JP6077178B2

JP6077178B2 - 標的遺伝子発現の数学的モデリングを用いるｐｉ３ｋ細胞内シグナル伝達経路活性の評価

Info

Publication number: JP6077178B2
Application number: JP2016515946A
Authority: JP
Inventors: オーイエンヘンドリックヤンファン; ヴィルヘルムスフランシスクスヨハネスフェルハーグ; デストルプアンヤファン
Original assignee: Koninklijke Philips NV
Current assignee: Koninklijke Philips NV
Priority date: 2014-01-03
Filing date: 2014-12-30
Publication date: 2017-02-08
Anticipated expiration: 2034-12-30
Also published as: US20160298196A1; ES2613521T3; WO2015101635A1; AU2014375206B2; EP3013986A1; CN112795650A; CA2923092A1; CN105492630A; US20220259666A1; AU2014375206A1; BR112016003868A2; EP3013986B1; US11261495B2; DK3013986T3; JP2016536976A; CA2923092C; BR112016003868A8

Description

本発明は概して、バイオインフォマティクス、ゲノミックプロセシング、プロテオミックプロセシング、及び関連技術の分野に関する。より具体的に、本発明は、医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の発現レベルに少なくとも基づいて医学的対象の組織及び／又は細胞及び／又は体液におけるPI3K細胞内シグナル伝達経路の活性を推測するステップを有する方法に関する。本発明はさらに、かかる方法を実行するように構成されるデジタルプロセッサを有する装置、かかる方法を実行するためにデジタルプロセシングデバイスによって実行可能な命令を格納する非一時的記憶媒体、デジタルプロセシングデバイスにかかる方法を実行させるためのプログラムコード手段を有するコンピュータプログラムに関する。

ゲノミック及びプロテオミック解析は、様々な癌が、癌の成長と進化、例えば細胞増殖と転移に関与する特異的遺伝子についてのゲノム変異／変種及び／又は高若しくは低発現レベルの特定の組み合わせと関連することが知られている、オンコロジーなどの医療分野における臨床応用にとって、かなりの実現された及び潜在的な将来性を持つ。

例えば、乳癌サンプルにおける細胞膜上のHER2受容体の過剰発現についてのスクリーニングは現在、トラスツズマブなどのHER2阻害剤を受ける資格がある患者を識別するために実行される標準検査である。細胞膜上のHER2受容体の過剰発現をもたらす、ERBB2遺伝子の過剰発現は、全乳癌患者のおよそ25%から30%で生じ、疾患の再発増加及び予後不良と関連する。しかしながら、HER2受容体によって開始されるシグナル伝達は例えば下流の細胞内シグナル伝達経路によって抑制され得るので、HER2受容体の発現は決して腫瘍増殖を促進するための決定的な指示器ではない。これはトラスツズマブで処置されたHER2陽性乳癌患者における26%の初期反応率においても反映されるように見える（Charles L. Vogel, et al., "Efficacy and Safety of Trastuzumab as a Single Agent in First-Line Treatment of HER2-Overexpressing Metastatic Breast Cancer", Journal of Clinical Oncology, vol. 20, No. 3, February 2002, pages 719-726）。それに加えて、HER2受容体の下流の細胞内シグナル伝達経路はHER2受容体の下流タンパク質における変異／過剰発現によっても活性化される可能性があり、HER2発現レベルの測定によっては検出されない比較的浸潤性の腫瘍型をもたらす。従ってHER2受容体の下流の細胞内シグナル伝達経路において生じる効果によって少なくとも部分的に促進される、腫瘍、例えば乳癌を患う患者を特徴付ける可能性を改良することができることが望ましい。

本発明は本明細書に開示の新たな改良された方法と装置を提供する。

本発明の主な態様によれば、上記問題は標的遺伝子発現の数学的モデリングを用いてPI3K細胞内シグナル伝達経路の活性を推測するための方法によって解決され、すなわち方法は、
医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の発現レベルに少なくとも基づいて医学的対象の組織及び／又は細胞及び／又は体液におけるPI3K細胞内シグナル伝達経路の活性を推測するステップを有し、当該推測するステップは、
医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおけるFOXO転写因子（TF）エレメントのレベルを決定するステップであって、FOXO TFエレメントはPI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の転写を制御し、当該決定するステップはPI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の発現レベルをFOXO TFエレメントのレベルに関連付ける数学的モデルを評価することに少なくとも一部基づく、ステップと、
医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおける決定されたFOXO TFエレメントのレベルに基づいて医学的対象の組織及び／又は細胞及び／又は体液におけるPI3K細胞内シグナル伝達経路の活性を推測するステップとを有し、
当該推測するステップは数学的モデルを用いてデジタルプロセシングデバイスによって実行される。

本発明は、HER2受容体の下流の細胞内シグナル伝達経路、本明細書ではPI3K細胞内シグナル伝達経路において生じる効果を同定する適切な方法が、とりわけ、細胞内シグナル伝達経路によって制御される転写因子（TF）、本明細書ではFOXO TFエレメントによる標的遺伝子の転写である、細胞内シグナル伝達経路のシグナル伝達出力の測定に基づき得るという、本発明者らの認識に基づく。本明細書で標的とするPI3K細胞内シグナル伝達経路は乳癌に関係するのみならず、多くの癌の型において不適切に活性化されることが知られている（Jeffrey A. Engelman, "Targeting PI3K signaling in cancer: opportunities, challenges and limitations", Nature Reviews Cancer, No. 9, August 2009, pages 550-562）。これはHERファミリも含む、RTK受容体ファミリによって調節されると考えられる。その後、PI3K細胞内シグナル伝達経路はその受信シグナルを多数のプロセスを介して伝達し、そのうち二つの主枝はmTOR複合体の活性化と、FOXOとよばれることが多い転写因子のファミリの不活性化である（Jeffrey A. Engelmanの上記文献におけるPI3K細胞内シグナル伝達経路を示す図を参照）。本発明は、その活性がPI3K細胞内シグナル伝達経路の活性と実質的に負の相関を持つ、すなわちFOXOの活性はPI3K細胞内シグナル伝達経路の不活性と実質的に相関するが、FOXOの不活性はPI3K細胞内シグナル伝達経路の活性と実質的に相関する、PI3K細胞内シグナル伝達経路とFOXO TFファミリに焦点を合わせる。本発明は、（i）医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおけるFOXO TFエレメントのレベルを決定することによって（当該決定は、その転写がFOXO TFエレメントによって制御されるPI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の発現レベルをFOXO TFエレメントのレベルに関連付ける数学的モデルを評価することに少なくとも一部基づく）、並びに（ii）医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおける決定されたFOXO TFエレメントのレベルに基づいて医学的対象の組織及び／又は細胞及び／又は体液におけるPI3K細胞内シグナル伝達経路の活性を推測することによって、医学的対象の組織及び／又は細胞及び／又は体液におけるPI3K細胞内シグナル伝達経路の活性を決定することを可能にする。これは好適には、ディレギュレートされたPI3K細胞内シグナル伝達経路によって少なくとも部分的に促進される、従ってPI3K細胞内シグナル伝達経路の阻害剤に反応する可能性がある、腫瘍、例えば乳癌を患う患者を特徴付ける可能性を改良することを可能にする。

本明細書において、FOXO転写因子（TF）エレメントは、特異的DNAシーケンスに結合することができ、それによって標的遺伝子の転写を制御する、FOXO TFファミリメンバ、すなわちFOXO1, FOXO3A, FOXO4及びFOXO6の少なくとも一つを含むタンパク質複合体であると定義される。

数学的モデルは、FOXO TFエレメントと医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の発現レベルを関連付ける条件付き確率に少なくとも一部基づく確率モデル、好適にはBayesianネットワークモデルであり得るか、又は数学的モデルは医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の発現レベルの一つ以上の線形結合に少なくとも一部基づき得る。特に、PI3K細胞内シグナル伝達経路の活性の推測は、その内容が全体として本明細書に援用される公開国際特許出願WO2013/011479 A2（"Assessment of cellular signaling pathway activity using probabilistic modeling of target gene expression"）に開示の通り、又は公開国際特許出願WO2014/102668 A2（"Assessment of cellular signaling pathway activity using linear combination(s) of target gene expressions"）に記載の通り実行され得る。

医学的対象は人若しくは動物であり得る。さらに、医学的対象の組織及び／又は細胞及び／又は体液は、医学的対象から得られる細胞株及び／又は組織培養由来であり得、該当する場合（例えば再生目的で）ラボ内でin vitroに培養され得る。さらに、"標的遺伝子"は"直接標的遺伝子"及び／又は"間接標的遺伝子"であり得る（本明細書に記載の通り）。

特に適切な標的遺伝子は以下の文節並びに以下の実施例に記載される（例えば表1から3参照）。

従って、好適な実施形態によれば標的遺伝子は表3に列挙される標的遺伝子から成る群から選択される。

推測するステップが、AGRP, BCL2L11, BCL6, BNIP3, BTG1, CAT, CAV1, CCND1, CCND2, CCNG2, CDKN1A, CDKN1B, ESR1, FASLG, FBXO32, GADD45A, INSR, MXIl, NOS3, PCKl, POMC, PPARGC1A, PRDX3, RBL2, SOD2及びTNFSF10から成る群から選択される、医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の一つ以上の、好適には少なくとも三つの標的遺伝子の発現レベルに少なくとも基づいて、医学的対象の組織及び／又は細胞及び／又は体液におけるPI3K細胞内シグナル伝達経路の活性を推測するステップを有する方法が特に好適である。

推測するステップがさらに、ATP8A1, C10orf10, CBLB, DDB1, DYRK2, ERBB3, EREG, EXT1, FGFR2, IGF1R, IGFBP1, IGFBP3, LGMN, PPM1D, SEMA3C, SEPP1, SESN1, SLC5A3, SMAD4及びTLE4から成る群から選択される、医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の少なくとも一つの標的遺伝子の発現レベルに基づく方法がさらに好適である。

