WO2024038901A1 - 肝疾患非侵襲性バイオマーカー及びこれを用いた肝疾患の検出 - Google Patents

肝疾患非侵襲性バイオマーカー及びこれを用いた肝疾患の検出 Download PDF

Info

Publication number
WO2024038901A1
WO2024038901A1 PCT/JP2023/029768 JP2023029768W WO2024038901A1 WO 2024038901 A1 WO2024038901 A1 WO 2024038901A1 JP 2023029768 W JP2023029768 W JP 2023029768W WO 2024038901 A1 WO2024038901 A1 WO 2024038901A1
Authority
WO
WIPO (PCT)
Prior art keywords
seq
mir
liver disease
biomarker
liver
Prior art date
Application number
PCT/JP2023/029768
Other languages
English (en)
French (fr)
Inventor
道法 小原
恭子 小原
弘 八橋
Original Assignee
公益財団法人東京都医学総合研究所
国立大学法人鹿児島大学
独立行政法人国立病院機構
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 公益財団法人東京都医学総合研究所, 国立大学法人鹿児島大学, 独立行政法人国立病院機構 filed Critical 公益財団法人東京都医学総合研究所
Publication of WO2024038901A1 publication Critical patent/WO2024038901A1/ja

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
    • C12N15/00—Mutation or genetic engineering; DNA or RNA concerning genetic engineering, vectors, e.g. plasmids, or their isolation, preparation or purification; Use of hosts therefor
    • C12N15/09—Recombinant DNA-technology
    • C12N15/11—DNA or RNA fragments; Modified forms thereof; Non-coding nucleic acids having a biological activity
    • C12N15/113—Non-coding nucleic acids modulating the expression of genes, e.g. antisense oligonucleotides; Antisense DNA or RNA; Triplex- forming oligonucleotides; Catalytic nucleic acids, e.g. ribozymes; Nucleic acids used in co-suppression or gene silencing
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor

Definitions

  • the present invention relates to non-invasive biomarkers for liver diseases.
  • the present invention also provides a kit, method, and program for detecting liver disease with high precision using the non-invasive marker for liver disease, and a kit, method, and program for detecting liver disease with high precision using the non-invasive marker for liver disease.
  • the present invention relates to a data processing method for data processing, and a data processing device for use in the data processing.
  • Liver biopsy as a method for analyzing the degree of improvement in fibrosis is still widely used as a highly accurate evaluation method.
  • patients with cirrhosis tend to bleed, so liver biopsy is likely to cause serious complications.
  • a liver biopsy only collects a portion of the liver tissue, sampling error always poses a problem as to whether the results of the liver biopsy reflect the condition of the entire liver.
  • Non-Patent Document 1 a non-invasive or minimally invasive surrogate marker that allows accurate diagnosis is still strongly desired.
  • QOL quality of life
  • Serum Wisteria floribunda agglutinin-positive Mac-2-binding protein for patients with chronic hepatitis B and C a comparative study. H Nishikawa, et.al. J Viral Hepat. 2016 Dec;23(12):977-984. doi: 10.1111/jvh.12575.Epub 2016 Jul 31.
  • the present invention provides a biomarker for detecting liver disease non-invasively or minimally invasively and with high accuracy.
  • the present invention also provides kits, methods, and programs for detecting liver diseases non-invasively or minimally invasively and with high precision using the biomarkers, and for detecting liver diseases using the non-invasive markers for liver diseases.
  • a data processing method for highly accurate detection and a data processing device for use in the data processing are provided.
  • the present inventors discovered multiple miRNAs that can be used as detection markers for liver diseases from blood that can be collected in a minimally invasive manner, and used nucleic acids that can specifically bind to these miRNAs. It was discovered that liver diseases could be significantly detected by this method, and the present invention was completed.
  • the present invention includes the following aspects. ⁇ 1-1> Biomarkers miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), miR-4521 (SEQ ID NO: 4), miR-320A (SEQ ID NO: 5), miR -483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 14), miR-34a (SEQ ID NO: 15), miR-320c -1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18), miR-
  • miR-4258 SEQ ID No. 27
  • miR-4673 SEQ ID No. 28
  • miR-4748 SEQ ID No. 29
  • miR-4787-3p SEQ ID No. 30
  • miR-204-3p SEQ ID No.
  • miR-6754-3p SEQ ID No. 95
  • miR-365a-3p SEQ ID No. 96
  • miR-365b-3p SEQ ID No. 97
  • miR-6748-3p SEQ ID No. 98
  • miR- 6892-3p SEQ ID NO: 99
  • miR-8083 SEQ ID NO: 100
  • miR-4724-5p SEQ ID NO: 101
  • miR-6884-5p SEQ ID NO: 102
  • miR-7156-3p SEQ ID NO: 103
  • miR-19b-3p SEQ ID NO: 104
  • miR-518e-3p SEQ ID NO: 105
  • miR-646 SEQ ID NO: 106
  • miR-298 SEQ ID NO: 107
  • miR-1234-3p SEQ ID NO: 108
  • miR-2115-5p SEQ ID NO: 109
  • miR-3142 SEQ ID NO: 110
  • miR-3179 SEQ ID NO: 111
  • miR-7112-5p SEQ ID No. 119
  • miR-12116 SEQ ID No. 120
  • miR-518d-3p SEQ ID No. 121
  • miR-145-5p SEQ ID No. 122
  • a liver disease detection kit comprising a specifically binding nucleic acid.
  • Biomarkers miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), miR-4521 (SEQ ID NO: 4), miR-320A (SEQ ID NO: 5), miR -483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 14), miR-34a (SEQ ID NO: 15), miR-320c -1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18), miR-148a (SEQ ID NO: 19),
  • miR-4258 SEQ ID No. 27
  • miR-4673 SEQ ID No. 28
  • miR-4748 SEQ ID No. 29
  • miR-4787-3p SEQ ID No. 30
  • miR-204-3p SEQ ID No.
  • ⁇ 1-3> A polynucleotide selected from the group consisting of biomarkers miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4), Or the liver disease detection kit according to ⁇ 1-2>, which comprises a nucleic acid capable of specifically binding to the complementary strand of the polynucleotide.
  • the liver disease detection kit according to ⁇ 1-3> wherein the kit further comprises at least one nucleic acid capable of specifically binding to a polynucleotide that is another biomarker.
  • the another biomarker is miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2.
  • liver disease detection kit ⁇ 1-7> The liver disease detection kit according to ⁇ 1-1>, wherein the liver disease is selected from the group consisting of hepatitis, liver fibrosis, fatty liver, liver cirrhosis, and liver cancer.
  • HCV hepatitis C
  • HBV hepatitis B
  • NASH non-alcoholic fatty liver
  • nucleic acid is selected from the polynucleotides shown in any of the following (a) to (c) or fragments thereof: (a) (a-1) A polynucleotide consisting of a base sequence represented by any of SEQ ID NOs: 1 to 125 or a base sequence complementary to a base sequence where u is t in the base sequence, or 15 or more consecutive bases.
  • fragments thereof including (a-2) A polynucleotide or a fragment thereof containing one or more base deletions, substitutions, additions, or insertions in the base sequence of the polynucleotide or fragment thereof of (a-1); (a-3) the polynucleotide of (a-1) or (a-2) or a fragment thereof containing a modified nucleic acid and/or modified nucleotide; (b) A polynucleotide comprising a base sequence represented by any of SEQ ID NOs: 1 to 125 or a base sequence in which u is t, or a polynucleotide containing 15 or more consecutive bases.
  • (c-1) A polynucleotide consisting of a base sequence represented by any of SEQ ID NOs: 1 to 125 or a base sequence in which u is t, or a fragment thereof containing 15 or more consecutive bases;
  • (c-2) A polynucleotide or a fragment thereof containing deletion, substitution, addition, or insertion of one or more bases in the base sequence of the polynucleotide or fragment thereof of (c-1); (c-3) the polynucleotide of (c-1) or (c-2) or a fragment thereof, containing a modified nucleic acid and/or a modified nucleotide;
  • (c-4) A polynucleotide containing a base sequence represented by any of SEQ ID NOs: 1 to 125 or a base sequence where u
  • fragments thereof including (a-2) A polynucleotide or a fragment thereof containing one or more base deletions, substitutions, additions, or insertions in the base sequence of the polynucleotide or fragment thereof of (a-1); (a-3) the polynucleotide of (a-1) or (a-2) or a fragment thereof containing a modified nucleic acid and/or modified nucleotide; (b) A polynucleotide comprising a base sequence represented by any of SEQ ID NOs: 1 to 4 or a base sequence in which u is t, or a polynucleotide containing 15 or more consecutive bases.
  • (c-1) A polynucleotide consisting of a base sequence represented by any of SEQ ID NOs: 1 to 4 or a base sequence in which u is t, or a fragment thereof containing 15 or more consecutive bases
  • (c-2) A polynucleotide or a fragment thereof containing deletion, substitution, addition, or insertion of one or more bases in the base sequence of the polynucleotide or fragment thereof of (c-1); (c-3) the polynucleotide of (c-1) or (c-2) or a fragment thereof, containing a modified nucleic acid and/or a modified nucleotide;
  • (c-4) A polynucleotide containing a base sequence represented by any of SEQ ID NOs: 1 to 4 or a base sequence in which u is
  • fragments thereof including (d-2) A polynucleotide or a fragment thereof containing deletion, substitution, addition, or insertion of one or more bases in the base sequence of the polynucleotide or fragment thereof of (d-1); (d-3) the polynucleotide of (d-1) or (d-2) or a fragment thereof, comprising a modified nucleic acid and/or a modified nucleotide; (e) A polynucleotide comprising a base sequence represented by any of SEQ ID NOs: 5 to 21 or a base sequence in which u is t, or a polynucleotide containing 15 or more consecutive bases.
  • (f-1) A polynucleotide consisting of a base sequence represented by any of SEQ ID NOs: 5 to 21 or a base sequence in which u is t, or a fragment thereof containing 15 or more consecutive bases;
  • (f-2) A polynucleotide or a fragment thereof containing deletion, substitution, addition, or insertion of one or more bases in the base sequence of the polynucleotide or fragment thereof of (f-1); (f-3) the polynucleotide of (f-1) or (f-2) or a fragment thereof, containing a modified nucleic acid and/or a modified nucleotide;
  • (f-4) A polynucleotide containing a base sequence represented by any of SEQ ID NOs: 5 to 21 or a base sequence in which u is
  • the polynucleotide shown in any of (a) to (c) above is selected from polynucleotides represented by any of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83 to 125.
  • ⁇ 2-6> The liver disease detection kit according to ⁇ 2-1>, wherein the liver disease is selected from the group consisting of hepatitis, liver fibrosis, fatty liver, liver cirrhosis, and liver cancer.
  • ⁇ 2-7> The liver disease detection kit according to ⁇ 2-1>, wherein the liver disease is liver cirrhosis.
  • liver disease detection kit preferably hepatitis C (HCV) or hepatitis B (HBV).
  • HCV hepatitis C
  • HBV hepatitis B
  • NASH non-alcoholic fatty liver
  • ⁇ 3-1> A biomarker selected from polynucleotides represented by any of SEQ ID NOs: 1 to 125.
  • the biomarker according to ⁇ 3-1> selected from polynucleotides represented by any of SEQ ID NOs: 1 to 82.
  • ⁇ 3-3> ⁇ 3-2> selected from the group consisting of miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4); Biomarkers listed.
  • ⁇ 3-4> The biomarker according to ⁇ 3-1>, which is selected from the polynucleotides represented by any of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83 to 125.
  • ⁇ 3-5> The biomarker according to ⁇ 3-1>, wherein the biomarker is obtained from a biological sample selected from the group consisting of blood, serum, plasma, saliva, sweat, tears, stool, urine, and organ specimen.
  • ⁇ 3-6> The biomarker according to ⁇ 3-1>, which is used to diagnose the presence or absence of liver disease or the risk thereof.
  • ⁇ 3-7> The biomarker according to ⁇ 3-1>, which is used to determine the degree of progression of liver disease.
  • ⁇ 3-8> The biomarker according to ⁇ 3-1>, wherein the liver disease is selected from the group consisting of hepatitis, liver fibrosis, fatty liver, liver cirrhosis, and liver cancer.
  • ⁇ 3-9> The biomarker according to ⁇ 3-1>, wherein the liver disease is cirrhosis.
  • ⁇ 3-10> The biomarker according to ⁇ 3-2>, wherein the liver disease is a viral liver disease, preferably hepatitis C (HCV) or hepatitis B (HBV).
  • HCV hepatitis C
  • HBV hepatitis B
  • ⁇ 3-11> The biomarker according to ⁇ 3-4>, wherein the liver disease is non-alcoholic fatty liver (NASH).
  • NASH non-alcoholic fatty liver
  • ⁇ 4-1> measuring the level of a biomarker in a biological sample from a subject; Comparing the measured value of the biomarker with a control value;
  • ⁇ 4-2> The method according to ⁇ 4-1>, wherein the biomarker is selected from polynucleotides represented by any of SEQ ID NOs: 1 to 82.
  • the biomarker is one or more selected from the group consisting of miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4).
  • the additional biomarkers include miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a ( SEQ ID NO: 14), miR-34a (SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18), miR-148a (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 (SEQ ID NO: 9), mi
  • ⁇ 4-8> The method according to ⁇ 4-1>, wherein the liver disease is selected from the group consisting of hepatitis, liver fibrosis, fatty liver, liver cirrhosis, and liver cancer.
  • ⁇ 4-9> The method according to ⁇ 4-1>, wherein the liver disease is cirrhosis.
  • ⁇ 4-10> The method according to ⁇ 4-2>, wherein the liver disease is a viral liver disease, preferably hepatitis C (HCV) or hepatitis B (HBV).
  • HCV hepatitis C
  • HBV hepatitis B
  • NASH non-alcoholic fatty liver
  • ⁇ 5-1> Measuring the level of a biomarker in a biological sample from a subject who has been administered a candidate compound for the treatment of liver disease; Comparing the measured value of the biomarker with a control value;
  • a method for screening a candidate compound for a therapeutic drug for liver disease in the subject comprising: The method, wherein the biomarker is one or more selected from polynucleotides represented by SEQ ID NOs: 1 to 125.
  • ⁇ 5-2> The method according to ⁇ 5-1>, wherein the biomarker is selected from polynucleotides represented by any of SEQ ID NOs: 1 to 82.
  • the biomarker is one or more selected from the group consisting of miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4).
  • the additional biomarkers include miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a ( SEQ ID NO: 14), miR-34a (SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18), miR-148a (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 (SEQ ID NO: 9), mi
  • liver disease is selected from the group consisting of hepatitis, liver fibrosis, fatty liver, liver cirrhosis, and liver cancer.
  • ⁇ 5-9> The method according to ⁇ 5-1>, wherein the liver disease is cirrhosis.
  • ⁇ 5-10> The method according to ⁇ 5-2>, wherein the liver disease is a viral liver disease, preferably hepatitis C (HCV) or hepatitis B (HBV).
  • HCV hepatitis C
  • HBV hepatitis B
  • NASH non-alcoholic fatty liver
  • ⁇ 6-1> measuring the level of a biomarker in a biological sample from a subject; Comparing the measured value of the biomarker with a control value;
  • a method of treating liver disease in said subject comprising: The method, wherein the biomarker is one or more selected from polynucleotides represented by SEQ ID NOs: 1 to 125.
  • ⁇ 6-2> The method according to ⁇ 6-1>, wherein the biomarker is selected from polynucleotides represented by any of SEQ ID NOs: 1 to 82.
  • the biomarker is one or more selected from the group consisting of miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4).
  • the additional biomarkers include miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a ( SEQ ID NO: 14), miR-34a (SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18), miR-148a (SEQ ID NO:
  • ⁇ 6-8> The method according to ⁇ 6-1>, wherein the liver disease is selected from the group consisting of hepatitis, liver fibrosis, fatty liver, liver cirrhosis, and liver cancer.
  • ⁇ 6-9> The method according to ⁇ 6-1>, wherein the liver disease is cirrhosis.
  • ⁇ 6-10> The method according to ⁇ 6-2>, wherein the liver disease is a viral liver disease, preferably hepatitis C (HCV) or hepatitis B (HBV).
  • HCV hepatitis C
  • HBV hepatitis B
  • NASH non-alcoholic fatty liver
  • ⁇ 7-2> The method according to ⁇ 7-1>, wherein the result in the form of the set of at least two parameters is evaluated using a computer program.
  • ⁇ 7-3> The method according to ⁇ 7-1>, wherein the biomarker 1 and the at least one additional biomarker are selected from polynucleotides represented by SEQ ID NOs: 1 to 125.
  • ⁇ 7-4> The method according to ⁇ 7-3>, wherein the biomarker 1 and the at least one additional biomarker are selected from polynucleotides represented by any of SEQ ID NOs: 1 to 82.
  • the biomarker 1 and the at least one additional biomarker are miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), miR-4521 (SEQ ID NO: 4) , miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 14), miR -34a (SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18
  • the biomarker 1 and the at least one additional biomarker are selected from polynucleotides represented by any of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83-125; The method described in ⁇ 7-3>.
  • ⁇ 7-7> The method according to ⁇ 7-1>, wherein the biological sample is selected from the group consisting of blood, serum, plasma, saliva, sweat, tears, stool, urine, and organ specimen.
  • the liver disease is selected from the group consisting of hepatitis, liver fibrosis, fatty liver, liver cirrhosis, and liver cancer.
  • liver disease is cirrhosis.
  • liver disease is a viral liver disease, preferably hepatitis C (HCV) or hepatitis B (HBV).
  • HCV hepatitis C
  • HBV hepatitis B
  • NASH non-alcoholic fatty liver
  • ⁇ 8-1> means for measuring the level of one or more or at least two biomarkers in a biological sample from a subject; means for obtaining a plurality of parameters by comparing the measured values of the one or more or at least two biomarkers with respective control values; Means for calculating, from the plurality of parameters, the presence or absence of liver disease in the subject, its risk or degree of progression, and/or the degree of success of treatment performed for treatment; A diagnostic support system for liver diseases.
  • the liver disease diagnosis support system according to ⁇ 8-2>, wherein the one or more or at least two biomarkers are selected from polynucleotides represented by any of SEQ ID NOs: 1 to 82.
  • the one or more or at least two biomarkers are miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), miR-4521 (SEQ ID NO: 4), miR- 320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 (SEQ ID NO: 9), miR-194 -1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 14
  • liver disease diagnosis support system according to ⁇ 8-3>.
  • ⁇ 8-5> ⁇ 8- wherein the one or more or at least two biomarkers are selected from polynucleotides represented by any of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83 to 125.
  • liver disease diagnosis support system according to ⁇ 8-1>, wherein the liver disease is selected from the group consisting of hepatitis, liver fibrosis, fatty liver, liver cirrhosis, and liver cancer.
  • ⁇ 8-8> The liver disease diagnosis support system according to ⁇ 8-1>, wherein the liver disease is cirrhosis.
  • ⁇ 8-9> The liver disease diagnosis support system according to ⁇ 8-3>, wherein the liver disease is a viral liver disease, preferably hepatitis C (HCV) or hepatitis B (HBV).
  • HCV hepatitis C
  • HBV hepatitis B
  • ⁇ 8-10> The liver disease diagnostic support system according to ⁇ 8-5>, wherein the liver disease is non-alcoholic fatty liver (NASH).
  • NASH non-alcoholic fatty liver
  • a method for performing data processing for classifying the pathology of liver disease in a subject into stages the computer performing the following steps: a computer processor; a computer-readable recording medium comprising software that provides instructions for classifying the pathology of the liver disease of the subject;
  • the method includes: Data on a plurality of parameters obtained by comparing the measured values of one or more or at least two biomarkers in the biological sample obtained from the subject with respective control values is stored in a computer-readable recording medium.
  • the computer processes the data of the plurality of parameters by executing instructions using the computer processor, the computer determines the pathology of the liver disease of the subject, and the result of the determination is outputting as information by software that provides instructions for classifying the pathology of the subject's liver disease into stages;
  • the stage classification is a group consisting of liver fibrosis stage, Child-Pugh classification, MELD score, MELD Na score, PELD score, ALBI score, mALBI (modified ALBI) score, FibroScan score, new Inuyama classification, and new European classification.
  • a method comprising one or more selected from: ⁇ 9-2> The method according to ⁇ 9-1>, wherein the determination result is a combination of results determined by processing data of the plurality of parameters.
  • ⁇ 9-3> The method according to ⁇ 9-1>, wherein the one or more or at least two biomarkers are selected from polynucleotides represented by SEQ ID NOs: 1 to 125.
  • ⁇ 9-4> The method according to ⁇ 9-3>, wherein the one or more or at least two biomarkers are selected from polynucleotides represented by any of SEQ ID NOs: 1 to 82.
  • the one or more or at least two biomarkers are miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), miR-4521 (SEQ ID NO: 4), miR- 320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 (SEQ ID NO: 9), miR-194 -1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 14), miR-34a ( SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18), miR-
  • ⁇ 9-4> miR-144 (SEQ ID No. 21), and miR-320b-2 (SEQ ID No. 22), the method according to ⁇ 9-4>.
  • ⁇ 9-6> ⁇ 9-, wherein the one or more or at least two biomarkers are selected from polynucleotides represented by any of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83 to 125.
  • ⁇ 9-7> The method according to ⁇ 9-1>, wherein the biological sample is selected from the group consisting of blood, serum, plasma, saliva, sweat, tears, stool, urine, and organ specimen.
  • ⁇ 9-8> The method according to ⁇ 9-1>, wherein the liver disease is selected from the group consisting of hepatitis, liver fibrosis, fatty liver, liver cirrhosis, and liver cancer.
  • ⁇ 9-9> The method according to ⁇ 9-1>, wherein the liver disease is cirrhosis.
  • ⁇ 9-10> The method according to ⁇ 9-4>, wherein the liver disease is a viral liver disease, preferably hepatitis C (HCV) or hepatitis B (HBV).
  • HCV hepatitis C
  • HBV hepatitis B
  • NASH non-alcoholic fatty liver
  • ⁇ 9-12> The method according to ⁇ 9-1>, wherein the subject is a mammalian subject.
  • ⁇ 9-13> The method according to ⁇ 9-11>, wherein the subject is a human subject.
  • a program for causing a computer to determine the presence or absence of liver disease in a subject, its risk, or degree of progression, and/or determine the degree of success of treatment performed for treatment comprising: a measurement value acquisition step of respectively acquiring measurement values of the levels of one or more or at least two biomarkers obtained from the biological sample from the subject; a parameter data acquisition step of obtaining data on a plurality of parameters by comparing the measured values of the one or more or at least two biomarkers with respective control values; a determination step of processing the data of the plurality of parameters to determine the presence or absence of liver disease in the subject, its risk or degree of progression, and/or the degree of success of the treatment performed for treatment; Run The program, wherein the biomarker is selected from polynucleotides represented by SEQ ID NOs: 1 to 125.
  • ⁇ 10-2> The program according to ⁇ 10-1>, wherein the biomarker is selected from polynucleotides represented by any of SEQ ID NOs: 1 to 82.
  • the biomarker is selected from the group consisting of miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4), ⁇ The program described in 10-2>.
  • ⁇ 10-4> The program according to ⁇ 10-1>, wherein the biomarker is selected from polynucleotides represented by any of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83 to 125.
  • ⁇ 10-5> The program according to ⁇ 10-1>, wherein the biological sample is selected from the group consisting of blood, serum, plasma, saliva, sweat, tears, stool, urine, and organ specimen.
  • the liver disease is selected from the group consisting of hepatitis, liver fibrosis, fatty liver, liver cirrhosis, and liver cancer.
  • the liver disease is cirrhosis.
  • the liver disease is a viral liver disease, preferably hepatitis C (HCV) or hepatitis B (HBV).
  • NASH non-alcoholic fatty liver
  • a missing value interpolation unit that obtains missing value interpolation data by interpolating missing values to miRNA expression level data
  • a logarithmic transformation unit that obtains logarithmically transformed data by logarithmically transforming the missing value complemented data
  • a regression transformation unit that obtains regression transformation data by substituting the logarithmically transformed data into a regression model and performing regression transformation
  • a teacher data acquisition unit that acquires teacher data
  • a trained model creation unit that creates a trained model using the regression transformation data as training data
  • a data processing device that performs data processing for detecting liver disease comprising: A data processing device that performs data processing for detecting liver disease, wherein the miRNA is one or more selected from polynucleotides represented by SEQ ID NOs: 1 to 125.
  • the regression transformation is Multiplying the regression coefficient and Obtaining a logit value indicating the prediction result of the fibrosis stage by adding the intercept value for each fibrosis stage; Calculating the predicted probability of each fibrosis stage by converting the logit value into a probability value between 0 and 1 by performing inverse logistic transformation; Setting the fibrosis stage with the highest probability among the predicted probabilities of each fibrosis stage as the predicted value;
  • a data processing device that performs data processing for detecting the liver disease described in ⁇ 11-1>, including: ⁇ 11-3> The data processing for detecting liver disease according to ⁇ 11-2>, wherein the regression model is selected from the group consisting of a multinominal LASSO model, a gaussian LASSO (Least Absolute Shrinkage and Selection Operator) model, and an ordinal logistic regression model.
  • a data processing device that performs ⁇ 11-4> For detecting the liver disease according to ⁇ 11-1>, wherein the training data is training data indicating a relationship between a learning blood miRNA concentration and a fibrosis stage corresponding to the learning blood miRNA concentration.
  • a data processing device that processes data.
  • the data processing for detecting liver disease further includes a teacher data acquisition step of acquiring teacher data, and a learning data creation step of creating learning data using the teacher data,
  • the training data is training data indicating a relationship between a learning blood miRNA concentration and a fibrosis stage corresponding to the learning blood miRNA concentration.
  • a data processing device that processes data.
  • the data processing for detecting liver disease further includes a preprocessing step of obtaining data for analysis, and the preprocessing step includes: Obtaining a list of low expression miRNAs by listing low expression miRNAs; Obtaining missing value complemented data by supplementing the data of the miRNA list with missing values; obtaining data for conversion by excluding low expression miRNAs included in the low expression miRNA list from analysis targets; Logarithmically transforming the conversion data;
  • the biomarker is one or more polynucleotides selected from any one of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83 to 125.
  • a data processing device that performs data processing for detecting the liver disease described above.
  • ⁇ 11-9> Data processing for detecting liver disease according to ⁇ 11-1>, wherein the biological sample is selected from the group consisting of blood, serum, plasma, saliva, sweat, tears, stool, urine, and organ specimens.
  • a data processing device that performs ⁇ 11-10> The data processing device that performs data processing for detecting the liver disease according to ⁇ 11-1>, wherein the liver disease is selected from the group consisting of hepatitis, liver fibrosis, fatty liver, liver cirrhosis, and liver cancer. .
  • ⁇ 11-11> The data processing device that performs data processing for detecting a liver disease according to ⁇ 11-1>, wherein the liver disease is cirrhosis.
  • ⁇ 11-12> Data for performing data processing for detecting a liver disease according to ⁇ 11-7>, wherein the liver disease is a viral liver disease, preferably hepatitis C (HCV) or hepatitis B (HBV). Processing equipment.
  • ⁇ 11-13> The data processing device that performs data processing for detecting a liver disease according to ⁇ 11-8>, wherein the liver disease is non-alcoholic fatty liver (NASH).
  • NASH non-alcoholic fatty liver
  • the non-invasive biomarker for liver disease of the present invention a kit, method, and program using the biomarker, and a data processing method for detecting liver disease with high accuracy using the non-invasive marker for liver disease
  • a data processing device for the data processing By using a data processing device for the data processing, liver disease can be detected non-invasively or minimally invasively and with high precision.
  • Figure 1 shows an analysis of the relationship between the expression levels of various miRNAs and fibrosis stage for subjects with fibrosis stage 0 and subjects with fibrosis stages 1 to 4.
  • Figure 2 shows the expression levels of various miRNAs and the fibrosis stage (fibrosis stage) for normal subjects, subjects with fibrosis stage 0, subjects with fibrosis stage 1, and subjects with fibrosis stage 4.
  • Figure 3 shows the relationship between expression levels of various miRNAs and Child-Pugh scores for subjects with a Child-Pugh score of 0 and subjects with a Child-Pugh score of 6 or higher. ) is an analysis of the relationship with the score.
  • FIG. 4 shows the relationship between expression levels of various miRNAs and Child-Pugh scores for subjects with a Child-Pugh score of 0 and subjects with a Child-Pugh score of 6 to 11. This is an analysis of the relationship with the (Child-Pugh) score.
  • FIG. 5 is a flow diagram showing the flow of data processing for predicting the fibrosis stage of viral liver disease.
  • FIG. 6 is a flow diagram showing the flow of data processing for predicting the fibrosis stage of non-alcoholic fatty liver (NASH).
  • FIG. 7 is a flow diagram showing the flow of data processing for predicting Brunt classification of non-alcoholic fatty liver (NASH).
  • Biomarker In one embodiment of the invention, a biomarker is provided.
  • the biomarkers include miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), miR-4521 (SEQ ID NO: 4), miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 9), No. 10), miR-194-2 (SEQ ID No. 11), miR-99a (SEQ ID No. 12), miR-223 (SEQ ID No. 13), miR-378a (SEQ ID No.
  • miR-34a SEQ ID No. 15
  • miR-320c-1 SEQ ID NO: 16
  • miR-320b-1 SEQ ID NO: 17
  • miR-192 SEQ ID NO: 18
  • miR-148a SEQ ID NO: 19
  • miR-100 SEQ ID NO: 20
  • miR-144 SEQ ID NO: 21
  • miR-320b-2 SEQ ID NO: 22
  • miR-451a SEQ ID NO: 23
  • miR-548d-3p SEQ ID NO: 24
  • miR-320b SEQ ID NO: 25
  • miR -1470 SEQ ID NO: 26
  • miR-4258 SEQ ID NO: 27
  • miR-4673 SEQ ID NO: 28
  • miR-4748 SEQ ID NO: 29
  • miR-4787-3p SEQ ID NO: 30
  • miR-204- 3p SEQ ID NO: 31
  • miR-6131 SEQ ID NO: 32
  • miR-6752-3p SEQ ID NO:
  • the biomarkers are miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), miR-4521 (SEQ ID NO: 4), miR- 320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 (SEQ ID NO: 9), miR-194 -1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 14), miR-34a ( SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18), miR-148a (SEQ ID NO:
  • the biomarkers are miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), miR-4521 (SEQ ID NO: 4), miR- 320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 (SEQ ID NO: 9), miR-194 -1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 14), miR-34a ( SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18), miR-148a (SEQ ID NO:
  • the biomarkers are miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), miR-4521 (SEQ ID NO: 4), miR- 320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 (SEQ ID NO: 9), miR-194 -1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 14), miR-34a ( SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b
  • the biomarkers consist of miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4). It may be selected from the group, but is not limited thereto.
  • the miR-4454 SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4) , a biomarker is provided.
  • the biomarkers consist of miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4).
  • miR-4454 SEQ ID NO: 1
  • miR-3138 SEQ ID NO: 2
  • miR-3679 SEQ ID NO: 3
  • miR-4521 SEQ ID NO: 4
  • the biomarker is a group consisting of miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4).
  • miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B -2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR- 378a (SEQ ID NO: 14), miR-34a (SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18), miR-148a (SEQ ID NO: 19), miR-100 (SEQ ID NO: 20), miR-144 (SEQ ID NO: 21), and miR-320b-2 (SEQ ID NO: 22). Markers can be used.
  • miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), miR-4521 (SEQ ID NO: 4), miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: No. 6), miR-122 (SEQ ID No. 7), miR-125B-1 (SEQ ID No. 8), miR-125B-2 (SEQ ID No. 9), miR-194-1 (SEQ ID No.
  • miR-194- 2 SEQ ID NO: 11
  • miR-99a SEQ ID NO: 12
  • miR-223 SEQ ID NO: 13
  • miR-378a SEQ ID NO: 14
  • miR-34a SEQ ID NO: 15
  • miR-320c-1 SEQ ID NO: 15
  • No. 16 miR-320b-1
  • miR-192 SEQ ID No. 18
  • miR-148a SEQ ID No. 19
  • miR-100 SEQ ID No. 20
  • miR-144 SEQ ID No. 21
  • miR-320b-2 SEQ ID NO: 22
  • miR-451a (SEQ ID NO: 23), miR-548d-3p (SEQ ID NO: 24), miR-320b (SEQ ID NO: 25), miR-1470 (SEQ ID NO: 26), miR-4258 (SEQ ID NO: 27), miR-4673 (SEQ ID NO: 28), miR-4748 (SEQ ID NO: 29), miR-4787-3p (SEQ ID NO: 30), miR-204-3p (SEQ ID NO: 31), miR-6131 (SEQ ID NO: 32), miR-6752- 3p (SEQ ID NO: 33), miR-4648 (SEQ ID NO: 34), miR-6126 (SEQ ID NO: 35), miR-1228-3p (SEQ ID NO: 36), miR-1231 (SEQ ID NO: 37), miR-4286 (SEQ ID NO: 37) No.
  • miR-2278 (SEQ ID No. 67), miR-3192-5p (SEQ ID No. 68), miR-4722-3p (SEQ ID No. 69), miR-4750-3p (SEQ ID No. 70), miR-6804- 5p (SEQ ID NO: 71), miR-6828-5p (SEQ ID NO: 72), miR-614 (SEQ ID NO: 73), miR-320c (SEQ ID NO: 74), miR-2110 (SEQ ID NO: 75), miR-3177-3p (SEQ ID NO: 76), miR-4497 (SEQ ID NO: 77), miR-210-5p (SEQ ID NO: 78), miR-6778-5p (SEQ ID NO: 79), miR-6780a-5p (SEQ ID NO: 80), miR- 6801-3p (SEQ ID NO: 81) and miR-8059 (SEQ ID NO: 82) have the following sequences.
  • the biomarkers are miR-451a (SEQ ID NO: 23), miR-4787-3p (SEQ ID NO: 30), miR-6126 (SEQ ID NO: 35), miR-1228-3p (SEQ ID NO: 36).
  • miR-6798-3p SEQ ID NO: 43
  • miR-7975 SEQ ID NO: 65
  • miR-614 SEQ ID NO: 73
  • miR-6801-3p SEQ ID NO: 81
  • miR-657 SEQ ID NO: 83
  • miR-921 SEQ ID NO: 84
  • miR-4451 SEQ ID NO: 85
  • miR-3059-3p SEQ ID NO: 86
  • miR-3619-3p SEQ ID NO: 87
  • miR-4646-5p SEQ ID NO: 88
  • miR-525-5p SEQ ID NO: 89
  • miR-4444 SEQ ID NO: 90
  • miR-4458 SEQ ID NO: 91
  • miR-4746-3p SEQ ID NO: 92
  • miR-1292-3p SEQ ID NO: 93
  • miR-6133 SEQ ID NO: 94
  • miR-6754-3p SEQ ID NO: 95
  • miR-451a (SEQ ID NO: 23), miR-4787-3p (SEQ ID NO: 30), miR-6126 (SEQ ID NO: 35), miR-1228-3p (SEQ ID NO: 36), miR-6798-3p (SEQ ID NO: 43) , miR-7975 (SEQ ID NO: 65), miR-614 (SEQ ID NO: 73), miR-6801-3p (SEQ ID NO: 81), miR-657 (SEQ ID NO: 83), miR-921 (SEQ ID NO: 84), miR- 4451 (SEQ ID NO: 85), miR-3059-3p (SEQ ID NO: 86), miR-3619-3p (SEQ ID NO: 87), miR-4646-5p (SEQ ID NO: 88), miR-525-5p (SEQ ID NO: 89) , miR-4444 (SEQ ID NO: 90), miR-4458 (SEQ ID NO: 91), miR-4746-3p (SEQ ID NO:
  • Isoforms or variants of miRNA may exist.
  • some bases in the biomarker sequences exemplified above such as 1 or more, 1 to 5, 1 to 3, 1 to 2, or 1 base, may be substituted or deleted. or bases not included in the biomarker (e.g., 1 or more, 1 to 5, 1 to 3, 1 to 2, or 1 base) may be added or inserted. .
  • it has an identity of 90% or more, 91% or more, 92% or more, 93% or more, 94% or more, 95% or more, 96% or more, 97% or more, 98% or more, or about 99% or more with the biomarker.
  • Identity can be determined by, for example, BLAST.
  • the biomarkers described herein may include these mutants and variants, unless it is particularly inconsistent to do so.
  • the biomarkers exemplified above can be obtained from a biological sample of a subject or subject.
  • Biological samples from which the biomarkers of the present invention can be obtained include, but are not limited to, blood, serum, plasma, saliva, sweat, tears, stool, urine, organ specimens, skin, tissue exudates, hair, and the like.
  • the biological sample from which the biomarker of the invention is obtained is selected from blood, serum, plasma, saliva, sweat, tears, stool, urine, and organ specimens.
  • the sample is selected from the group consisting of blood, serum, plasma, whole blood, hemolyzed blood cells, fractionated or processed blood, saliva, sweat, tears, stool, urine, and organ specimens.
  • Biomarkers obtained from biological samples are provided.
  • the biological sample is blood.
  • the biological sample is serum.
  • the biological sample is plasma.
  • the biological sample is saliva.
  • the biological sample is sweat.
  • the biological sample is a tear.
  • the biological sample is stool.
  • the biological sample is urine.
  • the biological sample is an organ specimen.
  • the above-mentioned biomarker is a liver disease biomarker.
  • the above-mentioned biomarkers are used for detecting liver disease, for example, diagnosing the presence or absence of liver disease or its risk, determining and monitoring the progression of liver disease, and/or for treatment. It can be used for, but is not limited to, determining the degree of success of treatments carried out in the past, monitoring therapeutic effects, etc.
  • the above-described biomarkers are used to detect liver disease.
  • the above-mentioned biomarkers are used for diagnosing the presence or absence of liver disease or the risk thereof.
  • the above-mentioned biomarkers are used to determine the degree of progression of liver disease. In one preferred embodiment of the invention, the above-mentioned biomarkers are used to determine the success of the treatment carried out for treatment. Determination of the degree of success of the treatment carried out for the treatment includes, for example, determination of whether the candidate compound of the therapeutic agent has a favorable therapeutic effect, the presence or absence of a therapeutic response, and determination of tolerability. , but not limited to.
  • a biomarker for use in detecting liver disease is provided.
  • a biomarker is provided that is used to diagnose the presence or absence of liver disease or the risk thereof.
  • a biomarker is provided that is used to determine the progression of liver disease.
  • biomarkers are provided that are used to determine the success of treatments performed for therapy. Staging related to the degree of progression of liver disease will be discussed below.
  • Liver diseases targeted by the liver disease non-invasive biomarker of the present invention include, but are not limited to, hepatitis, liver fibrosis, fatty liver, liver cirrhosis, and liver cancer.
  • the liver disease targeted by the liver disease non-invasive biomarker is selected from the group consisting of hepatitis, liver fibrosis, fatty liver, liver cirrhosis, and liver cancer.
  • the liver disease targeted by the liver disease non-invasive biomarker is liver cirrhosis.
  • the liver disease targeted by the liver disease non-invasive biomarker is a viral liver disease, such as hepatitis C or hepatitis B.
  • the liver disease targeted by the liver disease non-invasive biomarker is nonalcoholic fatty liver disease (NASH).
  • NASH nonalcoholic fatty liver disease
  • the liver disease targeted by the liver disease non-invasive biomarker is selected from the group consisting of hepatitis, liver fibrosis, fatty liver, liver cirrhosis, and liver cancer. provided.
  • a biomarker is provided, wherein the liver disease targeted by the liver disease non-invasive biomarker is liver cirrhosis.
  • a liver disease targeted by the liver disease non-invasive biomarker is a viral liver disease, such as hepatitis C or hepatitis B.
  • a biomarker is provided, wherein the liver disease targeted by the liver disease non-invasive biomarker is non-alcoholic fatty liver (NASH).
  • NASH non-alcoholic fatty liver
  • the present invention provides a method for detecting liver disease comprising measuring the level of a biomarker in a biological sample from a subject and comparing the measured value of the biomarker to a control value.
  • the method for detecting liver disease described above may be used, for example, for diagnosing the presence or absence of liver disease or its risk, determining the degree of progression of liver disease, and/or for determining the treatment performed for treatment. This includes, but is not limited to, determining the degree of success.
  • the method for detecting a liver disease described above includes diagnosing the presence or absence of a liver disease or its risk, determining the degree of progression of a liver disease, and/or the degree of success of a treatment performed for treatment. It is used for the determination of In one embodiment of the present invention, the method for detecting liver disease described above is used for diagnosing the presence or absence of liver disease or the risk thereof. In one embodiment of the present invention, the method for detecting liver disease described above is used to determine the degree of progression of liver disease. In one embodiment of the invention, the method for detecting liver disease described above is used to determine the success of a treatment performed for treatment.
  • Determination of the degree of success of the treatment carried out for the treatment includes, for example, determination of whether the candidate compound of the therapeutic drug is exhibiting a favorable therapeutic effect, the presence or absence of a therapeutic response, and determination of tolerability. , but not limited to.
  • the biomarker used in the above method for detecting liver disease is one or more selected from the group consisting of SEQ ID NOs: 1 to 125.
  • the method comprises: measuring the level of a biomarker in a biological sample from the subject; and comparing the measured value of the biomarker with a control value.
  • the biomarker is one or more selected from the group consisting of SEQ ID NOs: 1 to 82.
  • the method comprises: measuring the level of a biomarker in a biological sample from the subject; and comparing the measured value of the biomarker with a control value.
  • a method is provided.
  • the biomarkers are from miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4). but is not limited to these.
  • the biomarkers used in the method for detecting liver disease described above include miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4).
  • the biomarkers used in the method for detecting liver disease described above include miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), or miR-4521 (SEQ ID NO: 4), or a combination thereof.
  • measuring the level of a biomarker in a biological sample from a subject Comparing the measured value of the biomarker with a control value;
  • a method for determining the presence or absence of liver disease in the subject, its risk or degree of progression, and/or the degree of success of treatment performed for treatment comprising:
  • the biomarker is one or more selected from the group consisting of miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4).
  • the biomarker is a group consisting of miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4). Additional biomarkers can be used in addition to one or more selected from the above.
  • the method for detecting a liver disease described above comprises: measuring the level of an additional biomarker in a biological sample from a subject; and comparing the measured value of the additional biomarker with a control value. and may further include.
  • measuring the level of a biomarker in a biological sample from a subject Comparing the measured value of the biomarker with a control value;
  • a method for determining the presence or absence of liver disease in the subject, its risk or degree of progression, and/or the degree of success of treatment performed for treatment comprising:
  • the biomarker is one or more selected from the group consisting of miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4). and measuring the level of an additional biomarker in a biological sample from the subject; comparing the measured value of the additional biomarker with a control value;
  • a method is provided, further comprising.
  • the additional biomarkers include miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR -125B-2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 14), miR-34a (SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18), miR -148a (SEQ ID NO: 19), miR-100 (SEQ ID NO: 20), miR-144 (SEQ ID NO: 21), and miR-320b-2 (SEQ ID NO: 22), but are not limited to .
  • miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B- 2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 14), miR-34a (SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18), miR-148a ( an additional biomarker selected from the group consisting of SEQ ID NO: 19), miR-100 (SEQ ID NO: 20), miR-144 (SEQ ID NO: 21), and miR-320b-2 (SEQ ID NO: 22);
  • the biomarker used in the above method is one or more selected from the group consisting of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83-125. be.
  • the method comprises: measuring the level of a biomarker in a biological sample from the subject; and comparing the measured value of the biomarker with a control value.
  • the present invention also provides Measuring the level of Biomarker 1 in a biological sample from the subject; Comparing the measured value of the biomarker 1 and a control value to obtain a parameter 1; measuring the level of at least one additional biomarker N in a biological sample from the subject, where N is an integer greater than or equal to 2; Comparing the measured value of the additional biomarker N with a control value to obtain a parameter N; obtaining a result in the form of a set of at least two parameters consisting of a combination of parameter 1 and one or more parameters N; including The result in the form of said set of at least two parameters indicates the presence or absence of liver disease in said subject, its risk or progression, and/or the degree of success of the procedure carried out for its treatment.
  • the results in the form of the set of at least two parameters can be evaluated using a computer program.
  • a method for detecting A method is provided, wherein a result in the form of said set of at least two parameters is evaluated using a computer program
  • the biomarker 1 and the at least one additional biomarker are one or more selected from the group consisting of SEQ ID NOs: 1 to 125. In one embodiment of the present invention, the biomarker 1 and the at least one additional biomarker are one or more selected from the group consisting of SEQ ID NOs: 1 to 125, and detect the liver disease with high accuracy.
  • a method is provided.
  • the biomarker 1 and the at least one additional biomarker are one or more selected from the group consisting of SEQ ID NOs: 1 to 82. In one embodiment of the present invention, the biomarker 1 and the at least one additional biomarker are one or more selected from the group consisting of SEQ ID NOs: 1 to 82, and detect the liver disease with high accuracy.
  • a method is provided.
  • the biomarker 1 and the at least one additional biomarker include miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 ( SEQ ID NO: 3), miR-4521 (SEQ ID NO: 4), miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8) ), miR-125B-2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 14), miR-34a (SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 1), miR-3138
  • said Biomarker 1 and said at least one additional biomarker are miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), miR-4521 (SEQ ID NO: 4), miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B -2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR- 378a (SEQ ID NO: 14), miR-34a (SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-
  • the biomarker used in the above method is one or more selected from the group consisting of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83-125. be.
  • said Biomarker 1 and said at least one additional biomarker are selected from the group consisting of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83-125.
  • Each biomarker, biological sample, and liver disease are as described above.
  • the measured value refers to the measured value of the target biomarker at the time of measurement
  • the control value refers to the value of the biomarker in a subject without liver disease, or Refers to past measured values in subjects with liver disease.
  • miR-320A and miR-483 significantly increased with the progression of fibrosis.
  • miR-122 similar pattern for miR-99a, miR-194-1
  • miR-125B-1 similar pattern for miR-125B-2
  • a significant increase in expression was observed at fibrosis stage 0. It will be done.
  • a significant decrease in the expression level of miR-223-3P was observed when compared to normal subjects, and a linear decrease in the expression level of miRNA was observed for miR-4454.
  • the determination in the method for detecting liver disease is based on miRNAs that significantly increase with fibrosis (miR-34A, miR-194-1, miR-99a, miR-3679, miR-3138, miR-320c-1). , miR-320b-1, miR-483, miR-192, miR-122, miR-378a, miR-148a, miR-100, miR-194-2, miR-125B-2, miR-125B-1, miR -320A), if the biomarker level in the biological sample is higher than the target value, it is determined that there is a high possibility of liver disease, or the biomarker level in the biological sample is higher than the target value.
  • the determination in the method for detecting liver disease is If the marker level is lower than the target value, it is determined that there is a high possibility of liver disease, or the biomarker level in the biological sample is not lower than the target value (i.e., the same or higher). ), it can be determined that there is a high possibility that the patient does not have liver disease.
  • miRNAs miR-99a, miR-483, miR-122, miR-125B-2, miR-320b-2, miR-125B-1, miR- 320A
  • the biomarker level in the biological sample is higher than the target value, it is determined that there is a high possibility of liver disease, or if the biomarker level in the biological sample is higher than the target value. If it is not high (that is, it is the same or low), it can be determined that there is a high possibility that it is not a liver disease.
  • the determination in the method for detecting liver disease is that miRNAs (miR-144, miR-194-1, miR-4454, miR-223-3p) that significantly decreased with fibrosis are detected in biological samples. If the biomarker level in the biological sample is lower than the target value, it is determined that there is a high possibility of liver disease, or the biomarker level in the biological sample is not lower than the target value (i.e., equivalent (or high), it can be determined that there is a high possibility that the patient does not have liver disease.
  • the target value i.e., equivalent (or high
  • the present inventors have recently discovered multiple biomarkers that show a clear correlation with the staging of liver disease conditions, and have discovered a method for detecting liver disease based on the measured values and their trends of the biomarkers. This is what led to the development of this. Staging related to the degree of progression of liver disease will be discussed below.
  • the present invention comprises: measuring the level of a biomarker in a biological sample from a subject who has been administered a candidate compound for a therapeutic drug for liver disease; and comparing the measured value of the biomarker with a control value.
  • a method for screening candidate compounds for therapeutic agents for liver diseases in the subject including:
  • the biomarker used in the method for screening candidate compounds for therapeutic agents for liver diseases described above is one or more selected from the group consisting of SEQ ID NOs: 1 to 125.
  • the level of a biomarker is measured in a biological sample from a subject who has been administered a candidate compound for the treatment of liver disease, and the measured value of the biomarker is compared to a control value.
  • a method for screening a candidate compound for a therapeutic agent for liver disease in the subject comprising: the biomarker being one or more selected from the group consisting of SEQ ID NOs: 1 to 125; be done.
  • the biomarker is one or more selected from the group consisting of SEQ ID NOs: 1 to 82.
  • the level of a biomarker is measured in a biological sample from a subject who has been administered a candidate compound for the treatment of liver disease, and the measured value of the biomarker is compared to a control value.
  • a method for screening a candidate compound for a therapeutic agent for liver disease in the subject comprising: the biomarker being one or more selected from the group consisting of SEQ ID NOs: 1 to 82; be done.
  • the biomarkers used in the above method for screening therapeutic drug candidate compounds are miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3). ), and miR-4521 (SEQ ID NO: 4), but is not limited thereto.
  • the biomarkers used in the above method for screening therapeutic drug candidate compounds include miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3). ), and miR-4521 (SEQ ID NO: 4).
  • the biomarkers used in the above method for screening therapeutic drug candidate compounds are miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3). ), or miR-4521 (SEQ ID NO: 4), or a combination thereof.
  • the biomarker is one or more selected from the group consisting of miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4). A method is provided.
  • the biomarkers include miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4). Additional biomarkers can be used in addition to one or more selected from the group consisting of:
  • the method for screening candidate compounds for therapeutic agents comprises: measuring the level of an additional biomarker in a biological sample from a subject; and comparing the measured value of the additional biomarker with a control value. and may further include.
  • a method for screening a candidate compound for a therapeutic drug for liver disease in the subject comprising: The biomarker is one or more selected from the group consisting of miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4). and measuring the level of an additional biomarker in a biological sample from the subject; comparing the measured value of the additional biomarker with a control value;
  • a method is provided, further comprising.
  • the additional biomarkers include miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR -125B-2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 14), miR-34a (SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18), miR -148a (SEQ ID NO: 19), miR-100 (SEQ ID NO: 20), miR-144 (SEQ ID NO: 21), and miR-320b-2 (SEQ ID NO: 22), but are not limited to .
  • miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B- 2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 14), miR-34a (SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18), miR-148a ( an additional biomarker selected from the group consisting of SEQ ID NO: 19), miR-100 (SEQ ID NO: 20), miR-144 (SEQ ID NO: 21), and miR-320b-2 (SEQ ID NO: 22);
  • the biomarker used in the above method is one or more selected from the group consisting of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83-125. be.
  • the level of a biomarker is measured in a biological sample from a subject who has been administered a candidate compound for the treatment of liver disease, and the measured value of the biomarker is compared with a control value.
  • Each biomarker, biological sample, and liver disease are as described above.
  • the measured value refers to the measured value of the target biomarker at the time of measurement
  • the control value refers to the value of the biomarker in a subject without liver disease
  • it refers to past measured values in subjects with liver disease.
  • the present inventors have recently discovered multiple biomarkers that show a clear correlation with the staging of liver disease conditions, and by observing and examining the measured values and trends of the biomarkers, This led to the development of a screening method for candidate compounds for therapeutic drugs. Staging related to the degree of progression of liver disease will be discussed below.
  • the present invention provides a method of treating liver disease in a subject, comprising: measuring the level of a biomarker in a biological sample from the subject; and comparing the measured value of the biomarker with a control value. provide.
  • the biomarker used in the method for treating liver disease described above is one or more selected from the group consisting of SEQ ID NOs: 1 to 125.
  • the method comprises: measuring the level of a biomarker in a biological sample from the subject; and comparing the measured value of the biomarker with a control value.
  • a method of treatment is provided, wherein the biomarker is one or more selected from the group consisting of SEQ ID NOs: 1-125.
  • the biomarker is one or more selected from the group consisting of SEQ ID NOs: 1 to 82.
  • the method comprises: measuring the level of a biomarker in a biological sample from the subject; and comparing the measured value of the biomarker with a control value.
  • a method of treatment is provided, wherein the biomarker is one or more selected from the group consisting of SEQ ID NOs: 1-125.
  • the biomarkers used in the above liver disease treatment method include miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and may be selected from the group consisting of, but not limited to, miR-4521 (SEQ ID NO: 4).
  • the biomarkers used in the above method for treating liver diseases include miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and One or more selected from the group consisting of miR-4521 (SEQ ID NO: 4).
  • the biomarker used in the above method for treating liver disease is miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), or miR-4521 (SEQ ID NO: 4), or a combination thereof.
  • measuring the level of a biomarker in a biological sample from a subject Comparing the measured value of the biomarker with a control value;
  • a method of treating liver disease in said subject comprising: Provided is a method, wherein the biomarker is one or more selected from the group consisting of miR-4454 (SEQ ID NO: 1), miR3138 (SEQ ID NO: 2), miR3679 (SEQ ID NO: 3), and miR4521 (SEQ ID NO: 4). be done.
  • the biomarker is a group consisting of miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4). Additional biomarkers can be used in addition to one or more selected from the above.
  • the method of treating a liver disease described above comprises measuring the level of an additional biomarker in a biological sample from a subject and comparing the measured value of the additional biomarker with a control value. and may further include.
  • measuring the level of a biomarker in a biological sample from a subject Comparing the measured value of the biomarker with a control value;
  • a method of treating liver disease in said subject comprising: The biomarker is one or more selected from the group consisting of miR-4454 (SEQ ID NO: 1), miR3138 (SEQ ID NO: 2), miR3679 (SEQ ID NO: 3), and miR4521 (SEQ ID NO: 4), measuring the level of an additional biomarker in a biological sample from the subject; comparing the measured value of the additional biomarker with a control value;
  • a method is provided, further comprising.
  • the additional biomarkers include miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR -125B-2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 14), miR-34a (SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18), miR -148a (SEQ ID NO: 19), miR-100 (SEQ ID NO: 20), miR-144 (SEQ ID NO: 21), and miR-320b-2 (SEQ ID NO: 22), but are not limited to .
  • miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B- 2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 14), miR-34a (SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18), miR-148a ( an additional biomarker selected from the group consisting of SEQ ID NO: 19), miR-100 (SEQ ID NO: 20), miR-144 (SEQ ID NO: 21), and miR-320b-2 (SEQ ID NO: 22);
  • the biomarker used in the above method is one or more selected from the group consisting of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83-125. be.
