KR20120031740A - 위암 환자의 항암제 민감성을 예측하기 위한 키트 및 방법 - Google Patents
위암 환자의 항암제 민감성을 예측하기 위한 키트 및 방법 Download PDFInfo
- Publication number
- KR20120031740A KR20120031740A KR1020100093301A KR20100093301A KR20120031740A KR 20120031740 A KR20120031740 A KR 20120031740A KR 1020100093301 A KR1020100093301 A KR 1020100093301A KR 20100093301 A KR20100093301 A KR 20100093301A KR 20120031740 A KR20120031740 A KR 20120031740A
- Authority
- KR
- South Korea
- Prior art keywords
- gastric cancer
- dna
- kit
- homo sapiens
- snp
- Prior art date
Links
- 239000002246 antineoplastic agent Substances 0.000 title claims abstract description 57
- 208000005718 Stomach Neoplasms Diseases 0.000 title claims abstract description 51
- 206010017758 gastric cancer Diseases 0.000 title claims abstract description 51
- 201000011549 stomach cancer Diseases 0.000 title claims abstract description 51
- 230000035945 sensitivity Effects 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 41
- 108091033319 polynucleotide Proteins 0.000 claims abstract description 21
- 102000040430 polynucleotide Human genes 0.000 claims abstract description 21
- 239000002157 polynucleotide Substances 0.000 claims abstract description 21
- 239000012472 biological sample Substances 0.000 claims abstract description 14
- 239000000523 sample Substances 0.000 claims abstract description 8
- 229940041181 antineoplastic drug Drugs 0.000 claims description 37
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000000513 principal component analysis Methods 0.000 claims description 13
- 238000002493 microarray Methods 0.000 claims description 9
- 238000010224 classification analysis Methods 0.000 claims description 7
- 238000007477 logistic regression Methods 0.000 claims description 2
- 238000012706 support-vector machine Methods 0.000 claims description 2
- 239000003560 cancer drug Substances 0.000 claims 1
- 239000003814 drug Substances 0.000 claims 1
- 229940079593 drug Drugs 0.000 claims 1
- 108020004414 DNA Proteins 0.000 description 70
- 241000282414 Homo sapiens Species 0.000 description 59
- 125000003729 nucleotide group Chemical group 0.000 description 17
- 239000002773 nucleotide Substances 0.000 description 16
- 238000009396 hybridization Methods 0.000 description 11
- 102000054765 polymorphisms of proteins Human genes 0.000 description 10
- 230000004044 response Effects 0.000 description 10
- 206010028980 Neoplasm Diseases 0.000 description 6
- 238000001356 surgical procedure Methods 0.000 description 6
- VGIRNWJSIRVFRT-UHFFFAOYSA-N 2',7'-difluorofluorescein Chemical compound OC(=O)C1=CC=CC=C1C1=C2C=C(F)C(=O)C=C2OC2=CC(O)=C(F)C=C21 VGIRNWJSIRVFRT-UHFFFAOYSA-N 0.000 description 5
- 230000001093 anti-cancer Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000002068 genetic effect Effects 0.000 description 5
- 238000002271 resection Methods 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- DBMJMQXJHONAFJ-UHFFFAOYSA-M Sodium laurylsulphate Chemical compound [Na+].CCCCCCCCCCCCOS([O-])(=O)=O DBMJMQXJHONAFJ-UHFFFAOYSA-M 0.000 description 4
- 239000011324 bead Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 238000002512 chemotherapy Methods 0.000 description 4
- 239000000758 substrate Substances 0.000 description 4
- 238000011282 treatment Methods 0.000 description 4
- LYCAIKOWRPUZTN-UHFFFAOYSA-N Ethylene glycol Chemical compound OCCO LYCAIKOWRPUZTN-UHFFFAOYSA-N 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- IKYJCHYORFJFRR-UHFFFAOYSA-N Alexa Fluor 350 Chemical compound O=C1OC=2C=C(N)C(S(O)(=O)=O)=CC=2C(C)=C1CC(=O)ON1C(=O)CCC1=O IKYJCHYORFJFRR-UHFFFAOYSA-N 0.000 description 2
- WEJVZSAYICGDCK-UHFFFAOYSA-N Alexa Fluor 430 Chemical compound CC[NH+](CC)CC.CC1(C)C=C(CS([O-])(=O)=O)C2=CC=3C(C(F)(F)F)=CC(=O)OC=3C=C2N1CCCCCC(=O)ON1C(=O)CCC1=O WEJVZSAYICGDCK-UHFFFAOYSA-N 0.000 description 2
- WHVNXSBKJGAXKU-UHFFFAOYSA-N Alexa Fluor 532 Chemical compound [H+].[H+].CC1(C)C(C)NC(C(=C2OC3=C(C=4C(C(C(C)N=4)(C)C)=CC3=3)S([O-])(=O)=O)S([O-])(=O)=O)=C1C=C2C=3C(C=C1)=CC=C1C(=O)ON1C(=O)CCC1=O WHVNXSBKJGAXKU-UHFFFAOYSA-N 0.000 description 2
- ZAINTDRBUHCDPZ-UHFFFAOYSA-M Alexa Fluor 546 Chemical compound [H+].[Na+].CC1CC(C)(C)NC(C(=C2OC3=C(C4=NC(C)(C)CC(C)C4=CC3=3)S([O-])(=O)=O)S([O-])(=O)=O)=C1C=C2C=3C(C(=C(Cl)C=1Cl)C(O)=O)=C(Cl)C=1SCC(=O)NCCCCCC(=O)ON1C(=O)CCC1=O ZAINTDRBUHCDPZ-UHFFFAOYSA-M 0.000 description 2
- SMWDFEZZVXVKRB-UHFFFAOYSA-N Quinoline Chemical compound N1=CC=CC2=CC=CC=C21 SMWDFEZZVXVKRB-UHFFFAOYSA-N 0.000 description 2
- 206010047700 Vomiting Diseases 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- DQLATGHUWYMOKM-UHFFFAOYSA-L cisplatin Chemical compound N[Pt](N)(Cl)Cl DQLATGHUWYMOKM-UHFFFAOYSA-L 0.000 description 2
- 229960004316 cisplatin Drugs 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 230000009257 reactivity Effects 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 230000008673 vomiting Effects 0.000 description 2
- 235000012431 wafers Nutrition 0.000 description 2
- WAVYAFBQOXCGSZ-UHFFFAOYSA-N 2-fluoropyrimidine Chemical compound FC1=NC=CC=N1 WAVYAFBQOXCGSZ-UHFFFAOYSA-N 0.000 description 1
- 208000004998 Abdominal Pain Diseases 0.000 description 1
- 239000012103 Alexa Fluor 488 Substances 0.000 description 1
- 239000012109 Alexa Fluor 568 Substances 0.000 description 1
- 239000012110 Alexa Fluor 594 Substances 0.000 description 1
- 239000012112 Alexa Fluor 633 Substances 0.000 description 1
- 239000012114 Alexa Fluor 647 Substances 0.000 description 1
- 239000012115 Alexa Fluor 660 Substances 0.000 description 1
- 239000012116 Alexa Fluor 680 Substances 0.000 description 1
- 201000004384 Alopecia Diseases 0.000 description 1
- 102000014914 Carrier Proteins Human genes 0.000 description 1
- KRKNYBCHXYNGOX-UHFFFAOYSA-K Citrate Chemical compound [O-]C(=O)CC(O)(CC([O-])=O)C([O-])=O KRKNYBCHXYNGOX-UHFFFAOYSA-K 0.000 description 1
- 108020004635 Complementary DNA Proteins 0.000 description 1
- KCXVZYZYPLLWCC-UHFFFAOYSA-N EDTA Chemical compound OC(=O)CN(CC(O)=O)CCN(CC(O)=O)CC(O)=O KCXVZYZYPLLWCC-UHFFFAOYSA-N 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 239000004593 Epoxy Substances 0.000 description 1
