JP2022524484A - がん患者の生存率を予測する方法 - Google Patents

がん患者の生存率を予測する方法 Download PDF

Info

Publication number
JP2022524484A
JP2022524484A JP2021544916A JP2021544916A JP2022524484A JP 2022524484 A JP2022524484 A JP 2022524484A JP 2021544916 A JP2021544916 A JP 2021544916A JP 2021544916 A JP2021544916 A JP 2021544916A JP 2022524484 A JP2022524484 A JP 2022524484A
Authority
JP
Japan
Prior art keywords
subject
biomarkers
score
biomarker
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
JP2021544916A
Other languages
English (en)
Inventor
ロバート・チャールズ・スワントン
ドルヴァ・ビスワス
ニコラス・マクグラナハン
ニコライ・ジュール・バークバク
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.)
University College London
Original Assignee
University College London
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 University College London filed Critical University College London
Publication of JP2022524484A publication Critical patent/JP2022524484A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/106—Pharmacogenomics, i.e. genetic variability in individual responses to drugs and drug metabolism
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/118—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)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Zoology (AREA)
  • Genetics & Genomics (AREA)
  • Wood Science & Technology (AREA)
  • Physics & Mathematics (AREA)
  • Biotechnology (AREA)
  • Microbiology (AREA)
  • Molecular Biology (AREA)
  • Hospice & Palliative Care (AREA)
  • Biophysics (AREA)
  • Oncology (AREA)
  • Biochemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Medicines That Contain Protein Lipid Enzymes And Other Medicines (AREA)

Abstract

本発明は、肺がんを有する対象の予後判定を提供する方法であって、(a)当該対象に由来する生物学的試料を、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1を含むバイオマーカーの一団の各メンバーに特異的に結合する試薬に接触させる工程;(b)試料中のバイオマーカーの発現の核酸レベルに基づいて、当該対象のリスクスコアを決定する工程;及び(c)当該対象のリスクスコアに基づいて、肺がんの予後判定を提供する工程を含む方法を提供する。

