ES2316932T3 - Pronostico de cancer colorectal. - Google Patents
Pronostico de cancer colorectal. Download PDFInfo
- Publication number
- ES2316932T3 ES2316932T3 ES04251933T ES04251933T ES2316932T3 ES 2316932 T3 ES2316932 T3 ES 2316932T3 ES 04251933 T ES04251933 T ES 04251933T ES 04251933 T ES04251933 T ES 04251933T ES 2316932 T3 ES2316932 T3 ES 2316932T3
- Authority
- ES
- Spain
- Prior art keywords
- genes
- gene
- sec
- expression
- baselineskip
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M1/00—Stationary means for catching or killing insects
- A01M1/08—Attracting and catching insects by using combined illumination or colours and suction effects
-
- C—CHEMISTRY; METALLURGY
- C07—ORGANIC CHEMISTRY
- C07H—SUGARS; DERIVATIVES THEREOF; NUCLEOSIDES; NUCLEOTIDES; NUCLEIC ACIDS
- C07H21/00—Compounds containing two or more mononucleotide units having separate phosphate or polyphosphate groups linked by saccharide radicals of nucleoside groups, e.g. nucleic acids
- C07H21/04—Compounds containing two or more mononucleotide units having separate phosphate or polyphosphate groups linked by saccharide radicals of nucleoside groups, e.g. nucleic acids with deoxyribosyl as saccharide radical
-
- 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
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/575—Immunoassay; Biospecific binding assay; Materials therefor for cancer
- G01N33/57535—Immunoassay; Biospecific binding assay; Materials therefor for cancer of the large intestine, e.g. colon, rectum or anus
-
- 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
- C12Q1/6813—Hybridisation assays
- C12Q1/6834—Enzymatic or biochemical coupling of nucleic acids to a solid phase
- C12Q1/6837—Enzymatic or biochemical coupling of nucleic acids to a solid phase using probe arrays or probe chips
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/118—Prognosis of disease development
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Organic Chemistry (AREA)
- Molecular Biology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Genetics & Genomics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biotechnology (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Microbiology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Hematology (AREA)
- Urology & Nephrology (AREA)
- Pest Control & Pesticides (AREA)
- Biophysics (AREA)
- Hospice & Palliative Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Oncology (AREA)
- Cell Biology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Insects & Arthropods (AREA)
- Environmental Sciences (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
Un procedimiento de evaluación del estado de cáncer colorectal, que comprende la identificación de la modulación diferencial de cada gen (con relación a la expresión de los mismos genes en una población normal) en una combinación de genes constituidos por la Sec. ID. No. 2, Sec. ID. No. 3 y Sec. ID. No. 4.
Description
Pronóstico de cáncer colorectal.
Esta invención se refiere a pronósticos para
cáncer colorectal basados en los perfiles de expresión de genes de
muestras biológicas.
El cáncer colorectal es una enfermedad
heterogénea con orígenes complejos. Una vez que un paciente es
tratado de cáncer colorectal, la probabilidad de una recurrencia
está relacionada con el grado de penetración del tumor a través de
la pared intestinal y la presencia o ausencia de implicación nodal.
Estas características son la base del sistema de evaluación de
fases actual definido por la clasificación de Duke. La enfermedad A
de Duke está confinada a las capas de submucosa del colon o del
recto. El tumor B de Duke invade a través de la musculares
propia y podría penetrar la pared del colon o del recto. La
enfermedad C de Duke incluye cualquier grado de invasión de la
pared intestinal con metástasis del nódulo linfático regional.
La resección quirúrgica es altamente eficaz para
cánceres colorectales en fase precoz, que da lugar a proporciones
de cura del 95% en pacientes A de Duke y del 75% en pacientes B de
Duke. La presencia de de nódulos linfáticos positivos en la
enfermedad C de Duke predice un 60% de probabilidad de recurrencia
dentro de los cinco años. El tratamiento de los pacientes C de Duke
con un curso postquirúrgico de quimioterapia reduce la proporción
de recurrencia al 40%-50%, y es actualmente el patrón de curación
para pacientes C de Duke. Debida a la relativamente baja proporción
de reincidencia, el beneficio de la quimioterapia postquirúrgica en
B de Duke ha sido más difícil de detectar y continúa siendo
controvertida. Sin embargo, la clasificación B de Duke es imperfecta
ya que aproximadamente el 20-30% de estos pacientes
se comportan de manera más parecida a Duke y recaen dentro de un
intervalo de tiempo de los 5 años. Existe claramente una necesidad
de identificar factores de pronóstico mejores que la implicación
del nódulo para guiar la selección de B de Duke entre aquellos que
probablemente recaen y aquellos que sobrevivirán.
El Documento WO 00/19206 describe un
procedimiento para predecir alto riesgo de recurrencia de pacientes
de cáncer colorectal de fase B de Duke usando niveles
YKL-40 como un marcador para la recurrencia.
El Documento WO 01/94629 describe la combinación
de secuencias 1 y 3 y su uso en la evaluación del estado del cáncer
colorectal.
La invención es un procedimiento de evaluación
de la probabilidad de una recurrencia de cáncer colorectal en un
paciente diagnosticado con o tratado para cáncer colorectal. El
procedimiento implica el análisis de un perfil de expresión de
gen.
En un aspecto de la invención, el perfil de
expresión de gen incluye al menos tres genes.
En otro aspecto de la invención, el perfil de
expresión de gen incluye al menos cuatro genes.
En otro aspecto aún de la invención, los kits
incluyen reactivos para la realización del pronóstico de análisis
de expresión del gen de recurrencia de cáncer colorectal.
La Figura 1 es una gráfica de la intensidad (eje
y) de la medición del gen 1 de la proteína de unión de ácido graso
del Homo sapiens en muestras de pacientes (eje x). Una mayor
intensidad indica una mayor expresión del gen lo que muestra que
estos genes están sub-regulados en pacientes en fase
de recaída.
La Figura 2 es una gráfica de la intensidad (eje
y) de la medición del gen transportador asociado del péptido
intestinal humano en muestras de pacientes (eje x). Una mayor
intensidad indica una mayor expresión del gen lo que muestra que
estos genes están sub-regulados en pacientes en fase
de recaída.
La Figura 3a es una gráfica de la intensidad
(eje y) de la medición del gen antígeno de MHC clase II
(HLA-DRB1) en muestras de pacientes (eje x). Una
mayor intensidad indica una mayor expresión del gen lo que muestra
que estos genes están sub-regulados en pacientes en
fase de recaída.
La Figura 3b es una gráfica de la intensidad
(eje y) de la medición del gen de proteína 5 del transcripto tipo
inmunoglobulina en muestras de pacientes (eje x). Una mayor
intensidad indica una mayor expresión del gen lo que muestra que
estos genes están sub-regulados en pacientes en fase
de recaída.
La Figura 4 es una gráfica de
Kaplan-Meier patrón construida a partir de los datos
de pacientes como un grupo de entrenamiento tal como se describe en
los Ejemplos.
La Figura 5 es una gráfica de
Kaplan-Meier patrón construida a partir de los datos
de pacientes como un grupo de ensayo tal como se describe en los
Ejemplos.
La Figura 6 es una gráfica de
Kaplan-Meier patrón construida a partir de todos los
datos de pacientes tal como se describe en los Ejemplos.
La Figura 7 es una curva ROC patrón.
La mera presencia o ausencia de secuencias de
ácido nucleico particular en una muestra de tejido únicamente
raramente se ha encontrado que tiene valor de diagnóstico o
pronóstico. Por otra parte, la información sobre la expresión de
diversas proteínas, péptidos o ARNm, está siendo considerada cada
vez más como importante. La mera presencia de secuencias de ácido
nucleico que tienen el potencial para expresar proteínas, péptidos
o ARNm (denominadas dichas secuencias como "genes") dentro del
genoma no es determinante por sí misma de si una proteína, péptido
o ARNm está expresado en una célula dada. El que un gen dado sea
capaz o no de expresar proteínas, péptidos o ARNm y en qué
extensión se produzca esto, si es que lo hace, está determinada por
una diversidad de factores complejos. Independientemente de las
dificultades en conocer y evaluar estos factores, el ensayo de la
expresión de genes puede proporcionar información útil sobre la
incidencia de episodios importantes tales como tumorogénesis,
metástasis, apoptosis, y otros fenómenos clínicamente relevantes.
Las indicaciones relativas del grado al cual los genes son activos
o inactivos pueden encontrarse en los perfiles de expresión de
genes. Los perfiles de expresión de genes de esta invención se usan
para proporcionar una prognosis y para tratar pacientes de cáncer
colorectal.
