KR20170102983A - 죽상 경화성 관상 동맥 질환을 진단하기 위한 혈액 기반 바이오마커 - Google Patents

죽상 경화성 관상 동맥 질환을 진단하기 위한 혈액 기반 바이오마커 Download PDF

Info

Publication number
KR20170102983A
KR20170102983A KR1020177022311A KR20177022311A KR20170102983A KR 20170102983 A KR20170102983 A KR 20170102983A KR 1020177022311 A KR1020177022311 A KR 1020177022311A KR 20177022311 A KR20177022311 A KR 20177022311A KR 20170102983 A KR20170102983 A KR 20170102983A
Authority
KR
South Korea
Prior art keywords
subject
atherosclerotic
biomarkers
cad
panel
Prior art date
Application number
KR1020177022311A
Other languages
English (en)
Inventor
실라드 보로스
브래들리 오. 브라운
아이딘 비. 마르배스티
Original Assignee
글로벌 게노믹스 그룹, 엘엘씨
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 글로벌 게노믹스 그룹, 엘엘씨 filed Critical 글로벌 게노믹스 그룹, 엘엘씨
Publication of KR20170102983A publication Critical patent/KR20170102983A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/49—Blood
    • G01N33/492—Determining multiple analytes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K31/00—Medicinal preparations containing organic active ingredients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K31/00—Medicinal preparations containing organic active ingredients
    • A61K31/33—Heterocyclic compounds
    • A61K31/335—Heterocyclic compounds having oxygen as the only ring hetero atom, e.g. fungichromin
    • A61K31/365—Lactones
    • A61K31/366—Lactones having six-membered rings, e.g. delta-lactones
    • A61K31/37—Coumarins, e.g. psoralen
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K31/00—Medicinal preparations containing organic active ingredients
    • A61K31/60—Salicylic acid; Derivatives thereof
    • A61K31/612—Salicylic acid; Derivatives thereof having the hydroxy group in position 2 esterified, e.g. salicylsulfuric acid
    • A61K31/616—Salicylic acid; Derivatives thereof having the hydroxy group in position 2 esterified, e.g. salicylsulfuric acid by carboxylic acids, e.g. acetylsalicylic acid
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
    • G01N33/6806—Determination of free amino acids
    • G01N33/6812—Assays for specific amino acids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
    • G01N33/6848—Methods of protein analysis involving mass spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2560/00—Chemical aspects of mass spectrometric analysis of biological material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2570/00—Omics, e.g. proteomics, glycomics or lipidomics; Methods of analysis focusing on the entire complement of classes of biological molecules or subsets thereof, i.e. focusing on proteomes, glycomes or lipidomes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/32—Cardiovascular disorders
    • G01N2800/324—Coronary artery diseases, e.g. angina pectoris, myocardial infarction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/50—Determining the risk of developing a disease
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/60—Complex ways of combining multiple protein biomarkers for diagnosis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Hematology (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Urology & Nephrology (AREA)
  • Medicinal Chemistry (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Microbiology (AREA)
  • Cell Biology (AREA)
  • Biotechnology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Epidemiology (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Ecology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

본 발명은, 몇몇의 양상들에서, 사람 대상체를 죽상 경화성 관상 동맥 질환(ASCAD)을 갖거나 관상 죽상 경화성 플라크를 갖는지에 대해 평가하기 위한 방법에 관한 것이다. 몇몇의 양상들에서, 본 발명은 죽상 경화성 CAD 및/또는 관상 죽상 경화성 플라크를 진단하고, 분류하고, 프로파일링하고 치료하는데 유용한 방법 및 키트에 관한 것이다.

