CN110291206A - 用于评估***癌晚期临床终点的算法和方法 - Google Patents

用于评估***癌晚期临床终点的算法和方法 Download PDF

Info

Publication number
CN110291206A
CN110291206A CN201880011757.7A CN201880011757A CN110291206A CN 110291206 A CN110291206 A CN 110291206A CN 201880011757 A CN201880011757 A CN 201880011757A CN 110291206 A CN110291206 A CN 110291206A
Authority
CN
China
Prior art keywords
patient
grouped
score
group
risk
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
CN201880011757.7A
Other languages
English (en)
Inventor
吕睿皛
M·克拉格
N·张
T·曼达拉
P·菲博
H·J·劳伦斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kemei Health Co Ltd
Genomic Health Inc
Original Assignee
Kemei Health Co Ltd
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 Kemei Health Co Ltd filed Critical Kemei Health Co Ltd
Publication of CN110291206A publication Critical patent/CN110291206A/zh
Pending legal-status Critical Current

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6809—Methods for determination or identification of nucleic acids involving differential detection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/118—Prognosis of disease development
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers

Landscapes

  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Organic Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Genetics & Genomics (AREA)
  • Wood Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Zoology (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biotechnology (AREA)
  • Medical Informatics (AREA)
  • Microbiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Biochemistry (AREA)
  • Public Health (AREA)
  • Hospice & Palliative Care (AREA)
  • Oncology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Peptides Or Proteins (AREA)
  • Image Processing (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medicines That Contain Protein Lipid Enzymes And Other Medicines (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本公开文本涉及基于多基因表达的基因组***得分TM(GPSTM)算法用于评估***癌患者中的各种临床终点的用途，所述临床终点是例如临床复发(CR)、生化复发(BCR)、远处转移(Met)和***癌死亡(PCD)的风险。在一些实施方案中，确定低和中等风险的***癌患者的GPS结果，以帮助确定针对那些患者的治疗策略。