La preparación de la muestra requiere la
recogida de muestras de pacientes. Las muestras de pacientes usadas
en el procedimiento de la invención son aquellas que son sospechosas
de contener células enfermas, tales como células epiteliales
extraídas de una muestra de colon o procedentes de bordes
quirúrgicos. Una técnica útil para la obtención de muestras
sospechosas es la Microsección mediante Captura por Laser (LCM). La
tecnología LCM proporciona una vía para seleccionar las células a
estudiar, minimizando la variabilidad causada por la heterogeneidad
del tipo de célula. En consecuencia, pueden detectarse fácilmente
cambios moderados o pequeños en la expresión del gen entre células
normales y cancerosas. En un procedimiento preferido, las muestras
comprenden células epiteliales circulantes extraídas a partir de
sangre periférica. Estas pueden obtenerse de acuerdo con un cierto
número de procedimientos, pero el procedimiento el más preferido es
la técnica de separación magnética descrita en la Patente de EE.UU.
6.136.182 cedida a Immunivest Corp. Una vez que se ha obtenido la
muestra conteniendo las células de interés, el ARN se extrae y
amplifica y se obtiene un perfil de expresión del gen,
preferiblemente mediante micro-disposición, para
genes en las carpetas adecuadas.
Los procedimientos preferidos para el
establecimiento de los perfiles de expresión de genes incluyen la
determinación de la cantidad de ARN que se produce por un gen que
puede codificar una proteína o péptido. Esto se lleva a cabo
mediante PCR de transcriptasa inversa (RT-PCR),
RT-PCR competitiva, RT-PCR en tiempo
real, RT-PCR de visualización diferencial, análisis
de transferencia de Northern y otros ensayos relacionados. Aunque es
posible realizar estas técnicas usando reacciones de PCR
individuales, es mejor amplificar ADN complementario (ADNc) o ARN
complementario (ARNc) producido a partir de ARNm y analizarlo
mediante microdisposición. Existen un cierto número de
configuraciones y procedimientos de disposición diferentes para su
producción conocidos por los expertos en la técnica y descritos en
Patentes de EE.UU. tales como: 5.445.934; 5.532.128; 5.556.752;
5.242.974; 5.384.261; 5.405.783; 5.412.087; 5.424.186; 5.429.807;
5.436.327; 5.472.672; 5.527.681; 5.529.756; 5.545.531; 5.554.501;
5.561.071;
5.571.639; 5.593.839; 5.599.695; 5.624.711; 5.658.734; y 5.700.637.
5.571.639; 5.593.839; 5.599.695; 5.624.711; 5.658.734; y 5.700.637.
La tecnología de microdisposición permite la
medición del nivel de ARN en régimen uniforme de miles de genes
simultáneamente, presentando, de esta forma, una herramienta
poderosa para la identificación de efectos tales como la aparición,
paro, o modulación de la proliferación incontrolada de células. Dos
tecnologías de microdisposición son actualmente de amplio uso. La
primera de ellas son disposiciones de ADNc y la segunda
disposiciones de oligonucleótidos. Aunque existen diferencias en la
construcción de estos chips, esencialmente todos los análisis de
datos posteriores y rendimientos son los mismos. El producto de
estos análisis son, típicamente, mediciones de la intensidad de la
señal recibida a partir de una sonda marcada usada para detectar una
secuencia de ADNc a partir de la muestra que se hibrida a una
secuencia de ácido nucleico en un lugar conocido sobre la
microdisposición. Típicamente, la intensidad de la señal es
proporcional a la cantidad de ADNc y, de acuerdo con ello, al ARNm,
expresado en las células de la muestra. Un gran número de dichas
técnicas se encuentran disponibles y son útiles. Los procedimientos
preferidos para la determinación de la expresión del gen pueden
encontrarse en las Patentes de EE.UU. 6.271.002 de Linsley, y
otros, 6.218.122 de Friend, y otros; 6.218.114 de Peck, y otros; y
6.004.755 de Wang, y otros.
El análisis de los niveles de expresión se lleva
a cabo comparando dichas intensidades. La mejor forma de realizarlo
es mediante la generación de una matriz de la relación de las
intensidades de expresión de genes en una muestra de ensayo frente
a las de una muestra de control. Por ejemplo, las intensidades de
expresión de genes a partir de tejido enfermo pueden compararse con
las intensidades de expresión generadas a partir de tejido normal
del mismo tipo (por ejemplo, muestra de tejido de colon enfermo
frente a muestra de tejido de colon normal). Una relación de estas
intensidades de expresión indica el número de veces de cambios en
la expresión del gen entre las muestras de ensayo y de control.
Los perfiles de expresión de genes pueden
igualmente visualizarse por un cierto número de vías. El
procedimiento el más común es disponer unas intensidades de
fluorescencia brutas o matriz de relación dentro de un dendograma
gráfico en el que las columnas indican las muestras de ensayo y las
filas indican los genes. Los datos se disponen de manera que los
genes que tienen perfiles de expresión similares estén próximos unos
con otros. La relación de expresión para cada gen se visualiza como
un color. Por ejemplo, una relación menor de uno (que indica una
sub-regulación) puede aparecer en la porción azul
del espectro, en tanto que una relación mayor de uno (que indica
una sobre-regulación) puede aparecer como un color
en la porción roja del espectro. Se encuentran disponibles
programas de software para ordenador comercialmente disponibles para
visualizar dichos datos incluyendo el "GENESPRINT" de Silicon
Genetics, Inc. y el software "DISCOVERY" e "INFER" de
Partek, Inc.
Los genes modulados usados en los procedimientos
de la invención se encuentran descritos en los Ejemplos. Los genes
que están expresados de manera diferencial están o bien
sobre-regulados o bien sub-regulados
en pacientes con una recaída de cáncer de colon con respecto a los
con una recaída. La sobre-regulación y
sub-regulación son términos relativos que
significan que se encuentra una diferencia detectable (más allá de
la contribución del ruido en el sistema usado para medirlo) en la
cantidad de expresión de los genes con relación a una línea basal.
En este caso, la línea basal es la expresión de gen medida de un
paciente sin recaída. Los genes de interés en las células enfermas
(procedentes de los pacientes que han recaído) están, de acuerdo con
ello, o bien sobre-regulados o bien
sub-regulados con relación el nivel de la línea
basal usando el mismo procedimiento de medición. En este contexto,
por enfermo se refiere a una alteración del estado de un cuerpo que
interrumpe o altera, o tiene el potencial para alterar, el
rendimiento propio de las funciones corporales tal como ocurre con
la proliferación incontrolada de células. A alguien se le
diagnostica con una enfermedad cuando algún aspecto del genotipo o
fenotipo de dicha persona está de acuerdo con la presencia de la
enfermedad. Sin embargo, el acto de llevar a cabo una diagnosis o
prognosis incluye la determinación de resultados de
enfermedad/estados tales como la determinación de la probabilidad
de recaída y control de terapia. En el control de terapia, los
juicios clínicos se hacen considerando el efecto de un curso dado de
la terapia comparando la expresión de genes a lo largo del tiempo
con el fin de determinar si los perfiles de expresión de los genes
han cambiado o están cambiando a patrones más de acuerdo con el
tejido normal.
Preferiblemente, los niveles de sobre- y
sub-regulación se distinguen en base a los cambios
de número de veces de las mediciones de intensidad de sondas de
microdisposición hibridadas. Una diferencia de 2,0 veces es la
preferida para la obtención de dichas distinciones o un valor de p
menor de 0,05. Por tanto, antes de decir que un gen está expresado
diferencialmente en células enfermas/en fase de recaída frente a
células normales/en fase de no recaída, se ha encontrado que la
célula enferma proporciona al menos 2 veces más, o 2 veces menos de
intensidad que las células normales. Cuanto mayor sea la diferencia
en número de veces, más preferido es el uso del gen como una
herramienta de diagnóstico o de prognosis. Los genes seleccionados
para los perfiles de expresión de genes de la presente invención
tienen niveles de expresión que dan como resultado la generación de
una señal que es distinguible de la de los genes normales o no
modulados por una cantidad que excede el valor de fondo usando la
instrumentación del laboratorio clínico.
Los valores estadísticos pueden usarse para
distinguir con confianza los genes modulados de los no modulados y
del ruido. Los ensayos estadísticos encuentran los genes los más
significativamente diferentes entre diversos grupos de muestras. El
ensayo t de Student es un ejemplo de un ensayo estadístico fuerte
que puede usarse para encontrar diferencias significativas entre
dos grupos. Cuanto menor sea el valor de p, más precisa es la
evidencia de que el gen está mostrando una diferencia entre los
diferentes grupos. No obstante, puesto que las microdisposiciones
miden más de un gen al mismo tiempo, pueden preguntarse al mismo
tiempo decenas de miles de ensayos estadísticos. Por ello, es
improbable ver valores de p pequeños solo por casualidad y pueden
hacerse ajustes por esto usando una corrección de Sidak así como un
experimento de aleatoriedad/permutación. Un valor de p menor de
0,05 mediante el ensayo t es la evidencia de que el gen es
significativamente diferente. La evidencia más precisa de un valor
de p menor de 0,05 después de la corrección de Sidak es la
multiplicación por un factor. Para un gran número de muestras en
cada grupo, un valor de p menor de 0,05 después del ensayo de
aleatoriedad/permutación es la evidencia la más precisa de una
diferencia significativa.
Otro parámetro que puede usarse para seleccionar
genes que genera una señal que es mayor que la del gen no modulado
o el ruido, es el uso de una medición de la diferencia de señal
absoluta. Preferiblemente, la señal generada por la expresión del
gen modulado es al menos un 20% diferente de la del gen normal o no
modulado (sobre una base absoluta). Incluso es más preferido que
dichos genes produzcan patrones de expresión que sean al menos un
30% diferente de la de los genes normales o no modulados.
Los genes pueden agruparse de manera tal que la
información obtenida sobre el conjunto de genes en el grupo
proporcione una base de sonido para la obtención de un juicio
relevante clínicamente tal como una diagnosis, prognosis, o
elección de tratamiento. Estos conjuntos de genes constituyen las
carpetas de la invención. En este caso, los dictámenes basados en
las carpetas implican cáncer colorectal. Al igual que con la mayoría
de los marcadores de diagnóstico, es frecuentemente deseable usar
el número más pequeño de marcadores suficientes para obtener un
dictamen médico correcto. Esto evita un retraso en el tratamiento
pendiente de análisis posterior, así como un uso inapropiado de
tiempo y de recursos.
Preferiblemente, las carpetas se establecen de
manera tal que la combinación de genes en la carpeta muestre
sensibilidad y especificidad mejorada con relación a genes
individuales o combinaciones seleccionadas aleatoriamente de genes.
En el contexto de la presente invención, la sensibilidad de la
carpeta puede reflejarse en el número de veces de diferencias
mostradas por una expresión del gen en el estado enfermo con
relación al estado normal. La especificidad puede reflejarse en las
mediciones estadísticas de la correlación del señalamiento de la
expresión del gen con la afección de interés. Por ejemplo, puede
usarse una desviación típica como una medición. Al considerar un
grupo de genes para inclusión en una carpeta, una desviación típica
pequeña en las mediciones de expresión se corresponde con una mayor
especificidad. Igualmente, para este destino pueden usarse otras
mediciones de variación tales como coeficientes de correlación.
Un procedimiento preferido para el
establecimiento de carpetas de expresión de genes a mediante el uso
de algoritmos de optimización tal como el algoritmo de varianza
media usado en el establecer carpetas de stock. Este procedimiento
está descrito en detalle en la solicitud de patente titulada
"Selección de carpetas" por Tim Jatkoe, y otros, presentada el
21 de Marzo de 2003. Esencialmente, el procedimiento requiere el
establecimiento de un conjunto de datos (stocks en la expresión de
aplicaciones financieras como medida de intensidad en este caso)
que optimicen el retorno (por ejemplo, de la señal que se ha
generado) que uno recibe para su uso, al tiempo que se minimiza la
variabilidad del retorno. Para llevar a cabo dichas operaciones se
encuentran disponibles muchos programas de software comerciales. En
esta memoria descriptiva, se prefiere la "Wagner Associates
Mean-Variance Optimization Application",
referida como "Wagner Software". Este software usa funciones
procedentes de la "Wagner Associates
Mean-Variance Optimization Library" para
determinar una frontera eficaz y se prefiere las carpetas óptimas
en el sentido de Markowitz.
El uso de este tipo de software requiere que los
datos de las microdisposiciones sean transformados de manera tal
que puedan tratarse como un dato en el modo de retorno de stock y
que las mediciones de riesgo se usen cuando el software se use para
sus fines de análisis financiero al que está destinado. Por ejemplo,
cuando el Software Wagner se usa conjuntamente con las mediciones
de intensidad de microdisposiciones, se usa el procedimiento de
transformación de datos siguiente.
En primer lugar, los genes son
pre-seleccionados mediante la identificación de
aquellos genes cuya expresión muestra al menos algún nivel mínimo
de diferenciación. El procedimiento de pre-selección
preferido se lleva a cabo como sigue. Se selecciona una clase de
línea basal. Típicamente, esta comprenderá genes procedentes de una
población que no tenga la afección de interés. Por ejemplo, si uno
estuviera interesado en la selección de una carpeta de genes que
sean diagnóstico para la fase de recaída de cáncer de colon, pueden
usarse muestras procedentes de pacientes sin recaídas para obtener
la clase de línea basal. Una vez seleccionada la clase de línea
basal, se calcula la media aritmética y la desviación típica para el
indicador de la expresión de gen de cada gen para las muestras de
clase de línea basal. Este indicador es, típicamente, la intensidad
fluorescente de una lectura de microdisposición. Los datos
estadísticos computados se usan, a continuación, para calcular un
valor de línea basal de (Desviación típica + Media de X*) para cada
gen. Esta es la lectura de la línea basal para el gen a partir del
cual todas las otras muestras se compararán. X es una variable de
restricción seleccionada por la persona que formula la carpeta. Los
valores más altos de X son más restrictivos que los más bajos.
Preferiblemente, X está dentro del intervalo de 0,5 hasta 3 siendo
más preferido de 2 hasta 3 y siendo el más preferido de 3.
A continuación, se calculan las relaciones entre
cada muestra experimental (aquellas que muestran la afección de
interés) frente a las lecturas de línea basal. A continuación, las
relaciones se transforman en valores logarítmicos de base 10 para
facilidad de manipulación de los datos por el software. Esto permite
a los genes sub-regulados mostrar los valores
negativos necesarios para su optimización de acuerdo con el
algoritmo de varianza media de Markman usando el Wagner
Software.
Los datos pre-procesados que
comprenden estas relaciones transformadas se usan como datos en
lugar de los valores de retorno del activo que normalmente se usan
en el Wagner Software cuando este se usa para fines de análisis
financiero.
Una vez formulada una frontera eficaz, se
selecciona una carpeta optimizada para un nivel de dato dado
(retorno) o varianza que corresponde a un punto sobre la frontera.
Estos datos o varianzas son los valores típicos predeterminados
establecidos por la persona que formula la carpeta. Dicho de otra
forma, la búsqueda de la carpeta óptima determina un nivel de datos
aceptable (indicativo de sensibilidad) o un nivel dado de varianza
(indicativo de especificidad) y selecciona los genes que están
situados a lo largo de la frontera eficaz que corresponde a dicho
nivel de datos o varianza. El Wagner Software puede seleccionar
dichos genes cuando se selecciona un nivel de datos o varianza.
Igualmente, puede asignar un peso a cada gen en la carpeta como lo
haría para un stock en una carpeta de stock.
La determinación de en qué momento una muestra
tiene la afección para la cual la carpeta es un diagnóstico, puede
realizarse comparando la expresión de los genes de la carpeta para
la muestra del paciente con valores calculados de genes expresados
de manera diferencial usados para establecer la carpeta.
Preferiblemente, en primer lugar se genera un valor de carpeta
sumando los múltiples valores de intensidad de cada gen en la
carpeta por el peso asignado a dicho gen en el procedimiento de
selección de la carpeta. A continuación, se calcula un valor límite
mediante (Desviación típica + media de Y* del valor de carpeta para
los grupos de línea basal), en donde Y es un valor restrictivo que
tiene el mismo significado que para X anteriormente descrito. Una
muestra que tiene un valor de carpeta mayor que el valor de carpeta
de la clase de línea basal se clasifica, en ese caso, como que
posee la afección. Si se desea, este procedimiento puede llevarse a
cabo de manera iterativa de acuerdo con procedimientos estadísticos
bien conocidos para mejorar los niveles de confidencia.
Opcionalmente, se puede reiterar este
procedimiento hasta que se obtenga la mejor exactitud de
predicción.
El procedimiento de selección de carpeta y
caracterización de un desconocido se resume de la forma
siguiente:
1. Elección de la clase de línea basal.
2. Cálculo de la desviación típica y media de
cada gen para muestras de la clase de línea basal.
3. Cálculo de (Desviación típica + Media de X*)
para cada gen. Esta es la lectura de la línea basal a partir de la
cual se compararán todas las otras muestras. X es una variable de
restricción siendo los valores de X más altos más restrictivos que
los menores.
4. Cálculo de la relación entre cada muestra
Experimental frente a la lectura de la línea basal calculada en la
etapa 3.
5. Transformación de las relaciones de manera
tal que las relaciones menores de 1 son negativas (por ejemplo,
usando log de base 10). (Los genes sub-regulados
tienen ahora correctamente valores negativos necesarios para
optimización de MV).
6. Estas relaciones transformadas se usan como
datos en lugar de los retornos de activos que normalmente se usan
en la aplicación del software.
7. El software representará gráficamente la
frontera eficaz y el retorno de una carpeta optimizada en cualquier
punto a lo largo de la frontera eficaz.
8. Elección de un retorno o varianza deseado
sobre la frontera eficaz.
9. Cálculo del valor de carpeta para cada
muestra sumando los múltiplos de cada valor de intensidad del gen
por el peso generado por el altgoritmo de selección de la
carpeta.
10. Cálculo de un valor límite mediante la
adición del valor de carpeta medio para grupos al múltiplo de Y y
la desviación típica de los valores de carpeta de la línea basal.
Los valores mayores de este valor límite deben clasificarse como la
Clase Experimental.