  • the method comprises: measuring the level of a biomarker in a biological sample from the subject; and comparing the measured value of the biomarker with a control value.
  • the biomarker is one or more selected from the group consisting of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83-125. .
  • Each biomarker, biological sample, and liver disease are as described above.
  • the measured value refers to the measured value of the target biomarker at the time of measurement
  • the control value refers to the value of the biomarker in a subject without liver disease or Refers to past measured values, etc. of subjects with diseases.
  • the above method may optionally include preparing exosomes from the biological sample before measuring the level of the biomarker.
  • the level of the biomarker in the biological sample is measured as the level of the biomarker in the prepared exosomes.
  • Exosomes can be recovered from biological samples by ultracentrifugation (e.g., Thery C., Curr. Protoc. Cell Biol. (2006) Chapter 3: Unit 3.22.), polymer precipitation, immunoprecipitation, and FACS. , an ultrafiltration method, a gel filtration method, an HPLC method, and a method of adsorbing antibodies or lectins onto a carrier such as beads.
  • exosomes may be collected using a commercially available exosome isolation kit.
  • Confirmation that the exosomes have been recovered or the physical properties of the exosomes can be performed according to known methods, for example, visually confirmed using an electron microscope, or by using NTA (Nano Tracking Analysis) technology. Particle size and number of particles may be measured. Alternatively, the presence of exosomes can also be confirmed by confirming the expression of proteins and/or genes that can serve as markers for exosomes.
  • RNA biomarker is not particularly limited as long as it is a method that can measure RNA levels, but in general, substances that specifically bind to RNA biomarkers, such as probes and primers, are used. done in a manner.
  • nucleic acid refers to natural nucleic acids such as DNA and RNA, or artificially created nucleic acids such as cross-linked nucleic acids such as PNA and Locked Nucleic Acid (2',4'-BNA), or a combination thereof. including.
  • the substance that specifically binds to RNA may include at least a portion of an artificially designed sequence (for example, a sequence for labeling or tagging).
  • the biomarker level can be measured by measuring the binding level of a substance that specifically binds to the biomarker bound to the biomarker.
  • the "binding level” can be the amount of binding, the number of binding, or the binding ratio, or a numerical value representing them (for example, a measured value itself such as the measured fluorescence intensity).
  • a labeled substance may be used as the substance that specifically binds to the marker RNA, or the marker RNA may be labeled.
  • standard samples are measured at the same time, a standard curve or calibration curve is created based on the standard sample, and the value is calculated from the measured values of the measurement sample, or a standardized value using the standard sample level as an indicator. is determined as the bond level.
  • Labeling methods include, for example, radioisotope (RI) labeling, fluorescent labeling, and enzyme labeling.
  • the method described above may comprise the following (a)-(c): (a) contacting at least one probe with a biological sample; (b) measuring the level of binding of a biomarker in the biological sample bound to the probe; and (c) determining the level of a biomarker in the biological sample from the measured level of binding.
  • the RNA level can be measured using a method using PCR, for example, qPCR, ARMS (Amplification Refractory Mutation System), RT-PCR (Reverse transcriptase-PCR) using primers. , or Nested PCR It may also be measured by Alternatively, the Invader (registered trademark) method may be used. For example, a method using the GenoExplorerTM miRNA qRT-PCR Kit (GenoSensor Corporation) with appropriate primers can be utilized.
  • Amplification of all or part of the biomarker in a biological sample can be carried out by performing a PCR reaction or the like using the biological sample as a template.
  • the level of amplified nucleic acid can be determined by dot blot hybridization method, surface plasmon resonance method (SPR method), PCR-RFLP method, in situ RT-PCR method, PCR-SSO (sequence specific oligonucleotide) method, PCR-SSP method. method, AMPFLP (Amplificable fragment length polymorphism) method, MVR-PCR method, PCR-SSCP (single strand conformation polymorphism) method It can be measured by
  • RNA levels may be measured by the following steps: (a) Amplifying all or part of the biomarker in the biological sample using the biological sample as a template and primers: (b) measuring the level of the amplified nucleic acid molecule; and (c) determining the level of the biomarker in the biological sample from the level of the amplified nucleic acid molecule.
  • the term "level” refers to a numerical indicator regarding abundance, and includes, for example, concentration, amount, or an indicator (preferably a numerical indicator) that can be used in place of these. Therefore, the level may be the measured value itself, or may be a value converted to concentration or absolute amount. In addition, the level may be an absolute value (amount, amount per unit area or volume, etc.) or a relative value compared to a control set as necessary (for example, an internal control). It may be a numerical value.
  • the present inventors have recently discovered multiple biomarkers that show a clear correlation with the staging of liver disease conditions, and by observing and examining the measured values and trends of the biomarkers, This led to the development of a treatment method for liver disease. Staging related to the degree of progression of liver disease will be discussed below.
  • the present invention means for measuring the level of one or more or at least two biomarkers in a biological sample from a subject; means for obtaining a plurality of parameters by comparing the measured values of said one or more or at least two biomarkers, respectively, with their control values; Means for calculating, from the plurality of parameters, the presence or absence of liver disease in the subject, its risk or degree of progression, and/or the degree of success of treatment performed for treatment;
  • a diagnostic support system for liver diseases which includes:
  • the biomarker used in the liver disease diagnosis support system described above is one or more selected from the group consisting of SEQ ID NOs: 1 to 125. In one embodiment of the present invention, the above liver disease diagnosis support system is provided, wherein the biomarker is one or more selected from the group consisting of SEQ ID NOs: 1 to 125.
  • the biomarker used in the liver disease diagnostic support system described above is one or more selected from the group consisting of SEQ ID NOs: 1 to 82. In one embodiment of the present invention, the above liver disease diagnosis support system is provided, wherein the biomarker is one or more selected from the group consisting of SEQ ID NOs: 1 to 82.
  • the one or more or at least two biomarkers are miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), miR-4521 (SEQ ID NO: 4), miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 ( SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 13) No.
  • miR-34a SEQ ID No. 15
  • miR-320c-1 SEQ ID No. 16
  • miR-320b-1 SEQ ID No. 17
  • miR-192 SEQ ID No. 18
  • miR-148a SEQ ID No. 19
  • miR-100 SEQ ID NO: 20
  • miR-144 SEQ ID NO: 21
  • miR-320b-2 SEQ ID NO: 22
  • the one or more or at least two biomarkers are miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), miR-4521 (SEQ ID NO: 4), miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 ( SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 13) No.
  • miR-34a SEQ ID No. 15
  • miR-320c-1 SEQ ID No. 16
  • miR-320b-1 SEQ ID No. 17
  • miR-192 SEQ ID No. 18
  • miR-148a SEQ ID No. 19
  • miR-100 SEQ ID NO: 20
  • miR-144 SEQ ID NO: 21
  • miR-320b-2 SEQ ID NO: 22.
  • the biomarker used in the liver disease diagnostic support system is selected from the group consisting of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83-125. 1 or more.
  • the liver disease described above, wherein the biomarker is one or more selected from the group consisting of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83 to 125.
  • a diagnostic support system is provided.
  • Each biomarker, biological sample, and liver disease are as described above.
  • the measured value refers to the measured value of the target biomarker at the time of measurement
  • the control value refers to the value of the biomarker in a subject without liver disease or the value of the biomarker in a subject without liver disease. Refers to past measured values, etc. of a target.
  • the present inventors have recently discovered multiple biomarkers that show a clear correlation with the staging of liver disease conditions, and by observing and examining the measured values and trends of the biomarkers, This led to the development of a diagnostic support system. Staging related to the degree of progression of liver disease will be discussed below.
  • a device equipped with the above liver disease diagnosis support system is provided.
  • a liver disease detection kit and detection device include a nucleic acid capable of specifically binding to a specific miRNA.
  • the nucleic acid capable of specifically binding to the specific miRNA can be selected from polynucleotides that are biomarkers of liver disease and nucleic acids capable of specifically binding to the complementary strand of the polynucleotide.
  • the biomarker used in the liver disease detection kit described above is one or more selected from the group consisting of SEQ ID NOs: 1 to 125. In one embodiment of the present invention, the above liver disease detection kit is provided, wherein the biomarker is one or more selected from the group consisting of SEQ ID NOs: 1 to 125.
  • the biomarker used in the liver disease detection kit described above is one or more selected from the group consisting of SEQ ID NOs: 1 to 82. In one embodiment of the present invention, the above liver disease detection kit is provided, wherein the biomarker is one or more selected from the group consisting of SEQ ID NOs: 1 to 82.
  • Liver disease biomarkers used in the present invention include, for example, miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4).
  • the liver disease biomarkers include miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4).
  • ) is a polynucleotide selected from the group consisting of:
  • the biomarkers are miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), and miR-4521 (SEQ ID NO: 4).
  • a kit for detecting a liver disease comprising a polynucleotide selected from the group or a nucleic acid capable of specifically binding to a complementary strand of the polynucleotide.
  • the liver disease detection kit described above may further include at least one nucleic acid capable of specifically binding to a polynucleotide that is another biomarker.
  • a liver disease detection kit as described above further comprising at least one nucleic acid capable of specifically binding to another biomarker polynucleotide.
  • biomarkers include miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 12), No. 13), miR-378a (SEQ ID No. 14), miR-34a (SEQ ID No. 15), miR-320c-1 (SEQ ID No. 16), miR-320b-1 (SEQ ID No.
  • miR-192 SEQ ID No. 18
  • miR-148a SEQ ID NO: 19
  • miR-100 SEQ ID NO: 20
  • miR-144 SEQ ID NO: 21
  • miR-320b-2 SEQ ID NO: 22
  • miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B- 2 (SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 14), miR-34a (SEQ ID NO: 15), miR-320c-1 (SEQ ID NO: 16), miR-320b-1 (SEQ ID NO: 17), miR-192 (SEQ ID NO: 18), miR-148a ( Another biomarker that is one or more selected from the group consisting of SEQ ID NO: 19), miR-100 (SEQ ID NO: 20), miR-144 (SEQ ID NO: 21), and miR-320b-2 (SEQ ID NO:
  • the biomarker used in the liver disease detection kit described above is selected from the group consisting of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83-125. is 1 or more.
  • the liver disease described above, wherein the biomarker is one or more selected from the group consisting of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83 to 125.
  • a detection kit is provided.
  • the above-mentioned liver disease detection kit wherein the nucleic acid is selected from the polynucleotides shown in any of (a) to (c) below or fragments thereof.
  • (a) (a-1) A polynucleotide consisting of a base sequence represented by any of SEQ ID NOs: 1 to 125 or a base sequence complementary to a base sequence where u is t in the base sequence, or 15 or more consecutive bases.
  • fragments thereof including (a-2) A polynucleotide or a fragment thereof containing one or more base deletions, substitutions, additions, or insertions in the base sequence of the polynucleotide or fragment thereof of (a-1); (a-3) the polynucleotide of (a-1) or (a-2) or a fragment thereof containing a modified nucleic acid and/or modified nucleotide; (b) A polynucleotide comprising a base sequence represented by any of SEQ ID NOs: 1 to 125 or a base sequence in which u is t, or a polynucleotide containing 15 or more consecutive bases.
  • a polynucleotide that hybridizes with the polynucleotide shown in any of (c-1) to (c-4) below or a fragment thereof under high stringency conditions (c-1) A polynucleotide consisting of a base sequence represented by any of SEQ ID NOs: 1 to 125 or a base sequence in which u is t, or a fragment thereof containing 15 or more consecutive bases; (c-2) A polynucleotide or a fragment thereof containing deletion, substitution, addition, or insertion of one or more bases in the base sequence of the polynucleotide or fragment thereof of (c-1); (c-3) the polynucleotide of (c-1) or (c-2) or a fragment thereof, containing a modified nucleic acid and/or a modified nucleotide; (c-4) A polynucleotide containing a base sequence represented by any of SEQ ID NOs: 1 to 125 or a base sequence in which
  • the polynucleotide shown in any one of (a) to (c) above used in the liver disease detection kit is a polynucleotide represented by any one of SEQ ID NOS: 1 to 82. selected from.
  • the above-mentioned detection of liver disease, wherein the polynucleotide shown in any one of (a) to (c) above is selected from polynucleotides represented by any of SEQ ID NOs: 1 to 82. Kit provided.
  • the above-mentioned liver disease detection kit wherein the nucleic acid is selected from the polynucleotides shown in any of (a) to (c) below or fragments thereof.
  • the nucleic acid is selected from the polynucleotides shown in any of (a) to (c) below or fragments thereof.
  • (a) (a-1) A polynucleotide consisting of a base sequence represented by any of SEQ ID NOs: 1 to 4 or a base sequence complementary to a base sequence in which u is t, or a polynucleotide consisting of a base sequence of 15 or more consecutive bases.
  • fragments thereof including (a-2) A polynucleotide or a fragment thereof containing one or more base deletions, substitutions, additions, or insertions in the base sequence of the polynucleotide or fragment thereof of (a-1); (a-3) the polynucleotide of (a-1) or (a-2) or a fragment thereof containing a modified nucleic acid and/or modified nucleotide; (b) A polynucleotide comprising a base sequence represented by any of SEQ ID NOs: 1 to 4 or a base sequence in which u is t, or a polynucleotide containing 15 or more consecutive bases.
  • (c-1) A polynucleotide consisting of a base sequence represented by any of SEQ ID NOs: 1 to 4 or a base sequence in which u is t, or a fragment thereof containing 15 or more consecutive bases
  • (c-2) A polynucleotide or a fragment thereof containing deletion, substitution, addition, or insertion of one or more bases in the base sequence of the polynucleotide or fragment thereof of (c-1); (c-3) the polynucleotide of (c-1) or (c-2) or a fragment thereof, containing a modified nucleic acid and/or a modified nucleotide;
  • (c-4) A polynucleotide containing a base sequence represented by any of SEQ ID NOs: 1 to 4 or a base sequence in which u is
  • the nucleic acid capable of specifically binding to the polynucleotide that is the another biomarker is selected from the polynucleotides shown in any of (d) to (f) below or fragments thereof. , the above detection kit is provided.
  • (d) (d-1) A polynucleotide consisting of a base sequence represented by any of SEQ ID NOs: 5 to 21 or a base sequence complementary to a base sequence in which u is t, or a polynucleotide consisting of a base sequence of 15 or more consecutive bases.
  • fragments thereof including (d-2) A polynucleotide or a fragment thereof containing deletion, substitution, addition, or insertion of one or more bases in the base sequence of the polynucleotide or fragment thereof of (d-1); (d-3) the polynucleotide of (d-1) or (d-2) or a fragment thereof, comprising a modified nucleic acid and/or a modified nucleotide; (e) A polynucleotide comprising a base sequence represented by any of SEQ ID NOs: 5 to 21 or a base sequence in which u is t, or a polynucleotide containing 15 or more consecutive bases.
  • (f-1) A polynucleotide consisting of a base sequence represented by any of SEQ ID NOs: 5 to 21 or a base sequence in which u is t, or a fragment thereof containing 15 or more consecutive bases;
  • (f-2) A polynucleotide or a fragment thereof containing deletion, substitution, addition, or insertion of one or more bases in the base sequence of the polynucleotide or fragment thereof of (f-1); (f-3) the polynucleotide of (f-1) or (f-2) or a fragment thereof, containing a modified nucleic acid and/or a modified nucleotide;
  • (f-4) A polynucleotide containing a base sequence represented by any of SEQ ID NOs: 5 to 21 or a base sequence in which u is
  • the polynucleotide shown in any of (a) to (c) used in the liver disease detection kit is SEQ ID NO: 23, 30, 35, 36, 43, 65. , 73, 81, 83-125.
  • the polynucleotide shown in any one of (a) to (c) above is selected from the group consisting of SEQ ID NO: 23, 30, 35, 36, 43, 65, 73, 81, 83-125.
  • One or more of the above liver disease detection kits are provided.
  • polynucleotide is used for nucleic acids including RNA, DNA, and RNA/DNA (chimera).
  • DNA includes cDNA, genomic DNA, and synthetic DNA.
  • RNA includes total RNA, mRNA, rRNA, miRNA, siRNA, snoRNA, snRNA, non-coding RNA, and synthetic RNA.
  • synthetic DNA and “synthetic RNA” refer to synthetic DNA that is produced artificially based on a predetermined base sequence (which may be either a natural sequence or a non-natural sequence) using, for example, an automatic nucleic acid synthesizer. Refers to the produced DNA and RNA.
  • non-natural sequence is intended to be used in a broad sense, and includes sequences that differ from the natural sequence, for example, containing one or more nucleotide substitutions, deletions, insertions, and/or additions ( That is, it includes mutant sequences), sequences containing one or more modified nucleotides (that is, modified sequences), and the like.
  • polynucleotide is used interchangeably with nucleic acid herein.
  • fragment refers to a polynucleotide (including oligonucleotides) that has the base sequence of a continuous portion of a polynucleotide, and has a length of 15 bases or more, preferably 17 bases or more, more preferably 19 bases or more. It is desirable to have a
  • microRNA refers to an RNA precursor that is transcribed as an RNA precursor with a hairpin-like structure, is cleaved by a dsRNA cleaving enzyme with RNase III cleavage activity, and is incorporated into a protein complex called RISC. It is intended to be used as a 15 to 25 base non-coding RNA that is involved in suppressing the translation of mRNA.
  • miRNA refers not only to “miRNA” represented by a specific base sequence (or sequence number), but also to the precursors (pre-miRNA, pri-miRNA) of the "miRNA” and these.
  • miRNAs that have equivalent biological functions, such as homologs (ie, homologs or orthologs), variants such as genetic polymorphisms, and derivatives.
  • homologs ie, homologs or orthologs
  • variants such as genetic polymorphisms
  • derivatives Such precursors, homologues, variants or derivatives can be specifically identified by miRBase release 20 (http://www.mirbase.org/), and can be identified under the stringent conditions described below.
  • miRNA having a nucleotide sequence that hybridizes with a complementary sequence of any specific nucleotide sequence represented by any one of SEQ ID NOS: 1 to 22.
  • miRNA as used herein may be the gene product of an miR gene, and such gene product may be a mature miRNA (e.g., 15 to 25 bases, or 19-25 bases) or miRNA precursors (eg, pre-miRNA or pri-miRNA as described above).
  • probe includes a polynucleotide used to specifically detect RNA produced by gene expression or a polynucleotide derived therefrom, and/or a polynucleotide complementary thereto.
  • the term "primer” includes a polynucleotide that specifically recognizes and amplifies RNA produced by gene expression or a polynucleotide derived therefrom, and/or a polynucleotide complementary thereto.
  • “complementary polynucleotide (complementary strand, opposite strand)” refers to a polynucleotide consisting of a base sequence defined by any of SEQ ID NOs: 1 to 22, or a base sequence in which u is t.
  • Base-complementary relationship based on base pair relationships such as A:T(U) and G:C with respect to the full-length nucleotide sequence or a partial sequence thereof means a polynucleotide found in
  • complementary strands are not limited to those that form a completely complementary sequence to the base sequence of the target positive strand, but must also have a complementary relationship to the extent that they can hybridize with the target positive strand under stringent conditions. There may be.
  • stringent conditions means that a nucleic acid probe is used under conditions that are greater than for other sequences (e.g., mean background measurement value + standard error of background measurement value x 2 or more measurement value). Conditions for hybridizing to a target sequence. Stringent conditions are sequence-dependent and vary depending on the environment in which hybridization is performed. By controlling the stringency of hybridization and/or wash conditions, target sequences that are 100% complementary to the nucleic acid probe can be identified.
  • the "nucleic acid” capable of specifically binding to the polynucleotide selected from miRNA, which is the above-mentioned biomarker is a synthesized or prepared nucleic acid, and specifically, a "nucleic acid probe” or a “primer”. to detect the presence or absence of liver disease in a subject, or to diagnose the presence or absence of liver disease, the degree of disease, the presence or absence of improvement of liver disease, the degree of improvement, and the sensitivity to treatment of liver disease. It is used directly or indirectly to screen candidate substances useful for the prevention, improvement, or treatment of liver diseases.
  • nucleotides that specifically recognize transcripts represented by any of SEQ ID NOs: 1 to 22 or their cDNA synthetic nucleic acids in vivo, particularly in samples such as body fluids such as blood and urine, in connection with liver disease.
  • nucleic acid probe or primer used in the present invention binds to a specific target nucleic acid and cannot substantially bind to other nucleic acids.
  • the term “detection” may be replaced by the term inspection, measurement, detection, or decision support.
  • evaluation is used herein to include supporting diagnosis or evaluation based on test results or measurement results.
  • the present inventors have recently discovered multiple biomarkers that show a clear correlation with the stage classification of liver disease pathology, and by using the biomarkers, a detection kit and a detection device for liver disease. This is what led to the development of this.
  • the present invention A method for performing data processing for classifying the pathology of liver disease in a subject into stages, the computer performing the following steps: a computer processor; a computer-readable recording medium comprising software that provides instructions for classifying the pathology of the liver disease of the subject; The method includes: Data on a plurality of parameters obtained by comparing the measured values of one or more or at least two biomarkers in the biological sample obtained from the subject with respective control values is stored in a computer-readable recording medium.
  • the computer processes the data of the plurality of parameters by executing instructions using the computer processor, the computer determines the pathology of the liver disease of the subject, and the result of the determination is output as information by software that provides instructions for staging liver disease in a subject.
  • a method for performing data processing for classifying the pathology of liver disease in a subject into stages the computer performing the following steps: a computer processor; a computer-readable recording medium comprising software that provides instructions for classifying the pathology of the liver disease of the subject;
  • the method includes: Data on a plurality of parameters obtained by comparing the measured values of one or more or at least two biomarkers in the biological sample obtained from the subject with respective control values is stored in a computer-readable recording medium.
  • the computer processes the data of the plurality of parameters by executing instructions using the computer processor, the computer determines the pathology of the liver disease of the subject, and the result of the determination is outputting as information by software that provides instructions for classifying the pathology of the subject's liver disease into stages;
  • the stage classification is liver fibrosis stage, Child-Pugh classification, MELD score, MELD Na score, PELD score, ALBI score, mALBI (modified ALBI) score, FibroScan score, new Inuyama classification, new European classification, and Brunt classification.
  • a method is provided, comprising one or more selected from the group consisting of:
  • the determination result may be a combination of results determined by processing data from the plurality of parameters described above.
  • the above method is provided, wherein the result of the determination is a combination of results determined respectively by processing data of the plurality of parameters.
  • the one or more or at least two biomarkers used in the method for performing data processing described above are selected from the group consisting of SEQ ID NOs: 1-125.
  • the one or more or at least two biomarkers used in the method for performing data processing described above are selected from the group consisting of SEQ ID NOs: 1-82.
  • the one or more or at least two biomarkers are miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), miR-4521 (SEQ ID NO: 4), miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 ( SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 13) No.
  • miR-34a SEQ ID No. 15
  • miR-320c-1 SEQ ID No. 16
  • miR-320b-1 SEQ ID No. 17
  • miR-192 SEQ ID No. 18
  • miR-148a SEQ ID No. 19
  • miR-100 SEQ ID NO: 20
  • miR-144 SEQ ID NO: 21
  • miR-320b-2 SEQ ID NO: 22
  • the one or more or at least two biomarkers are miR-4454 (SEQ ID NO: 1), miR-3138 (SEQ ID NO: 2), miR-3679 (SEQ ID NO: 3), miR-4521 (SEQ ID NO: 4), miR-320A (SEQ ID NO: 5), miR-483 (SEQ ID NO: 6), miR-122 (SEQ ID NO: 7), miR-125B-1 (SEQ ID NO: 8), miR-125B-2 ( SEQ ID NO: 9), miR-194-1 (SEQ ID NO: 10), miR-194-2 (SEQ ID NO: 11), miR-99a (SEQ ID NO: 12), miR-223 (SEQ ID NO: 13), miR-378a (SEQ ID NO: 13) No.
  • miR-34a SEQ ID No. 15
  • miR-320c-1 SEQ ID No. 16
  • miR-320b-1 SEQ ID No. 17
  • miR-192 SEQ ID No. 18
  • miR-148a SEQ ID No. 19
  • miR-100 SEQ ID NO: 20
  • miR-144 SEQ ID NO: 21
  • miR-320b-2 SEQ ID NO: 22
  • the one or more or at least two biomarkers used in the method for performing data processing described above are SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, One or more selected from the group consisting of 83-125.
  • the one or more or at least two biomarkers are one or more selected from the group consisting of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83 to 125.
  • a method for performing the above data processing is provided.
  • Each biomarker, biological sample, and liver disease are as described above.
  • the measured value refers to the measured value of the target biomarker at the time of measurement
  • the control value refers to the value of the biomarker in a subject without liver disease or the value of the biomarker in a subject without liver disease. Refers to past measured values, etc. of a target.
  • the present inventors have recently discovered multiple biomarkers that show a clear correlation with the staging of liver disease conditions, and by observing and examining the measured values and trends of the biomarkers, This led to the development of a data processing method for classifying the pathology of a subject's liver disease into stages. Staging related to the progression of liver disease is discussed below.
  • the staging of liver disease conditions includes, for example, liver fibrosis stage, Child-Pugh classification, MELD score, MELD Na score, PELD score, ALBI score, mALBI (modified ALBI) score, FibroScan score, Shin-Inuyama classification, Examples include, but are not limited to, the New European Classification and the Brunt Classification. These staging classifications can be used alone or in combination.
  • the stage classification is liver fibrosis stage, Child-Pugh classification, MELD score, MELD Na score, PELD score, ALBI score, mALBI (modified ALBI) score, FibroScan score, Shin-Inuyama classification. , New European Classification, and Brunt Classification.
  • ⁇ Child-Pugh classification This is an index that shows the degree of liver damage. As shown in Table 1 below, the following five items were evaluated on a scale of 1 to 3: presence of hepatic encephalopathy, presence of ascites, serum bilirubin concentration (Bil), serum albumin concentration (Alb), and prothrombin activity value (PT-INR). Based on the total score, they are classified into 3 levels from A to C. The lowest degree of disability is A (compensated), and as the degree of disability increases, it becomes B (decompensated) and C (decompensated).
  • ⁇ MELD score is a scoring system that uses total bilirubin level (T-Bil), prothrombin activity level (PT-INR), creatinine level (Cr), and presence or absence of dialysis treatment, and is a scoring system that uses cirrhosis and liver transplant registration for people aged 12 years and older. This is an index used to diagnose liver reserve capacity in patients.
  • ⁇ MELD Na score This is a scoring system that adds serum sodium concentration (Na) to blood biochemical test data (T-Bil, PT-INR, Cr) similar to the conventional MELD score. It is an index used to diagnose liver cirrhosis and liver reserve in liver transplant recipients.
  • ⁇ PELD score This is a scoring system that uses blood biochemical test data (Bil, PT-INR, Alb), age, and growth rate, and is used to diagnose liver cirrhosis and liver reserve capacity in liver transplant registrants under the age of 12. Rare
  • ⁇ ALBI score This is a scoring system using blood biochemical test data (T-Bil, Alb), and is an index used when selecting a treatment method for hepatocellular carcinoma. Scores are usually classified into three grades (1, 2, 3) called ALBI grades.
  • ⁇ mALBI (modified ALBI) score This is a scoring system that uses blood biochemical test data (T-Bil, Alb) similar to the conventional ALBI score, and is an index used when selecting treatment methods for hepatocellular carcinoma. be. By subdividing into four grades (1, 2a, 2b, 3), better evaluation ability can be expected.
  • ⁇ FibroScan score A special "probe" that transmits vibrations and ultrasound waves is applied to the surface of the right flank, and the stiffness of the liver is quantified based on the way the vibrations and ultrasound waves are transmitted. The more fibrosis occurs in the liver and the harder it becomes, the faster vibrations are transmitted, so the degree of fibrosis can be determined numerically. In addition to evaluating fibrosis, it is also used to predict carcinogenesis and evaluate the degree of portal hypertension.
  • ⁇ New Inuyama Classification This classification classifies the pathology of chronic hepatitis into four categories: degree of inflammation around the portal vein area, intralobular area, and degree of fibrosis in the portal vein area, and is scored semi-quantitatively.
  • ⁇ New European classification of hepatitis The etiology of hepatitis is classified into viral, autoimmune, drug-induced, and unknown causes, and is divided into four stages of grading and five stages of staging.
  • Grading is evaluated in three stages, and comprehensive evaluation is performed using (1) fat deposition, (2) ballooning of hepatocytes, and (3) degree of inflammatory cell infiltration within the lobule and portal vein area.
  • Staging is evaluated in four stages: Stage 1 is centrilobular fibrosis, Stage 2 is Stage 1 + fibrosis in the portal vein area, Stage 3 is bridging fibrosis, and Stage 4 is liver cirrhosis.
  • the subject or subject is a mammalian subject, more specifically a human, a primate including a chimpanzee, a pet animal such as a dog, a cat, a cow, a horse, a sheep, a goat, etc.
  • a mammalian subject more specifically a human, a primate including a chimpanzee, a pet animal such as a dog, a cat, a cow, a horse, a sheep, a goat, etc.
  • mammals such as domestic animals, rodents such as mice and rats.
  • the subject or subject is a human subject.
  • a program for causing a computer to determine the presence or absence of liver disease in a subject, its risk, or degree of progression, and/or determine the degree of success of treatment performed for treatment comprising: a measurement value acquisition step of respectively acquiring measurement values of the levels of one or more or at least two biomarkers obtained from the biological sample from the subject; a parameter data acquisition step of obtaining data on a plurality of parameters by comparing the measured values of the one or more or at least two biomarkers with respective control values; A determination step of determining the presence or absence of liver disease in the subject, its risk, or degree of progression, and/or determining the degree of success of treatment performed for treatment, based on the data of the plurality of parameters; Run A program is provided, wherein the biomarker is selected from the group consisting of SEQ ID NOs: 1-125. In one embodiment of the invention, the program may be recorded on a medium. In one embodiment
  • the biomarker is selected from the group consisting of SEQ ID NOs: 1-82. In one embodiment of the invention, the above program is provided, wherein the biomarker is selected from the group consisting of SEQ ID NOs: 1-82. In one embodiment of the invention, the program may be recorded on a medium. In one embodiment of the present invention, a recording medium on which the program is recorded is provided.
  • the biomarker in the above program, is selected from the group consisting of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83-125. In one embodiment of the invention, the biomarker is selected from the group consisting of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83-125, and the above program is provided. . In one embodiment of the invention, the program may be recorded on a medium. In one embodiment of the present invention, a recording medium on which the program is recorded is provided.
  • Each biomarker, biological sample, and liver disease are as described above.
  • a missing value interpolation unit that obtains missing value interpolation data by interpolating missing values to miRNA expression level data; a logarithmic transformation unit that obtains logarithmically transformed data by logarithmically transforming the missing value complemented data; a regression transformation unit that obtains regression transformation data by substituting the logarithmically transformed data into a regression model and performing regression transformation; a teacher data acquisition unit that acquires teacher data; a trained model creation unit that creates a trained model using the regression transformation data as training data; Provided is a data processing device that performs data processing for detecting liver disease.
  • the missing value interpolation unit obtains missing value interpolation data for each miRNA by interpolating the expression level data of each miRNA with missing values.
  • miRNA expression level data obtained by an analysis method using Toray Industries, Inc.'s high-precision microarray DNA chip 3D-Gene (registered trademark) was used as miRNA expression level data.
  • This miRNA expression level data includes three types of data: “Raw data,” "BG subtraction,” and "global normalization.” In the present invention, among these, “global normalization” was used. However, since the "global normalization" data includes missing values, the missing values were supplemented with the minimum value of each miRNA sample.
  • the "global normalization" data includes a predetermined number of data. Missing values are understood in a general sense and refer to values where data is missing for some reason. Furthermore, since the distribution of the miRNA expression level data described above is a lognormal distribution, the above-mentioned missing value imputation and the below-mentioned logarithmic transformation were performed before statistical analysis processing.
  • the logarithmic transformation unit obtains logarithmically transformed data by logarithmically transforming the missing value complemented data that has been subjected to the missing value complementation as described above.
  • Logarithmic transformations can be performed, for example, log e , log 2 , log 10 , etc.
  • a base-2 logarithmic transformation (logarithmic transformation using log 2 ) was performed.
  • the regression transformation unit obtains regression transformation data by substituting the logarithm transformation data described above into a regression model and performing regression transformation.
  • the regression transformation is Multiplying the regression coefficient and Obtaining a logit value indicating the prediction result of the fibrosis stage by adding the intercept value for each fibrosis stage; calculating the predicted probability of each fibrosis stage by performing inverse logistic transformation on the logit value to convert it into a probability value between 0 and 1; Setting the fibrosis stage with the highest probability among the predicted probabilities of each fibrosis stage as the predicted value; including.
  • the regression transformation is Multiplying the regression coefficient and Obtaining a logit value indicating the prediction result of the fibrosis stage by adding the intercept value for each fibrosis stage; calculating the predicted probability of each fibrosis stage by performing inverse logistic transformation on the logit value to convert it into a probability value between 0 and 1; Setting the fibrosis stage with the highest probability among the predicted probabilities of each fibrosis stage as the predicted value; Provided is a data processing device that performs data processing for detecting the liver disease described above.
  • a predicted value of the fibrosis stage is calculated using regression coefficients produced by a regression model.
  • the fibrosis stage refers to the fibrosis stage of the liver.
  • the above-mentioned fibrosis stages range from no fibrosis to cirrhosis, as described above regarding liver fibrosis stage classification, from F0 (no fibrosis) to F1 (mild). ), F2 (moderate), F3 (severe), and F4 (cirrhosis).
  • the above-mentioned logit value is understood in a general sense and is a type of value calculated from the probability p ranging from 0 to 1.
  • the logit value becomes 0 when the probability is 0.5, and changes toward infinity when the probability rises above 0.5, and towards minus infinity when the probability falls below 0.5.
  • Logistic transformation is understood in a general sense and refers to the process of calculating logit from probability p using equation (2) above.
  • a is a logit value and expit(a) is a probability value.
  • this probability value was used as the predicted probability of each fibrosis stage. Then, among the predicted probabilities of each fibrosis stage, the fibrosis stage with the highest probability was taken as the predicted value.
  • the above-mentioned regression model is also referred to as a regression equation, and refers to an equation estimated by a statistical method among equations expressing the relationship between two certain variables.
  • the regression model may be selected from the group consisting of a multinominal LASSO model, a gaussian LASSO (Least Absolute Shrinkage and Selection Operator) model, and an ordinal logistic regression model.
  • the regression model for detecting the liver disease as described above, is selected from the group consisting of a multinominal LASSO model, a gaussian LASSO (Least Absolute Shrinkage and Selection Operator) model, and an ordinal logistic regression model.
  • a data processing device is provided that performs data processing.
  • a multinominal LASSO model refers to a multinomial logistic regression model that predicts three or more categories while selecting variables.
  • the multinomial logistic regression model two-term logistic regression models based on one of three or more categories are created as many as the number of combinations.
  • the predicted probability of each category is calculated from the created binary logistic regression model, and the category with the highest predicted probability is set as the predicted value.
  • the multinominal LASSO model when using the multinominal LASSO model, the five fibrosis stages described above were analyzed as categories. Note that cross-validation (hereinafter referred to as LOO-CV) using the Leave One Out method was performed to select variables.
  • LOO-CV cross-validation
  • the gaussian LASSO (Least Absolute Shrinkage and Selection Operator) model refers to a linear regression model that predicts the objective variable while selecting variables.
  • the linear regression model is expressed by the following equation (4).
  • y ⁇ 1 x 1 + ⁇ 2 x 2 +...+ ⁇ (4)
  • This formula expresses the average relationship between the causal variable x (explanatory variable) and the quantitative variable y (objective variable), where ⁇ is the coefficient and ⁇ is the intercept. .
  • ⁇ the coefficient
  • ⁇ is the intercept.
  • a linear score is calculated.
  • the above-mentioned five fibrosis stages were analyzed as objective variables, and the fibrosis stage was predicted using a cutoff value from the calculated prediction score.
  • the flow of statistical analysis processing using Gaussian LASSO is shown below.
  • the ordinal logistic regression model refers to a regression model that predicts three or more categories that have an ordinal relationship.
  • the ordinal logistic regression model compares the entire category group and uses the category with the highest prediction probability as the predicted value.
  • the five fibrosis stages described above were analyzed as categories with an order relationship, and miRNAs selected by multinomial LASSO and gaussian LASSO were used as explanatory variables. The flow of statistical analysis processing using ordinal logistic regression is shown below.
  • the teacher data acquisition unit acquires the teacher data.
  • the teacher data is teacher data indicating the relationship between a learning blood miRNA concentration and a fibrosis stage corresponding to the learning blood miRNA concentration.
  • the above-mentioned liver disease is detected, wherein the training data is training data indicating a relationship between a learning blood miRNA concentration and a fibrosis stage corresponding to the learning blood miRNA concentration.
  • a data processing device is provided that performs data processing to perform data processing.
  • the trained model creation unit creates a trained model using the regression transformation data described above as teacher data.
  • the teacher data is teacher data indicating the relationship between a learning blood miRNA concentration and a fibrosis stage corresponding to the learning blood miRNA concentration.
  • supervised data processing was performed using the learned model obtained in this manner.
  • data processing for detecting liver disease further includes a teacher data acquisition step of acquiring teacher data, and a learning data creation step of creating learning data using the teacher data.
  • the teacher data is teacher data indicating a relationship between a learning blood miRNA concentration and a fibrosis stage corresponding to the learning blood miRNA concentration.
  • the data processing for detecting liver disease further includes a teacher data acquisition step of acquiring teacher data, and a learning data creation step of creating learning data using the teacher data, Data for performing data processing for detecting the above liver disease, wherein the training data is training data indicating a relationship between a learning blood miRNA concentration and a fibrosis stage corresponding to the learning blood miRNA concentration.
  • a processing device is provided.
  • the data processing for detecting liver disease further includes a preprocessing step of obtaining data for analysis, and the preprocessing step includes: Obtaining a list of low expression miRNAs by listing low expression miRNAs; Obtaining missing value complemented data by supplementing the data of the miRNA list with missing values; obtaining data for conversion by excluding low expression miRNAs included in the low expression miRNA list from analysis targets; Logarithmically transforming the conversion data; including.
  • the data processing for detecting liver disease further includes a preprocessing step of obtaining data for analysis, and the preprocessing step includes: Obtaining a list of low expression miRNAs by listing low expression miRNAs; Obtaining missing value complemented data by supplementing the data of the miRNA list with missing values; obtaining data for conversion by excluding low expression miRNAs included in the low expression miRNA list from analysis targets; Logarithmically transforming the conversion data; Provided is a data processing device that performs data processing for detecting the liver disease described above.
  • the above-mentioned low expression miRNA refers to miRNA with a low expression level.
  • the low expression miRNAs included in the low expression miRNA list can be excluded from the conversion data and excluded from the analysis target.
  • the miRNA in the data processing device that performs data processing for detecting liver disease, is selected from the group consisting of SEQ ID NOs: 1 to 125. In one embodiment of the present invention, there is provided a data processing device that performs data processing for detecting the above liver disease, in which the miRNA is selected from the group consisting of SEQ ID NOs: 1 to 125.
  • the miRNA in the data processing device that performs data processing for detecting liver disease, is selected from the group consisting of SEQ ID NOs: 1 to 82. In one embodiment of the present invention, there is provided a data processing device that performs data processing for detecting the above liver disease, in which the miRNA is selected from the group consisting of SEQ ID NOs: 1 to 82.
  • the miRNAs include SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83 to selected from the group consisting of 125.
  • the miRNA is selected from the group consisting of SEQ ID NOs: 23, 30, 35, 36, 43, 65, 73, 81, 83-125, for detecting the liver disease described above.
  • a data processing device is provided that performs data processing.
  • Each miRNA, biological sample, and liver disease are as described above.
  • Example 1 How to analyze miRNA using RNA seq method : (1) Preparation of exosome fraction Sera obtained from 17 serum samples from patients with different fibrosis stages and Child-Pugh scores and 3 normal serum samples (Table 3) were subjected to ultracentrifugation. , the exosome fraction was purified. The serum was first centrifuged at 2,000g for 10 minutes, the resulting supernatant was further centrifuged at 12,000g for 30 minutes, and the supernatant thus obtained was centrifuged at 110,000g for 70 minutes to finally obtain the serum. The resulting precipitate fraction was designated as an exosome fraction.
  • RNA sequencing RNA sequencing
  • MIR122 log2 5.637 times
  • MIR483 log2 5.093 times
  • MIR3679 log2 5.050 times
  • MIR3138 log2 4.854 times
  • MIR99A log2 4.740 times
  • MIR194-1 (log2 4.740 times), MIR192 (log2 4.672 times), MIR34A (log2 4.164 times), MIR125B2 (log2 3.897 times), MIR125B1 (log2 3.561 times), MIR100 (log2 3.490 times), MIR320C1 (log2 3.443 times), MIR320B1 (log2 3.389 times), MIR194-2 (log2 3.171 times), MIR148A (log2 2.680 times), and MIR378A (log2 2.513 times). Those whose expression was significantly decreased are MIR4521 (log2 -1.545 times) and MIR144 (log2 -2.709 times).
  • MIR223-3P A significant decrease in the expression level of MIR223-3P was observed when compared with normal subjects, and a linear decrease in the expression level of miRNA was observed for MIR4454.
  • miRNAs that could serve as biomarkers through comprehensive analysis using serum samples at different stages of fibrosis.
  • Child-Pugh score Comparison of miRNA expression levels in subjects with 0 and 6 or higher Child-Pugh score (also referred to as "CP score”, “CP”, “CPF”)
  • CP score also referred to as "CP score”, "CP”, “CPF”
  • those whose expression was significantly increased are MIR122 (log2 5.256 times), MIR483 (log2 5.157 times), MIR99A (log2 4.903 times), MIR194-1 (log2 3.943 times), MIR125B2 ( log2 3.810 times), MIR125B1 (log2 3.539 times), MIR320B2 (log2 3.262 times), and MIR320A (log2 2.142 times), and the expression significantly decreased was MIR144.
  • Example 2 Analysis of miRNA using 3D-Gene (registered trademark) Method: (1) Preparation of exosome fraction 300 ⁇ L of serum obtained from 17 patient serum samples with different fibrosis stages and CP scores and 2 normal serum samples were subjected to ultracentrifugation in the same manner as in Example 1. The technique was used to purify the exosome fraction.
  • 3D-Gene registered trademark
  • miRNAs that change with the fibrosis stage and CP score were obtained, but the representative ones are miR-223, whose expression level decreases as the fibrosis stage progresses and the CP score increases. Examples include miR-4454.
  • Example 3 Correlation analysis between liver pathology and miRNA Using miRNA samples from patients with viral liver disease (HCV, HBV), we used the high-precision microarray DNA chip "3D-Gene" (registered trademark) developed by Toray as described above. Using the miRNA expression level data measured from A base logarithmic transformation is performed to obtain logarithmically transformed data, and the predicted value of the fibrosis stage is calculated using the regression coefficients calculated by four regression models for this logarithmically transformed data, and the relationship between liver pathology and miRNA is calculated. A correlation analysis was conducted ( Figure 5).
  • the fibrosis stage is set to 1. ⁇ If the logit value is greater than or equal to the Cutoff value for Stage 1
  • 1 ⁇ Difference in predicted probability for Stage 1 Predicted probability for Stage 0
  • 2 ⁇ Difference in predicted probability for Stage 2 Difference between predicted probability of Stage 1
  • 3 and predicted probability of Stage 3 Predicted probability of Stage 2
  • 4 - Difference between predicted probability of Stage 4 Stage Predicted probability of 3
  • 1 ⁇ Difference in predicted probability for Stage 1 Predicted probability for Stage 0
  • 2 ⁇ Difference in predicted probability for Stage 2 Difference between predicted probability of Stage 1
  • 3 and predicted probability of Stage 3 Predicted probability of Stage 2
  • 4 - Difference between predicted probability of Stage 4 Stage Predicted probability of 3
  • Discrimination performance (-1) Accuracy rate Create a contingency table for the actual group (Normal, F1: Stage 1, F2: Stage 2, F3: Stage 3, F4: Stage 4) and the predicted group, and compare the The agreement rate of the angular components was calculated. Furthermore, the correct answer rate for each group was calculated from the contingency table. The table below shows the accuracy rate when using the above four regression models. It was found that both models showed sufficiently high accuracy rates.
  • the kappa coefficient is an index for evaluating the degree of agreement between categorical variables that have an ordinal relationship, and is also referred to as Cohen's coefficient of agreement.
  • the kappa coefficient takes a value between 0 and 1, and the larger the value, the higher the degree of matching. In general, it can be said that a kappa coefficient of more than 0.6 indicates sufficiently high performance. Further, a kappa coefficient that takes the weight of the order into consideration is called a weighted kappa coefficient.
  • weighted kappa coefficient When examining the degree of agreement on an ordinal scale such as the degree of symptoms, it is appropriate to use a weighted kappa coefficient rather than a kappa coefficient.
  • a weighted kappa coefficient is used.
  • the weighted kappa coefficients when using the above four regression models are shown in the table below. Both models were shown to have sufficiently high performance.
  • the present inventors conducted a retrospective analysis using miRNA from patients with viral liver disease and discovered that the fibrosis stage can be predicted and determined non-invasively by using miRNA. As described above, according to the present invention, it has been shown that the fibrosis stage can be predicted by measuring miRNA of viral liver disease patients and substituting it into a prediction model equation. The present inventors have constructed four prediction models, and by using these prediction models as necessary, highly accurate prediction results can be obtained.
  • Example 4 Correlation analysis between NASH and miRNA (1) Using miRNA samples from NASH patients and using miRNA expression level data measured from the high-precision microarray DNA chip "3D-Gene" (registered trademark) developed by Toray as described above, this miRNA expression level data was The missing value of is complemented with the minimum value of each sample to obtain missing value complemented data, and this missing value complemented data is subjected to logarithmic transformation based on 2 to obtain logarithmically transformed data. Using the regression coefficients calculated using four regression models for the data, a predicted value of the fibrosis stage of NASH was calculated (FIG. 6).
  • the fibrosis stage is set to 1. ⁇ If the logit value is greater than or equal to the Cutoff value for Stage 1
  • 1 ⁇ Difference in predicted probability for Stage 1 Predicted probability for Stage 0
  • 2 ⁇ Difference in predicted probability for Stage 2 Difference between predicted probability of Stage 1
  • 3 and predicted probability of Stage 3 Predicted probability of Stage 2
  • 4 - Difference between predicted probability of Stage 4 Stage Predicted probability of 3
  • 1 ⁇ Difference in predicted probability for Stage 1 Predicted probability for Stage 0
  • 2 ⁇ Difference in predicted probability for Stage 2 Predicted probability of Stage 1
  • 3 - Difference between predicted probability of Stage 3 Predicted probability of Stage 2
  • 4 - Difference of predicted probability of Stage 4 Stage Predicted probability of 3
  • Discrimination performance (-1) Accuracy rate Create a contingency table for the actual group (0: healthy, 1: stage 1, 2: stage 2, 3: stage 3, 4: stage 4) and the predicted group, and The concordance rate of the components was calculated. Furthermore, the correct answer rate for each group was calculated from the contingency table. The table below shows the accuracy rate when using the above four regression models. It was found that both models showed sufficiently high accuracy rates.
  • the present inventors conducted a retrospective analysis using miRNA from NASH patients and discovered that the fibrosis stage can be predicted and determined non-invasively by using miRNA. As described above, according to the present invention, it has been shown that the fibrosis stage can be predicted by measuring miRNA of NASH patients and substituting it into a prediction model equation. The present inventors have constructed four prediction models, and by using these prediction models as necessary, highly accurate prediction results can be obtained.
  • Example 5 Correlation analysis between NASH and miRNA (2) Using miRNA samples from NASH patients, we used miRNA expression level data measured from the high-precision microarray DNA chip "3D-Gene" (registered trademark) developed by Toray as described above. The missing value of is complemented with the minimum value of each sample to obtain missing value complemented data, and this missing value complemented data is subjected to logarithmic transformation based on 2 to obtain logarithmically transformed data. Using regression coefficients calculated using four regression models for the data, predicted values for Brunt classification of NASH were calculated ( Figure 7).
  • the Brunt classification is 1. - If the logit value is greater than or equal to the Cutoff value of Stage 1
  • 1 ⁇ Difference in predicted probability for Stage 1 Predicted probability for Stage 0
  • 2 ⁇ Difference in predicted probability for Stage 2 Difference between predicted probability of Stage 1
  • 3 and predicted probability of Stage 3 Predicted probability of Stage 2
  • 4 - Difference between predicted probability of Stage 4 Stage Predicted probability of 3
  • 1 ⁇ Difference in predicted probability for Stage 1 Predicted probability for Stage 0
  • 2 ⁇ Difference in predicted probability for Stage 2 Predicted probability of Stage 1
  • 3 - Difference between predicted probability of Stage 3 Predicted probability of Stage 2
  • 4 - Difference of predicted probability of Stage 4 Stage Predicted probability of 3
  • Discrimination performance (-1) Accuracy rate Create a contingency table for the actual group (0: healthy, 1: stage 1, 2: stage 2, 3: stage 3, 4: stage 4) and the predicted group, and The concordance rate of the components was calculated. Furthermore, the correct answer rate for each group was calculated from the contingency table. The table below shows the accuracy rate when using the above four regression models. It was found that both models showed sufficiently high accuracy rates.
  • the present inventors conducted a retrospective analysis using miRNA from NASH patients and found that Brunt classification can be predicted and determined non-invasively by using miRNA. As described above, according to the present invention, it was shown that Brunt classification can be predicted by measuring miRNA of NASH patients and substituting it into a prediction model formula. The present inventors have constructed four prediction models, and by using these prediction models as necessary, highly accurate prediction results can be obtained.
  • Non-invasive biomarker for liver disease of the present invention kits, methods and programs using the biomarker, and data processing method for highly accurate detection of liver disease using the non-invasive marker for liver disease
  • a data processing device for the data processing By using a data processing device for the data processing, liver disease can be detected non-invasively or minimally invasively and with high precision.

Abstract

本発明は、肝疾患を非侵襲的又は低侵襲的かつ高精度に検出するためのバイオマーカー、並びに当該バイオマーカーを用いた、肝疾患を非侵襲的又は低侵襲的かつ高精度に検出するキット、方法、及びプログラム、並びに、当該肝疾患非侵襲性マーカーを用いて肝疾患を高精度に検出するためのデータ処理方法、当該データ処理に用いるためのデータ処理装置を提供する。より詳細には、配列番号１～１２５からなる群より選択される、バイオマーカーが提供される。また、特定のmiRNAと特異的に結合可能な核酸を含む、肝疾患の検出キットが提供される。さらに、対象からの生体試料中のバイオマーカーのレベルを測定することと、前記バイオマーカーの測定値と対照値とを比較することと、を含む、前記対象における肝疾患の有無又はそのリスク又は進行度、並びに／あるいは治療のために実施された処置の成功度を判定する方法であって、前記バイオマーカーが、配列番号１～１２５からなる群より選択される１以上である、方法、及びプログラム、並びに、当該肝疾患非侵襲性マーカーを用いて肝疾患を高精度に検出するためのデータ処理方法、当該データ処理に用いるためのデータ処理装置が提供される。

Description

肝疾患非侵襲性バイオマーカー及びこれを用いた肝疾患の検出
　本発明は、肝疾患非侵襲性バイオマーカーに関する。本発明はまた、当該肝疾患非侵襲性マーカーを用いて肝疾患を高精度に検出するキット、方法、及びプログラム、並びに、当該肝疾患非侵襲性マーカーを用いて肝疾患を高精度に検出するためのデータ処理方法、当該データ処理に用いるためのデータ処理装置に関する。
　線維化の改善度を解析する方法としての肝生検は、今なお、評価の精度が高い方法として、広く用いられている。しかし、肝硬変患者は出血傾向にあるため、肝生検をすることによって重篤な合併症を引き起こす可能性が高い。また、肝生検は肝臓組織の一部分を採取するのみであるため、肝生検の結果が肝臓全体の状態を反映しているかは、サンプリングエラーとして常に問題となる。
　がん等の疾患では、miRNAの機能に異常が起こり、その疾患の原因となり得ることが知られている。現在のところ、肝疾患について非侵襲的又は低侵襲的に評価できるマーカーは、いくつか使われてはいるものの、精度の高いものは未だ確立されていない（例えば、非特許文献１）。従って、正確に診断でき、かつ非侵襲的又は低侵襲的なサロゲートマーカーの開発が、依然として強く望まれている。このような、高精度かつ非侵襲的又は低侵襲的なサロゲートマーカーの実用化は、診断だけでなく、患者の生活の質（QOL）の向上にも資するものである。
Serum Wisteria floribunda agglutinin-positive Mac-2-binding protein for patients with chronic hepatitis B and C: a comparative study. H Nishikawa, et.al. J Viral Hepat. 2016 Dec;23(12):977-984. doi: 10.1111/jvh.12575.Epub 2016 Jul 31.
　本発明は、肝疾患を非侵襲的又は低侵襲的かつ高精度に検出するためのバイオマーカーを提供する。また本発明は、当該バイオマーカーを用いた、肝疾患を非侵襲的又は低侵襲的かつ高精度に検出するキット、方法、及びプログラム、並びに、当該肝疾患非侵襲性マーカーを用いて肝疾患を高精度に検出するためのデータ処理方法、当該データ処理に用いるためのデータ処理装置を提供する。
　本発明者らは上記課題を解決すべく鋭意検討の結果、低侵襲に採取できる血液から肝疾患の検出マーカーとして使用可能な複数個のmiRNAを見出し、これに特異的に結合可能な核酸を用いることにより、肝疾患を有意に検出できることを見いだし、本発明を完成するに至った。
　本発明は、以下の態様を含む。
　＜１－１＞
　バイオマーカーであるmiR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、miR-320b-2（配列番号２２）、miR-451a（配列番号２３）、miR-548d-3p（配列番号２４）、miR-320b（配列番号２５）、miR-1470（配列番号２６）、miR-4258（配列番号２７）、miR-4673（配列番号２８）、miR-4748（配列番号２９）、miR-4787-3p（配列番号３０）、miR-204-3p（配列番号３１）、miR-6131（配列番号３２）、miR-6752-3p（配列番号３３）、miR-4648（配列番号３４）、miR-6126（配列番号３５）、miR-1228-3p（配列番号３６）、miR-1231（配列番号３７）、miR-4286（配列番号３８）、miR-3935（配列番号３９）、miR-2467-3p（配列番号４０）、miR-1185-2-3p（配列番号４１）、miR-6729-3p（配列番号４２）、miR-6798-3p（配列番号４３）、miR-379-5p（配列番号４４）、miR-323a-5p（配列番号４５）、miR-665（配列番号４６）、miR-4279（配列番号４７）、miR-3605-5p（配列番号４８）、miR-4684-3p（配列番号４９）、miR-365b-5p（配列番号５０）、miR-6782-5p（配列番号５１）、miR-6880-3p（配列番号５２）、miR-6887-3p（配列番号５３）、miR-4433b-5p（配列番号５４）、miR-10396a-3p（配列番号５５）、miR-373-5p（配列番号５６）、miR-4539（配列番号５７）、miR-4687-3p（配列番号５８）、miR-4763-5p（配列番号５９）、miR-4482-3p（配列番号６０）、miR-6721-5p（配列番号６１）、miR-6812-3p（配列番号６２）、miR-6815-5p（配列番号６３）、miR-6871-5p（配列番号６４）、miR-7975（配列番号６５）、miR-11181-3p（配列番号６６）、miR-2278（配列番号６７）、miR-3192-5p（配列番号６８）、miR-4722-3p（配列番号６９）、miR-4750-3p（配列番号７０）、miR-6804-5p（配列番号７１）、miR-6828-5p（配列番号７２）、miR-614（配列番号７３）、miR-320c（配列番号７４）、miR-2110（配列番号７５）、miR-3177-3p（配列番号７６）、miR-4497（配列番号７７）、miR-210-5p（配列番号７８）、miR-6778-5p（配列番号７９）、miR-6780a-5p（配列番号８０）、miR-6801-3p（配列番号８１）、miR-8059（配列番号８２）、miR-657（配列番号８３）、miR-921（配列番号８４）、miR-4451（配列番号８５）、miR-3059-3p（配列番号８６）、miR-3619-3p（配列番号８７）、miR-4646-5p（配列番号８８）、miR-525-5p（配列番号８９）、miR-4444（配列番号９０）、miR-4458（配列番号９１）、miR-4746-3p（配列番号９２）、miR-1292-3p（配列番号９３）、miR-6133（配列番号９４）、miR-6754-3p（配列番号９５）、miR-365a-3p（配列番号９６）、miR-365b-3p（配列番号９７）、miR-6748-3p（配列番号９８）、miR-6892-3p（配列番号９９）、miR-8083（配列番号１００）、miR-4724-5p（配列番号１０１）、miR-6884-5p（配列番号１０２）、miR-7156-3p（配列番号１０３）、miR-19b-3p（配列番号１０４）、miR-518e-3p（配列番号１０５）、miR-646（配列番号１０６）、miR-298（配列番号１０７）、miR-1234-3p（配列番号１０８）、miR-2115-5p（配列番号１０９）、miR-3142（配列番号１１０）、miR-3179（配列番号１１１）、miR-3190-5p（配列番号１１２）、miR-3675-3p（配列番号１１３）、miR-4441（配列番号１１４）、miR-4475（配列番号１１５）、miR-6718-5p（配列番号１１６）、miR-6743-3p（配列番号１１７）、miR-6894-3p（配列番号１１８）、miR-7112-5p（配列番号１１９）、miR-12116（配列番号１２０）、miR-518d-3p（配列番号１２１）、miR-145-5p（配列番号１２２）、miR-6801-5p（配列番号１２３）、miR-127-3p（配列番号１２４）、及びmiR-4731-3p（配列番号１２５）からなる群より選択される１以上のポリヌクレオチド、又は当該ポリヌクレオチドの相補鎖と特異的に結合可能な核酸を含む、肝疾患の検出キット。
　＜１－２＞
　バイオマーカーであるmiR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、miR-320b-2（配列番号２２）、miR-451a（配列番号２３）、miR-548d-3p（配列番号２４）、miR-320b（配列番号２５）、miR-1470（配列番号２６）、miR-4258（配列番号２７）、miR-4673（配列番号２８）、miR-4748（配列番号２９）、miR-4787-3p（配列番号３０）、miR-204-3p（配列番号３１）、miR-6131（配列番号３２）、miR-6752-3p（配列番号３３）、miR-4648（配列番号３４）、miR-6126（配列番号３５）、miR-1228-3p（配列番号３６）、miR-1231（配列番号３７）、miR-4286（配列番号３８）、miR-3935（配列番号３９）、miR-2467-3p（配列番号４０）、miR-1185-2-3p（配列番号４１）、miR-6729-3p（配列番号４２）、miR-6798-3p（配列番号４３）、miR-379-5p（配列番号４４）、miR-323a-5p（配列番号４５）、miR-665（配列番号４６）、miR-4279（配列番号４７）、miR-3605-5p（配列番号４８）、miR-4684-3p（配列番号４９）、miR-365b-5p（配列番号５０）、miR-6782-5p（配列番号５１）、miR-6880-3p（配列番号５２）、miR-6887-3p（配列番号５３）、miR-4433b-5p（配列番号５４）、miR-10396a-3p（配列番号５５）、miR-373-5p（配列番号５６）、miR-4539（配列番号５７）、miR-4687-3p（配列番号５８）、miR-4763-5p（配列番号５９）、miR-4482-3p（配列番号６０）、miR-6721-5p（配列番号６１）、miR-6812-3p（配列番号６２）、miR-6815-5p（配列番号６３）、miR-6871-5p（配列番号６４）、miR-7975（配列番号６５）、miR-11181-3p（配列番号６６）、miR-2278（配列番号６７）、miR-3192-5p（配列番号６８）、miR-4722-3p（配列番号６９）、miR-4750-3p（配列番号７０）、miR-6804-5p（配列番号７１）、miR-6828-5p（配列番号７２）、miR-614（配列番号７３）、miR-320c（配列番号７４）、miR-2110（配列番号７５）、miR-3177-3p（配列番号７６）、miR-4497（配列番号７７）、miR-210-5p（配列番号７８）、miR-6778-5p（配列番号７９）、miR-6780a-5p（配列番号８０）、miR-6801-3p（配列番号８１）、及びmiR-8059（配列番号８２）からなる群より選択される１以上のポリヌクレオチド、又は当該ポリヌクレオチドの相補鎖と特異的に結合可能な核酸を含む、＜１－１＞に記載の肝疾患の検出キット。
　＜１－３＞
　バイオマーカーであるmiR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択されるポリヌクレオチド、又は当該ポリヌクレオチドの相補鎖と特異的に結合可能な核酸を含む、＜１－２＞に記載の肝疾患の検出キット。
　＜１－４＞
　前記キットが、少なくとも１つの、別のバイオマーカーであるポリヌクレオチドと特異的に結合可能な核酸をさらに含む、＜１－３＞に記載の肝疾患の検出キット。
　＜１－５＞
　前記別のバイオマーカーが、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択される１以上である、＜１－４＞に記載の肝疾患の検出キット。
　＜１－６＞
　バイオマーカーである、miR-451a（配列番号２３）、miR-4787-3p（配列番号３０）、miR-6126（配列番号３５）、miR-1228-3p（配列番号３６）、miR-6798-3p（配列番号４３）、miR-7975（配列番号６５）、miR-614（配列番号７３）、miR-6801-3p（配列番号８１）、miR-657（配列番号８３）、miR-921（配列番号８４）、miR-4451（配列番号８５）、miR-3059-3p（配列番号８６）、miR-3619-3p（配列番号８７）、miR-4646-5p（配列番号８８）、miR-525-5p（配列番号８９）、miR-4444（配列番号９０）、miR-4458（配列番号９１）、miR-4746-3p（配列番号９２）、miR-1292-3p（配列番号９３）、miR-6133（配列番号９４）、miR-6754-3p（配列番号９５）、miR-365a-3p（配列番号９６）、miR-365b-3p（配列番号９７）、miR-6748-3p（配列番号９８）、miR-6892-3p（配列番号９９）、miR-8083（配列番号１００）、miR-4724-5p（配列番号１０１）、miR-6884-5p（配列番号１０２）、miR-7156-3p（配列番号１０３）、miR-19b-3p（配列番号１０４）、miR-518e-3p（配列番号１０５）、miR-646（配列番号１０６）、miR-298（配列番号１０７）、miR-1234-3p（配列番号１０８）、miR-2115-5p（配列番号１０９）、miR-3142（配列番号１１０）、miR-3179（配列番号１１１）、miR-3190-5p（配列番号１１２）、miR-3675-3p（配列番号１１３）、miR-4441（配列番号１１４）、miR-4475（配列番号１１５）、miR-6718-5p（配列番号１１６）、miR-6743-3p（配列番号１１７）、miR-6894-3p（配列番号１１８）、miR-7112-5p（配列番号１１９）、miR-12116（配列番号１２０）、miR-518d-3p（配列番号１２１）、miR-145-5p（配列番号１２２）、miR-6801-5p（配列番号１２３）、miR-127-3p（配列番号１２４）、及びmiR-4731-3p（配列番号１２５）からなる群より選択される１以上のポリヌクレオチド、又は当該ポリヌクレオチドの相補鎖と特異的に結合可能な核酸を含む、＜１－１＞に記載の肝疾患の検出キット。
　＜１－７＞
　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、＜１－１＞に記載の肝疾患の検出キット。
　＜１－８＞
　前記肝疾患が、肝硬変である、＜１－１＞に記載の肝疾患の検出キット。
　＜１－９＞
　前記肝疾患が、ウイルス性肝疾患であり、好ましくはＣ型肝炎（ＨＣＶ）又はＢ型肝炎（ＨＢＶ）である、＜１－２＞に記載の肝疾患の検出キット。
　＜１－１０＞
　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、＜１－６＞に記載の肝疾患の検出キット。
　＜２－１＞
　前記核酸が、下記の（ａ）～（ｃ）のいずれかに示すポリヌクレオチド又はその断片から選択される、＜１－１＞に記載の肝疾患の検出キット：
（ａ）
　（ａ－１）配列番号１～１２５のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列に相補的な塩基配列からなるポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、
　（ａ－２）（ａ－１）のポリヌクレオチド又はその断片の塩基配列において、１以上の塩基の欠失、置換、付加、又は挿入を含むポリヌクレオチド又はその断片、
　（ａ－３）修飾核酸及び／又は修飾ヌクレオチドを含む（ａ－１）又は（ａ－２）のポリヌクレオチド又はその断片、
（ｂ）配列番号１～１２５のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列に相補的な塩基配列を含むポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、及び
（ｃ）下記の（ｃ－１）～（ｃ－４）のいずれかに示すポリヌクレオチド又はその断片とハイストリンジェントな条件でハイブリダイズするポリヌクレオチド。
　（ｃ－１）配列番号１～１２５のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列からなるポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、
　（ｃ－２）（ｃ－１）のポリヌクレオチド又はその断片の塩基配列において、１以上の塩基の欠失、置換、付加、又は挿入を含むポリヌクレオチド又はその断片、
　（ｃ－３）修飾核酸及び／又は修飾ヌクレオチドを含む（ｃ－１）又は（ｃ－２）のポリヌクレオチド又はその断片、
　（ｃ－４）配列番号１～１２５のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列を含むポリヌクレオチド、又は１５以上の連続した塩基を含むその断片
　＜２－２＞
　前記核酸が、下記の（ａ）～（ｃ）のいずれかに示すポリヌクレオチド又はその断片から選択される、＜２－１＞に記載の肝疾患の検出キット：
（ａ）
　（ａ－１）配列番号１～４のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列に相補的な塩基配列からなるポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、
　（ａ－２）（ａ－１）のポリヌクレオチド又はその断片の塩基配列において、１以上の塩基の欠失、置換、付加、又は挿入を含むポリヌクレオチド又はその断片、
　（ａ－３）修飾核酸及び／又は修飾ヌクレオチドを含む（ａ－１）又は（ａ－２）のポリヌクレオチド又はその断片、
（ｂ）配列番号１～４のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列に相補的な塩基配列を含むポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、及び
（ｃ）下記の（ｃ－１）～（ｃ－４）のいずれかに示すポリヌクレオチド又はその断片とハイストリンジェントな条件でハイブリダイズするポリヌクレオチド。
　（ｃ－１）配列番号１～４のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列からなるポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、
　（ｃ－２）（ｃ－１）のポリヌクレオチド又はその断片の塩基配列において、１以上の塩基の欠失、置換、付加、又は挿入を含むポリヌクレオチド又はその断片、
　（ｃ－３）修飾核酸及び／又は修飾ヌクレオチドを含む（ｃ－１）又は（ｃ－２）のポリヌクレオチド又はその断片、
　（ｃ－４）配列番号１～４のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列を含むポリヌクレオチド、又は１５以上の連続した塩基を含むその断片
　＜２－３＞
　前記キットが、少なくとも１つの、別のバイオマーカーであるポリヌクレオチドと特異的に結合可能な核酸をさらに含み、
　前記別のバイオマーカーであるポリヌクレオチドと特異的に結合可能な核酸が、下記の（ｄ）～（ｆ）のいずれかに示すポリヌクレオチド又はその断片から選択される、＜２－２＞に記載の肝疾患の検出キット：
（ｄ）
　（ｄ－１）配列番号５～２１のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列に相補的な塩基配列からなるポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、
　（ｄ－２）（ｄ－１）のポリヌクレオチド又はその断片の塩基配列において、１以上の塩基の欠失、置換、付加、又は挿入を含むポリヌクレオチド又はその断片、
　（ｄ－３）修飾核酸及び／又は修飾ヌクレオチドを含む（ｄ－１）又は（ｄ－２）のポリヌクレオチド又はその断片、
（ｅ）配列番号５～２１のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列に相補的な塩基配列を含むポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、及び
（ｆ）下記の（ｆ－１）～（ｆ－４）のいずれかに示すポリヌクレオチド又はその断片とハイストリンジェントな条件でハイブリダイズするポリヌクレオチド。
　（ｆ－１）配列番号５～２１のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列からなるポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、
　（ｆ－２）（ｆ－１）のポリヌクレオチド又はその断片の塩基配列において、１以上の塩基の欠失、置換、付加、又は挿入を含むポリヌクレオチド又はその断片、
　（ｆ－３）修飾核酸及び／又は修飾ヌクレオチドを含む（ｆ－１）又は（ｆ－２）のポリヌクレオチド又はその断片、
　（ｆ－４）配列番号５～２１のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列を含むポリヌクレオチド、又は１５以上の連続した塩基を含むその断片
　＜２－４＞
　前記（ａ）～（ｃ）のいずれかに示すポリヌクレオチドが、配列番号１～８２のいずれかで表されるポリヌクレオチドから選択される、＜２－１＞に記載の肝疾患の検出キット。
　＜２―５＞
　前記（ａ）～（ｃ）のいずれかに示すポリヌクレオチドが、配列番号２３、３０、３５、３６，４３、６５、７３、８１、８３～１２５のいずれかで表されるポリヌクレオチドから選択される、＜２－１＞に記載の肝疾患の検出キット。
　＜２－６＞
　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、＜２－１＞に記載の肝疾患の検出キット。
　＜２－７＞
　前記肝疾患が、肝硬変である、＜２－１＞に記載の肝疾患の検出キット。
　＜２－８＞
　前記肝疾患が、ウイルス性肝疾患であり、好ましくはＣ型肝炎（ＨＣＶ）又はＢ型肝炎（ＨＢＶ）である、＜２－４＞に記載の肝疾患の検出キット。
　＜２－９＞
　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、＜２－５＞に記載の肝疾患の検出キット。
　＜３－１＞
　配列番号１～１２５のいずれかで表されるポリヌクレオチドより選択される、バイオマーカー。
　＜３－２＞
　配列番号１～８２のいずれかで表されるポリヌクレオチドより選択される、＜３－１＞に記載のバイオマーカー。
　＜３－３＞
　miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される、＜３－２＞に記載のバイオマーカー。
　＜３－４＞
　配列番号２３、３０、３５、３６，４３、６５、７３、８１、８３～１２５のいずれかで表されるポリヌクレオチドから選択される、＜３－１＞に記載のバイオマーカー。
　＜３－５＞
　前記バイオマーカーが、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からなる群より選択される生体試料から得られる、＜３－１＞に記載のバイオマーカー。
　＜３－６＞
　肝疾患の有無又はそのリスクを診断するために用いられる、＜３－１＞に記載のバイオマーカー。
　＜３－７＞
　肝疾患の進行度を判定するために用いられる、＜３－１＞に記載のバイオマーカー。
　＜３－８＞
　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、＜３－１＞に記載のバイオマーカー。
　＜３－９＞
　前記肝疾患が、肝硬変である、＜３－１＞に記載のバイオマーカー。
　＜３－１０＞
　前記肝疾患が、ウイルス性肝疾患であり、好ましくはＣ型肝炎（ＨＣＶ）又はＢ型肝炎（ＨＢＶ）である、＜３－２＞に記載のバイオマーカー。
　＜３－１１＞
　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、＜３－４＞に記載のバイオマーカー。
　＜４－１＞
　対象からの生体試料中のバイオマーカーのレベルを測定することと、
　前記バイオマーカーの測定値と対照値とを比較することと、
を含む、前記対象における肝疾患の有無又はそのリスク又は進行度、並びに／あるいは治療のために実施された処置の成功度を判定する方法であって、
　前記バイオマーカーが、配列番号１～１２５で表されるポリヌクレオチドより選択される１以上である、方法。
　＜４－２＞
　前記バイオマーカーが、配列番号１～８２のいずれかで表されるポリヌクレオチドより選択される、＜４－１＞に記載の方法。
　＜４－３＞
　前記バイオマーカーが、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される１以上である、＜４－２＞に記載の方法。
　＜４－４＞
　対象からの生体試料中の追加のバイオマーカーのレベルを測定することと、
　前記追加のバイオマーカーの測定値と対照値とを比較することと、
をさらに含む、＜４－３＞に記載の方法。
　＜４－５＞
　前記追加のバイオマーカーが、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択される１以上である、＜４－４＞に記載の方法。
　＜４－６＞
　前記バイオマーカーが、配列番号２３、３０、３５、３６，４３、６５、７３、８１、８３～１２５のいずれかで表されるポリヌクレオチドより選択される、＜４－１＞に記載の方法。
　＜４－７＞
　前記生体試料が、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からからなる群より選択される、＜４－１＞に記載の方法。
　＜４－８＞
　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、＜４－１＞に記載の方法。
　＜４－９＞
　前記肝疾患が、肝硬変である、＜４－１＞に記載の方法。
　＜４－１０＞
　前記肝疾患が、ウイルス性肝疾患であり、好ましくはＣ型肝炎（ＨＣＶ）又はＢ型肝炎（ＨＢＶ）である、＜４－２＞に記載の方法。
　＜４－１１＞
　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、＜４－６＞に記載の方法。
　＜５－１＞
　肝疾患の治療薬の候補化合物を投与された対象からの生体試料中のバイオマーカーのレベルを測定することと、
　前記バイオマーカーの測定値と対照値とを比較することと、
を含む、前記対象における肝疾患の治療薬の候補化合物をスクリーニングする方法であって、
　前記バイオマーカーが、配列番号１～１２５で表されるポリヌクレオチドより選択される１以上である、方法。
　＜５－２＞
　前記バイオマーカーが、配列番号１～８２のいずれかで表されるポリヌクレオチドより選択される、＜５－１＞に記載の方法。
　＜５－３＞
　前記バイオマーカーが、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される１以上である、＜５－２＞に記載の方法。
　＜５－４＞
　対象からの生体試料中の追加のバイオマーカーのレベルを測定することと、
　前記追加のバイオマーカーの測定値と対照値とを比較することと、
をさらに含む、＜５－３＞に記載の方法。
　＜５－５＞
　前記追加のバイオマーカーが、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択される１以上である、＜５－４＞に記載の方法。
　＜５－６＞
　前記バイオマーカーが、配列番号２３、３０、３５、３６，４３、６５、７３、８１、８３～１２５のいずれかで表されるポリヌクレオチドより選択される、＜５－１＞に記載の方法。
　＜５－７＞
　前記生体試料が、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からなる群より選択される、＜５－１＞に記載の方法。
　＜５－８＞
　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、＜５－１＞に記載の方法。
　＜５－９＞
　前記肝疾患が、肝硬変である、＜５－１＞に記載の方法。
　＜５－１０＞
　前記肝疾患が、ウイルス性肝疾患であり、好ましくはＣ型肝炎（ＨＣＶ）又はＢ型肝炎（ＨＢＶ）である、＜５－２＞に記載の方法。
　＜５－１１＞
　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、＜５－６＞に記載の方法。
　＜６－１＞
　対象からの生体試料中のバイオマーカーのレベルを測定することと、
　前記バイオマーカーの測定値と対照値とを比較することと、
を含む、前記対象における肝疾患を治療する方法であって、
　前記バイオマーカーが、配列番号１～１２５で表されるポリヌクレオチドより選択される１以上である、方法。
　＜６－２＞
　前記バイオマーカーが、配列番号１～８２のいずれかで表されるポリヌクレオチドより選択される、＜６－１＞に記載の方法。
　＜６－３＞
　前記バイオマーカーが、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される１以上である、＜６－２＞に記載の方法。
　＜６－４＞
　対象からの生体試料中の追加のバイオマーカーのレベルを測定することと、
　前記追加のバイオマーカーの測定値と対照値とを比較することと、
をさらに含む、＜６－３＞に記載の方法。
　＜６－５＞
　前記追加のバイオマーカーが、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択される１以上である、＜６－４＞に記載の方法。
　＜６－６＞
　前記バイオマーカーが、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５のいずれかで表されるポリヌクレオチドより選択される、＜６－１＞に記載の方法。
　＜６－７＞
　前記生体試料が、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からなる群より選択される、＜６－１＞に記載の方法。
　＜６－８＞
　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、＜６－１＞に記載の方法。
　＜６－９＞
　前記肝疾患が、肝硬変である、＜６－１＞に記載の方法。
　＜６－１０＞
　前記肝疾患が、ウイルス性肝疾患であり、好ましくはＣ型肝炎（ＨＣＶ）又はＢ型肝炎（ＨＢＶ）である、＜６－２＞に記載の方法。
　＜６－１１＞
　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、＜６－６＞に記載の方法。
　＜７－１＞
　対象からの生体試料中のバイオマーカー１のレベルを測定することと、
　前記バイオマーカー１の測定値と対照値とを比較してパラメータ１を得ることと、
　対象からの生体試料中の少なくとも１つの追加のバイオマーカーＮのレベルを測定すること（ここで、Ｎは２以上の整数である）と、
　前記追加のバイオマーカーＮの測定値と対照値とを比較してパラメータＮを得ることと、
　パラメータ１と１以上のパラメータＮとの組合せで構成される一組の少なくとも２つのパラメータの形態の結果が得られること、
とを含み、
　前記一組の少なくとも２つのパラメータの形態の結果が、前記対象における肝疾患の有無又はそのリスク又は進行度、並びに／あるいは治療のために実施された処置の成功度を示す、肝疾患を高精度に検出する方法。
　＜７－２＞
　前記一組の少なくとも２つのパラメータの形態の結果が、コンピュータプログラムを用いて評価される、＜７－１＞に記載の方法。
　＜７－３＞
　前記バイオマーカー１及び前記少なくとも１つの追加のバイオマーカーが、配列番号１～１２５で表されるポリヌクレオチドより選択される、＜７－１＞に記載の方法。
　＜７－４＞
　前記バイオマーカー１及び前記少なくとも１つの追加のバイオマーカーが、配列番号１～８２のいずれかで表されるポリヌクレオチドより選択される、＜７－３＞に記載の方法。
　＜７－５＞
　前記バイオマーカー１及び前記少なくとも１つの追加のバイオマーカーが、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択される、＜７－４＞に記載の方法。
　＜７－６＞
　前記バイオマーカー１及び前記少なくとも１つの追加のバイオマーカーが、配列番号２３、３０、３５、３６，４３、６５、７３、８１、８３～１２５のいずれかで表されるポリヌクレオチドより選択される、＜７－３＞に記載の方法。
　＜７－７＞
　前記生体試料が、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からからなる群より選択される、＜７－１＞に記載の方法。
　＜７－８＞
　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、＜７－１＞に記載の方法。
　＜７－９＞
　前記肝疾患が、肝硬変である、＜７－１＞に記載の方法。
　＜７－１０＞
　前記肝疾患が、ウイルス性肝疾患であり、好ましくはＣ型肝炎（ＨＣＶ）又はＢ型肝炎（ＨＢＶ）である、＜７－４＞に記載の方法。
　＜７－１１＞
　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、＜７－６＞に記載の方法。
　＜８－１＞
　対象からの生体試料中の１つ以上又は少なくとも２つのバイオマーカーのレベルを測定する手段と、
　前記１つ以上又は少なくとも２つのバイオマーカーの測定値をそれぞれその対照値と比較することにより、複数のパラメータを得る手段と、
　前記複数のパラメータから、前記対象における肝疾患の有無又はそのリスク又は進行度、並びに／あるいは治療のために実施された処置の成功度を算出する手段と、
を備える、肝疾患の診断支援システム。
　＜８－２＞
　前記１つ以上又は少なくとも２つのバイオマーカーが、配列番号１～１２５で表されるポリヌクレオチドより選択される、＜８－１＞に記載の肝疾患の診断支援システム。
　＜８－３＞
　前記１つ以上又は少なくとも２つのバイオマーカーが、配列番号１～８２のいずれかで表されるポリヌクレオチドより選択される、＜８－２＞に記載の肝疾患の診断支援システム。
　＜８－４＞
　前記１つ以上又は少なくとも２つのバイオマーカーが、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択される、＜８－３＞に記載の肝疾患の診断支援システム。
　＜８－５＞
　前記１つ以上又は少なくとも２つのバイオマーカーが、配列番号２３、３０、３５、３６，４３、６５、７３、８１、８３～１２５のいずれかで表されるポリヌクレオチドより選択される、＜８－２＞に記載の肝疾患の診断支援システム。
　＜８－６＞
　前記生体試料が、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からからなる群より選択される、＜８－１＞に記載の肝疾患の診断支援システム。
　＜８－７＞
　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、＜８－１＞に記載の肝疾患の診断支援システム。
　＜８－８＞
　前記肝疾患が、肝硬変である、＜８－１＞に記載の肝疾患の診断支援システム。
　＜８－９＞
　前記肝疾患が、ウイルス性肝疾患であり、好ましくはＣ型肝炎（ＨＣＶ）又はＢ型肝炎（ＨＢＶ）である、＜８－３＞に記載の肝疾患の診断支援システム。
　＜８－１０＞
　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、＜８－５＞に記載の肝疾患の診断支援システム。
　＜９－１＞
　コンピュータが実行する、被験体の肝疾患の病態を病期分類するためのデータ処理を行う方法であって、前記コンピュータは、
　コンピュータ・プロセッサと、
　前記被験体の肝疾患の病態を病期分類するための指示を出すソフトウェアを備えるコンピュータ読み取り可能な記録媒体とを備え、
　前記方法が、
　前記被験体から得られた生体試料中の１つ以上又は少なくとも２つのバイオマーカーの測定値をそれぞれその対照値と比較することにより得られた複数のパラメータのデータを、コンピュータ読み取り可能な記録媒体に取り込むことと、
　前記コンピュータが、前記コンピュータ・プロセッサを用いて指示を実行することにより、前記複数のパラメータのデータを処理して、前記コンピュータが、被験体の肝疾患の病態を判定し、その判定の結果を、被験体の肝疾患の病態を病期分類するための指示を出すソフトウェアによる情報として出力することとを含み、
　前記病期分類が、肝線維化ステージ、チャイルド・ピュー分類、MELDスコア、MELD Naスコア、PELDスコア、ALBIスコア、ｍALBI（modified ALBI）スコア、FibroScanスコア、新犬山分類、及び新ヨーロッパ分類からなる群より選択される１以上を含む、方法。
　＜９－２＞
　前記判定の結果が、前記複数のパラメータのデータを処理することによりそれぞれ判定された結果の組合せである、＜９－１＞に記載の方法。
　＜９－３＞
　前記１つ以上又は少なくとも２つのバイオマーカーが、配列番号１～１２５で表されるポリヌクレオチドより選択される、＜９－１＞に記載の方法。
　＜９－４＞
　前記１つ以上又は少なくとも２つのバイオマーカーが、配列番号１～８２のいずれかで表されるポリヌクレオチドより選択される、＜９－３＞に記載の方法。
　＜９－５＞
　前記１つ以上又は少なくとも２つのバイオマーカーが、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択される、＜９－４＞に記載の方法。
　＜９－６＞
　前記１つ以上又は少なくとも２つのバイオマーカーが、配列番号２３、３０、３５、３６，４３、６５、７３、８１、８３～１２５のいずれかで表されるポリヌクレオチドより選択される、＜９－３＞に記載の方法。
　＜９－７＞
　前記生体試料が、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からからなる群より選択される、＜９－１＞に記載の方法。
　＜９－８＞
　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、＜９－１＞に記載の方法。
　＜９－９＞
　前記肝疾患が、肝硬変である、＜９－１＞に記載の方法。
　＜９－１０＞
　前記肝疾患が、ウイルス性肝疾患であり、好ましくはＣ型肝炎（ＨＣＶ）又はＢ型肝炎（ＨＢＶ）である、＜９－４＞に記載の方法。
　＜９－１１＞
　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、＜９－６＞に記載の方法。
　＜９－１２＞
　前記被験体が哺乳動物被験体である、＜９－１＞に記載の方法。
　＜９－１３＞
　前記被験体がヒト被験体である、＜９－１１＞に記載の方法。
　＜１０－１＞
　対象における肝疾患の有無又はそのリスク又は進行度の判定、並びに／あるいは治療のために実施された処置の成功度の判定をコンピュータに実行させるためのプログラムであって、前記プログラムが、
　対象からの生体試料中から得られた１つ以上又は少なくとも２つのバイオマーカーのレベルの測定値をそれぞれ取得する測定値取得工程と、
　前記１つ以上又は少なくとも２つのバイオマーカーの測定値とそれぞれの対照値とを比較することにより、複数のパラメータのデータを得るパラメータデータ取得工程と、
　前記複数のパラメータのデータを処理して、対象における肝疾患の有無又はそのリスク又は進行度の判定、並びに／あるいは治療のために実施された処置の成功度を判定する判定工程と、
を実行し、
　前記バイオマーカーが、配列番号１～１２５で表されるポリヌクレオチドより選択される、プログラム。
　＜１０－２＞
　前記バイオマーカーが、配列番号１～８２のいずれかで表されるポリヌクレオチドより選択される、＜１０－１＞に記載のプログラム。
　＜１０－３＞
　前記バイオマーカーが、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される、＜１０－２＞に記載のプログラム。
　＜１０－４＞
　前記バイオマーカーが、配列番号２３、３０、３５、３６，４３、６５、７３、８１、８３～１２５のいずれかで表されるポリヌクレオチドより選択される、＜１０－１＞に記載のプログラム。
　＜１０－５＞
　前記生体試料が、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からからなる群より選択される、＜１０－１＞に記載のプログラム。
　＜１０－６＞
　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、＜１０－１＞に記載のプログラム。
　＜１０－７＞
　前記肝疾患が、肝硬変である、＜１０－１＞に記載のプログラム。
　＜１０－８＞
　前記肝疾患が、ウイルス性肝疾患であり、好ましくはＣ型肝炎（ＨＣＶ）又はＢ型肝炎（ＨＢＶ）である、＜１０－２＞に記載のプログラム。
　＜１０－９＞
　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、＜１０－４＞に記載のプログラム。
　＜１１－１＞
　miRNA発現量のデータに欠測値を補完することにより欠測値補完データを得る欠測値補完部と、
　前記欠測値補完データを対数変換することにより対数変換データを得る対数変換部と、
　前記対数変換データを回帰モデルに代入して回帰変換を実行することにより回帰変換データを得る回帰変換部と、
　教師データを取得する教師データ取得部と、
　前記回帰変換データを教師データとして用いて、学習済みモデルを作成する学習済みモデル作成部と、
を備える、肝疾患を検出するためのデータ処理を行うデータ処理装置であって、
　前記miRNAが、配列番号１～１２５で表されるポリヌクレオチドより選択される１以上である、肝疾患を検出するためのデータ処理を行うデータ処理装置。
　＜１１－２＞
　前記回帰変換が、
　回帰係数を乗じることと、
　線維化ステージ毎に切片の値を加算することにより線維化ステージの予測結果を示すロジット値を得ることと、
　前記ロジット値に対してロジスティック変換の逆変換を行うことにより０から１の間の確率値に変換して各線維化ステージの予測確率を算出することと、
　各線維化ステージの前記予測確率のうち最も確率が高い線維化ステージを予測値とすることと、
を含む、＜１１－１＞に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
　＜１１－３＞
　前記回帰モデルが、multinominal LASSOモデル、gaussian LASSO（Least Absolute Shrinkage and Selection Operator）モデル、順序ロジスティック回帰モデルからなる群より選択される、＜１１－２＞に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
　＜１１－４＞
　前記教師データが、学習用血中miRNA濃度と、前記学習用血中miRNA濃度に対応する線維化ステージとの関係を示す教師データである、＜１１－１＞に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
　＜１１－５＞
　肝疾患を検出するためのデータ処理が、教師データを取得する教師データ取得工程と、前記教師データを用いて学習データを作成する学習データ作成行程とをさらに含み、
　前記教師データが、学習用血中miRNA濃度と、前記学習用血中miRNA濃度に対応する線維化ステージとの関係を示す教師データである、＜１１－１＞に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
　＜１１－６＞
　肝疾患を検出するためのデータ処理が、解析用データを得る前処理工程をさらに含み、前記前処理工程が、
　低発現miRNAをリスト化して低発現miRNAリストを得ることと、
　前記miRNAリストのデータに欠測値を補完することにより欠測値補完データを得ることと、
　前記低発現miRNAリストに含まれる低発現miRNAを解析対象から除外して変換用データを得ることと、
　前記変換用データを対数変換することと、
を含む、＜１１－１＞に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
　＜１１－７＞
　前記バイオマーカーが、配列番号１～８２のいずれかで表されるポリヌクレオチドより選択される１以上である、＜１１－１＞に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
　＜１１－８＞
　前記バイオマーカーが、配列番号２３、３０、３５、３６，４３、６５、７３、８１、８３～１２５のいずれかで表されるポリヌクレオチドより選択される１以上である、＜１１－１＞に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
　＜１１－９＞
　前記生体試料が、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からからなる群より選択される、＜１１－１＞に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
　＜１１－１０＞
　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、＜１１－１＞に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
　＜１１－１１＞
　前記肝疾患が、肝硬変である、＜１１－１＞に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
　＜１１－１２＞
　前記肝疾患が、ウイルス性肝疾患であり、好ましくはＣ型肝炎（ＨＣＶ）又はＢ型肝炎（ＨＢＶ）である、＜１１－７＞に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
　＜１１－１３＞
　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、＜１１－８＞に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
　本発明の肝疾患非侵襲性バイオマーカー、並びに当該バイオマーカーを用いたキット及び方法、及びプログラム、並びに、当該肝疾患非侵襲性マーカーを用いて肝疾患を高精度に検出するためのデータ処理方法、当該データ処理に用いるためのデータ処理装置を用いることにより、肝疾患を非侵襲的又は低侵襲的かつ高精度に検出することができる。
図１は、線維化ステージが0の被験体と線維化ステージが１～４の被験体について、様々なmiRNAの発現レベルと線維化ステージとの関係を解析したものである。 図２は、正常な被験体、線維化ステージが0の被験体、線維化ステージが1の被験体、線維化ステージが4の被験体について、様々なmiRNAの発現レベルと線維化ステージ（線維化の程度）との関係を解析したものである。 図３は、チャイルド・ピュー（Child-Pugh）スコアが0の被験体とチャイルド・ピュー（Child-Pugh）スコアが６以上の被験体について、様々なmiRNAの発現レベルとチャイルド・ピュー（Child-Pugh）スコアとの関係を解析したものである。 図４は、チャイルド・ピュー（Child-Pugh）スコアが0の被験体と被験体とチャイルド・ピュー（Child-Pugh）スコアが６～１１の被験体について、様々なmiRNAの発現レベルとチャイルド・ピュー（Child-Pugh）スコアとの関係を解析したものである。 図５は、ウイルス性肝疾患の線維化ステージを予測するためのデータ処理の流れを示すフロー図である。 図６は、非アルコール性脂肪肝（ＮＡＳＨ）の線維化ステージを予測するためのデータ処理の流れを示すフロー図である。 図７は、非アルコール性脂肪肝（ＮＡＳＨ）のBrunt分類を予測するためのデータ処理の流れを示すフロー図である。
　以下、本発明について詳細に説明する。しかしながら、以下の説明は、本発明の範囲を限定することを意図するものではない。
　＜バイオマーカー＞
　本発明の一実施形態において、バイオマーカーが提供される。
　本発明において、バイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、miR-320b-2（配列番号２２）、miR-451a（配列番号２３）、miR-548d-3p（配列番号２４）、miR-320b（配列番号２５）、miR-1470（配列番号２６）、miR-4258（配列番号２７）、miR-4673（配列番号２８）、miR-4748（配列番号２９）、miR-4787-3p（配列番号３０）、miR-204-3p（配列番号３１）、miR-6131（配列番号３２）、miR-6752-3p（配列番号３３）、miR-4648（配列番号３４）、miR-6126（配列番号３５）、miR-1228-3p（配列番号３６）、miR-1231（配列番号３７）、miR-4286（配列番号３８）、miR-3935（配列番号３９）、miR-2467-3p（配列番号４０）、miR-1185-2-3p（配列番号４１）、miR-6729-3p（配列番号４２）、miR-6798-3p（配列番号４３）、miR-379-5p（配列番号４４）、miR-323a-5p（配列番号４５）、miR-665（配列番号４６）、miR-4279（配列番号４７）、miR-3605-5p（配列番号４８）、miR-4684-3p（配列番号４９）、miR-365b-5p（配列番号５０）、miR-6782-5p（配列番号５１）、miR-6880-3p（配列番号５２）、miR-6887-3p（配列番号５３）、miR-4433b-5p（配列番号５４）、miR-10396a-3p（配列番号５５）、miR-373-5p（配列番号５６）、miR-4539（配列番号５７）、miR-4687-3p（配列番号５８）、miR-4763-5p（配列番号５９）、miR-4482-3p（配列番号６０）、miR-6721-5p（配列番号６１）、miR-6812-3p（配列番号６２）、miR-6815-5p（配列番号６３）、miR-6871-5p（配列番号６４）、miR-7975（配列番号６５）、miR-11181-3p（配列番号６６）、miR-2278（配列番号６７）、miR-3192-5p（配列番号６８）、miR-4722-3p（配列番号６９）、miR-4750-3p（配列番号７０）、miR-6804-5p（配列番号７１）、miR-6828-5p（配列番号７２）、miR-614（配列番号７３）、miR-320c（配列番号７４）、miR-2110（配列番号７５）、miR-3177-3p（配列番号７６）、miR-4497（配列番号７７）、miR-210-5p（配列番号７８）、miR-6778-5p（配列番号７９）、miR-6780a-5p（配列番号８０）、miR-6801-3p（配列番号８１）、miR-8059（配列番号８２）、miR-657（配列番号８３）、miR-921（配列番号８４）、miR-4451（配列番号８５）、miR-3059-3p（配列番号８６）、miR-3619-3p（配列番号８７）、miR-4646-5p（配列番号８８）、miR-525-5p（配列番号８９）、miR-4444（配列番号９０）、miR-4458（配列番号９１）、miR-4746-3p（配列番号９２）、miR-1292-3p（配列番号９３）、miR-6133（配列番号９４）、miR-6754-3p（配列番号９５）、miR-365a-3p（配列番号９６）、miR-365b-3p（配列番号９７）、miR-6748-3p（配列番号９８）、miR-6892-3p（配列番号９９）、miR-8083（配列番号１００）、miR-4724-5p（配列番号１０１）、miR-6884-5p（配列番号１０２）、miR-7156-3p（配列番号１０３）、miR-19b-3p（配列番号１０４）、miR-518e-3p（配列番号１０５）、miR-646（配列番号１０６）、miR-298（配列番号１０７）、miR-1234-3p（配列番号１０８）、miR-2115-5p（配列番号１０９）、miR-3142（配列番号１１０）、miR-3179（配列番号１１１）、miR-3190-5p（配列番号１１２）、miR-3675-3p（配列番号１１３）、miR-4441（配列番号１１４）、miR-4475（配列番号１１５）、miR-6718-5p（配列番号１１６）、miR-6743-3p（配列番号１１７）、miR-6894-3p（配列番号１１８）、miR-7112-5p（配列番号１１９）、miR-12116（配列番号１２０）、miR-518d-3p（配列番号１２１）、miR-145-5p（配列番号１２２）、miR-6801-5p（配列番号１２３）、miR-127-3p（配列番号１２４）、及びmiR-4731-3p（配列番号１２５）からなる群より選択される。
　本発明の一実施形態において、バイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、miR-320b-2（配列番号２２）、miR-451a（配列番号２３）、miR-548d-3p（配列番号２４）、miR-320b（配列番号２５）、miR-1470（配列番号２６）、miR-4258（配列番号２７）、miR-4673（配列番号２８）、miR-4748（配列番号２９）、miR-4787-3p（配列番号３０）、miR-204-3p（配列番号３１）、miR-6131（配列番号３２）、miR-6752-3p（配列番号３３）、miR-4648（配列番号３４）、miR-6126（配列番号３５）、miR-1228-3p（配列番号３６）、miR-1231（配列番号３７）、miR-4286（配列番号３８）、miR-3935（配列番号３９）、miR-2467-3p（配列番号４０）、miR-1185-2-3p（配列番号４１）、miR-6729-3p（配列番号４２）、miR-6798-3p（配列番号４３）、miR-379-5p（配列番号４４）、miR-323a-5p（配列番号４５）、miR-665（配列番号４６）、miR-4279（配列番号４７）、miR-3605-5p（配列番号４８）、miR-4684-3p（配列番号４９）、miR-365b-5p（配列番号５０）、miR-6782-5p（配列番号５１）、miR-6880-3p（配列番号５２）、miR-6887-3p（配列番号５３）、miR-4433b-5p（配列番号５４）、miR-10396a-3p（配列番号５５）、miR-373-5p（配列番号５６）、miR-4539（配列番号５７）、miR-4687-3p（配列番号５８）、miR-4763-5p（配列番号５９）、miR-4482-3p（配列番号６０）、miR-6721-5p（配列番号６１）、miR-6812-3p（配列番号６２）、miR-6815-5p（配列番号６３）、miR-6871-5p（配列番号６４）、miR-7975（配列番号６５）、miR-11181-3p（配列番号６６）、miR-2278（配列番号６７）、miR-3192-5p（配列番号６８）、miR-4722-3p（配列番号６９）、miR-4750-3p（配列番号７０）、miR-6804-5p（配列番号７１）、miR-6828-5p（配列番号７２）、miR-614（配列番号７３）、miR-320c（配列番号７４）、miR-2110（配列番号７５）、miR-3177-3p（配列番号７６）、miR-4497（配列番号７７）、miR-210-5p（配列番号７８）、miR-6778-5p（配列番号７９）、miR-6780a-5p（配列番号８０）、miR-6801-3p（配列番号８１）、及びmiR-8059（配列番号８２）からなる群より選択される。
　本発明の一実施形態において、バイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）が挙げられるが、これらに限定されない。本発明の一実施形態において、バイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択される。
　本発明の一実施形態において、バイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択されるものであってよいが、これらに限定されない。本発明の実施形態において、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される、バイオマーカーが提供される。本発明の好ましい実施形態において、バイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される１以上である。本発明の一実施形態において、バイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、又はmiR-4521（配列番号４）、あるいはこれらの組合せである。
　本発明の実施形態において、バイオマーカーとして、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択されるものに加えて、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択される１以上である、追加のバイオマーカーを用いることができる。
　miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）は、以下の配列である。
Figure JPOXMLDOC01-appb-T000001
Figure JPOXMLDOC01-appb-I000002
　miR-451a（配列番号２３）、miR-548d-3p（配列番号２４）、miR-320b（配列番号２５）、miR-1470（配列番号２６）、miR-4258（配列番号２７）、miR-4673（配列番号２８）、miR-4748（配列番号２９）、miR-4787-3p（配列番号３０）、miR-204-3p（配列番号３１）、miR-6131（配列番号３２）、miR-6752-3p（配列番号３３）、miR-4648（配列番号３４）、miR-6126（配列番号３５）、miR-1228-3p（配列番号３６）、miR-1231（配列番号３７）、miR-4286（配列番号３８）、miR-3935（配列番号３９）、miR-2467-3p（配列番号４０）、miR-1185-2-3p（配列番号４１）、miR-6729-3p（配列番号４２）、miR-6798-3p（配列番号４３）、miR-379-5p（配列番号４４）、miR-323a-5p（配列番号４５）、miR-665（配列番号４６）、miR-4279（配列番号４７）、miR-3605-5p（配列番号４８）、miR-4684-3p（配列番号４９）、miR-365b-5p（配列番号５０）、miR-6782-5p（配列番号５１）、miR-6880-3p（配列番号５２）、miR-6887-3p（配列番号５３）、miR-4433b-5p（配列番号５４）、miR-10396a-3p（配列番号５５）、miR-373-5p（配列番号５６）、miR-4539（配列番号５７）、miR-4687-3p（配列番号５８）、miR-4763-5p（配列番号５９）、miR-4482-3p（配列番号６０）、miR-6721-5p（配列番号６１）、miR-6812-3p（配列番号６２）、miR-6815-5p（配列番号６３）、miR-6871-5p（配列番号６４）、miR-7975（配列番号６５）、miR-11181-3p（配列番号６６）、miR-2278（配列番号６７）、miR-3192-5p（配列番号６８）、miR-4722-3p（配列番号６９）、miR-4750-3p（配列番号７０）、miR-6804-5p（配列番号７１）、miR-6828-5p（配列番号７２）、miR-614（配列番号７３）、miR-320c（配列番号７４）、miR-2110（配列番号７５）、miR-3177-3p（配列番号７６）、miR-4497（配列番号７７）、miR-210-5p（配列番号７８）、miR-6778-5p（配列番号７９）、miR-6780a-5p（配列番号８０）、miR-6801-3p（配列番号８１）、miR-8059（配列番号８２）は、以下の配列である。
Figure JPOXMLDOC01-appb-T000003
Figure JPOXMLDOC01-appb-I000004
Figure JPOXMLDOC01-appb-I000005
Figure JPOXMLDOC01-appb-I000006
　本発明の一実施形態において、バイオマーカーは、miR-451a（配列番号２３）、miR-4787-3p（配列番号３０）、miR-6126（配列番号３５）、miR-1228-3p（配列番号３６）、miR-6798-3p（配列番号４３）、miR-7975（配列番号６５）、miR-614（配列番号７３）、miR-6801-3p（配列番号８１）、miR-657（配列番号８３）、miR-921（配列番号８４）、miR-4451（配列番号８５）、miR-3059-3p（配列番号８６）、miR-3619-3p（配列番号８７）、miR-4646-5p（配列番号８８）、miR-525-5p（配列番号８９）、miR-4444（配列番号９０）、miR-4458（配列番号９１）、miR-4746-3p（配列番号９２）、miR-1292-3p（配列番号９３）、miR-6133（配列番号９４）、miR-6754-3p（配列番号９５）、miR-365a-3p（配列番号９６）、miR-365b-3p（配列番号９７）、miR-6748-3p（配列番号９８）、miR-6892-3p（配列番号９９）、miR-8083（配列番号１００）、miR-4724-5p（配列番号１０１）、miR-6884-5p（配列番号１０２）、miR-7156-3p（配列番号１０３）、miR-19b-3p（配列番号１０４）、miR-518e-3p（配列番号１０５）、miR-646（配列番号１０６）、miR-298（配列番号１０７）、miR-1234-3p（配列番号１０８）、miR-2115-5p（配列番号１０９）、miR-3142（配列番号１１０）、miR-3179（配列番号１１１）、miR-3190-5p（配列番号１１２）、miR-3675-3p（配列番号１１３）、miR-4441（配列番号１１４）、miR-4475（配列番号１１５）、miR-6718-5p（配列番号１１６）、miR-6743-3p（配列番号１１７）、miR-6894-3p（配列番号１１８）、miR-7112-5p（配列番号１１９）、miR-12116（配列番号１２０）、miR-518d-3p（配列番号１２１）、miR-145-5p（配列番号１２２）、miR-6801-5p（配列番号１２３）、miR-127-3p（配列番号１２４）、及びmiR-4731-3p（配列番号１２５）からなる群より選択される。
　miR-451a（配列番号２３）、miR-4787-3p（配列番号３０）、miR-6126（配列番号３５）、miR-1228-3p（配列番号３６）、miR-6798-3p（配列番号４３）、miR-7975（配列番号６５）、miR-614（配列番号７３）、miR-6801-3p（配列番号８１）、miR-657（配列番号８３）、miR-921（配列番号８４）、miR-4451（配列番号８５）、miR-3059-3p（配列番号８６）、miR-3619-3p（配列番号８７）、miR-4646-5p（配列番号８８）、miR-525-5p（配列番号８９）、miR-4444（配列番号９０）、miR-4458（配列番号９１）、miR-4746-3p（配列番号９２）、miR-1292-3p（配列番号９３）、miR-6133（配列番号９４）、miR-6754-3p（配列番号９５）、miR-365a-3p（配列番号９６）、miR-365b-3p（配列番号９７）、miR-6748-3p（配列番号９８）、miR-6892-3p（配列番号９９）、miR-8083（配列番号１００）、miR-4724-5p（配列番号１０１）、miR-6884-5p（配列番号１０２）、miR-7156-3p（配列番号１０３）、miR-19b-3p（配列番号１０４）、miR-518e-3p（配列番号１０５）、miR-646（配列番号１０６）、miR-298（配列番号１０７）、miR-1234-3p（配列番号１０８）、miR-2115-5p（配列番号１０９）、miR-3142（配列番号１１０）、miR-3179（配列番号１１１）、miR-3190-5p（配列番号１１２）、miR-3675-3p（配列番号１１３）、miR-4441（配列番号１１４）、miR-4475（配列番号１１５）、miR-6718-5p（配列番号１１６）、miR-6743-3p（配列番号１１７）、miR-6894-3p（配列番号１１８）、miR-7112-5p（配列番号１１９）、miR-12116（配列番号１２０）、miR-518d-3p（配列番号１２１）、miR-145-5p（配列番号１２２）、miR-6801-5p（配列番号１２３）、miR-127-3p（配列番号１２４）、及びmiR-4731-3p（配列番号１２５）は、以下の配列である。
Figure JPOXMLDOC01-appb-T000007
Figure JPOXMLDOC01-appb-I000008
Figure JPOXMLDOC01-appb-I000009
 
　miRNAには、アイソフォーム又はバリアントが存在することがある。例えば，上記に例示されるバイオマーカーの配列における一部の塩基，例えば，1個以上、１～５個、１～３個、１～２個、又は１個の塩基が置換され又は欠失しているか、又はバイオマーカーに含まれない塩基（例えば，1個以上、１～５個、１～３個、１～２個、又は１個の塩基）が付加され又は挿入されていることがある。また、バイオマーカーと９０％以上、９１％以上、９２％以上、９３％以上、９４％以上、９５％以上、９６％以上、９７％以上、９８％以上又は約９９％以上の同一性を有することもある。同一性は、例えば、ＢＬＡＳＴ等により判定することができる。特にそのように解することが不整合である場合を除き、本明細書に記載のバイオマーカーはこれらの変異体やバリアントを含んでいてもよい。
　本発明において、上記に例示されるバイオマーカーは、被験体又は対象の生体試料から得ることができる。本発明のバイオマーカーが得られる生体試料としては、血液、血清、血漿、唾液、汗、涙、便、尿、臓器検体、皮膚、組織浸出液、毛髪などが挙げられるが、これらに限定されない。本発明の一実施形態において、本発明のバイオマーカーが得られる生体試料は、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体から選択される。本発明の実施形態において、血液、血清、血漿、全血、血球の溶血液、血液の分画物若しくは処理物、唾液、汗、涙、便、尿、及び臓器検体からなる群より選択される生体試料から得られる、バイオマーカーが提供される。本発明の一実施形態において、生体試料は血液である。本発明の一実施形態において、生体試料は血清である。本発明の一実施形態において、生体試料は血漿である。本発明の一実施形態において、生体試料は唾液である。本発明の一実施形態において、生体試料は汗である。本発明の一実施形態において、生体試料は涙である。本発明の一実施形態において、生体試料は便である。本発明の一実施形態において、生体試料は尿である。本発明の一実施形態において、生体試料は臓器検体である。
　本発明の実施形態において、上記のバイオマーカーは、肝疾患のバイオマーカーである。本発明の一実施形態において、上記のバイオマーカーは、肝疾患の検出に用いられ、例えば、肝疾患の有無又はそのリスクの診断、肝疾患の進行度の判定やモニタリング、並びに／あるいは治療のために実施された処置の成功度の判定や治療効果のモニタリング等に用いられ得るが、これらに限定されない。本発明の一実施形態において、上記のバイオマーカーは、肝疾患の検出に用いられる。本発明の好ましい一実施形態において、上記のバイオマーカーは、肝疾患の有無又はそのリスクの診断に用いられる。本発明の好ましい一実施形態において、上記のバイオマーカーは、肝疾患の進行度の判定に用いられる。本発明の好ましい一実施形態において、上記のバイオマーカーは、治療のために実施された処置の成功度の判定に用いられる。前記治療のために実施された処置の成功度の判定には、例えば、治療薬の候補化合物が好ましい治療効果を奏しているかどうか、治療的応答の有無、忍容性についての判定が含まれるが、これらに限定されない。
　本発明の一実施形態において、肝疾患の検出に用いられるバイオマーカーが提供される。本発明の好ましい一実施形態において、肝疾患の有無又はそのリスクを診断するために用いられる、バイオマーカーが提供される。本発明の好ましい一実施形態において、肝疾患の進行度を判定するために用いられる、バイオマーカーが提供される。本発明の好ましい一実施形態において、治療のために実施された処置の成功度を判定するために用いられる、バイオマーカーが提供される。肝疾患の進行度に関連する病期分類については後述する。
　本発明の肝疾患非侵襲性バイオマーカーが対象とする肝疾患としては、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんが挙げられるが、これらに限定されない。本発明の一実施形態において、前記肝疾患非侵襲性バイオマーカーが対象とする肝疾患は、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される。本発明の好ましい実施形態において、前記肝疾患非侵襲性バイオマーカーが対象とする肝疾患は、肝硬変である。本発明の好ましい実施形態において、前記肝疾患非侵襲性バイオマーカーが対象とする肝疾患は、ウイルス性肝疾患、例えばＣ型肝炎、Ｂ型肝炎である。
　本発明の別の好ましい実施形態において、前記肝疾患非侵襲性バイオマーカーが対象とする肝疾患は、非アルコール性脂肪肝（ＮＡＳＨ）である。
　本発明の一実施形態において、前記肝疾患非侵襲性バイオマーカーが対象とする肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、バイオマーカーが提供される。本発明の好ましい実施形態において、前記肝疾患非侵襲性バイオマーカーが対象とする肝疾患が、肝硬変である、バイオマーカーが提供される。本発明の好ましい実施形態において、前記肝疾患非侵襲性バイオマーカーが対象とする肝疾患は、ウイルス性肝疾患、例えばＣ型肝炎、Ｂ型肝炎である、バイオマーカーが提供される。
　本発明の別の好ましい実施形態において、前記肝疾患非侵襲性バイオマーカーが対象とする肝疾患は、非アルコール性脂肪肝（ＮＡＳＨ）である、バイオマーカーが提供される。
　＜肝疾患を検出する方法＞
　本発明は、対象からの生体試料中のバイオマーカーのレベルを測定することと、前記バイオマーカーの測定値と対照値とを比較することと、を含む、肝疾患を検出する方法を提供する。本発明の一実施形態において、上記の肝疾患を検出する方法は、例えば、肝疾患の有無又はそのリスクの診断、肝疾患の進行度の判定、並びに／あるいは治療のために実施された処置の成功度の判定等を含むが、これらに限定されない。本発明の一実施形態において、上記の肝疾患を検出する方法は、肝疾患の有無又はそのリスクの診断、肝疾患の進行度の判定、並びに／あるいは治療のために実施された処置の成功度の判定に用いられる。本発明の一実施形態において、上記の肝疾患を検出する方法は、肝疾患の有無又はそのリスクの診断に用いられる。本発明の一実施形態において、上記の肝疾患を検出する方法は、肝疾患の進行度の判定に用いられる。本発明の一実施形態において、上記の肝疾患を検出する方法は、治療のために実施された処置の成功度の判定に用いられる。前記治療のために実施された処置の成功度の判定には、例えば、治療薬の候補化合物が好ましい治療効果を奏しているかどうか、治療的応答の有無、忍容性についての判定が含まれるが、これらに限定されない。
　本発明の一実施形態において、上記の肝疾患を検出する方法において用いられるバイオマーカーは、配列番号１～１２５からなる群より選択される１以上である。本発明の一実施形態において、対象からの生体試料中のバイオマーカーのレベルを測定することと、前記バイオマーカーの測定値と対照値とを比較することと、を含む、前記対象における肝疾患の有無又はそのリスク又は進行度、並びに／あるいは治療のために実施された処置の成功度を判定する方法であって、前記バイオマーカーは、配列番号１～１２５からなる群より選択される１以上である、方法が提供される。
　本発明の一実施形態において、前記バイオマーカーは、配列番号１～８２からなる群より選択される１以上である。本発明の一実施形態において、対象からの生体試料中のバイオマーカーのレベルを測定することと、前記バイオマーカーの測定値と対照値とを比較することと、を含む、前記対象における肝疾患の有無又はそのリスク又は進行度、並びに／あるいは治療のために実施された処置の成功度を判定する方法であって、前記バイオマーカーは、配列番号１～８２からなる群より選択される１以上である、方法が提供される。
　本発明の一実施形態において、前記バイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択され得るが、これらに限定されない。本発明の好ましい実施形態において、上記の肝疾患を検出する方法において用いられるバイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される１以上である。本発明の一実施形態において、上記の肝疾患を検出する方法において用いられるバイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、又はmiR-4521（配列番号４）、あるいはこれらの組合せである。
　本発明の一実施形態において、
　対象からの生体試料中のバイオマーカーのレベルを測定することと、
　前記バイオマーカーの測定値と対照値とを比較することと、
を含む、前記対象における肝疾患の有無又はそのリスク又は進行度、並びに／あるいは治療のために実施された処置の成功度を判定する方法であって、
　前記バイオマーカーが、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される１以上である、方法
が提供される。
　本発明の実施形態において、バイオマーカーとして、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される１以上に加えて、追加のバイオマーカーを用いることができる。本発明の実施形態において、上記の肝疾患を検出する方法は、対象からの生体試料中の追加のバイオマーカーのレベルを測定することと、前記追加のバイオマーカーの測定値と対照値とを比較することと、をさらに含むことができる。
　本発明の一実施形態において、
　対象からの生体試料中のバイオマーカーのレベルを測定することと、
　前記バイオマーカーの測定値と対照値とを比較することと、
を含む、前記対象における肝疾患の有無又はそのリスク又は進行度、並びに／あるいは治療のために実施された処置の成功度を判定する方法であって、
　前記バイオマーカーが、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される１以上であり、
　対象からの生体試料中の追加のバイオマーカーのレベルを測定することと、
　前記追加のバイオマーカーの測定値と対照値とを比較することと、
をさらに含む、方法
が提供される。
　上記の方法において、追加のバイオマーカーは、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択され得るが、これらに限定されない。本発明の一実施形態において、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択される１以上である、追加のバイオマーカーを用いる上記の方法が提供される。
　本発明の別の実施形態において、上記の方法において用いられるバイオマーカーは、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される１以上である。本発明の一実施形態において、対象からの生体試料中のバイオマーカーのレベルを測定することと、前記バイオマーカーの測定値と対照値とを比較することと、を含む、前記対象における肝疾患の有無又はそのリスク又は進行度、並びに／あるいは治療のために実施された処置の成功度を判定する方法であって、前記バイオマーカーは、配列番号１～１２５からなる群より選択される１以上である、方法が提供される。
　本発明はまた、
　対象からの生体試料中のバイオマーカー１のレベルを測定することと、
　前記バイオマーカー１の測定値と対照値とを比較してパラメータ１を得ることと、
　対象からの生体試料中の少なくとも１つの追加のバイオマーカーＮのレベルを測定すること（ここで、Ｎは２以上の整数である）と、
　前記追加のバイオマーカーＮの測定値と対照値とを比較してパラメータＮを得ることと、
　パラメータ１と１以上のパラメータＮとの組合せで構成される一組の少なくとも２つのパラメータの形態の結果が得られること、
とを含む、
　前記一組の少なくとも２つのパラメータの形態の結果が、前記対象における肝疾患の有無又はそのリスク又は進行度、並びに／あるいは治療のために実施された処置の成功度を示す、肝疾患を高精度に検出する方法
を提供する。
　上記の肝疾患を高精度に検出する方法において、前記一組の少なくとも２つのパラメータの形態の結果は、コンピュータプログラムを用いて評価することができる。本発明の一実施形態において、
　対象からの生体試料中のバイオマーカー１のレベルを測定することと、
　前記バイオマーカー１の測定値と対照値とを比較してパラメータ１を得ることと、
　対象からの生体試料中の少なくとも１つの追加のバイオマーカーＮのレベルを測定すること（ここで、Ｎは２以上の整数である）と、
　前記追加のバイオマーカーＮの測定値と対照値とを比較してパラメータＮを得ることと、
　パラメータ１と１以上のパラメータＮとの組合せで構成される一組の少なくとも２つのパラメータの形態の結果が得られること、
とを含む、
　前記一組の少なくとも２つのパラメータの形態の結果が、前記対象における肝疾患の有無又はそのリスク又は進行度、並びに／あるいは治療のために実施された処置の成功度を示す、肝疾患を高精度に検出する方法であって、
前記一組の少なくとも２つのパラメータの形態の結果が、コンピュータプログラムを用いて評価される、方法
が提供される。
　上記の肝疾患を高精度に検出する方法において、前記バイオマーカー１及び前記少なくとも１つの追加のバイオマーカーは、配列番号１～１２５からなる群より選択される１以上である。本発明の一実施形態において、前記バイオマーカー１及び前記少なくとも１つの追加のバイオマーカーは、配列番号１～１２５からなる群より選択される１以上である、上記の肝疾患を高精度に検出する方法が提供される。
　上記の肝疾患を高精度に検出する方法において、前記バイオマーカー１及び前記少なくとも１つの追加のバイオマーカーは、配列番号１～８２からなる群より選択される１以上である。本発明の一実施形態において、前記バイオマーカー１及び前記少なくとも１つの追加のバイオマーカーは、配列番号１～８２からなる群より選択される１以上である、上記の肝疾患を高精度に検出する方法が提供される。
　上記の肝疾患を高精度に検出する方法において、前記バイオマーカー１及び前記少なくとも１つの追加のバイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択することができるが、これらに限定されない。本発明の一実施形態において、前記バイオマーカー１及び前記少なくとも１つの追加のバイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択される、上記の肝疾患を高精度に検出する方法が提供される。
　本発明の別の実施形態において、上記の方法において用いられるバイオマーカーは、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される１以上である。本発明の一実施形態において、前記バイオマーカー１及び前記少なくとも１つの追加のバイオマーカーは、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される１以上である、上記の肝疾患を高精度に検出する方法が提供される。
　本発明の一実施形態において、上記の肝疾患を高精度に検出する方法を実施するためのソフトウェア及びそれを搭載したデバイスが提供される。
　各バイオマーカー、生体試料、肝疾患については上述した通りである。
　上記の肝疾患を検出する方法において、測定値とは、測定した時点における対象のバイオマーカーの測定値を指し、対照値とは、肝疾患を有しない被験体における当該バイオマーカーの値、あるいは、肝疾患を有する対象における過去の測定値等を指す。
　本発明者らの見出したところによれば、miR-320AとmiR-483の発現は、線維化の進行に伴って有意に上昇した。miR-122（miR-99a, miR-194-1も同様のパターン）及びmiR-125B-1（miR-125B-2も同様）については、線維化ステージが0の際に有意な発現上昇が見られる。miR-223-3Pについては、正常な被験体と比較した場合に発現量の有意な低下が見られ、miR-4454については、miRNA発現量の線形的な低下が見られる。よって，肝疾患を検出する方法における判定は、繊維化に伴って有意に増加したmiRNA（miR-34A, miR-194-1, miR-99a, miR-3679, miR-3138, miR-320c-1, miR-320b-1, miR-483, miR-192, miR-122, miR-378a, miR-148a, miR-100, miR-194-2, miR-125B-2, miR-125B-1, miR-320A）については、生体試料中のバイオマーカーレベルが、対象値よりも高い場合には，肝疾患である可能性が高いと判定され、又は、生体試料中のバイオマーカーレベルが、対象値と比較して高くない（即ち、同等か低い）場合には、肝疾患でない可能性が高いと判定することができる。逆に、肝疾患を検出する方法における判定は、繊維化に伴って有意に減少したmiRNA（miR-144, miR-4521, miR-4454, miR-223-3p）については、生体試料中のバイオマーカーレベルが、対象値よりも低い場合には，肝疾患である可能性が高いと判定され、又は、生体試料中のバイオマーカーレベルが、対象値と比較して低くない（即ち、同等か高い）場合には、肝疾患でない可能性が高いと判定することができる。
　また、チャイルド・ピュー分類によるスコア上昇に伴って有意に増加したmiRNA（miR-99a、miR-483、miR-122、miR-125B-2、miR-320b-2、miR-125B-1、miR-320A）については、生体試料中のバイオマーカーレベルが、対象値よりも高い場合には、肝疾患である可能性が高いと判定され、又は，生体試料中のバイオマーカーレベルが、対象値と比較して高くない（即ち、同等か低い）場合には、肝疾患でない可能性が高いと判定することができる。逆に、肝疾患を検出する方法における判定は、繊維化に伴って有意に減少したmiRNA（miR-144, miR-194-1, miR-4454 , miR-223-3p）については、生体試料中のバイオマーカーレベルが、対象値よりも低い場合には、肝疾患である可能性が高いと判定され、又は、生体試料中のバイオマーカーレベルが、対象値と比較して低くない（即ち、同等か高い）場合には、肝疾患でない可能性が高いと判定することができる。
　本発明者らは、今般、肝疾患の病態の病期分類との間に明確な相関関係を示すバイオマーカーを複数発見し、当該バイオマーカーの測定値及びその推移により、肝疾患を検出する方法を開発するに至ったものである。肝疾患の進行度に関連する病期分類については、後述する。
　＜治療薬の候補化合物のスクリーニング方法＞
　本発明は、肝疾患の治療薬の候補化合物を投与された対象からの生体試料中のバイオマーカーのレベルを測定することと、前記バイオマーカーの測定値と対照値とを比較することと、を含む、前記対象における肝疾患の治療薬の候補化合物をスクリーニングする方法を提供する。
　本発明の一実施形態において、上記の肝疾患の治療薬の候補化合物をスクリーニングする方法において用いられるバイオマーカーは、配列番号１～１２５からなる群より選択される１以上である。本発明の一実施形態において、肝疾患の治療薬の候補化合物を投与された対象からの生体試料中のバイオマーカーのレベルを測定することと、前記バイオマーカーの測定値と対照値とを比較することと、を含む、前記対象における肝疾患の治療薬の候補化合物をスクリーニングする方法であって、前記バイオマーカーは、配列番号１～１２５からなる群より選択される１以上である、方法が提供される。
　本発明の一実施形態において、前記バイオマーカーは、配列番号１～８２からなる群より選択される１以上である。本発明の一実施形態において、肝疾患の治療薬の候補化合物を投与された対象からの生体試料中のバイオマーカーのレベルを測定することと、前記バイオマーカーの測定値と対照値とを比較することと、を含む、前記対象における肝疾患の治療薬の候補化合物をスクリーニングする方法であって、前記バイオマーカーは、配列番号１～８２からなる群より選択される１以上である、方法が提供される。
　本発明の一実施形態において、上記の治療薬の候補化合物のスクリーニング方法において用いられるバイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択され得るが、これらに限定されない。本発明の好ましい実施形態において、上記の治療薬の候補化合物のスクリーニング方法において用いられるバイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される１以上である。本発明の一実施形態において、上記の治療薬の候補化合物のスクリーニング方法において用いられるバイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、又はmiR-4521（配列番号４）、あるいはこれらの組合せである。
　本発明の一実施形態において、
　肝疾患の治療薬の候補化合物を投与された対象からの生体試料中のバイオマーカーのレベルを測定することと、
　前記バイオマーカーの測定値と対照値とを比較することと、
を含む、前記対象における肝疾患の治療薬の候補化合物をスクリーニングする方法であって、
　前記バイオマーカーが、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される１以上である、方法
が提供される。
　本発明の別の実施形態において、バイオマーカーとして、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される１以上に加えて、追加のバイオマーカーを用いることができる。本発明の実施形態において、上記の治療薬の候補化合物のスクリーニング方法は、対象からの生体試料中の追加のバイオマーカーのレベルを測定することと、前記追加のバイオマーカーの測定値と対照値とを比較することと、をさらに含むことができる。
　本発明の一実施形態において、
　肝疾患の治療薬の候補化合物を投与された対象からの生体試料中のバイオマーカーのレベルを測定することと、
　前記バイオマーカーの測定値と対照値とを比較することと、
を含む、前記対象における肝疾患の治療薬の候補化合物をスクリーニングする方法であって、
　前記バイオマーカーが、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される１以上であり、
　対象からの生体試料中の追加のバイオマーカーのレベルを測定することと、
　前記追加のバイオマーカーの測定値と対照値とを比較することと、
をさらに含む、方法
が提供される。
　上記の方法において、追加のバイオマーカーは、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択され得るが、これらに限定されない。本発明の一実施形態において、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択される１以上である、追加のバイオマーカーを用いる上記の方法が提供される。
　本発明の別の実施形態において、上記の方法において用いられるバイオマーカーは、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される１以上である。本発明の一実施形態において、肝疾患の治療薬の候補化合物を投与された対象からの生体試料中のバイオマーカーのレベルを測定することと、前記バイオマーカーの測定値と対照値とを比較することと、を含む、前記対象における肝疾患の治療薬の候補化合物をスクリーニングする方法であって、前記バイオマーカーは、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される１以上である、方法が提供される。
　各バイオマーカー、生体試料、肝疾患については上述した通りである。
　上記の治療薬の候補化合物のスクリーニング方法において、測定値とは、測定した時点における対象のバイオマーカーの測定値を指し、対照値とは、肝疾患を有しない被験体における当該バイオマーカーの値、あるいは、肝疾患を有する対象における過去の測定値等を指す。
　本発明者らは、今般、肝疾患の病態の病期分類との間に明確な相関関係を示すバイオマーカーを複数発見し、当該バイオマーカーの測定値及びその推移を観察及び検討することにより、治療薬の候補化合物のスクリーニング方法を開発するに至ったものである。肝疾患の進行度に関連する病期分類については、後述する。
　＜肝疾患の治療方法＞
　本発明は、対象からの生体試料中のバイオマーカーのレベルを測定することと、前記バイオマーカーの測定値と対照値とを比較することと、を含む、前記対象における肝疾患を治療する方法を提供する。
　本発明の一実施形態において、上記の肝疾患を治療する方法において用いられるバイオマーカーは、配列番号１～１２５からなる群より選択される１以上である。本発明の一実施形態において、対象からの生体試料中のバイオマーカーのレベルを測定することと、前記バイオマーカーの測定値と対照値とを比較することと、を含む、前記対象における肝疾患を治療する方法であって、前記バイオマーカーが、配列番号１～１２５からなる群より選択される１以上である、方法が提供される。
　本発明の一実施形態において、前記バイオマーカーは、配列番号１～８２からなる群より選択される１以上である。本発明の一実施形態において、対象からの生体試料中のバイオマーカーのレベルを測定することと、前記バイオマーカーの測定値と対照値とを比較することと、を含む、前記対象における肝疾患を治療する方法であって、前記バイオマーカーが、配列番号１～１２５からなる群より選択される１以上である、方法が提供される。
　本発明の一実施形態において、上記の肝疾患の治療方法において用いられるバイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択され得るが、これらに限定されない。本発明の好ましい実施形態において、上記の肝疾患の治療方法において用いられるバイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される１以上である。本発明の一実施形態において、上記の肝疾患の治療方法において用いられるバイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、又はmiR-4521（配列番号４）、あるいはこれらの組合せである。
　本発明の一実施形態において、
　対象からの生体試料中のバイオマーカーのレベルを測定することと、
　前記バイオマーカーの測定値と対照値とを比較することと、
を含む、前記対象における肝疾患を治療する方法であって、
　前記バイオマーカーが、miR-4454（配列番号１）、miR3138（配列番号２）、miR3679（配列番号３）、及びmiR4521（配列番号４）からなる群より選択される１以上である、方法
が提供される。
　本発明の実施形態において、バイオマーカーとして、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択される１以上に加えて、追加のバイオマーカーを用いることができる。本発明の実施形態において、上記の肝疾患の治療方法は、対象からの生体試料中の追加のバイオマーカーのレベルを測定することと、前記追加のバイオマーカーの測定値と対照値とを比較することと、をさらに含むことができる。
　本発明の一実施形態において、
　対象からの生体試料中のバイオマーカーのレベルを測定することと、
　前記バイオマーカーの測定値と対照値とを比較することと、
を含む、前記対象における肝疾患を治療する方法であって、
　前記バイオマーカーが、miR-4454（配列番号１）、miR3138（配列番号２）、miR3679（配列番号３）、及びmiR4521（配列番号４）からなる群より選択される１以上であり、
　対象からの生体試料中の追加のバイオマーカーのレベルを測定することと、
　前記追加のバイオマーカーの測定値と対照値とを比較することと、
をさらに含む、方法
が提供される。
　上記の方法において、追加のバイオマーカーは、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択され得るが、これらに限定されない。本発明の一実施形態において、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択される１以上である、追加のバイオマーカーを用いる上記の方法が提供される。
　本発明の別の実施形態において、上記の方法において用いられるバイオマーカーは、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される１以上である。本発明の一実施形態において、対象からの生体試料中のバイオマーカーのレベルを測定することと、前記バイオマーカーの測定値と対照値とを比較することと、を含む、前記対象における肝疾患を治療する方法であって、前記バイオマーカーが、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される１以上である、方法が提供される。
　各バイオマーカー、生体試料、肝疾患については上述した通りである。
　上記の肝疾患の治療方法において、測定値とは、測定した時点における対象のバイオマーカーの測定値を指し、対照値とは、肝疾患を有しない被験体における当該バイオマーカーの値、あるいは、肝疾患を有する対象における過去の測定値等を指す。
　上記方法は、バイオマーカーのレベルを測定する前に必要に応じて、生体試料からエキソソームを調製することを含んでいてもよい。この場合には、生体試料中のバイオマーカーのレベルは調製されたエキソソーム中のバイオマーカーのレベルをとして測定される。生体試料からのエキソソームの回収は、超遠心分離法（例えば，Ｔｈｅｒｙ　Ｃ．，　Ｃｕｒｒ．　Ｐｒｏｔｏｃ．　Ｃｅｌｌ　Ｂｉｏｌ．　（２００６）　Ｃｈａｐｔｅｒ　３：Ｕｎｉｔ　３．２２．）、ポリマー沈殿法、免疫沈降法、ＦＡＣＳ法、限外濾過法、ゲル濾過法、ＨＰＬＣ法、及び抗体やレクチンを利用してビーズ等の担体に吸着させる方法を用いて行うことができる。また、市販のエキソソーム単離用キット用いて、エキソソームを回収してもよい。
　エキソソームが回収されたこと、又はエキソソームの物性の確認は、既知の方法に従って行うことができ、例えば電子顕微鏡により視覚的に確認してもよく、又はＮＴＡ（Ｎａｎｏ　Ｔｒａｃｋｉｎｇ　Ａｎａｌｙｓｉｓ）技術を用いてエキソソームの粒子径及び粒子数を計測してもよい。あるいは、エキソソームのマーカーとなり得るタンパク質及び／又は遺伝子の発現を確認することにより、エキソソームの存在を確認することもできる。
　バイオマーカーのレベルの測定は、ＲＮＡレベルを測定可能な方法であれば特に制限されるものではないが、一般的には、プローブやプライマーなどのＲＮＡバイオマーカーと特異的に結合する物質を利用する方法で行われる。本明細書における「核酸」はＤＮＡ、ＲＮＡなどの天然の核酸、又はＰＮＡやＬｏｃｋｅｄ　Ｎｕｃｌｅｉｃ　Ａｃｉｄ（２’，４’－ＢＮＡ）などの架橋型核酸などの人工的に創製した核酸、あるいはそれらの組み合わせを含む。ＲＮＡと特異的に結合する物質は、少なくとも一部に人工的に設計された配列（例えば、標識化やタグ化の為の配列など）を含んでいてもよい。
　バイオマーカーレベルの測定は、バイオマーカーに結合したバイオマーカーと特異的に結合する物質の結合レベルを測定することにより行うことができる。「結合レベル」は，結合量、結合数、又は結合割合、あるいはそれらを表す数値（例えば，測定された蛍光強度などの測定値そのもの）とすることができる。この場合、マーカーＲＮＡと特異的に結合する物質として標識化された物質を用いるか、あるいは、マーカーＲＮＡを標識化して用いてもよい。また、一般的には標準サンプルを同時に測定し、当該標準サンプルを基に標準曲線若しくは検量線を作成して測定サンプルの測定値から算出された値、又は標準サンプルレベルを指標に標準化された数値を結合レベルとして決定する。標識化の方法としては、例えば、放射性同位体（ＲＩ）標識、蛍光標識、及び酵素標識を挙げることができる。
　例えば、上述の方法は，以下の（ａ）～（ｃ）を備えていてもよい：
　（ａ）少なくとも１つのプローブと、生体試料とを接触させること；
　（ｂ）前記プローブに結合した前記生体試料中のバイオマーカーの結合レベルを測定すること；及び
　（ｃ）測定された結合レベルから当該生体試料中のバイオマーカーレベルを決定すること。
　あるいは、ＲＮＡレベルは、ＰＣＲを利用した方法を用いて測定することができ、例えば、プライマーを用いてｑＰＣＲ，ＡＲＭＳ（Ａｍｐｌｉｆｉｃａｔｉｏｎ　Ｒｅｆｒａｃｔｏｒｙ　Ｍｕｔａｔｉｏｎ　Ｓｙｓｔｅｍ），ＲＴ－ＰＣＲ（Ｒｅｖｅｒｓｅ　ｔｒａｎｓｃｒｉｐｔａｓｅ－ＰＣＲ），又はＮｅｓｔｅｄ　ＰＣＲを行うことにより測定してもよい。あるいは、インベーダー（登録商標）法を利用してもよい。例えば，適切なプライマーと共にＧｅｎｏＥｘｐｌｏｒｅｒＴＭ　ｍｉＲＮＡ　ｑＲＴ－ＰＣＲ　Ｋｉｔ（ＧｅｎｏＳｅｎｓｏｒ　Ｃｏｒｐｏｒａｔｉｏｎ）を使用する方法を利用することができる。
　生体試料中のバイオマーカーの全部又は一部の増幅は、当該生体試料を鋳型としてＰＣＲ反応等を行うことにより実施することができる。増幅された核酸のレベルは、ドット・ブロット・ハイブリダイゼーション法、表面プラズモン共鳴法（ＳＰＲ法）、ＰＣＲ－ＲＦＬＰ法、Ｉｎ　ｓｉｔｕ　ＲＴ－ＰＣＲ法、ＰＣＲ－ＳＳＯ（ｓｅｑｕｅｎｃｅ　ｓｐｅｃｉｆｉｃ　Ｏｌｉｇｏｎｕｃｌｅｏｔｉｄｅ）法、ＰＣＲ－ＳＳＰ法、ＡＭＰＦＬＰ（Ａｍｐｌｉｆｉａｂｌｅ　ｆｒａｇｍｅｎｔ　ｌｅｎｇｔｈ　ｐｏｌｙｍｏｒｐｈｉｓｍ）法、ＭＶＲ－ＰＣＲ法、ＰＣＲ－ＳＳＣＰ（ｓｉｎｇｌｅ　ｓｔｒａｎｄ　ｃｏｎｆｏｒｍａｔｉｏｎ　ｐｏｌｙｍｏｒｐｈｉｓｍ）法により測定することができる。
　例えば、ＲＮＡレベルは、以下のステップにより測定されてもよい：
　（ａ）生体試料を鋳型として、プライマーを用いて、該生体試料中のバイオマーカーの全部又は一部を増幅させること：
　（ｂ）増幅された核酸分子のレベルを測定すること；及び
　（ｃ）増幅された核酸分子のレベルから当該生体試料中のバイオマーカーレベルを決定すること。
　本明細書において、「レベル」とは、数値化された存在量に関する指標を意味し、例えば、濃度、量あるいはその代わりとして用いることができる指標（好ましくは，数値指標）を含む。よって、レベルは測定値そのものであってもよいし、濃度や絶対量に換算された値であってもよい。また、レベルは、絶対的な数値（量，単位面積又は体積当たりの量など）であっても良いし、又は必要に応じて設定された比較対照（例えば、インターナルコントロールなど）と比較した相対的な数値であってもよい。
　本発明者らは、今般、肝疾患の病態の病期分類との間に明確な相関関係を示すバイオマーカーを複数発見し、当該バイオマーカーの測定値及びその推移を観察及び検討することにより、肝疾患の治療方法を開発するに至ったものである。肝疾患の進行度に関連する病期分類については、後述する。
　＜肝疾患の診断支援システム＞
　本発明は、
　対象からの生体試料中の１つ以上又は少なくとも２つのバイオマーカーのレベルを測定する手段と、
　前記１つ以上又は少なくとも２つのバイオマーカーの測定値をそれぞれその対照値と比較することにより、複数のパラメータを得る手段と、
　前記複数のパラメータから、前記対象における肝疾患の有無又はそのリスク又は進行度、並びに／あるいは治療のために実施された処置の成功度を算出する手段と、
を備える、肝疾患の診断支援システム
を提供する。
　本発明の一実施形態において、上記の肝疾患の診断支援システムにおいて用いられるバイオマーカーは、配列番号１～１２５からなる群より選択される１以上である。本発明の一実施形態において、前記バイオマーカーが、配列番号１～１２５からなる群より選択される１以上である、上記の肝疾患の診断支援システムが提供される。
　本発明の一実施形態において、上記の肝疾患の診断支援システムにおいて用いられるバイオマーカーは、配列番号１～８２からなる群より選択される１以上である。本発明の一実施形態において、前記バイオマーカーが、配列番号１～８２からなる群より選択される１以上である、上記の肝疾患の診断支援システムが提供される。
　本発明の一実施形態において、前記１つ以上又は少なくとも２つのバイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択することができるが、これらに限定されない。本発明の一実施形態において、前記１つ以上又は少なくとも２つのバイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択される上記の肝疾患の診断支援システムが提供される。
　本発明の別の実施形態において、上記の肝疾患の診断支援システムにおいて用いられるバイオマーカーは、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される１以上である。本発明の一実施形態において、前記バイオマーカーが、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される１以上である、上記の肝疾患の診断支援システムが提供される。
　各バイオマーカー、生体試料、肝疾患については上述した通りである。
　上記の診断支援システムにおいて、測定値とは、測定した時点における対象のバイオマーカーの測定値を指し、対照値とは、肝疾患を有しない被験体における当該バイオマーカーの値、あるいは、肝疾患を有する対象における過去の測定値等を指す。
　本発明者らは、今般、肝疾患の病態の病期分類との間に明確な相関関係を示すバイオマーカーを複数発見し、当該バイオマーカーの測定値及びその推移を観察及び検討することにより、診断支援システムを開発するに至ったものである。肝疾患の進行度に関連する病期分類については、後述する。
　本発明の一実施形態において、上記の肝疾患の診断支援システムを搭載したデバイスが提供される。
　＜肝疾患の検出キット＞
　本発明の一実施形態において、特定のmiRNAと特異的に結合可能な核酸を含む、肝疾患の検出キット及び検出用デバイスが提供される。本発明において、当該特定のmiRNAと特異的に結合可能な核酸は、肝疾患のバイオマーカーであるポリヌクレオチド、及び当該ポリヌクレオチドの相補鎖と特異的に結合可能な核酸から選択することができる。
　本発明の一実施形態において、上記の肝疾患の検出キットにおいて用いられるバイオマーカーは、配列番号１～１２５からなる群より選択される１以上である。本発明の一実施形態において、前記バイオマーカーが、配列番号１～１２５からなる群より選択される１以上である、上記の肝疾患の検出キットが提供される。
　本発明の一実施形態において、上記の肝疾患の検出キットにおいて用いられるバイオマーカーは、配列番号１～８２からなる群より選択される１以上である。本発明の一実施形態において、前記バイオマーカーが、配列番号１～８２からなる群より選択される１以上である、上記の肝疾患の検出キットが提供される。
　本発明において用いられる肝疾患のバイオマーカーは、例えば、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択されるポリヌクレオチドであるが、これらに限定されない。本発明の一実施形態において、肝疾患のバイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択されるポリヌクレオチドである。
　本発明の一実施形態において、バイオマーカーであるmiR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、及びmiR-4521（配列番号４）からなる群より選択されるポリヌクレオチド、又は当該ポリヌクレオチドの相補鎖と特異的に結合可能な核酸を含む、肝疾患の検出キットが提供される。
　上記の肝疾患の検出キットは、少なくとも１つの、別のバイオマーカーであるポリヌクレオチドと特異的に結合可能な核酸をさらに含み得る。本発明の一実施形態において、少なくとも１つの、別のバイオマーカーであるポリヌクレオチドと特異的に結合可能な核酸をさらに含む、上記の肝疾患の検出キットが提供される。
　上記の肝疾患の検出キットにおいて、別のバイオマーカーは、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択され得るが、これらに限定されない。本発明の一実施形態において、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択される１以上である、別のバイオマーカーを用いる上記の肝疾患の検出キットが提供される。
　本発明の別の実施形態において、上記の肝疾患の検出キットにおいて用いられるバイオマーカーは、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される１以上である。本発明の一実施形態において、前記バイオマーカーが、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される１以上である、上記の肝疾患の検出キットが提供される。
　本発明の一実施形態において、前記核酸は、下記の（ａ）～（ｃ）のいずれかに示すポリヌクレオチド又はその断片から選択される、上記の肝疾患の検出キットが提供される。
（ａ）
　（ａ－１）配列番号１～１２５のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列に相補的な塩基配列からなるポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、
　（ａ－２）（ａ－１）のポリヌクレオチド又はその断片の塩基配列において、１以上の塩基の欠失、置換、付加、又は挿入を含むポリヌクレオチド又はその断片、
　（ａ－３）修飾核酸及び／又は修飾ヌクレオチドを含む（ａ－１）又は（ａ－２）のポリヌクレオチド又はその断片、
（ｂ）配列番号１～１２５のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列に相補的な塩基配列を含むポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、及び
（ｃ）下記の（ｃ－１）～（ｃ－４）のいずれかに示すポリヌクレオチド又はその断片とハイストリンジェントな条件でハイブリダイズするポリヌクレオチド。
　（ｃ－１）配列番号１～１２５のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列からなるポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、
　（ｃ－２）（ｃ－１）のポリヌクレオチド又はその断片の塩基配列において、１以上の塩基の欠失、置換、付加、又は挿入を含むポリヌクレオチド又はその断片、
　（ｃ－３）修飾核酸及び／又は修飾ヌクレオチドを含む（ｃ－１）又は（ｃ－２）のポリヌクレオチド又はその断片、
　（ｃ－４）配列番号１～１２５のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列を含むポリヌクレオチド、又は１５以上の連続した塩基を含むその断片
　本発明の一実施形態において、上記の肝疾患の検出キットにおいて用いられる、前記（ａ）～（ｃ）のいずれかに示すポリヌクレオチドは、配列番号１～８２のいずれかで表されるポリヌクレオチドから選択される。本発明の一実施形態において、前記（ａ）～（ｃ）のいずれかに示すポリヌクレオチドが、配列番号１～８２のいずれかで表されるポリヌクレオチドから選択される、上記の肝疾患の検出キットが提供される。
　本発明の一実施形態において、前記核酸は、下記の（ａ）～（ｃ）のいずれかに示すポリヌクレオチド又はその断片から選択される、上記の肝疾患の検出キットが提供される。
（ａ）
　（ａ－１）配列番号１～４のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列に相補的な塩基配列からなるポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、
　（ａ－２）（ａ－１）のポリヌクレオチド又はその断片の塩基配列において、１以上の塩基の欠失、置換、付加、又は挿入を含むポリヌクレオチド又はその断片、
　（ａ－３）修飾核酸及び／又は修飾ヌクレオチドを含む（ａ－１）又は（ａ－２）のポリヌクレオチド又はその断片、
（ｂ）配列番号１～４のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列に相補的な塩基配列を含むポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、及び
（ｃ）下記の（ｃ－１）～（ｃ－４）のいずれかに示すポリヌクレオチド又はその断片とハイストリンジェントな条件でハイブリダイズするポリヌクレオチド。
　（ｃ－１）配列番号１～４のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列からなるポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、
　（ｃ－２）（ｃ－１）のポリヌクレオチド又はその断片の塩基配列において、１以上の塩基の欠失、置換、付加、又は挿入を含むポリヌクレオチド又はその断片、
　（ｃ－３）修飾核酸及び／又は修飾ヌクレオチドを含む（ｃ－１）又は（ｃ－２）のポリヌクレオチド又はその断片、
　（ｃ－４）配列番号１～４のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列を含むポリヌクレオチド、又は１５以上の連続した塩基を含むその断片
　本発明の一実施形態において、前記別のバイオマーカーであるポリヌクレオチドと特異的に結合可能な核酸が、下記の（ｄ）～（ｆ）のいずれかに示すポリヌクレオチド又はその断片から選択される、上記の検出キットが提供される。
（ｄ）
　（ｄ－１）配列番号５～２１のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列に相補的な塩基配列からなるポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、
　（ｄ－２）（ｄ－１）のポリヌクレオチド又はその断片の塩基配列において、１以上の塩基の欠失、置換、付加、又は挿入を含むポリヌクレオチド又はその断片、
　（ｄ－３）修飾核酸及び／又は修飾ヌクレオチドを含む（ｄ－１）又は（ｄ－２）のポリヌクレオチド又はその断片、
（ｅ）配列番号５～２１のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列に相補的な塩基配列を含むポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、及び
（ｆ）下記の（ｆ－１）～（ｆ－４）のいずれかに示すポリヌクレオチド又はその断片とハイストリンジェントな条件でハイブリダイズするポリヌクレオチド。
　（ｆ－１）配列番号５～２１のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列からなるポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、
　（ｆ－２）（ｆ－１）のポリヌクレオチド又はその断片の塩基配列において、１以上の塩基の欠失、置換、付加、又は挿入を含むポリヌクレオチド又はその断片、
　（ｆ－３）修飾核酸及び／又は修飾ヌクレオチドを含む（ｆ－１）又は（ｆ－２）のポリヌクレオチド又はその断片、
　（ｆ－４）配列番号５～２１のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列を含むポリヌクレオチド、又は１５以上の連続した塩基を含むその断片
　本発明の別の実施形態において、上記の肝疾患の検出キットにおいて用いられる、前記（ａ）～（ｃ）のいずれかに示すポリヌクレオチドは、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される１以上である。本発明の一実施形態において、前記（ａ）～（ｃ）のいずれかに示すポリヌクレオチドが、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される１以上である、上記の肝疾患の検出キットが提供される。
　本明細書において、「ポリヌクレオチド」とは、ＲＮＡ、ＤＮＡ、及びＲＮＡ／ＤＮＡ（キメラ）のいずれも包含する核酸に対して用いられる。なお、上記ＤＮＡには、ｃＤＮＡ、ゲノムＤＮＡ、及び合成ＤＮＡのいずれもが含まれる。また上記ＲＮＡには、ｔｏｔａｌ ＲＮＡ、ｍＲＮＡ、ｒＲＮＡ、ｍｉＲＮＡ、ｓｉＲＮＡ、ｓｎｏＲＮＡ、ｓｎＲＮＡ、非コーディング（ｎｏｎ－ｃｏｄｉｎｇ）ＲＮＡ及び合成ＲＮＡのいずれもが含まれる。本明細書において「合成ＤＮＡ」及び「合成ＲＮＡ」は、所定の塩基配列（天然型配列又は非天然型配列のいずれでもよい。）に基づいて、例えば自動核酸合成機を用いて、人工的に作製されたＤＮＡ及びＲＮＡをいう。本明細書において「非天然型配列」は、広義の意味に用いることを意図しており、天然型配列と異なる、例えば１以上のヌクレオチドの置換、欠失、挿入及び／又は付加を含む配列（すなわち、変異配列）、１以上の修飾ヌクレオチドを含む配列（すなわち、修飾配列）、などを包含する。また、本明細書では、ポリヌクレオチドは核酸と互換的に使用される。
　本明細書において「断片」とは、ポリヌクレオチドの連続した一部分の塩基配列を有するポリヌクレオチド（オリゴヌクレオチドを含む）であり、１５塩基以上、好ましくは１７塩基以上、より好ましくは１９塩基以上の長さを有することが望ましい。
　本明細書において「マイクロＲＮＡ（ｍｉＲＮＡ）」は、特に言及しない限り、ヘアピン様構造のＲＮＡ前駆体として転写され、ＲＮａｓｅ ＩＩＩ切断活性を有するｄｓＲＮＡ切断酵素により切断され、ＲＩＳＣと称するタンパク質複合体に取り込まれ、ｍＲＮＡの翻訳抑制に関与する１５～２５塩基の非コーディングＲＮＡを意図して用いられる。また本明細書で使用する「ｍｉＲＮＡ」は特定の塩基配列（又は配列番号）で表される「ｍｉＲＮＡ」だけではなく、当該「ｍｉＲＮＡ」の前駆体（ｐｒｅ－ｍｉＲＮＡ、ｐｒｉ－ｍｉＲＮＡ）、これらと生物学的機能が同等であるｍｉＲＮＡ、例えば同族体（すなわち、ホモログもしくはオーソログ）、遺伝子多型などの変異体、及び誘導体も包含する。かかる前駆体、同族体、変異体又は誘導体としては、具体的には、ｍｉＲＢａｓｅ ｒｅｌｅａｓｅ ２０（http://www.mirbase.org/）により同定することができ、後に記載したストリンジェントな条件下で、配列番号１～２２のいずれかで表されるいずれかの特定塩基配列の相補配列とハイブリダイズする塩基配列を有する「ｍｉＲＮＡ」を挙げることができる。さらにまた、本明細書で使用する「ｍｉＲＮＡ」は、ｍｉＲ遺伝子の遺伝子産物であってもよく、そのような遺伝子産物は、成熟ｍｉＲＮＡ（例えば、上記のようなｍＲＮＡの翻訳抑制に関与する１５～２５塩基、又は１９～２５塩基、の非コーディングＲＮＡ）又はｍｉＲＮＡ前駆体（例えば、前記のようなｐｒｅ－ｍｉＲＮＡ又はｐｒｉ－ｍｉＲＮＡ）を包含する。
　本明細書において「プローブ」とは、遺伝子の発現によって生じたＲＮＡ又はそれに由来するポリヌクレオチドを特異的に検出するために使用されるポリヌクレオチド及び／又はそれに相補的なポリヌクレオチドを包含する。
　本明細書において「プライマー」とは、遺伝子の発現によって生じたＲＮＡ又はそれに由来するポリヌクレオチドを特異的に認識し、増幅するポリヌクレオチド及び／又はそれに相補的なポリヌクレオチドを包含する。ここで「相補的なポリヌクレオチド（相補鎖、逆鎖）」とは、配列番号１～２２のいずれかによって定義される塩基配列、もしくは当該塩基配列においてｕがｔである塩基配列、からなるポリヌクレオチドの全長配列、又はその部分配列、（ここでは便宜上、これを正鎖と呼ぶ）に対してＡ：Ｔ（Ｕ）、Ｇ：Ｃといった塩基対関係に基づいて、塩基的に相補的な関係にあるポリヌクレオチドを意味する。ただし、かかる相補鎖は、対象とする正鎖の塩基配列と完全に相補配列を形成する場合に限らず、対象とする正鎖とストリンジェントな条件でハイブリダイズできる程度の相補関係を有するものであってもよい。
　本明細書において「ストリンジェントな条件」とは、核酸プローブが他の配列に対するよりも大きな程度（例えばバックグラウンド測定値の平均＋バックグラウンド測定値の標準誤差×２以上の測定値）で、その標的配列に対してハイブリダイズする条件をいう。ストリンジェントな条件は配列依存性であり、ハイブリダイゼーションが行われる環境によって異なる。ハイブリダイゼーション及び／又は洗浄条件のストリンジェンシーを制御することにより、核酸プローブに対して１００％相補的である標的配列が同定され得る。
　本明細書において上記のバイオマーカーであるｍｉＲＮＡから選択されるポリヌクレオチドと特異的に結合可能な「核酸」は、合成又は調製された核酸であり、具体的には「核酸プローブ」又は「プライマー」を含み、被験体中の肝疾患の存在の有無を検出するために、又は肝疾患の罹患の有無、罹患の程度、肝疾患の改善の有無や改善の程度、肝疾患の治療に対する感受性を診断するために、あるいは肝疾患の予防、改善又は治療に有用な候補物質をスクリーニングするために、直接又は間接的に利用される。これらには肝疾患の罹患に関連して生体内、特に血液、尿等の体液等の検体において配列番号１～２２のいずれかで表される転写産物又はそのｃＤＮＡ合成核酸を特異的に認識し結合することのできるヌクレオチド、オリゴヌクレオチド及びポリヌクレオチドを包含する。これらのヌクレオチド、オリゴヌクレオチド及びポリヌクレオチドは、上記性質に基づいて生体内、組織や細胞内などで発現した上記遺伝子を検出するためのプローブとして、また生体内で発現した上記遺伝子を増幅するためのプライマーとして有効に利用することができる。
　本明細書において「特異的に結合可能な」とは、本発明で使用する核酸プローブ又はプライマーが、特定の標的核酸と結合し、他の核酸と実質的に結合できないことを意味する。
　本明細書で使用する「検出」という用語は、検査、測定、検出又は、判定支援という用語で置換しうる。また、本明細書において「評価」という用語は、検査結果又は測定結果に基づいて診断又は評価を支援することを含む意味で使用される。
　各バイオマーカー、肝疾患については上述した通りである。
　本発明者らは、今般、肝疾患の病態の病期分類との間に明確な相関関係を示すバイオマーカーを複数発見し、当該バイオマーカーを用いることにより、肝疾患の検出キット及び検出用デバイスを開発するに至ったものである。
　＜肝疾患の病態を病期分類するためのデータ処理方法＞
　本発明は、
　コンピュータが実行する、被験体の肝疾患の病態を病期分類するためのデータ処理を行う方法であって、前記コンピュータは、
　コンピュータ・プロセッサと、
　前記被験体の肝疾患の病態を病期分類するための指示を出すソフトウェアを備えるコンピュータ読み取り可能な記録媒体とを備え、
　前記方法が、
　前記被験体から得られた生体試料中の１つ以上又は少なくとも２つのバイオマーカーの測定値をそれぞれその対照値と比較することにより得られた複数のパラメータのデータを、コンピュータ読み取り可能な記録媒体に取り込むことと、
　前記コンピュータが、前記コンピュータ・プロセッサを用いて指示を実行することにより、前記複数のパラメータのデータを処理して、前記コンピュータが、被験体の肝疾患の病態を判定し、その判定の結果を、被験体の肝疾患の病態を病期分類するための指示を出すソフトウェアによる情報として出力することとを含む、方法
を提供する。
　本発明の一実施形態において、
　コンピュータが実行する、被験体の肝疾患の病態を病期分類するためのデータ処理を行う方法であって、前記コンピュータは、
　コンピュータ・プロセッサと、
　前記被験体の肝疾患の病態を病期分類するための指示を出すソフトウェアを備えるコンピュータ読み取り可能な記録媒体とを備え、
　前記方法が、
　前記被験体から得られた生体試料中の１つ以上又は少なくとも２つのバイオマーカーの測定値をそれぞれその対照値と比較することにより得られた複数のパラメータのデータを、コンピュータ読み取り可能な記録媒体に取り込むことと、
　前記コンピュータが、前記コンピュータ・プロセッサを用いて指示を実行することにより、前記複数のパラメータのデータを処理して、前記コンピュータが、被験体の肝疾患の病態を判定し、その判定の結果を、被験体の肝疾患の病態を病期分類するための指示を出すソフトウェアによる情報として出力することとを含み、
　前記病期分類が、肝線維化ステージ、チャイルド・ピュー分類、MELDスコア、MELD Naスコア、PELDスコア、ALBIスコア、ｍALBI（modified ALBI）スコア、FibroScanスコア、新犬山分類、新ヨーロッパ分類、及びBrunt分類からなる群より選択される１以上を含む、方法
が提供される。
　上記の方法において、判定の結果は、上記の複数のパラメータからのデータを処理することによりそれぞれ判定された結果の組合せであってよい。本発明の一実施形態において、前記判定の結果が、前記複数のパラメータのデータを処理することによりそれぞれ判定された結果の組合せである、上記の方法が提供される。
　本発明の一実施形態において、上記のデータ処理を行う方法において用いられる、前記１つ以上又は少なくとも２つのバイオマーカーは、配列番号１～１２５からなる群より選択される。本発明の一実施形態において、前記１つ以上又は少なくとも２つのバイオマーカーが、配列番号１～１２５からなる群より選択される、上記のデータ処理を行う方法が提供される。
　本発明の一実施形態において、上記のデータ処理を行う方法において用いられる、前記１つ以上又は少なくとも２つのバイオマーカーは、配列番号１～８２からなる群より選択される。本発明の一実施形態において、前記１つ以上又は少なくとも２つのバイオマーカーが、配列番号１～８２からなる群より選択される、上記のデータ処理を行う方法が提供される。
　本発明の一実施形態において、前記１つ以上又は少なくとも２つのバイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択することができるが、これらに限定されない。本発明の一実施形態において、前記１つ以上又は少なくとも２つのバイオマーカーは、miR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、及びmiR-320b-2（配列番号２２）からなる群より選択される上記のデータ処理を行う方法が提供される。
　本発明の別の実施形態において、上記のデータ処理を行う方法において用いられる、前記１つ以上又は少なくとも２つのバイオマーカーは、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される１以上である。本発明の一実施形態において、前記１つ以上又は少なくとも２つのバイオマーカーが、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される１以上である、上記のデータ処理を行う方法が提供される。
　各バイオマーカー、生体試料、肝疾患については上述した通りである。
　上記の診断支援システムにおいて、測定値とは、測定した時点における対象のバイオマーカーの測定値を指し、対照値とは、肝疾患を有しない被験体における当該バイオマーカーの値、あるいは、肝疾患を有する対象における過去の測定値等を指す。
　本発明者らは、今般、肝疾患の病態の病期分類との間に明確な相関関係を示すバイオマーカーを複数発見し、当該バイオマーカーの測定値及びその推移を観察及び検討することにより、被験体の肝疾患の病態を病期分類するためのデータ処理を行う方法を開発するに至ったものである。肝疾患の進行度に関連する病期分類については、下記に説明する。
　肝疾患の病態の病期分類としては、例えば、肝線維化ステージ、チャイルド・ピュー分類、MELDスコア、MELD Naスコア、PELDスコア、ALBIスコア、ｍALBI（modified ALBI）スコア、FibroScanスコア、新犬山分類、新ヨーロッパ分類、及びBrunt分類等が挙げられるが、これらに限定されない。これらの病期分類は、単独で、又は複数のものを組合わせて用いることができる。本発明の一実施形態において、前記病期分類が、肝線維化ステージ、チャイルド・ピュー分類、MELDスコア、MELD Naスコア、PELDスコア、ALBIスコア、ｍALBI（modified ALBI）スコア、FibroScanスコア、新犬山分類、新ヨーロッパ分類、及びBrunt分類からなる群より選択される１以上を含む。
　・肝線維化ステージ分類
　線維化がみられないものから、次第に増加し、肝硬変に至るまでを、F0（線維化がみられない）、F1（軽度）、F2（中等度）、F3（高度）、F4（肝硬変）の5段階に分けている。
　・チャイルド・ピュー（Child-Pugh）分類
　肝障害度を示す指標である。下記表１に示すように、肝性脳症の有無、腹水の有無、血清ビリルビン濃度（Bil）、血清アルブミン濃度（Alb）、プロトロンビン活性値（PT-INR）の5項目を1～3点で評価し、その合計点によりA～Cの3段階に分類する。もっとも障害度が低いのがA（代償性）であり、障害度が高くなるにつれて、B（非代償性）、C（非代償性）となる。
Figure JPOXMLDOC01-appb-T000010
  
　・MELDスコア
　総ビリルビン値（T-Bil）、プロトロンビン活性値（PT-INR）、クレアチニン値（Cr）と、透析治療の有無を用いたスコアリングシステムであり、12歳以上の肝硬変および肝移植登録者における肝予備能の診断に用いられる指標である。
　・MELD Naスコア
　従来のMELDスコア同様の血液生化学的検査データ（T-Bil、PT-INR、Cr）に血清ナトリウム濃度（Na）を追加したスコアリングシステムであり、12歳以上の急性肝炎・肝硬変および肝移植登録者における肝予備能の診断に用いられる指標である。
　・PELDスコア
　血液生化学的検査データ（Bil、PT-INR、Alb）と年齢、成長度を用いたスコアリングシステムであり、12歳未満の肝硬変および肝移植登録者における肝予備能の診断に用いられ
　・ALBIスコア
　血液生化学的検査データ（T-Bil、Alb）を用いたスコアリングシステムであり、肝細胞癌の治療法を選択する際に用いられる指標である。通常スコアはALBIグレードとよばれる3つのグレード（1,2,3）に分類される。
　・ｍALBI（modified ALBI）スコア
　従来のALBIスコア同様の血液生化学的検査データ（T-Bil、Alb）を用いたスコアリングシステムであり、肝細胞癌の治療法を選択する際に用いられる指標である。4つのグレード（1,2a,2b,3）に細分化することで、より優れた評価能力が期待できる。
　・FibroScanスコア
　右脇腹の表面に振動と超音波を伝える特殊な「プローブ」をあて、その振動と超音波の伝わり方から測定した肝臓の硬さを数値化したものである。肝臓に線維化が起こり硬くなればなるほど、振動が早く伝わることから、線維化の度合を数値で知ることができる。また、線維化の評価だけでなく発癌の予測や門脈圧亢進症の程度の評価などにも活用されている。
　・新犬山分類
　慢性肝炎の病態を門脈域周囲，小葉内，門脈域の炎症の程度と繊維化の程度の4つのカテゴリーに分類し，半定量的にスコア化したものである。
　・新ヨーロッパ分類
　肝炎ウイルス性、自己免疫性、薬剤性、原因不明に病因を分類し、4段階のgradingと5段階のstagingに分けて記載するものである。
　・Brunt分類
　ＮＡＳＨの病理所見を活動性（grading）の程度と病期（staging）の程度で評価・分類する指標である。Gradingは３段階で評価し、（１）脂肪沈着、（２）肝細胞のballooning、（３）小葉内および門脈域内の炎症細胞浸潤の程度を評価項目として総合的に評価する。Stagingは４段階で評価し、Stage１は小葉中心性線維化、Stage２はStage１＋門脈域の線維化、Stage３はさらにbridging fibrosisが加わり、Stage４は肝硬変とする。
Figure JPOXMLDOC01-appb-T000011
  
　本発明の一実施形態において、上記の被験体の肝疾患の病態を病期分類するためのデータ処理を行う方法を実施するためのソフトウェア及びこれを搭載したデバイスが提供される。
　本発明の実施形態において、被験体又は対象は哺乳動物被験体であり、より具体的には、ヒト、チンパンジーを含む霊長類、イヌ、ネコなどのペット動物、ウシ、ウマ、ヒツジ、ヤギなどの家畜動物、マウス、ラットなどの齧歯類などの哺乳動物を意味する。本発明の好ましい実施形態において、被験体又は対象はヒト被験体である。
　＜肝疾患の判定をコンピュータに実行させるためのプログラム及びプログラムを記録する媒体＞
　本発明の一実施形態において、
　対象における肝疾患の有無又はそのリスク又は進行度の判定、並びに／あるいは治療のために実施された処置の成功度の判定をコンピュータに実行させるためのプログラムであって、前記プログラムが、
　対象からの生体試料中から得られた１つ以上又は少なくとも２つのバイオマーカーのレベルの測定値をそれぞれ取得する測定値取得工程と、
　前記１つ以上又は少なくとも２つのバイオマーカーの測定値とそれぞれの対照値とを比較することにより、複数のパラメータのデータを得るパラメータデータ取得工程と、
　前記複数のパラメータのデータに基づいて、対象における肝疾患の有無又はそのリスク又は進行度の判定、並びに／あるいは治療のために実施された処置の成功度を判定する判定工程と、
を実行し、
　前記バイオマーカーが、配列番号１～１２５からなる群より選択される、プログラムが提供される。本発明の一実施形態において、当該プログラムは、媒体に記録され得る。本発明の一実施形態において、当該プログラムを記録した記録媒体が提供される。
　本発明の一実施形態において、上記のプログラムにおいて、前記バイオマーカーは、配列番号１～８２からなる群より選択される。本発明の一実施形態において、前記バイオマーカーが、配列番号１～８２からなる群より選択される、上記のプログラムが提供される。本発明の一実施形態において、当該プログラムは、媒体に記録され得る。本発明の一実施形態において、当該プログラムを記録した記録媒体が提供される。
　本発明の一実施形態において、上記のプログラムにおいて、前記バイオマーカーは、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される。本発明の一実施形態において、前記バイオマーカーが、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択されるが、上記のプログラムが提供される。本発明の一実施形態において、当該プログラムは、媒体に記録され得る。本発明の一実施形態において、当該プログラムを記録した記録媒体が提供される。
　各バイオマーカー、生体試料、肝疾患については上述した通りである。
　＜肝疾患を検出するためのデータ処理を行うデータ処理装置＞
　本発明の一実施形態において、
　miRNA発現量のデータに欠測値を補完することにより欠測値補完データを得る欠測値補完部と、
　前記欠測値補完データを対数変換することにより対数変換データを得る対数変換部と、
　前記対数変換データを回帰モデルに代入して回帰変換を実行することにより回帰変換データを得る回帰変換部と、
　教師データを取得する教師データ取得部と、
　前記回帰変換データを教師データとして用いて、学習済みモデルを作成する学習済みモデル作成部と、
を備える、肝疾患を検出するためのデータ処理を行うデータ処理装置が提供される。
　本発明の一実施形態において、欠測値補完部では、各miRNAの発現量のデータに欠測値を補完することにより各miRNAについて欠測値補完データを得る。本発明において、miRNA発現量のデータとしては、東レ株式会社の高精度マイクロアレイDNAチップ3D-Gene（登録商標）を用いる解析法により得られるmiRNA発現量データを利用した。このmiRNA発現量データには、「Raw data」、「BG subtraction」、および「global normalization」の3種類のデータが含まれる。本発明では、このうち、「global normalization」を利用した。但し、「global normalization」データには、欠測値が含まれるため、各miRNAサンプルの最小値で欠測値を補完した。これにより、「global normalization」データには、所定数のデータが含まれることになる。欠測値とは、一般的な意味に解され、何らかの理由によりデータが欠落している箇所の値を指す。また、上記のmiRNA発現量データの分布は対数正規分布であるため、統計解析処理の前に上述の欠測値補完および後述の対数変換を行った。
　本発明の一実施形態において、対数変換部では、上記のように欠測値補完された欠測値補完データを対数変換することにより対数変換データを得る。対数変換は、例えばloge、log2、log10などで実施することができる。本発明では、２を基底とする対数変換（log2による対数変換）を実施した。
　本発明の一実施形態において、回帰変換部では、上記の対数変換データを回帰モデルに代入して回帰変換を実行することにより回帰変換データを得る。回帰変換とは、一般的な意味に解され、回帰分析という手法を用いて２つの量的変数x、yの関係を分析することにより、
　　y=f(x)　　　　　（１）
という関数によって２つの変数の間の関係を定式化することを指す。
　本発明の一実施形態において、前記回帰変換は、
　回帰係数を乗じることと、
　線維化ステージ毎に切片の値を加算することにより線維化ステージの予測結果を示すロジット値を得ることと、
　前記ロジット値に対してロジスティック変換の逆変換を行うことにより０から１の間の確率値に変換して各線維化ステージの予測確率を算出することと、
　各線維化ステージの前記予測確率のうち最も確率が高い線維化ステージを予測値とすることと、
を含む。本発明の一実施形態において、前記回帰変換が、
　回帰係数を乗じることと、
　線維化ステージ毎に切片の値を加算することにより線維化ステージの予測結果を示すロジット値を得ることと、
　前記ロジット値に対してロジスティック変換の逆変換を行うことにより０から１の間の確率値に変換して各線維化ステージの予測確率を算出することと、
　各線維化ステージの前記予測確率のうち最も確率が高い線維化ステージを予測値とすることと、
を含む、上記の肝疾患を検出するためのデータ処理を行うデータ処理装置が提供される。
　上記回帰係数とは、一般的な意味に解され、回帰分析において、座標平面上において回帰式（回帰モデル）で表される直線の傾きを指し、原因となる変数x（説明変数）と結果となる変数y（目的変数）の平均的な関係を、一次式y＝αx＋βで表したときの、係数αを指す。βは切片を指す。本発明において、回帰モデルで産出された回帰係数を用いて、線維化ステージの予測値を算出する。
　本発明において、上記線維化ステージとは、肝臓の線維化ステージを指す。具体的には、上記線維化ステージとは、肝線維化ステージ分類について上述したように、線維化がみられないものから肝硬変に至るまでを、F0（線維化がみられない）、F1（軽度）、F2（中等度）、F3（高度）、F4（肝硬変）の5段階に分けている。
　上記ロジット（logit）値とは、一般的な意味に解され、0から1の範囲を取る確率pから計算される値の一種である。ロジット値は、確率0.5の時に0となり、確率が0.5より上がると無限大方向に、0.5より下がるとマイナス無限大方向に変化する。確率pに対するロジット値logit(p)は、下記式（２）で定義される。下記式（２）は、ロジット関数とも称される。
　　logit(p) = ln(p/(1-p))　　　　　（２）
　式中、pは確率変数であり、lnは自然対数関数である。p/(1-p)はオッズと称される。すなわち、オッズの対数を取ったものがロジット値である。
　ロジスティック変換とは、一般的な意味に解され、上記の式（２）によって、確率pからロジットを求める過程を指す。そして、ロジスティック変換の逆変換とは、一般的な意味に解され、ロジット値aから確率値を求める過程を指し、下記式（３）で表される。下記式（３）は、ロジスティック関数とも称される。
　　expit(a) = 1/(1+e-a)　　　　　（３）
　式中、aはロジット値であり、expit(a)は確率値である。本発明において、この確率値を各線維化ステージの予測確率とした。そして、各線維化ステージの予測確率のうち、最も確率が高い線維化ステージを予測値とした。
　上記回帰モデルとは、回帰式とも称され、ある２つの変数の関係を表す式のうち、統計的手法によって推計された式を指す。本発明の一実施形態において、上記回帰モデルは、multinominal LASSOモデル、gaussian LASSO（Least Absolute Shrinkage and Selection Operator）モデル、及び順序ロジスティック回帰モデルからなる群より選択され得る。本発明の一実施形態において、上記回帰モデルが、multinominal LASSOモデル、gaussian LASSO（Least Absolute Shrinkage and Selection Operator）モデル、及び順序ロジスティック回帰モデルからなる群より選択される、上記の肝疾患を検出するためのデータ処理を行うデータ処理装置が提供される。
　multinominal LASSOモデルとは、変数選択を行いつつ３種類以上のカテゴリーを予測する多項ロジスティック回帰モデルを指す。多項ロジスティック回帰モデルは、３種類以上あるカテゴリーのうちの１つを基準とした２項ロジスティック回帰モデルを組み合わせ数分だけ作成する。作成した２項ロジスティック回帰モデルから各カテゴリーの予測確率を算出し、一番予測確率が高いカテゴリーを予測値とする。本発明において、multinominal LASSOモデルを用いる場合、上述の５段階の線維化ステージをカテゴリーとして解析した。なお、変数選択のためにLeave One Out法よるCross-Validation(以下LOO-CVと記載する)を行っている。multinomial LASSOによる統計解析処理の流れを下記に示す。
Figure JPOXMLDOC01-appb-T000012
  
　gaussian LASSO（Least Absolute Shrinkage and Selection Operator）モデルとは、変数選択を行いつつ目的変数を予測する線形回帰モデルを指す。線形回帰モデルは、下記式（４）で表される。
　　y＝α1x1＋α2x2+...+β　　　　（４）
この式は、原因となる変数x（説明変数）と結果となる量的変数y（目的変数）の平均的な関係を表したもので、式中のαは係数であり、βは切片を指す。この場合、線形スコアが算出される。本発明において、gaussian LASSOモデルを用いる場合、上述の５段階の線維化ステージを目的変数として解析し、算出された予測スコアからカットオフ値を用いて線維化ステージを予測した。gaussian LASSOによる統計解析処理の流れを下記に示す。
Figure JPOXMLDOC01-appb-T000013
  
　順序ロジスティック回帰モデルとは、３種類以上の順序関係のあるカテゴリーを予測する回帰モデルを指す。順序ロジスティック回帰モデルは、カテゴリー群全体で比較をして、一番予測確率が高いカテゴリーを予測値とする。本発明において、順序ロジスティック回帰モデルを用いる場合、上述の５段階の線維化ステージを順序関係のあるカテゴリーとして解析し、説明変数としてmultinomial LASSOおよびgaussian LASSOで選択されたmiRNAを利用した。順序ロジスティック回帰による統計解析処理の流れを下記に示す。
Figure JPOXMLDOC01-appb-T000014
  
　本発明において、「順序ロジスティック回帰モデル１」を用いる場合、multinomial LASSOおよびgaussian LASSOの両方で選択されていた共通のmiRNAを説明変数として利用した。また、本発明において、「順序ロジスティック回帰モデル２」を用いる場合、multinomial LASSOおよび／またはgaussian LASSOで選択されていたmiRNAを説明変数として利用した。
　本発明の一実施形態において、教師データ取得部では、教師データを取得する。本発明において、前記教師データは、学習用血中miRNA濃度と、前記学習用血中miRNA濃度に対応する線維化ステージとの関係を示す教師データである。本発明の一実施形態において、前記教師データが、学習用血中miRNA濃度と、前記学習用血中miRNA濃度に対応する線維化ステージとの関係を示す教師データである、上記の肝疾患を検出するためのデータ処理を行うデータ処理装置が提供される。
　本発明の一実施形態において、学習済みモデル作成部では、上記の回帰変換データを教師データとして用いて、学習済みモデルを作成する。本発明において、前記教師データは、学習用血中miRNA濃度と、前記学習用血中miRNA濃度に対応する線維化ステージとの関係を示す教師データである。本発明の肝疾患を検出するためのデータ処理を行うデータ処理装置では、このようにして得られた学習済みモデルを用いて、教師ありデータ処理を実施した。
　本発明の一実施形態において、肝疾患を検出するためのデータ処理は、教師データを取得する教師データ取得工程と、前記教師データを用いて学習データを作成する学習データ作成行程とをさらに含む。この実施形態において、前記教師データは、学習用血中miRNA濃度と、前記学習用血中miRNA濃度に対応する線維化ステージとの関係を示す教師データである。本発明の一実施形態において、肝疾患を検出するためのデータ処理が、教師データを取得する教師データ取得工程と、前記教師データを用いて学習データを作成する学習データ作成行程とをさらに含み、前記教師データが、学習用血中miRNA濃度と、前記学習用血中miRNA濃度に対応する線維化ステージとの関係を示す教師データである、上記の肝疾患を検出するためのデータ処理を行うデータ処理装置が提供される。
本発明の一実施形態において、
　肝疾患を検出するためのデータ処理は、解析用データを得る前処理工程をさらに含み、前記前処理工程は、
　低発現miRNAをリスト化して低発現miRNAリストを得ることと、
　前記miRNAリストのデータに欠測値を補完することにより欠測値補完データを得ることと、
　前記低発現miRNAリストに含まれる低発現miRNAを解析対象から除外して変換用データを得ることと、
　前記変換用データを対数変換することと、
を含む。本発明の一実施形態において、
　肝疾患を検出するためのデータ処理が、解析用データを得る前処理工程をさらに含み、前記前処理工程が、
　低発現miRNAをリスト化して低発現miRNAリストを得ることと、
　前記miRNAリストのデータに欠測値を補完することにより欠測値補完データを得ることと、
　前記低発現miRNAリストに含まれる低発現miRNAを解析対象から除外して変換用データを得ることと、
　前記変換用データを対数変換することと、
を含む、上記の肝疾患を検出するためのデータ処理を行うデータ処理装置が提供される。
　上記低発現miRNAとは、発現量が少ないmiRNAを指す。低発現miRNAをリスト化して低発現miRNAリストを得ることにより、変換用データから前記低発現miRNAリストに含まれる低発現miRNAを除外して解析対象から外すことができる。
　対数変換については、上述した通りである。
　本発明の一実施形態において、上記の肝疾患を検出するためのデータ処理を行うデータ処理装置において、前記miRNAは、配列番号１～１２５からなる群より選択される。本発明の一実施形態において、前記miRNAが、配列番号１～１２５からなる群より選択される、上記の肝疾患を検出するためのデータ処理を行うデータ処理装置が提供される。
　本発明の一実施形態において、上記の肝疾患を検出するためのデータ処理を行うデータ処理装置において、前記miRNAは、配列番号１～８２からなる群より選択される。本発明の一実施形態において、前記miRNAが、配列番号１～８２からなる群より選択される、上記の肝疾患を検出するためのデータ処理を行うデータ処理装置が提供される。
　本発明の一実施形態において、上記の肝疾患を検出するためのデータ処理を行うデータ処理装置において、前記miRNAは、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択される。本発明の一実施形態において、前記miRNAが、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５からなる群より選択されるが、上記の肝疾患を検出するためのデータ処理を行うデータ処理装置が提供される。
　各miRNA、生体試料、肝疾患については上述した通りである。
　以下、本発明を実施例によって具体的に説明するが、これらは、本発明の範囲を限定するものではない。
実施例１．RNA seq法を用いたmiRNAの解析
　　　　方法：
　　　　（１）エキソソーム画分の調製
　線維化ステージやチャイルド・ピュー（Child-Pugh）スコアが異なる患者の血清17検体と正常血清3検体（表３）からそれぞれ得られた血清について、超遠心分離を行い、エキソソーム画分を精製した。血清をまず2,000gで10分間遠心処理し、得られた上清をさらに12,000gで30分間遠心処理した後、これにより得られた上清を110,000gで70分間遠心処理し、最終的に得られた沈殿画分をエキソソーム画分とした。
Figure JPOXMLDOC01-appb-T000015
  
　　　　（２）miRNAの解析
　上記のエキソソーム分画からRNA精製、抽出し、RNA配列決定（RNA-seq）によるmiRNAの解析を行った。そして、これらのmiRNAについて、非感染、HBV感染、HCV感染等の病態や、線維化ステージ、チャイルド・ピュー（Child-Pugh）スコアの変化と、miRNA発現量変化との相関関係について解析を実施した。
　　　　結果：
　　　　（１）線維化ステージ 0及び1～4の被験体におけるmiRNA発現レベルの比較
　線維化ステージが0の被験体と線維化ステージが1～4の被験体について、様々なmiRNAの発現レベルと線維化ステージとの関係を解析し、図１に示した。図１に示すスポットのうち、黒丸線で囲ったものが有意な発現変化を示したmiRNAに相当する。また、図１上半分に図示される黒太線の四角枠で囲ったものは有意に発現上昇したものであり、図１下半分に図示される黒細線の四角枠で囲ったものは有意に発現低下したものである。有意に発現上昇したものは、MIR122 (log2 5.637倍)、MIR483(Log2 5.093倍)が最も高く、これに続くものとしては、MIR3679 (log2 5.050倍), MIR3138 (log2 4.854倍), MIR99A (log2 4.740倍), MIR194-1 (log2 4.740倍), MIR192 (log2 4.672倍), MIR34A (log2 4.164倍), MIR125B2 (log2 3.897倍), MIR125B1 (log2 3.561倍), MIR100 (log2 3.490倍), MIR320C1 (log2 3.443倍), MIR320B1 (log2 3.389倍), MIR194-2 (log2 3.171倍), MIR148A (log2 2.680倍), MIR378A (log2 2.513倍)がある。有意に発現低下したものは、MIR4521 (log2 -1.545倍)とMIR144 (log2 -2.709倍)である。
　　　　（２）線維化の程度とmiRNA発現レベルとの関連性
　正常な被験体、線維化ステージが0の被験体、線維化ステージが1の被験体、線維化ステージが4の被験体について、様々なmiRNAの発現レベルと線維化ステージ（線維化の程度）との関係を解析し、図２に示した。図２に示されているように、MIR320AとMIR483の発現は、線維化の進行に伴って有意に上昇した。MIR122（MIR99A, MIR194-1も同様のパターン）及びMIR125B1（MIR125B2も同様）については、線維化ステージが0の際に有意な発現上昇が見られた。MIR223-3Pについては、正常な被験体と比較した場合に発現量の有意な低下が見られ、MIR4454については、miRNA発現量の線形的な低下が見られた。以上のように、線維化ステージの異なる血清サンプルを用いた網羅的解析により、バイオマーカーとなり得るmiRNAを選択することができた。
　　　　（３）チャイルド・ピュー（Child-Pugh）スコア 0及び6以上の被験体におけるmiRNA発現レベルの比較
　チャイルド・ピュー（Child-Pugh）スコア（「CPスコア」、「CP」、「CPF」ともいう）が0の被験体とCPスコアが６以上の被験体について、様々なmiRNAとCPスコアとの関係を解析し、図３に示した。図３に示すスポットのうち、黒丸線で囲ったものが有意な発現変化を示したmiRNAに相当する。また、黒太線の四角枠で囲ったものは有意に発現上昇したものであり、黒細線の四角枠で囲ったものは有意に発現低下したものである。図３に示されているように、有意に発現上昇したものは、MIR122 (log2 5.256倍), MIR483 (log2 5.157倍), MIR99A (log2 4.903倍), MIR194-1 (log2 3.943倍), MIR125B2 (log2 3.810倍), MIR125B1 (log2 3.539倍), MIR320B2 (log2 3.262倍), MIR320A (log2 2.142倍)であり、有意に発現低下したものはMIR144であった。
　　　　（４）チャイルド・ピュー（Child-Pugh）スコアとの関連性
　CPスコアが0の被験体と被験体とCPスコアが６～１１の被験体について、様々なmiRNAの発現レベルとCPスコアとの関係を解析し、図４に示した。図４に示されているように、MIR194-1については、CPスコアの低下と共に、miRNA発現の低下が見られた。MIR320Aについては、やや直線性が見られないものの、CPスコア 10まではmiRNA発現量の上昇傾向が見られた。MIR99Aについては、miRNA発現量の低下傾向が見られ、MIR4454及びMIR223-3Pについては、正常な被験体と比較した場合に発現量の有意な低下が見られた。以上のように、CPスコアの異なる血清サンプルを用いた網羅的解析により、バイオマーカーとなり得るmiRNAを選択することができた。
実施例２．3D-Gene（登録商標）によるmiRNAの解析
方法：
（１）エキソソーム画分の調製
　上記と同じ、線維化ステージやCPスコアが異なる患者血清17検体と、正常血清2検体からそれぞれ得られた血清300 μLについて、実施例１と同様に、超遠心分離技術を用いてエキソソーム画分を精製した。
Figure JPOXMLDOC01-appb-T000016
  
（２）miRNAの解析
　沈殿画分として得られた上記のエキソソーム画分から、miRNAを精製してBioanalyzer（Agilent社製、2100）でRNAの品質を確認し、東レ株式会社の3D-Gene（登録商標）の基盤を用いてハイブリダイセーションを実施した。3D-Gene（登録商標）解析法を用いて、miRNAの発現量変化について解析を行った。そして、これらのmiRNAについて、非感染、HBV感染、HCV感染等の病態や、線維化ステージ、CPスコアの変化と、miRNA発現量変化との相関関係について解析を実施した。
結果：
　線維化ステージやCPスコアに伴って変化する多くのmiRNAが得られたが、代表的なものは、線維化ステージの進行やCPスコアの増加に伴ってmiRNA発現量が低下する、miR-223, miR-4454など が挙げられる。
実施例３．肝病態とmiRNAとの相関性解析
　ウイルス性肝疾患（HCV、HBV）患者のmiRNAサンプルを使用して、上述のように、東レが開発した高精度マイクロアレイDNAチップ「3D-Gene」（登録商標）から測定されたmiRNA発現量データを利用し、このmiRNA発現量データの欠測値を各サンプルの最小値で補完して欠測値補完データを得、この欠測値補完データに対して２を基底とする対数変換を行って対数変換データを得、この対数変換データに対して４つの回帰モデルで算出された回帰係数を用いて、線維化ステージの予測値を算出し、肝病態とmiRNAとの相関性解析を実施した（図５）。
　　　　（１）multinominal LASSOモデルを用いた相関性解析
　各Stageについて、各miRNAに対応する対数変換データと下記表3-1に示す回帰係数および切片(Intercept)を下記式（５）に当てはめ、ロジット値を得る。
　　η＝α1x1＋α2x2+...+β　　　　（５）
式中のαは係数、βは切片、xは各miRNA、ηはロジット値を指す。このロジット値に対して、ロジスティック変換の逆変換を行うことで、０～１の間の確率値に変換し、予測確率を算出し、最も確率が高い線維化ステージを予測値とした。
Figure JPOXMLDOC01-appb-T000017
Figure JPOXMLDOC01-appb-I000018
 
　　　　（２）gaussian LASSOモデルを用いた相関性解析
　各miRNAに対応する対数変換データと下記表3-2に示す回帰係数および切片(Intercept)を下記式（６）に当てはめ、ロジット値を得る。
　　η＝α1x1＋α2x2+...+β　　　　（６）
式中のαは係数、βは切片、xは各miRNA、ηはロジット値を指す。このロジット値と表3-3の各StageのCutoff値とを下記条件に当てはめ、条件に当てはまった線維化ステージを予測値とした。
　・ロジット値がStage 0|1のCutoff値未満の場合、線維化ステージは0とする。
　・ロジット値がStage 0|1のCutoff値以上かつStage 1|2のCutoff値未満の場合、線維化ステージは1とする。
　・ロジット値がStage 1|2のCutoff値以上かつStage 2|3のCutoff値未満の場合、線維化ステージは2とする。
　・ロジット値がStage 2|3のCutoff値以上かつStage 3|4のCutoff値未満の場合、線維化ステージは3とする。
　・ロジット値がStage 3|4のCutoff値以上の場合、線維化ステージは4とする。
Figure JPOXMLDOC01-appb-T000019
  
Figure JPOXMLDOC01-appb-T000020
  
　　　　（３）順序ロジスティック回帰モデル１を用いた相関性解析
　各Stageについて、各miRNAに対応する対数変換データと下記表3-4に示す回帰係数および下記表3-5に示す切片(Intercept)を下記式（７）に当てはめ、ロジット値を得る。
　　η＝-α1x1-α2x2-...+β　　　　（７）
式中のαは係数、βは切片、xは各miRNA、ηはロジット値を指す。このロジット値に対して、ロジスティック変換の逆変換を行うことで、０～１の間の確率値に変換し、予測確率を算出した。さらに、Stageごとに予測確率の差を算出し、最も確率が高い線維化ステージを予測値とする。Stageごとの予測確率の差の算出方法は下記の通りである。
・Stage 0の予測確率の差=1-Stage 0|1の予測確率
・Stage 1の予測確率の差=Stage 0|1の予測確率-Stage 1|2の予測確率
・Stage 2の予測確率の差=Stage 1|2の予測確率-Stage 2|3の予測確率
・Stage 3の予測確率の差=Stage 2|3の予測確率-Stage 3|4の予測確率
・Stage 4の予測確率の差=Stage 3|4の予測確率
Figure JPOXMLDOC01-appb-T000021
  
Figure JPOXMLDOC01-appb-T000022
  
　　　　（４）順序ロジスティック回帰モデル２を用いた相関性解析
　各Stageについて、各miRNAに対応する対数変換データと下記表3-6に示す回帰係数および下記表3-7に示す切片(Intercept)を下記式（８）に当てはめ、ロジット値を得る。
　　η＝-α1x1-α2x2-...+β　　　　（８）
式中のαは係数、βは切片、xは各miRNA、ηはロジット値を指す。このロジット値に対して、ロジスティック変換の逆変換を行うことで、０～１の間の確率値に変換し、予測確率を算出した。さらに、Stageごとに予測確率の差を算出し、最も確率が高い線維化ステージを予測値とする。Stageごとの予測確率の差の算出方法は下記の通りである。
・Stage 0の予測確率の差=1-Stage 0|1の予測確率
・Stage 1の予測確率の差=Stage 0|1の予測確率-Stage 1|2の予測確率
・Stage 2の予測確率の差=Stage 1|2の予測確率-Stage 2|3の予測確率
・Stage 3の予測確率の差=Stage 2|3の予測確率-Stage 3|4の予測確率
・Stage 4の予測確率の差=Stage 3|4の予測確率
Figure JPOXMLDOC01-appb-T000023
Figure JPOXMLDOC01-appb-I000024
 
Figure JPOXMLDOC01-appb-T000025
  
　　　　（５）判別性能
（５－１）正解率
　実際のグループ(健常（Normal）、F1: ステージ1、F2: ステージ2、F3: ステージ3、F4: ステージ4) と予測されたグループで分割表を作成し、その対角成分の一致率を算出した。さらに、分割表から各グループの正解率を算出した。上記の4つの回帰モデルを用いた場合の正解率を下記表に示す。いずれのモデルも、充分に高い正解率を示すものであることがわかった。
Figure JPOXMLDOC01-appb-T000026
  
（５－２）カッパ係数
　さらに、カッパ係数（kappa statistic）を算出した。カッパ係数は、順序関係のあるカテゴリー変数の一致度を評価する指標であり、コーエンの一致係数（Cohen’s coefficient of agreement）とも称される。一般に、カッパ係数は、０～１の値をとり、値が大きいほど一致度が高くなる。カッパ係数は、一般に、０．６超であれば充分に高い性能を示すものであるといえる。また、順序の重みを考慮したカッパ係数は、重み付けカッパ係数と称される。症状の度合いなどの順序尺度の一致度を調べる場合には、カッパ係数ではなく、重み付けカッパ係数を用いるのが適している。本発明では、重み付けカッパ係数を用いた。上記の4つの回帰モデルを用いた場合の重み付けカッパ係数を下記表に示す。いずれのモデルも、充分に高い性能を有することが示された。
Figure JPOXMLDOC01-appb-T000027
  
　本発明者らは、ウイルス性肝疾患患者のmiRNAを用いて、後ろ向きの解析を行い、miRNAを用いることで非侵襲的に線維化ステージを予測判定できることを見出した。上述のとおり、本発明によれば、ウイルス性肝疾患患者のmiRNAを測定し、予測モデル式に代入することにより、線維化ステージを予測できることが示された。本発明者らは、4つの予測モデルを構築したが、これらの予測モデルを必要に応じて使い分けることにより、高い精度で予測結果を得ることができる。
実施例４．ＮＡＳＨとmiRNAとの相関性解析（１）
　ＮＡＳＨ患者のmiRNAサンプルを使用して、上述のように、東レが開発した高精度マイクロアレイDNAチップ「3D-Gene」（登録商標）から測定されたmiRNA発現量データを利用し、このmiRNA発現量データの欠測値を各サンプルの最小値で補完して欠測値補完データを得、この欠測値補完データに対して２を基底とする対数変換を行って対数変換データを得、この対数変換データに対して４つの回帰モデルで算出された回帰係数を用いて、ＮＡＳＨの線維化ステージの予測値を算出した（図６）。
　　　　（１）multinominal LASSOモデルを用いた相関性解析
　各Stageについて、各miRNAに対応する対数変換データと下記表4-1に示す回帰係数および切片(Intercept)を下記式（９）に当てはめ、ロジット値を得る。
　　η＝α1x1＋α2x2+...+β　　　　（９）
式中のαは係数、βは切片、xは各miRNA、ηはロジット値を指す。このロジット値に対して、ロジスティック変換の逆変換を行うことで、０～１の間の確率値に変換し、予測確率を算出し、最も確率が高い線維化ステージを予測値とした。
Figure JPOXMLDOC01-appb-T000028
  
　　　　（２）gaussian LASSOモデルを用いた相関性解析
　各miRNAに対応する対数変換データと下記表4-2に示す回帰係数および切片(Intercept)を下記式（１０）に当てはめ、ロジット値を得る。
　　η＝α1x1＋α2x2+...+β　　　　（１０）
式中のαは係数、βは切片、xは各miRNA、ηはロジット値を指す。このロジット値と表4-3の各StageのCutoff値とを下記条件に当てはめ、条件に当てはまった線維化ステージを予測値とした。
　・ロジット値がStage 0|1のCutoff値未満の場合、線維化ステージは0とする。
　・ロジット値がStage 0|1のCutoff値以上かつStage 1|2のCutoff値未満の場合、線維化ステージは1とする。
　・ロジット値がStage 1|2のCutoff値以上かつStage 2|3のCutoff値未満の場合、線維化ステージは2とする。
　・ロジット値がStage 2|3のCutoff値以上かつStage 3|4のCutoff値未満の場合、線維化ステージは3とする。
　・ロジット値がStage 3|4のCutoff値以上の場合、線維化ステージは4とする。
Figure JPOXMLDOC01-appb-T000029
  
Figure JPOXMLDOC01-appb-T000030
  
　　　　（３）順序ロジスティック回帰モデル１を用いた相関性解析
　各Stageについて、各miRNAに対応する対数変換データと下記表4-4に示す回帰係数および下記表4-5に示す切片(Intercept)を下記式（１１）に当てはめ、ロジット値を得る。
　　η＝-α1x1-α2x2-...+β　　　　（１１）
式中のαは係数、βは切片、xは各miRNA、ηはロジット値を指す。このロジット値に対して、ロジスティック変換の逆変換を行うことで、０～１の間の確率値に変換し、予測確率を算出した。さらに、Stageごとに予測確率の差を算出し、最も確率が高い線維化ステージを予測値とする。Stageごとの予測確率の差の算出方法は下記の通りである。
・Stage 0の予測確率の差=1-Stage 0|1の予測確率
・Stage 1の予測確率の差=Stage 0|1の予測確率-Stage 1|2の予測確率
・Stage 2の予測確率の差=Stage 1|2の予測確率-Stage 2|3の予測確率
・Stage 3の予測確率の差=Stage 2|3の予測確率-Stage 3|4の予測確率
・Stage 4の予測確率の差=Stage 3|4の予測確率
Figure JPOXMLDOC01-appb-T000031
  
Figure JPOXMLDOC01-appb-T000032
  
　　　　（４）順序ロジスティック回帰モデル２を用いた相関性解析
　各Stageについて、各miRNAに対応する対数変換データと下記表4-6に示す回帰係数および下記表4-7に示す切片(Intercept)を下記式（１２）に当てはめ、ロジット値を得る。
　　η＝-α1x1-α2x2-...+β　　　　（１２）
式中のαは係数、βは切片、xは各miRNA、ηはロジット値を指す。このロジット値に対して、ロジスティック変換の逆変換を行うことで、０～１の間の確率値に変換し、予測確率を算出した。さらに、Stageごとに予測確率の差を算出し、最も確率が高い線維化ステージを予測値とする。Stageごとの予測確率の差の算出方法は下記の通りである。
・Stage 0の予測確率の差=1-Stage 0|1の予測確率
・Stage 1の予測確率の差=Stage 0|1の予測確率-Stage 1|2の予測確率
・Stage 2の予測確率の差=Stage 1|2の予測確率-Stage 2|3の予測確率
・Stage 3の予測確率の差=Stage 2|3の予測確率-Stage 3|4の予測確率
・Stage 4の予測確率の差=Stage 3|4の予測確率
Figure JPOXMLDOC01-appb-T000033
  
Figure JPOXMLDOC01-appb-T000034
  
　　　　（５）判別性能
（５－１）正解率
　実際のグループ(0: 健常、1: ステージ1、2: ステージ2、3: ステージ3、4: ステージ4) と予測されたグループで分割表を作成し、その対角成分の一致率を算出した。さらに、分割表から各グループの正解率を算出した。上記の4つの回帰モデルを用いた場合の正解率を下記表に示す。いずれのモデルも、充分に高い正解率を示すものであることがわかった。
Figure JPOXMLDOC01-appb-T000035
  
（５－２）カッパ係数
　上記の4つの回帰モデルを用いた場合の重み付けカッパ係数を下記表に示す。いずれのモデルも、充分に高い性能を有することが示された。
Figure JPOXMLDOC01-appb-T000036
  
　本発明者らは、NASH患者のmiRNAを用いて、後ろ向きの解析を行い、miRNAを用いることで非侵襲的に線維化ステージを予測判定できることを見出した。上述のとおり、本発明によれば、NASH患者のmiRNAを測定し、予測モデル式に代入することにより、線維化ステージを予測できることが示された。本発明者らは、4つの予測モデルを構築したが、これらの予測モデルを必要に応じて使い分けることにより、高い精度で予測結果を得ることができる。
実施例５．ＮＡＳＨとmiRNAとの相関性解析（２）
　ＮＡＳＨ患者のmiRNAサンプルを使用して、上述のように、東レが開発した高精度マイクロアレイDNAチップ「3D-Gene」（登録商標）から測定されたmiRNA発現量データを利用し、このmiRNA発現量データの欠測値を各サンプルの最小値で補完して欠測値補完データを得、この欠測値補完データに対して２を基底とする対数変換を行って対数変換データを得、この対数変換データに対して４つの回帰モデルで算出された回帰係数を用いて、ＮＡＳＨのBrunt分類の予測値を算出した（図７）。
　　　　（１）multinominal LASSOモデルを用いた相関性解析
　各Stageについて、各miRNAに対応する対数変換データと下記表5-1に示す回帰係数および切片(Intercept)を下記式（１３）に当てはめ、ロジット値を得る。
　　η＝α1x1＋α2x2+...+β　　　　（１３）
式中のαは係数、βは切片、xは各miRNA、ηはロジット値を指す。このロジット値に対して、ロジスティック変換の逆変換を行うことで、０～１の間の確率値に変換し、予測確率を算出し、最も確率が高いBrunt分類を予測値とした。
Figure JPOXMLDOC01-appb-T000037
  
　　　　（２）gaussian LASSOモデルを用いた相関性解析
　各miRNAに対応する対数変換データと下記表5-2に示す回帰係数および切片(Intercept)を下記式（１４）に当てはめ、ロジット値を得る。
　　η＝α1x1＋α2x2+...+β　　　　（１４）
式中のαは係数、βは切片、xは各miRNA、ηはロジット値を指す。このロジット値と表5-3の各StageのCutoff値とを下記条件に当てはめ、条件に当てはまったBrunt分類を予測値とした。
　・ロジット値がStage 0|1のCutoff値未満の場合、Brunt分類は0とする。
　・ロジット値がStage 0|1のCutoff値以上かつStage 1|2のCutoff値未満の場合、Brunt分類は1とする。
　・ロジット値がStage 1|2のCutoff値以上かつStage 2|3のCutoff値未満の場合、Brunt分類は2とする。
　・ロジット値がStage 2|3のCutoff値以上かつStage 3|4のCutoff値未満の場合、Brunt分類は3とする。
　・ロジット値がStage 3|4のCutoff値以上の場合、Brunt分類は4とする。
Figure JPOXMLDOC01-appb-T000038
  
Figure JPOXMLDOC01-appb-T000039
  
　　　　（３）順序ロジスティック回帰モデル１を用いた相関性解析
　各Stageについて、各miRNAに対応する対数変換データと下記表5-4に示す回帰係数および下記表5-5に示す切片(Intercept)を下記式（１５）に当てはめ、ロジット値を得る。
　　η＝-α1x1-α2x2-...+β　　　　（１５）
式中のαは係数、βは切片、xは各miRNA、ηはロジット値を指す。このロジット値に対して、ロジスティック変換の逆変換を行うことで、０～１の間の確率値に変換し、予測確率を算出した。さらに、Stageごとに予測確率の差を算出し、最も確率が高いBrunt分類を予測値とする。Stageごとの予測確率の差の算出方法は下記の通りである。
・Stage 0の予測確率の差=1-Stage 0|1の予測確率
・Stage 1の予測確率の差=Stage 0|1の予測確率-Stage 1|2の予測確率
・Stage 2の予測確率の差=Stage 1|2の予測確率-Stage 2|3の予測確率
・Stage 3の予測確率の差=Stage 2|3の予測確率-Stage 3|4の予測確率
・Stage 4の予測確率の差=Stage 3|4の予測確率
Figure JPOXMLDOC01-appb-T000040
  
Figure JPOXMLDOC01-appb-T000041
  
　　　　（４）順序ロジスティック回帰モデル２を用いた相関性解析
　各Stageについて、各miRNAに対応する対数変換データと下記表5-6に示す回帰係数および下記表5-7に示す切片(Intercept)を下記式（１６）に当てはめ、ロジット値を得る。
　　η＝-α1x1-α2x2-...+β　　　　（１６）
式中のαは係数、βは切片、xは各miRNA、ηはロジット値を指す。このロジット値に対して、ロジスティック変換の逆変換を行うことで、０～１の間の確率値に変換し、予測確率を算出した。さらに、Stageごとに予測確率の差を算出し、最も確率が高い線維化ステージを予測値とする。Stageごとの予測確率の差の算出方法は下記の通りである。
・Stage 0の予測確率の差=1-Stage 0|1の予測確率
・Stage 1の予測確率の差=Stage 0|1の予測確率-Stage 1|2の予測確率
・Stage 2の予測確率の差=Stage 1|2の予測確率-Stage 2|3の予測確率
・Stage 3の予測確率の差=Stage 2|3の予測確率-Stage 3|4の予測確率
・Stage 4の予測確率の差=Stage 3|4の予測確率
Figure JPOXMLDOC01-appb-T000042
Figure JPOXMLDOC01-appb-I000043
Figure JPOXMLDOC01-appb-T000044
  
　　　　（５）判別性能
（５－１）正解率
　実際のグループ(0: 健常、1: ステージ1、2: ステージ2、3: ステージ3、4: ステージ4) と予測されたグループで分割表を作成し、その対角成分の一致率を算出した。さらに、分割表から各グループの正解率を算出した。上記の4つの回帰モデルを用いた場合の正解率を下記表に示す。いずれのモデルも、充分に高い正解率を示すものであることがわかった。
Figure JPOXMLDOC01-appb-T000045
  
（５－２）カッパ係数
　上記の4つの回帰モデルを用いた場合の重み付けカッパ係数を下記表に示す。いずれのモデルも、充分に高い性能を有することが示された。
Figure JPOXMLDOC01-appb-T000046
　本発明者らは、NASH患者のmiRNAを用いて、後ろ向きの解析を行い、miRNAを用いることで非侵襲的にBrunt分類を予測判定できることを見出した。上述のとおり、本発明によれば、NASH患者のmiRNAを測定し、予測モデル式に代入することにより、Brunt分類を予測できることが示された。本発明者らは、4つの予測モデルを構築したが、これらの予測モデルを必要に応じて使い分けることにより、高い精度で予測結果を得ることができる。
　本発明の肝疾患非侵襲性バイオマーカー、並びに当該バイオマーカーを用いたキット、方法、及びプログラム、並びに、当該肝疾患非侵襲性マーカーを用いて肝疾患を高精度に検出するためのデータ処理方法、当該データ処理に用いるためのデータ処理装置を用いることにより、肝疾患を非侵襲的又は低侵襲的かつ高精度に検出することができる。 

Claims (96)

  1. 　バイオマーカーであるmiR-4454（配列番号１）、miR-3138（配列番号２）、miR-3679（配列番号３）、miR-4521（配列番号４）、miR-320A（配列番号５）、miR-483（配列番号６）、miR-122（配列番号７）、miR-125B-1（配列番号８）、miR-125B-2（配列番号９）、miR-194-1（配列番号１０）、miR-194-2（配列番号１１）、miR-99a（配列番号１２）、miR-223（配列番号１３）、miR-378a（配列番号１４）、miR-34a（配列番号１５）、miR-320c-1（配列番号１６）、miR-320b-1（配列番号１７）、miR-192（配列番号１８）、miR-148a（配列番号１９）、miR-100（配列番号２０）、miR-144（配列番号２１）、miR-320b-2（配列番号２２）、miR-451a（配列番号２３）、miR-548d-3p（配列番号２４）、miR-320b（配列番号２５）、miR-1470（配列番号２６）、miR-4258（配列番号２７）、miR-4673（配列番号２８）、miR-4748（配列番号２９）、miR-4787-3p（配列番号３０）、miR-204-3p（配列番号３１）、miR-6131（配列番号３２）、miR-6752-3p（配列番号３３）、miR-4648（配列番号３４）、miR-6126（配列番号３５）、miR-1228-3p（配列番号３６）、miR-1231（配列番号３７）、miR-4286（配列番号３８）、miR-3935（配列番号３９）、miR-2467-3p（配列番号４０）、miR-1185-2-3p（配列番号４１）、miR-6729-3p（配列番号４２）、miR-6798-3p（配列番号４３）、miR-379-5p（配列番号４４）、miR-323a-5p（配列番号４５）、miR-665（配列番号４６）、miR-4279（配列番号４７）、miR-3605-5p（配列番号４８）、miR-4684-3p（配列番号４９）、miR-365b-5p（配列番号５０）、miR-6782-5p（配列番号５１）、miR-6880-3p（配列番号５２）、miR-6887-3p（配列番号５３）、miR-4433b-5p（配列番号５４）、miR-10396a-3p（配列番号５５）、miR-373-5p（配列番号５６）、miR-4539（配列番号５７）、miR-4687-3p（配列番号５８）、miR-4763-5p（配列番号５９）、miR-4482-3p（配列番号６０）、miR-6721-5p（配列番号６１）、miR-6812-3p（配列番号６２）、miR-6815-5p（配列番号６３）、miR-6871-5p（配列番号６４）、miR-7975（配列番号６５）、miR-11181-3p（配列番号６６）、miR-2278（配列番号６７）、miR-3192-5p（配列番号６８）、miR-4722-3p（配列番号６９）、miR-4750-3p（配列番号７０）、miR-6804-5p（配列番号７１）、miR-6828-5p（配列番号７２）、miR-614（配列番号７３）、miR-320c（配列番号７４）、miR-2110（配列番号７５）、miR-3177-3p（配列番号７６）、miR-4497（配列番号７７）、miR-210-5p（配列番号７８）、miR-6778-5p（配列番号７９）、miR-6780a-5p（配列番号８０）、miR-6801-3p（配列番号８１）、miR-8059（配列番号８２）、miR-657（配列番号８３）、miR-921（配列番号８４）、miR-4451（配列番号８５）、miR-3059-3p（配列番号８６）、miR-3619-3p（配列番号８７）、miR-4646-5p（配列番号８８）、miR-525-5p（配列番号８９）、miR-4444（配列番号９０）、miR-4458（配列番号９１）、miR-4746-3p（配列番号９２）、miR-1292-3p（配列番号９３）、miR-6133（配列番号９４）、miR-6754-3p（配列番号９５）、miR-365a-3p（配列番号９６）、miR-365b-3p（配列番号９７）、miR-6748-3p（配列番号９８）、miR-6892-3p（配列番号９９）、miR-8083（配列番号１００）、miR-4724-5p（配列番号１０１）、miR-6884-5p（配列番号１０２）、miR-7156-3p（配列番号１０３）、miR-19b-3p（配列番号１０４）、miR-518e-3p（配列番号１０５）、miR-646（配列番号１０６）、miR-298（配列番号１０７）、miR-1234-3p（配列番号１０８）、miR-2115-5p（配列番号１０９）、miR-3142（配列番号１１０）、miR-3179（配列番号１１１）、miR-3190-5p（配列番号１１２）、miR-3675-3p（配列番号１１３）、miR-4441（配列番号１１４）、miR-4475（配列番号１１５）、miR-6718-5p（配列番号１１６）、miR-6743-3p（配列番号１１７）、miR-6894-3p（配列番号１１８）、miR-7112-5p（配列番号１１９）、miR-12116（配列番号１２０）、miR-518d-3p（配列番号１２１）、miR-145-5p（配列番号１２２）、miR-6801-5p（配列番号１２３）、miR-127-3p（配列番号１２４）、及びmiR-4731-3p（配列番号１２５）からなる群より選択される１以上のポリヌクレオチド、又は当該ポリヌクレオチドの相補鎖と特異的に結合可能な核酸を含む、肝疾患の検出キット。
  2. 　バイオマーカーである配列番号１～８２のポリヌクレオチドからなる群より選択される１以上のポリヌクレオチド、又は当該ポリヌクレオチドの相補鎖と特異的に結合可能な核酸を含む、請求項１に記載の肝疾患の検出キット。
  3. 　バイオマーカーである配列番号１～４のポリヌクレオチドからなる群より選択されるポリヌクレオチド、又は当該ポリヌクレオチドの相補鎖と特異的に結合可能な核酸を含む、請求項２に記載の肝疾患の検出キット。
  4. 　前記キットが、少なくとも１つの、別のバイオマーカーであるポリヌクレオチドと特異的に結合可能な核酸をさらに含む、請求項３に記載の検出キット。
  5. 　前記別のバイオマーカーが、配列番号５～２２のポリヌクレオチドからなる群より選択される１以上である、請求項４に記載の検出キット。
  6. 　バイオマーカーである、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５のポリヌクレオチドからなる群より選択される１以上のポリヌクレオチド、又は当該ポリヌクレオチドの相補鎖と特異的に結合可能な核酸を含む、請求項１に記載の肝疾患の検出キット。
  7. 　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、請求項１に記載の肝疾患の検出キット。
  8. 　前記肝疾患が、ウイルス性肝疾患である、請求項２に記載の肝疾患の検出キット。
  9. 　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、請求項６に記載の肝疾患の検出キット。
  10. 　前記核酸が、下記の（ａ）～（ｃ）のいずれかに示すポリヌクレオチド又はその断片から選択される、請求項１に記載の肝疾患の検出キット：
    （ａ）
    　（ａ－１）配列番号１～１２５のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列に相補的な塩基配列からなるポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、
    　（ａ－２）（ａ－１）のポリヌクレオチド又はその断片の塩基配列において、１以上の塩基の欠失、置換、付加、又は挿入を含むポリヌクレオチド又はその断片、
    　（ａ－３）修飾核酸及び／又は修飾ヌクレオチドを含む（ａ－１）又は（ａ－２）のポリヌクレオチド又はその断片、
    （ｂ）配列番号１～１２５のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列に相補的な塩基配列を含むポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、及び
    （ｃ）下記の（ｃ－１）～（ｃ－４）のいずれかに示すポリヌクレオチド又はその断片とハイストリンジェントな条件でハイブリダイズするポリヌクレオチド。
    　（ｃ－１）配列番号１～１２５のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列からなるポリヌクレオチド、又は１５以上の連続した塩基を含むその断片、
    　（ｃ－２）（ｃ－１）のポリヌクレオチド又はその断片の塩基配列において、１以上の塩基の欠失、置換、付加、又は挿入を含むポリヌクレオチド又はその断片、
    　（ｃ－３）修飾核酸及び／又は修飾ヌクレオチドを含む（ｃ－１）又は（ｃ－２）のポリヌクレオチド又はその断片、
    　（ｃ－４）配列番号１～１２５のいずれかで表される塩基配列もしくは当該塩基配列においてｕがｔである塩基配列を含むポリヌクレオチド、又は１５以上の連続した塩基を含むその断片
  11. 　前記（ａ）～（ｃ）のいずれかに示すポリヌクレオチドが、配列番号１～８２のいずれかで表されるポリヌクレオチドから選択される、請求項１０に記載の肝疾患の検出キット。
  12. 　前記（ａ）～（ｃ）のいずれかに示すポリヌクレオチドが、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５のいずれかで表されるポリヌクレオチドから選択される、請求項１０に記載の肝疾患の検出キット。
  13. 　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、請求項１０に記載の肝疾患の検出キット。
  14. 　前記肝疾患が、ウイルス性肝疾患である、請求項１１に記載の肝疾患の検出キット。
  15. 　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、請求項１２に記載の肝疾患の検出キット。
  16. 　配列番号１～１２５のポリヌクレオチドからなる群より選択される、バイオマーカー。
  17. 　配列番号１～８２のポリヌクレオチドからなる群より選択される、請求項１６に記載のバイオマーカー。
  18. 　配列番号１～４のポリヌクレオチドからなる群より選択される、請求項１７に記載のバイオマーカー。
  19. 　配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５のポリヌクレオチドからなる群より選択される、請求項１６に記載のバイオマーカー。
  20. 　前記バイオマーカーが、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からなる群より選択される生体試料から得られる、請求項１６に記載のバイオマーカー。
  21. 　肝疾患の有無又はそのリスクを診断するために用いられる、請求項１６に記載のバイオマーカー。
  22. 　肝疾患の進行度を判定するために用いられる、請求項１６に記載のバイオマーカー。
  23. 　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、請求項１６に記載のバイオマーカー。
  24. 　前記肝疾患が、ウイルス性肝疾患である、請求項１７に記載のバイオマーカー。
  25. 　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、請求項１９に記載のバイオマーカー。
  26. 　対象からの生体試料中のバイオマーカーのレベルを測定することと、
    　前記バイオマーカーの測定値と対照値とを比較することと、
    を含む、前記対象における肝疾患の有無又はそのリスク又は進行度、並びに／あるいは治療のために実施された処置の成功度を判定する方法であって、
    　前記バイオマーカーが、配列番号１～１２５のポリヌクレオチドからなる群より選択される１以上である、方法。
  27. 　前記バイオマーカーが、配列番号１～８２のポリヌクレオチドからなる群より選択される１以上である、請求項２６に記載の方法。
  28. 　前記バイオマーカーが、配列番号１～４のポリヌクレオチドからなる群より選択される、請求項２７に記載の方法。
  29. 　対象からの生体試料中の追加のバイオマーカーのレベルを測定することと、
    　前記追加のバイオマーカーの測定値と対照値とを比較することと、
    をさらに含む、請求項２８に記載の方法。
  30. 　前記追加のバイオマーカーが、配列番号５～２２のポリヌクレオチドからなる群より選択される１以上である、請求項２９に記載の方法。
  31. 　前記バイオマーカーが、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５のポリヌクレオチドからなる群より選択される、請求項２６に記載の方法。
  32. 　前記生体試料が、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からからなる群より選択される、請求項２６に記載の方法。
  33. 　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、請求項２６に記載の方法。
  34. 　前記肝疾患が、ウイルス性肝疾患である、請求項２７に記載の方法。
  35. 　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、請求項３１に記載の方法。
  36. 　肝疾患の治療薬の候補化合物を投与された対象からの生体試料中のバイオマーカーのレベルを測定することと、
    　前記バイオマーカーの測定値と対照値とを比較することと、
    を含む、前記対象における肝疾患の治療薬の候補化合物をスクリーニングする方法であって、
    　前記バイオマーカーが、配列番号１～１２５のポリヌクレオチドからなる群より選択される１以上である、方法。
  37. 　前記バイオマーカーが、配列番号１～８２のポリヌクレオチドからなる群より選択される１以上である、請求項３６に記載の方法。
  38. 　前記バイオマーカーが、配列番号１～４のポリヌクレオチドからなる群より選択される、請求項３７に記載の方法。
  39. 　対象からの生体試料中の追加のバイオマーカーのレベルを測定することと、
    　前記追加のバイオマーカーの測定値と対照値とを比較することと、
    をさらに含む、請求項３８に記載の方法。
  40. 　前記追加のバイオマーカーが、配列番号５～２２のポリヌクレオチドからなる群より選択される１以上である、請求項３９に記載の方法。
  41. 　前記バイオマーカーが、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５のポリヌクレオチドからなる群より選択される、請求項３６に記載の方法。
  42. 　前記生体試料が、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からなる群より選択される、請求項３６に記載の方法。
  43. 　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、請求項３６に記載の方法。
  44. 　前記肝疾患が、ウイルス性肝疾患である、請求項３７に記載の方法。
  45. 　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、請求項４１に記載の方法。
  46. 　対象からの生体試料中のバイオマーカーのレベルを測定することと、
    　前記バイオマーカーの測定値と対照値とを比較することと、
    を含む、前記対象における肝疾患を治療する方法であって、
    　前記バイオマーカーが、配列番号１～１２５のポリヌクレオチドからなる群より選択される１以上である、方法。
  47. 　前記バイオマーカーが、配列番号１～８２のポリヌクレオチドからなる群より選択される１以上である、請求項４６に記載の方法。
  48. 　前記バイオマーカーが、配列番号１～４のポリヌクレオチドからなる群より選択される、請求項４７に記載の方法。
  49. 　対象からの生体試料中の追加のバイオマーカーのレベルを測定することと、
    　前記追加のバイオマーカーの測定値と対照値とを比較することと、
    をさらに含む、請求項４８に記載の方法。
  50. 　前記追加のバイオマーカーが、配列番号５～２２のポリヌクレオチドからなる群より選択される１以上である、請求項４９に記載の方法。
  51. 　前記バイオマーカーが、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５のポリヌクレオチドからなる群より選択される、請求項４６に記載の方法。
  52. 　前記生体試料が、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からなる群より選択される、請求項４６に記載の方法。
  53. 　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、請求項４６に記載の方法。
  54. 　前記肝疾患が、ウイルス性肝疾患である、請求項４７に記載の方法。
  55. 　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、請求項５１に記載の方法。
  56. 　対象からの生体試料中のバイオマーカー１のレベルを測定することと、
    　前記バイオマーカー１の測定値と対照値とを比較してパラメータ１を得ることと、
    　対象からの生体試料中の少なくとも１つの追加のバイオマーカーＮのレベルを測定すること（ここで、Ｎは２以上の整数である）と、
    　前記追加のバイオマーカーＮの測定値と対照値とを比較してパラメータＮを得ることと、
    　パラメータ１と１以上のパラメータＮとの組合せで構成される一組の少なくとも２つのパラメータの形態の結果が得られること、
    とを含み、
    　前記一組の少なくとも２つのパラメータの形態の結果が、前記対象における肝疾患の有無又はそのリスク又は進行度、並びに／あるいは治療のために実施された処置の成功度を示す、肝疾患を高精度に検出する方法。
  57. 　前記一組の少なくとも２つのパラメータの形態の結果が、コンピュータプログラムを用いて評価される、請求項５６に記載の方法。
  58. 　前記バイオマーカー１及び前記少なくとも１つの追加のバイオマーカーが、配列番号１～１２５のポリヌクレオチドからなる群より選択される、請求項５６に記載の方法。
  59. 　前記バイオマーカー１及び前記少なくとも１つの追加のバイオマーカーが、配列番号１～８２のポリヌクレオチドからなる群より選択される１以上である、請求項５８に記載の方法。
  60. 　前記バイオマーカーが１及び前記少なくとも１つの追加のバイオマーカー、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５のポリヌクレオチドからなる群より選択される、請求項５８に記載の方法。
  61. 　前記生体試料が、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からからなる群より選択される、請求項５６に記載の方法。
  62. 　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、請求項５６に記載の方法。
  63. 　前記肝疾患が、ウイルス性肝疾患である、請求項５９に記載の方法。
  64. 　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、請求項６０に記載の方法。
  65. 　対象からの生体試料中の１つ以上のバイオマーカーのレベルを測定する手段と、
    　前記１つ以上のバイオマーカーの測定値をそれぞれその対照値と比較することにより、複数のパラメータを得る手段と、
    　前記複数のパラメータから、前記対象における肝疾患の有無又はそのリスク又は進行度、並びに／あるいは治療のために実施された処置の成功度を算出する手段と、
    を備える、肝疾患の診断支援システム。
  66. 　前記１つ以上のバイオマーカーが、配列番号１～１２５のポリヌクレオチドからなる群より選択される、請求項６５に記載の肝疾患の診断支援システム。
  67. 　前記バイオマーカーが、配列番号１～８２のポリヌクレオチドからなる群より選択される１以上である、請求項６６に記載の肝疾患の診断支援システム。
  68. 　前記バイオマーカーが、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５のポリヌクレオチドからなる群より選択される、請求項６６に記載の肝疾患の診断支援システム。
  69. 　前記生体試料が、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からからなる群より選択される、請求項６５に記載の肝疾患の診断支援システム。
  70. 　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、請求項６５に記載の肝疾患の診断支援システム。
  71. 　前記肝疾患が、ウイルス性肝疾患である、請求項６７に記載の肝疾患の診断支援システム。
  72. 　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、請求項６８に記載の肝疾患の診断支援システム。
  73. 　コンピュータが実行する、被験体の肝疾患の病態を病期分類するためのデータ処理を行う方法であって、前記コンピュータは、
    　コンピュータ・プロセッサと、
    　前記被験体の肝疾患の病態を病期分類するための指示を出すソフトウェアを備えるコンピュータ読み取り可能な記録媒体とを備え、
    　前記方法が、
    　前記被験体から得られた生体試料中の１つ以上のバイオマーカーの測定値をそれぞれその対照値と比較することにより複数のパラメータのデータを得ることと、
    　前記コンピュータが、前記コンピュータ・プロセッサを用いて指示を実行することにより、前記複数のパラメータのデータを処理して、前記コンピュータが、被験体の肝疾患の病態を判定し、その判定の結果を、被験体の肝疾患の病態を病期分類するための指示を出すソフトウェアによる情報として出力することとを含み、
    　前記病期分類が、肝線維化ステージ、チャイルド・ピュー分類、MELDスコア、MELD Naスコア、PELDスコア、ALBIスコア、ｍALBI（modified ALBI）スコア、FibroScanスコア、新犬山分類、新ヨーロッパ分類、及びBrunt分類からなる群より選択される１以上を含む、方法。
  74. 　前記判定の結果が、前記複数のパラメータのデータを処理することによりそれぞれ判定された結果の組合せである、請求項７３に記載の方法。
  75. 　前記１つ以上のバイオマーカーが、配列番号１～１２５のポリヌクレオチドからなる群より選択される、請求項７３に記載の方法。
  76. 　前記バイオマーカーが、配列番号１～８２のポリヌクレオチドからなる群より選択される１以上である、請求項７５に記載の方法。
  77. 　前記バイオマーカーが、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５のポリヌクレオチドからなる群より選択される、請求項７５に記載の方法。
  78. 　前記生体試料が、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からからなる群より選択される、請求項７３に記載の方法。
  79. 　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、請求項７３に記載の方法。
  80. 　前記肝疾患が、ウイルス性肝疾患である、請求項７６に記載の方法。
  81. 　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、請求項７７に記載の方法。
  82. 　前記被験体が哺乳動物被験体である、請求項７３に記載の方法。
  83. 　前記被験体がヒト被験体である、請求項８２に記載の方法。
  84. 　対象における肝疾患の有無又はそのリスク又は進行度の判定、並びに／あるいは治療のために実施された処置の成功度の判定をコンピュータに実行させるためのプログラムであって、前記プログラムが、
    　対象からの生体試料中から得られた１つ以上のバイオマーカーのレベルの測定値をそれぞれ取得する測定値取得工程と、
    　前記１つ以上のバイオマーカーの測定値とそれぞれの対照値とを比較することにより、複数のパラメータのデータを得るパラメータデータ取得工程と、
    　前記複数のパラメータのデータに基づいて、対象における肝疾患の有無又はそのリスク又は進行度の判定、並びに／あるいは治療のために実施された処置の成功度を判定する判定工程と、
    を実行し、
    　前記バイオマーカーが、配列番号１～１２５のポリヌクレオチドからなる群より選択される、プログラム。
  85. 　miRNA発現量のデータに欠測値を補完することにより欠測値補完データを得る欠測値補完部と、
    　前記欠測値補完データを対数変換することにより対数変換データを得る対数変換部と、
    　前記対数変換データを回帰モデルに代入して回帰変換を実行することにより回帰変換データを得る回帰変換部と、
    　教師データを取得する教師データ取得部と、
    　前記回帰変換データを教師データとして用いて、学習済みモデルを作成する学習済みモデル作成部と、
    を備える、肝疾患を検出するためのデータ処理を行うデータ処理装置であって、
    　前記miRNAが、配列番号１～１２５のポリヌクレオチドからなる群より選択される１以上である、肝疾患を検出するためのデータ処理を行うデータ処理装置。
  86. 　前記回帰変換が、
    　回帰係数を乗じることと、
    　線維化ステージ毎に切片の値を加算することにより線維化ステージの予測結果を示すロジット値を得ることと、
    　前記ロジット値に対してロジスティック変換の逆変換を行うことにより０から１の間の確率値に変換して各線維化ステージの予測確率を算出することと、
    　各線維化ステージの前記予測確率のうち最も確率が高い線維化ステージを予測値とすることと、
    を含む、請求項８５に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
  87. 　前記回帰モデルが、multinominal LASSOモデル、gaussian LASSO（Least Absolute Shrinkage and Selection Operator）モデル、及び順序ロジスティック回帰モデルからなる群より選択される、請求項８６に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
  88. 　前記教師データが、学習用血中miRNA濃度と、前記学習用血中miRNA濃度に対応する線維化ステージとの関係を示す教師データである、請求項８５に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
  89. 　肝疾患を検出するためのデータ処理が、教師データを取得する教師データ取得工程と、前記教師データを用いて学習データを作成する学習データ作成行程とをさらに含み、
    　前記教師データが、学習用血中miRNA濃度と、前記学習用血中miRNA濃度に対応する線維化ステージとの関係を示す教師データである、請求項８５に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
  90. 　肝疾患を検出するためのデータ処理が、解析用データを得る前処理工程をさらに含み、前記前処理工程が、
    　低発現miRNAをリスト化して低発現miRNAリストを得ることと、
    　前記miRNAリストのデータに欠測値を補完することにより欠測値補完データを得ることと、
    　前記低発現miRNAリストに含まれる低発現miRNAを解析対象から除外して変換用データを得ることと、
    　前記変換用データを対数変換することと、
    を含む、請求項８５に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
  91. 　前記miRNAが、配列番号１～８２のポリヌクレオチドからなる群より選択される１以上である、請求項８５に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
  92. 　前記miRNAが、配列番号２３、３０、３５、３６、４３、６５、７３、８１、８３～１２５のポリヌクレオチドからなる群より選択される、請求項８５に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
  93. 　前記生体試料が、血液、血清、血漿、唾液、汗、涙、便、尿、及び臓器検体からからなる群より選択される、請求項８５に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
  94. 　前記肝疾患が、肝炎、肝線維症、脂肪肝、肝硬変、及び肝がんからなる群より選択される、請求項８５に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
  95. 　前記肝疾患が、ウイルス性肝疾患である、請求項９１に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
  96. 　前記肝疾患が、非アルコール性脂肪肝（ＮＡＳＨ）である、請求項９２に記載の肝疾患を検出するためのデータ処理を行うデータ処理装置。
PCT/JP2023/029768 2022-08-17 2023-08-17 肝疾患非侵襲性バイオマーカー及びこれを用いた肝疾患の検出 WO2024038901A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022-130277 2022-08-17
JP2022130277 2022-08-17

Publications (1)

Publication Number Publication Date
WO2024038901A1 true WO2024038901A1 (ja) 2024-02-22

Family

ID=89941745

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/029768 WO2024038901A1 (ja) 2022-08-17 2023-08-17 肝疾患非侵襲性バイオマーカー及びこれを用いた肝疾患の検出

Country Status (1)

Country Link
WO (1) WO2024038901A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011217617A (ja) * 2010-04-05 2011-11-04 Kyoto Univ ｍｉＲＮＡを利用した慢性肝疾患の線維化の検査方法
WO2013125691A1 (ja) * 2012-02-23 2013-08-29 住友ベークライト株式会社 テスト体液サンプルの分類方法
WO2016196945A1 (en) * 2015-06-05 2016-12-08 Regulus Therapeutics Inc. Non-alcoholic fatty liver disease biomarkers
WO2017046181A1 (en) * 2015-09-14 2017-03-23 Genfit Methods for diagnosing and evaluating non-alcoholic steatohepatitis

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011217617A (ja) * 2010-04-05 2011-11-04 Kyoto Univ ｍｉＲＮＡを利用した慢性肝疾患の線維化の検査方法
WO2013125691A1 (ja) * 2012-02-23 2013-08-29 住友ベークライト株式会社 テスト体液サンプルの分類方法
WO2016196945A1 (en) * 2015-06-05 2016-12-08 Regulus Therapeutics Inc. Non-alcoholic fatty liver disease biomarkers
WO2017046181A1 (en) * 2015-09-14 2017-03-23 Genfit Methods for diagnosing and evaluating non-alcoholic steatohepatitis

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KOMORI, ATSUMASA ET AL.: "O-245 Search for serum miRNAs whose expression levels change after eradication of hepatitis C virus", KANZO = ACTA HEPATOLOGICA JAPONICA, NIHON KANZO KYOKAI, TOKYO,, JP, vol. 59, no. Suppl. 1, 1 January 2018 (2018-01-01), JP , pages A432, XP009553224, ISSN: 0451-4203 *

Similar Documents

Publication Publication Date Title
JP7042784B2 (ja) 遺伝子発現を用いた前立腺癌の予後を定量化する方法
JP6908571B2 (ja) 前立腺癌の予後を定量化するための遺伝子発現プロフィールアルゴリズムおよび試験
JP7000658B2 (ja) 肝臓病変を評価する方法
JP6927701B2 (ja) 胆道がんの検出キット又はデバイス及び検出方法
CN106574296A (zh) 用于测定dna的组织或细胞来源的方法和试剂盒
JP2008521412A (ja) 肺癌予後判定手段
EP2121988B1 (en) Prostate cancer survival and recurrence
CN108588230B (zh) 一种用于乳腺癌诊断的标记物及其筛选方法
TW201636429A (zh) 用於檢測川崎病的方法及套組
CN108676872B (zh) 一种与哮喘相关的生物标志物及其应用
JP2011525106A (ja) 瀰漫性ｂ大細胞型リンパ腫のマーカーおよびその使用方法
EP2861992A1 (en) Methods for head and neck cancer prognosis
WO2015081110A2 (en) Method for predicting congenital heart defect
CA3211540A1 (en) Methods for detection of donor-derived cell-free dna in transplant recipients of multiple organs
US20180051342A1 (en) Prostate cancer survival and recurrence
JP2011211955A (ja) 肝ガン患者予後予測用組成物及び方法
US20150045243A1 (en) Mirnas as non-invasive biomarkers for diagnosis
WO2024038901A1 (ja) 肝疾患非侵襲性バイオマーカー及びこれを用いた肝疾患の検出
WO2013002750A2 (en) Determining tumor origin
JP5897823B2 (ja) 膀胱ガン診断用組成物及び方法
JP5884219B2 (ja) ｍｉＲＮＡ発現プロファイリングに基づく尿路上皮癌の検出方法
CN106544435A (zh) 检测miR‑206所需逆转录引物对在制备预测试剂盒中的应用
JP2022028438A (ja) アルツハイマー型認知症発症リスク評価のための方法、キット及びデバイス
KR101772448B1 (ko) 성격 특성 판단용 조성물
WO2009157251A1 (ja) 統合失調症の診断方法

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: 23854935

Country of ref document: EP

Kind code of ref document: A1