Description

用于评估***癌晚期临床终点的算法和方法
相关申请的交叉引用
本申请要求2017年2月13日提交的美国临时专利申请号62/458,474、2017年3月17日提交的美国临时专利申请号62/473,204和2017年10月30日提交的美国临时专利申请号62/578,622的优先权权益。
技术领域
本公开文本涉及基于多基因表达的***基因组得分TM(GPSTM)测试算法用于评估***癌患者的各种临床终点(例如临床复发(CR，本文中也称为转移)、生化复发(BCR)、远处转移(Met)和***癌死亡(PCD)的风险)的用途，以及在一些实施方案中涉及用于确定低、中等风险***癌患者的临床管理选项的用途。
背景技术
1987年***特异性抗原(PSA)筛查的引进导致了针对许多惰性***癌病例的诊断和积极治疗，这些病例本来从未具有临床意义或从未致死。其原因在于，大多数病例中***癌的自然病史是惰性的，并且即使未经治疗，也不会在男性的一生中有所发展而导致痛苦或死亡。虽然大约一半的男性在其一生中患上侵袭性***癌(通过尸检研究发现)(B.Halpert等人,Cancer 16:737-742(1963)；B.Holund,Scand J Urol Nephrol 14:29-35(1980)；S.Lundberg等人,Scand J Urol Nephrol 4:93-97(1970)；M.Yin等人,J Urol179:892-895(2008))，但只有17％会被诊断患有***癌，并且仅有3％会因***癌而死亡。Cancer Facts and Figures.Atlanta,GA:American Cancer Society(2010)；JE Damber等人,Lancet 371:1710-1721(2008)。
然而目前，很高比例的被诊断患有***癌(甚至是低风险***癌)的男性，接受了立即的根治性***切除术(RP)或确定性放射疗法治疗。MR Cooperberg等人,J ClinOncol 28:1117-1123(2010)；MR Cooperberg等人,J Clin Oncol 23:8146-8151(2005)。手术和放射疗法降低了***癌复发和死亡的风险(AV D'Amico等人,Jama 280:969-974(1998)；M Han等人,Urol Clin North Am 28:555-565(2001)；WU Shipley等人,Jama 281:1598-1604(1999)；AJ Stephenson等人,J Clin Oncol 27:4300-4305(2009))，然而估计的必须接受治疗以防死于***癌的男性人数在12至100之间。A Bill-Axelson等人,J NatlCancer Inst 100:1144-1154(2008)；J Hugosson等人,Lancet Oncol 11:725-732(2010)；LH Klotz等人,Can J Urol 13Suppl 1:48-55(2006)；S Loeb等人,J Clin Oncol 29:464-467(2011)；FH Schroder等人,N Engl J Med 360:1320-1328(2009)。这种对***癌的过度治疗是以金钱和毒性为代价。例如，大多数接受根治性***切除术的男性因手术而遭受失禁和阳痿(MS Litwin等人,Cancer 109:2239-2247(2007)；MG Sanda等人,N Engl JMed 358:1250-1261(2008)，并且多达25％的男性对他们治疗***癌的选择感到后悔。FRSchroeck等人,Eur Urol 54:785-793(2008)。
***癌过度治疗的原因之一是缺乏足够的预后工具，来将需要立即确定性疗法的男性和适合接受推迟立即疗法、取而代之接受主动监视的男性候选者区分开。例如，在显现患有低风险疾病(根据临床分期、治疗前PSA和活检格里森(Gleason)得分的结果)、并通过主动监视方案进行管理的男性中，30％-40％在随访的最初几年内会经历疾病进展(由PSA上升、重复活检中格里森得分增加或临床进展诊断出来)，并且其中一些可能失去了治愈性疗法的机会。HB Carter等人,J Urol 178:2359-2364和讨论2364-2355(2007)；MADall'Era等人.,Cancer 112:2664-2670(2008)；L Klotz等人.,J Clin Oncol28:126-131(2010)。并且，在显现是用于主动监视的候选者、但以任何方式接受了立即***切除术的男性中，手术中发现30％-40％男性比预期患有更高风险的疾病，所述情况由以下定义：患有高等级(格里森得分为3+4或更高)或非器官局限性的疾病(囊外扩展(extracapsularextension，ECE))、或精囊受累(SVI)。SL等人,J Urol 181:1628-1633和讨论1633-1624(2009)；CR Griffin等人,J Urol 178:860-863(2007)；PW Mufarrij等人,J Urol 181:607-608(2009)。
目前***癌中复发风险的评估和治疗决策主要是基于PSA水平和/或临床肿瘤分级及分期。尽管临床肿瘤分期已被证明与结果有显著关联，足以被纳入病理报告，但美国病理学家协会共识声明(College of American Pathologists Consensus Statement)指出，对这个信息的获取、解释、报告和分析的途径存在变化。C.Compton等人,Arch PatholLab Med 124:979-992(2000)。因此，现有的病理分期方法被批评为缺乏再现性，因此对个体患者风险可能会提供不精确的估计。
为了提供进一步的信息以帮助确定临床结果的可能性，已经进行了研究以寻找可以预测临床复发可能性的基因表达标志物，并且已经开发并商业化了评估例如多个基因的表达水平的算法。E.Klein等人,Eur Urol 66:550-560(2014)；J.Cullen等人,Eur Urol68:123-131(2015)；国际专利公开号WO 2013/116144，将其各自通过引用并入本文。本公开文本涉及使用试验测量来自若干基因子集的至少12种不同基因的表达水平的方法，例如，作为确定患者(所述患者在其他参数的基础上被置于极低、低、中、高风险组中)的某些长期事件(如临床复发(CR)、生化复发(BCR)、远处转移(Met)和***癌死亡(PCD))的相对风险的手段。在一些实施方案中，患者的***基因组得分(GPS)结果，结合其临床和病理特征，使他处于与其原始临床风险组不同的风险类别。在一些实施方案中，这进一步将患者的处于侵袭性疾病的估计风险精细化和个体化，并允许对患者的改善的治疗计划。
发明内容
在一些实施方案中，本公开文本包括预测***癌患者中不良临床结果(例如BCR、Met和PCD)的可能性的方法，所述方法包括：(a)在含有从所述患者获得的癌细胞的生物样品中测量以下基因的RNA转录物水平：BGN、COL1A1、SFRP4、FLNC、GSN、TPM2、GSTM2、FAM13C、KLK2、AZGP1、SRD5A2和TPX2；(b)对所述基因的RNA转录物水平进行归一化以获得归一化的基因表达水平；(c)计算患者的量化得分(QS)，例如如本文所述的GPS结果；(d)将所述患者分配到量化得分组，其中(i)如果所述患者的QS<或≤阈值38、39、40、41或42，则将所述患者分配到较低得分组；以及(ii)如果所述患者的QS>或≥阈值38、39、40、41或42，则将所述患者分配到高得分组；并且任选地(e)基于患者的得分组预测患者的不良临床结果(例如CR、BCR、Met和PCD)的风险，其中较低得分组表示与高得分组相比不良临床结果的风险较低。在一些实施方案中，在(d)部分中，如果所述患者的QS<或≤40，则将所述患者分配到较低得分组；以及(ii)如果所述患者的QS>或≥40，则将所述患者分配到高得分组。在一些实施方案中，在(d)部分中，如果所述患者的QS≤40，则将所述患者分配到较低得分组；以及(ii)如果所述患者的QS>40，则将所述患者分配到高得分组。在一些实施方案中，对于(d)(i)部分的较低得分组中的患者，如果患者的QS<或≤另外阈值18、19、20、21或22，则将患者分配到低得分组；以及如果患者的QS>或者≥阈值18、19、20、21或22并且如果患者不属于高得分组，则将患者分配到中等得分组。在一些实施方案中，对于(d)(i)部分的较低得分组中的患者，如果患者的QS<或≤20，则将患者分配到低得分组；以及如果患者的QS>或≥20并且如果患者不属于高得分组，则将患者分配到中等得分组。在一些实施方案中，对于(d)(i)部分的较低得分组中的患者，如果患者的QS≤20，则将患者分配到低得分组；以及如果患者的QS>20并且如果患者不属于高得分组，则将患者分配到中等得分组。因此，在一些实施方案中，患者被置于以下三组中：QS<20，QS<20但<40，QS>40。在任一实施方案中，QS可以是如本文所述的GPS。
在上述方法的一些实施方案中，所述患者是非常低或低、中等或高风险的患者。在一些这样的实施方案中，根据AUA/EAU或NCCN分类中的一个或两个，所述患者是非常低或低、中等或高风险的患者。在一些实施方案中，所述方法进一步包括提供报告，所述报告提供患者的量化得分和得分组。在一些实施方案中，将RNA转录物水平针对选自GUS、ARF1、ATP5E、CLTC、GPS1和PGK1中的至少一种参考基因进行归一化。在一些实施方案中，生物样品是新鲜的、冷冻的或固定的石蜡包埋样品。在一些实施方案中，使用定量逆转录酶聚合酶链式反应(RT-PCR)对RNA转录物的水平进行测定。在一些实施方案中，所述方法进一步包括基于患者的量化得分组确定对患者的治疗。在一些实施方案中，不良临床结果是临床复发(CR)、生化复发(BCR)、远处转移(Met)或***癌死亡(PCD)中的一种或多种。
本公开文本还包括向低风险或中等风险的***癌患者分配不良临床结果的相对风险的方法，所述方法包括：(a)在含有从所述患者获得的癌细胞的生物样品中测量以下基因的RNA转录物水平：BGN、COL1A1、SFRP4、FLNC、GSN、TPM2、GSTM2、FAM13C、KLK2、AZGP1、SRD5A2和TPX2；(b)对所述基因的RNA转录物水平进行归一化以获得归一化的基因表达水平；(c)计算患者的量化得分(QS)，例如如本文所述的GPS结果；和(d)将所述患者分配到量化得分组，其中(i)如果所述患者的QS<或≤阈值38、39、40、41或42，则将所述患者分配到较低得分组；以及(ii)如果所述患者的QS>或≥阈值38、39、40、41或42，则将所述患者分配到高得分组。在一些实施方案中，在(d)部分中，如果所述患者的QS<或≤40，则将所述患者分配到较低得分组；以及(ii)如果所述患者的QS>或≥40，则将所述患者分配到高得分组。在一些实施方案中，在(d)部分中，如果所述患者的QS≤40，则将所述患者分配到较低得分组；以及(ii)如果所述患者的QS>40，则将所述患者分配到高得分组。在一些实施方案中，对于(d)(i)部分的较低得分组中的患者，如果患者的QS<或≤另外阈值18、19、20、21或22，则将患者分配到低得分组；以及如果患者的QS>或者≥阈值18、19、20、21或22并且如果患者不属于高得分组，则将患者分配到中等得分组。在一些实施方案中，对于(d)(i)部分的较低得分组中的患者，如果患者的QS<或≤20，则将患者分配到低得分组；以及如果患者的QS>或≥20并且如果患者不属于高得分组，则将患者分配到中等得分组。在一些实施方案中，对于(d)(i)部分的较低得分组中的患者，如果患者的QS≤20，则将患者分配到低得分组；以及如果患者的QS>20并且如果患者不属于高得分组，则将患者分配到中等得分组。在一些实施方案中，QS是如本文所述的GPS。
在一些实施方案中，患者是中等风险的患者。在一些这样的实施方案中，根据AUA/EAU或NCCN分类中的一个或两个，患者是中等风险的患者。在一些实施方案中，所述方法进一步包括提供报告，所述报告提供患者的量化得分和得分组。在一些实施方案中，将RNA转录物水平针对选自GUS、ARF1、ATP5E、CLTC、GPS1和PGK1中的至少一种参考基因进行归一化。在一些实施方案中，生物样品是新鲜的、冷冻的或固定的石蜡包埋样品。在一些实施方案中，使用定量逆转录酶聚合酶链式反应(RT-PCR)对RNA转录物的水平进行测定。在一些实施方案中，所述方法进一步包括基于患者的量化得分组确定对患者的治疗。在一些实施方案中，患者是中等风险患者，并且如果患者处于高得分组，则所述方法进一步包括将患者的风险评估重定义为类似于高风险患者，并且任选地，如果患者处于较低得分组，则所述方法包括将患者的分类保持为中等风险患者。在一些实施方案中，如果患者处于高得分组，则所述方法进一步包括用针对高风险患者的多模式疗法或标准疗法对患者进行治疗。在一些这样的实施方案中，多模式疗法包括(a)给予至少一种激素治疗剂和/或(b)给予至少一种免疫治疗剂，和/或(c)给予至少一种化学治疗剂和/或(d)手术，和/或(e)放射，即(a)-(e)的任意组合。在一些实施方案中，如果患者处于低得分组，则所述方法进一步包括通过主动监视对患者治疗或管理。
本公开文本还包括治疗中等风险的***癌患者的方法，所述患者根据上述方法被确定为具有处于高得分组的量化得分，所述方法包括向患者给予多模式疗法。在一些实施方案中，多模式疗法包括(a)给予至少一种激素治疗剂和/或(b)给予至少一种免疫治疗剂，和/或(c)给予至少一种化学治疗剂和/或(d)手术，和/或(e)放射，和/或(f)(a)-(e)的任意组合。
附图说明
图1A提供了一幅图，所述图显示在NCCN(肿瘤学临床实践指南)的四个风险组(非常低，低，中等和高)中，每一组内在20年期间保持无转移的***癌受试者的比例。共分析了259名受试者。图1B显示了在相同的20年期间，所述四组中未经历***癌死亡(PCD)的受试者的比例。
图2A显示了NCCN风险组中259名***癌受试者的分布，并提供了极低+低风险、中等风险和高风险组中每组受试者的数量，而且显示了每组的范围和总体***得分(Global Prostate Score，GPS)中位值。图2B显示了每个NCCN风险组中雄性激素群得分的分布。
图3显示了极低+低、中等、和高NCCN风险组中，针对GPS的10年转移风险。
图4显示了极低+低、中等和高NCCN风险组中，针对GPS的10年死亡风险。
图5显示了与预测转移(Met；左图)和与预测***癌死亡(PCD；右图)相关的GPS和潜在基质群、细胞组织群、雄性激素群和增殖群得分的标准化风险比。
定义
除非另外定义，否则本文中使用的技术术语和科学术语具有与本发明所属领域的普通技术人员通常所理解的相同的含义。Singleton等人，Dictionary of Microbiologyand Molecular Biology 2nd ed.，J.Wiley&Sons(New York，NY 1994)，March，AdvancedOrganic Chemistry Reactions，Mechanisms and Structure 4th ed.，John Wiley&Sons(New York，NY 1992)，为本领域技术人员提供本申请中使用的许多术语的通用指南。
本领域技术人员将认识到与本文所述的方法和材料类似或等同的许多方法和材料可以用于本发明的实践中。实际上，本发明决不限于本文所述的方法和材料。出于本发明的目的，以下术语定义如下。
本文所用的术语“肿瘤”和“病变”是指所有肿瘤细胞(无论是恶性还是良性)生长和增殖，以及所有癌前的和癌的细胞和组织。本领域技术人员将认识到肿瘤组织样品可包含多种生物元件，例如一个或多个的癌细胞、部分的或碎片化的细胞、各阶段的肿瘤、周围组织学正常外观组织、和/或经宏观或显微切割的组织。
术语“癌症”和“癌性的”是指或描述哺乳动物中典型地以不受调节的细胞生长为特征的生理状况。本公开文本中的癌症的示例包括泌尿生殖道的癌症，例如***癌。
如本文所用，术语“***癌”以最广泛的含义使用，并且是指由***组织引起的所有阶段和所有形式的癌症。
对癌症进行分期有助于医生对疾病进展的程度进行评估，并为患者规划治疗。分期可以通过体格检查、血液测试或对放射疗法的响应由临床诊断进行(临床分期)，和/或基于手术(例如根治性***切除术)由病理学进行(病理分期)。根据美国癌症联合委员会(AJCC)的AJCC癌症分期手册(第7版，2010)的肿瘤、***、转移(TNM)分期***，***癌的各个分期定义如下：肿瘤：T1：临床上不明显的肿瘤(不可触及或通过影像可见)，T1a：在切除的5％或更少的组织中的肿瘤偶发组织学发现，T1b：在切除的超过5％的组织中的肿瘤偶发组织学发现，T1c：通过穿刺活检鉴定的肿瘤；T2：局限于***中的肿瘤，T2a：肿瘤涉及一半的或更少的叶，T2b：肿瘤涉及一个叶的一半以上的、但不是两个叶，T2c：肿瘤涉及两个叶；T3：肿瘤延伸至***囊，T3a：囊外扩展(单侧或双侧)，T3b：肿瘤侵入一个或多个精囊；T4：肿瘤被固定或侵入精囊以外的邻近结构(膀胱颈、外***、直肠、提肌或骨盆壁)。通常地，临床T(cT)期是T1或T2，病理性T(pT)期是T2或更高。***：NO：无区域***转移；N1：区域***转移。转移：M0：没有远处转移；M1：存在远处转移。
格里森分级***(Gleason Grading system)被用于帮助评估患有***癌的男性的预后。与其他参数一起，它被纳入***癌分期策略，所述策略对预后进行预测并帮助指导治疗。基于***癌的微观外观，对其给予格里森“得分”或“等级”。具有低格里森得分的肿瘤典型地生长足够缓慢，以至于它们在患者的一生中可能不会对其构成重大威胁。随着时间的推移，可以通过“观察等待”或“主动监视”来监视这些患者。具有较高格里森得分的癌症可能更具侵略性并且预后更差，并且这些患者通常被通过手术(例如根治性***切除术)进行治疗，并且在一些情况下，通过其他疗法(例如放射、激素、超声、化学疗法)进行治疗。格里森得分(或总和)包括两种最常见肿瘤模式的等级。这些模式被称为格里森模式1-5，模式1是分化最良好的。大多数都有混合模式。为了获得格里森得分或等级，将主导模式添加到第二最普遍的模式以获得2与10之间的数字。格里森等级如下：GGG1(GS ≤6)，GGG2(GS 3+4＝7)，GGG3(GS 4+3＝7)，GGG4(GS 4+4＝8，GS 3+5＝8，GS 5+5＝8)和GGG5(GS9或10)。
分期分组：I期：Tla N0M0G1；II期：(T1a N0M0G2-4)或(T1b，c，T1，T2，N0 M0任意G)；III期：T3N0M0任意G；IV期：(T4 N0 M0任意G)或(任意T N1 M0任意G)或(任意T任意N M1任意G)。
本文所用的术语“升级”是从活检确定的格里森等级到从根治性***切除术(RP)确定的格里森等级的增加。例如，升级包括将格里森等级活检的3+3或3+4变RP的3+4或更高。本文所用的“显著升级”或“升级2”是指格里森等级从由活检确定的3+3或3+4变化为由RP确定的4+3或更高、或精囊受累(SVI)或囊外受累(ECE)。
本文所用的术语“高等级”是指RP的格里森得分≥3+4或≥4+3。本文所用的术语“低等级”是指RP上的格里森得分为3+3。在特定实施方案中，“高等级”疾病是指格里森得分至少为主要模式4、次要模式5或三级模式5。
本文所用的术语“升级”是指从来自活检的肿瘤分期到RP处肿瘤分期的增加。例如，升级是肿瘤等级从活检处的临床T1或T2期到RP处的病理性T3期的变化。
本文所用的术语“非器官局限性疾病”是指在RP处具有病理性分期T3疾病。本文所用的术语“器官局限性”是指RP处的病理性分期pT2。术语“高级或非器官局限性疾病”是指具有格里森得分至少为主要模式4、次要模式5或三级模式5或病理性分期T3的***癌。
本文所用的术语“不良病理学”或“AP”是指如上定义的高等级疾病，或如上定义的非器官局限性疾病。在一个具体实施方案中，“不良病理学”是指具有格里森得分≥3+4或≥4+3或GS>4+3和/或病理性分期T3的***癌。
基于美国泌尿学协会(American Urological Association，AUA)或肿瘤学临床实践指南(National Clinical Practice Guidelines in Oncology，NCCN)提供的某些公认的风险分类***，或UCSF开发的***癌风险评估(CAPRA)评分***，可将***癌患者置于特定的“风险组”或“风险分类”中。因此，通常地，术语“风险分类”或“风险组”是指基于一组预后因素(例如PSA水平、格里森得分和临床分期和其他类似因素)的受试者分组，其已被分类为具有类似的负面临床结果风险，如低、中或高风险。
例如，根据AUA 2007指南，“低风险”患者是***抗原(PSA)水平为10ng/mL或更低、格里森得分为6或更低和临床分期为T1c或T2a的患者。AUA“高风险”患者的PSA >20ng/mL、或格里森得分为8-10，或临床分期为T2c。AUA“中等风险”患者的PSA为>10ng/mL至20ng/mL、或格里森得分为7、或临床分期为T2b，但所述患者不满足任一“高风险”条件。根据NCCN***癌指南(版本2.2017)，“极低风险”患者的分期为T1c、格里森得分小于或等于6、PSA小于10ng/mL、PSA密度低于0.15ng/mL/g、阳性***活检穿刺少于3(每穿刺癌症小于或等于50％)。NCCN“低风险”患者的临床分期为T1-T2a、格里森得分小于或等于6、PSA小于10ng/mL。NCCN“高风险”患者的临床分期为T3a、或格里森得分为8-10、或PSA>20ng/mL。NCCN“中等风险”患者的临床分级为T2b-T2c、或格里森得分为7、或PSA为10-20ng/mL。CAPRA得分是根据诊断时年龄、诊断时PSA、活检格里森得分、临床分期和与癌症相关的活检穿刺的百分比进行计算，并且将点得分分配到每个变量以获得结果得分。CAPRA得分为0-2表示低风险、得分为3-5表示中等风险、得分为6-10表示高风险。例如，在没有给出所使用的评分***(例如AUA、NCCN或CAPRA)的情况下，本文提及“中等风险”患者意味着患者属于上述至少一个***中的中等风险组。类似地，在不提到特定***的情况下，提及“低风险”患者意味着患者属于上述至少一个***中的低风险或极低风险组。在不提到特定***的情况下，提及“高风险”患者意味着患者属于上述至少一个***中的高风险组。
如本文所用的“标准疗法”，例如对高风险患者或低风险患者的标准疗法，是指由诸如AUA或NCCN的机构推荐的针对这些患者的一种或多种类型的疗法。
如本文所用，术语“主动监视”和“观察等待”均包括密切监测患者的状况而不给予任何治疗直至症状出现或改变。术语“观察等待”包括放弃对原发性***肿瘤的确定性治疗、并且如果发生局部或转移性进展仅对其提供姑息性治疗(例如经尿道***切除术)、泌尿系梗阻的管理、激素疗法和放射疗法以缓解转移病变。术语“主动监视”是指针对患者的常规临床监测程序，其不包括初步手术、放射或药物治疗，目的是监测患者随后的任何显示需要确定性治疗(例如手术、放射和/或药物治疗)的变化。主动监视包括例如定期PSA检查、定期活检和其他旨在评估肿瘤分期和肿瘤进展的风险的定期检查。
如本文所用，术语“手术”适用于为去除癌组织而进行的手术方法，包括盆腔***切除术、根治性***切除术(RP)、经尿道***切除术(TURP)、切除术、解剖术和肿瘤活检/切除术。用于基因表达分析的肿瘤组织或切片可以由上述任何一种方法获得。
如本文所用，术语“含有癌细胞的生物样品”或“含有肿瘤细胞的生物样品”可互换地指代包含获得自癌症患者的肿瘤材料的样品。所述术语包括肿瘤组织样品，例如，通过根治性***切除术获得的组织和通过活检(例如穿刺活检或细针活检)获得的组织。生物样品可以是新鲜的、冷冻的或固定的石蜡包埋的组织样品，例如***固定的、石蜡包埋的组织样品。生物样品还包括含有癌细胞的体液，例如血液、血浆、血清、尿液和类似物。另外，术语“含有癌细胞的生物样品”包括含有获得自原发肿瘤以外部位的肿瘤细胞(例如循环肿瘤细胞)的样品。所述术语还包括作为患者肿瘤细胞后代的细胞，例如来自原发肿瘤细胞或循环肿瘤细胞的细胞培养物样品。所述术语进一步包括可能包含在体内从肿瘤细胞脱落的蛋白质或核酸材料的样品，例如骨髓、血液、血浆、血清和类似物。所述术语还包括已经富集肿瘤细胞或在其获得后以其他方式操作的样品，和包含获得自患者肿瘤材料的多核苷酸和/或多肽的样品。
术语“预后”在本文中用于指代癌症患者发生归因于癌症的死亡或肿瘤疾病(例如***癌)进展(包括复发、转移扩散和耐药性)的可能性。例如，“良好预后”将包括长期存活(不复发)，“不良预后”将包括癌症复发。
术语“复发”在本文中用于指代癌症的局部或远处复发(即远处转移)，包括“临床复发”和“生化复发”。
术语“临床复发”或“CR”是指在随访活检或其他临床程序中检测到的复发，例如局部复发或远处转移。
术语“生化复发”或“BCR”是指基于生化标志物(例如PSA)的变化而检测到的复发。在一些实施方案中，初步手术后PSA水平≥0.2ng/mL，接着在随后的测试中确认PSA水平≥0.2ng/mL，则表明BCR。
术语“***癌死亡”或“PCD”是指患者归因于***癌的死亡，包括患者内早期鉴定的***癌的复发。
术语“远处转移”或“Met”是指癌症在远离原始***肿瘤的位点处的复发，例如在骨中或在一个或多个远端***中或在另一个非***器官或组织中。
术语“无临床复发间期(cRFI)”在本文中用于指代从手术到首次临床复发或由***癌的临床复发导致的死亡的时间。如果随访结束时没有发生临床复发、或在临床复发前发生其他原发性癌症或死亡，则认为cRFI的时间是截尾的；当发生上述情况时，唯一已知的信息是在截尾时间之前，此受试者尚未发生临床复发。出于计算cRFI的目的，忽略生化复发。
术语“无生化复发间期(bRFI)”在本文中用于指代从手术到***癌的第一次生化复发的时间。如果在生化复发前发生临床复发、随访结束时没有发生bRFI、或在生化复发前发生其他原发性癌症或死亡，则先认为生化复发的时间是截尾的。
在实践中，根据被认为是截尾的事件的定义，测量上述列出的事件发生时间的计算可能因研究而异。
如本文所用，基因的术语“表达水平”或“水平”在本文中是指基因的RNA转录物或其多肽翻译产物的表达水平。如本文所用，本文基因的术语“归一化水平”或“归一化表达水平”是指在针对一个或多个参考基因的表达水平进行归一化后，基因的RNA转录物或其多肽翻译产物的的表达水平。
术语“基因产物”或“表达产物”在本文中用于指代基因的RNA(核糖核酸)转录产物(转录物)(包括mRNA)以及此类RNA转录物的多肽翻译产物。基因产物可以是例如未剪接的RNA、mRNA、剪接变体mRNA、microRNA、片段化的RNA、多肽、翻译后修饰的多肽、剪接变体多肽等。
如本文所用的术语“RNA转录物”是指基因的RNA转录产物，包括例如mRNA、未剪接的RNA、剪接变体mRNA、microRNA和片段化的RNA。
除非另有说明，否则本文使用的每个基因名称，对应于截至本申请提交日期时分配到所述基因的和由Entrez Gene(URL：www(点)ncbi(点)nlm(点)gov(斜线)站点(斜线)entrez)提供的基因名。
术语“微阵列”是指在基片上可杂交阵列元件例如寡核苷酸或多核苷酸探针的有序排列。
术语“多核苷酸”通常是指任何一种多核糖核苷酸或多脱氧核糖核苷酸，它可以是未修饰的RNA或DNA或修饰的RNA或DNA。因此，例如，本文定义的多核苷酸包括而不限于单链和双链DNA、包含单链和双链区域的DNA、单链和双链RNA、以及包含单链和双链区域的RNA、包含DNA和RNA(可以是单链的、或更典型地双链的、或者包含单链和双链区域)的杂交分子。此外，如在此使用的术语“多核苷酸”是指包含RNA或DNA或者RNA和DNA两者的三链区域。在此类区域中的链可以来自相同分子或来自不同分子。所述区域可以包括一种或多种分子的全部，但更典型地涉及一些分子的仅一个区域。具有三螺旋区域的分子之一通常是寡核苷酸。术语“多核苷酸”特别地包括cDNA。所述术语包括含有一个或多个修饰碱基的DNA(包括cDNA)和RNA。因此，出于稳定性或其他原因而对主链进行了修饰的DNA或RNA是如此术语在本文所意指的“多核苷酸”。此外，包含稀有碱基(如肌苷)或修饰碱基(如氚化碱基)的DNA或RNA包括于本文定义的术语“多核苷酸”内。通常，术语“多核苷酸”涵盖未修饰多核苷酸的所有化学修饰、酶修饰和/或代谢修饰形式、以及病毒和细胞(包括简单细胞及复杂细胞)所特有的DNA和RNA的化学形式。
术语“寡核苷酸”是指相对短的多核苷酸，包括但不限于单链脱氧核糖核苷酸、单链或双链核糖核苷酸、RNArDNA杂合体和双链DNA。寡核苷酸(如单链DNA探针寡核苷酸)通常通过化学方法例如使用可商购的自动化寡核苷酸合成仪合成。然而，寡核苷酸可以通过多种其他方法制得，包括体外重组DNA介导的技术以及通过在细胞和有机体中表达DNA。
本文所用的术语“Ct”是指阈值循环，在定量聚合酶链式反应(qPCR)中反应孔内产生的荧光超过规定阈值时的循环数，即在反应过程中足够的扩增子数量已累积至满足规定阈值时的点。
本文所用的术语“Cp”是指“交叉点”。通过确定整个qPCR扩增曲线的二阶导数及其最大值来计算Cp值。Cp值代表荧光增加最高和PCR的对数期开始处的循环。
术语“阈值化”是指用于解释基因表达测量与临床响应之间的非线性关系以及进一步减少报告的患者得分的变异的过程。当应用阈值化时，将低于或高于阈值的所有测量值针对此阈值设定。基因表达与结果之间的非线性关系可以使用平滑或三次样条曲线来检测，以使用Cox PH回归模拟无复发间隔的基因表达或使用逻辑回归模拟不良病理状态的基因表达。D.Cox,Journal of the Royal Statistical Society,Series B 34:187-220(1972)。可以检测报告的患者得分的变化以作为在特定基因的定量和/或检测极限下基因表达变异性的函数。
如本文所用的术语“扩增子”是指使用扩增技术(例如聚合酶链式反应(PCR)和连接酶链式反应)合成的DNA片段。
杂交反应的“严格性”易于由本领域普通技术人员确定，并且通常是取决于探针长度、洗涤温度和盐浓度的经验计算。通常，越长的探针需要越高的温度用于探针退火，而越短的探针需要越低的温度。当互补链存在于低于其解链温度的环境中时，杂交通常取决于变性DNA再退火的能力。探针与可杂交序列之间的所希望的同源性程度越高，可以使用的相对温度越高。因此，遵循越高的相对温度倾向于使得反应条件越严格，而越低的温度则使得反应条件越不太严格。对于杂交反应的严格性的另外细节和解释，参见Ausubel等人，Current Protocols in Molecular Biology，(Wiley Interscience Publishers,1995)。
如本文所定义的“严格条件”或“高严格条件”通常：(1)采用低离子强度和高温进行洗涤，例如在0.015M氯化钠/0.0015M柠檬酸钠/0.1％十二烷基硫酸钠，50℃；(2)在杂交过程中使用变性剂(例如甲酰胺)，例如，50％(v/v)甲酰胺与0.1％牛血清白蛋白/0.1％Ficoll/0.1％聚乙烯吡咯烷酮/50mM磷酸钠缓冲液、pH 6.5、750mM氯化钠、75mM柠檬酸钠，42℃；或(3)使用50％甲酰胺、5x SSC(0.75M NaCl、0.075M柠檬酸钠)、50mM磷酸钠(pH6.8)、0.1％焦磷酸钠、5x Denhardt’s溶液、经超声处理的鲑鱼***DNA(50μg/ml)、0.1％SDS和10％硫酸葡聚糖，42℃，在42℃以0.2x SSC(氯化钠/柠檬酸钠)和50％甲酰胺洗涤，接着在含有EDTA的0.1x SSC中于55℃进行高严格洗涤。
“中等严格条件”可以如Sambrook等人,Molecular Cloning:A LaboratoryManual,New York:Cold Spring Harbor Press,1989所述进行鉴别,并且包括使用比上文所述较不严格的洗涤溶液和杂交条件(例如温度、离子强度和％SDS)。中度严格条件的一个例子是在包含20％甲酰胺、5x SSC(150mM NaCl、15mM柠檬酸三钠)、50mM磷酸钠(pH 7.6)、5x Denhardt’s溶液、10％硫酸葡聚糖、以及20mg/ml变性剪切鲑鱼精DNA的溶液中于37℃过夜孵育，随后在1x SSC中在约37℃-50℃洗涤过滤器。技术人员应在必要时认识到如何调节温度、离子强度等，以适应如探针长度等因素。
术语“剪接”和“RNA剪接”可互换使用，并且是指将内含子去除并将外显子连接以产生成熟mRNA的RNA加工，所述成熟mRNA具有移动进入真核细胞的细胞质中的连续编码序列。
术语“相关的”和“相关联的”在本文中可互换使用以指代在两个测量或计算的实体之间的关联，或者可替代地在测量或计算的实体(例如格里森得分、PSA水平、GPS结果)与事件(例如CR、PCD)之间的关联。
“盒”是指包含用于处理样品的试剂(例如用于检测来自样品的RNA转录物水平的试剂)的物理结构。在一些实施方案中，诸如热循环的反应和诸如RNA提取的样品处理可以在盒内发生。包含在盒内的“孔”可以是腔室、凹口、特定表面或其他类型的可以盛载特定试剂(如用于进行PCR或其他化学反应的引物和/或探针)的特定区域。
“基于计算机的***”是指具有用于分析信息的硬件、软件、和数据存储介质的***。患者基于计算机的***的最小硬件包括中央处理单元(CPU)，以及用于数据输入、数据输出(例如，显示)和数据存储的硬件。普通技术人员可以容易地理解，任何当前可用的基于计算机的***和/或其组件都适合与本公开的方法结合使用。数据存储介质可以包括含有如上所述的当前信息的记录的任何产品，或可以访问这种产品的内存访问设备。
“记录”计算机可读介质上的数据、编程或其他信息是指使用本领域中已知的任何此类方法存储信息的过程。基于用于访问存储的信息的器件，可以选择任何方便的数据存储结构。多种数据处理器程序和格式可以用于存储，例如文字处理文本文件、数据库格式等。
“处理器”或“计算装置”引用将执行其所需功能的任何硬件和/或软件组合。例如，适合的处理器可以是可编程数字微处理器，如按以下形式可用：电子控制器、大型机、服务器或个人计算机(台式机或便携式计算机)。在处理器是可编程的情况下，适合的编程可以从远端位置传递至所述处理器，或预先保存在计算机程序产品(如便携式或固定式计算机可读存储介质，无论是基于磁性的、光学的还是固态的设备)中。例如，磁性介质或光盘可以携带编程，并且可以由与每个处理器通讯的适合的读者在其相应站点处读取。
基于算法的方法、GPS算法和基因子集
本发明提供了一种基于算法的分子诊断测定法，用于确定患***癌的患者的特定临床结果的相对风险，并且基于获得自测定的得分将患者分配到特定治疗组。
在一些实施方案中，本公开文本涉及基于以下每种基因的表达水平以获得量化得分的方法：BGN、COL1A1、SFRP4、FLNC、GSN、GSTM2、TPM2、TPX2、AZGP1、FAM13C、KLK2和SRD5A2、和一个或多个参考基因。在一些实施方案中，将量化得分在0到100的范围之间标定以获得总体***得分(Global Prostate Scor，GPS)。在一些实施方案中，量化得分用于预测患者的临床终点(例如CR、BCR、Met和PCD)的相对风险。在一些实施方案中，临床终点被认为是特定的时间段，例如3年、5年或10年。
在一些实施方案中，所述方法包括确定患者的GPS是高于还是低于特定的暗示不良临床结果或多种临床终点(例如CR、BCR、Met和PCD)的特定风险水平的阈值。在一些实施方案中，阈值为18-22(例如18、19、20、21或22)，并且在一些实施方案中，阈值为38-42(例如38、39、40、41或42)，并且在一些实施方案中，两个阈值均有考虑。在一些实施方案中，阈值为20，并且在一些实施方案中，阈值为40，并且在一些实施方案中，阈值20和40均有考虑。
如本文所用，“量化得分”通常是指算术或数学计算的数值，以帮助简化或公开或通知更复杂的量化信息(例如所公开的基因或基因子集的某些表达水平对***癌患者的特定临床结果参数的可能性的相关性)的分析。量化得分可以通过应用特定算法进行确定。在本文的一些实施方案中，可以确定特定基因子集或基因群(gene group)的量化得分(即“基因群得分”)。此外，组的形成可以促进基因或基因子集的多种表达水平对量化得分的贡献的数学加权。表示生理过程或组分细胞特征的基因或基因群的加权可以反映此过程或特征对癌症病理和临床结果(例如CR、BCR、Met和PCD)的贡献。
GPS由一组基因的表达水平数据进行计算，所述组基因包含以下每个基因：BGN、COL1A1、SFRP4、FLNC、GSN、GSTM2、TPM2、TPX2、AZGP1、FAM13C、KLK2和SRD5A2、和至少一个参考基因(例如GUS、ARF1、ATP5E、CLTC、GPS1和PGK1中的一个或多个)。
可以将被分析的基因作为算法的一部分置入特定的基因子集中。本公开文本的基因子集包括例如基质响应基因群、增殖基因群、雄激素信号传导基因群和细胞组织基因群。基质响应和增殖基因群包括与过表达时较差结果相关的基因，而雄激素信号传导和细胞组织基因群包含与低表达时较差结果相关的基因。
本文中指代“基质响应基因群”(也称为“ECM基因群”或“基质基因群”)的基因子集包括BGN、COLIA1和SFRP4基因。此群中的基因可以主要由基质细胞合成，并且可以参与基质响应或可以与ECM基因群的基因共表达。“基质细胞”在本文中指代构成生物组织的支撑结构的***细胞。基质细胞包括成纤维细胞、免疫细胞、周细胞、内皮细胞和炎性细胞。
“细胞组织基因群”(也称为“迁移基因群”或“迁移调节基因群”或“细胞骨架基因群”)包括FLNC、GSN、GSTM2和TPM2基因。这些基因可能包含基因和共表达基因，所述基因是肌动蛋白和辅助蛋白的动态微丝网络的一部分并且为细胞提供细胞内支持、产生细胞运动和细胞***的物理力以及促进囊泡和细胞器的胞内运输。
“雄激素基因群”(也称为“PSA基因群”和“PSA调节基因群”)包括AZGP1、FAM13C、KLK2、AR、ERG和SRD5A2基因。这些基因可包含作为丝氨酸蛋白酶的激肽释放酶家族成员的基因(例如激肽释放酶3[PSA])，以及与雄激素基因群的基因共表达的基因。
“增殖基因群”(也称为“细胞周期基因群”)包含TPX2基因。此基因群包括可能参与细胞周期功能例如细胞增殖和细胞周期控制(如检查点/G1至S期转变)的基因，和与所述基因共表达的基因。
在一些实施方案中，可以选择从WO 2013/116144的表5B的RS0到RS27算法中所选的算法，并且任选地将其在0与100之间标定以从中获得量化得分以对患者进行评估，例如，以确定临床终点(例如CR、BCR、Met或PCD)的相对风险。在一些实施方案中，基因集(geneset)包含来自基质响应群、细胞组织群、雄激素群和增殖群的每一者中的至少一个基因。在一些实施方案中，可以修饰算法，例如，添加或去除上述讨论的一个或多个基因群中的一个或多个基因，或添加另外的基因群。在一些实施方案中，临床终点被认为是特定的时间段，例如3年、5年或10年。
GPS的计算
在一些实施方案中，量化结果是GPS。GPS结果可以按0到100的范围计算，并且可以从如下的参考归一化的基因表达测量获得。
未标定的GPS(GPSu)可以计算为：
GPSu＝0.735*基质响应群得分-0.368*细胞组织群得分-0.352*雄激素群得分+0.095*增殖群得分
其中：
所述基质响应群得分＝0.527*BGN+0.457*COL1A1+0.156*SFRP4
所述细胞组织群得分＝0.163*FLNC+0.504*GSN+0.421*TPM2+0.394*GSTM2
所述雄激素群得分＝0.634*FAM13C+1.079*KLK2+0.642*AZGP1+0.997*SRD5A2Thresh
所述增殖群得分＝TPX2Thresh
其中SRD5A2Thresh和TPX2Thresh是通过阈值化如下计算：
接着可以将GPSu在0与100之间标定，如下所示：
所述GPS(标定的)是GPS值。
一旦获得患者的GPS值或结果，则可以使用预先指定的分界点或阈值(例如18-22范围内的分界点(例如18、19、20、21或22)和/或38-42范围内的分界点(例如38、39、40、41或42)将得分分类至特定的GPS组。这些分割点可以基于对CR、BCR、Met和PCD的风险对比GPS结果的统计分析进行定义，如以下实施例中所述。
在一些实施方案中，可以基于18-22范围内的分界点(例如18、19、20、21或22)将患者置于两组，认为其中一组低于分界点(如果GPS结果小于或者可替代地小于等于分界点)，并且认为另一组高于分界点(如果GPS结果大于或者大于等于分界点)。因此，例如，低GPS组可以是GPS<20(或<18、<19、<21、<22，取决于分界点设定的位置)的GPS组，并且高GPS组可以是GPS≥20(或≥18、≥19、≥21、≥22，取决于分界点设定的位置)的GPS组。或可替代地，低GPS组可以是GPS≤20的GPS组，高GPS组可以是GPS>20(或≤18、≤19、≤21、≤22，和>18、>19、>21、>22，取决于分界点设定的位置)的GPS组。在一些实施方案中，分界点20定义了低GPS组和较高GPS组使得所述GPS结果≤20的患者处于低GPS组中，而GPS结果>20的患者处于较高GPS组中。
在一些实施方案中，38-42范围内的分界点用于标记低GPS和高GPS组。因此，例如，低GPS组可以是GPS<40(或<38、<39、<41、<42，取决于分界点设定的位置)的GPS组，并且高GPS组可以是GPS≥40(≥41、≥42，取决于分界点设定的位置)的GPS组。或可替代地，低GPS组可以是GPS≤40的GPS组，高GPS组可以是GPS>40(或≤41、≤42、和>38、>39、>41、>42，取决于分界点设定的位置)的GPS组。在一些实施方案中，分界点40定义了低GPS组和较高GPS组使得所述GPS结果≤40的患者处于低GPS组中，而GPS结果>40的患者处于较高GPS组中。
将GPS算法应用于特定的***癌风险组
在某些情况下，对***癌患者的治疗可以至少部分基于患者是否针对阴性临床结果被分类(根据AUA、NCCN或CAPRA标准中的一个或多个)至极低、低、中等、高风险。如上文所述，这些分类考虑了多种因素，例如肿瘤分期或分级、PSA水平和格里森得分。
例如，***癌患者的可用治疗包括手术，例如根治性***切除术(RP)、经尿道***切除术(TURP)、切除术、解剖术和肿瘤活检/切除。在某些情况下也可以将盆腔***清扫术(PLND)与RP结合执行，例如在对预防日后转移有所关注的情况下。在一些情况下，可以执行放射疗法(RT)，例如外放射线疗法(EBRT)、初级近距放射疗法或其他类型的近距放射疗法。在一些情况下，可以用药物对患者进行治疗，例如雄激素阻断剂(雄激素阻断疗法或ADT)，其通常包含LHRH拮抗剂。例如，在某些情况下，可以在RT之前、期间和/或之后给予ADT。例如，在高风险患者中，可以在RT后一段时间(例如1、2、3或更多年)给予ADT。在一些情况下，还可以开具免疫治疗剂和化学治疗剂，例如多西他赛、卡巴他赛或sipuleucel-T。低风险患者也可以仅通过主动监视来治疗，并且例如，可以保持主动监视除非或直到有证据表明其肿瘤状态发生变化。老年患者或预期寿命短的患者也可以仅在需要时通过姑息性干预进行观察等待。
可以根据患者的风险水平和由例如AUA或NCCN指南的相关推荐进行不同的治疗选择。例如，极低风险的患者可以通过主动监视或者观察等待(如果他们的预期寿命很短)进行治疗。例如，低风险患者可以通过主动监视、也可以通过RP及任选的PLND(特别是如果局部肿瘤能被完全切除)、或通过RT(例如EBRT或近距放射疗法)或通过某种其他形式的“单一模式”治疗(即一种治疗方式，如手术或放射，而不是两者的组合)进行治疗。例如，中等风险患者可以通过RP和任选的PLND、通过RT及任选的ADT、或通过手术、放射疗法和任选的药物治疗的组合进行治疗。所述患者可以通过“多模式”疗法-即不同形式的治疗(如RT和ADT)的组合进行治疗。例如，高风险患者可以通过多模式疗法(例如EBRT以及RT后长期(例如1、2或3年)ADT治疗)进行治疗，以及有时进一步通过化学疗法(如果患者足够适合接受治疗)进行治疗。如果条件允许，高风险患者也可以通过手术治疗。
因此，在本方法的一些实施方案中，根据AUA或NCCN或CAPRA标准，患者先前已被置于极低、低、中等或高风险组中。在一些实施方案中，从本文描述的方法中获得GPS结果或其他量化得分可用于为患者确定适当的治疗策略。
例如，在一些实施方案中，获得极低或低风险的患者的GPS结果，并且所述方法包括确定患者落入哪一GPS结果组，例如，低结果组或高结果组(使用18与22之间的分界点或38与42之间的分界点、或所述两个分界点均使用)。在一些实施方案中，获得高风险患者的GPS结果，并且所述方法包括确定患者落入哪一GPS结果组，例如，低结果组或高结果组(使用18到22之间的分界点或38与42之间的分界点、或所述两个分界点均使用)。在一些实施方案中，获得中等风险患者的GPS结果，并且所述方法包括确定患者落入哪一GPS结果组，例如，低结果组或高结果组(使用18与22之间的分界点或38与42之间的分界点、或所述两个分界点均使用)。
在涉及中等风险患者的一些此类实施方案中，基于本文方法确定量化得分可用于进一步对患者的阴性临床结果的相对风险进行分类。例如，在一些实施方案中，中等风险患者的GPS结果大于38、39、40、41或42或者大于或等于38、39、40、41或42，表示所述患者比整体中等风险患者有相对高的阴性临床终点(例如CR、BCR、Met和PCD)风险。在一些实施方案中，中等风险患者的GPS结果大于38、39、40、41或42或者大于或等于38、39、40、41或42，表示所述患者具有与整体高风险患者类似的阴性临床终点(例如CR、BCR、Met和PCD)风险。例如，中等风险患者GPS结果大于40或者大于或等于40，可能表示患者具有与整体高风险患者类似的阴性临床终点(例如CR、BCR、Met和PCD)风险。在一些实施方案中，所述信息可以影响如何治疗所述中等风险患者。例如，可以根据对高风险患者的治疗建议对所述患者进行治疗，并且例如，可以接受多模式治疗，例如RT联合ADT和任选地联合化学疗法或免疫疗法。另一方面，对于中等风险患者，GPS结果小于38、39、40、41或42或者小于或等于38、39、40、41或42，可能表示所述患者具有比整体中等风险患者较低的阴性临床终点(例如CR、BCR、Met和PCD)相对风险。在一些实施方案中，对于中等风险患者，GPS结果小于40或者小于或等于40，可能指示患者具有比整体中等风险患者较低的阴性临床终点(例如CR、BCR、Met和PCD)相对风险。在上述情况下，可以至少在初期时通过主动监视而不是通过手术对患者进行治疗，或者可以通过单一方法治疗(例如仅手术或放射)对患者进行治疗。在一些例如涉及中等风险患者的实施方案中，GPS结果小于18、19、20、21或22或者小于或等于18、19、20、21或22，表示阴性临床终点(例如CR、BCR、Met和PCD)风险相对较低。在一些例如涉及中度风险患者的实施方案中，GPS结果小于20或者小于或等于20，表示阴性临床终点(例如CR、BCR、Met和PCD)风险相对较低。例如，在上述情况下，可以至少在初期通过主动监视而不是通过手术或放射对患者进行治疗。在一些实施方案中，中等风险患者可能具有处于这些上分界点与下分界点之间的GPS结果。在上述情况下，可以至少在初期时通过主动监视而不是通过手术对患者进行治疗，或者可以通过单一方法治疗(例如仅手术或放射)对患者进行治疗。因此，GPS可以允许将中等风险患者分成两个或三个阴性临床终点较高和较低风险的子组。因此，在一些实施方案中，在确定GPS结果和分析患者的分组之后，可以随后改变治疗策略。在其他实施方案中，初始治疗策略可以至少部分地基于风险组(例如，AUA、NCCN或CAPRA)和GPS结果的组合。
测定基因产物表达水平的方法
用于确定所公开基因的表达水平的多种技术途径在本说明书中阐述，包括但不限于RT-PCR、微阵列、高通量测序、基因表达系列分析(SAGE)和数字基因表达谱(DGE)，其将在以下进行详细讨论。在特定方面，每个基因的表达水平可以关于基因表达产物的多种特征(包括外显子、内含子、蛋白质表位和蛋白质活性)来确定。
例如，被测定的表达产物可以是RNA或多肽。表达产物可以是片段化的。例如，测定可以使用与表达产物的靶序列互补的引物，并可由此对全长转录物以及含有靶序列的那些片段化的表达产物进行测量。进一步的信息在国际专利公开号WO 2013/116144的表A中提供。
RNA表达产物可以直接测定，或通过检测由基于PCR的扩增方法(例如定量逆转录聚合酶链反应(qRT-PCR))获得的cDNA产物进行测定。(参见例如，美国专利号No.7,587,279)。可以通过蛋白质组学技术使用免疫组织化学(IHC)测定多肽表达产物。另外，RNA和多肽表达产物也均可以使用微阵列进行测定。
基因表达谱分析的方法包括基于多核苷酸的杂交分析、基于多核苷酸测序和基于蛋白质组学的方法。本领域已知的对样品中RNA表达进行定量的示例性方法包括RNA印迹和原位杂交(Parker&Barnes,Methods in Molecular Biology 106:247-283(1999)；RNAseprotection assays(Hod,Biotechniques13:852-854(1992))；和基于PCR的方法，例如逆转录PCR(RT-PCR)(Weis等人,Trends in Genetics 8:263-264(1992))。可以使用能够识别序列特异性双链体(包括DNA双链体、RNA双链体和DNA-RNA杂合双链体或DNA-蛋白质双链体)的抗体。基于测序的基因表达分析的代表性方法包括基因表达系列分析(SAGE)和通过大规模平行签名测序(MPSS)的基因表达分析。可以使用本领域已知的其他方法。
逆转录PCR(RT-PCR)
通常，mRNA从测试样品中分离。起始材料通常是从人肿瘤(通常来自原发性肿瘤)分离的总RNA。任选地，来自相同患者的正常组织可用作内部对照。所述正常组织可以是组织学上出现的与肿瘤相邻的正常组织。可以从组织样品(例如从新鲜、冷冻(例如新鲜冷冻)、或石蜡包埋和固定(例如***固定)的样品)中提取mRNA。
用于mRNA提取的一般方法是本领域熟知的，并且公开于分子生物学的标准教科书中，包括Ausubel等人,Current Protocols of Molecular Biology,John Wiley and Sons(1997)。从经石蜡包埋的组织中提取RNA的方法公开在例如Rupp and Locker,LabInvest.56:A67(1987)，和De Andrés等人,BioTechniques18:42044(1995)。特别地，可以使用来自商业制造商(例如Qiagen)的纯化试剂盒、缓冲液组和蛋白酶根据制造商的说明进行RNA分离。例如，可以使用Qiagen微型柱分离来自培养物中的细胞的总RNA。其他可商购的RNA分离试剂盒TM包括MasterPure Complete DNA和RNA纯化试剂盒(EPICENTER，Madison，WI)和石蜡块RNA分离试剂盒(Ambion，Inc.)。可以使用RNA Stat-60(Tel-Test)分离来自组织样品的总RNA。例如，可以通过氯化铯密度梯度离心分离从肿瘤制备的RNA。
然后对含有RNA的样品进行逆转录以从RNA模板制备cDNA，随后在PCR反应中指数扩增。两种最常用的逆转录酶是鸟类成髓细胞血症(avilo myeloblastosis)病毒逆转录酶(AMV-RT)和莫罗尼鼠白血病病毒逆转录酶(MMLV-RT)。取决于环境和表达谱分析的目标，逆转录步骤通常使用特异性引物、随机六聚物或oligo-dT引物引发。例如，可以使用GeneAmpRNA PCR试剂盒(Perkin Elmer，CA，USA)按照制造商的说明书对提取的RNA进行逆转录。衍生的cDNA然后可以用作随后的PCR反应的模板。
基于PCR的方法使用热稳定的DNA依赖性DNA聚合酶，例如Taq DNA聚合酶。例如，PCR通常利用Taq或Tth聚合酶的5'-核酸酶活性来水解与其靶扩增子结合的杂交探针，但是可以使用具有等同5'核酸酶活性的任何酶。两个寡核苷酸引物用于产生PCR反应产物的典型扩增子。可以设计第三寡核苷酸或探针以便于检测位于两个PCR引物的杂交位点之间的扩增子的核苷酸序列。探针可以用例如报告染料可检测地标记，并且可以进一步具有荧光染料和淬灭剂荧光染料(如在Taqman探针配置中)。在使用探针的情况下，在扩增反应期间，Taq DNA聚合酶以模板依赖性方式切割探针。得到的探针片段在溶液中解离，来自释放的报告染料的信号不受第二荧光基团的淬灭作用。对于合成的每个新分子，释放一个报告染料分子，并且检测未淬灭的报告染料为数据的定量解释提供基础。
RT-PCR可以使用市售设备进行，例如，高通量平台，例如ABI PRISM7700序列检测***(ABI PRISM 7700Sequence DetectionPerkin-Elmer-Applied Biosystems，Foster City，CA，USA)、或(Roche MolecularBiochemicals，Mannheim，Germany)。在优选的实施方案中，所述程序在480(Roche Diagnostics)实时PCR***上运行，所述***是基于微孔板的循环仪平台。
5'-核酸酶测定数据通常最初表示为阈值循环(Ct)。在每个循环期间记录荧光值，所述值表示在扩增反应中扩增至此点的产物量。阈值循环(Ct)通常被描述为荧光信号首次被记录为统计学上显著时的点。可替代地，数据可以表示为交叉点(“Cp”)。通过确定整个qPCR扩增曲线的二阶导数及其最大值来计算Cp值。Cp值代表荧光增加最高和PCR的对数期开始处的循环。
为了最大限度地减少错误和样品间变异的影响，通常使用内标进行RT-PCR。理想的内标基因(也称为参考基因)在相同来源的癌组织和非癌组织中以非常恒定的水平表达(即，在正常组织和癌组织之间没有显著差异的水平)，并且受实验性治疗的影响不明显(即，在相关组织中的表达水平没有因接触化学疗法而显示出明显差异)，并且在取自不同患者的相同组织中以非常恒定的水平表达。例如，可用于本文公开的方法的参考基因在癌性***组织中不应表现出与正常***组织显著不同的表达水平。用于归一化的示例性参考基因包括以下基因中的一个或多个：GUS、AAMP、ARF1、ATP5E、CLTC、GPS1和PGK1。基因表达测量可以相对于一个或多个(例如，2、3、4、5或更多个)参考基因的平均值进行归一化。参考归一化的表达测量值可以在2到15之间，其中一个单位增加通常反映RNA量的2倍增加。
实时PCR同时与定量竞争PCR(将每个靶序列的内部竞争者用于归一化)和定量比较PCR(使用样品中包含的归一化基因或用于RT-PCR的管家基因)兼容。有关详细信息，请参阅例如，Held等人,Genome Research 6:986-994(1996)。
用于本公开文本的方法的代表性方案的步骤使用固定的石蜡包埋的组织作为RNA来源。例如，可以根据本领域可用的方法进行mRNA分离、纯化、引物延伸和扩增。(参见，例如，Godfrey等人J.Molec.Diagnostics 2:84-91(2000)；Specht等人,Am.J.Pathol.158:419-29(2001))。简而言之，代表性的过程开始于切割约10μm厚的石蜡包埋的肿瘤组织样品切片。然后提取RNA，从含RNA的样品中去除蛋白质和DNA。分析RNA浓度后，使用基因特异性引物对RNA进行逆转录，然后进行RT-PCR以提供cDNA扩增产物。
基于内含子的PCR引物和探针的设计
可以基于目的基因的mRNA转录物中存在的外显子或内含子序列以设计PCR引物和探针。引物/探针设计可以使用公众可用的软件进行，例如Kent,W.J.,Genome Res.12(4):656-64(2002)开发的DNABLAT软件，或通过BLAST软件及其变体。
在必要或期望的情况下，可以掩蔽靶序列的重复序列以减轻非特异性信号。实现此目的的示例性工具包括通过贝勒医学院(Baylor College of Medicine)在线可用的重复掩模(Repeat Masker)程序，其针对重复元件库筛选DNA序列并返回其中重复元件被掩蔽的查询序列。然后被掩蔽的内含子序列可以用来设计引物和探针序列，其使用任何商业或其他公众可用的引物/探针设计包对进行，例如Primer Express(Applied Biosystems)；MGB测定设计(Applied Biosystems)；Primer3(用于一般用户和用于生物学程序员的WWW上的Rozen和Helen J.Skaletsky(2000)Primer3)。参见S.Rrawetz,S.Misener,Bioinformatics Methods and Protocols:Methods in Molecular Biology,第365-386页(Humana Press)。
影响PCR引物设计的其他因素包括引物长度、解链温度(Tm)和G/C含量、特异性、互补引物序列和3'末端序列。一般来说，最佳PCR引物的长度通常为17-30个碱基，并含有约20％-80％(例如约50％-60％)的G+C碱基，并且Tm在50℃与80℃之间(例如约50℃至70℃)。
有关PCR引物和探针设计的进一步指导，请参见例如Dieffenbach,CW.等人,“General Concepts for PCR Primer Design”in:PCR Primer,A Laboratory Manual,Cold Spring Harbor Laboratory Press,.New York,1995,第133-155页；Innis和Gelfand,“Optimization of PCRs”in:PCR Protocols,A Guide to Methods andApplications,CRC Press,London,1994,第5-11页；和Plasterer,T.N.Primerselect:Primer and probe design.Methods MoI.Biol.70:520-527(1997)，其全部公开内容明确地通过引用并入本文。
国际专利公开号WO 2013/116144的表A提供了关于可与本文公开的基因一起使用的引物、探针和扩增子序列的进一步信息。
***
在基于MassARRAY的方法中(例如由Sequenom,Inc.(San Diego,CA)开发的在分离RNA和逆转录后的示例性方法)，所获得的cDNA掺入合成的DNA分子(竞争物)，所述合成的DNA分子匹配靶向的cDNA区域的所有位置(单一碱基除外)并起到内标的作用。对cDNA/竞争物混合物进行PCR扩增，并进行PCR后虾碱性磷酸酶(SAP)酶处理，其导致剩余核苷酸的去磷酸化。将碱性磷酸酶失活后，对来自竞争物和cDNA的PCR产物进行引物延伸，其为竞争物和cDNA衍生的PCR产物产生不同的质量信号。纯化后，将这些产物分配到芯片阵列上，所述芯片阵列预先加载了用基质辅助激光解吸电离飞行时间质谱(MALDI-TOF MS)分析进行分析所需的组分。然后通过分析产生的质谱中峰面积的比例来对反应中存在的cDNA进行定量。有关详细信息，请参阅，Ding和Cantor,Proc.Natl.Acad.Sci.USA 100:3059-3064(2003)。
其他基于PCR的方法
可发现用于本文公开的方法的其他基于PCR的技术包括，例如，技术(Illumina,San Diego,CA；Oliphant等人,Discovery of Markers for Disease(Supplement to Biotechniques),June 2002；Ferguson等人,Analytical Chemistry 72:5618(2000))；BeadsArray for Detection of Gene(BADGE)，在基因表达的快速检测中使用市售的***和多个颜色编码的微球(LuminexCorp.,Austin,TX)(Yang等人,Genome Res.11:1888-1898(2001))；和高覆盖率表达谱(HiCEP)分析(Fukumura等人,Nucl.Acids.Res.31(16)e94(2003))。
微阵列
也可以使用微阵列技术评估目标基因或微阵列的表达水平。在此方法中，将目标多核苷酸序列(包括cDNA和寡核苷酸)排列在基片上。然后在适于特异性杂交的条件下，将排列的序列与可检测地标记的cDNA(从测试样品的RNA产生)接触。如在RT-PCR方法中所述，RNA来源通常是来自肿瘤样品中分离的总RNA，并且任选地来自相同的患者的正常组织作为内部对照或细胞系。例如，RNA可以从冷冻的或存档的石蜡包埋和固定的(例如***固定的)组织样品中提取。
例如，将PCR扩增的待测基因的cDNA克隆的***物以密集阵列应用至基片。通常将至少10000个核苷酸应用至基片。例如，以每种10000个元件固定在微芯片上的微阵列基因适于在严格条件下杂交。荧光标记的cDNA探针可以通过从感兴趣的组织中提取的RNA的逆转录掺入荧光核苷酸来生成。应用至芯片的经标记的cDNA探针与阵列上每个DNA斑点以特异性发生杂交。在严格条件下洗涤以除去非特异性结合的探针后，通过共聚焦激光显微镜术或通过其他检测方法(例如CCD照相机)扫描芯片。每种阵列元件的杂交的定量容许评估相应RNA的丰度。
凭借双重有色荧光，将从两个RNA来源产生的经分开标记的cDNA探针与阵列成对杂交。如此同时确定来自对应于每种指定基因的两种来源的转录物的相对丰度。小型化规模的杂交为大量基因的表达模式提供了便利和快速的评估。这些方法已经显示出具有检测以每个细胞少数拷贝表达的稀有转录物及可重复地检测表达水平的至少约两倍的差异所需的灵敏度(Schena等人,Proc.Natl.Acad.Sci.USA 93(2):106-149(1996))。微阵列分析可使用商业上可用的设备遵循制造商的方案进行，例如使用Affymetrix技术或Incyte的微阵列技术。
基因表达系列分析(SAGE)
基因表达系列分析(SAGE)是允许同时和定量分析大量基因转录物的方法，无需为每个转录物提供单独的杂交探针。首先，生成短序列标签(约10-14bp)，其中含有足够的信息来独特地鉴定转录物，条件是所述标签是从每个转录物内的独特位置获得的。然后，许多转录物连接在一起形成长系列分子，可以对其进行测序，同时揭示多个标签的身份。通过确定单个标签的丰度并鉴定与每个标签对应的基因，可以定量评价任何转录物群体的表达模式。有关详细信息，请参阅，Velculescu等人,Science 270:484-487(1995)；和Velculescu等人,Cell 88:243-51(1997)。
通过核酸测序的基因表达分析
核酸测序技术是用于分析基因表达的恰当方法。这些方法的基本原理是在样品中检测到的cDNA序列的次数与对应于此序列的RNA的相对表达直接相关。这些方法有时是指用以反映结果数据的离散数字属性的术语数字基因表达(Digital Gene Expression，DGE)。应用此原理的早期方法是基因表达系列分析(Serial Analysis of GeneExpression，SAGE)和大规模并行签名测序(Massively Parallel Signature Sequencing，MPSS)。参见，例如，S.Brenner等人,Nature Biotechnology 18(6):630-634(2000)。最近，“下一代”测序技术的出现使DGE更简单、通量更高及更实惠。因此，越来越多的实验室能够利用DGE筛选比以往可能的更多的个体患者样品中更多基因的表达。参见，例如,J.Marioni,Genome Research 18(9):1509-1517(2008)；R.Morin,Genome Research 18(4):610-621(2008)；A.Mortazavi,Nature Methods 5(7):621-628(2008)；N.Cloonan,Nature Methods 5(7):613-619(2008)。
从体液中分离RNA
已经描述从血液、血浆和血清中(参见，例如，K.Enders等人,Clin Chem48,1647-53(2002))(及其中引用的参考文献)和从尿液中(参见，例如，R.Boom等人,J ClinMicrobiol.28,495-503(1990))(及其中引用的参考文献)分离用于表达分析的RNA的方法。
免疫组织化学
免疫组织化学方法也适用于检测基因的表达水平并应用于本文公开的方法。特异性结合目的基因的基因产物的抗体(例如，单克隆抗体)可用于此类方法。可以通过直接标记抗体本身来检测抗体，例如，施用放射性标记、荧光标记、半抗原标记例如生物素、或酶例如辣根过氧化物酶或碱性磷酸酶。可替代地，未标记的一抗可以与对一抗特异的经标记的二抗结合使用。免疫组织化学方案和试剂盒是本领域熟知的并且是可商购的。
蛋白质组学
术语“蛋白质组”定义为在某一时间点存在于样品(例如组织、有机体或细胞培养物)中的蛋白质的总数。此外，蛋白质组学包括研究样品中蛋白质表达的全局变化(也称为“表达蛋白质组学”)。蛋白质组学通常包括以下步骤：(1)通过2-D凝胶电泳(2-D PAGE)分离样品中的各个蛋白质；(2)鉴定从凝胶中回收的各个蛋白质，例如，质谱或N-末端测序，和(3)使用生物信息学分析数据。
mRNA分离、纯化和扩增的一般描述
在各种已发表的期刊文章中提供了使用固定的、石蜡包埋的组织作为RNA来源以分析基因表达的代表性方案的步骤，包括mRNA分离、纯化、引物延伸和扩增。(参见，例如，T.E.Godfrey等人,J.Molec.Diagnostics 2:84-91(2000)；K.Specht等人,Am.J.Pathol.158:419-29(2001)，M.Cronin等人,Am J Pathol 164:35-42(2004))。简而言之，代表性过程开始于切割组织样品切片(例如，约10μm厚的石蜡包埋的肿瘤组织样品切片)。然后提取RNA，除去蛋白质和DNA。在分析RNA浓度后，若需要，进行RNA修复。然后可以对样品进行分析，例如通过使用基因特异性启动子逆转录，随后进行RT-PCR。
统计分析
本领域技术人员将认识到，有许多统计方法可用于确定感兴趣的临床结果(例如，复发)与GPS或其他诊断测试得分之间是否存在显著关系。
例如，可以使用双侧p值报告假设检验。为了研究结果(例如CR、BCR、Met、PCD)与特定测量或计算实体之间是否存在显著关系，可以用使用最大加权伪部分似然估计的Cox比例风险(PH)模型，及可以报告来自零假设(危险比(HR)为1)的Wald检验的p值。
表达水平的归一化
本文公开的方法中使用的表达数据可以进行归一化。归一化是指校正(即，归一化掉)例如RNA量的差异和从样品中获得的RNA质量的变化，以去除Ct或Cp测量中不需要的***变异的来源等的过程。例如，关于涉及存档的固定石蜡包埋的组织样品的RT-PCR实验，***变异的来源可包括与患者样品的年龄和用于储存样品的固定剂的类型有关的RNA降解程度。其他***变异来源可归因于实验室处理条件。
测定可以通过掺入某些参考基因的表达以提供归一化，所述参考基因在相关条件下的表达水平没有显著差异。本文公开的示例性参考基因包括管家基因。(参见，例如，E.Eisenberg等人,Trends in Genetics 19(7):362-365(2003))一般来说，参考基因通常是以下基因，其已知与非癌性***组织相比，在***癌中不显示有意义的差异表达，并且在各种样品和工艺条件情况下一致，由此以供归一化掉外界影响。在示例性实施方案中，使用以下基因中的一个或多个作为参考基因(通过所述基因归一化mRNA表达数据)：GUS、AAMP、ARF1、ATP5E、CLTC、GPS1和PGK1。每一测试基因(例如BGN、COL1A1、SFRP4、TPX2、AZGP1、FAM13C、KLK2、SRD5A2、FLNC、GSN、GSTM2和TPM2)的校准加权平均CT或Cp测量值可相对于五个或更多个参考基因的平均值进行归一化。在其他实施方案中，归一化可以可替代地基于所有被测定基因或其大子集(全局归一化途径)的平均或中位信号(Ct或Cp)。
本领域技术人员将认识到，可以以多种方式实现归一化，并且上述技术仅旨在是示例而非穷举。
表达水平的标准化
可以将本文公开的方法中使用的表达数据标准化。标准化是指有效地将所有基因置于可比的规模的过程。这是因为一些基因表现出比其他基因更大的变异(更大范围的表达)。通过将每个表达值除以所述基因的所有样品的标准偏差来进行标准化。然后，危险比解释为表达每增加1个标准差时的临床终点(临床复发、生物复发、由于***癌导致的死亡或由于任何原因引起的死亡)的危害的比例变化。
本发明的试剂盒
用于本发明方法的材料适用于制备按照公知方法生产的试剂盒。因此，本公开文本提供了包含用于定量所公开基因的表达以预测预后结果或对治疗的响应的试剂(包括基因特异性或基因选择性探针和/或引物)的试剂盒。此类试剂盒可任选地含有用于从肿瘤样品(特别是固定的石蜡包埋的组织样品)中提取RNA的试剂，和/或用于RNA扩增的试剂。另外，试剂盒可任选地包含一种或多种的试剂，及与其在本发明方法中的用途相关的鉴定性描述或标签或说明书。试剂盒可以包括容器(包括适用于所述方法的自动化实施的微量滴定板)，每个容器具有在所述方法中使用的各种材料或试剂(通常以浓缩形式)中的一种或多种，包括例如，色谱柱、预制微阵列、缓冲液、合适的三磷酸核苷酸(如dATP、dCTP、dGTP和dTTP；或rATP、rCTP、rGTP和UTP)、逆转录酶、DNA聚合酶、RNA聚合酶、以及本发明的一个或多个探针和引物(例如，与和RNA聚合酶反应的启动子连接的适当长度的聚(T)或随机引物)。用于估计或量化预后或预测信息的数学算法也是试剂盒的适当潜在组成部分。
在一些实施方案中，试剂盒可包含通过RT-PCR确定患者样品中特定RNA转录物水平所必需的试剂。例如，在一些实施方案中，试剂盒可包含盒或其他类似的物理结构，其包含至少一个孔(其可构成通道、腔室、区域或表面)，所述孔包含用于确定BGN、COL1A1、SFRP4、TPX2、AZGP1、FAM13C、KLK2、SRD5A2、FLNC、GSN、GSTM2和TPM2基因中一个或多个的RNA转录物的水平的一个或多个引物。在一些实施方案中，引物附着于盒中的一个或多个孔。在一些实施方案中，每个孔可包含用于两个、三个、四个、五个或六个不同基因的引物，例如，通过使用用不同颜色标记物标记的引物。在一些实施方案中，至少一个孔包含至少一个用于确定一个或多个参考基因的RNA转录物水平的引物。在一些实施方案中，参考基因包含GUS基因。在其他实施方案中，参考基因包含GUS、AAMP、ARF1、ATP5E、CLTC、GPS1和PGK1中的一个或多个。在一些实施方案中，包含在盒中的引物包括用于确定由BGN、COL1A1、SFRP4、TPX2、AZGP1、FAM13C、KLK2、SRD5A2、FLNC、GSN、GSTM2和TPM2组成的一组基因和由一个或多个参考基因组成的一组基因的RNA转录物水平的引物。在一些实施方案中，盒进一步包含扩增试剂，例如缓冲液、三磷酸核苷酸(例如dATP、dCTP、dGTP和dTTP；或rATP、rCTP、rGTP和UTP)、逆转录酶、DNA聚合酶和/或RNA聚合酶。在一些实施方案中，盒是包含一种或多种组分的***的一部分，所述组分将这些试剂引入盒的孔中。在一些实施方案中，从样品中提取RNA，并将提取的RNA施加到盒上。在其他实施方案中，不需要提取步骤，并且将样品直接施加到盒上。可于此用于测定RNA转录物水平的样品盒和相关***描述于国际公开号WO2006/136990及其相关的美国专利号9,568,424中。
在一些实施方案中，所述盒包括至少一个包含引物的热循环发生的孔，以及用于引入、裂解和/或洗涤样品的一个或多个孔。在一些实施方案中，整个盒结构还包括泵、阀、处理孔、以及流体和废液收集池，其容许在盒中进行样品处理和RT-PCR反应以及特定基因的RNA转录物水平的相关检测。
在利用盒***的一些实施方案中，所述***能够使用来自样品的RNA和盒中包含的引物和试剂以确定RNA转录物水平，并且所述***还包括能够确定相关的归一化的RNA转录物水平和计算任一相关的量化得分(例如GPS得分)的软件。在一些实施方案中，所述***还能够通过将患者的量化得分(例如，GPS得分)置于如本文所述的适当的低、中等或高风险范围，以确定患者是否处于不良临床结果(例如临床复发(CR)、生化复发(BCR)、远处转移(Met)和***癌死亡(PCD)的风险)的低、中等或高风险。在一些实施方案中，所述***还能够创建提供患者量化得分的报告。
报告
当实施于商业诊断目的时，本发明的方法通常产生一个从本文描述的方法获得的信息的报告或摘要。例如，报告可以包括关于一个或多个基因的表达水平、GPS结果、GPS结果与特定阈值或分割点和/或与***患者的平均得分的比较的信息，以及关于患者的其他信息例如AUA或NCCN或其他公认的风险组，以及用于将患者置于风险组中的信息例如PSA水平、格里森得分等。本发明的方法和报告可以进一步包括将报告存储至数据库。所述方法可以在数据库中为受试者创建记录，并使用数据填充记录。报告可以是纸质报告、听觉报告或电子报告。报告可以显示和/或存储于计算设备(例如，手持设备、台式计算机、智能设备、网站等)上。预期将报告提供给医生和/或患者。接收报告还可以包括建立网络连接至包含数据和报告的服务器计算机，并从服务器计算机请求数据和报告。
电脑程序
可以手动计算和存储来自上述测定的值，例如表达数据。可替代地，上述步骤可以由计算机程序产品完全或部分地执行。本发明因此提供了计算机程序产品，其包括在上面存储有计算机程序的计算机可读存储介质。当由计算机读取时，程序可以基于从分析个体的一个或多个生物样品而获得的值(例如，基因表达水平、归一化、标准化、阈值化、和从测定的值到得分的转换和/或肿瘤阶段的文本或图形描述和相关信息)执行相关计算。计算机程序产品具有存储在其中执行计算的计算机程序。
本公开文本提供了用于执行上述程序的***，所述***通常包括：a)中央计算环境；b)可操作地连接到计算环境的输入设备，用于接收患者数据，其中患者数据可包括例如从使用来自患者的生物样品的测定获得的表达水平或其他值、或微阵列数据，如上面详细描述；c)连接到计算环境的输出设备，以向用户(例如，医务人员)提供信息；和d)由中央计算环境(例如，处理器)执行的算法，其中基于输入设备接收的数据执行算法，并且其中算法计算表达得分、阈值或本文描述的其他函数。本发明提供的方法也可以全部或部分自动化。
现在已经描述了本发明，通过参考以下实施例将更容易理解本发明，这些实施例是以说明的方式提供，并不旨在以任何方式限制本发明。
实施例
实施例1：与GPS结果<20相关的临床复发(CR)和***癌死亡(PCD)风险
分析了两个大的纵向***癌组，评估GPS<或>20单位(范围为0到100)的CR和PCD风险。分析来自E.Klein等人,Eur Urol 66:550-560(2014)和J.Cullen等人,Eur Urol 68:123-131(2015)的患者数据，以确定与预先建立的GPS分界点为20相关联的CR和PCD风险。关于本研究中患者基线特征的更多详情，参见E.Klein等人,Eur Urol 66:550-560(2014)的表1和J.Cullen等人,Eur Urol 68:123-131(2015)的表1。
根据GPS的值(≤20或>20)对患者进行划分。Cox回归分析解释了组取样权重。这是由于GPS是使用用于GPS的Klein标准化风险比(std HR，协变量的1个标准差(SD)变化的HR)开发的，并且评估了两组的CR和PCD生存曲线(针对回归平均值(RM)校正)。
在Cullen的402名患者中(中位随访时间为5.2年)，只有5名患者发生转移，所有5名患者的GPS>20。Klein的中位随访时间为6.6年的426名患者中，共有109例CR(包括远处转移和局部复发)和39例PCD，但只有一例所述患者的GPS<20。相比之下，来自Klein的28％患者的GPS<20。在针对AUA风险组调整后，GPS是CR(std HR 2.50(95％Cl 1.99,3.15，p<0.001，RM-校正的std HR 2.16，FDR<0.1％)和PCD(std HR 2.90(95％Cl 2.06，4.06，p<0.001，RM-校正的std HR 1.96，FDR<0.1％)两者的显著预测因子。如下表所示，患中等风险***癌(AUA)且GPS结果≤20的男性，10年RM校正的CR和PCD风险分别为2.6％和0.7％。患中度风险***癌(AUA)且GPS结果>20的男性有更高的估计的10年RM校正的CR和PCD风险。这些结果表明，NCCN极低、低或中等风险组且GPS结果≤20的男性可能是主动监视而不是立即确定性治疗的合适候选者。
表1
实施例2：GPS结果≤40和>40及***癌患者中远处转移和***癌死亡的风险
最初选择的259名患者选自1995-2010年的大型社区为基础的美国综合医疗保健***中从极低到高NCCN风险的6184名***癌患者。具体地，在6184名符合条件的患者中，根据预先指定的组取样方案选择了404名患者，其中334名患者具有可用的活检组织。有14名(4％)由于临床不合格被排除，有41名(12％)由于肿瘤不足或肿瘤类型不正确被排除。在余下的279名中，259名(93％)患者获得了有效的GPS结果，其代表最终可评估群体。259名患者包括5名处于极低风险组、35名处于低风险组、160名处于中等风险组、57名处于高风险组。下表提供了259名可评估患者的特征。
表2
259名可评估的患者包括79名(加权比例＝8.8％)远处转移，180名非转移患者。259名可评估的患者包括64名PCD(加权比例＝1.8％)和195名非PCD患者。
对每个患者风险组确定了远处转移(Met)和***癌死亡(PCD)的十年估计值，并获得了GPS结果。(详情见图1A-1B和2A-2B。)所有259名患者的平均GPS值为31，中位得分为28，如下表所示。
表3
GPS
平均值 31.3
SD 14.1
最小值 0
Q1 21.3
中位值 28.4
Q3 38.8
最大值 100
对于40名患者的极低和低风险组，中位得分为22，对于160名患者的中等风险组，中位得分为29，对于57名患者的高风险组，中位得分为43。
在考虑GPS比格里森得分、NCCN风险组、AUA风险组或Capra得分的多变量分析(MVA)中，发现GPS与Met和PCD的10年风险显著相关，其p值从<0.001至0.007。有关详细信息请参阅下表。另见图3。
表4:GPS+临床因素与Met的关联，GPS在所有MVA中都显著
表5:多变量模型中GPS与PCD的关联，除临床列线图以外，GPS也显著
在针对临床因素(例如诊断年龄、格里森得分、诊断时的PSA水平和活检穿刺阳性百分比)调整的多变量模型中，GPS结果也显著地与PCD保持关联(p值＝0.004)。有关详细信息请参阅下表。
表6:GPS与PCD在多变量模型中的关联
变量 N HR HR 95％CI Wald P值
GPS/20个单位 242 2.52 (1.34,4.76) 0.004
诊断时年龄 242 1.07 (0.99,1.16) 0.069
中央格里森得分7相比于<＝6 242 3.02 (0.74,12.29) 0.122
8+相比于<＝6 242 7.89 (1.35,46.24) 0.022
活检穿刺阳性百分比 242 11.47 (1.89,69.48) 0.008
诊断时PSA 242 1.01 (1.004,1.02) 0.003
此外，对来自160名NCCN中等风险患者的数据进行的分析显示，GPS结果>40的患者(24％)具有与高风险患者相似的5年转移的风险。特别地，84％的此类患者在5年内无转移，而85％的高风险患者在5年内无转移(无论其GPS结果如何)，而GPS结果≤40的中等风险患者中的97％在5年内无转移。此外，GPS≤40的NCCN高风险患者(所研究的高风险组的41％)具有与临床中等风险患者类似的5年远处转移风险。特别地，这些患者在5年内估计为96％无转移，而所有中等患者在5年内估计为94％无转移。相比之下，GPS>40的高风险患者在5年内仅59％无转移。
也确定了个体基因群得分(基质响应、细胞组织、雄激素信号传导和增殖)，并针对Met和PCD的发生对其进行分析。基因群得分参见图5，其中基于基因群得分与其他变量如CR的关联，Met和PCD均保持预期。
总的来说，结果表明，GPS是临床上低、中等、高风险***癌患者经根治性***切除术后转移和PCD风险的重要预测因子，GPS与致转移和PCD的时间之间的关联在针对临床和病理协变量(包括NCCN、AUA和CAPRA临床风险组)调整后仍然显著，并且GPS增加了超出常规临床病理学预后因素的预后信息，并改善了诊断时的风险分层。此外，在NCCN中等风险组中，GPS是结果的重要预测因子。特别地，那些GPS结果高于40的患者，其具有与临床高风险患者相似的5年远处转移风险。因此，这些GPS>40的中等风险组患者可能是强化治疗(例如多模式治疗)的合适候选者。
在此患者组中还研究了GPS与生化复发(BCR)之间的相关性。为了本研究的目的，根据2007年AUA指南定义手术后BCR事件为：(1)术后PSA水平≥0.2ng/mL，连续确认PSA水平≥0.2ng/mL，其中BCR日期是第一PSA日期；或(2)PSA水平升高≥0.1ng/mL后开始补救性放射或激素疗法，其中BCR日期为补救性疗法日期。研究发现，在单变量模型中，259例研究的患者中GPS值/20个单位与BCR(HR 2.50；HR 95％Cl 1.62，3.85，Wald Chisq 17.00；Wald p值<0.0001)之间存在显著相关性。
表7:临床因素与BCR的关联
表8:多变量模型中GPS与BCR的关联，除临床列线图以外，GPS也显著
表9:GPS与BCR在多变量模型中的关联
变量 N HR HR 95％CI Wald P值
<u>GPS/20个单位</u> <u>258</u> <u>2.07</u> <u>(1.32,3.25)</u> <u>0.002</u>
cT-T2期相比于cT-T1期 258 0.79 (0.40,1.56) 0.499
T3期相比于T1期 9.08 (4.03,20.45) <.0001
中央格里森得分7相比于<＝6 258 2.67 (1.12,6.37) 0.027
8+相比于<＝6 5.32 (1.94,14.56) 0.001
诊断时PSA 258 1.02 (1.01,1.02) <.0001
考虑到NCCN、AUA和Capra得分以及GPS结果，多变量模型中的关联仍然显著(p<0.001)。详细信息请参见表4。在针对cT分期、格里森得分和诊断时PSA等因素调整后，所述关联也仍然显著。详细信息请参见表5。
实施例3：***癌患者的GPS结果≤40和>40及临床复发(CR)和生化复发(BCR)的风险
在另外两项研究中，分析了来自E.Klein等人,Eur Urol 66:550-560(2014)和J.Cullen等人,Eur Urol 68:123-131(2015)的患者数据，以考虑高于或低于40的GPS结果如何与中等风险患者的BCR和CR相关联。关于这些研究中患者基线特征的更多详情，参见E.Klein等人,Eur Urol 66:550-560(2014)的表1和J.Cullen等人,Eur Urol 68:123-131(2015)的表1。
来自克利夫兰诊所(Cleveland Clinic，CC)数据库的***癌患者的研究(描述于E.Klein等人,Eur Urol 66:550-560(2014))显示，GPS≤40的AUA中等风险组患者具有4.7％的RM校正的10年内临床复发(CR)风险，而GPS>40的AUA中等风险患者具有16.9％的RM校正的10年内CR风险。无论GPS结果如何，AUA高风险组患者具有18.2％的RM校正的估计的10年内CR风险。因此，高GPS中等风险组和高风险组的10年内CR风险相似。
发现GPS≤40的AUA中等风险组的患者也具有经RM校正的估计的生化复发(BCR)风险(PSA阈值为0.2)，其3年内风险为15.7％及5年内风险为23.6％；而发现GPS>40的AUA中等风险患者具有RM校正的估计的BCR风险，其3年内风险为33.5％及5年内风险为47.1％。无论GPS结果如何，AUA高风险组患者具有RM校正的估计的BCR风险，其3年内风险为32.9％及5年内风险为45.4％。同样，高GPS中等风险组和高风险组具有相似的3年内和5年内BCR风险。
在对来自***疾病研究中心数据库(Center for Prostate DiseaseResearch，CPDR)研究(描述于J.Cullen等人,Eur Urol 68:123-131(2015))中患者的类似分析中，评估一组139名NCCN中等风险患者以考量GPS结果对比3年或5年BCR风险。GPS为≤40的中等风险患者(61％的患者)具有8.0％的3年BCR风险(PSA阈值为0.2)及16.1％的5年BCR风险。相比之下，GPS>40的患者具有27.4％的3年BCR风险及36.0％的5年BCR风险。这些结果与CC/Klein研究中的患者的结果相似。

Claims (33)

1.一种预测***癌患者中不良临床结果的可能性的方法，所述方法包括：
(a)在含有从所述患者获得的癌细胞的生物样品中测量以下基因的RNA转录物水平：BGN、COL1A1、SFRP4、FLNC、GSN、TPM2、GSTM2、FAM13C、KLK2、AZGP1、SRD5A2和TPX2；
(b)对所述基因的RNA转录物水平进行归一化以获得归一化的基因表达水平；
(c)计算所述患者的量化得分(QS)，其中所述量化得分如下计算，其中以下基因符号代表每个相应基因的归一化基因表达水平：
(i)如下计算未标定的量化得分(QSu)：
QSu＝0.735*基质响应群得分-0.368*细胞组织群得分-0.352*雄激素群得分+0.095*增殖群得分
其中：
所述基质响应群得分＝0.527*BGN+0.457*COL1A1+0.156*SFRP4
所述细胞组织群得分＝0.163*FLNC+0.504*GSN+0.421*TPM2+0.394*GSTM2
所述雄激素群得分＝0.634*FAM13C+1.079*KLK2+0.642*AZGP1+0.997*SRD5A2 Thresh
所述增殖群得分＝TPX2 Thresh
其中SRD5A2 Thresh和TPX2 Thresh是通过阈值化如下计算：
(ii)计算标定的量化得分(QS)，其中：
(d)将所述患者分配到量化得分组，其中(i)如果所述患者的QS<或≤阈值38、39、40、41或42，则将所述患者分配到较低得分组；以及(ii)如果所述患者的QS>或≥阈值38、39、40、41或42，则将所述患者分配到高得分组；并且
(e)基于所述患者的得分组预测所述患者的不良临床结果的可能性，其中较低得分组表示与高得分组相比不良临床结果的风险较低。
2.权利要求1的方法，其中，在(d)部分中，如果所述患者的QS<或≤40，则将所述患者分配到较低得分组；以及(ii)如果所述患者的QS>或≥40，则将所述患者分配到高得分组。
3.权利要求2的方法，其中，在(d)部分中，如果所述患者的QS≤40，则将所述患者分配到较低得分组；以及(ii)如果所述患者的QS>40，则将所述患者分配到高得分组。
4.权利要求1-3中任一项的方法，其中，对于(d)(i)部分的较低得分组中的患者，如果所述患者的QS<或≤另外阈值18、19、20、21或22，则将所述患者分配到低得分组；以及如果所述患者的QS>或≥阈值18、19、20、21或22并且如果所述患者不属于所述高得分组，则将所述患者分配到中等得分组。
5.权利要求4的方法，其中，对于(d)(i)部分的较低得分组中的患者，如果所述患者的QS<或≤20，则将所述患者分配到低得分组；以及如果所述患者的QS>或≥20并且如果所述患者不属于所述高得分组，则将所述患者分配到中等得分组。
6.权利要求5的方法，其中，对于(d)(i)部分的较低得分组中的患者，如果所述患者的QS≤20，则将所述患者分配到低得分组；以及如果所述患者的QS>20并且如果所述患者不属于所述高得分组，则将所述患者分配到中等得分组。
7.权利要求1-6中任一项的方法，其中所述患者是极低或低、中等或高风险的患者。
8.权利要求7的方法，其中根据AUA或NCCN分类中的一个或两个，所述患者是极低或低、中等或高风险的患者。
9.权利要求1-8中任一项的方法，其中所述方法进一步包括提供报告，所述报告提供所述患者的量化得分和得分组。
10.权利要求1-9中任一项的方法，其中将所述RNA转录物的水平针对选自ARF1、ATP5E、CLTC、GPS1和PGK1的至少一个参考基因进行归一化。
11.权利要求1-10中任一项的方法，其中所述生物样品是新鲜的、冷冻的或固定的石蜡包埋样品。
12.权利要求1-11中任一项的方法，其中使用定量逆转录酶聚合酶链式反应(RT-PCR)对所述RNA转录物的水平进行测定。
13.权利要求1-12中任一项的方法，其中所述方法进一步包括基于所述患者的量化得分组确定对所述患者的治疗。
14.权利要求1-13中任一项的方法，其中所述不良临床结果是临床复发(CR)、生化复发(BCR)、远处转移(Met)或***癌死亡(PCD)中的一种或多种。
15.一种向低风险或中等风险的***癌患者分配不良临床结果的相对风险的方法，所述方法包括：
(a)在含有从所述患者获得的癌细胞的生物样品中测量以下基因的RNA转录物水平：BGN、COL1A1、SFRP4、FLNC、GSN、TPM2、GSTM2、FAM13C、KLK2、AZGP1、SRD5A2和TPX2；
(b)对所述基因的RNA转录物水平进行归一化以获得归一化的基因表达水平；
(c)计算所述患者的量化得分(QS)，其中所述量化得分如下计算，其中以下基因符号代表每个相应基因的归一化基因表达水平：
(i)如下计算未标定的量化得分(QSu)：
QSu＝0.735*基质响应群得分-0.368*细胞组织群得分-0.352*雄激素群得分+0.095*增殖群得分
其中：
所述基质响应群得分＝0.527*BGN+0.457*COL1A1+0.156*SFRP4
所述细胞组织群得分＝0.163*FLNC+0.504*GSN+0.421*TPM2+0.394*GSTM2
所述雄激素群得分＝0.634*FAM13C+1.079*KLK2+0.642*AZGP1+0.997*SRD5A2 Thresh
所述增殖群得分＝TPX2 Thresh
其中SRD5A2 Thresh和TPX2 Thresh是通过阈值化如下计算：
(ii)计算标定的量化得分(QS)，其中：
以及
(d)将所述患者分配到量化得分组，其中(i)如果所述患者的QS<或≤阈值38、39、40、41或42，则将所述患者分配到较低得分组；以及(ii)如果所述患者的QS>或≥阈值38、39、40、41或42，则将所述患者分配到高得分组。
16.权利要求15的方法，其中，在(d)部分中，如果所述患者的QS<或≤40，则将所述患者分配到较低得分组；以及(ii)如果所述患者的QS>或≥40，则将所述患者分配到高得分组。
17.权利要求16的方法，其中，在(d)部分中，如果所述患者的QS≤40，则将所述患者分配到较低得分组；以及(ii)如果所述患者的QS>40，则将所述患者分配到高得分组。
18.权利要求15-17中任一项的方法，其中，对于(d)(i)部分的较低得分组中的患者，如果所述患者的QS<或≤另外阈值18、19、20、21或22，则将所述患者分配到低得分组；以及如果所述患者的QS>或≥阈值18、19、20、21或22并且如果所述患者不属于所述高得分组，则将所述患者分配到中等得分组。
19.权利要求18的方法，其中，对于(d)(i)部分的较低得分组中的患者，如果所述患者的QS<或≤20，则将所述患者分配到低得分组；以及如果所述患者的QS>或≥20并且如果所述患者不属于所述高得分组，则将所述患者分配到中等得分组。
20.权利要求19的方法，其中，对于(d)(i)部分的较低得分组中的患者，如果所述患者的QS≤20，则将所述患者分配到低得分组；以及如果所述患者的QS>20并且如果所述患者不属于所述高得分组，则将所述患者分配到中等得分组。
21.权利要求15-20中任一项的方法，其中所述患者是中等风险患者。
22.权利要求21的方法，其中根据AUA或NCCN分类中的一个或两个，所述患者是中等风险患者。
23.权利要求15-22中任一项的方法，其中所述方法进一步包括提供报告，所述报告提供所述患者的量化得分和得分组。
24.权利要求15-23中任一项的方法，其中将所述RNA转录物的水平针对选自ARF1、ATP5E、CLTC、GPS1和PGK1的至少一个参考基因进行归一化。
25.权利要求15-24中任一项的方法，其中所述生物样品是新鲜的、冷冻的或固定的石蜡包埋样品。
26.权利要求15-25中任一项的方法，其中使用定量逆转录酶聚合酶链式反应(RT-PCR)对所述RNA转录物的水平进行测定。
27.权利要求15-26中任一项的方法，其中所述方法进一步包括基于所述患者的量化得分组确定对所述患者的治疗。
28.权利要求15-27中任一项的方法，其中所述患者是中等风险患者，并且其中，如果所述患者处于所述高得分组，则将所述患者重新分类为高风险患者，并且任选地，如果所述患者处于所述较低得分组，则将所述患者的分类保持为中等风险患者。
29.权利要求15-28中任一项的方法，其进一步包括，如果所述患者处于所述高得分组，则用针对高风险患者的多模式疗法或标准疗法对所述患者进行治疗。
30.权利要求29的方法，其中所述多模式疗法包括(a)给予至少一种激素治疗剂(b)给予至少一种免疫治疗剂，和/或(c)给予至少一种化学治疗剂。
31.权利要求18-28中任一项的方法，其中，如果所述患者处于所述低得分组，则通过主动监视对所述患者进行治疗。
32.一种治疗中等风险***癌患者的方法，所述患者根据权利要求15-17中任一项的方法被确定为具有在所述高得分组中的量化得分，所述方法包括对所述患者给予多模式疗法。
33.权利要求32的方法，其中所述多模式疗法包括(a)给予至少一种激素治疗剂(b)给予至少一种免疫治疗剂，和/或(c)给予至少一种化学治疗剂。
CN201880011757.7A 2017-02-13 2018-02-12 用于评估***癌晚期临床终点的算法和方法 Pending CN110291206A (zh)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US201762458474P 2017-02-13 2017-02-13
US62/458,474 2017-02-13
US201762473204P 2017-03-17 2017-03-17
US62/473,204 2017-03-17
US201762578622P 2017-10-30 2017-10-30
US62/578,622 2017-10-30
PCT/US2018/017790 WO2018148642A1 (en) 2017-02-13 2018-02-12 Algorithms and methods for assessing late clinical endpoints in prostate cancer

Publications (1)

Publication Number Publication Date
CN110291206A true CN110291206A (zh) 2019-09-27

Family

ID=61283339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880011757.7A Pending CN110291206A (zh) 2017-02-13 2018-02-12 用于评估***癌晚期临床终点的算法和方法

Country Status (14)

Country Link
US (1) US20200040400A1 (zh)
EP (1) EP3580357B1 (zh)
JP (1) JP7239477B2 (zh)
KR (1) KR102376220B1 (zh)
CN (1) CN110291206A (zh)
AU (1) AU2018219354B2 (zh)
BR (1) BR112019016652A2 (zh)
CA (1) CA3049844C (zh)
CO (1) CO2019008649A2 (zh)
ES (1) ES2914727T3 (zh)
IL (1) IL267911B2 (zh)
MX (1) MX2019009027A (zh)
SG (2) SG10201912097QA (zh)
WO (1) WO2018148642A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210208146A1 (en) * 2018-05-16 2021-07-08 Opko Diagnostics, Llc Methods for detecting prostate cancer pathology associated with adverse outcomes
CN109306867B (zh) * 2018-11-19 2022-04-05 中国石油天然气股份有限公司 一种冲积扇沉积储层构型单元自动识别方法
US20210333280A1 (en) 2020-04-23 2021-10-28 YatHing Biotechnology Company Limited Methods related to the diagnosis of prostate cancer
KR102497196B1 (ko) 2020-09-08 2023-02-07 (주)유로테크 전립선암 진단 점수 계산 방법 및 그 용도

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080275652A1 (en) * 2005-05-13 2008-11-06 Universite Libre De Bruxelles Gene-based algorithmic cancer prognosis
EP2407554A1 (en) * 2010-07-14 2012-01-18 Fundacio Institut de Recerca de l'Hospital Universitari Vall d'Hebron Methods and kits for the diagnosis of prostate cancer
US20130196321A1 (en) * 2012-01-31 2013-08-01 Genomic Health, Inc. Gene Expression Profile Algorithm and Test for Determining Prognosis of Prostate Cancer
US20160222461A1 (en) * 2012-03-14 2016-08-04 New York University Methods and kits for diagnosing the prognosis of cancer patients
WO2016193109A1 (en) * 2015-05-29 2016-12-08 Koninklijke Philips N.V. Methods of prostate cancer prognosis

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7587279B2 (en) 2004-07-06 2009-09-08 Genomic Health Method for quantitative PCR data analysis system (QDAS)
ES2373686T3 (es) 2005-06-23 2012-02-07 Biocartis Sa Cartucho, sistema y procedimiento para diagnósticos médicos automatizados.

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080275652A1 (en) * 2005-05-13 2008-11-06 Universite Libre De Bruxelles Gene-based algorithmic cancer prognosis
EP2407554A1 (en) * 2010-07-14 2012-01-18 Fundacio Institut de Recerca de l'Hospital Universitari Vall d'Hebron Methods and kits for the diagnosis of prostate cancer
US20130196321A1 (en) * 2012-01-31 2013-08-01 Genomic Health, Inc. Gene Expression Profile Algorithm and Test for Determining Prognosis of Prostate Cancer
HK1201881A1 (zh) * 2012-01-31 2015-09-11 Genomic Health Inc 基因表達譜的運算法則預測***癌的預後檢驗
US20160222461A1 (en) * 2012-03-14 2016-08-04 New York University Methods and kits for diagnosing the prognosis of cancer patients
WO2016193109A1 (en) * 2015-05-29 2016-12-08 Koninklijke Philips N.V. Methods of prostate cancer prognosis

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KAZUTOSHI FUJITA 等: "Decreased fucosylated PSA as a urinary marker for high Gleason score prostate cancer" *

Also Published As

Publication number Publication date
CA3049844C (en) 2022-06-28
JP2020507320A (ja) 2020-03-12
KR102376220B1 (ko) 2022-03-21
KR20190113814A (ko) 2019-10-08
MX2019009027A (es) 2020-01-27
CO2019008649A2 (es) 2019-10-31
SG11201906318WA (en) 2019-08-27
US20200040400A1 (en) 2020-02-06
CA3049844A1 (en) 2018-08-16
SG10201912097QA (en) 2020-02-27
IL267911B2 (en) 2023-08-01
EP3580357B1 (en) 2022-04-27
BR112019016652A2 (pt) 2020-03-31
EP3580357A1 (en) 2019-12-18
JP7239477B2 (ja) 2023-03-14
AU2018219354B2 (en) 2024-06-27
IL267911A (en) 2019-09-26
AU2018219354A1 (en) 2019-07-25
ES2914727T3 (es) 2022-06-15
WO2018148642A1 (en) 2018-08-16
IL267911B1 (en) 2023-04-01

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
ES2735993T3 (es) Métodos para predecir el resultado clínico del cáncer
JP6404304B2 (ja) メラノーマ癌の予後予測
CN110291206A (zh) 用于评估***癌晚期临床终点的算法和方法
JP2019537436A (ja) 進行性胃癌患者の手術後の予後または抗癌剤適合性予測システム
AU2017268510A1 (en) Method for using gene expression to determine prognosis of prostate cancer
CN101400804A (zh) 用于结肠直肠癌预后的基因表达标志物
KR20200038045A (ko) 방광암 수술치료법 결정을 위한 유전자 세트

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190927

WD01 Invention patent application deemed withdrawn after publication