Description

本発明は、がん患者の予後判定を決定し、及び/又は処置反応を予測して、がん患者の治療選択及び/若しくは生存率及び/若しくは生存リスク及び/若しくは臨床転帰を導く方法、並びに/又は治療が特定のがん患者に適切であるかどうかを決定する方法、並びに/又はがん患者、特に非小細胞肺がん等の肺がんの患者の処置方針(治療レジメンの層別化の方法等)を決定する方法に関する。
肺がんは全世界のがんによる死亡の主因であり、非小細胞肺がん(NSCLC)は世界で診断される症例の85～90%を占める。「Lung Cancer Stage Classification」Detterbeckら著、CHEST 15、193～203頁、2017に発表、に記載されているように、腫瘍の病期は、補助化学療法を行うための臨床的判断を下すのに役立つ。しかしながら、「Biomarker development in the precision medicine era: lung cancer as a case study」Vargasら著、Nat Rev Cancer (2016)に発表、に記載されているように、TNMの病期は、腫瘍の病期が同じ患者でも、著しく異なる臨床転帰を有する場合があるため、生存リスクの予測因子としては不完全である。
腫瘍の攻撃性の遺伝子発現に基づく相関性等の分子バイオマーカーを現在の診断基準に組み入れることにより、がん患者を、より厳密な疾患の亜型に層別化することができることが示唆されてきた。その例は、「Enabling personalized cancer medicine through analysis of gene-expression patterns」Van't Veerら著、Nature 452、564～570頁(2008)に掲載、「Biomarker development in the precision medicine era: lung cancer as a case study」Vargasら著、Nat. Rev. Cancer 16、525～537頁(2016)に掲載、及び「Precision oncology in the age of integrative genomics」Kumar-Sinhaら著、Nat. Biotechnol. 36、46～60頁(2018)に掲載、に記載されている。手術後にNSCLCが再発するリスクが高い患者を正確に同定することは、かなりの臨床的有用性があり得、補助化学療法を行うかどうか、又は外科的切除後の患者の継続管理に必要な強度等の決定を下すのに役立ち得る。
この20年間にわたり、NSCLCの最もよく見られる組織学的亜型である肺腺癌(LUAD)の患者の予後判定遺伝子発現シグネチャーを導出するために、多くの試みがなされてきた。その例は、「Gene-expression profiles predict survival of patients with lung adenocarcinoma」Beerら著、Nat Med 8、816～824頁(2002)に掲載、「A Robust prognostic gene expression signature for early stage lung adenocarcinoma」Krystanekら著、Biomark Res 4、4 (2016)に発表、及び「Validation of a Proliferation Based Expression Signature as Prognostic Marker in Early Stage Lung Adenocarcinoma」Wistubaら著、Clin Cancer Res (2013)に発表、に記載されている。しかしながら、例えば「Gene Expression-Based Prognostic Signatures in Lung Cancer; Ready for Clinical Use?」Subramanianら著、JNCL J Natl Cancer Inst 102、464～474頁(2010)に掲載、に記載されているように、再現性の乏しさ又は既存の臨床病理学的危険因子とは無関係な限定的な予後判定力により、これらの努力は妨げられている。
図1a～図1dは、既知のシグネチャーに関連する問題の一部を図示している。図1aは、腫瘍12を含む肺10を示す。肺の生検試料を採取することができる複数の領域R1、R2、R3及びR4がある。しかしながら、赤及び青で模式的に図示しているように、領域R1、R2及びR3から採取した生検試料は、既知の予後判定バイオマーカーを使用して高リスクに分類され、領域R4から採取した生検試料は、低リスクに分類されることになる。通常、日常的臨床診療では、診断又は予後判定は単一の生検試料14を使用して行われる。したがって、領域R4由来の生検試料の結果は、異なる領域から試料が採取された場合に得られるであろう結果と揃わないため、図1aに図示されている仮想の予後判定シグネチャーは、不一致な腫瘍のリスク分類を示すことになる。このように、シグネチャーの読み出しは、腫瘍サンプリングバイアスに対して脆弱である。
図1bは、患者集団に対する腫瘍サンプリングバイアスの影響を図示している。各々がサンプリング用の複数の領域(例えば、R1～R5)を有する複数の肺腫瘍20、22、24、26、28、30が示されている。領域のうち1つに由来する生検試料に適用される予後判定バイオマーカーが、推定される生存リスクに基づいて、肺がん患者40、42、44、46、48、50をより厳密な疾患の亜型に層別化し、これが治療決定を下すのに役立ち得る。補助化学療法を必要とする高リスクの患者と、手術のみで治癒する低リスクの患者とを正確に識別することは重要である。
肺腫瘍20、22の領域の各々において、それに対応する患者40、42について、生検試料による結果は、正確に低リスク分類となり、このため、これらの患者は外科的切除のみによる処置に適しているとして分類されることになる。同様に、肺腫瘍28、30の領域の各々において、それに対応する患者48、50について、生検試料による結果は、正確に高リスク分類となり、このため、これらの患者は、外科的切除及び補助化学療法による処置が必要であるとして分類されることになる。しかしながら、第3の患者44は、図1aに図示されているものと類似の肺腫瘍24を有する。図示されているように、領域R4に由来する生検試料は、肺腫瘍24の中の他の領域に由来する生検試料の結果である分類とは一致しない低リスクとしての分類という結果になる。これは重大である、なぜなら、患者がこの診断に基づいて補助処置を受けることはありそうになく、このため、十分な処置を受けることがないからである。したがって、患者は、最適以下の処置及び継続管理を受ける。同様に、第4の患者46は、生検試料がどこからサンプリングされるかによって異なる結果をもたらす肺腫瘍26を有する。この例において、その生検試料からは高リスク分類となり、患者は不要な処置を施され、このため、化学療法の副作用を被るという結果になる恐れがある。
図1cは、「Development of a RNA-seq Based Prognostic Signature in Lung Adenocarcinoma」Shuklaら著、JNCL J Natl Cancer Inst 109 (2017)に掲載、に記載されている、LUADの既知のシグネチャーの解析の結果を示す。世界最大の多領域シーケンシング研究であり、腫瘍の進展の詳細な探索を可能にするTRACERx肺試験の情報を使用して、シグネチャーが解析される。この研究は、例えば、「Tracking genomic cancer evolution for precision medicine: the lung TRACERx study」Jamal-Hanjaniら著、PLos Biol 12 (2014)に発表、に記載されている。図1cにおいて、TRACERx研究の中の28名の患者に由来する89の腫瘍領域を解析し、グラフにプロットする際に、予測された生存の「リスクスコア」により、最低リスクの患者をグラフの左に置いて、各患者を順番に並べている。この例において「リスクスコア」を計算するために、オリジナルの公表資料中に与えられていた補足データから、シグネチャー中の4つの遺伝子の発現値について計算したリスクスコアの回帰により、切片なしの線形モデルをあてはめることによって回帰係数を再導出した。図1cの各点は単一の腫瘍領域を表し、縦線は各患者のリスクスコアの範囲を示す。生検試料の部位に関係なく、11名の患者が低リスクに分類され、5名が高リスクに分類される。しかしながら、リスクスコアが生検試料の部位によって変わる、12名の不一致の患者が存在する。
図1dは、図1cのデータを、低リスク、高リスク、及び不一致の患者の、パーセンテージを伴う棒グラフとして表す。図1eは、「Development and Validation of an Individualized Immune Prognostic Signature in Early-Stage Nonsquamous Non-Small Cell Lung Cancer」Liら著、JAMA Oncol (2017)に発表、に記載されている、免疫関連の遺伝子対に基づく異なるシグネチャーの類似の棒グラフである。どちらの場合も、かなりの割合の不一致の患者-43%又は29%-が存在し、それにより、同じ腫瘍の異なる領域が、異なるプロファイルの分子的リスクをもつものとして分類される場合がある。腫瘍サンプリングバイアスに対して脆弱な患者の割合が多いと、そのような予後判定アッセイの臨床的有用性が限定されることになりかねない。
現在までに、LUADにおける遺伝子発現に基づく予後判定シグネチャーの大部分が、RNAシーケンシングよりも、マイクロアレイ発現プロファイリングを使用して定義されてきた。図1fは、発表された9つのLUAD予後判定シグネチャー(下の表に詳細を記載)についての一致性の結果を示す。各論文の患者数nが示されている。「Intratumor Heterogeneity Affects Gene Expression Profile Test Prognostic Risk Stratification in Early Breast Cancer」Gyanchandaniら著、Clin Cancer Res 22、5362～5369頁(2016)に掲載、に記載されているように、マンハッタン距離でウォード法を使用して、各予後判定シグネチャーについて階層的クラスタリングを実行した。得られたクラスターの数について、クラスタリングの一致性が、同じクラスター中の全ての腫瘍領域をもつ患者のパーセンテージとして定量化される。結果が、クラスターの数に対して、一緒にクラスタリングされている腫瘍領域をもつ患者のパーセンテージとしてプロットされている。縦の破線は、クラスターの範囲(2、3、14及び28)を示す。
Figure 2022524484000002
28クラスターでは、中央値クラスタリング不一致率は50%(15.5/28 LUAD腫瘍)であった。これは、サンプリングバイアスが原因で、腫瘍領域の半数は誤分類のリスクがあることを示している。その範囲は18～82%であった。これは、一部のシグネチャーは他よりかなり良好に機能することを示している。まとめると、図1a～図1fは、サンプリングバイアスが、数種のがん型において分子バイオマーカーの使用を交絡させ得ることを図示している。「Tracking the evolution of non-small cell lung cancer」Jamal-Hanjaniら著、N Engl J Med 376、2109～2121頁(2017)に掲載、に記載されているように、ITH及び染色体不安定性(CIN)は、NSCLC及び他の型のがんに共通の特徴である。更に、「The Causes and Consequence of Genetic Heterogeneity in Cancer Evolution」Burrellら著、Nature 501、338～345頁(2013)に発表、に記載されているように、遺伝子の腫瘍内不均一性(ITH)は種々のがん型において一般的である。
以前の肺がんの予後判定シグネチャーに関する背景情報は、国際特許公開WO2010/063121(16-遺伝子予後判定シグネチャーを使用して非小細胞肺がん(NSCLC)患者をリスク群に分類することを記載している);米国特許公報US2010/184063(15-遺伝子予後判定及び予測シグネチャーを使用して、NSCLC患者をリスク群に分類することを記載している);及び国際特許公開WO2015/138769(9-遺伝子予後判定シグネチャーを使用して、NSCLC患者をリスク群に分類することを記載している)に見出すことができる。
国際特許公開WO2010/063121 米国特許公報US2010/184063 国際特許公開WO2015/138769
「Lung Cancer Stage Classification」Detterbeckら著、CHEST 15、193～203頁、2017に発表 「Biomarker development in the precision medicine era: lung cancer as a case study」Vargasら著、Nat Rev Cancer (2016)に発表 「Enabling personalized cancer medicine through analysis of gene-expression patterns」Van't Veerら著、Nature 452、564～570頁(2008)に掲載 、「Biomarker development in the precision medicine era: lung cancer as a case study」Vargasら著、Nat. Rev. Cancer 16、525～537頁(2016)に掲載 「Precision oncology in the age of integrative genomics」Kumar-Sinhaら著、Nat. Biotechnol. 36、46～60頁(2018)に掲載 「Gene-expression profiles predict survival of patients with lung adenocarcinoma」Beerら著、Nat Med 8、816～824頁(2002)に掲載 「A Robust prognostic gene expression signature for early stage lung adenocarcinoma」Krystanekら著、Biomark Res 4、4 (2016)に発表 「Validation of a Proliferation Based Expression Signature as Prognostic Marker in Early Stage Lung Adenocarcinoma」Wistubaら著、Clin Cancer Res (2013)に発表 「Gene Expression-Based Prognostic Signatures in Lung Cancer; Ready for Clinical Use?」Subramanianら著、JNCL J Natl Cancer Inst 102、464～474頁(2010)に掲載 「Development of a RNA-seq Based Prognostic Signature in Lung Adenocarcinoma」Shuklaら著、JNCL J Natl Cancer Inst 109 (2017)に掲載 「Tracking genomic cancer evolution for precision medicine: the lung TRACERx study」Jamal-Hanjaniら著、PLos Biol 12 (2014)に発表 「Development and Validation of an Individualized Immune Prognostic Signature in Early-Stage Nonsquamous Non-Small Cell Lung Cancer」Liら著、JAMA Oncol (2017)に発表 「Intratumor Heterogeneity Affects Gene Expression Profile Test Prognostic Risk Stratification in Early Breast Cancer」Gyanchandaniら著、Clin Cancer Res 22、5362～5369頁(2016)に掲載 Diversity of gene expression in adenocarcinoma of the lung、Garberら著、Proc Natl Acad Sci 98、13874～13879頁(2001)に掲載 Survival prediction of stage I lung adenocarcinomas by expression of 10 genes、Bianchiら著、J Clin Invest 117、3426～3444頁(2007)に掲載 A practical molecular assay to predict survival in resected non-squamous, non-small-cell lung cancer: development and international validation studies、Kratzら著、Lancet 379、823～832頁(2012)に発表 Multi-gene assay is prognostic of survival in patients with early stage lung adenocarcinoma、Razら著、Clin Cancer Res 14、5565～5570頁(2008)に発表 「Tracking the evolution of non-small cell lung cancer」Jamal-Hanjaniら著、N Engl J Med 376、2109～2121頁(2017)に掲載 「The Causes and Consequence of Genetic Heterogeneity in Cancer Evolution」Burrellら著、Nature 501、338～345頁(2013)に発表 Geissら、Nat Biotechnol. 2008年3月;26 (3):317～25頁 Dasら、NanoString expression profiling identifies candidate biomarkers of RAD001 response in metastatic gastric cancer、ESMO Open 2016、1～9頁 「Stability and Heterogeneity of Expression Profiles in Lung Cancer Specimens Harvested Following Surgical Resection」Blackhallら著、Neoplasia (2004)に発表 「Comprehensive Intrametastatic Immune Quantification and Major Impact of Immunoscore on Survival」Mlecnikら著、JNCL J Natl Cancer Inst 110、97～108頁(2018)に発表 「Distant metastasis occurs late during the genetic evolution of pancreatic cancer」Yachidaら著、Nature 467、1114～1117頁(2010)に発表 「Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2」Loveら著、Genome Biol 15、550頁(2014)に発表 「Regularised Paths for Generalized Linear Models via Coordinate Descent」Friedmanら著、J Stat Softw 33、1～22頁(2010)に発表 「Regularisation Paths for Cox's Proportional Hazards Model via Coordinate Descent」Simonら著、J Stat Softw 39、1～13頁(2011)に発表 「STAR:ultrafast universal RNA-seq aligner」Dobinら著、Bioinformatics 29、15～21頁(2013)に発表 「RSEM: accurate transcript quantification from RNA-Seq data with or without a reference genome」Liら、BMC Bioinformatics 12、323頁(2011)に発表 「Profiling cancer testis antigens in non-small-cell lung cancer」Djureinovicら著、JCL Insight 1 (2016)に発表 「TopHat2: accurate alignment of transcriptomes in the presence of insertions, deletions and gene fusions」Kimら著、Genome Biol 14、R36 (2013)に発表 「The Subread aligner: fast, accurate and scalable read mapping by seed-and-vote」Liaoら著、Nucleic Acids Res 41、e108 (2013)に発表 「Mapping Identifiers for the Integration of Genomic Datasets with the R/Bioconductor package biomaRt」Durinckら著、Nat Protoc 4、1184～1191頁(2009)に発表 「A clonal expression biomarker associates with lung cancer mortality」D. Biswasら著、Nature Medicine 25、1540～1548頁(2019) 「The prognostic landscape of genes and infiltrating immune cells across human cancers」Gentlesら著、Nat Med 21、938～945頁(2015)に発表