Description

죽상 경화성 관상 동맥 질환을 진단하기 위한 혈액 기반 바이오마커
관련 출원의 상호-참조
본 출원은 2015년 1월 9일에 출원된 U.S. 가특허 출원 제62/101,445호의 이익을 주장하고, 상기 출원의 전문은 본원에 인용에 의해 포함된다.
기술 분야
본 발명은 죽상 경화성 관상 동맥 질환("ASCAD")을 진단하고/하거나 환자에서의 관상 죽상 경화성 플라크를 검출하기 위한 비-침습적 방법에 관한 것이고, 보다 구체적으로는 죽상 경화성 CAD를 갖고/갖거나 관상 죽상 경화성 플라크를 갖는 것으로 환자를 동정하기 위해 대사체학적 혈액-기반 바이오마커 및 이들의 조합을 사용하는 방법에 관한 것이다.
심혈관성 질환(CVD)은 미국 및 전세계 둘 다에서 이환 및 사망의 주요 원인으로 남아 있다. 기관[The American Heart Association (AHA)]에 의한 2014 심장 질환 및 뇌졸중 업데이트(the 2014 Heart Disease and Stroke Update)에 기초하여, 8360만명의 미국 성인이 적어도 1개의 유형의 CVD를 갖는다(3명 중 1명 초과의 유병률). 이들 성인 중, 1540만명은 관상 심장 질환(CHD)을 앓고, 이는 하기로 분류된다: 심근 경색(MI): 760만명 및 협심증(AP): 780만명. 2030년까지 US 인구의 43.9%가 소정 유형의 CVD를 가질 것으로 추정된다.
CVD의 근본적인 원인은 죽상 경화성 관상 동맥 질환(ASCAD)이고, 이는 관상 동맥 혈관구조 내의 죽상 경화성 플라크의 발달로 시작된다. 죽상 경화증은 사람의 의료 및 사회적 비용의 관점에서 의심의 여지 없이 중요하다. 이는 관상 동맥 질환(CAD) 및 뇌혈관 질환에 관여하고, 이들 둘 다는 전세계 이환 및 사망의 주요 원인이다. 죽상 경화증은 또한 사지-손실의 주요 의학적 원인인 말초 동맥 질환에도 관여한다.
죽상 경화성 CAD의 발병 및 진행은 하나로 다른 하나를 유도할 수 있는 2개의 별개의 경로에 따르고 2개의 별개의 임상학적 증후군을 유도한다. 2개의 광범위한 임상학적 증후군 중 하나는 "안정한 협심증" 또는 "안정한 CAD"라고도 칭하는 "운동성 협심증"이다. 이러한 맥락에서, 점진적으로 성장하는 죽상 경화성 플라크는 심근(심장 근육)으로의 혈류를 지연시키기 시작하는 점진적으로 심화되는 관상 동맥 내강(luminal) 협착증을 유도한다. 내강 협착증 또는 협소(narrowing)가 임계, 대략 70% 직경 협착에 도달하는 경우, 협착 위에 유의한 압력 강하가 존재하고, 특히 심근 산소 요구가 증가된 기간 동안, 예를 들면, 운동 또는 정서적 상태 동안에 심근 관류(심장 근육에 대한 혈류)가 손상된다. 이러한 심근 산소 "공급-요구 미스매치(mismatch)"는 심장 근육에의 혈류가 더 이상 요구를 따라잡지 못할 수 있는 경우 심근 허혈을 유도한다. 심근 허혈 자체가 심장의 통증 수용기를 자극하여 "협심증" 또는 흉통의 임상학적 증상을 유도한다. 이러한 프로세스는 전형적으로 운동 또는 정서적 상태 동안 흉통을 야기하지만, 이는 전형적으로 돌연 심장사(SCD), 심근 경색(MI: 심장 마비) 또는 불안정 협심증(UA)과 같은 급성 관상 증후군을 유도하지 않는다. 전형적인 치료 옵션으로는 베타 차단제 또는 칼슘 채널 차단제로 심장 박동을 늦추고 니트레이트와 같은 약물로 혈류를 개선하는 의학적 중재(medical intervention)가 포함된다. 전형적인 중재적 접근법은 관상 동맥 우회 절편이식(CABG) 수술 동안 동맥 또는 정맥 이식편을 이용하여 협소(narrowing)를 개방하기 위해 또는 협착성(협소된) 분절을 우회시키기 위해 협착 내부에 스텐트(stent)를 경피적으로 위치시킴으로써(경피적 관상 동맥 중재술: PCI) 협착증을 완화시키는 것을 목표로 한다. 상기에 지적한 바와 같이, "운동성 협심증"의 이러한 병태생리학 및 임상학적 과정의 근본적 원인은 관상 동맥 죽상 경화증 또는 죽상 경화성 CAD이다.
상응하는 임상학적 사진으로의 병태생리학에서의 제2의 광범위한 경로는 이는 돌연 심장사(SCD), 심근 경색(MI) 또는 불안정 협심증(UA)을 포함하는 "급성 관상 증후군"(ACS)로서 나타내어진다. 이러한 문맥에서, 관상 동맥 내의 죽상 경화성 플라크(근본적 원인)는 파열(rupture) 또는 미란(erosion)을 통해 붕괴될 수 있다. 관상 죽상 경화성 플라크가 붕괴되는 경우, 이는 상기 붕괴된 영역 위에 혈전(혈병(clot))의 형성을 유발하고, 이는 전체 관상 동맥을 부분적으로 또는 완전히 폐색시켜 심근에의 갑작스러운 혈액 공급 중단(급성 심근 허혈)을 유도한다. 이러한 병태생리학은 돌연 심장사(SCD), 심근 경색(MI) 또는 휴식 협심증(resting angina)을 나타낼 수 있다. 전형적인 치료 옵션은 흔히 중재적 옵션이고, 여기서, 급성 파열된 플라크는 침습적 절차 동안 스텐트로 은폐된다. "운동성 협심증"의 경우에서와 마찬가지로, 급성 관상 증후군의 근본적 원인은 관상 동맥 혈관구조 내의 죽상 경화성 플라크이다.
따라서, 죽상 경화성 플라크의 개시 및 진행은 죽상 경화성 CAD 및 CHD의 임상학적 징후들의 근본적 원인이다. 따라서, 죽상 경화성 플라크를 검출하기 위한 그리고 죽상 경화성 CAD를 진단하기 위한 개선된 진단학적 방법에 대한 요구가 남아 있다.
요약
한 양상에서, 본 개시는 사람 대상체를 죽상 경화성 관상 동맥 질환(ASCAD)을 갖거나 관상 죽상 경화성 플라크를 갖는지에 대해 평가하기 위한 비-침습적 방법을 제공한다. ASCAD로는 예를 들면, 죽상 경화증이 포함된다. 상기 방법은 대상체로부터 수득된 생물학적 샘플 중의 분석물 바이오마커의 패널 내의 각각의 분석물의 수준을 측정하는 단계를 포함하고, 여기서, 분석물 바이오마커의 상기 패널은:
(i) 발릴류신, 글루타메이트, 아시소가(acisoga), 우레이트, 글루쿠로네이트, 퓨코스, 부티릴카르니틴(C4) 및 만노스를 포함하는 바이오마커들의 패널;
(ii) 아시소가, 오.크레졸.설페이트, 트레오네이트 및 시스테인.글루타티온.디설파이드를 포함하는 바이오마커들의 패널;
(iii) 엔.아세틸페닐알라닌, 엔.아세틸류신, 발릴류신, 크실리톨, 2.하이드록시히푸레이트(살리실우레이트), 글리실페닐알라닌, 세릴류신 및 퓨코스를 포함하는 바이오마커들의 패널;
(iv) 글루타메이트, 아시소가, 발릴류신, 만노스, 글루쿠로네이트, 우레이트, 발레릴카르니틴(C5) 및 12.HETE를 포함하는 바이오마커들의 패널;
(v) 오.크레졸.설페이트, 아시소가, 시스테인.글루타티온.디설파이드, 글루코스, 1.노나데카노일글리세로포스포콜린(19:0) 및 트레오네이트를 포함하는 바이오마커들의 패널;
(vi) 엔.아세틸페닐알라닌, 엔.아세틸류신, 글리실페닐알라닌, 발릴류신, 크실리톨, 12.HETE 및 2.하이드록시히푸레이트(살리실우레이트)를 포함하는 바이오마커들의 패널;
(vii) 엔.아세틸트레오닌, 티글로일글리신, 글리세레이트, 발레릴카르니틴(C5), 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 살리실레이트 및 타르트로네이트(하이드록시말로네이트화됨)를 포함하는 바이오마커들의 패널;
(viii) 엔.아세틸글리신 및 3.에틸페닐설페이트를 포함하는 바이오마커들의 패널;
(viv) 세로토닌(5HT), 엔.아세틸푸트레신, 류실류신, 프로피오닐글리신(C3), 콜레이트, 글리코콜레네이트.설페이트, 아스파라긴 및 3.에틸페닐설페이트를 포함하는 바이오마커들의 패널;
(x) 아시소가, 만노스, 발레릴카르니틴(C5), 1.리놀레오일.GPE(18.2), 글리코우르소데옥시콜레이트, 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트) 및 살리실레이트를 포함하는 바이오마커들의 패널;
(xi) 엔.아세틸글리신, 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 3.에틸페닐설페이트 및 살리실레이트를 포함하는 바이오마커들의 패널;
(xii) 아스파라긴, 타우린, 아시소가, 1.올레오일글리세롤(18:1), 콜레스테롤, 및 2.하이드록시히푸레이트(살리실우레이트), 6.옥소피페리딘.2.카르복실산 및 프로피오닐글리신(C3)을 포함하는 바이오마커들의 패널
로 이루어진 그룹으로부터 선택되고, 여기서, 상대적 수준을 포함하는 상기 수준 또는 복수의 분석물 바이오마커의 발생은 ASCAD를 갖는 것 및/또는 관상 죽상 경화성 플라크의 존재를 나타낸다. 상기 패널들 중 임의의 것은 연령 및 성별의 분석을 추가로 포함할 수 있다.
다른 양상에서, 본 개시는 사람 대상체로부터 수득된 혈액 샘플 중의 복수의 대사물질의 각각의 수준을 질량 분광측정법에 의해 측정하는 단계를 포함하는 방법을 제공하고, 여기서, 상기 복수의 대사물질은 (i) 발릴류신, 글루타메이트, 아시소가, 우레이트, 글루쿠로네이트, 퓨코스, 부티릴카르니틴(C4) 및 만노스; (ii) 시소가(cisoga), 오.크레졸,설페이트, 트레오네이트 및 시스테인.글루타티온.디설파이드; (iii) 엔.아세틸페닐알라닌, 엔.아세틸류신, 발릴류신, 크실리톨, 2.하이드록시히푸레이트(살리실우레이트), 글리실페닐알라닌, 세릴류신 및 퓨코스; (iv) 글루타메이트, 아시소가, 발릴류신, 만노스, 글루쿠로네이트, 우레이트, 발레릴카르니틴(C5) 및 12.HETE; m(v) 오.크레졸.설페이트, 아시소가, 시스테인.글루타티온.디설파이드, 글루코스, 1.노나데카노일글리세로포스포콜린(19:0) 및 트레오네이트; (vi) 엔.아세틸페닐알라닌, 엔.아세틸류신, 글리실페닐알라닌, 발릴류신, 크실리톨, 12.HETE 및 2.하이드록시히푸레이트(살리실우레이트); (vii) 엔.아세틸트레오닌, 티글로일글리신, 글리세레이트, 발레릴카르니틴(C5), 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 살리실레이트 및 타르트로네이트(하이드록시말로네이트화됨); (viii) 엔.아세틸글리신 및 3.에틸페닐설페이트; (viv) 세로토닌(5HT), 엔.아세틸푸트레신, 류실류신, 프로피오닐글리신(C3), 콜레이트, 글리코콜레네이트.설페이트, 아스파라긴 및 3.에틸페닐설페이트; (x) 아시소가, 만노스, 발레릴카르니틴(C5), 1.리놀레오일.GPE(18.2), 글리코우르소데옥시콜레이트, 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트) 및 살리실레이트; (xi) 엔.아세틸글리신, 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 3.에틸페닐설페이트, 살리실레이트; 및 (xii) 아스파라긴, 타우린, 아시소가, 1.올레오일글리세롤(18:1), 콜레스테롤, 2.하이드록시히푸레이트(살리실우레이트), 6.옥소피페리딘.2.카르복실산 및 프로피오닐글리신(C3)으로 이루어진 그룹으로부터 선택된다.
한 양상에서, 본 개시는 사람 대상체를 ASCAD을 갖거나 관상 죽상 경화성 플라크를 갖는지에 대해 평가하기 위한 방법을 제공하고, 상기 방법은 대상체로부터 수득된 생물학적 샘플 중의 분석물 바이오마커의 패널 내의 각각의 분석물의 수준을 측정하는 단계를 포함하고, 여기서, 분석물 바이오마커의 상기 패널은:
(xii) 발릴류신, 이소류실발린, 글루타민-류신, X-12212, 글루쿠로네이트 및 글루타메이트를 포함하는 바이오마커들의 패널;
(xiv) 글루코스, 감마-글루타밀 트랜스퍼라제, 요산, 저밀도 지질단백질 콜레스테롤, 트리글리세라이드, 지질단백질 (a) 덩어리, 알칼리성 포스파타제, 및 아포지질단백질 B;
(xv) 글루타메이트, X-16132, 이소류실알라닌, 이소류실페닐알라닌, 지질단백질 (a) 덩어리, 소밀도 저밀도 지질단백질 콜레스테롤, X-12212. ADSGEGDFXAEGGGVR(서열번호 1), 글루타민, 류신 및 트레오닐류신을 포함하는 바이오마커들의 패널;
(xv1) CER22.1, HexCR18:1, TG15:0, SM16:0, CER20:0, DHC20:1 및 CER18:0을 포함하는 바이오마커들의 패널;
(xvii) CER20:0, 아포지질단백질 B, SM16:0, 지질단백질 (a) 덩어리, DHC20L1, 알칼리성 포스파타제, 및 CER18:0을 포함하는 바이오마커들의 패널;
(xviii) 글루타메이트, X-16132, 이소류실알라닌, 지질단백질 (a) 덩어리, X-12212 및 글루타민-류신을 포함하는 바이오마커들의 패널;
(xix) 올레익2, N-말단 전-뇌 나트륨이뇨성 펩타이드(pro-brain natriuretic peptide), 지질단백질 (a) 덩어리, 인슐린, 당화(glycated) 헤모글로빈 A1C, 시스몬타오틀(cismontaotl), 소밀도 저밀도 지질단백질 콜레스테롤, 베헤닉2, 아디포넥틴, 및 감마-글루타밀 트랜스퍼라제를 포함하는 바이오마커들의 패널;
(xx) 이소류실알라닌, 글루쿠로네이트, 글리신, 이소류실페닐알라닌, 만노스, X-21452, 1-올레오일글리세로포스포글리세롤, X-21335, 7-메틸크산틴, X-12729, 아시소가, 알파-하이드록시이소발레로일 카르니틴, 2-아미노아디페이트, X-18914, 티글로일글리신, 및 피리독살;
(xxi) 이소류실알라닌, 글리신, 이소류실페닐알라닌, 올레익2, X-21335, 메틸크산틴, 아미노아디페이트, 만노스, 아시소가, 아라키도노일.GPE.20.4 및 트리글리세라이드를 포함하는 바이오마커들의 패널;
(xxii) DHC18:0, DG18:1n9, 전체 디아실글리세롤, TG20:3n9, CE20:4n6, CER18:1, DHC20:1, CE18:2n6, PL18:2n6, SM18:0, FA14:1n5, PL15:0, 및 CE16:0을 포함하는 바이오마커들의 패널;
(xxiii) 당화 헤모글로빈 A1C, 전체 디아실글리세롤, 시스몬토틀(cismonto시, 지질단백질 (a) 덩어리, TG20.3n9, 올레익2, DHC18.1, N-말단 전-뇌 나트륨이뇨성 펩타이드, 감마-글루타밀 트랜스퍼라제, 및 CER18;
(xxiv) 이소류실알라닌, 글리신, 시스몬토틀, 지질단백질 (a) 덩어리, X-21452, 이소류실페닐알라닌, 당화 헤모글로빈 A1C, X-21335, X7.메틸크산틴, 아시소가 및 X-12729를 포함하는 바이오마커들의 패널로 이루어진 그룹으로부터 선택되고; 여기서, 상대적 수준을 포함하는 상기 수준, 또는 복수의 분석물 바이오마커들의 발생은 죽상 경화성 관상 동맥 질환(ASCAD)을 갖는 것 및/또는 관상 죽상 경화성 플라크의 존재를 나타낸다.
또한, 본 발명의 양상들에서 사람 대상체를 ASCAD를 갖거나 관상 죽상 경화성 플라크를 갖는지에 대해 평가하는데 유용한 바이오마커들의 패널들도 제공된다. "바이오마커들의 패널"은 2개 이상의 분자 실체, 예를 들면, 2, 3, 4, 5 또는 5개 이상의 실체의 수집 또는 조합을 의미하고, 샘플 중의 이의 제시는 ASCAD 또는 관상 죽상 경화성 플라크와 관련되어 있다. 본원에 기술된 바이오마커들의 패널은 ASCAD를 진단하거나 관상 죽상 경화성 플라크의 존재를 확인하는데 사용되어 ASCAD 또는 관상 죽상 경화성 플라크를 갖는 환자에게 예후를 제공하거나, 의학적 치료요법에 대한 ASCAD 또는 관상 죽상 경화성 플라크를 갖는 환자 반응성의 예측을 제공하거나, ASCAD 또는 관상 죽상 경화성 플라크를 갖는 환자를 모니터링하거나, ASCAD 또는 관상 죽상 경화성 플라크를 갖는 환자를 치료할 수 있다.
몇몇의 실시형태들에서, 상기 방법은 생물학적 샘플 중의 분석물의 측정 수준과 하나 이상의 참조 샘플 사이의 비교를 수행하는 단계를 추가로 포함하고, 상기 참조는 (예를 들면, 연령, 성별 등) 매칭된 사람 대상체의 대표값이다.
몇몇의 실시형태들에서, 상기 방법은, 생물학적 샘플 중의 분석물의 측정된 수준이 참조 샘플 중의 분석물의 양에 비하여 증가되거나 감소된 경우에 ASCAD를 갖거나 관상 죽상 경화성 플라크를 갖는 것으로 대상체를 동정하는 단계를 추가로 포함한다.
몇몇의 실시형태들에서, 상기 방법은 죽상 경화성 관상 동맥 질환을 갖거나 관상 죽상 경화성 플라크를 갖는 것으로 동정된 대상체에 대한 비-침습적 심혈관 평가를 완료하도록 보건 전문가(예를 들면, 의사, 보조 의사, 실습 간호사, 간호사 및 사례 관리자(case manager))에게 지시하는 단계를 포함한다. 추가의 비-침습적 심혈관 평가는 상기 대상체가 죽상 경화성 관상 동맥 질환 또는 관상 죽상 경화성 플라크를 갖거나 갖지 않는지 여부를 확인할 수 있다.
몇몇의 실시형태들에서, 상기 방법은 ASCAD를 갖거나 관상 죽상 경화성 플라크를 갖는 것으로 동정된 대상체에 대한 비-침습적 심혈관 평가를 수행하여 상기 대상체가 죽상 경화성 관상 동맥 질환 또는 관상 죽상 경화성 플라크를 갖거나 갖지 않음을 확인하는 단계를 추가로 포함한다. 비-침습적 심혈관 평가는 심혈관 컴퓨터 단층촬영(CT) 영상화, 운동 부하 시험(exercise stress test), 약리 부하 시험, 심근 관류 영상화, 심근 관류 영상화, 부하 심장 초음파, 및 심혈관 자기 공명 영상화로 이루어진 그룹으로부터 선택되는 절차일 수 있다.
또 다른 실시형태에서, 상기 방법은 죽상 경화성 관상 동맥 질환을 갖거나 관상 죽상 경화성 플라크를 갖는 것으로 동정된 대상체를 치료하기 위해 상기 대상체에게 치료학적 제제의 유효량을 포함하는 조성물을 선택적으로 투여하는 단계를 추가로 포함하고, 여기서, 상기 치료학적 제제는 스타틴, 콜레스테롤 흡수 억제제, 니아신-유도체, 오메가-3-지방산 화합물, 담즙산 격리제, PCSK9 억제제, 항-혈소판 제제, 알도스테론 차단제, 안지오텐신-전환 효소(ACE) 억제제, 안지오텐신-수용체 차단제(ARB), 베타 차단제, 이뇨제, 디기탈리스, 하이드랄라진 및 니트레이트, 와파린, 및 아스피린으로 이루어진 그룹으로부터 선택된다.
ASCAD를 갖는 것으로 또는 관상 죽상 경화성 플라크를 갖는 것으로 동정된 대상체에 대해, 상기 방법은 대상체에 대한 치료 계획을 선택하는 단계를 추가로 포함할 수 있다. 예를 들면, 상기 방법은 치료학적 제제의 유효량을 포함하는 조성물을 선택적으로 투여함을 포함하는 대상체에 대한 치료 계획을 선택하는 단계 및/또는 예를 들면, 심혈관 컴퓨터 단층촬영(CT) 영상화, 운동 부하 시험, 약리 부하 시험, 심근 관류 영상화, 부하 심장 초음파, 및 심혈관 자기 공명 영상화로 이루어진 그룹으로부터 선택되는 절차를 수행함을 포함하는 비-침습적 심혈관 평가를 수행하는 단계를 추가로 포함할 수 있다. 치료 계획은 심혈관 건강을 개선시키기 위해 대상체에게 치료학적 생활습관 변화를 처방함을 포함할 수 있다.
몇몇의 실시형태들에서, 각각의 분석물의 수준은 질량 분광측정(MS) 분석을 이용하여 측정한다. MS 분석 방법은 액체 크로마토그래피-탠덤 질량 분광측정법(UPLC-MS/MS), 크로마토그래피-질량 분광측정법(GC-MS) 또는 핵 자기 공명(NMR)일 수 있다.
몇몇의 양상들에서, 본원에 개시된 상기 방법은 치료를 위해 ASCAD를 갖는 것으로 또는 관상 죽상 경화성 플라크를 갖는 것으로 동정된 대상체를 선택함을 추가로 포함한다. 몇몇의 실시형태들에서, 상기 치료는 죽상 경화성 관상 동맥 질환을 갖는 것으로 또는 관상 죽상 경화성 플라크를 갖는 것으로 동정된 대상체를 치료하기 위해 상기 대상체에게 스타틴, 콜레스테롤 흡수 억제제, 니아신-유도체, 오메가-3-지방산 화합물, 담즙산 격리제, PCSK9 억제제, 항-혈소판 제제, 알도스테론 차단제, 안지오텐신-전환 효소(ACE) 억제제, 안지오텐신-수용체 차단제(ARB), 베타 차단제, 이뇨제, 디기탈리스, 하이드랄라진 및 니트레이트, 와파린 및 아스피린으로 이루어진 그룹으로부터 선택되는 치료학적 제제의 유효량을 포함하는 조성물을 선택적으로 투여함을 포함한다. 몇몇의 실시형태들에서, 상기 치료는 죽상 경화성 관상 동맥 질환을 갖는 것으로 또는 관상 죽상 경화성 플라크를 갖는 것으로 동정된 대상체에 대한 비-침습적 심혈관 평가를 수행하여 상기 대상체가 죽상 경화성 관상 동맥 질환 또는 관상 죽상 경화성 플라크를 갖거나 또는 갖지 않는지 여부를 확인함을 포함한다. 몇몇의 실시형태들에서, 상기 치료 계획은 심혈관 건강을 개선시키기 위해 치료학적 생활습관 변화를 처방함을 포함한다.
다른 양상에서, 본 발명은 사람 대상체를 ASCAD를 갖거나 관상 죽상 경화성 플라크를 갖는지에 대해 평가하기 위한 키트를 제공한다. 상기 키트는 시험 샘플 중의 복수의 분석물의 수준을 측정하기에 적합한 시약(예를 들면, 본원에 개시된 대사체학적 바이오마커의 수준을 측정하게 적합한 시약); 임의로, 소정 수준의 동일한 분석물을 포함하는 하나 이상의 대조군 샘플[여기서, 시험 샘플 중의 상기 분석물의 수준의 상기 대조군 샘플 중의 수준과의 비교는 죽상 경화성 관상 동맥 질환을 갖거나 관상 죽상 경화성 플라크를 갖는 것으로 대상체를 동정한다]; 및 본원에 기술된 방법에서 상기 키트를 사용하기 위한 지침서를 포함한다.
본원에 사용된 용어 "생물학적 샘플" 또는 "샘플"은 대상체로부터 수득되거나 유도된 샘플을 말한다. 예로서, 상기 샘플은 체액, 혈액, 전혈, 혈장, 혈청, 점액 분비물, 뇨 또는 타액으로 이루어진 그룹으로부터 선택될 수 있다. 몇몇의 실시형태들에서, 상기 샘플은 혈액 샘플이거나 혈액 샘플을 포함한다. 바이오마커의 검출을 위한 바람직한 생물학적 공급원은 혈액 샘플, 혈청 샘플 또는 혈장 샘플이다.
본원에 사용되는 용어 "대상체"는 포유동물을 말한다. 따라서, 대상체는 예를 들면, 개, 고양이, 말, 소, 돼지, 기니아 피그, 및 사람 등을 나타낸다. 상기 대상체가 사람인 경우, 상기 대상체는 본원에서 환자로서 나타내어질 수 있다. 상기 대상체는 증상성일 수 있거나(예를 들면, 상기 대상체는 죽상 경화성 CAD와 관련된 증상, 예를 들면, 흉통, 협심증, 협심증 등가 증상, 호흡곤란 또는 운동시 호흡곤란을 나타내고/나타내거나; 관상 동맥 질환과 관련된 위험 인자들, 예를 들면, 남성 성, 고혈압, 이상지질혈증, 당뇨병, 여성의 폐경-후 상태, 흡연 또는 관상 동맥 질환의 가족력을 나타낸다), 상기 대상체는 무증상성일 수 있다(예를 들면, 상기 대상체는 죽상 경화성 CAD와 관련된 증상을 나타내지 않는다).
본원에 사용되는 "수득하다" 또는 "수득하는"은 "직접적" 또는 "간접적" 수단에 의한 샘플의 소유하게 되는 임의의 수단일 수 있다. 샘플을 직접적으로 수득하는 것은 샘플을 수득하기 위한 프로세스를 수행함(예를 들면, 추출과 같은 물리적 방법을 수행함)을 의미한다. 샘플을 간접적으로 수득하는 것은 다른 단체 또는 공급원(예를 들면, 샘플을 직접적으로 획득한 제3 단체 실험실)으로부터 샘플을 받는 것을 말한다. 샘플을 직접적으로 수득하는 것은 물리적 물질, 예를 들면, 출발 물질, 예를 들면, 혈액, 예를 들면, 환자로부터 사전에 단리된 혈액의 물리적 변화를 포함하는 프로세스를 수행함을 포함한다. 따라서, 수득은 대상체로부터의 샘플의 수집 및/또는 제거를 의미하는 것으로 사용된다. 또한, "수득한다"는 또한 한 사람이 이전에 샘플을 소유한 다른 사람으로부터 샘플을 받는 것을 의미하는 것으로 사용된다.
몇몇의 실시형태들에서, 상기 참조 샘플은 심혈관 질환을 앓지 않는 적어도 하나의 개체로부터 수득된다. 몇몇의 다른 실시형태들에서, 상기 참조 샘플은 심혈관 질환(예를 들면, 죽상 경화성 관상 동맥 질환(ASCAD) 또는 관상 죽상 경화성 플라크)을 갖는 것으로 이전에 진단된 적어도 하나의 개체로부터 수득된다. 몇몇의 실시형태들에서, 상기 참조 샘플은 소정의 통계학적으로 유의한 참조 분석물 수준을 포함한다.
몇몇의 실시형태들에서, 상기 측정 단계는 그래디언트 부스팅 알고리즘(gradient boosting algorithm)을 이용하여 수행된다. 몇몇의 실시형태들에서, 상기 측정 단계는 일반화된 선형 모델링을 이용하여 수행된다.
또 다른 실시형태에서, 상기 방법은 죽상 경화성 관상 동맥 질환을 갖거나 관상 죽상 경화성 플라크를 갖는 것으로 대상체를 동정하기 위해 대상체의 임상학적 기록을 변형시킴을 추가로 포함한다. 바람직하게, 상기 임상학적 기록은 컴퓨터 판독가능한 매체에 저장된다.
본원에 기술된 관련 분석 모델은 요약은 하기에 제공된다:
a. 원(Native) CAD에서의 죽상 경화증 -
Figure pct00001
i. 절식 & 비-절식 병합시 유의함 -
Figure pct00002
ii. 절식 및 비-절식시 독립적으로 유의함 -
Figure pct00003
iii. 절식시 유의함 -
Figure pct00004
b. 모든 CAD(혈관 재형성 포함)에서의 죽상 경화증 -
Figure pct00005
i. 절식 & 비-절식 병합시 유의함 -
Figure pct00006
ii. 절식 및 비-절식시 독립적으로 유의함 -
Figure pct00007
iii. 절식시 유의함 -
Figure pct00008
c. 원 CAD에서의 50% 협착증
i. 절식 & 비-절식 병합시 유의함 -
Figure pct00009
ii. 절식 및 비-절식시 독립적으로 유의함 -
Figure pct00010
iii. 절식시 유의함 -
Figure pct00011
d. 모든 CAD(혈관 재형성 포함)에서의 50% 협착증
i. 절식 & 비-절식 병합시 유의함 -
Figure pct00012
ii. 절식 및 비-절식시 독립적으로 유의함 -
Figure pct00013
iii. 절식시 유의한 분석물 -
Figure pct00014
.
본원에 사용된 섹션 제목은 단지 구조적 목적만을 위한 것이고, 기술된 주제를 임의의 방식으로 제한하는 것으로 구성되는 것은 아니다. 포함된 참조문헌의 용어 정의가 본 발명의 교시에 제공된 정의와 상이한 것으로 밝혀지는 경우, 본 발명의 교시에 제공되는 정의가 규제할 것이다. 약간의 그리고 비실질적인(insubstantial) 편차가 본원의 본 발명의 교시의 범위 내가 되도록 본 발명의 교시에서 논의된 온도, 농도 및 시간과 같은 측정값(metrics) 이전의 암묵적인 "약"이 존재함이 이해될 것이다. 본 출원에서, 단수의 사용은 달리 구체적으로 명시하지 않는 한 복수를 포함한다. 또한, "포함하다(comprise)", "포함한다", "함유하다", "함유한다", "함유하는", "포함하다(include)", "포함한다", 및 "포함하는"의 사용은 제한되는 것으로 의도되지 않는다. 상기 일반적인 설명 및 다음의 상세한 설명 둘 다는 예시적이고 단지 설명적인 것이며 본 발명을 제한하지 않음이 이해되어야 한다. 관사 "한(a)" 및 "하나(an)"는 본원에서 상기 관사의 문법적 목적어 중 하나 또는 둘 이상(즉, 적어도 하나)을 언급하는데 사용된다. 예로서, "하나의 요소"는 하나의 요소 또는 하나 이상의 요소를 의미한다.
달리 정의하지 않는 한, 본원에 사용된 모든 기술적 및 과학적 용어들은 본 발명이 속하는 당해 분야의 숙련가에 의해 일반적으로 이해되는 바와 동일한 의미를 갖는다. 본 발명에서 사용하기 위한 방법 및 재료는 본원에 기술되고; 당해 분야에 공지되어 있는 다른 적합한 방법 및 재료도 사용할 수 있다. 재료, 방법 및 예는 단지 설명적이고 제한되는 것으로 의도되지 않는다. 모든 출판물, 특허 출원, 특허, 서열, 데이터베이스 엔트리, 및 본원에 언급된 기타 참조문헌들은 그 전문이 본원에 인용에 의해 포함된다. 불일치의 경우, 정의를 포함하는 본 명세서가 규제할 것이다.
본 발명의 기타 특징 및 이점은 하기 발명을 실시하기 위한 구체적인 내용 및 도면으로부터, 그리고 청구범위로부터 명백할 것이다.
도 1은 임상학적 그룹에 의한 다이아몬드 포레스터 스코어(Diamond Forrester Score)의 박스 플롯을 입증하는 그래프이다.
도 2는 다이아몬드 포레스터 스코어 및 원 CAD에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.5; 역치 = inf; 민감도 = 0, 특이성 = 1; 정확도 = 0.57).
도 3은 임상학적 그룹에 의한 모라이즈 스코어(Morise Score)의 박스 플롯을 입증하는 그래프이다.
도 4는 모라이즈 스코어 및 원 CAD에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.58; 역치 = 20; 민감도 = 0.04, 특이성 = 0.98; 정확도 = 0.58).
도 5는 원 CAD의 임상학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.79; 역치 = 0.5; 민감도 = 0.49, 특이성 = 0.9; 정확도 = 0.73).
도 6은 원 CAD의 임상학적 모델에 대한 11개의 임상학적 변수에 관한 부분적 의존도 플롯을 제공하는 일련의 그래프들이다.
도 7은 원 CAD의 대사체학적 모델에 관한 ROC 곡선을 입증하는 그래프이다(AUC = 0.78; 역치 = 0.39; 민감도 = 0.82; 특이성 = 0.64; 정확도 = 0.72).
도 8은 원 CAD의 대사체학적 모델에 대한 6개의 임상학적 변수들에 관한 부분적 의존도 플롯을 제공하는 일련의 그래프들이다.
도 9는 원 CAD의 임상학적-대사체학적 모델에 대한 10개의 임상학적 변수들에 관한 부분적 의존도 플롯을 제공하는 일련의 그래프들이다.
도 10은 원 CAD의 임상학적-대사체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.82; 역치 = 0.5; 민감도 = 0.56, 특이성 = 0.88; 정확도 = 0.74).
도 11은 원 CAD의 지질체학적(Lipidomic) 모델에 대한 7개의 임상학적 변수들에 관한 부분적 의존도 플롯을 제공하는 일련의 그래프들이다.
도 12는 원 CAD의 지질체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.74; 역치 = 0.46; 민감도 = 0.6, 특이성 = 0.79; 정확도 = 0.71).
도 13은 원 CAD의 임상학적-지질체학적 모델에 대한 7개의 임상학적 변수에 관한 부분적 의존도 플롯을 제공하는 일련의 그래프들이다.
도 14는 원 CAD의 임상학적-지질체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.76; 역치 = 0.47; 민감도 = 0.52, 특이성 = 0.84; 정확도 = 0.7).
도 15는 원 CAD의 임상학적-대사체학적-지질체학적 모델에 대한 6개의 임상학적 변수에 관한 부분적 의존도 플롯을 제공하는 일련의 그래프들이다.
도 16은 원 CAD의 임상학적-대사체학적-지질체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.78; 역치 = 0.47; 민감도 = 0.52, 특이성 = 0.89; 정확도 = 0.73).
도 17은 다이아몬드 포레스터 스코어 및 모든 CAD에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.53; 역치 = 0.51; 민감도 = 0.39, 특이성 = 0.72; 정확도 = 0.55).
도 18은 모든 CAD의 모라이즈 스코어에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.64; 역치 = 12; 민감도 = 0.73, 특이성 = 0.48; 정확도 = 0.61).
도 19는 모든 CAD의 임상학적 모델에 대한 11개의 임상학적 변수에 관한 부분적 의존도 플롯을 제공하는 일련의 그래프들이다.
도 20은 모든 CAD의 임상학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.82; 역치 = 0.49; 민감도 = 0.76, 특이성 = 0.74; 정확도 = 0.75).
도 21은 모든 CADml 대사체학적 모델에 대한 16개의 임상학적 변수에 관한 부분적 의존도 플롯을 제공하는 일련의 그래프들이다.
도 22는 모든 CAD의 대사체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.85; 역치 = 0.48; 민감도 = 0.9, 특이성 = 0.65; 정확도 = 0.78).
도 23은 모든 CAD의 임상학적-대사체학적 모델에 대한 12개의 임상학적 변수에 관한 부분적 의존도 플롯을 제공하는 일련의 그래프들이다.
도 24는 모든 CAD의 임상학적-대사체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.83; 역치 = 0.56; 민감도 = 0.69, 특이성 = 0.81; 정확도 = 0.75).
도 25는 모든 CAD의 지질체학적 모델에 대한 13개의 임상학적 변수에 관한 부분적 의존도 플롯을 제공하는 일련의 그래프들이다.
도 26은 모든 CAD의 지질체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.79; 역치 = 0.48; 민감도 = 0.82, 특이성 = 0.64; 정확도 = 0.73).
도 27은 모든 CAD의 임상학적 지질체학적 모델에 대한 11개의 임상학적 변수에 대한 부분적 의존도 플롯을 제공하는 일련의 그래프들이다.
도 28은 모든 CAD의 임상학적-지질체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.8; 역치 = 0.54; 민감도 = 0.64, 특이성 = 0.84; 정확도 = 0.74).
도 29는 모든 CAD의 임상학적-대사체학적-지질체학적 모델에 대한 12개의 임상학적 변수에 관한 부분적 의존도 플롯을 제공하는 일련의 그래프들이다.
도 30은 모든 CAD의 임상학적-대사체학적-지질체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.82; 역치 = 0.46; 민감도 = 0.84, 특이성 = 0.63; 정확도 = 0.74).
도 31은 죽상 경화성 CAD를 갖는 것으로 의심되는 환자에서의 진단학적 알고리즘을 기술하는 도식적 다이아그램이다.
도 32는 대상체를 죽상 경화성 관상 동맥 질환을 갖거나 관상 죽상 경화성 플라크를 갖는지에 대해 평가하는 진단학적 알고리즘을 기술하는 도식적 다이아그램이다.
도 33은 임상학적 그룹에 의한 다이아몬드 포레스터 스코어의 박스 플롯을 입증하는 그래프이다.
도 34는 다이아몬드 포레스터 스코어에 대한 ROC 곡선 및
Figure pct00015
을 입증하는 그래프이다(AUC = 0.45; 역치 = 0.00; 민감도 = 1.00, 특이성 = 0.00; 정확도 = 0.62).
도 35는
Figure pct00016
의 대사체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.82; 역치 = 0.45; 민감도 = 0.85, 특이성 = 0.61; 정확도 = 0.76).
도 36은
Figure pct00017
의 대사체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.80; 역치 = 0.45; 민감도 = 0.85, 특이성 = 0.64; 정확도 = 0.77).
도 37은
Figure pct00018
의 대사체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.81; 역치 = 0.48; 민감도 = 0.87, 특이성 = 0.58; 정확도 = 0.76).
도 38은 다이아몬드 포레스터 스코어에 대한 ROC 곡선 및
Figure pct00019
을 입증하는 그래프이다(AUC = 0.45; 역치 = 0.00; 민감도 = 1.00, 특이성 = 0.00; 정확도 = 0.64).
도 39는
Figure pct00020
의 대사체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.83; 역치 = 0.40; 민감도 = 0.93, 특이성 = 0.50; 정확도 = 0.78).
도 40은
Figure pct00021
의 대사체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.80; 역치 = 0.47; 민감도 = 0.85, 특이성 = 0.63; 정확도 = 0.77).
도 41은
Figure pct00022
의 대사체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.82; 역치 = 0.56; 민감도 = 0.83, 특이성 = 0.64; 정확도 = 0.76).
도 42는 다이아몬드 포레스터 스코어에 대한 ROC 곡선 및
Figure pct00023
을 입증하는 그래프이다(AUC = 0.45; 역치 = 0.94; 민감도 = 0.03, 특이성 = 1.00; 정확도 = 0.78).
도 43은
Figure pct00024
의 대사체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.73; 역치 = 0.45; 민감도 = 0.21, 특이성 = 0.96; 정확도 = 0.79).
도 44는
Figure pct00025
의 대사체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.76; 역치 = 0.42; 민감도 = 0.30, 특이성 = 0.96; 정확도 = 0.81).
도 45는
Figure pct00026
의 대사체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.67; 역치 = 0.90; 민감도 = 0.04, 특이성 = 1.0; 정확도 = 0.78).
도 46은 다이아몬드 포레스터 스코어에 대한 ROC 곡선 및
Figure pct00027
를 입증하는 그래프이다(AUC = 0.45; 역치 = 0.94; 민감도 = 0.03, 특이성 = 1.0; 정확도 = 0.75).
도 47은
Figure pct00028
의 대사체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.78; 역치 = 0.51; 민감도 = 0.34, 특이성 = 0.94; 정확도 = 0.78).
도 48은
Figure pct00029
의 대사체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.78; 역치 = 0.54; 민감도 = 0.23, 특이성 = 0.97; 정확도 = 0.77).
도 49는
Figure pct00030
의 대사체학적 모델에 대한 ROC 곡선을 입증하는 그래프이다(AUC = 0.74; 역치 = 0.74; 민감도 = 0.22, 특이성 = 0.96; 정확도 = 0.77).
죽상 경화성 플라크의 개시 및 진행은 죽상 경화성 CAD 및 CHD의 임상학적 징후의 근본적 원인이다. 죽상 경화증의 제1 단계 및 "필수 요소(sine qua non)"는 죽종형성성 지질단백질 입자의 보유이고, 이는 보상적 2차 염증 반응으로 이어진다. 단핵구 및 대식세포에 의한 관상 동맥벽의 침윤은 죽상 경화증의 진행을 추가로 유발하는 피드백 루프(feedback loop)를 생성시킨다. 관상 동맥벽 내의 대식세포는 죽종형성성 지질단백질 입자의 식세포작용을 시작하고, 죽종형성성 지질 및 지질단백질의 제어되지 않은 흡수는 대식세포의 아폽토시스(apoptosis) 및 괴사를 유도하고, 이는 지질이 풍부한 괴사성 코어(LRNC)를 생성시킨다. 이는 파열 및 미란에 가장 민감한 LRNC의 상태이다. 죽상 경화성 프로세스의 후기 단계는 석회화 및 섬유증을 통한 치유를 포함한다.
혈액-기반 바이오마커는 2개의 수준에서 죽상 경화 프로세스에 대한 통찰력을 제공한다. 첫째, 혈액-기반 바이오마커는 죽상 경화증의 발병을 유도하는 원인적 인자를 평가할 수 있고; 둘째, 혈액-기반 바이오마커는 죽상 경화성 프로세스의 초기 단계에 대한 결과 및 반응을 평가할 수 있다.
상기 요약된 생물학적 패러다임과는 대조적으로, 죽상 경화성 CAD의 임상학적 진단은 인구-기반 확률-유도된 임상학적 위험 계층화에 대해 예측된다(도 31).
임상학적 진단 알고리즘은 임상학적 위험- 및 증상-기반 위험 계층화에 의존한다. 무증상 환자는 프레이밍햄 위험 스코어(Framingham Risk Score) 또는 보다 최근에 개발되고 소개된 풀드 위험 추정인자(Pooled Risk Estimator)와 같은 전반적 위험 스코어들을 통해 평가된다. 이들 전반적 위험 스코어는 일정 기간 동안 발생하는 심혈관계 사건의 가능성을 추정하기 위해 시도되지만, 죽상 경화성 CAD의 진단을 내리도록 고안되지 않는다.
환자의 증상에 기초하여 죽상 경화성 CAD를 갖는 것으로 의심되는 증상성 환자의 임상학적 평가는 다이아몬드-포레스터 알고리즘과 같은 위험 스코어에 의해 유도된다. 다이아몬드-포레스터 시스템은 환자들을 3개의 범주 중 하나로 분류하여 연령, 성별, 및 흉통의 임상학적 특성에 기초하여 폐색성 CAD의 (낮은[<15%], 중간정도[15 내지 85%] 또는 높은[>85%]) 사전-시험 가능성을 제공한다. CAD의 낮은 사전-시험 가능성을 갖는 환자들에서는 추가의 평가는 권장되지 않는다. 가장 큰 환자 그룹은 CAD의 중간정도의 사전-시험 가능성을 갖는 환자들이다. 이러한 그룹에서는 임의의 잠재적인 내강 협착증의 혈액역학적 결과를 평가하기 위해 심근 관류 영상화(MPI) 연구를 수행하는 것이 권장된다. 공개된 민감도 및 특이성은 조사 연구에서 대략 80% 및 80%이지만, MPI의 현실적 정확도는 30% 미만인 특이성을 갖고 이보다 훨씬 더 낮다(Thomas GS, et al. A Blood-Based Gene Expression Test for Obstructive Coronary Artery Disease Tested in Symptomatic Nondiabetic Patients Referred for Myocardial Perfusion Imaging The COMPASS Study. Circulation: Cardiovascular Genetics 2013;6(2):154-162.). CAD의 높은 사전-시험 가능성을 가진 환자는 내강 협착증의 정도와 범위를 정의하고 필요에 따라 경피적 또는 외과적 혈관 재형성을 추가로 참조하기 위해 침습적 관상 혈관 조영술을 위해 참조된다.
중요하게도, 이러한 패러다임에서 죽상 경화성 CAD의 근본적 원인인 죽상 경화성 플라크 자체를 진단하도록 고안된 진단학적 접근법은 없다. 그러나, 죽상 경화성 플라크 자체의 검출을 위해 특이적 표현형 분석 도구를 사용하는 불편(unbiased) 무가설 발견 연구의 맥락에서, 현재 죽상 경화성 관상 동맥 질환 및 죽상 경화성 플라크 자체의 혈액-기반 바이오마커 특성을 발견할 수 있다.
본원에 개시되는 혈액-기반 바이오마커는 죽상 경화성 플라크 자체의 검출을 가능하게 하고, 질환의 조기 진단을 가능하게 하고, 다운스트림 진단학적 평가 및 치료 프로세서를 유의하게 변화시킬 기회를 제공한다.
본원에서 확인된 혈액-기반 바이오마커들은 죽상 경화성 플라크를 직접적으로 검출함으로써 죽상 경화성 CAD를 검출하도록 고안되고, 높은 음성 예측 값을 갖는 것으로 캘리브레이션된다(calibrated). 죽상 경화성 CAD에 대한 위험이 있는 무증상 대상체 또는 죽상 경화성 CAD를 갖는 것으로 의심되는 증상성 환자는 바이오마커 시험에 대한 후보자들이다. 상기 시험이 음성인 경우, 이는 죽상 경화성 CAD의 존재를 배제시키고, 추가의 시험이 보장되지 않는다. 상기 시험이 양성인 경우, 이는 죽상 경화성 플라크의 존재 및 죽상 경화성 CAD의 존재를 나타내고, 환자는 결과를 확인하기 위해 심혈관계 CT 또는 기타 비-침습적 심혈관계 진단학적 시험에 참조될 수 있다. 심혈관계 CT 또는 기타 비-침습적 심혈관계 진단학적 시험이 비-폐색성 플라크 및 비-폐색성 CAD를 검출하는 경우, 환자는 죽상 경화성 CAD의 추가의 진행을 중단시키거나 반전시키기 위해, 플라크의 발달을 유도하는 인자들을 치료하기 위한 의학적 치료요법이 처방된다. 반면, 심혈관계 CT 검사 또는 기타 비-침습적 심혈관계 진단학적 시험이 폐색성 죽상 경화성 플라크 및 폐색성 CAD의 존재를 나타내는 경우, 환자는 플라크가 혈액역학적으로 유의한 협착증을 야기하는지를 측정하기 위해 기능적 시험의 존재 또는 부재 하에 침습적 관상 혈관 조영술에 참조되고, 필요에 따라 관상 혈관 재형성을 수행할 수 있다. 따라서, 이러한 패러다임에서, 혈액-기반 바이오마커는 환자 관리를 결정하는데 중요한 역할을 한다. 중요하게도, 미국에서 모든 침습적 관상 혈관 조영 사진의 대략 39%가 유의한 관상 동맥 질환을 나타내지 않고, 기타 약 20%는 비-폐색성 CAD를 가짐이 익히 공지되어 있다(Patel M, et al., Low Diagnostic Yield of Elective Coronary Angiography. N Engl J Med. 2010 Mar 11; 362(10): 886-95). 음성 또는 비-폐색성 CT 혈관 조영 사진의 비율은 심지어 더 높고; 따라서, 죽상 경화성 CAD의 존재를 배제할 수 있는 혈액-기반 바이오마커는 매우 다수의 불필요한 침습적 및 CT 관상 혈관 조영 사진, 및 기타 비-침습적 심혈관계 진단학적 시험을 회피할 것이다.
이전에, CVD와 관련하여 대사체학적 접근법이 시도되었지만, 죽상 경화성 CAD와 관련하여서는 시도되지 않았다. Cheng 등은 심혈관 질환과 관련된 분지쇄 아미노산, 기타 소수성 아미노산, 트립토판 파괴 생성물, 및 뉴클레오타이드 대사물을 확인하였다. (Cheng S, et al., Metabolite Profiling Identifies Pathways Associated With Metabolic Risk in Humans / Clinical Perspective. Circulation 2012;125(18):2222-2231). 죽상 경화증을 평가하기 보다는 Bodi 등은 대사적 성질을 확인하기 위한 결과 변수로서 심근 허혈을 사용하였다. (Bodi V, Sanchis J, Morales JM, Marrachelli VG, Nunez J, Forteza MJ et al. Metabolomic Profile of Human Myocardial Ischemia by Nuclear Magnetic Resonance Spectroscopy of Peripheral Blood Serum: A Translational Study Based on Transient Coronary Occlusion Models. J Am Coll Cardiol 2012;59(18):1629-1641)
용어 "감소시킨다(decrease)", "감소된(decreased)", "감소된(reduced)", "감소(reduction)" 또는 "하향-조절된"은 전부 본원에서 통계학적으로 유의한 양으로의 감소를 의미하는 것으로 일반적으로 사용된다. 그러나, 의심의 회피를 위해, "감소된(reduced)", "감소(reduction)", "감소된(decreased)" 또는 "감소시킨다(decrease)"는 참조 수준과 비교하여 적어도 10% 만큼의 감소, 예를 들면, 참조 수준과 비교하여 적어도 약 20%, 또는 적어도 약 30%, 또는 적어도 약 40%, 또는 적어도 약 50%, 또는 적어도 약 60%, 또는 적어도 약 70%, 또는 적어도 약 80%, 또는 적어도 약 90% 또는 그 이하만큼의 감소를 의미하고, 100% 감소 또는 10 내지 100% 사이의 임의의 감소, 또는 참조 수준과 비교하여 적어도 약 0.5배, 또는 적어도 약 1.0배, 또는 적어도 약 1.2배, 또는 적어도 약 1.5배, 또는 적어도 약 2배, 또는 적어도 약 3배, 또는 적어도 약 4배, 또는 적어도 약 5배 또는 적어도 약 10배 감소, 또는 1.0배 내지 10배 사이의 임의의 감소 또는 그 이상을 포함한다.
용어 "증가된", "증가시킨다" 또는 "상향-조절된"은 전부 본원에서 통계학적으로 유의한 양으로의 증가를 의미하는 것으로 일반적으로 사용되고; 의심을 회피하기 위해, 용어 "증가된" 또는 "증가시킨다"는 참조 수준과 비교하여 적어도 10%의 증가, 예를 들면, 참조 수준과 비교하여 적어도 약 20%, 또는 적어도 약 30%, 또는 적어도 약 40%, 또는 적어도 약 50%, 또는 적어도 약 60%, 또는 적어도 약 70%, 또는 적어도 약 80%, 또는 적어도 약 90% 또는 그 이상의 증가를 의미하고, 참조 수준과 비교하여 100% 증가 또는 10 내지 100% 사이의 임의의 증가, 또는 참조 수준과 비교하여 적어도 약 0.5배, 또는 적어도 약 1.0배, 또는 적어도 약 1.2배, 또는 적어도 약 1.5배, 또는 적어도 약 2배, 또는 적어도 약 3배, 또는 적어도 약 4배, 또는 적어도 약 5배, 또는 적어도 약 10배 증가, 또는 1.0배 내지 10배 사이의 임의의 증가 또는 그 이상을 포함한다.
본 발명은 본원에서 바이오마커 또는 분석물 바이오마커로서 언급되는 소정의 분석물의 수준 및 발생에 기초한 죽상 경화성 CAD 및/또는 관상 죽상 경화성 플라크의 특성확인(예를 들면, 임상학적 평가, 진단, 분류, 예측, 프로파일링)에 유용한 방법에 관한 것이다. 본원에서 사용되는 바와 같이, 수준은 샘플(예를 들면, 혈장 또는 혈청 샘플) 또는 대상체 중의 분석물의 양 또는 농도를 말한다. 반면, 발생은 샘플 중의 검출가능한 분석물의 존재 또는 부재를 말한다. 따라서, 수준의 양의 연속적 지표이고, 반면, 발생은 분석물의 이원성(binary) 지표이다. 몇몇의 경우, 발생은, 역치 수준 이상에서 바이오마커가 존재하고 역치 수준 미만에서 바이오마커가 부재하는 역치 수준을 이용하여 측정할 수 있다.
본원에 기술된 분석물 바이오마커는 비-침습적 방식으로 대상체를 죽상 경화성 CAD를 갖는 것으로 또는 관상 죽상 경화성 플라크를 갖는 것으로 특성확인하는데(예를 들면, 감정하거나 평가하는데) 특히 유용하다.
본 발명은 죽상 경화증-관련된 대사 장애를 특성확인하는데 유용한 복수의 바이오마커의 발견에 관한 것이다. 따라서, 몇몇의 양상들에서, 본 발명은 분석물 바이오마커의 선택된 패널 내의 각각의 분석물의 수준을 측정함을 포함하는 방법을 제공하고, 여기서, 패널은 대상체로부터 수득된 생물학적 샘플 중의 복수의 분석물 바이오마커를 포함한다. 복수(적어도 2)의 경우 바이오마커 또는 대사물질의 수는 2 또는 그 이상, 3 또는 그 이상, 4 또는 그 이상, 5 또는 그 이상, 6 또는 그 이상, 7 또는 그 이상, 8 또는 그 이상, 9 또는 그 이상, 10 또는 그 이상, 11 또는 그 이상, 12 또는 그 이상, 13 또는 그 이상, 14 또는 그 이상, 15 또는 그 이상, 16 또는 그 이상, 17 또는 그 이상, 18 또는 그 이상, 19 또는 그 이상, 또는 20 또는 그 이상, 예를 들면, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 100, 또는 그 이상일 수 있다.
본원에 기술된 방법은 대상체가 ASCAD를 갖거나 관상 죽상 경화성 플라크를 갖는지를 확인하는데 유용하다. 언급된 다른 방식인 본원에 기술된 방법은 대상체가 죽상 경화성 CAD를 갖거나 관상 죽상 경화성 플라크를 가질 가능성을 결정하는데 유용하고, 상기 방법은 대상체로부터 수득된 분석물 바이오마커 패널의 상대적인 양의 차이에 의존하고, 여기서, 상기 가능성은 본원에 기술된 바와 같은 그래디언트 부스팅 알고리즘 또는 일반화된 선형 모델을 이용하여 측정된다.
또한, 본원에 기술된 방법은 대상체가 죽상 경화성 CAD를 갖거나 관상 죽상 경화성 플라크를 갖는지를 진단하는데 유용하다. 본원에 사용되는 바와 같이, 진단은 진단하는 것 및 진단을 보조하는 것 둘 다를 포함한다. 따라서, 다른 진단학적 기준은 진단을 이루기 위해 방법들의 결과와 함께 평가될 수 있다.
몇몇의 실시형태들에 따르면, 상기 방법은 분석물 바이오마커의 패널 내의 각각의(즉, 모든) 분석물의 양을 결정함(즉, 수준을 결정함, 양을 측정함, 또는 수준을 측정함)을 포함한다. 몇몇의 실시형태들에서, 하기 패널들 중 임의의 것은 대상체의 연령 및/또는 성별의 분석을 추가로 포함할 수 있다.
몇몇의 실시형태들에서, 상기 분석물은 발릴류신, 글루타메이트, 아시소가, 우레이트, 글루쿠로네이트, 퓨코스, 부티릴카르니틴(C4), 만노스로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 발릴류신, 글루타메이트, 아시소가, 우레이트, 글루쿠로네이트, 퓨코스, 부티릴카르니틴(C4), 만노스.
몇몇의 실시형태들에서, 상기 분석물은 아시소가, 오.크레졸.설페이트, 트레오네이트, 시스테인.글루타티온.디설파이드로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 기술된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 아시소가, 오.크레졸.설페이트, 트레오네이트, 시스테인.글루타티온.디설파이드.
몇몇의 실시형태들에서, 상기 분석물은 엔.아세틸페닐알라닌, 엔.아세틸류신, 발릴류신, 크실리톨, 2.하이드록시히푸레이트(살리실우레이트), 글리실페닐알라닌, 세릴류신, 퓨코스로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 엔.아세틸페닐알라닌, 엔.아세틸류신, 발릴류신, 크실리톨, 2.하이드록시히푸레이트(살리실우레이트), 글리실페닐알라닌, 세릴류신, 퓨코스.
몇몇의 실시형태들에서, 상기 분석물은 글루타메이트, 아시소가, 발릴류신, 만노스, 글루쿠로네이트, 우레이트, 발레릴카르니틴(C5), 12.HETE로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물의 수준을 측정함을 포함한다: 글루타메이트, 아시소가, 발릴류신, 만노스, 글루쿠로네이트, 우레이트, 발레릴카르니틴(C5), 12.HETE.
몇몇의 실시형태들에서, 상기 분석물은 오.크레졸.설페이트, 아시소가, 시스테인,글루타티온.디설파이드, 글루코스, 1.노나데카노일글리세로포스포콜린(19:0), 트레오네이트로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 오.크레졸.설페이트, 아시소가, 시스테인.글루타티온.디설파이드, 글루코스, 1.노나데카노일글리세로포스포콜린(19:0), 트레오네이트.
몇몇의 실시형태들에서, 상기 분석물은 엔.아세틸페닐알라닌, 엔.아세틸류신, 글리실페닐알라닌, 발릴류신, 크실리톨, 12.HETE, 2.하이드록시히푸레이트(살리실우레이트)로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 엔.아세틸페닐알라닌, 엔.아세틸류신, 글리실페닐알라닌, 발릴류신, 크실리톨, 12.HETE, 2.하이드록시히푸레이트(살리실우레이트).
몇몇의 실시형태들에서, 상기 분석물은 엔.아세틸트레오닌, 티글로일글리신, 글리세레이트, 발레릴카르니틴(C5), 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 살리실레이트, 타르트로네이트(하이드록시말로네이트화됨)로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 엔.아세틸트레오닌, 티글로일글리신, 글리세레이트, 발레릴카르니틴(C5), 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 살리실레이트, 타르트로네이트(하이드록시말로네이트화됨).
몇몇의 실시형태들에서, 상기 분석물은 엔.아세틸글리신, 3.에틸페닐설페이트로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 엔.아세틸글리신, 3.에틸페닐설페이트.
몇몇의 실시형태들에서, 상기 분석물은 세로토닌(5HT), 엔.아세틸푸트레신, 류실류신, 프로피오닐글리신(C3), 콜레이트, 글리코콜레네이트.설페이트, 아스파라긴, 3.에틸페닐설페이트로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 세로토닌(5HT), 엔.아세틸푸트레신, 류실류신, 프로피오닐글리신(C3), 콜레이트, 글리코콜레네이트.설페이트, 아스파라긴, 3.에틸페닐설페이트.
몇몇의 실시형태들에서, 상기 분석물은 아시소가, 만노스, 발레릴카르니틴(C5), 1.리놀레오일.GPE(18.2), 글리코우르소데옥시콜레이트, 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 살리실레이트로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 아시소가, 만노스, 발레릴카르니틴(C5), 1.리놀레오일.GPE(18.2), 글리코우르소데옥시콜레이트, 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 살리실레이트.
몇몇의 실시형태들에서, 상기 분석물은 엔.아세틸글리신, 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 3.에틸페닐설페이트, 살리실레이트로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 엔.아세틸글리신, 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 3.에틸페닐설페이트, 살리실레이트.
몇몇의 실시형태들에서, 상기 분석물은 아스파라긴, 타우린, 아시소가, 1.올레오일글리세롤(18:1), 콜레스테롤, 2.하이드록시히푸레이트(살리실우레이트), 6.옥소피페리딘.2.카르복실산, 프로피오닐글리신(C3)으로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 아스파라긴, 타우린, 아시소가, 1.올레오일글리세롤(18:1), 콜레스테롤, 2.하이드록시히푸레이트(살리실우레이트), 6.옥소피페리딘.2.카르복실산, 프로피오닐글리신(C3).
몇몇의 실시형태들에서, 상기 분석물은 발릴류신, 이소류신발린, 글루타민-류신, X-12212, 글루쿠로네이트, 및 글루타메이트로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 발릴류신, 이소류신발린, 글루타민-류신, X-12212, 글루쿠로네이트 및 글루타메이트.
몇몇의 실시형태들에서, 상기 분석물은 글루코스, 감마-글루타밀 트랜스퍼라제, 요산, 저밀도 지질단백질 콜레스테롤, 트리글리세라이드, 지질단백질 (a) 덩어리, 알칼리성 포스파타제 및 아포지질단백질 B로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 글루코스, 감마-글루타밀 트랜스퍼라제, 요산, 저밀도 지질단백질 콜레스테롤, 트리글리세라이드, 지질단백질 (a) 덩어리, 알칼리성 포스파타제 및 아포지질단백질 B.
몇몇의 실시형태들에서, 상기 분석물은 글루타메이트, X-16132, 이소류신알라닌, 이소류실페닐알라닌, 지질단백질 (a) 덩어리, 소밀도 저밀도 지질단백질 콜레스테롤, X-12212. ADSGEGDFXAEGGGVR(서열번호 1), 글루타민.류신, 및 트레오닐류신으로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 글루타메이트, X-16132, 이소류실알라닌, 이소류실페닐알라닌, 지질단백질 (a) 덩어리, 소밀도 저밀도 지질단백질 콜레스테롤, X-12212, ADSGEGDFXAEGGGVR(서열번호 1), 글루타민-류신 및 트레오닐류신.
몇몇의 실시형태들에서, 상기 분석물은 CER22.1, HexCER18:1, TG15:0, SM16:0, CER20:0, DHC20:1, 및 CER18:0으로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: CER22.1, HexCER18:1, TG15:0, SM16:0, CER20:0, DHC20:1, 및 CER18:0.
몇몇의 실시형태들에서, 상기 분석물은 CER20:0, 아포지질단백질 B, SM16:0, 지질단백질 (a) 덩어리, DHC20L1, 알칼리성 포스파타제, 및 CER18:0으로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: CER20:0, 아포지질단백질 B, SM16:0, 지질단백질 (a) 덩어리, DHC20L1, 알칼리성 포스파타제, 및 CER18:0.
몇몇의 실시형태들에서, 상기 분석물은 글루타메이트, X-16132, 이소류실알라닌, 지질단백질 (a) 덩어리, X-12212 및 글루타민-류신으로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 글루타메이트, X-16132, 이소류실알라닌, 지질단백질 (a) 덩어리, X-12212 및 글루타민-류신.
몇몇의 실시형태들에서, 상기 분석물은 올레익2, N-말단 전-뇌 나트륨이뇨성 펩타이드, 지질단백질 (a) 덩어리, 인슐린, 당화 헤모글로빈 A1C, 시스몬타오틀, 소밀도 저밀도 지질단백질 콜레스테롤, 베헤닉2, 아디포넥틴, 및 감마-글루타밀 트랜스퍼라제로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 올레익2, N-말단 전-뇌 나트륨이뇨성 펩타이드, 지질단백질 (a) 덩어리, 인슐린, 당화 헤모글로빈 A1C, 시스몬타오틀, 소밀도 저밀도 지질단백질 콜레스테롤, 베헤닉2, 아디포넥틴 및 감마-글루타밀 트랜스퍼라제.
몇몇의 실시형태들에서, 상기 분석물은 이소류실알라닌, 글루쿠로네이트, 글리신, 이소류실페닐알라닌, 만노스, X-21453, 1-올레오일글리세로포스포글리세롤, X-21335, 7-메틸크산틴, X-12729, 아시소가, 알파-하이드록시이소발레로일 카르니틴, 2-아미노아디페이트, X-18914, 티글로일글리신, 및 피리독살로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 이소류실알라닌, 글루쿠로네이트, 글리신, 이소류실페닐알라닌, 만노스, X-21453, 1-올레오일글리세로포스포글리세롤, X-21335, 7-메틸크산틴, X-12729, 아시소가, 알파-하이드록시이소발레로일 카르니틴, 2-아미노아디페이트, X-18914, 티글로일글리신, 및 피리독살.
몇몇의 실시형태들에서, 상기 분석물은 이소류실알라닌, 글리신, 이소류실페닐알라닌, 올레익2, X-21335, 메틸크산틴, 아미노아디페이트, 만노스, 아시소가, 아라키도노일.GPE.20.4, 및 트리글리세라이드로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 이소류실알라닌, 글리신, 이소류실페닐알라닌, 올레익2, X-21335, 메틸크산틴, 아미노아디페이트, 만노스, 아시소가, 아라키도노일.GPE.20.4, 및 트리글리세라이드.
몇몇의 실시형태들에서, 상기 분석물은 DHC18:90, DG18:1n9, 총 디아실글리세롤, TG20:3n9, CE20:4n6, CER18:1, DHC20:1, CE18:2n6, PL18:2n6, SM18:0, FA14:1n5, PL15:0, 및 CE16:0으로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: DHC18:90, DG18:1n9, 총 디아실글리세롤, TG20:3n9, CE20:4n6, CER18:1, DHC20:1, CE18:2n6, PL18:2n6, SM18:0, FA14:1n5, PL15:0, 및 CE16:0.
몇몇의 실시형태들에서, 상기 분석물은 당화 헤모글로빈 A1C, 총 디아실글리세롤, 시스몬토틀, 지질단백질 (a) 덩어리, TG20.3n9, 올레익2, DHC18.1, N-말단 전-뇌 나트륨이뇨성 펩타이드, 감마-글루타밀 트랜스퍼라제, 및 CER18로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 당화 헤모글로빈 A1C, 총 디아실글리세롤, 시스몬토틀, 지질단백질 (a) 덩어리, TG20.3n9, 올레익2, DHC18.1, N-말단 전-뇌 나트륨이뇨성 펩타이드, 감마-글루타밀 트랜스퍼라제, 및 CER18.
몇몇의 실시형태들에서, 상기 분석물은 이소류실알라닌, 글리신, 시스몬토틀, 지질단백질 (a) 덩어리, X-21452, 이소류실페닐알라닌, 당화 헤모글로빈 A1C, X21335, X7.메틸크산틴, 아시소가 및 X-12729로 이루어진 그룹으로부터 선택된다. 따라서, 몇몇의 실시형태들에서, 본원에 개시된 방법은 샘플 중의 하기 분석물들의 수준을 측정함을 포함한다: 이소류실알라닌, 글리신, 시스몬토틀, 지질단백질 (a) 덩어리, X-21452, 이소류실페닐알라닌, 당화 헤모글로빈 A1C, X-21335, X7.메틸크산틴, 아시소가 및 X-12729.
따라서, 한 대표 실시형태에서, 본 개시는 대상체를 ASCAD를 갖거나 대상체 내에 관상 죽상 경화성 플라크를 갖는지에 대해 평가하기 위한 방법으로서, 상기 방법은 (a) 사람 대상체로부터 혈장 또는 혈청 샘플을 수득하는 단계; (b) 분석물 바이오마커의 패널로부터 각각의 분석물의 양을 측정하는 단계; (c) 대조군 샘플 중의 분석물의 상대적 양과 생물학적 샘플 중의 분석물의 상대적 양을 비교하는 단계; 및 (d) 상기 생물학적 샘플 중의 분석물의 상대적 양이 대조군 샘플 중의 분석물의 양에 비하여 증가하거나 감소된 경우 상기 대상체가 죽상 경화성 관상 동맥 질환 또는 관상 죽상 경화성 플라크를 가질 가능성을 측정하는 단계를 포함하는, 방법을 제공한다.
한 양상에서, 본 개시는 대상체를 죽상 경화성 관상 동맥 질환(ASCAD)을 갖거나 대상체 내에 관상 죽상 경화성 플라크를 갖는지에 대해 평가하기 위한 방법으로서, 상기 방법은 대상체로부터 수득된 생물학적 샘플 중의 분석물 바이오마커의 선택된 패널 내의 각각의 분석물의 수준을 측정하는 단계를 포함하는, 방법을 제공한다. 몇몇의 실시형태들에서, 상기 방법은 분석물 바이오마커의 패널로부터 하나 이상의 분석물의 수준을 측정하고, 여기서, 분석물 바이오마커의 상기 패널은:
(i) 발릴류신, 글루타메이트, 아시소가(acisoga), 우레이트, 글루쿠로네이트, 퓨코스, 부티릴카르니틴(C4) 및 만노스;
(ii) 아시소가, 오.크레졸.설페이트, 트레오네이트 및 시스테인.글루타티온.디설파이드;
(iii) 엔.아세틸페닐알라닌, 엔.아세틸류신, 발릴류신, 크실리톨, 2.하이드록시히푸레이트(살리실우레이트), 글리실페닐알라닌, 세릴류신, 퓨코스;
(iv) 글루타메이트, 아시소가, 발릴류신, 만노스, 글루쿠로네이트, 우레이트, 발레릴카르니틴(C5), 12.HETE;
(v) 오.크레졸.설페이트, 아시소가, 시스테인.글루타티온.디설파이드, 글루코스, 1.노나데카노일글리세로포스포콜린(19:0), 트레오네이트;
(vi) 엔.아세틸페닐알라닌, 엔.아세틸류신, 글리실페닐알라닌, 발릴류신, 크실리톨, 12.HETE, 2.하이드록시히푸레이트(살리실우레이트);
(vii) 엔.아세틸트레오닌, 티글로일글리신, 글리세레이트, 발레릴카르니틴(C5), 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 살리실레이트, 타르트로네이트(하이드록시말로네이트화됨);
(viii) 엔.아세틸글리신, 3.에틸페닐설페이트;
(viv) 세로토닌(5HT), 엔.아세틸푸트레신, 류실류신, 프로피오닐글리신(C3), 콜레이트, 글리코콜레네이트.설페이트, 아스파라긴, 3.에틸페닐설페이트;
(x) 아시소가, 만노스, 발레릴카르니틴(C5), 1.리놀레오일.GPE(18.2), 글리코우르소데옥시콜레이트, 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 살리실레이트;
(xi) 엔.아세틸글리신, 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 3.에틸페닐설페이트, 살리실레이트;
(xii) 아스파라긴, 타우린, 아시소가, 1.올레오일글리세롤(18:1), 콜레스테롤, 2.하이드록시히푸레이트(살리실우레이트), 6.옥소피페리딘.2.카르복실산, 프로피오닐글리신(C3)
으로 이루어진 그룹으로부터 선택된다.
몇몇의 실시형태들에서, 상기 패널들 중 임의의 것의 분석은 대상체의 연령 및/또는 성별을 고려한다.
한 양상에서, 본 개시는 대상체를 죽상 경화성 관상 동맥 질환(ASCAD)을 갖거나 대상체 내의 관상 죽상 경화성 플라크를 갖는지에 대해 평가하기 위한 방법으로서, 상기 방법은 대상체로부터 수득된 생물학적 샘플 중의 분석물 바이오마커들의 선택된 패널 내의 각각의 분석물의 수준을 측정함을 포함하는, 방법을 제공한다. 몇몇의 실시형태들에서, 상기 방법은 분석물 바이오마커의 패널로부터 하나 이상의 분석물의 수준을 측정하고, 여기서, 분석물 바이오마커의 상기 패널은:
(xiii) 리놀레익2, 지질단백질 (a) 콜레스테롤, 아포지질단백질 B, 알칼리성 포스파타제, 지질단백질 (a) 덩어리, MHDM2, B.시토스테롤, 캄페스테롤, 지질단백질 (a) 덩어리, 감마-글루타밀, 트랜스페라제, palmleic2, 글루코스, 프로인슐린, 콜레스테롤, 어유(Fish Oil), 고 민감성 C 반응성 단백질, 소밀도 저밀도 지질단백질 콜레스테롤, 요산, 저밀도 지질단백질 콜레스테롤, 인슐린, 트리글리세라이드, 및 비타민 D;
(xiv) 1-미리스토일글리세롤(14:0), 글리세롤 3-포스페이트(G3P), 세릴류신, 1-노나데카노일글리세로포스포콜린(19:0), 글리신, 테오브로민, 1-올레오일글리세롤(18:1), 글리실트립토판, 트레오네이트, 1-올레오일글리세로포스포글리세롤, 구아니디노석시네이트, 트레오닐류신, 1-올레오일-GPC(18:1), 히스티딜페닐알라닌, 티글로일글리신, 1-스테아로일글리세로포스포글리세롤, 하이드록시부티릴카르니틴, 트립토필페닐알라닌, 2-아미노옥타노에이트, 이미다졸 락테이트, 우레이트, 2-아라키도노일-GPE(20:4), 이미다졸 프로피오네이트, 발릴글리신, 2-도코사헥사에노일글리세로포스포에탄올아민, 인돌프로피오네이트, 발릴이소류신, 2-하이드록시부티레이트(AHB), 이소부티릴글리신(C4), 발릴류신, 2프라임-데옥시우리딘, 이소류실알라닌, X-12212, 3 7-디메틸우레이트, 이소류실글리신, X-12472, 3-에틸페닐설페이트, 이소류실이소류신, X-12524, 3-하이드록시-2-에틸프로피오네이트, 이소류실류신, X-12544, 3-메틸-2-옥소부티레이트, 이소류실페닐알라닌, X-12824, 3-메틸글루타릴카르니틴-1, 이소류실발린, X-14056, 3-메틸크산틴, 류실글리신, X-14291, 4-하이드록시페닐아세테이트, 류실세린, X-15245, 7-메틸우레이트, 만노스, X-16129, 7-메틸크산틴, 메틸 글루코피라노시드(알파 + 베타), X-16132, 아시소가, 메틸 인돌-3-아세테이트, X-17178, ADSGEGDFXAEGGGVR(서열번호 1), N2 N2-디메틸구아노신, X-21289, 알파-글루타밀티로신, N4-아세틸시티딘, X-21335, 알파-하이드록시이소발레로일 카르니틴, N-아세틸알라닌, X-21365, 알파-케토부티레이트, N-아세틸-베타-알라닌, X-21452, 알파-케토글루타레이트, N-아세틸푸트레신, X-21626, 아스파라긴, N-아세틸트레오닌, X-21662, 카르니틴, N-아세틸발린, 크산틴, 1-미리스토일글리세롤(14:0), 글리세롤 3-포스페이트(G3P), 세릴류신, 1-노나데카노일글리세로포스포콜린(19:0), 글리신, 테오브로민, 1-올레오일글리세롤(18:1), 글리실트립토판, 트레오네이트, 1-올레오일글리세로포스포글리세롤, 구아니디노석시네이트, 트레오닐류신, 1-올레오일-GPC(18:1), 히스티딜페닐알라닌, 티글로일글리신, 1-스테아로일글리세로포스포글리세롤, 하이드록시부티릴카르니틴, 트립토필페닐알라닌, 2-아미노옥타노에이트, 이미다졸, 락테이트 및 우레이트;
(xv) CE16:1n7, DG16:0, DHC20:1, HexCER16:0, SM16:0, CE18:2n6, DG18:0, DHC24:0, HexCER18:1, SM20:1, CE20:4n6, DG18:1n9, DHC24:1, LacCER16:0, TG15:0, CER18:0, DG20:3n9, FA18:3n6, PL15:0, TG16:0, CER20:0, DHC18:0, FA20:3n6, PLdm16:0, 총 트리아실글리세롤. CER22:1, DHC18:1, HexCER14:0, 및 PLdm18:1n9;
(xvi) 당화 헤모글로빈 A1C, 지질단백질 (a) 덩어리, 네르보닉2, B.시토스테롤, 아디포넥틴, 트리글리세라이드, 오메가 6 전체, 베헤닉2, 캄페스테롤, N-말단 전-뇌 나트륨이뇨성 펩타이드, 올레익2, 데스모스테롤, palmleic2, 시스몬토틀, 감마-글루타밀 트랜스퍼라제, 프로인슐린, 글루코스, 소밀도 저밀도 지질단백질 콜레스테롤, transpalm2, 고밀도 지질단백질 콜레스테롤, 요산, 고밀도 지질단백질 분획 3, 인슐린, 비타민 D, 리놀레익2, 지질단백질 (a) 콜레스테롤, 및 MHDM2;
(xvii) 1-3-디메틸우레이트, 글리세롤 3-포스페이트(G3P), 피로글루타밀글루타민, 1 7-디메틸우레이트, 글리신, 피로글루타밀글리신, 12-HETE, 글리실페닐알라닌, 피루베이트, 1-리놀레오일-GPE(18:2), 글리실트립토판, 에스-아데노실호모시스테인(SAH), 1-메틸우레이트, 구아니디노석시네이트, 살리실레이트, 1-노나데카노일글리세로포스포콜린(19:0), 헥사노일카르니틴(C6), 세릴류신, 1-올레오일글리세롤(18:1), 히스티딜페닐알라닌, 석시닐카르니틴(C4), 1-올레오일글리세로포스포글리세롤, 호모스타키드린, 트레오네이트, 2-아미노아디페이트, 하이드록시부티릴카르니틴, 트레오닐류신, 2-아미노부티레이트, 이미다졸 프로피오네이트, 티몰 설페이트, 2-아미노옥타노에이트, 인돌프로피오네이트, 티글로일글리신, 2-아라키도노일-GPE(20:4), 이소부티릴글리신(C4), 트립토필글리신, 2-도코사헥사에노일글리세로포스포에탄올아민, 이소류실알라닌, 트립토필페닐알라닌, 2-하이드록시부티레이트(AHB), 이소류실글릿ㄴ, 티로실글루타민, 2-하이드록시히푸레이트(살리실우레이트), 이소류실이소류신, 우레이트, 2-리놀레오일-GPE(18:2), 이소류실류신, 발레릴카르니틴(C5), 2프라임-데옥시우리딘, 이소류실페닐알라닌, 발릴글리신, 3-에틸페닐설페이트, 이소발레릴글리신, 발릴이소류신, 3-하이드록시이소부티레이트, 카이누레닌, 발릴류신, 3-메틸-2-옥소부티레이트, 류실아스파르테이트, 발릴발린, 3-메틸글루타릴카르니틴-1, 류실글리신, X-11429, 3-메틸글루타릴카르니틴-2, 류실세린, X-11444, 3-메틸크산틴, 라이실류신, X-11787, 4-하이드록시페닐아세테이트, 만노스, X-11945, 5알파-안드로스타-3베타 17베타-디올 모노설페이트 2, 메틸 글루코피라노시드(알파 + 베타), X-12212, 7-메틸우레이트, 메틸 인돌-3-아세테이트, X-12472, 7-메틸크산틴, N2 N2-디메틸구아노신, X-12729, 아세틸카르니틴(C2), N4-아세틸시티딘, X-12824, 아시소가, N6-카르바모일트레오닐아데노신, X-14056, ADSGEGDFXAEGGGVR, N-아세틸알라닌, X-15245, 알파-글루타밀티로신, N-아세틸글리신, X-15492, 알파-하이드록시이소발레로일 카르니틴, N-아세틸이소류신, X-16129, 알파-케토부티레이트, N-아세틸뉴라미네이트, X-16132, 알파-케토글루타레이트, N-아세틸트레오닌, X-17178, 베타-토코페롤, N-아세틸발린, X-17690, 부티릴카르니틴(C4), N-메틸 프롤린, X-18914, 카르니틴, 옥타노일카르니틴(C8), X-18922, 시스테인-글루타티온 디설파이드, 올레익 에탄올아미드, X-19438, 시티딘, O-설포-L-티로신, X-21289, 퓨코스, 페닐알라닐아스파르테이트, X-21335, 감마-글루타밀이소류신, 프롤릴페닐알라닌, X-21365, 감마-글루타밀발린, 프로피오닐카르니틴(C3), X-21367, 글루코스, 프로피오닐글리신(C3), X-21452, 글루쿠로네이트, 슈도우리딘, X-21471, 글루타메이트, 피리독살, X-21626, 글루타민-류신, 피리독세이트, 및 크산틴; 및
(xvii) CE16:0, DG18:0, DHC18:1, DHC26:1, PL24:0, CE16:1n7, DG18:1n9, DHC20:0, FA14:1n5, SM18:0, CE18:1n9, DG20:0, DHC20:1, PL15:0, TG15:0, CE18:2n6, DG20:2n6, DHC22:1, PL18:2n6, TG20:3n9, CE20:4n6, DG20:3n9, DHC24:1, PL20:3n9, 총 디아실글리세롤, CER18:0, DHC18:0, DHC26:0, PL20:4n6, 총 트리아실글리세롤, 및 CER18:1
로 이루어진 그룹으로부터 선택된다.
본원에서 사용되는 용어 "각각의 분석물의 양을 측정하는 것"은 본원에 언급된 샘플에 의해 포함되는 적어도 하나의 대사물질의 적어도 하나의 특징적 성질을 측정하는 것을 말한다. 본 발명에 따른 특징적 성질은 대사물질의 생화학적 특성을 포함하는 물리적 및/또는 화학적 특성을 특징으로 하는 성질이다. 이러한 특성으로는 예를 들면, 분자량, 점도, 밀도, 전기적 전하, 회전(spin), 광학 활성, 원소 조성, 화학적 구조, 다른 화합물과 반응하는 능력, 및 생물학적 판독 시스템에서 반응을 유발하는 능력(예를 들면, 리포터 유전자의 유도) 등이 포함된다. 상기 특성에 대한 값은 특징적 성질로서 작용할 수 있고, 당해 분야에 익히 공지되어 있는 기술에 의해 측정될 수 있다. 또한, 특징적 성질은 표준 작업, 예를 들면, 수학적 계산, 예를 들면, 곱셈, 나눗셈, 그래디언트 부스팅(gradient boosting), 일반화된 선형 모델링 또는 대수 계산에 의해 대사물질의 물리적 및/또는 화학적 특성의 값으로부터 유도되는 임의의 성질일 수 있다. 가장 바람직하게, 적어도 하나의 특징적 성질은 상기 적어도 하나의 대사물질의 측정 및/또는 화학적 동정을 가능하게 한다.
생물학적 샘플에 포함된 분석물은 본 발명에 따라 정량적으로 또는 정성적으로 측정될 수 있다. 정성적 측정을 위해, 대사물질의 존재 또는 부재는 적합한 기술에 의해 측정될 것이다. 또한, 정성적 측정은 바람직하게는 대사물질의 화학적 구조 또는 조성의 측정을 포함할 수 있다. 정량적 측정을 위해, 생물학적 샘플 중에 존재하는 분석물(들)의 정확한 양이 측정되거나, 바람직하게는 상기 본원에 언급된 특징적 성질(들)에 대해 측정된 값에 기초하여 분석물(들)의 상대적 양이 측정될 것이다. 상기 상대적 양은 대사물질의 정확한 양이 측정될 수 있거나 측정되지 않을 수 있는 경우에 결정될 수 있다. 상기 경우에, 제2 양의 상기 분석물(들)을 포함하는 제2 샘플에 대해 상기 분석물(들)이 존재하는 양이 증가되거나 감소되는지 여부를 결정할 수 있다. 따라서, 분석물(들)의 정량적 분석은 때때로 대사물질의 반-정량적 분석이라고도 불리는 것을 포함한다.
전형적으로, 분석물 수준은 체액(임상학적 샘플), 예를 들면, 혈액, 혈청, 혈장 또는 뇨 중의 대사물질의 수준을 측정함으로써 결정된다. 상기 수준은 예를 들면, 질량 분광측정법(MS), ELISA, 면역검정, 효소적 검정, 분광광도측정법, 비색법, 형광측정법, 박테리아 검정, 화합물 분리 기술, 또는 분석물의 존재 및/또는 양을 측정하기 위한 기타 공지의 기술에 의해 측정할 수 있다.
화합물 분리 기술은 샘플에 포함된 분석물의 시간 분해 분리를 산출한다. 사용되는 분리에 적합한 기술은 예를 들면, 액체 크로마토그래피(LC), 고성능 액체 크로마토그래피(HPLC), 기체 크로마토그래피(GC), 박층 크로마토그래피, 크기 배제 또는 친화성 크로마토그래피와 같은 모든 크로마토그래피 분리 기술을 포함한다. 이들 기술은 당해 분야에 익히 공지되어 있고 당해 분야 숙련가에 의해 적용될 수 있다. 몇몇의 실시형태들에서, 상기 방법은 예를 들면, 기체 크로마토그래피 질량 분광측정법(GC-MS), 액체 크로마토그래피 질량 분광측정법(LC-MS), 액체 크로마토그래피-탠덤 질량 분광측정법(UPLC-MS/MS), 직접 주입 질량 분광측정법 또는 푸리에(Fourier) 변환 이온-사이클로트론-공명 질량 분광측정법(FT-ICR-MS), 모세관 전기영동 질량 분광측정법(CE-MS), 고성능 액체 크로마토그래피 커플링된 질량 분광측정법(HPLC-MS), 사중극(quadrupole) 질량 분광측정법, MS-MS 또는 MS-MS-MS와 같은 임의의 순차적으로 커플링된 질량 분광측정법, 유도적으로 커플링된 플라스마 질량 분광측정법(ICP-MS), 열분해 질량 분광측정법(Py-MS), 이온 이동도 질량 분광측정법 또는 비행 시간 질량 분광측정법(TOF)을 포함하는 LC 및/또는 GC 크로마토그래피 기술을 이용한다. 몇몇의 실시형태들에서, LC-MS 및/또는 GC-MS을 이용한다. 대안으로서 또는 질량 분광측정 기술에 추가하여, 하기 기술들을 화합물 측정에 이용할 수 있다: 핵 자기 공명(NMR), 자기 공명 영상화(MRI), 푸리에 변환 적외선 분석(FT-IR), 자외선(UV) 분광광도법, 굴절률(RI), 형광성 검출, 방사화학 검출, 전기화학 검출, 광 산란(LS), 분산 라만 분광광도법 또는 불꽃 이온화 검출(FID). 이들 기술은 당해 분야 숙련가에게 익히 공지되어 있고, 추가의 어려움 없이 적용될 수 있다. 몇몇의 실시형태들에서, 본원에 개시된 방법은 선택적으로 자동화에 의해 보조되어야 한다. 예를 들면, 샘플 프로세싱 또는 전-처리는 로봇 공학에 의해 자동화될 수 있다. 데이터 프로세싱 및 비교는 적합한 컴퓨터 프로그램 및 데이터베이스에 의해 보조될 수 있다. 본원에 기술된 자동화는 고-처리량 접근법에서 본 발명의 방법을 이용하는 것을 가능하게 한다.
"측정" 방법은 예를 들면, 측정을 위해 상업적 실험실에 임상학적 샘플(들)을 보내거나 상업적으로 입수가능한 검정 키트를 사용하는 것을 포함한다. 상업적으로 입수가능한 검정 키트는 당해 분야에 공지되어 있다. 예를 들면, Quest Diagnostics, Sigma Aldrich, CATACHEM Inc., Eton Bioscience Inc. 및 Bio Vision Research Products는 이러한 검정의 예시적 공급자이다. 예시적인 키트 및 공급자는 당업자에게 명백할 것이다.
몇몇의 경우, 본원에 개시된 방법은 참조에 대해 수준 또는 발생을 비교함을 포함한다. 참조는 다양한 형태를 취할 수 있다. 몇몇의 경우, 상기 참조는 복수의 분석물(예를 들면, 복수의 분석물의 각각)에 대한 소정의 값을 포함한다. 상기 소정의 값은 다양한 형태를 취할 수 있다. 이는 죽상 경화성 CAD를 갖거나 관상 죽상 경화성 플라크를 갖는 것으로 알려진 대상체(예를 들면, 증상성 대상체)로부터 수득된 또는 죽상 경화성 CAD를 앓지 않은 것으로 알려져 있거나 관상 죽상 경화성 플라크를 갖지 않는 것으로 알려져 있는 대상체(예를 들면, 무증상성 대상체)로부터 수득된 분석물의 수준 또는 발생일 수 있다. 관상 동맥 질환의 이전 병력을 갖지 않는 대상체로부터 수득된 분석물의 수준 또는 발생일 수 있다. 동일한 대상체, 예를 들면, 상이한 시점에서의 수준 또는 발생일 수 있다. 분석물의 수준(들)을 나타내는 소정의 값은 본원에서 소정 수준으로서 지칭된다. 소정 수준은 중앙값 또는 평균값과 같은 단일 컷-오프 값일 수 있다. 신뢰 구간과 같은 컷오프(또는 역치) 값의 범위일 수 있다. 하나의 정의된 그룹에서의 위험이 (예를 들면, 대략 2배, 4배, 8배, 16배 또는 그 이상) 더 높거나 더 낮은 경우와 같은 비교 그룹을 기반으로 확립될 수 있다. 예를 들면 대상체의 집단(예를 들면, 대조군 대상체)를 저-위험 그룹, 중간-위험 그룹 및 고-위험 그룹과 같이 또는 최저 사분위수는 최저 위험을 갖는 대상체이고, 최고 사분위수는 최고 위험을 갖는 대상체인 사분위수(quartiles)로 또는 최저 n-분위수가 최저 위험을 갖는 대상체이고 최고 n-분위수가 최고 위험을 갖는 대상체인 n-분위수(즉, n개의 일정하게 떨어진 간격)로 균등하게(또는 불균등하게) 나눈 경우의 범위일 수 있다. 또한, 참조는 조사되는 대상체를 포함하는 개체의 집단의 분석물의 상대적 또는 절대적 양에 대해 계산된 기준, 가장 바람직하게는 평균 또는 중앙값일 수 있다. 상기 집단의 상기 개체의 분석물의 절대적 또는 상대적 양은 본원의 다른 곳에서 구체화된 바와 같이 측정될 수 있다. 적합한 참조 값, 바람직하게는 평균 또는 중앙값을 계산하는 방법은 당해 분야에 익히 공지되어 있다. 이전에 언급된 대상체들의 집단은 복수의 대상체, 바람직하게는 적어도 5, 10, 50, 100, 1,000명의 대상체들을 포함해야 한다. 본 발명의 방법에 의해 진단되는 대상체 및 상기 복수의 대상체의 대상체들은 동일한 종의 대상체임이 이해되어야만 한다.
소정의 값과 관련된 대상체는 전형적으로 대조군 대상체(또는 대조군)로서 나타낸다. 대조군 대상체는 죽상 경화증 또는 죽상 경화성 CAD를 갖지 않는다. 몇몇의 경우에는 대조군 대상체가 증상성 대상체임이 바람직할 수 있고, 다른 경우에는 대조군 대상체가 무증상 대상체인 것이 바람직 할 수 있다. 따라서, 몇몇의 경우에는 대조군 대상에서의 분석물의 수준 이상인 대상체에서의 분석물의 수준은 임상학적 상태의 지표(예를 들면, CAD 진단의 지표)이다. 다른 경우에는, 대조군 대상체에서의 분석물의 수준 이하인 대상체에서의 분석물의 수준이 임상학적 상태의 지표이다. 보다 일반적으로, 소정 그룹의 분석물의 상승되고 저하된 수준의 조합은 임상학적 상태의 지표이다. 초과하는 양 및 미만의 양은 예를 들면, 개시된 방법을 이용하여 대조군 대상체로부터 대상체를 구별하는 것을 용이하게 하기에 충분한 크기이다. 전형적으로, 대조군 대상체로부터 대상체를 구별하기에 충분한 양의 초과 또는 미만은 통계학적으로 유의하게 크거나 통계학적으로 유의하게 적다. 대조군 대상체에서의 대사물질의 수준과 동등한 대상체에서의 분석물의 수준이 임상학적 상태의 지표인 경우, "동등한"은 대략 동등함(예를 들면, 통계학적으로 상이하지 않음)을 나타낸다.
소정의 값은 선택된 대상체(예를 들면, 사람 대상체)의 특정 집단에 의존할 수 있다. 예를 들면, 명백히 건강한 집단은 죽상 경화성 CAD 또는 관상 죽상 경화성 플라크를 갖거나 가질 가능성이 있는 대상체의 집단과는 상이한 '정상' 범위의 대사물질을 가질 것이다. 따라서, 선택된 소정의 값은 대상체(예를 들면, 사람 대상체)가 속하는 범주(예를 들면, 건강 상태, 위험 상태, 이환 상태, 연령, 성별 등)를 고려할 수 있다. 적절한 범위 및 범주는 당업자들에 의한 일상적 실험을 통해 선택될 수 있다. 몇몇의 경우, 바이오마커의 소정의 값은 건강한 대상체(사람 대상체)(예를 들면, CAD의 명백한 징후 및 증상을 갖지 않는 사람 대상체)의 평균 인 값이다. 소정의 값은 물론 선택된 특정 분석물(바이오마커) 및 대상체가 속하는 집단의 특징에 의존할 것이다. 가능성, 또는 위험의 특성확인시, 다수의 소정의 값을 확립할 수 있다.
몇몇의 실시형태들에서, 수준은 그 자체가 두 상태들 사이의 수준의 비교를 반영하는 상대적인 수준일 수 있다. 두 상태(예를 들면, 건강 및 이환) 사이의 비교(예를 들면, 비율, 차이, 대수 차이, 백분율 변화 등)를 반영하는 상대적인 수준은 델타 값으로서 나타내어질 수 있다. 상대적 수준의 사용은 몇몇의 경우에 측정 관련 편차(예를 들면, 실험실 직원, 실험실, 측정 장치, 시약 로트(lot)/조제, 검정 키트 등)를 어느 정도 배제시키기 때문에 이롭다. 그러나, 본 발명은 그렇게 제한되지 않는다.
분석물 수준 및/또는 참조 수준은 적합한 데이터 저장 매체(예를 들면, 데이터베이스)에 저장될 수 있고, 따라서 차후의 진단에도 이용가능하다. 이는 또한 상응하는 참조 샘플이 수득된 대상체가 CAD 또는 관상 죽상 경화성 플라크를 가졌음이 (차후에) 확인되면 데이터베이스에서 적합한 참조 결과가 확인될 수 있으므로 질환에 대한 유병률을 효과적으로 진단하는 것을 가능하게 한다. 본원에 사용된 "데이터베이스"는 적합한 저장 매체 상에 수집된 데이터(예를 들면, 분석물 및/또는 참조 수준 정보 및/또는 환자 정보)를 포함한다. 또한, 데이터베이스는 데이터베이스 관리 시스템을 추가로 포함할 수 있다. 데이터베이스 관리 시스템은 바람직하게는 네트워크-기반, 계층적 또는 객체-지향 데이터베이스 관리 시스템이다. 보다 바람직하게는, 데이터베이스는 분포된 (연방) 시스템, 예를 들면, 클라이언트-서버-시스템으로서 구현될 것이다. 보다 바람직하게, 데이터베이스는 검색 알고리즘이 시험 데이터 세트를 데이터 수집에 포함된 데이터 세트와 비교할 수 있도록 구성된다. 구체적으로, 이러한 알고리즘을 사용함으로써, 죽상 경화성 CAD 또는 관상 죽상 경화성 플라크(예를 들면, 질의 검색)를 나타내는 유사하거나 동일한 데이터 세트가 데이터베이스에서 검색될 수 있다. 따라서, 동일하거나 유사한 데이터 세트가 데이터 수집에서 식별될 수 있다면 시험 데이터 세트는 죽상 경화성 CAD 또는 관상 죽상 경화성 플라크와 연관될 것이다. 결과적으로, 데이터 수집으로부터 수득된 정보를 사용하여 CAD를 진단하거나 대상체로부터 수득된 시험 데이터 세트를 기반으로 할 수 있다. 보다 바람직하게는, 데이터 수집은 상기 인용된 그룹들 중 임의의 하나에 포함되는 모든 분석물의 특징적 값을 포함한다.
몇몇의 실시형태에서, 본원에 개시된 방법은 대상체의 임상학적 기록을 변형시켜 상기 대상체가 죽상 경화성 관상 동맥 질환을 갖거나 갖지 않는 것으로 또는 관상 죽상 경화성 플라크를 갖거나 갖지 않는지에 대해 확인하는 단계를 추가로 포함한다. 임상학적 기록은 임의의 적합한 데이터 저장 매체(예를 들면, 컴퓨터 판독가능한 매체)에 저장될 수 있다.
본 발명은 또한 대상체에서 분석물 바이오마커를 평가하기 위한 키트를 제공 할 수 있다. 본 발명의 키트는 다양한 형태를 취할 수 있다. 전형적으로, 키트는 샘플 중의 복수의 분석물 바이오마커(예를 들면, 본원에 개시된 것들)의 수준을 측정하기에 적합한 시약을 포함할 것이다. 선택적으로, 상기 키트는 하나 이상의 대조군 샘플을 포함할 수 있다. 전형적으로, 대상체에서의 바이오마커의 수준과 대조군 샘플에서의 바이오마커의 수준 사이의 비교는 임상학적 상태(예를 들면, 죽상 경화성 CAD 또는 관상 죽상 경화성 플라크를 갖는 진단 또는 가능성)를 나타낸다. 또한, 상기 키트는 몇몇의 경우에, 참조(예를 들면, 소정 값)를 제공하는 서면 정보(표시)를 포함할 것이고, 여기서, 대상체에서의 바이오마커의 수준과 참조(소정 값) 사이의 비교는 임상학적 상태를 나타낸다. 몇몇의 경우, 상기 키트는 바이오마커 수준 또는 발생을 참조(예를 들면, 예측 모델)와 비교하는데 유용한 소프트웨어를 포함한다. 일반적으로 소프트웨어는 컴팩트 디스크와 같은 컴퓨터 판독가능한 포맷으로 제공될 것이지만 인터넷을 통한 다운로드로 입수할 수도 있다. 그러나, 키트는 이에 제한되지 않으며 다른 변형은 당업자에게 자명할 것이다.
본 발명의 방법은 또한 CAD와 관련된 소정 분석물의 발생 또는 수준에 기초하여 대상체에 대한 치료를 선택하고/하거나 치료 계획을 결정하는데 사용될 수 있다. 몇몇의 실시형태들에서, 본원에 개시된 방법을 이용하여, 건강 관리 제공자(예를 들면, 의사)는 대상체를 죽상 경화성 CAD를 갖거나 이를 가질 위험이 있거나 또는 관상 죽상 경화성 플라크를 갖는지에 대해 확인하고, 이러한 확인에 기초하여 건강 관리 제공자는 대상체에 대한 적당한 관리 계획을 결정한다. 몇몇의 실시형태들에서, 본원에 개시된 방법을 이용하여, 건강 관리 제공자(예를 들면, 의사)는 대상체로부터 수득된 임상학적 샘플 중의 소정 분석물의 발생 또는 수준에 기초하여 그리고/또는 대상체로부터 수득된 임상학적 샘플의 분류에 기초하여 대상체를 죽상 경화성 CAD를 갖는 것으로 또는 관상 죽상 경화성 플라크를 갖는 것으로 진단한다. 이러한 진단 방식에 의해, 건강 관리 제공자는 대상체에 대한 적당한 치료 또는 치료 계획을 결정한다. 몇몇의 실시형태들에서, 상기 방법은 대상체에게 치료제를 투여함을 추가로 포함한다.
몇몇의 실시형태들에서, 본 발명은 특정 약물 용량, 제형 및/또는 투여 양식으로의 성공적인 치료를 갖는 경향이 있는 대상체를 확인하는 것에 관한 것이다. 다른 실시형태들은 본 발명의 대사체학적 프로파일링 방법을 이용하여 약물의 효능을 평가하는 것을 포함한다. 몇몇의 실시형태들에서, 대사체학적 프로파일링 방법은 특정 약물 또는 치료학적 용법으로 성공적인 치료를 가질 가능성이 있는 대상체를 확인하는데 유용하다. 예를 들면, 약물의 연구(예를 들면, 임상학적 연구) 또는 치료 동안, CAD 또는 관상 죽상 경화성 플라크를 갖는 대상체는 약물 또는 치료에 잘 반응할 수 있고, 다른 대상체들은 그렇지 않을 수 있다. 치료 효능의 불균형은 다수의 변수, 예를 들면, 대상체들 사이의 유전적 변이와 관련되어 있다. 몇몇의 실시형태들에서, 집단 내의 대상체들은 본원에 개시된 대사체학적 프로파일링 방법에 기초하여 계층화된다. 몇몇의 실시형태들에서, 얻어진 계층은 각종 역학적 및 또는 임상학적 인자들(예를 들면, 특정 치료에 대한 반응)에 기초하여 추가로 평가된다. 몇몇의 실시형태들에서, 대사체학적 프로파일에 기초하여 확인된 계층은 소정 치료에 대하 예측가능하게 반응하는(예를 들면, 소정 반응을 갖는) 대상체들의 하위 집단을 반영한다. 추가의 실시형태들에서, 샘플은 약물이 시험된 대상체들 및 치료에 대해 소정의 반응을 가진 대상체들로부터 수득된다. 몇몇의 경우, 참조는 예를 들면, 참조 대사체학적 프로파일을 제공하기 위해 이들 샘플로부터의 분석물의 전부 또는 일부로부터 확립될 수 있다. 이어서, 시험되는 샘플은 참조에 대해 (예를 들면, 예측 모델을 이용하여) 평가되고 치료가 성공적인지 또는 성공적이지 않은지에 기초하여 분류할 수 있다. 치료(예를 들면, 화합물, 약물 및 생활습관 변화)를 시험하는 회사 및/또는 사람은 치료가 가장 유용한 CAD의 유형 또는 아형에 관한 보다 정확한 정보를 알 수 있을 것이다. 또한, 이러한 정보는 건강관리 제공자가 대상체에 대한 최상의 치료 계획을 결정하는 것을 돕는다.
몇몇의 실시형태들에서, 죽상 경화성 CAD 또는 관상 죽상 경화성 플라크에 대한 치료는 대상체에게 치료제의 유효량을 포함하는 조성물을 투여하고/투여하거나 대상체가 적어도 하나의 치료학적 생활습관 변화(예를 들면, 식이 변화 또는 운동)를 채택하도록 지시하는 것이다. CAD 또는 관상 죽상 경화성 플라크를 치료하기에 적합한 치료학적 화합물은 당해 분야에 익히 공지되어 있고, 몇몇은 본원에 개시된다. 비-제한적 예로는 스타틴, 콜레스테롤 흡수 억제제, 니아신-유도체, 오메가-3-지방산 화합물, 담즙산 격리제, PCSK9 길항제, 항-혈소판 제제 및 아스피린이 포함된다. 또한, 심혈관계 건강을 개선시키기 위한 적절한 생활습관 변화는 당해 분야에 익히 공지되어 있다. 비-제한적 예로는 증가된 신체적 활동, 열량 흡수 제한, 영양학적 식사 계획, 및 체중 감소가 포함된다. 그러나, 본 발명은 이에 제한되는 것은 아니고, 다른 적절한 치료는 당해 분야 숙련가에게 자명할 것이다.
치료학적 제제 또는 다른 치료가 투여되는 경우, 이는 CAD를 치료하거나 장차 CAD 또는 CAD 사건의 가능성(또는 위험)을 감소시키는데 유효한 양으로 투여된다. 유효량은 의학적으로 바람직한 결과를 제공하기에 충분한 치료학적 제제의 용량이다. 유효량은 치료되는 특정 병태, 치료되는 대상체의 연령 및 신체적 상태, 병태의 중증도, 치료의 지속기간, 현재 치료요법(존재하는 경우)의 특성, 특정 투여 경로 및 건강 관리 의사의 지식 및 전문성 내의 유사 인자들에 따라 다를 것이다. 예를 들면, 유효량은 대상체가 죽상 경화성 CAD 또는 관상 죽상 경화성 플라크의 지표인 소정 분석물(예를 들면, 본원에 기술된 바와 같은 분석물들)의 비정상적 수준을 갖는 정도에 의졸할 수 있다. 본 발명의 치료학적 제제는 죽상 경화성 CAD 또는 관상 죽상 경화성 플라크를 치료하고/하거나 예방하는데 사용된다는 것이 이해되어야만 한다. 따라서, 몇몇의 경우, 이들은 죽상 경화성 CAD 또는 관상 죽상 경화성 플라크를 발병할 위험이 있는 사람 대상체에서 예방학적으로 사용될 수 있다. 따라서, 몇몇의 경우, 유효량은 죽상 경화성 CAD 또는 관상 죽상 경화성 플라크의 발병 위험을 저하시키거나, 이를 늦추거나, 또는 아마도 이를 모두 예방할 수 있는 양이다. 치료학적 제제를 급성 환경에서 사용하는 경우, 전형적으로 이러한 유해 사건으로부터 나오는 하나 이상의 의학적으로 바람직하지 못한 결과들을 방지하는데 사용됨이 인지될 것이다. 적합한 치료 및 이의 적절한 용량을 선택하는 방법은 당해 분야 숙련가에게 자명할 것이다.
본 발명은 예를 들면, 기술자, 의사 또는 환자에게 검정 결과 또는 진단 또는 둘 다의 전달을 제공한다. 소정 실시형태들에서, 컴퓨터를 사용하여 흥미를 갖는 사람들, 예를 들면, 의사 및 이들의 환자들에게 검정 결과 또는 진단 또는 둘 다를 전달할 것이다. 몇몇의 예에서, 상기 방법은 환자 상태(즉, ASCAD를 갖거나 갖지 않는 것으로 또는 관상 죽상 경화성 플라크의 존재 또는 부재)의 전달을 레포트(report)로서 제공함을 추가로 포함한다. 따라서, 몇몇의 예에서, 상기 방법은 상기 방법의 결과를 제공하는 레포트를 생성하거나 출력하는 단계를 추가로 포함할 수 있고, 이 레포트는 전자 매체(예를 들면, 컴퓨터 모니터 상의 전자 디스플레이)형태로 또는 유형의(tangible) 매체의 형태(예를 들면, 종이 위에 인쇄된 레포트 또는 기타 유형의 매체)로 제공될 수 있다. 예를 들면, 당해 분야에 공지되어 있는 바와 같은 임의의 형태의 레포트가 제공될 수 있다. 본 발명의 몇몇의 실시형태들에서, 표 30, 32, 34, 36, 38, 40, 42, 44, 46, 48 또는 50의 임의의 바이오마커의 시험 대상체에서의 존재 또는 부재에 기초한 진단은 진단이 수득된 후 가능한 빠르게 대상체에게 전달된다. 진단은 대상체의 치료의에 의해 대상체에게 전달될 수 있다. 대안으로, 진단은 이메일에 의해 시험 대상체에게 전송되거나 전화에 의해 대상체에게 전달될 수 있다. 진단은 레포트의 형태로 시험 대상체에게 전송될 수 있다. 컴퓨터를 사용하여 이메일 또는 전화에 의해 진단을 전달할 수 있다. 소정 실시형태들에서, 진단학적 시험의 결과를 함유하는 메시지는 전기통신 분야의 숙련가에게 친숙할 것인 컴퓨터 하드웨어 및 소프웨어의 조합을 이용하여 대상체에게 자동으로 전달될 수 있다.
본원에 기술된 "레포트"는 진단 평가, 예후 평가, 치료 평가, 모니터링 평가 등 및 이의 결과들에 관한 목적하는 정보를 제공하는 요소를 포함하는 전자적 또는 유형적 문서이다. 대상체 레포트는 완전하게 또는 부분적으로 전자적으로 생성될 수 있다. 대상체 레포트는 적어도 대상체 평가, 예를 들면, 대상체가 ASCAD를 갖거나 관상 죽상 경화성 플라크를 가질 가능성이 높은지에 관한 진단; 또는 예후 평가, 예를 들면, 치료요법에 대한 환자의 반응성의 예측; 및/또는 이어지는 제안된 치료 과정을 포함한다. 대상체 레포트는 1) 시험 기관에 관한 정보; 2) 서비스 제공자 정보; 3) 대상체 데이터; 4) 샘플 데이터; 5) a) 시험 데이터를 포함하는 각종 정보를 포함할 수 있는 평가 레포트[여기서, 시험 데이터는 i) 하나 이상의 바이오마커들의 바이오마커 수준; 및/또는 ii) 본원에 기술된 바이오마커들의 하나 이상의 패널에 대한 바이오마커 성질을 포함할 수 있다] 중 하나 이상을 추가로 포함할 수 있다.
상기 레포트는 시험 기관에 대한 정보를 포함할 수 있고, 이 정보는 샘플 수집 및/또는 데이터 생성이 수행된 병원, 클리닉, 또는 실험실에 관한 것이다. 이러한 정보는 예를 들면, 시험 기관의 명칭 및 위치, 검정을 수행한 실험실 기술자 및/또는 입력 데이터를 입력한 기술자의 실체, 검정이 수행되고/되거나 분석된 날짜 및 시간, 샘플 및/또는 결과 데이터가 저장된 위치, 및 검정에 사용된 시약(예를 들면, 키트 등)의 로트 번호 등에 관한 하나 이상의 상세를 포함할 수 있다. 이러한 정보를 갖는 레포트 분야는 일반적으로 사용자에 의해 제공된 정보를 이용하여 채워질 수 있다.
레포트는 서비스 제공자에 대한 정보를 포함할 수 있고, 이는 사용자가 위치하는 건강관리 기관 외부에 또는 건강 관리 기관 내에 위치할 수 있다. 이러한 정보의 예로는 서비스 제공자의 명칭 및 위치, 검토자의 성명, 및 필요하거나 바람직한 경우 샘플 수집 및/또는 데이터 생성을 수행한 개인의 성명을 포함할 수 있다. 이러한 정보를 갖는 레포트 분야는 일반적으로 사용에 의해 입력된 데이터를 이용하여 채워질 수 있고, 이는 사전-스크립트의(pre-scripted) 선택지로부터(예를 들면, 드롭-다운 메뉴(drop-down menu)를 이용) 선택될 수 있다. 레포트의 다른 서비스 제공자 정보는 결과에 대한 그리고/또는 해석 레포트에 대한 기술적 정보를 위한 연락 정보를 포함할 수 있다.
상기 레포트는 대상체 의학적 병력 및 행정적 대상체 데이터(즉, 진단, 예후 또는 치료 평가에 필수적인 것은 아닌 데이터), 예를 들면, 대상체를 확인하기 위한 정보(예를 들면, 성명, 대상체 출생일(DOB), 성별, 우편 및/또는 거주 주소, 의학적 기록 번호(MRN), 건강관리 기관에서의 방 및/또는 침대 번호, 및 보험 정보 등), 대상체의 주치의 또는 지시 의사와 상이한 경우 민감성 예측을 지시한 기타 건강 전문가의 성명, 대상체의 관리에 관여하는 스태프 의사(예를 들면, 1차 진료 의사)의 성명을 포함하는 대상체 데이터 섹션을 포함할 수 있다.
상기 레포트는 샘플 데이터 섹션을 포함할 수 있고, 이는 분석된 생물학적 샘플에 대한 정보, 예를 들면, 대상체로부터 수득된 생물학적 샘플(예를 들면, 혈액, 예를 들면, 전혈, 분획화된 혈액, 혈장, 혈청 등)의 공급원, 샘플을 취급한 방법(예를 들면, 보관 온도, 조제 프로토콜) 및 수집한 날짜 및 시간을 제공할 수 있다. 이러한 정보를 갖는 레포트 분야는 일반적으로 사용자에 의해 입력된 데이터를 사용하여 채워질 수 있고, 이의 몇몇은 사전-스크립트의 선택지(예를 들면, 드롭-다운 메뉴를 이용)로서 제공될 수 있다.
또한, 레포트는 추가 요소 또는 수정된 요소를 포함할 수 있음이 쉽게 이해될 것이다. 예를 들면, 전자 레포트의 경우, 해당 레포트는 레포트의 선택된 요소에 대한 보다 상세한 정보를 제공하는 내부 또는 외부 데이터베이스를 가리키는 하이퍼링크를 포함할 수 있다. 예를 들면, 보고서의 환자 데이터 요소는 전자적 환자 기록에 대한 하이퍼링크 또는 이러한 환자 기록을 액세스하기 위한 사이트를 포함할 수 있고, 이 환자 기록은 기밀 데이터베이스에 유지된다. 이러한 후자의 실시형태는 병원-내 시스템 또는 클리닉-내 설정에서 관심의 대상이 될 수 있다. 전자 포맷인 경우, 레포트는 예를 들면, 컴퓨터 메모리, Zip 드라이브, CD, DVD, 플래시 드라이브 등의 컴퓨터 판독가능한 매체와 같은 적합한 물리적 매체 상에 기록된다.
상기 레포트는 상기 요소들의 전부 또는 일부를 포함할 수 있음이 쉽게 이해될 것이고, 단, 상기 레포트는 일반적으로 적어도 사용자에 의해 요청된 분석을 제공하기에 충분한 요소들(예를 들면, 진단, 예후, 또는 치료요법에 대한 반응성의 예측)을 포함한다.
본원에 기술된 방법은 환자의 하위그룹이 새로운 약물에 대한 반응을 나타낼 가능성이 전체 그룹 또는 다른 하위그룹보다 더 많거나 더 적은지를 결정하기 위해 임상학적 시험에서 환자로부터 수집된 샘플 및 환자 결과와 함께 사용된 시험 결과에 대해 사용할 수 있다. 추가로, 이러한 방법은 치료요법으로부터 이로울 수 있는 환자의 서브세트를 임상학적 데이터로부터 확인하는데 사용할 수 있다. 추가로, 시험의 결과가 환자가 의학적 치료에 반응할 더 높은 가능성을 나타내는 경우 환자는 임상 시험에 포함될 가능성이 더 많고, 시험의 결과가 환자가 의학적 치료에 반응할 더 낮은 가능성을 나타내는 경우 환자는 임상 시험에 포함될 가능성이 더 적다.
본원에 기술된 방법은 진단, 예후 또는 치료요법에 대한 반응성의 예측을 제공하기 위해 단독으로 또는 당해 분야에 공지되어 있는 환자 계층화를 위한 기타 임상학적 방법과 병용하여 사용할 수 있다. 예를 들면, ASCAD를 진단하기 위한 당해 분야에 공지되어 있는 임상학적 파라미터들은 대상 방법을 이용하여 난소암 평가에 이르기 위한 당해 분야 숙련가의 분석에 포함될 수 있다.
실시예
본 발명은 청구범위에 기재된 본 발명의 범위를 제한하지 않는, 다음의 실시예에서 추가로 기술된다.
유전자좌와 죽상 동맥 경화성 병변 연구(GLOBAL, NCT01738828)는, 총 48개 임상학적 부위에서 관상 동맥 질환(CAD) 의심 여부를 평가하기 위한 관상 동맥 CT 혈관 조영술에 대해 참고된, 7526명의 환자(그들 중 약 절반은 죽상 경화성 CAD 사례이고, 다른 절반은 죽상 경화성 CAD가 없다)를 등록한 국제적 멀티센터의 유망한 연구이다. CAD의 이전의 유전 및 게놈 연구는 사례/대조군 상태를 결정하기 위해 CAD 또는 MI(심근 경색) 또는 침습성 관상 동맥 혈관 조영술의 환자 이력을 사용하였다. GLOBAL 연구에서, 관상 동맥 칼슘(CAC) 스코어링으로서 또한 알려진 비조영 증강 관상 컴퓨터 단층 촬영(CT), 및 두번째로 조영 증강 CT 혈관 조영술(CTA)을 포함한 심혈관 CT가 활용된다. 관상 동맥 혈관 검출을 위한 이 영상화 기법의 증가된 민감성은 사례(후원자의 자체 데이터)로서 대조군의 재분류를 허용하는 것으로 나타났다.
다음의 실시예는 총 26개의 임상학적 부위에서 1096명의 환자에 대한 대사체학적 데이터로 구성된 파일럿 GLOBAL 데이터의 통계 분석을 설명한다. 748명의 환자의 서브세트가 디스커버리 세트를 구성하고, 추가 348명의 참가자가 검증 세트를 구성한다. GLOBAL 타일럿 디스커버리 코호트의 목적은 어드밴스드 심장 CT 기반 촬상을 사용하여 표현형을 가지는 환자에게서 죽상 경화증에 대한 강력한 바이오마커 연관성의 예비 검출을 평가하는 것이다.
가능한 CAD의 평가를 위해 CTA를 제시하는 환자는 잠재적 연구 후보자로서 확인되었으며 연구 포함 및 제외 기준에 따라 자격 심사를 받았다. 대상자는 성별, 연령, 고혈압, 고지혈증, 당뇨병 및 흡연뿐 아니라 다수의 다른 조건을 포함한 심혈관 질환 위험 인자에 대해 평가되었고, 적절한 기관 검토 위원회에서 승인된 정보 제공 동의서에 서명하였다. 일반적인 포함 기준은 다음과 같다: (1) 연령 18-90세; (2) 백인 및 비히스패닉 또는 비라틴계 출신; 및 (3) CAD의 존재를 평가하기 위해 관상 동맥 CT 혈관 조영술에 대해 참고됨. 일반적인 배제 기준은 다음과 같다: (1) 지난 30일 동안 전신 코르티코스테로이드의 임의의 용량을 포함하는 면역 억제 또는 면역 조절 요법의 사용(24시간 이내에 CT 스캔을 위해 대조 투여 전에 스테로이드를 사전 약물로 투여한 경우 제외); (2) 전년도의 화학 요법; (3) 지난 2개월 동안의 주요 수술; (4) 지난 2개월 동안의 혈액 또는 수혈 제품 수혈; (5) 관상 동맥 CT 혈관 조영술이 기관의 치료 기준에 따라 사용금지되어있는 대상체; (6) 이전의 관상 동맥 혈관 재생 수술(경피적 관상 동맥 중재술(PCI) 또는 관상 동맥 우회술(CABG))을 한 대상체; (7) 지난 3개월 이내에 발생한 심방 세동/조동 또는 빈번한 불규칙하거나 빠른 심장 리듬을 가진 대상체; (8) 심박 조율기 또는 이식형 심장 제세동기를 가진 대상체; (9) 능동적인 울혈성 심부전 또는 알려진 비허혈성 심근 병증의 존재; 및 (10) 죽상 동맥 경화증, 지질 또는 지단백질 대사의 알려진 유전 질환. 대상체는 연구에 등록되기 위해 모든 일반적인 포함 기준을 충족해야 한다. 일반적인 배제 기준 중 어느 것이라도 충족되면, 그 대상체는 연구에서 제외되었다.
각 환자는 다음의 방법: 전체 게놈 시퀀싱(WGS), 전체 게놈 메틸화(WGM), 전혈 기반 전사체 시퀀싱(WTS), 편향된 단백질체학, 편향된 대사체학, 편향되지않은 생체지질학 및 지단백질 단백질체학의 적용에 의해 바이오마커의 관점에서 특징지어졌다. 또한, 보다 통상적인 바이오마커가 측정되었다.
샘플 준비 : 대사체학
샘플은 가공될 때까지 -70℃에서 저장하였다. 샘플 준비는 이전에 설명된 바와 같이 수행되었다. (Evans AM et al., Integrated, nontargeted ultrahigh performance liquid chromatography/ electrospray ionization tandem mass spectrometry platform for the identification and relative quantification of the small-molecule complement of biological systems. Anal Chem 2009;81(16):6656-6667) 간단히 말하면, 품질 제어 목적을 위한 추출 공정의 첫 단계 이전에 복구 표준물이 추가되었다. 단백질을 제거하기 위해, 단백질에 결합되거나 침전된 단백질 매트릭스에 포획된 작은 분자를 해리시키고, 화학적으로 다양한 대사물질을 회수하기 위해, 단백질이 2분 동안 강력한 셰이킹 하에 메탄올을 침전시킨 후(Glen Mills Genogrinder 2000), 뒤이어 원심분리되었다. 결과의 추출물은 4부분: 초고성능 액체 크로마토그래피-탠덤 질량 분석(UPLC-MS/MS, 양성 모드)에 의한 분석용, UPLC-MS/MS(음성 모드)에 의한 분석용, 기체 크로마토그래피-질량 분석(GC-MS)에 의한 분석용, 백업용으로 예비된 하나의 샘플로 나뉜다. 3가지 유형의 대조군이 실험 샘플: 데이터 세트에 걸쳐 기술 복제품으로서 이용되는 인간 혈장의 풀(pool)(Metabolon, Inc.에 의해 널리 특성확인됨)로부터 생성된 샘플; 공정 블랭크로서 이용된 추출된 물 샘플; 및 계기(instrument) 성능 모니터링이 가능한 분석된 모든 샘플로 섞인 표준물의 혼합제와 함께 분석되었다. 계기 변동성은 질량 분석기로 주입하기 전에 각 샘플에 첨가되는 표준물에 대한 중간값 상대 표준 편차(RSD)를 계산함으로써 결정되었다(중간값 RSD = 5%; n = 30 표준물). 전체 공정 변동성은 풀링된(pooled) 인간 혈장 샘플의 100%(중간값 RSD = 11%; n = 610 대사물질)에 존재하는 모든 내인성 대사물질(즉, 비-계기 표준물)에 대한 중간값 RSD를 계산함으로써 결정되었다. 실험 샘플과 대조군은 플랫폼 실행에 걸쳐 무작위 추출되었다.
질량 분광법 분석. 비표적화된 MS 분석이 Metabolon, Inc.에서 수행되었다. 추출물은 GC-MS 또는 UPLC-MS/MS7 중 하나를 대상으로 하였다. 크로마토그래피는 표준화되었고, 그 방법이 검증되면 더 이상의 변경되지 않았다. Metabolon의 일반적인 관행의 일환으로, 모든 컬럼은 실험 초기에 단일 제조업체의 로트(lot)에서 구입되었다. 모든 용매는 유사하게 모든 관련 실험을 완료하기에 충분한 수량으로 단일 제조사의 로트로부터 대량으로 구매되었다. 각 샘플에 대해, 진공 건조된 샘플이 플랫폼에 의존하여, 고정된 농도에서 8개 이상의 주입 표준물을 포함하는 주입 용매에 용해되었다. 내부 표준물은 주입 및 크로마토그래피 일관성 모두를 보장하기 위해 사용되었다. 계기는 매일 질량 분해능 및 질량 정확도를 위해 조정 및 교정되었다. UPLC-MS/MS 플랫폼은 35,000 질량 분해능으로 작동되는 Orbitrap 질량 분석기 및 가열된 전기분사 이온화(HESI-II) 소스와 인터페이스된 Thermo Scientific Q-Exactive 고분해능/정밀 질량 분광기 및 Waters UPLC BEH C18-2.1 × 100mm, 1.7μm 컬럼을 갖는 Waters Acquity UPLC를 이용하였다. 샘플 추출물은 건조된 후, 산성 또는 염기성 LC-호환가능한 용매로 재구성되었고, 그 각각은 주입 및 크로마토그래피 일관성을 보장하기 위해 고정된 농도에서 8개 이상의 주입 표준물을 포함하였다. 하나의 분획은 산성, 양이온-최적화 조건을 사용하여 분석되었고, 다른 분획은 별도의 전용 컬럼을 사용하여 두번의 독립적인 주입에서 염기성, 음이온-최적화 조건을 사용하여 분석되었다. 산성 조건에서 재구성된 추출물은 0.1% 포름산을 함유하는 메탄올 및 물을 사용하여 구배 용리되었지만, 물/메탄올을 또한 사용하는 염기성 추출물은 6.5mM 암모늄 중탄산염을 함유하였다. MS 분석은 동적 제외를 사용하여 MS와 데이터 종속 MS2 스캔 사이를 교대하였으며, 스캔 범위는 80-1000m/z였다.
GC-MS에 의한 분석에 지정된 샘플은 비스트리메틸-실릴트리플루오로아세트아미드를 사용하여 건조된 질소 하에서 유도체화하기 전에 최소 18시간 동안 진공 건조 하에 건조되었다. 유도된 샘플은 17분 기간 내에 60℃ 내지 340℃의 온도 램프를 가지고 헬륨을 반송 기체로서 하여 5% 페닐디메틸 실리콘 칼럼 상에 분리되었다. 모든 샘플은 전자 충격 이온화 및 50-750 원자 질량 단위 스캔 범위로 단위 질량 분해능에서 작동되는 Thermo-Finnigan Trace DSQ MS에서 분석되었다.
화합물 식별, 정량화, 데이터 결합. 대사물질은 실험 샘플의 이온 피처를, 보유 시간, 분자량(m/z), 바람직한 부가물 및 인-소스 단편뿐만 아니라 관련 MS 스펙트럼을 포함하는 화학 표준 엔트리의 참조 라이브러리와 자동 비교하고, Metabolon에서 개발된 소프트웨어를 사용하여 품질 제어를 위한 육안 검사에 의해 보좌됨으로써 식별되었다. (DeHaven CD, et al., Organization of GC/MS and LC/MS metabolomics data into chemical libraries. J Cheminform 2010;2(1):9) 알려진 화학 엔트리의 식별은 정제된 표준물의 대사물질 라이브러리 엔트리에의 비교에 기반하였다. 2,500 이상의 상업적으로 이용가능한 정제 표준 화합물이 LC/MS 및 GC/MS 플랫폼 모두에 배포되어 검출가능한 특성을 결정하기 위해 취득되고 LIMS에 등록되었다. 그들의 반복적인 본질(크로마토그래피 및 질량 스펙트럼 모두)에 의해 실별식별되었던, 구조적으로 이름이 없는 생화학물질에 대해 추가의 250 질량 스펙트럼 엔트리가 생성되었다. 이들 화합물은 일치하는 정제 표준물의 향후 획득에 의해, 또는 고전적인 구조 분석에 의해 식별될 가능성이 있다. 피크는 곡선 아래 면적(area-under-the-curve)을 사용하여 정량화되었다. 각 샘플 내의 각 대사물질에 대한 원 면적 카운트(raw area count)가 표준화되어 각 실행일에 대한 중간값만큼 계기 주간 튜닝 차이로부터 발생하는 변동을 보정함에 따라, 각 실행마다 중간값을 1.0으로 설정하였다. 샘플 간의 변동은 보존되었지만 널리 상이한 원 피크 면적의 대사물질을 유사한 그래픽 스케일로 비교할 수 있었다. 누락된 값은 정규화 후에 관찰된 최소값으로 대체된다.
샘플 준비: 지질체학
TrueMass ® 지질체학 패널. 지질은 클로로포름:메탄올(2:1 v/v)을 사용하여 Folch 외의 방법에 의해 확실한 내부 표준물의 존재 하에서 추출되었다. 중성 지질 클래스[FFA, TAG, DAG, CE]의 분리를 위해, 석유 에테르/디에틸 에테르/아세트산 (80:20:1)으로 구성된 용매 시스템이 채용되었다. Agilent Technologies 1100 Series LC를 사용하여 각 추출물[PC, PE] 내의 개별 인지질 클래스가 분리되었다. 각 지질 클래스는 밀폐된 유리병에서 100℃에서 질소 분위기 하에 45분 동안 메탄올 중 1% 황산에서 에스테르 교환되었다(transesterified). 결과의 지방산 메틸 에스테르는 0.05% 부틸화된 히드록시톨루엔을 함유하는 헥산을 가지는 혼합물로부터 추출되고 질소 하에 헥산 추출물을 밀봉함으로써 GC를 제조하였다. 지방산 메틸 에스테르는 30m DB 88 모세관 컬럼(Agilent Technologies) 및 불꽃 이온화 검출기가 장착된 모세관 GC(Agilent Technologies 6890 Series GC)에 의해 분리 및 정량화되었다.
TrueMass® 세라마이드 패널. 중수소 라벨링된 내부 표준물이 샘플에 첨가되고 혼합물이 메탄올에 용해되고, 충돌 추출이 뒤따른다. KCl을 물에 첨가하여 이중층이 형성되었고, 유기층이 제거되어 질소 하에 농축된다. 추출물을 회전시켜 여과하고 2회 주입(세라마이드를 위한 주입 및 스핑고신을 위한 주입)으로 나뉘었다. 추출물을 Agilent 1290 Infinity LC 및 ABI 4000 QTRAP에 연결된 Agilent C8 컬럼에 주입되었다. 분석물은 양의 전기 방사(positive electroplray)를 통해 이온화되었고 질량 분석기기 탠덤 MS 모드로 작동되었다. 각 스핑고리지질의 절대 농도는 피크와 관련 내부 표준물의 피크를 비교함으로써 결정되었다.
질량 분광법 분석. 비표적화된 MS 분석이 Metabolon, Inc.에서 수행되었다. 추출물은 GC-MS 또는 UPLC-MS/MS7 중 하나를 대상으로 하였다. 크로마토그래피는 표준화되었고, 그 방법이 검증되면 더 이상의 변경되지 않았다. Metabolon의 일반적인 관행의 일환으로, 모든 컬럼은 실험 초기에 단일 제조업체의 로트로부터 구입되었다. 모든 용매는 유사하게 모든 관련 실험을 완료하기에 충분한 수량으로 단일 제조사의 로트로부터 대량으로 구매되었다. 각 샘플에 대해, 진공 건조된 샘플이 플랫폼에 의존하여, 고정된 농도에서 8개 이상의 주입 표준물을 포함하는 주입 용매에 용해되었다. 내부 표준물은 주입 및 크로마토그래피 일관성 모두를 보장하기 위해 사용되었다. 계기는 매일 질량 분해능 및 질량 정확도를 위해 조정 및 교정되었다. UPLC-MS/MS 플랫폼은 35,000 질량 분해능으로 작동되는 Orbitrap 질량 분석기 및 가열된 전기분사 이온화(HESI-II) 소스와 인터페이스된 Thermo Scientific Q-Exactive 고분해능/정밀 질량 분광기 및 Waters UPLC BEH C18-2.1 × 100mm, 1.7μm 컬럼을 갖는 Waters Acquity UPLC를 이용하였다. 샘플 추출물은 건조된 후, 산성 또는 염기성 LC-호환가능한 용매로 재구성되었고, 그 각각은 주입 및 크로마토그래피 일관성을 보장하기 위해 고정된 농도에서 8개 이상의 주입 표준물을 포함하였다. 하나의 분획은 산성, 양이온-최적화 조건을 사용하여 분석되었고, 다른 분획은 별도의 전용 컬럼을 사용하여 두번의 독립적인 주입에서 염기성, 음이온-최적화 조건을 사용하여 분석되었다. 산성 조건에서 재구성된 추출물은 0.1% 포름산을 함유하는 메탄올 및 물을 사용하여 구배 용리되었지만, 물/메탄올을 또한 사용하는 염기성 추출물은 6.5mM 암모늄 중탄산염을 함유하였다. MS 분석은 동적 제외를 사용하여 MS와 데이터 종속 MS2 스캔 사이를 교대하였으며, 스캔 범위는 80-1000m/z였다.
GC-MS에 의한 분석에 지정된 샘플은 비스트리메틸-실릴트리플루오로아세트아미드를 사용하여 건조된 질소 하에서 유도체화하기 전에 최소 18시간 동안 진공 건조 하에 건조되었다. 유도된 샘플은 17분 기간 내에 60℃ 내지 340℃의 온도 램프를 가지고 헬륨을 반송 기체로서 하여 5% 페닐디메틸 실리콘 칼럼 상에 분리되었다. 모든 샘플은 전자 충격 이온화 및 50-750 원자 질량 단위 스캔 범위로 단위 질량 분해능에서 작동되는 Thermo-Finnigan Trace DSQ MS에서 분석되었다.
화합물 식별, 정량화, 데이터 결합. 대사물질은 실험 샘플의 이온 피처를, 보유 시간, 분자량(m/z), 바람직한 부가물 및 인-소스 단편뿐만 아니라 관련 MS 스펙트럼을 포함하는 화학 표준 엔트리의 참조 라이브러리와 자동 비교하고, Metabolon에서 개발된 소프트웨어를 사용하여 품질 제어를 위한 육안 검사에 의해 보좌됨으로써 식별되었다. (DeHaven CD, et al.) 알려진 화학 엔트리의 식별은 정제된 표준물의 대사물질 라이브러리 엔트리에의 비교에 기반하였다. 2,500 이상의 상업적으로 이용가능한 정제 표준 화합물이 LC/MS 및 GC/MS 플랫폼 모두에 배포되어 검출가능한 특성을 결정하기 위해 취득되고 LIMS에 등록되었다. 그들의 반복적인 본질(크로마토그래피 및 질량 스펙트럼 모두)에 의해 실별식별되었던, 구조적으로 이름이 없는 생화학물질에 대해 추가의 250 질량 스펙트럼 엔트리가 생성되었다. 이들 화합물은 일치하는 정제 표준물의 향후 획득에 의해, 또는 고전적인 구조 분석에 의해 식별될 가능성이 있다. 피크는 곡선 아래 면적(area-under-the-curve)을 사용하여 정량화되었다. 각 샘플 내의 각 대사물질에 대한 원 면적 카운트(raw area count)가 표준화되어 각 실행일에 대한 중간값만큼 계기 주간 튜닝 차이로부터 발생하는 변동을 보정함에 따라, 각 실행마다 중간값을 1.0으로 설정하였다. 샘플 간의 변동은 보존되었지만 널리 상이한 원 피크 면적의 대사물질을 유사한 그래픽 스케일로 비교할 수 있었다. 누락된 값은 정규화 후에 관찰된 최소값으로 대체된다.
실시예 1. 발견
분석 집단
"완전 분석 세트"("FAS")는 파일럿 연구 환자들과 임상학적 데이터 및 혈관재형성 CAD 사례, 원 CAD 사례 또는 대조군(FAS 그룹의 경우 N = 336)의 CT-기반 고안으로 구성되었다.
"원 CAD 세트"는 분석물(대사체학적 및 지질체학적) 데이터를 가졌던 CT에 의해 검증된 바와 같은 원 CAD를 갖는 FAS의 서브세트(원 CAD 세트의 경우 N = 120)였다. 이들은 경피 관상 중재술(PCI) 또는 관상 동맥 우회 절편이식(CABG)과 같은 이전의 혈관재형성 절차를 갖지 않는 대상체였다.
"Revasc CAD 세트"는 경피적 관상 중재술(PCI) 또는 관상 동맥 우회 절편이식(CABG)과 같은 이전의 혈관재형성을 겪었고 분석물 데이터를 갖는 FAS의 서브세트였다.
"모든 CAD 세트"는 원 CAD 세트 및 Revasc CAD 세트의 통합이었다.
"대조군 세트"는 0의 칼슘 스코어를 가졌고, CT 데이터 검사 후 대조군으로 지정되었고, 분석물 데이터를 가졌던 FAS의 서브세트였다. (대조군 세트 + 원 CAD 세트의 경우 N = 279). 이들 대상체는 비-조영(non-contrast) CT와 조영-증강(contrast-enhanced) CT 데이터의 병합 검사에 기초하여 분명한 죽상 경화성 CAD를 갖지 않았다.
고안에 따르면 이 연구에서 유일하게 나타난 인종 그룹은 백인이었음에 주의한다. 따라서, 인종-기반 하위-집단은 정의되지 않았다. 데이터는 교육 및 검증 세트로 분리되지 않았다.
I: 전반적 파일럿 연구
A. 연구 종점
GLOBAL 파일럿 발견 코호트의 경우, 분석에 2개의 주요 종점이 존재하였다: (1) 원 CAD; 및 (2) 모든 CAD(원 또는 혈관재형성). 모든 분석은 주요 종점들 둘 다에 적용되었다.
B. 통계학적 가설
대사물질 또는 지질과 종점 사이의 연관성이 없다는 귀무(null) 가설을 연관성이 존재하는 양면성 대안에 대해 시험하였다.
C. 다중 비교 및 다중성
거짓 발견율(FDR) q-값이 계산되었다(Benjamini and Hochberg, 1995). FDR q<0.05로의 연관성은 예비 연관성으로 간주되었다. 몇몇의 경우에, 원(raw) p <0.05인 시험 결과도 보고되었다.
D. 누락된 데이터
종점 데이터는 귀속되지 않았다. 5% 초과의 데이터가 누락된 잠재적 공변량은 제외되었다. 5% 미만의 데이터가 누락된 잠재적 공변량은 평균에 귀속되었다.
10% 초과의 데이터가 누락된 대사물질은 주요 분석으로부터 제외되었다. 10% 미만이 누락된 대사물질 및 지질에 대한 누락된 값은 정규화 후에 관찰된 최소값에 귀속되었다.
E. 공변량
12개의 잠재적 공변량을 "임상학적 변수"라고 칭하였다: 연령; 성별; 체질량 지수(BMI); II형 당뇨병; 현재 흡연자; 절식; 스타틴 사용; 니아신 사용; 피브레이트 사용; 에제티미브 사용; 어유 사용; 및 담즙산 격리자 사용.
표 1에 열거된 77개의 잠재적 공변량의 추가의 세트를 "종래의 혈액-기반 바이오마커 변수"라고 칭하였다.
Figure pct00031
Figure pct00032
하기에 기술되는 바와 같이, 이들 변수의 선택된 서브세트는 공변량-조정된 연관성 분석 및/또는 예측 모델링 분석을 위한 입력으로서 공변량으로서 사용되었다.
F. 하위그룹의 분석
첫 번째 주요 종점은 FAS의 서브세트를 사용하여 해결되었다. 구체적으로, 원(Native) CAD 세트를 대조군 세트와 비교하였다. 2차 분석의 대다수는 원 CAD 세트만을 포함하였다. CT에서 발생하는 2차 종점을 분석하는 동안 추가의 하위-그룹이 고려되었다.
II. 인구통계학적 및 기저선 특성
파일럿 연구에서의 환자의 기저선 및 인구통계학적 특성을 도표화했다. 연속적 변수는 평균 및 표준 오차로 요약되었고; 이원 변수는 수와 백분율로 요약되었다.
표 2는 임상학적 그룹(Revasc CAD vs. 원 CAD vs. 대조군)에 의한 일반적 환자 특성을 보여준다. 크러스칼-왈리스(Kruskall-Wallis) 시험을 수행하여 연속적 측정의 균일성(homogeneity)을 조사하였고; 피어슨(Pearson)의 카이-자승(chi-squared) 시험은 이진법 측정을 위해 수행되었고; 조정되지 않은 p-값이 보고된다.
표 3은 주요 종점, 구체적으로는 원 CAD vs. 대조군 및 모든 CAD vs. 대조군에 의한 일반적 환자 특성을 보여준다. 만-휘트니(Mann-Whitney) 시험을 수행하여 연속적 측정의 균일성을 조사하였고; 피어슨의 카이-자승 시험은 이진법 측정을 위해 수행되었고; 조정되지 않은 p-값이 보고된다.
Figure pct00033
Figure pct00034
Figure pct00035
Figure pct00036
III. 대사물질 및 복합 지질에 대한 탐구적 데이터 분석
샘플 조제 및 질량 분광측정 분석을 Metabolon, Inc.에 의해 수행하였다. 원 데이터는 336명의 파일럿 연구 참여자를 대상으로 측정된 총 1088개의 분석물을 포함하였다. 2명의 파일럿 연구 참여자는 데이터가 없었다.
1088개의 분석물들 중, 705개의 대사물질 및 183개의 복합 지질(총 888개)은 10% 미만의 데이터가 누락되었다. 336명의 환자는 모두 10% 미만의 데이터가 누락되었다. 따라서, 통계학적 분석은 888개의 분석물질 및 336명의 환자에 적용되었다. "Revasc CAD 세트"에는 57명의 환자가 있었고, "원 CAD 세트"에는 120명의 환자가 있었으며 "대조군 세트"에는 159명의 환자가 있었다.
데이터는 수신 전에 정규화되었다. 대수(기수 2) 변환을 적용하였고 히스토그램을 생성하여 분석물에 의한 발현 분포를 나타내었다(데이터 도시하지 않음).
대사체학적 및 지질체학적 데이터는 단일 배치(batch)에서 생성되었으므로 배치-수정이 적용되지 않았지만, 임의의 부위(site) 효과의 증거를 찾기 위해 주요 구성성분 분석(PCA)을 수행하였다. 변수는 중앙에 배치되었고 단위 분산으로 조정되었다. 본 발명자들은 부위 효과의 부재의 존재를 평가하였고, 상이한 부위들로부터 수득된 데이터에서 체계적인 차이가 없다고 결론지었다.
IV. 대사물질 및 복합 지질의 단변량 분석
A. 방법
단변량 연관성 분석은 만-휘트니 시험을 사용하여 모든 1차 및 2차 종점에 대해 수행하였고, FDR 보정이 적용되었다. 모든 분석물에 대해 p-값 및 q-값을 보여주는 목록이 작성되었다.
q<0.05인 임의의 분석물은 예비 연관성으로 간주되었다. 각각에 대해, 임상학적 그룹에 의한 발현의 분포를 보여주기 위한 박스-플롯을 생성하였다. 각각의 종점에 대한 예비 대사물질 연관성을 보여주기 위한 히트-맵(heat-map)을 생성하였다: y-축 상에서는 환자가 종점-값에 의해 그룹핑되고, x-축 상에서는 덴드로그램이 q<0.05인 대사물질의 클러스터링(clustering)을 보여주었다. 마찬가지로, 히트-맵을 생성하여 각각의 종점에 대한 예비 복합 지질 연관성을 보여주었다.
B. 결과
표 4는 원 CAD 대 대조군의 주요 종점에 대한 q<0.05인 대사물질의 상세를 보여주고; 표 5는 q<0.05인 복합 지질의 상세를 보여준다.
표 6은 모든 CAD 대 대조군의 주요 종점에 대한 q<0.05인 대사물질의 상세를 보여주고; 표 7은 q<0.05인 복합 지질의 상세를 보여준다.
Figure pct00037
Figure pct00038
Figure pct00039
Figure pct00040
Figure pct00041
V. 주요 종점에 대한 예측 모델링
A. 방법
그래디언트 부스팅(Gradient boosting)은 손실 함수의 기대치를 최소화하는 회귀 함수를 결정하는 접근법이다. (Friedman JH., Greedy function approximation: a gradient boosting machine. Ann Statist 29(5): 1189-1232 (2001), Friedman JH., Stochastic gradient boosting. Comput Stat Data Anal 38(4): 367-378(2002)). 이는 손실 함수의 음의 그래디언트가 계산되고, 회귀 모델이 적용되고, 그래디언트 강하 단계 크기가 선택되고, 회귀 함수가 업데이트되는 반복적인 방법이다. 그래디언트는 공변량 정보를 사용하는 회귀 트리(tree)의 수단에 의해 근사화되고, 각각의 반복시 그래디언트는 데이터에 대한 적합성을 높이기 위해 함수가 이동될 필요가 있는 방향을 결정한다.
가장 높은 예측 대사물질 및 지질을 각각 선택하기 위해서, 발견 목적을 위해 2회의 그래디언트 부스팅을 적용하였다. (1) 대사체학적 모델: 대사체학적 데이터만; 및 (2) 지질 모델: 지질 데이터만.
모델 복잡성(complexity)의 상이한 수준의 상대적 이점을 정량하기 위해 추가의 4회의 그래디언트 부스팅을 적용하였다: (3) 임상학적 모델: 임상학적 변수와 종래의 혈액-기반 바이오마커 변수; (4) 임상학적- 대사체학적 모델: 임상학적 변수, 종래의 혈액-기반 바이오마커 변수와 대사체학적 데이터; (5) 임상학적- 지질체 학적 모델: 임상학적 변수, 종래의 혈액-기반 바이오마커 변수, 지질체학적 데이터; 및 (6) 임상학적- 대사체학적 - 지질체학적 모델: 임상학적 변수, 종래의 혈액-기반 바이오마커 변수와 대사체학 및 지질체학.
검색 공간을 단순화하기 위해, 변수는 목적하는 종점에 대한 공칭(nominal) 단변량 연관성(원 p<0.05)을 나타내는 것들만을 포함하도록 필터링되었다. 손실 함수는 주요 종점의 이원적 특성으로 인하여 Bernoulli로 가정되었다. 제안된 이동을 감쇠시키고 과다한-핏팅(over-fitting)에 대해 보호하기 위해 학습 속도(λ)가 도입되었다. T에 의해 주어지는 최적의 반복 회수는 5배 교차-검증에 의해 결정되었다. 각각의 말단 노드(node)에서의 최소 관찰 수는 10이었다. 양방향 상호작용이 허용되었다. 그래디언트 추정의 분산 감소를 달성하기 위해 관찰값의 절반을 대체하지 않고 무작위 하위-샘플링에 적용하였다.
유도된 모델의 추정된 성능은 최적의 반복 횟수/트리에 기초하여 교차-검증된(CV) 손실 추정값(오류)에 의해 요약되었다. 선택된 변수들과 이들의 추정된 상대적인 영향이 도표화되었다. 가장 큰 영향을 나타내는 변수에 대해 부분 의존성 플롯이 생성되었다.
이러한 방식으로, 각각의 주요 종점에 대해 6개의 예측 모델이 유도되었고, 동일한 데이터를 사용하여 모델-성능의 예비 추정값이 수득되었다.
6개의 모델을 사용하여 각각의 환자에 대한 확률 예측을 생성하였다. 각각의 모델에 대해, 예측된 확률 역치의 범위에 대해 민감도, 특이성, 양성 예측값(PPV) 및 음성 예측값(NPV)이 계산되었다. 민감도를 (1-특이성)의 함수로서 플롯팅하기 위해 수신자 조작 특성(ROC: Receiver Operating Characteristic) 곡선을 생성하였다. 최적 분류 역치는 정확한 예측의 비율로서 정의된 정확도에 기초하여 결정되었다. 또한, 곡선 아래 면적(AUC)이 추정되었다.
캘리브레이션 성능은 그래픽으로 평가되었다: CAD 대 예측 위험의 비율을 나타내는 플롯이 생성되었다. 호스머-레메쇼(Hosmer-Lemeshow) C-시험을 행하였다.
모델-기반 예측의 성능은 다이아몬드-포레스터(Diamond-Forrester) 스코어링 및 모라이즈(Morise) 스코어링에 의해 수득된 확률 예측의 성능과 비교하였다. (Diamond GA, Forrester JS. Analysis of probability as an aid in the clinical diagnosis of coronary-artery disease. N Engl J Med. 1979 Jun 14; 300(24):1350-8; Morise AP, Jalisis F. Evaluation of pretest and exercise test scores to assess all-cause mortality in unselected patients presenting for exercise testing with symptoms of suspected coronary artery disease. J Am Coll Cardiol. 2003 Sep 3;42(5):842-50).
원 CAD에 대한 상세한 결과
당해 결과는 다이아몬드-포레스터 스코어가 GLOBAL 표현형에 대한 좋지 않은 예측을 제공함을 보여준다(도 1). 원 CAD의 예측에 대한 AUC 및 정확도의 추정값은 모든 환자들에게 동등한 확률로 0.57의 질환을 할당하는 것보다 성능이 우수하지 않음을 나타낸다. (도 2) 모든 CAD에 대해 몇몇의 약간의 성능 개선이 수득되었지만 성능은 여전히 약한 상태를 유지하였다. (도 17)
모라이즈 스코어는 또한 원 CAD의 예측 성능이 좋지 않지만 모든 CAD 예측에 더 좋다. (도 3 및 도 4) 후자의 경우, 0.61의 정확도가 수득되었고, 이는 모든 환자에게 동등한 확률의 질환을 할당하여 수득된 최소 정확도인 0.53에 대해 필적할만하다. (도 18)
임상학적 모델
측정된 888개의 분석물(705개의 대사물질 및 183개의 복합 지질) 중에서, 28개의 임상학적 변수는 원 CAD에 대해 공칭 단변량 연관성(원 p<0.05)을 나타냈다(표 8). 표 9는 모든 CAD에 대한 28개의 임상학적 변수의 필터링된 목록을 제공한다.
Figure pct00042
원 CAD에 대해 공칭 단변량 연관성(원 p<0.05)을 나타내는 28개의 임상학적 변수들 중에서, 10개의 임상학적 변수의 패널은 CAD의 확률을 예측하였다. 표 9는 원 CAD의 임상학적 모델에 대한 11개의 임상학적 변수의 상대적 영향을 제공한다. 도 5는 원 CAD의 임상학적 모델에 대한 ROC 곡선을 제공한다. 도 6은 원 CAD의 임상학적 모델에 대한 11개의 임상학적 변수에 대한 부분 의존성 플롯를 제공한다.
Figure pct00043
대사체학적 모델
측정된 888개의 분석물 중에서, 105개의 임상학적 변수는 원 CAD에 대해 공칭 단변량 연관성(원 p<0.05)을 나타냈다. 표 10은 원 CAD에 대한 105개의 대사체학적 변수의 필터링된 목록을 제공한다.
Figure pct00044
원 CAD에 대해 공칭 단변량 연관성을 나타내는 105개의 임상학적 변수들 중에서, 6개의 대사체학적 변수의 패널은 CAD의 확률을 예측하였다. 표 11은 원 CAD의 대사체학적 모델에 대한 6개의 임상학적 변수의 상대적 영향을 제공한다. 도 7은 원 CAD의 대사체학적 모델에 대한 ROC 곡선을 제공한다. 도 8은 원 CAD의 대사체학적 모델에 대한 6개의 임상학적 변수에 대한 부분 의존성 플롯를 제공한다.
Figure pct00045
임상학적- 대사체학적 모델
임상학적-대사체학적 모델의 경우, 10개의 임상학적 변수의 패널이 CAD의 확률을 예측하였다. 표 12는 원 CAD의 임상학적-대사체학적 모델에 대한 10개의 임상학적 변수의 상대적 영향을 제공한다. 도 9는 원 CAD의 임상학적-대사체학적 모델에 대한 10개의 임상학적 변수에 대한 부분 의존성 플롯을 제공한다. 도 10은 원 CAD의 임상학적-대사체학적 모델에 대한 ROC 곡선을 제공한다.
Figure pct00046
지질체학적 모델
평가된 13개의 지질 중에서, 29개가 원 CAD의 공칭 단변량 연관성(원 p<0.05)을 나타냈다. 표 13은 원 CAD에 대한 29개의 지질체학적 변수의 필터링된 목록을 제공한다.
Figure pct00047
지질체학적 모델의 경우, 7개의 변수의 패널이 CAD의 확률을 예측하였다. 표 14는 원 CAD의 지질체학적 모델에 대한 7개의 지질체학적 변수의 상대적 영향을 제공한다. 도 11은 원 CAD의 지질체학적 모델에 대한 7개의 임상학적 변수에 대한 부분 의존성 플롯을 제공한다. 도 12는 원 CAD의 지질체학적 모델에 대한 ROC 곡선을 제공한다.
Figure pct00048
임상학적- 지질체학적 모델
7개의 임상학적 변수의 패널은 임상학적-지질체학적 모델에서 CAD의 확률을 예측하였다. 표 15는 원 CAD의 임상학적-지질체학적 모델에 대한 이들 7개의 임상학적 변수의 상대적 영향을 제공한다. 도 13은 원 CAD의 임상학적-지질체학적 모델에 대한 7개의 임상학적 변수에 대한 부분 의존성 플롯을 제공한다. 도 14는 원 CAD의 임상학적-지질체학적 모델에 대한 ROC 곡선을 제공한다.
Figure pct00049
임상학적- 대사체학적 - 지질체학적 모델
6개의 임상학적 변수의 패널은 임상학적-대사체학적-지질체학적 모델에서 CAD의 확률을 예측하였다. 표 16은 원 CAD의 임상학적-대사체학적-지질체학적 모델에 대한 이들 6개의 변수의 상대적 영향을 제공한다. 도 15는 원 CAD의 임상학적-대사체학적-지질체학적 모델에 대한 6개의 임상학적 변수에 대한 부분 의존성 플롯을 제공한다. 도 16은 원 CAD의 임상학적-대사체학적-지질체학적 모델에 대한 ROC 곡선을 제공한다.
Figure pct00050
모든 CAD에 대한 상세한 결과
임상학적 모델
35개의 임상학적 변수는 원 CAD에 대해 공칭 단변량 연관성(원 p<0.05)을 나타냈다(표 17). 표 17은 모든 CAD에 대한 35개의 임상학적 변수의 필터링된 목록을 제공한다.
Figure pct00051
모든 CAD에 대해 공칭 단변량 연관성(원 p<0.05)을 나타내는 35개의 임상학적 변수들 중에서, 11개의 임상학적 변수의 패널은 CAD의 확률을 예측하였다. 표 18은 모든 CAD의 임상학적 모델에 대한 11개의 임상학적 변수의 상대적 영향을 제공한다. 도 19는 모든 원 CAD의 임상학적 모델에 대한 11개의 임상학적 변수에 대한 부분 의존성 플롯을 제공한다. 도 20은 모든 CAD의 임상학적 모델에 대한 ROC 곡선을 제공한다.
Figure pct00052
대사체학적 모델
표 19에 나타낸 바와 같이, 모든 CAD에 대해 공칭 단변량 연관성(원 p<0.05)을 나타내는 13개의 대사체학적 변수의 필터링된 목록.
Figure pct00053
Figure pct00054
모든 CAD에 대해 공칭 단변량 연관성을 나타내는 138개의 임상학적 변수들 중에서, 16개의 대사체학적 변수의 패널은 CAD의 확률을 예측하였다. 표 20은 원 CAD의 대사체학적 모델에 대한 16개의 임상학적 변수의 상대적 영향을 제공한다. 도 21은 모든 CAD의 대사체학적 모델에 대한 16개의 임상학적 변수에 대한 부분 의존성 플롯을 제공한다. 도 22는 모든 CAD의 대사체학적 모델에 대한 ROC 곡선을 제공한다.
Figure pct00055
임상학적- 대사체학적 모델
모든 CAD에 대한 임상학적-대사체학적 모델에서 12개의 임상학적 변수의 패널이 CAD의 확률을 예측하였다. 표 21은 모든 CAD의 임상학적-대사체학적 모델에 대한 12개의 임상학적 변수의 상대적 영향을 제공하고, 도 23은 모든 CAD의 임상학적-대사체학적 모델에 대한 12개의 임상학적 변수에 대한 부분 의존성 플롯을 제공한다. 도 24는 모든 CAD의 임상학적-대사체학적 모델에 대한 ROC 곡선을 제공한다.
Figure pct00056
지질체학적 모델
31개의 지질체학적 변수는 모든 CAD에 대해 공칭 단변량 연관성(원 p<0.05)을 나타냈다. 표 22는 모든 CAD에 대해 29개의 지질체학적 변수의 필터링된 목록을 제공한다.
Figure pct00057
13개의 변수의 패널은 CAD의 확률을 예측하였다. 표 23은 모든 CAD의 지질체학적 모델에 대한 13개의 지질체학적 변수의 상대적 영향을 제공한다. 도 25는 모든 CAD에 대한 지질체학적 모델에 대한 13개의 임상학적 변수에 대한 부분 의존성 플롯을 제공한다. 도 26은 모든 CAD의 지질체학적 모델에 대한 ROC 곡선을 제공한다.
Figure pct00058
임상학적- 지질체학적 모델
11개의 임상학적 변수의 패널은 모든 CAD에 대한 임상학적-지질체학적 모델에서 CAD의 확률을 예측하였다. 표 24는 모든 CAD의 임상학적-지질체학적 모델에 대한 이들 11개의 임상학적 변수의 상대적 영향을 제공한다. 도 27은 모든 CAD에 대한 임상학적-지질체학적 모델에 대한 11개의 임상학적 변수에 대한 부분 의존성 플롯을 제공한다. 도 28은 모든 CAD의 임상학적-지질체학적 모델에 대한 ROC 곡선을 제공한다.
Figure pct00059
임상학적- 대사체학적 - 지질체학적 모델
12개의 임상학적 변수의 패널은 모든 CAD에 대해 임상학적-대사체학적-지질체학적 모델에서 CAD의 확률을 예측하였다. 표 25는 모든 CAD의 임상학적-대사체학적-지질체학적 모델에 대한 12개의 변수의 상대적 영향을 제공한다. 도 29는 원 CAD의 임상학적-대사체학적-지질체학적 모델에 대한 12개의 임상학적 변수에 대한 부분 의존성 플롯을 제공한다. 도 30은 원 CAD의 임상학적-대사체학적-지질체학적 모델에 대한 ROC 곡선을 제공한다.
Figure pct00060
본원에 기술된 실시예를 통해, 다수의 분석물이 "X-" 화합물로서 확인된다. 몇몇의 X-화합물은 표 26에서 보다 상세히 설명된다.
Figure pct00061
Figure pct00062
Figure pct00063
Figure pct00064
Figure pct00065
Figure pct00066
Figure pct00067
표 26에 관해서, 데이터는 하기 포맷으로 존재한다: 명칭; lib_id; comp_id; quant_mass; rt; 입수가능한 경우, 명명되지 않은 대사물질의 잠정적 상세; 및 스펙트럼. 스펙트럼 데이터 포맷(x:y)은 이온의 질량(m/z = x)과 상대적 피크 강도(y)를 나타낸다. 스펙트럼의 각각의 이온은 공간에 의해 분리된다.
방법: 2차 종점의 단변량 분석
실시예 2. 발견 및 검증
분석 집단
"발견-완전 분석 세트"("발견 FAS")는 파일럿 연구 환자들과 임상학적 데이터 및 혈관재형성 CAD 사례, 원 CAD 사례 또는 대조군(발견-FAS 그룹의 경우 N = 748)의 CT-기반 고안으로 구성되었다.
"발견-원 CAD 세트"는 분석물(대사체학적) 데이터를 가졌던 CT에 의해 검증된 바와 같은 원 CAD를 갖는 발견-FAS의 서브세트(발견-원 CAD 세트의 경우 N = 366)였다. 이들은 경피 관상 중재술(PCI) 또는 관상 동맥 우회 절편이식(CABG)과 같은 이전의 혈관재형성 절차를 갖지 않는 대상체였다.
"발견-Revasc CAD 세트"는 경피적 관상 중재술(PCI) 또는 관상 동맥 우회 절편이식(CABG)과 같은 이전의 혈관재형성을 겪었고 분석물 데이터를 갖는 발견-FAS의 서브세트였다(N=44).
"발견-모든 CAD 세트"는 발견-원 CAD 세트 및 발견-Revasc CAD 세트의 통합이었다(N=410).
"발견-대조군 세트"는 0의 칼슘 스코어를 가졌고, CT 데이터 검사 후 대조군으로 지정되었고, 분석물 데이터를 가졌던 발견-FAS의 서브세트였다. (발견-대조군 세트의 경우 N = 338).
"검증-완전 분석 세트"("검증-FAS")는 임상학적 데이터를 갖는 파일럿 연구 환자로와 혈관재형성 CAD 사례, 원 CAD 사례 또는 대조군(검증-FAS 그룹의 경우 N = 348)의 CT-기반 고안으로 구성되었다.
"검증-원 CAD 세트"는 분석물(대사체학적) 데이터를 가졌던 CT에 의해 검증된 원 CAD를 갖는 검증-FAS의 서브세트(검증-원 CAD 세트의 경우 N = 207)였다. 이들은 경피적 관상 중재술(PCI) 또는 관상 동맥 우회 절편이식(CABG)과 같은 이전의 혈관재형성 절차를 갖지 않는 대상체였다.
"검증-Revasc CAD 세트"는 경피적 관상 중재술(PCI) 또는 관상 동맥 우회 절편이식(CABG)과 같은 이전의 혈관재형성을 경험하였고 분석물 데이터를 가졌던 검증-FAS의 서브세트(N = 15)였다.
"검증-모든 CAD 세트"는 검증-원 CAD 세트 및 검증-Revasc CAD 세트의 통합이었다(N=222).
"검증-대조군 세트"는 0의 칼슘 스코어를 가졌고, CT 데이터 검사 후 대조군으로 지정되었고, 분석물 데이터를 가졌던 검증-FAS의 서브세트였다. (검증-대조군 세트의 경우 N = 126).
고안에 따르면 이 연구에서 유일하게 나타난 인종 그룹은 백인이었음에 주의한다. 따라서, 인종-기반 하위-집단은 정의되지 않았다.
A. 연구 종점
GLOBAL 파일럿 발견 코호트의 경우, 분석에 4개의 주요 종점이 존재하였다: (1) 원 CAD; (2) 모든 CAD(원 또는 혈관재형성); (3) 혈관재형성을 갖지 않는 50% 협착증; (4) 50% 협착증 또는 혈관재형성. 모든 분석은 모든 주요 종점들에 적용되었다.
B. 통계학적 가설
대사물질 또는 지질과 종점 사이의 연관성이 없다는 귀무(null) 가설을 연관성이 존재하는 양면성 대안에 대해 시험하였다.
C. 다중 비교 및 다중성
거짓 발견율(FDR) q-값이 계산되었다(Benjamini and Hochberg, 1995). FDR q<0.05로의 연관성은 예비 연관성으로 간주되었다. 몇몇의 경우에, 원(raw) p <0.05인 시험 결과도 보고되었다.
D. 누락된 데이터
종점 데이터는 귀속되지 않았다. 5% 초과의 데이터가 누락된 잠재적 공변량은 제외되었다. 5% 미만의 데이터가 누락된 잠재적 공변량은 평균에 귀속되었다.
10% 초과의 데이터가 누락된 대사물질은 주요 분석으로부터 제외되었다. 10% 미만이 누락된 대사물질 및 지질에 대한 누락된 값은 정규화 후에 관찰된 최소값에 귀속되었다.
E. 하위그룹의 분석
첫 번째 및 세 번째 주요 종점은 FAS의 서브세트를 사용하여 해결되었다. 구체적으로, 원 CAD 세트 및 대조군 세트는 Revasc. CAD 세트를 제외시키는 것으로 간주되었다. 발견의 목적을 위해, 환자가 8시간 이상 식사를 하지 않으면 절식으로 분류한 경우 참여자의 절식 상태에 기초하여 추가의 서브세트를 생성하였다. 절식하지 않은 것으로 알려져 있거나 절식 상태가 알려지지 않은 나머지는 '비-절식'으로 분류되었다.
Figure pct00068
I. 인구통계학적 및 기저선 특성
파일럿 연구에서의 환자의 기저선 및 인구통계학적 특성을 도표화했다. 연속적 변수는 평균 및 표준 오차로 요약되었고; 이원 변수는 수와 백분율로 요약되었다.
표 27은 임상학적 그룹(Revasc CAD vs. 원 CAD vs. 대조군)에 의한 발견 세트에 대한 일반적 환자 특성을 보여준다. 크러스칼-왈리스 시험을 수행하여 연속적 측정의 균일성을 조사하였고; 피어슨의 카이-자승 시험은 이진법 측정을 위해 수행되었고; 조정되지 않은 p-값이 보고된다.
표 28은 임상학적 그룹에 의한 검증 세트에 대한 일반적 환자 특성을 보여준다. 크러스칼-왈리스 시험을 수행하여 연속적 측정의 균일성을 조사하였고; 피어슨의 카이-자승 시험은 이진법 측정을 위해 수행되었고; 조정되지 않은 p-값이 보고된다.
Figure pct00069
Figure pct00070
Figure pct00071
Figure pct00072
II. 대사물질에 대한 탐구적 데이터 분석
샘플 조제 및 질량 분광측정 분석을 Metabolon, Inc.에 의해 수행하였다. 원 데이터는 1096명의 파일럿 연구 참여자를 대상으로 측정된 총 1088개의 분석물을 포함하였다.
1088개의 분석물들(명명되지 않은 대사물질 및 복합 지질 포함) 중, 481개의 명명된 대사물질은 10% 미만의 데이터가 누락되었다. 1096명의 환자는 모두 이들 대사물질에 대해 10% 미만의 데이터가 누락되었다. 따라서, 통계학적 분석은 481개의 분석물 및 1096명의 환자에 적용되었다. 데이터는 수신 전에 정규화되었다. 대수(기수 2) 변환을 적용하였고 히스토그램을 생성하여 분석물에 의한 발현 분포를 나타내었다(데이터 도시하지 않음).
대사체학적 데이터는 다중 배치에서 생성되었지만; 주요 구성성분 분석(PCA)은 임의의 체계적 부위 효과의 증거를 나타내지 않았다.
III. 주요 종점에 대한 예측 모델링
방법. 발견-FAS 세트의 환자는 적어도 8시간 동안 절식하였는지에 따라 분류하였다. 이러한 기준에 의해, 총 377명의 참여자는 절식이었고, 371명은 비-절식이었다. 4개의 주요 종점에 대해 연령 및 성별에 대한 조정을 이용한 연관성 시험을 수행하였고, 공칭 연관성은 하기 3개의 방식으로 정의되었다:
1 절식 및 비-절식 병합시 유의함
2 절식 및 비-절식시 독립적으로 유의함
3 절식 단독시 유의함
이러한 단계에서 '유의함'은 원 미조정 P <0.05와의 연관성과 관련이 있음을 강조한다.
이러한 방식으로, 12개의 시나리오가 하기와 같이 고려되었다:
a) 원(Native) CAD에서의 죽상 경화증 -
Figure pct00073
c. 절식 & 비-절식 병합시 유의함 -
Figure pct00074
c. 절식 및 비-절식시 독립적으로 유의함 -
Figure pct00075
c. 절식시 유의함 -
Figure pct00076
b) 모든 CAD(혈관 재형성 포함)에서의 죽상 경화증 -
Figure pct00077
c. 절식 & 비-절식 병합시 유의함 -
Figure pct00078
c. 절식 및 비-절식시 독립적으로 유의함 -
Figure pct00079
c. 절식시 유의함 -
Figure pct00080
c) 원 CAD에서의 50% 협착증 -
Figure pct00081
c. 절식 & 비-절식 병합시 유의함 -
Figure pct00082
c. 절식 및 비-절식시 독립적으로 유의함 -
Figure pct00083
c. 절식시 유의함 -
Figure pct00084
d) 모든 CAD(혈관 재형성 포함)에서의 50% 협착증 -
Figure pct00085
c. 절식 & 비-절식 병합시 유의함 -
Figure pct00086
c. 절식 및 비-절식시 독립적으로 유의함 -
Figure pct00087
c. 절식시 유의한 분석물 -
Figure pct00088
9개 초과의 변수가 p<0.05를 가졌던 경우, 연령 및 성별이 변수에 추가되었고, 그래디언트 부스팅(하기 참조)이 9개의 예측인자를 선택하는데 적용되었다.
12개의 예측 모델은 하기와 같이 일반화된 선형 (실행계획(logistic)) 회귀에 의해 수득되었다. 9개 미만의 변수가 p <0.05을 가졌던 경우, 연령 및 성별이 변수에 추가되었고 전체 모델이 핏팅되었다. 그렇지 않으면, 그래디언트 부스팅 변수에 의해 선택된 9개의 변수를 일반화된 선형 (실행계획) 모델에서 연령 및 성별과 병합하였다.
그래디언트 부스팅은 손실 함수의 기대치를 최소화하는 회귀 함수를 결정하는 접근법이다. (Freidman JH (2001) and Friedman JH (2002)). 이는 손실 함수의 음의 그래디언트가 계산되고, 회귀 모델이 적용되고, 그래디언트 강하 단계 크기가 선택되고, 회귀 함수가 업데이트되는 반복적인 방법이다. 그래디언트는 공변량 정보를 사용하는 회귀 트리(tree)의 수단에 의해 근사화되고, 각각의 반복시 그래디언트는 데이터에 대한 적합성을 높이기 위해 함수가 이동될 필요가 있는 방향을 결정한다.
손실 함수는 주요 종점의 이원적 특성으로 인하여 Bernoulli로 가정되었다. 제안된 이동을 감쇠시키고 과다한-핏팅에 대해 보호하기 위해 학습 속도(λ)가 도입되었다. T에 의해 주어지는 최적의 반복 회수는 5배 교차-검증에 의해 결정되었다. 각각의 말단 노드(node)에서의 최소 관찰 수는 10이었다. 양방향 상호작용이 허용되었다. 그래디언트 추정의 분산 감소를 달성하기 위해 관찰값의 절반을 대체하지 않고 무작위 하위-샘플링에 적용하였다.
현재의 목적을 위해, 각각의 시나리오에 대해 50회의 그래디언트 부스팅을 실행하였고, 최고의 추정된 상대적인 영향을 가장 많이 나타내는 9개의 변수를 일반화된 선형 모델링으로 가져갔다.
12개의 모델을 사용하여 검정-FAS에서 각각의 환자에 대한 확률 예측을 생성하였다. 각각의 모델에 대해, 예측된 확률 역치의 범위에 대해 민감도, 특이성, 양성 예측값(PPV) 및 음성 예측값(NPV)이 계산되었다. 민감도를 (1-특이성)의 함수로서 플롯팅하기 위해 수신자 조작 특성(ROC: Receiver Operating Characteristic) 곡선을 생성하였다. 최적 분류 역치는 정확한 예측의 비율로서 정의된 정확도에 기초하여 결정되었다. 또한, 곡선 아래 면적(AUC) 및 정확도가 추정되었다(4개의 주요 종점에 대해 각각 표 27, 표 28, 표 29, 표 30).
모델-기반 예측의 성능은 다이아몬드-포레스터 스코어링(Diamond and Forrester(1979))에 의해 수득된 확률 예측의 성능과 비교하였다.
원 CAD에 대한 상세한 결과
당해 결과는 다이아몬드-포레스터 스코어가 GLOBAL 표현형에 대한 좋지 않은 예측을 제공함을 보여준다(도 34, 도 38, 도 42, 도 46). 원 CAD의 예측에 대한 AUC 및 정확도의 추정값은 모든 환자들을 '위험이 있는 것'으로서 할당하는 것보다 성능이 우수하지 않음을 나타내고, 이에 의해 원 CAD에 대한 검증 세트(검증-원 CAD + 검증-대조군)의 예측 중 62%가 정확하고, 모든 CAD에 대한 검증 세트(검증-원 CAD + 검증-Revasc. CAD + 검증-대조군)의 예측 중 64%가 정확하다.
대사체학적 모델
I. 원 CAD에서의 죽상 경화증 -
Figure pct00089
a. 절식 & 비-절식 병합시 유의함 -
Figure pct00090
i. 측정된 481개의 분석물 중, 83개의 대사체학적 변수가
Figure pct00091
에 대해 공칭 단변량 연관성(원 p <0.05)을 나타내었다. 표 29는
Figure pct00092
에 대해 83개의 대사체학적 변수의 목록을 제공한다.
Figure pct00093
Figure pct00094
에 대한 공칭 단변량 연관성을 나타내는 83개의 대사체학적 변수 중, 8개의 대사체학적 변수의 패널이 최고의 예측 변수로서 선택되었고; 이들은 CAD에 대한 예측 모델에서 연령 및 성별과 결합되었다. 표 30은
Figure pct00095
의 대사체학적 모델에 대해, 연령 및 성별과 함께, 8개의 대사체학적 변수의 상대적인 영향을 제공한다. 도 35는
Figure pct00096
의 대사체학적 모델에 대한 ROC 곡선을 제공한다. 표 53은 예측된 확률 역치의 범위에 대한 민감도, 특이성, 양성 예측값(PPV) 및 음성 예측값(NPV)을 제공한다. 곡선 아래 면적(AUC) 및 정확도가 추정되었다.
Figure pct00097
b. 절식 및 비-절식시 독립적으로 유의함 -
Figure pct00098
i. 측정된 481개의 분석물 중, 4개의 대사체학적 변수가
Figure pct00099
에 대해 공칭 단변량 연관성(원 p<0.05)을 나타내었다. 표 31는
Figure pct00100
에 대해 4개의 대사체학적 변수의 목록을 제공한다.
Figure pct00101
Figure pct00102
에 대한 공칭 단변량 연관성을 나타내는 4개의 대사체학적 변수 중, 모든 4개의 대사체학적 변수의 패널이 최고의 예측 변수로서 선택되었고; 이들은 CAD에 대한 예측 모델에서 연령 및 성별과 결합되었다. 표 32은
Figure pct00103
의 대사체학적 모델에 대해, 연령 및 성별과 함께, 4개의 대사체학적 변수의 상대적인 영향을 제공한다. 도 36는
Figure pct00104
의 대사체학적 모델에 대한 ROC 곡선을 제공한다. 표 53은 예측된 확률 역치의 범위에 대한 민감도, 특이성, 양성 예측값(PPV) 및 음성 예측값(NPV)을 제공한다. 곡선 아래 면적(AUC) 및 정확도가 추정되었다.
Figure pct00105
c. 절식시 유의함 -
Figure pct00106
i. 측정된 481개의 분석물 중, 34개의 대사체학적 변수가
Figure pct00107
에 대해 공칭 단변량 연관성(원 p<0.05)을 나타내었다. 표 33는
Figure pct00108
에 대해 34개의 대사체학적 변수의 목록을 제공한다.
Figure pct00110
에 대한 공칭 단변량 연관성을 나타내는 34개의 대사체학적 변수 중, 8개의 대사체학적 변수의 패널이 최고의 예측 변수로서 선택되었고; 이들은 CAD에 대한 예측 모델에서 연령 및 성별과 결합되었다. 표 34은
Figure pct00111
의 대사체학적 모델에 대해, 연령 및 성별과 함께, 8개의 대사체학적 변수의 상대적인 영향을 제공한다. 도 37은
Figure pct00112
의 대사체학적 모델에 대한 ROC 곡선을 제공한다. 표 53은 예측된 확률 역치의 범위에 대한 민감도, 특이성, 양성 예측값(PPV) 및 음성 예측값(NPV)을 제공한다. 곡선 아래 면적(AUC) 및 정확도가 추정되었다.
Figure pct00113
II. 모든 CAD(혈관 재형성 포함)에서의 죽상 경화증 -
Figure pct00114
a. 절식 & 비-절식 병합시 유의함 -
Figure pct00115
i. 측정된 481개의 분석물 중, 92개의 대사체학적 변수가
Figure pct00116
에 대해 공칭 단변량 연관성(원 p<0.05)을 나타내었다. 표 41는
Figure pct00117
에 대해 92개의 대사체학적 변수의 목록을 제공한다.
[표 41]
Figure pct00118
Figure pct00119
에 대한 공칭 단변량 연관성을 나타내는 92개의 대사체학적 변수 중, 8개의 대사체학적 변수의 패널이 최고의 예측 변수로서 선택되었고; 이들은 CAD에 대한 예측 모델에서 연령 및 성별과 결합되었다. 표 36은
Figure pct00120
의 대사체학적 모델에 대해, 연령 및 성별과 함께, 8개의 대사체학적 변수의 상대적인 영향을 제공한다. 도 39은
Figure pct00121
의 대사체학적 모델에 대한 ROC 곡선을 제공한다. 표 54은 예측된 확률 역치의 범위에 대한 민감도, 특이성, 양성 예측값(PPV) 및 음성 예측값(NPV)을 제공한다. 곡선 아래 면적(AUC) 및 정확도가 추정되었다.
Figure pct00122
b. 절식 및 비-절식시 독립적으로 유의함 -
Figure pct00123
i. 측정된 481개의 분석물 중, 6개의 대사체학적 변수가
Figure pct00124
에 대해 공칭 단변량 연관성(원 p<0.05)을 나타내었다. 표 37는
Figure pct00125
에 대해 6개의 대사체학적 변수의 목록을 제공한다.
Figure pct00126
Figure pct00127
에 대한 공칭 단변량 연관성을 나타내는 6개의 대사체학적 변수 중, 모든 6개의 대사체학적 변수의 패널이 최고의 예측 변수로서 선택되었고; 이들은 CAD에 대한 예측 모델에서 연령 및 성별과 결합되었다. 표 38은
Figure pct00128
의 대사체학적 모델에 대해, 연령 및 성별과 함께, 6개의 대사체학적 변수의 상대적인 영향을 제공한다. 도 40은
Figure pct00129
의 대사체학적 모델에 대한 ROC 곡선을 제공한다. 표 54은 예측된 확률 역치의 범위에 대한 민감도, 특이성, 양성 예측값(PPV) 및 음성 예측값(NPV)을 제공한다. 곡선 아래 면적(AUC) 및 정확도가 추정되었다.
Figure pct00130
c. 절식시 유의함 -
Figure pct00131
i. 측정된 481개의 분석물 중, 48개의 대사체학적 변수가
Figure pct00132
에 대해 공칭 단변량 연관성(원 p<0.05)을 나타내었다. 표 39는
Figure pct00133
에 대해 48개의 대사체학적 변수의 목록을 제공한다.
Figure pct00134
Figure pct00135
에 대한 공칭 단변량 연관성을 나타내는 48개의 대사체학적 변수 중, 7개의 대사체학적 변수의 패널이 최고의 예측 변수로서 선택되었고; 이들은 CAD에 대한 예측 모델에서 연령 및 성별과 결합되었다. 표 40은
Figure pct00136
의 대사체학적 모델에 대해, 연령 및 성별과 함께, 7개의 대사체학적 변수의 상대적인 영향을 제공한다. 도 41은
Figure pct00137
의 대사체학적 모델에 대한 ROC 곡선을 제공한다. 표 54은 예측된 확률 역치의 범위에 대한 민감도, 특이성, 양성 예측값(PPV) 및 음성 예측값(NPV)을 제공한다. 곡선 아래 면적(AUC) 및 정확도가 추정되었다.
Figure pct00138
III. 원 CAD에서의 50% 협착증 -
Figure pct00139
a. 절식 & 비-절식 병합시 유의함 -
Figure pct00140
i. 측정된 481개의 분석물 중, 49개의 대사체학적 변수가
Figure pct00141
에 대해 공칭 단변량 연관성(원 p<0.05)을 나타내었다. 표 41는
Figure pct00142
에 대해 49개의 대사체학적 변수의 목록을 제공한다.
Figure pct00143
Figure pct00144
에 대한 공칭 단변량 연관성을 나타내는 49개의 대사체학적 변수 중, 8개의 대사체학적 변수의 패널이 최고의 예측 변수로서 선택되었고; 이들은 CAD에 대한 예측 모델에서 연령 및 성별과 결합되었다. 표 42은
Figure pct00145
의 대사체학적 모델에 대해, 연령 및 성별과 함께, 8개의 대사체학적 변수의 상대적인 영향을 제공한다. 도 43은
Figure pct00146
의 대사체학적 모델에 대한 ROC 곡선을 제공한다. 표 55는 예측된 확률 역치의 범위에 대한 민감도, 특이성, 양성 예측값(PPV) 및 음성 예측값(NPV)을 제공한다. 곡선 아래 면적(AUC) 및 정확도가 추정되었다.
Figure pct00147
b. 절식 및 비-절식시 독립적으로 유의함 -
Figure pct00148
i. 측정된 481개의 분석물 중, 2개의 대사체학적 변수가
Figure pct00149
에 대해 공칭 단변량 연관성(원 p<0.05)을 나타내었다. 표 43는
Figure pct00150
에 대해 2개의 대사체학적 변수의 목록을 제공한다.
Figure pct00151
Figure pct00152
에 대한 공칭 단변량 연관성을 나타내는 2개의 대사체학적 변수 중, 둘 모두의 대사체학적 변수의 패널이 최고의 예측 변수로서 선택되었고; 이들은 CAD에 대한 예측 모델에서 연령 및 성별과 결합되었다. 표 44은
Figure pct00153
의 대사체학적 모델에 대해, 연령 및 성별과 함께, 2개의 대사체학적 변수의 상대적인 영향을 제공한다. 도 44는
Figure pct00154
의 대사체학적 모델에 대한 ROC 곡선을 제공한다. 표 55는 예측된 확률 역치의 범위에 대한 민감도, 특이성, 양성 예측값(PPV) 및 음성 예측값(NPV)을 제공한다. 곡선 아래 면적(AUC) 및 정확도가 추정되었다.
Figure pct00155
c. 절식시 유의함 -
Figure pct00156
i. 측정된 481개의 분석물 중, 28개의 대사체학적 변수가
Figure pct00157
에 대해 공칭 단변량 연관성(원 p<0.05)을 나타내었다. 표 45는
Figure pct00158
에 대해 2개의 대사체학적 변수의 목록을 제공한다.
Figure pct00159
Figure pct00160
에 대한 공칭 단변량 연관성을 나타내는 28개의 대사체학적 변수 중, 8개의 대사체학적 변수의 패널이 최고의 예측 변수로서 선택되었고; 이들은 CAD에 대한 예측 모델에서 연령 및 성별과 결합되었다. 표 46은
Figure pct00161
의 대사체학적 모델에 대해, 연령 및 성별과 함께, 8개의 대사체학적 변수의 상대적인 영향을 제공한다. 도 45는
Figure pct00162
의 대사체학적 모델에 대한 ROC 곡선을 제공한다. 표 55는 예측된 확률 역치의 범위에 대한 민감도, 특이성, 양성 예측값(PPV) 및 음성 예측값(NPV)을 제공한다. 곡선 아래 면적(AUC) 및 정확도가 추정되었다.
Figure pct00163
IV. 모든 CAD(혈관 재형성 포함)에서의 50% 협착증 -
Figure pct00164
a. 절식 & 비-절식 병합시 유의함 -
Figure pct00165
i. 측정된 481개의 분석물 중, 72개의 대사체학적 변수가
Figure pct00166
에 대해 공칭 단변량 연관성(원 p<0.05)을 나타내었다. 표 47는
Figure pct00167
에 대해 72개의 대사체학적 변수의 목록을 제공한다.
Figure pct00168
Figure pct00169
에 대한 공칭 단변량 연관성을 나타내는 72개의 대사체학적 변수 중, 8개의 대사체학적 변수의 패널이 최고의 예측 변수로서 선택되었고; 이들은 CAD에 대한 예측 모델에서 연령 및 성별과 결합되었다. 표 48은
Figure pct00170
의 대사체학적 모델에 대해, 연령 및 성별과 함께, 8개의 대사체학적 변수의 상대적인 영향을 제공한다. 도 47은
Figure pct00171
의 대사체학적 모델에 대한 ROC 곡선을 제공한다. 표 56은 예측된 확률 역치의 범위에 대한 민감도, 특이성, 양성 예측값(PPV) 및 음성 예측값(NPV)을 제공한다. 곡선 아래 면적(AUC) 및 정확도가 추정되었다.
Figure pct00172
b. 절식 및 비-절식시 독립적으로 유의함 -
Figure pct00173
i. 측정된 481개의 분석물 중, 5개의 대사체학적 변수가
Figure pct00174
에 대해 공칭 단변량 연관성(원 p<0.05)을 나타내었다. 표 49는
Figure pct00175
에 대해 5개의 대사체학적 변수의 목록을 제공한다.
Figure pct00176
Figure pct00177
에 대한 공칭 단변량 연관성을 나타내는 5개의 대사체학적 변수 중, 모든 5개의 대사체학적 변수의 패널이 최고의 예측 변수로서 선택되었고; 이들은 CAD에 대한 예측 모델에서 연령 및 성별과 결합되었다. 표 50은
Figure pct00178
의 대사체학적 모델에 대해, 연령 및 성별과 함께, 5개의 대사체학적 변수의 상대적인 영향을 제공한다. 도 48은
Figure pct00179
의 대사체학적 모델에 대한 ROC 곡선을 제공한다. 표 56은 예측된 확률 역치의 범위에 대한 민감도, 특이성, 양성 예측값(PPV) 및 음성 예측값(NPV)을 제공한다. 곡선 아래 면적(AUC) 및 정확도가 추정되었다.
Figure pct00180
c. 절식시 유의한 분석물 -
Figure pct00181
.
i. 측정된 481개의 분석물 중, 40개의 대사체학적 변수가
Figure pct00182
에 대해 공칭 단변량 연관성(원 p<0.05)을 나타내었다. 표 51는
Figure pct00183
에 대해 5개의 대사체학적 변수의 목록을 제공한다.
Figure pct00184
Figure pct00185
에 대한 공칭 단변량 연관성을 나타내는 40개의 대사체학적 변수 중, 모든 8개의 대사체학적 변수의 패널이 최고의 예측 변수로서 선택되었고; 이들은 CAD에 대한 예측 모델에서 연령 및 성별과 결합되었다. 표 52은
Figure pct00186
의 대사체학적 모델에 대해, 연령 및 성별과 함께, 8개의 대사체학적 변수의 상대적인 영향을 제공한다. 도 49는
Figure pct00187
의 대사체학적 모델에 대한 ROC 곡선을 제공한다. 표 56은 예측된 확률 역치의 범위에 대한 민감도, 특이성, 양성 예측값(PPV) 및 음성 예측값(NPV)을 제공한다. 곡선 아래 면적(AUC) 및 정확도가 추정되었다.
Figure pct00188
이하 각각의 모델에 대해, 예측된 확률 역치의 범위에 대해 민감도, 특이성, 양성 예측값(PPV) 및 음성 예측값(NPV)이 계산되었다(표 53, 54, 55, 56). 민감도를 (1-특이성)의 함수로서 플롯팅하도록 수신자 조작 특성(ROC: Receiver Operating Characteristic) 곡선을 생성하였다. 최적 분류 역치는 정확한 예측의 비율로서 정의된 정확도에 기초하여 결정되었다. 또한, 곡선 아래 면적(AUC)이 추정되었다(원 CAD, 모든 CAD, 원 CAD에서의 50% 협착증, 모든 CAD에서의 50% 협착증에 대해 각각 표 53, 54, 55, 56). 각 모델의 제 1 행은 최대 정확도 역치의 성능, 민감도와 특이성 사이의 최적의 발란스를 표시한다. 제 2 행을 가진 모델은 높은 음성 예측값(NPV)에 최적화되었다.
Figure pct00189
Figure pct00190
Figure pct00191
Figure pct00192
다른 실시형태들
본 발명은 그 상세한 설명과 관련하여 설명되었지만, 상기 설명은 예시를 의도한 것이고 첨부된 청구항의 범위에 의해 정의되는 본 발명의 범위를 제한하는 것은 아니다. 다른 양상, 이점 및 수정은 다음의 청구범위의 범위 내에 있다.

Claims (25)

  1. 사람 대상체를 죽상 경화성 관상 동맥 질환(ASCAD)을 갖거나 관상 죽상 경화성 플라크를 갖는지에 대해 평가하기 위한 방법으로서, 상기 방법은:
    대상체로부터 수득된 생물학적 샘플 중의 분석물 바이오마커의 패널 내의 각각의 분석물의 수준을 측정하는 단계[여기서, 분석물 바이오마커의 상기 패널은:
    (i) 발릴류신, 글루타메이트, 아시소가(acisoga), 우레이트, 글루쿠로네이트, 퓨코스, 부티릴카르니틴(C4) 및 만노스를 포함하는 바이오마커들의 패널;
    (ii) 아시소가, 오.크레졸.설페이트, 트레오네이트 및 시스테인.글루타티온.디설파이드를 포함하는 바이오마커들의 패널;
    (iii) 엔.아세틸페닐알라닌, 엔.아세틸류신, 발릴류신, 크실리톨, 2.하이드록시히푸레이트(살리실우레이트), 글리실페닐알라닌, 세릴류신 및 퓨코스를 포함하는 바이오마커들의 패널;
    (iv) 글루타메이트, 아시소가, 발릴류신, 만노스, 글루쿠로네이트, 우레이트, 발레릴카르니틴(C5) 및 12.HETE를 포함하는 바이오마커들의 패널;
    (v) 오.크레졸.설페이트, 아시소가, 시스테인.글루타티온.디설파이드, 글루코스, 1.노나데카노일글리세로포스포콜린(19:0) 및 트레오네이트를 포함하는 바이오마커들의 패널;
    (vi) 엔.아세틸페닐알라닌, 엔.아세틸류신, 글리실페닐알라닌, 발릴류신, 크실리톨, 12.HETE 및 2.하이드록시히푸레이트(살리실우레이트)를 포함하는 바이오마커들의 패널;
    (vii) 엔.아세틸트레오닌, 티글로일글리신, 글리세레이트, 발레릴카르니틴(C5), 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 살리실레이트 및 타르트로네이트(하이드록시말로네이트화됨)를 포함하는 바이오마커들의 패널;
    (viii) 엔.아세틸글리신 및 3.에틸페닐설페이트를 포함하는 바이오마커들의 패널;
    (viv) 세로토닌(5HT), 엔.아세틸푸트레신, 류실류신, 프로피오닐글리신(C3), 콜레이트, 글리코콜레네이트.설페이트, 아스파라긴 및 3.에틸페닐설페이트를 포함하는 바이오마커들의 패널;
    (x) 아시소가, 만노스, 발레릴카르니틴(C5), 1.리놀레오일.GPE(18.2), 글리코우르소데옥시콜레이트, 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트) 및 살리실레이트를 포함하는 바이오마커들의 패널;
    (xi) 엔.아세틸글리신, 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 3.에틸페닐설페이트 및 살리실레이트를 포함하는 바이오마커들의 패널;
    (xii) 아스파라긴, 타우린, 아시소가, 1.올레오일글리세롤(18:1), 콜레스테롤, 2.하이드록시히푸레이트(살리실우레이트), 6.옥소피페리딘.2.카르복실산 및 프로피오닐글리신(C3)을 포함하는 바이오마커들의 패널
    로 이루어진 그룹으로부터 선택된다];
    상기 생물학적 샘플 중의 분석물의 측정된 수준을 하나 이상의 참조 샘플과 비교하는 단계[여기서, 상기 표준은 매칭된 사람 대상체를 대표한다]; 및
    상기 생물학적 샘플 중의 상기 분석물의 측정된 수준이 상기 참조 샘플 중의 분석물의 양에 비하여 증가하거나 감소된 경우, 죽상 경화성 관상 동맥 질환을 갖거나 관상 죽상 경화성 플라크를 갖는 것으로 상기 대상체를 동정하는 단계
    를 포함하는, 사람 대상체를 죽상 경화성 관상 동맥 질환(ASCAD)을 갖거나 관상 죽상 경화성 플라크를 갖는지에 대해 평가하기 위한 방법.
  2. 제1항에 있어서, 죽상 경화성 관상 동맥 질환을 갖는 것으로 또는 관상 죽상 경화성 플라크를 갖는 것으로 동정된 대상체에 대한 비-침습적 심혈관 평가를 완료하여 상기 대상체가 죽상 경화성 관상 동맥 질환 또는 관상 죽상 경화성 플라크를 갖거나 또는 갖지 않음을 확인하도록 보건 전문가에게 지시하는 단계를 추가로 포함하는, 방법.
  3. 제1항에 있어서, 죽상 경화성 관상 동맥 질환을 갖는 것으로 또는 관상 죽상 경화성 플라크를 갖는 것으로 동정된 대상체에 대한 비-침습적 심혈관 평가를 수행하여 상기 대상체가 죽상 경화성 관상 동맥 질환 또는 관상 죽상 경화성 플라크를 갖거나 또는 갖지 않음을 확인하는 단계를 추가로 포함하는, 방법.
  4. 제2항 또는 제3항에 있어서, 비-침습적 심혈관 평가를 수행함이 심혈관 컴퓨터 단층촬영(CT) 영상화, 운동 부하 시험(exercise stress test), 약리 부하 시험, 심근 관류 영상화, 부하 심장 초음파, 및 심혈관 자기 공명 영상화로 이루어진 그룹으로부터 선택되는 절차를 수행함을 포함하는, 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서, 죽상 경화성 관상 동맥 질환을 갖는 것으로 또는 관상 죽상 경화성 플라크를 갖는 것으로 동정된 대상체를 치료하기 위해 상기 대상체에게 스타틴, 콜레스테롤 흡수 억제제, 니아신-유도체, 오메가-3-지방산 화합물, 담즙산 격리제(bile acid sequestrant), 항-혈소판 제제, 알도스테론 차단제, 안지오텐신-전환 효소(ACE) 억제제, 안지오텐신-수용체 차단제(ARB), 베타 차단제, 이뇨제, 디기탈리스(digitalis), 하이드랄라진 및 니트레이트, 와파린, 및 아스피린으로 이루어진 그룹으로부터 선택되는 치료학적 제제의 유효량을 포함하는 조성물을 선택적으로 투여하는 단계를 추가로 포함하는, 방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서, 죽상 경화성 관상 동맥 질환을 갖는 것으로 또는 관상 동맥 경화성 플라크를 갖는 것으로 동정된 대상체를 치료하기 위해 상기 대상체에 대한 치료 계획을 선택하는 단계를 추가로 포함하는, 방법.
  7. 제6항에 있어서, 상기 치료 계획이, 스타틴, 콜레스테롤 흡수 억제제, 니아신-유도체, 오메가-3-지방산 화합물, 담즙산 격리제, 항-혈소판 제제, 알도스테론 차단제, 안지오텐신-전환 효소(ACE) 억제제, 안지오텐신-수용체 차단제(ARB), 베타 차단제, 이뇨제, 디기탈리스, 하이드랄라진 및 니트레이트, 와파린, 및 아스피린으로 이루어진 그룹으로부터 선택되는 치료학적 제제의 유효량을 포함하는 조성물을 선택적으로 투여하는 단계를 포함하는, 방법.
  8. 제1항 내지 제7항 중 어느 한 항에 있어서, 상기 수준이 질량 분광측정(MS) 분석을 이용하여 측정되는, 방법.
  9. 제8항에 있어서, 상기 MS 분석이 액체 크로마토그래피-이중(tandem) 질량 분광측정(UPLC-MS/MS) 또는 기체 크로마토그래피-질량 분광측정(GC-MS)을 포함하는, 방법.
  10. 제1항 내지 제9항 중 어느 한 항에 있어서, 상기 CAD가 죽상 경화증을 포함하는, 방법.
  11. 제1항 내지 제10항 중 어느 한 항에 있어서, 상기 생물학적 샘플이 혈액 샘플, 혈청 샘플 또는 혈장 샘플인, 방법.
  12. 제1항 내지 제11항 중 어느 한 항에 있어서, 상기 대상체가 흉통, 협심증, 협심증 등가 증상, 호흡곤란, 또는 운동시 호흡곤란을 포함하는 죽상 경화성 CAD의 증상을 나타내는, 방법.
  13. 제1항 내지 제12항 중 어느 한 항에 있어서, 상기 대상체가 남성 성(male gender), 고혈압, 이상지질혈증, 당뇨병, 및 관상 동맥 질환의 가족력으로 이루어진 그룹으로부터 선택되는 관상 동맥 질환과 관련된 위험 인자들을 나타내는, 방법.
  14. 제1항 내지 제11항 중 어느 한 항에 있어서, 상기 대상체가 관상 동맥 질환의 이전 병력을 갖지 않는, 방법.
  15. 제1항 내지 제14항 중 어느 한 항에 있어서, 상기 참조 샘플이 심혈관 질환을 앓지 않는 적어도 하나의 개체로부터 얻어지는, 방법.
  16. 제1항 내지 제14항 중 어느 한 항에 있어서, 상기 참조 샘플이 소정의 통계학적으로 유의한 참조 분석물 수준을 포함하는, 방법.
  17. 제1항 내지 제16항 중 어느 한 항에 있어서, 상기 측정 단계가 그래디언트 부스팅 알고리즘(gradient boosting algorithm), 판단 트리 모델(decision tree model)과 같은 다변량 방법들 중 하나를 이용하여, 또는 기타 일반화된 선형 회귀 분석에 의해 수행되는, 방법.
  18. 제1항 내지 제17항 중 어느 한 항에 있어서, 상기 대상체의 임상학적 기록을 변형하여 죽상 경화성 관상 동맥 질환을 갖는 것으로 또는 관상 죽상 경화성 플라크를 갖는 것으로 상기 대상체를 동정하는 단계를 추가로 포함하는, 방법.
  19. 제18항에 있어서, 상기 임상학적 기록이 컴퓨터 판독가능한 매체에 저장되는, 방법.
  20. 제1항 내지 제19항 중 어느 한 항에 있어서, 치료를 위해 죽상 경화성 관상 동맥 질환을 갖는 것으로 또는 관상 죽상 경화성 플라크를 갖는 것으로 동정된 대상체를 선택하는 단계를 추가로 포함하고, 여기서, 상기 치료는 죽상 경화성 관상 동맥 질환을 갖는 것으로 또는 관상 죽상 경화성 플라크를 갖는 것으로 동정된 대상체에게 스타틴, 콜레스테롤 흡수 억제제, 니아신-유도체, 오메가-3-지방산 화합물, 담즙산 격리제, 항-혈소판 제제, 알도스테론 차단제, 안지오텐신-전환 효소(ACE) 억제제, 안지오텐신-수용체 차단제(ARB), 베타 차단제, 이뇨제, 디기탈리스, 하이드랄라진 및 니트레이트, 와파린, 및 아스피린으로 이루어진 그룹으로부터 선택되는 치료학적 제제의 유효량을 포함하는 조성물을 선택적으로 투여함을 포함하여 상기 대상체를 치료하는, 방법.
  21. 제1항 내지 제19항 중 어느 한 항에 있어서, 치료를 위해 죽상 경화성 관상 동맥 질환을 갖는 것으로 또는 관상 죽상 경화성 플라크를 갖는 것으로 동정된 대상체를 선택하는 단계를 추가로 포함하고, 여기서, 상기 치료는 죽상 경화성 관상 동맥 질환을 갖는 것으로 또는 관상 죽상 경화성 플라크를 갖는 것으로 동정된 대상체에 대한 비-침습적 심혈관 평가를 수행하여 상기 대상체가 죽상 경화성 관상 동맥 질환 또는 관상 죽상 경화성 플라크를 갖거나 또는 갖지 않음을 확인하는, 방법.
  22. 제6항에 있어서, 상기 치료 계획이 치료학적 생활습관 변화를 처방함을 포함하는, 방법.
  23. 제6항에 있어서, 상기 치료 계획이 심혈관 컴퓨터 단층촬영(CT) 영상화, 운동 부하 시험, 약리 부하 시험, 심근 관류 영상화, 부하 심장 초음파, 및 심혈관 자기 공명 영상화로 이루어진 그룹으로부터 선택되는 절차를 수행함을 포함하는, 방법.
  24. 제1항 내지 제23항 중 어느 한 항에 있어서, 상기 비교 단계가 대상체 연령 및/또는 성별의 분석을 포함하는, 방법.
  25. 사람 대상체를 죽상 경화성 관상 동맥 질환(ASCAD)을 갖거나 관상 죽상 경화성 플라크를 갖는지에 대해 평가하기 위한 키트로서, 상기 키트는:
    시험 샘플 중의 복수의 분석물 수준을 측정하기에 적합한 시약[여기서, 상기 복수의 분석물은:
    (i) 발릴류신, 글루타메이트, 아시소가, 우레이트, 글루쿠로네이트, 퓨코스, 부티릴카르니틴(C4) 및 만노스를 포함하는 바이오마커들의 패널;
    (ii) 아시소가, 오.크레졸.설페이트, 트레오네이트 및 시스테인.글루타티온.디설파이드를 포함하는 바이오마커들의 패널;
    (iii) 엔.아세틸페닐알라닌, 엔.아세틸류신, 발릴류신, 크실리톨, 2.하이드록시히푸레이트(살리실우레이트), 글리실페닐알라닌, 세릴류신 및 퓨코스를 포함하는 바이오마커들의 패널;
    (iv) 글루타메이트, 아시소가, 발릴류신, 만노스, 글루쿠로네이트, 우레이트, 발레릴카르니틴(C5) 및 12.HETE를 포함하는 바이오마커들의 패널;
    (v) 오.크레졸.설페이트, 아시소가, 시스테인.글루타티온.디설파이드, 글루코스, 1.노나데카노일글리세로포스포콜린(19:0) 및 트레오네이트를 포함하는 바이오마커들의 패널;
    (vi) 엔.아세틸페닐알라닌, 엔.아세틸류신, 글리실페닐알라닌, 발릴류신, 크실리톨, 12.HETE 및 2.하이드록시히푸레이트(살리실우레이트)를 포함하는 바이오마커들의 패널;
    (vii) 엔.아세틸트레오닌, 티글로일글리신, 글리세레이트, 발레릴카르니틴(C5), 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 살리실레이트 및 타르트로네이트(하이드록시말로네이트화됨)를 포함하는 바이오마커들의 패널;
    (viii) 엔.아세틸글리신 및 3.에틸페닐설페이트를 포함하는 바이오마커들의 패널;
    (viv) 세로토닌(5HT), 엔.아세틸푸트레신, 류실류신, 프로피오닐글리신(C3), 콜레이트, 글리코콜레네이트.설페이트, 아스파라긴 및 3.에틸페닐설페이트를 포함하는 바이오마커들의 패널;
    (x) 아시소가, 만노스, 발레릴카르니틴(C5), 1.리놀레오일.GPE(18.2), 글리코우르소데옥시콜레이트, 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트) 및 살리실레이트를 포함하는 바이오마커들의 패널;
    (xi) 엔.아세틸글리신, 트레오네이트, 2.하이드록시히푸레이트(살리실우레이트), 3.에틸페닐설페이트 및 살리실레이트를 포함하는 바이오마커들의 패널;
    (xii) 아스파라긴, 타우린, 아시소가, 1.올레오일글리세롤(18:1), 콜레스테롤, 2.하이드록시히푸레이트(살리실우레이트), 6.옥소피페리딘.2.카르복실산 및 프로피오닐글리신(C3)을 포함하는 바이오마커들의 패널
    을 포함한다];
    임의로, 소정 수준의 동일한 분석물을 포함하는 하나 이상의 대조군 샘플[여기서, 시험 샘플 중의 상기 분석물의 수준의 상기 대조군 샘플 중의 수준과의 비교는 대상체를 죽상 경화성 관상 동맥 질환을 갖는 것으로 또는 관상 죽상 경화성 플라크를 갖는 것으로 동정한다]; 및
    제1항 내지 제24항 중 어느 한 항의 방법에서 상기 키트를 사용하기 위한 지침서
    를 포함하는, 키트.
KR1020177022311A 2015-01-09 2016-01-08 죽상 경화성 관상 동맥 질환을 진단하기 위한 혈액 기반 바이오마커 KR20170102983A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562101445P 2015-01-09 2015-01-09
US62/101,445 2015-01-09
PCT/US2016/012725 WO2016112337A1 (en) 2015-01-09 2016-01-08 Blood based biomarkers for diagnosing atherosclerotic coronary artery disease

Publications (1)

Publication Number Publication Date
KR20170102983A true KR20170102983A (ko) 2017-09-12

Family

ID=56356500

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020177022311A KR20170102983A (ko) 2015-01-09 2016-01-08 죽상 경화성 관상 동맥 질환을 진단하기 위한 혈액 기반 바이오마커

Country Status (12)

Country Link
US (2) US10254272B2 (ko)
EP (3) EP3650852B1 (ko)
KR (1) KR20170102983A (ko)
CN (2) CN107427221B (ko)
CA (1) CA2973116C (ko)
HU (2) HUE047951T2 (ko)
IL (1) IL253179A0 (ko)
MX (1) MX2017008904A (ko)
SG (1) SG11201705444QA (ko)
TW (2) TWI610079B (ko)
WO (1) WO2016112337A1 (ko)
ZA (1) ZA201705032B (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102177280B1 (ko) * 2019-05-09 2020-11-10 고려대학교 세종산학협력단 호모시스테인 설핀산 또는 시스테인산을 포함하는 급성심근경색 진단용 바이오마커 조성물

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG11201705444QA (en) * 2015-01-09 2017-07-28 Global Genomics Group Llc Blood based biomarkers for diagnosing atherosclerotic coronary artery disease
JOP20190112A1 (ar) * 2016-11-14 2019-05-14 Amgen Inc علاجات مدمجة لتصلب الشرايين، شاملة مرض قلبي وعائي تصلبي
CN107491656B (zh) * 2017-09-04 2020-01-14 北京航空航天大学 一种基于相对危险度决策树模型的妊娠结局影响因子评估方法
US11513131B2 (en) * 2018-01-22 2022-11-29 Global Genomics Group, LLC Low density lipoprotein triglycerides (LDL-TG) as a biomarker of cardiovascular disease and uses thereof
US20210059551A1 (en) * 2018-03-09 2021-03-04 Beth Israel Deaconess Medical Center, High throughput ecg heterogeneity assessment to determine presence of coronary artery stenosis
EP3779451A4 (en) * 2018-03-29 2022-01-12 Keio University MARKER FOR DETERMINING THE SENSITIVITY OF THERAPY WITH AN ANTICANCER AGENT CONTAINING IRINOTECAN
US11036779B2 (en) * 2018-04-23 2021-06-15 Verso Biosciences, Inc. Data analytics systems and methods
CN109060977B (zh) * 2018-07-13 2024-07-02 深圳市绘云生物科技有限公司 用于肝纤维化和肝硬化诊断的生物标志物和试剂盒及使用方法
CN109164183A (zh) * 2018-09-29 2019-01-08 中国检验检疫科学研究院 肝脏损伤相关差异性内源性标志物及其筛选方法和应用
CN110487922B (zh) * 2018-12-17 2022-09-27 广西中烟工业有限责任公司 一种烟叶中苏糖酸和苏糖酸酯的gc-ms分析方法
EP3935581A4 (en) 2019-03-04 2022-11-30 Iocurrents, Inc. DATA COMPRESSION AND COMMUNICATION USING MACHINE LEARNING
CN111505131B (zh) * 2020-01-02 2023-03-31 东莞东华医院有限公司 基于血清代谢组学改变建立的预测冠心病斑块不稳定性临床模型
CN111983160B (zh) * 2020-08-14 2022-08-09 中元伯瑞生物科技(珠海横琴)有限公司 神经酸在治疗脑卒中药物中的应用
WO2022155555A1 (en) * 2021-01-15 2022-07-21 My Lua Llc Systems and methods for deriving health indicators from user-generated content
CN113484453B (zh) * 2021-07-07 2022-08-09 天津中医药大学 一种缺血性脑卒中预警方法
CN114324641A (zh) * 2021-12-22 2022-04-12 山东英盛生物技术有限公司 一种冠心病代谢标志物及在诊断、预后方面的应用
CN114324662B (zh) * 2021-12-30 2022-09-16 中南大学 用于诊断或预防糖尿病的血清生物标志物的应用
CN114705782B (zh) * 2022-04-07 2023-12-01 中国人民解放军总医院第一医学中心 用于诊断或监测结直肠癌的血浆代谢标志物组合及应用
CN117110627B (zh) * 2023-10-18 2024-01-09 天津云检医学检验所有限公司 用于新生儿干血斑先天性心脏病及其亚型评估的标志物
CN117405870B (zh) * 2023-12-15 2024-03-19 北京市心肺血管疾病研究所 基于血清脂质代谢物构建冠心病患者不稳定斑块表型的预测模型
CN118010893A (zh) * 2024-04-09 2024-05-10 北京市心肺血管疾病研究所 类花生酸在用于评估急性冠脉综合征患者血运重建术后发生不良心血管事件风险中的应用

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3806694B2 (ja) 2001-05-04 2006-08-09 バイオサイト インコーポレイテッド 急性冠状動脈症候群の診断マーカーおよびその使用方法
CN1882327A (zh) * 2003-11-19 2006-12-20 症变治疗公司 含磷的新的拟甲状腺素药
WO2008118413A2 (en) 2007-03-26 2008-10-02 Bg Medicine, Inc. Methods for detecting coronary artery disease
CA2692457A1 (en) * 2007-07-03 2009-01-08 Joslin Diabetes Center, Inc. Treatment of cardiovascular disease with salicylates
MX2010000414A (es) * 2007-07-17 2010-04-01 Metabolon Inc Biomarcadores para prediabetes, enfermedades cardiovasculares y otros trastornos relacionados con sindrome metabolico, y metodos de uso de los mismos.
BR112012002333A2 (pt) * 2009-08-06 2017-07-18 Neuraltus Pharmaceuticals Inc método de reduzir os efeitos colaterais e método de potencializar o efeito de um imunomodulador administrado a um sujeito que dele necessita; métodos para tratar doença associada com excesso de ativação de monócitos para macrófagos ativados, diabetes tipo ii ou complicações relacionadas, doença associada com a migração de monócitos ou macrófagos ativados, doença associada a excesso de produção de scd14 e/ou scd163 por macrófagos ativados; composto de cloreto de sódio; composição farmacêutica; método para diagnosticar uma doença relacionada com macrófagos em um sujeito; e método para determinar a eficácia do tratamento com um agente oxidante para uma doença relacionada a macrófagos em um sujeito.
ES2536712T3 (es) 2009-11-27 2015-05-27 Baker Idi Heart And Diabetes Institute Holdings Ltd Biomarcadores lipidómicos para la enfermedad cardiaca estable e inestable
JP5808349B2 (ja) * 2010-03-01 2015-11-10 カリス ライフ サイエンシズ スウィッツァーランド ホールディングスゲーエムベーハー セラノーシスのためのバイオマーカー
DK2385374T4 (en) 2010-05-05 2018-04-30 Zora Biosciences Oy LIPIDOMICS BIOMARKERS FOR ATHEROSCLEROSIS AND CARDIOVASCULAR DISEASE
DK2596010T3 (en) * 2010-07-19 2017-07-31 Otago Innovation Ltd SIGNAL biomarkers
AU2013201303C1 (en) * 2011-10-06 2016-06-23 MiRagen Therapeutics, Inc. Control of whole body energy homeostasis by microRNA regulation
WO2014135696A1 (en) * 2013-03-08 2014-09-12 Zora Biosciences Oy Non-high density lipoprotein derived cvd markers
EP2997366B1 (en) * 2013-05-14 2018-10-10 Metabolon, Inc. Biomarkers related to kidney function and methods using the same
EP3129909B1 (en) * 2014-04-08 2020-09-16 Metabolon, Inc. Small molecule biochemical profiling of individual subjects for disease diagnosis and health assessment
US9176113B1 (en) * 2014-04-11 2015-11-03 Synapdx Corporation Methods and systems for determining autism spectrum disorder risk
JP2017536543A (ja) * 2014-11-05 2017-12-07 メタボロン，インコーポレイテッド 遺伝的変異体の影響を決定するためのシステム、方法、および装置
SG11201705444QA (en) * 2015-01-09 2017-07-28 Global Genomics Group Llc Blood based biomarkers for diagnosing atherosclerotic coronary artery disease

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102177280B1 (ko) * 2019-05-09 2020-11-10 고려대학교 세종산학협력단 호모시스테인 설핀산 또는 시스테인산을 포함하는 급성심근경색 진단용 바이오마커 조성물
WO2020226309A1 (ko) * 2019-05-09 2020-11-12 고려대학교 세종산학협력단 호모시스테인 설핀산 또는 시스테인산을 포함하는 급성심근경색 진단용 바이오마커 조성물

Also Published As

Publication number Publication date
EP3242588A4 (en) 2018-10-17
CN113156096A (zh) 2021-07-23
EP3967217A1 (en) 2022-03-16
HUE056203T2 (hu) 2022-01-28
MX2017008904A (es) 2018-02-09
EP3650852A1 (en) 2020-05-13
US20190391131A1 (en) 2019-12-26
HUE047951T2 (hu) 2020-05-28
TW201802471A (zh) 2018-01-16
TW201725387A (zh) 2017-07-16
TWI690707B (zh) 2020-04-11
EP3242588A1 (en) 2017-11-15
WO2016112337A1 (en) 2016-07-14
CN107427221B (zh) 2021-03-09
TWI610079B (zh) 2018-01-01
CA2973116A1 (en) 2016-07-14
EP3650852B1 (en) 2021-08-18
US10254272B2 (en) 2019-04-09
CN107427221A (zh) 2017-12-01
CA2973116C (en) 2023-08-15
SG11201705444QA (en) 2017-07-28
IL253179A0 (en) 2017-08-31
US20160202239A1 (en) 2016-07-14
EP3242588B1 (en) 2019-10-16
ZA201705032B (en) 2019-09-25

Similar Documents

Publication Publication Date Title
CA2973116C (en) Blood based biomarkers for diagnosing atherosclerotic coronary artery disease
Poss et al. Machine learning reveals serum sphingolipids as cholesterol-independent biomarkers of coronary artery disease
Ruiz‐Canela et al. Comprehensive metabolomic profiling and incident cardiovascular disease: a systematic review
Barderas et al. Metabolomic profiling for identification of novel potential biomarkers in cardiovascular diseases
Kullo et al. Conditional risk factors for atherosclerosis
JP6873490B2 (ja) 糖尿病関連バイオマーカーおよび糖尿病関連状態の処置
Stoessel et al. Metabolomic profiles for primary progressive multiple sclerosis stratification and disease course monitoring
US9910047B2 (en) Biomarkers related to insulin resistance progression and methods using the same
Patterson et al. Improved experimental data processing for UHPLC–HRMS/MS lipidomics applied to nonalcoholic fatty liver disease
Dona et al. Translational and emerging clinical applications of metabolomics in cardiovascular disease diagnosis and treatment
CN108711451B (zh) 建立急性主动脉夹层诊断标准的方法
BRPI0815095B1 (pt) Método de classificação de um indivíduo de acordo com a tolerância à glicose predita em tolerância à glicose normal (ngt), tolerância à glicose de jejum prejudicada (ifg), ou tolerância à glicose prejudicada (igt), para diabetes tipo 2, método de determinação da suscetibilidade de um indivíduo a diabetes tipo 2 e método de monitoramento da progressão ou regressão do pré- diabetes em um indivíduo
US20150090010A1 (en) Method for diagnosing heart failure
Mundra et al. Lipidomic analyses in epidemiology
Zeleznik et al. Metabolomic analysis of 92 pulmonary embolism patients from a nested case–control study identifies metabolites associated with adverse clinical outcomes
Devi et al. Acyl ethanolamides in Diabetes and Diabetic Nephropathy: Novel targets from untargeted plasma metabolomic profiles of South Asian Indian men
Jung et al. Associations between metabolomic‐identified changes of biomarkers and arterial stiffness in subjects progressing to impaired fasting glucose
Vassalle et al. Relationship between cardiovascular disease and other chronic conditions
Ratter-Rieck et al. Omentin associates with serum metabolite profiles indicating lower diabetes risk: KORA F4 Study
US20240044826A1 (en) Metabolic vulnerability analyzed by nmr
Li et al. Plasma metabolomics and lipidomics signatures of motoric cognitive risk syndrome in community-dwelling older adults
Petersson Exploring metabolic and functional changes in stroke patients: insights from a urinary and blood-derived metabolomic study
Ampong Metabolic and metabolomics insights into dilated cardiomyopathy (DCM)
WO2024107924A2 (en) A blood-based lipid biomarker panel for personalized risk assessment of breast cancer
CN114324902A (zh) 胆固醇稳态的生物标志物及其应用