JPWO2021216477A5 - - Google Patents

Claims (15)

1. 疾病分類のための縮小遺伝子パネルを生成する、コンピュータシステムによって実行される方法であって、
   ゲノム領域の第１セットに対するシークエンシングデータを取得することと、
   前記ゲノム領域の第１セットに対する前記シークエンシングデータから複数の特徴量を導出することと、
   前記複数の特徴量に基づいて疾病分類を予測する分類モデルを適用することであって、前記分類モデルは、前記ゲノム領域の第１セットに対応するモデル係数のセットを生成することと、
   前記モデル係数のセットに従って前記ゲノム領域の第１セットをランク付けすることと、
   前記ランク付けを使用して、前記疾病分類を最適化する、前記ゲノム領域の第１セットの第１サブセットを同定することと、
   前記ゲノム領域の第１サブセットを含む前記縮小遺伝子パネルを生成することと
   を含み、
   前記ゲノム領域の第１セットは、所定の特異度レベルにおける感度レベルを含む性能測定基準を最適化する、方法。
2. 前記シークエンシングデータは、複数の患者から取得された生体試料に存在するシークエンシングセルフリー核酸分子から取得される、及び／又は前記ゲノム領域の第１セットは、がん関連遺伝子、変異ホットスポット、およびウイルス領域の少なくとも１つを含む、請求項１の方法。
3. 前記ゲノム領域の第１セットは、高シグナルのがんまたは液状がんと関連しているゲノム領域を含む、及び／又は前記複数の特徴量は、前記ゲノム領域の第１セットにおける各ゲノム領域においてバリアントの最大アレル頻度を含む、請求項１又は２に記載の方法。
4. 前記複数の特徴量は、バリアントの有無、平均アレル頻度、小バリアントの総数、および真のバリアントのアレル頻度の少なくとも１つに対応する特徴を表す、及び／又は前記バリアントは、一塩基バリアント、挿入、および欠失の少なくとも１つを含む、請求項１～３のいずれか一項に記載の方法。
5. 前記分類モデルは、ロジスティック回帰モデルを含み、前記モデル係数のセットは、前記複数の特徴量により前記ロジスティック回帰モデルを訓練することにより取得された回帰係数を含む、請求項１～４のいずれか一項に記載の方法。
6. 前記ゲノム領域の第１サブセットを同定することは、
   最初の反復において、前記分類モデルを訓練し、第１ゲノム領域に対応する特徴量に基づいて疾病分類を予測することであって、前記第１ゲノム領域は、最も高くランク付けされたゲノム領域に対応することと、
   前記第１ゲノム領域に対して訓練された前記分類モデルの性能測定基準を判定することと、
   後続の反復において、残りのランク付けされたゲノム領域を取り込み、各追加的なゲノム領域が取り込まれた後に前記性能測定基準を評価することにより、前記分類モデルを再訓練することであって、各後続の反復は、
   欲張りアルゴリズムを適用し、残りのランク付けされたゲノム領域の内、次に高くランク付けされたゲノム領域を前記分類モデルに追加することと、
   前記追加された次に高くランク付けされたゲノム領域および先の反復で前もって追加されたゲノム領域と関連している特徴量を使用して前記分類モデルを再訓練することと、
   前記再訓練された分類モデルに対する性能測定基準を判定することと
   を含むことと、
   各反復に対して取得された前記性能測定基準を評価し、最適化された性能測定基準をもたらす前記ゲノム領域の第１サブセットを同定することと
   を含む、請求項１～５のいずれか一項に記載の方法。
7. 前記最適化された性能測定基準は、前記分類モデルにより得られた最大性能測定基準を含む、請求項６に記載の方法。
8. 前記疾病分類は、がんまたは非がんを予測するための二項分類およびがんの種類を予測するための多クラス分類の少なくとも１つを含む、及び／又は前記縮小遺伝子パネルにより取得された性能測定基準は、完全なゲノム領域の第１セットを含む完全な遺伝子パネルにより取得された性能測定基準と、実質的に同様である、請求項１～７のいずれか一項に記載の方法。
9. 前記ゲノム領域の第１セットは、高シグナルのがんと関連しているゲノム領域を含み、約２Ｍｂのセットサイズを有し、前記ゲノム領域の第１サブセットは、３００ｋｂ未満のサブセットサイズを有する、及び／又は前記縮小遺伝子パネルは、３００ｋｂを超えない総パネルサイズを有する、請求項１～８のいずれか一項に記載の方法。
10. 前記ゲノム領域の第１サブセットにより得られた前記疾病分類を更に改善するゲノム領域の第２サブセットを同定することと、
    前記ゲノム領域の第１サブセットと前記ゲノム領域の第２サブセットとを含む前記縮小遺伝子パネルを生成することと
    を更に含む、請求項１～９のいずれか一項に記載の方法。
11. ゲノム領域の第２セットに対するシークエンシングデータの第２セットを取得することと、
    患者ごとの体細胞変異の頻度およびコード領域の長さにより正規化された頻度の少なくとも１つにより前記ゲノム領域の第２セットをランク付けすることと、
    前記ランク付けされたゲノム領域の第２セットに基づいて前記ゲノム領域の第２サブセットを同定することと
    を更に含む、請求項１０に記載の方法。
12. 前記縮小遺伝子パネルにより得られた前記疾病分類を更に改善するゲノム領域の第３サブセットを同定することであって、前記ゲノム領域の第３サブセットは、疾病の種類の予測精度を最適化することと、
    前記縮小遺伝子パネルに前記ゲノム領域の第３サブセットを含むことと
    を更に含む、及び／又は前記ゲノム領域の第３セットは、さらに、がん特異的遺伝子および変異ホットスポットである、請求項１～１１のいずれか一項に記載の方法。
13. 追加的なホットスポット領域を前記縮小遺伝子パネルに追加することであって、前記ホットスポット領域は、一塩基バリアント、挿入、または欠失に対応することを更に含む、及び又は追加的なウイルス標的領域を前記縮小遺伝子パネルに追加することであって、前記ウイルス標的領域は、ウイルス関連がんに対応することを更に含む、請求項１～１２のいずれか一項に記載の方法。
14. プロセッサを含む電子デバイスにより実行されたときに前記デバイスに請求項１～１３のいずれか一項に記載の方法を実行させる指示を含む１つまたは複数のプログラムを保管する非一時的コンピュータ可読媒体。
15. １つまたは複数のプロセッサと、
    メモリと、
    前記メモリに保管され、前記１つまたは複数のプロセッサにより実行されるように構成され、請求項１～１３のいずれか一項に記載の方法を実行するための指示を含む、１つまたは複数のプログラムと
    を備える電子デバイス。