JP6755391B2 - 胃癌の生物学的特性に基づく群区分および予後予測システム - Google Patents
胃癌の生物学的特性に基づく群区分および予後予測システム Download PDFInfo
- Publication number
- JP6755391B2 JP6755391B2 JP2019520030A JP2019520030A JP6755391B2 JP 6755391 B2 JP6755391 B2 JP 6755391B2 JP 2019520030 A JP2019520030 A JP 2019520030A JP 2019520030 A JP2019520030 A JP 2019520030A JP 6755391 B2 JP6755391 B2 JP 6755391B2
- Authority
- JP
- Japan
- Prior art keywords
- molecular subtype
- prognosis
- gastric cancer
- signature
- gastric
- 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.)
- Active
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
- C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/10—Signal processing, e.g. from mass spectrometry [MS] or from PCR
-
- 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
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- 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
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
- G16B5/20—Probabilistic models
-
- 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
- C12Q2545/00—Reactions characterised by their quantitative nature
- C12Q2545/10—Reactions characterised by their quantitative nature the purpose being quantitative analysis
- C12Q2545/114—Reactions characterised by their quantitative nature the purpose being quantitative analysis involving a quantitation step
-
- 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
- C12Q2561/00—Nucleic acid detection characterised by assay method
- C12Q2561/113—Real time assay
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
- G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/30—Unsupervised data analysis
Description
TFF1、TFF2およびVSIG1からなる胃(gastric)シグネチャー;CNN1、NEXN、SCRG1、SORBS1およびSPARCL1からなる間葉(mesenchymal)シグネチャー;AURKA、BUB1、CDC20、CEP55、PTTG1およびUBE2Cからなる増殖(proliferative)シグネチャー;CD8A、GBP1、GBP5、GZMB、NKG7およびWARSからなる免疫(immune)シグネチャー;ANTXR1、SFRP4およびVCANからなる幹細胞様(stem−like)シグネチャー;およびCDH17、CDX1およびMYO1Aからなる腸(intestinal)シグネチャーを含む標的遺伝子群と、ACTB、ATP5E、GPX1、UBBおよびHPRT1を含む参考遺伝子群のmRNA発現水準を測定する段階;
下記の式1により基準サンプルと生物学的サンプルの標的遺伝子群のΔCq値を計算して、コンピュータプログラムに入力する段階;および
前記コンピュータプログラムに入力した値に対してNMF(Non−negative Matrix Factorization)およびNMF基盤クラスタリングを行い、複数個のクラスターに分類し、各クラスターで標的遺伝子群のスコア
前記胃癌の分子亜型は、胃(gastric)シグネチャーのSVが最大値を有するクラスターを胃(Gastric)分子亜型に定め;胃(Gastric)分子亜型に決定されたクラスターを除いたクラスターのうち間葉(mesenchymal)シグネチャーのSVが最大値を有し、増殖(proliferative)シグネチャーのSVが最小値を有するクラスターを間葉(Mesenchymal)分子亜型に定め;胃(Gastric)分子亜型および間葉(Mesenchymal)分子亜型に決定されたクラスターを除いたクラスターのうち免疫(immune)シグネチャーのSVが最大値を有し、腸(intestinal)シグネチャーのSVが最小値を有するクラスターを炎症(Inflammatory)分子亜型に定め;胃(Gastric)分子亜型、間葉(Mesenchymal)分子亜型および炎症(Inflammatory)分子亜型に決定されたクラスターを除いたクラスターのうち幹細胞様(stem−like)シグネチャーのSVが最大値を有する場合、混合型間質(Mixed−stromal)分子亜型に定め;最終的に残ったクラスターを腸(Intestinal)分子亜型に定めて分類し、
