヌクレオチド代謝群：ＡＤＣＹ４、ＰＤＥ１１Ａ、ＰＤＥ６Ａ、ＰＤＥ９Ａ、ＰＤＥ６Ｃ、ＡＤＣＹ７、ＰＤＥ４Ａ、ＰＤＥ８Ａ、ＰＤＥ１Ｂ、ＰＤＥ１Ａ、ＧＵＣＹ２Ｃ、ＧＵＣＹ１Ａ３、ＡＤＣＹ９、ＡＤＣＹ２、ＰＤＥ６Ｂ、ＡＤＣＹ８、ＰＤＥ８Ｂ、ＧＵＣＹ２Ｆ、ＰＤＥ４Ｃ、ＰＤＥ３Ａ、ＧＵＣＹ１Ａ２、ＰＤＥ６Ｇ、ＰＤＥ１Ｃ、ＧＵＣＹ２Ｄ、ＡＤＣＹ１０、ＧＵＣＹ１Ｂ３、ＧＵＣＹ１Ｂ２、ＰＤＥ７Ｂ、ＰＤＥ５Ａ、ＰＤＥ６Ｄ、ＮＰＲ２、ＡＤＣＹ５、ＮＰＲ１、ＡＤＣＹ６、ＰＤＥ７Ａ、ＰＤＥ２Ａ、ＰＤＥ４Ｂ、ＰＤＥ１０Ａ、ＰＤＥ６Ｈ、ＰＤＥ４Ｄ、ＡＤＣＹ１、ＰＤＥ３Ｂ、ＡＤＣＹ３；
    （ｅｅ）解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；
    （ｆｆ）クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；及び
    （ｇｇ）脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２
    をはじめとする遺伝子群のうち少なくとも２つのそれぞれに対するそれぞれの遺伝子群スコアを判定するステップを含んでなる、請求項１～１５のいずれか一項に記載の方法。
  17. 前記遺伝子群スコアを判定するステップが、
    特定の遺伝子群について、前記特定の遺伝子群における少なくとも３つの遺伝子のＲＮＡ発現レベルを使用して、前記特定の群に対する遺伝子群スコアを判定し、
    （ａ）ＥＣＭ関連群：ＡＤＡＭ８、ＡＤＡＭＴＳ４、Ｃ１ＱＬ３、ＣＳＴ７、ＣＴＳＷ、ＣＸＣＬ８、ＦＡＳＬＧ、ＬＴＢ、ＭＵＣ１、ＯＳＭ、Ｐ４ＨＡ２、ＳＣＵＢＥ１、ＳＥＭＡ４Ｂ、ＳＥＭＡ７Ａ、ＳＥＲＰＩＮＥ１、ＴＣＨＨ、ＴＧＦＡ、ＴＧＭ２、ＴＮＦＳＦ１１、ＴＮＦＳＦ９、ＷＮＴ１０Ｂ；
    （ｂ）ＴＬＳ腎臓群：ＺＮＦ６８３、ＰＯＵ２ＡＦ１、ＬＡＸ１、ＣＤ７９Ａ、ＣＸＣＬ９、ＸＣＬ２、ＪＣＨＡＩＮ、ＳＬＡＭＦ７、ＣＤ３８、ＳＬＡＭＦ１、ＴＮＦＲＳＦ１７、ＩＲＦ４、ＨＳＨ２Ｄ、ＰＬＡ２Ｇ２Ｄ、ＭＺＢ１；
    （ｃ）ＮＲＦ２シグネチャ群：ＴＲＩＭ１６Ｌ、ＵＧＤＨ、ＫＩＡＡ１５４９、ＰＡＮＸ２、ＦＥＣＨ、ＬＲＰ８、ＡＫＲ１Ｃ２、ＦＴＨ１、ＡＫＲ１Ｃ３、ＣＢＲ１、ＰＦＮ２、ＣＢＸ２、ＴＸＮ、ＣＹＰ４Ｆ１１、ＣＹＰ４Ｆ３、ＡＫＲ１Ｃ１、ＡＫＲ１Ｂ１５、Ｇ６ＰＤ、ＰＲＤＸ１、ＴＡＬＤＯ１、ＥＰＴ１、ＳＲＸＮ１、ＪＡＫＭＩＰ３、ＦＴＨＬ３、ＵＣＨＬ１、ＴＸＮＲＤ１、Ｃ１ｏｒｆ１３１、ＣＡＳＫＩＮ１、ＰＧＤ、ＧＰＸ２、ＯＳＧＩＮ１、ＫＩＡＡ０３１９、ＣＡＢＹＲ、ＡＩＦＭ２、ＴＲＩＭ１６、ＡＫＲ１Ｂ１０、ＧＣＬＣ、ＡＢＣＣ２、ＥＴＦＢ、ＩＤＨ１、ＭＡＦＧ、ＮＥＣＡＢ２、ＭＥ１、ＰＴＧＲ１、ＰＩＲ、ＧＳＲ、ＲＩＴ１、ＧＣＬＭ、ＡＬＤＨ３Ａ１、ＮＱＯ１、ＰＫＤ１Ｌ２、ＮＲＧ４、ＡＢＨＤ４、ＨＲＧ、ＳＬＣ７Ａ１１；及び
    （ｄ）ｔＲＣＣシグネチャ群：ＦＳＴ、ＴＲＩＭ６３、ＳＬＣ１０Ａ２、ＡＮＴＸＲＬ、ＥＲＶＶ－２、ＳＮＸ２２、ＩＮＨＢＥ、ＳＶ２Ｂ、ＦＡＭ１２４Ａ、ＥＰＨＡ５、ＬＵＺＰ２、ＣＰＥＢ１、ＨＯＸＢ１３、ＡＬＬＣ、ＫＣＮＦ１、ＮＤＲＧ４、ＧＲＥＢ１、ＡＳＴＮ１、ＪＳＲＰ１、ＵＢＥ２Ｕ、ＫＣＮＱ４、ＭＹＯ７Ｂ、ＢＲＩＮＰ２、Ｃ１ＱＬ２、ＣＣＤＣ１３６、ＳＬＣ５１Ｂ、ＣＡＴＳＰＥＲＧ、ＰＭＥＬ、ＢＩＲＣ７、ＰＬＫ５、ＡＤＡＲＢ２、ＣＦＡＰ６１、ＴＵＢＢ４Ａ、ＰＬＩＮ４、ＡＢＣＢ５、ＳＹＴ３、ＨＣＮ４、ＣＴＳＫ、ＳＰＡＣＡ１、ＴＲＩＭ６７、ＮＭＲＫ２、ＬＧＩ３、ＡＲＨＧＥＦ４、ＮＴＳＲ２、ＫＥＬ、ＳＮＣＢ、ＰＬＤ５、ＡＤＧＲＢ１、ＣＹＰ１７Ａ１、ＩＧＦＢＰＬ１、ＴＲＩＭ７１、ＳＬＣ４５Ａ２、ＴＰ７３、ＩＰ６Ｋ３、ＨＡＢＰ２、ＲＧＳ２０、ＩＧＦＮ１、ＣＤＨ１７をはじめとする遺伝子群のうち少なくとも２つのそれぞれに対するそれぞれの遺伝子群スコアを判定するステップをさらに含んでなる、請求項１～１６のいずれか一項に記載の方法。
  18. 前記遺伝子群スコアを判定するステップが、
    各遺伝子群について、各遺伝子群における各遺伝子のＲＮＡ発現レベルを使用して、各特定の群の遺伝子群スコアを判定し、
    （ａ）エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；
    （ｂ）ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；
    （ｃ）Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；
    （ｄ）Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；
    （ｅ）抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；
    （ｆ）チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；
    （ｇ）Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；
    （ｈ）好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；
    （ｉ）顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；
    （ｊ）ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；
    （ｋ）マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；
    （ｌ）がん関連線維芽細胞（ＣＡＦ）群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；
    （ｍ）マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；
    （ｎ）血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；
    （ｏ）内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；
    （ｐ）増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；
    （ｑ）ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；
    （ｒ）クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；
    （ｓ）解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；及び
    （ｔ）脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２
    をはじめとする各遺伝子群に対するそれぞれの遺伝子群スコアを判定するステップを含んでなる、請求項１～１７のいずれか一項に記載の方法。
  19. 前記遺伝子群スコアを判定するステップが、
    各遺伝子群について、各遺伝子群における各遺伝子のＲＮＡ発現レベルを使用して、各特定の群の遺伝子群スコアを判定し、
    （ａ）ＭＨＣ Ｉ群：ＨＬＡ－Ｃ、Ｂ２Ｍ、ＨＬＡ－Ｂ、ＨＬＡ－Ａ、ＴＡＰ１、ＴＡＰ２、ＮＬＲＣ５、ＴＡＰＢＰ；
    （ｂ）ＭＨＣ ＩＩ群：ＨＬＡ－ＤＱＡ１、ＨＬＡ－ＤＭＡ、ＨＬＡ－ＤＲＢ１、ＨＬＡ－ＤＭＢ、ＣＩＩＴＡ、ＨＬＡ－ＤＰＡ１、ＨＬＡ－ＤＰＢ１、ＨＬＡ－ＤＲＡ、ＨＬＡ－ＤＱＢ１；
    （ｃ）共活性化分子群：ＣＤ８０、ＴＮＦＲＳＦ４、ＣＤ２７、ＣＤ８３、ＴＮＦＳＦ９、ＣＤ４０ＬＧ、ＣＤ７０、ＩＣＯＳ、ＣＤ８６、ＣＤ４０、ＴＮＦＳＦ４、ＩＣＯＳＬＧ、ＴＮＦＲＳＦ９、ＣＤ２８；
    （ｄ）エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；
    （ｅ）Ｔ細胞輸送群：ＣＸＣＬ９、ＣＣＬ３、ＣＸＣＲ３、ＣＸＣＬ１０、ＣＸＣＬ１１、ＣＣＬ５、ＣＣＬ４、ＣＸ３ＣＬ１、ＣＸ３ＣＲ１；
    （ｆ）ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；
    （ｇ）Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；
