KR20160002275A - 마이크로rna를 이용하여 췌장암 환자의 예후를 예측하는 방법 - Google Patents
마이크로rna를 이용하여 췌장암 환자의 예후를 예측하는 방법 Download PDFInfo
- Publication number
- KR20160002275A KR20160002275A KR1020140081408A KR20140081408A KR20160002275A KR 20160002275 A KR20160002275 A KR 20160002275A KR 1020140081408 A KR1020140081408 A KR 1020140081408A KR 20140081408 A KR20140081408 A KR 20140081408A KR 20160002275 A KR20160002275 A KR 20160002275A
- Authority
- KR
- South Korea
- Prior art keywords
- pancreatic cancer
- patient
- microrna
- risk
- prognosis
- Prior art date
Links
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
- C12Q1/6844—Nucleic acid amplification reactions
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Organic Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Immunology (AREA)
- Microbiology (AREA)
- Molecular Biology (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- Biotechnology (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
본 발명은 마이크로RNA를 이용하여 췌장암 환자의 예후를 예측하는 방법에 관한 것으로서, 본 발명의 방법을 통해 췌장암 환자의 췌장암 조직 샘플로부터 2종의 마이크로RNA의 발현량을 측정함으로써 간편하게 췌장암 환자의 예후를 예측할 수 있는바, 본 발명의 방법은 환자의 생존 기간을 예측하고 이에 따른 적절한 치료요법을 적용하는데 도움을 줄 수 있다.
Description
본 발명은 마이크로RNA를 이용하여 췌장암 환자의 예후를 예측하는 방법에 관한 것이다.
현대인의 주요 질환 중에서, 암의 치료방법과 진단방법에 관한 연구는 발병빈도가 높은 폐암, 간암, 위암 등을 중심으로 비교적 활발히 진행되고 있다. 그러나, 발병빈도가 낮은 식도암, 대장암, 췌장암 등에 대한 연구는 상대적으로 저조한 실정이다. 특히, 췌장암은 초기에는 별로 증세를 느끼지 않으며, 이미 전신전이가 일어난 후에 통증과 체중감소 등의 증세가 나타나는 것이 보통이어서, 더욱 치유율이 낮은 편이므로 정기적인 진단이 매우 중요하다. 임상증세는 대부분이 서서히 발병하고, 식욕감퇴, 허약해지기 쉬우며, 체중감소는 가장 흔한 증세이다. 췌장암은 5년 생존율이 1-4%, 중앙생존기간 5개월에 이르는 치명적인 암으로 인체의 암 중에서 가장 불량한 예후를 보이고 있다. 따라서, 췌장암의 예후를 정확히 예측할 수 있다면, 환자의 예후에 맞춰 적합한 치료법을 개발하는데 큰 도움을 줄 수 있다.
유전자발현 프로파일링(profiling), 특히 마이크로RNA 프로파일링 기법은 암 진단과 예후 양쪽 모두에 유용한 것으로 제안되고 있다(Endoh et al., J. Clin. Oncol., 22: 811-819 (2004); Potti et al., N. Engl. J. Med., 355: 570- 580 (2006) 참조). 예를 들면, 암의 서브타입을 결정하는데 있어서 특정 마이크로RNA의 발현 패턴이 단백질-암호 유전자의 발현 패턴보다 더 정확한 것으로 알려져 있다(Calin et al., Nat. Rev. Cancer, 6: 857-866 (2006); Volinia et al., Proc. Natl. Acad. Sci. U.S.A., 103: 2257-2261 (2006) 참조).
마이크로RNA는 유전자의 전사 후 과정에서 RNA 간섭을 통해 수백 개의 유전자의 발현을 제어함으로써, 광범위한 생체경로, 예컨대 세포 증식, 분화 및 세포자살을 조절하는 작은 비단백질-암호 RNA이다(Calin et al., Nat. Rev. Cancer, 6: 857-866 (2006)). 환자 그룹의 특정 발현 패턴을 보여주는 하나 또는 그 이상의 마이크로RNA의 특정 마이크로RNA 표식(microRNA signature)이 만성 림프구성 백혈병, 폐 선암, 유방암, 췌장암의 임상적 예후와 관련이 있다고 보고되어 있다. 이러한 마이크로RNA 표식은 여러 가지 암의 임상적 예후를 예측하는데 유용하나, 아직까지 보다 높은 정확성으로 췌장암 환자의 예후를 예측하는 마이크로RNA는 거의 보고된 바 없다.
본 발명자들은 췌장암의 예후를 예측하는데 유용한 마이크로RNA를 개발하기 위해 예의 노력한 결과, 2종의 마이크로RNA를 이용하여 췌장암 환자의 예후, 즉 생존 기간을 정확하게 예측할 수 있음을 확인함으로써 본 발명을 완성하였다.
Endoh et al., J. Clin. Oncol., 22: 811-819 (2004)
Potti et al., N. Engl. J. Med., 355: 570-580(2006)
Calin et al., Nat. Rev. Cancer, 6: 857-866 (2006)
Volinia et al., Proc. Natl. Acad. Sci. U.S.A., 103: 2257-2261 (2006)
따라서, 본 발명의 목적은 2종의 마이크로RNA를 이용하여 췌장암 환자의 예후를 정확히 예측하는 방법을 제공하는 것이다.
또한, 본 발명의 다른 목적은 췌장암 환자의 예후를 예측할 수 있는 키트를 제공하는 것이다.
상기 목적을 달성하기 위하여, 본 발명은 1) 췌장암 환자의 췌장암 조직 샘플로부터 서열번호 1로 표시되는 염기서열을 갖는 마이크로RNA(miRNA) 및 서열번호 2로 표시되는 염기서열을 갖는 마이크로RNA의 발현량을 측정하는 단계; 및 2) 상기 발현량을 로지스틱 회귀 분석 모델에 적용하여 췌장암 환자의 위험 점수를 산출하는 단계를 포함하는, 췌장암 환자의 예후를 예측하는 방법을 제공한다.
또한, 상기 다른 목적을 달성하기 위하여, 본 발명은 서열번호 1로 표시되는 염기서열을 갖는 마이크로RNA(miRNA) 및 서열번호 2로 표시되는 염기서열을 갖는 마이크로RNA의 발현을 검출할 수 있는 물질을 포함하는, 췌장암 환자의 예후 예측용 키트를 제공한다.
본 발명의 방법을 통해 췌장암 환자의 췌장암 조직 샘플로부터 2종의 마이크로RNA의 발현량을 측정함으로써 간편하게 췌장암 환자의 예후를 예측할 수 있는바, 본 발명의 방법은 환자의 생존 기간을 예측하고 이에 따른 적절한 치료요법을 적용하는데 도움을 줄 수 있다.
도 1은 hsa-miR-892b 및 has-miR-3121-3p의 고위험군 및 저위험군에서의 분포를 측정한 그래프이다.
본 발명은 1) 췌장암 환자의 췌장암 조직 샘플로부터 서열번호 1로 표시되는 염기서열을 갖는 마이크로RNA(miRNA) 및 서열번호 2로 표시되는 염기서열을 갖는 마이크로RNA의 발현량을 측정하는 단계; 및 2) 상기 발현량을 로지스틱 회귀 분석 모델에 적용하여 췌장암 환자의 위험 점수를 산출하는 단계를 포함하는, 췌장암 환자의 예후를 예측하는 방법을 제공한다.
본 발명은 2종의 마이크로RNA, 즉 서열번호 1로 표시되는 염기서열을 갖는 마이크로RNA 및 서열번호 2로 표시되는 염기서열을 갖는 마이크로RNA의 발현량이 췌장암 환자의 예후와 관련되어 있다는 결과에 기초한다.
이하, 본 발명에 따른 췌장암 환자의 예후를 예측하는 방법을 단계별로 상세히 설명한다.
본 발명의 방법에서, 단계 (1)은 췌장암 환자의 췌장암 조직 샘플로부터 서열번호 1로 표시되는 염기서열을 갖는 마이크로RNA(miRNA) 및 서열번호 2로 표시되는 염기서열을 갖는 마이크로RNA의 발현량을 측정하는 단계이다.
본 발명의 방법에 사용되는 상기 서열번호 1로 표시되는 염기서열을 갖는 마이크로RNA는 'Hsa-miR-892b'로 알려져 있으며, 문헌에서 다형성교아종(glioblastoma multiforme)과 관련되어 있음이 제안되었으나(Li WB et al., Chin. Med. J., 2013; 126(15):2881-5), 췌장암과의 관련성은 전혀 알려진 바 없다. 또한, 본 발명의 방법에 사용되는 상기 서열번호 2로 표시되는 염기서열을 갖는 마이크로RNA는 'Hsa-miR-3121-3p'로 알려져 있으며, 문헌에서 과민성 대장 증후군과 관련이 있음이 제안되었으나(Xian-Wen Guo et al., the FASEB Journal, Vol.28, no.1, Supplement 595.1, 2014), 췌장암과의 관련성은 전혀 알려진 바 없다.
상기 2종의 마이크로RNA는 췌장암 환자를 생존 기간이 600일 미만인 고위험군(high risk group)과 600일 이상인 저위험군(low risk group)으로 나눈 뒤, 상기 각 그룹의 췌장암 샘플로부터 얻은 miRNA를 대상으로 통계학적인 방법에 의해 각 그룹에 유의하게 연관된 분류자로서 선택되었다. 상기 통계학적 방법의 예로는 후진제거법(backward elimination)을 통한 로지스틱 회귀분석(logistic regression)을 들 수 있으나, 이에 제한되지 않는다.
상기 Hsa-miR-892b 및 Hsa-miR-3121-3p의 발현량의 측정은 면역조직화학적 및/또는 웨스턴 분석, 노던 블럿 분석 및/또는 PCR 분석 또는 유전자 및/또는 조직 어레이 분석에 의해 수행될 수 있다. 예를 들어, 상기 방법은 조직 또는 세포 샘플에서 miRNA 발현을 조사하는 프로토콜을 포함할 수 있다. 세포 내의 miRNA의 평가 방법은 공지되어 있고, 예를 들어, 상보성 DNA 프로브를 사용하는 혼성화 분석 및 다양한 핵산 증폭 분석 (예를 들어 상보성 프라이머를 사용하는 RT-PCR 등)을 포함한다. 또한, 상기 방법은 마이크로어레이 기술에 의해 조직 또는 세포 샘플에서 miRNA를 조사 또는 검출하는 프로토콜을 포함할 수 있다. 마이크로어레이 기술은 단일 실험 내에서 수천 개의 유전자의 miRNA 발현 프로필을 평가하기 위해서 핵산 혼성화 기술 및 컴퓨터 기술을 이용한다
바람직하게는, 상기 Hsa-miR-892b 및 Hsa-miR-3121-3p의 발현량의 측정은 췌장암 환자로부터 췌장암 조직 샘플을 얻고, 이로부터 총 RNA를 수득한 다음, 상기 RNA를 대상으로 당업계에 공지된 마이크로어레이를 사용하여 miRNA 유전자 발현을 프로파일링함으로써 수행될 수 있다. 상기 마이크로어레이의 예로는 어피메트릭스(Affymetrix)사의 GeneChip® miRNA 2.0 어레이, GeneChip® miRNA 3.0 어레이 또는 GeneChip® miRNA 4.0 어레이를 들 수 있으나, 이에 제한되지 않는다. 구체적으로, miRNA의 발현량의 측정은 miRNA를 라벨링하는 단계, 상기 라벨링된 miRNA를 마이크로어레이 상의 프로브(probe)와 혼성화하는 단계, 및 상기 프로브 셀 강도를 적절한 소프트웨어로 분석하는 단계를 포함하는 일련의 과정을 통해 수행될 수 있다.
본 발명의 방법에서, 단계 (2)는 단계 (1)에서 측정된 발현량을 로지스틱 회귀 분석 모델에 적용하여 췌장암 환자의 위험 점수를 산출하는 단계이다.
바람직한 구현예에서, 상기 단계 (2)는 단계 (1)에서 측정된 2종의 miRNA의 발현량을 로지스틱 회귀 분석 모델에서 추론된 하기 식 1에 대입하여 췌장암 환자의 위험 점수를 산출하는 단계일 수 있다:
[식 1]
회귀분석은 일반화 선형 모형으로 불리는 일 범주의 통계적 모형의 일부이다. 로지스틱 회귀분석은 연속형, 이산형, 이분형, 또는 이들 중 임의의 것의 혼합일 수 있는 변수들의 집합으로부터 군 소속 여부(group membership) 등의 이산형 결과를 예측할 수 있게 한다. 로지스틱 회귀분석은(로그-공간(log-space)에서의) 상이한 발현 수준들의 선형 결합으로서 승산비, 즉 첫번째 군에 속할 확률(P) 대 두번째 군에 속할 확률(1-P)의 비의 자연 로그를 만들어낸다. P가 0.5 이상인 경우 샘플은 첫번째 유형으로 분류된다고 규정함으로써 로지스틱 회귀분석 산출물을 분류자로 사용할 수 있다. 다르게는, 1D 또는 2D 임계값 분류자(threshold classifier) 등의 다른 상황에서는 상기 계산된 확률 P를 변수로 사용할 수 있다.