- 208000018522 Gastrointestinal disease Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 206010028813 Nausea Diseases 0.000 description 1
- 108091028043 Nucleic acid sequence Proteins 0.000 description 1
- AWZJFZMWSUBJAJ-UHFFFAOYSA-N OG-514 dye Chemical compound OC(=O)CSC1=C(F)C(F)=C(C(O)=O)C(C2=C3C=C(F)C(=O)C=C3OC3=CC(O)=C(F)C=C32)=C1F AWZJFZMWSUBJAJ-UHFFFAOYSA-N 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 108010039918 Polylysine Proteins 0.000 description 1
- 206010036790 Productive cough Diseases 0.000 description 1
- 108091028664 Ribonucleotide Proteins 0.000 description 1
- 108091081021 Sense strand Proteins 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- ULHRKLSNHXXJLO-UHFFFAOYSA-L Yo-Pro-1 Chemical compound [I-].[I-].C1=CC=C2C(C=C3N(C4=CC=CC=C4O3)C)=CC=[N+](CCC[N+](C)(C)C)C2=C1 ULHRKLSNHXXJLO-UHFFFAOYSA-L 0.000 description 1
- ZVUUXEGAYWQURQ-UHFFFAOYSA-L Yo-Pro-3 Chemical compound [I-].[I-].O1C2=CC=CC=C2[N+](C)=C1C=CC=C1C2=CC=CC=C2N(CCC[N+](C)(C)C)C=C1 ZVUUXEGAYWQURQ-UHFFFAOYSA-L 0.000 description 1
- GRRMZXFOOGQMFA-UHFFFAOYSA-J YoYo-1 Chemical compound [I-].[I-].[I-].[I-].C12=CC=CC=C2C(C=C2N(C3=CC=CC=C3O2)C)=CC=[N+]1CCC[N+](C)(C)CCC[N+](C)(C)CCC[N+](C1=CC=CC=C11)=CC=C1C=C1N(C)C2=CC=CC=C2O1 GRRMZXFOOGQMFA-UHFFFAOYSA-J 0.000 description 1
- JSBNEYNPYQFYNM-UHFFFAOYSA-J YoYo-3 Chemical compound [I-].[I-].[I-].[I-].C12=CC=CC=C2C(C=CC=C2N(C3=CC=CC=C3O2)C)=CC=[N+]1CCC(=[N+](C)C)CCCC(=[N+](C)C)CC[N+](C1=CC=CC=C11)=CC=C1C=CC=C1N(C)C2=CC=CC=C2O1 JSBNEYNPYQFYNM-UHFFFAOYSA-J 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 125000003172 aldehyde group Chemical group 0.000 description 1
- 238000011394 anticancer treatment Methods 0.000 description 1
- 230000000890 antigenic effect Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 108091008324 binding proteins Proteins 0.000 description 1
- 208000034158 bleeding Diseases 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 238000004820 blood count Methods 0.000 description 1
- 210000001185 bone marrow Anatomy 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000005547 deoxyribonucleotide Substances 0.000 description 1
- 125000002637 deoxyribonucleotide group Chemical group 0.000 description 1
- 150000004985 diamines Chemical class 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 201000006549 dyspepsia Diseases 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000002875 fluorescence polarization Methods 0.000 description 1
- 239000000499 gel Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 208000024963 hair loss Diseases 0.000 description 1
- 230000003676 hair loss Effects 0.000 description 1
- 208000024798 heartburn Diseases 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 230000003100 immobilizing effect Effects 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 239000011859 microparticle Substances 0.000 description 1
- 238000010369 molecular cloning Methods 0.000 description 1
- 230000008693 nausea Effects 0.000 description 1
- 238000007899 nucleic acid hybridization Methods 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- JMANVNJQNLATNU-UHFFFAOYSA-N oxalonitrile Chemical compound N#CC#N JMANVNJQNLATNU-UHFFFAOYSA-N 0.000 description 1
- 238000000206 photolithography Methods 0.000 description 1
- 210000002381 plasma Anatomy 0.000 description 1
- 229920000656 polylysine Polymers 0.000 description 1
- 238000011470 radical surgery Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000002336 ribonucleotide Substances 0.000 description 1
- 125000002652 ribonucleotide group Chemical group 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 210000003802 sputum Anatomy 0.000 description 1
- 208000024794 sputum Diseases 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- ACOJCCLIDPZYJC-UHFFFAOYSA-M thiazole orange Chemical compound CC1=CC=C(S([O-])(=O)=O)C=C1.C1=CC=C2C(C=C3N(C4=CC=CC=C4S3)C)=CC=[N+](C)C2=C1 ACOJCCLIDPZYJC-UHFFFAOYSA-M 0.000 description 1
- ANRHNWWPFJCPAZ-UHFFFAOYSA-M thionine Chemical compound [Cl-].C1=CC(N)=CC2=[S+]C3=CC(N)=CC=C3N=C21 ANRHNWWPFJCPAZ-UHFFFAOYSA-M 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 208000016261 weight loss Diseases 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/15—Medicinal preparations ; Physical properties thereof, e.g. dissolubility
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- C12Q2600/106—Pharmacogenomics, i.e. genetic variability in individual responses to drugs and drug metabolism
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Organic Chemistry (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Zoology (AREA)
- Genetics & Genomics (AREA)
- Wood Science & Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biochemistry (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biotechnology (AREA)
- Hospice & Palliative Care (AREA)
- Data Mining & Analysis (AREA)
- Oncology (AREA)
- Microbiology (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Pharmacology & Pharmacy (AREA)
- Food Science & Technology (AREA)
Abstract
위암 환자의 항암제 민감성을 예측하기 위한 키트 및 방법에 관한 것이다. 일 구체예에 따른 위암 환자의 항암제 민감성을 예측하기 위한 키트 및 방법에 의하면, 위암 환자로부터 유래한 생물학적 시료로부터 항암제에 대한 민감성을 효율적으로 예측할 수 있다.
Description
위암 환자의 항암제 민감성을 예측하기 위한 키트 및 방법에 관한 것이다.
위암으로 인한 사망률은 인구 10만명 당 20.9명으로 위암은 폐암, 간암과 함께 우리 나라에서 가장 높은 발병 빈도를 나타내는 암이다. 위암은 초기에는 증세가 없거나, 속쓰림 등의 미약한 증세로 인하여, 일반적인 위장 질환과 구분이 용이하지 않으며, 암의 진행이 이루어진 후에야 체중 감소, 복통, 구토, 출혈 등의 증세가 나타나는 것으로 알려져 있다. 현재까지 알려진 위암의 최선의 치료는 수술을 통해 암을 포함하는 부위를 외과적으로 절제하는 것이다. 외과적인 절제 방법에는 여러 가지 방법이 있겠으나, 일단 완치를 목표로 하는 수술에서는 가능한 한 넓은 범위를 포함하여 절제하게 되며, 수술 후 광범위한 절제로 인한 후유증을 고려하여 그 절제 범위를 정한다. 또한 위암이 상당히 진행이 되었거나, 다른 장기에 전이되었을 경우에는 근치 수술이 불가능하거나, 환자의 위험 대비 수술의 효과가 크지 않으므로, 항암제 투여 등 다른 방법을 택하게 된다.
이와 같이 항암제는 위암의 치료에 효과적일 수 있으나, 환자에게 투여하였을 경우, 혈구수의 감소, 과민 반응, 메스꺼움, 구토, 탈모 등의 부작용이 나타날 수 있다는 단점이 있으며, 이러한 부작용으로 인해 항암제 투여에 대한 효과를 기대하는데 한계가 있을 수 있다. 또한, 기존의 항암제 반응성에 관한 연구는 종양에서 혈액을 통해 전달된 마커를 검출하는 방법을 사용하므로, 종양 자체의 항암제 반응성에 대하여 정확하게 판단할 수 없다는 단점이 있다.
따라서, 환자에게 항암제로 인한 불필요한 고통을 부여하지 않고, 불필요한 치료에 의한 환자의 비용 부담을 절감하며, 보다 정확한 항암제 반응성을 판단하기 위해서 위암 환자의 항암제에 대한 민감성 여부를 사전에 검출하는 방법이 요구되고 있다.
위암 환자의 항암제 민감성을 예측하기 위한 키트 및 이를 이용한 위암 환자의 항암제 민감성을 예측하는 방법을 제공하는 것이다.
일 양상은 각각의 27번째 위치에 단일 염기 다형을 포함하는 서열 번호 1 내지 59의 폴리뉴클레오티드로 구성되는 위암 환자의 항암제 민감성을 예측하기 위한 키트를 제공한다.
용어, "단일 염기 다형(single nucleotide polymorphism)"은 동일한 종의 개체들 중에 단일 뉴클레오티드 변이가 존재하는 것을 의미하며, 당업계에 통상적으로 알려진 의미로 사용된다. 단일 염기 다형은 인간의 경우 약 1,000 bp 마다 1회의 빈도로 발생하는 것으로 알려져 있다.
용어, "뉴클레오티드(nucleotide)"는 단일 가닥 또는 이중 가닥의 형태로 존재하는 디옥시리보뉴클레오티드 또는 리보뉴클레오티드를 의미하며, 특별하게 언급되어 있지 않은 한 자연의 뉴클레오티드의 유사체 및 당 또는 염기 부위가 변형된 유사체를 포함한다(Scheit, Nucleotide Analogs, John Wiley, New York(1980); Uhlman 및 Peyman, Chemical Reviews, 90:543-584(1990)). 용어, "폴리뉴클레오티드(polynucleotide)"는 상기 뉴클레오티드들의 중합체를 의미한다.
상기 폴리뉴클레오티드의 길이는 서열번호 1 내지 59의 폴리뉴클레오티드의 단일 염기 다형 부위를 포함하는 10개 내지 100개, 또는 10개 내지 50개의 뉴클레오티드일 수 있으며, 이때 각 서열의 단일 염기 다형의 부위는 상기 서열번호 1 내지 59의 폴리뉴클레오티드에서 27번 위치이다.
상기 서열번호 1 내지 59의 폴리뉴클레오티드 내에 포함되어 있는 다형성 부위(즉, 27번 위치)는 위암 환자의 항암제 민감성과 연관이 있는 것이다. 이는 위암 환자에게 항암제를 투여한 다음, 의사로부터 완전 관해(complete remission) 여부를 판단 받은 환자들을 대상으로, 항암제에 민감성을 갖는 환자와 민감성을 갖지 않는 환자에게서 유래한 혈액 시료로부터 얻어진 DNA를 정상 핵형의 위암 환자의 DNA 염기 서열과 비교한 결과를 통하여 확인할 수 있다. 상기 비교는 마이크로어레이 칩에 상에 정상 핵형의 위암 환자의 DNA를 고정시키고, 항암제에 민감성을 갖는 환자와 민감성을 갖지 않는 환자에게서 유래한 혈액 시료로부터 얻어진 DNA를 혼성화시키는 방법을 통해 확인할 수 있다.
한편, 상기 단일 염기 다형에 해당하는 대립형 뉴클레오티드가 이중 가닥의 게놈 DNA(genomic DNA)에서 발견되는 경우, 상기 뉴클레오티드에 대하여 상보적인 뉴클레오티드도 포함하는 것으로 해석된다. 예를 들어, 상보적인 뉴클레오티드 서열에서 단일 염기 다형인 "T"는 "A"가 될 수 있다. 이러한 측면에서, 상기 서열번호 1 내지 59의 모든 서열은, 특별한 언급이 없는 한, 게놈 DNA에서 센스 가닥에 있는 서열을 기준으로 한 것이다.
일 구체예에 따르면, 상기 서열 번호 1 내지 59의 폴리뉴클레오티드로 구성되는 키트를 이용하면, 위암 환자의 항암제에 대한 민감성을 예측할 수 있다. 예를 들면, 위암 환자에게 항암제를 투여하기 전에 상기 환자의 DNA를 추출하여 상기 서열 번호 1 내지 59의 폴리뉴클레오티드로 구성되는 키트에 혼성화시켜 그 결과를 분석함으로써 항암제 투여에 대한 결정을 용이하게 판단할 수 있다. 상기 결과의 분석에 대해서는 후술하도록 한다. 상기 항암제는 플루오로피리미딘, 시스플라틴 또는 이들의 조합일 수 있다.
일 구체예에 따르면, 상기 폴리뉴클레오티드는 마이크로어레이에 고정되어 있는 것일 수 있다.
용어, "마이크로어레이(microarray)"는 기판 상에 폴리뉴클레오티드의 집단이 고밀도로 고정화되어 있는 것으로서, 상기 폴리뉴클레오티드 집단은 각각 일정한 영역에 고정화되어 있는 것을 의미한다. 이러한 마이크로어레이는 당업계에 잘 알려져 있다. 마이크로어레이에 관하여는 예를 들면, 미국특허 제5,445,934호 및 제5,744,305호에 개시되어 있으며, 이들 특허의 내용은 참조에 의하여 본 명세서에 포함된다.
상기 서열번호 1 내지 59의 폴리뉴클레오티드는 혼성화 어레이 요소(hybridizable array element)로서 이용되며, 기판(substrate) 상에 고정화될 수 있다. 상기 기판은 적합한 견고성 또는 반-견고성 지지체로서, 예를 들어, 막, 필터, 칩, 슬라이드, 웨이퍼, 파이버, 자기성 비드 또는 비자기성 비드, 겔, 튜빙, 플레이트, 고분자, 미소입자 및 모세관을 포함할 수 있다. 고정화는 화학적 결합 방법 또는 UV와 같은 공유 결합적 방법에 의해 실시될 수 있다. 예를 들어, 상기 혼성화 어레이 요소는 에폭시 화합물 또는 알데히드기를 포함하도록 변형된 글래스 표면에 결합될 수 있고, 또한 폴리라이신 코팅 표면에서 UV에 의해 결합될 수 있다. 또한, 상기 혼성화 어레이 요소는 링커 (예를 들어, 에틸렌 글리콜 올리고머 및 디아민)를 통해 기판에 결합될 수 있다.
다른 양상은 위암 환자로부터 생물학적 시료를 얻는 단계; 상기 시료로부터 제1항의 키트 내에 포함된 단일 염기 다형이 존재하는지 여부를 확인하는 단계; 및 통계적 분류 분석 방법을 통하여 항암제에 대한 민감성 여부를 결정하는 단계를 포함하는, 위암 환자의 항암제 민감성을 예측하는 방법을 제공한다.
일 구체예에 따르면, 상기 통계적 분류 분석 방법은 선형 판별 분석법, 정량 묘사 분석법, 로지스틱 회귀 분석법, 서포트 벡터 머신(support vector machine)법, 라쏘(LASSO) 방법으로 이루어진 군으로부터 선택되는 것일 수 있다. 상기 통계적 분류 분석 방법은 당업계에서 통상적으로 사용되는 방법이므로 자세한 설명을 생략한다.
일 구체예에 따르면, 상기 통계적 분류 분석 방법은 상기 확인된 단일 염기 다형 데이터로부터 하기 수학식 I 및 수학식 Ⅱ에 표시된 바와 같은 주성분 분석(principle component analysis) 값 PC1 및 PC2를 결정하는 단계; 및 상기 결정된 값을 제1항의 키트 내에 포함된 단일 염기 다형에 대해 구축된 선형 판별 분석 모델 (linear discrimination analysis model)에 적용하여 항암제에 대한 민감성 여부를 결정하는 단계를 포함할 수 있다.
수학식
Ⅰ
수학식
Ⅱ
상기 식에서 c1i는 주성분분석의 결과 첫번째 성분에서 i번째 SNP가 기여하는 정도(계수)를 나타내고, c2i는 주성분분석의 결과 두번째 성분에서 i번째 SNP가 기여하는 정도(계수)를 나타내며, SNPi는 i번째 SNP의 유전자형을 나타낸다.
상기 선형 판별 분석 모델을 이용하여 위암 환자의 항암제 민감성을 예측하는 방법을 각각의 단계별로 상세하게 설명하면 다음과 같다:
상기 방법은, 위암 환자로부터 생물학적 시료를 얻는 단계를 포함할 수 있다.
상기 생물학적 시료는 위암 환자로부터 얻은 임의의 세포를 포함하는 시료라면 어떠한 것이든 가능하다. 예를 들면, 상기 생물학적 시료는 혈액, 림프액, 혈장, 혈청, 소변, 조직, 세포, 기관, 골수, 타액, 객담 및 뇌척수액 등이 될 수 있으나, 이들 예에 한정되지 않으며, 상기 생물학적 시료는, 예를 들어, 위암 조직일 수 있다. 상기 생물학적 시료를 얻는 것은, 위암 제거 수술을 하는 동안 제거된 위암 조직일 수 있으나, 반드시 위암 제거 수술에 의하여 채취되는 것에 한정되지 않는다. 위암 조직의 적출은 물질적 또는 레이저 등을 통한 광학적 적출에 의한 것일 수 있다. 상기 생물학적 시료를 얻는 단계는, 위암 환자의 항암 치료 방법을 결정할 때, 즉, 항암제의 투여 여부를 결정할 시기에, 상기 환자로부터 채취될 수 있다.
이후, 상기 방법은 상기 시료로부터 상기 키트 내에 포함된 단일 염기 다형이 존재하는지 여부를 확인하는 단계를 포함할 수 있다.
상기에 설명한 바와 같이, 상기 키트는 서열번호 1 내지 59의 폴리뉴클레오티드를 포함하며, 상기 폴리뉴클레오티드는 항암제 민감성과 관련하는 단일 염기 다형을 포함하고 있다. 일 구체예에 따른 상기 단일 염기 다형 존재 여부의 확인은 항암제 투여 여부를 결정하고자 하는 위암 환자의 DNA를 추출하여 상기 키트에 혼성화시키는 방법에 의해 확인될 수 있다.
상기 혼성화는 예를 들어, 온도, 완충액 성분의 농도, 혼성화 및 세척 시간, 완충액의 pH 및 이온 세기 등의 조건을 적절하게 조절하여 수행할 수 있으며, 이러한 혼성화 조건은 프로브가 되는 폴리뉴클레오티드의 길이 및 GC 양 및 표적이 되는 뉴클레오티드의 서열 등의 다양한 인자에 의존한다. 혼성화를 위한 상세한 조건은 Joseph Sambrook, et al., Molecular Cloning , A Laboratory Manual, Cold Spring Harbor Laboratory Press, Cold Spring Harbor, N.Y.(2001); 및 M.L.M. Anderson, Nucleic Acid Hybridization, Springer-Verlag New York Inc. N.Y.(1999)에서 확인할 수 있다. 예를 들어, 상기 문헌에 기재된 엄격 조건 중에서 고 엄격 조건은 0.5 M NaHPO4, 7% SDS(sodium dodecyl sulfate), 1 mM EDTA에서 65℃ 조건으로 혼성화하고, 0.1 x SSC(standard saline citrate)/0.1% SDS에서 68℃ 조건으로 세척하는 것을 의미한다. 저 엄격 조건은 예를 들어, 0.2 x SSC/0.1% SDS에서 42℃ 조건으로 세척하는 것을 의미한다.
상기 혼성화 반응 이후에, 혼성화 여부는 혼성화 반응을 통하여 나오는 신호를 검출하여 확인할 수 있다. 상기 신호는 예를 들어, 프로브가 되는 폴리뉴클레오티드에 결합된 검출 가능한 표지의 종류에 따라 다양한 방법으로 실시할 수 있다. 용어 "검출 가능한 표지(detectable label)"는 표지가 없는 동일한 종류의 분자들 중에서 표지를 포함하는 분자의 특이적으로 검출하도록 하는 원자 또는 분자로, 상기 검출 가능한 표지는 예를 들어, 색깔 비드(colored bead), 항원 결정체, 효소, 혼성화 가능한 핵산, 발색물질, 형광물질, 인광물질, 전기적으로 검출 가능한 분자, 변경된 형광-분극 또는 변경된 빛-확산을 제공하는 분자 또는 양자점 등을 포함할 수 있다. 또한, 상기 표지는 P32 및 S35와 같은 방사선동위원소, 화학발광 (chemiluminescent) 화합물, 표지된 결합 단백질, 중금속 원자 및 다이와 같은 분광학적 마커, 및 자기 표지물을 포함할 수 있다. 상기 다이는 예를 들어, 퀴놀린 다이, 트리아릴메탄 다이, 프탈레인, 아조 다이 및 시아닌 다이를 포함하나, 이에 한정되는 것은 아니다. 상기 형광물질은 예를 들어, Alexa Fluor 350, Alexa Fluor 430, Alexa Fluor 488, Alexa Fluor 532, Alexa Fluor 546, Alexa Fluor 568, Alexa Fluor 594, Alexa Fluor 633, Alexa Fluor 647, Alexa Fluor 660, Alexa Fluor 680, Cy2, Cy3.18, Cy3.5, Cy3, Cy5.18, Cy5.5, Cy5, Cy7, mcheery, Oregon Green, Oregon Green 488-X, Oregon Green, Oregon Green 488, Oregon Green 500, Oregon Green 514, SYTO 11, SYTO 12, SYTO 13, SYTO 14, SYTO 15, SYTO 16, SYTO 17, SYTO 18, SYTO 20, SYTO 21, SYTO 22, SYTO 23, SYTO 24, SYTO 25, SYTO 40, SYTO 41, SYTO 42, SYTO 43, SYTO 44, SYTO 45, SYTO 59, SYTO 60, SYTO 61, SYTO 62, SYTO 63, SYTO 64, SYTO 80, SYTO 81, SYTO 82, SYTO 83, SYTO 84, SYTO 85, SYTOX Blue, SYTOX Green, SYTOX Orange, SYBR Green YO-PRO-1, YO-PRO-3, YOYO-1, YOYO-3 또는 티아졸 오렌지(thiazole orange)를 포함하나 이에 한정되지 않는다. 상기 혼성화 과정에 의한 혼성화 신호의 존재 여부를 분석함으로써, 항암제 민감성과 관련하는 단일 염기 다형의 존재 여부를 확인할 수 있다. 즉, 상기 생물학적 시료 중에 포함된 DNA를 상기 키트에 혼성화시켜 발생하는 신호를 분석하여 단일 염기 다형 데이터를 생성할 수 있다. 상기 생성된 데이터는 다음 단계에서 이용될 수 있다.
이후, 상기 방법은 상기 확인된 단일 염기 다형 데이터로부터 하기 수학식 I 및 수학식 Ⅱ에 표시된 바와 같은 주성분 분석(principle component analysis) 값 PC1 및 PC2를 결정하는 단계를 포함할 수 있다.
수학식
Ⅰ
수학식
Ⅱ
상기 식에서 c1i는 주성분 분석의 결과 첫번째 성분에서 i번째 SNP가 기여하는 정도(계수)를 나타내고, c2i는 주성분 분석의 결과 두번째 성분에서 i번째 SNP가 기여하는 정도(계수)를 나타내며, SNPi는 i번째 SNP의 유전자형을 나타낸다.
마지막으로, 상기 방법은 상기 결정된 값을 상기 키트 내에 포함된 단일 염기 다형에 대해 구축된 선형 판별 분석 모델에 적용하여 항암제에 대한 민감성 여부를 결정하는 단계를 포함할 수 있다.
항암제에 대한 민감성 여부는 예를 들어, 상기 PC1 및 PC2를 각각 x축 및 y축으로 하는 평면 상의 위치에 따라 결정할 수 있다. 한편, 선형 판별 분석은 평면상에 위치한 데이터를 양분할 수 있는 선형 판별식을 구하는 분석 방법으로 당업계에 널리 알려진 분석 방법이므로 자세한 설명을 생략하도록 한다.
일 구체예에 따른 위암 환자의 항암제 민감성을 예측하기 위한 키트 및 방법에 의하면, 위암 환자로부터 유래한 생물학적 시료로부터 항암제에 대한 민감성을 효율적으로 예측할 수 있다.
도 1은 300개의 단일 염기 다형의 데이터로부터 생성된 위암 환자의 항암제 민감성에 대한 선형 판별 분석 결과를 나타낸다. 그래프에서 O는 항암제 민감성이 있는 SNP를 대상으로 한 결과이며, X는 항암제 민감성이 없는 SNP를 대상으로 한 결과이다.
도 2는 단일 염기 다형의 개수에 따른 선형 판별 분석법을 이용한 교차 검정을 수행한 결과를 나타낸다.
도 2는 단일 염기 다형의 개수에 따른 선형 판별 분석법을 이용한 교차 검정을 수행한 결과를 나타낸다.
이하 본 발명의 하나 이상의 구체예를 실시예를 통하여 보다 상세하게 설명한다. 그러나, 이들 실시예는 본 발명의 하나 이상의 구체예를 예시적으로 설명하기 위한 것으로 본 발명의 범위가 이들 실시예에 한정되는 것은 아니다.
실시예
1: 위암 환자의 항암제 민감성과 관련된 단일 염기
다형(SNP)의
선별
항암치료의 효과를 명확히 분석하기 위하여, 삼성 서울 병원에서 진행성 위암(위암 말기)환자로 고식적 절제술 (Palliative Surgical Resection)을 받은 환자 중 시스플라틴(cisplatin)에 기반한 화학적 항암 요법을 실시한 151명을 대상으로 항암제 반응 여부에 대하여 확인하였다. 즉, 상기 환자들에게 수술 후 NCCN 가이드 라인을 참조하여 항암제를 투여한 다음, 남아 있는 종양의 크기 변화를 측정하여 항암 치료의 효과가 있는지를 판단하여, 치료 효과가 있는 환자 103명과 치료 효과가 없는 환자 48명을 분류하였다. 또한, 상기 환자들로부터 적출된 위암 조직으로부터 QIAamp DNA Mini kit를 사용하여 각각의 환자의 DNA를 추출하였다.
항암제 민감성과 관련된 단일 염기 다형을 선별하기 위한 마이크로어레이 칩은 다음과 같이 제작하였다. 먼저 15개의 웨이퍼(wafer)에 NCI Cancer SNP, Pharm GKB 데이터베이스에 등재된 SNP를 포함하는 폴리뉴클레오티드를 통상적인 포토리소그래피(photolithography) 방법을 사용하여 마이크로어레이 칩을 제작하였다. 상기 칩의 평균 ProcessQC AD = 1.76, CV = 3.15%이었다.
상기 제작된 마이크로어레이 칩 상의 프로브와 상기 추출한 모든 환자의 DNA 샘플을 혼성화시킨 다음, 항암제 민감성과 관련된 단일 염기 다형 93,137개를 선별하였다. 이후, 상기 단일 염기 다형을 Max Test 방법에 적용하였다. Max Test 방법은 다음과 같다.
피검자들의 SNP들에 대한 유의성들을 유전 모델들 각각을 이용하여 각각 검정(test)한다. 복수의 유전 모델들은 SNP의 유전적 특성을 통계적으로 검정하는 모델들로써, 우성 모델(dominant model), 열성 모델(recessive model) 및 부가 모델(additive model)을 포함한다. 여기서, 유의성들은 각 SNP가 특정 조건에 대해 환자군과 대조군으로 유의하게 분류하는지에 대한 유의성 및 각 SNP의 유전적 특성의 검증을 위해 사용된 유전 모델들 각각의 유의성을 포함한다. 피검자들로부터 획득한 SNP들은 수만 또는 수십만개가 존재할 수 있다. 그러나, 이 SNP들 중에는 항암제 민감성과 관련 없는 SNP들이 존재할 수 있다. 즉, 피검자들의 SNP들 중에는 항암제 민감성과 전혀 관계가 없거나 또는 영향이 미미한 SNP들이 존재할 수 있다. 따라서, 이와 같은 SNP들은 모델 생성에 반영할 필요가 없다. 그러므로, 이와 같이 항암제 민감성과 전혀 관계가 없거나 또는 영향이 미미한 SNP들은 아래의 표 1과 같이 어느 SNP에 대한 유전자형 데이터들을 정리하여 이를 통계적으로 분석함으로써 선별할 수 있다.
SNP 1번 | AA | AB | BB | Total |
Response | x0 | x1 | x2 | x |
No Response | n0-x0 | n1-x1 | n2-x2 | n-x |
Total | n0 | n1 | n2 | n |
표 1에서, Response 및 No Response 각각은 SNP 1번 유전자형들에 대하여 특정 조건에 대하여 반응이 있는 경우와 반응이 없는 경우를 의미한다. 보다 상세하게 설명하면, Response 및 No Response의 분류는 SNP 1번 유전자형들이 특정 조건에 대하여 각각 환자군에 해당되는 경우 및 대조군에 해당되는 경우로 분류한 것을 의미하는 것으로써, 일반적인 case-control study에 따라 분류한 것을 의미한다. x0 내지 x2 각각은 환자군(Response)에 해당하는 피검자들의 유전자형 데이터들 중에서 AA, AB 및 BB 유전자형 각각이 존재하는 개수를 나타낸다. 그리고, n0 내지 n2 각각은 피검자들의 유전자형 데이터들 중에서 AA, AB 및 BB 유전자형 각각의 총 개수를 나타낸다. 따라서, 대조군(No Response)에 해당하는 피검자들의 유전자형 데이터들 중에서 AA, AB 및 BB 유전자형 각각이 존재하는 개수는 각각 n0-x0, n1-x1 및 n2-x2에 해당한다. 상기 설명에 대해서는 특허 출원 제10-76635호에 상세히 개시되어 있으며, 자세한 설명이 생략된 부분에 대해서는 당해 분야에서 통상의 지식을 가진 자라면 이해할 수 있다.
상기 방법에 의해, 항암제 민감성(항암제에 대한 민감성이 존재하는 그룹 및 항암제에 대한 민감성이 존재하지 않는 그룹)과 관련된 단일 염기 다형을 p-값에 따라 하기 표 2와 같이 선별하였다.
p-값 | <0.01 | <0.001 | <0.0005 |
SNP의 개수 | 300 | 26 | 11 |
실시예
2: 위암 환자의 항암제 민감성을 예측할 수 있는 통계적
모형 구축
상기 실시예 1에서 선별된 단일 염기 다형들 중에서 p값이 0.01 이하를 만족하는 300개의 단일 염기 다형을 이용하여 선형 판별 분석법(linear discrimination analysis)에 의해 위암 환자의 항암제 민감성을 예측할 수 있는 통계적 모형을 구축하였다(도 1). 도 1에서 PC1 및 PC2는 하기 수학식 Ⅰ 및 수학식 Ⅱ에 의해 생성된 상기 300개의 단일 염기 다형에 대한 주성분 분석값(principal component analysis)을 나타낸다.
수학식
Ⅰ
수학식
Ⅱ
상기 식에서 c1i는 주성분 분석의 결과 첫번째 성분에서 i번째 SNP가 기여하는 정도(계수)를 나타내고, c2i는 주성분 분석의 결과 두번째 성분에서 i번째 SNP가 기여하는 정도(계수)를 나타내며, SNPi는 i번째 SNP의 유전자형을 나타낸다.
또한, 상기 300개의 단일 염기 다형에서 선형 판별 분석법을 이용한 교차 검정(leave-one out cross-validation)을 수행한 결과 100%의 정확성을 나타내었다(도 2). 이러한 결과를 바탕으로, 최소한의 단일 염기 다형을 이용한 위암 환자의 항암제 민감성 예측 모형을 만들기 위하여, 300개의 단일 염기 다형에 대한 계수(coefficient)가 작은 순으로 순차적으로 하나씩 제거한 다음, 선형 판별 분석법을 이용한 교차 검정을 수행하여 그 정확성에 대한 수치를 도 2에 나타내었다. 그 결과, 약 90%의 정확성을 갖는 최소한의 단일 염기 다형을 이용한 통계적 모형을 구축하였으며, 이때, 사용된 단일 염기 다형의 개수는 59개 였다(표 3). 상기 59개의 단일 염기 다형에 대한 NCBI dbSNP의 등록 번호 및 이에 대한 주성분 분석값의 목록을 표 3에 나타내었다.
rs id | PC1 | PC2 |
rs389221 | -10.0503 | 1.453727 |
rs450818 | -10.2914 | 1.700777 |
rs9371537 | -3.67498 | -4.22744 |
rs10759122 | 7.432673 | -0.36918 |
rs436563 | -10.491 | 2.273332 |
rs2779407 | 2.460016 | 5.408686 |
rs6904133 | 3.585898 | 2.921444 |
rs1522986 | 3.760924 | 1.995093 |
rs452582 | 10.9261 | -2.6952 |
rs1856859 | 4.429475 | 3.232894 |
rs4263255 | 3.222936 | 3.156373 |
rs440834 | -10.1302 | 1.43116 |
rs832262 | -10.4265 | 2.148725 |
rs4468852 | -2.25533 | -3.31202 |
rs2779400 | 1.687493 | 6.100067 |
rs9371538 | 4.101462 | 3.555536 |
rs2417957 | -2.53862 | -7.42649 |
rs12141182 | -0.84677 | -5.85786 |
rs17526478 | 2.757576 | 3.102376 |
rs381343 | 10.82883 | -2.25668 |
rs2219828 | -1.95331 | -6.52406 |
rs10754593 | -0.92083 | -6.05446 |
rs367461 | 10.20864 | -3.12321 |
rs6912538 | -1.63495 | -5.67022 |
rs159227 | 10.76341 | -2.96081 |
rs1726597 | -0.47452 | -4.88548 |
rs11045808 | 3.246418 | 7.43392 |
rs2805410 | 1.590484 | 5.7992 |
rs3120683 | -0.69029 | -5.54786 |
rs150409 | -8.55611 | 1.50742 |
rs10119035 | 7.496807 | -1.51851 |
rs1945427 | -2.94613 | -2.79179 |
rs11045834 | -1.89221 | -8.32085 |
rs4149070 | -1.39937 | -6.76329 |
rs7513677 | -0.09748 | -6.39505 |
rs7612183 | 2.127192 | 3.539364 |
rs439467 | 10.46552 | -2.64856 |
rs10925334 | -0.77959 | -5.85871 |
rs404317 | -9.98316 | 2.186854 |
rs11849883 | 3.890264 | 2.167344 |
rs3213829 | 1.594285 | 3.655927 |
rs424301 | -8.03383 | 0.904836 |
rs4869742 | 2.687272 | 4.498411 |
rs4149045 | -0.99644 | -8.10322 |
rs10739208 | -5.39862 | 1.307837 |
rs16863204 | 4.209399 | 1.545669 |
rs450485 | -10.2133 | 2.609231 |
rs291296 | -8.45361 | 1.311238 |
rs12427008 | 2.593028 | 5.848214 |
rs2490366 | -0.74235 | -5.89173 |
rs11753987 | 2.528307 | 4.108136 |
rs7588062 | 2.411033 | 2.702351 |
rs4149068 | 2.200509 | 6.024315 |
rs7039475 | -6.79185 | 1.187127 |
rs1361116 | 1.818665 | 5.183888 |
rs10733202 | -6.19796 | 1.719221 |
rs4149031 | 3.275451 | 5.772562 |
rs1945428 | 3.410399 | 2.219219 |
rs7034072 | 7.150576 | -2.50977 |
하기 표 4는 상기 통계적 분석 모델을 사용하여 위암 환자의 항암제 민감성을 예측할 수 있는지를 확인한 결과이다. 상기 59개의 단일 염기 다형을 이용하여 구축된 최적화된 모형을 적용하여 평가한 결과, 예측 정확도는 총 시료에 대한 관찰 값과 일치하는 예측 값의 백분율로 나타낼 수 있으며, 정확도는 =(151-13)/151 × 100 = 91.39% 였다. 한편 상기 표 3에 개시된 SNP를 포함하는 폴리뉴클레오티드는 상기 ID의 순서대로 서열번호 1 내지 서열번호 59에 기재되어 있다.
분류 | 예측 값 (predict valee) | 계 |
||
항암제 (-) | 항암제 (+) | |||
관찰 값(observed value) | 항암제 (-) | 14 | 4 | 18 |
항암제 (+) | 2 | 119 | 121 | |
정확도 (overall accuracy) | 95.04% |
상기 실시예에 사용된 예측 모델들은 통계적 분야에서는 통상적으로 사용되고 있는 모델로서 당업자라면 용이하게 선택하여 사용할 수 있는 것이다.
<110> Samsung Electronics Co. Ltd
<120> Kit and method for anticipating anticancer agent sensitivity of
patient having gastric cancer
<160> 59
<170> KopatentIn 1.71
<210> 1
<211> 52
<212> DNA
<213> Homo sapiens
<400> 1
aatattaatc tgaaacagtt aaacttyaaa gtcattatgt gttacatgat aa 52
<210> 2
<211> 52
<212> DNA
<213> Homo sapiens
<400> 2
cattagtaat cgtggactac ttcaaawgca agaatattag cattactgat tt 52
<210> 3
<211> 52
<212> DNA
<213> Homo sapiens
<400> 3
ccactgctgc atctgaaagt taactayaat gccggatacc atctgtggtg gt 52
<210> 4
<211> 52
<212> DNA
<213> Homo sapiens
<400> 4
cctattactc agttactgtt aatttasatt ccacttgaac attatcagtg ac 52
<210> 5
<211> 52
<212> DNA
<213> Homo sapiens
<400> 5
gaaaattgaa gcttaaatct attaggwaac ttgtcaatga atcaaataat aa 52
<210> 6
<211> 52
<212> DNA
<213> Homo sapiens
<400> 6
ttattttaaa atgtatgatt gaattaytac tgaccatagt caccctgttg tg 52
<210> 7
<211> 52
<212> DNA
<213> Homo sapiens
<400> 7
aatctgtgtg catatatatt taggagkata gctaaatctt gttgaattga gc 52
<210> 8
<211> 52
<212> DNA
<213> Homo sapiens
<400> 8
cacaacaggc taggcccaga tgaggawgat agaattacag tgaaggagga gg 52
<210> 9
<211> 52
<212> DNA
<213> Homo sapiens
<400> 9
gacattttat gaaagatagt ttagaasaaa aaatggtatc acaactaaac ta 52
<210> 10
<211> 52
<212> DNA
<213> Homo sapiens
<400> 10
gtgtgagccg ccatgcccgg ccatacmtac aatgtttaag gagtttttgc tg 52
<210> 11
<211> 52
<212> DNA
<213> Homo sapiens
<400> 11
gaataaatgc agctacagaa ttctttyact ctagaagata aaaagaataa gc 52
<210> 12
<211> 52
<212> DNA
<213> Homo sapiens
<400> 12
atagtgtcat cctaggatgt agtatcmggt aagtagagta tggctagttt ct 52
<210> 13
<211> 52
<212> DNA
<213> Homo sapiens
<400> 13
taaacaaaaa tcaggtacag aaagctycag attattgcta gaaggatgtc aa 52
<210> 14
<211> 52
<212> DNA
<213> Homo sapiens
<400> 14
catgtcagga ctttaaggcc ctagttmagt tctcaggatt gtatttgcag tg 52
<210> 15
<211> 52
<212> DNA
<213> Homo sapiens
<400> 15
ggctgaaaac tagcatttaa ccagtawcta gtaactctgt gcgagctatt gg 52
<210> 16
<211> 52
<212> DNA
<213> Homo sapiens
<400> 16
accaccacca gcaaagtcgt gctgagwttc ctgacccata gaaactgtga ga 52
<210> 17
<211> 52
<212> DNA
<213> Homo sapiens
<400> 17
tcaacttaat acaactagtt ttgataytct tctacatttt atgctgtttc tt 52
<210> 18
<211> 52
<212> DNA
<213> Homo sapiens
<400> 18
aatgtaatta cagagcactt ataaaayctt tcagtacttt agcaaccaca ac 52
<210> 19
<211> 52
<212> DNA
<213> Homo sapiens
<400> 19
tattagtact ggaatatttg actgagmaag aactctggtt tcagaaagac tg 52
<210> 20
<211> 52
<212> DNA
<213> Homo sapiens
<400> 20
atctgaactc tgttcatatg attaaasatc actgcacttc accatttcag tt 52
<210> 21
<211> 52
<212> DNA
<213> Homo sapiens
<400> 21
tcagttcttt attggatata tcatttyaat gtcttctggt ctctgatgag aa 52
<210> 22
<211> 52
<212> DNA
<213> Homo sapiens
<400> 22
agttattatg tactctttat ggactasaga cggagaggtt gaacaatagc ac 52
<210> 23
<211> 52
<212> DNA
<213> Homo sapiens
<400> 23
cttcaatgat agaaacagtt cttaccwcca tttcagggca tatagtcagc tt 52
<210> 24
<211> 52
<212> DNA
<213> Homo sapien
<400> 24
gtttacagtg caaaacccag gagaatmtat tgaaaacaat cccaaacaat aa 52
<210> 25
<211> 52
<212> DNA
<213> Homo sapiens
<400> 25
gaccatctag acgatagaat caacatsatc agaagaatag tgacaagaaa tg 52
<210> 26
<211> 52
<212> DNA
<213> Homo sapiens
<400> 26
tcaatccatg gcaaaataac caatgtragc aacccaagat tgatatcagt ct 52
<210> 27
<211> 52
<212> DNA
<213> Homo sapiens
<400> 27
tcctccatgt gagaatacaa agagaastta gctgtttgca gcctaggaga gg 52
<210> 28
<211> 52
<212> DNA
<213> Homo sapiens
<400> 28
aaggaacttc tgcttagaca attattrtga cttacttaaa atgatgacct tg 52
<210> 29
<211> 52
<212> DNA
<213> Homo sapiens
<400> 29
actggttgct gattttggga atccacmgtg atctctaaga tacctgcaac cc 52
<210> 30
<211> 52
<212> DNA
<213> Homo sapiens
<400> 30
ttgttatggc agttctggca aactaayaga atccttaaac acactaagca ca 52
<210> 31
<211> 52
<212> DNA
<213> Homo sapiens
<400> 31
agatctcaat aggagtctca actctcktag ataaaaacac acaggatgat ag 52
<210> 32
<211> 52
<212> DNA
<213> Homo sapiens
<400> 32
tttagtggga gaaggagtag cttacartaa tgctgtgggg tggggacgtg ag 52
<210> 33
<211> 52
<212> DNA
<213> Homo sapiens
<400> 33
accacaaagt caaatagaaa ttatggygta tttatgaaat agttactgaa tg 52
<210> 34
<211> 52
<212> DNA
<213> Homo sapiens
<400> 34
cattgtctta tatagaaaga aatccasaaa actattttac cttttatctc tt 52
<210> 35
<211> 52
<212> DNA
<213> Homo sapiens
<400> 35
gttaacctgt tctaccaaag cttgttytta actatcacat agtataaact cc 52
<210> 36
<211> 52
<212> DNA
<213> Homo sapiens
<400> 36
ataaatatgg gaacatacca ttactcyact aaattaactt atgaggtcaa aa 52
<210> 37
<211> 52
<212> DNA
<213> Homo sapiens
<400> 37
ctatattttt ctgataattt tcccaaygta tttcacattc attatcataa ta 52
<210> 38
<211> 52
<212> DNA
<213> Homo sapiens
<400> 38
gaaggagggg tattgtaaag tggaagwgta cttagcctgt taagtagaga aa 52
<210> 39
<211> 52
<212> DNA
<213> Homo sapiens
<400> 39
gaatttcata ggagttttat tactgtraga ctctttttgt tattatttat ag 52
<210> 40
<211> 52
<212> DNA
<213> Homo sapiens
<400> 40
ggaaaaccac ttttatttat agttcaragt catgattatg attatcagtt at 52
<210> 41
<211> 52
<212> DNA
<213> Homo sapiens
<400> 41
gtacaactta ttttttttta actggckagt accagaagat ttacaaatgt aa 52
<210> 42
<211> 52
<212> DNA
<213> Homo sapiens
<400> 42
aaaataaaaa atgctacttc tttcctrctt gagcgcacac tctcatattt ca 52
<210> 43
<211> 52
<212> DNA
<213> Homo sapiens
<400> 43
ggcaagtgca tagtatattc agaggaygca aaatggtgaa tcctccatgg ct 52
<210> 44
<211> 52
<212> DNA
<213> Homo sapiens
<400> 44
ccattaacaa cacaggttta aactacrcgt tttcacttct atgcaaattt tg 52
<210> 45
<211> 52
<212> DNA
<213> Homo sapiens
<400> 45
ctcttttttc atgattttat aattttygta tttgcaatcc ttaataatta ac 52
<210> 46
<211> 52
<212> DNA
<213> Homo sapiens
<400> 46
tggaatctgt atatatcagt cttagaygaa tgcttagatt cagatgtggg ag 52
<210> 47
<211> 52
<212> DNA
<213> Homo sapiens
<400> 47
agcattggaa acatgtattt aaggatrcac tgctaactcc ttagctacaa ga 52
<210> 48
<211> 52
<212> DNA
<213> Homo sapiens
<400> 48
ggaaaagact cagctgtcta ggatacrgga ttcatttact gttagccata ac 52
<210> 49
<211> 52
<212> DNA
<213> Homo sapiens
<400> 49
ccattctact taaccactcc aagtagyatt tcctcaagca gaatatgctt tt 52
<210> 50
<211> 52
<212> DNA
<213> Homo sapiens
<400> 50
ttccctgatc cccacagctg aaagtcwtct cactctaaac acccaactca ct 52
<210> 51
<211> 52
<212> DNA
<213> Homo sapiens
<400> 51
atgagaaaga aattcaccag gacaaayagt gttaacttta aaaatttttt aa 52
<210> 52
<211> 52
<212> DNA
<213> Homo sapiens
<400> 52
caaatcaagt gatacttatt gagtagycta ccaagtgctg tggccatgga ga 52
<210> 53
<211> 52
<212> DNA
<213> Homo sapiens
<400> 53
gaccaataca cttgttccat aaaaaaytcc tctatattat tcctagtgaa aa 52
<210> 54
<211> 52
<212> DNA
<213> Homo sapiens
<400> 54
gaataaaact tcacgttcat tttattwatt tcccactcct tatacatagt gc 52
<210> 55
<211> 52
<212> DNA
<213> Homo sapiens
<400> 55
gtgagctcct ttagggcaag aatcacktcc aggtttcgtc tcctcagtgc tg 52
<210> 56
<211> 52
<212> DNA
<213> Homo sapiens
<400> 56
atatggcaca taaggttatt ctccttkata ctgcctattg aaaaattttg ag 52
<210> 57
<211> 52
<212> DNA
<213> Homo sapien
<400> 57
tctattttcc ccacctcctg ttggttstcc tcttaaactt ctccttgtgt gt 52
<210> 58
<211> 52
<212> DNA
<213> Homo sapiens
<400> 58
caatggcttc ctgcctttgt atctctmcct gcaaaatcag aagcagcgat ag 52
<210> 59
<211> 52
<212> DNA
<213> Homo sapien
<400> 59
atttaaaggt cattgtataa cctttgkgcg attataataa ctgttactgt cc 52
Claims (6)
- 각각의 27번째 위치에 단일 염기 다형을 포함하는 서열 번호 1 내지 59의 폴리뉴클레오티드로 구성되는 위암 환자의 항암제 민감성을 예측하기 위한 키트.
- 제1항에 있어서, 상기 폴리뉴클레오티드는 마이크로어레이에 고정되어 있는 것인 위암 환자의 항암제 민감성을 예측하기 위한 키트.
- 위암 환자로부터 생물학적 시료를 얻는 단계;
상기 시료로부터 제1항의 키트 내에 포함된 단일 염기 다형이 존재하는지 여부를 확인하는 단계;
통계적 분류 분석 방법을 통하여 항암제에 대한 민감성 여부를 결정하는 단계를 포함하는, 위암 환자의 항암제 민감성을 예측하는 방법. - 제3항에 있어서, 상기 통계적 분류 분석 방법은 선형 판별 분석법, 정량 묘사 분석법, 로지스틱 회귀 분석법, 서포트 벡터 머신(support vector machine)법, 라쏘(LASSO) 방법으로 이루어진 군으로부터 선택되는 것인 위암 환자의 항암제 민감성을 예측하는 방법.
- 제3항에 있어서, 상기 통계적 분류 분석 방법은 상기 확인된 단일 염기 다형 데이터로부터 하기 수학식 I 및 수학식 Ⅱ에 표시된 바와 같은 주성분 분석(principle component analysis) 값 PC1 및 PC2를 결정하는 단계; 및
상기 결정된 값을 제1항의 키트 내에 포함된 단일 염기 다형에 대해 구축된 선형 판별 분석 모델 (linear discrimination analysis model)에 적용하여 항암제에 대한 민감성 여부를 결정하는 단계를 포함하는 것인 위암 환자의 항암제 민감성을 예측하는 방법.
수학식 Ⅰ
수학식 Ⅱ
상기 식에서 c1i는 주성분 분석의 결과 첫번째 성분에서 i번째 SNP가 기여하는 정도를 나타내고, c2i는 주성분 분석의 결과 두번째 성분에서 i번째 SNP가 기여하는 정도를 나타내며, SNPi는 i번째 SNP의 유전자형을 나타낸다. - 제3항에 있어서, 상기 생물학적 시료는 위암 조직인 것인 위암 환자의 항암제 민감성을 예측하는 방법.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020100093301A KR20120031740A (ko) | 2010-09-27 | 2010-09-27 | 위암 환자의 항암제 민감성을 예측하기 위한 키트 및 방법 |
US13/244,095 US20120078527A1 (en) | 2010-09-27 | 2011-09-23 | Kit and method for predicting sensitivity of gastric cancer patient to anti-cancer agent |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020100093301A KR20120031740A (ko) | 2010-09-27 | 2010-09-27 | 위암 환자의 항암제 민감성을 예측하기 위한 키트 및 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20120031740A true KR20120031740A (ko) | 2012-04-04 |
Family
ID=45871480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020100093301A KR20120031740A (ko) | 2010-09-27 | 2010-09-27 | 위암 환자의 항암제 민감성을 예측하기 위한 키트 및 방법 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20120078527A1 (ko) |
KR (1) | KR20120031740A (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014116276A1 (en) * | 2013-01-24 | 2014-07-31 | Kantrack Llc | Individualized medicine system |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101765814B1 (ko) * | 2011-11-30 | 2017-08-08 | 에이에스엠엘 네델란즈 비.브이. | 검사 방법 및 장치, 및 대응하는 리소그래피 장치 |
CN116798632B (zh) * | 2023-07-13 | 2024-04-30 | 山东第一医科大学附属省立医院(山东省立医院) | 一种基于代谢基因的胃癌分子分型及预后预测模型构建方法及应用 |
-
2010
- 2010-09-27 KR KR1020100093301A patent/KR20120031740A/ko not_active Application Discontinuation
-
2011
- 2011-09-23 US US13/244,095 patent/US20120078527A1/en not_active Abandoned
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014116276A1 (en) * | 2013-01-24 | 2014-07-31 | Kantrack Llc | Individualized medicine system |
Also Published As
Publication number | Publication date |
---|---|
US20120078527A1 (en) | 2012-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210108266A1 (en) | Method for discovering pharmacogenomic biomarkers | |
US20170283885A1 (en) | Algorithms for gene signature-based predictor of sensitivity to mdm2 inhibitors | |
JP4435259B2 (ja) | 微量胃癌細胞の検出法 | |
US20160333419A1 (en) | Gene signatures associated with sensitivity to mdm2 inhibitors | |
WO2013052480A1 (en) | Marker-based prognostic risk score in colon cancer | |
JP2014509189A (ja) | 結腸ガン遺伝子発現シグネチャーおよび使用方法 | |
JP2020188816A (ja) | エンザスタウリンの活性を予測するための方法および組成物 | |
WO2013025322A2 (en) | Marker-based prognostic risk score in liver cancer | |
JP2009050189A (ja) | 抗癌剤の有効性予測方法 | |
JP2021528094A (ja) | マイクロサテライト不安定性の検出 | |
WO2016025785A1 (en) | Systems and methods for characterizing cancer | |
KR101847815B1 (ko) | 삼중음성유방암의 아형 분류 방법 | |
KR20120031740A (ko) | 위암 환자의 항암제 민감성을 예측하기 위한 키트 및 방법 | |
JP2006223303A (ja) | 微量胃癌細胞の検出法 | |
US20150111758A1 (en) | Gene signatures associated with efficacy of postmastectomy radiotherapy in breast cancer | |
US20130345077A1 (en) | Diagnosis of lymph node involvement in rectal cancer | |
JP5865241B2 (ja) | 肉腫の予後分子署名およびその使用 | |
KR20120031734A (ko) | 급성 골수성 백혈병 환자의 시타라빈 민감성을 예측하기 위한 키트 및 방법 | |
WO2015133800A1 (ko) | Egfr 티로신 키나아제 억제제에 대한 항암 치료 반응 예측 마커 | |
Byers | Molecular Profiling | |
US20170283882A1 (en) | Methods and therapeutics relating to mrna biomarkers for clinical prognosis of cancer | |
US20160032397A1 (en) | Mast cell cancer-associated germ-line risk markers and uses thereof | |
KR20180032062A (ko) | 항암제 저항성 또는 민감성 예측용 조성물 |
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 |