TWI622892B - 基因表現圖譜以及將其應用於乳癌醫療之方法與套組與微陣列晶片 - Google Patents
基因表現圖譜以及將其應用於乳癌醫療之方法與套組與微陣列晶片 Download PDFInfo
- Publication number
- TWI622892B TWI622892B TW106115393A TW106115393A TWI622892B TW I622892 B TWI622892 B TW I622892B TW 106115393 A TW106115393 A TW 106115393A TW 106115393 A TW106115393 A TW 106115393A TW I622892 B TWI622892 B TW I622892B
- Authority
- TW
- Taiwan
- Prior art keywords
- gene
- score
- breast cancer
- genes
- patients
- Prior art date
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
- C12Q1/6876—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
- 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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Organic Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Zoology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Genetics & Genomics (AREA)
- Wood Science & Technology (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Artificial Intelligence (AREA)
- Bioethics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Microbiology (AREA)
- Hospice & Palliative Care (AREA)
- Oncology (AREA)
- Molecular Biology (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
在乳房切除手術以及/或乳房保留手術後,為乳癌患者預估局部區域復發以及/或遠端轉移可能性的一種方法,包括:從該乳癌患者取出一樣本,測量其中至少一基因的表現程度;以及根據測量所得之該至少一基因的表現程度,演算得出一分數;其中該至少一基因係選自一組基因,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1以及MMP15,且其中演算得出之分數顯示該乳癌患者局部區域復發以及/或遠端轉移的可能性。
Description
本發明大體而言係關於基因表現圖譜以及將其應用於乳癌醫療之方法,尤其、但不僅限關於在乳房切除手術(mastectomy)以及/或乳房保留手術(breast-conserving surgery)後,根據一乳癌患者的基因表現圖譜,來為該患者預估乳癌局部區域復發率(loco-regional recurrence)的一種方法。本發明尤其、但不僅限於提供一種方法,其係有關在乳房切除手術以及/或乳房保留手術後,測量至少一種與乳癌相關之基因的表現程度(expression level),以及根據一預設模型演算得出一分數,來為一乳癌患者預估乳癌局部區域復發率以及/或遠端轉移風險(distant metastasis risks)。該方法可於乳房切除手術以及/或乳房保留手術後,幫助醫療人員決定乳癌患者所需之治療類型。
以下關於本發明背景的討論,用意在於使本發明清楚易懂。然而,此處的討論並未認可或承認任何其中所提資料在本申請案的優先日期時,在任何專利轄區範圍內已出版、已為習知或已屬一般常見知識的一部分。
應用演算乳癌局部區域復發風險以判斷患者是否需要接受放射性治療(radiotherapy)的一種習知方法,根據的是已被發現與局部區域復發率息息相關的臨床風險因子,例如腫瘤大小、腋下淋巴結的波及程
度(involvement of axillary lymph nodes)、雌激素受體(estrogen receptor)、初診年齡、淋巴血管侵犯(lymphovascular invasion)等(參考文獻1到2)。雖然某些研究報告已指出有個別基因與局部區域復發率相關,但截至目前為止,仍未有可靠的生物標記(biological markers)可用來預估乳癌的局部區域復發率(參考文獻3到4)。
在臨床實踐中,降低乳癌局部區域復發率的對策是為患者進行術後放射性治療,而減少遠端轉移的對策則是為患者進行全身性的輔助性化學治療(systemic adjuvant chemotherapy)以及/或荷爾蒙治療(hormonal therapy)。一般認為,有4顆及4顆以上腋下淋巴結被波及的乳癌患者,應該接受乳房切除術後放射性治療(post-mastectomy radiotherapy)(參考文獻5)。
至於有1到3顆陽性腋下淋巴結的患者,乳房切除術後放射性治療在他們身上的效果,已經由三個大型隨機對照實驗的結果所證實,因此美國國家癌症資訊網(NCCN)的指南,建議諮詢醫師「強力考慮」為這樣的患者進行乳房切除術後放射性治療(參考文獻6到8)。然而,同樣也有報告指出,淋巴結陰性患者的十年局部區域復發率小於5%,而患者有1到3顆陽性淋巴結的復發率大約20%,患者有4顆或4顆以上陽性淋巴結的復發率則為32%(參考文獻9)。因此,根據臨床參數,大約有70%到80%的淋巴結陽性患者有可能完全無術後局部區域復發之虞,也因此不會需要乳房切除術後放射性治療,而有復發風險的患者,則有可能會得益於乳房切除術後放射性治療。
近來,將基因體分析(genomic analysis)作為腫瘤生物學之
有效評估工具的研究,有了進一步的發展,而這樣的發展為風險分級技術(risk stratification)的改良開啟了可能性,使醫療人員能為有1到3顆陽性淋巴結的乳癌患者做出更針對個別患者的預估(參考文獻10)。例如,Cheng,S.H.等人嘗試應用無監督式分群(unsupervised clustering)以及貝葉斯樹模型(Bayesian tree model)發展出不同的基因組,而且應用該些基因組來將N0與N1的乳癌患者區分成局部區域復發的高風險群以及低風險群,以演算出該些患者的三年局部區域可能復發率(參考文獻11)。
在另一方面,Solin,L.J.等人報告了一種12基因表現檢驗法(12-gene expression assay),其可在廣泛性局部切除手術(wide local excision)後,為乳腺管原位癌(ductal carcinoma in situ,一種非侵襲性乳癌)患者預估局部區域復發率(參考文獻12)。
美國專利第8741605B2號發明案揭示了一種應用乳癌患者的基因表現標記(gene expression markers)進行評估的方法。該方法係應用一基因序列(gene sequence)做為序列辨識碼編號162(SEQ ID No.162)的前導體(precursor),將乳癌患者之CD68的RNA轉譯程度與一乳癌樣本之CD68的RNA轉譯程度作定量比較(quantitative comparisons),以供評估或預估該乳癌患者是否能在無遠端復發(distal recurrence)風險下長時間存活。此評估方法應用一CD68基因體預後診斷套組(genomic prognostic kit)且參考患者基因的統計數據,以評估該患者的存活率。惟此方法賴以為據的基因過於多元,且由於因此取得的統計值大於1.01,所以其參數也過於多元。
已公開之世界專利第2014/085653A1號發明案,揭露了一
種應用複數基因來評估是否需以輔助性化學治療介入治療患者的方法。揭露之該評估方法係應用一14基因組,其可幫助醫療人員判斷一乳癌患者是否需要進一步的輔助性化學治療,或是評估一乳癌患者是否有遠端轉移的風險。然而,該方法只針對已停經之乳癌女患者此一特定族群。
在乳房切除手術以及/或乳房保留手術後,很重要的是能辨識出患者是否有局部區域復發以及/或遠端轉移的風險,因為此類風險的精準評估會立即影響到是否進行輔助性治療的決定。風險分級技術的改良能為個別患者做出更精準的風險預估,辨識出不需要乳房切除術後放射性治療、區域性淋巴放射治療(regional node irradiation)、化學治療以及荷爾蒙治療等復發以及/或遠端轉移風險低的患者,有助於減少或避免過重或過度的治療。
避免初期乳癌過度治療以及為個別患者安排適當治療的關鍵,在於應用分子診斷技術(molecular diagnostics)來判斷癌細胞有無侵襲性(參考文獻13與14)。雖然習知已有某些基因檢測組合(gene panels)可如上所述般為乳癌患者預估局部區域復發率以及/或遠端轉移率,但這些基因檢測組合僅限用於特定的患者族群,也僅限用於特定的乳癌亞型。至於能為各種不同乳癌亞型、分期或治療方案之乳癌患者評估局部區域復發以及/或遠端轉移可能性的方法,目前則仍闕如。此外,應用習知基因體檢測組合(genomic panel)為非管狀型(non-luminal)乳癌做風險分級的技術,至今也仍相當有限(參考文獻15)。
因此,目前仍須發展可在乳房切除手術以及/或乳房保留手術後,用來為乳癌患者預估局部區域復發以及/或遠端轉移風險的方法,
以求至少在某種程度上克服前述的一些缺點。
除非特別點出,否則本說明書中例如「包括」、「由......組成」等用語,需被理解為非全面性,又或者為「包括、但不僅限於」。
本發明的一第一面向,在於提供一種可在乳房切除手術以及/或乳房保留手術後,用來為乳癌患者預估局部區域復發以及/或遠端轉移可能性的方法,包括:i. 從該乳癌患者取出一樣本,測量其中至少一基因的表現程度;以及ii. 根據測量所得之該至少一基因的表現程度,演算得出一分數;其中該至少一基因係選自一組基因,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1、MMP15、以及上述基因的一部分(fragment)、一同源基因(homologue)、一變異基因(variant)或一衍生基因(derivative);以及其中演算得出之分數顯示該乳癌患者局部區域復發以及/或遠端轉移的可能性。
在一較佳實施例中,根據測量所得之該至少一基因的表現程度,演算得出一分數的步驟,係應用一預測性的分類模型來進行。
在一較佳實施例中,該預測性分類模型包括至少一得分算式
(scoring algorithm)。
在一較佳實施例中,該方法包括在演算得出的分數低於一第一預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移之一低風險群的一步驟。
在一較佳實施例中,該方法包括在演算得出的分數等於或高於該第一預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移之一高風險群的一步驟。
在一較佳實施例中,該方法包括在演算得出的分數低於一第二預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移之一低風險群的一步驟。
在一較佳實施例中,該方法包括在演算得出的分數等於或高於一第三預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移之一高風險群的一步驟。
在一較佳實施例中,該方法包括在演算得出的分數介於該第二預設參照值(含)以及該第三預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移之一中度風險群的一步驟。
在一較佳實施例中,該至少一得分算式係選自一組算式,該組算式包括:i. 分數=TRPV6+DDX39+BUB1B+CCR1+STIL+BLM+C16ORF7+TPX2+PTI1+TCF3+CCNB1+DTX2+PIM1+ENSA+RCHY1+NFATC2IP+OBSL1+MMP15;其中當風險比值(hazard ratio)<1時,每
一基因以1分計算,總分數為18分;ii. 分數=TRPV6+DDX39+BUB1B+CCR1+STIL+BLM+2×C16ORF7+TPX2+PTI1+TCF3+CCNB1+DTX2+PIM1+ENSA+RCHY1+2×NFATC2IP+OBSL1+2×MMP15;其中當風險比值<1時,若以單變量分析(univariate analysis)驗證該些基因,則每一基因以1分計算,若以多變量分析(multivariate analysis)驗證該些基因,則每一基因以2分計算,所以總分數為21分;iii. 分數=3×TRPV6+5×DDX39+18×BUB1B+4×CCR1+4×STIL+7×BLM+7×C16ORF7+4×PIM1+9×TPX2+8×PTI1+3×TCF3+7×CCNB1+2×DTX2+2×ENSA+5×RCHY1+6×NFATC2IP+2×OBSL1+6×MMP15;其中該些基因以單變量分析驗證,而每一基因的分數根據其加權值(weighting)重新調整(re-scale),所以總分數為102分;iv. 分數=2×TRPV6+2×DDX39+2×BUB1B+CCR1+STIL+2×BLM+5×C16ORF7+3×PIM1+3×TPX2+5×PTI1+TCF3+CCNB1+DTX2+2×ENSA+3×RCHY1+4×NFATC2IP+OBSL1+MMP15;其中該些基因以多變量分析驗證,而每一基因的勝算比(odds ratio)重新調整為一介於1到5之間的分數,當勝算比<
1時,每一基因以1分計算,所以總分數為40分;以及v. 分數=4×TRPV6+3×DDX39+8×BUB1B+CCR1+STIL+3×BLM+11×C16ORF7+4×PIM1+TPX2+2×PTI1+2×TCF3+CCNB1+DTX2+2×ENSA+5×RCHY1+4×NFATC2IP+OBSL1+2MMP15;其中該些基因以多變量分析驗證,而每一基因的勝算比重新調整為一介於1到11之間的分數,當勝算比<1時,每一基因以1分計算,所以總分數為56分。
在一較佳實施例中,測量該至少一基因之表現程度的步驟,包括使該至少一基因與至少一基因探針(gene probe)雜交,且測量該至少一基因的表現程度。
在一較佳實施例中,該至少一基因探針包括選自一組基因的至少一基因,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1、MMP15、以及上述基因的一部分、一同源基因、一變異基因或一衍生基因。
在一較佳實施例中,該至少一基因探針係固定在一微陣列晶片(microarray chip)上。
在一較佳實施例中,係應用一微陣列或定量逆轉錄聚合酶連鎖反應(quantitative reverse transcription polymerase chain reaction)來測量基因的表現程度。
在一較佳實施例中,該第一預設參照值為31分。
在一較佳實施例中,該第二預設參照值為21分。
在一較佳實施例中,該第三預設參照值為44分。
在一較佳實施例中,該患者有下列情形之一:無陽性淋巴結、1到3顆陽性淋巴結、以及3顆以上陽性淋巴結。
本發明的一第二面向,在於提供可在乳房切除手術以及/或乳房保留手術後,用來為乳癌患者預估局部區域復發以及/或遠端轉移可能性的一套組,包括:i. 可特別與患者身上取得之一樣本中的至少一基因結合的至少一試劑(reagent),用以定量該至少一基因的表現程度;以及ii. 一預測性的分類模型,其包括至少一得分算式,用以根據該至少一基因的表現程度演算得出一分數;其中該至少一基因係選自一組基因,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1、MMP15、以及上述基因的一部分、一同源基因、一變異基因或一衍生基因;以及其中演算得出之分數顯示該乳癌患者局部區域復發以及/或遠端轉移的可能性。
在一較佳實施例中,當演算得出的分數低於一第一預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移的一低風險群。
在一較佳實施例中,當演算得出的分數等於或高於該第一預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移的一高風險群。
在一較佳實施例中,當演算得出的分數低於一第二預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移的一低風險群。
在一較佳實施例中,當演算得出的分數等於或高於一第三預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移的一高風險群。
在一較佳實施例中,當演算得出的分數介於該第二預設參照值(含)以及該第三預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移的一中度風險群。
在一較佳實施例中,該至少一得分算式係選自一組算式,該組算式包括:i. 分數=TRPV6+DDX39+BUB1B+CCR1+STIL+BLM+C16ORF7+TPX2+PTI1+TCF3+CCNB1+DTX2+PIM1+ENSA+RCHY1+NFATC2IP+OBSL1+MMP15;其中當風險比值<1時,每一基因以1分計算,總分數為18分;ii. 分數=TRPV6+DDX39+BUB1B+CCR1+STIL+BLM+2×C16ORF7+TPX2+PTI1+TCF3+CCNB1+DTX2+PIM1+ENSA+RCHY1+2×NFATC2IP+OBSL1+2×MMP15;其中當風險比值<1時,若以單變
量分析驗證該些基因,則每一基因以1分計算,若以多變量分析驗證該些基因,則每一基因以2分計算,所以總分數為21分;iii. 分數=3×TRPV6+5×DDX39+18×BUB1B+4×CCR1+4×STIL+7×BLM+7×C16ORF7+4×PIM1+9×TPX2+8×PTI1+3×TCF3+7×CCNB1+2×DTX2+2×ENSA+5×RCHY1+6×NFATC2IP+2×OBSL1+6×MMP15;其中該些基因以單變量分析驗證,而每一基因的分數根據其加權值重新調整,所以總分數為102分;iv. 分數=2×TRPV6+2×DDX39+2×BUB1B+CCR1+STIL+2×BLM+5×C16ORF7+3×PIM1+3×TPX2+5×PTI1+TCF3+CCNB1+DTX2+2×ENSA+3×RCHY1+4×NFATC2IP+OBSL1+MMP15;其中該些基因以多變量分析驗證,而每一基因的勝算比重新調整為一介於1到5之間的分數,當勝算比<1時,每一基因以1分計算,所以總分數為40分;以及v. 分數=4×TRPV6+3×DDX39+8×BUB1B+CCR1+STIL+3×BLM+11×C16ORF7+4×PIM1+TPX2+2×PTI1+2×TCF3+CCNB1+DTX2+2×ENSA+5×RCHY1+4×NFATC2IP+OBSL1+2MMP15;其中該些基因以多變量分析驗證,而每一基因的勝算比重新調整為一介於1到11之間的分數,當勝算比<1時,每一基
因以1分計算,所以總分數為56分。
在一較佳實施例中,該第一預設參照值為31分。
在一較佳實施例中,該第二預設參照值為21分。
在一較佳實施例中,該第三預設參照值為44分。
在一較佳實施例中,該患者有下列情形之一:無陽性淋巴結、1到3顆陽性淋巴結、以及3顆以上陽性淋巴結。
本發明的一第三面向,在於提供可在乳房切除手術以及/或乳房保留手術後,用來為乳癌患者預估局部區域復發以及/或遠端轉移可能性的一微陣列,包括至少一基因探針,用來測量選自一組基因之至少一基因的表現程度,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1、MMP15、以及上述基因的一部分、一同源基因、一變異基因或一衍生基因。
在一較佳實施例中,估算出的局部區域復發以及/或遠端轉移可能性,係於乳房切除手術以及/或乳房保留手術後,用來依照本發明之第一面向為患者預估或決定輔助性治療的方案。
在一較佳實施例中,估算出的局部區域復發以及/或遠端轉移可能性,係於乳房切除手術以及/或乳房保留手術後,用來依照本發明之第二面向為患者預估或決定輔助性治療的方案。
在一較佳實施例中,估算出的局部區域復發以及/或遠端轉移可能性,係於乳房切除手術以及/或乳房保留手術後,用來依照本發明之第三面向為患者預估或決定輔助性治療的方案。
本發明的一第四面向,在於提供可在乳房切除手術以及/或乳房保留手術後,用來為乳癌患者預估局部區域復發以及/或遠端轉移可能性的一方法,包括:i. 從該乳癌患者取出一樣本,測量其中複數基因的表現程度;以及ii. 根據測量所得之該些複數基因的表現程度,演算得出一分數;其中該些複數基因係選自一組基因,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1、MMP15、以及上述基因的一部分、一同源基因、一變異基因或一衍生基因;以及其中演算得出之分數顯示該乳癌患者局部區域復發以及/或遠端轉移的可能性。
本發明的一第五面向,在於提供可在乳房切除手術以及/或乳房保留手術後,用來為乳癌患者預估局部區域復發以及/或遠端轉移可能性的一套組,包括:i. 可特別與患者身上取得之一樣本中的複數基因結合的至少一試劑,用以定量該些複數基因的表現程度;以及ii. 一預測性的分類模型,其包括至少一得分算式,用以根據該些複數基因的表現程度演算得出一分數;
其中該些複數基因係選自一組基因,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1、MMP15、以及上述基因的一部分、一同源基因、一變異基因或一衍生基因;以及其中演算得出之分數顯示該乳癌患者局部區域復發以及/或遠端轉移的可能性。
本發明的其他面向如下:本發明的另一面向,係有關在乳房切除手術以及/或乳房保留手術後,利用檢測包含以下基因之一基因組的表現程度,以預估乳癌患者的局部區域復發率及其對放射性治療之反應的一種方法,該基因組包括的基因如下:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1以及MMP15。該方法包括:(1)在乳房切除手術以及/或乳房保留手術後,從取自患者之一檢體中萃取基因(mRNA);(2)使萃取所得之基因與基因探針中的基因雜交;(3)該些基因的每一個基因探針係選自一組基因,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1以及MMP15;(4)測量從檢體萃取所得之基因的表現程度;以及(5)應用一18基因分類法(18-gene classifier)(預測性的分類模式)以及計算比例風險(proportional hazards)的分析算式(analysis algorithms),進行乳癌
局部區域復發率的評估。
在某些實施例中,本發明的方法包括:在乳房切除手術及/或乳房保留手術後,從患者身上取得一腫瘤組織樣本;從該樣本中萃取總RNA;使該總RNA與一基因微陣列接觸,該基因微陣列係由TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1以及MMP15所組成的一基因組;測量該基因組中一或所有基因的表現程度;並應用18基因分數計算風險比值。在某些實施例中,當18基因分類法應用一算式得出的分數≧31時,即將該患者歸類於乳癌局部區域復發的高風險群。當該分數<31時,則將該患者歸類於乳癌局部區域復發的低風險群。
本發明進一步提供在乳房切除手術以及/或乳房保留手術後,用來評估乳癌患者的局部區域復發風險及其對放射性治療之反應的一種預估或判斷方法,該方法包括:(1)在乳房切除手術以及/或乳房保留手術後,從取自患者之一檢體中萃取基因(mRNA);(2)使萃取所得之基因與基因探針中的基因雜交;(3)該些基因的每一個基因探針係選自一組基因,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1以及MMP15;(4)測量從該檢體萃取所得之基因的表現程度;以及(5)應用一18基因分類法以及計算比例風險的分析算式,進行乳癌局部區域復發率的評估。該方法進一步包括在患者被歸類於乳癌局部區域復發的高風險群時,幫助醫療人員評估是否該以放射性治療介入治療該患者,以此來避免乳癌的局部區域復發。
本發明提供包括18個基因的一基因晶片。當該等18基因中4個(RCHY1、PTI1、ENSA及OBSL1)之任何一個的表現程度提高時,局部區域復發風險降低。當該等18基因中另外14個(BLM、TCF3、PIM1、DDX39、BUB1B、STIL、TPX2、CCNB1、MMP15、CCR1、NFATC2IP、TRPV6、C16ORF7及DTX2)之任何一個的表現程度提高時,則局部區域復發風險增加。
本發明的另一目的在於將患者分類,其中當該分類法應用一算式得出的分數≧31時,即將該患者歸類於乳癌局部區域復發的高風險群,而當該分數<31時,則將該患者歸類於乳癌局部區域復發的低風險群。
本發明的另一目的在於將患者分類,其中當該分類法應用一算式得出的分數≧31時,即將該患者歸類於乳癌局部區域復發以及遠端轉移的高風險群。
本發明的另一目的在於,當患者被歸類於乳癌局部區域復發的高風險群時,幫助醫療人員評估是否該以放射性治療介入治療該患者,以此來避免乳癌的局部區域復發。
本發明的另一目的在於提供固定在一微陣列晶片上的基因探針。
在本發明的評估方法中,基因表現程度的測量包括以定量的聚合酶連鎖反應(qPCR)或稱逆轉錄聚合酶連鎖反應(RT-PCR)來測量。
本發明的評估方法,係應用18基因分類法以及計算比例風險的分析算式分析基因表現程度,以評估乳癌的局部區域復發率,其中該計算比例風險的分析算式包括分析用的算式。
本發明係有關用來評估乳癌局部區域復發率的醫療用品,其係運用一方法以及讀數器材來評估乳癌局部區域復發率。
本發明進一步提供用來評估乳癌局部區域復發率的一基因探針組,包括:(1)選自一組基因的任何一基因,該組基因包括TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1以及MMP15;(2)使該等基因與萃取自乳癌患者的基因雜交,以測量患者基因的表現程度。該乳癌患者的基因係應用一18基因分類法以及計算比例風險的分析算式進行分析,以評估該患者的乳癌局部區域復發率。
本發明也提供一種應用前述基因探針組,來預估乳癌患者的局部區域復發及其對放射性治療之反應的一種方法,用以評估癌症的局部區域復發率。
本發明進一步提供一種應用前述基因探針組,來評估癌症局部區域復發率的評估方法,其中當18基因分類法應用一算式得出的分數≧31時,即將該患者歸類於乳癌局部區域復發的高風險群。藉此可提供精準的評估訊息給相關醫療人員,減少醫療費用、健保給付或保險資源的負擔與浪費。
本發明進一步提供一種應用前述基因探針組,以及18基因分類法應用的一算式,來精準預測癌症患者器官或淋巴組織遠端轉移風險的方法。
在一較佳實施例中,該樣本檢體為取自一乳癌腫瘤的一腫瘤組織,且最好是一乳癌腫瘤主要組織。該組織以本技術領域之一習知方法
進行分析。
本發明的另一面向,是在乳房切除手術後,應用判斷一患者組織(例如乳房腫瘤、其他乳房組織、淋巴結腫瘤以及/或組織及血液)中一基因組的表現程度,並調整該患者組織與乳癌局部區域復發率的相關性,以評估乳癌患者的局部區域復發風險。研究發現,與乳癌局部區域復發率高度相關的基因組包括TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1以及MMP15。
基因表現程度可應用任何本技術領域習知之方法進行測量(例如定量聚合酶鏈鎖反應,或稱逆轉錄聚合酶鏈鎖反應),或應用未來可能設計出的、可提供關於基因表現之定量資訊的一定量方法。
在某些實施例中,基因表現圖譜係藉由基因表現的產物來進行定量測定,例如蛋白質、多胜肽或核酸(nucleic acid)分子(如mRNA、tRNA、rRNA)。核酸可應用核酸直接定量或藉由規則的基因序列定量。此外,基因片段或多型性基因片段也可被定量。
在一較佳實施例中,係從一乳癌患者取得一檢體或樣本,測量其中的基因表現程度,以完成定量。此定量測定可應用本技術領域之一習知方法來執行。在另一實施例中,檢體樣本中mRNA的雜交程度,係由固定在一基因組微陣列上的基因探針進行測量,該基因組微陣列具有一特定適當的核酸。製造寡核苷酸微陣列的方法已揭露於世界專利第95/11995號發明案。也可應用其他本技術領域之習知方法。
基因表現圖譜可應用任何便捷的方法從檢體中的原始核酸
樣本產生。亦即,基因表現圖譜可應用任何習知方法取得,例如已應用於本技術領域的差異性基因表現(differential gene expression)分析法。一具代表性且便捷的基因表現圖譜係應用微陣列來產生。本發明的評估方法係於乳房保留手術後,應用一基因微陣列來評估取自患者、與乳癌局部區域復發率相關的基因,該等基因包括有下列基因組成的一基因組:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1以及MMP15。根據一序列的一訊號產生系統,將一初始備製之檢體中的標靶核酸予以標記。在備妥該檢體樣本的標靶核酸後,使該標靶核酸的樣本與一基因陣列雜交。已標記之核酸的雜交複合物(hybridized complex),其具有的基因序列,與探針陣列表面上之基因的基因序列互補。該雜交複合物以定性或定量方法檢測。
基因表現程度係應用一裝置進行數值化評估(numerically assessed)或測量。該等數值是由該裝置取得的原始數值(raw values),必要時可加以調整、篩選以及/或標準化(normalized)該等數值。該等資料取自例如一基因晶片、RTM、探針陣列或微陣列(昂飛公司〔Affymetrix〕取得的美國專利第5,631,734、5,874,219、5,861,242、5,858,659、5,856,174、5,843,655、5,837,832、5,834,758、5,770,722、5,770,456、5,733,729以及5,556,752號,這些專利的整體技術在此全部併入本發明作為參考)。基因體表現程度係應用軟體計算(如昂飛公司的基因晶片軟體)。在嚴格條件下,使取自一檢體的核酸(如mRNA)與一特定微陣列(一般也稱為DNA晶片或生物晶片)的一探針雜交。
在某些實施例中,探針套組係固定在一微陣列上。在一較佳實施例中,該微陣列為U133 plus 2.0陣列。
進一步檢驗取自該檢體的基因表現程度原始資料,且應用該比例風險模型計算18基因分數。在本發明的一實施例中,該18基因分數係應用有下列方程式的算式計算:分數=TRPV6+DDX39+BUB1B+CCR1+STIL+BLM+C16ORF7+TPX2+PTI1+TCF3+CCNB1+DTX2+PIM1+ENSA+RCHY1+NFATC2IP+OBSL1+MMP15;其中當風險比值<1時,每一基因以1分計算,總分數為18分。
在另一實施例中,該18基因分數係應用有下列方程式的算式計算:分數=TRPV6+DDX39+BUB1B+CCR1+STIL+BLM+2×C16ORF7+TPX2+PTI1+TCF3+CCNB1+DTX2+PIM1+ENSA+RCHY1+2×NFATC2IP+OBSL1+2×MMP15;其中當風險比值<1時,若以單變量分析驗證該些基因,則每一基因以1分計算,若以多變量分析驗證該些基因,則每一基因以2分計算,所以總分數為21分。
在另一實施例中,該18基因分數係於一單變量Cox迴歸分析模型(univariate Cox regression model)中,應用有下列方程式的算式計算:分數=3×TRPV6+5×DDX39+18×BUB1B+4×CCR1+4×STIL+7×BLM+7×C16ORF7+4×PIM1+9×TPX2+8×PTI1+3×TCF3+7×CCNB1+2×DTX2+2×ENSA+5×RCHY1+6×NFATC2IP+2×OBSL1+6×MMP15;其中每一基因的分數根據其加權值重新調整,所以總分數為102分。
在另一實施例中,該18基因分數係於一多變量Cox迴歸分析模型中,應用有下列方程式的算式計算:分數=2×TRPV6+2×DDX39+
2×BUB1B+CCR1+STIL+2×BLM+5×C16ORF7+3×PIM1+3×TPX2+5×PTI1+TCF3+CCNB1+DTX2+2×ENSA+3×RCHY1+4×NFATC2IP+OBSL1+MMP15;其中每一基因的勝算比重新調整為一介於1到5之間的分數,當勝算比<1時,每一基因以1分計算,所以總分數為40分。
在另一實施例中,該18基因分數係於一多變量Cox迴歸分析模型中,應用有下列方程式的算式計算:分數=4×TRPV6+3×DDX39+8×BUB1B+CCR1+STIL+3×BLM+11×C16ORF7+4×PIM1+TPX2+2×PTI1+2×TCF3+CCNB1+DTX2+2×ENSA+5×RCHY1+4×NFATC2IP+OBSL1+2MMP15;其中每一基因的勝算比重新調整為一介於1到11之間的分數,當勝算比<1時,每一基因以1分計算,所以總分數為56分。
本發明的另一面向,是提供在乳房切除手術後,用以評估乳癌局部區域復發率的一微陣列,該基因組包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1以及MMP15。
本發明的另一面向,是提供在乳房切除手術以及/或乳房保留手術後,用以評估乳癌局部區域復發率的一微陣列,該基因組包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1以及MMP15。
本發明的另一面向,是提供用於上述評估方法的一基因組。在某些實施例中,該基因組包括一試劑,用以於乳房切除手術以及/或乳房保留手術後,檢測取自乳癌患者之一檢體的基因表現,其中該試劑具有一
基因組中的任一或多個基因,該基因組包括下列被檢測的特定基因:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1以及MMP15。
接著參照下列關於本發明之各個實施例的圖示進一步詳細說明。在閱讀下列說明後,本技術領域之一般技藝者將清楚明白本發明的其他面向與優點。
以下將僅就示範性的實施例,並參照下列附圖,進一步說明本發明:圖1A顯示根據本發明的一實施例,用來評估乳癌局部區域復發率以及遠端轉移風險之一評估方法的一流程圖。
圖1B顯示18基因分數<31以及≧31之患者的五年局部區域復發控制機率。
圖2顯示根據本發明的一實施例,一18基因分類法模型的一接收者操作特徵(Receiver Operating Characteristic)曲線。
圖3顯示乳癌保留手術後,患者的五年局部區域復發控制機率(其中有94%的患者有接受輔助性的放射性治療)。
圖4顯示病人篩選與外在效度(external validation)的一流程圖。
圖5顯示經由18基因分類法分類之低、中度、與高風險患者的無遠端轉移機率(distant metastasis-free probability):(A)所有患者
(N=818),(B)第一期患者(N=218),(C)第二期患者(N=411),(D)第三期患者(N=184),(E)次族群分析,(F)不同乳癌亞型(LA:管狀A型〔luminal A like〕;LB:管狀B型〔luminal B like〕;LH:管狀HER2型〔luminal HER2〕;TNBC:三重陰性乳癌〔triple negative breast cancer〕)之低(分數<21)、中度(分數介於21到43之間)、與高風險(分數≧44)患者的比例。
圖6顯示每一乳癌亞型的風險比值森林圖,以18基因分數(作為連續變項)預測(A):遠端復發率,(B)死亡率,(C)局部/區域復發率,(D)任何復發率。
圖7(A)顯示未接受乳房切除術後放射性治療之N0到N1患者(n=114),五年內局部區域復發的累積發生率。分數為31分的患者,估算的局部區域復發率是5.3%。圖7(B)顯示最佳臨界點是31分,乳房切除術後放射性治療將局部區域復發率從14.9%降到1.6%(p=0.099),將任何復發率從34.7%降到8.4%(p=0.015)。
圖8顯示根據18基因分數所揭示的、復發及無復發病人的不同基因表現圖譜,在135名患者身上進行的一18基因無監督式分群分析,以及監督式分群。有局部區域復發的患者以藍色(■)表示,有局部區域復發以及遠端轉移的患者以紫色(■)表示,有遠端轉移的患者以紅色(■)表示,而無任何疾病的患者則以黃色( )表示。
本發明的其他特徵與優點將在以下實施例中進一步說明與敘述。此說明書所敘述的實施例僅用於說明本發明,而非限制本發明。
除非另行定義,否則此處所用的技術與科學用語,意義與本技術領域之一般技藝人士普遍所理解的相同。此外,除非另行定義,否則單數用語也包含複數意義,而複數用語也包含單數意義。大體而言,在此說明書中使用的、與分子生物學、蛋白質、寡核苷酸或多核苷酸化學與雜交技術相關等學術用語,皆為本領域習知與普遍應用的術語。本發明不限於所述之特定檢測方法、檢測試劑和檢測裝置,因為這些檢測方法和試劑可在適度修改或變更後達到相同結果與目的。此處所使用的科學術語僅用來做具體描述,而不是要限制本發明的範圍或領域。此外,除非上下文中有所限定,否則單數用語也包含複數意義,而複數用語也包含單數意義。
除非特別點出,否則本說明書使用的下列術語,應理解為有下列意義:本說明書使用的「以及/或」一詞,需理解為特定揭露該兩個特定特徵或元件之中的每一個,無論同時有或沒有另一個。例如,「A以及/或B」需理解為特定揭露(1)A、(2)B、以及(3)A與B這三者之中的每一個,正如同好像這三者之中的每一個都在此處個別說明一樣。
本說明書使用的「侵襲性乳癌」一詞,係指稱一種從乳小葉膜或乳腺管膜(membrane of the lobule or duct)擴散到乳房組織中的癌症,之後癌細胞可能繼續擴散進入到腋下或其他部位的淋巴結。當身體其他部位發現乳癌細胞時,稱為「轉移性乳癌」。
本說明書使用的「局部區域復發」一詞與乳癌相關時,係指稱患者於乳房切除手術以及/或乳房保留手術治療後,該疾病在患者乳房的局部以及/或區域復發,這些乳房的局部以及/或區域包括乳房、胸壁、腋窩、鎖骨、鎖骨上或胸骨旁淋巴結區域。
本說明書使用的「遠端轉移」一詞,係指稱在乳房切除手術以及/或乳房保留手術後,已經從原發性腫瘤擴散到身體的一或多個部位、器官、或遠端淋巴結(未被包括在前段所述之「局部區域復發」一詞中的淋巴結)的乳癌。
「多變量統計學」一詞係指稱一種統計學類型,包含同時觀察及分析一個以上的結果變項(outcome variable)。多變量統計學的應用稱為「多變量分析」。
本說明書使用的「比例風險模型」一詞,係指稱統計學中的一種存活模型,其中當存活資料進一步包括共變數(covariates)與風險因子時,這些資料可用來推估這些共變數對存活時間的影響,也可用來預測在一段特定時間內的存活機會。Cox比例風險模型由考克斯(David Cox)爵士於1972年提出,是存活分析中最常用的一種迴歸分析模型。此方法常被稱為Cox模型或是比例風險模型。
本說明書使用的核酸「雜交」一詞,係指稱將核酸兩互補股(如RNA、DNA或寡核苷酸)結合的一過程。在某些實施例中,核酸分子與所對應的基因感應股(sense strands),係同時或依序被驗證,又或者核酸分子與所對應的感應股互補。典型來說,核酸分子是在嚴格條件下與該等感應股雜交,呈現其對應程度。
本說明書使用的「微陣列」一詞,係指稱一大群聚集與固定在一堅固表面上的微小DNA點。每一個DNA點都包含一微微克(picomole)的一特定DNA序列,稱為一探針。這些探針可以是在高嚴格條件下與檢體(稱為標靶)樣本中一cDNA或cRNA(亦稱為反義RNA)雜交
之一基因或一DNA的一短小片段。
本說明書使用的「嚴格」一詞,係指稱序列錯配(mismatched sequence)的核酸分子之間可能產生雜交的程度。高嚴格條件要求該等分子間有絕對的互補性,而低嚴格條件則是在有某些錯配鹼基(mismatched bases)時仍允許雜交。典型而言,高嚴格條件的達成係藉由降低氯化鈉(NaCl)的濃度,抑或將溫度提高到接近參與分子的熔點溫度(Tm)。一個高嚴格條件的例子,是在50℃或更高的溫度(如55℃),以及0.1 SSC(0.15M的氯化鈉以及0.015M的檸檬酸鈉〔sodium citrate〕)的濃度下進行雜交。
本說明書使用的「複數基因」一詞,係指稱兩個或兩個以上的基因。
本說明書使用的「DMFP」縮寫字,係指稱無遠端轉移的機率(probability of freedom from distant metastasis)。在本說明書中,遠端轉移的定義是經由切片檢查證實或臨床診斷為復發的侵襲性乳癌。
本說明書使用的「HER2」縮寫字,係指稱人類表皮生長因子受體第二型(human epidermal growth factor receptor type 2)。
本說明書使用的「LRCP」縮寫字,係指稱局部/區域控制機率(local/regional control probability),無局部區域復發的機率。
本說明書使用的「LVI」縮寫字,係指稱淋巴血管侵犯。
本說明書使用的「OS」縮寫字,係指稱總存活率(overall survival),其包含任何原因的死亡,包括乳癌、非乳癌、或不明原因。
本說明書使用的「PMRT」縮寫字,係指稱乳房切除術
後放射性治療(post-mastectomy radiotherapy)。
本說明書使用的「RFP」縮寫字,係指稱無復發的機率(relapse-free probability)。在本說明書中,復發的定義是任何局部區域復發以及/或遠端轉移。
當一核酸或核酸片段與另一核酸(或其互補股)理想匹配(藉由適當的核酸插入或刪除)時,如果在至少大約60%、通常是至少大約70%、更通常是至少大約80%、最好是至少大約90%的核苷酸鹼基中,存在相同的核苷酸序列時,則該核酸或核酸片段與另一核酸或核酸片段「基本上同源」(「或基本上相似」)。
又或者,當一核酸或核酸片段在選擇性的雜交條件下,會與另一核酸(或該核酸的一互補股)的一股、或其互補股雜交時,即存在基本上同源或(相同)。當出現比完全欠缺明確性(total lack of specificity)還要顯著更具選擇性的雜交時,則存在雜交的選擇性(selectivity)。典型而言,當一片至少大約14個核苷酸有至少大約55%、較好是有至少大約65%、更好是有至少大約75%、且最好是有至少大約90%的相同性時,會發生選擇性雜交。如上所述,同源比較(homology comparison)可在更長的片段中進行,且在某些實施例中,通常會是至少大約9個核苷酸、通常是至少大約20個核苷酸、更常是至少大約24個核苷酸、典型是至少大約28個核苷酸、更典型是至少大約32個核苷酸、且更好是至少大約36個或更多核苷酸的片段。
因此,本發明的多核苷酸與下文列表1或序列列表中所示的序列之間,較好是有至少75%、更好是有至少85%、再更好是有至少90%
的同源性。更好是有至少95%、再更好是有至少98%的同源性。可依下列所述,對多胜肽進行核苷酸同源比較。一較佳序列比較程式,是下列所述的GCG威斯康辛最佳匹配程式(GCG Wisconsin Best Fit program)。在預設的得分矩陣(scoring matrix)中,每一個相同的核苷酸有10分的匹配值(match value),而每一個錯配的核苷酸則有-9分的匹配值。就每一個核苷酸而言,創造空位(gap creation)的預設罰分是-50分,而延伸空位斷裂(gap extension)的預設罰分則是-3分。
在本發明的脈絡中,一同源物或同源序列包括的一核苷酸序列,與下文序列列表或列表1中所示的核苷酸序列之間,在至少20、50、100、200、300、500或1000個核苷酸中,至少有60%、70%、80%或90%、更好是至少有95%或98%,在氨基酸層(at the amino acid level)是相同的。特別是,在該序列中與同源比較相關的區域,典型應該是那些編碼已知是蛋白質功能所不可或缺之相鄰氨基酸序列、而不是非必要之相鄰序列的區域。本發明之多胜肽所包括的一較佳相鄰序列,係與該等序列中所示之一或多個核苷酸序列,有高於50%、60%或70%的同源性、一更佳相鄰序列則有高於80%、90%或97%的同源性。較佳多核苷酸可選擇改為或可進一步包括的一相鄰序列,與下文序列列表或列表1中所示、編碼含對應氨基酸序列之多胜肽的序列之間,有高於80%、95%或97%的同源性。
其他較佳多核苷酸包括的一相鄰序列,與所示的、編碼含對應氨基酸序列之多胜肽的序列,有高於40%、50%、60%或70%的同源性,一更佳相鄰序列則有高於80%、90%、95%或97%的同源性。
核苷酸序列的長度,較好是至少15個核苷酸,更好是至
少20、30、40、50、100或200個核苷酸。
一般而言,多核苷酸的長度越短,達到選擇性雜交所需的同源性就越高。因此,當本發明的多核苷酸由少於大約30個核苷酸組成時,與下文序列列表或列表1中所示的核苷酸序列比較後,較好有高於75%、更好有高於90%或95%的相同性。反之,當本發明的多核苷酸由例如多於50或100個核苷酸組成時,與下文序列列表或列表1中所示的核苷酸序列比較後,可以有較低的相同比例,例如高於50%、更佳的是高於60%或75%。
本發明之「多核苷酸」的組成,如本領域之一般技藝人士會立即理解的,係包括RNA、cDNA、基因體DNA、合成形式(synthetic forms)、以及混和聚合物(mixed polymers)、感應股與反義股(antisense strand)、也可以是化學或生物化學改造過、或可包含非天然或衍生的核苷酸鹼基。這些改造包括例如標記、甲基化(methylation)、將一或多個天然產生的核苷酸替換成一類似物(analog)、核苷酸間改造(internucleotide modifications)例如不帶電荷的鏈結(uncharged linkages)(例如methyl phosphonates、phosphotriesters、phosphoamidates、carbamates等)以及帶電荷的鏈結(例如phosphorothioates、phosphorodithioates等)、懸垂成分(pendent moieties)(例如多胜肽)、嵌入(例如acridine、psoralen等)、鉗合(chelators)、烷化(alkylators)、以及改造鏈結(例如alpha anomeric nucleic acids等)。同樣也包括在內的,還有模擬多核苷酸透過氫鍵(hydrogen bonding)及其他化學反應與一指定序列結合之能力的合成分子(synthetic molecule)。這些分子為本領域已習知,包括例如那些在其分子骨架中由多肽鏈結(peptide linkages)替換磷酸鏈結(phosphate linkages)的分子。
「多胜肽」一詞係指稱一氨基酸聚合物,以及其相等物,並非指稱該產物的一特定長度。因此,多肽、寡肽(oligopeptides)以及蛋白質都包含在多胜肽的定義中。此一用詞也非指稱、或排除多胜肽的改造物,例如醣基化物(glycosylations)、乙醯化物(acetylations)、磷酸化物(phosphorylations)等。包含在此定義中的,有例如包含一或多個氨基酸類似物的多胜肽(包括例如天然氨基酸等)、有替換鏈結的多胜肽、以及其他本領域習知的改造物,無論是天然或非天然產生的。
在本發明的脈絡中,一同源序列包括的一氨基酸序列,與下文序列列表或列表1中所示、編碼含對應氨基酸序列之多胜肽的序列之間,在至少20、50、100、200、300或400個氨基酸中,至少有60%、70%、80%或90%、較好是至少有95%或98%,在氨基酸層是相同的。特別是,與同源性比較相關的,典型應該是那些已知是蛋白質功能所不可或缺之序列的區域,而不是非必要的相鄰序列。本發明的多胜肽包括的一較佳相鄰序列,與一或多個對應氨基酸,有高於50%、60%或70%的同源性、一更佳相鄰序列則有高於80%或90%的同源性。
其他較佳多胜肽包括的一相鄰序列,與下文序列列表或列表1中所示、編碼含對應氨基酸序列之多胜肽的序列之間,具有高於40%、50%、60%或70%的同源性。雖然同源性也可從相似度來考量(例如有類似化學特性/功能的氨基酸殘基〔residue〕),在本發明的脈絡中,較好是以序列相同性來表示同源性。當指稱多胜肽時,「基本上同源」或「基本上相同」兩用語,表示的是談論中的多胜肽或蛋白質,展現與一整個天然產生或其一部分的蛋白質之間,有至少大約70%、通常至少大約80%、及較好至
少大約90%或95%的相同性。
同源比較可以肉眼進行,或更通常的是應用容易取得的序列比較程式進行。這些市場上可取得的電腦程式可計算兩個或更多序列之間的同源性。
同源性比例的計算可橫跨相鄰序列,亦即,將一序列與另一序列匹配(align),然後直接將一序列的每一氨基酸與另一序列的對應氨基酸進行比較,一次只進行一殘基的比較,稱為一「無空位」比對(“ungapped”alignment)。典型而言,這樣的無空位比對只橫跨相對數量較少的殘基(例如少於50個相鄰氨基酸)。
雖然這是一個非常簡單且一致的方法,但其並未考量到的是,例如在其他方面相同的一組序列中,一個插入或刪除都會導致接下來的氨基酸殘基失去匹配度,因此,在進行全局比對(global alignment)時,該方法有可能大幅降低同源性比例。因此,大部分序列比較方法的設計,都希望達到最佳比對,能既考慮到可能的插入或刪除,又同時不過度低估整體的同源性分數。而此一目標的達成,可透過在序列比對中插入「空位」的方式,以嘗試將局部同源性最大化。
然而,這些較複雜的方法會指定「空位罰分」給每一個在比對中產生的空位,使得在同樣數量的相同氨基酸下,空位極少化的一序列比對(反映兩相比序列之間有較高的相關性),會比空位很多的一序列比對取得較高分數。典型應用的是「空位延伸罰分模型」(affine gap costs),給予一空位的存在相對較高的罰分,而給予空位後的每一個殘基較低罰分。這是最常被應用的空位罰分系統。高的空位罰分當然會產生有較少空
位的最佳化比對。大部分的比對程式允許修改空位罰分。然而,在應用這樣的軟體來做序列比較時,較好是使用預設值。例如當應用GCG威斯康辛最佳匹配程式(參見下方說明)時,氨基酸序列的預設空位罰分是每一空位-12分,每一空位延伸-4分。
最高同源性比例的計算因此首先需要產生一最佳化比對,並將空位罰分考慮進去。執行這種比對的一適當電腦程式是GCG威斯康辛最佳匹配程式(美國威斯康辛大學;Devereux等人,1984,核酸研究,第12期,第387頁)。其他可執行序列比較之軟體的例子包括、但不僅限於BLAST套裝軟體(參見Ausubel等人,1999,出處同上,第18章)、FASTA(Atschul等人,1990,分子生物學期刊,第403到410頁)、以及GENEWORKS比較工具套組。BLAST與FASTA都可離線及線上搜尋(參見Ausubel等人,1999,出處同上,第7~58到7~60)。不過,較好還是應用GCG威斯康辛最佳匹配程式。
雖然最後的同源性比例可根據相同性來測量,但比對過程本身典型並非根據非全有即全無式的配對比較。相反的,通常會應用的是一種有比例的相似性得分矩陣(scaled similarity score matrix),根據化學相似性或演化距離(evolutionary distances),給予每一個配對比較分數。這類矩陣被普遍應用的一個例子是BLOSUM62矩陣--BLAST套裝程式的預設矩陣。GCG威斯康辛程式通常應用公用預設值,或是一客製化的符號比較表,如果有提供的話(進一步細節請參見使用者手冊)。較好是使用BLAST套裝軟體的公用預設值,或是若應用其他軟體時,則較好是使用預設矩陣,例如BLOSUM62。
當軟體產生了一最佳化比對後,便可能計算出同源性比例,較好是序列相同性比例。軟體計算典型是將其做為序列比較的一部分來進行,並產生一數值結果。
一多胜肽「片段」、「部分」、或「區段」是指一片至少大約5到7個、通常至少大約7到9個、典型至少大約9到13個、最好至少大約20到30個或更多相鄰氨基酸的氨基酸殘基。
本發明的較佳多胜肽與下文序列列表或表1中所示的序列,有基本上類似的功能。本發明之較佳多核苷酸編碼的多胜肽,與下文序列列表或表1中所示的序列有基本上類似的功能。「基本上類似的功能」係指一核酸的功能,或與下文序列列表或表1中所示、編碼含對應氨基酸序列之序列的多胜肽類似物、變異物、衍生物、或片段之功能。
如本技術領域一般技藝人士會立即理解的,除了鹽基組成、互補股長度、以及雜交核酸之間核苷酸鹼基錯配的數量之外,鹽濃度、溫度、或有機溶劑等條件也會影響核酸雜交。嚴格的溫度條件典型一般會超過30℃、典型是超過37℃、較好是超過45℃的溫度。嚴格的鹽條件通常會低於1000mM、典型是低於500mM、較好是低於200mM。然而,參數的組合比任何單一參數的測量要更加重要。嚴格雜交條件的一個例子是65℃及0.1×SSC(1×SSC=0.15M氯化鈉,0.015M檸檬酸鈉,pH7.0)。
本發明的其他特徵與優點將在以下的實施例中進一步說明與敘述。此說明書所敘述的實施例僅用於說明本發明,而非限制本發明。
圖1A顯示根據本發明的一實施例,用來評估乳癌局部區
域復發率以及遠端轉移風險之一評估方法的一流程圖。
本發明的一實施例,描述一種可在乳房切除手術以及/或乳房保留手術後,用來為乳癌患者預估局部區域復發以及/或遠端轉移可能性的方法,包括:從該乳癌患者取出一樣本,測量其中至少一基因的表現程度;以及根據測量所得之該至少一基因的表現程度,演算得出一分數;其中該至少一基因係選自一組基因,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1、MMP15、以及上述基因的一部分、一同源基因、一變異基因或一衍生基因;以及其中演算得出之分數顯示該乳癌患者局部區域復發以及/或遠端轉移的可能性。
選自上述18基因組的該至少一基因包括(1)一多核苷酸,其包含以下所示之任一序列中的一核苷酸序列:序列辨識碼編號1、序列辨識碼編號2、序列辨識碼編號3、序列辨識碼編號4、序列辨識碼編號5、序列辨識碼編號6、序列辨識碼編號7、序列辨識碼編號8、序列辨識碼編號9、序列辨識碼編號10、序列辨識碼編號11、序列辨識碼編號12、序列辨識碼編號13、序列辨識碼編號14、序列辨識碼編號15、序列辨識碼編號16、序列辨識碼編號17、序列辨識碼編號18、或前述序列的一片段、同源物、變異物或衍生物;(2)一多核苷酸,其包含(1)中所示之任一序列中、編碼含對應氨基酸序列之多胜肽的一核苷酸序列;或(3)一多核苷酸,其包含可與(1)及(2)中之任一序列、或其中任一序列之互補物,進行選擇性雜交的一核苷酸序列。
包括至少一得分演算法的一預測性分類模型,其用來執
行的步驟是,根據測量所得之該至少一基因的表現程度,演算得出一分數。
在演算得出的分數低於一第一預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移的一低風險群。在演算得出的分數等於或高於該第一預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移的一高風險群。
在演算得出的分數低於一第二預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移的一低風險群。在演算得出的分數等於或高於一第三預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移的一高風險群。在演算得出的分數介於該第二預設參照值(含)以及該第三預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移的一中度風險群。
在一較佳實施例中,該第一預設參照值為31分,該第二預設參照值為21分,該第三預設參照值為44分。
本發明的另一實施例,描述可在乳房切除手術以及/或乳房保留手術後,用來為乳癌患者預估局部區域復發以及/或遠端轉移可能性的一套組,包括可特別與患者身上取得之一樣本中的至少一基因結合的至少一試劑,用以定量該至少一基因的表現程度;以及一預測性的分類模型,其包括至少一得分算式,用以根據該至少一基因的表現程度演算得出一分數,其中該至少一基因係選自一組基因,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1、MMP15、以及上述基因的一部分、一同源基因、一變異基因或一衍生基因;以及其
中演算得出之分數顯示該乳癌患者局部區域復發以及/或遠端轉移的可能性。
選自上述18基因組的該至少一基因包括(1)一多核苷酸,其包含以下所示之任一序列中的一核苷酸序列:序列辨識碼編號1、序列辨識碼編號2、序列辨識碼編號3、序列辨識碼編號4、序列辨識碼編號5、序列辨識碼編號6、序列辨識碼編號7、序列辨識碼編號8、序列辨識碼編號9、序列辨識碼編號10、序列辨識碼編號11、序列辨識碼編號12、序列辨識碼編號13、序列辨識碼編號14、序列辨識碼編號15、序列辨識碼編號16、序列辨識碼編號17、序列辨識碼編號18、或前述序列的一片段、同源物、變異物或衍生物;(2)一多核苷酸,其包含(1)中所示之任一序列中、編碼含對應氨基酸序列之多胜肽的一核苷酸序列;或(3)一多核苷酸,其包含可與(1)及(2)中之任一序列、或其中任一序列之互補物,進行選擇性雜交的一核苷酸序列。
本發明的另一實施例,描述可在乳房切除手術以及/或乳房保留手術後,用來為乳癌患者預估局部區域復發以及/或遠端轉移可能性的一微陣列,包括至少一基因探針,用來測量選自一組基因之至少一基因的表現程度,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1、MMP15、以及上述基因的一部分、一同源基因、一變異基因或一衍生基因。
選自上述18基因組的該至少一基因包括(1)一多核苷酸,其包含以下所示之任一序列中的一核苷酸序列:序列辨識碼編號1、序
列辨識碼編號2、序列辨識碼編號3、序列辨識碼編號4、序列辨識碼編號5、序列辨識碼編號6、序列辨識碼編號7、序列辨識碼編號8、序列辨識碼編號9、序列辨識碼編號10、序列辨識碼編號11、序列辨識碼編號12、序列辨識碼編號13、序列辨識碼編號14、序列辨識碼編號15、序列辨識碼編號16、序列辨識碼編號17、序列辨識碼編號18、或前述序列的一片段、同源物、變異物或衍生物;(2)一多核苷酸,其包含(1)中所示之任一序列中、編碼含對應氨基酸序列之多胜肽的一核苷酸序列;或(3)一多核苷酸,其包含可與(1)及(2)中之任一序列、或其中任一序列之互補物,進行選擇性雜交的一核苷酸序列。
一個令人意外的優點是,在乳房切除手術以及/或乳房保留手術後,可應用任何數量之上述實施例中所提的18基因,且以任何組合方式,來為乳癌患者預估局部區域復發以及/或遠端轉移可能性。
還有另一個優點的則是,預估的局部區域復發以及/或遠端轉移可能性,可在乳房切除手術以及/或乳房保留手術後,用來為乳癌患者預估或決定輔助性治療的類型。
在一項腫瘤基因醫學研究裡,最終挑選了侵襲性乳癌的患者,以發展新的乳癌分類法。該項研究挑選了總計217位侵襲性乳癌的患者,他們分別在2005年與2012年之間接受過乳房切除手術或乳房保留手
術,而且有組織檢體可供製作DNA(或基因)微陣列。在217名患者中,有130名患者接受過乳房切除手術,87名患者接受過乳房保留手術。所有217名患者皆同意讓其原發腫瘤組織接受DNA(或基因)微陣列的研究。符合本研究資格的患者在至少兩年追蹤期內,不可接受乳房切除術後放射性治療(n=130)。接受過乳房保留手術(n=87)的患者另外單獨分析,以檢視基因表現圖譜在預測局部區域復發率的成效表現。
參與本研究的患者,於乳房切除手術或乳房保留手術後的臨床特徵,顯示於下方表1中。根據這些臨床特徵,大多數患者屬於T2或以上分期(56%,73/130),且有93%(121/130)的患者有N0與N1的乳癌。所有患者於乳房切除手術或乳房保留手術後,皆未接受放射性治療。
此217名患者的冷凍組織樣本,係於治療之前(乳房切除手術或乳房保留手術之前)取自從患者身上取得之原發腫瘤的外科檢體(surgical specimens)。總RNA係以抽提試劑Trizol(加州卡爾斯巴市的萊富生命科技製造〔Invitrogen,Carlsbad,CA〕)自腫瘤組織萃取而得,以總RNA純化試藥組(RNeasy Mini Kit)(加州瓦倫西亞市的凱杰公司〔Qiagen,Valencia,CA〕)純化,並以一安捷倫2100生物分析儀器(Agilent 2100 Bioanalyzer)進行定性評估。雜交標靶係根據昂飛協定(Affymetrix
protocol),從總RNA製備,並與U133 plus 2.0陣列雜交。
經過Cox比例風險模型的單變量分析後,發現在130名乳房切除手術患者中,有18個基因與局部區域復發率顯著相關。與這18基因之功能相關的基因,是參與致癌過程(oncogenic process)、細胞增生(proliferation)、侵襲、發炎、細胞間交互作用(cell-cell interaction)、細胞凋亡(apoptosis)和代謝的基因。在這些與局部區域復發率顯著相關的基因當中,BLM、TCF3、PIM1、RCHY1和PTI1涉及致癌過程;DDX39、BUB1B、STIL、TPX2和CCNB1涉及細胞增生;MMP15與侵襲有關;CCR1和NFATC21P涉及發炎;TRPV6和DTX2與細胞凋亡有關;而ENSA則與代謝相關(參見下方表2)。請同時參考列出一22探針組中之18基因的表3。
本發明之新平台(platform)中的34個基因,係分佈在一84基因探針組中,其中有4個功能未明的基因無法辨識。經由單變量分析發現,剩下之30個基因中的18個,可根據局部區域復發率,將乳房切除手術患者歸類於一低風險群與一高風險群。經由多變量分析發現,可將患者歸類於一低風險群與一高風險群。該18基因被用來將乳房保留手術患者歸類於一低風險群與一高風險群。18基因分數≧31的患者被定義為高風險,而分數<31的患者則被定義為低風險。
表4顯示應用該比例風險模型,來根據該18基因的每一個,演算得出或計算出分數的單變量分析與多變量分析。當風險比值<1時,每一個基因在多變量分析中以1分計算。
以下是根據該18基因檢測組合演算分數的四個範例算式:算式1:每個基因以1分計算,總共有18個基因,總分為18分。
分數=TRPV6+DDX39+BUB1B+CCR1+STIL+BLM+C16ORF7+TPX2+PTI1+TCF3+CCNB1+DTX2+PIM1+ENSA+RCHY1+NFATC2IP+OBSL1+MMP15
算式2:當風險比值<1時,若以單變量分析驗證該些基因,則每一基因以1分計算,若以多變量分析驗證該些基因,則每一基因以2分計算,所以總分數為21分。
分數=TRPV6+DDX39+BUB1B+CCR1+STIL+BLM+2×C16ORF7+TPX2+PTI1+TCF3+CCNB1+DTX2+PIM1+ENSA+RCHY1+2×NFATC2IP+OBSL1+2×MMP15
算式3:根據單變量分析的單變量勝算比計算出18基因分數。每一基因的分數根據其加權值重新調整,所以總分數為102分。
分數=3×TRPV6+5×DDX39+18×BUB1B+4×CCR1+4×STIL+7×BLM+7×C16ORF7+4×PIM1+9×TPX2+8×PTI1+3×TCF3+7×CCNB1+2×DTX2+2×ENSA+5×RCHY1+6×NFATC2IP+2×OBSL1+6×MMP15
算式4:根據多變量分析的勝算比計算出18基因分數。根據勝算比,將每一基因的分數重新調整為一介於1到5之間的分數;當勝算比<1時,每一基因以1分計算,所以總分數為40分。
分數=2×TRPV6+2×DDX39+2×BUB1B+CCR1+STIL+2×BLM+5×C16ORF7+3×PIM1+3×TPX2+5×PTI1+TCF3+CCNB1+DTX2+2×ENSA+3×RCHY1+4×NFATC2IP+OBSL1+MMP15
由於臨床決策需要冷靜保守,因而可能傾向於過度治療患者。以之為基準,則接收者操作特徵曲線上的最佳臨界點(或預設參照值)是31分。這些預測的總體準確度是87%,估計靈敏度(真陽性率)為91%,特異度(specificity,真陰性率)為87%。18基因分數≧31與<31的患者,其五年局部區域復發控制機率分別是50%與100%(p<0.0001)(參見圖
1B)。
在總體診斷中,淋巴結狀態是非常重要的一個因素,其可用來判斷一原發性腫瘤是否已經以「遠端轉移」的方式擴散。其可藉由計算用來做評估,且可為後續處理提供參考。
根據淋巴結狀態,在N0與N1分期的患者中,18基因分數≧31與<31的患者,其五年局部區域復發控制機率在統計數字上不同(50%對比100%,p<0.0001)。N2患者的數量太少不足以下定論,但是該18基因檢測組合的預測能力與N0~N1患者類似。經由18基因分類法(或預測性分類模型)定義為高風險的患者,不論有無淋巴結轉移,其五年無轉移的存活率和總存活率極低。進一步的細節與資料提供於上方表4。
如表5所示,根據該18基因檢測組合製作的圖譜,主要係針對N0和N1的乳房切除手術患者。在本研究中,N0患者的局部區域復發率大約為5%;我們的基因分類法(18基因檢測組合)證實,有9%的N0患者具有高風險,而這些患者當中有50%會有癌症復發。相對的,N1患者的局部區域復發率大約為20%;我們的基因分類法(18基因檢測組合)證實,約有38%的N1患者具有高風險,而這些患者當中有50%會有癌症復發。至於N2患者,由於我們的樣本數過少,不足以下定論,然而,其預測精確度也相類似;有55%的N2患者會被歸類於高風險群。
在乳房切除手術與乳房保留手術的患者中,18基因分類法的成效表現皆有相當確定的一致性。這強而有力的表示,18基因分類法可預估乳癌患者是否有局部區域復發的風險。
根據現行的臨床實務,用來評估N1乳癌患者是否需要輔助性放射性治療的方法,會替其中的80%安排輔助性放射性治療。然而,放
射性治療可為這些患者降低局部區域復發率,並可改善總存活率。
Cox比例風險模型已被廣泛用來描述存活率與相關變項。因此,本研究檢視的是,該(18基因檢測組合)分類法是否為一獨立的預後因子。傳統的比例風險分析已確立了與比例風險及定量評估相關的臨床參數,包括與局部區域復發率相關的淋巴結轉移程度與雌激素受體狀態。我們應用了臨床參數與該分類法的分類系統,充分分析取自130名(乳房切除手術)患者之檢體的比例風險。
本研究證實,這些傳統臨床變項與該(18基因檢測組合)分類法的結合,可以是預估局部區域復發率的一個重要獨立因子。該(18基因檢測組合)分類法與比例風險分析的應用,顯示當一患者的18基因分數≧31(參見表6)時,其局部區域復發率的風險比值為67.8(95%信賴區間,8.3~552.5)。本研究再次肯定,應用一新穎的基因表現圖譜及評估模式,可以將N0和N1患者歸類於更加具同質性的次族群。
應用微陣列資訊為87名乳房保留手術患者做分析;其中有94%的患者(82/87)已被安排術後放射線治療(參見表1)。這些患者的臨床特徵,略微不同於已接受輔助性治療的T1乳房切除手術患者。
單變量與多變量分析證實,該(18基因檢測組合)分類法可在乳房保留手術的術後輔助性化學治療後,驗證患者是否有局部區域復發的高風險。該(18基因檢測組合)分類法為沒接受輔助性化學治療的患者,改良了預後風險評估的成效表現。多變量分析顯示,18基因分數≧31以及顯著的淋巴血管侵犯,是局部區域復發率的獨立風險因子。未接受輔助性化學治療的乳房保留手術患者,有40%的局部區域復發率風險,而經由(18基因檢測組合)分類法驗證歸類於一低風險群的患者,則只有3%的
局部區域復發率(參見表7與圖3)。若經由(18基因檢測組合)分類法驗證歸類於一低風險群時,未接受輔助性化學治療的患者,不會有局部區域復發。
最後,在本發明中應用的(18基因檢測組合)分類法,可驗證具有局部區域復發高風險的乳房切除手術與乳房保留手術患者。在本發明中,該(18基因檢測組合)分類法可在乳房切除手術與乳房保留手術後,驗證高風險患者是否需要放射性治療的介入。
本研究挑選了總共818名乳癌患者,他們的乳癌可開刀治療,且他們已接受過主要手術,其原發腫瘤組織有應用微陣列製作的基因表現圖譜。這些患者是臨床I到III期的乳癌患者,他們分別在2005年到2012年之間,於和信治癌中心醫院(Koo Foundation Sun Yat-Sen Cancer Center)
接受主要手術。患者篩選的流程顯示於圖4。本研究中的合適患者必須符合下列的納入標準(inclusion criteria):(1)有侵襲性乳癌惡性腫瘤的婦女;(2)治療前屬臨床I到III期;(3)接受過改良型乳房切除手術(modified mastectomy)或全乳房切除手術(total mastectomy),並做過前哨淋巴結切片(sentinel lymph node biopsy);(4)有冷凍的新鮮組織;以及(5)簽署過知情同意書。
在2005年到2014年間,於任何系統性治療之前,從患者身上取得原發性腫瘤的外科檢體,總數共有818份的冷凍組織樣本。雜交標靶從總RNA製備,且根據昂飛協定,與U133 plus 2.0陣列雜交。
該18基因檢測組合或分類法包括下列基因:BLM、TCF3、PIM1、RCHY1、PTI1、DDX39、BUB1B、STIL、TPX2、CCNB1、MMP15、CCR1、NFATC2IP、TRPV6、OBSL1、C16ORF7、DTX2(Notch)以及ENSA。18基因分數的計算係根據多變量分析的勝算比。每一基因的分數係根據該勝算比重新調整為介於1與11之間的一個分數;當勝算比<1時,每一基因以1分計算,所以總分數為56分。
其得分算式如下:18基因分數=4×TRPV6+3×DDX39+8×BUB1B+CCR1+STIL+3×BLM+11×C16ORF7+4×PIM1+TPX2+2×PTI1+2×TCF3+CCNB1+DTX2+2×ENSA+5×RCHY1+4×NFATC2IP+OBSL1+2MMP15;總分數為56分。
18基因分數<21的患者,被定義為遠端轉移的低風險患
者,分數介於21與43之間的患者,被定義為遠端轉移的中度風險患者,而分數≧44的患者,則被定義為遠端轉移的高風險患者。
Cox比例風險迴歸分析模型係用來評估下列風險因子的預後重要性:初診年齡、原發性腫瘤大小、腋下淋巴結被波及的數量、組織學分級(histological grade)、細胞核分化程度、淋巴血管侵犯、雌激素受體/黃體激素受體狀態、HER2過度表現以及18基因分數。局部區域控制的期間,從治療的第一天開始計算,直到胸壁或區域腋下淋巴結復發(nodal recurrence),或最後一次追蹤為止。局部/區域控制機率係依照Kaplan-Meier方法計算。應用對數等級檢定(log-rank test)來評估患者次族群之間,在局部/區域控制機率、無復發機率、無遠端轉移機率以及總存活率等方面之差異的統計顯著性(statistical significance)。
所有818名患者的基線特徵(baseline characteristics)都可見於下方表8。無轉移患者的追蹤間隔中位數(median follow-up interval)是56.4(0~159.4)個月。有轉移患者(僅含存活患者)的追蹤間隔是61.4(18.0~168.2)個月。最普遍的年齡是介於40到60歲之間。原發性腫瘤通常大於2cm(n=484,59.2%)。N0乳癌最為普遍(n=392,47.9%),N1乳癌(n=248,30.3%)次之。大部分患者是雌激素受體陽性或黃體激素受體陽性(n=537,65.6%)以及HER2陰性(n=512,62.6%)。顯著淋巴血管侵犯出現在24.3%的患者中(n=199)。腫瘤等級III(n=461,56.4%)最為普遍,
等級II(n=267,32.6%)次之。
關於乳癌亞型(參見圖6),有32.5%(n=266)的患者屬管狀A亞型,12.6%(n=103)的患者屬管狀B亞型,20.5%(n=168)的患者屬管狀HER2亞型,16.9%(n=138)的患者屬HER2亞型,而17.5%(n=143)的患者則屬三重陰性亞型。
接受輔助性化學治療的有87.7%(n=717)的患者,接受輔助性荷爾蒙治療的有62.1%(n=508),而接受輔助性放射性治療的則有69.1%(n=565)。
如下方表1所示,與遠端轉移顯著相關的風險因子包括較高的腫瘤分期、較晚的淋巴分期、荷爾蒙受體陰性以及顯著的淋巴血管侵犯。
根據18基因得分算式,21.9%(n=179)的患者被歸類於低風險群(分數<21),57.5%(n=470)被歸類於中度風險群(分數介於21到43之間),而20.7%(n=169)則被歸類於高風險群(分數≧44)。低風險群、中度風險群以及高風險群的遠端轉移率,分別是2.2%、14.3%以及32%(p<0.0001,參見表1)。
應用Cox比例風險迴歸模型,針對遠端轉移相關因子進行的單變量與多變量分析,可見於下方表9。
應用Cox比例風險迴歸模型進行的遠端轉移單變量分析,顯示基因分數≧21的患者,有8.9的風險比值(3.3~24.2)(參見表9)。在多變量分析中,該風險比值為5.7(2.0~15.9)。其他獨立的遠端轉移相關
因子包括T分期(T3 vs.T1,HR 3.8,95%信賴區間,1.8~8.1)以及N分期(N3 vs.N0,HR 5.9,95%信賴區間,3.3~10.7)。沒有任一種輔助性治療(荷爾蒙治療、放射性治療以及化學治療)增加了遠端轉移的風險,荷爾蒙治療的風險比值是2.3(1.1,4.9),化學治療的風險比值是2.1(1.1,3.9),放射性治療的風險比值則是1.8(1.1,3.0)(參見表9)。
依圖5A顯示,低風險群、中度風險群以及高風險群的五年無遠端轉移機率分別是96.6%、85.0%以及59.6%。經由18基因分類法分析為低風險群的比例,在分期I、II以及III中分別是36.2%(79/218)、19.9%(82/411)以及9.7%(18/184)(圖5)。在分數<21的患者(低風險群)中,分期I、II以及III的五年無遠端轉移機率分別是100%、94.5%以及90.9%。在高風險群(分數≧44)中,對應的五年無遠端轉移機率分別是79.3%、68.0%以及40.6%。
依圖5E顯示,在管狀A型、管狀B型、管狀HER2型、HER2型以及三重陰性亞型中,低風險患者的比例分別是43.2%(115/266)、8.7%(9/103)、15.5%(26/168)、9.4%(13/138)以及11.2%(16/143)。如圖5E所示,在管狀A型、管狀B型、管狀HER2型、HER2型以及三重陰性亞型中,低風險群的五年無遠端轉移機率分別是97.5%、100%、90%、92.3%以及100%。對應的五年無復發機率分別為98.8%、100%、100%、100%以及90%。在高風險群中,對應的五年無遠端轉移機率分別是54.5%、54.2%、68.1%、47.9%以及69.2%。管狀亞型的平均18基因分數(26.8)低於HER2亞型(35.6)與三重陰性亞型(36.7)的平均18基因分數。
圖7以18基因分數做為一連續變項,說明18基因分類法是與遠端復發、局部區域復發、任何復發以及總存活率相關的一獨立預後因子。此一觀察所得全面性見於不同的年齡族群(<40、40~60以及>60)、分期(T3與T4除外)、亞型(雌激素受體、黃體激素受體以及HER2狀態)以及治療方案(化學治療、放射性治療以及荷爾蒙治療)。風險比值大約是1.06到1.14。分數每增加一分,則復發風險增加1.06到1.14。
在本發明的另一實施例中,有與沒有局部區域復發以及/或遠端轉移之患者的基因表現圖譜,係以一樹狀圖來表示(參見圖8)。以一無監督式分群分析18基因,以及根據該18基因分數進行135名患者的監督式分群後,揭露了有與沒有復發之患者的明顯差異基因表現圖譜。有局部區域復發的患者以藍色(■)表示,有局部區域復發以及遠端轉移的患者以紫色(■)表示,有遠端轉移的患者以紅色(■)表示,而無任何疾病的患者則以黃色( )表示,如圖8熱圖(heatmap)最下方所示。
18基因分類法為一多功能的基因檢測組合,其可為無論任何癌症亞型、分期、外科手術類型或輔助性治療,做遠端轉移的預估。低風險群、中度風險群以及高風險群的五年無遠端轉移機率分別是96.6%、85.0%以及59.6%。經過其他臨床與病理學變項調整的18基因分類法,是遠端轉移的一獨立預後因子,其風險比值為5.7(95%信賴區間,2.0~15.9)(參見表9)。樹狀圖證實,18基因分類法與不同次族群中的局部區域復發、遠處轉移、任何復發與死亡率之間顯著相關(圖5A到5D)。以18基因分數做為一連續變項,每增加1分,則遠端轉移的風險比值是1.08(95%信賴區間,
1.06~1.1)、局部復發的風險比值是1.09(1.06~1.13)、任何復發的風險比值是1.08(1.06~1.09)、而死亡率的風險比值則是1.09(1.06~1.13)。18基因分類法有能力同時做為遠處轉移及局部區域復發的一預後生物標記。
本研究族群的818名患者,係篩選自含有8,155名患者的一原始群組,這表示他們是從一獨立癌症中心隨機篩選的一乳癌患者族群,且該癌症中心治療了台灣大約十分之一的乳癌患者(參考文獻16及17)。不同於其他針對一特定亞型及乳癌分期的多基因檢測組合試驗,本研究指出,18基因分類法可以是一種通用的多基因檢測組合,可為全體乳癌患者提供關於遠端轉移的好壞預後價值。
本研究族群中的遠端轉移率高於一原始族群,這是因為有死亡率或復發的患者會最先被加入到研究中(圖4)。然而,此一族群的研究結果,與下列幾項普遍共識一致:(1)較高的T與N分期增加遠端轉移的可能性;(2)輔助性治療減少遠端轉移的可能性;(3)相較於管狀型乳癌,三重陰性亞型有較高的18基因分數以及復發率,比較有侵犯性。
18基因分類法可揭露總共22%、五年遠端轉移率低於4%的低風險乳癌患者。18基因分類法有三個獨特特徵。首先,它是第一個以亞洲為本、在大數量的一般乳癌患者中獲得證實的基因體檢測組合。其次,它似乎可為非管狀型乳癌進行復發風險分級。其三,它可同時預估局部區域復發以及遠端轉移的可能性。
過去15年來的一個共識是,初期乳癌是有不同分子亞型及預後的一種異質性疾病(參考文獻13、18及19)。正如上述關於背景的段落所言,截至目前為止已為初期乳癌發展出好幾個多基因檢測組合(參考
文獻15)。據宣稱,對於晚期遠端轉移的預估,後續發展的多基因檢測組合(安欣娜〔Prosigna〕、EndoPredict以及乳癌指數〔Breast Cancer Index〕)比前期發展的多基因檢測組合(安可待〔OncotypeDx〕、欣扶妳〔MammaPrint〕以及基因體分級指標〔Genomic Grade Index〕)成效表現較好(參考文獻20及21)。這幾個多基因檢測組合主要聚焦在管狀型(雌激素受體陽性/HER陰性)以及淋巴結陽性的乳癌,因此可能導致醫療人員忽略為亞型中的低風險群安排化學治療。
然而,以現有的檢測組合仍無法為非管狀型乳癌患者做復發風險分級。例如,70與76基因檢測組合對雌激素受體陽性患者的預後風險評估極具鑑別度,但只有低於5%的雌激素受體陰性患者被歸類於低風險群(參考文獻13及14)。此外也有報告指出,21基因檢測組合對於HER2亞型患者的評估,有相對高(>50%)的偽陰性率(參考文獻22)。這可能是因為第一代基因體檢測組合主要係憑藉細胞增生相關基因的量化,來判斷雌激素受體陽性疾病的預後(參考文獻23)。因此,這些研究使多基因檢測組合的臨床效用侷限在其他乳癌亞型的評估上。好幾項研究已顯示,與免疫反應(immune response)及基質侵犯(stromal invasion)相關的基因表現圖譜,對於雌激素受體陰性與高增生的雌激素受體陽性乳癌,有預後價值(參考文獻24到27)。然而,被第二代基因體檢測組合歸類為低風險群的患者,仍有高達20%的五年復發率。
本18基因分類法的18個基因,係與細胞增生、致癌過程、侵襲、發炎、細胞間交互作用、細胞凋亡和代謝相關的基因。在本研究中,18基因分類法將12.7%的HER2陽性與11.2%的三重陰性乳癌患者,分
別歸類於五年遠端轉移率8%及0%的低風險群。此一出人意表的結果提供了為非管狀型乳癌做復發風險分級的可能性。若果真如此,則將可能為此疾病亞型減少或免除化學治療的劑量。其他已知資訊是,18基因分類法歸類為高風險群的患者,無論接受何種治療、何種劑量密集(dose-dense)的化學治療或何種新的臨床試驗,他們的五年無遠端轉移機率都只有40%到60%。
此外,乳癌的種族差異性是另一個議題(參考文獻28)。相較於非西語白種人及非裔美人,亞洲女性在某些方面有較高存活率,這可能導致西方基因體檢測組合高估亞洲族裔的風險(參考文獻29)。
本發明的18基因分類法也能在高風險群患者中,辨識出那些能得益於劑量密集化學治療以及高劑量放射性治療的患者。低風險群患者的五年遠端轉移率只有2.2%(4/179)。從先前研究可知,輔助性化學治療可降低30%到50%的復發風險。假定可能性為最高,例如50%,則低風險群患者不接受化學治療的原始遠端轉移率可在大約4.4%。增加不到3%,因此可將剩餘其他95%的低風險群患者排除在化學治療的毒性作用外。
綜合考量下,18基因分類法是一種可同時預估局部區域復發以及遠端轉移的通用檢測組合。
**有6名患者的HER2狀態根據分子表現程度重新分類。
1. TRPV6:瞬態感受器電位陽離子通道(transient receptor potential cation channel)子類V成員6〔人類〕,國家生物技術資訊中心參考序列:NM_014274.3(序列辨識碼編號1)
2. DDX39:死亡盒螺旋酶39A(DEAD-box helicase 39A)〔人類〕(序列辨識碼編號2)
3. BUB1B:BUB1絲分裂關卡絲胺酸/羥丁氨酸激酶B(BUB1 mitotic checkpoint serine/threonine kinase B)〔人類〕(序列辨識碼編號3)
4. CCR1:CC主題趨化因子受體1(C-C motif chemokine receptor 1)〔人類〕國家生物技術資訊中心參考序列:NM_001295.2(序列辨識碼編號4)
5. STIL:SCL/TAL1阻斷基因座(interrupting locus)〔人類〕國家生物技術資訊中心參考序列:NM_003035.2(序列辨識碼編號5)
6. BLM:布盧姆綜合症類RecQ螺旋酶(Bloom syndrome RecQ like helicase)〔人類〕國家生物技術資訊中心參考序列:NM_000057.3(序列辨識碼編號6)
7. C16ORF7(舊名):VPS9結構域包含1(VPS9 domain containing 1)〔人類〕國家生物技術資訊中心參考序列:NM_004913.2(序列辨識碼編號7)
8. TPX2:TPX2,微管核因子(microtubule nucleation factor)〔人類〕國家生物技術資訊中心參考序列:NM_012112.4(序列辨識碼編號8)
9. PTI1(又名EEF1A1):真核翻譯延伸因子1阿爾法1(eukaryotic translation elongation factor 1 alpha 1)〔人類〕國家生物技術資訊中心參考序列:NM_001402.5(序列辨識碼編號9)
10. TCF3:轉錄因子3(transcription factor 3)〔人類〕國家生物技術資訊中心參考序列:NM_003200.3(序列辨識碼編號10)
11. CCNB1:週期素B1(cyclin B1)〔人類〕國家生物技術資訊中心參考序列:NM_031966.3(序列辨識碼編號11)
12. DTX2:Deltex 2,E3泛素化連接酶(ubiquitin ligase)〔人類〕國家生物技術資訊中心參考序列:NM_020892.2(序列辨識碼編號12)
13. PIM1:Pim-1原致癌基因(proto-oncogene),絲胺酸/羥丁氨酸激酶〔人類〕國家生物技術資訊中心參考序列:NM_002648.3(序列辨識碼編號13)
14. ENSA:內磺肽阿爾法(endosulfine alpha)〔人類〕國家生物技術資訊中心參考序列:NM_207042.1(序列辨識碼編號14)
15. RCHY1:環指與CHY鋅指結構域包含1(ring finger and CHY zinc finger domain containing 1)〔人類〕國家生物技術資訊中心參考序列:NM_015436.3(序列辨識碼編號15)
16. NFATC2IP:活化T細胞核因子交互作用蛋白(nuclear factor of activated T-cells 2 interacting protein)〔人類〕國家生物技術資訊中心參考序列:NM_032815.3(序列辨識碼編號16)
17. OBSL1:類obscurin 1(obscurin-like 1)〔人類〕國家生物技術資訊中心參考序列:NM_015311.2(序列辨識碼編號17)
18. MMP15:基質金屬蛋白酶15(matrix metallopeptidase 15)〔人類〕國家生物技術資訊中心參考序列:NM_002428.3(序列辨識碼編號18)
乳房切除術後放射性治療以每天一次、每週五次的頻率為患者進行。每個療程通常持續4到6週。這樣的治療方式不但對患者本人來說是沈重的負擔,也同樣給患者家屬及社會帶來極大壓力,包括每天為了治療通勤、向職場請假、因為員工請假而必須重新安排人力配置、額外的財務支出等。本發明的預後檢測與套組可提供更精準正確的評估,藉由辨識出復發以及/或遠端轉移風險低、不需要輔助性治療(例如乳房切除術後放射性治療、化學治療以及荷爾蒙治療)的患者,進而影響輔助性治療的決定,減少或避免過重或過度的治療。而減少或避免過重或過度的治療將可減少或避免不必要、與術後治療相關的副作用。加諸在患者、患者家屬以及社會上的相關負擔,可因此得到緩解。
雖然本發明所應用的(18基因檢測組合)分類法,與圖2所示的34基因組預測模型有一些共同的基本概念,但本發明提供的評估套組,具有高度準確性、靈敏性(真陽性率)與特異性(真陰性率),可準確進行評估與驗證。在臨床上,本(18基因檢測組合)分類法為患者局部區
域復發潛在風險的預估,提供一有效的輔助評估工具。
此外,本(18基因檢測組合)分類法也可預估乳癌患者的遠端轉移可能性。根據得分算式,18基因分數<21的患者被定義為遠端轉移的低風險群,18基因分數介於21與43之間的患者被定義為遠端轉移的中度風險群,而18基因分數≧44的患者則被定義為遠端轉移的高風險群。其優點是,主要治療結果為五年無遠端轉移機率。
追蹤期中位數為56.7(0到168.2)個月,低風險群(n=179/818,21.9%)、中度風險群(n=470/818,57.5%)以及高風險群(n=169/818,20.7%)患者的五年無遠端轉移機率,分別是96.6%、85%以及59.6%。第1期低風險群患者(n=79/218,36.2%)的五年無遠端轉移機率為100%,第2期低風險群患者(n=82/411,19.9%)的五年無遠端轉移機率為94.5%,第3期低風險群患者(n=18/184,9.7%)的五年無遠端轉移機率則為90.9%。多變量分析揭露,無論患者年齡、癌症亞型、腫瘤等級、淋巴結狀態或輔助性治療類型,本18基因分類法為一獨立預後因子,在分數≧21的風險比值調整為5.7(95%信賴區間,2.0到15.9;9=0.0009)時,影響遠端轉移。
業界典型認為,任何種類的風險預估一般都以5%的風險為基礎(或是95%的信賴水準)。在本發明中,在乳房切除手術以及/或乳房保留手術後,為乳癌患者預估局部區域復發以及/遠端轉移可能性時,區域復發以及/遠端轉移風險分級的建議臨界值,即以5%的風險為基礎(或是95%的信賴水準)。然而,本技術領域之一般技藝人士會理解,若有偏好或有要求比較保守或比較不保守時,臨界值可隨之改變。
例如,在上述一或多個實施例中,根據得分算式將患者
歸類於局部區域復發的一低風險群或高風險群時,最佳臨界值是31分。其中<31的分數被定義為局部區域復發的低風險群,而≧31分的分數則被定義為局部區域復發的高風險群。
又例如,在上述一或多個實施例中,根據得分算式,分數<21的患者被定義為遠端轉移的低風險群,分數介於21與43之間的患者被定義為遠端轉移的中度風險群,而分數≧44的患者則被定義為遠端轉移的高風險群。
上述所提之參照分數31(或第一預設參照值),也可用來將患者歸類於遠端轉移的一低風險群或一高風險群。然而,若將這樣的分數應用在遠端轉移的風險分級,則整體準確度、靈敏度與特異度都會受到影響(例如,增加或減少)。
同樣地,上述所提之<21的分數(或第二預設參照值)、介於21與43之間的分數以及≧44的分數(或第三預設參照值),也可用來將患者歸類於局部區域復發的一低風險群或一高風險群。然而,若將這樣的分數應用在局部區域復發的風險分級,則整體準確度、靈敏度與特異度都會受到影響(例如,增加或減少)。
綜合考量下,雖然本說明書描述了局部區域復發以及遠端轉移風險分級的較佳或最佳分數,但仍可依照偏好或要求的保守程度或風險嗜好改變最佳參照值。
本18基因分類法的優點是,它為一通用的乳癌預後生物標記,可用來為乳癌患者預估或評估局部區域復發以及/或遠端轉移風險。
現行的醫療實務是根據靜態的平均數(static average)
安排治療。雖然某些治療的確能提供幫助,但某些治療卻不然。這導致醫療資源的大浪費。相較之下,本發明的優點是提供一精準有效的評估方法、系統與套組,使醫療與保險資源的運用更加準確有效。
根據本發明之一面向的一套組可包括抗體(antibodies)、適體(aptamer)、放大系統(amplification system)、檢測試劑(色原〔chromogen〕以及螢光團〔fluorophore〕等)、稀釋用緩衝溶劑(dilution buffer)、洗滌液(washing solution)、對比染色(counter stain)或前述的任何組合。可將套組組件予以包裝,方便手動或部分或全自動執行上述方法。在其他應用套組的實施例中,本發明提供的一套組包括本發明的構成組件,並可選擇包括這些構成組件的用法說明。這樣的套組可有各種不同用途,包括例如將患者族群分級、診斷、預後、導引治療處置的決定以及其他應用。
在本說明書、或併入本說明書做為參考之任何文件中,所提及之任何產品的任何製造者用法說明、描述、產品說明書以及產品單,都在此併入本說明書做為參考,且可應用在本發明的實施中。
本說明書揭露的所有特徵都可以任何組合形式結合。在本發明書中揭露的每一個特徵都可以一替代特徵取代,達到相同、相等或類似目的。因此,除非特別另行聲明,否則本說明書所揭露的每一個特徵都只是一系列相等或類似特徵的其中一個範例。
綜上所述,需瞭解上述實施例僅只做為本發明的範例說明,本技術領域之一般技藝人士很容易可確定本發明的基本特徵,且可在
不偏離本發明的精神與範疇之下,為本發明做各種更改與變化,以使之適合各種用法與條件。因此,其他實施例也涵蓋在本發明專利申請範圍之內。
1. Taghian A、Jeong JH、Mamounas E等人。在接受乳房切除手術,以及有或無抗雌激素(tamoxifen)的輔助性化學治療,但未受放射性治療下,可開刀治療之乳癌患者的局部區域失敗模式:國家外科輔助乳房及胃腸計畫(National Surgical Adjuvant Breast and Bowel Project)五項隨機臨床試驗的結果。臨床腫瘤學期刊(J Clin Oncol),2004年,第22期,第4247到4254頁。
2. Cheng SH、Horng CF、Clarke JL等人。乳房切除手術後,乳癌患者局部區域復發的預後指數分數以及臨床預測模型。放射腫瘤學、生物學、物理學國際期刊(Int J Radia Oncol Biol Phys),2006年,第64期,第1401到1409頁。
3. Zellars RC、Hilsenbeck SG、Clark BM等人。乳房切除手術後,P53應用於乳癌患者局部失敗的預後價值。臨床腫瘤學期刊,2000年,第18期,第1906到1913頁。
4. Van der Hage JA、van den Broek LJ、Legrand C等人。P70 S6激酶蛋白的過度表現,與淋巴結陰性、停經前期(premenopausal)之初期乳癌患者局部區域復發風險增加的相關性。英國癌症期刊(Br J Cancer),2004年,第90期,第1543到1550頁。
5. Recht A、Edge SB、Solin LJ等人。乳房切除術後放射性治療:美國臨床腫瘤學學會(American Society of Clinical Oncology)的臨床實務指導方
針。臨床腫瘤學期刊,2001年,第19期,第1539到1569頁。
6. Overgaard M、Hansen PS、Overgaard J等人。接受輔助性化學治療、停經前期之高風險乳癌患者的術後放射性治療。丹麥乳癌合作組織(Danish Breast Cancer Cooperative Group)第82b號試驗。國家英語醫學期刊(N Engl J Med),1997年,第337期,第949到955頁。
7. Overgaard M、Jensen MB、Overgaard J等人。接受輔助性抗雌激素、停經前期之高風險乳癌患者的術後放射性治療。丹麥乳癌合作組織第82c號隨機試驗。刺胳針(Lancet),1999年,第353期,第1641到1648頁。
8. Ragaz J、Jackson SM、Le N等人。淋巴結陽性、停經前期乳癌患者的輔助性放射性治療以及化學治療。國家英語醫學期刊,1997年,第337期,第956到962頁。
9. EBCTCG、McGale P、Taylor C等人。乳房切除手術以及腋下手術(axillary surgery)後,放射性治療對於十年復發以及二十年乳癌死亡率的影響:22個隨機試驗中8135名婦女的個別病人資料綜合分析(meta-analysis)。刺胳針,2014年,第383期,第2127到2135頁。
10. Paik S、Shak S、Tang G等人。抗雌激素治療後,用來預估淋巴結陰性乳癌復發的一多基因檢驗法。國家英語醫學期刊,2004年,第351期,第2817到2826頁。
11. Cheng SH、Horng CF、West M等人。乳房切除術後乳癌局部區域復發的基因體預估。臨床腫瘤學期刊,2006年,第24期,第4594到4602頁。
12. Solin LJ、Gray R、Baehner FL等人。用來預估胸部乳腺管原位癌局部復發風險的一多基因表現檢驗法。國家癌症協會期刊(J Natl Cancer
Inst),2013年,第105期,第701到710頁。
13. Van’t Veer LJ、Dai H、van de Vijver MJ等人。以基因表現圖譜預估乳癌的臨床治療結果。自然(Nature),2002年,第415期,第530到536頁。
14. Wang Y、Klijn JG、Zhang Y等人。用來預估淋巴結陰性原生乳癌之遠端轉移的基因表現圖譜。刺胳針,2005年,第365期,第671到679頁。
15. Harris LN、Ismaila N、McShane LM等人。應用生物標記為初期侵襲性乳癌婦女決定輔助性系統性治療類型:美國臨床腫瘤學學會的臨床實務指導方針。臨床腫瘤學期刊,2016年。
16. 台灣癌症登記年報(Cancer Registry Annual Report),2012台灣。台灣HPAMOHAW主編。台北,2015年,第68到69頁。
17. Porter ME、Baron JF、Wang CJ。和信治癌中心醫院:乳癌治療在台灣。哈佛商業評論(Harvard Business School Review),2010年。
18. Sorlie T、Perou CM、Tibshirani R等人。以乳癌的基因表現模式辨別腫瘤子型(tumor subclass)的臨床意義。美國國家科學院院刊(Proc Natl Acad Sci U S A),2001年,第98期,第10869到10874頁。
19. Perou CM、Sorlie T、Eisen MB等人。人類乳房腫瘤的分子圖像(molecular portraits)。自然,2000年,第406期,第747到752頁。
20. Mook S、Schmidt MK、Viale G等人。在一獨立的驗證研究中,以70基因預後標誌(prognosis-signature),為1到3顆陽性淋巴結的乳癌患者預估疾病治療結果。乳癌研究與治療(Breast Cancer Res Treat),2009年,第116期,第295到302頁。
21. Dubsky P、Brase JC、Jakesz R等人。以EndoPredict分數,為雌激素受體
陽性/HER2陰性的乳癌患者,提供關於晚期遠端轉移的預後資訊。英國癌症期刊,2013年,第109期,第2959到2964頁。
22. Dabbs DJ、Klein ME、Mohsin SK、Tubbs RR、Shuai Y、Bhargava R。安可待檢測中HER2定量逆轉錄聚合酶連鎖反應的高偽陰性率:一獨立的品質保證(quality assurance)研究。臨床腫瘤學期刊,2011年,第29期,第4279到4285頁。
23. Reis-Filho JS、Pusztai L。乳癌的基因表現圖譜:分類、預後以及預估。刺胳針,2011年,第378期,第1812到1823頁。
24. Reyal F、van Vliet MH、Armstrong NJ等人。一全面性的預後標誌分析揭露,乳癌中細胞增生、免疫反應以及RNA剪接模組(splicing modules)具有高度預估能力。乳癌研究,2008年,第10期,R93。
25. Teschendorff AE、Caldas C。有高度預估價值、能在雌激素受體陰性乳癌中辨識出預後良好患者的一穩健分類法。乳癌研究,2008年,第10期,R73。
26. Bianchini G、Qi Y、Alvarez RH等人。乳癌基質(stroma)的分子解剖(Molecular anatomy),以及將其應用在雌激素受體陽性與陰性癌症中的預後價值。臨床腫瘤學期刊,2010年,第28期,第4316到4323頁。
27. Finak G、Bertos N、Pepin F等人。以基質基因表現預測乳癌的臨床治療結果。自然醫學(Nat Med),2008年,第14期,第518到527頁。
28. Albain KS、Unger JM、Crowley JJ、Coltman CA、Hershman DL。西南腫瘤小組(Southwest Oncology Group)隨機臨床試驗患者之癌症存活率的種族差異性。國家癌症機構期刊(Journal of the National Cancer
Institute),2009年。
29. Carey LA、Perou CM、Livasy CA等人。卡羅萊納州乳癌研究中的種族、乳癌亞型以及存活率。美國醫學會雜誌(JAMA),2006年,第295期,第2492到2502頁。
Claims (31)
- 一種可在乳房切除手術以及/或乳房保留手術後,用來為乳癌患者預估局部區域復發以及/或遠端轉移可能性的方法,包括:i. 從該乳癌患者取出一樣本,測量其中至少一基因的表現程度;以及ii. 根據測量所得之該至少一基因的表現程度,演算得出一分數;其中該至少一基因係選自一組基因,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1、MMP15、以及上述基因的一部分、一同源基因、一變異基因或一衍生基因;以及其中演算得出之分數顯示該乳癌患者局部區域復發以及/或遠端轉移的可能性。
- 如申請專利範圍第1項所述之方法,其中根據測量所得之該至少一基因的表現程度,演算得出一分數的步驟,係應用一預測性的分類模型來進行。
- 如申請專利範圍第2項所述之方法,其中該預測性分類模型包括至少一得分算式。
- 如申請專利範圍第3項所述之方法,其中該方法包括在演算得出的分數低於一第一預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移之一低風險群的一步驟。
- 如申請專利範圍第4項所述之方法,其中該方法包括在演算得出的分數等於或高於該第一預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移之一高風險群的一步驟。
- 如申請專利範圍第1到3項之任一項所述之方法,其中該方法包括在演算得出的分數低於一第二預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移之一低風險群的一步驟。
- 如申請專利範圍第6項所述之方法,其中該方法包括在演算得出的分數等於或高於一第三預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移之一高風險群的一步驟。
- 如申請專利範圍第7項所述之方法,其中該方法包括在演算得出的分數介於該第二預設參照值(含)以及該第三預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移之一中度風險群的一步驟。
- 如申請專利範圍第8項所述之方法,其中該至少一得分算式係選自一組算式,該組算式包括:i. 分數=TRPV6+DDX39+BUB1B+CCR1+STIL+BLM+C16ORF7+TPX2+PTI1+TCF3+CCNB1+DTX2+PIM1+ENSA+RCHY1+NFATC2IP+OBSL1+MMP15;其中當風險比值<1時,每一基因以1分計算,總分數為18分;ii. 分數=TRPV6+DDX39+BUB1B+CCR1+STIL+BLM+2×C16ORF7+TPX2+PTI1+TCF3+CCNB1+DTX2+PIM1+ENSA+RCHY1+2×NFATC2IP+OBSL1+2×MMP15;其中當風險比值<1時,若以單變量分析驗證該些基因,則每一基因以1分計算,若以多變量分析驗證該些基因,則每一基因以2分計算,所以總分數為21分;iii. 分數=3×TRPV6+5×DDX39+18×BUB1B+4×CCR1+4×STIL+7×BLM+7×C16ORF7+4×P1M1+9×TPX2+8×PTI1+3×TCF3+7×CCNB1+2×DTX2+2×ENSA+5×RCHY1+6×NFATC2IP+2×OBSL1+6×MMP15;其中該些基因以單變量分析驗證,而每一基因的分數根據其加權值重新調整,所以總分數為102分;iv. 分數=2×TRPV6+2×DDX39+2×BUB1B+CCR1+STIL+2×BLM+5×C16ORF7+3×PIM1+3×TPX2+5×PTI1+TCF3+CCNB1+DTX2+2×ENSA+3×RCHY1+4×NFATC2IP+OBSL1+MMP15;其中該些基因以多變量分析驗證,而每一基因的勝算比重新調整為一介於1到5之間的分數,當勝算比<1時,每一基因以1分計算,所以總分數為40分;以及v. 分數=4×TRPV6+3×DDX39+8×BUB1B+CCR1+STIL+3×BLM+11×C16ORF7+4×PIM1+TPX2+2×PTI1+2×TCF3+CCNB1+DTX2+2×ENSA+5×RCHY1+4×NFATC2IP+OBSL1+2MMP15;其中該些基因以多變量分析驗證,而每一基因的勝算比重新調整為一介於1到11之間的分數,當勝算比<1時,每一基因以1分計算,所以總分數為56分。
- 如申請專利範圍第8項所述之方法,其中測量該至少一基因之表現程度的步驟,包括使該至少一基因與至少一基因探針雜交,且測量該至少一基因的表現程度。
- 如申請專利範圍第10項所述之方法,其中該至少一基因探針包括選自一組基因的至少一基因,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1、MMP15、以及上述基因的一部分、一同源基因、一變異基因或一衍生基因。
- 如申請專利範圍第11項所述之方法,其中該至少一基因探針係固定在一微陣列晶片上。
- 如申請專利範圍第12項之所述之方法,其中基因表現程度的測量,係應用一微陣列或定量逆轉錄聚合酶連鎖反應來進行。
- 如申請專利範圍第4項所述之方法,其中該第一預設參照值為31分。
- 如申請專利範圍第6項所述之方法,其中該第二預設參照值為21分。
- 如申請專利範圍第7項所述之方法,其中該第三預設參照值為44分。
- 如申請專利範圍第10項所述之方法,其中該患者有下列情形之一:無陽性淋巴結、1到3顆陽性淋巴結、以及3顆以上陽性淋巴結。
- 可在乳房切除手術以及/或乳房保留手術後,用來為乳癌患者預估局部區域復發以及/或遠端轉移可能性的一套組,包括:i. 可特別與患者身上取得之一樣本中的至少一基因結合的至少一試劑,用以定量該至少一基因的表現程度;以及ii. 一預測性的分類模型,其包括至少一得分算式,用以根據該至少一基因的表現程度演算得出一分數;其中該至少一基因係選自一組基因,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1、MMP15、以及上述基因的一部分、一同源基因、一變異基因或一衍生基因;以及其中演算得出之分數顯示該乳癌患者局部區域復發以及/或遠端轉移的可能性。
- 如申請專利範圍第18項所述之套組,其中當演算得出的分數低於一第一預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移的一低風險群。
- 如申請專利範圍第19項所述之套組,其中當演算得出的分數等於或高於該第一預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移的一高風險群。
- 如申請專利範圍第18項所述之套組,其中當演算得出的分數低於一第二預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移的一低風險群。
- 如申請專利範圍第21項所述之套組,其中當演算得出的分數等於或高於一第三預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移的一高風險群。
- 如申請專利範圍第21或22項所述之套組,其中當演算得出的分數介於該第二預設參照值(含)以及該第三預設參照值時,將該乳癌患者歸類於局部區域復發以及/或遠端轉移的一中度風險群。
- 如申請專利範圍第23項所述之套組,其中該至少一得分算式係選自一組算式,該組算式包括:i. 分數=TRPV6+DDX39+BUB1B+CCR1+STIL+BLM+C16ORF7+TPX2+PTI1+TCF3+CCNB1+DTX2+PIM1+ENSA+RCHY1+NFATC2IP+OBSL1+MMP15;其中當風險比值<1時,每一基因以1分計算,總分數為18分;ii. 分數=TRPV6+DDX39+BUB1B+CCR1+STIL+BLM+2×C16ORF7+TPX2+PTI1+TCF3+CCNB1+DTX2+PIM1+ENSA+RCHY1+2×NFATC2IP+OBSL1+2×MMP15;其中當風險比值<1時,若以單變量分析驗證該些基因,則每一基因以1分計算,若以多變量分析驗證該些基因,則每一基因以2分計算,所以總分數為21分;iii. 分數=3×TRPV6+5×DDX39+18×BUB1B+4×CCR1+4×STIL+7×BLM+7×C16ORF7+4×PIM1+9×TPX2+8×PTI1+3×TCF3+7×CCNB1+2×DTX2+2×ENSA+5×RCHY1+6×NFATC2IP+2×OBSL1+6×MMP15;其中該些基因以單變量分析驗證,而每一基因的分數根據其加權值重新調整,所以總分數為102分;iv. 分數=2×TRPV6+2×DDX39+2×BUB1B+CCR1+STIL+2×BLM+5×C16ORF7+3×PIM1+3×TPX2+5×PTI1+TCF3+CCNB1+DTX2+2×ENSA+3×RCHY1+4×NFATC2IP+ORSL1+MMP15;其中該些基因以多變量分析驗證,而每一基因的勝算比重新調整為一介於1到5之間的分數,當勝算比<1時,每一基因以1分計算,所以總分數為40分;以及v. 分數=4×TRPV6+3×DDX39+8×BUB1B+CCR1+STIL+3×BLM+11×C16ORF7+4×PIM1+TPX2+2×PTI1+2×TCF3+CCNB1+DTX2+2×ENSA+5×RCHY1+4×NFATC2IP+OBSL1+2MMP15;其中該些基因以多變量分析驗證,而每一基因的勝算比重新調整為一介於1到11之間的分數,當勝算比<1時,每一基因以1分計算,所以總分數為56分。
- 如申請專利範圍第19或20項所述之套組,其中該第一預設參照值為31分。
- 如申請專利範圍第21項所述之套組,其中該第二預設參照值為21分。
- 如申請專利範圍第23項所述之套組,該第三預設參照值為44分。
- 如申請專利範圍第27項所述之套組,其中該患者有下列情形之一:無陽性淋巴結、1到3顆陽性淋巴結、以及3顆以上陽性淋巴結。
- 使用於乳房切除手術以及/或乳房保留手術後的一微陣列晶片,至少一基因探針係固定在該微陣列晶片上,用來測量選自一組基因之至少一基因的表現程度,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1、MMP15、以及上述基因的一部分、一同源基因、一變異基因或一衍生基因。
- 可在乳房切除手術以及/或乳房保留手術後,用來為乳癌患者預估局部區域復發以及/或遠端轉移可能性的一方法,包括:i. 從該乳癌患者取出一樣本,測量其中複數基因的表現程度;以及ii. 根據測量所得之該些複數基因的表現程度,演算得出一分數;其中該些複數基因係選自一組基因,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1、MMP15、以及上述基因的一部分、一同源基因、一變異基因或一衍生基因;以及其中演算得出之分數顯示該乳癌患者局部區域復發以及/或遠端轉移的可能性。
- 可在乳房切除手術以及/或乳房保留手術後,用來為乳癌患者預估局部區域復發以及/或遠端轉移可能性的一套組,包括:i. 可特別與患者身上取得之一樣本中的複數基因結合的至少一試劑,用以定量該些複數基因的表現程度;以及ii. 一預測性的分類模型,其包括至少一得分算式,用以根據該些複數基因的表現程度演算得出一分數;其中該些複數基因係選自一組基因,該組基因包括:TRPV6、DDX39、BUB1B、CCR1、STIL、BLM、C16ORF7、TPX2、PTI1、TCF3、CCNB1、DTX2、PIM1、ENSA、RCHY1、NFATC2IP、OBSL1、MMP15、以及上述基因的一部分、一同源基因、一變異基因或一衍生基因;以及其中演算得出之分數顯示該乳癌患者局部區域復發以及/或遠端轉移的可能性。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104115832A TWI582240B (zh) | 2015-05-19 | 2015-05-19 | 以基因體預後評估試劑組預測乳癌患者局部區域復發風險及放射治療有效性的方法、用途及裝置 |
PCT/SG2016/050238 WO2016186582A2 (en) | 2015-05-19 | 2016-05-19 | Gene expression profiles and uses thereof in breast cancer |
??PCT/SG2016/050238 | 2016-05-19 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201741915A TW201741915A (zh) | 2017-12-01 |
TWI622892B true TWI622892B (zh) | 2018-05-01 |
Family
ID=57320928
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104115832A TWI582240B (zh) | 2015-05-19 | 2015-05-19 | 以基因體預後評估試劑組預測乳癌患者局部區域復發風險及放射治療有效性的方法、用途及裝置 |
TW106115393A TWI622892B (zh) | 2015-05-19 | 2017-05-10 | 基因表現圖譜以及將其應用於乳癌醫療之方法與套組與微陣列晶片 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104115832A TWI582240B (zh) | 2015-05-19 | 2015-05-19 | 以基因體預後評估試劑組預測乳癌患者局部區域復發風險及放射治療有效性的方法、用途及裝置 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20180298449A1 (zh) |
EP (1) | EP3298167B1 (zh) |
JP (1) | JP6931926B2 (zh) |
KR (1) | KR20180002882A (zh) |
CN (1) | CN107614696A (zh) |
HK (1) | HK1252038A1 (zh) |
TW (2) | TWI582240B (zh) |
WO (1) | WO2016186582A2 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3874062A4 (en) * | 2018-11-04 | 2022-08-24 | PFS Genomics, Inc. | METHODS AND GENOMIC CLASSIFIERS FOR PRODICTING BREAST CANCER AND PREDICTING THE BENEFITS OF ADJUVANT RADIATION THERAPY |
CN112646890B (zh) * | 2020-12-29 | 2024-08-16 | 郑鸿钧 | 用于预测早期乳腺癌远处复发风险的多基因检测引物 |
CN112835316B (zh) * | 2021-01-06 | 2022-04-19 | 重庆医科大学 | 新生儿败血症休克预测系统及监控设备 |
TWI847027B (zh) * | 2021-04-20 | 2024-07-01 | 新加坡商安智生醫私人有限公司 | 乳癌復發與轉移風險預估方法與套組 |
CN115424669B (zh) * | 2022-08-18 | 2023-06-13 | 南方医科大学南方医院 | 一种基于lr评分的三阴性乳腺癌疗效及预后评估模型 |
CN115449554A (zh) * | 2022-09-30 | 2022-12-09 | 上海市东方医院(同济大学附属东方医院) | Cc基序趋化因子受体1作为生物标记物和靶点筛选药物中的用途 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1256713A (zh) * | 1997-03-17 | 2000-06-14 | 约安·普斯卡斯 | 癌症的快速诊断方法 |
US20060094056A1 (en) * | 2003-09-15 | 2006-05-04 | Oklahoma Medical Research Foundation | Method of using cytokine assays to diagnose treat, and evaluate inflammatory and autoimmune diseases |
TW200643176A (en) * | 2005-02-28 | 2006-12-16 | Oncotherapy Science Inc | ZNFN3A1/breast cancer related gene ZNFN3A1 |
US20130143760A1 (en) * | 2010-06-11 | 2013-06-06 | Immunovia Ab | Method, Array and Use Thereof |
TW201512404A (zh) * | 2013-09-18 | 2015-04-01 | Nat Defense Medical Ct | 預測乳癌復發之基因標記及方法 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5527681A (en) | 1989-06-07 | 1996-06-18 | Affymax Technologies N.V. | Immobilized molecular synthesis of systematically substituted compounds |
US5837832A (en) | 1993-06-25 | 1998-11-17 | Affymetrix, Inc. | Arrays of nucleic acid probes on biological chips |
US5858659A (en) | 1995-11-29 | 1999-01-12 | Affymetrix, Inc. | Polymorphism detection |
US5861242A (en) | 1993-06-25 | 1999-01-19 | Affymetrix, Inc. | Array of nucleic acid probes on biological chips for diagnosis of HIV and methods of using the same |
AU8126694A (en) | 1993-10-26 | 1995-05-22 | Affymax Technologies N.V. | Arrays of nucleic acid probes on biological chips |
US5631734A (en) | 1994-02-10 | 1997-05-20 | Affymetrix, Inc. | Method and apparatus for detection of fluorescently labeled materials |
US5578832A (en) | 1994-09-02 | 1996-11-26 | Affymetrix, Inc. | Method and apparatus for imaging a sample on a device |
US5556752A (en) | 1994-10-24 | 1996-09-17 | Affymetrix, Inc. | Surface-bound, unimolecular, double-stranded DNA |
US5545531A (en) | 1995-06-07 | 1996-08-13 | Affymax Technologies N.V. | Methods for making a device for concurrently processing multiple biological chip assays |
US5856174A (en) | 1995-06-29 | 1999-01-05 | Affymetrix, Inc. | Integrated nucleic acid diagnostic device |
US5733729A (en) | 1995-09-14 | 1998-03-31 | Affymetrix, Inc. | Computer-aided probability base calling for arrays of nucleic acid probes on chips |
US5843655A (en) | 1995-09-18 | 1998-12-01 | Affymetrix, Inc. | Methods for testing oligonucleotide arrays |
JP4906505B2 (ja) * | 2003-07-10 | 2012-03-28 | ジェノミック ヘルス, インコーポレイテッド | 癌診断のための発現プロフィールアルゴリズムおよび試験 |
US20050186577A1 (en) * | 2004-02-20 | 2005-08-25 | Yixin Wang | Breast cancer prognostics |
JP2005270093A (ja) * | 2004-02-24 | 2005-10-06 | Nippon Medical School | 乳癌の術後予後予測に関与する遺伝子 |
US8349555B2 (en) * | 2005-03-16 | 2013-01-08 | Gennadi V. Glinsky | Methods and compositions for predicting death from cancer and prostate cancer survival using gene expression signatures |
EP2520668B1 (en) * | 2007-01-31 | 2014-12-24 | Celera Corporation | A molecular prognostic signature for predicting breast cancer distant metastasis, and uses thereof |
WO2012079059A2 (en) * | 2010-12-09 | 2012-06-14 | Biotheranostics, Inc. | Post-treatment breast cancer prognosis |
EP2823059A2 (en) * | 2012-03-06 | 2015-01-14 | Oslo Universitetssykehus HF | Gene signatures associated with efficacy of postmastectomy radiotherapy in breast cancer |
US9564870B2 (en) * | 2012-07-02 | 2017-02-07 | Nec Corporation | Structural body and wiring board |
WO2014066796A2 (en) * | 2012-10-25 | 2014-05-01 | Myriad Genetics, Inc. | Breast cancer prognosis signatures |
-
2015
- 2015-05-19 TW TW104115832A patent/TWI582240B/zh active
-
2016
- 2016-05-19 WO PCT/SG2016/050238 patent/WO2016186582A2/en active Application Filing
- 2016-05-19 JP JP2017560653A patent/JP6931926B2/ja active Active
- 2016-05-19 US US15/575,139 patent/US20180298449A1/en not_active Abandoned
- 2016-05-19 KR KR1020177036467A patent/KR20180002882A/ko not_active Application Discontinuation
- 2016-05-19 EP EP16796852.8A patent/EP3298167B1/en active Active
- 2016-05-19 CN CN201680003592.XA patent/CN107614696A/zh active Pending
-
2017
- 2017-05-10 TW TW106115393A patent/TWI622892B/zh active
-
2018
- 2018-09-05 HK HK18111370.7A patent/HK1252038A1/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1256713A (zh) * | 1997-03-17 | 2000-06-14 | 约安·普斯卡斯 | 癌症的快速诊断方法 |
US20060094056A1 (en) * | 2003-09-15 | 2006-05-04 | Oklahoma Medical Research Foundation | Method of using cytokine assays to diagnose treat, and evaluate inflammatory and autoimmune diseases |
TW200643176A (en) * | 2005-02-28 | 2006-12-16 | Oncotherapy Science Inc | ZNFN3A1/breast cancer related gene ZNFN3A1 |
US20130143760A1 (en) * | 2010-06-11 | 2013-06-06 | Immunovia Ab | Method, Array and Use Thereof |
TW201512404A (zh) * | 2013-09-18 | 2015-04-01 | Nat Defense Medical Ct | 預測乳癌復發之基因標記及方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3298167B1 (en) | 2021-01-20 |
TW201741915A (zh) | 2017-12-01 |
WO2016186582A3 (en) | 2017-03-30 |
KR20180002882A (ko) | 2018-01-08 |
EP3298167A4 (en) | 2019-01-16 |
EP3298167A2 (en) | 2018-03-28 |
CN107614696A (zh) | 2018-01-19 |
HK1252038A1 (zh) | 2019-05-10 |
WO2016186582A2 (en) | 2016-11-24 |
JP6931926B2 (ja) | 2021-09-08 |
TW201641693A (zh) | 2016-12-01 |
TWI582240B (zh) | 2017-05-11 |
JP2018515124A (ja) | 2018-06-14 |
US20180298449A1 (en) | 2018-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI622892B (zh) | 基因表現圖譜以及將其應用於乳癌醫療之方法與套組與微陣列晶片 | |
Harbeck et al. | Molecular and protein markers for clinical decision making in breast cancer: today and tomorrow | |
Rahbari et al. | Identification of differentially expressed microRNA in parathyroid tumors | |
WO2017215230A1 (zh) | 一组胃癌基因的应用 | |
JP2020503850A (ja) | 腫瘍抑制foxo活性を酸化ストレスから区別する方法 | |
US20110136680A1 (en) | Tumor grading and cancer prognosis | |
US20220186317A1 (en) | Predicting breast cancer recurrence | |
KR20120065959A (ko) | 위암의 예후 예측용 마커 및 이를 이용하는 위암의 예후 예측 방법 | |
WO2013088457A1 (en) | Genetic variants useful for risk assessment of thyroid cancer | |
JP2009528825A (ja) | デュークスb大腸がんの再発を予測するための分子的解析 | |
EP1880335A1 (en) | Gene-based algorithmic cancer prognosis | |
US20090192045A1 (en) | Molecular staging of stage ii and iii colon cancer and prognosis | |
US9721067B2 (en) | Accelerated progression relapse test | |
WO2016118670A1 (en) | Multigene expression assay for patient stratification in resected colorectal liver metastases | |
Cappetta et al. | Discovery of novel DNA methylation biomarkers for non‐invasive sporadic breast cancer detection in the Latino population | |
WO2015154715A1 (en) | A method of diagnosis, prognosis or treatment of a cancer | |
CN113736879B (zh) | 用于小细胞肺癌患者预后的系统及其应用 | |
US20210102260A1 (en) | Patient classification and prognositic method | |
WO2016033250A1 (en) | Late er+breast cancer onset assessment and treatment selection | |
EP2872651B1 (en) | Gene expression profiling using 5 genes to predict prognosis in breast cancer | |
DTX et al. | Additionally, gene segments or polymorphic gene segments | |
JP2015000006A (ja) | 悪性神経膠腫Grade4患者の予後予測方法及びキット |