推測するステップがさらに、ATG14, BIRC5, IGFBP1, KLF2, KLF4, MYOD1, PDK4, RAG1, RAG2, SESN1, SIRT1, STK11及びTXNIPから成る群から選択される、医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の少なくとも一つの標的遺伝子の発現レベルに基づく方法がさらに好適である。

推測するステップがさらに、前段落で指定される群から選択される少なくとも一つの標的遺伝子の発現レベルと、前段落に先行する段落で指定される群から選択される少なくとも一つの標的遺伝子の発現レベルの両方に基づく場合、両群について上述される標的遺伝子IGFBP1及びSESN1は、群の一方にのみ含まれ得る。

本発明の別の態様はさらに以下のステップを有する（本明細書に記載の）方法に関する：
医学的対象の組織及び／又は細胞及び／又は体液における推測されたPI3K細胞内シグナル伝達経路の活性に基づいて、医学的対象の組織及び／又は細胞及び／又は体液においてPI3K細胞内シグナル伝達経路が異常機能しているかどうかを決定するステップ。

本発明は、
PI3K細胞内シグナル伝達経路の異常機能を補正する医学的対象のための薬剤の処方を推奨するステップ
をさらに有する（本明細書に記載の）方法にも関し、
推奨するステップは、推測されたPI3K細胞内シグナル伝達経路の活性に基づいて、PI3K細胞内シグナル伝達経路が医学的対象の組織及び／又は細胞及び／又は体液において異常機能していると決定される場合のみ実行される。

本発明は、推測するステップが、
医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の標的遺伝子のセットのうち二つ、三つ若しくはそれ以上の標的遺伝子の発現レベルに少なくとも基づいて、医学的対象の組織及び／又は細胞及び／又は体液におけるPI3K細胞内シグナル伝達経路の活性を推測するステップを有する、（本明細書に記載の）方法にも関する。

好適には、
PI3K細胞内シグナル伝達経路の標的遺伝子のセットは、AGRP, BCL2L11, BCL6, BNIP3, BTG1, CAT, CAV1, CCND1, CCND2, CCNG2, CDKN1A, CDKN1B, ESR1, FASLG, FBX032, GADD45A, INSR, MXIl, NOS3, PCKl, POMC, PPARGC1A, PRDX3, RBL2, SOD2及びTNFSF10から成る群から選択される、少なくとも９の、好適には全ての標的遺伝子を含む。

PI3K細胞内シグナル伝達経路の標的遺伝子のセットが、ATP8A1, C10orf10, CBLB, DDB1, DYRK2, ERBB3, EREG, EXT1, FGFR2, IGF1R, IGFBP1, IGFBP3, LGMN, PPM1D, SEMA3C, SEPP1, SESN1, SLC5A3, SMAD4及びTLE4から成る群から選択される少なくとも一つの標的遺伝子をさらに含む、方法が特に好適である。

PI3K細胞内シグナル伝達経路の標的遺伝子のセットが、ATG14, BIRC5, IGFBP1, KLF2, KLF4, MYOD1, PDK4, RAG1, RAG2, SESN1, SIRT1, STK11及びTXNIPから成る群から選択される少なくとも一つの標的遺伝子をさらに含む、方法も特に好適である。

標的遺伝子のセットが前段落で指定される群から選択される少なくとも一つの標的遺伝子と、前段落に先行する段落で指定される群から選択される少なくとも一つの標的遺伝子の両方をさらに含む場合、両群について上述される標的遺伝子IGFBP1及びSESN1は群の一方にのみ含まれ得る。

本発明に従って使用されるべきサンプルは、例えば癌病巣から、又は癌が疑われる病変から、又は転移性腫瘍から、又は癌細胞で汚染されている流体が存在する体腔から（例えば胸腔若しくは腹腔若しくは膀胱腔）から、又は癌細胞を含む他の体液などから、好適には生検法若しくは他のサンプル抽出法を介して得られるサンプルであり得る。サンプルが抽出される細胞は悪性血液疾患（白血病若しくはリンパ腫など）からの腫瘍細胞でもあり得る。場合によっては、細胞サンプルは循環腫瘍細胞、つまり血流に入った、適切な分離技術、例えばアフェレーシス若しくは従来の静脈採血を用いて抽出され得る、腫瘍細胞でもあり得る。血液は別にして、サンプルが抽出される体液は尿、胃腸内容物、若しくは溢出物であり得る。本明細書で使用される"抽出サンプル"という語は、対象の組織及び／又は細胞及び／又は体液が対象から採取されており、例えば顕微鏡スライド上に置かれている場合、並びに請求の方法を実行するためにこのサンプルの一部が例えばLaser Capture Microdissection（LCM）によって、若しくはスライドから関心細胞をスクレイプオフすることによって、若しくは蛍光活性化細胞選別法によって抽出される場合も包含する。

別の開示の態様によれば、装置は本明細書に記載の通り本発明にかかる方法を実行するように構成されるデジタルプロセッサを有する。

別の開示の態様によれば、非一時的記憶媒体は本明細書に記載の通り本発明にかかる方法を実行するためにデジタルプロセシングデバイスによって実行可能な命令を格納する。非一時的記憶媒体は、ハードドライブ若しくは他の磁気記憶媒体、光学ディスク若しくは他の光学記憶媒体、ランダムアクセスメモリ（RAM）、リードオンリーメモリ（ROM）、フラッシュメモリ、若しくは他の電子記憶媒体、ネットワークサーバ、などといったコンピュータ可読記憶媒体であり得る。デジタルプロセシングデバイスはハンドヘルドデバイス（例えばパーソナルデータアシスタント若しくはスマートフォン）、ノートブックコンピュータ、デスクトップコンピュータ、タブレットコンピュータ若しくはデバイス、リモートネットワークサーバなどであり得る。

別の開示の態様によれば、コンピュータプログラムはデジタルプロセシングデバイスに本明細書に記載の通り本発明にかかる方法を実行させるためのプログラムコード手段を有する。デジタルプロセシングデバイスはハンドヘルドデバイス（例えばパーソナルデータアシスタント若しくはスマートフォン）、ノートブックコンピュータ、デスクトップコンピュータ、タブレットコンピュータ若しくはデバイス、リモートネットワークサーバなどであり得る。

本発明は本明細書に記載の通り、例えば、
医学的対象の組織及び／又は細胞及び／又は体液における推測されたPI3K細胞内シグナル伝達経路の活性に基づく診断、
医学的対象の組織及び／又は細胞及び／又は体液における推測されたPI3K細胞内シグナル伝達経路の活性に基づく予後、
医学的対象の組織及び／又は細胞及び／又は体液における推測されたPI3K細胞内シグナル伝達経路の活性に基づく薬剤処方、
医学的対象の組織及び／又は細胞及び／又は体液における推測されたPI3K細胞内シグナル伝達経路の活性に基づく薬効予測、
医学的対象の組織及び／又は細胞及び／又は体液における推測されたPI3K細胞内シグナル伝達経路の活性に基づく副作用予測、
薬効モニタリング、
薬剤開発、
アッセイ開発、
経路研究、
癌ステージング
医学的対象の組織及び／又は細胞及び／又は体液における推測されたPI3K細胞内シグナル伝達経路の活性に基づく臨床試験への医学的対象の登録、
実行されるべき後続検査の選択、
比較診断検査の選択
に関連して有利に使用されることもできる。

さらなる利点は添付の図面、以下の記載を読んで理解することで、特に下記の詳細な実施例を読むことで当業者に明らかとなる。

請求項1の方法、請求項13の装置、請求項15の非一時的記憶媒体、請求項15のコンピュータプログラムは、特に従属請求項に定義される、同様の及び／又は同一の好適な実施形態を持つことが理解されるものとする。

本発明の好適な実施形態は各独立請求項との従属請求項若しくは上記実施形態の任意の組み合わせでもあり得ることが理解されるものとする。

本発明のこれらの及び他の態様は以下に記載の実施形態から明らかとなり、それらを参照して解明される。

PI3K細胞内シグナル伝達経路の転写プログラムをモデル化するために使用される数学的モデル、本明細書ではBayesianネットワークモデルを概略的に例示的に示す。（A）PI3K細胞内シグナル伝達経路の標的遺伝子のエビデンスキュレーションリスト（表1参照）、（B）PI3K細胞内シグナル伝達経路の標的遺伝子のデータベースに基づくリスト（表2参照）、及び（C）PI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト（表3参照）に基づく例示的Bayesianネットワークモデルの訓練結果を示す。 GSE17907の乳房（乳癌）サンプルについてPI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト（表3参照）に基づく例示的Bayesianネットワークモデルのテスト結果を示す。 GSE8671データセットとして公開された複数の健常結腸サンプル（グループ1）及び腺腫様ポリープ（グループ2）についてPI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト（表3参照）に基づく例示的Bayesianネットワークモデルのテスト結果を示す。 GSE20916の結腸（癌）サンプルについてPI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト（表3参照）に基づく例示的Bayesianネットワークモデルのテスト結果を示す。 GSE17951データセットにおいて公開された前立腺（癌）細胞についてPI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト（表3参照）に基づく例示的Bayesianネットワークモデルのテスト結果を示す。 Kaplan-Meierプロットに描かれるER+乳癌患者（GSE6532 & GSE9195）の予後を図示する。 PI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト（表3参照）に基づく線形モデル例の訓練結果を示す。 GSE17907の乳房（乳癌）サンプルについてPI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト（表3参照）に基づく線形モデル例のテスト結果を示す。 GSE17951の前立腺（癌）サンプルについてPI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト（表3参照）に基づく線形モデル例のテスト結果を示す。

以下の実施例は特に好適な方法及びそれと関連する選択された態様を例示するに過ぎない。そこに提供される教示は例えば一つ以上の細胞内シグナル伝達経路の異常活性を検出、予測及び／又は診断する、複数の検査及び／又はキットを構成するために使用され得る。さらに、本明細書に記載の方法を使用して、例えば（比較診断検査のような）実行されるべき後続検査を選択するために、薬剤処方が有利にガイドされることができ、薬剤予測及び薬効（及び／又は副作用）のモニタリングがなされることができ、薬剤耐性が予測されモニタリングされることができる。以下の実施例は本発明の範囲を限定するものと解釈されないものとする。