前記胃癌の分子亜型が炎症(Inflammatory)分子亜型である場合、全体生存率の側面で良い予後群;腸(Intestinal)分子亜型および胃(Gastric)分子亜型である場合、中間予後群;混合型間質(Mixed−stromal)分子亜型および間葉(Mesenchymal)分子亜型である場合、悪い予後群として予測する、胃癌2期および3期の予後予測のための情報を提供する方法、または、胃癌2期および3期の予後予測方法を提供する:
ACTB、ATP5E、GPX1、UBBおよびHPRT1を含む参考遺伝子群のmRNAの発現水準を測定する製剤を含む胃癌2期および3期の進行性胃癌の予後予測用組成物に関するものである。
TFF1、TFF2およびVSIG1からなる胃(gastric)シグネチャー;CNN1、NEXN、SCRG1、SORBS1およびSPARCL1からなる間葉(mesenchymal)シグネチャー;AURKA、BUB1、CDC20、CEP55、PTTG1およびUBE2Cからなる増殖(proliferative)シグネチャー;CD8A、GBP1、GBP5、GZMB、NKG7およびWARSからなる免疫(immune)シグネチャー;ANTXR1、SFRP4およびVCANからなる幹細胞様(stem−like)シグネチャー;およびCDH17、CDX1およびMYO1Aからなる腸(intestinal)シグネチャーを含む標的遺伝子群と、ACTB、ATP5E、GPX1、UBBおよびHPRT1を含む参考遺伝子群のmRNA発現水準を測定する段階;
下記の式1により基準サンプルと生物学的サンプルの標的遺伝子群のΔCq値を計算して、コンピュータプログラムに入力する段階;および
前記コンピュータプログラムに入力した値に対してNMF(Non−negative Matrix Factorization)およびNMF基盤クラスタリングを行い、複数個のクラスターに分類し、各クラスターで標的遺伝子群のスコア
前記胃癌の分子亜型は、胃(gastric)シグネチャーのSVが最大値を有するクラスターを胃(Gastric)分子亜型に定め;胃(Gastric)分子亜型に決定されたクラスターを除いたクラスターのうち間葉(mesenchymal)シグネチャーのSVが最大値を有し、増殖(proliferative)シグネチャーのSVが最小値を有するクラスターを間葉(Mesenchymal)分子亜型に定め;胃(Gastric)分子亜型および間葉(Mesenchymal)分子亜型に決定されたクラスターを除いたクラスターのうち免疫(immune)シグネチャーのSVが最大値を有し、腸(intestinal)シグネチャーのSVが最小値を有するクラスターを炎症(Inflammatory)分子亜型に定め;胃(Gastric)分子亜型、間葉(Mesenchymal)分子亜型および炎症(Inflammatory)分子亜型に決定されたクラスターを除いたクラスターのうち幹細胞様(stem−like)シグネチャーのSVが最大値を有する場合、混合型間質(Mixed−stromal)分子亜型に定め;最終的に残ったクラスターを腸(Intestinal)分子亜型に定めて分類し、
前記胃癌の分子亜型が炎症(Inflammatory)分子亜型である場合、全体生存率の側面で良い予後群;腸(Intestinal)分子亜型および胃(Gastric)分子亜型である場合、中間予後群;混合型間質(Mixed−stromal)分子亜型および間葉(Mesenchymal)分子亜型である場合、悪い予後群として予測する、胃癌2期および3期の予後予測のための情報を提供する方法、または胃癌2期および3期の予後予測方法に関する:
(患者およびサンプル)
2000年から2010年まで延世大学校セブランス病院で1次治療時に胃癌切除手術を受けた胃癌患者の新鮮−凍結腫瘍標本および臨床データを確保した。すべてのサンプルは、患者から書面同意を得た後に収集され、研究は、YUSHの機関検討委員会の承認を受けた。サンプルに注釈を付けたが、患者識別が可能な情報からそれらを分離した。後ろ向きに臨床データを得た。OS(overall survival)は、手術から死亡までの時間として定義し、再発ない生存は、手術後に最初の再発までの時間として定義した。最後の接触時に再発なしに患者が生きているとき、データが検閲された。
GC分子亜型を探すためのトレーニングセットIは、GSE13861p(n=497、Illumina HumanHT−12 v3.0 Expression BeadChipアレイ)で構成した。これを確認するためのテストセットIは、GSE15459(n=200、Affymetrix Human Genome U133plus 2.0 Array)、TCGA(n=262、Illumina HiSeq2000)およびGSE62254(n=300、Affymetrix Human Genome U133plus 2.0 Array)のデータセットで構成した。
データ前加工:マイクロアレイデータセットは、主にR言語環境で処理された。正規化は、Illumina BeadChipアレイプラットフォームのデータセットに対する「マイクロアレイデータ用線形モデル(limma)」パッケージのBetween−Array Normalization(quantile)により行われた。GSE 15459およびGSE62254は、堅固な多重アレイ平均正規化を含むR「affy」パッケージを使用して標準化された。qPCRデータセットは、内部標準によって標準化された。遺伝子フィルタリングのためには、プラットフォーム由来プローブ有効性と遺伝子発現の差異を考慮しなければならない。トレーニングセットの場合、データセットを一括調整した後、「遺伝子発現マイクロアレイデータ(ComBat)の配置を結合するとき、一括処理効果防止」方法と結合した。
統計的試験として超幾何分布検定/Fisher’s exact test、Pearson’s correlation、Spearman’s correlationおよびWilcoxon rank−sum testを使用した。
プライマリ細胞培養:一次組織を2%抗生剤(Welgene LS203−01)を含有したDulbecco’s phosphate−buffered saline(Welgene LB00−02)で洗浄し、滅菌ブレードで細切れにした。0.2μm注射器で濾過した後、細切れにされた組織をα−MEM(Gibco A10490)および150U/mL Collagenase II(Thermo Fisher Scientific)と37℃で24時間5%CO2の加湿の雰囲気で培養した。培養された組織を200×gで5分間遠心分離した後、新鮮な培地に移した。収穫された細胞を5%CO2大気下で37℃で2〜3日間培養した。
細胞株:ヒト胃癌細胞株SNU−1、SNU−5、SNU−16、SNU−216、SNU−484、SNU−520、SNU−601、SNU−620、SNU−638、SNU−668、SNU−719、MKN, MKN−45、MKN−74、KATOIII、NCI−N87およびHs746Tは、韓国細胞株銀行(ソウル、韓国)で購入した;また、YCC−1、YCC−2、YCC−3、YCC−6、YCC−7、YCC−9、YCC−10、YCC−11およびYCC−16は、延世癌研究所(ソウル、韓国)で購入した。SNU−1、SNU−5、SNU−16、SNU−216、SNU−484、SNU−520、SNU−601、SNU−620、SNU−638、SNU−668、SNU−719、MKN−28、MKN−45、MKN−74、KATOIIIおよびNCI−N87は、RPMI1640(Welgene、大邱、韓国)で成長させた;Hs746Tは、Dulbecco’s modified Eagle’s medium(DMEM;Welgene、大邱、韓国)で成長させた;また、YCC−1、YCC−2、YCC−3、YCC−6、YCC−7、YCC−9、YCC−10、YCC−11、およびYCC−16は、Minimum essential media Eagle(MEM;Welgene、大邱、韓国)で成長させた。すべての細胞を37℃で10%FBS(Gibco)と1%抗生剤−抗菌溶液(10,000単位ペニシリン、10mgストレプトマイシン、25μgアムホテリシンB/mLを含む、Sigma−Aldrich)が補充された完全培地で5%CO2を含有する加湿の雰囲気で培養した。すべての細胞は、e−Myco(登録商標)とMycoplasma PCR Detection Kit(iNtRON Biotechnology、城南、韓国)によりマイコプラズマに対して陰性であると確認された。
各ホルマリン固定、パラフィン内蔵基本腫瘍で代表的な3mm直径腫瘍組織コア2個を組織マイクロアレイ(TMA)ブロックで組み立てた。各TMAブロックは、標識および内部統制として14個の腫瘍および一つの正常胃粘膜組織コアを含有する。引き続いて、免疫組織化学(IHC)分析のために、各TMAブロックから4μm厚さのセクションを準備した。
IHCは、MutLホモログ1(MLH1、使用準備、Roche、Basel、Switzerland)、MutS蛋白質ホモログ2(MSH2、使用準備、複製G219−1129)用抗体があるVentanaXTシステム(Ventana Corporation)、Roche)、IHCは、前述したように行った。MLH1およびMSH2の場合、腫瘍細胞で核染色がないものは発現消失であり、正常発現は、腫瘍細胞での核発現の存在として定義された。すべてのIHC結果は、臨床病理学的特徴に対する知識なしに評価された。
EBER ISHは、Ventana Bench Markシステム(ISH iViewキット、Ventana Corporation、AZ、米国)で行った。パラフィン包埋された組織切片をEZ Prepバッファー(Ventana Corporation)で脱パラフィン化させ、プロテアーゼIで4分間分解させた。引き続いて、EBERに対するプローブを85℃で10分間変性させた後、37℃で1時間混成化させた。混成化した後、組織を57℃で2×SSCバッファーで洗浄した。引き続いて、抗−フルオレシン単クローン抗体とのインキュベーションを20分間行った後、アルカリブルー検出キット(Ventana Corporation)をメーカーのプロトコルによって使用した。スライドを10分間ニュークリア・ファスト・レッドで対照染色した。
本発明の実験フローチャートは、図1に示した。本発明者らは、コンセンサス基盤のNMFをベースに5個のGC分子亜型を確認した。本発明者らは、GC(GSE13861pトレーニングセットI;HumanHT−12 v3.0 Array(Illumina))患者で胃の切除手術サンプル(n=497)の遺伝子発現プロファイルを調査した。5個の分子亜型に対するGCの分類は、高い一致を示し、ヒートマップは、独特の遺伝子発現様相を示した(図2aおよび図3)。本発明者らは、マイクロアレイ(SAM、false discovery rate(FDR)=0)の有意性分析に引き続いて、マイクロアレイの予測分析(PAM;overall error rate=0.10)を使用して932個の亜型特異遺伝子を確認した(Classifier−PAM932)。
