JPWO2020160515A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2020160515A5 JPWO2020160515A5 JP2021544898A JP2021544898A JPWO2020160515A5 JP WO2020160515 A5 JPWO2020160515 A5 JP WO2020160515A5 JP 2021544898 A JP2021544898 A JP 2021544898A JP 2021544898 A JP2021544898 A JP 2021544898A JP WO2020160515 A5 JPWO2020160515 A5 JP WO2020160515A5
- Authority
- JP
- Japan
- Prior art keywords
- group
- seq
- amino acid
- acid sequence
- nos
- 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
Links
- 238000000034 method Methods 0.000 claims 82
- 108010015899 Glycopeptides Proteins 0.000 claims 55
- 102000002068 Glycopeptides Human genes 0.000 claims 55
- 125000003275 alpha amino acid group Chemical group 0.000 claims 42
- 238000004422 calculation algorithm Methods 0.000 claims 40
- 230000007704 transition Effects 0.000 claims 34
- DQJCDTNMLBYVAY-ZXXIYAEKSA-N (2S,5R,10R,13R)-16-{[(2R,3S,4R,5R)-3-{[(2S,3R,4R,5S,6R)-3-acetamido-4,5-dihydroxy-6-(hydroxymethyl)oxan-2-yl]oxy}-5-(ethylamino)-6-hydroxy-2-(hydroxymethyl)oxan-4-yl]oxy}-5-(4-aminobutyl)-10-carbamoyl-2,13-dimethyl-4,7,12,15-tetraoxo-3,6,11,14-tetraazaheptadecan-1-oic acid Chemical compound NCCCC[C@H](C(=O)N[C@@H](C)C(O)=O)NC(=O)CC[C@H](C(N)=O)NC(=O)[C@@H](C)NC(=O)C(C)O[C@@H]1[C@@H](NCC)C(O)O[C@H](CO)[C@H]1O[C@H]1[C@H](NC(C)=O)[C@@H](O)[C@H](O)[C@@H](CO)O1 DQJCDTNMLBYVAY-ZXXIYAEKSA-N 0.000 claims 29
- 238000002552 multiple reaction monitoring Methods 0.000 claims 28
- 239000012472 biological sample Substances 0.000 claims 21
- 238000004949 mass spectrometry Methods 0.000 claims 20
- 239000000523 sample Substances 0.000 claims 20
- 239000003814 drug Substances 0.000 claims 16
- 229940124597 therapeutic agent Drugs 0.000 claims 16
- 206010033128 Ovarian cancer Diseases 0.000 claims 12
- 206010061535 Ovarian neoplasm Diseases 0.000 claims 12
- 238000010801 machine learning Methods 0.000 claims 12
- 238000012549 training Methods 0.000 claims 12
- 238000011002 quantification Methods 0.000 claims 11
- 238000001228 spectrum Methods 0.000 claims 8
- 238000013528 artificial neural network Methods 0.000 claims 7
- 201000010099 disease Diseases 0.000 claims 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims 7
- 239000002246 antineoplastic agent Substances 0.000 claims 6
- 229940127089 cytotoxic agent Drugs 0.000 claims 6
- 238000001794 hormone therapy Methods 0.000 claims 6
- 239000002955 immunomodulating agent Substances 0.000 claims 6
- 238000009099 neoadjuvant therapy Methods 0.000 claims 6
- 108090000765 processed proteins & peptides Proteins 0.000 claims 5
- 238000004458 analytical method Methods 0.000 claims 4
- 230000006870 function Effects 0.000 claims 4
- 150000004676 glycans Chemical class 0.000 claims 4
- 238000012544 monitoring process Methods 0.000 claims 3
- 238000001356 surgical procedure Methods 0.000 claims 3
- 206010028980 Neoplasm Diseases 0.000 claims 2
- 239000000872 buffer Substances 0.000 claims 2
- 201000011510 cancer Diseases 0.000 claims 2
- 239000013068 control sample Substances 0.000 claims 2
- 238000013135 deep learning Methods 0.000 claims 2
- 230000002068 genetic effect Effects 0.000 claims 2
- 238000007477 logistic regression Methods 0.000 claims 2
- 238000007637 random forest analysis Methods 0.000 claims 2
- 238000012216 screening Methods 0.000 claims 2
- 238000012706 support-vector machine Methods 0.000 claims 2
- 208000023275 Autoimmune disease Diseases 0.000 claims 1
- 206010016654 Fibrosis Diseases 0.000 claims 1
- 230000032683 aging Effects 0.000 claims 1
- 150000001413 amino acids Chemical class 0.000 claims 1
- 238000002512 chemotherapy Methods 0.000 claims 1
- 230000004761 fibrosis Effects 0.000 claims 1
- 230000003862 health status Effects 0.000 claims 1
- 230000003054 hormonal effect Effects 0.000 claims 1
- 238000009169 immunotherapy Methods 0.000 claims 1
- 230000035772 mutation Effects 0.000 claims 1
- 238000002626 targeted therapy Methods 0.000 claims 1
Claims (82)
- 1つまたは複数の多重反応モニタリング(MRM)遷移を検出するための方法であって、
1つもしくは複数のグリカンもしくは糖ペプチドを含む生体試料中の糖ペプチドを消化及び/または断片化する工程と、
遷移1~150からなる群から選択されるMRM遷移を検出する工程と
を含む、方法。 - 前記MRM遷移が、遷移2、30、31、53、70、106、109、111、114、130、140、142、及び146からなる群から選択される、請求項1に記載の方法。
- 前記MRM遷移が、30、31、及び53からなる群から選択される、請求項1に記載の方法。
- 前記生体試料中の糖ペプチドを断片化する工程が、前記生体試料またはその一部を質量分析計に導入した後に起こる、請求項1に記載の方法。
- 前記生体試料中の糖ペプチドを断片化する工程により、配列番号1~262、及びそれらの組み合わせからなる群から選択されるアミノ酸配列から本質的になるペプチドまたは糖ペプチドを生成させる、請求項1~4のいずれか1項に記載の方法。
- 前記生体試料中の糖ペプチドを断片化する工程により、配列番号4、5、9、11、12、22、24、28、32、33、34、35、36、37、38、53、61、65、69、78、82、99、104、114、115、126、128、136、146、147、150、154、177、184、185、190、194、204、216、224、239、254、257、259、及びそれらの組み合わせからなる群から選択されるアミノ酸配列から本質的になるペプチドまたは糖ペプチドを生成させる、請求項1~5のいずれか1項に記載の方法。
- 前記アミノ酸配列が、配列番号216及び224からなる群から選択される、請求項6に記載の方法。
- 前記MRM遷移が、表1~5のいずれか1つにおける遷移、またはそれらの任意の組み合わせから選択される、請求項1~7のいずれか1項に記載の方法。
- 遷移1~150からなる群から選択されるMRM遷移を検出する工程が、三連四重極(QQQ)質量分析計または四重極飛行時間(qTOF)質量分析計を使用してMRM遷移を検出することを含む、請求項1~8のいずれか1項に記載の方法。
- 1つまたは複数の前記糖ペプチドが、配列番号1~262、及びそれらの組み合わせからなる群から選択されるアミノ酸配列から本質的になるペプチドまたは糖ペプチドを含む、請求項1~9のいずれか1項に記載の方法。
- 1つまたは複数の前記糖ペプチドが、配列番号4、5、9、11、12、22、24、28、32、33、34、35、36、37、38、53、61、65、69、78、82、99、104、114、115、126、128、136、146、147、150、154、177、184、185、190、194、204、216、224、239、254、257、259、及びそれらの組み合わせからなる群から選択されるアミノ酸配列から本質的になるペプチドまたは糖ペプチドを含む、請求項1~10のいずれか1項に記載の方法。
- 前記アミノ酸配列が、配列番号216及び224からなる群から選択される、請求項11に記載の方法。
- グリカン3200、3210、3300、3310、3320、3400、3410、3420、3500、3510、3520、3600、3610、3620、3630、3700、3710、3720、3730、3740、4200、4210、4300、4301、4310、4311、4320、4400、4401、4410、4411、4420、4421、4430、4431、4500、4501、4510、4511、4520、4521、4530、4531、4540、4541、4600、4601、4610、4611、4620、4621、4630、4631、4641、4650、4700、4701、4710、4711、4720、4730、5200、5210、5300、5301、5310、5311、5320、5400、5401、5402、5410、5411、5412、5420、5421、5430、5431、5432、5500、5501、5502、5510、5511、5512、5520、5521、5522、5530、5531、5541、5600、5601、5602、5610、5611、5612、5620、5621、5631、5650、5700、5701、5702、5710、5711、5712、5720、5721、5730、5731、6200、6210、6300、6301、6310、6311、6320、6400、6401、6402、6410、6411、6412、6420、6421、6432、6500、6501、6502、6503、6510、6511、6512、6513、6520、6521、6522、6530、6531、6532、6540、6541、6600、6601、6602、6603、6610、6611、6612、6613、6620、6621、6622、6623、6630、6631、6632、6640、6641、6642、6652、6700、6701、6711、6721、6703、6713、6710、6711、6712、6713、6720、6721、6730、6731、6740、7200、7210、7400、7401、7410、7411、7412、7420、7421、7430、7431、7432、7500、7501、7510、7511、7512、7600、7601、7602、7603、7604、7610、7611、7612、7613、7614、7620、7621、7622、7623、7632、7640、7700、7701、7702、7703、7710、7711、7712、7713、7714、7720、7721、7722、7730、7731、7732、7740、7741、7751、8200、9200、9210、10200、11200、12200、及びそれらの組み合わせからなる群から選択される1つまたは複数のグリカンを示す1つまたは複数のMRM遷移を検出する工程を含む、請求項1~12のいずれか1項に記載の方法。
- 第1のグリカンを定量する工程と、第2のグリカンを定量する工程とをさらに含み、前記第1のグリカンの定量を前記第2のグリカンの定量と比較する工程をさらに含む、請求項13に記載の方法。
- 検出されたグリカンを、前記グリカンが結合していたペプチド残基部位に関連付けする工程をさらに含む、請求項13または14に記載の方法。
- 配列番号1~262を有するアミノ酸から本質的になるペプチドまたは糖ペプチドの量に基づいて、糖ペプチドの量を正規化する工程を含む、請求項1~15のいずれか1項に記載の方法。
- 試料の分類を同定するための方法であって、
試料中の1つまたは複数の糖ペプチドを質量分析(MS)によって定量する工程であって、前記糖ペプチドは、それぞれ、それぞれの場合に個別に、配列番号1~262及びそれらの組み合わせからなる群から選択されるアミノ酸配列から本質的になる糖ペプチドを含む、工程と、
訓練済みモデルに定量を入力して、出力確率を生成する工程と、
前記出力確率が分類のしきい値を上回っているか下回っているかを判定する工程と、
前記出力確率が分類のしきい値を上回っているか下回っているかに基づいて、前記試料の分類を同定する工程と
を含む、方法。 - 前記試料が、疾患もしくは疾病を有する患者または個体からの生体試料である、請求項17に記載の方法。
- 前記患者が、がん、自己免疫疾患、または線維症を有する、請求項18に記載の方法。
- 前記患者が、卵巣癌を有する、請求項18に記載の方法。
- 前記個体が、老化疾病を有する、請求項18に記載の方法。
- 前記疾患または疾病が卵巣癌である、請求項18に記載の方法。
- 前記MSが、QQQ及び/またはqTOF質量分析計を用いたMRM-MSである、請求項17~22のいずれか1項に記載の方法。
- 前記訓練済みモデルが、深層学習アルゴリズム、ニューラルネットワークアルゴリズム、人工ニューラルネットワークアルゴリズム、教師あり機械学習アルゴリズム、線形判別分析アルゴリズム、二次判別分析アルゴリズム、サポートベクターマシンアルゴリズム、線形基底関数カーネルサポートベクターアルゴリズム、動径基底関数カーネルサポートベクターアルゴリズム、ランダムフォレストアルゴリズム、遺伝的アルゴリズム、最近傍アルゴリズム、k最近傍法、単純ベイズ分類器アルゴリズム、ロジスティック回帰アルゴリズム、またはそれらの組み合わせからなる群から選択される機械学習アルゴリズムを使用して訓練された、請求項17~23のいずれか1項に記載の方法。
- 前記分類が疾患分類または疾患重症度分類である、請求項17~24のいずれか1項に記載の方法。
- 前記分類が、80%を超える信頼度、85%を超える信頼度、90%を超える信頼度、95%を超える信頼度、99%を超える信頼度、または99.9999%を超える信頼度により同定される、請求項25に記載の方法。
- 第1の時点で、試料中の第1の糖ペプチドをMSによって定量する工程と、
第2の時点で、試料中の第2の糖ペプチドをMSによって定量する工程と、
前記第1の時点での定量を前記第2の時点での定量と比較する工程と
をさらに含む、請求項17~26のいずれか1項に記載の方法。 - 第3の時点で、試料中の第3の糖ペプチドをMSによって定量する工程と、
第4の時点で、試料中の第4の糖ペプチドをMSによって定量する工程と、
前記第4の時点での定量を前記第3の時点での定量と比較する工程と
をさらに含む、請求項27に記載の方法。 - 患者の健康状態を監視する工程をさらに含む、請求項17~28のいずれか1項に記載の方法。
- 患者の健康状態を監視する工程が、遺伝子突然変異などの危険因子を有する患者の疾患の発症及び進行を監視すること、ならびにがんの再発を検出することを含む、請求項29に記載の方法。
- 配列番号1~262からなる群から選択されるアミノ酸配列を、MSによって定量する工程をさらに含む、請求項17~30のいずれか1項に記載の方法。
- 配列番号4、5、9、11、12、22、24、28、32、33、34、35、36、37、38、53、61、65、69、78、82、99、104、114、115、126、128、136、146、147、150、154、177、184、185、190、194、204、216、224、239、254、257、及び259からなる群から選択されるアミノ酸配列を、MSによって定量する工程をさらに含む、請求項17~30のいずれか1項に記載の方法。
- 前記アミノ酸配列が、配列番号216及び224からなる群から選択される、請求項32に記載の方法。
- グリカン3200、3210、3300、3310、3320、3400、3410、3420、3500、3510、3520、3600、3610、3620、3630、3700、3710、3720、3730、3740、4200、4210、4300、4301、4310、4311、4320、4400、4401、4410、4411、4420、4421、4430、4431、4500、4501、4510、4511、4520、4521、4530、4531、4540、4541、4600、4601、4610、4611、4620、4621、4630、4631、4641、4650、4700、4701、4710、4711、4720、4730、5200、5210、5300、5301、5310、5311、5320、5400、5401、5402、5410、5411、5412、5420、5421、5430、5431、5432、5500、5501、5502、5510、5511、5512、5520、5521、5522、5530、5531、5541、5600、5601、5602、5610、5611、5612、5620、5621、5631、5650、5700、5701、5702、5710、5711、5712、5720、5721、5730、5731、6200、6210、6300、6301、6310、6311、6320、6400、6401、6402、6410、6411、6412、6420、6421、6432、6500、6501、6502、6503、6510、6511、6512、6513、6520、6521、6522、6530、6531、6532、6540、6541、6600、6601、6602、6603、6610、6611、6612、6613、6620、6621、6622、6623、6630、6631、6632、6640、6641、6642、6652、6700、6701、6711、6721、6703、6713、6710、6711、6712、6713、6720、6721、6730、6731、6740、7200、7210、7400、7401、7410、7411、7412、7420、7421、7430、7431、7432、7500、7501、7510、7511、7512、7600、7601、7602、7603、7604、7610、7611、7612、7613、7614、7620、7621、7622、7623、7632、7640、7700、7701、7702、7703、7710、7711、7712、7713、7714、7720、7721、7722、7730、7731、7732、7740、7741、7751、8200、9200、9210、10200、11200、12200、及びそれらの組み合わせからなる群から選択される1つまたは複数のグリカンを、MSによって定量する工程をさらに含む、請求項17~30のいずれか1項に記載の方法。
- 前記分類に基づいて、疾患または疾病を有する患者をスクリーニングする工程をさらに含む、請求項17~30のいずれか1項に記載の方法。
- 前記分類に基づいて、前記患者を卵巣癌を有するとスクリーニングする工程をさらに含む、請求項17から30に記載の方法。
- 化学療法薬、免疫療法剤、ホルモン療法剤、標的療法剤、及びそれらの組み合わせからなる群から選択される治療有効量の治療剤により前記患者を治療する工程をさらに含む、請求項17~30のいずれか1項に記載の方法。
- 生体試料を分類するための方法であって、
患者から生体試料を取得する工程であって、前記生体試料は、1つまたは複数の糖ペプチドを含む、工程と、
前記生体試料中の1つまたは複数の糖ペプチドを消化及び/または断片化する工程と、
遷移1~150からなる群から選択される少なくとも1つまたは複数の多重反応モニタリング(MRM)遷移を検出し定量する工程と、
訓練済みモデルに定量を入力して、出力確率を生成する工程と、
前記出力確率が分類のしきい値を上回っているか下回っているかを判定する工程と、
前記出力確率が分類のしきい値を上回っているか下回っているかに基づいて、前記生体試料を分類する工程と
を含む、方法。 - 前記1つまたは複数のMRM遷移が、遷移2、30、31、53、70、106、109、111、114、130、140、142、及び146からなる群から選択される、請求項38に記載の方法。
- 前記1つまたは複数のMRM遷移が、遷移30、31、及び53からなる群から選択される、請求項38に記載の方法。
- 機械学習アルゴリズムを使用し、前記MRM遷移を入力としてモデルを訓練する工程をさらに含む、請求項38に記載の方法。
- 生体試料を分類するための方法であって、
患者から生体試料を取得する工程であって、前記生体試料は、1つまたは複数の糖ペプチドを含む、工程と、
前記生体試料中の1つまたは複数の糖ペプチドを消化及び/または断片化する工程と、
配列番号1~262、及びそれらの組み合わせからなる群から選択されるアミノ酸配列から本質的になる、少なくとも1つまたは複数の糖ペプチドに関連する、少なくとも1つまたは複数の多重反応モニタリング(MRM)遷移を検出し定量する工程と、
訓練済みモデルに定量を入力して、出力確率を生成する工程と、
前記出力確率が分類のしきい値を上回っているか下回っているかを判定する工程と、
前記出力確率が分類のしきい値を上回っているか下回っているかに基づいて、前記生体試料を分類する工程と
含む、方法。 - 配列番号4、5、9、11、12、22、24、28、32、33、34、35、36、37、38、53、61、65、69、78、82、99、104、114、115、126、128、136、146、147、150、154、177、184、185、190、194、204、216、224、239、254、257、259、及びそれらの組み合わせからなる群から選択されるアミノ酸配列から本質的になる、少なくとも1つまたは複数の糖ペプチドに関連する、少なくとも1つまたは複数の多重反応モニタリング(MRM)遷移を検出し定量する工程を含む、請求項42に記載の方法。
- 前記アミノ酸配列は、配列番号216及び224からなる群から選択される、請求項43に記載の方法。
- 前記MRM遷移を入力として使用して機械学習アルゴリズムを訓練する工程を含む、請求項42に記載の方法。
- 卵巣癌を有する患者を分類するための方法であって、
前記患者由来の生体試料を入手する、または入手した生体試料を有する工程と、
前記生体試料中の1つまたは複数の糖ペプチドを消化及び/または断片化する、または消化もしくは断片化した1つまたは複数の糖ペプチドを有する工程と、
遷移1~150からなる群から選択される1つまたは複数の多重反応モニタリング(MRM)遷移を検出し定量する工程と、
訓練済みモデルに定量を入力して、出力確率を生成する工程と、
前記出力確率が分類のしきい値を上回っているか下回っているかを判定する工程と、
前記出力確率が分類のしきい値を上回っているか下回っているかに基づいて、前記患者を分類する工程であって、前記分類が、
(A)化学療法剤を必要とする患者、
(B)免疫療法剤を必要とする患者、
(C)ホルモン療法を必要とする患者、
(D)標的治療剤を必要とする患者、
(E)手術を必要とする患者、
(F)ネオアジュバント療法を必要とする患者、
(G)手術前に、化学療法剤、免疫療法剤、ホルモン療法、標的治療剤、ネオアジュバント療法、またはそれらの組み合わせを必要とする患者、
(H)手術後に、化学療法剤、免疫療法剤、ホルモン療法、標的治療剤、ネオアジュバント療法、またはそれらの組み合わせを必要とする患者、あるいは、
(I)それらの組み合わせ、
からなる群から選択される、工程と、
前記患者のための治療有効量の治療剤を選択する工程であって、
分類AまたはIが決定された場合、前記治療剤は化学療法から選択され、
分類BまたはIが決定された場合、前記治療剤は免疫療法から選択され、または
分類CまたはIが決定された場合、前記治療剤はホルモン療法から選択され、または
分類DまたはIが決定された場合、前記治療剤は標的療法から選択され、
分類FまたはIが決定された場合、前記治療剤はネオアジュバント療法から選択され、
分類GまたはIが決定された場合、前記治療剤は、化学療法剤、免疫療法剤、ホルモン療法、標的治療剤、ネオアジュバント療法、またはそれらの組み合わせから選択され、おおび
分類HまたはIが決定された場合、前記治療剤は、化学療法剤、免疫療法剤、ホルモン療法、標的治療剤、ネオアジュバント療法、またはそれらの組み合わせから選択される、工程と
を含む、方法。 - 前記1つまたは複数のMRM遷移が、遷移2、30、31、53、70、106、109、111、114、130、140、142、及び146からなる群から選択される、請求項46に記載の方法。
- 前記1つまたは複数のMRM遷移が、遷移30、31、及び53からなる群から選択される、請求項47に記載の方法。
- 前記生体試料に対する多重反応モニタリング質量分析(MRM-MS)質量分析を実行する工程を含む、請求項46に記載の方法。
- 配列番号1~262及びそれらの組み合わせからなる群から選択されるアミノ酸配列から本質的になる1つまたは複数の糖ペプチドを定量する工程を含む、請求項46から49のいずれか1項に記載の方法。
- 配列番号4、5、9、11、12、22、24、28、32、33、34、35、36、37、38、53、61、65、69、78、82、99、104、114、115、126、128、136、146、147、150、154、177、184、185、190、194、204、216、224、239、254、257、259、及びそれらの組み合わせからなる群から選択されるアミノ酸配列から本質的になる1つまたは複数の糖ペプチドを定量する工程を含む、請求項46から50のいずれか1項に記載の方法。
- 前記アミノ酸配列が、配列番号216及び224からなる群から選択される、請求項51に記載の方法。
- 配列番号1~262からなる群から選択されるアミノ酸配列から本質的になる糖ペプチドの量の定量を、機械学習アルゴリズムに入力してモデルを訓練する工程を含む、請求項46~52のいずれか1項に記載の方法。
- 配列番号4、5、9、11、12、22、24、28、32、33、34、35、36、37、38、53、61、65、69、78、82、99、104、114、115、126、128、136、146、147、150、154、177、184、185、190、194、204、216、224、239、254、257、及び259からなる群から選択されるアミノ酸配列から本質的になる糖ペプチドの量の定量を、機械学習アルゴリズムに入力してモデルを訓練する工程を含む、請求項46~53のいずれか1項に記載の方法。
- 前記アミノ酸配列が、配列番号216及び224からなる群から選択される、請求項54に記載の方法。
- 前記機械学習アルゴリズムが、深層学習アルゴリズム、ニューラルネットワークアルゴリズム、人工ニューラルネットワークアルゴリズム、教師あり機械学習アルゴリズム、線形判別分析アルゴリズム、二次判別分析アルゴリズム、サポートベクターマシンアルゴリズム、線形基底関数カーネルサポートベクターアルゴリズム、動径基底関数カーネルサポートベクターアルゴリズム、ランダムフォレストアルゴリズム、遺伝的アルゴリズム、最近傍アルゴリズム、k最近傍法、単純ベイズ分類器アルゴリズム、ロジスティック回帰アルゴリズム、またはそれらの組み合わせからなる群から選択される、請求項54に記載の方法。
- 前記遷移を分析することが、ピークを選択すること、及び/または機械学習アルゴリズムを用いて検出された糖ペプチド断片を定量することを含む、請求項46~56のいずれか1項に記載の方法。
- 機械学習アルゴリズムを訓練するための方法であって、
各糖ペプチドが個別に配列番号1~262からなる群から選択されるアミノ酸配列から本質的になる1つまたは複数の糖ペプチドを含む試料を示すMRM遷移シグナルの第1のデータセットを提供する工程と、
対照試料を示すMRM遷移シグナルの第2のデータセットを提供する工程と、
機械学習アルゴリズムを使用して、前記第1のデータセットを前記第2のデータセットと比較する工程と
を含む、方法。 - 配列番号1~262からなる群から選択されるアミノ酸配列から本質的になる糖ペプチドを含む前記試料が、卵巣癌を有する患者からの試料である、請求項58に記載の方法。
- 配列番号4、5、9、11、12、22、24、28、32、33、34、35、36、37、38、53、61、65、69、78、82、99、104、114、115、126、128、136、146、147、150、154、177、184、185、190、194、204、216、224、239、254、257、259からなる群から選択されるアミノ酸配列から本質的になる糖ペプチドを含む前記試料が、卵巣癌を有する患者からの試料である、請求項58に記載の方法。
- 前記アミノ酸配列が、配列番号216及び224からなる群から選択される、請求項60に記載の方法。
- 前記対照試料が、卵巣癌を有していない患者からの試料である、請求項58、59、または60のいずれか1項に記載に記載の方法。
- 配列番号1~262からなる群から選択されるアミノ酸配列から本質的になる糖ペプチドを含む前記試料が、卵巣癌を有する1または複数の患者からのプール試料である、請求項58~62のいずれか1項に記載の方法。
- 配列番号4、5、9、11、12、22、24、28、32、33、34、35、36、37、38、53、61、65、69、78、82、99、104、114、115、126、128、136、146、147、150、154、177、184、185、190、194、204、216、224、239、254、257、259からなる群から選択されるアミノ酸配列から本質的になる糖ペプチドを含む前記試料が、卵巣癌を有する1または複数の患者からのプール試料である、請求項58~63に記載の方法。
- 前記アミノ酸配列が、配列番号216及び224からなる群から選択される、請求項64に記載の方法。
- 前記対象試料が、卵巣癌を有していない1または複数の患者からのプール試料である、請求項58~64のいずれか1項に記載の方法。
- 卵巣癌を有する患者を分類するための方法であって、
前記患者由来の生体試料を入手する、または入手した生体試料を有する工程と、
QQQ及び/またはqTOF分光計を用いたMRM-MSを使用して前記生体試料の質量分析を実行して、配列番号1~262からなる群から選択されるアミノ酸配列から本質的になる1つもしくは複数の糖ペプチドを検出及び定量する、または、遷移1~150から選択される1つもしくは複数のMRM遷移を検出する工程と、
検出された前記糖ペプチドもしくは前記MRM遷移の定量を訓練済みモデルに入力して、出力確率を生成する工程と、
前記出力確率が分類のしきい値を上回っているか下回っているかを判定する工程と、
前記出力確率が分類のしきい値を上回っているか下回っているかに基づいて、前記患者の診断分類を同定する工程と、
前記診断分類に基づいて、前記患者を卵巣癌を有すると分類する工程と
を含む、方法。 - 検出された前記糖ペプチドを分析することが、機械学習アルゴリズムを使用することを含む、請求項67に記載の方法。
- QQQ及び/またはqTOF分光計を用いたMRM-MSを使用して前記生体試料の質量分析を実行して、配列番号4、5、9、11、12、22、24、28、32、33、34、35、36、37、38、53、61、65、69、78、82、99、104、114、115、126、128、136、146、147、150、154、177、184、185、190、194、204、216、224、239、254、257、及び259からなる群から選択されるアミノ酸配列から本質的になる1つまたは複数の糖ペプチドを検出及び定量する工程を含む、請求項67に記載の方法。
- 前記アミノ酸配列が、配列番号216及び224からなる群から選択される、請求項69に記載の方法。
- 配列番号1~262、及びそれらの組み合わせからなる群から選択されるアミノ酸配列からなる、糖ペプチド。
- 配列番号4、5、9、11、12、22、24、28、32、33、34、35、36、37、38、53、61、65、69、78、82、99、104、114、115、126、128、136、146、147、150、154、177、184、185、190、194、204、216、224、239、254、257、259、及びそれらの組み合わせからなる群から選択されるアミノ酸配列からなる、糖ペプチド。
- 前記アミノ酸配列が、配列番号216及び224からなる群から選択される、請求項72に記載の糖ペプチド。
- 配列番号1~262、及びそれらの組み合わせから本質的になる群から選択されるアミノ酸配列から本質的になる、糖ペプチド。
- 配列番号4、5、9、11、12、22、24、28、32、33、34、35、36、37、38、53、61、65、69、78、82、99、104、114、115、126、128、136、146、147、150、154、177、184、185、190、194、204、216、224、239、254、257、259、及びそれらの組み合わせから本質的になる群から選択されるアミノ酸配列から本質的になる、糖ペプチド。
- 前記アミノ酸配列が、配列番号216及び224からなる群から選択される、請求項75に記載の糖ペプチド。
- 糖ペプチド標準、緩衝液、及び配列番号1~262からなる群から選択されるアミノ酸配列から本質的になる1つまたは複数の糖ペプチドを含む、キット。
- 糖ペプチド標準、緩衝液、及び配列番号4、5、9、11、12、22、24、28、32、33、34、35、36、37、38、53、61、65、69、78、82、99、104、114、115、126、128、136、146、147、150、154、177、184、185、190、194、204、216、224、239、254、257、及び259からなる群から選択されるアミノ酸配列から本質的になる1つまたは複数の糖ペプチドを含む、キット。
- 前記アミノ酸配列が、配列番号216及び224からなる群から選択される、請求項78に記載のキット。
- MRM遷移を検出するためのニューラルネットワークを訓練するコンピュータ実装の方法であって、
配列番号1~262からなる群から選択されるアミノ酸配列から本質的になる1つまたは複数の糖ペプチドの質量分析スペクトルのセットを収集する工程と、
スペクトルにおけるピークの開始、停止、最大、またはそれらの組み合わせの少なくとも1つを特定することを含む、前記スペクトルに注釈を付けて、注釈付き質量分析スペクトルのセットを作成する工程と、
収集された前記質量分析スペクトルのセット、前記注釈付き質量分析スペクトルのセット、及び配列番号1~262からなる群から選択されるアミノ酸配列から本質的になる1つまたは複数の糖ペプチドの質量分析スペクトルの第2のセットを含む第1の訓練セットを作成する工程と、
前記第1の訓練セットを使用して、第1の段階で前記ニューラルネットワークを訓練する工程と、
前記第1の段階の訓練の後、前記第1の訓練セットと、配列番号1~262からなる群から選択されるアミノ酸配列から本質的になる1つまたは複数の糖ペプチドを含むものとして誤って検出される質量分析スペクトルとを含む、第2の段階の訓練のための第2の訓練セットを作成する工程と、
前記第2の訓練セットを使用して、第2の段階で前記ニューラルネットワークを訓練する工程と
を含む、方法。 - 前記1つまたは複数の糖ペプチドが、それぞれ、それぞれの場合に個別に、配列番号4、5、9、11、12、22、24、28、32、33、34、35、36、37、38、53、61、65、69、78、82、99、104、114、115、126、128、136、146、147、150、154、177、184、185、190、194、204、216、224、239、254、257、及び259からなる群から選択されるアミノ酸配列から本質的になる糖ペプチドである、請求項80に記載の方法。
- 前記アミノ酸配列が、配列番号216及び224からなる群から選択される、請求項81に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962800323P | 2019-02-01 | 2019-02-01 | |
US62/800,323 | 2019-02-01 | ||
PCT/US2020/016286 WO2020160515A1 (en) | 2019-02-01 | 2020-01-31 | Biomarkers for diagnosing ovarian cancer |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022524298A JP2022524298A (ja) | 2022-05-02 |
JPWO2020160515A5 true JPWO2020160515A5 (ja) | 2023-04-18 |
JP7493815B2 JP7493815B2 (ja) | 2024-06-03 |
Family
ID=69771064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021544898A Active JP7493815B2 (ja) | 2019-02-01 | 2020-01-31 | 卵巣癌を診断するためのバイオマーカー |
Country Status (12)
Country | Link |
---|---|
US (1) | US20220139499A1 (ja) |
EP (1) | EP3918334A1 (ja) |
JP (1) | JP7493815B2 (ja) |
KR (1) | KR20210124269A (ja) |
CN (1) | CN113439213A (ja) |
AU (1) | AU2020216996A1 (ja) |
BR (1) | BR112021014978A2 (ja) |
CA (1) | CA3128367A1 (ja) |
CL (1) | CL2021002013A1 (ja) |
IL (1) | IL285218A (ja) |
SG (1) | SG11202108327VA (ja) |
WO (1) | WO2020160515A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11592448B2 (en) * | 2017-06-14 | 2023-02-28 | Discerndx, Inc. | Tandem identification engine |
MY202410A (en) | 2017-09-01 | 2024-04-27 | Venn Biosciences Corp | Identification and use of glycopeptides as biomarkers for diagnosis and treatment monitoring |
KR20210145210A (ko) | 2019-03-29 | 2021-12-01 | 벤 바이오사이언시스 코포레이션 | 질량 분석 데이터의 경계 자동 검출 |
JP7380515B2 (ja) * | 2020-10-19 | 2023-11-15 | 株式会社島津製作所 | 質量分析を用いた試料分析方法及び試料分析システム |
AU2022234797A1 (en) * | 2021-03-08 | 2023-10-12 | Venn Biosciences Corporation | Biomarkers for determining an immuno-oncology response |
AU2022276734A1 (en) * | 2021-05-18 | 2024-01-04 | Venn Biosciences Corporation | Biomarkers for diagnosing ovarian cancer |
WO2023015215A1 (en) * | 2021-08-04 | 2023-02-09 | Venn Biosciences Corporation | Biomarkers for diagnosing colorectal cancer or advanced adenoma |
WO2023019093A2 (en) * | 2021-08-07 | 2023-02-16 | Venn Biosciences Corporation | Detection of peptide structures for diagnosing and treating sepsis and covid |
WO2023102443A2 (en) * | 2021-11-30 | 2023-06-08 | Venn Biosciences Corporation | Diagnosis of pancreatic cancer using targeted quantification of site-specific protein glycosylation |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1877796A2 (en) | 2005-05-05 | 2008-01-16 | Philadelphia Health & Education Corporation d/b/a | Diagnosis of liver pathology through assessment of protein glycosylation |
WO2009075883A2 (en) * | 2007-12-12 | 2009-06-18 | University Of Georgia Research Foundation, Inc. | Glycoprotein cancer biomarker |
JP2011521215A (ja) | 2008-05-14 | 2011-07-21 | エーテーハー チューリヒ | 前立腺癌の診断及び治療のためのバイオマーカー及び薬剤標的発見法、並びにそれを用いて決定されるバイオマーカーアッセイ |
JP2012517607A (ja) | 2009-02-20 | 2012-08-02 | オンコノム,インコーポレイテッド | 大腸癌の診断及び予後判定のための用具セット及び方法 |
US9588121B2 (en) | 2009-11-06 | 2017-03-07 | Go Therapeutics, Inc. | Method for early detection of cancer |
WO2015009907A1 (en) | 2013-07-17 | 2015-01-22 | The Johns Hopkins University | A multi-protein biomarker assay for brain injury detection and outcome |
MY202410A (en) | 2017-09-01 | 2024-04-27 | Venn Biosciences Corp | Identification and use of glycopeptides as biomarkers for diagnosis and treatment monitoring |
CN111479934A (zh) | 2017-10-18 | 2020-07-31 | 韦恩生物科技股份公司 | 用于诊断和治疗监测的生物学指标的鉴定和用途 |
-
2020
- 2020-01-31 AU AU2020216996A patent/AU2020216996A1/en active Pending
- 2020-01-31 BR BR112021014978A patent/BR112021014978A2/pt unknown
- 2020-01-31 SG SG11202108327VA patent/SG11202108327VA/en unknown
- 2020-01-31 CN CN202080012122.6A patent/CN113439213A/zh active Pending
- 2020-01-31 EP EP20709822.9A patent/EP3918334A1/en active Pending
- 2020-01-31 KR KR1020217025999A patent/KR20210124269A/ko not_active Application Discontinuation
- 2020-01-31 CA CA3128367A patent/CA3128367A1/en active Pending
- 2020-01-31 JP JP2021544898A patent/JP7493815B2/ja active Active
- 2020-01-31 WO PCT/US2020/016286 patent/WO2020160515A1/en active Application Filing
- 2020-01-31 US US17/433,971 patent/US20220139499A1/en active Pending
-
2021
- 2021-07-29 IL IL285218A patent/IL285218A/en unknown
- 2021-07-30 CL CL2021002013A patent/CL2021002013A1/es unknown
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11646185B2 (en) | System and method of data-dependent acquisition by mass spectrometry | |
US8987662B2 (en) | System and method for performing tandem mass spectrometry analysis | |
WO2003006973A1 (en) | System and method for differential protein expression and a diagnostic biomarker discovery system and method using same | |
JP2010256101A (ja) | 糖ペプチド構造解析方法及び装置 | |
JP2022524298A (ja) | 卵巣癌を診断するためのバイオマーカー | |
JPWO2020160515A5 (ja) | ||
CN115612738A (zh) | 生物标志物组合及其在预测胃癌治疗效果中的应用 | |
EP4229640A1 (en) | Method, system and computer program product for determining peptide immunogenicity | |
US11495323B2 (en) | Microbial classification of a biological sample by analysis of a mass spectrum | |
US7691643B2 (en) | Mass analysis method and mass analysis apparatus | |
Moshkovskii et al. | Acute phase serum amyloid A in ovarian cancer as an important component of proteome diagnostic profiling | |
WO2017047580A1 (ja) | ペプチド帰属方法及びペプチド帰属システム | |
Ressom et al. | Analysis of MALDI-TOF mass spectrometry data for detection of glycan biomarkers | |
CN115678995A (zh) | 生物标志物组合及其在预测药物治疗胃癌效果中的应用 | |
EP4226380A1 (en) | Systems and methods for rapid microbial identification | |
JP2023514809A (ja) | 卵巣癌を診断するためのバイオマーカー | |
WO2021183859A9 (en) | Biomarkers for clear cell renal cell carcinoma | |
JPWO2021155300A5 (ja) | ||
Seddik et al. | Ovarian cancer detection based on dimensionality reduction techniques and genetic algorithm | |
CN117079710B (zh) | 生物标志物及其在预测和/或诊断utuc肌肉浸润中的应用 | |
WO2002014872A2 (en) | Sequence data preparation method and apparatus | |
Raczynski et al. | Neural network-based method for peptide identification in proteomics | |
Handler et al. | A workflow for preprocessing and proteomic biomarker identification on mass-spectrometry data | |
CN117587128A (zh) | 生物标志物组合及其在预测和/或诊断结直肠癌中的应用 | |
CN117004729A (zh) | 生物标志物及其在预测和/或诊断utuc进展时间中的应用 |