実施例1：数学的モデル構築
公開国際特許出願WO20013/011479 A2（"Assessment of cellular signaling pathway activity using probabilistic modeling of target gene expression"）に詳述の通り、確率モデル、例えばBayesianネットワークモデルを構築し、細胞内シグナル伝達経路、本明細書ではPI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の発現レベルと、細胞内シグナル伝達経路の一つ以上の標的遺伝子の転写を制御する転写因子（TF）エレメント、本明細書ではFOXO TFエレメントのレベルとの間の条件付き確率関係を組み込むことによって、かかるモデルが高精度で細胞内シグナル伝達経路の活性を決定するために使用され得る。さらに、確率モデルは、条件付き確率を調節すること及び／又は追加情報源をあらわす新たなノードをモデルに追加することによって、後の臨床研究によって得られる追加知識を組み込むように容易に更新されることができる。このように、確率モデルは最新の医学知識を具体化するように適切に更新され得る。

公開国際特許出願WO2014/102668 A2（"Assessment of cellular signaling pathway activity using linear combination(s) of target gene expressions"）に詳述される別の理解及び解釈が容易なアプローチにおいて、細胞内シグナル伝達経路、本明細書ではPI3K細胞内シグナル伝達経路の活性は、細胞内シグナル伝達経路の一つ以上の標的遺伝子の発現レベルと、細胞内シグナル伝達経路の一つ以上の標的遺伝子の転写を制御する転写因子（TF）エレメント、本明細書ではFOXO TFエレメントのレベルとの間の関係を組み込む線形若しくは（擬似）線形モデルを構築し評価することによって決定され得、モデルは一つ以上の標的遺伝子の発現レベルの一つ以上の線形結合に少なくとも一部基づく。

両アプローチにおいて、一つ以上の標的遺伝子の発現レベルは好適には、例えば標的遺伝子mRNAシーケンスと関連するプローブを用いる(RT)-PCR及びマイクロアレイ法の、並びにRNAシークエンシングの結果であり得る、mRNAのレベルの測定であり得る。別の実施形態において一つ以上の標的遺伝子の発現レベルは、タンパク質レベル、例えば標的遺伝子によってエンコードされるタンパク質の濃度によって測定され得る。

上述の発現レベルはオプションとしてアプリケーションにより適するかもしれないし適さないかもしれない多くの方法で変換され得る。例えば、発現レベル、例えばマイクロアレイベースmRNAレベルの四つの異なる変換は以下の通りであり得る：
‐"連続データ"、すなわちMAS5.0及びfRMAなどの周知アルゴリズムを用いてマイクロアレイの前処理後に得られる発現レベル、
‐"z-スコア"、すなわち全サンプル平均が0で標準偏差が1であるようにスケールされる連続発現レベル、
‐"離散"、すなわち所定閾値を超える全発現が1に、それを下回る全発現が0に設定される（例えばプローブセットについての閾値がある数の陽性臨床サンプルと同数の陰性臨床サンプルのセットにおけるその値の中央値として選ばれ得る）、
‐"ファジー"、すなわち連続発現レベルは次のフォーマットのシグモイド関数を用いて0及び1の間の値に変換される：1/(1+exp((thr-expr)/se))、exprは連続発現レベルであり、thrは前述の閾値であり、seは0及び1の間の差に影響する軟化パラメータである。

構築され得る最も単純な線形モデルの一つは、転写因子（TF）エレメント、本明細書ではFOXO TFエレメントをあらわすノードを第一層において、並びに例えばマイクロアレイ若しくは(q)PCR実験における特定標的遺伝子と特に高度に相関する一つのプローブセットによる標的遺伝子発現強度レベルの直接測定結果をあらわす重み付きノードを第二層において持つモデルである。重みは訓練データセットからの計算に基づくか、又は専門知識に基づき得る。標的遺伝子あたり複数の発現レベルが測定される可能性がある場合（例えば一標的遺伝子が複数プローブセットで測定され得るマイクロアレイ実験の場合）、標的遺伝子あたり一つの発現レベルのみを使用するこのアプローチは、特に単純である。特定標的遺伝子のために使用される一つの発現レベルを選択する特異的方法は、訓練データセットの活性及び不活性サンプルを最もよく分離することができるプローブセットからの発現レベルを使用することである。このプローブセットを決定する一つの方法は、統計的検定、例えばt検定を実行し、p値が最低のプローブセットを選択することである。p値が最低のプローブの訓練データセットの発現レベルは定義により、（既知の）活性及び不活性サンプルの発現レベルが重なる確率が最も少ないプローブである。別の選択法はオッズ比に基づく。かかるモデルにおいて、一つ以上の発現レベルが一つ以上の標的遺伝子の各々について与えられ、一つ以上の線形結合は一つ以上の標的遺伝子の各々について重み付き項を含む線形結合を有し、各重み付き項は各標的遺伝子について与えられる一つ以上の発現レベルのうちただ一つの発現レベルのみに基づく。上記の通り標的遺伝子あたりただ一つの発現レベルのみが選ばれる場合、モデルは"最弁別プローブセット"モデルとよばれ得る。

"最弁別プローブセット"モデルの代案において、標的遺伝子あたり複数の発現レベルが測定される可能性がある場合、標的遺伝子あたり与えられる全発現レベルを利用することが可能である。かかるモデルでは、一つ以上の発現レベルが一つ以上の標的遺伝子の各々について与えられ、一つ以上の線形結合は一つ以上の標的遺伝子について与えられる一つ以上の発現レベルの全発現レベルの線形結合を有する。言い換えれば、一つ以上の標的遺伝子の各々について、各標的遺伝子について与えられる一つ以上の発現レベルの各々はその独自の（個々の）重みによって線形結合において重み付けされ得る。この変形例は"全プローブセット"モデルとよばれ得る。これは与えられる発現レベル全てを利用しながら比較的単純であるという利点を持つ。

上記両モデルは、それらが、発現レベルの線形結合に基づいてTFエレメントのレベルが計算される、"単層"モデルとみなされ得るものであるという共通点を持つ。

TFエレメント、本明細書ではFOXO TFエレメントのレベルが、各モデルを評価することによって決定された後、決定されたTFエレメントレベルは、細胞内シグナル伝達経路、本明細書ではPI3K細胞内シグナル伝達経路の活性を推測するために閾値化され得る。かかる適切な閾値を計算する方法は、不活性経路を持つとわかっている訓練サンプル及び活性経路を持つ訓練サンプルの決定されたTFエレメントレベルwlcを比較することによる。これをなし、これらのグループにおける分散も考慮する方法は、閾値

を用いることによって与えられる。σとμは訓練サンプルの標準偏差と算術平均（mean）である。少数のサンプルのみが活性及び／又は不活性訓練サンプルにおいて利用可能である場合、二グループの分散の平均（average）に基づいて計算された分散に擬似カウントが加えられ得る：

νはグループの分散であり、χは正の擬似カウントである。分散νの平方根をとることによって標準偏差σが次に得られる。

閾値は解釈を容易にするため、決定されたTFエレメントのレベルwlcから減算されることができ、負の値が不活性細胞内シグナル伝達
経路に対応し、正の値が活性細胞内シグナル伝達経路に対応するように、細胞内シグナル伝達経路の活性スコアをもたらす。

上記"単層"モデルへの代案として、"二層"モデルも一実施例において使用され得る。かかるモデルにおいて、その関連プローブセットの測定強度に基づく線形結合を用いて全標的遺伝子についてサマリ値が計算される（"第一（下）層"）。計算されたサマリ値はその後さらなる線形結合を用いて細胞内シグナル伝達経路の他の標的遺伝子のサマリ値と結合される（"第二（上）層"）。先と同様に、重みは訓練データセットから学習されるか又は専門知識に基づくか又はそれらの組み合わせに基づき得る。言い換えれば、"二層"モデルにおいて、一つ以上の発現レベルが一つ以上の標的遺伝子の各々について与えられ、一つ以上の線形結合は一つ以上の標的遺伝子の各々について、各標的遺伝子について与えられる一つ以上の発現レベルの全発現レベルの第一の線形結合を有する（"第一（下）層"）。モデルはさらに一つ以上の標的遺伝子の各々について重み付き項を含むさらなる線形結合に少なくとも一部基づき、各重み付き項は各標的遺伝子に対する第一の線形結合に基づく（"第二（上）層"）。

サマリ値の計算は、"二層"モデルの好適なバージョンにおいて、訓練データを使用して各標的遺伝子について閾値を定義し、計算された線形結合から閾値を減算して、標的遺伝子サマリをもたらすことを含み得る。ここで閾値は、負の標的遺伝子サマリ値がダウンレギュレーションされた標的遺伝子に対応し、正の標的遺伝子サマリ値がアップレギュレーションされた標的遺伝子に対応するように選ばれ得る。また、標的遺伝子サマリ値が、"第二（上）層"に結合される前に、例えば上記変換（ファジー、離散など）の一つを用いて変換されることが可能である。次に決定された標的遺伝子サマリ値はTFサマリレベルを得るために合計される。

"二層"モデルを評価することによってTFエレメントのレベルが決定された後、決定されたTFエレメントレベルは、上記の通り細胞内シグナル伝達経路の活性を推測するために閾値化され得る。

以下、上記モデルは"（擬似）線形"モデルと総称される。確率モデル、例えばBayesianネットワークモデル、及び（擬似）線形モデルの訓練及び使用のより詳細な記載は以下の実施例3で提供される。

