KR20090012313A

KR20090012313A - 질병을 예측하는 장치 및 방법

Info

Publication number: KR20090012313A
Application number: KR1020087026056A
Authority: KR
Inventors: 철수 문
Original assignee: 칸젠 바이오테크날러지즈, 인코포레이티드
Priority date: 2006-03-29
Filing date: 2007-03-29
Publication date: 2009-02-03
Also published as: WO2007126901A2; WO2007126901A3; US20080046224A1; EP2010895A2

Abstract

본 발명은 질병을 예측하는 장치 및 방법, 특히 암을 검출 및 진단하는 장치 및 방법에 관한 것이다. 본 발명의 하나의 실시양태는 피험자로부터 얻어진 시료로부터 질량 스펙트럼 데이터를 생성하는 단계; 및 피험자가 특정 질병을 가지고 있는지의 여부를 평가하기위해서 상기 시료를 예측 모델과 비교하는 단계를 포함한다. 본 발명의 또 다른 실시양태는 질병을 가지고 있다고 알려져 있는 개체군으로부터 얻어진 시료로부터 질량 스펙트럼 데이터의 제1 세트를 생성하는 단계; 질병을 가지고 있지 않다고 알려져 있는 개체군으로부터 얻어진 시료로부터 질량 스펙트럼 데이터의 제2 세트를 생성하는 단계를 포함한다. 그후 상기 2개의 질량 스펙트럼 데이터 세트들을 비교하여 질병의 존재를 나타내는 스펙트럼 데이터에서 마커를 인식한다.

Description

질병을 예측하는 장치 및 방법{APPARATUS AND METHOD FOR PREDICTING DISEASE}

본 발명은 질병을 예측하는 장치 및 방법에 관한 것이다. 특히, 본 발명은 질량 스펙트럼 데이터에 기초한 암의 초기 예측 및 진단 방법에 관한 것이다.

암은 산업화된 나라에서 주요 사망 원인 중 하나이다. 암의 가장 치명적인 형태 중 하나는 폐암이며, 환자의 5년 생존율은 대략 14%이다. 두경부 종양, 또는 두경부 편평세포 암종(head and neck squamous cell carcinoma, HNSCC)은 매년 500,000건 이상 진단되는 주된 문제이다. 또한, 이에 한정되는 것은 아니지만, 구강암, 신장암, 방광암, 췌장암, 식도암 및 인두암을 포함하는 다른 형태의 암으로 매년 수천명이 진단받고 있다. 상기에 의해서, 과학자들은 암을 검출하고 치료하기위한 개선된 진단 및 치료 방법에 대해 끊임없이 연구하고 작업하고 있다. 그러나, 이러한 노력에도 불구하고, 암 환자의 전체 생존율(진단 후 5년 측정함)은 여전히 낮다.

암 환자의 전체 생존율이 낮은 것은 충분한 치료를 제공할 수 있는 암의 초 기 진단의 효과적인 방법이 부족하기 때문이다. 폐, 두경부, 구강, 식도 및 인두 암이 발전되는데에는 장기간 동안 상기도-소화관에서 발암 물질의 반복적 도입, 전형적으로 담배 연기가 요구된다. 발암 현상(carcinogenesis)으로 불리는 암이 발전되는데에는 많은 해가 걸릴 수 있으며, 세포에서 많은 분자 이상이 축적되며 악성 변환 및 종양 진행에 기초한다. 불행하게도, 환자의 암은 상당히 진행될 때까지 종종 암이 검지되지 않는다. 예를들면, 현재 폐암을 가지고 있는 환자의 단지 15%만이 종양이 국소적 단계일 때 진단되고 있다. 상기 환자들은 기대되는 5년 생존율이 대략 50%이다. 마찬가지로, HNSCC인 환자의 5년 생존율은 대략 50%이다. 상기 5년 생존율은 암이 초기에 발견되어 치료되면 80%까지 증가될 수 있을 것으로 예측된다.

암을 검출하는 몇가지 이전의 방법으로는 기관지경 검사, 세포병리 검사 및 폐 스캔(lung scans)을 포함한다. 기관지경은 환자의 기도 내부를 내과의가 검사하는 방법이며, 폐 스캔은 폐암을 검출하기위해 사용되어온 도구이다. 세포병리 검사는 세포 구조를 분석하고 세포 반응을 조사하는 방법으로 다양한 형태의 암을 검출하는데 사용될 수 있다. 그러나, 상기 방법 모두는 암이 상당히 진행된 이후에 암의 존재를 검출할 수 있다.

또한, 말초 폐암(distal lung cancer, 유럽에서 암 진단의 대략 40%를 차지함)은 나선형 전산화 단층촬영술(spiral computed tomography, spiral CT)로 알려져 있는 방법을 사용하여 고감도로 검출될 수 있다. 나선형 CT는 현재 암의 지표인 작은 말초 결절(small peripheral nodules)을 검출하는데 이용할 수 있는 가장 효과적인 기술들 중 하나이며, 초기 기부 기관지 병변(proximal bronchial lesion)을 검출할 수 없다.

비정상 세포의 존재에 대해 환자의 타액을 조사하는 객담 세포진검사(sputum cytology)가 또한 암을 검출하는데 사용되고 있다. 그러나, 상기 기술은 매우 특이하고 시간을 소비하므로, 불행하게도 고도로 민감하지 않다. 그러므로, 암을 검출하는데 이의 효율성은 목적하는 것보다 낮다.

상기에 기초하여, 암 환자의 효과적인 치료 가능성 또는 적어도 생존율을 증가시키기위해 초기에 암을 예측하고 진단하는 개선된 방법이 명확하게 요구된다.

발명의 요약

본 발명의 하나의 실시양태는 피험자(subject)에서 질병의 존재를 검출하는 방법을 포함할 수 있다. 상기 방법은 피험자로부터 얻어진 생물학적 시료(biological sample)로부터 질량 스펙트럼 데이터를 생성하는 단계; 및 상기 질량 스펙트럼 데이터를, 질병을 가지고 있다고 알려져 있는 개체군(population)으로부터 얻어진 생물학적 시료의 질량 스펙트럼 데이터에 기초한 예측 모델(prediction model)과 비교하는 단계를 포함한다. 상기 시료 및 예측 모델로부터의 질량 스펙트럼 데이터들 사이의 매칭(matching)으로 피험자가 질병을 가지고 있는지를 나타낼 수 있다.

