KR20180091119A - 암 면역요법을 위한 치료 표적으로 환자 특이적 네오에피토프의 높은 스루풋 식별 (high-throughput identification of patient-specific neoepitopes as therapeutic targets for cancer immunotherapies) - Google Patents

암 면역요법을 위한 치료 표적으로 환자 특이적 네오에피토프의 높은 스루풋 식별 (high-throughput identification of patient-specific neoepitopes as therapeutic targets for cancer immunotherapies) Download PDF

Info

Publication number
KR20180091119A
KR20180091119A KR1020187022527A KR20187022527A KR20180091119A KR 20180091119 A KR20180091119 A KR 20180091119A KR 1020187022527 A KR1020187022527 A KR 1020187022527A KR 20187022527 A KR20187022527 A KR 20187022527A KR 20180091119 A KR20180091119 A KR 20180091119A
Authority
KR
South Korea
Prior art keywords
cancer
neoepitope
patient
neoepitopes
hla
Prior art date
Application number
KR1020187022527A
Other languages
English (en)
Inventor
앤드류 윈
존 재커리 샌본
스티븐 찰스 벤즈
케이반 니아지
샤루즈 라비자데
패트릭 순-시옹
찰스 죠셉 바스케
Original Assignee
난토믹스, 엘엘씨
난트 홀딩스 아이피, 엘엘씨
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 난토믹스, 엘엘씨, 난트 홀딩스 아이피, 엘엘씨 filed Critical 난토믹스, 엘엘씨
Publication of KR20180091119A publication Critical patent/KR20180091119A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G06F19/18—
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K35/00—Medicinal preparations containing materials or reaction products thereof with undetermined constitution
    • A61K35/12—Materials from mammals; Compositions comprising non-specified tissues or cells; Compositions comprising non-embryonic stem cells; Genetically modified cells
    • A61K35/14—Blood; Artificial blood
    • A61K35/17—Lymphocytes; B-cells; T-cells; Natural killer cells; Interferon-activated or cytokine-activated lymphocytes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K39/00—Medicinal preparations containing antigens or antibodies
    • A61K39/0005—Vertebrate antigens
    • A61K39/0011—Cancer antigens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K39/00—Medicinal preparations containing antigens or antibodies
    • A61K39/395—Antibodies; Immunoglobulins; Immune serum, e.g. antilymphocytic serum
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K39/00—Medicinal preparations containing antigens or antibodies
    • A61K39/395—Antibodies; Immunoglobulins; Immune serum, e.g. antilymphocytic serum
    • A61K39/39533—Antibodies; Immunoglobulins; Immune serum, e.g. antilymphocytic serum against materials from animals
    • A61K39/39558—Antibodies; Immunoglobulins; Immune serum, e.g. antilymphocytic serum against materials from animals against tumor tissues, cells, antigens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K45/00—Medicinal preparations containing active ingredients not provided for in groups A61K31/00 - A61K41/00
    • A61K45/06—Mixtures of active ingredients without chemical characterisation, e.g. antiphlogistics and cardiaca
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K47/00—Medicinal preparations characterised by the non-active ingredients used, e.g. carriers or inert additives; Targeting or modifying agents chemically bound to the active ingredient
    • A61K47/50—Medicinal preparations characterised by the non-active ingredients used, e.g. carriers or inert additives; Targeting or modifying agents chemically bound to the active ingredient the non-active ingredient being chemically bound to the active ingredient, e.g. polymer-drug conjugates
    • A61K47/51—Medicinal preparations characterised by the non-active ingredients used, e.g. carriers or inert additives; Targeting or modifying agents chemically bound to the active ingredient the non-active ingredient being chemically bound to the active ingredient, e.g. polymer-drug conjugates the non-active ingredient being a modifying agent
    • A61K47/68—Medicinal preparations characterised by the non-active ingredients used, e.g. carriers or inert additives; Targeting or modifying agents chemically bound to the active ingredient the non-active ingredient being chemically bound to the active ingredient, e.g. polymer-drug conjugates the non-active ingredient being a modifying agent the modifying agent being an antibody, an immunoglobulin or a fragment thereof, e.g. an Fc-fragment
    • A61K47/6835—Medicinal preparations characterised by the non-active ingredients used, e.g. carriers or inert additives; Targeting or modifying agents chemically bound to the active ingredient the non-active ingredient being chemically bound to the active ingredient, e.g. polymer-drug conjugates the non-active ingredient being a modifying agent the modifying agent being an antibody, an immunoglobulin or a fragment thereof, e.g. an Fc-fragment the modifying agent being an antibody or an immunoglobulin bearing at least one antigen-binding site
    • A61K47/6851—Medicinal preparations characterised by the non-active ingredients used, e.g. carriers or inert additives; Targeting or modifying agents chemically bound to the active ingredient the non-active ingredient being chemically bound to the active ingredient, e.g. polymer-drug conjugates the non-active ingredient being a modifying agent the modifying agent being an antibody, an immunoglobulin or a fragment thereof, e.g. an Fc-fragment the modifying agent being an antibody or an immunoglobulin bearing at least one antigen-binding site the antibody targeting a determinant of a tumour cell
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K48/00—Medicinal preparations containing genetic material which is inserted into cells of the living body to treat genetic diseases; Gene therapy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
    • A61P35/00—Antineoplastic agents
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
    • A61P37/00—Drugs for immunological or allergic disorders
    • A61P37/02—Immunomodulators
    • 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
    • C12Q1/6881—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for tissue or cell typing, e.g. human leukocyte antigen [HLA] probes
    • 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
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/569—Immunoassay; Biospecific binding assay; Materials therefor for microorganisms, e.g. protozoa, bacteria, viruses
    • G01N33/56966—Animal cells
    • G01N33/56977—HLA or MHC typing
    • 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
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor 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
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6878—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids in eptitope analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K39/00—Medicinal preparations containing antigens or antibodies
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2570/00—Omics, e.g. proteomics, glycomics or lipidomics; Methods of analysis focusing on the entire complement of classes of biological molecules or subsets thereof, i.e. focusing on proteomes, glycomes or lipidomes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/52—Predicting or monitoring the response to treatment, e.g. for selection of therapy based on assay results in personalised medicine; Prognosis

Abstract

다양한 기준에 대해 필터링되는 종양 네오에피토프들의 선택을 허용하는 시스템들 및 방법들이 제시된다. 특히 고려되는 양상들에서, 필터링하는 단계는, 네오에피토프로 이어지는 돌연변이가 암 유발 유전자에 위치하는 것으로 확인되는 단계를 포함한다.

Description

암 면역요법을 위한 치료 표적으로 환자 특이적 네오에피토프의 높은 스루풋 식별 (HIGH-THROUGHPUT IDENTIFICATION OF PATIENT-SPECIFIC NEOEPITOPES AS THERAPEUTIC TARGETS FOR CANCER IMMUNOTHERAPIES)
본 개시내용은 특히 네오에피토프 기반 면역 요법에서 표적 에피토프들의 선택과 관련하여, 치료 옵션들을 예측하는 오믹스 데이터(omics data)의 컴퓨터 분석에 관한 것이다.
배경 설명은 본 발명을 이해하는데 유용할 수 있는 정보를 포함한다. 본원에 제공된 정보 중 임의의 것이 선행 기술이거나 현재 청구된 발명과 관련이 있거나 또는 구체적으로 또는 암시적으로 언급된 임의의 간행물이 선행 기술임을 인정하는 것은 아니다.
본원의 모든 간행물들 및 특허 출원들은 각각의 개별 간행물 또는 특허 출원이 구체적으로 그리고 개별적으로 참조로 포함되는 것으로 지시된 것과 같이 동일한 정도로 참조로 본원에 포함된다. 포함된 참조에서의 용어의 정의 또는 사용이 일관성이 없거나 본원에 제공된 상기 용어의 정의와 상반되는 경우, 본원에 제공된 상기 용어의 정의가 적용되며, 참조에서의 상기 용어의 정의는 적용되지 않는다.
특이적인 암에 공통적인 특정 항원들을 표적으로하는 암 면역 요법들은 일부 환자들에서 주목할만한 반응들을 이끌어 냈다. 불행하게도, 많은 환자들이 동일한 항원의 명백한 발현에도 불구하고 그러한 면역 요법에 반응하지 않았다. 그러한 실패의 한가지 가능한 이유는 면역 시스템의 다양한 이펙터 세포들이 충분한 양으로 존재하지 않을 수 있거나 소진될 수 있기 때문일 수 있다. 또한, 환자들 사이의 세포내 항원 처리 및 HLA 가변성은 항원 및/또는 항원 디스플레이의 불충분한 프로세싱을 유도하여 치료 효과가 없거나 또는 부족한 반응이 있을 수 있다.
면역 요법에 대한 표적들의 선택을 증가시키기 위해, 종양 세포들 내의 일부 무작위 돌연변이가 독특한 종양 특이적 항원들(네오에피토프들)을 생성할 수 있기 때문에 무작위 돌연변이가 최근에 고려되었다. 이와 같이, 그리고 적어도 개념적으로, 네오에피토프들은 면역 요법을 위한 독특한 정밀 표적을 제공할 수 있다. 추가적으로, 세포 용해성 T-세포 반응은 매우 소량의 펩티드들에 의하여 촉발될 수 있음이 밝혀졌다(예컨대, Sykulev 등, Immunity, Volume 4, Issue 6, p565-571, 1996 년 6 월 1 일). 또한, 많은 암들에서 비교적 많은 수의 돌연변이들로 인해, 가능한 표적들의 수가 상대적으로 많다. 이러한 발견을 고려하여, 치료 표적으로서 암 네오에피토프들의 식별은 많은 주목을 끌고 있다. 불행하게도, 현재의 데이터는 모든 또는 거의 모든 암 네오에피토프들이 환자 및 특정 종양에 독특하다는 것을 제시하는 것으로 보이며, 그러므로 어떠한 네오에피토프가 치료적으로 효과적인 면역 치료제에 대하여 유용할 수 있는지에 대한 임의의 특정 징후를 제공하지 못한다.
면역 요법에 대한 다수의 가능한 표적들과 관련된 문제의 적어도 일부를 극복하기 위해, 네오에피토프들은 (예컨대, 미스센스(missense) 또는 넌센스(nonsense) 돌연변이를 확인하기 위해) 돌연변이의 유형, 돌연변이된 유전자의 전사를 확인하기 위한 전사 수준에 대해 그리고 단백질 발현을 확인하기 위해 필터링될 수 있다. 또한, 이렇게 필터링된 네오에피토프는 WO 2016/172722에 기재된 바와 같이 환자의 HLA 시스템에 대한 특이적 결합에 대해 더 분석될 수 있다. 그러한 시스템이 비교적 많은 수의 잠재적인 네오에피토프들을 유리하게 감소시키는 반면에, 치료 결과에 대한 이들 네오에피토프들의 중요성은 여전히 불확실하다.
따라서, 네오에피토프들의 다수의 식별 방법들이 당 업계에 알려져 있지만, 이들 모두 또는 거의 모두가 하나 이상의 단점을 겪는다. 결과적으로, 면역 요법에서 치료 반응의 가능성을 증가시키는 네오에피토프 식별을 위한 개선된 시스템들 및 방법들을 갖는 것이 바람직할 것이다.
본 출원은 2016 년 2월 12일자로 출원되고, 본원에 참조로 포함된 일련 번호 제62/294665호의 미국 가출원의 우선권을 주장한다.
본 발명의 주제는 종양 세포 상에 발현되고 제시될 뿐만 아니라 상기 종양 세포에 기능적 장점을 부여하는 네오에피토프들을 표적으로하는 면역 요법을 위한 네오에피토프들을 선택하기 위한 다양한 조성물들 및 방법들에 관한 것이다. 가장 바람직하게는, 고려된 네오에피토프들은 암 유발 돌연변이들(cancer driver mutations)을 포함할 것이다. 이와 같이, 고려된 조성물들 및 방법들은 종양 세포들 및 그들의 돌연변이된 유발자들(drivers)을 체액성 및 세포성 면역 반응을 거치게 하여 치료 효과의 가능성을 증가시킬 것이다.
본 발명의 주제 중 하나의 양태에서, 본 발명자들은 종양 조직 및 매칭된 정상 조직으로부터 환자의 오믹스 데이터 (omics data)를 획득하고 그리고 상기 오믹스 데이터를 사용하여 복수의 발현된 미스센스(missense) 기반 환자 및 종양 특이적 네오에피토프들을 결정하는 단계를 포함하는, 암의 면역 요법을 위한 네오에피토프를 선택하는 방법을 고려한다. 다른 단계에서, HLA 매칭된 네오에피토프들을 획득하기 위해, 상기 환자의 HLA 유형에 의해, 상기 발현된 미스센스 기반 환자 및 종양 특이적 네오에피토프들이 필터링되며, 또 다른 단계에서, 암 유발 네오에피토프(cancer driver neoepitope)를 획득하기 위하여, HLA 매칭된 네오에피토프에 의해 영향을 받는 유전자 유형에 의해, HLA 매칭된 네오에피토프가 필터링된다.
그러한 방법들에서, 상기 오믹스 데이터는, 전체 게놈 시퀀싱 데이터, 전체 엑솜 시퀀싱 데이터, RNAseq 데이터 및 정량적 프로테오믹스 데이터로 이루어진 그룹으로부터 선택된 적어도 2 개의 오믹스 데이터를 포함하고/하거나 상기 복수의 발현된 미스센스 기반 환자 및 종양 특이적 네오에피토프들을 결정하는 단계는, 종양 조직 및 매칭된 정상 조직으로부터의 오믹스 데이터의 위치 유도 동기 정렬(location-guided synchronous alignment)을 포함한다는 것이 더 고려된다. 원한다면, 고려된 방법들은 단일 뉴클레오타이드 다형성(single nucleotide polymorphism), 짧은 결실 및 삽입 다형성(short deletion and insertion polymorphism), 미소부수체 마커(microsatellite marker), 단연쇄반복(short tandem repeat), 이형 접합 시퀀스(heterozygous sequence), 다중 뉴클레오타이드 다형성(multinucleotide polymorphism) 및 네임드 변이체(named variant)로 이루어진 그룹으로부터 선험적으로 알려진 분자 변이 중 적어도 하나에 의해, 상기 발현된 미스센스 기반 환자 및 종양 특이적 네오에피토프들을 필터링하는 단계;를 더 포함할 수 있다. 가장 통상적으로, 상기 종양 조직은 고형(solid) 종양 조직이고 그리고 상기 매칭된 정상 조직은 혈액이다.
유리하게는, 상기 환자 및 종양 특이적 네오에피토프들을 HLA 유형에 의해 필터링하는 단계는, 변화된 아미노산이 네오에피토프 시퀀스 내에서 개별 위치(distinct position)를 갖는 복수의 개별 네오에피토프 시퀀스들을 사용하여 네오에피토프들 각각에 대해 수행될 수 있다. 예를 들어, 개별 네오에피토프 시퀀스들은 7 내지 20 의 아미노산 길이를 가질 수 있다.
상기 HLA 유형에 의해 필터링하는 단계는, 상기 환자 오믹스 데이터로부터 HLA 유형에 대한 결정을 포함할 수 있다는 것이 더 고려된다. 통상적이지만, 필수적이지는 않게도, 상기 HLA 유형에 의해 필터링하는 단계는 적어도 2자리 및 더 통상적으로는 적어도 4자리의 깊이(depth)까지 수행된다. 추가적으로 또는 대안적으로, 상기 HLA 유형에 의해 필터링하는 단계는, 환자의 적어도 하나의 MHC 클래스 I 서브-유형 및 적어도 하나의 MHC 클래스 II 서브-유형에 대한 상기 네오에피토프들의 친화도에 대한 결정을 포함할 수도 있다. 예를 들어, HLA-매칭된 네오에피토프들은 150 nm 이하의 환자의 적어도 하나의 MHC 클래스 I 서브 유형 또는 적어도 하나의 MHC 클래스 II 서브 유형에 대한 친화도를 가질 수 있다.
상기 영향을 받은 유전자 유형에 대하여, 상기 유전자 유형은, 통상적으로 ALL, AML, BLCA, BRCA, CLL, CM, COREAD, ESCA, GBM, HC, HNSC, LUAD, LUSC, MB, NB, NSCLC, OV, PRAD, RCCC, SCLC, STAD, THCA 및 UCEC로 이루어진 그룹으로부터 선택된 암에 대한 암 유발 및/또는 패신저(passenger) 유전자인 것이 일반적으로 고려된다. 예를 들어, 적당한 암 유발 유전자들은 표 1에 열거되어 있다.
원하는 경우, 적당한 방법들은 상기 영향을 받는 암 유발 유전자의 기능부전(malfunction)을 결정하는 단계;를 더 포함할 수 있다. 그러한 경우에 있어서, 상기 영향을 받는 암 유발 유전자에 의해 인코딩된(encoded) 단백질을 표적으로하는 비-면역 치료 약물에 대한 추천사항(recommendation)이 생성될 수 있다. 또한, 본원에 제시된 방법들은 면역 치료제(immune therapeutic agent)를 준비하기 위해 상기 암 유발 네오에피토프를 사용하는 단계;를 더 포함할 수 있다는 것도 고려된다. 예를 들어, 적당한 면역 치료제들은 상기 암 유발 네오에피토프에 대한 결합 특이성을 갖는 합성 항체, 합성 암 유발 네오에피토프, 상기 암 유발 네오에피토프를 인코딩하는 핵산, 상기 암 유발 네오에피토프에 대한 결합 특이성을 갖는 키메라 항원 수용체를 보유하는 면역 수용성 세포, 및 암 유발 네오에피토프를 인코딩하는 핵산을 포함하는 재조합 바이러스 중 적어도 하나를 포함할 수 있다.
그러므로, 본 발명자들은 또한 면역 요법을 사용하여 환자에서의 암을 치료하는 방법을 고려한다. 그러한 방법들은 종양 조직 및 매칭된 정상 조직으로부터의 오믹스 데이터를 환자로부터 획득하고 그리고 상기 오믹스 데이터를 사용하여 복수의 발현된 미스센스 기반 환자 및 종양 특이적 네오에피토프들을 결정하는 단계;를 포함할 것이다. 다른 단계에서, 암 유발 네오에피토프는 상기 발현된 미스센스 기반 환자 및 종양 특이적 네오에피토프들로부터 유도된다. 또 다른 단계에서, 상기 암 유발 네오에피토프에 대한 결합 특이성을 갖는 합성 항체, 합성 암 유발 네오에피토프, 상기 암 유발 네오에피토프를 인코딩하는 핵산, 상기 암 유발 네오에피토프에 대한 결합 특이성을 갖는 키메라 항원 수용체를 보유하는 면역 수용성 세포, 및 암 유발 네오에피토프를 인코딩하는 핵산을 포함하는 재조합 바이러스 중 적어도 하나를 포함하는 면역 치료제가 상기 환자에게 투여된다.
앞에서와 같이, 상기 오믹스 데이터는, 전체 게놈 시퀀싱 데이터, 전체 엑솜 시퀀싱 데이터, RNAseq 데이터 및 정량적 프로테오믹스 데이터로 이루어진 그룹으로부터 선택된 적어도 2 개의 오믹스 데이터를 통상적으로 포함할 것이고/이거나 상기 복수의 발현된 미스센스 기반 환자 및 종양 특이적 네오에피토프들을 결정하는 단계는, 종양 조직 및 매칭된 정상 조직으로부터의 오믹스 데이터의 위치 유도 동기 정렬을 포함할 수 있다는 것이 고려된다. 고려된 방법들은 또한 단일 뉴클레오타이드 다형성, 짧은 결실 및 삽입 다형성, 미소부수체 마커, 단연쇄반복, 이형 접합 시퀀스, 다중 뉴클레오타이드 다형성 및 네임드 변이체로 이루어진 그룹으로부터 선험적으로 알려진 분자 변이 중 적어도 하나에 의해, 상기 발현된 미스센스 기반 환자 및 종양 특이적 네오에피토프들을 필터링하는 다른 단계;를 포함할 수 있다.
통상적이지만, 필수적이지는 않게도, 상기 암 유발 네오에피토프를 유도하는 단계는, (변화된 아미노산이 네오에피토프 시퀀스 내에서 개별 위치를 갖는 복수의 개별 네오에피토프 시퀀스들을 사용할 수 있고, 상기 개별 네오에피토프 시퀀스들은 7 내지 20 의 아미노산의 길이를 가질 수 있는) 상기 환자의 HLA 유형에 의해 상기 환자 및 종양 특이적 네오에피토프들을 필터링하는 단계를 포함할 것이다. 또한, 상기 HLA 유형에 의해 필터링하는 단계는, 상기 환자 오믹스 데이터로부터 HLA 유형에 대한 결정을 포함할 수 있고/있거나 적어도 4자리의 깊이까지 수행될 수 있고/있거나 환자의 적어도 하나의 MHC 클래스 I 서브-유형 및 적어도 하나의 MHC 클래스 II 서브-유형에 대한 상기 네오에피토프들의 친화도에 대한 결정을 포함할 수 있다.
고려된 암 유발 네오에피토프들은 ALL, AML, BLCA, BRCA, CLL, CM, COREAD, ESCA, GBM, HC, HNSC, LUAD, LUSC, MB, NB, NSCLC, OV, PRAD, RCCC, SCLC, STAD, THCA 및 UCEC로 이루어진 그룹으로부터 선택되는 유전자에 위치할 수 있으며, 예시적인 암 유발 유전자들은 표 1에 열거되어 있다. 또한, 고려된 방법들은 상기 암 유발 네오에피토프를 포함하는 단백질을 표적으로하는 비-면역 치료 약물을 투여하는 단계;를 포함할 수 있다.
결과적으로, 본 발명자들은 또한 (i) 환자 특이적 암 유발 네오에피토프에 대한 결합 특이성을 갖는 합성 항체, (ii) 합성 환자 특이적 암 유발 네오에피토프, (iii) 상기 환자 특이적 암 유발 네오에피토프를 인코딩하는 핵산, 또는 (iv) 상기 환자 특이적 암 유발 네오에피토프에 대한 결합 특이성을 갖는 키메라 항원 수용체, 에 결합된 캐리어(carrier);를 포함하는 면역 요법 조성물을 고려한다.
적당한 캐리어들은 단일 단백질을 포함할 수 있거나 약학적으로 허용가능한 중합체(pharmaceutically acceptable polymer)를 포함할 수 있다. 대안적으로, 상기 캐리어는 또한 면역 수용성 세포(예컨대, CD8+ T 세포 또는 NK 세포) 또는 재조합 바이러스일 수 있다. 원한다면, 주입 또는 투입용에 적합한 약학적으로 허용가능한 캐리어가 포함될 수 있다.
따라서, 그리고 상이한 관점에서 볼 때, 본 발명자들은 또한 암의 치료에의 면역 치료제의 용도로서, 상기 면역 치료제는 환자 특이적 암 유발 네오에피토프에 대한 결합 특이성을 갖는 합성 항체, 합성 환자 특이적 암 유발 네오에피토프, 환자 특이적 암 유발 네오에피토프를 인코딩하는 핵산, 환자 특이적 암 유발 네오에피토프에 대한 결합 특이성을 갖는 키메라 항원 수용체를 보유하는 면역 수용성 세포, 및 환자 특이적 암 유발 네오에피토프를 인코딩하는 핵산을 포함하는 재조합 바이러스 중 적어도 하나를 포함하는, 암의 치료에의 면역 치료제의 용도를 고려한다.
예를 들어, 상기 합성 항체는 약학적으로 허용가능한 중합체를 포함하거나 또는 단일 단백질을 포함하는 캐리어 또는 NK 세포에 결합될 수 있고/있거나 상기 환자 특이적 합성 암 유발 네오에피토프는 약학적으로 허용가능한 중합체를 포함하거나 또는 단일 단백질을 포함하는 캐리어에 결합될 수 있다. 대안적으로, 상기 환자 특이적 암 유발 네오에피토프를 인코딩하는 핵산은 약학적으로 수용가능한 중합체를 포함하거나 또는 단일 단백질을 포함하는 캐리어에 결합되거나, 또는 바이러스에 또는 면역 수용성 세포에 포함될 수 있다.
결과적으로 본 발명자들은 또한 환자 특이적 암 유발 네오에피토프를 인코딩하거나 또는 상기 환자 특이적 암 유발 네오에피토프에 대한 결합 특이성을 갖는 키메라 항원 수용체를 인코딩하는 핵산을 포함하는 재조합 면역 수용성 세포(예컨대, CD8+ T 세포 또는 NK 세포 또는 NK92 유도체)를 고려한다.
본 발명의 주제의 다양한 목적, 특징, 양태 및 장점은 첨부된 도면과 함께 바람직한 실시형태의 하기 상세한 설명으로부터 더욱 명백해질 것이며, 도면에서 동일한 도면 부호는 동일한 구성 요소를 나타낸다.
도 1은 다양한 암들에 걸친 독특한 네오에피토프들의 빈도의 그래픽 표현일 뿐만 아니라 다양한 암들에 걸친 네오에피토프 빈도 및 코딩 변이 빈도의 예시적인 그래픽 표현이다.
도 2는 암 유발 유전자들 내에서 독특한 네오에피토프들의 빈도의 그래픽 표현일 뿐만 아니라, 다양한 암들에 대한 HLA-매칭된 네오에피토프들에 대한 빈도의 예시적인 그래픽 표현이다.
본 발명자들은 네오에피토프 기반 면역 요법은 상기 종양 세포에 기능적 장점을 부여하는 발현된 환자 및 종양 특이적 네오에피토프들을 표적으로함으로써 더 개선될 수 있음을 이제 발견하게 되었다. 가장 바람직하게는, 상기 네오에피토프들이 알려진, 예측되거나 의심되는 암 유발 유전자에 의하여 인코딩되는 단백질 내에 위치될 것이다. 결과적으로, 그러한 암 유발 네오에피토프에 대한 면역 반응은 세포독성 면역 반응을 초래할 뿐만 아니라 암 유발 단백질들에 대한 체액성 반응을 초래할 것으로 고려된다. 예를 들어, 상기 암 유발 유전자가 KIT(마스트(mast)/줄기 세포 성장 인자 수용체)이며 네오에피토프를 포함하는 경우, 상기 KIT 네오에피토프에 결합하는 항체는 NK 및 T 세포들에 의해 세포독성 파괴를 위해 단백질을 표지할 수 있을 뿐만 아니라 수용체 경로를 통한 신호 전달을 억제할 수 있고, 따라서 암 유발 기능을 억제할 수 있다.
그 목적을 위해, 상기 암 유발 네오에피토프들은 바람직하게는 환자 종양 물질(예컨대, 생검 샘플) 및 매칭된 정상 조직(비-종양, 통상적으로 동일 환자의 건강한 조직)을 사용하는 공정에서 식별될 수 있음이 고려된다. 이후, 오믹스 데이터, 가장 통상적으로는 (전체 게놈 시퀀스 데이터, 전체 엑솜 데이터 등과 같은) 게노믹스 데이터, 트랜스크립토믹스(transcriptomics) 데이터 (및 특히 RNAseq 데이터), 및/또는 (정성적 또는 정량적일 수 있는) 프로테오믹스 데이터를 획득하기 위해 오믹스 분석이 환자 샘플들에 대해 수행될 수 있다. 이후, 상기 오믹스 데이터는 하기에 더 상세히 기재되는 바와 같이 (발현되고 그리고 HLA-매칭된 환자 및 종양 특이적) 암 유발 네오에피토프들을 식별하고 필터링하는데 사용될 수 있다. 그렇게 식별된 암 유발 네오에피토프들은 이후 세포 기반 치료, 암 백신, 치료 항체 등을 포함하는, 다양한 치료 양식을 사용하는 면역 요법에 사용될 수 있다.
네오에피토프들은 독특하고 종양 특이적 항원들을 생성하는 종양 세포들 내에서 발현된 무작위 돌연변이로 특성화될 수 있다. 그러므로, 상이한 관점에서 볼 때, 네오에피토프들은 침묵 및 다른 비-관련(예컨대, 비-발현) 돌연변이들이 제거되는 제 1 내용 필터로서 그 자체로 작용할 수 있는 돌연변이(예컨대, 넌센스(non-sense), 미스센스(missense), 프레임(frame), 쉬프트(shift) 등)의 유형(예컨대, 결실, 삽입, 전환, 전이, 전좌) 및 영향을 고려함으로써 식별될 수 있다. 네오에피토프 시퀀스들은 비교적 짧은 길이 (예컨대, 7-11머(mer))의 시퀀스 스트레치(stretches)로서 그러한 스트레치가 아미노산 시퀀스들에서의 변화(들)를 포함하는 것인 시퀀스 스트레치로서 정의될 수 있음을 또한 알아야 한다. 가장 통상적으로, 변화된 아미노산은 중심 아미노산 위치에 또는 중심 아미노산 위치 근처에 있을 것이다. 예를 들어, 통상적인 네오에피토프는 A가 단백질구성 아미노산이고 N이 (야생형에 비해 또는 매칭된 정상에 비해) 변화된 아미노산인 A4-N-A4, 또는 A3-N-A5, 또는 A2-N-A7, 또는 A5-N-A3, 또는 A7-N-A2의 구조를 가질 수 있다. 예를 들어, 본원에 고려된 바와 같은 네오에피토프 시퀀스들은 비교적 짧은 길이 (예컨대, 5-30 머, 더 통상적으로 7-11 머, 또는 12-25 머)의 시퀀스 스트레치로서 그러한 스트레치가 아미노산 시퀀스들에서의 변화(들)를 포함하는 것인 시퀀스 스트레치를 포함한다.
따라서, 단일 아미노산 변화는 변화된 아미노산의 위치에 따라 상기 변화된 아미노산을 포함하는 수많은 네오에피토프 시퀀스들 내에 제시될 수 있음을 알아야 한다. 유리하게는, 그러한 시퀀스 가변성은 네오에피토프들의 다중 선택을 가능하게 하여 이후 하나 이상의 바람직한 형질(예컨대, 환자 HLA- 유형에 대한 최고 친화도, 최고 구조 안정성 등)에 기초하여 선택될 수 있는 잠재적으로 유용한 표적들의 수를 증가시킨다. 가장 통상적으로, 네오에피토프들은 바람직하게는 중앙에 위치하거나 그렇지 않으면 MHC와의 결합을 개선시키는 방식으로 위치한 변화된 아미노산과 함께 2 내지 50 의 아미노산, 보다 통상적으로는 5 내지 30 의 아미노산, 및 가장 통상적으로는 9 내지 15 의 아미노산의 길이를 가질 것으로 계산될 것이다. 예를 들어, 에피토프가 MHC-I 복합체에 의하여 제시될 수 있는 경우, 통상적인 네오에피토프 길이는 약 8 내지 11 의 아미노산일 것인 반면에, MHC-II 복합체를 통한 제시를 위한 통상적인 네오에피토프 길이는 약 13 내지 17 의 아미노산 길이를 가질 것이다. 용이하게 이해될 바와 같이, 네오에피토프 내의 변화된 아미노산의 위치는 중심이 아닐 수 있으므로, 실제 펩타이드 시퀀스 및 이와 함께 네오에피토프의 실제 위상은 상당히 변할 수 있다.
물론, 네오에피토프들의 식별 또는 발견은 신선한 생검들, 동결 또는 그렇지 않으면 보존된 조직 또는 세포 샘플들, 순환하는 종양 세포들, 엑소좀들, 다양한 체액 (및 특히 혈액) 등을 포함하는 다양한 생물학적 물질들로 시작될 수 있다는 것을 알아야 한다. 그러므로, 오믹스 분석의 적당한 방법들은 핵산 시퀀싱, 및 특히 DNA 상에서 작동하는 NGS 방법들(예컨대, 일루미나 시퀀싱(Illumina sequencing), 이온 토런트 시퀀싱(ion torrent sequencing), 454 파이로시퀀싱(pyrosequencing), 나노포어 시퀀싱(nanopore sequencing) 등), RNA 시퀀싱(예컨대, RNAseq, 역전사 기반 시퀀싱 등), 및 단백질 시퀀싱 또는 질량 분광학 기반 시퀀싱(예컨대, SRM, MRM, CRM 등)을 포함한다.
이와 같이, 그리고 특히 핵산 기반 시퀀싱에 대하여, 종양 조직의 높은 스루풋 게놈 시퀀싱은 네오에피토프들의 신속한 식별을 가능하게 할 것이라는 것이 특히 인식되어야 한다. 그러나, 그렇게 획득된 시퀀스 정보가 표준 기준과 비교되는 경우, 이형 접합성뿐만 아니라 통상적으로 발생하는 (예컨대, SNPs, 짧은 인델들(indels), 상이한 반복 횟수 등으로 인한) 환자 간 변동은 상대적으로 많은 수의 잠재적인 거짓 양성(false positive) 네오에피토프들을 초래할 것이라는 것이 이해되어야 한다. 특히, 환자의 종양 샘플이 동일한 환자의 매칭된 정상 즉, 비-종양) 샘플과 비교되는 경우, 그러한 부정확성이 제거될 수 있다.
본 발명의 주제의 하나의 특히 바람직한 양태에 있어서, DNA 분석은 종양 및 매칭된 정상 샘플 양쪽의 (통상적으로, 적어도 10x, 더 통상적으로는 적어도 20x의 커버리지(coverage) 깊이에서) 전체 게놈 시퀀싱 및/또는 엑솜 시퀀싱에 의해 수행된다. 대안적으로, DNA 데이터는 또한 이전의 시퀀스 결정으로부터 이미 수립된 시퀀스 기록(예컨대, SAM, BAM, FASTA, FASTQ, 또는 VCF 파일)로부터 제공될 수 있다. 그러므로, 데이터 세트들은 미처리 또는 처리된 데이터 세트들을 포함할 수 있으며, 예시적인 데이터 세트들은 BAMBAM 포맷(format), SAMBAM 포맷, FASTQ 포맷, 또는 FASTA 포맷을 갖는 것들을 포함한다. 그러나, 데이터 세트들은 BAMBAM 포맷 내에 또는 BAMBAM 상이한 대상들로서 제공되는 것이 특히 바람직하다(예컨대, US 제2012/0059670A1호 및 US 제2012/0066001A1호 참조). 또한, 데이터 세트들은 동일한 환자의 종양 및 매칭된 정상 샘플을 반영하여 환자 및 종양 특이적 정보를 얻는다는 것에 유의해야 한다. 따라서, 종양을 발생하지 않는 유전적 생식 세포 계열 변경(예컨대, 침묵 돌연변이, SNP 등)이 배제될 수 있다. 물론, 종양 샘플은 초기 종양, 치료 시작 시 종양, 재발성 종양 또는 전이 사이트 등으로부터 유래될 수 있다는 것이 인식되어야 한다. 대부분의 경우, 환자의 매칭된 정상 샘플은 혈액 또는 종양과 동일한 조직 유형으로부터의 비-질병 조직일 수 있다.
마찬가지로, 시퀀스 데이터의 컴퓨터 분석은 수많은 방식으로 수행될 수 있다. 그러나, 가장 바람직한 방법들에 있어서, 분석은 예를 들어, BAM 파일들 및 BAM 서버들을 사용하는 US 제2012/0059670A1호 및 US 제2012/0066001A1호에 개시된 바와 같이 종양 및 정상 샘플들의 위치 유도 동기 정렬에 의해 인실리코(in silico)로 수행된다. 그러한 분석은 거짓 양성 네오에피토프들을 유리하게 감소시키며 메모리 및 컴퓨터 리소스들에 대한 수요를 현저하게 감소시킨다.
컴퓨터로 향하는 임의의 언어는 서버, 인터페이스, 시스템, 데이터베이스, 에이전트(agents), 피어(peers), 엔진(engines), 제어기, 또는 개별적으로 또는 집단적으로 동작하는 다른 유형의 컴퓨팅 장치를 포함하는 컴퓨팅 장치의 임의의 적당한 조합을 포함하도록 판독되어야 함을 유의해야 한다. 컴퓨팅 장치가 유형의 비-일시적인 컴퓨터 판독 가능 저장 매체(예컨대, 하드 드라이브, 고체 상태 드라이브, RAM, 플래시, ROM 등) 상에 저장된 소프트웨어 명령을 실행하도록 구성된 프로세서를 포함하는 것을 이해해야 한다. 소프트웨어 명령은 바람직하게는 개시된 장치에 대하여 후술되는 바와 같은 역할, 책임 또는 다른 기능성을 제공하도록 컴퓨팅 장치를 구성한다. 또한, 개시된 기술들은 프로세서로 하여금 컴퓨터 기반 알고리즘, 프로세스, 방법 또는 다른 명령의 구현과 관련된 개시된 단계들을 실행하게 하는 소프트웨어 명령들을 저장하는 비-일시적인 컴퓨터 판독 가능 매체를 포함하는 컴퓨터 프로그램 제품으로서 구체화될 수 있다. 특히 바람직한 실시형태들에 있어서, 다양한 서버, 시스템, 데이터베이스 또는 인터페이스는 가능하면 HTTP, HTTPS, AES, 공개-개인 키 교환, 웹 서비스 AIPs, 알려진 금융 거래 프로토콜 또는 다른 전자 정보 교환 방법들에 기초한 표준화된 프로토콜 또는 알고리즘을 사용하여 데이터를 교환한다. 장치들간의 데이터 교환은 패킷-스위치형 네트워크, 인터넷, LAN, WAN, VPN 또는 다른 유형의 패킷 스위치형 네트워크; 회로 스위치형 네트워크; 셀 스위치형 네트워크; 또는 다른 유형의 네트워크 상에서 수행될 수 있다.
상이한 관점에서 볼 때, 5 내지 205의 아미노산의 소정의 길이를 가지며 적어도 하나의 변화된 아미노산을 포함하는 시퀀스들의 환자 및 암 특이적 인실리코 집합이 수립될 수 있다. 그러한 집합은 통상적으로 각각의 변화된 아미노산에 대하여, 변화된 아미노산의 위치가 동일하지 않은, 적어도 2 개, 적어도 3 개, 적어도 4 개, 적어도 5 개 또는 적어도 6 개의 요소들을 포함할 것이다. 그러한 집합은 이후 하기에 더 상세히 기재되는 바와 같이 (예컨대, 서브-세포성 위치, 전사/발현 수준, MHC-I 및/또는 II 친화도 등에 의해) 더 필터링하기 위해 사용될 수 있다.
예를 들어, 그리고 종양 및 매칭된 정상 시퀀스 데이터에 대한 동기 위치 유도 분석을 사용하여, 본 발명자들은 하기 암 유형들: BLCA, BRCA, CESC, COAD, DLBC, GBM, HNSC, KICH, KIRC, KIRP, LAML, LGG, LIHC, LUAD, LUSC, OV, PRAD, READ, SARC, SKCM, STAD, THCA, 및 UCEC를 포함하는, 다양한 암들 및 환자들로부터 다양한 암 네오에피토프들을 이전에 식별하였다. 모든 네오에피토프 데이터는 본원에 참조로 포함된, 국제 출원 PCT/US16/29244에서 찾을 수 있다.
암의 유형 및 단계에 따라, 체크포인트 억제제들이 환자에게 주어질 때, 식별된 네오에피토프들 모두가 반드시 환자에게 치료적으로 동등한 효과의 반응을 일으키는 것은 아니라는 점에 유의해야 한다. 실제로, 네오에피토들 중 일부만이 면역 반응을 생성한다는 것은 당 업계에 주지되어 있다. 치료적으로 바람직한 반응의 가능성을 증가시키기 위하여, 네오에피토프들은 더 필터링될 수 있다. 물론, 하류(downstream) 분석은 본원에 제시된 방법들의 목적을 위한 침묵 돌연변이를 고려할 필요가 없다는 것을 알아야 한다. 그러나, 바람직한 돌연변이 분석은 돌연변이 유형(예컨대, 결손, 삽입, 전환, 전이, 전좌)에 더하여 돌연변이의 영향(예컨대, 넌센스, 미스센스 등)의 정보를 제공할 것이며, 침묵 돌연변이들이 제거되는 제 1 내용 필터로서 그 자체로 작용할 수 있다. 예를 들어, 네오에피토프들은 상기 돌연변이가 프레임-쉬프트, 넌센스 및/또는 미스센스 돌연변이인 경우 더 고려되기 위하여 선택될 수 있다.
다른 필터링 접근법에 있어서, 네오에피토프들은 서브-세포 위치 매개변수들에 대한 상세한 분석의 대상이 될수도 있다. 예를 들어, 네오에피토프 시퀀스들은 상기 네오에피토프들이 막 관련 위치를 갖는 것으로 식별되면 (예컨대, 세포의 세포막 외부에 위치됨) 그리고/또는 인 실리코 구조 계산이 네오에피토프가 용매에 노출되거나 구조적으로 안정한 에피토프를 제시하는(예컨대, J Exp Med 2014) 등의 가능성이 있는 것을 확인하면 더 고려되기 위하여 선택될 수 있다.
네오에피토프들을 필터링하는 것에 대하여, 네오에피토프들이 오믹스 (또는 다른) 분석에 의해 네오에피토프가 실제로 발현되는 것으로 밝혀진 곳인 본원에서의 사용에 특히 적합하다고 일반적으로 고려된다. 네오에피토프의 발현 및 발현 수준의 식별은 당 업계에 알려진 모든 방식으로 수행될 수 있으며, 바람직한 방법들은 정량적 RNA (hnRNA 또는 mRNA) 분석 및/또는 정량적 프로테오믹스 분석을 포함한다. 가장 통상적으로, 네오에피토프들을 포함시키기 위한 임계값 수준은 대응하는 매칭된 정상 시퀀스의 발현 수준의 적어도 20%, 적어도 30%, 적어도 40%, 또는 적어도 50%의 발현 수준 일 것이며, 따라서 (네오)에피토프가 면역 시스템에 적어도 잠재적으로 '가시적'인 것을 보장한다. 결과적으로, 오믹스 분석은 또한 유전자 발현의 분석 (트랜스크립토믹 분석)을 포함하여 돌연변이가 있는 유전자의 발현 수준을 식별하는 것을 보조하는 것이 일반적으로 바람직하다.
당 업계에 알려진 수많은 트랜스크립토믹 분석 방법들이 존재하며, 알려진 모든 방법들이 본원에서 용도에 적합하다고 간주된다. 예를 들어, 바람직한 물질들은 mRNA 및 1 차 전사체(hnRNA)를 포함하고, RNA 시퀀스 정보는 종양 샘플 및 동일한 환자의 매칭된 정상(건강한) 샘플로부터 차례로 획득된 역전사된 폴리 A+-RNA로부터 획득될 수 있다. 마찬가지로, 폴리 A+-RNA가 통상적으로 트랜스크립톰(transcriptome)의 표현으로서 바람직한 반면에, 다른 형태의 RNA (hn-RNA, 비-폴리아데닐화된 RNA, siRNA, miRNA 등)도 또한 본원에서 용도에 적합하다고 간주됨에 유의해야 된다. 바람직한 방법들은 특히 RNAseq를 포함하여, 정량적 RNA(hnRNA 또는 mRNA) 분석 및/또는 정량적 프로테오믹스 분석을 포함한다. 다른 양태들에 있어서, 다양한 대안적인 방법들(예컨대, 고체상 혼성화 기반 방법들)도 적합하다고 간주됨에도 불구하고, RNA 정량화 및 시퀀싱은 RNA-seq, qPCR 및/또는 rtRCR 기반 방법들을 사용하여 수행된다. 다른 관점에서 볼 때, 트랜스크립토믹 분석은 암 및 환자 특이적 돌연변이를 갖는 유전자들을 식별하고 정량화하는데 (단독 또는 게노믹 분석과 조합하여) 적합할 수 있다.
유사하게는, 프로테오믹스 분석은 네오에피토프의 RNA의 실제 번역을 확인하기 위해 다양한 방식들로 수행될 수 있으며, 프로테오믹스 분석의 모든 알려진 방식들이 본원에서 고려된다. 그러나, 특히 바람직한 프로테오믹스 방법들은 항체 기반 방법들 및 질량 분광학적 방법들을 포함한다. 또한, 프로테오믹스 분석은 단백질 그 자체에 대한 정성적 또는 정량적 정보를 제공할 수 있을 뿐만 아니라, 단백질이 촉매 작용 또는 다른 기능적 활성을 갖는 단백질 활성 데이터를 포함할 수도 있다는 것에 유의하여야 한다. 프로테오믹스 분석을 수행하기 위한 하나의 예시적인 기법은 본원에 참조로 포함된 US 제7473532호에 기재되어 있다. 단백질 발현의 식별 및 심지어 정량화의 더 적합한 방법들은 다양한 질량 분광학 분석들(예컨대, 선택적 반응 모니터링(SRM), 다중 반응 모니터링(MRM), 및 연속 반응 모니터링 (CRM))을 포함한다. 결과적으로, 상기 방법들은 네오에피토프를 함유하는 단백질의 서브-세포 위치(예컨대, 멤브레인 위치), 발현 길이(예컨대, 동일한 환자의 매칭된 정상과 비교하여 과발현됨) 등에 의해 더 필터링될 수 있는 환자 및 종양 특이적 네오에피토프들을 제공할 것이다는 것을 알아야 한다.
필터링의 또 다른 양태에 있어서, 네오에피토프들은 인간-동일 시퀀스의 사용을 회피하기 위해 (예컨대, 환자의 또는 환자들의 집합의) 알려진 인간 시퀀스들을 포함하는 데이터베이스와 비교될 수 있다. 또한, 필터링은 또한 SNP들이 종양 및 매칭된 정상 시퀀스 모두에 존재하는 환자의 SNP들로 인한 네오에피토프 시퀀스들의 제거를 포함할 수 있다. 예를 들어, dbSNP(단일 뉴클레오타이드 다형성 데이터베이스(The Single Nucleotide Polymorphism Database))는 국립 인간 게놈 연구소(NHGRI: the National Human Genome Research Institute)와 공동으로 국립 생명 공학 정보 센터(NCBI: National Center for Biotechnology Information)가 개발 및 주최한 종 내 및 상이한 종간 유전 변이에 대한 무료 공개 아카이브이다. 비록 데이터베이스의 명칭이 다형성들만의 일 클래스(단일 뉴클레오타이드 다형성들(SNPs))의 집합을 의미함에도, 데이터베이스의 명칭이 사실상 상대적으로 넓은 범위의 분자 변이: (1) SNPs, (2) 짧은 결실 및 삽입 다형성들(indels/DIPs), (3) 미소부수체 마커들 또는 단연쇄반복들(STRs) (4) 다중 뉴클레오타이드 다형성들(MNPs), (5) 이형 접합 시퀀스들, 및 네임드 변이체들;을 포함한다. dbSNP는 명백하게 중성 다형성들, 알려진 표현형에 상응하는 다형성들 및 변화가 없는 영역들을 수용한다. 상기 기재된 바와 같이 그러한 데이터베이스 및 다른 필터링 옵션들을 사용하여, 환자 및 종양 특이적 네오에피토프들은 그러한 알려진 시퀀스들을 제거하기 위하여 필터링되어, 실질적으로 감소된 거짓 양성들을 갖는 복수의 네이에피토프 시퀀스들이 있는 시퀀스 세트를 산출할 수 있다.
그러나, 필터링에도 불구하고, 네오에피토프들이 환자의 MHC 복합체 상에 제시될 필요가 있기 때문에, 모든 네오에피토프들이 면역 시스템에 가시적인 것은 아님을 인식해야 한다. 실제로, 네오에피토프들의 일부분 만이 제시에 충분한 친화력을 가질 것이고, MHC 복합체의 큰 다양성은 모든 것이 아니라더라도, 대부분의 공통적인 네오에피토프들의 사용을 배제할 것이다. 결과적으로, 면역 요법의 맥락에서, 네오에피토프들은 상기 네오에피토프들이 MHC 복합체에 결합되고 MHC 복합체에 의해 제시되는 경우 더 효과적일 가능성이 있을 것이라는 것은 용이하게 명백하여야 한다. 다른 관점에서 볼 때, 체크포인트 억제제들을 이용한 치료 성공은 네오에피토프가 환자의 HLA 유형에 최소한의 친화도를 가져야만 하는 MHC 복합체를 통해 복수의 네오에피토프들이 제시될 것을 요구한다. 결과적으로, 효과적인 결합 및 제시는 네오에피토프의 시퀀스 및 환자의 특정한 HLA-유형의 조합된 기능이라는 것을 알아야 한다. 가장 통상적으로, HLA-유형 결정은 적어도 3 개의 MHC-I 서브 유형들(예컨대, HLA-A, HLA-B, HLA-C) 및 적어도 3 개의 MHC-II 서브 유형들(예컨대, HLA-DP, HLA-DQ, HLA-DR)을 포함하며, 바람직하게는 각각의 서브 유형이 적어도 2자리 깊이 또는 적어도 4자리 깊이로 결정된다. 그러나, 더 큰 깊이(예컨대, 6자리, 8 자리)도 본원에서 고려된다.
일단 환자의 HLA 유형이 (알려진 화학 또는 인실리코 결정을 사용하여) 확인되면, HLA 유형에 대한 구조적 해결책이 이후 (통상적으로 필터링된) 네오에피토프의 HLA 구조적 해결책에 대한 결합 친화도를 결정하기 위해 인실리코 도킹 모델(docking model)에서 이용되는 데이터베이스로부터 계산되거나 획득된다. 하기에서 더 논의되는 바와 같이, 결합 친화도들을 결정하기 위한 적합한 시스템들은 NetMHC 플랫폼들을 포함한다(예컨대, Nucleic Acids Res. 2008 년 7 월 1 일; 36(웹 서버 판): W509-W512 참조). 이전에 결정된 HLA 유형에 대한 높은 친화도(예컨대, 100 nM 미만, 75 nM 미만, 50 nM 미만)의 네오에피토프들은 이후 MHC-I/II 서브유형의 지식과 함께 요법 생성을 위해 선택된다.
HLA 결정은 당업계에 주지된 습식 화학에서의 다양한 방법들을 사용하여 수행될 수 있으며, 이 방법들 모두는 본원에서의 사용에 적합하다고 간주된다. 그러나, 특히 바람직한 방법들에 있어서, HLA 유형은 또한 하기에 더 상세히 도시되는 바와 같이 알려지고/지거나 일반적인 HLA 유형들의 대부분 또는 모두를 포함하는 기준 시퀀스를 사용하여 인실리코 오믹스 데이터로부터 예측될 수 있다.
예를 들어, 본 발명의 주제에 따른 하나의 바람직한 방법에 있어서, 염색체 6p21.3 (또는 HLA 대립 유전자가 발견되는/근처에 있는 임의의 다른 위치)에 매핑하는 비교적 많은 수의 환자 시퀀스 판독이 데이터베이스 또는 시퀀싱 머신에 의해 제공된다. 가장 통상적으로, 시퀀스 판독은 약 100 내지 300 의 염기의 길이를 가지며 판독 품질, 정렬 정보, 배향, 위치 등을 포함하는, 메타데이터를 포함할 것이다. 예를 들어, 적합한 포맷들은 SAM, BAM, FASTA, GAR, 등을 포함한다. 본 발명의 주제에 한정하는 것은 아니지만, 환자 시퀀스 판독은 적어도 5x, 보다 통상적으로는 적어도 10x, 더욱 통상적으로는 적어도 20x, 및 가장 통상적으로는 적어도 30x의 커버리지의 깊이를 제공하는 것이 일반적으로 바람직하다.
상기 환자 시퀀스 판독에 더하여, 고려된 방법들은 알려지고 그리고 개별적인 HLA 대립 유전자들의 복수의 시퀀스들을 포함하는 하나 이상의 기준 시퀀스들을 더 이용한다. 예를 들어, 통상적인 기준 시퀀스는 당해 HLA 유형의 다수의 HLA-대립 유전자들을 갖는 적어도 하나의 HLA-유형의 시퀀스 절편들을 포함하는 (대응하는 인간 또는 다른 포유류 대응물이 없이) 합성 시퀀스일 수 있다. 예를 들어, 적합한 기준 시퀀스들은 HLA-A의 적어도 50 개의 상이한 대립 유전자들에 대한 알려진 게놈 시퀀스들의 집합을 포함한다. 대안적으로 또는 추가적으로, 상기 기준 시퀀스는 또한 HLA-A의 적어도 50 개의 상이한 대립 유전자들에 대한 알려진 RNA 시퀀스들의 집합을 포함할 수 있다. 물론, 그리고 하기에 더 상세히 더 토의되는 바와 같이, 상기 기준 시퀀스는 HLA-A의 50 개의 대립 유전자들에 한정되지 않지만, HLA-유형 및 대립 유전자들의 숫자/조성에 대한 대안적인 조성을 가질 수 있다. 가장 통상적으로, 상기 기준 시퀀스는 컴퓨터 판독 가능 포맷으로 되어 데이터베이스 또는 다른 데이터 저장 장치로부터 제공될 것이다. 예를 들어, 적합한 기준 시퀀스 포맷들은 FASTA, FASTQ, EMBL, GCG, 또는 GenBank 포맷을 포함하며, 공개 데이터 저장소(예컨대, IMGT, 국제 ImMunoGeneTics 정보 시스템(the International ImMunoGeneTics information system), 또는 대립 유전자 빈도 네트 데이터베이스(The Allele Frequency Net Database), EUROSTAM, URL: www.allelefrequencies.net)의 데이터로부터 직접 획득 또는 구축될 수 있다. 대안적으로, 상기 기준 시퀀스는 또한 대립 유전자 빈도, 민족 대립 유전자 분포, 공통 또는 희귀 대립 유전자 유형 등과 같은 하나 이상의 소정의 기준에 기초한 개별적인 알려진 HLA- 대립 유전자로부터 구축될 수 있다.
상기 기준 시퀀스를 사용하여, 환자 시퀀스 판독은 이제 드 브루인(de Bruijn) 그래프를 통해 스레딩(threading)되어 최상의 적합성을 갖는 대립 유전자들을 식별할 수 있다. 이러한 맥락에서, 각 개별적인 캐리어는 각각의 HLA-유형에 대해 2 개의 대립 유전자들을 갖고, 이들 대립 유전자들은 매우 유사하거나 또는 어떤 경우에는 심지어 동일할 수도 있음에 유의해야 한다. 그러한 고도의 유사성은 전통적인 정렬 방식에 대한 중대한 문제점을 제기한다. 본 발명자는 이제 상기 드 브루인 그래프가 시퀀스 판독을 (통상적으로는 10 내지 20 의 염기 길이를 갖는) 상대적으로 작은 k-머들로 분해함으로써, 그리고 각각의 환자 시퀀스 리드가 상기 대립 유전자의 시퀀스와 매칭되는 당해 시퀀스 판독의 k-머들에 기초하여 상기 대립 유전자들 각각에 대한 투표(vote)("정량적 판독 지원")을 제공하는 가중 투표 과정을 구현함으로써 구축되는 접근법을 사용하여 HLA 대립 유전자들 및 심지어 매우 밀접하게 관련된 대립 유전자들이 분해될 수 있음을 발견하였다. 이후, 대립 유전자에 대한 누적적으로 가장 높은 투표는 가장 가능성이 높은 예측된 HLA 대립 유전자를 나타낸다. 또한, 상기 대립 유전자에 매칭인 각각의 단편이 또한 당해 대립 유전자에 대한 전체 커버리지 및 커버리지 깊이를 계산하는데 사용되는 것이 일반적으로 바람직하다.
특히, 다수의 탑(top) 히트들이 유사한 경우(예컨대, 이들 스코어의 상당 부분이 고도로 공유된 k-머들의 세트로부터 유래하는 경우), 스코어링은 필요에 따라 더 개선되거나 정제될 수 있다. 예를 들어, 스코어 정제는 현재의 탑 히트와 실질적으로 유사한 (예컨대, > 99%, 또는 다른 소정의 값) 대립 유전자들이 장래의 고려로부터 제거되는 가중치 부여 방법을 포함할 수 있다. 현재의 탑 히트에 의하여 사용되는 k-머들에 대한 카운트들(counts)은 이후 인자(예컨대, 0.5)에 의해 재-가중화되고, 각각의 HLA 대립 유전자에 대한 스코어들은 이들 가중 카운트들을 합산함으로써 재계산된다. 이 선택 과정은 새로운 탑 히트를 찾기 위해 반복된다. 상기 방법의 정확성은 때때로 DNA에 존재하는 2 개의 대립 유전자들 중 단지 하나일 수 있는 종양에 의해 발현된 대립 유전자들의 식별을 가능하게 하는 RNA 시퀀스 데이터를 사용하여 더욱 더 개선될 수 있다. 고려된 시스템들, 키트들 및 방법들의 더 유리한 양태들에 있어서, DNA 또는 RNA, 또는 DNA 및 RNA 양쪽 모두의 조합은 고도로 정확하고 종양 또는 혈액 DNA 또는 RNA로부터 유래될 수 있는 HLA 예측을 하기 위해 처리될 수 있다. 높은 정확도의 인실리코 HLA 타이핑(typing)를 위한 다른 양상, 적합한 방법 및 고려 사항은 본원에 참고로 포함된 국제 PCT/US16/48768에 기재되어 있다.
일단 환자 및 종양 특이적 네오에피토프들 및 HLA-유형이 식별되면, 추가 컴퓨터 분석은 네오에피토프들을 상기 HLA에 도킹시키고 예를 들어, NetMHC를 사용하여 최상의 바인더들(예컨대, 최저 KD, 예컨대, 500 nM 미만 또는 250 nM 미만, 또는 150 nM 미만, 또는 50 nM 미만)을 결정함으로써 수행될 수 있다. 그러한 접근법은 환자 및 종양에 진정한 특이적인 네오에피토프들 뿐만 아니라 세포 상에 제시될 가능성이 가장 높고 따라서 치료 효과가 있는 면역 반응을 도출할 가능성이 가장 높은 그러한 네오에피토프들을 식별할 것임을 이해해야 한다. 물론, 그렇게 식별된 HLA-매칭된 네오에피토프들은 더 논의되는 바와 같이 페이로드(payload)로서 에피토프를 인코딩하는 핵산을 바이러스에 포함시키기 전에 생체외에서 생화학적으로 유효화될 수 있음도 이해해야 한다.
물론, 환자의 HLA 유형을 환자 및 암 특이적 네오에피토프에 매칭시키는 것이 NetMHC 이외의 시스템들을 사용하여 수행될 수 있으며, 적합한 시스템들은 NetMHC II, NetMHCpan, IEDB 분석 자원 (URL immunepitope.org), RankPep, PREDEP, SVMHC, Epipredict, HLABinding 및 기타를 포함한다는 것을 알아야 한다(예컨대, J Immunol Methods 2011;374:1-4 참조). 최상의 친화도를 계산할 때, 변형된 아미노산의 위치가 이동된 (상기) 네에피토프 시퀀스들의 집합이 사용될 수 있음을 주목해야 한다. 대안적으로 또는 추가적으로, 네오에피토프들에 대한 변형은 N- 및/또는 C-말단 변형을 추가함으로써 발현된 네오에피토프의 환자 HLA-유형에 대한 결합을 더욱 증가시킴으로써 구현될 수 있다. 따라서, 네오에피토프들은 특정 HLA-유형에 보다 잘 매칭되도록 식별되거나 더 변형된 바와 같은 천연일 수 있다. 또한, 원하는 경우, 대응하는 야생형 서열들(즉, 아미노산 변화가 없는 네오에피토프 서열)의 결합은 높은 차등 친화도를 보장하기 위해 계산될 수 있다. 예를 들어, 네오에피토프 및 이의 대응하는 야생형 서열 사이의 MHC 결합에서 특히 바람직한 높은 차등 친화도는 적어도 2 배, 적어도 5 배, 적어도 10 배, 적어도 100 배, 적어도 500 배, 적어도 1000 배 등 이다).
일단 네오에피토프에 대한 원하는 수준의 필터링이 달성되면 (예컨대, 종양 대 정상 및/또는 발현 수준, 및/또는 서브-세포 위치, 및/또는 환자 특이적 HLA-매치, 및/도는 알려진 변이들), 상기 네오에피토프에 의해 영향을 받는 유전자 유형을 고려한 다른 필터링 단계가 고려된다. 예를 들어, 적합한 유전자 유형들은 암 유발 유전자들, 세포 분열 조절과 관련된 유전자들, 세포사멸과 관련된 유전자들 및 신호 전달과 관련된 유전자들을 포함한다. 그러나, 특히 바람직한 양태들에 있어서, (수용체 유전자들, 신호 전달 유전자들, 전사 조절 유전자들 등을 포함하는, 다양한 유전자 유형들에 따라 기능을 확장할 수 있는) 암 유발 유전자들이 특히 바람직하다. 다른 고려된 양태들에 있어서, 적합한 유전자 유형들은 알려진 패신저(passenger) 유전자들 및 대사에 관여하는 유전자들일 수 도 있다.
이미 전술한 바와 같이, 암 유발자에 의해 인코딩된 단백질에 대한 면역 반응이 종양 세포들에 대한 세포-기반 세포 독성 효과를 촉진시킬 뿐만 아니라 암 유발 네오에피토프를 갖는 암 유발 유전자에 의해 인코딩된 단백질과의 기능적 간섭을 용이하게 할 것임에 따라, 암 유발 유전자를 표적하는 것이 향상된 치료 효과를 제공하는 것으로 생각됨이 고려된다. 다른 관점에서 볼 때, 본원에서 고려되는 시스템들 및 방법들을 사용하는 치료 반응은 면역 치료 접근법 및 보다 전통적인 단백질 기능-기반 접근법 양쪽 모두에서 암 세포를 표적으로 할 것이다. 따라서, 필터링된 네오에피토프들이 더 분석되어 특정 유전자와의 관련성을 결정하고(예컨대, 필터링된 네오에피토프가 전사된 유전자의 엑손에 존재하거나 mRNA에 존재 한다) 그리고 이후 상기 유전자는 원하는 유전자 유형에 속하는 것으로 그리고, 특히 암 유발 유전자로서 식별됨이 고려된다. 예를 들어, 암 유발 유전자에 존재하는 네오에피토프들은 식별된 암 유발 네오에피토프들이다.
암 유발 유전자로서의 유전자의 식별 또는 다른 결정(예컨대, 예측)에 대하여, 다양한 방법들 및 예측 알고리즘들이 당 업계에 알려져 있으며, 본원에서의 용도에 적합하다고 간주된다. 예를 들어, 적합한 알고리즘들은 MutsigCV(Nature 2014, 505(7484):495-501), ActiveDriver(Mol Syst Biol 2013, 9:637), MuSiC(Genome Res 2012, 22(8):1589-1598 OncodriveClust(Bioinformatics 2013, 29(18):2238-2244), OncodriveFM(Nucleic Acids Res 2012,40 (21):e169), OncodriveFML(Genome Biol 2016, 17 (1) : 128), 종양 억제자 및 종양유전자들(Tumor Suppressor and Oncogenes)(TUSON)(Cell 2013, 155(4):948-962), 20/20+ (https://github.com/KarchinLab/2020plus), 및 oncodriveROLE(Bioinformatics (2014) 30(17):i549-i555)를 포함한다.
암 유발 유전자들은 또한 확률론적 경로 분석 도구들을 사용하여 식별될 수 있으며, 특히 바람직한 도구들은 PARADIGM(Bioinformatics, 2010, vol. 26(i237-i245) 페이지)을 포함한다. PARADIGM은 관찰들의 데이터세트 D로부터 추론을 이끌의 유전 경로 다이어그램 φ의 문맥에서 유전자의 활성을 평가한다. 상기 경로 다이아그램 φ은 숨겨진 유전자 발현 변수들, 이들의 대응하는 관찰 데이터 및 임의의 규제 입력들 및 출력들 간의 연결을 기재한다. 변수들은 상호 연결된 변수들을 제약하는 확률 의존성을 인코딩하는 인자들에 의해 서로 연결된다. PARADIGM은 φ로부터 유도된 인자 그래프에 대한 신념-전파 알고리즘을 사용하여 유전자 발현, 카피 수 및 유전 상호 작용을 조합함으로써 각각의 유전자, 복합체, 단백질 패밀리 및 세포 과정에 대한 유추된 경로 수준(IPL)들을 계산한다. 양성 IPL들은 유전자가 종양에서 얼마나 더 많이 활성화되는지를 (그리고 그 자체로 암 유발 유전자일 수 있음을) 반영하고, 음성 IPL들은 유전자가 종양에서 정상에 비해 얼마나 불활성인지를 반영한다. 그러한 방법들은 유전자 활성의 관찰된 하류 결과들을 다른 곳에서 기재된 바와 같이 그의 규제 입력으로부터 예측되는 것과 비교하는 직관에 기반한 시프트(Shift)(PARADIGM-SHIFT) 스코어를 계산함으로써 더욱 정제될 수 있다 (Bioinformatics 2012) 28 (18):i640-i646).
대안적으로 또는 추가적으로, 암 유발 유전자들의 식별은 알려진 암 유발 유전자들에 대한 다양한 원천들 및 이들의 특이적인 암들과의 관련성을 이용할 수 있다. 예를 들어, Intogen Catalog of driver mutations (2016.5; URL: www.intogen.org)에는 28 개 종양 유형들의 범(pan)-암 코호트의 6,792 개 엑솜들에 걸쳐 Cancer Genome Interpreter에 의해 수행된 유발 분석의 결과를 포함한다. 유효한 발암 돌연변이들은 최첨단 임상 및 실험 데이터에 따라 식별되는 반면에 미지의 중요성을 갖는 돌연변이들의 영향은 OncodriveMUT 방법에 의해 예측된다. 유사하게는, Intogen Cancer Drivers Database(2014.12; URL: www.intogen.org)는 Rubio-Perez 및 Tamborero 등에서 유발자들로 식별된 유전자들에 대한 정보를 포함한다(Cancer Cell 27 (2015), pp. 382-396).
또한, 하기 표 1은 가장 흔한 암 유발 유전자들에 대한 예시적인 선택 및 특정 암들에서의 이들의 역할을 제공한다.
유전자 기호 종양 유형 유전자 기호 종양 유형
AURKA COREAD FBXW7 BLCA
BAP1 BRCA FBXW7 HNSC
BAP1 BRCA FBXW7 LUSC
BAP1 LGG FGFR1 HNSC
BRCA1 BRCA FGFR2 STAD
BRCA2 BRCA FGFR3 BLCA
CCND2 COREAD FGFR3 BLCA
CCND2 GBM FGFR3 GBM
CCND3 COREAD FGFR3 UCEC
CCNE1 BLCA IGF1R BRCA
CCNE1 BRCA IGF1R OV
CCNE1 OV MDM2 BLCA
CCNE1 UCEC MDM2 GBM
CDK4 GBM MDM2 HNSC
CDK4 LGG MDM2 LUAD
CDK4 LUAD MDM2 CM
CDK4 CM MDM4 GBM
CDK4 CM MDM4 LGG
CDK6 GBM MET GBM
CDK6 LUSC MET GBM
CDKN1B BRCA MET RCCC
CDKN1B BRCA MET LUAD
CDKN1B PRAD MET STAD
CDKN1B PRAD NF1 BRCA
CDKN2A BLCA NF1 AML
CDKN2A BLCA NF1 AML
CDKN2A BRCA NF1 OV
CDKN2A GBM NF1 OV
CDKN2A HNSC NF1 UCEC
CDKN2A HNSC NF2 CM
CDKN2A RCCC NF2 UCEC
CDKN2A LGG PTEN BRCA
CDKN2A LUAD PTEN BRCA
CDKN2A LUAD PTEN COREAD
CDKN2A LUSC PTEN COREAD
CDKN2A LUSC PTEN GBM
CDKN2A CM PTEN GBM
CDKN2A CM PTEN HNSC
CDKN2B BLCA PTEN RCCC
CDKN2B BRCA PTEN LUSC
CDKN2B GBM PTEN LUSC
CDKN2B RCCC PTEN OV
EGFR BLCA PTEN PRAD
EGFR BRCA PTEN PRAD
EGFR GBM PTEN CM
EGFR HNSC PTEN CM
EGFR HNSC PTEN STAD
EGFR LGG PTEN THCA
EGFR LGG PTEN UCEC
EGFR LUAD PTEN UCEC
EGFR LUAD SMARCA4 BRCA
EGFR LUSC SMARCB1 PRAD
EGFR LUSC STK11 BRCA
ERBB2 BLCA STK11 HNSC
ERBB2 BRCA STK11 LUSC
ERBB2 BRCA STK11 LUSC
ERBB2 COREAD STK11 OV
ERBB2 UCEC TP53 BRCA
TP53 AML
TP53 PRAD
TP53 PRAD
TP53 THCA
본원에 제시된 교지와 관련하여 사용하기에 적합하고 특정 암들에 대한 다른 예시적인 암 유발 유전자들은 하기 사항을 포함한다:
ALL(급성 림프성 백혈병) 유발 유전자들은 CNOT1, CNOT3, FBXW7, FLT3, KRAS, NF1, NRAS, PTEN, RB1, RPL5, SH2B3, 및 TP53을 포함한다.
AML(급성 골수성 백혈병) 유발 유전자들은 ASXL1, BCOR, CBFB, CEBPA, CHD4, CUL1, DIS3, DNMT3A, EGFR, EZH2, FLT3, IDH1, IDH2, KDM6A, KIT, KRAS, MED12, NF1, NPM1, NRAS, PHF6, PRPF8, PTPN11, RAD21, RUNX1, STAG2, SUZ12, TET2, THRAP3, TP53, U2AF1, 및 WT1을 포함한다.
BLCA(방광암) 유발 유전자들은 ACSL6, ACTB, ACTG1, ADAM10, AFF4, AHNAK, AHR, ANK3, APC, AQR, ARFGAP1, ARFGEF2, ARHGAP26, ARHGAP35, ARID1A, ARID1B, ATR, BAP1, BCLAF1, BCOR, BLM, BMPR2, BRAF, BRCA1, CAD, CARM1, CASP8, CAST, CAT, CCAR1, CCT5, CDH1, CDK12, CDKN1A, CDKN1B, CDKN2A, CEP290, CHD3, CHD9, CHEK2, CIC, CLASP2, CLSPN, CLTC, CNOT1, COPS2, CSDE1, CTCF, CTNNB1, CUL2, DDX3X, DDX5, DICER1, DIS3, DLG1, EEF1B2, EIF2AK3, EIF4A2, EIF4G1, ELF1, ELF3, EP300, ERBB2IP, ERBB3, ERCC2, FAM123B, FAT1, FBXW7, FGFR2, FGFR3, FKBP5, FLT3, FN1, FUS, G3BP2, GNAS, GOLGA5, GPS2, HLA-A, HNRPDL, HRAS, HSP90AA1, HSP90AB1, HSPA8, IDH1, IREB2, IRS2, KDM6A, KEAP1, KLF6, LIMA1, MAP3K1, MAP3K4, MAP4K3, MECOM, MED12, MED24, MET, MGA, MLH1, MLL2, MLL3, MTOR, MYH10, MYH11, NAP1L1, NCF2, NCOR2, NDRG1, NFE2L2, NOTCH1, NRAS, NUP107, NUP98, PCDH18, PCSK6, PHF6, PIK3CB, PIP5K1A, PTEN, PTPRU, RAD21, RASA1, RB1, RBM5, RHOA, RPSAP58, SETD2, SETDB1, SF3A3, SF3B1, SFPQ, SMAD4, SMC1A, SOS1, SOS2, STAG1, STAG2, STK4, SUZ12, TAF1, TAOK1, TAOK2, TBL1XR1, TBX3, TGFBR2, THRAP3, TNPO1, TP53, TP53BP1, TRIO, TSC1, TXNIP, ZFP36L2, ZMYM2, 및 ZNF814를 포함한다.
BRCA(유방암) 유발 유전자들은 ACO1, ACSL6, ACTB, ACVR1B, AFF4, AHNAK, AKAP9, AKT1, ANK3, APC, AQR, ARFGEF2, ARHGAP35, ARID1A, ARID2, ARID4B, ARNTL, ASH1L, ASPM, ATF1, ATIC, ATM, ATR, BAP1, BCOR, BMPR2, BNC2, BPTF, BRAF, BRCA1, BRCA2, CAD, CARM1, CASP8, CAST, CBFB, CCAR1, CCT5, CDH1, CDK12, CDKN1B, CEP290, CHD4, CHD9, CHEK2, CIC, CLASP2, CLSPN, CLTC, CNOT3, CSDE1, CSNK1G3, CTCF, CUL1, DDX3X, DDX5, DHX15, DIS3, EGFR, EIF1AX, EIF2C3, EIF4A2, EIF4G1, ELF1, EP300, ERBB2, ERBB2IP, ERCC2, FBXW7, FLT3, FMR1, FN1, FOXA1, FOXP1, FUBP1, FUS, G3BP2, GATA3, GOLGA5, GPS2, HCFC1, HLA-A, HLF, HNRPDL, HSPA8, IDH1, ITSN1, KALRN, KDM5C, KEAP1, KLF4, KRAS, LCP1, LPHN2, LRP6, MACF1, MAP2K4, MAP3K1, MAX, MECOM, MED12, MED23, MED24, MGA, MKL1, MLH1, MLL, MLL2, MLL3, MLLT4, MSR1, MTOR, MUC20, MYB, MYH11, MYH14, MYH9, NCOR1, NDRG1, NF1, NF2, NOTCH1, NOTCH2, NR4A2, NRAS, NSD1, NUP107, NUP98, PAX5, PBRM1, PCDH18, PCSK6, PHF6, PIK3CA, PIK3CB, PIK3R1, PIK3R3, PIP5K1A, POLR2B, PRKAR1A, PRKCZ, PTEN, PTGS1, PTPRU, RB1, RBBP7, RBM5, RFC4, RHEB, RPGR, RPL5, RUNX1, SEC24D, SETD2, SETDB1, SF3B1, SFPQ, SMAD4, SMARCA4, SOS1, SOS2, SPTAN1, SRGAP1, STAG1, STAG2, STIP1, STK11, STK4, SUZ12, SVEP1, TAF1, TBL1XR1, TBX3, TCF12, TCF7L2, TFDP1, TGFBR2, THRAP3, TNPO1, TOM1, TP53, TRIO, ZFP36L1, 및 ZFP36L2를 포함한다.
CLL(만성 림프성 백혈병) 유발 유전자들은 ACTG1, ANK3, ARID1A, ATM, BCOR, CLSPN, CNOT3, CREBBP, DDX3X, EGFR, EP300, ERBB2IP, FBXW7, FGFR2, FGFR3, HNRPDL, IDH1, IRF2, KDM6A, KRAS, MED12, MLL, MLL2, MLL3, MTOR, MYD88, NCOR1, NF1, NOTCH1, NRAS, PBRM1, PLCB1, RB1, SETDB1, SF3B1, STAG2, TP53, 및 XPO1을 포함한다.
CM(피부 흑색종) 유발 유전자들은 ACO1, ACSL3, ACTG1, ACTG2, ACVR1B, ACVR2A, AFF4, AHCTF1, AHNAK, AHR, AKT1, ANK3, AQR, ARFGAP1, ARFGEF2, ARHGAP26, ARHGAP29, ARHGAP35, ARHGEF2, ARHGEF6, ARID1B, ARID2, ASPM, ATF1, ATIC, ATP6AP2, ATRX, B2M, BAP1, BAZ2B, BCLAF1, BLM, BMPR2, BNC2, BPTF, BRAF, BRCA1, BRWD1, C15orf55, CASP1, CASP8, CAST, CAT, CBFB, CCAR1, CCT5, CDC73, CDH1, CDK4, CDKN1A, CDKN2A, CEP290, CHD1L, CHD3, CHD6, CHD9, CHEK2, CIC, CLASP2, CLCC1, CLOCK, CLSPN, CLTC, CNOT3, COL1A1, COPS2, CRTC3, CSDA, CSNK1G3, CTCF, CTNNB1, CUL1, CUL2, CUL3, CYLD, CYTH4, DDX3X, DDX5, DHX15, DICER1, DIS3, DLG1, DNMT3A, EIF1AX, EIF2AK3, EIF4A2, EIF4G1, EIF4G3, ELF1, ELF3, EP300, ERBB2IP, ERBB3, EZH2, FAF1, FANCI, FAS, FBXW7, FCRL4, FGFR3, FMR1, FN1, FOXP1, FUBP1, FXR1, G3BP2, GATA3, GNG2, GOLGA5, HDAC3, HDAC9, HLA-A, HLA-B, HLF, HNRPDL, HRAS, HSPA8, IDH1, IDH2, IREB2, IRF7, ITGA9, ITSN1, JMY, KDM5C, KDM6A, KLF4, KLF6, KRAS, LCP1, LDHA, LNPEP, LRP6, LRPPRC, MAGI2, MAP2K1, MAP2K4, MAP3K1, MAP3K11, MAP3K4, MAP4K3, MAT2A, MCM3, MCM8, MECOM, MED17, MED24, MEN1, MFNG, MKL1, MLH1, MLL3, MSR1, NCF2, NCKAP1, NCOR1, NDRG1, NF1, NF2, NFATC4, NFE2L2, NOTCH1, NPM1, NR2F2, NR4A2, NRAS, NTN4, NUP107, NUP98, PAX5, PCDH18, PER1, PHF6, PIK3C2B, PIK3CA, PIK3CB, PIK3R1, PIK3R3, PIP5K1A, PLCB1, POLR2B, POM121, PPP2R1A, PPP2R5A, PPP2R5C, PPP6C, PRRX1, PSMA6, PTEN, PTGS1, RAC1, RAD21, RAD23B, RASA1, RASA2, RB1, RBBP7, RGS3, RHEB, RHOA, RHOT1, RPL22, RPL5, RTN4, RUNX1, SEC24D, SETDB1, SF3A3, SF3B1, SFPQ, SMAD2, SMAD4, SMC1A, SMURF2, SOS1, SOS2, SOX9, SPOP, STAG1, STAG2, STK11, SUZ12, SVEP1, SYK, SYNCRIP, TAOK1, TBX3, TCF12, TCF4, TFDP1, TFDP2, TGFBR2, TJP2, TNPO1, TP53, TRERF1, USP6, VHL, VIM, WASF3, WIPF1, WNK1, WT1, XRN1, YBX1, ZC3H11A, ZFP36L2, ZMYM2, ZNF638, 및 ZNF814를 포함한다.
COREAD(결장직장 선암종) 유발 유전자들은 ACO1, ACSL6, ACVR1B, AKAP9, APC, ARID1A, ARNTL, ASPM, ATM, ATRX, AXIN2, BCOR, BMPR2, BPTF, BRAF, BRWD1, CAD, CASP8, CDC73, CDK12, CDKN1B, CEP290, CHD4, CHD9, CLSPN, CNOT1, CREBBP, CTCF, CTNNB1, CUL1, DIS3, DNMT3A, EGFR, ELF3, FAM123B, FBXW7, FN1, FOXP1, FXR1, GATA3, GNAS, GOLGA5, IDH2, ITSN1, KRAS, LPHN2, MAP2K1, MAP3K4, MECOM, MED12, MED24, MGA, MLL2, MSR1, MYH10, NF1, NR2F2, NR4A2, NRAS, NTN4, NUP107, NUP98, PCBP1, PIK3CA, PIK3R1, POLR2B, PPP2R1A, PTEN, PTGS1, PTPN11, PTPRU, RAD21, RBM10, RTN4, RUNX1, SF3B1, SMAD2, SMAD4, SMC1A, SOS2, SOX9, SRGAP3, STAG2, SYNCRIP, TAF1, TBX3, TCF12, TCF7L2, TGFBR2, TP53, TP53BP1, TRIO, WIPF1, WT1, 및 ZC3H11A를 포함한다.
DLBC(광범위 큰 B 세포 림프종) 유발 유전자들은 ACTB, AKAP9, ARID1A, CHD4, CREBBP, FBXO11, MLL2, MYC, SMARCA4, 및 TP53을 포함한다.
ESCA(식도암) 유발 유전자들은 ACO1, ACSL6, ACVR1B, ADAM10, AFF4, AHR, ARFGEF2, ARHGAP26, ARHGAP35, ARID1A, ARID2, ARNTL, ASPM, ATM, ATR, ATRX, BAP1, BCLAF1, BLM, BPTF, CAPN7, CDH1, CDKN1B, CDKN2A, CEP290, CHD4, CIC, CLTC, CNOT1, CNOT3, CREBBP, CSNK1G3, CTNNB1, CUL3, DDX5, DLG1, EEF1A1, EGFR, EIF2AK3, EIF4G1, ELF3, EP300, ERBB2IP, ERCC2, EZH2, FBXW7, FGFR2, FLT3, HGF, HLA-B, IREB2, IRS2, ITSN1, KALRN, KDM6A, LRP6, MACF1, MAP2K4, MAP3K4, MED12, MET, MGA, MLL2, MSR1, MTOR, NCKAP1, NFE2L2, NSD1, NUP107, NUP98, PAX5, PIK3CA, PTPRU, RAD21, RBM10, RHOA, RTN4, SETD2, SF3B1, SHMT1, SMAD4, SMARCA4, SMC1A, SOX9, SPTAN1, SRGAP3, SYNCRIP, TAF1, TAOK1, TAOK2, TBX3, TP53, TP53BP1, TRIO, WT1, ZC3H11A, ZFP36L2, 및 ZNF814를 포함한다.
GBM(다형성 아교모 세포종) 유발 유전자들은 ACAD8, ADAM10, AKAP9, ANK3, AQR, ARFGEF2, ARHGAP35, ARHGEF6, ARID1A, ARID2, ATRX, BAP1, BPTF, BRAF, BRCA1, CAD, CARM1, CASP1, CHD8, CLOCK, CLTC, CNOT1, CSDE1, CUL1, DIS3, EGFR, EZH2, FAT1, FN1, HDAC9, HSP90AB1, IDH1, KALRN, KDM5C, KDM6A, KDR, KRAS, LRP6, MAP3K4, MAP4K3, MAX, MEN1, MET, MLL, NCF2, NCOR1, NEDD4L, NF1, NFATC4, NR2F2, NUP107, PAX5, PBRM1, PCDH18, PIK3CA, PIK3CB, PIK3R1, PRPF8, PTEN, PTPN11, RB1, RPL5, RPSAP58, SF3B1, SIN3A, SOS1, SOX9, SPTAN1, STAG2, TGFBR2, TJP1, TP53, TRIO, WT1, 및 ZNF814를 포함한다.
HC(간암종) 유발 유전자들은 ACVR2A, APC, ARHGAP35, ARID1A, ARID1B, ARID2, ASH1L, ATRX, BLM, BPTF, CEP290, CNOT1, CTNNB1, FLT3, IDH1, ITSN1, MACF1, MLL3, MYH10, NF1, NFATC4, NFE2L2, PBRM1, PIK3CA, PTEN, RTN4, SETDB1, SF3B1, TBL1XR1, 및 TP53을 포함한다.
HNSC(두부 및 경부 편평 세포 암종) 유발 유전자들은 ACAD8, ACTB, ACTG1, ACVR2A, ADAM10, AHR, AKT1, APAF1, APC, ARFGAP1, ARFGEF2, ARHGAP35, ARHGEF6, ARID1B, ARID2, ATIC, ATM, ATP6AP2, ATR, ATRX, B2M, BAP1, BAZ2B, BCL11A, BMPR2, BNC2, BPTF, BRAF, BRCA1, BRWD1, CAD, CARM1, CASP1, CASP8, CAT, CCAR1, CCT5, CDH1, CDK12, CDKN1B, CDKN2A, CEP290, CHD9, CIITA, CLASP2, CLSPN, CNOT4, COL1A1, CSNK2A1, CTCF, CTNNB1, CUL1, CUL3, CYLD, DDX3X, DICER1, DNMT3A, EEF1A1, EGFR, EIF2C3, ELF1, ELF4, EP300, EPHA2, EZH2, FAT1, FAT2, FBXW7, FGFR2, FLT3, FMR1, FN1, FOXP1, FUBP1, G3BP2, GNAS, GPSM2, HLA-A, HLA-B, HNRPDL, HRAS, HSPA8, IREB2, IRF6, IRS2, KALRN, KDM5C, KDM6A, KLF6, LAMA2, LPHN2, MACF1, MAP3K1, MAP4K3, MED17, MEF2C, MEN1, MGA, MGMT, MLL, MLL2, MSR1, MTOR, MUC20, MYH9, NCF2, NCKAP1, NCOR1, NEDD4L, NF1, NFATC4, NFE2L2, NOTCH1, NOTCH2, NR4A2, NSD1, NUP107, PABPC3, PAX5, PBRM1, PCDH18, PIK3CA, PIK3R1, PIK3R3, POLR2B, PPP2R1A, PPP2R5C, PRPF8, PRRX1, PSIP1, RAC1, RAD21, RASA1, RASGRP1, RHOA, RPL22, RPSAP58, RUNX1, SEC24D, SF3B1, SIN3A, SMAD2, SMARCA4, SMC1A, SOX9, SPOP, SPTAN1, STAG2, STIP1, TAOK1, TAOK2, TBL1XR1, TBX3, TCF12, TCF4, TFDP1, TFDP2, TGFBR2, THRAP3, TJP2, TP53, TRIO, TRIP10, U2AF1, WHSC1, ZC3H11A, 및 ZNF750을 포함한다.
LGG(저등급교종) 유발 유전자들은 ACO1, ARFGEF2, ARHGAP26, ARHGEF6, ARID1A, ARID1B, ARID2, ATRX, CAD, CDK12, CHEK2, CIC, DDX3X, EEF1B2, EGFR, EIF1AX, FAM123B, FAT1, FUBP1, HGF, IDH1, IDH2, KAT6B, MAX, MECOM, MET, MLL, MLL2, MTOR, NCOR1, NEDD4L, NF1, NF2, NOTCH1, PIK3CA, PIK3R1, PTEN, PTPN11, RASA1, RB1, SETD2, SMARCA4, TAF1, TCF12, TJP1, TP53, TRIO, ZMYM2, ZNF292, 및 ZNF814를 포함한다.
LUAD(폐 선암종) 유발 유전자들은 ACAD8, ACO1, ACTG1, ACTG2, ACVR1B, ACVR2A, ADAM10, AFF4, AKT1, ARFGAP1, ARHGAP26, ARID1A, ATIC, ATP6AP2, BAP1, BAZ2B, BLM, BMPR2, BRAF, BRWD1, CAPN7, CARM1, CASP8, CAT, CCAR1, CCT5, CDH1, CDK12, CDKN1B, CDKN2A, CHD1L, CHEK2, CIC, CLASP2, CLSPN, CNOT3, CNOT4, COL1A1, COPS2, CREBBP, CRNKL1, CSNK1G3, CTCF, CTNNB1, CUL2, CUL3, CYLD, DDX3X, DDX5, DHX15, DNMT3A, EEF1B2, EFTUD2, EGFR, EIF2AK3, EIF2C3, EIF4A2, EIF4G1, EP300, EPHA4, EPHB2, ERBB2IP, ERCC2, EZH2, FAT1, FBXW7, FGFR2, FMR1, FN1, FUBP1, FXR1, G3BP1, G3BP2, GNAI1, GNG2, GPSM2, HLA-A, HSP90AA1, HSP90AB1, HSPA8, IDH1, IREB2, IRS2, KDM6A, KDR, KEAP1, KLF6, KRAS, LCP1, LDHA, LPHN2, MAP2K1, MAP2K4, MAP3K1, MAP3K4, MAP4K1, MAP4K3, MAX, MED17, MED24, MEN1, MET, MGA, MKL1, MLH1, MLL, MLL3, MMP2, MSR1, MYB, MYH10, NCK1, NCKAP1, NEDD4L, NF1, NF2, NFE2L2, NPM1, NRAS, NTN4, NTRK2, NUP107, NUP98, PAX5, PBRM1, PCSK6, PHF6, PIK3R1, PIK3R3, PIP5K1A, POLR2B, PPP2R1A, PPP2R5A, PRPF8, PRRX1, PSMA6, PSMD11, PTEN, PTGS1, PTPN11, RAD23B, RASA1, RB1, RBM10, RBM5, RHEB, RTN4, SETD2, SETDB1, SF3B1, SFPQ, SHMT1, SIN3A, SMAD2, SMAD4, SMARCA4, SMC1A, SOX9, SPRR3, STAG1, STIP1, STK11, STK4, SVEP1, SYNCRIP, TAOK1, TAOK2, TBL1XR1, TCF12, TCF4, TCF7L2, TFDP1, TGFBR2, TNPO1, TOM1, TP53, TP53BP1, U2AF1, UPF3B, ZMYM2, 및 ZNF814를 포함한다.
LUSC(폐 소세포 암종) 유발 유전자들은 ABL2, ACAD8, ACO1, ACSL6, ACTG2, ACVR1B, ADAM10, AFF4, AQR, ARFGEF2, ARHGEF6, ARID1A, ARID1B, ARNTL, B2M, BLM, CASP8, CAST, CCAR1, CDC73, CDH1, CDKN1A, CDKN2A, CHD1L, CHD3, CHEK2, CIC, CLASP2, CLOCK, CNOT3, CNOT4, COPS2, CSDA, CSDE1, CTNNB1, CTTN, CUL1, DDX3X, DHX15, DHX9, DLG1, EEF1A1, EGFR, EIF2C3, EIF4A2, ELF1, ERBB2IP, EZH2, FGFR2, FGFR3, FMR1, FN1, FOXP1, FUBP1, FXR1, G3BP2, GATA3, GNAI1, GOLGA5, GPSM2, HLA-A, HLF, HRAS, HSP90AA1, HSP90AB1, HSPA8, IDH1, IREB2, IRS2, ITSN1, KDM5C, KEAP1, KRAS, MAP2K1, MAP3K1, MAP3K4, MED17, MED24, MEN1, MET, MKL1, MLH1, MLL, MLL2, MUC20, MYB, NCF2, NCK1, NDRG1, NF1, NFATC4, NFE2L2, NOTCH1, NR4A2, NTN4, NUP107, NUP98, PAX5, PCDH18, PCSK6, PHF6, PIK3CA, PIK3CB, PIK3R3, PIP5K1A, PPP2R5C, PRPF8, PTEN, PTPN11, RAD21, RASA1, RB1, RBM10, RGS3, RPL5, RTN4, SEC24D, SETD2, SETDB1, SF3A3, SF3B1, SIN3A, SMAD2, SMAD4, SPTAN1, SRGAP3, STAG1, STK11, STK4, SUZ12, SYNCRIP, TAOK2, TBL1XR1, TBX3, TFDP1, TFDP2, TGFBR2, THRAP3, TJP2, TNPO1, TOM1, TP53, UPF3B, WIPF1, WT1, ZC3H11A, 및 ZFP36L2를 포함한다.
MB(속질모세포종) 유발 유전자들은 ARID1A, ARID1B, ARID2, BCLAF1, BCOR, CCAR1, CREBBP, CTNNB1, DDX3X, FBXW7, FMR1, KDM6A, MGA, MLL2, MLL3, NF1, PIK3CA, PRKAR1A, PTCH1, SMARCA4, SMO, TAF1, TCF4, 및 TP53을 포함한다.
MM(다발골수종) 유발 유전자들은 APC, ARHGAP35, ARID2, BRAF, CASP8, CEP290, CHD9, DDX3X, FAM46C, FXR1, KRAS, MECOM, NF1, NRAS, NSD1, PIK3CA, SF3B1, 및 TP53을 포함한다.
NB(신경모세포종) 유발 유전자들은 AHR, ALK, ANK3, ARID1A, ATM, ATRX, CEP290, COL1A1, CREBBP, EIF2C3, KLF4, LRP6, MACF1, MECOM, MET, MLL2, MYCN, NF1, NOTCH1, NRAS, PBRM1, PIK3CA, PIK3CB, PTPN11, STAG1, TAF1, 및 TRIO를 포함한다.
NSCLC(비소세포 폐암) 유발 유전자들은 AKAP9, APC, HGF, KALRN, KEAP1, KRAS, MLL3, RB1, SEC24D, SMARCA4, 및 TP53을 포함한다.
OV(난소암) 유발 유전자들은 ACO1, ACTG1, AFF4, ARID1A, ASH1L, ASPM, ATF1, ATIC, ATR, ATRX, BAP1, BAZ2B, BMPR2, BRAF, BRCA1, BRCA2, CASP1, CCAR1, CCT5, CDK12, CHD1L, CHD4, CLASP2, CLSPN, CSDE1, CTNNB1, CUL2, DDX5, DLG1, DNMT3A, EIF2AK3, EIF4A2, ERBB2IP, F8, FAM123B, FBXW7, FLT3, FMR1, GNAS, GOLGA5, GPS2, HDAC3, HGF, HSP90AA1, ITSN1, KRAS, LPHN2, MAP3K4, MAP4K3, MECOM, MED12, MKL1, MLH1, MLL2, MYH10, NCKAP1, NDRG1, NF1, NOTCH1, NR4A2, NRAS, NSD1, PIK3CA, POLR2B, PTEN, RB1, RHOA, SETD2, SETDB1, SIN3A, SOS1, STAG1, STAG2, TBX3, TCF7L2, TFDP1, TGFBR2, TJP1, TOM1, TP53, TP53BP1, TRIO, 및 YBX1를 포함한다.
PAAD(췌장 선암종) 유발 유전자들은 ACVR1B, AHNAK, ANK3, ARHGAP35, ARID1A, ARID2, ATM, CREBBP, EP300, EPC1, KRAS, MAP2K4, MLL3, PBRM1, PCDH18, PCSK6, SF3B1, SMAD4, SMARCA4, TGFBR2, 및 TP53을 포함한다.
PRAD(전립선 선암종) 유발 유전자들은 ADCY1, AHNAK, AKAP9, APC, AQR, ARFGAP3, ARID1B, ATIC, ATM, ATRX, BCLAF1, BCOR, BNC2, BPTF, BRAF, CASP1, CAT, CDC27, CDH1, CDKN1B, CEP290, CHD1L, CHD3, CHD4, CHEK2, CNOT1, CNOT3, CNTNAP1, CTNNB1, CUL2, CUL3, EEF1B2, EGFR, EIF2AK3, EIF4G1, EP300, ERCC2, FAT1, FGFR2, FIP1L1, FN1, FRG1, G3BP2, GNAS, HGF, HNF1A, HRAS, HSP90AB1, HSPA8, IDH1, IRS2, KDM6A, KEAP1, MECOM, MED12, MLL2, MYH10, NAP1L1, NKX3-1, NOTCH1, NOTCH2, NUP98, PCDH18, PIK3CB, PLXNA1, PRPF8, PTEN, RPSAP58, SCAI, SETDB1, SMAD4, SMARCA1, SMARCB1, SPOP, SVEP1, TAOK2, TBL1XR1, TBX3, THRAP3, TJP1, TJP2, TP53, TP53BP1, TRIO, WHSC1L1, WNT5A, ZFHX3, 및 ZNF814를 포함한다.
RCCC(신장 투명 세포 암종) 유발 유전자들은 ACO1, ACTG1, AHR, AKT1, ARHGAP26, ARID1A, ARID1B, ARID2, ASH1L, ATF1, ATM, BAP1, BCLAF1, BCOR, BMPR2, CAD, CAT, CCAR1, CDC73, CDH1, CHEK2, CLTC, CNOT3, CNOT4, COPS2, CSDA, CTCF, CUL1, DDX3X, DDX5, DHX15, DICER1, DIS3, EEF1A1, EGFR, EIF2AK3, EIF2C3, EIF4A2, EIF4G1, ELF1, ERBB2IP, EZH2, FAM123B, FLT3, FMR1, FUS, G3BP2, HDAC9, HLF, HNRPDL, HSP90AB1, IDH1, ITSN1, KDM5C, KDM6A, KEAP1, LCP1, LPHN2, LRP6, MAX, MED17, MED24, MET, MGA, MKL1, MLL3, MTOR, NCOR1, NFE2L2, NTN4, NUP98, PABPC1, PBRM1, PCDH18, PCSK6, PHF6, PIK3R1, PIP5K1A, PPP2R1A, PSMA6, PSME3, PTEN, RASA1, RPL22, RPL5, SEC24D, SETD2, SHMT1, SIN3A, SMAD2, SMC1A, SOX9, SRGAP3, TAOK2, TBL1XR1, TCF12, TJP1, TJP2, TP53BP1, TRIO, VHL, WHSC1L1, WT1, ZFP36L2, 및 ZNF814를 포함한다.
SCLC(소세포 폐암) 유발 유전자들은 AHNAK, AHR, AKAP9, ANK3, ARID1A, ARID1B, ARID2, ASH1L, ASPM, ATR, ATRX, BAZ2B, BCLAF1, BMPR2, BNC2, BRWD1, CCT5, CDK12, CHD1L, CHEK2, CLSPN, CREBBP, DICER1, EIF2AK3, EP300, FAM123B, FAT1, FN1, GNAS, HGF, HSP90AB1, ITSN1, KALRN, KDM6A, MED12, MLL, MLL2, MLL3, MNDA, MSR1, MTOR, MYB, NCKAP1, NF1, NOTCH1, NR4A2, NUP107, PIK3CA, PTEN, PTPRU, RAD21, RB1, SIN3A, SOS1, SOS2, SPTAN1, TAF1, TBX3, TJP1, TP53, 및 ZC3H11A를 포함한다.
STAD(위 선암종) 유발 유전자들은 ACAD8, ACSL6, ACTG2, ACVR1B, ACVR2A, ADAM10, AFF4, AKAP9, ANK3, APC, AQR, ARFGEF1, ARHGAP26, ARHGAP35, ARHGEF6, ARID1A, ARID1B, ARID4A, ASH1L, ATIC, ATP6AP2, ATR, ATRX, BAP1, BCOR, BPTF, BRAF, BRCA1, CAD, CAPN7, CASP8, CAT, CCAR1, CCT5, CDC73, CDH1, CDKN2A, CEP290, CHD1L, CHD3, CHEK2, CLASP2, CLOCK, CLTC, CNOT1, CNOT4, COL1A1, COPS2, CSDA, CSDE1, CSNK1G3, CTNNB1, CUL1, CUL2, CUL3, CYLD, DDX5, DHX15, DIS3, DLG1, DNMT3A, EEF1A1, EGFR, EIF2AK3, EIF4A2, EIF4G1, ELF3, EPHA1, ERBB2IP, ERCC2, EZH2, FAM123B, FAS, FGFR2, FLT3, FOXP1, FUBP1, G3BP2, GATA3, GNA11, GNAI1, GOLGA5, HDAC3, HLA-A, HLA-B, HNRPDL, HSP90AB1, IREB2, IRF2, IRS2, KDM6A, KLF4, KLF6, KRAS, LCP1, LPHN2, MACF1, MAP2K1, MAP2K4, MAP3K1, MECOM, MED12, MED17, MET, MKL1, MLH1, MSR1, MYH11, MYH9, NAP1L1, NCK1, NCKAP1, NEDD4L, NFE2L2, NR2F2, NR4A2, NSD1, NUP107, NUP98, PCSK5, PHF6, PIK3CA, PIK3CB, PIK3R1, PIP5K1A, POLR2B, PPP2R1A, PRRX1, PTEN, PTGS1, PTPN11, PTPRF, PTPRU, RAD21, RASA1, RBBP7, RBM5, RHOA, RPL22, RTN4, RUNX1, SETD2, SF3B1, SIN3A, SMAD2, SMAD4, SMARCA4, SMC1A, SOS1, SOS2, SOX9, SPOP, SRGAP3, STARD13, STIP1, STK4, SUZ12, TAF1, TAOK2, TBL1XR1, TBX3, TCF4, TCF7L2, TFDP1, THRAP3, TJP1, TJP2, TNPO1, TNPO2, TP53, TP53BP1, WIPF1, WT1, ZC3H11A, 및 ZMYM2를 포함한다.
THCA(갑상선암) 유발 유전자들은 AHNAK, AKAP9, ARHGAP26, ARID2, BPTF, BRAF, CDK12, CHD3, CTNNB1, DICER1, EIF1AX, GNAS, HNRPDL, HRAS, KRAS, LDHA, MLL, MLL3, NCK1, NRAS, NSD1, PIK3CA, PPM1D, PPP2R1A, PRPF8, PTEN, RPSAP58, TJP1, TP53, TRIO, WIPF1, 및 ZC3H11A를 포함한다.
UCEC(자궁체부 내막암) 유발 유전자들은 ACACA, ACTB, ACTG1, AHR, AKT1, ALK, ANK3, ARAP3, ARHGAP35, ARHGEF6, ARID1A, ARID5B, ARNTL, ATF1, ATIC, ATM, ATR, AXIN1, BAZ2B, BCLAF1, BMPR2, BRAF, BRCA1, CAPN7, CARM1, CAST, CAT, CCND1, CDKN1B, CHD3, CHD4, CHD9, CHEK2, CLOCK, CLTC, CNOT4, CSNK1G3, CTCF, CTNNB1, CTNND1, CUL1, CUX1, DEPDC1B, DHX15, DHX35, DICER1, DIS3, DNMT3A, EGFR, EIF1AX, EIF2AK3, EIF2C3, EIF4A2, EIF4G1, EP300, ERBB3, FAM123B, FAS, FBXW7, FGFR2, FLT3, FOXA2, FUBP1, FXR1, G3BP2, GNAI1, GPS2, GPSM2, HDAC3, HGF, IDH1, ING1, INPP4A, INPPL1, IREB2, KDM6A, KLF4, KRAS, MAP2K4, MAP3K1, MAX, MED17, MET, MGA, MKL1, MLH1, MLH3, MUC20, MYB, MYH10, NCF2, NCKAP1, NCOR1, NDRG1, NEDD4L, NF2, NFE2L2, NR2F2, NRAS, NUP93, PCDH18, PGR, PHF6, PIK3CA, PIK3R1, PIK3R3, PLCG1, PLXNB2, PPP2R1A, PPP2R5A, PPP2R5C, PRPF8, PRRX1, PTEN, PTPN11, RAD21, RAD23B, RBBP7, RBM5, RHEB, ROBO2, RPL22, RPL5, RTN4, RUNX1, SEC31A, SHMT1, SMAD2, SMC1A, SOX17, SPOP, SRGAP3, STIP1, SUZ12, SYNCRIP, TBL1XR1, TBX3, TFDP1, TGFBR2, TP53, TP53BP1, U2AF1, VHL, WIPF1, ZC3H11A, ZFHX3, ZFP36L2, ZMYM2, 및 ZNF814를 포함한다.
암 유발 네오에피토프로서 필터링된 네오에피토프의 식별 시, 하나 이상의 면역 치료제들은 상기 암 유발 네오에피토프의 시퀀스 정보를 사용하여 제조될 수 있다. 다른 작용제들 중에서, 종양에 대한 면역 반응을 개시하기 위해 식별된 네오에피토프들 중 적어도 하나의 발현을 유도하는 핵산 구조물로 유전적으로 변형된 바이러스로 환자가 치료될 수 있는 것이 특히 바람직하다. 예를 들어, 적합한 바이러스들은 아데노바이러스들, 아데노-관련 바이러스들, 알파바이러스들, 헤르페스 바이러스들, 렌티바이러스들 등을 포함한다. 그러나, 아데노바이러스들이 특히 바람직하다. 또한, 상기 바이러스는 통상적으로 선택된 바이러스 단백질들(예컨대, E1, E3 단백질들)의 표적화된 결실에 의해 달성되는 복제 결핍 및 비면역원성 바이러스인 것이 더 바람직하다. 그러한 바람직한 성질들은 E2b 유전자 기능을 결실시킴으로써 더 향상될 수 있으며, 재조합 바이러스들의 높은 역가들은 최근 보고된 바와 같이 유전적으로 변형된 인간 293 개 세포들을 사용하여 달성될 수 있다(예컨대, J Virol. 1998 Feb; 72(2): 926-933). 가장 통상적으로, 원하는 핵산 시퀀스들(바이러스 감염 세포들로부터의 발현을 위한)은 당 업계에 알려진 적절한 조절 요소들의 제어 하에 있다. 재조합 바이러스의 유형에 관계없이, 상기 바이러스는 생체외 또는 생체내에서 환자 (또는 비-환자 세포들) 세포들을 감염시키는데 사용될 수 있다고 고려된다. 예를 들어, 상기 바이러스는 환자 항원 제시 세포들을 감염시키기 위해 피하 또는 정맥 내로 주사될 수 있다. 대안적으로, 면역 수용성 세포들(예컨대, NK 세포들, T 세포들, 대식세포들, 수지상 세포들 등)은 생체외에서 감염된 이후에 환자에게 수혈될 수 있다. 대안적으로, 면역 요법은 바이러스에 의존할 필요는 없지만, 핵산 백신접종, 또는 원하는 세포들 및 특히 면역 수용성 세포들 내에서 네오에피토프들(예컨대, 단일 펩타이드들, 연쇄 미니-유전자(tandem mini-gene) 등)의 발현으로 유도될 다른 재조합 벡터로 수행될 수 있다.
마찬가지로, (바이러스성) 발현 벡터들 이외의 다른 면역 치료제들은 또한 적합하다고 간주되며, 암 유발 네오에피토프에 친화도를 갖는 키메라 항원 수용체 또는 암 유발 네오에피토프에 특이적으로 결합하는 항체에 친화도를 갖는 높은 친화도 CD16 수용체를 발현하는 유전적으로 조작된 세포들 (및 특히 다양한 면역 수용성 세포들)을 포함한다. 예를 들어, 고려된 면역 치료제들은 NK 세포들(예컨대, NantKwest, 9920 제퍼슨 가, 쿨베르 시, 캘리포니아 90232로부터 시판중인 aNK 세포들, haNK 세포들 또는 taNK 세포들) 또는 (예컨대, T-세포 수용체를 발현하는) 유전적으로 변형된 T 세포들 또는 HLA-매칭된 환자 및 암 특이적 네오에피토프들과 생체외 자극된 T 세포들을 포함한다.
대안적으로, 상기 암 유발 네오에피토프(들)은 암 백신으로서 작용하도록 캐리어 단백질에 선택적으로 결합된 펩티드들로서 투여될 수도 있다. 다른 고려된 양태들에 있어서, 상기 암 유발 네오에피토프들은 암 유발 네오에피토프에 특이적으로 결합하는 항체들을 제조하는데 사용될 수도 있다. 그러한 항체들은 WO 2016/172722에 기재된 바와 같이 인간, 인간화 또는 완전 합성 항체들일 수 있다.
또한, 일단 네오에피토프가 암 유발 네오에피토프로서 식별되면, 암 유발 네오에피토프를 보유하는 암 유발 유전자에 의하여 인코딩된 단백질을 표적으로 하는 약물이 선택될 수 있음을 또한 인식되어야 한다. 예를 들어, 암 유발 유전자가 수용체를 인코딩하는 경우, 수용체에 특이적인 수용체 길항제들 또는 억제제들 또는 수용체 (또는 이의 리간드)에 대한 항체들이 투여될 수 있다. 유사하게는, 암 유발 유전자가 키나아제를 인코딩하는 경우, 키나아제 억제제가 환자에게 투여될 수 있다. 그러므로, 암 유발 네오에피토프의 식별은 면역 시스템 및 돌연변이된 단백질의 기능을 사용하여 돌연변이된 단백질을 표적으로 하는 병용 치료 옵션을 제공할 수 있다는 것을 알아야 한다.
결과적으로, 본 발명자들은 또한 (i) 환자 특이적 암 유발 네오에피토프에 대한 결합 특이성을 갖는 합성 항체, (ii) 합성 환자 특이적 암 유발 네오에피토프, (iii) 상기 환자 특이적 암 유발 네오에피토프를 인코딩하는 핵산, 또는 (iv) 상기 환자 특이적 암 유발 네오에피토프에 대한 결합 특이성을 갖는 키메라 항원 수용체에 결합된 캐리어;를 포함할 면역 요법 조성물을 고려한다. 예를 들어, 상기 면역 요법 조성물이 백신으로 제형화되는 경우, 상기 캐리어는 통상적으로 단일 캐리어 단백질(예컨대, KLH 또는 알부민) 또는 예방 접종에 적합한 약학적으로 허용가능한 중합체를 포함할 것이다. 반면에, 상기 면역 요법 조성물이 세포 또는 바이러스 기반 조성물로서 사용되는 경우, 상기 캐리어는 통상적으로 면역 수용성 세포(예컨대, CD8+ T 세포, 수지상 세포, 또는 NK 세포) 또는 암 유발 네오에피토프를 인코딩하는 핵산을 포함하는 재조합 바이러스(예컨대, 아데노바이러스)를 포함할 것이다. 당업계에서 통상적인 바와 같이, 면역 요법 조성물들은 일반적으로 주사 또는 주입에 적합한 약학적으로 허용가능한 담체를 포함할 것이다.
실시예
데이터 세트들: 아래에 표시된 바와 같이 다양한 암들에 대한 TCGA WGS 및 RNAseq 데이터를 캘리포니아 대학 산타 크루즈 (UCSC) Cancer Genomics Hub (https://cghub.ucsc.edu/)로부터 다운로드 하였다. 인실리코 HLA 타이핑을 돕기 위해 완전한 WGS 데이터의 이용 가능성에 기초하여 TCGA 샘플들을 선택하였다. 이용 가능한 경우 대응하는 샘플들의 RNAseq 데이터를 사용하였다.
종양 변이체들 및 네오에피토프들의 식별: 실질적으로 US 2012/0059670A1 및 US 2012/0066001A1에 개시된 바와 같은 방식으로 BAM 파일들을 사용하여 종양 및 정상 샘플들의 위치 유도 동기 정렬에 의해 단일 뉴클레오타이드 변이체들(SNVs) 및 삽입/결실(indels)를 식별하였다. HLA-A 대립 유전자들은 대개의 경우 9-머 펩타이드 절편들에 결합하기 때문에, 본 발명자들은 9-머 네오에피토프들의 식별에 집중하였다. 식별된 SNA 또는 인델로부터 유래된 9-머 아미노산 스트링들의 모든 가능한 순열들을 생성함으로써 네오에피토프들을 식별하였다(즉, 각각의 9-머는 독특한 위치에서 변환된 아미노산을 가졌다). 특정 네오에피토프의 가능한 오프-타겟(off-target) 효과들을 감소시키는 수단으로서, 본 발명자는 모든 알려진 인간 유전자로부터 생성된 모든 가능한 9-머 펩타이드 시퀀스들에 대해 모든 식별된 네오에피토프들을 필터링 하였다. 또한, 본 발명자들은 시퀀싱 데이터 내에서 누락될 수 있는 희귀 단백질 시퀀스들을 설명하기 위해 dbSNP(URL: www.ncbi.nlm.nih.gov/SNP/)로부터 단일 뉴클레오타이드 다형성을 또한 필터링 하였다. 종양 이질성으로부터 발생하는 문제점들을 상쇄시키는 관찰된 코딩 변이체의 대립 유전자 빈도뿐만 아니라 RNA 발현에 의해 네오에피토프들을 더 평가하였다.
HLA 타이핑: HLA 타이핑 데이터는 TCGA 샘플에서 이용 가능하지 않았다; 그러므로, 본 발명자들은 실질적으로 PCT/US16/48768에 기재된 바와 같이 WGS, RNAseq 데이터 및 HLA 포레스트 알고리즘을 사용하여 인실리코 HLA 타이핑을 수행하였다. 간략하게, IMGT/HLA 데이터베이스 (URL: www.ebi.ac.uk/ipd/imgt/hla/) 내의 모든 상이한 HLA 대립 유전자에 대한 시퀀싱 판독들을 일치시키는데 버로우스-윌러(Burrows-Wheeler) 정렬 알고리즘을 사용하였다. 각각의 정렬은 고려된 판독 품질 스코어를 사용하여 베이스들의 보존에 기초한 스코어가 부여된다. 각각의 HLA 대립 유전자는 이후 각각의 판독이 특정 HLA 대립 유전자에 얼마나 잘 정렬되어 있는지를 나타내는 스코어들의 합을 가질 것이며, 가장 높은 스코어를 갖는 대립 유전자가 일차 대립 유전자 타이핑으로 선택된다. 이후, 일차 대립 유전자 타이핑에 완전히 일치하는 판독들을 제거함으로써 이차 대립 유전자 타이핑을 수행하고, 이후 일차 대립 유전자에 대한 정렬 없이 후속 판독들을 재스코어링한다. 이 공정을 사용하여, 본 발명자들은 모든 샘플에 대하여 HLA-A, HLA-B, HLA-C, 및 HLA-DRB1에 대한 타이핑 결과들을 적어도 4 자리의 수준으로 획득하였다.
네오에피토프-HLA 친화도 결정: 네오에피토프가 특이적인 HLA 대립 유전자에 결합하는지를 예측하는데 NetMHC 3.4(URL: www.cbs.dtu.dk/ services/NetMHC-3.4/)를 사용하였다. 복잡성 공간을 줄이기 위해, 본 발명자들은 HLA-A 대립 유전자들이 가장 잘 특성화된 HLA 대립 유전자들이고 최상의 결합 친화도 모델들을 가지기 때문에 결합 분석을 HLA-A 대립 유전자들로 제한하기로 선택했다. NetMHC 3.4 도구는 모든 식별된 HLA-A 대립 유전자에 대한 모델들을 갖지 않기 때문에, 환자의 HLA-A 타이핑이 NetMHC 3.4에서 사용에 이용 가능할 수 없다면 HLA 수퍼타입을 결합 예측을 위해 선택하였다. < 500 nM 단백질 농도의 예측된 결합 친화도들을 갖는 네오에피토프들을 다른 분석을 위해 보유하였다. 그러나, 다른 보다 엄격한 결합 기준 (< 250 nM, 또는 < 150 nM, 또는 < 50 nM)또한 적절한 것으로 간주된다.
암 유형별 코딩 돌연변이 및 네오에피토프 부하: 이용 가능한 경우, WGS 데이터 및 대응하는 RNAseq 데이터를 사용하여 도 1에 도시된 바와 같이, 23 개의 암 분류에 걸쳐 750 명의 환자 샘플들에 대한 코딩 DNA의 메가베이스 당 잠재적인 네오에피토프들 및 체세포 코딩 변이체들의 베이스라인을 확립하였다. 여기서, TCGA 내에서 23 개의 암 분류들에 걸쳐 750 명의 환자 샘플들에 대해 네오에피토프 및 변이 계수들을 나타낸다. 상부 패널은 네오에피토프 계수를 도시하고, 하부 패널은 변이체 계수를 도시한다. y-축은 코딩 DNA의 메가베이스 당 계수들을 나타낸다(인간 게놈 어셈블리 (hg) 19에 대해서는 88 MB). x-축은 괄호 안에 나타낸 환자 샘플들의 수로 각 암 분류를 나타낸다. 중간 샘플 계수들은 제곱으로 표시된다. 아래의 파이(pie) 차트는 모든 암 유형들 내에서 네오에피토프들 및 정상 에피토프들의 백분율을 표시한다(여기서: 매칭된 정상 조직 또는 알려진 SNP 데이터베이스에서 발견됨).
도 1에서 용이하게 취할 수 있듯이, 돌연변이 및 네오에피토프 부하들은 가장 높은 네오에피토프 부하를 갖는 흑색종 및 편평상피 세포 폐암 및 가장 낮은 네오에피토프 부하를 갖는 갑상선암 및 급성 골수성 백혈병과 상이한 암 유형들에 따라 다양하였다. 잠재적인 오프-타겟 효과들을 제거하기 위해 알려진 인간 시퀀스들의 데이터베이스에 대한 추정적인 네오에피토프를 필터링하면 식별된 네오에피토프들의 단지 10%만이 알려진 단백질의 절편에 매핑하는 것으로 밝혀졌다; 그러므로 대부분의 돌연변이들은 독특한 단백질 시퀀스를 생성한다. 그러나, 비록 독특한 네오에피토프들의 분율이 비교적 높더라도, 발현 및 제시는 발생하는 것으로 추정될 수 없다. 실제로, 아래에서 더 상세히 나타나는 바와 같이, 발현되고 제시된 네오에피토프들의 수는 시퀀싱에 의해서만 식별된 네오에피토프들의 수보다 현저히 적다는 것을 인식해야 한다.
상기 기재된 TCGA 데이터 세트 및 방법들을 사용하여, 본 발명자들은 종양 대 정상 (DNA +), 발현된 종양 대 정상 (DNA+, RNA+) 및 발현되고 HLA-매칭된 종양 대 정상 (DNA+, RNA+, netMHC+)에 의하여 네오에피토프들을 필터링하였다. 여기서, 본 발명자들은 북미 전역의 고주파에서 발생하는 HLA-A*02:01 대립 유전자를 함유하는 샘플들로 분석을 제한하였다. 주목할만하게도, 그리고 도 2에 그래프로 도시된 바와 같이, 예측된 네오에피토프들, 발현된 네오에피토프들, 및 HLA-A*02:01에 대한 친화도를 갖는 네오에피토프들의 수치는 각각 211,285, 89,351 및 1,732였다. 상이한 표본 크기들에 대하여 보정하여, 예측된 네오에피토프들의, 발현된 네오에피토프들 및 HLA-A*02:01에 대한 친화도를 갖는 네오에피토프들의 평균 수는 각각 23,272, 9,619 및 138이었다. 필터링되지 않고 필터링된 네오에피토프들을 상기 전술한 바와 같이 알려진 암 유발 유전자들의 집합을 사용하여 원하는 유전자 유형 (여기서: 암 유발 유전자들) 내에서 그들의 위치에 대해 분석하였다. 흥미롭게도, 그리고 도 2의 파이 그래프에 도시된 바와 같이, 모든 암에 걸쳐 네오에피토프들의 단지 6%만이 암 유발 유전자에서 발생하였으며, 이는 또한 혼란스럽게도 잠재적으로 높은 영향으로 많은 수의 잠재적 표적들을 상대적으로 적은 수의 표적들로 감소시키는 것을 더 보조한다. 또한, 특히 필터링된 네오에피토프들의 수가 상대적으로 적을 경우, 암 유발 네오에피토프들의 식별은 달리 실현될 수 없었던 치료를 위한 네오에피토프의 선택에 대한 기회를 제시할 것이다.
본원에서의 수치들의 범위의 설명은 단지 상기 범위 내에 속하는 각각의 개별 수치를 개별적으로 참조하는 약식 방법으로서 작용하는 것으로 의도된다. 본원에서 달리 지시되지 않는 한, 각각의 개별 수치는 본원에서 개별적으로 인용된 것처럼 명세서에 포함된다. 본원에 기재된 모든 방법은 본원에서 달리 지시하지 않거나 달리 문맥에 의해 명백하게 부인되지 않는 한 임의의 적합한 순서로 수행될 수 있다. 본원의 특정 실시형태에 대하여 제공되는 임의의 및 모든 예 또는 예시적인 언어 (예컨대, "~ 같은")의 사용은 단지 본 발명을 보다 잘 예시하려는 것이며, 달리 청구된 본 발명의 범위에 제한을 가하지 않는다. 본 명세서에서 어떠한 언어도 본 발명의 실시에 필수적인 임의의 청구되지 않은 요소를 지시하는 것으로 해석되어서는 안 된다.
본원에서 본 발명의 개념으로부터 벗어나지 않고 이미 기재된 것들 이외의 더 많은 수정이 가능하다는 것이 당업자에게 명백할 것이다. 그러므로, 본 발명의 주제는 첨부된 청구범위의 범위를 제외하고는 제한되지 않는다. 본 명세서에 기재된 방법 실시예들은 모듈들을 포함하는 제품/키트 실시예와 대응될 수 있다. 또한, 명세서 및 청구범위 모두를 해석함에 있어서, 모든 용어는 맥락과 일치하는 가능한 가장 넓은 방식으로 해석되어야 한다. 특히, "포함한다" 및 "포함하는"이라는 용어는 참조된 구성 요소, 성분 또는 단계가 존재할 수 있거나 활용될 수 있거나 명시적으로 참조되지 않은 다른 구성 요소, 성분 또는 단계와 조합될 수 있다는 것을 나타내는 비-배타적인 방식으로 구성 요소, 성분 또는 단계를 언급하는 것으로 해석되어야 한다. 명세서의 청구범위가 A, B, C ... 및 N으로 구성된 그룹으로부터 선택된 것의 적어도 하나를 언급하는 경우. 텍스트(text)는 A와 N 또는 B와 N, 등이 아닌 그룹으로부터의 구성 요소 하나만 필요로 하는 것으로 해석되어야 한다.

Claims (46)

  1. 암의 면역 요법을 위한 네오에피토프(neoepitope)를 선택하는 방법으로서,
    종양 조직 및 매칭된 정상 조직으로부터 환자 오믹스 데이터(omics data)를 획득하고 그리고 상기 오믹스 데이터를 사용하여 복수의 발현된 미스센스(missense) 기반 환자 및 종양 특이적 네오에피토프들을 결정하는 단계;
    HLA 매칭된 네오에피토프들을 획득하기 위해, 상기 환자의 HLA 유형에 의해, 상기 발현된 미스센스 기반 환자 및 종양 특이적 네오에피토프를 필터링하는 단계; 및
    암 유발 네오에피토프(cancer driver neoepitope)를 획득하기 위하여, HLA 매칭된 네오에피토프에 의해 영향을 받는 유전자 유형에 의해, HLA 매칭된 네오에피토프를 필터링하는 단계;
    를 포함하는,
    방법.
  2. 제 1 항에 있어서,
    상기 오믹스 데이터는, 전체 게놈 시퀀싱 데이터, 전체 엑솜 시퀀싱 데이터, RNAseq 데이터 및 정량적 프로테오믹스 데이터로 이루어진 그룹으로부터 선택된 적어도 2 개의 오믹스 데이터를 포함하는,
    방법.
  3. 제 1 항 또는 제 2 항에 있어서,
    상기 복수의 발현된 미스센스 기반 환자 및 종양 특이적 네오에피토프들을 결정하는 단계는, 종양 조직 및 매칭된 정상 조직으로부터의 오믹스 데이터의 위치 유도 동기 정렬(location-guided synchronous alignment)을 포함하는,
    방법.
  4. 제 1 항에 있어서,
    단일 뉴클레오타이드 다형성(single nucleotide polymorphism), 짧은 결실 및 삽입 다형성(short deletion and insertion polymorphism), 미소부수체 마커(microsatellite marker), 단연쇄반복(STR:Short Tandem Repeat), 이형 접합 시퀀스(heterozygous sequence), 다중 뉴클레오타이드 다형성(multinucleotide polymorphism) 및 네임드 변이체(named variant)로 이루어진 그룹으로부터 선택된 선험적으로 알려진 분자 변이(molecular variation) 중 적어도 하나에 의해, 상기 발현된 미스센스 기반 환자 및 종양 특이적 네오에피토프들을 필터링하는 단계;
    를 더 포함하는,
    방법.
  5. 제 1 항에 있어서,
    상기 종양 조직은 고형(solid) 종양 조직이고 그리고 상기 매칭된 정상 조직은 혈액인,
    방법.
  6. 제 1 항에 있어서,
    상기 네오에피토프들을 HLA 유형에 의해 필터링하는 단계는,
    변화된 아미노산이 네오에피토프 시퀀스 내에서 개별 위치(distinct position)를 갖는 복수의 개별 네오에피토프 시퀀스들을 사용하여 네오에피토프들 각각에 대해 수행되는,
    방법.
  7. 제 6 항에 있어서,
    상기 개별 네오에피토프 시퀀스들은 7 내지 20 의 아미노산의 길이를 갖는,
    방법.
  8. 제 1 항에 있어서,
    상기 HLA 유형에 의해 필터링하는 단계는, 상기 환자 오믹스 데이터로부터 HLA 유형에 대한 결정을 포함하는,
    방법.
  9. 제 1 항에 있어서,
    상기 HLA 유형에 의해 필터링하는 단계는, 적어도 4자리(4 digits)의 깊이(depth) 까지 수행되는,
    방법.
  10. 제 1 항에 있어서,
    상기 HLA 유형에 의해 필터링하는 단계는, 환자의 적어도 하나의 MHC 클래스 I 서브-유형 및 적어도 하나의 MHC 클래스 II 서브-유형에 대한 상기 네오에피토프들의 친화도(affinity)에 대한 결정을 포함하는,
    방법.
  11. 제 1 항에 있어서,
    상기 HLA 매칭된 네오에피토프들은, 150 nM 이하의 환자의 적어도 하나의 MHC 클래스 I 서브 유형 또는 적어도 하나의 MHC 클래스 II 서브 유형에 대한 친화도를 갖는,
    방법.
  12. 제 1 항에 있어서,
    상기 영향을 받는 유전자 유형은, ALL, AML, BLCA, BRCA, CLL, CM, COREAD, ESCA, GBM, HC, HNSC, LUAD, LUSC, MB, NB, NSCLC, OV, PRAD, RCCC, SCLC, STAD, THCA 및 UCEC로 이루어진 그룹으로부터 선택된 암에 대한 암 유발 유전자인,
    방법.
  13. 제 1 항에 있어서,
    상기 영향을 받는 유전자 유형은 AURKA, BAP1, BRCA1, BRAC2, CCND2, CCND3, CCNE1, CDK4, CDK6, CDKN1B, CDKN2A, CDKN2B, EGF4, ERBB2, FBXW7, FGFR1, FGFR2, FGFR3, IGF1R, MDM2, MDM4, MET, NF1, PTEN, SMARCA4, SMARCB1, STK11 및 TP53으로 구성되는 그룹으로 부터 선택되는 암 유발 유전자인,
    방법.
  14. 제 1 항에 있어서,
    상기 영향을 받는 유전자 유형의 기능부전(malfunction)을 결정하는 단계;
    를 더 포함하는,
    방법.
  15. 제 1 항에 있어서,
    상기 영향을 받는 유전자 유형에 의해 인코딩된(endcoded) 단백질을 표적으로하는 비-면역 치료 약물에 대한 추천사항(recommendation)를 생성하는 단계;
    를 더 포함하는,
    방법.
  16. 제 1 항에 있어서,
    면역 치료제(immune therapeutic agent)를 준비하기 위해 상기 암 유발 네오에피토프를 사용하는 단계;
    를 더 포함하는,
    방법.
  17. 제 16 항에 있어서,
    상기 면역 치료제는, 상기 암 유발 네오에피토프에 대한 결합 특이성을 갖는 합성 항체, 합성 암 유발 네오에피토프, 상기 암 유발 네오에피토프를 인코딩하는 핵산, 상기 암 유발 네오에피토프에 대한 결합 특이성을 갖는 키메라 항원 수용체를 보유하는 면역 수용성 세포, 및 암 유발 네오에피토프를 인코딩하는 핵산을 포함하는 재조합 바이러스 중 적어도 하나를 포함하는,
    방법.
  18. 암의 면역 요법을 위한 네오에피토프(neoepitope)를 선택하기 위한 키트로서,
    종양 조직 및 매칭된 정상 조직으로부터 환자 오믹스 데이터(omics data)를 획득하고 그리고 상기 오믹스 데이터를 사용하여 복수의 발현된 미스센스(missense) 기반 환자 및 종양 특이적 네오에피토프들을 결정하기 위한 모듈;
    HLA 매칭된 네오에피토프들을 획득하기 위해, 상기 환자의 HLA 유형에 의해, 상기 발현된 미스센스 기반 환자 및 종양 특이적 네오에피토프를 필터링하기 위한 모듈; 및
    암 유발 네오에피토프(cancer driver neoepitope)를 획득하기 위하여, HLA 매칭된 네오에피토프에 의해 영향을 받는 유전자 유형에 의해, HLA 매칭된 네오에피토프를 필터링하기 위한 모듈;
    을 포함하는,
    키트.
  19. 제 18 항에 있어서,
    상기 오믹스 데이터는, 전체 게놈 시퀀싱 데이터, 전체 엑솜 시퀀싱 데이터, RNAseq 데이터 및 정량적 프로테오믹스 데이터로 이루어진 그룹으로부터 선택된 적어도 2 개의 오믹스 데이터를 포함하는,
    키트.
  20. 제 18 항 또는 제 19 항에 있어서,
    상기 복수의 발현된 미스센스 기반 환자 및 종양 특이적 네오에피토프들을 결정하기 위한 모듈은, 종양 조직 및 매칭된 정상 조직으로부터의 오믹스 데이터의 위치 유도 동기 정렬(location-guided synchronous alignment)을 포함하는,
    키트.
  21. 제 18 항에 있어서,
    단일 뉴클레오타이드 다형성(single nucleotide polymorphism), 짧은 결실 및 삽입 다형성(short deletion and insertion polymorphism), 미소부수체 마커(microsatellite marker), 단연쇄반복(STR:Short Tandem Repeat), 이형 접합 시퀀스(heterozygous sequence), 다중 뉴클레오타이드 다형성(multinucleotide polymorphism) 및 네임드 변이체(named variant)로 이루어진 그룹으로부터 선택된 선험적으로 알려진 분자 변이(molecular variation) 중 적어도 하나에 의해, 상기 발현된 미스센스 기반 환자 및 종양 특이적 네오에피토프들을 필터링하기 위한 모듈;
    을 더 포함하는,
    키트.
  22. 제 18 항에 있어서,
    상기 종양 조직은 고형(solid) 종양 조직이고 그리고 상기 매칭된 정상 조직은 혈액인,
    키트.
  23. 제 18 항에 있어서,
    상기 네오에피토프들을 HLA 유형에 의해 필터링하기 위한 모듈은,
    변화된 아미노산이 네오에피토프 시퀀스 내에서 개별 위치(distinct position)를 갖는 복수의 개별 네오에피토프 시퀀스들을 사용하여 네오에피토프들 각각에 대해 수행되는,
    키트.
  24. 제 23 항에 있어서,
    상기 개별 네오에피토프 시퀀스들은 7 내지 20 의 아미노산의 길이를 갖는,
    키트.
  25. 제 18 항에 있어서,
    상기 HLA 유형에 의해 필터링하기 위한 모듈은, 상기 환자 오믹스 데이터로부터 HLA 유형에 대한 결정을 포함하는,
    키트.
  26. 제 18 항에 있어서,
    상기 HLA 유형에 의해 필터링하기 위한 모듈은, 적어도 4자리(4 digits)의 깊이(depth) 까지 수행되는,
    키트.
  27. 제 18 항에 있어서,
    상기 HLA 유형에 의해 필터링하기 위한 모듈은, 환자의 적어도 하나의 MHC 클래스 I 서브-유형 및 적어도 하나의 MHC 클래스 II 서브-유형에 대한 상기 네오에피토프들의 친화도(affinity)에 대한 결정을 포함하는,
    키트.
  28. 제 18 항에 있어서,
    상기 HLA 매칭된 네오에피토프들은, 150 nM 이하의 환자의 적어도 하나의 MHC 클래스 I 서브 유형 또는 적어도 하나의 MHC 클래스 II 서브 유형에 대한 친화도를 갖는,
    키트.
  29. 제 18 항에 있어서,
    상기 영향을 받는 유전자 유형은, ALL, AML, BLCA, BRCA, CLL, CM, COREAD, ESCA, GBM, HC, HNSC, LUAD, LUSC, MB, NB, NSCLC, OV, PRAD, RCCC, SCLC, STAD, THCA 및 UCEC로 이루어진 그룹으로부터 선택된 암에 대한 암 유발 유전자인,
    키트.
  30. 제 18 항에 있어서,
    상기 영향을 받는 유전자 유형은 AURKA, BAP1, BRCA1, BRAC2, CCND2, CCND3, CCNE1, CDK4, CDK6, CDKN1B, CDKN2A, CDKN2B, EGF4, ERBB2, FBXW7, FGFR1, FGFR2, FGFR3, IGF1R, MDM2, MDM4, MET, NF1, PTEN, SMARCA4, SMARCB1, STK11 및 TP53으로 구성되는 그룹으로 부터 선택되는 암 유발 유전자인,
    키트.
  31. 제 18 항에 있어서,
    상기 영향을 받는 유전자 유형의 기능부전(malfunction)을 결정하기 위한 모듈;
    을 더 포함하는,
    키트.
  32. 제 18 항에 있어서,
    상기 영향을 받는 유전자 유형에 의해 인코딩된(endcoded) 단백질을 표적으로하는 비-면역 치료 약물에 대한 추천사항(recommendation)를 생성하기 위한 모듈;
    을 더 포함하는,
    키트.
  33. 제 18 항에 있어서,
    면역 치료제(immune therapeutic agent)를 준비하기 위해 상기 암 유발 네오에피토프를 사용하기 위한 모듈;
    을 더 포함하는,
    키트.
  34. 제 33 항에 있어서,
    상기 면역 치료제는, 상기 암 유발 네오에피토프에 대한 결합 특이성을 갖는 합성 항체, 합성 암 유발 네오에피토프, 상기 암 유발 네오에피토프를 인코딩하는 핵산, 상기 암 유발 네오에피토프에 대한 결합 특이성을 갖는 키메라 항원 수용체를 보유하는 면역 수용성 세포, 및 암 유발 네오에피토프를 인코딩하는 핵산을 포함하는 재조합 바이러스 중 적어도 하나를 포함하는,
    키트.
  35. 면역 요법 조성물로서,
    (i) 환자 특이적 암 유발 네오에피토프에 대한 결합 특이성을 갖는 합성 항체, (ii) 합성 환자 특이적 암 유발 네오에피토프, (iii) 상기 환자 특이적 암 유발 네오에피토프를 인코딩하는 핵산, 또는 (iv) 상기 환자 특이적 암 유발 네오에피토프에 대한 결합 특이성을 갖는 키메라 항원 수용체, 에 결합된 캐리어(carrier);
    를 포함하는,
    면역 요법 조성물.
  36. 제 35 항에 있어서,
    상기 캐리어는, 단일 단백질을 포함하거나 또는 약학적으로 허용가능한 중합체(pharmaceutically acceptable polymer)를 포함하는,
    면역 요법 조성물.
  37. 제 35 항에 있어서,
    상기 캐리어는 면역 수용성 세포인,
    면역 요법 조성물.
  38. 제 37 항에 있어서,
    상기 면역 수용성 세포는 CD8+ T 세포 또는 NK 세포인,
    면역 요법 조성물.
  39. 제 35 항에 있어서,
    상기 캐리어는 재조합 바이러스인,
    면역 요법 조성물.
  40. 제 35 항에 있어서,
    주입 또는 투입 용 약학적으로 허용가능한 캐리어를 더 포함하는,
    면역 요법 조성물.
  41. 암의 치료 용도의 면역 치료제로서,
    환자 특이적 암 유발 네오에피토프에 대한 결합 특이성을 갖는 합성 항체, 합성 환자 특이적 암 유발 네오에피토프, 상기 환자 특이적 암 유발 네오에피토프를 인코딩하는 핵산, 환자 특이적 암 유발 네오에피토프에 대한 결합 특이성을 갖는 키메라 항원 수용체를 보유하는 면역 수용성 세포, 및 환자 특이적 암 유발 네오에피토프를 인코딩하는 핵산을 포함하는 재조합 바이러스 중 적어도 하나를 포함하는,
    암의 치료 용도의 면역 치료제.
  42. 제 41 항에 있어서,
    상기 합성 항체는, 약학적으로 허용가능한 중합체를 포함하거나 또는 단일 단백질을 포함하는 캐리어 또는 NK 세포에 결합되는,
    암의 치료 용도의 면역 치료제.
  43. 제 41 항에 있어서,
    상기 합성 환자 특이적 암 유발 네오에피토프는 약학적으로 허용가능한 중합체를 포함하거나 또는 단일 단백질을 포함하는 캐리어에 결합되는,
    암의 치료 용도의 면역 치료제.
  44. 제 41 항에 있어서,
    상기 환자 특이적 암 유발 네오에피토프를 인코딩하는 핵산은, 약학적으로 수용가능한 중합체를 포함하거나 또는 단일 단백질을 포함하는 캐리어에 결합되거나, 또는 바이러스에 또는 면역 수용성 세포에 포함되는,
    암의 치료 용도의 면역 치료제.
  45. 재조합 면역 수용성 세포로서,
    환자 특이적 암 유발 네오에피토프를 인코딩하거나 또는 상기 환자 특이적 암 유발 네오에피토프에 대한 결합 특이성을 갖는 키메라 항원 수용체를 인코딩하는 핵산을 포함하는,
    재조합 면역 수용성 세포.
  46. 제 45 항에 있어서,
    상기 면역 수용성 세포는 CD8+ T 세포 또는 NK 세포 또는 NK92 유도체인,
    재조합 면역 수용성 세포.
KR1020187022527A 2016-02-12 2017-02-10 암 면역요법을 위한 치료 표적으로 환자 특이적 네오에피토프의 높은 스루풋 식별 (high-throughput identification of patient-specific neoepitopes as therapeutic targets for cancer immunotherapies) KR20180091119A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662294665P 2016-02-12 2016-02-12
US62/294,665 2016-02-12
PCT/US2017/017549 WO2017139694A1 (en) 2016-02-12 2017-02-10 High-throughput identification of patient-specific neoepitopes as therapeutic targets for cancer immunotherapies

Publications (1)

Publication Number Publication Date
KR20180091119A true KR20180091119A (ko) 2018-08-14

Family

ID=59564011

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187022527A KR20180091119A (ko) 2016-02-12 2017-02-10 암 면역요법을 위한 치료 표적으로 환자 특이적 네오에피토프의 높은 스루풋 식별 (high-throughput identification of patient-specific neoepitopes as therapeutic targets for cancer immunotherapies)

Country Status (12)

Country Link
US (2) US11361841B2 (ko)
EP (1) EP3414692A4 (ko)
JP (1) JP2019511907A (ko)
KR (1) KR20180091119A (ko)
CN (1) CN108701172A (ko)
AU (1) AU2017217877A1 (ko)
CA (1) CA3014252A1 (ko)
IL (1) IL261090A (ko)
MX (1) MX2018009804A (ko)
SG (1) SG11201806282XA (ko)
TW (1) TW201739919A (ko)
WO (1) WO2017139694A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11361841B2 (en) 2016-02-12 2022-06-14 Nantomics Llc High-throughput identification of patient-specific neoepitopes as therapeutic targets for cancer immunotherapies

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3074734A1 (en) 2017-09-06 2019-03-14 Nant Holdings Ip, Llc Hla tissue matching and methods therefor
WO2019060835A2 (en) * 2017-09-25 2019-03-28 Nant Holdings Ip, Llc VALIDATION OF PRESENTATION OF NEO-EPITOPE
TW201930340A (zh) 2017-12-18 2019-08-01 美商尼恩醫療公司 新抗原及其用途
WO2019133697A1 (en) * 2017-12-27 2019-07-04 Tesaro, Inc. Methods of treating cancer
CN109021062B (zh) * 2018-08-06 2021-08-20 倍而达药业（苏州）有限公司 一种肿瘤新抗原的筛选方法
WO2020033585A1 (en) * 2018-08-07 2020-02-13 The Broad Institute, Inc. Methods for combinatorial screening and use of therapeutic targets thereof
CA3116698A1 (en) * 2018-10-16 2020-04-23 Board Of Regents, The University Of Texas System Identification and targeting of pathogenic extracellular matrix for diagnosis and treatment of cancer and other diseases
GB201817651D0 (en) * 2018-10-29 2018-12-12 Univ College Dublin Nat Univ Ireland Dublin Method for predicting effectiveness of treatments for cancer patients
WO2020092038A1 (en) * 2018-10-31 2020-05-07 Nantomics, Llc Cdkn2a screening germline expression
CN109438570B (zh) * 2018-11-28 2021-07-20 生命谷（海南）生物科技股份有限公司 肿瘤相关基因fgfr3突变短肽及其应用
CN113272419A (zh) * 2018-12-04 2021-08-17 南托米克斯有限责任公司 制备治疗性t淋巴细胞的方法
WO2020176726A1 (en) * 2019-02-27 2020-09-03 Epivax Oncology, Inc. Improved compositions and methods for personalized neoplasia vaccines
CN110286235B (zh) * 2019-07-10 2022-07-15 郑州大学 一种用于肝癌早期筛查和诊断的联合检测血清标志物、试剂盒及检测方法
CN112980948B (zh) * 2020-08-28 2023-03-21 中山大学附属口腔医院 Nfat3作为治疗靶点在筛选或制备头颈部鳞状细胞癌药物中的应用
CN112725454B (zh) * 2021-02-03 2021-08-03 山东第一医科大学附属省立医院(山东省立医院) 膀胱癌患者总体生存率预后模型
CN113755594A (zh) * 2021-09-26 2021-12-07 中国医学科学院肿瘤医院 一种预测小细胞肺癌辅助化疗获益和识别化疗耐药治疗靶点的系统和应用

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8614169B2 (en) * 2001-12-04 2013-12-24 Wayne State University Neoepitope detection of disease using protein arrays
US9575070B2 (en) * 2001-12-04 2017-02-21 Wayne State University Neoepitope detection of disease using protein arrays
US7664689B1 (en) 2003-06-24 2010-02-16 Evercom Systems, Inc. Systems and methods for transaction and information management
US20030232340A1 (en) * 2002-06-13 2003-12-18 David Anderson Nanoporous particle with a retained target
JP2006506072A (ja) 2002-11-12 2006-02-23 デイッセロース，アルバート，ビー アデノウイルスベクターワクチン
DK1601450T3 (da) 2003-03-10 2013-09-08 Expression Pathology Inc Flydende vævspræparat ud fra histopatologisk bearbejdede biologiske prøver, væv og celler
WO2005094357A2 (en) * 2004-03-31 2005-10-13 The General Hospital Corporation Method to determine responsiveness of cancer to epidermal growth factor receptor targeting treatments
CA2574665C (en) * 2004-07-23 2014-07-15 The Walter And Eliza Hall Institute Of Medical Research Therapeutic and diagnostic agents
JP2008535868A (ja) * 2005-04-14 2008-09-04 ザ ユニバーシティー オブ クイーンズランド 免疫調節組成物およびそのための使用
ES2788863T3 (es) * 2010-05-14 2020-10-23 Massachusetts Gen Hospital Composiciones de neoantígenos específicos de un tumor para uso en el tratamiento de tumores
WO2011149534A2 (en) 2010-05-25 2011-12-01 The Regents Of The University Of California Bambam: parallel comparative analysis of high-throughput sequencing data
US9646134B2 (en) 2010-05-25 2017-05-09 The Regents Of The University Of California Bambam: parallel comparative analysis of high-throughput sequencing data
KR20130098308A (ko) * 2010-08-23 2013-09-04 셀렉타 바이오사이언시즈, 인크. 항원에 대한 면역 반응을 유도하기 위한 표적화 다중 에피토프 투여형
CN104662171B (zh) * 2012-07-12 2018-07-13 普瑟姆尼股份有限公司 个性化癌症疫苗和过继免疫细胞治疗
BR112015000798A2 (pt) * 2012-07-13 2017-06-27 Zymeworks Inc heterodímeros assimétricos biespecíficos compreendendo construtos anti-cd3
KR102341899B1 (ko) * 2013-04-07 2021-12-21 더 브로드 인스티튜트, 인코퍼레이티드 개인맞춤화 신생물 백신을 위한 조성물 및 방법
NZ721908A (en) * 2013-12-20 2022-12-23 Massachusetts Gen Hospital Combination therapy with neoantigen vaccine
US11421016B2 (en) 2015-04-23 2022-08-23 Nantomics Llc Cancer neoepitopes
US20170017749A1 (en) 2015-07-15 2017-01-19 International Business Machines Corporation System and method for identifying cancer driver genes
BR112018003631A2 (pt) 2015-08-25 2018-09-25 Nantomics Llc sistemas e métodos para busca por variante de alta precisão
MX2018004541A (es) * 2015-10-12 2019-04-15 Nantomics Llc Descubrimiento iterativo de neoepítopes e inmunoterapia adaptativa y método para ello.
WO2017066357A1 (en) 2015-10-12 2017-04-20 Nantomics, Llc Systems, compositions, and methods for discovery of msi and neoepitopes that predict sensitivity to checkpoint inhibitors
MX2018009804A (es) 2016-02-12 2018-11-09 Nantomics Llc Identificacion de gran alcance de neoepitopos especificos para pacientes como objetivos terapeuticos para inmunoterapias de cancer.

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11361841B2 (en) 2016-02-12 2022-06-14 Nantomics Llc High-throughput identification of patient-specific neoepitopes as therapeutic targets for cancer immunotherapies

Also Published As

Publication number Publication date
US11361841B2 (en) 2022-06-14
MX2018009804A (es) 2018-11-09
JP2019511907A (ja) 2019-05-09
CA3014252A1 (en) 2017-08-17
AU2017217877A1 (en) 2018-08-16
CN108701172A (zh) 2018-10-23
EP3414692A1 (en) 2018-12-19
WO2017139694A1 (en) 2017-08-17
TW201739919A (zh) 2017-11-16
IL261090A (en) 2018-10-31
US20190034582A1 (en) 2019-01-31
US20220270709A1 (en) 2022-08-25
EP3414692A4 (en) 2020-07-29
SG11201806282XA (en) 2018-08-30

Similar Documents

Publication Publication Date Title
US20220270709A1 (en) High-Throughput Identification of Patient-Specific Neoepitopes as Therapeutic Targets for Cancer Immunotherapies
US20230307090A1 (en) Systems, Compositions, And Methods For Discovery Of MSI And Neoepitopes That Predict Sensitivity To Checkpoint Inhibitors
JP7232476B2 (ja) がんを評価及び治療するための方法及び物質
US20240079089A1 (en) Immunotherapy Markers And Uses Therefor
US20220165353A1 (en) Tumor antigenicity processing and presentation
EP4247980A2 (en) Determination of cytotoxic gene signature and associated systems and methods for response prediction and treatment
WO2021077094A1 (en) Discovering, validating, and personalizing transposable element cancer vaccines
US20240142436A1 (en) System and method for discovering validating and personalizing transposable element cancer vaccines
Samadder Evaluating Differential Gene Expression Using RNA-Sequencing: A Case Study in Diet-Induced Mouse Model Associated With Non-Alcoholic Fatty Liver Disease (NAFLD) and CXCL12-vs-TGFβ Induced Fibroblast to Myofibroblast Phenoconversion

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application