実施例2：標的遺伝子の選択
転写因子（TF）は特異的DNAシーケンスに結合し、それによってDNAからmRNAへの遺伝子情報の転写を制御することによって、標的遺伝子からの転写を調節することができるタンパク質複合体（すなわち特異的構造において一緒に結合したタンパク質の組み合わせ）若しくはタンパク質である。転写複合体のこの作用によって直接生成されるmRNAは本明細書では（転写因子の）"直接標的遺伝子"と称される。細胞内シグナル伝達経路活性は"間接標的遺伝子"と称されるそれ以上の二次遺伝子転写ももたらし得る。以下、細胞内シグナル伝達経路活性とmRNAレベル間の直接リンクとして直接標的遺伝子を有する若しくはそれから成るBayesianネットワークモデル（数学的モデル例として）が好適であるが、直接及び間接標的遺伝子間の区別は常に明白であるとは限らない。本明細書において、利用可能な科学文献データに基づくスコアリング関数を用いて直接標的遺伝子を選択する方法が提案される。とはいえ、限られた情報と生物学的変動及び不確実性のために、間接標的遺伝子の偶発的選択は除外されることができない。標的遺伝子を選択するために、現在利用可能な科学文献の二つのリポジトリが標的遺伝子の二つのリストを生成するために利用された。

標的遺伝子の第一のリストは"www.ncbi.nlm.nih.gov/pubmed"でアクセス可能な、本明細書でさらに"Pubmed"と称されるNational Institute of HealthのMEDLINEデータベースから検索される科学文献に基づいて生成された。2013年の第一四半期の期間に（FOXO AND"target gene"）などのクエリを用いることによって推定FOXO標的遺伝子を含む出版物が検索された。得られた出版物はさらに以下により詳細に記載の方法論に従って手動で解析された。

特異的細胞内シグナル伝達経路mRNA標的遺伝子は、特異的標的遺伝子についての科学的証拠が、証拠が集められた科学実験のタイプに依存して格付けを与えられるランキングシステムを使用することによって、科学文献から選択された。例えばPI3K細胞内シグナル伝達軸が活性であることがわかっている細胞株のマイクロアッセイ上で増加するmRNAのように、一部の実験的証拠は遺伝子が標的遺伝子であることを示唆するに過ぎないが、他の証拠は、同定された細胞内シグナル伝達経路TF結合部位と、細胞内の特異的細胞内シグナル伝達経路の刺激後のクロマチン免疫沈降（ChIP）アッセイにおけるこの部位の検索、及び細胞株における細胞内シグナル伝達経路の特異的刺激後のmRNAの増加の組み合わせのように、非常に強力になり得る。

特異的細胞内シグナル伝達経路標的遺伝子を見つける数タイプの実験が科学文献において同定され得る：

1. 細胞内シグナル伝達経路‐TFの、ゲノム上のその結合部位への直接結合が示されるChIP実験。実施例：クロマチン免疫沈降（ChIP）法を用いることによって、その後PI3K細胞内シグナル伝達経路の活性誘導を伴う及び伴わない細胞株のDNAにおいて推定機能的FOXO TF結合部位が、純粋にヌクレオチドシーケンスに基づいて認識された結合部位のサブセットとして同定された。推定機能性はTFがDNA結合部位に結合することがわかったというChIP由来の証拠として同定された。

2. 結合シーケンスを含むDNAのフラグメントへのTFのin vitro結合を示す電気泳動移動度シフトアッセイ（EMSA）。ChIPベースの証拠と比較して、EMSAベースの証拠は、in vivo状況に変換されることができないのであまり強力でない。

3. 細胞内シグナル伝達経路の刺激及びマイクロアレイでのmRNAプロファイルの測定若しくはRNAシークエンシングの使用、細胞内シグナル伝達経路誘導性細胞株の使用及びタンパク質への翻訳を阻害するシクロヘキシミドの存在下での誘導後の複数時点で測定されるmRNAプロファイルの測定、このように誘導されたmRNAは直接標的遺伝子であると仮定される。

4. 3と同様、ただし定量PCRを用いてmRNAの量を測定する。

5. バイオインフォマティクスアプローチを用いるゲノムにおけるTF結合部位の同定。FOXO TFエレメントについての実施例：保存されたFOXO結合モチーフ5'-TTGTTTAC-3'を用いて、ヒトゲノムシーケンス上でソフトウェアプログラムが実行され、遺伝子プロモータ領域と他のゲノム領域の両方で潜在的結合部位が同定された。

6. 3と同様、ただしシクロヘキシミドなし。

7. 4と同様、ただしシクロヘキシミドなし。

8. 細胞内シグナル伝達経路が活性であるとわかっている、特異的組織若しくは細胞サンプルのmRNA発現プロファイリング、ただし適切なネガティブコントロール条件なし。

最も単純な形式で、標的mRNAが同定されたこれらの実験的アプローチの各々について1ポイントを全ての潜在的標的mRNAに与えることができる。

代替的に、ポイントは漸増的に与えられることができ、一技術が1ポイント、二つ目の技術が二つ目のポイントを加算することなどを意味する。この相対的ランキング手法を用いて、最も信頼できる標的遺伝子のリストを作ることができる。

代替的に、別の方法でのランキングが、in vivo直接標的遺伝子について最も多くの証拠を与える技術により多数のポイントを与えることによって、直接標的遺伝子である可能性が最も高い標的遺伝子を同定するために使用されることができ、上記リストにおいてこれは実験アプローチ1）について8ポイント、2）について7ポイント、実験アプローチ8）について1ポイントまで下がることを意味し得る。このようなリストは"一般標的遺伝子リスト"とよばれ得る。

生物学的変動及び不確実性にも関わらず、本発明者らは直接標的遺伝子が組織独立的に帰納される可能性が最も高いと仮定した。これらの標的遺伝子のリストは"標的遺伝子のエビデンスキュレーション（evidence curated）リスト"とよばれ得る。かかる標的遺伝子のエビデンスキュレーションリストは、異なる組織源由来のサンプルに適用可能なPI3K細胞内シグナル伝達経路の計算モデルを構築するために使用されている。

以下はエビデンスキュレーション標的遺伝子リストの選択がどのようにPI3K細胞内シグナル伝達経路について具体的に構築されたかを例示する。

"モデル"のための入力として使用されるPI3K標的遺伝子を選択する目的で、以下の三つの基準が使用された。
1. 遺伝子プロモータ／エンハンサ領域がFOXO結合モチーフを含む：
a. FOXO結合モチーフは、例えば特異的FOXOモチーフがレポータ遺伝子にリンクされる一過的トランスフェクションアッセイを用いて、PI3K細胞内シグナル伝達経路の活性に反応することを証明されなければならない。
b. FOXOモチーフの存在は、例えば遺伝子プロモータ／エンハンサ領域の豊富なモチーフの解析によって確認されなければならない。
2. FOXOは問題となっている遺伝子のプロモータ／エンハンサ領域にin vivoで（特異的に）結合し、例えばChIP/CHIP実験若しくは別のクロマチン免疫沈降法によって実証される：
a. PI3K細胞内シグナル伝達経路が活性でないとき、FOXOは遺伝子のプロモータ／エンハンサ領域に結合すると証明される。
b. PI3K細胞内シグナル伝達経路が活性であるとき、（好適には）遺伝子の遺伝子プロモータ／エンハンサ領域に結合しない（若しくは弱く結合する）。
3. PI3K細胞内シグナル伝達経路の活性が変化するとき、遺伝子は特異的に転写され、例えば、以下によって実証される：
a. リアルタイムPCR若しくはマイクロアレイ実験を通じた問題となっている遺伝子のmRNAのfold enrichment、又は
b. 免疫沈降アッセイを通じたRNA Pol IIが遺伝子のプロモータ領域に結合するという実証。

上述の三つの基準全てが満たされたことを証明する、十分に立証された実験的証拠が集められた遺伝子をPI3K細胞内シグナル伝達経路の標的遺伝子として定義することによって、選択がなされた。PI3K特異的結合の証拠を集めるための適切な実験は、例えば、タモキシフェンに暴露されるとき若しくは暴露されないときのタモキシフェンに応答するPI3K細胞内シグナル伝達経路の活性を示す癌細胞株（例えばFOXO.A3.ERなどのタモキシフェン誘導性FOXOコンストラクトをトランスフェクトされた細胞株）におけるChIP/CHIP実験の結果を比較することである。mRNA転写の証拠の収集についても同様である。

以下は、一般的アプローチ、及び上述のアプローチを用いて発見された証拠に基づいて複数の標的遺伝子を選択するために利用された標的遺伝子選択手順のより具体的な実施例について論じる。PI3K細胞内シグナル伝達経路についてBayesianネットワークモデルにおいて使用される標的遺伝子のリストが表1に示される。
表1：Bayesianネットワークモデルにおいて使用されるPI3K細胞内シグナル伝達経路の標的遺伝子のエビデンスキュレーションリストと、標的遺伝子のmRNA発現レベルを測定するために使用される関連プローブセット

標的遺伝子の第二のリストは、Thomson-ReutersのMetacore（最終アクセス：2013年5月14日）内で提供される科学文献のマニュアルキュレーションデータベースを用いて生成された。データベースはヒトFOXO転写因子のファミリ（すなわちFOXO1, FOXO3A, FOXO4及びFOXO6）の下流で直接転写調節される遺伝子についてクエリされた。このクエリは336の推定FOXO標的遺伝子をもたらし、これらはさらに以下の通り解析された。まず証拠となる刊行物が一つしかない全ての推定FOXO標的遺伝子が除かれた。次に刊行物で報告された、ChIP、EMSA、差次的発現、ノックダウン／アウト、ルシフェラーゼ遺伝子レポータアッセイ、シーケンス解析など、実験的証拠の各タイプについてポイントを与えるスコアリング関数が導入された。同じ実験的証拠が複数の刊行物において言及されることがあり、対応する数のポイントをもたらす、例えばChIP所見に言及する二つの刊行物は単一のChIP所見について与えられるスコアの二倍をもたらす。一タイプの実験的証拠、例えば差次的発現のみを持つ遺伝子ではなく、多様なタイプの実験的証拠を持つ遺伝子のみを許可するためにさらなる解析が実行された。最後に、全推定FOXO標的遺伝子について証拠スコアが計算され、6以上の証拠スコアを持つ全推定FOXO標的遺伝子が選択された（表2に示す）。6のカットオフレベルは、おおよそ30の標的遺伝子が経路活性を決定するためにほぼ十分であることが事前に示されているので、ヒューリスティックに選ばれた。