Classifier−PAM932を使用してGC患者の独立的な遺伝子発現データセット(Test set I)で分子亜型化を安定的に確認した。
先験的に定義された遺伝子セットの表記法を拡張するために監督されない更なる遺伝子格別のクラスタリングを行った。GSE13861pでWGCNAは、32個の遺伝子モジュール(高度で相互連結された遺伝子のクラスター)を検出した(図4a、b)。全体的に、(i)いくつかのモジュールがコホートで顕著に保存されたという事実が観察された(超幾何分布検定;P<0.01)(図4b)、(ii)保存されたモジュールは、PAMgenesの上位25%PAM分析の相対的な差異による(図4c)、(iii)このような関連性は、GC生物学と有意な関連があった(図4d)。保存されたモジュールをベースに6個のGCシグネチャーは、5個のGC亜型と顕著に関連している。本発明者らは、GCシグネチャーの遺伝子を再抽出してスピアマンの相関関係を使用してGCシグネチャーの特定の組合せを5個のNMF派生亜型に変換することができることを示した(図4e)。5個の亜型に対する本発明者らの注釈は、ネットワーク分析に基づく亜型の特性により生物学的にさらに関連がある。
GC亜型と臨床病理学的情報(年齢、性別、腫瘍位置、AJCC stage(6th)、WHO分類、Lauren type)間の関係を調査した。5個の亜型の生存分析は、亜型と全体生存率の間の有意な相関関係を確認した(P=3.42e−09、図5)。各亜型の5年生存率を決定した:各分子亜型別の5年生存率は、INFの場合、76.1%(95%信頼区間67.7〜85.7)、INTの場合、65.1%(95%信頼区間56.2〜75.4)、GSTの場合、64.6%(95%信頼区間55.0〜75.9)、MXDの場合、51.3%(95%信頼区間42.1〜62.4)、MSCの場合、46.3%(95%信頼区間38.0〜56.5)である。INF亜型は、トレーニングセットIのMXDおよびMSC亜型より有意に低い死亡危険と関連があった。
モジュール基質分析で、基質特性は、Lauren分類で再発だけでなく、拡散タイプ(Diffuse type)と有意な関連があった。これは、GC細胞株を使用してMSC亜型の間葉および幹細胞類似の行動を検証するように刺激した。さらに、最近の証拠がEMTと関連した薬物耐性の獲得が多様な類型の癌で予後が良くないことを示すので、MSC亜型の前臨床治療反応を評価した。GC細胞株(n=26)は、細胞株の遺伝子発現データを患者GC腫瘍サンプルのデータと併合した後、5個の亜型に分類した(距離加重値識別方法)(図6a)。基質モジュールeigengeneで順位を付けることにより、Hs746TおよびSNU484 GC細胞株をMSC−亜型細胞株でモデル細胞株として選択した。INT亜型に割り当てられたNCI−N87およびMKN−45細胞を基質シグネチャーがない対照群として使用した(図6b)。試験管内浸潤および創傷治癒分析で、Hs746TおよびSNU484細胞は、NCI−N87およびMKN−45細胞より浸湿的な性能および運動性を示した(図7a、b)。3Dスフェロイド形成の分析結果、Hs746TおよびSNU484細胞は、幹細胞類似特性を示した(図7c)。生体内同所腫瘍モデルのT2加重軸磁気共鳴映像は、NCI−N87およびMKN−45細胞が制限された腫瘍を形成するのに対し、Hs746TおよびSNU484腫瘍が胃壁の壁に沿って拡散されることを示した(図7e、白色点線)。また、NCI−N87細胞と比較してHs746Tの基質特性に対するTGF−β抑制剤(LY2157299)の影響を観察した。TGF−β抑制剤を使用した治療は、試験館内でHs746T細胞の創傷治癒、侵犯および3Dスフェロイド形成能力を遅延させた(図7e〜g)。EMT関連薬物耐性を確認するために、Hs746T細胞を使用して生体内異種移植マウスモデル(群別n=8)にTGF−β抑制剤と抗癌剤の組合せ(オキサリプラチン+5−FU)を共同投与した。オキサリプラチン+5−FU治療がHs746Tモデルで腫瘍成長に対して単に若干効果的であったが、TGF−β抑制剤/オキサリプラチン+5−FUの併用投与は、Hs746Tで薬物耐性と腫瘍の量を有意に減少させた(図7h)。その代わりに、抗癌剤の組合せだけでTGF−β抑制剤の助けなく、非基質性NCI−N87腫瘍で腫瘍成長を減少させた(図7i)。
Classifier−PAM932をqPCRプローブセットでminiClassifier−26で精製して、安定的且つ臨床的に活用可能な分類システムを構築した(図8)(図9は、miniClassifier−26で選定および分析する流れ図を示す)。分類器(Classifier)選別のために、GC安定性の代表性の程度を考慮した。本発明者らは、胃(gastric)シグネチャー、間葉(mesenchymal)シグネチャー、増殖(proliferative)シグネチャー、免疫(immune)シグネチャーおよび腸(intestinal)シグネチャーの6個のGCシグネチャーによりminiClassifierサブセットを分類して、亜型別およびコホート保存型モジュールで候補遺伝子を選別した。候補者は、i)亜型判別点数(PAM分析)とii)モジュール内連結性により追加にフィルタリングされた(WGCNA分析)。プローブ安定性は、プラットフォーム(マイクロアレイおよびqPCR)およびサンプリング方法(新鮮−凍結およびFFPE標本)の独立性に基づいて評価された。最後に、癌生物学の先験的生物学的知識により遺伝子を減少させて、miniClassifier−26 qPCRプローブセットを得た。また、選択されたminiClassifier−26プローブセットがFFPE標本の可能な空間異質性(分散係数5%)の影響を受けないことを確認した。
Claims (12)
