JPWO2020113237A5 - - Google Patents

Download PDF

Info

Publication number
JPWO2020113237A5
JPWO2020113237A5 JP2021530882A JP2021530882A JPWO2020113237A5 JP WO2020113237 A5 JPWO2020113237 A5 JP WO2020113237A5 JP 2021530882 A JP2021530882 A JP 2021530882A JP 2021530882 A JP2021530882 A JP 2021530882A JP WO2020113237 A5 JPWO2020113237 A5 JP WO2020113237A5
Authority
JP
Japan
Prior art keywords
machine learning
group
data
computers
folfox
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.)
Granted
Application number
JP2021530882A
Other languages
English (en)
Other versions
JP7462632B2 (ja
JP2022512080A (ja
Publication date
Application filed filed Critical
Priority claimed from PCT/US2019/064078 external-priority patent/WO2020113237A1/en
Publication of JP2022512080A publication Critical patent/JP2022512080A/ja
Publication of JPWO2020113237A5 publication Critical patent/JPWO2020113237A5/ja
Application granted granted Critical
Publication of JP7462632B2 publication Critical patent/JP7462632B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Description

[本発明1001]
対象の疾患もしくは障害の治療の有効性を予測するための機械学習モデルの訓練において使用するための入力データ構造を生成するための、データ処理装置であって、
該データ処理装置が、1つまたは複数のプロセッサと、該1つまたは複数のプロセッサによって実行される場合に該1つまたは複数のプロセッサに動作を実行させる命令を記憶する1つまたは複数の記憶デバイスとを含み、
該動作が、
該データ処理装置により、1つまたは複数のバイオマーカーデータ構造および1つまたは複数の転帰データ構造を得る工程；
該データ処理装置により、対象と関連付けされた1つまたは複数のバイオマーカーを表す第一のデータを、該1つまたは複数のバイオマーカーデータ構造から抽出し、疾患もしくは障害および治療を表す第二のデータを、該1つまたは複数の転帰データ構造から抽出し、該疾患もしくは障害のための治療の転帰を表す第三のデータを抽出する工程；
該データ処理装置により、該1つまたは複数のバイオマーカーを表す第一のデータおよび該疾患もしくは障害および治療を表す第二のデータに基づいて、機械学習モデルへ入力するためのデータ構造を生成する工程；
該データ処理装置により、該生成されたデータ構造を該機械学習モデルへの入力として提供する工程；
該データ処理装置により、該生成されたデータ構造の該機械学習モデルの処理に基づいて、該機械学習モデルによって生成された出力を得る工程；
該データ処理装置により、該疾患もしくは障害のための治療の転帰を表す第三のデータと、該機械学習モデルによって生成された出力との間の差を決定する工程；ならびに
該データ処理装置により、該疾患もしくは障害のための治療の転帰を表す第三のデータと、該機械学習モデルによって生成された出力との間の差に基づいて、該機械学習モデルの1つまたは複数のパラメータを調節する工程
を含む、前記データ処理装置。
[本発明1002]
1つまたは複数のバイオマーカーのセットが、表2～8のいずれか1つに記載された1つまたは複数のバイオマーカーを含む、本発明1001のデータ処理装置。
[本発明1003]
1つまたは複数のバイオマーカーのセットが、本発明1002のバイオマーカーのそれぞれを含む、本発明1001のデータ処理装置。
[本発明1004]
1つまたは複数のバイオマーカーのセットが、本発明1002のバイオマーカーの少なくとも1つを含み、任意で、1つまたは複数のバイオマーカーのセットが、表5、表6、表7、表8中のマーカーまたはそれらの任意の組み合わせを含む、本発明1001のデータ処理装置。
[本発明1005]
特定の治療に対する対象の治療反応性を予測するための機械学習モデルの訓練において使用するための入力データ構造を生成するための、データ処理装置であって、
該データ処理装置が、1つまたは複数のプロセッサと、該1つまたは複数のプロセッサによって実行される場合に該1つまたは複数のプロセッサに動作を実行させる命令を記憶する1つまたは複数の記憶デバイスとを含み、
該動作が、
該データ処理装置により、第一の分散データソースから、対象と関連付けされた1つまたは複数のバイオマーカーのセットを表すデータを構造化する第一のデータ構造を得る工程であって、該第一のデータ構造が、該対象を同定するキーバリューを含む、工程；
該データ処理装置により、該第一のデータ構造を1つまたは複数のメモリデバイスに記憶する工程；
該データ処理装置により、第二の分散データソースから、該1つまたは複数のバイオマーカーを有する対象の転帰データを表すデータを構造化する第二のデータ構造を得る工程であって、該転帰データが、疾患もしくは障害、治療、および該治療の有効性の指標を同定するデータを含み、該第二のデータ構造も、該対象を同定するキーバリューを含む、工程；
該データ処理装置により、該第二のデータ構造を1つまたは複数のメモリデバイスに記憶する工程；
該データ処理装置により、該メモリデバイスに記憶された該第一のデータ構造および該第二のデータ構造を使用して、（i）1つまたは複数のバイオマーカーのセット、該疾患もしくは障害、および治療を表すデータ、ならびに（ii）該疾患もしくは障害のための治療の有効性の指標を提供するラベルを含む、ラベル付き訓練データ構造を生成する工程であって、該データ処理装置により、該第一のデータ構造および第二のデータ構造を使用して生成する工程が、該データ処理装置により、該対象を同定するキーバリューに基づいて、該対象と関連付けされた1つまたは複数のバイオマーカーのセットを表すデータを構造化する第一のデータ構造と、該1つまたは複数のバイオマーカーを有する対象の転帰データを表す第二のデータ構造とを相関させることを含む、工程；ならびに
該データ処理装置により、該生成されたラベル付き訓練データ構造を使用して、機械学習モデルを訓練する工程であって、該生成されたラベル付き訓練データ構造を使用して機械学習モデルを訓練する工程が、該データ処理装置により、該生成されたラベル訓練データ構造を該機械学習モデルへの入力として該機械学習モデルに提供することを含む、工程
を含む、前記データ処理装置。
[本発明1006]
動作が、
データ処理装置により、機械学習モデルから、生成されたラベル付き訓練データ構造の機械学習モデルの処理に基づいて、該機械学習モデルによって生成された出力を得る工程；ならびに
該データ処理装置により、該機械学習モデルによって生成された該出力と、疾患もしくは障害のための治療の有効性の指標を提供するラベルとの間の差を決定する工程
をさらに含む、本発明1005のデータ処理装置。
[本発明1007]
動作が、
データ処理装置により、機械学習モデルによって生成された出力と、疾患もしくは障害のための治療の有効性の指標を提供するラベルとの間の決定された差に基づいて、該機械学習モデルの1つまたは複数のパラメータを調節する工程
をさらに含む、本発明1006のデータ処理装置。
[本発明1008]
1つまたは複数のバイオマーカーのセットが、表2～8のいずれか1つに記載された1つまたは複数のバイオマーカーを含み、任意で、1つまたは複数のバイオマーカーのセットが、表5、表6、表7、表8中のマーカーまたはそれらの任意の組み合わせを含む、本発明1005のデータ処理装置。
[本発明1009]
1つまたは複数のバイオマーカーのセットが、本発明1008のバイオマーカーのそれぞれを含む、本発明1005のデータ処理装置。
[本発明1010]
1つまたは複数のバイオマーカーのセットが、本発明1008のバイオマーカーの1つを含む、本発明1005のデータ処理装置。
[本発明1011]
本発明1001～1010のいずれかの動作のそれぞれに対応する工程を含む、方法。
[本発明1012]
1つまたは複数のコンピュータと、該1つまたは複数のコンピュータによって実行される場合に該1つまたは複数のコンピュータに本発明1001～1010のいずれかの動作のそれぞれを実行させる命令を記憶する1つまたは複数のデータ記憶媒体とを含む、システム。
[本発明1013]
1つまたは複数のコンピュータによって実行可能であり、そのように実行される場合に該1つまたは複数のコンピュータに、本発明1001～1010のいずれかの動作を実行させる命令
を含むソフトウェアを記憶する、非一時的コンピュータ可読媒体。
[本発明1014]
エンティティの分類のための方法であって、
複数の機械学習モデルの各特定の機械学習モデルに関し、
予測または分類を決定するように訓練された特定の機械学習モデルに、分類されるエンティティの種類を表す入力データを提供し、
該特定の機械学習モデルによる入力データの処理に基づいて、該特定の機械学習モデルによって生成された、複数の候補エンティティクラスの初期エンティティクラスへのエンティティ分類を表す出力データを得る工程；
該複数の機械学習モデルのそれぞれに関して得られた出力データを投票ユニットに提供する工程であって、該提供された出力データが、該複数の機械学習モデルのそれぞれによって決定された初期エンティティクラスを表すデータを含む、工程；ならびに
該投票ユニットにより、該提供された出力データに基づいて、該エンティティのための現実のエンティティクラスを決定する工程
を含む、前記方法。
[本発明1015]
エンティティのための現実のエンティティクラスが、提供された出力データに多数決原理を適用することによって決定される、本発明1014の方法。
[本発明1016]
投票ユニットにより、提供された出力データに基づいて、エンティティのための現実のエンティティクラスを決定する工程が、
該投票ユニットにより、複数の候補エンティティクラスの各初期エンティティクラスの出現回数を決定すること；ならびに
該投票ユニットにより、該複数の候補エンティティクラスのうち、最大の出現回数を有する初期エンティティクラスを選択すること
を含む、本発明1014または1015の方法。
[本発明1017]
複数の機械学習モデルの各機械学習モデルが、ランダムフォレスト分類アルゴリズム、サポートベクターマシン、ロジスティック回帰、k近傍法モデル、人工ニューラルネットワーク、単純ベイズモデル、二次判別分析、またはガウス過程モデルを含む、本発明1014～1016のいずれかの方法。
[本発明1018]
複数の機械学習モデルの各機械学習モデルが、ランダムフォレスト分類アルゴリズムを含む、本発明1014～1016のいずれかの方法。
[本発明1019]
複数の機械学習モデルが、同じタイプの分類アルゴリズムの複数の表現を含む、本発明1014～1018のいずれかの方法。
[本発明1020]
入力データが、（i）エンティティ属性、および（ii）疾患もしくは障害のための治療の種類を表す、本発明1014～1018のいずれかの方法。
[本発明1021]
複数の候補エンティティクラスが、反応クラスまたは非反応クラスを含む、本発明1020の方法。
[本発明1022]
エンティティ属性が、エンティティのための1つまたは複数のバイオマーカーを含む、本発明1020または1021の方法。
[本発明1023]
1つまたは複数のバイオマーカーが、エンティティのすべての公知の遺伝子よりも少ない遺伝子のパネルを含む、本発明1022の方法。
[本発明1024]
1つまたは複数のバイオマーカーが、エンティティのためのすべての公知の遺伝子を含む遺伝子のパネルを含む、本発明1022の方法。
[本発明1025]
入力データが、疾患もしくは障害の種類を表すデータをさらに含む、本発明1020～1024のいずれかの方法。
[本発明1026]
1つまたは複数のコンピュータと、該1つまたは複数のコンピュータによって実行される場合に該1つまたは複数のコンピュータに本発明1014～1025のいずれかの動作のそれぞれを実行させる命令を記憶する1つまたは複数のデータ記憶媒体とを含む、システム。
[本発明1027]
1つまたは複数のコンピュータによって実行可能であり、そのように実行される場合に該1つまたは複数のコンピュータに、本発明1014～1025のいずれかの動作を実行させる命令
を含むソフトウェアを記憶する、非一時的コンピュータ可読媒体。
[本発明1028]
対象におけるがん由来の細胞を含む生体試料を得る工程；ならびに
該生体試料中の少なくとも1つのバイオマーカーを評価するためのアッセイを実施する工程
を含む、方法であって、
該バイオマーカーが、
（a）MYC、EP300、U2AF1、ASXL1、MAML2およびCNTRLの1、2、3、4、5または6個すべてを含む、グループ1；
（b）MYC、EP300、U2AF1、ASXL1、MAML2、CNTRL、WRNおよびCDX2の1、2、3、4、5、6、7または8個すべてを含む、グループ2；
（c）BCL9、PBX1、PRRX1、INHBA、YWHAE、GNAS、LHFPL6、FCRL4、HOXA11、AURKA、BIRC3、IKZF1、CASP8およびEP300の1、2、3、4、5、6、7、8、9、10、11、12、13または14個すべてを含む、グループ3；
（d）PBX1、BCL9、INHBA、PRRX1、YWHAE、GNAS、LHFPL6、FCRL4、AURKA、IKZF1、CASP8、PTENおよびEP300の1、2、3、4、5、6、7、8、9、10、11、12または13個すべてを含む、グループ4；
（e）BCL9、PBX1、PRRX1、INHBA、GNAS、YWHAE、LHFPL6、FCRL4、PTEN、HOXA11、AURKAおよびBIRC3の1、2、3、4、5、6、7、8、9、10、11または12個すべてを含む、グループ5；
（f）BCL9、PBX1、PRRX1、INHBAおよびYWHAEの1、2、3、4または5個すべてを含む、グループ6；
（g）BCL9、PBX1、GNAS、LHFPL6、CASP8、ASXL1、FH、CRKL、MLF1、TRRAP、AKT3、ACKR3、MSI2、PCM1およびMNX1の1、2、3、4、5、6、7、8、9、10、11、12、13、14または15個すべてを含む、グループ7；
（h）BX1、GNAS、AURKA、CASP8、ASXL1、CRKL、MLF1、GAS7、MN1、SOX10、TCL1A、LMO1、BRD3、SMARCA4、PER1、PAX7、SBDS、SEPT5、PDGFB、AKT2、TERT、KEAP1、ETV6、TOP1、TLX3、COX6C、NFIB、ARFRP1、ARID1A、MAP2K4、NFKBIA、WWTR1、ZNF217、IL2、NSD3、CREB1、BRIP1、SDC4、EWSR1、FLT3、FLT1、FAS、CCNE1、RUNX1T1およびEZRの1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44または45個すべてを含む、グループ8；ならびに
（i）BCL9、PBX1、PRRX1、INHBA、YWHAE、GNAS、LHFPL6、FCRL4、BIRC3、AURKAおよびHOXA11の1、2、3、4、5、6、7、8、9、10または11個すべてを含む、グループ9
のうちの少なくとも1つを含む、前記方法。
[本発明1029]
生体試料が、ホルマリン固定パラフィン包埋（FFPE）組織、固定組織、コア針生検、穿刺吸引液、非染色スライド、新鮮凍結（FF）組織、ホルマリン試料、核酸もしくはタンパク質分子を保存する溶液に含まれる組織、新鮮な試料、悪性流体、体液、腫瘍試料、組織試料またはそれらの任意の組み合わせを含む、本発明1028の方法。
[本発明1030]
生体試料が固形腫瘍からの細胞を含む、本発明1028または1029の方法。
[本発明1031]
生体試料が体液を含む、本発明1028または1029の方法。
[本発明1032]
体液が、悪性流体、胸膜液、腹膜液またはそれらの任意の組み合わせを含む、本発明1028～1031のいずれかの方法。
[本発明1033]
体液が、末梢血、血清、血漿、腹水、尿、脳脊髄液（CSF）、痰、唾液、骨髄、滑液、眼房水、羊水、耳垢、母乳、気管支肺胞洗浄液、精液、前立腺液、カウパー腺液、尿道球腺液、女性射精液、汗、糞便、涙液、嚢胞液、胸膜液、腹膜液、心膜液、リンパ液、糜粥、乳糜、胆汁、間質液、月経分泌物、膿、皮脂、嘔吐物、膣分泌液、粘膜分泌液、水便、膵液、鼻腔からの洗浄液、気管支肺吸引液、胞胚腔液または臍帯血を含む、本発明1028～1032のいずれかの方法。
[本発明1034]
評価が、バイオマーカーごとにタンパク質または核酸の存在、レベルまたは状態を決定することを含み、任意で、該核酸が、デオキシリボ核酸（DNA）、リボ核酸（RNA）またはそれらの組み合わせを含む、本発明1028～1033のいずれかの方法。
[本発明1035]
（a）タンパク質の存在、レベルまたは状態が、免疫組織化学（IHC）、フローサイトメトリー、イムノアッセイ、抗体もしくはその機能的断片、アプタマーまたはそれらの任意の組み合わせを使用して決定される；および／または
（b）核酸の存在、レベルまたは状態が、ポリメラーゼ連鎖反応（PCR）、インサイチューハイブリダイゼーション、増幅、ハイブリダイゼーション、マイクロアレイ、核酸シーケンシング、ダイターミネータシーケンシング、パイロシーケンシング、次世代シーケンシング（NGS；ハイスループットシーケンシング）またはそれらの任意の組み合わせを使用して決定される、本発明1034の方法。
[本発明1036]
核酸の状態が、配列、変異、多型、欠失、挿入、置換、転座、融合、切断、重複、増幅、反復、コピー数、コピー数多型（CNV；コピー数変化；CNA)、またはそれらの任意の組み合わせを含む、本発明1035の方法。
[本発明1037]
核酸の状態がコピー数を含む、本発明1036の方法。
[本発明1038]
グループ1のすべてのメンバー（すなわちMYC、EP300、U2AF1、ASXL1、MAML2およびCNTRL）またはそれらに近接するゲノム領域のコピー数を決定するためのアッセイを実施する工程を含む、本発明1037の方法。
[本発明1039]
グループ2のすべてのメンバー（すなわちMYC、EP300、U2AF1、ASXL1、MAML2、CNTRL、WRNおよびCDX2）またはそれらに近接するゲノム領域のコピー数を決定するためのアッセイを実施する工程を含む、本発明1037の方法。
[本発明1040]
グループ3のすべてのメンバー（すなわちBCL9、PBX1、PRRX1、INHBA、YWHAE、GNAS、LHFPL6、FCRL4、HOXA11、AURKA、BIRC3、IKZF1、CASP8およびEP300）またはそれらに近接するゲノム領域のコピー数を決定するためのアッセイを実施する工程を含む、本発明1037の方法。
[本発明1041]
グループ4のすべてのメンバー（すなわちPBX1、BCL9、INHBA、PRRX1、YWHAE、GNAS、LHFPL6、FCRL4、AURKA、IKZF1、CASP8、PTENおよびEP300）またはそれらに近接するゲノム領域のコピー数を決定するためのアッセイを実施する工程を含む、本発明1037の方法。
[本発明1042]
グループ5のすべてのメンバー（すなわちBCL9、PBX1、PRRX1、INHBA、GNAS、YWHAE、LHFPL6、FCRL4、PTEN、HOXA11、AURKAおよびBIRC3）またはそれらに近接するゲノム領域のコピー数を決定するためのアッセイを実施する工程を含む、本発明1037の方法。
[本発明1043]
グループ6のすべてのメンバー（すなわちBCL9、PBX1、PRRX1、INHBAおよびYWHAE）またはそれらに近接するゲノム領域のコピー数を決定するためのアッセイを実施する工程を含む、本発明1037の方法。
[本発明1044]
グループ7のすべてのメンバー（すなわちBCL9、PBX1、GNAS、LHFPL6、CASP8、ASXL1、FH、CRKL、MLF1、TRRAP、AKT3、ACKR3、MSI2、PCM1およびMNX1）またはそれらに近接するゲノム領域のコピー数を決定するためのアッセイを実施する工程を含む、本発明1037の方法。
[本発明1045]
グループ8のすべてのメンバー（すなわちBX1、GNAS、AURKA、CASP8、ASXL1、CRKL、MLF1、GAS7、MN1、SOX10、TCL1A、LMO1、BRD3、SMARCA4、PER1、PAX7、SBDS、SEPT5、PDGFB、AKT2、TERT、KEAP1、ETV6、TOP1、TLX3、COX6C、NFIB、ARFRP1、ARID1A、MAP2K4、NFKBIA、WWTR1、ZNF217、IL2、NSD3、CREB1、BRIP1、SDC4、EWSR1、FLT3、FLT1、FAS、CCNE1、RUNX1T1およびEZR）またはそれらに近接するゲノム領域のコピー数を決定するためのアッセイを実施する工程を含む、本発明1037の方法。
[本発明1046]
グループ9のすべてのメンバー（すなわちBCL9、PBX1、PRRX1、INHBA、YWHAE、GNAS、LHFPL6、FCRL4、BIRC3、AURKAおよびHOXA11）またはそれらに近接するゲノム領域のコピー数を決定するためのアッセイを実施する工程を含む、本発明1037の方法。
[本発明1047]
（a）グループ1およびグループ2の少なくとも1つもしくはすべてのメンバーまたはそれらに近接するゲノム領域；
（b）グループ3の少なくとも1つもしくはすべてのメンバーまたはそれらに近接するゲノム領域；または
（c）グループ2、グループ6、グループ7、グループ8およびグループ9の少なくとも1つもしくはすべてのメンバーまたはそれらに近接するゲノム領域
のコピー数を決定するためのアッセイを実施する工程を含む、本発明1037の方法。
[本発明1048]
バイオマーカーのコピー数を参照コピー数（例えば二倍体）と比較し、コピー数多型（CNV）を有するバイオマーカーを同定する工程をさらに含む、本発明1037～1047のいずれかの方法。
[本発明1049]
CNVを有する遺伝子またはそれに近接する領域を同定する分子プロファイルを生成する工程をさらに含む、本発明1048の方法。
[本発明1050]
PTENタンパク質の存在またはレベルが決定され、任意で、該PTENタンパク質の存在またはレベルが、免疫組織化学（IHC）を使用して決定される、本発明1028～1049のいずれかの方法。
[本発明1051]
TOPO1および1つまたは複数のミスマッチ修復タンパク質（例えばMLH1、MSH2、MSH6およびPMS2）を含むタンパク質のレベルを決定する工程をさらに含み、任意で、該PTENタンパク質の存在またはレベルが、免疫組織化学（IHC）を使用して決定される、本発明1028～1050のいずれかの方法。
[本発明1052]
1つのタンパク質または複数のタンパク質のレベルを、該1つのタンパク質または該複数のタンパク質のそれぞれの参照レベルと比較する工程をさらに含む、本発明1050または1051の方法。
[本発明1053]
参照レベルとは異なる、例えば該参照レベルとは有意に異なるレベルを有するタンパク質を同定する分子プロファイルを生成する工程をさらに含む、本発明1052の方法。
[本発明1054]
評価されたバイオマーカーに基づいて有望なベネフィットの治療を選択する工程をさらに含み、任意で、該治療が、5-フルオロウラシル／ロイコボリンをオキサリプラチンと組み合わせた治療（FOLFOX）またはその代替治療を含み、任意で、該代替治療が、5-フルオロウラシル／ロイコボリンをイリノテカンと組み合わせた治療（FOLFIRI）を含む、本発明1028～1053のいずれかの方法。
[本発明1055]
有望なベネフィットの治療を選択する工程が、
（a）本発明1037～1047のいずれかの決定されたコピー数；および／または
（b）本発明1049または1053の分子プロファイル
に基づく、本発明1054の方法。
[本発明1056]
本発明1037～1047のいずれかの決定されたコピー数に基づいて有望なベネフィットの治療を選択する工程が、投票モジュールの使用を含む、本発明1055の方法。
[本発明1057]
投票モジュールが、本発明1014～1025のいずれかのものである、本発明1056の方法。
[本発明1058]
投票モジュールが、少なくとも1つのランダムフォレストモデルの使用を含む、本発明1056または1057の方法。
[本発明1059]
投票モジュールの使用が、機械学習分類モデルを、グループ2、グループ6、グループ7、グループ8およびグループ9のそれぞれに関して得られたコピー数に適用することを含み、任意で、各機械学習分類モデルがランダムフォレストモデルであり、任意で、該ランダムフォレストモデルが表10に記載されるものである、本発明1056～1058のいずれかの方法。
[本発明1060]
対象が、有望なベネフィットの治療で以前に治療されたことがない、本発明1054～1059のいずれかの方法。
[本発明1061]
がんが、転移がん、再発がんまたはそれらの組み合わせを含む、本発明1028～1060のいずれかの方法。
[本発明1062]
対象が、がんの治療を以前に受けたことがない、本発明1028～1061のいずれかの方法。
[本発明1063]
有望なベネフィットの治療を対象に投与する工程をさらに含む、本発明1054～1062のいずれかの方法。
[本発明1064]
無増悪生存期間（PFS）、無病生存期間（DFS）または寿命が、前記治療の投与によって延長される、本発明1063の方法。
[本発明1065]
がんが、急性リンパ芽球性白血病；急性骨髄性白血病；副腎皮質がん；AIDS関連がん；AIDS関連リンパ腫；肛門がん；虫垂がん；星状細胞腫；非定型奇形腫様／ラブドイド腫瘍；基底細胞がん；膀胱がん；脳幹部神経膠腫；脳腫瘍、脳幹部神経膠腫、中枢神経系非定型奇形腫様／ラブドイド腫瘍、中枢神経系胚芽腫、星状細胞腫、頭蓋咽頭腫、上衣芽腫、上衣腫、髄芽腫、髄様上皮腫、中間型松果体実質腫瘍、テント上原始神経外胚葉性腫瘍および松果体芽腫；乳がん；気管支腫瘍；バーキットリンパ腫；原発不明がん（CUP）；カルチノイド腫瘍；原発不明がん腫；中枢神経系非定型奇形腫様／ラブドイド腫瘍；中枢神経系胚芽腫；子宮頸がん；小児がん；脊索腫；慢性リンパ性白血病；慢性骨髄性白血病；慢性骨髄増殖性障害；結腸がん；結腸直腸がん；頭蓋咽頭腫；皮膚T細胞リンパ腫；内分泌膵島細胞腫瘍；子宮内膜がん；上衣芽腫；上衣腫；食道がん；鼻腔神経芽細胞腫；ユーイング肉腫；頭蓋外胚細胞腫瘍；性腺外胚細胞腫瘍；肝外胆管がん；胆嚢がん；胃がん（gastric (stomach) cancer）；消化管カルチノイド腫瘍；消化管間質細胞腫瘍；消化管間質腫瘍（GIST）；妊娠性絨毛性腫瘍；神経膠腫；毛様細胞性白血病；頭頸部がん；心臓がん；ホジキンリンパ腫；下咽頭がん；眼内黒色腫；膵島腫瘍；カポジ肉腫；腎臓がん；ランゲルハンス細胞組織球症；喉頭がん；口唇がん；肝臓がん；悪性線維性組織球腫骨がん；髄芽腫；髄様上皮腫；黒色腫；メルケル細胞がん；メルケル細胞皮膚がん；中皮腫；原発不明転移性扁平上皮性頸部がん；口腔がん（mouth cancer）；多発性内分泌腫瘍症候群；多発性骨髄腫；多発性骨髄腫／形質細胞腫瘍；菌状息肉腫；骨髄異形成症候群；骨髄増殖性腫瘍；鼻腔がん；鼻咽頭がん；神経芽細胞腫；非ホジキンリンパ腫；非黒色腫皮膚がん；非小細胞肺がん；口腔がん（oral cancer）；口腔がん（oral cavity cancer）；中咽頭がん；骨肉腫；他の脳および脊髄の腫瘍；卵巣がん；卵巣上皮がん；卵巣胚細胞腫瘍；卵巣低悪性度腫瘍；膵臓がん；乳頭腫症；副鼻腔がん；副甲状腺がん；骨盤がん；陰茎がん；咽頭がん；中間型松果体実質腫瘍；松果体芽腫；下垂体腫瘍；形質細胞腫瘍／多発性骨髄腫；胸膜肺芽腫；原発性中枢神経系（CNS）リンパ腫；原発性肝細胞肝がん；前立腺がん；直腸がん；腎臓がん；腎細胞（腎臓）がん；腎細胞がん；気道がん；網膜芽細胞腫；横紋筋肉腫；唾液腺がん；セザリー症候群；小細胞肺がん；小腸がん；軟部組織肉腫；扁平上皮がん；頸部扁平上皮がん；胃がん（stomach (gastric) cancer）；テント上原始神経外胚葉性腫瘍；T細胞リンパ腫；精巣がん；咽喉がん；胸腺がん；胸腺腫；甲状腺がん；移行上皮がん；腎盂および尿管の移行上皮がん；絨毛性腫瘍；尿管がん；尿道がん；子宮がん；子宮肉腫；膣がん；外陰がん；ワルデンシュトレーム型マクログロブリン血症；またはウィルムス腫瘍を含む、本発明1028～1064のいずれかの方法。
[本発明1066]
がんが、急性骨髄性白血病（AML）、乳がん、胆管がん、結腸直腸腺がん、肝外胆管腺がん、女性性器悪性腫瘍、胃腺がん、胃食道腺がん、消化管間質腫瘍（GIST）、神経膠芽腫、頭頸部扁平上皮がん、白血病、肝細胞がん、低悪性度神経膠腫、肺気管支肺胞がん（BAC）、非小細胞肺がん（NSCLC）、肺小細胞がん（SCLC）、リンパ腫、男性生殖器悪性腫瘍、胸膜の悪性孤立性線維性腫瘍（MSFT）、黒色腫、多発性骨髄腫、神経内分泌腫瘍、結節性びまん性大細胞型B細胞リンパ腫、非上皮性卵巣がん（非EOC）、卵巣表面上皮がん、膵臓腺がん、下垂体がん、乏突起神経膠腫、前立腺腺がん、後腹膜もしくは腹膜がん、後腹膜もしくは腹膜肉腫、小腸悪性腫瘍、軟部組織腫瘍、胸腺がん、甲状腺がんまたはブドウ膜黒色腫を含む、本発明1028～1064のいずれかの方法。
[本発明1067]
がんが結腸直腸がんを含む、本発明1028～1064のいずれかの方法。
[本発明1068]
結腸直腸がんを有する対象のための治療を選択する方法であって、
結腸直腸がん由来の細胞を含む生体試料を得る工程；
該生体試料からのゲノムDNAに対して次世代シーケンシングを実施して、
（a）MYC、EP300、U2AF1、ASXL1、MAML2、CNTRL、WRNおよびCDX2の1、2、3、4、5、6、7または8個すべてを含む、グループ2；
（b）BCL9、PBX1、PRRX1、INHBAおよびYWHAEの1、2、3、4または5個すべてを含む、グループ6；
（c）BCL9、PBX1、GNAS、LHFPL6、CASP8、ASXL1、FH、CRKL、MLF1、TRRAP、AKT3、ACKR3、MSI2、PCM1およびMNX1の1、2、3、4、5、6、7、8、9、10、11、12、13、14または15個すべてを含む、グループ7；
（d）BX1、GNAS、AURKA、CASP8、ASXL1、CRKL、MLF1、GAS7、MN1、SOX10、TCL1A、LMO1、BRD3、SMARCA4、PER1、PAX7、SBDS、SEPT5、PDGFB、AKT2、TERT、KEAP1、ETV6、TOP1、TLX3、COX6C、NFIB、ARFRP1、ARID1A、MAP2K4、NFKBIA、WWTR1、ZNF217、IL2、NSD3、CREB1、BRIP1、SDC4、EWSR1、FLT3、FLT1、FAS、CCNE1、RUNX1T1およびEZRの1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44または45個すべてを含む、グループ8；ならびに
（e）BCL9、PBX1、PRRX1、INHBA、YWHAE、GNAS、LHFPL6、FCRL4、BIRC3、AURKAおよびHOXA11の1、2、3、4、5、6、7、8、9、10または11個すべてを含む、グループ9
の遺伝子またはそれらに近接するゲノム領域のそれぞれに関して、コピー数を決定する工程；
機械学習分類モデルを、グループ2、グループ6、グループ7、グループ8およびグループ9のそれぞれに関して得られたコピー数に適用する工程であって、任意で、各機械学習分類モデルがランダムフォレストモデルであり、任意で、該ランダムフォレストモデルが表10に記載されるものである、工程；
各機械学習分類モデルから、該対象が、5-フルオロウラシル／ロイコボリンをオキサリプラチンと組み合わせた治療（FOLFOX）からベネフィットを得る可能性が高いかどうかの指標を得る工程；ならびに
該対象が該治療からベネフィットを得る可能性が高いと機械学習分類モデルの大多数が示す場合、FOLFOXを選択し、該対象がFOLFOXからベネフィットを得る可能性が低いと機械学習分類モデルの大多数が示す場合、FOLFOXの代替治療を選択する工程であって、任意で、該代替治療が、5-フルオロウラシル／ロイコボリンをイリノテカンと組み合わせた治療（FOLFIRI）である、工程
を含む、前記方法。
[本発明1069]
選択された治療を対象に投与する工程をさらに含む、本発明1068の方法。
[本発明1070]
本発明1028～1069のいずれかの方法を実施した結果を要約するレポートを作成する工程を含む、分子プロファイリングレポートを生成する方法。
[本発明1071]
レポートが、
（a）本発明1054～1059のいずれかの有望なベネフィットの治療；または
（b）本発明1068または1069の選択された治療
を含む、本発明1070の方法。
[本発明1072]
レポートが、コンピュータ生成されるか；プリントされたレポートもしくはコンピュータファイルであるか；またはウェブポータルを介してアクセス可能である、本発明1070または1071の方法。
[本発明1073]
対象におけるがんのための治療法を同定するためのシステムであって、
（a）少なくとも1つのホストサーバ；
（b）データにアクセスしデータを入力するために、該少なくとも1つのホストサーバにアクセスするための、少なくとも1つのユーザインタフェース；
（c）入力されたデータを処理するための、少なくとも1つのプロセッサ；
（d）処理されたデータと、
（1）本発明1028～1069のいずれかの生体試料を分析した結果にアクセスし、かつ
（2）本発明1054～1059のいずれかの有望なベネフィットの治療または本発明1068もしくは1069の選択された治療を決定する
ための命令と
を記憶するための、該プロセッサに結合された少なくとも1つのメモリ；ならびに
（e）FOLFOXまたはそれに代わるもの、例えばFOLFIRIであるがんの治療を表示するための、少なくとも1つのディスプレイ
を含む、前記システム。
[本発明1074]
少なくとも1つのディスプレイが、生体試料を分析した結果と、がんの治療に有望なベネフィットを有するかまたはがんの治療のために選択された治療とを含むレポートを含む、本発明1073のシステム。
本発明の他の特徴および利点が以下の詳細な説明および図面ならびに添付の特許請求の範囲から明らかになる。

Claims (30)

  1. 第1の対象における結腸直腸がんのための治療を選択するためのシステムであって、
    1つまたは複数のコンピュータと；
    該1つまたは複数のコンピュータによって実行されると、該1つまたは複数のコンピュータに動作を実行させる命令を記憶している1つまたは複数のメモリデバイスとを含み、
    該動作が、
    該1つまたは複数のコンピュータにより、次世代シーケンサにより生成された出力データに基づき複数のコピー数を得ることであって、該次世代シーケンサが、第1の対象からの結腸直腸がん細胞を含む生体試料をシーケンシングすることにより該出力データを生成し、該複数のコピー数が、以下のグループの遺伝子またはそれらに近接するゲノム領域：
    （a）MYC、EP300、U2AF1、ASXL1、MAML2、CNTRL、WRN、およびCDX2の複数を含むグループ1；
    （b）BCL9、PBX1、PRRX1、INHBA、およびYWHAEの複数を含むグループ2；
    （c）BCL9、PBX1、GNAS、LHFPL6、CASP8、ASXL1、FH、CRKL、MLF1、TRRAP、AKT3、ACKR3、MSI2、PCM1、およびMNX1の複数を含むグループ3；
    （d）BX1、GNAS、AURKA、CASP8、ASXL1、CRKL、MLF1、GAS7、MN1、SOX10、TCL1A、LMO1、BRD3、SMARCA4、PER1、PAX7、SBDS、SEPT5、PDGFB、AKT2、TERT、KEAP1、ETV6、TOP1、TLX3、COX6C、NFIB、ARFRP1、ARID1A、MAP2K4、NFKBIA、WWTR1、ZNF217、IL2、NSD3、CREB1、BRIP1、SDC4、EWSR1、FLT3、FLT1、FAS、CCNE1、RUNX1T1、およびEZRの複数を含むグループ4；および
    （e）BCL9、PBX1、PRRX1、INHBA、YWHAE、GNAS、LHFPL6、FCRL4、BIRC3、AURKA、およびHOXA11の複数を含むグループ5
    のそれぞれに関するコピー数を含む、こと；
    該1つまたは複数のコンピュータにより、予測モデルへの入力として入力データを提供することであって、該入力データが、得られた複数のコピー数を含み、該予測モデルが、複数の機械学習モデルを含み、各機械学習モデルが、グループ1、グループ2、グループ3、グループ4、およびグループ5の1つに関して得られたコピー数を処理するように構成されている、こと；
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの1つを通してグループごとに、得られたコピー数を含む入力データを処理することであって、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第1の機械学習モデルを通してグループ1に関して得られたコピー数を処理して、第1の対象がオキサリプラチンと組み合わせた5-フルオロウラシル／ロイコボリンを含む治療（FOLFOX）からベネフィットを得る可能性が高いかどうかを示す第1のデータを生成することであって、第1の機械学習モデルが、MYC、EP300、U2AF1、ASXL1、MAML2、CNTRL、WRN、およびCDX2を含む遺伝子のグループに関するコピー数を含む入力データを処理することに基づき、FOLFOXを含む治療からベネフィットを得る可能性を示す出力データを生成するように訓練済みである、こと、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第2の機械学習モデルを通してグループ2に関して得られたコピー数を処理して、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第2のデータを生成することであって、第2の機械学習モデルが、BCL9、PBX1、PRRX1、INHBA、およびYWHAEを含む遺伝子のグループに関するコピー数を含む入力データを処理することに基づき、FOLFOXを含む治療からベネフィットを得る可能性を示す出力データを生成するように訓練済みである、こと、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第3の機械学習モデルを通してグループ3に関して得られたコピー数を処理して、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第3のデータを生成することであって、第3の機械学習モデルが、BCL9、PBX1、GNAS、LHFPL6、CASP8、ASXL1、FH、CRKL、MLF1、TRRAP、AKT3、ACKR3、MSI2、PCM1、およびMNX1を含む遺伝子のグループに関するコピー数を含む入力データを処理することに基づき、FOLFOXを含む治療からベネフィットを得る可能性を示す出力データを生成するように訓練済みである、こと、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第4の機械学習モデルを通してグループ4に関して得られたコピー数を処理して、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第4のデータを生成することであって、第4の機械学習モデルが、BX1、GNAS、AURKA、CASP8、ASXL1、CRKL、MLF1、GAS7、MN1、SOX10、TCL1A、LMO1、BRD3、SMARCA4、PER1、PAX7、SBDS、SEPT5、PDGFB、AKT2、TERT、KEAP1、ETV6、TOP1、TLX3、COX6C、NFIB、ARFRP1、ARID1A、MAP2K4、NFKBIA、WWTR1、ZNF217、IL2、NSD3、CREB1、BRIP1、SDC4、EWSR1、FLT3、FLT1、FAS、CCNE1、RUNX1T1、およびEZRを含む遺伝子のグループに関するコピー数を含む入力データを処理することに基づき、FOLFOXを含む治療からベネフィットを得る可能性を示す出力データを生成するように訓練済みである、こと、および
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第5の機械学習モデルを通してグループ5に関して得られたコピー数を処理して、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第5のデータを生成することであって、第5の機械学習モデルが、BCL9、PBX1、PRRX1、INHBA、YWHAE、GNAS、LHFPL6、FCRL4、BIRC3、AURKA、およびHOXA11を含む遺伝子のグループに関するコピー数を含む入力データを処理することに基づき、FOLFOXを含む治療からベネフィットを得る可能性を示す出力データを生成するように訓練済みである、こと
    を含む、こと；
    該1つまたは複数のコンピュータにより、第1のデータ、第2のデータ、第3のデータ、第4のデータ、および第5のデータに基づき、複数の機械学習分類モデルの過半数が、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いことを示すかどうかを決定すること；
    該機械学習分類モデルの過半数が、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いことを示すという決定に基づき、該1つまたは複数のコンピュータにより、FOLFOXを含む治療を同定するデータを同定すること；ならびに
    該1つまたは複数のコンピュータにより、FOLFOXを含む治療を同定する出力を提供すること
    を含む、システム。
  2. 治療が、イリノテカンまたは生物学的薬剤をさらに含む、請求項1記載のシステム。
  3. 生物学的薬剤が、ベバシズマブまたはセツキシマブを含む、請求項2記載のシステム。
  4. 結腸直腸がんが転移性結腸直腸がんである、請求項1記載のシステム。
  5. 生体試料が、ホルマリン固定パラフィン包埋（FFPE）組織、固定組織、コア針生検、穿刺吸引液、非染色スライド、新鮮凍結（FF）組織、ホルマリン試料、核酸もしくはタンパク質分子を保存する溶液に含まれる組織、新鮮な試料、悪性流体、体液、腫瘍試料、組織試料、またはそれらの任意の組み合わせを含む、請求項1記載のシステム。
  6. 生体試料が固形腫瘍からの細胞を含む、請求項1記載のシステム。
  7. 生体試料が体液を含む、請求項1記載のシステム。
  8. 体液が、悪性流体、胸膜液、または腹腔液を含む、請求項7記載のシステム。
  9. 体液が、末梢血、血清、血漿、腹水、尿、脳脊髄液（CSF）、痰、唾液、骨髄、滑液、眼房水、羊水、耳垢、母乳、気管支肺胞洗浄液、精液、前立腺液、カウパー腺液、尿道球腺液、女性射精液、汗、糞便、涙液、嚢胞液、胸膜液、腹腔液、心膜液、リンパ液、糜粥、乳糜、胆汁、間質液、月経分泌物、膿、皮脂、嘔吐物、膣分泌液、粘膜分泌液、水便、膵液、鼻腔からの洗浄液、気管支肺吸引液、胞胚腔液または臍帯血を含む、請求項7記載のシステム。
  10. 次世代シーケンサが、遺伝子のパネルをシーケンシングするように構成されている、請求項1記載のシステム。
  11. 次世代シーケンサが、全エクソームシーケンシングを実行するように構成されている、請求項1記載のシステム。
  12. 第1のデータ、第2のデータ、第3のデータ、第4のデータ、および第5のデータがそれぞれ、各機械学習分類モデルの等価な投票を表す、請求項1記載のシステム。
  13. 第1のデータ、第2のデータ、第3のデータ、第4のデータ、および第5のデータがそれぞれ、各々の機械学習分類モデルに関連する信頼度スコアに基づき調整された各機械学習分類モデルの投票を表す、請求項1記載のシステム。
  14. 複数の機械学習モデルのうち1つ以上の機械学習モデルがランダムフォレストモデルである、請求項1記載のシステム。
  15. 複数の機械学習モデルの各機械学習モデルがランダムフォレストモデルである、請求項1記載のシステム。
  16. 前記動作が、
    1つまたは複数のコンピュータにより、第2の対象から結腸直腸がん細胞を含む第2の生体試料を得ること；
    該1つまたは複数のコンピュータにより、次世代シーケンサにより生成された第2の出力データに基づき複数の第2のコピー数を得ることであって、該次世代シーケンサが、第2の対象からの結腸直腸がん細胞を含む第2の生体試料をシーケンシングすることにより第2の出力データを生成し、該複数の第2のコピー数が、以下のグループの遺伝子またはそれらに近接するゲノム領域：
    （f）MYC、EP300、U2AF1、ASXL1、MAML2、CNTRL、WRN、およびCDX2の複数を含むグループ1；
    （g）BCL9、PBX1、PRRX1、INHBA、およびYWHAEの1つ、2つ、3つ、4つ、または5つすべてを含むグループ2；
    （h）BCL9、PBX1、GNAS、LHFPL6、CASP8、ASXL1、FH、CRKL、MLF1、TRRAP、AKT3、ACKR3、MSI2、PCM1、およびMNX1の複数を含むグループ3；
    （i）BX1、GNAS、AURKA、CASP8、ASXL1、CRKL、MLF1、GAS7、MN1、SOX10、TCL1A、LMO1、BRD3、SMARCA4、PER1、PAX7、SBDS、SEPT5、PDGFB、AKT2、TERT、KEAP1、ETV6、TOP1、TLX3、COX6C、NFIB、ARFRP1、ARID1A、MAP2K4、NFKBIA、WWTR1、ZNF217、IL2、NSD3、CREB1、BRIP1、SDC4、EWSR1、FLT3、FLT1、FAS、CCNE1、RUNX1T1、およびEZRの複数を含むグループ4；および
    （j）BCL9、PBX1、PRRX1、INHBA、YWHAE、GNAS、LHFPL6、FCRL4、BIRC3、AURKA、およびHOXA11の複数を含むグループ5
    のそれぞれに関するコピー数を含む、こと；
    該1つまたは複数のコンピュータにより、予測モデルへの入力として第2の入力データを提供することであって、第2の入力データが、得られた複数の第2のコピー数を含む、こと；
    該1つまたは複数のコンピュータにより、複数の機械学習モデルの1つを通してグループごとに、得られた第2のコピー数を含む第2の入力データを処理することであって、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第1の機械学習モデルを通してグループ1に関して得られた第2のコピー数を処理して、第2の対象がオキサリプラチンと組み合わせた5-フルオロウラシル／ロイコボリンを含む治療（FOLFOX）からベネフィットを得る可能性が高いかどうかを示す第6のデータを生成すること、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第2の機械学習モデルを通してグループ2に関して得られた第2のコピー数を処理して、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第7のデータを生成すること、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第3の機械学習モデルを通してグループ3に関して得られた第2のコピー数を処理して、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第8のデータを生成すること、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第4の機械学習モデルを通してグループ4に関して得られた第2のコピー数を処理して、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第9のデータを生成すること、および
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第5の機械学習モデルを通してグループ5に関して得られた第2のコピー数を処理して、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第10のデータを生成すること
    を含む、こと；
    該1つまたは複数のコンピュータにより、第6のデータ、第7のデータ、第8のデータ、第9のデータ、および第10のデータに基づき、複数の機械学習分類モデルの過半数が、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いことを示すかどうかを決定すること；
    該機械学習分類モデルの過半数が、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が低いことを示すという決定に基づき、該1つまたは複数のコンピュータにより、FOLFOXを含む治療の代替治療を同定するデータを同定すること；ならびに
    該1つまたは複数のコンピュータにより、該代替治療を同定する出力データを提供すること
    をさらに含む、請求項1記載のシステム。
  17. 代替治療が、イリノテカンと組み合わせた5-フルオロウラシル／ロイコボリンを含む治療（FOLFIRI）である、請求項16記載のシステム。
  18. 第1の対象の治療における結腸直腸がんのための治療を選択するための方法であって、
    1つまたは複数のコンピュータにより、次世代シーケンサにより生成された出力データに基づき複数のコピー数を得る工程であって、該次世代シーケンサが、第1の対象からの結腸直腸がん細胞を含む生体試料をシーケンシングすることにより該出力データを生成し、該複数のコピー数が、以下のグループの遺伝子またはそれらに近接するゲノム領域：
    （a）MYC、EP300、U2AF1、ASXL1、MAML2、CNTRL、WRN、およびCDX2の複数を含むグループ1；
    （b）BCL9、PBX1、PRRX1、INHBA、およびYWHAEの複数を含むグループ2；
    （c）BCL9、PBX1、GNAS、LHFPL6、CASP8、ASXL1、FH、CRKL、MLF1、TRRAP、AKT3、ACKR3、MSI2、PCM1、およびMNX1の複数を含むグループ3；
    （d）BX1、GNAS、AURKA、CASP8、ASXL1、CRKL、MLF1、GAS7、MN1、SOX10、TCL1A、LMO1、BRD3、SMARCA4、PER1、PAX7、SBDS、SEPT5、PDGFB、AKT2、TERT、KEAP1、ETV6、TOP1、TLX3、COX6C、NFIB、ARFRP1、ARID1A、MAP2K4、NFKBIA、WWTR1、ZNF217、IL2、NSD3、CREB1、BRIP1、SDC4、EWSR1、FLT3、FLT1、FAS、CCNE1、RUNX1T1、およびEZRの複数を含むグループ4；および
    （e）BCL9、PBX1、PRRX1、INHBA、YWHAE、GNAS、LHFPL6、FCRL4、BIRC3、AURKA、およびHOXA11の複数を含むグループ5
    のそれぞれに関するコピー数を含む、工程；
    該1つまたは複数のコンピュータにより、予測モデルへの入力として入力データを提供する工程であって、該入力データが、得られた複数のコピー数を含み、該予測モデルが、複数の機械学習モデルを含み、各機械学習モデルが、グループ1、グループ2、グループ3、グループ4、およびグループ5の1つに関して得られたコピー数を処理するように構成されている、工程；
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの1つを通してグループごとに、得られたコピー数を含む入力データを処理する工程であって、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第1の機械学習モデルを通してグループ1に関して得られたコピー数を処理して、第1の対象がオキサリプラチンと組み合わせた5-フルオロウラシル／ロイコボリンを含む治療（FOLFOX）からベネフィットを得る可能性が高いかどうかを示す第1のデータを生成することであって、第1の機械学習モデルが、MYC、EP300、U2AF1、ASXL1、MAML2、CNTRL、WRN、およびCDX2を含む遺伝子のグループに関するコピー数を含む入力データを処理することに基づき、FOLFOXを含む治療からベネフィットを得る可能性を示す出力データを生成するように訓練済みである、こと、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第2の機械学習モデルを通してグループ2に関して得られたコピー数を処理して、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第2のデータを生成することであって、第2の機械学習モデルが、BCL9、PBX1、PRRX1、INHBA、およびYWHAEを含む遺伝子のグループに関するコピー数を含む入力データを処理することに基づき、FOLFOXを含む治療からベネフィットを得る可能性を示す出力データを生成するように訓練済みである、こと、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第3の機械学習モデルを通してグループ3に関して得られたコピー数を処理して、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第3のデータを生成することであって、第3の機械学習モデルが、BCL9、PBX1、GNAS、LHFPL6、CASP8、ASXL1、FH、CRKL、MLF1、TRRAP、AKT3、ACKR3、MSI2、PCM1、およびMNX1を含む遺伝子のグループに関するコピー数を含む入力データを処理することに基づき、FOLFOXを含む治療からベネフィットを得る可能性を示す出力データを生成するように訓練済みである、こと、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第4の機械学習モデルを通してグループ4に関して得られたコピー数を処理して、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第4のデータを生成することであって、第4の機械学習モデルが、BX1、GNAS、AURKA、CASP8、ASXL1、CRKL、MLF1、GAS7、MN1、SOX10、TCL1A、LMO1、BRD3、SMARCA4、PER1、PAX7、SBDS、SEPT5、PDGFB、AKT2、TERT、KEAP1、ETV6、TOP1、TLX3、COX6C、NFIB、ARFRP1、ARID1A、MAP2K4、NFKBIA、WWTR1、ZNF217、IL2、NSD3、CREB1、BRIP1、SDC4、EWSR1、FLT3、FLT1、FAS、CCNE1、RUNX1T1、およびEZRを含む遺伝子のグループに関するコピー数を含む入力データを処理することに基づき、FOLFOXを含む治療からベネフィットを得る可能性を示す出力データを生成するように訓練済みである、こと、および
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第5の機械学習モデルを通してグループ5に関して得られたコピー数を処理して、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第5のデータを生成することであって、第5の機械学習モデルが、BCL9、PBX1、PRRX1、INHBA、YWHAE、GNAS、LHFPL6、FCRL4、BIRC3、AURKA、およびHOXA11を含む遺伝子のグループに関するコピー数を含む入力データを処理することに基づき、FOLFOXを含む治療からベネフィットを得る可能性を示す出力データを生成するように訓練済みであること
    を含む、工程；
    該1つまたは複数のコンピュータにより、第1のデータ、第2のデータ、第3のデータ、第4のデータ、および第5のデータに基づき、複数の機械学習分類モデルの過半数が、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いことを示すかどうかを決定する工程；
    該機械学習分類モデルの過半数が、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いことを示すという決定に基づき、該1つまたは複数のコンピュータにより、FOLFOXを含む治療を同定するデータを同定する工程；ならびに
    該1つまたは複数のコンピュータにより、FOLFOXを含む治療を同定する出力を提供する工程
    を含む、方法。
  19. 治療が、イリノテカンまたは生物学的薬剤物質をさらに含む、請求項18記載の方法。
  20. 生物学的薬剤が、ベバシズマブまたはセツキシマブを含む、請求項19記載の方法。
  21. 結腸直腸がんが転移性結腸直腸がんである、請求項18記載の方法。
  22. 複数の機械学習モデルのうち1つ以上の機械学習モデルがランダムフォレストモデルである、請求項18記載の方法。
  23. 複数の機械学習モデルの各機械学習モデルがランダムフォレストモデルである、請求項18記載の方法。
  24. 1つまたは複数のコンピュータにより、第2の対象から結腸直腸がん細胞を含む第2の生体試料を得る工程；
    該1つまたは複数のコンピュータにより、次世代シーケンサにより生成された第2の出力データに基づき複数の第2のコピー数を得る工程であって、該次世代シーケンサが、第2の対象からの結腸直腸がん細胞を含む第2の生体試料をシーケンシングすることにより第2の出力データを生成し、該複数の第2のコピー数が、以下のグループの遺伝子またはそれらに近接するゲノム領域：
    （f）MYC、EP300、U2AF1、ASXL1、MAML2、CNTRL、WRN、およびCDX2の複数を含むグループ1；
    （g）BCL9、PBX1、PRRX1、INHBA、およびYWHAEの1つ、2つ、3つ、4つ、または5つすべてを含むグループ2；
    （h）BCL9、PBX1、GNAS、LHFPL6、CASP8、ASXL1、FH、CRKL、MLF1、TRRAP、AKT3、ACKR3、MSI2、PCM1、およびMNX1の複数を含むグループ3；
    （i）BX1、GNAS、AURKA、CASP8、ASXL1、CRKL、MLF1、GAS7、MN1、SOX10、TCL1A、LMO1、BRD3、SMARCA4、PER1、PAX7、SBDS、SEPT5、PDGFB、AKT2、TERT、KEAP1、ETV6、TOP1、TLX3、COX6C、NFIB、ARFRP1、ARID1A、MAP2K4、NFKBIA、WWTR1、ZNF217、IL2、NSD3、CREB1、BRIP1、SDC4、EWSR1、FLT3、FLT1、FAS、CCNE1、RUNX1T1、およびEZRの複数を含むグループ4；および
    （j）BCL9、PBX1、PRRX1、INHBA、YWHAE、GNAS、LHFPL6、FCRL4、BIRC3、AURKA、およびHOXA11の複数を含むグループ5
    のそれぞれに関するコピー数を含む、工程；
    該1つまたは複数のコンピュータにより、予測モデルへの入力として第2の入力データを提供する工程であって、第2の入力データが、得られた複数の第2のコピー数を含む、工程；
    該1つまたは複数のコンピュータにより、複数の機械学習モデルの1つを通してグループごとに、得られた第2のコピー数を含む第2の入力データを処理する工程であって、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第1の機械学習モデルを通してグループ1に関して得られた第2のコピー数を処理して、第2の対象がオキサリプラチンと組み合わせた5-フルオロウラシル／ロイコボリンを含む治療（FOLFOX）からベネフィットを得る可能性が高いかどうかを示す第6のデータを生成すること、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第2の機械学習モデルを通してグループ2に関して得られた第2のコピー数を処理して、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第7のデータを生成すること、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第3の機械学習モデルを通してグループ3に関して得られた第2のコピー数を処理して、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第8のデータを生成すること、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第4の機械学習モデルを通してグループ4に関して得られた第2のコピー数を処理して、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第9のデータを生成すること、および
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第5の機械学習モデルを通してグループ5に関して得られた第2のコピー数を処理して、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第10のデータを生成すること
    を含む、工程；
    該1つまたは複数のコンピュータにより、第6のデータ、第7のデータ、第8のデータ、第9のデータ、および第10のデータに基づき、複数の機械学習分類モデルの過半数が、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いことを示すかどうかを決定する工程；
    該機械学習分類モデルの過半数が、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が低いことを示すという決定に基づき、該1つまたは複数のコンピュータにより、FOLFOXを含む治療の代替治療を同定するデータを同定する工程；ならびに
    該1つまたは複数のコンピュータにより、該代替治療を同定する出力データを提供する工程
    をさらに含む、請求項18記載の方法。
  25. 代替治療が、イリノテカンと組み合わせた5-フルオロウラシル／ロイコボリンを含む治療（FOLFIRI）である、請求項24記載の方法。
  26. 1つまたは複数のコンピュータにより実行されると、該1つまたは複数のコンピュータに動作を実行させる命令を記憶している、第1の対象の治療における結腸直腸がんのための治療を選択するための1つまたは複数のコンピュータ可読記憶媒体であって、
    該動作が、
    該1つまたは複数のコンピュータにより、次世代シーケンサにより生成された出力データに基づき複数のコピー数を得ることであって、該次世代シーケンサが、第1の対象からの結腸直腸がん細胞を含む生体試料をシーケンシングすることにより該出力データを生成し、該複数のコピー数が、以下のグループの遺伝子またはそれらに近接するゲノム領域：
    （a）MYC、EP300、U2AF1、ASXL1、MAML2、CNTRL、WRN、およびCDX2の複数を含むグループ1；
    （b）BCL9、PBX1、PRRX1、INHBA、およびYWHAEの複数を含むグループ2；
    （c）BCL9、PBX1、GNAS、LHFPL6、CASP8、ASXL1、FH、CRKL、MLF1、TRRAP、AKT3、ACKR3、MSI2、PCM1、およびMNX1の複数を含むグループ3；
    （d）BX1、GNAS、AURKA、CASP8、ASXL1、CRKL、MLF1、GAS7、MN1、SOX10、TCL1A、LMO1、BRD3、SMARCA4、PER1、PAX7、SBDS、SEPT5、PDGFB、AKT2、TERT、KEAP1、ETV6、TOP1、TLX3、COX6C、NFIB、ARFRP1、ARID1A、MAP2K4、NFKBIA、WWTR1、ZNF217、IL2、NSD3、CREB1、BRIP1、SDC4、EWSR1、FLT3、FLT1、FAS、CCNE1、RUNX1T1、およびEZRの複数を含むグループ4；および
    （e）BCL9、PBX1、PRRX1、INHBA、YWHAE、GNAS、LHFPL6、FCRL4、BIRC3、AURKA、およびHOXA11の複数を含むグループ5
    のそれぞれに関するコピー数を含む、こと；
    該1つまたは複数のコンピュータにより、予測モデルへの入力として入力データを提供することであって、該入力データが、得られた複数のコピー数を含み、該予測モデルが、複数の機械学習モデルを含み、各機械学習モデルが、グループ1、グループ2、グループ3、グループ4、およびグループ5の1つに関して得られたコピー数を処理するように構成されている、こと；
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの1つを通してグループごとに、得られたコピー数を含む入力データを処理することであって、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第1の機械学習モデルを通してグループ1に関して得られたコピー数を処理して、第1の対象がオキサリプラチンと組み合わせた5-フルオロウラシル／ロイコボリンを含む治療（FOLFOX）からベネフィットを得る可能性が高いかどうかを示す第1のデータを生成することであって、第1の機械学習モデルが、MYC、EP300、U2AF1、ASXL1、MAML2、CNTRL、WRN、およびCDX2を含む遺伝子のグループに関するコピー数を含む入力データを処理することに基づき、FOLFOXを含む治療からベネフィットを得る可能性を示す出力データを生成するように訓練済みである、こと、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第2の機械学習モデルを通してグループ2に関して得られたコピー数を処理して、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第2のデータを生成することであって、第2の機械学習モデルが、BCL9、PBX1、PRRX1、INHBA、およびYWHAEを含む遺伝子のグループに関するコピー数を含む入力データを処理することに基づき、FOLFOXを含む治療からベネフィットを得る可能性を示す出力データを生成するように訓練済みである、こと、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第3の機械学習モデルを通してグループ3に関して得られたコピー数を処理して、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第3のデータを生成することであって、第3の機械学習モデルが、BCL9、PBX1、GNAS、LHFPL6、CASP8、ASXL1、FH、CRKL、MLF1、TRRAP、AKT3、ACKR3、MSI2、PCM1、およびMNX1を含む遺伝子のグループに関するコピー数を含む入力データを処理することに基づき、FOLFOXを含む治療からベネフィットを得る可能性を示す出力データを生成するように訓練済みである、こと、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第4の機械学習モデルを通してグループ4に関して得られたコピー数を処理して、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第4のデータを生成することであって、第4の機械学習モデルが、BX1、GNAS、AURKA、CASP8、ASXL1、CRKL、MLF1、GAS7、MN1、SOX10、およびTCL1Aを含む遺伝子のグループに関するコピー数を含む入力データを処理することに基づき、FOLFOXを含む治療からベネフィットを得る可能性を示す出力データを生成するように訓練済みである、こと、および
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第5の機械学習モデルを通してグループ5に関して得られたコピー数を処理して、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第5のデータを生成することであって、第5の機械学習モデルが、BCL9、PBX1、PRRX1、INHBA、YWHAE、GNAS、LHFPL6、FCRL4、BIRC3、AURKA、およびHOXA11を含む遺伝子のグループに関するコピー数を含む入力データを処理することに基づき、FOLFOXを含む治療からベネフィットを得る可能性を示す出力データを生成するように訓練済みである、こと
    を含む、こと；
    該1つまたは複数のコンピュータにより、第1のデータ、第2のデータ、第3のデータ、第4のデータ、および第5のデータに基づき、複数の機械学習分類モデルの過半数が、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いことを示すかどうかを決定すること；
    該機械学習分類モデルの過半数が、第1の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いことを示すという決定に基づき、該1つまたは複数のコンピュータにより、FOLFOXを含む治療を同定するデータを同定すること；ならびに
    該1つまたは複数のコンピュータにより、FOLFOXを含む治療を同定する出力を提供すること
    を含む、1つまたは複数のコンピュータ可読記憶媒体。
  27. 複数の機械学習モデルのうち1つ以上の機械学習モデルがランダムフォレストモデルである、請求項26記載のコンピュータ可読記憶媒体。
  28. 複数の機械学習モデルの各機械学習モデルがランダムフォレストモデルである、請求項26記載のコンピュータ可読記憶媒体。
  29. 前記動作が、
    1つまたは複数のコンピュータにより、第2の対象から結腸直腸がん細胞を含む第2の生体試料を得ること；
    該1つまたは複数のコンピュータにより、次世代シーケンサにより生成された第2の出力データに基づき複数の第2のコピー数を得ることであって、該次世代シーケンサが、第2の対象からの結腸直腸がん細胞を含む第2の生体試料をシーケンシングすることにより第2の出力データを生成し、該複数の第2のコピー数が、以下のグループの遺伝子またはそれらに近接するゲノム領域：
    （f）MYC、EP300、U2AF1、ASXL1、MAML2、CNTRL、WRN、およびCDX2の複数を含むグループ1；
    （g）BCL9、PBX1、PRRX1、INHBA、およびYWHAEの1つ、2つ、3つ、4つ、または5つすべてを含むグループ2；
    （h）BCL9、PBX1、GNAS、LHFPL6、CASP8、ASXL1、FH、CRKL、MLF1、TRRAP、AKT3、ACKR3、MSI2、PCM1、およびMNX1の複数を含むグループ3；
    （i）BX1、GNAS、AURKA、CASP8、ASXL1、CRKL、MLF1、GAS7、MN1、SOX10、TCL1A、LMO1、BRD3、SMARCA4、PER1、PAX7、SBDS、SEPT5、PDGFB、AKT2、TERT、KEAP1、ETV6、TOP1、TLX3、COX6C、NFIB、ARFRP1、ARID1A、MAP2K4、NFKBIA、WWTR1、ZNF217、IL2、NSD3、CREB1、BRIP1、SDC4、EWSR1、FLT3、FLT1、FAS、CCNE1、RUNX1T1、およびEZRの複数を含むグループ4；および
    （j）BCL9、PBX1、PRRX1、INHBA、YWHAE、GNAS、LHFPL6、FCRL4、BIRC3、AURKA、およびHOXA11の複数を含むグループ5
    のそれぞれに関するコピー数を含む、こと；
    該1つまたは複数のコンピュータにより、予測モデルへの入力として第2の入力データを提供することであって、第2の入力データが、得られた複数の第2のコピー数を含む、こと；
    該1つまたは複数のコンピュータにより、複数の機械学習モデルの1つを通してグループごとに、得られた第2のコピー数を含む第2の入力データを処理することであって、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第1の機械学習モデルを通してグループ1に関して得られた第2のコピー数を処理して、第2の対象がオキサリプラチンと組み合わせた5-フルオロウラシル／ロイコボリンを含む治療（FOLFOX）からベネフィットを得る可能性が高いかどうかを示す第6のデータを生成すること、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第2の機械学習モデルを通してグループ2に関して得られた第2のコピー数を処理して、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第7のデータを生成すること、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第3の機械学習モデルを通してグループ3に関して得られた第2のコピー数を処理して、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第8のデータを生成すること、
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第4の機械学習モデルを通してグループ4に関して得られた第2のコピー数を処理して、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第9のデータを生成すること、および
    該1つまたは複数のコンピュータにより、該複数の機械学習モデルの第5の機械学習モデルを通してグループ5に関して得られた第2のコピー数を処理して、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いかどうかを示す第10のデータを生成すること
    を含む、こと；
    該1つまたは複数のコンピュータにより、第6のデータ、第7のデータ、第8のデータ、第9のデータ、および第10のデータに基づき、複数の機械学習分類モデルの過半数が、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が高いことを示すかどうかを決定すること；
    該機械学習分類モデルの過半数が、第2の対象がFOLFOXを含む治療からベネフィットを得る可能性が低いことを示すという決定に基づき、該1つまたは複数のコンピュータにより、FOLFOXを含む治療の代替治療を同定するデータを同定すること；ならびに
    該1つまたは複数のコンピュータにより、該代替治療を同定する出力データを提供すること
    をさらに含む、請求項26記載のコンピュータ可読記憶媒体。
  30. 代替治療が、イリノテカンと組み合わせた5-フルオロウラシル／ロイコボリンを含む治療（FOLFIRI）である、請求項29記載のコンピュータ可読記憶媒体。
JP2021530882A 2018-11-30 2019-12-02 次世代分子プロファイリング Active JP7462632B2 (ja)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US201862774082P 2018-11-30 2018-11-30
US62/774,082 2018-11-30
US201962788689P 2019-01-04 2019-01-04
US62/788,689 2019-01-04
US201962789495P 2019-01-07 2019-01-07
US62/789,495 2019-01-07
PCT/US2019/064078 WO2020113237A1 (en) 2018-11-30 2019-12-02 Next-generation molecular profiling

Publications (3)

Publication Number Publication Date
JP2022512080A JP2022512080A (ja) 2022-02-02
JPWO2020113237A5 true JPWO2020113237A5 (ja) 2023-02-03
JP7462632B2 JP7462632B2 (ja) 2024-04-05

Family

ID=70853593

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021530882A Active JP7462632B2 (ja) 2018-11-30 2019-12-02 次世代分子プロファイリング

Country Status (9)

Country Link
US (2) US11315673B2 (ja)
EP (2) EP4369356A2 (ja)
JP (1) JP7462632B2 (ja)
KR (1) KR20210111254A (ja)
AU (1) AU2019389175A1 (ja)
CA (1) CA3121170A1 (ja)
IL (2) IL283371B1 (ja)
MX (1) MX2021006234A (ja)
WO (1) WO2020113237A1 (ja)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11942189B2 (en) * 2019-01-16 2024-03-26 International Business Machines Corporation Drug efficacy prediction for treatment of genetic disease
EP4069865A4 (en) * 2019-12-02 2023-12-20 Caris MPI, Inc. PLATINUM RESISTANCE TEST FOR PAN CANCER
AU2020398180A1 (en) * 2019-12-05 2021-09-16 Illumina, Inc. Rapid detection of gene fusions
CN111767390A (zh) * 2020-06-28 2020-10-13 北京百度网讯科技有限公司 技能词评估方法及装置、电子设备、计算机可读介质
US20220042108A1 (en) * 2020-08-06 2022-02-10 Agendia NV Systems and methods of assessing breast cancer
US11335443B1 (en) 2020-09-07 2022-05-17 OpenNano Pte. Ltd. Phenotypic patient data derivation from economic data
WO2022101672A2 (en) 2020-11-11 2022-05-19 Agendia NV Method of assessing diseases using image classifiers
CN112768076B (zh) * 2021-02-01 2023-11-21 华中科技大学同济医学院附属协和医院 一种食管癌化疗发生骨髓抑制的风险预测模型构建方法
US11550580B2 (en) * 2021-02-24 2023-01-10 Northrop Grumman Systems Corporation Systems and methods for emulating a processor
EP4341696A2 (en) * 2021-05-18 2024-03-27 Venn Biosciences Corporation Biomarkers for diagnosing ovarian cancer
WO2023092108A2 (en) * 2021-11-19 2023-05-25 Insitro, Inc. Autonomous cell imaging and modeling system
WO2023164665A1 (en) * 2022-02-25 2023-08-31 Fred Hutchinson Cancer Center Machine learning applications to predict biological outcomes and elucidate underlying biological mechanisms
WO2024006639A2 (en) * 2022-06-27 2024-01-04 Deep Rx Inc. Machine-learning computer systems and methods for predicting efficacy of chemical and biological agents for treating diseases, such as gastrointestinal cancers
EP4350711A1 (en) * 2022-08-19 2024-04-10 UT-Heart Inc. Method for utilizing in-silico heart disease database, program for utilizing in-silico heart disease database, and information processing device
WO2024057316A1 (en) * 2022-09-13 2024-03-21 The Open University Of Israel System and method of predicting a gene expression profile
CN115631849B (zh) * 2022-10-19 2023-04-28 哈尔滨工业大学 基于深度神经网络的乳腺癌预后指示系统、存储介质及设备

Family Cites Families (261)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NL154598B (nl) 1970-11-10 1977-09-15 Organon Nv Werkwijze voor het aantonen en bepalen van laagmoleculire verbindingen en van eiwitten die deze verbindingen specifiek kunnen binden, alsmede testverpakking.
US3817837A (en) 1971-05-14 1974-06-18 Syva Corp Enzyme amplification assay
US4018653A (en) 1971-10-29 1977-04-19 U.S. Packaging Corporation Instrument for the detection of Neisseria gonorrhoeae without culture
US3939350A (en) 1974-04-29 1976-02-17 Board Of Trustees Of The Leland Stanford Junior University Fluorescent immunoassay employing total reflection for activation
US3996345A (en) 1974-08-12 1976-12-07 Syva Company Fluorescence quenching with immunological pairs in immunoassays
US4016043A (en) 1975-09-04 1977-04-05 Akzona Incorporated Enzymatic immunological method for the determination of antigens and antibodies
US4437975A (en) 1977-07-20 1984-03-20 Mobil Oil Corporation Manufacture of lube base stock oil
US4275149A (en) 1978-11-24 1981-06-23 Syva Company Macromolecular environment control in specific receptor assays
US4277437A (en) 1978-04-05 1981-07-07 Syva Company Kit for carrying out chemically induced fluorescence immunoassay
US4376110A (en) 1980-08-04 1983-03-08 Hybritech, Incorporated Immunometric assays using monoclonal antibodies
US4486530A (en) 1980-08-04 1984-12-04 Hybritech Incorporated Immunometric assays using monoclonal antibodies
US4366241A (en) 1980-08-07 1982-12-28 Syva Company Concentrating zone method in heterogeneous immunoassays
US4424279A (en) 1982-08-12 1984-01-03 Quidel Rapid plunger immunoassay method and apparatus
GB8311018D0 (en) 1983-04-22 1983-05-25 Amersham Int Plc Detecting mutations in dna
US4666828A (en) 1984-08-15 1987-05-19 The General Hospital Corporation Test for Huntington's disease
US5242794A (en) 1984-12-13 1993-09-07 Applied Biosystems, Inc. Detection of specific sequences in nucleic acids
US5656493A (en) 1985-03-28 1997-08-12 The Perkin-Elmer Corporation System for automated performance of the polymerase chain reaction
US4683202A (en) 1985-03-28 1987-07-28 Cetus Corporation Process for amplifying nucleic acid sequences
US4683195A (en) 1986-01-30 1987-07-28 Cetus Corporation Process for amplifying, detecting, and/or-cloning nucleic acid sequences
US4965188A (en) 1986-08-22 1990-10-23 Cetus Corporation Process for amplifying, detecting, and/or cloning nucleic acid sequences using a thermostable enzyme
US5333675C1 (en) 1986-02-25 2001-05-01 Perkin Elmer Corp Apparatus and method for performing automated amplification of nucleic acid sequences and assays using heating and cooling steps
US4801531A (en) 1985-04-17 1989-01-31 Biotechnology Research Partners, Ltd. Apo AI/CIII genomic polymorphisms predictive of atherosclerosis
US4800159A (en) 1986-02-07 1989-01-24 Cetus Corporation Process for amplifying, detecting, and/or cloning nucleic acid sequences
US4851331A (en) 1986-05-16 1989-07-25 Allied Corporation Method and kit for polynucleotide assay including primer-dependant DNA polymerase
IL86724A (en) 1987-06-19 1995-01-24 Siska Diagnostics Inc Methods and kits for amplification and testing of nucleic acid sequences
WO1989001050A1 (en) 1987-07-31 1989-02-09 The Board Of Trustees Of The Leland Stanford Junior University Selective amplification of target polynucleotide sequences
CA1340807C (en) 1988-02-24 1999-11-02 Lawrence T. Malek Nucleic acid amplification process
JP2650159B2 (ja) 1988-02-24 1997-09-03 アクゾ・ノベル・エヌ・ベー 核酸増幅方法
IE61148B1 (en) 1988-03-10 1994-10-05 Ici Plc Method of detecting nucleotide sequences
US4988617A (en) 1988-03-25 1991-01-29 California Institute Of Technology Method of detecting a nucleotide change in nucleic acids
US5137765A (en) 1988-08-05 1992-08-11 Porton Instruments, Inc. Derivatized glass supports for peptide and protein sequencing
US5272057A (en) 1988-10-14 1993-12-21 Georgetown University Method of detecting a predisposition to cancer by the use of restriction fragment length polymorphism of the gene for human poly (ADP-ribose) polymerase
AU4829690A (en) 1988-12-16 1990-07-10 Siska Diagnostics, Inc. Self-sustained, sequence replication system
US5856092A (en) 1989-02-13 1999-01-05 Geneco Pty Ltd Detection of a nucleic acid sequence or a change therein
US5143854A (en) 1989-06-07 1992-09-01 Affymax Technologies N.V. Large scale photolithographic solid phase synthesis of polypeptides and receptor binding screening thereof
US5744101A (en) 1989-06-07 1998-04-28 Affymax Technologies N.V. Photolabile nucleoside protecting groups
US5547839A (en) 1989-06-07 1996-08-20 Affymax Technologies N.V. Sequencing of surface immobilized polymers utilizing microflourescence detection
US5424186A (en) 1989-06-07 1995-06-13 Affymax Technologies N.V. Very large scale immobilized polymer synthesis
US6346413B1 (en) 1989-06-07 2002-02-12 Affymetrix, Inc. Polymer arrays
US5925525A (en) 1989-06-07 1999-07-20 Affymetrix, Inc. Method of identifying nucleotide differences
US5242974A (en) 1991-11-22 1993-09-07 Affymax Technologies N.V. Polymer reversal on solid surfaces
US5800992A (en) 1989-06-07 1998-09-01 Fodor; Stephen P.A. Method of detecting nucleic acids
US5527681A (en) 1989-06-07 1996-06-18 Affymax Technologies N.V. Immobilized molecular synthesis of systematically substituted compounds
US5871928A (en) 1989-06-07 1999-02-16 Fodor; Stephen P. A. Methods for nucleic acid analysis
US5192659A (en) 1989-08-25 1993-03-09 Genetype Ag Intron sequence analysis method for detection of adjacent and remote locus alleles as haplotypes
US5252743A (en) 1989-11-13 1993-10-12 Affymax Technologies N.V. Spatially-addressable immobilization of anti-ligands on surfaces
US6013431A (en) 1990-02-16 2000-01-11 Molecular Tool, Inc. Method for determining specific nucleotide variations by primer extension in the presence of mixture of labeled nucleotides and terminators
US5494810A (en) 1990-05-03 1996-02-27 Cornell Research Foundation, Inc. Thermostable ligase-mediated DNA amplifications system for the detection of genetic disease
US5266222A (en) 1990-05-23 1993-11-30 California Institute Of Technology Durable low surface-energy surfaces
EP0561796B1 (en) 1990-08-24 1997-12-29 The University Of Tennessee Research Corporation Dna amplification fingerprinting
WO1992007095A1 (en) 1990-10-15 1992-04-30 Stratagene Arbitrarily primed polymerase chain reaction method for fingerprinting genomes
US6004744A (en) 1991-03-05 1999-12-21 Molecular Tool, Inc. Method for determining nucleotide identity through extension of immobilized primer
DE4214112A1 (de) 1991-08-02 1993-02-04 Europ Lab Molekularbiolog Neues verfahren zur sequenzierung von nukleinsaeuren
WO1993009668A1 (en) 1991-11-22 1993-05-27 Affymax Technology N.V. Combinatorial strategies for polymer synthesis
US5384261A (en) 1991-11-22 1995-01-24 Affymax Technologies N.V. Very large scale immobilized polymer synthesis using mechanically directed flow paths
US5550215A (en) 1991-11-22 1996-08-27 Holmes; Christopher P. Polymer reversal on solid surfaces
US5412087A (en) 1992-04-24 1995-05-02 Affymax Technologies N.V. Spatially-addressable immobilization of oligonucleotides and other biological polymers on surfaces
US5324633A (en) 1991-11-22 1994-06-28 Affymax Technologies N.V. Method and apparatus for measuring binding affinity
US5965362A (en) 1992-03-04 1999-10-12 The Regents Of The University Of California Comparative genomic hybridization (CGH)
GB9208733D0 (en) 1992-04-22 1992-06-10 Medical Res Council Dna sequencing method
GB9211979D0 (en) 1992-06-05 1992-07-15 Buchard Ole Uses of nucleic acid analogues
DE69433811T2 (de) 1993-01-07 2005-06-23 Sequenom, Inc., San Diego Dns - sequenzierung durch massenspektronomie
US5605798A (en) 1993-01-07 1997-02-25 Sequenom, Inc. DNA diagnostic based on mass spectrometry
US6194144B1 (en) 1993-01-07 2001-02-27 Sequenom, Inc. DNA sequencing by mass spectrometry
US5491074A (en) 1993-04-01 1996-02-13 Affymax Technologies Nv Association peptides
US5858659A (en) 1995-11-29 1999-01-12 Affymetrix, Inc. Polymorphism detection
US5837832A (en) 1993-06-25 1998-11-17 Affymetrix, Inc. Arrays of nucleic acid probes on biological chips
US6045996A (en) 1993-10-26 2000-04-04 Affymetrix, Inc. Hybridization assays on oligonucleotide arrays
WO1995014108A1 (en) 1993-11-17 1995-05-26 Amersham International Plc Primer extension mass spectroscopy nucleic acid sequencing method
DE69531542T2 (de) 1994-02-07 2004-06-24 Beckman Coulter, Inc., Fullerton Ligase/polymerase-vermittelte analyse genetischer elemente von einzelnukleotid-polymorphismen und ihre verwendung in der genetischen analyse
US6090555A (en) 1997-12-11 2000-07-18 Affymetrix, Inc. Scanned image alignment systems and methods
US5578832A (en) 1994-09-02 1996-11-26 Affymetrix, Inc. Method and apparatus for imaging a sample on a device
US5631734A (en) 1994-02-10 1997-05-20 Affymetrix, Inc. Method and apparatus for detection of fluorescently labeled materials
US5851770A (en) 1994-04-25 1998-12-22 Variagenics, Inc. Detection of mismatches by resolvase cleavage using a magnetic bead support
WO1995029251A1 (en) 1994-04-25 1995-11-02 Applied Technology Genetics Corporation Detection of mutation by resolvase cleavage
EP0758403B1 (en) 1994-05-05 1998-06-24 Beckman Instruments, Inc. Oligonucleotide repeat arrays
US5571639A (en) 1994-05-24 1996-11-05 Affymax Technologies N.V. Computer-aided engineering system for design of sequence arrays and lithographic masks
US5834189A (en) 1994-07-08 1998-11-10 Visible Genetics Inc. Method for evaluation of polymorphic genetic sequences, and the use thereof in identification of HLA types
US5795716A (en) 1994-10-21 1998-08-18 Chee; Mark S. Computer-aided visualization and analysis system for sequence evaluation
US5959098A (en) 1996-04-17 1999-09-28 Affymetrix, Inc. Substrate preparation process
US5599695A (en) 1995-02-27 1997-02-04 Affymetrix, Inc. Printing molecular library arrays using deprotection agents solely in the vapor phase
US5624711A (en) 1995-04-27 1997-04-29 Affymax Technologies, N.V. Derivatization of solid supports and methods for oligomer synthesis
DE19515552A1 (de) 1995-04-27 1996-10-31 Europ Lab Molekularbiolog Simultane Sequenzierung von Nukleinsäuren
US5545531A (en) 1995-06-07 1996-08-13 Affymax Technologies N.V. Methods for making a device for concurrently processing multiple biological chip assays
US5981186A (en) 1995-06-30 1999-11-09 Visible Genetics, Inc. Method and apparatus for DNA-sequencing using reduced number of sequencing mixtures
US5968740A (en) 1995-07-24 1999-10-19 Affymetrix, Inc. Method of Identifying a Base in a Nucleic Acid
JP3193301B2 (ja) 1995-09-14 2001-07-30 麒麟麦酒株式会社 生理活性タンパク質ｐ１６０
US5733729A (en) 1995-09-14 1998-03-31 Affymetrix, Inc. Computer-aided probability base calling for arrays of nucleic acid probes on chips
US5869242A (en) 1995-09-18 1999-02-09 Myriad Genetics, Inc. Mass spectrometry to assess DNA sequence polymorphisms
US6147205A (en) 1995-12-15 2000-11-14 Affymetrix, Inc. Photocleavable protecting groups and methods for their use
US6114122A (en) 1996-03-26 2000-09-05 Affymetrix, Inc. Fluidics station with a mounting system and method of using
US5928906A (en) 1996-05-09 1999-07-27 Sequenom, Inc. Process for direct sequencing during template amplification
US5981956A (en) 1996-05-16 1999-11-09 Affymetrix, Inc. Systems and methods for detection of labeled materials
US5786146A (en) 1996-06-03 1998-07-28 The Johns Hopkins University School Of Medicine Method of detection of methylated nucleic acid using agents which modify unmethylated cytosine and distinguishing modified methylated and non-methylated nucleic acids
WO1997047761A1 (en) 1996-06-14 1997-12-18 Sarnoff Corporation Method for polynucleotide sequencing
GB9620209D0 (en) 1996-09-27 1996-11-13 Cemu Bioteknik Ab Method of sequencing DNA
US6017702A (en) 1996-12-05 2000-01-25 The Perkin-Elmer Corporation Chain-termination type nucleic acid sequencing method including 2'-deoxyuridine-5'-triphosphate
US5876934A (en) 1996-12-18 1999-03-02 Pharmacia Biotech Inc. DNA sequencing method
US6046005A (en) 1997-01-15 2000-04-04 Incyte Pharmaceuticals, Inc. Nucleic acid sequencing with solid phase capturable terminators comprising a cleavable linking group
US6586806B1 (en) 1997-06-20 2003-07-01 Cypress Semiconductor Corporation Method and structure for a single-sided non-self-aligned transistor
US6420108B2 (en) 1998-02-09 2002-07-16 Affymetrix, Inc. Computer-aided display for comparative gene expression
DE69823206T2 (de) 1997-07-25 2004-08-19 Affymetrix, Inc. (a Delaware Corp.), Santa Clara Verfahren zur herstellung einer bio-informatik-datenbank
WO1999009218A1 (en) 1997-08-15 1999-02-25 Affymetrix, Inc. Polymorphism detection utilizing clustering analysis
DE69829402T2 (de) 1997-10-31 2006-04-13 Affymetrix, Inc. (a Delaware Corp.), Santa Clara Expressionsprofile in adulten und fötalen organen
US5998143A (en) 1997-12-05 1999-12-07 The Perkin-Elmer Corporation Cycle sequencing thermal profiles
US6428752B1 (en) 1998-05-14 2002-08-06 Affymetrix, Inc. Cleaning deposit devices that form microarrays and the like
US6269846B1 (en) 1998-01-13 2001-08-07 Genetic Microsystems, Inc. Depositing fluid specimens on substrates, resulting ordered arrays, techniques for deposition of arrays
US6201639B1 (en) 1998-03-20 2001-03-13 James W. Overbeck Wide field of view and high speed scanning microscopy
WO1999040222A1 (en) 1998-02-04 1999-08-12 Variagenics, Inc. Mismatch detection techniques
US6185030B1 (en) 1998-03-20 2001-02-06 James W. Overbeck Wide field of view and high speed scanning microscopy
US5936324A (en) 1998-03-30 1999-08-10 Genetic Microsystems Inc. Moving magnet scanner
US7805388B2 (en) * 1998-05-01 2010-09-28 Health Discovery Corporation Method for feature selection in a support vector machine using feature ranking
US6183958B1 (en) 1998-05-06 2001-02-06 Variagenics, Inc. Probes for variance detection
JP3565025B2 (ja) 1998-07-07 2004-09-15 日産自動車株式会社 治具交換装置および治具交換方法
US6185561B1 (en) 1998-09-17 2001-02-06 Affymetrix, Inc. Method and apparatus for providing and expression data mining database
US6140054A (en) 1998-09-30 2000-10-31 University Of Utah Research Foundation Multiplex genotyping using fluorescent hybridization probes
US6262216B1 (en) 1998-10-13 2001-07-17 Affymetrix, Inc. Functionalized silicon compounds and methods for their synthesis and use
EP1124990B1 (en) 1998-10-27 2006-01-18 Affymetrix, Inc. Complexity management and analysis of genomic dna
US7700324B1 (en) 1998-11-03 2010-04-20 The Johns Hopkins University School Of Medicine Methylated CpG island amplification (MCA)
NO986133D0 (no) 1998-12-23 1998-12-23 Preben Lexow FremgangsmÕte for DNA-sekvensering
WO2000058516A2 (en) 1999-03-26 2000-10-05 Whitehead Institute For Biomedical Research Universal arrays
US6218803B1 (en) 1999-06-04 2001-04-17 Genetic Microsystems, Inc. Position sensing with variable capacitance transducers
US6300070B1 (en) 1999-06-04 2001-10-09 Mosaic Technologies, Inc. Solid phase methods for amplifying multiple nucleic acids
US6811668B1 (en) 1999-06-22 2004-11-02 Caliper Life Sciences, Inc. Apparatus for the operation of a microfluidic device
KR100865105B1 (ko) 1999-06-28 2008-10-24 캘리포니아 인스티튜트 오브 테크놀로지 마이크로 가공된 탄성중합체 밸브 및 펌프 시스템
US6274320B1 (en) 1999-09-16 2001-08-14 Curagen Corporation Method of sequencing a nucleic acid
US6221600B1 (en) 1999-10-08 2001-04-24 Board Of Regents, The University Of Texas System Combinatorial oligonucleotide PCR: a method for rapid, global expression analysis
US6297016B1 (en) 1999-10-08 2001-10-02 Applera Corporation Template-dependent ligation with PNA-DNA chimeric probes
AU1075701A (en) 1999-10-08 2001-04-23 Protogene Laboratories, Inc. Method and apparatus for performing large numbers of reactions using array assembly
US6958225B2 (en) 1999-10-27 2005-10-25 Affymetrix, Inc. Complexity management of genomic DNA
US7970718B2 (en) * 2001-05-18 2011-06-28 Health Discovery Corporation Method for feature selection and for evaluating features identified as significant for classifying data
AU2001232805A1 (en) 2000-01-12 2001-07-24 Ut-Battelle, Llc A microfluidic device and method for focusing, segmenting, and dispensing of a fluid stream
US7452713B2 (en) 2000-02-29 2008-11-18 Stmicroelectronics S.R.L. Process for manufacturing a microfluidic device with buried channels
US7867763B2 (en) 2004-01-25 2011-01-11 Fluidigm Corporation Integrated chip carriers with thermocycler interfaces and methods of using the same
SE0001768D0 (sv) 2000-05-12 2000-05-12 Helen Andersson Mikrofluidisk flödescell för manipulering av partiklar
US6386749B1 (en) 2000-06-26 2002-05-14 Affymetrix, Inc. Systems and methods for heating and mixing fluids
EP1340082A2 (en) 2000-08-23 2003-09-03 Imego AB Microfluidic device and method with transport of magnetic particles into and out of wells
US20020048534A1 (en) 2000-08-24 2002-04-25 David Storek Sample preparing arrangement and a method relating to such an arrangement
AU2002213704A1 (en) 2000-10-27 2002-05-06 Mount Sinai Hospital Method for detecting ovarian cancer based on human kallikrein 6 (HK6)
AU2002241595A1 (en) 2000-12-01 2002-07-24 Protasis Corporation Microfluidic device with multiple microcoil nmr detectors
US6391592B1 (en) 2000-12-14 2002-05-21 Affymetrix, Inc. Blocker-aided target amplification of nucleic acids
US20020183936A1 (en) 2001-01-24 2002-12-05 Affymetrix, Inc. Method, system, and computer software for providing a genomic web portal
US7323140B2 (en) 2001-03-28 2008-01-29 Handylab, Inc. Moving microdroplets in a microfluidic device
US6802342B2 (en) 2001-04-06 2004-10-12 Fluidigm Corporation Microfabricated fluidic circuit elements and applications
US6649348B2 (en) 2001-06-29 2003-11-18 Agilent Technologies Inc. Methods for manufacturing arrays
US6585606B2 (en) 2001-07-16 2003-07-01 Thomas S. Penrose Golf club accessory
US6632611B2 (en) 2001-07-20 2003-10-14 Affymetrix, Inc. Method of target enrichment and amplification
US7390463B2 (en) 2001-09-07 2008-06-24 Corning Incorporated Microcolumn-based, high-throughput microfluidic device
ATE477054T1 (de) 2001-09-17 2010-08-15 Gyros Patent Ab Einen kontrollierten strom in einer mikrofluidvorrichtung ermöglichende funktionseinheit
US7253003B2 (en) 2001-10-19 2007-08-07 Wisconsin Alumni Research Foundation Method for monitoring the environment within a microfluidic device
US7189580B2 (en) 2001-10-19 2007-03-13 Wisconsin Alumni Research Foundation Method of pumping fluid through a microfluidic device
JP4355210B2 (ja) 2001-11-30 2009-10-28 フルイディグム コーポレイション 微小流体デバイスおよび微小流体デバイスの使用方法
US7258837B2 (en) 2001-12-05 2007-08-21 University Of Washington Microfluidic device and surface decoration process for solid phase affinity binding assays
US7238255B2 (en) 2001-12-31 2007-07-03 Gyros Patent Ab Microfluidic device and its manufacture
US6958119B2 (en) 2002-02-26 2005-10-25 Agilent Technologies, Inc. Mobile phase gradient generation microfluidic device
US7195986B1 (en) 2002-03-08 2007-03-27 Caliper Life Sciences, Inc. Microfluidic device with controlled substrate conductivity
GB2388189B (en) 2002-04-29 2006-01-11 Robert Jeffrey Geddes Carr Optical detection and analysis of particles
US7189581B2 (en) 2002-04-30 2007-03-13 Wisconsin Alumni Research Foundation Method of obtaining a sample concentration of a solution in a microfluidic device
EP1997772A3 (en) 2002-05-16 2011-01-26 Micronit Microfluidics B.V. Method of fabrication of a microfluidic device
WO2004007582A2 (en) 2002-07-15 2004-01-22 University Of Virginia Patent Foundation Hybrid polymers for functional tuning of microfluidic device surfaces
US7135147B2 (en) 2002-07-26 2006-11-14 Applera Corporation Closing blade for deformable valve in a microfluidic device and method
WO2004011666A2 (en) 2002-07-26 2004-02-05 Applera Corporation Mg-mediated hot start biochemical reactions
US7452509B2 (en) 2002-07-26 2008-11-18 Applied Biosystems Inc. Microfluidic device including displaceable material trap, and system
US7201881B2 (en) 2002-07-26 2007-04-10 Applera Corporation Actuator for deformable valves in a microfluidic device, and method
KR100480338B1 (ko) 2002-08-08 2005-03-30 한국전자통신연구원 극소량의 유체제어를 위한 미세 유체제어소자
TW536524B (en) 2002-09-17 2003-06-11 Fan-Gen Tzeng Network-type micro-channel device for micro-fluid
US7118661B2 (en) 2002-09-30 2006-10-10 The Regents Of The University Of California Nanolaminate microfluidic device for mobility selection of particles
ES2588905T3 (es) 2002-10-04 2016-11-07 The Regents Of The University Of California Dispositivo microfluídico de compartimentos múltiples para investigación en neurociencias
FR2848125B1 (fr) 2002-12-04 2006-06-09 Commissariat Energie Atomique Dispositif microfluidique dans lequel l'interface liquide/fluide est stabilisee
US7467928B2 (en) 2002-12-12 2008-12-23 Board Of Trustees Of The University Of Arkansas Microfluidic device utilizing magnetohydrodynamics and method for fabrication thereof
US7125711B2 (en) 2002-12-19 2006-10-24 Bayer Healthcare Llc Method and apparatus for splitting of specimens into multiple channels of a microfluidic device
US7338637B2 (en) 2003-01-31 2008-03-04 Hewlett-Packard Development Company, L.P. Microfluidic device with thin-film electronic devices
US7413709B2 (en) 2003-02-12 2008-08-19 Agilent Technologies, Inc. PAEK-based microfluidic device with integrated electrospray emitter
JP3856763B2 (ja) 2003-03-11 2006-12-13 財団法人川村理化学研究所 マイクロ流体素子の製造方法
AU2004228678A1 (en) 2003-04-03 2004-10-21 Fluidigm Corp. Microfluidic devices and methods of using same
US20070117164A1 (en) 2003-04-08 2007-05-24 Raskov Hans H Method for detection of colorectal cancer in human samples
US7422725B2 (en) 2003-05-01 2008-09-09 Enplas Corporation Sample handling unit applicable to microchip, and microfluidic device having microchips
JP4758891B2 (ja) 2003-06-06 2011-08-31 マイクロニクス， インコーポレイテッド 微小流体デバイス上の加熱、冷却および熱サイクリングのためのシステムおよび方法
US20050124071A1 (en) 2003-09-30 2005-06-09 Kraus Virginia B. Methods and compositions for diagnosing musculoskeletal, arthritic and joint disorders by biomarker dating
FR2862007B1 (fr) 2003-11-12 2005-12-23 Commissariat Energie Atomique Dispositif microfluidique muni d'un nez d'electronebulisation.
US7329391B2 (en) 2003-12-08 2008-02-12 Applera Corporation Microfluidic device and material manipulating method using same
EP1547688A1 (en) 2003-12-23 2005-06-29 STMicroelectronics S.r.l. Microfluidic device and method of locally concentrating electrically charged substances in a microfluidic device
US7099778B2 (en) 2003-12-30 2006-08-29 Caliper Life Sciences, Inc. Method for determining diffusivity and molecular weight in a microfluidic device
US7351380B2 (en) 2004-01-08 2008-04-01 Sandia Corporation Microfluidic structures and methods for integrating a functional component into a microfluidic device
EP2392402A3 (en) 2004-02-18 2012-03-21 Life Technologies Corporation Multi-step bioassays on modular microfluidic application platforms
US7402229B2 (en) 2004-03-31 2008-07-22 Intel Corporation Fabrication and use of semipermeable membranes and gels for the control of electrolysis in a microfluidic device
US7575722B2 (en) 2004-04-02 2009-08-18 Eksigent Technologies, Inc. Microfluidic device
US7419639B2 (en) 2004-05-12 2008-09-02 The Board Of Trustees Of The Leland Stanford Junior University Multilayer microfluidic device
US7655479B2 (en) 2004-06-30 2010-02-02 University Of South Florida Luminescence characterization of quantum dots conjugated with biomarkers for early cancer detection
CA2614507A1 (en) 2004-07-09 2006-08-17 Amaox, Ltd. Immune cell biosensors and methods of using same
US7488596B2 (en) 2004-12-17 2009-02-10 Samsung Electronics Co., Ltd. Microfluidic device comprising electrolysis device for cell lysis and method for electrochemically lysing cells using the same
EP2003214B1 (en) 2005-02-01 2013-04-10 AB Advanced Genetic Analysis Corporation Reagents, methods, and libraries for bead-based sequencing
JP5069220B2 (ja) 2005-04-12 2012-11-07 カリパー・ライフ・サイエンシズ・インク． マイクロ流体デバイス用の小型光学検出システム
KR100590581B1 (ko) 2005-05-10 2006-06-19 삼성전자주식회사 미세유동장치 및 그 제조방법
JP4992201B2 (ja) 2005-06-07 2012-08-08 富士ゼロックス株式会社 マイクロ流体制御方法、マイクロ流体素子およびその製造方法
EP1896855A2 (en) 2005-06-21 2008-03-12 Jean-Paul Borg Biomarkers for breast cancer
EP1934602A4 (en) 2005-10-14 2009-01-21 Inst Cardiologie Montreal METHOD FOR DETECTING AN OXIDATIVE STRESS BIOMARKER IN A BIOLOGICAL SAMPLE
US7993859B2 (en) 2005-10-14 2011-08-09 Institut De Cardiologie De Montreal Method for quantifying oxidative stress caused by different biological pathways
TWI274040B (en) 2005-12-23 2007-02-21 Ind Tech Res Inst Microfluidic device and method of manufacturing the same
US7568399B2 (en) 2006-01-05 2009-08-04 Integrated Sensing Systems, Inc. Microfluidic device
US7581429B2 (en) 2006-01-06 2009-09-01 Integrated Sensing Systems, Inc. Microfluidic device and method of operation
ES2355388T3 (es) 2006-01-31 2011-03-25 Medical Research Fund Of Tel Aviv Sourasky Medical Center Métodos para la detección precoz de cáncer.
US20090062129A1 (en) 2006-04-19 2009-03-05 Agencourt Personal Genomics, Inc. Reagents, methods, and libraries for gel-free bead-based sequencing
US8768629B2 (en) * 2009-02-11 2014-07-01 Caris Mpi, Inc. Molecular profiling of tumors
WO2007137187A2 (en) 2006-05-18 2007-11-29 Molecular Profiling Institute, Inc. System and method for determining individualized medical intervention for a disease state
US20100184027A1 (en) 2006-07-13 2010-07-22 Epigenomics Ag Methods and nucleic acids for analyses of cellular proliferative disorders
WO2008014458A2 (en) 2006-07-27 2008-01-31 Ludwig Institute For Cancer Research Protein markers for the diagnosis and prognosis of ovarian and breast cancer
WO2008030122A1 (en) 2006-09-07 2008-03-13 University Of Otago Biomarkers
GB0700374D0 (en) 2007-01-09 2007-02-14 Oncomethylome Sciences S A NDRG family methylation markers
WO2008130516A1 (en) 2007-04-11 2008-10-30 Manel Esteller Epigenetic biomarkers for early detection, therapeutic effectiveness, and relapse monitoring of cancer
US20100222230A1 (en) 2007-04-11 2010-09-02 The General Hospital Corporation Diagnostic and prognostic methods for renal cell carcinoma
JP2010532484A (ja) 2007-06-29 2010-10-07 コレロジック システムズ，インコーポレイテッド 卵巣癌のための予測マーカー
US8728823B2 (en) 2007-11-23 2014-05-20 British Columbia Cancer Agency Branch Methods for detecting lung cancer and monitoring treatment response
WO2009100258A1 (en) 2008-02-05 2009-08-13 Hollis-Eden Pharmaceuticals, Inc. Pharmaceutical solid state forms
WO2009103156A1 (en) * 2008-02-20 2009-08-27 Mcmaster University Expert system for determining patient treatment response
US7745150B2 (en) 2008-03-07 2010-06-29 The University Of Connecticut Methods for the detection and monitoring of congestive heart failure
JP2011516038A (ja) 2008-03-12 2011-05-26 オタゴ イノベーション リミテッド バイオマーカー
WO2009134420A2 (en) 2008-05-01 2009-11-05 The Salk Institute For Biological Studies Epigenetic silencing of tumor suppressor genes
WO2010045318A2 (en) 2008-10-14 2010-04-22 Caris Mpi, Inc. Gene and gene expressed protein targets depicting biomarker patterns and signature sets by tumor type
CA2742324A1 (en) 2008-10-30 2010-06-03 Caris Life Sciences Luxembourg Holdings, S.A.R.L. Methods for assessing rna patterns
GB2463401B (en) 2008-11-12 2014-01-29 Caris Life Sciences Luxembourg Holdings S A R L Characterizing prostate disorders by analysis of microvesicles
EP2202522A1 (en) 2008-12-23 2010-06-30 Universiteit Leiden Methods for immobilizing microvesicles, means and methods for detecting them, and uses thereof
EP3301446B1 (en) 2009-02-11 2020-04-15 Caris MPI, Inc. Molecular profiling of tumors
EP2421987A4 (en) 2009-06-19 2012-10-31 Wayne John Cancer Inst USE OF THE METHYLATION STATUS OF MINT-LOCI AS MARKER FOR RECTAL CARCINOMAS
CA2779223A1 (en) 2009-10-27 2011-05-12 Caris Mpi, Inc. Molecular profiling for personalized medicine
WO2011066589A1 (en) 2009-11-30 2011-06-03 Caris Life Sciences Luxembourg Holdings Methods and systems for isolating, storing, and analyzing vesicles
CA2787027A1 (en) 2010-01-13 2011-07-21 Caris Life Sciences Luxembourg Holdings, S.A.R.L. Detection of gastrointestinal disorders
CA2791905A1 (en) 2010-03-01 2011-09-09 Caris Life Sciences Luxembourg Holdings, S.A.R.L. Biomarkers for theranostics
AU2011237669B2 (en) 2010-04-06 2016-09-08 Caris Life Sciences Switzerland Holdings Gmbh Circulating biomarkers for disease
CA3007713C (en) * 2010-04-29 2020-05-26 The Regents Of The University Of California Pathway recognition algorithm using data integration on genomic models (paradigm)
EP2647708B1 (en) 2010-12-03 2017-04-26 Kabushiki Kaisha Yakult Honsha Marker for determination of sensitivity to triplet combination anti-cancer agent
US20150024952A1 (en) 2010-12-28 2015-01-22 Arlet Alarcon Molecular profiling for cancer
EP2665835B1 (en) 2011-01-18 2018-03-14 Everist Genomics, Inc. Prognostic signature for colorectal cancer recurrence
CN103703371A (zh) * 2011-04-29 2014-04-02 癌症预防和治疗有限公司 使用分类系统及其试剂盒识别和诊断肺部疾病的方法
US20140222443A1 (en) 2011-06-07 2014-08-07 Kathleen Danenberg Molecular profiling for cancer
GB201215944D0 (en) * 2012-09-06 2012-10-24 Univ Manchester Image processing apparatus and method for fittng a deformable shape model to an image using random forests
WO2014089241A2 (en) 2012-12-04 2014-06-12 Caris Mpi, Inc. Molecular profiling for cancer
FR3016461B1 (fr) 2014-01-10 2017-06-23 Imabiotech Procede de traitement de donnees d'imagerie moleculaire et serveur de donnees correspondant
US20170175197A1 (en) 2014-01-29 2017-06-22 Caris Mpi, Inc. Molecular profiling of immune modulators
WO2015188275A1 (en) * 2014-06-10 2015-12-17 Sightline Innovation Inc. System and method for network based application development and implementation
WO2016046640A2 (en) * 2014-09-26 2016-03-31 Medical Prognosis Institute A/S Methods for predicting drug responsiveness
WO2016094330A2 (en) * 2014-12-08 2016-06-16 20/20 Genesystems, Inc Methods and machine learning systems for predicting the liklihood or risk of having cancer
US20180045727A1 (en) 2015-03-03 2018-02-15 Caris Mpi, Inc. Molecular profiling for cancer
CN106252749B (zh) 2015-06-04 2020-12-29 松下知识产权经营株式会社 蓄电池包的控制方法以及蓄电池包
CA2999890A1 (en) 2015-09-24 2017-03-30 Caris Science, Inc. Method, apparatus, and computer program product for analyzing biological data
US20170132362A1 (en) * 2015-11-09 2017-05-11 Washington State University Novel machine learning approach for the identification of genomic features associated with epigenetic control regions and transgenerational inheritance of epimutations
WO2017176423A1 (en) * 2016-04-08 2017-10-12 Biodesix, Inc. Classifier generation methods and predictive test for ovarian cancer patient prognosis under platinum chemotherapy
US10350280B2 (en) * 2016-08-31 2019-07-16 Medgenome Inc. Methods to analyze genetic alterations in cancer to identify therapeutic peptide vaccines and kits therefore
US20180089373A1 (en) * 2016-09-23 2018-03-29 Driver, Inc. Integrated systems and methods for automated processing and analysis of biological samples, clinical information processing and clinical trial matching
WO2018078142A1 (en) * 2016-10-28 2018-05-03 MAX-PLANCK-Gesellschaft zur Förderung der Wissenschaften e.V. Means and methods for determining efficacy of fluorouracil (5-fu) in colorectal cancer (crc) therapy
EP3580359B1 (en) 2017-02-07 2024-05-08 F. Hoffmann-La Roche AG Non-invasive test to predict recurrence of colorectal cancer
WO2018146034A1 (en) 2017-02-07 2018-08-16 F. Hoffmann-La Roche Ag Non-invasive test to predict response to therapy in colorectal cancer patients
US11618926B2 (en) * 2017-02-28 2023-04-04 Baylor Research Institute Methods for diagnosing, prognosing, and treating colorectal cancer using biomarker expression
US20200024669A1 (en) 2017-03-20 2020-01-23 Caris Mpi, Inc. Genomic stability profiling
US11392827B1 (en) * 2017-07-19 2022-07-19 United States Of America As Represented By The Secretary Of The Navy Deeper learning from the real-time transformative correction of and reasoning from neural network outputs
US10679129B2 (en) * 2017-09-28 2020-06-09 D5Ai Llc Stochastic categorical autoencoder network
US11708600B2 (en) * 2017-10-05 2023-07-25 Decode Health, Inc. Long non-coding RNA gene expression signatures in disease diagnosis
US20190317079A1 (en) * 2017-10-16 2019-10-17 Sightline Innovation Inc. System and method for volatile organic compound detection
US11250345B1 (en) * 2018-06-08 2022-02-15 Intuit Inc. Methods for identifying transactions with user location information
US11120364B1 (en) * 2018-06-14 2021-09-14 Amazon Technologies, Inc. Artificial intelligence system with customizable training progress visualization and automated recommendations for rapid interactive development of machine learning models
JP2024516522A (ja) * 2021-03-31 2024-04-16 プログノミック インコーポレイテッド マルチオミクス評価

Similar Documents

Publication Publication Date Title
Kuntz et al. Gastrointestinal cancer classification and prognostication from histology using deep learning: Systematic review
Guo et al. Assessment of luminal and basal phenotypes in bladder cancer
Wei et al. Intratumoral and intertumoral genomic heterogeneity of multifocal localized prostate cancer impacts molecular classifications and genomic prognosticators
JPWO2020113237A5 (ja)
Tsao et al. Subtype classification of lung adenocarcinoma predicts benefit from adjuvant chemotherapy in patients undergoing complete resection
Buyse et al. Biomarkers and surrogate end points—the challenge of statistical validation
AU2017209330B2 (en) Variant based disease diagnostics and tracking
Akbani et al. A pan-cancer proteomic perspective on The Cancer Genome Atlas
Tothill et al. An expression-based site of origin diagnostic method designed for clinical application to cancer of unknown origin
Malinowsky et al. Activation of the PI3K/AKT pathway correlates with prognosis in stage II colon cancer
Kristiansen Markers of clinical utility in the differential diagnosis and prognosis of prostate cancer
Villegas et al. Therapy response and prognosis of patients with early breast cancer with low positivity for hormone receptors–An analysis of 2765 patients from neoadjuvant clinical trials
Ding et al. Molecular subtypes of triple-negative breast cancer in women of different race and ethnicity
D'angelica et al. Folate receptor-α expression in resectable hepatic colorectal cancer metastases: patterns and significance
Crispi et al. Global gene expression profiling of human pleural mesotheliomas: identification of matrix metalloproteinase 14 (MMP-14) as potential tumour target
Sanford et al. Molecular analysis of upper tract and bladder urothelial carcinoma: results from a microarray comparison
Xue et al. IGFBP3, a transcriptional target of homeobox D10, is correlated with the prognosis of gastric cancer
CN108424970A (zh) 用于检测癌症复发风险的生物标志物及检测方法
Connell et al. Development of a multivariable risk model integrating urinary cell DNA methylation and cell‐free RNA data for the detection of significant prostate cancer
Nicholson et al. An update on the status of molecular testing for the indeterminate thyroid nodule and risk stratification of differentiated thyroid cancer
Goričar et al. Clinical-pharmacogenetic models for personalized cancer treatment: application to malignant mesothelioma
JPWO2021112918A5 (ja)
Bainer et al. Gene expression in local stroma reflects breast tumor states and predicts patient outcome
Bignell et al. Pathophysiology and classification of pseudomyxoma peritonei
KR20120034778A (ko) 티보자닙 반응 예측