RU2015150464A - Медицинский прогноз и предсказание результатов лечения, используя активности множества клеточных сигнальных путей - Google Patents

Медицинский прогноз и предсказание результатов лечения, используя активности множества клеточных сигнальных путей Download PDF

Info

Publication number
RU2015150464A
RU2015150464A RU2015150464A RU2015150464A RU2015150464A RU 2015150464 A RU2015150464 A RU 2015150464A RU 2015150464 A RU2015150464 A RU 2015150464A RU 2015150464 A RU2015150464 A RU 2015150464A RU 2015150464 A RU2015150464 A RU 2015150464A
Authority
RU
Russia
Prior art keywords
pathway
subject
cells
body fluid
target
Prior art date
Application number
RU2015150464A
Other languages
English (en)
Other versions
RU2718647C2 (ru
Inventor
Вильхельмус Франсискус Йоханнес ВЕРХАГ
Хендрик Ян ВАН ОЙЕН
Аня ВАН ДЕ СТОЛЬПЕ
Марсия АЛВЕС ДЕ ИНДА
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 RU2015150464A publication Critical patent/RU2015150464A/ru
Application granted granted Critical
Publication of RU2718647C2 publication Critical patent/RU2718647C2/ru

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • 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
    • 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
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • 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
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • C12Q2600/118—Prognosis of disease development
    • 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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Biotechnology (AREA)
  • Biophysics (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Analytical Chemistry (AREA)
  • Organic Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Physiology (AREA)
  • Biochemistry (AREA)
  • Public Health (AREA)
  • Microbiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Oncology (AREA)
  • Hospice & Palliative Care (AREA)
  • Biomedical Technology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Medicinal Chemistry (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • Food Science & Technology (AREA)

Claims (59)

1. Способ, включающий
вывод об активности двух или более клеточных сигнальных путей в ткани, и/или клетках, и/или жидкости организма субъекта, сделанный на основании, по меньшей мере, уровней (20) экспрессии одного или более целевых генов указанных клеточных сигнальных путей, измеренных в извлеченном образце ткани, и/или клеток, и/или жидкости организма субъекта, и
определение степени риска, которая указывает на риск возникновения клинического события в течение определенного промежутка времени, где степень риска основана, по меньшей мере, частично на комбинации выведенных активностей,
где клеточные сигнальные пути содержат путь Wnt, путь ER, путь HH и/или путь AR,
где клеточные сигнальные пути содержат путь ER, путь Wnt и путь HH, и где степень риска определяется таким образом, что указанный риск возникновения клинического события в течение определенного промежутка времени уменьшается с увеличением PER и увеличивается с увеличением max(PWnt, PHH),
где PER, PWnt и PHH означают выведенную активность пути ER, пути Wnt и пути HH соответственно.
2. Способ по п.1, в котором комбинация выведенных активностей содержит выражение
-α · PER + β · max(PWnt, PHH),
где α и β представляют собой положительные постоянные масштабирующие коэффициенты, и указанный риск возникновения клинического события в течение определенного промежутка времени монотонно увеличивается с увеличением значения экспрессии.
3. Способ по любому из пп.1 и 2, в котором вывод содержит
вывод об активности пути Wnt в ткани, и/или клетках, и/или жидкости организма субъекта, сделанный на основании, по меньшей мере, уровней (20) экспрессии одного или более, предпочтительно, по меньшей мере, трех целевых генов пути Wnt, измеренных в извлеченном образце ткани и/или клетках, и/или жидкости организма субъекта, выбранных из группы, состоящей из KIAA1199, AXIN2, RNF43, TBX3, TDGF1, SOX9, ASCL2, IL8, SP5, ZNRF3, KLF6, CCND1, DEFA6 и FZD7,
и/или
вывод об активности пути ER в ткани, и/или клетках, и/или жидкости организма субъекта, сделанный на основании, по меньшей мере, уровней (20) экспрессии одного или более, предпочтительно, по меньшей мере, трех целевых генов пути ER, измеренных в извлеченном образце ткани, и/или клетках, и/или жидкости организма субъекта, выбранных из группы, состоящей из GREB1, PGR, XBP1, CA12, SOD1, CTSD, IGFBP4, TFF1, SGK3, NRIP1, CELSR2, WISP2 и AP1B1,
и/или
вывод об активности пути HH в ткани, и/или клетках, и/или жидкости организма субъекта, сделанный на основании, по меньшей мере, уровней (20) экспрессии одного или более, предпочтительно, по меньшей мере, трех целевых генов пути HH, измеренных в извлеченном образце ткани, и/или клетках, и/или жидкости организма субъекта, выбранных из группы, состоящей из GLI1, PTCH1, PTCH2, IGFBP6, SPP1, CCND2, FST, FOXL1, CFLAR, TSC22D1, RAB34, S100A9, S100A7, MYCN, FOXM1, GLI3, TCEA2, FYN и CTSL1,
и/или
вывод об активности пути AR в ткани, и/или клетках, и/или жидкости организма субъекта, сделанный на основании, по меньшей мере, уровней (20) экспрессии одного или более, предпочтительно, по меньшей мере, трех целевых генов пути AR, измеренных в извлеченном образце ткани, и/или клетках, и/или жидкости организма субъекта, выбранных из группы, состоящей из KLK2, PMEPA1, TMPRSS2, NKX3_1, ABCC4, KLK3, FKBP5, ELL2, UGT2B15, DHCR24, PPAP2A, NDRG1, LRIG1, CREB3L4, LCP1, GUCY1A3, AR и EAF2.
4. Способ по п.3, в котором вывод дополнительно основан на
уровнях (20) экспрессии, по меньшей мере, одного целевого гена пути Wnt, измеренных в извлеченном образце ткани, и/или клеток, и/или жидкости организма субъекта, выбранного из группы, состоящей из NKD1, OAT, FAT1, LEF1, GLUL, REG1B, TCF7L2, COL18A1, BMP7, SLC1A2, ADRA2C, PPARG, DKK1, HNF1A и LECT2,
и/или
уровнях (20) экспрессии, по меньшей мере, одного целевого гена пути ER, измеренных в извлеченном образце ткани, и/или клеток и/или жидкости организма субъекта, выбранного из группы, состоящей из RARA, MYC, DSCAM, EBAG9, COX7A2L, ERBB2, PISD, KRT19, HSPB1, TRIM25, PTMA, COL18A1, CDH26, NDUFV3, PRDM15, ATP5J и ESR1,
и/или
уровнях (20) экспрессии, по меньшей мере, одного целевого гена пути HH, измеренных в извлеченном образце ткани. и/или клеток, и/или жидкости организма субъекта, выбранного из группы, состоящей из BCL2, FOXA2, FOXF1, H19, HHIP, IL1R2, JAG2, JUP, MIF, MYLK, NKX2.2, NKX2.8, PITRM1 и TOM1,
и/или
уровнях (20) экспрессии, по меньшей мере, одного целевого гена пути AR, измеренных в извлеченном образце ткани, и/или клеток, и/или жидкости организма субъекта, выбранного из группы, состоящей из APP, NTS, PLAU, CDKN1A, DRG1, FGF8, IGF1, PRKACB, PTPN1, SGK1 и TACC2.
5. Способ по п.1, дополнительно содержащий
отнесение субъекта к, по меньшей мере, одной из множеств групп риска, связанных с разными указанными рисками возникновения клинического события в течение определенного промежутка времени,
и/или
принятие решения о лечении, рекомендуемом для субъекта на основании, по меньшей мере, частично, указанном риске возникновения клинического события в течение определенного промежутка времени.
6. Способ по п.1, содержащий
вывод об активности пути Wnt в ткани, и/или клетках, и/или жидкости организма у субъекта, сделанный на основании, по меньшей мере, уровней (20) экспрессии двух, трех или более целевых генов из набора целевых генов пути Wnt, измеренных в извлеченном образце ткани, и/или клеток, и/или жидкости организма субъекта,
и/или
вывод об активности пути ER в ткани, и/или клетках, и/или жидкости организма у субъекта, сделанный на основании, по меньшей мере, уровней (20) экспрессии двух, трех или более целевых генов из набора целевых генов пути ER, измеренных в извлеченном образце ткани и/или клеток и/или жидкости организма субъекта,
и/или
вывод об активности пути HH в ткани, и/или клетках, и/или жидкости организма у субъекта, сделанный на основании, по меньшей мере, уровней (20) экспрессии двух, трех или более целевых генов из набора целевых генов пути HH, измеренных в извлеченном образце ткани, и/или клеток, и/или жидкости организма субъекта,
и/или
вывод об активности пути AR в ткани, и/или клетках, и/или жидкости организма у субъекта, сделанный на основании, по меньшей мере, уровней (20) экспрессии двух, трех или более целевых генов из набора целевых генов пути AR, измеренных в извлеченном образце ткани, и/или клеток, и/или жидкости организма субъекта,
7. Способ по пункту 6, в котором
набор целевых генов пути Wnt включает, по меньшей мере, девять, предпочтительно, по меньшей мере все целевые гены, выбранные из группы, состоящей из KIAA1199, AXIN2, RNF43, TBX3, TDGF1, SOX9, ASCL2, IL8, SP5, ZNRF3, KLF6, CCND1, DEFA6 и FZD7,
и/или
набор целевых генов пути ER включает, по меньшей мере, девять, предпочтительно, по меньшей мере все целевые гены, выбранные из группы, состоящей из GREB1, PGR, XBP1, CA12, SOD1, CTSD, IGFBP4, TFF1, SGK3, NRIP1, CELSR2, WISP2 и AP1B1,
и/или
набор целевых генов пути HH включает, по меньшей мере, девять, предпочтительно, по меньшей мере все целевые гены, выбранные из группы, состоящей из GLI1, PTCH1, PTCH2, IGFBP6, SPP1, CCND2, FST, FOXL1, CFLAR, TSC22D1, RAB34, S100A9, S100A7, MYCN, FOXM1, GLI3, TCEA2, FYN и CTSL1,
и/или
набор целевых генов пути AR включает, по меньшей мере, девять, предпочтительно, по меньшей мере, все целевые гены, выбранные из группы, состоящей из KLK2, PMEPA1, TMPRSS2, NKX3_1, ABCC4, KLK3, FKBP5, ELL2, UGT2B15, DHCR24, PPAP2A, NDRG1, LRIG1, CREB3L4, LCP1, GUCY1A3, AR и EAF2.
8. Способ по пункту 7, в котором
набор целевых генов пути Wnt дополнительно включает, по меньшей мере, один целевой ген, выбранный из группы, состоящей из NKD1, OAT, FAT1, LEF1, GLUL, REG1B, TCF7L2, COL18A1, BMP7, SLC1A2, ADRA2C, PPARG, DKK1, HNF1A и LECT2,
и/или
набор целевых генов пути ER дополнительно включает, по меньшей мере, один целевой ген, выбранный из группы, состоящей из RARA, MYC, DSCAM, EBAG9, COX7A2L, ERBB2, PISD, KRT19, HSPB1, TRIM25, PTMA, COL18A1, CDH26, NDUFV3, PRDM15, ATP5J и ESR1,
и/или
набор целевых генов пути HH дополнительно включает, по меньшей мере, один целевой ген, выбранный из группы, состоящей из BCL2, FOXA2, FOXF1, H19, HHIP, IL1R2, JAG2, JUP, MIF, MYLK, NKX2.2, NKX2.8, PITRM1 и TOM1,
и/или
набор целевых генов пути AR дополнительно включает, по меньшей мере, один целевой ген, выбранный из группы, состоящей из APP, NTS, PLAU, CDKN1A, DRG1, FGF8, IGF1, PRKACB, PTPN1, SGK1 и TACC2.
9. Способ по п.1, который дополнительно содержит объединение степени риска и/или, по меньшей мере, одной выведенной активности с одной или несколькими дополнительными степенями риска, полученными из одного или нескольких дополнительных прогностических тестов для получения объединенной степени риска, где объединенная степень риска указывает на риск возникновения клинического события в течение определенного промежутка времени.
10. Способ по п.1, в котором клиническое событие представляет собой рак, в частности рак молочной железы.
11. Устройство, содержащее цифровой процессор (12), выполненный с возможностью осуществления способа согласно любому одному из пп.1-10.
12. Не меняющаяся во времени запоминающая среда, хранящая инструкции, которые могут исполняться цифровым процессорным устройством (12) для осуществления способа согласно любому одному из пп.1-10.
13. Компьютерная программа, содержащая средство программных кодов для обеспечения осуществления цифровым процессорным устройством (12) способа согласно любому одному из пп.1-10.
14. Сигнал, представляющий степень риска, который указывает на риск возникновения клинического события в течение определенного промежутка времени, причем степень риска получают в результате способа согласно любому одному из пп.1-10.
RU2015150464A 2013-04-26 2014-04-24 Медицинский прогноз и предсказание результатов лечения, используя активности множества клеточных сигнальных путей RU2718647C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP13165471 2013-04-26
EP13165471.7 2013-04-26
PCT/EP2014/058326 WO2014174003A1 (en) 2013-04-26 2014-04-24 Medical prognosis and prediction of treatment response using multiple cellular signalling pathway activities

Publications (2)

Publication Number Publication Date
RU2015150464A true RU2015150464A (ru) 2017-06-02
RU2718647C2 RU2718647C2 (ru) 2020-04-10

Family

ID=48182831

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2015150464A RU2718647C2 (ru) 2013-04-26 2014-04-24 Медицинский прогноз и предсказание результатов лечения, используя активности множества клеточных сигнальных путей

Country Status (11)

Country Link
US (1) US11309059B2 (ru)
EP (2) EP3372695B1 (ru)
JP (1) JP6603208B2 (ru)
KR (1) KR102256141B1 (ru)
CN (1) CN105121665B (ru)
AU (1) AU2014259459B2 (ru)
BR (1) BR112015026736A2 (ru)
CA (1) CA2909991A1 (ru)
MX (1) MX366204B (ru)
RU (1) RU2718647C2 (ru)
WO (1) WO2014174003A1 (ru)

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2909991A1 (en) 2013-04-26 2014-10-30 Koninklijke Philips N.V. Medical prognosis and prediction of treatment response using multiple cellular signalling pathway activities
EP3013986B1 (en) 2014-01-03 2016-11-16 Koninklijke Philips N.V. Assessment of the pi3k cellular signaling pathway activity using mathematical modelling of target gene expression
WO2016062891A1 (en) 2014-10-24 2016-04-28 Koninklijke Philips N.V. ASSESSMENT OF TGF-β CELLULAR SIGNALING PATHWAY ACTIVITY USING MATHEMATICAL MODELLING OF TARGET GENE EXPRESSION
CN108064380A (zh) 2014-10-24 2018-05-22 皇家飞利浦有限公司 使用多种细胞信号传导途径活性的医学预后和治疗反应的预测
JP7065609B6 (ja) 2014-10-24 2022-06-06 コーニンクレッカ フィリップス エヌ ヴェ 複数の細胞シグナル伝達経路活性を用いる治療応答の医学的予後及び予測
EP3334837B1 (en) 2015-08-14 2020-12-16 Koninklijke Philips N.V. Assessment of nfkb cellular signaling pathway activity using mathematical modelling of target gene expression
US20190128899A1 (en) * 2016-06-13 2019-05-02 Koninklijke Philips N.V. Method for inferring activity of a transcription factor of a signal transduction pathway in a subject
WO2018152240A1 (en) * 2017-02-14 2018-08-23 The Regents Of The University Of Colorado, A Body Corporate Methods for predicting transcription factor activity
EP3431582A1 (en) 2017-07-18 2019-01-23 Koninklijke Philips N.V. Cell culturing materials
EP3692170A1 (en) 2017-10-02 2020-08-12 Koninklijke Philips N.V. Determining functional status of immune cells types and immune response
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
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
CN113316823A (zh) * 2018-09-29 2021-08-27 豪夫迈·罗氏有限公司 基于多模态机器学习的临床预测器
US11674185B2 (en) * 2019-05-03 2023-06-13 Koninklijke Philips N.V. Methods of prognosis in high-grade serous ovarian cancer
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
WO2021022365A1 (en) * 2019-08-02 2021-02-11 Intellijoint Surgical Inc. Systems and methods to collaborate, to train an expert system and to provide an expert system
EP3882363A1 (en) 2020-03-17 2021-09-22 Koninklijke Philips N.V. Prognostic pathways for high risk sepsis patients
KR102565378B1 (ko) * 2020-03-23 2023-08-10 단국대학교 산학협력단 유방암 호르몬 수용체의 상태 예측을 위한 바이오 마커
EP3978628A1 (en) 2020-10-01 2022-04-06 Koninklijke Philips N.V. Prognostic pathways for viral infections
WO2021209567A1 (en) 2020-04-16 2021-10-21 Koninklijke Philips N.V. Prognostic pathways for viral infections
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
KR102189142B1 (ko) * 2020-10-15 2020-12-09 서울대학교병원 만성신장질환의 악화 예측 마커로서의 snp 및 이의 이용
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
CN114410667B (zh) * 2021-12-31 2022-10-11 广东省科学院动物研究所 一种鞍带石斑鱼znrf3基因及其编码的蛋白和应用
KR102508252B1 (ko) * 2022-01-11 2023-03-09 주식회사 볼츠만바이오 생체신호전달 네트워크 모델의 학습방법 및 이를 위한 장치
CN114524872A (zh) * 2022-03-09 2022-05-24 广州诺诚生物技术研发有限公司 一种用于乳腺癌检测的单克隆抗体及其试剂盒

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060235255A1 (en) 2005-04-15 2006-10-19 Gartside Robert J Double bond hydroisomerization process
EP1910564A1 (en) * 2005-05-13 2008-04-16 Duke University Gene expression signatures for oncogenic pathway deregulation
RU2376372C2 (ru) * 2007-04-03 2009-12-20 Государственное учреждение Научно-исследовательский институт медицинской генетики Томского научного центра Сибирского отделения Российской академии медицинских наук Способ генетической диагностики подверженности к сердечно-сосудистым заболеваниям
WO2010144358A1 (en) 2009-06-08 2010-12-16 Singulex, Inc. Highly sensitive biomarker panels
RU2013140708A (ru) * 2011-02-04 2015-03-10 Конинклейке Филипс Н.В. Способ для оценки потока информации в биологических сетях
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
WO2013084144A1 (en) 2011-12-08 2013-06-13 Koninklijke Philips Electronics N.V. Semiconductor light emitting device with thick metal layers
AU2013368945B2 (en) 2012-12-26 2020-01-23 Innosign B.V. Assessment of cellular signaling pathway activity using linear combination(s) of target gene expressions
CA2909991A1 (en) 2013-04-26 2014-10-30 Koninklijke Philips N.V. Medical prognosis and prediction of treatment response using multiple cellular signalling pathway activities

Also Published As

Publication number Publication date
CA2909991A1 (en) 2014-10-30
BR112015026736A2 (pt) 2017-07-25
US20160110494A1 (en) 2016-04-21
WO2014174003A1 (en) 2014-10-30
EP2989211B1 (en) 2018-06-13
EP3372695B1 (en) 2020-09-09
MX2015014847A (es) 2016-03-11
AU2014259459A1 (en) 2015-12-17
EP2989211A1 (en) 2016-03-02
US11309059B2 (en) 2022-04-19
KR102256141B1 (ko) 2021-05-27
JP6603208B2 (ja) 2019-11-06
CN105121665B (zh) 2019-11-26
JP2016519926A (ja) 2016-07-11
MX366204B (es) 2019-07-02
RU2718647C2 (ru) 2020-04-10
EP3372695A1 (en) 2018-09-12
KR20160003124A (ko) 2016-01-08
AU2014259459B2 (en) 2020-03-26
CN105121665A (zh) 2015-12-02

Similar Documents

Publication Publication Date Title
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)
RU2014106026A (ru) Оценка активности клеточных сигнальных путей с применением вероятностного моделирования экспрессии целевых генов
Song et al. Genomic characterization of differentiated thyroid carcinoma
Koshimizu et al. Oxytocin stimulates expression of a noncoding RNA tumor marker in a human neuroblastoma cell line
Toraih et al. Dual biomarkers long non-coding RNA GAS5 and microRNA-34a co-expression signature in common solid tumors
Shi et al. Pseudogene-expressed RNAs: a new frontier in cancers
KR20170010856A (ko) 췌장암의 검출 키트 또는 디바이스 및 검출 방법
Sun et al. Clinical significance of the decreased expression of hsa_circ_001242 in oral squamous cell carcinoma
Rusolo et al. Comparison of the seleno-transcriptome expression between human non-cancerous mammary epithelial cells and two human breast cancer cell lines
Jafarzadeh et al. MicroRNA-383: A tumor suppressor miRNA in human cancer
Andreassen et al. Discovery of miRNAs and their corresponding miRNA genes in Atlantic cod (Gadus morhua): use of stable miRNAs as reference genes reveals subgroups of miRNAs that are highly expressed in particular organs
Zhao et al. Genome-wide DNA methylation analysis in permanent atrial fibrillation
Liu et al. Post-transcriptional regulation of genes related to biological behaviors of gastric cancer by long noncoding RNAs and microRNAs
Ahanda et al. Impact of the genetic background on the composition of the chicken plasma MiRNome in response to a stress
Løvoll et al. Extrahepatic synthesis of complement components in the rainbow trout (Oncorhynchus mykiss)
Wang et al. Identification of aberrantly methylated differentially expressed genes targeted by differentially expressed miRNA in osteosarcoma
Li et al. Isolation of diallyl trisulfide inducible differentially expressed genes in human gastric cancer cells by modified cDNA representational difference analysis
CN108624693A (zh) miR-577在制备肾病诊断标志物中的应用
Berillo et al. Characteristics of binding sites of intergenic, intronic and exonic miRNAs with mRNAs of oncogenes coding intronic miRNAs
Noori-Daloii et al. lncRNAs roles in cancer occurrence
Zhang et al. Long-chain noncoding RNA PVT1 gene polymorphisms are associated with the risk and prognosis of colorectal cancer in the Han Chinese Population
Matveeva et al. MiRNA miR-375 as a multifunctional regulator of the cardiovascular system
US20190119680A1 (en) Novel non-coding rna, cancer target and compounds for cancer treatment