KR20220009948A - 복합 생물학적 기질에서 시료 간 분석물의 변동성 제어 - Google Patents

Abstract

생물학적 기질로부터 시료 간 분석물 측정의 변동성을 정규화하기 위한 조성물 및 방법이 본 출원에 설명된다. 일부 실시예에서, 본 개시는 앱타머 기반 검정에 의해 측정된 소변으로부터의 하나 이상의 단백질 레벨을 정규화하는 방법에 관한 것이다.

Description

복합 생물학적 기질에서 시료 간 분석물의 변동성 제어

관련 출원에 대한 상호 참조

본 출원은 2019년 5월 17일에 출원된 미국 가특허 출원 번호 62/849,212의 우선권의 이익을 주장하며, 이는 임의의 목적을 위해 전체가 참조로 통합된다.

분야

본 개시는 전반적으로 생물학적 기질로부터의 시료간 분석물 측정의 변동성을 제어하는 것에 관한 것이다. 일부 실시예에서, 본 개시는 앱타머 기반 검정에 의해 측정된 소변 시료로부터의 하나 이상의 단백질의 레벨을 제어하기 위한 방법에 관한 것이다.

생물학적 시료에서 분석물 측정의 시료 간 변동성은 바이오마커 발견, 대사 분석, 유전자 발현 분석, 단백질 경로 분석, 진단 및 예후 도구에 대한 문제이며, 특히 결과가 상대적으로 작은 크기로 다른 정량적 생물학적 신호에 의존할 때 그러하다. 높은 시료 간 변동성을 나타내는 생물학적 시료 유형은 이러한 시료 유형으로 작업하는데 있어 주요 과제이다. 이러한 변동성을 제어하면 실험 및 임상 애플리케이션을 위해 보다 일관되고 의미 있는 데이터 세트를 제공할 수 있다.

따라서, 생물학적 기질에서 시료 간 분석물 측정 변동성을 제어하기 위한 대안적인 조성물 및 방법이 계속해서 필요하다. 본 개시는 이러한 변동성을 감소, 최소화 또는 제거하는 복합 기질의 생물학적 신호를 정규화하기 위한 신규 조성물 및 방법을 제공함으로써 이러한 요구를 충족시킨다.

실시예 1. 합성 희석도 모델(composite dilution model)을 생성하는 방법에 있어서,

a) 분석물을 포함하는 제1 생물학적 시료의 제1 희석도 시리즈에서 상기 분석물의 레벨을 결정하는 단계로서, 상기 제1 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;

b) 상기 분석물을 포함하는 제2 생물학적 시료의 제2 희석도 시리즈에서 상기 분석물의 레벨을 결정하는 단계로서, 상기 제2 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제2 희석도 시리즈에서 상기 분석물의 레벨을 결정하는 단계;

c) 상기 제1 희석도 시리즈의 상기 분석물의 레벨을 기반으로 모델을 생성하는 단계;

d) 기준 값을 선택하는 단계로서, 상기 기준 값은 :

(i) 상기 제2 희석도 시리즈의 특정 희석도에서의 분석물 레벨인 제2 희석도 시리즈 기준 값;

(ii) 상기 모델의 특정 희석도에서의 분석물 레벨인 모델 기준 값; 및

(iii) 특정 희석도에서의 분석물 레벨인 임의의 기준 값으로부터 선택되고, 해당 특정 희석도의 상기 분석물 레벨은 상기 제2 희석도 시리즈 또는 상기 모델에서 발견되지 않는, 상기 기준 값을 선택하는 단계;

e) 적어도 하나의 수평 병진 이동(horizontal translation)을 수행하는 단계로서, 상기 적어도 하나의 수평 병진 이동은 :

(i) 모델 값으로의 상기 제2 희석도 시리즈 기준 값의 수평 병진 이동(ΔX), 상기 모델 값은 상기 모델의 특정 희석도에서의 분석물 레벨이고, 상기 제2 희석도 시리즈 기준 값과 상기 모델 값은 동일하거나 실질적으로 동일하고;

(ii) 상기 제2 희석도 시리즈 값으로의 상기 모델 기준 값의 수평 병진 이동(ΔX), 상기 제2 희석도 시리즈 값은 상기 제2 희석도 시리즈의 특정 희석도에서의 분석물 레벨이고, 상기 모델 기준 값과 상기 제2 희석도 시리즈 값은 동일하거나 실질적으로 동일하고; 및

(iii) 임의의 기준 값으로의 제2 희석도 시리즈 값(ΔX) 및 모델 값(ΔY)의 수평 병진 이동으로부터 선택되고, 상기 모델 값은 상기 모델의 특정 희석도에서의 분석물 레벨이고, 상기 제2 희석도 시리즈 값은 상기 제2 희석도 시리즈의 특정 희석도에서의 분석물 레벨이고, 상기 제2 희석도 시리즈 값, 상기 모델 값 및 상기 임의의 기준 값은 동일하거나 실질적으로 동일하고;

f) (i) 상기 제2 희석도 시리즈, (ii) 상기 모델, 또는 (iii) 상기 제2 희석도 시리즈 및 상기 모델에서 나머지 값의 적어도 하나의 수평 병진 이동을 수행하는 단계로서, 상기 나머지 값의 수평 병진 이동은 정렬된(lined) 합성 병진 이동으로 귀결되고; 및

g) 정렬된 합성 병진 이동 시리즈에 함수를 피팅(fitting)하여 합성 희석도 모델을 형성하는 단계를 포함하는, 방법.

실시예 2. 실시예 1에 있어서, 상기 방법은:

d) 상기 제2 희석도 시리즈의 특정 희석도에서의 분석물 레벨인 제2 희석도 시리즈 기준 값을 선택하는 단계;

e) 모델 값으로의 상기 제2 희석도 시리즈 기준 값의 수평 병진 이동(ΔX)을 수행하는 단계, 상기 모델 값은 상기 모델의 특정 희석도에서의 분석물 레벨이고, 상기 제2 희석도 시리즈 기준 값과 상기 모델 값은 동일하거나 또는 실질적으로 동일하고; 및

f) 상기 제2 희석도 시리즈의 나머지 값의 수평 병진 이동을 수행하는 단계를 포함하고, 상기 나머지 값의 수평 병진 이동은 정렬된 합성 병진 이동으로 귀결되는, 방법.

실시예 3. 실시예 1에 있어서, 상기 방법은:

d) 상기 모델의 특정 희석도에서의 분석물 레벨인 모델 기준 값을 선택하는 단계;

e) 제2 희석도 시리즈 값으로의 상기 모델 기준 값의 수평 병진 이동(ΔX)을 수행하는 단계, 상기 제2 희석도 시리즈 값은 상기 제2 희석도 시리즈의 특정 희석도에서의 분석물 레벨이고, 상기 모델 기준 값 및 상기 제2 희석도 시리즈 값은 동일하거나 실질적으로 동일하고; 및

f) 상기 모델에서 상기 나머지 값의 수평 병진 이동을 수행하는 단계를 포함하고, 상기 나머지 값의 수평 병진 이동은 정렬된 합성 병진 이동으로 귀결되는, 방법.

실시예 4. 실시예 1에 있어서, 상기 방법은:

d) 특정 희석도에서의 분석물 레벨인 임의의 기준 값을 선택하는 단계, 해당 특정 희석도에서 분석물 레벨은 상기 제2 희석도 시리즈 또는 상기 모델에서 발견되지 않고;

e) 임의의 기준 값으로의 제2 희석도 시리즈 값(ΔX) 및 모델 값(ΔY)을 수평 병진 이동하는 단계, 상기 모델 값은 상기 모델의 특정 희석도에서의 분석물 레벨이고, 상기 제2 희석도 시리즈 값은 상기 제2 희석도 시리즈의 특정 희석도에서의 분석물 레벨이고, 상기 제2 희석도 시리즈 값, 상기 모델 값 및 상기 임의의 기준 값은 동일하거나 실질적으로 동일하고; 및

f) 상기 제2 희석도 시리즈 및 상기 모델의 상기 나머지 값의 수평 병진 이동을 수행하는 단계를 포함하고, 상기 나머지 값의 수평 병진 이동은 정렬된 합성 병진 이동으로 귀결되는, 방법.

실시예 5. 합성 희석도 모델을 생성하는 방법에 있어서,

a) 분석물을 포함하는 제1 생물학적 시료의 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제1 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;

b) 상기 분석물을 포함하는 제2 생물학적 시료의 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제2 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 상기 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;

c) 상기 제1 희석도 시리즈의 분석물의 레벨을 기반으로 모델을 생성하는 단계;

d) 적어도 하나의 수평 병진 이동을 수행하는 단계로서, 상기 적어도 하나의 수평 병진 이동은

(i) 상기 모델로의 상기 제2 희석도 시리즈의 수평 병진 이동(ΔX)

(ii) 상기 제2 희석도 시리즈로의 상기 모델의 수평 병진 이동(ΔX); 및

(iii) 임의의 기준 값으로의 상기 제2 희석도 시리즈(ΔX) 및 상기 모델(ΔY)을 수평 병진 이동으로부터 선택되고, 상기 임의의 기준 값은 특정 희석도에서의 분석물 레벨이며, 해당 특정 희석도의 분석물 레벨은 상기 제2 희석도 시리즈 또는 모델에서 발견되지 않고, 상기 적어도 하나의 수평 병진 이동은 정렬된 합성 병진 이동 시리즈로 귀결되는, 상기 수평 병진 이동을 수행하는 단계; 및

e) 상기 정렬된 합성 병진 이동 시리즈에 함수를 피팅하여 합성 희석도 모델을 형성하는 단계를 포함하는, 방법.

실시예 6. 실시예 5에 있어서, 상기 방법은 상기 모델로의 상기 제2 희석도 시리즈의 수평 병진 이동(ΔX)을 수행하는 단계를 포함하는, 방법.

실시예 7. 실시예 5에 있어서, 상기 방법은 상기 제2 희석도 시리즈로의 상기 모델의 수평 병진 이동(ΔX)을 수행하는 단계를 포함하는, 방법.

실시예 8. 실시예 5에 있어서, 상기 방법은 특정 희석도에서의 분석물 레벨인 임의의 기준 값으로의 상기 제2 희석도 시리즈(ΔX) 및 상기 모델(ΔY)의 수평 병진 이동을 수행하는 단계를 포함하고, 상기 특정 희석도에서의 상기 분석물 레벨은 상기 제2 희석도 시리즈 또는 상기 모델에서 발견되지 않는, 방법.

실시예 9. 합성 희석도 모델을 생성하는 방법에 있어서,

a) 분석물을 포함하는 제1 생물학적 시료의 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제1 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;

b) 상기 분석물을 포함하는 제2 생물학적 시료의 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제2 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 상기 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;

c) 기준 값을 선택하는 단계로서, 상기 기준 값은:

(i) 상기 제2 희석도 시리즈의 특정 희석도에서의 분석물 레벨인 제2 희석도 시리즈 기준 값; 및

(ii) 특정 희석도에서의 분석물 레벨인 임의의 기준 값으로부터 선택되고, 해당 특정 희석도의 분석물 레벨은 상기 제1 희석도 시리즈 또는 상기 제2 희석도 시리즈에서 발견되지 않는, 상기 기준 값을 선택하는 단계;

d) 적어도 하나의 수평 병진 이동을 수행하는 단계로서, 상기 적어도 하나의 수평 병진 이동은:

(i) 제1 희석도 시리즈 값으로의 상기 제2 희석도 시리즈 기준 값의 수평 병진 이동(ΔX), 상기 제1 희석도 시리즈 값은 상기 제1 희석도 시리즈의 특정 희석도에서의 분석물 레벨이고, 상기 제2 희석도 시리즈 기준 값 및 상기 제1 희석도 시리즈 값은 동일하거나 실질적으로 동일하고; 및

(ii) 상기 임의의 기준 값으로의 상기 제1 희석도 시리즈(ΔX)와 상기 제2 희석도 시리즈(ΔY)를 수평 병진 이동으로부터 선택되고,

상기 적어도 하나의 수평 병진 이동은 정렬된 합성 병진 이동 시리즈로 귀결되고; 및

e) 상기 정렬된 합성 병진 이동 시리즈에 함수를 피팅하여 합성 희석도 모델을 형성하는 단계를 포함하는, 방법.

실시예 10. 실시예 9에 있어서, 상기 방법은 상기 제1 희석도 시리즈로의 상기 제2 희석도 시리즈의 수평 병진 이동(ΔX)을 수행하는 단계를 포함하는, 방법.

실시예 11. 실시예 9에 있어서, 상기 방법은 임의의 기준 값으로의 상기 제1 희석도 시리즈(ΔX) 및 상기 제2 희석도 시리즈(ΔY)를 수평 병진 이동하는 단계를 포함하고, 상기 임의의 기준 값은 특정 희석도에서의 분석물 레벨이고, 해당 특정 희석도의 분석물 레벨은 상기 제1 희석도 시리즈 또는 상기 제2 희석도 시리즈에서 발견되지 않는, 방법.

실시예 12. 합성 희석도 모델을 생성하는 방법에 있어서,

a) 분석물을 포함하는 제1 생물학적 시료의 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제1 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 상기 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;

b) 상기 분석물을 포함하는 제2 생물학적 시료의 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제2 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 상기 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;

c) 적어도 하나의 수평 병진 이동을 수행하는 단계로서, 상기 적어도 하나의 수평 병진 이동은:

(i) 상기 제1 희석도 시리즈로의 상기 제2 희석도 시리즈의 수평 병진 이동(ΔX); 및

(ii) 임의의 기준 값으로의 상기 제1 희석도 시리즈(ΔX)와 상기 제2 희석도 시리즈(ΔY)의 수평 병진 이동으로부터 결정되고, 상기 임의의 기준 값은 특정 희석도에서의 분석물 레벨이고, 해당 특정 희석도의 분석물 레벨은 상기 제1 희석도 시리즈 또는 상기 제2 희석도 시리즈에서 발견되지 않고;

상기 적어도 하나의 수평 병진 이동은 정렬된 합성 병진 이동 시리즈로 귀결되는, 상기 수평 병진 이동을 수행하는 단계; 및

d) 상기 정렬된 합성 병진 이동 시리즈에 함수를 피팅하여 상기 합성 희석도 모델을 형성하는 단계를 포함하는, 방법.

실시예 13. 실시예 12에 있어서, 상기 방법은 상기 제1 희석도 시리즈로의 상기 제2 희석도 시리즈의 수평 병진 이동(ΔX)을 수행하는 단계를 포함하는, 방법.

실시예 14. 실시예 12에 있어서, 상기 방법은 상기 임의의 기준 값으로의 상기 제1 희석도 시리즈(ΔX) 및 상기 제2 희석도 시리즈(ΔY)를 수평 병진 이동하는 단계를 포함하고, 상기 임의의 기준 값은 특정 희석도에서의 분석물 레벨이고, 해당 특정 희석도의 분석물 레벨은 상기 제1 희석도 시리즈 또는 상기 제2 희석도 시리즈에서 발견되지 않는, 방법.

실시예 15. 합성 희석도 모델을 생성하는 방법에 있어서,

a) 분석물을 포함하는 제1 생물학적 시료의 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제1 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 상기 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;

b) 상기 분석물을 포함하는 제2 생물학적 시료의 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제2 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 상기 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;

c) 상기 제1 희석도 시리즈의 분석물의 레벨에 기초하여 제1 모델을 생성하고, 상기 제2 희석도 시리즈의 분석물의 레벨에 기초하여 제2 모델을 생성하는 단계;

d) 기준 값을 선택하는 단계로서, 상기 기준 값은:

(i) 상기 제1 모델의 특정 희석도에서의 분석물 레벨인 제1 모델 기준 값; 및

(ii) 특정 희석도에서의 분석물 레벨인 임의의 기준 값으로부터 선택되고, 해당 특정 희석도에서의 분석물 레벨은 상기 제1 모델 또는 상기 제2 모델에서 발견되지 않는, 상기 기준 값을 선택하는 단계;

d) 적어도 하나의 수평 병진 이동을 수행하는 단계로서, 상기 적어도 하나의 수평 병진 이동은:

(i) 상기 제2 모델로의 상기 제1 모델의 수평 병진 이동(ΔX); 및

(ii) 상기 임의의 기준 값으로의 상기 제1 모델(ΔX)과 상기 제2 모델(ΔY)의 수평 병진 이동으로부터 선택되고; 및

상기 수평 병진 이동은 정렬된 합성 병진 이동 시리즈로 귀결되는, 상기 수평 병진 이동을 수행하는 단계; 및

e) 상기 정렬된 합성 병진 이동 시리즈에 함수를 피팅하여 합성 희석도 모델을 형성하는, 방법.

실시예 16. 실시예 15에 있어서, 상기 방법은 상기 제2 모델로의 상기 제1 모델의 수평 병진 이동(ΔX)을 수행하는 단계를 포함하는, 방법.

실시예 17. 실시예 15에 있어서, 상기 방법은 상기 임의의 기준 값으로의 상기 제1 모델(ΔX) 및 상기 제2 모델(ΔY)을 수평 병진 이동하는 단계를 포함하는, 방법.

실시예 18. 합성 희석도 모델을 생성하는 방법에 있어서,

a) 분석물을 포함하는 제1 생물학적 시료의 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제1 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;

b) 상기 분석물을 포함하는 제2 생물학적 시료의 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제2 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;

c) 상기 제1 희석도 시리즈의 분석물의 레벨에 기초하여 제1 모델을 생성하고, 상기 제2 희석도 시리즈의 분석물의 레벨에 기초하여 제2 모델을 생성하는 단계;

d) 적어도 하나의 수평 병진 이동을 수행하는 단계로서, 상기 적어도 하나의 수평 병진 이동은:

(i) 상기 제2 모델로의 상기 제1 모델의 수평 병진 이동(ΔX); 및

(ii) 임의의 기준 값으로의 상기 제1 모델(ΔX)과 상기 제2 모델(ΔY)의 수평 병진 이동으로부터 선택되고, 상기 특정 희석도의 분석물 레벨은 상기 제1 모델 또는 상기 제2 모델에서 발견되지 않고;

상기 수평 병진 이동은 정렬된 합성 병진 이동 시리즈로 귀결되는, 상기 수평 병진 이동을 수행하는 단계; 및

e) 상기 정렬된 합성 병진 이동 시리즈에 함수를 피팅하여 합성 희석도 모델을 형성하는 단계를 포함하는, 방법.

실시예 19. 실시예 18에 있어서, 상기 방법은 상기 제2 모델로의 상기 제1 모델의 수평 병진 이동(ΔX)을 수행하는 단계를 포함하는, 방법.

실시예 20. 실시예 18에 있어서, 상기 방법은 임의의 기준 값으로의 상기 제1 모델(ΔX) 및 상기 제2 모델(ΔY)의 수평 병진 이동을 포함하는, 방법.

실시예 21. 실시예 1 내지 실시예 20 중 어느 한 실시예에 있어서, 상기 분석물의 레벨이 상기 제1 희석도 시리즈에서 적어도 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15 또는 16개의 상이한 희석도의 각각에서 결정되는, 방법.

실시예 22. 실시예 1 내지 실시예 21 중 어느 한 실시예에 있어서, 상기 분석물의 레벨은 적어도 8 개의 상이한 희석도 각각에서 결정되는, 방법.

실시예 23. 실시예 1 내지 실시예 22 중 어느 한 실시예에 있어서, 상기 분석물의 레벨은 상기 제2 희석도 시리즈의 적어도 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15 또는 16개의 상이한 희석도의 각각에서 결정되는, 방법.

실시예 24. 실시예 1 내지 실시예 23 중 어느 한 실시예에 있어서, 상기 분석물의 레벨은 상기 제2 희석도 시리즈의 적어도 8개의 상이한 희석도의 각각에서 결정되는, 방법.

실시예 25. 실시예 1 내지 실시예 24 중 어느 한 실시예에 있어서, 각각의 모델은 선형 회귀 모델, LOESS 곡선 피팅 모델, 비선형 회귀 모델, 스플라인 피팅 모델(spline fit model), 혼합 효과 회귀 모델(mixed effects regression model), 고정 효과 회귀 모델(fixed effects regression model), 일반화 선형 모델, 기질 분해 모델 및 4개 파라미터 로지스틱 회귀(4PL) 모델로부터 독립적으로 선택되는, 방법.

실시예 26. 실시예 1 내지 실시예 25 중 어느 한 실시예에 있어서, 상기 분석물의 레벨은 상기 분석물의 상대량 또는 상기 분석물의 농도인, 방법.

실시예 27. 실시예 1 내지 실시예 26 중 어느 한 실시예에 있어서, 상기 선택된 기준 값이 상기 희석도 시리즈 또는 모델의 선형 범위 내에 있는, 방법.

실시예 28. 실시예 21에 있어서, 상기 선택된 기준 값은 상기 선형 범위의 중심점인, 방법.

실시예 29. 실시예 1 내지 실시예 28 중 어느 한 실시예에 있어서, 상기 제1 및 제2 생물학적 시료는 소변을 포함하거나 소변으로부터 도출되는, 방법.

실시예 30. 실시예 1 내지 실시예 29 중 어느 한 실시예에 있어서, 상기 제1 및 제2 생물학적 시료는 동일한 피험체로부터 수집되는, 방법.

실시예 31. 실시예 1 내지 실시예 30 중 어느 한 실시예에 있어서, 상기 제1 및 제2 생물학적 시료는 상이한 피험체로부터 수집되는, 방법.

실시예 32. 실시예 31에 있어서, 상기 제1 생물학적 시료는 제1 시점에서 수집되고, 상기 제2 생물학적 시료는 제2 시점에서 수집되는, 방법.

실시예 33. 실시예 32에 있어서, 상기 제1 시점 및 상기 제2 시점은 적어도 약 0.5시간, 1시간, 2시간, 3시간, 4시간, 5시간, 6시간, 7시간, 8시간, 9시간, 10시간, 11시간, 12시간, 13시간, 14시간, 15시간, 16시간, 17시간, 18시간, 19시간, 20시간, 21시간, 22시간, 23시간, 24시간, 36시간, 48시간, 60시간 또는 72시간 만큼 상이한, 방법.

실시예 34. 실시예 1 내지 실시예 33 중 어느 한 실시예에 있어서, 상기 분석물의 레벨은 앱타머(aptamer), 항체, 질량 분광 광도계 또는 이들의 조합을 사용하는 검정(assay)에 의해 측정되는, 방법.

실시예 35. 실시예 1 내지 실시예 34 중 어느 한 실시예에 있어서, 상기 제1 희석도 시리즈 및 상기 제2 희석도 시리즈 각각에 대한 희석도 계수는 상수(constant) 희석도 계수인, 방법.

실시예 36. 실시예 1 내지 실시예 35 중 어느 한 실시예에 있어서, 상기 제1 희석도 시리즈 및 상기 제2 희석도 시리즈 각각에 대한 희석도 계수는 적어도 2배, 3배, 4배, 5배, 6배, 7배, 8배, 9배, 10배 희석도인, 방법.

실시예 37. 실시예 1 내지 실시예 35 중 어느 한 실시예에 있어서, 상기 제1 희석도 시리즈 및 상기 제2 희석도 시리즈 각각에 대한 희석도 계수는 지수 또는 대수 희석도 계수인, 방법.

실시예 38. 실시예 1 내지 실시예 37 중 어느 한 실시예에 있어서, 상기 제1 생물학적 시료 및 상기 제2 생물학적 시료는 동일한 유형의 생물학적 시료인, 방법.

실시예 39. 실시예 1 내지 실시예 35 중 어느 한 실시예에 있어서, 상기 제1 희석도 시리즈 및 제2 희석도 시리즈 각각은 적어도 1:2 적정 계수(titration factor)에서 적어도 5-포인트 연속 적정(serial titration)인, 방법.

실시예 40. 실시예 1 내지 실시예 39 중 어느 한 실시예에 있어서, 적어도 하나의 분석물에 대한 합성 희석도 모델에 대한 상기 생물학적 테스트 시료로부터의 적어도 하나의 분석물의 레벨을 수평으로 병진 이동함으로써 상기 생물학적 테스트 시료의 상대적 희석도를 결정하는 단계를 더 포함하는, 방법.

실시예 41. 실시예 40에 있어서, 상기 합성 희석도 모델을 형성하는데 사용된 상기 생물학적 테스트 시료와 상기 제1 및 제2 생물학적 시료는 동일한 시료 유형인, 방법.

실시예 42. 실시예 40 또는 실시예 41에 있어서, 상기 합성 희석도 모델을 형성하기 위해 사용된 상기 생물학적 테스트 시료 및 상기 제1 및 제2 생물학적 시료는 소변 시료이거나 소변 시료로부터 도출된, 방법.

실시예 43. 피험체로부터의 생물학적 테스트 시료의 상대적 희석도를 결정하기 위한 방법에 있어서, 상기 방법은 적어도 하나의 분석물에 대해 개발된 합성 희석도 모델에 대한 생물학적 테스트 시료로부터의 적어도 하나의 분석물의 레벨을 수평으로 병진 이동시켜서 상기 피험체로부터의 상기 생물학적 테스트 샘플의 상대적 희석도를 결정하는, 방법.

실시예 44. 실시예 40 내지 실시예 43 중 어느 한 실시예에 있어서, 상이한 분석물 각각에 대한 상기 생물학적 테스트 시료의 상대적 희석도를 결정하기 위해 상이한 분석물 각각에 대해 개발된 각각의 합성 희석도 모델에 대한 생물학적 테스트 시료로부터 적어도 2, 적어도 3, 적어도 4, 적어도 5, 적어도 6, 적어도 7, 적어도 8, 적어도 9, 적어도 10, 적어도 11, 적어도 12, 적어도 13, 적어도 14, 적어도 15, 적어도 16, 적어도 17, 적어도 18, 적어도 19, 적어도 20, 적어도 21, 적어도 22, 적어도 23, 적어도 24, 적어도 25, 적어도 26, 적어도 27, 적어도 28, 적어도 29, 적어도 30, 적어도 50, 적어도 75, 적어도 100, 적어도 150, 또는 적어도 200 상이한 분석물을 수평으로 병진 이동 시키는 단계, 및 상기 생물학적 테스트 샘플의 상대적 희석도를 결정하기 위해 상이한 분석물 각각에 대한 상대적 희석도를 사용하는 단계를 포함하는, 방법.

실시예 45. 실시예 44에 있어서, 상기 생물학적 테스트 시료의 상대적 희석도는 상기 상이한 분석물의 각각의 상대적 희석도의 중심 경향치(central tendency)로부터 도출되는, 방법.

실시예 46. 실시예 44 또는 실시예 45에 있어서, 상기 생물학적 테스트 시료의 상대적 희석도는 상기 상이한 분석물 각각의 상대적 희석도의 중앙값(median), 평균 또는 모드로부터 유도되는, 방법.

실시예 47. 실시예 43 내지 실시예 46 중 어느 한 실시예에 있어서, 상기 합성 희석도 모델은 상기 실시예 1 내지 실시예 42 중 어느 한 실시예의 방법을 사용하여 개발된, 방법.

실시예 48. 실시예 43 내지 실시예 48 중 어느 한 실시예에 있어서, 상기 합성 희석도 모델을 개발하는데 사용된 상기 생물학적 테스트 시료 및 상기 시료는 동일한 시료 유형인, 방법.

실시예 49. 실시예 41에 있어서, 상기 합성 희석도 모델을 개발하는데 사용된 상기 생물학적 테스트 시료 및 상기 시료는 소변 시료거나 소변 시료로부터 도출된, 방법.

실시예 50. 실시예 40 내지 실시예 49 중 어느 한 실시예에 있어서, 상기 도출된 상대적 희석도 계수로 상기 생물학적 테스트 시료의 상대적 희석도를 계산하는 단계를 더 포함하는, 방법.

실시예 51. 실시예 1 내지 실시예 50 중 어느 한 실시예에 있어서, 각각의 분석물은 표적 단백질(target protein)인, 방법.

실시예 52. 컴퓨터 시스템에 있어서,

명령을 저장하는 비일시적 메모리; 및

상기 비일시적 메모리에 결합된 하나 이상의 하드웨어 프로세서로서, 상기 비일시적 메모리로부터 명령을 판독하여 상기 컴퓨터 시스템이:

복수의 상이한 생물학적 시료로부터의 분석물 측정 데이터를 수신하는 단계;

상기 분석물 측정 데이터에서 복수의 선택된 분석물 각각에 대한 개개의 분석물 측정치를 분석하는 단계; 및

상기 분석에 기초하여 선택된 분석물의 각각의 분석물에 대한 합성 희석도 모델을 생성하는 단계를 포함하는 동작을 수행하게 하도록 구성된, 상기 하나 이상의 하드웨어 프로세서를 포함하는, 컴퓨터 시스템.

실시예 53. 실시예 52에 있어서, 상기 분석하는 단계는:

각각의 선택된 분석물에 대해, 최대 선형 희석도 범위를 갖는 생물학적 시료를 결정하는 단계를 포함하는, 컴퓨터 시스템.

실시예 54. 실시예 53에 있어서, 상기 분석하는 단계는:

각각의 선택된 분석물에 대해, 각각의 선택된 분석물에 대해 결정된 최대 선형 범위에 기초하여 기준 희석도 모델을 생성하는 단계를 더 포함하는, 컴퓨터 시스템.

실시예 55. 실시예 54에 있어서, 상기 분석하는 단계는:

각각의 선택된 분석물에 대해, 각각의 선택된 분석물에 대해 생성된 기준 희석도 모델에 기초하여 개개의 선택된 분석물과 연관된 상기 분석물 측정 데이터를 병진 이동시키는 단계를 더 포함하는, 컴퓨터 시스템.

실시예 56. 실시예 52 내지 실시예 55 중 어느 한 실시예에 있어서, 상기 생물학적 시료는 소변 시료인, 컴퓨터 시스템.

실시예 57. 실시예 52 내지 실시예 56 중 어느 한 실시예에 있어서, 상기 분석물 측정 데이터는 RFU(relative fluorescence unit) 측정을 포함하는, 컴퓨터 시스템.

실시예 58. 컴퓨터 판독 가능 명령을 포함하는 비일시적 컴퓨터 판독 가능 매체에 있어서, 상기 명령이 처리 디바이스에 의해 실행될 때, 상기 처리 디바이스로 하여금:

복수의 상이한 생물학적 시료로부터 분석물 측정 데이터를 수신하는 단계;

상기 분석물 측정 데이터에서 복수의 선택된 분석물 각각에 대한 개개의 분석물 측정치를 분석하는 단계; 및

상기 분석에 기초하여 선택된 분석물 각각에 대한 합성 희석도 모델을 생성하는 단계를 포함하는 동작을 수행하게 하는, 비일시적 컴퓨터 판독 가능 매체.

실시예 59. 생물학적 물질에 대한 합성 희석도 모델을 생성하기 위한 컴퓨터 구현 방법에 있어서,

하나 이상의 처리 디바이스에 의해 복수의 상이한 생물학적 시료로부터 분석물 측정 데이터를 수신하는 단계;

하나 이상의 처리 디바이스에 의해, 상기 분석물 측정 데이터에서 복수의 선택된 분석물 각각에 대한 개개의 분석물 측정치를 분석하는 단계; 및

하나 이상의 처리 디바이스에 의해, 상기 분석에 기초하여 선택된 분석물 각각에 대한 합성 희석도 모델을 생성하는 단계를 포함하는, 컴퓨터 구현 방법.

실시예 60. 컴퓨터 시스템에 있어서,

명령을 저장하는 비일시적 메모리; 및

상기 비일시적 메모리에 결합된 하나 이상의 하드웨어 프로세서로서, 상기 비일시적 메모리로부터 명령을 판독하여 상기 컴퓨터 시스템이:

생물학적 시료의 분석물에 대한 분석물 측정 데이터를 수신하는 단계;

상기 생물학적 시료의 예측된 상대적 희석도를 결정하기 위해 복수의 분석물을 선택하는 단계;

선택된 분석물 각각의 개별 분석물에 대해 생성된 합성 희석도 모델을 수신하는 단계;

개개의 선택된 분석물에 대해 생성된 대응하는 합성 희석도 모델에 기초하여 선택된 분석물 각각에 대해 예측된 상대적 희석도 값을 결정하는 단계; 및

상기 선택된 분석물에 대해 결정된 예측 상대적 희석도 값에 기초하여 상기 생물학적 시료의 예측 상대적 희석도를 결정하는 단계를 포함하는 동작을 수행하게 하도록 구성된, 상기 하나 이상의 하드웨어 프로세서를 포함하는, 컴퓨터 시스템.

본 발명의 상기의 및 다른 목적, 특징 및 이점은 첨부 도면을 참조하여 진행되는 이하의 상세한 설명으로부터 더욱 명백해질 것이다.

도 1은 연속 희석도에 의한 선형 범위의 결정을 도시한다. RFU = 상대 형광 단위.
도 2a-2e는 시스타틴(cystatin) C(CST3) 레벨 및 에프린 B형 수용체 6(EPHB6)의 분석을 도시한다. 도 2a는 소변 시료의 연속 희석도를 사용하여 CST3 레벨의 측정을 도시한다. 도 2b는 가중 선형 회귀 모델을 사용하여 CST3에 대한 회귀 라인 생성을 도시한다. 도 2c는 CST3에 대한 데이터의 4개 파라미터 로지스틱 함수(4PL) 피팅을 도시한다. 도 2d는 소변 시료의 연속 희석도를 사용한 EPHB6 레벨의 측정을 도시한다. 도 2e는 가중 선형 회귀 모델을 사용하여 EPHB6에 대한 회귀 라인생성을 도시한다.
도 3a-3c는 PDGFD(platelet derived growth factor D) 레벨의 분석을 도시한다. 도 3a는 소변 시료의 연속 희석도를 사용하여 PDGFD 레벨의 측정을 도시한다. 도 3b는 가중 선형 회귀 모델을 사용하여 회귀 라인의 생성을 도시한다. 도 3c는 PDGFD에 대한 데이터의 4PL 피팅을 도시한다.
도 4a-4c는 RARRES2(retinoic acid receptor responder 2) 레벨의 분석을 도시한다. 도 4a는 소변 시료의 연속 희석도를 사용한 RARRES2 레벨의 측정을 도시한다. 도 4b는 가중 선형 회귀 모델을 사용하여 회귀 라인의 생성을 도시한다. 도 4c는 RARRES2에 대한 데이터의 4PL 피팅을 도시한다.
도 5a-5c는 IL1RL2(interleukin 1 receptor like 2) 레벨의 분석을 도시한다. 도 5a는 소변 시료의 연속 희석도를 사용한 IL1RL2 레벨의 측정을 도시한다. 도 5b는 가중 선형 회귀 모델을 사용하여 회귀 라인의 생성을 도시한다. 도 5c는 IL1RL2에 대한 데이터의 4PL 피팅을 도시한다.
도 6a-6c는 F11(coagulation factor XI) 레벨의 분석을 도시한다. 도 6a는 소변 시료의 연속 희석도를 사용한 F11 수치 측정을 도시한다. 도 6b는 가중 선형 회귀 모델을 사용하여 회귀 라인의 생성을 도시한다. 도 6c는 F11에 대한 데이터의 4PL 피팅을 도시한다.
도 7a-7c는 SEPT11(septin 11) 레벨의 분석을 도시한다. 도 7a는 소변 시료의 연속 희석도를 사용한 SEPT11 레벨의 측정을 도시한다. 도 7b는 가중 선형 회귀 모델을 사용하여 회귀 라인의 생성을 도시한다. 도 7c는 SEPT11에 대한 데이터의 4PL 피팅을 도시한다.
도 8a-8c는 TMPO(thymopoietin) 레벨의 분석을 도시한다. 도 8a는 소변 시료의 연속 희석도를 사용한 TMPO 레벨의 측정을 도시한다. 도 8b는 가중 선형 회귀 모델을 사용한 회귀 라인의 생성을 도시한다. 도 8c는 TMPO에 대한 데이터의 4PL 피팅을 도시한다.
도 9a-9c는 SHISA3(shisa family member 3) 레벨의 분석을 도시한다. 도 9a는 소변 시료의 연속 희석도를 사용한 SHISA3 레벨의 측정을 도시한다. 도 9b는 가중 선형 회귀 모델을 사용한 회귀 라인의 생성을 도시한다. 도 9c는 SHISA3에 대한 데이터의 4PL 피팅을 도시한다.
도 10a-10b는 IDUA(iduronidase, 10A) 및 NEO1(neogenin 1, 10B)에 대한 분석물 레벨의 정규화 결과를 도시한다.
도 11은 단일 시료의 4개의 연속 1:2 희석도에 대한 예상 상대적 희석도의 분포를 도시한다. 도시된 라인은 왼쪽에서 오른쪽으로 0.3125%, 0.625%, 1.25%, 2.5%, 5%, 10%, 20% 및 40%이다.
도 12는 15명의 연구 참가자에 대한 정규화 전의 표적 단백질 레벨을 도시한다.
도 13은 15명의 연구 참가자에 대해 합성 희석도 곡선에서 계산된 각각의 시료의 예상 상대적 희석도를 도시한다.
도 14는 15명의 연구 참가자에 대한 정규화된 시료를 도시한다.
도 15a-15d는 단일 연구 참가자의 소변으로부터 분석물의 비정규화(15a 및 15c) 및 정규화(15b 및 15d) 측정을 도시한다.
도 16a-16d는 단일 연구 참가자의 소변으로부터 분석물의 비정규화(16a 및 16c) 및 정규화(16b 및 16d) 측정을 도시한다.
도 17a-17b는 각각의 연구 참가자(17a)에 대한 비정규화 및 정규화 데이터에 대한 F-통계량 및 각각의 연구 참가자(17b)에 대한 F 통계량의 폴드 감소(fold reduction)를 도시한다.
도 18a 및 18b는 합성 희석도 모델을 형성하는 제1 예시적인 방법을 나타내는 흐름도(A) 및 그래프(B)를 도시한다.
도 19a 및 19b는 합성 희석도 모델을 형성하는 제2 예시적인 방법을 보여주는 흐름도(A) 및 그래프(B)를 도시한다.
도 20a 및 20b는 합성 희석도 모델을 형성하는 제3의 예시적인 방법을 보여주는 흐름도(A) 및 그래프(B)를 도시한다.
도 21a 및 21b는 합성 희석도 모델을 형성하는 제4 예시적인 방법을 보여주는 흐름도(A) 및 그래프(B)를 도시한다.
도 22a 및 22b는 합성 희석도 모델을 형성하는 제5 예시적인 방법을 보여주는 흐름도(A) 및 그래프(B)를 도시한다.
도 23a 및 23b는 합성 희석도 모델을 형성하는 제6 예시적인 방법을 보여주는 흐름도(A) 및 그래프(B)를 도시한다.
도 24a 및 24b는 합성 희석도 모델을 형성하는 제7 예시적인 방법을 보여주는 흐름도(A) 및 그래프(B)를 도시한다.
도 25는 본 개시의 다양한 예들에 따른 예시적인 시스템 아키텍처를 예시하는 블록도이다.
도 26 및 도 27은 본 개시의 예에 따른 상이한 생물학적 시료에 존재하는 복수의 분석물 각각에 대한 합성 희석도 모델을 생성하는 것을 예시하는 예시적인 흐름도이다.
도 28은 본 개시의 예에 따른 새로운 시료의 상대적 희석도를 예측하기 위한 새로운 생물학적 시료에 대한 합성 희석도 모델의 애플리케이션을 예시하는 흐름도이다.
도 29는 본 출원에서 설명된 동작들 중 하나 이상을 수행할 수 있는 예시적인 컴퓨터 시스템의 블록도이다.

I. 용어 및 방법

본 발명은 특정 대표적인 실시예와 관련하여 설명될 것이지만, 본 발명은 청구범위에 의해 정의되고 이러한 실시예로 제한되지 않는다는 것이 이해될 것이다.

당업자는 본 출원에 설명된 것과 유사하거나 등가인 많은 방법 및 물질이 본 발명의 실시에 사용될 수 있음을 인식할 것이다. 본 발명은 설명된 방법 및 물질에 결코 한정되지 않는다.

달리 정의되지 않는 한, 본 출원에서 사용되는 기술 및 과학 용어는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미를 갖는다. 분자 생물학에서 일반적인 용어의 정의는 Benjamin Lewin, Genes V, published by Oxford University Press, 1994 (ISBN 0-19-854287-9); Kendrew et al. (eds.), The Encyclopedia of Molecular Biology, published by Blackwell Science Ltd., 1994 (ISBN 0-632-02182-9); and Robert A. Meyers (ed.), Molecular Biology and Biotechnology: a Comprehensive Desk Reference, published by VCH Publishers, Inc., 1995 (ISBN 1-56081-569-8)에서 찾을 수 있다. 본 출원에 설명된 것과 유사하거나 등가인 임의의 방법, 디바이스 및 물질이 본 발명의 실시에 사용될 수 있지만, 특정 방법, 디바이스 및 물질이 본 출원에 설명된다.

본 출원에 인용된 모든 간행물, 공개된 특허 문서 및 특허 출원은 각각의 개별 간행물, 공개된 특허 문서 또는 특허 출원이 참조로 통합되는 것으로 구체적이고 개별적으로 표시된 것처럼 동일한 정도로 참조로 통합된다.

첨부된 청구범위를 포함하여 본 출원에서 사용된, 단수 형태 "a", "an" 및 "the"는 문맥이 명백하게 달리 지시하지 않는 한 복수를 포함하고 "적어도 하나" 및 "하나 이상”과 상호 교환적으로 사용될 수 있다. 따라서, "앱타머(aptamer)"에 대한 언급은 앱타머의 혼합물을 포함하고, "프로브(probe)"에 대한 언급은 프로브의 혼합물을 포함한다.

본 출원에 사용된 바와 같이, 용어 "포함하다", "포함하는", "포함한다", "포함한다", "함유한다", "함유하다" 및 이들의 임의의 변형은 비배타적 포함을 포함하도록 의도되어, 엘리먼트 또는 엘리먼트 목록을 포함하거나 포함하거나 함유하는 프로세스, 방법, 절차에 의한 제품(product-by-process) 또는 물질의 구성은 명시적으로 나열되지 않은 다른 엘리먼트를 포함할 수 있다.

핵산 또는 폴리펩티드에 대해 주어진 모든 염기 크기 또는 아미노산 크기, 및 모든 분자량 또는 분자량 값은 근사치이며 설명을 위해 제공됨을 추가로 이해해야 한다.

또한, 본 출원에 제공된 범위는 범위 내의 모든 값에 대한 약칭으로 이해된다. 예를 들어, 1 내지 50의 범위는 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49 또는 50로부터의 임의의 수, 숫자의 조합 또는 서브 범위 뿐만 아니라 문맥에서 달리 명시하지 않는 한 이들의 분수를 포함하는 것으로 이해된다.

임의의 농도 범위, 백분율 범위, 비율 범위 또는 정수 범위는 달리 지칭되지 않는 한 인용된 범위 내의 임의의 정수 값 및 적절한 경우 이의 분수(예를 들어, 정수의 10분의 1 및 100분의 1)를 포함하는 것으로 이해되어야 한다. 또한, 중합체 서브 유닛, 크기 또는 두께와 같은 임의의 물리적 특징과 관련하여 본 출원에 인용된 임의의 수 범위는 달리 지시되지 않는 한 인용된 범위 내의 임의의 정수를 포함하는 것으로 이해되어야 한다.

본 출원에 사용된, "약" 또는 "본질적으로 구성되는"은 달리 지시되지 않는 한 지시된 범위, 값 또는 구조의 ± 20%를 의미한다.

대안(예를 들어, “또는")의 사용은 대안 중 하나, 둘 모두 또는 이들의 조합을 의미하는 것으로 이해되어야 한다.

본 개시의 다양한 실시예의 검토를 용이하게 하기 위해, 특정 용어에 대한 이하의 설명이 제공된다:

항체: 용어 "항체"는 Fab 단편(fragment), F(ab')₂ 단편, 단일 사슬 항체, Fv 단편 및 단일 사슬 Fv 단편을 포함하여 항원에 결합하는 능력을 보유하는 임의 종의 전장 항체 및 이러한 항체의 단편 및 유도체를 의미한다. 용어 "항체"는 또한 파지 디스플레이 유래 항체 및 단편, 아피바디(affybod) 및 나노바디(nanobody)와 같은 합성 유래 항체를 포함한다.

앱타머(Aptamer): 본 출원에서 사용된 "앱타머"는 표적 분자에 대한 특이적 결합 친화도를 갖는 핵산을 지칭하며, 표적 분자에 대한 앱타머의 결합은 왓슨-크릭 염기쌍(Watson-Crick base pairing)을 포함하지 않는다. 친화성 상호작용은 정도의 문제로 인식된다; 그러나 이러한 맥락에서, 앱타머의 표적에 대한 "특이적 결합 친화도(specific binding affinity)"는 앱타머가 일반적으로 테스트 시료의 다른 성분에 결합하는 것보다 훨씬 더 높은 친화도로 그의 표적에 결합한다는 것을 의미한다. "앱타머"는 특정 뉴클레오티드 서열을 갖는 핵산 분자의 한 유형 또는 종의 복사본 세트이다. 앱타머는 임의의 수의 화학적으로 변형된 뉴클레오티드를 포함하여 임의의 적절한 수의 뉴클레오티드를 포함할 수 있다. 복수형 "앱타머(aptamers)"는 이러한 분자 세트를 하나 이상 나타낸다. 다른 앱타머는 같거나 다른 수의 뉴클레오티드를 가질 수 있다. 앱타머는 DNA 또는 RNA 또는 화학적으로 변형된 핵산일 수 있으며 단일 가닥, 이중 가닥 또는 단일 및 이중 가닥 영역을 모두 포함할 수 있으며 고차 구조를 포함할 수 있다. 앱타머는 또한 광반응성 또는 화학적 반응성 작용기를 포함하여 상응하는 표적에 공유결합으로(covalently) 연결될 수 있다. 본 출원에 개시된 임의의 앱타머 방법은 동일한 표적 분자에 특이적으로 결합하는 2개 이상의 앱타머의 사용을 포함할 수 있다. 후술하는 바와 같이, 앱타머는 태그(tag)를 포함할 수 있다. 앱타머에 태그가 포함된 경우, 앱타머의 모든 사본에 동일한 태그가 있을 필요는 없다. 또한, 상이한 앱타머가 각각 태그를 포함하는 경우, 각각의 다른 앱타머는 동일한 태그 또는 다른 태그를 가질 수 있다.

생물학적 시료 또는 생물학적 기질: 본 출원에서 사용된 "생물학적 시료(biological sample)" 및 "생물학적 기질(biological matrix)"는 유기체로부터 획득된 임의의 물질, 용액 또는 혼합물을 의미한다. 이것은 혈액(전혈, 백혈구, 말초혈액 단핵구, 혈장 및 혈청 포함), 가래, 호흡, 소변, 정액, 타액, 수막액(meningeal fluid), 양수(amniotic fluid), 선액, 림프액, 유두 흡인물, 기관지 흡인물, 활액(synovial fluid), 관절 흡인물, 세포, 세포 추출물 및 뇌척수액을 포함한다. 이것은 이전의 모든 것의 실험적으로 분리된 단편(fraction)도 포함한다. "생물학적 시료" 및 "생물학적 기질"이라는 용어는 또한 예를 들어, 대변 시료, 조직 시료 또는 조직 생검과 같은 균질화된 고체 물질을 함유하는 물질, 용액 또는 혼합물을 포함한다. "생물학적 시료" 및 "생물학적 기질"이라는 용어에는 세포주(cell line), 조직 배양, 세포 배양, 박테리아 배양, 바이러스 배양 또는 무세포 생물학적 시스템(예를 들어, IVTT)에서 도출된 물질, 용액 또는 혼합물도 포함된다.

레벨: 본 출원에서 사용된 "표적 단백질 레벨", "분석물 레벨" 및 "레벨"은 생물학적 시료에서 분석물(예를 들어, 표적 단백질)을 검출하기 위한 임의의 분석 방법을 사용하여 이루어진 측정을 나타내며, 생물학적 시료에서 분석물의 존재, 부재, 절대량 또는 농도, 상대량 또는 농도, 적정 농도(titer), 레벨, 발현 레빌, 측정된 레벨의 비율 등을 나타내는, 이에 상응하는 것을 나타내는 측정을 나타낸다. "레벨"의 정확한 성질은 분석물을 검출하는데 사용되는 특정 분석 방법의 특정 디자인 및 컴포넌트에 따라 다르다.

C-5 변형된 피리미딘: 본 출원에 사용된 용어 "C-5 변형된 피리미딘(C-5 modified pyrimidine)"은 C-5 위치에서 변형된 피리미딘을 지칭한다. C-5 변형 피리미딘의 예는 U.S. 특허 번호 5,719,273; 5,945,527; 9,163,056; 및 Dellafiore et al., 2016, Front. Chem., 4:18을 포함한다. C-5 변형의 예는 C-5 위치에서 데옥시우리딘을 하기로부터 독립적으로 선택된 치환기로 치환하는 것을 포함한다 : 바로 아래에 예시된 벤질카르복시아미드(대안적으로 벤질아미노카르보닐)(Bn), 나프틸메틸카르복시아미드(대안적으로 나프틸메틸아미노카르보닐)(Nap), 트립트아미노카르복시아미드(대안적으로 트립트아미노카르보닐)(Trp), 페네틸카르복시아미드(대안적으로 페네틸아미노카르보닐)(Pe), 티오페닐메틸카르복시아미드(대안적으로 티오페닐메틸아미노카르보닐)(Th) 및 이소부틸카르복시아미드(대안적으로 이소부틸아미노카르보닐)(iBu).

C-5 변형된 피리미딘의 화학적 변형은 또한 2'-위치 당 변형, 엑소시클릭 아민에서의 변형, 및 4-티오우리딘의 치환 등과, 단독으로 또는 임의의 조합으로 조합될 수 있다.

대표적인 C-5 변형 피리미딘은 : 5-(N-벤질카르복시아미드)-2'-데옥시우리딘(BndU), 5-(N-벤질카르복시아미드)-2'-O-메틸우리딘, 5-(N-벤질카르복시아미드)-2'-플루오로우리딘, 5-(N-이소부틸카르복시아미드)-2'-데옥시우리딘(iBudU), 5-(N-이소부틸카르복시아미드)-2'-O-메틸우리딘, 5-(N-페네틸카르복시아미드)-2'-데옥시우리딘(PedU), 5-(N-티오페닐메틸카르복시아미드)-2'-데옥시우리딘(ThdU), 5-(N-이소부틸카르복시아미드)-2'-플루오로우리딘, 5-(N-트립트아미노카르복시아미드)-2'-데옥시우리딘(TrpdU), 5-(N-트립트아미노카르복시아미드)-2'-O-메틸우리딘, 5-(N-트립트아미노카르복시아미드)-2'-플루오로우리딘, 5-(N-[1-(3-트리메틸아모늄)프로필]카르복시아미드)-2'-데옥시우리딘 클로라이드, 5-(N -나프틸메틸카르복시아미드)-2'-데옥시우리딘(NapdU), 5-(N-나프틸메틸카르복시아미드)-2'-O-메틸우리딘, 5-(N-나프틸메틸카르복시아미드)-2'-플루오로우리딘 또는 5-(N-[1-(2),3-디히드록시프로필)]카르복시아미드)-2'-데옥시우리딘).

뉴클레오티드는 올리고뉴클레오티드 합성 전 또는 후에 변형될 수 있다. 올리고뉴클레오타이드의 뉴클레오타이드 서열은 하나 이상의 비뉴클레오타이드 성분에 의해 중단될 수 있다. 변형된 올리고뉴클레오티드는 예를 들어, 임의의 적절한 표지(labeling) 성분과의 접합(conjugation)에 의해 중합 후에 추가로 변형될 수 있다.

본 출원에 사용된 용어 "적어도 하나의 피리미딘"은 핵산의 변형을 지칭할 때 핵산의 하나, 여러 개 또는 모든 피리미딘을 나타내며, 핵산에서 C, T 또는 U 중 일부 또는 전부의 일부 또는 모든 발생이 변형되거나 변형되지 않을 수 있음을 나타낸다.

포획 시약(Capture Reagent): 본 출원에 사용된 "포획 제제" 또는 "포획 시약"은 바이오마커, 단백질 및/또는 펩티드와 같은 분석물에 특이적으로 결합할 수 있는 분자를 의미한다. "표적 단백질 포획 시약"은 표적 단백질에 특이적으로 결합할 수 있는 분자를 의미한다. 비제한적인 예시적인 포획 시약은 앱타머, 항체, 애드넥틴, 안키린, 다른 항체 모방체 및 다른 단백질 스캐폴드, 자가항체, 키메라, 소분자, 핵산, 렉틴, 리간드-결합 수용체, 각인된 중합체, 아비머, 펩티드모방체, 호르몬 수용체, 사이토카인 수용체, 합성 수용체, 및 전술한 포획 시약 중 임의의 것의 변형 및 단편을 포함한다. 일부 실시예에서, 포획 시약은 앱타머 및 항체로부터 선택된다.

대조군 레벨(Control Level): 표적 분자의 "대조군 레벨"은 질병이나 상태가 없는 개체로부터, 또는 질병이나 상태가 의심되지 않거나 위험이 있는 개체로부터, 또는 질병이나 상태의 비진행성 형태를 가진 개체로부터 동일한 시료 유형에서 표적 분자의 레벨을 나타낸다. 또한, "대조군 레벨"은 평균 또는 정상 또는 건강한 파라미터 내에서 고려되는 기준을 의미할 수 있다. "대조군 레벨"은 또한 이전 시간에 취해진 기준 레벨을 의미할 수 있으며, 이는 표적의 나중에 측정되거나 검출된 레벨과 비교하는데 사용된다. 예를 들어, 표적의 레벨은 시점 A에서 검출된 다음 시점 B에서 검출될 수 있고, 여기서 시점 B는 시점 A 이후이다. 보다 구체적인 예에서 시점 A는 0시(0) 또는 0일(0)로 간주될 수 있으며 시점 B는 시점 A 이후 분(예를 들어, 시점 A 이후 10, 20, 30, 40, 50, 60분), 시간(예를 들어, 시점 A 이후 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23 또는 24시간), 일(예를 들어, 시점 A 이후 1, 2, 3, 4, 5, 6 또는 7일), 주(예를 들어, 시점 A 후 1, 2, 3 또는 4주), 개월(예를 들어, 시점 A 이후 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11 또는 12개월) 및 심지어 년 (예를 들어, 시점 A 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 20, 25, 30, 35, 40, 45, 50, 55 또는 60 년)일 수 있다. 표적 분자의 "대조군 레벨"은 본 방법을 수행될 때마다 결정할 필요가 없으며, 특정 시료의 레벨이 정상 레벨보다 높거나 낮은지 부를 결정하기 위한 기준 또는 임계값으로 사용되는 미리 결정된 레벨일 수 있다.

대응 상관: "대응 상관(correspondence correlation)" 또는 "일치 상관 계수(concordance correlation coefficient)"는 두 개의 연속 변수 X와 Y(예를 들어, 예측, 추정 또는 결정, 실제) 간의 일치를 측정한다. "대응 상관"은 쌍이 45^o 라인에 속하는 정도를 평가하고 정확도와 정밀도(또는 "Lin's Condordance")의 측정값을 포함한다. 추가 정보는 Lin, Biometrics, Vol. 45, No. 1 (March, 1989), 255-268에서 찾아볼 수 있고, 참조로 본 출원에 통합된다. 본 출원에서 사용될 수 있는 상관을 결정하기 위한 다른 방법은 피어슨(Pearson) 상관 계수, 대응 표본 t-검정(paired t-test), 기울기(=1) 및 절편(=0)의 최소 제곱 분석, 변동 계수 및 클래스 내 상관 계수를 포함하지만 이에 제한되지 않는다. 특정 실시예에서, 대응 상관은 Lin's Concordance, Pearson 상관 계수, 대응 표본 t-검정, 기울기(=1) 및 절편(=0)의 최소 제곱 분석, 변동 계수 및 클래스내 상관 계수로부터 선택된 방법에 의해 결정된다.

검출: 본 출원에 사용된, 분석물 레벨과 관련하여 "검출" 또는 "결정"은 분석물 레벨에 해당하는 신호를 관찰하고 기록하는데 사용되는 기기와 해당 신호를 생성하는데 필요한 물질 둘 모두의 사용을 포함한다. 다양한 실시예에서, 레벨은 형광, 화학 발광, 표면 플라즈몬 공명, 표면 탄성파, 질량 분광법, 적외선 분광법, 라만 분광법, 원자력 현미경, 주사 터널링 현미경, 전기 화학적 검출 방법, 핵 자기 공명, 양자점 등을 포함하는 임의의 적절한 방법을 사용하여 검출된다.

진단: "진단", "진단하는 단계", "진단" 및 그 변형은 그 개체에 관한 하나 이상의 징후, 증상, 데이터 또는 다른 정보를 기반으로 개체의 건강 상태 또는 상태를 검출, 결정 또는 인식하는 것을 지칭한다. 개체의 건강 상태는 건강/정상으로 진단되거나(즉, 질병 또는 상태의 부재 진단) 또는 질병/비정상으로 진단될 수 있다(즉, 질병 또는 상태의 존재 진단 또는 특성 평가). "진단하다", "진단하는", "진단하다" 등의 용어는 특정 질병 또는 상태와 관련하여 질병의 초기 검출; 질병의 특성화 또는 분류; 질병의 진행, 관해(remission) 또는 재발의 검출; 및 개체에 대한 치료 또는 요법의 투여 후 질병 반응의 검출을 포함한다.

희석도: "희석도(dilution)", "희석도 시리즈(dilution series)" 및 그 변형은 단계 희석도, 연속 희석도 및 이들의 조합을 포함하지만 이에 국한되지 않는 여러 다른 유형의 희석도를 포함한다. 단계 희석도의 예로서, 희석도 계수가 1000(1:1000 희석도)인 경우 사용자는 먼저 1:10 희석도(희석도 계수 10)을 수행한 다음 1:10 희석도에서 1부(part) 용질과 99부 희석제를 사용하여 1:100 희석도(희석도 계수 100)을 수행할 수 있고, 용질의 1000 희석 계수 또는 1:1000 희석도로 귀결된다. 연속 희석도는 각각 동일한 희석 비율을 갖는 연속적인 단계 희석도를 포함하고, 여기서 이전 단계의 희석된 물질은 후속 희석도를 만드는데 사용된다. 예를 들어, 연속 희석도의 경우 5-포인트 1:2 연속 희석도를 만들기 위해 1부 용질 사용을 수반하여 1부 희석제와 결합하여 희석도 시리즈의 제1 희석도(5-포인트의 제1 포인트)을 만들고, 다음에 제1 희석도의 1 부 용질과 1 부 희석제와 결합하여 연속 희석도 시리즈의 제2 희석도(5-포인트의 제2 지점)을 만드는 식으로 계속해서 제5 연속 희석도에 도달할 때까지 계속한다.

희석도 계수: "희석도 계수(dilution factor)"는 희석제 부분에 대한 용질 부분의 비율을 나타낸다. 예를 들어, 2의 희석도 계수는 1:2 희석도를 의미하며, 총 2부에 대해 1부의 용질과 1부의 희석제가 있다; 10의 희석도 계수는 1:10 희석도를 의미하며 총 10부에 대해 1부의 용질과 9부의 희석제가 있다.

평가하다: "평가하다", "평가하는", "평가하다" 및 그 변형은 "진단" 및 "예측"을 모두 포함하며, 다음과 같이 질병 또는 상태가 있는 개체의 질병 또는 상태의 미래 경과에 대한 결정 또는 예측 뿐만 아니라 이전에 질병이나 상태로 진단된 적이 없는 개체에게서 질병이나 상태가 발생할 가능성에 대한 결정 및 예측, 뿐만 아니라 질병이나 상태가 관해 상태에 있거나 질병이 치유된 것으로 믿어지는 개체에서 질병 또는 상태가 재발할 가능성에 관한 결정 또는 예측을 포함한다. "평가하다"라는 용어는 또한 치료에 대한 개체의 반응을 평가하는 것, 예컨대, 예를 들어, 개체가 치료제에 호의적으로 반응할 가능성이 있는지 또는 치료제에 반응할 가능성이 낮은지를 예측하는 것 (또는 예를 들어, 독성 또는 다른 바람직하지 않은 부작용을 겪을 것), 개체에게 투여할 치료제를 선택하는 것, 개체에게 투여되었거나 투여되고 있는 요법에 대한 개체의 반응을 모니터링 또는 결정을 포함한다.

개체: 본 출원에 사용된 "개체(individual)" 및 "피험체(subject)"는 테스트 피험체 또는 환자를 지칭하기 위해 상호 교환적으로 사용된다. 개체는 포유동물 또는 비포유동물일 수 있다. 다양한 실시예에서, 개체는 포유동물이다. 포유동물 개체는 인간 또는 비인간일 수 있다. 다양한 실시예에서, 개체는 인간이다. 건강하거나 정상적인 개체는 관심 있는 질병이나 상태가 기존의 진단 방법으로 검출할 수 없는 개체이다.

선형 회귀: 본 출원에서 사용된 용어 "선형 회귀(linear regression)"는 스칼라 종속 변수 y와 x로 표시된 하나 이상의 설명 변수 간의 관계를 모델링하기 위한 접근 방식을 나타낸다. 하나의 설명 변수의 경우를 단순 선형 회귀라고 한다. 하나 이상의 설명 변수에 대해 다수의 선형 회귀라고 한다. 일반적으로 선형 회귀는 예측 모델을 y 및 x 값의 관찰된 데이터 세트에 피팅하는데 사용될 수 있다. 이러한 모델을 개발한 후, x의 추가 값이 수반되는 y의 값 없이 주어되면 피팅된 모델을 사용하여 y의 값을 예측할 수 있다.

마커: 본 출원에 사용된, "마커" 및 "바이오마커(biomarker)"는 개체의 정상 또는 비정상 프로세스 또는 개체의 질병 또는 다른 상태의 징후이거나 이를 나타내는 표적 분자(또는 분석물)를 지칭하기 위해 상호 교환적으로 사용된다. 보다 구체적으로, "마커" 또는 "바이오마커"는 정상이든 비정상이든, 그리고 비정상인 경우 만성이든 급성이든, 특정 생리학적 상태 또는 프로세스의 존재와 관련된 해부학적, 생리학적, 생화학적 또는 분자적 파라미터이다. 바이오마커는 실험실 검정 및 의료 영상을 포함한 다양한 방법으로 검출하고 측정할 수 있다. 일부 실시예에서, 바이오마커는 표적 단백질이다.

변형된: 본 출원에 사용된 용어 "변형(modify)", "변형된", "변형" 및 이들의 임의의 변형은 올리고뉴클레오티드와 관련하여 사용될 때, 올리고뉴클레오티드의 4개의 구성 뉴클레오티드 염기(즉, A, G, T/U, 및 C) 중 적어도 하나는 자연 발생 뉴클레오티드의 유사체 또는 에스테르임을 의미한다. 일부 구현예에서, 변형된 뉴클레오타이드는 올리고뉴클레오타이드에 뉴클레아제 내성을 부여한다. 일부 실시예에서, 변형된 뉴클레오티드는 높은 결합 효율 및 안정한 공결정(co-crystal) 복합체를 초래하는 단백질 표적과 앱타머의 우세한 소수성 상호 작용을 유도한다. C-5 위치에 치환이 있는 피리미딘은 변형된 뉴클레오티드의 예이다. 변형은 골격 변형, 메틸화, 이소염기 이소시티딘 및 이소구아니딘과 같은 특이한 염기쌍 조합 등을 포함할 수 있다. 변형은 캡핑(capping)과 같은 3' 및 5' 변형도 포함될 수 있다. 다른 변형은 하나 이상의 자연 발생 뉴클레오티드의 유사체로의 치환, 뉴클레오타이드간 변형 예컨대, 예를 들어, 하전되지 않은 결합을 가진 것들(예를 들어, 메틸 포스포네이트, 포스포트리에스테르, 포스포아미데이트, 카바메이트 등) 및 하전된 결합을 가진 것(예를 들어, 포스포로티오에이트, 포스포로디티오에이트 등), 인터칼레이터가 있는 것(예를 들어, 아크리딘, 소랄렌 등), 킬레이트제가 포함된 것(예를 들어, 금속, 방사성 금속, 붕소, 산화성 금속 등), 알킬화기를 함유하는 것들, 및 변형된 결합을 갖는 것들(예를 들어, 알파 아노머 핵산 등)을 포함할 수 있다. 또한, 뉴클레오티드의 당에 통상적으로 존재하는 임의의 히드록실기는 포스포네이트기 또는 포스페이트기로 대체될 수 있고; 표준 보호기에 의해 보호될 수 있고; 또는 추가 뉴클레오티드 또는 고체 지지체에 대한 추가 연결을 준비하기 위해 활성화된다. 5' 및 3' 말단 OH 기는 인산화되거나 아민, 약 1 내지 약 20개의 탄소 원자의 유기 캡핑 기 모이어티, 일부 실시예에서 약 10 내지 약 80 kDa 범위의 폴리에틸렌 글리콜(PEG) 중합체, 일부 실시예에서 약 20 내지 약 60 kDa 범위의 PEG 중합체, 또는 다른 친수성 또는 소수성 생물학적 또는 합성 중합체로 치환될 수 있다. 일 실시예에서, 변형은 피리미딘의 C-5 위치에 대한 것이다. 이러한 변형은 C-5 위치에서 직접 아미드 연결을 통해 또는 다른 유형의 연결에 의해 생성될 수 있다.

폴리뉴클레오타이드는 또한 2'-O-메틸-, 2'-O-알릴, 2'-플루오로- 또는 2'-아지도-리보스, 탄소환식 당 유사체, α-아노머 당, 에피머 당, 예를 들어, 아라비노오스, 자일로오스 또는 릭소오스, 피라노오스 당, 푸라노오스 당, 세도헵툴로오스, 비환형 유사체 및 메틸 리보시드와 같은 염기성 뉴클레오시드 유사체를 포함하는 당업계에 일반적으로 알려진 유사한 형태의 리보스 또는 데옥시리보스 당을 함유할 수 있다. 상기에서 언급된 바와 같이, 하나 이상의 포스포디에스테르 연결은 대안적인 연결기로 대체될 수 있다. 이들 대안적인 연결기는 포스페이트가 P(O)S("티오에이트"), P(S)S("디티오에이트"), (O)NR₂("아미데이트"), P(O)R, P (O)OR', CO 또는 CH₂("포름아세탈")로 대체된 실시예를 포함하고, 여기서 각각의 R 또는 R'는 독립적으로 H 또는 에테르(-O-) 연결, 아릴, 알케닐, 시클로알킬, 시클로알케닐 또는 아랄딜을 옵션으로 포함하는 치환 또는 비치환된 알킬(1-20 C)이다. 폴리뉴클레오티드의 모든 연결이 동일할 필요는 없다. 유사한 형태의 당, 퓨린 및 피리미딘의 대체는 예를 들어, 폴리아미드 골격과 같은 대체 골격 구조와 마찬가지로 최종 제품을 디자인하는데 유리할 수 있다.

핵산: 본 출원에 사용된 "핵산", "올리고뉴클레오티드" 및 "폴리뉴클레오티드"는 상호교환적으로 사용되어 뉴클레오티드의 중합체를 지칭하기 위해 상호 교환적으로 사용되며, DNA, RNA, DNA/RNA 하이브리드 및 이러한 종류의 핵산, 올리고뉴클레오티드 및 폴리뉴클레오타이드의 변형을 포함하고, 여기서 임의의 위치에서 뉴클레오타이드 단위에 대한 다양한 엔티티 또는 모이어티의 부착이 포함된다. 용어 "폴리뉴클레오타이드", "올리고뉴클레오타이드" 및 "핵산"은 이중 또는 단일 가닥 분자 및 삼중 나선 분자를 포함한다. 핵산, 올리고뉴클레오타이드, 폴리뉴클레오타이드는 앱타머보다 광의의 용어이므로 핵산, 올리고뉴클레오타이드 및 폴리뉴클레오타이드라는 용어는 앱타머인 뉴클레오타이드의 중합체를 포함하지만 핵산, 올리고뉴클레오타이드 및 폴리뉴클레오타이드라는 용어는 앱타머에 한정되지 않는다.

최소 제곱법(Ordinary least squares): 본 출원에 사용된 "최소 제곱법" 또는 "OLS" 또는 "선형 최소 제곱"은 선형 회귀 모델에서 알려지지 않은 파라미터를 추정하기 위한 방법을 나타낸다. 이 방법은 데이터 세트에서 관찰된 응답과 선형 근사에 의해 예측된 응답 간의 수직 거리 제곱의 합을 최소화한다. 결과 추정량은 특히 오른쪽에 단일 회귀 변수의 경우 간단한 공식으로 표현할 수 있다.

예후(prognose): "예후", "예후", "예후" 및 그 변형은 질병 또는 상태가 있는 개체의 질병 또는 상태의 미래 경과에 대한 예측(예를 들어, 환자 생존 예측)을 의미하며, 이러한 용어는 개체에게 치료 또는 요법을 투여하는 동안 및/또는 후에 질병 반응의 평가를 포함한다.

SELEX: 용어 "SELEX" 및 "SELEX 프로세스"는 일반적으로, (1) 바람직한 방식으로 표적 분자와 상호작용하는 앱타머의 선택, 예를 들어 (2) 선택된 핵산의 증폭과 함께 단백질에 대한 높은 친화도로 결합의 조합을 나타내기 위해 본 출원에서 상호 교환적으로 사용된다. SELEX 프로세스는 표적 단백질과 같은 특정 분석물에 대해 높은 친화도를 갖는 앱타머를 식별하는데 사용될 수 있다.

서열 동일성(Sequence Identity): 2개 이상의 핵산 서열과 관련하여 본 출원에 사용된 서열 동일성은 2개 이상의 서열의 정렬을 최적화하기 위해 도입해야 하는 갭의 수와 각각의 갭의 길이를 고려하여 서열에 의해 공유되는 동일한 뉴클레오티드 위치의 수의 함수이다(즉, %동일성 = 동일한 위치의 수/ 기준 서열의 총 위치 수×100). 디폴트 파라미터에서 BLAST 및 Gapped BLAST 프로그램과 같은 수학적 알고리즘을 사용하여 서열의 비교 및 2개 이상의 서열 간의 동일성 퍼센트 결정이 수행할 수 있다(예를 들어, Altschul et al., J. Mol. Biol. 215:403, 1990, www.ncbi.nlm.nih.gov/BLAST에서 BLASTN 참조). 서열 비교를 위해 일반적으로 하나의 서열이 테스트 서열이 비교되는 기준 서열로 작용한다. 서열 비교 알고리즘을 사용하는 경우 테스트 서열과 기준 서열을 컴퓨터에 입력하고 필요에 따라 서브 서열 좌표를 지정하며 서열 알고리즘 프로그램 파라미터를 지정한다. 그런 다음 서열 비교 알고리즘은 지정된 프로그램 파라미터를 기반으로 기준 서열에 대한 테스트 서열(들)의 서열 동일성 백분율을 계산한다. 비교를 위한 최적의 서열 정렬은 예를 들어, Smith and Waterman, Adv. Appl. Math., 2:482, 1981의 로컬 상동성(homology) 알고리즘에 의해, Needleman and Wunsch, J. Mol. Biol., 48:443, 1970의 상동성 정렬 알고리즘에 의해, Pearson and Lipman, Proc. Nat'l. Acad. Sci. USA 85:2444, 1988의 유사성 검색을 통해, 이들 알고리즘의 컴퓨터화된 구현에 의해 (GAP, BESTFIT, FASTA, and TFASTA in the Wisconsin Genetics Software Package, Genetics Computer Group, 575 Science Dr., Madison, Wis) 또는 육안 검사에 의해 (일반적으로 Ausubel, F. M. et al., Current Protocols in Molecular Biology, pub. by Greene Publishing Assoc. and Wiley- Interscience (1987) 참조) 수행될 수 있다. 본 출원에 사용된, 앱타머와 같은 핵산의 동일성 퍼센트를 설명할 때, 그 서열이 예를 들어, 기준 뉴클레오티드 서열과 적어도 약 95% 이상 동일하며, 핵산 서열은 기준 핵산 서열의 각각의 100개 뉴클레오티드당 최대 5개의 점 돌연변이를 포함할 수 있다는 점을 제외하고 핵산 서열이 기준 서열과 동일한 것으로 의도된다. 다시 말해서, 원하는 핵산 서열을 얻기 위해, 그 서열이 기준 핵산 서열과 적어도 약 95% 동일하기 위해, 기준 서열에서 뉴클레오티드의 최대 5%가 결실되거나 다른 뉴클레오티드로 치환될 수 있고, 또는 기준 서열의 총 뉴클레오티드 수의 5% 이하의 일부 뉴클레오티드가 기준 서열에 삽입될 수 있다(본 출원에서 삽입이라고 함). 원하는 서열을 생성하기 위한 기준 서열의 이러한 돌연변이는 기준 서열의 뉴클레오티드 사이에 개별적으로 또는 기준 서열 내에 하나 이상의 인접 그룹에 산재된, 기준 뉴클레오티드 서열의 5' 또는 3' 말단 위치에서 또는 이들 말단 위치 사이의 임의의 위치에서 발생할 수 있다.

소마머(SOMAmer): 본 출원에서 소마머 또는 소마머 시약이라는 용어는 오프-레이트 특성이 개선된 앱타머를 지칭한다. SOMAmer 시약은 대안적으로 Slow Off-Rate Modified Aptamers로 지칭되며, "Method for Generating Aptamers with Improved Off-Rates"라는 제목으로 US 공개 번호 20090004667에 설명된 개선된 SELEX 방법을 통해 선택될 수 있으며, 이는 그 전체가 참조로 통합된다. 일부 실시예에서, 느린 오프-레이트 앱타머(slow off-rate aptamer)(소수성 변형을 갖는 적어도 하나의 뉴클레오티드를 포함하는 앱타머 포함)는 ≥ 2분, ≥ 4분, ≥ 5분, ≥ 8분, ≥ 5분, ≥ 10분, ≥ 15분, ≥ 30분, ≥ 60분, ≥ 90분, ≥ 120분, ≥ 150분, ≥ 180분, ≥ 210분 또는 ≥ 240분의 오프 레이트(t½)를 갖는다.

실질적으로 동일한: 본 출원에서 사용된 "실질적으로 동일한(substantially equivalent)"이라는 문구는 당업자가 두 값 사이의 차이가 값에 의해 측정된 특성의 맥락 내에서 생물학적 및/또는 통계적 중요성이 거의 또는 전혀 없는 것으로 고려할 수 있도록 2개의 숫자 값 사이의 충분히 높은 정도의 유사성을 나타낸다. 보다 구체적으로, 두 값 사이의 차이(예를 들어, 기준 값과 회귀 모델 기준 값 사이의 차이)는 바람직하게는 약 25% 미만, 또는 약 20% 미만, 또는 약 15% 미만 또는 약 10% 또는 약 5% 미만 또는 약 4% 미만 또는 약 3% 미만 또는 약 2.5% 미만 또는 약 2% 미만 또는 약 1% 미만 이다.

표적 분자: "표적", "표적 분자" 및 "분석물"은 시료에 존재할 수 있는 임의의 관심 분자를 지칭하기 위해 본 출원에서 상호 교환적으로 사용된다. 이 용어는 특정 분자의 임의의 사소한 변형 예컨대, 단백질의 경우, 예를 들어, 아미노산 서열의 사소한 변형, 이황화 결합 형성, 글리코실화, 지질화, 아세틸화, 인산화 또는 임의의 다른 조작 또는 변형 예컨대 분자의 동일성을 실질적으로 변경하지 않는 표지 컴포넌트와의 접합을 포함한다. "표적 분자", "표적" 및 "분석물"은 분자 또는 다중 분자 구조의 한 유형 또는 종의 사본 세트를 나타낸다. "표적 분자", "표적" 및 "분석물"은 하나 이상의 유형 또는 종의 분자 또는 다중 분자 구조를 나타낸다. 예시적인 표적 분자는 단백질, 폴리펩티드, 핵산, 탄수화물, 지질, 다당류, 당단백질, 호르몬, 수용체, 항원, 항체, 아피바디, 항체 모방체, 바이러스, 병원체, 독성 물질, 기질, 대사산물, 전이 상태 유사체, 보조인자, 억제제, 약물, 염료, 영양소, 성장 인자, 세포, 조직 및 전술한 것의 단편 또는 부분을 포함한다. 일부 실시예에서, 표적 분자는 단백질이고, 이 경우 표적 분자는 "표적 단백질"로 지칭될 수 있다.

본 발명의 상기 및 다른 목적, 특징 및 장점은 첨부 도면을 참조하여 진행되는 이하의 상세한 설명으로부터 더욱 명백해질 것이다.

본 출원에 설명된 것과 유사하거나 등가인 방법 및 물질이 본 개시의 실시 또는 테스트에 사용될 수 있지만, 적절한 방법 및 물질이 이하에 기재되어 있다. 또한, 물질, 방법 및 예는 예시일 뿐이며 제한하려는 의도가 아니다.

분석물 및 분석물 레벨의 검출 및 측정

본 출원에 설명된 분석물에 대한 분석물 레벨은 임의의 다양한 공지된 분석 방법을 사용하여 검출할 수 있다. 일 실시예에서, 분석물 레벨은 포획 시약을 사용하여 검출된다. 다양한 실시예에서, 포획 시약은 용액 중의 분석물에 노출될 수 있거나 포획 시약이 고체 지지체 상에 고정되는 동안 분석물에 노출될 수 있다. 일부 실시예에서, 포획 시약은 고체 지지체 상의 제2 특징부와 반응성인 특징부를 포함한다. 이러한 실시예에서, 포획 시약은 용액 내 분석물에 노출될 수 있고, 그런 다음 포획 시약 상의 특징부는 고체 지지체 상의 제2 특징부과 함께 사용되어 고체 지지체 상에 분석물을 고정화할 수 있다. 포획 시약은 수행할 분석 유형에 따라 선택된다. 포획 시약에는 앱타머, 항체, 애드넥틴, 안키린, 다른 항체 모방체 및 다른 단백질 스캐폴드, 키메라, 소분자, F(ab')₂ 단편, 단일 사슬 항체 단편, Fv 단편, 단일 사슬 Fv 단편, 핵산, 렉틴, 리간드 결합 수용체, 아피바디, 나노바디, 각인된 중합체, 아비머, 펩티드모방체, 호르몬 수용체, 사이토카인 수용체 및 합성 수용체 포함되지만 이에 국한되지는 않고, 이들 중 임의의 것의 변형 및 단편을 포함한다.

일부 실시예에서, 분석물 레벨은 분석물/포획 시약 복합체를 사용하여 검출된다.

일부 실시예에서, 분석물 레벨은 분석물/포획 시약 복합체로부터 도출되고, 예를 들어, 분석물/포획 시약 상호 작용에 후속하지만 분석물/포획 시약 복합체의 형성에 의존하는 반응의 결과와 같이 간접적으로 검출된다.

일부 실시예에서, 분석물 레벨은 생물학적 시료의 분석물로부터 직접 검출된다.

일부 실시예에서, 분석물은 생물학적 시료에서 둘 이상의 분석물의 동시 검출을 허용하는 다중화된 형식을 사용하여 검출된다. 다중화된 형식의 일부 실시예에서, 포획 시약은 고체 지지체 상의 별개의 위치에서 직접 또는 간접적으로, 공유적으로 또는 비공유적으로 고정화된다. 일부 실시예에서, 다수의 형식은 개별 고체 지지체를 사용하며, 여기서 각각의 고체 지지체는 예를 들어, 양자점과 같은 고체 지지체와 관련된 고유한 포획 시약을 갖는다. 일부 실시예에서, 생물학적 시료에서 검출될 다수의 분석물 각각의 검출을 위해 개별 디바이스가 사용된다. 생물학적 시료의 각각의 분석물이 동시에 처리되도록 개별 디바이스를 구성할 수 있다. 예를 들어, 플레이트의 각각의 웰(well)이 생물학적 시료에서 검출될 다수의 분석물 중 하나 이상을 분석하는데 사용되도록 미량 정량판(microtiter plate)를 사용할 수 있다.

본 출원에 기재된 하나 이상의 실시예에서, 형광 태그를 사용하여 분석물 레벨의 검출을 가능하게 하기 위해 분석물/포획 시약 복합체의 성분을 표지할 수 있다. 다양한 실시예에서, 형광 표지는 공지된 기술을 사용하여 본 출원에 기재된 임의의 분석물에 특이적인 포획 시약에 접합될 수 있고, 이어서 형광 표지를 사용하여 상응하는 분석물 레벨을 검출할 수 있다. 적절한 형광 표지는 희토류 킬레이트, 플루오레세인 및 이의 유도체, 로다민 및 이의 유도체, 단실, 알로피코시아닌, PBXL-3, Qdot 605, 리사민, 피코에리트린, 텍사스 레드 및 다른 이러한 화합물을 포함한다.

일부 실시예에서, 형광 표지는 형광 염료 분자이다. 일부 실시예에서, 형광 염료 분자는 인돌륨 링의 3-탄소 상의 치환기가 화학적 반응성 기 또는 공액 물질을 함유하는 적어도 하나의 치환된 인돌륨 링 시스템을 포함한다. 일부 실시예에서, 염료 분자는 예를 들어, AlexaFluor 488, AlexaFluor 532, AlexaFluor 647, AlexaFluor 680, 또는 AlexaFluor 700과 같은 AlexFluor 분자를 포함한다. 일부 실시예에서, 염료 분자는 염료 분자, 예를 들어, 2개의 상이한 AlexaFluor 분자와 같은 제1 유형 및 제2 유형의 염료 분자를 포함한다. 일부 실시예에서, 염료 분자는 제1 유형 및 제2 유형의 염료 분자를 포함하고, 2개의 염료 분자는 상이한 방출 스펙트럼을 갖는다.

형광은 광범위한 검정 형식과 호환되는 다양한 기기로 측정할 수 있다. 예를 들어, 분광 형광계는 미량 정량판, 현미경 슬라이드, 인쇄된 어레이, 큐벳 등을 분석하도록 디자인되었다. JR Lakowicz, Springer Science + Business Media, Inc., 2004에 의해 형광 분광법(Principles of Fluorescence Spectroscopy)의 원리 참조. Bioluminescence & Chemiluminescence: Progress & Current Applications; Philip E. Stanley and Larry J. Kricka editors, World Scientific Publishing Company, January 2002 참조.

하나 이상의 실시예에서, 화학발광 태그를 옵션으로 사용하여 분석물 레벨의 검출을 가능하게 하기 위해 분석물/포획 복합체의 성분을 표지할 수 있다. 적절한 화학발광 물질은 옥살릴 클로라이드, 로다민 6G, Ru(비피)₃ ²⁺, TMAE(테트라키스(디메틸아미노)에틸렌), 피로갈롤(1,2,3-트리히드록시벤젠), 루시게닌, 퍼옥시옥살레이트, 아릴 옥살레이트, 아크리디늄 에스테르, 디옥세탄 등 중 임의의 것을 포함한다.

일부 실시예에서, 검출 방법은 분석물 레벨에 상응하는 검출 가능한 신호를 생성하는 효소/기질 조합을 포함한다. 일반적으로 효소는 분광 광도법, 형광 및 화학발광을 포함한 다양한 기술을 사용하여 측정할 수 있는 발색 기질의 화학적 변경을 촉매한다. 적절한 효소는 예를 들어, 루시페라제, 루시페린, 말산 탈수소효소, 우레아제, HRPO(horseradish peroxidase), 알칼리성 포스파타제, 베타-갈락토시다제, 글루코아밀라제, 리소자임, 글루코스 옥시다제, 갈락토스 옥시다제, 및 글루코스-6-포스페이트 탈수소효소, 우리카제, 크산틴 옥시다제, 락토페록시다제, 마이크로퍼옥시다제 등을 포함한다.

일부 실시예에서, 검출 방법은 측정 가능한 신호를 생성하는 형광, 화학발광, 방사성핵종 및/또는 효소/기질 조합의 조합일 수 있다. 일부 실시예에서, 다수의 모드 시그널링은 분석물 분석 형식에서 독특하고 유리한 특성을 가질 수 있다.

일부 실시예에서, 본 출원에 기재된 분석물에 대한 분석물 레벨은 단일체 앱타머 검정, 다중화된 앱타머 검정, 단일체 또는 다중화된 면역 검정, mRNA 발현 프로파일링, miRNA 발현 프로파일링, 질량 분광 분석, 조직학적/세포학적 방법 등 및 아래에 논의된 것을 비롯한 임의의 분석 방법을 사용하여 검출될 수 있다.

앱타머 기반 분석을 사용한 분석물 레벨 측정

생물학적 시료 및 다른 시료에서 생리학적으로 중요한 분자의 검출 및 정량화에 대한 검정은 과학 연구 및 의료 분야에서 중요한 도구이다. 이러한 검정의 한 부류는 고체 지지체에 고정된 하나 이상의 앱타머를 포함하는 마이크로어레이의 사용을 포함한다. 앱타머는 각각 매우 특이적 방식으로 매우 높은 친화도로 표적 분자에 결합할 수 있다. 예를 들어, "핵산 리간드(Nucleic Acid Ligands)"라는 제목의 미국 특허 번호 5,475,096; 미국 특허 제6,242,246호, 미국 특허 제6,458,543호 및 미국 특허 제6,503,715호를 참조, 이들 각각의 제목은 "핵산 리간드 진단 바이오칩"이다. 마이크로어레이가 시료와 컨택되면, 앱타머는 시료에 존재하는 각각의 표적 분자에 결합하여 분석물에 해당하는 분석물의 레벨을 결정할 수 있다.

일 양태에서, 앱타머는 최대 약 100개의 뉴클레오티드, 최대 약 95개의 뉴클레오티드, 최대 약 90개의 뉴클레오티드, 최대 약 85개의 뉴클레오티드, 최대 약 80개의 뉴클레오티드, 최대 약 75개의 뉴클레오티드, 최대 약 70개의 뉴클레오티드, 약 65개 이하의 뉴클레오티드, 약 60개 이하의 뉴클레오티드, 약 55개 이하의 뉴클레오티드, 약 50개 이하의 뉴클레오티드, 약 45개 이하의 뉴클레오티드, 약 40개 이하의 뉴클레오티드, 약 35개 이하의 뉴클레오티드, 약 30개 이하의 뉴클레오티드, 약 25개 뉴클레오티드, 및 최대 약 20개 뉴클레오티드를 포함할 수 있다. 관련 양태에서, 앱타머는 약 25개 내지 약 100개 뉴클레오티드 길이(또는 약 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99 또는 100개의 뉴클레오티드 길이) 또는 약 25 내지 50개의 뉴클레오티드 길이(또는 약 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49 또는 50개 뉴클레오티드 길이)일 수 있다.

앱타머는 SELEX 프로세스를 포함하여 임의의 알려진 방법을 사용하여 식별할 수 있다. 일단 식별되면, 앱타머는 화학적 합성 방법 및 효소적 합성 방법을 포함하는 임의의 공지된 방법에 따라 조제 또는 합성될 수 있다. 일부 실시예에서, 앱타머는 소수성 염기 변형과 같은 소수성 변형을 갖는 적어도 하나의 뉴클레오티드를 포함하여, 표적 단백질과의 소수성 컨택을 허용한다. 일부 실시예에서, 이러한 소수성 컨택은 앱타머에 의한 더 큰 친화성 및/또는 더 느린 오프-레이트 결합에 기여한다. 일부 실시예에서, 앱타머는 소수성 변형을 갖는 적어도 2개, 적어도 3개, 적어도 4개, 적어도 5개, 적어도 6개, 적어도 7개, 적어도 8개, 적어도 9개, 또는 적어도 10개의 뉴클레오티드를 포함하며, 여기서 각각 소수성 변형은 다른 것과 같거나 다를 수 있다. 일부 실시예에서, 소수성 염기 변형은 C-5 변형 피리미딘이다. 비제한적인 예시적인 C-5 변형 피리미딘이 본 출원에 기재되어 있고 및/또는 당업계에 공지되어 있다.

일부 검정 형식에서, 앱타머는 시료와 컨택되기 전에 고체 지지체에 고정된다. 그러나 특정 상황에서 시료와 컨택하기 전에 앱타머를 고정하면 최적의 검정이 제공되지 않을 수 있다. 예를 들어, 일부 경우에, 앱타머의 사전 고정은 고체 지지체 표면의 표적 분자와 앱타머의 비효율적인 혼합을 초래할 수 있으며, 이는 아마도 긴 반응 시간으로 이어지며 따라서, 앱타머가 표적 분자에 효율적으로 결합할 수 있도록 인큐베이션 기간이 길어질 수 있다. 또한, 광앱타머(photoaptamer)가 검정에 사용되는 경우 및 고체 지지체로 사용되는 물질에 따라 고체 지지체는 광앱타머와 표적 분자 사이의 공유 결합 형성에 영향을 미치는데 사용되는 광을 산란시키거나 흡수하는 경향이 있을 수 있다. 더욱이, 사용된 방법에 따라, 그들의 앱타머에 결합된 표적 분자의 검출은 부정확할 수 있는데, 그 이유는 고체 지지체의 표면이 또한 사용되는 표지 제제에 노출되고 영향을 받을 수 있기 때문이다. 마지막으로, 고체 지지체에 대한 앱타머의 고정화(immobilization)는 일반적으로 시료에 앱타머를 노출시키기 전에 앱타머 준비 단계(즉, 고정화)를 포함하며, 이 준비 단계는 앱타머의 활성 또는 기능에 영향을 미칠 수 있다.

앱타머가 용액에서 표적을 포획할 수 있고, 검출 전에 앱타머-표적 혼합물의 특정 성분을 제거하도록 디자인된 분리 단계를 사용하는 앱타머 분석 또는 "앱타머 기반 분석(들)"이 또한 설명되었다 (예를 들어, "테스트 시료의 다수의 분석"이라는 제목의 미국 공개 번호 2009/0042206 참조). 설명된 앱타머 분석 방법은 핵산(즉, 앱타머)을 검출하고 정량화함으로써 테스트 시료에서 비핵산 표적(예를 들어, 단백질 표적)의 검출 및 정량화를 가능하게 한다. 설명된 방법은 비핵산 표적을 검출하고 정량화하기 위한 핵산 대체물(즉, 앱타머)을 생성하여서 증폭을 비롯한 다양한 핵산 기술을 단백질 표적을 포함하여 너 넓은 범위의 원하는 표적에 적용하는 것을 허용한다.

앱타머는 앱타머 분석물 복합체(또는 광앱타머 분석물 공유 복합체)로부터 검정 성분의 분리를 가능하게 하고 검출 및/또는 정량을 위한 앱타머의 분리를 허용하도록 구성될 수 있다. 일 실시예에서, 이들 구성체(construct)는 앱타머 서열 내에 절단 가능하거나 방출 가능한 엘리먼트를 포함할 수 있다. 다른 실시예에서, 추가 기능, 예를 들어, 표지되거나 검출 가능한 성분, 스페이서 성분, 또는 특이적 결합 태그 또는 고정화 엘리먼트와 같은 추가 기능이 앱타머에 도입될 수 있다. 예를 들어, 앱타머는 절단 가능한 모이어티, 라벨, 라벨을 분리하는 스페이서 성분, 및 절단 가능한 모이어티를 통해 앱타머에 연결된 태그를 포함할 수 있다. 일 실시예에서, 절단 가능한 엘리먼트는 광 절단 가능한 링커이다. 광절단 가능한 링커는 비오틴 모이어티 및 스페이서 섹션에 부착될 수 있고, 아민의 유도체화를 위한 NHS 기를 포함할 수 있으며, 앱타머에 비오틴 기를 도입하는데 사용될 수 있으며, 이에 의해 나중에 검정 방법에서 앱타머의 방출을 허용한다.

일부 실시예에서 용액 내 모든 검정 성분을 사용하여 수행되는 균질 검정은 신호 검출 전에 시료 및 시약의 분리를 필요로 하지 않을 수 있다. 이러한 방법은 빠르고 사용하기 쉽다.

일부 실시예에서, 신호 생성 방법은 형광단 표지된 포획 시약과 그의 특정 분석물 표적의 상호작용으로 인한 이방성 신호 변화를 이용한다. 표지된 포획이 표적과 반응할 때, 증가된 분자량으로 인해 복합체에 부착된 형광단의 회전 운동이 이방성 값을 변경하는 속도가 훨씬 느려진다. 등방성 변화를 모니터링하여 결합 이벤트를 사용하여 용액의 분석물을 정량적으로 측정할 수 있다. 다른 방법은 형광 편광 검정, 분자 비콘 방법, 시간 분해 형광 소광, 화학 발광, 형광 공명 에너지 전달 등을 포함한다.

생물학적 시료에서 분석물 레벨을 검출하는데 사용할 수 있는 예시적인 용액 기반 앱타머 검정은 다음을 포함한다: (a) 생물학적 시료를 제1 태그를 포함하고 분석물에 대해 특이적 친화성을 갖는 앱타머와 접촉시켜 혼합물을 조제하는 단계, 분석물이 시료에 존재할 때 앱타머 친화성 복합체가 형성되고; (b) 혼합물을 제1 포획 엘리먼트를 포함하는 제1 고체 지지체에 노출시키고, 제1 태그가 제1 포획 엘리먼트와 결합되도록 하는 단계; (c) 제1 고체 지지체와 관련되지 않은 혼합물의 임의의 성분을 제거하는 단계; (d) 앱타머 친화 복합체의 분석물 성분에 제2 태그를 부착하는 단계; (e) 제1 고체 지지체로부터 앱타머 친화성 복합체를 방출하는 단계(releasing); (f) 방출된 앱타머 친화성 복합체를 제2 포획 엘리먼트를 포함하는 제2 고체 지지체에 노출시키고 제2 태그가 제2 포획 엘리먼트와 연관되도록 하는 단계; (g) 비착물 앱타머를 앱타머 친화 복합체로부터 분할함으로써 혼합물로부터 임의의 비착물 앱타머를 제거하는 단계; (h) 고체 지지체로부터 앱타머를 용출시키는 단계; 및 (i) 앱타머 친화성 복합체의 앱타머 성분을 검출함으로써 분석물을 검출하는 단계. 예를 들어, 시료의 단백질 농도 또는 레벨은 RFU(relative fluorescence units)로 표현될 수 있으며, 이는 앱타머 친화성 복합체의 앱타머 성분을 검출한 산물일 수 있다(예를 들어, 표적 단백질에 복합된 앱타머는 앱타머 친화성 복합체를 생성함). 즉, 앱타머 기반 검정의 경우, 단백질 농도 또는 레벨이 RFU와 상관관계가 있다.

앱타머를 사용하여 생물학적 시료에서 분석물을 검출하는 비제한적인 예시적인 방법은 Kraemer et al., PLoS One 6(10): e26332에 설명되어 있다.

면역 검정법을 사용한 분석물 레벨 결정

면역 검정법은 항체의 해당 표적 또는 분석물에 대한 반응을 기반으로 하며 특정 검정 형식에 따라 시료에서 분석물을 검출할 수 있다. 면역 반응성에 기반한 분석법의 특이성 및 민감도를 향상시키기 위해, 단일 클론 항체 및 이의 단편은 특이적 에피토프 인식(epitope recognition) 때문에 종종 사용된다. 다중 클론 항체는 단일 클론 항체와 비교하여 표적에 대한 친화력이 증가하기 때문에 다양한 면역 검정에 성공적으로 사용되었다. 면역 검정은 광범위한 생물학적 시료 기질과 함께 사용하도록 디자인되었다. 면역 검정 형식은 정성적, 반정량적 및 정량적 결과를 제공하도록 디자인되었다.

정량적 결과는 검출할 특정 분석물의 알려진 농도로 생성된 표준 곡선을 사용하여 생성된다. 알려지지 않은 시료의 응답 또는 신호가 표준 곡선에 플랏되고 알려지지 않은 시료의 표적에 해당하는 양 또는 레벨이 수립된다.

수많은 면역 검정 형식이 디자인되었다. ELISA 또는 EIA는 분석물의 검출을 위해 정량적일 수 있다. 이 방법은 분석물 또는 항체에 표지를 부착하는 것에 의존하며 표지 성분에는 효소가 직간접적으로 포함된다. ELISA 테스트는 분석물의 직접, 간접, 경쟁 또는 샌드위치 검출을 위해 형식화될 수 있다. 다른 방법은 예를 들어, 방사성 동위원소(I¹²⁵) 또는 형광과 같은 표지에 의존한다. 추가 기술에는 예를 들어, 응집, 네펠로메트리, 탁도계, 웨스턴 블롯, 면역침전, 면역세포화학, 면역조직화학, 유세포분석, Luminex 검정 등이 포함된다(ImmunoAssay(면역 검정): A Practical Guide, edited by Brian Law, published by Taylor & Francis, Ltd., 2005 edition 참조).

예시적인 검정 형식은 효소 결합 면역 흡착 분석(ELISA), 방사선 면역 검정, 형광, 화학 발광, 및 형광 공명 에너지 전달(FRET) 또는 시간 분해 FRET(TR-FRET) 면역 검정을 포함한다. 분석물을 검출하기 위한 절차의 예에는 분석물 면역침전 후 겔 전기 영동, 모세관 전기 영동, 평면 전기크로마토그래피 등과 같이 크기 및 펩티드 레벨 구별을 허용하는 정량적 방법이 포함된다.

검출 가능한 표지 또는 신호 생성 물질을 검출 및/또는 정량화하는 방법은 표지의 특성에 따라 다르다. 적절한 효소(검출 가능한 라벨이 효소인 경우; 위 참조)에 의해 촉매되는 반응 생성물은 제한 없이 형광성, 발광성 또는 방사성일 수 있거나 가시광선 또는 자외선을 흡수할 수 있다. 이러한 검출 가능한 라벨을 검출하기에 적절한 검출기의 예는 제한 없이 X선 필름, 방사능 계수기, 섬광 계수기, 분광 광도계, 비색계, 형광계, 발광계 및 농도계를 포함한다.

임의의 검출 방법은 반응의 적절한 준비, 처리 및 분석을 허용하는 임의의 형식으로 수행할 수 있다. 이는 예를 들어, 다수의 웰 검정 플레이트(예를 들어, 96 웰 또는 386 웰)에서 또는 임의의 적절한 어레이 또는 마이크로어레이를 사용할 수 있다. 다양한 에이전트에 대한 스톡 솔루션은 수동 또는 로봇 방식으로 만들 수 있으며, 모든 후속 피펫팅, 희석, 혼합, 분배, 세척, 배양, 시료 판독, 데이터 수집 및 분석은 검출 가능한 라벨을 검출하는 상용 분석 소프트웨어, 로봇 공학 및 검출 기기를 사용하여 로봇 방식으로 수행될 수 있다.

유전자 발현 프로파일링을 사용한 분석물 레벨 결정

생물학적 시료에서 mRNA를 측정하는 것은 일부 실시예에서 생물학적 시료에서 상응하는 단백질의 레벨을 검출하기 위한 대용물로 사용될 수 있다. 따라서, 일부 실시예에서, 본 출원에 기재된 분석물 또는 분석물 패널은 적절한 RNA를 검출함으로써 검출될 수 있다.

일부 실시예에서, mRNA 발현 레벨은 역전사 정량적 중합효소 연쇄 반응(RT-PCR에 이어 qPCR)에 의해 측정된다. RT-PCR은 mRNA에서 cDNA를 만드는데 사용된다. cDNA는 DNA 증폭 프로세스가 진행됨에 따라 형광을 생성하기 위해 qPCR 분석에 사용될 수 있다. 표준 곡선과 비교하여, qPCR은 세포당 mRNA 사본 수와 같은 절대 측정값을 생성할 수 있다. 노던 블롯, 마이크로어레이, 인베이더 검정(Invader assays) 및 모세관 전기 영동과 결합된 RT-PCR은 모두 시료에서 mRNA의 발현 레벨을 측정하는데 사용되었다. 유전자 발현 프로파일링: 방법 및 프로토콜, Richard A. Shimkets, editor, Humana Press, 2004 참조.

질량 분석법(Mass Spectrometry Method)을 사용한 분석물 레벨 측정

다양한 구성의 질량 분석기를 사용하여 분석물 레벨을 검출할 수 있다. 여러 유형의 질량 분석기를 사용할 수 있거나 다양한 구성으로 생산할 수 있다. 일반적으로, 질량 분석기는 시료 주입구(sample inlet), 이온 소스, 질량 분석기, 검출기, 진공 시스템, 기기 제어 시스템 및 데이터 시스템과 같은 주요 컴포넌트를 가지고 있다. 시료 주입구, 이온 소스 및 질량 분석기의 차이는 일반적으로 기기 유형과 기능을 정의한다. 예를 들어, 주입구는 모세관 컬럼 액체 크로마토그래피 소스일 수 있거나 기질 보조 레이저 탈착에 사용되는 것과 같은 직접 프로브 또는 스테이지일 수 있다. 일반적인 이온 소스는 예를 들어, 나노스프레이 및 마이크로스프레이 또는 기질 보조 레이저 탈착을 포함하는 전자스프레이(electrospray)이다. 일반적인 질량 분석기에는 사중극자 질량 필터, 이온 트랩 질량 분석기 및 비행 시간 질량 분석기(time-of-flight mass analyzer)가 포함된다. 추가적인 질량 분석 방법은 당업계에 잘 알려져 있다(Burlingame et al. Anal. Chem. 70:647 R-716R(1998); Kinter and Sherman, New York(2000) 참조).

단백질 분석물 및 분석물 레벨은 다음 중 하나를 통해 검출 및 측정할 수 있다 : 전자 분무 이온화 질량 분석법(ESI-MS), ESI-MS/MS, ESI-MS/(MS)n, 기질 보조 레이저 탈착 이온화 비행 시간 질량 분석기(MALDI-TOF-MS), 표면 강화 레이저 탈착/이온화 비행 시간 질량 분석기(SELDI-TOF-MS), 실리콘 탈착/이온화(DIOS), 2차 이온 질량 분석(SIMS), 사중극자 비행 시간(Q-TOF), Ultraflex III TOF/TOF라고 하는 탠덤 비행 시간(TOF/TOF) 기술, 대기압 화학 이온화 질량 분석기(APCI-MS), APCI-MS/MS, APCI-(MS)^N, 대기압 광이온화 질량분석기(APPI-MS), APPI-MS/MS 및 APPI-(MS)^N, 사중극자 질량 분석법, 푸리에 변환 질량 분석법(FTMS), 정량적 질량 분석법 및 이온 트랩 질량 분석법.

시료 준비 전략은 단백질 분석물의 질량 분광 특성화 및 분석물 레벨 결정 전에 시료에 라벨을 붙이고 농축하는데 사용된다. 표지 방법(labeling method)에는 상대 및 절대 정량을 위한 동중 원소 태그(iTRAQ) 및 세포 배양 내 아미노산을 사용한 안정 동위원소 표지(SILAC)이 포함되지만 이에 국한되지 않는다. 질량 분광 분석 전에 후보 분석 단백질에 대한 시료를 선택적으로 농축하는데 사용되는 포획 시약에는 앱타머, 항체, 핵산 프로브, 키메라, 소분자, F(ab')₂ 단편, 단일 사슬 항체 단편, Fv 단편, 단일 사슬 Fv 단편, 핵산, 렉틴, 리간드 결합 수용체, 아피바디, 나노바디, 안키린, 도메인 항체, 대체 항체 스캐폴드(예를 들어, 디아바디 등) 각인된 중합체, 아비머, 펩티도미메틱, 펩토이드, 펩티드 핵산, 트레오스 핵산, 호르몬 수용체, 사이토카인 수용체 및 합성 수용체, 및 이들의 변형 및 단편을 포함하지만 이에 국한되지는 않는다.

키트

본 출원에 설명된 분석물의 임의의 조합은 예를 들어, 본 출원에 설명된 방법을 수행하는데 사용하기 위한 적절한 키트를 사용하여 검출할 수 있다. 또한, 임의의 키트는 형광 모이어티 등과 같은 본 출원에 기재된 하나 이상의 검출 가능한 표지를 함유할 수 있다.

생물학적 기질에서 분석물 측정을 정규화하는 방법

생물학적 기질에서 분석물 측정을 정규화하는 방법이 본 출원에 제공된다.

특정 실시예에서, 합성 희석도 모델을 개발하는 방법이 제공된다. 합성 희석도 모델은 소변과 같은 하나 이상의 생물학적 시료의 상대적 희석도를 결정하는데 사용할 수 있다. 예를 들어, 도 10 참조. 그런 다음 상대적 희석도를 사용하고 다수의 시료를 정규화하여 시료 농도의 차이(예를 들어, 피험체의 수화 레벨의 차이를 통해 발생할 수 있음)를 최소화하고 시료 농동 이외의 다른 요인으로 인한 분석물 레벨의 차이가 검출될 수 있다. 분석물 레벨에 영향을 미칠 수 있는 시료 농도 이외의 이러한 요인에는 분석물 발현의 증가 및 감소, 분석물 안정성의 변화, 분비되는 분석물의 레이트 또는 양의 변화 등이 포함되지만 이에 국한되지 않는다. 이러한 분석물 레벨의 차이는 일부 실시예에서, 질병 또는 상태 또는 질병 또는 상태가 발병할 가능성을 나타낼 수 있다.

특정 실시예에서, 합성 희석도 모델은 도 18a 및 18b에 도시된 예시적인 방법에 의해 개발된다. 분석물의 레벨은 제1 생물학적 시료의 희석도 시리즈와 제2 생물학적 시료의 희석도 시리즈로 측정된다. 제1 및 제2 생물학적 시료는 동일한 개체의 다른 시점이거나 다른 개체의 생물학적 시료일 수 있다. 희석도 시리즈는 시료의 다양한 희석도에서 분석물의 레벨을 포함한다. 제1 희석도 시리즈를 기반으로 모델이 생성된다. 제2 희석도 시리즈의 기준 값이 선택된다. 일부 실시예에서, 제2 희석도 시리즈의 선택된 기준 값은 예를 들어, 실질적으로 선형인 것으로 보이는 시리즈의 부분에서 제2 희석도 시리즈의 중간점 근처에 있다. 제2 희석도 시리즈의 기준 값은 모델의 한 지점으로 ΔX만큼 병진 이동된다. 제2 희석도 시리즈의 나머지 지점(즉, 다양한 희석에서 분석물의 레벨)은 동일한 양 ΔX만큼 병진 이동되어 정렬된 합성 병진 이동을 형성한다. 합성 희석도 모델은 정렬된 합성 병진 이동 시리즈에 함수를 피팅하여 생성된다. 이 합성 희석도 모델은 피험체의 생물학적 테스트 시료의 상대적 희석도를 결정하는데 사용할 수 있다.

특정 실시예에서, 합성 희석도 모델은 도 19a 및 19b에 도시된 예시적인 방법에 의해 개발된다. 분석물의 레벨은 제1 생물학적 시료의 희석도 시리즈와 제2 생물학적 시료의 희석도 시리즈로 측정된다. 제1 및 제2 생물학적 시료는 동일한 개체의 다른 시점이거나 다른 개체의 생물학적 시료일 수 있다. 희석도 시리즈는 시료의 다양한 희석도에서 분석물의 레벨을 포함한다. 제1 희석도 시리즈를 기반으로 모델이 생성된다. 모델의 기준 값이 선택된다. 일부 실시예에서, 모델 기준 값은 모델의 특정 희석도에서의 분석물 레벨이다. 그런 다음 모델의 기준 값이 제2 희석도 시리즈의 한 지점으로 ΔX 양만큼 병진 이동된다. 모델의 나머지 값은 같은 양 ΔX만큼 병진 이동되어 정렬된 합성 병진 이동 시리즈를 형성한다. 합성 희석도 모델은 선형 합성 병진 이동 시리즈에 함수를 피팅하여 생성된다. 이 합성 희석도 모델은 피험체의 생물학적 테스트 시료의 상대적 희석도를 결정하는데 사용할 수 있다.

특정 실시예에서, 합성 희석도 모델은 도 20a 및 20b에 도시된 예시적인 방법에 의해 개발된다. 분석물의 레벨은 제1 생물학적 시료의 희석도 시리즈와 제2 생물학적 시료의 희석도 시리즈로 측정된다. 제1 및 제2 생물학적 시료는 동일한 개체의 다른 시점이거나 다른 개체의 생물학적 시료일 수 있다. 희석도 시리즈는 시료의 다양한 희석도에서 분석물의 레벨을 포함한다. 제2 희석도 시리즈의 기준 값이 선택된다. 일부 실시예에서, 제2 희석도 시리즈의 선택된 기준 값은 예를 들어, 실질적으로 선형인 것으로 보이는 시리즈의 일부에서 제2 희석도 시리즈의 중간점 근처에 있다. 제2 희석도 시리즈의 기준 값은 제1 희석도 시리즈의 값으로 ΔX만큼 병진 이동된다. 제2 희석도 시리즈의 나머지 지점(즉, 다양한 희석에서 분석물의 레벨)은 동일한 양 ΔX만큼 병진 이동되어 정렬된 합성 병진 이동 시리즈를 형성한다. 합성 희석도 모델은 선형 합성 병진 이동 시리즈에 함수를 피팅하여 생성된다. 이 합성 희석도 모델은 피험체의 생물학적 테스트 시료의 상대적 희석도를 결정하는데 사용할 수 있다.

특정 실시예에서, 합성 희석도 모델은 도 21a 및 21b에 도시된 예시적인 방법에 의해 개발된다. 분석물의 레벨은 제1 생물학적 시료의 희석도 시리즈와 제2 생물학적 시료의 희석도 시리즈로 측정된다. 제1 및 제2 생물학적 시료는 동일한 개체의 다른 시점이거나 다른 개체의 생물학적 시료일 수 있다. 제1 희석도 시리즈를 기반으로 모델이 생성된다. 희석도 값에서 분석물 레벨인 임의의 기준 값이 선택된다. 일부 실시예에서, 임의의 기준 값은 제2 희석도 시리즈 또는 모델에서 발견되지 않는 특정 희석도에서의 분석물 레벨이다. 그런 다음 수학적 모델의 한 지점은 임의의 기준 값으로 양 ΔX만큼 병진 이동되고 제2 희석도 시리즈의 한 지점은 임의의 기준 값으로 양 ΔY만큼 병진 이동된다. 제2 희석도 시리즈의 나머지 지점(즉, 다양한 희석도에서 분석물의 레벨)은 동일한 양(ΔY)만큼 병진 이동되고, 모델의 나머지 값은 동일한 양(ΔX)만큼 병진 이동되어 정렬된 합성 병진 이동을 형성한다. 합성 희석도 모델은 선형 합성 병진 이동 시리즈에 함수를 피팅하여 생성된다. 이 합성 희석도 모델은 피험체의 생물학적 테스트 시료의 상대적 희석도를 결정하는데 사용될 수 있다.

특정 실시예에서, 합성 희석도 모델은 도 22a에 도시된 예시적인 방법에 의해 개발된다. 분석물의 레벨은 제1 생물학적 시료의 희석도 시리즈와 제2 생물학적 시료의 희석도 시리즈로 측정된다. 제1 및 제2 생물학적 시료는 동일한 개체의 다른 시점이거나 다른 개체의 생물학적 시료일 수 있다. 희석도 시리즈는 시료의 다양한 희석도에서 분석물의 레벨을 도시한다. 희석도 값에서 분석물 레벨인 임의의 기준 값이 선택된다. 일부 실시예에서, 임의의 기준 값은 제1 희석도 시리즈 또는 제2 희석도 시리즈에서 발견되지 않는 특정 희석도에서의 분석물 레벨이다. 그런 다음 제1 희석도 시리즈의 한 지점은 임의의 기준 값으로 양 ΔX만큼 병진 이동되고, 제2 희석도 시리즈의 한 지점은 임의의 기준 값으로 양 ΔY만큼 병진 이동된다. 제1 희석도 시리즈의 나머지 지점(즉, 다양한 희석도에서 분석물의 레벨)은 동일한 양, ΔX만큼 병진 이동되고, 제2 희석도 시리즈의 나머지 지점(즉, 다양한 희석도에서 분석물의 레벨)은 동일한 양 ΔY만큼 병진 이동되어, 정렬된 합성 병진 이동을 형성한다. 합성 희석도 모델은 정렬된 합성 병진 이동 시리즈에 함수를 피팅하여 생성된다. 이 합성 희석도 모델은 피험체의 생물학적 테스트 시료의 상대적 희석도를 결정하는데 사용할 수 있다.

특정 실시예에서, 합성 희석도 모델은 도 23a 및 23b에 도시된 예시적인 방법에 의해 개발된다. 분석물의 레벨은 제1 생물학적 시료의 희석도 시리즈와 제2 생물학적 시료의 희석도 시리즈로 측정된다. 제1 및 제2 생물학적 시료는 동일한 개체의 다른 시점이거나 다른 개체의 생물학적 시료일 수 있다. 희석도 시리즈는 시료의 다양한 희석도에서 분석물의 레벨을 도시한다. 제1 모델은 제1 희석도 시리즈의 분석물의 레벨을 기반으로 생성되고, 제2 모델은 제2 희석도 시리즈의 분석물의 레벨을 기반으로 생성된다. 그런 다음 제1 모델의 값은 제2 모델의 값으로 양 ΔX만큼 병진 이동된다. 그런 다음 제1 모델의 나머지 값이 동일한 양 ΔX만큼 병진 이동되어 정렬된 합성 병진 이동을 형성한다. 합성 희석도 모델은 정렬된 합성 병진 이동 시리즈에 함수를 피팅하여 생성된다. 이 합성 희석도 모델은 피험체의 생물학적 테스트 시료의 상대적 희석도를 결정하는데 사용할 수 있다.

특정 실시예에서, 합성 희석도 모델은 도 24a 및 24b에 도시된 예시적인 방법에 의해 개발된다. 분석물의 레벨은 제1 생물학적 시료의 희석도 시리즈와 제2 생물학적 시료의 희석도 시리즈로 측정된다. 제1 및 제2 생물학적 시료는 동일한 개체의 다른 시점이거나 다른 개체의 생물학적 시료일 수 있다. 희석도 시리즈는 시료의 다양한 희석도에서 분석물의 레벨을 도시한다. 제1 모델은 제1 희석도 시리즈의 분석물 레벨을 기반으로 생성되고, 제2 모델은 제2 희석도 시리즈의 분석물 레벨을 기반으로 생성된다. 희석도 값에서 분석물 레벨인 임의의 기준 값이 선택된다. 일부 실시예에서, 임의의 기준 값은 제1 희석도 시리즈 또는 제2 희석도 시리즈에서 발견되지 않는 특정 희석도에서의 분석물 레벨이다. 그런 다음 제1 모델의 지점은 임의의 기준 값으로 양 ΔX만큼 병진 이동되고 제2 모델의 지점은 임의의 기준 값으로 양 ΔY만큼 병진 이동된다. 제1 모델의 나머지 값은 동일한 양(ΔX)만큼 병진 이동되고 제2 모델의 나머지 값은 동일한 양(ΔY)만큼 병진 이동되어 정렬된 합성 병진 이동을 형성한다. 합성 희석도 모델은 정렬된 합성 병진 이동 시리즈에 함수를 피팅하여 생성된다. 이 합성 희석도 모델은 피험체의 생물학적 테스트 시료의 상대적 희석도를 결정하는데 사용할 수 있다.

제1 및/또는 제2 희석도 시리즈의 분석물 레벨에서 생성된 모델과 합성 희석도 모델을 생성하는데 사용된 모델을 포함하여 임의의 적절한 모델이 본 출원에서 설명된 방법에 사용될 수 있다. 방법에 사용될 수 있는 예시적인 모델은 선형 회귀 모델, LOESS 곡선 피팅 모델, 비선형 회귀 모델, 스플라인 피팅 모델, 혼합 효과 회귀 모델, 고정 효과 회귀 모델, 일반화 선형 모델, 기질 분해 모델, 및/또는 4개의 파라미터 로지스틱(logistic) 회귀(4PL) 모델 등을 포함하지만 이에 국한되지 않는다. 제1 및/또는 제2 희석도 시리즈에서 분석물의 레벨에서 생성된 모델은 같거나 다를 수 있다. 유사하게, 합성 희석도 모델을 생성하는데 사용된 모델은 분석물의 레벨에서 생성된 하나 이상의 모델과 동일하거나 다를 수 있다. 당업자는 특정 애플리케이션에 따라 적절한 모델을 선택할 수 있으며, 이러한 모델은 당업계에 많이 알려져 있다.

일부 실시예에서, 합성 희석도 모델을 개발한 후 또는 이전에 개발된 합성 희석도 모델을 사용하여 생물학적 테스트 시료의 상대적 희석도를 결정할 수 있다. 이러한 일부 실시예에서, 생물학적 테스트 시료로부터의 적어도 하나의 분석물의 레벨은 하나 이상의 분석물에 대해 개발된 합성 희석도 모델로 수평으로 병진 이동된다. 이로써 생물학적 테스트 시료의 상대적 희석도가 결정될 수 있다. 일부 실시예에서, 합성 희석도 모델은 예를 들어, 적어도 10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 120, 140, 160, 180 또는 200 분석물의 분석물의 세트를 사용하여 개발될 수 있다. 생물학적 테스트 시료의 상대적 희석도는 그런 다음 분석물의 서브 세트 또는 각각의 분석물에 대해 결정된다. 생물학적 테스트 시료의 상대적 희석도는 그런 다음 일부 실시예에서 각각의 분석물에 기초한 상대적 희석도의 애버리지(average), 평균, 중앙값 등을 사용하여 결정된다. 일부 실시예에서, 예를 들어, 질병 또는 상태가 있거나 없는 개체 사이와 같이 개체 간에 레벨이 다를 것으로 예상되지 않는 분석물이 선택된다.

컴퓨터 디바이스, 방법 및 소프트웨어

일 양태에서, 시스템은 하나 이상의 프로세서에 입력 데이터를 제공하기 위한 하나 이상의 디바이스를 더 포함한다. 시스템은 순위가 매겨진(ranked) 데이터 엘리먼트의 데이터 세트를 저장하기 위한 메모리를 더 포함한다.

다른 양태에서, 입력 데이터를 제공하기 위한 디바이스는 예를 들어, 질량 분석기 또는 유전자 칩 판독기와 같은 데이터 엘리먼트의 특성을 검출하기 위한 검출기를 포함한다.

시스템은 데이터 베이스 관리 시스템을 추가로 포함할 수 있다. 사용자 요청 또는 쿼리는 쿼리를 처리하여 트레이닝 세트의 데이터 베이스에서 관련 정보를 추출하는 데이터 베이스 관리 시스템에 의해 이해될 수 있는 적절한 언어로 형식화될 수 있다.

시스템은 네트워크 서버와 하나 이상의 클라이언트가 연결된 네트워크에 연결할 수 있다. 네트워크는 당업계에 공지된 근거리 통신망(LAN) 또는 광역 통신망(WAN)일 수 있다. 바람직하게는, 서버는 사용자 요청을 처리하기 위한 데이터 베이스 데이터에 액세스하기 위해 컴퓨터 프로그램 제품(예를 들어, 소프트웨어)을 실행하는데 필요한 하드웨어를 포함한다.

시스템은 데이터 베이스 관리 시스템의 명령을 실행하기 위한 운영 체제(예를 들어, UNIX^® 또는 Linux)를 포함할 수 있다. 일 양태에서, 운영 체제는 인터넷과 같은 글로벌 통신 네트워크 상에서 동작할 수 있고 글로벌 통신 네트워크 서버를 활용하여 이러한 네트워크에 연결할 수 있다.

시스템은 버튼, 풀다운 메뉴, 스크롤 바, 텍스트를 입력하기 위한 필드 등과 같은 인터페이스 엘리먼트를 포함하는 그래픽 디스플레이 인터페이스를 포함하는 하나 이상의 디바이스를 포함할 수 있으며, 이는 당업계에 알려진 그래픽 사용자 인터페이스에서 일상적으로 발견된다. 사용자 인터페이스에 입력된 요청은 하나 이상의 시스템 데이터 베이스에서 관련 정보를 검색하기 위한 형식화(formatting)를 위해 시스템의 애플리케이션으로 송신될 수 있다. 사용자가 입력한 요청 또는 쿼리는 적절한 데이터 베이스 언어로 구성될 수 있다.

그래픽 사용자 인터페이스는 운영 체제의 일부로서 그래픽 사용자 인터페이스 코드에 의해 생성될 수 있으며 데이터를 입력하고/하거나 입력된 데이터를 디스플레이하는데 사용될 수 있다. 처리된 데이터의 결과는 인터페이스에 표시되거나, 시스템과 통신하는 프린터에 인쇄되거나, 메모리 디바이스에 저장되거나, 네트워크를 통해 송신되거나 컴퓨터 판독 가능 매체의 형태로 제공될 수 있다.

시스템은 데이터 엘리먼트에 관한 데이터(예를 들어, 발현 값(expression value))를 시스템에 제공하기 위해 입력 디바이스와 통신할 수 있다. 일 양태에서, 입력 디바이스는 예를 들어, 질량 분석기, 유전자 칩 또는 어레이 판독기 등을 포함하는 유전자 발현 프로파일링 시스템을 포함할 수 있다.

컴퓨터 시스템은 독립형 시스템이거나 서버와 하나 이상의 데이터 베이스를 포함하는 컴퓨터 네트워크의 일부일 수 있다.

본 출원에서 설명된 일부 실시예는 컴퓨터 프로그램 제품을 포함하도록 구현될 수 있다. 컴퓨터 프로그램 제품은 애플리케이션이 데이터 베이스를 갖는 컴퓨터 상에서 실행되게 하기 위해 매체에 구현된 컴퓨터 판독가능 프로그램 코드를 갖는 컴퓨터 판독가능 매체를 포함할 수 있다.

본 출원에서 사용된 "컴퓨터 프로그램 제품"은 임의 성질의 물리적 매체(예를 들어, 서면, 전자, 자기, 광학 또는 다른)에 포함되고, 컴퓨터 또는 다른 자동화된 데이터 처리 시스템과 함께 사용될 수 있는 자연적 또는 프로그래밍 언어 문장의 형태로 조직화된 명령 세트를 말한다. 그러한 프로그래밍 언어 문장은 컴퓨터 또는 데이터 처리 시스템에 의해 실행될 때 컴퓨터 또는 데이터 처리 시스템이 문장의 특정 콘텐츠에 따라 작동하도록 한다. 컴퓨터 프로그램 제품에는 소스 및 목적 코드의 프로그램 및/또는 컴퓨터 판독 가능 매체에 내장된 테스트 또는 데이터 라이브러리가 포함되며 이에 국한되지 않는다. 또한, 컴퓨터 시스템 또는 데이터 처리 장비 디바이스가 미리 선택된 방식으로 작동할 수 있게 하는 컴퓨터 프로그램 제품은 원본 소스 코드, 어셈블리 코드, 객체 코드, 기계어, 암호화 또는 압축된 버전 및 임의 및 모든 등가물을 포함하지만 이에 국한되지 않는 다양한 형태로 제공될 수 있다.

다양한 실시예가 방법 또는 장치로서 설명되었지만, 실시예는 컴퓨터와 결합된 코드, 예를 들어, 컴퓨터에 상주하거나 컴퓨터에 의해 액세스 가능한 코드를 통해 구현될 수 있음을 이해해야 한다. 예를 들어, 소프트웨어와 데이터 베이스는 상기에서 논의된 많은 방법을 구현하는데 활용될 수 있다. 따라서, 하드웨어에 의해 달성되는 실시예에 더하여, 이들 실시예는 본 설명에 개시된 기능을 가능하게 하는 컴퓨터 판독가능 프로그램 코드가 내부에 구현된 컴퓨터 사용가능 매체로 구성된 제조 물품의 사용을 통해 달성될 수 있다. 따라서, 실시예는 프로그램 코드 수단에서도 본 특허에 의해 보호되는 것으로 간주되는 것이 바람직하다.

또한, 실시예는 RAM, ROM, 자기 매체, 광학 매체, 또는 광자기 매체를 제한 없이 포함하는 거의 모든 종류의 컴퓨터 판독 가능 메모리에 저장된 코드로서 구현될 수 있다. 훨씬 더 일반적으로, 실시예는 범용 프로세서, 마이크로코드, 프로그래머블 로직 어레이(PLA) 또는 애플리케이션 특정 집적 회로(ASIC)에서 실행되는 소프트웨어를 포함하지만 이에 제한되지 않는 소프트웨어 또는 하드웨어, 또는 이들의 임의의 조합으로 구현될 수 있다.

또한, 실시예는 반송파로 구현된 컴퓨터 신호 뿐만 아니라 전송 매체를 통해 전파되는 신호(예를 들어, 전기 및 광학)로서 달성될 수 있다는 것이 구상된다. 따라서, 상술한 다양한 정보는 데이터 구조와 같은 구조로 포맷되어 전송 매체를 통해 전기적 신호로 송신되거나 컴퓨터 판독 가능 매체에 저장될 수 있다.

도 25는 본 개시의 예들이 구현될 수 있는 예시적인 시스템 아키텍처(2500)를 도시한다. 시스템 아키텍처(2500)는 진단 기계(2502), 로봇(2504), 네트워크(2506), 데이터 저장소(2508), 서버 기계(2510), 웹 서버(2520), 애플리케이션 서버(2522), 분석물 변동성 제어 시스템(2530), 생물학적 시료 분석기 모듈(2540), 복합 상대적 희석도 모델 생성기 모듈(2550), 상대적 희석도 예측 모듈(2560), 클라이언트 디바이스(2570), 분석물 측정 데이터(2580), 및 합성 희석도 모델(2590)을 포함한다.

진단 기계(2502)는 하나 이상의 생물학적 시료를 수신하고 분석하는 진단 장비이다. 예를 들어, 다양한 유형의 생물학적 시료에는 소변, 혈액, 혈장, 혈청, 뇌척수액 또는 일반적으로 다른 유형의 생물학적 유체가 포함될 수 있지만 이에 국한되지 않는다. 진단 기계(2502)는 생물학적 시료의 분석에 기초하여 분석물 측정 데이터(2580)를 수집하거나 생성할 수 있으며, 이러한 데이터는 처리, 분석 또는 사용을 위해 하나 이상의 다른 내부 또는 외부 기계에 저장되거나 전송될 수 있다. 또한, 진단 기계(2502)는 일반적으로 Affymetrix^® 또는 Illumina^® 마이크로어레이 기계와 같은 생물학적 시료를 처리하는데 관련된 진단 장비의 하나 이상의 부분을 지칭할 수 있다.

일 예에서, 로봇(2504)은 생물학적 시료 처리의 일부로서 진단 기계(2502) 내에서 또는 복수의 진단 기계(2502) 사이에서 생물학적 시료를 드라이빙, 처리 및/또는 전달한다. 예를 들어, 로봇(2504)은 일반적으로 실험실 환경에서 생물학적 시료의 자동화 또는 반자동 처리를 제공하는 TECAN^® 로봇(2502) 또는 임의의 다른 로봇 기계를 포함할 수 있지만 이에 국한되지 않는다.

일 예에서, 진단 기계(2502)는 하나 이상의 네트워크(들)(2506)를 통해 하나 이상의 데이터 저장소(들)(2508) 및 하나 이상의 서버 기계(들)(2510)와 통신한다. 네트워크(2506)는 일반적으로 공용 네트워크(예를 들어, 인터넷), 사설 네트워크(예를 들어, LAN(Local Area Network) 또는 WAN(Wide Area Network)), 또는 이들의 조합일 수 있다. 일 예에서, 네트워크(2506)는 인터넷 및/또는 하나 이상의 인트라넷, 유선 네트워크, 무선 네트워크, 및/또는 다른 적절한 유형의 통신 네트워크를 포함할 수 있다. 일 예에서, 네트워크(2506)는 인터넷과 같은 다른 통신 네트워크와 통신하도록 구성된 무선 텔레통신 네트워크(예를 들어, 셀룰러 전화 네트워크)를 포함할 수 있다.

데이터 저장소(2508)는 영숫자 텍스트, 오디오, 비디오 및/또는 이미지 콘텐츠와 같은 다양한 유형의 데이터를 저장할 수 있는 영구 저장소이다. 일부 예에서, 데이터 저장소(2508)는 네트워크 연결 파일 서버일 수 있는 반면, 다른 예에서 데이터 저장소(2508)는 객체 지향 데이터 베이스, 관계형 데이터 베이스 등과 같은 일부 다른 유형의 영구 저장소일 수 있다.

일 예에서, 진단 기계(2502)는 네트워크(2506)를 통해 분석물 측정 데이터(2580)를 포함하는 다양한 유형의 데이터를 저장하고 액세스할 수 있다. 진단 기계(2502)는 또한 진단 기계(2502)와 연관된 하나 이상의 로컬 데이터 저장소(들)(2508)에 (미도시) 및/또는 서버 기계(2510) 또는 하나 이상의 다른 컴퓨팅 시스템(미도시)에 로컬인 하나 이상의 데이터 저장소(들)(2508)에 이러한 데이터를 저장하고 액세스할 수 있다. 일 예에서, 분석물 측정 데이터(2580)는 하나 이상의 생물학적 시료와 관련된 복수의 분석물 또는 단백질 각각에 대한 상대 형광 단위 측정(relative fluorescence unit measurement)을 포함할 수 있지만 이에 국한되지 않는다.

데이터 저장소(2508)는 또한 복합 생물학적 기질에서 시료 간 분석물의 변동성을 제어하는 데 사용하기 위한 합성 희석도 모델(2590)을 수신, 저장 및 제공할 수 있다. 합성 희석도 모델(2590)은 분석물 측정 데이터(2580)로부터 생성되거나 다른 소스로부터 직접 또는 간접적으로 제공될 수 있다. 또한, 합성 희석도 모델 (2590)은 생물학적 시료 유형에 대한 예측 상대적 희석도를 결정하는데 사용될 수 있으며, 이는 그런 다음 상대적 희석도 또는 하나 이상의 상이하거나 추가되거나 새롭게 수신된 생물학적 시료의 다른 측면을 조정하는데 사용될 수 있다.

서버 기계(2510)는 일반적으로 특수 진단 하드웨어, 랙마운트 서버(rackmount server), 개인용 컴퓨터, 휴대용 디지털 단말기, 휴대폰, 랩톱 컴퓨터, 태블릿 컴퓨터, 넷북, 데스크탑 컴퓨터, 또는 이들의 임의의 조합일 수 있다. 서버 기계(2510)는 웹 서버(2520), 애플리케이션 서버(2522), 및 스크립트 검출 시스템(2530)을 포함할 수 있다. 일부 예에서, 웹 서버(2520), 애플리케이션 서버(2522) 및/또는 스크립트 검출 시스템(2530) 각각은 하나 이상의 상이한 서버 기계(들)(2510)에서 실행될 수 있다.

웹 서버(2520)는 서버 기계(2510) 및/또는 데이터 저장소(2508)로부터 하나 이상의 클라이언트 디바이스(들)(2570)로 텍스트, 오디오, 비디오 및 이미지 콘텐츠를 제공할 수 있다. 웹 서버(2520)는 또한 웹 기반 애플리케이션 서비스 및 비즈니스 로직을 클라이언트 디바이스(들)(2570)에 제공할 수 있다. 클라이언트 디바이스(들)(2570)는 웹 브라우저와 같은 애플리케이션을 사용하여 웹 서버(2520)로부터 다양한 형태의 콘텐츠 및 서비스를 찾고, 액세스하고, 소비할 수 있다. 웹 서버(2520)는 이러한 콘텐츠를 분석, 변환, 처리, 지속 및 배포하는 것을 포함할 수 있는 목적을 위해 하나 이상의 데이터 저장소(들)(2508)에 저장되는 클라이언트 디바이스(들)(2570)로부터 텍스트 예컨대, 기존 및 새로운 분석물 측정 데이터(2580), 오디오, 비디오 및 이미지 콘텐츠를 수신할 수 있다.

일 예에서, 웹 서버(2520)는 직접 또는 웹 서버(2520)의 도움으로 클라이언트 디바이스(들)(2570)에 애플리케이션 및 서비스를 제공하는 하나 이상의 애플리케이션 서버(들)(2522)에 결합된다. 예를 들어, 웹 서버(2520)는 생명 공학 분야에서 하나 이상의 특수 소프트웨어 애플리케이션에 액세스 권한을 클라이언트 디바이스(들) (2570)에 제공할 수 있다. 그러한 기능은 또한 예를 들어, 하나 이상의 상이한 웹 애플리케이션, 독립형 애플리케이션, 컴퓨터 시스템, 플러그인, 웹 브라우저 확장(extension) 및 애플리케이션 프로그래밍 인터페이스(API)로서 제공될 수 있다. 일부 예에서, 플러그인 및 확장은 개별적으로 또는 집합적으로 애드온으로 지칭될 수 있다.

클라이언트 디바이스(2570)는 개인용 컴퓨터(PC), 랩톱, 이동 전화, 태블릿 컴퓨터, 또는 일반적으로 임의의 다른 컴퓨팅 디바이스일 수 있다. 클라이언트 디바이스(2570)는 클라이언트 디바이스(2570)의 하드웨어 및 소프트웨어를 관리하는 운영 체제(OS)를 실행할 수 있다. 브라우저(미도시)는 클라이언트 디바이스(2570)에서 실행될 수 있다. 브라우저는 서버 기계(2510), 웹 서버(2520), 애플리케이션 서버(2522), 데이터 저장소(2508) 등에 의해 제공되는 서비스 및/또는 콘텐츠에 액세스할 수 있는 웹 브라우저일 수 있다. 또한, 다른 유형의 컴퓨터 프로그램 및 컴퓨터 스크립트도 클라이언트 디바이스(2570)에서 실행될 수 있다. 예를 들어, 클라이언트 디바이스(2570)는 웹 페이지를 방문하거나 달리 사용하지 않고 이러한 콘텐츠에 액세스하거나 서버 기계(2510)과 통신하기 위해 애플리케이션(즉, "앱")을 사용할 수 있다.

일 예에서, 서버 기계(2510)의 기능 및 특징은 또한 클라이언트 디바이스(2570)에 의해 전체적으로 또는 부분적으로 수행될 수 있다. 또한, 특정 컴포넌트에 부여된 기능은 함께 작동하는 상이한 컴포넌트 또는 여러 컴포넌트에 의해 수행될 수 있다. 서버 기계(2510)는 또한 애플리케이션 프로그래밍 인터페이스를 통해 다른 시스템 또는 디바이스에 제공되는 서비스로서 액세스될 수 있으며, 따라서, 웹사이트에서의 사용에 제한되지 않는다.

서버 기계(2510)는 또한 분석물 변동성 제어 시스템(2530)을 포함한다. 분석물 변동성 제어 시스템(2530)은 일반적으로 복합 생물학적 기질에서 시료간 분석물 변동성을 제어하기 위한 특수 컴퓨터 하드웨어 및/또는 소프트웨어를 지칭한다. 예를 들어, 분석물 변동성 제어 시스템(2530)은 상이한 피험체와 관련된 생물학적 시료를 수신 및 분석하고, 생물학적 시료 내의 복수의 분석물 각각에 대한 합성 희석도 모델(2590)을 생성하고, 생성된 복수의 합성 희석도 모델(2590)에 기초한 생물학적 시료의 생물학적 시료 유형에 대한 상대적 희석도 예측 모델을 결정하고, 생물학적 시료 유형의 새로운 생물학적 시료를 수신 및 분석하고, 생물학적 시료 유형에 대해 결정된 상대적 희석도 예측 모델에 기초하여 새로 수신된 생물학적 시료의 하나 이상의 측면을 조정할 수 있다.

분석물 변동성 제어 시스템(2530)에 의해 제공되는 서비스의 예는 "예 1: 경험적 기질-특정 표준 곡선의 생성", "예 2: 경험적 기질-특정 표준 곡선의 적용", "예 3 : 인간 피험체의 수화 상태로 인한 분석물 신호의 변화를 특성화하고 정규화하기 위한 파일럿(Pilot) 연구 디자인" 을 포함하여, 본 개시와 관련된 도면 및 다음 단락에서 본 개시에서 추가로 설명된다.

일 예에서, 분석물 변동성 제어 시스템(2530)은 생물학적 시료 분석기 모듈(2540), 합성 희석도 모델 생성기 모듈(2550), 및 상대적 희석도 예측 모듈(2560)을 포함한다. 다른 예시에서, 생물학적 시료 분석기 모듈(2540), 합성 희석도 모델 생성기 모듈(2550), 및 상대적 희석도 예측 모듈(2560)과 관련된 기능 은 다양한 배열로 조합, 분할 및 구성될 수 있다.

일 예에서, 생물학적 시료 분석기 모듈(2540)은 일반적으로 상이한 피험체로부터의 생물학적 시료와 관련된 분석물 측정 데이터(2580)를 수신하고 분석할 수 있다. 합성 희석도 모델 생성기 모듈(2550)은 일반적으로 분석물 측정 데이터(2580)로부터 선택된 분석물 그룹의 각각의 분석물에 대한 합성 희석도 모델(2590)을 생성하기 위해 하나 이상의 단계를 수행할 수 있다. 상대적 희석도 예측 모듈(2560)은 일반적으로 생물학적 시료로부터 생성된 선택된 합성 희석도 모델(2590)에 기초한 생물학적 시료의 생물학적 시료 유형에 대한 예측된 상대적 희석도를 결정할 수 있다. 그런 다음 일반적으로 상대적 희석도 예측 모듈(2560)은 선택된 합성 희석도 모델(2590)로부터 결정된 예측 상대적 희석도에 기초하여 상이하고/하거나 새롭게 수신된 생물학적 시료와 관련된 분석물 측정 데이터(2580)의 하나 이상의 측면을 조정할 수 있다.

도 26은 본 개시의 예에 따른, 상이한 생물학적 시료에 존재하는 복수의 분석물 각각에 대한 합성 희석도 모델을 생성하는 것을 예시하는 흐름도이다. 예시적인 방법(2600)은 특수 하드웨어(회로부, 전용 로직, 프로그램 가능 로직, 마이크로코드 등), 특수 소프트웨어(범용 컴퓨터 시스템에서 실행되는 명령, 전용 기계, 또는 하드웨어 처리 디바이스 등), 펌웨어 또는 이들의 조합을 포함할 수 있는 처리 로직에 의해 수행될 수 있다.

일반적으로, 비 제한적인 예들, 상기에서 설명된 "예 1: 경험적 기질-특정 표준 곡선의 생성", "예 2: 경험적 기질-특정 표준 곡선의 적용" 및 "예 3: 인간 피험체의 수화 상태로 인한 분석물 신호의 변화를 특성화하고 정규화하기 위한 파일럿 연구 디자인"와 관련하여 본 개시 전체에 걸쳐 예시적인 방법(2600)에 대한 지원이 제공된다.

방법(2600)은 분석물 변동성 제어 시스템(2530)이 상이한 생물학적 시료와 연관된 분석물 측정 데이터(2580)를 수신할 때 블록(2602)에서 시작한다. 일 예에서, 분석물 변동성 제어 시스템(2530)의 생물학적 시료 분석기 모듈(2540)은 진단 기계(2502), 데이터 저장소(2508), 서버 기계(2510), 클라이언트 디바이스(2570), 또는 하나 이상의 다른 컴퓨터 시스템 또는 저장 디바이스 중 임의의 하나로부터 분석물 측정 데이터(2580)를 수신한다.

일 예에서, 생물학적 시료 분석기 모듈(2540)은 진단 기계(2502)로부터 생성된 분석물 측정 데이터(2580)를 수신한다. 예를 들어, 진단 기계(2502)는 다수의 상이한 인간 피험체로부터 제공된 생물학적 시료를 수신할 수 있다. 이러한 생물학적 시료에는 소변, 혈액, 혈장, 혈청, 뇌척수액 또는 일반적으로 다른 유형의 생물학적 유체가 포함될 수 있다.

일 예에서, 진단 기계(2502)는 상대 형광 단위(RFU) 또는 임의의 다른 적절한 측정 단위(들)로 측정된 분석물 측정 데이터(2580)를 생성하기 위해 상이한 피험체로부터의 생물학적 시료 각각과 관련된 분석물 또는 단백질을 측정한다. 따라서, 일부 예에서, 분석물 측정 데이터(2580)는 하나 이상의 상이한 생물학적 시료와 연관된 복수의 단백질 각각에 대한 각각의 상대 형광 단위 측정을 포함할 수 있다. 이러한 분석물 측정 데이터(2580)는 데이터 저장소(2508) 또는 임의의 다른 영구 저장소에 보존될 수 있고 나중에 서버 기계(2510)과 같은 하나 이상의 다른 컴퓨터 시스템에 제공될 수 있다.

일 예에서, 생물학적 시료 분석기 모듈(2540)은 일반적으로 분석물 변동성 제어 시스템(2530)에 의한 추가 처리를 준비하기 위해 임의의 수의 단계에서 분석물 측정 데이터(2580)(예를 들어, 원시(raw) RFU 데이터)를 변환, 조정 및/또는 처리할 수 있다. 예를 들어, 원시 또는 부분적으로 처리된 분석물 측정 데이터(2580)는 하나 이상의 다른 단계에서 정제, 형식화, 정규화, 캘리브레이션 또는 조작될 수 있다. 다른 예에서, 생물학적 시료 분석기 모듈에 의해 수신된 분석물 측정 데이터(2580)는 추가 전처리 또는 조작 없이 수신 시 사전 처리되고 분석을 위해 준비될 수 있다.

블록(2604)에서, 분석물 변동성 제어 시스템(2530)은 분석물 측정 데이터에서 복수의 선택된 분석물 각각에 대한 각각의 분석물 측정치를 분석한다. 일 예에서, 분석물 변동성 제어 시스템(2530)의 생물학적 시료 분석기 모듈(2540)은 분석물 측정 데이터(2508)에서 복수의 선택된 분석물 각각을 분석한다. 예를 들어, 생물학적 시료 분석기 모듈(2540)은 복수의 상이한 생물학적 시료로부터의 이용 가능한 측정된 분석물의 서브 세트로부터 각각의 분석물을 분석할 수 있다. 일 예에서, 생물학적 시료 분석기 모듈(2540)은 개별적으로 또는 병렬로(예를 들어, 상이한 생물학적 시료에 걸쳐 2개 이상의 분석물이 동시에 처리되는) 상이한 생물학적 시료에 걸쳐 각각의 분석물에 대한 분석물 측정 데이터(2580)를 분석할 수 있다.

일 예에서, 생물학적 시료 분석기 모듈(2540)은 각각의 분석물에 대응하는 합성 희석도 모델(2590)을 생성하기 위한 준비로 각각의 분석물을 분석한다. 예를 들어, 생물학적 시료 분석기 모듈(2540)은 연속적으로 희석된 복수의 생물학적 시료에 대한 분석물을 분석할 수 있다. 일 예에서, 생물학적 시료 분석기 모듈(2540)은 분석물에 대한 최대 선형 희석도 범위를 가진 시료를 결정한 다음, 선형 희석도 범위의 데이터에 가중 선형 회귀 모델을 피팅한다. 연관된 회귀 라인은 다른 시료가 정합된 기준으로 사용될 수 있다.

블록(2606)에서, 분석물 변동성 제어 시스템(2530)은 블록(2604)에서 수행된 분석에 기초하여 선택된 분석물 각각에 대한 합성 희석도 모델(2590)을 생성한다. 일 예에서, 분석물 변동성 제어 시스템(2530)의 합성 희석도 모델 생성기 모듈(2550)은 생물학적 시료 분석기 모듈(2540)에 의해 생성된 대응하는 기준 희석도 모델에 기초한 분석물에 대한 개개의 분석물 측정 데이터(2508)를 병진 이동시킨다. 일 예에서, 합성 희석도 모델 생성기 모듈(2550)은 그런 다음 분석물에 대한 정합된 데이터에 4-파라미터 로지스틱 함수(4PL)를 피팅한다.

일 예에서, 합성 희석도 모델 생성기 모듈(2550)은 분석물과 관련된 4PL에 기초하여 분석물에 대한 대응하는 합성 희석도 모델(2590)을 생성한다. 합성 희석도 모델 생성기 모듈(2550)은 분석물 측정 데이터(2508)에서 발견된 분석물의 선택된 서브세트에서 각각의 나머지 분석물에 대한 합성 희석도 모델(2590)을 추가로 생성한다. 분석물의 선택된 서브세트에 대해 생성된 합성 희석도 모델(2590)은 시료 간 분석물의 변동성을 제어하기 위해 추가의, 상이한 새로 수신된 생물학적 시료 추가의 측면을 조정하는데 사용될 수 있다.

도 27은 본 개시의 예에 따른, 상이한 생물학적 시료에 존재하는 복수의 분석물 각각에 대한 합성 희석도 모델을 생성하는 것을 예시하는 흐름도이다. 예시적인 방법(2700)은 특수 하드웨어(회로부, 전용 로직, 프로그램 가능 로직, 마이크로코드 등), 특수 소프트웨어(범용 컴퓨터 시스템에서 실행되는 명령, 전용 기계, 또는 하드웨어 처리 디바이스), 펌웨어 또는 이들의 조합을 포함할 수 있는 처리 로직에 의해 수행될 수 있다.

일반적으로, 상기에서 설명된 비제한적인 예,"예 1: 경험적 기질-특정 표준 곡선의 생성", "예 2: 경험적 기질-특정 표준 곡선의 적용" 및 "예 3: 인간 피험체의 수화 상태로 인한 분석물 신호의 변화를 특성화하고 정규화하기 위한 파일럿 연구 디자인"와 관련하여 본 개시 전체에 걸쳐 예시적인 방법(2700)에 대한 지원이 제공된다.

방법(2700)은 분석물 변동성 제어 시스템(2530)이 동일한 생물학적 시료 유형의 상이한 생물학적 시료와 연관된 분석물 측정 데이터(2580)를 수신할 때 블록(2702)에서 시작한다. 일 예에서, 분석물 변동성 제어 시스템(2530)의 생물학적 시료 분석기 모듈(2540)은 데이터 저장소(2508)로부터 분석물 측정 데이터(2580)를 수신한다. 일반적으로, 이러한 분석물 측정 데이터는 상이한 피험체로부터 수집된 동일한 생물학적 시료 유형의 복수의 상이한 생물학적 시료의 각각에서 검출된 다수의 상이한 단백질 각각에 대한 상대 형광 단위(RFU) 측정을 포함할 수 있다.

블록(2704)에서, 분석물 변동성 제어 시스템(2530)은 분석물 측정 데이터(2580)에서 복수의 선택된 분석물 각각에 대한 각각의 분석물 측정치를 분석한다. 일 예에서, 분석물 변동성 제어 시스템(2530)의 생물학적 시료 분석기 모듈(2540)은 블록(2704)에서 수신된 분석물 측정 데이터(2508)로부터 선택된 복수의 분석물 중 각각을 분석한다. 예를 들어, 분석물 측정 데이터(2508)로부터 이용가능한 분석물의 서브 세트는 복합 생물학적 기질에서 시료간 분석물 변동성을 제어하는 데 사용하기 위해 대응하는 합성 희석도 모델(2590)을 생성하기 위해 선택될 수 있다.

블록(2706)에서, 분석물 변동성 제어 시스템(2530)은 각각의 선택된 분석물에 대한 기준 희석도 모델을 생성한다. 일 예에서, 생물학적 시료 분석기 모듈(2540)은 블록 (2704)에서 수행된 분석에 기초하여 각각의 선택된 분석물에 대한 기준 희석도 모델을 생성한다. 예를 들어, 하나의 비제한적인 예에서, 생물학적 시료 분석기 모듈(2540)은 각각의 분석물과 관련된 복수의 시료 중 어떤 시료가 최대 선형 희석도 범위를 갖는지 결정할 수 있다. 생물학적 시료 분석기 모듈(2540)은 가중 선형 회귀 모델을 선형 희석도 범위의 데이터에 피팅할 수 있다. 추가로, 생물학적 시료 분석기 모듈(2540)은 유사하게 각각의 선택된 분석물과 관련된 대응하는 합성 희석도 모델(2590)을 생성하는데 적어도 부분적으로 사용될 다른 선택된 분석물 각각에 대한 가중 선형 회귀 모델을 생성할 수 있다. 추가 설명 및 예는, 예를 들어, "실시예 1: 경험적 기질-특정 표준 곡선의 생성"과 같은 적어도 비제한적인 예에서 본 개시에 제공된다.

블록(2708)에서, 분석물 변동성 제어 시스템(2530)은 각각의 분석물에 대해 생성된 대응하는 기준 희석도 모델에 기초하여 각각의 선택된 분석물에 대해 각각의 분석물 측정 데이터를 병진 이동시킨다. 일 예에서, 분석물 변동성 제어 시스템(2530)의 합성 희석도 모델 생성기 모듈(2550)은 생물학적 시료 분석기 모듈(2540)에 의해 생성된 대응하는 기준 희석도 모델에 기초하여 선택된 분석물 각각에 대한 각각의 분석물 측정 데이터(2508)를 병진 이동시킨다. 추가 설명 및 예는 예를 들어, 적어도 비제한적인 예에서, "예 1: 경험적 기질-특정 표준 곡선의 생성" 본 개시에 제공된다.

블록(2710)에서, 분석물 변동성 제어 시스템(2530)은 병진 이동된 분석물 측정 데이터에 기초하여 선택된 분석물 각각에 대한 합성 희석도 모델(2590)을 생성한다. 예에서, 합성 희석도 모델 생성기 모듈(2550)은 4-파라미터 로지스틱 함수(4PL)를 선택된 분석물 각각에 대한 병진 이동된 데이터에 피팅한다. 예를 들어, 합성 희석도 모델 생성기 모듈(2550)은 4PL에 기초하여 선택된 분석물 각각에 대해 대응하는 합성 희석도 모델(2590)을 생성한다. 따라서, 합성 희석도 모델 생성기 모듈(2550)은 선택된 분석물 각각에 대한 복합 용액 모듈을 포함하는 집합 또는 일련의 합성 희석도 모델(2590)을 생성한다.

블록(2710)을 설명하고 생성된 합성 희석도 모델(2590)을 다른 생물학적 시료에 적용하는 추가 설명 및 예가 본 개시에 예를 들어, 비 제한적인 예 "예 1: 경험적 기질-특정 표준 곡선의 생성" 및 "예 2: 경험적 기질 특정 표준 곡선의 적용"에 설명되어 있다.

일부 예에서, 합성 희석도 모델 생성기 모듈(2550)은 분석물 측정 데이터(2580)를 처리하고 합성 희석도 모델(2590)을 생성하는 것과 관련된 다양한 측면에 대한 정보 및 세부사항을 포함하는 하나 이상의 보고서를 추가로 생성한다. 예를 들어, 이러한 생성된 보고서는 분석물 측정 데이터(2580)의 잠재적 또는 실제 데이터 비정상, 분석물 측정 데이터(2580)에 대해 수행된 전처리, 분석물 측정 데이터(2580) 분석, 합성 희석도 모델 생성(2590) 및 예측 상대적 희석도 결정을 포함한 다양한 발견에 대한 설명을 포함할 수 있다. 일부 예에서, 분석물 변동성 제어 시스템(2530)은 생성된 보고서를 데이터 저장소(2508)에 저장하고 보고서 및 대응하는 분석물 측정 데이터(2580) 및/또는 합성 희석도 모델(2590)을 클라이언트 디바이스(2570)에 제공할 수 있다.

도 28은 본 개시의 예에 따른, 새로운 시료의 상대적 희석도를 예측하기 위한 새로운 생물학적 시료에 대한 합성 희석도 모델의 적용을 예시하는 흐름도이다. 예시적인 방법(2800)은 특수 하드웨어(회로부, 전용 로직, 프로그램 가능 로직, 마이크로코드 등), 특수 소프트웨어(범용 컴퓨터 시스템에서 실행되는 명령, 전용 기계, 또는 하드웨어 처리 디바이스), 펌웨어 또는 이들의 조합을 포함할 수 있는 처리 로직에 의해 수행될 수 있다.

일반적으로, 비 제한적인 예, 상기에서 설명된 "예 1: 경험적 기질-특정 표준 곡선의 생성", "예 2: 경험적 기질-특정 표준 곡선의 적용" 및 "예 3: 인간 피험체의 수화 상태로 인한 분석물 신호의 변화를 특성화하고 정규화하기 위한 파일럿 연구 디자인"과 관련하여 예시적인 방법(2800)에 대한 지원이 본 개시 전반에 걸쳐 제공된다.

방법(2800)은 분석물 변동성 제어 시스템(2530)이 생물학적 시료의 분석물에 대한 분석물 측정 데이터를 수신할 때 블록(2802)에서 시작한다. 예에서, 분석물 변동성 제어 시스템(2530)의 생물학적 시료 분석기 모듈(2540)은 분석을 위한 하나 이상의 새로운 생물학적 시료의 분석물 측정 데이터(2580)를 수신할 수 있다. 예를 들어, 새로운 생물학적 시료는 일반적으로 생물학적 시료 유형(예를 들어, 소변)의 분석물에 대한 합성 희석도 모델(2590) 생성에 포함되거나 고려되지 않은 생물학적 시료의 분석물 측정 데이터(2580)를 설명할 수 있다. 이와 같이, 새로운 생물학적 시료는 합성 희석도 모델을 생성하는데 사용되는 생물학적 시료와 다르며 이러한 관련 분석물 측정 데이터(2580)는 이러한 모델의 생성 전 또는 후에 수신될 수 있다.

블록 (2804)에서, 분석물 변동성 제어 시스템(2530)은 생물학적 시료의 예측 상대적 희석도를 결정하기 위해 복수의 분석물을 선택한다. 일 예에서, 분석물 변동성 제어 시스템(2530)의 생물학적 시료 분석기 모듈(2540)은 새로운 생물학적 시료의 분석물 측정 데이터(2580)를 분석한다. 예를 들어, 생물학적 시료 분석기 모듈(2540)은 분석물 측정 데이터(2580)에서 분석물의 상대 형광 단위(RFU) 측정과 관련된 하나 이상의 임계값 및/또는 사용자 선호도에 기반하여 분석물 측정 데이터(2580)에서 분석물의 서브세트를 선택할 수 있다.

일 예에서, 생물학적 시료 분석기 모듈(2540)은 생물학적 시료 유형에 대한 대응하는 합성 희석도 모델과 비교하여 "적합도(goodness of fit)"에 기초하여 새로운 생물학적 시료에서 가장 많은 수의 분석물을 선택할 수 있다. 다른 예에서, 생물학적 시료 분석기 모듈 (2540)은 또한 동일한 시료의 일련의 적정 시리즈를 평탄화할 수 있는 능력을 가진 많은 분석물을 선택할 수 있다. 추가 설명 및 예는, 예를 들어, 적어도 비 제한적인 예, "예 2: 경험적 기질-특정 표준 곡선의 적용"에서 본 개시에 제공된다.

블록(2806)에서, 분석물 변동성 제어 시스템(2530)은 선택된 분석물 각각에 대한 합성 희석도 모델(2590)을 수신한다. 일 예에서, 상대적 희석도 예측 모듈(2560)은 생물학적 시료의 예측 상대 용액을 결정하기 위해 선택된 복수의 분석물 각각에 대한 합성 희석도 모델(2590)을 수신한다. 예를 들어, 상대적 희석도 예측 모듈(2560)은 선택된 분석물에 대해 생성된 합성 희석도 모델(2590)을 수신한다. 이러한 합성 희석도 모델(2590)은 본 개시의 방법(2600), 방법(2700), 또는 다른 예에 기초하여 생성될 수 있다.

블록(2808)에서, 분석물 변동성 제어 시스템(2530)은 각각의 개별 분석물과 연관된 대응하는 합성 희석도 모델에 기초하여 선택된 분석물 각각에 대한 예측 상대적 희석도 값을 결정한다. 일 예에서, 선택된 분석물의 각각에 대해, 상대적 희석도 예측 모듈(2560)은 각각의 분석물에 대한 상대 형광 단위(RFU) 측정을 각각의 분석물에 대응하는 생성된 합성 희석도 모델에 투영하고, 따라서, 각각의 분석물 중 하나에 대한 예측된 상대적 희석도를 생성한다.

예를 들어, 상대적 희석도 예측 모듈(2560)은 새로운 생물학적 시료에서 제1 분석물에 대한 제1 RFU 측정값을 취하고, 제1 분석물에 대해 생성된 제1 합성 희석도 모델에 제1 분석물에 대한 제1 RFU 측정값을 투영하고, 투영을 기반으로 한 새로운 생물학적 시료의 제1 분석물에 대한 예측 상대 희석도 값을 결정할 수 있다. 유사하게, 상대적 희석도 예측 모듈(2560)은 동일한 새로운 생물학적 시료에서 제2 분석물에 대한 제2 RFU 측정을 수행하고, 제2 분석물에 대한 제2 RFU 측정을 제2 분석물에 대해 생성된 제2 합성 희석도 모델에 투영하고, 해당 투영을 기반으로 한 새로운 생물학적 시료의 제2 분석물에 대한 예측 상대 희석도 값을 결정할 수 있다(다른 선택된 분석물 각각에 대한 등). 추가 설명 및 예는, 예를 들어, 적어도 비 제한적인 예 "예 2: 경험적 기질-특정 표준 곡선의 적용"에서 본 개시에 제공된다.

블록 (2810)에서, 분석물 변동성 제어 시스템(2530)은 선택된 분석물 각각에 대해 결정된 예측 상대적 희석도 값에 기초하여 생물학적 시료의 예측 상대적 희석도를 결정한다. 일 예에서, 상대적 희석도 예측 모듈(2560)은 새로운 생물학적 시료의 선택된 분석물에 대해 블록(2808)에서 생성된 예측 상대적 희석도 값의 분포를 생성한다. 상대적 희석도 예측 모듈(2560)은 새로운 생물학적 시료의 측면을 조정할 때 사용할 예측 상대적 희석도 값을 결정하고 선택할 수 있다. 예를 들어, 상대적 희석도 예측 모듈(2560)은 생성된 예측 상대적 희석도 값의 하나 이상의 세트를 폐기하여 새로운 생물학적 시료를 조정하기 위해 생성된 예측 상대적 희석도 값의 최종 세트를 생성할 수 있다.

일 예에서, 상대적 희석도 예측 모듈(2560)은 예측 상대적 희석도 값의 분포에서 꼬리(tail)를 잘라내고 새로운 생물학적 시료에 대한 예측 상대적 희석도를 결정하기 위해 나머지 값의 중간 백분율을 사용한다. 상대적 희석도 예측 모듈(2560)은 그런 다음 생물학적 시료의 예측 상대적 희석도를 결정한다. 예를 들어, 상대적 희석도 예측 모듈(2560)은 나머지 예측 상대적 희석도 값을 분석하고 새로운 생물학적 시료에 대한 예측 상대적 희석도를 생성할 수 있다.

일 예에서, 상대적 희석도 예측 모듈(2560)은 나머지 예측 상대적 희석도 값의 중앙값에 기초하여 새로운 생물학적 시료에 대한 예측 상대적 희석도를 결정한다. 상대적 희석 예측 모듈(2560)은 일반적으로 나머지 예측 상대적 희석도 값의 공식 또는 다른 분석을 사용하여 새로운 생물학적 시료에 대한 예측 상대적 희석도를 결정할 수도 있다. 추가 설명 및 예는, 예를 들어, 적어도 비 제한적인 예, "예 2: 경험적 기질-특정 표준 곡선의 적용"에서 본 개시에 제공된다.

일 예에서, 분석물 변동성 제어 시스템(2530)은 상대적 희석도 예측 모듈(2560)에 의해 결정된 예측 상대적 희석도에 기초하여 새로운 생물학적 시료의 하나 이상의 측면을 조정한다. 예를 들어, 분석물 변동성 제어 시스템(2530)은 상대적 희석도 예측 모듈(2560)에 의해 결정된 새로운 생물학적 시료에 대한 예측 상대적 희석도를 기반으로 새로운 생물학적 시료의 분석물 측정 데이터(2580)를 정규화하거나 달리 조정할 수 있다. 또한, 일부 예에서, 분석물 변동성 제어 시스템(2530)은 관련 처리 및 조정을 설명하는 관련 보고서를 생성할 수 있다. 새로운 생물학적 시료에 대한 조정된 분석물 측정 데이터(2580)는 조정의 관점에서 추가로 조사 및 분석될 수 있다.

도 29는 기계가 여기에서 논의된 방법론 중 임의의 하나 이상을 수행하게 하기 위한 명령 세트가 실행될 수 있는 컴퓨터 시스템(2900)의 예시적인 형태의 기계의 다이어그램을 도시한다. 일 예에서, 기계는 LAN, 인트라넷, 엑스트라넷 또는 인터넷의 다른 기계에 연결(예를 들어, 네트워크화)될 수 있다. 기계는 클라이언트-서버 네트워크 환경에서 서버 또는 클라이언트 기계의 용량으로 작동하거나 피어 투 피어(또는 분산) 네트워크 환경에서 피어 기계로 작동할 수 있다. 예를 들어, 기계는 개인용 컴퓨터(PC), 태블릿 PC, 개인 휴대 정보 단말기(PDA), 휴대 전화, 웨어러블 컴퓨팅 디바이스, 웹 기기, 서버 기계, 전문 진단 실험실 기계, 또는 해당 기계가 취해야 할 조치를 지정하는 일련의 명령(순차적이든 아니든)을 실행할 수 있는 다른 모든 기계일 수 있다. 또한, 단일 기계만이 예시되어 있지만, "기계"라는 용어는 본 출원에서 논의된 방법론 중 임의의 하나 이상을 수행하기 위해 명령 세트(또는 다수의 세트)를 개별적으로 또는 공동으로 실행하는 기계의 집합을 포함하는 것으로 간주되어야 한다.

예시적인 컴퓨터 시스템(2900)은 처리 디바이스(프로세서)(2902), 메인 메모리(2904)(예를 들어, 판독 전용 메모리(ROM), 플래시 메모리, 동적 랜덤 액세스 메모리(DRAM) 예컨대, 동기식 DRAM(SDRAM), 이중 데이터 레이트(DDR SDRAM), 또는 DRAM(RDRAM) 등), 정적 메모리(2906)(예를 들어, 플래시 메모리, 정적 랜덤 액세스 메모리(SRAM) 등), 및 데이터 저장 디바이스(2918)를 포함하고, 이들은 버스(2930)를 통해 서로 통신한다.

프로세서(2902)는 마이크로프로세서, 중앙 처리 유닛 등과 같은 하나 이상의 범용 처리 디바이스를 나타낸다. 보다 구체적으로, 프로세서(2902)는 복합 명령 세트 컴퓨팅(CISC) 마이크로프로세서, RISC(Reduced Instruction Set Computing) 마이크로프로세서, VLIW(Very Long Instruction Word) 마이크로프로세서, 또는 다른 명령 세트를 구현하는 프로세서 또는 명령 세트의 조합을 구현하는 프로세서일 수 있다. 프로세서(2902)는 또한 ASIC(application specific integrated circuit), FPGA(field programmable gate array), DSP(digital signal processor), 네트워크 프로세서 등과 같은 하나 이상의 특수 목적 처리 디바이스일 수 있다. 프로세서(2902)는 본 출원에서 논의된 동작 및 단계를 수행하기 위한 명령(2922)을 실행하도록 구성된다.

컴퓨터 시스템(2900)은 네트워크 인터페이스 디바이스(2908)를 더 포함할 수 있다. 컴퓨터 시스템(2900)은 또한 비디오 디스플레이 유닛(2910)(예를 들어, 액정 디스플레이(LCD) 또는 음극선관(CRT)), 영숫자 입력 디바이스(2912) (예를 들어, 키보드), 커서 제어 디바이스(2914)(예를 들어, 마우스), 신호 생성 디바이스(2916)(예를 들어, 스피커)를 포함할 수 있다.

데이터 저장 디바이스(2918)는 컴퓨터 판독 가능 저장 매체(2928)를 포함할 수 있으며, 여기에는 본 출원에서 설명된 방법론 또는 기능 중 임의의 하나 이상을 구현하는 하나 이상의 명령 세트(2922)(예를 들어, 소프트웨어)가 저장된다. 명령(2922)는 또한 컴퓨터 시스템(2900), 메인 메모리(2904) 및 컴퓨터 판독가능 저장 매체를 구성하는 프로세서(2902)에 의한 실행 동안 메인 메모리(2904) 및/또는 프로세서(2902) 내에 완전히 또는 적어도 부분적으로 상주할 수 있다. 명령(2922)은 네트워크 인터페이스 디바이스(2908)를 통해 네트워크(2920)를 통해 추가로 송신 또는 수신될 수 있다.

일 예에서, 명령(2922)은 분석물 변동성 제어 시스템(예를 들어, 도 25의 분석물 변동성 제어 시스템(2530)) 및/또는 분석물 변동성 제어 시스템을 호출하는 방법을 포함하는 소프트웨어 라이브러리에 대한 명령을 포함한다. 컴퓨터 판독 가능 저장 매체(2928)(기계 판독 가능 저장 매체)가 단일 매체인 것으로 예시되어 있지만, "컴퓨터 판독 가능 저장 매체"라는 용어는 하나 이상의 명령 세트를 저장하는 단일 매체 또는 다수의 매체(예를 들어, 중앙 집중식 또는 분산 데이터 베이스 및/또는 관련 캐시 및 서버)를 포함하는 것으로 간주되어야 한다. "컴퓨터 판독 가능 저장 매체"라는 용어는 기계에 의한 실행을 위한 명령 세트를 저장, 인코딩 또는 전달할 수 있고 기계가 본 개시의 하나 이상의 방법론을 수행하게 하는 임의의 매체를 포함하는 것으로 간주되어야 한다. 또한, "컴퓨터 판독 가능 저장 매체"라는 용어는 솔리드 스테이트 메모리, 광학 매체 및 자기 매체를 포함하지만 이에 제한되지 않는 것으로 간주되어야 한다.

전술한 설명에서, 많은 세부 사항이 설명된다. 그러나, 본 개시의 장점을 갖는 당업자에게는 본 개시가 이러한 특정 세부사항 없이 실시될 수 있음이 명백할 것이다. 일부 예에서, 잘 알려진 구조 및 디바이스는 본 개시를 모호하게 하는 것을 피하기 위해 상세하기보다는 블록도 형태로 도시된다.

상세한 설명의 일부 부분은 하나 이상의 원하는 결과로 이어지는 단계의 관점에서 제시되었다. 일반적으로 이러한 단계는 물리량의 물리적 조작이 필요한 단계이다. 일반적으로 반드시 그런 것은 아니지만 이러한 양은 저장, 전송, 조합, 비교 및 다른 조작이 가능한 전기 또는 자기 신호의 형태를 취한다. 이러한 신호를 비트, 값, 엘리먼트, 심볼, 문자, 용어, 숫자 등으로 지칭하는 것이 일반적인 사용상의 이유로 때때로 편리한 것으로 입증되었다.

그러나 이러한 모든 용어 및 유사한 용어는 적절한 물리량과 관련되어야 하며 이러한 양에 적용되는 편리한 레이블일 뿐이라는 점을 염두에 두어야 한다. 이하의 논의에서 명백하게 달리 명시되지 않는 한, 설명 전반에 걸쳐 "계산", "비교", "적용", "생성", "순위 지정", "분류" 등과 같은 용어를 사용하는 논의는, 컴퓨터 시스템의 레지스터 및 메모리 내에서 물리적(예를 들어, 전자) 수량으로 표시되는 데이터를 컴퓨터 시스템 메모리 또는 레지스터 또는 다른 정보 저장, 전송 또는 표시 디바이스 내 물리적 수량으로 유사하게 표시되는 다른 데이터로 조작하고 변환하는 특수 컴퓨터 시스템 또는 유사한 특수 전자 컴퓨팅 디바이스의 작업 및 프로세스를 나타낸다는 것이 인식된다.

본 개시의 특정 예는 또한 본 출원의 동작을 수행하기 위한 장치에 관한 것이다. 이 장치는 의도된 목적을 위해 구성될 수 있거나 의도된 목적을 수행하도록 선택적으로 설치, 활성화 또는 구성된 특수 컴퓨터 하드웨어 및/또는 특수 컴퓨터 프로그램을 포함할 수 있다. 이러한 컴퓨터 프로그램은 플로피 디스크, 광 디스크, CD-ROM 및 자기 광학 디스크, 판독 전용 메모리(ROM), RAM(Random Access Memory), EPROM, EEPROM, 자기 또는 광학 카드, 또는 전자 명령을 저장하는데 적절한 임의 유형의 매체를 포함하지만 이에 국한되지 않는 임의의 유형의 디스크와 같은 컴퓨터 판독 가능 저장 매체에 저장될 수 있다.

위의 설명은 예시를 위한 것이며 제한적인 것이 아님을 이해해야 한다. 많은 다른 예들이 상기 설명을 읽고 이해하면 당업자에게 명백할 것이다. 따라서, 본 개시의 범위는 첨부된 청구범위를 참조하여 결정되어야 하며, 그러한 청구범위에 해당하는 균등물의 전체 범위와 함께 결정되어야 한다.

예들

이하의 예는 특정 특징 및/또는 실시예를 설명하기 위해 제공된다. 이들 예는 본 개시를 설명된 특정 특징 또는 실시예로 제한하는 것으로 해석되어서는 안 된다.

예 1: 경험적 기질 특정 표준 곡선의 생성

이 실시예는 포획 시약, 예를 들어, 앱타머로 검정된 상대적 단백질 측정을 사용하여 복합 생물학적 기질, 예를 들어, 소변으로부터 예시적인 합성 희석도 모델을 생성하는 수단을 제공한다.

전통적으로, 소변의 단백질 레벨은 생리학적 기반 측정(예를 들어, 총 소변량, 크레아티닌 농도 또는 알부민:크레아티닌 비율) 또는 제한된 중앙값 정규화로 정규화되고, 이는 희석 선형성(또는 시료의 단백질 함량으로 스케일링)을 나타내는 포획 시약(예를 들어, 앱타머)의 서브 세트를 식별하고, 표준 중앙값 정규화에 이 정보를 사용한다.

소변과 같은 복합 기질에서 여러 시료의 적정 시리즈를 기반으로 각각의 분석물(측정된 단백질)에 대한 합성 희석도 곡선을 생성하는 새로운 정규화 접근 방식이 개발되었다. 많은 합성 희석도 곡선을 사용하여 단백질 레벨의 전체 희석도를 보다 정확하게 추정할 수 있다. 단백질 측정은 단백질 레벨이 상대적인 양(RFU 또는 상대적 형광 단위)으로 표시되는 앱타머 기반 검정을 허용하여 소변에서 이루어졌다. 예를 들어, 소변을 수집할 때 개체의 수화 레벨에서 비롯되는 단백질 레벨에서 일반적으로 관찰되는 시료 간 변동성 때문에 소변을 예시 기질로 선택했다. 수화 레벨(hydration level)은 소변에서 측정한 단백질 레벨과 테스트되는 피험체의 임상 평가 사이의 관계를 혼란스럽게 할 수 있다. 따라서, 시료 간 변동성을 보상하는 합성 희석도 모델을 생성함으로써 테스트 피험체에 대한 일관되고 임상적으로 관련된 정보가 소변의 단백질 레벨로부터 도출될 수 있다. 또한, 일단 합성 희석도 모델이 기질에 대해 생성되면 동일한 합성 희석도 모델을 사용하여 많은 피험체의 시료에서 시료 간 변동성을 보상할 수 있으며 일관되고 임상적으로 관련된 정보가 해당 피험체에 대한 분석물 측정에서 도출될 수 있다.

배경 정보를 통해, 함수에 대한 정량적 입력은 X로 표시되고 출력은 변수 Y로 표시된다. X 또는 Y가 기질인 경우, 개별 컴포넌트는 아래 첨자 X_ij로 액세스할 수 있다. 예를 들어, i번째 앱타머에 대한 j번째 시료의 출력 값은 X_ij이다. 동일한 앱타머에 대한 다음 시료는 X_i(j+1)이다. 값의 벡터는 대문자로 표시되고 스칼라 값은 소문자로 표시된다.

관심 있는 생물학적 기질의 적어도 두(2)개 시료에서 적어도 세(3)개 연속 적정에서 얻은 단백질 레벨을 분석했으며, k 연속 적정을 갖는 j 시료에 대한 i 분석물(앱타머)는 희석도 X_ijk 및 해당 RFU 값 Y_ijk으로 표시된다. 각각의 분석물(또는 단백질)에 대해, 선형 희석도 범위가 정의되며, 이는 앱타머 기반 분석의 경우 측정된 RFU 값이 시료 희석도와 거의 선형으로 비례하는 희석도 범위이다. 가장 낮은 희석도부터 시작하여 각각의 희석도에 대한 RFU 측정치는 후속 희석도를 비교할 수 있는 명목 레벨을 수립하는데 사용된다. 회수율(percent recovery)은 n배 희석도가 제공된 예상 RFU 값으로 나눈 측정된 RFU 값으로 정의된다. 시리즈의 k번째 희석부터 시작하여 m번째 후속 희석의 회수율은 다음과 같이 정의된다.

허용되는 희석도 범위는 선형 범위의 최고 희석도에서 결정된 공칭 값의 50% 이내의 회수율을 갖다. 선형 범위를 정의하려면 공칭 값에서 최소 3개의 연속 희석도가 필요하다. 선형 범위(5개 연속 희석도에서 5개 데이터 포인트)는 수직 파선 사이의 데이터 포인트로 도 1에 표시된다(스케일링은 시각화 목적을 위해 로그이며 로그 선형성을 제안하지 않음).

분석물 시스타틴 C(CST3)를 구체적인 예로 사용했다. 열 아홉(19)개의 소변 시료를 연속적으로 희석하고 분석물 CST3 레벨을 측정하고 플로팅했다(도 2a 참조). 따라서, 각각의 분석물 i(예를 들어, CST3)에 대해 선형 희석도 범위가 가장 큰 시료 j(19개 시료 중)를 식별한다. RFU 측정 Y_ij에 반비례하는 가중치를 사용하여 선형 희석도 범위의 데이터에 가중치 선형 회귀 모델을 피팅한다. i번째 분석물의 선형 모델은 다음과 같다:

또 다른 구체적인 예로 분석물 에프린 B형 수용체 6(EPHB6)을 사용하였다. 열아홉(19)개의 소변 시료를 연속적으로 희석하고 분석물 EPHB6 레벨을 측정하고 플로팅했다(도 2d 참조). 따라서, 각각의 분석물 i(예를 들어, EPHB6)에 대해 선형 희석도 범위가 가장 큰 시료 j(19개 시료 중)를 식별한다. RFU 측정 Y_ij에 반비례하는 가중치를 사용하여 선형 희석도 범위의 데이터에 가중 선형 회귀 모델을 피팅한다. i번째 분석물의 선형 모델은 다음과 같다:

이 회귀 라인(또는 회귀 모델)은 이제 다른 모든 곡선이 정합될 기준이다(CST3의 경우 도 2b의 검은색 라인, EPHB6의 경우 도 2e).

각 분석물 i에 대해 선형 범위 y_ci(또는 기준 값)의 중심점의 RFU 값을 회귀 라인(회귀 모델)에 매핑(또는 수평으로 병진 이동)하여 적정 곡선을 정합하여 기준

(상대적 기준 희석도)에 대한 상대적 희석도를 결정한다. i번째 분석물의 j번째 시료에 대한 상대적 기준 희석도는 다음과 같다:

주어진 분석물에 대한 각각의 적정 곡선 Y_ij를 상대적 희석도 값

(또는

X)로 수평 병진 이동하여 병진 이동된 곡선

(합성 희석도 모델)를 생성하고, 여기서 선형 범위의 중심점은 기준 회귀 라인에 해당한다. 대안적으로, 이에 대한 또 다른 방법은 각각의 적정 시리즈에 대한 선형 모델을 피팅하고 절편을 동일한 값(예를 들어, 1)으로 설정하여 곡선을 정합하는 것이다. 이 프로세스는 위의 오른쪽 플롯과 같이 기준에 대해 곡선을 정렬한다.

각 분석물에 대해 정합된 데이터에 4개 파라미터 로지스틱 함수(4PL)를 피팅한다. 4PL 방정식은 하부 점근선 L, 상부 점근선 U, 변곡점 k 및 힐 기울기(Hill’s slope) b에 대한 파라미터로 구성된다. 모델은 변곡점에 대해 대칭이며 비선형 최소 제곱을 사용하여 피팅된다.

이것은 관심 기질의 각각의 분석물과 모든 포획 시약(예를 들어, 앱타머) 및 각각의 표적 단백질의 존재에 대한 경험적 표준 곡선을 생성한다. 이것은 CST3에 대한 도 2c에 나와 있다. 각각의 4PL 적합(합성 희석도 모델)은 AIC(Akaike information criterion)을 사용하여 적합도에 따라 순위를 매길 수 있다.

도 3a-3c 내지 9a-9c는 혈소판 유래 성장 계수 D(PDGFD, 도 3a-3c), 레티노산 수용체 반응자 2(RARRES2, 도 4a-4c), 인터루킨 1 수용체 유사 2(IL1RL2, 도 5a-5c), 응고 계수 XI(F11, 도 6a-6c), 셉틴 11(SEPT11, 도 7a-7c), 티모포이에틴(TMPO, 도 8a-8c) 및 시사 패밀리 구성원 3(SHISA3, 도 9a-9c)의 유사한 분석을 도시한다.

예 2: 경험적 기질 특정 표준 곡선의 애플리케이션

이 예는 예 1에서 생성된 경험적 기질 특이적 표준 곡선(또는 합성 희석도 모델 또는 4PL 곡선)을 사용하여 검정에서 측정된 분석물의 레벨을 정규화하는데 사용되는 방법을 제공한다.

일반적으로 이 방법은 정규화 계산에 사용할 i 분석물(앱타머 기반 단백질 측정)의 서브 세트를 선택하는 것을 수반한다.

특징 선택은 여러 가지 방법으로 수행할 수 있다. 세 가지 예는 다음과 같다: 1) AIC에 의해 순위가 매겨진 4PL 적합도에 따라 상위 i개 분석물을 선택하고, 2) 동일한 시료의 연속 적정 시리즈를 평탄화할 수 있는 능력이 있는 i개 분석물에 대한 특징 선택 수행 및/또는 3) 백그라운드보다 신호 레벨이 높은 분석물 선택(예를 들어, 백그라운드 보다 2배, 3배, 4배, 5배, 6배, 7배, 8배, 9배 또는 10배 레벨).

예를 들어, 위의 옵션 2와 관련하여 1:2 희석도마다 정규화 스케일 팩터가 2배 증가할 것으로 예상한다. 그런 다음 정규화할 각각의 시료에 대해, 정규화 서브 세트의 모든 i 분석물에 대한 4PL 방정식을 역으로 풀어 예측된 상대적 희석도를 발견한다. 시료 k의 i번째 분석물(총 n개 중)에 대해 추정된 상대적 희석도

는 다음과 같다

도 10a 및 10b는 2개의 분석물(이두로니다제[IDUA] 및 네오제닌 1[NEO1])에 대한 일반 프로세스의 애플리케이션을 도시한다. 정규화된 시료에 대한 RFU 측정값을 4PL 곡선에 투영하여 두 개의 예측된 상대적 희석도를 생성했다.

그런 다음 이 정보를 사용하여 해당 시료에 대한 예상 상대적 희석도를 찾을 수 있다. 일부 실시예에서, 모든 i번째 분석물의 예측된 상대적 희석도 중앙값이 결정된다. 이 프로세스는 정규화될 각각의 시료에 대해 n개의 예측된 상대적 희석도의 분포로 귀결된다. 이 분포의 중앙값은 해당 시료에 대한 예상 상대적 희석도이고 해당 시료에 대한 4PL 정규화 스케일 인자는 예측 상대적 희석도에 비해 1이다.

일부 실시예에서, 추정된 상대적 희석도의 중심 경향치로부터 도출된 값, 중앙값, 평균이 선택된다. 그런 다음 각각의 시료에 대한 추정된 상대적 희석도를 사용하여 해당 시료를 정규화할 수 있다. 일부 실시예에서, 각각의 시료에 대한 스케일링 계수는 기준 값을 해당 시료에 대한 추정된 상대적 희석도로 나눔으로써 생성된다. 이 기준 값은 일부 실시예에서 1(스케일링 인자를 추정된 상대적 희석도의 역수로 만든다)이거나 또는 정규화될 모든 시료에 대한 중간 추정된 상대적 희석도일 수 있다.

도 11은 단일 시료의 4가지 연속 1:2 희석에 대한 예상 상대적 희석도의 분포를 도시하고, 중앙값은 최고의 AIC를 가진 200개의 분석물을 사용하여 시료의 희석드와 완벽하게 스케일링되는 것으로 관찰된다.

예 3: 인간 피험체의 수화 상태로 인한 분석물 신호의 변화를 특성화하고 정규화하기 위한 파일럿 연구 디자인

이 예는 제어된 수화 조건에서 인간 피험체에서 분석물 신호 측정의 변화에 대한 정규화 기법을 특성화하고 검증하는데 사용되는 파일럿 연구의 개요를 제공한다.

26세에서 57세 사이(평균 연령 33세)의 연구 참가자 16명의 성별 균형 코호트(cohort)가 연구를 위해 모집되었다. 이 연구에 대한 사전 동의는 IRB 승인 SomaLogic Biorepository Research Protocol 또는 WIRB #20150206에 해당한다. 모든 참가자는 동의서에 서명하고 나이, 성별, 키, 체중 및 다른 인구 통계 정보를 포함한 메타 데이터가 수집된 간단한 건강 설문지를 작성했다. 모든 메타 데이터는 연구 내에서 익명으로 유지되었다.

수집 프로토콜: 소변 검체에서 획득된 임상 정보는 수집 방법 및 취급에 영향을 받을 수 있다. 따라서, 연구에 사용된 수집 절차는 세포 및 미생물 오염의 발생률을 줄이기 위한 "중간뇨(midstream)를 깨끗하게 채취"였다. 참가자들은 소변 흐름의 제1 부분을 변기로 배출하도록 요청받았으며, 이는 요도를 플러시하고 오염 물질이 흐름에 들어갈 기회를 크게 줄였다.

소변 중간뇨는 안전하고 누출 방지 뚜껑이 있는 90ml의 방부제가 없고 사전에 라벨이 붙은 멸균 수집 컵에 수집되었다. SomaLogic에서 수집된 시료는 미리 라벨이 붙은 바이오하자드 백(biohazard bag)에 넣고 나중에 분취하고 -80℃에서 보관할 수 있도록 생물학적 시료용으로 지정된 실험실 냉장고에 즉시 넣었다.

미래의 잠재 피험체로부터 받은 것과 유사한 시료 조건을 유지하기 위해 분취하기 전에 전처리 또는 원심분리를 수행하지 않았다. 모든 시료에 대해 수집 시간을 기록했다. 4 내지 6개의 분석 분취량 외에 소변 검정을 위해 하나의 8ml 분취량이 생성되었다.

각 연구 참가자에게 고유한 영숫자 식별자를 할당하여 시료를 익명화하고 모든 수집 튜브와 바이오하자드 백에 이 식별자와 수집 시간 및 날짜를 표시했다. 모든 메타 데이터 및 단백질체 데이터는 이 식별자를 사용하여 데이터 베이스에 입력되었다. 이 프로세스는 메타 데이터 또는 단백질체 데이터가 참가자와 연결되는 것을 방지하는 익명성 장벽을 만들었다. 참가자와 식별자를 연결하는 마스터 키는 내부적으로 생성되었으며 기밀로 유지되었으며 선별된 개인만 알아야 할 필요가 있을 때만 액세스할 수 있었다.

참가자들은 연구 전 48시간 동안 항염증제를 삼가하고 연구 전날 밤 10:00시에는 수분 섭취를 중단하도록 요청받았다. 필요한 경우 밤새 소변이 허용되었지만 아침에 "첫 배뇨(void)"소변이 수집되었다.

연구 프로토콜: 모든 참가자는 음료(물, 커피 등)를 마시거나 아침에 운동을 삼가도록 요청했다. 집에서 수집한 제1 배뇨 시료는 SomaLogic에 도착할 때까지 즉시 얼음 위에 놓았고, 그곳에서 2 내지 8℃의 냉장고에 넣었다.

참가자들에게 칼로리가 균형 잡힌 아침 식사를 제공하고 30분 동안 참가자 체중의 1.5%를 물로 섭취하도록 요청했다("수화 챌린지(hydration challenge)"). 이것은 125lb 개체의 경우 ~850ml이고 175lb 개체의 경우 ~1120ml양이다. 각각의 참가자의 음식 양을 미리 지정하는 대신 참가자에게 보수적인 양을 먹도록 요청하여 음식 섭취를 제어했다.

오전 9시부터 정오까지 각각의 소변의 일부를 수집했으며 대략 오후 12시에 최종 '배출' 소변 시료를 수집했다. 오전 9시에서 오후 12시 사이에는 물을 마실 수 없다. 2 내지 5개의 연속 시료가 수화 챌린지를 따랐으며 마지막 시료는 대략 오후 12시에 발생했다. 또한, 15명의 참가자가 다음 날 오후 12시에 비대조 시료를 제공했다. 총 15명의 참가자로부터 81개의 소변 시료를 수집했다.

수집 프로토콜에 따라 모든 시료는 "중간뇨(mid-stream)"에 수집되었고 비중, 총 단백질, 엘리먼트, 총 염 및 미생물 적정 농도를 포함한 완전한 소변 분석을 위해 임상 실험실로 보내졌다. 총 소변량은 기록되지 않았다.

수집된 시료에서 분석물의 측정: 연구 피험체의 소변 시료는 1000개 이상의 단백질 레벨을 측정하는 앱타머 기반 분석을 사용하여 검정되었다. 각각의 연구 참가자에 대해, 도 12는 해당 앱타머에 대한 중앙값 RFU 신호에서 log₁₀ 변화로 표시된 정규화 전 각각의 앱타머에 대한 데이터를 도시한다(여러 시점에 걸친 라인으로 표시). 참가자의 수화 상태로 인해 정규화되지 않은 데이터에 일반적인 편향이 존재하며, 제1 아침 배뇨 시료(가장 농축된)에 대한 신호가 중앙값에 비해 더 높다. 이 신호는 수화 챌린지로 인해 감소하고 연구 참가자가 수화 후 식수 시도를 삼가했기 때문에 증가한다.

이 데이터는 피험체의 수화 레벨을 보상하고 테스트 피험체에 대한 일관되고 임상적으로 관련된 정보를 추출하기 위한 합성 희석도 모델의 효능을 입증하는데 사용되었다. 합성 희석도 모델은 각각의 연구 참가자의 모든 연속 시료에 적용되었다. 각각의 연구 참가자의 모든 연속 시료에 대한 예상 상대적 희석도의 상자 플롯은 도 13에 도시된다. 이 값은 모든 앱타머에 대한 합성 희석도 곡선으로부터 계산되었다. 그런 다음 정규화 프로세스는 각각의 상자 플롯의 중앙값을 1로 시프트하여 각각의 시료에 대한 스케일링 인자를 계산한다. 도 14는 각각의 앱타머의 중앙값으로부터 RFU 변화로 표시되는 피험체의 수화 레벨을 보상하기 위해 합성 희석도 모델을 사용하여 정규화 후 결과 시계열을 도시한다.

도 15 및 16의 상자 플롯 및 누적 분포 함수(CDF)는 두 명의 개별 연구 개체에서 각각의 시점의 신호 분포를 도시한다. 도 15a/c 및 16a/c는 정규화 전 신호 레벨의 바이어스를 도시하고 도 15b/d 및 도 16b/d는 정규화 후 신호 레벨의 분포를 도시한다. 상단 플롯의 각각의 라인은 시료 전반의 앱타머 신호 레벨을 나타낸다.

도 15b 및 16b는 반복 측정 ANOVA F 통계량을 정량화한 체계적인 편향/분산의 감소를 나타내며, 이는 그룹 간 차이에 대한 그룹 내 차이의 비율로 해석될 수 있다. 높은 F 통계치는 시점 간의 큰 차이에서 비롯되며 낮은 F 통계는 시점 간의 차이가 임의의 기회가 주어지면 예상되는 것과 유사함을 도시한다. F 통계치는 각각의 연구 참가자에 대한 비정규화 및 정규화 데이터에 대해 계산되었으며 도 17a에 도시된다. 정규화 절차는 길이 방향 분산에서 매우 유의한 감소를 가져왔다(p < 1E-8, N=15). 도 17b는 81.88의 중앙값 및 13.12-524.96의 범위를 갖는 각각의 연구 참가자에 대한 F 통계치의 폴드 감소(fold reduction)를 도시한다.

Claims (60)

1. 합성 희석도 모델(composite dilution model)을 생성하는 방법에 있어서, 상기 방법은,
   a) 분석물(analyte)을 포함하는 제1 생물학적 시료의 제1 희석도 시리즈에서 상기 분석물의 레벨을 결정하는 단계로서, 상기 제1 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 상기 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;
   b) 상기 분석물을 포함하는 제2 생물학적 시료의 제2 희석도 시리즈에서 상기 분석물의 레벨을 결정하는 단계로서, 상기 제2 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 상기 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제2 희석도 시리즈에서 상기 분석물의 레벨을 결정하는 단계;
   c) 상기 제1 희석도 시리즈의 상기 분석물의 레벨을 기반으로 모델을 생성하는 단계;
   d) 기준 값(reference value)을 선택하는 단계로서, 상기 기준 값은,
   (i) 상기 제2 희석도 시리즈의 특정 희석도에서의 분석물 레벨인 제2 희석도 시리즈 기준 값;
   (ii) 상기 모델의 특정 희석도에서의 분석물 레벨인 모델 기준 값; 및
   (iii) 특정 희석도에서의 분석물 레벨인 임의의 기준 값으로부터 선택되고, 해당 특정 희석도의 상기 분석물 레벨은 상기 제2 희석도 시리즈 또는 상기 모델에서 발견되지 않는, 상기 기준 값을 선택하는 단계;
   e) 적어도 하나의 수평 병진 이동(horizontal translation)을 수행하는 단계로서, 상기 적어도 하나의 수평 병진 이동은,
   (i) 모델 값으로의 상기 제2 희석도 시리즈 기준 값의 수평 병진 이동(ΔX), 상기 모델 값은 상기 모델의 특정 희석도에서의 분석물 레벨이고, 상기 제2 희석도 시리즈 기준 값과 상기 모델 값은 동일하거나 실질적으로 동일하고;
   (ii) 상기 제2 희석도 시리즈 값으로의 상기 모델 기준 값의 수평 병진 이동(ΔX), 상기 제2 희석도 시리즈 값은 상기 제2 희석도 시리즈의 특정 희석도에서의 분석물 레벨이고, 상기 모델 기준 값과 상기 제2 희석도 시리즈 값은 동일하거나 실질적으로 동일하고; 및
   (iii) 임의의 기준 값으로의 제2 희석도 시리즈 값(ΔX) 및 모델 값(ΔY)의 수평 병진 이동으로부터 선택되고, 상기 모델 값은 상기 모델의 특정 희석도에서의 분석물 레벨이고, 상기 제2 희석도 시리즈 값은 상기 제2 희석도 시리즈의 특정 희석도에서의 분석물 레벨이고, 상기 제2 희석도 시리즈 값, 상기 모델 값 및 상기 임의의 기준 값은 동일하거나 실질적으로 동일하고;
   f) (i) 상기 제2 희석도 시리즈, (ii) 상기 모델, 또는 (iii) 상기 제2 희석도 시리즈 및 상기 모델에서 나머지 값의 적어도 하나의 수평 병진 이동을 수행하는 단계로서, 상기 나머지 값의 수평 병진 이동은 정렬된(lined) 합성 병진 이동으로 귀결되고; 및
   g) 정렬된 합성 병진 이동 시리즈에 함수를 피팅(fitting)하여 합성 희석도 모델을 형성하는 단계를 포함하는, 방법.
2. 청구항 1에 있어서, 상기 방법은,
   d) 상기 제2 희석도 시리즈의 특정 희석도에서의 분석물 레벨인 제2 희석도 시리즈 기준 값을 선택하는 단계;
   e) 모델 값으로의 상기 제2 희석도 시리즈 기준 값의 수평 병진 이동(ΔX)을 수행하는 단계, 상기 모델 값은 상기 모델의 특정 희석도에서의 분석물 레벨이고, 상기 제2 희석도 시리즈 기준 값과 상기 모델 값은 동일하거나 또는 실질적으로 동일하고; 및
   f) 상기 제2 희석도 시리즈의 나머지 값의 수평 병진 이동을 수행하는 단계를 포함하고, 상기 나머지 값의 수평 병진 이동은 정렬된 합성 병진 이동으로 귀결되는, 방법.
3. 청구항 1에 있어서, 상기 방법은,
   d) 상기 모델의 특정 희석도에서의 분석물 레벨인 모델 기준 값을 선택하는 단계;
   e) 제2 희석도 시리즈 값으로의 상기 모델 기준 값의 수평 병진 이동(ΔX)을 수행하는 단계, 상기 제2 희석도 시리즈 값은 상기 제2 희석도 시리즈의 특정 희석도에서의 분석물 레벨이고, 상기 모델 기준 값 및 상기 제2 희석도 시리즈 값은 동일하거나 실질적으로 동일하고; 및
   f) 상기 모델에서 상기 나머지 값의 수평 병진 이동을 수행하는 단계를 포함하고, 상기 나머지 값의 수평 병진 이동은 정렬된 합성 병진 이동으로 귀결되는, 방법.
4. 청구항 1에 있어서, 상기 방법은,
   d) 특정 희석도에서의 분석물 레벨인 임의의 기준 값을 선택하는 단계, 해당 특정 희석도에서 상기 분석물 레벨은 상기 제2 희석도 시리즈 또는 상기 모델에서 발견되지 않고;
   e) 임의의 기준 값으로의 제2 희석도 시리즈 값(ΔX) 및 모델 값(ΔY)을 수평 병진 이동하는 단계, 상기 모델 값은 상기 모델의 특정 희석도에서의 분석물 레벨이고, 상기 제2 희석도 시리즈 값은 상기 제2 희석도 시리즈의 특정 희석도에서의 분석물 레벨이고, 상기 제2 희석도 시리즈 값, 상기 모델 값 및 상기 임의의 기준 값은 동일하거나 실질적으로 동일하고; 및
   f) 상기 제2 희석도 시리즈 및 상기 모델의 나머지 값의 수평 병진 이동을 수행하는 단계를 포함하고, 상기 나머지 값의 수평 병진 이동은 정렬된 합성 병진 이동으로 귀결되는, 방법.
5. 합성 희석도 모델을 생성하는 방법에 있어서,
   a) 분석물을 포함하는 제1 생물학적 시료의 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제1 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;
   b) 상기 분석물을 포함하는 제2 생물학적 시료의 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제2 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 상기 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;
   c) 상기 제1 희석도 시리즈의 상기 분석물의 레벨을 기반으로 모델을 생성하는 단계;
   d) 적어도 하나의 수평 병진 이동을 수행하는 단계로서, 상기 적어도 하나의 수평 병진 이동은
   (i) 상기 모델로의 상기 제2 희석도 시리즈의 수평 병진 이동(ΔX)
   (ii) 상기 제2 희석도 시리즈로의 상기 모델의 수평 병진 이동(ΔX); 및
   (iii) 임의의 기준 값으로의 상기 제2 희석도 시리즈(ΔX) 및 상기 모델(ΔY)을 수평 병진 이동으로부터 선택되고, 상기 임의의 기준 값은 특정 희석도에서의 분석물 레벨이며, 해당 특정 희석도의 분석물 레벨은 상기 제2 희석도 시리즈 또는 모델에서 발견되지 않고, 상기 적어도 하나의 수평 병진 이동은 정렬된 합성 병진 이동 시리즈으로 귀결되는, 상기 수평 병진 이동을 수행하는 단계; 및
   e) 상기 정렬된 합성 병진 이동 시리즈에 함수를 피팅하여 합성 희석도 모델을 형성하는 단계를 포함하는, 방법.
6. 청구항 5에 있어서, 상기 방법은 상기 모델로의 상기 제2 희석도 시리즈의 수평 병진 이동(ΔX)을 수행하는 단계를 포함하는, 방법.
7. 청구항 5에 있어서, 상기 방법은 상기 제2 희석도 시리즈로의 상기 모델의 수평 병진 이동(ΔX)을 수행하는 단계를 포함하는, 방법.
8. 청구항 5에 있어서, 상기 방법은 특정 희석도에서의 분석물 레벨인 임의의 기준 값으로의 상기 제2 희석도 시리즈(ΔX) 및 상기 모델(ΔY)의 수평 병진 이동을 수행하는 단계를 포함하고, 해당 특정 희석도에서의 상기 분석물 레벨은 상기 제2 희석도 시리즈 또는 상기 모델에서 발견되지 않는, 방법.
9. 합성 희석도 모델을 생성하는 방법에 있어서, 상기 방법은,
   a) 분석물을 포함하는 제1 생물학적 시료의 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제1 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 상기 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;
   b) 상기 분석물을 포함하는 제2 생물학적 시료의 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제2 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 상기 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;
   c) 기준 값을 선택하는 단계로서, 상기 기준 값은,
   (i) 상기 제2 희석도 시리즈의 특정 희석도에서의 분석물 레벨인 제2 희석도 시리즈 기준 값; 및
   (ii) 특정 희석도에서의 분석물 레벨인 임의의 기준 값으로부터 선택되고, 해당 특정 희석도의 분석물 레벨은 상기 제1 희석도 시리즈 또는 상기 제2 희석도 시리즈에서 발견되지 않는, 상기 기준 값을 선택하는 단계;
   d) 적어도 하나의 수평 병진 이동을 수행하는 단계로서, 상기 적어도 하나의 수평 병진 이동은,
   (i) 제1 희석도 시리즈 값으로의 상기 제2 희석도 시리즈 기준 값의 수평 병진 이동(ΔX), 상기 제1 희석도 시리즈 값은 상기 제1 희석도 시리즈의 특정 희석도에서의 분석물 레벨이고, 상기 제2 희석도 시리즈 기준 값 및 상기 제1 희석도 시리즈 값은 동일하거나 실질적으로 동일하고; 및
   (ii) 상기 임의의 기준 값으로의 상기 제1 희석도 시리즈(ΔX)와 상기 제2 희석도 시리즈(ΔY)를 수평 병진 이동으로부터 선택되고,
   상기 적어도 하나의 수평 병진 이동은 정렬된 합성 병진 이동 시리즈로 귀결되고; 및
   e) 상기 정렬된 합성 병진 이동 시리즈에 함수를 피팅하여 합성 희석도 모델을 형성하는 단계를 포함하는, 방법.
10. 청구항 9에 있어서, 상기 방법은 상기 제1 희석도 시리즈로의 상기 제2 희석도 시리즈의 수평 병진 이동(ΔX)을 수행하는 단계를 포함하는, 방법.
11. 청구항 9에 있어서, 상기 방법은 임의의 기준 값으로의 상기 제1 희석도 시리즈(ΔX) 및 상기 제2 희석도 시리즈(ΔY)를 수평 병진 이동하는 단계를 포함하고, 상기 임의의 기준 값은 특정 희석도에서의 분석물 레벨이고, 해당 특정 희석도의 분석물 레벨은 상기 제1 희석도 시리즈 또는 상기 제2 희석도 시리즈에서 발견되지 않는, 방법.
12. 합성 희석도 모델을 생성하는 방법에 있어서, 상기 방법은,
    a) 분석물을 포함하는 제1 생물학적 시료의 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제1 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 상기 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;
    b) 상기 분석물을 포함하는 제2 생물학적 시료의 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제2 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 상기 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;
    c) 적어도 하나의 수평 병진 이동을 수행하는 단계로서, 상기 적어도 하나의 수평 병진 이동은,
    (i) 상기 제1 희석도 시리즈로의 상기 제2 희석도 시리즈의 수평 병진 이동(ΔX); 및
    (ii) 임의의 기준 값으로의 상기 제1 희석도 시리즈(ΔX)와 상기 제2 희석도 시리즈(ΔY)의 수평 병진 이동으로부터 결정되고, 상기 임의의 기준 값은 특정 희석도에서의 분석물 레벨이고, 해당 특정 희석도의 분석물 레벨은 상기 제1 희석도 시리즈 또는 상기 제2 희석도 시리즈에서 발견되지 않고;
    상기 적어도 하나의 수평 병진 이동은 정렬된 합성 병진 이동 시리즈로 귀결되는, 상기 수평 병진 이동을 수행하는 단계; 및
    d) 상기 정렬된 합성 병진 이동 시리즈에 함수를 피팅하여 상기 합성 희석도 모델을 형성하는 단계를 포함하는, 방법.
13. 청구항 12에 있어서, 상기 방법은 상기 제1 희석도 시리즈로의 상기 제2 희석도 시리즈의 수평 병진 이동(ΔX)을 수행하는 단계를 포함하는, 방법.
14. 청구항 12에 있어서, 상기 방법은 상기 임의의 기준 값으로의 상기 제1 희석도 시리즈(ΔX) 및 상기 제2 희석도 시리즈(ΔY)를 수평 병진 이동하는 단계를 포함하고, 상기 임의의 기준 값은 특정 희석도에서의 분석물 레벨이고, 해당 특정 희석도의 분석물 레벨은 상기 제1 희석도 시리즈 또는 상기 제2 희석도 시리즈에서 발견되지 않는, 방법.
15. 합성 희석도 모델을 생성하는 방법에 있어서, 상기 방법은,
    a) 분석물을 포함하는 제1 생물학적 시료의 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제1 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 상기 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;
    b) 상기 분석물을 포함하는 제2 생물학적 시료의 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제2 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 상기 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;
    c) 상기 제1 희석도 시리즈의 분석물의 레벨에 기초하여 제1 모델을 생성하고, 상기 제2 희석도 시리즈의 분석물의 레벨에 기초하여 제2 모델을 생성하는 단계;
    d) 기준 값을 선택하는 단계로서, 상기 기준 값은,
    (i) 상기 제1 모델의 특정 희석도에서의 분석물 레벨인 제1 모델 기준 값; 및
    (ii) 특정 희석도에서의 분석물 레벨인 임의의 기준 값으로부터 선택되고, 해당 특정 희석도에서의 분석물 레벨은 상기 제1 모델 또는 상기 제2 모델에서 발견되지 않는, 상기 기준 값을 선택하는 단계;
    d) 적어도 하나의 수평 병진 이동을 수행하는 단계로서, 상기 적어도 하나의 수평 병진 이동은,
    (i) 상기 제2 모델로의 상기 제1 모델의 수평 병진 이동(ΔX); 및
    (ii) 상기 임의의 기준 값으로의 상기 제1 모델(ΔX)과 상기 제2 모델(ΔY)의 수평 병진 이동으로부터 선택되고; 및
    상기 수평 병진 이동은 정렬된 합성 병진 이동 시리즈로 귀결되는, 상기 수평 병진 이동을 수행하는 단계; 및
    e) 상기 정렬된 합성 병진 이동 시리즈에 함수를 피팅하여 합성 희석도 모델을 형성하는, 방법.
16. 청구항 15에 있어서, 상기 방법은 상기 제2 모델로의 상기 제1 모델의 수평 병진 이동(ΔX)을 수행하는 단계를 포함하는, 방법.
17. 청구항 15에 있어서, 상기 방법은 상기 임의의 기준 값으로의 상기 제1 모델(ΔX) 및 상기 제2 모델(ΔY)을 수평 병진 이동하는 단계를 포함하는, 방법.
18. 합성 희석도 모델을 생성하는 방법에 있어서,
    a) 분석물을 포함하는 제1 생물학적 시료의 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제1 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제1 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;
    b) 상기 분석물을 포함하는 제2 생물학적 시료의 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계로서, 상기 제2 희석도 시리즈는 적어도 세(3) 개의 상이한 희석도를 포함하고, 상기 분석물의 레벨은 적어도 3개의 상이한 희석도의 각각에서 결정되는, 상기 제2 희석도 시리즈에서 분석물의 레벨을 결정하는 단계;
    c) 상기 제1 희석도 시리즈의 분석물의 레벨에 기초하여 제1 모델을 생성하고, 상기 제2 희석도 시리즈의 분석물의 레벨에 기초하여 제2 모델을 생성하는 단계;
    d) 적어도 하나의 수평 병진 이동을 수행하는 단계로서, 상기 적어도 하나의 수평 병진 이동은,
    (i) 상기 제2 모델로의 상기 제1 모델의 수평 병진 이동(ΔX); 및
    (ii) 임의의 기준 값으로의 상기 제1 모델(ΔX)과 상기 제2 모델(ΔY)의 수평 병진 이동으로부터 선택되고, 해당 특정 희석도의 분석물 레벨은 상기 제1 모델 또는 상기 제2 모델에서 발견되지 않고;
    상기 수평 병진 이동은 정렬된 합성 병진 이동 시리즈로 귀결되는, 상기 수평 병진 이동을 수행하는 단계; 및
    e) 상기 정렬된 합성 병진 이동 시리즈에 함수를 피팅하여 합성 희석도 모델을 형성하는 단계를 포함하는, 방법.
19. 청구항 18에 있어서, 상기 방법은 상기 제2 모델로의 상기 제1 모델의 수평 병진 이동(ΔX)을 수행하는 단계를 포함하는, 방법.
20. 청구항 18에 있어서, 상기 방법은 임의의 기준 값으로의 상기 제1 모델(ΔX) 및 상기 제2 모델(ΔY)의 수평 병진 이동을 포함하는, 방법.
21. 청구항 1 내지 청구항 20 중 어느 한 항에 있어서, 상기 분석물의 레벨이 상기 제1 희석도 시리즈에서 적어도 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15 또는 16개의 상이한 희석도의 각각에서 결정되는, 방법.
22. 청구항 1 내지 청구항 21 중 어느 한 항에 있어서, 상기 분석물의 레벨은 적어도 8 개의 상이한 희석도 각각에서 결정되는, 방법.
23. 청구항 1 내지 청구항 22 중 어느 한 항에 있어서, 상기 분석물의 레벨은 상기 제2 희석도 시리즈의 적어도 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15 또는 16개의 상이한 희석도의 각각에서 결정되는, 방법.
24. 청구항 1 내지 청구항 23 중 어느 한 항에 있어서, 상기 분석물의 레벨은 상기 제2 희석도 시리즈의 적어도 8개의 상이한 희석도의 각각에서 결정되는, 방법.
25. 청구항 1 내지 청구항 24 중 어느 한 항에 있어서, 각각의 모델은 선형 회귀 모델, LOESS 곡선 피팅 모델, 비선형 회귀 모델, 스플라인 피팅 모델(spline fit model), 혼합 효과 회귀 모델(mixed effects regression model), 고정 효과 회귀 모델(fixed effects regression model), 일반화 선형 모델, 기질 분해 모델 및 4개 파라미터 로지스틱 회귀(4PL) 모델로부터 독립적으로 선택되는, 방법.
26. 청구항 1 내지 청구항 25 중 어느 한 항에 있어서, 상기 분석물의 레벨은 상기 분석물의 상대량 또는 상기 분석물의 농도인, 방법.
27. 청구항 1 내지 청구항 26 중 어느 한 항에 있어서, 상기 선택된 기준 값이 상기 희석도 시리즈 또는 모델의 선형 범위 내에 있는, 방법.
28. 청구항 21에 있어서, 상기 선택된 기준 값은 상기 선형 범위의 중심점(center point)인, 방법.
29. 청구항 1 내지 청구항 28 중 어느 한 항에 있어서, 상기 제1 및 제2 생물학적 시료는 소변을 포함하거나 소변으로부터 도출되는, 방법.
30. 청구항 1 내지 청구항 29 중 어느 한 항에 있어서, 상기 제1 및 제2 생물학적 시료는 동일한 피험체(subject)로부터 수집되는, 방법.
31. 청구항 1 내지 청구항 30 중 어느 한 항에 있어서, 상기 제1 및 제2 생물학적 시료는 상이한 피험체로부터 수집되는, 방법.
32. 청구항 31에 있어서, 상기 제1 생물학적 시료는 제1 시점(time point)에서 수집되고, 상기 제2 생물학적 시료는 제2 시점에서 수집되는, 방법.
33. 청구항 32에 있어서, 상기 제1 시점 및 상기 제2 시점은 적어도 약 0.5시간, 1시간, 2시간, 3시간, 4시간, 5시간, 6시간, 7시간, 8시간, 9시간, 10시간, 11시간, 12시간, 13시간, 14시간, 15시간, 16시간, 17시간, 18시간, 19시간, 20시간, 21시간, 22시간, 23시간, 24시간, 36시간, 48시간, 60시간 또는 72시간 만큼 상이한, 방법.
34. 청구항 1 내지 청구항 33 중 어느 한 항에 있어서, 상기 분석물의 레벨은 앱타머(aptamer), 항체, 질량 분광 광도계 또는 이들의 조합을 사용하는 검정(assay)에 의해 측정되는, 방법.
35. 청구항 1 내지 청구항 34 중 어느 한 항에 있어서, 상기 제1 희석도 시리즈 및 상기 제2 희석도 시리즈 각각에 대한 희석도 계수는 상수(constant) 희석도 계수인, 방법.
36. 청구항 1 내지 청구항 35 중 어느 한 항에 있어서, 상기 제1 희석도 시리즈 및 상기 제2 희석도 시리즈 각각에 대한 희석도 계수는 적어도 2배, 3배, 4배, 5배, 6배, 7배, 8배, 9배, 10배 희석도인, 방법.
37. 청구항 1 내지 청구항 35 중 어느 한 항에 있어서, 상기 제1 희석도 시리즈 및 상기 제2 희석도 시리즈 각각에 대한 희석도 계수는 지수 또는 대수 희석도 계수인, 방법.
38. 청구항 1 내지 청구항 37 중 어느 한 항에 있어서, 상기 제1 생물학적 시료 및 상기 제2 생물학적 시료는 동일한 유형의 생물학적 시료인, 방법.
39. 청구항 1 내지 청구항 35 중 어느 한 항에 있어서, 상기 제1 희석도 시리즈 및 제2 희석도 시리즈 각각은 적어도 1:2 적정 계수(titration factor)에서 적어도 5-포인트 연속 적정(serial titration)인, 방법.
40. 청구항 1 내지 청구항 39 중 어느 한 항에 있어서, 적어도 하나의 분석물에 대한 합성 희석도 모델에 대한 상기 생물학적 테스트 시료로부터의 적어도 하나의 분석물의 레벨을 수평으로 병진 이동함으로써 상기 생물학적 테스트 시료의 상대적 희석도를 결정하는 단계를 더 포함하는, 방법.
41. 청구항 40에 있어서, 상기 합성 희석도 모델을 형성하는데 사용된 상기 생물학적 테스트 시료와 상기 제1 및 제2 생물학적 시료는 동일한 시료 유형인, 방법.
42. 청구항 40 또는 청구항 41에 있어서, 상기 합성 희석도 모델을 형성하기 위해 사용된 상기 생물학적 테스트 시료 및 상기 제1 및 제2 생물학적 시료는 소변 시료이거나 소변 시료로부터 도출된, 방법.
43. 피험체로부터의 생물학적 테스트 시료의 상대적 희석도를 결정하기 위한 방법에 있어서, 상기 방법은 적어도 하나의 분석물에 대해 개발된 합성 희석도 모델에 대한 생물학적 테스트 시료로부터의 적어도 하나의 분석물의 레벨을 수평으로 병진 이동시켜서 상기 피험체로부터의 상기 생물학적 테스트 샘플의 상대적 희석도를 결정하는, 방법.
44. 청구항 40 내지 청구항 43 중 어느 한 항에 있어서, 상이한 분석물 각각에 대한 상기 생물학적 테스트 시료의 상대적 희석도를 결정하기 위해 상이한 분석물 각각에 대해 개발된 각각의 합성 희석도 모델에 대한 생물학적 테스트 시료로부터 적어도 2, 적어도 3, 적어도 4, 적어도 5, 적어도 6, 적어도 7, 적어도 8, 적어도 9, 적어도 10, 적어도 11, 적어도 12, 적어도 13, 적어도 14, 적어도 15, 적어도 16, 적어도 17, 적어도 18, 적어도 19, 적어도 20, 적어도 21, 적어도 22, 적어도 23, 적어도 24, 적어도 25, 적어도 26, 적어도 27, 적어도 28, 적어도 29, 적어도 30, 적어도 50, 적어도 75, 적어도 100, 적어도 150, 또는 적어도 200 상이한 분석물을 수평으로 병진 이동 시키는 단계, 및 상기 생물학적 테스트 샘플의 상대적 희석도를 결정하기 위해 상이한 분석물 각각에 대한 상대적 희석도를 사용하는 단계를 포함하는, 방법.
45. 청구항 44에 있어서, 상기 생물학적 테스트 시료의 상대적 희석도는 상기 상이한 분석물의 각각의 상대적 희석도의 중심 경향치(central tendency)로부터 도출되는, 방법.
46. 청구항 44 또는 청구항 45에 있어서, 상기 생물학적 테스트 시료의 상대적 희석도는 상기 상이한 분석물 각각의 상대적 희석도의 중앙값(median), 평균 또는 모드로부터 유도되는, 방법.
47. 청구항 43 내지 청구항 46 중 어느 한 항에 있어서, 상기 합성 희석도 모델은 상기 청구항 1 내지 청구항 42 중 어느 한 항의 방법을 사용하여 개발된, 방법.
48. 청구항 43 내지 청구항 48 중 어느 한 항에 있어서, 상기 합성 희석도 모델을 개발하는데 사용된 상기 생물학적 테스트 시료 및 상기 시료는 동일한 시료 유형인, 방법.
49. 청구항 41에 있어서, 상기 합성 희석도 모델을 개발하는데 사용된 상기 생물학적 테스트 시료 및 상기 시료는 소변 시료거나 소변 시료로부터 도출된, 방법.
50. 청구항 40 내지 청구항 49 중 어느 한 항에 있어서, 상기 도출된 상대적 희석도 계수로 상기 생물학적 테스트 시료의 상대적 희석도를 계산하는 단계를 더 포함하는, 방법.
51. 청구항 1 내지 청구항 50 중 어느 한 항에 있어서, 각각의 분석물은 표적 단백질(target protein)인, 방법.
52. 컴퓨터 시스템에 있어서,
    명령을 저장하는 비일시적 메모리; 및
    상기 비일시적 메모리에 결합된 하나 이상의 하드웨어 프로세서로서, 상기 비일시적 메모리로부터 명령을 판독하여 상기 컴퓨터 시스템이,
    복수의 상이한 생물학적 시료로부터의 분석물 측정 데이터를 수신하는 단계;
    상기 분석물 측정 데이터에서 복수의 선택된 분석물 각각에 대한 개개의 분석물 측정치를 분석하는 단계; 및
    상기 분석에 기초하여 선택된 분석물의 각각의 분석물에 대한 합성 희석도 모델을 생성하는 단계를 포함하는 동작을 수행하게 하도록 구성된, 상기 하나 이상의 하드웨어 프로세서를 포함하는, 컴퓨터 시스템.
53. 청구항 52에 있어서, 상기 분석하는 단계는,
    각각의 선택된 분석물에 대해, 최대 선형 희석도 범위를 갖는 생물학적 시료를 결정하는 단계를 포함하는, 컴퓨터 시스템.
54. 청구항 53에 있어서, 상기 분석하는 단계는,
    각각의 선택된 분석물에 대해, 각각의 선택된 분석물에 대해 결정된 최대 선형 범위에 기초하여 기준 희석도 모델을 생성하는 단계를 더 포함하는, 컴퓨터 시스템.
55. 청구항 54에 있어서, 상기 분석하는 단계는,
    각각의 선택된 분석물에 대해, 각각의 선택된 분석물에 대해 생성된 기준 희석도 모델에 기초하여 개개의 선택된 분석물과 연관된 상기 분석물 측정 데이터를 병진 이동시키는 단계를 더 포함하는, 컴퓨터 시스템.
56. 청구항 52 내지 청구항 55 중 어느 한 항에 있어서, 상기 생물학적 시료는 소변 시료인, 컴퓨터 시스템.
57. 청구항 52 내지 청구항 56 중 어느 한 항에 있어서, 상기 분석물 측정 데이터는 RFU(relative fluorescence unit) 측정을 포함하는, 컴퓨터 시스템.
58. 컴퓨터 판독 가능 명령을 포함하는 비일시적 컴퓨터 판독 가능 매체에 있어서, 상기 명령이 처리 디바이스에 의해 실행될 때, 상기 처리 디바이스로 하여금,
    복수의 상이한 생물학적 시료로부터 분석물 측정 데이터를 수신하는 단계;
    상기 분석물 측정 데이터에서 복수의 선택된 분석물 각각에 대한 개개의 분석물 측정치를 분석하는 단계; 및
    상기 분석에 기초하여 선택된 분석물 각각에 대한 합성 희석도 모델을 생성하는 단계를 포함하는 동작을 수행하게 하는, 비일시적 컴퓨터 판독 가능 매체.
59. 생물학적 물질에 대한 합성 희석도 모델을 생성하기 위한 컴퓨터 구현 방법에 있어서,
    하나 이상의 처리 디바이스에 의해, 복수의 상이한 생물학적 시료로부터 분석물 측정 데이터를 수신하는 단계;
    하나 이상의 상기 처리 디바이스에 의해, 상기 분석물 측정 데이터에서 복수의 선택된 분석물 각각에 대한 개개의 분석물 측정치를 분석하는 단계; 및
    하나 이상의 상기 처리 디바이스에 의해, 상기 분석에 기초하여 선택된 분석물 각각에 대한 합성 희석도 모델을 생성하는 단계를 포함하는, 컴퓨터 구현 방법.
60. 컴퓨터 시스템에 있어서,
    명령을 저장하는 비일시적 메모리; 및
    상기 비일시적 메모리에 결합된 하나 이상의 하드웨어 프로세서로서, 상기 비일시적 메모리로부터 명령을 판독하여 상기 컴퓨터 시스템이,
    생물학적 시료의 분석물에 대한 분석물 측정 데이터를 수신하는 단계;
    상기 생물학적 시료의 예측된 상대적 희석도를 결정하기 위해 복수의 분석물을 선택하는 단계;
    선택된 분석물 각각의 개별 분석물에 대해 생성된 합성 희석도 모델을 수신하는 단계;
    선택된 분석물 각각에 대해, 개개의 선택된 분석물에 대해 생성된 대응하는 합성 희석도 모델에 기초하여 예측된 상대적 희석도 값을 결정하는 단계; 및
    상기 선택된 분석물에 대해 결정된 예측 상대적 희석도 값에 기초하여 상기 생물학적 시료의 예측 상대적 희석도를 결정하는 단계를 포함하는 동작을 수행하게 하도록 구성된, 상기 하나 이상의 하드웨어 프로세서를 포함하는, 컴퓨터 시스템.

Images