JP6873490B2 - 糖尿病関連バイオマーカーおよび糖尿病関連状態の処置 - Google Patents
糖尿病関連バイオマーカーおよび糖尿病関連状態の処置 Download PDFInfo
- Publication number
- JP6873490B2 JP6873490B2 JP2018539256A JP2018539256A JP6873490B2 JP 6873490 B2 JP6873490 B2 JP 6873490B2 JP 2018539256 A JP2018539256 A JP 2018539256A JP 2018539256 A JP2018539256 A JP 2018539256A JP 6873490 B2 JP6873490 B2 JP 6873490B2
- Authority
- JP
- Japan
- Prior art keywords
- diabetes
- biomarker
- panel
- optionally
- subject
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
- A61P3/00—Drugs for disorders of the metabolism
- A61P3/08—Drugs for disorders of the metabolism for glucose homeostasis
- A61P3/10—Drugs for disorders of the metabolism for glucose homeostasis for hyperglycaemia, e.g. antidiabetics
-
- C—CHEMISTRY; METALLURGY
- C07—ORGANIC CHEMISTRY
- C07J—STEROIDS
- C07J41/00—Normal steroids containing one or more nitrogen atoms not belonging to a hetero ring
- C07J41/0033—Normal steroids containing one or more nitrogen atoms not belonging to a hetero ring not covered by C07J41/0005
- C07J41/0055—Normal steroids containing one or more nitrogen atoms not belonging to a hetero ring not covered by C07J41/0005 the 17-beta position being substituted by an uninterrupted chain of at least three carbon atoms which may or may not be branched, e.g. cholane or cholestane derivatives, optionally cyclised, e.g. 17-beta-phenyl or 17-beta-furyl derivatives
- C07J41/0061—Normal steroids containing one or more nitrogen atoms not belonging to a hetero ring not covered by C07J41/0005 the 17-beta position being substituted by an uninterrupted chain of at least three carbon atoms which may or may not be branched, e.g. cholane or cholestane derivatives, optionally cyclised, e.g. 17-beta-phenyl or 17-beta-furyl derivatives one of the carbon atoms being part of an amide group
-
- C—CHEMISTRY; METALLURGY
- C07—ORGANIC CHEMISTRY
- C07J—STEROIDS
- C07J9/00—Normal steroids containing carbon, hydrogen, halogen or oxygen substituted in position 17 beta by a chain of more than two carbon atoms, e.g. cholane, cholestane, coprostane
- C07J9/005—Normal steroids containing carbon, hydrogen, halogen or oxygen substituted in position 17 beta by a chain of more than two carbon atoms, e.g. cholane, cholestane, coprostane containing a carboxylic function directly attached or attached by a chain containing only carbon atoms to the cyclopenta[a]hydrophenanthrene skeleton
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/92—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving lipids, e.g. cholesterol, lipoproteins, or their receptors
-
- 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
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/04—Endocrine or metabolic disorders
- G01N2800/042—Disorders of carbohydrate metabolism, e.g. diabetes, glucose metabolism
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/50—Determining the risk of developing a disease