11. Opcionalmente, se puede reiterar este
procedimiento hasta obtener la mejor exactitud de predicción.
Como alternativa, pueden primeramente
preseleccionarse los genes mediante la identificación de aquellos
genes cuya expresión muestre algún nivel mínimo de diferenciación.
La pre-selección en este procedimiento alternativo
está basado, preferiblemente, en un umbral dado por
en donde \mu_{t} es la media
del subconjunto conocido por poseer la enfermedad o afección,
\mu_{n} es la media del subconjunto de muestras normales, y
\sigma_{t} + \sigma_{n} representan las desviaciones
típicas combinadas. Puede usarse igualmente una señal de corte de
ruido mediante la pre-selección de los datos de
acuerdo con una relación tal
como
Esto asegura que los genes que están
pre-seleccionados en base a su modulación
diferencial están diferenciados en una vía significativa
clínicamente. Es decir, por encima del nivel de ruido de la
instrumentación apropiada para la tarea de medición de los
parámetros de diagnóstico. Para cada marcador
pre-seleccionado de acuerdo con estos criterios, se
establece una matriz en la cual las columnas representan muestras,
las filas representan marcadores y cada elemento es una medición de
intensidad normalizada para la expresión de dicho marcador de
acuerdo con la
relación:
relación:
en donde I es la medición de
intensidad.
Igualmente, es posible establecer condiciones
límites adicionales para definir las carpetas óptimas. Por ejemplo,
el tamaño de la carpeta puede limitarse a un intervalo o número de
marcadores fijado. Esto puede realizarse o bien mediante la
obtención de criterios de pre-selección más
estrictos (por ejemplo,
en lugar
de
o bien mediante el uso de
características de programación tales como el tamaño de la carpeta
de restricción. Se podría, por ejemplo, establecer la condición
límite de que la frontera eficaz esté seleccionada entre únicamente
los 10 genes más óptimos. Igualmente, se podría usar todos los genes
pre-seleccionados para la determinación de la
frontera eficaz y, a continuación, limitar el número de genes
seleccionados (por ejemplo, no más de
10).
El procedimiento de selección de una carpeta
puede incluir igualmente la aplicación de reglas heurísticas.
Preferiblemente, dichas reglas se formulan en base a la biología y a
un conocimiento de la tecnología usada para producir resultados
clínicos. Más preferiblemente, se aplican al rendimiento del
procedimiento de optimización. Por ejemplo, el procedimiento de
varianza media de selección de la carpeta puede aplicarse a los
datos de microdisposiciones para un cierto número de genes
expresados diferencialmente en sujetos con cáncer colorectal. El
rendimiento del procedimiento sería un conjunto optimizado de genes
que podrían incluir algunos genes que están expresados en la sangre
periférica así como en tejido enfermo. Si las muestras usadas en el
procedimiento de ensayo se han obtenido de sangre periférica y
ciertos genes expresados diferencialmente en casos de cáncer de
mama pudieran igualmente expresarse diferencialmente en sangre
periférica, en ese caso, podría aplicarse una regla heurística en
la cual una carpeta se seleccione a partir de la frontera eficaz
excluyendo las que están expresadas diferencialmente en la sangre
periférica. Por supuesto, la regla puede aplicarse antes de la
formación de la frontera eficaz, por ejemplo, aplicando la regla
durante la pre-selección de datos.
Pueden aplicarse otras reglas heurísticas que no
están necesariamente relacionadas con la biología en cuestión. Por
ejemplo, se puede aplicar la regla de que únicamente un porcentaje
dado de la carpeta pueda estar representado por un gen o genes
particulares. El software comercialmente disponible como el Wagner
Software se adapta fácilmente a estos tipos de heurísticas. Esto
puede ser útil, por ejemplo, cuando factores distintos de la
exactitud y precisión (por ejemplo, cuotas de concesión previstas)
tienen impacto sobre la apetencia de incluir uno o más genes.
Un procedimiento de la invención implica la
comparación de perfiles de expresión de genes para diversos genes
(o carpetas) para atribuir prognosis. Los perfiles de expresión de
genes de cada uno de los genes que comprenden la carpeta se fijan
en un medio tal como un medio de lectura por ordenador. Este puede
adoptar un cierto número de formas. Por ejemplo, puede establecerse
una tabla dentro de la cual se introduce el intervalo de señales
(por ejemplo, mediciones de intensidad) indicativas de la enfermedad
como dato. A continuación, pueden compararse los datos del paciente
real con los valores en la tabla con el fin de determinar si las
muestras del paciente son normales o enfermas. En una realización
más sofisticada, se registran digitalmente o gráficamente los
patrones de las señales de expresión (por ejemplo, intensidad
fluorescente). Los patrones de expresión de genes procedentes de
las carpetas de genes usados conjuntamente con las muestras del
paciente se comparan, a continuación, con los patrones de expresión
de genes. El software de comparación de patrones puede usarse, a
continuación, para determinar si las muestras del paciente tienen un
patrón indicativo de recurrencia de la enfermedad. Por supuesto,
estas comparaciones pueden usarse igualmente para determinar si el
paciente no es probable que experimente recurrencia de la
enfermedad. Los perfiles de expresión de las muestras se comparan,
a continuación, con la carpeta de una célula de control. Si los
patrones de expresión de la muestra están de acuerdo con el patrón
de expresión para la recurrencia de un cáncer colorectal, en ese
caso (en la ausencia de consideraciones médicas contrarias) el
paciente es tratado como uno que sería tratado como un paciente con
recaída. Si los patrones de expresión de la muestra están de acuerdo
con el patrón de expresión procedente de la célula normal/control,
en ese caso, el paciente se diagnostica como negativo para cáncer
colorectal.
Se encuentran disponibles numerosos
procedimientos bien conocidos de reconocimiento de patrones. Las
referencias siguientes proporcionan algunos ejemplos:
\vskip1.000000\baselineskip
Golub, TR., Slonim, DK.,
Tamaya, P., Huard, C., Gaasenbeek, M.,
Mesirov, JP., Coller, H., Loh, L.,
Downing, JR., Caligiuri, MA., Bloomfield, CD.,
Lander, ES. "Molecular classification of cáncer: class
discovery and class prediction by gene expression monitoring",
Science, vol. 286, págs. 531-537,
(1999).
Su, Al., Welsh, JB.,
Sapinoso, LM., Kern, SG., Dimitrov, P.,
Lapp, H., Schultz, PG., Powell, SM.,
Moskaluk, CA., Frierson, HF. Jr., Hampton, GM.
"Molecular classification of human carcinomas by use of gene
expression signatures", Cancer Research, vol. 61, págs.
7388-93, (2001).
Ramaswamy, S., Tamayo, P.,
Rifkin, R., Mukherjee, S., Yeang, CH.,
Angelo, M., Ladd, C., Reich, M.,
Latulippe, E., Mesirov, JP., Poggio, T.,
Gerald, W., Loda, M., Lander, ES.,
Gould, TR. "Multiclass cancer diagnosis using tumor gene
expression signatures", Proceedings of the National Academy
of Sciences of the USA, vol. 98, págs.
15149-15154, (2001).
\vskip1.000000\baselineskip
Ramaswamy, S., Tamayo, P.,
Rifkin, R., Mukherjee, S., Yeang, CH.,
Angelo, M., Ladd, C., Reich, M.,
Latulippe, E., Mesirov, JP., Poggio, T.,
Gerald, W., Loda, M., Lander, ES.,
Gould, TR. "Multiclass cancer diagnosis using tumor gene
expression signatures", Proceedings of the National Academy
of Sciences of the USA, vol. 98, págs.
15149-15154, (2001).
\vskip1.000000\baselineskip
Van't Veer LJ, Dai H, van der
Vijver MH, He YD, Hart AA, Mao M,
Peterse HL, van der Kooy K, Marton MJ,
Witteveen AT, Schreiber GJ, Kerkhoven RM,
Roberts C, Linsley PS, Bernards R,
Friend SH. "Gene expression profiling predicts clinical
outcome of breast cancer", Nature, vol. 415, (No. 6871),
págs. 530-6, (31 Enero 2002).
\vskip1.000000\baselineskip
Los perfiles de expresión de genes de esta
invención pueden usarse también conjuntamente con otros
procedimientos de diagnóstico no genéticos útiles en la diagnosis,
prognosis o control de tratamiento del cáncer. Por ejemplo, en
algunas circunstancias es beneficioso combinar la potencia de
diagnóstico de la expresión del gen basado en procedimientos
descritos anteriormente con datos procedentes de marcadores
convencionales tales como marcadores de proteína del suero (por
ejemplo, antígeno carcinoembriónico). Existe una diversidad de
dichos marcadores incluyendo analitos tales como CEA. En un
procedimiento de este tipo, se extrae periódicamente sangre de un
paciente tratado y, a continuación, se somete a un ensayo
inmunoenzimático para uno de los marcadores de suero descritos
anteriormente. Cuando la concentración del marcador sugiere el
retorno de tumores o el fallo de la terapia, se extrae una fuente
de muestra adecuada para el análisis de expresión del gen. En el
caso de que exista una masa sospechosa, se extrae un aspirado con
una fina aguja y, a continuación, se analizan los perfiles de
expresión de los genes de las células extraídas de la masa tal como
se ha descrito anteriormente. Como alternativa, pueden extraerse
muestras de tejido procedentes de áreas adyacentes al tejido a
partir del cual se ha eliminado previamente un tumor. Esta vía
puede ser particularmente útil cuando otros ensayos producen
resultados ambiguos.
Los artículos incluyen representaciones de los
perfiles de expresión de genes útiles para el tratamiento,
diagnóstico, pronóstico, y otras formas de evaluación de
enfermedades. Estas representaciones de perfiles se reducen a un
medio que puede ser leído automáticamente por una máquina tal como
medios de lectura por ordenador (magnético, óptico, y similares).
Los artículos pueden incluir igualmente instrucciones para la
evaluación de los perfiles de expresión de genes en dichos medios.
Por ejemplo, los artículos pueden comprender un CD ROM conteniendo
las instrucciones de un ordenador para la comparación de los
perfiles de expresión de genes de las carpetas de genes descritos
anteriormente. Igualmente, los artículos pueden tener perfiles de
expresión de genes registrados digitalmente en ellos, de manera tal
que pueden compararse con datos de expresión de genes procedentes
de muestras de pacientes. Como alternativa, los perfiles pueden
registrarse en diferente formato de representación. Uno de dichos
formatos es el registro gráfico. Los algoritmos de agrupación tales
como los incorporados en el software "DISCOVER" e "INFER"
de Partek, Inc. mencionados anteriormente pueden ayudar mejor en la
visualización de dichos datos.
Diferentes tipos de artículos de fabricación son
medios o ensayos formateados usados para revelar los perfiles de
expresión de genes. Estos pueden comprender, por ejemplo,
microdisposiciones en las cuales los complementos de secuencias o
sondas están fijados a una matriz a la cual se combinan las
secuencias indicativas de los genes de interés creando un
determinante leíble de su presencia. Como alternativa, los artículos
pueden montarse dentro de kits de reactivos para llevar a cabo la
hibridación, amplificación, y generación de señal indicativa del
nivel de expresión de los genes de interés para la detección de
cáncer colorectal.
Los kits hechos de acuerdo con la invención
incluyen ensayos formateados para la determinación de los perfiles
de expresión de genes. Estos pueden incluir todos o algunos de los
materiales necesarios para realizar los ensayos tales como
reactivos e instrucciones.
La invención se ilustra con más detalle mediante
los ejemplos siguientes no limitativos.
Los genes analizados de acuerdo con esta
invención están relacionados típicamente con secuencias de ácido
nucleico de longitud total que codifican la producción de una
proteína o péptido. Un experto en la técnica reconocerá que la
identificación de las secuencias de longitud total no es necesaria
desde un punto de vista analítico. Es decir, las porciones de las
secuencias o ESTs pueden seleccionarse de acuerdo con principios
bien conocidos para las cuales pueden designarse sondas con el fin
de evaluar la expresión del gen para el gen correspondiente.
\vskip1.000000\baselineskip
Se recogieron muestras de tejidos congelados
recientes procedentes de pacientes que habían sido tratados
quirúrgicamente por tumores colorectales. Las muestras que se
usaron procedían de 63 pacientes evaluados como B de Duke de
acuerdo con diagnósticos clínicos y patología convencional. El
resultado clínico de los pacientes era conocido. Treinta y seis de
los pacientes se habían mantenido libres de la enfermedad durante
más de 3 años, mientras que 27 pacientes había recaído en el tumor
dentro de los 3 años.
Los tejidos se fraccionaron congelados en
nitrógeno líquido dentro de los 20-30 minutos
después de recogerlos y, a continuación, se almacenaron a -80ºC.
Para su captura mediante láser, las muestras se cortaron (6 \mum),
y una sección se montó sobre un portaobjetos de vidrio, y sobre la
película (P.A.L.M.), que se había fijado sobre un portaobjetos de
vidrio (Micro Slides Colorfrost, VWR Scientific, Media, PA). La
sección montada sobre un portaobjetos de vidrio se fijó a
continuación en acetona fría, y se tiñó con hematoxilina de Mayer
(Sigma, St. Louis, MO). Un patólogo analizó las muestras para su
diagnosis y grado. La fase clínica se estimó a partir de la
patología quirúrgica y de los informes clínicos adjuntos para
verificar la clasificación de Duke. La sección montada sobre la
película se fijó a continuación durante cinco minutos en etanol al
100%, se tiñó en un contador durante 1 minuto en eosina/etanol al
100% (100 \mug de eosina en 100 ml de etanol deshidratado), se
sacudió rápidamente una vez en etanol al 100% para eliminar el tinte
libre, y se secó al aire durante 10 minutos.
Antes de su uso en LCM, la membrana
(LPC-MEMBRANE PEN FOIL 1,35 \mum No 8100, P.A.L.M.
GmbH Mikrolaser Technologie, Bernried, Alemania) y los portaobjetos
se pretrataron para eliminar RNasas, y para potenciar la unión de la
muestra de tejido sobre la película. En resumen, los portaobjetos
se lavaron en DEP H_{2}O, y la película se lavó en RNase AWAY
(Molecular Bioproducts, Inc., San Diego, CA) y se aclararon en DEP
H_{2}O. Después de la unión de la película sobre los portaobjetos
de vidrio, estos se hornearon a +120ºC durante 8 horas, se trataron
con TI-SAD (Diagnostic Products Corporation, Los
Angeles, CA, 1:50 en DEP H_{2}O, filtrado a través de lana de
algodón), y se incubaron durante 30 minutos. Inmediatamente antes de
su uso, se esparció sobre la película una parte alícuota de 10
\mul de solución inhibidora de RNasa (Rnasin Inhibitor
2500U=33U/\mul N211A, Promega GMbH, Mannheim, Alemania, 0,5
\mul en 400 \mul de solución de congelación, conteniendo 0,15
mol de NaCl 0,15 mol, Tris 10 mmol, pH8,0, ditiotreitol 0,25 mmol),
en donde hubo de montarse la muestra de tejido.
Las secciones de tejido montadas sobre la
película se usaron para LCM. Aproximadamente se capturaron 2000
células epiteliales/muestra usando la tecnología PALM
Robot-Mirobeam (P.A.L.M. Mikrolaser Technologie,
Carl Zeiss, Inc., Thornwood, NY), acoplada en un microscopio Zeiss
Axiovert 135 (Carl Zeiss Jena GmbH, Jena, Alemania). Se incluyeron
los estromas circundantes en la mucosa normal, y los componentes
estrómicos que intervienen ocasionalmente en las muestras de
cáncer. Las células capturadas se introdujeron en tubos en etanol al
100% y se conservaron a -80ºC.
\vskip1.000000\baselineskip
Se usó la Zymo-Spin Column (Zymo
Research, Orange, CA 92867) para extraer el ARN total procedente de
las muestras capturadas con LCM. Aproximadamente 2 ng de ARN total
se resuspendieron en 10 ul de agua y se realizaron 2 rondas de la
amplificación basada en ARN polimerasa T7, proporcionando
aproximadamente 50 ug de ARN amplificado.
\vskip1.000000\baselineskip
Se usó un conjunto de microdisposiciones de ADNc
constituidas aproximadamente por 23.000 clones de ADNc humanos para
ensayar la muestras para uso del chip U133a humano obtenido y
comercialmente disponible de Affymetrix, Inc. El total obtenido y
preparado tal como se ha descrito anteriormente, se aplicó a los
chips y se analizó mediante un Agilent BioAnalizer de acuerdo con
el protocolo del fabricante. Todas las 63 muestras pasaron los
patrones de control de calidad y los datos se usaron para la
selección del marcador.
Los datos de intensidad del chip se analizaron
usando el software MAS Version 5.0 comercialmente disponible de
Affymetrix, Inc. ("MAS 5,0"). Se usó un análisis no supervisado
para identificar dos genes que distinguieran pacientes que hubieran
recaído de los que no lo hubieran hecho, tal como sigue. Los datos
de intensidad del chip obtenidos tal como se ha descrito fueron los
datos de entrada para el software de agrupamiento no supervisado
comercialmente disponible como software PARTEK versión 5.1. Este
algortimo de agrupamiento no supervisado identificó un grupo de 20
pacientes con una alta frecuencia de recaída (13 con recaída y 7
supervivientes). A partir de los 23.000 genes originales, el
análisis del ensayo t seleccionó 276 genes que se expresaron
diferencialmente de manera significativa en estos pacientes. A
partir de este grupo, se seleccionaron dos genes que mejor
distinguieron los pacientes con recaída de los que no recayeron: el
transportador asociado a péptido intestinal humano (Sec. ID. No. 3)
y la proteína 1 de unión de ácido graso de Homo sapiens (Sec.
ID. No. 1). Estos dos genes están sub-regulados (de
hecho, estaban cerrados o no expresados) en los pacientes con
recaída procedentes de este grupo de pacientes. Esto se muestra en
la Figura 1 y la Figura 2, en las cuales se representa gráficamente
la intensidad de señal (eje y) frente al número de muestra de
paciente (eje x).
A continuación, se llevó a cabo el análisis
supervisado para discriminar con más detalle los pacientes que
recayeron de los que no recayeron en los 43 pacientes restantes. A
continuación, este grupo de datos de pacientes se dividió en los
grupos siguientes: 27 pacientes se asignaron como el conjunto de
entrenamiento y 16 pacientes se asignaron como el conjunto de
ensayo. Esto aseguró que no se usaron los mismos datos para ambos
marcadores de identificación y, de esta forma, validaron su
utilidad.
Sobre el conjunto de entrenamiento se llevó a
cabo un ensayo t de varianza desigual. A partir de una lista de 28
genes que tienen valores p corregidos significativos, se eligió el
MHC II-DR-B. Estos genes estaban
sub-regulados en las personas que recayeron. El MHC
II-DR-B (Sec. ID. No. 2) tenía
igualmente el valor p más pequeño (Figura 3a).
En una ronda adicional de análisis supervisado,
se implementó un procedimiento de selección de variables para el
análisis discriminante lineal usando el software Partek Version 5.0
anteriormente descrito, para separar las personas que recayeron de
los supervivientes en el conjunto de entrenamiento. El procedimiento
de búsqueda fue la selección adelantada. La variable seleccionada
con el error posterior más bajo fue la proteína 5 del transcripto
de tipo inmunoglobulina (Sec. ID. No. 4) (Figura 3b). A
continuación, se usó un modelo de riesgo proporcional de Cox
(usando el software "S Plus" de Insightful, Inc.) para la
selección de genes con el fin de confirmar la selección de genes
anteriormente identificada para el tiempo de supervivencia. En cada
ciclo de un total de 27 ciclos, cada uno de los 27 pacientes en el
conjunto de entrenamiento se mantuvo firme, los 26 pacientes
restantes se usaron en el modelo de regresión de Cox invariable con
el fin de evaluar la fuerza de la asociación de la expresión de
genes con el tiempo de supervivencia del paciente. La fuerza de
dicha asociación se evaluó mediante el estimado del parámetro
normalizado estimado correspondiente y el valor P retornado a
partir del modelo de regresión de Cox. El valor de P de 0,01 se usó
como el umbral para seleccionar los genes mejores de cada ciclo de
la selección de genes por inclusión-exclusión. Los
genes mejores seleccionados de cada ciclo se compararon, a
continuación, con el fin de seleccionar aquellos genes que se
mostraron al menos 26 veces en el total de 27ciclos de selección de
genes por inclusión-exclusión. Se seleccionaron un
total de 70 genes y tanto el MHC
II-DR-B como la proteína 5 del
transcripto de tipo inmunoglobulina estaban entre ellos (mostrando,
nuevamente, sub-regulación).
Construcción de un pronosticador de genes
múltiples: Dos genes, el MHC
II-DR-B y la proteína 5 del
transcripto de tipo inmunoglobulina, se usaron para producir un
pronosticador usando el análisis discriminante lineal. La
puntuación de la votación se definió como la probabilidad posterior
de recaída. Si la puntuación del paciente fue mayor de 0,5, el
paciente se clasificó como que sufrió una recaída. Si la puntuación
del paciente fue menor de 0,5, el paciente se clasificó como un
superviviente. El pronosticador se ensayó sobre el conjunto de
entrenamiento (Tabla 1). La curva de Kaplan-Meier se
construyó sobre los que sufrieron una recaída y los supervivientes
pronosticados (Figura 4).
Validación cruzada y evaluación del
pronosticador: El rendimiento del pronosticador debería
determinarse sobre un conjunto de datos independientes dado que el
mejor procedimiento de clasificación funciona bien sobre los
ejemplos que se usaron en su formulación. Los 16 pacientes del
conjunto de ensayo se usaron para evaluar la exactitud del
pronóstico. El corte para la clasificación se determinó usando la
curva ROC (Figura 5). Con el corte seleccionado, se determinaron
los números del pronóstico correcto para los pacientes con recaída
y supervivientes en el ensayo, los cuales se resumen en la Tabla 2.
La curva de Kaplan-Meier se construyó sobre las
personas que recayeron y las supervivientes pronosticadas (Figura
6). Pronóstico general: El perfil de expresión de genes de
63 pacientes de cáncer de color B de Duke condujo a la
identificación de 4 genes que tienen expresión diferencial
(sub-regulación o desvío) en estos pacientes. Estos
genes son la Sec. ID No. 1, Sec. ID No. 2, Sec. ID. No. 3 y Sec. ID
No. 4. Treinta y seis de los pacientes se mantuvieron libres de
enfermedad durante más que años, en tanto que 27 pacientes tuvieron
recaída de tumor dentro de los 3 años. Usando la carpeta de
marcadores de 3 genes de la Sec. ID. No. 2, Sec. ID. No. 3, y Sec.
ID. No. 4, 22 de los 27 pacientes con recaída y 27 de los 36
pacientes libres de enfermedad se identificaron correctamente. Este
resultado representa una sensibilidad del 82% y una especificidad
del 75%. El valor de pronóstico positivo es del 71% y el valor de
pronóstico negativo es del 84% (Tabla 3). La curva de
Kaplan-Meier se construyó sobre las personas que
recayeron y las supervivientes pronosticadas (Figura 6).
A continuación, se describen los genes que
comprenden los perfiles de esta invención.
En primer lugar, se identificó el gen de la
proteína de unión de ácido graso de hígado humano
(L-FABP) en una biblioteca de ADNc de hígado por
Smith, LC. y otros, en J. Biol. Chem., vol. 260, (no. 5),
págs. 2629-2632, (1985). La L-FABP
contiene 127 restos de aminoácidos. Las proteínas de unión de ácido
graso son una familia de proteínas citoplásmicas, altamente
conservadas, pequeñas que unen ácidos grasos de cadena larga y otros
ligandos hidrófobos. Se estima que los papeles desarrollados por
las FABPs incluyen la fijación, transporte y metabolismo de ácidos
grasos. Igualmente, pueden ser responsables en la modulación del
desarrollo y proliferación de células. La L-FABP
comparte homología significativa con la I-FABP que
está específicamente expresada en el tejido de colon.
\vskip1.000000\baselineskip
Este gen fue identificado por un grupo de
científicos de Eli Lilly and Company. El trabajo se publicó en
Science, vol. 264, (no. 3137), págs. 430-3,
(15 Abril 1994). Este gen codifica una proteína de membrana de
aproximadamente 92 kilodalton, y la secuencia de aminoácidos indica
que esta proteína asociada al transporte comparte diversos
elementos estructurales conservados con la
super-familia cadherina de proteínas de adhesión de
célula-célula, dependientes del calcio.
\vskip1.000000\baselineskip
Este gen se encontró por primera vez a partir de
un intento español en 1997, y publicado en Tissue Antigens,
vol. 49, (no. 6), págs. 658-61, (Junio 1997). Tal
como indica su nombre, pertenece a la superfamilia de antígenos de
MHC clase II. Este gen codifica un producto de proteína de 267
aminoácidos.
\vskip1.000000\baselineskip
Este gen codifica un producto de proteína que es
un inhibidor del receptor MHC clase I de la superfamilia de la
inmunoglobulina, expresado no solamente por los subconjuntos de
células NK y T, sino también por células B, monocitos, macrófagos,
y células dendríticas. Esta molécula contiene 194 aminoácidos. La
secuencia se publicó en J. Exp. Med., vol. 186, (no. 11),
págs. 1809-18, (1 Diciembre 1997). Este receptor une
moléculas de MHC clase I y suministra una señal negativa que inhibe
la muerte por células NK y T, así como la movilización de Ca^{2+}
en células B e inicia células mielomonocíticas a través del receptor
de antígeno de célula B y antígenos de leucocitos de
histocompatibilidad humana (HLA)-DR,
respectivamente.
\vskip1.000000\baselineskip
Este gen se usó como el gen de control. Es uno
de los genes menos variables entre tumor sólido y tejidos normales.
La secuencia se publicó por primera vez en Nucleic Acids
Res., vol. 14, (no. 15), págs. 5955-5968,
(1986).
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
<110> Wang, Yixin
\vskip1.000000\baselineskip
\vskip0.400000\baselineskip
<120> Pronósticos de cáncer colorectal
\vskip1.000000\baselineskip
\vskip0.400000\baselineskip
<130> CD550005
\vskip1.000000\baselineskip
\vskip0.400000\baselineskip
<140> tbd
\vskip0.400000\baselineskip
<141>
2003-03-31
\vskip1.000000\baselineskip
\vskip0.400000\baselineskip
<160> 5
\vskip1.000000\baselineskip
\vskip0.400000\baselineskip
<170> PatentIn version 3.1
\vskip1.000000\baselineskip
\vskip0.400000\baselineskip
<210> 1
\vskip0.400000\baselineskip
<211> 489
\vskip0.400000\baselineskip
<212> ADN
\vskip0.400000\baselineskip
<213> humano
\vskip1.000000\baselineskip
\vskip0.400000\baselineskip
<400> 1
\vskip0.400000\baselineskip
<210> 2
\vskip0.400000\baselineskip
<211> 853
\vskip0.400000\baselineskip
<212> ADN
\vskip0.400000\baselineskip
<213> humano
\vskip1.000000\baselineskip
\vskip0.400000\baselineskip
<400> 2
\vskip1.000000\baselineskip
\vskip0.400000\baselineskip
<210> 3
\vskip0.400000\baselineskip
<211> 3345
\vskip0.400000\baselineskip
<212> ADN
\vskip0.400000\baselineskip
<213> humano
\vskip1.000000\baselineskip
\vskip0.400000\baselineskip
<400> 3
\vskip1.000000\baselineskip
\vskip0.400000\baselineskip
<210> 4
\vskip0.400000\baselineskip
<211> 1924
\vskip0.400000\baselineskip
<212> ADN
\vskip0.400000\baselineskip
<213> humano
\vskip1.000000\baselineskip
\vskip0.400000\baselineskip
<400> 4
\vskip0.400000\baselineskip
<210> 5
\vskip0.400000\baselineskip
<211> 1536
\vskip0.400000\baselineskip
<212> ADN
\vskip0.400000\baselineskip
<213> humano
\vskip1.000000\baselineskip
\vskip0.400000\baselineskip
<400> 5
Claims (15)
1. Un procedimiento de evaluación del estado de
cáncer colorectal, que comprende la identificación de la modulación
diferencial de cada gen (con relación a la expresión de los mismos
genes en una población normal) en una combinación de genes
constituidos por la Sec. ID. No. 2, Sec. ID. No. 3 y Sec. ID. No.
4.
2. El procedimiento de la reivindicación 1 o la
reivindicación 2, en el que la combinación de genes incluye además
la Sec. ID. No. 1.
3. El procedimiento de la reivindicación 1 o la
reivindicación 2, en el que existe al menos una diferencia de 2
veces en la expresión de los genes modulados.
4. El procedimiento de la reivindicación 1 o la
reivindicación 2, en el que el valor p que indica la modulación
diferencial es menor de 0,05.
5. El procedimiento de la reivindicación 1 o la
reivindicación 2, que comprende además un diagnóstico colorectal
que está basado genéticamente.
6. Un kit que comprende secuencias de ácidos
nucleicos aislados, sus complementos, o porciones de los mismos de
una combinación de genes constituidos por la Sec. ID. No. 2, Sec.
ID. No. 3, y Sec. ID. No. 4.
7. El kit de la reivindicación 6, en el que la
combinación de genes incluye además la Sec. ID. No. 1.
8. El kit de la reivindicación 6 o la
reivindicación 7, en el que dichas secuencias de ácidos nucleicos,
sus complementos, o porciones de los mismos están en una matriz
adecuada para la identificación de la expresión diferencial de los
genes contenidos en ella.
9. El kit de la reivindicación 8, en el que
dicha matriz se usa en una microdisposición.
10. El kit de la reivindicación 9, en el que
dicha microdisposición es una microdisposición de ADNc.
11. El kit de la reivindicación 9, en el que
dicha microdisposición es una microdisposición de
oligonucleótido.
12. El kit de la reivindicación 6 o la
reivindicación 7, que comprende reactivos para la realización de un
análisis de una microdisposición.
13. El kit de la reivindicación 6 o la
reivindicación 7, que comprende además un medio mediante el cual se
ensayan dichas secuencias de ácidos nucleicos, sus complementos, o
porciones de los mismos.
14. Un procedimiento de evaluación de la
respuesta al tratamiento del cáncer colorectal, que comprende la
identificación de la modulación diferencial de cada gen (con
relación a la expresión de los mismos genes en una población
normal) en una combinación de genes constituidos por la Sec. ID. No.
2, Sec. ID. No. 3 y Sec. ID. No. 4.
15. El procedimiento de la reivindicación 14, en
el que la combinación de genes incluye además la Sec. ID. No. 1.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US403449 | 1982-07-30 | ||
| US10/403,449 US20040191782A1 (en) | 2003-03-31 | 2003-03-31 | Colorectal cancer prognostics |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2316932T3 true ES2316932T3 (es) | 2009-04-16 |
Family
ID=32989938
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES04251933T Expired - Lifetime ES2316932T3 (es) | 2003-03-31 | 2004-03-31 | Pronostico de cancer colorectal. |
Country Status (14)
| Country | Link |
|---|---|
| US (1) | US20040191782A1 (es) |
| EP (1) | EP1526186B1 (es) |
| JP (1) | JP4913331B2 (es) |
| KR (1) | KR101088583B1 (es) |
| CN (1) | CN100393886C (es) |
| AR (1) | AR043808A1 (es) |
| AT (1) | ATE412070T1 (es) |
| AU (1) | AU2004201348B2 (es) |
| BR (1) | BRPI0403169A (es) |
| CA (1) | CA2464894C (es) |
| CL (1) | CL2004000700A1 (es) |
| DE (1) | DE602004017265D1 (es) |
| ES (1) | ES2316932T3 (es) |
| MX (1) | MXPA04003044A (es) |
Families Citing this family (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2002346008A1 (en) * | 2001-06-28 | 2003-03-03 | Dermtech International | Method for detection of melanoma |
| US20040191782A1 (en) * | 2003-03-31 | 2004-09-30 | Yixin Wang | Colorectal cancer prognostics |
| CA2475769C (en) * | 2003-08-28 | 2018-12-11 | Veridex, Llc | Colorectal cancer prognostics |
| WO2005054508A2 (en) * | 2003-12-01 | 2005-06-16 | Ipsogen | Gene expression profiling of colon cancer by dna microarrays and correlation with survival and histoclinical parameters |
| US7183057B2 (en) * | 2004-03-31 | 2007-02-27 | Dermtech International | Tape stripping methods for analysis of skin disease and pathological skin state |
| DE102005026710A1 (de) * | 2005-06-09 | 2006-12-14 | Basf Ag | Verfahren zum Testen von Substanzen oder Substanzgemischen, dessen Verwendung und entsprechende Analysekits |
| NZ544432A (en) * | 2005-12-23 | 2009-07-31 | Pacific Edge Biotechnology Ltd | Prognosis prediction for colorectal cancer using a prognositc signature comprising markers ME2 and FAS |
| CA2644586A1 (en) * | 2006-03-03 | 2008-04-17 | Veridex Llc | Molecular assay to predict recurrence of duke's b colon cancer |
| JP5725711B2 (ja) * | 2006-08-10 | 2015-05-27 | ミレニアム ファーマシューティカルズ， インコーポレイテッドＭｉｌｌｅｎｎｉｕｍ Ｐｈａｒｍａｃｅｕｔｉｃａｌｓ， Ｉｎｃ． | 癌治療法を有する患者の同定、評価、および治療のための方法 |
| EP2152911A4 (en) * | 2007-05-04 | 2010-05-19 | Dermtech Int | DIAGNOSIS OF MELANOMA BY NUCLEIC ACID ANALYSIS |
| FR2919060B1 (fr) * | 2007-07-19 | 2012-11-30 | Biomerieux Sa | Procede de dosage de l'ezrine pour le diagnostic in vitro du cancer colorectal. |
| JP5715817B2 (ja) * | 2007-07-19 | 2015-05-13 | ビオメリューＢｉｏｍｅｒｉｅｕｘ | 結腸直腸癌のインビトロ診断のための肝臓脂肪酸結合タンパク質、ｃｅａおよびｃａ１９−９のアッセイのための方法 |
| FR2919061B1 (fr) * | 2007-07-19 | 2009-10-02 | Biomerieux Sa | Procede de dosage de la plastine-i pour le diagnostic in vitro du cancer colorectal. |
| FR2919064B1 (fr) * | 2007-07-19 | 2009-10-02 | Biomerieux Sa | Procede de dosage de l'apolipoproteine all pour le diagnostic in vitro du cancer colorectal |
| FR2919062B1 (fr) * | 2007-07-19 | 2009-10-02 | Biomerieux Sa | Procede de dosage de l'aminoacylase 1 pour le diagnostic in vitro du cancer colorectal. |
| FR2919065B1 (fr) * | 2007-07-19 | 2009-10-02 | Biomerieux Sa | Procede de dosage de l'apolipoproteine ai pour le diagnostic in vitro du cancer colorectal |
| FR2919063B1 (fr) * | 2007-07-19 | 2009-10-02 | Biomerieux Sa | Procede de dosage du leucocyte elastase inhibitor pour le diagnostic in vitro du cancer colorectal. |
| ES2332557B1 (es) * | 2007-12-04 | 2011-02-02 | Universidad Autonoma De Madrid | Huella genomica para el pronostico de la evolucion de adenocarcinoma colorectal. |
| CA2712773A1 (en) * | 2008-01-22 | 2009-07-30 | Veridex, Llc | Molecular staging of stage ii and iii colon cancer and prognosis |
| CN102089444A (zh) | 2008-05-14 | 2011-06-08 | 德玛泰克国际公司 | 利用核酸分析方法来诊断黑素瘤和太阳能雀斑 |
| FR2933773B1 (fr) | 2008-07-10 | 2013-02-15 | Biomerieux Sa | Procede de dosage de la proteine disulfide isomerase pour le diagnostic in vitro du cancer colorectal |
| CA2734521A1 (en) * | 2008-08-28 | 2010-03-04 | Dermtech International | Determining age ranges of skin samples |
| CN102766679B (zh) * | 2011-05-04 | 2015-02-25 | 上海人类基因组研究中心 | 通过二基因表达情况预测大肠癌术后无复发生存的检测方法、探针组和诊断试剂盒 |
| CA3090785A1 (en) | 2018-02-14 | 2019-08-22 | John Daniel Dobak Iii | Novel gene classifiers and uses thereof in non-melanoma skin cancers |
| JP2022524641A (ja) | 2019-03-26 | 2022-05-09 | ダームテック，インク． | 皮膚癌における新規な遺伝子分類子とその使用 |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB8822228D0 (en) * | 1988-09-21 | 1988-10-26 | Southern E M | Support-bound oligonucleotides |
| US5143854A (en) * | 1989-06-07 | 1992-09-01 | Affymax Technologies N.V. | Large scale photolithographic solid phase synthesis of polypeptides and receptor binding screening thereof |
| US5424186A (en) * | 1989-06-07 | 1995-06-13 | Affymax Technologies N.V. | Very large scale immobilized polymer synthesis |
| US5242974A (en) * | 1991-11-22 | 1993-09-07 | Affymax Technologies N.V. | Polymer reversal on solid surfaces |
| US5527681A (en) * | 1989-06-07 | 1996-06-18 | Affymax Technologies N.V. | Immobilized molecular synthesis of systematically substituted compounds |
| IL103674A0 (en) * | 1991-11-19 | 1993-04-04 | Houston Advanced Res Center | Method and apparatus for molecule detection |
| US5384261A (en) * | 1991-11-22 | 1995-01-24 | Affymax Technologies N.V. | Very large scale immobilized polymer synthesis using mechanically directed flow paths |
| US5412087A (en) * | 1992-04-24 | 1995-05-02 | Affymax Technologies N.V. | Spatially-addressable immobilization of oligonucleotides and other biological polymers on surfaces |
| US5554501A (en) * | 1992-10-29 | 1996-09-10 | Beckman Instruments, Inc. | Biopolymer synthesis using surface activated biaxially oriented polypropylene |
| US7229770B1 (en) * | 1998-10-01 | 2007-06-12 | The Regents Of The University Of California | YKL-40 as a marker and prognostic indicator for cancers |
| US5472672A (en) * | 1993-10-22 | 1995-12-05 | The Board Of Trustees Of The Leland Stanford Junior University | Apparatus and method for polymer synthesis using arrays |
| US5429807A (en) * | 1993-10-28 | 1995-07-04 | Beckman Instruments, Inc. | Method and apparatus for creating biopolymer arrays on a solid support surface |
| US5545531A (en) * | 1995-06-07 | 1996-08-13 | Affymax Technologies N.V. | Methods for making a device for concurrently processing multiple biological chip assays |
| CA2411601A1 (en) * | 2000-06-05 | 2001-12-13 | Avalon Pharmaceuticals | Cancer gene determination and therapeutic screening using signature gene sets |
| US6812339B1 (en) | 2000-09-08 | 2004-11-02 | Applera Corporation | Polymorphisms in known genes associated with human disease, methods of detection and uses thereof |
| US7348142B2 (en) * | 2002-03-29 | 2008-03-25 | Veridex, Lcc | Cancer diagnostic panel |
| US20030194734A1 (en) * | 2002-03-29 | 2003-10-16 | Tim Jatkoe | Selection of markers |
| US20040191782A1 (en) * | 2003-03-31 | 2004-09-30 | Yixin Wang | Colorectal cancer prognostics |
-
2003
- 2003-03-31 US US10/403,449 patent/US20040191782A1/en not_active Abandoned
-
2004
- 2004-03-30 CA CA2464894A patent/CA2464894C/en not_active Expired - Fee Related
- 2004-03-30 AU AU2004201348A patent/AU2004201348B2/en not_active Ceased
- 2004-03-31 MX MXPA04003044A patent/MXPA04003044A/es active IP Right Grant
- 2004-03-31 ES ES04251933T patent/ES2316932T3/es not_active Expired - Lifetime
- 2004-03-31 EP EP04251933A patent/EP1526186B1/en not_active Expired - Lifetime
- 2004-03-31 AR ARP040101082A patent/AR043808A1/es active IP Right Grant
- 2004-03-31 BR BR0403169-5A patent/BRPI0403169A/pt active Search and Examination
- 2004-03-31 KR KR1020040022383A patent/KR101088583B1/ko not_active Expired - Fee Related
- 2004-03-31 DE DE602004017265T patent/DE602004017265D1/de not_active Expired - Lifetime
- 2004-03-31 CN CNB2004100387523A patent/CN100393886C/zh not_active Expired - Fee Related
- 2004-03-31 CL CL200400700A patent/CL2004000700A1/es unknown
- 2004-03-31 AT AT04251933T patent/ATE412070T1/de active
- 2004-03-31 JP JP2004105473A patent/JP4913331B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| EP1526186B1 (en) | 2008-10-22 |
| AU2004201348B2 (en) | 2008-04-10 |
| CN1542143A (zh) | 2004-11-03 |
| EP1526186A3 (en) | 2005-08-17 |
| BRPI0403169A (pt) | 2005-09-20 |
| AU2004201348A1 (en) | 2004-10-14 |
| AR043808A1 (es) | 2005-08-17 |
| MXPA04003044A (es) | 2005-07-01 |
| EP1526186A2 (en) | 2005-04-27 |
| KR20040088384A (ko) | 2004-10-16 |
| CN100393886C (zh) | 2008-06-11 |
| JP4913331B2 (ja) | 2012-04-11 |
| ATE412070T1 (de) | 2008-11-15 |
| KR101088583B1 (ko) | 2011-12-05 |
| CA2464894C (en) | 2014-02-11 |
| CL2004000700A1 (es) | 2005-02-25 |
| DE602004017265D1 (de) | 2008-12-04 |
| US20040191782A1 (en) | 2004-09-30 |
| JP2004329211A (ja) | 2004-11-25 |
| CA2464894A1 (en) | 2004-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2316932T3 (es) | Pronostico de cancer colorectal. | |
| US8183353B2 (en) | Breast cancer prognostics | |
| ES2812105T3 (es) | Algoritmo y evaluación del perfil de expresión génica para determinar el pronóstico del cáncer de próstata | |
| JP5295761B2 (ja) | 甲状腺穿刺吸引分子分析 | |
| ES2494843T3 (es) | Métodos y materiales para identificar el origen de un carcinoma de origen primario desconocido | |
| CN104620109B (zh) | 膀胱癌检测组合物、试剂盒及相关的方法 | |
| EP2982985B1 (en) | System for predicting prognosis of locally advanced gastric cancer | |
| AU2008203226B2 (en) | Colorectal cancer prognostics | |
| JP2008521412A (ja) | 肺癌予後判定手段 | |
| BRPI0709397A2 (pt) | propagação de células primárias | |
| ES2714582T3 (es) | Procedimiento de predicción de la respuesta a la quimioterapia en un paciente que padece o está en riesgo de desarrollar un cáncer de mama recurrente | |
| JP2008536488A (ja) | 遺伝子発現署名を使用する、癌による死亡および前立腺癌生存率を予測するための方法および組成物 | |
| ES2527062T3 (es) | Supervivencia y recurrencia del cáncer de próstata | |
| JP5089993B2 (ja) | 乳癌の予後診断 | |
| ES2965535T3 (es) | Métodos de diagnóstico y tratamiento de pacientes con carcinoma cutáneo de células epidermoides | |
| US8679759B2 (en) | Esophageal cancer markers | |
| CA2475769C (en) | Colorectal cancer prognostics | |
| JP2024519082A (ja) | 肝細胞がんのｄｎａメチル化バイオマーカー | |
| BR112020012280A2 (pt) | composições e métodos para diagnosticar cânceres de pulmão usando perfis de expressão de gene | |
| JP2016086678A (ja) | 腎がんの悪性度の検査マーカー及び検査方法 | |
| Yu et al. | Multi-omics analysis unveils dysregulation of the tumor immune microenvironment and development of a machine learning-based multi-gene classifier for predicting lateral lymph node metastasis in papillary thyroid carcinoma | |
| WO2020207685A1 (en) | Method for determining rcc subtypes | |
| JP2022512634A (ja) | Ｐｄｅ４ｄ７及びｄｈｘ９発現に基づく術前のリスク層別化 | |
| US20090297506A1 (en) | Classification of cancer | |
| JP2021515587A (ja) | 分子シグネチャー及び低悪性度前立腺癌の同定のためのその使用 |