    （ｈ）Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；
    （ｉ）Ｍ１シグネチャ群：ＩＬ１Ｂ、ＩＬ１２Ｂ、ＮＯＳ２、ＳＯＣＳ３、ＩＲＦ５、ＩＬ２３Ａ、ＴＮＦ、ＩＬ１２Ａ、ＣＭＫＬＲ１；
    （ｊ）Ｔｈ１シグネチャ群：ＩＬ１２ＲＢ２、ＩＬ２、ＴＢＸ２１、ＩＦＮＧ、ＳＴＡＴ４、ＩＬ２１、ＣＤ４０ＬＧ；
    （ｋ）抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；
    （ｌ）チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；
    （ｍ）Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；
    （ｎ）Ｔ ｒｅｇ輸送群：ＣＣＬ２８、ＣＣＲ１０、ＣＣＲ４、ＣＣＲ８、ＣＣＬ１７、ＣＣＬ２２、ＣＣＬ１；
    （ｏ）好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；
    （ｐ）顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；
    （ｑ）ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；
    （ｒ）ＭＤＳＣ輸送群：ＣＣＬ１５、ＩＬ６Ｒ、ＣＳＦ２ＲＡ、ＣＳＦ２、ＣＸＣＬ８、ＣＸＣＬ１２、ＩＬ６、ＣＳＦ３、ＣＣＬ２６、ＣＸＣＲ４、ＣＸＣＲ２、ＣＳＦ３Ｒ、ＣＳＦ１、ＣＸＣＬ５、ＣＳＦ１Ｒ；
    （ｓ）マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；
    （ｔ）マクロファージＤＣ輸送群：ＣＣＬ７、ＣＣＬ２、ＸＣＲ１、ＸＣＬ１、ＣＳＦ１、ＣＣＲ２、ＣＣＬ８、ＣＳＦ１Ｒ；
    （ｕ）Ｔｈ２シグネチャ群：ＩＬ１３、ＣＣＲ４、ＩＬ１０、ＩＬ５、ＩＬ４；
    （ｖ）腫瘍促進サイトカイン群：ＭＩＦ、ＴＧＦＢ１、ＩＬ１０、ＴＧＦＢ３、ＩＬ６、ＴＧＦＢ２、ＩＬ２２；
    （ｗ）ＣＡＦ群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；
    （ｘ）マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；
    （ｙ）マトリックス再形成群：ＭＭＰ１、ＰＬＯＤ２、ＭＭＰ２、ＭＭＰ１２、ＡＤＡＭＴＳ５、ＡＤＡＭＴＳ４、ＬＯＸ、ＭＭＰ９、ＭＭＰ１１、ＭＭＰ３、ＭＭＰ７、ＣＡ９；
    （ｚ）血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；
    （ａａ）内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；
    （ｂｂ）増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；
    （ｃｃ）ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；
    （ｄｄ）環状ヌクレオチド代謝群：ＡＤＣＹ４、ＰＤＥ１１Ａ、ＰＤＥ６Ａ、ＰＤＥ９Ａ、ＰＤＥ６Ｃ、ＡＤＣＹ７、ＰＤＥ４Ａ、ＰＤＥ８Ａ、ＰＤＥ１Ｂ、ＰＤＥ１Ａ、ＧＵＣＹ２Ｃ、ＧＵＣＹ１Ａ３、ＡＤＣＹ９、ＡＤＣＹ２、ＰＤＥ６Ｂ、ＡＤＣＹ８、ＰＤＥ８Ｂ、ＧＵＣＹ２Ｆ、ＰＤＥ４Ｃ、ＰＤＥ３Ａ、ＧＵＣＹ１Ａ２、ＰＤＥ６Ｇ、ＰＤＥ１Ｃ、ＧＵＣＹ２Ｄ、ＡＤＣＹ１０、ＧＵＣＹ１Ｂ３、ＧＵＣＹ１Ｂ２、ＰＤＥ７Ｂ、ＰＤＥ５Ａ、ＰＤＥ６Ｄ、ＮＰＲ２、ＡＤＣＹ５、ＮＰＲ１、ＡＤＣＹ６、ＰＤＥ７Ａ、ＰＤＥ２Ａ、ＰＤＥ４Ｂ、ＰＤＥ１０Ａ、ＰＤＥ６Ｈ、ＰＤＥ４Ｄ、ＡＤＣＹ１、ＰＤＥ３Ｂ、ＡＤＣＹ３；
    （ｅｅ）解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；
    （ｆｆ）クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；及び
    （ｇｇ）脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２
    をはじめとする各遺伝子群に対するそれぞれの遺伝子群スコアを判定するステップを含んでなる、請求項１～１８のいずれか一項に記載の方法。
  20. 前記遺伝子群スコアを判定するステップが、
    各遺伝子群について、各遺伝子群における各遺伝子のＲＮＡ発現レベルを使用して、各特定の群の遺伝子群スコアを判定し、
    （ａ）ＥＣＭ関連群：ＡＤＡＭ８、ＡＤＡＭＴＳ４、Ｃ１ＱＬ３、ＣＳＴ７、ＣＴＳＷ、ＣＸＣＬ８、ＦＡＳＬＧ、ＬＴＢ、ＭＵＣ１、ＯＳＭ、Ｐ４ＨＡ２、ＳＣＵＢＥ１、ＳＥＭＡ４Ｂ、ＳＥＭＡ７Ａ、ＳＥＲＰＩＮＥ１、ＴＣＨＨ、ＴＧＦＡ、ＴＧＭ２、ＴＮＦＳＦ１１、ＴＮＦＳＦ９、ＷＮＴ１０Ｂ；
    （ｂ）ＴＬＳ腎臓群：ＺＮＦ６８３、ＰＯＵ２ＡＦ１、ＬＡＸ１、ＣＤ７９Ａ、ＣＸＣＬ９、ＸＣＬ２、ＪＣＨＡＩＮ、ＳＬＡＭＦ７、ＣＤ３８、ＳＬＡＭＦ１、ＴＮＦＲＳＦ１７、ＩＲＦ４、ＨＳＨ２Ｄ、ＰＬＡ２Ｇ２Ｄ、ＭＺＢ１；
    （ｃ）ＮＲＦ２シグネチャ群：ＴＲＩＭ１６Ｌ、ＵＧＤＨ、ＫＩＡＡ１５４９、ＰＡＮＸ２、ＦＥＣＨ、ＬＲＰ８、ＡＫＲ１Ｃ２、ＦＴＨ１、ＡＫＲ１Ｃ３、ＣＢＲ１、ＰＦＮ２、ＣＢＸ２、ＴＸＮ、ＣＹＰ４Ｆ１１、ＣＹＰ４Ｆ３、ＡＫＲ１Ｃ１、ＡＫＲ１Ｂ１５、Ｇ６ＰＤ、ＰＲＤＸ１、ＴＡＬＤＯ１、ＥＰＴ１、ＳＲＸＮ１、ＪＡＫＭＩＰ３、ＦＴＨＬ３、ＵＣＨＬ１、ＴＸＮＲＤ１、Ｃ１ｏｒｆ１３１、ＣＡＳＫＩＮ１、ＰＧＤ、ＧＰＸ２、ＯＳＧＩＮ１、ＫＩＡＡ０３１９、ＣＡＢＹＲ、ＡＩＦＭ２、ＴＲＩＭ１６、ＡＫＲ１Ｂ１０、ＧＣＬＣ、ＡＢＣＣ２、ＥＴＦＢ、ＩＤＨ１、ＭＡＦＧ、ＮＥＣＡＢ２、ＭＥ１、ＰＴＧＲ１、ＰＩＲ、ＧＳＲ、ＲＩＴ１、ＧＣＬＭ、ＡＬＤＨ３Ａ１、ＮＱＯ１、ＰＫＤ１Ｌ２、ＮＲＧ４、ＡＢＨＤ４、ＨＲＧ、ＳＬＣ７Ａ１１；及び
    （ｄ）ｔＲＣＣシグネチャ群：ＦＳＴ、ＴＲＩＭ６３、ＳＬＣ１０Ａ２、ＡＮＴＸＲＬ、ＥＲＶＶ－２、ＳＮＸ２２、ＩＮＨＢＥ、ＳＶ２Ｂ、ＦＡＭ１２４Ａ、ＥＰＨＡ５、ＬＵＺＰ２、ＣＰＥＢ１、ＨＯＸＢ１３、ＡＬＬＣ、ＫＣＮＦ１、ＮＤＲＧ４、ＧＲＥＢ１、ＡＳＴＮ１、ＪＳＲＰ１、ＵＢＥ２Ｕ、ＫＣＮＱ４、ＭＹＯ７Ｂ、ＢＲＩＮＰ２、Ｃ１ＱＬ２、ＣＣＤＣ１３６、ＳＬＣ５１Ｂ、ＣＡＴＳＰＥＲＧ、ＰＭＥＬ、ＢＩＲＣ７、ＰＬＫ５、ＡＤＡＲＢ２、ＣＦＡＰ６１、ＴＵＢＢ４Ａ、ＰＬＩＮ４、ＡＢＣＢ５、ＳＹＴ３、ＨＣＮ４、ＣＴＳＫ、ＳＰＡＣＡ１、ＴＲＩＭ６７、ＮＭＲＫ２、ＬＧＩ３、ＡＲＨＧＥＦ４、ＮＴＳＲ２、ＫＥＬ、ＳＮＣＢ、ＰＬＤ５、ＡＤＧＲＢ１、ＣＹＰ１７Ａ１、ＩＧＦＢＰＬ１、ＴＲＩＭ７１、ＳＬＣ４５Ａ２、ＴＰ７３、ＩＰ６Ｋ３、ＨＡＢＰ２、ＲＧＳ２０、ＩＧＦＮ１、ＣＤＨ１７
    をはじめとする各遺伝子群に対するそれぞれの遺伝子群スコアを判定するステップをさらに含んでなる、請求項１～１９のいずれか一項に記載の方法。
  21. 前記遺伝子群スコアを判定するステップが、
    単一サンプルＧＳＥＡ（ｓｓＧＳＥＡ）技術を使用して、
    （ａ）ＭＨＣ Ｉ群：ＨＬＡ－Ｃ、Ｂ２Ｍ、ＨＬＡ－Ｂ、ＨＬＡ－Ａ、ＴＡＰ１、ＴＡＰ２、ＮＬＲＣ５、ＴＡＰＢＰ；
    （ｂ）ＭＨＣ ＩＩ群：ＨＬＡ－ＤＱＡ１、ＨＬＡ－ＤＭＡ、ＨＬＡ－ＤＲＢ１、ＨＬＡ－ＤＭＢ、ＣＩＩＴＡ、ＨＬＡ－ＤＰＡ１、ＨＬＡ－ＤＰＢ１、ＨＬＡ－ＤＲＡ、ＨＬＡ－ＤＱＢ１；
    （ｃ）共活性化分子群：ＣＤ８０、ＴＮＦＲＳＦ４、ＣＤ２７、ＣＤ８３、ＴＮＦＳＦ９、ＣＤ４０ＬＧ、ＣＤ７０、ＩＣＯＳ、ＣＤ８６、ＣＤ４０、ＴＮＦＳＦ４、ＩＣＯＳＬＧ、ＴＮＦＲＳＦ９、ＣＤ２８；
    （ｄ）エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；
    （ｅ）Ｔ細胞輸送群：ＣＸＣＬ９、ＣＣＬ３、ＣＸＣＲ３、ＣＸＣＬ１０、ＣＸＣＬ１１、ＣＣＬ５、ＣＣＬ４、ＣＸ３ＣＬ１、ＣＸ３ＣＲ１；
    （ｆ）ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；
    （ｇ）Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；
    （ｈ）Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；
    （ｉ）Ｍ１シグネチャ群：ＩＬ１Ｂ、ＩＬ１２Ｂ、ＮＯＳ２、ＳＯＣＳ３、ＩＲＦ５、ＩＬ２３Ａ、ＴＮＦ、ＩＬ１２Ａ、ＣＭＫＬＲ１；
    （ｊ）Ｔｈ１シグネチャ群：ＩＬ１２ＲＢ２、ＩＬ２、ＴＢＸ２１、ＩＦＮＧ、ＳＴＡＴ４、ＩＬ２１、ＣＤ４０ＬＧ；
    （ｋ）抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；
    （ｌ）チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；
    （ｍ）Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；
    （ｎ）Ｔ ｒｅｇ輸送群：ＣＣＬ２８、ＣＣＲ１０、ＣＣＲ４、ＣＣＲ８、ＣＣＬ１７、ＣＣＬ２２、ＣＣＬ１；
    （ｏ）好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；
    （ｐ）顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；
    （ｑ）ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；
    （ｒ）ＭＤＳＣ輸送群：ＣＣＬ１５、ＩＬ６Ｒ、ＣＳＦ２ＲＡ、ＣＳＦ２、ＣＸＣＬ８、ＣＸＣＬ１２、ＩＬ６、ＣＳＦ３、ＣＣＬ２６、ＣＸＣＲ４、ＣＸＣＲ２、ＣＳＦ３Ｒ、ＣＳＦ１、ＣＸＣＬ５、ＣＳＦ１Ｒ；
    （ｓ）マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；
    （ｔ）マクロファージＤＣ輸送群：ＣＣＬ７、ＣＣＬ２、ＸＣＲ１、ＸＣＬ１、ＣＳＦ１、ＣＣＲ２、ＣＣＬ８、ＣＳＦ１Ｒ；
    （ｕ）Ｔｈ２シグネチャ群：ＩＬ１３、ＣＣＲ４、ＩＬ１０、ＩＬ５、ＩＬ４；
    （ｖ）腫瘍促進サイトカイン群：ＭＩＦ、ＴＧＦＢ１、ＩＬ１０、ＴＧＦＢ３、ＩＬ６、ＴＧＦＢ２、ＩＬ２２；
    （ｗ）ＣＡＦ群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；
    （ｘ）マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；
    （ｙ）マトリックス再形成群：ＭＭＰ１、ＰＬＯＤ２、ＭＭＰ２、ＭＭＰ１２、ＡＤＡＭＴＳ５、ＡＤＡＭＴＳ４、ＬＯＸ、ＭＭＰ９、ＭＭＰ１１、ＭＭＰ３、ＭＭＰ７、ＣＡ９；
    （ｚ）血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；
    （ａａ）内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；
    （ｂｂ）増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；
    （ｃｃ）ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；
    （ｄｄ）環状ヌクレオチド代謝群：ＡＤＣＹ４、ＰＤＥ１１Ａ、ＰＤＥ６Ａ、ＰＤＥ９Ａ、ＰＤＥ６Ｃ、ＡＤＣＹ７、ＰＤＥ４Ａ、ＰＤＥ８Ａ、ＰＤＥ１Ｂ、ＰＤＥ１Ａ、ＧＵＣＹ２Ｃ、ＧＵＣＹ１Ａ３、ＡＤＣＹ９、ＡＤＣＹ２、ＰＤＥ６Ｂ、ＡＤＣＹ８、ＰＤＥ８Ｂ、ＧＵＣＹ２Ｆ、ＰＤＥ４Ｃ、ＰＤＥ３Ａ、ＧＵＣＹ１Ａ２、ＰＤＥ６Ｇ、ＰＤＥ１Ｃ、ＧＵＣＹ２Ｄ、ＡＤＣＹ１０、ＧＵＣＹ１Ｂ３、ＧＵＣＹ１Ｂ２、ＰＤＥ７Ｂ、ＰＤＥ５Ａ、ＰＤＥ６Ｄ、ＮＰＲ２、ＡＤＣＹ５、ＮＰＲ１、ＡＤＣＹ６、ＰＤＥ７Ａ、ＰＤＥ２Ａ、ＰＤＥ４Ｂ、ＰＤＥ１０Ａ、ＰＤＥ６Ｈ、ＰＤＥ４Ｄ、ＡＤＣＹ１、ＰＤＥ３Ｂ、ＡＤＣＹ３；
    （ｅｅ）解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；
    （ｆｆ）クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；及び
    （ｇｇ）脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２
    の遺伝子群の１つにおける遺伝子の少なくともいくつかのＲＮＡ発現レベルから、第１の遺伝子群の第１のスコアを判定するステップを含んでなる、請求項１～２０のいずれか一項に記載の方法。
  22. 前記遺伝子群スコアを判定するステップが、
    単一サンプルＧＳＥＡ（ｓｓＧＳＥＡ）技術を使用して、
    （ａ）ＭＨＣ Ｉ群：ＨＬＡ－Ｃ、Ｂ２Ｍ、ＨＬＡ－Ｂ、ＨＬＡ－Ａ、ＴＡＰ１、ＴＡＰ２、ＮＬＲＣ５、ＴＡＰＢＰ；
    （ｂ）ＭＨＣ ＩＩ群：ＨＬＡ－ＤＱＡ１、ＨＬＡ－ＤＭＡ、ＨＬＡ－ＤＲＢ１、ＨＬＡ－ＤＭＢ、ＣＩＩＴＡ、ＨＬＡ－ＤＰＡ１、ＨＬＡ－ＤＰＢ１、ＨＬＡ－ＤＲＡ、ＨＬＡ－ＤＱＢ１；
    （ｃ）共活性化分子群：ＣＤ８０、ＴＮＦＲＳＦ４、ＣＤ２７、ＣＤ８３、ＴＮＦＳＦ９、ＣＤ４０ＬＧ、ＣＤ７０、ＩＣＯＳ、ＣＤ８６、ＣＤ４０、ＴＮＦＳＦ４、ＩＣＯＳＬＧ、ＴＮＦＲＳＦ９、ＣＤ２８；
    （ｄ）エフェクター細胞群：ＰＲＦ１、ＧＺＭＢ、ＴＢＸ２１、ＣＤ８Ｂ、ＺＡＰ７０、ＩＦＮＧ、ＧＺＭＫ、ＥＯＭＥＳ、ＦＡＳＬＧ、ＣＤ８Ａ、ＧＺＭＡ、ＧＮＬＹ；
    （ｅ）Ｔ細胞輸送群：ＣＸＣＬ９、ＣＣＬ３、ＣＸＣＲ３、ＣＸＣＬ１０、ＣＸＣＬ１１、ＣＣＬ５、ＣＣＬ４、ＣＸ３ＣＬ１、ＣＸ３ＣＲ１；
    （ｆ）ＮＫ細胞群：ＧＺＭＢ、ＮＫＧ７、ＣＤ１６０、ＧＺＭＨ、ＣＤ２４４、ＥＯＭＥＳ、ＫＬＲＫ１、ＮＣＲ１、ＧＮＬＹ、ＫＬＲＦ１、ＦＧＦＢＰ２、ＳＨ２Ｄ１Ｂ、ＫＩＲ２ＤＬ４、ＩＦＮＧ、ＮＣＲ３、ＫＬＲＣ２、ＣＤ２２６；
    （ｇ）Ｔ細胞群：ＴＲＡＣ、ＴＲＢＣ２、ＴＢＸ２１、ＣＤ３Ｅ、ＣＤ３Ｄ、ＩＴＫ、ＴＲＢＣ１、ＣＤ３Ｇ、ＣＤ２８、ＴＲＡＴ１、ＣＤ５；
    （ｈ）Ｂ細胞群：ＣＲ２、ＭＳ４Ａ１、ＣＤ７９Ａ、ＦＣＲＬ５、ＳＴＡＰ１、ＴＮＦＲＳＦ１７、ＴＮＦＲＳＦ１３Ｂ、ＣＤ１９、ＢＬＫ、ＣＤ７９Ｂ、ＴＮＦＲＳＦ１３Ｃ、ＣＤ２２、ＰＡＸ５；
    （ｉ）Ｍ１シグネチャ群：ＩＬ１Ｂ、ＩＬ１２Ｂ、ＮＯＳ２、ＳＯＣＳ３、ＩＲＦ５、ＩＬ２３Ａ、ＴＮＦ、ＩＬ１２Ａ、ＣＭＫＬＲ１；
    （ｊ）Ｔｈ１シグネチャ群：ＩＬ１２ＲＢ２、ＩＬ２、ＴＢＸ２１、ＩＦＮＧ、ＳＴＡＴ４、ＩＬ２１、ＣＤ４０ＬＧ；
    （ｋ）抗腫瘍サイトカイン群：ＩＦＮＡ２、ＣＣＬ３、ＴＮＦ、ＴＮＦＳＦ１０、ＩＬ２１、ＩＦＮＢ１；
    （ｌ）チェックポイント阻害群：ＣＴＬＡ４、ＨＡＶＣＲ２、ＣＤ２７４、ＬＡＧ３、ＢＴＬＡ、ＶＳＩＲ、ＰＤＣＤ１ＬＧ２、ＴＩＧＩＴ、ＰＤＣＤ１；
    （ｍ）Ｔｒｅｇ群：ＴＮＦＲＳＦ１８、ＩＫＺＦ２、ＩＬ１０、ＩＫＺＦ４、ＣＴＬＡ４、ＦＯＸＰ３、ＣＣＲ８；
    （ｎ）Ｔ ｒｅｇ輸送群：ＣＣＬ２８、ＣＣＲ１０、ＣＣＲ４、ＣＣＲ８、ＣＣＬ１７、ＣＣＬ２２、ＣＣＬ１；
    （ｏ）好中球シグネチャ群：ＦＣＧＲ３Ｂ、ＣＤ１７７、ＣＴＳＧ、ＰＧＬＹＲＰ１、ＦＦＡＲ２、ＣＸＣＲ２、ＰＲＴＮ３、ＥＬＡＮＥ、ＭＰＯ、ＣＸＣＲ１；
    （ｐ）顆粒球輸送群：ＣＸＣＬ８、ＣＣＲ３、ＣＸＣＲ２、ＣＸＣＬ２、ＣＣＬ１１、ＫＩＴＬＧ、ＣＸＣＬ１、ＣＸＣＬ５、ＣＸＣＲ１；
    （ｑ）ＭＤＳＣ群：ＡＲＧ１、ＩＬ４Ｉ１、ＩＬ１０、ＣＹＢＢ、ＩＬ６、ＰＴＧＳ２、ＩＤＯ１；
    （ｒ）ＭＤＳＣ輸送群：ＣＣＬ１５、ＩＬ６Ｒ、ＣＳＦ２ＲＡ、ＣＳＦ２、ＣＸＣＬ８、ＣＸＣＬ１２、ＩＬ６、ＣＳＦ３、ＣＣＬ２６、ＣＸＣＲ４、ＣＸＣＲ２、ＣＳＦ３Ｒ、ＣＳＦ１、ＣＸＣＬ５、ＣＳＦ１Ｒ；
    （ｓ）マクロファージ群：ＭＲＣ１、ＣＤ１６３、ＭＳＲ１、ＳＩＧＬＥＣ１、ＩＬ４Ｉ１、ＣＤ６８、ＩＬ１０、ＣＳＦ１Ｒ；
    （ｔ）マクロファージＤＣ輸送群：ＣＣＬ７、ＣＣＬ２、ＸＣＲ１、ＸＣＬ１、ＣＳＦ１、ＣＣＲ２、ＣＣＬ８、ＣＳＦ１Ｒ；
    （ｕ）Ｔｈ２シグネチャ群：ＩＬ１３、ＣＣＲ４、ＩＬ１０、ＩＬ５、ＩＬ４；
    （ｖ）腫瘍促進サイトカイン群：ＭＩＦ、ＴＧＦＢ１、ＩＬ１０、ＴＧＦＢ３、ＩＬ６、ＴＧＦＢ２、ＩＬ２２；
    （ｗ）ＣＡＦ群：ＰＤＧＦＲＢ、ＣＯＬ６Ａ３、ＦＢＬＮ１、ＣＸＣＬ１２、ＣＯＬ６Ａ２、ＣＯＬ６Ａ１、ＬＵＭ、ＣＤ２４８、ＣＯＬ５Ａ１、ＭＭＰ２、ＣＯＬ１Ａ１、ＭＦＡＰ５、ＰＤＧＦＲＡ、ＬＲＰ１、ＦＧＦ２、ＭＭＰ３、ＦＡＰ、ＣＯＬ１Ａ２、ＡＣＴＡ２；
    （ｘ）マトリックス群：ＣＯＬ１１Ａ１、ＬＡＭＢ３、ＦＮ１、ＣＯＬ１Ａ１、ＣＯＬ４Ａ１、ＥＬＮ、ＬＧＡＬＳ９、ＬＧＡＬＳ７、ＬＡＭＣ２、ＴＮＣ、ＬＡＭＡ３、ＣＯＬ３Ａ１、ＣＯＬ５Ａ１、ＶＴＮ、ＣＯＬ１Ａ２；