- TFF1、TFF2、VSIG1、CNN1、NEXN、SCRG1、SORBS1、SPARCL1、AURKA、BUB1、CDC20、CEP55、PTTG1、UBE2C、CD8A、GBP1、GBP5、GZMB、NKG7、WARS、ANTXR1、SFRP4、VCAN、CDH17、CDX1およびMYO1Aを含む標的遺伝子群のmRNAの発現水準を測定する製剤;および
ACTB、ATP5E、GPX1、UBBおよびHPRT1を含む参考遺伝子群のmRNAの発現水準を測定する製剤を含み、
上記標的遺伝子群または参考遺伝子群のmRNAの発現水準を測定する製剤は、SEQ ID NOS:1〜62に記載されたプライマーセット;またはSEQ ID NOS:63〜93に記載されたプローブを含む胃癌2期および3期の進行性胃癌の予後予測用組成物。 - 前記組成物は、全体生存率の側面で胃癌2期および3期の進行性胃癌の予後を予測するものである、請求項1に記載の胃癌2期および3期の進行性胃癌の予後予測用組成物。
- 請求項1に記載の胃癌2期および3期の進行性胃癌の予後予測用組成物を含む胃癌2期および3期の進行性胃癌の予後予測用キット。
- キットは、qPCR(Quantitative real−time polymerase chain reaction)キットを含む、請求項3に記載の胃癌2期および3期の進行性胃癌の予後予測用キット。
- 統計的有意値を示すことができる程度のサンプル数を有する胃癌2期および3期の進行性胃癌患者から得た基準サンプルと生物学的サンプルで、
TFF1、TFF2およびVSIG1からなる胃(gastric)シグネチャー;CNN1、NEXN、SCRG1、SORBS1およびSPARCL1からなる間葉(mesenchymal)シグネチャー;AURKA、BUB1、CDC20、CEP55、PTTG1およびUBE2Cからなる増殖(proliferative)シグネチャー;CD8A、GBP1、GBP5、GZMB、NKG7およびWARSからなる免疫(immune)シグネチャー;ANTXR1、SFRP4およびVCANからなる幹細胞様(stem−like)シグネチャー;およびCDH17、CDX1およびMYO1Aからなる腸(intestinal)シグネチャーを含む標的遺伝子群と、ACTB、ATP5E、GPX1、UBBおよびHPRT1を含む参考遺伝子群のmRNA発現水準を測定する段階であり、
上記標的遺伝子群または参考遺伝子群のmRNAの発現水準を測定する製剤は、SEQ ID NOS:1〜62に記載されたプライマーセット;またはSEQ ID NOS:63〜93に記載されたプローブを含み;
下記の式1により基準サンプルと生物学的サンプルの標的遺伝子群のΔCq値を計算して、コンピュータプログラムに入力する段階;および
前記コンピュータプログラムに入力した値に対してNMF(Non−negative Matrix Factorization)およびNMF基盤クラスタリングを行い、複数個のクラスターに分類し、各クラスターで標的遺伝子群のスコア
前記胃癌の分子亜型は、胃(gastric)シグネチャーのSVが最大値を有するクラスターを胃(Gastric)分子亜型に定め;胃(Gastric)分子亜型に決定されたクラスターを除いたクラスターのうち間葉(mesenchymal)シグネチャーのSVが最大値を有し、増殖(proliferative)シグネチャーのSVが最小値を有するクラスターを間葉(Mesenchymal)分子亜型に定め;胃(Gastric)分子亜型および間葉(Mesenchymal)分子亜型に決定されたクラスターを除いたクラスターのうち免疫(immune)シグネチャーのSVが最大値を有し、腸(intestinal)シグネチャーのSVが最小値を有するクラスターを炎症(Inflammatory)分子亜型に定め;胃(Gastric)分子亜型、間葉(Mesenchymal)分子亜型および炎症(Inflammatory)分子亜型に決定されたクラスターを除いたクラスターのうち幹細胞様(stem−like)シグネチャーのSVが最大値を有する場合、混合型間質(Mixed−stromal)分子亜型に定め;最終的に残ったクラスターを腸(Intestinal)分子亜型に定めて分類し、
前記胃癌の分子亜型が炎症(Inflammatory)分子亜型である場合、全体生存率の側面で良い予後群;腸(Intestinal)分子亜型および胃(Gastric)分子亜型である場合、中間予後群;混合型間質(Mixed−stromal)分子亜型および間葉(Mesenchymal)分子亜型である場合、悪い予後群として予測する、胃癌2期および3期の予後予測のための情報を提供する方法:
- 統計的有意値を示すことができる程度のサンプルの数は、300〜10,000である、請求項5に記載の胃癌2期および3期の予後予測のための情報を提供する方法。
- 生物学的サンプルは、新鮮腫瘍組織、新鮮凍結腫瘍組織、パラフィン包埋腫瘍組織、微細針吸引液、腹水、管洗浄液および胸膜液で構成される群から選択される、請求項5に記載の胃癌2期および3期の予後予測のための情報を提供する方法。
- 標的遺伝子群または参考遺伝子群のmRNAの発現水準測定は、qPCR(Quantitative real−time polymerase chain reaction)により行われる、請求項5に記載の胃癌2期および3期の予後予測のための情報を提供する方法。
- 統計的有意値を示すことができる程度のサンプル数を有する胃癌2期および3期の進行性胃癌患者から得た基準サンプルと生物学的サンプルで、