본 발명의 다른 실시양태는 피험자의 질병을 검출하는데 사용하기 위한 질병에 대한 마커(marker)를 인식하는 방법을 포함할 수 있다. 상기 방법은 질병을 가지고 있다고 알려져 있는 개체군으로부터 얻어진 생물학적 시료로부터 생성된 질량 스펙트럼 데이터의 제1 세트를 생성하는 단계; 질병을 가지고 있지 않다고 알려져 있는 개체군으로부터 얻어진 생물학적 시료로부터 생성된 질량 스펙트럼 데이터의 제2 세트를 생성하는 단계; 및 상기 질량 스펙트럼 데이터의 제1 세트와 상기 질량 스펙트럼 데이터의 제2 세트를 비교하여 질병에 대한 1 이상의 마커를 나타내는 1 이상의 피크를 인식하는 단계를 포함한다.

본 발명의 상기 및 다른 목적, 및 잇점은 하기 상세한 설명, 수반된 도면 및 첨부된 청구의 범위로부터 명백하게 될 것이다.

본 명세서는 본 발명을 특정하고 구별되게 청구하는 청구의 범위로 종료되며, 비제한된 형태로 본 발명을 실시하기 위한 계획된 최상의 형태를 설명하고 있는 수반된 도면과 함께 하기 상세한 설명으로부터 더 잘 이해될 것으로 사료되며, 유사한 참조 번호는 도면을 통해서 유사한 부분을 나타낸다.

도 1은 본 발명의 하나의 실시양태에 따른 장치를 나타낸다.

도 2A는 본 발명의 하나의 실시양태에 따른 방법을 나타낸다.

도 2B는 본 발명의 하나의 실시양태에 따른 다른 방법을 나타낸다.

도 3A-3K는 본 발명의 하나의 실시양태에 따른 정상 혈청의 질량 스펙트럼이 다.

도 3L-3S는 본 발명의 하나의 실시양태에 따른 폐암을 가지고 있다고 알려져 있는 환자 혈청의 질량 스펙트럼이다.

도 4A-4U는 본 발명의 하나의 실시양태에 따른 췌장암을 가지고 있다고 알려져 있는 환자 혈청의 질량 스펙트럼이다.

도 5A-5C는 본 발명의 하나의 실시양태에 따른 방광암을 가지고 있다고 알려져 있는 환자 혈청의 질량 스펙트럼이다.

도 5D-5F는 본 발명의 하나의 실시양태에 따른 정상 혈청의 질량 스펙트럼이다.

본 발명의 다양한 실시양태가 기술되어 있는 도면을 참고로 본 발명의 명세서는 충분히 기술될 것이다. 그러나, 본 명세서의 주제는 수많은 다른 형태로 구체화될 수 있으며 본원에 기술된 실시양태에 한정되지 않는 것으로 이해되어야 한다.

발암 과정, 특히 만성 흡연자의 폐 및 구강에서 초기에 유전자 이상이 나타난다는 증거가 나오고 있다. 수 많은 유전자 및 분자 변화, 가령 p53 종양 억제 유전자(tumor suppressor gene) 및 K-ras 원형-종양유전자(proto-oncogene)의 돌연변이화, p16 종양 억제 유전자의 촉진 과메틸화(promoter hypermethylation), 다수의 임계 크로모좀 영역(multiple critical chromosome regions)에서 이형접합성(heterozygosity) 손실이 암의 초기 단계에서 인식된다. 암의 발생에서 초기에 상기 바이오마커(biomarker)의 검출 및 인식으로 암의 초기 단계에서 민감성을 유도하고 환자를 진단할 수 있다는 것을 발견하였다. 상기는 암 환자의 효과적 치료, 또는 적어도 연장된 생존율의 가능성을 증가시킬 수 있다.

따라서, 본 발명은 하기에 상세하게 기술된 바와 같이 질량 스펙트럼 데이터의 분석에 기초하여 환자의 암을 초기 검출 및 진단하기 위한 방법 및 시스템에 관한 것이다. 간단하게 설명하기 위해서, 본 발명의 원리는 사람에 있어서 암 또는 시료의 특이적 형태를 언급함으로써 기술되며, 당분야의 통상의 지식을 가진 사람은 여기에 한정되는 것이 아니라는 것을 깨달을 것이다. 그러므로, 당분야의 통상의 지식을 가진 사람은 본 발명이 다양한 생물체로부터 얻어진 다양한 통상의 시료 형태를 분석함으로써 다양한 통상의 질병의 형태를 검출하는데 사용될 수 있다는 것을 깨달을 것이다.

도 1은 본 발명의 하나의 실시양태에 따른 장치(100)를 나타낸다. 도 1에서 설명되는 바와 같이, 본 발명의 하나의 실시양태는 질량 분광광도계(120)를 포함할 것이다. 당분야의 통상의 지식을 가진 사람에게 명백한 바와 같이, 질량 분광광도계(120)는 시료에서 질량 대 이온의 전하 비율을 측정하는데 사용될 수 있다. 질량 분광광도계(120)는 시료를 이온화하고 상이한 질량을 가지고 있는 시료에서 이온을 먼저 분리한 후 이온 플럭스(ion flux)의 세기를 측정함에 의해서 시료내 각 이온의 상대 존재비(relative abundance)를 기록할 수 있다. 그후 상기 질량 분광분석의 결과는 질량 스펙트럼으로 생성되며, 도면에서 크로마토그램 또는 스펙트로그램으로 나타낸다.

질량 분광광도계의 형태는 이에 한정되는 것은 아니지만, 섹터(sector), 비행시간(time-of-flight, TOF), 사중극자(quadrupole), 사중극자 이온 트랩 (quadrupole ion trap), 선형 사중극자 이온 트랩(linear quadrupole ion trap), 퓨리에 변환 이온 사이클론 공명(fourier transform ion cyclotron resonance), 액체 크로마토그래피/질량 분석/질량 분석(liquid chromatography/mass spec/mass spec, LC/MS/MS) 또는 오비트랩 질량 분석(orbitrap mass analysis)을 사용하는 분광광도계를 포함하는 본 발명에 의해서 사용될 수 있다. 또한, 질량 분광분석 기술의 형태는 본 발명의 범위 및 정신안에서 기술을 제공하는 본 발명에 의해서 사용될 수 있다. 상기는 이에 한정되는 것은 아니지만 매트릭스-지원 레이저 이탈/이온화(Matrix Assisted Laser Desorption/Ionization, MALDI), 전기분사 이온화법(electrospray ionization, ESI) 또는 LC/MS/MS를 포함하는 잘 알려져 있는 질량 분광분석 기술을 사용하는 것을 포함한다.

도 1을 추가로 설명하면, 본 발명은 또한 프로세서-기반 시스템(processor-based system, 150), 사용자 입력(user inputs, 130) 및 디스플레이(display, 140)를 포함할 수 있다. 하나의 실시양태에서, 프로세서-기반 시스템(150)은 입력/출력(input/output, I/O) 인터페이스(151)를 포함하며, 상기를 통해 질량 분광광도계(120)는 프로세서-기반 시스템(150)에 연결될 수 있다. 선택적 실시양태에서, 다양한 I/O 인터페이스는 본 발명의 기능이 유지되는 한 I/O 인터페이스(151)로서 사용될 수 있다.