본 발명에 따른 2종의 miRNA를 대상으로 한 로지스틱 회귀 분석 결과, β(모델 변수, 즉 예측된 효과)는 서열번호 1의 miRNA에 대한 β(모델 변수, 즉 예측된 효과)는 7.593이고, 서열번호 2의 miRNA에 대한 β는 9.569이며, 절편(intercept)은 -5.730이다.
따라서, 상기 단계 (2)에서 췌장암 환자의 위험 점수는 상기 식 1로부터 변환된 하기 식 2에 대입하여 산출될 수 있다:
[식 2]
상기 식에서, 는 환자(i)의 위험 점수이고, 는 exp{-5.730+7.593×log2(서열번호 1의 miRNA의 발현량)+9.569×log2(서열번호 2의 miRNA의 발현량)}이다.
상기 산출된 위험 점수는 0 내지 1의 값을 가지며, 1에 가까울수록 위험도가 높다는 것을 의미한다.
상기 췌장암 환자의 위험 점수(risk score)는 환자의 예후를 예측하는데 사용될 수 있다. 또한, 상기 췌장암 환자의 위험 점수는 환자의 생존 기간을 예측하는데 사용될 수 있다. 나아가, 상기 위험 점수는 환자를 고위험군(high risk group)과 저위험군(low risk group)으로 분류하는데 사용될 수 있다. 상기 고위험군은 췌장암 환자 중 생존 기간이 600일 미만인 그룹을 가리키며, 저위험군은 췌장암 환자 중 생존 기간이 600일 이상인 그룹을 가리킨다.
본 발명의 하나의 구현예에서, 상기 위험 점수가 0.5 이상이면 암의 예후가 불량한 것으로 예측할 수 있다. 상기 암의 예후가 불량하다는 것은 췌장암 환자의 생존 기간이 600일 미만인 것을 의미할 수 있다. 또한, 본 발명의 다른 구현예에서, 상기 위험 점수가 0.5 이상이면 환자를 고위험군으로 분류할 수 있으며, 상기 위험 점수가 0.5 미만이면 환자를 저위험군으로 분류할 수 있다.
또한, 본 발명은 서열번호 1로 표시되는 염기서열을 갖는 마이크로RNA(miRNA) 및 서열번호 2로 표시되는 염기서열을 갖는 마이크로RNA의 발현을 검출할 수 있는 물질을 포함하는, 췌장암 환자의 예후 예측용 키트를 제공한다. 상기 마이크로RNA의 발현을 검출할 수 있는 물질의 예로는 당업계에 통상적으로 사용되는 프로브를 들 수 있으며, 바람직하게는 올리고뉴클레오티드일 수 있으나, 이에 제한되지 않는다.
상기 언급한 키트에 포함되는 프로브는 지지체(support member)(예컨대, 중합체 기질)상에 고정되어 핵산 칩을 형성할 수 있다.
이하 본 발명을 실시예를 들어 상세히 설명하고자 하나, 하기 실시예는 본 발명을 예시하기 위한 것일 뿐, 이로 인해 본 발명의 범위가 제한되는 것은 아니다.
실시예
1: 췌장암 샘플 수집
서울대학교 병원에 입원한 췌관 선암종(pancreatic ductal adenocarcinoma, PDAC) 환자 256명으로부터 동의를 받은 후, 췌장암 조직 샘플을 수집하였다. 상기 환자의 수술 직후에 5×5 mm 크기의 종양 조직을 채취한 후 사용할 때까지 -80℃ 액체 질소에 보관하였다.
상기 256개의 조직 샘플의 품질을 평가하고 임상 정보를 검토한 후, 43개의 샘플을 선발하여 실험에 사용하였다. 상기 선발된 환자의 임상병리적 정보를 하기 표 1에 나타내었다. 환자는 수술 후 최소 1년간 추적 관찰하였다. 모든 실험은 서울대학교 의학연구윤리심의위원회의 승인을 받았다.
