KR20010053030A - 유전자발현 프로파일을 이용하여 질병상태와 치료요법을모니터하는 방법 - Google Patents

유전자발현 프로파일을 이용하여 질병상태와 치료요법을모니터하는 방법 Download PDF

Info

Publication number
KR20010053030A
KR20010053030A KR1020007014448A KR20007014448A KR20010053030A KR 20010053030 A KR20010053030 A KR 20010053030A KR 1020007014448 A KR1020007014448 A KR 1020007014448A KR 20007014448 A KR20007014448 A KR 20007014448A KR 20010053030 A KR20010053030 A KR 20010053030A
Authority
KR
South Korea
Prior art keywords
profile
response
disease state
perturbation
level
Prior art date
Application number
KR1020007014448A
Other languages
English (en)
Inventor
스테펜에이치. 프렌드
롤란드 스토우그톤
Original Assignee
로제타 인파마틱스 인코포레이티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 로제타 인파마틱스 인코포레이티드 filed Critical 로제타 인파마틱스 인코포레이티드
Publication of KR20010053030A publication Critical patent/KR20010053030A/ko

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D1/00—Measuring arrangements giving results other than momentary value of variable, of general application
    • G01D1/16—Measuring arrangements giving results other than momentary value of variable, of general application giving a value which is a function of two or more values, e.g. product or ratio
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/156—Polymorphic or mutational markers
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers

Abstract

본 발명은 개체에서 질병을 모니터하는 방법 및 한 가지 이상의 질병을 가지는 개체에서 치료 효과 수준을 결정하는 방법을 제공하는 것이다. 이 방법은 (i) 개체에서 취한 세포에 있는 세포 성분의 양을 측정하여 진단 프로파일을 얻고; (ii) 한명 이상의 유사 개체에서 취한 세포에 있는 세포 성분의 양을 측정하여, 특정 질병 또는 치료에 관련된 섭동 프로파일을 얻고; (iii) 일부 목적이 되는 측정에 따라, 진단 프로파일이 가장 잘 맞는 내삽된 섭동 응답 프로파일을 결정하는 것으로 구성된다. 또 다른 구체예에서, 본 발명은 본 발명의 방법을 실행할 수 있는 컴퓨터 시스템, 한 가지 질병 또는 치료에 대한 섭동 응답 프로파일로 구성된 데이터 베이스, 본 발명의 방법에 따른 질병 상태 및 치료 효과를 결정하는 키트를 제공한다.

Description

유전자발현 프로파일을 이용하여 질병상태와 치료요법을 모니터하는 방법{METHODS OF MONITORING DISEASE STATES AND THERAPIES USING GENE EXPRESSION PROFILES}
2. 배경
지난 10년간, 임의 시기에서 세포내에 상당수의 전사체의 발현 수준을 모니터하는 것이 가능하도록 몇 가지 기술이 개발되었다(Schena et al., 1995, Quantitative monitoring of gene espression patterns with a complementary DNA micro-array, Science 270:467-470; Lockhort et al., 1996, Expression monitoring by hybridization to high-density oligonucleotide arrays, Nature Biotechnology 14:1675-1680; Blanchard et al., 1996, Sequence to array: Probing the genome's secrets, Nature Biotechnology 14, 1649; 1996, U.S. Patent 5,569,588, issued October 29, 1996 to Ashby et al. entitled "Methods for Drug Screening"). 완전한 게놈이 공지된 유기체의 경우에, 세포내에 모든 유전자의 전사체를 분석하는 것이 가능하다. 게놈에 대한 지식이 증가되고 있는 사람과 같은 다른 유기체로, 세포내에서 상당수의 유전자를 동시에 모니터하는 것이 가능하다.
전사체 배열 기술의 조기 적용에는 다양한 질병 상태에서 상향 또는 하향조절되는 유전자의 동정이 포함된다. 전사체 배열의 다른 용도에는 신호 경로 구성원의 분석과 다양한 약물에 대한 표적의 확인이 포함된다. 하지만, 전사체 배열이 질병상태의 수준 또는 이의 치료요법의 효과를 모니터하는데 효과적이라는 것은 인식하지 못했다. 특히, 질병상태 또는 치료요법은 전사체 배열을 이용하여, 질병상태 또는 치료요법의 섭동에 기인한 단백질 활성의 작은 초기 변화에 따른 보상적 변화를 검출하여 모니터할 수 있다는 것을 인식하지 못했다.
하지만, 질병 상태 또는 이에 대한 치료요법(예, 약물요법)의 작용에 의한 생물경로상의 예비적인 변화의 확인은 상업적으로 인간적으로 매우 중요하다. 효과적인 임상 실험을 실시하고, 환자의 건강을 적절히 관리하기 위하여 필요한 결정의 대부분은 체내 세포에서 변화를 모니터하는 분석에 기초하게 된다. 가령, 임상의가 장기, 예를 들면, 신장, 간 또는 심장 기능의 변화를 측정하기 위하여 환자를 추적하는 경우, 다양한 질병 과정과 연관된 세포내 변화와 같은 단서를 제공할 수 있는 효소기능의 변화를 모니터하게 된다.
따라서, 치료요법적으로 정확하게 중재하는 능력은 환자가 질병 또는 치료요법에 영향을 받아 생리적으로 변화되었는지를 감수성있게 모니터하는 능력에 달려 있다. 이런 필요의 일부는 이후의 특정 단백질 활성 수준과 연관한다. 가령, 알파-펙토단백질(AFP) 또는 알칼린 포스파타제(ALP)의 수준은 통상적으로, 간 손상을 모니터하기 위하여 사용한다(Izumi, R. et al., 1992, journal od Surgical Oncology 49:151-155). 면역억제제 사이클로스포린 A와 미코팔로트 모페틸의 작용은 각각 표적 효소 칼시뉴린과 이노신 모토포스파타제에 대한 활성 분석을 이용하여 모니터하였다(Yatscoff, R.W. et al., 1996, Transplantation Proceedings 28:3013-3015). 다른 예는 응혈 경로가 손상된 환자에서 단백질 기능을 모니터하는 것이다.
따라서, 단백질 기능을 모니터함으로써 개체의 변화를 모니터하는 것은 당분야에 공지된 것으로, 이런 기술은 동물 실험에서 약물 효과의 검출 및 사람에서 약물과 질병 효과의 검출에 광범위하게 사용하고 있다. 하지만, 질병 상태 또는 치료요법의 수준과 관련되고, 실제적인 단백질 기능 또는 활성의 검출가능한 변화에 선행하는 세포의 조기 변화를 모니터할 수 있는 능력은 특히 유익하다. 이런 기술을 이용하면, 질병 상태의 수준의 조기 진단, 예방 또는 측정이 가능하다. 특히, 이런 기술을 이용하면, 질병상태의 증상이 관찰되기 이전에 개체의 질병 상태의 수준(예, 질병 진행의 상태 또는 수준)을 측정할 수 있다. 빠르면 빠를수록, 좀더 효과적인 치료요법적 중재가 가능하다. 치료요법에 기인한 이런 세포의 조기 변화를 모니터할 수 있는 능력 또한, 상당히 유용한데, 그 이유는 치료요법적 섭생을 최대한 효율적으로 모니터하고 변형할 수 있기 때문이다.
이 글에서 참고문헌을 언급한 것은 이런 참고문헌이 본 발명의 선행기술이라는 것을 인정하는 것으로 받아들여서는 안된다.
3. 본 발명의 요약
본 발명은 개체에서 질병 또는 질병상태를 모니터하는 방법을 제공한다. 본 발명의 방법은 개체의 세포에서 RNA 또는 단백질 양이나 활성을 비교하여 구한 "진단 프로파일" 및 유사한 개체의 세포에서 다양한 질병 수준, 즉, 모니터하는 질병 또는 질병상태의 다양한 진행 수준에서 RNA 또는 단백질 양이나 활성을 비교하여 구한 "내삽된 섭동 반응 프로파일"을 비교하는 것이다.
본 발명은 또한, 개체에 대한 치료요법의 효능 또는 반응을 모니터하는 방법을 제공한다. 이 방법은 특정 치료요법을 받고 있는 개체의 세포에서 RNA 또는 단백질 양이나 활성을 비교하여 구한 진단 프로파일 및 유사한 개체의 세포에서 공지된 수준의 치료요법적 효능 또는 반응에 따른 RNA 또는 단백질 양이나 활성을 비교하여 구한 내삽된 섭동 반응 프로파일을 비교하는 것이다.
본 발명은 또한, 상기 방법에 따른 질병상태 또는 치료요법적 효능의 수준을 분석하기 위한 컴퓨터 장치를 제공하는 것이다.
본 발명의 방법은 적어도 부분적으로, 질병 상태 또는 치료요법에 따른 세포의 다양한 구성성분에 대한 섭동, 예를 들면, 단백질 기능 또는 활성에 대한 섭동이 다른 유전자의 전사와 활성에 특이적인 변화를 유발하고, 이런 변화는 특정 질병상태 또는 치료요법의 진행과 연관된 특정 변형의 "신호"를 한정하는데 사용할 수 있다는 발견에 기초한다. 비록 질병 상태와 연관된 단백질의 기능 또는 활성 수준에서 실제적인 파괴가 없는 경우에도 동일하다. 따라서, 본 발명의 방법은 단백질 기능을 모니터하는 것과는 상이하고, 독립적이다. 또한, 본 발명의 방법은 여러 질병 또는 치료요법을 동시에 모니터하는데 사용할 수 있다.
좀더 상세하게 설명하자면, 본 발명은 개체에서 하나 또는 복수의 질병상태의 수준을 측정 또는 모니터하는 방법을 제공하는데, 상기 방법은 (i) 질병상태를 보유한 것으로 의심되는 개체로부터 세포내 세포구성성분의 양을 측정하여 진단 프로파일을 얻고; (ii) 먼저 복수수준의 각 질병상태에서 유사한 개체의 세포에서 발생하는 세포구성의 양을 측정하여 응답 프로파일을 얻고, 둘째로 이렇게 수득된 응답 프로파일을 내삽시켜, 모니터할 각 질병상태에 대하여 내삽된 섭동 반응 프로파일을 만들고; (iii) 어느 정도 객관적인 수치에 따라, 각 질병상태에 대하여 내삽된 섭동 반응 프로파일을 측정하는데, 여기서, 각 질병상태에 대한 유사성은 진단 프로파일 및 측정된 내삽 반응 프로파일의 조합사이에서 가장 크게 나타난다.
본 발명은 또한, 개체에서 하나 또는 복수의 치료요법의 효과를 측정 또는 모니터하는 방법을 제공하는데, 상기 방법은 (i) 하나 또는 복수의 치료요법을 실시중인 개체로부터 세포내 세포구성성분의 양을 측정하여 진단 프로파일을 얻고; (ii) 먼저 복수수준의 각 치료요법 효과에서 유사한 개체의 세포에서 발생하는 세포구성의 양을 측정하여 응답 프로파일을 얻고, 둘째로 이렇게 수득된 응답 프로파일을 내삽시켜, 모니터할 각 치료요법에 대하여 내삽된 섭동 반응 프로파일을 만들고; (iii) 어느 정도 객관적인 수치에 따라, 각 치료요법에 대하여 내삽된 섭동 반응 프로파일을 측정하는데, 여기서, 각 치료요법에 대한 유사성은 진단 프로파일 및 측정된 내삽 반응 프로파일의 조합사이에서 가장 크게 나타난다. 따라서, 특정 치료요법의 효과는 상기 치료요법에 대하여 측정된 내삽 응답 프로파일과 연관된 효과의 수준으로 표시한다. 상기 구체예의 다양한 측면에서, 본 발명의 방법은 치료요법의 유익한 효과 또는 부작용을 모니터하는데 사용할 수 있다. 가령, 본 방법은 치료약물(예, 하나 또는 복수의 약물 또는 화학요법)의 독성효과를 모니터하는데 사용할 수 있다.
본 발명은 또한, 하나 또는 복수 질병상태의 수준, 또는 개체에 대한 하나 또는 복수 치료요법의 효과를 분석하기 위한 컴퓨터 장치를 제공한다. 컴퓨터 장치는 프로세서 및 상기 프로세서에 연결되고 하나 또는 복수의 프로그램을 인코드하는 메모리로 구성된다. 메모리에 인코드된 프로그램은 프로세서가 상기 방법의 단계를 실생하도록 하는데, 여기서, 진단 프로파일과 섭동 응답 프로파일은 컴퓨터 장치에 의해 입력으로 받아들여진다.
다른 구체예에서, 본 발명은 또한, 질병상태 수준 또는 치료요법의 효과수준을 측정하기 위한 키트를 제공한다. 또 다른 구체예에서, 본 발명은 상기 구체예에서 사용할 수 있는 하나 또는 복수의 질환 또는 치료요법에 대한 반응 프로파일 데이터(즉, 반응 프로파일)로 구성된 데이터베이스를 제공한다.
상기 구체예의 다양한 측면에서, 진단 프로파일은 유전자 발현, 단백질 양, 단백질 활성 또는 이런 수치의 조합을 측정하여 결정할 수 있다. 상기 구체예의 적절한 구체예에서, 각 질병상태 또는 치료요법에 대하여 측정된 내삽 반응 프로파일은 진단 프로파일 및 평가할 모든 질병 상태 또는 치료요법에 대하여 측정된 내삽 반응 프로파일의 목적함수를 최소화시키는 내삽 반응 프로파일이다.
본 출원은 35 U.S.C. §119(e)하에서 1998년 5월8일자 출원된 60/084,742 출원 및 1998년 6월19일자 출원된 60/090,046을 우선권으로 주장하고, 두 문헌을 참고로 첨부한다.
1. 발명의 분야
본 발명은 질병 상태의 진행 또는 개체, 특히 사람에서 치료요법적 섭생의 효능을 측정 또는 모니터하는 방법에 관한다. 특히, 본 발명은 단백질 기능 또는 활성의 변화가 일어나기 전에, 질병 상태 또는 치료요법을 모니터하는 방법에 관한다.
도 1은 이스트(Saccharomyces cerevisiae)에서 SUN2 유전자의 두 복사체(이배체)중 하나를 결손시킬 경우에 발현 응답을 예시적으로 설명하는 것으로, 야생형 균주의 발현 수준에 대해 결손 돌연변이에체에서 mRNA 발현 수준의 log10비율을 수직 축에 플롯팅하고, 이에 대해 수평축에는 다량의 분자 전사체에 대략적으로 비례하는 하이브리드 반응 강도를 나타내었다; 5회 반복 실험에서 지속적으로 mRNA 발현이 증가된 또는 감소된 유전자를 라벨시키고, 에러 막대로 표시를 하는데 이는 5회 반복 측정의 표준 편차를 나타낸다.
도 2는 메토트렉세이트 약물에 노출되어 최대 발현 비율 변화를 가지는 약 6000개 평가된 이스트 유전자중 30개 이스트 유전자의 응답 곡선을 나타내는 것으로; 메토트렉세이트 노출 수준은 3, 6, 25, 50, 100, 200μM 이고, 100μM 역가에서 50% 생장 저해가 일어났고, 응답은 횡좌표 -0.5에서 응답을 0으로 설정하였다.
도 3은 도 2에서 설명하는 유전자 YOL031C의 응답을 Hill 함수에 적용시킨 것을 설명하고 있다.
도 4는 본 발명의 컴퓨터 시스템의 구체예를 설명하고 있다.
5. 상세한 설명
이 단락에서는 본 발명의 상세한 설명과 이의 응용부분을 설명하는 것이다. 설명은 본 발명의 일반적인 방법을 상세하고 특정하게 설명하기 위해 몇 가지 실시예를 들어서 설명한다. 이와 같은 실시예에 한정하는 것은 아니고, 당분야의 당업자에게 명백한 관련 변수도 본 발명에 포함된다. 다음의 실시예는 일반적인 방법을 포함하는 자료 수집 단계의 구체예를 설명하는 것이다.
5.1. 개요
본 발명에는 하나 또는 복수 질병상태의 수준, 또는 개체에 대한 하나 또는 복수 치료요법의 효능을 모니터하는 방법이 포함된다. 적당한 개체에는 세포, 특히, 진핵 세포, 좀더 바람직하게는 생물 또는 동물, 특히, 포유동물이 포함된다. 특히, 사람에서 유사한 질병 또는 치료요법에 대한 모델로서 기능하는 실험동물(예, 생쥐)에서 질병상태 또는 치료요법을 모니터하는 것이 바람직하다. 대안으로, 본 발명의 방법은 수의학 목적, 예를 들면, 개, 고양이, 맑, 암탉등과 같은 동물에서 질병상태 또는 치료요법을 모니터하는데 사용할 수 있다. 적절한 구체예에서, 본 발명의 개체는 사람 환자다.
상기 방법에는 세포의 생리상태 수치를 비교하는 것이 포함되는데, 여기서, 질병상태의 수준 또는 이의 치료요법의 효능은 공지된 수준의 질병상태 또는 공지된 수준의 치료요법적 효능에 따른 세포의 생리상태 변화를 측정하여 결정한다.
본 단락은 먼저, 생리상태와 질병상태의 개념을 비롯한 특정 개념을 제공한다. 다음으로, 본 발명 방법의 체계적이고 무제한적 개요를 제공한다. 이후의 단락은 좀더 상세하게 본 발명의 방법을 제공한다.
본 공개공보는 단순화를 위해 단일 세포를 참고로 하지만, 당업자가 인지하는 바와 같이 본 발명의 임의 특정 단계는 배양된 세포주로부터 얻은 복수의 유전적으로 유사한 세포를 이용하여 실시한다. 이런 유사한 세포는 이후 "세포형"으로 칭한다. 이런 세포는 자연적인 단세포 생물 또는 다세포 고등 생물(예, 사라 세포주)로부터 유래한다.
특히, 단락 5.1은 본 발명의 특정 예비 개념을 설명한다. 단락 5.2는 본 발명 방법을 전반적으로 설명한다. 단락 5.3은 본 발명의 방법의 적절한 분석적 구체예를 설명한다. 단락 5.4는 세포구성성분을 측정하는 방법을 설명한다.
생물학적 상태
본 발명의 방법에는 세포의 생물학적 상태를 측정하고 관찰하는 방법이 포함된다. 이 글에서, 세포의 생물학적 상태는 세포 성분의 집합 상태의 평균을 나타내는 것으로 약물의 효과를 특징짓기 위한 것과 같은 의도된 목적에 대해 세포를 특징화시킬 수 있는 것을 말한다. 이와 같은 성분의 상태에서 이루어진 측정 또는 관찰은 이들의 양(즉, 세포에서의 양 또는 농도) 또는 이들의 활성 또는 이들의 변형 상태(즉, 포스포릴화반응) 또는 약물 작용의 특징과 관련된 다른 측정이 될 수 있다. 다양한 구체예에서, 본 발명에는 세포 성분을 다양하게 수집하여 이와 같은 측정 또는 관찰한다. 이와 같은 다르게 수집된 세포 성분을 여기에서 세포의 생물학적 상태의 측면이라고 한다.
본 발명에서 유익하게 측정된 세포의 생물학적 상태의 한 측면은 이의 전사 상태가 된다. 세포의 전사 상태에는 주어진 환경에서 세포에 구성 RNA 종 특히, mRNA 종의 확인 및 그 양을 측정하는 것이 포함된다. 적절하게는, 세포에서 모든 구성 RNA종의 실제 분취량을 측정하나 적어도 관심이 되는 약물의 작용을 특징지을 수 있을 정도의 충분한 분취량이 측정되어야 한다. 전사 상태는 본 발명에서 측정되는 생물학적 상태의 바람직한 상태가 된다. 통상적으로 몇 가지 기존의 유전자 발현 기술중 하나를 이용하여 cDNA 양을 측정하여 결정할 수 있다.
본 발명에서 유익하게 측정되는 세포의 생물학적 상태의 또 다른 측면이 이의 해독 상태이다. 세포의 해독 상태에는 주어진 조건하에서 세포에 있는 구성 단백질 종의 확인 및 그 양을 측정하는 것이 포함된다. 바람직하게는, 세포에 있는 모든 구성 단백질 종의 실제 분취량을 측정하여 관심이 되는 약물의 작용을 특징짓는다. 당분야에 공지된 바와 같이, 전사 상태가 해독 상태를 종종 대리할 수 있다.
세포의 생물학적 상태의 다른 측면이 본 발명에 이용될 수도 있다. 예를 들면, 여기에서 정의된 바와 같이 세포의 활성 상태에는 주어진 조건하에서 세포에 있는 구성 단백질 종(그리고 선택적으로는 촉매 활성을 가지는 핵산 종)의 활성이 포함된다. 당분야에 공지된 바와 같이, 해독 상태는 활성 상태를 대리할 수 대리할 수 있다.
본 발명은 또한, 세포의 여러 가지 다른 생물학적 상태 측정이 복합된 세포의 "혼합"된 생물학적 상태에 적용할 수 있다. 예를 들면, 한 가지 혼합된 측면에서, 특정 RNA 종의 양과 특정 단백질 종의 양은 특정 다른 단백질 종의 활성 측정과 복합될 수 있다. 또한, 본 발명이 측정할 수 있는 세포의 다른 생물학적 상태에 적용할 수 있다는 것을 인지할 수 있을 것이다.
활성 수준에서의 섭동은 본 발명의 특정 구체예에서, 측정되거나 관찰된 세포의 어떠한 생물학적 상태의 많은 구성성분에 영향을 줄 수 있을 것이다. 특히, 세포에 존재하는 것으로 공지된 조절, 지혈성, 상보 네트워크 및 시스템으로 인하여, 다른 성분에는 직접적인 영향을 주지 않고 세포에 있는 한 가지 성분에만 직접적으로 차단하더라도 이는 복잡하고 때론 예측하지 목하는 간접적인 영향을 가질 것이다.
여기에서는 예시적으로 단일의 가상 단백질, 단백질 P의 저해에 대해 고려하였다. 비록 단백질 P만의 활성이 직접적으로 차단되어도, 단백질 P에 의해 저해되거나 자극되는 추가 세포 성분 또는 단백질 P 활성의 손실을 보상하기 위해 증가되거나 감소되는 세포 성분이 또한 영향을 받게 될 것이다. 또한 제 2 단 성분의 수준 또는 활성의 변화로 다른 세포 성분이 영향을 받게 될 것이다. 다른 세포 성분에서 이와 같은 변화를 이용하여, 주어진 세포 성분의 차단과 관련된 특정 세포 성분의 변화 "신호"를 규정지을 수 있다.
본 발명의 세포의 전사 상태를 측정하는 것이 바람직한데 그 이유는 측정이 상대적으로 용이하고, 관심이 가는 단백질이 직접적으로 전사를 조절하지는 않지만, 세포에서 단백질의 활성이 차단되는 경우에는 전사 상태에 직접 또는 간접적으로 측정가능한 변화를 야기하기 때문이다. 단백질의 활성 수준의 차단이 세포의 전사 상태를 변화시키는 이유는 감염, 유전적인 변화, 환경적인 변화, 약물 투여 등에 보상 방식으로 작용하는 앞에서 언급한 피이드백 시스템 또는 네트워크가 유전자 발현 또는 전사 패턴을 변화시킴으로써 주로 일어나기 때문이다. 시스템의 외부 거동에는 아무런 묵시적인 변화를 가지지만, 내부적인 보상결과로, 생물계에 많은 섭동은 세포에서 유전자 발현과 같은 개별 성분의 내부 응답에 상당한 영향을 줄 것이다.
질병 상태:
본 발명에 따른 질병 상태는 세포의 임의 비정상적 상태를 의미한다. 따라서, 질병상태의 존재는 세포의 생물학적 상태를 측정하기 위하여 사용된 생물 구성성분을 동일하게 수집하여 확인할 수 있다. 일반적으로, 질병상태는 생물계에 치명적이다.
질병상태는 특히, 환경적인 병원균, 예를 들면, 바이러스 감염(예, AIDS, B형 간염, C형 간염, 인플루엔자, 홍역등), 박테이라 감염, 기생충 감염, 진균 감염 또는 다른 미생물에 의한 감염의 결과일 수 있다. 질병상태는 일부 다른 환경인자, 예를 들면, 화학독소 또는 화학적 발암물질의 결과일 수 있다. 이 글에서, 질병상태에는 또한, 하나 또는 복수의 유전자 사본이 변형 또는 파괴되어 생물학적 기능에 악영향을 주는 유전질환이 포함된다. 유전질환의 예로는 다낭포 신장 질환, 가족성 다중 내분비 I형 신종양형성, 신경섬유종증, Tay-Sachs병, 헌팅턴병, 겸상적혈구 세포 빈혈, 지중해 빈혈, 다운 증후군등을 들 수 있지만, 이들에 국한시키지 않는다(The Metabolic and Molecular Bases of Inherited Diseases, 7th ed., McGraw-hill Inc., New York).
다른 질병의 예로는 암, 고혈압, 알츠하이머병, 신경퇴화성 질환, 신경정신병(예, 쌍극성 정서 질환 또는 편집성 정신분열 질환)이 포함되지만, 이들에 국한시키지 않는다. 암의 예로는 하기 표1에 제시한 것들이 포함되지만, 이들에 국한시키지 않는다. 특정 구체예에서, 본 발명에 따라 수준 또는 진행을 측정하는, 또는 치료요법에서 모니터하는 질환은 유전질환이다. 따라서, 특정 구체예에서, 질환은 유전자 돌연변이, 예를 들면, 전좌, 결실 또는 점돌연변이(예, 필라델피아 크로모좀)와 연관된 암이다.
표 1
악성암 및 관련 질환
백혈병
급성 백혈병
급성 림프구성 백혈병
급성 골수성 백혈병
골수아구성
전골수성
골수성단구
단구성
적백혈병
만성 백혈병
만성 골수성 백혈병
만성 림프구성 백혈병
진성 적혈구 증가증
림프종
홉킨스병
비-홉킨스병
다발성 골수종
발렌스트룀의 매크로글로불린 혈증
H 사슬 질병
고형암
육종 및 암(종)
섬유육종
점액육종
지방육종
연골육종
골육종
척(수)삭종
맥관 육종
내피 육종
림프관 육종
림프관내피 육종
활악종
중피종
유잉종양
평활 근육종
결장암(종)
췌장암
유방암
난소암
전립선암
편평 세포암(종)
기저 세포암(종)
선암(종)
한선 육종
피(지)선 육종
유두상암(종)
유두상 선암(종)
낭종암(종)
수양암(종)
기관지 암(종)
직장세포 암종
간(세포)암
담관암(종)
융모암(종)
정상피종
태생암(종)
윌름 종양
경부암
자궁암
고환종양
폐암(종)
소세포폐암(종)
방광암(종)
상피암(종)
신경교종
신경(교) 세포종
수아세포종
두 개 인두(관)종
상의 세포종
송과체종
현관아(세포)종
청신경초종
희＜핍＞돌기 교종
수막종
흑색종
신경아세포종
망막아세포종
실제로, 본 발명의 측면에 따라 질병 또는 질환과 관련된 임의의 생물학적 상태는 질병상태로 간주한다. 본 발명에서, 질병 또는 질병상태의 "수준"은 질병 또는 질병상태의 진행 또는 상태를 반영하는 임의 수치다. 일반적으로, 질병 또는 질병 상태는 복수의 수준 또는 단계를 통하여 진행하게 되는데, 여기서 질병의 피해는 상당히 심각해진다.
따라서, 이 글에서 치료요법 또는 치료요법적 섭생은 질병의 증상을 감소 또는 제거하기 위한 치료섭생을 의미한다. 치료요법적 섭생은 일반적으로, 하나 또는 복수 약물의 처방량으로 구성된다.
이상적으로, 치료요법의 효과는 질병상태의 수준을 감소시킨다는 점에서 생물계에 효과적이다. 하지만, 다수의 경우에 치료요법의 효과는 생물계에 부작용을 유발하게 된다. 가령, 약물 섭생 또는 화학요법과 같은 다수의 치료요법이 유독한 부작용을 유발한다. 이런 경우에, 부작용을 모니터하여, 부작용이 심각해지기 전에 분량을 감소시키거나 또는 치료요법을 종결함으로써 치료요법을 조정하는 것이 중요하다.
일반적으로, 질병 또는 질병상태는 생물계의 구성성분에 대하여 특정 효과를 유발한다, 다시 말하면, "섭동한다". 따라서, 이들 효과는 질병 상태의 수준과 연관시킬 수 있다. 특히, 낮은 수준의 섭동으로 구성되는 적어도 낮은 수준의 질병 상태에서, 개개의 질병은 특정 질병 또는 질병 상태와 독립적으로 연관시킬 수 있는 상이한 독립적인 섭동을 통하여 이런 효과를 매개하게 된다. 유사하게, 치료요법에 사용할 수 있는 약물 또는 다른 작용제는 각각, 특정 치료요법의 효능 수준과 연관시킬 수 있는 생물계의 상태에 독특한 섭동을 유발시킨다.
다른 구체예에서, 본 발명의 방법은 질병 상태의 존재를 진단 또는 선별하는데 사용할 수 있다.
5.2. 발현 프로파일로부터 질병 상태와 치료요법 모니터링
본 단락은 먼저, 본 발명의 방법의 개요를 제시하고, 둘째로 이들 방법의 원리를 예를 들어 자세히 설명한다.
본 발명 방법의 개관
본 발명의 방법은 개체의 하나 또는 복수 질병 상태의 수준(예, 단계 또는 진행)을 측정하고, 좀더 구체적으로는 하나 또는 복수의 질병상태와 연관된 개체의 생리상태의 변화를 검출하는 것에 관한다. 본 발명의 방법은 또한, 하나 또는 복수의 치료요법을 받고 있는 개체의 질병상태를 모니터하는데 적용할 수 있다. 따라서, 본 발명은 개체에 대한 치료요법의 효능을 측정 또는 모니터하는(즉, 치료요법적 효과의 수준을 측정하는) 방법을 제공한다. 특정 구체예에서, 본 발명의 방법은 임상 실험에서 성공과 실패에 대한 조기 대용 마크로서, 임상 실험에서 치료요법적 효능을 평가하는데 사용할 수 있다.
이 글에서 "발현 프로파일"은 세포의 생물학적 상태를 나타내는 복수의 세포 구성성분에 대한 측정치로 구성된다. 이런 측정치에는 RNA 또는 단백질의 양이나 활성 수준이 포함된다.
개체 세포의 생물학적 상태, 예를 들면, 전사상태, 번역상태 또는 활성 상태는 단락 5.4에 제시한 방식으로 측정한다. 이들 측정치 집합(선태적으로 그래프로 표시)은 "진단 프로파일"이라 칭한다. 진단 프로파일에서 측정된 상태와 유사한 생물학적 상태, 예를 들면, 전사상태는 공지된 연관 질병상태, 또는 치료요법적 효능을 모니터하는 경우 치료요법의 공지된 연관 효과에 대한 반응에 따라 유사한 개체에서 측정한다. 이들 측정치의 집합(선택적으로 그래프로 표시)은 "응답 프로파일" 또는 "섭동 응답 프로파일"이라 칭한다. 이 응답 프로파일은 내삽하여, 측정된 단백질 활성 범위내에서 모든 단백질 활성에 대한 응답 프로파일을 예측한다. 치료요법적 효능을 모니터하는 경우, 응답 프로파일은 유익한 효과, 반대 효과(독성효과), 또는 이들 두 효과와 연관한다.
좀더 일반적으로는, 본 발명의 방법으로 개별 개체; 가령, 특정 질병과 관련된 몇 가지 유전자 돌연변이를 보유한 개체 또는 몇 가지 치료요법 섭생을 동시에 받은 개체(예, 상이한 효과를 보이는 몇 가지 약물을 섭취한 환자)에서 복수의 질병 상태 또는 치료요법을 모니터할 수 있다. 따라서, 응답 프로파일은 각 질병 또는 치료요법에 대하여 개별적으로 얻는다.
진단 프로파일상의 세포 구성성분은 내삽된 섭동 응답 프로파일상의 세포 구성성분과 비교하여, 질병상태의 수준 또는 치료요법의 효과를 찾는데, 여기서, 섭동 프로파일은 진단 프로파일과 거의 일치한다. 복수의 질병 상태 또는 치료요법을 모니터하는 경우, 진단 프로파일은 각 질병 또는 치료요법에 대하여 개별 섭동 반응 프로파일의 일부 조합과 비교한다. 실제적으로 거의 모든 진단 프로파일이 반응 프로파일과 일치하는데, 응답 곡선상에서 변화되는 대부분의 세포 구성성분은 두 프로파일에서 실제적으로 동일한 수치를 보유한다. 바람직하게는 응답 곡선에서 변화되는 세포구성성분의 75%이상이 일치하고, 좀더 바람직하게는 90%이상이 일치한다. 세포 구성성분은 두 프로파일에서 실제적으로 동일한 수치를 보유하는데, 여기서, 두 데이터 세트는 실험오차 측면에서 동일할 가능성이 높다.
적절한 구체예에서, 진단 프로파일과 응답 곡선의 비교는 측정된 진단 프로파일 및 일부 섭동 수준, 예를 들면, 일부 질병 수준 또는 치료요법적 효능에 대하여 측정된 섭동 응답 프로파일사이의 객관적인 수치 차이가 최소화되는 방법으로 실시한다. 객관적인 수치는 차이를 최소화하는 섭동 수치에서 섭동 곡선으로부터 섭동 반응 프로파일을 끌어냄으로써 최소화시킨다.
객관적인 수치의 최소화는 표준 수치해석법에 의해 수행될 수 있다(Press et al., 1996, Numerical Recipes in C, 2nd Ed. Cambridge Univ. Press, Ch. 10.; Branch et al., 1996, Matlab Optimization Toolbox User's Guide, Mathworks (Natick, MA).).
본 발명 방법의 실례
도 1과 2의 측면에서 본 발명의 몇 가지 방법을 전반적으로 설명하는 다음의 단락은 실시예로 제시하지만, 이들 실시예는 본 발명을 제한하지 않는다. 진핵세포내에는 상호연결된 수백 내지 수천개의 신호 경로가 존재한다. 이로 인해, 세포내에서 단백질 기능의 섭동은 다른 단백질 및 일차, 이차 및 삼차경로에 의해 연결된 다른 유전자의 전사에 여러 가지 영향을 준다. 다양한 단백질 기능의 광대한 상호연결은 한 단백질의 변경이 무수한 다른 단백질을 상호적으로 변화시킬 수 있다는 것을 의미한다. 특히, 약물 노출에 의해 또는 유전자 사본 수를 조절하는 질병 상태에 의해 세포내 단일 단백질이 부분적으로 파괴되면, 다른 유전자의 전사에 특징적인 상보성 변화가 야기되는데, 이때 전사체상의 이들 변화는 단백질 활성의 변화를 감지할 수 없는 단계에서 기능의 파괴와 관련된 특정 전사체 변형의 "신호", 다시 말하면, 특정 질병 상태 또는 치료요법을 한정하는데 사용할 수 있다.
도 1은 맥주 효모균(Saccharomyces cerevisiae)의 결실 돌연변이체에서 측정된 진단 프로파일을 보여주는데, 여기서 SUN2 유전자의 두 개의 복제물중 한 개는 무능화된다. 이 도면은 효모균 게놈에서 mRNA 발현 수준이 약 6000개 유전자라는 것을 나타낸다. 특히, 야생형 균주의 발현수준에 대한 결실 돌연변이체의 mRNA 발현수준의 비율에 대한 상용로그는 교잡세기와 비교하여 수직축상에 도시하고, 상기 교잡세기는 분자량에 대략 비례하며 수평축상에 도시한다. 이러한 유전자 발현 수준 측정은 단락 5.4에 기술한 유전자 전사체 배열로 실시한다. 반복 실험에서 지속적으로 상향 또는 하향 조절되는 유전자는 에러막대로 표지한다. 이들 에러막대는 5개의 미소배열로부터 수득된 각 유전자 전사체에 대하여 5회 반복 측정된 표준편차를 나타낸다.
SUN2 유전자 생성물은 전사 인자가 아닌 것으로 알려져 않지만, 이질접합 결실에 대한 응답으로 2개중 한가지이상의 인자에 의해 상향 또는 하향 조절되는 15개의 유전자가 있다. 하기 표 2는 발현이 2개중 한가지이상의 인자에 의해 변화된 유전자에 대하여 mRNA 발현이 변하는 인자의 상용로그를 보여준다.
표 2
ORF Log10(R/G) +/- StdDev R/G
YGR065C -0.31 0.23 0.48
YKR099W -0.32 0.27 0.48
YLR023C -0.33 0.05 0.47
YHR096C -0.35 0.05 0.47
YMR097C -0.36 0.06 0.44
YJR088W -0.37 0.05 0.42
YMR011W -0.4 0.12 0.4
YKR069W -0.4 0.02 0.4
YGL225W -0.4 0.08 0.4
YBR105C -0.41 0.12 0.39
YBR182W -0.41 0.09 0.39
YLR267W -0.42 0.34 0.38
YOR383C -0.47 0.34 0.34
YGL184C -0.48 0.21 0.33
YOR338W -0.51 0.1 0.31
이러한 변화의 대부분은 표준편차 이상이다. SUN2 유전자의 전사수준 수치는 유전자 사본수가 2에서 1로 감소됨으로써 mRNA 발현수준이 2배미만으로 감소됨을 보여준다. 따라서, 단백질 활성 수준은 2배미만으로 감소된다. 그럼에도 불구하고 다른 유전자의 발현 프로파일에는 명확한 응답이 없다.
실제로, 단백질 기능을 모니터함으로써 변화를 검출하기 훨씬 이전에, 이런 보상적 변화를 모니터할 수 있다. 따라서, 상이한 수준의 생물학적 상태, 특히 상이한 수준의 질병 상태 또는 치료요법적 효능에서 유전자 발현을 측정함으로써, 단백질 기능에 검출가능한 변화가 일어나기 훨씬 이전에 특정 질병 또는 치료요법의 효과를 보여주는 반응곡선을 작성할 수 있다. 세포의 생리 상태가 파괴 또는 부분 파괴될 때, 세포내 유전자의 상향 및 하향조절은 항상성 유지를 위해 세포가 취하는 보상적 변화이다. 전사에서 이러한 보상적 변화는 세포가 뚜렷한 생리적 변화를 보이기 이전에 발생하므로, 이들 발현 프로파일은 세포의 생리상태에 대한 민감한 지표다. 이러한 민감성은 질병상태를 진단할 때와 약물의 질병상태를 보유한 개체에 대한 치료요법의 효능을 모니터할 때 현저한 값을 갖는다.
도 2는 디히드로폴레이트 환원효소의 다양한 단백질 활성 수준에서 측정된 섭동 응답 프로파일의 실례를 보여준다. 이 도면은 효모균의 게놈상의 6000개 유전자중 디히드로폴레이트 환원효소의 활성을 파괴시키는 작용을 하는 메토트렉세이트 약물의 6가지 상이한 적정에 따라 가장 큰 발현 변화를 보이는 맥주 효모균(Saccharomyces cerevisiae)의 30개 유전자의 mRNA 발현 수준을 보여준다. 이들 유전자 발현 수준 측정은 단락 5.4에서 기술한 유전자 전사체 배열로 실시한다. 도 2의 섭동 응답 프로파일은 단락 5.3에서 기술한 방법에 따라 내삽하여 디히드로폴레이트 환원효소의 활성 수준에 대한 섭동 응답프로파일을 제공하는데, 이것은 메토트렉세이트 약물의 효능과 연관한다.
도2에서 보인 섭동 반응 프로파일은 동일 질병에 걸린 하나 또는 복수의 유사한 개체에서 세포구성성분을 측정함으로써 만들고 결정할 수 있다. 섭동 응답 프로파일은 통상적인 방법에 따라 질병상태를 모니터함으로써, 유사한 개체에서 질병 상태의 "수준", 예를 들면 질병 상태의 진행과 연관시킬 수 있다.
유사하게, 치료요법의 효능을 모니터하는 섭동 반응 프로파일은 동일한 치료요법을 받는 유사한 개체에서 세포구성성분을 측정함으로써 만들고 결정할 수 있다. 섭동 반응 프로파일은 통상적인 방법, 예를 들면, 단백질 기능 분석을 이용하여 유사한 개체에 대한 치료요법의 효능을 모니터함으로써 치료효법의 효능과 연관되게 된다.
따라서, 이런 시스템에서는 유전자 발현 응답 곡선과 단백질 활성 데이터를 획득하기 위해서 수동적인 과정을 이용한다. 유전자 발현 응답 곡선과 단백질 활성 데이터를 획득하기 위한 수동과정에는 다양한 분량으로 약물 치료의 섭생을 경험한 개체로부터 조직 또는 혈액 샘플을 취하는 것과, 한가지이상 중간수준의 질병상태에 대한 공지된 이종접합 돌연변이를 개체를 이용하는 것이 포함된다.
특정 구체예에서, 섭동 프로파일을 구한 "유사한 개체"는 질병 상태 또는 치료요법의 효과를 모니터하는 개체와 동일한 개체(즉, 동일한 생물 또는 환자)다. 가령, 섭동 응답 프로파일은 한 시점에 질병 상태를 보유한 개체로부터 구하고, 다른 시점에서 상기 질병 상태의 재발을 모니터하는데 사용한다.
다른 구체예에서, 개체에 대한 복수의 치료요법, 예를 들면, 약물 A, B, C로 구성된 섭생의 효과를 모니터하는 것이 바람직하다. 이런 구체예에서, 약물 A의 효과만을 모니터하고, 상기 효과를 상기 개체의 세포에서 얻은 세포구성성분의 측정치와 비교하여 약물 A에 대한 섭동 응답 프로파일을 먼저 구할 수 있다. 유사하게, 약물 B 단독에 대한 섭동 응답 프로파일을 동일한 방식으로 이후에 구할 수 있다. 섭동 반응 프로파일은 동일 개체에 대한 병용된 치료요법(약물 A, B, C의 병용)의 누적 효과를 모니터하는데 사용할 수 있다.
다른 구체예에서, 섭동 응답 프로파일은 하나 또는 복수의 질병상태 또는 하나 또는 복수의 약물 치료요법에 대하여 구하고, 임상효과와 대응시킨다. 임상 효과의 예로는 혈압, 체온, 혈액 또는 뇨 글루코오스 수준, 콜레스테롤 수준(HDL과 LDL 수준 포함), 바이러스 로드 수준, 혈액 적혈구 용적률, 백혈구 수, 종양 크기등을 들 수 있지만, 이들에 국한시키지 않는다. 실제로, 임상 장치에서 쉽게 얻을 수 있는 환자의 생화학 또는 생리상태의 임의 측정치는 임상 효과의 측정치다.
이런 구체예에서, 하나 또는 복수 질병상태의 수준은 환자의 진단 프로파일을 모니터하고, 하나 또는 복수의 질병 상태에 대한 섭동 응답 프로파일과 대응되는 임상효과와 이를 비교함으로써 환자에서 측정 또는 모니터할 수 있다. 유사하게, 하나 또는 복수의 약물 치료요법은 약물 치료요법을 받고 있는 환자의 진단 프로파일을 모니터하고, 하나 또는 복수의 약물 치료요법에 대한 섭동 응답 프로파일과 대응되는 임상효과와 이를 비교함으로써 환자에서 모니터할 수 있다. 환자의 진단 프로파일이 원하는 임상 효과에 대하여 얻어진 프로파일과 일치할 때까지, 약물 치료요법을 조정함으로써 환자에 대한 바람직한 임상 효과를 달성할 수 있다.
비록, 본 발명에서 유전자 발현 데이터의 측정과 모델을 주로 설명하였지만, 본 발명은 세포의 다른 측면의 생리상태의 측정, 예를 들면, 단백질 양이나 활성의 측정에 동등하게 적용할 수 있다. 단백질 활동을 직접 측정하는 방법은 당분야에서 공지된 것이다. 이런 방법에는 웨스턴 블로팅과 같이 단백질에 대한 항체 리간드에 의존하는 방법(Burnette, 1981, A. Anal. Biochem. 112:195-203)이 포함된다. 이런 방법에는 또한, 잘-연구된 단백질 약물 표적에 대하여 이용가능한 효소 활성 분석이 포함되고, 이런 약물 표적에는 HMG CoA 환원효소(Thorsness et al., 1989, Mol. Cell. Biol. 9:5702-5712) 및 칼시뉴린(Cyert et al., 1992, Mol. Cell. Biol. 12:3460-3469)이 포함되지만, 이들에 국한시키지 않는다. 제어가능한 프로모터 기능을 중단시켜서 특정 유전자 기능을 중단시키고, 웨스턴 블로팅을 통해 이를 단백질 결실과 연관시키는 예는 Deshaies(1998, Nature 332:800-805)에서 제시한다.
도 2의 섭동 응답 곡선은 이런 곡선에서 예견되는 형태를 보여준다. 이런 예견된 형태는 낮은 섭동 조절 매개변수 하한 진입기준을 포함하는데, 상기 진입기준을 초과하는 경우 섭동에 대한 세포구성성분의 응답이 없다. 이 하한 진입기준 영역 이후, 섭동, 즉, 약물 또는 치료요법은 효과를 발휘하고 세포구성성분 특징적인 값들이 변화된다. 변화된 값에 대한 곡선은 포화시 점근 수준을 향해 단조 증가 또는 감소하며, 그 이상에서는 추가적인 변화가 관찰되지 않는다. 응답 곡선은 포화영역에서 종결된다.
실제로, 어떤 상황에서는 더 복잡한 비-단조형 응답 곡선이 가능하다. 예컨대 섭동이 독성 효과를 유발하는 경우, 세포 구성성분의 양을 증가시킬 때 독성 세트는 하강하기 시작하고 양을 감소시키면 독성 세트는 더욱 빠르게 하강하기 시작한다. 또한, 생물계에서 존재하는 것으로 알려진 비선형 피이드백 메카니즘이 비-단조형 다-상 응답을 유발할 수 있다. 이러한 응답은 섭동 진폭 또는 약물 노출 증가시 처음에는 증가하고 이후에 감소할 것으로 예상된다. 예컨대 섭동은 상이한 진입기준과 역효과 보유한 두 경로를 통해서 특정 세포구성성분에 작용하여 응답을 증감시킬 수 있다.
본 발명의 방법은 도 2에서 예증한 단조 응답 곡선에 따라 주로 설명하였다. 본 발명의 방법은 조기 질병 상태동안 발생하는 생물학적 시스템에 대한 낮은 수준의 섭동에 적용할 수 있다. 이런 섭동은 독성 효과 또는 비선형과 피드백 효과가 관찰되는 수준을 회피할 수 있을 만큼 낮게 유지한다. 하지만, 당업자가 인지하는 바와 같이, 본 발명의 방법은 비-단조 응답 곡선에 적용할 수 있다.
5.3. 분석예
본 발명 방법의 분석예에는 특정 수준의 질병상태 또는 특정 수준의 치료요법적 효능에서 진단 프로파일과 응답 프로파일의 차이를 일부 목적 함수를 이용하여 평가하는 구체예가 포함된다. 본 발명의 방법은 특정 질병상태 또는 치료요법적 효과와 연관된 복수 수준에서, 특정 질병 상태 또는 치료요법에 대한 섭동 응답 프로파일 데이터를 측정하는 것으로 구성된다. 이후, 진단 프로파일 데이터는 응답 프로파일 데이터와 비교하는데, 여기서, 질병 상태의 수준 또는 치료요법적 효과의 수준을 측정한다.
본 발명의 다른 구체예에서, 일부 단계는 생략하거나 또는 예시한 대로 순서대로 실시할 수 있다. 예컨대, 특정 구체예에서 섭동 응답 프로파일 데이터 수득 단계는 특정 질환이나 치료요법에서 유도하거나, 또는 몇몇 관련된 질환 또는 치료요법에서 유도하기 때문에, 각 분석을 개별적으로 수행할 필요가 없다.
5.3.1. 발현 프로파일 제공
본 발명의 방법은 가급적, 섭동 응답 프로파일을 측정하여 시작한다. 많은 경우에, 섭동 응답 프로파일은 특정 질환상태 또는 치료요법에 대하여 측정되어 있다. 다른 경우에, 이런 반응 데이터는 본 발명의 단계 수행전에 측정하여야 한다. 측정은 유사한 개체, 다시 말하면, 질병 상태의 수준 또는 치료요법적 효능이 결정된 개체와 유사하여 발현 프로파일에서 당업자가 유용한 섭동 반응 프로파일을 얻을 수 있을 것으로 예상하는 개체에서 실시한다. 적절한 구체에에서, 유사한 개체는 질병 상태를 보이는 동일 한 종의 개체이고, 선택적으로 동일한 성 또는 나이를 보유한다.
전술한 바와 같이, 섭동 프로파일에는 질병 증상의 변화 또는 질병 진행이나 심한 정도의 공지된 마크의 변화에 따른, 복수의 공지된 특정 질병 상태 수준(예, 진행 단계) 또는 관찰된 특정 치료요법의 공지된 효과 수준과 연관된 세포구성성분의 유관한 특성의 상대적인 변화의 측정치가 포함된다. 이런 질병 증식 마크에는 알파-페토단백질, 알칼린 포스파타제, 칼시뉴린, 이노신 모노포스페이트등이 포함된다.
좀더 구체적으로, 고유(즉, 질병 상태 도는 치료요법의 부재시) 유전자 발현 수준 대 섭동된(즉, 질병 상태 또는 치료요법의 존재시) 유전자 발현 수준의 비율(또는 이들 비율의 대수)을 측정한다.
다음에서, 변수 "p"는 단백질 활동도%로 표현되는 섭동 비교 수준으로, 이것은 특정 질병 상태 또는 치료요법적 효과와 연관된다. 변수 "R"은 섭동 응답 데이터이다. 자세히 말하면, 제 1 섭동 비교 수준은 "p1"이다. k 번째 세포구성성분에 대한 섭동응답은 Rk이다. 따라서 Rk(p1)은 제 1 섭동 비교 매개변수 수준에서 k번째 세포구성성분의 응답이다.
진단 프로파일 데이터는 유사하게 수득하는데, 필요할 경우 측정한다. 전술한 바와 같이, 이 데이터는 관심있는 세포, 즉, 개체로부터 얻은 세포에서 세포구성성분의 수준을 측정함으로써 얻는다. 이런 데이터를 획득하는 경우 질병 상태 또는 치료요법적 효능의 실제 수준은 알 수 없다. 다음에서 변수 "D"는 진단 프로파일 데이터이다. 자세히 말하면, k번째 세포구성성분에 대한 진단 프로파일은 Dk이다. 따라서, 보통 Rk(p) 및 Dk값은 각 세포구성성분의 발현 비율에 대한 상용로그이다. 발현비율은 섭동된 시스템의 수준과 고유 시스템의 수준사이의 비율이다.
일반적으로, 진단 프로파일 데이터가 수득되는 실제 수준은 섭동 응답 프로파일이 수득되는 섭동 비교 수준에 대응하지 않는다. 따라서, 섭동 응답 데이터를 내삽시켜서 필요한 값을 획득할 필요가 있다. 이러한 내삽 방법은 스프라인(spline) 피팅 또는 모델-피팅에 의해 달성된다. 단계(303)에서 내삽 방법 및 필요한 매개변수의 선택이 이루어진다.
스플라인 피팅에서, 섭동 응답 데이터는 수학식 1로 표현된 바와 같이 적당한 스플라인 내삽함수(S)의 결과와 측정된 데이터의 곱을 합산하여 내삽한다.
여기서 "u"는 섭동 응답 데이터를 평가하는 질병 또는 치료요법의 효능의 임의 수준을 나타낸다. 일반적으로 S는 응답 함수에서 기대되는 구조의 폭 특성을 갖는 매끈하거나 적어도 단편적으로 연속적인 함수이다. 폭은 내삽될 응답함수가 점근값의 10%에서 90%로 상승하는 거리가 되도록 선택할 수 있다. S함수에는 선형 및 가우스 내삽이 포함된다.
모델 피팅에서, 섭동 응답이 단일 매개변수 함수에 의해 근사화되도록 내삽한다. 전사 상태 데이터 근사에 적절한 모델-피팅 함수는 매개변수, a, uo, n을 갖는 수학식 2의 Hill 함수이다.
조절가능한 매개변수는 각 세포 구성성분의 섭동 응답에 대해 독립적으로 선택한다. 특히 Rk(p1)으로부터의 거리 H(p1)의 제곱의 합이 최소화되도록 각 세포 구성성분의 매개변수를 선택한다. 이런 매개변수 조절방법은 Rk(p1)에 대한 H(p1)의 최소자승법으로서 당분야에서 공지되어 있다. 다른 모델 함수는 다양한 다항식의 정합에 기초한다.
Hill 함수를 사용한 모델 피팅은 도 2 및 3에 도시한다. 도 2는 메토트렉세이트에 의한 섭동의 예를 보여준다. 이 도면은 맥주 효모균의 게놈에 있는 6000개 유전자중 메토트렉세이트의 6가지 상이한 노출수준에 반응하여 가장 큰 발현 변화를 보이는 맥주 효모균 30개 유전자의 RNA 발현 수준을 보여준다. 도 3은 Hill 함수에 의한 유전자 발현 수준 및 하나의 섭동 응답 정합을 보여준다. 특히, 맥주 효모균 유전자 YOLO31C는 최소자승법에 의해 선택된 매개변수 n=2, a=-0.61, log10(uo)=1.26을 이용한 Hill함수로 정합하였다.
가장 큰 응답을 보이는 모든 30개 유전자는 단조적으로 움직이기 때문에, 즉 약물 노출 증가시 응답이 최대 진폭으로부터 크게 감소하지 않거나 최소 진폭으로부터 크게 증가하지 않기 때문에 Hill함수가 적합한 모델 피팅 함수이다. 비-단조함수 양태를 보일 때는 그렇지 못하다.
p로 표시된 임의의 섭동수준에 대한 섭동 응답 내삽이 제공되는 경우, 진단 발현 프로파일(D)는 섭동응답곡선 R(p)과 비교하여 모든 가능한 p값에 대해 최상의 정합을 발견한다. 한 구체예에서 모든 가능한 p값에 대한 최상의 정합은 연관된 최소자승 근사화의 최소화로부터 측정한다.
수학식 3에서, 내삽된 응답 프로파일과 진단 프로파일의 차이의 절대 제곱은 "k"로 표시된 프로파일내 모든 세포구성성분에 대해 합산된다. 응답 곡선에서 진단 프로파일의 최상의 정합은 단백질 활동도 수준 p에 대해서 합산의 최소화로부터 측정한다. 최소자승 수학식 3의 최소화는 수많은 수치해석법을 이용하여 실시한다(Press et al., 1996, Numerical Recipes in C, 2nd Ed. Cambridge Univ. Press, Chs. 10, 14.; Branch et al., 1996, Matlab Optimization Toolbox User's Guide, Mathworks (Natick, MA)).
일반적으로, 응답의 점근값은 정상적으로 반복되는 실험에서 약간씩 변한다. 각 세포 구성성분은 반복된 실험에서 유사한 상태응답 진폭을 가지지만, 모든 응답은 각 실험에서 체계적으로 더 커지거나 더 적어질 수 있다. 이것은 수학식 3에서 결정된 p값을 높게 또는 낮게 할 수 있다. 이들 체계적 진폭 불일치로 인해 유도된 p가 한쪽으로 치우치는 것을 예방하는 것을 다른 방법은 응답 프로파일과 진단 프로파일간 상관관계를 최대화하는 것이다. 이 절차는 최소자승절차에 대해 수학적으로 관련된다. 이 절차에 따르면 단백질 활동도 수준 p는 수학식 4의 해를 구함으로써 결정된다.
수학식 4는 최소 자승법과 유사하게 풀 수 있다. 상기 정합 방법은 수학식 4의 음의 값을 최소화시키는 것과 등가이다.
어떤 경우에 수학식 4는 매우 얕아서 빈약하게 측정된 최대 위치를 가진다. 특히 많은 경우에, 응답 프로파일 R(p)은 p 증가시 전반적인 비례 축소를 제외하고 상이한 p에서 매우 유사하게 보인다. 이런 경우에, 모든 가능한 p 수치에 대한 최적 정합은 수학식 3의 최소자승법으로 결정한다. 도 2의 응답곡선처럼 다양한 세포 구성성분의 상대응답 진폭이 질병 상태 또는 치료요법적 효과의 수준변화시 크게 변하는 경우에, 모든 p값에 대한 최상의 정합은 수학식 4를 최대화시킴으로써 결정된다.
한 구체예에서 본 발명의 방법은 복수 질병 상태를 동시에 모니터하거나, 또는 복수 치료요법의 효능을 동시에 모니터하는데 사용할 수 있다. 이런 경우에, 제 1 섭동 수준에서 k번째 세포구성성분의 섭동응답프로파일 Ri,k(pi,1)은 i번째 질병상태 또는 치료요법에 대하여 개별적으로 측정한다. 각 질병에 대한 응답 프로파일은 전술한 바와 같이 내삽하여, 각 질병 상태 또는 치료요법에 대한 내삽된 응답프로파일 Ri,k(pi)을 발생시킨다. 진단 발현 프로파일 D는 각 질병 상태 또는 치료요법에 대한 섭동 응답 곡선 Ri(pi)의 조합과 비교하여, 모든 가능한 {pi}값에 대한 최상의 정합을 발견한다. 특히 적절한 구체예에서, 치료요법 또는 질병 수준의 효과가 충분히 낮은 경우, 전술한 비선형 또는 피이드백 효과는 관찰되지 않는다. 이런 경우에, 섭동 응답 프로파일은 단순하게 각 질병에 대한 섭동 응답 곡선의 합, 즉 ΣRi(pi)과 비교한다. 따라서 최적 정합이 최소자승 문제의 최소화에 의해 결정되는 구체예에서, 최상의 정합은 수학식 5의 해이다.
5.3.2. 통계적 의미의 평가
진단 프로파일에 최상으로 정합되는 섭동 응답 프로파일을 추출한 이후에, 대응 정합에 통계학적 유의성을 부여하는 것이 바람직하다.
진단 프로파일에 대한 응답 프로파일의 정합의 통계학적 유의성은 수학식 3또는 5의 해로부터 결정된 최소 나머지값을 예상가능한 나머지 분산치와 비교함으로써 결정한다. 이러한 분산의 측면에서, 최소 나머지값의 가능성이 적을수록 대응 정합에서 유의성은 증가한다. 상관 최대화 방법의 경우에, 수학식 4에서 발견된 최대값에 동일한 방법을 적용할 수 있다. 특히, 최대치의 예상 분산은 후술한 바와 같이 발견할 수 있는데, 실제로 수득된 최대값의 유의성은 이런 분산으로부터 결정한다.
나머지값의 예상 분산은 공지된 방법으로 평가할 수 있다. 이러한 분포는 입력 예상 분산에 관한 우선 가정에 기초하여 분석학적으로 평가된다. 이 경우에는 이런 분석 평가가 어렵기 때문에, Fisher에 의해 발표된 방법에 기초하여 모델링하여, 나머지 분산을 평가하는 것이 좋다(Conver, 2nd ed. 1980, Practical Nonparametric Statistics, John Wiley). 이 방법은 입력 데이터의 순열 또는 무작위 부분집합을 취해서 실험적 나머지 분산을 제공한다. 여기서 입력은 진단 프로파일에서 측정된 세포 구성성분에 대해 순열로 배치한다.
적절한 방법에 따르면, 나머지 분산은 무작위 입력 데이터를 이용하여 수학식 5(또는 수학식 4)의 해를 반복적으로 구하고 나머지를 합하여, 실험적인 나머지 분포를 구함으로써 작성한다. 따라서 실제 데이터와 동일한 분산통계를 갖는 실험적 나머지 분산은 무작위 데이터로부터 획득된다. 자세히 말하면, 진단 프로파일 데이터 또는 응답 프로파일 데이터는 세포구성성분 인덱스에 따라 무작위화 시킨다. 이러한 무작위 변환은 다음 변환으로 표시한다.
수학식 6에서, PI 는 각 프로파일에 대해 독립적으로 선택된 섭동을 나타낸다. 진단 프로파일 또는 응답 프로파일은 수학식 6에 따라 무작위화시킨다. 따라서 무작위화된 발현 프로파일 데이터는 측정점의 독립적인 순열에 의해 측정된 데이터로부터 유도한다. 둘째로, 수학식 5(또는 수학식 4)는 선택된 수치 근사법으로 해를 구하고, 생성된 나머지 값이 합한다. 통계학적으로 유의성 있는 나머지 분산을 작성하기 위한 충분한 무작위화를 위해 이들 단계는 반복한다. 유의 수준 99%이상(즉, 0.01미만의 p값)을 얻기 위해서 100회 이상의 무작위화가 필요하다.
실험적 나머지 분산을 작성한 후, 실제 결정된 나머지가 작성된 분산과 비교하고, 이의 확률은 분포에 비추어서 측정한다. 이 확률은 진단 프로파일에 대한 추출된 응답 프로파일의 정합에 할당된 유의성이다. 다시 말하자면, 적절한 구체예에서, 진단 프로파일에 대한 세포 구성성분 조합의 임의 정합의 통계학적 유의성은 무작위 데이터가 실제 데이터보다 질병 상태 또는 치료요법적 효능의 추정 수준에 더 양호하게 정합되는 확률의 미소화로 제공한다.
정합이 의학에서 통상 사용되는 표준 95% 확률 한계치 이상인 경우에, 대응하는 질병 또는 진단효능 수준은 정확한 통계학적 유의성을 가진다고 간주한다. 다른 경우에, 수용가능한 유의수준 한계치를 충족시킬 수 없다. 이런 경우에는, 선택된 유의수준 한계치로 진단 프로파일과 정합되는 응답 프로파일을 발견하기 위해서 새로운 섭동 프로파일 데이터를 선택하는 것이 유리하다.
예컨대 본 발명이 특정 질병 또는 질병 상태를 보유한 개체를 진단 또는 모니터하는 사용되는 경우에, 섭동 응답 프로파일 데이터는 특정 질병 상태 또는 이의 수준에 기이한 공지된 섭동을 보이는 개체로부터 취한 발현 프로파일 데이터로 구성된다. 이런 경우에, 알려진 단백질 섭동에 대한 섭동 응답 프로파일을 분석안된 개인의 진단 프로파일에 정합시키기 위하여, 통계학적 유의수준을 할당하는 것이 바람직하다. 정합이 의학에서 통상적으로 사용되는 95%확률 유의수준 이상이면, 개체는 상응하는 질병을 보유한 것으로 진단할 수 있다. 정합이 95%이상의 유의수준이 안되면, 섭동 응답 프로파일이 95%이상의 유의수준을 보이는 것으로 확인될 때까지 다른 상이한 공지된 단백질 섭동을 보이는 개인으로부터 취한 섭동 응답 프로파일을 이용하여, 하나 이상의 다른 섭동 프로파일이 진단 프로파일에 정합되도록 통계학적 유의수준을 할당한다.
5.3.3 실행 시스템과 방법
전술한 단락에서 밝힌 분석 방법은 다음의 컴퓨터 시스템을 이용하고, 다음의 프로그램과 방법에 따라 실시할 수 있다. 도4는 본 발명의 분석 방법의 실행에 적합한 전형적인 컴퓨터 시스템을 보여준다. 컴퓨터 시스템(401)은 내부 부품으로 구성되고, 외부 부품에 연결되어 있다. 이 컴퓨터 시스템의 내부 부품에는 주기억장치(403)와 상호연결된 프로세서(402)가 포함된다. 가령, 컴퓨터 시스템(401)은 200 Mhz이상의 Intel Pentium-기반의 프로세서와 32MB이상의 주기억장치로 구성될 수 있다.
외부 부품에는 대량 저장 장치(404)가 포함된다. 이런 대량 저장장치에는 하나 또는 복수의 하드디스크(일반적으로 프로세서와 메모리와 함께 포장되어 있슴)다. 이런 하드디스크는 1GB이상의 저장용량을 보유한다. 다른 외부부품에는 사용자 인터페이스 장치(405)가 포함되는데, 이것은 모니터와 키보드, 지시 장치(406)(예, "마우스") 또는 다른 그래픽 입력 장치들이다. 일반적으로, 컴퓨터 시스템(401)은 또한, 네트워크 링크(407)에 연결되어 있는데, 이것은 다른 로컬 컴퓨터 시스템, 리모트 컴퓨터 시스템 또는 광역 통신 네트워크(예, 인터넷)와의 Ethernet 링크의 일부다. 이런 네트워크 연결을 통해 컴퓨터 시스템(401)은 다른 컴퓨터 시스템과 자료와 작업을 공유할 수 있다.
몇 가지 소프트웨어는 이런 시스템의 동작동안 메모리로 로드되는데, 상기 소프트웨어는 당업자에게는 표준이고, 본 발명에는 특별하다. 이들 소프트웨어는 총체적으로 본 발명의 방법에 따라 컴퓨터 시스템이 작동되도록 한다. 이들 소프트웨어는 대량 저장 장치(404)에 일반적으로 저장된다. 소프트웨어 요소 410은 운영체제를 제공하는데, 이것은 컴퓨터 시스템(401)과 이의 네트워크 상호연결의 관리를 담당한다. 이런 운영체제로는 Microsoft WindowsTM계열, 예를 들면, Windows 95, Windows 98 또는 Windows NT을 사용할 수 있다. 소프트웨어 요소(411)는 이 운영체제상에서 존재하는 공통언어와 기능을 제공하여, 본 발명에 특이적 방법을 실행하기 위한 프로그램을 보조한다. 본 발명의 분석방법을 프로그램하기 위하여 사용할 수 있는 언어에는 C, C++ 또는 JAVA?등이 포함된다. 가장 적절하게는, 본 발명의 방법에서 수학적 소프트웨어 패키지로 프로그램하는데, 상기 소프트웨어 패키지는 대수를 비롯하여 방정식의 입력과 고-수준의 처리가 가능하여 사용자는 자유롭게 개별 방정식 또는 대수를 프로그램할 수 있다. 이런 패키지에는 Matlab(Mathworks(Natick, MA)), MAthematica(Wolfram Research (Champaign, Illinois)) 또는 S-Plus(Math Soft (Seattle, Washington))가 포함된다. 따라서, 소프트웨어 요소(412)는 본 발명의 분석방법을 처리 언어 또는 기호 패키지로된 프로그램을 제공한다. 적절한 구체예에서, 컴퓨터 시스템에는 특정 단백질의 섭동 응답 곡선의 데이터베이스(413)를 포함한다. 좀더 구체적으로는, 데이터베이스(413)는 몇 가지 단백질의 섭동 응답 곡선을 포함한다.
본 발명의 방법을 실행하는 전형적인 예에서, 사용자는 약물 반응 데이터와 경로 반응 데이터를 컴퓨터 시스템(401)으로 로드한다. 이들 데이터는 모니터와 키보드(405), 네트워크 커넥션(407)으로 연결된 다른 컴퓨터 시스템, 또는 제거가능한 저장매체(예, CD-ROM 또는 플로피 디스크)로부터 사용자에 의해 직접 입력될 수 있다. 그 다음 사용자는 진단 프로파일과 일부 단백질 활성 수준에 대해 섭동 응답 곡선 데이터로부터 결정된 응답 프로파일간에 차이의 목적 함수를 결정하고 최소화시키는 단계를 실행하는 발현 프로파일 분석 소프트웨어(412)를 실행하도록 한다. 다소 적합하지 않는 구체예에서, 사용자는 섭동 응답 프로파일 데이터를 로드하고, 응답 프로파일 데이터를 내삽시켜 섭동 응답 곡선을 만드는 것은 분석 소프트웨어(412)에 의해 실행된다.
본 발명은 또한 본 발명에 따른 단백질 활성 수준을 결정하는데 이용되는 섭동 응답 곡선의 데이터베이스를 제공한다. 본 발명의 데이터베이스에는 단백질 바람직하게는 몇 가지 다른 단백질에 대한 섭동 응답 곡선이 포함되어, 동일한 데이터베이스를 몇 가지 다른 단백질의 단백질 활성 수준을 결정하는데 이용할 수 있다. 바람직하게는 이와 같은 데이터베이스는 전자형으로 도 5에서 설명하는 것과 같은 컴퓨터 시스템에 로드시킬 수 있다. 이와 같은 전자형에는 본 발명 방법을 실행하는데 이용되는 컴퓨터 시스템의 메인 메모리(403) 또는 네트워크 커넥션에 의해 연결된 다른 컴퓨터의 메인 메모리로 로드되는 데이터 베이스 또는 매스 저장 매체(404) 또는 CD-ROM 또는 플로피 디스크와 같은 제거가능한 저장 미디어상에 로드되는 데이터베이스를 포함된다.
적절한 구체예에서, 본 발명의 분석 방법은 세포에 있는 특정 단백질의 활성 수준을 결정하는 키트를 이용하여 실행한다. 이와 같은 키트에는 단락 5.4.1에서 설명하는 것과 같은 미소배열이 포함된다. 이와 같은 키트에 포함된 미소배열은 고형상의 공지의 위치에 프로브가 하이브리드되는 또는 결합되는 표면과 같은 고형상으로 구성된다. 적절하게는 이와 같은 프로브는 공지의 다른 서열로 된 핵산으로 구성되고, 각 핵산은 RNA 종 또는 이에서 유도된 cDNA 종과 하이브리드를 형성할 수 있는 능력이 있다. 특히, 본 발명의 키트에 포함된 프로브는 RNA종으로부터 유도된 핵산 서열과 특이적인 하이브리드를 형성할 수 있는데, 상기 핵산 서열은 키트에 의해 모티터되는 특정 질환 또는 치료요법과 연관된 섭동에 응답하여 감소 또는 증가되는 것으로 알려져 있다. 본 발명의 키트에 포함된 프로브에서 키트에 결정되는 질병 상태 또는 치료요법적 효과의 특정 수준과 관련된 섭동에 응답하여 증가 또는 감소되지 않는 RNA종과 하이브리드를 형성하는 핵산은 실제적으로 배제한다.
적절한 구체예에서, 본 발명의 키트에는 전술한 데이터베이스와 같은 섭동 응답 프로파일의 데이터베이스가 포함된다.
또 다른 적절한 구체예에서, 본 발명의 키트에는 도 4에서 기술한 것과 같은 컴퓨터 시스템의 메모리로 로드할 수 있는 발현 프로파일 분석 소프트웨어를 포함된다. 본 발명의 키트에 포함된 발현 프로파일 분석 소프트웨어는 기본적으로는 상기에서 설명하는 발현 프로파일 분석 소프트웨어(412)와 동일하다. 이런 소프트웨어는 본 발명의 분석 단계를 실행할 수 있다. 적절하게는 소프트웨어는 (a) 개체 세포의 진단 프로파일을 수용하는 단계; (b) 질병 상태의 수준 또는 치료요법의 효과와 연관된 섭동 응답 곡선을 수용하는 단계; (c) 진단 프로파일과 측정된 내삽 섭동 응답 곡선사이에서 유사성이 최대인 점이 되는 내삽 섭동 수준을 결정하는 단계를 컴퓨터 시스템의 프로세스가 실행하도록 한다.
본 발명의 분석 방법을 실행하기 위한 대체 시스템과 방법은 당업자에게 분명하고, 첨부된 청구항에 포함된다. 특히, 첨부된 청구항에는 당업자가 쉽게 인식할 수 있는 본 발명의 방법을 실행하는 대체 프로그램이 포함된다.
5.4. 측정 방법
본 발명에서 이용할 수 있는 진단 프로파일 및 섭동 응답 프로파일은 세포의 생리상태, 예를 들면, 질병 또는 치료요법에 의한 섭동에 의해 변화된 세포 구성 성분을 측정하여 얻을 수 있다. 이들 세포 특성은 세포의 생리상태의 임의 측면이다. 여기에는 전사상태(RNA 양 측정), 번역상태(단백질 양 측정), 활성상태(단백질 활성 측정)가 포함된다. 세포특징은 혼합 측면일 수도 있는데, 여기서, 하나 또는 복수 단백질의 활성은 세포구성요소의 RNA 양(유전자 발현)과 함께 측정한다. 이 단락에서, 파괴된 또는 섭동된 생리상태에 의해 영향을 받은 세포구성요소를 측정하는 일반적인 방법을 제시한다. 본 발명은 이런 측정을 위한 다른 방법에 적용할 수 있다.
세포의 전사상태를 측정하는 것에 기초한 본 발명의 구체예가 바람직하다. 전사상태는 다음 단락에서 설명한 핵산 또는 핵산 유사체 프로브 배열과의 하이브리드형성 기술, 또는 이후의 소단락에서 설명한 다른 유전자 발현기술로 측정할 수 있다. 측정에 상관없이, 결과는 DNA 발현 비율을 반영하는 RNA 양 비율(RNA 분해율의 차이 부재)을 나타내는 수치를 포함하는 반응데이터이다. 이런 측정 방법은 단락 5.4.1.에서 설명한다.
본 발명의 다양한 구체예에서, 전사상태를 제외한 생물 상태의 측면, 예를 들면, 전사상태, 활성상태 또는 혼성 측면을 측정할 수 있다. 이들 구체예의 자세한 내용은 본 단락에서 제시한다. 이런 특정 방법은 단락 5.4.2.에서 기술한다.
5.4.1 전사상태 측정
가급적, 전사상태의 측정은 아래의 소단락에서 제시한 전사체 배열과의 하이브리드형성으로 실시한다. 전사상태 측정의 다른 방법은 이 소단락에서 설명한다.
전반적인 전사체 배열
적절한 구체예에서, 본 발명은 "전사체 배열"(또한 "미소배열"로 칭함)을 이용한다. 전사체 배열은 세포에서 전사상태를 분석하기 위하여, 특히, 관심있는 다양한 수준의 약물 또는 관심있는 다양한 수준의 질병 상태와 같은 관심있는 다양한 수준의 치료요법에 노출된 세포의 전사상태를 측정하는데 사용한다.
한 구체예에서, 전사체 배열은 세포에 존재하는 mRNA 전사체를 나타내는 감지가능하도록 라벨된 폴리뉴클레오티드(예, 전체 mRNA로부터 합성된 형광라벨된 cDNA)를 하이브리드형성시켜 만든다. 미소배열은 세포 또는 미생물 게놈상의 다수 유전자, 가급적, 거의 모든 유전자의 산물에 대한 결합(예, 하이브리드형성)위치가 순서대로 배열된 표면이다. 미소배열은 다양한 방법으로 만들 수 있는데, 이중 몇 가지 방법을 아래에 제시한다. 생산방법에 상관없이, 미소배열은 일부 특징을 공유한다. 배열은 재생가능하여, 임의 배열의 다수 복사본을 만들 수 있고, 각각을 쉽게 비교할 수 있다. 가급적, 미소배열은 5㎠이하 크기로, 결합(예, 핵산 하이브리드형성)조건하의 안정한 물질로부터 만든다. 미소배열에서 임의의 결합 위치 또는 독특한 결합 위치 세트는 세포에서 단일 유전자의 산물과 특이적으로 결합하게 된다. 비록, 특정 mRNA당 하나이상의 물리적 결합위치가 존재하지만, 여기서는 이런 위치가 하나만 존재한다고 추정한다.
세포의 RNA와 상보적인 cDNA를 만들고, 적당한 하이브리드형성 조건하에서 미소배열과 하이브리드를 형성시키는 경우, 임의 특정 유전자에 상응하는 배열상의 위치와의 하이브리드 형성 수준은 유전자로부터 전사된 mRNA의 세포내 우세를 반영한다. 가령, 전체 세포 mRNA와 상보적인 감지가능하도록 라벨된(예, 형광단) cDNA가 미소배열과 하이브리드를 형성하는 경우, 세포에서 전사되지 않는 유전자에 상응하는(즉, 유전자의 산물과 특이적으로 결합할 수 있는) 위치는 신호(예, 형광 신호)를 거의 보유하지 않는 반면, 인코드된 mRNA가 우세하게 나타나는 유전자는 상대적으로 강한 신호를 보유한다.
적절한 구체예에서, 2가지 상이한 세포에서 얻은 cDNA는 미소배열의 결합위치와 하이브리드를 형성한다. 치료요법적 효능(예, 약물에 대한 반응)의 경우에, 한 세포는 치료요법에 노출시키고, 동일형의 다른 세포는 치료요법에 노출시키 않는다. 질병 상태의 경우에, 한 세포는 특정 수준의 질병 상태을 보이지만, 동일형의 다른 세포는 질병상태(또는 이의 수준)를 보이지 않는다. 2가지 세포형 각각으로부터 유래한 cDNA는 구분하기 위하여 상이하게 라벨한다. 한 구체예에서, 약물 처리한(또는 경로 섭동에 노출된) 세포의 cDNA는 플루오루레신-라벨된 dNTP을 이용하여 합성하고, 약물 노출되지 않은 제 2 세포의 cDNA는 로다민-라벨된 dNTP을 이용하여 합성한다. 이들 두 cDNA를 혼합하고, 미소배열과 하이브리드를 형성시키는 경우, 각 cDNA 세트로부터 신호의 상대적 강도는 배열상의 각 위치에서 측정하고, 특정 mRNA 양의 상대적 차이를 검출한다.
전술한 예에서, 치료요법-노출된(또는 병든)세포에서 얻은 cDNA는 형광단을 자극하는 경우 녹색형광을 나타내고, 처리하지 않은 세포에서 얻은 cDNA는 적색 형광을 나타낸다. 결과적으로, 치료요법이 직접 또는 간접적으로 세포상의 특정 mRNA의 상대적 양에 아무런 영향을 주지 않는 경우, mRNA는 양 세포에서 동등한 우세로 나타나고, 역전사직후 적색-라벨된 cDNA와 녹색-라벨된 cDNA는 동등한 우세로 나타난다. 미소배열과 하이브리드를 형성하는 경우, RNA 종에 대한 결합위치는 양 형광단의 특징적인 파장(합쳐서 갈색으로 보임)을 방출한다. 대조적으로, 치료요법-노출된 세포는 세포에서 mRNA의 우세를 직접 또는 간접적으로 증가시키는 치료요법으로 처리하는 경우, 녹색형광 대 적색형광의 비율은 증가하게 된다. 치료요법이 mRNA 우세를 감소시키는 경우, 비율은 감소하게 된다.
유전자 발현에서 변형을 한정하기 위한 2색 형광 표지와 검출 계획의 이용은 Shena et al., 1985, Quantitative monitoring of gene expression patterns with a complementary DNA microarray, Science 270:467-470에서 기술한다. 2가지 상이한 형광단으로 라벨된 cDNA의 장점은 2가지 세포상태에서 각 배열된 유전자에 상응하는 mRNA 수준의 직접적이고 의도적인 조절비교를 할 수 있고, 실험조건(예, 하이브리드형성 조건)에서 사소한 차이로 인한 변이가 이후의 분석에 영향을 주지 않는 다는 점이다. 하지만, 단일 세포에서 나온 cDNA를 사용하고, 치료요법-노출된 또는 병든 세포 및 처리하지 않은 또는 병들지 않은 세포에서 특정 mRNA의 절대량을 비교하는 것이 가능하다.
미소배열의 준비
미소배열은 당분야에 공지된 것으로, 서열에서 유전자 산물(예, cDNA, mRNA, cRNA, 폴리펩티드, 이들의 단편)에 상응하는 프로브가 공지된 위치에서 특이적으로 하이브리드를 형성하거나 또는 결합하는 면으로 구성된다. 한 구체예에서, 미소배열은 각 위치가 유전자에 의해 인코드되는 산물(예, 단백질 또는 RNA)에 대한 개별적인 결합 위치가 되고, 미생물 게놈상의 거의 모든 유전자에 대한 결합위치가 존재하는 배열(즉, 매트릭스)이다. 적절한 구체예에서, "결합위치"(이후, "위치")는 특정 동족 cDNA가 특이적으로 하이브리드를 형성할 수 있는 핵산 또는 핵산 유사체가 된다. 결합위치의 핵산 또는 핵산 유사체는 합성 저량체, 전장 cDNA, 비전장 cDNA 또는 유전자 단편이다.
적절한 구체예에서, 미소배열은 표적 미생물 게놈상의 거의 모든 유전자의 산물에 대한 결합위치를 보유하긴 하지만, 이런 포함성이 반드시 필요한 것은 아니다. 일반적으로, 미소배열은 게놈상의 유전자와 50%이상, 바람직하게는 75%이상, 좀더 바람직하게는 85%, 이보다 좀더 바람직하게는 90%이상, 가장 바람직하게는 99%이상 상응하는 결합위치를 보유한다. 가급적, 미소배열은 관심있는 약물의 작용과 관련된 또는 관심있는 생물 경로상의 유전자에 대한 결합위치를 보유한다. "유전자"는 적어도 50개, 75개 또는 99개 아미노산으로 구성된 개방 해독 틀(ORF)로 동정하는데, 메신저 RNA는 미생물(예, 단일 세포) 또는 다세포 미생물의 일부 세포에서 상기 개방 해독 틀로부터 전사된다. 게놈상의 유전자 수는 미생물에 의해 발현된 mRNA의 수 또는 잘 알려진 게놈 영역에서 외삽하여 평가할 수 있다. 관심있는 미생물의 게놈이 서열이 결정된 경우, ORF의 수를 측정할 수 있고, mRNA 코딩 영역은 DNA 서열 분석으로 확인할 수 있다. 가령, 맥주효모균(Saccharomyces cerevisiae)게놈은 완전히 서열이 결정되었는데, 99개 아미노산보다 더 긴 개방 해독 틀(ORF)을 대략 6275개 보유하는 것으로 밝혀졌다. 이들 ORF의 분석에서, 단백질 산물을 지정하는 ORF이 5885개 존재하는 것으로 밝혀졌다(Goffeau et al., 1996, Life with 6000 genes, Science 274:546-567). 대조적으로, 사람 게놈은 대략 105개의 유전자를 보유한 것으로 평가된다.
미소배열을 위한 핵산 제조
전술한 바와 같이, 특정 동족 cDNA가 특이적으로 하이브리드를 형성하는 "결합위치"는 일반적으로 상기 결합위치에 부착되는 핵산 또는 핵산 유사체다. 한 구체예에서, 미소배열의 결합위치는 미생물 게놈상의 각 유전자의 적어도 일부에 상응하는 DNA 폴리뉴클레오티드다. 이들 DNA는 게놈 DNA, cDNA(예, RT-PCR에 의해) 또는 클론된 서열에서 얻은 유전자 분절의 중합효소 연쇄 반응(PCR)증폭으로 수득할 수 있다. PCR 프라이머는 유전자의 공지된 서열 또는 cDNA에 기초하여 선택하고, 이를 통해 유일 단편(즉, 미소배열상의 임의의 다른 단편 10개이상 연속으로 동일한 서열을 보유하지 않는 단편)을 증폭한다. 컴퓨터 프로그램은 원하는 특이성과 최적 증폭 특성을 보유한 프라이머의 고안에 유용하다(Oligo version 5.0(National Biosciences). 매우 긴 유전자의 결합위치의 경우, 3'말단 근처의 단편을 증폭하여, 올리고-dT 기폭된 cDNA 프로브가 미소배열과 하이브리드를 형성할 때, 전장이하의 프로브가 효율적으로 결합하도록 하는 것이 때때로 바람직하다. 일반적으로, 미소배열상의 각 유전자 단편은 일반적으로 50bp 내지 2000bp, 좀더 일반적으로 100bp 내지 1000bp이고, 가장 일반적으로 300bp 내지 800bp이다. PCR 방법은 공지된 것이다(Innis et al. eds., 1990, PCR Protocols: A Guide to Methods and Applications, Academic Press Inc. San Diego, CA). 컴퓨터 제어 자동시스템은 핵산을 분리하고 증폭하는데 유용하다.
미소배열에 대한 핵산을 만드는 다른 방법은 가령, N-포스포네이트 또는 포스포르아미디트 화학물질을 이용하여 합성 폴리뉴클레오티드 또는 올리고뉴클레오티드를 합성하는 것이다(Froehler et al., 1986, Nucleic Acid Res 14:5399-5407; McBride et al., 1983, Tetrahedron Lett. 24:245-248). 합성 서열은 15 내지 500개 염기, 좀더 일반적으로는 20 내지 50개 염기로 구성된다. 일부 구체예에서, 합성 핵산에는 비-자연 염기, 예를 들면, 이노신이 포함된다. 전술한 바와 같이, 핵산 유사체는 하이브리드형성을 위한 결합위치로 사용할 수 있다. 적당한 핵산 유사체의 예는 펩티드 핵산이다(Egholm et al., 1993, PNA hybridizes to complementary oligonucleotides obeying the Watson-Crick hydrogen-bondig rules, Nature 365:566-568; see also U.S. Patent No. 5,539,083).
다른 구체예에서, 결합(하이브리드형성)위치는 플라스미드 또는 유전자의 파이지 클론, cDNA(예, 발현된 서열 단편) 또는 이들의 삽입체로부터 만든다(Naguyen et al., 1995, Differential gene expression in the murine thymus assayed by quantitative hybridization of arrayed cDNA clones, Genomics 29:207-209). 다른 구체예에서, 결합위치의 폴리뉴클레오티드는 RNA이다.
핵산의 고체 표면으로의 부착
핵산 또는 유사체는 고체 지지체에 부착하는데, 상기 지지체는 유리, 플라스틱(예, 폴리프로필렌, 나일론), 폴리아크릴아마이드, 니토로셀룰로오스 또는 다른 물질로 만들 수 있다. 핵산을 표면에 부착시키는 적절한 방법은 Schenea등(1995, Quantitative monitering of gene expression patterns with a complementary DNA microarray, Science 270:467-470)이 기술한 바와 같이 유리 평판에 프린팅하는 것이다. 이 방법은 cDNA의 미소배열을 제조하는데 특히 유용하다(Derisi et al., 1996, Use of a cDNA microarray to analyze gene expression patterns in human cancer, Nature Genetics 14:457-460; Shalon et al., 1996, A DNA microarray system for analyzing complex DNA samples using two-color fluorescent probe hybridization, Genome Res. 6:639-645; Schena et al., 1995, Parallel human genome analysis; microarray-based expression of 1000 genes, Proc. Natl. Sci. USA 93:10539-11286). 전술한 사설 각각은 여기에 참고문헌으로 한다.
미소배열을 만드는데 적절한 제 2 방법은 고-밀도 올리고뉴클레오티드 배열을 만드는 것이다. 표면의 한정된 위치에서 in situ 합성을 위한 무기광합성 기술(Fodor et al., 1991, Light-directed spatially addressable parallel chemical synthesis, Science 251:767-773; Pease et al., 1994, Light-directed oligonucleotide arrays for rapid DNA sequence analysis, Proc. Natl. Acad. Sci. USA 91:5022-5026; Lockhart et al., 1996, Expression monitoring by hybridization to high-density oligonucleotide arrays, Nature Biotech 14:1675; U.S. Patent Nos. 5,578,832; 5,556,752; 5.510,270) 또는 한정된 올리고뉴클레오티드의 신속한 합성과 침전을 위한 다른 방법(Blanchard et al., 1996, High-Density oligonucleotide arrays, Biosensors ＆ Bioelectronics 11:687-90)을 이용하여 한정된 서열에 상보적인 수천개의 올리고뉴클레오티드를 보유한 배열을 생산하는 기술은 공지된 것이다. 이들 방법을 사용하는 경우, 공지된 서열의 올리고뉴클레오티드(예, 20-mer)는 파생된 유리 슬라이드와 같은 표면에서 직접 합성한다. 일반적으로, 생산된 배열은 풍부하게 존재하는데, RNA당 수개의 올리고뉴클레오티드 분자가 존재한다. 올리고뉴클레오티드 프로브는 대체접합된 mRNA를 검출하기 위하여 선별할 수 있다. 미소배열을 만드는 다른 적절한 방법은 고체상에서 직접 올리고뉴클레오티드를 합성하는 인크젯 프린팅 과정을 이용하는 것이다(U.S. patent application Serial No. 09/008,120, January 16, 1998. Blanchard, "Chemical Synthesis Using Solvent Microdroplet").
마스킹(Maskos and Southern, 1992, Nuc. Acids Res. 20:1679-1684)으로 미소배열을 만드는 방법을 또한, 사용할 수 있다. 원칙적으로, 임의 유형의 배열, 예를 들면, 나일론 하이브리드형성 막에서 닷 블랏(Sambrook et al., Molecular Cloning-A Laboratory Manual(2nd Ed.), Vol. 1-3, Cold Spring Harbor Laboratory, Cold Spring Harbor, New York, 1989)을 사용할 수 있지만, 당업자가 인지하는 바와 같이 하이브리드형성 부피는 줄어들기 때문에 매우 소량의 배열이 바람직하다.
라벨된 프로브의 생산
전체 폴리(A)+RNA를 제조하는 방법은 공지된 것으로, Sambrook등이 전반적으로 기술하고 있다. 한 구체예에서, RNA는 구아니디움 티오시아네이트 분해와 이후 CsCl 원심분리를 이용하여 관심있는 다양한 형태의 세포로부터 추출한다(Chirgwin et al., 1979, Biochemistry 18:5294-5299). 폴리(A)+RNA는 올리고-dT 셀룰로오스로 선별하여 선택한다(Sambrook et al.,). 관심있는 세포에는 야생형 세포, 약물-노출된 야생형 세포, 변형 세포, 약물-노출된 변형 세포가 포함된다.
라벨된 cDNA는 올리고-dT 기폭된 또는 임의-기폭된 역전사로 mRNA로부터 만드는데, 이들 둘은 당분야에 공지된 것이다(Klug and Berger, 1987, Methods Enzymol. 152:316-325). 역전사는 검출가능한 표지에 공액된 dNTP, 가장 적절하게는 형광라벨된 dNTP의 존재하에서 실시할 수 있다. 대안으로, 분리된 mRNA는 표지도니 dNTP의 존재하에서 이중-가닥 cDNA의 시험관내 전사로 합성된 라벨된 안티센스 RNA로 전환시킬 수 있다(Lockhart et al., 1996, Expression monitoring by hybridization to high-density oligonucleotide arrays, Nature Biotech. 14:1675). 다른 구체예에서, cDNA 또는 RNA 프로브는 검출가능한 표지하에서 합성하고, 계속해서 비오틴화된 dNTP 또는 rNTP를 통합하여, 또는 유사한 수단(예, 비오틴의 프소랄렌 유도체와 RNA의 광-교차-결합)으로 표지하고, 이후, 라벨된 스트렙타비딘(예, 피코에리트린-공액된 스트렙타비딘) 또는 동등체를 첨가한다.
형광-라벨된 프로브를 사용하는 경우, 플루오르레신, 리스사민, 피코에리트린, 로다민(Perkin Elmer Cetus), Cy2, Cy3, Cy3.5, Cy5, Cy5.5, Cy7, FluorX(Amersham)등을 비롯한 다수의 적당한 형광단이 알려져 있다(Kricka, 1992, Nonisotopic DNA Probe Techniques, Academic Press San Diego, CA). 분명한 방출 스펙트럼을 보유한 여러 쌍의 형광단을 선택하여 쉽게 구별될 수 있도록 한다.
다른 구체예에서, 형광표지를 제외한 다른 표지를 사용한다. 가령, 방사활성 표지 또는 분명한 방출스펙트럼을 보유한 한 쌍의 방사활성 표지를 사용할 수 있다(Zhao et al., 1995, High density cDNa filter analysis: a novel approach for large-scale, quantitative analysis of gene expression, Gene 156:207; Pietu et al., 1996, Novel gene transcripts preferentially expressed in human muscles revealed b quantitative hybridization of a high densigy cDNA array, Genome Res. 6:492). 하지만, 방사활성 입자의 분산과 광범위한 공간의 결합위치의 필요성 때문에, 방사성동위원소를 사용하는 것은 별로 적절한 선택이 아니다.
한 구체예에서, 라벨된 cDNA는 0.5mM dGTP, dATP, dCTP + 0.1mM dTTP + 형광 디옥시리보뉴클레오티드(예, 0.1mM 로다민 110 UTP(Perken Elmer Cetus) 또는 0.1mM Cy3 dUTP(Amersham))를 함유한 혼합물을 역전사효소(SuperScriptTMII, LTI Inc.)와 함께 42℃에서 60분동안 배양하여 합성한다.
미소배열과의 하이브리드 형성
핵산 하이브리드형성과 세척조건은 프로브가 특정 배열 위치와 "특이적으로 결합하도록" 또는 "특이적으로 하이브리드를 형성하도록", 즉, 프로브가 상보성 핵산 서열을 보유한 서열 배열 위치와 하이브리드를 형성하거나, 이중나선을 형성하거나, 또는 이에 결합하지만, 비-상동성 핵산 서열을 보유한 위치와는 하이브리드를 형성하지 않도록 선택한다. 이 글에서, 짧은 폴리뉴클레오티드가 25개이하의 염기인 경우, 표준 염기-쌍 규칙을 이용한 미스매치가 존재하지 않을 때, 또는 짧은 폴리뉴클레오티드가 25개이하의 염기인 경우, 5%이하의 미스매치가 존재할 때, 하나의 폴리뉴클레오티드 서열은 다른 폴리뉴클레오티드 서열과 상보적이라고 간주한다. 가급적, 폴리뉴클레오티드는 완전히 상보적이어야 한다(미스매치 없슴). 특이적 하이브리드형성 조건에서 네거티브 조절을 비롯한 하이브리드형성 분석을 실시하여 특이적인 하이브리드를 형성시킨다(Shalon et al., Chee et al.).
최적 하이브리드형성 조건은 라벨된 프로브와 고착된 폴리뉴클레오티드 또는 올리고뉴클레오티드의 길이(예, 올리고머 대 200개염기 이상의 폴리뉴클레오티드)와 형태(예, RNA, DNA, PNA)에 의존한다. 핵산에 대한 특이적(즉, 엄격한) 하이브리드형성 조건에 대한 변수는 Sambrook등과 Ausubel등이 제시하였다(1987, Current Protocols in Molecular Biology, Greene Publishing and Wiley-Interscience, New York). Schena등의 cDNA 미소배열을 사용하는 경우, 일반적인 하이브리드형성 조건은 65℃, 5 X SSC + 0.2% SDS에서 4시간동안 하이브리드형성과 이후, 엄격하지 않은 25℃ 세척 버퍼(1 X SSC + 0.2% SDS)에서 세척과 25℃ 매우 엄격한 세척 버퍼(0.1 X SSC+0.2% SDS)에서 10분동안 세척이다(Shena et al., 1996, Proc. Natl. Acad. Sci. USA, 93:10614). 유용한 하이브리드형성 조건은 Tijessen, 1993, Hybridization With Nucleic Acid Probes, Elsevier Science Publishers B.V. and Kricka, 1992, Noisotopic DNA Probe Techniques, Academic Press San Diego, CA에서 제시한다.
신호 탐지와 데이터 분석
형광라벨된 프로브를 사용하는 경우, 전사체 배열의 각 위치에서 형광방출은 가급적, 공초점 레이저 현미경을 스캐닝하여 검출할 수 있다. 한 구체예에서, 적절한 여기(excitation) 라인을 이용한 개별 스캔은 사용한 2개의 형광단 각각에 대하여 실시한다. 대안으로, 2가지 형광단에 특이적인 파장에서 동시 견본 조명이 가능하도록 레이저를 사용하여, 2가지 형광단의 방출을 동시에 분석할 수 있다(Shalon et al., 1996, A DNA microarry system for analyzing complex DNA samples using two-color fluorescent probe hybridization, Genome Research 6:639-645). 적절한 구체예에서, 배열은 컴퓨터 제어 X-Y 스테이지와 현미경 렌즈를 장착한 레이저 형광 스캐너로 스캔한다. 2가지 형광단의 순차적인 여기는 다중-라인 혼합 가스 레이저로 성취하고, 방출된 광은 파장별로 쪼개고, 2개의 광증폭 튜브로 검출한다. 형광 레이저 스캐닝 장치는 Schena et al., 1996, Genome Res. 6:639-645에서 기술한다. 대안으로, 광섬유 다발(Ferguson et al., 1996, Nature Biotech. 14:1681-1684)을 사용하여, 다수의 위치에서 동시에 mRNA 양 수준을 모니터할 수 있다. 신호는 기록하고, 적절한 구체예에서 12 비트 아날로그 내지 디지털 보드를 이용하여 컴퓨터로 분석한다. 한 구체예에서, 스캔된 이미지는 그래픽 프로그램(Hijaak Graphics Suite)을 이용하여 변환하고, 각 위치상의 각 파장에서 평균 하이브리드형성의 스프레드시트를 만드는 영상 그리딩 프로그램을 이용하여 분석한다. 필요한 경우, 2가지 형광에 대한 채널사이의 "교차 보행"(또는 중복)을 위하여 실험적으로 결정된 보정을 실시한다. 전사체 배열에서 임의의 특정 하이브리드형성 위치에서, 2가지 형광단의 방출율을 계산할 수 있다. 비율은 동족 유전자의 절대 발현 수준과 무관한데, 발현이 약물 투여, 유전자 결실 또는 임의 다른 실험현상에 의해 상당히 조절되는 유전자에 유용하다.
본 발명의 방법에 따라, 2 세포 또는 세포계에서 mRNA의 상대적 양은 섭동과 측정된 이의 크기로서 기록하거나(즉, 시험한 mRNA의 2 출처에서 양은 상이하다), 또는 섭동되지 않은 것으로 기록한다(즉, 상대적인 양은 동일하다).
이 글에서, 2출처사이의 25%(한 출처의 RNA는 다른 출처보다 한 출처에서 25%이상 더 풍부하다), 좀더 일반적으로는 50%, 이보다 좀더 일반적으로는 2(2배 풍부), 3(3배 풍부) 또는 5(5배 풍부) RNA 차이는 섭동으로 기록한다. 현재의 탐지방법으로 3배 내지 5배 순서 차이로 검출할 수 있지만, 더 민감한 방법의 개발이 기대된다.
가급적, 섭동을 파지티브 또는 네거티브로 확인하는 것이외에, 섭동의 크기를 결정하는 것이 바람직하다. 이것은 전술한 바와 같이 상이한 표지에 사용되는 2가지 형광단의 방출비율을 계산하거나, 또는 당업자가 쉽게 이해할 수 있는 이와 유사한 방법으로 실시할 수 있다.
응답 프로파일의 측정
본 발명의 구체예에서, 관심있는 세포의 전사상태를 반영하는 전사체 배열은 각각 관심있는 상이한 세포의 mRNA에 상응하는(즉, 상보적인) 2개의 상이하게 라벨된 프로브의 혼합물을 미소배열과 하이브리드형성시켜 만들 수 있다. 본 발명에 따라, 2개의 세포는 동일형, 즉, 동종 및 동균주이지만, 몇 개의(예, 1개, 2개, 3개 또는 5개, 가급적 1개) 유전자 좌위에서 유전적으로 상이하다. 달리, 이들은 유전적으로 동일하지만, 환경이 상이하다(예, 약물에 노출된 대 노출되지 않은).
응답 프로파일을 측정하기 위하여, 관심있는 여러 수준의 질병 상태 또는 치료요법적 효과(즉, "섭동")를 보유한 세포를 만들거나 성장시킨다. 섭동을 보유한 세포와 섭동을 보유하지 않은 세포를 사용하여 전사체 배열을 만드는데, 이들을 측정하여 변형 발현된 mRNA를 찾고, 질병상태의 수준 또는 치료요법적 효과의 수준에 기인한 변형의 정도를 파악한다. 따라서, 응답 프로파일이 수득된다.
여러 등급의 약물 노출과 여러 등급의섭동 조절 변수의 수준 밀집은 개별 유전자 반응에서 예리함과 구조로 조절한다-반응이 급할수록 반응을 적절하게 해결하기 위해 필요한 수준은 더 밀집된다. 이의 전형적인 밀집은 도2의 예로 표시한다. 수백배 범위의 농도의 메노트렉세이트에 6번 노출시키는 것만으로도 유전자 발현 반응을 분석할 수 있다. 하지만, 이런 경로를 좀더 자세하게 나타내기 위해서는 더 많은 노출이 필요하다.
또한, 2색 차등 하이브리드형성 실험에서 형광표지를 역전시키는 실험오차를 줄이기 위해서는 개별 유전자 또는 배열 스팟 위치에 특이적인 바이어스를 줄이기는 것이 바람직하다. 다시 말하면, 먼저 측정할 두 세포에서 얻은 mRNA의 한가지 표지(예, 제 1 플루오로크롬으로 섭동된 세포와 제 2 플루오로크롬으로 비섭동된 세포를 표지)하고, 이후 표지 역전된(예, 제 2 플루오로크롬으로 섭동된 세포와 제 1 플루오로크롬으로 비섭동된 세포를 표지) 두 세포로부터 유전자 발현을 측정하는 것이 바람직하다. 노출 수준과 섭동 조절 변수 수준에 대한 다중 측정에서 추가적으로 실험 오차를 조절할 수 있다. 적당한 샘플링과 함께, 오차 평균과 구조상실사이의 반응 데이터를 반응함수에 삽입하는데 사용되는 스플린 함수 S의 폭을 결정하는 경우, 트레이드-오프를 실시할 수 있다.
진단 프로파일 측정
진단 프로파일은 일부 질병상태의 수준 또는 일부 치료요법적 효과의 수준을 분석하는데 바람직한 임의 세포형에서 수득할 수 있다. 적절하게는 질병상태 또는 치료요법은 응답 프로파일을 이용할 수 있거나 또는 만들 수 있는 것이어야 한다. 진단 프로파일을 수득하는데 바람직한 세포에는 하나 또는 복수의 유전자 돌연변이와 관련된 일정수준의 질병상태를 보유한 것으로 의심되는 환자의 세포뿐만 아니라 약물 또는 약물과 다른 치료요법의 조합에 노출되고 일정 수준의 치료요법적 효과를 보이는 환자의 세포가 포함된다.
특정 수준의 질병 상태 또는 치료요법적 효과를 보유한 것으로 의심되는 세포의 진단 프로파일을 측정하기 위해, 이런 수준을 보유한 것으로 의심되는 세포와 동일 세포형의 야생형 세포를 이용하여 전사체 배열을 작제하는데, 이들을 측정하여 상기 수준의 질병 상태 또는 치료요법적 효과에 기인하여 변형 발현된 mRNA를 찾는다. 따라서, 진단 프로파일을 얻을 수 있다.
약물에 노출된 세포의 진단 프로파일을 측정하기 위해, 세포 또는 세포를 수득한 미생물/환자는 관심이 되는 약물의 일정 수준에 노출시키는데, 바람직하게는 약물의 임상적인 분량에 상응하는 수준에 노출시키고, 치료요법적 효과를 측정한다(예, 질병 마크 또는 질병 증상의 양 변화 측정). 세포를 in vitro에서 생장시켰을 때, 약물을 이들의 영양 배지상에 통상 첨가한다. 효모의 경우, 로그상 초기에 수거하는 것이 바람직한데, 그 이유는 발현패턴이 이 시점의 수거시 상대적으로 둔감하기 때문이다. 약물은 약물의 특정 성질에 기초하여 여러 등급의 양으로 첨가하지만, 일반적으로 1ng/㎖ 내지 100㎎/㎖을 첨가한다. 일부 경우에, 약물은 DMSO와 같은 용매에서 용해시킨다.
치료요법에 노출되거나 또는 질병 상태를 보유한 세포 및 치료요법에 노출되지 않거나 또는 질병 상태(또는 특정 수준의 질병 상태)를 보유하지 않은 세포를 사용하여 전사체 배열을 작제하는데, 이 전사체 배열을 측정하여 상기 수준의 질병 상태 또는 치료요법적 효과에 기인한 변형발현된 mRNA를 찾는다. 이후, 응답 프로파일을 얻는다.
유사하게, 응답 프로파일을 측정하기 위해서, 2색 차등 하이브리드형성의 경우 역 라벨로 진단 프로파일을 측정하는 것이 바람직하다.
전사상태를 측정하는 다른 방법
세포의 전사상태는 당분야에 공지된 다른 유전자 발현 기술로 측정할 수 있다. 이런 여러 가지 기술, 예를 들면, 단계적 프라이머와 이중 제한 효소 절단체를 결합시키는 방법(European Patent 0 534858 A1, September 24, 1992, Zabeau et al.), 또는 한정된 mRNA 말단에 가장 근접한 위치의 제한 단편을 선택하는 방법(Prashar et al., 1996, Proc. Natl. Acad. Sci. USA 93:659-663)을 이용하여, 전기영동 분석을 위한 복잡하지 않은 제한 단편의 풀을 만든다. 다른 방법, 예를 들면, 각 cDNA를 동정하기 위해 각 다중 cDNA에서 충분한 염기(예, 20-50개 염기)를 서열 분석하는 방법 또는 한정된 mRNA 말단에 상대적인 공지된 위치에서 생성된 짧은 태그(예, 9-10개 염기)를 서열 분석하는 방법으로 cDNA 풀을 통계학적으로 샘플링한다(Velculescu, 1995, Science 270:484-487).
5.4.2 생물 상태의 다른 측면의 측정
본 발명의 다양한 구체예에서, 전사상태를 제외한 다른 생물상태의 측면, 예를 들면, 번역상태, 활성상태 또는 혼성 상태는 치료요법과 질병 상태 반응을 얻기 위하여 측정할 수 있다. 이런 구체예의 자세한 내용은 본 단락에서 설명한다.
번역상태 측정에 기초한 구체예
번역상태의 측정은 몇 가지 방법으로 실시할 수 있다. 가령, 단백질의 전체 게놈 모니터링(즉, "proteome" Goffeau et al.,)은 미소배열을 구성하여 실시할 수 있는데, 여기서, 결합위치는 세포 게놈에 의해 인코드되는 복수의 단백질종에 특이적인 고착된 단클론 항체로 구성된다. 가급적, 항체는 상당 부분의 인코드된 단백질, 또는 관심있는 질병 상태 또는 치료요법적 효과의 작용과 유관한 단백질에 대하여 존재한다. 단클론항체를 만드는 방법은 공지된 것이다(Harlow and Lane, 1988, Antibodies: A Laboratory Manual, Cold Spring Harbor, New York). 적절한 구체예에서, 단클론 항체는 세포의 게놈 서열에 기초하여 고안된 합성 펩티드 단편에 대하여 생성시킨다. 이런 항체 배열에서, 세포의 단백질은 배열과 접촉하고, 이들의 결합은 당분야에 공지된 분석법으로 분석한다.
다른 방법으로, 단백질은 2차원 겔 전기영동 장치로 분리할 수 있다. 2차원 겔 전기영동은 당분야에 공지된 것으로, 일반적으로 제 1 차원상의 등전점 촛점조정과 이후 제 2 차원상의 SDS-PAGE 전기영동으로 이루어진다(Hames et al, 1990, Gel Electrophoresis of Proteins: A Practical Approach, IRL Press, New York; Shevchenko et al., 1996, Proc. Nat'l Acad. Sci. USA 93:1440-1445; Sagliocco et al., 1996, Yeast 12:1519-1533; Lander, 1996, Science 274:536-539). 생성된 일렉트로페로그램은 다수의 기술, 예를 들면, 질량 분광기술, 웨스턴 블라팅, 다클론과 단클론 항체를 이용한 면역블랏 분석, 내부와 N-말단 미세-서열분석으로 분석할 수 있다. 이들 기술을 이용하여, 임의의 생리조건, 예를 들면, 약물에 노출된 세포(효모) 또는 특정 유전자의 결실 또는 과다발현에 의해 변형된 세포에서 만들어진 거의 모든 단백질을 확인할 수 있다.
6. 관련 문헌
이 글에 언급된 모든 자료는 여기에 참고문헌으로 한다.
당업자가 인지하는 바와 같이, 본 발명의 다양한 변형 또는 변이는 본 발명의 개념과 범주를 벗어나지 않는다. 이 글에서 밝힌 특정 구체예는 설명하기 위한 것이고, 본 발명은 첨부된 청구항으로만 제한한다.

Claims (50)

  1. 개체에서 한가지 이상의 질병 상태를 결정하는 방법에 있어서,
    각 질병 상태에 대해 각 질병 상태 수준과 관련된 내삽된 섭동 응답 프로파일로부터 내삽된 응답 프로파일을 결정하고, 진단 프로파일과 결정된 내삽 응답 프로파일 사이에 최대 유사성을 가지고, 진단 프로파일은 개체의 한가지 이상의 세포에 있는 다수의 세포 성분을 측정하여 얻고, 이때 내삽된 응답 프로파일은
    (i) 각 질병 상태에서 한명 이상의 유사 개체에서 한 가지 이상이 세포의 응답 프로파일을 제공하고, 이때 응답 프로파일은 각 질병 상태의 여러 가지 수준에서 한 명 이상의 유사 개체로부터 다수의 세포 성분을 측정하여 얻고, 그리고
    (ii) 섭동 응답 곡선을 내삽시켜, 각 질병 상태에 수준 범위이상에서 응답 프로파일을 추출하고,
    이때, 결정된 각 내삽된 응답 프로파일에 관련된 각 질병 상태는 각 질병 상태의 수준을 나타내는 것을 특징으로 하는 개체에서 한 가지 이상의 질병 수준을 결정하는 방법.
  2. 제 1 항에 있어서, 단일 질병 상태 수준을 결정하는 것을 특징으로 하는 방법.
  3. 제 1 항에 있어서, 내삽된 섭동 응답 프로파일은 내삽된 응답 프로파일을 한 가지 이상의 임상 효과에 정함으로써 질병 상태의 수준과 연계시키는 것을 특징으로 하는 방법.
  4. 제 1 항에 있어서, 한 가지 이상의 질병 상태는 유전적 돌연변이와 연관된 것을 특징으로 하는 방법.
  5. 제 4 항에 있어서, 유전자 돌연변이는 코딩 부분에 있는 것을 특징으로 하는 방법.
  6. 제 4 항에 있어서, 유전자 돌연변이는 이형접합성 돌연변이인 것을 특징으로 하는 방법.
  7. 질병을 가지고 있는 개체에서 한 가지 이상의 치료법의 효과 수준을 결정하는 방법에 있어서, 각 치료법에서, 각 치료 효과 수준과 관련된 내삽된 섭동 응답 프로파일로부터 내삽된 응답 프로파일을 결정하고, 진단 프로파일과 결정된 내삽 응답 프로파일 사이에 최대 유사성을 가지고, 진단 프로파일은 개체의 한가지 이상의 세포에 있는 다수의 세포 성분을 측정하여 얻고, 이때 내삽된 응답 프로파일은
    (i) 각 치료법에서 한 명 이상의 유사 개체에서 한 가지 이상이 세포의 응답 프로파일을 제공하고, 이때 응답 프로파일은 각 치료 효과의 여러 가지 수준에서 한 명 이상의 유사 개체로부터 다수의 세포 성분을 측정하여 얻고, 그리고
    (ii) 섭동 응답 곡선을 내삽시켜, 각 질병 상태에 수준 범위이상에서 응답 프로파일을 추출하고,
    이때, 결정된 각 내삽된 응답 프로파일에 관련된 각 치료 효과는 각 치료 효과의 수준을 나타내는 것을 특징으로 하는 개체에서 한 가지 이상의 치료 효과 수준을 결정하는 방법.
  8. 제 7 항에 있어서, 단일 치료 효과 수준을 결정하는 것을 특징으로 하는 방법.
  9. 제 7 항에 있어서, 내삽된 섭동 응답 프로파일은 내삽된 응답 프로파일을 한 가지 이상의 임상 효과에 정함으로써 치료 효과 수준과 연계시키는 것을 특징으로 하는 방법.
  10. 제 9 항에 있어서, 진단 프로파일이 한 가지 이상의 원하는 임상 효과 수준에서 계산된 섭동 응답 프로파일에서 얻은 프로파일과 일치될 때까지 한 가지 이상의 약물 요법을 조정하는 것을 특징으로 하는 방법.
  11. 제 7 항에 있어서, 한 가지 이상의 요법은 약물로 치료하는 것으로 구성된 것을 특징으로 하는 방법.
  12. 제 11 항에 있어서, 약물은 단백질 활성을 증가시키는 것을 특징으로 하는 방법.
  13. 제 11 항에 있어서, 약물은 단백질 활성을 감소시키는 것을 특징으로 하는 방법.
  14. 제 7 항에 있어서, 한 가지 이상 치료법중 적어도 한 가지 효과는 유익한 효과인 것을 특징으로 하는 방법.
  15. 제 7 항에 있어서, 한 가지 이상 치료법중 적어도 한 가지 효과는 불리한 효과인 것을 특징으로 하는 방법.
  16. 제 15 항에 있어서, 불리한 효과는 독성 효과인 것을 특징으로 하는 방법.
  17. 제 1항 또는 제7항에 있어서, 내삽은 spline 함수에 의해 접근하는 것으로 구성된 것을 특징으로 하는 방법.
  18. 제1항 또는 제7항에 있어서, 내삽은 Hill 함수로 접근하는 것으로 구성된 것을 특징으로 하는 방법.
  19. 제1항 또는 제7항에 있어서, 결정된 내삽 응답 프로파일은 결정된 내삽 응답 프로파일의 합인 것을 특징으로 하는 방법.
  20. 제 1 항에 있어서, 한 가지 이상의 질병 상태에 대해 결정된 수준은
    진단 프로파일과
    한 가지 이상의 결정된 요법의 수준에 대해 섭동 응답 곡선에서 추출된 섭동 응답 프로파일사이에 차이의 목적 함수 값을 최소로 하는 수준이 되는 것을 특징으로 하는 방법.
  21. 제 7 항에 있어서, 한 가지 이상의 치료요법의 효과에 대해 결정된 수준은 진단프로파일과 한가지 이상의 결정된 치료요법의 수준에 대해 섭동 응답 곡선에서 추출된 섭동 프로파일사이에 차이의 목적 함수 값을 최소로 하는 수준이 되는 것을 특징으로 하는 방법.
  22. 제 20 항 또는 제 21 항에 있어서, 목적 함수는 진단 프로파일과 섭동 반응 곡선에서 취한 섭동 반응 프로파일의 차이의 제곱의 합으로 구성된 것을 특징으로 하는 방법.
  23. 제1항 또는 제7항에 있어서, 개체는 포유류인 것을 특징으로 하는 방법.
  24. 제 23 항에 있어서, 개체는 사람인 것을 특징으로 하는 방법.
  25. 제 1 항 또는 제 7 항에 있어서, 다수의 제 1 세포 성분과 다수의 제 2 세포 성분은 세포형에 존재하는 풍족한 다수의 RNA 종으로 구성된 것을 특징으로 하는 방법.
  26. 제 25 항에 있어서, 다수의 제 1 RNA 종과 제 2 RNA종의 풍족성은 유전자 전사 배열을 세포형 세포로부터 취한 RNA와 접촉시키거나 또는 여기에서 유도된 cDNA와 접촉시켜 측정할 수 있고, 이때 유전자 전사 배열은 핵산 또는 핵산 유사체가 부착된 표면으로 구성되고, 이때 핵산 또는 핵산 유사체는 다수의 RNA종 또는 이에서 유도된 cDNA와 하이브리드할 수 있는 능력이 있는 것을 특징으로 하는 방법.
  27. 제 26 항에 있어서, 다수의 제 1 RNA 종과 제 2 RNA종의 풍족성은 한 가지 이상의 유전자 전사 배열을 (i) 단백질의 활성이 차단된 것으로 공지된 또는 의심이 가는 세포형 세포로부터 취한 RNA와 접촉시키거나 또는 여기에서 유도된 cDNA와 접촉시키거나 또는 (ii)질병이 없거나 치료를 하지 않은 제 2의 개체의 제 2 세포에서 취한 RNA 또는 이에서 유도된 cDNA와 접촉시키는 방법으로 실행할 수 있는 것을 특징으로 하는 방법.
  28. 제 25 항에 있어서, 제 1 다수의 RNA 종은 질병 상태 또는 치료에 관련된 섭동에 반응하여 세포에서 감소되거나 증가되는 것으로 공지된 대부분의 RNA종으로 구성되는 것을 특징으로 하는 방법.
  29. 제 26 항에 있어서, 제 1 다수의 RNA 종은 질병 상태 또는 치료에 관련된 섭동에 반응하여 세포에서 감소되거나 증가되는 것으로 공지된 대부분의 RNA종으로 구성되는 것을 특징으로 하는 방법.
  30. 제 1 항 또는 제 7항 에 있어서, 세포 구성성분은 세포형에 존재하는 다수의 풍부한 단백질로 구성된 것을 특징으로 하는 방법.
  31. 제 30 항에 있어서, 다수의 풍부한 단백질은 세포형 세포로부터 취한 단백질과 항체 배열을 접촉시키는 방법으로 측정할 수 있고, 이때 항체 배열은 항체가 부착된 표면으로 구성되고, 항체는 다수의 단백질 종에 결합할 수 있는 능력을 가지는 것을 특징으로 하는 방법.
  32. 제 27 항에 있어서, 다수의 풍부한 단백질 종은 세포형 세포로부터 취한 단백질을 2차원 전기영동을 시키는 방법으로 측정하는 것을 특징으로 하는 방법.
  33. 제 1 항 또는 제 7 항에 있어서, 세포 구성성분은 세포형에 존재하는 다수의 단백질 종의 활성으로 구성된 것을 특징으로 하는 방법.
  34. 개체에서 한 가지 이상의 질병 상태 수준을 결정하는 컴퓨터 시스템에 있어서, 프로세서 및 프로세서에 결합된 메모리로 구성되고, 이때 메모리는 한 가지 이상의 프로그램을 인코드하고 있으며, 한 가지 이상의 프로그램은 각 질병 상태에서, 각 질병 상태에 대해 각 질병 상태 수준과 관련된 내삽된 섭동 응답 프로파일로부터 내삽된 응답 프로파일을 결정하고, 진단 프로파일과 결정된 내삽 응답 프로파일 사이에 최대 유사성을 가지고, 진단 프로파일은 개체의 한가지 이상의 세포에 있는 다수의 세포 성분을 측정하여 얻고, 이때 내삽된 응답 프로파일은
    (i) 각 질병 상태에서 한명 이상의 유사 개체에서 한 가지 이상이 세포의 응답 프로파일을 제공하고, 이때 응답 프로파일은 각 질병 상태의 여러 가지 수준에서 한 명 이상의 유사 개체로부터 다수의 세포 성분을 측정하여 얻고, 그리고
    (ii) 섭동 응답 곡선을 내삽시켜, 각 질병 상태에 수준 범위이상에서 응답 프로파일을 추출하고,
    이때, 결정된 각 내삽된 응답 프로파일에 관련된 각 질병 상태는 각 질병 상태의 수준을 나타내는 것을 특징으로 하는 컴퓨터 시스템.
  35. 개체에서 한 가지 이상의 치료법의 효과 수준을 결정하는 컴퓨터 시스템에 있어서, 프로세서 및 프로세서에 결합된 메모리로 구성되고, 이때 메모리는 한 가지 이상의 프로그램을 인코드하고 있으며, 한 가지 이상의 프로그램은 각 질병 상태에서, 각 질병 상태에 대해 각 질병 상태 수준과 관련된 내삽된 섭동 응답 프로파일로부터 내삽된 응답 프로파일을 결정하고, 진단 프로파일과 결정된 내삽 응답 프로파일 사이에 최대 유사성을 가지고, 진단 프로파일은 개체의 한가지 이상의 세포에 있는 다수의 세포 성분을 측정하여 얻고, 이때 내삽된 응답 프로파일은
    (i) 각 질병 상태에서 한명 이상의 유사 개체에서 한 가지 이상이 세포의 응답 프로파일을 제공하고, 이때 응답 프로파일은 각 질병 상태의 여러 가지 수준에서 한 명 이상의 유사 개체로부터 다수의 세포 성분을 측정하여 얻고, 그리고
    (ii) 섭동 응답 곡선을 내삽시켜, 각 질병 상태에 수준 범위이상에서 응답 프로파일을 추출하고,
    이때, 결정된 각 내삽된 응답 프로파일에 관련된 각 질병 상태는 각 질병 상태의 수준을 나타내는 것을 특징으로 하는 컴퓨터 시스템.
  36. 제 34 항 또는 35 항에 있어서, 내삽된 응답 프로파일 결정은
    (a) 진단 프로파일과 결정된 내삽 프로파일에서 차이가 되는 목적 함수의 값을 결정하고;
    (b) 목적 함수의 결정된 값을 최소화시키는 방법으로 얻을 수 있는 것을 특징으로 하는 컴퓨터 시스템.
  37. 제 34항 또는 제 35 항에 있어서, 진단 프로파일과 섭동 응답 곡선은 메모리에서 이용할 수 있도록 만들어진 것을 특징으로 하는 컴퓨터 시스템.
  38. 제 37 항에 있어서, 프로그램에 의해 프로세서는 섭동 응답 프로파일을 내삽시키는 단계를 실행하는 것을 특징으로 하는 컴퓨터 시스템.
  39. 제 36 항에 있어서, 목적 함수는 진단 프로파일과 섭동 응답 곡선에서 추출한 섭동 응답 프로파일의 차의 제곱의 합으로 구성되는 것을 특징으로 하는 컴퓨터 시스템.
  40. 제 36 항에 있어서, 목적 함수는 진단 프로파일과 섭동 응답 곡선에서 추출한 섭동 응답 프로파일의 네가티브 상관관계로 구성된 것을 특징으로 하는 컴퓨터 시스템.
  41. 제 36 항에 있어서, 최소화하는 방법은 Levenberg-Marquandt 방법으로 실행되는 것을 특징으로 하는 컴퓨터 시스템.
  42. 개체에서 한 가지 이상의 질병 수준을 결정하는 키트에 있어서, 공지의 다른 서열을 가지는 다수의 핵산이 표면상에 있는 고형상으로 구성되고, 고형상에 있는 공지의 위치 각각에서, 각 핵산은 RNA 종 또는 이로부터 유도된 cDNA종에 하이브리드할 수 있는 능력이 있고, 이때 질병 상태의 다른 수준에서 RNA종은 증가 또는 감소되는 것으로 알려져 있고, 실제 증가되거나 감소되지 않는 RNA 종에 하이브리드될 수 있는 능력을 가지는 핵산을 배제하는 것으로 구성된 것을 특징으로 하는 키트.
  43. 개체에서 한 가지 이상의 치료 효과 수준을 결정하는 키트에 있어서, 공지의 다른 서열을 가지는 다수의 핵산이 표면상에 있는 고형상으로 구성되고, 고형상에 있는 공지의 위치 각각에서, 각 핵산은 RNA 종 또는 이로부터 유도된 cDNA종에 하이브리드할 수 있는 능력이 있고, 이때 질병 상태의 다른 수준에서 RNA종은 증가 또는 감소되는 것으로 알려져 있고, 실제 증가되거나 감소되지 않는 RNA 종에 하이브리드될 수 있는 능력을 가지는 핵산을 배제하는 것으로 구성된 것을 특징으로 하는 키트.
  44. 개체에서 한 가지 이상의 질병 수준을 결정하는 키트에 있어서, 키트는 고형상 서포트 및 섭동 응답 곡선으로 구성되는데, 이때 각각에 대한 설명으로,
    (a) 표면에 공지의 다른 서열로된 다수의 핵산이 포함된 고형상, 이때 각 핵산은 RNA 종 또는 이에서 유도된 cDNA 종에 하이브리드할 수 있고, 이때 RNA 종은 질병 상태의 다른 수준에서 증가되거나 감소되는 것으로 알려져 있고;
    (b) 전자 또는 기록된 형태의 응답 프로파일은 질병 상태의 각 수준과 관계가 있고, 이때 응답 프로파일은 각 질병 상태에서 여러 수준에서 한명이상의 유사한 개체의 세포에 있는 다수의 세포 성분을 측정하여 얻는 것을 특징으로 하는 키트.
  45. 개체에서 한 가지 이상의 치료 효과 수준을 결정하는 키트에 있어서, 키트는 고형상 서포트 및 섭동 응답 곡선으로 구성되는데, 이때 각각에 대한 설명으로,
    (a) 표면에 공지의 다른 서열로된 다수의 핵산이 포함된 고형상, 이때 각 핵산은 RNA 종 또는 이에서 유도된 cDNA 종에 하이브리드할 수 있고, 이때 RNA 종은 치료 효과의 다른 수준에서 증가되거나 감소되는 것으로 알려져 있고;
    (b) 전자 또는 기록된 형태의 응답 프로파일은 치료 효과의 각 수준과 관계가 있고, 이때 응답 프로파일은 각 치료 효과의 여러 수준에서 한명이상의 유사한 개체의 세포에 있는 다수의 세포 성분을 측정하여 얻는 것을 특징으로 하는 키트.
  46. 제 44 항 또는 제 45 항에 있어서, 응답 프로파일이 내삽된 것을 특징으로 하는 키트.
  47. 제 44 또는 45 항에 있어서, 섭동 응답 곡선은 전자형이고, 키트에는 컴퓨터 판독가능한 매체상에 발현 프로파일 분석 소프트웨어가 추가로 포함되고, 컴퓨터 메모리에 인코드될 수 있는 소프트웨어에는 프로세서가 포함되고, 인코드된 소프트웨어에 의해 프로세서는 다음의 방법을 실행시키는데,
    (a) 세포형 세포로부터 진단 프로파일을 제공받고, 이때 진단 프로파일은 세포로부터 취한 RNA 종 또는 이에서 유도된 cDNA의 량을 측정하는 방법으로 얻을 수 있고,
    (b) 섭동 응답 곡선을 수용하고; 그리고
    (c) 진단 프로파일과 결정된 내삽 응답 복합 프로파일간에 유사성이 최대가 되는 시점에서 단백질에 대한 섭동 수준을 결정하고;
    각 결정된 응답 프로파일에 관련된 수준은 치료법의 효과 또는 질병 상태의 수준을 나타내는 것을 특징으로 하는 키트.
  48. 한 가지 이상의 질병 상태 또는 치료법에 대한 섭동 응답 곡선으로 구성된 데이터베이스에 있어서, 각 데이터베이스는 전자형으로, 이때 응답 프로파일은 각 질병 상태의 여러 수준 또는 치료 효과의 여러 수준에서 한명이상의 유사 개체로부터 취한 세포에 있는 다수의 세포 성분을 측정하여 얻는 것을 특징으로 하는 데이타베이스.
  49. 제 48 항에 있어서, 응답 프로파일은 내삽된 것을 특징으로 하는 데이터베이스.
  50. 제 1 항에 있어서, 질병은 암, 고혈압, 신경퇴행성 질환, 신경정신질환인 것을 특징으로 하는 데이타베이스.
KR1020007014448A 1998-06-19 1999-06-17 유전자발현 프로파일을 이용하여 질병상태와 치료요법을모니터하는 방법 KR20010053030A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US9000498P 1998-06-19 1998-06-19
US60/090,004 1998-06-19
PCT/US1999/013750 WO1999066024A1 (en) 1998-06-19 1999-06-17 Methods of monitoring disease states and therapies using gene expression profiles

Publications (1)

Publication Number Publication Date
KR20010053030A true KR20010053030A (ko) 2001-06-25

Family

ID=22220646

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020007014448A KR20010053030A (ko) 1998-06-19 1999-06-17 유전자발현 프로파일을 이용하여 질병상태와 치료요법을모니터하는 방법

Country Status (9)

Country Link
US (2) US6218122B1 (ko)
EP (1) EP1086205A4 (ko)
JP (1) JP2002518003A (ko)
KR (1) KR20010053030A (ko)
CN (1) CN1313891A (ko)
AU (1) AU779902B2 (ko)
CA (1) CA2335299A1 (ko)
IL (1) IL140390A0 (ko)
WO (1) WO1999066024A1 (ko)

Families Citing this family (228)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6820235B1 (en) * 1998-06-05 2004-11-16 Phase Forward Inc. Clinical trial data management system and method
US6218122B1 (en) * 1998-06-19 2001-04-17 Rosetta Inpharmatics, Inc. Methods of monitoring disease states and therapies using gene expression profiles
US6468476B1 (en) * 1998-10-27 2002-10-22 Rosetta Inpharmatics, Inc. Methods for using-co-regulated genesets to enhance detection and classification of gene expression patterns
US6453241B1 (en) * 1998-12-23 2002-09-17 Rosetta Inpharmatics, Inc. Method and system for analyzing biological response signal data
US6351712B1 (en) * 1998-12-28 2002-02-26 Rosetta Inpharmatics, Inc. Statistical combining of cell expression profiles
US6222093B1 (en) * 1998-12-28 2001-04-24 Rosetta Inpharmatics, Inc. Methods for determining therapeutic index from gene expression profiles
US6136541A (en) 1999-02-22 2000-10-24 Vialogy Corporation Method and apparatus for analyzing hybridized biochip patterns using resonance interactions employing quantum expressor functions
US20040111219A1 (en) * 1999-02-22 2004-06-10 Sandeep Gulati Active interferometric signal analysis in software
US6245511B1 (en) * 1999-02-22 2001-06-12 Vialogy Corp Method and apparatus for exponentially convergent therapy effectiveness monitoring using DNA microarray based viral load measurements
US6142681A (en) 1999-02-22 2000-11-07 Vialogy Corporation Method and apparatus for interpreting hybridized bioelectronic DNA microarray patterns using self-scaling convergent reverberant dynamics
AU4057600A (en) * 1999-03-31 2000-10-16 Rosetta Inpharmatics, Inc. Methods for the identification of reporter and target molecules using comprehensive gene expression profiles
US20030073250A1 (en) * 1999-05-21 2003-04-17 Eric Henderson Method and apparatus for solid state molecular analysis
US20030186311A1 (en) * 1999-05-21 2003-10-02 Bioforce Nanosciences, Inc. Parallel analysis of molecular interactions
US6573369B2 (en) * 1999-05-21 2003-06-03 Bioforce Nanosciences, Inc. Method and apparatus for solid state molecular analysis
US20020042081A1 (en) * 2000-10-10 2002-04-11 Eric Henderson Evaluating binding affinities by force stratification and force panning
US20050060101A1 (en) * 1999-06-28 2005-03-17 Bevilacqua Michael P. Systems and methods for characterizing a biological condition or agent using precision gene expression profiles
US6692916B2 (en) * 1999-06-28 2004-02-17 Source Precision Medicine, Inc. Systems and methods for characterizing a biological condition or agent using precision gene expression profiles
US6960439B2 (en) 1999-06-28 2005-11-01 Source Precision Medicine, Inc. Identification, monitoring and treatment of disease and characterization of biological condition using gene expression profiles
US20060115826A1 (en) * 1999-06-28 2006-06-01 Michael Bevilacqua Gene expression profiling for identification monitoring and treatment of multiple sclerosis
US20040225449A1 (en) * 1999-06-28 2004-11-11 Bevilacqua Michael P. Systems and methods for characterizing a biological condition or agent using selected gene expression profiles
US7371516B1 (en) 1999-07-16 2008-05-13 Rosetta Inpharmatics Llc Methods for determining the specificity and sensitivity of oligonucleo tides for hybridization
US6730023B1 (en) * 1999-10-15 2004-05-04 Hemopet Animal genetic and health profile database management
US8234099B2 (en) 1999-10-15 2012-07-31 Hemopet Computer program for determining a nutritional diet product for a canine or feline animal
WO2001028415A1 (en) * 1999-10-15 2001-04-26 Dodds W Jean Animal health diagnosis
US7548839B2 (en) * 1999-10-15 2009-06-16 Hemopet System for animal health diagnosis
US20030036070A1 (en) * 1999-10-21 2003-02-20 Shukti Chakravarti Gene expression profiling of inflammatory bowel disease
US20050090718A1 (en) * 1999-11-02 2005-04-28 Dodds W J. Animal healthcare well-being and nutrition
US6897015B2 (en) * 2000-03-07 2005-05-24 Bioforce Nanosciences, Inc. Device and method of use for detection and characterization of pathogens and biological materials
US6884578B2 (en) * 2000-03-31 2005-04-26 Affymetrix, Inc. Genes differentially expressed in secretory versus proliferative endometrium
GB0013610D0 (en) * 2000-06-06 2000-07-26 Secr Defence Monitoring means
US20030064372A1 (en) * 2000-06-22 2003-04-03 Bodnar Jackie S. Gene and sequence variation associated with lipid disorder
US7567870B1 (en) 2000-07-31 2009-07-28 Institute For Systems Biology Multiparameter analysis for predictive medicine
AU2001280889A1 (en) * 2000-07-31 2002-02-13 Gene Logic, Inc. Molecular toxicology modeling
US7590493B2 (en) * 2000-07-31 2009-09-15 Ocimum Biosolutions, Inc. Methods for determining hepatotoxins
US6984522B2 (en) 2000-08-03 2006-01-10 Regents Of The University Of Michigan Isolation and use of solid tumor stem cells
ATE402760T1 (de) * 2000-08-15 2008-08-15 Bioforce Nanosciences Inc Vorrichtung zur bildung von nanomolekularen netzwerken
JP2002065259A (ja) * 2000-08-24 2002-03-05 Shinya Watanabe 核酸標識方法および核酸標識用キット
US6713257B2 (en) 2000-08-25 2004-03-30 Rosetta Inpharmatics Llc Gene discovery using microarrays
US7807447B1 (en) 2000-08-25 2010-10-05 Merck Sharp & Dohme Corp. Compositions and methods for exon profiling
EP1326177A4 (en) * 2000-09-12 2005-09-14 Inst Med Molecular Design Inc METHOD FOR FORMING A MOLECULAR FUNCTION NETWORK
NZ525336A (en) * 2000-10-20 2006-03-31 Expression Diagnostics Inc Leukocyte expression profiling
WO2002037391A2 (en) * 2000-11-03 2002-05-10 Myetribute, Inc. System and method for conducting pet, death, dna and other related transactions over a computer network
US20030092009A1 (en) * 2000-11-16 2003-05-15 Kaia Palm Profiling tumor specific markers for the diagnosis and treatment of neoplastic disease
US6905816B2 (en) * 2000-11-27 2005-06-14 Intelligent Medical Devices, Inc. Clinically intelligent diagnostic devices and methods
EP1425412A2 (en) * 2000-11-28 2004-06-09 University Of Cincinnati Blood assessment of injury
EP1370696A4 (en) * 2001-03-20 2009-04-22 Ortho Clinical Diagnostics Inc EXPRESSION PROFILES AND METHOD OF USE
AUPR480901A0 (en) * 2001-05-04 2001-05-31 Genomics Research Partners Pty Ltd Diagnostic method for assessing a condition of a performance animal
WO2002095000A2 (en) * 2001-05-22 2002-11-28 Gene Logic, Inc. Molecular toxicology modeling
US20070015146A1 (en) * 2001-05-22 2007-01-18 Gene Logic, Inc. Molecular nephrotoxicology modeling
US20020194154A1 (en) * 2001-06-05 2002-12-19 Levy Joshua Lerner Systems, methods and computer program products for integrating biological/chemical databases using aliases
US20020194201A1 (en) * 2001-06-05 2002-12-19 Wilbanks John Thompson Systems, methods and computer program products for integrating biological/chemical databases to create an ontology network
US7294478B1 (en) 2001-06-06 2007-11-13 Rosetta Inpharmatics Llc Microarray reaction cartridge
AU2002312411A1 (en) * 2001-06-07 2002-12-16 Proligo Llc Microcalorimetric detection of analytes and binding events
US6905827B2 (en) * 2001-06-08 2005-06-14 Expression Diagnostics, Inc. Methods and compositions for diagnosing or monitoring auto immune and chronic inflammatory diseases
US7026121B1 (en) * 2001-06-08 2006-04-11 Expression Diagnostics, Inc. Methods and compositions for diagnosing and monitoring transplant rejection
US7235358B2 (en) 2001-06-08 2007-06-26 Expression Diagnostics, Inc. Methods and compositions for diagnosing and monitoring transplant rejection
CA2451074C (en) * 2001-06-18 2014-02-11 Rosetta Inpharmatics, Inc. Diagnosis and prognosis of breast cancer patients
US20030096264A1 (en) * 2001-06-18 2003-05-22 Psychiatric Genomics, Inc. Multi-parameter high throughput screening assays (MPHTS)
US20030104426A1 (en) * 2001-06-18 2003-06-05 Linsley Peter S. Signature genes in chronic myelogenous leukemia
WO2003003162A2 (en) * 2001-06-29 2003-01-09 Clinomics Biosciences, Inc. Evaluating neuropsychiatric diseases using a specimen-linked database
US6691042B2 (en) 2001-07-02 2004-02-10 Rosetta Inpharmatics Llc Methods for generating differential profiles by combining data obtained in separate measurements
US7447594B2 (en) * 2001-07-10 2008-11-04 Ocimum Biosolutions, Inc. Molecular cardiotoxicology modeling
US20070054269A1 (en) * 2001-07-10 2007-03-08 Mendrick Donna L Molecular cardiotoxicology modeling
JP2005517400A (ja) * 2001-07-10 2005-06-16 ジーン ロジック インコーポレイテッド 心臓毒分子毒性モデリング
AU2002329606A1 (en) * 2001-07-17 2003-03-03 Bioforce Nanosciences, Inc. Combined molecular blinding detection through force microscopy and mass spectrometry
US7343247B2 (en) * 2001-07-30 2008-03-11 The Institute For Systems Biology Methods of classifying drug responsiveness using multiparameter analysis
US20040110193A1 (en) * 2001-07-31 2004-06-10 Gene Logic, Inc. Methods for classification of biological data
US20030148314A1 (en) * 2001-08-01 2003-08-07 Millennium Pharmaceuticals, Inc. Compositions, kits, and methods for identification, assessment, prevention, and therapy of colon cancer
GB0118995D0 (en) * 2001-08-03 2001-09-26 Univ Wales Medicine Detection of mutations in nucleic acids
US20050048566A1 (en) * 2001-08-27 2005-03-03 Delisi Charles Apparatus, composition and method for proteome profiling
DE10143712A1 (de) * 2001-08-30 2003-04-10 Europroteome Ag Verfahren, Computersystem und Computerprogrammprodukt zur Datenauswertung
US7042488B2 (en) 2001-09-27 2006-05-09 Fujinon Corporation Electronic endoscope for highlighting blood vessel
US20030124549A1 (en) * 2001-10-11 2003-07-03 Xerox Corporation Devices and methods for detecting genetic sequences
WO2003033744A1 (en) * 2001-10-18 2003-04-24 Trustees Of Princeton University Methods for determining multiple effects of drugs that modulate function of transcription regulatory proteins
US8738392B2 (en) * 2001-10-24 2014-05-27 Inner Reach Corporation Health information gathering system
US6964850B2 (en) * 2001-11-09 2005-11-15 Source Precision Medicine, Inc. Identification, monitoring and treatment of disease and characterization of biological condition using gene expression profiles
US20030093225A1 (en) * 2001-11-13 2003-05-15 Fathallah-Shaykh Hassan M. Method for reducing noise in analytical assays
US20030129760A1 (en) * 2001-11-13 2003-07-10 Aguilera Frank Reinaldo Morales Mass intensity profiling system and uses thereof
US20040023295A1 (en) * 2001-11-21 2004-02-05 Carol Hamilton Methods and systems for analyzing complex biological systems
US7418351B2 (en) * 2002-01-31 2008-08-26 Rosetta Inpharmatics Llc Methods for analysis of measurement errors in measured signals
CA2471661A1 (en) * 2002-01-31 2003-08-07 Gene Logic, Inc. Molecular hepatotoxicology modeling
EP1483720A1 (en) * 2002-02-01 2004-12-08 Rosetta Inpharmactis LLC. Computer systems and methods for identifying genes and determining pathways associated with traits
US7469185B2 (en) * 2002-02-04 2008-12-23 Ocimum Biosolutions, Inc. Primary rat hepatocyte toxicity modeling
WO2003082078A2 (en) * 2002-03-28 2003-10-09 Medical College Of Ohio Method and compositions for the diagnosis and treatment of non-small cell lung cancer using gene expression profiles
US20030186302A1 (en) * 2002-03-29 2003-10-02 Yixin Wang Colorectal cancer diagnostics
US20030195431A1 (en) * 2002-04-10 2003-10-16 Sukhatme Vikas P. Observation of effects of body fluids on indicator cells for disease diagnosis
DE60323625D1 (de) * 2002-05-03 2008-10-30 Vialogy Llc Verfahren zur charakterisierung der ausgangssignale eines microarrays
JP2005527904A (ja) * 2002-05-20 2005-09-15 ロゼッタ インファーマティクス エルエルシー 複雑性疾患を構成疾患に細分するコンピュータ・システムおよび方法
US20050239193A1 (en) * 2002-05-30 2005-10-27 Bioforce Nanosciences, Inc. Device and method of use for detection and characterization of microorganisms and microparticles
AU2003257082A1 (en) * 2002-08-02 2004-02-23 Rosetta Inpharmatics Llc Computer systems and methods that use clinical and expression quantitative trait loci to associate genes with traits
US7662594B2 (en) 2002-09-20 2010-02-16 New England Biolabs, Inc. Helicase-dependent amplification of RNA
JP4632788B2 (ja) 2002-09-20 2011-02-16 ニュー・イングランド・バイオラブズ・インコーポレイティッド 核酸のヘリカーゼ依存性増幅
US7364846B2 (en) * 2002-10-11 2008-04-29 Molecular Devices Corporation Gene expression profiling from FFPE samples
US20040143403A1 (en) * 2002-11-14 2004-07-22 Brandon Richard Bruce Status determination
AU2002952696A0 (en) * 2002-11-14 2002-11-28 Genomics Research Partners Pty Ltd Status determination
AU2003294165A1 (en) * 2002-11-22 2004-06-18 Caprion Pharmaceuticals, Inc. Constellation mapping and uses thereof
WO2004061616A2 (en) 2002-12-27 2004-07-22 Rosetta Inpharmatics Llc Computer systems and methods for associating genes with traits using cross species data
WO2004060044A2 (en) * 2003-01-02 2004-07-22 Bioforce Nanosciences, Inc. Method and apparatus for molecular analysis in small sample volumes
US7996155B2 (en) 2003-01-22 2011-08-09 Microsoft Corporation ANOVA method for data analysis
US7892745B2 (en) * 2003-04-24 2011-02-22 Xdx, Inc. Methods and compositions for diagnosing and monitoring transplant rejection
US20060263813A1 (en) * 2005-05-11 2006-11-23 Expression Diagnostics, Inc. Methods of monitoring functional status of transplants using gene panels
US20060177870A1 (en) * 2003-04-28 2006-08-10 Ciphergen Biosystems, Inc Immunoassays
US20050054599A1 (en) * 2003-05-02 2005-03-10 Coles John G. Biosynthetic platform for cardioprotective stress response in human fetal heart tissue
US20040220125A1 (en) * 2003-05-02 2004-11-04 Coles John G. Biosynthetic platform for cardioprotective gene expression using immature heart tissue
US8609830B2 (en) * 2003-05-16 2013-12-17 Merck Sharp & Dohme Corp. Methods and compositions for RNA interference
JP4633716B2 (ja) * 2003-05-20 2011-02-16 インベスチゲン， インコーポレイテッド ポリヌクレオチドを検出するためのシステム
US7729864B2 (en) 2003-05-30 2010-06-01 Merck Sharp & Dohme Corp. Computer systems and methods for identifying surrogate markers
CA2527323A1 (en) * 2003-06-09 2004-12-16 Decode Genetics Ehf. Methods for predicting drug efficacy in patients afflicted with hypertension
WO2005017652A2 (en) * 2003-08-05 2005-02-24 Rosetta Inpharmatics, Llc Computer systems and methods for inferring causality from cellular constituent abundance data
CA2533922A1 (en) * 2003-08-07 2005-02-17 Gene Logic, Inc. Primary rat hepatocyte toxicity modeling
WO2005040163A1 (en) * 2003-10-28 2005-05-06 Dr. Reddy's Laboratories Ltd Heterocyclic compounds that block the effects of advanced glycation end products (age)
US7206789B2 (en) 2003-11-13 2007-04-17 St. Jude Children's Research Hospital, Inc. System and method for defining and collecting data in an information management system having a shared database
WO2005067405A2 (en) 2004-01-20 2005-07-28 School Foundation Eulji Method for screening responsiveness to drugs effective in treatment or prevention of vitiligo and method for prognosis of vitiligo
US20050186577A1 (en) 2004-02-20 2005-08-25 Yixin Wang Breast cancer prognostics
US7881872B2 (en) * 2004-03-12 2011-02-01 Microsoft Corporation Methods of analyzing multi-channel profiles
US20080281526A1 (en) * 2004-03-22 2008-11-13 Diggans James C Methods For Molecular Toxicology Modeling
US20110071767A1 (en) * 2004-04-07 2011-03-24 Ocimum Biosoluntions, Inc. Hepatotoxicity Molecular Models
WO2005107412A2 (en) * 2004-04-30 2005-11-17 Rosetta Inpharmatics Llc Systems and methods for reconstruction gene networks in segregating populations
US7691578B2 (en) * 2004-07-07 2010-04-06 Dana-Farber Cancer Institute, Inc. Methods and compositions for treating obesity
US20060041387A1 (en) * 2004-08-17 2006-02-23 Xiumei Sun Smart microarray cancer detection system
US8484000B2 (en) * 2004-09-02 2013-07-09 Vialogy Llc Detecting events of interest using quantum resonance interferometry
WO2006029184A2 (en) * 2004-09-08 2006-03-16 Expression Diagnostics, Inc. Genes useful for diagnosing and monitoring inflammation related disorders
DE502005003509D1 (de) * 2004-11-19 2008-05-08 Ebm Papst St Georgen Gmbh & Co Anordnung mit einem luefter und einer pumpe
US20060252057A1 (en) * 2004-11-30 2006-11-09 Mitch Raponi Lung cancer prognostics
WO2006110264A2 (en) * 2005-03-16 2006-10-19 Sidney Kimmel Cancer Center Methods and compositions for predicting death from cancer and prostate cancer survival using gene expression signatures
CN101965190A (zh) * 2005-04-04 2011-02-02 维里德克斯有限责任公司 乳腺肿瘤的激光显微解剖和微阵列分析揭示雌激素受体相关的基因和途径
US20070072175A1 (en) * 2005-05-13 2007-03-29 Biogen Idec Ma Inc. Nucleotide array containing polynucleotide probes complementary to, or fragments of, cynomolgus monkey genes and the use thereof
US20070037186A1 (en) 2005-05-20 2007-02-15 Yuqiu Jiang Thyroid fine needle aspiration molecular assay
US8447526B2 (en) * 2005-05-23 2013-05-21 Microsoft Corporation Methods and computer systems for analyzing high-throughput assays
JP5138590B2 (ja) 2005-07-27 2013-02-06 ディアグノスティック アレイ システムズ ピーティーワイ エルティーディー 微生物の検出及び／又は同定方法
IL177006A0 (en) 2005-08-02 2006-12-10 Veridex Llc Predicting bone relapse of breast cancer
JP5405110B2 (ja) 2005-09-19 2014-02-05 ベリデックス・エルエルシー 原発不明がんの原発巣を同定するための方法および材料
US8014957B2 (en) * 2005-12-15 2011-09-06 Fred Hutchinson Cancer Research Center Genes associated with progression and response in chronic myeloid leukemia and uses thereof
US7875274B2 (en) * 2005-12-16 2011-01-25 The Board Of Trustees Of The Leland Stanford Junior University Protein modulators of resistance to alkylating agents
US20090170091A1 (en) * 2006-01-17 2009-07-02 Kenneth Giuliano Method For Predicting Biological Systems Responses
US20070185045A1 (en) * 2006-02-06 2007-08-09 Ratcliffe Peter J Inhibitors of 2-oxoglutarate dioxygenase as gamma globin inducers
US8021839B2 (en) * 2006-02-24 2011-09-20 Investigen, Inc. Methods and compositions for detecting polynucleotides
US20070207467A1 (en) 2006-03-01 2007-09-06 Ming Xu Detection of lymph node metastasis from gastric carcinoma
EP2007874A4 (en) * 2006-03-13 2009-06-10 Veridex Llc PROPAGATION OF PRIMARY CELLS
US20070218505A1 (en) * 2006-03-14 2007-09-20 Paul Kearney Identification of biomolecules through expression patterns in mass spectrometry
US20090098538A1 (en) * 2006-03-31 2009-04-16 Glinsky Gennadi V Prognostic and diagnostic method for disease therapy
WO2008051290A2 (en) * 2006-04-07 2008-05-02 Xdx, Inc. Steroid responsive nucleic acid expression and prediction of disease activity
WO2007127493A2 (en) 2006-05-02 2007-11-08 Therakos, Inc. Methods and reagents for detecting susceptibility to graft versus host disease or transplant related mortality
CA2652562C (en) 2006-05-17 2015-05-12 Cellumen, Inc. Method for automated tissue analysis
EP3399450A1 (en) * 2006-05-18 2018-11-07 Caris MPI, Inc. System and method for determining individualized medical intervention for a disease state
US8768629B2 (en) 2009-02-11 2014-07-01 Caris Mpi, Inc. Molecular profiling of tumors
US20080008651A1 (en) * 2006-05-25 2008-01-10 The Regents Of The University Of Michigan Screening Methods and Transgenic Animals for the Treatment of Beta-Globin Related Disease and Conditions
US7674465B1 (en) 2006-06-23 2010-03-09 Philadelphia Health And Education Corporation Regulation of gene expression by the Bacillus anthracis ARP
US7993832B2 (en) * 2006-08-14 2011-08-09 Xdx, Inc. Methods and compositions for diagnosing and monitoring the status of transplant rejection and immune disorders
US20080096193A1 (en) * 2006-10-24 2008-04-24 Charles Robert Bupp Methods and compositions for detecting polynucleotides
WO2008140484A2 (en) * 2006-11-09 2008-11-20 Xdx, Inc. Methods for diagnosing and monitoring the status of systemic lupus erythematosus
US20100112602A1 (en) * 2006-11-10 2010-05-06 Taylor Lansing D Protein-Protein Interaction Biosensors and Methods of Use Thereof
CA2672270A1 (en) * 2006-12-15 2008-06-26 Gennadi V. Glinksy Treatments of therapy resistant diseases and drug combinations for treating the same
US7771947B2 (en) * 2007-02-23 2010-08-10 Investigen, Inc. Methods and compositions for rapid light-activated isolation and detection of analytes
US20080206777A1 (en) 2007-02-27 2008-08-28 Nuclea Biomarkers, Llc Gene and protein expression profiles associated with the therapeutic efficacy of EGFR-TK inhibitors
EP2118666B1 (de) * 2007-03-07 2011-08-03 Mosaiques Diagnostics And Therapeutics AG Verfahren zur normierung der konzentration von analyten in einer urinprobe
EP1972940A1 (de) * 2007-03-14 2008-09-24 mosaiques diagnostics and therapeutics AG Verfahren und Marker zur Diagnose von Nierenerkrankungen
JP5111902B2 (ja) * 2007-03-14 2013-01-09 シスメックス株式会社 癌の診断支援装置
US20080286774A1 (en) * 2007-05-16 2008-11-20 The Regents Of The University Of California Real-time individualized therapy evaluation
US8765368B2 (en) * 2007-09-17 2014-07-01 The University Of Toledo Cancer risk biomarker
WO2009047280A2 (de) * 2007-10-09 2009-04-16 Mosaiques Diagnostics And Therapeutics Ag Polypeptidmarker zur diagnose von prostatakrebs
EP2051078A1 (de) * 2007-10-19 2009-04-22 mosaiques diagnostics and therapeutics AG Verfahren und Marker zur Diagnose von Diabetes Mellitus
WO2009094318A2 (en) * 2008-01-22 2009-07-30 Veridex, Llc Molecular staging of stage ii and iii colon cancer and prognosis
US8105777B1 (en) 2008-02-13 2012-01-31 Nederlands Kanker Instituut Methods for diagnosis and/or prognosis of colon cancer
US7932036B1 (en) 2008-03-12 2011-04-26 Veridex, Llc Methods of determining acute myeloid leukemia response to treatment with farnesyltransferase
JP2011515672A (ja) * 2008-03-19 2011-05-19 モザイクス ダイアグノスティクス アンド セラピューティクス アーゲー 腎尿細管の損傷および疾患の診断のための方法およびマーカー
WO2009126543A1 (en) 2008-04-08 2009-10-15 Nuclea Biomarkers, Llc Biomarker panel for prediction of recurrent colorectal cancer
EP2669386A1 (en) 2008-07-28 2013-12-04 Blanchette Rockefeller Neurosciences Institute Stimulus-elicited genomic profile markers of alzheimer's disease
EP2324355B1 (en) * 2008-08-28 2014-01-22 Astute Medical, Inc. Methods and compositions for diagnosis and prognosis of renal injury and renal failure
CN102187219B (zh) * 2008-08-29 2015-08-05 阿斯图特医药公司 用于诊断和预后肾损伤和肾衰竭的方法和组合物
WO2010031822A1 (de) * 2008-09-17 2010-03-25 Mosaiques Diagnostics And Therapeutics Ag Nierenzellkarzinom
CN102246035B (zh) 2008-10-21 2014-10-22 阿斯图特医药公司 用于诊断和预后肾损伤和肾衰竭的方法和组合物
CA2740923A1 (en) * 2008-10-21 2010-04-29 Astute Medical, Inc. Methods and compositions for diagnosis and prognosis of renal injury and renal failure
WO2010054389A1 (en) 2008-11-10 2010-05-14 Astute Medical, Inc. Methods and compositions for diagnosis and prognosis of renal injury and renal failure
US8012769B2 (en) * 2008-11-12 2011-09-06 Hemopet Thyroid analyte detection and measurement
US7794954B2 (en) * 2008-11-12 2010-09-14 Hemopet Detection and measurement of thyroid analyte profile
US7799532B2 (en) * 2008-11-12 2010-09-21 Hemopet Detection and measurement of thyroid hormone autoantibodies
CA2743211A1 (en) 2008-11-12 2010-05-20 Caris Life Sciences Luxembourg Holdings, S.A.R.L. Methods and systems of using exosomes for determining phenotypes
EP2811036A3 (en) * 2008-11-22 2015-02-18 Astute Medical, Inc. Methods and compositions for diagnosis and prognosis of renal injury and renal failure
US7873482B2 (en) * 2008-12-16 2011-01-18 Bruno Stefanon Diagnostic system for selecting nutrition and pharmacological products for animals
US20100151062A1 (en) * 2008-12-16 2010-06-17 Bruno Stefanon Determining nutrients for animals through gene expression
US9229010B2 (en) 2009-02-06 2016-01-05 Astute Medical, Inc. Methods and compositions for diagnosis and prognosis of renal injury and renal failure
NZ595919A (en) * 2009-05-20 2014-01-31 Cardio3 Biosciences Sa Method for determining the cardio-generative potential of mammalian cells
KR20120061863A (ko) 2009-08-07 2012-06-13 아스튜트 메디컬 인코포레이티드 신장 손상 및 신부전증의 진단과 예후를 위한 방법 및 조성물
US9771618B2 (en) * 2009-08-19 2017-09-26 Bioarray Genetics, Inc. Methods for treating breast cancer
WO2011034421A1 (en) 2009-09-16 2011-03-24 Stichting Het Nederlands Kanker Instituut Fra-1 target genes as drug targets for treating cancer
NZ628085A (en) 2009-11-07 2015-12-24 Astute Medical Inc Methods and compositions for diagnosis and prognosis of renal injury and renal failure
WO2011066589A1 (en) 2009-11-30 2011-06-03 Caris Life Sciences Luxembourg Holdings Methods and systems for isolating, storing, and analyzing vesicles
KR20120123056A (ko) 2009-12-20 2012-11-07 아스튜트 메디컬 인코포레이티드 신손상 및 신부전을 진단 및 예측하는 방법 및 조성물
CA2787027A1 (en) 2010-01-13 2011-07-21 Caris Life Sciences Luxembourg Holdings, S.A.R.L. Detection of gastrointestinal disorders
MX366653B (es) 2010-02-05 2019-07-17 Astute Medical Inc Metodos y composiciones para diagnosis y prognosis de lesion renal y falla renal.
WO2011106746A1 (en) 2010-02-26 2011-09-01 Astute Medical, Inc. Methods and compositions for diagnosis and prognosis of renal injury and renal failure
WO2011162819A1 (en) * 2010-06-23 2011-12-29 Astute Medical, Inc. Methods and compositions for diagnosis and prognosis of renal injury and renal failure
US9128101B2 (en) 2010-03-01 2015-09-08 Caris Life Sciences Switzerland Holdings Gmbh Biomarkers for theranostics
JP2013526852A (ja) 2010-04-06 2013-06-27 カリス ライフ サイエンシズ ルクセンブルク ホールディングス 疾患に対する循環バイオマーカー
ES2650674T3 (es) 2010-04-19 2018-01-19 Biomarker Strategies, Llc. Composiciones y métodos para la predicción de la sensibilidad y de la resistencia a fármacos, y de la progresión de una enfermedad
NZ605698A (en) * 2010-06-23 2015-03-27 Astute Medical Inc Methods and compositions for diagnosis and prognosis of renal injury and renal failure
MX2013000220A (es) * 2010-06-23 2013-03-22 Astute Medical Inc Metodos y composiciones para diagnóstico y pronóstico de lesión renal e insuficiencia renal.
CN106244707A (zh) 2010-07-28 2016-12-21 维里德克斯有限责任公司 急性髓细胞性白血病应答法尼基转移酶抑制剂治疗的测定方法
EP2686688B1 (en) 2011-03-17 2019-05-08 Cernostics, Inc. Systems and compositions for diagnosing barrett's esophagus and methods of using the same
TW201311907A (zh) 2011-07-07 2013-03-16 Veridex Llc 使用循環內皮細胞的基因診斷
JP2014528247A (ja) 2011-10-05 2014-10-27 ブランシェット・ロックフェラー・ニューロサイエンスィズ・インスティテュート 神経変性状態の刺激誘発性ゲノムプロファイルマーカー
CA2856107C (en) 2011-11-18 2022-10-18 Memorial Sloan-Kettering Cancer Center 2-hydroxyglutarate as a biomarker for chronic hypoxia
US8748097B1 (en) 2011-12-02 2014-06-10 President And Fellows Of Harvard College Identification of agents for treating calcium disorders and uses thereof
ES2933570T3 (es) 2011-12-08 2023-02-10 Astute Medical Inc Métodos y composiciones para el diagnóstico y el pronóstico de una lesión renal y de una insuficiencia renal
EP2827882B1 (en) 2012-02-21 2020-04-08 Cytonics Corporation Systems, compositions, and methods for transplantation
EP2870263A1 (en) 2012-07-03 2015-05-13 InteRNA Technologies B.V. Diagnostic portfolio and its uses
US9074248B1 (en) 2012-12-18 2015-07-07 Qiagen Gmbh Primers for helicase dependent amplification and their methods of use
CN107976547B (zh) 2013-01-17 2020-08-25 阿斯图特医药公司 用于肾损伤和肾衰竭的诊断及预后的方法和组合物
CA2922806A1 (en) 2013-08-28 2015-03-05 Cytonics Corporation Systems, compositions, and methods for transplantation and treating conditions utilizing a composition comprising a wild-type or a variant a2m polypeptide or portion thereof
AU2015276899B2 (en) 2014-06-19 2021-08-12 Memorial Sloan-Kettering Cancer Center Biomarkers for response to EZH2 inhibitors
SG10202012249YA (en) 2014-12-08 2021-01-28 Berg Llc Use of markers including filamin a in the diagnosis and treatment of prostate cancer
US10962544B2 (en) 2015-11-25 2021-03-30 Cernostics, Inc. Methods of predicting progression of Barrett's esophagus
US11243217B2 (en) 2016-06-06 2022-02-08 Astute Medical, Inc. Management of acute kidney injury using insulin-like growth factor-binding protein 7 and tissue inhibitor of metalloproteinase 2
EP3333268A1 (en) 2016-12-09 2018-06-13 Institut Paoli Calmettes Biomarker panel for prognosis of bladder cancer
EP3577458A4 (en) 2017-02-06 2021-04-07 Astute Medical, Inc. METHODS AND COMPOSITIONS FOR DIAGNOSIS AND PREDICTION OF RENAL LESION AND RENAL INSUFFICIENCY
US20190142722A1 (en) 2017-11-10 2019-05-16 The Trustees Of Columbia University In The City Of New York Methods and compositions for promoting or inducing hair growth
CN108335756B (zh) * 2018-01-18 2022-05-24 中山大学 鼻咽癌数据库及基于所述数据库的综合诊疗决策方法
KR20220015394A (ko) 2019-04-30 2022-02-08 라리마 테라퓨틱스, 인코포레이티드 프라탁신 대체 요법의 유효성 결정을 위한 프라탁신 민감성 마커
WO2022032194A1 (en) 2020-08-06 2022-02-10 Singular Genomics Systems, Inc. Methods for in situ transcriptomics and proteomics
WO2022032195A2 (en) 2020-08-06 2022-02-10 Singular Genomics Systems, Inc. Spatial sequencing
WO2022047359A1 (en) 2020-08-31 2022-03-03 Berg Llc Protein biomarkers for pancreatic cancer
CA3214833A1 (en) 2021-04-06 2022-10-13 Bpgbio, Inc. Protein markers for the prognosis of breast cancer progression
EP4320440A1 (en) 2021-04-06 2024-02-14 BPGbio, Inc. Protein markers for estrogen receptor (er)-positive luminal a(la)-like and luminal b1 (lb1)-like breast cancer
US20230059578A1 (en) 2021-04-06 2023-02-23 Berg Llc Protein markers for estrogen receptor (er)-positive-like and estrogen receptor (er)-negative-like breast cancer
CA3230784A1 (en) * 2021-09-03 2023-03-09 Sarmad Muneeb SIDDIQUI Platform for antimicrobial susceptibility testing and methods of use thereof
US20230357851A1 (en) 2022-04-06 2023-11-09 Larimar Therapeutics, Inc. Frataxin-sensitive markers for monitoring frataxin-replacement therapy
WO2023240201A1 (en) 2022-06-08 2023-12-14 Larimar Therapeutics, Inc. Frataxin-sensitive markers for monitoring progression and treatment of leigh syndrome

Family Cites Families (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3091216A (en) 1961-04-05 1963-05-28 Prod O Matic Inc Machine for intermittent application of adhesive
US6040138A (en) * 1995-09-15 2000-03-21 Affymetrix, Inc. Expression monitoring by hybridization to high density oligonucleotide arrays
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
AU8448591A (en) * 1990-08-02 1992-03-02 Michael R. Swift Process for testing gene-disease associations
EP0969102B1 (en) 1991-09-24 2007-12-26 Keygene N.V. Primers, kits and sets of restriction fragments used in selective restriction fragment amplification
US5935060A (en) 1996-07-12 1999-08-10 First Opinion Corporation Computerized medical diagnostic and treatment advice system including list based processing
US5677125A (en) 1994-01-14 1997-10-14 Vanderbilt University Method of detection and diagnosis of pre-invasive cancer
US5578832A (en) 1994-09-02 1996-11-26 Affymetrix, Inc. Method and apparatus for imaging a sample on a device
US6084742A (en) 1994-04-06 2000-07-04 Fujitsu Limited Drive control apparatus for a disk drive
US5741666A (en) 1994-08-23 1998-04-21 Millennium Pharmaceuticals, Inc. Compositions and methods, for the treatment of body weight disorders, including obesity
US5861485A (en) 1994-08-23 1999-01-19 Millennium Pharmaceuticals, Inc. Polypeptides involved in body weight disorders, including obesity
US5556752A (en) 1994-10-24 1996-09-17 Affymetrix, Inc. Surface-bound, unimolecular, double-stranded DNA
US5723290A (en) 1994-11-03 1998-03-03 Trustees Of The University Of Pennsylvania Methods for profiling mRNA expression in neurites
US6066322A (en) 1995-03-03 2000-05-23 Millennium Pharmaceuticals, Inc. Methods for the treatment of immune disorders
US5707807A (en) 1995-03-28 1998-01-13 Research Development Corporation Of Japan Molecular indexing for expressed gene analysis
US5633161A (en) 1995-03-29 1997-05-27 Millennium Pharmaceuticals, Inc. Murine gene fomy030 coding for tumor progression inhibitor
US5738998A (en) * 1995-05-24 1998-04-14 Deth; Richard C. Compositions and methods for diagnosing schizophrenia
US5759776A (en) 1995-06-05 1998-06-02 California Pacific Medical Center Targets for breast cancer diagnosis and treatment
US5569588A (en) * 1995-08-09 1996-10-29 The Regents Of The University Of California Methods for drug screening
US5695937A (en) 1995-09-12 1997-12-09 The Johns Hopkins University School Of Medicine Method for serial analysis of gene expression
US5746204A (en) 1995-12-07 1998-05-05 Carbon Based Corporation Disease indicator analysis system
US5663071A (en) 1996-06-17 1997-09-02 Children's Medical Center Corporation Human thymosin β 15 gene, protein and uses thereof
US6210875B1 (en) * 1996-08-22 2001-04-03 Northwestern University Process of determining the efficacy of drug treatment in HIV infected subjects
US5756310A (en) * 1996-10-03 1998-05-26 Incyte Pharma Inc CDNA encoding a human phospholemman-like protein (HPLP)
AU722819B2 (en) * 1996-12-06 2000-08-10 Urocor, Inc. Diagnosis of disease state using mRNA profiles
US6165709A (en) 1997-02-28 2000-12-26 Fred Hutchinson Cancer Research Center Methods for drug target screening
JP2001518086A (ja) 1997-03-20 2001-10-09 ユニバーシティ オブ ワシントン バイオポリマー合成のための溶媒、溶媒微小液滴、および使用方法
US6190857B1 (en) * 1997-03-24 2001-02-20 Urocor, Inc. Diagnosis of disease state using MRNA profiles in peripheral leukocytes
JP3319995B2 (ja) 1997-10-14 2002-09-03 本田技研工業株式会社 無段変速機用ベルト
US6267722B1 (en) * 1998-02-03 2001-07-31 Adeza Biomedical Corporation Point of care diagnostic systems
US6324479B1 (en) 1998-05-08 2001-11-27 Rosetta Impharmatics, Inc. Methods of determining protein activity levels using gene expression profiles
US5965352A (en) * 1998-05-08 1999-10-12 Rosetta Inpharmatics, Inc. Methods for identifying pathways of drug action
US6218122B1 (en) 1998-06-19 2001-04-17 Rosetta Inpharmatics, Inc. Methods of monitoring disease states and therapies using gene expression profiles
US6132969A (en) 1998-06-19 2000-10-17 Rosetta Inpharmatics, Inc. Methods for testing biological network models
US6146830A (en) 1998-09-23 2000-11-14 Rosetta Inpharmatics, Inc. Method for determining the presence of a number of primary targets of a drug
US6222093B1 (en) 1998-12-28 2001-04-24 Rosetta Inpharmatics, Inc. Methods for determining therapeutic index from gene expression profiles
EP2199301A1 (en) 2008-12-19 2010-06-23 DKFZ Deutsches Krebsforschungszentrum Immunogenic polypeptides comprising a scaffold polypeptide and a L2 polypeptide or fragment thereof
JP5649140B2 (ja) 2009-10-23 2015-01-07 レッドフロー アールアンドディ プロプライエタリー リミテッドＲｅｄｆｌｏｗ Ｒ＆Ｄ Ｐｔｙ Ｌｔｄ 流動電解液電池用再結合器
WO2011102688A2 (en) 2010-02-19 2011-08-25 Samsung Electronics Co., Ltd. Method and apparatus for enabling communication between a mobile device and universal plug and play devices
JP5925454B2 (ja) 2010-12-16 2016-05-25 花王株式会社 磁気ディスク基板用研磨液組成物
US9222582B2 (en) 2013-03-15 2015-12-29 Mueller International, Llc Main valve with internal rigid structure

Also Published As

Publication number Publication date
AU4693699A (en) 2000-01-05
EP1086205A1 (en) 2001-03-28
US6973388B2 (en) 2005-12-06
IL140390A0 (en) 2002-02-10
EP1086205A4 (en) 2004-11-17
CA2335299A1 (en) 1999-12-23
CN1313891A (zh) 2001-09-19
WO1999066024A1 (en) 1999-12-23
US6218122B1 (en) 2001-04-17
WO1999066024A9 (en) 2000-03-23
AU779902B2 (en) 2005-02-17
JP2002518003A (ja) 2002-06-25
US20010018182A1 (en) 2001-08-30

Similar Documents

Publication Publication Date Title
KR20010053030A (ko) 유전자발현 프로파일을 이용하여 질병상태와 치료요법을모니터하는 방법
US7130746B2 (en) Computer systems and computer programs for determining protein activity levels using gene expression profiles
US7599799B2 (en) Methods for using co-regulated genesets to enhance detection and classification of gene expression patterns
US7122312B1 (en) Methods for drug target screening
US6203987B1 (en) Methods for using co-regulated genesets to enhance detection and classification of gene expression patterns
US6950752B1 (en) Methods for removing artifact from biological profiles
KR20010043420A (ko) 약물 작용의 경로를 확인하는 방법
JP2002533701A (ja) 細胞発現プロファイルの統計的組合せ
US20040091933A1 (en) Methods for genetic interpretation and prediction of phenotype
JP2002533699A (ja) 強力なプロファイル識別方法
AU773456B2 (en) Methods for using co-regulated genesets to enhance detection and classification of gene expression patterns
Paiva et al. Using ANOVA to analyse thalidomide’s molecular mechanisms in human PBMC microarrays
York Approaches to the statistical-genetic analysis of* association and microarray data
WO2002002741A2 (en) Methods for genetic interpretation and prediction of phenotype

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid