RU2747746C2 - Test-classifier of the clinical response to treatment with sorafenib in individual patients with kidney cancer - Google Patents
Test-classifier of the clinical response to treatment with sorafenib in individual patients with kidney cancer Download PDFInfo
- Publication number
- RU2747746C2 RU2747746C2 RU2019132020A RU2019132020A RU2747746C2 RU 2747746 C2 RU2747746 C2 RU 2747746C2 RU 2019132020 A RU2019132020 A RU 2019132020A RU 2019132020 A RU2019132020 A RU 2019132020A RU 2747746 C2 RU2747746 C2 RU 2747746C2
- Authority
- RU
- Russia
- Prior art keywords
- genes
- log10
- sorafenib
- gene
- threshold
- Prior art date
Links
Images
Classifications
-
- 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
- A61K31/395—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine or rifamycins
- A61K31/435—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine or rifamycins having six-membered rings with one nitrogen as the only ring hetero atom
- A61K31/44—Non condensed pyridines; Hydrogenated derivatives thereof
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
- A61P35/00—Antineoplastic agents
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6844—Nucleic acid amplification reactions
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6844—Nucleic acid amplification reactions
- C12Q1/686—Polymerase chain reaction [PCR]
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6869—Methods for sequencing
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
- C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
-
- G—PHYSICS
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Organic Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Genetics & Genomics (AREA)
- Biochemistry (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Microbiology (AREA)
- Pathology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Medicinal Chemistry (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Pharmacology & Pharmacy (AREA)
- General Physics & Mathematics (AREA)
- Hospice & Palliative Care (AREA)
- Oncology (AREA)
- Food Science & Technology (AREA)
- Epidemiology (AREA)
- Urology & Nephrology (AREA)
- Hematology (AREA)
- Biomedical Technology (AREA)
- General Chemical & Material Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
Description
Область техникиTechnology area
Предлагаемое техническое решение относится к тест-системам, имеющим применение в персонализированной медицине для диагностики онкологических заболеваний, а именно, при раке почки, и оценки эффективности терапии данного заболевания препаратом Сорафениб. Применение данного способа позволит выбрать для лечения пациента лекарственное средство на основании анализа объективных индивидуальных изменений, возникших в патологической ткани.The proposed technical solution relates to test systems that are used in personalized medicine for the diagnosis of oncological diseases, namely, in kidney cancer, and for evaluating the effectiveness of therapy for this disease with Sorafenib. The use of this method will make it possible to choose a drug for the treatment of a patient based on the analysis of objective individual changes that have arisen in the pathological tissue.
Уровень техникиState of the art
Имеется ограниченное число платформ, использующих отдельные виды широкомасштабного генетического профилирования для консультирования докторов и пациентов. Примером является система Caris Molecular Intelligence. Использование платформы Caris Molecular Intelligence основано на анализе ограниченного спектра мутаций с ранее показанной клинической значимостью, а также на профилировании биообразцов пациентов на иммуногистохимической панели определения белковых онкомаркеров. Тем не менее, указанная система не адаптирована для предсказания клинического ответа таргетного лекарственного препарата на основе Сорафениба и не предназначена для одновременной обработки мультиомиксных данных. Кроме того, по указанной теме до настоящего времени отсутствуют российские патенты (имеются только международные):There are a limited number of platforms using selected types of large-scale genetic profiling to advise doctors and patients. An example is the Caris Molecular Intelligence system. The use of the Caris Molecular Intelligence platform is based on analysis of a limited spectrum of mutations with previously shown clinical significance, as well as on the profiling of patient biosamples on an immunohistochemical panel for the determination of protein tumor markers. However, this system is not adapted to predict the clinical response of a targeted drug based on Sorafenib and is not intended for simultaneous processing of multi-mix data. In addition, there are still no Russian patents on this topic (there are only international ones):
1) США, US20110171633A1, 14 июля 2011г. «Метод оценки уровня экспрессии генов для прогнозирования клинического ответа у пациентов с раком почки». Патент предлагает ряд биомаркеров (наборы генов), анализ экспрессий которых позволяет делать клинические прогнозы, в том числе оценивать риск рецидива рака, вероятность положительного результата от операции или ответа на терапию. Авторы выявили корреляцию между уровнем экспрессии генов из различных представленных наборов с разными предсказываемыми параметрами, а именно, набор из 340 генов, экспрессия которых ассоциирована со сниженным риском рецидива заболевания, а набор, состоящий из 80 генов - с повышенным риском рецидива данного заболевания. Некоторые из разработанных наборов генов позволяют предсказывать пониженную и повышенную вероятность рецидива только с учетом анализа дополнительных факторов, таких как стадия опухоли, уровень злокачественности, размер, наличие некроза и прочее. 1) USA, US20110171633A1, July 14, 2011. "A method for assessing the level of gene expression for predicting clinical response in patients with kidney cancer." The patent offers a number of biomarkers (gene sets), the analysis of the expression of which allows making clinical predictions, including assessing the risk of cancer recurrence, the likelihood of a positive result from surgery or response to therapy. The authors found a correlation between the expression level of genes from various presented sets with different predicted parameters, namely, a set of 340 genes, the expression of which is associated with a reduced risk of disease recurrence, and a set of 80 genes, with an increased risk of a disease recurrence. Some of the developed sets of genes make it possible to predict a reduced and increased likelihood of recurrence only taking into account the analysis of additional factors, such as the stage of the tumor, the level of malignancy, size, presence of necrosis, etc.
2) США, US20160208328A1, 21 июля 2016г. «Применение генной подписи, предсказывающей ответ пациентов, страдающих различными формами онкозаболеваний, на лекарственную терапию с применением ингибиторов киназ, вовлеченными в (MEK)/ERK пути». Метод связан с возможностью предсказывать ответ при лечении онкобольных препаратами, являющимися ингибиторами тирозинкиназ, а именно: Сорафениб, Сунитиниб, Акситиниб, Вандетаниб, Пазопаниб, Кабозантиниб и др. Генетическая подпись в данном исследовании состояла из следующих генов: SEC14L2, H6PD, TMEM140, SLC2A5, ACTA1, IRF8, STAT2, UGT2A1. Указанные гены вошли в состав платформы под названием HuTrial / HuSignature.2) USA, US20160208328A1, July 21, 2016. "Application of a gene signature predicting the response of patients with various forms of cancer to drug therapy with kinase inhibitors involved in the (MEK) / ERK pathway." The method is associated with the ability to predict the response in the treatment of cancer patients with drugs that are inhibitors of tyrosine kinases, namely: Sorafenib, Sunitinib, Axitinib, Vandetanib, Pazopanib, Cabosantinib, etc. The genetic signature in this study consisted of the following genes: SEC14L2, H640PD, TMLC2 ACTA1, IRF8, STAT2, UGT2A1 . These genes were included in a platform called HuTrial / HuSignature.
В настоящее время ожидаемый клинический результат для пациентов с раком почки основан на субъективных определениях клинических и патологических особенностей опухоли. Например, врачи принимают решения о соответствующих хирургических процедурах и адъювантной терапии на основании стадии, класса и степени некроза почек. Стандартные клинические критерии сами по себе имеют ограниченную способность точно оценивать прогноз пациента. На сегодняшний день в клинической практике не существует эффективных способов прогнозирования эффективности действия существующих противоопухолевых препаратов для конкретного пациента, которые бы учитывали особенности молекулярного дисбаланса, образующегося при развитии конкретной опухоли. Как следствие, большинство пациентов получают стандартные препараты, выбор которых основан на клинических или морфологических параметрах, таких как стадия заболевания, размер опухоли, агрессивность развития заболевания и др., что зачастую приводит к тому, что пациенты не отвечают на терапию, и рост опухоли продолжается. Развитие персонализированного подхода к лечению раковых заболеваний исходя из молекулярных изменений в организме пациента является актуальной задачей, и данное изобретение призвано расширить круг подходов, применяющихся для решения этой задачи.Currently, the expected clinical outcome for patients with kidney cancer is based on subjective definitions of the clinical and pathological features of the tumor. For example, doctors make decisions about appropriate surgical procedures and adjuvant therapy based on the stage, grade, and degree of renal necrosis. Standard clinical criteria by themselves have a limited ability to accurately assess a patient's prognosis. To date, in clinical practice, there are no effective ways to predict the effectiveness of the action of existing anticancer drugs for a particular patient, which would take into account the peculiarities of the molecular imbalance formed during the development of a particular tumor. As a result, most patients receive standard drugs, the choice of which is based on clinical or morphological parameters, such as the stage of the disease, the size of the tumor, the aggressiveness of the development of the disease, etc., which often leads to the fact that patients do not respond to therapy, and the tumor continues to grow. ... The development of a personalized approach to the treatment of cancer based on molecular changes in the patient's body is an urgent task, and this invention is intended to expand the range of approaches used to solve this problem.
Сущность изобретенияThe essence of the invention
Техническая задача настоящего изобретения заключалась в разработке новых подходов к лечению рака почки у пациентов, в частности, при помощи классификатора, предсказывающего индивидуальный положительный или отрицательный клинический ответ на лечение препаратом Сорафениб при раке почки (карциномы почек) на основании профилирования экспрессии генов в ткани биоптата опухоли. Разработанный в данном изобретении классификатор использует в анализе изменения уровней экспрессии не менее 4 исследуемых генов для построения индивидуального прогноза клинической эффективности применения препарата Сорафениб у пациентов с раком почки. На основе определяемых уровней экспрессии генов, данный метод моделирует воздействие препарата Сорафениб и оценивает эффективность его воздействия на индивидуального пациента. The technical problem of the present invention was to develop new approaches to the treatment of kidney cancer in patients, in particular, using a classifier predicting an individual positive or negative clinical response to treatment with Sorafenib in kidney cancer (renal carcinoma) based on gene expression profiling in the tissue of a tumor biopsy ... The classifier developed in this invention uses in the analysis of changes in expression levels of at least 4 studied genes to build an individual prognosis of the clinical efficacy of Sorafenib in patients with kidney cancer. Based on the determined levels of gene expression, this method simulates the effects of Sorafenib and evaluates the effectiveness of its effects on the individual patient.
Указанная задача решается при помощи способа лечения карциномы почек у пациента, включающий введение сорафениба данному пациенту в том случае, когда данный пациент был определен, как реагирующий на сорафениб при помощи способа, который включает следующие стадии: (а) измеряют в образце карциномы почечной ткани, полученном от указанного пациента, уровни экспрессии не менее двух из десяти генов-мишеней сорафениба: BRAF, RAF1, FGFR1, FLT1, FLT3, FLT4, PDGFRB, KIT, KDR, RET, а также уровень экспрессии по меньшей мере двух из нормировочных генов, выбранных из списка (ACTB, RPL13A, RPL9, RPS29, ENO1, ENO2, H6PD, G6PD, KIF1B, KIF1A, NMNAT1, NMNAT2, NMNAT3, UBE4B, UBE4A, ACO1, ACO2, ACO3, KLHL9, KLHL13, PANK1, PANK3, KIF20B, KIF20A, RPL37A, GAPDH, RPL13, HPRT1, B2M, RPL38, UBA52, PSMC1, RPL4, RPL37, SLC25A3, CLTC, TXNL1, PSMA1, RPL8, MMADHC, PPP2CA, MRFAP1, POLR2C, PSMB2, DIABLO, VCP), при этом измерение уровней экспрессии производят при помощи одного из следующих приборов: прибор для секвенирования тотальной РНК, микрочип или прибор для обратной транскрипции и полимеразной цепной реакции; (б) рассчитывают значение комбинации уровней экспрессии выбранной в (а) группы генов-мишеней сорафениба и нормировочных генов, и сравнивают это значение с пороговым значением, определенным для данного используемого прибора и выбранной комбинации генов; (в) определяют пациента как реагирующего на сорафениб, когда значение комбинации уровней экспрессии генов превосходит указанное пороговое значение.This object is achieved by a method for treating renal carcinoma in a patient, comprising administering sorafenib to a given patient when the patient has been determined to respond to sorafenib using a method that includes the following steps: (a) measured in a renal carcinoma sample, obtained from said patient, the expression levels of at least two of the ten target genes of sorafenib: BRAF , RAF1, FGFR1, FLT1, FLT3, FLT4, PDGFRB, KIT, KDR, RET , as well as the expression level of at least two of the normalizing genes selected from the list ( ACTB, RPL13A, RPL9, RPS29, ENO1, ENO2, H6PD, G6PD, KIF1B, KIF1A, NMNAT1, NMNAT2, NMNAT3, UBE4B, UBE4A, ACO1, ACO2, ACO3, KLHL9, KLHANK120P3, P , RPL37A, GAPDH, RPL13, HPRT1, B2M, RPL38, UBA52, PSMC1, RPL4, RPL37, SLC25A3, CLTC, TXNL1, PSMA1, RPL8, MMADHC, PPP2CA, MRFAP1, POLR2C, PSMB2, DIACPBLO , while measuring expressions are produced using one of the following devices: total RNA lining, microchip or device for reverse transcription and polymerase chain reaction; (b) calculating the value of the combination of expression levels of the selected group of target genes of sorafenib and normalizing genes selected in (a) and comparing this value with the threshold value determined for the given device used and the selected combination of genes; (c) determining the patient as responding to sorafenib when the value of the combination of gene expression levels exceeds the specified threshold value.
Необходимость использования не менее двух генов-мишеней сорафениба обусловлена тем, что ни одного из этих генов в отдельности не достаточно для того, чтобы среди пациентов с раком почки достоверно выявить ответчиков на данный препарат. Так, при исследовании когорты из 26 пациентов с раком почки с известным статусом ответа сорафениб, из которых 12 относились к ответчикам, 14 – к неответчикам, уровень экспрессии любого одного взятого гена из 10 генов мишеней сорафениба не отличался достоверно между группами ответчиков и неответчиков. Достоверность проверялась по критерию Стьюдента. Р-значения для каждого гена при сравнении нормализованных на ген RPL9 экспрессий приведены ниже: BRAF (0,1815), RAF1 (0,3017), FGFR1 (0,8398), FLT1 (0,1073), FLT3 (0,156), FLT4 (0,125), PDGFRB (0,9314), KIT (0,2078), KDR (0,4341), RET (0,2667). В отличие от этого, анализ уровней экспрессии по меньшей мере двух из десяти генов-мишеней сорафениба уже позволяет выявить различия между группами ответчиков и неответчиков, тогда как оптимальным вариантом является анализ уровней экспрессии по меньшей мере четырех из десяти генов-мишеней сорафениба.The need to use at least two target genes of sorafenib is due to the fact that none of these genes alone are sufficient to reliably identify responders to this drug among patients with kidney cancer. Thus, in a study of a cohort of 26 patients with kidney cancer with a known response status of sorafenib, of which 12 were responders and 14 were non-responders, the expression level of any one gene taken from 10 sorafenib target genes did not differ significantly between the responder and non-responder groups. The reliability was checked by the Student's criterion. The p-values for each gene when comparing the expressions normalized to the RPL9 gene are shown below: BRAF (0.1815), RAF1 (0.3017), FGFR1 (0.8398), FLT1 (0.1073), FLT3 (0.156), FLT4 (0.125), PDGFRB (0.9314), KIT (0.2078), KDR (0.4341), RET (0.2667). In contrast, analyzing the expression levels of at least two of the ten target genes of sorafenib already reveals differences between the responder and non-responder groups, whereas the optimal option is to analyze the expression levels of at least four of the ten target genes of sorafenib.
В некоторых вариантах изобретения данный способ характеризуется тем, что пороговое значение определяют, рассчитывая и минимизируя долю ложноположительных результатов и долю ложноотрицательных результатов определения эффективности сорафениба у пациентов с известным статусом ответа на Сорафениб.In some embodiments of the invention, the method is characterized in that the threshold value is determined by calculating and minimizing the proportion of false positives and the proportion of false negatives in determining the efficacy of sorafenib in patients with a known response status to Sorafenib.
В некоторых предпочтительных вариантах изобретения данный способ характеризуется тем, что измерение уровней экспрессии генов производят при помощи прибора для секвенирования тотальной РНК Illumina HiSeq-3000; в качестве нормировочных генов выбирают ACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP; а значение комбинации уровней экспрессии генов RAF1, FGFR1, FLT1, FLT3 и нормировочных генов рассчитывают по формуле 3 * log10(RAF1) + 2 * log10(FGFR1) + log10(FLT1) + log10(FLT3) – log10 (HK), где HK является средним геометрическим уровня экспрессии нормировочных генов ACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP; и пороговое значение равно 15,15. In some preferred embodiments of the invention, the method is characterized in that the measurement of gene expression levels is performed using an Illumina HiSeq-3000 total RNA sequencing instrument; as normalizing genes are chosenACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP;and the value of the combination of gene expression levelsRAF1, FGFR1, FLT1, FLT3 and normalizing genes are calculated by the formula 3 * log10(RAF1) + 2 * log10(FGFR1) + log10(FLT1) + log10(FLT3)-log10 (HK),where HK is the geometric mean of the expression level of normalizing genesACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP; and the threshold is 15.15.
В некоторых предпочтительных вариантах изобретения данный способ характеризуется тем, что измерение уровней экспрессии генов производят при помощи микрочипа Illumina HumanHT-12 WG-DASL V4.0 R2; в качестве нормировочных генов выбирают ACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP; а значение комбинации уровней экспрессии генов RAF1, FGFR1, FLT1, FLT3 и нормировочных генов рассчитывают по формуле 3 * log10(RAF1) + 2 * log10(FGFR1) + log10(FLT1) + log10(FLT3) – log10 (HK), при этом HK является средним геометрическим уровня экспрессии нормировочных генов ACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP; и пороговое значение равно 12,4.In some preferred embodiments of the invention, this method is characterized in that the measurement of gene expression levels is performed using an Illumina HumanHT-12 WG-DASL V4.0 R2 microchip; as normalizing genes are chosenACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP; and the value of the combination of the levels of expression of the genes RAF1, FGFR1, FLT1, FLT3 and normalizing genes is calculated by the formula 3 * log10(RAF1) + 2 * log10(FGFR1) + log10(FLT1) + log10(FLT3)-log10 (HK),while HK is the geometric mean of the expression level of normalizing genesACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP; and the threshold is 12.4.
В некоторых предпочтительных вариантах изобретения данный способ характеризуется тем, что измерение уровней экспрессии указанных генов производят при помощи прибора для обратной транскрипции и полимеразной цепной реакции; в качестве нормировочных генов выбирают ACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP; а значение комбинации уровней экспрессии генов RAF1, FGFR1, FLT1, FLT3 и нормировочных генов рассчитывают по формуле 3 * ΔCt RAF1 + 2 * ΔCt FGFR1 + ΔCt FLT1 + ΔCt FLT3 , при этом ΔCt является разницей среднего геометрического значения порогового цикла амплификации кДНК нормировочных генов ACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP и значения порогового цикла амплификации кДНК анализируемого гена; и пороговое значение равно -23.05.In some preferred embodiments of the invention, the method is characterized in that the expression levels of said genes are measured using a reverse transcription device and a polymerase chain reaction; as normalizing genes are chosenACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP;and the value of the combination of gene expression levelsRAF1, FGFR1, FLT1, FLT3 and normalizing genes are calculated by the formula 3 * ΔCt RAF1 + 2 * ΔCt FGFR1 + ΔCt FLT1 + ΔCt FLT3 , while ΔCt is the difference between the geometric mean value of the threshold cycle of cDNA amplification of normalizing genesACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP and values of the threshold cycle of amplification of the cDNA of the analyzed gene; and the threshold is -23.05.
В некоторых предпочтительных вариантах изобретения данный способ характеризуется тем, что измерение уровней экспрессии генов производят при помощи микрочипа Illumina HumanHT-12 WG-DASL V4.0 R2; в качестве нормировочных генов выбирают KLHL9, NMNAT3, NMNAT1, KIF1A, ACO2; а значение комбинации уровней экспрессии генов RAF1, FGFR1, FLT1, FLT3, FLT4, BRAF, PDGFRB, KIT, RET, KDR и нормировочных генов рассчитывают по формуле log10(RAF1) + log10(FGFR1) + log10(FLT1) + log10(FLT3) + log10(BRAF) + log10(KIT) + log10(KDR) + log10(PDGFRB) + log10(RET) + log10(FLT4) – log10 (HK), при этом HK является средним геометрическим уровня экспрессии нормировочных генов KLHL9, NMNAT3, NMNAT1, KIF1A, ACO2; и пороговое значение равно 13,14.In some preferred embodiments of the invention, this method is characterized in that the measurement of gene expression levels is performed using an Illumina HumanHT-12 WG-DASL V4.0 R2 microchip; as normalizing genes are chosenKLHL9, NMNAT3, NMNAT1, KIF1A, ACO2; and the value of the combination of gene expression levelsRAF1, FGFR1, FLT1, FLT3, FLT4, BRAF, PDGFRB, KIT, RET, KDR and normalizing genes are calculated by the formula log10(RAF1) + log10(FGFR1) + log10(FLT1) + log10(FLT3) + log10(BRAF) + log10(KIT) + log10(KDR) + log10(PDGFRB) + log10(RET) + log10(FLT4)-log10 (HK),while HK is the geometric mean of the expression level of normalizing genesKLHL9, NMNAT3, NMNAT1, KIF1A, ACO2; and the threshold is 13.14.
Указанная задача также решается путем создания способа определения клинической эффективности применения сорафениба для лечения карциномы почек у пациента, включающего следующие стадии: (а) измеряют в образце карциномы почечной ткани, полученном от указанного пациента, уровни экспрессии не менее двух генов из списка генов-мишеней Сорафениба: RAF1, FGFR1, FLT1, FLT3, FLT4, BRAF, PDGFRB, KIT, RET, KDR, а также уровни экспрессии по меньшей мере двух нормировочных генов, выбранных из списка (ACTB, RPL13A, RPL9, RPS29, ENO1, ENO2, H6PD, G6PD, KIF1B, KIF1A, NMNAT1, NMNAT2, NMNAT3, UBE4B, UBE4A, ACO1, ACO2, ACO3, KLHL9, KLHL13, PANK1, PANK3, KIF20B, KIF20A, RPL37A, GAPDH, RPL13, HPRT1, B2M, RPL38, UBA52, PSMC1, RPL4, RPL37, SLC25A3, CLTC, TXNL1, PSMA1, RPL8, MMADHC, PPP2CA, MRFAP1, POLR2C, PSMB2, DIABLO, VCP), при этом измерение уровней экспрессии производят при помощи одного из следующих приборов: прибор для секвенирования тотальной РНК, микрочип или прибор для обратной транскрипции и полимеразной цепной реакции; (б) рассчитывают значение комбинации уровней экспрессии выбранной в (а) группы генов-мишеней сорафениба и нормировочных генов, и сравнивают это значение с пороговым значением, определенным для данного используемого прибора и выбранной комбинации генов; (в) определяют сорафениб как клинически эффективное средство для лечения карциномы почек у пациента, когда значение комбинации уровней экспрессии генов превосходит указанное пороговое значение.This problem is also solved by creating a method for determining the clinical efficacy of the use of sorafenib for the treatment of renal carcinoma in a patient, including the following stages: (a) the expression levels of at least two genes from the list of target genes of Sorafenib are measured in a sample of renal tissue carcinoma obtained from the specified patient : RAF1, FGFR1, FLT1, FLT3, FLT4, BRAF, PDGFRB, KIT, RET, KDR , as well as expression levels of at least two normalizing genes selected from the list ( ACTB, RPL13A, RPL9, RPS29, ENO1, ENO2, H6PD, G6PD, KIF1B, KIF1A, NMNAT1, NMNAT2, NMNAT3, UBE4B, UBE4A, ACO1, ACO2, ACO3, KLHL9, KLHL13, PANK1, PANK3, KIF20B, KIF20A, RPL37A, GAPDRT, PSL38, RPMBA, HPMBA, B2BRT, PSL38, RPMBA RPL4, RPL37, SLC25A3, CLTC, TXNL1, PSMA1, RPL8, MMADHC, PPP2CA, MRFAP1, POLR2C, PSMB2, DIABLO, VCP ), and expression levels are measured using one of the following devices: total RNA sequencing device, microchip or device for reverse transcription and poly merase chain reaction; (b) calculating the value of the combination of expression levels of the selected group of target genes of sorafenib and normalizing genes selected in (a) and comparing this value with the threshold value determined for the given device used and the selected combination of genes; (c) defining sorafenib as a clinically effective agent for the treatment of renal carcinoma in a patient when the value of the combination of gene expression levels exceeds the specified threshold value.
В некоторых вариантах изобретения данный способ характеризуется тем, что пороговое значение определяют, рассчитывая и минимизируя долю ложноположительных результатов и долю ложноотрицательных результатов определения эффективности сорафениба у пациентов с известным статусом ответа на сорафениб. В некоторых других вариантах изобретения данный способ характеризуется тем, что пороговое значение определяют, рассчитывая долю ложноположительных результатов и долю ложноотрицательных результатов определения эффективности сорафениба у пациентов с известным статусом ответа на сорафениб и минимизируя значение следующей суммы: 3 * доля ложноположительных результатов + доля ложноотрицательных результатов.In some embodiments of the invention, the method is characterized in that the threshold value is determined by calculating and minimizing the proportion of false positives and the proportion of false negatives in determining the efficacy of sorafenib in patients with a known response status to sorafenib. In some other embodiments of the invention, this method is characterized in that the threshold value is determined by calculating the proportion of false positives and the proportion of false negatives in determining the efficacy of sorafenib in patients with a known response status to sorafenib and minimizing the value of the following sum: 3 * proportion of false positives + proportion of false negatives.
В некоторых предпочтительных вариантах изобретения данный способ характеризуется тем, что измерение уровней экспрессии генов производят при помощи прибора для секвенирования тотальной РНК Illumina HiSeq-3000; в качестве нормировочных генов выбирают ACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP; а значение комбинации уровней экспрессии генов RAF1, FGFR1, FLT1, FLT3 и нормировочных генов рассчитывают по формуле 3 * log10(RAF1) + 2 * log10(FGFR1) + log10(FLT1) + log10(FLT3) – log10 (HK), где HK является средним геометрическим уровня экспрессии нормировочных генов ACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP; и пороговое значение равно 15,15.In some preferred embodiments of the invention, the method is characterized in that the measurement of gene expression levels is performed using an Illumina HiSeq-3000 total RNA sequencing instrument; as normalizing genes are chosenACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP;and the value of the combination of gene expression levelsRAF1, FGFR1, FLT1, FLT3 and normalizing genes are calculated by the formula 3 * log10(RAF1) + 2 * log10(FGFR1) + log10(FLT1) + log10(FLT3)-log10 (HK),where HK is the geometric mean of the expression level of normalizing genesACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP; and the threshold is 15.15.
В некоторых предпочтительных вариантах изобретения данный способ характеризуется тем, что измерение уровней экспрессии генов производят при помощи микрочипа Illumina HumanHT-12 WG-DASL V4.0 R2; в качестве нормировочных генов выбирают ACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP; а значение комбинации уровней экспрессии генов RAF1, FGFR1, FLT1, FLT3 и нормировочных генов рассчитывают по формуле 3 * log10(RAF1) + 2 * log10(FGFR1) + log10(FLT1) + log10(FLT3) – log10 (HK), при этом HK является средним геометрическим уровня экспрессии нормировочных генов ACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP; и пороговое значение равно 12,4.In some preferred embodiments of the invention, this method is characterized in that the measurement of gene expression levels is performed using an Illumina HumanHT-12 WG-DASL V4.0 R2 microchip; as normalizing genes are chosenACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP; and the value of the combination of gene expression levelsRAF1, FGFR1, FLT1, FLT3and normalizing genes are calculated by the formula 3 * log10(RAF1) + 2 * log10(FGFR1) + log10(FLT1) + log10(FLT3)-log10 (HK),while HK is the geometric mean of the expression level of normalizing genesACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP; and the threshold is 12.4.
В некоторых предпочтительных вариантах изобретения данный способ характеризуется тем, что измерение уровней экспрессии указанных генов производят при помощи прибора для обратной транскрипции и полимеразной цепной реакции; в качестве нормировочных генов выбирают ACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP; а значение комбинации уровней экспрессии генов RAF1, FGFR1, FLT1, FLT3 и нормировочных генов рассчитывают по формуле 3 * ΔCt RAF1 + 2 * ΔCt FGFR1 + ΔCt FLT1 + ΔCt FLT3 , при этом ΔCt является разницей среднего геометрического значения порогового цикла амплификации кДНК нормировочных генов ACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP и значения порогового цикла амплификации кДНК анализируемого гена; и пороговое значение равно -23.05.In some preferred embodiments of the invention, the method is characterized in that the expression levels of said genes are measured using a reverse transcription device and a polymerase chain reaction; as normalizing genes are chosenACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP;and the value of the combination of gene expression levelsRAF1, FGFR1, FLT1, FLT3and normalizing genes are calculated by the formula 3 * ΔCt RAF1 + 2 * ΔCt FGFR1 + ΔCt FLT1 + ΔCt FLT3 , while ΔCt is the difference between the geometric mean value of the threshold cycle of cDNA amplification of normalizing genesACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP and values of the threshold cycle of amplification of the cDNA of the analyzed gene; and the threshold is -23.05.
В некоторых предпочтительных вариантах изобретения данный способ характеризуется тем, что измерение уровней экспрессии генов производят при помощи микрочипа Illumina HumanHT-12 WG-DASL V4.0 R2; в качестве нормировочных генов выбирают KLHL9, NMNAT3, NMNAT1, KIF1A, ACO2; а значение комбинации уровней экспрессии генов RAF1, FGFR1, FLT1, FLT3, FLT4, BRAF, PDGFRB, KIT, RET, KDR и нормировочных генов рассчитывают по формуле log10(RAF1) + log10(FGFR1) + log10(FLT1) + log10(FLT3) + log10(BRAF) + log10(KIT) + log10(KDR) + log10(PDGFRB) + log10(RET) + log10(FLT4) – log10 (HK), при этом HK является средним геометрическим уровня экспрессии нормировочных генов KLHL9, NMNAT3, NMNAT1, KIF1A, ACO2; и пороговое значение равно 13,14.In some preferred embodiments of the invention, this method is characterized in that the measurement of gene expression levels is performed using an Illumina HumanHT-12 WG-DASL V4.0 R2 microchip; as normalizing genes are chosenKLHL9, NMNAT3, NMNAT1, KIF1A, ACO2; and the value of the combination of gene expression levelsRAF1, FGFR1, FLT1, FLT3, FLT4, BRAF, PDGFRB, KIT, RET, KDR and normalizing genes are calculated by the formula log10(RAF1) + log10(FGFR1) + log10(FLT1) + log10(FLT3) + log10(BRAF) + log10(KIT) + log10(KDR) + log10(PDGFRB) + log10(RET) + log10(FLT4)-log10 (HK),while HK is the geometric mean of the expression level of normalizing genesKLHL9, NMNAT3, NMNAT1, KIF1A, ACO2; and the threshold is 13.14.
Исследованиями, предоставляющими исходные данные для данного способа, могут быть мультиомиксное генетическое профилирование: высокопроизводительное профилирование экспрессии генов на уровне мРНК с использованием гибридизации на микрочипах, высокопроизводительное секвенирование нового поколения (использование известных специалистам способов секвенирования полного транскриптома или полногеномного секвенирование тотальной РНК), ОТ-ПЦР (полимеразная цепная реакция с обратной транскрипцией) в реальном времени. Настоящее изобретение позволяет повысить степень надежности определения клинической эффективности применения сорафениба для лечения карциномы почек у пациентов.Studies that provide the initial data for this method can be multimix genetic profiling: high-throughput profiling of gene expression at the mRNA level using hybridization on microarrays, high-throughput sequencing of a new generation (using methods known to specialists for sequencing full transcriptome or whole genome sequencing of total RNA), RT-PCR (polymerase chain reaction with reverse transcription) in real time. The present invention improves the degree of reliability in determining the clinical efficacy of the use of sorafenib for the treatment of renal carcinoma in patients.
Краткое описание рисунковBrief Description of Figures
Фиг. 1. Схема работы тест-системы определения клинической эффективности препарата Сорафениб для больных раком почки. FIG. 1. Scheme of the test system for determining the clinical efficacy of the drug Sorafenib for patients with kidney cancer.
Фиг. 2. ROС-кривая, позволяющая оценить качество бинарного классификатора ответчиков от неответчиков на препарат сорафениб при раке почки, основанного на расчёте параметра DS. Большие значения параметра DS свидетельствуют в пользу того, что пациент ответит на препарат сорафениб по критерию RECIST. Генная экспрессия измерена при помощи микрочипов Illumina HumanHT-12 WG-DASL V4.0 R2 для двенадцати истинных ответчиков и четырнадцати истинных неответчиков – пациентов с раком почки с известным статусом ответа на сорафениб согласно данным клинических исследований. Площадь под кривой AUC = 0,76.FIG. 2. ROС-curve, allowing to assess the quality of the binary classifier of non-responders to the drug sorafenib in kidney cancer, based on the calculation of the DS parameter. Large DS values indicate that the patient will respond to sorafenib according to the RECIST criterion. Gene expression was measured using Illumina HumanHT-12 WG-DASL V4.0 R2 microarrays for twelve true responders and fourteen true nonresponders - renal cancer patients with known response status to sorafenib in clinical trials. Area under the curve AUC = 0.76.
Фиг. 3. ROС-кривая, позволяющая оценить качество бинарного классификатора ответчиков от неответчиков на препарат Сорафениб при раке почки, основанного на расчёте параметра DS. Большие значения параметра DS свидетельствуют в пользу того, что пациент ответит на препарат Сорафениб по критерию RECIST. Генная экспрессия измерена при помощи ОТ-ПЦР для шести истинных ответчиков и семи истинных неответчиков – пациентов с раком почки с известным статусом ответа на сорафениб согласно данным клинических исследований. Площадь под кривой AUC = 0,95.FIG. 3. ROС-curve, allowing to assess the quality of the binary classifier of non-responders to Sorafenib in kidney cancer, based on the calculation of the DS parameter. Large values of the DS parameter indicate that the patient will respond to Sorafenib according to the RECIST criterion. Gene expression was measured by RT-PCR for six true responders and seven true non-responders - renal cancer patients with known response status to sorafenib from clinical trials. Area under the curve AUC = 0.95.
Фиг. 4. ROС-кривая, позволяющая оценить качество бинарного классификатора ответчиков от неответчиков на препарат сорафениб при раке почки, основанного на расчёте параметра DS. Большие значения параметра DS свидетельствуют в пользу того, что пациент ответит на препарат сорафениб по критерию RECIST. Генная экспрессия измерена при помощи секвенирования нового поколения на платформе Illumina HiSeq-3000 для двух истинных ответчиков и одиннадцати истинных неответчиков – пациентов с раком почки с известным статусом ответа на сорафениб согласно данным клинических исследований. Площадь под кривой AUC = 0,91.FIG. 4. ROС-curve, allowing to assess the quality of the binary classifier of responders from non-responders to the drug sorafenib in kidney cancer, based on the calculation of the DS parameter. Large DS values indicate that the patient will respond to sorafenib according to the RECIST criterion. Gene expression was measured using next-generation sequencing on the Illumina HiSeq-3000 platform for two true responders and eleven true nonresponders - renal cancer patients with known response status to sorafenib from clinical trials. Area under the curve AUC = 0.91.
Фиг. 5. ROС-кривая, позволяющая оценить качество бинарного классификатора ответчиков от неответчиков на препарат Сорафениб при раке почки, основанного на расчёте параметра DS, при условии учета всех генов-мишеней Сорафениба и альтернативного от Фиг. 2-4 набора нормировочных генов. Большие значения параметра DS свидетельствуют в пользу того, что пациент ответит на препарат Сорафениб по критерию RECIST. Генная экспрессия измерена при помощи микрочипов Illumina HumanHT-12 WG-DASL V4.0 R2 для двенадцати истинных ответчиков и четырнадцати истинных неответчиков – пациентов с раком почки с известным статусом ответа на сорафениб согласно данным клинических исследований. Площадь под кривой AUC = 0,76.FIG. 5. ROС-curve, allowing to evaluate the quality of the binary classifier of responders from non-responders to Sorafenib in kidney cancer, based on the calculation of the DS parameter, provided that all target genes of Sorafenib and the alternative one from Fig. 2-4 sets of normalizing genes. Large values of the DS parameter indicate that the patient will respond to Sorafenib according to the RECIST criterion. Gene expression was measured using Illumina HumanHT-12 WG-DASL V4.0 R2 microarrays for twelve true responders and fourteen true nonresponders - renal cancer patients with known response status to sorafenib in clinical trials. Area under the curve AUC = 0.76.
Подробное раскрытие изобретенияDetailed disclosure of the invention
В описании данного изобретения термины «включает» и «включающий» интерпретируются как означающие «включает, помимо всего прочего». Указанные термины не предназначены для того, чтобы их истолковывали как «состоит только из». Если не определено отдельно, технические и научные термины в данной заявке имеют стандартные значения, общепринятые в научной и технической литературе.In the description of this invention, the terms "includes" and "including" are interpreted as meaning "includes, among other things". These terms are not intended to be construed as “consists only of”. Unless otherwise specified, technical and scientific terms in this application have the standard meanings generally accepted in the scientific and technical literature.
В настоящем изобретении раскрывается создание эффективного подхода к персонализированной терапии для пациентов с раком почки, то есть к выбору противоопухолевого препарата, наиболее подходящего для конкретного пациента. Описанный здесь метод анализа экспрессионных данных решает задачу прогноза клинической эффективности таргетного препарата Сорафениб для больных с раком почки. В основе предлагаемого метода лежит биоинформатический анализ данных экспрессии целевых генов – мишеней сорафениба, а также нормировочных генов. Экспрессия генов измеряется в образце опухоли, полученном от пациента. Для этого предварительно необходимо выделить тотальную фракцию РНК или матричной РНК (мРНК) из данного образца. Данные по генной экспрессии могут быть получены разными методами: ОТ-ПЦР, микрочиповая гибридизация, РНК-секвенирование нового поколения. Предлагаемая тест-система представляет собой классификатор, созданный на основе данных по экспрессии набора генов (генную подпись), которая предсказывают возможный вариант ответа или неответа пациента на терапию препаратом Сорафениб при раке почки. The present invention discloses the creation of an effective approach to personalized therapy for patients with kidney cancer, that is, to the selection of the anticancer drug that is most suitable for a particular patient. The expression data analysis method described here solves the problem of predicting the clinical efficacy of the targeted drug Sorafenib for patients with kidney cancer. The proposed method is based on bioinformatic analysis of the expression data of target genes - targets of sorafenib, as well as normalizing genes. Gene expression is measured in a tumor sample obtained from a patient. For this, it is first necessary to isolate the total fraction of RNA or messenger RNA (mRNA) from a given sample. Gene expression data can be obtained by different methods: RT-PCR, microchip hybridization, new generation RNA sequencing. The proposed test system is a classifier created on the basis of data on the expression of a set of genes (gene signature), which predicts the possible response or non-response of a patient to therapy with Sorafenib in kidney cancer.
Под применением сорафениба, введением сорафениба или препаратом Сорафениб в данном изобретении подразумевается применение или введение лекарственного препарата, или сам препарат, содержащий сорафениб в качестве активного ингредиента, а также дополнительно содержащий эксипиенты (неактивные вещества), например, соли, стабилизаторы, регуляторы кислотности и др. Примером таких лекарственных препаратов является, например, разрешенный на территории РФ препарат Нексавар (Nexavar®).The use of sorafenib, the administration of sorafenib or the preparation of Sorafenib in this invention means the use or administration of a drug, or the drug itself containing sorafenib as an active ingredient, and also additionally containing excipients (inactive substances), for example, salts, stabilizers, acidity regulators, etc. An example of such drugs is, for example, the drug Nexavar®, which is approved in the territory of the Russian Federation.
Для применения тест-системы необходимы данные об уровне экспрессии не менее двух из 10 генов – мишеней сорафениба (BRAF, FGFR1, FLT1, FLT3, FLT4, KDR, KIT, PDGFRB, RAF1, RET), а также не менее двух из любых генов домашнего хозяйства (ACTB, RPL13A, RPL9, RPS29, ENO1, ENO2, H6PD, G6PD, KIF1B, KIF1A, NMNAT1, NMNAT2, NMNAT3, UBE4B, UBE4A, ACO1, ACO2, ACO3, KLHL9, KLHL13, PANK1, PANK3, KIF20B, KIF20A, RPL37A, GAPDH, RPL13, HPRT1, B2M, RPL38, UBA52, PSMC1, RPL4, RPL37, SLC25A3, CLTC, TXNL1, PSMA1, RPL8, MMADHC, PPP2CA, MRFAP1, POLR2C, PSMB2, DIABLO, VCP), полученные на основе анализа образца раковой опухоли индивидуального пациента при помощи исследования генной экспрессии методами микрочиповой гибридизации, ОТ-ПЦР или секвенирования нового поколения. Здесь и далее все обозначения генов даны согласно номенклатуре HGNC (Комитет Номеклатуры Генов Европейского Биоинформатического Института: https://www.genenames.org). Гены мишени-сорафениба были отобраны согласно открытой базе данных мишеней лекарственных препаратов Drugbank (https://www.drugbank.ca). Для предсказания ответа пациента на сорафениб были выбраны именно гены-мишени данного препарата по двум причинам: (1) учитывая, что известно более 20000 белок-кодирующих генов человека, но исследуемые выборки пациентов на два-три порядка меньше данного числа и обычно составляют десятки пациентов, существует значительный риск того, что найденные характеристические гены для одной выборки пациентов не будут работать для другой выборки в связи с переобучением модели. Снижение количества признаков, необходимых для разделения ответчиков от неответчиков на препарат позволяет сделать более устойчивую тест-систему; (2) белки-мишени препарата сорафениб охарактериованы в литературе и подтверждены экспериментально (Wilhelm et al., Cancer Res., Oct 1;64(19):7099-109 (2004)). Учитывая, что данный препарат действует в первую очередь на конретные белки-мишени, логично предположить, что уровень экспрессии именно соответсвующих данным мишеням генов в первую очередь важен для предсказания эффективности действия препарата. To use the test system, data on the expression level of at least two out of 10 genes - targets of sorafenib ( BRAF, FGFR1, FLT1, FLT3, FLT4, KDR, KIT, PDGFRB, RAF1, RET ), as well as at least two of any genes of home farms ( ACTB, RPL13A, RPL9, RPS29, ENO1, ENO2, H6PD, G6PD, KIF1B, KIF1A, NMNAT1, NMNAT2, NMNAT3, UBE4B, UBE4A, ACO1, ACO2, ACO3, KLIFHKL9, KLH20L13, PANK1, PANK1, PANK RPL37A, GAPDH, RPL13, HPRT1, B2M, RPL38, UBA52, PSMC1, RPL4, RPL37, SLC25A3, CLTC, TXNL1, PSMA1, RPL8, MMADHC, PPP2CA, MRFAP1, POLR2C, PSMB2, DIABLO , obtained from analysis cancer of an individual patient using gene expression studies using microchip hybridization, RT-PCR or next-generation sequencing. Hereinafter, all gene designations are given according to the HGNC nomenclature (European Bioinformatics Institute Gene Nomenclature Committee: https://www.genenames.org). Sorafenib target genes were selected according to the Drugbank open drug target database (https://www.drugbank.ca). To predict the patient's response to sorafenib, the target genes of this drug were chosen for two reasons: (1) considering that more than 20,000 human protein-coding genes are known, but the studied patient samples are two to three orders of magnitude smaller than this number and usually comprise dozens of patients , there is a significant risk that the found characteristic genes for one sample of patients will not work for another sample due to overfitting of the model. Reducing the number of features required to separate responders from nonresponders to the drug allows for a more robust test system; (2) Sorafenib target proteins have been characterized in the literature and confirmed experimentally (Wilhelm et al., Cancer Res., Oct 1; 64 (19): 7099-109 (2004)). Considering that this drug acts primarily on specific target proteins, it is logical to assume that the level of expression of genes corresponding to these targets is primarily important for predicting the effectiveness of the drug.
Образцы опухолевой ткани, в том числе зафиксированные с помощью формалина и залитые в парафиновые блоки (FFPE), используют для получения срезов на микротоме. Из полученных срезов выделяют тотальную РНК. Затем проводят профилирование генной экспрессии на микрочипах или с помощью ОТ-ПЦР или с помощью секвенирования нового поколения. При этом определяют экспрессию не менее четырех генов, из которых не менее двух являются целевыми и два – нормировочными. Tumor tissue samples, including those fixed with formalin and embedded in paraffin blocks (FFPE), are used to obtain sections on a microtome. Total RNA is isolated from the obtained sections. Gene expression is then profiled on microarrays, either by RT-PCR or by next-generation sequencing. At the same time, the expression of at least four genes is determined, of which at least two are target and two are normalized.
Расчет коэффициента эффективности лекарственного препарата (Drug Score, DS) в общем виде, согласно настоящему изобретению, проводится согласно формуле (1):The calculation of the drug efficiency coefficient (Drug Score, DS) in general, according to the present invention, is carried out according to the formula (1):
где i – количество генов-мишеней сорафениба, меняется в диапазоне от 2 до 10, j – количество нормировочных генов, меняется в диапазоне от 1 до 49, а i – коэффициент целевого гена-мишени сорафениба, который зависит от типа экспериментальной платформы и может принимать любые положительные значения.where i is the number of sorafenib target genes, varies from 2 to 10, j is the number of normalizing genes, varies from 1 to 49, and i is the coefficient of the target sorafenib target gene, which depends on the type of experimental platform and can accept any positive values.
Расчет коэффициента эффективности лекарственного препарата (Drug Score, DS) для ОТ-ПЦР, согласно одному из вариантов настоящего изобретения, проводится согласно формуле (2):The calculation of the drug efficiency coefficient (Drug Score, DS) for RT-PCR, according to one of the variants of the present invention, is carried out according to the formula (2):
DSPCR = 3 * ΔCt RAF1 + 2 * ΔCt FGFR1 + ΔCt FLT1 + ΔCt FLT3 , где ΔCt является разницей среднего геометрического значения порогового цикла амплификации кДНК нормировочных генов и значения порогового цикла амплификации кДНК анализируемого гена.DSPCR= 3 * ΔCt RAF1 + 2 * ΔCt FGFR1 + ΔCt FLT1 + ΔCt FLT3 , where ΔCt is the difference between the geometric mean value of the threshold cycle of amplification of cDNA of normalizing genes and the value of the threshold cycle of amplification of cDNA of the analyzed gene.
Данная генная подпись применима для анализа генной экспрессии, измеренной с помощью метода обратной транскрипции и полимеразной цепной реакции с детекцией в режиме реального времени (ОТ-ПЦР). This gene signature is useful for analyzing gene expression measured by reverse transcription and real-time polymerase chain reaction (RT-PCR).
Нормировочные гены выбираются индивидуально для каждой экспериментальной платформы исходя из наименьшей вариабельности в уровне экспрессии между всеми образцами рака почки, профилированными на данной платформе. В исследованных нами экспериментальных платформах консенсусно наименее вариабельными оказались следующие 6 генов: ACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP, однако это не исключает возможности использования другого набора нормировочных генов.Normalizing genes are selected individually for each experimental platform based on the least variability in the expression level between all kidney cancer samples profiled on this platform. In the experimental platforms we studied, the following 6 genes were consensually least variable: ACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP ; however, this does not exclude the possibility of using a different set of normalizing genes.
Расчет коэффициента эффективности лекарственного препарата (Drug Score, DS) в случае секвенирования нового поколения или микрочиповой гибридизации (HTGE – High-Throughput Gene Expression profiling – широкомасштабное профилированиие генной экспрессии), согласно одному из вариантов настоящего изобретения, проводится согласно формуле (3):The calculation of the drug efficiency coefficient (Drug Score, DS) in the case of new generation sequencing or microchip hybridization (HTGE - High-Throughput Gene Expression profiling), according to one of the variants of the present invention, is carried out according to the formula (3):
DSHTGE = 3 * log10(RAF1) + 2 * log10(FGFR1) + log10(FLT1) + log10(FLT3) – log10 (HK), где HK является средним геометрическим уровня экспрессии нормировочных генов (ACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP).DSHTGE= 3 * log10(RAF1) + 2 * log10(FGFR1) + log10(FLT1) + log10(FLT3)-log10 (HK),where HK is the geometric mean of the expression level of normalizing genes (ACTB, GAPDH, POLR2C, PSMB2, DIABLO, VCP).
Предлагаемая генная подпись применима к данным по генной экспрессии, полученным на следующих платформах для измерения генной экспрессии: микрочиповая платформа Illumina HumanHT-12 WG-DASL V4.0 R2, платформа для секвенирования нового поколения Illumina HiSeq-3000. The proposed gene signature applies to gene expression data obtained on the following gene expression measurement platforms: Illumina HumanHT-12 WG-DASL V4.0 R2 microchip platform, Illumina HiSeq-3000 next generation sequencing platform.
Альтернативно, расчет коэффициента эффективности лекарственного препарата (Drug Score, DS) в случае секвенирования нового поколения или микрочиповой гибридизации (HTGE – High-Throughput Gene Expression profiling – широкомасштабное профилированиие генной экспрессии), согласно одному из вариантов настоящего изобретения, проводится согласно формуле (4):Alternatively, the calculation of the drug efficiency coefficient (Drug Score, DS) in the case of new generation sequencing or microchip hybridization (HTGE - High-Throughput Gene Expression profiling), according to one embodiment of the present invention, is carried out according to formula (4) :
DSHTGE = log10(RAF1) + log10(FGFR1) + log10(FLT1) + log10(FLT3) + log10(BRAF) + log10(KIT) + log10(KDR) + log10(PDGFRB) + log10(RET) + log10(FLT4) – log10 (HK), где HK является средним геометрическим уровня экспрессии нормировочных генов (KLHL9, NMNAT3, NMNAT1, KIF1A, ACO2). Другими словами, применяется формула (1), где у всех генов мишеней сорафениба коэффициент a i = 1 и используется аьтернативный набор нормировочных генов (генов домашнего хозяйства).DSHTGE= log10(RAF1) + log10(FGFR1) + log10(FLT1) + log10(FLT3) + log10(BRAF) + log10(KIT) + log10(KDR) + log10(PDGFRB) + log10(RET) + log10(FLT4)-log10 (HK),where HK is the geometric mean of the expression level of normalizing genes (KLHL9, NMNAT3, NMNAT1, KIF1A, ACO2). In other words, formula (1) is applied, where all sorafenib target genes have a coefficienta i = 1 and an alternative set of normalizing genes (housekeeping genes) is used.
Также возможны другие варианты расчета коэффициента эффективности лекарственного препарата (Drug Score, DS) в случае выбора другой комбинации генов-мишеней и нормировочных генов. There are also other options for calculating the drug efficiency coefficient (Drug Score, DS) in the case of choosing a different combination of target genes and normalizing genes.
Величина DS позволяет сделать следующее предсказание для каждого индивидуального пациента с раком почки: будет ли наблюдаться клинический ответ по системе RECIST [Критерии оценки ответа солидных опухолей; Eisenhauer EA, et al., New response evaluation criteria in solid tumours: revised RECIST guideline (version 1.1). Eur J Cancer. 2009 Jan;45(2):228-47] на лечение препаратом сорафениб или нет. Наблюдаемый клинический ответ будет являться указанием на клиническую эффективность препарата сорафениб. В случае, если данная величина выше порога (-23.05 – для ОТ-ПЦР; 12.4 для микрочипов Illumina HumanHT-12 WG-DASL V4.0 R2; 15.15 для Illumina HiSeq-3000), то пациент относится к группе ответчиков на терапию. Если величина DS меньше указанного порога, пациент относится к неответчикам. Величина данного порога выбрана таким образом, чтобы суммарное количество ошибок первого рода (ложно идентифицированный ответчик) и второго рода (ложно идентифицированный неответчик) было минимальным, при условии, что ошибкам первого рода придаётся вес втрое превышающий вес ошибок второго рода. The DS value allows for the following prediction for each individual patient with kidney cancer: whether there will be a clinical response according to the RECIST system [Criteria for evaluating the response of solid tumors; Eisenhauer EA, et al., New response evaluation criteria in solid tumours: revised RECIST guideline (version 1.1). Eur J Cancer. 2009 Jan; 45 (2): 228-47] for treatment with sorafenib or not. The observed clinical response will be an indication of the clinical efficacy of sorafenib. If this value is above the threshold (-23.05 - for RT-PCR; 12.4 for Illumina HumanHT-12 WG-DASL V4.0 R2 microchips; 15.15 for Illumina HiSeq-3000), then the patient belongs to the group of responders to therapy. If the DS value is less than the specified threshold, the patient is classified as a non-responder. The value of this threshold is chosen in such a way that the total number of errors of the first type (falsely identified responder) and the second type (falsely identified non-responder) is minimal, provided that errors of the first type are given a weight three times greater than the weight of errors of the second type.
Биоинформатический анализ данных зависит от метода, при помощи которого была измерена генная экспрессия. Так, в случае ОТ-ПЦР для каждого пациента будет рассчитан параметр DSPCR (формула 2), а в случае микрочиповой гибридизации или РНК секвенирования нового поколения - DSHTGE (формула 3). Альтернативно, в случае микрочиповой гибридизации или РНК секвенирования нового поколения для каждого пациента будет рассчитан параметр DSHTGE (формула 4). На основании рассчитанных коэффициентов делается прогноз клинической эффективности препарата сорафениб для индивидуального пациента с раком почки. В случае, если параметр DS превышает заданный порог, пациент относится к группе ответчиков. В обратном случае, пациент считается неответчиком. Подробное описание выбранных порогов для некоторых коммерческих платформ приведено в примерах к данному патенту. Bioinformatic data analysis depends on the method by which the gene expression was measured. So, in the case of RT-PCR, the DS PCR parameter (formula 2) will be calculated for each patient, and in the case of microchip hybridization or new generation RNA sequencing - DS HTGE (formula 3). Alternatively, in the case of microarray hybridization or next generation RNA sequencing, the DS HTGE parameter will be calculated for each patient (Formula 4). Based on the calculated coefficients, a prediction of the clinical efficacy of sorafenib is made for an individual patient with kidney cancer. If the DS parameter exceeds the specified threshold, the patient belongs to the responder group. Otherwise, the patient is considered a non-responder. A detailed description of the selected thresholds for some commercial platforms is given in the examples to this patent.
Гены-мишени сорафениба, а также нормировочные гены, выбранные для подсчета уровней экспрессии в образце карциномы почечной ткани, известны из уровня техники. Ниже приведены данные об их нуклеотидных последовательностях, раскрытых в публичных источниках. Sorafenib target genes as well as normalizing genes selected to calculate expression levels in a renal carcinoma sample are known in the art. Below are the data on their nucleotide sequences disclosed in public sources.
Термин «BRAF» или «человеческий BRAF» относится к гену, кодирующему серин-треонин протеинкиназу B-raf (Serine/threonine protein kinase B-raf), последовательность которого приведена в Национальном центре биотехнологической информации (NCBI) под номером NM_004333 (https://www.ncbi.nlm.nih.gov/nuccore/NM_004333), а также к аллельным вариантам этого гена (изоформам), присутствующим в геномах пациентов. Уникальный идентификатор этого гена согласно Комитету номенклатуры генов человека Европейского биоинформатического института (HGNC): 1097.The term "BRAF" or "human BRAF" refers to the gene encoding the serine / threonine protein kinase B-raf (Serine / threonine protein kinase B-raf), the sequence of which is listed at the National Center for Biotechnology Information (NCBI) under the number NM_004333 ( https: / /www.ncbi.nlm.nih.gov/nuccore/NM_004333 ), as well as allelic variants of this gene (isoforms) present in the genomes of patients. The unique identifier for this gene according to the Human Gene Nomenclature Committee of the European Bioinformatics Institute (HGNC): 1097.
Термин «RAF1» или «человеческий RAF1» относится к гену, кодирующему серин-треонин протеинкиназу Raf-1 (Serine/threonine protein kinase Raf-1), последовательность которого приведена в Национальном центре биотехнологической информации (NCBI) под номером NM_002880 (https://www.ncbi.nlm.nih.gov/nuccore/NM_002880), а также к аллельным вариантам этого гена (изоформам), присутствующим в геномах пациентов. Уникальный идентификатор этого гена согласно Комитету номенклатуры генов человека Европейского биоинформатического института (HGNC): 9829.The term "RAF1" or "human RAF1" refers to the gene encoding the serine / threonine protein kinase Raf-1, the sequence of which is listed at the National Center for Biotechnology Information (NCBI) under the number NM_002880 ( https: / /www.ncbi.nlm.nih.gov/nuccore/NM_002880 ), as well as allelic variants of this gene (isoforms) present in the genomes of patients. The unique identifier for this gene according to the Human Gene Nomenclature Committee of the European Bioinformatics Institute (HGNC): 9829.
Термин «FGFR1» или «человеческий FGFR1» относится к гену, кодирующему рецептор фактора роста фиброблостов 1 (fibroblast growth factor receptor 1), последовательность которого приведена в Национальном центре биотехнологической информации (NCBI) под номером NM_001174063 (https://www.ncbi.nlm.nih.gov/nuccore/NM_001174063), а также к аллельным вариантам этого гена (изоформам), присутствующим в геномах пациентов. Уникальный идентификатор этого гена согласно Комитету номенклатуры генов человека Европейского биоинформатического института (HGNC): 3688.The term "FGFR1" or "human FGFR1" refers to the gene encoding the fibroblast growth factor receptor 1, the sequence of which is listed at the National Center for Biotechnology Information (NCBI) under the number NM_001174063 ( https: //www.ncbi. nlm.nih.gov/nuccore/NM_001174063 ), as well as allelic variants of this gene (isoforms) present in the genomes of patients. The unique identifier for this gene according to the Human Gene Nomenclature Committee of the European Bioinformatics Institute (HGNC): 3688.
Термин «FLT1» или «человеческий FLT1» относится к гену, кодирующему тирозин киназу 1, схожую с фактором стимуляции макрофагов (fms related tyrosine kinase 1), последовательность которого приведена в Национальном центре биотехнологической информации (NCBI) под номером NM_002019, а также к аллельным вариантам этого гена (изоформам), присутствующим в геномах пациентов. Уникальный идентификатор этого гена согласно Комитету номенклатуры генов человека Европейского биоинформатического института (HGNC): 3763.The term "FLT1" or "human FLT1" refers to the gene encoding fms related tyrosine kinase 1 (fms related tyrosine kinase 1), the sequence of which is listed at the National Center for Biotechnology Information (NCBI) under the number NM_002019, as well as allelic variants of this gene (isoforms) present in the genomes of patients. The unique identifier for this gene according to the Human Gene Nomenclature Committee of the European Bioinformatics Institute (HGNC): 3763.
Термин «FLT3» или «человеческий FLT3» относится к гену, кодирующему тирозин киназу 3, схожую с фактором стимуляции макрофагов (fms related tyrosine kinase 3), последовательность которого приведена в Национальном центре биотехнологической информации (NCBI) под номером NM_004119, а также к аллельным вариантам этого гена (изоформам), присутствующим в геномах пациентов. Уникальный идентификатор этого гена согласно Комитету номенклатуры генов человека Европейского биоинформатического института (HGNC): 3765.The term "FLT3" or "human FLT3" refers to the gene encoding fms related tyrosine kinase 3 (fms related tyrosine kinase 3), the sequence of which is listed at the National Center for Biotechnology Information (NCBI) under the number NM_004119, as well as allelic variants of this gene (isoforms) present in the genomes of patients. The unique identifier for this gene according to the Human Gene Nomenclature Committee of the European Bioinformatics Institute (HGNC): 3765.
Термин «FLT4» или «человеческий FLT4» относится к гену, кодирующему тирозин киназу 4, схожую с фактором стимуляции макрофагов (fms related tyrosine kinase 4), последовательность которого приведена в Национальном центре биотехнологической информации (NCBI) под номером NM_002020, а также к аллельным вариантам этого гена (изоформам), присутствующим в геномах пациентов. Уникальный идентификатор этого гена согласно Комитету номенклатуры генов человека Европейского биоинформатического института (HGNC): 3767.The term "FLT4" or "human FLT4" refers to the gene encoding fms related tyrosine kinase 4 (fms related tyrosine kinase 4), the sequence of which is listed at the National Center for Biotechnology Information (NCBI) under the number NM_002020, as well as allelic variants of this gene (isoforms) present in the genomes of patients. Unique identifier for this gene according to the Human Gene Nomenclature Committee of the European Bioinformatics Institute (HGNC): 3767.
Термин «PDGFRB» или «человеческий PDGFRB» относится к гену, кодирующему рецептор тромбоцитарного фактора роста (platelet derived growth factor receptor beta), последовательность которого приведена в Национальном центре биотехнологической информации (NCBI) под номером NM_002609, а также к аллельным вариантам этого гена (изоформам), присутствующим в геномах пациентов. Уникальный идентификатор этого гена согласно Комитету номенклатуры генов человека Европейского биоинформатического института (HGNC): 8804.The term "PDGFRB" or "human PDGFRB" refers to the gene encoding the platelet derived growth factor receptor beta, the sequence of which is listed at the National Center for Biotechnology Information (NCBI) under the number NM_002609, as well as allelic variants of this gene ( isoforms) present in the genomes of patients. The unique identifier for this gene according to the Human Gene Nomenclature Committee of the European Bioinformatics Institute (HGNC): 8804.
Термин «KIT» или «человеческий KIT» относится к гену, кодирующему тирозинкиназный рецептор протоонкоген KIT (KIT proto-oncogene receptor tyrosine kinase), последовательность которого приведена в Национальном центре биотехнологической информации (NCBI) под номером NM_000222, а также к аллельным вариантам этого гена (изоформам), присутствующим в геномах пациентов. Уникальный идентификатор этого гена согласно Комитету номенклатуры генов человека Европейского биоинформатического института (HGNC): 6342.The term "KIT" or "human KIT" refers to the gene encoding the KIT proto-oncogene receptor tyrosine kinase, which is sequenced at the National Center for Biotechnology Information (NCBI) under the number NM_000222, as well as allelic variants of this gene (isoforms) present in the genomes of patients. The unique identifier for this gene according to the Human Gene Nomenclature Committee of the European Bioinformatics Institute (HGNC): 6342.
Термин «KDR» или «человеческий KDR» относится к гену, кодирующему киназный рецептор (kinase insert domain receptor), последовательность которого приведена в Национальном центре биотехнологической информации (NCBI) под номером NM_002253, а также к аллельным вариантам этого гена (изоформам), присутствующим в геномах пациентов. Уникальный идентификатор этого гена согласно Комитету номенклатуры генов человека Европейского биоинформатического института (HGNC): 6307.The term "KDR" or "human KDR" refers to the gene encoding the kinase insert domain receptor, the sequence of which is listed at the National Center for Biotechnology Information (NCBI) under the number NM_002253, as well as the allelic variants of this gene (isoforms) present in the genomes of patients. The unique identifier for this gene according to the Human Gene Nomenclature Committee of the European Bioinformatics Institute (HGNC): 6307.
Термин «RET» или «человеческий RET» относится к гену, кодирующему протоонкоген ret (ret proto-oncogene), последовательность которого приведена в Национальном центре биотехнологической информации (NCBI) под номером NM_020975, а также к аллельным вариантам этого гена (изоформам), присутствующим в геномах пациентов. Уникальный идентификатор этого гена согласно Комитету номенклатуры генов человека Европейского биоинформатического института (HGNC): 9967.The term "RET" or "human RET" refers to the gene encoding the ret proto-oncogene (ret proto-oncogene), the sequence of which is listed at the National Center for Biotechnology Information (NCBI) under the number NM_020975, as well as the allelic variants of this gene (isoforms) present in the genomes of patients. The unique identifier for this gene according to the Human Gene Nomenclature Committee of the European Bioinformatics Institute (HGNC): 9967.
Возможные нормировочные гены с соответствующими идентификаторами последовательности в Национальном центре биотехнологической информации (NCBI), а также идентификаторами генов согласно Комитету номенклатуры генов человека Европейского биоинформатического института (HGNC) приведены ниже: ACTB (NM_001101, HGNC:132), RPL13A (NM_001270491, HGNC:10304), RPL9 (NM_000661, HGNC:10369), RPS29 (NM_001030001, HGNC:10419), ENO1 (NM_001428, HGNC:3350), ENO2 (NM_001975, HGNC:3353), H6PD (NM_004285, HGNC:4795), G6PD (NM_000402, HGNC:4057), KIF1B (NM_015074, HGNC:16636), KIF1A (NM_138483, HGNC:888), NMNAT1 (NM_001297778, HGNC:17877), NMNAT2 (NM_015039, HGNC:16789), NMNAT3 (NM_178177, HGNC:20989), UBE4B (NM_006048, HGNC:12500), UBE4A (NM_004788, HGNC:12499), ACO1 (NM_002197, HGNC:117), ACO2 (NM_001098, HGNC:118), IREB2 (NM_004136, HGNC:6115), KLHL9 (NM_018847, HGNC:18732), KLHL13 (NM_033495, HGNC:22931), PANK1 (NM_138316, HGNC:8598), PANK3 (NM_024594, HGNC:19365), KIF20B (NM_016195, HGNC:7212), KIF20A (NM_005733, HGNC:9787), RPL37A (NM_000998, HGNC:10348), GAPDH (NM_002046, HGNC:4141), RPL13 (NM_000977, HGNC:10303), HPRT1 (NM_000194, HGNC:5157), B2M (NM_004048, HGNC:914), RPL38 (NM_000999, HGNC:10349), UBA52 (NM_003333, HGNC:12458), PSMC1 (NM_002802, HGNC:9547), RPL4 (NM_000968, HGNC:10353), RPL37 (NM_000997, HGNC:10347), SLC25A3 (NM_005888, HGNC:10989), CLTC (NM_004859, HGNC:2092), TXNL1 (NM_004786, HGNC:12436), PSMA1 (NM_002786, HGNC:9530), RPL8 (NM_000973, HGNC:10368), MMADHC (NM_015702, HGNC:25221), PPP2CA (NM_002715, HGNC:9299), MRFAP1 (NM_033296, HGNC:24549), POLR2C (NM_032940, HGNC:9189), PSMB2 (NM_002794, HGNC:9539), DIABLO (NM_019887, HGNC:21528), VCP (NM_007126, HGNC:12666).Possible normalizing genes with corresponding sequence identifiers at the National Center for Biotechnology Information (NCBI) as well as gene identifiers according to the Human Gene Nomenclature Committee of the European Bioinformatics Institute (HGNC) are shown below: ACTB (NM_001101, HGNC: 132), RPL13A (NM_001270491, HGNC: 10 ), RPL9 (NM_000661, HGNC: 10369), RPS29 (NM_001030001, HGNC: 10419), ENO1 (NM_001428, HGNC: 3350), ENO2 (NM_001975, HGNC: 3353), H6PD (NM_00428595, HGNC: 472000 , HGNC: 4057), KIF1B (NM_015074, HGNC: 16636), KIF1A (NM_138483, HGNC: 888), NMNAT1 (NM_001297778, HGNC: 17877), NMNAT2 (NM_015039, HGNAT8: 20789), NM1789 , UBE4B (NM_006048, HGNC: 12500), UBE4A (NM_004788, HGNC: 12499), ACO1 (NM_002197, HGNC: 117), ACO2 (NM_001098, HGNC: 118), IREB2 (NM_004136L, HGNC: 6H187 HGNC: 18732), KLHL13 (NM_033495, HGNC: 22931), PANK1 (NM_138316, HGNC: 8598), PANK3 (NM_024594, HGNC: 19365), KIF20B (NM_016195, HGNC: 7212), KIF20A ( NM_005733, HGNC: 9787), RPL37A (NM_000998, HGNC: 10348), GAPDH (NM_002046, HGNC: 4141), RPL13 (NM_000977, HGNC: 10303), HPRT1 (NM_000194, HGNC: 5157) ), RPL38 (NM_000999, HGNC: 10349), UBA52 (NM_003333, HGNC: 12458), PSMC1 (NM_002802, HGNC: 9547), RPL4 (NM_000968, HGNC: 10353), RPL37 (NM_000997, HGNC: NMLC3 , HGNC: 10989), CLTC (NM_004859, HGNC: 2092), TXNL1 (NM_004786, HGNC: 12436), PSMA1 (NM_002786, HGNC: 9530), RPL8 (NM_000973, HGNC: 10368), MMADH2, 25 NMG2NC: , PPP2CA (NM_002715, HGNC: 9299), MRFAP1 (NM_033296, HGNC: 24549), POLR2C (NM_032940, HGNC: 9189), PSMB2 (NM_002794, HGNC: 9539), DIABLO, 21GN_01988 HGNC: 12666).
Термины «рак» и «карцинома» описывают физиологическое состояние у млекопитающих, которое обычно характеризуется нерегулируемым ростом клеток. Патология рака включает в себя, например, аномальный или неконтролируемый рост клеток, метастазы, интерференцию нормальному функционированию соседних клеток, высвобождение цитокинов или других секреторных продуктов на аномальных уровнях, подавление или обострение воспалительного или иммунологического ответа, неоплазию, злокачественность, инвазию в окружающие или отдаленные ткани или органы, такие как лимфатические узлы, кровеносные сосуды и т. д.The terms "cancer" and "carcinoma" describe a physiological condition in mammals that is usually characterized by unregulated cell growth. Cancer pathology includes, for example, abnormal or uncontrolled cell growth, metastases, interference with the normal functioning of neighboring cells, release of cytokines or other secretory products at abnormal levels, suppression or exacerbation of an inflammatory or immunological response, neoplasia, malignancy, invasion of surrounding or distant tissues or organs such as lymph nodes, blood vessels, etc.
Термины «рак почек» или «карцинома почек», используемые в данном описании, относятся к раку, который возникает в эпителиальном слое клеток почечных канальцев. Карцинома почек охватывает несколько относительно распространенных гистологических подтипов: язвенная клеточная карцинома почек, папиллярный (хромофильный) рак почек, карцинома коллекционного протока, медуллярная карцинома и др. (см. Thyavihally Y., et al., Int Semin Surg Oncol 2:18 (2005)). The terms "renal cancer" or "renal carcinoma" as used herein refer to cancer that arises in the epithelial layer of the renal tubular cells. Renal carcinoma encompasses several relatively common histological subtypes: ulcerative cell carcinoma of the kidney, papillary (chromophilic) renal cancer, collection duct carcinoma, medullary carcinoma, and others (see Thyavihally Y., et al., Int Semin Surg Oncol 2:18 (2005 )).
Термины «хороший прогноз» или «положительный клинический результат» означают желаемый клинический результат. Например, в контексте карциномы почек хороший прогноз может быть ожиданием отсутствия локальных рецидивов или метастазов в течение двух, трех, четырех, пяти или более лет после первоначального диагноза карциномы. Клинический результат можно оценить с использованием любого конечного показателя, включая, без ограничения, (1) агрессивность роста опухоли (например, переход на более высокую стадию); (2) метастазы; (3) локальное повторение; (4) увеличение продолжительности жизни после лечения; и / или (5) снижение смертности в определенный момент времени после лечения. Клинический результат может быть рассмотрен в контексте результата индивидуума относительно исхода популяции пациентов, имеющих сопоставимый клинический диагноз, и может быть оценен с использованием различных конечных показателей, таких как увеличение продолжительности интервала рецидива (RFI) , увеличение продолжительности общей выживаемости (ОС) в популяции, увеличение продолжительности безрецидивной выживаемости (DFS), увеличение продолжительности дистанции без повторения рецидива (DRFI) и тому подобное. Пациентом с раком почки, реагирующим на сорафениб, считают пациента, у которого наблюдается положительный клинический результат по одному из вышеуказанных конечных показателей после приема сорафениба. Методики лечения карциномы почек сорафенибом приведены, например, в обзоре Monzon and Heng, 2014 (Crit Rev Clin Lab Sci 51(2): 85–97 (2014)).The terms "good prognosis" or "positive clinical outcome" mean the desired clinical outcome. For example, in the context of renal carcinoma, a good prognosis can be expected to be free of local recurrence or metastases for two, three, four, five, or more years after the initial diagnosis of carcinoma. The clinical outcome can be assessed using any endpoint, including, without limitation, (1) aggressiveness of tumor growth (eg, transition to a higher stage); (2) metastases; (3) local repetition; (4) increased life expectancy after treatment; and / or (5) reducing mortality at a certain point in time after treatment. The clinical outcome can be considered in the context of an individual outcome relative to the outcome of a population of patients with a comparable clinical diagnosis, and can be assessed using various endpoints, such as an increase in the duration of the recurrence interval (RFI), an increase in the duration of overall survival (OS) in the population, an increase in duration of relapse-free survival (DFS), duration of distance without recurrence (DRFI), and the like. A sorafenib-responsive kidney cancer patient is defined as a patient who has a positive clinical outcome for one of the above endpoints after taking sorafenib. Treatments for renal carcinoma with sorafenib are reviewed, for example, by Monzon and Heng, 2014 (Crit Rev Clin Lab Sci 51 (2): 85–97 (2014)).
Различные технические подходы для определения уровней экспрессии генов изложены могут включать, без ограничения, обратную транскрипционную полимеразную цепную реакцию (ОТ-ПЦР), микрочиповую гибридизацию, высокопроизводительное секвенирование нового поколения, последовательный анализ экспрессии генов (SAGE). Микрочиповая гибридизация относится к упорядоченному расположению гибридизуемых элементов массива, предпочтительно полинуклеотидных зондов, на подложке. В конкретных аспектах уровень экспрессии каждого гена может быть определен с помощью различных элементов гена, включая экзоны, интроны и белковые продукты. В предпочтительных вариантах экспрессия генов определяется по уровню соответствующих мРНК или кДНК. Уровни экспрессии генов, идентифицированных в описании, могут быть измерены в опухолевой ткани. Например, опухолевая ткань может быть получена при хирургической резекции опухоли или путем биопсии опухоли. Методики получения образца карциномы почечной ткани от пациента приведены, например (Landolt L. et al., Scand J Clin Lab Invest. Sep;76(5):426-34, 2016). Уровень экспрессии идентифицированных генов также может быть измерен в опухолевых клетках, выделенных из участков, удаленных из опухоли, включая циркулирующие опухолевые клетки или жидкость организма (например, мочу, кровь, фракцию крови и др.). Способы амплификации (например, с помощью ПЦР) нуклеиновых кислот, способы количественной оценки нуклеиновых кислот, общие методы экстракции мРНК из тканей пациентов хорошо известны специалистам в данной области (см., например, Ausubel, et al, Short Protocols in Molecular Biology, 3rd ed., Wiley & Sons, 1995 and Sambrook, et al, Molecular Cloning: A Laboratory Manual, Third Edition, (2001) Cold Spring Harbor, N.Y.). Экстракция мРНК может быть выполнена с использованием стандартных наборов и реагентов от коммерческих производителей в соответствии с инструкциями производителей.Various technical approaches for determining gene expression levels outlined may include, but are not limited to, reverse transcriptional polymerase chain reaction (RT-PCR), microchip hybridization, next generation high throughput sequencing, sequential gene expression analysis (SAGE). Microarray hybridization refers to the ordered arrangement of array elements to be hybridized, preferably polynucleotide probes, on a substrate. In specific aspects, the level of expression of each gene can be determined using various elements of the gene, including exons, introns, and protein products. In preferred embodiments, gene expression is determined by the level of the corresponding mRNA or cDNA. Expression levels of the genes identified herein can be measured in tumor tissue. For example, tumor tissue can be obtained by surgical resection of the tumor or by biopsy of the tumor. Techniques for obtaining a renal tissue carcinoma sample from a patient are described, for example (Landolt L. et al., Scand J Clin Lab Invest. Sep; 76 (5): 426-34, 2016). The level of expression of the identified genes can also be measured in tumor cells isolated from sites removed from the tumor, including circulating tumor cells or body fluids (eg, urine, blood, blood fraction, etc.). Methods for amplifying (e.g., PCR) nucleic acids, methods for quantifying nucleic acids, general methods for extracting mRNA from patient tissues are well known to those skilled in the art (see, e.g., Ausubel, et al, Short Protocols in Molecular Biology, 3rd ed. ., Wiley & Sons, 1995 and Sambrook, et al, Molecular Cloning: A Laboratory Manual, Third Edition, (2001) Cold Spring Harbor, NY). Extraction of mRNA can be performed using standard kits and reagents from commercial manufacturers according to the manufacturer's instructions.
Количественная ПЦР в реальном времени измеряет накопление продукта ПЦР через двухмеченный флуоресцентный зонд (т. е. зонд TaqMan®). ПЦР в реальном времени совместим как с количественной конкурентной ПЦР, где для нормализации используется внутренний конкурент для каждой целевой последовательности, а также с количественной сравнительной ПЦР с использованием гена нормализации, содержащегося в образце, или эталонного гена для ОТ-ПЦР (более подробно см., например, Dieffenbach, C. W. et al., "General Concepts for PCR Primer Design" in: PCR Primer, A Laboratory Manual, Cold Spring Harbor Laboratory Press, New York, 1995, pp. 133-155).Real-time quantitative PCR measures the accumulation of PCR product through a double-labeled fluorescent probe (i.e., TaqMan® probe). Real-time PCR is compatible with both quantitative competitive PCR, where an internal competitor for each target sequence is used for normalization, as well as quantitative comparative PCR using the normalization gene contained in the sample, or a reference gene for RT-PCR (for more details, see for example, Dieffenbach, CW et al., "General Concepts for PCR Primer Design" in: PCR Primer, A Laboratory Manual, Cold Spring Harbor Laboratory Press, New York, 1995, pp. 133-155).
Чтобы минимизировать вариаций при измерениях экспрессии из-за технических различий в образцах (например, различное количество и качество продукта экспрессии), данные уровня экспрессии, измеренные для продукта гена (например, порог цикла (Ct) полученный с помощью ОТ-ПЦР), могут быть нормированы относительно средних значений уровня экспрессии, полученных для одного или нескольких эталонных генов. В одном из подходов к нормализации небольшое количество генов используется в качестве эталонных генов; гены, выбранные для эталонных генов (housekeeping genes), обычно показывают минимальное количество вариаций экспрессии от образца к образцу как для образцов нормальной ткани, так и для образцов патологической ткани, а уровень экспрессии других генов сравнивают с относительно стабильной экспрессией эталонных генов. To minimize variation in expression measurements due to technical differences in samples (e.g. different quantity and quality of the expression product), expression level data measured for the gene product (e.g. cycle threshold (Ct) obtained by RT-PCR) can be normalized relative to the average values of the level of expression obtained for one or more reference genes. In one approach to normalization, a small number of genes are used as reference genes; genes selected for housekeeping genes typically show minimal variation in expression from sample to sample for both normal tissue and abnormal tissue samples, and expression levels of other genes are compared to relatively stable expression of reference genes.
Необработанные данные из ОТ-ПЦР выражаются как порог цикла (Ct) - количество циклов полимеризации, необходимое для того, чтобы детектируемый сигнал превышал определенный порог. Высокое значение Ct указывает на низкую экспрессию, поскольку для обнаружения продукта амплификации требуется больше циклов. Нормализация может быть выполнена таким образом, что одноэтапное увеличение нормализованного уровня экспрессии гена продукта обычно отражает 2-кратное увеличение количества продукта экспрессии, присутствующего в образце (Silva S et al. (2006) BMC Cancer 6, 200). Затем экспрессия гена может быть стандартизована путем деления нормированной экспрессии гена на стандартное отклонение экспрессии для всех пациентов для этого конкретного гена. Специалистам в области известно множество статистических методов, которые подходят для сравнения уровня экспрессии гена в двух группах и определения статистической значимости обнаруженных различий (Motulsky H., Intuitive Biostatistics, Oxford University Press, 1995).Raw data from RT-PCR are expressed as cycle threshold (Ct) - the number of polymerization cycles required for a detected signal to exceed a certain threshold. A high Ct value indicates low expression as more cycles are required to detect the amplification product. Normalization can be performed such that a one-step increase in the normalized expression level of the product gene typically reflects a 2-fold increase in the amount of expression product present in the sample (Silva S et al. (2006) BMC Cancer 6, 200). Gene expression can then be standardized by dividing the normalized gene expression by the expression standard deviation for all patients for that particular gene. Many statistical methods are known to those skilled in the art that are suitable for comparing the level of gene expression in two groups and determining the statistical significance of the differences found (Motulsky H., Intuitive Biostatistics, Oxford University Press, 1995).
Для оценки предсказательной эффективности предложенного в данном описании подхода было проведено ретроспективное клиническое исследование. Набор образцов был получен от пациентов с раком почки, которые получали лечение Сорафенибом в Московской городской онкологической больнице № 62. Из 26 пациентов у 12 наблюдался положительный эффект от лечения по системе RECIST (частичный или полный ответ), 14 пациентов относились к группе неответчиков (стабилизация или прогрессирование при приеме сорафениба). To assess the predictive effectiveness of the approach proposed in this description, a retrospective clinical study was conducted. A set of samples was obtained from patients with kidney cancer who received treatment with Sorafenib at Moscow City Cancer Hospital No. 62. Of 26 patients, 12 showed a positive effect of RECIST treatment (partial or complete response), 14 patients belonged to the non-responder group (stabilization or progression with sorafenib).
В качестве биоматериала для исследования использовались парафинизированные блоки (FFPE) c образцами патологической ткани индивидуальных больных. Из полученных парафиновых блоков выделялись нуклеиновые кислоты при помощи набора SileksMagNA (пр-во Sileks) на магнитных частицах, в соответствии с инструкциями производителя комплекта. Далее препараты РНК, при помощи фермента ДНКазы BlueSorb (пр-во Sileks), были освобождены от примесей ДНК.Paraffinized blocks (FFPE) with samples of pathological tissue from individual patients were used as a biomaterial for the study. Nucleic acids were isolated from the obtained paraffin blocks using the SileksMagNA kit (manufactured by Sileks) on magnetic particles, in accordance with the instructions of the kit manufacturer. Further, the RNA preparations, using the BlueSorb DNase enzyme (manufactured by Sileks), were freed from DNA impurities.
Измерение экспрессии генов в образцах опухолей пациентов проводилось следующими методами:The measurement of gene expression in tumor samples from patients was carried out by the following methods:
1) Для всех пациентов: методом гибридизации РНК на микрочипах Illumina HumanHT-12 WG-DASL V4.0 R2. 1) For all patients: by the method of RNA hybridization on microchips Illumina HumanHT-12 WG-DASL V4.0 R2.
2) Для 6 ответчиков и 7 неответчиков: ОТ-ПЦР.2) For 6 responders and 7 non-responders: RT-PCR.
3) Для 11 неответчиков и 2 ответчиков: при помощи РНК-секвенирования нового поколения на платформе Illumina HiSeq-3000.3) For 11 non-responders and 2 responders: using the next generation RNA sequencing on the Illumina HiSeq-3000 platform.
Результаты биоинформатического анализа и предсказательные характеристики предложенного бинарного классификатора (ответчики на сорафениб против неответчиков) приведены в примерах к данному патенту. Все нижеприведенные примеры свидетельствуют в пользу того, что предложенный подход позволяет предсказывать эффективность препарата сорафениб при раке почки с высокой достоверностью.The results of bioinformatics analysis and predictive characteristics of the proposed binary classifier (responders to sorafenib versus non-responders) are given in the examples to this patent. All the examples below indicate that the proposed approach allows predicting the efficacy of sorafenib in kidney cancer with high reliability.
В некоторых вариантах осуществления изобретения получены нижеследующие результаты.In some embodiments, the following results are obtained.
На основании данных профилирования генной экспрессии в тканях рака почки больных с известным статусом ответа на терапию сорафенибом с помощью микрочипов Illumina HumanHT-12 WG-DASL V4.0 R2, платформы секвенирования нового поколения Illumina HiSeq-3000, а также с помощью метода ОТ-ПЦР, указанная в настоящем изобретении тест-система, состоящая из 10 генов (4 целевых и шесть нормировочных), показала способность предсказывать индивидуальный ответ больных раком почки на монотерапию препаратом Сорафенибом с высоким значением площади под ROC-кривой (AUC = 0,76 для платформы Illumina HumanHT-12 WG-DASL V4.0 R2; AUC = 0,95 для ОТ-ПЦР; AUC = 0.91 для платформы Illumina HiSeq-3000). Based on the data of gene expression profiling in kidney cancer tissues of patients with known response status to sorafenib therapy using Illumina HumanHT-12 WG-DASL V4.0 R2 microchips, Illumina HiSeq-3000 new generation sequencing platform, as well as using the RT-PCR method test system, specified in the present invention, consisting of 10 genes (4 target and six normalized), has shown the ability to predict the individual response of patients with kidney cancer to monotherapy with Sorafenib with a high value of the area under the ROC curve (AUC = 0.76 for the Illumina platform HumanHT-12 WG-DASL V4.0 R2; AUC = 0.95 for RT-PCR; AUC = 0.91 for Illumina HiSeq-3000 platform).
На основании данных профилирования генной экспрессии в тканях рака почки больных с известным статусом ответа на терапию сорафенибом с помощью микрочипов Illumina HumanHT-12 WG-DASL V4.0 R2 указанная в настоящем изобретении тест-система, состоящая из 15 генов (10 целевых и 5 нормировочных), показала способность предсказывать индивидуальный ответ больных раком почки на монотерапию препаратом сорафениб с высоким значением площади под ROC-кривой (AUC = 0,76 для платформы Illumina HumanHT-12 WG-DASL V4.0 R2).Based on the data of gene expression profiling in kidney cancer tissues of patients with a known response status to sorafenib therapy using Illumina HumanHT-12 WG-DASL V4.0 R2 microchips, the test system specified in the present invention, consisting of 15 genes (10 target and 5 normalized ), showed the ability to predict the individual response of patients with kidney cancer to monotherapy with sorafenib with a high value of the area under the ROC-curve (AUC = 0.76 for the Illumina HumanHT-12 WG-DASL V4.0 R2 platform).
Нижеследующие примеры осуществления способа приведены в целях раскрытия характеристик настоящего изобретения и их не следует рассматривать как каким-либо образом ограничивающие объем изобретения.The following examples of the implementation of the method are given in order to disclose the characteristics of the present invention and should not be construed as in any way limiting the scope of the invention.
Пример 1. Разделение ответчиков от неответчиков на препарат сорафениб при раке почки с использованием данных генной экспрессии, полученных методом микрочиповой гибридизации.Example 1. Separation of responders from non-responders to sorafenib in kidney cancer using gene expression data obtained by microchip hybridization.
Микрочиповая гибридизация образцов пациентов с раком почки и известным статусом ответа на сорафениб была проведена с использованием платформы Illumina HumanHT-12 WG-DASL V4.0 R2 согласно протоколу, рекомендованному производителем. В результате проведенной микрочиповой гибридизации были получены уровни экспрессии для каждого из 10 генов у 26 пациентов со светлоклеточным раком почки. На основании этих данных были рассчитаны индексы DSHTGE для каждого индивидуального пациента. Было выбрано такое пороговое значение DSHTGE, при котором сумма ошибок первого и второго рода было минимальным, при условии, что ошибки первого рода (ложноположительные результаты) имеют втрое больший вес, чем ошибки второго рода (ложноотрицательные результаты). Другими словами, был выбран такой порог, при котором значение следующей суммы было бы минимальным: 3 * доля ложноположительных результатов (FPR) + доля ложноотрицательных результатов (FNR). Исходя из этого пороговое значение DSHTGE было выбрано равным 12,40 (Таблица 1). Если значение DSHTGE больше данного порога, то пациент относится к группе ответчиков. Если меньше – к группе неответчиков. Площадь под ROC-кривой для данного бинарного классификатора составила 0,75 (фиг. 2).Microarray hybridization of kidney cancer patient samples with known response status to sorafenib was performed using the Illumina HumanHT-12 WG-DASL V4.0 R2 platform according to the manufacturer's recommended protocol. As a result of microarray hybridization, expression levels were obtained for each of the 10 genes in 26 patients with clear cell kidney cancer. Based on these data, DS HTGE indices were calculated for each individual patient. The DS HTGE threshold was chosen so that the sum of type 1 and type 2 errors was minimal, provided that type 1 errors (false positives) were three times more weighted than type 2 errors (false negative results). In other words, the threshold was chosen so that the following sum would be as low as possible: 3 * False Positive Rate (FPR) + False Negative Rate (FNR). Based on this, the DS HTGE threshold was chosen to be 12.40 (Table 1) . If the DS HTGE value is greater than this threshold, then the patient belongs to the responder group. If less - to the group of non-responders. The area under the ROC-curve for this binary classifier was 0.75 (Fig. 2).
Таблица 1. Параметры работы бинарного классификатора, основанного на параметре DSHTGE, разделяющего ответчиков от неответчиков на препарат Сорафениб при раке почки. Параметр DSHTGE был рассчитан по данным микрочиповой гибридизации на платформе Illumina HumanHT-12 WG-DASL V4.0 R2 согласно формуле 2. Оптимальный порог DSHTGE выделен серым цветом.Table 1. Parameters of a binary classifier based on the DS HTGE parameter, separating responders from non- responders to Sorafenib in kidney cancer. The DS HTGE parameter was calculated from microchip hybridization data on the Illumina HumanHT-12 WG-DASL V4.0 R2 platform according to formula 2. The optimal DS HTGE threshold is highlighted in gray.
Пример 2. Разделение ответчиков от неответчиков на препарат сорафениб при раке почки с использованием данных генной экспрессии, полученных методом ОТ-ПЦР. Example 2. Separation of responders from non-responders to sorafenib in kidney cancer using gene expression data obtained by RT-PCR.
Была разработана ОТ-ПЦР-панель для измерения уровня экспрессии четырех целевых и шести нормировочных генов в образцах рака почки. Праймеры, необходимые для детекции генов приведены в таблице 2. Параметры реакции ПЦР приведены ниже:An RT-PCR panel was developed to measure the expression level of four target and six normalizing genes in kidney cancer samples. The primers required for gene detection are shown in Table 2. The PCR reaction parameters are shown below:
ПЦР смесь (объемом 25 мкл):PCR mixture (volume 25 μl):
Буфер (HS-qPCRmix-HS SYBR, пр-во ЗАО Евроген) – 5 мкл;Buffer (HS-qPCRmix-HS SYBR, manufactured by ZAO Evrogen) - 5 μl;
Праймеры по 1 мкл (по 0,4 мкМ);Primers 1 μl (0.4 μM);
РНК – 1 – 3 мкл (2-6 нг на реакцию);RNA - 1 - 3 μl (2-6 ng per reaction);
MMLV-RT (пр-во ЗАО Евроген) – 2 мкл;MMLV-RT (manufactured by ZAO Evrogen) - 2 μl;
H2O – 13-15 мкл.H 2 O - 13-15 μl.
Программа для прохождения ПЦР:PCR program:
95°С – 5 мин.95 ° C - 5 min.
95°С – 30 сек.95 ° С - 30 sec.
60°С – 30 сек.60 ° С - 30 sec.
72°С – 30 сек.72 ° C - 30 sec.
Для ОТ-ПЦР был использован ПЦР амплификатор CFX Touch Real-Time PCR Detection System (пр-во BioRad). For RT-PCR, a CFX Touch Real-Time PCR Detection System PCR amplifier (manufactured by BioRad) was used.
Таблица 2. Последовательности пар праймеров для измерения уровня экспрессии 10 генов, необходимых для расчета параметра DSPCR.Table 2. Sequences of primer pairs for measuring the expression level of 10 genes required for calculating the DS PCR parameter.
В результате проведенной ОТ-ПЦР были получены показатели значений ∆Сt для каждого целевого гена у всех 13 пациентов. На основании этих данных были рассчитаны индексы DSPCR для каждого индивидуального пациента (формула 1). Было выбрано такое пороговое значение DSPCR, при котором сумма ошибок первого и второго рода была минимальна, при условии, что ошибки первого рода (ложноположительные результаты) имеют втрое больший вес, чем ошибки второго рода (ложноотрицательные результаты). Другими словами, был выбран такой порог, при котором значение следующей суммы было минимальным: 3 * доля ложноположительных результатов (FPR) + доля ложноотрицательных результатов (FNR). Исходя из этого пороговое значение DSPCR было выбрано равным -23,05 (Таблица 3). Если значение DSPCR больше данного порога, то пациент относится к группе ответчиков. Если меньше – к группе неответчиков. Площадь под ROC-кривой для данного бинарного классификатора составила 0,95 (фиг. 3).As a result of the performed RT-PCR, the values of ∆Сt were obtained for each target gene in all 13 patients. Based on these data, DS PCR indices were calculated for each individual patient (Formula 1). A DS PCR threshold was chosen at which the sum of Type I and Type II errors was minimal, provided that Type I errors (false positives) were three times more weighted than Type II errors (false negatives). In other words, the threshold was chosen so that the following sum was the lowest: 3 * False Positive Rate (FPR) + False Negative Rate (FNR). Based on this, the DS PCR threshold was chosen to be -23.05 (Table 3) . If the DS PCR value is greater than this threshold, then the patient belongs to the responder group. If less - to the group of non-responders. The area under the ROC-curve for this binary classifier was 0.95 (Fig. 3).
Таблица 3. Параметры работы бинарного классификатора, основанного на параметре DSPCR, разделяющего ответчиков от неответчиков на препарат сорафениб при раке почки. Параметр DSPCR был рассчитан по данным ОТ-ПЦР. Оптимальный порог DSPCR выделен серым цветом.Table 3. Parameters of the binary classifier based on the DS PCR parameter, separating responders from non-responders to sorafenib in kidney cancer. The DS PCR parameter was calculated from RT-PCR data. The optimal DS PCR threshold is grayed out.
Пример 3. Разделение ответчиков от неответчиков на препарат сорафениб при раке почки с использованием данных генной экспрессии, полученных методом РНК-секвенирования нового поколения. Example 3. Separation of responders from non-responders to sorafenib in kidney cancer using gene expression data obtained by next generation RNA sequencing.
РНК секвенирование нового поколения образцов пациентов с раком почки и известным статусом ответа на Сорафениб было проведено с использованием платформы Illumina HiSeq-3000 согласно протоколу, рекомендованному производителем. В результате были получены файлы в формате FASTQ, содержащие сырые прочтения для каждого образца. Данные прочтения были картированы на эталонный геном (геном человека, сборка GRCh38.89 от сервиса Ensembl, http://www.ensembl.org) при помощи алгоритма STAR [Dobin A, et al., STAR: ultrafast universal RNA-seq aligner. Bioinformatics. 2013 Jan 1;29(1):15-21]. В результате для каждого пациента были получены файлы, в которых содержится информация о количестве уникально картированных прочтений на гены человека. Образец считали подходящим для дальнейшего исследования в случае, если находилось более 3500000 уникально картированных прочтений на гены человека. Все 13 образцов прошли данный контроль качества. Для дальнейшего анализа были использована информация по 10 генам: 4 целевым и 6 нормировочным. На основании этих данных были рассчитаны индексы DSHTGE для каждого индивидуального пациента: двух ответчиков и 11 неответчиков. Для этого была использована формула 2. Было выбрано такое пороговое значение DSHTGE, при котором сумма ошибок первого и второго рода была минимальной, при условии, что ошибки первого рода (ложноположительные результаты) имеют втрое больший вес, чем ошибки второго рода (ложноотрицательные результаты). Другими словами, был выбран такой порог, при котором значение следующей суммы было минимальным: 3 * доля ложноположительных результатов (FPR) + доля ложноотрицательных результатов (FNR). Исходя из этого пороговое значение DSHTGE было выбрано равным 15,15 (Таблица 4). Если значение DSHTGE больше данного порога, то пациент относится к группе ответчиков. Если меньше – к группе неответчиков. Площадь под ROC-кривой для данного бинарного классификатора составила 0,91 (фиг. 4).RNA sequencing of a new generation of kidney cancer patient samples with known response status to Sorafenib was performed using the Illumina HiSeq-3000 platform according to the manufacturer's recommended protocol. This resulted in FASTQ files containing raw readings for each sample. The read data was mapped to a reference genome (human genome, assembly GRCh38.89 from the Ensembl service, http://www.ensembl.org) using the STAR algorithm [Dobin A, et al., STAR: ultrafast universal RNA-seq aligner. Bioinformatics. 2013 Jan 1; 29 (1): 15-21]. As a result, files were obtained for each patient, which contain information on the number of uniquely mapped reads for human genes. A sample was considered suitable for further research if there were more than 3,500,000 uniquely mapped reads for human genes. All 13 samples passed this quality control. For further analysis, information on 10 genes was used: 4 target genes and 6 normalized ones. Based on these data, DS HTGE indices were calculated for each individual patient: two responders and 11 non-responders. For this, Formula 2 was used. The threshold value DS HTGE was chosen, at which the sum of type I and type II errors was minimal, provided that Type I errors (false positive results) have three times more weight than Type II errors (false negative results) ... In other words, the threshold was chosen so that the following sum was the lowest: 3 * False Positive Rate (FPR) + False Negative Rate (FNR). Based on this, the threshold value of DS HTGE was chosen equal to 15.15 (Table 4) . If the DS HTGE value is greater than this threshold, then the patient belongs to the responder group. If less - to the group of non-responders. The area under the ROC-curve for this binary classifier was 0.91 (Fig. 4).
Таблица 4. Параметры работы бинарного классификатора, основанного на параметре DSHTGE, разделяющего ответчиков от неответчиков на препарат сорафениб при раке почки. Параметр DSHTGE был рассчитан по данным РНК-секвенирования нового поколения. Оптимальный порог DSHTGE выделен серым цветом.Table 4. Parameters of a binary classifier based on the DS HTGE parameter, separating responders from non- responders to sorafenib in kidney cancer. The DS HTGE parameter was calculated from the next generation RNA sequencing data. The optimal DS HTGE threshold is grayed out.
Пример 4. Разделение ответчиков от неответчиков на препарат сорафениб при раке почки с использованием данных генной экспрессии, полученных методом микрочиповой гибридизации.Example 4. Separation of responders from non-responders to sorafenib in kidney cancer using gene expression data obtained by microchip hybridization.
Микрочиповая гибридизация образцов пациентов с раком почки и известным статусом ответа на сорафениб была проведена с использованием платформы Illumina HumanHT-12 WG-DASL V4.0 R2 согласно протоколу, рекомендованному производителем. В результате проведенной микрочиповой гибридизации были получены уровни экспрессии для каждого из 10 генов у 26 пациентов со светлоклеточным раком почки. На основании этих данных были рассчитаны индексы DSHTGE для каждого индивидуального пациента согласно формуле (4), т.е. все гены-мишени Сорафениба учитывались при расчете с равными коэффициентами, и был использован альтернативный набор нормировочных генов. Было выбрано такое пороговое значение DSHTGE, при котором сумма ошибок первого и второго рода была минимальной, при условии, что ошибки первого рода (ложноположительные результаты) имеют втрое больший вес, чем ошибки второго рода (ложноотрицательные результаты). Другими словами, был выбран такой порог, при котором значение следующей суммы было бы минимальным: 3 * доля ложноположительных результатов (FPR) + доля ложноотрицательных результатов (FNR). Исходя из этого пороговое значение DSHTGE было выбрано равным 13,14 (Таблица 5). Если значение DSHTGE больше данного порога, то пациент относится к группе ответчиков. Если меньше – к группе неответчиков. Площадь под ROC-кривой для данного бинарного классификатора составила 0,76 (фиг. 5).Microarray hybridization of kidney cancer patient samples with known response status to sorafenib was performed using the Illumina HumanHT-12 WG-DASL V4.0 R2 platform according to the manufacturer's recommended protocol. As a result of microarray hybridization, expression levels were obtained for each of the 10 genes in 26 patients with clear cell kidney cancer. Based on these data, DS HTGE indices were calculated for each individual patient according to formula (4), i.e. all target genes of Sorafenib were taken into account in the calculation with equal coefficients, and an alternative set of normalizing genes was used. The DS HTGE threshold was chosen so that the sum of type 1 and type 2 errors was minimal, provided that type 1 errors (false positives) were three times more weighted than type 2 errors (false negative results). In other words, the threshold was chosen so that the following sum would be as low as possible: 3 * False Positive Rate (FPR) + False Negative Rate (FNR). Based on this, the DS HTGE threshold was chosen to be 13.14 (Table 5) . If the DS HTGE value is greater than this threshold, then the patient belongs to the responder group. If less - to the group of non-responders. The area under the ROC-curve for this binary classifier was 0.76 (Fig. 5).
Таблица 5. Параметры работы бинарного классификатора, основанного на параметре DSHTGE, разделяющего ответчиков от неответчиков на препарат Сорафениб при раке почки. Параметр DSHTGE был рассчитан по данным микрочиповой гибридизации на платформе Illumina HumanHT-12 WG-DASL V4.0 R2 согласно формуле 4. Оптимальный порог DSHTGE равен 13,14 (выделен серым цветом).Table 5. Parameters of a binary classifier based on the DS HTGE parameter, separating responders from non- responders to Sorafenib in kidney cancer. The DS HTGE parameter was calculated from microchip hybridization data on the Illumina HumanHT-12 WG-DASL V4.0 R2 platform according to formula 4. The optimal DS HTGE threshold is 13.14 (highlighted in gray).
Несмотря на то, что изобретение описано со ссылкой на раскрываемые варианты воплощения, для специалистов в данной области должно быть очевидно, что конкретные подробно описанные случаи приведены лишь в целях иллюстрирования настоящего изобретения, и их не следует рассматривать как каким-либо образом ограничивающие объем изобретения. Должно быть, понятно, что возможно осуществление различных модификаций без отступления от сути настоящего изобретения.Although the invention has been described with reference to the disclosed embodiments, it should be apparent to those skilled in the art that the specific cases described in detail are provided for the purpose of illustrating the present invention only and should not be construed as in any way limiting the scope of the invention. It should be understood that various modifications are possible without departing from the spirit of the present invention.
Claims (10)
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/RU2018/000703 WO2020085936A1 (en) | 2018-10-24 | 2018-10-24 | Classifier test of clinical response of individual kidney cancer patients to treatment with sorafenib |
Publications (3)
Publication Number | Publication Date |
---|---|
RU2019132020A RU2019132020A (en) | 2021-04-12 |
RU2019132020A3 RU2019132020A3 (en) | 2021-04-12 |
RU2747746C2 true RU2747746C2 (en) | 2021-05-13 |
Family
ID=70331166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2019132020A RU2747746C2 (en) | 2018-10-24 | 2018-10-24 | Test-classifier of the clinical response to treatment with sorafenib in individual patients with kidney cancer |
Country Status (2)
Country | Link |
---|---|
RU (1) | RU2747746C2 (en) |
WO (1) | WO2020085936A1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2800071C1 (en) * | 2022-09-01 | 2023-07-17 | Автономная некоммерческая образовательная организация высшего образования "Сколковский институт науки и технологий" | Sorafenib-based combination therapy for hepatocellular carcinoma |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011085263A2 (en) * | 2010-01-11 | 2011-07-14 | Genomic Health, Inc. | Method to use gene expression to determine likelihood of clinical outcome of renal cancer |
WO2015031604A1 (en) * | 2013-08-28 | 2015-03-05 | Crown Bioscience, Inc. | Gene expression signatures predictive of subject response to a multi-kinase inhibitor and methods of using the same |
WO2016097285A1 (en) * | 2014-12-19 | 2016-06-23 | Centre Léon-Bérard | Genomic classifier that predicts response to multi-kinase inhibitor treatment introduction |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170283885A1 (en) * | 2014-10-09 | 2017-10-05 | Daiichi Sankyo Company, Limited | Algorithms for gene signature-based predictor of sensitivity to mdm2 inhibitors |
US20160224738A1 (en) * | 2015-01-29 | 2016-08-04 | Pathway Pharmaceuticals Ltd | System, Method and Software for Predicting Drug Efficacy in a Patient |
-
2018
- 2018-10-24 RU RU2019132020A patent/RU2747746C2/en active
- 2018-10-24 WO PCT/RU2018/000703 patent/WO2020085936A1/en active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011085263A2 (en) * | 2010-01-11 | 2011-07-14 | Genomic Health, Inc. | Method to use gene expression to determine likelihood of clinical outcome of renal cancer |
WO2015031604A1 (en) * | 2013-08-28 | 2015-03-05 | Crown Bioscience, Inc. | Gene expression signatures predictive of subject response to a multi-kinase inhibitor and methods of using the same |
WO2016097285A1 (en) * | 2014-12-19 | 2016-06-23 | Centre Léon-Bérard | Genomic classifier that predicts response to multi-kinase inhibitor treatment introduction |
Non-Patent Citations (4)
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2800071C1 (en) * | 2022-09-01 | 2023-07-17 | Автономная некоммерческая образовательная организация высшего образования "Сколковский институт науки и технологий" | Sorafenib-based combination therapy for hepatocellular carcinoma |
Also Published As
Publication number | Publication date |
---|---|
WO2020085936A1 (en) | 2020-04-30 |
RU2019132020A (en) | 2021-04-12 |
RU2019132020A3 (en) | 2021-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101437718B1 (en) | Markers for predicting gastric cancer prognostication and Method for predicting gastric cancer prognostication using the same | |
ES2894479T3 (en) | Plasma DNA mutational analysis for cancer detection | |
Tembe et al. | MicroRNA and mRNA expression profiling in metastatic melanoma reveal associations with BRAF mutation and patient prognosis | |
BR112020023587A2 (en) | method of determining a cell-free DNA fragmentation (cfdna) profile, method of identifying a mammal as having cancer, method of identifying the tissue of origin of a cancer, and method of treating a mammal with cancer | |
JP6704861B2 (en) | Methods for selecting personalized triple therapies for cancer treatment | |
Chang et al. | Comparison of genomic signatures of non-small cell lung cancer recurrence between two microarray platforms | |
US11613787B2 (en) | Methods and systems for analyzing nucleic acid molecules | |
WO2015073949A1 (en) | Method of subtyping high-grade bladder cancer and uses thereof | |
EP3186394B1 (en) | Detection of melanoma | |
US9410205B2 (en) | Methods for predicting survival in metastatic melanoma patients | |
US20160222461A1 (en) | Methods and kits for diagnosing the prognosis of cancer patients | |
BR112015022977B1 (en) | Methods for predicting risk of metastasis in cutaneous melanoma | |
JP7499239B2 (en) | Methods and systems for somatic mutations and uses thereof | |
KR20210044233A (en) | Genetic signature to predict melanoma metastasis and patient prognosis | |
WO2010015538A2 (en) | Predictive marker for egfr inhibitor treatment | |
US20110183859A1 (en) | Inflammatory genes and microrna-21 as biomarkers for colon cancer prognosis | |
JP6784673B2 (en) | How to determine the survival prognosis of patients with pancreatic cancer | |
WO2010083880A1 (en) | Prognosis of breast cancer patients by monitoring the expression of two genes | |
WO2020161686A1 (en) | Compositions and methods for cancer diagnosis and prognosis | |
RU2747746C2 (en) | Test-classifier of the clinical response to treatment with sorafenib in individual patients with kidney cancer | |
US20240182984A1 (en) | Methods for assessing proliferation and anti-folate therapeutic response | |
BR112020012280A2 (en) | compositions and methods for diagnosing lung cancers using gene expression profiles | |
WO2016066797A2 (en) | Ovarian cancer prognostic subgrouping | |
US20160304961A1 (en) | Method for predicting the response to chemotherapy treatment in patients suffering from colorectal cancer | |
RU2823255C1 (en) | Method for prediction of recurrent thyroid cancer after radical surgery |