本出願人は、例えば、外科的切除のみか、又は外科的切除に続く化学療法若しくは別の補助処置かを選ぶ治療決定を下すのに役立つように予後判定精度を高めて臨床医を援助する、改善型の遺伝子シグネチャーの必要性を認識している。
本発明によれば、添付の特許請求の範囲に記載されている装置及び方法が提供される。本発明の他の特徴は、従属請求項、及び以下の説明から明らかになるであろう。
肺がんを有する対象の予後判定を提供する方法であって、(a)当該対象に由来する生物学的試料を、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1を含むバイオマーカーの一団の各メンバーに特異的に結合する試薬に接触させる工程;(b)試料中のバイオマーカーの発現の核酸レベルに基づいて、当該対象のリスクスコアを決定する工程;及び(c)当該対象のリスクスコアに基づいて、肺がんの予後判定を提供する工程を含む方法を記載する。
対象のリスクスコアを決定する工程は、バイオマーカーの各々について、組織試料中の発現の核酸レベルを示すスコアを決定する工程;決定されたスコアに基づいてリスクスコアを計算する工程であって、リスクスコアは、加重したバイオマーカースコアを合計することによって計算され、バイオマーカースコアは決定されたスコアに基づいており、各バイオマーカースコアは対応するウェイトを有する、工程;及びリスクスコアを閾値と比較する工程を含むことができる。このようにして、各対象は、例えば、高リスク群(例えば、閾値より高いリスクスコア)又は低リスク群(例えば、閾値以下のリスクスコア)に層別化され得る。例えば、全ての型の肺がんを考慮した場合、高リスク群は生存転帰が低い可能性があり、低リスク群は生存の見込みを十分にもつ可能性がある。或いは、早期がんを考慮した場合、高リスク群は、低リスク群より再燃しやすい可能性がある。GOLGA8A、SCPEP1、SLC46A3及びXBP1のバイオマーカースコアの各々に対応するウェイトは、これらが有利な遺伝子であることを示す負の値を有し得る。ANLN、ASPM、CDCA4、ERRFI1、FURIN、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SNX7及びTPBGのバイオマーカースコアに対応するウェイトは、正の値を有し得る。
リスクスコアのための加重和は:
リスクスコア= b1x1i + b2x2i+...+bnxni
から決定することができ、式中、x1i、x2i、...、xniは、各対象iについて選択された4つのバイオマーカーのバイオマーカースコアであり、b1、b2、...、bnは、各バイオマーカースコアに対応する一連のウェイトである。
本方法は、一連の対象における複数のバイオマーカーに関する情報を含む訓練データを使用して訓練されているCox比例ハザードモデルを使用して、加重和のウェイトを決定する工程を更に含むことができる。本方法は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1を含む群から選択される、Cox比例ハザードモデルに使用されるべき複数のバイオマーカーを同定する工程を含むことができる。
閾値は、訓練データの中央値リスクスコアとすることができる。
バイオマーカーのレベルを示すスコアを決定する工程は、換算強度スコア(scaled intensity score)を決定する工程を含むことができる。バイオマーカースコアは、調整係数を減算することによって調整された換算強度スコアに基づくものとすることができる。バイオマーカーのレベルを示すスコアを決定する工程は、レベルが閾値より高い場合は第1の値を与え、レベルが閾値より低い場合は第2の値を与える工程を含むことができる。バイオマーカーのレベルを示すスコアを決定する工程は、レベルが上限閾値より高い場合は第1の値を与え、レベルが上限閾値より低いが下限閾値より高い場合は第2の値を与え、レベルが下限閾値より低い場合は第3の値を与える工程を含むことができる。
試薬は核酸とすることができる。
本明細書で使用する場合、「核酸」、「核酸配列」、「ヌクレオチド」、「核酸分子」又は「ポリヌクレオチド」という用語は、DNA分子(例えば、cDNA又はゲノムDNA)、RNA分子(例えば、mRNA、miRNA、lncRNA)、天然、変異、合成のDNA分子又はRNA分子、及びヌクレオチド類似体を使用して生成されるDNA又はRNAの類似体を含むものとする。核酸は一本鎖又は二本鎖とすることができる。そのような核酸又はポリヌクレオチドには、以下に限定されないが、構造遺伝子のコード配列、アンチセンス配列、及びmRNAもタンパク質産物もコードしない非コード制御配列が含まれる。これらの用語は遺伝子も包含する。「遺伝子」、「対立遺伝子」又は「遺伝子配列」という用語は、生物学的機能に関連するDNA核酸を指すために広く使用される。したがって、遺伝子は、ゲノム配列における場合と同様にイントロン及びエクソンを含むことができ、若しくはcDNAにおける場合と同様にコード配列のみを含むことができ、及び/又は制御配列と組み合わせてcDNAを含むことができる。したがって、本発明の様々な態様によれば、ゲノムDNA、cDNA又はコーディングDNAを使用することができる。一実施形態では、核酸はcDNA又はコーディングDNAである。したがって、遺伝子は、ゲノム配列における場合と同様にイントロン及びエクソンを含むことができ、若しくはcDNAにおける場合と同様にコード配列のみを含むことができ、及び/又は制御配列と組み合わせてcDNAを含むことができる。
核酸の解析は、好適な技術、例えば、デジタルPCR、qPCR、マイクロアレイ、RNA-Seq又はnanostring(登録商標)アッセイを含むが、これらに限定されない遺伝子発現を測定する技術を使用して行うことができる。本明細書に記載されているある特定の実施形態では、遺伝子発現は、RNA-Seq又はnanostring(登録商標)アッセイを含む、RNAの定量化によって測定される。遺伝子発現を測定する2つ以上の技術を使用できることが理解されるであろう。
RNAシーケンシング(RNA-Seq)は、次世代シーケンシング(NGS)に基づいて次世代シーケンシングプラットフォームを利用するトランスクリプトームプロファイリング技術である。RNA-Seqの転写産物はcDNAへと逆転写され、アダプターがcDNAの各端部にライゲートされる。シーケンシングは、一方向(シングルエンドシーケンシング)又は双方向(ペアエンドシーケンシング)で行い、次に、参照ゲノムデータベースと配列比較するか、又はアセンブルして新規の転写産物を取得するかして、全ゲノム発現プロファイルを明らかにすることができる。RNA-seqは、メッセンジャーRNA(mRNA)、マイクロRNA、低分子干渉RNA、及び長鎖非コードRNAを含む任意のRNA型を、定性的に及び定量的に調査することができる。
RNAは、NanoString nCounter遺伝子発現アッセイを使用して解析することができる。NanoStringは、少量の固定した患者組織から正確なゲノム情報を生成することができる比較的新しい分子プロファイリング技術である。NanoStringプラットフォームは、配列特異的プローブにタグ付けされたデジタルの色分けバーコード類又はコードセットを使用し、mRNA発現の定量化を可能にする(Geissら、Nat Biotechnol. 2008年3月;26 (3):317～25頁、Dasら、NanoString expression profiling identifies candidate biomarkers of RAD001 response in metastatic gastric cancer、ESMO Open 2016、1～9頁)。NanoStringシステムは、各標的転写産物に、2つのプローブ:ビオチン標識した捕捉プローブ及び蛍光バーコード標識したレポータープローブをハイブリダイズする。レポータープローブは試料中の特異的なRNAとハイブリダイズし、捕捉プローブはアビジンを介してそれらを静的表面にロックする。NanoString nCounter Analysis Systemは、それらのバーコードを使用して、固定されたRNAをカウントする。
肺がんは、非小細胞肺がん(NSCLC)とすることができる。NSCLCは、侵襲性肺腺癌(LUAD)、肺扁平上皮癌(LUSC)、大細胞癌、腺扁平上皮癌、癌肉腫、大細胞神経内分泌癌、未分化非小細胞肺がん又は気管支肺胞上皮癌から選択することができる。LUAD及びLUSCはNSCLCの症例の大部分を占め、他の型は一緒にグループ化される傾向にある。NSCLCは、I期、II期、III期又はIV期とすることができる。
試料は、外科的に切除した腫瘍由来とすることができる。試料は、肺組織又は肺腫瘍の生検試料由来とすることができる。
予後判定はリスク査定を提供することができる。
本方法は、処置を決定する工程を更に含むことができる。したがって、上記の方法を含み、処置を決定する更なる工程を更に含む、対象の処置を決定する方法も記載する。前記処置は、外科的処置、化学療法、手術、放射線療法、免疫療法又はCAR-T療法から選択することができる。そのような処置は当技術分野において公知である。免疫チェックポイント阻害剤、腫瘍溶解性ウイルス療法、T細胞療法及びがんワクチン等、様々な種類の免疫療法があることが認識されるであろう。適切な治療を選択することができる。
ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG及びXBP1を含む、又はそれらからなるバイオマーカーの一団の各メンバーに特異的に結合する試薬の一団を含む組成物も記載する。
ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG及びXBP1を含むバイオマーカーの一団の各メンバーに特異的に結合する試薬を含むキットも記載する。
試薬は、上記の組成物又はキットの中の核酸とすることができる。上記の肺がんを有する対象の予後判定を提供する方法における組成物又はキットの使用も記載する。上記の肺がんを有する対象の処置を提供する方法における組成物又はキットの使用も記載する。
上記の肺がんを有する対象の予後判定を提供する方法における、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG及びXBP1の使用も記載する。上記の肺がんを有する対象の処置を提供する方法における、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG及びXBP1の使用も記載する。
肺がんを有する対象の死亡リスクのレベルを予測する工程を含む、肺がんを有する対象を処置する方法であって、(a)当該対象に由来する生物学的試料を、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1を含むバイオマーカーの一団の各メンバーに特異的に結合する試薬に接触させる工程;(b)試料中のバイオマーカーの発現の核酸レベルに基づいて、当該対象のリスクスコアを決定する工程;(c)リスクスコアを閾値と比較して、当該対象が高い死亡リスクを有するかどうかを予測する工程;(d)処置を選択する工程;及び(e)処置を行う工程を含む方法も記載する。
がんを有する対象のバイオマーカーシグネチャーを生成する方法であって、当該方法は、がんに罹患している複数の対象から、当該複数の対象の各々の、複数の遺伝子の遺伝子発現データを含む訓練データを生成する工程;当該遺伝子発現データに基づき、当該複数の遺伝子中の各遺伝子について、腫瘍内不均一性の尺度と腫瘍間不均一性の尺度との両方を計算する工程;及び不均一性フィルターを適用して、腫瘍内不均一性閾値より低い腫瘍内不均一性と、腫瘍間不均一性閾値より高い腫瘍間不均一性との両方を有する遺伝子を選択する工程;を含み、当該バイオマーカーシグネチャーは、選択された遺伝子のうち少なくとも一部を含む、方法も記載する。そのような方法は、種々の異なるがん、特にITHに関連するがんに適用可能であり得る。
本方法は、各遺伝子の一致性スコアを計算する工程;及び一致性フィルターを適用して、一致性閾値より低い一致性スコアを有する遺伝子を選択する工程を更に含むことができる。一致性フィルターは、ノイズのある遺伝子を除去するある種の不均一性フィルターと考えられてもよい。一致性スコアは、不均一性フィルターを適用した後に、選択された遺伝子について計算されてもよい。或いは、一致性フィルターは、腫瘍内不均一性の尺度と腫瘍間不均一性の尺度との両方を計算する前に適用されてもよい。
各遺伝子についての腫瘍内不均一性の尺度は、同じ腫瘍内の複数の部位での各遺伝子の遺伝子発現の値を得る工程、各腫瘍について、各遺伝子の得られた遺伝子発現値を示す尺度を計算する工程、及び腫瘍内不均一性の尺度を、各腫瘍中の各遺伝子の指示尺度の平均値として得る工程によって計算することができる。遺伝子発現値を示す尺度は、標準偏差、中央値絶対偏差及び変動係数から選択することができる。
腫瘍間不均一性の尺度は、腫瘍中の複数の領域のうち1つでの、各対象の各遺伝子の遺伝子発現の値を得る工程;及び得られた値の標準偏差を求める工程によって計算することができる。本方法は、当該得る工程及び当該求める工程を複数回反復する工程、及び反復結果の標準偏差を平均して、腫瘍間不均一性の尺度を得る工程を更に含むことができる。標準偏差以外の他の尺度、例えば変動係数及び中央値絶対偏差も使用することができることが認識されるであろう。
バイオマーカーシグネチャーは予後判定に役立つものとすることができる。本方法は、複数の対象の各々について対応する生存データを含む訓練データを生成する工程;当該生存データに基づいて、複数の遺伝子の各々について予後判定尺度を計算する工程;及び予後判定フィルターを適用して、予後判定閾値より高い予後判定尺度を有する遺伝子を選択する工程を更に含むことができる。予後判定尺度は、単変量Cox回帰分析を使用して計算することができる。
バイオマーカーシグネチャーは、特定の処置、例えば免疫療法に対する対象の反応について予測に役立つものとすることができる。本方法は、複数の対象の各々について、対応する反応のデータ(例えば、特定の処置による転帰)を含む訓練データを生成する工程;当該反応のデータに基づいて、複数の遺伝子の各々について予測尺度を計算する工程;及び予測フィルターを適用して、予測閾値より高い予測尺度を有する遺伝子を選択する工程を更に含むことができる。予測尺度は、回帰分析を使用して計算することができ、遺伝子発現を、処置に対する反応又は処置反応の代理尺度と相関させる。そのような方法を使用して処置反応の予測シグネチャーを作り出し、患者を最適な処置レジメンに層別化するのに役立てることができる。したがって、上記のように生成されるバイオマーカーシグネチャーには、がん亜型を鑑別し、そのがん亜型に基づいて処置戦略を決定できる可能性がある。上記の、予後判定を提供する方法、対象の処置を決定する方法、組成物、キット、処置の方法、及び使用は、上記のように生成される任意のシグネチャーに適用することができることが認識されるであろう。
がんを有する対象の予後判定を提供する方法であって、当該対象に由来する生物学的試料を、上記のように生成されるシグネチャー中のバイオマーカーの一団の各メンバーに特異的に結合する試薬に接触させる工程;試料中のバイオマーカーの発現の核酸レベルに基づいて、当該対象のリスクスコアを決定する工程;及び当該対象のリスクスコアに基づいて、がんの予後判定を提供する工程を含む方法も記載する。予後判定を提供する方法を含み、処置を決定する更なる工程を更に含む、対象の処置を決定する方法も記載する。上記のように生成されるシグネチャー中のバイオマーカーの一団の各メンバーに特異的に結合する試薬の一団を含む組成物も記載する。上記のように生成されるシグネチャー中のバイオマーカーの一団の各メンバーに特異的に結合する試薬を含むキットも記載する。
がんを有する対象の予後判定を提供する方法における、上記のように生成されるシグネチャー中のバイオマーカーの使用も記載する。がんを有する対象の処置を提供する方法における、上記のように生成されるシグネチャー中のバイオマーカーの使用も記載する。がんを有する対象の死亡リスクのレベルを予測する工程を含む、がんを有する対象を処置する方法であって、当該対象に由来する生物学的試料を、上記のように生成されるシグネチャー中のバイオマーカーの一団の各メンバーに特異的に結合する試薬に接触させる工程;試料中のバイオマーカーの発現の核酸レベルに基づいて、当該対象のリスクスコアを決定する工程;リスクスコアを閾値と比較して、当該対象が高い死亡リスクを有するかどうかを予測する工程;処置を選択する工程;及び処置を行う工程を含む方法も記載する。
少なくとも1つのプロセッサ;及びその少なくとも1つのプロセッサによって実行されると、コンピューターデバイスに、上記の方法の決定する工程、計算する工程及び比較する工程のうちいずれかを行わせる命令を含むコンピューターデバイスも存在してもよい。コンピューターデバイスに実装されると、コンピューターデバイスに上記のように準備をさせる、及び/又はコンピューターデバイスに、上記の方法の該当する工程のうちいずれかを行わせる命令が記録されている、有形で非一過性のコンピュータ可読性の記憶媒体も存在してもよい。コンピューターデバイス、及び組織試料用のマイクロアレイ、並びに/又はバイオマーカーの存在を判定するための1つ又は複数の試薬を含むキットも存在してもよい。
ここまでは、23の特定のバイオマーカーを含む、又はそれらからなるバイオマーカーの一団を使用して記載してきた。ここからは、23の特定のバイオマーカーから選択される2つ以上のバイオマーカーを含むバイオマーカーの一団を使用する実施形態を記載する。
肺がんを有する対象の予後判定を提供する方法であって、(a)当該対象に由来する生物学的試料を、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも2つのバイオマーカーを含むバイオマーカーの一団の各メンバーに特異的に結合する試薬に接触させる工程;(b)試料中のバイオマーカーの発現の核酸レベルに基づいて、当該対象のリスクスコアを決定する工程;及び(c)当該対象のリスクスコアに基づいて、肺がんの予後判定を提供する工程を含む方法も記載する。
対象のリスクスコアを決定する工程は、選択されたバイオマーカーの各々について、組織試料中の発現の核酸レベルを示すスコアを決定する工程;決定されたスコアに基づいてリスクスコアを計算する工程であって、リスクスコアは、加重したバイオマーカースコアを合計することによって計算され、バイオマーカースコアは決定されたスコアに基づいており、各バイオマーカースコアは対応するウェイトを有する、工程;及びリスクスコアを閾値と比較する工程を含むことができる。このようにして、各対象は、例えば、高リスク群(例えば、閾値より高いリスクスコア)又は低リスク群(例えば、閾値以下のリスクスコア)に層別化され得る。例えば、全ての型の肺がんを考慮した場合、高リスク群は生存転帰が低い可能性があり、低リスク群は生存の見込みを十分にもつ可能性がある。或いは、早期がんを考慮した場合、高リスク群は、低リスク群より再燃しやすい可能性がある。GOLGA8A、SCPEP1、SLC46A3及びXBP1のバイオマーカースコアの各々に対応するウェイトは、これらが有利な遺伝子であることを示す負の値を有し得る。ANLN、ASPM、CDCA4、ERRFI1、FURIN、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SNX7及びTPBGのバイオマーカースコアに対応するウェイトは、正の値を有し得る。
リスクスコアのための加重和は:
リスクスコア= b1x1i + b2x2i+...+bnxni
から決定することができ、式中、x1i、x2i、...、xniは、各対象iについて選択された4つのバイオマーカーのバイオマーカースコアであり、b1、b2、...、bnは、各バイオマーカースコアに対応する一連のウェイトである。
本方法は、一連の対象における複数のバイオマーカーに関する情報を含む訓練データを使用して訓練されているCox比例ハザードモデルを使用して、加重和のウェイトを決定する工程を更に含むことができる。本方法は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1を含む群から選択される、Cox比例ハザードモデルに使用されるべき複数のバイオマーカーを同定する工程を含むことができる。
閾値は、訓練データの中央値リスクスコアとすることができる。
バイオマーカーのレベルを示すスコアを決定する工程は、換算強度スコアを決定する工程を含むことができる。バイオマーカースコアは、調整係数を減算することによって調整された換算強度スコアに基づくものとすることができる。バイオマーカーのレベルを示すスコアを決定する工程は、レベルが閾値より高い場合は第1の値を与え、レベルが閾値より低い場合は第2の値を与える工程を含むことができる。バイオマーカーのレベルを示すスコアを決定する工程は、レベルが上限閾値より高い場合は第1の値を与え、レベルが上限閾値より低いが下限閾値より高い場合は第2の値を与え、レベルが下限閾値より低い場合は第3の値を与える工程を含むことができる。
試薬は核酸とすることができる。
肺がんは、非小細胞肺がん(NSCLC)とすることができる。NSCLCは、侵襲性肺腺癌(LUAD)、肺扁平上皮癌(LUSC)、大細胞癌、腺扁平上皮癌、癌肉腫、大細胞神経内分泌癌、未分化非小細胞肺がん又は気管支肺胞上皮癌から選択することができる。LUAD及びLUSCはNSCLCの症例の大部分を占め、他の型は一緒にグループ化される傾向にある。NSCLCは、I期、II期、III期又はIV期とすることができる。
試料は、外科的に切除した腫瘍由来とすることができる。試料は、肺組織又は肺腫瘍の生検試料由来とすることができる。
予後判定はリスク査定を提供することができる。
本方法は、処置を決定する工程を更に含むことができる。したがって、上記の方法を含み、処置を決定する更なる工程を更に含む、対象の処置を決定する方法も記載する。前記処置は、外科的処置、化学療法、手術、放射線療法、免疫療法又はCAR-T療法から選択することができる。そのような処置は当技術分野において公知である。免疫チェックポイント阻害剤、腫瘍溶解性ウイルス療法、T細胞療法及びがんワクチン等、様々な種類の免疫療法があることが認識されるであろう。適切な治療を選択することができる。
ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG及びXBP1から選択される少なくとも2つのバイオマーカーを含む、又は当該少なくとも2つのバイオマーカーからなるバイオマーカーの一団の各メンバーに特異的に結合する試薬の一団を含む組成物も記載する。
ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG及びXBP1から選択される少なくとも2つのバイオマーカーを含むバイオマーカーの一団の各メンバーに特異的に結合する試薬を含むキットも記載する。試薬は、上記の組成物又はキットの中の核酸とすることができる。上記の肺がんを有する対象の予後判定を提供する方法における組成物又はキットの使用も記載する。上記の肺がんを有する対象の処置を提供する方法における組成物又はキットの使用も記載する。
肺がんを有する対象の予後判定を提供する方法における、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG及びXBP1から選択される少なくとも2つのバイオマーカーの使用も記載する。上記の肺がんを有する対象の処置を提供する方法における、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG及びXBP1から選択される少なくとも2つのバイオマーカーの使用も記載する。
肺がんを有する対象の死亡リスクのレベルを予測する工程を含む、肺がんを有する対象を処置する方法であって、(a)当該対象に由来する生物学的試料を、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも2つのバイオマーカーを含むバイオマーカーの一団の各メンバーに特異的に結合する試薬に接触させる工程;(b)試料中のバイオマーカーの発現の核酸レベルに基づいて、当該対象のリスクスコアを決定する工程;(c)リスクスコアを閾値と比較して、当該対象が高い死亡リスクを有するかどうかを予測する工程;(d)処置を選択する工程;及び(e)処置を行う工程を含む方法も記載する。
バイオマーカーの一団が選択されたバイオマーカーを含む、本発明の実施形態の各々において、当業者は、バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも3つのバイオマーカーを含んでいてもよく、又は当該少なくとも3つのバイオマーカーからなるものであってもよいことを理解するであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも4つのバイオマーカーを含んでいてもよく、又は当該少なくとも4つのバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも5つのバイオマーカーを含んでいてもよく、又は当該少なくとも5つのバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも6つのバイオマーカーを含んでいてもよく、又は当該少なくとも6つのバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも7つのバイオマーカーを含んでいてもよく、又は当該少なくとも7つのバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも8つのバイオマーカーを含んでいてもよく、又は当該少なくとも8つのバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも9つのバイオマーカーを含んでいてもよく、又は当該少なくとも9つのバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも10のバイオマーカーを含んでいてもよく、又は当該少なくとも10のバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも11のバイオマーカーを含んでいてもよく、又は当該少なくとも11のバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも12のバイオマーカーを含んでいてもよく、又は当該少なくとも12のバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも13のバイオマーカーを含んでいてもよく、又は当該少なくとも13のバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも14のバイオマーカーを含んでいてもよく、又は当該少なくとも14のバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも15のバイオマーカーを含んでいてもよく、又は当該少なくとも15のバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも16のバイオマーカーを含んでいてもよく、又は当該少なくとも16のバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも17のバイオマーカーを含んでいてもよく、又は当該少なくとも17のバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも18のバイオマーカーを含んでいてもよく、又は当該少なくとも18のバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも19のバイオマーカーを含んでいてもよく、又は当該少なくとも19のバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも20のバイオマーカーを含んでいてもよく、又は当該少なくとも20のバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも21のバイオマーカーを含んでいてもよく、又は当該少なくとも21のバイオマーカーからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも22のバイオマーカーを含んでいてもよく、又は当該少なくとも22のバイオマーカーからなるものであってもよいことが理解されるであろう。
バイオマーカーの一団が選択されたバイオマーカーを含む、本発明の実施形態の各々において、当業者は、バイオマーカーの一団は、ANLNと、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はANLNと、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことを理解するであろう。バイオマーカーの一団は、ASPMと、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はASPMと、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、CDCA4と、ASPM、ANLN、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はCDCA4と、ASPM、ANLN、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ERRFI1と、ASPM、ANLN、CDCA4、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はERRFI1と、ASPM、ANLN、CDCA4、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、FURINと、ASPM、ANLN、CDCA4、ERRFI1、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はFURINと、ASPM、ANLN、CDCA4、ERRFI1、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、GOLGA8Aと、ASPM、ANLN、CDCA4、ERRFI1、FURIN、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はGOLGA8Aと、ASPM、ANLN、CDCA4、ERRFI1、FURIN、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、ITGA6と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はITGA6と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、JAG1と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はJAG1と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、LRP12と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はLRP12と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、MAFFと、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はMAFFと、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、MRPS17と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はMRPS17と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、PLK1と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、X
BP1のうち少なくとも1つとを含んでいてもよく、又はPLK1と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、PNPと、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はPNPと、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、PPP1R13Lと、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はPPP1R13Lと、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、PRKCAと、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はPRKCAと、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、PTTG1と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はPTTG1と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、PYGBと、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はPYGBと、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、RPP25と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はRPP25と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、SCPEP1と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はSCPEP1と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SLC46A3、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、SLC46A3と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SNX7、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はSLC46A3と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SNX7、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、SNX7と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、TPBG、XBP1のうち少なくとも1つとを含んでいてもよく、又はSNX7と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、TPBG、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、TPBGと、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、XBP1のうち少なくとも1つとを含んでいてもよく、又はTPBGと、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、XBP1のうち少なくとも1つとからなるものであってもよいことが理解されるであろう。バイオマーカーの一団は、XBP1と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBGのうち少なくとも1つとを含んでいてもよく、又はXBP1と、ASPM、ANLN、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBGのうち少なくとも1つとからなるものであってもよいことが理解され
るであろう。
当業者であれば、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1のうち2つ以上のバイオマーカーの任意の組合せは、肺がんを有する対象の予後判定を提供する、又は処置を決定するのに十分であり得ることを理解するであろう。
本発明の幾つかの好ましい実施形態が示され、記載されてきたが、添付の特許請求の範囲に定義されている本発明の範囲から逸脱することなく、様々な変更及び変形がなされ得ることが、当業者に認識されるであろう。
本発明をより深く理解するため、及び本発明の実施形態がどのように実行され得るかを示すため、以下に、単に例示の目的で、添付の概略図に言及する。
腫瘍サンプリングバイアスの問題を図示する、サンプリング部位を示す肺腫瘍の概略図である。 予測方法の工程、及び図1aの腫瘍サンプリングバイアスの問題の臨床的意味の概略図である。 患者に対するリスクスコアを、特定の既知のシグネチャーを使用してプロットしたグラフである。 既知のシグネチャー（Shukla JNCl(2017)シグネチャー）を使用して、低リスク（Concordant low）、高リスク（Concordant high）及び不一致のリスク(Discordant)の患者の割合を示す棒グラフである。 既知のシグネチャー（Li JAMA Oncology (2017)シグネチャー）を使用して、低リスク（Concordant low）、高リスク（Concordant high）及び不一致のリスク(Discordant)の患者の割合を示す棒グラフである。 9つの既知のシグネチャーについて、クラスターの数(No. of clusters)に対して、一緒にクラスタリングされている腫瘍領域をもつ患者のパーセンテージをプロットしたグラフである。 予後判定シグネチャーを開発し、検証する方法の工程を示すフローチャートである。 予後判定方法の工程を示すフローチャートである。 図2bの方法を実行するためのシステムの構成要素を示す概略ボックス図である。 遺伝子CKMT2について、クラスターの数(No. of clusters)に対して、同じクラスター中の全ての試料をもつ患者の割合をプロットしたグラフである。 遺伝子HOXC11について、クラスターの数(No. of clusters)に対して、同じクラスター中の全ての試料をもつ患者の割合をプロットしたグラフである。 各遺伝子に対して階層的クラスタリングの一致性(曲線の積分)をプロットしたグラフである。 複数の遺伝子についてRNAの腫瘍内不均一性を計算する工程の図である。 各遺伝子について標準偏差スコアに対する中央値絶対偏差(MAD, Median absolute deviation)をプロットしたグラフである。 各遺伝子について標準偏差スコアに対する変動係数(CV, Coeffcient of variation)をプロットしたグラフである。 RNAの腫瘍間不均一性の尺度を計算するためのランダムサンプリングプロセスの図である。 複数の遺伝子について、RNAの腫瘍間不均一性の値(x軸、Mean between tumour diversity)に対するRNAの腫瘍内不均一性の値(y軸, mean within tumour diversity)をプロットした図である。 検証コホートにおける3つのシグネチャーの各々について予後判定(Prognostic)値をプロットしたグラフである。 既知の危険因子について予測値のフォレストプロット図である。 リスク予測の改善が臨床的判断決定に影響を及ぼす可能性があるI期の患者における、亜病期分類基準（substaging criteria）の予後判定値をプロットしたグラフである。 リスク予測の改善が臨床的判断決定に影響を及ぼす可能性があるI期の患者における、化学療法の現在の臨床ガイドラインの予後判定値をプロットしたグラフである。 リスク予測の改善が臨床的判断決定に影響を及ぼす可能性があるI期の患者における、アウトプットされたシグネチャーの予後判定値をプロットしたグラフである。 複数の患者の、アウトプットされたシグネチャーのリスクスコアをプロットしたグラフ図である。 RNA-Seqデータセット及び4つのマイクロアレイデータセットを使用しての予後判定値査定をプロットした図である。 ORACLEシグネチャーの任意のサブセットは予後判定値を有し得ることを表すプロット図である。 種々のがん型におけるRNA不均一性の四象限の、予後判定の関連性をプロットした図である。 各象限に予後判定遺伝子が豊富に含まれるか（enriched）又は欠乏している（depleted）かを決定するために、複数のがん型について各象限内の遺伝子の性能を比較した図である。 コピー数のITHに対する遺伝子発現のITHをプロットした図である。 サブクローン性の染色体のコピー数変化(それぞれ、減少及び増加)について、発現の違いを示す図である。 RNA不均一性の象限によるクローン性コピー数増加をプロットしたグラフである。 RNA不均一性の象限Q4における、豊富なリアクトームパスウェイをプロットした図である。
図面の説明
上で説明したように、図1a～図1fは、サンプリングバイアスが、数種のがん型において分子バイオマーカーの使用を交絡させ得ることを説明している。この原因は、腫瘍内不均一性(即ち、個別の腫瘍内の遺伝子の特徴及びトランスクリプトームの特徴における空間的変動)が、腫瘍の進展の基礎として、分子バイオマーカーの適用の成果に影響を及ぼすことにある。なぜなら、試験されている腫瘍試料の位置によって結果が変わり得るからである。腫瘍サンプリングバイアスの問題に対する複数の解決策が提案されてきた。例えば、多領域シーケンシングを利用して、(i)個別の腫瘍について網羅的な分子リスク推定値を得るために複数の生検試料をプールすること(「Stability and Heterogeneity of Expression Profiles in Lung Cancer Specimens Harvested Following Surgical Resection」Blackhallら著、Neoplasia (2004)に発表、に記載されている);又は(ii)最大の免疫回避性をもつ「致死性の」サブクローン(例えば「Comprehensive Intrametastatic Immune Quantification and Major Impact of Immunoscore on Survival」Mlecnikら著、JNCL J Natl Cancer Inst 110、97～108頁(2018)に発表、に記載されている)若しくは転移能(例えば「Distant metastasis occurs late during the genetic evolution of pancreatic cancer」Yachidaら著、Nature 467、1114～1117頁(2010)に発表、に記載されている)を同定することである。しかしながら、臨床現場において、多領域シーケンシングは現在のところ実用的ではない。
図2aは、臨床診療において日常的に採取される単一領域の腫瘍試料に適用される、信頼できる予後判定結果をもたらす一連のバイオマーカー(又は遺伝子発現シグネチャー)の開発における工程のフローチャートである。以下でより詳細に説明されるように、当該一連のバイオマーカーは、腫瘍内不均一性が低いが腫瘍間不均一性が高い遺伝子を含み、これは、サンプリングバイアスの交絡作用を最小限にするが、患者間の識別力を最大限にする。