これら標的遺伝子のリストは"標的遺伝子のデータベースに基づくリスト"とよばれ得る。このようなキュレーション標的遺伝子リストは異なる組織源に由来するサンプルに適用されることができる計算モデルを構築するために使用されている。
表2：Bayesianネットワークモデルにおいて使用されるPI3K細胞内シグナル伝達経路の標的遺伝子のデータベースに基づくリストと、標的遺伝子のmRNA発現レベルを測定するために使用される関連プローブセット

標的遺伝子の第三のリストは前述の二つのリスト、すなわちエビデンスキュレーションリスト（表1参照）とデータベースに基づくリスト（表2参照）に基づいて生成された。これら二つのリストから遺伝子をさらに選択するために三つの基準が使用されている。第一の基準は標的遺伝子に起因する機能に関する。遺伝子に起因する機能は科学文献に見られ得るが、NIHのOMIMデータベース（"http://www.ncbi.nlm.nih.gov/omim"経由でアクセス可能）などの公共データベースにおいても利用可能であることが多い。アポトーシス、細胞周期、腫瘍抑制／進行、DNA修復、分化など、癌に必須のプロセスへの関与に寄与することがわかっている表1におけるエビデンスキュレーションリストと表2におけるデータベースに基づくリストからの標的遺伝子が、第三のリストにおいて選択された。最後に、既知の高PI3K／低FOXO活性対既知の低PI3K／高FOXO活性を伴う細胞株実験において高差次的発現を持つことがわかった標的遺伝子が選択された。本明細書では、複数サンプル平均でFOXO転写の"on"及び"off"状態間に（本明細書では：プローブセットレベルで）2^0.5の最小発現差を持った標的遺伝子が第三のリストに含まれた。第三の基準は最弁別標的遺伝子の選択を特に目的とした。既知の高PI3K／低FOXO活性を伴う複数サンプルと既知の低PI3K／高FOXO活性を伴う複数サンプルを伴う細胞株実験における発現レベルに基づき、オッズ比（OR）が計算された。本明細書において、オッズ比は測定における不確実性をあらわすカットオフ及び軟境界として中央値を用いてプローブセットごとに計算された。エビデンスキュレーションリスト及びデータベースに基づくリストからの標的遺伝子は"軟"オッズ比に従ってランク付けされ、最高ランク（OR>2）及び最低ランク（OR<1/2、すなわち負に調節された標的遺伝子）の標的遺伝子が標的遺伝子の第三のリストのために選択された。

遺伝子の機能、"on"対"off"シグナル伝達における差次的発現、及び高オッズ比を考慮して、PI3Kシグナル伝達経路の活性の決定においてより証拠となるとみなされた標的遺伝子のセットが発見された（表3に示す）。このような標的遺伝子のリストは"標的遺伝子のショートリスト"とよばれ得る。従って、表3において報告される標的遺伝子は本発明によれば特に好適である。とはいえ、マイクロアレイなどの取得法が遺伝子の大きなセットについて発現レベルを取得し得る相対的容易さを考えると、表3の標的遺伝子の一部若しくは全部を利用すること、並びにオプションとして表1及び表2の残りの標的遺伝子の一つ、二つ、一部若しくは全部を付加的に使用することが考慮される。
表3：標的遺伝子のエビデンスキュレーションリストと標的遺伝子のデータベースに基づくリストとに基づくPI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト

実施例3：数学的モデルの訓練及び使用
医学的対象の組織及び／又は細胞及び／又は体液における細胞内シグナル伝達経路、本明細書ではPI3K細胞内シグナル伝達経路の活性を推測するために数学的モデルが使用されることができる前に、モデルが適切に訓練されなければならない。

数学的モデルが、FOXO TFエレメントと医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の発現レベルを関連付ける条件付き確率に少なくとも一部基づく、確率モデル、例えばBayesianネットワークモデルである場合、訓練は好適には公開国際特許出願WO2013/011479 A2（"Assessment of cellular signaling pathway activity using probabilistic modeling of target gene expression"）に詳細に記載の通り実行され得る。

数学的モデルが、医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の発現レベルの一つ以上の線形結合に少なくとも一部基づく場合、訓練は好適には公開国際特許出願WO2014/102668 A2（"Assessment of cellular signaling pathway activity using line combination(s) of target gene expressions"）に詳細に記載の通り実行され得る。

ａ）例示的Bayesianネットワークモデル
本明細書では、単純な方法でPI3K細胞内シグナル伝達経路の転写プログラムをモデル化するために図1に示す通り例示的Bayesianネットワークモデルが最初に使用された。モデルは三タイプのノードから成る：（a）第一層1における転写因子（TF）エレメント；（b）第二層2における標的遺伝子TG1, TG2, TGn；及び第三層3における、（c）標的遺伝子の発現レベルにリンクされる測定ノード。これらは本明細書で好適に使用されるマイクロアレイプローブセットPS1a, PS1b, PS1c, PS2a, PSna, PSnbであり得るが、RNAseq若しくはRT-qPCRなどの他の遺伝子発現測定でもあり得る。

数学的モデル、本明細書では例示的Bayesianネットワークモデルの適切な実施例はマイクロアレイデータに基づく。モデルは（i）標的遺伝子の発現レベルがTFエレメントの活性化にどのように依存するか、及び（ii）次にプローブセット強度が、各標的遺伝子の発現レベルにどのように依存するかを記述する。後者について、プローブセット強度はGene Expression Omnibus（GEO, www.ncbi.nlm.nih.gov/geo）及びArrayExpress（www.ebi.ac.uk/arrayexpress）から広く利用可能なfRMA前処理後Affymetrix HG-U133Plus2.0マイクロアレイからとられ得る。

例示的Bayesianネットワークモデルは細胞内シグナル伝達経路、本明細書ではPI3K細胞内シグナル伝達経路の生物学の単純化であるため、並びに生物学的測定は典型的にはノイズが多いため、確率論的アプローチが選択される、すなわち（i）TFエレメントと標的遺伝子、及び（ii）標的遺伝子とそれらの各プローブセットの間の関係が確率項で記述される。さらに、腫瘍増殖を促進する発癌性細胞内シグナル伝達経路の活性は一過性に及び動的に変更されるのではなく、長期若しくは不可逆的にさえ変更されることが仮定された。従って例示的Bayesianネットワークモデルは静的細胞条件の解釈のために開発された。この理由で複雑な動的細胞内シグナル伝達経路特性はモデルに組み込まれなかった。

例示的Bayesianネットワークモデルが構築され較正されると（下記参照）、モデルは第三層3における観察としてプローブセット測定を入力し、TFエレメントが"present"である確率がどうなるはずであったかをモデルにおいて後ろ向き推論することによって、新たなサンプルのマイクロアレイデータについて使用されることができる。ここで、"present"とはTFエレメントがDNAに結合し、細胞内シグナル伝達経路の標的遺伝子の転写を制御しているという現象であるとみなされ、"absent"とはTFエレメントが転写を制御していない場合である。この後者の確率は従って細胞内シグナル伝達経路、本明細書ではPI3K細胞内シグナル伝達経路の活性を示すために使用され得る一次読み出しであり、これは次に活性対不活性の確率の比をとることによって細胞内シグナル伝達経路が活性であるオッズに変換されることができる（すなわちpが細胞内シグナル伝達経路が活性である予測確率である場合、オッズはp/(1-p)で与えられる）。

例示的Bayesianネットワークモデルにおいて、確率論的関係は定量的確率的推論を可能にするために定量的にされている。組織型にわたる汎化作用を改良するために、（i）TFエレメントと標的遺伝子間の確率論的関係を記述するパラメータが注意深く厳選されている。TFエレメントが"absent"である場合、標的遺伝子は"down"の可能性が最も高く、従って0.95の確率がこれについて選ばれ、標的遺伝子"up"については0.05の確率が選ばれる。後者（非ゼロ）の確率は標的遺伝子が他の因子によって調節される又は（例えば測定ノイズのために）偶発的に"up"と観察される（まれな）可能性を考慮するものである。TFエレメントが"present"の場合、0.70の確率で標的遺伝子は"up"とみなされ、0.30の確率で標的遺伝子は"down"とみなされる。例えば遺伝子のプロモータ領域がメチル化されるために、TFエレメントがpresentの場合でも標的遺伝子が高度に発現しない複数の理由があり得るので、後者の値はこのように選ばれる。標的遺伝子がTFエレメントによってアップレギュレーションされないがダウンレギュレーションされる場合、確率は同様に選ばれるが、TFエレメントのpresenceにダウンレギュレーションを反映する。（ii）標的遺伝子とそれらの各プローブセット間の関係を記述するパラメータは実験データについて較正されている。後者について、この実施例では、定義された活性及び不活性経路設定を伴う細胞株実験からのマイクロアレイデータが使用されたが、これは既知の細胞内シグナル伝達経路活性状態を伴う患者サンプルを用いて実行されることもできる。

本明細書では、4OHTでの刺激により誘導可能なFOXOコンストラクトの安定的トランスフェクションを伴うHUVEC細胞株の発現についての公開データ（Gene Expression Omnibusから利用可能なGSE16573）が一実施例として使用された。4OHTで12時間刺激された誘導性FOXOコンストラクトを伴う細胞株はFOXO活性サンプル（n=3）とみなされたが、一方不活性FOXOサンプルは4OHT刺激無しのコンストラクトを伴う細胞株であった（n=3）。

図2は（A）PI3K細胞内シグナル伝達経路の標的遺伝子のエビデンスキュレーションリスト（表1参照）、（B）PI3K細胞内シグナル伝達経路の標的遺伝子のデータベースに基づくリスト（表2参照）、及び（C）PI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト（表3参照）に基づく例示的Bayesianネットワークモデルの訓練結果を示す。図中、垂直軸はFOXO TFエレメントがそれぞれ"present"、"absent"であるオッズを示し、これはPI3K細胞内シグナル伝達経路がそれぞれ不活性、活性であることに対応し、水平軸より上の値はFOXO TFエレメントが"present"／活性である可能性がより高いことに対応し、水平軸より下の値はFOXO TFエレメントが"absent"／不活性であるオッズが"present"／活性であるオッズよりも大きいことを示す。

タモキシフェンで刺激されなかった、及び従ってFOXO不活性である細胞株を包含する三つのサンプルの第三グループ3は不活性FOXOラベルを割り当てられたが、4OHTで刺激された、従ってFOXO活性であるサンプルを包含する第四グループ4は活性ラベルを割り当てられた。同じデータセットにおいて、第一、第二及び第五グループ1, 2, 5は不活性PI3K細胞内シグナル伝達経路を持つと正確に予測された。最終グループ6は4OHT刺激に対して無反応であると予測されるFOXOの突然変異体をトランスフェクトされた細胞株から成る。それにもかかわらず、いくらかの活性が第二のモデル（B）と第三のモデル（C）において見られた。PI3K細胞内シグナル伝達経路の標的遺伝子のエビデンスキュレーションリストに基づくモデルは最終グループ6においてPI3K細胞内シグナル伝達経路が不活性であると正確に予測するが、他の二つのリストはこれを相対的低確率で活性であると予測した（凡例：1- 空ベクター感染プライマリHUVEC; 2- 空ベクター+12時間OHT刺激プライマリHUVEC; 3- FOXO.A3.ERベクター感染プライマリHUVEC; 4- FOXO.A3.ERベクター+12時間OHT刺激プライマリHUVEC; 5- FOXO.A3.ER.H212Rベクター感染プライマリHUVEC; 6- FOXO.A3.ER.H212Rベクター+12時間OHT刺激プライマリHUVEC）。

以下、例示的Bayesianネットワークモデルのテスト結果が図3から6に示される。

図3はGSE17907の乳房（乳癌）サンプルについてPI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト（表3参照）に基づく例示的Bayesianネットワークモデルのテスト結果を示す。図中、垂直軸は、PI3K細胞内シグナル伝達経路がそれぞれ不活性、活性であることに対応する、FOXO TFエレメントがそれぞれ"present"、"absent"であるオッズを示し、水平軸より上の値はFOXO TFエレメントが"present"／活性である可能性が高いことに対応し、水平軸より下の値はFOXO TFエレメントが"absent"／不活性であるオッズが"present"／活性であるオッズよりも大きいことを示す。モデルは文献から既知の通り健常乳房サンプル（グループ5）における活性FOXO TFエレメントを正確に予測する。不活性FOXO TFエレメントを持つと予測されるサンプルの大多数はERBB2/HER2サブグループ（グループ3）において見られ、これはHER2をエンコードするERBB2遺伝子の過剰増幅がPI3K細胞内シグナル伝達経路の活性に科学的にリンクし、その結果、FOXO調節転写の阻害をもたらす核からのFOXOの転座にリンクするので、予想外ではない。basal乳癌は典型的にはHER2発現を欠き、従って活性PI3K細胞内シグナル伝達経路を持つ可能性が低いことが知られているので、分子サブタイプbasalの乳癌サンプル（グループ2）は、期待通り、不活性FOXO TFエレメントを持つと予測される（凡例：1- Unknown, 2- Basal, 3- ERBB2/HER2, 4- Luminal A, 5- Normal breast, 6- Normal like）。

図4はGSE8671データセットとして公開された複数の健常結腸サンプル（グループ1）及び腺腫様ポリープ（グループ2）についてPI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト（表3参照）に基づく例示的Bayesianネットワークモデルのテスト結果を示す。図中、垂直軸はPI3K細胞内シグナル伝達経路がそれぞれ不活性、活性であることに対応する、FOXO TFエレメントがそれぞれ"present"、"absent"であるオッズを示し、水平軸より上の値はFOXO TFエレメントが"present"／活性である可能性が高いことに対応し、水平軸より下の値はFOXO TFエレメントが"absent"／不活性であるオッズが"present"／活性であるオッズよりも大きいことを示す。モデルは、PI3K細胞内シグナル伝達経路が正常にはたらいていると予測される健常サンプル（グループ1）において活性PI3K細胞内シグナル伝達経路を正確に予測する。腺腫様ポリープ（グループ2）に関して、そこでの変異の結果としてPI3K細胞内シグナル伝達経路の活性増加を示すことが文献から知られている。Philipsと同僚らはその研究において大腸腫瘍の最大86%がPI3K細胞内シグナル伝達経路の活性を増大したことを示している（Wayne A.Philips, et al., "Increased levels of phosphatidylinositol 3-kinase activity in colorectal tumors", Cancer, Vol. 83, No. 1, July 1998, pages 41-47）。腺腫サンプルの三つを除く全部がモデルによってFOXO不活性、従ってPI3K活性であると予測され、これは文献で見られる数とよく相関する（凡例：1- Normal, 2- Adenoma）。

図5はGSE20916の結腸（癌）サンプルについてPI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト（表3参照）に基づく例示的Bayesianネットワークモデルのテスト結果を示す。図中、垂直軸はPI3K細胞内シグナル伝達経路がそれぞれ不活性、活性であることに対応する、FOXO TFエレメントがそれぞれ"present"、"absent"であるオッズを示し、水平軸より上の値はFOXO TFエレメントが"present"／活性である可能性が高いことに対応し、水平軸より下の値はFOXO TFエレメントが"absent"／不活性であるオッズが"present"／活性であるオッズよりも大きいことを示す。その持続的増殖とより幹細胞様の挙動の結果として活性PI3K細胞内シグナル伝達経路と不活性FOXO TFエレメントを持つ可能性が高い（Patrick Laprise, et al., "Phosphatidylinositol 3-Kinase controls human intestinal epithelial cell differentiation by promoting adherens junction assembly and p38 MAPK active", Journal of Biological Chemistry, Vol. 277, No. 10, March 2002, pages 8226-8234）、陰窩上皮細胞のマイクロダイセクションサンプル（グループ2）を除き、モデルは、先と同様に、健常サンプルが活性FOXO TFエレメントを持つと正確に予測する（グループ1及び３）。当然、他のFOXO不活性サンプルが癌性組織（腺腫及び癌腫；グループ8から11）において見られる（凡例：1- Normal colon (mucosa), 2- Normal colon (crypt), 3- Normal colon (surgery), 4- Distant normal colon (mucosa), 5- Distant normal colon (crypt), 6- Adenoma (mucosa), 7- Adenoma (crypt), 8- Adenocarcinoma (surgery), 9- Carcinoma (mucosa), 10- Carcinoma (crypt), 11- Carcinoma (surgery)）。

図6はGSE17951データセットにおいて公開された前立腺（癌）細胞についてのPI3K細胞内シグナル伝達経路のショートリスト（表3参照）に基づく例示的Bayesianネットワークモデルのテスト結果を示す。図中、垂直軸は、PI3K細胞内シグナル伝達経路がそれぞれ不活性、活性であることに対応する、FOXO TFエレメントがそれぞれ"present"、"absent"であるオッズを示し、水平軸より上の値はFOXO TFエレメントが"present"／活性である可能性がより高いことに対応し、水平軸より下の値はFOXO TFエレメントが"absent"／不活性であるオッズが"present"／活性であるオッズよりも大きいことを示す。コントロールグループ（グループ2）の全健常細胞は活性FOXO TFエレメントを持つと予測されるが、一方腫瘍グループ（グループ3）及び生検グループ（グループ1）におけるサンプルのほんの一部はFOXO転写がサイレンシングされていると予測される。文献において、前立腺癌におけるPI3K細胞内シグナル伝達経路の活性が報告されている（例えばMari Kaarbo, et al., "PI3K-AKT-mTOR pathway is dominant over androgen receptor signaling in prostate cancer cells", Cellular Oncology, vol. 32, No. 1-2, 2010, pages 11-27）（凡例：1- Biopsy, 2- Control, 3- Tumor）。

図7はKaplan-Meierプロットで描かれるER+乳癌患者（GSE6532 & GSE9195）の予後を例示する。図中、垂直軸は無再発生存を患者グループの割合として示し、水平軸は時間を年で示す。プロットは、不活性PI3K細胞内シグナル伝達経路と相関する活性FOXO TFエレメント（曲線の勾配が急でなく、プロットの右側で他方の曲線より上で終わっていることによって示される）が再発について防御性であり、一方不活性FOXO TFエレメント、従って異常活性PI3K細胞内シグナル伝達経路を持つことは、高再発リスクと関連する（活性FOXO TFエレメントが予測された患者グループは114患者から構成され、一方不活性FOXO TFエレメントが予測された患者グループは50患者から構成された）。この結果は（予測因子としてPI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト（表3参照）に基づくFOXO活性の確率を用いて）FOXO転写活性の予測確率のハザード比においても示される：0.45（95％ CI:0.20-1.0, p<0.03）。

b）（擬似）線形モデル例
本明細書で例示される（擬似）線形モデルがテストサンプル中の経路活性を推測するために使用され得る前に、ノードが"absent"若しくは"present"であるかどうかをコールするためにノードと閾値との関連性の符号と大きさを示す重みが決定される必要がある。先験的に重みと閾値を記入するために専門知識を使用することができるが、典型的に好適にはそのground truthがわかっている訓練サンプルの代表セットを用いてモデルが訓練される。例えば既知のpresent転写因子複合体（＝活性経路）若しくはabsent転写因子複合体（＝不活性経路）を持つサンプルにおけるプローブセットの発現データ。しかしながら、モデル化されるべき経路の活性化状態がどのようなものかわかっている訓練サンプルを多くの異なる種類の癌から得ることは非実用的である。結果として、利用可能な訓練セットは限られた数のサンプルから、典型的には一タイプの癌のみから成る。本明細書ではテストサンプルを活性若しくは不活性経路を持つと分類するために必要なパラメータを決定する方法が記載される。

モデルトポロジーを考慮し、モデル出力、ここでは重み付き線形スコアが最適化されるように、モデルパラメータ、ここでは重みと閾値を変更する、多数の訓練アルゴリズム（例えば回帰）が当分野で知られている。本明細では最適化アルゴリズムの必要なく発現レベルから直接重みを計算するために使用されることができる二つの方法例を示す。

本明細書では"白黒"法と定義される第一の方法は、重み付け係数が｛-1,0,1｝の要素である三進法に帰着する。これを生物学的文脈におく場合、-1と1はそれぞれPI3K細部内シグナル伝達経路活性の場合ダウンレギュレーション及びアップレギュレーションされる遺伝子若しくはプローブに対応する。プローブ若しくは遺伝子がアップレギュレーション若しくはダウンレギュレーションされることを統計的に証明されることができない場合、これは重み0を受ける。ここで、使用された訓練データを所与としてプローブ若しくは遺伝子がアップ若しくはダウンレギュレーションされるかどうかを決定するために、活性PI3K細胞内シグナル伝達経路サンプルの発現レベル対不活性PI3K細胞内シグナル伝達経路を持つサンプルの発現レベルの左右片側二サンプルt検定を使用することができる。活性サンプルの平均が不活性サンプルよりも統計的に大きい、すなわちp値が所定閾値、例えば0.3を下回る場合、プローブセット若しくは標的遺伝子はアップレギュレーションされると決定される。逆に、活性サンプルの平均が不活性サンプルより統計的に低い場合、このプローブセット若しくは標的遺伝子はPI3K細胞内シグナル伝達経路の活性によりダウンレギュレーションされると決定される。最低p値（左側若しくは右側）が上述の閾値を超える場合、このプローブ若しくは遺伝子の重みは0になるように定義され得る。

重みと閾値に至る代替法は、オッズ比の対数（例えば底e）に基づき、従って"対数オッズ"重みとよばれる。各プローブ若しくは遺伝子に対するオッズ比は、それについてプローブ／遺伝子レベルが対応する閾値、例えば全訓練サンプルの中央値より上及び下である、ポジティブ及びネガティブの訓練サンプルの数に基づいて計算される（WO2014/102668 A2の式3）。ゼロ除算を避けるために擬似カウントが加えられ得る（WO2014/102668 A2の式4）。さらなる精緻化は、プローブ／遺伝子レベルが例えばある指定標準偏差（例えば2対数スケール上で0.25）でその実測値まわりに正規分布すると仮定し、閾値を超える及び下回る確率質量をカウントすること（WO2014/102668 A2の式5）によって、いくらかより確率論的な方法で閾値を超える／下回るサンプルをカウントすることである。

代替的に、本明細書に記載の（擬似）線形モデルの重みと閾値を決定するために回帰などの当分野で既知の最適化アルゴリズムを採用することができる。

よく一般化するように（擬似）線形モデルについてパラメータが決定される方法に特に注意を払わなければならない。代替的に、訓練手順中に特別措置をとることによってかなりよく一般化することができることが当分野で知られているBayesianネットワークなどの他の機械学習法を使用することができる。

図8を参照すると、PI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト（表3参照）からの全標的遺伝子と、それぞれ第一及び第二層上のこれら標的遺伝子の全プローブセットを用いる、PI3K細胞内シグナル伝達経路の"二層"（擬似）線形モデル例が、4OHT刺激により誘導可能なFOXOコンストラクトの安定的トランスフェクションを伴うHUVEC細胞株の発現についての連続データを用いて訓練された（Gene Expression Omnibusから利用可能なGSE16573）（例示的Bayesianネットワークモデルについての上記も参照）。4OHTで12時間刺激された誘導性FOXOコンストラクトを伴う細胞株はFOXO活性サンプル（n=3）とみなされたが、一方不活性FOXOサンプルは4OHT刺激無しのコンストラクトを伴う細胞株であった（n=3）。訓練は、本明細書で記載の通り擬似カウント10を伴う"対数オッズ"法を用いて、本明細書ではプローブセット強度を用いてあらわされる標的遺伝子発現レベルと、標的遺伝子ノードとの関連性の重みを計算することを包含した。その後、FOXO TFエレメントの活性スコアが、それぞれアップレギュレーション若しくはダウンレギュレーションされた標的遺伝子について1若しくは-1のいずれかを乗じた、計算された標的遺伝子発現スコアの和によって計算された。

図8に示す図において、垂直軸は重み付き線形スコアを示し、それぞれ正負のスコアはFOXO TFエレメントがそれぞれ"present"、"absent"であることを示し、これはPI3K細胞内シグナル伝達経路がそれぞれ不活性、活性であることに対応する。タモキシフェンで刺激されなかった、従ってFOXO不活性である細胞株を包含する三つのサンプルの第三グループ3は不活性FOXOラベルを割り当てられたが、4OHTで刺激された、従ってFOXO活性であるサンプルを包含する第四グループ4は活性ラベルを割り当てられた。同じデータセットにおいて、第一、第二及び第五グループ1, 2, 5は不活性PI3K細胞内シグナル伝達経路を持つと正確に予測された。最終グループ6は4OHT刺激に反応しないと予測されるFOXOの突然変異体をトランスフェクトした細胞株から成る。それにもかかわらず、訓練済（擬似）線形モデルを用いて第六グループにおいてもいくらかの活性が見られた（凡例：1- 空ベクター感染プライマリHUVEC, 2- 空ベクター+12時間OHT刺激プライマリHUVEC, 3- FOXO.A3.ERベクター感染プライマリHUVEC, 4- FOXO.A3.ERベクター+12時間OHT刺激プライマリHUVEC, 5- FOXO.A3.ER.H212Rベクター感染プライマリHUVEC, 6- FOXO.A3.ER.H212Rベクター+12時間OHT刺激プライマリHUVEC）。

以下、（擬似）線形モデル例のテスト結果が図9及び10に示される。

図9はGSE17907の乳房（乳癌）サンプルについてPI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト（表3参照）に基づく（擬似）線形モデル例のテスト結果を示す。図中、垂直軸はそれぞれPI3K細胞内シグナル伝達経路が不活性、活性であることに対応する、FOXO TFエレメントがそれぞれ"present"、"absent"であるスコアを示し、水平軸より上の値はFOXO TFエレメントが"present"／活性である可能性が高いことに対応し、水平軸より下の値はFOXO TFエレメントが"absent"／不活性であるオッズが"present"／活性であるオッズよりも大きいことを示す。モデルは、文献から既知の通り、健常乳房サンプル（グループ5）における活性FOXO TFエレメントを正確に予測する。不活性FOXO TFエレメントを持つと予測されるサンプルの大部分はERBB2/HER2グループ（グループ3）で見られ、これは、HER2をエンコードするERBB2遺伝子の過剰増幅が、PI3K細胞内シグナル伝達経路の活性に、並びにその結果FOXO調節転写の阻害をもたらす核からのFOXOの転座において科学的にリンクするので、予想外ではない（凡例：1- Unknown, 2- Basal, 3- ERBB2/HER2, 4- Luminal A, 5- Normal breast, 6- Normal like）。

図10はGSE17951の前立腺（癌）サンプルについてPI3K細胞内シグナル伝達経路の標的遺伝子のショートリスト（表3参照）に基づく（擬似）線形モデル例のテスト結果を示す。図中、垂直軸はそれぞれPI3K細胞内シグナル伝達経路が不活性、活性であることに対応する、FOXO TFエレメントがそれぞれ"present"、"absent"であるスコアを示し、水平軸より上の値はFOXO TFエレメントが"present"／活性である可能性が高いことに対応し、水平軸より下の値はFOXO TFエレメントが"absent"／不活性であるオッズが"present"／活性であるオッズよりも大きいことを示す。コントロールグループ（グループ2）の全健常細胞は活性FOXO TFエレメントを持つと予測されるが、一方腫瘍グループ（グループ3）におけるサンプルのほんの一部と生検グループ（グループ1）における大部分は、PI3K細胞内シグナル伝達経路の活性増加に対応する、FOXO転写がサイレンシングされていると予測される。文献において、前立腺癌におけるPI3K細胞内シグナル伝達経路の活性が報告されており（例えばMari Kaarbo, et al., "PI3K-AKT-mTOR pathway is dominant over androgen receptor signaling in prostate cancer cells", Cellular Oncology, vol. 32, No. 1-2, 2010, pages 11-27）、これはこれらの結果において確認される（凡例：1- Biopsy, 2- Control, 3- Tumor）。

数学的モデル、例えば例示的なBayesianネットワークモデル若しくは（擬似）線形モデルを、マイクロアレイ若しくはRNAシークエンシング由来のmRNA入力データに適用する代わりに、例えば標的遺伝子のmRNAレベルを決定するためにqPCRを用いる統合プラットフォーム上でサンプル測定を実行する専用アッセイを開発することが臨床用途において有益であり得る。そして開示の標的遺伝子のRNA/DNAシーケンスはかかるプラットフォーム上でどのプライマーとプローブを選択するかを決定するために使用され得る。

かかる専用アッセイの検証はマイクロアレイベース数学的モデルを基準モデルとして使用し、開発されたアッセイが検証サンプルのセットについて同様の結果を与えるかどうかを検証することによってなされ得る。専用アッセイは別にして、これはmRNAシークエンシングデータを入力測定として用いる同様の数学的モデルを構築し較正するためにもなされることができる。

数学的モデル、例えば例示的Bayesianネットワークモデル若しくは（擬似）線形モデルを用いるマイクロアレイ／RNAシークエンシングベース研究に基づいて、特異的経路活性を最もよく示すことが発見される標的遺伝子のセットは、発現測定を解釈するため及び／又はPI3K細胞内シグナル伝達経路の活性を推測するために医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプル上で及び／又はコンピュータ上で実行されるべき多重定量PCRアッセイへと変換され得る。細胞内シグナル伝達経路活性についてかかるテスト（例えば中央サービスラボにおけるFDA認可若しくはCLIA waivedテスト）を開発するためには標準テストキットの開発が要求され、これは規制当局の承認を得るために臨床試験で臨床評価される必要がある。

本発明は、医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の発現レベルに少なくとも基づいて、医学的対象の組織及び／又は細胞及び／又は体液におけるPI3K細胞内シグナル伝達経路の活性を推測するステップを有する方法に関する。本発明はさらにかかる方法を実行するように構成されるデジタルプロセッサを有する装置、かかる方法を実行するためにデジタルプロセシングデバイスによって実行可能な命令を格納する非一時的記憶媒体、並びにかかる方法をデジタルプロセシングデバイスに実行させるためのプログラムコード手段を有するコンピュータプログラムに関する。

方法は、例えば、PI3K細胞内シグナル伝達経路の（異常）活性の診断において、推測されたPI3K細胞内シグナル伝達経路の活性に基づく予後において、推測されたPI3K細胞内シグナル伝達経路の活性に基づく臨床試験への医学的対象の登録において、実行されるべき後続検査の選択において、比較診断検査の選択において、臨床判断支援システムにおいて、若しくは同様のものにおいて使用され得る。これに関して、これらの用途をより詳細に記述する公開国際特許出願WO2013/011479 A2（"Assessment of cellular signaling pathway activity using probabilistic modeling of target gene expression"）及び公開国際特許出願WO2014/102668 A2（"Assessment of cellular signaling pathway activity using linear combination(s) of target gene expressions"）が参照される。

シーケンスリスト

Claims

医学的対象の組織及び／又は細胞及び／又は体液におけるPI3K細胞内シグナル伝達経路の活性を、AGRP, BCL2L11, BCL6, BNIP3, BTG1, CAT, CAV1, CCND1, CCND2, CCNG2, CDKN1A, CDKN1B, ESRl, FASLG, FBXO32, GADD45A, INSR, MXIl, NOS3, PCKl, POMC, PPARGC1A, PRDX3, RBL2, SOD2及びTNFSF10から成る群から選択される、当該医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の少なくとも三つの標的遺伝子の発現レベルに少なくとも基づいて推測するステップを有する方法であって、当該推測するステップが、
前記医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおけるFOXO転写因子エレメントのレベルを決定するステップであって、当該FOXO転写因子エレメントは前記PI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の転写を制御し、当該決定するステップは、前記PI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の発現レベルを前記FOXO転写因子エレメントのレベルに関連付ける数学的モデルを評価することに少なくとも一部基づく、ステップと、
前記医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおける決定された前記FOXO転写因子エレメントのレベルに基づいて前記医学的対象の組織及び／又は細胞及び／又は体液におけるPI3K細胞内シグナル伝達経路の活性を推測するステップとを有し、
前記推測するステップが前記数学的モデルを用いてデジタルプロセシングデバイスによって実行される、
方法。
前記推測するステップがさらに、ATP8A1, ClOorflO, CBLB, DDBl, DYRK2, ERBB3, EREG, EXT1, FGFR2, IGF1R, IGFBP1, IGFBP3, LGMN, PPM1D, SEMA3C, SEPP1, SESN1, SLC5A3, SMAD4及びTLE4から成る群から選択される、前記医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の少なくとも一つの標的遺伝子の発現レベルに基づく、請求項１に記載の方法。
前記推測するステップがさらに、ATG14, BIRC5, IGFBP1, KLF2, KLF4, MYOD1, PDK4, RAG1, RAG2, SESN1, SIRT1, STK11及びTXNIPから成る群から選択される、前記医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の少なくとも一つの標的遺伝子の発現レベルに基づく、請求項１に記載の方法。
前記医学的対象の組織及び／又は細胞及び／又は体液における推測されたPI3K細胞内シグナル伝達経路の活性に基づいて、前記医学的対象の組織及び／又は細胞及び／又は体液においてPI3K細胞内シグナル伝達経路が異常機能しているかどうかを決定するステップをさらに有する、請求項１に記載の方法。
医学的対象の組織及び／又は細胞及び／又は体液におけるPI3K細胞内シグナル伝達経路の活性を、AGRP, BCL2L11, BCL6, BNIP3, BTG1, CAT, CAV1, CCND1, CCND2, CCNG2, CDKN1A, CDKN1B, ESRl, FASLG, FBXO32, GADD45A, INSR, MXIl, NOS3, PCKl, POMC, PPARGC1A, PRDX3, RBL2, SOD2及びTNFSF10から成る群から選択される、当該医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の少なくとも三つの標的遺伝子の発現レベルに少なくとも基づいて推測し、推測された前記活性に基づいて薬剤の処方を推奨するシステムであって、当該推測が、
前記医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおけるFOXO転写因子エレメントのレベルを決定する工程であって、当該FOXO転写因子エレメントは前記PI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の転写を制御し、当該決定は、前記PI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の発現レベルを前記FOXO転写因子エレメントのレベルに関連付ける数学的モデルを評価することに少なくとも一部基づく、工程と、
前記医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおける決定された前記FOXO転写因子エレメントのレベルに基づいて前記医学的対象の組織及び／又は細胞及び／又は体液におけるPI3K細胞内シグナル伝達経路の活性を推測する工程とを有し、
推測されたPI3K細胞内シグナル伝達経路の活性に基づいて前記医学的対象の組織及び／又は細胞及び／又は体液においてPI3K細胞内シグナル伝達経路が異常機能していると決定される場合のみ、PI3K細胞内シグナル伝達経路の異常機能を補正する前記医学的対象のための薬剤の処方を推奨する、システム。
医学的対象の組織及び／又は細胞及び／又は体液におけるPI3K細胞内シグナル伝達経路の活性を、AGRP, BCL2L11, BCL6, BNIP3, BTG1, CAT, CAV1, CCND1, CCND2, CCNG2, CDKN1A, CDKN1B, ESRl, FASLG, FBXO32, GADD45A, INSR, MXIl, NOS3, PCKl, POMC, PPARGC1A, PRDX3, RBL2, SOD2及びTNFSF10から成る群から選択される、当該医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の少なくとも三つの標的遺伝子の発現レベルに少なくとも基づいて推測し、推測された前記活性に基づいて臨床判断若しくは研究開発を支援するシステムであって、当該推測が、
前記医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおけるFOXO転写因子エレメントのレベルを決定する工程であって、当該FOXO転写因子エレメントは前記PI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の転写を制御し、当該決定は、前記PI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の発現レベルを前記FOXO転写因子エレメントのレベルに関連付ける数学的モデルを評価することに少なくとも一部基づく、工程と、
前記医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおける決定された前記FOXO転写因子エレメントのレベルに基づいて前記医学的対象の組織及び／又は細胞及び／又は体液におけるPI3K細胞内シグナル伝達経路の活性を推測する工程とを有し、
以下の活動：
前記医学的対象の組織及び／又は細胞及び／又は体液における推測されたPI3K細胞内シグナル伝達経路の活性に基づく診断、
前記医学的対象の組織及び／又は細胞及び／又は体液における推測されたPI3K細胞内シグナル伝達経路の活性に基づく予後、
前記医学的対象の組織及び／又は細胞及び／又は体液における推測されたPI3K細胞内シグナル伝達経路の活性に基づく薬剤処方、
前記医学的対象の組織及び／又は細胞及び／又は体液における推測されたPI3K細胞内シグナル伝達経路の活性に基づく薬効の予測、
前記医学的対象の組織及び／又は細胞及び／又は体液における推測されたPI3K細胞内シグナル伝達経路の活性に基づく副作用の予測、
薬効のモニタリング、
薬剤開発、
アッセイ開発、
経路研究、
癌ステージング、
前記医学的対象の組織及び／又は細胞及び／又は体液における推測されたPI3K細胞内シグナル伝達経路の活性に基づく臨床試験への前記医学的対象の登録、
実行されるべき後続検査の選択、及び
比較診断検査の選択
の少なくとも一つにおいて、推測された前記活性を用いる、システム。
前記PI3K細胞内シグナル伝達経路の標的遺伝子のセットが、AGRP, BCL2L11, BCL6, BNIP3, BTG1, CAT, CAV1, CCND1, CCND2, CCNG2, CDKN1A, CDKN1B, ESRl, FASLG, FBXO32, GADD45A, INSR, MXIl, NOS3, PCKl, POMC, PPARGC1A, PRDX3, RBL2, SOD2及びTNFSF10から成る群から選択される少なくとも９の標的遺伝子を含む、請求項１に記載の方法。
前記PI3K細胞内シグナル伝達経路の標的遺伝子のセットが、ATP8A1, ClOorflO, CBLB, DDBl, DYRK2, ERBB3, EREG, EXT1, FGFR2, IGF1R, IGFBP1, IGFBP3, LGMN, PPM1D, SEMA3C, SEPP1, SESN1, SLC5A3, SMAD4及びTLE4から成る群から選択される少なくとも一つの標的遺伝子をさらに含む、請求項７に記載の方法。
前記PI3K細胞内シグナル伝達経路の標的遺伝子のセットが、ATG14, BIRC5, IGFBP1, KLF2, KLF4, MYOD1, PDK4, RAG1, RAG2, SESN1, SIRT1, STK11及びTXNIPから成る群から選択される少なくとも一つの標的遺伝子をさらに含む、請求項７に記載の方法。
前記数学的モデルが、前記FOXO転写因子エレメントと、前記医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の発現レベルとを関連付ける条件付き確率に少なくとも一部基づく、確率モデルであり、或いは前記数学的モデルが、前記医学的対象の組織及び／又は細胞及び／又は体液の抽出サンプルにおいて測定されるPI3K細胞内シグナル伝達経路の一つ以上の標的遺伝子の発現レベルの一つ以上の線形結合に少なくとも一部基づく、請求項１に記載の方法。
前記数学的モデルがBayesianネットワークモデルである、請求項１０に記載の方法。
請求項１に記載の方法を実行するように構成されるデジタルプロセッサを有する装置。
請求項１に記載の方法を実行するためにデジタルプロセシングデバイスによって実行可能な命令を格納する非一時的記憶媒体。
デジタルプロセシングデバイスに請求項１に記載の方法を実行させるためのプログラムコード手段を有するコンピュータプログラム。