JP7065610B2 - 複数の細胞シグナル伝達経路活性を用いる治療応答の医学的予後及び予測 - Google Patents

複数の細胞シグナル伝達経路活性を用いる治療応答の医学的予後及び予測 Download PDF

Info

Publication number
JP7065610B2
JP7065610B2 JP2017522164A JP2017522164A JP7065610B2 JP 7065610 B2 JP7065610 B2 JP 7065610B2 JP 2017522164 A JP2017522164 A JP 2017522164A JP 2017522164 A JP2017522164 A JP 2017522164A JP 7065610 B2 JP7065610 B2 JP 7065610B2
Authority
JP
Japan
Prior art keywords
pathway
activity
risk
tgf
target genes
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
Application number
JP2017522164A
Other languages
English (en)
Other versions
JP7065610B6 (ja
JP2018501778A (ja
Inventor
オーイェン，ヘンドリク ヤン ファン
ブリュッセル，アンネ ホデフリーダ カタリーナ ファン
ロベル，ヤネーケ
ストレイプ，ディアンネ アルノルディナ マルハレタ ウィルヘルミナ ファン
ホッフ，ロベルト ファン
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of JP2018501778A publication Critical patent/JP2018501778A/ja
Application granted granted Critical
Publication of JP7065610B2 publication Critical patent/JP7065610B2/ja
Publication of JP7065610B6 publication Critical patent/JP7065610B6/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • G16B5/20—Probabilistic models
    • 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
    • C12Q1/6809—Methods for determination or identification of nucleic acids involving differential detection
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • 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
    • 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
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/30—Detection of binding sites or motifs
    • 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
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • C12Q2600/158—Expression markers
    • 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
    • C12Q2600/16—Primer sets for multiplex assays

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Genetics & Genomics (AREA)
  • Biotechnology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Analytical Chemistry (AREA)
  • Organic Chemistry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Immunology (AREA)
  • Biomedical Technology (AREA)
  • Microbiology (AREA)
  • Biochemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Physiology (AREA)
  • Hospice & Palliative Care (AREA)
  • Oncology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Algebra (AREA)

Description

本明細書に記載の主題は、主にバイオ・インフォマティクス、ゲノム処理技術分野、プロテオミクス処理技術分野、及び関連技術分野に関する。より詳細には、本発明は、対象が疾患に関連した臨床事象を規定期間内に経験するリスクを示すリスク・スコアを決定するための、デジタル処理デバイスによって実行される、コンピュータ実装方法に関連する。このリスク・スコアは、対象における２つ以上の細胞シグナル伝達経路についての推測活性の組合せに基づいて決定される。本発明はさらに、対象が疾患に関連した臨床事象を規定期間内に経験するリスクを示すリスク・スコアを決定するための、上記の方法を実行するように構成された、デジタル・プロセッサを備える装置と、対象が疾患に関連した臨床事象を規定期間内に経験するリスクを示すリスク・スコアを決定するための、上記の方法を実行するためにデジタル処理デバイスによって実行可能である命令を記憶する非一時的記憶媒体と、対象が疾患に関連した臨床事象を規定期間内に経験するリスクを示すリスク・スコアを決定するための、デジタル処理デバイスで実行されたときにデジタル処理デバイスに方法を実行させるプログラム・コード手段を含むコンピュータ・プログラムとに関する。本発明はさらに、対象の試料中の２つ以上の細胞シグナル伝達経路それぞれの３つ以上の標的遺伝子の発現レベルを測定するためのキットと、患者が疾患に関連した臨床事象を規定期間内に経験するリスクを示すリスク・スコアを決定するためのキットと、上記の方法を実行する際の、このキットの使用とに関する。
ゲノム及びプロテオミクスの分析は、腫瘍学などの医療分野における臨床応用に対し、実質的に実現されており、また潜在的な有望性がある。様々な癌が、ゲノムの突然変異／バリエーション／異常メチル化のパターンの特定の組合せ、及び／又は特定の遺伝子の高発現レベル若しくは低発現レベルと関連することが知られており、これらは、癌の成長及び進化、たとえば細胞増殖及び転移においての役割を果たす。たとえば、Ｗｎｔシグナル伝達経路は、細胞増殖の調節に影響を及ぼし、高度に調節されている。調節が損なわれることによる高いＷｎｔ経路活性は、癌、中でも悪性大腸腫瘍と相関付けられてきた。どのような特定の動作原理にも限定されないが、悪性大腸細胞のＷｎｔ経路の調節解除が高いＷｎｔ経路活性につながり、ひいては、悪性大腸細胞の細胞増殖、すなわち大腸癌の転移をもたらすと考えられている。一方で、異常に低い経路活性もまた、たとえば骨粗しょう症の場合において注目される。健康及び疾患に関して、細胞の分裂、機能及び／又は分化における同様の役割を果たす他の経路としては、細胞シグナル伝達経路がある（たとえば、ＥＲ、ＰＲ、ＡＲ、ＰＰＡＲ、ＧＲ、ＶｉｔＤ、ＴＧＦ－β、ノッチ、ヘッジホッグ、ＦＧＦ、ＮＦｋＢ、ＶＥＧＦ、及びＰＤＧＦ）。
ゲノム及びプロテオミクスのデータを取得する技術が、臨床環境において容易に利用できるようになっている。たとえば、マイクロアレイによる測定が、遺伝子発現レベル、タンパク質レベル、メチル化などを評価するのに日常的に使用されている。自動化された遺伝子配列決定により、ＤＮＡ及びｍＲＮＡにおける遺伝子のバリエーション／突然変異／異常メチル化パターン識別が、高い費用対効果で可能になっている。遺伝子配列決定時の定量的なｍＲＮＡレベルの評価が、遺伝子発現レベルを評価するための臨床ツールとして有望である。
治療専門家、たとえば腫瘍専門家にとっての主な難題の１つは、患者の予後について経験や知識に基づく推測をすることである。その理由は、この情報が治療の選択に影響を及ぼすからである。個々の患者の癌組織試料に基づくゲノムミクス、トランスクリプトミクス及びプロテオミクス（並びに他の「オミクス」）解析により、患者の予後評価に潜在的に寄与できる情報が得られる。
しかし、関連する臨床情報を引き出すためにこれらの複雑なデータを解釈するのは難題であることが分かっており、大部分が依然として未解決である。患者の予後は、たとえば、「（疾患の）再発までの時間」、「（疾患の）進行までの時間」、「（疾患の）発生の時点」、又は「死亡（疾患）までの時間」のように、いくつかの方法で定量的に示すことができる。
本発明の主態様によれば、上記の問題は、対象が疾患に関連した臨床事象を規定期間内に経験するリスクを示すリスク・スコアを決定するためのコンピュータ実装方法によって解決されるか、又は少なくとも軽減され、その決定するステップは、
対象における２つ以上の細胞シグナル伝達経路のそれぞれの活性を、対象の試料において測定されたそれぞれの細胞シグナル伝達経路の３個以上の、たとえば、３個、４個、５個、６個、７個、８個、９個、１０個、１１個、又は１２個以上の、標的遺伝子の発現レベルに基づいて推測するステップと、
リスク・スコアを、推測された活性を組み合わせたものに基づいて決定するステップと、
を含み、
臨床事象は、疾患再発、疾患進行、疾患発症、及び疾患が原因の死亡のうちの１つであり、疾患は癌、好ましくは乳癌であり、
細胞シグナル伝達経路は、形質転換成長因子－β（ＴＧＦ－β）経路と、ホスファチジルイノシチド３－キナーゼ（ＰＩ３Ｋ）経路、Ｗｎｔ経路、エストロゲン受容体（ＥＲ）経路、及びヘッジホッグ（ＨＨ）経路のうちの１つ以上の経路とを含む。
本発明は、好ましくは、疾患と関連する臨床事象を規定期間内に、たとえば３カ月以内、６カ月以内、１年以内、１８カ月以内、２年以内、３０カ月以内、３年以内、４２カ月以内、４年以内、５年以内、６年以内、７年以内、８年以内、９年以内、又は１０年以上内に経験するリスクがある対象の識別を可能にする。
本明細書で「対象」という用語は、任意の生物を指す。いくつかの実施形態では、対象は動物、好ましくは哺乳動物である。いくつかの実施形態では、対象はヒトであり、好ましくは医療対象者である。
本明細書で「転写因子要素」又は「ＴＦ要素」という用語は、好ましくは、活性転写因子の中間体若しくは前駆体のタンパク質若しくはタンパク質複合体、又は指定の標的遺伝子発現を制御する活性転写因子タンパク質若しくはタンパク質複合体を指す。この用語がどのように使用されるかについての説明的な一例として、「ＴＧＦ－β転写因子要素」又は「ＴＧＦ－β ＴＦ要素」又は「ＴＦ要素」という用語は、ＴＧＦ－βが、標的遺伝子発現を制御するその受容体と結合する下流のシグナル伝達剤を指し、これは、転写因子タンパク質若しくはタンパク質複合体、又は活性転写タンパク質複合体の前駆体であり得る。このシグナル伝達剤は、諸実施形態では、ＴＧＦ－βがその受容体にＴＧＦ－β細胞外受容体結合の下流で、また活性転写因子タンパク質複合体の形成の上流で結合することによってトリガーされるシグナル伝達剤であり得る。たとえば、ＴＧＦ－βが細胞外ＴＧＦ－β受容体に結合すると、それが細胞内「ＳＭＡＤ」シグナル伝達経路を惹起することが知られており、また、１つ又は複数のＳＭＡＤタンパク質（たとえば、受容体制御された、すなわちＲ－ＳＭＡＤ（ＳＭＡＤ１、ＳＭＡＤ２、ＳＭＡＤ３、ＳＭＡＤ５、及びＳＭＡＤ８）並びにＳＭＡＤ４）が、発現を制御するＴＧＦ－β転写シグナル伝達カスケードに関与し、また、それに関与するヘテロ複合体を形成できることが知られている。他のシグナル伝達経路ＰＩ３Ｋ、Ｗｎｔ、ＥＲ、及びＨＨの転写因子要素が類似して、発現を制御するこれらの特定のシグナル伝達カスケード・メンバーに基づいて規定される。
本明細書で「標的遺伝子」という用語は、転写がそれぞれの転写因子要素によって直接又は間接に制御される遺伝子を意味する。「標的遺伝子」は、「直接標的遺伝子」及び／又は「間接標的遺伝子」（本明細書に記載）であり得る。
対象における細胞シグナル伝達経路の活性を推測することは、たとえば、特に（ｉ）対象の試料において測定された細胞シグナル伝達経路の３つ以上の標的遺伝子の発現レベルを含む入力の組に対する細胞シグナル伝達経路を表す較正済み確率的経路モデルの、好ましくはベイジアン・ネットワークの、一部分を評価することによって、また（ｉｉ）対象における転写因子（ＴＦ）要素の活性レベルを推定することによって行うことができ、このＴＦ要素は、細胞シグナル伝達経路の３つ以上の標的遺伝子の転写を制御し、推定することは、ＴＦ要素の活性レベルと、対象の試料において測定された細胞シグナル伝達経路の３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基づいており、また（ｉｉｉ）細胞シグナル伝達経路の活性を対象の試料におけるＴＦ要素の推定活性レベルに基づいて推測することによって行うことができる。これについては、公開されている国際特許出願ＷＯ２０１３／０１１４７９Ａ２（「Ａｓｓｅｓｓｍｅｎｔ ｏｆ ｃｅｌｌｕｌａｒ ｓｉｇｎａｌｉｎｇ ｐａｔｈｗａｙ ａｃｔｉｖｉｔｙ ｕｓｉｎｇ ｐｒｏｂａｂｉｌｉｓｔｉｃ ｍｏｄｅｌｉｎｇ ｏｆ ｔａｒｇｅｔ ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎ」）に詳細に記載されており、同出願の内容はその全体が本明細書に組み込まれる。
例示的な一代替形態では、対象における細胞シグナル伝達経路の活性を推測することは、たとえば、特に（ｉ）対象の試料における転写因子（ＴＦ）要素の活性レベルを決定することによって行うことができ、このＴＦ要素は、細胞シグナル伝達経路の３つ以上の標的遺伝子の転写を制御し、決定することは、細胞シグナル伝達経路の３つ以上の標的遺伝子の発現レベルをＴＦ要素の活性レベルに関係付ける較正済み数学経路モデルを評価することに基づいており、数学経路モデルは、３つ以上の標的遺伝子の発現レベルの１つ以上の一次結合に基づいており、また（ｉｉ）対象における細胞シグナル伝達経路の活性を対象の試料におけるＴＦ要素の決定された活性レベルに基づいて推定することによって行うことができる。これについては、公開されている国際特許出願ＷＯ２０１４／１０２６６８Ａ２（「Ａｓｓｅｓｓｍｅｎｔ ｏｆ ｃｅｌｌｕｌａｒ ｓｉｇｎａｌｉｎｇ ｐａｔｈｗａｙ ａｃｔｉｖｉｔｙ ｕｓｉｎｇ ｌｉｎｅａｒ ｃｏｍｂｉｎａｔｉｏｎ（ｓ） ｏｆ ｔａｒｇｅｔ ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎｓ」）に詳細に記載されている。
好ましい実施形態によれば、細胞シグナル伝達経路は、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路を含む。
ＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路のそれぞれは、好ましくは、その経路と関連する転写因子（ＴＦ）複合体の転写活性に最終的につながる細胞シグナル伝達経路として定義される。好ましくは、これらは、それぞれ少なくともＴＧＦ－βメンバーの二量体（ＳＭＡＤ１、ＳＭＡＤ２、ＳＭＡＤ３、ＳＭＡＤ５及びＳＭＡＤ８と、ＳＭＡＤ４）、又は三量体（ＳＭＡＤ１、ＳＭＡＤ２、ＳＭＡＤ３、ＳＭＡＤ５及びＳＭＡＤ８からの２つのタンパク質と、ＳＭＡＤ４）、ＦＯＸＯファミリー・メンバー、β－カテニン／ＴＣＦ４、ＥＲα二量体、及びＧＬＩファミリー・メンバーから成る。
本発明は、ＴＧＦ－β経路と、活性がＴＧＦ－β経路の活性と実質的に相関関係にあるＳＭＡＤ ＴＦファミリーとに狙いを定めている。すなわち、ＳＭＡＤ ＴＦ複合体の活性は、ＴＧＦ－β経路の活性と実質的に相関関係があるのに対し、ＳＭＡＤ ＴＦ複合体の不活性は、ＰＩ３Ｋ経路の不活性と実質的に相関関係がある。
細胞シグナル伝達経路は、ＰＩ３Ｋ経路及び／又はＷｎｔ経路及び／又はＥＲ経路及び／又はＨＨ経路を含むことが好ましく、リスク・スコアは、示されたリスクがＰＩ３Ｋ経路の推測活性の増加、及び／又はＷｎｔ経路の推測活性の増加、及び／又はＨＨ経路の推測活性の増加と共に単調増加し、かつ／又はＥＲ経路の推測活性の増加と共に単調減少するように規定される。
リスク・スコアは、示されたものがＴＧＦ－β経路の推測活性の増加と共に単調増加するように規定されることもまた好ましい。
ＭＰＳは、項ｗｔ・Ｐｔと、項ｗｐ・Ｐｐ、ｗｗ・Ｐｗ、ｗｅ・Ｐｅ、及びｗｈ・Ｐｈのうちの１つ以上とを含む合計から成ることが好ましく、ここで、Ｐｔ、Ｐｐ、Ｐｗ、Ｐｅ、及びＰｈは、それぞれＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路の推測活性を表し、ｗｔ、ｗｐ、ｗｗ、ｗｅ、及びｗｈは、対象が疾患と関連する臨床事象を規定期間内に経験するリストと、ＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路それぞれの活性との間の相関関係を表す一定重み付け係数である。
一定重み付け係数ｗｔ、ｗｐ、ｗｗ、ｗｅ、及びｗｈは、それぞれの細胞シグナル伝達経路のコックス比例ハザード・モデルを臨床データに適合させることにより得られるコックスの係数の値に基づいてそれぞれ決定されるか、又は決定されている。
本発明は、本明細書に記載の細胞シグナル伝達経路に生じる効果を識別する適切な方法が、細胞シグナル伝達経路のシグナル伝達出力の測定に基づくことができるという本発明者らの新考案に基づいており、このシグナル伝達出力は、とりわけ、シグナル伝達経路が制御する転写因子（ＴＦ）要素によって制御される、本明細書に記載の固有の標的遺伝子の転写である。本発明者らによるこの新考案では、ＴＦ活性レベルが、試料において、とりわけ一意的に識別された標的遺伝子の発現値によって検出できる準安定状態にあると仮定している。
特に、発現レベルが数学経路モデルで解析される細胞シグナル伝達経路標的遺伝子の固有の組が特定された。数学経路モデルで使用するために、評価される各細胞シグナル伝達経路から３個以上の、たとえば、３個、４個、５個、６個、７個、８個、９個、１０個、１１個、又は１２個以上の標的遺伝子を解析してリスク・スコアを策定することができる。
好ましいのは、
３つ以上のＴＧＦ－β標的遺伝子が、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＤＫＮ２Ｂ、ＣＴＧＦ、ＧＡＤＤ４５Ａ、ＧＡＤＤ４５Ｂ、ＨＭＧＡ２、ＩＤ１、ＩＬ１１、ＳＥＲＰＩＮＥ１、ＩＮＰＰ５Ｄ、ＪＵＮＢ、ＭＭＰ２、ＭＭＰ９、ＮＫＸ２－５、ＯＶＯＬ１、ＰＤＧＦＢ、ＰＴＨＬＨ、ＳＧＫ１、ＳＫＩＬ、ＳＭＡＤ４、ＳＭＡＤ５、ＳＭＡＤ６、ＳＭＡＤ７、ＳＮＡＩ１、ＳＮＡＩ２、ＴＩＭＰ１、及びＶＥＧＦＡから成る群から選択され、
かつ／又は
３つ以上のＰＩ３Ｋ標的遺伝子が、ＡＴＰ８Ａ１、ＢＣＬ２Ｌ１１、ＢＮＩＰ３、ＢＴＧ１、Ｃ１０ｏｒｆ１０、ＣＡＴ、ＣＢＬＢ、ＣＣＮＤ１、ＣＣＮＤ２、ＣＤＫＮ１Ｂ、ＤＤＢ１、ＤＹＲＫ２、ＥＲＢＢ３、ＥＲＥＧ、ＥＳＲ１、ＥＸＴ１、ＦＡＳＬＧ、ＦＧＦＲ２、ＧＡＤＤ４５Ａ、ＩＧＦ１Ｒ、ＩＧＦＢＰ１、ＩＧＦＢＰ３、ＩＮＳＲ、ＬＧＭＮ、ＭＸＩ１、ＰＰＭ１Ｄ、ＳＥＭＡ３Ｃ、ＳＥＰＰ１、ＳＥＳＮ１、ＳＬＣ５Ａ３、ＳＭＡＤ４、ＳＯＤ２、ＴＬＥ４、及びＴＮＦＳＦ１０から成る群から選択され、
かつ／又は
３つ以上のＷｎｔ標的遺伝子が、ＡＤＲＡ２Ｃ、ＡＳＣＬ２、ＡＸＩＮ２、ＢＭＰ７、ＣＣＮＤ１、ＣＤ４４、ＣＯＬ１８Ａ１、ＤＥＦＡ６、ＤＫＫ１、ＥＰＨＢ２、ＥＰＨＢ３、ＦＡＴ１、ＦＺＤ７、ＧＬＵＬ、ＨＮＦ１Ａ、ＣＸＣＬ８（以前にはＩＬ８として知られていた）、ＣＥＭＩＰ（以前にはＫＩＡＡ１１９９として知られていた）、ＫＬＦ６、ＬＥＣＴ２、ＬＥＦ１、ＬＧＲ５、ＭＹＣ、ＮＫＤ１、ＯＡＴ、ＰＰＡＲＧ、ＲＥＧＩＢ、ＲＮＦ４３、ＳＬＣ１Ａ２、ＳＯＸ９、ＳＰ５、ＴＢＸ３、ＴＣＦ７Ｌ２、ＴＤＧＦ１、及びＺＮＲＦ３から成る群から選択され、
かつ／又は
３つ以上のＥＲ標的遺伝子が、ＡＰ１Ｂ１、ＡＴＰ５Ｊ、ＣＯＬ１８Ａ１、ＣＯＸ７Ａ２Ｌ、ＣＴＳＤ、ＤＳＣＡＭ、ＥＢＡＧ９、ＥＳＲ１、ＨＳＰＢ１、ＫＲＴ１９、ＮＤＵＦＶ３、ＮＲＩＰ１、ＰＧＲ、ＰＩＳＤ、ＰＲＤＭ１５、ＰＴＭＡ、ＲＡＲＡ、ＳＯＤ１、ＴＦＦ１、ＴＲＩＭ２５、ＸＢＰ１、ＧＲＥＢ１、ＩＧＦＢＰ４、ＭＹＣ、ＳＧＫ３、ＷＩＳＰ２、ＥＲＢＢ２、ＣＡ１２、ＣＤＨ２６、及びＣＥＬＳＲ２から成る群から選択され、
かつ／又は
３つ以上のＨＨ標的遺伝子が、ＧＬＩ１、ＰＴＣＨ１、ＰＴＣＨ２、ＨＨＩＰ、ＳＰＰ１、ＴＳＣ２２Ｄ１、ＣＣＮＤ２、Ｈ１９、ＩＧＦＢＰ６、ＴＯＭ１、ＪＵＰ、ＦＯＸＡ２、ＭＹＣＮ、ＮＫＸ２－２、ＮＫＸ２－８、ＲＡＢ３４、ＭＩＦ、ＧＬＩ３、ＦＳＴ、ＢＣＬ２、ＣＴＳＬ１、ＴＣＥＡ２、ＭＹＬＫ、ＦＹＮ、ＰＩＴＲＭ１、ＣＦＬＡＲ、ＩＬ１Ｒ２、Ｓ１００Ａ７、Ｓ１００Ａ９、ＣＣＮＤ１、ＪＡＧ２、ＦＯＸＭ１、ＦＯＸＦ１、及びＦＯＸＬ１から成る群から選択されることである。
さらに好ましいのは、
３つ以上のＴＧＦ－β標的遺伝子が、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ａ、ＧＡＤＤ４５Ｂ、ＨＭＧＡ２、ＩＤ１、ＩＬ１１、ＪＵＮＢ、ＰＤＧＦＢ、ＰＴＨＬＨ、ＳＥＲＰＩＮＥ１、ＳＧＫ１、ＳＫＩＬ、ＳＭＡＤ４、ＳＭＡＤ５、ＳＭＡＤ６、ＳＭＡＤ７、ＳＮＡＩ２、ＶＥＧＦＡから成る群から選択され、好ましくは、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ｂ、ＩＤ１、ＩＬ１１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＰＤＧＦＢ、ＳＫＩＬ、ＳＭＡＤ７、ＳＮＡＩ２、及びＶＥＧＦＡから成る群から選択され、より好ましくは、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＩＤ１、ＩＬ１１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＳＫＩＬ、及びＳＭＡＤ７から成る群から選択され、
かつ／又は
３つ以上のＰＩ３Ｋ標的遺伝子が、ＡＧＲＰ、ＢＣＬ２Ｌ１１、ＢＣＬ６、ＢＮＩＰ３、ＢＴＧ１、ＣＡＴ、ＣＡＶ１、ＣＣＮＤ１、ＣＣＮＤ２、ＣＣＮＧ２、ＣＤＫＮ１Ａ、ＣＤＫＮ１Ｂ、ＥＳＲ１、ＦＡＳＬＧ、ＦＢＸＯ３２、ＧＡＤＤ４５Ａ、ＩＮＳＲ、ＭＸＩ１、ＮＯＳ３、ＰＣＫ１、ＰＯＭＣ、ＰＰＡＲＧＣ１Ａ、ＰＲＤＸ３、ＲＢＬ２、ＳＯＤ２、ＴＮＦＳＦ１０から成る群から選択され、好ましくはＦＢＸＯ３２、ＢＣＬ２Ｌ１１、ＳＯＤ２、ＴＮＦＳＦ１０、ＢＣＬ６、ＢＴＧ１、ＣＣＮＧ２、ＣＤＫＮ１Ｂ、ＢＮＩＰ３、ＧＡＤＤ４５Ａ、ＩＮＳＲ、及びＭＸＩ１から成る群から選択され、
かつ／又は
３つ以上のＷｎｔ標的遺伝子が、ＣＥＭＩＰ、ＡＸＩＮ２、ＣＤ４４、ＲＮＦ４３、ＭＹＣ、ＴＢＸ３、ＴＤＧＦ１、ＳＯＸ９、ＡＳＣＬ２、ＣＸＣＬ８、ＳＰ５、ＺＮＲＦ３、ＥＰＨＢ２、ＬＧＲ５、ＥＰＨＢ３、ＫＬＦ６、ＣＣＮＤ１、ＤＥＦＡ６、及びＦＺＤ７から成る群から選択され、好ましくはＡＸＩＮ２、ＣＤ４４、ＬＧＲ５、ＣＥＭＩＰ、ＭＹＣ、ＣＸＣＬ８、ＳＯＸ９、ＥＰＨＢ３、ＲＮＦ４３、ＴＤＧＦ１、ＺＮＲＦ３、及びＤＥＦＡ６から成る群から選択され、
かつ／又は
３つ以上のＥＲ標的遺伝子が、ＣＤＨ２６、ＳＧＫ３、ＰＧＲ、ＧＲＥＢ１、ＣＡ１２、ＸＢＰ１、ＣＥＬＳＲ２、ＷＩＳＰ２、ＤＳＣＡＭ、ＥＲＢＢ２、ＣＴＳＤ、ＴＦＦ１、ＰＤＺＫ１、ＩＧＦＢＰ４、ＥＳＲ１、ＳＯＤ１、ＡＰ１Ｂ１、及びＮＲＩＰ１から成る群から選択され、好ましくはＴＦＦ１、ＧＲＥＢ１、ＰＧＲ、ＳＧＫ３、ＰＤＺＫ１、ＩＧＦＢＰ４、ＮＲＩＰ１、ＣＡ１２、ＸＢＰ１、ＥＲＢＢ２、ＥＳＲ１、及びＣＥＬＳＲ２から成る群から選択され、
かつ／又は
３つ以上のＨＨ標的遺伝子が、ＧＬＩ１、ＰＴＣＨ１、ＰＴＣＨ２、ＩＧＦＢＰ６、ＳＰＰ１、ＣＣＮＤ２、ＦＳＴ、ＦＯＸＬ１、ＣＦＬＡＲ、ＴＳＣ２２Ｄ１、ＲＡＢ３４、Ｓ１００Ａ９、Ｓ１００Ａ７、ＭＹＣＮ、ＦＯＸＭ１、ＧＬＩ３、ＴＣＥＡ２、ＦＹＮ、及びＣＴＳＬ１から成る群から選択され、好ましくはＧＬＩ１、ＰＴＣＨ１、ＰＴＣＨ２、ＣＣＮＤ２、ＩＧＦＢＰ６、ＭＹＣＮ、ＦＳＴ、ＲＡＢ３４、ＧＬＩ３、ＣＦＬＡＲ、Ｓ１００Ａ７、及びＳ１００Ａ９から成る群から選択されることである。
特に好ましいのは、３つ以上のＴＧＦ－β標的遺伝子が、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ａ、ＧＡＤＤ４５Ｂ、ＨＭＧＡ２、ＩＤ１、ＪＵＮＢ、ＰＤＧＦＢ、ＰＴＨＬＨ、ＳＥＲＰＩＮＥ１、ＳＧＫ１、ＳＫＩＬ、ＳＭＡＤ４、ＳＭＡＤ５、ＳＭＡＤ６、ＳＭＡＤ７、ＳＮＡＩ２、ＶＥＧＦＡから成る群から選択され、好ましくは、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ｂ、ＩＤ１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＳＫＩＬ、ＳＭＡＤ７、ＳＮＡＩ２、及びＶＥＧＦＡから成る群から選択され、最も好ましくは、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＩＤ１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＳＫＩＬ、及びＳＭＡＤ７から成る群から選択されることである。
特に好ましいのは、
３つ以上のＴＧＦ－β標的遺伝子が、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ｂ、ＩＤ１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＳＫＩＬ、ＳＭＡＤ７、ＳＮＡＩ２、及びＶＥＧＦＡであり、かつ／又は
３つ以上のＰＩ３Ｋ標的遺伝子が、ＦＢＸＯ３２、ＢＣＬ２Ｌ１１、ＳＯＤ２、ＴＮＦＳＦ１０、ＢＣＬ６、ＢＴＧ１、ＣＣＮＧ２、ＣＤＫＮ１Ｂ、ＢＮＩＰ３、ＧＡＤＤ４５Ａ、ＩＮＳＲ、及びＭＸＩ１であり、かつ／又は
３つ以上のＷｎｔ標的遺伝子が、ＡＸＩＮ２、ＣＤ４４、ＬＧＲ５、ＣＥＭＩＰ、ＭＹＣ、ＣＸＣＬ８、ＳＯＸ９、ＥＰＨＢ３、ＲＮＦ４３、ＴＤＧＦ１、ＺＮＲＦ３、及びＤＥＦＡ６であり、かつ／又は
３つ以上のＥＲ標的遺伝子が、ＴＦＦ１、ＧＲＥＢ１、ＰＧＲ、ＳＧＫ３、ＰＤＺＫ１、ＩＧＦＢＰ４、ＮＲＩＰ１、ＣＡ１２、ＸＢＰ１、ＥＲＢＢ２、ＥＳＲ１、及びＣＥＬＳＲ２であり、かつ／又は
３つ以上のＨＨ標的遺伝子が、ＧＬＩ１、ＰＴＣＨ１、ＰＴＣＨ２、ＣＣＮＤ２、ＩＧＦＢＰ６、ＭＹＣＮ、ＦＳＴ、ＲＡＢ３４、ＧＬＩ３、ＣＦＬＡＲ、Ｓ１００Ａ７、及びＳ１００Ａ９であることである。
本発明により使用されるべき試料は、抽出試料、すなわち対象から取り出された試料とすることができる。試料の例には、それだけには限らないが、対象の組織、細胞、血液及び／又は体液が含まれる。これは、たとえば、癌病変部から、又は癌の疑いがある病変部から、又は転移腫瘍から、又は癌細胞で汚染されている流体が存在する体腔（たとえば、胸膜若しくは腹部の腔、又は膀胱腔）から、又は癌細胞を含有する他の体液などから、好ましくは組織診手順又は他の試料抽出手順を介して得られた試料とすることができる。試料が取り出される細胞はまた、悪性血液疾患（白血病又はリンパ腫など）からの腫瘍細胞とすることができる。場合によっては、細胞試料はまた、循環腫瘍細胞、すなわち血流に入った腫瘍細胞であることもあり、適切な分離技法、たとえばアフェレーシス又は従来の静脈血採血を用いて取り出すことができる。血液は別として、試料が取り出される体液は、尿、胃腸内容物、又は血管外湧出物であり得る。本明細書で「試料」という用語はまた、たとえば、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、たとえば顕微鏡スライド若しくは固定剤に載せられている場合と、特許請求された方法を実施するために、この試料の一部分が、たとえば、レーザーキャプチャ法（ＬＣＭ）によって、又は穿孔によって、又は対象の細胞をスライドからかき取ることによって、又は蛍光活性化細胞選別技法によって取り出される場合とを包含する。加えて、本明細書で「試料」という用語はまた、たとえば、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、顕微鏡スライドに載せられ、また特許請求された方法がスライド上で実施される場合も含む。
この方法はさらに、リスク・スコア及び／又は推測活性のうちの少なくとも１つを、１つ又は複数の追加予後検査から得られた１つ又は複数の追加リスク・スコアと組み合わせて結合リスク・スコアを得ることを含むのが好ましく、この結合リスク・スコアは、対象が臨床事象を規定期間内に経験するリスクを示す。１つ又は複数の追加予後検査には特に、Ｏｎｃｏｔｙｐｅ ＤＸ（登録商標）乳癌検査、Ｍａｍｍｏｓｔｒａｔ（登録商標）乳癌検査、ＭａｍｍａＰｒｉｎｔ（登録商標）乳癌検査、ＥｎｄｏＰｒｅｄｉｃｔ（登録商標）乳癌検査、ＢｌｕｅＰｒｉｎｔ（商標）乳癌検査、ＣｏｍｐａｎＤｘ（登録商標）乳癌検査、Ｂｒｅａｓｔ Ｃａｎｃｅｒ Ｉｎｄｅｘ（役務標章）（ＨＯＸＢ１３／ＩＬ１７ＢＲ）、ＯｎｃｏｔｙｐｅＤＸ（登録商標）結腸癌検査、及び／又は、遺伝子／タンパク質Ｋｉ６７の発現を測定することによって行われる増殖検査が含まれ得る。
上記のように、臨床事象は、疾患再発、疾患進行、疾患発症、及び疾患が原因の死亡のうちの１つであり、疾患が癌であり、好ましくは乳癌である。この場合、臨床事象が規定期間内に生じるリスクは優先的に、所与の治療後の（「癌治療応答予測」とも呼ばれる）、又は全く治療なしでの（「癌予後」とも呼ばれる）癌の再発の、すなわちぶり返しの、リスクになる。再発は、局部的であること（すなわち、元の腫瘍のそば）も、離れていること（すなわち、元の側を超えた転移）もある。別の代替形態では、臨床事象が規定期間内に生じるリスクは、癌の進行のリスク、癌の発生のリスク、又は癌が原因の死亡のリスクである。
別の開示態様によれば、対象が疾患と関連する臨床事象を規定期間内に経験するリスクを示すリスク・スコアを決定するための装置は、本明細書に記載の本明細書の方法を実施するように構成されたデジタル・プロセッサを備える。
別の開示態様によれば、対象が疾患と関連する臨床事象を規定期間内に経験するリスクを示すリスク・スコアを決定するための非一時的記憶媒体は、本明細書に記載の本発明の方法を実施するデジタル処理デバイスによって実行可能である命令を記憶する。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、光ディスク若しくは他の光記憶媒体、ランダム・アクセス・メモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、フラッシュ・メモリ、又は他の電子記憶媒体、ネットワーク・サーバなどの、コンピュータ可読記憶媒体とすることができる。デジタル処理デバイスは、手持ち型デバイス（たとえば、携帯情報端末又はスマートフォン）、ノート型コンピュータ、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。
別の開示態様によれば、対象が疾患と関連する臨床事象を規定期間内に経験するリスクを示すリスク・スコアを決定するためのコンピュータ・プログラムは、コンピュータ・プログラムがデジタル処理デバイス上で実行されたとき、デジタル処理デバイスに本明細書に記載の本発明の方法を実施させるプログラム・コード手段を含む。デジタル処理デバイスは、手持ち型デバイス（たとえば、携帯情報端末又はスマートフォン）、ノート型コンピュータ、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。
別の開示態様によれば、対象の試料における２つ以上の細胞シグナル伝達経路それぞれの、３個以上の、たとえば、３個、４個、５個、６個、７個、８個、９個、１０個、１１個、又は１２個以上の、標的遺伝子の発現レベルを測定するためのキットは、
対象の試料における、それぞれの細胞シグナル伝達経路の３つ以上の標的遺伝子の発現レベルを決定するための１つ又は複数の構成要素を含み、
細胞シグナル伝達経路は、ＴＧＦ－β経路と、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路のうちの１つ以上の経路とを含む。
それぞれの細胞シグナル伝達経路の３つ以上の標的遺伝子の発現レベルを測定するための１つ又は複数の構成要素又は手段は、ＤＮＡアレイ・チップ、オリゴヌクレオチド・アレイ・チップ、タンパク質アレイ・チップ、抗体、複数のプローブ、たとえば標識されたプローブ、ＲＮＡリバーサ転写酵素配列決定構成要素の組、及び／又は、ＲＮＡ又はｃＤＮＡを含むＤＮＡの増幅プライマーから成る群から選択することができる。一実施形態では、キットは、本明細書に記載の３つ以上の標的遺伝子のｍＲＮＡ又はｃＤＮＡ配列の一部分を対象とする標識されたプローブの組を含む。一実施形態では、キットは、さらに以下に記載された３つ以上の標的遺伝子のｍＲＮＡ又はｃＤＮＡ配列の一部分を対象とするプライマーとプローブの組、たとえば、表２５から表２９の配列から選択された特定のプライマーとプローブの組を含む。一実施形態では、標識されたプローブは、標準化９６ウェル・プレートに含まれる。一実施形態では、キットはさらに、たとえば表３０に表された参照遺伝子の組を対象とするプライマー又はプローブを含む。このような参照遺伝子は、たとえば、本明細書に記載の標的遺伝子発現レベルの発現レベルを正規化又は標準化するのに有用な、構造的に発現された遺伝子とすることができる。
一実施形態では、対象の試料における２つ以上の細胞シグナル伝達経路それぞれの、３つ以上の標的遺伝子の発現レベルを測定するためのキットは、
それぞれの細胞シグナル伝達経路の３つ以上の標的遺伝子を対象とするポリメラーゼ連鎖反応プライマーと、
それぞれの細胞シグナル伝達経路の３つ以上の標的遺伝子を対象とするプローブと、
任意で、本明細書において記載される本発明の装置、本明細書において記載される本発明の非一時的記憶媒体、又は、本明細書において記載される本発明のコンピュータ・プログラムと、
を含み、
細胞シグナル伝達経路がＴＧＦ－β経路と、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路のうちの１つ以上の経路とを含む。
好ましいのは、
３つ以上のＴＧＦ－β標的遺伝子がＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＤＫＮ２Ｂ、ＣＴＧＦ、ＧＡＤＤ４５Ａ、ＧＡＤＤ４５Ｂ、ＨＭＧＡ２、ＩＤ１、ＩＬ１１、ＳＥＲＰＩＮＥ１、ＩＮＰＰ５Ｄ、ＪＵＮＢ、ＭＭＰ２、ＭＭＰ９、ＮＫＸ２－５、ＯＶＯＬ１、ＰＤＧＦＢ、ＰＴＨＬＨ、ＳＧＫ１、ＳＫＩＬ、ＳＭＡＤ４、ＳＭＡＤ５、ＳＭＡＤ６、ＳＭＡＤ７、ＳＮＡＩ１、ＳＮＡＩ２、ＴＩＭＰ１、及びＶＥＧＦＡから成る群から選択され、
かつ／又は
３つ以上のＰＩ３Ｋ標的遺伝子が、ＡＴＰ８Ａ１、ＢＣＬ２Ｌ１１、ＢＮＩＰ３、ＢＴＧ１、Ｃ１０ｏｒｆ１０、ＣＡＴ、ＣＢＬＢ、ＣＣＮＤ１、ＣＣＮＤ２、ＣＤＫＮ１Ｂ、ＤＤＢ１、ＤＹＲＫ２、ＥＲＢＢ３、ＥＲＥＧ、ＥＳＲ１、ＥＸＴ１、ＦＡＳＬＧ、ＦＧＦＲ２、ＧＡＤＤ４５Ａ、ＩＧＦ１Ｒ、ＩＧＦＢＰ１、ＩＧＦＢＰ３、ＩＮＳＲ、ＬＧＭＮ、ＭＸＩ１、ＰＰＭ１Ｄ、ＳＥＭＡ３Ｃ、ＳＥＰＰ１、ＳＥＳＮ１、ＳＬＣ５Ａ３、ＳＭＡＤ４、ＳＯＤ２、ＴＬＥ４、及びＴＮＦＳＦ１０から成る群から選択され、
かつ／又は
３つ以上のＷｎｔ標的遺伝子が、ＡＤＲＡ２Ｃ、ＡＳＣＬ２、ＡＸＩＮ２、ＢＭＰ７、ＣＣＮＤ１、ＣＤ４４、ＣＯＬ１８Ａ１、ＤＥＦＡ６、ＤＫＫ１、ＥＰＨＢ２、ＥＰＨＢ３、ＦＡＴ１、ＦＺＤ７、ＧＬＵＬ、ＨＮＦ１Ａ、ＣＸＣＬ８、ＣＥＭＩＰ、ＫＬＦ６、ＬＥＣＴ２、ＬＥＦ１、ＬＧＲ５、ＭＹＣ、ＮＫＤ１、ＯＡＴ、ＰＰＡＲＧ、ＲＥＧ１Ｂ、ＲＮＦ４３、ＳＬＣ１Ａ２、ＳＯＸ９、ＳＰ５、ＴＢＸ３、ＴＣＦ７Ｌ２、ＴＤＧＦ１、及びＺＮＲＦ３から成る群から選択され、
かつ／又は
３つ以上のＥＲ標的遺伝子が、ＡＰ１Ｂ１、ＡＴＰ５Ｊ、ＣＯＬ１８Ａ１、ＣＯＸ７Ａ２Ｌ、ＣＴＳＤ、ＤＳＣＡＭ、ＥＢＡＧ９、ＥＳＲ１、ＨＳＰＢ１、ＫＲＴ１９、ＮＤＵＦＶ３、ＮＲＩＰ１、ＰＧＲ、ＰＩＳＤ、ＰＲＤＭ１５、ＰＴＭＡ、ＲＡＲＡ、ＳＯＤ１、ＴＦＦ１、ＴＲＩＭ２５、ＸＢＰ１、ＧＲＥＢ１、ＩＧＦＢＰ４、ＭＹＣ、ＳＧＫ３、ＷＩＳＰ２、ＥＲＢＢ２、ＣＡ１２、ＣＤＨ２６、及びＣＥＬＳＲ２から成る群から選択され、
かつ／又は
３つ以上のＨＨ標的遺伝子が、ＧＬＩ１、ＰＴＣＨ１、ＰＴＣＨ２、ＨＨＩＰ、ＳＰＰ１、ＴＳＣ２２Ｄ１、ＣＣＮＤ２、Ｈ１９、ＩＧＦＢＰ６、ＴＯＭ１、ＪＵＰ、ＦＯＸＡ２、ＭＹＣＮ、ＮＫＸ２－２、ＮＫＸ２－８、ＲＡＢ３４、ＭＩＦ、ＧＬＩ３、ＦＳＴ、ＢＣＬ２、ＣＴＳＬ１、ＴＣＥＡ２、ＭＹＬＫ、ＦＹＮ、ＰＩＴＲＭ１、ＣＦＬＡＲ、ＩＬ１Ｒ２、Ｓ１００Ａ７、Ｓ１００Ａ９、ＣＣＮＤ１、ＪＡＧ２、ＦＯＸＭ１、ＦＯＸＦ１、及びＦＯＸＬ１から成る群から選択されることである。
さらに好ましいのは、
３つ以上のＴＧＦ－β標的遺伝子が、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ａ、ＧＡＤＤ４５Ｂ、ＨＭＧＡ２、ＩＤ１、ＩＬ１１、ＪＵＮＢ、ＰＤＧＦＢ、ＰＴＨＬＨ、ＳＥＲＰＩＮＥ１、ＳＧＫ１、ＳＫＩＬ、ＳＭＡＤ４、ＳＭＡＤ５、ＳＭＡＤ６、ＳＭＡＤ７、ＳＮＡＩ２、ＶＥＧＦＡから成る群から選択され、好ましくは、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ｂ、ＩＤ１、ＩＬ１１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＰＤＧＦＢ、ＳＫＩＬ、ＳＭＡＤ７、ＳＮＡＩ２、及びＶＥＧＦＡから成る群から選択され、より好ましくは、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＩＤ１、ＩＬ１１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＳＫＩＬ、及びＳＭＡＤ７から成る群から選択され、
かつ／又は
３つ以上のＰＩ３Ｋ標的遺伝子が、ＡＧＲＰ、ＢＣＬ２Ｌ１１、ＢＣＬ６、ＢＮＩＰ３、ＢＴＧ１、ＣＡＴ、ＣＡＶ１、ＣＣＮＤ１、ＣＣＮＤ２、ＣＣＮＧ２、ＣＤＫＮ１Ａ、ＣＤＫＮ１Ｂ、ＥＳＲ１、ＦＡＳＬＧ、ＦＢＸＯ３２、ＧＡＤＤ４５Ａ、ＩＮＳＲ、ＭＸＩ１、ＮＯＳ３、ＰＣＫ１、ＰＯＭＣ、ＰＰＡＲＧＣ１Ａ、ＰＲＤＸ３、ＲＢＬ２、ＳＯＤ２、ＴＮＦＳＦ１０から成る群から選択され、好ましくはＦＢＸＯ３２、ＢＣＬ２Ｌ１１、ＳＯＤ２、ＴＮＦＳＦ１０、ＢＣＬ６、ＢＴＧ１、ＣＣＮＧ２、ＣＤＫＮ１Ｂ、ＢＮＩＰ３、ＧＡＤＤ４５Ａ、ＩＮＳＲ、及びＭＸＩ１から成る群から選択され、
かつ／又は
３つ以上のＷｎｔ標的遺伝子が、ＣＥＭＩＰ、ＡＸＩＮ２、ＣＤ４４、ＲＮＦ４３、ＭＹＣ、ＴＢＸ３、ＴＤＧＦ１、ＳＯＸ９、ＡＳＣＬ２、ＣＸＣＬ８、ＳＰ５、ＺＮＲＦ３、ＥＰＨＢ２、ＬＧＲ５、ＥＰＨＢ３、ＫＬＦ６、ＣＣＮＤ１、ＤＥＦＡ６、及びＦＺＤ７から成る群から選択され、好ましくはＡＸＩＮ２、ＣＤ４４、ＬＧＲ５、ＣＥＭＩＰ、ＭＹＣ、ＣＸＣＬ８、ＳＯＸ９、ＥＰＨＢ３、ＲＮＦ４３、ＴＤＧＦ１、ＺＮＲＦ３、及びＤＥＦＡ６から成る群から選択され、
かつ／又は
３つ以上のＥＲ標的遺伝子が、ＣＤＨ２６、ＳＧＫ３、ＰＧＲ、ＧＲＥＢ１、ＣＡ１２、ＸＢＰ１、ＣＥＬＳＲ２、ＷＩＳＰ２、ＤＳＣＡＭ、ＥＲＢＢ２、ＣＴＳＤ、ＴＦＦ１、ＰＤＺＫ１、ＩＧＦＢＰ４、ＥＳＲ１、ＳＯＤ１、ＡＰ１Ｂ１、及びＮＲＩＰ１から成る群から選択され、好ましくはＴＦＦ１、ＧＲＥＢ１、ＰＧＲ、ＳＧＫ３、ＰＤＺＫ１、ＩＧＦＢＰ４、ＮＲＩＰ１、ＣＡ１２、ＸＢＰ１、ＥＲＢＢ２、ＥＳＲ１、及びＣＥＬＳＲ２から成る群から選択され、
かつ／又は
３つ以上のＨＨ標的遺伝子が、ＧＬＩ１、ＰＴＣＨ１、ＰＴＣＨ２、ＩＧＦＢＰ６、ＳＰＰ１、ＣＣＮＤ２、ＦＳＴ、ＦＯＸＬ１、ＣＦＬＡＲ、ＴＳＣ２２Ｄ１、ＲＡＢ３４、Ｓ１００Ａ９、Ｓ１００Ａ７、ＭＹＣＮ、ＦＯＸＭ１、ＧＬＩ３、ＴＣＥＡ２、ＦＹＮ、及びＣＴＳＬ１、から成る群から選択され、好ましくはＧＬＩ１、ＰＴＣＨ１、ＰＴＣＨ２、ＣＣＮＤ２、ＩＧＦＢＰ６、ＭＹＣＮ、ＦＳＴ、ＲＡＢ３４、ＧＬＩ３、ＣＦＬＡＲ、Ｓ１００Ａ７、及びＳ１００Ａ９から成る群から選択されることである。
特に好ましいのは、３つ以上のＴＧＦ－β標的遺伝子が、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ａ、ＧＡＤＤ４５Ｂ、ＨＭＧＡ２、ＩＤ１、ＪＵＮＢ、ＰＤＧＦＢ、ＰＴＨＬＨ、ＳＥＲＰＩＮＥ１、ＳＧＫ１、ＳＫＩＬ、ＳＭＡＤ４、ＳＭＡＤ５、ＳＭＡＤ６、ＳＭＡＤ７、ＳＮＡＩ２、ＶＥＧＦＡから成る群から選択され、好ましくは、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ｂ、ＩＤ１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＳＫＩＬ、ＳＭＡＤ７、ＳＮＡＩ２、及びＶＥＧＦＡから成る群から選択され、最も好ましくは、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＩＤ１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＳＫＩＬ、及びＳＭＡＤ７から成る群から選択されることである。
特に好ましいのは、
３つ以上のＴＧＦ－β標的遺伝子が、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ｂ、ＩＤ１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＳＫＩＬ、ＳＭＡＤ７、ＳＮＡＩ２、及びＶＥＧＦＡであり、かつ／又は
３つ以上のＰＩ３Ｋ標的遺伝子が、ＦＢＸＯ３２、ＢＣＬ２Ｌ１１、ＳＯＤ２、ＴＮＦＳＦ１０、ＢＣＬ６、ＢＴＧ１、ＣＣＮＧ２、ＣＤＫＮ１Ｂ、ＢＮＩＰ３、ＧＡＤＤ４５Ａ、ＩＮＳＲ、及びＭＸＩ１であり、かつ／又は
３つ以上のＷｎｔ標的遺伝子が、ＡＸＩＮ２、ＣＤ４４、ＬＧＲ５、ＣＥＭＩＰ、ＭＹＣ、ＣＸＣＬ８、ＳＯＸ９、ＥＰＨＢ３、ＲＮＦ４３、ＴＤＧＦ１、ＺＮＲＦ３、及びＤＥＦＡ６であり、かつ／又は
３つ以上のＥＲ標的遺伝子が、ＴＦＦ１、ＧＲＥＢ１、ＰＧＲ、ＳＧＫ３、ＰＤＺＫ１、ＩＧＦＢＰ４、ＮＲＩＰ１、ＣＡ１２、ＸＢＰ１、ＥＲＢＢ２、ＥＳＲ１、及びＣＥＬＳＲ２であり、かつ／又は
３つ以上のＨＨ標的遺伝子が、ＧＬＩ１、ＰＴＣＨ１、ＰＴＣＨ２、ＣＣＮＤ２、ＩＧＦＢＰ６、ＭＹＣＮ、ＦＳＴ、ＲＡＢ３４、ＧＬＩ３、ＣＦＬＡＲ、Ｓ１００Ａ７、及びＳ１００Ａ９であることである。
別の開示態様によれば、対象の試料において２つ以上の細胞シグナル伝達経路それぞれの３個以上の標的遺伝子の発現レベルを測定するための、及び、任意で、対象が疾患と関連する臨床事象を規定期間内に経験するリスクを示すリスク・スコアを決定するためのキットは、
対象の試料において２つ以上の細胞シグナル伝達経路それぞれの、３個以上の、たとえば３個、４個、５個、６個、７個、８個、９個、１０個、１１個、又は１２個以上の、標的遺伝子の発現レベルを決定するための１つ又は複数の構成要素を含み、
１つ又は複数の構成要素は、好ましくは、（例えばＤＮＡアレイ・チップ、オリゴヌクレオチド・アレイ・チップ、タンパク質アレイ・チップ等の）マイクロアレイ・チップ、抗体、複数のプローブ、たとえば標識されたプローブ、ＲＮＡリバーサ転写酵素配列決定構成要素の組、及び／又は、ＲＮＡ又はｃＤＮＡを含むＤＮＡの増幅プライマーから成る群から選択され、
細胞シグナル伝達経路は、ＴＧＦ－β経路と、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路のうちの１つ以上の経路とを含み、
任意で、当該キットは、本明細書に記載の本発明の装置、本明細書に記載の本発明の持続性記憶媒体、又は本明細書に記載の本発明のコンピュータ・プログラムを含む。
好ましいのは、
３つ以上のＴＧＦ－β標的遺伝子が、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＤＫＮ２Ｂ、ＣＴＧＦ、ＧＡＤＤ４５Ａ、ＧＡＤＤ４５Ｂ、ＨＭＧＡ２、ＩＤ１、ＩＬ１１、ＳＥＲＰＩＮＥ１、ＩＮＰＰ５Ｄ、ＪＵＮＢ、ＭＭＰ２、ＭＭＰ９、ＮＫＸ２－５、ＯＶＯＬ１、ＰＤＧＦＢ、ＰＴＨＬＨ、ＳＧＫ１、ＳＫＩＬ、ＳＭＡＤ４、ＳＭＡＤ５、ＳＭＡＤ６、ＳＭＡＤ７、ＳＮＡＩ１、ＳＮＡＩ２、ＴＩＭＰ１、及びＶＥＧＦＡから成る群から選択され、
かつ／又は
３つ以上のＰＩ３Ｋ標的遺伝子が、ＡＴＰ８Ａ１、ＢＣＬ２Ｌ１１、ＢＮＩＰ３、ＢＴＧ１、Ｃ１Ｏｏｒｆ１Ｏ、ＣＡＴ、ＣＢ１Ｂ、ＣＣＮＤ１、ＣＣＮＤ２、ＣＤＫＮ１Ｂ、ＤＤＢ１、ＤＹＲＫ２、ＥＲＢＢ３、ＥＲＥＧ、ＥＳＲ１、ＥＸＴ１、ＦＡＳＬＧ、ＦＧＦＲ２、ＧＡＤＤ４５Ａ、ＩＧＦ１Ｒ、ＩＧＦＢＰ１、ＩＧＦＢＰ３、ＩＮＳＲ、ＬＧＭＮ、ＭＸＩ１、ＰＰＭ１Ｄ、ＳＥＭＡ３Ｃ、ＳＥＰＰ１、ＳＥＳＮ１、ＳＬＣ５Ａ３、ＳＭＡＤ４、ＳＯＤ２、ＴＬＥ４、及びＴＮＦＳＦ１０から成る群から選択され、
かつ／又は
３つ以上のＷｎｔ標的遺伝子が、ＡＤＲＡ２Ｃ、ＡＳＣＬ２、ＡＸＩＮ２、ＢＭＰ７、ＣＣＮＤ１、ＣＤ４４、ＣＯＬ１８Ａ１、ＤＥＦＡ６、ＤＫＫ１、ＥＰＨＢ２、ＥＰＨＢ３、ＦＡＴ１、ＦＺＤ７、ＧＬＵＬ、ＨＮＦ１Ａ、ＣＸＣＬ８、ＣＥＭＩＰ、ＫＬＦ６、ＬＥＣＴ２、ＬＥＦ１、ＬＧＲ５、ＭＹＣ、ＮＫＤ１、ＯＡＴ、ＰＰＡＲＧ、ＲＥＧ１Ｂ、ＲＮＦ４３、ＳＬＣ１Ａ２、ＳＯＸ９、ＳＰ５、ＴＢＸ３、ＴＣＦ７Ｌ２、ＴＤＧＦ１、及びＺＮＲＦ３から成る群から選択され、
かつ／又は
３つ以上のＥＲ標的遺伝子が、ＡＰ１Ｂ１、ＡＴＰ５Ｊ、ＣＯＬ１８Ａ１、ＣＯＸ７Ａ２Ｌ、ＣＴＳＤ、ＤＳＣＡＭ、ＥＢＡＧ９、ＥＳＲ１、ＨＳＰＢ１、ＫＲＴ１９、ＮＤＵＦＶ３、ＮＲＩＰ１、ＰＧＲ、ＰＩＳＤ、ＰＲＤＭ１５、ＰＴＭＡ、ＲＡＲＡ、ＳＯＤ１、ＴＦＦ１、ＴＲＩＭ２５、ＸＢＰ１、ＧＲＥＢ１、ＩＧＦＢＰ４、ＭＹＣ、ＳＧＫ３、ＷＩＳＰ２、ＥＲＢＢ２、ＣＡ１２、ＣＤＨ２６、及びＣＥＬＳＲ２から成る群から選択され、
かつ／又は
３つ以上のＨＨ標的遺伝子が、ＧＬＩ１、ＰＴＣＨ１、ＰＴＣＨ２、ＨＨＩＰ、ＳＰＰ１、ＴＳＣ２２Ｄ１、ＣＣＮＤ２、Ｈ１９、ＩＧＦＢＰ６、ＴＯＭ１、ＪＵＰ、ＦＯＸＡ２、ＭＹＣＮ、ＮＫＸ２－２、ＮＫＸ２－８、ＲＡＢ３４、ＭＩＦ、ＧＬＩ３、ＦＳＴ、ＢＣＬ２、ＣＴＳＬ１、ＴＣＥＡ２、ＭＹＬＫ、ＦＹＮ、ＰＩＴＲＭ１、ＣＦＬＡＲ、ＩＬ１Ｒ２、Ｓ１００Ａ７、Ｓ１００Ａ９、ＣＣＮＤ１、ＪＡＧ２、ＦＯＸＭ１、ＦＯＸＦ１、及びＦＯＸＬ１から成る群から選択されることである。
さらに好ましいのは、
３つ以上のＴＧＦ－β標的遺伝子が、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ａ、ＧＡＤＤ４５Ｂ、ＨＭＧＡ２、ＩＤ１、ＩＬ１１、ＪＵＮＢ、ＰＤＧＦＢ、ＰＴＨＬＨ、ＳＥＲＰＩＮＥ１、ＳＧＫ１、ＳＫＩＬ、ＳＭＡＤ４、ＳＭＡＤ５、ＳＭＡＤ６、ＳＭＡＤ７、ＳＮＡＩ２、ＶＥＧＦＡから成る群から選択され、好ましくは、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ｂ、ＩＤ１、ＩＬ１１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＰＤＧＦＢ、ＳＫＩＬ、ＳＭＡＤ７、ＳＮＡＩ２、及びＶＥＧＦＡから成る群から選択され、より好ましくは、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＩＤ１、ＩＬ１１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＳＫＩＬ、及びＳＭＡＤ７から成る群から選択され、
かつ／又は
３つ以上のＰＩ３Ｋ標的遺伝子が、ＡＧＲＰ、ＢＣＬ２Ｌ１１、ＢＣＬ６、ＢＮＩＰ３、ＢＴＧ１、ＣＡＴ、ＣＡＶ１、ＣＣＮＤ１、ＣＣＮＤ２、ＣＣＮＧ２、ＣＤＫＮ１Ａ、ＣＤＫＮ１Ｂ、ＥＳＲ１、ＦＡＳＬＧ、ＦＢＸＯ３２、ＧＡＤＤ４５Ａ、ＩＮＳＲ、ＭＸＩ１、ＮＯＳ３、ＰＣＫ１、ＰＯＭＣ、ＰＰＡＲＧＣ１Ａ、ＰＲＤＸ３、ＲＢＬ２、ＳＯＤ２、ＴＮＦＳＦ１０、から成る群から選択され、好ましくは、ＦＢＸＯ３２、ＢＣＬ２Ｌ１１、ＳＯＤ２、ＴＮＦＳＦ１０、ＢＣＬ６、ＢＴＧ１、ＣＣＮＧ２、ＣＤＫＮ１Ｂ、ＢＮＩＰ３、ＧＡＤＤ４５Ａ、ＩＮＳＲ、及びＭＸＩ１から成る群から選択され、
かつ／又は
３つ以上のＷｎｔ標的遺伝子が、ＣＥＭＩＰ、ＡＸＩＮ２、ＣＤ４４、ＲＮＦ４３、ＭＹＣ、ＴＢＸ３、ＴＤＧＦ１、ＳＯＸ９、ＡＳＣＬ２、ＣＸＣＬ８、ＳＰ５、ＺＮＲＦ３、ＥＰＨＢ２、ＬＧＲ５、ＥＰＨＢ３、ＫＬＦ６、ＣＣＮＤ１、ＤＥＦＡ６、及びＦＺＤ７から成る群から選択され、好ましくは、ＡＸＩＮ２、ＣＤ４４、ＬＧＲ５、ＣＥＭＩＰ、ＭＹＣ、ＣＸＣＬ８、ＳＯＸ９、ＥＰＨＢ３、ＲＮＦ４３、ＴＤＧＦ１、ＺＮＲＦ３、及びＤＥＦＡ６から成る群から選択され、
かつ／又は
３つ以上のＥＲ標的遺伝子が、ＣＤＨ２６、ＳＧＫ３、ＰＧＲ、ＧＲＥＢ１、ＣＡ１２、ＸＢＰ１、ＣＥＬＳＲ２、ＷＩＳＰ２、ＤＳＣＡＭ、ＥＲＢＢ２、ＣＴＳＤ、ＴＦＦ１、ＰＤＺＫ１、ＩＧＦＢＰ４、ＥＳＲ１、ＳＯＤ１、ＡＰ１Ｂ１、及びＮＲＩＰ１、から成る群から選択され、好ましくは、ＴＦＦ１、ＧＲＥＢ１、ＰＧＲ、ＳＧＫ３、ＰＤＺＫ１、ＩＧＦＢＰ４、ＮＲＩＰ１、ＣＡ１２、ＸＢＰ１、ＥＲＢＢ２、ＥＳＲ１、及びＣＥＬＳＲ２から成る群から選択され、
かつ／又は
３つ以上のＨＨ標的遺伝子が、ＧＬＩ１、ＰＴＣＨ１、ＰＴＣＨ２、ＩＧＦＢＰ６、ＳＰＰ１、ＣＣＮＤ２、ＦＳＴ、ＦＯＸＬ１、ＣＦＬＡＲ、ＴＳＣ２２Ｄ１、ＲＡＢ３４、Ｓ１００Ａ９、Ｓ１００Ａ７、ＭＹＣＮ、ＦＯＸＭ１、ＧＬＩ３、ＴＣＥＡ２、ＦＹＮ、及びＣＴＳＬ１、から成る群から選択され、好ましくは、ＧＬＩ１、ＰＴＣＨ１、ＰＴＣＨ２、ＣＣＮＤ２、ＩＧＦＢＰ６、ＭＹＣＮ、ＦＳＴ、ＲＡＢ３４、ＧＬＩ３、ＣＦＬＡＲ、Ｓ１００Ａ７、及びＳ１００Ａ９から成る群から選択されることである。
特に好ましいのは、３つ以上のＴＧＦ－β標的遺伝子が、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ａ、ＧＡＤＤ４５Ｂ、ＨＭＧＡ２、ＩＤ１、ＪＵＮＢ、ＰＤＧＦＢ、ＰＴＨＬＨ、ＳＥＲＰＩＮＥ１、ＳＧＫ１、ＳＫＩＬ、ＳＭＡＤ４、ＳＭＡＤ５、ＳＭＡＤ６、ＳＭＡＤ７、ＳＮＡＩ２、ＶＥＧＦＡから成る群から選択され、好ましくは、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ｂ、ＩＤ１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＳＫＩＬ、ＳＭＡＤ７、ＳＮＡＩ２、及びＶＥＧＦＡから成る群から選択され、最も好ましくは、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＩＤ１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＳＫＩＬ、及びＳＭＡＤ７から成る群から選択されることである。
特に好ましいのは、
３つ以上のＴＧＦ－β標的遺伝子が、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ｂ、ＩＤ１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＳＫＩＬ、ＳＭＡＤ７、ＳＮＡＩ２、及びＶＥＧＦＡであり、かつ／又は
３つ以上のＰＩ３Ｋ標的遺伝子が、ＦＢＸＯ３２、ＢＣＬ２Ｌ１１、ＳＯＤ２、ＴＮＦＳＦ１０、ＢＣＬ６、ＢＴＧ１、ＣＣＮＧ２、ＣＤＫＮ１Ｂ、ＢＮＩＰ３、ＧＡＤＤ４５Ａ、ＩＮＳＲ、及びＭＸＩ１であり、かつ／又は
３つ以上のＷｔ標的遺伝子が、ＡＸＩＮ２、ＣＤ４４、ＬＧＲ５、ＣＥＭＩＰ、ＭＹＣ、ＣＸＣＬ８、ＳＯＸ９、ＥＰＨＢ３、ＲＮＦ４３、ＴＤＧＦ１、ＺＮＲＦ３、及びＤＥＦＡ６であり、かつ／又は
３つ以上のＥＲ標的遺伝子が、ＴＦＦ１、ＧＲＥＢ１、ＰＧＲ、ＳＧＫ３、ＰＤＺＫ１、ＩＧＦＢＰ４、ＮＲＩＰ１、ＣＡ１２、ＸＢＰ１、ＥＲＢＢ２、ＥＳＲ１、及びＣＥＬＳＲ２であり、かつ／又は
３つ以上のＨＨ標的遺伝子が、ＧＬＩ１、ＰＴＣＨ１、ＰＴＣＨ２、ＣＣＮＤ２、ＩＧＦＢＰ６、ＭＹＣＮ、ＦＳＴ、ＲＡＢ３４、ＧＬＩ３、ＣＦＬＡＲ、Ｓ１００Ａ７、及びＳ１００Ａ９であることである。
別の開示態様によれば、本明細書に記載の本発明のキットは、本明細書に記載の本発明の方法を実施する際に使用される。
１つの利点は、たとえば、ＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路の確率論的又は他の数学経路モデルを使用することなどによる２つ以上の細胞シグナル伝達経路の解析に基づいて、特に、対象が疾患、たとえば癌、特に乳癌と関連した臨床事象を規定期間内に経験するリスクであって、細胞シグナル伝達経路の推測活性を組み合わせたものに基づいて決定されるリスク・スコアによって示されたリスクに基づいて、対象に対する治療を決定することによって臨床推奨を提供するように適合されている臨床判断支援（ＣＤＳ）システムにある。
別の利点は、対象が疾患、たとえば癌、特に乳癌と関連した臨床事象を規定期間内に経験する別々のリスクであって、２つ以上の細胞シグナル伝達経路の推測活性を組み合わせたものに基づいて決定されるリスク・スコアによって示された別々のリスクと関連付けられた、複数のリスク群のうちの少なくとも１つに対象を割り当てるように適合されているＣＤＳシステムにある。
別の利点は、対象が疾患、たとえば癌、特に乳癌と関連した臨床事象を規定期間内に経験する、２つ以上の細胞シグナル伝達経路の推測活性を組み合わせたものに基づいて決定されるリスク・スコアを、１つ又は複数の追加予後検査から得られた１つ又は複数のリスク・スコアと組み合わせることにある。
本明細書に記載の本発明はまた、たとえば、２つ以上の細胞シグナル伝達経路の推測活性を組み合わせたものに基づく予後及び／又は予測、及び／又は
２つ以上の細胞シグナル伝達経路の推測活性を組み合わせたものに基づく、たとえば化学療法及び／又はホルモン治療の薬効の予測、及び／又は
２つ以上の細胞シグナル伝達経路の推測活性を組み合わせたものに基づく薬効の監視、及び／又は
２つ以上の細胞シグナル伝達経路の推測活性を組み合わせたものに基づく薬物開発、及び／又は
２つ以上の細胞シグナル伝達経路の推測活性を組み合わせたものに基づくアッセイ開発、及び／又は
２つ以上の細胞シグナル伝達経路の推測活性を組み合わせたものに基づく癌進行度分類、に関連して有利に使用することもでき、
それぞれの場合で、細胞シグナル伝達経路には、ＴＧＦ－β経路と、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路のうちの１つ以上の経路とが含まれる。
さらなる利点は、添付の図、及び以下の説明を読み理解すれば、特に本明細書で以下に提示される詳細な実施例を読めば、当業者には明らかになろう。
請求項１に記載の方法、請求項１０に記載の装置、請求項１１に記載の非一時的記憶媒体、請求項１２に記載のコンピュータ・プログラム、請求項１３から１４に記載のキット、及び請求項１５に記載のキットの使用には、同様の、及び／又は同一の好ましい、特に、従属請求項に定義された実施形態があることを理解されたい。
本発明の好ましい実施形態はまた、従属請求項又は上記の実施形態を、それぞれの独立請求項と任意に組み合わせたものにもできることを理解されたい。
本発明の上記その他の態様は、以下に記載の実施形態から明らかになり、またそれを参照して解明されよう。
本発明では、標的遺伝子の固有の組の発現レベルの解析を利用する。特に適切な標的遺伝子は、以下の文字経路、並びに以下の実施例（たとえば、以下の表１から表２１参照）に記載されている。
すなわち、一実施形態では標的遺伝子が、表１、表２、表３、表４、表５、表６、表７、表８、表９、表１０、表１１、表１２、表１３、表１４、表１５、表１６、表１７、表１８、表１９、表２０、又は表２１に列挙された標的遺伝子から成る群から選択される。
ＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路それぞれの転写プログラムをモデル化するために使用される、本明細書ではベイジアン・ネットワーク・モデルである、数学モデルを概略的及び例示的に示す図である。 Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者の無病生存期間のカプラン・マイヤー・グラフである。３つの患者群は、ＴＧＦ－β経路とＰＩ３Ｋ経路の各推測活性を合わせたものである、ＭＰＳｔｐリスク・スコアの三分位値に基づいて分けられている。高リスク患者と低リスク患者の生存曲線間の差は明らかに有意である（対数順位検定は、ｐ＝１．７ｅ－９）。 Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者の無病生存期間のカプラン・マイヤー・グラフである。３つの患者群は、ＴＧＦ－β経路及びＷｎｔ経路の各推測活性を合わせたものである、ＭＰＳｔｗリスク・スコアの三分位値に基づいて分けられている。高リスク患者と低リスク患者の生存曲線間の差は明らかに有意である（対数順位検定は、ｐ＝２．９ｅ－３）。 Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者の無病生存期間のカプラン・マイヤー・グラフである。３つの患者群は、ＴＧＦ－β経路及びＥＲ経路の各推測活性を合わせたものである、ＭＰＳｔｅリスク・スコアの三分位値に基づいて分けられている。高リスク患者と低リスク患者の生存曲線間の差は明らかに有意である（対数順位検定は、ｐ＝８．７ｅ－９）。 Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者の無病生存期間のカプラン・マイヤー・グラフである。３つの患者群は、ＴＧＦ－β経路及びＨＨ経路の各推測活性を合わせたものである、ＭＰＳｔｈリスク・スコアの三分位値に基づいて分けられている。高リスク患者と低リスク患者の生存曲線間の差は明らかに有意である（対数順位検定は、ｐ＝５．８ｅ－９）。 Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者の無病生存期間のカプラン・マイヤー・グラフである。３つの患者群は、ＴＧＦ－β経路、ＰＩ３Ｋ経路及びＷｎｔ経路の各推測活性を合わせたものである、ＭＰＳｔｐｗリスク・スコアの三分位値に基づいて分けられている。高リスク患者と低リスク患者の生存曲線間の差は明らかに有意である（対数順位検定は、ｐ＝１．４ｅ－８）。 Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者の無病生存期間のカプラン・マイヤー・グラフである。３つの患者群は、ＴＧＦ－β経路、ＰＩ３Ｋ経路及びＥＲ経路の各推測活性を合わせたものである、ＭＰＳｔｐｅリスク・スコアの三分位値に基づいて分けられている。高リスク患者と低リスク患者の生存曲線間の差は明らかに有意である（対数順位検定は、ｐ＝７．１ｅ－１３）。 Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者の無病生存期間のカプラン・マイヤー・グラフである。３つの患者群は、ＴＧＦ－β経路、ＰＩ３Ｋ経路及びＨＨ経路の各推測活性を合わせたものである、ＭＰＳｔｐｈリスク・スコアの三分位値に基づいて分けられている。高リスク患者と低リスク患者の生存曲線間の差は明らかに有意である（対数順位検定は、ｐ＝１．５ｅ－１０）。 Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者の無病生存期間のカプラン・マイヤー・グラフである。３つの患者群は、ＴＧＦ－β経路、Ｗｎｔ経路及びＥＲ経路の推測活性を合わせたものである、ＭＰＳｔｗｅリスク・スコアの三分位値に基づいて分けられている。高リスク患者と低リスク患者の生存曲線間の差は明らかに有意である（対数順位検定は、ｐ＝４．１ｅ－７）。 Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者の無病生存期間のカプラン・マイヤー・グラフである。３つの患者群は、ＴＧＦ－β経路、Ｗｎｔ経路及びＨＨ経路の推測活性を合わせたものである、ＭＰＳｔｗｈリスク・スコアの三分位値に基づいて分けられている。高リスク患者と低リスク患者の生存曲線間の差は明らかに有意である（対数順位検定は、ｐ＝４．２ｅ－４）。 Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者の無病生存期間のカプラン・マイヤー・グラフである。３つの患者群は、ＴＧＦ－β経路、ＥＲ経路及びＨＨ経路の推測活性を合わせたものである、ＭＰＳｔｅｈリスク・スコアの三分位値に基づいて分けられている。高リスク患者と低リスク患者の生存曲線間の差は明らかに有意である（対数順位検定は、ｐ＝１．３ｅ－１０）。 Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者の無病生存期間のカプラン・マイヤー・グラフである。３つの患者群は、ＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路及びＥＲ経路の各推測活性を合わせたものである、ＭＰＳｔｐｗｅリスク・スコアの三分位値に基づいて分けられている。高リスク患者と低リスク患者の生存曲線間の差は明らかに有意である（対数順位検定は、ｐ＝６．８ｅ－１２）。 Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者の無病生存期間のカプラン・マイヤー・グラフである。３つの患者群は、ＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路及びＨＨ経路の各推測活性を合わせたものである、ＭＰＳｔｐｗｈリスク・スコアの三分位値に基づいて分けられている。高リスク患者と低リスク患者の生存曲線間の差は明らかに有意である（対数順位検定は、ｐ＝４．５ｅ－９）。 Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者の無病生存期間のカプラン・マイヤー・グラフである。３つの患者群は、ＴＧＦ－β経路、ＰＩ３Ｋ経路、ＥＲ経路及びＨＨ経路の各推測活性を合わせたものである、ＭＰＳｔｐｅｈリスク・スコアの三分位値に基づいて分けられている。高リスク患者と低リスク患者の生存曲線間の差は明らかに有意である（対数順位検定は、ｐ＝２．９ｅ－１２）。 Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者の無病生存期間のカプラン・マイヤー・グラフである。３つの患者群は、ＴＧＦ－β経路、Ｗｎｔ経路、ＥＲ経路及びＨＨ経路の推測活性を合わせたものである、ＭＰＳｔｗｅｈリスク・スコアの三分位値に基づいて分けられている。高リスク患者と低リスク患者の生存曲線間の差は明らかに有意である（対数順位検定は、ｐ＝６．６ｅ－１１）。 Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者の無病生存期間のカプラン・マイヤー・グラフである。３つの患者群は、ＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路及びＨＨ経路の各推測活性を合わせたものである、ＭＰＳｔｐｗｅｈリスク・スコアの三分位値に基づいて分けられている。高リスク患者と低リスク患者の生存曲線間の差は明らかに有意である（対数順位検定は、ｐ＝８．６ｅ－１２）。 Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者の無病生存期間のカプラン・マイヤー・グラフである。３つの患者群は、ＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路及びＨＨ経路の選択標的遺伝子と関連付けられた各プローブセットを合わせたものである、ＭＰＳｐｒｏｂｅｓｅｔｓリスク・スコアの三分位値に基づいて分けられている。高リスク患者と低リスク患者の生存曲線間の差は明らかに有意である（対数順位検定は、ｐ＝１．３ｅ－７）。 ５年（下方、点線）及び１０年（上方、実線）の無病生存期間の可能性を、例として非密封ＭＰＳｔｐｗｅｈを使用して示すグラフである。 対象が臨床事象を特定の期間内に経験するリスクを示すリスク・スコアを決定するように構成された、本明細書に開示の臨床判断支援（ＣＤＳ）システムを示す図である。 リスク・スコアをＰＩ３Ｋ経路及び追加の細胞シグナル伝達経路の標的遺伝子の発現レベルの測定に基づいて決定するプロセスを例示的に示す流れ図である。 生存データを用いた複数経路スコア（ＭＰＳ）モデルを較正するプロセスを例示的に示す流れ図である。 較正された複数経路スコア（ＭＰＳ）モデルからリスク・スコアを計算するプロセスを例示的に示す流れ図である。 細胞シグナル伝達経路の標的遺伝子のＲＴ－ｑＰＣＲ解析からＣｑ値を決定するプロセスを例示的に示す流れ図である。 １２９４乳癌試料についての活性（Ｐ＞０．５）経路の分布を示すグラフである。活性経路の合計は、活性であることが試料で判明している複数の経路が患者にあり得るので、患者の総数を超えている。 １２９４乳癌試料についての限界活性（Ｐ＞０．２）経路の分布を示すグラフである。活性経路の合計は、活性であることが試料で判明している複数の経路が患者にあり得るので、患者の総数を超えている。 経路活性に応じて分けられた、１１６９人の乳癌患者の無再発生存期間のカプラン・マイヤー・グラフである。 ＭＰＳの高い（丸）及び低い（四角）三分位値に応じて分けられた１１６９人の乳癌患者の無再発生存期間のカプラン・マイヤー・グラフである。 １１６９人の患者の無再発生存期間の一変量及び多変量のコックス回帰を示す図であり、ＰＡＲのｐ値が両側になっている。 １２９４人の乳癌患者のうち少なくとも２つの活性経路がある１６７人（１３％）についての、活性経路の各組合せの出現頻度を示すグラフである。 管腔Ａサブタイプに対するＰＡＭ５０アルゴリズムの内因性サブタイプによる、乳癌サブタイプについての経路活性の分布を示すグラフである。 ＰＡＭ５０アルゴリズムの内因性サブタイプによる、乳癌サブタイプについての経路活性の分布のカプラン・マイヤー・グラフ、及び管腔Ａサブタイプに対するサブタイプ内のＭＰＳスコアの低い（四角）及び高い（丸）三分位値による、関連する無再発生存期間を示すグラフであり、示されたｐ値は対数順位統計を用いて計算されている。 管腔Ｂサブタイプに対するＰＡＭ５０アルゴリズムの内因性サブタイプによる、乳癌サブタイプについての経路活性の分布を示すグラフである。 ＰＡＭ５０アルゴリズムの内因性サブタイプによる、乳癌サブタイプについての経路活性の分布のカプラン・マイヤー・グラフ、及び管腔Ｂサブタイプに対するサブタイプ内のＭＰＳスコアの低い（四角）及び高い（丸）三分位値による、関連する無再発生存期間を示すグラフであり、示されたｐ値は対数順位統計を用いて計算されている。 ＨＥＲ２豊富サブタイプに対するＰＡＭ５０アルゴリズムの内因性サブタイプによる、乳癌サブタイプについての経路活性の分布を示すグラフである。 ＰＡＭ５０アルゴリズムの内因性サブタイプによる、乳癌サブタイプについての経路活性の分布のカプラン・マイヤー・グラフ、及びＨＥＲ２豊富サブタイプに対するサブタイプ内のＭＰＳスコアの低い（四角）及び高い（丸）三分位値による、関連する無再発生存期間を示すグラフであり、示されたｐ値は対数順位統計を用いて計算されている。 Ｂａｓａｌサブタイプに対するＰＡＭ５０アルゴリズムの内因性サブタイプによる、乳癌サブタイプについての経路活性の分布を示すグラフである。 ＰＡＭ５０アルゴリズムの内因性サブタイプによる、乳癌サブタイプについての経路活性の分布のカプラン・マイヤー・グラフ、及びＢａｓａｌサブタイプに対するサブタイプ内のＭＰＳスコアの低い（四角）及び高い（丸）三分位値による、関連する無再発生存期間を示すグラフであり、示されたｐ値は対数順位統計を用いて計算されている。 正常様サブタイプに対するＰＡＭ５０アルゴリズムの内因性サブタイプによる、乳癌サブタイプについての経路活性の分布を示すグラフである。 ＰＡＭ５０アルゴリズムの内因性サブタイプによる、乳癌サブタイプについての経路活性の分布のカプラン・マイヤー・グラフ、及び正常様サブタイプに対するサブタイプ内のＭＰＳスコアの低い（四角）及び高い（丸）三分位値による、関連する無再発生存期間を示すグラフであり、示されたｐ値は対数順位統計を用いて計算されている。 ＭＰＳと２１遺伝子再発スコア（ＲＳ）の比較を示すグラフである。検定組の１００５人の患者について、ＲＳ、ＭＰＳ及び結合スコアが記載のように計算された。疾患再発率が５年以内のＭＰＳ（三角）、２１遺伝子ＲＳ（四角）及び結合スコア（丸）の関数として。 ＭＰＳと２１遺伝子再発スコア（ＲＳ）の比較を示すグラフである。検定組の１００５人の患者について、ＲＳ、ＭＰＳ及び結合スコアが記載のように計算された。疾患再発率が１０年以内のＭＰＳ（三角）、２１遺伝子ＲＳ（四角）及び結合スコア（丸）の関数として。 ＭＰＳと２１遺伝子再発スコア（ＲＳ）の比較を示すグラフである。検定組の１００５人の患者について、ＲＳ、ＭＰＳ及び結合スコアが記載のように計算された。図２９Ａに対応する、ＭＰＳ、２１遺伝子再発スコア（ＲＳ）及び結合スコアの５年間分布が示されている。 ＭＰＳと２１遺伝子再発スコア（ＲＳ）の比較を示すグラフである。検定組の１００５人の患者について、記載のＲＳ、ＭＰＳ及び結合スコアが計算された。図２９Ｂに対応する、ＭＰＳ、２１遺伝子再発スコア（ＲＳ）及び結合スコアの１０年間の分布が示されている。 ＭＰＳと２１遺伝子再発スコア（ＲＳ）の比較を示すグラフである。検定組の１００５人の患者について、ＲＳ、ＭＰＳ及び結合スコアが記載のように計算された。５年以内の疾患再発のＲＯＣ曲線（＊ ｐ＜０．０５、＊＊ ｐ＜０．０１、＊＊＊＊ ｐ＜０．０００１）は、ＭＰＳとＲＳが同等であることを示すが、両関数の結合スコアが統計的により正確である。 ＭＰＳと２１遺伝子再発スコア（ＲＳ）の比較を示すグラフである。検定組の１００５人の患者について、ＲＳ、ＭＰＳ及び結合スコアが記載のように計算された。１０年以内の疾患再発のＲＯＣ曲線（＊ ｐ＜０．０５、＊＊ ｐ＜０．０１、＊＊＊＊ ｐ＜０．０００１）は、ＭＰＳがＲＳよりも統計的により正確であることを示す。 精漿又は５ｎｇ／ｍＬのＴＧＦ－β３（ＧＳＥ３５８３０）で刺激された子宮頸部上皮細胞（Ｅｃｔ１）に対し「１１標的遺伝子リスト」を使用する、訓練されたベイジアン・ネットワーク・モデルのＴＧＦ－β細胞シグナル伝達経路活性予測を示すグラフである。（説明文 １－ コントロール、ＴＧＦ－βなし、２－ １０％精漿で刺激、３－ ５ｎｇ／ｍＬのＴＧＦ－β３で刺激） 精漿又は５ｎｇ／ｍＬのＴＧＦ－β３（ＧＳＥ３５８３０）で刺激された子宮頸部上皮細胞（Ｅｃｔ１）に対し「１１標的遺伝子＋ＳＥＲＰＩＮＥ１リスト」を使用する、訓練されたベイジアン・ネットワーク・モデルのＴＧＦ－β細胞シグナル伝達経路活性予測を示すグラフである。（説明文 １－ コントロール、ＴＧＦ－βなし、２－ １０％精漿で刺激、３－ ５ｎｇ／ｍＬのＴＧＦ－β３で刺激） １０ｎｇ／ｍＬのＴＮＦ及び２ｎｇ／ｍＬのＴＧＦ－β（ＧＳＥ４２３７３）で刺激された、又は刺激されないＡ５４９肺腺癌細胞株の２Ｄ及び３Ｄ培養において「１１標的遺伝子リスト」を使用する、訓練されたベイジアン・ネットワーク・モデルのＴＧＦ－β細胞シグナル伝達経路活性予測を示すグラフである。（説明文 １－ ２Ｄコントロール、２－ ２Ｄ ＴＧＦ－β及びＴＮＦα、３－ ３Ｄコントロール、４－ ３Ｄ ＴＧＦ－β及びＴＮＦα） １０ｎｇ／ｍＬのＴＮＦ及び２ｎｇ／ｍＬのＴＧＦ－β（ＧＳＥ４２３７３）で刺激された、又は刺激されないＡ５４９肺腺癌細胞株の２Ｄ及び３Ｄ培養において「１１標的遺伝子＋ＳＥＲＰＩＮＥ１リスト」を使用する、訓練されたベイジアン・ネットワーク・モデルのＴＧＦ－β細胞シグナル伝達経路活性予測を示すグラフである。（説明文 １－ ２Ｄコントロール、２－ ２Ｄ ＴＧＦ－β及びＴＮＦα、３－ ３Ｄコントロール、４－ ３Ｄ ＴＧＦ－β及びＴＮＦα） 神経膠腫患者、及びＧＳＥ１６０１１からのいくつかのコントロール試料に対し「１１標的遺伝子リスト」を使用する、訓練されたベイジアン・ネットワーク・モデルのＴＧＦ－β細胞シグナル伝達経路活性予測を示すグラフである。（説明文 １－ 星状細胞腫（グレードＩＩ）、２－ 星状細胞腫（グレードＩＩＩ）、３－ コントロール、４－ 多形膠芽腫（グレードＩＶ）、５－ 乏突起膠星細胞腫瘍（グレードＩＩ）、６－ 乏突起膠星細胞腫（グレードＩＩＩ）、７－ 乏突起膠細胞系腫瘍（グレードＩＩ）、８－ 乏突起膠細胞系腫瘍（グレードＩＩＩ）、９－ 毛様細胞性星状細胞腫（グレードＩ）） 神経膠腫患者、及びＧＳＥ１６０１１からのいくつかのコントロール試料に対し「１１標的遺伝子＋ＳＥＲＰＩＮＥ１リスト」を使用する、訓練されたベイジアン・ネットワーク・モデルのＴＧＦ－β細胞シグナル伝達経路活性予測を示すグラフである。（説明文 １－ 星状細胞腫（グレードＩＩ）、２－ 星状細胞腫（グレードＩＩＩ）、３－ コントロール、４－ 多形膠芽腫（グレードＩＶ）、５－ 乏突起膠星細胞腫瘍（グレードＩＩ）、６－ 乏突起膠星細胞腫瘍（グレードＩＩＩ）、７－ 乏突起膠細胞系腫瘍（グレードＩＩ）、８－ 乏突起膠細胞系腫瘍（グレードＩＩＩ）、９－ 毛様細胞性星状細胞腫（グレードＩ））
以下の例は単に、特に好ましい方法、及びそれに関連する選択された態様を例示するにすぎない。以下で提供される教示を用いて、いくつかの試験及び／又はキットを構築することができる。以下の例は、本発明の範囲を限定するものと解釈されるべきではない。
実施例１ ２つ以上の細胞シグナル伝達経路の活性の推測
公開されている国際特許出願ＷＯ２０１３／０１１４７９Ａ２（「Ａｓｓｅｓｓｍｅｎｔ ｏｆ ｃｅｌｌｕｌａｒ ｓｉｇｎａｌｉｎｇ ｐａｔｈｗａｙ ａｃｔｉｖｉｔｙ ｕｓｉｎｇ ｐｒｏｂａｂｉｌｉｓｔｉｃ ｍｏｄｅｌｉｎｇ ｏｆ ｔａｒｇｅｔ ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎ」）に詳細に記載されているように、確率モデル、たとえばベイジアン・モデルを構築すると共に、いくつかの異なる標的遺伝子の発現レベルと細胞シグナル伝達経路の活性との間の条件付き確率関係を組み込むことによって、このようなモデルを使用して、細胞シグナル伝達経路の活性を高い精度で決定することができる。さらに、確率モデルは、容易に更新して、より最近の臨床研究によって得られた付加的な知識を組み込むことが、条件付き確率を調整することによって、及び／又は新しいノードをモデルに追加して付加的な情報源を表すことによって可能である。このようにして、確率モデルは、最近の医学的知識を具現化するのに適切なように更新することができる。
この手法を使用する場合、Ｗｎｔ標的遺伝子、ＥＲ標的遺伝子、及びＨＨ標的遺伝子は、好ましくはＷＯ２０１３／０１１４７９Ａ２のセクション「Ｅｘａｍｐｌｅ ３： Ｓｅｌｅｃｔｉｏｎ ｏｆ ｔａｒｇｅｔ ｇｅｎｅｓ」及び「Ｅｘａｍｐｌｅ ４： Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｅｖｉｄｅｎｃｅ ｃｕｒａｔｅｄ ｌｉｓｔ ａｎｄ ｂｒｏａｄ ｌｉｔｅｒａｔｕｒｅ ｌｉｓｔ」に記載された方法に従って選択され、確率モデルは、好ましくはＷＯ２０１３／０１１４７９Ａ２の「Ｅｘａｍｐｌｅ ５： Ｔｒａｉｎｉｎｇ ａｎｄ ｕｓｉｎｇ ｔｈｅ Ｂａｙｅｓｉａｎ ｎｅｔｗｏｒｋ」に記載された方法に従って訓練される。Ｗｎｔ経路、ＥＲ経路、及びＡＲ経路の活性を決定するために使用される標的遺伝子の適切な選択は、添付の特許請求の範囲に定義されている。
公開されている国際特許出願ＷＯ２０１４／１０２６６８Ａ２（「Ａｓｓｅｓｓｍｅｎｔ ｏｆ ｃｅｌｌｕｌａｒ ｓｉｇｎａｌｉｎｇ ｐａｔｈｗａｙ ａｃｔｉｖｉｔｙ ｕｓｉｎｇ ｌｉｎｅａｒ ｃｏｍｂｉｎａｔｉｏｎ（ｓ） ｏｆ ｔａｒｇｅｔ ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎｓ」）に詳細に記載されている、理解及び解釈するのが容易な別の手法では、特定の細胞シグナル伝達経路の活性は、細胞シグナル伝達経路の１つ又は複数の標的遺伝子の発現レベルと転写因子（ＴＦ）要素の活性レベルとの間の関係を組み込む数学モデル（たとえば、線形又は（擬似）線形モデル）を構築することによって決定される。このＴＦ要素は、細胞シグナル伝達経路の１つ又は複数の標的遺伝子の転写を制御し、このモデルは、１つ又は複数の標的遺伝子の発現レベルの１つ又は複数の一次結合に基づいている。
この手法を使用する場合、Ｗｎｔ標的遺伝子、ＥＲ標的遺伝子、及びＨＨ標的遺伝子は、好ましくはＷＯ２０１４／１０２６６８Ａ２のセクション「Ｅｘａｍｐｌｅ ２： Ｓｅｌｅｃｔｉｏｎ ｏｆ ｔａｒｇｅｔ ｇｅｎｅｓ」及び「Ｅｘａｍｐｌｅ ３： Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｅｖｉｄｅｎｃｅ ｃｕｒａｔｅｄ ｌｉｓｔ ａｎｄ ｂｒｏａｄ ｌｉｔｅｒａｔｕｒｅ ｌｉｓｔ」に記載された方法に従って選択され、確率モデルは、好ましくはＷＯ２０１４／１０２６６８Ａ２の「Ｅｘａｍｐｌｅ ４： Ｔｒａｉｎｉｎｇ ａｎｄ ｕｓｉｎｇ ｔｈｅ ｍａｔｈｅｍａｔｉｃａｌ ｍｏｄｅｌ」に記載された方法に従って訓練される。添付の特許請求の範囲に定義された標的遺伝子の選択もまた、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路の活性をこの後者の手法によって決定するのに有効である。
２つの異なる手法に関して、１つ又は複数の標的遺伝子の発現レベルは、好ましくはｍＲＮＡのレベルの測定値とすることができ、この測定値は、たとえば、標的遺伝子ｍＲＮＡ配列と関連付けられたプローブを使用する（ＲＴ）－ＰＣＲ及びマイクロアレイ技法、並びにＲＮＡ配列決定の結果とすることができる。別の実施形態では、１つ又は複数の標的遺伝子の発現レベルは、タンパク質レベルによって、たとえば標的遺伝子によってコードされたタンパク質の濃度によって、測定することができる。
上記の発現レベルは、任意選択で、この用途によりよく適切であることもないこともある多くの方法で変換することができる。たとえば、４つの異なる発現レベル、たとえばマイクロアレイによるｍＲＮＡレベルの変換は、
「連続データ」にすること、すなわち、ＭＡＳ５．０及びｆＲＭＡなどのよく知られているアルゴリズムを使用してマイクロアレイの処理後に得られる発現レベルとすること、
「ｚスコア」にすること、すなわち、全試料の平均が０になり標準偏差が１になるように基準化された連続発現レベルとすること、
「離散的」にすること、すなわち、ある特定の閾値を超えるすべての発現が１に、それ未満が０に設定される（たとえば、プローブセットの閾値は、いくつかの陽性の臨床試料と同じ数の陰性の臨床試料の組におけるその値の中央値に選ぶことができる）ものとすること、
「ファジー」にすること、すなわち、連続発現レベルが０と１の間の値に、次式
１／（１＋ｅｘｐ（（ｔｈｒ－ｅｘｐｒ）／ｓｅ））
のシグモイド関数を使用して変換されるものとすることができ、ここで、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と１の間の差に影響を及ぼす軟化パラメータである。
構築することができる最も簡単なモデルの１つは、第１の層の転写因子（ＴＦ）を表すノードと、たとえばマイクロアレイ又は（ｑ）ＰＣＲ実験において、第２の層の特定の標的遺伝子と特に高い相関関係がある１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値を表す重み付けノードとを有するモデルである。重みは、訓練データ・セットからの計算に基づくこと、又は専門的知識に基づくことができる。複数の発現レベルが標的遺伝子ごとに測定される可能性がある場合に（たとえば、１つの標的遺伝子が複数のプローブセットを用いて測定され得るマイクロアレイ実験の場合に）、標的遺伝子ごとに１つの発現レベルしか使用しないというこの手法は、特に単純である。特定の標的遺伝子に使用される１つの発現レベルを選択する具体的な方法は、訓練データ・セットの活性試料と不活性試料を最善に分離できるプローブセットによる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１つの方法は、統計的検定、たとえばｔ検定を行い、最小のｐ値を持つプローブセットを選択することである。最小のｐ値を持つ、訓練データ・セットの発現レベルのプローブは、定義により、（既知の）活性及び不活性試料の発現レベルが重なり合う確率が最小のプローブである。もう１つの選択方法は、オッズ比に基づく。このようなモデルでは、１つ又は複数の発現レベルが１つ又は複数の標的遺伝子のそれぞれに与えられ、１つ又は複数の一次結合が、１つ又は複数の標的遺伝子のそれぞれに重み付け項を含む一次結合を含み、各重み付け項は、それぞれの標的遺伝子に与えられた１つ又は複数の発現レベルのうちのただ１つの発現レベルに基づいている。ただ１つの発現レベルが標的遺伝子ごとに上述のように選ばれる場合、そのモデルは「最も判別的なプローブセット」モデルと呼ぶことができる。
「最も判別的なプローブセット」モデルの代替形態では、複数の発現レベルが標的遺伝子ごとに測定される可能性がある場合に、標的遺伝子ごとに与えられるすべての発現レベルを利用することが可能である。このようなモデルでは、１つ又は複数の発現レベルが１つ又は複数の標的遺伝子のそれぞれに与えられ、１つ又は複数の一次結合が、１つ又は複数の標的遺伝子に与えられた１つ又は複数の発現レベルのうちの全発現レベルの一次結合を含む。言い換えると、１つ又は複数の標的遺伝子それぞれについて、それぞれの標的遺伝子に与えられた１つ又は複数の発現レベルのそれぞれに、一次結合においてそれ自体の（個々の）重みによって重み付けすることができる。この変形形態は、「全プローブセット」モデルと呼ぶことができる。これには、与えられた発現レベルすべてを利用しながらも比較的単純であるという利点がある。
上述の両モデルには、「単層」モデルとみなせるものであるという共通点があり、ＴＦ要素の活性レベルは、発現レベルの一次結合に基づいて計算される。
ＴＦ要素の活性レベルがそれぞれの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要素活性レベルは、細胞シグナル伝達経路の活性を推測するための閾値とすることができる。このような適切な閾値を計算する方法は、不活性経路を有することが分かっている訓練試料の決定されたＴＦ要素活性レベルｗｌｃと、活性経路を持つ訓練試料とを比較することである。そのようにする、またこれらの群において分散も考慮に入れる方法は、閾値
Figure 0007065610000001
 を使用して与えられ、
ここで、σ及びμは訓練試料の標準偏差及び平均値である。少数の試料しか活性及び／又は不活性訓練試料において入手できない場合には、擬似数を計算分散に、２つの群の分散の平均に基づいて加えることができる。
Figure 0007065610000002
 ここで、νは、群の決定されたＴＦ要素活性レベルｗｌｃの分散であり、ｘは正の擬似数、たとえば１又は１０であり、ｎａｃｔ及びｎｐａｓはそれぞれ活性試料及び不活性試料の数である。標準偏差σは、分散νの平方根をとることによって得ることができる。
閾値は、解釈を容易にするために、ＴＦ要素ｗｌｃの決定された活性レベルから差し引いて、細胞シグナル伝達経路の活性スコアを得ることができ、それにより、負の値が不活性細胞シグナル伝達経路に対応し、正の値が活性細胞シグナル伝達経路に対応するようになる。
説明した「単層」モデルの代替形態として、ある経路の活性信号伝達を実験的に決定することを表す「２層」モデルを使用することができる。すべての標的遺伝子について要約レベルが、一次結合を使用して、その関連するプローブセットの測定強度に基づいて計算される（「第１の（下部）層」）。計算要約値は引き続き、別の一次結合を使用して、経路の他の標的遺伝子の要約値と結合される（「第２の（上部）層」）。重みは、訓練データ・セットから、若しくは専門的知識に基づいて、又はこれらを合わせたものに基づいて、知ることができる。別の言い方をすると、「２層」モデルにおいて、１つ又は複数の発現レベルが１つ又は複数の標的遺伝子のそれぞれに与えられ、１つ又は複数の一次結合は、１つ又は複数の標的遺伝子のそれぞれに対し、それぞれの標的遺伝子に与えられた１つ又は複数の発現レベルのうちの全発現レベルの第１の一次結合を含む（第１の（下部）層）。このモデルはさらに、１つ又は複数の標的遺伝子のそれぞれに重み付け項を含む別の一次結合に基づいており、各重み付け項は、それぞれの標的遺伝子の第１の一次結合に基づいている（「第２の（上部）層」）。
要約値の計算は、「２層」モデルの好ましいバージョンでは、訓練データを使用して各標的遺伝子の閾値を定義すること、及び計算された一次結合から閾値を差し引いて遺伝子要約を得ることを含む。ここで、閾値は、負の遺伝子要約レベルが下方調節標的遺伝子に対応し、正の遺伝子要約レベルが上方調節標的遺伝子に対応するように選ぶことができる。また、遺伝子要約値が、たとえば上述の変換（ファジー、離散など）の１つを使用して、それらが「第２の（上部）層」で結合される前に変換されるということも可能性がある。
ＴＦ要素の活性レベルが、「２層」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要素活性レベルは、上述のように、細胞シグナル伝達経路の活性を推測するための閾値とすることができる。
本明細書では、ＷＯ２０１４／１０２６６８Ａ２に関連して上述したモデルが「（擬似）線形モデル」と総称される。
数学モデル構築に関する上記の説明は、ＴＧＦ－β経路及びＰＩ３Ｋ経路の活性の推測、標的遺伝子の選択及び訓練にもまた当てはまり、また数学モデルの使用は、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路と比較して、ＴＧＦ－β経路及びＰＩ３Ｋ経路に対してある程度修正された。したがって、これらのステップは、ＴＧＦ－β経路について以下でより詳細に説明される。その後、これは、ＰＩ３Ｋ経路について説明される。
（Ａ）ＴＧＦ－β経路
（ｉ）標的遺伝子の選択
転写因子（ＴＦ）は、タンパク質複合体（すなわち、特定の構造で結合したタンパク質の複合化したもの）又はタンパク質であり、特定のＤＮＡ配列に結合することによって標的遺伝子からの転写を調節し、それによってＤＮＡからｍＲＮＡへの遺伝情報の転写を制御することができる。このＴＦ複合体の作用により直接産生されたｍＲＮＡは、本明細書では（転写因子の）「直接標的遺伝子」と呼ばれる。細胞シグナル伝達経路活性化によりまた、「間接標的遺伝子」と呼ばれる、さらなる第２の遺伝子転写が生じ得る。以下では、細胞シグナル伝達経路活性とｍＲＮＡレベルの間の直接連結として直接標的遺伝子を含む、又は直接標的遺伝子から成る（擬似）線形モデル又はベイジアン・ネットワーク・モデルが（例示的数学モデルとして）好ましいが、直接標的遺伝子と間接標的遺伝子の差異がいつも明らかであるとは限らない。本明細書では、スコアリング関数を使用して、利用可能な科学文献データに基づき直接標的遺伝子を選択する方法が提示される。それにもかかわらず、限られた情報並びに生物学的バリエーション及び不確実性により、間接標的遺伝子の偶発的な選択を除外することはできない。標的遺伝子を選択するために、「ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｐｕｂｍｅｄ」でアクセスすることができ、本明細書では別に「Ｐｕｂｍｅｄ」と呼ばれる、国立保健研究所のＭＥＤＬＩＮＥデータベースが使用されて選択標的遺伝子のリストが生成された。
推定ＴＧＦ－β標的遺伝子を含む刊行物は、２０１３年の第４四半期及び２０１４年の第１四半期の期間に、（「ＴＧＦ－β」 ＡＮＤ 「ｔａｒｇｅｔ ｇｅｎｅ」）などの照会文を使用することによって探索された。得られた刊行物はさらに、以下で詳細に説明する方法論に従って、手作業で解析された。
特定の細胞シグナル伝達経路ｍＲＮＡ標的遺伝子が科学文献から、ランキング・システムを使用することによって選択され、特定の標的遺伝子の科学的証拠が、証拠が累積された科学実験のタイプに応じて格付けされた。一部の実験的証拠は、たとえば、ＴＧＦ－β細胞シグナル伝達軸が活性であることが分かっている細胞株のマイクロアレイ上で、増加するプローブセットの強度によって検出される増加するｍＲＮＡのように、遺伝子が直接標的遺伝子であることを単に示唆するにすぎないが、別の証拠は、同定された細胞シグナル伝達経路ＴＦ結合部位と、細胞内の特定の細胞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と、細胞株における細胞シグナル伝達経路の特定の刺激後のｍＲＮＡの増加とを合わせたもののように、非常に強力になり得る。
特定の細胞シグナル伝達経路標的遺伝子を見つける実験のいくつかのタイプを科学文献で特定することができる。
１．対象の細胞シグナル伝達経路のＴＦがゲノム上のその結合部位に直接結合することが示される、ＣｈＩＰ実験。例として、クロマチン免疫沈降（ＣｈＩＰ）技術を引き続き使用することによって、ＴＧＦ－β経路の、たとえばＴＧＦ－βを用いた刺激による、活性誘導がある細胞株とない細胞株のＤＮＡの推定機能ＴＧＦ－β ＴＦ結合部位が、純粋にヌクレオチド配列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。推定機能が、ＴＦがＤＮＡ結合部位に結合することが見出されたというＣｈＩＰ由来の証拠として同定された。
２．結合配列を含むＤＮＡの断片へのＴＦの結合を生体外で示す電気泳動移動度シフト（ＥＭＳＡ）アッセイ。ＣｈＩＰによる証拠と比較して、ＥＭＳＡによる証拠は、それを生体外状況に変換することができないので、あまり強力ではない。
３．細胞シグナル伝達経路を刺激すること、及びｍＲＮＡ発現を、マイクロアレイ、ＲＮＡ配列決定、定量ＰＣＲ又は他の技法を使用して測定すること、細胞シグナル伝達経路誘導性細胞株を使用すること、及び誘導後の少なくとも１つの時点、しかし好ましくはいくつかの時点で測定されたｍＲＮＡプロファイルを、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測定すること。したがって誘導されたｍＲＮＡは直接標的遺伝子であると考えられる。
４．３と同様であるが、別法として、ｍＲＮＡ発現をさらに下流で、ウエスタンブロット法などのタンパク質存在量測定法を用いて測定する。
５．バイオ・インフォマティクス手法を使用してゲノム内のＴＦ結合部位を同定すること。ＴＧＦ－β ＴＦ要素の例として、ＳＭＡＤ結合モチーフ５’－ＡＧＡＣ－３’を使用して、ヒトゲノム配列に対しソフトウェア・プログラムが実行され、潜在的な結合部位が、遺伝子プロモータ領域でも他の遺伝子領域でも同定された。
６．３と同様であるが、ただシクロヘキシミドがない状態で。
７．４と同様であるが、ただシクロヘキシミドがない状態で。
最も単純な形で、遺伝子が転写因子のＴＧＦ－βファミリーの標的遺伝子であると同定されたこれらの実験的手法のそれぞれについて、すべての潜在的遺伝子に１ポイントを与えることができる。この相対的なランキング方策を使用して、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。
或いは別の方法のランキングを使用して、生体外直接標的遺伝子に最も多くの証拠をもたらす技術により多くのポイント数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ことができる。上記のリストでは、これは、実験手法１）では８ポイント、２）では７ポイントになり、実験手法８）では１ポイントまで下がっていくということになる。このようなリストは、「一般的な標的遺伝子リスト」と呼ぶことができる。
生物学的バリエーション及び不確実性にもかかわらず、本発明者らは、直接標的遺伝子が、組織に依存せずに誘導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「標的遺伝子の証拠精選リスト」と呼ぶことができる。このような標的遺伝子の証拠精選リストを使用して、様々な組織源から来る試料に適用できるＴＧＦ－β経路の計算モデルを構築した。
以下では、どのようにして証拠精選標的遺伝子リストの選択がＴＧＦ－β経路について具体的に構築されたかを例示的に示す。
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ーアッセイ、配列解析などの実験的証拠のタイプごとにポイントを与えるスコアリング関数が導入された。同一の実験的証拠が場合により複数の刊行物に記載されていて、その結果、対応するポイント数が得られ、たとえば、２つの刊行物が１つのＣｈＩＰ結果について述べていると、単一のＣｈＩＰ結果に与えられるスコアの２倍になる。さらなる解析が行われて、１つのタイプの実験的証拠しかない、たとえば差次的発現ではなく、多様なタイプの実験的証拠がある遺伝子だけが認められた。利用可能な複数のタイプの実験的証拠があるこれらの遺伝子が選択された（表１に示す）。
標的遺伝子の証拠精選リスト（表１に列挙）の別の選択が、本発明者らによって行われた。訓練試料からＴＧＦ－β経路の活性を決定する上でより証拠となることが判明した証拠精選リストの標的遺伝子が選択された。ここでは、５ｎｇ／ｍＬのＴＧＦ－βで４時間刺激されたＧＳＥ１７７０８からの試料が、活性又は腫瘍促進ＴＧＦ－β活性として選択されたのに対し、非刺激試料は、訓練のための非活性又は腫瘍抑制ＴＧＦ－β試料として選択された。別法として、ＴＧＦ－βで刺激され、それが取り除かれた一次細胞又は他の細胞株の患者試料、たとえばＧＳＥ６６５３、ＧＳＥ４２３７３及びＧＳＥ１８６７０を使用することもできる。負に制御された標的遺伝子に対し２を超える、又は０．５未満の、活性と不活性の訓練試料の間の「軟」オッズ比を有するすべての標的遺伝子が、「２０標的遺伝子ショートリスト」に選ばれた。１０を超える、又は０．１未満の「軟」オッズ比を有することが判明した標的遺伝子が、「１２標的遺伝子ショートリスト」に選ばれる。「７標的遺伝子ショートリスト」は、１５を超える、又は１／１５未満の「軟」オッズ比を有することが判明した標的遺伝子から成る。これら２０標的遺伝子ショートリスト、１２標的遺伝子ショートリスト、及び７標的遺伝子ショートリストは、それぞれ表２から表４に示されている。
Figure 0007065610000003
Figure 0007065610000004
Figure 0007065610000005
Figure 0007065610000006
ＴＧＦ－βの利用可能な文献証拠の改定が２０１５年１月に行われ、これには２０１５年１月１９日までのすべての新しい科学論文もまた含められた。同様に、刊行物が、「ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｐｕｂｍｅｄ」でアクセスできる国立保健研究所のＭＥＤＬＩＮＥデータベースを、（「ＴＧＦ－β」 ＡＮＤ 「ｔａｒｇｅｔ ｇｅｎｅ」）などの照会文を用いながら、使用して見出された。ＴＧＦ－βの推定標的遺伝子であるいくつかの標的遺伝子の実験的証拠を求めて、科学論文を上記の実施例２に記載の方法論を用いて手作業で評価した後に、２０１３年の第４四半期及び２０１４年の第１四半期の間の初期評価では活用されなかった、いくつかの推定ＴＧＦ－β標的遺伝子が見出された。すべての利用可能な実験的証拠が再評価され、推定標的遺伝子の新しい順位付けが、推定標的遺伝子についての利用可能な実験的証拠の強さに基づいて、この実施例に記載の方法論を用いて用意された。この結果、１つの追加推定ＴＧＦ－β標的遺伝子ＳＥＲＰＩＮＥ１が得られて、設定閾値を超える実験的証拠スコアを得た。その結果として、ＳＥＲＰＩＮＥ１がＴＧＦ－β経路の真の直接標的遺伝子とみなされ、改善されたＴＧＦ－β経路活性レベル計算値が検査された。１１個の最高順位付け標的遺伝子、すなわちＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ｂ、ＩＤ１、ＪＵＮＢ、ＳＫＩＬ、ＳＭＡＤ７、ＳＮＡＩ２及びＶＥＧＦＡに、本明細書に記載のものと同じデータ及び方法論を用いて訓練されている新たに選択されたＳＥＲＰＩＮＥ１が加えられ、又は差し引かれたものに基づいた２つのベイジアン・ネットワークを使用し、その結果として、「１１標的遺伝子＋ＳＥＲＰＩＮＥ１リスト」（表５参照）及び「１１標的遺伝子リスト」（表６参照）がそれぞれ得られた。
Figure 0007065610000007
Figure 0007065610000008
ＳＥＲＰＩＮＥ１遺伝子を追加して含むことに基づいて、ＴＧＦ－βの標的遺伝子リストは、表７及び表８に記載の、追加の非限定的実施形態に改定することができる。
Figure 0007065610000009
Figure 0007065610000010
１つ又は複数の標的遺伝子を経路活性レベルの数学的推測に含めることが経路活性レベルの予測に及ぼす影響は小さいと予想され、その影響は、経路活性レベルが細かく増減するものと予期される。しかし、この予期される影響に加えて、著しく異なる経路活性レベルがいくつかの例にあることが判明しており、これは、予想外の有利な影響を経路活性推測に及ぼすＳＥＲＰＩＮＥ１によってしか説明することができない。
図３０及び図３１は、精漿若しくは５ｎｇ／ｍＬのＴＧＦ－β３で刺激された、又は刺激されないＥｃｔ１細胞株の、ＧＳＥ３５８３０の両モデルを使用するＴＧＦ－β細胞シグナル伝達経路活性の予測を示す。ＳＥＲＰＩＮＥ１を追加標的遺伝子として含むことにより、不活性試料を検出するモデルの能力が高い精度で改善することが明確に見てとれる。さらに、精漿で刺激された第２の群と、ＴＧＦ－β３で刺激された第３の群とのモデル予測は、それがＴＧＦ－β細胞シグナル伝達経路の高い活性を予測するものであるため、より正確である。
改善したＴＧＦ－β細胞シグナル伝達経路活性予測の第２の例は、ＴＮＦ及びＴＧＦ－βで刺激された、又は刺激されない、２Ｄ及び３Ｄ培養で増殖させたＡ５４９肺腺癌細胞株試料において見出される。「１１標的遺伝子リスト」ベイジアン・ネットワーク・モデルと「１１標的遺伝子＋ＳＥＲＰＩＮＥ１」ベイジアン・ネットワーク・モデルの両方を使用するモデル予測が、図３２及び図３３に示されている。ＥＭＴが、刺激があった３Ｄ培養モデルにおいてのみ効率的に誘発された（群４）。このＥＭＴの誘発は、「１１標的遺伝子リスト」モデルと比べると、「１１標的遺伝子リスト＋ＳＥＲＰＩＮＥ１リスト」モデルにおいて、また群３と群４の相対的差異が考察される場合にも、高い精度で診断される。
第３の例は、ＧＳＥ１６０１１の神経膠腫患者といくつかのコントロール試料の両モデルを使用するＴＧＦ－β細胞シグナル伝達経路活性予測である。ＴＧＦ－βシグナル伝達が神経膠腫において重要な役割を果たすことが文献により知られている（Ｂ．Ｋａｍｉｎｓｋａらの「ＴＧＦ ｂｅｔａ ｓｉｇｎａｌｉｎｇ ａｎｄ ｉｔｓ ｒｏｌｅ ｉｎ ｇｌｉｏｍａ ｐａｔｈｏｇｅｎｅｓｉｓ」、Ａｄｖａｎｃｅｓ ｉｎ Ｅｘｐｅｒｉｍｅｎｔａｌ Ｍｅｄｉｃｉｎｅ ａｎｄ Ｂｉｏｌｏｇｙ，Ｖｏｌ．９８６，２０１３、１７１～１８７頁参照）。ＴＧＦ－β標的遺伝子の「１１標的遺伝子＋ＳＥＲＰＩＮＥ１リスト」に基づくベイジアン・ネットワークは、「１１標的遺伝子」ベイジアン・ネットワークと比べて、活性試料からの不活性試料の分離を改善する。加えて、高い割合の患者に活性ＴＧＦ－β細胞シグナル伝達経路があると予測され、これは、科学的コンセンサスにいっそう即している（たとえば、Ｋａｍｉｎｓｋａら参照）。さらに、正常な脳試料には不活性ＴＧＦ－β細胞シグナル伝達経路が高い確率であることが予測され、これは、ＴＧＦ－β細胞シグナル伝達経路がその腫瘍抑制の役又は不活性の役にあると予想されることと合致する。
改善されたＴＧＦ－β細胞シグナル伝達経路活性予測を、数学経路モデルにＳＥＲＰＩＮＥ１を含めることによって実証する最後の例は、ＧＳＥ１６０１１の２８４人の神経膠腫患者についてのコックスの回帰解析の結果を、ベイジアン・ネットワーク・モデルを使用して、ＴＧＦ－β標的遺伝子の「１１標的遺伝子＋ＳＥＲＰＩＮＥ１リスト」及び標的遺伝子の「１１標的遺伝子リスト」に基づいて比較することによって示される。図３４及び図３５に示されるように、ＴＧＦ－β細胞シグナル伝達経路活性の確率のハザード比は、ＴＧＦ－β標的遺伝子の「１１標的遺伝子＋ＳＥＲＰＩＮＥ１リスト」が使用される場合に有意に高くなり、２．５７、ｐ＝７．８７×１０－１０対２．３３、ｐ＝３．０６×１０－７である。
（ｉｉ）数学経路モデルの訓練及び使用
数学経路モデルを使用して対象の細胞シグナル伝達経路の、本明細書ではＴＧＦ－β経路の、活性を推測することができるようにするには、モデルが適切に訓練されなければならない。
数学経路モデルが、ＴＧＦ－β ＴＦ要素に関連する条件付き確率と、対象の試料で測定されたＴＧＦ－β経路の３つ以上の標的遺伝子の発現レベルとに基づく、確率的なモデル、たとえばベイジアン・ネットワーク・モデルである場合、訓練は、好ましくは、公開されている国際特許出願ＷＯ２０１３／０１１４７９Ａ２（「Ａｓｓｅｓｓｍｅｎｔ ｏｆ ｃｅｌｌｕｌａｒ ｓｉｇｎａｌｉｎｇ ｐａｔｈｗａｙ ａｃｔｉｖｉｔｙ ｕｓｉｎｇ ｐｒｏｂａｂｉｌｉｓｔｉｃ ｍｏｄｅｌｉｎｇ ｏｆ ｔａｒｇｅｔ ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎ」）に詳細に記載されているように実施することができる。
数学経路モデルが、対象の試料で測定されたＴＧＦ－β経路の３つ以上の標的遺伝子の発現レベルの１つ又は複数の一次結合に基づいている場合、訓練は、公開された国際特許出願ＷＯ２０１４／１０２６６８Ａ２号（「Ａｓｓｅｓｓｍｅｎｔ ｏｆ ｃｅｌｌｕｌａｒ ｓｉｇｎａｌｉｎｇ ｐａｔｈｗａｙ ａｃｔｉｖｉｔｙ ｕｓｉｎｇ ｌｉｎｅａｒ ｃｏｍｂｉｎａｔｉｏｎ（ｓ） ｏｆ ｔａｒｇｅｔ ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎｓ」）に詳細に記載されているように実施することができる。
本明細書では、図２に示された例示的なベイジアン・ネットワーク・モデルが使用されて、ＴＧＦ－β経路の転写プログラムが簡単にモデル化された。モデルは、３つのタイプのノードから成る。すなわち、（ａ）第１の層１としての転写因子（ＴＦ）要素（状態「不在」及び「存在」で）、（ｂ）第２の層２としての標的遺伝子ＴＧ１、ＴＧ２、ＴＧｎ（状態「上」及び「下」で）、並びに（ｃ）第３の層３としての標的遺伝子の発現レベルと関連付けられた測定ノード、である。これらは、本明細書で以前に用いられたように、マイクロアレイプローブセットＰＳ１，１、ＰＳ１，２、ＰＳ１，３、ＰＳ２，１、ＰＳｎ，１、ＰＳｎ，ｍ（状態「低」及び「高」で）とすることができるが、ＲＮＡｓｅｑ又はＲＴ－ｑＰＣＲなどの他の遺伝子発現測定値とすることもできる。
数学経路モデルの、本明細書では例示的ベイジアン・ネットワーク・モデルの、適切な実施態様はマイクロアレイ・データに基づいている。このモデルは、（ｉ）標的遺伝子の発現レベルがどのようにＴＦ要素の活性化に依存するか、及び（ｉｉ）プローブセット強度が、ひいては、どのようにそれぞれの標的遺伝子の発現レベルに依存するか、について記述する。後者については、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）から広範に入手可能である、ｆＲＭＡ事前処理アフィメトリクスＨＧ－Ｕ１３３Ｐｌｕｓ２．０マイクロアレイにより取得することができる。
例示的なベイジアン・ネットワーク・モデルは細胞シグナル伝達経路の、本明細書ではＴＧＦ－β経路の、生物学の単純化であるので、また生物学的測定には一般にノイズが伴うので、確率論的アプローチが選択される。すなわち、（ｉ）ＴＦ要素と標的遺伝子、及び（ｉｉ）標的遺伝子とそれらの各プローブセット、の間の関係が確率論的用語で記述される。さらに、腫瘍増殖を促進する癌化細胞シグナル伝達経路の活性は、一時的及び動的に変化するのではなく、長期に、さらには不可逆的にも変化すると仮定された。したがって、例示的なベイジアン・ネットワーク・モデルは、静的細胞状態の解釈のために開発された。この理由のために、複雑な動的細胞シグナル伝達経路特性はモデルに組み込まれなかった。
例示的なベイジアン・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３の層３における観察結果としてのプローブセット測定値を入力することによって、またＴＦ要素が「存在」する確率がどうなるはずであったかをモデルで逆に推測することによって、新しい試料のマイクロアレイ・データに対して使用することができる。ここで、「存在」とは、ＴＦ要素がＤＮＡに結合し、細胞シグナル伝達経路の標的遺伝子の転写を制御している現象であると考えられ、「不在」とはＴＦエレメントが転写を制御していない場合であると考えられる。したがって、この確率は、細胞シグナル伝達経路の、本明細書ではＴＧＦ－β細胞シグナル伝達経路の、活性を示すために使用できる一次読み出しであり、これは次に、活性であることと不活性であることの確率の比をとることによって、細胞シグナル伝達経路が活性であるオッズに変換することができる（すなわち、オッズはｐ／（１－ｐ）で与えられ、ｐは細胞シグナル伝達経路が活性であることの予測確率である）。
例示的なベイジアン・ネットワーク・モデルでは、確率論的関係が、定量的な確率的推論を可能にするために定量的になっている。組織型全体にわたって一般化挙動を改善するために、（ｉ）ＴＦ要素と標的遺伝子、の間の確率論的関係を記述するパラメータが慎重に精選された。ＴＦ要素が「不在」である場合、標的遺伝子は「下」になる可能性が最も高く、したがって、これには０．９５の確率が選ばれ、標的遺伝子が「上」になることには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（たとえば測定ノイズの故に）偶発的に「上」であると観察される（まれな）可能性に相当するものである。ＴＦ要素が「存在」する場合、０．７０の確率で標的遺伝子は「上」と考えられ、０．３０の確率で標的遺伝子は「下」と考えられる。後者の値は、ＴＦ要素が存在しても標的遺伝子が高度に発現しないいくつかの原因があり得るので、たとえば、遺伝子のプロモータ領域がメチル化されるので、このように選ばれる。標的遺伝子がＴＦ要素によって上には調節されないが下には調節される場合には、確率は同じようにして選ばれるが、ＴＦ要素が存在することに対し下方調節を反映する。（ｉｉ）標的遺伝子とそれらの各プローブセット、の間の関係を記述するパラメータは、実験データに対して較正された。後者に関して、この例では、活性ＴＧＦ－β経路があることが知られている患者試料からのマイクロアレイ・データが使用されたのに対し、同じデータベースの正常で健康な試料が不活性ＴＧＦ－β経路試料として使用されたが、これはまた、細胞株実験結果、又は既知の細胞シグナル伝達経路活性状態の他の患者試料を使用して行うこともできる。得られた条件付き確率表を以下に示す。
Figure 0007065610000011
これらの表では、変数ＡＬｉ，ｊ、ＡＨｉ，ｊ、ＰＬｉ，ｊ、及びＰＨｉ，ｊは、「低」（Ｌ）又は「高」（Ｈ）プローブセット強度をそれぞれ有する「不在」（Ａ）又は「存在」（Ｐ）転写複合体がある較正試料の数を示す。０及び１の極端な確率を回避するために、ダミー数が加えられた。
観測されたプローブセット強度を離散化するために、各プローブセットＰＳｉ，ｊに対し閾値ｔｉ，ｊが使用され、これに満たない観察値は「低」と呼ばれ、これを超える観察値は「高」と呼ばれる。この閾値は、使用された較正データセット中のプローブセットの（重み付け）中心強度になるように選ばれた。マイクロアレイ・データにノイズが伴うことにより、ファジー法が、観察プローブセット強度をその閾値と比較するときに、報告強度まわりで０．２５（ｌｏｇ２スケールで）の標準偏差による正規分布を仮定することによって、また閾値の下及び上の確率質量を決定することによって、使用された。
本明細書で上述の例示的なベイジアン・ネットワークの代わりに上述の（擬似）線形モデルが使用された場合には、モデルを使用して試験試料の細胞シグナル伝達経路活性を推測できるようにするには、ノードと、ノードが「不在」であるか、それとも「存在」すると呼ぶための閾値との間の相関性の符号及び大きさを示す重みが決定される必要がある。専門的知識を用いてこれらの重み及び閾値を先験的に埋めることができるが、一般には、モデルは訓練試料の代表的な組を使用して訓練され、その好ましくはグランド・トルースが、たとえば、既知の「存在」転写因子複合体（＝活性細胞シグナル伝達経路）又は「不在」転写因子複合体（＝不活性細胞シグナル伝達経路）を有する試料中のプローブセットの発現データが、知られている。
当分野では、モデル・トポロジを考慮に入れる、またモデル・パラメータ、ここでは重み及び閾値を、モデル出力、ここでは重み付け線形スコアが最適になるように変更する、多数の訓練アルゴリズム（たとえば、回帰）が知られている。或いは、観察された発現レベルから直接重みを計算することも、最適化アルゴリズムを必要とせずに、可能である。
第１の方法、本明細書では「白黒」法という名称、は煎じ詰めると３進法であり、各重みは組｛－１，０，１｝のうちの１つの要素になる。これが生物学的文脈において言われる場合には、－１及び１が、細胞シグナル伝達経路活性の場合にそれぞれ下方及び上方調節される標的遺伝子又はプローブセットに対応する。プローブセット又は標的遺伝子が上方調節されるか、又は下方調節されるか統計的に証明され得ない場合には、プローブセット又は標的遺伝子は０の重みを受け取る。１つの例では、左側及び右側の、活性細胞シグナル伝達経路試料の発現レベル対不活性細胞シグナル伝達経路を有する試料の発現レベル、の２試料ｔ検定を用いて、プローブ又は遺伝子が上方調節されるか、それとも下方調節されるかを、使用された訓練データを前提として判定することができる。活性試料の平均が不活性試料よりも統計的に大きい、すなわち、ｐ値が特定の閾値、たとえば０．３未満である場合、標的遺伝子又はプローブセットは、上方調節されると判定される。逆に活性試料の平均が不活性試料よりも統計的に小さい場合には、標的遺伝子又はプローブセットは、細胞シグナル伝達経路が活性化すると下方調節される、と判定される。最低ｐ値（左側又は右側）が前述の閾値を超える場合には、標的遺伝子又はプローブセットの重みは０と定義することができる。
本明細書で「対数オッズ」重みという名称の第２の方法は、オッズ比の対数（たとえば、底ｅ）に基づいている。各標的遺伝子又はプローブセットのオッズ比は、プローブセット／標的遺伝子レベルが対応する閾値の、たとえば全訓練試料の（重み付け）中央値の、上及び下にある正及び負の訓練試料の数に基づいて計算される。擬似数を加えて、ゼロによる割り算を回避することができる。さらなる改善点は、プローブセット／標的遺伝子レベルが、たとえば、その観察値のまわりに特定の指定された標準偏差（たとえば、２ｌｏｇスケールで０．２５）で正規分布していると仮定することによって、また閾値の上及び下の確率質量を数えることによって、閾値の上／下の試料をある程度より統計的に数えることである。本明細書では、擬似数と組み合わせて、かつ決定的な測定値の代わりに確率質量を使用して、計算されたオッズ比は「軟」オッズ比と呼ばれる。
標的遺伝子発現の数学モデルを用いて細胞シグナル伝達経路活性を推測することに関するこれ以上の詳細は、Ｖｅｒｈａｅｇｈ Ｗ．ら、「Ｓｅｌｅｃｔｉｏｎ ｏｆ ｐｅｒｓｏｎａｌｉｚｅｄ ｐａｔｉｅｎｔ ｔｈｅｒａｐｙ ｔｈｒｏｕｇｈ ｔｈｅ ｕｓｅ ｏｆ ｋｎｏｗｌｅｄｇｅ－ｂａｓｅｄ ｃｏｍｐｕｔａｔｉｏｎａｌ ｍｏｄｅｌｓ ｔｈａｔ ｉｄｅｎｔｉｆｙ ｔｕｍｏｒ－ｄｒｉｖｉｎｇ ｓｉｇｎａｌ ｔｒａｎｓｄｕｃｔｉｏｎ ｐａｔｈｗａｙｓ」、Ｃａｎｃｅｒ Ｒｅｓｅａｒｃｈ，Ｖｏｌ．７４，Ｎｏ．１１，２０１４年、２９３６～２９４５頁、に見出すことができる。
本明細書では、５ｎｇ／ｍＬ ＴＧＦ－βで処理され、その結果としてＴＧＦ－β経路の腫瘍促進活性（以降、ＴＧＦ－β活性と呼ぶ）となった、及びＴＧＦ－β刺激なしのコントロール実験の結果として、ＴＧＦ－β経路の腫瘍抑制活性（以降、ＴＧＦ－β不活性と呼ぶ）となった、ヒトＡ５４９肺腺癌細胞株試料の発現データが較正のために使用された。これらのマイクロアレイは、ＧＳＥ１７７０８のもとで遺伝子発現オムニバスから公的に利用可能である（ＧＥＯ、ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｇｅｏ／、最終アクセス２０１４年３月５日）。５ｎｇ／ｍＬ ＴＧＦ－βで４時間刺激された試料が、訓練のための不活性すなわち腫瘍抑制ＴＧＦ－β試料として選ばれた非刺激試料と比較された、選択遺伝子（表１参照）の観測された折りたたみ変化に基づいて、活性すなわち腫瘍促進ＴＧＦ－β細胞株の代表として選ばれた。別法として、ＴＧＦ－βで刺激され、それが取り除かれた一次細胞又は他の細胞株の患者試料、たとえばＧＳＥ６６５３、ＧＳＥ４２３７３及びＧＳＥ１８６７０を使用することができ、かつ／又はＴＧＦ－β標的遺伝子のショートリスト（表２から表４参照）を使用することができる。
（Ｂ）ＰＩ３Ｋ経路
（ｉ）標的遺伝子の選択
以下では、細胞シグナル伝達経路活性とｍＲＮＡレベルの間の直接連結として直接標的遺伝子を含む、又は直接標的遺伝子から成るベイジアン・ネットワークが（例示的数学モデルとして）好ましいが、直接標的遺伝子と間接標的遺伝子の差異がいつも明らかであるとは限らない。本明細書では、スコアリング関数を使用して、利用可能な科学文献データに基づき直接標的遺伝子を選択する方法が提示される。それにもかかわらず、限られた情報並びに生物学的バリエーション及び不確実なことがらにより、間接標的遺伝子の偶発的な選択を除外することはできない。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２つのリポジトリが、標的遺伝子の２つのリストを生成するために使用された。
標的遺伝子の第１のリストは、「ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｐｕｂｍｅｄ」でアクセスすることができ、本明細書では別に「Ｐｕｂｍｅｄ」と呼ばれる、国立保健研究所のＭＥＤＬＩＮＥデータベースから検索された科学文献に基づいて生成された。推定ＦＯＸＯ標的遺伝子を含む刊行物は、２０１３年の第１四半期の期間に、（ＦＯＸＯ ＡＮＤ 「ｔａｒｇｅｔ ｇｅｎｅ」）などの照会文を使用することによって探索された。得られた刊行物はさらに、以下で詳細に説明する方法論に従って、手作業で解析された。
証拠を蓄積した科学実験のタイプに応じて特定の標的遺伝子の科学的証拠が格付けされたランキング・システムを使用することによって、特定の細胞シグナル伝達経路ｍＲＮＡ標的遺伝子が科学文献から選択された。一部の実験的証拠は、たとえば、ＰＩ３Ｋ細胞シグナル伝達軸が活性であることが分かっている細胞株のマイクロアレイ上で増加するｍＲＮＡのように、遺伝子が標的遺伝子であることを単に示唆するにすぎないが、別の証拠は、同定された細胞シグナル伝達経路ＴＦ結合部位と、細胞内の特定の細胞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と、細胞株における細胞シグナル伝達経路の特定の刺激後のｍＲＮＡの増加とを合わせたもののように、非常に強力になり得る。
特定の細胞シグナル伝達経路標的遺伝子を見つける実験のいくつかのタイプを科学文献で特定することができる。
１．細胞シグナル伝達経路－ＴＦからゲノム上のその結合部位までの直接結合が示される、ＣｈＩＰ実験。例として、クロマチン免疫沈降（ＣｈＩＰ）技術を引き続き使用することによって、ＰＩ３Ｋ経路の活性誘導がある細胞株とない細胞株のＤＮＡの推定機能ＦＯＸＯ ＴＦ結合部位が、純粋にヌクレオチド配列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。推定機能が、ＴＦがＤＮＡ結合部位に結合することが見出されたというＣｈＩＰ由来の証拠として同定された。
２．結合配列を含むＤＮＡの断片へのＴＦの結合を生体外で示す電気泳動移動度シフト・アッセイ（ＥＭＳＡ）。ＣｈＩＰによる証拠と比較して、ＥＭＳＡによる証拠は、それを生体外状況に変換することができないので、あまり強力ではない。
３．細胞シグナル伝達経路を刺激すること、及びマイクロアレイ上でｍＲＮＡプロファイルを測定すること、或いはＲＮＡ配列決定を使用すること、細胞シグナル伝達経路誘導性細胞株を使用すること、及び誘導後のいくつかの時点で測定されたｍＲＮＡプロファイルを、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測定すること。したがって誘導されたｍＲＮＡは直接標的遺伝子であると考えられる。
４．３と同様であるが、ｍＲＮＡの量を測定するために定量ＰＣＲを使用すること。
５．バイオ・インフォマティクス手法を使用してゲノム内のＴＦ結合部位を同定すること。ＦＯＸＯ ＴＦ要素の例として、保存されたＦＯＸＯ結合モチーフ５’－ＴＴＧＴＴＴＡＣ－３’を使用して、ヒトゲノム配列に対しソフトウェア・プログラムが実行され、潜在的な結合部位が、遺伝子プロモータ領域でも他の遺伝子領域でも同定された。
６．３と同様であるが、ただシクロヘキシミドがない状態で。
７．４と同様であるが、ただシクロヘキシミドがない状態で。
８．細胞シグナル伝達経路が活性であることが分かっている特定の組織又は細胞試料のｍＲＮＡ発現プロファイリングであるが、適切なネガティブ・コントロール条件がない状態で。
最も単純な形で、標的ｍＲＮＡが同定されたこれらの実験的手法のそれぞれについて、すべての潜在的標的ｍＲＮＡに１ポイントを与えることができる。
或いは、ポイントを漸増的に与えて、１つの技術が１ポイントになるようにすることができ、第２の技術が第２のポイントを付加し、以下同様とすることもできる。この比較的単純なランキング方策を使用して、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。
或いは別の方法のランキングを使用して、生体外直接標的遺伝子に最も多くの証拠をもたらす技術により多くのポイント数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ことができる。上記のリストでは、これは、実験手法１）では８ポイント、２）では７ポイントになり、実験手法８）では１ポイントまで下がっていくということになる。このようなリストは、「一般的標的遺伝子リスト」と呼ぶことができる。
生物学的バリエーション及び不確実性にもかかわらず、本発明者らは、直接標的遺伝子が、組織に依存せずに誘導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「標的遺伝子の証拠精選リスト」と呼ぶことができる。このような標的遺伝子の証拠精選リストを使用して、様々な組織源から来る試料に適用できるＰＩ３Ｋ経路の計算モデルを構築した。
以下では、どのようにして証拠精選標的遺伝子リストの選択がＰＩ３Ｋ経路について具体的に構築されたかを例示的に示す。
「モデル」の入力として使用されるＰＩ３Ｋ標的遺伝子を選択する目的のために、以下の３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、ＰＩ３Ｋ経路の活性に反応することが、たとえば、特定のＦＯＸＯモチーフがレポーター遺伝子に連結される一過性トランスフェクション・アッセイによって証明されなければならない。
ｂ．ＦＯＸＯモチーフの存在が、たとえば、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／エンハンサ領域に生体外で（差次的に）結合し、これはたとえば、ＣｈＩＰ／ＣＨＩＰ実験又は別のクロマチン免疫沈降技法によって実証される。
ａ．ＦＯＸＯは、ＰＩ３Ｋ経路が活性ではないとき、遺伝子のプロモータ／エンハンサ領域に結合することが証明され、また
ｂ．ＰＩ３Ｋ経路が活性であるとき、（好ましくは）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（又は弱く結合する）。
３．遺伝子は、ＰＩ３Ｋ経路の活性が変化するとき差次的に転写され、これはたとえば、
ａ．リアル・タイムＰＣＲ若しくはマイクロアレイ実験による、問題となっている遺伝子のｍＲＮＡの折りたたみ強化、又は
ｂ．免疫沈降アッセイによる、ＲＮＡ Ｐｏｌ ＩＩが遺伝子のプロモータ領域に結合することの実証、
によって実証される。
選択は、十分かつ適切に記述された実験的証拠が集められて、上述の３つすべての基準が満たされたことを証明された遺伝子を、ＰＩ３Ｋ標的遺伝子として定義することによって行われた。ＰＩ３Ｋの差次的結合の証拠を集めるための適切な実験は、たとえば、タモキシフェンにさらされたとき、又はさらされないときにタモキシフェンに反応してＰＩ３Ｋ経路の活性を発現する癌細胞株（たとえば、ＦＯＸＯ．Ａ３．ＥＲなどの、タモキシフェン誘導性ＦＯＸＯ構造物を形質移入された細胞株）におけるＣｈＩＰ－Ｓｅｑ実験の結果を比較することである。ｍＲＮＡ転写の証拠を集めることについても同様である。
上記では、上述の手法を使用して見つかった証拠に基づいていくつかの標的遺伝子を選択するために使用された、標的遺伝子選択手順の一般的手法及びより具体的な例について論じている。ＰＩ３Ｋ経路についてベイジアン・ネットワーク・モデルに使用された標的遺伝子のリストは、表９に示されている。
Figure 0007065610000012
Figure 0007065610000013
標的遺伝子の第２のリストは、Ｔｈｏｍｓｏｎ－ＲｅｕｔｅｒｓのＭｅｔａｃｏｒｅ（最終アクセス２０１３年５月１４日）の中に提供されている、手作業で精選された科学文献のデータベースを使用して生成された。このデータベースは、ヒトＦＯＸＯ転写因子（すなわち、ＦＯＸＯｌ、ＦＯＸＯ３Ａ、ＦＯＸＯ４及びＦＯＸＯ６）のファミリーの下流で直接転写調節される遺伝子に関して照会された。この照会により、３３６個の推定ＦＯＸＯ標的遺伝子が得られ、これらはさらに以下のように解析された。まず、支持する刊行物が１つしかない推定ＦＯＸＯ標的遺伝子がすべて取り除かれた。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ーアッセイ、配列解析などの実験的証拠のタイプごとにポイントを与えるスコアリング関数が導入された。同一の実験的証拠が場合により複数の刊行物に記載されていて、その結果、対応するポイント数が得られ、たとえば、２つの刊行物が１つのＣｈＩＰ結果について述べていると、単一のＣｈＩＰ結果に与えられるスコアの２倍になる。さらなる解析が行われて、１つのタイプの実験的証拠しかない、たとえば差次的発現しかないのではなく、多様なタイプの実験的証拠がある遺伝子だけが認められた。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つ以上の証拠スコアがある推定ＦＯＸＯ標的遺伝子がすべて選択された（表１０に示す）。６つというカットオフレベルは、経路活性を決定するにはおおよそ３０個の標的遺伝子でほぼ十分であることが事前に明らかになっているので、ヒューリスティックに選ばれた。
これらの標的遺伝子のリストは「標的遺伝子のデータベースによるリスト」と呼ぶことができる。このような精選標的遺伝子リストを使用して、異なる組織源から来る試料に適用できる計算モデルを構築した。
Figure 0007065610000014
標的遺伝子の第３のリストは前述の２つのリスト、すなわち証拠精選リスト（表９参照）、及びデータベースによるリスト（表１０参照）に基づいて生成された。これら２つのリストから遺伝子をさらに選択するために、３つの基準が使用された。第１の基準は、標的遺伝子に起因する機能に関連する。遺伝子に起因する機能は科学文献に見出すことができるが、ＮＩＨのＯＭＩＭデータベース（「ｈｔｔｐ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｏｍｉｍ」によってアクセス可能）などの公共データベースで入手できることが多い。アポトーシス、細胞周期、腫瘍抑制／進行、ＤＮＡ修復、分化などの、癌にとって極めて重要なプロセスに関与することに帰することが分かった、表９の証拠精選リスト及び表１０のデータベースによるリストからの標的遺伝子が、第３のリストに選択された。最後に、既知の低ＰＩ３Ｋ／高ＦＯＸＯ活性に対して既知の高ＰＩ３Ｋ／低ＦＯＸＯ活性を用いた細胞株実験で、高い差次的発現があることが分かった標的遺伝子が選択された。本明細書では、複数試料について平均されたＦＯＸＯ転写の「オン」と「オフ」の状態間に（本明細書では、プローブセット・レベルで）２０．５の最小発現差がある標的遺伝子が第３のリストに含められた。第３の基準は、最も判別可能な標的遺伝子を選択することが特に狙いとされた。既知の高ＰＩ３Ｋ／低ＦＯＸＯ活性を用いた複数の試料の細胞株実験、及び既知の低ＰＩ３Ｋ／高ＦＯＸＯ活性を用いた複数の試料の細胞株実験における発現レベルに基づいて、オッズ比（ＯＲ）が計算された。
遺伝子の機能、「オン」対「オフ」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に入れると、ＰＩ３Ｋシグナル伝達経路の活性の決定の際により証拠となると考えられた標的遺伝子のセットが見つかった（表１１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」と呼ぶことができる。したがって、表１１に報告された標的遺伝子は、本発明によれば特に好ましい。それにもかかわらず、マイクロアレイなどの取得技術により遺伝子の大きい組の発現レベルを比較的容易に取得できることをかんがみて、表１１の標的遺伝子の一部又は全部を利用すること、並びに任意選択で、表９及び表１０の残りの標的遺伝子のうちの１つ、２つ、一部又は全部を付加的に使用することが企図されている。加えて、ＰＩ３Ｋ標的遺伝子の「１２標的遺伝子ショートリスト」が、ＴＧＦ－β標的遺伝子に関する上記のこの実施例に記載のように生成された。
Figure 0007065610000015
Figure 0007065610000016
（ｉｉ）数学経路モデルの訓練及び使用
ＴＧＦ－β経路の数学経路モデルの訓練及び使用に関する上記の説明はまた、ＰＩ３Ｋ経路の数学経路モデルの訓練及び使用にも当てはまる。
本明細書では、４０ＨＴにより刺激すると誘導可能であるＦＯＸＯコンストラクトの安定したトランスフェクションを用いたＨＵＶＥＣ細胞の発現、についての公的に入手可能なデータ（Ｇｅｎｅ Ｅｘｐｒｅｓｓｉｏｎ Ｏｍｎｉｂｕｓから入手可能なＧＳＥ１６５７３、最終アクセス２０１４年１０月６日）が、ＰＩ３Ｋ経路モデルを訓練する一例として使用された。４０ＨＴにより１２時間刺激された、誘導可能なＦＯＸＯコンストラクトを持つ細胞株はＦＯＸＯ活性試料（ｎ＝３）とみなされたのに対し、不活性ＦＯＸＯ試料は、４０ＨＴ刺激なしのコンストラクトを持つ細胞株であった（ｎ＝３）。
（Ｃ）Ｗｎｔ経路
Ｗｎｔ標的遺伝子の選択については以前に、ＷＯ２０１３／０１１４７９Ａ２及びＷＯ２０１４／１０２６６８Ａ２に記載されている。Ｗｎｔ経路の「標的遺伝子の証拠精選リスト」（表１３参照）は、Ｗｎｔ経路の「標的遺伝子のショートリスト」（表１４参照）及びＷｎｔ標的遺伝子の「１２標的遺伝子ショートリスト」（表１５参照）を生成するために、上記のこの実施例でＰＩ３Ｋ標的遺伝子について説明されているように使用された。
Figure 0007065610000017
Figure 0007065610000018
Figure 0007065610000019
（Ｄ）ＥＲ経路
ＷＯ２０１３／０１１４７９Ａ２及びＷＯ２０１４／１０２６６８Ａ２と比較して、本明細書では、新しい文献証拠が追加されたので、ＥＲ標的遺伝子の順位がわずかに変えられていることに留意されたい。ＥＲ標的遺伝子は、ＷＯ２０１４／１０２６６８Ａ２の実施例３に記載されたのと同じようにして選択され順位付けされた。遺伝子は、文献証拠スコアと各遺伝子の個々の機能とを組み合わせてモデル内の活性経路と不活性経路とを区別することによって、順位付けされた。この順位付けは、エストロゲンを枯渇させ、引き続き枯渇させたままにされた、又は１ｎＭエストロゲンに２４時間曝露された（ＧＳＥ３５４２８）ＭＣＦ７細胞株試料の訓練セットを用いてモデルを訓練したときに、また、モデルをその訓練セットと、ＭＣＦ７細胞がエストロゲンを枯渇させ、引き続き枯渇させたままにされた、又は１０ｎＭ若しくは２５ｎＭエストロゲン（それぞれ、ＧＳＥ１１３５２及びＧＳＥ８５９７）に曝露された別の２つの訓練セットとを用いて試験したときに遺伝子ごとに得られた、重み付けされた偽正比率と偽負比率の一次結合に基づいた。
（重み付けされた偽正数と偽負数の組合せ（オッズ比の代わり）は、様々なセットに使用された異なる実験条件に相当するように使用されたことに留意されたい。異なる重みは、偽正数（負数）はモデルの結果であり、異なる実験条件に試料が置かれた結果ではなかったという発明者の確信に従って、設定された。たとえば、すべての実験において、ＭＣＦ７細胞株試料は、まずエストロゲンをある期間枯渇させた後にエストロゲンに曝露されるか、又はさらにもう２４時間枯渇させた。枯渇時間が短いと、エストロゲン枯渇にもかかわらず経路が活性のままになっている可能性があり、この場合には、試験試料と訓練試料の両方が同じ時間枯渇されたときよりも、偽正数は重みが小さい。）
以下でさらに詳細に論じる、さらなる文献調査と、活性試料と不活性試料の間の差次的発現の大きさの検査とに基づいて、ＰＤＺＫ１がＥＲ経路の直接標的遺伝子として選択された。この（ＰＩ３Ｋの）実施例で説明した類似の方法論を用いて、推定ＥＲ標的遺伝子の実験的証拠に関する追加の科学論文を手作業で評価した後、いくつかの追加の推定ＥＲ標的遺伝子が同定された。
推定ＥＲ標的遺伝子が、エストロゲン応答要素（ＥＲＥ）モチーフを含む遺伝子プロモータ／エンハンサ領域の存在に関して、解析された。ＥＲＥモチーフは、たとえば、特定のＥＲＥモチーフがレポーター遺伝子と関連付けられる一過性トランスフェクション・アッセイによって、エストロゲンに応答することが証明されなければならない。ＥＲＥモチーフの存在は、たとえば、遺伝子プロモータ／エンハンサ領域の強化モチーフ解析によって確認されなければならない。加えて、ＥＲは、問題となっている遺伝子のプロモータ／エンハンサ領域に生体外で（差次的に）結合し、これはたとえば、ＣｈＩＰ／ＣＨＩＰ実験又は別のクロマチン免疫沈降アッセイによって実証される。たとえば、ＥＲは、ＥＲ経路が活性であるとき、遺伝子のプロモータ／エンハンサ領域に結合することが証明されるはずであり、また、たとえば、ＥＲ経路が活性でない場合は、遺伝子のプロモータ／エンハンサ領域に結合しない（又は弱くしか結合しない）。最後に、遺伝子は、ＥＲ経路が活性であるとき差次的に転写され、これはたとえば、リアル・タイムＰＣＲ若しくはマイクロアレイ実験による、問題となっている遺伝子のｍＲＮＡの折りたたみ強化によって、又は、免疫沈降アッセイによる、ＲＮＡ Ｐｏｌ ＩＩが遺伝子のプロモータ領域に結合することの実証によって、実証される。
選択は、十分かつ適切に記述された実験的証拠が文献から集められ、上述の３つすべての基準が満たされたことを証明された遺伝子をＥＲ標的遺伝子として定義することによって行われた。ＥＲの差次的結合の証拠を集めるための適切な実験は、たとえば、エストロゲンに曝露されたとき又は曝露されないときに、エストロゲンに反応する癌細胞株（たとえば、ＭＣＦ－７細胞株）についての、たとえばＣｈＩＰ／ＣＨＩＰ実験の結果を比較することである。すべての追加の科学論文を評価した後、すべての推定標的遺伝子の新しい順位付けが、文献中に見出された実験的証拠の強さに基づいた。その結果、ＥＲ細胞シグナル伝達経路の１つの推定標的遺伝子ＰＤＺＫ１が、設定閾値を超える実験的証拠スコアに達した。したがって、ＰＤＺＫ１がＥＲ経路の真の直接標的遺伝子であるとみなされた。
ＥＲ標的遺伝子の当初の選択では、「軟」オッズ比を用いて計算された、不活性試料に対し活性試料を区別する能力だけが考慮された。今の解析では、差次的発現の大きさも評価に含まれた。差次的発現シグナルの大きさは、適切に設計されたアッセイの重要な特徴として「軟」オッズ比に次ぐので、この新しい選択方法は、当初の基準に比べて改善になるものと期待される。差次的遺伝子発現の大きさは、アフィメトリクスＨＧ１１３３Ｐｌｕｓ２データセット、すなわちＧＳＥ３５４２７、ＧＳＥ１１３５２、ＧＳＥ２１６１８、ＧＳＥ８５９７と、エストラジオール（Ｅ２）又はコントロールで刺激された複数の乳癌細胞株を含む２つの社内生成データベースとから選択したものについて、ＥＲ活性（オン）試料とＥＲ不活性（オフ）試料の間の平均遺伝子発現の差を平均することによって推定された。平均遺伝子発現は、それぞれのデータセットの遺伝子に関連したアフィメトリクス・プローブセットごとに別々に計算された。顕著に差次的に発現されたプローブセットだけが、平均に関して考慮された。ＰＤＺＫ１の、エストラジオールで刺激された試料すなわちＥＲ活性試料と、コントロール／未刺激試料すなわちＥＲ不活性試料との間の平均の差次的発現は２．０８であった。この差次的発現は例外的に高く（上方調節された遺伝子全体としての平均は０．８８）、差次的発現が最も高い標的遺伝子、たとえば平均の差次的発現が２．１４であるＰＧＲに匹敵する。加えて、ＰＤＺＫ１の「軟」オッズ比（平均２６．６）も、平均（１９．０３）より高い。
以下の例において、我々は、元の１３ＥＲ標的遺伝子リスト（ＧＲＥＢｌ、ＰＧＲ、ＸＢＰ１、ＣＡ１２、ＳＯＤ１、ＣＴＳＤ、ＩＧＦＢＰ４、ＴＦＦ１、ＳＧＫ３、ＮＲＩＰ１、ＣＥＬＳＲ２、ＷＩＳＰ２、及びＡＰ１Ｂ１）モデル（以下ではショート・リスト・モデルと呼ばれる）を、ＰＤＺＫ１及び元の１３ＥＲ標的遺伝子リストを用いて構築した新しい１４ＥＲ標的遺伝子モデル（以下ではショート・リスト＋ＰＤＺＫ１モデルと呼ばれる）と比較した。両方のベイジアン・ネットワーク・モデルが、違いはＥＲ標的遺伝子のリストのみで、全く同じようにして（アフィメトリクスＨＧＵ１３３Ｐｌｕｓ２ ＧＳＥ８５９７データセットを使用して）訓練された。
例１では、ＥＲ経路活性が、アフィメトリクスＨＧＵ１３３Ｐｌｕｓ２データセットから選択したものについて計算された。このデータセットは、２５６個のＥＲ陽性乳癌試料、１９５個のＥＲ陰性乳癌試料、２７個の正常な乳房組織試料、及び９４個の未知のＥＲ状態乳癌試料を含む、典型的な乳癌及び正常な乳房の組織試料（公開データセットＧＳＥ１２２７６、ＧＳＥ１０８７０、及びＧＳＥ２１６５３）を例証するものである。ＥＲ経路は、ＥＲ陰性乳癌及び正常乳房では不活性であると予想されるのに対し、ＥＲ陽性乳癌の約５０～７０％は、ホルモン療法への反応に基づき、活性であると予想される。ショート・リスト・モデルにより（７４％が）、またショート・リスト＋ＰＤＺＫ１により（７３％が）活性であると予測されるＥＲ陽性乳癌試料の比率は、ホルモン療法に反応するＥＲ陽性癌患者の比率に匹敵し、また類似している。さらに、ショート・リスト＋ＰＤＺＫ１（平均ｌｏｇ２オッズ比が２．７３）リスト・モデルによって、ＥＲ陽性試料全体として計算されたＥＲ活性化の確率の平均は、ショート・リスト・モデルによって予測された活性化の平均確率よりもわずかに高くなって（平均ｌｏｇ２オッズ比が２．７０であり、ｌｏｇ２オッズ比スケールで０．０３の差がある）、この種の試料に匹敵するものになる。ＰＤＺＫ１を含めることの予想外の有益な技法的効果が、ＥＲ陰性乳癌試料及び正常組織試料を解析するときに生じる。すなわち、ショート・リスト＋ＰＤＺＫ１リスト・モデルによって計算されたＥＲ活性化の確率の平均（平均ｌｏｇ２オッズ比が－７．３）は、ショート・リスト・モデルによって予測された活性化の平均確率よりもかなり低くなって（平均ｌｏｇ２オッズ比が６．８で、ｌｏｇ２オッズ比スケールで０．５の差があり、ウィルコクソン順位検定２面ｐｖ＝０．０２）、この状況ではショート・リスト＋ＰＤＺＫ１モデルがショート・モデルよりも技法的に優れたものになる。さらに、この改善は、１つ又は複数の標的遺伝子がモデルに追加される場合に予期される予測経路活性の些細なスケーリングよりも大きく、したがって、ＰＤＺＫ１の追加は、予想外の有利な技法的効果をもたらす。
例２では、ＥＲ経路活性が、公開アフィメトリクスＨＧＵ１３３Ｐｌｕｓ２データセットＧＳＥ８５９７、ＧＳＥ３５４２８、ＧＳＥ１１３５２について計算された。このデータセットは、エストロゲン感受性乳房細胞株（この場合ではＭＣＦ７）がエストロゲン刺激に曝露される又はエストロゲン刺激が与えられない実験を例証するものである。エストロゲンに曝露されるとＭＣＦ７細胞株のＥＲ経路が活性化し、エストロゲンが与えられないとＭＣＦ７細胞株のＥＲ経路が遮断されることがよく知られている。また、この場合、ショート・リスト＋ＰＤＺＫ１モデルはショート・リスト・モデルよりも、ＭＣＦ７細胞株がエストロゲンに曝露される場合でも、ショート・リスト＋ＰＤＺＫ１モデルによって計算された予測活性（平均ｌｏｇ２オッズ比が１４．７）がショート・リスト・モデルによって計算された予測活性（平均ｌｏｇ２オッズ比が１４．０であり、ｌｏｇ２オッズ比スケールで０．７の差）よりも高い場合でも、技法的に優れているように見える。エストロゲン刺激が与えられないすべての試料についてショート・リスト＋ＰＤＺＫ１モデルによって計算された予測活性（平均ｌｏｇ２オッズ比が－７．７）は、エストロゲンが与えられなかった２７個の試料の８５％についてショート・リスト・モデルによって計算された予測活性（平均ｌｏｇ２オッズ比が－７．３であり、ｌｏｇ２オッズ比スケールで０．４の差）よりも低い。また、この改善は、１つ又は複数の標的遺伝子がモデルに追加される場合に予期される予測経路活性の些細なスケーリングよりも大きく、したがって、ＰＤＺＫ１の追加は、予想外の有利な技法的効果をもたらす。
ＰＣＲアッセイにおいて新しい遺伝子の効果を究明するために、以下の例で我々は、１１ＥＲ標的遺伝子リスト（ＧＲＥＢ１、ＰＧＲ、ＸＢＰ１、ＣＡ１２、ＳＯＤ１、ＣＴＳＤ、ＩＧＦＢＰ４、ＴＦＦ１、ＳＧＫ３、ＮＲＩＰ１、ＣＥＬＳＲ２、ＥＲＢＢ２、ａｎｄ ＥＳＲ１）モデル（以下ではＰＣＲリスト・モデルと呼ばれる）を、ＰＤＺＫ１及び上述の１１ＥＲ標的遺伝子リストを用いて構築した新しい１２ＥＲ標的遺伝子モデル（以下ではＰＣＲリスト＋ＰＤＺＫ１モデルと呼ばれる）と比較した。両方のベイジアン・ネットワーク・モデルが、違いはＰＣＲリスト＋ＰＤＺＫ１モデルにＰＤＺＫ１ ＥＲ標的遺伝子を追加することのみで、全く同じようにして（ＭＣＦ７細胞株についての社内のエストロゲン欠乏／刺激実験から、ＲＴ－ｑＰＣＲによって生成された遺伝子発現データを使用して）訓練された。ＥＲ経路活性は、６個がエストロゲンを与えられず、６個がエストロゲンで刺激された合計１２個の試料について計算された。ここでもまた、ＰＤＺＫ１を含むモデル（ＰＣＲリスト＋ＰＤＺＫ１モデル）は、ＰＤＺＫ１がないモデル（ＰＣＲリスト・モデル）よりも、エストロゲンに曝露される場合でも、ＰＣＲリスト＋ＰＤＺＫ１モデルによって計算された予測活性（平均ｌｏｇ２オッズ比が４．７）がＰＣＲリスト・モデルによって計算された予測活性（平均ｌｏｇ２オッズ比が３．９であり、ｌｏｇ２オッズ比スケールで０．８の差）よりも高い場合でも、技法的に優れているように見える。エストロゲンが与えられない試料についてＰＣＲリスト＋ＰＤＺＫ１モデルによって計算された予測活性（平均ｌｏｇ２オッズ比が－５．１）は、ショート・リスト・モデルによって計算された予測活性（平均ｌｏｇ２オッズ比が－４．５であり、ｌｏｇ２オッズ比スケールで０．６の差）よりも低い。この差は、少量の「プローブ」を使用して試料ＥＲ標的遺伝子プロファイルを測定するモデルにおいては、プローブが有する識別力が通常は小さいので（低い平均予測活性に留意されたい）、非常に重要である。結論として、この改善は、１つ又は複数の標的遺伝子がモデルに追加される場合に予期される予測経路活性の些細なスケーリングよりも大きく、したがって、ＰＤＺＫ１の追加は、予想外の有利な技法的効果をもたらす。
上で論じたように、ＥＲ標的遺伝子の選択については、以前にＷＯ２０１３／０１１４７９Ａ２及びＷＯ２０１４／１０２６６８Ａ２に記載されている。ＨＨ経路の「標的遺伝子の証拠精選リスト」は、ＥＲ経路の「標的遺伝子のショートリスト」及びＥＲ標的遺伝子の「１２標的遺伝子ショートリスト」を生成するために、さらなる文献調査及びＰＤＺＫ１標的遺伝子を含めることに基づいて、上記のこの実施例でＰＩ３Ｋ標的遺伝子について説明されているように使用された。
Figure 0007065610000020
Figure 0007065610000021
Figure 0007065610000022
（Ｅ）ＨＨ経路
ＨＨ標的遺伝子の選択については、以前にＷＯ２０１３／０１１４７９Ａ２及びＷＯ２０１４／１０２６６８Ａ２に記載されている。ＨＨ経路の「標的遺伝子の証拠精選リスト」（表１９参照）は、ＨＨ経路の「標的遺伝子のショートリスト」（表２０参照）及びＨＨ標的遺伝子の「１２標的遺伝子ショートリスト」（表２１参照）を生成するために、上記のこの実施例でＰＩ３Ｋ標的遺伝子について説明されているように使用された。
Figure 0007065610000023
Figure 0007065610000024
Figure 0007065610000025
実施例２ リスク・スコアの決定
一般に、対象が臨床事象を特定の期間内に経験するリスクを示す、また対象における２つ以上の細胞シグナル伝達経路の推測活性を合わせたものに基づく、リスク・スコアを決定するための多くの異なる式を考案することができる。すなわち、
ＭＰＳ＝Ｆ（Ｐｉ）＋Ｘ、ここでｉ＝１．．．Ｎ （３）
ここで、ＭＰＳはリスク・スコアを表し（「ＭＰＳ」という用語は、本明細書では、リスク・スコアが２つ以上の細胞シグナル伝達経路の推測活性の影響を受けることを表すための「複数経路スコア」の略語として用いられる）、Ｐｉは細胞シグナル伝達経路ｉの活性を表し、Ｎは、リスク・スコアを計算するために使用される細胞シグナル伝達経路の総数を表し、Ｘは、式に入る可能性がある、あり得る別の要素及び／又はパラメータのためのスペースホルダである。このような式は、より具体的には、所与の変数に関するある次数の多項式にも、その変数の一次結合にもなり得る。このような多項式における重み付け係数及び冪は専門知識に基づいて設定することができるが、一般には、既知のグランド・トルースを用いて設定された訓練データ、たとえばサバイバル・データを使用して式（３）の重み付け係数及び冪の推定値を得る。推測活性は、式（３）を使用して集約され、続いてＭＰＳを生成する。次に、スコアリング関数の重み付け係数及び冪は、高いＭＰＳが、患者が臨床事象を経験する高い確率と相関するように、また逆も同様に、最適化される。サバイバル・データとのスコアリング関数の相関性の最適化は、多数の解析技法を使用して、たとえば、コックス比例ハザード検定（本明細書で以前に用いた）、対数順位検定、傾斜下降又は手動適応などの標準的な最適化技法と併せたカプラン－マイヤー推定量、などを使用して行うことができる。
これらの実験において、本発明者らは、細胞シグナル伝達経路の活性と再発リスクの間に冪法則応答を予期する理由を見出さなかった。したがって、式（３）は次のように簡略化することができる。
ＭＰＳ＝ｗ１・Ｐ１＋ｗ２・Ｐ２＋．．．＋ｗＮ・ＰＮ＋Ｘ （４）
ここで、ｗ１，．．．，ｗＮは重み付け係数を表す。
この実施例では、臨床事象は癌、特に乳癌であり、ＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、ＨＨ経路の各推測活性が、本明細書、並びに公開国際特許出願ＷＯ２０１３／０１１４７９Ａ２（「Ａｓｓｅｓｓｍｅｎｔ ｏｆ ｃｅｌｌｕｌａｒ ｓｉｇｎａｌｉｎｇ ｐａｔｈｗａｙ ａｃｔｉｖｉｔｙ ｕｓｉｎｇ ｐｒｏｂａｂｉｌｉｓｔｉｃ ｍｏｄｅｌｉｎｇ ｏｆ ｔａｒｇｅｔ ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎ」）及び／又は公開国際特許出願ＷＯ２０１４／１０２６６８Ａ２（「Ａｓｓｅｓｓｍｅｎｔ ｏｆ ｃｅｌｌｕｌａｒ ｓｉｇｎａｌｉｎｇ ｐａｔｈｗａｙ ａｃｔｉｖｉｔｙ ｕｓｉｎｇ ｌｉｎｅａｒ ｃｏｍｂｉｎａｔｉｏｎ（ｓ） ｏｆ ｔａｒｇｅｔ ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎｓ」）で詳細に論じられているように、考察されている。
本明細書で好ましくは使用される式は、ＴＧＦ－β経路と、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路のうちの１つ以上の経路との活性を考慮に入れている。これらの式は、癌生物学研究から、並びに本発明者らによって公的に利用可能なデータベース中に発見された生存期間とＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路及びＨＨ経路の各活性との間の相関関係から導出された、本発明者らの観察結果に基づいている。Ｗｎｔ経路及びＨＨ経路のような初期発生の経路は、癌幹細胞と呼ばれる、表現型のようにさらに幹細胞に戻った癌細胞によって引き起こされる転移において役割を果たすと考えられる。実のところ、本発明者らは、転移癌細胞がシーディング位置において別の器官又は組織へと分割を開始できるようにする、癌転移における役割を果たすＷｎｔ経路などの初期発生の経路の十分な指標が得られると考える。転移は、より不良な予後に関連していると共に癌再発の一形態を表し、したがって、Ｗｎｔ経路及びＨＨ経路などの癌細胞における初期発生の経路の活性が、より悪い予後を予測するものになると本発明者らに期待された。癌進行及び転移におけるＷｎｔ経路及びＨＨ経路の推定された役割は、前臨床研究に基づいており、その活性を測定する方法が得られていなかったので、研究対象として提示されてこなかった。加えて、本発明者らは、生存のための（比較的）防御的な機構であるＥＲ経路の活性と、より悪い予後と相互に関連があるＴＧＦ－β経路及びＰＩ３Ｋ経路の活性との間の相関関係を示す十分な指標を、公的に利用可能なデータセット中に発見した。したがって、ＥＲ経路の不活性と、ＴＧＦ－β経路及びＰＩ３Ｋ経路の活性とが、乳癌患者の不良な転帰と相互に関連があることが本発明者らによって見出された。
生物学研究からの本発明者らのこれらの観察結果、並びにＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路及びＨＨ経路の活性が癌再発及び生存全体に役割を果たし得ることと、ＥＲ経路の活性が良好な臨床成績につながるように見えることとの臨床相関性が、本明細書では以下の好ましい式として組み合わされており、これは式（４）の特別な場合である。
ＭＰＳ＝ｗｔ・Ｐｔ＋ｗｐ・Ｐｐ＋ｗｗ・Ｐｗ＋ｗｅ・Ｐｅ＋ｗｈ・Ｐｈ＋Ｘ （５）
ここで、Ｐｔ、Ｐｐ、Ｐｗ、Ｐｅ、及びＰｈは、それぞれＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路及びＨＨ経路の推測活性を示し（たとえば、０と１の間の範囲で）、ｗｔは正の一定重み付け係数であり、ｗｐ、ｗｗ及びｗｈは非負の一定重み付け係数であり、ｗｅは非正の一定重み付け係数である。この式によると、対象が臨床事象を特定の期間内に経験する示されたリスクは、合計値の増加と共に単調に増加する。
以下の例では、本発明者らは例示的に、表１に示された標的遺伝子の証拠精選リスト及び本明細書で論じた訓練を使用するＴＧＦ－β経路と、表１１に示された標的遺伝子のショートリスト及び本明細書で論じた訓練を使用するＰＩ３Ｋ経路と、ＷＯ２０１３／０１１４７９Ａ２の表１に示された標的遺伝子の証拠精選リスト及び本明細書で論じた訓練を使用するＷｎｔ経路と、ＷＯ２０１３／０１１４７９Ａ２の表２に示された標的遺伝子の証拠精選リスト及び本明細書で論じた訓練を使用するＥＲ経路と、ＷＯ２０１３／０１１４７９Ａ２の表３に示された標的遺伝子の証拠精選リスト及び本明細書で論じた訓練を使用するＨＨ経路とからなるベイジアン・ネットワークからの推測活性を使用した。別法として、経路活性は、本明細書及びより詳細にＷＯ２０１４／１０２６６８Ａ２で論じられた、（擬似）線形モデルを使用するなどの代替方法の手段によって推測することができ、或いは、本明細書で例示的に使用された標的遺伝子のリストを、推測経路活性に関して比較可能な結果を得ることが証明されたその証拠となる性質に基づいて、証拠精選リストから標的遺伝子を別に選択したものと置き換えることもできる。代替リストは、本明細書ではＴＧＦ－β経路（表２から表４参照）及びＰＩ３Ｋ経路（表５及び表６参照）について論じられ、ＷＯ２０１３／０１１４７９Ａ２では、Ｗｎｔ経路（ＷＯ２０１３／０１１４７９Ａ２の表６参照）、ＥＲ経路（ＷＯ２０１３／０１１４７９Ａ２の表７参照）、及びＨＨ経路（ＷＯ２０１３／０１１４７９Ａ２の表８参照）について論じられている。
本明細書で、我々は、コックスの比例ハザード・モデルを使用して重み付け係数ｗｔ、ｗｐ、ｗｗ、ｗｅ、及びｗｈの適切な値を推測する好ましい方法について説明する。コックスの比例ハザード・モデルは、適切な数（好ましくは癌種類の多様なサブセットを表す、好ましくは＞１００）の、推測活性がＰｔ、Ｐｐ、Ｐｗ、Ｐｅ及びＰｈである試料、及びサバイバル・データすなわち生存時間から成る訓練セットと、検閲情報とに、たとえばＭＡＴＬＡＢ（ＭＡＴＬＡＢ Ｒ２０１４ａ、Ｔｈｅ ＭａｔｈＷｏｒｋｓ Ｉｎｃ．，Ｎａｔｉｃｋ，ＭＡ）又はＲ（ｖ３．０．３，Ｒ Ｃｏｒｅ Ｔｅａｍ（２０１４）。Ｒは統計計算のための言語及び環境。Ｒ Ｆｏｕｎｄａｔｉｏｎ ｆｏｒ Ｓｔａｔｉｓｔｉｃａｌ Ｃｏｍｐｕｔｉｎｇ，Ｖｉｅｎｎａ，Ａｕｓｔｒｉａ）を使用して適合される。例示的に、公的に得られる乳癌の、Ｇｕｙの病院に由来するＧＳＥ６５３２からの試料（ｎ＝８７）、及びｈｔｔｐ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｇｅｏ／、最終アクセス２０１４年７月２０日、でアクセス可能なＧＳＥ９１９５からの試料（ｎ＝７７）が、訓練データセットとして使用された。コックスの比例ハザード回帰モデルが、すべての経路の活性に適合され、その結果、経路活性ごとのコックスの係数、その関連する係数推定値の標準誤り（ＳＥ）、コックスの係数の指数であるハザード比（ＨＲ）、ハザード比の９５％信頼区間、及びコックスの係数及び標準誤りから導出されたｐ値が、表２２に見ることができるように得られた。係数推定値の符号は、経路活性が、負係数の場合に臨床事象に対して防御的であるかどうかを示し、又は正係数の場合に悪い予後を予測する。係数の絶対値は、予後に関するリスク・スコアの強さを示す。
Figure 0007065610000026
本発明者らによって、訓練データ・セットについてそれぞれの細胞シグナル伝達経路の活性に適合されたコックスの係数が、たとえば表２２に示されるように、リスク・スコアの線形重み付け係数として使用するのに良い値であることが見出された。したがって、これらのコックスの係数は、式（５）の重み付け係数として使用されることが好ましい。リスク・スコアの決定に使用するためのその適性が、以下に説明するように、非常に詳細に評価された。
まず、ＴＧＦ－β経路の活性が、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路の活性それぞれと組み合わされて、以下の式が得られた。
ＭＰＳｔｐ＝０．９８（±０．９３）・Ｐｔ＋０．８０（±０．４１）・Ｐｐ （６）
ＭＰＳｔｗ＝０．９８（±０．９３）・Ｐｔ＋１．３０（±０．８５）・Ｐｗ （７）
ＭＰＳｔｅ＝０．９８（±０．９３）・Ｐｔ＋（－１．０２（±０．５２））・Ｐｅ （８）
ＭＰＳｔｈ＝０．９８（±０．９３）・Ｐｔ＋０．８３（±０．５４）・Ｐｈ （９）
次に、ＴＧＦ－β経路の活性が、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路から成る群からの異なる２つの経路の活性と組み合わされて、以下の式が得られた。
ＭＰＳｔｐｗ＝０．９８（±０．９３）・Ｐｔ＋０．８０（±０．４１）・Ｐｐ＋１．３０（±０．８５）・Ｐｗ （１０）
ＭＰＳｔｐｅ＝０．９８（±０．９３）・Ｐｔ＋０．８０（±０．４１）・Ｐｐ＋（－１．０２（±０．５２））・Ｐｅ （１１）
ＭＰＳｔｐｈ＝０．９８（±０．９３）・Ｐｔ＋０．８０（±０．４１）・Ｐｐ＋０．８３（±０．５４）・Ｐｈ （１２）
ＭＰＳｔｗｅ＝０．９８（±０．９３）・Ｐｔ＋１．３０（±０．８５）・Ｐｗ＋（－１．０２（±０．５２））・Ｐｅ （１３）
ＭＰＳｔｗｈ＝０．９８（±０．９３）・Ｐｔ＋１．３０（±０．８５）・Ｐｗ＋０．８３（±０．５４）・Ｐｈ （１４）
ＭＰＳｔｅｈ＝０．９８（±０．９３）・Ｐｔ＋（－１．０２（±０．５２））・Ｐｅ＋０．８３（±０．５４）・Ｐｈ （１５）
次に、ＴＧＦ－β経路の活性が、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路から成る群からの異なる３つの経路の活性と組み合わされて、以下の式が得られた。
ＭＰＳｔｐｗｅ＝０．９８（±０．９３）・Ｐｔ＋０．８０（±０．４１）・Ｐｐ＋１．３０（±０．８５）・Ｐｗ＋（－１．０２（±０．５２））・Ｐｅ （１６）
ＭＰＳｔｐｗｈ＝０．９８（±０．９３）・Ｐｔ＋０．８０（±０．４１）・Ｐｐ＋１．３０（±０．８５）・Ｐｗ＋０．８３（±０．５４）・Ｐｈ （１７）
ＭＰＳｔｐｅｈ＝０．９８（±０．９３）・Ｐｔ＋０．８０（±０．４１）・Ｐｐ＋（－１．０２（±０．５２））・Ｐｅ＋０．８３（±０．５４）・Ｐｈ （１８）
ＭＰＳｔｗｅｈ＝０．９８（±０．９３）・Ｐｔ＋１．３０（±０．８５）・Ｐｗ＋（－１．０２（±０．５２））・Ｐｅ＋０．８３（±０．５４）・Ｐｈ （１９）
コックスの係数が、式（５）に列記されたＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路の活性の一次結合をパラメータ化するのに用いられることが特に好ましく、それにより以下の式が得られる。
ＭＰＳｔｐｗｅｈ＝０．９８（±０．９３）・Ｐｔ＋０．８０（±０．４１）・Ｐｐ＋＋１．３０（±０．８５）・Ｐｗ＋（－１．０２（±０．５２））・Ｐｅ＋０．８３（±０．５４）・Ｐｈ （２０）
ここで、係数の標準誤りが括弧間に列記されている。
別法として、（擬似）線形モデルを、本明細書及びより詳細にＷＯ２０１４／１０２６６８Ａ２（「Ａｓｓｅｓｓｍｅｎｔ ｏｆ ｃｅｌｌｕｌａｒ ｓｉｇｎａｌｉｎｇ ｐａｔｈｗａｙ ａｃｔｉｖｉｔｙ ｕｓｉｎｇ ｌｉｎｅａｒ ｃｏｍｂｉｎａｔｉｏｎ（ｓ） ｏｆ ｔａｒｇｅｔ ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎｓ」）で説明されているように使用して経路活性を推測することができ、またこれらの推測活性を、上記で論じられたのと同様に、確率的なモデルによって推測された経路活性と共に使用することができる。経路活性のこれらの線形モデルを式（６）から（２０）に挿入すると、最終的に、加算の展開後に、たった１回の加算を伴う式に一般化できる一次結合になる。
ＭＰＳｐｒｏｂｅｓｅｔｓ＝Σｗｉｊ・Ｅｉｊ （２１）
ここで、Σは、ここではＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路及びＨＨ経路である、全ｊ個の経路のうちの全ｉ個のプローブセットの合計であり、ｗｉｊはプローブセットに関連した重みであり、これは、「単層」線形モデルについては経路に関連した重みとプローブセット又は経路との積に等しく、「二層」線形モデルについては標的遺伝子とプローブセットの積に等しい。本明細書では、重みｗｉｊは例示的に、ｊ番目の経路のｉ番目のプローブセットの、訓練データ・セットから推定されたコックスの係数に等しく選択され、Ｅｉｊはｊ番目の経路のｉ番目のプローブセットである。当業者であれば、この式を（ＲＴ－ｑ）ＰＣＲ、配列決定、ｍＲＮＡ ｆｉｓｈ法、並びに、本明細書で例示的に使用されたアフィメトリクスＨＧ－Ｕ１３３Ｐｌｕｓ２．０に由来するプローブセットの代わりに標的遺伝子の発現レベルを検出する他の適切な方法など、他の測定プラットフォームに適合させることができよう。
次に、本明細書に記載のリスク・スコアが他の３つのデータセットの組合せについて検査された。ＧＳＥ２０６８５及びＧＳＥ２１６５３は、ｈｔｔｐ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｇｅｏ／、最終アクセス２０１４年７月２０日、でアクセス可能な遺伝子発現オムニバスにおいて得られるのに対し、Ｅ－ＭＴＡＢ－３６５は、ｈｔｔｐ：／／ｗｗｗ．ｅｂｉ．ａｃ．ｕｋ／ａｒｒａｙｅｘｐｒｅｓｓ／ ｅｘｐｅｒｉｍｅｎｔｓ／、最終アクセス２０１４年７月２０日、でアクセス可能なＡｒｒａｙＥｘｐｒｅｓｓにおいて得られる。３つのデータセットでは、合計１００５人の乳癌患者の様々な組を、完全な生存時間及び検閲データと組み合わせる。これらの患者のリスク・スコアが式（６）から（２１）に従って計算され、次に、リスク・スコアの予後値が、このような予後値を量子化する２つの方法を使用して調査された。これらは、コックスの比例ハザード回帰モデル、及び対数順位統計検定と合わせたカプラン－マイヤー・グラフである。
第１の方法は、コックスの比例ハザード・モデルを、１つ又は複数の共変量によって生存データに適合させる。手短に言えば、このようなハザード・モデルは、共変量の（数）値に基づいて母集団内の生存（臨床事象）に関する変動を説明する。適合の結果として、含まれる各共変量に、コックスの係数の指数であるハザード比（ＨＲ）が割り当てられ、このハザード比は、臨床事象の関連リスクを共変量の値に基づいて定量化し、たとえば２のＨＲは、共変量の値に１の増加がある患者に対して、対象となる臨床事象の２倍高いリスクに相当する。詳細には、ＨＲ＝１という値は、この共変量が生存に影響を及ぼさないことを意味するのに対し、ＨＲ＜１では、共変量数の増加がより低いリスクを表し、共変量数の減少がより高いリスクを表し、またＨＲ＞１では、共変量数の増加がより高いリスクを表し、共変量数の減少がより低いリスクを表す。ハザード比と共に、９５％信頼区間及びｐ値が報告される（すなわち、ハザード比が１よりも著しく小さい、又は大きいという片側確率）。全リスク・スコアが、ハザード比の直接比較を簡単明瞭にするために、リスク・スコアのスケール（最小値から最大値まで）が１になるように基準化される。
後者の方法には、臨床事象の生存確率を時間の関数として表すカプラン－マイヤー曲線のグラフ化が含まれる。たとえば、母集団内の異なるリスク群について、例示的な予後検査に基づいてカプラン－マイヤー曲線をグラフ化することによって、例示的な臨床事象のリスク分別の特性を可視化することができる。すなわち、より分岐するリスク群は、リスク・スコアが、リスクのある患者の層別化ではより良いことを示す。この特性は、２つの生存曲線が、完全な追跡調査期間を考慮に入れて等しくなる確率（ｐ値）を計算する対数順位検定によって、さらに定量化することができる。
ＴＧＦ－β経路と、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路のうちの１つ以上の経路との推測活性を少なくとも使用するリスク・スコアの結果は、本明細書で提示されるように、個々の推測活性Ｐｔ、Ｐｐ、Ｐｗ、Ｐｅ、及びＰｈ、すなわち、ＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路それぞれの推測活性と比較して、また、本明細書で提示されるように、Ｐｅ、Ｐｗ、Ｐｈの非一次結合、及びＧｅｎｏｍｉｃ Ｈｅａｌｔｈの乳癌Ｏｎｃｏｔｙｐｅ ＤＸ（登録商標）検定と比較して、評価された。Ｐｅ、Ｐｗ、及びＰｈの非一次結合は、以下のように計算される。
ＭＰＳｅｗｈ＝－Ｐｅ＋ｍａｘ（Ｐｗ，Ｐｈ） （２２）
ＭＰＳｅｗｈは、乳癌患者における再発の適切な予知因子であることが示された。これは式（２２）を用いて計算され、患者は、低リスク、中リスク及び高リスクの患者に、式に示されたＭＰＳｅｗｈの閾値を使用して、すなわちそれぞれ－０．１及び０．１において、層別化された。Ｏｎｃｏｔｙｐｅ ＤＸ（登録商標）検定は、ＥＲ陽性乳癌患者に関する再発の適切な予知因子であることが示された。Ｏｎｃｏｔｙｐｅ ＤＸ（登録商標）検定は、ここではハザード比の直接比較のために０と１の間に基準化される０と１００の間のリスク・スコア又は再発スコア（ＲＳ）を返し、このＲＳは、遺伝子のパネルについて測定された発現レベルの組合せに基づいて計算される。（Ｓ．Ｐａｉｋらの「Ａ ｍｕｌｔｉ－ｇｅｎｅ ａｓｓａｙ ｔｏ ｐｒｅｄｉｃｔ ｒｅｃｕｒｒｅｎｃｅ ｏｆ Ｔａｍｏｘｉｆｅｎ－ｔｒｅａｔｅｄ，ｎｏｄｅ－ｎｅｇａｔｉｖｅ ｂｒｅａｓｔ ｃａｎｃｅｒ」、Ｔｈｅ Ｎｅｗ Ｅｎｇｌａｎｄ Ｊｏｕｒｎａｌ ｏｆ Ｍｅｄｉｃｉｎｅ，Ｖｏｌ．３５１，Ｎｏ．２７，２００４、２８１７～２８２６頁、Ｃ．Ｆａｎらの「Ｃｏｎｃｏｒｄａｎｃｅ ａｍｏｎｇ ｇｅｎｅ－ｅｘｐｒｅｓｓｉｏｎ－ｂａｓｅｄ ｐｒｅｄｉｃｔｏｒｓ ｆｏｒ ｂｒｅａｓｔ ｃａｎｃｅｒ」、Ｔｈｅ Ｎｅｗ Ｅｎｇｌａｎｄ Ｊｏｕｒｎａｌ ｏｆ Ｍｅｄｉｃｉｎｅ，Ｖｏｌ．３５５，Ｎｏ．６，２００６，５６０～５６９頁参照）。ＲＳは、ＥＲ陽性、ＨＥＲ２陰性（タンパク質染色又はＦＩＳＨ）、ノード陰性乳癌患者の１０年生存に関して最適化される。ＲＳは、上記のデータセットに報告されたマイクロアレイ発現データを使用して、Ｆａｎらにより報告された手順に従って計算され（Ｃ．Ｆａｎら（２００６）参照）、患者は続いて、低リスク患者、中リスク患者、及び高リスク患者に、Ｏｎｃｏｔｙｐｅ ＤＸ（登録商標）リスク層別化アルゴリズム（Ｐａｉｋら（２００４）参照）に従って分けられた。
まず、コックスの比例ハザード回帰が、基準化リスク・スコアについてＥ－ＭＴＡＢ３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３の乳癌患者を用いて行われた。計算された一変量のコックスの係数、その標準誤り、ハザード比、関連する９５％信頼区間、及びｐ値が表２３に示されている。印象的なことに、ＴＧＦ－β経路の活性を他の細胞シグナル伝達経路のうちの１つの活性と組み合わせるすべてのリスク・スコアが、コックスの係数の高い絶対値で表されるように、個々の経路活性よりも適切に機能し、これは、他の細胞シグナル伝達経路の活性と一緒にＴＧＦ－β経路の活性を組み合わせたものが、臨床事象の予後、この場合には無病生存、に関して個々の経路の活性よりも適切に機能したことを示す。加えて、２つの細胞シグナル伝達経路の組合せ活性のｐ値もまた、この優位性を示す。その理由は、これらのｐ値が一般に、ＴＧＦ－β経路の活性を別の細胞シグナル伝達経路の活性と組み合わせたものについては、個々の経路活性のｐ値よりも小さいからである。ＴＧＦ－β経路の活性を他の２つの細胞シグナル伝達経路の活性と組み合わせることによりまた、コックスの係数（及びｐ値）は、２つの経路活性に基づくリスク・スコアと比較して改善した。ＴＧＦ－β経路、ＰＩ３Ｋ経路、ＥＲ経路の活性を式（１１）に示されるように、ＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路の活性を式（２０）に示されるように、それぞれ組み合わせるＭＰＳｔｐｅ及びＭＰＳｔｐｗｅｈリスク・スコアは、他の組合せと同様に機能し、またそれよりも機能が優れており、すなわち、個々の経路活性よりも、並びにＴＧＦ－β経路の活性と１つ、２つ又は３つの他の細胞シグナル伝達経路の活性とを組み合わせた他のものよりも、係数、標準誤り、ＨＲ及びｐ値に関して明白であるように、適切に機能する。加えて、ＭＰＳｔｐｗｅｈスコアに使用されるものと同じプローブセットを含むＭＰＳｐｒｏｂｅｓｅｔｓリスク・スコアは、ＴＧＦ－β経路の活性、及び他の１つ又は２つの細胞シグナル伝達経路の活性を含むリスク・スコアよりも、コックスの回帰結果から明らかなように、優れている。それにもかかわらず、ＭＰＳｐｒｏｂｅｓｅｔｓの性能は、ＭＰＳｔｐｗｅｈよりも限界的に悪く、これは、多数の適合係数により（ＭＰＳｔｐｗｅｈで５個の係数に対し、ＭＰＳｐｒｏｂｅｓｅｔｓでは３３９個の係数）、リスク・スコアを訓練データに「過度に適合させること」の結果である可能性がある。ＴＧＦ－β経路の活性と他の１つ又は複数の経路の活性とを組み合わせるすべてのリスク・スコアが、ＭＰＳｅｗｈ及びＲＳリスク・スコアよりも、それぞれのコックスの係数から明らかなように、適切に機能した。
Figure 0007065610000027
ＴＧＦ－β標的遺伝子の代替リスト、すなわち「２０標的遺伝子ショートリスト」、「１２標的遺伝子ショートリスト」、及び「７標的遺伝子ショートリスト」（表２から表４参照）を使用して、それぞれ比較可能な結果が得られた。これは、「２０標的遺伝子ショートリスト」、「１２標的遺伝子ショートリスト」、及び「７標的遺伝子ショートリスト」を使用するＭＰＳｔｐｗｅｈの結果を示す表２４から見ることができる。これらの結果は、リスク・スコアの「強さ」が、ショートリストが使用される場合にはわずかに低くなることを示す。それでも、ショートリストは、ＴＧＦ－β経路活性なしのリスク・スコアよりも適切に機能する。
Figure 0007065610000028
次に、対象のリスク・スコアの予後層別化が、対数順位検定と併せてカプラン－マイヤー・グラフを使用して解析された。本明細書に記載の新しいリスク・スコアのための単純化アルゴリズムを例示的に使用して、患者をそのリスク・スコアに応じて層別化した。１００５人の患者が、増加するリスク・スコアからなる等しいサイズの３つの群（ｎ＝３３５）に分けられる。すなわち、カットオフが全患者のそれぞれのリスク・スコアの三分位値のところにある。リスク層別化の、前述の方法に対する他の変形形態は、当業者によって理解され、既知の最適化技法を使用して行われ得る。たとえば、ヨーデンのＪ統計を使用してリスク閾値を推測することができる。比較のために含められた他のリスク・スコアのリスク層別化は、その発明者によって記述されたように行われる。すなわち、ＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路の活性を使用して、それぞれの経路が活性であるか、すなわち０から１のスケールで０．５を超える活性であるか、それとも不活性であるか、すなわち０から１のスケールで０．５以下であるかどうかに応じて患者を層別化する。ＭＰＳｅｗｈが－０．１以下の患者は低リスクであると考えられ、ＭＰＳｅｗｈが０．１以上の患者は高リスクであると考えられ、残りのすべての患者（ＭＰＳｅｗｈが－０．１と０．１の間）は中リスクであると考えられる。一方で、ＲＳが１８未満の患者は低リスクであると考えられ、ＲＳが３１以上の患者は高リスクであると考えられ、残りのすべての患者（ＲＳが１８から３１の間）は中リスクであると考えられる。本明細書に記載の新しいリスク・スコアのカプラン－メイヤー・グラフ、すなわち、ＭＰＳｔｐ（図２参照）、ＭＰＳｔｗ（図３参照）、ＭＰＳｔｅ（図４参照）、ＭＰＳｔｈ（図５参照）、ＭＰＳｔｐｗ（図６参照）、ＭＰＳｔｐｅ（図７参照）、ＭＰＳｔｐｈ（図８参照）、ＭＰＳｔｗｅ（図９参照）、ＭＰＳｔｗｈ（図１０参照）、ＭＰＳｔｅｈ（図１１参照）、ＭＰＳｔｐｗｅ（図１２参照）、ＭＰＳｔｐｗｈ（図１３参照）、ＭＰＳｔｐｅｈ（図１４参照）、ＭＰＳｔｗｅｈ（図１５参照）、ＭＰＳｔｐｗｅｈ（図１６参照）、及びＭＰＳｐｒｏｂｅｓｅｔｓ（図１７参照）が、図２から図９に提示されている。これらのグラフにおいて、垂直軸は、患者群に対する無再発生存を示し、水平軸が年単位の時間を示す。低、中、及び高リスク群（それぞれ３３５人の患者）は、それぞれ実線（特徴的に上）、点線（特徴的に中間）、及び破線（特徴的に下）で示されている。これらのグラフは、対象が臨床事象を特定の期間内に経験する可能性のあるリスクの、異なる群間の明確な区別を示す。リスク層別化におけるこの差異は、対数順位検定によって量子化することができる。ここでは、最も高いリスク群対最も低いリスク群（個々の経路活性の場合には、これは活性対不活性になる）のカプラン－マイヤー曲線を比較することが選択された。対数順位ｐ値は、表２３の最後の欄に表されている。カプラン－マイヤー・グラフ、及び関連する対数順位統計はさらに、ＴＧＦ－β経路の活性と別の１つの細胞シグナル伝達経路の活性とを含むリスク・スコアの利点を例証するものである。その理由は、このリスク・スコアを使用して疾患再発の低リスク又は高リスクの患者を層別化できるからである。
図１８は、５年（実線）及び１０年（点線）の無病生存期間の可能性を、例として非密封ＭＰＳｔｐｗｅｈを使用して示す。区分的曲線は、値－０．４と１．２の間の可能性／リスクの強度の（単調）増加を示し、これらの値の下及び上で、リスクは横ばいになるように見える。したがって、カットオフをこれらの値の近くに置くことは理に適っている。さらに、ユーザが使いやすいように、複数経路スコアは、負の値を含む範囲をカバーする代わりに再基準化して、ゼロから始めてある特定の正の数まで、たとえば０から１５、又は０から１００の間に広がることもできる。たとえば、これらの閾値を含む再基準化ＭＰＳｔｐｗｅｈは、以下のように見え得る。
Figure 0007065610000029
ＧＳＥ６５３２及びＧＳＥ９１９５の乳癌患者の初期訓練セットについて訓練されたＭＰＳｔｐ、ＭＰＳｔｗ、ＭＰＳｔｅ、ＭＰＳｔｈ、ＭＰＳｔｐｗ、ＭＰＳｔｐｅ、ＭＰＳｔｐｈ、ＭＰＳｔｗｅ、ＭＰＳｔｗｈ、ＭＰＳｔｅｈ、ＭＰＳｔｐｗｅ、ＭＰＳｔｐｗｈ、ＭＰＳｔｐｅｈ、ＭＰＳｔｗｅｈ、ＭＰＳｔｐｗｅｈ及びＭＰＳｐｒｏｂｅｓｅｔｓリスク・スコアは、乳癌試料の他のデータセットを適切に一般化することが示された。別法として、リスク・スコアは、以前に記載したデータセット、すなわち、ＧＳＥ６５３２、ＧＳＥ９１９５、Ｅ－ＭＴＡＢ－３６５、ＧＳＥ２０６８５及びＧＳＥ２１６５３について同時に（生存データがある合計１１６９人の患者）、以前に論じた推定コックスの係数を用いて訓練することもできる。これにより、以下のリスク・スコアが得られる。
ＭＰＳｔｐ＝１．２７（±０．２１）・Ｐｔ＋０．７０（±０．１７）・Ｐｐ （２４）
ＭＰＳｔｗ＝１．２７（±０．２１）・Ｐｔ＋０．３８（±０．２６）・Ｐｗ （２５）
ＭＰＳｔｅ＝１．２７（±０．２１）・Ｐｔ＋（－０．８７（±０．１８））・Ｐｅ （２６）
ＭＰＳｔｈ＝１．２７（±０．２１）・Ｐｔ＋０．９０（±０．２０）・Ｐｈ （２７）
ＭＰＳｔｐｗ＝１．２７（±０．２１）・Ｐｔ＋０．７０（±０．１７）・Ｐｐ＋０．３８（±０．２６）・Ｐｗ （２８）
ＭＰＳｔｐｅ＝１．２７（±０．２１）・Ｐｔ＋０．７０（±０．１７）・Ｐｐ＋（－０．８７（±０．１８））・Ｐｅ （２９）
ＭＰＳｔｐｈ＝１．２７（±０．２１）・Ｐｔ＋０．７０（±０．１７）・Ｐｐ＋０．９０（±０．２０）・Ｐｈ （３０）
ＭＰＳｔｗｅ＝１．２７（±０．２１）・Ｐｔ＋０．３８（±０．２６）・Ｐｗ＋（－０．８７（±０．１８））・Ｐｅ （３１）
ＭＰＳｔｗｈ＝１．２７（±０．２１）・Ｐｔ＋０．３８（±０．２６）・Ｐｗ＋０．９０（±０．２０）・Ｐｈ （３２）
ＭＰＳｔｅｈ＝１．２７（±０．２１）・Ｐｔ＋（－０．８７（±０．１８））・Ｐｅ＋０．９０（±０．２０）・Ｐｈ （３３）
ＭＰＳｔｐｗｅ＝１．２７（±０．２１）・Ｐｔ＋０．７０（±０．１７）・Ｐｐ＋０．３８（±０．２６）・Ｐｗ＋（－０．８７（±０．１８））・Ｐｅ （３４）
ＭＰＳｔｐｗｈ＝１．２７（±０．２１）・Ｐｔ＋０．７０（±０．１７）・Ｐｐ＋０．３８（±０．２６）・Ｐｗ＋０．９０（±０．２０）・Ｐｈ （３５）
ＭＰＳｔｐｅｈ＝１．２７（±０．２１）・Ｐｔ＋０．７０（±０．１７）・Ｐｐ＋（－０．８７（±０．１８））・Ｐｅ＋０．９０（±０．２０）・Ｐｈ （３６）
ＭＰＳｔｗｅｈ＝１．２７（±０．２１）・Ｐｔ＋０．３８（±０．２６）・Ｐｗ＋（－０．８７（±０．１８））・Ｐｅ＋０．９０（±０．２０）・Ｐｈ （３７）
ＭＰＳｔｐｗｅｈ＝１．２７（±０．２１）・Ｐｔ＋０．７０（±０．１７）・Ｐｐ＋０．３８（±０．２６）・Ｐｗ＋（－０．８７（±０．１８））・Ｐｅ＋０．９０（±０．２０）・Ｐｈ （３８）
別法として、リスク・スコアの係数は、データセットについて別々に推定されたコックスの係数を組み合わせることによって決定することもできる。別々に決定されたコックスの係数は、その標準誤りと共に、最大の可能性のある推定を用いて各経路の活性の真の係数を推定するのに使用される。Ｇｕｙの病院からの、患者の両データセット、ＧＳＥ６５３２及びＧＳＥ９１９５は、そのサイズが小さいので一緒にして１つの訓練データセットにされた。最も可能性のある係数の値は、別々に決定された係数推定値を、データセットに含まれる患者数を係数推定の標準誤りで割ったもので重み付けすることによって決定された。
Figure 0007065610000030
 ここで、ｎｉはデータセットｉに含まれる患者の数であり、ｂ＾は真の係数値の推定量であり、ｂｉはデータセットｉのコックスの係数であり、σｉはデータセットｉから推定されたコックスの係数の標準誤りである。この最小化は、ＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路の活性それぞれについて行われた。真の係数推定値の分散は、フィッシャー情報行列を使用して決定された。これらの値を使用して前述の経路活性の一次結合をパラメータ化することにより、以下のリスク・スコアが得られる。
ＭＰＳｔｐ＝１．２０（±０．１１）・Ｐｔ＋０．７２（±０．１６）・Ｐｐ （４０）
ＭＰＳｔｗ＝１．２０（±０．１１）・Ｐｔ＋０．１９（±０．１４）・Ｐｗ （４１）
ＭＰＳｔｅ＝１．２０（±０．１１）・Ｐｔ＋（－０．８３（±０．０７））・Ｐｅ （４２）
ＭＰＳｔｈ＝１．２０（±０．１１）・Ｐｔ＋０．７５（±０．１８）・Ｐｈ （４３）
ＭＰＳｔｐｗ＝１．２０（±０．１１）・Ｐｔ＋０．７２（±０．１６）・Ｐｐ＋０．１９（±０．１４）・Ｐｗ （４４）
ＭＰＳｔｐｅ＝１．２０（±０．１１）・Ｐｔ＋０．７２（±０．１６）・Ｐｐ＋（－０．８３（±０．０７））・Ｐｅ （４５）
ＭＰＳｔｐｈ＝１．２０（±０．１１）・Ｐｔ＋０．７２（±０．１６）・Ｐｐ＋０．７５（±０．１８）・Ｐｈ （４６）
ＭＰＳｔｗｅ＝１．２０（±０．１１）・Ｐｔ＋０．１９（±０．１４）・Ｐｗ＋（－０．８３（±０．０７））・Ｐｅ （４７）
ＭＰＳｔｗｈ＝１．２０（±０．１１）・Ｐｔ＋０．１９（±０．１４）・Ｐｗ＋０．７５（±０．１８）・Ｐｈ （４８）
ＭＰＳｔｅｈ＝１．２０（±０．１１）・Ｐｔ＋（－０．８５（±０．０６））・Ｐｅ＋０．７５（±０．１８）・Ｐｈ （４９）
ＭＰＳｔｐｗｅ＝１．２０（±０．１１）・Ｐｔ＋０．７２（±０．１６）・Ｐｐ＋０．１９（±０．１４）・Ｐｗ＋（－０．８３（±０．０７））・Ｐｅ （５０）
ＭＰＳｔｐｗｈ＝１．２０（±０．１１）・Ｐｔ＋０．７２（±０．１６）・Ｐｐ＋０．１９（±０．１４）・Ｐｗ＋０．７５（±０．１８）・Ｐｈ （５１）
ＭＰＳｔｐｅｈ＝１．２０（±０．１１）・Ｐｔ＋０．７２（±０．１６）・Ｐｐ＋（－０．８３（±０．０７））・Ｐｅ＋０．７５（±０．１８）・Ｐｈ （５２）
ＭＰＳｔｗｅｈ＝１．２０（±０．１１）・Ｐｔ＋０．１９（±０．１４）・Ｐｗ＋（－０．８３（±０．０７））・Ｐｅ＋０．７５（±０．１８）・Ｐｈ （５３）
ＭＰＳｔｐｗｅｈ＝１．２０（±０．１１）・Ｐｔ＋０．７２（±０．１６）・Ｐｐ＋０．１９（±０．１４）・Ｐｗ＋（－０．８３（±０．０７））・Ｐｅ＋０．７５（±０．１８）・Ｐｈ （５４）
実施例３ ＣＤＳアプリケーション
図１９（本明細書に開示されているように、対象が臨床事象を特定の期間内に経験するリスクを示すリスク・スコアを決定するように構成された臨床判断支援（ＣＤＳ）システムを図示する）を参照すると、臨床判断支援（ＣＤＳ）システム１０が、適切に構成されたコンピュータ１２として実現される。コンピュータ１２は、ハード・ドライブ若しくは他の磁気記憶媒体、光ディスク若しくは他の光記憶媒体、ランダム・アクセス・メモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、フラッシュ・メモリ、又は他の電子記憶媒体、ネットワーク・サーバなどの非一時的記憶媒体（図示せず）に記憶されている適切なソフトウェア、ファームウェア、又は他の命令を実行することによってＣＤＳシステム１０として動作するように構成することができる。説明的なＣＤＳシステム１０は、説明的なコンピュータ１２によって具現化されているが、より一般的にＣＤＳシステムは、本明細書で論述されている臨床判断支援方法を実施するように構成されたデジタル・プロセッサを備える、デジタル処理デバイス又は装置によって具現化することができる。たとえば、デジタル処理デバイスは、手持ち型デバイス（たとえば、ＣＤＳアプリケーションを実行する携帯情報端末又はスマートフォン）、ノート型コンピュータ、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。コンピュータ１２又は他のデジタル処理デバイスは通常、表示装置１４を含むか、又はそれに動作可能に接続され、この表示装置を介して臨床判断支援推奨を含む情報が医療関係者に表示される。コンピュータ１２又は他のデジタル処理デバイスはまた通常、説明的なキーボード１６、若しくはマウス、トラックボール、トラックパッド、タッチ・センサ式画面（場合により表示装置１４と一体化）、又は他のポインタ・ベースのユーザ入力デバイスなどの、１つ又は複数のユーザ入力デバイスを含むか、又はそれに動作可能に接続され、このユーザ入力デバイスを介して医療関係者が、ＣＤＳシステム１０を制御するための操作コマンド、ＣＤＳシステム１０で使用するためのデータなどの情報を入力することができる。
ＣＤＳシステム１０は入力として、対象（たとえば、癌専門医、外科医若しくは他の医療関係者の治療を受けている病院患者若しくは外来患者、或いは結腸癌、乳癌若しくは肝臓癌などの特定の種類の癌があることが分かっている、又は疑われている、癌のスクリーニング若しくは他の診察を受けている人）に関する情報を受け取る。ＣＤＳシステム１０は、表示装置１４を介して（又は、人間が知覚できる出力が得られる音声合成装置若しくは他のデバイスを介して）医療関係者に提示される臨床判断支援推奨を生成するために、この入力情報に様々なデータ解析アルゴリズムを適用する。いくつかの実施形態では、これらのアルゴリズムは、臨床指針を患者に適用することを含み得る。臨床指針は、通常では医療専門家委員会の推奨に基づいて構築され、任意選択で、臨床指針に目を通しやすくするための臨床「流れ図」の形にフォーマットされる、標準又は「基準」の治療推奨の記憶セットである。様々な実施形態では、ＣＤＳ１０のデータ処理アルゴリズムは追加として、又は別法として、様々な診断アルゴリズム又は臨床試験アルゴリズムを含むことができ、これらのアルゴリズムは、本明細書で開示されている機械学習法などの臨床判断推奨を抽出するために、入力情報に対して実施される。
本明細書に開示されている説明的なＣＤＳシステム（たとえば、ＣＤＳシステム１０）では、ＣＤＳデータ解析アルゴリズムは、１つ又は複数の診断アルゴリズム又は臨床試験アルゴリズムを含み、これは、１つ又は複数の医療検査所１８で取得された入力ゲノム及び／又はプロテオミクスの情報に対して実施される。これらの検査所は「現地に」、すなわち、対象が医療検査及び／又は治療を受けている病院又は他の場所に、又は「現地外に」様々に設置することができる、たとえば、対象の試料を（郵便又は他の配達サービスによって）受け取る専門化及び集中化した検査所であり、試料は、対象から取り出されている（たとえば、癌病変部から、又は癌の疑いがある病変部から、又は転移腫瘍から、又は癌細胞で汚染されている流体が存在する体腔（たとえば、胸膜若しくは腹部の腔、又は膀胱腔）から、又は癌細胞を含有する他の体液などから、好ましくは組織診手順又は他の試料抽出手順を介して得られた試料）。試料が取り出された細胞はまた、悪性血液疾患（白血病又はリンパ腫など）からの腫瘍細胞でもあり得る。場合によっては、細胞試料はまた、循環腫瘍細胞、すなわち血流に入った腫瘍細胞であることもあり、適切な分離技法、たとえばアフェレーシス又は従来の静脈血採血を用いて取り出すことができる。血液は別として、試料が抽出される体液は、尿、胃腸内容物、又は血管外湧出物であり得る。
試料は検査所で処理されて、ゲノム又はプロテオミクスの情報が生成される。たとえば、試料は、マイクロアレイ（当技術分野ではまた様々に、遺伝子チップ、ＤＮＡチップ、バイオ・チップなどとも呼ばれている）を使用して、又は定量的ポリメラーゼ連鎖反応（ｑＰＣＲ）処理によって、処理して、対象の遺伝子の発現レベルなどの証拠となるゲノム又はプロテオミクスの情報を、たとえば、遺伝子から転写されるメッセンジャーリボ核酸（ｍＲＮＡ）のレベル、又は遺伝子から転写されたｍＲＮＡから翻訳されるタンパク質のレベルの形で測定する。別の例として、試料は、遺伝子配列決定検査所で処理して、デオキシリボ核酸（ＤＮＡ）の配列を生成することも、ＲＮＡ配列、コピー数変化、メチル化などを生成することもできる。他の企図される測定手法には、病理スライド上で行われる免疫組織化学的検査（ＩＨＣ）、細胞診断、蛍光ｉｎ ｓｉｔｕハイブリダイゼーション（ＦＩＳＨ）、近接ライゲーション・アッセイなどが含まれる。マイクロアレイ処理、質量分析、遺伝子配列決定、又は他の検査所技法によって生成できる他の情報には、メチル化情報が含まれる。このようなゲノム及び／又はプロテオミクスの測定を様々に組み合わせることもまた実施することができる。
いくつかの実施形態では、医療検査所１８は、対象の試料に対していくつかの標準化データ取得を実施して、大量のゲノム及び／又はプロテオミクスのデータを生成する。たとえば、標準化データ取得技法により、１つ又は複数の染色体又は染色体部分の、又はゲノム全体の、（任意選択で配列された）ＤＮＡ配列を生成することができる。標準マイクロアレイを適用すると、多数の遺伝子の発現レベル、様々なメチル化データなど、数千又は数万のデータ項目を生成することができる。同様に、ＰＣＲによる測定を用いて、遺伝子のうちの選択されたものの発現レベルを測定することができる。この大量のゲノム及び／又はプロテオミクスのデータ、又はそのうちの選択された部分がＣＤＳシステム１０に入力されて処理され、それによって、臨床判断支援推奨を策定するための臨床的に有用な情報が創出される。
開示されたＣＤＳシステム及び関連する方法は、ゲノム及び／又はプロテオミクスのデータを処理して様々な細胞シグナル伝達経路の活性を評価すること、並びに対象が臨床事象（たとえば、癌）を特定の期間内に経験するリスクを示すリスク・スコアを決定することに関する。しかし、開示されたＣＤＳシステム（たとえば、ＣＤＳシステム１０）は任意選択で、バイタルサイン監視データ、患者病歴データ、患者人口統計データ（たとえば、性別、年齢など）、患者医療画像データなどの様々な患者データに基づく記憶された臨床指針に従って、臨床判断支援推奨を生成することなど、多様な付加機能をさらに含むことができることを理解されたい。別法として、いくつかの実施形態では、ＣＤＳシステム１０の機能は、本明細書に開示のように、ゲノム及び／又はプロテオミクスのデータ解析だけを行って細胞シグナル伝達経路の活性を評価すること、及び対象が臨床事象（たとえば、癌）を特定の期間内に経験するリスクを示すリスク・スコアを決定することに限定することもできる。
例示的な図１９を引き続き参照すると、ＣＤＳシステム１０は、対象における１つ又は複数の細胞シグナル伝達経路の、ここではＴＧＦ－β経路、並びにＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路のうちの１つ以上の、活性２２を、それだけには限らないが、対象の試料において測定された細胞シグナル伝達経路の１つ又は複数の標的遺伝子の発現レベル２０に基づいて、推測する。ＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路は、これらの経路の調節が失われることが癌の増殖の原因になり得るので、腫瘍学の様々な分野で注目されている。約１０個から１５個の関連するシグナル伝達経路があり、各癌は、調節解除されている少なくとも１つの主要経路によって駆動される。何か特定の動作原理に制限されなければ、これらの経路は細胞増殖を調節し、その結果、癌細胞におけるこれらの経路の調節が失われることにより経路が「常にオン」になり、それによって癌細胞の増殖が加速される可能性があり、これがひいては、癌の成長、浸潤又は転移（拡散）として顕在化する。
細胞シグナル伝達経路を形成するタンパク質カスケードの一部である中間タンパク質などの、細胞シグナル伝達経路の調節タンパク質をコードする遺伝子のｍＲＮＡ発現レベルの測定は、調節タンパク質発現レベルの間接的測定であり、実際の調節タンパク質発現レベルとの強い（細胞シグナル伝達経路の活性全体とはずっと弱い）相関関係があることもないこともある。細胞シグナル伝達経路は、標的遺伝子の転写を直接調節し、したがって、標的遺伝子から転写されたｍＲＮＡの発現レベルは、この調節活性の直接の結果になる。それゆえに、ＣＤＳシステム１０は、１つ又は複数の細胞シグナル伝達経路（ここでは、ＴＧＦ－β経路、並びにＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路のうちの１つ以上）の活性を、細胞シグナル伝達経路の１つ又は複数の標的遺伝子の発現レベル（代用測定としてｍＲＮＡ又はタンパク質レベル）に基づいて推測する。これにより、ＣＤＳシステム１０が経路の活性を、測定された標的遺伝子の発現レベルによって得られた直接の情報に基づいて推測することが確実になる。
推測活性、この例ではＰｔ、Ｐｐ、Ｐｗ、Ｐｅ及びＰｈ、すなわちＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路の推測活性を次に使用して、本明細書に詳細に記載のように、対象が臨床事象、この例では癌、特に乳癌を特定の期間内に経験するリスクを示すリスク・スコアを２４で決定する。リスク・スコアは、推測活性を組み合わせたものに基づく。たとえば、リスク・スコアは、式（４）又は（５）に関して詳細に説明されたように計算された「複数経路スコア」（ＭＰＳ）とすることができる。
決定されたＭＰＳに基づいて、この例ではＣＤＳシステム１０は、２６で対象を、対象が臨床事象を特定の期間内に経験することの別々に示されたリスクと関連付けられた複数のリスク群のうちの少なくとも１つに割り当て、かつ／又は２８で、対象に推奨される治療を、対象が臨床事象を特定の期間内に経験することの示されたリスクに基づいて決定する。
特定の患者についてのＭＰＳ及び／又はリスク分類をＣＤＳシステムによって決定すること、又は本明細書に記載のＭＰＳ及びリスク分類の独立した実施により、患者の診断又は治療又は監視／経過観察に関わる腫瘍医、外科医、又は他の医療関係者が治療を、患者が長期生存の最善の機会を得られるように、同時に、望ましくない副作用、特に積極的な化学療法及び／又は標的治療及び／又は免疫療法及び／又は放射線療法及び／又は手術の副作用が最小限になるように、適応させることが可能になる。したがって、たとえば、癌再発のリスクが低い患者、すなわちＭＰＳが低い患者、及び／又は本明細書に記載のリスク層別化アルゴリズムに基づいて低リスクとして分類された患者は現在、通常はホルモン療法だけで、又はホルモン療法を組み合わせたもの、たとえば抗エストロゲン剤及び／又はアロマターゼ阻害薬と低毒性化学療法剤とで治療される。一方で、癌再発のリスクが中間又は高い患者、すなわちＭＰＳが中から高の患者、及び／又は本明細書に記載のリスク層別化アルゴリズムに基づいて中リスク又は高リスクとして分類された患者は現在、通常はアントラサイクリン及び／又はタキサンがベースの治療養生法などの、より積極的な化学療法で治療されることになる。加えて、ＭＰＳは、場合により他の患者検査結果及び／又は他の予後又は予測的な（たとえば、コンパニオン診断）検査の結果と組み合わせて、患者を、タモキシフェン、トラスツズマブ、ベバシズマブなどの標的薬剤で、及び／又は、現在は患者の特定の癌に対する主系統治療プロトコルの一部ではない他の治療薬剤（たとえば、免疫療法）で、及び／又は放射線療法、たとえば密封小線源療法で、及び／又は、たとえば一次治療の前及び／又は後の、異なる治療のタイミングなどの他の治療選択肢で、治療する決定を行うことができる。
対象が臨床事象（たとえば、癌）を特定の期間内に経験するリスクを示すものとして決定リスク・スコア（ＭＰＳ）を直接使用する代わりに、ＣＤＳシステム１０が、リスク・スコアを１つ又は複数の追加予後検査から得られた１つ又は複数の追加リスク・スコアと組み合わせて結合リスク・スコアが得られるように構成されることが可能であり、この結合リスク・スコアが、対象が臨床事象を特定の期間内に経験するリスクを示すことに留意されたい。１つ又は複数の追加予後検査には特に、Ｏｎｃｏｔｙｐｅ ＤＸ（登録商標）乳癌検査、Ｍａｍｍｏｓｔｒａｔ（登録商標）乳癌検査、ＭａｍｍａＰｒｉｎｔ（登録商標）乳癌検査、ＥｎｄｏＰｒｅｄｉｃｔ（登録商標）乳癌検査、ＢｌｕｅＰｒｉｎｔ（商標）乳癌検査、ＣｏｍｐａｎＤｘ（登録商標）乳癌検査、Ｂｒｅａｓｔ Ｃａｎｃｅｒ Ｉｎｄｅｘ（役務標章）（ＨＯＸＢ１３／ＩＬ１７ＢＲ）、ＯｎｃｏｔｙｐｅＤＸ（登録商標）結腸癌検査、及び／又は、遺伝子／タンパク質Ｋｉ６７の発現を測定することによって行われる増殖検査が含まれ得る。
実施例４ 乳癌サブタイプにおける適用
各乳癌サブタイプの経路活性を評価するために、ＥＲ、ＡＲ、Ｗｎｔ、ＨＨ、ＴＧＦ－β及びＰＩ３Ｋ経路の数学経路モデルが、アフィメトリクス ＨＧ－Ｕ１３３ Ｐｌｕｓ ２．０、公的データセットＧＳＥ６５３２、ＧＳＥ９１９５、ＧＳＥ２０６８５、ＧＳＥ２１６５３及びＥ－ＭＴＡＢ－３６５の１２９４個の乳癌組織試料からのマイクロアレイ・データについて個別に検査された。様々な乳癌サブタイプは、異なる活性経路の分布によって特徴づけられた（図２４Ａ及び図２４Ｂ参照）。１２９４個の乳癌試料のうち７４９個（５８％）は、ＴＦ複合体が活性で存在する推測確率が０．５を超えているものと定義される、少なくとも１つの経路活性を有した（図２４Ａ参照）。経路が活性である限界確率として、又はわずかに活性の経路として定義される０．２の低い閾値では、１０２６（７９％）人の患者が少なくとも１つの限界活性経路を有した（図２４Ｂ参照）。患者の４１％（ｎ＝５３７）が、少なくともＥＲ又はＰＩ３Ｋ経路活性を有した。ＨＨ、ＴＧＦ－β及びＷｎｔ活性試料は少ない頻度で、それぞれ１１％（ｎ＝１４２）、８．４％（ｎ＝１０９）及び５．４％（ｎ＝７０）の患者で見つかった（図２４Ｂ参照）。わずか２．６％（ｎ＝３４）という少ない割合の患者が、活性ＡＲ経路を有することが判明した。
内因性サブタイプは、Ｐａｒｋｅｒ及び協力者によって示された方法を用いて決定された（Ｊ．Ｓ．Ｐａｒｋｅｒら「Ｓｕｐｅｒｖｉｓｅｄ ｒｉｓｋ ｐｒｅｄｉｃｔｏｒ ｏｆ ｂｒｅａｓｔ ｃａｎｃｅｒ ｂａｓｅｄ ｏｎ ｉｎｔｒｉｎｓｉｃ ｓｕｂｔｙｐｅ」、Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉｎｉｃａｌ Ｏｎｃｏｌｏｌｇｙ，Ｖｏｌ．２７，２００９、１１６０～１１６７頁参照）。ＰＡＭ５０に含まれる全５０遺伝子のｆＲＮＡ正規化遺伝子発現が、マイクロアレイ・データから、ＰＡＭ５０遺伝子に関連するプローブセットを使用して抽出された。
複数のプローブセットが単一の遺伝子に関連している場合には、変動が最も大きいプローブセットが選ばれた。管腔Ａ、管腔Ｂ、ＨＥＲ２豊富、基礎様及び正常様の重心が、既知のサブタイプと共にＧＳＥ２１６５３からの試料を用いて計算された。次に、これらの重心とのピアソンの相関係数がすべての試料について計算された。各試料は、相関が最も高いサブタイプに割り当てられた。カプラン・マイヤー曲線及び一変量コックス回帰を用いる生存期間解析により、ＥＲ、Ｗｎｔ、ＨＨ、ＰＩ３Ｋ及びＴＧＦ－β経路活性が、１１６９人の乳癌患者について評価された無再発生存期間と関連することが示された（図２５Ａ及び図２６参照）。
無再発生存期間がＥＲ活性患者で相対的に最も高いのに対し（図２５Ａ及び図２５Ｂ参照）、活性ＴＧＦ経路を持つ患者はかなり早く再発した（３年無再発生存期間が６７．５％対９０．４％、対数順位検定が５．４×１０－１０）。また、他の胚性細胞シグナル伝達経路、ＨＨ及びＷｎｔ、並びにＰＩ３Ｋ生存経路の活性を持つ患者も予後が、ＥＲ活性患者と比べて著しく悪かった（対数順位検定がそれぞれ、ｐ＝２．２×１０－６、１．１×１０－３、及び２．１×１０－６）。これら５つの経路のどれもが活性であると判明しなかった患者は、予後がほどほどに良かったが、ＥＲ活性患者と比べると悪かった。
次に、経路確率と無再発生存期間の間の関係がコックス回帰によってさらに評価された。経路活性確率についての一変量コックス回帰解析により、ＥＲ経路が最も好ましい活性と特定され、Ｗｎｔ、ＨＨ、ＰＩ３Ｋ及びＴＧＦ－β活性は不良な予後と関連付けられた（図２６参照）。ＡＲ経路の確率は、無再発生存期間に関して好ましいとも好ましくないとも明確に規定することができなかった（ｐ＝０．２、両側）。ＥＲ、ＨＨ、ＰＩ３Ｋ及びＴＧＦβ経路の確率は、ＥＲ、Ｗｎｔ、ＨＨ、ＰＩ３Ｋ及びＴＧＦ－βによる多変量解析において依然として有意性のある再発の予知因子であるのに対し、Ｗｎｔは、他の経路と組み合わせた場合に、その有意性がなくなる（図２６参照）。
１６７個（１３％）の患者試料で、少なくとも２つの経路が活性であると判明した。最も優勢な組合せは、活性のＥＲ経路とＰＩ３Ｋ経路から成る（図２７参照）。活性のＥＲ又はＰＩ３Ｋと、１つ又は複数の胚性経路との組合せもまた最も優勢な組合せの中にあり、たとえばＨＨとＰＩ３Ｋの組合せは１８回観察された。少ない割合の試料で、２つの胚性経路が様々な組合せで活性であると判明した。しかし、これらの経路組合せと関連した予測的な予後値を特定するには、試料数が少なすぎた。
生存期間解析は、乳癌患者における無再発生存期間に関するＥＲ、ＨＨ、ＰＩ３Ｋ及びＴＧＦ－β経路の推測活性の、強力でほとんど独立している予後能力を実証し、それによって、これらを１つのリスク・スコアに組み合わせたものが正当になる（図２８Ｂ、図２８Ｄ、図２８Ｆ、図２８Ｈ、及び図２８Ｊ参照）。一変量解析ではぎりぎり有意性があり、多変量解析では、活性Ｗｎｔ経路を有する試料がほんのわずかであることにより有意性がないＷｎｔ経路はそれでも、経路活性なしに対するＷｎｔ活性の有意の対数順位検定結果（ｐ＝０．００１１）に基づいて、複数経路スコアに含まれるように選ばれた。ＡＲ経路は、予後に関しては有益でなく、したがって乳癌のＭＰＳには含まれなかった。実施例２で論じたように、複数経路スコア（ＭＰＳ）は、ＥＲ、Ｗｎｔ、ＨＨ、ＰＩ３Ｋ及びＴＧＦ－β経路の一変量コックス回帰係数を、ＥＲ陽性乳癌がある患者の１６４訓練試料に対し公的データセットＧＳＥ６５３２及びＧＳＥ９１９５の既知の臨床結果と共に用いて、導出された。このＭＰＳを、追跡情報がある残りの１００５人の患者について検査した結果、最低及び最高三分位値のカプラン・マイヤー生存期間グラフで見ることができるように、高リスク患者と低リスク患者の間に明確な分別が得られた（ｐ＝８．６×１０－１２、対数順位検定、図２５Ｂ参照）。ＭＰＳが、一変量コックス回帰解析による予後と強く関連付けられた（ＨＲｓｃａｌｅｄ＝４．９０、ｐ＝７．３×１０－１５）。
１２９４乳癌試料がその内因性サブタイプに分類された。これらのサブタイプ全体にわたる経路活性の分布が図２８Ａ、図２８Ｃ、図２８Ｅ、図２８Ｇ及び図２８Ｉに示されている。ＥＲ経路は、一般にはＥＲ＋試料である管腔Ａ及びＢ試料において、活性であることが最も多いと判明した。管腔試料中で、ＥＲ経路は、活性であることが、不良な予後管腔Ｂ群よりも良好な予後の管腔Ａ群の方で多いが（図２８Ａ及び図２８Ｃ参照）、ＰＩ３Ｋ経路は、管腔Ｂ試料の方が活性であることが多い。
管腔試料とは異なり、ＨＥＲ２豊富な基礎型試料のうちで活性ＥＲ経路を示したものは全くなかったが、ＰＩ３Ｋ経路に加えて、胚性経路のＷｎｔ、ＨＨ及びＴＧＦ－βは、より侵襲性で不良な予後を伴うことが知られているこれらの癌サブタイプにおいて、活性であることがより多いように見えた（図２８Ｅ及び図２８Ｇ参照）。Ｗｎｔ経路は、基礎型の中で非常に顕著な活性経路であった（図２８Ｇ参照）。ＨＥＲ２サブタイプ中に最大の割合であるのは、活性ＰＩ３Ｋである。加えて、ＡＲ経路は、非常に少ないＨＥＲ２症例において活性として現われた。
正常様乳癌は、ＰＡＭ５０分類による正常な乳房組織での遺伝子発現に似ていたので、特別なサブタイプとして分類されてきた。しかし、経路解析では、正常様乳癌試料が、正常な乳房組織とは明確に区別することができ、高い頻度のＥＲ活性を示したのに対し（図２８Ｉ参照）、正常な乳房組織試料ではＥＲ経路が活性として検出されなかった。さらに、ＨＨ経路が活性であることが多いことにより、この腫瘍サブタイプは、正常な乳房組織及び管腔・サブタイプとは明確に区別される。
コックス回帰解析がＭＰＳについて行われ、各サブタイプ内で基準化された。ＭＰＳ検査により、管腔癌の中で良好な予後の症例と不良な予後の症例を区別できるだけでなく（ＨＲｓｃａｌｅｄ＝４．１１、ｐ＝２．１×１０－７）、管腔Ａ及びＢ群内でＭＰＳにより、患者を有意に層別化することもできる（ＨＲｓｃａｌｅｄ＝５．１５及び２．４３、ｐ＝４．７×１０－５及び１．３×１０－２、それぞれ図２８Ｂ及び図２８Ｄ参照）。さらに、ＭＰＳにより、予後が非常に不良なＨＥＲ２症例（ＨＲｓｃａｌｅｄ＝４．８１、ｐ＝３．２×１０－５、図２８Ｆ参照）をＨＥＲ２豊富な患者の総群の中で特定した。最高ＭＰＳ三分位値のＨＥＲ２患者の３５％だけが、無再発生存期間が５年であった。しかし、これらの患者はＨＥＲ２標的薬を全く与えられなかったことに留意されたい。通常は予後が他のサブタイプと比べて非常に不良な基礎母集団内で、ＭＰＳにより、予後がかなり良いサブグループ（ＨＲｓｃａｌｅｄ＝３．４０、ｐ＝３．７×１０－３、図２８Ｈ参照）が特定される。最低ＭＰＳ三分位値に入る基礎癌がある患者の５年生存は、最高ＭＰＳ三分位値の６２％と比べて、８２％であった。正常様型乳癌の中で、ＭＰＳスコアは最小予後であった（ＨＲｓｃａｌｅｄ＝３．５３、ｐ＝０．０５、図２８Ｊ参照）。
ＭＰＳ及び２１遺伝子ＲＳによる多変量解析（図２９参照）は、これら２つが１００５個の検査試料に対して互いに補完することを示す（それぞれ、ＨＲｓｃａｌｅｄ＝３．３２及び１．９２、ｐ＝１．５×１０－７及び７．２×１０－５）。２１遺伝子ＲＳが臨床的に示されるＥＲに対しＩＨＣ染色が陽性である、試験コホートの４５２人の患者のサブセットについて実施した場合、ＭＰＳ及び２１遺伝子再発スコアは両方とも、依然として無再発生存期間の有意の独立した予知因子であり（それぞれ、多変量ＨＲｓｃａｌｅｄ＝２．２５及び２．７５、ｐ＝０．０２５及び４．５×１０－５）、したがって、これら２つはまた、ＥＲ陽性試料においても相補的である。
２１遺伝子再発スコアは、以前にＰａｉｋ及び協力者によって示された方法論に従う研究実施態様を用いて計算された（Ｓ．Ｐａｉｋらの「Ａ ｍｕｌｔｉ－ｇｅｎｅ ａｓｓａｙ ｔｏ ｐｒｅｄｉｃｔ ｒｅｃｕｒｒｅｎｃｅ ｏｆ Ｔａｍｏｘｉｆｅｎ－ｔｒｅａｔｅｄ， ｎｏｄｅ－ｎｅｇａｔｉｖｅ ｂｒｅａｓｔ ｃａｎｃｅｒ」、Ｔｈｅ Ｎｅｗ Ｅｎｇｌａｎｄ Ｊｏｕｒｎａｌ ｏｆ Ｍｅｄｉｃｉｎｅ，Ｖｏｌ．３５１，Ｎｏ．２７，２００４、２８１７～２８２６頁と、Ｃ．Ｆａｎらの「Ｃｏｎｃｏｒｄａｎｃｅ ａｍｏｎｇ ｇｅｎｅ－ｅｘｐｒｅｓｓｉｏｎ－ｂａｓｅｄ ｐｒｅｄｉｃｔｏｒｓ ｆｏｒ ｂｒｅａｓｔ ｃａｎｃｅｒ」、Ｔｈｅ Ｎｅｗ Ｅｎｇｌａｎｄ Ｊｏｕｒｎａｌ ｏｆ Ｍｅｄｉｃｉｎｅ，Ｖｏｌ．３５５，Ｎｏ．６，２００６、５６０～５６９頁とを参照）。２１遺伝子と関連付けられたプローブセットのｆＲＮＡ正規化発現が、２１遺伝子再発スコアのこの研究実施態様の入力として用いられた。平均発現レベルが、遺伝子が複数のプローブセットによって測定された場合に使用された。対象の１６遺伝子の発現レベルが、５つの参照遺伝子の平均に対して正規化され、Ｆａｎらによって示されたように基準化された。次に、未基準化再発スコア（ＲＳｕ）が試料ごとに式を用いて計算され、その後、Ｐａｉｋらによって以前に示されたように０から１００の間で基準化された。続いて、各患者が、低、中間又は高リスク群に、公開された１８及び３１のカットオフ・ポイントを用いて割り当てられた。
２１遺伝子再発スコアの別々のリスク群中の全１００５検査症例に対するＭＰＳの一変量コックス解析により（図２９参照）、ＭＰＳが各リスク群で予後を有意に改善できることが実証されたのに対し（ＭＰＳにＨＲｓｃａｌｅｄ＝３．０３、７．９１及び３．２４、ｐ＝０．０４５、０．０４４及び９．５×１０－７をそれぞれ与える低、中間及び高リスク２１遺伝子ＲＳ）、実際の２１遺伝子再発スコアは、その低リスク群内でのみ有意であった（ＨＲｓｃａｌｅｄ＝２．５４、ｐ＝５．１×１０－３）。真の低リスク及び高リスクの患者を特定することである、両予後特性の最良のものは、基準化ＭＰＳと２１遺伝子ＲＳを足し合わせることによって得られた（ＨＲｓｃａｌｅｄ＝５．１７、ｐ＝７．９×１０－１６、図２９参照）。２１遺伝子ＲＳは、疾患再発率グラフ及びＲＯＣ曲線で分かるように（それぞれ図２９Ａ、図２９Ｂ、図２９Ｅ、及び図２９Ｆ参照）、低リスク患者を検出するのにより強力であり、それに対して高リスク患者は、ＭＰＳによってより効果的に特定される。結合されたＭＰＳと２１遺伝子ＲＳは、低リスク患者及び高リスク患者を特定する機能を２つのスコアの結合後にも保持し、全体として最良の能力を示す。
一緒にされると、このデータは、個々の乳癌患者の予後を、癌組織試料中の５つの主要な発癌性シグナル伝達経路の機能活性を検出することに基づいて評価できることを実証する。結合複数経路スコア（ＭＰＳ）は、良好な予後の症例と不良な予後の症例を明確に、各乳癌サブタイプの中でも区別し、この区別は、原因となる癌生物学に及ぼす個別のシグナル伝達経路の影響に基づいている。したがって、特定されたシグナル伝達経路活性により、乳癌の病態生理学への洞察が得られ、また臨床的に重要な、標的治療選択を容易にする情報が得られる。ＭＰＳは、ＥＲ陽性患者の２１遺伝子再発スコアに匹敵する予後結果を、他のすべての乳癌サブタイプにおいて、特にＨＥＲ２及び基礎サブタイプにおいてより良い結果を得ながら実現した。さらに、ＭＰＳは、２１遺伝子再発スコアのすべての規定リスク群内のリスクに応じて層別化をすること、特に２１遺伝子再発スコアの決定的でない中間リスク群における層別化ができ、また、結合ＭＰＳ－２１遺伝子再発スコア検査として用いて、この特別な検査症例に対し最適能力を実現することができる。
実施例５ 本発明を説明するためのさらなる情報
（１）遺伝子発現のレベルの測定
本発明に記載の標的遺伝子の固有の組から導出されたデータが、本明細書に記載の方法を用いて細胞シグナル伝達経路の活性を推測するために、さらに利用される。
取り出された試料における遺伝子発現レベルを解析する方法は、広く知られている。たとえば、ノーザン・ブロット法、ＰＣＲの使用、ネステッドＰＣＲ、定量的リアル・タイムＰＣＲ（ｑＰＣＲ）、ＲＮＡ－ｓｅｑ、又はマイクロアレイなどの方法はすべて、遺伝子発現レベル・データを導出するのに使用することができる。当技術分野で知られている、標的遺伝子の遺伝子発現を解析するためのすべての方法が本明細書では企図されている。
遺伝子の発現産物をＰＣＲベースの方法を用いて決定する方法が特に使用され得る。遺伝子発現のレベルをＰＣＲの使用により定量化するために、対象の各ＰＣＲ産物の量が通常は、従来の定量的リアルタイムＰＣＲ（ｑＰＣＲ）を使用して推定されて、ＰＣＲ産物の蓄積が、増幅の各サイクル後にリアルタイムで測定される。これには通常、挿入色素、副溝結合色素、又は蛍光発生プローブなどの検出可能レポーターを利用し、それによって、光を当てるとレポーターが励起されて蛍光を発生させ、発生させた蛍光が通常は、参照により本明細書に組み込まれる米国特許第６，７１３，２９７号に開示されているものなどの、ＣＣＤカメラ又は光増倍管検出システムを使用して検出される。
いくつかの実施形態では、定量的リアルタイムＰＣＲ（ｑＰＣＲ）アッセイにおいてＰＣＲ産物の検出に使用されるプローブは、蛍光マーカーを含み得る。多数の蛍光マーカーが市販されている。たとえば、Ｍｏｌｅｃｕｌａｒ Ｐｒｏｂｅｓ，Ｉｎｃ．（Ｅｕｇｅｎｅ，Ｏｒｅｇ．）は、多種多様な蛍光色素を販売している。非限定的な例には、Ｃｙ５、Ｃｙ３、ＴＡＭＲＡ、Ｒ６Ｇ、Ｒ１１０、ＲＯＸ、ＪＯＥ、ＦＡＭ、Ｔｅｘａｓ Ｒｅｄ（商標）、及びＯｒｅｇｏｎ Ｇｒｅｅｎ（商標）が含まれる。付加的な蛍光マーカーには、ＩＤＴ ＺＥＮ Ｄｏｕｂｌｅ－Ｑｕｅｎｃｈｅｄ Ｐｒｏｂｅが、ｑＰＣＲアッセイにおける従来の５’加水分解プローブと共に含まれ得る。これらのプローブは、たとえば、５’ＦＡＭ色素を３’ＴＡＭＲＡ Ｑｕｅｎｃｈｅｒ、３’Ｂｌａｃｋ Ｈｏｌｅ Ｑｕｅｎｃｈｅｒ（ＢＨＱ，Ｂｉｏｓｅａｒｃｈ Ｔｅｃｈｎｏｌｏｇｉｅｓ）、又は内部ＺＥＮ Ｑｕｅｎｃｈｅｒ及び３’Ｉｏｗａ Ｂｌａｃｋ Ｆｌｕｏｒｅｓｃｅｎｔ Ｑｕｅｎｃｈｅｒ（ＩＢＦＱ）と共に含有し得る。
本発明によると有用な蛍光色素は、当技術分野でよく知られている方法を用いて、オリゴヌクレオチド・プライマーに付着させることができる。たとえば、蛍光標識をオリゴヌクレオチドに付加するための１つの一般的な方法は、色素のＮ－ヒドロキシスクシンイミドエステル（ＮＨＳ）エステルを標的上の反応性アミノ基と反応させるものである。ヌクレオチドは、たとえば核酸塩基上にアリルアミン基を含むことによって、反応性アミノ基を保有するように修飾することができる。アリルアミンによる標識は、たとえば、参照により本明細書に組み込まれる米国特許第５，４７６，９２８号及び第５，９５８，６９１号に記載されている。蛍光でヌクレオチド、オリゴヌクレオチド及びポリヌクレオチドを標識する他の手段は、当業者によく知られている。
他の蛍光発生の手法には、ＳＹＢＲ－ｇｒｅｅｎ色素などの遺伝子検出系の使用が含まれ、これは、参照により本明細書に組み込まれる米国特許第５，４３６，１３４号及び第５，６５８，７５１号に開示されているように、任意の遺伝子発現産物からの増幅ＤＮＡとインターカレートされると蛍光を発生させる。
標的遺伝子発現レベルを決定するための別の有効な方法には、異なる生理学的条件間の遺伝子発現レベル差、又は発生中若しくは疾患進行の間に起こる変化を含めてトランスクリプトーム解析に使用される強力な解析ツールである、ＲＮＡ－ｓｅｑが含まれる。
遺伝子発現レベルを決定するための別の手法には、マイクロアレイ、たとえばＲＮＡ及びＤＮＡマイクロアレイを使用することが含まれ、これは当技術分野でよく知られている。マイクロアレイは、多数の遺伝子の発現を同時に定量化するのに使用することができる。
（２）ＰＩ３Ｋ、Ｗｎｔ、ＥＲ、及びＨＨ細胞シグナル伝達の活性を決定するための一般化されたワークフロー
本発明は、特定の臨床事象を経験する対象のリスク・スコアを計算するためにＴＧＦ－β、ＰＩ３Ｋ、Ｗｎｔ、ＥＲ、及びＨＨの経路の機能状態又は活性を評価する、本明細書に開示された新規で改善された方法及び装置を提供する。
ＴＧＦ－β細胞シグナル伝達及び他の細胞シグナル伝達の活性を対象から取り出された試料により決定するプロセスを例示的に図示する流れ図が、図２０に示されている。第一に、試料からｍＲＮＡが分離される（１１）。第二に、本明細書に記載のように、少なくとも３つ以上のＴＧＦ－β標的遺伝子からなる固有の組のｍＲＮＡ発現レベルが、当技術分野で知られている遺伝子発現を測定する方法を使用して測定される（１２）。次に、ＴＧＦ－β転写因子（ＴＦ）要素の活性レベルが、３つ以上の標的遺伝子の発現レベルをＴＧＦ－β ＴＦ要素の活性レベルに関係付ける較正済み数学経路モデル（１４）を使用して決定される（１３）。次に、対象におけるＴＧＦ－β経路の活性が、対象の試料におけるＴＧＦ－β ＴＦ要素の決定された活性レベルに基づいて推測される（１５）。
図２０の右側に示されるように、ＴＧＦ－β ＴＦ要素の活性レベルを決定した後に、少なくとも１つの追加細胞シグナル伝達経路（すなわち、ＰＩ３Ｋ、Ｗｎｔ、ＥＲ、及びＨＨのうちの１つ以上）のＴＦ要素の活性レベルが決定される。一例として、本明細書に記載のように、追加細胞シグナル伝達経路からの３つ以上の標的遺伝子からなる固有の組のｍＲＮＡ発現レベルが、当技術分野で知られている遺伝子発現を測定する方法を使用して測定される（１６）。次に、ＴＦ要素の活性レベルが、追加細胞シグナル伝達経路の３つ以上の標的遺伝子の発現レベルをＴＦ要素の活性レベルに関係付ける較正済み数学経路モデル（１４）を使用して決定される（１７）。次に、対象における追加細胞シグナル伝達経路の活性が、対象の試料におけるＴＦ要素の決定された活性レベルに基づいて推測される（１８）。次に、ＴＧＦ－β及び追加細胞シグナル伝達経路の活性が複数経路スコア（ＭＰＳ）に変換され（１９）、これは、疾患と関連する臨床事象を対象が規定期間内に経験するリスクを示す。ＭＰＳとしてリスク・スコアを決定することは、較正済み複数経路スコア（ＭＰＳ）モデルを評価することとして理解することができ、モデルのパラメータは、たとえば、本明細書に記載のように、重み付け係数（たとえば、ｗｅ、ｗｗ、ｗｈ、ｗｐ、及びｗｔ）を含む。最後に、試料には、計算されたＭＰＳに基づいた臨床事象を経験するリスク・スコアが割り当てられる（２０）。
（３）複数経路スコア（ＭＰＳ）モデルの較正及び複数経路スコア（ＭＰＳ）の決定
本明細書で企図されているように、臨床事象が起こるリスクに対応するリスク・スコアは、以下でさらに説明するように、臨床事象と関連する細胞シグナル伝達経路の活性を含む較正済み複数経路スコア（ＭＰＳ）モデルを使用して決定することができる。
本発明で使用される較正済み複数経路スコア（ＭＰＳ）モデルは、対象の臨床事象及び推測経路活性についての容易に得られる臨床データを用いて較正することができる。ＭＰＳモデルを生存データで較正するためのプロセスを例示的に示す流れ図が、図２１に示されている。最初のステップとして、較正済み数学経路モデルを使用して推測された関連経路活性が、経路活性データベース（２０１）から検索される。経路活性データベースは、ＴＧＦ－β経路活性（２０６）及び少なくとも１つの追加経路の経路活性を含む。たとえば、経路活性データベースは、ＥＲ経路活性（２０２）、Ｗｎｔ経路活性（２０３）、ＨＨ経路活性（２０４）、ＰＩ３Ｋ経路活性（２０５）、及びＴＧＦ－β経路活性（２０６）を含む。試料の特定の訓練セットのＩＤ（２１８）が次に使用されて、関連経路活性（２１９）と、たとえば、生存データ・データベース（２２１）から受け取られる生存データ（２２０）（生存が、解析される臨床事象である場合）とを受け取る。経路活性が次に、ＥＲ経路活性、Ｗｎｔ経路活性、ＨＨ経路活性、ＰＩ３Ｋ経路活性、及びＴＧＦ－β経路活性の場合に、Ｐｅ、Ｐｗ、Ｐｈ、Ｐｐ、及びＰｔの出力を用いて選択される（２２２）。生存データは、ＭＰＳが使用される所与の期間内の生存時間及び検閲データを反映する変数Ｓｕｒｖ及びｃｅｎｓ（２２３）に変換される。経路活性及び生存データは次に、コックスの比例ハザード・モデル（２２４）に適合され、これにより、適合されたコックスの比例ハザード・モデル（２２５）が得られる。コックスの比例ハザード・モデルからコックスの係数が集められ（２２６）、次に、出力ｗｅ、ｗｗ、ｗｈ、ｗｐ、及びｗｔの重みに割り当てられる（２２７）。ＭＰＳ構造（２２８）と重みが一緒に取得されてＭＰＳモデルを較正し（２２９）、較正済みＭＰＳモデル（２１０）が出力される。
較正済みＭＰＳモデルからリスク・スコアを決定するためのプロセスを例示的に示す流れ図が、図２２に示されている。最初のステップとして、較正済み経路モデルを使用して推測された関連経路活性が、経路活性データベース（２０１）から検索される。経路活性データベースは、ＰＩ３Ｋ経路活性（２０５）及び少なくとも１つの追加経路の経路活性を含む。たとえば、経路活性データベースは、ＥＲ経路活性（２０２）、Ｗｎｔ経路活性（２０３）、ＨＨ経路活性（２０４）、ＰＩ３Ｋ経路活性（２０５）、及びＴＧＦ－β経路活性（２０６）を含む。患者試料は次に識別され（２０７）、初期経路活性が試料及びデータベースから、転写因子の測定値又は遺伝子発現レベルとして、関連経路について集められる（２０８）。関連経路それぞれの総合活性が次に、Ｐｅ、Ｐｗ、Ｐｈ、Ｐｐ、及びＰｔの出力を用いて推測される（２０８）。これらの活性は次に、較正済みＭＰＳモデル（２１１）を使用して、リスク・スコア（２１０）に変換される。この初期リスク・スコアはさらに、他の関連データを用いて、患者の最終リスク・スコア（２１２）を生成するようにさらに調整することができる。この最終スコアを使用して次に、表示（２１３）、割り当て（２１４）、又は治療についての決定（２１５）を行い、それによって、それぞれ表示リスク・スコア（２１６）、割り当てリスク・スコア（２１７）、又は決定治療（２１８）の結果が生成される。
対象における細胞シグナル伝達経路の活性を推測することは、たとえば、特に（ｉ）対象の試料において測定された、細胞シグナル伝達経路の３つ以上の標的遺伝子の発現レベルを含む入力の組に対する細胞シグナル伝達経路を表す較正済み確率的経路モデル、好ましくはベイジアン・ネットワーク、の一部分を評価することによって、また（ｉｉ）対象における転写因子（ＴＦ）要素の活性レベルを推定することによって行うことができ、このＴＦ要素は、細胞シグナル伝達経路の３つ以上の標的遺伝子の転写を制御し、推定することは、ＴＦ要素の活性レベルと、対象の試料において測定された細胞シグナル伝達経路の３つ以上の標的遺伝子の発現レベルとに関連する条件付き確率とに基づいており、また（ｉｉｉ）細胞シグナル伝達経路の活性を対象の試料におけるＴＦ要素の推定活性レベルに基づいて推測することによって行うことができる。これについては、公開されている国際特許出願ＷＯ２０１３／０１１４７９Ａ２（「Ａｓｓｅｓｓｍｅｎｔ ｏｆ ｃｅｌｌｕｌａｒ ｓｉｇｎａｌｉｎｇ ｐａｔｈｗａｙ ａｃｔｉｖｉｔｙ ｕｓｉｎｇ ｐｒｏｂａｂｉｌｉｓｔｉｃ ｍｏｄｅｌｉｎｇ ｏｆ ｔａｒｇｅｔ ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎ」）に詳細に記載されており、同出願の内容はその全体が本明細書に組み込まれる。
例示的な一代替形態では、対象における細胞シグナル伝達経路の活性を推測することは、たとえば、特に（ｉ）対象の試料における転写因子（ＴＦ）要素の活性レベルを決定することによって行うことができ、このＴＦ要素は、細胞シグナル伝達経路の３つ以上の標的遺伝子の転写を制御し、決定することは、細胞シグナル伝達経路の３つ以上の標的遺伝子の発現レベルをＴＦ要素の活性レベルに関係付ける較正済み数学経路モデルを評価することに基づいており、数学経路モデルは、３つ以上の標的遺伝子の発現レベルの１つ以上の一次結合に基づいており、また（ｉｉ）対象における細胞シグナル伝達経路の活性を対象の試料におけるＴＦ要素の決定された活性レベルに基づいて推定することによって行うことができる。これについては、公開されている国際特許出願ＷＯ２０１４／１０２６６８Ａ２（「Ａｓｓｅｓｓｍｅｎｔ ｏｆ ｃｅｌｌｕｌａｒ ｓｉｇｎａｌｉｎｇ ｐａｔｈｗａｙ ａｃｔｉｖｉｔｙ ｕｓｉｎｇ ｌｉｎｅａｒ ｃｏｍｂｉｎａｔｉｏｎ（ｓ） ｏｆ ｔａｒｇｅｔ ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎｓ」）に詳細に記載されている。
一実施形態では、細胞シグナル伝達経路がＰＩ３Ｋ経路及び／又はＷｎｔ経路及び／又はＥＲ経路及び／又はＨＨ経路を含み、リスク・スコアが、示されたリスクがＰＩ３Ｋ経路の推測活性の増加及び／又はＷｎｔ経路の推測活性の増加及び／又はＨＨ経路の推測活性の増加と共に単調増加するように、かつ／又はＥＲ経路の推測活性の減少と共に単調減少するように規定される方法を提供する。
一実施形態では、リスク・スコアが、示されたリスクがＴＧＦ－β経路の推測活性の増加と共に単調増加するように規定される方法が提供される。
一実施形態では、推測活性を組み合わせたものは、項ｗｔ・Ｐｔと、項ｗｐ・Ｐｐ、ｗｗ・Ｐｗ、ｗｅ・Ｐｅ、及びｗｈ・Ｐｈのうちの１つ以上とを含む合計を含み、ここで、Ｐｔ、Ｐｐ、Ｐｗ、Ｐｅ、及びＰｈはそれぞれ、ＴＧＦ－β経路、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路の推測活性を表し、ｗｔ、ｗｐ、ｗｗ、及びｗｈは正の一定重み付け係数であり、ｗｅは負の一定重み付け係数であり、対象が臨床事象を特定の期間内に経験する示されたリスクは、合計値の増加と共に単調増加する。
いくつかの実施形態では、一定重み付け係数ｗｔ、ｗｐ、ｗｗ、ｗｅ、及びｗｈは、それぞれの細胞シグナル伝達経路のコックス比例ハザード・モデルを臨床データに適合させることにより得られるコックスの係数の値に基づいて、それぞれ決定されるか、又は決定されている。たとえば、係数推定値の符号は、経路活性が、負係数の場合に臨床事象に対して防御的であるかどうかを示し、又は正係数の場合に良くない、若しくは悪い予後を予測する。係数の絶対値は、予後に関するリスク・スコアの強さを示す。
一実施形態では、臨床事象は癌転移であり、ｗｔ、ｗｐ、ｗｗ、及びｗｈは非負の一定重み付け係数であり、ｗｅは非正の一定重み付け係数である。これらの係数と共にＭＰＳは、対象が臨床事象を特定の期間内に経験する示されたリスクが、合計値の増加と共に単調に増加することを示す。
（４）標的遺伝子発現レベル決定手順
対象から取り出された試料から標的遺伝子発現レベルを導出するためのプロセスを例示的に示す流れ図が、図２３に示されている。例示的な実施形態では、試料は検査所で受け取られ登録される。試料は、たとえば、ホルマリン固定パラフィン包埋（ＦＦＰＥ）試料（１８１）又は新鮮凍結（ＦＦ）試料（１８０）を含み得る。ＦＦ試料は、すぐ溶解することができる（１８３）。ＦＦＰＥ試料では、パラフィンは、プロテイナーゼＫを追加するときに加熱インキュベーション・ステップによって除去することができる（１８２）。次に細胞を溶解し（１８３）、それにより細胞及び核膜を破壊し、それにより、さらなる処理に利用可能な核酸（ＮＡ）が得られるようになる。核酸は、たとえばビーズ又はフィルタであり得る固相に結合される（１８４）。核酸は次に、洗浄バッファで洗浄されて、溶解後に存在する細胞デブリがすべて除去される（１８５）。清浄な核酸が次に固相から、溶出バッファを用いて引き離される（１８６）。ＤＮＡがＤＮＡｓｅ処理によって取り除かれて、ＲＮＡだけが試料中に存在することが確実になる（１８７）。核酸試料は次に、ＲＴ－ｑＰＣＲ試料混合物中ですぐに使用することができる（１８８）。ＲＴ－ｑＰＣＲ試料混合物は、ＲＮＡ試料、ｃＤＮＡをＲＮＡ試料から調製するためのＲＴ酵素、及びｃＤＮＡを増幅するためのＰＣＲ酵素、酵素の機能を確保するための緩衝液を含有し、また場合により、固定量の濃度を設定するために分子グレード水を含有し得る。試料混合物は次に、乾燥ＲＴ－ｑＰＣＲアッセイを含むマルチウェル・プレート（すなわち、９６ウェル又は３８４ウェル・プレート）に加えることができる（１８９）。ＲＴ－ｑＰＣＲを次に、ＰＣＲ機内で指定プロトコルに従って実行することができる（１９０）。例示的なＰＣＲプロトコルは、ｉ）５０℃で３０分、ｉｉ）９５℃で５分、ｉｉｉ）９５℃で１５秒、ｉｖ）６０℃で４５秒、ｖ）ステップｉｉｉ及びｉｖの５０サイクル繰り返し、を含む。Ｃｑ値が次に、生データによって、第２の誘導法を用いて決定される（１９１）。Ｃｑ値が解析のためにエクスポートされる（１９２）。
（５）疾患、障害、及び治療方法
本明細書で企図されているように、本発明の方法及び装置は、対象、たとえば疾患若しくは障害があることが疑われる対象、又は疾患若しくは障害がある対象において、ＴＧＦ－β、ＰＩ３Ｋ、Ｗｎｔ、ＥＲ、及び／又はＨＨ細胞シグナル伝達経路活性を評価するために利用することができ、シグナル伝達経路のうちの１つの状態は、疾患の存在又は進行の、全体的又は部分的な証拠となるものである。一実施形態では、対象を治療する方法が本明細書で提供され、この方法は、対象から本明細書に記載の方法を用いて分離された試料から導出されたＴＧＦ－β、ＰＩ３Ｋ、Ｗｎｔ、ＥＲ、及び／又はＨＨ細胞シグナル伝達経路の活性状態に関する情報を受け取ること、並びに、細胞シグナル伝達経路の活性に関する情報が、活性のＴＧＦ－β、ＰＩ３Ｋ、Ｗｎｔ、ＥＲ、及び／又はＨＨシグナル伝達経路を示す場合に、対象にＴＧＦ－β、ＰＩ３Ｋ、Ｗｎｔ、ＥＲ、及び／又はＨＨの阻害剤を投与することを含む。
本発明において使用され得るＴＧＦ－β阻害剤はよく知られている。ＴＧＦ－β阻害剤の例には、それだけには限らないが、テラメプロコル、フレソリムマブ、ソタテルセプト、ガルニセルチブ、ＳＢ４３１５４２、ＬＹ２１０９７６１、ＬＤＮ－１９３１８９、ＳＢ５２５３３４、ＳＢ５０５１２４、ＧＷ７８８３８８、ＬＹ３６４９４７、ＲｅｐＳｏｘ、ＬＤＮ－１９３１８９ＨＣｌ、Ｋ０２２８８、ＬＤＮ－２１４１１７、ＳＤ－２０８、ＥＷ－７１９７、ＭＬ３４７、ＬＤＮ－２１２８５４、ＤＭＨ１、ピルフェニドン、ヘスペレチン、トラベデルセン、レルデリムマブ、メテリムマブ、ｔｒｘ－ＳＡＲＡ、ＩＤ１１、Ｋｉ２６８９４、又はＳＢ－４３１５４２が含まれる。
ＰＩ３Ｋ阻害剤はよく知られており、それだけには限らないが、ワートマニン、デメトキシビリジン、ペリフォシン、イデラシブ、ピクチリシブ、パロミド５２９、ＺＳＴＫ４７４、ＰＷＴ３３５９７、ＣＵＤＣ－９０７、及びＡＥＺＳ－１３６、デュベリシブ、ＧＳ－９８２０、ＢＫＭ１２０、ＧＤＣ－００３２（Ｔａｓｅｌｉｓｉｂ）（２－［４－［２－（２－イソプロピル－５－メチル－１，２，４－トリアゾール－３－イル）－５，６－ジヒドロイミダゾ［１，２－ｄ］［１，４］ベンゾオキサゼピン－９－イル］ピラゾール－１－イル］－２－メチルプロパンアミド）、ＭＬＮ－１１１７（（２Ｒ）－ｌ－フェノキシ－２ブタニルヒドロゲン（Ｓ）－メチルホスホネート；オルメチル（オキソ）｛［（２Ｒ）－ｌ－フェノキシ－２－ブタニル］オキシ｝ホスホニウム））、ＢＹＬ－７１９（（２Ｓ）－Ｎ１－［４－メチル－５－［２－（２，２，２－トリフルオロ－１、１－ジメチルエチル）－４－ピリジニル］－２－チアゾリル］－１，２－ピロリジンジカルボキサミド）、ＧＳＫ２１２６４５８（２，４－ジフルオロ－Ｎ－｛２－（メチルオキシ）－５－［４－（４－ピリダジニル）－６－キノリニル］－３－ピリジニル｝ベンゼンスルホンアミド）（オミパリシブ）、ＴＧＸ－２２１（（±）－７－メチル－２－（モルホリン－４－イル）－９－（ｌ－フェニルアミノエチル）－ピリド［ｌ，２－ａ］－ピリミジン－４－オン）、ＧＳＫ２６３６７７１（２－メチル－１－（２－メチル－３－（トリフルオロメチル）ベンジル）－６－モルホリノ－ｌＨ－ベンゾ［ｄ］イミダゾール－４－カルボン酸ジヒドロクロリド）、ＫＩＮ－１９３（（Ｒ）－２－（（ｌ－（７－メチル－２－モルホリノ－４－オキソ－４Ｈ－ピリド［１，２－ａ］ピリミジン－９－イル）エチル）アミノ）安息香酸）、ＴＧＲ－１２０２／ＲＰ５２６４、ＧＳ－９８２０（（Ｓ）－ｌ－（４－（（２－（２－アミノピリミジン－５－イル）－７－メチル－４－モヒドロキシプロパン－１－オン）、ＧＳ－１１０１（５－フルオロ－３－フェニル－２－（［Ｓ）］－ｌ－［９Ｈ－プリン－６－イルアミノ］－プロピル）－３Ｈ－キナゾリン－４－オン）、ＡＭＧ－３１９、ＧＳＫ－２２６９５５７、ＳＡＲ２４５４０９（Ｎ－（４－（Ｎ－（３－（（３，５－ジメトキシフェニル）アミノ）キノキザリン－２－イル）スルファモイル）フェニル）－３－メトキシ－４メチルベンズアミド）、ＢＡＹ８０－６９４６（２－アミノ－Ｎ－（７－メトキシ－８－（３－モルホリノプロポキシ）－２，３－ジヒドロイミダゾ［ｌ，２－ｃ］キナズ）、ＡＳ２５２４２４（５－［ｌ－［５－（４－フルオロ－２－ヒドロキシ－フェニル）－フラン－２－イル］－メタ－（Ｚ）－イリデン］－チアゾリジン－２，４－ジオン）、ＣＺ２４８３２（５－（２－アミノ－８－フルオロ－［ｌ，２，４］トリアゾロ［１，５－ａ］ピリジン－６－イル）－Ｎ－ｔｅｒｔ－ブチルピリジン－３－スルホンアミド）、Ｂｕｐａｒｌｉｓｉｂ（５－［２，６－ジ（４－モルホリニル）－４－ピリミジニル］－４－（トリフルオロメチル）－２－ピリジンアミン）、ＧＤＣ－０９４１（２－（ｌＨ－インダゾール－４－イル）－６－［［４－（メチルスルホニル）－ｌ－ピペラジニル］メチル］－４－（４－モルホリニル）チエノ［３，２－ｄ］ピリミジン）、ＧＤＣ－０９８０（（Ｓ）－ｌ－（４－（（２－（２－アミノピリミジン－５－イル）－７－メチル－４－モルホリノチエノ［３，２－ｄ］ピリミジン－６イル）メチル）ピペラジン－ｌ－イル）－２－ヒドロキシプロパン－ｌ－オン（ＲＧ７４２２としても知られている））、ＳＦ１１２６（（８Ｓ，１４Ｓ，１７Ｓ）－１４－（カルボキシメチル）－８－（３－グアニジノプロピル）－１７－（ヒドロキシメチル）－３，６，９，１２，１５－ペンタオキソ－１－（４－（４－オキソ－８－フェニル－４Ｈ－クロメン－２－イル）モルホリノ－４－イウム）－２－オキサ－７，１０，１３，１６－テトラアザオクタデカン－１８－カルボン酸メチルエステル）、ＰＦ－０５２１２３８４（Ｎ－［４－［［４－（ジメチルアミノ）－ｌ－ピペリジニル］カルボニル］フェニル－Ｎ’－［４－（４，６－ジ－４－モルホリニル－ｌ，３，５－トリアジン－２－イル）フェニル］尿素）（ゲダトリシブ）、ＬＹ３０２３４１４、ＢＥＺ２３５（２－メチル－２－｛４－［３－メチル－２－オキソ－８－（キノリン－３－イル）－２，３－ジヒドロ－ｌＨ－イミダゾ［４，５－ｃ］キノリン－ｌ－イル］フェニル｝プロパンニトリル）（ダクトリシブ）、ＸＬ－７６５（Ｎ－（３－（Ｎ－（３－（３，５－ジメトキシフェニルアミノ）キノキサリン－２－イル）スルファモイル）フェニル）－３－メトキシ－４－メチルベンズアミド）、及びＧＳＫ１０５９６１５（５－［［４－（４－ピリジニル）－６－キノリニル］メチレン］－２，４－チアゾリデンジオン）、ＰＸ８８６（［（３ａＲ，６Ｅ，９Ｓ，９ａＲ，１０Ｒ，ｌｌａＳ）－６－［［ビス（プロプ－２－エニル）アミノ］メチリデン］－５－ヒドロキシ－９－（メトキシメチル）－９ａ，１１ａ－ジメチル－１，４，７－トリオキソ－２，３，３ａ，９，１０，１１－ヘキサヒドロインデノ［４，５ｈ］イソクロメン－１０－イル］アセテート（ソノリシブとしても知られている））、ＬＹ２９４００２、ＡＺＤ８１８６、ＰＦ－４９８９２１６、ｐｉｌａｒａｌｉｓｉｂ、ＧＮＥ－３１７、ＰＩ－３０６５、ＰＩ－１０３、ＮＵ７４４１（ＫＵ－５７７８８）、ＨＳ１７３、ＶＳ－５５８４（ＳＢ２３４３）、ＣＺＣ２４８３２、ＴＧ１００－１１５、Ａ６６、ＹＭ２０１６３６、ＣＡＹ１０５０５、ＰＩＫ－７５、ＰＩＫ－９３、ＡＳ－６０５２４０、ＢＧＴ２２６（ＮＶＰ－ＢＧＴ２２６）、ＡＺＤ６４８２、ｖｏｘｔａｌｉｓｉｂ、アルペリシブ、ＩＣ－８７１１４、ＴＧＩ１００７１３、ＣＨ５１３２７９９、ＰＫＩ－４０２、コパンリシブ（ＢＡＹ８０－６９４６）、ＸＬ １４７、ＰＩＫ－９０、ＰＩＫ－２９３、ＰＩＫ－２９４、３－ＭＡ（３－メチルアデニン）、ＡＳ－２５２４２４、ＡＳ－６０４８５０、アピトリシブ（ＧＤＣ－０９８０、ＲＧ７４２２）、並びにＷＯ２０１４／０７１１０９に記載されている構造を含む。或いは、ＰＩ３Ｋの下流のｍＴＯＲ複合体の阻害剤は、異常なＰＩ３Ｋ活性の有用な阻害剤である。或いは、ＰＩ３Ｋの上流のＨＥＲ２複合体の阻害剤は、異常なＰＩ３Ｋ活性の有用な阻害剤である。ＨＥＲ２阻害剤の例には、それだけには限らないが、トラスツズマブ、ラパチニブ、ペルツズマブが含まれる。
内分泌療法をエストロゲン受容体陽性である乳癌に施すことができる。本発明において用いられ得る内分泌療法治療はよく知られている。内分泌療法は、ｉ）通常にはゴナドトロピン放出ホルモン・アゴニスト（ＧｎＲＨａ）を使用して得られる、卵巣機能を抑制するもの、ｉｉ）選択的なエストロゲン受容体修飾因子若しくは下方制御因子（ＳＥＲＭ又はＳＡＲＤ）、又はｉｉｉ）アロマターゼ阻害剤（ＡＩ）、或いはこれらが組み合わされたものを投与することから成る。卵巣機能を抑制するものには、たとえば、ゴナドトロピン放出ホルモン・アゴニスト（ＧｎＲＨａ）が含まれる。ゴナドトロピン放出ホルモン・アゴニスト（ＧｎＲＨａ）の例には、ブセレリン、デスロレリン、ゴナドレリン、ゴセレリン、ヒストレリン、リュープロレリン、ナファレリン、及びトリプトレリンが含まれ得る。選択的なエストロゲン受容体修飾因子（ＳＥＲＭ）には、たとえば、タモキシフェン、トレミフェン、ラロキシフェン、ラソフォキシフェン、バゼドキシフェン、クロミフェン、オルメロキシフェン、オスペミフェン、アフィモキシフェン、及びアルゾキシフェンが含まれる。選択的なエストロゲン受容体下方制御因子（ＳＥＤＲＤ）には、たとえば、フルベストラント、ＳＲ１６２３４、及びＺＫ１９１７０３が含まれる。アロマターゼ阻害剤には、たとえば、アナストロゾール、レトロゾール、ボロゾール、エキセメスタン、アミノグルテチミド、テストラクトン、フォルメスタン、ファドロゾール、アンドロステンジオン、４－ヒドロキシアンドロステンジオン，１，４，６－アンドロスタトリエン－３，１７－ジオン、又は４－アンドロステン－３，６，１７－トリオンが含まれる。一実施形態では、アロマターゼ阻害剤は、非ステロイド性アロマターゼ阻害剤である。
Ｗｎｔ阻害剤はよく知られており、それだけには限らないが、ピルビニウム、ＩＷＲ－ｌ－ｅｎｄｏ、ＩＷＰ－２、ＦＨ５３５、ＷＩＫＩ４、ＩＷＰ－Ｌ６、ＫＹ０２１１１、ＬＧＫ－９７４、Ｗｎｔ－Ｃ５９、ＸＡＶ９２９、３２８９－８６２５、ＦＪ９、ＮＳＣ ６６８０３６、ＰＦＫ１１５－５８４、ＣＧＰ０４９０９０、ｉＣＲＴ３、ｉＣＲＴ５、ｉＣＲＴ１４、ＩＣＧ－００１、デメトキシ・クルクミン、ＣＣＴ０３６４７７、ＫＹ０２１１１、ＰＮＵ－７４６５４、又はＰＲＩ－７２４が含まれる。
ＨＨ阻害剤はよく知られており、それだけには限らないが、シクロピアミン、ＳＡＮＴ１－ＳＡＮＴ４、ＣＵＲ－６１４１４、ＨｈＡｎｔａｇ－６９１、ＧＤＣ－０４４９、ＭＫ４１０１、ＩＰＩ－９２６、ＢＭＳ－８３３９２３、ロボトニキニン、イトラコナゾール、エリベッジ、オドムゾ、カルシトリオール、コレカルシフェロール、ＩＰＩ－９０６、ＲＵ－ＳＫＩ３９、又はＫＡＡＤ－シクロパミン、ＮＶＰ－ＬＤＥ２２５、ＴＡＫ－４４１、ＸＬ－１３９、ＬＹ２９４０６８０、ＮＶＰ－ＬＥＱ５０６、イトラコナゾール、ＭＲＴ－１０、ＭＲＴ８３、ＰＦ－０４４４９９１３、ＧＡＮＴ－６１、ＧＡＮＴ－５８、ＨＰＩ－１、ＨＰＩ－３、又はＨＰＩ－４が含まれる。
一実施形態では、疾患又は障害は、自己免疫性又は他の免疫性障害、癌、気管支喘息、心臓疾患、糖尿病、遺伝性出血性末梢血管拡張症、マルファン症候群、脈管エーラス・ダンロス症候群、ロイス・ディーツ症候群、パーキンソン病、慢性腎疾患、多発性硬化症、肝線維症、肺線維症又は腎線維症などの線維性疾患、デュピュイトラン病、又はアルツハイマー病のうちの１つである。
特定の実施形態では、対象は癌に罹患している、又はその疑いがあり、その癌は、たとえば、それだけには限らないが、原発性腫瘍又は転位腫瘍、固形腫瘍、たとえば、メラノーマ、肺癌（肺腺癌、基底細胞癌、扁平上皮癌、大細胞癌、細気管支肺胞癌、気管支原性肺癌、非小細胞癌、小細胞癌、中脾腫を含む）と、乳癌（腺管癌、小葉癌、炎症性乳癌、明細胞癌、粘液性癌、漿膜腔乳癌を含む）と、結腸直腸癌（結腸癌、直腸癌、結腸直腸腺癌）と、肛門癌と、膵臓癌（膵臓腺癌、膵島腺癌、神経内分泌腫瘍を含む）と、前立腺癌、前立腺腺癌と、卵巣癌（漿液性腫瘍を含む卵巣上皮癌又は表面上皮間質性腫瘍、子宮内膜性腫瘍及び粘液性嚢胞腺癌、性索間質性腫瘍）と、肝臓及び胆管癌（肝細胞癌、胆管細胞癌、血管腫を含む）と、食道癌（食道腺癌及び扁平上皮癌を含む）と、口腔及び中喉頭扁平上皮癌と、唾液腺嚢胞癌と、膀胱癌と、膀胱癌と、子宮の癌（子宮内膜腺癌、眼性、子宮乳頭漿液性癌、子宮明細胞癌、子宮肉腫及び平滑筋肉腫、混合ミュラー管腫瘍を含む）と、神経膠腫、神経膠芽腫、髄芽腫、及び脳の他の腫瘍と、腎臓癌（腎細胞癌、明細胞癌、ウィルムス腫瘍を含む）と、頭及び首の癌（扁平上皮癌を含む）と、胃の癌（胃癌、胃腺癌、消化管間質性腫瘍）と、精巣癌と、胚細胞性腫瘍と、神経内分泌腫瘍と、子宮頸癌と、消化管、乳房、及び他の器官のカルチノイドと、印環細胞癌と、肉腫を含む間葉腫、線維肉腫、血管腫、血管腫症、血管周皮細胞腫、偽血管腫間質性過形成、筋組織新生物、線維種症、炎症性筋線維芽細胞腫瘍、脂肪腫、血管脂肪腫、顆粒細胞腫、神経線維種、シュワン腫、血管肉腫、脂肪肉腫、横紋筋肉腫、骨肉腫、平滑筋腫、平滑筋肉腫、皮膚、メラノーマを含む、頸部、網膜芽細胞腫、頭頸部癌、膵臓、脳、甲状腺、精巣、腎臓、膀胱、軟組織、副腎、尿道、陰茎癌、粘液肉腫、軟骨肉腫、骨肉腫、脊索腫、悪性線維性組織球腫、琳派肉腫、中皮腫、扁平上皮癌と、類表皮癌、悪性皮膚付属器腫瘍、腺癌、環細胞腫、環細胞癌、腎細胞癌、副腎腫、胆管細胞癌、移行上皮癌、絨毛癌、精上皮癌、胚的細胞癌、未分化神経膠腫と、多形神経膠芽腫、神経芽細胞腫、髄芽腫、悪性髄膜腫、悪性シュワン腫、神経線維肉腫、副甲状腺癌、甲状腺の髄様癌、気管支カルチノイド、褐色細胞腫、膵島細胞癌、悪性カルチノイド、悪性傍神経節腫、メラノーマ、メルケル細胞新生物、葉状腫瘍、唾液腺癌、胸腺癌と、とりわけ膣癌である。
一実施形態では、本明細書に記載の方法は、リンパ腫又はリンパ球若しくは骨髄球増殖の障害又は異常に罹患している宿主を治療するのに有効である。たとえば、非ホジキンリンパ腫のホジキンリンパ腫に罹患している対象。たとえば、対象は非ホジキンリンパ腫に罹患している場合があり、これには、それだけには限らないが、ＡＩＤＳ関連リンパ腫、未分化大細胞型リンパ腫、血管免疫芽細胞性リンパ腫、芽細胞性ＮＫ細胞リンパ腫、バーキットリンパ腫、バーキット様リンパ腫（小型非分割細胞リンパ腫）、慢性リンパ性白血病／小型リンパ球性リンパ腫、皮膚Ｔ細胞性リンパ腫、びまん性大細胞型Ｂ細胞リンパ腫、腸症型Ｔ細胞リンパ腫、濾胞性リンパ腫、肝脾ガンマ・デルタＴ細胞リンパ腫、リンパ芽球性リンパ腫、マントル細胞リンパ腫、辺縁帯リンパ腫、鼻Ｔ細胞リンパ腫、小児リンパ腫、末梢Ｔ細胞リンパ腫、中枢神経系リンパ腫、Ｔ細胞白血病、形質転換リンパ腫、治療関連Ｔ細胞リンパ腫、又はワルデンシュトレーム・マクログロブリン血症などがある。
或いは、対象はホジキンリンパ腫に罹患していることがあり、これには、それだけには限らないが、結節硬化型古典的ホジキンリンパ腫（ＣＨＬ）、混合細胞型ＣＨＬ、リンパ球枯渇型ＣＨＬ、リンパ球豊富型ＣＨＬ、リンパ球優位型ホジキンリンパ腫、又は結節性リンパ球優位型ＨＬがある。
一実施形態では、対象は、特異的Ｔ細胞、Ｂ細胞、又はＮＫ細胞によるリンパ腫、増殖性障害、又は異常に罹患していることがある。たとえば、対象は特異的Ｔ細胞又はＮＫ細胞リンパ腫に罹患している場合があり、これには、たとえば、それだけには限らないが、末梢Ｔ細胞リンパ腫、たとえば、末梢Ｔ細胞リンパ腫、及び特にことわらなければ末梢Ｔ細胞リンパ腫（ＰＴＣＬ－ＮＯＳ）、又は未分化大細胞型リンパ腫、たとえば未分化リンパ腫キナーゼ（ＡＬＫ）陽性、ＡＬＫ陰性未分化大細胞型リンパ腫、又は原発性皮膚未分化大細胞型リンパ腫、又は自己免疫芽細胞性リンパ腫、又は皮膚Ｔ細胞リンパ腫、たとえば菌状息肉症、セザリー症候群、原発性皮膚未分化大細胞型リンパ腫、原発性皮膚ＣＤ３０＋Ｔ細胞リンパ増殖性障害、又は原発性皮膚侵襲性表皮向性ＣＤ８＋細胞障害性Ｔ細胞リンパ腫、又は原発性皮膚ガンマ・デルタＴ細胞リンパ腫、又は原発性皮膚小／中ＣＤ４＋Ｔ細胞リンパ腫、及びリンパ腫様丘疹症、又は成人Ｔ細胞白血病／リンパ腫（ＡＴＬＬ）、又は芽細胞性ＮＫ細胞リンパ腫、又は腸症型Ｔ細胞リンパ腫、又は肝脾ガンマ・デルタＴ細胞リンパ腫、又はリンパ芽球性リンパ腫、又は鼻ＮＫ／Ｔ細胞リンパ腫、又は治療関連Ｔ細胞リンパ腫、又はたとえば、実質臓器又は骨髄移植の後に現われるリンパ腫、又はＴ細胞前リンパ球性白血病、又はＴ細胞大顆粒リンパ球性白血病、又はＮＫ細胞の慢性リンパ増殖性障害、又は侵襲性ＮＫ細胞白血病、又は子供の全身性ＥＢＶ＋Ｔ細胞リンパ球増殖性疾患（慢性活動性ＥＢＶ感染を伴う）、又は種痘様水泡症様リンパ腫、又は成人Ｔ細胞白血病／リンパ腫、又は腸症関連Ｔ細胞リンパ腫、又は肝脾Ｔ細胞リンパ腫、又は皮下脂肪組織炎様Ｔ細胞リンパ腫などがある。
或いは、対象は特異的Ｂ細胞リンパ腫又は細胞増殖性障害に罹患していることがあり、これには、それだけには限らないが、多発性骨髄腫、又はびまん性大細胞型Ｂ細胞リンパ腫、又は濾胞性リンパ腫、又は粘膜関連リンパ組織リンパ腫（ＭＡＬＴ）、又は小細胞型リンパ球性リンパ腫、又はマントル細胞リンパ腫（ＭＣＬ）、又はバーキットリンパ腫、又は縦隔大細胞型Ｂ細胞リンパ腫、又はワルデンシュトレーム・マクログロブリン血症、又は結節辺縁帯Ｂ細胞リンパ腫（ＮＭＺＬ）、又は脾臓辺縁帯リンパ腫（ＳＭＺＬ）、又は血管内大細胞型Ｂ細胞リンパ腫、又は原発性滲出リンパ腫若しくはリンパ腫様肉芽腫症、又は慢性リンパ性白血病／小リンパ球性リンパ腫、又はＢ細胞前リンパ球性白血病、又はヘアリー細胞白血病、又は脾リンパ腫／白血病、分類不能、又は脾びまん性赤髄小細胞型Ｂ細胞リンパ腫、又はヘアリー細胞白血病変種、又はリンパ形質細胞性リンパ腫、又は重鎖疾患、たとえば、α重鎖疾患、γ重鎖疾患、μ重鎖疾患、又は形質細胞性骨髄腫、又は骨の孤立性形質細胞腫、又は骨外性形質細胞腫、又は原発性皮膚濾胞中心リンパ腫、又はＴ細胞／組織球豊富大細胞型Ｂ細胞リンパ腫、又は慢性炎症関連ＤＬＢＣＬ、又は高齢者のエプスタイン・バー・ウイルス（ＥＢＶ）＋ＤＬＢＣＬ、又は原発性縦隔（胸腺）大細胞型Ｂ細胞リンパ腫、又は原発性皮膚ＤＬＢＣＬ、脚型、又はＡＬＫ＋大細胞型Ｂ細胞リンパ腫、又は形質芽球性リンパ腫、又はＨＨＶ８関連多中心性に生じる大細胞型Ｂ細胞リンパ腫、又はキャッスルマン病、又はびまん性大細胞型Ｂ細胞リンパ腫とバーキットリンパ腫の中間の特徴を持つ、分類不可能なＢ細胞リンパ腫、又はびまん性大細胞型Ｂ細胞リンパ腫と古典的ホジキンリンパ腫の中間の特徴を持つ、分類不可能なＢ細胞リンパ腫、又は結節硬化型古典的ホジキンリンパ腫、又はリンパ球豊富古典的ホジキンリンパ腫、又は混合細胞性古典的ホジキンリンパ腫、又はリンパ球枯渇古典的ホジキンリンパ腫などがある。
一実施形態では、対象は白血病に罹患している。たとえば、対象は、リンパ球性又は骨髄性起源の急性又は慢性白血病に罹患していることがあり、これには、それだけには限らないが、急性リンパ性白血病（ＡＬＬ）、又は急性骨髄性白血病（ＡＭＬ）、又は慢性リンパ性白血病（ＣＬＬ）、又は慢性骨髄性白血病（ＣＭＬ）、又は若年性骨髄単球性白血病（ＪＭＭＬ）、又はヘアリー細胞白血病（ＨＣＬ）、又は急性前骨髄球性白血病（ＡＭＬのサブタイプ）、又はＴ細胞前リンパ性白血病（ＴＰＬＬ）、又は大顆粒リンパ球性白血病、或いは成人Ｔ細胞慢性白血病、又は大顆粒リンパ球性白血病（ＬＧＬ）などがある。一実施形態では、対象は急性骨髄性白血病に罹患しており、これには、たとえば未分化型ＡＭＬ（Ｍ０）、又は骨髄芽球白血病（Ｍ１、又は最小限細胞成熟あり／なし）、又は骨髄芽球白血病（Ｍ２、又は細胞成熟あり）、又は前骨髄球性白血病（Ｍ３若しくはＭ３変種［Ｍ３Ｖ］）、又は骨髄球性白血病（好酸球増加症を伴うＭ４若しくはＭ４変種［Ｍ４Ｅ］）、又は単球性白血病（Ｍ５）、又は赤白血病（Ｍ６）、又は巨核芽球白血病（Ｍ７）がある。
特定の実施形態では、対象は、乳癌、肺癌、結腸癌、膵臓癌、又は脳癌に罹患しているか、又は罹患している疑いがある。特定の実施形態では、対象は乳癌に罹患しているか、又は罹患して疑いがある。
癌の特定の実施形態では、臨床事象を経験するリスクが高い患者は、化学療法又は標的治療を、それだけには限らないが、手術、放射線療法、（標的）薬物療法などの標準の治療様式に加えて受けることができる。或いは、臨床事象を経験するリスクが低い患者は、それだけには限らないが、手術、放射線療法、化学療法などの標準の治療様式を控えることができる。
一実施形態では、治療薬を投与するか、それとも治療薬を投与することを控えるかの決定は、閾値ＭＰＳスコア、たとえば患者を低リスク群に割り当てるために確立された閾値、又は患者を高リスク群に割り当てるために確立された閾値に基づくことができる。たとえば、一実施形態で、患者を低リスク群に割り当てるための閾値は、５、６、７、８、９、１０年又はそれ以上で５％、１０％、１５％、２０％以下の臨床事象のリスクに基づくことができるのに対し、患者を高リスク群に割り当てるための閾値は、５、６、７、８、９、１０年又はそれ以上で２０％、２５％、３０％、３５％、４０％、４５％、５０％又はそれ以上と等しいか、又はそれを超える臨床事象のリスクに基づくことができる。たとえば、上記の例証を用いると、ＭＰＳｔｐｗｅｈの特定の場合では、これにより、低リスク患者群に対する閾値が－０．５、－０．４、－０．３、－０．２、－０．１、０になり、高リスク患者群に対する閾値が０、０．１、０．２、０．３、０．４、０．５、０．６、０．７、０．８、０．９、１、１．１、１．２になる。
本発明の一態様では、対象を低リスク群又は高リスク群に割り当て得ることに関する臨床事象には、癌再発、進行、転位、癌による死亡、又は本明細書の別のところに記載の臨床事象が含まれ得る。
特定の実施形態では、高リスク又は低リスクの割り当ては、乳癌がある対象に対してであり、ＥＲ＋若しくはＨＲ＋腫瘍又は管腔Ａ若しくは管腔Ｂサブタイプ（すなわち、ＥＲ又はホルモン受容体（ＨＲ）に対し陽性に染色された腫瘍試料）があって臨床事象を経験するリスクが高い患者は、（術前）補助化学療法を、それだけには限らないが、タモキシフェン又はアロマターゼ阻害剤などのホルモン治療に加えて受けることができる。ＥＲ＋腫瘍又は管腔Ａ若しくは管腔Ｂサブタイプがあって臨床事象を経験するリスクが低い患者は、（術前）補助ホルモン治療を受ける（かつ化学療法を控える）ことができる。ＨＥＲ２＋／ＨＲ－腫瘍又はＨＥＲ２豊富サブタイプがあって臨床事象を経験するリスクが高い患者は、（術前）補助化学療法を、それだけには限らないが、トラスツズマブなどの抗ＨＥＲ２治療に加えて受けることができるのに対し、ＨＥＲ２＋／ＨＲ－腫瘍又はＨＥＲ２豊富サブタイプがあって臨床事象を経験するリスクが低い患者は、（術前）補助抗ＨＥＲ２治療を受ける（かつ化学療法を控える）ことができる。ＨＥＲ２＋／ＨＲ＋腫瘍があって臨床事象を経験するリスクが高い患者は、抗ＨＥＲ２治療と共に（術前）補助化学療法を、それだけには限らないが、タモキシフェン又はアロマターゼ阻害剤などのホルモン治療に加えて受けることができるのに対し、ＨＥＲ２＋／ＨＲ＋腫瘍があって臨床事象を経験するリスクが低い患者は、（術前）補助ホルモン治療を受ける（かつ化学療法及び／又は抗ＨＥＲ２治療を控える）ことができる。三重陰性（ＨＥＲ２－／ＥＲ－／ＰＲ－又はＨＥＲ２－／ＨＲ－）腫瘍又は基底サブタイプがあって臨床事象を経験するリスクが高い患者は、（術前）補助化学療法を、それだけには限らないが本明細書に記載されているものなどの標的治療に加えて、受けることができるのに対し、三重陰性腫瘍又は基底サブタイプがあって臨床事象を経験するリスクが低い患者は、（術前）補助標的治療を受ける（かつ化学療法を控える）ことができる。
実施例６ リスク・スコアを決定するためのキット及び解析ツール
それぞれの細胞シグナル伝達経路の活性を最善に示すことが、たとえば、ベイジアン・モデル又は（擬似）線形モデルを使用するマイクロアレイ／ＲＮＡ配列決定ベースの調査に基づいて分かっている標的遺伝子の組は、たとえば、対象の試料に対して実施されるべき定量的多重ＰＣＲアッセイ又は専用マイクロアレイ・バイオ・チップに翻訳することができる。本明細書に記載の遺伝子配列から選択されたものを使用して、たとえばＲＴ－ＰＣＲのためのプライマー・プローブ・セット、又はマイクロアレイ開発のためのオリゴヌクレオチドを選択することができる。経路活性及びリスク・スコア決定のためのこのようなＦＤＡ承認検査を開発するには、標準化検査キットの開発が必要とされ、このキットは、規制上の承認を得るために臨床試験で臨床的に検証される必要がある。
本出願では、いくつかの好ましい実施形態を記載している。変更及び変形は、これまでの詳細な記述を読み理解することにより他の人にも想起されよう。本出願は、このような変更及び変形を、それが添付の特許請求の範囲、又はその等価物の範囲に入る限りにおいて含むと解釈されるものである。
開示された実施形態に対する他の変形形態は、特許請求された本発明を実践するにおいて、図面、開示、及び添付の特許請求の範囲を検討することにより、当業者によって理解され、もたらされ得る。
特許請求の範囲で、「備える」という語は他の要素又はステップを除外せず、また不定冠詞「ａ」又は「ａｎ」は複数を除外しない。
単一のユニット又はデバイスは、特許請求の範囲に列挙されたいくつかの物品の機能を実現することができる。いくつかの方策が互いに異なる独立請求項に列挙されているにすぎないことは、これらの方策の組合せを有利に使用できないことを示すものではない。
１つ又はいくつかのユニット又はデバイスによって実行されるリスク・スコアの決定のような計算は、他の任意の数のユニット又はデバイスによって実行することができる。
コンピュータ・プログラムは、光記憶媒体、又は他のハードウェアと一緒に、若しくはその一部として供給される固体媒体などの、適切な非一時的媒体に記憶／配布することができるが、インターネット、又は他の有線若しくは無線通信システムなどを介する他の形で配布することもできる。
特許請求の範囲におけるいかなる参照符号も、その範囲を限定するものと解釈されるべきではない。
実施例７ 適用に使用される配列リスト
配列リスト
Ｓｅｑ． Ｎｏ． Ｇｅｎｅ：

Ｓｅｑ． １ ＡＤＲＡ２Ｃ
Ｓｅｑ． ２ ＡＧＲＰ
Ｓｅｑ． ３ ＡＮＧＰＴＬ４
Ｓｅｑ． ４ ＡＰ１Ｂ１
Ｓｅｑ． ５ ＡＳＣＬ２
Ｓｅｑ． ６ ＡＴＧ１４
Ｓｅｑ． ７ ＡＴＰ５Ｊ
Ｓｅｑ． ８ ＡＴＰ８Ａ１
Ｓｅｑ． ９ ＡＸＩＮ２
Ｓｅｑ． １０ ＢＣＬ２
Ｓｅｑ． １１ ＢＣＬ２Ｌ１１
Ｓｅｑ． １２ ＢＣＬ６
Ｓｅｑ． １３ ＢＩＲＣ５
Ｓｅｑ． １４ ＢＭＰ７
Ｓｅｑ． １５ ＢＮＩＰ３
Ｓｅｑ． １６ ＢＴＧ１
Ｓｅｑ． １７ Ｃ１０ｏｒｆ１０
Ｓｅｑ． １８ ＣＡ１２
Ｓｅｑ． １９ ＣＡＴ
Ｓｅｑ． ２０ ＣＡＶ１
Ｓｅｑ． ２１ ＣＢＬＢ
Ｓｅｑ． ２２ ＣＣＮＤ１
Ｓｅｑ． ２３ ＣＣＮＤ２
Ｓｅｑ． ２４ ＣＣＮＧ２
Ｓｅｑ． ２５ ＣＤ４４
Ｓｅｑ． ２６ ＣＤＣ４２ＥＰ３
Ｓｅｑ． ２７ ＣＤＨ２６
Ｓｅｑ． ２８ ＣＤＫＮ１Ａ
Ｓｅｑ． ２９ ＣＤＫＮ１Ｂ
Ｓｅｑ． ３０ ＣＤＫＮ２Ｂ
Ｓｅｑ． ３１ ＣＥＬＳＲ２
Ｓｅｑ． ３２ ＣＦＬＡＲ
Ｓｅｑ． ３３ ＣＯＬ１８Ａ１
Ｓｅｑ． ３４ ＣＯＸ７Ａ２Ｌ
Ｓｅｑ． ３５ ＣＴＧＦ
Ｓｅｑ． ３６ ＣＴＳＤ
Ｓｅｑ． ３７ ＣＴＳＬ
Ｓｅｑ． ３８ ＤＤＢ１
Ｓｅｑ． ３９ ＤＥＦＡ６
Ｓｅｑ． ４０ ＤＫＫ１
Ｓｅｑ． ４１ ＤＳＣＡＭ
Ｓｅｑ． ４２ ＤＹＲＫ２
Ｓｅｑ． ４３ ＥＢＡＧ９
Ｓｅｑ． ４４ ＥＰＨＢ２
Ｓｅｑ． ４５ ＥＰＨＢ３
Ｓｅｑ． ４６ ＥＲＢＢ２
Ｓｅｑ． ４７ ＥＲＢＢ３
Ｓｅｑ． ４８ ＥＲＥＧ
Ｓｅｑ． ４９ ＥＳＲ１
Ｓｅｑ． ５０ ＥＸＴ１
Ｓｅｑ． ５１ ＦＡＳＬＧ
Ｓｅｑ． ５２ ＦＡＴ１
Ｓｅｑ． ５３ ＦＢＸＯ３２
Ｓｅｑ． ５４ ＦＧＦＲ２
Ｓｅｑ． ５５ ＦＯＸＡ２
Ｓｅｑ． ５６ ＦＯＸＦ１
Ｓｅｑ． ５７ ＦＯＸＬ１
Ｓｅｑ． ５８ ＦＯＸＭ１
Ｓｅｑ． ５９ ＦＳＴ
Ｓｅｑ． ６０ ＦＹＮ
Ｓｅｑ． ６１ ＦＺＤ７
Ｓｅｑ． ６２ ＧＡＤＤ４５Ａ
Ｓｅｑ． ６３ ＧＡＤＤ４５Ｂ
Ｓｅｑ． ６４ ＧＬＩ１
Ｓｅｑ． ６５ ＧＬＩ３
Ｓｅｑ． ６６ ＧＬＵＬ
Ｓｅｑ． ６７ ＧＲＥＢ１
Ｓｅｑ． ６８ Ｈ１９
Ｓｅｑ． ６９ ＨＨＩＰ
Ｓｅｑ． ７０ ＨＭＧＡ２
Ｓｅｑ． ７１ ＨＮＦ１Ａ
Ｓｅｑ． ７２ ＨＳＰＢ１
Ｓｅｑ． ７３ ＩＤ１
Ｓｅｑ． ７４ ＩＧＦ１Ｒ
Ｓｅｑ． ７５ ＩＧＦＢＰ１
Ｓｅｑ． ７６ ＩＧＦＢＰ３
Ｓｅｑ． ７７ ＩＧＦＢＰ４
Ｓｅｑ． ７８ ＩＧＦＢＰ６
Ｓｅｑ． ７９ ＩＬ１１
Ｓｅｑ． ８０ ＩＬ１Ｒ２
Ｓｅｑ． ８１ ＣＸＣＬ８（ｐｒｅｖｉｏｕｓｌｙ ｋｎｏｗｎ ａｓ ＩＬ８）
Ｓｅｑ． ８２ ＩＮＰＰ５Ｄ
Ｓｅｑ． ８３ ＩＮＳＲ
Ｓｅｑ． ８４ ＪＡＧ２
Ｓｅｑ． ８５ ＪＵＮＢ
Ｓｅｑ． ８６ ＪＵＰ
Ｓｅｑ． ８７ ＣＥＭＩＰ（ｐｒｅｖｉｏｕｓｌｙ ｋｎｏｗｎ ａｓ ＫＩＡＡ１１９９）
Ｓｅｑ． ８８ ＫＬＦ２
Ｓｅｑ． ８９ ＫＬＦ４
Ｓｅｑ． ９０ ＫＬＦ６
Ｓｅｑ． ９１ ＫＲＴ１９
Ｓｅｑ． ９２ ＬＥＣＴ２
Ｓｅｑ． ９３ ＬＥＦ１
Ｓｅｑ． ９４ ＬＧＭＮ
Ｓｅｑ． ９５ ＬＧＲ５
Ｓｅｑ． ９６ ＭＩＦ
Ｓｅｑ． ９７ ＭＭＰ２
Ｓｅｑ． ９８ ＭＭＰ９
Ｓｅｑ． ９９ ＭＸＩ１
Ｓｅｑ． １００ ＭＹＣ
Ｓｅｑ． １０１ ＭＹＣＮ
Ｓｅｑ． １０２ ＭＹＬＫ
Ｓｅｑ． １０３ ＭＹＯＤ１
Ｓｅｑ． １０４ ＮＤＵＦＶ３
Ｓｅｑ． １０５ ＮＫＤ１
Ｓｅｑ． １０６ ＮＫＸ２－２
Ｓｅｑ． １０７ ＮＫＸ２－５
Ｓｅｑ． １０８ ＮＫＸ２－８
Ｓｅｑ． １０９ ＮＯＳ３
Ｓｅｑ． １１０ ＮＲＩＰ１
Ｓｅｑ． １１１ ＯＡＴ
Ｓｅｑ． １１２ ＯＶＯＬ１
Ｓｅｑ． １１３ ＰＣＫ１
Ｓｅｑ． １１４ ＰＤＧＦＢ
Ｓｅｑ． １１５ ＰＤＫ４
Ｓｅｑ． １１６ ＰＧＲ
Ｓｅｑ． １１７ ＰＩＳＤ
Ｓｅｑ． １１８ ＰＩＴＲＭ１
Ｓｅｑ． １１９ ＰＯＭＣ
Ｓｅｑ． １２０ ＰＰＡＲＧ
Ｓｅｑ． １２１ ＰＰＡＲＧＣ１Ａ
Ｓｅｑ． １２２ ＰＰＭ１Ｄ
Ｓｅｑ． １２３ ＰＲＤＭ１５
Ｓｅｑ． １２４ ＰＲＤＸ３
Ｓｅｑ． １２５ ＰＴＣＨ１
Ｓｅｑ． １２６ ＰＴＣＨ２
Ｓｅｑ． １２７ ＰＴＨＬＨ
Ｓｅｑ． １２８ ＰＴＭＡ
Ｓｅｑ． １２９ ＲＡＢ３４
Ｓｅｑ． １３０ ＲＡＧ１
Ｓｅｑ． １３１ ＲＡＧ２
Ｓｅｑ． １３２ ＲＡＲＡ
Ｓｅｑ． １３３ ＲＢＬ２
Ｓｅｑ． １３４ ＲＥＧ１Ｂ
Ｓｅｑ． １３５ ＲＮＦ４３
Ｓｅｑ． １３６ Ｓ１００Ａ７
Ｓｅｑ． １３７ Ｓ１００Ａ９
Ｓｅｑ． １３８ ＳＥＭＡ３Ｃ
Ｓｅｑ． １３９ ＳＥＰＰ１
Ｓｅｑ． １４０ ＳＥＳＮ１
Ｓｅｑ． １４１ ＳＧＫ１
Ｓｅｑ． １４２ ＳＧＫ３
Ｓｅｑ． １４３ ＳＩＲＴ１
Ｓｅｑ． １４４ ＳＫＩＬ
Ｓｅｑ． １４５ ＳＬＣ１Ａ２
Ｓｅｑ． １４６ ＳＬＣ５Ａ３
Ｓｅｑ． １４７ ＳＭＡＤ４
Ｓｅｑ． １４８ ＳＭＡＤ５
Ｓｅｑ． １４９ ＳＭＡＤ６
Ｓｅｑ． １５０ ＳＭＡＤ７
Ｓｅｑ． １５１ ＳＮＡＩ１
Ｓｅｑ． １５２ ＳＮＡＩ２
Ｓｅｑ． １５３ ＳＯＤ１
Ｓｅｑ． １５４ ＳＯＤ２
Ｓｅｑ． １５５ ＳＯＸ９
Ｓｅｑ． １５６ ＳＰ５
Ｓｅｑ． １５７ ＳＰＰ１
Ｓｅｑ． １５８ ＳＴＫ１１
Ｓｅｑ． １５９ ＴＢＸ３
Ｓｅｑ． １６０ ＴＣＥＡ２
Ｓｅｑ． １６１ ＴＣＦ７Ｌ２
Ｓｅｑ． １６２ ＴＤＧＦ１
Ｓｅｑ． １６３ ＴＦＦ１
Ｓｅｑ． １６４ ＴＩＭＰ１
Ｓｅｑ． １６５ ＴＬＥ４
Ｓｅｑ． １６６ ＴＮＦＳＦ１０
Ｓｅｑ． １６７ ＴＯＭ１
Ｓｅｑ． １６８ ＴＲＩＭ２５
Ｓｅｑ． １６９ ＴＳＣ２２Ｄ１
Ｓｅｑ． １７０ ＴＸＮＩＰ
Ｓｅｑ． １７１ ＶＥＧＦＡ
Ｓｅｑ． １７２ ＷＩＳＰ２
Ｓｅｑ． １７３ ＸＢＰ１
Ｓｅｑ． １７４ ＺＮＲＦ３
Ｓｅｑ． １７５ ＳＥＲＰＩＮＥ１
Ｓｅｑ． １７６ ＰＤＺＫ１
Figure 0007065610000031
Figure 0007065610000032
Figure 0007065610000033
Figure 0007065610000034
Figure 0007065610000035
Figure 0007065610000036

Claims (14)

  1. 対象が疾患に関連した臨床事象を規定期間内に経験するリスクを示すリスク・スコアを決定するための、デジタル処理デバイスによって実行される方法であって、
    前記デジタル処理デバイスが、前記対象における２つ以上の細胞シグナル伝達経路のそれぞれの活性を、前記対象の試料において測定されたそれぞれの前記細胞シグナル伝達経路の３つ以上の標的遺伝子の発現レベルを、前記対象の試料における前記それぞれの細胞シグナル伝達経路のそれぞれの転写因子（ＴＦ）要素の活性レベルに関係付ける較正済み数学経路モデルを評価することに基づいて推測するステップであり、前記ＴＦ要素は、前記それぞれの細胞シグナル伝達経路の３つ以上の標的遺伝子の転写を制御する、ステップと、
    前記デジタル処理デバイスが、前記リスク・スコアを、推測された前記活性を組み合わせたものに基づいて決定するステップと、
    を含み、
    前記臨床事象は、疾患再発、疾患進行、及び疾患が原因の死亡のうちの１つであり、前記疾患は乳癌であり、
    前記細胞シグナル伝達経路がＴＧＦ－β経路と、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路のうちの１つ以上の経路とを含み、
    前記ＴＧＦ－β経路、前記ＰＩ３Ｋ経路、前記Ｗｎｔ経路、前記ＥＲ経路、及び前記ＨＨ経路は、前記それぞれのＴＦ要素の転写活性に最終的につながる細胞シグナル伝達経路として定義され、
    ＴＧＦ－β ＴＦ要素は少なくともＴＧＦ－βメンバーの二量体又は三量体を含み、ＰＩ３Ｋ ＴＦ要素はＦＯＸＯファミリーメンバーを含み、Ｗｎｔ経路はβカテニン／ＴＣＦ４を含み、ＥＲ ＴＦ要素はＥＲα二量体を含み、ＨＨ ＴＦ要素はＧＬＩファミリーメンバーを含む、方法。
  2. 前記細胞シグナル伝達経路が、前記Ｗｎｔ経路及び／又は前記ＰＩ３Ｋ経路及び／又は前記ＥＲ経路及び／又は前記ＨＨ経路を含み、前記リスク・スコアが、示された前記リスクが前記ＰＩ３Ｋ経路の推測された活性の増加、及び／又は前記Ｗｎｔ経路の推測された活性の増加、及び／又は前記ＨＨ経路の推測された活性の増加と共に単調増加し、かつ／又は前記ＥＲ経路の推測された活性の増加と共に単調減少するように規定される、請求項１に記載の方法。
  3. 前記リスク・スコアが、示された前記リスクが前記ＴＧＦ－β経路の推測された活性の増加と共に単調増加するように規定される、請求項１又は２に記載の方法。
  4. 前記リスク・スコアが、項ｗｔ・Ｐｔと、項ｗｐ・Ｐｐ、ｗｗ・Ｐｗ、ｗｅ・Ｐｅ、及びｗｈ・Ｐｈのうちの１つ以上とを含む合計から成る複数経路スコア（ＭＰＳ）に基づき、ここで、Ｐｔ、Ｐｐ、Ｐｗ、Ｐｅ、及びＰｈが、それぞれ前記ＴＧＦ－β経路、前記ＰＩ３Ｋ経路、前記Ｗｎｔ経路、前記ＥＲ経路、及び前記ＨＨ経路の前記推測された活性を表し、ｗｔ、ｗｐ、ｗｗ、ｗｅ、及びｗｈが、前記対象が前記臨床事象を前記規定期間内に経験する前記リスクと、前記ＴＧＦ－β経路、前記ＰＩ３Ｋ経路、前記Ｗｎｔ経路、前記ＥＲ経路、及び前記ＨＨ経路それぞれの前記活性との間の相関関係を表す一定重み付け係数である、請求項１から３のいずれか一項に記載の方法。
  5. 前記一定重み付け係数ｗｔ、ｗｐ、ｗｗ、ｗｅ、及びｗｈが、前記それぞれの細胞シグナル伝達経路のコックス比例ハザード・モデルを臨床データに適合させることにより得られるコックスの係数の値に基づいてそれぞれ決定されるか、又は決定されている、請求項４に記載の方法。
  6. 前記３つ以上のＴＧＦ－β標的遺伝子が、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ａ、ＧＡＤＤ４５Ｂ、ＨＭＧＡ２、ＩＤ１、ＩＬ１１、ＪＵＮＢ、ＰＤＧＦＢ、ＰＴＨＬＨ、ＳＥＲＰＩＮＥ１、ＳＧＫ１、ＳＫＩＬ、ＳＭＡＤ４、ＳＭＡＤ５、ＳＭＡＤ６、ＳＭＡＤ７、ＳＮＡＩ２、ＶＥＧＦＡから成る群から選択されるか、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ｂ、ＩＤ１、ＩＬ１１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＰＤＧＦＢ、ＳＫＩＬ、ＳＭＡＤ７、ＳＮＡＩ２、及びＶＥＧＦＡから成る群から選択されるか、又は、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＩＤ１、ＩＬ１１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＳＫＩＬ、及びＳＭＡＤ７から成る群から選択され、
    かつ／又は
    前記３つ以上のＰＩ３Ｋ標的遺伝子が、ＡＧＲＰ、ＢＣＬ２Ｌ１１、ＢＣＬ６、ＢＮＩＰ３、ＢＴＧ１、ＣＡＴ、ＣＡＶ１、ＣＣＮＤ１、ＣＣＮＤ２、ＣＣＮＧ２、ＣＤＫＮ１Ａ、ＣＤＫＮ１Ｂ、ＥＳＲ１、ＦＡＳＬＧ、ＦＢＸＯ３２、ＧＡＤＤ４５Ａ、ＩＮＳＲ、ＭＸＩ１、ＮＯＳ３、ＰＣＫ１、ＰＯＭＣ、ＰＰＡＲＧＣ１Ａ、ＰＲＤＸ３、ＲＢＬ２、ＳＯＤ２、ＴＮＦＳＦ１０から成る群から選択されるか、又は、ＦＢＸＯ３２、ＢＣＬ２Ｌ１１、ＳＯＤ２、ＴＮＦＳＦ１０、ＢＣＬ６、ＢＴＧ１、ＣＣＮＧ２、ＣＤＫＮ１Ｂ、ＢＮＩＰ３、ＧＡＤＤ４５Ａ、ＩＮＳＲ、及びＭＸＩ１から成る群から選択され、
    かつ／又は
    前記３つ以上のＷｎｔ標的遺伝子が、ＣＥＭＩＰ、ＡＸＩＮ２、ＣＤ４４、ＲＮＦ４３、ＭＹＣ、ＴＢＸ３、ＴＤＧＦ１、ＳＯＸ９、ＡＳＣＬ２、ＣＸＣＬ８、ＳＰ５、ＺＮＲＦ３、ＥＰＨＢ２、ＬＧＲ５、ＥＰＨＢ３、ＫＬＦ６、ＣＣＮＤ１、ＤＥＦＡ６、及びＦＺＤ７から成る群から選択されるか、又は、ＡＸＩＮ２、ＣＤ４４、ＬＧＲ５、ＣＥＭＩＰ、ＭＹＣ、ＣＸＣＬ８、ＳＯＸ９、ＥＰＨＢ３、ＲＮＦ４３、ＴＤＧＦ１、ＺＮＲＦ３、及びＤＥＦＡ６から成る群から選択され、
    かつ／又は
    前記３つ以上のＥＲ標的遺伝子が、ＣＤＨ２６、ＳＧＫ３、ＰＧＲ、ＧＲＥＢ１、ＣＡ１２、ＸＢＰ１、ＣＥＬＳＲ２、ＷＩＳＰ２、ＤＳＣＡＭ、ＥＲＢＢ２、ＣＴＳＤ、ＴＦＦ１、ＰＤＺＫ１、ＩＧＦＢＰ４、ＥＳＲ１、ＳＯＤ１、ＡＰ１Ｂ１、及びＮＲＩＰ１から成る群から選択されるか、又は、ＴＦＦ１、ＧＲＥＢ１、ＰＧＲ、ＳＧＫ３、ＰＤＺＫ１、ＩＧＦＢＰ４、ＮＲＩＰ１、ＣＡ１２、ＸＢＰ１、ＥＲＢＢ２、ＥＳＲ１、及びＣＥＬＳＲ２から成る群から選択され、
    かつ／又は
    前記３つ以上のＨＨ標的遺伝子が、ＧＬＩ１、ＰＴＣＨ１、ＰＴＣＨ２、ＩＧＦＢＰ６、ＳＰＰ１、ＣＣＮＤ２、ＦＳＴ、ＦＯＸＬ１、ＣＦＬＡＲ、ＴＳＣ２２Ｄ１、ＲＡＢ３４、Ｓ１００Ａ９、Ｓ１００Ａ７、ＭＹＣＮ、ＦＯＸＭ１、ＧＬＩ３、ＴＣＥＡ２、ＦＹＮ、及びＣＴＳＬ１から成る群から選択されるか、又は、ＧＬＩ１、ＰＴＣＨ１、ＰＴＣＨ２、ＣＣＮＤ２、ＩＧＦＢＰ６、ＭＹＣＮ、ＦＳＴ、ＲＡＢ３４、ＧＬＩ３、ＣＦＬＡＲ、Ｓ１００Ａ７、及びＳ１００Ａ９から成る群から選択される、請求項１から５のいずれか一項に記載の方法。
  7. 前記３つ以上のＴＧＦ－β標的遺伝子が、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ａ、ＧＡＤＤ４５Ｂ、ＨＭＧＡ２、ＩＤ１、ＪＵＮＢ、ＰＤＧＦＢ、ＰＴＨＬＨ、ＳＥＲＰＩＮＥ１、ＳＧＫ１、ＳＫＩＬ、ＳＭＡＤ４、ＳＭＡＤ５、ＳＭＡＤ６、ＳＭＡＤ７、ＳＮＡＩ２、ＶＥＧＦＡから成る群から選択されるか、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＣＤＫＮ１Ａ、ＣＴＧＦ、ＧＡＤＤ４５Ｂ、ＩＤ１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＳＫＩＬ、ＳＭＡＤ７、ＳＮＡＩ２、及びＶＥＧＦＡから成る群から選択されるか、又は、ＡＮＧＰＴＬ４、ＣＤＣ４２ＥＰ３、ＩＤ１、ＪＵＮＢ、ＳＥＲＰＩＮＥ１、ＳＫＩＬ、及びＳＭＡＤ７から成る群から選択される、請求項６に記載の方法。
  8. 前記デジタル処理デバイスが、前記対象を、前記対象が臨床事象を規定期間内に経験することの別々に示されたリスクと関連付けられた複数のリスク群のうちの少なくとも１つに割り当てるステップ、
    及び／又は
    前記デジタル処理デバイスが、前記対象に推奨される治療を、前記対象が臨床事象を規定期間内に経験することの前記示されたリスクに基づいて決定するステップ、
    をさらに含む、請求項１から７のいずれか一項に記載の方法。
  9. 対象が乳癌と関連する臨床事象を規定期間内に経験するリスクを示すリスク・スコアを決定するための装置であって、請求項１から８のいずれか一項に記載の方法を実施するように構成されたデジタル・プロセッサを備える装置。
  10. 対象が乳癌と関連する臨床事象を規定期間内に経験するリスクを示すリスク・スコアを決定するための非一時的記憶媒体であって、請求項１から８のいずれか一項に記載の方法を実施するデジタル処理デバイスによって実行可能である命令を記憶する非一時的記憶媒体。
  11. 対象が乳癌と関連する臨床事象を規定期間内に経験するリスクを示すリスク・スコアを決定するためのコンピュータ・プログラムであって、当該コンピュータ・プログラムがデジタル処理デバイス上で実行されたとき、前記デジタル処理デバイスに請求項１から８のいずれか一項に記載の方法を実施させるプログラム・コード手段を含む、コンピュータ・プログラム。
  12. 対象の試料における２つ以上の細胞シグナル伝達経路それぞれの、３つ以上の標的遺伝子の発現レベルを測定するためのキットであって、
    それぞれの前記細胞シグナル伝達経路の前記３つ以上の標的遺伝子を対象とするポリメラーゼ連鎖反応プライマーと、
    前記それぞれの細胞シグナル伝達経路の３つ以上の標的遺伝子を対象とするプローブと、
    請求項９に記載の装置、請求項１０に記載の非一時的記憶媒体、又は、請求項１１に記載のコンピュータ・プログラムと、
    を含み、
    前記細胞シグナル伝達経路がＴＧＦ－β経路と、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路のうちの１つ以上の経路とを含む、キット。
  13. 対象の試料において２つ以上の細胞シグナル伝達経路それぞれの、３つ以上の標的遺伝子の発現レベルを測定するための、及び、対象が乳癌と関連する臨床事象を規定期間内に経験するリスクを示すリスク・スコアを決定するためのキットであって、
    前記対象の試料において２つ以上の細胞シグナル伝達経路それぞれの、３つ以上の標的遺伝子の発現レベルを決定するための１つ又は複数の構成要素を含み、
    前記１つ又は複数の構成要素が、マイクロアレイ・チップ、抗体、複数のプローブ、たとえば標識されたプローブ、ＲＮＡ逆転写酵素を用いた配列決定に使用される構成要素の組、及び／又は、ＲＮＡ又はｃＤＮＡを含むＤＮＡの増幅プライマーから成る群から選択され、
    前記細胞シグナル伝達経路がＴＧＦ－β経路と、ＰＩ３Ｋ経路、Ｗｎｔ経路、ＥＲ経路、及びＨＨ経路のうちの１つ以上の経路とを含み、また、
    請求項９に記載の装置、請求項１０に記載の非一時的記憶媒体、又は請求項１１に記載のコンピュータ・プログラムを含むキット。
  14. 請求項１から８のいずれか一項に記載の方法を実施する際の、請求項１２又は１３に記載のキットの使用。
JP2017522164A 2014-10-24 2015-10-26 複数の細胞シグナル伝達経路活性を用いる治療応答の医学的予後及び予測 Active JP7065610B6 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP14190275.9 2014-10-24
EP14190275 2014-10-24
PCT/EP2015/074704 WO2016062893A1 (en) 2014-10-24 2015-10-26 Medical prognosis and prediction of treatment response using multiple cellular signaling pathway activities

Publications (3)

Publication Number Publication Date
JP2018501778A JP2018501778A (ja) 2018-01-25
JP7065610B2 true JP7065610B2 (ja) 2022-05-12
JP7065610B6 JP7065610B6 (ja) 2022-06-06

Family

ID=51945683

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017522164A Active JP7065610B6 (ja) 2014-10-24 2015-10-26 複数の細胞シグナル伝達経路活性を用いる治療応答の医学的予後及び予測

Country Status (9)

Country Link
US (1) US11610644B2 (ja)
EP (1) EP3210144B1 (ja)
JP (1) JP7065610B6 (ja)
CN (1) CN108064380A (ja)
AU (1) AU2015334842B2 (ja)
BR (1) BR112017007962A2 (ja)
CA (1) CA2965408C (ja)
ES (1) ES2838923T3 (ja)
WO (1) WO2016062893A1 (ja)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3431582A1 (en) 2017-07-18 2019-01-23 Koninklijke Philips N.V. Cell culturing materials
EP3461915A1 (en) * 2017-10-02 2019-04-03 Koninklijke Philips N.V. Assessment of jak-stat1/2 cellular signaling pathway activity using mathematical modelling of target gene expression
EP3462349A1 (en) * 2017-10-02 2019-04-03 Koninklijke Philips N.V. Assessment of notch cellular signaling pathway activity using mathematical modelling of target gene expression
EP3692170A1 (en) 2017-10-02 2020-08-12 Koninklijke Philips N.V. Determining functional status of immune cells types and immune response
EP3461916A1 (en) * 2017-10-02 2019-04-03 Koninklijke Philips N.V. Assessment of jak-stat3 cellular signaling pathway activity using mathematical modelling of target gene expression
WO2019074491A1 (en) * 2017-10-10 2019-04-18 Flagship Biosciences, Inc. PATIENT STRATIFICATION METHOD USING IMAGE ANALYSIS PARAMETER DELIVERY FUNCTIONS
EP3502279A1 (en) 2017-12-20 2019-06-26 Koninklijke Philips N.V. Assessment of mapk-ap 1 cellular signaling pathway activity using mathematical modelling of target gene expression
CN108154935B (zh) * 2017-12-26 2021-06-25 北京嘉和美康信息技术有限公司 一种临床事件存储方法及装置
EP3815098A1 (en) * 2018-06-29 2021-05-05 Fresenius Medical Care Holdings, Inc. Systems and methods for identifying risk of infection in dialysis patients
EP3837548A2 (en) * 2018-08-17 2021-06-23 F. Hoffmann-La Roche AG Diagnostic and therapeutic methods for the treatment of breast cancer
CN109859801B (zh) * 2019-02-14 2023-09-19 辽宁省肿瘤医院 一种含有七个基因作为生物标志物预测肺鳞癌预后的模型及建立方法
EP3812474A1 (en) 2019-10-22 2021-04-28 Koninklijke Philips N.V. Methods of prognosis in high-grade serous ovarian cancer
EP3963108A1 (en) 2019-05-03 2022-03-09 Koninklijke Philips N.V. Methods of prognosis in high-grade serous ovarian cancer
EP3739588A1 (en) 2019-05-13 2020-11-18 Koninklijke Philips N.V. Assessment of multiple signaling pathway activity score in airway epithelial cells to predict airway epithelial abnormality and airway cancer risk
EP3882363A1 (en) 2020-03-17 2021-09-22 Koninklijke Philips N.V. Prognostic pathways for high risk sepsis patients
US20230223108A1 (en) 2020-04-16 2023-07-13 Innosign B.V. Prognostic pathways for viral infections
EP3978628A1 (en) 2020-10-01 2022-04-06 Koninklijke Philips N.V. Prognostic pathways for viral infections
CN111554402A (zh) * 2020-04-24 2020-08-18 山东省立医院 基于机器学习的原发性肝癌术后复发风险预测方法及系统
EP3940704A1 (en) 2020-07-14 2022-01-19 Koninklijke Philips N.V. Method for determining the differentiation state of a stem cell
CN112053751A (zh) * 2020-09-02 2020-12-08 成都域时信息科技有限公司 机器学习定量预测间充质干细胞疗法后软骨修复率的方法
EP3965119A1 (en) 2020-09-04 2022-03-09 Koninklijke Philips N.V. Methods for estimating heterogeneity of a tumour based on values for two or more genome mutation and/or gene expression related parameter, as well as corresponding devices
EP3974540A1 (en) 2020-09-25 2022-03-30 Koninklijke Philips N.V. Method for predicting immunotherapy resistance
EP4015651A1 (en) 2020-12-17 2022-06-22 Koninklijke Philips N.V. Treatment prediction and effectiveness of anti-tnf alpha treatment in ibd patients
EP4039825A1 (en) 2021-02-09 2022-08-10 Koninklijke Philips N.V. Comparison and standardization of cell and tissue culture
CN112961919B (zh) * 2021-03-08 2021-12-14 镇江市第一人民医院 一种环状RNA hsa_circ_0059706及其特异性扩增引物和应用
WO2022189530A1 (en) 2021-03-11 2022-09-15 Koninklijke Philips N.V. Prognostic pathways for high risk sepsis patients
CN113161000B (zh) * 2021-05-06 2024-05-28 复旦大学附属中山医院 混合细胞型肝癌的预后评分模型及其构建方法
CN114239738B (zh) * 2021-12-21 2023-10-24 中国人民解放军国防科技大学 小样本的医疗数据分类方法及相关设备
WO2023201054A1 (en) * 2022-04-15 2023-10-19 Memorial Sloan-Kettering Cancer Center Multi-modal machine learning to determine risk stratification

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007528406A (ja) 2004-03-10 2007-10-11 クレイトン ユニバーシティ エストロゲン受容体及び使用方法
JP2007532113A (ja) 2004-04-09 2007-11-15 ジェノミック ヘルス， インコーポレイテッド 化学療法剤に対する応答を予測するための遺伝子発現マーカー
US20090186024A1 (en) 2005-05-13 2009-07-23 Nevins Joseph R Gene Expression Signatures for Oncogenic Pathway Deregulation
JP2012518420A (ja) 2009-02-24 2012-08-16 ザ・ソーク・インステチュート・フォー・バイオロジカル・スタディーズ ＴＧＦ−βスーパーファミリーのデザイナーリガンド
JP2012525159A (ja) 2009-05-01 2012-10-22 ジェノミック ヘルス， インコーポレイテッド 結腸直腸癌の再発および化学療法に対する応答の可能性における遺伝子発現プロファイルアルゴリズムおよび試験
WO2012154567A2 (en) 2011-05-06 2012-11-15 Albert Einstein College Of Medicine Of Yeshiva University Human invasion signature for prognosis of metastatic risk
JP2013528787A (ja) 2010-04-16 2013-07-11 ジェネンテック， インコーポレイテッド Ｐｉ３ｋ／ａｋｔキナーゼ経路インヒビターの効果の予測バイオマーカーとしてのｆｏｘ０３ａ
JP2013213688A (ja) 2012-03-30 2013-10-17 Kanagawa Academy Of Science And Technology 高脂血症又は糖尿病の検出方法及び疾患の治療剤のスクリーニング方法
WO2014102668A2 (en) 2012-12-26 2014-07-03 Koninklijke Philips N.V. Assessment of cellular signaling pathway activity using linear combination(s) of target gene expressions;
JP2014520566A (ja) 2011-07-19 2014-08-25 コーニンクレッカ フィリップス エヌ ヴェ 標的遺伝子発現の確率モデルを使用した細胞シグナル経路の活性の評価
JP2014166164A (ja) 2013-02-28 2014-09-11 Ritsumeikan 発毛調節物質のスクリーニング方法
JP2014193863A (ja) 2007-05-10 2014-10-09 Avalon Pharmaceuticals Inc フルオレン、アントラセン、キサンテン、ジベンゾスベロン、及びアクリジンの誘導体、並びに、それらの使用
JP2014524009A5 (ja) 2012-03-30 2017-11-30

Family Cites Families (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4711955A (en) 1981-04-17 1987-12-08 Yale University Modified nucleotides and methods of preparing and using same
US6004761A (en) 1986-11-19 1999-12-21 Sanofi Method for detecting cancer using monoclonal antibodies to new mucin epitopes
US5660985A (en) 1990-06-11 1997-08-26 Nexstar Pharmaceuticals, Inc. High affinity nucleic acid ligands containing modified nucleotides
US5436134A (en) 1993-04-13 1995-07-25 Molecular Probes, Inc. Cyclic-substituted unsymmetrical cyanine dyes
US5658751A (en) 1993-04-13 1997-08-19 Molecular Probes, Inc. Substituted unsymmetrical cyanine dyes with selected permeability
US6720149B1 (en) 1995-06-07 2004-04-13 Affymetrix, Inc. Methods for concurrently processing multiple biological chip assays
US5545531A (en) 1995-06-07 1996-08-13 Affymax Technologies N.V. Methods for making a device for concurrently processing multiple biological chip assays
US6146897A (en) 1995-11-13 2000-11-14 Bio-Rad Laboratories Method for the detection of cellular abnormalities using Fourier transform infrared spectroscopy
US6391550B1 (en) 1996-09-19 2002-05-21 Affymetrix, Inc. Identification of molecular sequence signatures and methods involving the same
NZ516848A (en) 1997-06-20 2004-03-26 Ciphergen Biosystems Inc Retentate chromatography apparatus with applications in biology and medicine
WO1999005574A1 (en) 1997-07-25 1999-02-04 Affymetrix, Inc. Method and system for providing a probe array chip design database
US6953662B2 (en) 1997-08-29 2005-10-11 Human Genome Sciences, Inc. Follistatin-3
US6020135A (en) 1998-03-27 2000-02-01 Affymetrix, Inc. P53-regulated genes
US6884578B2 (en) 2000-03-31 2005-04-26 Affymetrix, Inc. Genes differentially expressed in secretory versus proliferative endometrium
WO2002042733A2 (en) 2000-11-16 2002-05-30 Ciphergen Biosystems, Inc. Method for analyzing mass spectra
KR20040054609A (ko) 2001-02-16 2004-06-25 싸이퍼젠 바이오시스템즈, 인코포레이티드 유전자 발현 프로파일을 단백질 발현 프로파일과연관시키는 방법
WO2003078662A1 (en) 2002-03-13 2003-09-25 Genomic Health Gene expression profiling in biopsied tumor tissues
US7097976B2 (en) 2002-06-17 2006-08-29 Affymetrix, Inc. Methods of analysis of allelic imbalance
JP4606879B2 (ja) 2002-11-15 2011-01-05 ジェノミック ヘルス， インコーポレイテッド Ｅｇｆｒ陽性癌の遺伝子発現プロファイリング
US20040231909A1 (en) 2003-01-15 2004-11-25 Tai-Yang Luh Motorized vehicle having forward and backward differential structure
US20040180341A1 (en) 2003-03-07 2004-09-16 Brown University Transcriptional regulation of kinase inhibitors
DK1641810T4 (en) 2003-06-24 2017-07-03 Genomic Health Inc Predicting the likelihood of cancer recurrence
ES2651849T3 (es) 2003-07-10 2018-01-30 Genomic Health, Inc. Algoritmo del perfil de expresión y test para el pronóstico del cáncer
EP1836629B1 (en) 2004-11-05 2020-03-04 Genomic Health, Inc. Predicting response to chemotherapy using gene expression markers
EP1871726A2 (en) 2005-03-23 2008-01-02 Bio-Rad Laboratories, Inc. Diverse chemical libraries bound to small particles with paramagnetic properties
US20060234911A1 (en) 2005-03-24 2006-10-19 Hoffmann F M Method of reversing epithelial mesenchymal transition
CA2617581A1 (en) * 2005-08-01 2007-02-08 The Ohio State University Research Foundation Microrna-based methods for the diagnosis of breast cancer
CN101326439A (zh) * 2005-10-11 2008-12-17 特提斯生物科学公司 糖尿病相关标记及其应用方法
KR100806274B1 (ko) 2005-12-06 2008-02-22 한국전자통신연구원 멀티 쓰레디드 프로세서 기반의 병렬 시스템을 위한 적응형실행 방법
MX2008008973A (es) 2006-01-11 2008-11-26 Genomic Health Inc Marcadores de expresion de genes para pronostico de cancer colorectal.
US7888019B2 (en) 2006-03-31 2011-02-15 Genomic Health, Inc. Genes involved estrogen metabolism
EP2002022A1 (en) 2006-04-11 2008-12-17 Bio-Rad Pasteur Hpv detection and quantification by real-time multiplex amplification
EP2140020A2 (en) * 2007-03-15 2010-01-06 Genomic Health, Inc. Gene expression markers for prediction of patient response to chemotherapy
CA2690281A1 (en) 2007-05-11 2008-11-20 The Johns Hopkins University Biomarkers for melanoma
WO2008157459A2 (en) 2007-06-14 2008-12-24 The Regents Of The University Of Michigan Methods and systems for identifying molecular pathway elements
EP2201135A2 (en) 2007-09-28 2010-06-30 Duke University Individualized cancer treatments
CN101932938B (zh) 2007-11-30 2014-08-27 克雷特诊疗服务公司 作为标记物用于化学疗法的tle3
US8067178B2 (en) 2008-03-14 2011-11-29 Genomic Health, Inc. Gene expression markers for prediction of patient response to chemotherapy
US20110053804A1 (en) 2008-04-03 2011-03-03 Sloan-Kettering Institute For Cancer Research Gene Signatures for the Prognosis of Cancer
AU2009268659A1 (en) 2008-07-08 2010-01-14 Genomic Health, Inc. Gene expression profiling for predicting the survivability of prostate cancer subjects
GB2512153B (en) 2008-11-17 2014-11-12 Veracyte Inc Methods and compositions of molecular profiling for disease diagnostics
JP2012515538A (ja) * 2009-01-21 2012-07-12 ユニヴァーシタ デグリ ステューディ ディ パドヴァ ２つの遺伝子の発現の観察による乳癌患者の予後診断
US8765383B2 (en) 2009-04-07 2014-07-01 Genomic Health, Inc. Methods of predicting cancer risk using gene expression in premalignant tissue
WO2011014697A1 (en) 2009-07-31 2011-02-03 The Translational Genomics Research Institute Methods of assessing a risk of cancer progression
US8451450B2 (en) 2009-09-14 2013-05-28 Bio-Rad Laboratories, Inc. Near real time optical phase conjugation
WO2011146619A2 (en) 2010-05-19 2011-11-24 The Regents Of The University Of California Systems and methods for identifying drug targets using biological networks
GB201009798D0 (en) * 2010-06-11 2010-07-21 Immunovia Ab Method,array and use thereof
WO2012079059A2 (en) * 2010-12-09 2012-06-14 Biotheranostics, Inc. Post-treatment breast cancer prognosis
PL2694959T3 (pl) * 2011-04-01 2020-05-18 Genentech, Inc. Biomarkery do przewidywania wrażliwości w leczeniu nowotworu złośliwego
US8703736B2 (en) 2011-04-04 2014-04-22 The Translational Genomics Research Institute Therapeutic target for pancreatic cancer cells
AU2012275500A1 (en) 2011-06-27 2014-01-16 Dana-Farber Cancer Institute, Inc. Signatures and determinants associated with prostate cancer progression and methods of use thereof
WO2013075059A1 (en) 2011-11-18 2013-05-23 Vanderbilt University Markers of triple-negative breast cancer and uses thereof
SG10201605210PA (en) 2012-01-31 2016-08-30 Genomic Health Inc Gene expression profile algorithm and test for determining prognosis of prostate cancer
WO2014174003A1 (en) 2013-04-26 2014-10-30 Koninklijke Philips N.V. Medical prognosis and prediction of treatment response using multiple cellular signalling pathway activities
CA2923092C (en) 2014-01-03 2019-12-17 Koninklijke Philips N.V. Assessment of the pi3k cellular signaling pathway activity using mathematical modelling of target gene expression

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007528406A (ja) 2004-03-10 2007-10-11 クレイトン ユニバーシティ エストロゲン受容体及び使用方法
JP2007532113A (ja) 2004-04-09 2007-11-15 ジェノミック ヘルス， インコーポレイテッド 化学療法剤に対する応答を予測するための遺伝子発現マーカー
US20090186024A1 (en) 2005-05-13 2009-07-23 Nevins Joseph R Gene Expression Signatures for Oncogenic Pathway Deregulation
JP2014193863A (ja) 2007-05-10 2014-10-09 Avalon Pharmaceuticals Inc フルオレン、アントラセン、キサンテン、ジベンゾスベロン、及びアクリジンの誘導体、並びに、それらの使用
JP2012518420A (ja) 2009-02-24 2012-08-16 ザ・ソーク・インステチュート・フォー・バイオロジカル・スタディーズ ＴＧＦ−βスーパーファミリーのデザイナーリガンド
JP2012525159A (ja) 2009-05-01 2012-10-22 ジェノミック ヘルス， インコーポレイテッド 結腸直腸癌の再発および化学療法に対する応答の可能性における遺伝子発現プロファイルアルゴリズムおよび試験
JP2013528787A (ja) 2010-04-16 2013-07-11 ジェネンテック， インコーポレイテッド Ｐｉ３ｋ／ａｋｔキナーゼ経路インヒビターの効果の予測バイオマーカーとしてのｆｏｘ０３ａ
WO2012154567A2 (en) 2011-05-06 2012-11-15 Albert Einstein College Of Medicine Of Yeshiva University Human invasion signature for prognosis of metastatic risk
JP2014520566A (ja) 2011-07-19 2014-08-25 コーニンクレッカ フィリップス エヌ ヴェ 標的遺伝子発現の確率モデルを使用した細胞シグナル経路の活性の評価
JP2013213688A (ja) 2012-03-30 2013-10-17 Kanagawa Academy Of Science And Technology 高脂血症又は糖尿病の検出方法及び疾患の治療剤のスクリーニング方法
JP2014524009A5 (ja) 2012-03-30 2017-11-30
WO2014102668A2 (en) 2012-12-26 2014-07-03 Koninklijke Philips N.V. Assessment of cellular signaling pathway activity using linear combination(s) of target gene expressions;
JP2014166164A (ja) 2013-02-28 2014-09-11 Ritsumeikan 発毛調節物質のスクリーニング方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ＢＭＣ Ｃａｎｃｅｒ，２０１０年，Ｖｏｌ．１０，Ｎｏ．６０４，ｐｐ．１－２０

Also Published As

Publication number Publication date
US20160117439A1 (en) 2016-04-28
JP7065610B6 (ja) 2022-06-06
BR112017007962A2 (pt) 2018-01-23
CA2965408A1 (en) 2016-04-28
US11610644B2 (en) 2023-03-21
EP3210144A1 (en) 2017-08-30
JP2018501778A (ja) 2018-01-25
WO2016062893A1 (en) 2016-04-28
ES2838923T3 (es) 2021-07-02
CA2965408C (en) 2023-10-24
CN108064380A (zh) 2018-05-22
AU2015334842B2 (en) 2022-02-17
AU2015334842A1 (en) 2017-06-15
EP3210144B1 (en) 2020-10-21

Similar Documents

Publication Publication Date Title
JP7065610B2 (ja) 複数の細胞シグナル伝達経路活性を用いる治療応答の医学的予後及び予測
JP7065609B6 (ja) 複数の細胞シグナル伝達経路活性を用いる治療応答の医学的予後及び予測
JP6721665B2 (ja) 目的遺伝子発現の線形結合を用いた細胞信号伝達経路活性の評価
EP3372695B1 (en) Medical prognosis and prediction of treatment response using multiple cellular signaling pathway activities
JP6077178B2 (ja) 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
JP6204354B2 (ja) 標的遺伝子発現の確率モデルを使用した細胞シグナル経路の活性の評価

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170622

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20181024

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190924

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191219

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20200609

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201008

C60 Trial request (containing other claim documents, opposition documents)

Free format text: JAPANESE INTERMEDIATE CODE: C60

Effective date: 20201008

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20201015

C21 Notice of transfer of a case for reconsideration by examiners before appeal proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C21

Effective date: 20201020

A912 Re-examination (zenchi) completed and case transferred to appeal board

Free format text: JAPANESE INTERMEDIATE CODE: A912

Effective date: 20210108

C211 Notice of termination of reconsideration by examiners before appeal proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C211

Effective date: 20210119

C22 Notice of designation (change) of administrative judge

Free format text: JAPANESE INTERMEDIATE CODE: C22

Effective date: 20210706

C22 Notice of designation (change) of administrative judge

Free format text: JAPANESE INTERMEDIATE CODE: C22

Effective date: 20220118

C23 Notice of termination of proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C23

Effective date: 20220301

C03 Trial/appeal decision taken

Free format text: JAPANESE INTERMEDIATE CODE: C03

Effective date: 20220405

C30A Notification sent

Free format text: JAPANESE INTERMEDIATE CODE: C3012

Effective date: 20220405

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220426

R150 Certificate of patent or registration of utility model

Ref document number: 7065610

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150