最初の工程S100は、訓練データ、例えば、I期～III期のNSCLC患者959名(LUAD患者469名及びLUSC患者490名)についてCancer Genome Atlas(TCGA)から遺伝子発現及び生存のデータを収集する工程である。このデータは、以下に記載されるようなシグネチャーを導出するために使用される訓練データセットを形成する。したがって、ダウンロードされたデータは、RNA-seqの前処理パイプラインにおける標準的な技術によって処理されて、訓練データが形成され得る。例えば、ヒトゲノムとの配列比較を、例えば、67に記載されているMapSpliceパッケージを使用して実行することができる。次に、遺伝子発現は、例えば、BioconductorのGenomicFeaturesパッケージ及びGenomic Rangesパッケージを使用して定量化することができる。次に、工程S101に示されているように、少なくとも2つの腫瘍試料中の少なくとも0.5CPMの遺伝子を保持して、発現フィルターを適用することができる。次に、「Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2」Loveら著、Genome Biol 15、550頁(2014)に発表、に記載されているDESeq2パッケージから、分散安定化変換を使用して、フィルターをかけた遺伝子について正規化されたカウント値が得られる。異なる患者のデータもまた、異なる疾患の予後判定シグネチャーを開発する場合に収集することが可能であることが認識されるであろう。
次の工程S102は、有意な予後判定遺伝子を同定する、各遺伝子の予後判定尺度を計算する工程である。次に、遺伝子の予後判定効果に基づいて遺伝子を除去するために(即ち、閾値より高い予後判定尺度を有する遺伝子を選択するために)、第1のフィルターをかける工程S104が適用される。これらの遺伝子の各々は、各患者の全生存に未知の影響を有する。予後判定尺度は、任意の好適な技術を使用して計算することができる。
例えば、単変量Cox回帰分析を適用することができる。h(t)で表されるハザード関数によって表現されるCoxモデルが使用される。ハザード関数は、t時点で死亡するリスクとして解釈することができる。これは次のように:
h(t)=h0(t)×exp(b1x1+b2x2+...+bpxn)
推定することができ、式中、tは生存期間を表し、h(t)は、一連のn共変数(x1、x2、...、xn)-この場合は遺伝子-によって決定されるハザード関数であり、セット(b1、b2、...、bn)は、各共変数のウェイト(又は係数)であり、h0という項はベースラインハザードと呼ばれ、全てのxiがゼロに等しい(exp(0)の量が1に等しい)場合のハザードの値に相当する。h(t)の「t」は、ハザードが経時的に変化し得ることを想起させる。しかしながら、時間差違を除去して、患者iの、参照群に対するハザード比の対数をとることにより、モデルを線形形式に書き換えることができる。この対数は次のように書くことができる。
Figure 2022524484000003
この線形方程式は、各患者iの一連のn共変数(即ち遺伝子)(x1i、x2i、...、xni)、及び全患者についてモデルを最適化するウェイトのセット(b1、b2、...、bn)を伴う、Cox比例ハザードモデルとして知られている。単変量解析とは、項中の各変数を考慮することを意味する。通常、各変数について、係数が、その係数の周辺の95%信頼区間の下限値及び上限値(それぞれCI95L及びCI95U)と一緒に計算される。P値は変数の統計的有意性の尺度であり、ワルド検定又はログランク検定のいずれかを使用して計算される。Q値は、Benjamini&Hochberg法を使用して調整したP値である。
工程S104に示されているように、1つずつ（one than one）予後判定フィルターを適用することができる。例えば、第1のフィルターは、予後判定有意性閾値に基づいて、全ての遺伝子にフィルターをかける工程を含むことができ、例えば、P<0.05を用いて、この例では遺伝子の数を19026から4240に減らすことができる。第2のフィルターを適用して、中央値閾値に基づいて遺伝子にフィルターをかけることができる。例えば、予後判定閾値より低い予後判定尺度の値を有する全ての遺伝子をフィルターにより除去することができる。この例では、これにより、遺伝子の数を19026から9512に減らすことができる。2つの閾値をまとめて予後判定閾値と考えることができ、このため、第1のフィルターをかける工程全体では、遺伝子の数を19026から2023に減らすことができる。
次に、第2のフィルターをかける工程S106を適用することができる。このフィルターは、クローン性発現フィルター又は不均一性フィルターと称してもよい。以下でより詳細に説明されるように、クローン性発現フィルターは、低い腫瘍内不均一性と高い腫瘍間不均一性との両方を有していない遺伝子を除去する(即ち、低い腫瘍内不均一性と高い腫瘍間不均一性との両方を有する遺伝子を選択する)ことができる。この例では、これにより、遺伝子の数を2023から176に減らすことができる。
次に、第3のフィルターをかける工程S108を適用することができる。このフィルターは一致性フィルターと称してもよく、遺伝子としてのクラスタリングの一致性スコアに基づいて、残っている遺伝子から最終候補を選択することができる。クラスタリングの一致性スコアは、任意の好適な技術を使用して計算することができる。例えば、一致性は、「Intratumor Heterogeneity Affects Gene Expression Profile Test Prognostic Risk Stratification in Early Breast Cancer」Gyanchandaniら著、Clin. Cancer Res. 22、5362～5369頁(2016)に発表、に記載されているように、各腫瘍から複数の試料が得られているがん発現データに、階層的クラスタリング解析を、例えば、マンハッタンメトリックでウォード法を使用して行って、決定することができる。一致性は、各遺伝子レベルで、全ての試料が一緒にクラスター形成している腫瘍のパーセントとして決定される。クラスタリング解析は、2つから患者の総数分まで反復して行うことができる(例えばこのTRACERx LUADコホートでは28)。各遺伝子について、クラスターの数に対して、同じクラスター中の全ての領域をもつ患者の数の曲線がプロットされ得る。例えば、図2d及び図2eに示されているように、2つの遺伝子CKMT2及びHOXC11について、同じクラスター中の全ての試料をもつ患者の割合が、クラスターの数(2～28)に対してプロットされている。次に、各遺伝子のクラスタリングの一致性スコアが曲線下面積として集計される。各遺伝子の一致性スコアは、各遺伝子の階層的クラスタリングの一致性を示す図2fに示されているようにプロットされ得る。各遺伝子の一致性スコアが計算されると、一致性閾値より低い一致性スコアを有する全ての遺伝子は除去することができる。一致性閾値(即ちカットオフ値)は、10分割交差検証を使用して決定することができる。この例では、これにより、遺伝子の数を176から90に減らすことができる。
遺伝子の数はまだ実用的な予後判定キットには多すぎる可能性があり、したがって、遺伝子の数は、ラッソ回帰等の標準的な技術を使用して、任意選択により更に減らすことができる(S110)。ラッソ回帰は、Rソフトウェア環境でglmnetパッケージを使用して(「Regularised Paths for Generalized Linear Models via Coordinate Descent」Friedmanら著、J Stat Softw 33、1～22頁(2010)に発表、に記載されている)、Cox比例ハザードモデルについて(例えば「Regularisation Paths for Cox's Proportional Hazards Model via Coordinate Descent」Simonら著、J Stat Softw 39、1～13頁(2011)に発表、に記載されている)、ラッソペナルティ(アルファ=1)を適用して、適用することができる。この例では、これにより、遺伝子の数を90から23に減らすことができる。次に、得られた23遺伝子(即ち、シグネチャー)のセットがアウトプットされる(S112)。得られたシグネチャーは、ORACLEシグネチャー(Outcome Risk Associated Clonal Lung Expression:転帰リスクに関連するクローン性肺の発現)と称してもよい。アウトプットされたシグネチャーの予後判定精度は、検証データを使用して評価することができる(S114)。
図2aのフィルターをかける工程の各々は、いずれの順序で適用されてもよいことが認識されるであろう。示されている順序は単に例示的なものであり、限定を意図するものではない。
予後判定バイオマーカーシグネチャーは、以下の遺伝子:ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1を含む。細胞増殖に関係する5つの遺伝子(ANLN、ASPM、CDCA4、PLK1、PRKCA)及び発癌シグナル経路に関係する6つの遺伝子(ERRFI、FURIN、ITGA6、JAG1、PPP1R13L、PTTG1)がある。遺伝子のうち7つのみ、即ち、ASPM、FURIN、PLK1、PNP、PRKCA、PTTG1及びTTBGが、以前にLUAD予後判定シグネチャーに使用されたようである。予後判定バイオマーカーは、治療とは無関係に生存リスクを予測するものである。
肺がんを有する対象の、予後判定を提供する、又はリスクのレベルを予測する方法であって、
a)当該対象に由来する生物学的試料を、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1を含む、又はそれらからなるバイオマーカーの一団の各メンバーに特異的に結合する試薬に接触させる工程;
b)試料中のバイオマーカーの発現の核酸レベルに基づいて、当該対象のリスクスコアを決定する工程;及び
c)当該対象のリスクスコアに基づいて、肺がんの予後判定を提供する工程
を含む方法。
本方法はまた、患者から試料を得る工程を含むこともできる。試料は、腫瘍試料とすることができる。本明細書において提供される方法、キット及び組成物において使用される試薬は、核酸、例えば、オリゴヌクレオチド又はプライマーとすることができる。
本明細書で使用する予後判定は、全生存、中期若しくは長期の死亡率(例えば1、2、3、4又は5年)又は無病生存等の臨床転帰に関する。
図2aは、予後判定に役立つシグネチャーを生成する方法を示すが、この方法は、予後判定尺度を予測尺度に置き換えることにより、容易に予測に適応できることが認識されるであろう。
図2bは、予後判定の方法の実施形態を提供する。その図は、予後判定の方法において、アウトプットされたシグネチャーを使用して行うことができる工程を示す。最初の工程は、生物学的試料を接触させる工程である(工程S200)。生物学的試料は、任意の適切な方法を使用して得ることができる腫瘍試料、例えば、生検試料を使用して得られるドナー試料由来のものとすることができる。次に、標準的な技術を使用して、腫瘍試料内の23遺伝子の各々についての値が決定される(工程S202)。
次の工程(S204)は、23遺伝子の各々の値の加重和からリスクスコアを決定する工程である。したがって、リスクスコアは、
リスクスコア= b1x1i + b2x2i+...+bnxni
から計算することができ、式中、x1i、x2i、...、xniは、各患者iについて選択された23遺伝子の値であり、b1、b2、...、bnは、各遺伝子に対応する一連のウェイトである。ウェイトは、上記のラッソ回帰を使用して決定することができる。
一例として、シグネチャー中の遺伝子の各々について、好適なウェイトが以下に示されている。正のベータ係数をもつ遺伝子はハザード比>1に関連し(即ち「不利な遺伝子」であり、生存がより不良であることを予測する)、負の係数をもつ遺伝子についてはその逆(「有利な遺伝子」)である。これらのウェイトは、適切な値を示すものであり、限定するものではないことが認識されるであろう。
Figure 2022524484000004
図2bに戻って、リスクスコアが決定されると、それはリスクスコア閾値と比較される(工程S206)。リスクスコアが閾値以上である場合、その患者が生存しないリスクが高いとみなされ、したがって、その患者は高リスクの患者として分類される(工程S210)。逆に、リスクスコアが閾値より低い場合、その患者が生存しないリスクが低いとみなされ、したがってその患者は低リスクの患者として分類される(工程S212)。閾値は、例えば、シグネチャーを導出するために使用したデータの中央値リスクスコア、及び/又は最も有意な折半の中央値リスクスコア(ログランクP<0.01)とすることができる。換言すれば、閾値は、訓練コホートを、再燃する患者と非再燃の(即ち治癒した)患者とに最も有意に折半するリスクスコアとすることができる。
工程S206の代替として、リスクスコアは、上限閾値及び下限閾値と比較することができる。リスクスコアが上限閾値以上である場合、患者は高リスクの患者として分類される。リスクスコアが下限閾値より低い場合、患者は低リスクの患者として分類される。リスクスコアがこれら2つの閾値の間である場合、患者は中リスクの患者として分類される。上限閾値及び下限閾値は、以下に説明されるように、訓練コホートから決定されるリスクスコアの三分位値として決定することができる。
リスクスコアが決定されると、これを任意選択により使用して、最適な処置を決定することができる。例えば、高リスクの患者には、手術を補うために補助化学療法が推奨される。そのような処置は、化学療法のみよりも全生存率の改善をもたらす。これは、高リスクの患者を識別するための臨床的な測定基準が不足しているI期の患者に特に当てはまる。現在のところ、I期の患者は化学療法を受けない傾向にあり、I期の患者のうちおよそ25%が処置不十分で、5年以内に再発するという結果になっている。対照的に、低リスクの患者には、処置は、手術のみか、又は上記に指定の組み合わされた外科的手法かのいずれかから選択することができる。両方の選択肢は、そのような場合に等しく有効である。
本方法の実行に関連するシステムの概略図が図2cに示されている。このシステムは、臨床医が患者から患者へと運べるような可搬式の携帯デバイスとすることが可能なコンピューターデバイス210を含み、リスクスコアの計算のためのアプリケーションがそのデバイスにロードされていることが可能である。コンピューターデバイス210は、標準的な構成要素、例えば、処理ユニット又はプロセッサ220、ユーザーが情報を、例えば決定されたスコアをインプットするのを可能にするユーザーインターフェースユニット222、並びに計算を実行するためのコード及び/又は計算されたリスクスコアを比較するための閾値を記憶するメモリ224等を含む。ユーザーインターフェースは情報を表示することができるか、又は代替として、情報を、例えば、計算されたリスクスコア及び/又は上記の処置の示唆をユーザーに表示する表示部226、並びに例えばリスクスコアを処理するために、他のデバイスと通信する、及び/又はクラウド240にアクセスするための通信モジュール228が存在してもよい。組織試料230もまた概略的に示されている。
この概略的なシステムは、専用の特殊用途のハードウェアを使用して、部分的に又は全体的に構成することができる。本明細書で使用する「モジュール」又は「ユニット」等の用語は、以下に限定されないが、ハードウェアデバイス、例えば、個別の又は内蔵の構成要素の形態の回路、フィールドプログラマブルゲートアレイ(Field Programmable Gate Array:FPGA)又は特定用途向け集積回路(Application Specific Integrated Circuit:ASIC)等を含むことができ、これらは、ある特定のタスクを実行するか、又は関連する機能を提供する。一部の実施形態では、記載されている要素は、有形で、持続的で、アドレス可能な記憶媒体に存在するように構成されていてもよく、1つ又は複数のプロセッサで実行するように構成されていてもよい。一部の実施形態では、これらの機能要素は、例として、構成要素、例えば、ソフトウェア構成要素、オブジェクト指向ソフトウェア構成要素、クラス構成要素及びタスク構成要素、プログラムコードのプロセス、関数、属性、プロシージャ、サブルーチン、セグメント、ドライバー、ファームウェア、マイクロコード、回路、データ、データベース、データ構造、テーブル、アレイ、及び変数を含んでもよい。例示的実施形態は、本明細書に記載の構成要素を参照して記載されてきたが、そのような機能要素は、もっと少ない要素に組み合わされてもよく、又は追加の要素に分けられてもよい。
図3a～図3eは、クローン性発現フィルターがどのように作り出され得るかを図示している。各遺伝子について、RNAの腫瘍内不均一性の値及びRNAの腫瘍間不均一性の値が計算される。これらの遺伝子毎の測定基準は、同じ腫瘍内の領域間で、標準偏差により、ばらつきを定量化して、腫瘍内不均一性の値を生成することができ、異なる腫瘍の同じ腫瘍領域間で、標準偏差により、ばらつきを定量化して、腫瘍間不均一性の値を生成することができる。これらは、多領域RNAseqのデータ(正規化されたカウント値)を使用して計算することができる。
図3a～図3eは、University College Londonの支援によるTRACERx肺がん研究に登録されているNSCLC患者100名から収集したデータセットから、腫瘍試料のデータをプロットしている。多領域サンプリングを実行して、同じ組織からDNA及びRNAを順次取得した。DNA試料に対して全エクソームシーケンシングを実行した。100腫瘍のコホートのうち、十分な品質のRNA試料が、68腫瘍の174領域から得られた。これらのうち、48腫瘍から少なくとも2つの試料が入手可能であった。
必要に応じて更なる処理を実行してもよい。例えば、「STAR:ultrafast universal RNA-seq aligner」Dobinら著、Bioinformatics 29、15～21頁(2013)に発表、に記載されているSTARパッケージを使用して配列比較を実行し、ヒトゲノムの読み取りデータをマッピングした。例えば、「RSEM: accurate transcript quantification from RNA-Seq data with or without a reference genome」Liら、BMC Bioinformatics 12、323頁(2011)に発表、に記載されているRSEMパッケージを使用して、転写産物発現を定量化し、カウント及び100万個当たりの転写産物(TPM:transcript per million)発現値を生成した。遺伝子を、腫瘍試料の少なくとも20%(30/156)中少なくとも1TPM保持して、発現フィルターを適用した。最後に、上記のDESeq2パッケージを使用して、フィルターをかけた遺伝子のカウント(カウント値に負の二項分布を仮定)に分散安定化変換を適用した。等分散的なライブラリーサイズの正規化されたカウント値がアウトプットされ、下記のように使用されることになった。この例では、考慮されるべき19206遺伝子が存在し得る。
図3aに示されているように、各患者(例えばCRUK003)に対し、複数の部位(例えばR1～R8)での遺伝子発現を、各遺伝子について決定する。図3aの左側のプロットは、例としてEDC4、CALM2及びPROM1の複数の部位での遺伝子発現を示す。所与の腫瘍について、複数の腫瘍領域における特定の遺伝子の発現値の標準偏差を計算して、RNA-腫瘍内不均一性の遺伝子特異的、患者特異的な尺度(σg,p)を得ることができる。例示の患者について、図3aの中央の表にこれらが示されており、3つの遺伝子については、それぞれ、0.075、0.552及び2.248である。したがって、EDC4は腫瘍内で変動がほとんどないが、PROM1は有意な変動がある。次に全ての遺伝子について、更に全ての腫瘍についてこれを反復して、この例では、患者(p)を列に、遺伝子(g)を行に示す表として表すσg,p値のマトリックスを生成することができる。
遺伝子としてのRNA-腫瘍内不均一性の値は、コホート中の全腫瘍における遺伝子当たりの平均(中央)値(σg)として集計することができる。これらの値は、例えば、図3aの右側に示されているようなグラフをプロットすることによって決定することができる。3つの例示の遺伝子について、σg値は、それぞれ、0.096、0.246及び1.380である。或いは、患者としてのRNA-ITH値は、コホート中の全発現遺伝子における腫瘍当たりの平均(中央)値(σp)として集計することができる。
図3bは、各遺伝子について標準偏差スコアに対する中央値絶対偏差(MAD)をプロットしている。同様に、図3cは、各遺伝子について標準偏差スコアに対する変動係数(CV)をプロットしている。図3b及び図3cは、MAD及びCVが、標準偏差スコアとの良好な一致性を示す、遺伝子としてのRNA-ITHの定量化のための代替の測定基準であることを示す。
図3dに示されているように、腫瘍間不均一性の尺度は、患者1名につき1つの領域を無作為にサンプリングする(例えば、患者CRUK001ではR1、患者CRUK002ではR2等)ことにより、各遺伝子について導出することができる。次に、得られた単一の生検試料のコホートにおける標準偏差を得ることができる。無作為のサンプリング及び標準偏差の計算は、複数回(例えば10回)反復して、反復における平均スコアを得ることができる。照査として、同じ方法を、真の単一の生検試料コホートであるTCGA NSCLCデータセットに適用することもできる。そのような照査により、TRACERxコホート内で計算されたスコア(PMCC=0.94、P<0.001)と良好な一致が見出された。これは、腫瘍間不均一性スコアの計算は再現性があることを示している。
図3eは、各遺伝子について、RNAの腫瘍内不均一性の値(値はスコアとも称され、その用語は互換的に使用することができる)(y軸)を、RNAの腫瘍間不均一性の値(x軸)に対してプロットしている。図3eのプロットは、腫瘍内不均一性の平均値(横の破線)及び腫瘍間不均一性の平均値(縦の破線)により、四象限に分けられる。各象限にはQ1、Q2、Q3及びQ4と番号がつけられ、示された象限当たりの遺伝子の数が記載されている。Q1は、腫瘍間不均一性の値が低く、腫瘍内不均一性の値が高い遺伝子を表し、798遺伝子を含有する。Q2は、腫瘍間不均一性の値が低く、腫瘍内不均一性の値が低い遺伝子を表し、9642遺伝子を含有する。Q3は、腫瘍間不均一性の値が高く、腫瘍内不均一性の値が高い遺伝子を表し、4766遺伝子を含有する。Q4は、腫瘍間不均一性の値が高く、腫瘍内不均一性の値が低い遺伝子を表し、1080遺伝子を含有する。Q2及びQ4の中の遺伝子は、腫瘍内に均一な発現を呈し(即ち、腫瘍内不均一性が低い)、サンプリングバイアスを制限し得る。しかしながら、Q2では、遺伝子は低い腫瘍間不均一性も有する。このことは、遺伝子が、異なる腫瘍間で均一な発現を呈することを意味し、このため、患者を高リスク群/低リスク群に層別化するための情報価値がない。したがって、Q4の遺伝子の群の方がより有用であり、したがって、クローン性発現フィルターは、象限Q4以外、即ち、腫瘍間の閾値(例えば中央値)より高い腫瘍間不均一性の値、及び腫瘍内の閾値(例えば中央値)より低い腫瘍内不均一性の値の両方を有する遺伝子以外の、全ての遺伝子をフィルターにより除去することができる。