본 발명의 하나의 실시양태에 따르면, 프로세서-기반 시스템(150)이 사용되어 질량 분광광도계(120)를 제어할 수 있다. 그러나, 개별의 프로세서-기반 시스템이 사용되어 질량 분광광도계(120)를 제어할 수 있으며, 프로세서-기반 시스템을 질량 분광광도계(120)에 통합된다. 또한, 질량 분광광도계(120)에 의해서 생성된 결과는 하기에서 상세히 설명된 바와 같이 처리를 위한 프로세서-기반 시스템(150)으로 통과될 수 있다. 질량 분광광도계(120)와 프로세서-기반 시스템(150) 사이의 직접 연결은 도 1에 설명되며, 또한 결과는 네트워크(이에 한정되지 않고 국소 또는 공중 네트워크를 포함함)를 통해 프로세서-기반 시스템(150)으로 통과될 수 있으며, 또는 결과는 증폭기(amplifier)와 같은 부가의 주변 장치(개시되지 않음)를 통과할 수 있는 것으로 이해된다. 또한, 결과는 저장 매체, 가령 플로피 디스크 또는 CD-ROM으로 저장되고 프로세서-기반 시스템(150)으로 전달되는 것으로 이해된다.

또한, I/O 인터페이스(151)는 이에 한정되는 것은 아니지만 컴퓨터 마우스, 키보드, 터치-스크린, 트랙-볼(track-ball), 마이크로폰(microphone)(음성 인식 능력을 갖는 프로세서-기반 시스템에 대해서), 바아-코드(bar-code) 또는 다른 스캐너 형태, 또는 프로세서-기반 시스템(150)에 입력될 수 있는 다수의 다른 입력 장치를 포함하는 1 이상의 입력 장치(130)에 결합될 수 있다.

또한, I/O 인터페이스(151)는 프로세서-기반 시스템(150)의 사용자에게 정보를 나타내기 위한 1 이상의 디스플레이(140)에 결합될 수 있다. 다수 형태의 디스플레이는 나타낼 정보의 형태에 따라서 본 발명과 연결하여 사용될 수 있다. 하나의 실시양태에서, 디스플레이(140)는 모니터, 가령 LCD 디스플레이 또는 음극선관(cathode ray tube, CRT)일 수 있다. 선택적으로, 디스플레이는 터치-스크린 디스플레이, 전계발광 디스플레이(electroluminescent display) 또는 프로세서-기반 시스템(150)의 사용자에게 정보를 나타낼 수 있는 다른 디스플레이일 수 있다. 또한, 질량 분광광도계(120)는 디스플레이(140)를 사용할 수 있거나 또는 그 자체의 디스플레이를 포함할 수 있는 것으로 이해되어야 한다.

I/O 인터페이스(151)는 버스(152)를 통해 프로세서(153)에 결합될 수 있다. 프로세서(153)는 예를 들면 1 이상의 응용 프로그램(application programs)을 실시하도록 배열된 프로세서 형태일 수 있다. 본원에 사용된 바와 같이, 용어 응용 프로그램(application program)은 넓은 의미를 가진 것으로 이해되며, 소프트웨어를 포함해야 한다. 더우기, 수많은 응용 프로그램이 가능하며, 본 발명은 프로세서(153)에 의해서 실시되거나 또는 실행되는 응용 프로그램의 형태에 한정되는 것으로 이해되지 않는다.

또한, 프로세서(153)는 버스(154)를 통해 메모리(155)에 결합될 수 있다. 메모리(155)는 이에 한정되는 것은 아니지만, 휘발성 또는 비휘발성 프로세서-판독가능 매체(processor-readable media), 가령 자기(magnetic), 고체-상태(solid-state) 또는 광학 저장 매체를 포함하는 메모리 장치의 형태일 수 있다. 프로세서(153)의 기능을 실시하기 위한 소프트웨어 코드를 포함하는 메모리(155)상에 저장된 소프트웨어 코드를 실시하도록 프로세서(153)가 배치될 수 있다. 본 발명의 하나의 실시양태에 따라, 메모리(155)는 도 2A 및 2B를 참고로 하기에 상세하게 설명된 본 발명에 따른 방법을 실시하도록 프로세서(153)를 지시하며 프로세서에 의해서 판독될 수 있는 소프트웨어 코드를 포함한다.

도 2A 및 2B는 본 발명의 하나의 실시양태에 따라 질병을 예측하는 방법을 나타낸다. 도 2A에 설명된 바와 같이, 본 발명은 하기에 기술된 바와 같이 질병의 특정 형태의 검출에 사용될 수 있는 예측 모델을 생성하는 방법(200)을 포함한다. 하기에 기술된 본 발명의 특정예는 특정 질병의 예측을 나타내며, 본 발명은 특정 질병에 한정되는 것으로 이해되지 않는 것으로 이해되어야 한다. 사실상, 본 발명은 정상 환자와 비교하여 질병을 가지고 있는 환자의 질량 스펙트럼에서 특이적 질량-이온 피크의 검출에서의 차이를 나타낼 수 있는 질병에 적용가능하다. 예시된 질병은 이에 한정되는 것은 아니지만, 호흡계, 위장계, 신장, CNS, 내분비계 및 혈관계 또는 생물학적 유액(예컨대, 혈액 및 혈액 유도체, 소변, 뇌척수액, 객담, 세척액(lavage))에 함유된 분자에서 가능한 변형이 있는 다른 질병 또는 질병 과정(예컨대, 괴사, 세포자멸사)의 암을 포함할 수 있다. 상기 생물학적 분자는 이에 한정되는 것은 아니지만, 거대 분자, 가령 폴리펩티드, 단백질, 핵산, 효소, DNA, RNA, 폴리뉴클레오티드, 올리고뉴클레오티드, 탄수화물, 올리고사카라이드, 폴리사카라이드, 생물학적 거대 분자의 절편(예컨대, 핵산 절편, 펩티드 절편 및 단백질 절편), 생물학적 거대 분자의 복합물(예컨대, 핵산 복합물, 단백질-DNA 복합물, 수용체-리간드 복합물, 효소-기질, 효소 저해제, 펩티드 복합물, 단백질 복합물, 탄수화물 복합물 및 폴리사카라이드 복합물), 작은 생물학적 분자, 가령 아미노산, 뉴클레오티드, 뉴클레오사이드, 슈거, 스테로이드, 리피드, 금속 이온, 약물, 호르몬, 아미드, 아민, 카르복실산, 비타민 및 코엔자임, 알콜, 알데하이드, 케톤, 지방산, 포르피린, 카로테노이드, 식물 생장 조절제, 포스페이트 에스테르 및 뉴클레오사이드 디포스포-슈거, 합성 작은 분자, 가령 약학적 또는 치료적 유효제, 모노머, 펩티드 유사체, 스테로이드 유사체, 저해제, 뮤타젠(mutagens), 카시노젠(carcinogens), 세포 분열 저해 약물(antimitotic drugs), 항생제, 아이노포어(ionophores), 대사저해산물(antimetabolites), 아미노산 유사체, 항박테리아제, 송달 저해제(transport inhibitors), 표면-활성제(계면활성제), 미토콘드리아 및 엽록체 기능 저해제, 전자 공여체(electron donors), 운반체(carriers) 및 수용체(acceptors), 프로테아제에 대한 합성 기질, 포스파타제에 대한 기질, 에스테라제에 대한 기질 및 리파제 및 단백질 변형 시약; 및 합성 폴리머, 올리고머 및 코폴리머를 포함할 수 있다. 또한, 상기에 언급된 물질의 적당한 혼합물 또는 배합물이 생물학적 시료에 포함될 수 있다.

단계 210에서 도 2A에 개시된 바와 같이, 생물학적 시료는 임상적으로 진단된 질병을 갖는 개체군으로부터 질량 분광분석을 위해서 수집되고 준비될 수 있다. 마찬가지로, 단계 215에서, 생물학적 시료는 특정 질병을 가지고 있지 않다고 알려져 있는 개체군으로부터 질량 분광분석을 위해 수집 및 준비될 수 있다. 이에 한정되는 것은 아니지만, (예컨대, 생체 검사로부터) 연조직 및 경조직, 혈액, 혈청, 혈장, 유두 흡인물(nipple aspirate), 소변, 눈물, 타액, 세포, 기관, 정액, 대소변 등을 포함하는 생물학적 시료 형태가 사용될 수 있다. 개체군은 수 많은 개개의 생물체를 포함할 수 있으며, 시료는 개체군에서 각 개체로부터 수집될 수 있다. 당분야의 통상의 지식을 가진 사람은 예측 모델의 형성을 위해 사용된 개체군의 크기는 예측 모델의 목적하는 정확도를 좌우할 수 있다는 것을 알 것이다.

사람으로부터 얻어진 참조 시료를 하기에 설명한 실시예가 있으며, 본 발명은 이에 한정되는 것은 아니지만, 진핵생물, 원핵생물 또는 바이러스 생물체를 포함하는 생물체에 의해서 발생되는 질병을 예측하는데 사용될 수 있는 것으로 이해된다. 시료의 수집은 당분야의 통상의 지식을 가진 사람에게 공지되어 있는 바와 같이 상기 생물체로부터 생물학적 시료를 추출하는 종래의 방법을 사용하여 실시될 수 있다.

특정 질병의 예측에 사용된 시료의 형태는 예측 모델이 형성되는 질병의 형태에 좌우될 수 있다는 것을 알아야 한다. 예를 들면, 사람에서 방광암의 예측을 위한 예측 모델을 형성하기를 원한다면, 단계 210에서 방광암을 가지고 있다고 알려져 있는 수 많은 사람으로부터 소변 시료를 수집하고, 단계 215에서 방광암을 가지고 있지 않다고 알려져 있는 수 많은 사람으로부터 소변 시료를 수집하는 것이 바람직하다.

일단 시료가 수집되면, 이에 한정되는 것은 아니지만 여과, 추출, 원심분리, 정제, 이온-교환 또는 크기 크로마토그래피, 침전, 완충액 교환(buffer exchange) 또는 희석을 포함하는 종래의 제조 방법을 사용하여 질량 분광분석을 위해서 준비할 수 있다. 그후 시료의 매트릭스를 제조함으로써 질량 분광광도계에 의한 평가를 위해서 시료를 준비할 수 있다. 적당한 매트릭스가 적당한 흥미있는 질량/이온 종에 따라서 선택될 수 있다. 그후 단계 220 및 225에서, 매트릭스 및 시료를 분석에 사용될 질량 분광광도계와 조합된 질량 분광광도계 플레이트상에 적하될 수 있다.

그후 각 시료 세트는 단계 230 및 단계 235에서 질량 분광광도계에 놓을 수 있다. 상기에서 기술된 바와 같이 종래의 질량 분광광도계가 사용될 수 있으며, 본 발명의 하나의 실시양태는 매트릭스-지원 레이저 이탈/이온화-비행 시간(matrix-assisted laser desorption/ionization - time of flight, MALDI-TOF) 질량 분광광도계를 사용할 수 있다. 당분야의 통상의 지식을 가진 사람에게 공지되어 있는 바와 같이, MALDI-TOF는 자외선광 흡수 매트릭스 및 생분자의 공침전물(co-precipitate)이 나노초 레이저 펄스(nanosecond laser pulse)에 의해서 조사될 수 있는 질량 분광분석 기술이다. 대부분의 레이저 에너지는 매트릭스에 의해서 흡수될 수 있으며, 생분자의 원치 않는 절편화(fragmentation)를 방지할 수 있다. 분광광도계는 상이한 질량/전하(m/z) 비율의 이온의 일시적 및 공간적으로 잘 정의된 그룹이 동일하게 인가된 전기장으로 처리되고 일정 전기장 영역에서 드리프트(drift)되는 경우, 이들의 m/z 비율에 따라 시간에서 상기 영역을 가로지른다는 원리로 작동될 수 있다. 그후 상기 시료에서 이온화된 생분자는 전기장에서 가속되어 분광광도계의 (진공하에) 비행 튜브(flight tube)로 들어간다.

상기 튜브에서 비행하는 동안, 상기 시료의 상이한 분자는 이들 질량 대 전하 비율에 따라 분리될 수 있고 분광광도계의 검출기에 상이한 시간에 도달된다. 다시, 이온이 튜브 아래로 통과하는데 걸리는 시간은 이의 전하 대 이의 질량의 비율 - 이의 질량/전하 비율, m/z에 좌우된다. 분광광도계는 애노드 또는 캐소드로부터 검출기로 횡단하는 경우 이온의 비행 시간이 관찰될 수 있다.

통상, 분광광도계의 소프트웨어는 이온의 비행 시간을 m/z 비율로 전환될 수 있다. 그 후 분광광도계는 상기 m/z 비율을 갖는 시료에서 이온의 수를 출력할 수 있다. 명확성을 위해, 본 발명의 도 3A-5F는 특정 m/z 비율을 갖는 시료에서 이온의 수를 나타내는 질량 스펙트럼으로서 분광광도계의 출력을 나타내며, 이는 출력의 형태가 분광광도계에 의해서 제공될 수 있는 것으로 이해된다. 상기는 프로세서-기반 시스템(150)으로 "원 데이터(raw data)"의 출력, 스펙트럼그래프, 스프래드시트 또는 데이터 출력의 다른 종래 형태를 포함할 수 있다.

일단 시료의 질량 분광분석이 완료되면(단계 230 및 235), 그후 프로세서-기반 시스템(150)은 분석 및 비교를 위해서 단계 240에서 결과를 받는다. 본 발명의 하나의 실시양태에서, 프로세서-기반 시스템(150)은 스프래드시트 또는 이에 한정되는 것은 아니지만, 데이터 분석을 위한 SAS 또는 SPSS를 포함하는 통상 공지된 통계 패키지를 사용할 수 있다. 하기에 상세히 기술된 바와 같이, 그후 예측 모델이 형성될 수 있으며(단계 250), 그 후 메모리에 저장하고 질병 예측에 사용하기위해서 액세스한다(단계 255).

단계 240에서 분광분석 데이터의 분석 및 비교는 데이터에서 다수의 최적 특징을 인식하고 질병의 예측에 사용될 수 있는 분광분석 데이터에서 예측자(predictor)를 인식하기위한 통계 분석을 실시함으로써 실시되며, 이는 하기 실시예에 기술되었다. 당분야의 통상의 지식을 가진 사람에게 공지된 바와 같이, 본 발명은 이에 한정되는 것은 아니지만, (Fisher의 선형판별분석을 포함하는) 선형판별분석(linear discriminant analysis), 분산분석(variance analysis), 회귀분석(regression analysis), 주성분분석(principal component analysis), 요인분석(factor analysis) 또는 판별대응분석(discriminant correspondence analysis)을 포함하는 적당한 통계 분석을 사용할 수 있다. 하나의 실시양태에서, 특성 추출(feature extraction)은 통계 분석 이전에 실시되어 상부 스펙트럼 중량 값(top spectral weight values)을 추가로 선택한다.

본 발명의 하나의 실시양태에 따르면, 선형판별분석(LDA)은 당분야의 통상의 지식을 가진 사람에게 알려져 있는 바와 같이 질량 분광광도계로부터 데이터 출력으로 LDA로 적용하는 종래 방법으로 실시될 수 있다. 상기는 단계 210에서 수집되고 준비된 시료로부터의 데이터의 조건 분포와 조합된 1 이상의 추정된 파라미터 값을 갖는 모델을 먼저 생성하는 단계를 포함할 수 있다. 상기 모델에서, 예측자(predictor) 또는 공변값(covariate values)은 임상적으로 진단된 질병과 조합하여 스펙트럼 중량 값을 인식할 수 있는 것을 알 수 있다. 또한 추정된 파라미터 값은 당분야의 통상의 지식을 가진 사람에게 공지된 바와 같이 이들 중에서 1 이상의 진 양성(true positives) 및 가 양성(false positives)을 인식함으로써 변형될 수 있다.

그후 단계 215에서 수집되고 준비된 시료로부터의 데이터는 임상적으로 진단된 질병과 조합된 예측자 스펙트럼 중량 값일 수 있는지를 결정하기위해서 상기 모델과 비교할 수 있다. 상기는 피크가 단계 215에서 수집되고 준비된 시료에서 존재하고 단계 210에서 수집되고 준비된 시료에서 존재하지 않거나 또는 반대의 경우를 결정함으로써 달성될 수 있다. 선형 판별 분석의 결과에 기초하여, 예측 모델은 단계 250에서 형성되어 특정 질병과 스펙트럼 중량 값을 조합하는지를 인식할 수 있다.

예를 들면, 하기 실시예에서 기술된 바와 같이, 통계 분석은 정상 환자의 분광분석 데이터에서 특정 스펙트럼 피크는 특정 질병을 가지고 있는 환자의 분광분석 데이터에서 존재하지 않는다는 것을 인식할 수 있다. 그러므로, 도 2A에 참고하여 기술된 본 발명의 방법이 사용되어 특정 질병을 갖는 환자에서 존재하지 않는 특정 스펙트럼 피크 또는 피크들을 인식할 수 있다. 상기에서와 같이, 예측 모델은 환자가 특정 질병을 갖고 있는지를 결정하기위해 특정 스펙트럼 피크의 존재 또는 부재를 확인하기위해서 환자의 분광분석 데이터를 확인하기위해서 사용될 수 있다.

본 발명의 하나의 실시양태에서, 환자의 질병을 예측하기위해서 사용하기 이전에 예측 모델을 시험하는 것이 바람직할 수 있다. 상기 방법은 예측 모델이 사용될 수 있는 특정 질병을 가지고 있다고 알려져 있거나 또는 가지고 있지 않다고 알려져 있는 환자로부터의 시료를 사용함으로써 도 2B를 참고하여 하기에 기술된 단계들을 사용하는 것을 포함할 수 있다. 일단 예측 모델이 유효하면, 도 2B에 참고하여 하기에 기술된 바와 같이, 환자에서 질병의 존재를 예측하는데 사용될 수 있다.

도 2B에서 설명된 바와 같이, 본 발명은 환자가 도 2A에 참고하여 기술된 방법에 따라 형성된 예측 모델을 사용함으로써 특정 질병을 갖고 있는지의 여부를 결정하기위한 방법 260을 포함할 수 있다. 단계 270에서, 생물학적 시료는 상기에 기술된 개체군으로부터 시료의 수집과 동일한 방식으로 환자로부터 수집될 수 있다. 다시 시료의 형태 및 환자의 형태는 예측 모델의 형성에 사용된 개체군에서 생물체의 형태 및 시료의 형태에 대응해야 한다. 단계 280에서, 환자로부터의 시료는 상기에 기술된 것과 동일한 방식으로 질량 분광광도계 플레이트상에 적하되고, 질량 분광광도계가 사용되어 상기에 기술된 것과 동일한 방식으로 시료를 분석한다.

방법 260에서, 환자가 특정 질병을 가졌는지의 여부는 알려져 있지 않을 수 있다. 그러므로, 상기에 기술된 방식으로 형성된 특정 질병에 대한 예측 모델(255)은 단계 295에서 액세스되고 사용되어 환자가 특정 질병을 가지고 있는지의 여부를 결정한다. 상기는 환자의 질량 스펙트럼에서 특정 스펙트럼 피크 또는 피크들의 존재 또는 부재를 확인하기위해서 예측 모델(255)을 사용하며, 당분야의 통상의 지식을 가진 사람에게 공지된 종래의 분석 방법을 사용하여 달성될 수 있다. 특히, 상기 분석은 이에 한정되는 것은 아니지만 훈련받은 과학자는 예측 모델과 환자의 질량 스펙트럼을 비교하거나 또는 프로세서-기반 시스템에 의해 실시된 비교 단계를 포함할 수 있다. 상기 방법은 하기에 기술된 실시예에서 추가로 상세히 기술되었다.

상기에 기술된 바와 같이, 하기 실시예 1-3은 본 발명의 방법을 사용하여 혈청의 특이적 시험 및 분석을 설명한다. 당분야의 통상의 지식을 가진 사람은 각 실시예는 특정 질병 및 시험 상황에 대해서 특이적이며, 이는 본 발명을 설명하기 위해서 제공하는 것으로 본 발명의 범위 및 이용성을 제한하는 것을 의미하지 않는다는 것을 알 것이다.

실시예 1

하기에는 상기에 기술된 본 발명에 따른 장치 및 방법을 사용하여 실시된 특이적 폐암 스크리닝(screening)을 기술한다. MALDI-TOF가 사용되어 혈청에서 구별되는 m/z 이온 피크 분포 패턴을 나타내는 스펙트럼 시료 데이터 세트를 생성한다. 그후 선형판별분석이 사용되어 하기에서 설명된 바와 같이 예측 모델을 형성한다. 선형판별분석을 실시하기위해서, (a) 암 병력을 가지고 있지 않은 환자(건강한 대조군)와 (b) 폐암으로 병력이 확인된 환자의 혈청을 수집하였다.

혈청 시료의 매트릭스를 제조함으로써 질량 분광광도계에 의한 평가를 위해 혈청이 준비되었다. 질량 분광광도계 매트릭스는 50% 아세토니트릴-0.05% 트리플루오로아세트산(TFA)내 포화 알파-시아노-4-히드록시신남산을 포함한다. 상기 혈청을 0.1% n-옥틸 β-D-글루코피라노사이드에서 1:1000으로 희석한다. 0.5 μL의 매트릭스를 384개의 정해진 영역을 갖는 시료 플레이트의 각 정해진 영역에 넣고 각 개체로부터 0.5 μL 혈청을 정해진 영역에 첨가하고 공기중에서 건조한다. 시료 및 시료 플레이트상의 위치가 정확한 데이터 해석을 위해서 기록된다. Kratos Analytical Inc.에서 제조된 액시머-CFR MALDI-TOF 질량 분광광도계(Axima-CFR MALDI-TOF mass spectrometer)가 사용된다. 상기 장치를 하기 명세로 설정한다: 튜너 모드(tuner mode), 선형(linear); 질량 범위(mass range), 0 내지 약 5,000; 레이저 파워(laser power), 90; 프로파일(profile), 100; 및 스팟당 샷(shots per spot), 5. 질량 분광광도계의 출력은 시료 데이터 세트의 형태로 컴퓨터 저장 매체에 저장된다.

도 3A-3S는 400-500의 특이적 m/z 비율 대 특정 시료에서 상기 m/z 비율의 세기 비율을 설명하는 질량 스펙트럼이다. 정상 혈청 데이터와 폐암 데이터 사이의 비교는 도 3A 내지 도 3S에 기술되어 있으며, 정상 시료의 데이터는 도 3A 내지 도 3K에 기술되어 있으며, 폐암 시료의 데이터는 도 3L 내지 도 3S에 기술되어 있다.

도 3A 내지 도 3S에 기술된 바와 같이, 질량 스펙트럼 프로파일이 고정된 범위에서 비교될 때, A점 및 B점에서 정상 혈청과 폐암 혈청사이에 실질적인 차이가 발견되었다. 도면에 개시되어 있는 바와 같이, A점은 456의 m/z 비율에 해당하며, B점은 472의 m/z 비율에 해당한다. 도면에 개시되어 있는 바와 같이, 정상 혈청의 질량 스펙트럼은 A점 및 B점에서 피크들을 나타내며, 폐암 혈청의 질량 스펙트럼은 A점 및 B점에서 실질적으로 피크들이 없었다.

도 3A-3K에 개시된 바와 같이 정상 혈청의 경우에, 11개의 시료 중 10개의 시료가 A점에서 피크들을 나타낸다(예컨대, 도 3A-3I 및 3K). 또한, 11개의 시료 중 6개의 시료가 B점에서 피크들을 나타낸다(예컨대, 도 3A-3E 및 3H). 그러나, 도 3L-3S에 개시된 바와 같이 폐암 혈청의 경우에, 어떤 시료도 A점 및 B점에서 피크들이 나타나지 않았다. 상기 결과를 하기 표에 요약하였다:

혈청 그룹	질량/전하 비율
	456	472
정상 혈청에서 피크들을 가지고 있는 시료의 수	10/11	6/11
폐암 혈청에서 피크들을 가지고 있는 시료의 수	0/8	0/8

상기에서와 같이, 당분야의 통상의 지식을 가진 사람은 A점 및 B점에서 피크들의 존재는 환자가 폐암에 걸리지 않았다는 것을 나타낸다는 것을 알 수 있다. 그러나, A점 및 B점에서 피크들의 부재는 환자가 폐암에 걸렸다는 것을 나타내거나, 또는 환자의 신체에 종양의 존재를 나타내는 것이다. 상기에서와 같이, 상기 결과를 사용하여, 알려져 있지 않은 환자가 폐암에 걸렸는지 또는 폐암으로 발전할 위험이 있는지를 결정한다.

실시예 2

하기에는 상술된 본 발명에 따른 장치 및 방법을 사용하여 실시된 특정 췌장암 스크리닝을 기술한다. MALDI-TOF가 사용되어 혈청에서 구별되는 m/z 이온 피크 분포 패턴을 나타내는 스펙트럼 시료 데이터 세트를 생성한다. 그후 선형판별분석이 사용되어 하기에 기술된 바와 같이 예측 모델을 형성한다. 선형판별분석을 실시하기위해서, 혈청은 (a) 암 병력을 가지고 있지 않은 환자(건강한 대조군) 및 (b) 췌장암으로 병력이 확인된 환자로부터 수집되었다.

혈청 시료의 매트릭스를 제조함으로써 질량 분광광도계에 의한 평가를 위해 혈청이 준비되었다. 질량 분광광도계 매트릭스는 50% 아세토니트릴-0.05% 트리플루오로아세트산(TFA)내 포화 알파-시아노-4-히드록시신남산을 포함한다. 상기 혈 청을 0.1% n-옥틸 β-D-글루코피라노사이드에서 1:1000으로 희석한다. 0.5 μL의 매트릭스를 384개의 정해진 영역을 갖는 시료 플레이트의 각 정해진 영역에 넣고 각 개체로부터 0.5 μL 혈청을 정해진 영역에 첨가하고 공기중에서 건조한다. 시료 및 시료 플레이트상의 위치가 정확한 데이터 해석을 위해서 기록된다. Kratos Analytical Inc.에서 제조된 액시머-CFR MALDI-TOF 질량 분광광도계가 사용된다. 상기 장치를 하기 명세로 설정한다: 튜너 모드, 선형; 질량 범위, 0 내지 약 5,000; 레이저 파워, 90; 프로파일, 100; 및 스팟당 샷, 5. 질량 분광광도계의 출력은 시료 데이터 세트의 형태로 컴퓨터 저장 매체에 저장된다.

본 실시예에서 기술된 데이터의 분석으로 정상 시료의 질량 스펙트럼에서 구별되는 피크들은 상기 실시예에 기술된 바와 같이 관련되고(즉, 피크들은 비율이 모두 증가되거나 또는 감소되고, 또는 모두 존재하거나 또는 부재할 것이다), 암 시료에서 구별되는 피크들은 분리된 것으로 확인되었다. 췌장암에 있어서, 암과 관련된 구별되는 피크들은 456 및 472의 질량/이온 비율로 존재한다. 그러나, 당분야의 통상의 지식을 가진 사람은 도 4A 내지 도 4U를 분석함으로써 알 수 있기 때문에, 상기 피크들은 관련되지 않았다. 즉 하나의 피크가 나타나며, 다른 피크는 개별의 췌장암 시료에서 나타나지 않는다.

실시예 3

하기에는 상술된 본 발명에 따른 장치 및 방법을 사용하여 실시된 특정 방광암 스크리닝을 기술한다. MALDI-TOF가 사용되어 혈청에서 구별되는 m/z 이온 피크 분포 패턴을 나타내는 스펙트럼 시료 데이터 세트를 생성한다. 그후 선형판별분석 이 사용되어 하기에 기술된 바와 같이 예측 모델을 형성한다. 선형판별분석을 실시하기위해서, 혈청은 (a) 암 병력을 가지고 있지 않은 환자(건강한 대조군) 및 (b) 방광암으로 병력이 확인된 환자로부터 수집되었다.

혈청 시료의 매트릭스를 제조함으로써 질량 분광광도계에 의한 평가를 위해 혈청이 준비되었다. 질량 분광광도계 매트릭스는 50% 아세토니트릴-0.05% 트리플루오로아세트산(TFA)내 포화 알파-시아노-4-히드록시신남산을 포함한다. 상기 혈청을 0.1% n-옥틸 β-D-글루코피라노사이드에서 1:1000으로 희석한다. 0.5 μL의 매트릭스를 384개의 정해진 영역을 갖는 시료 플레이트의 각 정해진 영역에 넣고 각 개체로부터 0.5 μL 혈청을 정해진 영역에 첨가하고 공기중에서 건조한다. 시료 및 시료 플레이트상의 위치가 정확한 데이터 해석을 위해서 기록된다. Kratos Analytical Inc.에서 제조된 액시머-CFR MALDI-TOF 질량 분광광도계가 사용된다. 상기 장치를 하기 명세로 설정한다: 튜너 모드, 선형; 질량 범위, 0 내지 약 5,000; 레이저 파워, 90; 프로파일, 100; 및 스팟당 샷, 5. 질량 분광광도계의 출력은 시료 데이터 세트의 형태로 컴퓨터 저장 매체에 저장된다.

실시예 1 및 2와 관련하여 상기에 기술된 폐암 및 췌장암 스크리닝을 가지고, 당분야의 통상의 지식을 가진 사람은 도 5A 내지 5F(도 5A-5C는 방광암을 가지고 있다고 알려져 있는 시료의 질량 스펙트럼이고, 도 5D-5F는 정상 질량 스펙트럼이다)는 피크의 부재는 방광암의 존재를 나타내는 구별되는 스펙트럼 피크들을 나타내는 것을 알 수 있다. 상기에서와 같이, 그후 상기 결과가 사용되어 알려져 있지 않은 환자가 방광암에 걸렸는지 또는 방광암으로 발전될 위험이 있는지를 결정 할 수 있다.

본 실시예에 기술된 데이터의 분석으로 정상 시료(도 5D-5F)의 질량 스펙트럼에서 456 및 472의 질량/이온 비율에서 구별되는 피크들은 상기 실시예에 기술된 바와 같이 관련되는 것을 나타낸다(즉, 피크들은 비율이 모두 증가되거나 또는 감소되고, 또는 모두 존재하거나 또는 부재할 것이다). 그러나, 상기 실시예 2에 기술된 바와 같이 암 시료에서 구별되는 피크들(도 5A-5C)은 분리된 것으로 나타난다. 즉 하나의 피크가 나타나며, 다른 피크는 개별의 췌장암 시료에서 나타나지 않았다.

실시예 4

(상술된 바와 같이) 본 발명에 따라 생성된 피크들은 하기 표 1-3에 개시된 바와 같이 폐암과 상관관계에 있어서 선형판별모델을 사용하여 피크 세기에 부가적 특징이 있다. 440, 456 및 472의 질량/이온 비율에서 3개의 피크들이 분석되어 피크 세기 중단 값(peak intensity cutoff values)이 측정된다면 피크가 바이오마커(biomarker)로서 적당한지(특이성 및 감수성)를 결정한다. 표 1은 440의 질량/전하 비율에서 피크에 대해서 5% 내지 100%의 각 피크 세기 값에서 정상 환자(예컨대, 폐암을 가지고 있지 않은 환자) 및 폐암 환자로부터 수집된 혈청 시료의 수를 나타낸다. 표 2는 456의 질량/전하 비율에서 피크에 있어서 0% 내지 100%의 세기 값을 나타내고, 표 3은 472의 질량/전하 비율에서 피크에 있어서 1% 내지 100%의 세기 값을 나타낸다. 표 4 및 표 5는 선형판별모델로 추가의 분석을 위해서 각각 440/456 및 440/472의 질량 스펙트럼 비율의 사용을 나타낸다.

암 관찰의 거의 모두(111/112)는 단일 값, 즉 100이다. 상기는 최대 세기 비율 100의 상한을 반영한다. 상기 경우에, 간단한 결정 규칙을 이끈다; "값이 100이면 시료는 암이 있음; 그렇지 않으면, 암이 없음". 상기 간단한 규칙은 111/112의 감수성>99% 및 56/62의 특이성 = 90%를 갖는다.

상기 컬럼은 456에서 피크가 유일하며, 모두 3개의 상대 시료를 나타낸다. 디지트 선호도(digit preference)가 여기에서 보이지 않는다. 정상 시료에서, 48/63 관찰(76%)이 100이다. 그러므로, 하기의 규칙이 추론될 수 있다: "50 이상이면 정상이고, 50 미만이면 암이다". 상기 규칙은 61/63의 특이성>97% 및 감수성 100%를 갖는다.

상기 컬럼은 472에서 피크가 유일하다. 디지트 선호도가 정상 시료에서 명백하다. 거의 모든 암 시료는 1의 피크 높이이다. 다시, 거의 완전한 결정 규칙이 있다: "20 이상이면 정상이고, 20 미만이면 암이다". 상기 규칙은 60/62의 특이성 = 97% 및 110/110의 감수성 =100%를 나타낸다.

상기 계산된 양과 함께, 디지트 선호도의 영향을 볼 수 있다. 다시, 거의 완전한 결정 규칙이 있다: "2 이상이면 정상이고, 2 미만이면 암이다".

상기 표에서, 디지트 선호도는 더이상 관찰되지 않는다. 거의 모든 암 시료는 스케일의 한쪽 단부에 있다. 다시, 거의 완전한 결정 규칙이 있다: "4 이상이면 정상이고, 4 미만은 암이다".

주석: 상기 표는 암과 정상 사이의 가능한 판독자(potential discriminator)로서 피크들 456 및 472의 합을 나타낸다.

본 발명은 이의 특정 실시양태를 참고하여 기술되며, 당분야의 통상의 지식을 가진 사람은 본 발명의 범위를 벗어나지 않고 본 발명의 기술된 실시양태에 대한 다양한 변형을 만들 수 있다. 본원에 사용된 용어 및 기재는 설명을 위해 제공되며 제한을 의미하지 않는다. 특히, 본 발명은 실시예에 의해서 기술되었음에도 불구하고, 다양한 조성물 및 방법은 본원에 기술된 본 발명의 개념을 실시한다. 본 발명이 다양한 용어 및 특정 실시양태에 기술되고 기재되었음에도 불구하고, 본 발명의 범위는 이에 의해서 한정되지 않으며, 본원을 설명함으로써 제시된 상기 다른 변형 또는 실시양태가 있으며, 특히 본원에 첨부된 청구의 범위의 범주 및 범위안에 있다. 당분야의 통상의 지식을 가진 사람은 상기 및 다른 변형이 하기 청구의 범위 및 이들의 균등물에서 정의된 바와 같은 본 발명의 범위내에서 가능하다는 것을 알 수 있다.

본 발명의 특정 실시양태의 상술은 설명 및 기재를 목적으로 제공된다. 상기는 본 발명을 기술된 정확한 형태로 제한하거나 포괄하는 것은 아니다. 명백하게, 많은 변형 및 변화는 상기 기술의 관점에서 가능하다. 상기 실시양태는 본 발명의 원리 및 이의 실제 용도를 최상으로 설명하기위해서 선택되고 기술되었으며, 이로서 당분야의 통상의 지식을 가진 사람은 본 발명을 최상으로 이용할 수 있으며, 특정 용도에 적당한 다양한 변형을 포함하는 다양한 실시양태가 가능하다. 본 발명의 범위는 본원에 첨부된 청구의 범위 및 이들의 균등물에 의해서만 한정된다.

Claims

피험자(subject)에서 질병의 존재를 검출하는 방법으로서,

상기 방법은 피험자로부터 얻어진 생물학적 시료(biological sample)로부터 질량 스펙트럼 데이터를 생성하는 단계; 및

상기 질량 스펙트럼 데이터를, 질병을 가지고 있다고 알려져 있는 개체군(population)으로부터 얻어진 생물학적 시료의 질량 스펙트럼 데이터에 기초한 예측 모델(prediction model)과 비교하는 단계를 포함하며,

상기 피험자로부터 얻어진 생물학적 시료로부터의 질량 스펙트럼 데이터에서, 예측 모델에서 인식되는 1 이상의 마커(marker)의 존재 또는 부재는 피험자가 질병을 가지고 있는지를 나타내는 것을 특징으로 하는 방법.
제 1 항에 있어서,

질병은 암인 것을 특징으로 하는 방법.
제 2 항에 있어서,

질병은 폐, 두경부, 구강, 식도, 인두(pharynx), 신장, 방광 또는 췌장의 암인 것을 특징으로 하는 방법.
제 1 항에 있어서,

피험자로부터 얻어진 생물학적 시료는 생물학적 유액인 것을 특징으로 하는 방법.
제 4 항에 있어서,

생물학적 유액은 혈청인 것을 특징으로 하는 방법.
제 4 항에 있어서,

생물학적 유액은 혈장(plasma)인 것을 특징으로 하는 방법.
제 4 항에 있어서,

생물학적 유액은 혈액인 것을 특징으로 하는 방법.
제 4 항에 있어서,

생물학적 유액은 소변인 것을 특징으로 하는 방법.
제 1 항에 있어서,

질량 스펙트럼 데이터는 매트릭스 지원 레이저 이탈/이온화(Matrix Assisted Laser Desorption/Ionization, MALDI) 분광광도계에 의해서 생성되는 것을 특징으로 하는 방법.
피험자의 질병을 검출하는데 사용하기 위한 질병에 대한 마커를 인식하는 방법으로서,

상기 방법은 질병을 가지고 있다고 알려져 있는 개체군으로부터 얻어진 생물학적 시료로부터의 질량 스펙트럼 데이터의 제1 세트를 생성하는 단계;

질병을 가지고 있지 않다고 알려져 있는 개체군으로부터 얻어진 생물학적 시료로부터의 질량 스펙트럼 데이터의 제2 세트를 생성하는 단계; 및

상기 질량 스펙트럼 데이터의 제1 세트와 상기 질량 스펙트럼 데이터의 제2 세트를 비교하여 질병에 대한 1 이상의 마커를 나타내는 1 이상의 피크를 인식하는 단계를 포함하는 것을 특징으로 하는 방법.
제 10 항에 있어서,

질병은 암인 것을 특징으로 하는 방법.
제 11 항에 있어서,

1 이상의 마커는 종양의 존재를 인식하는 것을 특징으로 하는 방법.
제 11 항에 있어서,

질병은 폐, 두경부, 구강, 식도, 인두, 신장, 방광 또는 췌장의 암인 것을 특징으로 하는 방법.
제 10 항에 있어서,

질량 스펙트럼 데이터의 세트들 중 하나에서 피크가 나타나고 질량 스펙트럼 데이터의 다른 세트에서 피크가 나타나지 않으면 상기 피크는 질병의 마커로서 인식되는 것을 특징으로 하는 방법.
제 10 항에 있어서,

피험자의 질병의 존재를 검출하는데 사용하는 예측 모델을 만들기 위해서 마커를 사용하는 단계를 추가로 포함하는 것을 특징으로 하는 방법.
제 10 항에 있어서,

질량 스펙트럼 데이터는 매트릭스 지원 레이저 이탈/이온화(MALDI) 분광광도계에 의해서 생성되는 것을 특징으로 하는 방법.
제 10 항에 있어서,

각 개체군은 다수의 피험자를 포함하며, 시료는 다수의 피험자 각각으로부터 얻어지는 것을 특징으로 하는 방법.