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/52—Predicting or monitoring the response to treatment, e.g. for selection of therapy based on assay results in personalised medicine; Prognosis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/60—Complex ways of combining multiple protein biomarkers for diagnosis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Hematology (AREA)
- Organic Chemistry (AREA)
- Urology & Nephrology (AREA)
- Immunology (AREA)
- Biomedical Technology (AREA)
- Biotechnology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biophysics (AREA)
- Genetics & Genomics (AREA)
- Medicinal Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Physics & Mathematics (AREA)
- Cell Biology (AREA)
- Pathology (AREA)
- Microbiology (AREA)
- Biochemistry (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Evolutionary Biology (AREA)
- Endocrinology (AREA)
- Diabetes (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Crystallography & Structural Chemistry (AREA)
- Computing Systems (AREA)
- Obesity (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Pharmacology & Pharmacy (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
Description
この出願は、参照により本明細書に組み込まれる2015年10月18日出願の米国仮出願第62/243,131号への優先権を主張する。
技術分野
a.パネルの各バイオマーカーの測定レベルをコンパレータレベル(例えば、糖尿病リスクを示すレベル)と比較し、比較に基づいて糖尿病リスクを評価するステップ、または
b.モデル(例えば、アルゴリズム)からの出力に基づいて糖尿病リスクを評価するステップであって、モデルは、パネルの各バイオマーカーの測定レベルの入力に基づいて実行される、評価するステップ
を備える。
糖尿病または糖尿病リスクを減少させる処置(例えば、メタボリックサージャリーまたは超低炭水化物食)を受けた被験者のいずれかである。
a.GHDCAまたは総胆汁酸のうちの%GHDCA、THDCAまたは%THDCA、HDCAまたは総胆汁酸のうちの%HDCA、HCAまたは総胆汁酸のうちの%HCA、GHCAまたは%GHCA、THCAまたは%THCAのうちの1つ以上(例えば、各々)、
b.パルミチン酸(C16:0)、ステアリン酸(C18:0)、オレイン酸(C18:1n9)、ジホモ-γ-リノレン酸(C20:3n6)、およびアラキドン酸(C20:4n6)のうちの1つ以上(例えば、各々)、
c.イソロイシン、ロイシン、チロシン、バリン、およびフェニルアラニンのうちの1つ以上(例えば、各々)、
d.TG、
e.(a)および(b)、(a)および(c)、(a)および(d)、(b)および(c)、(b)および(d)、または(c)および(d)の組み合わせ、
f.(a)、(b)、および(c)の組み合わせ、
g.(a)、(b)、および(d)の組み合わせ、
h.(a)、(c)、および(d)の組み合わせ、または
i.(b)、(c)、および(d)の組み合わせ
を備える。
概要
本発明の一実施形態は、被験者における糖尿病状況(例えば、糖尿病リスク)を評価するステップを備える診断方法を提供する。本明細書に教示されるパネルの1つ以上のバイオマーカーのレベルを、被験者から得られたサンプル中で、測定して、1つ以上のバイオマーカーのレベルの測定レベルを糖尿病リスクと相関付けることによって、随意的に、糖尿病リスクを評価できる。相関に基づいて、本発明は、被験者が糖尿病を進展させる増加したリスクを有すると評価し、それによって、糖尿病を進展させる増加したリスクを有する被験者を識別できる。
本発明の方法は、被験者から得られた生体サンプル中で1つ以上のバイオマーカーのレベルを測定できる。被験者は、任意の被験者、例えば、ヒト被験者とすることができる。
本発明の方法は、被験者から得られた生体サンプル(「サンプル」)中で1つ以上のバイオマーカーのレベルを測定できる。
本発明の方法は、随意的に、測定されるバイオマーカーのうちの1つ以上(例えば、各々)のための内部標準の使用を備える。随意的に、内部標準を測定前にいつでもサンプルと混合することができる。
本発明において測定されるバイオマーカーを、随意的に、被験者から得られたサンプルから抽出できる。例えば、方法は、随意的に、サンプルを抽出媒質と接触させるステップと、サンプルからバイオマーカーを抽出するステップと、抽出された脂質を(例えば、クロマトグラフィーによるバイオマーカーの分離に続いて質量スペクトロメトリーによって)測定するステップとを備える。
本発明の方法は、随意的に、生体サンプル中に存在する1つ以上のバイオマーカーのレベルを測定する。本明細書に教示されるバイオマーカーを測定するのに有用な任意の仕方で、測定するステップを行うことができる。
本発明の方法によれば、糖尿病状況を評価するステップは、随意的に、パネルの1つ以上のバイオマーカーの測定レベルを糖尿病リスクと相関付けるステップを備えることができる。相関に基づいて、糖尿病を進展させるリスク(例えば、糖尿病を進展させる尤度)を随意的に判定できる。例えば、被験者が糖尿病を進展させると思われるか(例えば、尤度が予め設定した尤度閾値より大きいか)、または糖尿病を進展させる(例えば、リスク閾値より大きい)高いリスクを有するかどうかを判定できる。かかる被験者は、糖尿病を進展させるリスクがあると本明細書では時には言われる。リスクがあると判定された被験者が、例えば、助言および/または処置を受けるように、これらの被験者を、随意的に、識別および/または選択できる。
本発明を実行するためのモデルの開発の詳細を本明細書に教示される実施例が提供するが、本明細書において特定されるバイオマーカーおよび本明細書に教示される関係を用いると、スコアを算出するために用いる数学的モデルをいずれかの仕方で作り出すことができて、本明細書において収集され、提示されるデータに依存する必要はないことが当業者にはわかるであろう。
本発明を実行するためのモデルを本明細書に教示される実施例が提供するが、本明細書において特定されるバイオマーカーおよび本明細書に教示される関係を用いると、本明細書に教示されるバイオマーカー・パネルを用いたいずれかの数学的モデルを糖尿病リスクを評価するために随意的に用いることができることが当業者にはわかるであろう。
本発明の方法は、評価された被験者、例えば、糖尿尿を進展させるリスクが増加した(例えば、リスクあり、または高リスク)として識別された被験者を処置するステップを備える。
一実施形態において、本発明の方法は、1つ以上のバイオマーカーのレベルをモニターするステップを備える。本発明によるモニタリングの方法は、第1の生体サンプルおよび第2の生体サンプルを提供するステップであって、第1のサンプルは、1回目に被験者から得られ、第2のサンプルは、2回目に被験者から得られ、2回目が1回目より後である、提供するステップと、第1のサンプルおよび第2のサンプルの各々において1つ以上のバイオマーカーのレベルを測定するステップと、第1のサンプルからの測定レベルを第2のサンプルの測定レベルと比較するステップ、または各サンプルにおいて測定されたレベルを糖尿病リスクと相関付けて、第1のサンプルから相関付けられた糖尿病リスクを第2のサンプルから相関付けられた糖尿病リスクと比較するステップのいずれかとを備える。
一実施形態において、本発明の方法は、本発明のパネルの1つ以上のバイオマーカーを検出するためのキットを提供する。キットに含まれるのは、本発明のパネルの1つ以上のバイオマーカーを検出するための1つ以上の内部標準である。集合的に、1つ以上の内部標準は、パネルのバイオマーカーごとに少なくとも1つ内部標準を提供する。
測定、関連付け、および報告のうちの1つ以上を行うように構成したコンピュータの使用を通じて本発明の方法を実装できる。適宜に、本発明の一実施形態は、測定(例えば、分析マシンからの測定信号をバイオマーカーレベルへ変換するステップ)、評価するステップ(例えば、バイオマーカーレベルを糖尿病リスクと相関付けるステップ、またはバイオマーカーレベルを、スコアを計算する数学的モデルへ入力するステップ)、および/または評価の結果を報告するステップのために構成されたモジュールを備える不揮発性メモリを提供する。随意的に、本発明は、マイクロプロセッサおよび不揮発性メモリを備えるコンピュータを提供し、マイクロプロセッサがモジュールを実行するように構成される。
本発明によれば、1つ以上のバイオマーカーを備えるパネルが選択されて、本発明の方法またはキットのために用いられる。
a.GHDCAまたは%GHDCA、THDCAまたは%THDCA、HDCAまたは%HDCA、HCAまたは%HCA、GHCAまたは%GHCA、およびTHCAまたは%THCAのうちの1つ以上(例えば、各々)、
b.パルミチン酸(C16:0)、ステアリン酸(C18:0)、オレイン酸(C18:1n9)、ジホモ-γ-リノレン酸(C20:3n6)、およびアラキドン酸(C20:4n6)のうちの1つ以上(例えば、各々)、
c.イソロイシン、ロイシン、チロシン、バリン、およびフェニルアラニンのうちの1つ以上(例えば、各々)、
d.TG、
e.(a)および(b)、(a)および(c)、(a)および(d)、(b)および(c)、(b)および(d)、または(c)および(d)の組み合わせ、
f.(a)、(b)、および(c)の組み合わせ、
g.(a)、(b)、および(d)の組み合わせ、
h.(a)、(c)、および(d)の組み合わせ、または
i.(b)、(c)、および(d)の組み合わせ
を備える。
研究は、上海交通大学附属第六人民医院において行った。研究プロトコルは、地域倫理委員会によって承認された。文書によるインフォームド・コンセントをすべての参加者から得た。
中国人に関する過体重および肥満の勧告に基づいて、肥満(≧28kg/m2)を定義するためにBMI 28kg/m2のカットオフポイントを用い、過体重(≧24kg/m2)を定義するために24kg/m2のBMIを用い、正常体重は、(<24kg/m2)として定義した。Zhou B.Biomed Environ Sci 2002;15(3):245−52。実施例1では、2つの独立した研究において、空腹時グルコース、経口グルコース負荷テスト(2h−グルコースまたはOGTT:oral glucose tolerance test)、インスリンレベル、収縮期および拡張期血圧(SBPおよびDBP)、総コレステロール(TC)およびトリグリセリド(TG)、ならびに高密度リポタンパク質および低密度リポタンパク質(HDLおよびLDL)を含む、糖尿病と関連する臨床的特徴および代謝マーカーをすべての参加者について調べた。「代謝的に健康」は、以下のすべてを有するとして定義した、すなわち、FPG≦6.1mmol/L、OGTT≦7.8mmol/Lおよび糖尿病の前歴がない、SBP/DBP<140/90mmHgおよび高血圧の前歴がない、空腹時血漿TG<1.7mmol/Lおよび空腹時血漿HDL≧0.9mmol/L(男性)または≧1.0mmol/L(女性)、ならびに高コレステロール(TC<5.18mmol/L)の前歴がない、心血管または内分泌疾患の前歴がない。Pang et al.,PLoS One 2014;9(5):e97928。これらの基準のすべてを満たさないことを「代謝的に不健康」と分類した。
各参加者は、身長、体重、腹囲および血圧の測定を含む健康診断を受けた。身長の2乗(m2)で除した体重(kg)として体型指数(BMI:body mass index)を算出した。腹囲は、中腋窩線上の肋骨下縁と腸骨稜との間の水平面で測定した。血圧は、2分間隔で血圧計を用いて行った3回の測定値の平均であった。
血清サンプル調製。血清の50μlのアリコットを150μlのメタノール(内部標準として用いた0.10μlのコール酸(CA)−d4、ウルソデオキシコール酸(UDCA)−d4、およびリトコール酸(LCA)−d4を含む)と混合した。混合物を次に2分間ボルテックスし、10分間静置し、その後、4℃で10分間20000gで遠心分離した。160μLの上澄みのアリコットを清浄なチューブへ移して、真空乾燥させた。残留物を等しい量のアセトニトリル(0.1%ギ酸)および水(0.1%ぎ酸)で再溶解し、40μLの最終体積にした。遠心分離後に、上澄みを超高速液体クロマトグラフィー−トリプル四重極型質量スペクトロメトリー(UPLC−TQMS)分析に用いた。
FFA抽出。若干の修正を伴うこれまでに報告された方法を用いて遊離脂肪酸(FFA)の濃度を決定した。Puettmann et al.,Clin Chem 1993;39(5):825−32。手短に言えば、10μLの同位体標識した内部標準(5μg/mLのノナデカン酸−d37およびトリデカン酸−D25)を各40μLの血清サンプルへ、続いて500μLのイソプロピル/ヘキサン/リン酸(2M)(体積で40/10/1)へ加えた。サンプルを次に2分間ボルテックスした。室温で20分間インキュベートした後に、400μLのn−ヘキサンおよび300μLの水を加えて、ボルテックスし、10分間、12,000rpmで遠心分離した。次に、400μLの上部有機層を新しいチューブへ移し、下部層にはさらなる抽出のために400μLのn−ヘキサンを加えた。ボルテックスおよび遠心分離後に、すべての上部有機相を次に第1の上澄みと組み合わせて、真空下で乾燥させた。残留物を80μLのメタノールで戻して、超高速液体クロマトグラフィー−四重極飛行時間型質量スペクトロメトリー(UPLC−TQMS:ultra−performance liquid chromatography quadrupole−time−of−flight mass spectrometry)分析に供した。