    （ｙ）マトリックス再形成群：ＭＭＰ１、ＰＬＯＤ２、ＭＭＰ２、ＭＭＰ１２、ＡＤＡＭＴＳ５、ＡＤＡＭＴＳ４、ＬＯＸ、ＭＭＰ９、ＭＭＰ１１、ＭＭＰ３、ＭＭＰ７、ＣＡ９；
    （ｚ）血管新生群：ＰＧＦ、ＣＸＣＬ８、ＦＬＴ１、ＡＮＧＰＴ１、ＡＮＧＰＴ２、ＶＥＧＦＣ、ＶＥＧＦＢ、ＣＸＣＲ２、ＶＥＧＦＡ、ＶＷＦ、ＣＤＨ５、ＣＸＣＬ５、ＰＤＧＦＣ、ＫＤＲ、ＴＥＫ；
    （ａａ）内皮群：ＮＯＳ３、ＭＭＲＮ１、ＦＬＴ１、ＣＬＥＣ１４Ａ、ＭＭＲＮ２、ＶＣＡＭ１、ＥＮＧ、ＶＷＦ、ＣＤＨ５、ＫＤＲ；
    （ｂｂ）増殖速度群：ＡＵＲＫＡ、ＭＣＭ２、ＣＣＮＢ１、ＭＹＢＬ２、ＭＣＭ６、ＣＤＫ２、Ｅ２Ｆ１、ＣＣＮＥ１、ＥＳＣＯ２、ＣＣＮＤ１、ＡＵＲＫＢ、ＢＵＢ１、ＭＫＩ６７、ＰＬＫ１、ＣＥＴＮ３；
    （ｃｃ）ＥＭＴシグネチャ群：ＳＮＡＩ２、ＴＷＩＳＴ１、ＺＥＢ２、ＳＮＡＩ１、ＺＥＢ１、ＴＷＩＳＴ２、ＣＤＨ２；
    （ｄｄ）環状ヌクレオチド代謝群：ＡＤＣＹ４、ＰＤＥ１１Ａ、ＰＤＥ６Ａ、ＰＤＥ９Ａ、ＰＤＥ６Ｃ、ＡＤＣＹ７、ＰＤＥ４Ａ、ＰＤＥ８Ａ、ＰＤＥ１Ｂ、ＰＤＥ１Ａ、ＧＵＣＹ２Ｃ、ＧＵＣＹ１Ａ３、ＡＤＣＹ９、ＡＤＣＹ２、ＰＤＥ６Ｂ、ＡＤＣＹ８、ＰＤＥ８Ｂ、ＧＵＣＹ２Ｆ、ＰＤＥ４Ｃ、ＰＤＥ３Ａ、ＧＵＣＹ１Ａ２、ＰＤＥ６Ｇ、ＰＤＥ１Ｃ、ＧＵＣＹ２Ｄ、ＡＤＣＹ１０、ＧＵＣＹ１Ｂ３、ＧＵＣＹ１Ｂ２、ＰＤＥ７Ｂ、ＰＤＥ５Ａ、ＰＤＥ６Ｄ、ＮＰＲ２、ＡＤＣＹ５、ＮＰＲ１、ＡＤＣＹ６、ＰＤＥ７Ａ、ＰＤＥ２Ａ、ＰＤＥ４Ｂ、ＰＤＥ１０Ａ、ＰＤＥ６Ｈ、ＰＤＥ４Ｄ、ＡＤＣＹ１、ＰＤＥ３Ｂ、ＡＤＣＹ３；
    （ｅｅ）解糖及び糖新生群：ＳＬＣ２Ａ９、ＰＦＫＬ、ＧＣＫ、ＰＦＫＦＢ４、ＳＬＣ１６Ａ７、ＰＣＫ１、ＰＧＡＭ２、ＧＡＰＤＨ、ＢＰＧＭ、Ｇ６ＰＣ２、ＦＢＰ２、ＬＤＨＤ、ＳＬＣ２Ａ３、ＧＰＩ、ＥＮＯ１、ＳＬＣ２５Ａ１１、ＰＦＫＦＢ３、ＰＦＫＭ、ＬＤＨＡＬ６Ｂ、ＳＬＣ２Ａ２、Ｇ６ＰＣ３、ＳＬＣ２Ａ６、ＧＡＰＤＨＳ、ＳＬＣ２Ａ１１、ＰＣＫ２、ＰＦＫＰ、ＰＧＫ１、ＡＬＤＯＣ、ＳＬＣ２Ａ１０、ＡＣＹＰ２、ＳＬＣ２Ａ４、ＰＫＬＲ、ＨＫＤＣ１、ＰＧＫ２、ＳＬＣ２Ａ８、ＰＧＡＭ１、ＳＬＣ５Ａ１、ＳＬＣ５Ａ１２、ＳＬＣ１６Ａ１、ＡＬＤＯＢ、ＨＫ３、ＨＫ１、ＳＬＣ５Ａ９、ＧＰＤ２、ＰＦＫＦＢ１、ＳＬＣ２Ａ７、ＳＬＣ５Ａ１１、ＳＬＣ５Ａ３、ＡＣＹＰ１、ＳＬＣ１６Ａ８、ＰＦＫＦＢ２、ＡＬＤＯＡ、ＳＬＣ５Ａ２、ＨＫ２、ＥＮＯ３、ＳＬＣ２Ａ１２、ＦＢＰ１、ＬＤＨＡ、ＬＤＨＢ、ＬＤＨＣ、Ｇ６ＰＣ、ＳＬＣ２Ａ１４、ＳＬＣ５Ａ８、ＴＰＩ１、ＳＬＣ１６Ａ３、ＰＫＭ２、ＥＮＯ２、ＰＧＭ１、ＵＥＶＬＤ、ＬＤＨＡＬ６Ａ、ＳＬＣ２Ａ１、ＰＧＭ２；
    （ｆｆ）クエン酸回路群：ＡＣＬＹ、ＦＡＨ、ＰＣ、ＭＤＨ１Ｂ、ＳＬＣ１６Ａ７、ＩＲＥＢ２、ＰＣＫ１、ＭＤＨ１、ＳＬＣ３３Ａ１、ＡＬＤＨ１Ｂ１、ＩＤＨ３Ｂ、ＤＬＳＴ、ＰＤＨＢ、ＭＤＨ２、ＡＣＯ１、ＩＤＨ１、ＳＬＣ５Ａ６、ＨＩＣＤＨ、ＳＬＣ１６Ａ８、ＧＯＴ１、ＭＥ３、ＭＥ１、ＣＳ、ＯＧＤＨ、ＳＤＨＡ、ＡＬＤＨ５Ａ１、ＣＬＹＢＬ、ＳＤＨＤ、ＩＤＨ３Ａ、ＳＬＣ２５Ａ１、ＡＣＳＳ２、ＳＤＨＣ、ＡＣＳＳ１、ＳＵＣＬＡ２、ＳＬＣ１３Ａ５、ＰＤＨＸ、ＳＤＨＢ、ＡＬＤＨ４Ａ１、ＰＣＫ２、ＤＬＤ、ＡＣＯ２、ＰＤＨＡ１、ＳＬＣ１３Ａ２、ＦＡＨＤ１、ＩＤＨ２、ＧＯＴ２、ＭＥ２、ＡＤＳＬ、ＳＵＣＬＧ２、ＳＬＣ１３Ａ３、ＳＵＣＬＧ１、ＳＬＣ２５Ａ１０、ＦＨ、ＩＤＨ３Ｇ、ＳＬＣ１６Ａ１、ＳＬＣ２５Ａ１１、ＰＤＨＡ２、ＤＬＡＴ；及び
    （ｇｇ）脂肪酸代謝群：ＭＬＹＣＤ、ＡＬＤＨ３Ａ２、ＳＬＣ２７Ａ５、ＳＬＣ２７Ａ３、ＬＩＰＣ、ＳＬＣ２７Ａ２、ＡＣＳＬ４、ＡＣＳＬ１、ＰＣＣＢ、ＳＬＣ２５Ａ２０、ＡＡＤＡＣ、ＳＬＣ２２Ａ４、ＳＬＣ２２Ａ５、ＥＣＨ１、ＰＣＣＡ、ＳＬＣ２７Ａ１、ＳＬＣ２７Ａ４、ＣＲＯＴ、ＡＣＳＬ５、ＡＣＳＬ３、ＣＹＰ４Ｆ１２
    の各遺伝子群における各遺伝子のＲＮＡ発現レベルから、遺伝子群スコアを判定するステップを含んでなる、請求項１～２１のいずれか一項に記載の方法。
  23. 前記遺伝子群スコアを判定するステップが、
    単一サンプルＧＳＥＡ（ｓｓＧＳＥＡ）技術を使用して、
    （ａ）ＥＣＭ関連群：ＡＤＡＭ８、ＡＤＡＭＴＳ４、Ｃ１ＱＬ３、ＣＳＴ７、ＣＴＳＷ、ＣＸＣＬ８、ＦＡＳＬＧ、ＬＴＢ、ＭＵＣ１、ＯＳＭ、Ｐ４ＨＡ２、ＳＣＵＢＥ１、ＳＥＭＡ４Ｂ、ＳＥＭＡ７Ａ、ＳＥＲＰＩＮＥ１、ＴＣＨＨ、ＴＧＦＡ、ＴＧＭ２、ＴＮＦＳＦ１１、ＴＮＦＳＦ９、ＷＮＴ１０Ｂ；
    （ｂ）ＴＬＳ腎臓群：ＺＮＦ６８３、ＰＯＵ２ＡＦ１、ＬＡＸ１、ＣＤ７９Ａ、ＣＸＣＬ９、ＸＣＬ２、ＪＣＨＡＩＮ、ＳＬＡＭＦ７、ＣＤ３８、ＳＬＡＭＦ１、ＴＮＦＲＳＦ１７、ＩＲＦ４、ＨＳＨ２Ｄ、ＰＬＡ２Ｇ２Ｄ、ＭＺＢ１；
    （ｃ）ＮＲＦ２シグネチャ群：ＴＲＩＭ１６Ｌ、ＵＧＤＨ、ＫＩＡＡ１５４９、ＰＡＮＸ２、ＦＥＣＨ、ＬＲＰ８、ＡＫＲ１Ｃ２、ＦＴＨ１、ＡＫＲ１Ｃ３、ＣＢＲ１、ＰＦＮ２、ＣＢＸ２、ＴＸＮ、ＣＹＰ４Ｆ１１、ＣＹＰ４Ｆ３、ＡＫＲ１Ｃ１、ＡＫＲ１Ｂ１５、Ｇ６ＰＤ、ＰＲＤＸ１、ＴＡＬＤＯ１、ＥＰＴ１、ＳＲＸＮ１、ＪＡＫＭＩＰ３、ＦＴＨＬ３、ＵＣＨＬ１、ＴＸＮＲＤ１、Ｃ１ｏｒｆ１３１、ＣＡＳＫＩＮ１、ＰＧＤ、ＧＰＸ２、ＯＳＧＩＮ１、ＫＩＡＡ０３１９、ＣＡＢＹＲ、ＡＩＦＭ２、ＴＲＩＭ１６、ＡＫＲ１Ｂ１０、ＧＣＬＣ、ＡＢＣＣ２、ＥＴＦＢ、ＩＤＨ１、ＭＡＦＧ、ＮＥＣＡＢ２、ＭＥ１、ＰＴＧＲ１、ＰＩＲ、ＧＳＲ、ＲＩＴ１、ＧＣＬＭ、ＡＬＤＨ３Ａ１、ＮＱＯ１、ＰＫＤ１Ｌ２、ＮＲＧ４、ＡＢＨＤ４、ＨＲＧ、ＳＬＣ７Ａ１１；及び
    （ｄ）ｔＲＣＣシグネチャ群：ＦＳＴ、ＴＲＩＭ６３、ＳＬＣ１０Ａ２、ＡＮＴＸＲＬ、ＥＲＶＶ－２、ＳＮＸ２２、ＩＮＨＢＥ、ＳＶ２Ｂ、ＦＡＭ１２４Ａ、ＥＰＨＡ５、ＬＵＺＰ２、ＣＰＥＢ１、ＨＯＸＢ１３、ＡＬＬＣ、ＫＣＮＦ１、ＮＤＲＧ４、ＧＲＥＢ１、ＡＳＴＮ１、ＪＳＲＰ１、ＵＢＥ２Ｕ、ＫＣＮＱ４、ＭＹＯ７Ｂ、ＢＲＩＮＰ２、Ｃ１ＱＬ２、ＣＣＤＣ１３６、ＳＬＣ５１Ｂ、ＣＡＴＳＰＥＲＧ、ＰＭＥＬ、ＢＩＲＣ７、ＰＬＫ５、ＡＤＡＲＢ２、ＣＦＡＰ６１、ＴＵＢＢ４Ａ、ＰＬＩＮ４、ＡＢＣＢ５、ＳＹＴ３、ＨＣＮ４、ＣＴＳＫ、ＳＰＡＣＡ１、ＴＲＩＭ６７、ＮＭＲＫ２、ＬＧＩ３、ＡＲＨＧＥＦ４、ＮＴＳＲ２、ＫＥＬ、ＳＮＣＢ、ＰＬＤ５、ＡＤＧＲＢ１、ＣＹＰ１７Ａ１、ＩＧＦＢＰＬ１、ＴＲＩＭ７１、ＳＬＣ４５Ａ２、ＴＰ７３、ＩＰ６Ｋ３、ＨＡＢＰ２、ＲＧＳ２０、ＩＧＦＮ１、ＣＤＨ１７
    の各遺伝子群における各遺伝子のＲＮＡ発現レベルを使用して実行される、請求項２２に記載の方法。
  24. 前記ＲＣ ＴＭＥシグネチャを生成するステップが、前記遺伝子群スコアを正規化するステップをさらに含んでなり、前記正規化するステップが、前記遺伝子群スコアに中央値スケーリングを適用するステップを含んでなる、請求項１～２３のいずれか一項に記載の方法。
  25. 前記複数のＲＣ ＴＭＥタイプが、それぞれの複数のＲＣ ＴＭＥシグネチャクラスタに関連し、
    前記ＲＣ ＴＭＥシグネチャを使用して複数のＲＣ ＴＭＥタイプの中から前記対象のＲＣ ＴＭＥタイプを同定するステップが、
    前記対象のＲＣ ＴＭＥシグネチャを前記複数のＲＣ ＴＭＥシグネチャクラスタの特定の１つに関連付けるステップと；
    前記対象のＲＣ ＴＭＥタイプを、前記対象のＲＣ ＴＭＥシグネチャが関連付けられている前記複数のＲＣ ＴＭＥシグネチャクラスタの特定の１つに対応するＲＣ ＴＭＥタイプとして同定するステップと
    を含んでなる、請求項１～２４のいずれか一項に記載の方法。
  26. 前記複数のＲＣ ＴＭＥシグネチャクラスタを生成するステップと；
    前記ＲＮＡ発現データの複数のセットから複数のＲＣ ＴＭＥシグネチャを生成するステップと；
    前記複数のＲＣシグネチャをクラスタリングして、前記複数のＲＣ ＴＭＥシグネチャクラスタを取得するステップとをさらに含んでなる、請求項２５に記載の方法であって、
    前記生成するステップが、複数のそれぞれの対象からの生物学的サンプルを配列決定することによって、ＲＮＡ発現データの複数のセットを取得するステップを含んでなり；
    前記ＲＮＡ発現データの複数のセットのそれぞれが、表１に列挙された複数の遺伝子群の少なくともいくつかのそれぞれにおける少なくともいくつかの遺伝子のＲＮＡ発現レベルを示し；
    前記複数のＲＣ ＴＭＥシグネチャのそれぞれが、前記複数の遺伝子群におけるそれぞれの遺伝子群に対する遺伝子群発現スコアを含んでなり；
    前記生成するステップが、前記複数のＲＣ ＴＭＥシグネチャの特定の１つ毎に、それに対して前記特定の１つのＲＣ ＴＭＥシグネチャが生成されているＲＮＡ発現データの特定のセットにおけるＲＮＡ発現レベルを使用して、前記遺伝子群発現スコアを判定することによって前記ＲＣ ＴＭＥシグネチャを判定するステップを含んでなる、方法。
  27. 前記クラスタリングが、密集クラスタリング、スペクトルクラスタリング、ｋ平均クラスタリング、階層クラスタリング、及び／又は凝集クラスタリングを含んでなる、請求項２６に記載の方法。
  28. 前記対象のＲＣ ＴＭＥシグネチャを使用して前記複数のＲＣ ＴＭＥシグネチャクラスタを更新するステップをさらに含んでなる、請求項２５～２７のいずれか一項に記載の方法であって、
    前記対象のＲＣ ＴＭＥシグネチャが、閾値数の対象に対する閾値数のＲＣ ＴＭＥシグネチャの１つであり；
    前記ＲＣ ＴＭＥシグネチャの閾値数が生成されると、前記ＲＣ ＴＭＥシグネチャクラスタが更新され；
    前記ＲＣ ＴＭＥシグネチャの閾値数が、少なくとも５０、少なくとも７５、少なくとも１００、少なくとも２００、少なくとも５００、少なくとも１０００、又は少なくとも５０００のＲＣ ＴＭＥシグネチャである、方法。
  29. 前記更新するステップが、密集クラスタリングアルゴリズム、スペクトルクラスタリングアルゴリズム、ｋ平均クラスタリングアルゴリズム、階層クラスタリングアルゴリズム、及び凝集クラスタリングアルゴリズムからなる群から選択されるクラスタリングアルゴリズムを用いて実行される、請求項２８に記載の方法。
  30. 第２の対象のＲＣ ＴＭＥタイプを判定するステップと；
    前記第２の対象のＲＣ ＴＭＥシグネチャを前記複数の更新されたＲＣ ＴＭＥシグネチャクラスタの特定の１つに関連付けるステップと；
    前記第２の対象のＲＣ ＴＭＥタイプを、前記第２の対象のＲＣ ＴＭＥシグネチャが関連付けられている前記複数の更新されたＲＣ ＴＭＥシグネチャクラスタの特定の１つに対応するＲＣ ＴＭＥタイプとして同定するステップとをさらに含んでなる、請求項２５～２９のいずれか一項に記載の方法であって、
    前記第２の対象のＲＣ ＴＭＥタイプが、前記更新されたＲＣ ＴＭＥシグネチャクラスタを使用して同定され、前記同定するステップが、前記第２の対象から得られた生物学的サンプルを配列決定することによって取得されたＲＮＡ発現データから、前記第２の対象のＲＣ ＴＭＥシグネチャを判定するステップを含んでなる、方法。
  31. 前記複数のＲＣ ＴＭＥタイプが、ＲＣ ＴＭＥタイプＡ、ＲＣ ＴＭＥタイプＢ、ＲＣ ＴＭＥタイプＣ、ＲＣ ＴＭＥタイプＤ、及びＲＣ ＴＭＥタイプＥを含んでなる、請求項１～３０のいずれか一項に記載の方法。
  32. 前記対象のＲＣ ＴＭＥタイプを使用して、前記対象に投与するための少なくとも１つの治療薬を同定するステップをさらに含んでなる、請求項１～３１のいずれか一項に記載の方法。
  33. 前記少なくとも１つの治療薬が免疫腫瘍学（ＩＯ）剤を含んでなる、請求項３２に記載の方法。
  34. 前記少なくとも１つの治療薬がチロシンキナーゼ阻害剤（ＴＫＩ）を含んでなる、請求項３２又は３３に記載の方法。
  35. 前記対象のＲＣ ＴＭＥタイプに基づいて前記少なくとも１つの治療薬を同定するステップが、前記対象がＲＣ ＴＭＥタイプＥを有すると同定された場合、前記少なくとも１つの治療薬としてＴＫＩを同定するステップを含んでなる、請求項３２～３４のいずれか一項に記載の方法。
  36. 前記対象のＲＣ ＴＭＥタイプに基づいて前記少なくとも１つの治療薬を同定するステップが、前記対象が、ＲＣ ＴＭＥタイプＡ又はＲＣ ＴＭＥタイプＢであると同定された場合、前記少なくとも１つの治療薬としてＴＫＩとＩＯ剤の組み合わせを同定するステップを含んでなる、請求項３２～３４のいずれか一項に記載の方法。
  37. 前記少なくとも１つの同定された治療薬を前記対象に投与するステップをさらに含んでなる、請求項３２～３６のいずれか一項に記載の方法。
  38. 少なくとも１つのコンピュータハードウェアプロセッサ；及び
    前記少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、前記少なくとも１つのコンピュータハードウェアプロセッサに請求項１～３６のいずれか一項に記載の方法を実行させるプロセッサ実行可能命令を格納する、少なくとも１つの非一時的コンピュータ可読媒体
    を含んでなるシステム。
  39. 少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、前記少なくとも１つのコンピュータハードウェアプロセッサに請求項１～３６のいずれか一項に記載の方法を実行させるプロセッサ実行可能命令を格納する、少なくとも１つの非一時的コンピュータ可読媒体。
  40. 少なくとも１つのコンピュータハードウェアプロセッサを使用して、
    （ａ）対象のＲＮＡ発現データを取得するステップと；
    （ｂ）前記ＲＮＡ発現データを使用して前記対象の筋形成シグネチャを生成するステップと
    を実行するステップを含んでなる、腎臓がんを有する、腎臓がんを有する疑いがある、腎臓がんを有するリスクがある対象の腎臓がん（ＲＣ）筋形成シグネチャを判定するための方法であって、
    前記ＲＮＡ発現データが、表２に列挙された遺伝子群における少なくともいくつかの遺伝子のＲＮＡ発現レベルを示し；
    前記筋形成シグネチャが、表２に列挙された遺伝子群に対する遺伝子群スコアからなり：
    前記遺伝子群スコアが、前記ＲＮＡ発現レベルを使用して判定される、方法。
  41. 前記対象のＲＮＡ発現データを取得するステップが、前記対象から得られた生物学的サンプルを配列決定することによって以前に取得された配列決定データを取得するステップを含んでなる、請求項４０に記載の方法。
  42. 前記配列決定データが、少なくとも１００万回の読み取り、少なくとも５００万回の読み取り、少なくとも１０００万回の読み取り、少なくとも２０００万回の読み取り、少なくとも５０００万回の読み取り、又は少なくとも１億回の読み取りを含んでなる、請求項４１に記載の方法。
  43. 前記配列決定データが、全エクソーム配列決定（ＷＥＳ）データ、バルクＲＮＡ配列決定（ＲＮＡ－ｓｅｑ）データ、単一細胞ＲＮＡ配列決定（ｓｃＲＮＡ－ｓｅｑ）データ、又は次世代配列決定法（ＮＧＳ）データを含んでなる、請求項４１又は４２に記載の方法。
  44. 前記配列決定データがマイクロアレイデータを含んでなる、請求項４０～４２のいずれか一項に記載の方法。
  45. 前記ＲＣ 筋形成シグネチャを生成する前に、前記ＲＮＡ発現データを１００万あたりの転写物（ＴＰＭ）単位に正規化するステップをさらに含んでなる、請求項４０～４４のいずれか一項に記載の方法。
  46. 前記対象のＲＮＡ発現データを取得するステップが、前記対象から得られた生物学的サンプルを配列決定するステップを含んでなる、請求項４０～４５のいずれか一項に記載の方法。
  47. 前記生物学的サンプルが、前記対象の腎臓組織を含んでなり、任意選択的に前記生物学的サンプルが、前記対象の腫瘍組織を含んでなる、請求項４６に記載の方法。
  48. 前記ＲＮＡ発現レベルが、ＣＡＳＱ１、ＴＮＮＩ１、ＭＢ、ＭＹＬＰＦ、ＭＹＨ７、ＣＫＭ、ＭＹＬ２、ＭＹＬ１、ＣＳＲＰ３、ＡＣＴＡ１、ＭＹＯＺ１、ＴＮＮＴ３、ＴＮＮＣ２、及びＴＮＮＣ１の遺伝子のうち少なくとも３つのＲＮＡ発現レベルを含んでなる、請求項４０～４７のいずれか一項に記載の方法。
  49. 前記ＲＮＡ発現レベルが、ＣＡＳＱ１、ＴＮＮＩ１、ＭＢ、ＭＹＬＰＦ、ＭＹＨ７、ＣＫＭ、ＭＹＬ２、ＭＹＬ１、ＣＳＲＰ３、ＡＣＴＡ１、ＭＹＯＺ１、ＴＮＮＴ３、ＴＮＮＣ２、及びＴＮＮＣ１の各遺伝子のＲＮＡ発現レベルを含んでなる、請求項４０～４８のいずれか一項に記載の方法。
  50. 前記ＲＣ筋新生シグネチャが、単一サンプルＧＳＥＡ（ｓｓＧＳＥＡ）技術を使用して、ＣＡＳＱ１、ＴＮＮＩ１、ＭＢ、ＭＹＬＰＦ、ＭＹＨ７、ＣＫＭ、ＭＹＬ２、ＭＹＬ１、ＣＳＲＰ３、ＡＣＴＡ１、ＭＹＯＺ１、ＴＮＮＴ３、ＴＮＮＣ２、及びＴＮＮＣ１の各遺伝子のＲＮＡ発現レベルから判定される、請求項４０～４９のいずれか一項に記載の方法。
  51. 前記ＲＣ筋形成シグネチャの値が指定された閾値を超えるかどうかを判定するステップをさらに含んでなる、請求項４０～５０のいずれか一項に記載の方法。
  52. 前記指定された閾値が４である、請求項５１に記載の方法。
  53. 前記ＲＣ筋形成シグネチャの値が前記指定された閾値を超える場合、前記方法が、前記対象を免疫腫瘍学（ＩＯ）剤に対する非応答者として同定することをさらに含んでなる、請求項５１又は５２に記載の方法。
  54. 前記対象に対する１つ又は複数の非ＩＯ剤を同定するステップをさらに含んでなり、任意選択的に１つ又は複数の非免疫治療剤がＴＫＩを含んでなる、請求項５３に記載の方法。
  55. 前記同定された１つ又は複数の非ＩＯ剤を前記対象に投与するステップをさらに含んでなる、請求項５４に記載の方法。
  56. 少なくとも１つのコンピュータハードウェアプロセッサを使用して、
    （ａ）対象から得られたＲＮＡ発現データを使用して入力特徴のセットを生成するステップと；
    （ｂ）前記入力特徴のセットを入力として機械学習モデルに提供し、応答者スコアを示す対応する出力を取得するステップと；
    （ｃ）前記応答者スコアが指定された閾値を超える場合、前記対象がＩＯ剤に応答する可能性が高いと同定するステップと
    を実行するステップを含んでなる、腎臓がんを有する、腎臓がんを有する疑いがある、又は腎臓がんを有するリスクが有る対象が、免疫腫瘍学（ＩＯ）剤に応答する可能性を予測するための方法であって、
    前記入力特徴のセットが、
    （ｉ）前記対象のＲＣ ＴＭＥタイプ；
    （ｉｉ）ＰＤ１、ＰＤ－Ｌ１、及びＰＤ－Ｌ２遺伝子の１つ又は複数のＲＮＡ発現レベル；
    （ｉｉｉ）前記対象のＥＣＭ関連シグネチャ；
    （ｉｖ）前記対象の血管新生シグネチャ；
    （ｖ）前記対象の増殖速度シグネチャ；及び
    （ｖｉ）前記対象のＲＣ ＴＭＥシグネチャと、ＲＣ ＴＭＥタイプＢ及び／又はＲＣ ＴＭＥタイプＣサンプルに関連するＲＣ ＴＭＥシグネチャとの類似性を示す類似性スコア
    の特徴のうち少なくとも２つを含んでなり；
    前記応答者スコアが、前記対象が免疫腫瘍学（ＩＯ）剤に応答する可能性を示す、方法。
  57. 前記入力特徴のセットを生成するステップが、前記ＲＮＡ発現データと請求項１～３１のいずれか一項に記載の方法とを使用して、前記対象のＲＣ ＴＭＥタイプを判定するステップを含んでなる、請求項５６に記載の方法。
  58. 前記入力特徴のセットを生成するステップが、ＰＤ１、ＰＤ－Ｌ１、及びＰＤ－Ｌ２遺伝子の１つ又は複数のＲＮＡ発現レベルを判定するステップを含んでなる、請求項５６又は５７に記載の方法。
  59. 前記入力特徴のセットを生成するステップが、表１に列挙された「ＥＣＭ関連シグネチャ」遺伝子のうち少なくとも３つの前記ＲＮＡ発現データに対してｓｓＧＳＥＡを実施することによって、前記ＲＮＡ発現データを使用して前記対象のＥＣＭ関連シグネチャを判定するステップを含んでなる、請求項５６～５８のいずれか一項に記載の方法。
  60. 前記ＥＣＭ関連シグネチャを判定するステップが、表１に列挙された「ＥＣＭ関連シグネチャ」遺伝子のうち少なくとも４、５、６、７、８、９、又は１０個の前記ＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる、請求項５９に記載の方法。
  61. 前記ＥＣＭ関連シグネチャを判定するステップが、表１に列挙された「ＥＣＭ関連シグネチャ」遺伝子のそれぞれの前記ＲＮＡ発現データに対してｓｓＧＳＥＡを実行することをさらに含んでなる、請求項５９又は６０に記載の方法。
  62. 前記入力特徴のセットを生成するステップが、表１に列挙された「血管新生」遺伝子のうち少なくとも３つの前記ＲＮＡ発現データに対してｓｓＧＳＥＡを実行することによって、前記ＲＮＡ発現データを使用して前記対象の血管新生シグネチャを判定するステップを含んでなる、請求項５６～６１のいずれか一項に記載の方法。
  63. 前記血管新生シグネチャを判定するステップが、表１に列挙された「血管新生」遺伝子のうち少なくとも４、５、６、７、８、９、又は１０個のＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる、請求項６２に記載の方法。
  64. 前記血管新生シグネチャを判定するステップが、表１に列挙された「血管新生シグネチャ」遺伝子のそれぞれの前記ＲＮＡ発現データに対してｓｓＧＳＥＡを実行することをさらに含んでなる、請求項６２又は６３に記載の方法。
  65. 前記入力特徴のセットを生成するステップが、表１に列挙された「増殖速度」遺伝子のうち少なくとも３つの前記ＲＮＡ発現データに対してｓｓＧＳＥＡを実施することによって、前記ＲＮＡ発現データを使用して前記対象の増殖速度シグネチャを判定するステップを含んでなる、請求項５６～６４のいずれか一項に記載の方法。
  66. 前記増殖速度シグネチャを判定するステップが、表１に列挙された「増殖速度」遺伝子のうち少なくとも４、５、６、７、８、９、又は１０個のＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる、請求項６５に記載の方法。
  67. 前記増殖速度シグネチャを判定するステップが、表１に列挙された「増殖速度」遺伝子のそれぞれの前記ＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる、請求項６５又は６６に記載の方法。
  68. 前記入力特徴のセットを生成するステップが、前記対象のＲＣ ＴＭＥシグネチャの前記遺伝子群スコアと、ＲＣ ＴＭＥタイプＢサンプルからの複数のＲＣ ＴＭＥシグネチャの遺伝子群スコアの平均及び／又はＲＣ ＴＭＥタイプＣサンプルからの複数のＲＣ ＴＭＥシグネチャの遺伝子群スコアの平均とを比較することによって、類似性スコアを判定するステップを含んでなる、請求項５６～６７のいずれか一項に記載の方法。
  69. 前記類似性スコアを判定するステップが、
    （ｉ）前記対象のＲＣ ＴＭＥシグネチャのそれぞれの複数の遺伝子群に対する遺伝子群スコアと；
    （ｉｉ）その他のＲＣタイプＢ及び／又はＲＣタイプＣのサンプルの複数の遺伝子群に対する平均化された遺伝子群スコアと
    の間のスピアマン相関係数を計算するステップを含んでなる、請求項６８に記載の方法。
  70. 前記対象が、
    （ｉ）前記応答者スコアが０．０５以下の場合は「ＩＯ低」；
    （ｉｉ）前記応答者スコアが０．０５以上０．５未満の場合は「ＩＯ中」；又は
    （ｉｉｉ）前記応答者スコアが０．５以上の場合は「ＩＯ高」
    であると同定するステップをさらに含んでなる、請求項５６～６９のいずれか一項に記載の方法。
  71. 前記指定された閾値が０．５である、請求項５６～７０のいずれか一項に記載の方法。
  72. 前記対象の応答者スコアが指定された閾値を超える場合、又は前記対象が「ＩＯ高」であると同定された場合、前記対象に投与するためのＩＯ剤を同定するステップをさらに含んでなる、請求項５６～７１のいずれか一項に記載の方法。
  73. 前記対象の応答者スコアが指定された閾値を超える場合、又は前記対象が「ＩＯ高」であると同定された場合、前記対象にＩＯ剤を投与するステップをさらに含んでなる、請求項５６～７２のいずれか一項に記載の方法。
  74. 前記ＩＯ剤が、ＰＤ１阻害剤、ＰＤ－Ｌ１阻害剤、ＰＤ－Ｌ２阻害剤、又はＣＴＬＡ－４阻害剤を含んでなる、請求項５６～７３のいずれか一項に記載の方法。
  75. （ｂ）（ｉｉ）のＲＮＡ発現データが、ＰＤ１及びＰＤＬ１のスケーリングされた発現レベルの平均を含んでなる、請求項５６～６９のいずれか一項に記載の方法。
  76. ステップ（ｂ）を実行する前に、前記対象が、
    （ｉ）倍数性＞４；
    （ｉｉ）前記対象のＲＣ筋形成シグネチャの値が４を超える；
    （ｉｉｉ）１つ又は複数のｍＴＯＲ活性化変異；及び／又は
    （ｉｖ）抗原提示に関連する遺伝子又は遺伝子群における１つ又は複数の変異
    のバイオマーカーの１つ又は複数を含んでなるかどうかを判定するステップをさらに含んでなる、請求項５６～７５のいずれか一項に記載の方法。
  77. 前記対象が、前記バイオマーカーの１つ又は複数を含んでなる場合、前記対象を応答者スコアが０であると同定するステップをさらに含んでなる、請求項７６に記載の方法。
  78. 少なくとも１つのコンピュータハードウェアプロセッサを使用して、
    （ｄ）対象から得られたＲＮＡ発現データを使用して入力特徴のセットを生成するステップと；
    （ｅ）前記入力特徴のセットを入力として機械学習モデルに提供し、応答者スコアを示す対応する出力を取得するステップと；
    （ｆ）前記応答者スコアが指定された閾値を超える場合、前記対象がＴＫＩに応答する可能性が高いと同定するステップと
    を実行するステップを含んでなる、腎臓がんを有する、腎臓がんを有する疑いがある、又は腎臓がんを有するリスクが有る対象が、チロシンキナーゼ阻害剤（ＴＫＩ）に応答する可能性を予測するための方法であって、
    前記入力特徴のセットが、
    （ｖｉｉ）前記対象のマクロファージシグネチャ；
    （ｖｉｉｉ）前記対象の血管新生シグネチャ；
    （ｉｘ）前記対象の増殖速度シグネチャ；及び
    （ｘ）前記対象のＲＣ ＴＭＥシグネチャと、ＲＣ ＴＭＥタイプＢサンプルに関連するＲＣ ＴＭＥシグネチャとの類似性を示す類似性スコア
    の特徴のうち少なくとも２つを含んでなり；
    前記応答者スコアが、前記対象が前記ＴＫＩに応答する可能性を示す、方法。
  79. 前記入力特徴のセットを生成するステップが、前記ＲＮＡ発現データと請求項１～３１のいずれか一項に記載の方法とを使用して、前記対象のＲＣ ＴＭＥタイプを判定するステップを含んでなる、請求項７８に記載の方法。
  80. 前記入力特徴のセットを生成するステップが、表１に列挙された「マクロファージ」遺伝子のうち少なくとも３つの前記ＲＮＡ発現データに対してｓｓＧＳＥＡを実施することによって、前記ＲＮＡ発現データを使用して前記対象のマクロファージシグネチャを判定するステップを含んでなる、請求項７８又は７９に記載の方法。
  81. 前記マクロファージシグネチャを判定するステップが、表１に列挙された「マクロファージ」遺伝子のうち少なくとも４、５、６、７、８、９、又は１０個の前記ＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる、請求項８０に記載の方法。
  82. 前記マクロファージシグネチャを判定するステップが、表１に列挙された「マクロファージシグネチャ」遺伝子のそれぞれの前記ＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる、請求項８０又は８１に記載の方法。
  83. 前記入力特徴のセットを生成するステップが、表１に列挙された「血管新生」遺伝子のうち少なくとも３つの前記ＲＮＡ発現データに対してｓｓＧＳＥＡを実行することによって、前記ＲＮＡ発現データを使用して前記対象の血管新生シグネチャを判定するステップを含んでなる、請求項７８～８２のいずれか一項に記載の方法。
  84. 前記血管新生シグネチャを判定するステップが、表１に列挙された「血管新生」遺伝子のうち少なくとも４、５、６、７、８、９、又は１０個の前記ＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる、請求項８３に記載の方法。
  85. 前記血管新生シグネチャを判定するステップが、表１に列挙された「血管新生シグネチャ」遺伝子のそれぞれの前記ＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる、請求項８３又は８４に記載の方法。
  86. 前記入力特徴のセットを生成するステップが、表１に列挙された「増殖速度」遺伝子のうち少なくとも３つの前記ＲＮＡ発現データに対してｓｓＧＳＥＡを実施することによって、前記ＲＮＡ発現データを使用して前記対象の増殖速度シグネチャを判定するステップを含んでなる、請求項７８～８５のいずれか一項に記載の方法。
  87. 前記増殖速度シグネチャを判定するステップが、表１に列挙された「増殖速度」遺伝子のうち少なくとも４、５、６、７、８、９、又は１０個の前記ＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる、請求項８６に記載の方法。
  88. 前記増殖速度シグネチャを判定するステップが、表１に列挙された「増殖速度」遺伝子のそれぞれの前記ＲＮＡ発現データに対してｓｓＧＳＥＡを実行するステップをさらに含んでなる、請求項８６又は８７に記載の方法。
  89. 前記入力特徴のセットを生成するステップが、前記対象のＲＣ ＴＭＥシグネチャの遺伝子群スコアと、ＲＣ ＴＭＥタイプＢサンプルからの複数のＲＣ ＴＭＥシグネチャの遺伝子群スコアの平均とを比較することによって、類似性スコアを判定するステップを含んでなる、請求項７８～８８のいずれか一項に記載の方法。
  90. 前記類似性スコアを判定するステップが、
    （ｉ）前記対象のＲＣ ＴＭＥシグネチャのそれぞれの複数の遺伝子群に対する遺伝子群スコアと；
    （ｉｉ）その他のＲＣタイプＢ及び／又はＲＣタイプＣのサンプルの複数の遺伝子群に対する平均化された遺伝子群スコアと
    の間のスピアマン相関係数を計算するステップを含んでなる、請求項８９に記載の方法。
  91. 前記対象が、
    前記応答者スコアが０．７５以下の場合は「ＴＫＩ低」；
    （ｉｉ）前記応答者スコアが０．７５以上０．９５未満の場合は「ＴＫＩ中」；又は
    （ｉｉｉ）前記応答者スコアが０．９５以上の場合は「ＴＫＩ高」
    であると同定するステップをさらに含んでなる、請求項７８～９０のいずれか一項に記載の方法。
  92. 前記指定された閾値が０．９５である、請求項７８～９１のいずれか一項に記載の方法。
  93. 前記対象の応答者スコアが指定された閾値を超える場合、又は前記対象が「ＴＫＩ中」若しくは「ＴＫＩ高」であると同定された場合、前記対象に投与するためのＴＫＩを同定するステップをさらに含んでなる、請求項７８～９２のいずれか一項に記載の方法。
  94. 前記対象の応答者スコアが指定された閾値を超える場合、又は前記対象が「ＴＫＩ中」若しくは「ＴＫＩ高」であると同定された場合、前記対象にＴＫＩを投与するステップをさらに含んでなる、請求項７８～９３のいずれか一項に記載の方法。
  95. 前記ＴＫＩが小分子又は抗体を含んでなり、任意選択的に前記抗体がモノクローナル抗体である、請求項５６～７３のいずれか一項に記載の方法。
  96. 腎臓がんを有する対象に投与するための１つ又は複数の治療薬を同定するための方法であって、前記方法が、
    （ｉ）前記対象の国際転移性ＲＣＣデータベースコンソーシアム（ＩＭＤＣ）リスクスコアを生成するステップと；
    （ｉｉ）前記対象が不良なＩＭＤＣリスクスコアを有すると同定された場合、前記対象に投与するための前記１つ又は複数の治療薬として免疫腫瘍学（ＩＯ）剤とＴＫＩの組み合わせを同定するステップと；
    （ｉｉｉ）前記対象のＩＭＤＣリスクスコアが良好又は中程度であると同定された場合、請求項５６～７７のいずれか一項に記載の方法によるＩＯ応答者スコア；
    請求項７８～９５のいずれか一項に記載の方法によるＴＫＩ応答者スコア
    を生成するステップと；
    前記ＩＯ応答者スコア及び前記ＴＫＩ応答者スコアを使用して、前記対象に対する前記１つ又は複数の治療薬を同定するステップと
    を含んでなる、方法。
  97. 前記腎臓がんが明細胞腎臓がん（ｃｃＲＣＣ）である、請求項９６に記載の方法。
  98. 前記ＴＫＩ応答者スコアを使用して前記対象が「ＴＫＩ低」であると同定された場合、前記１つ又は複数の治療薬が、
    （ａ）前記ＩＯ応答者スコアを使用して前記対象が「ＩＯ低」と同定された場合は、ＴＫＩ；
    （ｂ）前記ＩＯ応答者スコアを使用して前記対象が「ＩＯ低」と同定された場合は、ＴＫＩとＩＯ剤の組み合わせ；又は
    （ｃ）前記ＩＯ応答者スコアを使用して前記対象が「ＩＯ中」又は「ＩＯ高」と同定された場合は、ＴＫＩとＩＯ剤の組み合わせ
    であると同定する、請求項７９に記載の方法。
  99. 前記ＴＫＩ応答者スコアを使用して前記対象が「ＴＫＩ中」であると同定された場合、前記１つ又は複数の治療薬が、前記ＩＯ応答者スコアを使用して前記対象が「ＩＯ高」と同定された場合、ＴＫＩとＩＯ剤の組み合わせであると同定する、請求項９６又は９７に記載の方法。
  100. 前記ＴＫＩ応答者スコアを使用して前記対象が「ＴＫＩ高」であると同定された場合、前記１つ又は複数の治療薬が、
    （ａ）前記ＩＯ応答者スコアを使用して前記対象が「ＩＯ低」又は「ＩＯ中」と同定された場合は、ＴＫＩ；又は
    （ｂ）前記ＩＯ応答者スコアを使用して前記対象が「ＩＯ高」と同定された場合は、ＴＫＩとＩＯ剤の組み合わせ
    であると同定する、請求項９６又は９７に記載の方法。
  101. 前記同定された１つ又は複数の治療薬を前記対象に投与するステップをさらに含んでなる、請求項９６～１００のいずれか一項に記載の方法。
  102. 前記同定された１つ又は複数の治療薬を前記対象に投与することを推奨するステップをさらに含んでなる、請求項９６～１００のいずれか一項に記載の方法。
  103. 少なくとも１つのコンピュータハードウェアプロセッサ；及び
    前記少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、前記少なくとも１つのコンピュータハードウェアプロセッサに請求項４０～５４のいずれか一項に記載の方法を実行させるプロセッサ実行可能命令を格納する、少なくとも１つの非一時的コンピュータ可読媒体
    を含んでなるシステム。
  104. 前記少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、前記少なくとも１つのコンピュータハードウェアプロセッサに請求項４０～５４のいずれか一項に記載の方法を実行させるプロセッサ実行可能命令を格納する、少なくとも１つの非一時的コンピュータ可読媒体。
  105. 少なくとも１つのコンピュータハードウェアプロセッサ；及び
    前記少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、前記少なくとも１つのコンピュータハードウェアプロセッサに請求項５６～７２のいずれか一項に記載の方法を実行させるプロセッサ実行可能命令を格納する、少なくとも１つの非一時的コンピュータ可読媒体を含んでなるシステム。
  106. 少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、前記少なくとも１つのコンピュータハードウェアプロセッサに請求項５６～７２のいずれか一項に記載の方法を実行させるプロセッサ実行可能命令を格納する、少なくとも１つの非一時的コンピュータ可読媒体。
  107. 少なくとも１つのコンピュータハードウェアプロセッサ；及び
    前記少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、前記少なくとも１つのコンピュータハードウェアプロセッサに請求項７８～９３のいずれか一項に記載の方法を実行させるプロセッサ実行可能命令を格納する、少なくとも１つの非一時的コンピュータ可読媒体
    を含んでなるシステム。
  108. 少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、前記少なくとも１つのコンピュータハードウェアプロセッサに請求項７８～９３のいずれか一項に記載の方法を実行させるプロセッサ実行可能命令を格納する、少なくとも１つの非一時的コンピュータ可読媒体。
  109. 少なくとも１つのコンピュータハードウェアプロセッサ；及び
    前記少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、前記少なくとも１つのコンピュータハードウェアプロセッサに請求項９６～１００のいずれか一項に記載の方法を実行させるプロセッサ実行可能命令を格納する、少なくとも１つの非一時的コンピュータ可読媒体
    を含んでなるシステム。
  110. 少なくとも１つのコンピュータハードウェアプロセッサによって実行されると、前記少なくとも１つのコンピュータハードウェアプロセッサに請求項９６～１００のいずれか一項に記載の方法を実行させるプロセッサ実行可能命令を格納する、少なくとも１つの非一時的コンピュータ可読媒体。
JP2023555157A 2021-03-09 2022-03-09 明細胞腎細胞がんを有する患者における治療に対する応答の予測 Pending JP2024509576A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202163158825P 2021-03-09 2021-03-09
US63/158,825 2021-03-09
PCT/US2022/019633 WO2022192457A1 (en) 2021-03-09 2022-03-09 Predicting response to treatments in patients with clear cell renal cell carcinoma

Publications (1)

Publication Number Publication Date
JP2024509576A true JP2024509576A (ja) 2024-03-04

Family

ID=80999772

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023555157A Pending JP2024509576A (ja) 2021-03-09 2022-03-09 明細胞腎細胞がんを有する患者における治療に対する応答の予測

Country Status (5)

Country Link
US (1) US20220319638A1 (ja)
EP (1) EP4305211A1 (ja)
JP (1) JP2024509576A (ja)
CA (1) CA3212968A1 (ja)
WO (1) WO2022192457A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114565761B (zh) * 2022-02-25 2023-01-17 无锡市第二人民医院 一种基于深度学习的肾透明细胞癌病理图像肿瘤区域的分割方法
CN116121376A (zh) * 2022-10-18 2023-05-16 中国人民解放军总医院第三医学中心 Nmrk2作为诊断基因易位性肾细胞癌标记物的应用
WO2024091607A1 (en) * 2022-10-27 2024-05-02 The Regents Of The University Of Michigan Compositions and methods for treating renal cancer

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180357361A1 (en) 2017-06-13 2018-12-13 Feliks Frenkel Systems and methods for identifying responders and non-responders to immune checkpoint blockade therapy

Also Published As

Publication number Publication date
EP4305211A1 (en) 2024-01-17
CA3212968A1 (en) 2022-09-15
WO2022192457A1 (en) 2022-09-15
US20220319638A1 (en) 2022-10-06

Similar Documents

Publication Publication Date Title
JP7401710B2 (ja) 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
US20220319638A1 (en) Predicting response to treatments in patients with clear cell renal cell carcinoma
US20230290440A1 (en) Urothelial tumor microenvironment (tme) types
US20220290254A1 (en) B cell-enriched tumor microenvironments
US20220307088A1 (en) B cell-enriched tumor microenvironments
US20240347211A1 (en) Pan-cancer tumor microenvironment classification based on immune escape mechanisms and immune infiltration
AU2022376433A1 (en) Tumor microenvironment types in breast cancer
WO2024151840A1 (en) Tumor microenvironment types in lung adenocarcinoma