TFF1、TFF2およびVSIG1からなる胃(gastric)シグネチャー;CNN1、NEXN、SCRG1、SORBS1およびSPARCL1からなる間葉(mesenchymal)シグネチャー;AURKA、BUB1、CDC20、CEP55、PTTG1およびUBE2Cからなる増殖(proliferative)シグネチャー;CD8A、GBP1、GBP5、GZMB、NKG7およびWARSからなる免疫(immune)シグネチャー;ANTXR1、SFRP4およびVCANからなる幹細胞様(stem−like)シグネチャー;およびCDH17、CDX1およびMYO1Aからなる腸(intestinal)シグネチャーを含む標的遺伝子群と、ACTB、ATP5E、GPX1、UBBおよびHPRT1を含む参考遺伝子群のmRNA発現水準を測定する段階であり、
上記標的遺伝子群または参考遺伝子群のmRNAの発現水準を測定する製剤は、SEQ ID NOS:1〜62に記載されたプライマーセット;またはSEQ ID NOS:63〜93に記載されたプローブを含み;
下記の式1により基準サンプルと生物学的サンプルの標的遺伝子群のΔCq値を計算して、コンピュータプログラムに入力する段階;および
前記コンピュータプログラムに入力した値に対してNMF(Non−negative Matrix Factorization)およびNMF基盤クラスタリングを行い、複数個のクラスターに分類し、各クラスターで標的遺伝子群のスコア
前記胃癌の分子亜型は、胃(gastric)シグネチャーのSVが最大値を有するクラスターを胃(Gastric)分子亜型に定め;胃(Gastric)分子亜型に決定されたクラスターを除いたクラスターのうち間葉(mesenchymal)シグネチャーのSVが最大値を有し、増殖(proliferative)シグネチャーのSVが最小値を有するクラスターを間葉(Mesenchymal)分子亜型に定め;胃(Gastric)分子亜型および間葉(Mesenchymal)分子亜型に決定されたクラスターを除いたクラスターのうち免疫(immune)シグネチャーのSVが最大値を有し、腸(intestinal)シグネチャーのSVが最小値を有するクラスターを炎症(Inflammatory)分子亜型に定め;胃(Gastric)分子亜型、間葉(Mesenchymal)分子亜型および炎症(Inflammatory)分子亜型に決定されたクラスターを除いたクラスターのうち幹細胞様(stem−like)シグネチャーのSVが最大値を有する場合、混合型間質(Mixed−stromal)分子亜型に定め;最終的に残ったクラスターを腸(Intestinal)分子亜型に定めて分類し、
前記胃癌の分子亜型が炎症(Inflammatory)分子亜型である場合、全体生存率の側面で良い予後群;腸(Intestinal)分子亜型および胃(Gastric)分子亜型である場合、中間予後群;混合型間質(Mixed−stromal)分子亜型および間葉(Mesenchymal)分子亜型である場合、悪い予後群として予測する、胃癌2期および3期の予後予測方法:
- 統計的有意値を示すことができる程度のサンプルの数は、300〜10,000である、請求項9に記載の胃癌2期および3期の予後予測方法。
- 生物学的サンプルは、新鮮腫瘍組織、新鮮凍結腫瘍組織、パラフィン包埋腫瘍組織、微細針吸引液、腹水、管洗浄液および胸膜液で構成される群から選択される、請求項9に記載の胃癌2期および3期の予後予測方法。
- 標的遺伝子群または参考遺伝子群のmRNAの発現水準測定は、qPCR(Quantitative real−time polymerase chain reaction)により行われる、請求項9に記載の胃癌2期および3期の予後予測方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170052365A KR101940657B1 (ko) | 2017-04-24 | 2017-04-24 | 위암의 생물학적 특성에 기반한 군 구분 및 예후 예측 시스템 |
KR10-2017-0052365 | 2017-04-24 | ||
PCT/KR2018/004732 WO2018199589A1 (ko) | 2017-04-24 | 2018-04-24 | 위암의 생물학적 특성에 기반한 군 구분 및 예후 예측 시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019531741A JP2019531741A (ja) | 2019-11-07 |
JP6755391B2 true JP6755391B2 (ja) | 2020-09-16 |
Family
ID=63919903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019520030A Active JP6755391B2 (ja) | 2017-04-24 | 2018-04-24 | 胃癌の生物学的特性に基づく群区分および予後予測システム |
Country Status (6)
Country | Link |
---|---|
US (1) | US11365450B2 (ja) |
EP (1) | EP3617329A4 (ja) |
JP (1) | JP6755391B2 (ja) |
KR (1) | KR101940657B1 (ja) |
CN (1) | CN110177886B (ja) |
WO (1) | WO2018199589A1 (ja) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190304578A1 (en) * | 2018-03-23 | 2019-10-03 | LunaPBC | Omic data aggregation with data quality valuation |
CN109872776B (zh) * | 2019-02-14 | 2023-06-09 | 辽宁省肿瘤医院 | 一种基于加权基因共表达网络分析对胃癌潜在生物标志物的筛选方法及其应用 |
JP7304030B2 (ja) * | 2019-04-26 | 2023-07-06 | 国立大学法人 東京大学 | がん治療の効果および予後の予測方法および治療手段の選択方法 |
WO2021112593A1 (ko) * | 2019-12-03 | 2021-06-10 | 서울대학교병원 | 비음수행렬분해 기반의 메타유전자 생성 방법 및 이의 적용 |
CN110942808A (zh) * | 2019-12-10 | 2020-03-31 | 山东大学 | 一种基于基因大数据的预后预测方法及预测*** |
CN111145831B (zh) * | 2019-12-31 | 2023-11-24 | 广州市妇女儿童医疗中心 | 构建遗传亚型预测模型的方法、装置和计算机设备 |
CN111899882B (zh) * | 2020-08-07 | 2021-06-18 | 北京科技大学 | 一种预测癌症的方法及*** |
CN112309571B (zh) * | 2020-10-30 | 2022-04-15 | 电子科技大学 | 数字病理图像的预后量化特征的筛选方法 |
CN112941009B (zh) * | 2021-02-22 | 2024-03-01 | 新格元(南京)生物科技有限公司 | 一种ffpe样本预处理液及从ffpe样本中分离单细胞的方法 |
CN113238052B (zh) * | 2021-04-27 | 2023-07-25 | 中国人民解放军空军军医大学 | MG7-Ag、hTERT及TFF2表达分析在肠上皮化生风险分层及胃癌预警中的应用 |
CN115631857B (zh) * | 2022-04-01 | 2023-06-23 | 洛兮医疗科技(杭州)有限公司 | 甲状腺癌cd8+t细胞免疫相关基因预后预测模型 |
CN114752675B (zh) * | 2022-05-06 | 2022-09-30 | 济南市中心医院 | 一种用于胃癌筛查、预后及免疫治疗评估的分子标记物及其应用 |
CN114720687A (zh) * | 2022-06-01 | 2022-07-08 | 浙江省肿瘤医院 | Sfrp4作为胃癌预后标志物的应用 |
CN114999569B (zh) * | 2022-08-03 | 2022-12-20 | 北京汉博信息技术有限公司 | 一种针对病灶基质的分型方法、装置及计算机可读介质 |
CN115588467B (zh) * | 2022-09-16 | 2023-05-09 | 皖南医学院 | 一种基于多层感知机的颅内动脉瘤破裂关键基因筛选方法 |
CN115295126B (zh) * | 2022-09-29 | 2023-03-24 | 浙江省肿瘤医院 | 预测胃癌错配修复基因缺陷的模型 |
CN116798632B (zh) * | 2023-07-13 | 2024-04-30 | 山东第一医科大学附属省立医院(山东省立医院) | 一种基于代谢基因的胃癌分子分型及预后预测模型构建方法及应用 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110059452A1 (en) * | 2009-08-18 | 2011-03-10 | Vanderbilt University | Methods of screening for gastric cancer |
WO2012081898A2 (ko) | 2010-12-13 | 2012-06-21 | 사회복지법인 삼성생명공익재단 | 위암의 예후 예측용 마커 및 이를 이용하는 위암의 예후 예측 방법 |
TWI507412B (zh) | 2013-03-19 | 2015-11-11 | Taichung Veterans General Hospital | Gastric cancer biological markers and their use, as well as gastric cancer-related detection methods |
KR101504818B1 (ko) * | 2013-04-05 | 2015-03-24 | 연세대학교 산학협력단 | 위암에 대한 예후 예측 시스템 |
KR101501826B1 (ko) * | 2013-04-05 | 2015-03-13 | 연세대학교 산학협력단 | 위암에 대한 예후 예측 모형의 제조방법 |
WO2015172201A1 (en) * | 2014-05-16 | 2015-11-19 | Peter Maccallum Cancer Institute | Biomarker of gastric cancer |
-
2017
- 2017-04-24 KR KR1020170052365A patent/KR101940657B1/ko active IP Right Grant
-
2018
- 2018-04-24 WO PCT/KR2018/004732 patent/WO2018199589A1/ko unknown
- 2018-04-24 CN CN201880004336.1A patent/CN110177886B/zh active Active
- 2018-04-24 EP EP18790388.5A patent/EP3617329A4/en active Pending
- 2018-04-24 JP JP2019520030A patent/JP6755391B2/ja active Active
- 2018-04-24 US US16/341,931 patent/US11365450B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
KR20180118984A (ko) | 2018-11-01 |
US11365450B2 (en) | 2022-06-21 |
EP3617329A4 (en) | 2021-01-27 |
JP2019531741A (ja) | 2019-11-07 |
CN110177886B (zh) | 2024-02-20 |
CN110177886A (zh) | 2019-08-27 |
US20190241972A1 (en) | 2019-08-08 |
WO2018199589A1 (ko) | 2018-11-01 |
EP3617329A1 (en) | 2020-03-04 |
KR101940657B1 (ko) | 2019-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6755391B2 (ja) | 胃癌の生物学的特性に基づく群区分および予後予測システム | |
CN101316935B (zh) | 一种用于诊断食道癌的芯片 | |
US20090306181A1 (en) | Compositions and methods for evaluating and treating heart failure | |
US9181588B2 (en) | Methods of treating breast cancer with taxane therapy | |
JP6704861B2 (ja) | 癌処置のための個別化三剤治療を選択するための方法 | |
CN109890394A (zh) | 作为子宫内膜异位症的生物标志物的微小rna | |
CN108018343A (zh) | 用于测定核苷酸序列的方法 | |
CN102333891A (zh) | 用于药靶诊断、预后和鉴别的单细胞基因表达 | |
JP6864089B2 (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 | |
CN106939333B (zh) | miRNA标志物在制备筛查叶酸缺乏群体的宫颈上皮内瘤变试剂中的应用 | |
EP1807534A2 (en) | Method for identification of neoplastic transformation with particular reference to prostate cancer | |
CN109468382B (zh) | lncRNA在肺腺癌诊疗中的应用 | |
US20160017431A1 (en) | Methods for Predicting EGFR Tyrosine Kinase Inhibitor Efficacy | |
KR101014345B1 (ko) | Ercc1 발현에 기초한 화학요법을 결정하는 방법 | |
CN107058579A (zh) | 肺腺癌相关的miRNA、组合物及其应用 | |
CN108660211A (zh) | 一种与肝细胞癌相关的生物标志物linc01549及其应用 | |
US20220290244A1 (en) | Method for screening a subject for a cancer | |
US20160160293A1 (en) | Breast cancer treatment with taxane therapy | |
CN110205385A (zh) | 用于肺腺癌诊断的分子标志物及其应用 | |
US20160304961A1 (en) | Method for predicting the response to chemotherapy treatment in patients suffering from colorectal cancer | |
CN107029238B (zh) | Linc01094在诊治缺血性脑卒中的应用 | |
KR102546810B1 (ko) | 자궁경부암의 급성 종양 반응 진단용 조성물 | |
US20160312289A1 (en) | Biomolecular events in cancer revealed by attractor molecular signatures | |
Mitiushkina et al. | Biased detection of guanine-rich microRNAs by array profiling: Systematic error or biological phenomenon? | |
Blacklock | Application of genomics to identify novel prognostic biomarkers for cancers in dogs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190412 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200413 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200713 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200817 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200825 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6755391 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |