WO2022098086A1 - 비기능성 전사체를 이용한 parp 저해제 또는 dna 손상 약물 감수성 판정방법 - Google Patents

비기능성 전사체를 이용한 parp 저해제 또는 dna 손상 약물 감수성 판정방법 Download PDF

Info

Publication number
WO2022098086A1
WO2022098086A1 PCT/KR2021/015800 KR2021015800W WO2022098086A1 WO 2022098086 A1 WO2022098086 A1 WO 2022098086A1 KR 2021015800 W KR2021015800 W KR 2021015800W WO 2022098086 A1 WO2022098086 A1 WO 2022098086A1
Authority
WO
WIPO (PCT)
Prior art keywords
dna
value
drug
damaging
functional
Prior art date
Application number
PCT/KR2021/015800
Other languages
English (en)
French (fr)
Inventor
최정균
강헌구
조은해
Original Assignee
한국과학기술원
주식회사 녹십자지놈
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 한국과학기술원, 주식회사 녹십자지놈 filed Critical 한국과학기술원
Priority to US18/251,033 priority Critical patent/US20230383363A1/en
Priority to JP2023527969A priority patent/JP2023548419A/ja
Priority to EP21889551.4A priority patent/EP4243023A1/en
Publication of WO2022098086A1 publication Critical patent/WO2022098086A1/ko

Links

Images

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
    • G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
    • G16B15/30—Drug targeting using structural data; Docking or binding prediction
    • 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
    • C12Q1/6869—Methods for sequencing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G16B20/10—Ploidy or copy number 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
    • G16B20/20—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
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • 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
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G16B30/10—Sequence alignment; Homology search
    • 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
    • C12Q2600/106—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
    • C12Q2600/158—Expression markers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning

Definitions

  • the present invention relates to a method for determining the susceptibility to a PARP inhibitor or a DNA damaging agent using a non-functional transcript, and more particularly, by extracting a nucleic acid from a biological sample to determine the ratio of DNA repair related genes To determine the sensitivity to PARP inhibitors or DNA damaging drugs by obtaining the expression level of functional transcripts for each transcript, and then analyzing the transcript usage (TU) of non-functional transcripts for each gene based on the obtained expression level. it's about how
  • Biomarkers are defined as “indicators that can objectively measure and evaluate the susceptibility of drugs to normal biological processes, disease progression, and treatment methods”. With the recent development of gene analysis technology, research on the relationship between specific gene mutations and specific diseases has increased. It is being redefined as an indicator.
  • CDx Companion Diagnostics Device
  • Companion Diagnosis is a diagnostic technique for predicting a patient's susceptibility to a specific drug treatment in advance.
  • Targeted anticancer drugs that selectively attack specific target proteins have been developed to overcome the shortcomings of most existing anticancer drugs, which have large side effects by acting on both cancer cells and normal cells.
  • targeted anticancer drugs are only effective for cancer patients having a specific target protein even for the same type of cancer, the treatment efficiency is very low unless the patient with the target molecule is selected.
  • targeted anticancer drugs depend on inhibition of cell growth and proliferation rather than apoptosis, the possibility of resistance development due to continuous drug administration over a long period of time is high. Therefore, before administering the drug, it is necessary to analyze the target of the anticancer agent to select a group of patients showing an effect on the drug.
  • the companion diagnostic kit is a method to check the overexpression of a specific protein through immunohistochemical tests such as DAKO and HercepTest, and FISH or CISH test using a DNA probe for gene amplification of a specific gene such as Ventana Medical Systems, INFORM HER-2/NEU There is a method for confirming the biomarker gene by using genomic techniques such as q-PCR such as Roche Diagnostics and cobas EGFR mutation test to check whether the biomarker gene is mutated or not.
  • olaparib (Olaparib, AZD2281) is an anticancer agent with a function of inhibiting abnormal proliferation of cancer cells, and is an inhibitor of "PARP protein".
  • PARP is a protein that repairs DNA in cells when it is damaged, and plays a major role in contributing to the cell's ability to repair DNA and continue to proliferate.
  • Olaparib inhibits the proliferation of cancer cells by inhibiting the function of this PARP.
  • This olaparib is well known as a targeted treatment for ovarian cancer and breast cancer, and is known as an effective anticancer agent, especially for cancer patients who have genetic mutations in BRCA1 and BRCA2.
  • anticancer drugs is greatly affected by DNA repair (repair) ability, and since there are individual differences in resistance and toxicity of anticancer drugs, selection using a suitable therapeutic sensitivity marker can lead to a breakthrough in anticancer drug treatment.
  • Studies on the therapeutic sensitivity of individual anticancer drugs according to specific genes have been continuously and actively developed in recent years. However, due to the complex action of factors related to the biological response to a specific drug, the diversity of therapeutic agents and administration methods, and the difficulty in securing a large amount of samples, the reality is that notable results are still weak.
  • Foundation Medicine's FoundationFocusCDxBRCA product is also a companion diagnostic product that diagnoses the relationship between BRCA1 and BRCA2 mutations and the PARP inhibitor rucaparib. is in a low state.
  • Genomic scar is detected as three chromosomal abnormalities, each of which means telomeric allelic imbalances (NtAI), large-scale state transition (LST) and loss of heterozygosity (LOH) (Abkevich, V. et al., Br. J. Cancer. Vol. 107, pp. 1776-1782, 2012; Popova, T. et al., Cancer Res. Vol. 72, pp. 5454-5462, 2012 ; Nicolai J. Birkbak. CANCER Discov. Vol. 2, 367, 2012).
  • NtAI telomeric allelic imbalances
  • LST large-scale state transition
  • LH loss of heterozygosity
  • Genomic HRD (genomic HRD, gHRD) analysis is inevitably affected by the functional recovery of HR. That is, the occurrence of another mutation that restores the function of BRCA1/2 is responsible for approximately half of the cases of platinum drug resistance in ovarian cancer (Norquist, B. et al., J. Clin. Oncol. Vol. 29, pp. 3008-3015, 2011).
  • a BRCA1/2 independent mechanism was also known in relation to PARP inhibitor resistance (Chaudhuri, A. R. et al., Nature. Vol. 535, pp. 382-387, 2016). Even in the situation where HR function is restored as described above, there is a problem that the genomic scar that occurred initially is still detected. Moreover, it is known that false positives are further increased due to technical problems in calculating the mutational signature (Maura, F. et al., Nat. Commun. Vol. 10, 2019).
  • the present inventors made diligent efforts to develop a method for determining high-accuracy susceptibility to DNA-damaging drugs, including PARP inhibitors or platinum, using transcript structure information of DNA repair-related genes, In the case of extracting non-functional transcripts that are presumed to be translated into non-translational or loss-of-function proteins and then analyzing their expression levels, the sensitivity to PARP inhibitors or DNA-damaging drugs is determined by HRD detection method at the level of genetic mutation. It was confirmed that the determination could be made with lower false positives and with higher accuracy, and the present invention was completed.
  • Another object of the present invention is to provide a device for determining the sensitivity to a PARP inhibitor and a DNA-damaging drug using a non-functional transcript.
  • Another object of the present invention is to provide a computer-readable storage medium comprising instructions configured to be executed by a processor for determining susceptibility to a PARP inhibitor and a DNA damaging drug by the above method.
  • Another object of the present invention is to provide a target RNA sequencing kit using the above method.
  • the present invention comprises the steps of: a) extracting nucleic acids from a biological sample to obtain the expression levels of non-functional transcripts of DNA repair-related genes for each transcript; b) calculating Transcript Usage (TU) of non-functional transcripts for each gene based on the obtained expression level; And c) if the value obtained by analyzing the calculated TU value is greater than or equal to the reference value, PARP (Poly ADP Ribose Polymerase) inhibitor or susceptibility to DNA damaging drugs (genotoxic drugs) PARP comprising the step of determining that there is A method for determining susceptibility to an inhibitor or a DNA damaging drug is provided.
  • TU Transcript Usage
  • the present invention also provides a computer-readable recording medium comprising an apparatus for determining sensitivity to a PARP inhibitor or DNA-damaging drug used in the method for determining sensitivity to the PARP inhibitor or DNA-damaging drug, and instructions for performing the determination method do.
  • the present invention also provides a targeted RNA sequencing (Targeted RNA-Seq) kit used in the method for determining sensitivity to the PARP inhibitor or DNA-damaging drug.
  • RNA sequencing Targeteted RNA-Seq
  • the present invention also provides a cancer treatment method comprising administering a PARP inhibitor or a DNA-damaging drug to a patient determined to be sensitive according to the method for determining sensitivity to the PARP inhibitor or DNA-damaging drug.
  • FIG. 1 is an overall flow chart for determining the susceptibility (susceptibility) to the PARP inhibitor or DNA-damaging drug of the present invention.
  • FIG. 2 is a conceptual diagram of a method of calculating a transcript usage (TU) for each transcript according to the present invention.
  • FIG. 3 is a result showing that minor isoforms overexpressed in a gHRD(+) sample according to an embodiment of the present invention lead to statistically significant loss of protein function.
  • 5 is a result showing that genes overexpressing a minor isoform in a gHRD(+) sample are statistically significantly associated with various subfunctions of DNA repair according to an embodiment of the present invention.
  • FIG. 6 is a comparison of the results of predicting drug susceptibility of breast cancer cell lines with gHRD and tHRD derived based on 104 transcripts of 36 breast cancer-related genes in an embodiment of the present invention.
  • the drug sensitivities between cell lines predicted to be positive for gHRD and tHRD and cell lines determined to be negative were expressed as IC50 values.
  • FIG. 7 shows the results of predicting drug susceptibility of breast cancer cell lines with gHRD and tHRD derived based on 104 transcripts of 36 breast cancer-related genes in an embodiment of the present invention. Precision and recall As a comparison result from the side, the blue dotted line is the performance before gHRD (signature3) correction, the solid line is the performance after correction, and the red is the tHRD performance.
  • (A) and (C) are the results of predicting the platinum reactivity of ovarian cancer patients with gHRD
  • (B) and (D) are 89 of 25 genes related to ovarian cancer discovered in an embodiment of the present invention. This is the result of predicting platinum reactivity in ovarian cancer patients with tHRD based on canine transcriptome.
  • (A) and (B) are the results of comparing the survival rates of patients classified as positive and negative for gHRD and tHRD
  • (C) and (D) are the precision and reproducibility of the two methods. recall) and receiver operating characteristics, the blue dotted line is gHRD (scar) and the blue solid line is gHRD (signature3). Red indicates tHRD performance.
  • (A) and (C) are the results of predicting the platinum reactivity of ovarian cancer patients with gHRD
  • (B) and (D) are 89 of 25 genes related to ovarian cancer discovered in an embodiment of the present invention. This is the result of predicting platinum reactivity in ovarian cancer patients with tHRD based on 10 major canine transcripts.
  • (A) and (B) are the results of comparing the survival rates of patients classified as positive and negative for gHRD and tHRD
  • (C) and (D) are the precision and reproducibility of the two methods. recall) and receiver operating characteristics, the blue dotted line is gHRD (scar) and the blue solid line is gHRD (signature3). Red indicates tHRD performance.
  • FIG. 12 is a comparison of the performance of the tHRD model trained based on the platinum reactivity rather than the gHRD standard and the performance of predicting the platinum reactivity with gHRD.
  • A) and (B) are the results of comparing the survival rates of patients classified as positive and negative in a model trained with gHRD and tHRD, respectively, after platinum treatment
  • C) and (D) are the results of the two methods As a result of analyzing precision and recall and receiver operating characteristics for
  • FIG. 13 is a result of survival analysis using the cancer metastasis period after treatment with platinum drug after classifying actual ovarian cancer patients with the tHRD model constructed in an embodiment of the present invention, (A) is 12 months, (B) denotes 24 months, and (C) denotes the entire period.
  • first, second, A, and B may be used to describe various components, but the components are not limited by the above terms, and only for the purpose of distinguishing one component from other components. is used only as For example, a first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component without departing from the scope of the present invention. and/or includes a combination of a plurality of related listed items or any of a plurality of related listed items.
  • each constituent unit is responsible for. That is, two or more components to be described below may be combined into one component, or one component may be divided into two or more for each more subdivided function.
  • each of the constituent units to be described below may additionally perform some or all of the functions of other constituent units in addition to the main function it is responsible for. Of course, it can also be performed by being dedicated to it.
  • each process constituting the method may occur differently from the specified order unless a specific order is clearly described in context. That is, each process may occur in the same order as specified, may be performed substantially simultaneously, or may be performed in the reverse order.
  • the usage rate (TU value) of each non-functional transcript is calculated based on the transcript expression level information of the non-functional transcripts of the genes obtained from the sample, and then the value obtained by analyzing the TU value is used as a reference value.
  • genomic HRD is calculated from breast cancer/ovarian cancer patient data, classified into a gHRD(+) group and a gHRD(-) group, and then major isoforms for each gene and After distinguishing a plurality of minor isoforms, the transcripts usage (TU) value of the transcript for each minor isoform is calculated, and then the minor isoform is overexpressed in gHRD(+), that is, a gene showing aberrant TU(aTU). As a result of the excavation, it was found that these are mainly genes related to DNA repair.
  • genes and their minor isoforms to be used for optimizing drug susceptibility for each cancer type were selected, and the TU values of these minor isoforms were used as input data of the random forest model.
  • an artificial intelligence model to determine the presence or absence of HRD, a method was developed to determine the high sensitivity of PARP inhibitors or DNA-damaging drugs when tHRD is positive (FIG. 1).
  • PARP inhibitor comprising the step of determining that there is susceptibility to poly ADP ribose polymerase (PARP) inhibitors or genotoxic drugs Or it relates to a method for determining susceptibility to a DNA-damaging drug.
  • PARP poly ADP ribose polymerase
  • the nucleic acid may be characterized as RNA, but is not limited thereto.
  • step a) may be characterized in that it is performed by a method comprising the following steps:
  • nucleic acids from blood, semen, vaginal cells, hair, saliva, urine, oral cavity cells, cancer tissue cells, FFPE samples and mixtures thereof;
  • a-v acquiring sequence information (reads) of nucleic acids in a next-generation gene sequencing machine.
  • any method for enriching the DNA repair-related genes can be used as long as it is a technique known to those skilled in the art, and there are probe-based capture and primer-based amplification methods, but are limited thereto. it is not
  • the library may be composed of cDNA, but is not limited thereto.
  • next-generation sequencer may be used by any sequencing method known in the art. Sequencing of nucleic acids isolated by selection methods is typically performed using next-generation sequencing (NGS). Next-generation sequencing includes any sequencing method that determines the nucleotide sequence of either an individual nucleic acid molecule or a cloned extended proxy for an individual nucleic acid molecule in a highly similar manner (e.g., 10 5 or more molecules simultaneously sequenced). In one embodiment, the relative abundance of a nucleic acid species in a library can be estimated by counting the relative number of occurrences of its cognate sequence in data generated by sequencing experiments. Next-generation sequencing methods are known in the art and are described, for example, in Metzker, M. (2010) Nature Biotechnology Reviews 11:31-46, which is incorporated herein by reference.
  • next-generation sequencing is performed to determine the nucleotide sequence of an individual nucleic acid molecule (e.g., HeliScope Gene Sequencing system from Helicos BioSciences and Pacific Biosciences). PacBio RS system).
  • sequencing e.g., mass-parallel short-read sequencing that yields more bases of sequence per sequencing unit (e.g., San Diego, CA) than other sequencing methods yielding fewer but longer reads.
  • the Illumina Inc. Solexa sequencer) method determines the nucleotide sequence of a cloned extended proxy for an individual nucleic acid molecule (e.g., Illumina, San Diego, CA).
  • Solexa sequencer 454 Life Sciences (Branford, Conn.) and Ion Torrent).
  • Other methods or machines for next-generation sequencing include, but are not limited to, 454 Life Sciences (Branford, Conn.), Applied Biosystems (Foster City, CA; SOLiD Sequencer), Helicos. Bioscience Corporation (Cambridge, MA) and emulsion and microfluidic sequencing techniques Nano Droplets (eg, GnuBio Drops).
  • Platforms for next-generation sequencing include, but are not limited to, Roche/454's Genome Sequencer (GS) FLX System, Illumina/Solexa Genome Analyzer (GA). , Life/APG's Support Oligonucleotide Ligation Detection (SOLiD) system, Polonator's G.007 system, Helicos BioSciences' HeliScope Gene Sequencing system and Pacific Biosciences' PacBio RS system.
  • tissue sample refers to tissue or circulating cells of a subject or patient, respectively. refers to the collection of similar cells obtained from Sources of tissue samples include solid tissue from fresh, frozen and/or preserved organs, tissue samples, biopsies or aspiration; blood or any blood component; bodily fluids such as cerebrospinal fluid, amniotic fluid, peritoneal fluid or interstitial fluid; or cells from any point in the subject's pregnancy or development.
  • a tissue sample may contain compounds that do not naturally intermix with tissue in nature, such as preservatives, anticoagulants, buffers, fixatives, nutrients, antibiotics, and the like.
  • the sample is prepared as a frozen sample or as a formaldehyde- or paraformaldehyde-fixed paraffin-embedded (FFPE) tissue preparation.
  • FFPE formaldehyde- or paraformaldehyde-fixed paraffin-embedded
  • the sample may be embedded in a matrix, such as a FFPE block or frozen sample.
  • the sample is a tumor sample, eg, comprising one or more precancerous or malignant cells.
  • the sample eg, a tumor sample
  • the sample, eg, a tumor sample is obtained from a solid tumor, a soft tissue tumor, or a metastatic lesion.
  • the sample, eg, a tumor sample comprises tissue or cells from a surgical resection.
  • the sample, eg, a tumor sample comprises one or more blood tumor cells (CTCs) (eg, CTCs obtained from a blood sample).
  • CTCs blood tumor cells
  • the step of obtaining the expression level of the non-functional transcript for each gene can be used without limitation as long as it is an NGS-based RNA-seq data analysis method known to those skilled in the art.
  • the DNA repair-related genes may include without limitation any gene known to be related to DNA repair, preferably ABL1, ALKBH1, APEX1, APTX, ASF1A, ATM, ATP23, ATR, ATRX, ATXN3, BLM, BRCA1, BRCA2, BTG2, CCNO, CDKN2D, CEBPG, CIB1, CSNK1D, CSNK1E, DDB1, DDB2, ERCC1, ERCC2, ERCC3, ERCC4, ERCC5, ERCC6, ER45ACC8, EXO1, FANCG, FANCC, FANCA GADD45G, GTF2H1, GTF2H4, HMGB1, HMGB1P10, HMGB2, HUS1, IGHMBP2, KAT5, LIG1, LIG3, LIG4, MLH1, MMS19, MNAT1, MPG, MRE11, MSH2, MSH3, NHJ1, MSH6, NHJ, MSH6 OGG1, PARP1, PARP3, PMS
  • the DNA repair-related genes are ALKBH2, ATXN3, BABAM2, BRIP1, CDCA5, CHEK1, DCLRE1C, DDB2, ERCC1, EXO1, FANCB, FANCC, FANCI, 10 selected from the group consisting of FEN1, KAT5, MGME1, MND1, MSH5, MUS81, NEIL1, PARP3, PARP9, POLD1, RAD51, RAD51AP1, RAD54L, RFC4, RPAIN, SMARCB1, SMC1A, TICRR, TRIP13, UBE2T, UBE2V2 and USP47 It may be characterized as more than one gene, but is not limited thereto.
  • the DNA repair-related genes are ABRAXAS1, ASCC1, BLM, CHEK2, ERCC1, EXO1, GADD45A, MUTYH, NSMCE4A, PARP2, POLE2, RAD51AP1, RAD51B , RECQL4, RHNO1, RMI2, RPS3, SUMO1, TNKS1BP1, UBB, UBE2A, UIMC1, USP45, VCP and XPC selected from the group consisting of 10 or more genes selected from the group consisting of, but is not limited thereto.
  • the non-functional transcript of step a) may be characterized in that it is a minor isoform, and the minor isoform is a protein in which normal translation of the protein is not made or the function is lost. It may include, but is not limited to, a transcript that is presumed to be translated or a transcript that is not used for protein translation.
  • the non-functional transcripts of step a) are transcripts encoding well-conserved proteins for each gene in a known database (eg, APRIS database) (eg, principal (1-5) in the APRIS database) It may be characterized as a transcript remaining after removing the transcript corresponding to the APRIS database
  • the non-functional transcripts may further include selecting non-functional transcripts derived from genes having an average count per million (CPM) value of 1 or more for each gene in order to improve the accuracy of subsequent analysis.
  • CPM average count per million
  • the TU value is the TPM value of all transcripts occurring in one gene. Taking the sum as the denominator, it may be characterized as a unit in the form of a ratio in which the TPM of each transcript is the numerator, preferably calculated by the following Equation 1:
  • the TU value of a specific transcript in the selected gene in order to improve the accuracy of subsequent analysis is 1 to 5% or more, preferably 3% or more It may further comprise the step of selecting the transcriptome.
  • the step of obtaining a value by analyzing the calculated TU value of step c) is genomic Homologous Recombinant Deficiency (gHRD) positive or nonfunctional overexpressed in a sample known to have drug reactivity
  • the TU value of transcripts is multiplied by a specific weight and summed to derive a decision value within a specific range, or a decision-making procedure that makes a final decision according to the aspect in which the TU value of each non-functional transcript exceeds a specific reference value is used. can be done with
  • the specific weight can be used without limitation as long as it is a value for deriving a judgment value of a specific range, and the ratio overexpressed in a sample known to have genomic Homologous Recombinant Deficiency (gHRD) positive or drug reactivity It may be characterized as having a larger value as the TU value of the functional transcripts increases.
  • gHRD genomic Homologous Recombinant Deficiency
  • the determination value of the specific range can be used without limitation as long as it is a value capable of discriminating the sensitivity positive and negative of the PARP inhibitor or DNA-damaging drug, and preferably a value that can be normalized to between 0 and 1, but limited to this it is not going to be
  • the specific reference value is a non-functional transcript obtained from a sample known to be genomic Homologous Recombinant Deficiency (gHRD) positive or drug-reactive, preferably the TU value of the over-expressed non-functional transcript. It can be determined based on, but is not limited to.
  • the step of obtaining a value by analyzing the calculated TU value of step c) is genomic homologous recombination deficiency (gHRD) positive or overexpressed in a sample known to have drug reactivity It may be characterized in that the method comprising the step of multiplying the TU values of the non-functional transcripts corresponding to the non-functional transcripts by a weight, summing them, and normalizing them to a value between 0 and 1 and deriving it.
  • gHRD genomic homologous recombination deficiency
  • the weight can be used without limitation as long as it is a value assigned so that the summed value is a value between 0 and 1, and a sample known to have genomic Homologous Recombinant Deficiency (gHRD) positive or drug reactivity. It can be characterized as having a larger value as the TU value of the non-functional transcripts overexpressed in .
  • gHRD genomic Homologous Recombinant Deficiency
  • the step of obtaining a value by analyzing the calculated TU value of step c) is genomic homologous recombination deficiency (gHRD) positive for the obtained TU value of each non-functional transection.
  • gHRD genomic homologous recombination deficiency
  • it can be carried out using a decision-making procedure that determines based on the TU values of non-functional transcripts obtained from a sample known to be drug-responsive.
  • the step of obtaining a value by analyzing the calculated TU value of step c) may be characterized in that it is performed using an artificial intelligence model.
  • the artificial intelligence model is a previously known genomic homologous recombination deficiency (genomic Homologous Recombinant Deficiency, gHRD) positive sample or a weight for the TU value of the non-functional transcripts for each gene derived from a positive sample for drug responsiveness and Building a predictive model for the relationship between gHRD or drug reactivity and the expression level of non-functional transcripts for each gene by machine learning the reference value of the judgment value derived therefrom, or the reference value of each TU value for decision-making, and the structure of the decision-making procedure can be characterized.
  • genomic homologous recombination deficiency genomic Homologous Recombinant Deficiency, gHRD
  • gHRD genomic Homologous Recombinant Deficiency
  • the artificial intelligence model of the present invention is a decision value made by summing the weighted TU values and combinations of weights that can be applied to the TU values of non-functional transcripts for each gene overexpressed in a gHRD-positive or drug-responsive positive sample.
  • a predictive model by machine learning to reflect the standard value of the transcript expression pattern for each patient, or to compare the TU value of non-functional transcripts for each gene overexpressed in gHRD-positive or drug-responsive samples with each standard value. It is to construct a predictive model through machine learning by structuring the decision-making process so that it can reflect various patient-specific transcriptome expression patterns.
  • the artificial intelligence model of the present invention multiplies the TU value of the non-functional transcripts for each gene overexpressed in a gHRD-positive or drug-reactive-positive sample by multiplying the weight so that the summed value is close to 1, and a predictive model is built. will be.
  • the various patient-specific transcript expression patterns may refer to the type and pattern of overexpressed transcripts depending on the patient.
  • the reference value can be used without limitation as long as it is a value that can determine the sensitivity of the sample to a PARP inhibitor or a DNA-damaging drug, preferably 0.5 to 1, more preferably 0.5 to 0.8, most preferably may be 0.5, but is not limited thereto.
  • the machine learning can be used without limitation if it is supervised learning, but preferably K-Nearest Neighbors, Linear Regression, Logistic Regression, Support Vector Machine (SVM, Support Vector Machine), decision tree (Decision Tree), random forest (Random Forest) and may be characterized in that it is performed by any one or more methods selected from the group consisting of a neural network (Neural Network), but limited to this it is not going to be
  • supervised learning but preferably K-Nearest Neighbors, Linear Regression, Logistic Regression, Support Vector Machine (SVM, Support Vector Machine), decision tree (Decision Tree), random forest (Random Forest)
  • SVM Support Vector Machine
  • Decision Tree Decision Tree
  • Random Forest random forest
  • the lower decision tree learns in a direction to minimize the Gini impurity calculated by Equation 2 below:
  • i is the i-th node
  • n is the number of result classes
  • k is the k-th class of the result
  • p i,k is the ratio of the samples belonging to class k among the training samples in the i-th node. do.
  • the random forest creates multiple training data that allow duplication based on one training data, then trains multiple sub-decision trees based on this, then calculates the average of these model predictions to make the final to derive predicted values.
  • the machine learning when the machine learning is learned based on gHRD, it was learned to predict the HRD status by using the TU values of minor isoforms of genes involved in DNA repair as input data.
  • the HRD status is based on gHRD. classified.
  • the TU value of minor isoforms of genes involved in DNA repair is used as input data to predict reactivity to DNA damaging drugs such as PARP inhibitors or platinum.
  • the reactivity to the drug was based on whether the cancer progressed within 6 months after drug treatment as usual. Accordingly, patients with cancer progression within 6 months were classified as resistant patients, and those with no progression were classified as reactive patients.
  • tHRD transcriptional homologous recombination deficiency
  • the difference in TU values between the group (gHRD(+)) and the group that does not show HRD (gHRD(-)) at the genomic level is statistically analyzed.
  • a case in which a specific minor isoform was relatively overexpressed was defined as aberrant TU(aTU)
  • a case in which overexpression was performed in the gHRD(+) group was defined as “aTU in gHRD(+)”
  • a case in which overexpression in the gHRD(-) group was overexpressed was defined as “ aTU in gHRD(-)”.
  • both the isoform corresponding to aTU in gHRD(+) and the isoform corresponding to aTU in gHRD(-) can appear in the same gene, but in practice, in genes related to DNA repair, aTU in gHRD(+) is It was found to be much more frequent.
  • genomic scar and “signature 3” refer to a chromosomal rearrangement or mutation pattern that appears in cells in which the function of homologous recombination is lost, regardless of which part of the homologous recombination pathway is lost, the entire genome It refers to the chromosomal rearrangement or mutation pattern that occurs at the level, and can be confirmed by array-based comparative genomic hybridization (aCGH), single nucleotide polymorphism (SNP) genotyping, and next generation sequencing (NGS).
  • aCGH array-based comparative genomic hybridization
  • SNP single nucleotide polymorphism
  • NGS next generation sequencing
  • the PARP inhibitor can be used without limitation as long as it is a substance capable of inhibiting the activity of the PARP protein, but preferably a natural compound, synthetic compound, DNA, RNA, peptide, enzyme, ligand that inhibits the PARP protein activity.
  • cell extracts or secretions of mammals more preferably AZD2281 (Olaparib), ABT888 (Veliparib, Veliparib), AG014699 (Rucaparib, Rucaparib), MK-4827 (Niraparib), BMN-673(Talazoparib), BSI201(Iniparib), BGP15(O-(3-piperidino-2-hydroxy-1-propyl)nicotinicamidoxime),INO1001(3-Aminobenzamide), ONO2231, Nicotinamide (nicotinamide), 3-aminobenzamide, ,4-dihydro-5-[4-(1-piperidinyl)butoxy]-1(2H)-isoquinolone (3,4-dihydro -5-[4-(1-piperidinyl)butoxy]-1(2H)-isoquinolone), benzamide, quinolone, isoquinolone, benzopyrone, cyclic
  • the target cancer disease of the PARP inhibitor is ACTH-producing tumor, acute lymphocytic or lymphoblastic leukemia, acute or chronic lymphocytic leukemia, acute non-lymphocytic leukemia, bladder cancer, brain tumor, breast cancer, cervical cancer, chronic myelogenous leukemia, Lymphoma, endometriosis, esophageal cancer, bladder cancer, Ewing's sarcoma, tongue cancer, Hopkins lymphoma, Kaposi's sarcoma, kidney cancer, liver cancer, lung cancer, mesothelioma, multiple myeloma, neuroblastoma, non-Hopkin's lymphoma, osteosarcoma, ovarian cancer, It may be characterized in that it is selected from the group consisting of mammary gland cancer, prostate cancer, pancreatic cancer, colon cancer, penis cancer, retinoblastoma, skin cancer, stomach cancer, thyroid pressure, uterine cancer, testicular cancer, Wil
  • the DNA-damaging drug can be used without limitation as long as it is a drug that causes DNA modifications such as inducing crosslink, double-strand break, and intercalation of intracellular DNA, preferably bleomycin, cisplatin ( Cisplatin), carboplatin, oxaliplatin, nedaplatin, doxorubicin, etoposide, and SN38. it is not going to be
  • PARP inhibitor or DNA damage drug susceptibility determination method according to the present invention may include the following steps in one specific form, but is not limited thereto (FIG. 1).
  • the present invention is an apparatus for determining sensitivity to a PARP inhibitor or a DNA-damaging drug used in the method for determining sensitivity to a PARP inhibitor or a DNA-damaging drug according to the present invention, the device comprising:
  • an information acquisition unit that extracts nucleic acids from a biological sample and obtains the expression levels of non-functional transcripts of DNA repair-related genes by transcript;
  • a susceptibility determination unit for determining that there is susceptibility to PARP (Poly ADP Ribose Polymerase) inhibitors or genotoxic drugs;
  • It relates to a sensitivity determination device comprising a.
  • the information obtaining unit includes: a data receiving unit for receiving RNA fragment (reads) data obtained by a large-scale parallel sequencing method from an independently produced biological sample; a data aligning unit aligning the received data with a reference genome; a filtering unit that performs filtering according to data quality; and an expression level acquisition unit configured to obtain expression levels thereof by selecting non-functional transcripts of DNA repair related genes, but is not limited thereto.
  • the present invention is a computer-readable recording medium used in a method for determining sensitivity to a PARP inhibitor or a DNA-damaging drug according to the present invention, wherein the medium is a PARP inhibitor or a DNA-damaging drug. commands configured to be executed by
  • a processor comprising the step of determining that there is susceptibility to PARP (Poly ADP Ribose Polymerase) inhibitors or genotoxic drugs It relates to a computer-readable recording medium comprising instructions configured to be executed by a computer-readable medium.
  • PARP Poly ADP Ribose Polymerase
  • the method according to the present disclosure may be implemented using a computer.
  • the computer includes one or more processors coupled to a set of chips.
  • memory, storage, keyboard, graphics adapter, pointing device and network adapter are connected to the chip set.
  • the performance of the chipset is enabled by a Memory Controller Hub and an I/O Controller Hub.
  • the memory may be used directly coupled to the processor instead of a chip set.
  • a storage device is any device capable of holding data, including a hard drive, Compact Disk Read-Only Memory (CD-ROM), DVD, or other memory device. Memory is concerned with data and instructions used by the processor.
  • the pointing device may be a mouse, track ball or other type of pointing device and is used in combination with a keyboard to transmit input data to the computer system.
  • the graphics adapter presents images and other information on the display.
  • the network adapter is connected to the computer system through a local or long-distance communication network.
  • the computer used herein is not limited to the above configuration, but may not have some configuration or may include an additional configuration, and may also be a part of a Storage Area Network (SAN), and the computer of the present application may be adapted to the execution of a module in a program for the performance of the method according to the present invention.
  • SAN Storage Area Network
  • a module may mean a functional and structural combination of hardware for performing the technical idea according to the present application and software for driving the hardware.
  • the module may mean a logical unit of a predetermined code and a hardware resource for executing the predetermined code, and does not necessarily mean physically connected code or one type of hardware. is apparent to those skilled in the art.
  • a method according to the present disclosure may be implemented in hardware, firmware, or software or a combination thereof.
  • the storage medium includes any medium that stores or transmits a form readable by a device such as a computer.
  • the computer readable medium may include ROM (Read Only Memory); random access memory (RAM); magnetic disk storage medium; optical storage media; flash memory devices and other electrical, optical or acoustic signal transmission media and the like.
  • the present application also relates to a computer-readable medium comprising an executable module for executing a processor to perform an operation comprising the steps according to the present application described above.
  • the present invention provides a targeted RNA sequencing (Targeted RNA-Seq) kit used in a method for determining sensitivity to a PARP inhibitor or a DNA-damaging drug in the present invention, the kit comprising
  • probes that capture transcripts of DNA repair related genes and it relates to a targeting RNA sequencing kit comprising a primer amplifying the captured transcript.
  • the transcript may be characterized as a non-functional transcript, but is not limited thereto.
  • the kit is a nucleic acid amplification reaction such as a buffer, DNA polymerase, DNA polymerase cofactor, and deoxyribonucleotide-5-triphosphate (dNTP) (eg, , polymerase chain reaction) may optionally include reagents necessary for carrying out.
  • the kit of the present invention may also include various oligonucleotide molecules, reverse transcriptase, various buffers and reagents, and antibodies that inhibit DNA polymerase activity.
  • the optimal amount of reagents to be used in a particular reaction of the kit can be readily determined by a person skilled in the art having the teachings herein.
  • the equipment of the present invention may be manufactured as a separate package or compartment comprising the aforementioned components.
  • the kit may include a partitioned carrier means for containing a sample, a container including a reagent, a container including a probe or primer, and a container including a probe for detecting the amplification product.
  • the carrier means is suitable for containing one or more containers, such as bottles and tubes, each container containing independent components for use in the method of the present invention.
  • containers such as bottles and tubes
  • each container containing independent components for use in the method of the present invention.
  • one of ordinary skill in the art can readily dispense the required formulation in a container.
  • the present invention also relates to a cancer treatment method comprising administering a PARP inhibitor or a DNA-damaging drug to a patient determined to be sensitive according to the method for determining sensitivity to the PARP inhibitor or DNA-damaging drug.
  • Example 1 Obtaining genomic data and transcriptome data of breast and ovarian cancer patients
  • RNA sequencing data were available from 645 breast cancer samples for which whole-exome sequencing (WES), genotyping data (Affymetrix SNP chip) and RNA sequencing (RNA-seq) data were available from the TCGA database and 315 samples from ovarian cancer for which platinum treatment response data were available were collected (https://portal.gdc.cancer.gov/).
  • WES and RNA-seq data were obtained from the CCLE database (https://portals.broadinstitute.org/ccle).
  • the genomic scar of the samples collected in Example 1 was calculated using the existing software (https://github.com/GerkeLab/TCGAhrd) based on the Affymetrix SNP data, and the mutational signature 3 based on the WES data is mSignatureDB in TCGA Values calculated using deconstructSigs in (Po-Jung Huang. et al. mSignatureDB a database for deciphering mutational signatures in human cancers) were used.
  • RNA-seq bam files were used as input and TPM (transcripts per million) of novel transcripts was calculated using the stringtie 2-pass method.
  • TPM transcripts per million
  • the assemble step was performed using gencode v29 gtf (gencode v19 gtf for CCLE), and merged.gtf prepared by merging the gtfs of individual samples from there was used as a new reference annotation for second pass transcript quantification. step was carried out.
  • TPM values of most transcripts expressed in each sample were obtained, and TUs for each transcript were calculated using Equation 1 below (FIG. 2).
  • transcript annotation provided by the APPRIS database (Jose Manuel Rodriguez. et al. Nucleic Acids Res. Vol. 46(D1):D213-D217, 2018.) was used, and the version of the annotation was 2019. 02. It is v29.
  • minor transcript (alternative transcript)
  • the standards provided by APPRIS were used as it is, and the Principals (1-5), which are transcripts coding for proteins that are functionally and evolutionarily conserved, were determined to be major forms and all removed.
  • the Principals (1-5) which are transcripts coding for proteins that are functionally and evolutionarily conserved, were determined to be major forms and all removed.
  • a minor transcript set consisting of alternative or not-report was selected.
  • CPM Count per million
  • aTU was discovered through comparison between gHRD(+) and gHRD(-) groups. For more precise classification, samples having a genomic scar value of the upper 50% within gHRD(+) and samples having a genomic scar value of the lower 50% within gHRD(-) were additionally selected.
  • transcripts were sorted based on the U value of the Mann-Whitney U test (FDR ⁇ 5%), and HR-related terms overlapped in the matrix.
  • the U value means that the larger the value, the more the minor isoform of the gene is expressed in the gHRD(+) sample.
  • ATU was discovered by applying the method of 5-1 to ovarian cancer.
  • the most significant aTU for each gene was selected by applying P ⁇ 0.05 of the Mann-Whitney U test without applying the BH correction due to the lack of the number of genes.
  • P ⁇ 0.05 of the Mann-Whitney U test without applying the BH correction due to the lack of the number of genes.
  • transcripts In the case of breast cancer, among 115 transcripts, 104 available in the CCLE data set used for drug response testing were prepared as input to the final model, and in the case of ovarian cancer, all transcripts were prepared as input.
  • Random Forest was used as the tHRD prediction model.
  • a predictive model was constructed by dividing the gHRD into positive and negative based on gHRD, and in the case of ovarian cancer, a predictive model was additionally generated by dividing the reactivity and resistance based on platinum reactivity.
  • the ratio of the training set and the test set was split at 7:3, and hyperparameter tuning was performed 100 times using the RandomizedSearchCV package, and the optimal hyperparameter was selected by measuring the mean validation accuracy through 3-fold cross validation, respectively.
  • a predictive model was built by learning the model with hyperparameters found through RandomizedSearchCV through RandomForestClassifier of the sklearn.ensemble module.
  • the signature 3 fitted with the breast cancer-specific cosmic signature set was calculated. Based on this, the cell line belonging to the top 25% of the signature 3 value was defined as gHRD(+) and the rest as gHRD(-).
  • the difference in drug response between tHRD(+) and tHRD(-) predicted from the breast cancer random forest model was measured through 104 TU data for 36 breast cancer cell lines for which Genomics of Drug Sensitivity in Cancer (GDSC) data was available.
  • GDSC Genomics of Drug Sensitivity in Cancer
  • the IC50 values for PARP inhibitors overlaparib, Rucaparib, Veliparib, Talazoparib
  • other DNA-damaging agents Boxorubicin, Etoposide, SN-38
  • the number of true positives, false positives, true negatives, and false negatives was measured based on the median IC50 while changing the signature 3 value and the tHRD predicted value.
  • Example 7-1 the performance was confirmed by constructing an additional predictive model based on platinum responsiveness according to progression within 6 months as suggested in the above reference.
  • the prediction result of the model showed high specificity (1.0) when cancer metastasis within 6 months after drug treatment was set as the basis, and the prediction result of the model showed high specificity (0.78), sensitivity ( 0.63) was confirmed (Table 6).
  • the PARP inhibitor or DNA-damaging drug susceptibility determination method according to the present invention unlike the method for determining PARP inhibitor or DNA-damaging drug sensitivity based on existing genetic mutation information, uses the information of the transcript transcribed from the gene, It is useful not only to judge the sensitivity in real time, but also because of its high accuracy.

Landscapes

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

Abstract

본 발명은 비기능성 전사체를 이용한 PARP 저해제 또는 DNA 손상 약물 (DNA damaging agent)에 대한 감수성의 판정방법에 관한 것으로, 보다 구체적으로는 생체시료에서 핵산을 추출하여 DNA 수리(repair) 관련 유전자들의 비기능성 전사체들의 전사체별 발현량을 획득한 다음, 획득한 발현량을 기반으로 유전자별 비기능성 전사체들의 전사체별 사용율(TU)을 분석하여 PARP 저해제 또는 DNA 손상 약물에 대한 감수성을 판정하는 방법에 관한 것이다. 본 발명에 따른 PARP 저해제 또는 DNA 손상 약물 감수성 판정 방법은, 기존의 유전자 변이 정보를 기반으로 PARP 저해제 또는 DNA 손상 약물 감수성을 판정하는 방법과 달리, 유전자에서 전사된 전사체의 정보를 이용하기 때문에, 실시간으로 감수성을 판정할 수 있을 뿐만 아니라 정확도가 높아 유용하다.

Description

비기능성 전사체를 이용한 PARP 저해제 또는 DNA 손상 약물 감수성 판정방법
본 발명은 비기능성 전사체를 이용한 PARP 저해제 또는 DNA 손상 약물 (DNA damaging agent)에 대한 감수성의 판정방법에 관한 것으로, 보다 구체적으로는 생체시료에서 핵산을 추출하여 DNA 수리(repair) 관련 유전자들의 비기능성 전사체들의 전사체별 발현량을 획득한 다음, 획득한 발현량을 기반으로 유전자별 비기능성 전사체들의 전사체별 사용율(TU)을 분석하여 PARP 저해제 또는 DNA 손상 약물에 대한 감수성을 판정하는 방법에 관한 것이다.
바이오마커란 ‘정상적인 생물학적 과정, 질병 진행 상황, 그리고 치료방법에 대한 약물의 감수성을 객관적으로 측정하고 평가할 수 있는 지표’라고 정의하고 있다. 최근 유전자 분석기술의 발달로 특정 유전자의 변이와 특정 질병 사이의 관련성에 대한 연구가 증가하면서 바이오마커는 유전자와 유전적 변이, 그로 인한 RNA, 단백질, 대사물질 발현의 차이를 모두 아우르는 분자적, 생물학적 지표로 재(再)정의되고 있다.
또한, 좀 더 효과적인 치료를 위해 의약품의 치료효과를 극대화 시키거나 부작용을 최소화 할 수 있는 환자군을 분류하고자 바이오마커의 감수성 여부를 판단할 수 있는 동반진단제(Companion Dignostics Device, CDx)의 개발이 이루어지고 있다.
동반진단(Companion Diagnosis)은 환자의 특정 약물 치료에 대한 감수성을 미리 예측하기 위한 진단 기법이다. 암세포와 정상세포에 대해 모두 작용하여 부작용이 큰 기존 대부분의 항암제의 단점을 극복하기 위해 특정 표적 단백질을 선택적으로 공격하도록 하는 표적 항암제가 개발되었다.
그러나 표적 항암제는 같은 종류의 암이라도 특정 표적 단백질을 가지는 암환자에게만 효과를 보이기 때문에 표적 분자를 가진 환자를 선별하지 않으면 치료 효율이 매우 낮다.
또한, 표적 항암제는 세포 사멸보다 세포 성장과 증식 억제에 의존하기 때문에 장기간에 걸쳐 지속적인 약물 투여로 인한 내성 발생 가능성이 높다. 따라서, 약물을 투여하기 전에 항암제의 표적에 대하여 분석하여 약물에 효과를 보이는 환자군을 선별하는 것이 필요하다.
다국적 제약사 중 하나인 Roche는 최초의 유방암 표적 항암제인 "Herceptin"과 이에 대한 동반진단키트인 "Herceptest"를 개발한 Genentech를 인수하여 동반진단 기반의 표적 항암제 치료를 시작하게 되었다. 동반진단키트는 DAKO, HercepTest와 같은 면역조직화학검사를 통해 특정 단백질의 과발현을 확인하는 방법, Ventana Medical Systems, INFORM HER-2/NEU와 같은 특정 유전자의 유전자 증폭을 DNA 프로브를 이용한 FISH 또는 CISH 검사를 통해 확인하는 방법, 그리고 Roche Diagnostics, cobas EGFR mutation test 와 같은 q-PCR 등 유전체학적 기법을 이용하여 바이오 마커 유전자의 돌연변이 여부를 검사하여 확인하는 방법 등이 있다.
한편, 올라파립(Olaparib, AZD2281)은 암세포의 비정상적인 증식을 억제하는 기능을 가진 항암제로, "PARP 단백질"의 저해제이다. PARP는 세포 내 DNA가 손상 받은 경우, 이를 복구(repair)하는 기능을 하는 단백질로, 세포가 DNA의 수리를 마치고, 지속적으로 증식을 할 수 있도록 기여하는데 큰 역할을 수행한다. 올라파립은 이 PARP의 기능을 저해함으로써, 암세포의 증식을 저해한다. 이러한 올라파립은 난소암, 유방암의 표적치료제로 잘 알려져 있으며, 특히 BRCA1, BRCA2의 돌연변이를 유전적으로 가지고 있는 암 환자들에게 효과적인 항암제로 알려져 있다.
즉, 항암제의 효과는 DNA 복구(repair) 능력에 영향을 많이 받으며, 또한, 항암제는 내성과 독성에 관해서 개인차가 상이하므로, 적합한 치료감수성 표식자를 이용한 선별은 항암제 치료의 획기적인 진보를 초래할 수 있다. 특정 유전자에 따른 개별 항암제의 치료감수성에 관한 연구가 최근 지속적으로 활발하게 전개되고 있다. 그러나 특정약제에 대한 생체반응 관련요소의 복합적 작용, 치료제 및 투여방식의 다양성과 방대한 시료확보의 어려움으로 아직 괄목할 만한 성과가 미약한 현실이다.
Myriad genetics 社에서는 PARP 저해제(올라파립(olaparib), 탈라조파립(talazoparib) 및 루카파립(rucaparib)의 동반진단을 위해 germline BRCA1 및 BRCA2의 변이유무를 진단하는 제품을 출시하였다. 그러나 이 제품은 BRCA1/2 유전자의 대립 유전자와 상관 없이 변이 존재의 유무만을 결정하는 제품이고, PARP 저해제에 대한 전체 반응율(ORR, overall response rat)가 34%밖에 되지 않아, 단순 BRCA1/2의 germline mutation 검출만으로는 PARP 저해제에 대한 동반진단이 충분히 이루어 질 수 없음을 의미한다.
Foundation medicine 社의 FoundationFocusCDxBRCA 제품 역시 BRCA1 및 BRCA2의 변이와 PARP 저해제인 루카파립(rucaparib)의 연관성을 진단하는 동반진단 제품이지만, 전체 반응율(ORR, overall response rate)가 53.8%밖에 되지 않아, 여전히 반응률이 낮은 상태이다.
이와 같이 BRCA1/2 유전자의 변이 만으로는 HRD 관련 약물의 감수성을 일부분만 예측할 수 있는 상황이다. 이에 HRD를 일으키는 원인이 아닌 HRD에 의해 발생한 결과를 검출하여 약물 감수성을 예측하고자 하는 시도가 이루어지고 있다. HRD는 유전체에 가해진 데미지 복구를 실패함에 따라 다양한 흔적을 남기게 된다. 특히, genomic scar와 signature 3는 HRD의 잘 알려진 표지자이다(Gulhan, D. C. et al., Nat. Genet. Vol. 51, pp. 912-919, 2019). Mutational signature는 단일염기 변이의 유전체적 패턴을 특정한 background factor와 연관시키는데 사용된다(Alexandrov, L. B. et al., Nature. Vol. 500, pp. 415-421, 2013). 이러한 의미에서 signature 3는 HRD와 잘 매칭된다. Genomic scar는 3개의 염색체 이상으로 검출되는데, 각각 텔로머 대립유전자 불균형(telomeric allelic imbalances, NtAI), 대규모 상태 전환(large-scale state transition, LST) 및 이형접합성 상실(loss of heterozygosity, LOH)를 의미한다(Abkevich, V. et al., Br. J. Cancer. Vol. 107, pp. 1776-1782, 2012; Popova, T. et al., Cancer Res. Vol. 72, pp. 5454-5462, 2012; Nicolai J. Birkbak. CANCER Discov. Vol. 2, 367, 2012).
게놈상의 HRD(genomic HRD, gHRD) 분석은 HR의 기능회복에 의해 영향을 받을 수 밖에 없다. 즉, BRCA1/2의 기능을 회복하는 또다른 변이의 발생은 난소암에서 발생하는 플래티넘 약물 저항성 케이스의 대략 절반의 원인이다(Norquist, B. et al., J. Clin. Oncol. Vol. 29, pp. 3008-3015, 2011). 또한, PARP 저해제 저항성과 관련하여 BRCA1/2 독립적인 기작이 알려지기도 하였다(Chaudhuri, A. R. et al., Nature. Vol. 535, pp. 382-387, 2016). 상기와 같이 HR 기능이 회복된 상황에서도 최초에 발생한 genomic scar는 여전히 검출된다는 문제점이 있다. 게다가 mutational signature를 계산하는 기술적 문제점들 때문에 더욱 위양성이 높아진다고 알려져 있다(Maura, F. et al., Nat. Commun. Vol. 10, 2019).
상기 문제점 때문에 DNA 손상 약물이나 PARP 저해제에 반응할 것이라고 예상되었던 환자들의 상당수가 실제로는 반응하지 않는 것이다(Watkins, J. A. et al., Breast Cancer Research. Vol. 16, pp. 1-11, 2014).
따라서, HRD의 기능적 상태를 측정하는 바이오마커를 이용하여 gHRD 예측결과에서 약물 저항성이 있는 케이스를 제거하는 방법 등과 같이 환자의 HRD 상태를 실시간으로 파악할 수 있는 새로운 기술이 필요한 실정이다.
이에 본 발명자들은 PARP 저해제 또는 플래티넘을 비롯한 DNA 손상 약물에 대한 정확도 높은 감수성 판정방법을 개발하기 위하여 예의 노력한 결과, DNA 수리 관련 유전자들의 전사체(transcript) 구조 정보를 이용하여, 각 유전자 별로 단백질의 정상적인 번역이 이루어지지 않거나 기능이 손실된 단백질로 번역될 것으로 추정되는 비기능성 전사체들을 추출한 다음, 이들의 발현량을 분석할 경우, PARP 저해제 또는 DNA 손상 약물에 대한 감수성을 유전자 변이 레벨의 HRD 검출방법보다 낮은 위양성과 높은 정확도로 결정할 수 있다는 것을 확인하고, 본 발명을 완성하였다.
발명의 요약
본 발명의 목적은 비기능성 전사체를 이용한 PARP 저해제 및 DNA 손상 약물 감수성 판정방법을 제공하는 것이다.
본 발명의 다른 목적은 비기능성 전사체를 이용한 PARP 저해제 및 DNA 손상 약물에 대한 감수성을 판정하는 장치를 제공하는 것이다.
본 발명의 또 다른 목적은 상기 방법으로 PARP 저해제 및 DNA 손상 약물 감수성을 판정하는 프로세서에 의해 실행되도록 구성되는 명령을 포함하는 컴퓨터 판독 가능한 저장 매체를 제공하는 것이다.
본 발명의 또 다른 목적은 상기 방법을 이용한 표적 RNA 서열분석 키트를 제공하는 것이다.
상기 목적을 달성하기 위하여, 본 발명은 a) 생체시료에서 핵산을 추출하여 DNA 수리(repair) 관련 유전자들의 비기능성 전사체들의 전사체(transcript)별 발현량을 획득하는 단계; b) 획득한 발현량을 기반으로 유전자별 비기능성 전사체들의 전사체별 사용율(Transcript Usage, TU)을 계산하는 단계; 및 c) 계산된 TU값을 분석하여 수득한 값이 기준값 이상일 경우, PARP(Poly ADP Ribose Polymerase) 저해제 또는 DNA 손상 약물(genotoxic drugs)에 대한 감수성(susceptibility)이 있는 것으로 판정하는 단계를 포함하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법을 제공한다.
본 발명은 또한, 상기 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정방법에 이용되는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 장치 및 상기 판정방법을 수행하기 위한 명령을 포함하는 컴퓨터 판독 가능한 기록매체를 제공한다.
본 발명은 또한, 상기 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정방법에 이용되는 표적화 RNA 서열분석(Targeted RNA-Seq) 키트를 제공한다.
본 발명은 또한, 상기 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정방법에 따라, 감수성이 있다고 판단된 환자에게 PARP 저해제 또는 DNA 손상 약물을 투여하는 단계를 포함하는 암 치료 방법을 제공한다.
도 1은 본 발명의 PARP 저해제 또는 DNA 손상 약물에 대한 감수성(susceptibility)을 판정하기 위한 전체 흐름도이다.
도 2는 본 발명의 전사체별 사용율(transcript usage, TU)을 산출하는 방법에 대한 개념도이다.
도 3은 본 발명의 일 실시예에 따라 gHRD(+) 샘플에서 과발현된 minor isoform들이 통계적으로 유의하게 단백질 기능의 상실로 이어짐을 보이는 결과이다.
도 4는 본 발명의 일 실시예에 따라 gHRD(+) 샘플에서 특정 minor isoform이 과발현되는 유전자들이 통계적으로 유의하게 DNA repair 기능과 연관되어 있음을 보이는 결과이다.
도 5는 본 발명의 일 실시예에 따라 gHRD(+) 샘플에서 minor isoform이 과발현되는 유전자들이 통계적으로 유의하게 다양한 DNA repair 의 하위기능들과 연관되어 있음을 보이는 결과이다.
도 6은 본 발명의 일 실시예에서 유방암 세포주들의 약물 감수성을 gHRD로 예측한 결과와 유방암 관련 36개 유전자의 104개 전사체 기반으로 도출한 tHRD로 예측한 결과와 비교한 것이다. gHRD 및 tHRD 가 양성으로 예측한 세포주들과 음성으로 판별한 세포주들간의 약물 감수성을 IC50 값으로 표시하였다.
도 7은 본 발명의 일 실시예에서 유방암 세포주들의 약물 감수성을 gHRD로 예측한 결과와 유방암 관련 36개 유전자의 104개 전사체 기반으로 도출한 tHRD로 예측한 결과를 정밀도-재현율(Precision and recall) 측면에서 비교한 결과로서, 파란색 점선은 gHRD (signature3) 보정 전, 실선은 보정 후의 성능이며, 빨간색은 tHRD 성능이다.
도 8은 본 발명의 일 실시예에서 발굴한 유방암 관련 104개 전사체 중 주요 전사체 20개로 tHRD를 계산한 결과를 gHRD 약물 반응성 예측과 비교한 결과이다.
도 9는 본 발명의 일 실시예에서 발굴한 유방암 관련 104개 전사체 중, 주요 전사체 10개로 tHRD를 계산한 결과를 gHRD 약물 반응성 예측과 비교한 결과이다.
도 10의 (A)와 (C)는 난소암 환자의 플래티넘 반응성을 gHRD 로 예측한 결과이고, (B)와 (D)는 본 발명의 일 실시예에서 발굴한 난소암 관련 25개 유전자의 89개 전사체 기반의 tHRD로 난소암 환자의 플래티넘 반응성을 예측한 결과이다. (A)와 (B)는 gHRD 및 tHRD 로 양성으로 분류된 환자와 음성으로 분류된 환자의 생존율을 비교한 결과이며, (C)와 (D)는 상기 두 방법에 대한 정밀도-재현율(Precision and recall) 및 수신자 조작 특성(Receiver operating characteristics)을 분석한 결과로서, 파란색 점선은 gHRD (scar), 파란색 실선은 gHRD (signature3). 빨간색은 tHRD 성능을 의미한다.
도 11의 (A)와 (C)는 난소암 환자의 플래티넘 반응성을 gHRD 로 예측한 결과이고, (B)와 (D)는 본 발명의 일 실시예에서 발굴한 난소암 관련 25개 유전자의 89개 전사체 중 주요 10개를 기반의 tHRD로 난소암 환자의 플래티넘 반응성을 예측한 결과이다. (A)와 (B)는 gHRD 및 tHRD 로 양성으로 분류된 환자와 음성으로 분류된 환자의 생존율을 비교한 결과이며, (C)와 (D)는 상기 두 방법에 대한 정밀도-재현율(Precision and recall) 및 수신자 조작 특성(Receiver operating characteristics)을 분석한 결과로서, 파란색 점선은 gHRD (scar), 파란색 실선은 gHRD (signature3). 빨간색은 tHRD 성능을 의미한다.
도 12는 gHRD 기준이 아닌 플래티넘 반응성을 기준으로 학습한 tHRD 모델의 성능과 gHRD로 플래티넘 반응성을 예측한 성능을 비교한 것이다. (A) 와 (B) 는 각각 gHRD 와 tHRD 로 학습한 모델에서 양성으로 분류된 환자와 음성으로 분류된 환자의 플래티넘 치료 후 생존율을 비교한 결과이고, (C) 와 (D) 는 상기 두 방법에 대한 정밀도-재현율(Precision and recall) 및 수신자 조작 특성(Receiver operating characteristics)을 분석한 결과로서, 파란색 점선은 gHRD (scar), 파란색 실선은 gHRD (signature3) 그리고 빨간색은 tHRD 의 성능을 의미한다.
도 13은 본 발명의 일 실시예에서 구축한 tHRD 모델로 실제 난소암 환자를 분류하여 플래티넘 약물 치료 후, 암 전이 기간을 이용해 생존 분석을 수행한 결과로서, (A)는 12개월, (B)는 24개월, (C)는 전체 기간을 의미한다.
발명의 상세한 설명 및 바람직한 구현예
다른 식으로 정의되지 않는 한, 본 명세서에서 사용된 모든 기술적 및 과학적 용어들은 본 발명이 속하는 기술 분야에서 숙련된 전문가에 의해서 통상적으로 이해되는 것과 동일한 의미를 갖는다. 일반적으로 본 명세서에서 사용된 명명법 및 이하에 기술하는 실험 방법은 본 기술 분야에서 잘 알려져 있고 통상적으로 사용되는 것이다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 해당 구성요소들은 상기 용어들에 의해 한정되지는 않으며, 단지 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 이하 설명하는 기술의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
본 명세서에서 사용되는 용어에서 단수의 표현은 문맥상 명백하게 다르게 해석되지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함한다" 등의 용어는 설시된 특징, 개수, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 의미하는 것이지, 하나 또는 그 이상의 다른 특징들이나 개수, 단계 동작 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 배제하지 않는 것으로 이해되어야 한다.
도면에 대한 상세한 설명을 하기에 앞서, 본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주기능 별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 이하에서 설명할 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 이하에서 설명할 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있음은 물론이다.
또한, 방법 또는 동작 방법을 수행함에 있어서, 상기 방법을 이루는 각 과정들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 과정들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 발명에서는, 샘플에서 획득한 유전자들의 비기능성 전사체들의 전사체별 발현량 정보를 기반으로 각 비기능성 전사체의 사용율(TU 값)을 계산한 다음, TU값을 분석하여 수득한 값을 기준값과 비교하여 PARP 저해제 또는 DNA 손상 약물의 감수성을 판정할 경우, 유전체에 나타난 흔적으로 감수성을 예측하는 방법보다 높은 정확도로 PARP 저해제 또는 DNA 손상 약물의 감수성을 판정할 수 있다는 것을 확인하고자 하였다.
즉, 본 발명의 일 실시예에서는, 유방암/난소암 환자 데이터로부터 genomic HRD를 산출하여 gHRD(+) 그룹과 gHRD(-) 그룹으로 분류한 다음, 전사체 구조 데이터베이스를 기반으로 유전자별 major isoform 및 복수의 minor isoform들을 구별한 뒤, 각 minor isoform 별 전사체의 전사체 사용률(transcripts usage, TU)값을 산출한 다음, gHRD(+) 에서 minor isoform 이 과발현되는 즉 aberrant TU(aTU)를 보이는 유전자들을 발굴한 결과 이들이 주로 DNA 수선에 관련한 유전자임을 발견하였으며, 이에 각 암종별로 약물 감수성 판정을 최적화하기 위해 사용할 유전자들 및 그들의 minor isoform을 선별하였으며, 이들 minor isoform들의 TU 값들을 random forest model의 input data로 활용하여 HRD의 유무를 결정하도록 하는 인공지능 모델을 학습시켜, tHRD가 양성일 경우, PARP 저해제 또는 DNA 손상 약물의 감수성이 높은 것으로 판정하는 방법을 개발하였다(도 1).
따라서 본 발명은 일 관점에서,
a) 생체시료에서 핵산을 추출하여 DNA 수리(repair) 관련 유전자들의 비기능성 전사체들의 전사체(transcript)별 발현량을 획득하는 단계;
b) 획득한 발현량을 기반으로 유전자별 비기능성 전사체들의 전사체별 사용율(Transcript Usage, TU)을 계산하는 단계; 및
c) 계산된 TU값을 분석하여 수득한 값이 기준값 이상일 경우, PARP(Poly ADP Ribose Polymerase) 저해제 또는 DNA 손상 약물(genotoxic drugs)에 대한 감수성(susceptibility)이 있는 것으로 판정하는 단계를 포함하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법에 관한 것이다.
본 발명에 있어서, 상기 핵산은 RNA인 것을 특징으로 할 수 있으나, 이에 한정되는 것은 아니다.
본 발명에 있어서, 상기 a) 단계는 다음의 단계를 포함하는 방법으로 수행되는 것을 특징으로 할 수 있다:
a-i) 혈액, 정액, 질 세포, 모발, 타액, 소변, 구강세포, 암 조직 세포, FFPE 샘플 및 이의 혼합물에서 핵산을 수득하는 단계;
a-ii) 채취된 핵산에서 솔팅-아웃 방법(salting-out method), 컬럼 크로마토그래피 방법(column chromatography method) 또는 비드 방법(beads method)을 사용하여 단백질, 지방, 및 기타 잔여물을 제거하고 정제된 핵산을 수득하는 단계;
a-iii) 정제된 핵산에 대하여, DNA 수리 관련 유전자들을 풍부화(enrichment) 하여 라이브러리(library)를 제작하는 단계;
a-iv) 제작된 라이브러리를 차세대 유전자서열검사기(next-generation sequencer)에 반응시키는 단계; 및
a-v) 차세대 유전자서열검사기에서 핵산의 서열정보(reads)를 획득하는 단계.
본 발명에서 상기 DNA 수리 관련 유전자들을 풍부화하는 방법은 통상의 기술자에게 공지된 기술이면 모든 방법이 사용가능하며, 프로브 기반의 포획(capture), 프라이머 기반의 증폭(amplification) 방법이 있으나, 이에 한정되는 것은 아니다.
본 발명에서 상기 라이브러리는 cDNA로 구성될 수 있으나, 이에 한정되는 것은 아니다.
본 발명에서 상기 차세대 유전자서열검사기(next-generation sequencer)는 당업계에 공지된 임의의 시퀀싱 방법으로 사용될 수 있다. 선택 방법에 의해 분리된 핵산의 시퀀싱은 전형적으로는 차세대 시퀀싱(NGS)을 사용하여 수행된다. 차세대 시퀀싱은 개개의 핵산 분자 또는 고도로 유사한 방식으로 개개의 핵산 분자에 대해 클론으로 확장된 프록시 중 하나의 뉴클레오타이드 서열을 결정하는 임의의 시퀀싱 방법을 포함한다(예를 들어, 105개 이상의 분자가 동시에 시퀀싱된다). 일 실시형태에서, 라이브러리 내 핵산 종의 상대적 존재비는 시퀀싱 실험에 의해 만들어진 데이터에서 그것의 동족 서열의 상대적 발생 수를 계측함으로써 추정될 수 있다. 차세대 시퀀싱 방법은 당업계에 공지되어 있고, 예를 들어 본 명세서에 참조로서 포함된 문헌(Metzker, M. (2010) Nature Biotechnology Reviews 11:31-46)에 기재된다.
일 실시형태에서, 차세대 시퀀싱은 개개의 핵산 분자의 뉴클레오타이드 서열을 결정하기 위해 한다(예를 들어, 헬리코스 바이오사이언스(Helicos BioSciences)의 헬리스코프 유전자 시퀀싱 시스템(HeliScope Gene Sequencing system) 및 퍼시픽바이오사이언스의 팩바이오 알에스 시스템(PacBio RS system)). 다른 실시형태에서, 시퀀싱, 예를 들어, 더 적지만 더 긴 리드를 만들어내는 다른 시퀀싱 방법보다 시퀀싱 단위 당 서열의 더 많은 염기를 만들어내는 대량병렬의 짧은-리드 시퀀싱(예를 들어, 캘리포니아주 샌디에고에 소재한 일루미나 인코포레이티드(Illumina Inc.) 솔렉사 시퀀서(Solexa sequencer)) 방법은 개개의 핵산 분자에 대해 클론으로 확장된 프록시의 뉴클레오타이드 서열을 결정한다(예를 들어, 캘리포니아주 샌디에고에 소재한 일루미나 인코포레이티드(Illumina Inc.) 솔렉사 시퀀서(Solexa sequencer); 454 라이프 사이언스(Life Sciences)(코네티컷주 브랜포드에 소재) 및 아이온 토렌트(Ion Torrent)). 차세대 시퀀싱을 위한 다른 방법 또는 기계는, 이하에 제한되는 것은 아니지만, 454 라이프 사이언스(Life Sciences)(코네티컷주 브랜포드에 소재), 어플라이드 바이오시스템스(캘리포니아주 포스터 시티에 소재; SOLiD 시퀀서), 헬리코스 바이오사이언스 코포레이션(매사추세츠주 캠브릿지에 소재) 및 에멀젼 및 마이크로 유동 시퀀싱 기법 나노 점적(예를 들어, 지누바이오(GnuBio) 점적)에 의해 제공된다.
차세대 시퀀싱을 위한 플랫폼은, 이하에 제한되는 것은 아니지만, 로슈(Roche)/454의 게놈 시퀀서(Genome Sequencer: GS) FLX 시스템, 일루미나(Illumina)/솔렉사(Solexa) 게놈 분석기(Genome Analyzer: GA), 라이프(Life)/APG의 서포트 올리고(Support Oligonucleotide Ligation Detection: SOLiD) 시스템, 폴로네이터(Polonator)의 G.007 시스템, 헬리코스 바이오사이언스의 헬리스코프 유전자 시퀀싱 시스템(Helicos BioSciences' HeliScope Gene Sequencing system) 및 퍼시픽 바이오사이언스(Pacific Biosciences)의 팩바이오알에스(PacBio RS) 시스템을 포함한다.
본 발명에서 용어 "샘플", "조직 샘플", "환자 샘플", "환자 세포 또는 조직 샘플" “암 조직 세포”, “FFPE 샘플” 또는 "표본"은 각각 피험체 또는 환자의 조직 또는 순환 세포로부터 얻은 유사한 세포의 수집을 지칭한다. 조직 샘플의 공급원은 신선한, 냉동 및/또는 보존된 기관, 조직 샘플, 생검 또는 흡입으로부터의 고형 조직; 혈액 또는 임의의 혈액 구성요소; 체액, 예컨대 뇌척수액, 양수, 복막액 또는 세포간질액; 또는 피험체의 임신 또는 발생에서 어느 시점으로부터의 세포일 수 있다. 조직 샘플은 자연에서 조직과 자연적으로 상호혼합되지 않는 화합물, 예컨대 보존제, 항응고제, 완충제, 정착제, 영양제, 항생제 등을 함유할 수 있다. 일 실시형태에서, 샘플은 냉동 샘플로서 또는 포름알데하이드- 또는 파라포름알데하이드-고정 파라핀-포매(paraformaldehyde-fixed paraffin-embedded: FFPE) 조직 제조물로서 제조된다. 예를 들어, 샘플은 매트릭스, 예를 들어 FFPE 블록 또는 냉동 샘플에서 포매될 수 있다.
일 실시형태에서, 샘플은 종양 샘플이며, 예를 들어, 하나 이상의 전암성 또는 악성 세포를 포함한다. 특정 실시형태에서, 샘플, 예를 들어 종양 샘플은 고형 종양, 연조직 종양 또는 전이성 병변으로부터 획득된다. 다른 실시형태에서, 샘플, 예를 들어 종양 샘플은 수술절제면으로부터 조직 또는 세포를 포함한다. 다른 실시형태에서, 샘플, 예를 들어 종양 샘플은 하나 이상의 혈중 종양 세포(CTC)(예를 들어, 혈액 샘플로부터 획득한 CTC)를 포함한다.
본 발명에서 상기 유전자별 비기능성 전사체의 발현량을 획득하는 단계는 통상의 기술자에게 공지된 NGS 기반의 RNA-seq 데이터 분석방법이면 제한없이 이용가능하다.
본 발명에 있어서, 상기 DNA 수리 관련 유전자들은 DNA repair와 관련되어 있다고 알려진 유전자이면 제한없이 포함할 수 있으며, 바람직하게는 ABL1, ALKBH1, APEX1, APTX, ASF1A, ATM, ATP23, ATR, ATRX, ATXN3, BLM, BRCA1, BRCA2, BTG2, CCNO, CDKN2D, CEBPG, CIB1, CSNK1D, CSNK1E, DDB1, DDB2, ERCC1, ERCC2, ERCC3, ERCC4, ERCC5, ERCC6, ERCC8, EXO1, FANCA, FANCC, FANCG, FEN1, GADD45A, GADD45G, GTF2H1, GTF2H4, HMGB1, HMGB1P10, HMGB2, HUS1, IGHMBP2, KAT5, LIG1, LIG3, LIG4, MLH1, MMS19, MNAT1, MPG, MRE11, MSH2, MSH3, MSH5, MSH6, MUTYH, NBN, NHEJ1, NTHL1, OGG1, PARP1, PARP3, PMS1, PMS2, PMS2P1, PNKP, POLA1, POLD1, POLE, POLE2, POLG, POLH, POLI, POLL, POLQ, PRKCG, RAD1, RAD17, RAD21, RAD23A, RAD23B, RAD50, RAD51, RAD51B, RAD51C, RAD52, RAD54B, RAD54L, RAD9A, RBBP8, RECQL, RECQL4, RECQL5, REV1, RFC3, RPA1, RPAIN, RUVBL2, SETX, SMC1A, SMUG1, SOD1, SUMO1, TDG, TNP1, TP53, TP73, TREX2, UBE2A, UBE2B, UBE2N, UBE2V1, UBE2V2, UNG, UPF1, UVRAG, VCP, WRNIP1, XAB2, XPC, XRCC2, XRCC3, XRCC4, XRCC6, BABAM2, BRIP1, CDCA5, CHEK1, DCLRE1C, FANCB, FANCI, MGME1, MND1, MUS81, NEIL1, PARP9, RAD51AP1, RFC4, SMARCB1, TICRR, TRIP13, UBE2T, USP47, ABRAXAS1, ASCC1, CHEK2, NSMCE4A, PARP2, RAD51AP1, RHNO1, RMI2, RPS3, TNKS1BP1, UBB, UIMC1 및 USP45로 구성된 군에서 선택되는 10개 이상의 유전자인 것을 특징으로 할 수 있으나, 이에 한정되는 것은 아니다.
본 발명에 있어서, 상기 PARP 저해제 또는 DNA 손상 약물이 유방암에 적용될 경우, 상기 DNA 수리 관련 유전자들은 ALKBH2, ATXN3, BABAM2, BRIP1, CDCA5, CHEK1, DCLRE1C, DDB2, ERCC1, EXO1, FANCB, FANCC, FANCI, FEN1, KAT5, MGME1, MND1, MSH5, MUS81, NEIL1, PARP3, PARP9, POLD1, RAD51, RAD51AP1, RAD54L, RFC4, RPAIN, SMARCB1, SMC1A, TICRR, TRIP13, UBE2T, UBE2V2 및 USP47로 구성된 군에서 선택되는 10개 이상의 유전자인 것을 특징으로 할 수 있으나, 이에 한정되는 것은 아니다.
본 발명에 있어서, 상기 PARP 저해제 또는 DNA 손상 약물이 난소암에 적용될 경우, 상기 DNA 수리 관련 유전자들은 ABRAXAS1, ASCC1, BLM, CHEK2, ERCC1, EXO1, GADD45A, MUTYH, NSMCE4A, PARP2, POLE2, RAD51AP1, RAD51B, RECQL4, RHNO1, RMI2, RPS3, SUMO1, TNKS1BP1, UBB, UBE2A, UIMC1, USP45, VCP 및XPC로 구성된 군에서 선택되는 10개 이상의 유전자인 것을 특징으로 할 수 있으나, 이에 한정되는 것은 아니다.
본 발명에 있어서, 상기 a) 단계의 비기능성 전사체는 마이너 동형체(minor isoform)인 것을 특징으로 할 수 있으며, 상기 마이너 동형체는 단백질의 정상적인 번역이 이루어지지 않거나, 기능이 손실된 단백질로 번역될 것으로 추정되는 전사체 또는 단백질 번역에 이용되지 않는 전사체를 포함할 수 있으나, 이에 한정되는 것은 아니다.
본 발명에서, 상기 a) 단계의 비기능성 전사체들은 공지된 데이터베이스(예를 들어, APRIS 데이터베이스)에서 각 유전자별로 잘 보존된 단백질을 코딩하는 전사체(예들 들어 APRIS 데이터베이스에서는 principal (1~5)에 해당하는 전사체)를 제거하고 남은 전사체인 것을 특징으로 할 수 있다.
본 발명에서 상기 비기능성 전사체들은, 추후 분석의 정확도를 향상 시키기 위하여 유전자별 평균 Count per million (CPM) 값이 1 이상인 유전자에서 유래하는 비기능성 전사체를 선별하는 단계를 추가로 포함할 수 있다.
본 발명에 있어서, 상기 b) 단계의 유전자별 비기능성 전사체들의 전사체별 사용율(Transcript Usage, TU)을 계산하는 단계에서, 상기 TU값은 하나의 유전자에서 발생하는 모든 전사체의 TPM 값의 합을 분모로 취하고, 각각의 전사체의 TPM을 분자로 하는 비율 형태의 단위인 것을 특징으로 할 수 있으며, 바람직하게는 하기 수식 1로 계산되는 것을 특징으로 할 수 있다:
Figure PCTKR2021015800-appb-img-000001
본 발명에서, 상기 유전자별 비기능성 전사체들의 발현량을 획득한 다음, 추후 분석의 정확도를 향상시키기 위하여 선별한 유전자에서 특정 전사체의 TU값이 1 내지 5% 이상, 바람직하게는 3% 이상인 전사체를 선별하는 단계를 추가로 포함할 수 있다.
본 발명에 있어서, 상기 c) 단계의 계산된 TU값을 분석하여 값을 수득하는 단계는 유전체 상동성 재조합 결핍(genomic Homologous Recombinant Deficiency, gHRD) 양성 또는 약물 반응성이 있는 것으로 알려진 샘플에서 과발현되는 비기능성 전사체들의 TU 값에 특정 가중치를 곱하여 합산하여 특정 범위의 판정값을 도출하거나, 각 비기능성 전사체들의 TU 값이 특정 기준치를 초과하는 양상에 따라 최종 판정을 하는 의사결정 절차를 사용하는 것을 특징으로 할 수 있다.
본 발명에서 상기 특정 가중치는 특정 범위의 판정값을 도출하기 위한 값이면 제한없이 이용가능하며, 유전체 상동성 재조합 결핍(genomic Homologous Recombinant Deficiency, gHRD) 양성 또는 약물 반응성이 있는 것으로 알려진 샘플에서 과발현되는 비기능성 전사체들의 TU값이 클수록 큰 값을 가지는 것을 특징으로 할 수 있다.
본 발명에서 상기 특정 범위의 판정값은 PARP 저해제 또는 DNA 손상 약물의 감수성 양성과 음성을 판별할 수 있는 값이면 제한없이 이용가능하며 바람직하게는 0 내지 1사이로 정규화될 수 있는 값일 수 있으나, 이에 한정되는 것은 아니다.
본 발명에서 상기 특정 기준치는 유전체 상동성 재조합 결핍(genomic Homologous Recombinant Deficiency, gHRD) 양성 또는 약물 반응성이 있는 것으로 알려진 샘플에서 수득한 비기능성 전사체, 바람직하게는 과발현되는 비기능성 전사체의 TU값을 바탕으로 결정할 수 있으나, 이에 한정되는 것은 아니다.
예를 들어, 본 발명에서 상기 c) 단계의 계산된 TU값을 분석하여 값을 수득하는 단계는 유전체 상동성 재조합 결핍(genomic Homologous Recombinant Deficiency, gHRD) 양성 또는 약물 반응성이 있는 것으로 알려진 샘플에서 과발현되는 비기능성 전사체들에 해당하는 비기능성 전사체들의 TU값에 가중치를 곱한후, 합산하여 0 내지 1 사이의 값으로 정규화하여 도출하는 단계를 포함하는 방법으로 수행되는 것을 특징으로 할 수 있다.
본 발명에서 상기 가중치는 합산한 값이 0 내지 1 사이의 값이 되도록 부여하는 값이면 제한없이 이용가능하며, 유전체 상동성 재조합 결핍(genomic Homologous Recombinant Deficiency, gHRD) 양성 또는 약물 반응성이 있는 것으로 알려진 샘플에서 과발현되는 비기능성 전사체들의 TU값이 클수록 큰 값을 가지는 것을 특징으로 할 수 있다.
예를 들어, 본 발명에서 상기 c) 단계의 계산된 TU값을 분석하여 값을 수득하는 단계는 수득한 각 비기능성 전차세들의 TU값을 유전체 상동성 재조합 결핍(genomic Homologous Recombinant Deficiency, gHRD) 양성 또는 약물 반응성이 있는 것으로 알려진 샘플에서 수득한 비기능성 전사체들의 TU값들을 기반으로 판정하는 의사결정 절차를 사용하여 수행할 수 있다.
본 발명에 있어서, 상기 c) 단계의 계산된 TU값을 분석하여 값을 수득하는 단계는 인공지능 모델을 이용하여 수행하는 것을 특징으로 할 수 있다.
본 발명에 있어서, 상기 인공지능 모델은 기존에 이미 알려진 유전체 상동성 재조합 결핍(genomic Homologous Recombinant Deficiency, gHRD) 양성 샘플 또는 약물 반응성 양성 샘플에서 도출한 유전자별 비기능성 전사체들의 TU 값에 대한 가중치 및 그로부터 도출된 판정값의 기준치, 혹은 의사결정을 위한 각 TU 값의 기준치 및 의사결정 절차 구조를 기계학습하여 gHRD 또는 약물 반응성과 유전자별 비기능성 전사체 발현량의 관계에 대한 예측모델을 구축하는 것을 특징으로 할 수 있다.
즉, 본 발명의 인공지능 모델은 gHRD 양성 또는 약물 반응성 양성 샘플에서 과발현되는 유전자별 비기능성 전사체들의 TU값에 부과할 수 있는 가중치들의 조합들과 그 가중화된 TU 값들의 합산으로 이루어지는 판정값의 기준치를 다양한 환자별 전사체 발현 양상을 반영할 수 있도록 기계학습하여 예측모델을 구축하거나, gHRD 양성 또는 약물 반응성 양성 샘플에서 과발현되는 유전자별 비기능성 전사체들의 TU 값을 각각의 기준치와 비교하는 의사결정 과정을 다양한 환자별 전사체 발현 양상을 반영할 수 있도록 구조화하여 기계학습을 통해 예측모델을 구축하는 것이다.
예를 들어, 본 발명의 인공지능 모델은 gHRD 양성 또는 약물 반응성 양성 샘플에서 과발현되는 유전자별 비기능성 전사체들의 TU값에 가중치를 곱하여 합산한 값을 1에 가깝도록 학습하여, 예측모델을 구축하는 것이다.
본 발명에서 상기 다양한 환자별 전사체 발현 양상은 환자에 따라 과발현되는 전사체의 종류와 양상을 의미할 수 있다.
따라서, input data로 특정 TU값의 조합이 입력되었을 때, gHRD 양성 또는 약물 반응성 양성 샘플과 유사한 조합일수록 양성에 가까운 의사결정값이나 판정값이 출력되므로, 이를 기준값과 비교하여 기준값 이상일 경우에는 PARP 저해제 또는 DNA 손상 약물에 감수성이 있다고 판정하는 것이다.
본 발명에 있어서, 상기 기준값은 샘플의 PARP 저해제 또는 DNA 손상 약물에 대한 감수성을 판정할 수 있는 값이면 제한없이 사용할 수 있으며, 바람직하게는 0.5 내지 1, 더욱 바람직하게는 0.5 내지 0.8, 가장 바람직하게는 0.5 일 수 있으나, 이에 한정되는 것은 아니다.
본 발명에 있어서, 상기 기계학습은 지도학습이면 제한 없이 이용가능하나, 바람직하게는 K-최근접 이웃(k-Nearest Neighbors), 선형 회귀(Linear Regression), 로지스틱 회귀(Logistic Regression), 서포트 벡터 머신(SVM, Support Vector Machine), 의사결정나무(Decision Tree), 랜덤 포레스트(Random Forest) 및 신경망(Neural Network)으로 구성된 군에서 선택되는 어느 하나 이상의 방법으로 수행되는 것을 특징으로 할 수 있으나, 이에 한정되는 것은 아니다.
본 발명에서 상기 기계학습을 랜덤 포레스트로 사용할 경우, 하위 의사결정 트리는 하기 수식 2로 계산되는 지니 불순도를 최소화하는 방향으로 학습하게 된다:
Figure PCTKR2021015800-appb-img-000002
여기서, i는 i번째 노드, n은 결과값 클래스의 개수, k는 결과값의 k번째 클래스를 의미하고, pi,k 는 i번째 노드에 있는 훈련 샘플 중 클래스 k에 속한 샘플의 비율을 의미한다.
본 발명에서, 상기 랜덤 포레스트는 하나의 훈련 데이터를 기반으로 중복을 허용하는 여러 개의 훈련 데이터를 만든 다음, 이를 기반으로 여러 개의 하위 의사결정 트리를 훈련한 다음, 이들 모델 예측의 평균을 계산하여 최종 예측값을 도출하게 된다.
본 발명에서 상기 기계학습이 gHRD를 기준으로 학습될 경우, DNA repair 에 관련된 유전자들의 minor isoform들의 TU 값을 input data로 이용하여 HRD 상태를 예측하도록 학습되었는데, 이 때 HRD 상태는 gHRD를 기준으로 하여 분류하였다.
gHRD 방법은 이미 BRCA1/2 의 추가 돌연변이 등으로 HR 기능이 복구된 경우에도 양성을 나타내거나, 기술적인 artifact들로 인하여 HR 기능과 전혀 상관없이 양성을 나타내는 false positive가 많음이 알려져 있으며, 실제로 gHRD(+) 로 예측된 샘플들의 PARP 저해제나 플래티넘 약물에 대한 감수성은 50%도 되지 않음이 보고되었다. 따라서 gHRD(+) 그룹 내에서도 minor isoform의 TU가 통계적으로 유의미하게 높은 전사체가 있는 샘플만이 기능적으로 HRD가 있으며 실제적으로 PARP 저해제나 DNA 손상 약물에 감수성이 있는 것으로 결정할 수 있도록 학습이 가능한 것이다. 또한 이러한 낮은 정밀도의 문제로 인하여 gHRD의 기준값이 높아짐에 따라, 실제로 기능적으로 HRD가 있고 약물 감수성이 있음에도 불구하고 기준값을 통과하지 못하는 false negative 가 발생함에 따라 재현율도 낮아지게 된다. 따라서 실제로 기능적인 aTU 양상을 보이는 경우만을 판별함으로써 정밀도와 재현율 모두 향상이 가능하므로 전체적인 정확도가 높아지게 되는 것이다.
본 발명에서 상기 기계학습이 약물 반응성을 기준으로 학습될 경우, DNA repair 에 관련된 유전자들의 minor isoform들의 TU 값을 input data로 이용하여 PARP 저해제나 플래티넘 등 DNA 손상 약물에 대한 반응성을 예측하도록 학습되었는데, 이 때 약물에 대한 반응성은 통상의 방법대로 약물치료 이후 6개월 이내 암 진행 여부를 기준으로 하였다. 이에 따라 6개월 이내 암이 진행되는 경우를 저항성 환자로, 진행이 되지 않은 경우를 반응성 환자로 구분하였다.
본 발명에서는 상기 인공지능 모델에 의해서 HRD 양성 혹은 약물 반응성으로 판정되는 샘플은 “전사체 기반 상동성 재조합 결핍(transcriptional homologous recombination deficiency, tHRD)”를 보유한다고 정의하였다.
본 발명에서는 “genomic scar” 및 “signature3” 를 기준으로 유전체 레벨에서 HRD를 나타내는 그룹(gHRD(+))과 HRD를 나타내지 않는 그룹(gHRD(-)) 사이의 TU 값의 차이를 통계적으로 분석하여 특정 minor isoform이 상대적으로 과발현되는 경우를 aberrant TU(aTU)로 정의하였으며, gHRD(+) 그룹에서 과발현되는 경우를 “aTU in gHRD(+)”로, gHRD(-) 그룹에서 과발현되는 경우를 “aTU in gHRD(-)”로 결정하였다.
이론적으로는 동일 유전자에서 aTU in gHRD(+) 에 해당하는 isoform과 aTU in gHRD(-) 에 해당하는 isoform이 모두 나올 수 있으나, 실제적으로는 DNA repair에 관련된 유전자들에서는 aTU in gHRD(+)가 훨씬 빈번하게 나타나는 것을 확인하였다.
본 발명에서 용어 “genomic scar” 및 “signature 3” 는 상동성 재조합의 기능이 상실된 세포에서 나타나는 염색체 재배열 혹은 돌연변이 양상을 의미하는 것으로, 상동성 재조합 pathway의 어느 부분이 소실 되었는지 와는 관계없이 전체 유전체 레벨에서 발생하는 염색체 재배열 혹은 돌연변이 양상을 의미하며, array-based comparative genomic hybridization (aCGH), single nucleotide polymorphism (SNP) genotyping 및 next generation sequencing (NGS)으로 확인할 수 있다.
본 발명에 있어서, 상기 PARP 저해제는 PARP 단백질의 활성을 저해할 수 있는 물질이면 제한없이 이용가능하나, 바람직하게는 PARP 단백질 활성을 저해하는 천연 화합물, 합성 화합물, DNA, RNA, 펩티드, 효소, 리간드, 세포 추출물 또는 포유동물의 분비물일 수 있으며, 더욱 바람직하게는 AZD2281(올라파립, Olaparib), ABT888(벨리파립, Veliparib), AG014699(루카파립, Rucaparib), MK-4827(니라파립, Niraparib), BMN-673(탈라조파립, Talazoparib), BSI201(이니파립, Iniparib), BGP15(O-(3-piperidino-2-hydroxy-1-propyl)nicotinicamidoxime),INO1001(3-Aminobenzamide), ONO2231, 니코틴아미드(nicotinamide), 3-아미노벤즈아미드(3-aminobenzamide), ,4-디히드로-5-[4-(1-피페리디닐)부톡시]-1(2H)-이소퀴놀론(3,4-dihydro-5-[4-(1-piperidinyl)butoxy]-1(2H)-isoquinolone), 벤즈아미드(benzamide), 퀴놀론(quinolone), 이소퀴놀론(isoquinolone), 벤조피론(benzopyrone), 사이클릭 벤즈아미드(cyclic benzamide), 벤즈이미다졸(benzimidazole), 인돌(indole) 및 펜안트리디논(phenanthridinone)으로 구성된 군에서 선택되는 것을 특징으로 할 수 있으나, 이에 한정되는 것은 아니다.
본 발명에서 PARP 저해제의 표적 암 질환은 ACTH 생성 종양, 급성 림프구성 또는 림프아구성 백혈병, 급성 또는 만성의 림포구성 백혈병, 급성 비림프구성 백혈병, 방광암, 뇌종양, 유방암, 경관암, 만성 골수성 백혈병, 림프종, 자궁내막증, 식도암, 방광암, 에윙스 육종(Ewing's sarcoma), 설암, 홉킨스 림프종, 카포시스 육종, 신장암, 간암, 폐암, 중피종, 다발성 골수종, 신경아세포종, 비홉킨 림프종, 골육종, 난소암, 유선암, 전립선암, 췌장암, 대장암, 페니스암, 레티노블라스토마, 피부암, 위암, 갑상선압, 자궁암, 고환암, 윌름스 종양 및 트로포블라스토마로 구성된 군에서 선택되는 것을 특징으로 할 수 있으나, 이에 한정되는 것은 아니다.
본 발명에 있어서, 상기 DNA 손상 약물은 세포 내 DNA의 crosslink, double-strand break, intercalation 을 유도하는 등 DNA에 변형을 일으키는 약물이면 제한없이 이용가능하며, 바람직하게는 블레오마이신(Bleomycin), 시스플라틴(Cisplatin), 카보플라틴(carboplatin), 옥살리플라틴(Oxaliplatin), 네다플라틴(Nedaplatin), 독소루비신(Doxorubicin), 에토포시드(Etoposide) 및 SN38로 구성된 군에서 선택되는 것을 특징으로 할 수 있으나, 이에 한정되는 것은 아니다.
본 발명에 따른 PARP 저해제 또는 DNA 손상 약물 감수성 판정 방법은 하나의 구체화된 형태로 다음과 같은 단계를 포함하여 이루어질 수 있지만, 이에 한정되는 것은 아니다(도 1).
(1) 생체시료에서 대규모병렬서열분석(massive parallel sequencing) 방법으로 RNA 단편(reads) 데이터 확보
(2) 상기 RNA 단편 데이터를 휴먼 참조 유전체에 정렬
(3) 상기 정렬된 데이터에서 퀄리티에 따른 필터링 수행
(4) 판정에 사용할 DNA 수리 관련 유전자들의 비기능성 전사체 선별
(5) 유전자별 비기능성 전사체의 발현량 획득
(6) 유전자별 비기능성 전사체들의 전사체별 사용율(TU) 계산
(7) 약물 감수성 판정 인공지능 모델에 TU값 입력하여 출력값 도출
(8) 출력값과 기준값을 비교하여 약물 감수성 판정
본 발명은 다른 관점에서, 본 발명에 따른 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정방법에 이용되는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 장치로서, 상기 장치는
(1) 생체시료에서 핵산을 추출하여 DNA 수리(repair) 관련 유전자들의 비기능성 전사체들의 전사체(transcript)별 발현량을 획득하는 정보 획득부;
(2) 획득한 발현량을 기반으로 유전자별로 비기능성 전사체들의 전사체별 사용율(Transcript Usage, TU)을 계산하는 계산부; 및
(3) 계산된 TU값을 분석하여 수득한 값이 기준값 이상일 경우, PARP(Poly ADP Ribose Polymerase) 저해제 또는 DNA 손상 약물(genotoxic drugs)에 대한 감수성(susceptibility)이 있는 것으로 판정하는 감수성 판정부;
를 포함하는 것을 특징으로 하는 감수성 판정 장치에 관한 것이다.
본 발명에서 상기 정보 획득부는 독립적으로 생산된 생체시료에서 대규모병렬서열분석 방법으로 수득한 RNA 단편(reads) 데이터를 수신하는 데이터 수신부; 수신한 데이터를 참조 유전체에 정렬하는 데이터 정렬부; 데이터 퀄리티에 따라 필터링을 수행하는 필터링부; 및 DNA 수리 관련 유전자들의 비기능성 전사체들을 선별하여 이들의 발현량을 획득하는 발현량 획득부를 포함할 수 있으나, 이에 한정되는 것은 아니다.
본 발명은 또 다른 관점에서, 본 발명에 따른 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정방법에 이용되는 컴퓨터 판독 가능한 기록매체로서, 상기 매체는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성을 판정하는 프로세서에 의해 실행되도록 구성되는 명령을 포함하되,
a) 생체시료에서 핵산을 추출하여 DNA 수리(repair) 관련 유전자들의 비기능성 전사체들의 전사체(transcript)별 발현량을 획득하는 단계;
b) 획득한 발현량을 기반으로 유전자별 비기능성 전사체들의 전사체별 사용율(Transcript Usage, TU)을 계산하는 단계; 및
c) 계산된 TU값을 분석하여 수득한 값이 기준값 이상일 경우, PARP(Poly ADP Ribose Polymerase) 저해제 또는 DNA 손상 약물(genotoxic drugs)에 대한 감수성(susceptibility)이 있는 것으로 판정하는 단계를 포함하는 프로세서에 의해 실행되도록 구성되는 명령을 포함하는 컴퓨터 판독 가능한 기록매체에 관한 것이다.
다른 양태에서 본원에 따른 방법은 컴퓨터를 이용하여 구현될 수 있다. 일 구현예에서, 컴퓨터는 칩 세트에 연결된 하나 이상의 프로세서를 포함한다. 또한 칩 세트에는 메모리, 저장 장치, 키보드, 그래픽 어댑터(Graphics Adapter), 포인팅 장치(Pointing Device) 및 네트워크 어댑터(Network Adapter) 등이 연결되어 있다. 일 구현예에서, 상기 칩 세트의 성능은 메모리 컨트롤러 허브(Memory Controller Hub) 및 I/O 컨트롤러 허브에 의하여 가능하다. 다른 구현예에서, 상기 메모리는 칩 세트 대신에 프로세서에 직접 연결되어 사용될 수 있다. 저장 장치는 하드 드라이브, CD-ROM(Compact Disk Read-Only Memory), DVD 또는 기타 메모리 장치를 포함하는 데이터를 유지할 수 있는 임의의 장치이다. 메모리는 프로세서에 의하여 사용된 데이터 및 명령에 관여한다. 상기 포인팅 디바이스는 마우스, 트랙볼 (Track Ball) 또는 다른 유형의 포인팅 디바이스일 수 있고, 키보드와 조합하여 입력 데이터를 컴퓨터 시스템으로 전송하는데 사용된다. 상기 그래픽 어댑터는 디스플레이 상에서 이미지 및 다른 정보를 나타낸다. 상기 네트워크 어댑터는 근거리 또는 장거리 통신망으로 컴퓨터 시스템과 연결된다. 본원에 사용되는 컴퓨터는 하지만 위와 같은 구성으로 제한되는 것은 아니고, 일부 구성이 없거나, 추가의 구성을 포함 할 수 있으며, 또한 저장장치영역네트워크(Storage Area Network, SAN)의 일부일 수 있으며, 본원의 컴퓨터는 본원에 따른 방법의 수행을 위한 프로그램에 모듈의 실행에 적합하도록 구성될 수 있다.
본원에서 모듈이라 함은, 본원에 따른 기술적 사상을 수행하기 위한 하드웨어 및 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적, 구조적 결합을 의미할 수 있다. 예컨대, 상기 모듈은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스(Resource)의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류의 하드웨어를 의미하는 것은 아님은 본원 기술분야의 당업자에게 자명한 것이다.
본원에 따른 방법은 하드웨어, 펌웨어, 또는 소프트웨어 또는 이들의 조합으로 구현될 수 있다. 소트프웨어로 구현되는 경우 저장매체는 컴퓨터와 같은 장치에 의해 판독가능한 형태의 저장 또는 전달하는 임의의 매체를 포함한다. 예를 들면 컴퓨터 판독가능한 매체는 ROM(Read Only Memory); RAM(Random Access Memory); 자기디스크 저장 매체; 광저장 매체; 플래쉬 메모리 장치 및 기타 전기적, 광학적 또는 음향적 신호 전달 매체 등을 포함한다.
이러한 측면에서 본원은 또한 상술한 본원에 따른 단계를 포함하는 동작을 수행하도록 하는 프로세서를 실행시키는 실행모듈을 포함하는 컴퓨터 판독 가능한 매체에 관한 것이다.
본 발명은 또 다른 관점에서, 본 발명에 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정방법에 이용되는 표적화 RNA 서열분석(Targeted RNA-Seq) 키트로서, 상기 키트는
DNA 수리 관련 유전자들의 전사체를 포획하는 프로브; 및 포획한 전사체를 증폭하는 프라이머를 포함하는 것을 특징으로 하는 표적화 RNA 서열분석 키트에 관한 것이다.
본 발명에서 상기 전사체는 비기능성 전사체인 것을 특징으로 할 수 있으나, 이에 한정되는 것은 아니다.
본 발명에 있어서, 상기 키트는 버퍼(buffer), DNA 중합효소(DNA polymerase), DNA 중합효소 조인자(DNA polymerase cofactor) 및 데옥시리보뉴클레오티드-5-트리포스페이트(dNTP)와 같은 핵산 증폭 반응(예컨대, 중합효소연쇄반응)을 실시하는데 필요한 시약을 선택적으로 포함할 수 있다. 선택적으로, 본 발명의 키트는 또한 다양한 올리고뉴클레오티드(oligonucleotide) 분자, 역전사효소(reverse transcriptase), 다양한 버퍼 및 시약, 및 DNA 중합효소 활성을 억제하는 항체를 포함할 수 있다. 또한, 상기 키트의 특정 반응에서 사용되는 시약의 최적량은, 본 명세서에 개시사항을 습득한 당업자에 의해서 용이하게 결정될 수 있다. 전형적으로, 본 발명의 장비는 앞서 언급된 구성 성분들을 포함하는 별도의 포장 또는 컴파트먼트(compartment)로 제작될 수 있다.
하나의 실시예에서, 상기 키트는 샘플을 담는 구획된 캐리어 수단, 시약을 포함하는 용기, 프로브 또는 프라이머를 포함하는 용기 및 상기 증폭 산물을 검출하기 위한 프로브를 포함하는 용기를 포함할 수 있다.
상기 캐리어 수단은 병, 튜브와 같은 하나 이상의 용기를 함유하기에 적합하고, 각 용기는 본 발명의 방법에 사용되는 독립적 구성요소들을 함유한다. 본 발명의 명세서에서, 당해 분야의 통상의 지식을 가진 자는 용기 중의 필요한 제제를 손쉽게 분배할 수 있다.
본 발명은 또한, 상기 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정방법에 따라, 감수성이 있다고 판단된 환자에게 PARP 저해제 또는 DNA 손상 약물을 투여하는 단계를 포함하는 암 치료 방법에 관한 것이다.
실시예
이하, 실시예를 통하여 본 발명을 더욱 상세히 설명하고자 한다. 이들 실시예는 오로지 본 발명을 예시하기 위한 것으로서, 본 발명의 범위가 이들 실시예에 의해 제한되는 것으로 해석되지는 않는 것은 당업계에서 통상의 지식을 가진 자에게 있어서 자명할 것이다.
실시예 1. 유방암, 난소암 환자의 유전체 데이터 및 전사체 데이터 수득
TCGA 데이터베이스로부터 whole-exome sequencing (WES), genotyping data (Affymetrix SNP chip), RNA sequencing (RNA-seq) 데이터가 가용한 유방암 645명의 샘플 및 platinum 치료 반응 데이터가 가용한 난소암 315명의 샘플에 대한 데이터를 수집하였다(https://portal.gdc.cancer.gov/). 유방암 세포주의 경우 CCLE 데이터베이스로부터 WES 및 RNA-seq 데이터를 획득하였다(https://portals.broadinstitute.org/ccle).
실시예 2. Genomic HRD(gHRD) 산출
실시예 1에서 수집한 샘플들의 genomic scar는 Affymetrix SNP 데이터 기반으로 기존 소프트웨어 (https://github.com/GerkeLab/TCGAhrd)를 사용하여 산출하였으며, WES 데이터를 기반으로 하는 mutational signature 3 는 TCGA에서 mSignatureDB (Po-Jung Huang. et al. mSignatureDB a database for deciphering mutational signatures in human cancers) 에서 deconstructSigs 를 사용하여 산출된 값을 사용하였다.
gHRD(+)와 gHRD(-)를 구분하기 위하여 genomic scar 와 mutational signature 3의 median 값을 기준으로 사용하였다. Index(genomic scar 와 mutational signature 3의 median 값) 간 불일치에 의한 오류를 제거하기 위해서 두 가지 index 모두의 median을 초과하는 경우는 gHRD(+)로 분류하였고 median 보다 이하인 경우는 gHRD(-)로 분류하였다.
실시예 3. Transcript Usage(TU) 산출
TCGA, CCLE 각각에서 RNA-seq bam 파일을 input으로 stringtie 2-pass method 를 사용해 novel transcript 의 TPM (transcripts per million)을 산출하였다. 해당 과정은 참고문헌(Mihaela Peratea. et al. Nat Protoc. Vol. 11(9), pp. 1650-1667, 2016.) 을 참고하였다.
Reference는 gencode v29 gtf (CCLE 의 경우 gencode v19 gtf 를 이용) 를 사용하여 assemble step 을 진행하였고, 거기에서 나온 개별 sample 들의 gtf 를 merge하여 제조한 merged.gtf를 새로운 reference annotation으로 사용하여 second pass transcript quantification step을 진행하였다.
기존 form으로 annotation 이 불가능한 de novo/novel transcript 의 경우, gene annotation을 위해 gffcompare를 사용하여 가장 유사한 annotated transcript의 gene을 해당 form에 할당하였다.
그 결과, 각 샘플에서 발현하는 대부분의 transcript 의 TPM 값을 얻었으며, 이를 기반으로 하기 수식 1로 각 transcript 별 TU를 산출하였다(도 2).
Figure PCTKR2021015800-appb-img-000003
실시예 4. Minor isoform 선별
Isoform의 분류를 위해서는 APPRIS 데이터베이스(Jose Manuel Rodriguez. et al. Nucleic Acids Res. Vol. 46(D1):D213-D217, 2018.)에서 제공하는 transcript annotation을 사용하였으며 해당 annotation의 버전은 2019. 02. v29 이다.
Minor isoform (alternative transcript)을 정의하기 위해서 APPRIS 에서 제공하는 기준을 그대로 사용하였고, 기능적으로나 진화적으로 잘 보존된 protein 을 coding 하는 transcript 인 Principal (1~5)을 major form으로 판단하여 모두 제거하였으며, 결과적으로 alternative 혹은 not-report 로 이루어진 minor transcript set를 선별하였다.
발현양이 낮은 유전자를 필터링 하기 위해 gene 별 HTSeq read count data 를 통해 gene 별 Count per million (CPM) normalization 을 진행한 다음, 전체 sample 의 mean CPM > 1 인 gene 만을 선별하고, 이 genes에 대해 Transcript usage (TU)가 3% 이상 (TU >= 0.03) 인 경우 만을 최종 TU set 으로 선정하였다.
실시예 5. gHRD 관련 aberrant TU(aTU) 발굴 및 기능 분석
5-1. aTU 발굴
도 2에 기재된 바와 같이 gHRD(+), gHRD(-) group 간의 비교를 통해 aTU를 발굴하였다. 보다 정밀한 분류를 위하여 gHRD(+) 내에서 genomic scar 값이 상위 50% 인 샘플과 gHRD(-) 내에서 genomic scar 값이 하위 50% 인 샘플들을 추가 선별하였다.
이 두 그룹간 TU 값 차이의 통계적 유의성은 Mann-Whitney U test를 사용하였고, Benjanimi-Hochberg correction (BH correction) 을 사용하여 보정을 수행하였다.
gHRD(+) 에서 특정 minor isoform의 TU 가 유의하게 (FDR < 1%) 높은 경우를 aTU in gHRD(+) 로 정의하였고, 반대로 gHRD(-) 에서 특정 minor isoform의 TU 가 유의하게 (FDR < 1%) 높은 경우를 aTU in gHRD(-) 로 정의하였다.
5-2. 기능 분석 결과
유방암 환자 샘플을 대상으로 DNA repair, replication, recombination 3개의 Gene ontology parent terms 을 merge 하여 HR-related term (1,033개 유전자) 으로 정의하고, 이를 이용하여 GSEA (prerank) 분석한 결과, 도 3에 기재된 바와 같이 DNA repair 와 관련된 유전자들이 통계적으로 밀집되어 있는 것을 확인하였다.
5-1의 방법으로 Mann-Whitney U test (FDR < 5%) 의 U 값을 기준으로 transcript 를 sorting 하여 해당 matrix 에 HR-related term 을 overlap 하였다. 이때 U 값은 그 값이 클수록 해당 gene 의 minor isoform 이 gHRD(+) 샘플에서 더욱 많이 발현됨을 의미한다
5-1의 방법을 난소암에도 적용하여 aTU 를 발굴하였다. 난소암의 경우 유전자 개수의 부족으로 BH correction 은 적용하지 않고 Mann-Whitney U test 의 P < 0.05 를 적용하여 gene 별 most significant aTU 를 선정하였다. 이후 gene 별 방향성에 따라 aTU in gHRD(+), aTU in gHRD(+) 로 구분한 결과, 도 3(B)에 기재된 바와 같이, DNA repair와 관련된 유전자들이 통계적으로 밀집되어 있는 것을 확인하였다.
실시예 6. Transcriptional HRD (tHRD) 모델 구축
6-1. 모델 구축을 위한 input data 준비
실시예 5-1의 방법으로 도출한 유전자 중 DNA repair 에 해당되는 유전자를 선별한 결과, 유방암에서는 총 36 개의 유전자 (104 개 minor transcript), 난소암에서는 25개의 유전자 (89개 minor transcript) 를 선별하였다.
Figure PCTKR2021015800-appb-img-000004
Figure PCTKR2021015800-appb-img-000005
Figure PCTKR2021015800-appb-img-000006
Figure PCTKR2021015800-appb-img-000007
Figure PCTKR2021015800-appb-img-000008
Figure PCTKR2021015800-appb-img-000009
Figure PCTKR2021015800-appb-img-000010
Figure PCTKR2021015800-appb-img-000011
Figure PCTKR2021015800-appb-img-000012
Figure PCTKR2021015800-appb-img-000013
Figure PCTKR2021015800-appb-img-000014
유방암의 경우 115개 transcript들 중에서 약물반응 테스트에 사용한 CCLE data set 에서도 가용한 104개를 최종적인 모델의 input 으로 준비하였으며, 난소암의 경우에는 모든 transcript를 input으로 준비하였다.
6-2. 모델 구축
tHRD 예측 모델로서 Random Forest 를 사용하였다.
유방암과 난소암 공통적으로 gHRD를 기준으로 양성과 음성으로 나누어 예측 모델을 구축하였고, 난소암의 경우는 플래티넘 반응성을 기준으로 반응성과 저항성으로 나눈 예측 모델을 추가적으로 생성하였다.
training set과 test set의 비율은 7:3으로 split 하였고 RandomizedSearchCV 패키지를 이용하여 hyperparameter tuning 을 100번 진행하였으며, 각각 3-fold cross validation 을 통해서 mean validation accuracy 를 측정하여 최적의 hyperparameter 를 선정하였다.
sklearn.ensemble 모듈의 RandomForestClassifier 를 통해 RandomizedSearchCV 를 통해 찾은 hyperparameter 로 model 을 학습하여 예측 모델을 구축하였다.
실시예 7. 약물반응 분석
7-1. 유방암
CCLE 세포주들의 somatic mutation data 를 input 으로 사용하여 Rpackage deconstrucSigs 를 통해 96 class type 으로 분류한 다음, Sgenome.Hsapiens.UCSC.hg19 를 reference 로 하고 기존에 정의된 Cosmic signature 에 대하여 Non-negative matrix factorization (NMF) 을 이용하여 각각의 signature 값을 산출하였다.
이때 fitting method 에서 빚어지는 erroneous signature assignment 를 보정하기 위해 참조문헌 (Francesco Maura. et al. Nat. cummunications, Vol. 10:2069, 2019.) 을 참고하여 유방암 특이적인 Cosmic signature set 으로 fitting 한 signature 3 를 산출하였다. 이를 토대로 signature 3 값 상위 25% 에 속하는 cell line 을 gHRD(+) 로 나머지를 gHRD(-)로 정의하였다.
또한 비교를 위하여 유방암 특이적인 것이 아닌 Cosmic signature 전체에 대해 fitting 한 signature 3 를 산출하였다.
Genomics of Drug Sensitivity in Cancer (GDSC) data 가 가용한 36 개의 유방암 세포주에 대한 104개 TU data 를 통해 상기 유방암 random forest 모델로부터 예측된 tHRD(+) 와 tHRD(-) 간 drug response 차이를 측정하였고 약물감수성으로는 GDSC 에서 제공하는 2020. 02 updated data 의 PARP inhibitor (Olaparib, Rucaparib, Veliparib, Talazoparib) 및 다른 DNA-damaging agent (Bleomycin, Cisplatin, Doxorubicin, Etoposide, SN-38) 에 대한 IC50 값을 사용하였다. 두 그룹간 IC50 비교는 Mann-Whitney U test 를 사용하였다.
Precision recall을 위해서는 signature 3 값과 tHRD 예측값을 변경시켜가며 IC50 의 중앙값을 기준으로 true positive, false positive, true negative, false negative 의 개수를 측정하였다.
그 결과, 도 6 및 도 7에 기재된 바와 같이 gHRD 방법에 비해 tHRD 방법의 정확도가 월등히 뛰어난 것을 확인하였다.
또한, 104개 transcript 중, 하기 표 3과 같이 주요 transcript 20개 만을 이용하여 상기와 같은 방법으로 유방암 세포주의 약물반응을 예측한 결과, 도 8에 기재된 바와 같이, gHRD 방법보다 여전히 성능이 뛰어난 것을 확인하였다.
Figure PCTKR2021015800-appb-img-000015
Figure PCTKR2021015800-appb-img-000016
뿐만 아니라, 104개 transcript 중, 하기 표 4와 같이 주요 transcript 10개 만을 이용하여 상기와 같은 방법으로 유방암 세포주의 약물반응을 예측한 결과, 도 9에 기재된 바와 같이, gHRD 방법보다 여전히 성능이 뛰어난 것을 확인하였다.
Figure PCTKR2021015800-appb-img-000017
7-2. 난소암
7-1과 같은 방법을 사용하되, TCGA 난소암 환자의 platinum response 를 분류하기 위해 참고문헌 (Victor M. Villalobos. et al. JCO Clinical Cancer Informatics, Vol.2, pp.1-16, 2018.)에서 제시하는 first-line therapy 를 받은 환자 중에서 6개월 이내에 progression 이 생긴 경우는 플래티넘 저항성으로 분류하고 그렇지 않은 경우의 환자는 플래티넘 반응성으로 분류하였다. 참고문헌에서 제공하는 전체 450 명의 환자 중에서 RNA-seq, genomic scar, signature 3 가 모두 가용한 162 명을 이용하여 난소암 예측 모델에 사용하였다.
그 결과, 도 10에 기재된 바와 같이 gHRD 방법에 비해 tHRD 기반 방법의 정확도가 뛰어나며 tHRD 로 분류된 경우의 환자 생존율 역시 gHRD 로 분류된 경우보다 뚜렷한 차이를 보임을 확인하였다.
또한, 89개 transcript 중, 하기 표 5와 같이 주요 transcript 10개 만을 이용하여 상기와 같은 방법으로 난소암 환자의 약물반응을 예측한 결과, 도 11에 기재된 바와 같이, gHRD 방법과 대등하거나 여전히 성능이 뛰어난 것을 확인하였다.
Figure PCTKR2021015800-appb-img-000018
추가적으로, 실시예 7-1과 같이 gHRD를 기준으로 예측 모델을 학습하는 대신, 상기 참고문헌에서 제시된대로 6개월 이내의 progression 여부에 따른 플래티넘 반응성을 기준으로 추가적인 예측 모델을 구축하여 성능을 확인하였다.
그 결과, 도 12에 기재된 바와 같이 gHRD 방법에 비해 tHRD 기반 방법의 예측성능이 뛰어나며, tHRD 로 분류된 경우의 환자 생존율 역시 gHRD로 분류된 경우만큼 뚜렷한 차이를 보임을 확인하였다.
7-3. 실제 난소암 환자에서의 모델 성능 검증
실시예 6에서 구축한 모델 (TCGA-OV 샘플의 DNA repair 관련 유전자 isoforms 의 TU 값들을 random forest model 의 input data 로 활용하여 genomic HRD 의 유무를 결정하도록 학습시킨 인공지능 모델) 을 platinum chemotherapy 처치 난소암 환자 (n=27) 의 RNA-seq data 에 적용하여 얻은 최적의 기준점 (0.4841) 를 검증하기 위해 독립적인 platinum chemotherapy 처치 난소암 (n=20) 샘플의 MGI DNB platform 기반 RNA sequencing 데이터로 반응성을 예측하여 HRD class 를 구분하였다.
그 결과, 약물 처리 후 6개월 이내 암 전이를 기준으로 둘 경우 모델의 예측 결과는 높은 specificity (1.0) 를 보이고 12개월 이내 암 전이를 기준으로 둘 경우 모델의 예측 결과는 specificity (0.78), sensitivity (0.63) 인 것을 확인하였다 (표 6).
Figure PCTKR2021015800-appb-img-000019
또한 암 전이 기간 (PFS) 을 통해 생존분석을 진행한 결과, 기존에 얻은 최적의 기준치 (0.4841) 로 분류할 경우 HRD 양성 (Positive) 으로 분류된 환자들이 2년 미만의 기간에서 암 전이가 통계적으로 유의하게 낮게 일어나는 것을 확인하였다(도 13).
이상으로 본 발명 내용의 특정한 부분을 상세히 기술하였는 바, 당업계의 통상의 지식을 가진 자에게 있어서 이러한 구체적 기술은 단지 바람직한 실시 양태일 뿐이며, 이에 의해 본 발명의 범위가 제한되는 것이 아닌 점은 명백할 것이다. 따라서, 본 발명의 실질적인 범위는 첨부된 청구항들과 그것들의 등가물에 의하여 정의된다고 할 것이다.
본 발명에 따른 PARP 저해제 또는 DNA 손상 약물 감수성 판정 방법은, 기존의 유전자 변이 정보를 기반으로 PARP 저해제 또는 DNA 손상 약물 감수성을 판정하는 방법과 달리, 유전자에서 전사된 전사체의 정보를 이용하기 때문에, 실시간으로 감수성을 판정할 수 있을 뿐만 아니라 정확도가 높아 유용하다.

Claims (19)

  1. a) 생체시료에서 핵산을 추출하여 DNA 수리(repair) 관련 유전자들의 비기능성 전사체들의 전사체(transcript)별 발현량을 획득하는 단계;
    b) 획득한 발현량을 기반으로 유전자별 비기능성 전사체들의 전사체별 사용율(Transcript Usage, TU)을 계산하는 단계; 및
    c) 계산된 TU값을 분석하여 수득한 값이 기준값 이상일 경우, PARP(Poly ADP Ribose Polymerase) 저해제 또는 DNA 손상 약물(genotoxic drugs)에 대한 감수성(susceptibility)이 있는 것으로 판정하는 단계를 포함하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법.
  2. 제1항에 있어서, 상기 핵산은 RNA인 것을 특징으로 하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법.
  3. 제1항에 있어서, 상기 a) 단계는 다음의 단계를 포함하는 방법으로 수행되는 것을 특징으로 하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법:
    a-i) 혈액, 정액, 질 세포, 모발, 타액, 소변, 구강세포, 암 조직 세포, FFPE 샘플 및 이의 혼합물에서 핵산을 수득하는 단계;
    a-ii) 채취된 핵산에서 솔팅-아웃 방법(salting-out method), 컬럼 크로마토그래피 방법(column chromatography method) 또는 비드 방법(beads method)을 사용하여 단백질, 지방, 및 기타 잔여물을 제거하고 정제된 핵산을 수득하는 단계;
    a-iii) 정제된 핵산에 대하여, DNA 수리 관련 유전자 그룹을 풍부화(enrichment) 하여 라이브러리(library)를 제작하는 단계;
    a-iv) 제작된 라이브러리를 차세대 유전자서열검사기(next-generation sequencer)에 반응시키는 단계; 및
    a-v) 차세대 유전자서열검사기에서 핵산의 서열정보(reads)를 획득하는 단계.
  4. 제1항에 있어서, 상기 DNA 수리 관련 유전자들은 ABL1, ALKBH1, APEX1, APTX, ASF1A, ATM, ATP23, ATR, ATRX, ATXN3, BLM, BRCA1, BRCA2, BTG2, CCNO, CDKN2D, CEBPG, CIB1, CSNK1D, CSNK1E, DDB1, DDB2, ERCC1, ERCC2, ERCC3, ERCC4, ERCC5, ERCC6, ERCC8, EXO1, FANCA, FANCC, FANCG, FEN1, GADD45A, GADD45G, GTF2H1, GTF2H4, HMGB1, HMGB1P10, HMGB2, HUS1, IGHMBP2, KAT5, LIG1, LIG3, LIG4, MLH1, MMS19, MNAT1, MPG, MRE11, MSH2, MSH3, MSH5, MSH6, MUTYH, NBN, NHEJ1, NTHL1, OGG1, PARP1, PARP3, PMS1, PMS2, PMS2P1, PNKP, POLA1, POLD1, POLE, POLE2, POLG, POLH, POLI, POLL, POLQ, PRKCG, RAD1, RAD17, RAD21, RAD23A, RAD23B, RAD50, RAD51, RAD51B, RAD51C, RAD52, RAD54B, RAD54L, RAD9A, RBBP8, RECQL, RECQL4, RECQL5, REV1, RFC3, RPA1, RPAIN, RUVBL2, SETX, SMC1A, SMUG1, SOD1, SUMO1, TDG, TNP1, TP53, TP73, TREX2, UBE2A, UBE2B, UBE2N, UBE2V1, UBE2V2, UNG, UPF1, UVRAG, VCP, WRNIP1, XAB2, XPC, XRCC2, XRCC3, XRCC4, XRCC6, BABAM2, BRIP1, CDCA5, CHEK1, DCLRE1C, FANCB, FANCI, MGME1, MND1, MUS81, NEIL1, PARP9, RAD51AP1, RFC4, SMARCB1, TICRR, TRIP13, UBE2T, USP47, ABRAXAS1, ASCC1, CHEK2, NSMCE4A, PARP2, RAD51AP1, RHNO1, RMI2, RPS3, TNKS1BP1, UBB, UIMC1 및 USP45로 구성된 군에서 선택되는 10개 이상의 유전자인 것을 특징으로 하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법.
  5. 제4항에 있어서, 상기 PARP 저해제 또는 DNA 손상 약물이 유방암에 적용될 경우, 상기 DNA 수리 관련 유전자들은 ALKBH2, ATXN3, BABAM2, BRIP1, CDCA5, CHEK1, DCLRE1C, DDB2, ERCC1, EXO1, FANCB, FANCC, FANCI, FEN1, KAT5, MGME1, MND1, MSH5, MUS81, NEIL1, PARP3, PARP9, POLD1, RAD51, RAD51AP1, RAD54L, RFC4, RPAIN, SMARCB1, SMC1A, TICRR, TRIP13, UBE2T, UBE2V2 및 USP47로 구성된 군에서 선택되는 10개 이상의 유전자인 것을 특징으로 하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법.
  6. 제4항에 있어서, 상기 PARP 저해제 또는 DNA 손상 약물이 난소암에 적용될 경우, 상기 DNA 수리 관련 유전자들은 ABRAXAS1, ASCC1, BLM, CHEK2, ERCC1, EXO1, GADD45A, MUTYH, NSMCE4A, PARP2, POLE2, RAD51AP1, RAD51B, RECQL4, RHNO1, RMI2, RPS3, SUMO1, TNKS1BP1, UBB, UBE2A, UIMC1, USP45, VCP 및XPC로 구성된 군에서 선택되는 10개 이상의 유전자인 것을 특징으로 하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법.
  7. 제1항에 있어서, 상기 a) 단계의 비기능성 전사체는 마이너 동형체(minor isoform)인 것을 특징으로 하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법.
  8. 제1항에 있어서, 상기 b) 단계의 유전자별 비기능성 전사체들의 전사체별 사용율(Transcript Usage, TU)을 계산하는 단계는 하기 수식 1로 계산하는 것을 특징으로 하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법:
    Figure PCTKR2021015800-appb-img-000020
  9. 제1항에 있어서, 상기 c) 단계의 계산된 TU값을 분석하여 값을 수득하는 단계는 유전체 상동성 재조합 결핍(genomic Homologous Recombinant Deficiency, gHRD) 양성 또는 약물 반응성이 있는 것으로 알려진 샘플에서 과발현되는 비기능성 전사체들의 TU 값에 특정 가중치를 곱하여 합산하여 특정 범위의 판정값을 도출하거나, 각 비기능성 전사체들의 TU 값이 특정 기준치를 초과하는 양상에 따라 최종 판정을 하는 의사결정 절차를 사용하는 것을 특징으로 하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법.
  10. 제9항에 있어서, 상기 유전체 상동성 재조합 결핍(genomic Homologous Recombinant Deficiency, gHRD) 양성 또는 약물 반응성이 있는 것으로 알려진 샘플에서 과발현되는 비기능성 전사체들의 TU 값에 특정 가중치를 곱하여 합산하여 특정 범위의 판정값을 도출하는 방법은 유전체 상동성 재조합 결핍(genomic Homologous Recombinant Deficiency, gHRD) 양성 또는 약물 반응성이 있는 것으로 알려진 샘플에서 과발현되는 비기능성 전사체들에 해당하는 비기능성 전사체들의 TU값에 가중치를 곱한후, 합산하여 0 내지 1 사이의 값으로 정규화하여 도출하는 단계를 포함하는 방법으로 수행되는 것을 특징으로 하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법.
  11. 제1항에 있어서, 상기 기준값은 0.5 내지 1 인 것을 특징으로 하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법.
  12. 제9항에 있어서, 상기 계산된 TU값을 분석하여 값을 수득하는 단계는 인공지능 모델을 이용하여 수행하는 것을 특징으로 하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법.
  13. 제12항에 있어서, 상기 인공지능 모델은 gHRD 양성 또는 약물 반응성 양성 샘플에서 과발현되는 유전자별 비기능성 전사체들의 TU값에 부과할 수 있는 가중치들의 조합들과 그 가중화된 TU 값들의 합산으로 이루어지는 판정값의 기준치를 다양한 환자별 전사체 발현 양상을 반영할 수 있도록 기계학습하여 예측모델을 구축하거나, gHRD 양성 또는 약물 반응성 양성 샘플에서 과발현되는 유전자별 비기능성 전사체들의 TU 값을 각각의 기준치와 비교하는 의사결정 과정을 다양한 환자별 전사체 발현 양상을 반영할 수 있도록 구조화하여 기계학습을 통해 예측모델을 구축하는 것을 특징으로 하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법.
  14. 제13항에 있어서, 상기 기계학습은 K-최근접 이웃(k-Nearest Neighbors), 선형 회귀(Linear Regression), 로지스틱 회귀(Logistic Regression), 서포트 벡터 머신(SVM, Support Vector Machine), 의사결정나무(Decision Tree), 랜덤 포레스트(Random Forest) 및 신경망(Neural Network)으로 구성된 군에서 선택되는 어느 하나 이상의 방법으로 수행되는 것을 특징으로 하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법.
  15. 제1항에 있어서, 상기 PARP 저해제는 AZD2281(올라파립, Olaparib), ABT888(벨리파립, Veliparib), AG014699(루카파립, Rucaparib), MK-4827(니라파립, Niraparib), BMN-673(탈라조파립, Talazoparib), BSI201(이니파립, Iniparib), BGP15(O-(3-piperidino-2-hydroxy-1-propyl)nicotinicamidoxime),INO1001(3-Aminobenzamide), ONO2231, 니코틴아미드(nicotinamide), 3-아미노벤즈아미드(3-aminobenzamide), ,4-디히드로-5-[4-(1-피페리디닐)부톡시]-1(2H)-이소퀴놀론(3,4-dihydro-5-[4-(1-piperidinyl)butoxy]-1(2H)-isoquinolone), 벤즈아미드(benzamide), 퀴놀론(quinolone), 이소퀴놀론(isoquinolone), 벤조피론(benzopyrone), 사이클릭 벤즈아미드(cyclic benzamide), 벤즈이미다졸(benzimidazole), 인돌(indole) 및 펜안트리디논(phenanthridinone)으로 구성된 군에서 선택되는 것을 특징으로 하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법
  16. 제1항에 있어서, 상기 DNA 손상 약물은 블레오마이신(Bleomycin), 시스플라틴(Cisplatin), 카보플라틴(carboplatin), 옥살리플라틴(Oxaliplatin), 네다플라틴(Nedaplatin), 독소루비신(Doxorubicin), 에토포시드(Etoposide) 및 SN38로 구성된 군에서 선택되는 것을 특징으로 하는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 방법.
  17. 제1항 내지 제16항 중 어느 한 항에 따른 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정방법에 이용되는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정 장치로서, 상기 장치는
    (1) 생체시료에서 핵산을 추출하여 DNA 수리(repair) 관련 유전자들의 비기능성 전사체들의 전사체(transcript)별 발현량을 획득하는 정보 획득부;
    (2) 획득한 발현량을 기반으로 유전자별 비기능성 전사체들의 전사체별 사용율(Transcript Usage, TU)을 계산하는 계산부; 및
    (3) 계산된 TU값을 분석하여 수득한 값이 기준값 이상일 경우, PARP(Poly ADP Ribose Polymerase) 저해제 또는 DNA 손상 약물(genotoxic drugs)에 대한 감수성(susceptibility)이 있는 것으로 판정하는 감수성 판정부;
    를 포함하는 것을 특징으로 하는 감수성 판정 장치.
  18. 제1항 내지 제16항 중 어느 한 항에 따른 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정방법에 이용되는 컴퓨터 판독 가능한 기록매체로서, 상기 매체는 PARP 저해제 또는 DNA 손상 약물에 대한 감수성을 판정하는 프로세서에 의해 실행되도록 구성되는 명령을 포함하되,
    a) 생체시료에서 핵산을 추출하여 DNA 수리(repair) 관련 유전자들의 비기능성 전사체들의 전사체(transcript)별 발현량을 획득하는 단계;
    b) 획득한 발현량을 기반으로 유전자별 비기능성 전사체들의 전사체별 사용율(Transcript Usage, TU)을 계산하는 단계; 및
    c) 계산된 TU값을 분석하여 수득한 값이 기준값 이상일 경우, PARP(Poly ADP Ribose Polymerase) 저해제 또는 DNA 손상 약물(genotoxic drugs)에 대한 감수성(susceptibility)이 있는 것으로 판정하는 단계를 포함하는 프로세서에 의해 실행되도록 구성되는 명령을 포함하는 컴퓨터 판독 가능한 기록매체.
  19. 제1항 내지 제16항 중 어느 한 항에 따른 PARP 저해제 또는 DNA 손상 약물에 대한 감수성 판정방법에 이용되는 표적화 RNA 서열분석(Targeted RNA-Seq) 키트로서, 상기 키트는
    DNA 수리 관련 유전자 그룹의 전사체를 포획하는 프로브; 및 포획한 전사체를 증폭하는 프라이머를 포함하는 것을 특징으로 하는 표적화 RNA 서열분석 키트.
PCT/KR2021/015800 2020-11-04 2021-11-03 비기능성 전사체를 이용한 parp 저해제 또는 dna 손상 약물 감수성 판정방법 WO2022098086A1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US18/251,033 US20230383363A1 (en) 2020-11-04 2021-11-03 Method for determining sensitivity to parp inhibitor or dna damaging agent using non-functional transcriptome
JP2023527969A JP2023548419A (ja) 2020-11-04 2021-11-03 非機能性転写体を用いたＰＡＲＰ阻害剤またはＤＮＡ損傷薬物感受性判定方法 ｛Ｍｅｔｈｏｄ ｆｏｒ Ｄｅｔｅｒｍｉｎｉｎｇ Ｓｅｎｓｉｔｉｖｉｔｙ ｔｏ ＰＡＲＰ ｉｎｈｉｂｉｔｏｒ ｏｒ ｇｅｎｏｔｏｘｉｃ ｄｒｕｇｓ ｂａｓｅｄ ｏｎ ｎｏｎ－ｆｕｎｃｔｉｏｎａｌ ｔｒａｎｓｃｒｉｐｔｓ｝
EP21889551.4A EP4243023A1 (en) 2020-11-04 2021-11-03 Method for determining sensitivity to parp inhibitor or dna damaging agent using non-functional transcriptome

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0145901 2020-11-04
KR20200145901 2020-11-04

Publications (1)

Publication Number Publication Date
WO2022098086A1 true WO2022098086A1 (ko) 2022-05-12

Family

ID=81458101

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/015800 WO2022098086A1 (ko) 2020-11-04 2021-11-03 비기능성 전사체를 이용한 parp 저해제 또는 dna 손상 약물 감수성 판정방법

Country Status (5)

Country Link
US (1) US20230383363A1 (ko)
EP (1) EP4243023A1 (ko)
JP (1) JP2023548419A (ko)
KR (1) KR20220060493A (ko)
WO (1) WO2022098086A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023224488A1 (en) * 2022-05-19 2023-11-23 Agendia N.V. Dna repair signature and prediction of response following cancer therapy

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117746995B (zh) * 2024-02-21 2024-05-28 厦门大学 基于单细胞rna测序数据的细胞类型识别方法、装置及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140364434A1 (en) * 2011-12-07 2014-12-11 The Regents Of The University Of California Biomarkers for Prediction of Response to PARP Inhibition in Breast Cancer
KR20160014565A (ko) * 2014-07-29 2016-02-11 재단법인 아산사회복지재단 Parp 저해제에 대한 감수성 예측용 신규한 바이오 마커 및 이의 용도

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140364434A1 (en) * 2011-12-07 2014-12-11 The Regents Of The University Of California Biomarkers for Prediction of Response to PARP Inhibition in Breast Cancer
KR20160014565A (ko) * 2014-07-29 2016-02-11 재단법인 아산사회복지재단 Parp 저해제에 대한 감수성 예측용 신규한 바이오 마커 및 이의 용도

Non-Patent Citations (18)

* Cited by examiner, † Cited by third party
Title
"Master's thesis, Department of Bio and Brain Engineering, Korea Advanced Institute of Science and Technology", 1 January 2019, KOREA ADVANCED INSTITUTE OF SCIENCE AND TECHNOLOGY, Korea, article KANG, HYEON GU: "Identification of homologous recombination repair deficiency through the transcript usage analysis in breast cancer patients", pages: 1 - 42, XP009536731 *
ABKEVICH, V. ET AL., BR. J. CANCER., vol. 107, 2012, pages 1776 - 1782
ALEXANDROV, L. B. ET AL., NATURE, vol. 500, 2013, pages 415 - 421
CHAUDHURI, A. R. ET AL., NATURE, vol. 535, 2016, pages 382 - 387
GULHAN, D. C. ET AL., NAT. GENET., vol. 51, 2019, pages 912 - 919
JOSE MANUEL RODRIGUEZ. ET AL., NUCLEIC ACIDS RES., vol. 46, no. D1, 2018, pages D213 - D217
KANG HYEON GU, HWANGBO HAEUN, KIM MYUNG JI, KIM SINAE, LEE EUN JI, PARK MIN JI, KIM JAE-WEON, KIM BYOUNG-GIE, CHO EUN-HAE, CHANG S: "Aberrant Transcript Usage Is Associated with Homologous Recombination Deficiency and Predicts Therapeutic Response", CANCER RESEARCH, AMERICAN ASSOCIATION FOR CANCER RESEARCH, US, vol. 82, no. 1, 1 January 2022 (2022-01-01), US , pages 142 - 154, XP055928442, ISSN: 0008-5472, DOI: 10.1158/0008-5472.CAN-21-2023 *
KAWAZU MASAHITO, KOJIMA SHINYA, UENO TOSHIHIDE, TOTOKI YASUSHI, NAKAMURA HIROMI, KUNITA AKIKO, QU WEI, YOSHIMURA JUN, SODA MANABU,: "Integrative analysis of genomic alterations in triple-negative breast cancer in association with homologous recombination deficiency", PLOS GENETICS, vol. 13, no. 6, 21 June 2017 (2017-06-21), pages e1006853, XP055928441, DOI: 10.1371/journal.pgen.1006853 *
MAURA, F. ET AL., NAT. COMMUN., vol. 10, 2019
MAURA. ET AL., NAT. COMMUNICATIONS, vol. 10, 2019, pages 2069
METZKER, M., NATURE BIOTECHNOLOGY REVIEWS, vol. 11, 2010, pages 31 - 46
MIHAELA PERATEA ET AL., NAT. PROTOC., vol. 11, no. 9, 2016, pages 1650 - 1667
NICOLAI J. BIRKBAK, CANCER DISCOV., vol. 2, 2012, pages 367
NORQUIST, B. ET AL., J. CLIN. ONCOL., vol. 29, 2011, pages 3008 - 3015
PERTEA MIHAELA, PERTEA GEO M, ANTONESCU CORINA M, CHANG TSUNG-CHENG, MENDELL JOSHUA T, SALZBERG STEVEN L: "StringTie enables improved reconstruction of a transcriptome from RNA-seq reads", NATURE BIOTECHNOLOGY, NATURE PUBLISHING GROUP US, NEW YORK, vol. 33, no. 3, 1 March 2015 (2015-03-01), New York, pages 290 - 295, XP055928440, ISSN: 1087-0156, DOI: 10.1038/nbt.3122 *
POPOVA, T. ET AL., CANCER RES., vol. 72, 2012, pages 5454 - 5462
VICTOR M. VILLALOBOS. ET AL., JCO CLINICAL CANCER INFORMATICS, vol. 2, 2018, pages 1 - 16
WATKINS, J. A. ET AL., BREAST CANCER RESEARCH, vol. 16, 2014, pages 1 - 11

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023224488A1 (en) * 2022-05-19 2023-11-23 Agendia N.V. Dna repair signature and prediction of response following cancer therapy

Also Published As

Publication number Publication date
KR20220060493A (ko) 2022-05-11
US20230383363A1 (en) 2023-11-30
JP2023548419A (ja) 2023-11-16
EP4243023A1 (en) 2023-09-13

Similar Documents

Publication Publication Date Title
Casuscelli et al. Genomic landscape and evolution of metastatic chromophobe renal cell carcinoma
US20220251665A1 (en) Cancer detection and classification using methylome analysis
Roy et al. Loss of chromatin-remodeling proteins and/or CDKN2A associates with metastasis of pancreatic neuroendocrine tumors and reduced patient survival times
WO2022098086A1 (ko) 비기능성 전사체를 이용한 parp 저해제 또는 dna 손상 약물 감수성 판정방법
Le Gallo et al. Exome sequencing of serous endometrial tumors identifies recurrent somatic mutations in chromatin-remodeling and ubiquitin ligase complex genes
WO2012081898A2 (ko) 위암의 예후 예측용 마커 및 이를 이용하는 위암의 예후 예측 방법
AU2012253414B2 (en) Method of detecting cancer through generalized loss of stability of epigenetic domains, and compositions thereof
WO2018169145A1 (ko) 진행성 위암 환자의 수술 후 예후 또는 항암제 적합성 예측 시스템
Shukla et al. Feasibility of whole genome and transcriptome profiling in pediatric and young adult cancers
Scott et al. Next‐generation sequencing of urine specimens: A novel platform for genomic analysis in patients with non–muscle‐invasive urothelial carcinoma treated with bacille Calmette‐Guérin
US20220275463A1 (en) Stratification and prognosis of cancer
WO2019168478A1 (en) A method of determining a risk of cancer
WO2022097844A1 (ko) 유전자 복제수 변이 정보를 이용하여 췌장암 환자의 생존 예후를 예측하는 방법
Siegmund et al. Clinicopathologic and molecular spectrum of testicular sex cord-stromal tumors not amenable to specific histopathologic subclassification
Zhifu et al. SNP–SNP interactions of immunity related genes involved in the CD28/B7 pathway with susceptibility to invasive ductal carcinoma of the breast
WO2022203437A1 (ko) 인공지능 기반 무세포 dna의 종양 유래 변이 검출 방법 및 이를 이용한 암 조기 진단 방법
Ramamurthy et al. Hereditary cancer gene variants in hispanic men with a personal or family history of prostate cancer
Matsunaga et al. DNA methylation profiling can classify HIV-associated lymphomas
Boutros et al. Clonality of localized and metastatic prostate cancer
WO2022108407A1 (ko) 핵산 길이 비를 이용한 암 진단 및 예후예측 방법
Febres-Aldana et al. Comparison of Immunohistochemistry, Next-generation Sequencing and Fluorescence In Situ Hybridization for Detection of MTAP Loss in Pleural Mesothelioma
Parry et al. DLBCL arising from indolent lymphomas: how are they different?
WO2024029988A1 (ko) 세포유리 dna를 이용한 관상동맥 측부순환 예측용 바이오마커 조성물, 키트 및 정보제공방법
WO2024090805A1 (ko) 폐암 진단용 메틸화 마커 및 이의 조합
WO2024117791A1 (ko) 식도암 및 위암 진단용 dna 메틸화 마커 및 이의 용도

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21889551

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 18251033

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2023527969

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021889551

Country of ref document: EP

Effective date: 20230605