図4a～図4eは、アウトプットされた(ORACLE)シグネチャーの予後判定精度を、検証データを使用して評価するという、図2aの方法の任意選択の最終工程の結果例を図示している。この例では、検証データは、初期段階のLUAD患者(UII、n=103、I期～III期)の独立コホートである「Uppsala II」データセットから取得される。検証データは、前処理されたUppsala RNAseqと、Uppsala NSCLC IIコホートに登録されているNSCLC患者170名(LUADが103名+LUSCが67名)についてGene Expression Omnibusからダウンロードした臨床データとを含む。コホートは、「Profiling cancer testis antigens in non-small-cell lung cancer」Djureinovicら著、JCL Insight 1 (2016)に発表、に記載されている。
遺伝子情報は、既知の工程を使用してデータセットから抽出した。例えば、ヒトゲノムとの配列比較を、例えば「TopHat2: accurate alignment of transcriptomes in the presence of insertions, deletions and gene fusions」Kimら著、Genome Biol 14、R36 (2013)に発表、に記載されているTopHatパッケージを使用して実行した。次に、例えば「The Subread aligner: fast, accurate and scalable read mapping by seed-and-vote」Liaoら著、Nucleic Acids Res 41、e108 (2013)に発表、に記載されているSubreadパッケージを使用して、生読み取りデータを計算した。「Mapping Identifiers for the Integration of Genomic Datasets with the R/Bioconductor package biomaRt」Durinckら著、Nat Protoc 4、1184～1191頁(2009)に発表、に記載されているbiomaRtパッケージを使用して、遺伝子IDをHGNC IDに変換した。次に、最大値をマルチマッピングプローブ用に選択した。上記の訓練データセット中で同定された低発現遺伝子に、検証データセットからフィルターをかけ、上記のDESeq2パッケージを使用して分散安定化変換を適用し、正規化されたカウント値をアウトプットした。追加の臨床情報(例えば、処置状況及び腫瘍サイズ)も得た。
図4aは、アウトプットされた23の遺伝子シグネチャーの性能を、既知の論文に基づく類似のシグネチャーと比較している。シグネチャーAは、「Development of a RNA-seq Based Prognostic Signature in Lung Adenocarcinoma」Shuklaら著、JNCL J Natl Cancer Inst 109 (2017)に掲載、に記載されているシグネチャー構築パイプラインに基づいている。このシグネチャーは、Shuklaの論文で同定された遺伝子に由来し、標準的な技術を使用して、シグネチャー用に幾つかの遺伝子が選択される。例えば、TCGAデータベース、特にLUAD患者の訓練データセットを使用して、単変量Cox回帰分析が実行され、第1の予後判定フィルターが適用されて(単変量Cox分析、P<0.00025)、Shuklaの論文で同定された遺伝子の数が108に減らされる。別の予後判定フィルター、今度は単変量Cox分析、FDR<0.02により、108の遺伝子が15に減らされる。最後に、前進型条件付き段階的回帰が適用されて、6-遺伝子シグネチャーが得られる。Shuklaの論文で概説されている工程はこのように辿られたが、その異なる訓練データは、Shuklaの4頁の4遺伝子を含有する予後判定モデルではなく、6-遺伝子シグネチャーをもたらした。
シグネチャーBは、「A practical molecular assay to predict survival in resected non-squamous, non-small lung cancer: development and international validation studies」Kratzら著、Lancet 379、823～832頁(2012)に発表、に記載されているシグネチャー構築パイプラインに基づいている。シグネチャーBの開発において、背景技術の項の表に列挙されたその論文で同定された全ての遺伝子が、最初に照合されてリスト化される。TCGAデータベース、特にLUAD患者の訓練データセットを使用して、単変量Cox回帰分析が実行され、第1の予後判定フィルターが適用されて(単変量Cox分析、P<0.00025)、同定された遺伝子の数が249に減らされる。第2の予後判定フィルターが適用されて、がん関連の遺伝子のみの最終候補が選択されることにより、数が249から56に減らされる。最後に、ラッソ回帰が適用されて、24遺伝子の予後判定シグネチャーが得られる。シグネチャーAの場合と同様、このシグネチャーBは、Kratzの論文に記載されている方法を使用してこのように導出されるが、訓練コホートが原因で、選択される遺伝子は異なる結果となる。両方のシグネチャーが上記の24遺伝子シグネチャーと比較できる。
図4aは、3つのシグネチャーの各々について予後判定値をプロットしている。3つのシグネチャーの予後判定精度は、Uppsalaデータセットの検証データを使用して試験される。図示されているように、図2aに示されたプロセスから得られるシグネチャーは、有意な生存リスク(ログランクP=0.006)を予測し、シグネチャーA及びシグネチャーBの両方より性能が優れていた。換言すれば、図4aは、図2aのプロセスによって導出されたシグネチャーを使用して計算されたリスクスコアを使用すると、検証コホート中の患者は、シグネチャーA及びシグネチャーBからのリスクスコアを使用する場合より首尾よく、有意に異なる生存期間を有する亜群に分けられ得ることを示す。
図4bはフォレストプロットであり、他の既知の危険因子と組み合わせた場合の新規のシグネチャーの予測値を示す。図4bにおいて、多変量(前述の単変量ではない)解析が実行され、計算されたリスクスコア(連続変数としてインプットされている)は、臨床情報が統合されて生存を予測する場合でさえも有意性を維持することが示されている。相対死亡リスク(ハザードスコア)が、腫瘍の病期(例えばI～III)、治療状況(何らかの補助処置の有無)及びアウトプットされた(ORACLE)シグネチャーを使用して計算されたリスクスコアの組合せ関数(combined function)として、塗りつぶしの四角で示されている。95%信頼水準もバーで示されている。ハザード比が高いほど死亡リスクが高く、当然ながら、III期の患者が最高値を有する。図4bは、腫瘍の病期及び処置状況で多変量解析を使用した場合に、アウトプットされたシグネチャーは追加の予後判定情報を提供するため、有意である(Cox MVA P=0.0247)ことを示す。
図4c～図4eは、I期の患者における臨床的に利用可能な情報を示す。検証データセット中にそのような患者がおよそ60名存在する。図4cは、亜病期分類基準に従って2群:IA(n=42)及びIB(n=18)に分けられたI期の患者を示す(ログランクP=0.52)。患者をこのように分類することは、患者を全生存率（Overall survival）が良好な患者と全生存率がより低い患者とに層別化するのに有効ではない。同様に、図4dは、腫瘍サイズに基づいて、高リスク(clinical risk)の患者と低リスクの患者とに分類されたI期の患者を示す。現在の臨床ガイドラインのI期のLUAD患者は、サイズが4cmより大きいIB期の腫瘍を有する患者が高リスクになり、他の患者(即ち、IA期の腫瘍又は4cm未満のIB期の腫瘍を有する)が低リスクになるというものである。患者60名の群において、患者5名のみが高リスクとして分類されている。図4dに示されているように、患者は、全生存率(Overall survival probability)が良好な患者と全生存率がより低い患者とにうまく層別化されていない。
図4eは、アウトプットされた(ORACLE)シグネチャーを使用して、2群:高リスク群(赤、High)と低リスク群(青、Low)とに分けられたI期（Stage I）の患者を示す。示されているように、この分割は、患者の生存率(Overall survival)を予測するのにより大幅に有効である。
図4fは、アウトプットされた(ORACLE)シグネチャーに対する腫瘍サンプリングバイアスの影響を示す。腫瘍領域は、計算されたリスクスコアを使用して、「高リスク」又は「低リスク」のいずれかとして分類される。次に、個々の患者は不一致の分類について査定され、それにより、同じ腫瘍の異なる領域が、異なるプロファイルの分子的リスクをもつものとして分類される場合がある。示されているように、患者3/28名(即ち11%)のみが不一致であり、これは、図1c及び図1dに示されているものより不一致の率が大幅に低い。
図4gは、RNA-Seqデータセット及び4つのマイクロアレイデータセットを使用しての予後判定値査定をプロットしている。複数のコホートにおいて一致性を調査するため、アウトプットされた(ORACLE)シグネチャーを4つのマイクロアレイデータセットに適用した。特に、アウトプットされた(ORACLE)シグネチャーの予後判定値を、LUADの患者(n=904、I期～III期のLUADの患者)の5つの検証コホートにおけるメタ解析において査定した。単変量Cox分析を、1つのRNA-Seqデータセット及び4つのマイクロアレイデータセットにおいて実行した。マイクロアレイコホート中、23遺伝子のうち19遺伝子が解析に利用可能であった(ASPM、CDCA4、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PYGB、SCPEP1、SLC46A3、SNX7、TPBG、XBP1)。ハザード比及び95%信頼区間が各コホートについて示され、自然対数目盛にプロットされている。23遺伝子のうち19遺伝子のみしかマイクロアレイプローブセットと比べられず、RNA-Seqデータに関して訓練されたシグネチャーのウェイトを使用したため、アウトプットされたシグネチャーの性能はもっと劣っているであろうと予測された。しかしながら、ORACLEは、4つのマイクロアレイデータセットのうち3つにおいて、生存と有意に関連していた。メタ解析は、全ての検証コホートを考慮に入れ(菱形は、5つの検証コホートのメタ解析についてのハザード比を示す)、ORACLEが全ハザード比3.57の転帰と有意に関連していたことを示している。これらのデータは、発現プロファイリング技術における差違に対して抵抗性のある生存関連情報が、バイオマーカーデザインにおいてRNA-ITHを制御することによって得ることができることを示す。この解析に関する更なる情報は、「A clonal expression biomarker associates with lung cancer mortality」D. Biswasら著、Nature Medicine 25、1540～1548頁(2019)に見出すことができる。
図4hは、ORACLEシグネチャーから選択される1遺伝子～23遺伝子の組合せについての予後判定値をプロットしている。全ORACLEシグネチャーから遺伝子の組合せを選択するための2つの手順を、23遺伝子の全ての組合せを網羅する徹底的な探索に対する計算効率の良い代替法として考案した。逆方向のサブセット化を、全23遺伝子を含有する全モデルで開始し、全22遺伝子の組合せを評価し、次に、予後判定の有意性が最も高い最良の組合せを選んだ。この手順を反復し続けて、1つの遺伝子が残るまで、遺伝子を1回に1つずつ除外した。順方向のサブセット化を、遺伝子を含有しないモデルで開始し、次に、遺伝子を1回に1つずつ加えながら全23遺伝子が含まれるまで行い、モデルに対して予後判定の有意性が最も高いものを得た。重要なことであるが、各遺伝子のウェイトは再訓練されたものではなく、そのため、各組合せは、上記で定義した全ORACLEシグネチャーのサブセットとして評価した。これらのデータは、ORACLEシグネチャーの23遺伝子のうち2つ以上の任意の組合せが予後判定値を有し得ることを示す。これら2つの手順のデータは付録Aに示されている。
図5a及び図5bは、上記の図2aの方法が、他のがん型において予後判定の適合性を保持し得ることを図示している。図3a～図3eに記載のクローン性発現フィルターは、多領域LUSC腫瘍及び他のNSCLCの組織学的資料からのデータを組み入れているTRACERx肺コホートの全多領域RNAseqデータセットを利用して生成した。次にこのデータを使用し、上記と同じ遺伝子としての測定基準を使用して、各遺伝子について腫瘍内不均一性スコア及び腫瘍間不均一性を計算した。遺伝子は、上記のように4つの象限(quadrant)に分割される。
次に、有意な汎がん予後判定値をもたらす、四象限の各々における遺伝子の各々の割合を査定した。それが図5aに示されている。例えば、汎がん(pan-cancer)遺伝子としての予後判定値(prognostic value)は、「The prognostic landscape of genes and infiltrating immune cells across human cancers」Gentlesら著、Nat Med 21、938～945頁(2015)に発表、に記載のPRECOGリソースからダウンロードすることができる。PRECOGリソースは、39の異なる悪性の組織学的資料を網羅する166のマイクロアレイデータセットを集約しているメタデータセットである。データセットは、単変量Cox回帰分析を使用して既に計算されているZスコア(Z-score)を含む。|z|スコア>1.96(両側P<0.05に等しい)を有する遺伝子が選択される。図3a～図3eの解析と一致して、象限Q4の遺伝子(即ち、腫瘍間不均一性の値が高く、腫瘍内不均一性の値が低い遺伝子)は、汎がんZスコアが、他の全ての象限と比較して有意に高かった(有意な予後判定能力を反映している)。
図5bはまた、各象限内の遺伝子の性能を比較して、遺伝子が、予後判定遺伝子の中に豊富に含まれるか、欠乏しているかを判定もしている。図5bの各点は、PRECOGデータベースから入手した33のがん型のうちの1つに相当する。NSCLCのRNA不均一性の象限毎の予後判定に有意な遺伝子の数(|z|スコア>1.96)は、各がん型について、有意でない(灰色)、有意に豊富に含まれる(赤)、又は有意に欠乏している(青)として示されている。図5bに示されているように、Q4中の遺伝子には、予後判定遺伝子が、各種がん型の49%(19/39)において有意に豊富に含まれ、3/%(1/39)の頭頚部がんにおいてのみ、有意に欠乏していた。逆に、Q1中の遺伝子(腫瘍間不均一性の値が低く、腫瘍内不均一性の値が高い遺伝子)は、いずれのがん型においても有意に豊富に含まれてはおらず、56%(22/39)において欠乏していた。Q2中の遺伝子(腫瘍間不均一性の値が低く、腫瘍内不均一性の値が低い遺伝子)及びQ3中の遺伝子(腫瘍間不均一性の値が高く、腫瘍内不均一性の値が高い遺伝子)は、それらが欠乏しているがん型及び豊富に含まれるがん型の数が類似していた。
図6a～図6cは、RNA-ITHを裏付けるゲノム機構を探索するものである。多領域RNAseqデータを使用して、上記のように計算したRNA-ITHスコアと、「Tracking the Evolution of Non-Small Cell Lung Cancer」Jamal-Hanjaniら著、N Engl J Med 376、2109～2121頁(2017)に発表、に記載されている多領域WESデータを使用して定量化したコピー数の不均一性との間の関係が、最初に考察される。図6aは、遺伝子発現のITHをコピー数のITHと相関させている。TRACERx LUADコホートから、患者としてのRNA-ITHスコアが、患者としてのSCNA-ITHスコアに対してプロットされている。図6aは、患者毎の中央値RNA-ITHスコアと、患者毎のサブクローン性SCNAイベントのパーセンテージとの間に有意な相関関係がある(Rs=0.48、P=0.0162)ことを示す。これは、SCNA-ITHが、トランスクリプトームの不均一性の一因となり得ることを示す。
図6bは、サブクローン性コピー数増加と発現の増加との間に、及びサブクローン性コピー数減少と発現の減少との間に、極めて有意な関連性があることを示す(P<0.001)。このデータは、サブクローン性レベルでの染色体のコピー数の増加及び減少と、遺伝子転写との間の関連性を示し、RNA-ITHが、進行中のCIN、及び不均一なDNAコピー数イベントの選択の可能性を反映していることを示す。
図6cは、各象限についてクローン性コピー数増加のオッズ比を示す。図6cは、TRACERxコホート中の、クローン性コピー数増加を滅多に示さない遺伝子(下位四分位)に対して、クローン性コピー数増加(上位四分位)の方に最もよく影響を受ける、各象限内の遺伝子の相対的豊富さを査定している。図6cは、TRACERx中のクローン性コピー数増加イベントに影響を受けるQ4の遺伝子の極めて有意な豊富さ(P=1.18e-05、フィッシャーの正確確率検定)、及びそれほどではないにせよ、Q3の遺伝子の豊富さ(P=0.000109、フィッシャーの正確確率検定)が存在することを示す。対照的に、Q2の遺伝子には欠乏がある(P=6.86e-08、フィッシャーの正確確率検定)。このデータは、腫瘍内の均一な発現は、腫瘍の進展の初期に選択されるクローン性DNAコピー数変化に原因がある可能性があることを示唆する。
図6dは、Q4における豊富なリアクトームパスウェイを示し、これらは、有糸***、ヌクレオソームアセンブリー及びエピジェネティック調節を含む細胞増殖に関係している。対照的に、他の象限の遺伝子についてのパスウェイの同様の解析によると、Q1の遺伝子は有意な豊富さを示さず、Q2の遺伝子はRNAスプライシングプロセシングへの関与を示し、Q3の遺伝子はGPCRリガンド結合及び細胞外マトリックス組織への関与を示した。この解析は、Q4の遺伝子が、その予後判定の識別力のあるパスウェイを説明し得る腫瘍の攻撃性の特定の生物学的特徴に関連している可能性があることを示す。
任意選択の特徴の様々な組合せが本明細書に記載されてきた。記載された特徴を組み合わせて、任意の好適な組合せにしてもよいことが認識されるであろう。特に、いずれか1つの例示的実施形態の特徴は、そのような組合せが相互排他的である場合を除き、適宜、任意の他の実施形態の特徴と組み合わされてもよい。本明細書を通して、「含むこと(comprising)」又は「含む(comprises)」という用語は、指定された構成要素を含むことを意味するが、他の構成要素の存在の除外を意味するものではない。
本願に関連して、本明細書と同時に又は本明細書より前に出願又は提起され、本明細書とともに一般閲覧に付されている全ての論文及び文書に注目し、全てのそのような論文及び文書の内容は、参照により本明細書に組み込まれる。
本明細書(添付の特許請求の範囲、要約及び図面をいずれも含む)に開示されている特徴の全て、及び/又はそのように開示されている任意の方法又はプロセスの工程の全ては、そのような特徴及び/又は工程の少なくとも一部が相互排他的である組合せを除き、組み合わされて任意の組合せにされてもよい。
本明細書(添付の特許請求の範囲、要約及び図面をいずれも含む)に開示されている各特徴は、特に明記しない限り、同じ、均等な、又は類似の目的に適う別の特徴に置き換えられてもよい。したがって、特に明記しない限り、開示されている各特徴は、包括的な一連の均等な又は類似の特徴の一例に過ぎない。
本発明は、上記の実施形態の詳細に限定されるものではない。本発明は、本明細書(添付の特許請求の範囲、要約及び図面をいずれも含む)に開示されている特徴の、任意の新規のもの、若しくは任意の新規の組合せに、又はそのように開示されている任意の方法若しくはプロセスの工程の、任意の新規のもの、若しくは任意の新規の組合せにまで及ぶ。
付録A-図4hの順方向及び逆方向のサブセット化手順を使用して得られた、予後判定値を有するバイオマーカーの特定の組合せを示すデータ。
順方向解析
Figure 2022524484000005
Figure 2022524484000006
Figure 2022524484000007
Figure 2022524484000008
Figure 2022524484000009
Figure 2022524484000010
Figure 2022524484000011
逆方向解析
Figure 2022524484000012
Figure 2022524484000013
Figure 2022524484000014
Figure 2022524484000015
Figure 2022524484000016
Figure 2022524484000017
Figure 2022524484000018
Figure 2022524484000019
Figure 2022524484000020
S100 試料からデータを収集する
S101 各遺伝子の発現データに基づいてフィルターをかける
S102 各遺伝子の予後判定スコアを計算する
S104 各遺伝子の予後判定効果に基づいてフィルターを適用する
S106 腫瘍内不均一性及び腫瘍間不均一性に基づいてフィルターをかける
S108 一致性スコアに基づいてフィルターをかける
S110 ラッソ回帰を適用する
S112 得られたシグネチャーをアウトプットする
S114 得られたシグネチャーを検証する
S200 腫瘍試料を接触させる
S202 各遺伝子について値を決定する
S204 決定した値に基づいて、リスクスコアを決定する
S206 リスクスコア>閾値
S210 高リスクの患者
S212 低リスクの患者

Claims (54)

  1. 肺がんを有する対象の予後判定を提供する方法であって、
    (a)前記対象に由来する生物学的試料を、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1を含むバイオマーカーの一団の各メンバーに特異的に結合する試薬に接触させる工程;
    (b)前記試料中のバイオマーカーの発現の核酸レベルに基づいて、前記対象のリスクスコアを決定する工程;及び
    (c)前記対象のリスクスコアに基づいて、肺がんの予後判定を提供する工程
    を含む方法。
  2. 前記対象のリスクスコアを決定する工程が、
    前記バイオマーカーの各々について、組織試料中の発現の核酸レベルを示すスコアを決定する工程;
    前記決定されたスコアに基づいてリスクスコアを計算する工程であって、前記リスクスコアは、加重したバイオマーカースコアを合計することによって計算され、前記バイオマーカースコアは前記決定されたスコアに基づいており、各バイオマーカースコアは対応するウェイトを有する、工程;及び
    前記リスクスコアを閾値と比較する工程
    を含む、請求項1に記載の方法。
  3. GOLGA8A、SCPEP1、SLC46A3及びXBP1のバイオマーカースコアの各々に対応するウェイトが負の値を有し、ANLN、ASPM、CDCA4、ERRFI1、FURIN、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SNX7及びTPBGのバイオマーカースコアに対応するウェイトが正の値を有する、請求項2に記載の方法。
  4. 前記リスクスコアのための加重和が、
    リスクスコア= b1x1i + b2x2i +...+bnxni
    であり、式中、x1i、x2i、...、xniは、各対象iについて選択された4つのバイオマーカーのバイオマーカースコアであり、b1、b2、...、bnは、各バイオマーカースコアに対応する一連のウェイトである、
    請求項2又は請求項3に記載の方法。
  5. 一連の対象における複数のバイオマーカーに関する情報を含む訓練データを使用して訓練されているCox比例ハザードモデルを使用して、前記加重和のウェイトを決定する工程を更に含む、請求項4に記載の方法。
  6. ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1を含む群から選択される、Cox比例ハザードモデルに使用される複数のバイオマーカーを同定する工程を更に含む、請求項5に記載の方法。
  7. 前記閾値が、前記訓練データの中央値リスクスコアである、請求項2から6のいずれか一項に記載の方法。
  8. 前記バイオマーカーのレベルを示すスコアを決定する工程が、換算強度スコアを決定する工程を含む、請求項2から7のいずれか一項に記載の方法。
  9. 前記バイオマーカースコアが、調整係数を減算することによって調整された換算強度スコアに基づく、請求項8に記載の方法。
  10. 前記バイオマーカーのレベルを示すスコアを決定する工程が、前記レベルが閾値より高い場合は第1の値を与え、前記レベルが閾値より低い場合は第2の値を与える工程を含む、請求項2から9のいずれか一項に記載の方法。
  11. 前記バイオマーカーのレベルを示すスコアを決定する工程が、前記レベルが上限閾値より高い場合は第1の値を与え、前記レベルが上限閾値より低いが下限閾値より高い場合は第2の値を与え、前記レベルが下限閾値より低い場合は第3の値を与える工程を含む、請求項2から10のいずれか一項に記載の方法。
  12. 前記試薬が核酸である、請求項1から11のいずれか一項に記載の方法。
  13. 肺がんが非小細胞肺がん(NSCLC)である、請求項1から12のいずれか一項に記載の方法。
  14. NSCLCが、侵襲性肺腺癌(LUAD)、肺扁平上皮癌(LUSC)、大細胞癌、腺扁平上皮癌、癌肉腫、又は大細胞神経内分泌癌から選択される、請求項13に記載の方法。
  15. NSCLCが、I期、II期、III期又はIV期である、請求項13又は14に記載の方法。
  16. 前記試料が、外科的に切除した腫瘍由来である、請求項1から15のいずれか一項に記載の方法。
  17. 前記試料が、肺組織又は肺腫瘍の生検試料由来である、請求項1から16のいずれか一項に記載の方法。
  18. 前記予後判定がリスク査定を提供する、請求項1から17のいずれか一項に記載の方法。
  19. 処置を決定する工程を更に含む、請求項1から18のいずれか一項に記載の方法。
  20. 前記処置が、外科的処置、化学療法、手術、放射線療法、免疫療法又はCAR-T療法から選択される、請求項19に記載の方法。
  21. 請求項1から18のいずれか一項に記載の方法を含み、処置を決定する更なる工程を更に含む、対象の処置を決定する方法。
  22. 前記処置が、外科的処置、化学療法、手術、放射線療法、免疫療法又はCAR-T療法から選択される、請求項21に記載の方法。
  23. ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG及びXBP1を含む、又はそれらからなるバイオマーカーの一団の各メンバーに特異的に結合する試薬の一団を含む組成物。
  24. ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG及びXBP1を含むバイオマーカーの一団の各メンバーに特異的に結合する試薬を含むキット。
  25. 前記試薬が核酸である、請求項23に記載の組成物又は請求項24に記載のキット。
  26. 請求項1から18のいずれか一項に記載の肺がんを有する対象の予後判定を提供する方法における、請求項23若しくは25に記載の組成物又は請求項24若しくは25に記載のキットの使用。
  27. 請求項19又は20に規定の肺がんを有する対象の処置を提供する方法における、請求項23若しくは25に記載の組成物又は請求項24若しくは25に記載のキットの使用。
  28. 請求項1から18のいずれか一項に記載の肺がんを有する対象の予後判定を提供する方法における、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG及びXBP1の使用。
  29. 請求項19又は20に規定の肺がんを有する対象の処置を提供する方法における、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG及びXBP1の使用。
  30. 肺がんを有する対象の死亡リスクのレベルを予測する工程を含む、肺がんを有する対象を処置する方法であって、
    (a)前記対象に由来する生物学的試料を、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1を含むバイオマーカーの一団の各メンバーに特異的に結合する試薬に接触させる工程;
    (b)前記試料中のバイオマーカーの発現の核酸レベルに基づいて、前記対象のリスクスコアを決定する工程;
    (c)前記リスクスコアを閾値と比較して、前記対象が高い死亡リスクを有するかどうかを予測する工程;
    (d)処置を選択する工程;及び
    (e)前記処置を行う工程
    を含む方法。
  31. がんを有する対象のバイオマーカーシグネチャーを生成する方法であって、前記方法が、
    がんに罹患している複数の対象から、前記複数の対象の各々の、複数の遺伝子の遺伝子発現データを含む訓練データを生成する工程;
    前記遺伝子発現データに基づき、前記複数の遺伝子中の各遺伝子について、腫瘍内不均一性の尺度と腫瘍間不均一性の尺度との両方を計算する工程;及び
    不均一性フィルターを適用して、腫瘍内不均一性閾値より低い腫瘍内不均一性と、腫瘍間不均一性閾値より高い腫瘍間不均一性との両方を有する遺伝子を選択する工程;
    を含み、
    前記バイオマーカーシグネチャーが、選択された遺伝子のうち少なくとも一部を含む、
    方法。
  32. 各遺伝子の一致性スコアを計算する工程;及び
    一致性フィルターを適用して、一致性閾値より低い一致性スコアを有する遺伝子を選択する工程
    を更に含む、請求項31に記載の方法。
  33. 前記一致性スコアが、前記不均一性フィルターを適用した後に、選択された遺伝子について計算される、請求項32に記載の方法。
  34. 各遺伝子についての腫瘍内不均一性の尺度が、
    同じ腫瘍内の複数の部位での各遺伝子の遺伝子発現の値を得る工程、
    各腫瘍について、各遺伝子の得られた遺伝子発現値を示す尺度を計算する工程、及び
    前記腫瘍内不均一性の尺度を、各腫瘍中の各遺伝子の指示尺度の平均値として得る工程
    によって計算される、請求項31から33のいずれか一項に記載の方法。
  35. 前記遺伝子発現値を示す尺度が、標準偏差、中央値絶対偏差及び変動係数から選択される、請求項34に記載の方法。
  36. 前記腫瘍間不均一性の尺度が、
    各対象の腫瘍中の複数の領域のうち1つでの遺伝子発現の値を得る工程;及び
    得られた値の標準偏差を求める工程
    によって計算される、請求項31から35のいずれか一項に記載の方法。
  37. 前記得る工程及び前記求める工程を複数回反復する工程、及び反復結果の標準偏差を平均して、前記腫瘍間不均一性の尺度を得る工程を更に含む、請求項36に記載の方法。
  38. 請求項31から37のいずれか一項に記載の方法であって、前記バイオマーカーシグネチャーが予後判定に役立ち、前記方法が、
    前記複数の対象の各々について対応する生存データを含む訓練データを生成する工程;
    前記生存データに基づいて、前記複数の遺伝子の各々について予後判定尺度を計算する工程;及び
    予後判定フィルターを適用して、予後判定閾値より高い予後判定尺度を有する遺伝子を選択する工程
    を更に含む方法。
  39. 前記予後判定尺度が、単変量Cox回帰分析を使用して計算される、請求項38に記載の方法。
  40. 請求項31から37のいずれか一項に記載の方法であって、前記バイオマーカーシグネチャーが、特定の処置に対する対象の反応について予測に役立ち、前記方法が、
    前記複数の対象の各々について、対応する反応のデータを含む訓練データを生成する工程;
    前記反応のデータに基づいて、前記複数の遺伝子の各々について予測尺度を計算する工程;及び
    予測フィルターを適用して、予測閾値より高い予測尺度を有する遺伝子を選択する工程
    を更に含む方法。
  41. がんを有する対象の予後判定を提供する方法であって、
    前記対象に由来する生物学的試料を、請求項31から40のいずれか一項に記載の方法を使用して生成されるシグネチャー中のバイオマーカーの一団の各メンバーに特異的に結合する試薬に接触させる工程;
    前記試料中のバイオマーカーの発現の核酸レベルに基づいて、前記対象のリスクスコアを決定する工程;及び
    前記対象のリスクスコアに基づいて、がんの予後判定を提供する工程
    を含む方法。
  42. 請求項41に記載の予後判定を提供する方法を含み、
    処置を決定する更なる工程を更に含む、
    対象の処置を決定する方法。
  43. 請求項31から40のいずれか一項に記載の方法を使用して生成されるシグネチャー中のバイオマーカーの一団の各メンバーに特異的に結合する試薬の一団を含む組成物。
  44. 請求項31から40のいずれか一項に記載の方法を使用して生成されるシグネチャー中のバイオマーカーの一団の各メンバーに特異的に結合する試薬を含むキット。
  45. がんを有する対象の予後判定を提供する方法における、請求項31から39のいずれか一項に記載の方法を使用して生成されるシグネチャー中のバイオマーカーの使用。
  46. がんを有する対象の処置を提供する方法における、請求項31から40のいずれか一項に記載の方法を使用して生成されるシグネチャー中のバイオマーカーの使用。
  47. がんを有する対象の死亡リスクのレベルを予測する工程を含む、がんを有する対象を処置する方法であって、
    前記対象に由来する生物学的試料を、請求項31から40のいずれか一項に記載の方法を使用して生成されるシグネチャー中のバイオマーカーの一団の各メンバーに特異的に結合する試薬に接触させる工程;
    前記試料中のバイオマーカーの発現の核酸レベルに基づいて、前記対象のリスクスコアを決定する工程;
    前記リスクスコアを閾値と比較して、前記対象が高い死亡リスクを有するかどうかを予測する工程;
    処置を選択する工程;及び
    前記処置を行う工程
    を含む方法。
  48. 肺がんを有する対象の予後判定を提供する方法であって、
    (a)前記対象に由来する生物学的試料を、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも2つのバイオマーカーを含むバイオマーカーの一団の各メンバーに特異的に結合する試薬に接触させる工程;
    (b)前記試料中のバイオマーカーの発現の核酸レベルに基づいて、前記対象のリスクスコアを決定する工程;及び
    (c)前記対象のリスクスコアに基づいて、肺がんの予後判定を提供する工程
    を含む方法。
  49. ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG及びXBP1から選択される少なくとも2つのバイオマーカーを含む、又は前記少なくとも2つのバイオマーカーからなるバイオマーカーの一団の各メンバーに特異的に結合する試薬の一団を含む組成物。
  50. ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG及びXBP1から選択される少なくとも2つのバイオマーカーを含むバイオマーカーの一団の各メンバーに特異的に結合する試薬を含むキット。
  51. 前記試薬が核酸である、請求項49に記載の組成物又は請求項50に記載のキット。
  52. 請求項48に記載の肺がんを有する対象の予後判定を提供する方法における、請求項49に記載の組成物又は請求項50若しくは51に記載のキットの使用。
  53. 請求項48に記載の肺がんを有する対象の予後判定を提供する方法における、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG及びXBP1から選択される少なくとも2つのバイオマーカーの使用。
  54. 肺がんを有する対象の死亡リスクのレベルを予測する工程を含む、肺がんを有する対象を処置する方法であって、
    (a)前記対象に由来する生物学的試料を、ANLN、ASPM、CDCA4、ERRFI1、FURIN、GOLGA8A、ITGA6、JAG1、LRP12、MAFF、MRPS17、PLK1、PNP、PPP1R13L、PRKCA、PTTG1、PYGB、RPP25、SCPEP1、SLC46A3、SNX7、TPBG、XBP1から選択される少なくとも2つのバイオマーカーを含むバイオマーカーの一団の各メンバーに特異的に結合する試薬に接触させる工程;
    (b)前記試料中のバイオマーカーの発現の核酸レベルに基づいて、前記対象のリスクスコアを決定する工程;
    (c)前記リスクスコアを閾値と比較して、前記対象が高い死亡リスクを有するかどうかを予測する工程;
    (d)処置を選択する工程;及び
    (e)前記処置を行う工程
    を含む方法。
JP2021544916A 2019-02-01 2020-01-30 がん患者の生存率を予測する方法 Pending JP2022524484A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
GB1901439.8 2019-02-01
GBGB1901439.8A GB201901439D0 (en) 2019-02-01 2019-02-01 Method of predicting survival rates for cancer patients
PCT/GB2020/050221 WO2020157508A1 (en) 2019-02-01 2020-01-30 Method of predicting survival rates for cancer patients

Publications (1)

Publication Number Publication Date
JP2022524484A true JP2022524484A (ja) 2022-05-06

Family

ID=65951801

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021544916A Pending JP2022524484A (ja) 2019-02-01 2020-01-30 がん患者の生存率を予測する方法

Country Status (8)

Country Link
US (1) US20220136063A1 (ja)
EP (1) EP3918093A1 (ja)
JP (1) JP2022524484A (ja)
CN (1) CN113853444A (ja)
AU (1) AU2020215312A1 (ja)
CA (1) CA3126749A1 (ja)
GB (1) GB201901439D0 (ja)
WO (1) WO2020157508A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112877429B (zh) * 2021-01-21 2022-04-12 浙江大学 基于基因检测判断肝癌药物敏感性和远期预后的预测工具及其应用
US20220233576A1 (en) * 2021-01-22 2022-07-28 Massachusetts Institute Of Technology Solute carrier family 46 member 3 (slc46a3) as marker for lipid-based nanoparticle cancer therapy and diagnostics
CN113174439B (zh) * 2021-03-30 2022-06-28 中国医学科学院肿瘤医院 一种基于免疫基因对评分体系在预测非小细胞肺癌患者免疫治疗效果中的应用
CN115851955A (zh) * 2022-12-16 2023-03-28 柳州市人民医院 肺鳞状细胞癌坏死性凋亡预后预测标记物、风险评估模型

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010063121A1 (en) * 2008-12-04 2010-06-10 University Health Network Methods for biomarker identification and biomarker for non-small cell lung cancer
JP2014516531A (ja) * 2011-05-25 2014-07-17 ノバルティス アーゲー 肺癌に対するバイオマーカー
WO2015138769A1 (en) * 2014-03-12 2015-09-17 The Board Of Trustees Of The Leland Stanford Junior University Methods and compositions for assessing patients with non-small cell lung cancer

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6420817B1 (en) 2000-02-11 2002-07-16 Delphi Technologies, Inc. Method for detecting injection events in a piezoelectric actuated fuel injector
US20100184063A1 (en) 2008-05-14 2010-07-22 Ming-Sound Tsao Prognostic and predictive gene signature for non-small cell lung cancer and adjuvant chemotherapy

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010063121A1 (en) * 2008-12-04 2010-06-10 University Health Network Methods for biomarker identification and biomarker for non-small cell lung cancer
JP2014516531A (ja) * 2011-05-25 2014-07-17 ノバルティス アーゲー 肺癌に対するバイオマーカー
WO2015138769A1 (en) * 2014-03-12 2015-09-17 The Board Of Trustees Of The Leland Stanford Junior University Methods and compositions for assessing patients with non-small cell lung cancer

Also Published As

Publication number Publication date
CA3126749A1 (en) 2020-08-06
WO2020157508A1 (en) 2020-08-06
EP3918093A1 (en) 2021-12-08
US20220136063A1 (en) 2022-05-05
AU2020215312A1 (en) 2021-07-29
GB201901439D0 (en) 2019-03-27
CN113853444A (zh) 2021-12-28

Similar Documents

Publication Publication Date Title
Bagnoli et al. Development and validation of a microRNA-based signature (MiROvaR) to predict early relapse or progression of epithelial ovarian cancer: a cohort study
Fairfax et al. Peripheral CD8+ T cell characteristics associated with durable responses to immune checkpoint blockade in patients with metastatic melanoma
Wang et al. Clinical significance and immunogenomic landscape analyses of the immune cell signature based prognostic model for patients with breast cancer
Liu et al. A novel strategy of integrated microarray analysis identifies CENPA, CDK1 and CDC20 as a cluster of diagnostic biomarkers in lung adenocarcinoma
Zhang et al. A novel long noncoding RNA LINC01133 is upregulated in lung squamous cell cancer and predicts survival
US20200176080A1 (en) Systems and Methods for Analyzing Mixed Cell Populations
JP2022524484A (ja) がん患者の生存率を予測する方法
Hall et al. Investigation of radiosensitivity gene signatures in cancer cell lines
Nazarov et al. Deconvolution of transcriptomes and miRNomes by independent component analysis provides insights into biological processes and clinical outcomes of melanoma patients
CN110305964B (zh) 一种***癌患者预后复发风险预测标志工具及其风险评估模型的建立
US20090197259A1 (en) Gene signature for diagnosis and prognosis of breast cancer and ovarian cancer
CN112614546B (zh) 一种用于预测肝细胞癌免疫治疗疗效的模型及其构建方法
US20200105367A1 (en) Methods of Incorporation of Transcript Chromosomal Locus Information for Identification of Biomarkers of Disease Recurrence Risk
Agulló-Ortuño et al. Lung cancer genomic signatures
EP2788535A1 (en) Predicting prognosis in classic hodgkin lymphoma
EP3444362B1 (en) Circulating mirnas as early detection marker and prognostic marker
WO2015154715A1 (en) A method of diagnosis, prognosis or treatment of a cancer
Peng et al. Identification of a novel prognostic signature of genome instability-related LncRNAs in early stage lung adenocarcinoma
Lin et al. Evolutionary route of nasopharyngeal carcinoma metastasis and its clinical significance
Zawistowski et al. Unifying genomics and transcriptomics in single cells with ResolveOME amplification chemistry to illuminate oncogenic and drug resistance mechanisms
Li et al. Establishment of a cell senescence related prognostic model for predicting prognosis in glioblastoma
Gao et al. A tumor microenvironment-related mRNA–ncRNA signature for prediction early relapse and chemotherapeutic sensitivity in early-stage lung adenocarcinoma
Zhiyanov et al. Differential co-expression network analysis with DCoNA reveals isomiR targeting aberrations in prostate cancer
Lopes-Ramos et al. Regulation of PD1 signaling is associated with prognosis in glioblastoma multiforme
Liu et al. Construction of Immune Infiltration-related LncRNA signatures based on machine learning for the prognosis in Colon cancer

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20221221

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231225

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20240312

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20240510