登録したすべての参加者におけるアミノ酸(AA)の血清レベルを超高速液体クロマトグラフィートリプル四重極型質量スペクトロメトリー(UPLC−TQMS,Waters,ミルフォード,マサチューセッツ州、米国)によって分析した。手短に言えば、10μLの同位体標識した内部標準(5μg/mLのバリン−d8、ロイシン−5,5,5−d3、イソロイシン−2−d1、チロシン−3,3−d2、およびフェニルアラニン−3,3−d2)を血清サンプルの各々の40μLアリコットへ加えた。80μLの水で希釈した後に、500μLのメタノールおよびアセトニトリルの混合物(1:9,v/v)を用いてサンプルを抽出した。2分のボルテックスおよび1分の超音波処理後に抽出手順を−20℃で10分間行った。サンプルを次に4℃で15分間、12000rpmで遠心分離した。20μLの上澄みのアリコットを室温で真空乾燥させた。その後、残留物を1μg/mLのL−2−クロロフェニルアラニンを含むメタノールおよび水(1:1,v/v)の100μLの混合物によって再溶解し、同じボルテックス、超音波処理および遠心分離ステップがその先に続いた。80μLの体積の上澄みをUPLC−TQMS分析(Waters,マンチェスター、英国)のためにサンプリング・バイアルへ移した。サンプルの5μLアリコットを4.6mm×150mm、5μmのElispse XDB−C18カラム(Agilent,米国)の付いた超高速液体クロマトグラフィー・システム(Waters,英国)へ注入した。カラムを40℃に保持した。カラムに対する溶離手順は、最初の0.5分にわたって1%、0.5〜9分にわたって1〜20%B、9〜11分にわたって20〜75%B、11〜16分にわたって75〜99%Bであり、組成を0.5分にわたって99%Bに維持し、ここで正モード(ESI+)に対してA=0.1%ギ酸を含む水、およびB=0.1%ギ酸を含むアセトニトリルであり、流速は、0.4mL/分であった。Waters XEVO−トリプル四重極型MSを質量スペクトロメトリー検出に用いた。ソースおよび脱溶媒ガスのための温度は、それぞれ150および450℃に設定した。コーンおよび脱溶媒のためのガス流量は、それぞれ50および800L/hであった。キャピラリー電圧を3.0kVに設定した。すべての化合物を多重反応モニター(MRM)モードで検出した。
酵素法による血清トリグリセリド決定キットを用いて総トリグリセリドを決定した。
再現性は、メタボロミクスの偏りのないプロファイリングにとって決定的に重要である。データに再現性があることを保証するためにメタボロミクス解析のプロセス全体が厳しいQCの対象となった。テスト混合物、内部標準、および、プールした生体サンプルを含む、3つのタイプのQCサンプルをメタボロミクス手順に用いた。QCサンプルに加えて、最適な装置性能を得るために、コンディショニングおよび溶媒ブランク・サンプルも用い、再現性を算定するために無作為に選択したサンプルのうちの5%を繰り返した。テスト混合物は、システムの質量範囲にわたる質量範囲をもつ市販の標準からなった。装置が検査室仕様[保持時間安定性、ピーク分解能、ピーク信号強度、および質量精度(LC−MSのみ)]内で機能することを保証するために、各バッチランの始めと終わりにこれらのテスト混合物を分析した。サンプル調製および分析プロセス全体の間の分析上の変動をモニターするために、内部標準(LC−MSに対するクロロフェニルアラニン、GC−MSに対するクロロフェニルアラニンおよびヘプタデカン酸)をテスト・サンプルへ追加した。バイオマーカー発見のためには、内部QC基準/メトリックスが、1)100回の注入内で変動係数(CV)<15%、および2)300回の注入内でCV≦20%である。CVは、信号強度の平均ピークに対する標準偏差の比として定義する。全体的な再現性を算定し、バッチ間変動を補正するために、すべての研究被験者(またはテストすることになるサンプルの数に依存する代表的な被験者)からの血清アリコットを組み合わせたプールQCサンプルを用いる。QCサンプルをテスト・サンプルとともに調製し、分析ランの全体にわたって(それぞれ、GC−MAに対して、およびLC−MSに対して各10個のテスト・サンプル後に)一定間隔で注入した。
ピーク信号を検出し、キャリブレーション式を得て、各代謝物の濃度を算出するために、UPLC−TQMSのようなUPLC−MSによって生成した生データをTargetLynxアプリケーションマネージャ・バージョン4.1(Waters Corp.,ミルフォード,マサチューセッツ州)を用いて最初に処理した。データ品質を保証するために、手作業の検査および補正が必要であった。すべての統計的計算およびのグラフィックスをRおよびSIMCA13.0.1ソフトウェア(Umetrics,スウェーデン)を用いて実行した。
表3に示すように、横断的研究において、T2Dをもつ過体重/肥満被験者(UO)では遊離脂肪酸(FFA)、アミノ酸(AA)およびトリグリセリド(TG)濃度の著しい増加を観測した。GHDCAおよび%GHDCAは、T2Dをもつ過体重/肥満被験者では減少した。
実施例1では62人の過体重の被験者がベースラインにおいて正常な代謝マーカーを有し、10年後の彼らの再評価によれば、そのうちの50人が糖尿病を進展させ(UO)、一方では12人が健康なままであった(HO)。かれらの代謝マーカーによれば、ベースラインではこれら2つのグループの間に差はなかった。しかしながら、UOグループでは5つのAA、バリン、ロイシン、イソロイシン、フェニルアラニン、およびチロシンのベースラインの血清レベルが著しく増加した(表4)。この結果は、これらのAAのベースライン濃度がこれらの被験者における将来の糖尿病の進展を予測することを確認した。糖尿病インシデントに関する5つのAA、バリン、ロイシン、イソロイシン、フェニルアラニン、およびチロシンの予測力をMH−OW/OB被験者のうちで単変量および多変量モデルを用いてさらに評価した。年齢、性別、BMI、HOMA−IRおよび空腹時グルコースについて調整するロジスティック回帰モデルをフィッティングした。
実施例1では62人の過体重の被験者がベースラインにおいて正常な代謝マーカーを有し、10年後の彼らの再評価によれば、そのうちの50人が糖尿病を進展させ(UO)、一方では12人が健康なままであった(HO)。かれらの代謝マーカーによれば、ベースラインではこれら2つのグループの間に差はなかった。しかしながら、UOグループでは5つのFFA、パルミチン酸(C16:0)、ステアリン酸(C18:0)、オレイン酸(C18:1n9)、ジホモ-γ-リノレン酸(C20:3n6)、およびアラキドン酸(C20:4n6)のベースラインの血清レベルが著しく増加した(表4)。この結果は、これらのFFAのベースライン濃度がこれらの被験者における将来の糖尿病の進展を予測することをさらに確認した。糖尿病インシデントに関する5つのFFA、パルミチン酸(C16:0)、ステアリン酸(C18:0)、オレイン酸(C18:1n9)、ジホモ-γ-リノレン酸(C20:3n6)、およびアラキドン酸(C20:4n6)の予測力をMH−OW/OB被験者のうちで単変量および多変量モデルを用いてさらに評価した。年齢、性別、BMI、HOMA−IRおよび空腹時グルコースについて調整するロジスティック回帰モデルをフィッティングした。
実施例1では62人の過体重の被験者がベースラインにおいて正常な代謝マーカーを有し、10年後の彼らの再評価によれば、そのうちの50人が糖尿病を進展させ(UO)、一方では12人が健康なままであった(HO)。かれらの代謝マーカーによれば、ベースラインではこれら2つのグループの間に差はなかった。しかしながら、UOグループではグリコヒオコール酸(GHDCA)のベースラインの血清レベルが著しく減少した(表4)。この結果は、GHDCAのベースライン濃度がこれらの被験者における将来の糖尿病の進展を予測することを確認した。糖尿病インシデントに関するGHDCAの予測力をMH−OW/OB被験者のうちで単変量および多変量モデルを用いてさらに評価した。年齢、性別、BMI、HOMA−IRおよび空腹時グルコースについて調整するロジスティック回帰モデルをフィッティングした。
実施例1では62人の過体重の被験者がベースラインにおいて正常な代謝マーカーを有し、10年後の彼らの再評価によれば、そのうちの50人が糖尿病を進展させ(UO)、一方では12人が健康なままであった(HO)。かれらの代謝マーカーによれば、ベースラインではこれら2つのグループの間に差はなかった。しかしながら、UOグループではTGのベースラインの血清レベルが著しく増加した(表4)。この結果は、TGのベースライン濃度がこれらの被験者における将来の糖尿病の進展を予測することを確認した。糖尿病インシデントに関するTGの予測力をMH−OW/OB被験者のうちで単変量および多変量モデルを用いてさらに評価した。年齢、性別、BMI、HOMA−IRおよび空腹時グルコースについて調整するロジスティック回帰モデルをフィッティングした。
糖尿病インシデントに関するTG、C16:0、C18:0、C18:1n9、C20:3n6、C20:4n6、バリン、ロイシン、イソロイシン、フェニルアラニン、チロシン、およびGHDCAの組み合わせの予測力をMH−OW/OB被験者のうちで単変量および多変量モデルを用いてさらに評価した。ロジスティック回帰分析は、TG、C16:0、C18:0、C18:1n9、C20:3n6、C20:4n6、バリン、ロイシン、イソロイシン、フェニルアラニン、チロシン、およびGHDCAの組み合わせのベースライン・レベルが、性別、年齢、BMI、HOMA−IR、HOMA−β、FPGおよび2hPGには依存しない、糖尿病の正の予測因子(調整OR:10.94[95%CI:1.32〜56.55]、P=8.37E−03)であることを示した(表4)。TG、C16:0、C18:0、C18:1n9、C20:3n6、C20:4n6、バリン、ロイシン、イソロイシン、フェニルアラニン、チロシン、およびGHDCAの組み合わせに関する受信者動作特性(ROC)曲線は、0.92(95%CI:0.84〜1.00、P=3.18E−05)の曲線下面積(AUC)を有する(図5)。とりわけ、1.0のAUCは、完全な予測を示し、0.5のAUCは、任意選択に等しい予測を示す。
単変量および多変量解析方法の両方を用いて可能性のあるバイオマーカーを最初に評価して、選択した。単変量法は、正規分布した変数に関するパラメトリック統計(例えば、スチューデントt検定およびANOVA)、ならびに正規分布に従わない変数に関するノンパラメトリック検定(例えば、マン・ホイットニーU検定およびクラスカルウォリス検定)を含む。代謝物と糖尿病を進展させるリスクを推定するそれらの能力との間の相関をピアソンまたはスピアマン係数、クラスタリング、偏最小2乗(PLS:partial least square)法およびロジスティック回帰を用いてさらに評価した。可能性のあるバイオマーカーのリストを用いて、バイオマーカーの最適な組み合わせを得るために、本発明ではロジスティック回帰モデルに基づくバイオインフォマティクス法を開発した。表3におけるグリコヒオデオキシコール酸(GHDCA)、パルミチン酸(C16:0)、ステアリン酸(C18:0)、オレイン酸(C18:1n9)、ジホモ-γ-リノレン酸(C20:3n6)、アラキドン酸(C20:4n6)、バリン、ロイシン、イソロイシン、フェニルアラニン、チロシン、およびトリグリセリド(TG)を含むバイオマーカーのパネルは、将来の糖尿病に関する有力な予測能力を有することを実証する。
本発明のキット例は、モニターすることになる糖尿病でない個人か、または糖尿病患者のためのバイオマーカー・パネルに対応する既知量の同位体標識した(例えば、C13で標識した)内部標準を含む。キットは、算定することになるすべての内部標準の単一の混合物を含んでもよく、または各内部標準の個別の量を含んでもよい。算定することになる代謝物プロファイルにおける各内部標準の量を測定して、被験者からのサンプル中の対応するバイオマーカーの対応する量と比較するために用いることができる。各内部標準は、分配キットにおいて固体形態であっても液体形態であってよい。内部標準が固体形態である場合には、キットの使用前にそれらを溶液中へ懸濁させるべきである。キットは、随意的に、表3にリストされた代謝物から選択した代謝物バイオマーカーの少なくとも1つの標識バリアントを備える。
代謝物プロファイルにおける代謝物の定量化を可能にすることによって、糖尿病、または糖尿病を進展させるリスクを有する被験者に関する診断またはリスク予測を提供するように本発明の方法を行うためにキットを用いてよい。例えば、被験者が糖尿病を進展させる高いリスクを有するかどうかを判定するために本発明のキットを用いてよい。加えて、被験者が糖尿病を有するかどうかを判定するために本発明のキットを用いてよい。加えて、糖尿病を有する被験者が糖尿病の処置に反応しているかどうかを判定するために本発明のキットを用いてよい。
実施例1では62人の過体重/肥満の被験者がベースラインにおいて正常な代謝マーカーを有し、10年後の彼らの再評価によれば、そのうちの50人が糖尿病を進展させ(UO)、一方では12人が健康なままであった(HO)。
実施例1では62人の過体重/肥満の被験者がベースラインにおいて正常な代謝マーカーを有し、10年後の彼らの再評価によれば、そのうちの50人が糖尿病を進展させ(UO)、一方では12人が健康なままであった(HO)。
実施例1では62人の過体重/肥満の被験者がベースラインにおいて正常な代謝マーカーを有し、10年後の彼らの再評価によれば、そのうちの50人が糖尿病を進展させ(UO)、一方では12人が健康なままであった(HO)。
GLP−1の産生を増加させるいくつかの胆汁酸の能力についてそれらの胆汁酸をテストした。理論によって束縛されることなく、本発明者は、GLP−1の産生を増加させる化合物が抗糖尿病効果を提供することを信じる。
本明細書に提供される(例えば、特許および非特許文献の)引用は、引用される主題に関する参照によって本明細書に組み込まれる。
Claims (19)
- 被験者が糖尿病を進展させるリスクを判定するための方法であって、
a.採取された前記被験者の生体サンプルを準備するステップと、
b.前記サンプル中でパネルの各バイオマーカーのレベルを測定するステップであって、前記パネルは、C16:0/C18:0比を含む、前記測定するステップと、
c.前記測定レベルを糖尿病を進展させるリスクと相関付けるステップと、
d.前記相関に基づいて前記被験者が糖尿病を進展させる前記リスクを判定するためのステップと、
を備える、方法。 - 相関付ける前記ステップは、前記少なくとも1つのバイオマーカーの前記測定レベルからスコアを算出するステップを備える、請求項1に記載の方法。
- 前記スコアは、モデルから出力され、前記モデルは、前記パネルの各バイオマーカーの前記測定レベルの入力に基づいて実行される、請求項2に記載の方法。
- 判定するための前記ステップは、前記算出スコアを閾値スコアと比較するステップを備え、前記被験者は、前記算定スコアが前記閾値スコアを超える場合に糖尿病を進展させると思われると判定される、請求項3に記載の方法。
- 相関付ける前記ステップは、前記少なくとも1つのバイオマーカーの各々の前記測定レベルをそれぞれのコンパレータレベルと比較するステップを備える、請求項1に記載の方法。
- 前記パネルは、図12A〜12CにリストされたパネルA、D、E、G、H、K、L、N、O、P、V、W、X、Z、AC、AD、AF、AG、AJ、AK、AM、AN、AO、AV、AW、AX、BE、BF、BK、BN、BO及びBSから選択されたパネルを備える、請求項1に記載の方法。
- 前記少なくとも1つのバイオマーカーは、
a.C18:1n9/C18:0比、
b.C20:3n6/C20:4n6、および
c.総トリグリセリド(「TG」)
のうちの1つ以上を備える、請求項1に記載の方法。 - 被験者の糖尿病処置をモニターするための方法であって、
a.採取された前記被験者の第1の生体サンプル、および採取された前記被験者の第2の生体サンプルを準備するステップであって、前記第1の生体サンプルは、前記被験者が糖尿病処置を受ける前に前記被験者から得られたものであり、前記第2の生体サンプルは、前記被験者が前記糖尿病処置を受けた後に前記被験者から得られたものである、前記準備するステップと、
b.前記第1のサンプルおよび前記第2のサンプル中で図11の少なくとも1つのバイオマーカーの前記レベルを測定するステップであって、前記少なくとも1つのバイオマーカーは、C16:0/C18:0比を含む、前記測定するステップと、
c.前記第1のサンプル中の前記少なくとも1つのバイオマーカーの前記測定レベルを前記第2のサンプル中の前記少なくとも1つのバイオマーカーの前記測定レベルと比較するステップと、
d.前記第2のサンプル中の前記少なくとも1つのバイオマーカーの前記測定レベルに対する前記第1のサンプル中の前記少なくとも1つのバイオマーカーの前記測定レベルにおける偏差に基づいて前記処置の有効性を判定するためのステップと、
を備える、方法。 - 前記パネルは、図12A〜12CにリストされたパネルA、H、V、Z、AG、AV、AW、AX、BE、BF、BK及びBSから選択されたパネルを備える、請求項1に記載の方法。
- 前記パネルは、C16:0/C18:0比を備え、図12A〜12CにリストされたパネルS、AR、AS、AT、AU、BV及びBWから選択されたパネルをさらに備える、請求項1に記載の方法。
- 前記パネルは、C16:0/C18:0比を備え、図12A〜12CにリストされたパネルA、B、C、F、I、J、M、S、AA、AB、AE、AH、AI、AL、AR、AS、AT、AU、AY、AZ、BA、BB、BC、BD、BG、BH、BI、BJ、BL、BM、BP、BT、BU、BV、BW、BX及びBZから選択されたパネルをさらに備える、請求項1に記載の方法。
- 前記パネルは、総分岐鎖アミノ酸(BCAA)を備え、図12A〜12CにリストされたパネルV、Z、AV、AW、AX、BE、BF、BK及びBSから選択されたパネルをさらに備える、請求項1に記載の方法。
- 前記パネルは、チロシンを備え、図12A〜12CにリストされたパネルV、Z、AV、AW、AX、BE、BF、BK及びBSから選択されたパネルをさらに備える、請求項1に記載の方法。
- 前記少なくとも1つのバイオマーカーは、図12A〜12CにリストされたパネルA、D、E、G、H、K、L、N、O、P、V、W、X、Z、AC、AD、AF、AG、AJ、AK、AM、AN、AO、AV、AW、AX、BE、BF、BK、BN、BO及びBSから選択されたバイオマーカーのパネルを備える、請求項8に記載の方法。
- 前記少なくとも1つのバイオマーカーは、図12A〜12CにリストされたパネルA、H、V、Z、AG、AV、AW、AX、BE、BF、BK及びBSから選択されたバイオマーカーのパネルを備える、請求項8に記載の方法。
- 前記少なくとも1つのバイオマーカーは、C16:0/C18:0比を備え、図12A〜12CにリストされたパネルS、AR、AS、AT、AU、BV及びBWから選択されたバイオマーカーのパネルをさらに備える、請求項8に記載の方法。
- 前記少なくとも1つのバイオマーカーは、C16:0/C18:0比を備え、図12A〜12CにリストされたパネルA、B、C、F、I、J、M、S、AA、AB、AE、AH、AI、AL、AR、AS、AT、AU、AY、AZ、BA、BB、BC、BD、BG、BH、BI、BJ、BL、BM、BP、BT、BU、BV、BW、BX及びBZから選択されたバイオマーカーのパネルをさらに備える、請求項8に記載の方法。
- 前記少なくとも1つのバイオマーカーは、総分岐鎖アミノ酸(BCAA)を備え、図12A〜12CにリストされたパネルV、Z、AV、AW、AX、BE、BF、BK及びBSから選択されたバイオマーカーのパネルをさらに備える、請求項8に記載の方法。
- 前記少なくとも1つのバイオマーカーは、チロシンを備え、図12A〜12CにリストされたパネルV、Z、AV、AW、AX、BE、BF、BK及びBSから選択されたバイオマーカーのパネルをさらに備える、請求項8に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562243131P | 2015-10-18 | 2015-10-18 | |
US62/243,131 | 2015-10-18 | ||
PCT/US2016/057538 WO2017070114A2 (en) | 2015-10-18 | 2016-10-18 | Diabetes-related biomarkers and treatment of diabetes-related conditions |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019500619A JP2019500619A (ja) | 2019-01-10 |
JP2019500619A5 JP2019500619A5 (ja) | 2019-11-21 |
JP6873490B2 true JP6873490B2 (ja) | 2021-05-19 |
Family
ID=58557962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018539256A Active JP6873490B2 (ja) | 2015-10-18 | 2016-10-18 | 糖尿病関連バイオマーカーおよび糖尿病関連状態の処置 |
Country Status (4)
Country | Link |
---|---|
US (2) | US10884005B2 (ja) |
EP (1) | EP3362060A4 (ja) |
JP (1) | JP6873490B2 (ja) |
WO (1) | WO2017070114A2 (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019018656A1 (en) * | 2017-07-19 | 2019-01-24 | Ironwood Pharmaceuticals, Inc. | EFFICACY OF A DOSAGE FORM OF BILIARY ACID SEQUESTERING AGENT WITH GASTRIC RETENTION |
WO2019097089A1 (en) | 2017-11-20 | 2019-05-23 | Zora Biosciences Oy | Methods for prediction and early detection of diabetes |
KR102122988B1 (ko) * | 2018-07-31 | 2020-06-16 | 한국과학기술연구원 | 간헐적 단식 예후 분석을 위한 바이오마커 |
CN109298115B (zh) * | 2018-10-19 | 2020-07-28 | 深圳市绘云生物科技有限公司 | 生物样品中多种代谢物定量检测方法及代谢芯片 |
KR102231928B1 (ko) * | 2019-09-19 | 2021-03-26 | 고려대학교 산학협력단 | 비만대사수술 이후 당뇨병 예후 예측용 바이오마커 조성물 |
CN112326948B (zh) * | 2020-11-09 | 2023-08-11 | 上海市内分泌代谢病研究所 | 用于预测糖尿病的生物标记物、试剂盒及其使用方法 |
WO2023077166A1 (en) * | 2021-11-01 | 2023-05-04 | Matterworks Inc | Methods and compositions for analyte quantification |
US11754536B2 (en) | 2021-11-01 | 2023-09-12 | Matterworks Inc | Methods and compositions for analyte quantification |
CN115023608B (zh) * | 2021-11-30 | 2024-01-19 | 江苏品生医疗科技集团有限公司 | 预测受试者患有糖尿病的可能性的标记物及其应用 |
CN114324662B (zh) * | 2021-12-30 | 2022-09-16 | 中南大学 | 用于诊断或预防糖尿病的血清生物标志物的应用 |
CN116519811A (zh) | 2022-01-24 | 2023-08-01 | 杭州凯莱谱精准医疗检测技术有限公司 | 预测妊娠个体血糖值的系统 |
CN114166977B (zh) * | 2022-01-24 | 2022-06-21 | 杭州凯莱谱精准医疗检测技术有限公司 | 预测妊娠个体血糖值的系统 |
CN114354827A (zh) * | 2022-03-21 | 2022-04-15 | 天津云检医疗器械有限公司 | 代谢标志物及其在制备2型糖尿病的风险预测试剂盒中的应用和试剂盒 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DK1438420T3 (da) * | 2001-09-24 | 2010-01-18 | Lipomics Technologies Inc | Fremgangsmåder til anvendelse af kvantitative lipid-metablom-data |
US7001631B2 (en) * | 2002-07-30 | 2006-02-21 | Steris Inc. | Low temperature sanitization of human pathogens from the surfaces of food and food packaging |
US20110311650A1 (en) * | 2008-07-07 | 2011-12-22 | Thomas Wang | Multiplexed biomarkers of insulin resistance |
EP2161580A1 (en) * | 2008-09-02 | 2010-03-10 | Nederlandse Organisatie voor toegepast-natuurwetenschappelijk Onderzoek TNO | Biomarkers for identifying subjects predisposed to developing insulin resistance and determining the insulin resistance status |
EP2414535A4 (en) * | 2009-03-31 | 2012-12-26 | Metabolon Inc | BIOMARKERS RELATED TO INSULIN RESISTANCE AND METHODS OF USE |
EP2494483A2 (en) * | 2009-10-29 | 2012-09-05 | Tethys Bioscience, Inc. | Method for determining risk of diabetes |
JP6082328B2 (ja) * | 2013-07-31 | 2017-02-15 | 株式会社Lsiメディエンス | 胆汁酸同時分析方法 |
-
2016
- 2016-10-18 US US15/769,037 patent/US10884005B2/en active Active
- 2016-10-18 WO PCT/US2016/057538 patent/WO2017070114A2/en active Application Filing
- 2016-10-18 EP EP16858070.2A patent/EP3362060A4/en active Pending
- 2016-10-18 JP JP2018539256A patent/JP6873490B2/ja active Active
-
2020
- 2020-12-28 US US17/135,779 patent/US20210116467A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
US10884005B2 (en) | 2021-01-05 |
US20190285656A1 (en) | 2019-09-19 |
US20210116467A1 (en) | 2021-04-22 |
JP2019500619A (ja) | 2019-01-10 |
EP3362060A2 (en) | 2018-08-22 |
WO2017070114A2 (en) | 2017-04-27 |
WO2017070114A3 (en) | 2017-06-08 |
EP3362060A4 (en) | 2019-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6873490B2 (ja) | 糖尿病関連バイオマーカーおよび糖尿病関連状態の処置 | |
Sharma et al. | Circulating markers of NADH-reductive stress correlate with mitochondrial disease severity | |
JP6021187B2 (ja) | 自閉症の代謝バイオマーカー | |
TWI610079B (zh) | 用於診斷冠狀動脈粥樣硬化症之以血液為主的生物標記 | |
Burgess et al. | Metabolome-wide association study of primary open angle glaucoma | |
Algul et al. | Serum nesfatin-1 levels in patients with different glucose tolerance levels. | |
EP3321686B1 (en) | Biomarkers related to insulin resistance progression and methods using the same | |
EP2227689B1 (en) | Biomarkers for fatty liver disease and methods using the same | |
JP2012522989A (ja) | インスリン抵抗性に関連するバイオマーカー、及びそれを使用する方法 | |
WO2009073839A1 (en) | Trimethylamine compounds as risk predictors of cardiovascular disease | |
JP2014532168A (ja) | インスリン抵抗性に関連するバイオマーカーおよびそれを使用する方法 | |
Zhao et al. | Exploring potential biomarkers and determining the metabolic mechanism of type 2 diabetes mellitus using liquid chromatography coupled to high-resolution mass spectrometry | |
Kishikawa et al. | Large-scale plasma-metabolome analysis identifies potential biomarkers of psoriasis and its clinical subtypes | |
Cui et al. | Salivary metabolomics reveals that metabolic alterations precede the onset of schizophrenia | |
EP3491004B1 (en) | Diagnostic methods, therapeutic agents and uses thereof | |
CN107121540B (zh) | 酰基肉碱谱或其检测试剂在2型糖尿病发病风险预测中的应用 | |
WO2019097089A1 (en) | Methods for prediction and early detection of diabetes | |
CN114544924A (zh) | 甘油酯在疾病预测中的应用 | |
Zeleznik et al. | Plasma metabolomics of primary open-angle glaucoma in three prospective US cohorts and the UK Biobank | |
Yu et al. | Using metabolomics and proteomics to identify the potential urine biomarkers for prediction and diagnosis of gestational diabetes | |
AU2016206265B2 (en) | Method for Determining Insulin Sensitivity with Biomarkers | |
Morris et al. | The serum metabolomics signature of Type 2 Diabetes is obscured in Alzheimer’s | |
Hassanzadeh Keshteli | Diet and inflammatory bowel disease; a metabolomic approach | |
Rubbia-Brandt et al. | Scientific Program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191010 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200731 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200908 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20201204 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210203 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210323 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210414 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6873490 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |