RU2014106026A - Оценка активности клеточных сигнальных путей с применением вероятностного моделирования экспрессии целевых генов - Google Patents

Оценка активности клеточных сигнальных путей с применением вероятностного моделирования экспрессии целевых генов Download PDF

Info

Publication number
RU2014106026A
RU2014106026A RU2014106026/10A RU2014106026A RU2014106026A RU 2014106026 A RU2014106026 A RU 2014106026A RU 2014106026/10 A RU2014106026/10 A RU 2014106026/10A RU 2014106026 A RU2014106026 A RU 2014106026A RU 2014106026 A RU2014106026 A RU 2014106026A
Authority
RU
Russia
Prior art keywords
pathway
medical subject
target genes
tissue
measured
Prior art date
Application number
RU2014106026/10A
Other languages
English (en)
Other versions
RU2719194C2 (ru
Inventor
Вильхельмус Франсискус Йоханнес ВЕРХАГ
ДЕ СТОЛЬПЕ Аня ВАН
ОЙЕН Хендрик Ян ВАН
Кальяна Чакравартхи ДУЛЛА
ДЕ ИНДА Марсия АЛВЕС
Ральф ХОФФМАНН
Original Assignee
Конинклейке Филипс Н.В.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Конинклейке Филипс Н.В. filed Critical Конинклейке Филипс Н.В.
Publication of RU2014106026A publication Critical patent/RU2014106026A/ru
Application granted granted Critical
Publication of RU2719194C2 publication Critical patent/RU2719194C2/ru

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6809—Methods for determination or identification of nucleic acids involving differential detection
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/048—Fuzzy inferencing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/30—Detection of binding sites or motifs
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/20—Supervised data analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • G16B5/20—Probabilistic models
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/106—Pharmacogenomics, i.e. genetic variability in individual responses to drugs and drug metabolism
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/112—Disease subtyping, staging or classification
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biotechnology (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Analytical Chemistry (AREA)
  • Genetics & Genomics (AREA)
  • Organic Chemistry (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Immunology (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Evolutionary Computation (AREA)
  • Biochemistry (AREA)
  • Microbiology (AREA)
  • Bioethics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Hospice & Palliative Care (AREA)
  • Oncology (AREA)
  • Mathematical Physics (AREA)

Abstract

1. Способ, включающий:выведение активности одного или более клеточных сигнальных путей в ткани медицинского субъекта, основанное по меньшей мере на уровне(-ях) экспрессии (20) одного или более целевых генов клеточного сигнального пути(-ей), измеренном в извлеченном образце ткани медицинского субъекта, при этом выведение включает:выведение активности клеточного сигнального пути(-ей) в ткани медицинского субъекта посредством оценки по меньшей мере части вероятностной модели (40-1, …, 40-7), предпочтительно Байесовой сети (40-1, …, 40-7), представляющей клеточный сигнальный путь(-и) для ряда входных данных, включая по меньшей мере уровень(-и) экспрессии (20) одного или более целевых генов клеточного сигнального пути(-ей), измеренный в извлеченном образце ткани медицинского субъекта;оценку (46) уровня в ткани медицинского субъекта по меньшей мере одного элемента транскрипционного фактора (TF), при этом по меньшей мере один элемент TF управляет транскрипцией одного или более целевых генов клеточного сигнального пути(-ей), при этом оценка основана по меньшей мере частично на условных вероятностях, связывающих по меньшей мере один элемент TF и уровень(-и) экспрессии (20) одного или более целевых генов клеточного сигнального пути(-ей), измеренный в извлеченном образце ткани медицинского субъекта;выведение активности клеточного сигнального пути(-ей), основанное на оцененном уровне транскрипционного фактора в образце ткани; иопределение, функционирует ли клеточный сигнальный путь(-и) неправильно в ткани медицинского субъекта, на основании выведенной активности клеточного сигнального пути(-ей) в ткани медицинского субъекта;при этом выве

Claims (15)

1. Способ, включающий:
выведение активности одного или более клеточных сигнальных путей в ткани медицинского субъекта, основанное по меньшей мере на уровне(-ях) экспрессии (20) одного или более целевых генов клеточного сигнального пути(-ей), измеренном в извлеченном образце ткани медицинского субъекта, при этом выведение включает:
выведение активности клеточного сигнального пути(-ей) в ткани медицинского субъекта посредством оценки по меньшей мере части вероятностной модели (40-1, …, 40-7), предпочтительно Байесовой сети (40-1, …, 40-7), представляющей клеточный сигнальный путь(-и) для ряда входных данных, включая по меньшей мере уровень(-и) экспрессии (20) одного или более целевых генов клеточного сигнального пути(-ей), измеренный в извлеченном образце ткани медицинского субъекта;
оценку (46) уровня в ткани медицинского субъекта по меньшей мере одного элемента транскрипционного фактора (TF), при этом по меньшей мере один элемент TF управляет транскрипцией одного или более целевых генов клеточного сигнального пути(-ей), при этом оценка основана по меньшей мере частично на условных вероятностях, связывающих по меньшей мере один элемент TF и уровень(-и) экспрессии (20) одного или более целевых генов клеточного сигнального пути(-ей), измеренный в извлеченном образце ткани медицинского субъекта;
выведение активности клеточного сигнального пути(-ей), основанное на оцененном уровне транскрипционного фактора в образце ткани; и
определение, функционирует ли клеточный сигнальный путь(-и) неправильно в ткани медицинского субъекта, на основании выведенной активности клеточного сигнального пути(-ей) в ткани медицинского субъекта;
при этом выведение выполняется цифровым устройством обработки (12) с применением вероятностной модели (40-1, …, 40-7) клеточного сигнального пути(-ей).
2. Способ по п.1, в котором выведение включает:
оценку уровня (46) в ткани медицинского субъекта по меньшей мере одного элемента транскрипционного фактора (TF), представленного узлом TF вероятностной модели, при этом элемент TF управляет транскрипцией одного или более целевых генов клеточного сигнального пути(-ей), и оценка основана по меньшей мере частично на условных вероятностях вероятностной модели (40-1, …, 40-7), связывающих узел TF и узлы в вероятностной модели, представляющие один или более целевых генов клеточного сигнального пути(-ей), измеренные в извлеченном образце ткани медицинского субъекта,
и в котором выведение предпочтительно выполнено с применением Байесовой сети (40-1, …, 40-7), содержащей узлы, представляющие информацию о сигнальном пути(-ях) и зависимостях условной вероятности между связанными узлами Байесовой сети.
3. Способ по п.1, в котором клеточный сигнальный путь(-и) включает путь Wnt, путь ER, путь AR и/или путь Hedgehog.
4. Способ по п.3, в котором выведение включает:
выведение активности пути Wnt в ткани медицинского субъекта на основании по меньшей мере измеренных в извлеченном образце ткани медицинского субъекта уровней экспрессии (20) одного или более, предпочтительно по меньшей мере трех целевых генов пути Wnt, выбранных из группы, содержащей: KIAA1199, AXIN2, RNF43, TBX3, TDGF1, SOX9, ASCL2, IL8, SP5, ZNRF3, KLF6, CCND1, DEFA6 и FZD7.
5. Способ по п.3 или 4, в котором выведение (также) включает:
выведение активности пути ER в ткани медицинского субъекта на основании по меньшей мере измеренных в извлеченном образце ткани медицинского субъекта уровней экспрессии (20) одного или более, предпочтительно по меньшей мере трех целевых генов пути ER, выбранных из группы, содержащей: CDH26, SGK3, PGR, GREB1, CA12, XBP1, CELSR2, WISP2, DSCAM, ERBB2, CTSD, TFF1 и NRIP1.
6. Способ по п.3 или 4, в котором выведение (также) включает:
выведение активности пути Hedgehog в ткани медицинского субъекта на основании по меньшей мере измеренных в извлеченном образце ткани медицинского субъекта уровней экспрессии (20) одного или более, предпочтительно по меньшей мере трех целевых генов пути Hedgehog, выбранных из группы, содержащей: GLI1, PTCH1, PTCH2, IGFBP6, SPP1, CCND2, FST, FOXL1, CFLAR, TSC22D1, RAB34, S100A9, S100A7, MYCN, FOXM1, GLI3, TCEA2, FYN и CTSL1.
7. Способ по п.3 или 4, в котором выведение (также) включает:
выведение активности пути AR в ткани медицинского субъекта на основании по меньшей мере измеренных в извлеченном образце ткани медицинского субъекта уровней экспрессии (20) одного или более, предпочтительно по меньшей мере трех целевых генов пути AR, выбранных из группы, содержащей: KLK2, PMEPA1, TMPRSS2, NKX3_1, ABCC4, KLK3, FKBP5, ELL2, UGT2B15, DHCR24, PPAP2A, NDRG1, LRIG1, CREB3L4, LCP1, GUCY1A3, AR и EAF2.
8. Способ по п.4, в котором выведение дополнительно основано на измеренных в извлеченном образце ткани медицинского субъекта уровнях экспрессии (20) по меньшей мере одного целевого гена пути Wnt, выбранного из группы, содержащей: NKD1, OAT, FAT1, LEF1, GLUL, REG1B, TCF7L2, COL18A1, BMP7, SLC1A2, ADRA2C, PPARG, DKK1, HNF1A и LECT2.
9. Способ по п.5, в котором выведение дополнительно основано на измеренных в извлеченном образце ткани медицинского субъекта уровнях экспрессии (20) по меньшей мере одного целевого гена пути ER, выбранного из группы, содержащей: AP1B1, ATP5J, COL18A1, COX7A2L, EBAG9, ESR1, HSPB1, IGFBP4, KRT19, MYC, NDUFV3, PISD, PRDM15, PTMA, RARA, SOD1 и TRIM25.
10. Способ по п.6, в котором выведение дополнительно основано на измеренных в извлеченном образце ткани медицинского субъекта уровнях экспрессии (20) по меньшей мере одного целевого гена пути Hedgehog, выбранного из группы, содержащей: BCL2, FOXA2, FOXF1, H19, HHIP, IL1R2, JAG2, JUP, MIF, MYLK, NKX2.2, NKX2.8, PITRM1 и TOM1.
11. Способ по п.7, в котором выведение дополнительно основано на измеренных в извлеченном образце ткани медицинского субъекта уровнях экспрессии (20) по меньшей мере одного целевого гена пути AR, выбранного из группы, содержащей: APP, NTS, PLAU, CDKN1A, DRG1, FGF8, IGF1, PRKACB, PTPN1, SGK1 и TACC2.
12. Способ по любому из пп.1-4, 8-11, включающий:
выведение активности пути Wnt в ткани медицинского субъекта на основании по меньшей мере измеренных в извлеченном образце ткани медицинского субъекта уровней экспрессии (20) двух, трех или более целевых генов из множества целевых генов пути Wnt, и/или
выведение активности пути ER в ткани медицинского субъекта на основании по меньшей мере измеренных в извлеченном образце ткани медицинского субъекта уровней экспрессии (20) двух, трех или более целевых генов из множества целевых генов пути ER, и/или
выведение активности пути Hedgehog в ткани медицинского субъекта на основании по меньшей мере измеренных в извлеченном образце ткани медицинского субъекта уровней экспрессии (20) двух, трех или более целевых генов из множества целевых генов пути Hedgehog, и/или
выведение активности пути AR в ткани медицинского субъекта на основании по меньшей мере измеренных в извлеченном образце ткани медицинского субъекта уровней экспрессии (20) двух, трех или более целевых генов из множества целевых генов пути AR.
13. Способ по п.12, в котором
множество целевых генов пути Wnt содержит по меньшей мере девять, предпочтительно все целевые гены, выбранные из группы, содержащей: KIAA1199, AXIN2, RNF43, TBX3, TDGF1, SOX9, ASCL2, IL8, SP5, ZNRF3, KLF6, CCND1, DEFA6 и FZD7, и/или
множество целевых генов пути ER содержит по меньшей мере девять, предпочтительно все целевые гены, выбранные из группы, содержащей: CDH26, SGK3, PGR, GREB1, CA12, XBP1, CELSR2, WISP2, DSCAM, ERBB2, CTSD, TFF1 и NRIP1, и/или
множество целевых генов пути Hedgehog содержит по меньшей мере девять, предпочтительно все целевые гены, выбранные из группы, содержащей: GLI1, PTCH1, PTCH2, IGFBP6, SPP1, CCND2, FST, FOXL1, CFLAR, TSC22D1, RAB34, S100A9, S100A7, MYCN, FOXM1, GLI3, TCEA2, FYN и CTSL1, и/или
множество целевых генов пути AR содержит по меньшей мере девять, предпочтительно все целевые гены, выбранные из группы, содержащей: KLK2, PMEPA1, TMPRSS2, NKX3_1, ABCC4, KLK3, FKBP5, ELL2, UGT2B15, DHCR24, PPAP2A, NDRG1, LRIG1, CREB3L4, LCP1, GUCY1A3, AR и EAF2.
14. Способ по п.13, в котором
множество целевых генов пути Wnt также содержит по меньшей мере один целевой ген, выбранный из группы, содержащей: NKD1, OAT, FAT1, LEF1, GLUL, REG1B, TCF7L2, COL18A1, BMP7, SLC1A2, ADRA2C, PPARG, DKK1, HNF1A, и LECT2, и/или
множество целевых генов пути ER также содержит по меньшей мере один целевой ген, выбранный из группы, содержащей: AP1B1, ATP5J, COL18A1, COX7A2L, EBAG9, ESR1, HSPB1, IGFBP4, KRT19, MYC, NDUFV3, PISD, PRDM15, PTMA, RARA, SOD1 и TRIM25, и/или
множество целевых генов пути Hedgehog также содержит по меньшей мере один целевой ген, выбранный из группы, содержащей: BCL2, FOXA2, FOXF1, H19, HHIP, IL1R2, JAG2, JUP, MIF, MYLK, NKX2.2, NKX2.8, PITRM1 и TOM1, и/или
множество целевых генов пути AR также содержит по меньшей мере один целевой ген, выбранный из группы, содержащей: APP, NTS, PLAU, CDKN1A, DRG1, FGF8, IGF1, PRKACB, PTPN1, SGK1 и TACC2.
15. Устройство, содержащее цифровой процессор (12), сконфигурированный для выполнения способа по любому из пп.1-14, или постоянное запоминающее устройство, в котором хранятся инструкции, которые могут быть выполнены цифровым устройством (12) обработки с целью выполнения способа по любому из пп.1-14.
RU2014106026A 2011-07-19 2012-07-19 Оценка активности клеточных сигнальных путей с применением вероятностного моделирования экспрессии целевых генов RU2719194C2 (ru)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201161509137P 2011-07-19 2011-07-19
US61/509,137 2011-07-19
EP11178148.0 2011-08-19
EP11178148A EP2549399A1 (en) 2011-07-19 2011-08-19 Assessment of Wnt pathway activity using probabilistic modeling of target gene expression
PCT/IB2012/053686 WO2013011479A2 (en) 2011-07-19 2012-07-19 Assessment of cellular signaling pathway activity using probabilistic modeling of target gene expression

Publications (2)

Publication Number Publication Date
RU2014106026A true RU2014106026A (ru) 2015-08-27
RU2719194C2 RU2719194C2 (ru) 2020-04-17

Family

ID=44582424

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2014106026A RU2719194C2 (ru) 2011-07-19 2012-07-19 Оценка активности клеточных сигнальных путей с применением вероятностного моделирования экспрессии целевых генов

Country Status (12)

Country Link
US (2) US11443831B2 (ru)
EP (6) EP2549399A1 (ru)
JP (3) JP6204354B2 (ru)
KR (1) KR102064004B1 (ru)
CN (2) CN109852671A (ru)
BR (1) BR112014000965B8 (ru)
DK (3) DK2734643T3 (ru)
ES (3) ES2874452T3 (ru)
IN (1) IN2014CN00675A (ru)
MX (1) MX352827B (ru)
RU (1) RU2719194C2 (ru)
WO (1) WO2013011479A2 (ru)

Families Citing this family (73)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11660317B2 (en) 2004-11-08 2023-05-30 The Johns Hopkins University Compositions comprising cardiosphere-derived cells for use in cell therapy
EP2549399A1 (en) 2011-07-19 2013-01-23 Koninklijke Philips Electronics N.V. Assessment of Wnt pathway activity using probabilistic modeling of target gene expression
KR20140132712A (ko) 2012-02-28 2014-11-18 노파르티스 아게 RNF43 돌연변이 상태를 사용한 Wnt 신호전달 억제제의 투여를 위한 암 환자 선택
EP3563859B1 (en) 2012-08-13 2021-10-13 Cedars-Sinai Medical Center Cardiosphere-derived exosomes for tissue regeneration
CA2896414C (en) * 2012-12-26 2023-06-20 Koninklijke Philips N.V. Assessment of cellular signaling pathway activity using linear combination(s) of target gene expressions
TWI582239B (zh) * 2013-03-11 2017-05-11 諾華公司 與ｗｎｔ抑制劑相關之標記
US11309059B2 (en) 2013-04-26 2022-04-19 Koninklijke Philips N.V. Medical prognosis and prediction of treatment response using multiple cellular signalling pathway activities
AU2014302070B2 (en) * 2013-06-28 2016-09-15 Nantomics, Llc Pathway analysis for identification of diagnostic tests
US20160237163A1 (en) * 2013-10-02 2016-08-18 Suri Technologies Ltd. Patient-specific immunotherapy for treating heterogeneous tumors
US11261495B2 (en) 2014-01-03 2022-03-01 Koninklijke Philips N.V. Assessment of the PI3K cellular signaling pathway activity using mathematical modelling of target gene expression
US9810762B2 (en) * 2014-09-11 2017-11-07 Google Inc. Calculating mean wireless signal strengths using a gaussian process approach incorporating predictive standard deviations
US9838847B2 (en) 2014-09-11 2017-12-05 Google LLP Data driven evaluation and rejection of trained Gaussian process-based wireless mean and standard deviation models
US9880257B2 (en) * 2014-09-11 2018-01-30 Google Llc Gaussian process-based approach for identifying correlation between wireless signals
US10557175B2 (en) 2014-09-19 2020-02-11 The Provost, Fellows, Scholars And Other Members Of Board Of Trinity College Dublin Method of predicting risk of recurrence of cancer
JP6878274B2 (ja) 2014-10-03 2021-05-26 シーダーズ−サイナイ・メディカル・センターＣｅｄａｒｓ−Ｓｉｎａｉ Ｍｅｄｉｃａｌ Ｃｅｎｔｅｒ 筋ジストロフィーの処置における心筋球由来細胞およびこのような細胞によって分泌されたエキソソーム
ES2838923T3 (es) 2014-10-24 2021-07-02 Koninklijke Philips Nv Pronóstico médico y predicción de la respuesta a tratamiento usando múltiples actividades de la ruta de señalización celular
DK3210142T3 (da) * 2014-10-24 2020-11-16 Koninklijke Philips Nv Vurdering af tgf-cellulær signaleringsvejaktivitet under anvendelse af matematisk modellering af målgenekspression
CN108064311B (zh) * 2014-10-24 2022-10-28 皇家飞利浦有限公司 使用多种细胞信号传导途径活性的治疗反应的医学预后和预测
CN105760707B (zh) * 2014-12-18 2018-07-31 中国科学院大连化学物理研究所 细胞基因翻译过程建模方法
WO2017029215A1 (en) * 2015-08-14 2017-02-23 Koninklijke Philips N.V. Assessment of nfkb cellular signaling pathway activity using mathematical modelling of target gene expression
EP3341875A1 (en) * 2015-08-27 2018-07-04 Koninklijke Philips N.V. An integrated method and system for identifying functional patient-specific somatic aberations using multi-omic cancer profiles
CN106897578B (zh) * 2015-12-15 2020-02-14 中国科学院大连化学物理研究所 一种细胞基因翻译过程建模方法
WO2017123662A1 (en) 2016-01-11 2017-07-20 Cedars-Sinai Medical Center Cardiosphere-derived cells and exosomes secreted by such cells in the treatment of heart failure with preserved ejection fraction
US20170329914A1 (en) * 2016-05-11 2017-11-16 International Business Machines Corporation Predicting Personalized Cancer Metastasis Routes, Biological Mediators of Metastasis and Metastasis Blocking Therapies
WO2017210652A1 (en) 2016-06-03 2017-12-07 Cedars-Sinai Medical Center Cdc-derived exosomes for treatment of ventricular tachyarrythmias
US10621236B2 (en) * 2016-09-16 2020-04-14 At&T Intellectual Property I, L.P. Concept based querying of graph databases
US11541078B2 (en) 2016-09-20 2023-01-03 Cedars-Sinai Medical Center Cardiosphere-derived cells and their extracellular vesicles to retard or reverse aging and age-related disorders
EP3538673A4 (en) 2016-11-11 2019-12-04 University of Pittsburgh- Of the Commonwealth System of Higher Education IDENTIFICATION OF SOMATIC ALTERATIONS OF GENOME SPECIFIC TO AN INSTANCE HAVING A FUNCTIONAL IMPACT
CN110382521B (zh) 2016-11-25 2024-07-05 皇家飞利浦有限公司 从氧化应激区分肿瘤抑制性foxo活性的方法
CN108300783A (zh) * 2017-01-11 2018-07-20 上海易毕恩基因科技有限公司 用于筛选肠癌和/或胃癌的基因标志物的方法、用该方法筛选的基因标志物及其用途
CN106755464A (zh) * 2017-01-11 2017-05-31 上海易毕恩基因科技有限公司 用于筛选肠癌和/或胃癌的基因标志物的方法、用该方法筛选的基因标志物及其用途
US11759482B2 (en) 2017-04-19 2023-09-19 Cedars-Sinai Medical Center Methods and compositions for treating skeletal muscular dystrophy
CN107184991B (zh) * 2017-05-03 2020-05-26 武汉爱博泰克生物科技有限公司 PRDM15基因序列在制备NF-κB抑制剂中的应用
CN107164508A (zh) * 2017-06-16 2017-09-15 上海易毕恩基因科技有限公司 用于检测肝癌的基因标志物及其用途
EP3431582A1 (en) 2017-07-18 2019-01-23 Koninklijke Philips N.V. Cell culturing materials
CN107201411A (zh) * 2017-07-27 2017-09-26 上海市长宁区妇幼保健院 Mylk基因作为诊断子宫内膜癌的标志物
CN107385051A (zh) * 2017-08-04 2017-11-24 上海易毕恩生物技术有限公司 用于检测肝肿瘤良恶性的基因标志物、试剂盒及检测方法
EP3462348A1 (en) 2017-09-28 2019-04-03 Koninklijke Philips N.V. Bayesian inference
CN111587293A (zh) 2017-10-02 2020-08-25 皇家飞利浦有限公司 确定免疫细胞类型和免疫应答的功能状态
EP3462349A1 (en) * 2017-10-02 2019-04-03 Koninklijke Philips N.V. Assessment of notch cellular signaling pathway activity using mathematical modelling of target gene expression
EP3461915A1 (en) 2017-10-02 2019-04-03 Koninklijke Philips N.V. Assessment of jak-stat1/2 cellular signaling pathway activity using mathematical modelling of target gene expression
EP3461916A1 (en) 2017-10-02 2019-04-03 Koninklijke Philips N.V. Assessment of jak-stat3 cellular signaling pathway activity using mathematical modelling of target gene expression
EP3502279A1 (en) 2017-12-20 2019-06-26 Koninklijke Philips N.V. Assessment of mapk-ap 1 cellular signaling pathway activity using mathematical modelling of target gene expression
US11660355B2 (en) 2017-12-20 2023-05-30 Cedars-Sinai Medical Center Engineered extracellular vesicles for enhanced tissue delivery
US11475995B2 (en) * 2018-05-07 2022-10-18 Perthera, Inc. Integration of multi-omic data into a single scoring model for input into a treatment recommendation ranking
CN108875009B (zh) * 2018-06-16 2021-10-22 上海豹云网络信息服务有限公司 一种用于对数据文件进行动态处理的方法及系统
US11354591B2 (en) 2018-10-11 2022-06-07 International Business Machines Corporation Identifying gene signatures and corresponding biological pathways based on an automatically curated genomic database
WO2020124585A1 (zh) * 2018-12-21 2020-06-25 北京哲源科技有限责任公司 获得细胞内确定性事件的方法、电子设备及存储介质
EP3812474A1 (en) 2019-10-22 2021-04-28 Koninklijke Philips N.V. Methods of prognosis in high-grade serous ovarian cancer
CN113785075A (zh) 2019-05-03 2021-12-10 皇家飞利浦有限公司 高级别浆液性卵巢癌的预后方法
EP3965800A4 (en) * 2019-05-08 2023-02-15 Cedars-Sinai Medical Center THERAPEUTIC ACTIVE CELLS AND EXOSOMES
EP3739588A1 (en) 2019-05-13 2020-11-18 Koninklijke Philips N.V. Assessment of multiple signaling pathway activity score in airway epithelial cells to predict airway epithelial abnormality and airway cancer risk
AU2020334901A1 (en) * 2019-08-16 2022-03-24 Tempus Ai, Inc. Systems and methods for detecting cellular pathway dysregulation in cancer specimens
EP3822368A1 (en) 2019-11-14 2021-05-19 Koninklijke Philips N.V. Assessment of pr cellular signaling pathway activity using mathematical modelling of target gene expression
EP3835433A1 (en) 2019-12-12 2021-06-16 Koninklijke Philips N.V. Notch signaling pathway activity as prognostic marker in bladder cancer
AU2020403276A1 (en) 2019-12-12 2022-06-09 Tempus Ai, Inc. Real-world evidence of diagnostic testing and treatment patterns in U.S. breast cancer patients
CN111139300B (zh) * 2020-02-19 2021-08-17 伯克利南京医学研究有限责任公司 一组结肠癌预后相关基因的应用
EP3882363A1 (en) 2020-03-17 2021-09-22 Koninklijke Philips N.V. Prognostic pathways for high risk sepsis patients
EP3978628A1 (en) 2020-10-01 2022-04-06 Koninklijke Philips N.V. Prognostic pathways for viral infections
EP4136261A1 (en) 2020-04-16 2023-02-22 InnoSIGN B.V. Prognostic pathways for viral infections
CN111739586B (zh) * 2020-06-17 2024-04-05 浙江大学 以87个基因作为生物标志物预测细胞增殖活性的模型
EP3940704A1 (en) 2020-07-14 2022-01-19 Koninklijke Philips N.V. Method for determining the differentiation state of a stem cell
EP3960875A1 (en) 2020-08-28 2022-03-02 Koninklijke Philips N.V. Pcr method and kit for determining pathway activity
EP3965119A1 (en) 2020-09-04 2022-03-09 Koninklijke Philips N.V. Methods for estimating heterogeneity of a tumour based on values for two or more genome mutation and/or gene expression related parameter, as well as corresponding devices
EP3974540A1 (en) 2020-09-25 2022-03-30 Koninklijke Philips N.V. Method for predicting immunotherapy resistance
EP4015651A1 (en) 2020-12-17 2022-06-22 Koninklijke Philips N.V. Treatment prediction and effectiveness of anti-tnf alpha treatment in ibd patients
EP4039825A1 (en) 2021-02-09 2022-08-10 Koninklijke Philips N.V. Comparison and standardization of cell and tissue culture
WO2022189530A1 (en) 2021-03-11 2022-09-15 Koninklijke Philips N.V. Prognostic pathways for high risk sepsis patients
CN113278700B (zh) * 2021-06-04 2022-08-09 浙江省肿瘤医院 一种用于乳腺癌分型及预后预测的引物组及试剂盒
WO2023084039A1 (en) 2021-11-15 2023-05-19 Innosign B.V. Assessment of gr cellular signaling pathway activity using mathematical modelling of target gene expression
CN113963745A (zh) * 2021-12-07 2022-01-21 国际竹藤中心 一种构建植物发育分子调控网络的方法及其应用
WO2024033063A1 (en) 2022-08-12 2024-02-15 Innosign B.V. Prediction and monitoring of immunotherapy in cancer
CN116083590B (zh) * 2023-03-23 2024-03-22 雄安妙心医学检验有限公司 一种基因检测试剂盒及其制备方法和应用

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6566130B1 (en) * 2000-01-28 2003-05-20 Henry M. Jackson Foundation For The Advancement Of Military Medicine Androgen-regulated gene expressed in prostate tissue
US7371736B2 (en) 2001-11-07 2008-05-13 The Board Of Trustees Of The University Of Arkansas Gene expression profiling based identification of DKK1 as a potential therapeutic targets for controlling bone loss
EP1380644A1 (en) 2002-07-08 2004-01-14 Kylix B.V. The use of specified TCF target genes to identify drugs for the treatment of cancer, in particular colorectal cancer, in which TCF/beta-catenin/WNT signalling plays a central role
AU2003260973A1 (en) 2002-09-05 2004-03-29 Toolgen, Inc. Bioinformatics analysis of cellular effects of artificial transcription factors
WO2006079092A2 (en) * 2005-01-24 2006-07-27 The Board Of Trustees Of The Leland Stanford Junior University Method for modeling cell signaling systems by means of bayesian networks
WO2006124836A1 (en) 2005-05-13 2006-11-23 Duke University Gene expression signatures for oncogenic pathway deregulation
WO2007056344A2 (en) 2005-11-07 2007-05-18 Scanscout, Inc. Techiques for model optimization for statistical pattern recognition
EP2027549A2 (en) 2006-05-17 2009-02-25 The Trustees Of Boston University Method to determine transcriptional regulation pathways in organisms
WO2008086182A2 (en) * 2007-01-04 2008-07-17 University Of Rochester Use of gene signatures to design novel cancer treatment regimens
JP2010178650A (ja) 2009-02-04 2010-08-19 Univ Of Tokyo 固形癌の再発予測のための試験方法および再発予防剤
US20120252689A1 (en) 2011-04-01 2012-10-04 Zhong Wu Gene expression signature for wnt/b-catenin signaling pathway and use thereof
AU2012250498A1 (en) * 2011-05-05 2013-11-21 Clinical Genomics Pty. Ltd. A method of diagnosing neoplasms
EP2549399A1 (en) 2011-07-19 2013-01-23 Koninklijke Philips Electronics N.V. Assessment of Wnt pathway activity using probabilistic modeling of target gene expression

Also Published As

Publication number Publication date
BR112014000965A2 (pt) 2017-06-13
KR20140046464A (ko) 2014-04-18
EP3831957A1 (en) 2021-06-09
CN103649337A (zh) 2014-03-19
RU2719194C2 (ru) 2020-04-17
JP2014520566A (ja) 2014-08-25
DK2734643T3 (en) 2017-03-20
JP6204354B2 (ja) 2017-09-27
ES2617195T3 (es) 2017-06-15
JP6807430B2 (ja) 2021-01-06
EP2734643B1 (en) 2016-12-07
MX352827B (es) 2017-12-11
EP4130291C0 (en) 2024-01-10
EP4130291A1 (en) 2023-02-08
US11443831B2 (en) 2022-09-13
JP6783729B2 (ja) 2020-11-11
EP3173489A1 (en) 2017-05-31
BR112014000965B1 (pt) 2021-08-24
US20230105263A1 (en) 2023-04-06
ES2700617T3 (es) 2019-02-18
EP2549399A1 (en) 2013-01-23
CN103649337B (zh) 2018-11-13
KR102064004B1 (ko) 2020-01-08
US20140156200A1 (en) 2014-06-05
EP3173489B1 (en) 2018-09-19
IN2014CN00675A (ru) 2015-04-03
CN109852671A (zh) 2019-06-07
ES2874452T3 (es) 2021-11-05
JP2019129850A (ja) 2019-08-08
WO2013011479A3 (en) 2013-03-14
BR112014000965B8 (pt) 2022-11-08
EP3418396A1 (en) 2018-12-26
EP3831957B1 (en) 2022-09-07
DK3173489T3 (en) 2018-12-10
MX2014000557A (es) 2014-05-01
EP4130291B1 (en) 2024-01-10
DK3418396T3 (da) 2021-05-25
WO2013011479A2 (en) 2013-01-24
JP2017205129A (ja) 2017-11-24
EP3418396B1 (en) 2021-03-24
EP2734643A2 (en) 2014-05-28

Similar Documents

Publication Publication Date Title
RU2014106026A (ru) Оценка активности клеточных сигнальных путей с применением вероятностного моделирования экспрессии целевых генов
RU2015150464A (ru) Медицинский прогноз и предсказание результатов лечения, используя активности множества клеточных сигнальных путей
RU2015131009A (ru) Оценка активности путей клеточной сигнализации с помощью линейной комбинации(ий) экспрессий генов-мишеней
JP2016509472A5 (ru)
Chen et al. ALUternative regulation for gene expression
Patrushev et al. Functions of noncoding sequences in mammalian genomes
Al-Tobasei et al. Genome-wide discovery of long non-coding RNAs in rainbow trout
Costa Non‐coding RNAs: meet thy masters
Kapranov et al. Dark matter RNA: existence, function, and controversy
Luk et al. Long noncoding RNAs in spermatogenesis: insights from recent high-throughput transcriptome studies
Schmidt LINEs, SINEs and repetitive DNA: non-LTR retrotransposons in plant genomes
Hagan et al. At least ten genes define the imprinted Dlk1-Dio3 cluster on mouse chromosome 12qF1
Lyko et al. The honey bee epigenomes: differential methylation of brain DNA in queens and workers
Lyu et al. New microRNAs in Drosophila—birth, death and cycles of adaptive evolution
Chowdhary et al. Long non-coding RNAs: mechanisms, experimental, and computational approaches in identification, characterization, and their biomarker potential in cancer
Osei-Amo et al. Wolbachia-induced aae-miR-12 miRNA negatively regulates the expression of MCT1 and MCM6 genes in Wolbachia-infected mosquito cell line
Rogato et al. The diversity of small non-coding RNAs in the diatom Phaeodactylum tricornutum
Hu et al. Circular RNA expression profiles of persistent atrial fibrillation in patients with rheumatic heart disease.
Gardner et al. Conservation and losses of non-coding RNAs in avian genomes
Matylla‐Kulinska et al. Functional repeat‐derived RNAs often originate from retrotransposon‐propagated ncRNAs
CUI et al. Application and research progress on transcriptomics
Salem et al. Development of a 37 k high‐density oligonucleotide microarray: a new tool for functional genome research in rainbow trout
Tan et al. Sequencing and analysis of full-length cDNAs, 5′-ESTs and 3′-ESTs from a cartilaginous fish, the elephant shark (Callorhinchus milii)
Morillon Long Non-coding RNA: The Dark Side of the Genome
Yasuda et al. The RNA continent