N=43 | ||
연령 (평균±표준편차) | 66.4±8.9 | |
성별 (M:F) | 1:1.04 | |
보조 화학요법 | 젬시타빈 | 26 (60.5%) |
5-FU | 8 (18.6%) | |
불명 | 7 (16.3%) | |
절제 상태 (R status) |
R0 | 29 (67.4%) |
R1 | 9 (20.9%) | |
R2 | 5 (11.6%) | |
AJCC 7판 병기 |
병기 IA | 0 |
병기 IB | 0 | |
병기 IIA | 16 (37.2%) | |
병기 IIB | 26 (60.5%) | |
병기 III | 0 | |
병기 IV | 1 (2.3%) |
실시예
2:
생존 기간에
따른 고위험군 및 저위험군의 분류
실시예 1에서 얻은 43개의 샘플에 대한 각 췌장암 환자를 추적관찰하여 생존 기간을 확인한 후, 하기 표 2와 같이 생존 기간이 600일 이상인 군('저위험군'으로 명명함)과 생존 기간이 600일 미만인 군('고위험군'으로 명명함)으로 나누었다. 각 위험군과 연관된 임상병리학적 인자가 존재하는지 여부를 확인하기 위해, 통계학적 시험을 수행하였고, 그 결과 유의한 결과가 확인되지 않았다(표 3).
샘플 개수 | 평균 생존 기간(일) | |
저위험군 | 11 | 795 |
고위험군 | 32 | 318 |
임상병리학적 특징 | 값 | 시험 p-값 |
조직학적 분화 | 우수/중간/불량 | 0.205 |
신경주위 침입 | Y/N | 1 |
림프혈행성 침입 | Y/N | 0.913 |
맥관 침입 | Y/N | 0.529 |
췌장염 | Y/N | 0.809 |
Residual status | R0/R1/R2 | 0.466 |
보조 화학요법 | NA/젬시타빈/5-FU | 0.393 |
단계 T | 1/2/3/4 | NA (모두 3단계) |
단계 N | Y/N | 0.0608 |
성별 | 남성/여성 | 0.928 |
종양 크기 | 0.641 | |
BMI | 0.53 | |
연령 | 0.478 |
실시예
3: 총
RNA
분리 및 위험군 분류를 위한
miRNA
의 선발
실시예 2의 각 위험군을 구분할 수 있는 분류자(classifier, marker)를 확인하기 위해, 실시예 2에서 얻은 43개의 샘플을 훈련 세트(n=35) 및 시험 세트(n=8)로 나누었다. 상기 훈련 세트는 두 위험군을 구분할 수 있는 분류자를 개발하는데 사용하였고, 상기 시험 세트는 상기 분류자를 평가하는데 사용하였다.
구체적으로, 각 췌장암 샘플로부터 Ambion® mirVana™ miRNA 분리 키트(Life Technologies, 5791 Van Allen Way, Carlsbad, California 92008, USA)를 사용하여 제조사의 지침에 따라 총 RNA를 분리하였다. 이후, 상기 분리된 RNA의 품질을 RNA 6000 Nano Chip(Agilent Technologies, Amstelveen, The Netherlands)을 이용한 Agilent 2100 Expert Bioanalyser에 의해 평가하고, RNA의 함량을 ND-1000 분광기(NanoDrop Technologies, Inc., DE, USA)에 의해 결정하였다.
한편, 상기 RNA로부터 Affymetrix GeneChip® miRNA 어레이를 사용하여 miRNA 유전자 발현 프로파일링을 수행하였다. miRNA 3.0 어레이 패널은 miRBase v17 entry를 포괄하는 153종의 miRNA의 19,724개의 분석을 함유한다. 상기 분석 중, 1774개의 분석은 성숙한 형태의 인간 miRNA를 표적화한다.
제조사의 프로토콜(Genisphere FlashTag™ Biotin RNA Labeling for Affymetrix GeneChip® miRNA 3.0 arrays)에 따라, RNA 샘플 당, 1㎍의 총 RNA를 라벨링 반응으로의 입력값으로 사용하였고, 라벨링된 miRNA를 상기 어레이에 48℃ 및 60 rpm에서 16시간 동안 혼성화시켰다. 혼성화 후, 칩을 염색하고 Genechip Fluidics Station 450(Affymetrix)에서 세척한 다음 Genechip Array scanner 3000 7G (Affymetrix)를 이용하여 스캔하였다.
Affymetrix GeneChip® miRNA 어레이로부터 얻은 프로브 세포 강도 데이터(*.CEL 파일)를 Affymetrix® Expression Console™ 소프트웨어(version 1.2, 32bit)에 입력파일로 넣은 다음, 디폴트 분석으로서 RMA+DABG 분석 메뉴를 실행하여 정규화된 값을 가지는 결과 파일(*.CHP 파일)을 생성하였다.
두 위험군을 구분할 수 있는 분류 규칙(classification rule)을 구축하기 위해, 1733개의 성숙한 miRNA를 이용한 어레이 결과를 바탕으로 로지스틱 회귀분석(logistic regression)을 수행하였다. 그리고 나서, 0.01의 유의수준으로 상기 위험군과 유의하게 연관된 3개의 miRNA를 선택하였다. 세 개의 유의한 miRNA의 로지스틱 회귀 모델을 이용하여 후진제거법(backward elimination)을 수행하여 2종의 miRNA를 선발하였다.
상기 선발된 2종의 miRNA의 정보를 하기 표 4에 나타내었다.
miRNA | Transcript | Alignments | Sequence |
hsa-miR-892b | hsa-mir-892b | X:93438156-93438265 (+) | CACUGGCUCCUUUCUGGGUAGA (서열번호 1) |
hsa-miR-3121-3p | hsa-mir-3121 | 14:101521595-101521660 (+) | UAAAUAGAGUAGGCAAAGGACA (서열번호 2) |
실시예
4: 선발된
miRNA
의 각 위험군에서의 분포 분석
상기 선발된 hsa-miR-892b 및 has-miR-3121-3p의 고위험군 및 저위험군에서의 발현량 값에 log2를 취하여 각 위험군에서의 분포를 분석하였다. 상기 실험 결과를 도 1에 나타내었다. 도 1에서 X축의 '0'은 저위험군을, '1'은 고위험군을 가리키며, Y축은 log2를 취한 발현량 값을 가리킨다.
도 1에서 보는 바와 같이, 두 서열 모두 고위험군에서의 값이 저위험군의 값보다 높은 것으로 나타났다. 상기 결과는 두 서열이 위험군을 구분짓는 마커로서 역할을 할 수 있음을 보여준다.
실시예
5: 예후 예측을 위한 위험 점수 계산식의 구축
실시예 4에서의 로지스틱 회귀분석 결과를 바탕으로, 췌장암 환자의 예후를 예측할 수 있는 계산식을 하기와 같이 구축하였다.
로지스틱 회귀분석식은 하기 식 1과 같다.
[식 1]
실시예 4에서 2종의 miRNA에 대한 로지스틱 회귀 분석 결과를 하기 표 5에 나타내었다.
miRNA | 모델 변수 | p-값 |
(절편) | -5.730 | 0.0456 |
hsa-miR-3121-3p | 9.569 | 0.0198 |
hsa-miR-892b | 7.593 | 0.0784 |
상기 표 5에서의 측정값을 바탕으로 하여, 식 1의 로지스틱 회귀분석식을 하기 식 2와 같이 변환하였다.
[식 2]
상기 식에서, 는 환자(i)의 위험 점수이고, 는 exp{-5.730+7.593×log2(서열번호 1의 miRNA의 발현량)+9.569×log2(서열번호 2의 miRNA의 발현량)}이다.
실시예
6: 췌장암 환자의 예후 예측
실시예 3에서 분류된 시험 세트(n=8)를 대상으로, 실시예 3의 2종의 miRNA의 발현량을 측정한 후, 실시예 5의 식 1 또는 식 2에 대입하여 위험 점수를 산출하였다. 상기 산출된 위험 점수가 0.5 이상인 경우 환자를 고위험군으로 예측하고, 위험 점수가 0.5 미만인 경우 환자를 저위험군으로 예측하였다. 상기 예측된 결과를 실제 환자의 생존 기간에 따른 위험군 분류와 비교하였다.
상기 실험 결과를 하기 표 6에 나타내었다.
샘플 번호 | 산출된 위험점수 | 예측된 위험군 | 실제 생존 기간 | 실제 위험군 |
1 | 0.962302 | 고위험군 | 141일 | 고위험군 |
2 | 0.9940258 | 고위험군 | 324일 | 고위험군 |
3 | 0.9126475 | 고위험군 | 215일 | 고위험군 |
4 | 0.998865 | 고위험군 | 185일 | 고위험군 |
5 | 0.4033583 | 저위험군 | 960일 | 저위험군 |
6 | 0.9322344 | 고위험군 | 257일 | 고위험군 |
7 | 0.9680568 | 고위험군 | 375일 | 고위험군 |
상기 표 6에서 보는 바와 같이, 식 1 또는 식 2에 의해 췌장암 환자를 고위험군과 저위험군으로 예측한 결과를 실제 췌장암 환자의 생존 기간에 기초한 위험군 분류와 비교한 결과, 상기 예측된 위험군은 실제 위험군과 정확하게 일치하였다. 상기 결과는 본 발명에 따른 miRNA의 발현량에 기초하여 식 1 또는 식 2에 의해 위험 점수를 산출함으로써 췌장암 환자의 예후, 즉 생존 기간을 정확히 예측할 수 있음을 보여준다.
<110> SK TELECOM CO., LTD
<120> METHOD FOR PREDICTING THE PROGNOSIS OF PANCREATIC CANCER PATIENT
USING MICRORNA
<130> FPD/201406-0009
<160> 2
<170> KopatentIn 2.0
<210> 1
<211> 22
<212> RNA
<213> Homo sapiens
<400> 1
cacuggcucc uuucugggua ga 22
<210> 2
<211> 22
<212> RNA
<213> Homo sapiens
<400> 2
uaaauagagu aggcaaagga ca 22
Claims (5)
1) 췌장암 환자의 췌장암 조직 샘플로부터 서열번호 1로 표시되는 염기서열을 갖는 마이크로RNA(miRNA) 및 서열번호 2로 표시되는 염기서열을 갖는 마이크로RNA의 발현량을 측정하는 단계; 및
2) 상기 발현량을 로지스틱 회귀 분석 모델에 적용하여 췌장암 환자의 위험 점수를 산출하는 단계를 포함하는, 췌장암 환자의 예후를 예측하는 방법.
2) 상기 발현량을 로지스틱 회귀 분석 모델에 적용하여 췌장암 환자의 위험 점수를 산출하는 단계를 포함하는, 췌장암 환자의 예후를 예측하는 방법.
제2항에 있어서, 상기 위험 점수가 0.5 이상이면 암의 예후가 불량한 것으로 예측하는 것을 특징으로 하는, 췌장암 환자의 예후를 예측하는 방법.
서열번호 1로 표시되는 염기서열을 갖는 마이크로RNA(miRNA) 및 서열번호 2로 표시되는 염기서열을 갖는 마이크로RNA의 발현을 검출할 수 있는 물질을 포함하는, 췌장암 환자의 예후 예측용 키트.
제4항에 있어서, 상기 물질이 올리고뉴클레오티드인 것을 특징으로 하는, 췌장암 환자의 예후 예측용 키트.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140081408A KR101671485B1 (ko) | 2014-06-30 | 2014-06-30 | 마이크로rna를 이용하여 췌장암 환자의 예후를 예측하는 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140081408A KR101671485B1 (ko) | 2014-06-30 | 2014-06-30 | 마이크로rna를 이용하여 췌장암 환자의 예후를 예측하는 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20160002275A true KR20160002275A (ko) | 2016-01-07 |
KR101671485B1 KR101671485B1 (ko) | 2016-11-01 |
Family
ID=55168956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020140081408A KR101671485B1 (ko) | 2014-06-30 | 2014-06-30 | 마이크로rna를 이용하여 췌장암 환자의 예후를 예측하는 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101671485B1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112004942A (zh) * | 2018-02-22 | 2020-11-27 | 国立大学法人大阪大学 | 利用了rna修饰的分析、诊断方法 |
KR20220124316A (ko) | 2021-03-02 | 2022-09-14 | 인하대학교 산학협력단 | 췌장암의 전이 예측 또는 치료용 조성물 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102216822B1 (ko) | 2018-12-07 | 2021-02-18 | 서울대학교병원 | 급성 뇌경색 환자의 3개월 후 기능적 예후 예측 방법 및 시스템 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130197060A1 (en) * | 2010-08-01 | 2013-08-01 | Tel Hashomer Medical Research Infrastructure And Services Ltd. | Microrna patterns for the diagnosis, prognosis and treatment of melanoma |
-
2014
- 2014-06-30 KR KR1020140081408A patent/KR101671485B1/ko active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130197060A1 (en) * | 2010-08-01 | 2013-08-01 | Tel Hashomer Medical Research Infrastructure And Services Ltd. | Microrna patterns for the diagnosis, prognosis and treatment of melanoma |
Non-Patent Citations (4)
Title |
---|
Calin et al., Nat. Rev. Cancer, 6: 857-866 (2006) |
Endoh et al., J. Clin. Oncol., 22: 811-819 (2004) |
Potti et al., N. Engl. J. Med., 355: 570-580(2006) |
Volinia et al., Proc. Natl. Acad. Sci. U.S.A., 103: 2257-2261 (2006) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112004942A (zh) * | 2018-02-22 | 2020-11-27 | 国立大学法人大阪大学 | 利用了rna修饰的分析、诊断方法 |
EP3763826A4 (en) * | 2018-02-22 | 2021-06-30 | Osaka University | ANALYSIS / DIAGNOSTIC METHODS USING RNA MODIFICATION |
KR20220124316A (ko) | 2021-03-02 | 2022-09-14 | 인하대학교 산학협력단 | 췌장암의 전이 예측 또는 치료용 조성물 |
Also Published As
Publication number | Publication date |
---|---|
KR101671485B1 (ko) | 2016-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3268494B1 (en) | Method of determining the risk of developing breast cancer by detecting the expression levels of micrornas (mirnas) | |
Schee et al. | Deep sequencing the microRNA transcriptome in colorectal cancer | |
Ahluwalia et al. | The clinical relevance of gene expression based prognostic signatures in colorectal cancer | |
Tam et al. | Robust global microRNA expression profiling using next-generation sequencing technologies | |
RU2662975C1 (ru) | Определение микрорнк в плазме для обнаружения ранних стадий колоректального рака | |
Yanaihara et al. | Unique microRNA molecular profiles in lung cancer diagnosis and prognosis | |
Kurashige et al. | Serum microRNA‐21 is a novel biomarker in patients with esophageal squamous cell carcinoma | |
EP2438188B1 (en) | miRNA FINGERPRINT IN THE DIAGNOSIS OF DISEASES | |
Bignotti et al. | Identification of stably expressed reference small non‐coding RNA s for micro RNA quantification in high‐grade serous ovarian carcinoma tissues | |
EP3369826B1 (en) | Biomarker microrna for prediction of prognosis of head and neck cancer | |
US11136628B2 (en) | Biomarkers useful for detection of types, grades and stages of human breast cancer | |
WO2017013436A1 (en) | Gene signature for immune therapies in cancer | |
Wang et al. | Role of deregulated microRNAs in non‑small cell lung cancer progression using fresh‑frozen and formalin‑fixed, paraffin‑embedded samples | |
EP3122905B1 (en) | Circulating micrornas as biomarkers for endometriosis | |
AU2015317893A1 (en) | Compositions, methods and kits for diagnosis of a gastroenteropancreatic neuroendocrine neoplasm | |
Cui et al. | MicroRNA expression and regulation in human ovarian carcinoma cells by luteinizing hormone | |
Cecene et al. | Circulating miR-195 as a therapeutic biomarker in Turkish breast cancer patients | |
Lehmann et al. | Relative levels of let‑7a, miR‑17, miR‑27b, miR‑125a, miR‑125b and miR‑206 as potential molecular markers to evaluate grade, receptor status and molecular type in breast cancer | |
KR101671485B1 (ko) | 마이크로rna를 이용하여 췌장암 환자의 예후를 예측하는 방법 | |
JP2011520454A (ja) | 結腸直腸癌を評価する方法及びかかる方法に使用するための組成物 | |
Ai et al. | The down-regulation of long non-coding RNA LINC01088 is associated with the poor prognosis of epithelial ovarian cancer patients | |
WO2017046714A1 (en) | Methylation signature in squamous cell carcinoma of head and neck (hnscc) and applications thereof | |
Tang et al. | Development of a tRNA-Derived small RNA prognostic panel and their potential functions in osteosarcoma | |
Zhang et al. | Identification of a novel RNA modifications-related model to improve bladder cancer outcomes in the framework of predictive, preventive, and personalized medicine | |
Luo et al. | Effects of SVEP1 on Lung Squamous Cell Carcinoma and its Association with Tumor Mutation Burden, Prognosis, and Immune Regulation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
N231 | Notification of change of applicant | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |