JPWO2020102244A5 - - Google Patents

Download PDF

Info

Publication number
JPWO2020102244A5
JPWO2020102244A5 JP2021526353A JP2021526353A JPWO2020102244A5 JP WO2020102244 A5 JPWO2020102244 A5 JP WO2020102244A5 JP 2021526353 A JP2021526353 A JP 2021526353A JP 2021526353 A JP2021526353 A JP 2021526353A JP WO2020102244 A5 JPWO2020102244 A5 JP WO2020102244A5
Authority
JP
Japan
Prior art keywords
pharmaceutical composition
biomarkers
inhibitory activity
biomarker
combinations
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2021526353A
Other languages
English (en)
Other versions
JP2022513038A (ja
Publication date
Application filed filed Critical
Priority claimed from PCT/US2019/061004 external-priority patent/WO2020102244A1/en
Publication of JP2022513038A publication Critical patent/JP2022513038A/ja
Publication of JPWO2020102244A5 publication Critical patent/JPWO2020102244A5/ja
Pending legal-status Critical Current

Links

Claims (48)

  1. ューブリン結合薬を含む、1種類以上のバイオマーカーの発現により特徴づけられる癌を治療するための医薬組成物。
  2. 前記バイオマーカーが1種類以上のプローブセットと結合するmRNAである、請求項1に記載の医薬組成物
  3. 前記バイオマーカーが1種類以上の癌細胞株での発現レベルを特定するように構成されている1種類以上のプローブセットと結合するmRNAである、請求項1に記載の医薬組成物
  4. 前記バイオマーカーが表1、表2、又は表4に記載される1種類以上のプローブセットと結合するmRNAである、請求項1に記載の医薬組成物
  5. 前記バイオマーカーがmRNAである、請求項1に記載の医薬組成物
  6. 前記バイオマーカーがCALD1、UBXN8、CDCA5、ERI1、SEC14L1P1、SECISBP2L/SLAN、WDR20、LGR5、ADIPOR2、RUFY2、COL5A2、YTHDC2、RPL12、MTMR9、TM9SF3、CALB2、WDR92、DGUOK、CTNNB1、FKBP4、BRPF3、DENND2D、TMEM47、RPS19、AUP1、ZFX、MRPL30、TRAK1、RCCD1、ZMAT3、GEMIN7、ZNF106、GLT8D1、CASC4、FAM98B、NME1-NME2、HOOK3、CSTF3、ACTR3、RPL38、PLOD1、MARS、ZNF441、RELB、NLE1、MRPS23、及びこれらのあらゆる組合せから選択される1種類以上の遺伝子の発現レベルと関係する、請求項1に記載の医薬組成物
  7. 前記バイオマーカーがCALD1、SECISBP2L、UBXN8、AUP1、CDCA5、TM9SF3、LGR5、FAM98B、及びこれらの組合せからなる群より選択される1種類以上の遺伝子の発現レベルと関係する、請求項1に記載の医薬組成物
  8. 前記バイオマーカーがCALD1、SECISBP2L、UBXN8、AUP1、CDCA5、及びこれらの組合せからなる群より選択される1種類以上の遺伝子の発現レベルと関係する、請求項1に記載の医薬組成物
  9. 前記バイオマーカーがCALD1、UBXN8、AUP1、CDCA5、及びこれらの組合せからなる群より選択される1種類以上の遺伝子の発現レベルと関係する、請求項1に記載の医薬組成物
  10. 前記バイオマーカーがCALD1、SECISBP2L、UBXN8、AUP1、及びこれらの組合せからなる群より選択される1種類以上の遺伝子の発現レベルと関係する、請求項1に記載の医薬組成物
  11. 種類以上のバイオマーカーの発現レベルを使用して発現スコアが決定される、請求項1~10のいずれか一項に記載の医薬組成物
  12. 対象が前記発現スコアに基づいて前記対象を前記チューブリン結合薬治療に対して応答性又は非応答性として分類される、請求項11に記載の医薬組成物
  13. 前記対象が、プローブセット又は遺伝子の前記発現スコアを基準値と比較することにより前記対象を応答性又は非応答性として分類される、請求項12に記載の医薬組成物
  14. 現スコアが1種類以上の予測モデル使用して決定される、請求項1~13のいずれか一項に記載の医薬組成物
  15. 前記予測モデルが1種類以上の選択されたプローブセット又は遺伝子から生成された発現スコア、及び/又はそのプローブセット若しくは遺伝子から誘導された閾値スコアに基づいて生成される、請求項14に記載の医薬組成物
  16. 前記予測モデルが1種類以上の1層TanHマルチモードフィットニューラルネットワークモデル、1種類以上の非ニューラル二項ロジスティックモデル、又はこれらの組合せを含む、請求項15に記載の医薬組成物
  17. プローブセット、マイクロアレイ、定量的PCR、又は免疫アッセイを用いて前記バイオマーカーの発現レベルが測定される、請求項1~16のいずれか一項に記載の医薬組成物
  18. 前記チューブリン結合薬がプリナブリンである、請求項1~17のいずれか一項に記載の医薬組成物
  19. 前記癌が中枢神経系(CNS)リンパ腫、肺癌、乳癌、卵巣癌、及び前立腺癌から選択される、請求項1~18のいずれか一項に記載の医薬組成物
  20. 前記チューブリン結合薬が1種類以上の化学療法薬と共投与されるように製剤化された、請求項1に記載の医薬組成物
  21. 前記チューブリン結合薬がタキサンである、請求項1~17のいずれか一項に記載の医薬組成物
  22. 前記タキサンがドセタキセル又はパクリタキセルである、請求項21に記載の医薬組成物
  23. 前記チューブリン結合薬がビンカ部位結合薬である、請求項1~17のいずれか一項に記載の医薬組成物
  24. 前記チューブリン結合薬がビンブラスチン又はビンクリスチンである、請求項23に記載の医薬組成物
  25. 対象の化学療法薬に対する応答を評価するための予測モデルを生成する方法であって、
    少なくとも1種類の癌細胞株での複数のバイオマーカーの発現レベルを得ること、
    前記少なくとも1種類の癌細胞株に対する前記化学療法薬の阻害活性を決定すること、
    前記複数のバイオマーカーの前記発現レベルと前記化学療法薬の前記阻害活性との間の関係性を決定すること、
    前記複数のバイオマーカーの発現レベルと前記化学療法薬の阻害濃度との間の前記関係性に基づいて前記予測モデルを生成すること
    を含む、方法。
  26. 前記複数のバイオマーカーの前記発現レベルと前記化学療法薬の前記阻害活性との間の前記関係性の決定がアンサンブル学習法、予測子スクリーニング法、線形回帰分析、及び/又は高次回帰分析を用いた第1セットのバイオマーカーの選別を含む、請求項25に記載の方法。
  27. 前記複数のバイオマーカーの前記発現レベルと前記化学療法薬の前記阻害活性との間の前記関係性の決定がブートストラップフォレストパーティショニング法、予測子スクリーニング法、線形回帰分析、及び/又は高次回帰分析を用いた第1セットのバイオマーカーの選別を含む、請求項25に記載の方法。
  28. 分類及び回帰のための1種類以上のアンサンブル学習法を用いた前記第1セットのバイオマーカーからの第2セットのバイオマーカーの選別を含む、請求項26に記載の方法。
  29. 前記アンサンブル学習法がブートストラップフォレストパーティショニング法である、請求項28に記載の方法。
  30. 前記バイオマーカーが1種類以上のプローブセットと結合するmRNAであり、且つ、前記方法が結合した前記バイオマーカーの前記化学療法薬の阻害活性との相関に基づいて前記プローブセットをランク付けすること、及び結合した各バイオマーカーについて最も高いランクを有するプローブセットのみを前記選別処理のために保持することをさらに含む、請求項26~29のいずれか一項に記載の方法。
  31. 前記第2セットのバイオマーカーを使用して前記化学療法薬に対する前記対象の応答を有効又は無効として分類するための予測モデルを生成することを含む、請求項28に記載の方法。
  32. 前記予測モデルがニューラルネットワーク、非ニューラルネットワークモデル、又はこれらの組合せから選択される、請求項25に記載の方法。
  33. 前記予測モデルが1種類以上の1層TanHマルチモードフィットニューラルネットワークモデル、1種類以上の非ニューラル二項ロジスティックモデル、又はこれらの組合せから選択される、請求項25に記載の方法。
  34. 前記予測モデルが予測関数を導出するための人工知能ソフトウェア、プログラム、又は
    技術を用いて生成される、請求項25に記載の方法。
  35. 検証データセットを用いた前記予測モデルの検証を含む、請求項25に記載の方法。
  36. 前記バイオマーカーが表1、表2、又は表4に記載される1種類以上のプローブセットと結合するmRNAである、請求項25に記載の方法。
  37. 前記バイオマーカーがmRNAである、請求項36に記載の方法。
  38. 前記バイオマーカーがCALD1、UBXN8、CDCA5、ERI1、SEC14L1P1、SECISBP2L/SLAN、WDR20、LGR5、ADIPOR2、RUFY2、COL5A2、YTHDC2、RPL12、MTMR9、TM9SF3、CALB2、WDR92、DGUOK、CTNNB1、FKBP4、BRPF3、DENND2D、TMEM47、RPS19、AUP1、ZFX、MRPL30、TRAK1、RCCD1、ZMAT3、GEMIN7、ZNF106、GLT8D1、CASC4、FAM98B、NME1-NME2、HOOK3、CSTF3、ACTR3、RPL38、PLOD1、MARS、ZNF441、RELB、NLE1、MRPS23、及びこれらのあらゆる組合せから選択される1種類以上の遺伝子の発現レベルと関係する、請求項25に記載の方法。
  39. 前記バイオマーカーがCALD1、SECISBP2L、UBXN8、AUP1、CDCA5、TM9SF3、LGR5、FAM98B、及びこれらの組合せからなる群より選択される1種類以上の遺伝子の発現レベルと関係する、請求項25に記載の方法。
  40. 前記バイオマーカーがCALD1、SECISBP2L、UBXN8、AUP1、CDCA5、及びこれらの組合せからなる群より選択される1種類以上の遺伝子の発現レベルと関係する、請求項25に記載の方法。
  41. 前記バイオマーカーがCALD1、UBXN8、AUP1、CDCA5、及びこれらの組合せからなる群より選択される1種類以上の遺伝子の発現レベルと関係する、請求項25に記載の方法。
  42. 前記バイオマーカーがCALD1、SECISBP2L、UBXN8、AUP1、及びこれらの組合せからなる群より選択される1種類以上の遺伝子の発現レベルと関係する、請求項25に記載の方法。
  43. 前記化学療法がチューブリン結合薬を含む、請求項25に記載の方法。
  44. 前記化学療法薬の阻害活性の決定が、前記化学療法薬を含む培地で前記癌細胞株を処理した後の前記阻害活性の測定を含む、請求項25に記載の方法。
  45. 前記化学療法薬を含む前記培地で前記癌細胞株を12時間~36時間にわたって処理し、続いて前記阻害活性の測定の前に前記化学療法薬を含まない培地で前記癌細胞株を48時間~96時間にわたって処理することを含む、請求項44に記載の方法。
  46. 阻害活性閾値を設定すること及び前記複数の癌細胞株に対する前記化学療法薬の阻害活性を前記阻害活性閾値に基づいて有効又は無効であると特定することを含む、請求項44又は45に記載の方法。
  47. 前記阻害活性がIC50値、IC60値、IC70値、IC80値、又はIC90値に
    基づくものである、請求項44に記載の方法。
  48. 測定された前記IC50値、IC60値、IC70値、IC80値、又はIC90値に基づいて閾値との比較の後に前記阻害活性及び前記モデル又は細胞株の順序有効性状態を有効又は無効に分類することをさらに含む、請求項25~45のいずれか一項に記載の方法。
JP2021526353A 2018-11-14 2019-11-12 チューブリン結合薬を使用する癌の治療方法 Pending JP2022513038A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862767376P 2018-11-14 2018-11-14
US62/767,376 2018-11-14
PCT/US2019/061004 WO2020102244A1 (en) 2018-11-14 2019-11-12 Methods of treating cancer using tubulin binding agents

Publications (2)

Publication Number Publication Date
JP2022513038A JP2022513038A (ja) 2022-02-07
JPWO2020102244A5 true JPWO2020102244A5 (ja) 2022-11-18

Family

ID=70730835

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021526353A Pending JP2022513038A (ja) 2018-11-14 2019-11-12 チューブリン結合薬を使用する癌の治療方法

Country Status (9)

Country Link
US (1) US20230035763A1 (ja)
EP (1) EP3880848A4 (ja)
JP (1) JP2022513038A (ja)
KR (1) KR20210091744A (ja)
CN (1) CN113661253B (ja)
AU (1) AU2019378779A1 (ja)
CA (1) CA3119768A1 (ja)
MX (1) MX2021005646A (ja)
WO (1) WO2020102244A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10238650B2 (en) 2015-03-06 2019-03-26 Beyondspring Pharmaceuticals, Inc. Method of treating cancer associated with a RAS mutation
RU2753543C1 (ru) 2016-02-08 2021-08-17 Бейондспринг Фармасьютикалс, Инк. Композиции, содержащие тукаресол или его аналоги
WO2022187657A1 (en) * 2021-03-05 2022-09-09 Astrazeneca Collaboration Ventures, Llc Methods of selecting sub-populations of crohn's disease patients amenable to il23 antagonist therapy
CA3234699A1 (en) * 2021-10-07 2023-04-13 Beyondspring Pharmaceuticals, Inc. Methods for treating cancers and tumors
CN115862890B (zh) * 2022-08-31 2023-08-11 山东第一医科大学附属肿瘤医院(山东省肿瘤防治研究院、山东省肿瘤医院) 一种抗癌药物筛选方法及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012031008A2 (en) * 2010-08-31 2012-03-08 The General Hospital Corporation Cancer-related biological materials in microvesicles
EP2646577A2 (en) * 2010-11-29 2013-10-09 Precision Therapeutics Inc. Methods and systems for evaluating the sensitivity or resistance of tumor specimens to chemotherapeutic agents
KR20140044341A (ko) * 2011-06-02 2014-04-14 알막 다이아그노스틱스 리미티드 암에 대한 분자적 진단 검사
EP2786140A4 (en) * 2011-11-28 2015-10-28 Nat Res Council Canada PACLITAXEL REACTION MARKERS FOR CANCER
JP6411523B2 (ja) * 2013-10-11 2018-10-24 ビヨンドスプリング インコーポレイテッド プリナブリン及びタキサンの組合せがん治療
AU2014346788B8 (en) * 2013-11-06 2021-01-28 Arizona Board Of Regents On Behalf Of The Unviersity Of Arizona Method for subtyping lymphoma types by means of expression profiling
CA2996426A1 (en) * 2015-10-05 2017-04-13 Cedars-Sinai Medical Center Method of classifying and diagnosing cancer

Similar Documents

Publication Publication Date Title
Sherbet et al. Application of artificial intelligence-based technology in cancer management: a commentary on the deployment of artificial neural networks
Kunkle et al. Reverse engineering of modified genes by Bayesian network analysis defines molecular determinants critical to the development of glioblastoma
Shao et al. An m6A/m5C/m1A/m7G-related long non-coding RNA signature to predict prognosis and immune features of glioma
Dorani et al. Ensemble learning for detecting gene-gene interactions in colorectal cancer
Lin et al. An enhanced cascade-based deep forest model for drug combination prediction
Wang et al. Denoising autoencoder, a deep learning algorithm, aids the identification of a novel molecular signature of lung adenocarcinoma
Seifert et al. Autoregressive higher-order hidden Markov models: exploiting local chromosomal dependencies in the analysis of tumor expression profiles
JP2022513038A (ja) チューブリン結合薬を使用する癌の治療方法
Pan et al. Prognostic and predictive value of a long non-coding RNA signature in glioma: a lncRNA expression analysis
Luo et al. Weighted gene co-expression network analysis of hub genes in lung adenocarcinoma
US20220081724A1 (en) Methods of detecting and treating subjects with checkpoint inhibitor-responsive cancer
Chen et al. PRKAR1A and SDCBP serve as potential predictors of heart failure following acute myocardial infarction
CN117561572A (zh) 对同源修复缺陷进行分类的系统和方法
Ma et al. An integrative genomic and proteomic approach to chemosensitivity prediction
Epsi et al. pathCHEMO, a generalizable computational framework uncovers molecular pathways of chemoresistance in lung adenocarcinoma
JPWO2020102244A5 (ja)
Simon Drug-diagnostics co-development in oncology
Bozdag et al. Master regulators, regulatory networks, and pathways of glioblastoma subtypes
Ruffalo et al. Reconstructing cancer drug response networks using multitask learning
Huang et al. A methodology for exploring biomarker–phenotype associations: application to flow cytometry data and systemic sclerosis clinical manifestations
RU2021113756A (ru) Способы лечения рака с применением связывающих тубулин агентов
Zhao et al. Tissue-specific identification of multi-omics features for pan-cancer drug response prediction
Cheng et al. Identification of yeast cell cycle regulated genes based on genomic features
US20210166789A1 (en) Method for identifying gene expression signatures
Chen et al. Identifying the transcriptional regulatory network associated with extrathyroidal extension in papillary thyroid carcinoma by comprehensive bioinformatics analysis