ES2484702T3 - Predicción de pronóstico para aplicación relacionada con cáncer colorrectal - Google Patents

Abstract

Un método para determinar el pronóstico de CCR en un paciente, que comprende las etapas de: (i) determinar el nivel de expresión de mARN de dos o más marcadores de pronóstico de cáncer colorrectal (CCPMs) de una firma de pronóstico, en donde los dos o más CCPM incluyen al menos DLGAP4 y opcionalmente uno o más genes adicionales de la Tabla 1 y 2, en una muestra tumoral de CCR del paciente, (ii) comparar dicho nivel de expresión de los CCPM en la firma de pronóstico con los niveles de expresión de los CCPM en muestras de cáncer recurrente y no recurrente, y (iii) establecer un pronóstico, en donde si una muestra de tumor de un paciente muestra un aumento en la expresión de DLGAP4, en comparación con la expresión en muestras de cáncer no recurrente, se indica una probabilidad aumentada de recurrencia de CCR después del tratamiento estándar, y en donde si la muestra de tumor muestra una ausencia de un aumento en la expresión de DLGAP4, en comparación con la expresión en muestras de cáncer no recurrente, se indica una probabilidad disminuida de recurrencia de CCR después del tratamiento estándar.

Description

Predicción de pronóstico para aplicación relacionada con cáncer colorrectal

Esta solicitud reivindica el beneficio de la Solicitud Provisional de Patente de Nueva Zelanda Núm. 544432, presentada el 23 de diciembre de 2005.

Campo de la invención

Esta invención se refiere a métodos para determinar el pronóstico de cáncer colorrectal en un paciente. Específicamente, esta invención se refiere al uso de marcadores genéticos para determinar el pronóstico de cáncer colorrectal en base a firmas de pronóstico.

Antecedentes de la invención

El cáncer colorrectal (CCR) es uno de los cánceres más comunes en el mundo desarrollado, y su incidencia continua creciendo. Aunque la progresión del cáncer colorrectal desde pólipo benigno a adenoma a carcinoma está bien estudiada (1), los sucesos moleculares que influyen la transición y establecimiento de metástasis se entienden peor. El pronóstico y tratamiento de CCR depende actualmente de la etapa clinico-patológica de la enfermedad en el momento del diagnóstico, y el tratamiento quirúrgico primario. Desafortunadamente la etapa de la enfermedad por sí sola no permite la predicción exacta del resultado para pacientes individuales. Si los resultados del paciente pudieran predecirse de forma más exacta los tratamientos podrían adecuarse para evitar el infra-tratamiento de los pacientes destinado a la recaída, o el sobre-tratamiento de los pacientes que se podrían ayudar solo por cirugía.

Se han hecho muchos intentos para identificar marcadores que predicen el resultado clínico en CCR. Hasta hace poco la mayoría de los estudios se enfocaban a proteínas sencillas o mutaciones génicas con éxito limitado en términos de información de pronóstico (2). La tecnología de micromatrices permite la identificación de conjuntos de genes, denominados clasificadores o firmas que correlacionan con el resultado de cáncer. Esta aproximación se ha aplicado a una variedad de cánceres, que incluyen CCR (3-5), aunque problemas metodológicos y una falta de validación independiente han puesto en duda los descubrimientos (6,7). Además, han surgido dudas sobre la capacidad de los clasificadores/firmas para predecir el resultado debido a la pobre concordancia de los identificados por diferentes investigadores que usan diferentes plataformas de matrices y metodologías (8).

Hay una necesidad de herramientas adicionales para predecir el pronóstico de cáncer colorrectal. Esta invención proporciona métodos adicionales, composiciones, equipos y dispositivos basados en marcadores de pronóstico de cáncer, específicamente marcadores de pronóstico de cáncer colorrectal, para ayudar en el pronóstico y tratamiento del cáncer.

Di Pietro et al (Gastroenterology, Vol. 129, Sep 2005, páginas 1047-1059) describe que la reparación incompatible de ADN defectuoso determina un perfil transcripcional característico en cánceres de colon proximales. El documento XP002355386 describe el Conjunto de Matrices U133 de Genoma Humano de chip génico Affymetrix HG-U133A. El documento WO 02/06867 describe métodos de diagnóstico de cáncer colorrectal metastático, composiciones y métodos de barrido para moduladores de cáncer colorrectal metastático. El documento WO 2004/090550 describe un método para la detección de cáncer colorrectal en muestras humanas. Gao et al (Chinese Journal of Clinical Rehabilitation, Vol. 9, Ene 2005, páginas 228-229) describe la importancia evaluativa de la expresión del antígeno Fas y la proteína P53 en el cáncer colorrectal para los caracteres biológicos y pronóstico. El documento WO 2005/064009 describe la clasificación de cáncer. Lin et al (Journal of Sichuan University, Medical Science Edition, Julio 2005, Vol. 36, Núm. 4, págs. 503-505) describe la expresión e importancia clínica de nm23-H1, Fas y FasL en tejidos de carcinoma colorrectal.

Explicación de la invención

Se describe en esta memoria un conjunto de genes marcadores identificados por expresarse de forma diferencial en tumores colorrectales recurrentes y no recurrentes. Este conjunto de genes pueden usarse para generar firmas de pronóstico, que comprenden dos o más marcadores, capaces de predecir la progresión de tumor colorrectal en un paciente.

Los marcadores individuales pueden expresarse de forma diferencial dependiendo de si el tumor es recurrente o no. La exactitud de predicción puede mejorarse combinando los marcadores juntos en una firma de pronóstico, proporcionando ensayos individuales mucho más efectivos que los ensayos de gen único. También se describen en esta memoria la aplicación de técnicas, tales como estadísticas, aprendizaje automático, inteligencia artificial y extracción de datos a las firmas de pronóstico para generar modelos de predicción. Los niveles de expresión de los marcadores de una firma de pronóstico particular en el tumor de un paciente pueden aplicarse entonces al modelo de predicción para determinar el pronóstico.

Como se describe en esta memoria, el nivel de expresión de los marcadores puede establecerse usando métodos de micromatrices, reacción de cadena polimerasa cuantitativa (qPCR).

La invención proporciona un método para determinar el pronóstico de CCR en un paciente, que comprende las etapas de:

(i)

determinar el nivel de expresión de mARN de dos o más marcadores de pronóstico de cáncer colorrectal (CCPM) de una firma de pronóstico, en donde los dos o más CCPM incluyen al menos DLGAP4 y opcionalmente uno o más genes adicionales de la Tabla 1 y 2, en una muestra de tumor de CCR del paciente,

(ii)

comparar dicho nivel de expresión de los CCPM en la firma de pronóstico a los niveles de expresión de los CCPM en muestras de cáncer recurrente y no recurrente, y

(iii) establecer un pronóstico, en donde si una muestra tumoral de un paciente muestra un aumento en la expresión de DLGAP4, en comparación con la expresión en muestras de cáncer no recurrente, se indica una probabilidad aumentada de recurrencia de CCR después del tratamiento estándar,

y en donde si la muestra tumoral muestra una ausencia de un aumento en la expresión de DLGAP4, en comparación con la expresión en muestras de cáncer no recurrente, se indica una probabilidad disminuida de recurrencia de CCR después del tratamiento estándar.

En realizaciones preferidas el método de la invención comprende la detección de expresión de ME2 usando una o más sondas Affymetrix: 210154_at, 210153_s_at y 209397_at, y/o la detección de expresión de DLGAP4 usando la sonda Affymetrix 202570_s_at, y/o la detección de FAS usando una o más de las sondas Affymetrix; 215719_x_at, 216252_x_at, 204780_s_at y 204781_s_at.

Breve descripción de las figuras

Esta invención se describe con referencia a realizaciones específicas de la misma y con referencia a las figuras, en que:

La Figura 1 representa un diagrama de flujo que muestra la metodología para producir las firmas de pronóstico de 149 muestras de cáncer colorrectal (CCR) de Nueva Zelanda (NZ) y 55 de Alemania (DE). Las muestras de ARN de Nueva Zelanda se hibridaron a matrices de dos canales de oligonucleótidos, con una firma de 22 genes producida por medio de validación cruzada dejando uno fuera (LOOCV), y después validadas independientemente por LOOCV usando el conjunto de datos de DE de 55 muestras. Las muestras de ARN alemán se hibridaron a matrices Affymetrix, con una firma de 19 genes producida por medio de LOOCV, y después se validaron independientemente por LOOCV usando el conjunto de datos de NZ.

La Figura 2 representa un análisis de Kaplan-Meier del tiempo de supervivencia libre de enfermedad con pacientes predichos como de riesgo alto frente a bajo de recurrencia de tumor: a, usando la firma de 22 genes de NZ en 149 tumores de pacientes de NZ; a, usando la firma de 19 genes de DE en 55 tumores de pacientes de DE; c, firma de pronóstico de NZ validada en 55 tumores de pacientes de DE; d, firma de pronóstico de DE validada en 149 tumores de pacientes de NZ; los valores P se calcularon usando el ensayo de rango logarítmico.

La Figura 3 representa un análisis de Kaplan-Meier del tiempo de supervivencia libre de enfermedad con pacientes predichos como de riesgo alto frente a bajo de recurrencia de tumor: a, usando la firma de NZ de 22 genes en pacientes de NZ con enfermedad en Etapa II y Etapa III; b, usando la firma de DE de 19 genes en pacientes de NZ con enfermedad en Etapa II y Etapa III.

La Figura 4 muestra el valor predictivo de firmas de longitudes variables para el pronóstico de cáncer colorrectal. Estas firmas se derivaron de 10 marchas de replicado de validación cruzada de 11 iteraciones. Cada marcha de validación de 11 iteraciones de replicado se indica por las diversas líneas discontinuas; la media entre replicados por la línea en negrita. En cada iteración de la validación cruzada, los genes se eliminaron si el cambio de iteración a través de clases fue < 1,1 (para las restantes muestras no eliminadas en esa iteración particular): Los genes se ordenaron entonces usando una estadística t modificada, obteniendo un conjunto diferente de genes para cada iteración, y clasificadores que usan los n-genes superiores (donde n=2 a 200) se construyeron para cada iteración. Los genes pueden diferir por lo tanto para cada iteración de cada replicado de validación cruzada de 11 iteraciones. Figura 4 (A): Sensibilidad (proporción de tumores recurrentes clasificados correctamente), con respecto al número de genes/firma. Figura 4 (B): Especificidad (proporción de tumores no recurrentes clasificados correctamente), con respecto al número de genes/firma. Figura 4 (C): Tasa de clasificación (proporción de tumores clasificados correctamente), con respecto al número de genes/firma. La nomenclatura aplicada por el estadístico es como sigue: I se refiere al cáncer colorrectal en Etapa I o Etapa II (sin progresión), y IV se refiere a la progresión eventual a metástasis en Etapa IV.

La Figura 5 muestra el valor predictivo disminuido de firmas para el pronóstico de cáncer colorrectal, en una repetición del experimento de la Figura 4, excepto con los dos genes, FAS y ME2, eliminados del conjunto de datos. Figura 5 (A): Sensibilidad (proporción de tumores recurrentes clasificados correctamente), con respecto al número de genes/firma. Figura 5 (B): Especificidad (proporción de tumores no recurrentes clasificados correctamente), con respecto al número de genes/firma. Figura 5 (C): Tasa de clasificación (proporción de tumores clasificados correctamente), con respecto al número de genes/firma.

La Figura 6 muestra un gráfico de pares de "conteos primeros" (número de veces que cada gen apareció en las listas génicas "n primeros", es decir, 10 primeros, 20 primeros, 100 primeros, y 325 primeros como se describe en el Ejemplo 17) usando tres métodos de normalización diferentes producidos usando el paquete de cálculo estadístico R (10, 39), de acuerdo con el Ejemplo 17, posterior. El gráfico de "pares" se describe en Becker et al, en su tratado en el Lenguaje S (sobre el que se basa R; véase la referencia 39). Para comparar métodos, usan flecha y columna como se define en la diagonal para obtener el gráfico de dispersión entre esos dos métodos, análogo a leer distancias de un gráfico de distancia en un mapa.

La Figura 7 muestra el gráfico de pares (39) de conteos superiores (número de veces que apareció cada gen en las listas de genes de "n primeros", es decir, 10 primeros, 20 primeros, 100 primeros, y 325 primeros como se describe en el Ejemplo 17) usando tres estadísticas de filtrado diferentes: (a) ensayo de Wilcoxon de dos muestras (41), (b) prueba t (modificado usando un factor de corrección ad-hoc en el denominador para anular el efecto de genes de baja varianza que aparecen de forma falsa como significativos) y (c) Bayes empírico como se proporciona por el paquete "limma" (10,40,42) de Bioconductor (12,40).

Descripción detallada

Definiciones

Antes de describir realizaciones de la invención en detalle, será útil proporcionar algunas definiciones de términos usados en esta memoria.

El término "marcador" se refiere a una molécula que está asociada cuantitativamente o cualitativamente con la presencia de un fenómeno biológico. Ejemplos de "marcadores" incluyen un polinucleótido, tal como un gen o fragmento de gen, ARN o fragmento de ARN; o un producto génico, que incluye un polipéptido tal como un péptido, oligopéptido, proteína o fragmento de proteína; o cualquier metabolito relacionado, sub-productos, o cualquier otra molécula identificada, tal como anticuerpos o fragmentos de anticuerpo, si está relacionado directa o indirectamente a un mecanismo que subyace en el fenómeno. Los marcadores descritos en esta memoria incluyen las secuencias de nucleótidos (por ejemplo, secuencias de GenBank) como se describe en esta memoria, en particular, las secuencias de longitud completa, cualquier secuencia de codificación, cualquier fragmento, o cualquier complemento de los mismos, y cualquier marcador medible de los mismos como se define anteriormente.

Los términos "CCPM" o "marcador de pronóstico de cáncer colorrectal" o "miembro de la familia de CCPM" se refiere a un marcador con expresión alterada que está asociado con un pronóstico particular, por ejemplo, una probabilidad mayor o menor de recurrencia del cáncer, como se describe en esta memoria, aunque puede excluir moléculas que se conocen en la técnica anterior para asociarse con el pronóstico de cáncer colorrectal. Se va a entender que el término CCPM no necesita que el marcador sea específico solo para tumores colorrectales. Además, la expresión de CCPM puede alterarse en otros tipos de tumores, que incluyen tumores malignos.

Los términos "firma de pronóstico," "firma," y similares se refieren a un conjunto de dos o más marcadores, por ejemplo CCPMs, que cuando se analizan juntos como un conjunto permiten la determinación de o la predicción de un suceso, por ejemplo, el resultado de pronóstico de cáncer colorrectal. El uso de una firma que comprende dos o más marcadores reduce el efecto de variación individual y permite una predicción más fuerte. Ejemplos no limitantes de CCPMs se exponen en las Tablas 1, 2, 5 y 9, mientras ejemplos no limitantes de firmas de pronóstico se exponen en las Tablas 3, 4, 8A, 8B y 9, en esta memoria. En el contexto de la presente invención, la referencia a "al menos uno," "al menos dos," "al menos cinco," etc., de los marcadores enumerados en cualquier conjunto particular (por ejemplo, cualquier firma) significa cualquiera o cualquiera y todas las combinaciones de los marcadores enumerados.

El término "método de predicción" se define para cubrir el género más amplio de métodos de los campos de estadística, aprendizaje automático, inteligencia artificial y extracción de datos, que pueden usarse para especificar un modelo de predicción. Estos se tratan adicionalmente en la sección de Descripción Detallada.

El término "modelo de predicción" se refiere al modelo matemático específico obtenido aplicando un método de predicción a una recogida de datos. En los ejemplos detallados en esta memoria, dichos conjuntos de datos consisten en medidas de actividad génica en muestras de tejido tomadas de pacientes de cáncer colorrectal recurrente o no recurrente, por el que se conoce la clase (recurrente o no recurrente) de cada muestra. Dichos modelos pueden usarse para (1) clasificar una muestra de estado de recurrencia desconocida como que es recurrente o no recurrente, o (2) hacer una predicción probabilística (es decir, producir tanto una proporción como un porcentaje para ser interpretado como una probabilidad) que representa la probabilidad de que la muestra desconocida sea recurrente, en base a la medida de niveles de expresión de mARN o productos de expresión, de una colección de genes especificada, en la muestra desconocida. Los detalles exactos de como estas medidas específicas del gen se combinan para producir clasificaciones y predicciones probabilísticas son dependientes de los mecanismos específicos del método de predicción usados para construir el modelo.

"Sensibilidad", "especificidad" (o "selectividad"), y "tasa de clasificación", cuando se aplica a la descripción de la efectividad de modelos de predicción significa lo siguiente:"Sensibilidad" significa la proporción de muestras verdaderamente positivas que también se predicen (por el modelo) para ser positivo. En un ensayo para la

recurrencia de CCR, eso podría ser la proporción de tumores recurrentes predichos por el modelo a ser recurrente. "Especificidad" o "selectividad" significan la proporción de muestras verdaderamente negativas que también se predicen (por el modelo) para ser negativas. En un ensayo para la recurrencia de CCR, esto iguala la proporción de muestras no recurrentes que se predicen para no recurrente por el modelo. "Tasa de clasificación" es la proporción de todas las muestras que se clasifican correctamente por el modelo de predicción (sean como positivo o negativo).

Como se usa en esa memoria "anticuerpos" y términos similares se refieren a moléculas de inmunoglobulina y porciones inmunológicamente activas de moléculas de inmunoglobulina (Ig), es decir, moléculas que contienen un sitio de unión a antígeno que se une específicamente (inmunoreacciona con) un antígeno. Estos incluyen, aunque no están limitados a, fragmentos policlonales, monoclonales, quiméricos, de cadena sencilla, Fc, Fab, Fab' y Fab2, y una biblioteca de expresión de Fab. Las moléculas de anticuerpo relacionadas a cualquiera de las clases IgG, IgM, IgA, IgE e IgD, que difieren unas de otras por la naturaleza de cadena pesada presente en la molécula. Estas incluyen además subclases, tales como IgG1, IgG2 y otras. La cadena ligera puede ser una cadena kappa o una cadena lambda. La referencia en esta memoria a anticuerpos incluye una referencia a todas las clases, subclases y tipos. También se incluyen anticuerpos quiméricos, por ejemplo, anticuerpos monoclonales o fragmentos de los mismos que son específicos a más de una fuente, por ejemplo, una secuencia de ratón o humana. Se incluyen además anticuerpos de camélido, anticuerpos de tiburón o nanocuerpos.

Los términos "cáncer" y "canceroso" se refieren a o describen el proceso fisiológico en mamíferos que se caracteriza típicamente por crecimiento celular anormal o no regulado. El cáncer y la patología de cáncer pueden asociarse, por ejemplo, con metástasis, interferencia con el funcionamiento normal de células próximas, liberación de citoquinas u otros productos secretores a niveles anormales, supresión o agravamiento de respuesta inflamatoria o inmunológica, neoplasia, premalignidad, malignidad, invasión de tejidos u órganos circundantes o distantes, tales como nodos linfáticos, etc. Específicamente se incluyen cánceres colorrectales, tales como, cánceres de intestino (por ejemplo, intestino grueso), anal y rectal.

El término "cáncer colorrectal" incluye cáncer de colon, recto y/o ano, y especialmente, adenocarcinomas, y puede también incluir carcinomas (por ejemplo, carcinomas cloacogénicos escamosos), melanomas, linfomas y sarcomas. También se incluyen carcinomas epidermoides (célula escamosa no queratinizante o basaloide). El cáncer puede asociarse con tipos particulares de pólipos u otras lesiones, por ejemplo, adenomas tubulares, adenomas tubulovellosos (por ejemplo, pólipos velloglandulares), adenomas vellosos (por ejemplo, papilares) (con o sin adenocarcinoma), pólipos hiperplásicos, hamartomas, pólipos juveniles, carcinomas polipoides, pseudopólipos, lipomas o leiomiomas. El cáncer puede asociarse con poliposis familiar y procesos relacionados tales como síndrome de Gardner o síndrome de Peutz-Jeghers. El cáncer puede asociarse con, por ejemplo, fístulas crónicas, piel del ano irradiada, leucoplaquia, linfogranuloma venéreo, enfermedad de Bowen (carcinoma intraepitelial), condiloma acuminatum o papilomavirus humano. En otros aspectos, el cáncer puede estar asociado con carcinoma de célula basal, enfermedad de Paget extramamaria, carcinoma cloacogénico o melanoma maligno.

Los términos "expresado diferencialmente," "expresión diferencial," y frases similares, se refieren a un marcador génico cuya expresión se activa a un nivel mayor o menor en un sujeto (por ejemplo, muestra de ensayo) que tiene un proceso, específicamente cáncer, tal como cáncer colorrectal, respecto a su expresión en un sujeto de control (por ejemplo, muestra de referencia). Los términos también incluyen marcadores cuya expresión se activa a un nivel mayor o menor a diferentes etapas del mismo proceso; en enfermedad recurrente o no recurrente; o en células con niveles mayores o menores de proliferación. Un marcador expresado de forma diferencial puede estar o bien activado o inhibido al nivel polinucleótido o nivel polipéptido, o puede estar sometido a acoplamiento alternativo para dar por resultado un producto polipéptido diferente. Dichas diferencias pueden evidenciarse por un cambio en niveles de mARN, expresión superficial, secreción u otra partición de un polipéptido, por ejemplo.

La expresión diferencial puede incluir una comparación de expresión entre dos o más marcadores (por ejemplo, genes o sus productos génicos); o una comparación de las relaciones de la expresión entre dos o más marcadores (por ejemplo, genes o sus productos génicos); o una comparación de dos productos procesados de forma diferente (por ejemplo, transcritos o polipéptidos) del mismo marcador, que difieren entre sujetos normales y sujetos enfermos; o entre varias etapas de la misma enfermedad; o entre enfermedad recurrente o no recurrente; o entre células con niveles mayores y menores de proliferación; o entre tejido normal y tejido enfermo, específicamente cáncer o cáncer colorrectal. La expresión diferencial incluye tanto cuantitativa como cualitativa, diferencias en el modelo de expresión temporal o celular en un gen o sus productos de expresión entre, por ejemplo, células normales o enfermos, o entre células que han sufrido diferentes sucesos de enfermedad o etapas de enfermedad, o células con diferentes niveles de proliferación.

El término "expresión" incluye la producción de polinucleótidos y polipéptidos; en particular, la producción de ARN (por ejemplo, mARN) a partir de un gen o porción de un gen, e incluye la producción de un polipéptido codificado por un ARN o gen o porción de un gen, y la apariencia de un material detectable asociado con la expresión. Por ejemplo, la formación de un complejo, por ejemplo, de una interacción polipéptido-polipéptido, interacción polipéptidonucleótido, o similares, se incluye en el alcance del término "expresión". Otro ejemplo es la unión de un ligando de unión, tal como una sonda o anticuerpo de hibridación, a un gen u otro polinucleótido u oligonucleótido, un polipéptido o un fragmento de proteína, y la visualización del ligando de unión. Así, la intensidad de una mancha en una micromatriz, en una transferencia de hibridación tal como transferencia de Northern, o en una

inmunotransferencia tal como una transferencia de Western, o en una matriz de microesfera, o por análisis PCR, se incluye en el término "expresión" de la molécula biológica subyacente.

Los términos "umbral de expresión," y "umbral de expresión definido" se usan de forma intercambiable y se refiere al nivel de un marcador en cuestión fuera del que el polinucleótido o polipéptido sirve como un marcador predictivo para la supervivencia del paciente sin recurrencia del cáncer. El umbral será dependiente del modelo predictivo establecido se derivan experimentalmente de estudios clínicos tales como los descritos en los Ejemplos posteriores. Dependiendo del modelo de predicción usado, el umbral de expresión puede fijarse para alcanzar la máxima sensibilidad, o para máxima especificidad o para mínimo error (máxima tasa de clasificación). Por ejemplo, un umbral mayor puede fijarse para alcanzar errores mínimos, aunque puede dar por resultado una menor sensibilidad. Por lo tanto, para cualquier modelo predictivo dado, los estudios clínicos se usarán para fijar un umbral de expresión que generalmente alcanza la mayor sensibilidad mientras que tiene una mínima tasa de error. La determinación del umbral de expresión para cualquier situación es buena en el conocimiento de los expertos en la técnica.

El término "supervivencia a largo plazo" se usa en esta memoria para referirse a la supervivencia durante al menos 5 años, más preferiblemente durante al menos 8 años, lo más preferiblemente al menos 10 años después de cirugía u otro tratamiento.

El término "micromatriz" se refiere a una disposición ordenada o desordenada de agentes de captura, preferiblemente polinucleótidos (por ejemplo, sondas) o polipéptidos en un sustrato. Véase, por ejemplo, Microarray Analysis, M. Schena, John Wiley & Sons, 2002; Microarray Biochip Technology, M. Schena, ed., Eaton Publishing, 2000; Guide to Analysis of DNA Microarray Data, S. Knudsen, John Wiley & Sons, 2004; y Protein Microarray Technology, D. Kambhampati, ed., John Wiley & Sons, 2004.

El término "oligonucleótido" se refiere a un polinucleótido, típicamente una sonda o cebador, que incluye, sin limitación, desoxirribonucleótidos de hebra sencilla, ribonucleótidos de hebra sencilla o doble, híbridos de ARN:ADN, y ADNs de doble hebra. Los oligonucleótidos, tal como oligonucleótidos de sonda de ADN de hebra sencilla, se sintetizan a menudo por métodos químicos, por ejemplo, usando sintetizadores de oligonucleótido automatizado que están disponibles comercialmente, o por una variedad de otros métodos, que incluyen sistemas de expresión in vitro, técnicas recombinantes, y expresión en células y organismos.

El término "polinucleótido", cuando se usa en el singular o plural, se refiere generalmente a cualquier polirribonucleótido o polidesoxirribonucleótido, que puede ser ARN o ADN no modificado o ARN o ADN modificado. Esto incluye, sin limitación, ADN de hebra sencilla y doble, ADN que incluye regiones de hebra sencilla y doble, ARN de hebra sencilla y doble, y ARN que incluye regiones de hebra sencilla y doble, moléculas híbridas que comprenden ADN y ARN que pueden ser de hebra sencilla o, más típicamente, de hebra doble o incluyen regiones de hebra sencilla y doble. También se incluyen regiones de triple hebra que comprenden ARN o ADN o tanto ARN como ADN. Se incluyen específicamente mARNs, cADNs y ADNs genómicos, y cualquier fragmento de los mismos. El término incluye ADNs y ARNs que contienen una o más bases modificadas, tal como bases tritadas, o bases inusuales, tales como inosina. Los polinucleótidos de la invención pueden abarcar secuencias de codificación o no codificación, o secuencias de sentido o antisentido. Se entenderá que cada referencia a un "polinucleótido" o término similar, en esta memoria, incluirá las secuencias de longitud completa además de cualquier fragmento, derivado o variante de los mismos.

"Polipéptido," como se usa en esta memoria, se refiere a un oligopéptido, péptido, o secuencia de proteína, o fragmento de los mismos, y a moléculas que se dan de forma natural, recombinantes, sintéticas o semisintéticas. Donde "polipéptido" se enumera en esta memoria para referirse a una secuencia de aminoácidos de una molécula de proteína que se da de forma natural, "polipéptido" y términos similares, no pretenden limitar la secuencia de aminoácidos a la secuencia de aminoácidos nativa, completa, para la molécula de longitud total. Se entenderá que cada referencia a un "polipéptido" o término similar, en esta memoria, incluirá las secuencias de longitud completa además de cualquier fragmento, derivado o variante de los mismos.

El término "pronóstico" se refiere a una predicción de resultado médico, por ejemplo, un resultado pobre o bueno (por ejemplo, probabilidad de supervivencia a largo plazo); un pronóstico negativo, o resultado pobre, incluye una predicción de recaída, progresión de la enfermedad (por ejemplo, crecimiento tumoral o metástasis, o resistencia al fármaco) o mortalidad; un pronóstico positivo, o resultado bueno, incluye una predicción de remisión de la enfermedad (por ejemplo, estado libre de enfermedad), mejora (por ejemplo, regresión tumoral) o estabilización.

El término "proliferación" se refiere al procedimiento que lleva a tamaño celular aumentado o número celular, y puede incluir uno o más de: tumor o crecimiento celular, angiogénesis, inervación y metástasis.

El término "qPCR" o "QPCR" se refiere a reacción de cadena polimerasa cuantitativa como se describe, por ejemplo, en PCR Technique: Quantitative PCR, J.W. Larrick, ed., Eaton Publishing, 1997, y A-Z of Quantitative PCR, S. Bustin, ed., IUL Press, 2004.

El término "tumor" se refiere a todo el crecimiento celular y proliferación neoplásica, maligno o benigno, y todas las células y tejidos pre-cancerosos y cancerosos.

El "rigor" de reacciones de hibridación es fácilmente determinable por un experto en la técnica, y generalmente es un cálculo empírico dependiente de la longitud de la sonda, temperatura de lavado y concentración de sal. En general, las sondas más largas necesitan temperaturas mayores para endurecimiento apropiado por calor, mientras que sondas más cortas necesitan menores temperaturas. La hibridación depende generalmente de la capacidad del ADN desnaturalizado para endurecer por calor cuando están presentes hebras complementarias en un medio por debajo de su temperatura de fusión. Cuanto mayor sea el grado de homología deseada entre la sonda y la secuencia hibridable, mayor será la temperatura relativa que puede usarse. Como resultado, sigue que las temperaturas relativas mayores tenderían a hacer las condiciones de reacción más rigurosas, mientras que menores temperaturas no tanto. Los detalles adicionales y explicación del rigor de reacciones de hibridación, se encuentran por ejemplo, en Ausubel et al., Current Protocols in Molecular Biology, Wiley Interscience Publishers, (1995).

"Condiciones rigurosas" o "condiciones de rigor alto", como se definen en esta memoria, típicamente: (1) emplean baja fortaleza iónica y alta temperatura para lavado, por ejemplo cloruro sódico 0,015 M/citrato sódico 0,0015 M/ dodecilsulfato sódico al 0,1% a 50°C; (2) emplean un agente desnaturalizante durante hibridación, tal como formamida, por ejemplo, 50% (v/v) de formamida con 0,1% de albúmina de suero bovino/0,1% de Ficoll/0,1% de polivinilpirrolidona/tampón de fosfato sódico 50 mM a pH 6,5 con cloruro sódico 750 mM, citrato sódico 75 mM a 42ºC; o (3) emplean 50% de formamida, 5X SSC (NaCl 0,75 M, citrato sódico 0,075 M), fosfato sódico 50 mM (pH 6,8), 0,1% de pirofosfato sódico, 5X, disolución de Denhardt, ADN de esperma de salmón sonicado (50 µg/ml), 0,1% de SDS, y 10% de sulfato de dextrano a 42°C, con lavados a 42°C en 0,2X SSC (cloruro sódico/citrato sódico) y 50% de formamida a 55°C, seguido por un lavado de alto rigor que comprende 0,1X SSC que contiene EDTA a 55°C.

"Condiciones moderadamente rigurosas" pueden identificarse como se describe por Sambrook et al., Molecular Cloning: A Laboratory Manual, Nueva York: Cold Spring Harbor Press, 1989, e incluye el uso de disolución de lavado y condiciones de hibridación (por ejemplo, temperatura, fortaleza iónica y % de SDS) menos rigurosas que las descritas anteriormente. Un ejemplo de condiciones moderadamente rigurosas es incubación toda la noche a 37°C en una disolución que comprende: 20% de formamida, 5X SSC (NaCl 150 mM, citrato trisódico 15 mM), fosfato sódico 50 mM (pH 7,6), disolución 5X de Denhardt, 10% de sulfato de dextrano, y 20 mg/ml de ADN de esperma de salmón cizallado desnaturalizado, seguido de lavado de los filtros en 1X SSC a aproximadamente 37-50°C. El experto reconocerá como ajustar la temperatura, fortaleza iónica, etc. como sea necesario para acomodar factores tales como longitud de la sonda y similares.

La práctica de la presente invención empleará, a menos que se indique otra cosa, técnicas convencionales de biología molecular (que incluye técnicas recombinantes), microbiología, biología celular y bioquímica, que están en la experiencia de la técnica. Dichas técnicas se explican totalmente en la bibliografía, tal como, Molecular Cloning: A Laboratory Manual, 2ª edición, Sambrook et al., 1989; Oligonucleotide Synthesis, MJ Gait, ed., 1984; Animal Cell Culture, R.I. Freshney, ed., 1987; Methods in Enzymology, Academic Press, Inc.; Handbook of Experimental Immunology, 4º edición, D .M. Weir & CC. Blackwell, eds., Blackwell Science Inc., 1987; Gene Transfer Vectors for Mammalian Cells, J.M. Miller & M.P. Calos, eds., 1987; Current Protocols in Molecular Biology, F.M. Ausubel et al., eds., 1987; y PCR: The Polymerase Chain Reaction, Mullis et al., eds., 1994.

Descripción de realizaciones de la invención

En el cáncer colorrectal, los resultados discordantes se han presentado por marcadores de pronóstico. La presente invención describe el uso de micromatrices para alcanzar una conclusión más firme, y para determinar el papel de pronóstico de firmas de pronóstico específicas en cáncer colorrectal. Los estudios basados en micromatrices mostrados en esta memoria indican que las firmas de pronóstico particulares en cáncer colorrectal están asociadas con un pronóstico. La invención puede usarse por lo tanto para identificar pacientes con alto riesgo de recurrencia de cáncer, o pacientes con una probabilidad alta de recuperación.

La presente descripción se refiere a marcadores para la determinación del pronóstico de la enfermedad, por ejemplo, la probabilidad de recurrencia de tumores, que incluyen tumores colorrectales. Usando los métodos descritos en esta memoria, se ha encontrado que numerosos marcadores se asocian con el pronóstico de cáncer colorrectal, y pueden usarse para predecir el resultado de la enfermedad. El análisis de micromatriz de muestras tomadas de pacientes con varias etapas de tumores colorrectales ha llevado al descubrimiento sorprendente de que los diseños específicos de expresión de marcador se asocian con pronóstico del cáncer. La presente descripción proporciona un conjunto de genes, esbozados en la Tabla 1 y la Tabla 2, que se expresan diferencialmente en cánceres colorrectales recurrentes y no recurrentes. Los genes esbozados en la Tabla 1 y la Tabla 2 proporcionan un conjunto de marcadores de pronóstico de cáncer colorrectal (CCPMs).

Una disminución en ciertos marcadores de pronóstico de cáncer colorrectal (CCPMs), por ejemplo, marcadores asociados con respuestas inmunes, es indicativo de un pronóstico particular. Esto puede incluir probabilidad aumentada de recurrencia de cáncer después de tratamiento estándar, especialmente para cáncer colorrectal. Inversamente, un aumento en otros CCPM es indicativo de un pronóstico particular. Esto puede incluir progresión de enfermedad o la probabilidad aumentada de recurrencia de cáncer, especialmente para cáncer colorrectal. Una disminución o aumento en la expresión puede determinarse, por ejemplo, por comparación de una muestra de ensayo, por ejemplo, muestra tumoral del paciente, a una muestra de referencia, por ejemplo, una muestra asociada

con un pronóstico conocido. En particular, una o más muestras de paciente(s) con cáncer no recurrente podría(n) usarse como una muestra de referencia.

Por ejemplo, para obtener un pronóstico, los niveles de expresión en una muestra del paciente (por ejemplo, muestra tumoral) puede compararse a muestras de pacientes con un resultado conocido. Si la muestra del paciente muestra expresión aumentada o disminuida de uno o más CCPMs que compara con muestras con buen resultado (sin recurrencia), está implicado entonces un pronóstico positivo, o es improbable la recurrencia. Si la muestra de paciente muestra expresión de uno o más CCPMs que es comparable a muestras con pobre resultado (recurrencia), entonces se implica un pronóstico positivo, o es improbable la recurrencia del tumor.

Como ejemplos adicionales, los niveles de expresión de una firma de pronóstico que comprende dos o más CCPMS de una muestra de paciente (por ejemplo, muestra tumoral) puede compararse a muestras de cáncer recurrente/no recurrente. Si la muestra de paciente muestra expresión aumentada o disminuida de CCPMs por comparación a muestras de cáncer no recurrente, y/o expresión comparable a muestras de cáncer recurrente, entonces se implica un pronóstico negativo. Si la muestra de paciente muestra expresión de CCPMs que es comparable a muestras de cáncer no recurrente, y/o expresión menor o mayor que las muestras de cáncer recurrente, entonces está implicado un pronóstico positivo.

Como una aproximación, un método de predicción puede aplicarse a un panel de marcadores, por ejemplo el panel de CCPMs esbozado en la Tabla 1 y Tabla 2, para generar un modelo predictivo. Esto implica la generación de una firma de pronóstico, que comprende dos o más CCPMs.

Los CCPMs descritos en la Tabla 1 y Tabla 2 por lo tanto proporcionan un conjunto útil de marcadores para generar firmas de predicción para determinar el pronóstico de cáncer, y establecer un régimen de tratamiento, o modalidad de tratamiento, específico para ese tumor. En particular, un pronóstico positivo puede usarse por un paciente para decidir seguir opciones de tratamiento estándar o menos invasivo. Un pronóstico negativo puede usarse por un paciente para decidir terminar el tratamiento o seguir tratamientos altamente agresivos o experimentales. Además, un paciente puede elegir tratamientos en base a su impacto en la expresión de marcadores de pronóstico (por ejemplo, CCPMs).

Los niveles de CCPMs pueden detectarse en tejido tumoral, tejido próximo al tumor, muestras de nodo linfático, muestras de sangre, muestras de suero, muestras de orina o muestras fecales, usando cualquier técnica adecuada, y puede incluir sondas de oligonucleótido o PCR cuantitativo. El uso de anticuerpos elevados contra los marcadores se describe también en esta memoria. Se apreciará que analizando la presencia y cantidades de expresión de una pluralidad de CCPMs en la forma de firmas de predicción, y construyendo una firma de pronóstico (por ejemplo, como se describe en las Tablas 3, 4, 8A, 8B y 9), la sensibilidad y exactitud de pronóstico se aumentará. Por lo tanto, pueden usarse múltiples marcadores descritos en esta memoria para determinar el pronóstico de un cáncer.

Se describe en esta memoria el uso de material de biopsia incorporado en parafina archivado para el ensayo de los marcadores en el conjunto. Los usos descritos en esta memoria son por lo tanto compatibles con el tipo más ampliamente disponible de material de biopsia. Los usos son también compatibles con varios métodos diferentes de cosecha de tejido tumoral, por ejemplo, por medio de biopsia del núcleo o aspiración por aguja fina. En ciertos aspectos, el ARN se aísla de un espécimen de tejido cancerígeno incorporado en cera, fijo, del paciente. El aislamiento puede realizarse mediante cualquier técnica conocida en la técnica, por ejemplo, de tejido de biopsia de núcleo o células aspiradas con aguja fina.

Un aspecto descrito en esta memoria es un método para predecir un pronóstico, por ejemplo, la probabilidad de supervivencia a largo plazo de un paciente de cáncer sin la recurrencia del cáncer, que comprende determinar el nivel de expresión de uno o más marcadores de pronóstico o sus productos de expresión en una muestra obtenida del paciente, normalizada frente al nivel de expresión de otros transcritos de ARN o sus productos en la muestra, o de un conjunto de referencia de transcritos de ARN o sus productos de expresión. En aspectos específicos, el marcador de pronóstico es uno o más marcadores enumerados en las Tablas, 1, 2 o 5, o está incluido como una o más de las firmas de pronóstico derivadas de los marcadores enumeradas en las Tablas 1, 2 y 5, o las firmas de pronóstico enumeradas en las Tablas 3, 4, 8A, 8B o 9.

En aspectos adicionales, los niveles de expresión de los marcadores de pronóstico o sus productos de expresión se determinan, por ejemplo, para los marcadores enumerados en las Tablas 1, 2 o 5, una firma de pronóstico derivada de los marcadores enumerados en las Tablas 1, 2 y 5, por ejemplo, para las firmas de pronóstico enumeradas en las Tablas 3, 4, 8A, 8B o 9. En otro aspecto, el método comprende la determinación de los niveles de expresión de un conjunto completo de marcadores de pronóstico o sus productos de expresión, por ejemplo, para los marcadores enumerados en las Tablas 1, 2 o 5, una firma de pronóstico derivada de los marcadores enumerados en las Tablas 1, 2 y 5, por ejemplo, para las firmas de pronóstico enumeradas en las Tablas 3, 4, 8A, 8B o 9.

Un aspecto adicional descrito en esta memoria es una matriz (por ejemplo, micromatriz) que comprende polinucleótidos que hibridan a dos o más marcadores, por ejemplo, para los marcadores enumerados en las Tablas 1, 2 y 5, o una firma de pronóstico derivada de los marcadores enumerados en las Tablas 1, 2 y 5, por ejemplo, las firmas de pronóstico enumeradas en las Tablas 3, 4, 8A, 8B y 9. En aspectos particulares, la matriz comprende

polinucleótidos que hibridan a la firma de pronóstico derivada de los marcadores enumerados en las Tablas 1, 2 y 5,

o por ejemplo, para las firmas de pronóstico enumeradas en las Tablas 3, 4, 8A, 8B o 9. En otro aspecto particular, la matriz comprende polinucleótidos que hibridan al conjunto completo de marcadores, por ejemplo, para los marcadores enumerados en las Tablas 1, 2 y 5, o por ejemplo, para las firmas de pronóstico enumeradas en las

5 Tablas 3, 4, 8A, 8B o 9.

Para estas matrices, los polinucleótidos pueden ser cADNs, u oligonucleótidos, y la superficie sólida en que están dispuestos puede ser cristal, por ejemplo. Los polinucleótidos pueden hibridar a uno o más de los marcadores como se describe en esta memoria, por ejemplo, a las secuencias de longitud total, cualquier secuencia de codificación, cualquier fragmento, o cualquier complemento de los mismos. En aspectos particulares, un aumento o disminución

10 en los niveles de expresión de uno o más CCPM indica una probabilidad disminuida de supervivencia a largo plazo, por ejemplo, debido a recurrencia de cáncer, mientras que la falta de un aumento o disminución en los niveles de expresión de uno o más CCPM indica una probabilidad aumentada de supervivencia a largo plazo sin recurrencia de cáncer.

Aproximaciones generales a la detección de marcador de pronóstico

Las siguientes aproximaciones descritas en esta memoria son métodos que pueden usarse para detectar marcadores de proliferación, incluyendo miembros de la familia CCPM: aproximaciones de micromatriz que usan sondas de oligonucleótido selectivas para un CCPM; qPCR a tiempo real en muestras tumorales que usan cebadores y sondas específicas de CCPM; qPCR a tiempo real en muestras de nodo linfático, sangre, suero, fecal u orina que usan cebadores y sondas específicas de CCPM; ensayos inmunológicos unidos a enzima (ELISA); inmunohistoquímica que usa anticuerpos anti-marcadores; y análisis de datos de matriz o qPCR que usan ordenadores.

Otros métodos útiles incluyen transferencia de northern e hibridación in situ (Parker y Barnes, Methods in Molecular Biology 106: 247-283 (1999)); ensayos de protección de RNasa (Hod, BioTechniques 13: 852-854 (1992)); reacción de cadena de polimerasa de transcripción inversa (RT-PCR; Weis et al., Trends in Genetics 8: 263-264 (1992)); análisis en serie de expresión génica (SAGE; Velculescu et al., Science 270: 484-487 (1995); y Velculescu et al., Cell

88: 243-51 (1997)), tecnología MassARRAY (Sequenom, San Diego, CA), y análisis de expresión génica por secuenciación de firma masivamente paralela (MPSS; Brenner et al., Nature Biotechnology 18: 630-634 (2000)). De forma alternativa, pueden emplearse anticuerpos que pueden reconocer complejos específicos, que incluyen dupletes de ADN, dupletes de ARN, y dupletes híbridos de ADN-ARN o dupletes de ADN-polipéptido.

Los datos primarios pueden recogerse y puede realizarse análisis de cambio de iteración, por ejemplo, por comparación de niveles de expresión de marcador en tejido tumoral y tejido no tumoral; por comparación de niveles de expresión de marcador a niveles determinados en tumores recurrentes y tumores no recurrentes; por comparación de niveles de expresión de marcador a niveles determinados en tumores con o sin metástasis; por comparación de niveles de expresión de marcador a niveles determinados en tumores en diferentes etapas; o por comparación de niveles de expresión de marcador a niveles determinados en células con diferentes niveles de proliferación. Un pronóstico negativo o positivo se determina en base a este análisis. Análisis adicional de expresión de marcador tumoral incluye igualar los marcadores que muestran expresión aumentada o disminuida con perfiles de expresión de tumores colorrectales conocidos para proporcionar un pronóstico.

Un umbral para concluir que la expresión está aumentada será dependiente del marcador particular y también del modelo predictivo particular que se va a aplicar. El umbral se pone generalmente para alcanzar la mayor sensibilidad y selectividad con la menor tasa de error, aunque pueden ser deseables variaciones para una situación clínica particular. El umbral deseado se determina analizando una población de suficiente tamaño teniendo en cuenta la variabilidad estadística de cualquier modelo predictivo y se calcula a partir del tamaño de la muestra usada para producir el modelo predictivo. Lo mismo se aplica para la determinación de un umbral para concluir que la expresión está disminuida. Puede apreciarse que otros umbrales, o métodos para establecer un umbral, para concluir que la expresión aumentada o disminuida ha ocurrido pueden seleccionarse sin separarse del alcance de esta invención.

También es posible que un modelo de predicción pueda producirse como se produce un valor numérico, por ejemplo, una puntuación, valor probable o probabilidad. En estos ejemplos, es posible aplicar umbrales a los resultados producidos por los modelos de predicción, y en esto casos principios similares se aplican a los usados para poner umbrales para valores de expresión.

Una vez que el nivel de expresión, o resultado de un modelo predictivo, de una firma predictiva en una muestra tumoral se ha obtenido, puede determinarse entonces la probabilidad de la recurrencia del cáncer.

A partir de los marcadores identificados, las firmas de pronóstico que comprenden uno o más CCPM pueden usarse para determinar el pronóstico de un cáncer, comparando el nivel de expresión del uno o más marcadores a la firma de pronóstico descrita. Comparando la expresión de uno o más de los CCPMs en una muestra tumoral con la firma de pronóstico descrita, la probabilidad de la recurrencia del cáncer puede determinarse. La comparación de los niveles de expresión de la firma de pronóstico para establecer un pronóstico puede hacerse aplicando un modelo predictivo como se describe anteriormente.

Determinar la probabilidad de la recurrencia del cáncer es de gran valor para el médico. Una alta probabilidad de reocurrencia significa que debería darse un tratamiento más largo o de dosis mayor, y el paciente debería monitorizarse más detenidamente para señales de recurrencia del cáncer. Un pronóstico seguro es también beneficioso para el paciente. Permite al paciente, junto con sus compañeros, familia y amigos, tomar también decisiones sobre el tratamiento, además de decisiones sobre sus cambios futuros y de estilo de vida. Por lo tanto, se describe también en esta memoria un método para establecer un régimen de tratamiento para un cáncer particular en base al pronóstico establecido combinando la expresión de los marcadores en una muestra tumoral con la firma de expresión diferencial.

Se apreciará que la selección de marcador, o construcción de una firma de pronóstico, no tiene que estar restringida a los CCPM descritos en las Tablas 1, 2 o 5, en esta memoria, o las firmas de pronóstico descritas en las Tablas 3, 4, 8A, 8B y 9, sino que podría implicar el uso de uno o más CCPMs de las firmas descritas, o puede establecerse una nueva firma usando CCPMs seleccionados de las listas de marcadores descritas. La necesidad de cualquier

31 5

firma es que predice la probabilidad de recurrencia con suficiente precisión para ayudar a un médico a establecer un régimen de tratamiento.

PCR de transcripción inversa (RT-PCR)

De las técnicas enumeradas anteriormente, el método cuantitativo más sensible y más flexible es RT-PCR, que puede usarse para comparar niveles de ARN en diferentes poblaciones de muestra, en tejidos normales y tumorales, con o sin tratamiento de fármacos, para caracterizar diseños de expresión, discriminar entre ARNs estrechamente relacionados y analizar la estructura de ARN.

Para RT-PCR, la primera etapa es el aislamiento de ARN de una muestra diana. El material de partida es típicamente ARN total aislado de tumores humanos o líneas celulares tumorales, y corresponden a tejidos normales

o líneas celulares, respectivamente. El ARN puede aislarse de una variedad de muestras, tales como muestras tumorales de tejidos de mama, pulmón, colon (por ejemplo, intestino grueso o intestino delgado), colorrectal, gástrico, esofágico, anal, rectal, de próstata, cerebro, hígado, riñón, páncreas, bazo, timo, testículo, ovario, útero, etc., de tumores primarios; o líneas celulares tumorales, y de muestras combinadas de donantes sanos. Si la fuente de ARN es un tumor, el ARN puede extraerse, por ejemplo, de muestras de tejido congelado o incorporado en parafina archivada y fijado (por ejemplo, fijado con formalina).

La primera etapa en el perfilado de expresión génica por RT-PCR es la transcripción inversa del templado de ARN en cADN, seguido por su amplificación exponencial en una reacción de PCR. Las dos transcriptasas inversas usadas de forma más común son la transcriptasa inversa del virus de mieloblastosis aviar (AMV-RT) y la transcriptasa inversa del virus de leucemia murina de Moloney (MMLV-RT). La etapa de transcripción inversa se ceba típicamente usando cebadores específicos, hexámeros aleatorios, o cebadores de oligo-dT, dependiendo de las circunstancias y el objetivo del perfilado de expresión. Por ejemplo, el ARN extraído puede transcribirse de forma inversa usando un equipo PCR de ARN GeneAmp (Perkin Elmer, CA, USA), siguiendo las instrucciones del fabricante. El cADN derivado puede usarse entonces como un templado en la posterior reacción de PCR.

Aunque la etapa de PCR puede usar una variedad de ADN polimerasas dependientes de ADN termoestable, emplea típicamente la Taq ADN polimerasa, que tiene una actividad de 5'-3' nucleasa pero carece de una actividad endonucleasa correctora de pruebas 3'-5'. Así, TaqMan (q) PCR típicamente utiliza la actividad 5' nucleasa de Taq o Tth polimerasa para hidrolizar una sonda de hibridación unida a su amplicón diana, aunque cualquier enzima con actividad 5' nucleasa equivalente puede usarse.

Dos cebadores de oligonucleótido se usan para generar un amplicón típico de una reacción de PCR. Un tercer oligonucleótido, o sonda, se diseña para detectar la secuencia de nucleótidos situada entre los dos cebadores de PCR. La sonda no es extensible por la enzima Taq ADN polimerasa, y se marca con un tinte fluorescente indicador y un tinte fluorescente de apagado. Cualquier emisión inducida por láser desde el tinte indicador se apaga por el tinte de apagado cuando los dos tintes se sitúan bastante juntos como están en la sonda. Durante la reacción de amplificación, la enzima Taq ADN polimerasa escinde la sonda en una manera dependiente del templado. Los fragmentos de sonda resultantes disocian en disolución, y la señal desde el tinte indicador liberado está libre del efecto de apagado del segundo fluoróforo. Una molécula de tinte indicador se libera para cada nueva molécula sintetizada, y la detección del tinte indicador no apagado proporciona la base de la interpretación cuantitativa de los datos.

TaqMan RT-PCR puede realizarse usando equipo disponible comercialmente, tal como, por ejemplo, Sistema de Detección de Secuencia ABI PRISM 7700 (Perkin-Elmer-Applied Biosystems, Foster City, CA, USA), o Ciclador de luz (Roche Molecular Biochemicals, Mannheim, Alemania). En una realización preferida, el procedimiento de 5' nucleasa se hacer marchar en un dispositivo PCR cuantitativo a tiempo real tal como el Sistema de Detección de Secuencia ABI PRISM 7700tam. El sistema consiste en un termociclador, láser, dispositivo acoplado por carga (CCD), cámara y ordenador. El sistema amplifica muestras en un formato de 96 pocillos en un termociclador. Durante la amplificación, la señal fluorescente inducida por láser se recoge en tiempo real a través de cables de fibra óptica por todos los 96 pocillos y se detecta en el CCD. El sistema incluye software para hacer funcionar el instrumento y para analizar los datos.

Los datos del ensayo de 5' nucleasa se expresan inicialmente como Ct, o el ciclo umbral. Como se trata anteriormente, los valores de fluorescencia se graban durante todo el ciclo y representan la cantidad de producto amplificado a ese punto en la reacción de amplificación. El punto cuando la señal fluorescente se graba primero como estadísticamente significativa es el ciclo umbral.

Para minimizar errores y el efecto de la variación muestra a muestra, el RT-PCR se realiza normalmente usando un patrón interno. El patrón interno ideal se expresa a un nivel constante entre diferentes tejidos, y no está afectado por el tratamiento experimental. Los ARNs usados más frecuentemente para normalizar modelos de expresión génica son mARNs para genes de mantenimiento gliceraldehido-3-fosfato-deshidrogenasa (GAPDH) y actina.

PCR cuantitativo a tiempo real (qPCR)

32 5

Una variación más reciente de la técnica RT-PCR es el PCR cuantitativo a tiempo real, que mide la acumulación de producto de PCR a través de una sonda fluorigénica con marcaje dual (es decir, sonda TaqMan). El PCR a tiempo real es compatible con PCR competitivo cuantitativo y con PCR comparativo cuantitativo. El primero usa un competidor interno para cada secuencia diana para la normalización, mientras que el último usa un gen de normalización contenido en la muestra, o un gen de mantenimiento para RT-PCR. Se proporcionan detalles adicionales, por ejemplo, por Held et al., Genome Research 6: 986-994 (1996).

Los niveles de expresión pueden determinarse usando tejidos incorporados en parafina, fijados, como la fuente de ARN. Según un aspecto de la presente invención, los cebadores y sondas de PCR se diseñan en base a secuencias intrón presentes en el gen a amplificar. En esta realización, la primera etapa en el diseño del cebador/sonda es la delineación de secuencias de intrón en los genes. Esto puede hacerse mediante software disponible públicamente, tal como el software DNA BLAT desarrollado por Kent, W. J., Genome Res. 12 (4): 656-64 (2002), o por el software BLAST que incluye sus variaciones. Las etapas posteriores siguen métodos bien establecidos de diseño de cebador y sonda de PCR.

Para evitar señales no específicas, es útil enmascarar secuencias repetitivas en los intrones cuando se diseñan los cebadores y sondas. Esto puede conseguirse fácilmente usando el programa Repeat Masker disponible en línea a través del Colegio Baylor de Medicina, que enmascara las secuencias de ADN contra una biblioteca de elementos repetitivos y devuelve una secuencia de consulta en que los elementos repetitivos están enmascarados. Las secuencias enmascaradas pueden usarse entonces para diseñar las secuencias de cebador y sonda usando cualquier paquete de diseño de cebador/sonda disponible comercialmente o públicamente de otra forma, tal como Primer Express (Applied Biosystems); ensayo de diseño MGB (Applied Biosystems); Primer3 (Steve Rozen y Helen

J. Skaletsky (2000) Primer3 en la WWW para usuarios generales y para programadores biológicos en: Krawetz S, Misener S (eds) Bioinformatics Methods and Protocols: Methods in Molecular Biology. Humana Press, Totowa, NJ, págs. 365-386).

Los factores más importantes considerados en el diseño de cebador de PCR incluyen la longitud del cebador, la temperatura de fusión (Tm), y el contenido G/C, especificidad, secuencias de cebador complementarias y secuencia final 3'. En general, los cebadores de PCR óptimos tienen generalmente 17-30 bases de longitud, y contienen aproximadamente 20-80%, tal como por ejemplo, 50-60% de bases G+C. Las temperaturas de fusión entre 50 y 80°C, por ejemplo, aproximadamente 50 a 70°C, se prefieren típicamente. Para directrices adicionales para el diseño de cebador y sonda de PCR véase, por ejemplo, Dieffenbach, C. W. et al., General Concepts for PCR Primer Design en: PCR Primer, A Laboratory Manual, Cold Spring Harbor Laboratory Press, Nueva York, 1995, págs. 133-155; Innis y Gelfand, Optimization of PCRs en: PCR Protocols, A Guide to Methods and Applications, CCR Press, Londres, 1994, págs. 5-11; y Plasterer, T. N. Primerselect: Primer and probe design. Methods Mol. Biol. 70: 520-527 (1997).

Análisis de micromatriz

También puede identificarse la expresión diferencial, o confirmarse usando la técnica de micromatriz. Así, el perfil de expresión de CCPMs puede medirse en tejido tumoral tanto fresco como incorporado en parafina, usando tecnología de micromatriz. En este método, las secuencias de polinucleótidos de interés (que incluyen cADNs y oligonucleótidos) se ponen en platos, o se hacen matrices, en sustrato de microcircuitos. Las secuencias puestas en matrices (es decir, sondas de captura) se hibridan entonces con polinucleótidos específicos de células o tejidos de interés (es decir, dianas). Como en el método RT-PCR, la fuente de ARN es típicamente ARN total aislado de tumores humanos o líneas celulares tumorales, y tejidos o líneas celulares normales correspondientes. Así el ARN puede aislarse de una variedad de tumores o líneas celulares tumorales primarios. Si la fuente de ARN es un tumor primario, el ARN puede extraerse, por ejemplo, de muestras de tejido incorporadas en parafina fijas en formalina (FFPE) archivadas o congeladas y muestras de tejido fijado (por ejemplo, fijado en formalina), que se preparan de forma rutinaria y se conservan en la práctica clínica diaria.

En una realización específica de la técnica de micromatriz, se aplican inserciones amplificadas por PCR de clones de cADN a un sustrato. El sustrato puede incluir secuencias de hasta 1, 2, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50 o 75 nucleótidos. En otros aspectos, el sustrato puede incluir secuencias de al menos 10.000 nucleótidos. Las secuencias en forma de micromatrices, inmovilizadas en el microcircuito, son adecuadas para la hibridación en condiciones rigurosas. Como otras realizaciones, las dianas para las micromatrices pueden tener al menos 50, 100, 200, 400, 500, 1000 o 2000 bases de longitud; o 50-100, 100-200, 100-500, 100-1000, 100-2000 o 500-5000 bases de longitud. Como realizaciones adicionales, las sondas de captura para las micromatrices pueden tener al menos 10, 15, 20, 25, 50, 75, 80 o 100 bases de longitud; o 10-15, 10-20, 10-25, 10-50, 10-75, 10-80 o 20-80 bases de longitud.

Las sondas de cADN marcadas de forma fluorescente pueden generarse mediante la incorporación de nucleótidos fluorescentes por transcripción inversa de ARN extraído de tejidos de interés. Las sondas de cADN marcadas aplicadas al circuito hibridan con especificidad a cada mancha de ADN en la matriz. Después del lavado riguroso para eliminar las sondas unidas de forma no específica, el circuito se barre por microcopia de láser confocal o por otro método de detección, tal como una cámara CCD. La cuantificación de hibridación de cada elemento en forma de matriz permite la evaluación de la abundancia de mARN correspondiente. Con fluorescencia de color dual, las

33 5

sondas de cADN marcadas de forma separada generadas a partir de dos fuentes de ARN se hibridan en pares a la matriz. La abundancia relativa de los transcritos de las dos fuentes que corresponden a cada gen especificado se determina así de forma simultánea. Un protocolo ejemplar para esto se describe en detalle en el Ejemplo 4.

La escala miniaturizada de la hibridación permite una evaluación conveniente y rápida del diseño de expresión para grandes números de genes. Dichos métodos se han mostrado que tienen la sensibilidad necesaria para detectar transcritos raros, que se expresan a una pocas copias por célula, y para detectar de forma reproducible al menos diferencias de aproximadamente dos iteraciones en los niveles de expresión (Schena et al., Proc. Natl. Acad. Sci. USA 93 (2): 106-149 (1996)). El análisis de micromatriz puede realizarse mediante equipo disponible comercialmente, siguiendo los protocolos del fabricante, tal como usando la tecnología GenChip Affymetrix, tecnología de micromatriz Illumina o tecnología de micromatriz de Incyte. El desarrollo de métodos de micromatriz para análisis a gran escala de expresión génica hace posible buscar sistemáticamente marcadores moleculares de clasificación de cáncer y predicción de resultados en una variedad de tipos de tumor.

Aislamiento, purificación y amplificación de ARN

Los métodos generales para la extracción de mARN se conocen bien en la técnica y se describen en libros de texto estándar de biología molecular, que incluyen Ausubel et al., Current Protocols of Molecular Biology, John Wiley and Sons (1997). Los métodos para la extracción de ARN de tejidos incorporados en parafina se describen, por ejemplo, en Rupp y Locker, Lab Invest. 56: A67 (1987), y De Sandres et al., BioTechniques 18: 42044 (1995). En particular, el aislamiento de ARN puede realizarse usando un equipo de purificación, conjunto de tampón, y proteasa de fabricantes comerciales, tales como Qiagen, según las instrucciones del fabricante. Por ejemplo, el ARN total de células en cultivo puede aislarse usando mini-columnas Qiagen RNeasy. Otros equipos de aislamiento de ARN disponibles comercialmente incluyen Equipo de Purificación Completa de ADN y ARN MasterPure (EPICENTRE (D, Madison, WI), y Equipo de Aislamiento de ARN en Bloque de Parafina (Ambion, Inc.). El ARN total de muestras de tejido puede aislarse usando ARN Stat-60 (Tel-Test). El ARN preparado a partir de tumor puede aislarse, por ejemplo, por centrifugado por gradiente de densidad en cloruro de cesio.

Las etapas de un protocolo representativo para perfilar la expresión génica usando tejidos incorporados en parafina, fijados, como la fuente de ARN, que incluyen aislamiento de mARN, purificación, extensión del cebador y amplificación se dan en varios artículos periódicos publicados (por ejemplo: T. E. Godfrey et al. J. Molec. Diagnostics

2: 84-91 (2000); K. Specht et al., Am. J. Pathol. 158: 419-29 (2001)). Brevemente, un procedimiento representativo comienza con el corte de secciones de aproximadamente 10 μm de espesor de muestras de tejido tumoral incorporado en parafina. El ARN se extrae entonces, y la proteína y el ADN se eliminan. Después del análisis de la concentración de ARN, pueden incluirse las etapas de reparación de ARN y/o amplificación, si fuera necesario, y el ARN se transcribe de forma inversa usando promotores específicos de gen seguido de RT-PCR. Finalmente, los datos se analizan para identificar la(s) mejor(es) opción(ones) de tratamiento disponibles para el paciente en base del diseño de expresión génica característico identificado en la muestra tumoral examinada.

Inmunohistoquímica y proteómicas

Los métodos de inmunohistoquímica son también adecuados para detectar los niveles de expresión de los marcadores de proliferación descritos en esta memoria. Así, anticuerpos o antisueros, preferiblemente antisueros policlonales y lo más preferiblemente anticuerpos monoclonales específicos para cada marcador, se describen en esta memoria para usar para detectar la expresión. Los anticuerpos pueden detectarse marcando de forma directa los anticuerpos en sí mismos, por ejemplo, con etiquetas radioactivas, etiquetas fluorescentes, etiquetas de hapteno tales como, biotina, o una enzima tal como peroxidasa de rábano picante o fosfatasa alcalina. De forma alternativa, se usa anticuerpo primario no marcado en conjunto con un anticuerpo secundario marcado, que comprende antisueros, antisueros policlonales o un anticuerpo monoclonal específico para el anticuerpo primario. Los protocolos y equipos de inmunohistoquímica se conocen bien en la técnica y están disponibles comercialmente.

Los proteómicos pueden usarse para analizar los polipéptidos presente en una muestra (por ejemplo, tejido, organismo o cultivo celular) a un cierto punto temporal. En particular, las técnicas proteómicas pueden usarse para evaluar los cambios globales de expresión de polipéptido en una muestra (también denominada como proteómicos de expresión). El análisis proteómico incluye típicamente: (1) separación de polipéptidos individuales en una muestra por electroforesis en gel 2-D (2-D PAGE); (2) identificación de los polipéptidos individuales recuperados del gel, por ejemplo, por espectrometría de masas o secuenciación N-terminal, y (3) análisis de los datos usando bioinformática. Los métodos proteómicos son suplementos valiosos para otros métodos de perfilado de expresión génica, y pueden usarse, solos o en combinación con otros métodos, para detectar los productos de los marcadores de proliferación de la presente invención.

Una vez que el nivel de expresión de uno o más marcadores de pronóstico en una muestra tumoral se ha evaluado, puede entonces determinarse la probabilidad de la recurrencia del cáncer. Se ha identificado un número de marcadores que se expresan de forma diferencial en cánceres colorrectales no recurrentes en comparación con cánceres colorrectales recurrentes en conjuntos de datos de paciente. Los marcadores se muestran en las Tablas 1, 2 y 9, en los ejemplos posteriores.

34 5

Selección de Genes expresados de forma diferencial.

Una aproximación temprana a la selección de genes estimados significativos implicó mirar sencillamente el "cambio de iteración" de un gen dado entre los dos grupos de interés. Mientras esta aproximación se afila en genes que parecen cambiar de la forma más espectacular, la consideración de estadística básica lleva a darse cuenta que si la varianza (o nivel de ruido) es bastante alto (como se ve a menudo en experimentos de micromatriz), entonces un cambio de iteración que parece grande puede darse de forma frecuente solo por casualidad.

Los experimentos de micromatriz, tal como los descritos en esta memoria, implican típicamente la medida simultánea de miles de genes. Si se comparan los niveles de expresión para un gen particular entre dos grupos (por ejemplo, tumores recurrentes y no recurrentes), los pruebas típicos para la significancia (tal como el prueba t) no son adecuados. Esto es porque, en un conjunto de miles de experimentos (en este contexto cada gen constituye un "experimento"), la probabilidad de que al menos un experimento pase los criterios normales para la significancia solo por casualidad es esencialmente la unidad. En un ensayo para la significancia, se calcula típicamente la probabilidad de que la "hipótesis nula" sea correcta. En el caso de comparación de dos grupos, la hipótesis nula es que no hay diferencia entre los dos grupos. Si un ensayo estadístico produce una probabilidad para la hipótesis nula por debajo de algún umbral (normalmente 0,05 o 0,01), se afirma que se puede desechar la hipótesis nula, y aceptar la hipótesis de que los dos grupos son significativamente diferentes. Claramente, en dicho ensayo, un rechazo de la hipótesis nula solo por casualidad podría esperarse 1 de 20 veces (o 1 de 100). El uso de pruebas t, u otros ensayos estadísticos similares para la significancia, fallan en el contexto de micromatrices, produciendo demasiados falsos positivos (o errores tipo I).

En este tipo de situación, donde se ensayan múltiples hipótesis al mismo tiempo, se aplica procedimientos de comparación múltiple típicos, tal como el Método Bonferroni (43). Sin embargo, dichos ensayos son demasiado conservadores para la mayoría de los experimentos de micromatriz, dando por resultado demasiados errores de falso negativo (tipo II).

Una aproximación más reciente es eliminar el intento de aplicar una probabilidad para un ensayo dado que es significativo, y establecer un medio para seleccionar un subconjunto de experimentos, de manera que la proporción esperada de errores tipo I (o tasa de descubrimiento falso; 47) se controle. Es esta aproximación la que se ha usado en esta investigación, a través de varias implementaciones, particularmente los métodos proporcionados con Herramientas de Matriz BRB (48), y el paquete limma (11,42) de Bioconductor (que usa el medio estadístico R; 10,39).

Metodología general para extracción de datos: Generación de firmas de pronóstico

Extracción de datos es el término usado para describir la extracción de "conocimiento", en otras palabras el "saber hacer", o capacidad predictiva de (normalmente) grandes volúmenes de datos (el conjunto de datos). Esta es la aproximación usada en este estudio para generar firmas de pronóstico. En el caso de este estudio el "saber hacer" es la capacidad de predecir con exactitud el pronóstico a partir de un conjunto dado de medidas de expresión génica, o "firma" (como se describe generalmente en esta sección y en más detalle en la sección de ejemplos).

Los detalles específicos usados para los métodos en este estudio se describen en los Ejemplos 17-20. Sin embargo, la aplicación de cualquiera de los métodos de extracción de datos (tanto los descritos en los Ejemplos, como los descritos aquí) pueden seguir este protocolo general.

La extracción de datos (49), y el aprendizaje automático de tema relacionado (40) es una tarea matemática repetitiva, compleja, que implica el uso de uno o más paquetes de software informático apropiado (véase posteriormente). El uso de software es ventajoso por un lado, no se necesita estar completamente familiarizado con las complejidades de la teoría detrás de cada técnica para usar de forma exitosa técnicas de extracción de datos, con tal que se adhiera a la metodología correcta. La desventaja es que la aplicación de extracción de datos puede verse a menudo como una "caja negra": se inserta el dato y se recibe la respuesta. Como esto se consigue está enmascarado a menudo desde el usuario final (este es el caso para muchas de las técnicas descritas, y puede influir a menudo el método estadístico elegido para extracción de datos. Por ejemplo, las redes neurales y las máquinas del vector de soporte tienen una implementación particularmente compleja que hace muy difícil para el usuario final extraer las "reglas" usadas para producir la decisión. Por otro lado, los vecinos más próximos k y el análisis discriminante lineal tienen un procedimiento muy transparente para la decisión que hace que no esté escondido del usuario.

Hay dos tipos de aproximación usadas en extracción de datos: aproximaciones supervisadas y no supervisadas. En la aproximación supervisada, la información que se va a unir a los datos se conoce, tal como datos categóricos (por ejemplo tumores recurrentes frente a no recurrentes). Lo que se necesita es la capacidad de unir la respuesta observada (por ejemplo, recurrencia frente a no recurrencia) a las variables de entrada. En la aproximación no supervisada, las clases en el conjunto de datos no se conocen con antelación, y la metodología de extracción de datos se emplea para intentar encontrar las clases o estructura en el conjunto de datos.

35 5

En el presente ejemplo la aproximación supervisada se usó y se trata en detalle aquí, aunque se apreciará que cualquiera de las demás técnicas podría usarse.

El protocolo total implica las siguientes etapas:

 Representación de datos. Esto implica la transformación de los datos en una forma que es la más probable que funcione con éxito con la técnica de extracción de datos elegida. En donde el dato es numérico, tal como en este estudio donde el dato que se investiga representa niveles relativos de expresión génica, esto es bastante simple. Si el dato cubre un intervalo dinámico grande (es decir, muchos órdenes de magnitud) a menudo se toma el logaritmo del dato. Si el dato cubre muchas medidas de muestras separadas en días separados por investigadores separados, tienen que tenerse cuidado particular para asegurar que se minimiza el error sistemático. La minimización de error sistemático (es decir, los errores resultantes de diferencias de protocolo, diferencias de máquina, diferencias de operador y otros factores cuantificables) es el procedimiento denominado en esta memoria como "normalización".

 Selección de características. Típicamente el conjunto de datos contiene muchos más elementos de datos que sería práctico medir en una base diaria, y adicionalmente muchos elementos que no proporcionan la información necesaria para producir un modelo de predicción. La capacidad real de un modelo de predicción para describir un conjunto de datos se deriva de algún subconjunto de la dimensionalidad total del conjunto de datos. Estas dimensiones son los componentes (o características) más importantes del conjunto de datos. Nótese en el contexto de los datos de micromatriz, que las dimensiones del conjunto de datos son los genes individuales. La selección de características, en el contexto descrito en esta memoria, implica encontrar los genes que son los "expresados de forma más diferencial". En un sentido más general, implica a esos grupos que pasan algún ensayo estadístico para significancia, es decir, es el nivel de una variable particular consistentemente mayor o menor en uno u otro de los grupos que se investigan. A veces las características son las variables (o dimensiones) que muestran la mayor varianza. La aplicación de selección de características es completamente independiente del método usado para crear un modelo de predicción, e implica una mayor experimentación para alcanzar los resultados deseados. En esta invención, la selección de genes significativos, y los que correlacionan con el modelo de éxito temprano (el clasificador de NZ), conllevó la selección de características. Además, los métodos de reducción de datos (tal como análisis de componente principal) pueden aplicarse al conjunto de datos.

 Preparación. Una vez que las clases (por ejemplo, recurrencia/no recurrencia) y las características del conjunto de datos se han establecido, y el dato se representa en una forma que es aceptable como entrada para extracción de datos, el conjunto de datos reducido (como se describe por las características) se aplica al modelo de predicción de elección. La entrada para este modelo está normalmente en forma de una entrada numérica multidimensional, (conocida como un vector), con información de salida asociada (una etiqueta de clase o una respuesta). En el procedimiento de preparación, el dato seleccionado se introduce en el modelo de predicción, o bien secuencialmente (en técnicas tales como redes neurales) o como un todo (en técnicas que aplican alguna forma de regresión, tal como modelos lineales, análisis discriminante lineal, máquinas de vector de soporte). En algunos ejemplos (por ejemplo, k vecinos más próximos) el conjunto de datos (o subconjunto del conjunto de datos obtenido después de la selección de características) es en sí mismo el modelo. Como se trata, los modelos efectivos pueden establecerse con la mínimo comprensión de las matemáticas detalladas, a través del uso de varios paquetes de software donde los parámetros del modelo se han pre-determinado por analistas expertos como los más probables para llevar a un resultado con éxito.

 Validación. Esto es un componente clave del protocolo de extracción de datos, y la aplicación incorrecta de esto lleva frecuentemente a errores. Partes del conjunto de datos se van a separar, aparte de la selección de características y la preparación, para ensayar el éxito del modelo de predicción. Además, si los resultados de validación se usan para efectuar la selección de características y la preparación del modelo, entonces se obtiene una validación adicional puesta para ensayar el modelo antes de aplicarse a situaciones de vida real. Si este procedimiento no se adhiere estrictamente al modelo es probable fallar en situaciones del mundo real. Los métodos de validación se describen en más detalle posteriormente.

 Aplicación. Una vez que el modelo se ha construido y validado, debe empaquetarse de alguna forma que sea accesible a los usuarios finales. Esto a menudo implica la implementación de alguna forma de aplicación de hoja de cálculo, en la que se ha incorporado el modelo, la escritura de un paquete de software estadístico, o la refactorización del modelo en una aplicación codificada por el personal de tecnología de la información.

Ejemplos de paquetes de software que se usan frecuentemente son:

-

Complementos de hoja de cálculo, obtenidos de múltiples proveedores.

-

El medio estadístico R.

-

Los paquetes comerciales MatLab, S-plus, SAS, SPSS, STATA.

36 5

-

Software de fuente abierta gratuito tal como Octave (un clon de MatLab)

-

muchas y variadas bibliotecas de C++, que pueden usarse para implementar modelos de predicción en una configuración de fuente cerrada, comercial.

Ejemplos de métodos de extracción de datos.

Los métodos pueden ejecutarse primero mediante la etapa de procedimiento de extracción de datos (anterior), y después aplicando los paquetes de software conocidos apropiados. Una descripción adicional del procedimiento de extracción de datos se describe en detalle en muchos textos extremadamente bien escritos. (49)

 Modelos lineales (49, 50): El dato se trata como la entrada de un modelo de regresión lineal, del que las etiquetas de clase o variables de respuestas son la salida. Las etiquetas de clase, u otros datos categóricos, deben transformarse en valores numéricos (normalmente números enteros). En modelos lineales generalizados, las etiquetas de clase o variables de respuesta no están en sí mismas relacionadas de forma lineal a los datos de entrada, aunque se transforman a través del uso de una "función de unión". La regresión logística es la forma más común de modelo lineal generalizado.

 Análisis discriminante lineal (49, 51, 52). Con tal que el dato sea separable linealmente (es decir, los grupos

o clases de datos pueden separarse mediante un hiperplano, que es una extensión n-dimensional de un umbral), esta técnica puede aplicarse. Una combinación de variables se usa para separar las clases, de manera que se maximiza la varianza entre grupos, y se minimiza la varianza en el grupo. El subproducto de esto es la formación de una regla de clasificación. La aplicación de esta regla a muestras de clase desconocida permite que las predicciones

o clasificación de pertenencia de clase se hagan para esa muestra. Hay variaciones de análisis discriminante lineal tal como centroides reducidos más cercanos que se usan normalmente para análisis de micromatriz.

 Máquinas de vector de soporte (53): Una colección de variables se usa en conjunto con una colección de pesos para determinar un modelo que maximiza la separación entre clases en términos de esas variables pesadas. La aplicación de este modelo a una muestra produce entonces una clasificación o predicción de pertenencia de clase para esa muestra.

 Redes neurales (52): El dato se trata como entrada en una red de nodos, que semeja superficialmente neuronas biológicas, que aplican la entrada de todos los nodos a los que están conectados, y transforman la entrada en una salida. Normalmente, las redes neurales usan el algoritmo de "multiplicación y suma", para transformar las entradas de múltiples nodos de entrada conectados en una única salida. Un nodo puede no necesariamente producir una salida a menos que las entradas a ese nodo excedan un cierto umbral. Cada nodo tiene como su entrada la salida de varios nodos distintos, con el nodo final de salida uniéndose normalmente a una variable categórica. El número de nodos, y la topología de los nodos puede variarse de formas casi infinitas, proporcionado por la capacidad de clasificar datos extremadamente ruidosos que pueden no ser posible categorizar de otras formas. La implementación más común de redes neurales es el perceptrón multi-capa.

 Árboles de clasificación y regresión (54): En estos, las variables se usan para definir una jerarquía de reglas que pueden seguirse en una manera por pasos para determinar la clase de una muestra. El procedimiento típico crea un conjunto de reglas que lleva a una salida de clase específica, o una declaración específica de la incapacidad para discriminar. Un ejemplo de árbol de clasificación es una implementación de un algoritmo tal como:

si el gen A > x y el gen Y > x y el gen Z = z entonces

clase A

si no si el gen A = q

entonces

clase B

 Métodos de vecino más próximo (51, 52). Las predicciones o clasificaciones se hacen comparando una muestra (de clase desconocida) a las de alrededor (o clase conocida), con cercanía definida por una función de distancia. Es posible definir muchas funciones de distancia diferente. Las funciones de distancia usadas normalmente son la distancia euclidea (una extensión de la distancia pitagórica, como en triangulación, a ndimensiones), varias formas de correlación (que incluyen el coeficiente de correlación de Pearson). También hay funciones de transformación que convierten los puntos de datos que no estarían interconectados normalmente por una distancia métrica significativa en el espacio euclideo, de manera que la distancia euclidea puede aplicarse entonces (por ejemplo, distancia de Mahalanobis). Aunque la distancia métrica puede ser bastante compleja, la premisa básica de k vecinos más próximos es bastante simple, siendo esencialmente una reafirmación de "encontrar

37 5

los k vectores de datos que son los más similares a la entrada desconocida, averiguar a que clase corresponden, y votar con respecto a que clase es la entrada desconocida".

 Otros métodos:

-

Redes Bayesianas. Un gráfico acíclico dirigido se usa para representar una colección de variables en conjunto con su distribución de probabilidad combinada, que se usa entonces para determinar la probabilidad de pertenencia a la clase para una muestra.

-

Análisis de componentes independientes, en que señales independientes (por ejemplo, pertenencia a la clase) se aíslan de nuevo (en componentes) desde una colección de variables. Estos componentes pueden usarse entonces para producir una clasificación o predicción de pertenencia a la clase para una muestra.

Métodos de preparación de conjunto en que una colección de métodos de predicción se combina para producir una clasificación o predicción combinada de pertenencia a la clase para una muestra.

Hay muchas variaciones de estas metodologías que pueden explorarse (49), y muchas nuevas metodologías se están definiendo y desarrollándose constantemente. Se apreciará que cualquiera de estas metodologías puede aplicarse para obtener un resultado aceptable. Debe tenerse cuidado particular para evitar el subreajuste, asegurando que todos los resultados se ensayan por medio de un esquema de validación comprensivo.

Validación

La aplicación de cualquiera de los métodos de predicción descritos implica tanto preparación como validación cruzada (43, 55) antes de que el método pueda aplicarse a nuevos conjuntos de datos (tal como datos de un ensayo clínico). La preparación implica tomar un subconjunto del conjunto de datos de interés (en este caso medidas de expresión génica para tumores colorrectales), de manera que se estratifica a través de las clases que se están ensayando (en este caso tumores recurrentes y no recurrentes). Este conjunto de preparación se usa para generar un modelo de predicción (definido anteriormente), que se ensaya en el resto de los datos (el conjunto de ensayo).

Es posible alterar los parámetros del modelo de predicción de manera que se obtenga mejor rendimiento en el conjunto de ensayo, sin embargo, esto puede llevar a la situación conocida como sobreajuste, donde el modelo de predicción trabaja en el conjunto de datos de preparación pero no en cualquier conjunto de datos externo. Para obviar esto, se sigue el procedimiento de validación. Hay dos tipos principales de validación aplicados típicamente, el primero (validación excluida) implica repartir el conjunto de datos en tres grupos: ensayo, preparación y validación. El conjunto de validación no tiene entrada en el procedimiento de preparación en absoluto, de manera que cualquier ajuste de parámetros u otras mejoras deben tener lugar durante la aplicación al conjunto de ensayo (aunque no al conjunto de validación). El segundo tipo principal es la validación cruzada, que puede aplicarse de varias formas diferentes, descritas posteriormente.

Hay dos sub-tipos principales de validación cruzada: validación cruzada de K iteraciones y validación cruzada dejando uno fuera.

Validación cruzada de K iteraciones: El conjunto de datos se divide en K submuestras, cada submuestra conteniendo aproximadamente las mismas proporciones de los grupos de clase que el original.

En cada vuelta de validación, una de las submuestras K se deja a un lado, y se realiza la preparación usando el resto del conjunto de datos. La efectividad de la preparación para esa vuelta se estima mediante como de correctamente es la clasificación del grupo dejado fuera. Este procedimiento se repite K veces, y la efectividad total determinada por comparación de la clase predicha con la clase conocida.

Validación cruzada dejando uno fuera: Una variación usada normalmente de validación cruzada de K iteraciones, en que K=n, donde n es el número de muestras.

Combinaciones de CCPMS, tales como las descritas anteriormente en las Tablas 1 y 2, pueden usarse para construir modelos predictivos para el pronóstico.

Firmas de pronóstico

Firmas de pronóstico, que comprenden uno o más de estos marcadores, pueden usarse para determinar el resultado de un paciente, a través de la aplicación de uno o más modelos predictivos derivados de la firma. En particular, un médico o investigador puede determinar la expresión diferencial (por ejemplo, expresión aumentada o disminuida) del uno o más marcadores en el firma, aplicar un modelo predictivo y predecir así el pronóstico negativo, por ejemplo, probabilidad de recaída de la enfermedad, de un paciente, o alternativamente la probabilidad de un pronóstico positivo (remisión continuada).

Un conjunto de firmas de pronóstico se han desarrollado. En el primer ejemplo, hay dos firmas desarrolladas por comparación cruzada de capacidad predictiva entre dos conjuntos de datos: el conjunto de experimentos de micromatriz que abarcan las muestras de cáncer colorrectal alemanas, y el conjunto de experimentos de micromatriz que abarcan las muestras de Nueva Zelanda (tratadas en el ejemplo 6). En el segundo ejemplo ha habido una

5 exhaustiva búsqueda estadística para las firmas efectivas en base únicamente al conjunto de datos alemanes (tratado en el ejemplo 17).

Como se describe en el Ejemplo 6 posterior, una firma de pronóstico que comprende 19 genes se ha establecido a partir de un conjunto de muestras colorrectales de Alemania (Tabla 4). Otra firma de pronóstico, de 22 genes, se ha establecido también a partir de muestras de tumores colorrectales de pacientes en Nueva Zelanda (Tabla 3).

10 Obteniendo una muestra de paciente (por ejemplo, una muestra tumoral), y combinando los niveles de expresión de uno o más marcadores en la muestra al perfil de expresión diferencial, puede determinarse la probabilidad de recurrencia de cáncer.

Tabla 3: Firma de pronóstico de Nueva Zelanda

WDR44

dominio 44 de repetición WD 0,81 Hs.98510 NM_01904 5

RBMS1

motivo de unión de arn, proteína 1 que interactúa en hebra sencilla, isoforma d 1,27 Hs.470412 NM_01683 6

SACM1L

proteína 2 de unión al dominio SH3 de proteína que activa la Ras-GTPasa 0,84 Hs.156509 NM_01401 6

SOAT1

esterol o-aciltransferasa acil-coenzima a: colesterol aciltransferasa 1 1,21 Hs.496383 NM_00310 1

PBK

quinasa de unión a pdz 0,76 Hs.104741 NM_01849 2

G3BP2

proteína 2 de unión al dominio sh3 de proteína que activa la ras-gtpasa 0,86 Hs.303676 NM_01229 7

ZBTB20

20 que contiene dedo de zinc y dominio BTB 1,2 Hs.477166 NM_01564 2

ZNF410

proteína 410 de dedo de zinc 0,84 Hs.270869 NM_02118 8

COMMD2

2 que contiene dominio COMM 1,09 Hs.591315 NM_01609 4

PSMC1

subunidad 26s de proteasoma (prosoma, macrodolor), atpasa, 1 0,79 Hs.356654 NM_00280 2

COX10

homólogo de COX10, proteína de montaje de citocromo c oxidasa, hemoglobina A: farnesiltransferasa (levadura) 0,9 Hs.462278 NM_00130 3

GTF3C5

factor de transcripción general iiic, polipéptido 5 (63 kd) 0,84 Hs.495417 NM_01208 7

HMMR

receptor de motilidad mediado por hialuronano (rhamm) 0,78 Hs.72550 NM_01248 5

UBE2L3

enzima e213 que conjuga con ubiquitina 0,83 Hs.108104 NM_00334 7

GNAS

locus complejo gnas 1,26 Hs.125898 NM_00051 6

PPP2R2A

proteína fosfatasa 2 (anteriormente 2a), subunidad reguladora b (pr 52), isoforma alfa 0,91 Hs.146339 NM_00271 7

RNASE2

ribonucleasa, familia rnasa a, 2 (hígado, neurotoxina derivada de eosinófilo) 0,83 Hs.728 NM_00293 4

SCOC

proteína de rollo enrollada corta 0,78 Hs.480815 NM_03254 7

PSMD9

subunidad 26s de proteasoma (prosoma, macrodolor), no atpasa, 9 0,89 Hs.131151 NM_00281 3

EIF3S7

factor 3 de iniciación de traducción eucariótica, subunidad 7 (zeta, 66/67kd) 0,85 Hs.55682 NM_00375 3

ATP2B4

ATPasa, transporte de Ca++, membrana plasmática 4 1,11 Hs.343522 NM_00100 1396 NM_00168 4

ABCC9

cassette de unión a atp, sub-familia c, miembro 9, isoforma sur2a-delta-14 0,9 Hs.446050 NM_02029 8

Tabla 4: firma de pronóstico alemana

Símbolo del gen

Descripción del gen Diferencia de iteraciones de expresión (recaída/ sin recaída) Grupo UniGene Núm. de Acceso GenBank

CXCL10

ligando 10 de quimioquina (motivo C-X-C) 0,87 Hs.413924 NM_001565

FAS

FAS (superfamilia de receptor de TNF, miembro 6) 0,9 Hs.244139 NM_000043 NM_152871 NM_152872 NM_152873 NM_152874 NM_152875 NM_152876 NM_152877

CXCL9

ligando 9 de quimioquina (motivo C-X-C) 0,87 Hs.77367 NM_002416

TLK1

quinasa 1 tipo tousled 0,91 Hs.470586 NM_012290

CXCL11

ligando 11 de quimioquina (motivo C-X-C) 0,75 Hs.518814 NM_005409

PBK

proteína quinasa originada por célula T-LAK 0,86 Hs.104741 NM_018492

PSAT1

fosfoserina aminotransferasa 1 0,91 Hs.494261 NM_021154

MAD2L1

captura mitótica MAD2 deficiente tipo 1(levadura) 0,89 Hs.533185 NM_002358

CA2

carbónico anhidrasa II 0,84 Hs.155097 NM_000067

GZMB

granzima B (granzima 2, serina esterasa 1 asociada con linfocito T citotóxico) 0,9 Hs.1051 NM_004131

SLC4A4

familia 4 de transporte de soluto, cotransporte de bicarbonato sódico, miembro 4 0,86 Hs.5462 NM_003759

DLG7

discos, homólogo 7 grande (Drosophila) 0,89 Hs.77695 NM_014750

TNFRSF11A

superfamilia de receptor de factor de necrosis tumoral, 0,9 Hs.204044 NM_003839

miembro 11a, activador de NFKB

KITLG

ligando KIT 0,91 Hs.1048 NM_000899

INDO

indolamina-pirrol 2,3 dioxigenasa 0,91 Hs.840 NM_002164

GBP1

proteína 1 de unión a guanilato, inducible por interferona, 67 kDa 0,9 Hs.62661 NM_002053

CXCL13

ligando 13 de quimioquina (motivo C-X-C) (quimioatrayente de célula B) 0,86 Hs.100431 NM_006419

CLCA4

canal cloruro, miembro 4 de familia, activado por calcio 0,84 Hs.546343 NM_012128

Tabla 5: Genes de respuesta inmune

Símbolo del gen

Descripción del gen Diferencia de iteración de expresión (recaída/ sin recaída) Grupo UniGene Núm. de Acceso Genba nk

CXCL9

ligando 9 de quimioquina (motivo C-X-C) 0,87 Hs.77367 NM_00 2416

CXCL10

ligando 10 de quimioquina (motivo C-X-C) 0,87 Hs.413924 NM_00 1565

CXCL11

ligando 11 de quimioquina (motivo C-X-C) 0,75 Hs.518814 AF030 514

CXCL13

ligando 13 de quimioquina (motivo C-X-C) (quimioatrayente de célula B) 0,86 Hs.100431 NM_00 6419

PBK

proteína quinasa originada en célula T-LAK 0,86 Hs.104741 NM_01 8492

INDO

indolamina-pirrol 2,3 dioxigenasa 0,91 Hs.840 M3445 5

GBP1

proteína 1 de unión a guanilato, inducible por interferona, 67 kDa 0,9 Hs.62661 NM_00 2053

GZMB

granzima B (granzima 2, serina esterasa 1 asociada con linfocito T citotóxico) 0,9 Hs.1051 J03189

KITLG

ligando KIT 0,91 Hs.1048 NM_00 0899

TNFRSF11A

superfamilia de receptor de factor de necrosis tumoral, miembro 11a, activador de NFKB 0,9 Hs.204044 NM_00 3839

FAS

FAS (superfamilia de receptor de TNF, miembro 6) 0,9 Hs.244139 Z7051 9

La presente descripción se refiere a métodos para determinar el pronóstico de un cáncer, que comprende: (a) 5 proporcionar una muestra del cáncer; (b) detectar el nivel de expresión de un miembro de la familia de CCPM en dicha muestra; y (c) determinar el pronóstico del cáncer. En un aspecto, el cáncer es cáncer colorrectal.

Los métodos descritos en esta memoria pueden incluir una etapa de detección del nivel de expresión un mARN de CCPM. Otros métodos descritos en esta memoria incluyen una etapa de detección del nivel de expresión de un polipéptido de CCPM. En aún un aspecto adicional descrito en esta memoria, los métodos incluyen una etapa de 10 detección del nivel de un péptido de CCPM. En aún otro aspecto, los métodos pueden detectar el nivel de expresión de más de un miembro de la familia de CCPM en dicha muestra. En un aspecto adicional descrito en esta memoria el CCPM es un gen asociado con una respuesta inmune. En un aspecto adicional descrito en esta memoria el CCPM se selecciona de los marcadores presentados en las Tablas 3, 4, 8A, 8B o 9. En aún un aspecto adicional descrito en esta memoria, el CCPM está incluido en una firma seleccionada de las firmas presentadas en las Tablas 3, 4, 8A,

15 8B o 9.

En un aspecto adicional los métodos descritos en esta memoria comprenden detectar el nivel de expresión de; WDR44, RBMS1, SACM1L, SOAT1, PBK, G3BP2, ZBTB20, ZNF410, COMMD2, PSMC1, COX10, GTF3C5, HMMR, UBE2L3, GNAS, PPP2R2A, RNASE2, SCOC PSMD9, EIF3S7, ATP2B4 y ABCC9. En un aspecto adicional los métodos descritos en esta memoria comprenden detectar el nivel de expresión de; CXCL10, FAS, CXCL0, TLK1,

20 CXCL11, PBK, PSAT1, MAD2L1, CA2, GZMB, SLC4A4, DLG7, TNFRSF11A, KITLG, INDO, GBP1, CXCL13, CLCA4 y PCP4.

En aún aspectos adicionales, se describe en esta memoria un método para determinar un régimen de tratamiento para un cáncer que comprende: (a) proporcionar una muestra del cáncer; (b) detectar el nivel de expresión de un miembro de la familia de CCPM en dicha muestra; (c) determinar el pronóstico del cáncer en base al nivel de

25 expresión de un miembro de la familia de CCPM; y (d) determinar el régimen de tratamiento según el pronóstico.

41 5

En aún aspectos adicionales, se describe en esta memoria un dispositivo para detectar un CCPM, que comprende: un sustrato que tiene un reactivo de captura de CCPM en él; y un detector asociado con dicho sustrato, dicho detector capaz de detectar un CCPM asociado con dicho reactivo de captura. Aspectos adicionales descritos en esta memoria incluyen equipos para detectar cáncer, que comprenden: un sustrato; un reactivo de captura de CCPM; e instrucciones para el uso. Aspectos aún adicionales de la presente descripción incluyen un método para detectar un CCPM usando qPCR, que comprende: un cebador directo específico para dicho CCPM; un cebador inverso específico para dicho CCPM; reactivos de PCR; un vial de reacción; e instrucciones para el uso.

Aspectos adicionales descritos en esta memoria comprenden un equipo para detectar la presencia de un polipéptido

o péptido de CCPM, que comprende: un sustrato que tiene un agente de captura para dicho polipéptido o péptido de CCPM; un anticuerpo específico para dicho polipéptido o péptido de CCPM; un reactivo capaz de unión por etiqueta el anticuerpo unido para dicho polipéptido o péptido de CCPM; e instrucciones para el uso.

En aspectos aún adicionales, se describe en esta memoria un método para determinar el pronóstico de cáncer colorrectal, que comprende las etapas de: proporcionar una muestra tumoral de un paciente que se sospecha que tiene cáncer colorrectal; medir la presencia de un polipéptido de CCPM usando un método de ELISA. En aspectos específicos descritos en esta memoria el CCPM de la invención se selecciona de los marcadores presentados en las Tablas 1, 2, 5 o 9. En aún aspectos adicionales, el CCPM está incluido en una firma de pronóstico seleccionada de las firmas presentadas en las Tablas 3, 4, 8A, 8B o 10.

Ejemplos

Los ejemplos descritos en esta memoria son con propósito de ilustrar realizaciones de la invención. Otras realizaciones, métodos y tipos de análisis están dentro del alcance de personas expertas en las técnicas de diagnóstico molecular y no necesitan describirse en detalle aquí.

Ejemplo 1: Pacientes y métodos

Dos cohortes de pacientes se incluyeron en este estudio, un conjunto de Nueva Zelanda (NZ) y el segundo de Alemania (DE). Los pacientes de NZ fueron parte de un estudio de cohorte prospectiva que incluyó todas las etapas de la enfermedad, mientras que las muestras de DE se seleccionaron de un banco de tumores. La información clínica se muestra en la Tabla 6, mientras la Figura 1 resume el diseño experimental.

Ejemplo 2: Muestras tumorales

Las muestras primarias de tumor colorrectal de 149 pacientes de NZ se obtuvieron de pacientes que se sometieron a cirugía en el Hospital de Dunedin y Hospital de Auckland entre 1995-2000. Las muestras tumorales se congelaron de forma repentina en nitrógeno líquido. Todos los especímenes quirúrgicos se revisaron por un único patólogo (H-S Y) y se estimó que contenían un promedio de 85% de células tumorales. Entre los 149 pacientes de CCR, 12 tenían enfermedad metastásica en la presentación, 35 desarrollaron enfermedad recurrente, y 102 estaban libres de enfermedad después de un mínimo de 5 años de seguimiento.

Las muestras primarias de tumor colorrectal de pacientes de DE se obtuvieron de pacientes que se sometieron a cirugía en el Departamento Quirúrgico de la Universidad Técnica de Munich entre 1995-2001. Un grupo de 55 muestras de carcinoma colorrectal se seleccionaron de tumores almacenados en el banco que se habían obtenido frescos a partir de cirugía, congelados de forma repentina en nitrógeno líquido. Las muestras se obtuvieron de 11 pacientes con cáncer en etapa I y 44 pacientes con cáncer en etapa II. Veintinueve pacientes estaban libres de recurrencia y 26 pacientes habían experimentado recurrencia de la enfermedad después de un mínimo de 5 años de seguimiento.

El contenido tumoral oscilaba entre 70 y 100% con un promedio de 87%.

Tabla 6: Características clínicas de tumores colorrectales de Nueva Zelanda y Alemania.

1. Enfermedad persistente

Datos de Nueva Zelanda

Libre de recaída

Recaída

Número de pacientes

102 47

Edad

68,5 (DE: 15,1) 69,8 (DE: 8,7)

Género

Hombre

48 (47%) 22 (47%)

Mujer

54 (53%) 25 (53%)

Localización del tumor

Colon derecho

41 (40%) 18 (38%)

Colon izquierdo

12 (12%) 4 (9%)

Sigmoide

31 (30%) 17 (36%)

Recto Etapa tumoral

18 (18%) 8 (17%)

Etapa I

16 0

Etapa II

61 13

Etapa III

25 22

Etapa IV

0 121

Periodo medio de seguimiento/periodo medio libre de recurrencia (meses)

72 (intervalo: 60-80) 15 (intervalo: 0-59)

Datos alemanes

Libre de recaída

Recaída

Número de pacientes

29 26

Edad Género

64,3 (DE: 12,8) 61,8 (DE:10,7)

Hombre

17 (59%) 16 (62%)

Mujer Localización del tumor

12 (41%) 10 (38%)

Colon derecho

8 (28%) 4 (15%)

Colon izquierdo

7 (24%) 5 (19%)

Sigmoide

6 (21%) 7 (27%)

Recto Etapa tumoral

8 (28%) 10 (38%)

Etapa I

5 6

Etapa II

24 20

Periodo medio de seguimiento/periodo medio libre de recurrencia (meses)

83,1 (intervalo: 64-99) 27,4 (intervalo: 3-60)

Ejemplo 3: Extracción de ARN y marcaje de la diana

Tumores de NZ: Los tumores se homogeneizaron y el ARN se extrajo usando Tri-Reactivo (Progenz, Auckland, Nueva Zelanda). El ARN se purificó entonces adicionalmente usando minicolumna RNeasy (Qiagen, Victoria,

5 Australia). Diez microgramos de ARN se marcaron con Cy5 dUTP usando el protocolo de marcaje de cADN aminoalilo indirecto. Un ARN de referencia de 12 líneas celulares diferentes se marcó con Cy3 dUTP. El cADN marcado de forma fluorescente se purificó usando un equipo de purificación QiaQuick PCR (Qiagen, Victoria, Australia) según el protocolo del fabricante.

Tumores de DE: Los tumores se homogeneizaron y el ARN se aisló usando MiniEquipo RNeasy (Qiagen, Hilden,

10 Alemania). La preparación de cARN se realizó como se describe anteriormente (9), se purificó en Columnas RNeasy (Qiagen, Hilden, Alemania) y se eluyó en 55 µl de agua. Quince microgramos de cRNA se fragmentaron durante 35 minutos a 95°C y se sintetizó cADN de doble hebra con un cebador oligo-dT-T7 (Eurogentec, Köln, Alemania) y se transcribió usando el equipo Promega RiboMax T7 (Promega, Madison, WI) y mezcla de marcaje Biotina-NTP (Loxo, Dossenheim, Alemania).

15 Ejemplo 4: Experimentos de micromatriz

Tumores de NZ: Hibridación del cADN diana marcado se realizó usando oligonucléotidos de Matriz de 30K Humana MWG impresos en portaobjetos recubiertos de epoxi. Los portaobjetos se bloquearon con 1% de BSA y la hibridación se hizo en tampón de pre-hibridación a 42ºC durante al menos 12 horas después de un lavado de alto rigor. Los portaobjetos se barrieron con un Escáner de Micromatriz GenePix y los datos se analizaron usando

20 Software de Adquisición y Análisis de Micromatriz GenePix Pro 4.1 (Axon, CA).

43 5

Tumores de DE: El cARN se mezcló con oligonucleótido de control B2 (Affymetrix, Santa Clara, CA), controles de hibridación eucarióticos (Affymetrix, Santa Clara, CA), esperma de arenque (Promega, Madison, WI), tampón y BSA a un volumen final de 300 µl y se hibridó a un circuito de micromatriz (Affymetrix, Santa Clara, CA) durante 16 horas a 45°C. Las etapas de lavado e incubación con estreptavidina (Roche, Mannheim, Alemania), anticuerpo de estreptavidina anti-cabra biotinilado (Serva, Heidelberg, Alemania), IgG de cabra (Sigma, Taufkirchen, Alemania), y estreptavidina-ficoeritrina (Molecular Probes, Leiden, Holanda) se realizó en una Estación Fluídica Affymetrix según el protocolo del fabricante. Las matrices se barrieron entonces con un microscopio confocal de láser de ión de argón HP y los datos de imágenes digitalizados se procesaron usando el Software Affymetrix® Microarray Suite 5.0.

Ejemplo 5: Pre-procesado de datos

Datos de NZ: El pre-procesado de datos y la normalización se realizó en el entorno informático R (10). Una transformación de log2 se aplicó a las intensidades en primer plano de cada canal de cada matriz. El dato de cada mancha se usó en una base por matriz para realizar normalización por pérdida de aguja de impresión por medio del paquete limma (11) a partir del juego Bioconductor de herramientas de análisis (12). La normalización de escala (13) se usó entonces para estandarizar la distribución de relaciones de logaritmo de intensidad a través de las matrices. El análisis de conglomerado posterior a la normalización reveló la presencia de un efecto de marcha de impresión específica del gen presente en los datos. La normalización del análisis de la varianza (ANOVA) se usó para estimar y eliminar los efectos de la marcha de impresión de los datos para cada gen. El dato de matriz replicado estuvo disponible para 46 de las 149 muestras. El análisis de conglomerados del conjunto de datos entero indicó que las matrices duplicadas se agruparon bien con las otras sugiriendo consistencia interna de la plataforma de la matriz. Los genes con baja intensidad, grandes diferencias entre replicados (diferencia media de log2 entre duplicados mayor que 0,5), y las proteínas desconocidas se eliminaron del conjunto de datos. Después del procedimiento de normalización inicial, un subconjunto de 10.318 genes se eligió para análisis adicional.

Datos de DE: Todos los GenChips U133A Affymetrix pasaron el control de calidad para eliminar barridos con características anormales, que es, intervalo dinámico bajo o alto anormal, saturación alta de correspondencia perfecta, alto ruido de pixeles, problemas de desalineado de red, y baja relación media de señal a ruido. La corrección de fondo y normalización se realizaron en el entorno informático R (10, 40). Las medidas de expresión corregidas y normalizadas de fondo desde los datos de nivel de sonda (archivos cel) se obtuvieron usando la función promedio de multi-matriz fuerte (14) implementada en el paquete affy Bioconductor.

Ejemplo 6: Firmas de pronóstico y validación cruzada

El análisis de datos se realizó usando el paquete de Herramientas de Matriz BRB (protocolo de transferencia de hipertexto (http)://linus.nci.nih.gov/BRB-ArrayTools.html). La selección génica se realizó usando una prueba t de modelo de varianza aleatoria. En los datos de DE, se encontró que 318 genes se expresaban de forma diferencial cuando se usa un umbral de significancia de 0,001. Como la mayoría de los genes expresados de forma diferencial mostraron cambios relativamente pequeños en la expresión, se añadió una condición que necesita que el cambio de iteración log2 media entre las dos clases sea mayor que 1,1 al procedimiento de selección génica para los datos de DE. Las firmas de pronóstico basadas en gen se produjeron usando validación cruzada dejando uno fuera (LOOCV) en cada uno de los conjuntos de datos de NZ y DE. Para evitar el problema de sobreajuste, tanto la selección génica como la construcción de firma se realizaron durante cada iteración LOOCV. Después de LOOCV, la tasa de predicción se estimó por la fracción de muestras predichas correctamente. Para encontrar un conjunto de genes que podría hacer la mejor predicción para muestras desconocidas, se investigaron diferentes umbrales de prueba t usando un modelo de varianza aleatoria en conjunto con seis métodos de clasificación: clasificador covariable de compuesto (CCP), análisis discriminante lineal diagonal (DLD), 3-vecinos más próximos (3-NN), 1-vecinos más próximo (1-NN), centroide más próximo (NC), y máquinas de vector de soporte (SVM).

Para establecer la validez de las firmas de pronóstico de NZ y DE, se realizó la validación recíproca, con la firma de NZ validada usando el conjunto de datos de DE, y viceversa. Para ensayar los genes de NZ, las sondas relacionadas con los 22 genes de la firma de NZ se identificaron en los datos de DE, y el LOOCV se usó para evaluar el rendimiento de una firma para las muestras de DE, basadas solo en estas sondas. De forma similar, sondas relacionadas con los 19 genes en la firma de DE se identificaron en los datos de NZ y se usó LOOCV para evaluar el rendimiento de una firma para las muestras de NZ. En ambos casos se usó un umbral de significancia de 0,999 para asegurar que todos los genes se usaron en cada iteración LOOCV. Las diferencias entre las plataformas (en particular, datos de logaritmo relación frente a datos de logaritmo de intensidad) indicaron que la aplicación directa de una regla de predicción a través de conjuntos de datos no es fiable. La consecuencia de esto es que solo los conjuntos de genes, y no las reglas de predicción usadas, pueden generalizarse a nuevas muestras. La significancia de los resultados de predicción de LOOCV se calculó por permutación de las etiquetas de clase de las muestras y encontrando la proporción de veces que los datos permutados dieron por resultado una mayor tasa de predicción de LOOCV que la obtenida para los datos no permutados. Todos los análisis de permutación implicaron 2000 permutaciones, con pequeños valores P que indican que los resultados de predicción iban a ser de forma improbable debidos a la casualidad.

Ejemplo 7: Análisis de supervivencia

44 5

El análisis de supervivencia de Kaplan-Meier para datos censurados se realizó usando un paquete de supervivencia en el entorno informático R. La supervivencia se definió por ser "supervivencia libre de enfermedad" posterior a la cirugía. Para cada análisis, las curvas de supervivencia se construyeron, y el ensayo de logaritmo de rango (15) se usó para evaluar la presencia de diferencias significativas entre las curvas de los dos grupos en cuestión. La censura se tuvo en cuenta tanto para los conjuntos de datos de NZ como DE. Para los datos de supervivencia libre de enfermedad, la censura correcta antes de los cinco años podría darse solo para pacientes no recurrentes como resultado tanto de muerte, como el último seguimiento clínico que se da a menos de cinco años. Razones de momios e intervalos de confianza se produjeron usando el paquete de epiherramientas para R.

Ejemplo 8: Identificación de marcadores co-expresados con ligandos de quimioquina

Los genes en los datos de DE que tenían un coeficiente de correlación de Pearson mayor que 0,75 con al menos una de las cuatro quimioquinas que aparecen en el predictor en el grupo sin recaída se seleccionaron para análisis ontológico. La ontología se realizó usando DAVID (protocolo de transferencia de hipertexto (http)://apps 1.niaid.nih.gov/david/).

Ejemplo 9: Resultados y análisis

Para identificar firmas de pronóstico fuertes para predecir la recaída de la enfermedad para CCR, dos conjuntos independientes de muestras de NZ y DE se usaron para generar conjuntos de datos de expresión de matriz a partir de series separadas de tumores primarios con seguimiento clínico de cinco o más años. Después de la normalización, cada conjunto de datos se analizó usando los mismos métodos estadísticos para generar una firma de pronóstico, que se validó entonces en las series alternas de pacientes. Como tal, la firma de pronóstico de DE se validó en el conjunto de datos de NZ y la firma de pronóstico de NZ se validó en el conjunto de datos de DE.

Ejemplo 10: Identificación exhaustiva de marcadores expresados de forma diferencial

Conjunto de datos de DE: El procedimiento de comparación de clase de Herramientas de Matriz BRB se usó para detectar sondas que muestran diferencias estadísticamente significativas en intensidad promedio entre muestras de recaída y sin recaída. El RVM (modelo de varianza aleatoria) se usó de nuevo para producir valores p para cada sonda en el conjunto de datos. En esta segunda vuelta, se encontró que un total de 325 sondas se expresaban significativamente de forma diferencial entre las dos clases de muestras usando un umbral de significancia arbitrario de 0,05. Nótese que esta selección de genes no aplicó ningún umbral de cambio de iteración, y usó un corte de significancia de 0,05, más que el umbral de 0,001 que se usó en el Ejemplo 6. El propósito de este umbral menos riguroso (p=0,05 en vez de p=0,001) fue proponer un mayor número de genes para la construcción de la segunda vuelta de firmas (véase ejemplo 17). Estas sondas representan 270 genes únicos (Tabla 1 y Tabla 2).

Explícitamente, el ensayo para la significancia (modelo de varianza aleatoria) comprende lo siguiente: generar una estadística de ensayo para cada gen que era idéntico al de un prueba t de dos muestras estándar (45) excepto que el estimado de la varianza acumulada se obtuvo representando la estructura de la varianza a través de todos los genes como una distribución F, y usar después los parámetros, a y b, de esta distribución (obtenida por medio de maximización de la función de probabilidad empírica) para formar el siguiente estimado de la varianza acumulada (véase siguiente página),

donde S2 es el nuevo estimado de la varianza acumulada, S2 acumulada es el estimado estándar de la varianza acumulada (45), n es el número de muestras, y a y b son los parámetros de la distribución F (46). En base a la estadística t formada, una distribución t con n-2+2a grados de libertad se usó para obtener un valor p para cada gen. Para ajustar para ensayo de hipótesis múltiple, la Tasa de Descubrimiento Falso que controla el procedimiento de Benjamini y Hochberg (7) se usó para producir valores p ajustados para cada gen. Se consideró que un gen ha sufrido expresión diferencial significativa si su valor p ajustado era menos que 0,05.

Ejemplo 11: Identificación de marcadores correlacionados

Para identificar genes adicionales que pueden usarse como predictores de pronóstico, se realizó un análisis de correlación usando el paquete de software de cálculo estadístico R. Este análisis reveló 167 sondas que tenían un coeficiente de correlación de Pearson (40, 44, 45) de al menos 0,8. De estas sondas, 51 estaban ya presentes en el conjunto de 325 sondas significativamente expresadas de forma diferencial, mientras las restantes 116 se presentaron como no significativas (usando un umbral de 0,05 para la FDR, o "relación de descubrimiento falso" (47) que controla el procedimiento, el RVM, o modelo de varianza aleatoria). Estas 116 sondas representan 111 genes distintos (Tabla 2).

Ejemplo 12: Construcción de firmas de pronóstico

El conjunto de datos de NZ se generó usando micromatrices impresas de oligonucleótido. Se construyeron seis firmas diferentes, con una máquina de vector de soporte (SVM) usando un umbral de selección génica de 0,0008 dando la mayor tasa de predicción de LOOCV, y produciendo una firma de 22 genes (77% de tasa de predicción; 53% de sensibilidad; 88% de especificidad; p=0,002, Tablas 7, 8A y 8B). Para las Tablas 8A y 8B, las descripciones de los genes se muestran en las Tablas 3 y 4, respectivamente.

Tabla 7: Construcción de firmas de pronóstico

Firma de NZ de 22 genes ensayada en datos alemanes

Conjunto de datos Tasa de predicción Sensibilidad Datos de NZ (preparación; SVM) 0,77 (0,66, 0,86)§ 0,53 (033, 0,73) Datos de NZ menos 4 genes no encontrados en los datos alemanes que se eliminaron del 0,72 0,38 conjunto de datos de NZ (preparación; SVM) Datos alemanes (ensayo; SVM) 0,71 (0,51, 0,86) 0,62 (0,32, 0,86)

Especificidad 0,88 (0,77, 0,95) 0,87 0,79 (0,52, 0,95) valor P* 0,002 0,011 0,002 Razón de momios 8,4 (3,5, 21,4) 5,9 (1,6, 24,5)

Firma alemana de 19 genes ensayada en datos de NZ

Conjunto de datos Tasa de predicción Sensibilidad Datos alemanes (preparación; 3-NN) 0,84 (0,65, 095) 0,85 Datos alemanes menos 5 genes que no se encontraron en datos de NZ se eliminaron del conjunto de datos alemanes (preparación; 3-NN) 0,67 0,65 Datos de NZ (ensayo; 3-NN) 0,67 (0,55, 0,78) 0,42 (0,22, 0,64)

Especificidad 0,83 0,66 0,78 (0,65, 0,89) valor P* < 0,0001 0,046 0,045 Razón de momios 24,1 (53, 144,7) 2,6 (1,2, 6,0)

SVM: firma de máquina de vector de soporte; 3-NN: firma de 3 vecino más próximo. § 95% de intervalo de confianza

* Los valores P se calcularon a partir de 2.000 permutaciones de etiquetas de clase

Tabla 8A: Firma de pronóstico de NZ Firma de pronóstico de 22 genes de Nueva Zelanda

valor P

Símbolo del gen Núm. de Acceso Genbank Genes no encontrados en los datos alemanes en el momento del análisis

2,30E-05

WDR44 NM_019045 *

3,30E-05

RBMS1 NM_016836

4,60E-05

SACM1L NM_014016

6,80E-05

SOAT1 NM_003101

7,90E-05

PBK NM_018492

0,00014

G3BP2 NM_012297

0,000163

ZBTB20 NM_015642

0,000214

ZNF410 NM_021188 *

0,00022

COMMD2 NM_016094 *

0,000293

PSMC1 NM_002802

0,000321

COX10 NM_001303

0,000334

GTF3C5 NM_012087

0,000367

HMMR NM_012485

0,000405

UBE2L3 NM_003347

0,000417

GNAS NM_000516

0,000467

PPP2R2A NM_002717

0,000493

RNASE2 NM_002934

0,000532

SCOC NM_032547 *

0,000578

PSMD9 NM_002813

0,000593

EIF3S7 NM_003753

0,000649

ATP2B4 NM_001001396 NM_001684

0,000737

ABCC9 NM_020298

Tabla 8B: firma de pronóstico de DE Firma de pronóstico de 19 genes alemana

valor P

Símbolo del gen Núm. Acc. GenBank Genes no encontrados en los datos de NZ en el momento del análisis

3,00E-06

CXCL10 NM_001565

4,00E-06

FAS NM_000043

NM_152871

NM_152872

NM_152873

NM_152874

NM_152875

NM_152876

NM 152877

8,00E-06

CXCL9 NM_002416 *

1,20E-05

TLK1 NM_012290

1,30E-05

CXCL11 NM_005409

2,10E-05

PBK NM_018492

4,20E-05

PSAT1 NM_021154

7,60E-05

MAD2L1 NM_002358

9,80E-05

CA2 NM_000067

0,000128

GZMB NM_004131 *

0,000177

SLC4A4 NM_003759

0,000215

DLG7 NM_014750 *

0,000376

TNFRSF11A NM_003839

0,00038

KITLG NM_000899

0,000579

INDO NM_002164

0,000634

GBP1 NM_002053

0,000919

CXCL13 NM_006419 *

47 5

0,000942

CLCA4 NM_012128 *

0,001636

PCP4 NM_006198

La firma de NZ tenía una razón de momios para recurrencia de enfermedad en los pacientes de NZ de 8,4 (95% de CI 3,5-21,4).

El conjunto de datos de DE se generó usando matrices Affymetrix que dan por resultado un firma de 19 genes (sonda 22) y 3 vecinos más próximos (3-NN) (umbral de selección 0,002, log2 de cambio de iteración >-1,1, 84% de tasa de clasificación, 85% de sensibilidad, 83% de especificidad, p<0,0001, Tablas 3, 4, 7). La firma de DE tenía una razón de momios para recurrencia en los pacientes de DE de 24,1 (95% de CI 5,3-144,7). Usando el análisis de Kaplan-Meier, la supervivencia libre de enfermedad en pacientes de NZ y DE fue significativamente diferente para los predichos a repetirse o no repetirse (firma de NZ, p<0,0001, Fig. 2A; firma de DE, p<0,0001, Fig. 2B).

Ejemplo 13: Validación externa de los firmas de pronóstico de NZ y DE

Para validar la firma de NZ, los 22 genes se usaron para construir una firma SVM en el conjunto de datos de DE mediante LOOCV. Se alcanzó una tasa de predicción del 71%, que fue altamente significativa (p=0,002; Tabla 7). La razón de momios para recurrencia en los pacientes de DE, usando la firma de NZ, fue 5,9 (95% de CI 1,6-24,5). Se supone que la reducción en la tasa de predicción, de 77% en pacientes de NZ a 71% en pacientes de DE (Tabla 7), fue debida a cuatro genes de la firma de NZ que no estaban presentes en los datos de DE. La supervivencia libre de enfermedad de pacientes de DE predichos a la recaída, según la firma de NZ, fue significativamente menor que la supervivencia libre de enfermedad para pacientes predichos sin recaída (p=0,0049, Fig. 2C).

La firma de DE se validó después usando los 19 genes para construir una firma 3-NN en el conjunto de datos de NZ mediante LOOCV. La tasa de predicción de 67% fue de nuevo significativa (p=0,046; Tabla 7), confirmando la validez de la firma de DE. La razón de momios para recurrencia en los pacientes de NZ, usando la firma de DE, fue 2,6 (95% de CI 1,2-6,0). Se considera que la reducción de la tasa de predicción fue debida a cinco genes de la firma de DE que no están presentes en el conjunto de datos de NZ. Esto se confirmó cuando la eliminación de estos cinco genes del conjunto de datos de DE dio por resultado una reducción de la tasa de predicción de LOOCV de 84% a 67% (Tabla 7). La supervivencia libre de enfermedad de pacientes de NZ predichos a la recaída, según la firma de DE, fue significativamente menor que la supervivencia libre de enfermedad para pacientes predichos sin recaída (p=0,029; Fig. 2D).

Ejemplo 14: Comparación de firmas de pronóstico de NZ y DE con el sistema de etapas habitual

Diferencias significativas en la supervivencia libre de enfermedad entre pacientes predichos a la recaída o sin recaída se observaron también en la misma etapa clínico-patológica (Figura 3). Cuando las predicciones del paciente se estratificaron según la etapa de la enfermedad, la firma de NZ fue capaz de identificar pacientes que eran más probable que repitieran en los subgrupos tanto de Etapa II (p=0,0013, Fig. 3A) como de Etapa III (p=0,0295, Fig. 3A). Esto se reflejó a una menor extensión cuando la firma de DE se aplicó al conjunto de datos de NZ, donde la diferencia solo se observó para pacientes de la Etapa III (p=0,0491, Fig. 3B). De nuevo, la exactitud predictiva disminuida de la firma de DE se debió probablemente a la ausencia de cinco genes de los datos de NZ que disminuyó la tasa de predicción de LOOCV.

Ejemplo 15: Genes en firmas están relacionados a la progresión de la enfermedad de CCR

Un número de genes en la firma de NZ (Tabla 3) que incluye G3BP2 (16), RBMS1 (17), HMMR (18), UBE2L3 (19), GNAS (20), RNASE2 (21) y ABCC9 (22) se han presentados todos por estar implicados en la progresión de cáncer, mientras RBMS1 (23), EIF3S7 (24) y GTF3C5 (25) están implicados en transcripción o traducción. PBK es una proteína quinasa, que está implicada en el procedimiento de mitosis (26), y el único gen común a las firmas de NZ y DE. Once de 19 genes en la firma de DE (Tabla 4) están implicados en la respuesta inmune incluyendo 4 ligandos de quimioquina (CXCL9, CXCL10, CXCL11, CXCL13; (27)), PBK (28), INDO (29), GBP1 (30), GZMB (31), KITLG

(32) y dos receptores de la familia del factor de necrosis tumoral (TNFRSF11A, FAS; 33)).

Se encontró que ochenta y seis genes estaban moderadamente correlacionados (coeficiente de correlación de Pearson > 0,75) con al menos uno de los cuatro ligandos de quimioquina en los datos de DE. El análisis ontológico encontró que 39 de estos 65 genes estaban en la categoría de respuesta inmune (p<10-26). Este resultado sugiere un papel clave para la respuesta inmune del huésped en la determinación de la recurrencia de CCR.

Ejemplo 16: Discusión de firmas de pronóstico de NZ y DE

Se ha mostrado que las dos firmas de pronóstico diferentes pueden usarse para mejorar el pronóstico habitual del cáncer colorrectal.

48 5

Para la firma de DE, fue sorprendente e inesperado que las muestras de la etapa I/II podrían usarse para predecir el resultado de la etapa III. También fue sorprendente que muchos genes asociados con la enfermedad recurrente están relacionados con la respuesta inmune. La respuesta inmune tiene un papel importante en la progresión de cánceres diferentes y la infiltración de linfocito T en pacientes de CCR es un indicador de buen pronóstico (36-38). Todos de los once genes de respuesta inmune (Tabla 5) se sub-regularon en pacientes recurrentes que podrían basarse inesperadamente en mecanismos biológicos conocidos.

Para confirmar adicionalmente estos resultados, 4 genes de quimioquina se eligieron para análisis adicional. Los ligandos de quimioquina no solo reflejan la actividad del sistema inmune y median el reclutamiento de leucocitos sino que también están implicados en la quimiotaxis, la adhesión y movilidad celular, y la angiogénesis (36). Para investigar el papel de los genes de respuesta inmune, se identificaron 86 genes co-expresados con los ligandos de quimioquina. Casi la mitad de estos genes tenían una clasificación de Ontología Génica en la categoría de "respuesta inmune" que sugiere que la función primaria de estos genes en el procedimiento de recurrencia es la modulación de la respuesta inmune. Además, los antígenos de células T CD4+ y CD8+ (CD8A, CD3, PRF1, TRA@, TRB@) o antígenos relacionados funcionalmente, por ejemplo, moléculas de histocompatibilidad principal, proteínas inducidas por gamma interferona, e IL2RB, se encontraron en la lista de genes co-expresados. La activación células T CD4+ y células T CD8+ específicas de tumor se ha mostrado que dan por resultado el rechazo tumoral en un modelo de cáncer colorrectal de ratón (37). De forma colectiva, estos descubrimientos sugieren que los linfocitos forman parte de una respuesta del huésped específica al tumor implicada en minimizar la expansión de células desde el tumor primario.

Ejemplo 17: Selección de firmas de pronóstico adicionales

El rendimiento de las dos firmas de pronóstico descritas anteriormente fue excelente en términos de validación cruzada entre los dos conjuntos de datos. Se realizaron estudios adicionales, usando una aproximación puramente estadística, para desarrollar un intervalo de firmas, además de las mencionadas anteriormente, que predecirían también el pronóstico para otros conjuntos de datos. Uno de los resultados adicionales de estos estudios fue asegurar que el método usado para normalizar los datos de micromatrices (promedio de multi-matriz fuerte) no ejerció influencia indebida en la elección de genes.

La Figura 4 muestra las tasas de clasificación obtenidas de firmas de longitudes variables. La tasa de clasificación es la proporción de predicciones de recaída correctas (expresadas como un porcentaje de predicciones totales), es decir, la proporción de muestras clasificadas correctamente. Las tasas de clasificación se determinaron usando validación cruzada de 11 iteraciones. Para esta validación cruzada, una muestra estratificada seleccionada de forma aleatoria (es decir, misma relación de tumores recurrente a no recurrente como el conjunto de datos completo) se eliminó como un conjunto de validación antes de selección génica de los genes, y la construcción de modelo (usando el conjunto de preparación de las restantes 50 muestras). La validación cruzada se repitió entonces unas diez veces más de manera que todas las 55 muestras aparecieron en un conjunto de validación cada una. Este procedimiento de validación cruzada de 11 iteraciones se repitió como 10 replicados, y los resultados se representaron en la Figura 4 y la Figura. Las tasas de clasificación mostradas se corrigieron usando corrección de sesgo bootstrap (43), para dar las tasas de clasificación esperadas para las firmas a aplicar a otro conjunto de datos. A partir de este análisis, se verificó que firmas más cortas produjeron la mejor tasa de clasificación. Además, los análisis de los genes que aparecieron más frecuentemente en clasificadores muestran que el poder discriminatorio fue principalmente debido a la efectividad de dos genes: FAS y ME2. Esto se ilustra más claramente mediante la figura 5 que muestra la efectividad de las firmas, una vez que los dos genes FAS y ME2 se eliminaron del conjunto de datos. Para más detalle véase la leyenda de la Figura 5.

El efecto de normalización en la selección de características se investigó totalmente generando listas génicas de 1000 sub-muestras estratificadas del conjunto original de tumores, cada vez eliminando 5 muestras (es decir, 1/11 del número total de muestras) del conjunto de datos. (Esto es efectivamente lo mismo que realizar la validación cruzada de 11 iteraciones). Se hizo un cálculo del número de veces que cada gen apareció en las listas de genes "n primeros" (es decir, 10 primeros, 20 primeros, 100 primeros y 325 primeros). Este valor se denominó el "conteo primero". Se generaron conteos primeros usando tres métodos de normalización diferentes (40) (Figura 6), y tres estadísticas de filtración diferentes (Figura 7). Hubo correlación esencial en el conteo primero entre esquemas de normalización y estadísticas de filtración (41, 42) usadas. Así, mientras los métodos de normalización y selección de características eran importantes, muchos genes aparecieron en las listas de genes independientemente del método usado para pre-procesar los datos. Esto indica que la elección del método de normalización tenía solo un mínimo efecto en que genes se seleccionaron para usar en la construcción de firmas. El conteo primero, sumado a través de todos los métodos de normalización y estadísticas, se encontró que era una medida fuerte de una expresión diferencial de genes entre tumores recurrentes y no recurrentes.

Los genes de las listas de genes (véase Tabla 1 y Tabla 2), se usaron para generar firmas por muestreo aleatorio. La generación de muestras se pesó, de manera que los genes con mayor "conteo primero" era más probable que se seleccionaran. Un intervalo de firmas se generó, usando entre 2 y 55 sondas Affymetrix. Las firmas se seleccionaron si mostraban >80% de tasa media de clasificación, usando tres métodos de clasificadores: k vecinos más próximos,

con k=1; k vecinos más próximos, con k=3; y máquinas de vector de soporte, con una función de núcleo lineal, y usando validación cruzada dejando uno fuera.

En promedio, se prefirieron firmas de pronóstico más largas sobre firmas más cortas en términos de capacidad para predecir el pronóstico para nuevos conjuntos de datos (Figura 4 y Figura 5). Los genes FAS y ME2 fueron también 5 importantes (tratados anteriormente). Estos dos hechos se usaron, junto con el hecho de que las firmas cortas que no contienen ni FAS ni ME2 se realizan menos efectivamente, para seleccionar firmas candidatas como se muestra en la Tabla 9, posterior. Las firmas se seleccionaron (de la combinación de firmas generadas aleatoriamente) si mostraban >80% de tasa media de clasificación (usando tres métodos de clasificadores: k vecinos más próximos, con k=1; k vecinos más próximos, con k=3; y máquinas de vector de soporte, con una función de núcleo lineal),

10 usando validación cruzada dejando uno fuera.

Además, porque, en promedio, las firmas más largas (>10 genes/firma) tendían a desarrollarse mejor, se seleccionaron firmas con 20 o más genes/firmas de una combinación de firmas con 30 o más sondas/firma. Se espera que estas firmas (Tabla 10) se realizarán con una tasa de clasificación de alrededor de 70% cuando se aplica a otros conjuntos de datos, en base a los resultados mostrados en las Figuras 4 y 5. Se encontró que todas las 15 firmas generadas de esta forma contenían ambos ME2, y todas menos una contuvieron FAS, que puede deberse a la importancia de estos genes en proporcionar la predicción de pronóstico. Se anotó que la alta tasa de clasificación obtenida usando esta aproximación en el conjunto de datos internos no significó necesariamente que se esperaría que estas firmas se realizarían mejor que las presentadas en el Ejemplo 12, en otros conjuntos de datos. Más bien, el propósito fue producir un intervalo de firmas esperadas para aplicar a otros conjuntos de datos al menos tan bien

20 como las firmas anteriores. Los marcadores que comprenden las firmas de pronóstico se presentan en la Tabla 9.

Tabla 9: Firmas de pronóstico adicionales (nota SVM=máquina de vector de soporte, 3NN=3 vecinos más próximos, 1NN=1 vecino más próximo, Sens=sensibilidad, Spec=especificidad, para predicción de recurrencia)

Número de firma

Genes de firma (como símbolos génicos) SVM 3NN 1NN

Sens

Spec Sens Spec Sens Spec

1

WARS, STAT1, EIF4E, PRDX3, PSME2, GMFB, DLGAP4, TYMS, CTSS, MAD2L1, CXCL10, C1QBP, NDUFA9, SLC25A11, HNRPD, ME2, CXCL11, RBM25, CAMSAP1L1, hCAP-D3, BRRN1, ATP5A1, FAS, FLJ13220, PBK, BRIP1 81% 86% 73% 90% 77% 83%

2

WARS, SFRS2, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, LMAN1, CDC40, CXCL10, NDUFA9, SLC25A11, CA2, ME2, IFT20, TLK1, CXCL11, RBM25, AK2, FAS, FLJ13220, PBK, PSAT1, STAT1 77% 86% 85% 79% 81% 86%

3

WARS, SFRS2, PRDX3, GMFB, DLGAP4, TYMS, LMAN1, CDC40, CXCL10, NDUFA9, KPNB1, SLC25A11, CA2, ME2, FUT4, CXCL11, GZMB, RBM25, ATP5A1, CDC42BPA, FAS, RBBP4, HNRPD, BRIP1, STAT1 85% 86% 92% 76% 85% 79%

4

WARS, PRDX3, MTHFD2, PSME2, TES, DCK, CDC40, CXCL10, PLK4, NDUFA9, SLC25A11, WHSC1, ME2, CXCL11, SLC4A4, RBM25, ATP5A1, CDC42BPA, FAS, BAZ1A, AGPAT5, FLJ13220, HNRPD, KLHL24, STAT1 81% 79% 77% 69% 77% 79%

5

HNRPD, WARS, MTHFD2, GMFB, DLGAP4, TYMS, CXCL9, IRF8, GTSE1, RABIF, CXCL10, FAS, TRIM25, KITLG, C1QBP, SLC25A11, C17orf25, CA2, ME2, SLC4A4, CXCL11, RBM25, KLHL24, STAT1 88% 83% 88% 83% 88% 76%

6

HNRPD, WARS, STAT1, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, CXCL9, PLK4, KITLG, NDUFA9, ME2, CXCL11, SLC4A4, AK2, FAS, AGPAT5, FLJ13220, PBK, ETNK1 73% 83% 81% 79% 65% 66%

7

WARS, EIF4E, PRDX3, TK1, GMFB, DLGAP4, TYMS, LMAN1, ARF6, FAS, CHEK1, NDUFA9, SLC25A11, WHSC1, CA2, ME2, CXCL11, IFT20, SLC4A4, RBM25, hCAP-D3, CDC42BPA, FLJ13220, HNRPD, STAT1 88% 90% 88% 90% 85% 86%

8

WARS, EPAS1, EIF4E, PRDX3, PSME2, TK1, GMFB, DLGAP4, TYMS, DCK, CDC40, CXCL9, CXCL10, C1QBP, NDUFA9, SLC25A11, WHSC1, ME2, TLK1, RBM25, BRRN1, FAS, BRIP1, TRMT5, KLHL24, STAT1 77% 86% 85% 79% 77% 79%

9

HNRPD, WARS, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, CDC40, IRF8, CXCL10, FAS, CHEK1, KITLG, WHSC1, CA2, ME2, TLK1, RBM25, AK2, NUP210, ATP5A1, BRIP1, STAT1 69% 79% 85% 83% 77% 79%

10

HNRPD, EPAS1, EIF4E, PRDX3, DLGAP4, TES, CTSS, DCK, CXCL9, CXCL10, FAS, PLK4, HNRPA3P1, SLC25A11, C1QBP, C17orf25, CA2, ME2, RBM25, AK2, SEC10L1, FLJ13220, TRMT5, STAT1 85% 79% 85% 79% 77% 72%

11

HNRPD, WARS, EIF4E, PRDX3, PSME2, GBP1, GMFB, DLGAP4, TYMS, TES, RABIF, CXCL10, C1QBP, NDUFA9, SLC25A11, C17orf25, ME2, FUT4, CXCL11, RBM25, AK2, hCAP-D3, FAS, AGPAT5, SEC10L1, PBK, STAT1 85% 83% 92% 76% 85% 76%

12

HNRPD, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, DCK, IRF8, NDUFA9, SLC25A11, C17orf25, CA2, ME2, CXCL11, GZMB, RBM25, NUP210, SOCS6, DDAH2, FAS, RBBP4, MARCH5, SEC10L1, KLHL24, STAT1 88% 79% 92% 69% 92% 83%

13

WARS, EPAS1, STAT1, MTHFD2, MCM6, GBP1, GMFB, DLGAP4, TYMS, ARF6, CXCL10, FAS, KITLG, NDUFA9, CA2, ME2, GZMB, CXCL11, RBM25, RBBP4, PBK, PSAT1, HNRPD 88% 90% 88% 76% 77% 69%

14

WARS, EPAS1, EIF4E, PRDX3, PSME2, GBP1, TK1, GMFB, TYMS, CXCL9, FAS, CHEK1, SLC25A11, NDUFA9, WHSC1, CA2, ME2, FUT4, CXCL11, RBM25, CAMSAP1L1, SFRS2, DDAH2, AGPAT5, HNRPD, BRIP1, ETNK1 85% 83% 92% 76% 92% 79%

15

SFRS2, EIF4E, PRDX3, MTHFD2, MCM6, TK1, GMFB, TYMS, TES, CTSS, ARF6, CXCL9, RABIF, CXCL10, FAS, KITLG, SLC25A11, ME2, IFT20, SLC4A4, CXCL11, RBM25, PSAT1, HNRPD, TRMT5, STAT1 81% 83% 81% 83% 77% 79%

16

WARS, SFRS2, EPAS1, EIF4E, PRDX3, TYMS, LMAN1, CDC40, CXCL9, CXCL10, PLK4, CHEK1, SLC25A11, C1QBP, NDUFA9, ME2, IFT20, SLC4A4, CXCL11, RBM25, DDAH2, FAS, HNRPD, BRIP1, STAT1 92% 93% 81% 83% 81% 83%

17

WARS, EIF4E, GMFB, DLGAP4, TYMS, CTSS, MAD2L1, SLC4A4, CXCL9, IRF8, CXCL10, FAS, TRIM25, KPNB1, SLC25A11, HNRPD, ME2, CXCL11, RBM25, AK2, hCAP-D3, DDAH2, SEC10L1, ETNK1, STAT1 92% 90% 85% 79% 81% 76%

18

HNRPD, WARS, SFRS2, MTHFD2, PSME2, TK1, GMFB, DLGAP4, ARF6, CXCL10, TRIM25, NDUFA9, SLC25A11, WHSC1, ME2, CXCL11, TLK1, RBM25, CAMSAP1L1, hCAP-D3, CDC42BPA, FAS, AGPAT5, STAT1 81% 79% 85% 90% 81% 93%

19

HNRPD, WARS, SFRS2, STAT1, EIF4E, PSME2, TYMS, USP4, DCK, ARF6, CXCL9, RABIF, CXCL10, C1QBP, SLC25A11, ME2, IFT20, SLC4A4, CXCL11, RBM25, AK2, SOCS6, FAS, ETNK1 96% 86% 73% 76% 73% 66%

20

WARS, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, TES, ARF6, CXCL10, FAS, KITLG, C1QBP, 77% 79% 73% 83% 81% 86%

SLC25A11, C17orf25, ME2, FUT4, CXCL11, RBM25, ATP5A1, FLJ13220, PSAT1, HNRPD, STAT1

21

WARS, PSME2, GMFB, DLGAP4, USP4, ARF6, CDC40, CXCL9, IRF8, RABIF, CXCL10, PLK4, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, ME2, TLK1, SLC4A4, RBM25, hCAP-D3, SOCS6, FAS, AGPAT5, SEC10L1, KLHL24, STAT1 77% 72% 85% 83% 85% 79%

22

WARS, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, CXCL9, CXCL10, CHEK1, TRIM25, SLC25A11, C17orf25, HNRPD, ME2, SLC4A4, RBM25, AK2, BRRN1, FAS, DKFZp762E1312, SEC10L1, PBK, TRMT5, STAT1 77% 79% 77% 76% 81% 72%

23

HNRPD, WARS, STAT1, EIF4E, PRDX3, DLGAP4, TYMS, ARF6, CXCL9, CXCL10, FAS, HNRPA3P1, C1QBP, NDUFA9, SLC25A11, WHSC1, ME2, CXCL11, RBM25, MARCH5, SEC10L1, BRIP1 85% 83% 92% 90% 85% 76%

24

WARS, PRDX3, PSME2, GMFB, DLGAP4, CTSS, LMAN1, CXCL9, CXCL10, HNRPA3P1, SLC25A11, NDUFA9, C17orf25, ME2, FUT4, SLC4A4, RBM25, AK2, FAS, MARCH5, PBK, HNRPD, KLHL24, ETNK1, STAT1 85% 83% 77% 69% 81% 69%

25

WARS, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, CDC40, CXCL9, CXCL10, TRIM25, NDUFA9, CA2, ME2, TLK1, CXCL11, SLC4A4, RBM25, AK2, ATP5A1, SOCS6, DDAH2, FAS, MARCH5, PBK, STAT1 81% 83% 77% 83% 81% 72%

26

WARS, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, ARF6, CXCL10, PLK4, CHEK1, HNRPA3P1, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, ME2, CXCL11, RBM25, CAMSAP1L1, FAS, SEC10L1, FLJ13220, STAT1 81% 83% 92% 86% 81% 79%

27

WARS, SFRS2, EIF4E, MTHFD2, PSME2, TK1, TYMS, LMAN1, CDC40, CXCL10, C1QBP, NDUFA9, KPNB1, CA2, ME2, GZMB, TLK1, SLC4A4, RBM25, ATP5A1, FAS, AGPAT5, SEC10L1, FLJ13220, HNRPD, STAT1 85% 90% 85% 86% 81% 79%

28

HNRPD, WARS, EPAS1, MTHFD2, PSME2, TK1, TYMS, CXCL9, CXCL10, FAS, TRIM25, KITLG, C1QBP, NDUFA9, CA2, ME2, CXCL11, RBM25, AK2, BRRN1, FLJ10534, SEC10L1, PBK, ETNK1, STAT1 88% 86% 81% 86% 81% 76%

29

EIF4E, PRDX3, PSME2, DLGAP4, CTSS, CXCL9, GTSE1, CXCL10, FAS, PLK4, KITLG, SLC25A11, CA2, ME2, GZMB, CXCL11, RBM25, AK2, AGPAT5, MARCH5, FLJ13220, PBK, HNRPD, STAT1 88% 86% 88% 76% 77% 69%

30

WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, DLGAP4, TYMS, CTSS, CDC40, CXCL9, CXCL10, FAS, PLK4, NDUFA9, ME2, CXCL11, RBM25, AK2, BRRN1, RBBP4, HNRPD, KLHL24, ETNK1, STAT1 77% 79% 81% 79% 65% 69%

31

WARS, SFRS2, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, ARF6, CDC40, CXCL9, TRIM25, SLC25A11, CA2, ME2, IFT20, CXCL11, RBM25, BRRN1, CDC42BPA, FAS, AGPAT5, FLJ10534, HNRPD, TRMT5, STAT1 85% 83% 92% 76% 92% 72%

32

HNRPD, WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, CTSS, DCK, CXCL9, CXCL10, FAS, KITLG, NDLTFA9, ME2, CXCL11, RBM25, ATP5A1, PBK, ETNK1, STAT1 ' 85% 79% 77% 83% 77% 72%

33

WARS, SFRS2, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, LMAN1, CDC40, SLC4A4, CXCL10, 73% 79% 92% 90% 88% 79%

FAS, CHEK1, SLC25A11, C1QBP, WHSC1, C17orf25, CA2, ME2, RBM25, SOCS6, AGPAT5, HNRPD, STAT1

34

HNRPD, WARS, MTHFD2, PSME2, GMFB, DLGAP4, RABIF, CXCL10, TRIM25, KITLG, C1QBP, KPNB1, SLC25A11, WHSC1, ME2, RBM25, CAMSAP1L1, BRRN1, CDC42BPA, FAS, AGPAT5, SEC10L1, ETNK1, STAT1 85% 86% 92% 90% 81% 86%

35

HNRPD, WARS, SFRS2, SFPQ, MTHFD2, DLGAP4, TYMS, USP4, LMAN1, ARF6, CDC40, C1QBP, C17orf25, CA2, ME2, CXCL11, SLC4A4, RBM25, AK2, ATP5A1, FAS, SEC10L1, FLJ13220, ETNK1, STAT1 81% 83% 85% 79% 73% 79%

36

WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, LMAN1, ARF6, MAD2L1, GTSE1, CXCL10, FAS, KITLG, SLC25A11, WHSC1, ME2, FUT4, IFT20, RBM25, AGPAT5, HNRPD, STAT1 85% 83% 85% 90% 88% 90%

37

WARS, SFRS2, EIF4E, MTHFD2, TK1, GMFB, DLGAP4, TYMS, LMAN1, CXCL10, CHEK1, HNRPA3P1, C1QBP, NDUFA9, SLC25A11, ME2, CXCL11, RBM25, BRRN1, CDC42BPA, FAS, SEC10L1, PSAT1, HNRPD, KLHL24, STAT1 73% 79% 92% 83% 85% 86%

38

WARS, EPAS1, EIF4E, PRDX3, MTHFD2, GMFB, DLGAP4, TYMS, CTSS, LMAN1, DCK, CDC40, RABIF, CXCL10, HNRPA3P1, C1QBP, C17orf25, ME2, CXCL11, TLK1, RBM25, FAS, FLJ13220, HNRPD, KLHL24, STAT1 85% 86% 77% 90% 85% 90%

39

WARS, SFRS2, EIF4E, PRDX3, MTHFD2, GMFB, DLGAP4, TYMS, CTSS, SLC4A4, CXCL10, SLC25A11, C17orf25, HMRPD, ME2, CXCL11, RBM25, AK2, CDC42BPA, FAS, AGPAT5, SEC10L1, TRMT5, STAT1 88% 83% 88% 79% 85% 72%

40

SFRS2, EIF4E, PRDX3, PSME2, GMFB, DLGAP4, TYMS, CXCL9, IRF8, RABIF, CXCL10, FAS, TRIM25, SLC25A11, NDUFA9, ME2, CXCL11, RBM25, AGPAT5, FLJ13220, HNRPD, BRIP1, ETNK1, STAT1 85% 93% 88% 83% 81% 69%

41

HNRPD, WARS, EIF4E, PRDX3, TK1, DLGAP4, TYMS, CDC40, CXCL9, GTSE1, CXCL10, FAS, KITLG, SLC25A11, NDUFA9, ME2, IFT20, SLC4A4, RBM25, NUP210, BAZ1A, SEC10L1, TRMT5, KLHL24, STAT1 85% 83% 96% 79% 92% 72%

42

WARS, SFRS2, EIF4E, PRDX3, PSME2; DLGAP4, TYMS, CTSS, CXCL9, IRF8, CXCL10, FAS, C1QBP, NDUFA9, KPNB1, SLC25A11, ME2, SLC4A4, RBM25, SOCS6, MARCH5, SEC10L1, HNRPD, BRIP1, STAT1 81% 79% 85% 83% 92% 69%

43

WARS, EPAS1, PRDX3, PSME2, TK1, GMFB, DLGAP4, TYMS, CTSS, CDC40, CXCL9, CXCL10, SLC25A11, C1QBP, WHSC1, ME2, GZMB, RBM25, SFRS2, FAS, AGPAT5, SEC10L1, PSAT1, KLHL24, ETNK1, STAT1 77% 83% 88% 62% 92% 72%

44

WARS, PSME2, GMFB, DLGAP4, TYMS, CDC40, CXCL10, FAS, PLK4, C1QBP, NDUFA9, SLC25A11, CA2, ME2, CXCL11, IFT20, TLK1, RBM25, NUP210, BAZ1A, MARCH5, PSAT1, TRMT5, STAT1 85% 86% 96% 79% 81% 83%

45

WARS, PRDX3, MTHFD2, PSME2, TYMS, CXCL10, FAS, CHEK1, TRIM25, C1QBP, NDUFA9, C17orf25,CA2, ME2, CXCL11, IFT20, RBBP4, RBM25, AK2, CDC42BPA, AGPAT5, 88% 90% 85% 79% 88% 66%

DKFZp762E1312, HNRPD, STAT1

46

WARS, SFRS2, ETF4E, SFPQ, PRDX3, MTHFD2, PSME2, DLGAP4, TYMS, USP4, CDC40, CXCL10, FAS, HNRPA3P1, KITLG, NDUFA9, KPNB1, SLC25A11, WHSC1, CA2, ME2; CXCL11, SLC4A4, RBM25, hCAP-D3, BRRN1, CDC42BPA, AGPAT5, MARCH5, SEC10L1, FLJ13220, BRIP1, ETNK1, STAT1 81% 79% 81% 79% 77% 72%

47

HNRPD, WARS, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, CTSS, MAD2L1, CDC40, CXCL9, CXCL10, KITLG, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, SLC4A4, CXCL11, RBM25, AK2, ATP5A1, CDC42BPA, FAS, BAZ1A, AGPAT5, SEC10L1, BRIP1, TRMT5, STAT1 81% 83% 88% 86% 88% 69%

48

WARS, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, ARF6, CXCL9, CXCL10, FAS, ENRPA3P1, C1QBP, NDUFA9, KPNB1, SLC25A11, ME2, CXCL11, IFT20, TLK1, RBM25, RBBP4, AGPAT5, MARCH5, SBC10L1, PBK, PSAT1, HNRPD, BRIP1, STAT1 77% 83% 81% 79% 73% 69%

49

HNRPD, WARS, SFRS2, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, DCK, ARF6, CXCL9, CXCL10, HNRPA3P1, C1QBP, NDUFA9, SLC25A11, ME2, CXCL11, IFT20, TLK1, RBM25, AK2, hCAP-D3, ATPSA1, FAS, MARCH5, KLHL24, STAT1 77% 83% 77% 79% 81% 83%

50

WARS, STAT1, EIF4E, SFPQ, PRDX3, MTHFD2, TK1, GMFB, DLGAP4, TYMS, CTSS, CXCL9, IRF8, CXCL10, PLK4, TRIM25, C1QBP, NDUFA9, SLC25A11, C17orf25, ME2, SLC4A4, AK2, CAMSAP1L1, FAS, BAZ1A, MARCH5, FLJ13220, PBK, BRIP1, KLHL24, ETNK1 81% 79% 85% 83% 77% 66%

51

HNRPD, WARS, EIF4E, PRDX3, MTHFD2, GMFB, DLGAP4, TYMS, TES, ARF6, CXCL9, CXCL10, TRIM25, SLC25A11, NDUFA9, WHSC1, CA2, ME2, SLC4A4, CXCL11, RBM25, hCAP-D3, ATP5A1, FAS, RBBP4, SEC10L1, FLJ13226, PBK, BRIP1, KLHL24, ETNK1, STAT1 77% 79% 85% 79% 85% 72%

52

WARS, EPAS1, STAT1, EIF4E, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, DCK, CDC40, CXCL9, CXCL10, FAS, HNRPA3P1, SLC25A11, C1QBP, ME2, FUT4, CXCL11, SLC4A4, RBM25, AK2, CAMSAP1L1, SFRS2, DDAH2, RBBP4, AGPAT5, FLJ10534, DKFZp762E1312, PSAT1, HNRPD 77% 83% 81% 86% 69% 76%

53

HNRPD, WARS, SFRS2, SFPQ, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, LMAN1, CDC40, CXCL9, GTSE1, FAS, HNRPA3P1, SLC25A11, NDUFA9, KPNB1, CA2, ME2, CXCL11, SLC4A4, RBM25, BRRN1, CDC42BPA, RBBP4, BAZ1A, SEC10L1, BRIP1, KLHL24, STAT1. 88% 83% 92% 79% 92% 72%

54

HNRPD, WARS, EPAS1, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, USP4, LMAN1, MAD2L1, CDC40, SLC4A4, CXCL9, CXCL10, FAS, KITLG, C1QBP, SLC2S511, ME2, CXCL11, RBM25, AK2, CDC42BPA, SFRS2, SEC10L1, STAT1 77% 79% 85% 83% 85% 79%

55

WARS, EPAS1, STAT1, EIF4E, SFPQ, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, CXCL9, IRF8, CXCL10, FAS, NDUFA9, C17orf25, CA2, 88% 90% 88% 76% 88% 79%

HNRPD, ME2, CXCL11, IFT20, RBM25, CDC42BPA, FLJ10534, SEC10L1, PBK, BRIP1, TRMT5

56

SFRS2, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES; LMAN1, SLC4A4, CXCL9, CXCL10, FAS, PLK4, TRIM25, SLC25A11, NDUFA9, WHSC1, C17orf25, ME2, FUT4, CXCL11, IFT20, RBM25, ATP5A1, CDC42BPA, FLJ10534, SEC10L1, HNRPD, KLHL24, STAT1 85% 79% 85% 79% 81% 86%

57

SFRS2, PAICS, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, CTSS, LMAN1, SLC4A4, CXCL9, IRF8, CXCL10, TRIM25, NDUFA9, C17orf25, CA2, HNRPD, ME2, CXCL11, IFT20, RBM25, AK2, ATP5A1, FAS, PBK, BRIP1, TRMT5, ETNK1, STAT1 81% 86% 85% 79% 85% 83%

58

HNRPD, WARS, SFRS2, STAT1, EIF4E, MTHFD2, PSME2, DLGAP4, TYMS, DCK, CDC40, CXCL9, IRF8, CXCL10, PLK4, SLC25A11, NDUFA9, KPNB1, WHSC1, C17orf25, CA2, ME2, NUP210, SOCS6, CDC42BPA, FAS, AGPAT5, SEC10L1, FLJ13220, BRIP1, KLHL24, ETNK1 81% 76% 92% 79% 88% 72%

59

WARS, SFRS2, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, CDC40, CXCL9, GTSE1, CXCL10, FAS, PLK4, TRIM25, SLC25A11, C1QBP, NDUFA9, KPNB1,WHSC1, C17orf25, CA2, ME2, CXCL11, TLK1, RBM25, BRRN1, AGPAT5, MARCH5, HNRPD, BRIP1, TRMT5, KLHL24, STAT1 81% 79% 88% 86% 85% 83%

60

HNRPD, WARS, SFRS2, EIF4E, SFPQ, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, LMAN1, CDC40, CXCL9, CXCL10, FAS, CHEK1, C1QBP, NDUFA9, SLC25A11, WHSC1, ME2, TLK1, CXCL11, RBM25, CDC42BPA, AGPAT5, FLJ10534, FLJ13220, PSAT1, STAT1 92% 79% 77% 86% 69% 76%

61

WARS, EPAS1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, LMAN1, ARF6, CDC40, CXCL9, CXCL10, FAS, PLK4, TRIM25, C1QBP, C17orf25, CA2, ME2, CXCL11, SLC4A4, RBM25, AK2, ATP5A1, CDC42BPA, AGPAT5, FLJ10534, DKFZp762E1312, SEC10L1, PBK, PSAT1, STAT1 77% 83% 85% 72% 85% 69%

62

HNRPD, WARS, STAT1, EIF4E, SFPQ, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, CXCL9, GTSE1, CXCL10, FAS, CHEK1, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, CXCL11, SLC4A4, RBM25, CDC42BPA, DDAH2, AGPAT5, FLJ13220, PBK, TRMT5, KLHL24, ETNK1 85% 76% 88% 83% 77% 69%

63

WARS, EIF4E, PRDX3, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, DCK, MAD2L1, CXCL10, TRIM25, C1QBP, NDUFA9, SLC25A11, C17orf25, HNRPD, ME2, CXCL11, IFT20, RBBP4, TLK1, SLC4A4, RBM25, AK2, CAMSAP1L1, SOCS6, FAS, FLJ10534, FLJ13220, PBK, BRIP1, ETNK1, STAT1 81% 83% 65% 83% 73% 72%

64

WARS, SFRS2, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, LMAN1, CXCL9, IRF8, RABIF, CXCL10, CHEK1, NDUFA9, ME2, FUT4, CXCL11, SLC4A4, RBM25, AK2, CAMSAP1L1, FAS, RBBP4, MARCH5, SEC10L1, PBK, PSAT1, HNRPD, TRMT5, KLHL24, STAT1 69% 79% 73% 83% 85% 83%

65

HMRPD, WARS, SFPQ, MTHFD2, PSME2, GMFB, DLGAP4, CTSS, LMAN1, ARF6, CDC40, SLC4A4, CXCL9, CXCL10, FAS, CHEK1, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, ME2, FUT4, GZMB, 85% 72% 88% 79% 77% 72%

IFT20, RBM25, CAMSAP1L1, BAZ1A, AGPAT5, SEC10L1, PBK, KLHL24, ETNK1, STAT1

66

HNRPD, WARS, SFRS2, STAT1, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, LMAN1, ARF6, IRF8, RABIF, CXCL10, PLK4, HNRPA3P1, SLC25A11, C1QBP, CA2, ME2, GZMB, CXCL11, RBM25, NUP210, ATP5A1, DDAH2, FAS, PSAT1, BRIP1, TRMT5, KLHL24, ETNK1 81% 76% 96% 69% 81% 66%

67

WARS, EPAS1, STAT1, EIF4E, SFPQ, PSME2, GMFB, DLGAP4, TYMS, CTSS, DCK, SLC4A4, CXCL9, CXCL10, C1QBP, NDUFA9, SLC25A11, C17orf25, CA2, ME2, FUT4, CXCL11, RBM25, AK2, NUP210, CAMSAP1L1 FAS, AGPAT5 FLJ13220, PBK, HNRPD, ETNK1 77% 83% 92% 79% 77% 69%

68

HNRPD, WARS, SFRS2, EIF4E, PRDX3, MTHFD2, GMFB, TYMS, TES, CDC40, SLC4A4, CXCL9, CXCL10, PLK4, HNRPA3P1, SLC25A11, C1QBP, NDUFA9, C17orf25, CA2, ME2, CXCL11, RBM25, NUP210, hCAP-D3, SOCS6, FAS, SEC10L1, PBK, TRMT5, KLHL24, STAT1 77% 76% 88% 79% 92% 79%

69

HNRPD, WARS, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, TES, CTSS, CXCL9, CXCL10, FAS, CHEK1, C1QBP, NDUFA9, SLC25A11, CA2, ME2, GZMB, TLK1, CXCL11, RBM25, BRRN1, MARCH5, FLJ13220, PBK, TRMT5, KLHL24, ETNK1, STAT1 81% 83% 92% 72% 77% 79%

70

HNRPD, WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, USP4, TES, LMAN1, CDC40, CXCL9, IRF8, CXCL10, KITLG, NDUFA9, SLC25A11, WHSC1, CA2, ME2, CXCL11, RBM25, AK2, CAMSAP1L1, FAS, SEC10L1, PBK, BRIP1, TRMT5, STAT1 81% 79% 85% 83% 85% 79%

71

HNRPD, WARS, PAICS, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, TES, CXCL9, CXCL10, FAS, TRIM25, C1QBP, SLC25A11, C17orf25, CA2, ME2, CXCL11,IFT20, RBBP4, RBM25, AK2, hCAP-D3, ATP5A1, BAZ1A, PBK, BRIP1, KLHL24, ETNK1, STAT1 85% 86% 88% 76% 81% 72%

72

WARS, SFRS2, EIF4E, PRDX3, MLTHFD2, PSME2, MCM6, GMFB, TYMS, USP4, CXCL9, GTSE1, RABIF, CXCL10, FAS, PLK4, CHEK1, SLC25A11, C1QBP, NDUFA9, C17orf25, CA2, ME2, FUT4, IFT20, RBBP4, SLC4A4, CXCL11, RBM25, hCAP-D3, FLJ10534, MARCH5, HNRPD, TRMT5, STAT1 81% 83% 85% 86% 88% 83%

73

HNRPD, WARS, EIF4E, PRDX3, PSME2, TK1, DLGAP4, TYMS, CTSS, LMAN1, ARF6, CXCL9, CXCL10, CHEK1, TRIM25, NDUFA9, KPNB1, SLC25A11, WHSC1, ME2, SLC4A4, RBM25, AK2, SFRS2, DDAH2, FAS, FLJ10534, MARCH5, FLJ13220, BRIP1, TRMT5, KLHL24, ETNK1, STAT1 73% 79% 81% 79% 77% 76%

74

WARS, SFRS2, EIF4E, MTHFD2, PSME2, DLGAP4, TYMS, USP4, TES, MAD2L1, SLC4A4, CXCL9, CXCL10, CHEK1, HNRPA3P1, TRIM25, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, IFT20, TLK1, CXCL11, RBM25, BRRN1, ATP5A1, FAS, AGPAT5, PBK, HNRPD, ETNK1, STAT1 92% 86% 81% 83% 88% 76%

75

HNRPD, WARS, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, LMAN1, CDC40, GTSE1, CXCL10, FAS, KITLG, C1QBP, NDUFA9, SLC25A11, CA2, ME2, CXCL11, GZMB, IFT20, TLK1, SLC4A4, RBM25, 85% 86% 88% 79% 85% 76%

hCAP-D3, BRRN1, DDAH2, MARCH5, FLJ13220, PBK, BRIP1, KLHL24, STAT1

76

HNRPD, WARS, EIF4E, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, TES, CTSS, LMAN1, CDC40, SLC4A4, IRF8, GTSE1, CXCL10, CHEK1, HNRPA3P1, TRIM25, NDUFA9, WHSC1, CA2, ME2, CXCL11, RBM25, NUP210, ATP5A1, CDC42BPA, SFRS2, FAS, MARCH5, SEC10L1, BRIP1, STAT1 85% 83% 88% 86% 85% 83%

77

HNRPD, WARS, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, ARF6, SLC4A4, CXCL10, PLK4, CHEK1, HNRPA3P1, KPNB1, SLC25A11, WHSC1, C17orf25, CA2, ME2, CXCL11, IFT20, RBBP4, TLK1, RBM25, CDC42BPA, SFRS2, FAS, AGPAT5, FLJ10534, SEC10L1, TRMT5, STAT1 96% 83% 92% 83% 88% 79%

78

WARS, SFRS2, STAT1, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, LMAN1, MAD2L1, SLC4A4, CXCL9, CXCL10, SLC25A11, C17orf25, CA2, ME2, FUT4, GZMB, CXCL11, RBM25, CAMSAP1L1, BRRN1, CDC42BPA, FAS, FLJ10534, SEC10L1, PBK, TRMT5, KLHL24 81% 83% 92% 76% 85% 76%

79

HNRPD, WARS, SFRS2, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, TES, CXCL9, CXCL10, FAS, KITLG, C1QBP, NDUFA9, C17orf25, CA2, ME2, RBM25, SOCS6, CDC42BPA, BAZ1A, AGPAT5, DKFZp762E1312, SEC10L1, FLJ13220, PSAT1, BRIP1, TRMT5, KLHL24, STAT1 81% 72% 88% 79% 88% 69%

80

WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, TK1, DLGAP4, TYMS, TES, CTSS, ARF6, CXCL9, CXCL10, FAS, HNRPA3P1, TRIM25, SLC25A11, C1QBP, NDUFA9, HNRPD, ME2, CXCL11, RBBP4, RBM25, AK2, AGPAT5, FLJ10534, DKFZp762E1312, SEC10L1, PBK, KLHL24, STAT1 85% 86% 81% 69% 69% 69%

81

EIF4E, SFPQ, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, CTSS, CXCL9, CXCL10, FAS, PLK4, NDUFA9, WHSC1, C17orf25, CA2, HNRPD, ME2, IFT20, RBM25, NUP210, CDC42BPA, DDAH2, BAZ1A, AGPAT5, FLJ10534, DKFZp762E1312, SEC10L1, FLJ13220, PBK, BRIP1, TRMT5, STAT1 81% 79% 85% 76% 81% 66%

82

WARS, SFRS2, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, LMAN1, DCK, CDC40, CXCL9, CXCL10, FAS, TRIM25, C1QBP, NDUFA9, SLC25A11, CA2, ME2, CXCL11, SLC4A4, RBM25, AK2, BRRN1, AGPAT5, DKFZp762E1312, FLJ13220, PBK 81% 90% 85% 76% 85% 72%

83

SFRS2, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, TES, CTSS, LMAN1, ARF6, CDC40, IRF8, CXCL10, CHEK1, C1QBP, SLC25A11, WHSC1, ME2, SLC4A4, CXCL11, RBM25, NUP210, FAS, FLJ10534, MARCH5, FLJ13220, PSAT1, HNRPD, BRIP1, TRMT5, KLHL24 65% 79% 77% 83% 77% 79%

84

HNRPD, WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, CTSS, ARF6, MAD2L1, CXCL10, TRIM25, KITLG, NDUFA9, WHSC1, CA2, ME2, GZMB, IFT20, CXCL11, RBM25, FAS, AGPAT5, MARCH5, PSAT1, BRIP1, TRMT5, STAT1 85% 83% 88% 76% 73% 72%

85

HNRPD, SFRS2, STAT1, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, USP4, CTSS, ARF6, SLC4A4, CXCL9, RABIF, CXCL10, FAS, TRIM25, KITLG, C1QBP, SLC25A11 WHSC1, CA2, ME2, GZMB, 88% 76% 92% 76% 81% 69%

RBBP4, CXCL11, RBM25, AGPAT5, MARCH5, SEC10L1, PBK, BRIP1, TRMT5

86

WARS, STAT1, EIF4E, MTHFD2, PSME2, DLGAP4, TYMS, USP4, LMAN1, CDC40, CXCL9, IRF8, CXCL10, PLK4, TRIM25, C1QBP, NDUFA9, SLC25A11, CA2, ME2, CXCL11, RBM25, ATP5A1, SFRS2, FAS, AGPAT5, MARCH5, FLJ13220, PBK, HNRPD, BRIP1, TRMT5, KTHL24, ETNK1 85% 76% 81% 83% 81% 76%

87

HNRPD, WARS, EPAS1, STAT1, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, SLC4A4, CXCL9, IRF8, GTSE1, RABIF, CXCL10, FAS, PLK4, HNRPA3P1, TRIM25, SLC25A11, C1QBP, NDUFA9, WHSC1, ME2, CXCL11, TLK1, RBM25, AK2, NUP210, BRRN1, ATP5A1, SFRS2, AGPAT5, FLJ10534, MARCH5, PSAT1, BRIP1, KLHL24 73% 79% 88% 83% 69% 72%

88

WARS, SFRS2, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, LMAN1, MAD2L1, CDC40, CXCL9, IRF8, CXCL10, FAS, CHEK1, NDUFA9, KPNB1, SLC25A11, WHSC1, C17orf25, CA2, ME2, CXCL11, IFT20, SLC4A4, RBM25, CDC42BPA, BAZ1A, AGPAT5, MARCH5, PBK, PSAT1, HNRPD, BRIP1, TRMT5, ETNK1 73% 83% 85% 79% 81% 72%

89

HNRPD, WARS, SFRS2, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, TYMS, USP4, CTSS, DCK, CDC40, SLC4A4, CXCL9, CXCL10, FAS, CHEK1, SLC25A11, C1QBP, NDUFA9, WHSC1, CA2, ME2, GZMB, RBBP4, RBM25, ATP5A1, SOCS6, AGPAT5, MARCH5, DKFZp762E1312, SEC10L1, PBK, BRIP1, TRMT5, KLHL24 77% 76% 88% 79% 85% 66%

90

WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, CTSS, SLC4A4, CXCL9, IRF8, GTSE1, CXCL10, PLK4, CHEK1, HNRPA3P1, KITLG, SLC25A11, C1QBP, NDUFA9, C17orf25, CA2, ME2, GZMB, CXCL11, RBM25, AK2, SOCS6, DDAH2, FAS, RBBP4, FLJ10534, MARCH5, DKFZp762E1312, PBK, HNRPD, BRIP1, KLHL24, STAT1 77% 79% 88% 76% 88% 76%

91

HNRPD, WARS, SFRS2, EPAS1, STAT1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, TES, DCK, ARF6, MAD2L1, CDC40, SLC4A4, CXCL9, RABIF, CXCL10, FAS, SLC25A11, C1QBP, NDUFA9, WHSC1, C17orf25, ME2, FUT4, CXCL11, IFT20, RBBP4, RBM25, CAMSAP1L1, SEC10L1, PBK, PSAT1, KLHL24 69% 83% 81% 79% 77% 76%

92

HNRPD, WARS, STAT1, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, CTSS, MAD2L1, SLC4A4, CXCL9, CXCL10, FAS, CHEK1, HNRPA3P1, SLC25A11, C1QBP, NDUFA9, WHSC1, CA2, ME2, GZMB, CXCL11, RBM25, AK2, CAMSAP1L1, DDAH2, BAZ1A, AGPAT5, SEC10L1, FLJ13220, PBK, BRIP1, TRMT5 77% 83% 92% 83% 77% 66%

93

HNRPD, WARS, SFRS2, EPAS1, STAT1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, CTSS, DCK, MAD2L1, CDC40, RABIF, CXCL10, FAS, PLK4, KITLG, SLC25A11, NDUFA9, WHSC1, CA2, ME2, CXCL11, IFT20, TLK1, RBM25, CDC42BPA, DDAH2, RBBP4, MARCH5, DKFZp762E1312, PBK, PSAT1, BRIP1, KLHL24, ETNK1 73% 83% 77% 79% 77% 76%

94

HNRPD, WARS, STAT1, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, TES, CTSS, DCK, ARF6, CDC40, CXCL9, IRF8, RABIF, CXCL10, FAS, HNRPA3P1, TRIM25, SLC25A11, NDUFA9, WHSC1, CA2, ME2, CXCL11, GZMB, IFT20, SLC4A4, SFRS2, AGPAT5, FLJ10534, MARCH5, PBK, BRIP1 88% 83% 85% 76% 85% 69%

95

WARS, SFRS2, STAT1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, CTSS, LMAN1, DCK, MAD2L1, CDC40, SLC4A4, CXCL9, IRF8, CXCL10, FAS, C1QBP, NDUFA9, WHSC1, CA2, ME2, CXCL11, IFT20, RBM25, hCAP-D3, ATP5A1, DDAH2, FLJ10534, MARCH5, DKFZp762E1312, SEC10L1, PBK, HNRPD, BRIP1, TRMT5, KLHL24 73% 79% 85% 83% 85% 79%

96

HNRPD, WARS, SFR52, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, TYMS, USP4, ARF6, CXCL9, CXCL10, FAS, PLK4, CHEK1, HNRPA3P1, SLC25A11, C1QBP, WHSC1, CA2, ME2, CXCL11, GZMB, IFT20, RBM25, NUP210, SOCS6, AGPAT5, MARCH5, SEC10L1, PBK, BRIP1, ETNK1 85% 86% 92% 76% 77% 69%

97

HNRPD, WARS, SFRS2, EPAS1, STAT1, EIF4E, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, TES, DCK, CDC40, SLC4A4, CXCL9, CXCL10, FAS, TRIM25, NDUFA9, SLC25A11, WHSC1, CA2, ME2, GZMB, IFT20, TLK1, CXCL11, RBM25, AK2, hCAP-D3, BRRN1, AGPAT5, MARCH5, FLJ13220, TRMT5, KLHL24 92% 90% 88% 76% 77% 66%

98

HNRPD, WARS, EIF4E, SFPQ, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, DCK, CDC40, SLC4A4, CXCL9, GTSE1, CXCL10, FAS, PLK4, CHEK1, KITLG, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, C17orf25, CA2, ME2, CXCL11, TLK1, RBM25, NUP210, RBBP4, AGPAT5, MARCH3, SEC10L1, FLJ13220, PBK, TRMT5, KLHL24, ETNK1, STAT1 73% 76% 92% 83% 81% 83%

99

WARS, EPAS1, PRDX3, MTHFD2, GMFB, DLGAP4, TYMS, USP4, CTSS, CDC40, SLC4A4, CXCL9, IRF8, RABIF, CXCL10, FAS, HNRPA3P1, TRIM25, SLC25A11, NDUFA9, WHSC1, C17orf25; HNRPD, ME2, FUT4, CXCL11, GZMB, RBM25, AK2, ATP5A1, CDC42BPA, SFRS2, BAZ1A, AGPAT5, MARCH5, FLJ13220, BRIP1, KLHL24, ETNK1, STAT1 85% 86% 92% 72% 77% 69%

100

HNRPD, WARS, SFRS2, PAICS, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, LMAN1, ARF6, MAD2L1, CDC40, SLC4A4, CXCL9, IRF8, GTSE1, CXCL10, HNRPA3P1, SLC25A11, C1QBP, NDUFA9, WHSC1, C17orf25, CA2, ME2, CXCL11, RBM25, hCAP-D3, CDC42BPA, FAS, AGPAT5, FLJ10534, MARCH5, DKFZp762E1312, SEC10L1, PBK, BRIP1, TRMT5, ETNK1, STAT1 77% 79% 88% 83% 88% 76%

101

HNRPD, WARS, STAT1, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, ARF6, CXCL9, IRF8, CXCL10, FAS, PLK4, HNRPA3P1, TRIM25, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, ME2, CXCL11, IFT20, RBBP4, TLK1, SLC4A4, RBM25, AK2, NUP210, CAMSAP1L1, DDAH2, AGPAT5, MARCH5, SEC10L1, KLHL24, ETNK1 73% 83% 88% 86% 85% 76%

102

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, DLGAP4, TYMS, USP4, CTSS, 85% 86% 81% 83% 85% 79%

ARF6, CDC40, CXCL10, FAS, PLK4, TRIM25, KITLG, SLC25A11, C1QBP, NDUPA9, WHSC1, C17orf25, CA2, ME2, IFT20, RBBP4, TLK1, SLC4A4, CXCL11, RBM25, AK2, BAZ1A, MARCH5, SEC10L1, FLJ13220, PBK, BRIP1, KLHL24, STAT1

103

WARS, SFRS2, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, USP4, LMAN1, DCK, SLC4A4, CXCL9, CXCL10, FAS, PLK4, TRIM25, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, HNRPD, ME2, GZMB, IFT20, TLK1, CXCL11, RBM25, RBBP4, MARCH5, PBK, PSAT1, BRIP1, TRMT5, KLHL24, ETNK1, STAT1 81% 86% 85% 76% 77% 76%

104

HNRPD, WARS, SFRS2, EIF4E, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, USP4, LMAN1, ARF6, CDC40, CXCL9, GTSE1, CXCL10, FAS, CHEK1, HNRPA3P1, SLC25A11, C1QBP, WHSC1, CA2, ME2, GZMB, IFT20, SLC4A4, CXCL11, RBM25, BAZ1A, AGPAT5, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, TRMT5, ETNK1, STAT1 85% 86% 88% 72% 77% 72%

105

WARS, PAICS, EIF4E, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, CTSS, MAD2L1, CDC40, SLC4A4, CXCL9, IRF8, RABIF, CXCL10, FAS, CHEK1, HNRPA3P1, TRIM25, NDUFA9, SLC25A11, CA2, HNRPD, ME2, CXCL11, IFT20, RBM25, AK2, CAMSAP1L1, BRRN1, SFRS2, DDAH2, RBBP4, SEC10L1, PBK, PSAT1, BRIP1, TRMT5, KLHL24, STAT1 88% 86% 81% 83% 81% 83%

106

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, LMAN1, DCK, SLC4A4, CXCL9, CXCL10, PLK4, HNRPA3P1, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, CXCL11, GZMB, IFT20, RBBP4, TLK1, RBM25, CAMSAP1L1, FAS, MARCH5, DKFZp762E1312, SEC10L1, PBK, STAT1 81% 90% 85% 83% 81% 76%

107

WARS, SFRS2, ERAS1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, MAD2L1, CDC40, SLC4A4, CXCL9, CXCL10, FAS, KITLG, C1QBP, NDUFA9, SLC25A11, ME2, CXCL11, IFT20, TLK1, RBM25, AK2, BRRN1, ATP5A1, CDC42BPA, RBBP4, AGPAT5, MARCH5, SEC10L1, PBK, HNRPD, BRIP1, TRMT5, ETNK1, STAT1 85% 83% 81% 86% 81% 72%

108

WARS, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, CTSS, LMAN1, CXCL9, GTSE1, RABIF, CXCL10, FAS, PLK4, SLC25A11, NDUFA9, KPNB1 HNRPD, ME2, FUT4, CXCL11, GZMB, IFT20, RBBP4, RBM25, CAMSAP1L1, hCAP-D3, SFRS2, DDAH2, AGPAT5, MARCH5, PBK, BRIP1, TRMT5, ETNK1, STAT1 81% 83% 85% 69% 73% 79%

109

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, CTSS, DCK, CDC40, RABIF, CXCL10, FAS, CHEK1, HNRPA3P1, TRIM25, KPNB1, SLC25A11, WHSC1, C17orf25, CA2, ME2, CXCL11, TLK1, RBM25, ATP5A1, CDC42BPA, FLJ10534, MARCH5, DKFZp762E1312, SEC10L1, PBK, PSAT1, KLHL24, STAT1 77% 79% 88% 79% 77% 72%

110

HNRPD, WARS, SFRS2, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, ARF6, MAD2L1, CDC40, CXCL9, GTSE1, CXCL10, FAS, PLK4, CHEK1, HNRPA3P1, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, ME2, CXCL11, 73% 79% 85% 83% 88% 83%

IFT20, TLK1, RBM25, ATP5A1, SOCS6, AGPAT5, SEC10L1, PBK, TRMT5, KLHL24

111

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, TYMS, TES, CTSS, MAD2L1, CXCL9, CXCL10, FAS, PLK4, CHEK1, SLC25A11, C1QBP, WHSC1, C17orf25, CA2, ME2, CXCL11, GZMB, TLK1, SLC4A4, RBM25, AK2, hCAP-D3, FLJ10534, SEC10L1, FLJ13220, PBK, BRIP1, KLHL24, STAT1 81% 90% 88% 83% 77% 76%

112

WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, TES, CTSS, MAD2L1, CXCL9, CXCL10, TRIM25, NDUFA9, KPNB1, SLC25A11, WHSC1, C17orf25, CA2, HNRPD, ME2, CXCL11, GZMB, TLK1, RBM25, AK2, CAMSAP1L1, BRRN1, CDC42BPA, DDAH2, FAS, MARCH5, SEC10L1, PBK, PSAT1, BRIP1, KLHL24, ETNK1, STAT1 96% 90% 81% 76% 77% 76%

113

HNRPD, WARS, SFRS2, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, GBP1, GMFB, DLGAP4, TYMS, USP4, LMAN1, DCK, ARF6, CDC40, CXCL9, CXCL10, FAS, PLK4, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, FUT4, TLK1, CXCL11, SLC4A4, RBM25, AK2, ATP5A1, AGPAT5, FLJ10534, MARCH5, SEC10L1, PBK, PSAT1 65% 76% 88% 76% 85% 83%

114

HNRPD, WARS, SFRS2, STAT1, MTHFD2, PSME2, MCM6, TK1, GMFB, TYMS, USP4, LMAN1, ARF6, CXCL10, FAS, PLK4, SLC25A11, C1QBP, NDUFA9, WHSC1, C17orf25, CA2, ME2, GZMB, RBBP4, CXCL11, RBM25, AK2, BRRN1, ATP5A1, CDC42BPA, DDAH2, BAZ1A, AGPAT5, MARCH5, SEC10L1, PBK, BRIP1 81% 76% 81% 79% 85% 62%

115

HNRPD, WARS, EPAS1, STAT1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, TK1, GMEB, DLGAP4, TYMS, TES, LMAN1, DCK, ARF6, CXCL9, IRF8, GTSE1, CXCL10, KITLG, NDUFA9, KPNB1, C17orf25, CA2, ME2, FUT4, CXCL11, GZMB, IFT20, TLK1, SLC4A4, RBM25, AK2, BRRN1, DDAH2, FAS, FLJ13220, PBK, PSAT1, BRIP1 81% 86% 81% 76% 81% 79%

116

WARS, SFRS2, EPAS1, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, TYMS, CTSS, ARF6, CDC40, CXCL9, CXCL10, FAS, HNRPA3P1, TRIM25, SLC25A11, NDUFA9, WHSC1, HNRPD, ME2, FUT4, CXCL11, SLC4A4, RBM25, CAMSAP1L1, hCAP-D3, DDAH2, MARCH5, FLJ13220, PBK, PSAT1, TRMT5, ETNK1, STAT1 81% 79% 73% 90% 73% 69%

117

WARS, SFRS2, EPAS1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, CTSS, LMAN1, ARF6, MAD2L1, CDC40, SLC4A4, CXCL9, CXCL10, FAS, PLK4, HNRPA3P1, TRIM25, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, CXCL11, GZMB, IFT20, TLK1, RBM25, ATP5A1, RBBP4, AGPAT5, PSAT1, HNRPD, KLHL24, STAT1 92% 90% 88% 79% 81% 72%

118

WARS, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, DLGAP4, TYMS, DCK, ARF6, MAD2L1, CDC40, CXCL9, IRF8, GTSE1, RABIF, CXCL10, FAS, CHEK1, TRIM25, C1QBP, NDUFA9, KPNB1, SLC25A11, WHSC1, C17orf25, CA2, ME2, GZMB, IFT20, TLK1, CXCL11, RBM25, AK2, SFRS2, BAZ1A, SEC10L1, FLJ13220, PBK, PSAT1, HNRPD, BRIP1, 77% 90% 88% 76% 73% 79%

61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94

KLHL24, STAT1

119

HNRPD, WARS, SFRS2, EPAS1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, DCK, CDC40, CXCL9, CXCL10, PLK4, CHEK1, KITLG, C1QBP, NDUFA9, KPMB1, SLC25A11, WHSC1, CA2, ME2, FUT4, CXCL11, RBM25, AK2, hCAP-D3, BRRN1, FAS, AGPAT5, FLJ10534, MARCH5, SEC10L1, PBK, TRMT5, KLHL24, ETNK1, STAT1 77% 76% 92% 83% 92% 76%

120

WARS, SFRS2, EPAS1, EIF4E, SFPQ, MTHFD2, PSME2, GMFB, TYMS, USP4, CTSS, LMAN1, DCK, MAD2L1, CDC40, SLC4A4, CXCL9, CXCL10, FAS, KITLG, SLC25A11, C1QBP, NDUFA9, CA2, ME2, IFT20, CXCL11, RBM25, AK2, CAMSAP1L1, hCAP-D3, ATP5A1, CDC42BPA, BAZ1A, AGPAT5, SEC10L1, PBK, HNRPD, BRIP1, KLHL24, STAT1 81% 86% 88% 83% 85% 72%

121

HNRPD, WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, LMAN1, MAD2L1, CDC40, CXCL9, CXCL10, CHEK1, TRIM25, SLC25A11, WHSC1, CA2, ME2, CXCL11, IFT20, RBBP4, SLC4A4, RBM25, AK2, NUP210, hCAP-D3, DDAH2, FAS, BAZ1A, FLJ10534, FLJ13220, PBK, BRIP1, TRMT5, ETNK1, STAT1 85% 90% 88% 90% 85% 76%

122

HNRPD, WARS, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, CTSS, LMAN1, CDC40, CXCL9, CXCL10, FAS, PLK4, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, ME2, CXCL11, RBM25, hCAP-D3, BRRN1, ATP5A1, CDC42BPA, FLJ10534, MARCH5, SEC10L1, FLJ13220, PBK, BRIP1, TRMT5, KLHL24, ETNK1 69% 76% 77% 86% 69% 69%

123

WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, LMAN1, ARF6, CDC40, CXCL9, IRF8, CXCL10, FAS, PLK4, CHEK1, HNRPA3P1, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, HNRPD, ME2, SLC4A4, CXCL11, RBM25, AK2, NUP210, AGPAT5, FLJ10534, MARCH5, DKFZp762E1312, PSAT1, BRIP1, TRMT5, STAT1 73% 83% 85% 76% 81% 79%

124

WARS, SFRS2, EPAS1, PAICS, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, CDC40, CXCL9, CXCL10, FAS, PLK4, HNRPA3P1, KITLG, C1QBP, NDUFA9, WHSC1, CA2, HNRPD, ME2, FUT4, CXCL11, GZMB, SLC4A4, RBM25, AK2, BRRN1, ATP5A1, AGPAT5, MARCH5, SEC10L1, FLJ13220, PBK, TRMT5, KLHL24, ETNK1, STAT1 77% 76% 92% 76% 85% 72%

125

WARS, SFRS2, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, TES, CTSS, MAD2L1, CXCL9, IRF8, GTSE1, CXCL10, PLK4, CHEK1, TRIM25, NDUFA9, SLC25A11, C17orf25, CA2, HNRPD, ME2, CXCL11, IFT20, TLK1, RBM25, BRRN1, FAS, AGPAT5, FLJ10534, SEC10L1, FLJ13220, PBK, BRIP1, KLHL24 85% 86% 92% 86% 88% 83%

126

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, TES, LMAN1, ARF6, MAD2L1, CXCL9, GTSE1, CXCL10, FAS, HNRPA3P1, NDUFA9, KPNB1, SLC25A11, CA2, ME2, CXCL11, TLK1, SLC4A4, RBM25, BRRN1, AGPAT5, MARCH5, DKFZp762E1312, SEC10L1, PBK, BRIP1, KLHL24, 77% 83% 88% 86% 85% 72%

STAT1

127

WARS, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, TES, LMAN1, CDC40, CXCL9, IRF8, CXCL10, PLK4, CHEK1, TRIM25, C1QBP, NDUFA9, SLC25A11, WHSC1, ME2, FUT4, CXCL11, TLK1, SLC4A4, RBM25, AK2, CAMSAP1L1, BRRN1, ATP5A1, SFRS2, FAS, SEC10L1, FLJ13220, PBK, PSAT1, TRMT5, KLHL24, STAT1 73% 83% 73% 90% 73% 86%

128

HNRPD, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, DCK, ARF6, MAD2L1, CDC40, CXCL9, IRF8, CXCL10, FAS, CHEK1, SLC25A11, C1QBP, NDUFA9, WHSC1, CA2, ME2, CXCL11, TLK1, SLC4A4, RBM25, AK2, BRRN1, SOCS6, DDAH2, RBBP4, FLJ10534, MARCH5, FLJ13220, PBK, BRIP1, ETNK1, STAT1 69% 83% 77% 83% 85% 76%

129

WARS, SFRS2, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, CTSS, LMAN1, DCK, CDC40, SLC4A4, CXCL9, IRF8, CXCL10, FAS, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, RBM25, NUP210, CDC42BPA, AGPAT5, SEC10L1, FLJ13220, HNRPD, BRIP1, KLHL24, ETNK1 73% 76% 92% 79% 85% 72%

130

HNRPD, WARS, SFRS2, EPAS1, PAICS, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, CTSS, CXCL9, IRF8, RABIF, CXCL10, FAS, PLK4, CHEK1, TRIM25, KITLG; SLC25A11, C1QBP, NDUFA9, CA2, ME2, CXCL11, RBBP4, SLC4A4, RBM25, AK2, AGPAT5, FLJ10534, FLJ13220, PBK, TRMT5, KLHL24, STAT1 85% 83% 92% 72% 88% 76%

131

WARS, SFRS2, PRDX3, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, CTSS, ARF6, CDC40, CXCL9, CXCL10, FAS, HNRPA3P1, TRIM25, KITLG, C1QBP, NDUFA9, KPNB1, SLC25A11, WHSC1, C17orf25, CA2, HNRPD, ME2, CXCL11, TLK1, SLC4A4, RBM25, AK2, hCAP-D3, BRRN1, SOCS6, DDAH2, RBBP4, AGPAT5, PBK, BRIP1, STAT1 85% 83% 92% 86% 88% 79%

132

HNRPD, WARS, SFRS2, EIF4E, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, USP4, CTSS, LMAN1, CDC40, CXCL9, CXCL10, PLK4, HNRPA3P1, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, ME2, CXCL11, GZMB, IFT20, SLC4A4, RBM25, AK2, ATP5A1, FAS, RBBP4, BAZ1A, MARCH5, DKFZp762E1312, SEC10L1, FLJ13220, PBK, TRMT5, KLHL24, STAT1 77% 83% 88% 76% 85% 76%

133

WARS, SFRS2, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, TES, LMAN1, ARF6, CDC40, CXCL9, RABIF, CXCL10, FAS, PLK4, TRIM25, C1QBP, NDUFA9, SLC25A11, CA2, HNRPD, ME2, CXCL11, RBBP4, TLK1, RBM25, CDC42BPA, BAZ1A, AGPAT5, MARCH5, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1 77% 83% 88% 76% 85% 79%

134

WARS, SFRS2, EPAS1, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, CTSS, LMAN1, ARF6, MAD2L1, CDC40, IRF8, GTSE1, CXCL10, KITLG, C1QBP, NDUFA9, KPNB1, SLC25A11, WHSC1, ME2, CXCL11, RBBP4, TLK1, SLC4A4, RBM25, AK2, BRRN1, ATP5A1, CDC42BPA, DDAH2, FAS, MARCH5, SEC10L1, FLJ13220, PBK, HNRPD, BRIP1, STAT1 81% 86% 77% 93% 81% 79%

135

WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, CTSS, LMAN1, DCK, CDC40, CXCL9, IRF8, CXCL10, FAS, PLK4, HNRPA3P1, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, ME2, FUT4, CXCL11, GZMB, SLC4A4, RBM25, AK2, ATP5A1, DDAH2, FLJ10534, PBK, HNRPD, BRIP1, ETNK1, STAT1 77% 90% 88% 72% 85% 79%

136

WARS, SFRS2, STAT1, PRDX3, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, TES, LMAN1, ARF6, CDC40, CXCL9, CXCL10, FAS, PLK4, HNRPA3P1, TRIM25, KITLG, SLC25A11, C1QBP, NDUFA9, KPNB1, C17orf25, CA2, ME2, IFT20, RBBP4, CXCL11, RBM25, AK2, hCAP-D3, ATP5A1, CDC42BPA, BAZ1A, AGPAT5, PBK, BRIP1, KLHL24 81% 79% 85% 79% 81% 69%

137

WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, TK1, DLGAP4, TYMS, TES, LMAN1, ARF6, CDC40, CXCL9, CXCL10, FAS, KITLG, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, CA2, ME2, IFT20, RBBP4, TLK1, CXCL11, SLC4A4, RBM25, AK2, CDC42BPA, MARCH5, SEC10L1, FLJ13220, PBK, PSAT1, HNRPD, BRIP1, TRMT5, KLHL24, STAT1 85% 83% 81% 83% 73% 72%

138

WARS, SFRS2, EPAS1, STAT1, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, USP4, CTSS, LMAN1, ARF6, CXCL9, IRF8, CXCL10, CHEK1, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, CXCL11, SLC4A4, RBM25, AK2, BRRN1, CDC42BPA, FAS, BAZ1A, AGPAT5, FLJ10534, MARCH5, PBK, PSAT1, HNRPD, TRMT5, KLHL24 73% 76% 85% 83% 81% 76%

139

WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, LMAN1, ARF6, CXCL9, CXCL10, PLK4, HNRPA3P1, TRIM25, KITLG, C1QBP, NDUFA9, KPNB1, SLC25A11, WHSC1, C17orf25, HNRPD, ME2, FUT4, CXCL11, GZMB, RBM25, AK2, hCAP-D3, BRRN1, ATP5A1, FAS, AGPAT5, SEC10L1, FLJ13220, PSAT1, TRMT5, ETNK1, STAT1 85% 76% 85% 79% 77% 69%

140

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, GBP1, GMFB, DLGAP4, TYMS, TES, CTSS, LMAN1, SLC4A4, CXCL9, CXCL10, FAS, PLK4, CHEK1, TRIM25, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, GZMB, RBM25, hCAP-D3, ATP5A1, AGPAT5, FLJ10534, PBK, PSAT1, BRIP1, TRMT5, STAT1 81% 90% 85% 79% 81% 72%

141

WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, USP4, MAD2L1, CDC40, CXCL9, IRF8, CXCL10, PLK4, HNRPA3P1, TRIM25, SLC25A11, NDUFA9, WHSC1, C17orf25, ME2, FUT4, CXCL11, IFT20, SLC4A4, RBM25, AK2, CAMSAP1L1, hCAP-D3, BRRN1, FAS, BAZ1A, AGPAT5, MARCH5, SBC10L1, FLJ13220, PSAT1, HNRPD, BRIP1, TRMT5, STAT1 85% 83% 88% 83% 73% 79%

142

WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, LMAN1, CDC40, SLC4A4, CXCL9, RABIF, CXCL10, PLK4, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, HNRPD, ME2, CXCL11, IFT20, RBM25, hCAP-D3, ATP5A1, SOCS6, CDC42BPA, FAS, RBBP4, BAZ1A, DKFZp762E1312, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, STAT1 77% 83% 81% 83% 85% 79%

143

HNRPD, WARS, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, TES, CTSS, CDC40, CXCL9, IRF8, CXCL10, PLK4, HNRPA3P1, KITLG, NDUFA9, KPNB1, SLC25A11, WHSC1, C17orf25, CA2, ME2, FUT4, CXCL11, SLC4A4, RBM25, hCAP-D3, DDAH2, FAS, RBBP4, AGPAT5, FLJ13220, PBK, BRIP1, TRMT5, KLHL24 73% 72% 88% 79% 92% 76%

144

WARS, SFRS2, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, TES, CDC40, CXCL9, CXCL10, FAS, CHEK1, NDUFA9, KPNB1, WHSC1, CA2, ME2, GZMB, TLK1, RBM25, AK2, CAMSAP1L1, hCAP-D3, FLJ10534, DKFZp762E1312, FLJ13220, HNRPD, STAT1 73% 79% 85% 79% 69% 76%

145

HNRPD, WARS, SFRS2, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, LMAN1, DCK, ARF6, CDC40, CXCL9, CXCL10, PLK4, TRIM25, C1QBP, KPNB1, SLC25A11, C17orf25, ME2, CXCL11, RBM25, hCAP-D3, DDAH2, FAS, MARCH5, STAT1 77% 79% 81% 86% 81% 83%

146

WARS, STAT1, EIF4E, MTHFD2, PSME2, DLGAP4, TYMS, ARF6, CXCL9, CXCL10, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, HNRPD, ME2, CXCL11, SLC4A4, RBM25, hCAP-D3, SOCS6, CDC42BPA, FAS 81% 79% 88% 79% 85% 69%

147

HNRPD, WARS, EPAS1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, ARF6, CDC40, SLC4A4, CXCL9, CXCL10, HNRPA3P1, NDUFA9, SLC25A11, CA2, ME2, TLK1, CXCL11, RBM25, ATP5A1, SFRS2, FAS, MARCH5, SEC10L1, PBK, TRMT5, STAT1 88% 83% 92% 83% 85% 83%

148

WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, TYMS, TES, LMAN1, ARF6, CXCL9, CXCL10, FAS, HNRPA3P1, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, CXCL11, RBM25, SEC10L1, HNRPD, KLHL24, ETNK1, STAT1 73% 83% 88% 79% 85% 72%

149

WARS, EIF4E, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, USP4, LMAN1, ARF6, MAD2L1, CDC40, CXCL10, HNRPA3P1, NDUFA9, C17orf25, ME2, CXCL11, SLC4A4, RBM25, AK2, CDC42BPA, DDAH2, FAS, RBBP4, BAZ1A, AGPAT5, HNRPD, BRIP1, TRMT5, STAT1 77% 79% 85% 76% 88% 79%

150

WARS, SFRS2, EIF4E, PRDX3, PSME2, GMFB, DLGAP4, CXCL9, IRF8, CXCL10, FAS, PLK4, CHEK1, TRIM25, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, CXCL11, RBM25, FLJ10534, SEC10L1, BRIP1, TRMT5, STAT1 85% 83% 88% 86% 85% 79%

151

WARS, SFRS2, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, CTSS, DCK, SLC4A4, CXCL9, CXCL10, FAS, TRIM25, SLC25A11, C1QBP, NDUFA9, WHSC1, CA2, ME2, CXCL11, TLK1, RBM25, AK2, CDC42BPA, SEC10L1, FLJ13220, KLHL24, STAT1 100% 97% 85% 86% 81% 72%

152

WARS, STAT1, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, DCK, MAD2L1, CDC40, CXCL9, IRF8, RABIF, CXCL10, KITLG, SLC25A11, NDUFA9, ME2, IFT20, TLK1, CXCL11, RBM25, AK2, FAS, AGPAT5, DKFZp762E1312, SEC10L1, PSAT1, HNRPD, TRMT5 85% 90% 81% 86% 65% 86%

153

WARS, EPAS1, EIF4E, PRDX3, MTHFD2, GMFB, DLGAP4, TYMS, DCK, CDC40, CXCL9, CXCL10, FAS, PLK4, CHEK1, C1QBP, SLC25A11, CA2, ME2, 69% 86% 85% 86% 88% 79%

FUT4, IFT20, SLC4A4, RBM25, SFRS2, DDAH2, PBK, HNRPD, KLHL24, ETNK1, STAT1

154

HNRPD, WARS, STAT1, EIF4E, PRDX3, PSME2, GMFB, DLGAP4, TYMS, TES, MAD2L1, CXCL9, IRF8, CXCL10, HNRPA3P1, C1QBP, NDUFA9, SLC25A11, ME2, FUT4, IFT20, hCAP-D3, SOCS6, DDAH2, FAS, BAZ1A, PBK, KLHL24 88% 83% 81% 83% 85% 72%

155

SFRS2, EPAS1, EIF4E, PRDX3, PSME2, GMFB, TYMS, TES, LMAN1, SLC4A4, CXCL9, GTSE1, CXCL10, C1QBP, NDUFA9, SLC25A11, CA2, ME2, TLK1, RBM25, CDC42BPA, FAS, FLJ10534, MARCH5, SEC10L1, PBK, HNRPD, TRMT5, KLHL24, ETNK1, STAT1 92% 83% 88% 83% 77% 72%

156

WARS, STAT1, EIF4E, PRDX3, MTHFD2, GMFB, DLGAP4, TYMS, USP4, ARF6, CDC40, CXCL9, IRF8, CXCL10, FAS, PLK4, HNRPA3P1, KITLG, C1QBP, SLC25A11, ME2, FUT4, RBM25, DDAH2, RBBP4, AGPAT5, PBK, HNRPD, TRMT5, KLHL24 81% 83% 88% 79% 92% 79%

157

HNRPD, WARS, SFPQ, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, SLC4A4, CXCL9, CXCL10, FAS, HNRPA3P1, KITLG, SLC25A11, NDUFA9, CA2, ME2, IFT20, CXCL11, RBM25, BAZ1A, AGPAT5, SEC10L1, PBK, BRIP1, STAT1 92% 86% 85% 69% 85% 69%

158

WARS, SFRS2, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, ARF6, CXCL9, IRF8, CXCL10, PLK4, TRIM25, NDUFA9, WHSC1, C17orf25, CA2, ME2, CXCL11, RBBP4, TLK1, SLC4A4, RBM25, NUP210, FAS, AGPAT5, MARCH5, SEC10L1, HNRPD, STAT1 69% 83% 92% 86% 88% 83%

159

WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, LMAN1, ARF6, CDC40, CXCL9, CXCL10, CA2, HNRPD, ME2, CXCL11, SLC4A4, RBM25, CDC42BPA, FAS, BAZ1A, AGPAT5, FLJ13220, BRIP1, KLHL24, STAT1 77% 76% 88% 79% 85% 66%

160

WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, LMAN1, ARF6, CDC40, CXCL9, CXCL10, PLK4, NDUFA9, C17orf25, ME2, CXCL11, SLC4A4, RBM25, FAS, BAZ1A, DKFZp762E1312, SEC10L1, PBK, PSAT1, HNRPD, STAT1 77% 76% 77% 83% 77% 79%

161

EIF4E, PSME2, GMFB, DLGAP4, TYMS, DCK, CDC40, CXCL9, CXCL10, FAS, TRIM25, KITLG, NDUFA9, SLC25A11, WHSC1, C17orf25, HNRPD, ME2, CXCL11, IFT20, SLC4A4, RBM25, AK2, AGPAT5, MARCH5, SEC10L1, FLJ13220, KLHL24, STAT1 92% 86% 85% 79% 88% 72%

162

HNRPD, WARS, EPAS1, EIF4E, PRDX3, PSME2, TK1, GMFB, DLGAP4, TYMS, CTSS, CDC40, CXCL10, C1QBP, SLC25A11, C17orf25, MB2, CXCL11, SLC4A4, RBM25, CAMSAP1L1, CDC42BPA, FAS, MARCH5, SEC10L1, FLJ13220, PBK, BRIP1, KLHL24, STAT1 81% 79% 85% 72% 85% 76%

163

WARS, SFRS2, EIF4E, MTHFD2, PSME2, TK1, DLGAP4, TYMS, USP4, TES, DCK, CDC40, CXCL10, CHEK1, HNRPA3P1, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, RBBP4, SLC4A4, RBM25, FAS, SEC10L1, FLJ13220, BRIP1, TRMT5, STAT1 69% 86% 81% 83% 81% 79%

164

HNRPD, WARS, MTHFD2, TK1, GMFB, DLGAP4, TYMS, LMAN1, CDC40, GTSE1, CXCL10, CHEK1, NDUFA9, SLC2SA11, WHSC1, C17orf25, CA2, ME2, 81% 83% 92% 79% 81% 83%

FUT4, CXCL11, RBBP4, RBM25, AK2, BRRN1, FAS, AGPAT5, MARCH5, PBK, BRIP1, STAT1

165

WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, DCK, CXCL9, CXCL10, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, ME2, CXCL11, SLC4A4, RBM25, CDC42BPA, FAS, AGPAT5, SEC10L1, HNRPD, BRIP1, TRMT5, STAT1 73% 83% 88% 79% 88% 76%

166

WARS, EIF4E, MTHFD2, PSME2, GMFB, TYMS, TES, CDC40, IRF8, RABIF, CXCL10, PLK4, TRIM25, SLC25A11, WHSC1, C17orf25, CA2, ME2, TLK1, CXCL11, SLC4A4, RBM25, CDC42BPA, FAS, RBBP4, SEC10L1, PBK, HNRPD, BRIP1, TRMT5, STAT1 73% 76% 81% 83% 77% 76%

167

WARS, SFRS2, MTHFD2, PSME2, TK1, DLGAP4, TYMS, DCK, CDC40, CXCL9, CXCL10, FAS, CHEK1, TRIM25, C1QBP, SLC25A11, WHSC1, CA2, ME2, CXCL11, GZMB, IFT20, SLC4A4, RBM25, hCAP-D3, DDAH2, SEC10L1, FLJ13220, PBK, KLHL24, STAT1 88% 93% 85% 76% 88% 72%

168

WARS, SFRS2, EIF4E, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, LMAN1, DCK, CDC40, CXCL9, CXCL10, FAS, NDUFA9, WHSC1, HNRPD, ME2, SLC4A4, CXCL11, RBM25, NUP210, hCAP-D3, SEC10L1, PSAT1, KLHL24, STAT1 73% 79% 81% 86% 85% 76%

169

SFRS2, EIF4E, PRDX3, MTHFD2, GMFB, DLGAP4, TYMS, USP4, LMAN1, DCK, ARF6, CDC40, CXCL9, RABIF, CXCL10, KITLG, C1QBP, SLC25A11, C17orf25, CA2, ME2, CXCL11, SLC4A4, RBM25, CAMSAP1L1, FAS, HNRPD, BRIP1, STAT1 73% 79% 85% 86% 88% 76%

170

WARS, SFRS2, PAICS, EIF4E, PSME2, GMFB, DLGAP4, TYMS, ARF6, MAD2L1, SLC4A4, CXCL9, IRF8, CXCL10, FAS, NDUFA9, WHSC1, CA2, ME2, CXCL11, TLK1, RBM25, AK2, AGPAT5, MARCH5, FLJ13220, TRMT5, STAT1 85% 83% 88% 83% 77% 76%

171

SFRS2, EPAS1, EIF4E, MTHFD2, GBP1, GMFB, CTSS, LMAN1, CDC40, CXCL9, CXCL10, FAS, CHEK1, SLC25A11, C1QBP, C17orf25, CA2, ME2, IFT20, CXCL11, RBM25, BRRN1, ATP5A1, RBBP4, HNRPD, BRIP1, STAT1 88% 86% 85% 86% 77% 79%

172

WARS, SFRS2, EIF4E, MTHFD2, PSAM2, TK1, GMFB, DLGAP4, TYMS, CTSS, CDC40, SLC4A4, CXCL10, KITLG, SLC25A11, C1QBP, NDUFA9, CA2, DNRPD, ME2, FUT4, CXCL11, RBM25, ATP5A1, FAS, RBBP4, BRIP1, TRMT5, STAT1 81% 79% 96% 86% 88% 83%

173

WARS, SFRS2, EIF4E, MTHFD2, PSME2, GMFB, TYMS, TES, LMAN1, DCK, CXCL9, CXCL10, KITLG, KPNB1, SLC25A11, ME2, CXCL11, IFT20, TLK1, RBM25, CDC42BPA, FAS, BAZ1A, FLJ10534, MARCH5, SEC10L1, HNRPD, BRIP1, TRMT5, STAT1 77% 79% 77% 86% 73% 86%

174

HNRPD, WARS, SFRS2, EPAS1, EIF4E, MTHFD2, TK1, GMFB, DLGAP4, TYMS, LMAN1, CDC40, SLC4A4, CXCL9, IRF8, RABIF, CXCL10, SLC25A11, NDUFA9, CA2, ME2, CXCL11, RBBP4, RBM25, NUP210, FAS, SEC10L1, PBK, STAT1 85% 79% 88% 83 85% 86%

175

HNRPD, WARS, EPAS1, PRDX3, MTHFD2, PSME2, DLGAP4, TYMS, CDC40, IRF8, CXCL10, FAS, SLC25A11, C1QBP, CA2, ME2, GZMB, IFT20, SLC4A4, AK2, NUP210, RBBP4, AGPAT5, MARCH5, 85% 90% 88% 83% 85% 72%

FLJ13220, STAT1

176

HNRPD, WARS, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, CXCL9, CXCL10, FAS, C1QBP, NDUFA9, SLC25A11, CA2, ME2, RBBP4, SLC4A4, CXCL11, RBM25, ATP5A1, DDAH2, BAZ1A, PBK, BRIP1, STAT1 81% 79% 88% 76% 88% 79%

177

HNRPD, WARS, SFRS2, EPAS1, STAT1, EIF4E, PRDX3, PSME2, DLGAP4, TYMS, TES, LMAN1, CDC40, CXCL10, FAS, C1QBP, NDUFA9, SLC25A11, CA2, ME2, GZMB, IFT20, CXCL11, SLC4A4, RBM25, AK2, AGPAT5, DKFZp762E1312, SEC10L1, BRIP1, KLHL24 96% 93% 92% 76% 88% 76%

178

WARS, EIF4E, PRDX3, MTHFD2, TK1, GMFB, TYMS, CDC40, CXCL9, IRF8, CXCL10, FAS, CHEK1, TRIM25, SLC25A11; NDUFA9, CA2, ME2, IFT20, RBM25, AK2, AGPAT5, MARCH5, SEC10L1, FLJ13220, PBK, HNRPD, STAT1 85% 83% 88% 79% 88% 72%

179

WARS, EIF4E, PRDX3, MTHFD2, GBP1, GMFB, DLGAP4, TYMS, USP4, IRF8, CXCL10, FAS, TRIM25, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, HNRPD, ME2, GZMB, TLK1, CXCL11, RBM25, DKFZp762E1312, PSAT1, BRIP1, TRMT5, KLHL24, STAT1 85% 86% 88% 76% 81% 76%

180

WARS, EPAS1, STAT1, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, LMAN1, CXCL9, IRF8, CXCL10, C1QBP, NDUFA9, SLC25A11, WHSC1, HNRPD, ME2, CXCL11, IFT20, TLK1, SLC4A4, CDC42BPA, SFRS2, FAS, PSAT1 92% 90% 88% 79% 73% 76%

181

WARS, EIF4E, PSME2, TK1, GMFB, DLGAP4, TYMS, LMAN1, CDC40, CXCL9, FAS, PLK4, C1QBP, CA2, HNRPD, ME2, CXCL11, RBM25, RBBP4, SEC10L1, FLJ13220, PBK, BRIP1, TRMT5, KLHL24, ETNK1, STAT1. 77% 79% 81% 79% 85% 76%

182

WARS, SFRS2, EIF4E, MTHFD2, GMFB, DLGAP4, TYMS, LMAN1, CDC40, CXCL9, IRF8, GTSE1, CXCL10, HNRPA3P1, SLC25A11, NDUFA9, CA2, HNRPD, ME2, RBBP4, SLC4A4, RBM25, BRRN1, FAS, BAZ1A, BRIP1, STAT1 88% 83% 85% 83% 77% 86%

183

HNRPD, WARS, EPAS1, EIF4E, MTHFD2, TK1, GMFB, DLGAP4, LMAN1, ARF6, MAD2L1, CDC40, CXCL9, CXCL10, HNRPA3P1, TRIM25, CIQBP, NDUFA9, SLC25A11, WHSC1, C17orf25, ME2, CXCL11, SLC4A4, RBM25, DDAH2, FAS, ETNK1, STAT1 88% 90% 81% 86% 81% 79%

184

HNRPD, WARS, PAICS, MTHFD2, PSME2, DLGAP4, TYMS, USP4, CXCL9, CXCL10, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, ME2, CXCL11, SLC4A4, RBM25, NUP210, ATP5A1, CDC42BPA, FAS, MARCH5, DKFZp762E1312, SBC10L1, PBK, BRIP1, STAT1 73% 83% 77% 69% 69% 69%

185

HNRPD, WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, DCK, MAD2L1, CXCL9, CXCL10, FAS, PLK4, TRIM25, KITLG, SLC25A11, WHSC1, ME2, FUT4, CXCL11, SLC4A4, RBM25, NUP210, DDAH2, RBBP4, BAZ1A, AGPAT5, FLJ10534, MARCH5, DKFZp762E1312, SEC10L1, PSAT1, BRIP1, TRMT5, STAT1 81% 86% 81% 86% 73% 83%

186

WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, GMFB, TYMS, LMAN1, ARF6, CDC40, CXCL9, IRF8, RABIF, CXCL10, FAS, PLK4, 85% 79% 85% 79% 73% 76%

C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, ME2, FUT4, CXCL11, IFT20, SLC4A4, RBM25, AK2, SOCS6, MARCH5, SEC10L1, FLJ13220, PBK, HNRPD, BRIP1, TRMT5, STAT1

187

HNRPD, WARS, SFRS2, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, TES, LMAN1, ARF6, CDC40, SLC4A4, CXCL9, RABIF, CXCL10, FAS, PLK4, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, ME2, CXCL11, TLK1, RBM25, ATP5A1, CDC42BPA, RBBP4, AGPAT5, SEC10L1, FLJ13220, PSAT1, BRIP1, STAT1 77% 83% 85% 79% 81% 79%

188

HNRPD, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, CTSS, LMAN1, ARF6, MAD2L1, CDC40, CXCL9, CXCL10, FAS, PLK4, NDUFA9, WHSC1, C17orf25, CA2, ME2, CXCL11, GZMB, TLK1, SLC4A4, RBM25, AK2, NUP210, hCAP-D3, DDAH2, RBBP4, PBK, BRIP1, STAT1 77% 86% 85% 83% 85% 76%

189

WARS, EIF4E, PRDX3, MTHFD2, GMFB, DLGAP4, TYMS, USP4, CTSS, ARF6, CDC40, SLC4A4, CXCL9, CXCL10, FAS, SLC25A11, CIQBP, NDUFA9, WHSC1, C17orf25, CA2, ME2, FUT4, CXCL11, GZMB, TLK1, RBM25, NUP210, CDC42BPA, AGPAT5, MARCH5, SEC10L1, PBK, HNRPD, TRMT5, KLHL24, STAT1 77% 79% 96% 79% 85% 72%

190

HNRPD, WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, GBP1, DLGAP4, TYMS, TES, LMAN1, ARF6, CDC40, CXCL9, IRF8, CXCL10, FAS, TRIM25, SLC25A11, NDUFA9, WHSC1, CA2, ME2, TLK1, CXCL11, SLC4A4, RBM25, AK2, hCAP-D3, DDAH2, FLJ10534, SBC10L1, BRIP1, STAT1 92% 79% 85% 83% 69% 79%

191

WARS, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, DLGAP4, TYMS, TES, LMAN1, CDC40, CXCL9, IRF8, RABIF, CXCL10, FAS, SLC25A11, C1QBP, NDUFA9, WHSC1, CA2, ME2, CXCL11, SLC4A4, RBM25, AK2, hCAP-D3, SOCS6, CDC42BPA, FLJ10534, DKFZp762E1312, SEC10L1, FLJ13220, PBK, HNRPD, TRMT5, STAT1 77% 83% 85% 76% 85% 79%

192

WARS, SFRS2, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, CTSS, CDC40, CXCL9, CXCL10, PLK4, KITLG, SLC25A11, C1QBP, NDUFA9, C17orf25, CA2, ME2, CXCL11, IFT20, RBM25, hCAP-D3, ATP5A1, FAS, FLJ10534, MARCH5, SEC10L1, PBK, HNRPD, BRIP1, TRMT5 73% 86% 85% 83% 85% 83%

193

HNRPD, WARS, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, MAD2L1, CXCL9, CXCL10, FAS, PLK4, HNRPA3P1, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, SLC4A4, RBM25, hCAP-D3, SOCS6, BAZ1A, FLJ10534, SEC10L1, FLJ13220, PBK, BRIP1 77% 76% 85% 83% 81% 72%

194

SFRS2, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, CTSS, LMAN1, CDC40, CXCL9, CXCL10, FAS, TRIM25, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, ME2, CXCL11, IFT20, RBBP4, SLC4A4, RBM25, AK2, hCAP-D3, BRRN1, CDC42BPA, MARCH5, FLJ13220, HNRPD, STAT1 77% 83% 85% 83% 81% 76%

195

WARS, SFRS2, EPAS1, EIF4E, SFPQ, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, USP4, 81% 86% 88% 76% 85% 79%

DCK, ARF6, CDC40, CXCL10, FAS, CHEK1, HNRPA3P1, SLC25A11, NDUFA9, CA2, HNRPD, ME2, GZMB, RBBP4, TLK1, SLC4A4, CXCL11, RBM25, ATP5A1, AGPAT5, FLJ10534, FLJ13220, ETNK1, STAT1

196

WARS, SFRS2, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, ARF6, CDC40, SLC4A4, CXCL9, GTSE1, RABIF, CXCL10, FAS, HNRPA3P1, KITLG, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, HNRPD, ME2, CXCL11, RBBP4, RBM25, AK2, CDC42BPA, MARCH5, TRMT5, KLHL24 88% 83% 88% 79% 88% 72%

197

WARS, SFRS2, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, DCK, CDC40, CXCL9, RABIF, CXCL10, FAS, PLK4, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, HNRPD, ME2, FUT4, CXCL11, RBM25, CDC42BPA, MARCH5, DKFZp762E1312, SEC10L1, PBK 77% 79% 85% 79% 88% 79%

198

WARS, SFRS2, EPAS1, EIF4E, SFPQ, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, CDC40, RABIF, CXCL10, PLK4, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, ME2, CXCL11, IFT20, RBM25, CAMSAP1L1, BRRN1, FAS, AGPAT5, PSAT1, HNRPD, TRMT5, KLHL24, ETNK1, STAT1 85% 90% 77% 83% 77% 66%

199

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, LMAN1, ARF6, CDC40, CXCL9, CXCL10, FAS, KITLG, C1QBP, NDUFA9, KPNB1, SLC25A11, CA2, ME2, GZMB, RBBP4, TLK1, CXCL11, RBM25, AK2, SOCS6, AGPAT5, SEC10L1, PBK, STAT1 92% 90% 96% 76% 85% 76%

200

SFRS2, PAICS, EIF4E, PRDX3, PSME2, GMFB, DLGAP4, TYMS, DCK, ARF6, MAD2L1, CDC40, CXCL9, GTSE1, RABIF, CXCL10, FAS, C1QBP, NDUFA9, SLC25A11, C17orf25, CA2, ME2, GZMB, IFT20, CXCL11, RBM25, AK2, hCAP-D3, BRRN1, AGPAT5, DKFZp762E1312, PBK, PSAT1, HNRPD, TRMT5, ETNK1, STAT1 81% 86% 88% 79% 73% 72%

201

HNRPD, WARS, SFRS2, STAT1, EIF4E, MTHFD2, PSME2, DLGAP4, TYMS, CXCL9, GTSE1, CXCL10, FAS, CHEK1, HNRPA3P1, TRIM25, KITLG, NDUFA9, SLC25A11, WHSC1, CA2, ME2, GZMB, IFT20, SLC4A4, CXCL11, RBM25, CAMSAP1L1, hCAP-D3, BRRN1, AGPAT5, MARCH5, DKFZp762E1312, SEC10L1, PBK, BRIP1 88% 93% 88% 76% 85% 66%

202

WARS, SFRS2, STAT1, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, USP4, CTSS, ARF6, CDC40, CXCL9, CXCL10, FAS, HNRPA3P1, SLC25A11, CA2, HNRPD, ME2, FUT4, RBBP4, TLK1, CXCL11, SLC4A4, RBM25, AK2, CDC42BPA, AGPAT5, DKFZp762E1312, SEC10L1, FLJ13220, PBK, KLHL24, ETNK1 85% 86% 92% 76% 73% 72%

203

WARS, SFRS2, STAT1, MTHFD2, PSME2, GMFB, DLGAP4, SLC4A4, CXCL9, CXCL10, FAS, CHEK1, TRIM25, KITLG, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, ME2, CXCL11, IFT20, RBM25, NUP210, CAMSAP1L1, BRRN1, CDC42BPA, DDAH2, AGPAT5, DKFZp762E1312, SEC10L1, FLJ13220, PBK, HNRPD, TRMT5, KLHL24 92% 86% 85% 76% 69% 69%

204

WARS, SFRS2, EPAS1, EIF4E, PSME2, MCM6, GMFB, DLGAP4, TYMS, DCK, ARF6, SLC4A4, 85% 83% 85% 76% 81% 72%

CXCL9, IRF8, CXCL10, FAS, KITLG, NDUFA9, SLC25A11, WHSC1, CA2, HNRPD, ME2, FUT4, GZMB, IFT20, RBBP4, CXCL11, RBM25, AK2, AGPAT5, MARCH5, SEC10L1, FLJ13220, PBK, BRIP1, ETNK1, STAT1

205

WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, CTSS, LMAN1, MAD2L1, CDC40, SLC4A4, CXCL9, GTSE1, RABIF, CXCL10, FAS, PLK4, TRIM25, C1QBP, NDUFA9, SLC25A11, CA2, HNRPD, ME2, CXCL11, IFT20, RBM25, BRRN1, CDC42BPA, DDAH2, PSAT1, KLHL24, STAT1 96% 86% 81% 79% 85% 72%

206

WARS, PAICS, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, ARF6, SLC4A4, CXCL9, CXCL10, FAS, PLK4, TRIM25, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, C17orf25, HNRPD, ME2, CXCL11, IFT20, TLK1, RBM25, AK2, AGPAT5, SEC10L1, FLJ13220, BRIP1, TRMT5, KLHL24, STAT1 81% 83% 88% 90% 77% 79%

207

WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, LMAN1, ARF6, CDC40, CXCL9, CXCL10, FAS, HNRPA3P1, KITLG, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, C17orf25, CA2, HNRPD, ME2, FUT4, CXCL11, GZMB, IFT20, SLC4A4, RBM25, AK2, SEC10L1, PBK, BRIP1, STAT1 85% 90% 96% 79% 85% 79%

208

HNRPD, WARS, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, TYMS, TES, CDC40, CXCL9, IRF8, GTSE1, CXCL10, FAS, C1QBP, NDUFA9, C17orf25, ME2, SLC4A4, CXCL11, RBM25, NUP210, FLJ10534, MARCH5, DKFZp762E1312, FLJ13220, PBK, BRIP1, TRMT5, ETNK1 77% 79% 81% 83% 73% 72%

209

WARS, EIF4E, PRDX3, MTHFD2, PSME2, DLGAP4, TYMS, USP4, LMAN1, MAD2L1, CDC40, SLC4A4, CXCL9, IRF8, GTSE1, RABIF, CXCL10, FAS, TRIM25, C1QBP, NDUFA9, SLC25A11, C17orf25, CA2, ME2, CXCL11, GZMB, IFT20, TLK1, RBM25, AK2, SOCS6, RBBP4, AGPAT5, MARCH5, SEC10L1, PBK, HNRPD, STAT1 85% 86% 88% 79% 85% 76%

210

HNRPD, WARS, SFRS2, STAT1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, MCM6, DLGAP4, TYMS, ARF6, MAD2L1, CDC40, CXCL9, RABIF, CXCL10, PLK4, CHEK1, TRIM25, C1QBP, NDUFA9, WHSC1, C17orf25, CA2, ME2, CXCL11, TLK1, BRRN1, SOCS6, FAS, AGPAT5, MARCH5, FLJ13220, PBK, TRMT5, KLHL24 77% 79% 85% 86% 81% 79%

211

WARS, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, DCK, MAD2L1, CDC40, RABIF, CXCL10, FAS, HNRPA3P1, SLC25A11, NDUFA9, C17orf25, ME2, CXCL11, SLC4A4, RBM25, AK2, hCAP-D3, SOCS6, DDAH2, RBBP4, AGPAT5, DKFZp762E1312, SEC10L1, PBK, PSAT1, HNRPD, BRIP1, ETNK1, STAT1 77% 79% 85% 76% 81% 72%

212

HNRPD, WARS, EPAS1, STAT1, EIF4E, MTHFD2, GBP1, TK1, GMFB, DLGAP4, TYMS, LMAN1, DCK, CDC40, CXCL9, IRF8, CXCL10, FAS, PLK4, HNRPA3P1, SLC25A11, NDUFA9, KPNB1, WHSC1, CA2, ME2, CXCL11, GZMB, RBBP4, SLC4A4, RBM25, NUP210, DDAH2, PBK, KLHL24, ETNK1 81% 83% 85% 76% 77% 79%

213

HNRPD, WARS, SFRS2, STAT1, EIF4E, PRDX3, MTHFD2, GMFB, DLGAP4, TYMS, DCK, ARF6, CDC40, CXCL9, IRF8, CXCL10, FAS, TRIM25, SLC25A11, C1QBP, C17orf25, CA2, ME2, CXCL11, GZMB, IFT20, TLK1, RBM25, AK2, CDC42BPA, SEC10L1, FLJ13220, PBK, BRIP1, KLHL24, ETNK1 100% 90% 92% 72% 85% 79%

214

WARS, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, CDC40, CXCL9, IRF8, GTSE1, CXCL10, FAS, PLK4, TRIM25, C1QBP, SLC25A11, C17orf25, CA2, HNRPD, ME2, CXCL11, IFT20, AK2, BRRN1, SOCS6, CDC42BPA, SFRS2, RBBP4, MARCH5, SEC10L1, FLJ13220, PSAT1, BRIP1, TRMT5, KLHL24, STAT1 81% 79% 85% 79% 85% 72%

215

HNRPD, WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, MAD2L1, CDC40, CXCL9, IRF8, GTSE1, CXCL10, SLC25A11, NDUFA9, WHSC1, CA2, ME2, CXCL11, IFT20, RBM25, AK2, BRRN1, CDC42BPA, FAS, RBBP4, BAZ1A, AGPAT5, SEC10L1, FLJ13220, PBK, BRIP1, KLHL24, ETNK1, STAT1 85% 86% 88% 72% 81% 72%

216

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, CTSS, LMAN1, CDC40, CXCL9, IRF8, CXCL10, FAS, PLK4, HNRPA3P1, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, CXCL11, RBM25, AK2, hCAP-D3, BAZ1A, AGPAT5, DKFZp762E1312, PBK, BRIP1 73% 83% 88% 79% 85% 72%

217

WARS, EIF4E, MTHFD2, PSME2, MCM6, DLGAP4, TYMS, USP4, TES, DCK, ARF6, MAD2L1, CDC40, CXCL9, IRF8, CXCL10, PLK4, HNRPA3P1, TRIM25, SLC25A11, C1QBP, WHSC1, CA2, ME2, CXCL11, GZMB, IFT20, TLK1, SLC4A4, RBM25, SOCS6, DDAH2, FAS, FLJ13220, PBK, KLHL24, ETNK1, STAT1 85% 86% 81% 79% 77% 76%

218

WARS, SFRS2, EPAS1, STAT1, PAICS, PRDX3, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, USP4, TES, LMAN1, SLC4A4, CXCL9, IRF8, CXCL10, FAS, PLK4, CHEK1, HNRPA3P1, TRIM25, C1QBP, NDUFA9, CA2, ME2, FUT4, CXCL11, RBM25, AK2, ATP5A1, AGPAT5, SEC10L1, FLJ13220, HNRPD, KLHL24 81% 83% 85% 83% 88% 76%

219

WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, USP4, CDC40, CXCL9, CXCL10, FAS, PLK4, HNRPA3P1, SLC25A11, NDUFA9, WHSC1, C17orf25, CA2, ME2, CXCL11, IFT20, RBM25, hCAP-D3, ATP5A1, RBBP4, AGPAT5, FLJ10534, MARCH5, SEC10L1, HNRPD, BRIP1, KLHL24, STAT1 81% 79% 85% 79% 88% 76%

220

HNRPD, WARS, SFRS2, EPAS1, SFPQ, PRDX3, MTHFD2, PSME2, GMFB, TYMS, USP4, TES, LMAN1, CDC40, CXCL9, CXCL10, FAS, C1QBP, SLC25A11, WHSC1, CA2, ME2, FUT4, TLK1, CXCL11, SLC4A4, RBM25, hCAP-D3, DDAH2, BAZ1A, FLJ10534, MARCH5, FLJ13220, PBK, PSAT1, BRIP1, TRMT5, STAT1 73% 79% 85% 79% 85% 83%

221

HNRPD, EPAS1, STAT1, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, CTSS, DCK, CXCL9, CXCL10, FAS, CHEK1, HNRPA3P1, C1QBP, NDUFA9, KPNB1, SLC25A11, WHSC1, CA2, ME2, CXCL11, TLK1, RBM25, ATP5A1, DDAH2, RBBP4, 81% 83% 88% 83% 85% 86%

SEC10L1, PBK, BRIP1, ETNK1

222

WARS, SFRS2, EIF4E, MTHFD2, PSME2, DLGAP4, TYMS, ARF6, CXCL9, IRF8, GTSE1, RABIF, CXCL10, FAS, PLK4, KITLG, SLC25A11, CIQBP, NDUFA9, ME2, CXCL11, GZMB, IFT20, RBBP4, SLC4A4, RBM25, AK2, BAZ1A, AGPAT5, MARCH5, FLJ13220, HNRPD, BRIP1, KLHL24, ETNK1, STAT1 88% 86% 92% 72% 81% 72%

223

HNRPD, WARS, SFRS2, STAT1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, LMAN1, ARF6, CXCL9, GTSE1, CXCL10, FAS, PLK4, HNRPA3P1, TRIM25, KITLG, C1QBP, SLC25A11, WHSC1, C17orf25, CA2, ME2, CXCL11, TLK1, RBM25, ATP5A1, AGPAT5, FLT10534, MARCH5, FLJ13220, PBK, BRIP1, TRMT5 85% 83% 88% 76% 81% 83%

224

HNRPD, WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, TES, CDC40, SLC4A4, CXCL9, CXCL10, FAS, TRIM25, KITLG, C1QBP, NDUFA9, C17orf25, CA2, ME2, GZMB, TLK1, CXCL11, RBM25, CAMSAP1L1, CDC42BPA, DDAH2, BAZ1A, AGPAT5, SEC10L1, PBK, KLHL24, ETNK1, STAT1 85% 79% 92% 76% 85% 72%

225

WARS, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, CTSS, ARF6, CDC40, CXCL9, IRF8, CXCL10, FAS, PLK4, CHEK1, TRIM25, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, HNRPD, ME2, CXCL11, GZMB, IFT20, RBBP4, SLC4A4, RBM25, ATP5A1, PBK, BRIP1, TRMT5, STAT1 81% 79% 88% 76% 88% 79%

226

HNRPD, WARS, SFRS2, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, LMAN1, DCK, CXCL9, CXCL10, FAS, HNRPA3P1, TRIM25, C1QBP, NDUFA9, SLC25A11, WHSC1, ME2, SLC4A4, CXCL11, RBM25, BRRN1, BAZ1A, AGPAT5, FLJ10534, MARCH5, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, TRMT5, ETNK1, STAT1 77% 79% 77% 86% 73% 69%

227

HNRPD, WARS, SFRS2, EPAS1, PRDX3, PSME2, GBP1, TK1, DLGAP4, TYMS, DCK, ARF6, CDC40, CXCL9, GTSE1, RABIF, CXCL10, FAS, TRIM25, C1QBP, NDUFA9, SLC25A11, C17orf25, CA2, ME2, CXCL11, GZMB, IFT20, RBBP4, RBM25, AGPAT5, MARCH5, SEC10L1, FLJ13220, PBK, BRIP1, STAT1 81% 90% 92% 76% 88% 69%

228

WARS, SFRS2, EPAS1, STAT1, EIF4E, MTHFD2, GMFB, DLGAP4, TYMS, TES, CTSS, CXCL9, CXCL10, FAS, PLK4, CHEK1, TRIM25, SLC25A11, NDUFA9, WHSC1, C17orf25, CA2, ME2, FUT4, CXCL11, SLC4A4, RBM25, AK2, BRRN1, CDC42BPA, DDAH2, AGPAT5, MARCH5, PBK, HNRPD, KLHL24 77% 83% 88% 76% 88% 76%

229

HNRPD, WARS, SFRS2, EPAS1, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, DLGAP4, TYMS, CXCL9, IRF8, RABIF, FAS, PLK4, TRIM25, SLC25A11, C1QBP, WHSC1, C17orf25, CA2, ME2, FUT4, CXCL11, GZMB, IFT20, RBM25, SOCS6, DDAH2, MARCH5, PBK, PSAT1, BRIP1, TRMT5, STAT1 85% 86% 85% 72% 85% 76%

230

WARS, SFRS2, STAT1, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, TES, ARF6, CDC40, CXCL9, CXCL10, FAS, HNRPA3P1, C1QBP, SLC25A11, WHSC1, ME2, CXCL11, RBBP4, SLC4A4, RBM25, AK2, hCAP-D3, CDC42BPA, FLJ10534, SEC10L1, FLJ13220, PBK, PSAT1, HNRPD, BRIP1, TRMT5, 73% 83% 81% 76% 69% 66%

KLHL24

231

SFRS2, EPAS1, EIF4E, MTHRD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, CTSS, LMAN1, CXCL9, IRF8, CXCL10, CHEK1, HNRPA3P1, KITLG, SLC25A11, C1QBP, NDUFA9, WHSC1, C17orf25, ME2, FUT4, CXCL11, GZMB, RBM25, CDC42BPA, FAS, RBBP4, AGPAT5, FLJ10534, SEC10L1, FLJ13220, PBK, HNRPD, TRMT5, STAT1 73% 76% 92% 72% 77% 76%

232

HNRPD, WARS, SFRS2, PAICS, EIF4E, MTHFD2, PSME2, MCM6, GBP1, TK1, GMFB, DLGAP4, TYMS, USP4, TES, CDC40, CXCL9, IRF8, RABIF, CXCL10, CHEK1, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, ME2, FUT4, CXCL11, IFT20, TLK1, SLC4A4, RBM25, NUP210, CAMSAP1L1, BRRN1, FAS, RBBP4, BAZ1A, FLJ10534, MARCH5, SEC10L1, FLJ13220, PBK, PSAT1, KLHL24, STAT1 73% 79% 88% 86% 81% 83%

233

WARS, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, TES, LMAN1, DCK, ARF6, MAD2L1, CDC40, SLC4A4, CXCL9, GTSE1, CXCL10, FAS, KITLG, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, HNRPD, ME2, FUT4, CXCL11, GZMB, IFT20, TLK1, RBM25, AK2, CAMSAP1L1, DDAH2, RBBP4, BAZ1A, AGPAT5, SEC10L1, PBK, BRIP1, KLHL24, ETNK1, STAT1 77% 79% 92% 76% 88% 76%

234

WARS, SFRS2, EPAS1, STAT1, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, ARF6, CDC40, CXCL9, IRF8, RABIF, CXCL10, FAS, SLC25A11, NDUFA9, C17orf25, CA2, ME2, CXCL11, GZMB, IFT20, RBBP4, TLK1, SLC4A4, RBM25, NUP210, BRRN1, ATP5A1; AGPAT5, MARCH5, SEC10L1, PBK, PSAT1, HNRPD, BRIP1, TRMT5 85% 90% 92% 79% 77% 83%

235

WARS, SFRS2, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, CTSS, DCK, ARF6, MAD2L1, CDC40, CXCL9, CXCL10, PLK4, CHEK1, TRIM25, KITLG, SLC25A11, C1QBP, KPNB1, WHSC1, C17orf25, CA2, HNRPD, ME2, GZMB, CXCL11, RBM25, BRRN1, ATP5A1, CDC42BPA, DDAH2, FAS, BAZ1A, AGPAT5, FLJ10534, MARCH5, SEC10L1, PBK, TRMT5, KLHL24, ETNK1 81% 90% 92% 76% 85% 69%

236

HNRPD, WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, TES, CTSS, DCK, ARF6, MAD2L1, CDC40, CXCL9, RABIF, CXCL10, CHEK1, HNRPA3P1, TRIM25, KITLG, C1QBP, NDUFA9, KPNB1, SLC25A11, WHSC1, CA2, ME2, GZMB, SLC4A4, CXCL11, RBM25, AK2, ATP5A1, DDAH2, FAS, BAZ1A, DKFZp762E1312, SEC10L1, FLJ13220, BRIP1, TRMT5, ETNK1, STAT1 81% 83% 88% 72% 81% 76%

237

WARS, SFRS2, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, DCK, ARF6, MAD2L1, SLC4A4, CXCL9, GTSE1, CXCL10, FAS, HNRPA3P1, KITLG, SLC25A11, C1QBP, NDUFA9, KPNB1, C17orf25, CA2, HNRPD, ME2, CXCL11, GZMB, IFT20, RBBP4, RBM25, AK2, ATP5A1, BAZ1A, AGPAT5, SEC10L1, FLJ13220, PBK, BRIP1, ETNK1, STAT1 77% 83% 92% 83% 81% 76%

238

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, CTSS, LMAN1, SLC4A4, CXCL9, IRF8, GTSE1, 85% 86% 88% 86% 85% 79%

CXCL10, CHEK1, TRIM25, KITLG, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, C17orf25, CA2, ME2, FUT4, TLK1, CXCL11, RBM25, BRRN1, DDAH2, FAS, RBBP4, AGPAT5, FLJ10534, MARCH5, SEC10L1, FLJ13220, PBK, TRMT5, STAT1

239

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHED2, PSME2, TK1, GMFB, DLGAP4, TYMS, DCK, CDC40, CXCL9, IRF8, GTSE1, RABIF, CXCL10, FAS, CHEK1, SLC25A11, C1QBP, NDUFA9, WHSC1, C17orf25, CA2, ME2, IFT20, CXCL11, SLC4A4, RBM25, AK2, hCAP-D3, ATP5A1, SOCS6, DDAH2, FLJ10534, MARCH5, SEC10L1, PBK, PSAT1, BRIP1, STAT1 69% 79% 88% 83% 81% 76%

240

WARS, SFRS2, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, TK1, GMFB, DLGAP4, TYMS, CTSS, LMAN1, ARF6, MAD2L1, CXCL9, IRF8, RABIF, CXCL10, FAS, HNRPA3P1, TRIM25, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, HNRPD, ME2, GZMB, SLC4A4, CXCL11, RBM25, AK2, CAMSAP1L1, hCAP-D3, BRRN1, CDC42BPA, RBBP4, BAZ1A, FLJ10534, SEC10L1, BRIP1, KLHL24, ETNK1 81% 83% 96% 69% 81% 76%

241

HNRPD, WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, LMAN1, MAD2L1, CDC40, CXCL9, RABIF, CXCL10, FAS, PLK4, TRIM25, SLC25A11, NDUFA9, KPNB1, WHSC1, CA2, ME2, CXCL11, TLK1, SLC4A4, RBM25, hCAP-D3, BRRN1, SOCS6, CDC42BPA, DDAH2, RBBP4, BAZ1A, AGPAT5, DKFZρ762E1312, SEC10L1, PBK, BRIP1, KLHL24, ETNK1, STAT1 73% 79% 88% 83% 92% 79%

242

WARS, STAT1, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, CTSS, LMAN1, DCK, ARF6, MAD2L1, CDC40, CXCL9, RABIF, CXCL10, FAS, PLK4, TRIM25, KITLG, SLC25A11, C1QBP, NDUFA9, KPNB1,C17orf25, CA2, ME2, CXCL11, GZMB, SLC4A4, RBM25, AK2, hCAP-D3, DDAH2, RBBP4, BAZ1A, PSAT1, HNRPD, BRIP1, TRMT5, KLHL24, ETNK1 81% 83% 85% 79% 81% 69%

243

WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, CTSS, LMAN1, CDC40, SLC4A4, CXCL9, CXCL10, FAS, PLK4, CHEK1, KITLG, C1QBP, NDUFA9, WHSC1, CA2, HNRPD, ME2, CXCL11, GZMB, TLK1, RBM25, AK2, hCAP-D3, BRRN1, CDC42BPA, RBBP4, BAZ1A, AGPAT5, SEC10L1, FLJ13220, PBK, BRIP1, KLHL24, ETNK1, STAT1 85% 83% 92% 79% 77% 72%

244

WARS, SFRS2, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, TYMS, USP4, ARF6, CDC40, SLC4A4, CXCL9, RABIF, CXCL10, FAS, PLK4, CHEK1, KITLG, SLC25A11, C1QBP, NDUFA9, WHSC1, CA2, HNRPD, ME2, CXCL11, GZMB, IFT20, RBM25, CAMSAP1L1, BRRN1, CDC42BPA, BAZ1A, AGPAT5, FLJ10534, DKFZp762E1312, PBK, ETNK1 81% 83% 88% 79% 81% 69%

245

HNRPD, WARS, SFRS2, EPAS1, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, TES, DCK, CDC40, SLC4A4, CXCL9, CXCL10, PLK4, CHEK1, HNRPA3P1, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, ME2, GZMB, RBBP4, CXCL11, RBM25, AK2, NUP210, 77% 86% 88% 76% 77% 76%

CAMSAP1L1, hCAP-D3, CDC42BPA, FAS, MARCH5, SEC10L1, PBK, ETNK1, STAT1

246

WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, TES, LMAN1, CDC40, SLC4A4, CXCL9, RABIF, CXCL10, FAS, PLK4, HNRPA3P1, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, C17orf25, CA2, ME2, FUT4, GZMB, TLK1, CXCL11, RBM25, CAMSAP1L1, DDAH2, AGPAT5, MARCH5, SEC10L1, FLJ13220, PBK, HNRPD, BRIP1, ETNK1, STAT1 77% 83% 92% 79% 81% 79%

247

WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, USP4, TES, MAD2L1, CDC40, SLC4A4, CXCL9, IRF8, GTSE1, CXCL10, PLK4, KITLG, C1QBP, NDUFA9, KPNB1, SLC25A11, WHSC1, C17orf25, CA2, ME2, IFT20, RBBP4, CXCL11, RBM25, AK2, CAMSAP1L1, CDC42BPA, FAS, AGPAT5, FLJ10534, MARCH5, SEC10L1, PBK, HNRPD, BRIP1, KLHL24, ETNK1, STAT1 77% 83% 85% 79% 85% 72%

248

HNRPD, WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, GBP1, TK1, GMFB, DLGAP4, TYMS, USP4, DCK, CDC40, CXCL9, GTSE1, RABIF, CXCL10, FAS, PLK4, TRIM25, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, FUT4, GZMB, IFT20, RBBP4, CXCL11, SLC4A4, RBM25, BRRN1, AGPAT5, FLJ10534, MARCH5, FLJ13220, PSAT1, TRMT5, KLHL24, ETNK1, STAT1 77% 86% 88% 76% 81% 69%

249

HNRPD, WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, MAD2L1, SLC4A4, CXCL9, GTSE1, CXCL10, FAS, PLK4, TRIM25, KITLG, NDUFA9, KPNB1, WHSC1, C17orf25, CA2, ME2, FUT4, CXCL11, GZMB, IFT20, TLK1, RBM25, CAMSAP1L1, BRRN1, SOCS6, CDC42BPA, BAZ1A, AGPAT5, MARCH5, SEC10L1, FLJ13220, KLHL24, ETNK1, STAT1 92% 97% 88% 76% 85% 79%

250

HNRPD, WARS, SFRS2, EPAS1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, ARF6, CDC40, CXCL9, CXCL10, FAS, CHEK1, TRIM25, NDUFA9, KPNB1, SLC25A11, C17orf25, CA2, ME2, CXCL11, IFT20, TLK1, SLC4A4, RBM25, AK2, BRRN1, ATP5A1, DDAH2, BAZ1A, AGPAT5, MARCH5, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, STAT1 92% 90% 92% 76% 85% 79%

251

WARS, EPAS1, STAT1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, LMAN1, ARF6, SLC4A4, CXCL9, IRF8, GTSE1, CXCL10, FAS, PLK4, HNRPA3P1, SLC25A11, C1QBP, NDUFA9, CA2, HNRPD, ME2, FUT4, CXCL11, GZMB, IFT20, TLK1, RBM25, AK2, ATP5A1, SOCS6, DDAH2, RBBP4, AGPAT5, MARCH5, SEC10L1, FLJ13220, BRIP1, TRMT5 77% 90% 92% 76% 85% 72%

252

WARS, SFRS2, EPAS1, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, USP4, CTSS, DCK, CDC40, SLC4A4, GTSE1, RABIF, CXCL10, FAS, PLK4, HNRPA3P1, C1QBP, SLC25A11, WHSC1, HNRPD, ME2, FUT4, CXCL11, IFT20, TLK1, RBM25, AK2, NUP210, BRRN1, ATP5A1, AGPAT5, FLJ10534, DKFZp762E1312, SEC10L1, FLJ13220, PBK, TRMT5, KLHL24, ETNK1, STAT1 65% 83% 77% 90% 73% 76%

253

HNRPD, WARS, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, TES, LMAN1, DCK, SLC4A4, CXCL9, CXCL10, FAS, PLK4, C1QBP, NDUFA9, KPNB1, SLC25A11, WHSC1, C17orf25, CA2, ME2, FUT4, CXCL11, RBBP4, TLK1, RBM25, CAMSAP1L1, ATP5A1, MARCH5, SEC10L1, PBK, PSAT1, BRIP1, TRMT5, KLHL24, ETNK1 73% 83% 85% 79% 81% 76%

254

HNRPD, WARS, EPAS1, EIF4E, MTHFD2, PSME2, MCM6, GBP1, GMFB, DLGAP4, TYMS, USP4, CTSS, DCK, ARF6, SLC4A4, CXCL9, IRF8, CXCL10, FAS, PLK4, CHEK1, HNRPA3P1, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, FUT4, IFT20, RBBP4, CXCL11, RBM25, NUP210, hCAP-D3, SFRS2, DDAH2, BAZ1A, AGPAT5, FLJ10534, DKFZp762E1312, SEC10L1, FLJ13220, KLHL24, STAT1 77% 76% 92% 86% 88% 79%

255

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, TYMS, LMAN1, CDC40, CXCL9, CXCL10, PLK4, CHEK1, TRIM25, KITLG, C1QBP, NDUFA9, WHSC1, C17orf25, CA2, ME2, CXCL11, SLC4A4, RBM25, AK2, NUP210, DDAH2, FAS, BAZ1A, AGPAT5, FLJ10534, MARCH5, DKFZp762E1312, SEC10L1, PBK, PSAT1, BRIP1, KLHL24, STAT1 81% 79% 85% 79% 85% 76%

256

WARS, SFRS2, EPAS1, STAT1, EIF4E, SFPQ, PRDX3, MTHFD2, TK1, GMFB, DLGAP4, TYMS, USP4, LMAN1, ARF6, CDC40, SLC4A4, CXCL9, RABIF, CXCL10, FAS, PLK4, CHEK1, TRIM25, KITLG, SLC25A11, C1QBP, NDUFA9, C17orf25, CA2, ME2, TLK1, RBM25, NUP210, AGPAT5, FLJ10534, SEC10L1, FLJ13220, PBK, PSAT1, HNRPD, BRIP1, TRMT5, KLHL24 77% 83% 85% 79% 81% 83%

257

WARS, SFRS2, EIF4E, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, TYMS, LMAN1, MAD2L1, CDC40, CXCL9, CXCL10, FAS, CHEK1, HNRPA3P1, KITLG, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, CA2, HNRPD, ME2, GZMB, TLK1, SLC4A4, CXCL11, RBM25, AK2, CAMSAP1L1, DDAH2, AGPAT5, FLJ10534, MARCH5, DKFZp762E1312, PBK, PSAT1, BRIP1, TRMT5, KLHL24, ETNK1, STAT1 73% 86% 88% 83% 77% 72%

258

WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, LMAN1, ARF6, CDC40, CXCL9, CXCL10, FAS, PLK4, CHEK1, HNRPA3P1, SLC25A11, C1QBP, NDUFA9, WHSC1, C17orf25, HNRPD, ME2, CXCL11, IFT20, RBBP4, SLC4A4, RBM25, AK2, ATP5A1, SOCS6, FLJ10534, MARCH5, DKFZp762E1312, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, TRMT5, ETNK1, STAT1 77% 83% 73% 86% 73% 76%

259

HNRPD, WARS, EPAS1, PAICS, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, CDC40, CXCL9, RABIF, CXCL10, FAS, PLK4, HNRPA3P1, TRIM25, SLC25A11, C1QBP, NDUFA9, WHSC1, CA2, ME2, CXCL11, GZMB, IFT20, RBBP4, TLK1, RBM25, AK2, CAMSAP1L1, ATP5A1, CDC42BPA, DDAH2, BAZ1A, AGPAT5, FLJ10534, MARCH5, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, ETNK1, STAT1 85% 93% 92% 72% 77% 72%

260

HNRPD, WARS, SFRS2, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, ARF6, MAD2L1, CDC40, CXCL9, GTSE1, RABIF, CXCL10, 77% 79% 85% 76% 85% 69%

PLK4, CHEK1, HNRPA3P1, TRIM25, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, FUT4, CXCL11, IFT20, SLC4A4, RBM25, AK2, NUP210, ATP5A1, SOCS6, FAS, AGPAT5, FLJ10534, MARCH5, SEC10L1, PBK, PSAT1, BRJP1, ETNK1, STAT1

261

HNRPD, WARS, SFRS2, STAT1, MTHFD2, TK1, GMFB, DLGAP4, TYMS, USP4, CTSS, ARF6, SLC4A4, CXCL9, GTSE1, CXCL10, FAS, HNRPA3P1, TRIM25, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, C17orf25, CA2,ME2, CXCL11, GZMB, IFT20, RBM25, hCAP-D3, ATP5A1, SOCS6, DDAH2, BAZ1A, MARCH5, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, ETNK1 85% 83% 88% 72% 77% 76%

262

HNRPD, WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, LMAN1, DCK, CDC40, CXCL9, CXCL10, FAS, PLK4, CHEK1, HNRPA3P1, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, CXCL11, IFT20, SLC4A4, RBM25, AK2, ATP5A1, SOCS6, BAZ1A, AGPAT5, FLJ10534, SEC10L1, PBK, PSAT1, BRIP1, KLHL24, ETNK1, STAT1 77% 79% 85% 79% 85% 76%

263

HNRPD, WARS, SFRS2, EPAS1, STAT1, EIF4E, PRDX3, PSME2, MCM6, GBP1, GMFB, DLGAP4, USP4, CTSS, ARF6, CDC40, SLC4A4, CXCL9, GTSE1, RABIF, CXCL10, FAS, CHEK1, HNRPA3P1, KITLG, C1QBP, NDUFA9, KPNB1, WHSC1, CA2, ME2, CXCL11, RBM25, CDC42BPA, RBBP4, AGPAT5, MARCH5, SEC10L1, FLJ13220, PBK, PSAT1, TRMT5, KLHL24 81% 83% 88% 79% 81%e 79%

264

WARS, SFRS2, EPAS1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, TYMS, CTSS, LMAN1, CDC40, SLC4A4, CXCL9, IRF8, CXCL10, FAS, PLK4, TRIM25, SLC25A11, C1QBP, NDUFA9, WHSC1, CA2, HNRPD, ME2, CXCL11, GZMB, TLK1, RBM25, AK2, hCAP-D3, ATP5A1, CDC42BPA, BAZ1A, AGPAT5, MARCH5, SEC10L1, PBK, TRMT5, KLHL24, STAT1 88% 86% 88% 83% 85% 79%

265

HNRPD, WARS, EPAS1, PAICS, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, CTSS, LMAN1, ARF6, CDC40, SLC4A4, CXCL9, IRF8, CXCL10, FAS, PLK4, CHEK1, TRIM25, KITLG, C1QBP, NDUFA9, KPNB1, SLC25A11, WHSC1, ME2, GZMB, TLK1, CXCL11, RBM25, AK2, CAMSAP1L1, AGPAT5, FLJ10534, SEC10L1, PBK, BRIP1, KLHL24, STAT1 92% 90% 85% 76% 69% 76%

266

WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, TES, CTSS, MAD2L1, SLC4A4, CXCL9, IRF8, CXCL10, FAS, PLK4, TRIM25, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, CXCL11, GZMB, RBM25, AK2, ATP5A1, RBBP4, AGPAT5, MARCH5, SEC10L1, PBK, HNRPD, BRIP1, TRMT5, KLHL24, ETNK1, STAT1 77% 86% 88% 76% 85% 79%

267

WARS, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, LMAN1, DCK, ARF6, CDC40, SLC4A4, CXCL9, IRF8, GTSE1, CXCL10, FAS, CHEK1, SLC25A11, C1QBP, NDUFA9, WHSC1, C17orf25, CA2, ME2, CXCL11, IFT20, RBM25, AK2, NUP210, SOCS6, CDC42BPA, SFRS2, RBBP4, BAZ1A, FLJ10534, MARCH5, FLJ13220, 85% 83% 85% 79% 81% 76%

PBK, PSAT1, HNRPD, KLHL24, STAT1

268

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, GBP1, GMFB, DLGAP4, TYMS, USP4, ARF6, CDC40, SLC4A4, IRF8, GTSE1, CXCL10, FAS, HNRPA3P1, TRIM25, KITLG, NDUFA9, SLC25A11, CA2, ME2, CXCL11, GZMB, TLK1, RBM25, AK2, hCAP-D3, CDC42BPA, AGPAT5, FLJ10534, MARCH5, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, TRMT5, STAT1 88% 93% 92% 76% 81% 72%

269

HNRPD, WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, USP4, ARF6, CDC40, SLC4A4, CXCL9, GTSE1, CXCL10, HNRPA3P1, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, FUT4, CXCL11, GZMB, RBM25, AK2, CDC42BPA, FAS, RBBP4, BAZ1A, SEC10L1, FLJ13220, PBK, PSAT1, KLHL24, ETNK1, STAT1 81% 79% 92% 76% 81% 69%

270

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, CTSS, ARF6, MAD2L1, CDC40, CXCL9, IRF8, GTSE1, CXCL10, FAS, CHEK1, HNRPA3P1, TRIM25, KITLG, SLC25A11, NDUFA9, KPNB1, WHSC1, CA2, ME2, FUT4, GXCL11, GZMB, RBM25, AK2, CDC42BPA, BAZ1A, AGPAT5, DKFZp762E1312, SEC10L1, PBK, TRMT5, KLHL24, ETNK1, STAT1 88% 86% 88% 79% 85% 72%

271

WARS, SFRS2, EPAS1, STAT1, EIF4E, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, USP4, LMAN1, ARF6, MAD2L1, CDC40, SLC4A4, CXCL9, IRF8, GTSE1, CXCL10, PLK4, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, HNRPD, ME2, FUT4, GZMB, RBM25, AK2, ATP5A1, CDC42BPA, FAS, AGPAT5, FLJ10534, SEC10L1, FLJI3220, PBK, BRIP1, TRMT5, KLHL24, ETNK1 77% 69% 92% 79% 81% 69%

272

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, CTSS, LMAN1, DCK, SLC4A4, CXCL9, IRF8, CXCL10, FAS, HNRPA3P1, KITLG, C1QBP, NDUFA9, SLC25A11, CA2, ME2, FUT4, IFT20, RBBP4, TLK1, CXCL11, RBM25, BRRN1, CDC42BPA, AGPAT5, FLJ10534, MARCH5, SEC10L1, PBK, BRIP1, TRMT5, KLHL24, ETNK1, STAT1 73% 83% 92% 83% 85% 76%

273

WARS, SFRS2, EPAS1, STAT1, EIF4E, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, TYMS, USP4, ARF6, CXCL9, IRF8, RABIF, CXCL10, FAS, PLK4, CHEK1, KITLG, SLC25A11, C1QBP, NDUFA9, WHSC1, CA2, ME2, CXCL11, IFT20, RBBP4, TLK1, RBM25, ATP5A1, CDC42BPA, FLJ13220, PBK, HNRPD, BRIP1, TRMT5, KLHL24, ETNK1 88% 83% 85% 83% 77% 79%

274

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, TES, DCK, MAD2L1, CXCL9, CXCL10, FAS, PLK4, HNRPA3P1, KITLG, SLC25A11, NDUFA9, WHSC1, C17orf25, CA2, ME2, IFT20, RBBP4, CXCL11, SLC4A4, RBM25, NUP210, CAMSAP1L1, BRRN1, CDC42BPA, DDAH2, AGPAT5, FLJ10534, MARCH5, SEC10L1, FLJ13220, PBK, TRMT5, KLHL24, ETNK1, STAT1 81% 86% 88% 83% 85% 76%

275

WARS, SFRS2, PAICS, EIF4E, MTHFD2, PSME2, MCM6, GBP1, TK1, GMFB, DLGAP4, TYMS, USP4, 73% 86% 77% 83% 69% 79%

TES, LMAN1, CDC40, CXCL9, CXCL10, PLK4, TRIM25, KITLG, SLC25A11, C1QBP, NDUFA9, C17orf25, HNRPD, ME2, CXCL11, IFT20, TLK1, SLC4A4, RBM25, hCAP-D3, ATP5A1, DDAH2, FAS, AGPAT5, FLJ10534, MARCH5, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, KLHL24, STAT1

276

HNRPD, WARS, SFRS2, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, USP4, DCK, ARF6, CDC40, CXCL9, IRF8, CXCL10, FAS, PLK4, TRIM25, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, ME2, CXCL11, GZMB, RBBP4, TLK1, RBM25, AK2, NUP210, ATP5A1, AGPAT5, MARCH5, SEC10L1, PBK, BRIP1, TRMT5 85% 79% 88% 79% 81% 79%

277

HNRPD, WARS, SFRS2, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, GBP1, GMFB, DLGAP4, TYMS, TES, CTSS, LMAN1, DCK, SLC4A4, CXCL9, GTSE1, CXCL10, PLK4, CHEK1, TRIM25, C1QBP, NDUFA9, KPNB1, WHSC1, C17orf25, ME2, CXCL11, RBM25, BRRN1, ATP5A1, CDC42BPA, DDAH2, FAS, AGPAT5, MARCH5, PBK, BRIP1, TRMT5, KLHL24, ETNK1 81% 83% 88% 76% 77% 69%

278

WARS, STAT1, EIF4E, SFPQ, PRDX3, MTHFD2, MCM6, TK1, GMFB, DLGAP4, TYMS, TES, CTSS, MAD2L1, CDC40, SLC4A4, CXCL9, RABIF, CXCL10, FAS, KITLG, SLC25A11, C1QBP, NDUFA9, C17orf25, CA2, HNRPD, ME2, GZMB, TLK1, CXCL11, RBM25, BRRN1, CDC42BPA, SFRS2, DDAH2, AGPAT5, SEC10L1, PBK, PSAT1, BRIP1, TRMT5, KLHL24 77% 72% 88% 83% 77% 79%

279

HNRPD, WARS, EPAS1, STAT1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, USP4, TES, DCK, ARF6, CDC40, SLC4A4, CXCL9, RABIF, CXCL10, FAS, TRIM25, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, GZMB, TLK1, CXCL11, RBM25, AK2, hCAP-D3, CDC42BPA, DDAH2, RBBP4, FLJ10534, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, KLHL24 77% 86% 92% 76% 77% 76%

280

WARS, SFRS2, STAT1, EIF4E, MTHFD2, PSME2, MCM6, GBP1, TK1, GMFB, DLGAP4, TYMS, USP4, TES, CTSS, LMAN1, ARF6, CDC40, SLC4A4, CXCL9, CXCL10, FAS, PLK4, KITLG, C1QBP, KPNB1, WHSC1, CA2, ME2, FUT4, GZMB, CXCL11, RBM25, AK2, CDC42BPA, RBBP4, BAZ1A, AGPAT5, MARCH5, SEC10L1, PBK, HNRPD, BRIP1, KLHL24, ETNK1 81% 79% 92% 79% 85% 72%

281

HNRPD, WARS, SFRS2, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, CTSS, LMAN1, DCK, CDC40, SLC4A4, CXCL9, IRF8, CXCL10, TRIM25, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, ME2, CXCL11, TLK1, RBM25, hCAP-D3, CDC42BPA, FAS, BAZ1A, AGPAT5, SEC10L1, FLJ13220, PBK, TRMT5, ETNK1 85% 79% 77% 86% 73% 76%

282

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, TES, CTSS, LMAN1, MAD2L1, SLC4A4, CXCL9, CXCL10, FAS, CHEK1, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, C17orf25, CA2, ME2, FUT4, CXCL11, TLK1, RBM25, hCAP-D3, ATP5A1, CDC42BPA, DDAH2, AGPAT5, FLJ10534, DKFZp762E1312, SEC10L1, FLJ13220, PBK, 77% 83% 88% 83% 88% 86%

TRMT5, STAT1

283

WARS, SFRS2, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, TES, ARF6, CDC40, CXCL9, CXCL10, FAS, PLK4, TRIM25, SLC25A11, C1QBP, NDUFA9, WHSC1, C17orf25, CA2, ME2, FUT4, IFT20, SLC4A4, CXCL11, RBM25, AK2, BRRN1, ATP5A1, CDC42BPA, AGPAT5, MARCH5, SEC10L1, FLJ13220, PBK, HNRPD, BRIP1, TRMT5, KLHL24, ETNK1, STAT1 81% 83% 85% 76% 85% 72%

284

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, TYMS, USP4, LMAN1, ARF6, SLC4A4, CXCL9, IRF8, CXCL10, FAS, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, ME2, GZMB, CXCL11, RBM25, AK2, hCAP-D3, CDC42BPA, DDAH2, RBBP4, AGPAT5, MARCH5, DKFZp762E1312, SEC10L1, FLJ13220, PBK, BRIP1, TRMT5, KLHL24, STAT1 81% 76% 88% 79% 85% 72%

285

WARS, SFRS2, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, CTSS, DCK, ARF6, CDC40, SLC4A4, CXCL9, CXCL10, FAS, CHEK1, TRIM25, SLC25A11, C1QBP, C17orf25, CA2, ME2, GZMB, IFT20, RBBP4, CXCL11, RBM25, AK2, NUP210, SOCS6, DDAH2, AGPAT5, FLJ10534, MARCH5, DKFZp762E1312, SEC10L1, PBK, HNRPD, TRMT5 85% 86% 92% 76% 81% 72%

286

WARS, EPAS1, STAT1, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, TK1, DLGAP4, TYMS, MAD2L1, CDC40, CXCL9, IRF8, CXCL10, FAS, TRIM25, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, HNRPD, ME2, CXCL11, IFT20, RBBP4, SLC4A4, RBM25, AK2, NUP210, SOCS6, CDC42BPA, BAZ1A, AGPAT5, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, TRMT5 73% 76% 81% 79% 73% 66%

287

WARS, SFRS2, EPAS1, EIF4E, PRDX3, PSME2, GMFB, DLGAP4, TYMS, CTSS, ARF6, MAD2L1, CDC40, CXCL9, CXCL10, FAS, TRIM25, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, C17orf25, CA2, HNRPD, ME2, CXCL11, GZMB, IFT20, TLK1, SLC4A4, RBM25, CAMSAP1L1, hCAP-D3, RBBP4, BAZ1A, AGPAT5, MARCH5, FLJ13220, PBK, TRMT5, ETNK1, STAT1 88% 90% 88% 79% 77% 79%

288

HNRPD, WARS, SFRS2, EPAS1, STAT1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, ARF6, CDC40, CXCL9, CXCL10, FAS, SLC25A11, NDUFA9, WHSC1, C17orf25, CA2, ME2, CXCL11, IFT20, SLC4A4, RBM25, AK2, SOCS6, DDAH2, RBBP4, BAZ1A, DKFZp762E1312, FLJ13220, PBK, PSAT1, BRIP1, ETNK1 81% 90% 85% 76% 85% 69%

289

WARS, SFRS2, EPAS1, STAT1, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, CTSS, LMAN1, CDC40, CXCL9, IRF8, RABIF, CXCL10, FAS, TRIM25, SLC25A11, C1QBP, WHSC1, C17orf25, CA2, HNRPD, ME2, CXCL11, GZMB, TLK1, RBM25, CAMSAP1L1, hCAP-D3, CDC42BPA, BAZ1A, AGPAT5, MARCH5, DKFZp762E1312, FLJ13220, PBK, PSAT1, BRIP1, KLHL24 77% 86% 88% 83% 73% 69%

290

WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, ARF6, 85% 83% 85% 83% 81% 72%

MAD2L1, SLC4A4, CXCL9, IRF8, CXCL10, FAS, TRIM25, SLC25A11, NDUFA9, KPNB1, WHSC1, C17orf25, CA2, ME2, GZMB, IFT20, RBBP4, CXCL11, RBM25, AK2, BRRN1, CDC42BPA, AGPAT5, FLJ10534, MARCH5, SEC10L1, FLJ13220, PBK, HNRPD, BRIP1, KLHL24, ETNK1, STAT1

291

HNRPD, WARS, SFRS2, EPAS1, STAT1, EIF4E, SFPQ, PRDX3, MTHFD2, GMFB, DLGAP4, TYMS, USP4, TES, CTSS, ARF6, MAD2L1, CDC40, CXCL9, CXCL10, FAS, PLK4, CHEK1, KITLG, SLC25A11, NDUFA9, KPNB1, CA2, ME2, FUT4, CXCL11, GZMB, TLK1, SLC4A4, RBM25, ATP5A1, DDAH2, MARCH5, DKFZp762E1312, PBK, BRIP1, KLHL24 85% 86% 92% 79% 85% 86%

292

WARS, SFRS2, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, CTSS, CXCL9, IRF8, RABIF, CXCL10, FAS, PLK4, TR1M25, C1QBP, NDUFA9, SLC25A11, C17orf25, CA2, HNRPD, ME2, CXCL11, GZMB, SLC4A4, RBM25, ATP5A1, CDC42BPA, DDAH2, MARCH5, DKFZp762E1312, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, KLHL24, ETNK1, UBD, GTSE1, MYO1B, TMED5, RBBP8 81% 83% 85% 72% 69% 76%

293

HNRPD, WARS, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, MAD2L1, CXCL9, IRF8, CXCL10, FAS, SLC25A11, NDUFA9, WHSC1, ME2, CXCL11, IFT20, RBBP4, SLC4A4, RBM25, AK2, NUP210, CAMSAP1L1, ATP5A1, DDAH2, AGPAT5, MARCH5, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, STAT1, FLJ22471, LAPTM5, DEPDC1, INDO, YDD19 81% 79% 77% 79% 69% 72%

294

WARS, SFRS2, PSME2, GMFB, DLGAP4, TYMS, TES, CDC40, CXCL9, CXCL10, HNRPA3P1, C1QBP, SLC25A11, WHSC1, C17orf25, CA2, ME2, TLK1, SLC4A4, CXCL11, AK2, hCAP-D3, DDAH2, FAS, AGPAT5, FLJ10534, PSAT1, HNRPD, BRIP1, KLHL24, STAT1, IVD 73% 79% 88% 79% 85% 76%

295

WARS, SFRS2, EPAS1, EIF4E, SFPQ, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, LMAN1, CDC40, SLC4A4, CXCL9, IRF8, RABIF, CXCL10, FAS, PLK4, CHEK1, HNRPA3P1, TRIM25, SLC25A11, NDUFA9, KPNB1, WHSC1, CA2, HNRPD, ME2, GZMB, IFT20, CXCL11, RBM25, hCAP-D3, BAZ1A, AGPAT5, MARCH5, PBK, BRIP1, KLHL24, ETNK1, STAT1, TACC3, IL2RB, AK2 85% 86% 85% 76% 73% 76%

296

HNRPD, WARS, SFRS2, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, CDC40, SLC4A4, CXCL9, CXCL10, HNRPA3P1, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, ME2, FUT4, CXCL11, IFT20, RBBP4, RBM25, AK2, DDAH2, FAS, FLJ10534, SEC10L1, FLJ13220, PBK, BRIP1, TRMT5, KLHL24, STAT1, FEM1C, ITGB5 81% 86% 92% 86% 85% 76%

297

WARS, EIF4E, PSME2, GMFB, DLGAP4, TYMS, USP4, CDC40, SLC4A4, CXCL10, TRIM25, C1QBP, NDUFA9, SLC25A11, CA2, ME2, CXCL11, RBM25, CAMSAP1L1, ATP5A1, SOCS6, FLJ10534, DKFZp762E1312, SEC10L1, HNRPD, STAT1, LMAN1, LOC92249, NFS1 77% 79% 73% 86% 81% 86%

298

WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, TES, CTSS, DCK, MAD2L1, CXCL9, GTSE1, CXCL10, FAS, HNRPA3P1, KITLG, C1QBP, NDUFA9, SLC25A11, 81% 76% 81% 72% 77% 76%

WHSC1, CA2, HNRPD, ME2, FUT4, CXCL11, SLC4A4, RBM25, CDC42BPA, DDAH2, RBBP4, FLJ10534, MARCH5, SEC10L1, FLJ13220, PBK, BRIP1, ETNK1, STAT1, ZWINT, ZG16, TPRT, PURA

299

HNRPD, WARS, STAT1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, MAD2L1, SLC4A4, CXCL9, CXCL10, FAS, NDUFA9, WHSC1, ME2, GZMB, TLK1, CXCL11, RBM25, AGPAT5, FLJ13220, KLHL24, SLAMF8, PBX1, CAP350 85% 79% 81% 69% 77% 72%

300

HNRPD, WARS, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, TYMS, USP4, LMAN1, DCK, ARF6, CXCL9, CXCL10, FAS, TRIM25, KITLG, C1QBP, NDUFA9, KPNB1, SLC25A11, WHSC1, CA2, ME2, FUT4, CXCL11, GZMB, IFT20, SLC4A4, RBM25, BRRN1, ATP5A1, SFRS2, DDAH2, RBBP4, SEC10L1, FLJ13220, PBK, PSAT1, KLHL24, ETNK1, FLJ20273, VAPB, LARP4, CD74, BTN2A2 77% 79% 85% 76% 85% 79%

301

WARS, SFRS2, EPAS1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, CTSS, CDC40, SLC4A4, CXCL9, IRF8, CXCL10, FAS, PLK4, CHEK1, TRIM25, KITLG, SLC25A11, C1QBP, NDUFA9, WHSC1, HNRPD, ME2, CXCL11, GZMB, RBBP4, RBM25, CAMSAP1L1, BRRN1, CDC42BPA, AGPAT5, FLJ10534, SEC10L1, PBK, BRIP1, KLHL24, ETNK1, STAT1, H2AFZ, PGGT1B 81% 76% 88% 69% 77% 69%

302

WARS, EIF4E, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, CDC40, SLC4A4, CXCL10, FAS, CHEK1, HNRPA3P1, KITLG, SLC25A11, CA2, ME2, FUT4, CXCL11, IFT20, TLK1, RBM25, AK2, SFRS2, TRMT5, KLHL24, STAT1, FKBP9 85% 86% 88% 83% 81% 79%

303

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, TK1, DLGAP4, TYMS, TES, MAD2L1, CDC40, CXCL9, CXCL10, FAS, PLK4, CHEK1, TRIM25, C1QBP, NDUFA9, WHSC1, CA2, ME2, CXCL11, GZMB, RBBP4, SLC4A4, RBM25, CAMSAP1L1, DDAH2, AGPAT5, MARCH5, SEC10L1, PBK, BRIP1, TRMT5, ETNK1, STAT1, CHAF1A, ITGB5, HNRPDL 77% 79% 88% 79% 81% 76%

304

HNRPD, WARS, SFRS2, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, LMAN1, DCK, MAD2L1, CXCL9, CXCL10, FAS, KITLG, KPNB1, SLC25A11, WHSC1, ME2, CXCL11, IFT20, SLC4A4, RBM25, BRRN1, ATP5A1, CDC42BPA, BAZ1A, MARCH5, SEC10L1, PBK, PSAT1, BRIP1, KLHL24, STAT1, RBM28 81% 79% 81% 83% 81% 72%

305

HNRPD, WARS, SFRS2, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, CDC40, CXCL9, CXCL10, PLK4, HNRPA3P1, TRIM25, SLC25A11, KPNB1, ME2, SLC4A4, RBM25, hCAP-D3, FAS, RBBP4, BAZ1A, DKFZp762E1312, SEC10L1, KLHL24, STAT1, PSME1, BUB3, SOCS6 77% 83% 77% 83% 88% 79%

306

WARS, EPAS1, STAT1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, TES, CTSS, ARF6, SLC4A4, CXCL9, RABIF, CXCL10, FAS, PLK4, KITLG, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, CA2, HNRPD, ME2, FUT4, CXCL11, IFT20, RBM25, CAMSAP1L1, SOCS6, DDAH2, AGPAT5, FLJ10534, MARCH5, SEC10L1, FLJ13220, PBK, BRIP1, KLHL24, ETNK1, RPS2, CHAF1A, 73% 79% 85% 79% 81% 76%

LGALS3BP

307

WARS, SFRS2, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, CXCL9, GTSE1, RABIF, CXCL10, HNRPA3P1, TRIM25, KITLG, C1QBP, NDUFA9, WHSC1, CA2, ME2, FUT4, RBM25, hCAP-D3, ATP5A1, DDAH2, FAS, STAT1, CDCA8, HMGB3 85% 93% 85% 83% 81% 83%

308

WARS, MTHFD2, PSME2, GBP1, MAD2L1, CXCL9, IRF8, CXCL10, CHEK1, KITLG, ME2, CXCL11, IFT20, RBM25, AK2, ATP5A1, EAS, AGPAT5, SEC10L1, FLJ13220, HNRPD, KLHL24, ETNK1, STAT1, ECGF1 81% 76% 81% 83% 77% 69%

309

WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, CDC40, SLC4A4, CXCL9, GTSE1, CXCL10, FAS, PLK4, CHEK1, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, ME2, FUT4, CXCL11, IFT20, RBBP4, RBM25, AK2, NUP210, BRRN1, CDC42BPA, AGPAT5, FLJ10534, MARCH5, SEC10L1, FLJ13220, PBK, TRMT5, ETNK1, STAT1, SELL, GART 81% 83% 88% 76% 73% 76%

310

WARS, SFRS2, EPAS1, STAT1, EIF4E, SFPQ, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, CTSS, ARF6, CDC40, CXCL9, GTSE1, CXCL10, FAS, PLK4, CHEK1, TRIM25, SLC25A11, C1QBP, NDUFA9, WHSC1, ME2, FUT4, CXCL11, IFT20, RBBP4, SLC4A4, RBM25, hCAP-D3, DDAH2, AGPAT5, FLJ10534, MARCH5, SEC10L1, FLJ13220, PSAT1, HNRPD, BRIP1, KLHL24, ETNK1, WFDC1, YTHDF3, K-ALPHA-1, PAWR 73% 72% 85% 83% 69% 72%

311

HNRPD, WARS, SFRS2, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, LMAN1, MAD2L1, CDC40, CXCL9, IRF8, CXCL10, PLK4, HNRPA3P1, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, ME2, FUT4, CXCL11, IFT20, RBM25, BRRN1, CDC42BPA, FAS, AGPAT5, DKFZp762E1312, SEC10L1, FLJ13220, PBK, BRIP1, KLHL24, SMC2L1, IRF1 81% 83% 88% 83% 73% 79%

312

WARS, EPAS1, STAT1, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, USP4, CTSS, LMAN1, CXCL9, IRF8, CXCL10, KITLG, C1QBP, NDUFA9, SLC25A11, ME2, SLC4A4, RBM25, hCAP-D3, SOCS6, FAS, RBBP4, BAZ1A, AGPAT5, PSAT1, BRIP1, ETNK1, LPP, PPM1D, LAP3, TXNDC 73% 79% 81% 79% 77% 76%

313

WARS, EIF4E, PRDX3, PSME2, TK1, GMFB, DLGAP4, TYMS, LMAN1, CXCL10, SLC25A11, C1QBP, NDUFA9, KPNB1, C17orf25, CA2, ME2, RBBP4, SLC4A4, RBM25, FAS, SEC10L1, PBK, HNRPD, ETNK1, STAT1, KIAA0828, SPCS3, NARS 77% 76% 85% 79% 77% 83%

314

HNRPD, WARS, SFRS2, EPAS1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, USP4, LMAN1, ARF6, CDC40, SLC4A4, CXCL9, IRF8, CXCL10, FAS, PLK4, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, ME2, GZMB, CXCL11, RBM25, CAMSAP1L1, CDC42BPA, FLJ10534, MARCH5, FLJ13220, PBK, PSAT1, BRIP1, KLHL24, STAT1, NUP160, HLA-E 81% 76% 85% 79% 81% 79%

315

WARS, EIF4E, SFPQ, PRDX3, MTHFD2, MCM6, GMFB, DLGAP4, TYMS, CDC40, CXCL9, CXCL10, CHEK1, HNRPA3P1, C1QBP, SLC25A11, WHSC1, CA2, ME2, CXCL11, SLC4A4, RBM25, AK2, SFRS2, FAS, MARCH5, FLJ13220, KLHL24, ETNK1, STAT1, 73% 79% 85% 83% 77% 72%

SOCS1

316

WARS, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, USP4, DCK, CDC40, CXCL9, CXCL10, FAS, SLC25A11, C1QBP, KPNB1, WHSC1, CA2, ME2, FUT4, CXCL11, RBM25, DDAH2, SEC10L1, PBK, HNRPD, TRMT5, KLHL24, STAT1, PPA2, GTSE1, TNFRSF11A, RYK 81% 83% 81% 79% 85% 76%

317

WARS, SFRS2, EPAS1, PSME2, TK1, GMFB, DLGAP4, TYMS, CTSS, LMAN1, CDC40, SLC4A4, CXCL9, IRF8, CXCL10, PLK4, CHEK1, SLC25A11, C1QBP, KPNB1, WHSC1, CA2, ME2, GZMB, TLK1, CXCL11, RBM25, hCAP-D3, FAS, RBBP4, FLJ10534, MARCH5, HNRPD, STAT1, KIF2C, HAT1 77% 90% 85% 79% 85% 83%

318

WARS, EIF4E, PRDX3, PSME2, GBP1, TYMS, LMAN1, CXCL9, CXCL10, FAS, CHEK1, SLC25A11, NDUFA9, CA2, ME2, RBBP4, TLK1, CXCL11, SLC4A4, BRRN1, PBK, HNRPD, STAT1, TGFB2 69% 83% 77% 86% 81% 83%

319

WARS, SFRS2, EPAS1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, TK1, DLGAP4, TYMS, LMAN1, SLC4A4, CXCL9, CXCL10, PLK4, SLC25A11, WHSC1, C17orf25, CA2, ME2, CXCL11, GZMB, IFT20, RBM25, NUP210, CAMSAP1L1, ATP5A1, FAS, RBBP4, AGPAT5, FLJ10534, PBK, PSAT1, HNRPD, STAT1, HLA-DMB 92% 90% 88% 79% 73% 79%

320

SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, DLGAP4, TYMS, CXCL10, FAS, PLK4, CHEK1, HNRPA3P1, TRIM25, SLC25A11, C1QBP, NDUFA9, CA2, ME2, CXCL11, SLC4A4, RBM25, ATP5A1, FLJ13220, PSAT1, BRIP1, STAT1, RIF1, SCC-112, U2AF2 73% 86% 73% 76% 81% 79%

321

HNRPD, WARS, STAT1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, CTSS, LMAN1, DCK, CDC40, SLC4A4, CXCL9, CXCL10, FAS, PLK4, TRIM25, SLC25A11, NDUFA9, WHSC1, C17orf25, CA2, ME2, FUT4, CXCL11, IFT20, RBM25, AK2, BRRN1, SFRS2, DDAH2, MARCH5, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, KLHL24, CD8A, GTF2H2, C14orf156, BIRC5 77% 83% 81% 79% 81% 76%

322

HNRPD, WARS, SFRS2, EPAS1, STAT1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, USP4, CTSS, DCK, CXCL9, RABIF, CXCL10, FAS, TRIM25, NDUFA9, KPNB1, WHSC1, CA2, ME2, RBBP4, SLC4A4, RBM25, NUP210, hCAP-D3, SOCS6, BAZ1A, PBK, PSAT1, BRIP1, KLHL24, MAX, HADHSC 77% 79% 81% 83% 88% 76%

323

WARS, SFRS2, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, CTSS, ARF6, MAD2L1, CDC40, CXCL9, IRF8, CXCL10, TRIM25, SLC25A11, C1QBP, NDUFA9, CA2, ME2, CXCL11, GZMB, SLC4A4, RBM25, AK2, NUP210, BRRN1, ATP5A1, DDAH2, FAS, MARCH5, SEC10L1, PBK, HNRPD, ETNK1, STAT1, AP1G1 88% 83% 88% 76% 85% 79%

324

WARS, STAT1, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, CTSS, LMAN1, ARF6, MAD2L1, CDC40, CXCL9, CXCL10, FAS, PLK4, TRIM25, KITLG, C1QBP, NDUFA9, KPNB1, SLC25A11, WHSC1, CA2, HNRPD, ME2, FUT4, CXCL11, RBM25, CAMSAP1L1, hCAP-D3, BRRN1, ATP5A1, SOCS6, RBBP4, SEC10L1, PBK, BRIP1, KLHL24, ETNK1, MIS12, RBMS3, RUNX1, TTC19 73% 76% 81% 83% 85% 86%

325

HNRPD, WARS, SFRS2, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, MAD2L1, CXCL10, FAS, HNRPA3P1, NDUFA9, SLC25A11, CA2, ME2, GZMB, CXCL11, hCAP-D3, RBBP4, BAZ1A, AGPAT5, FLJ10534, ETNK1, STAT1, JAK2, RNGTT 85% 76% 92% 76% 85% 76%

326

WARS, PAICS, EIF4E, SFPQ, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, TES, ARF6, CDC40, CXCL9, RABIF, CXCL10, FAS, TRIM25, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, ME2, FUT4, CXCL11, SLC4A4, RBM25, CAMSAP1L1, hCAP-D3, CDC42BPA, AGPAT5, PBK, PSAT1, HNRPD, BRIP1, STAT1, CDC2, ATP13A3, ZC3HAV1, FANCA 73% 76% 81% 79% 77% 66%

327

WARS, EIF4E, MTHFD2, PSME2, TK1, GMFB, TYMS, CXCL9, CXCL10, FAS, SLC25A11, WHSC1, C17orf25, CA2, ME2, RBM25, NUP210, BAZ1A, FLJ10534, MARCH5, SEC10L1, HNRPD, BRIP1, KLHL24, ETNK1, STAT1, SGPP1, CLCA4, FOXM1 77% 79% 85% 79% 69% 79%

328

HNRPD, WARS, SFRS2, EPAS1, STAT1, EIF4E, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, TYMS, TES, LMAN1, DCK, ARF6, CDC40, CXCL9, CXCL10, FAS, PLK4, TRIM25, KITLG, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, C17orf25, CA2, ME2, TLK1, CXCL11, SLC4A4, RBM25, AK2, hCAP-D3, BAZ1A, AGPAT5, SEC10L1, FLJ13220, PBK, KLHL24, ETNK1, MCAM, BUB3, YTHDC2, APOL6, NUP210 88% 83% 85% 79% 81% 76%

329

WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, USP4, TES, LMAN1, ARF6, CDC40, CXCL9, IRF8, GTSE1, RABIF, CXCL10, FAS, HNRPA3P1, C1QBP, NDUFA9, KPNB1, SLC25A11, WHSC1, C17orf25, CA2, HNRPD, ME2, CXCL11, GZMB, SLC4A4, RBM25, AK2, SOCS6, CDC42BPA, RBBP4, AGPAT5, MARCH5, SEC10L1, PSAT1, BRIP1, KLHL24, ETNK1, STAT1, CACNB3, BUB1B, ESPL1, H2AFZ 88% 86% 85% 76% 77% 72%

330

WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, USP4, CXCL9, CXCL10, NDUFA9, KPNB1, SLC25A11, C17orf25, ME2, CXCL11, RBBP4, hCAP-D3, ATP5A1, FAS, AGPAT5, FLJ10534, PBK, PSAT1, HNRPD, BRIP1, ETNK1, STAT1, LHCGR 77% 79% 73% 79% 65% 69%

331

WARS, EIF4E, MTHFD2, PSME2, GBP1, DLGAP4, TYMS, CTSS, CDC40, SLC4A4, IRF8, CXCL10, FAS, TRIM25, SLC25A11, C1QBP, NDUFA9, ME2, FUT4, RBBP4, TLK1, RBM25, AK2, FLJ10534, MARCH5, FLJ13220, ETNK1, STAT1, C18orf9, C10orf3, AURKB, IFI16, PTPRC 69% 72% 73% 86% 81% 76%

332

HNRPD, WARS, PAICS, EIF4E, PRDX3, MTHFD2, TK1, GMFB, TYMS, CTSS, CXCL9, FAS, KITLG, NDUFA9, SLC25A11, C17orf25, ME2, FUT4, CXCL11, IFT20, SLC4A4, RBM25, CDC42BPA, SFRS2, AGPAT5, MARCH5, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, KLHL24, STAT1, AK2 77% 83% 88% 76% 77% 72%

333

WARS, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, USP4, CTSS, LMAN1, CXCL9, CXCL10, FAS, PLK4, HNRPA3P1, TRIM25, SLC25A11, WHSC1, ME2, CXCL11, IFT20, SLC4A4, RBM25, BAZ1A, AGPAT5, DKFZp762E1312, SEC10L1, PBK, HNRPD, BRIP1, ETNK1, STAT1, 88% 86% 85% 66% 65% 79%

TOP2A, NUSAP1, USP14, PRF1, SCYL2

334

WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, CXCL10, FAS, WHSC1, C17orf25, ME2, IFT20, TLK1, CXCL11, SLC4A4, RBM25, AK2, CDC42BPA, HNRPD, ETNK1, STAT1, HLA-DRA, POLE2, PAICS, NUP210 88% 93% 88% 86% 73% 83%

335

HNRPD, WARS, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, TYMS, USP4, LMAN1, CDC40, CXCL9, PLK4, SLC25A11, WHSC1, C17orf25, CA2, ME2, IFT20, CXCL11, RBM25, hCAP-D3, FAS, FLJ10534, DKFZp762E1312, SEC10L1, ETNK1, STAT1, WDHD1 81% 83% 92% 79% 88% 83%

336

WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, GBP1, GMFB, DLGAP4, TYMS, USP4, CTSS, MAD2L1, CXCL9, IRF8, GTSE1, CXCL10, FAS, CHEK1, KITLG, SLC25A11, C1QBP, NDUFA9, WHSC1, C17orf25, CA2, ME2, CXCL11, GZMB, IFT20, TLK1, SLC4A4, RBM25, hCAP-D3, BAZ1A, MARCH5, DKFZp762E1312, SEC10L1, FLJ13220, PSAT1, HNRPD, BRTP1, KLHL24, ETNK1, STAT1, CUTL1, FAM64A 77% 86% 85% 76% 81% 76%

337

WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, CTSS, LMAN1, CDC40, CXCL9, IRF8, SLC25A11, C1QBP, NDUFA9, CA2, ME2, FUT4, CXCL11, RBM25, AK2, CDC42BPA, FAS, RBBP4, AGPAT5, MARCH5, SEC10L1, PBK, HNRPD, BRIP1, TRMT5, STAT1, TMEPAI, ZNF304, KLF7 77% 79% 92% 69% 92% 79%

338

WARS, SFRS2, EPAS1, STAT1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, CDC40, SLC4A4, CXCL9, RABIF, CXCL10, FAS, CHEK1, TRIM25, SLC25A11, C1QBP, NDUFA9, WHSC1, CA2, HNRPD, ME2, GZMB, RBBP4, CXCL11, RBM25, AK2, NUP210, BRRN1, ATP5A1, CDC42BPA, AGPAT5, FLJ10534, MARCH5, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, MCM10, HLA-DMA, RABEP1, YARS, P15RS 81% 93% 92% 79% 81% 72%

339

WARS, STAT1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, MAD2L1, FAS, PLK4, TRIM25, KITLG, SLC25A11, KPNB1, WHSC1, ME2, CXCL11, SLC4A4, RBM25, AK2, AGPAT5, KLHL24, CDKN1C, RFC5, FEN1, TFRC 73% 79% 77% 79% 69% 83%

340

WARS, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, LMAN1, DCK, CDC40, CXCL9, IRF8, GTSE1, CXCL10, FAS, PLK4, TRIM25, SLC25A11, C1QBP, NDUFA9, C17orf25, CA2, ME2, FUT4, CXCL11, SLC4A4, RBM25, AK2, CDC42BPA, RBBP4, BAZ1A, AGPAT5, FLJ10534, SEC10L1, FLJ13220, PBK, PSAT1, HNRPD, KLHL24, ETNK1, STAT1, SPFH1, SP3, CDC20, RAP1GDS1, M11S1 73% 79% 85% 83% 81% 72%

341

WARS, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, LMAN1, ARF6, SLC4A4, CXCL9, CXCL10, FAS, TRIM25, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, HNRPD, ME2, GZMB, TLK1, CXCL11, RBM25, AK2, BRRN1, DDAH2, AGPAT5, FLJ10534, SEC10L1, FLJ13220, PBK, PSAT1, TRMT5, KLHL24, ETNK1, STAT1, AVEN, HLA-DPA1, CD59 96% 90% 81% 72% 73% 72%

342

WARS, SFRS2, EPAS1, PRDX3, MTHFD2, TK1, GMFB, DLGAP4, TYMS, TES, LMAN1, SLC4A4, 81% 83% 92% 79% 85% 79%

GTSE1, CXCL10, FAS, TRIM25, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, HNRPD, ME2, FUT4, CXCL11, RBM25, CDC42BPA, RBBP4, BAZ1A, AGPAT5, MARCH5, SEC10L1, BRIP1, TRMT5, KLHL24, STAT1, MPP5, EIF4A1, TRIP13 APOL3

343

WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, LMAN1, CDC40, CXCL9, CXCL10, FAS, CHEK1, HNRPA3P1, SLC25A11, C1QBP, WHSC1, CA2, HNRPD, ME2, CXCL11, TLK1, SLC4A4, RBM25, AK2, ATP5A1, SOCS6, BAZ1A, AGPAT5, MARCH5, DKFZp762E1312, SEC10L1, PBK, BRIP1, KLHL24, STAT1, GPR161, SGCD 69% 79% 85% 83% 88% 76%

344

WARS, SFRS2, EIF4E, PRDX3, PSME2, GMFB, DLGAP4, TYMS, USP4, MAD2L1, CDC40, SLC4A4, CXCL10, FAS, CHEK1, KITLG, NDUFA9, KPNB1, SLC25A11, CA2, HNRPD, ME2, FUT4, GZMB, CXCL11, RBM25, BRRN1, CDC42BPA, MARCH5, KLHL24, ETNK1, STAT1, ADH1C, WHSC1, HIP2 77% 86% 92% 79% 88% 86%

345

WARS, SFRS2, EPAS1, PAICS, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, DCK, ARF6, SLC4A4, CXCL9, RABIF, CXCL10, FAS, TRIM25, SLC25A11, C1QBP, NDUFA9, WHSC1, C17orf25, CA2, HNRPD, ME2, FUT4, GZMB, IFT20, CXCL11, RBM25, AK2, CAMSAP1L1, BRRN1, DDAH2, RBBP4, AGPAT5, PBK, PSAT1, BRIP1, KLHL24, STAT1, XPO7, TRAFD1, YTHDC2, RNF138 81% 86% 88% 83% 88% 72%

346

WARS, SFRS2, EPAS1, PRDX3, MTHFD2, PSME2, MCM6, DLGAP4, TYMS, USP4, CDC40, SLC4A4, CXCL9, RABIF, CXCL10, FAS, SLC25A11, C1QBP, NDUFA9, WHSC1, CA2, ME2, CXCL11, RBM25, NUP210, BRRN1, DDAH2, RBBP4, BAZ1A, DKFZp762E1312, SEC10L1, PSAT1, HNRPD, KLHL24, ETNK1, STAT1, ACADSB, AMIGO2, CCL5, KIAA0286 81% 83% 85% 76% 81% 72%

347

SFRS2, EPAS1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, LMAN1, DCK, ARF6, CDC40, CXCL9, GTSE1, CXCL10, FAS, SLC25A11, KPNB1, WHSC1, CA2, HNRPD, ME2, CXCL11, SLC4A4, RBM25, AK2, ATP5A1, CDC42BPA, BAZ1A, FLJ10534, FLJ13220, PBK, BRIP1, KLHL24, STAT1, PSMB9, HBP1, CPD, AIM2. 81% 83% 92% 79% 85% 79%

348

WARS, EPAS1, EIF4E, PRDX3, MTHFD2, MCM6, GMFB, DLGAP4, CDC40, CXCL10, CHEK1, KPNB1, CA2, ME2, RBBP4, CXCL11, SLC4A4, RBM25, CDC42BPA, FAS, FLJ10534, SEC10L1, FLJ13220, HNRPD, STAT1, TTK, YBX2, BCL7C, SI 73% 86% 73% 86% 73% 79%

349

WARS, SFRS2, STAT1, EIF4E, PRDX3, MTHFD2, TK1, GMFB, DLGAP4, TYMS, USP4, TES, CTSS, CXCL9, CXCL10, FAS, SLC25A11, KPNB1, C17orf25, ME2, GZMB, SLC4A4, NUP210, hCAP-D3, HNRPD, TRMT5, KLHL24, PRO2730 88% 79% 96% 69% 88% 76%

350

EPAS1, EIF4E, PRDX3, PSME2, GMFB, DLGAP4, TYMS, USP4, CTSS, SLC4A4, CXCL10, HNRPA3P1, KITLG, SLC25A11, WHSC1, CA2, HNRPD, ME2, FUT4, RBM25, CAMSAP1L1, FAS, AGPAT5, FLJ10534, MARCH5, SEC10L1, PSAT1, BRIP1, KLHL24, STAT1, MCM2, GGA2, SPAG5, VRK1, EBNA1BP2 73% 83% 92% 79% 81% 76%

351

WARS, SFRS2, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, LMAN1, MAD2L1, SLC4A4, CXCL9, RABIF, CXCL10, FAS, CHEK1, KITLG, SLC25A11, NDUFA9, C17orf25, CA2, ME2, IFT20, CXCL11, RBM25, hCAP-D3, CDC42BPA, AGPAT5, MARCH5, HNRPD, KLHL24, STAT1, MYCBP, GBP1, ITGA4, PBXIP1, CENPA 85% 76% 88% 83% 88% 76%

352

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, CTSS, ARF6, CDC40, SLC4A4, CXCL9, CXCL10, FAS, TRIM25, KITLG, NDUFA9, SLC25A11, C17orf25, CA2, ME2, FUT4, GZMB, CXCL11, BRRN1, SOCS6, CDC42BPA, BAZ1A, DKFZp762E1312, SEC10L1, PBK, PSAT1, BRIP1, TRMT5, ETNK1, STAT1, PPIG, NUP98, FUSIP1, SH3GLB1 77% 79% 92% 76% 77% 76%

353

WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, DCK, CDC40, CXCL9, GTSE1, RABIF, CXCL10, KITLG, C1QBP, NDUFA9, SLC25A11, C17orf25, CA2, ME2, GZMB, IFT20, SLC4A4, RBM25, DDAH2, FAS, AGPAT5, FLJ10534, MARCH5, FLJ13220, PBK, HNRPD, KLHL24, ETNK1, STAT1, C5orf4, KIF23, SSPN 85% 83% 88% 79% 73% 72%

354

HNRPD, WARS, SFRS2, STAT1, EIF4E, SFPQ, PSME2, GBP1, GMFB, DLGAP4, TYMS, CTSS, ARF6, CDC40, SLC4A4, CXCL10, FAS, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, ME2, IFT20, RBBP4, CXCL11, RBM25, NUP210, BAZ1A, AGPAT5, MARCH5, PBK, KLHL24, MAP2K4, UBE2L6 85% 83% 92% 83% 81% 76%

355

HNRPD, WARS, EIF4E, MTHFD2, MCM6, DLGAP4, TYMS, CDC40, CXCL9, CXCL10, FAS, TRIM25, C1QBP, ME2, CXCL11, RBM25, AK2, CDC42BPA, SEC10L1, PBK, KLHL24, ETNK1, STAT1, DNA2L, TAP2, SYNPO 88% 90% 73% 79% 73% 76%

356

HNRPD, WARS, EIF4E, MTHFD2, GBP1, GMFB, DLGAP4, TYMS, USP4, DCK, CDC40, CXCL9, IRF8, GTSE1, CXCL10, HNRPA3P1, TRIM25, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, ME2, FUT4, CXCL11, RBBP4, TLK1, SLC4A4, RBM25, AK2, NUP210, ATP5A1, SFRS2, FAS, AGPAT5, FLJ10534, MARCH5, SEC10L1, PBK, KLHL24, ETNK1, STAT1, EXOSC9, KIF15, FBXL14, ABCE1 69% 83% 85% 83% 81% 79%

357

WARS, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, TES, CTSS, LMAN1, CDC40, SLC4A4, CXCL9, IRF8, CXCL10, FAS, PLK4, HNRPA3P1, C1QBP, NDUFA9, SLC25A11, WHSC1, C17orf25, CA2, HNRPD, ME2, CXCL11, RBM25, AK2, CDC42BPA, RBBP4, AGPAT5, FLJ10534, SEC10L1, FLJ13220, PBK, BRIP1, STAT1, CCL5, FLJ20516, BUB1, MRPL42 85% 86% 88% 79% 81% 72%

358

HNRPD, WARS, EIF4E, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, USP4, ARF6, MAD2L1, CDC40, SLC4A4, CXCL9, CXCL10, FAS, PLK4, C1QBP, SLC25A11, WHSC1, CA2, ME2, CXCL11, RBBP4, RBM25, AK2, CDC42BPA, BAZ1A, AGPAT5, SEC10L1; PBK, PSAT1, BRIP1, ETNK1, STAT1, GZMA, EIF4A1, PSMA3, CD2, CCNB1 77% 83% 85% 79% 81% 69%

359

WARS, PSME2, GMFB, DLGAP4, TYMS, CDC40, CXCL9, GTSE1, CXCL10, FAS, TRIM25, SLC25A11, C1QBP, NDUFA9, WHSC1, C17orf25, ME2, CXCL11, 77% 79% 81% 76% 77% 66%

RBM25, CAMSAP1L1, AGPAT5, FLJ13220, PSAT1, TRMT5, KLHL24, ETNK1, STAT1, RRM1, CXCL13, NKG7, MGAT2, LCP2

360

HNRPD, SFRS2, EPAS1, STAT1, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, CXCL9, GXCL10, FAS, CHEK1, HNRPA3P1, KPNB1, SLC25A11, WHSC1, C17orf25, ME2, CXCL11, IFT20, TLK1, SLC4A4, RBM25, CDC42BPA, BAZ1A, AGPAT5, MARCH5, SEC10L1, PBK, PSAT1, KLHL24, C1orf112, TCF7L2, RARRES3, SERBP1, TBX2 88% 90% 85% 79% 73% 76%

361

HNRPD, WARS, EIF4E, SFPQ, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, CTSS, ARF6, CXCL9, IRF8, RABIF, CXCL10, FAS, PLK4, HNRPA3P1, KITLG, SLC25A11, C1QBP, NDUFA9, WHSC1, C17orf25, ME2, CXCL11, IFT20, TLK1, RBM25, AK2, NUP210, hCAP-D3, CDC42BPA, DDAH2, AGPAT5, FLJ10534, SEC10L1, PBK, KLHL24, STAT1, PTGER3, HCAP-G 81% 83% 88% 76% 77% 69%

362

HNRPD, WARS, SFRS2, EPAS1, STAT1, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, CTSS, LMAN1, MAD2L1, CDC40, CXCL9, IRF8, CXCL10, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, ME2, CXCL11, GZMB, IFT20, RBBP4, SLC4A4, RBM25, hCAP-D3, BRRN1, FAS, FLJ10534, SEC10L1, PSAT1, KLHL24, NUP50, MCCC2, RABGEF1 81% 90% 85% 79% 77% 83%

363

WARS, SFRS2, EPAS1, EIF4E, MTHFD2, GMFB, DLGAP4, TYMS, USP4, CDC40, CXCL9, CXCL10, FAS, HNRPA3P1, TRIM25, C1QBP, SLC25A11, ME2, CXCL11, IFT20, RBM25, AK2, hCAP-D3, CDC42BPA, RBBP4, BAZ1A, DKFZp762E1312, SEC10L1, PBK, HNRPD, ETNK1, STAT1, PSMA6, ZNF345, UBAP1 92% 90% 77% 83% 69% 72%

364

WARS, EPAS1, PAICS, EIF4E, MTHFD2, PSME2, GMFB, TYMS, TES, LMAN1, SLC4A4, CXCL9, RABIF, FAS, CHEK1, HNRPA3P1, TRIM25, SLC25A11, C1QBP, WHSC1, ME2, CDC42BPA, FLJ10534, SEC10L1, PBK, STAT1, ZBTB20, NAT2 77% 86% 88% 76% 85% 76%

365

WARS, SFRS2, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, MAD2L1, CXCL9, CXCL10, FAS, C1QBP, NDUFA9, KPNB1, SLC25A11, WHSC1, CA2, ME2, IFT20, SLC4A4, RBM25, AK2, CDC42BPA, DDAH2, PSAT1, HNRPD, BRIP1, KLHL24, ETNK1, STAT1, HMMR, CTSL 85% 86% 85% 76% 81% 69%

366

WARS, EIF4E, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, CTSS, DCK, CXCL9, CXCL10, FAS, TRIM25, WHSC1, C17orf25, CA2, ME2, FUT4, IFT20, CXCL11, SLC4A4, RBM25, CDC42BPA, RBBP4, AGPAT5, MARCH5, FLJ13220, PBK, HNRPD, TRMT5, KLHL24, ETNK1, STAT1, PBX1, ZDHHC3, CLEC2D 88% 83% 85% 72% 69% 76%

367

HNRPD, WARS, SFRS2, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, LMAN1, ARF6, CDC40, CXCL9, IRF8, GTSE1, RABIF, CXCL10, FAS, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, ME2, TLK1, SLC4A4, CXCL11, RBM25, hCAP-D3, DDAH2, RBBP4, BAZ1A, AGPAT5, SEC10L1, PBK, TRMT5, KLHL24, ETNK1, STAT1, NEK2, KIAA0841, RNMT, C4orf16 73% 83% 85% 83% 73% 66%

368

WARS, SFRS2, EPAS1, STAT1, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, CDC40, SLC4A4, CXCL9, RABIF, CXCL10, FAS, PLK4, CHEK1, HNRPA3P1, TRIM25, C1QBP, KPNB1, SLC25A11, WHSC1, CA2, HNRPD, ME2, FUT4, RBBP4, CXCL11, RBM25, NUP210, SOCS6, CDC42BPA, FLJ10534, MARCH5, FLJ13220, PBK, PSAT1, BRIP1, KLHL24, APOL1, PDGFA, FBXO5 CACYBP, ABCE1 73% 83% 81% 79% 81% 72%

369

WARS, SFRS2, EPAS1, STAT1, PAICS, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, DCK, CDC40, SLC4A4, CXCL9, GTSE1, CXCL10, PLK4, SLC25A11, NDUFA9, KPNB1, WHSC1, C17orf25, CA2, ME2, FUT4, IFT20, TLK1, CXCL11, RBM25, AK2, CDC42BPA, DDAH2, FAS, BAZ1A, AGPAT5, SEC10L1, FLJ13220, PBK, PSAT1, HNRPD, BRIP1, BMP5, ETNK1, PTGER3, VAMP4, CCNB2 88% 86% 81% 83% 81% 79%

370

WARS, EPAS1, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, CTSS, MAD2L1, CDC40, SLC4A4, CXCL9, GTSE1, RABIF, CXCL10, FAS, PLK4, TRIM25, KITLG, SLC25A11, C1QBP, CA2, ME2, CXCL11, RBBP4, TLK1, RBM25, AK2, BRRN1, SFRS2, BAZ1A, AGPAT5, FLJ13220, PSAT1, HNRPD, BRIP1, KLHL24, STAT1, TAP1, LCP2, ITGAL, CCNT2, FYB 81% 79% 81% 79% 81% 76%

371

HNRPD, WARS, PRDX3, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, DCK, ARF6, CXCL9, CXCL10, C1QBP, NDUFA9, SLC25A11, ME2, IFT20, CXCL11, RBM25, AK2, BRRN1, ATP5A1, CDC42BPA, SFRS2, FAS, BAZ1A, AGPAT5, FLJ13220, PBK, PSAT1, BRIP1, KLHL24, STAT1, NEIL3, PCDHGC3, NUSAP1 88% 79% 85% 79% 73% 72%

372

SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, TES, DCK, MAD2L1, CXCL9, IRF8, CXCL10, FAS, TRIM25, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, HNRPD, ME2, CXCL11, IFT20, RBBP4, SLC4A4, RBM25, AK2, CDC42BPA, DDAH2, BAZ1A, AGPAT5, FLJ10534, MARCH5, SEC10L1, FLJ13220, PBK, KLHL24, ETNK1, STAT1, TNFAIP2 77% 79% 81% 83% 85% 79%

373

WARS, STAT1, EIF4E, SFPQ, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, ARF6, CDC40, SLC4A4, CXCL9, RABIF, CXCL10, FAS, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, C17orf25, CA2, ME2, FUT4, CXCL11, GZMB, TLK1, RBM25, AK2, FLJ10534, FLJ13220, HNRPD, BRIP1, GEMIN4, PTPRC 85% 86% 92% 79% 81% 72%

374

WARS, SFRS2, EPAS1, PAICS, EIF4E, MTHFD2, PSME2, MCM6, GBP1, GMFB, DLGAP4, TYMS, TES, CTSS, DCK, MAD2L1, CDC40, SLC4A4, CXCL9, IRF8, GTSE1, CXCL10, FAS, PLK4, TRIM25, KITLG, C1QBP, NDUFA9, KPNB1, SLC25A11, WHSC1, CA2, ME2, CXCL11, RBM25, AK2; hCAP-D3, CDC42BPA, DDAH2, AGPAT5, MARCH5, SEC10L1, FLJ13220, PBK, HNRPD, BRIP1, KLHL24, STAT1, APOBEC3G, KIF11, GBP2, RAB6A, ITGB5 77% 90% 81% 76% 85% 76%

375

WARS, EIF4E, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, MAD2L1, CDC40, CXCL9, CXCL10, FAS, SLC25A11, C1QBP, NDUFA9, ME2, FUT4, CXCL11, RBM25, hCAP-D3, BRRN1, MARCH5, 73% 72% 85% 90% 81% 83%

SEC10L1, FLJ13220, HNRPD, STAT1, AP2B1, KIF2, K-ALPHA-1, GPHN

376

HNRPD, WARS, SFRS2, EPAS1, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, TYMS, USP4, CTSS, LMAN1, CXCL9, IRF8, RABIF, CXCL10, FAS, HNRPA3P1, KITLG, SLC25A11, C1QBP, NDUFA9, WHSC1, ME2, CXCL11, TLK1, SLC4A4, RBM25, ATP5A1, RBBP4, FLJ10534, MARCH5, FLJ13220, PSAT1, BRIP1, KLHL24, STAT1, KIF18A, KIF2C, NF2, DLG7, PSMA5 77% 83% 77% 86% 73% 86%

377

WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, CDC40, CXCL9, CXCL10, FAS, PLK4, TRIM25, KITLG, C1QBP, NDUFA9, SLC25A11, HNRPD, ME2, CXCL11, IFT20, RBM25, ATP5A1, DDAH2, AGPAT5, FLJ13220, PSAT1, BRIP1, KLHL24, STAT1, SLC4A4, CD7, DNMIL, RPL39, CDKN3 81% 90% 85% 90% 88% 72%

378

HNRPD, WARS, SFRS2, EPAS1, STAT1, EIF4E, PRDX3, MTHFD2, PSME2, TK1, DLGAP4, TYMS, USP4, LMAN1, DCK, MAD2L1, CDC40, SLC4A4, CXCL9, GTSE1, RABIF, CXCL10, FAS, PLK4, CHEK1, HNRPA3P1, TRIM25, C1QBP, NDUFA9, SLC25A11, WHSC1, ME2, CXCL11, GZMB, IFT20, RBBP4, TLK1, RBM25, AK2, ATP5A1, AGPAT5, KLHL24, ETNK1, CD3Z, DHX15, MTHFD1 85% 90% 85% 72% 73% 79%

379

WARS, STAT1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, LMAN1, DCK, SLC4A4, CXCL9, IRF8, RABIF, CXCL10, FAS, TRIM25, NDUFA9, SLC25A11, WHSC1, HNRPD, ME2, CXCL11, TLK1, RBM25, CAMSAP1L1, CDC42BPA, RBBP4, MARCH5, SEC10L1, FLJI3220, PSAT1, BRIP1, KLHL24, ETNK1, ATF6, RRM2, KPNA2 81% 83% 77% 83% 77% 79%

380

HNRPD, WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, GBP1, TK1, DLGAP4, TYMS, LMAN1, MAD2L1, CXCL9, IRF8, CXCL10, FAS, HNRPA3P1, KITLG, NDUFA9, KPNB1, SLC25A11, ME2, CXCL11, TLK1, SLC4A4, RBM25, AK2, AGPAT5, FLJ10534, MARCH5, SEC10L1, PBK, PSAT1, BRIP1, KLHL24, STAT1, BTN3A3 73% 83% 81% 86% 69% 72%

381

WARS, EIF4E, PRDX3, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, TES, CDC40, CXCL9, CXCL10, FAS, KITLG, NDUFA9, SLC25A11, WHSC1, CA2, ME2, RBM25, AK2, ATP5A1, SEC10L1, PBK, HNRPD, BRIP1, KLHL24, STAT1, CHEK1, C20orf45, CKS2 85% 83% 92% 86% 85% 76%

382

WARS, SFRS2, EPAS1, EIF4E, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, USP4, ARF6, MAD2L1, CXCL9, RABIF, CXCL10, FAS, PLK4, CHEK1, HNRPA3P1, KITLG, SLC25A11, WHSC1, C17orf25, ME2, FUT4, CXCL11, IFT20, SLC4A4, RBM25, ATP5A1, CDC42BPA, RBBP4, MARCH5, SEC10L1, FLJ13220, PBK, PSAT1, ETNK1, STAT1, HMGN2, SFRS10 92% 90% 81% 79% 73% 76%

383

WARS, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, GMFB, DLGAP4, TYMS, USP4, DCK, CDC40, CXCL9, IRF8, RABIF, CXCL10, FAS, PLK4, HNRPA3P1, TRIM25, KITLG, C1QBP, NDUFA9, SLC25A11, C17orf25, CA2, HNRPD, ME2, CXCL11, RBM25, SFRS2, DDAH2, RBBP4, AGPAT5, 85% 83% 88% 76% 81% 72%

FLJ13220, PBK, ETNK1, STAT1, TMEM48

384

WARS, SFRS2, EPAS1, EIF4E, SFPQ, GMFB, DLGAP4, TYMS, USP4, SLC4A4, CXCL9, RABIF, CXCL10, FAS, KPNB1, CA2, ME2, FUT4, CXCL11, RBM25, CAMSAP1L1, KLHL24, STAT1, TRAF3IP3, SOS1 88% 90% 88% 83% 81% 76%

385

WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, DLGAP4, TYMS, USP4, MAD2L1, SLC4A4, CXCL9, GTSE1, RABIF, CXCL10, FAS, HNRPA3P1, TRIM25, SLC25A11, NDUFA9, WHSC1, CA2, ME2, GZMB, TLK1, CXCL11, RBM25, AK2, BRRN1, ATP5A1, DDAH2, AGPAT5, MARCH5, SEC10L1, PBK, PSAT1, HNRPD, BRIP1, KLHL24, STAT1, C16orf30 85% 86% 88% 79% 73% 79%

386

WARS, SFRS2, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, LMAN1, CXCL9, IRF8, GTSE1, CXCL10, FAS, TRIM25, KITLG, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, HMRPD, ME2, CXCL11, IFT20, RBBP4, TLK1, SLC4A4, RBM25, CAMSAP1L1, ATP5A1, DDAH2, FLJ10534, MARCH5, DKFZp762E1312, SEC10L1, PBK, TRMT5, STAT1, PGD, ZNF148 69% 76% 69% 86% 81% 86%

387

HNRPD, WARS, EPAS1, PRDX3, MTHFD2, PSME2, TK1, DLGAP4, TYMS, USP4, TES, LMAN1, CXCL9, CXCL10, FAS, PLK4, TRIM25, C1QBP, SLC25A11, WHSC1, ME2, RBBP4, TLK1, SLC4A4, NUP210, SFRS2, SEC10L1, ETNK1, STAT1, SNRPC, RAC2 73% 86% 88% 83% 81% 83%

388

WARS, SFRS2, PAICS, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, TES, LMAN1, CDC40, CXCL10, NDUFA9, KPNB1, SLC25A11, ME2, CXCL11, SLC4A4, RBM25, NUP210, hCAP-D3, FAS, RBBP4, ETNK1, STAT1, DHX40, KIAA0090 73% 79% 73% 86% 77% 83%

389

HNRPD, WARS, SFRS2, EPAS1, STAT1, EIF4E, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, LMAN1, ARF6, CXCL10, FAS, PLK4, TRIM25, SLC25A11, C1QBP, NDUFA9, ME2, CXCL11, GZMB, TLK1, SLC4A4, RBM25, hCAP-D3, ATP5A1, CDC42BPA, DDAH2, AGPAT5, FLJ10534, MARCH5, FLJ13220, SLA 85% 86% 88% 76% 81% 83%

390

WARS, EPAS1, EIF4E, PRDX3, TK1, GMFB, DLGAP4, USP4, CXCL9, CXCL10, FAS, CHEK1, KITLG, C1QBP, NDUFA9, SLC25A11, WHSC1, ME2, IFT20, RBM25, HNRPD, BRIP1, ETNK1, STAT1, MASA, SYDE1, C9orf76, ZNF518 88% 86% 81% 83% 81% 86%

391

WARS, SFRS2, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, CXCL9, RABIF, CXCL10, HNRPA3P1, TRIM25, KITLG, SLC25A11, ME2, RBBP4, CXCL11, RBM25, SOCS6, FAS, AGPAT5, MARCH5, SEC10L1, HNRPD, BRIP1, STAT1, KIAA0265, CCNA2, LRP8, CNAP1 85% 79% 92% 79% 88% 76%

392

HNRPD, WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, USP4, CTSS, ARF6, CXCL9, IRF8, GTSE1, CXCL10, TRIM25, C1QBP, SLC25A11, WHSC1, CA2, ME2, FUT4, CXCL11, GZMB, SLC4A4, RBM25, AK2, CAMSAP1L1, ATP5A1, SOCS6, CDC42BPA, FAS, RBBP4, BAZ1A, AGPAT5, MARCH5, SEC10L1, PBK, BRIP1, KLHL24, STAT1, GTPBP3, MOBK1B, MDS032, WDR45L 85% 90% 88% 79% 85% 69%

393

HNRPD, WARS, SFRS2, STAT1, EIF4E, MTHFD2, 81% 79% 77% 86% 69% 66%

PSME2, MCM6, GMFB, DLGAP4, TYMS, USP4, TES, DCK, CDC40, CXCL9, IRF8, CXCL10, FAS, PLK4, SLC25A11, C1QBP, NDUFA9, KPNB1, C17orf25, ME2, IFT20, RBBP4, TLK1, SLC4A4, CXCL11, RBM25, AK2, NUP210, ATP5A1, CDC42BPA, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, KLHL24, ETNK1, FLJ20641, PIK3CD

394

WARS, SFRS2, EIF4E, PRDX3, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, TYMS, USP4, MAD2L1, CDC40, CXCL9, IRF8, CXCL10, WHSC1, C17orf25, CA2, HNRPD, ME2, CXCL11, GZMB, SLC4A4, RBM25, AK2, FAS, SEC10L1, KLHL24, STAT1, KIAA0907 81% 90% 85% 79% 85% 72%

395

WARS, SFRS2, EPAS1, PAICS, EIF4E, PRDX3, MTHFD2, PSME2, DLGAP4, TYMS, TES, DCK, CDC40, SLC4A4, IRF8, CXCL10, PLK4, C1QBP, NDUFA9, SLC25A11, WHSC1, CA2, ME2, FUT4, GZMB, TLK1, CXCL11, RBM25, hCAP-D3, FAS, AGPAT5, MARCH5, SEC10L1, PSAT1, HNRPD, BRIP1, STAT1, NUMB, HMGB2 85% 86% 85% 72% 69% 76%

396

WARS, EIF4E, MTHFD2, GMFB, DLGAP4, CTSS, CDC40, CXCL10, FAS, HNRPA3P1, C1QBP, NDUFA9, SLC25A11, HNRPD, ME2, FUT4, CXCL11, RBM25, ATP5A1, FLJ10534, SEC10L1, FLJ13220, PBK, BRIP1, STAT1, KPNA2, IBRDC3, RIG, NP 81% 83% 81% 90% 73% 79%

397

WARS, EPAS1, EIF4E, MTHFD2, PSME2, TK1, GMFB, DLGAP4, TYMS, USP4, LMAN1, DCK, CDC40, CXCL9, IRF8, GTSE1, CXCL10, FAS, TRIM25, KITLG, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, C17orf25, CA2, HNRPD, ME2, CXCL11, GZMB, RBM25, AK2, NUP210, ATP5A1, DDAH2, FLJ10534, MARCH5, FLJ13220, PBK, PSAT1, BRIP1, TRMT5, KLHL24, ETNK1, STAT1, SFRS7, SMURF2, SCC-112 81% 83% 92% 76% 73% 76%

398

WARS, SFRS2, PRDX3, PSME2, TK1, GMFB, DLGAP4, TYMS, TES, MAD2L1, CXCL9, GTSE1, CXCL10, PLK4, TRIM25, C1QBP, NDUFA9, KPNB1, WHSC1, C17orf25, CA2, ME2, CXCL11, GZMB, IFT20, SLC4A4, RBM25, AK2, hCAP-D3, ATP5A1, FAS, MARCH5, PBK, HNRPD, ETNK1, STAT1, HEM1, DKK1, PRDX1, ELOVL6, CD86 92% 97% 88% 76% 81% 79%

399

HNRPD, WARS, SFRS2, EPAS1, EIF4E, PRDX3, MTHFD2, PSME2, MCM6, GMFB, DLGAP4, TYMS, USP4, LMAN1, CDC40, SLC4A4, CXCL9, GTSE1, CXCL10, FAS, PLK4, SLC25A11, C1QBP, NDUFA9, KPNB1, WHSC1, C17orf25, CA2, ME2, CXCL11, IFT20, RBM25, BRRN1, CDC42BPA, RBBP4, AGPAT5, MARCH5, SEC10L1, PBK, TRMT5, KLHL24, STAT1, PEG3, ASPM, NR5A2 85% 79% 88% 79% 88% 76%

400

WARS, SFRS2, PAICS, EIF4E, SFPQ, PRDX3, MTHFD2, PSME2, GMFB, DLGAP4, TYMS, USP4, CTSS, LMAN1, DCK, MAD2L1, CXCL9, IRF8, CXCL10, PLK4, KITLG, C1QBP, NDUFA9, KPNB1, SLC25A11, WHSC1, C17orf25, CA2, HNRPD, ME2, CXCL11, TLK1, SLC4A4, RBM25, AK2, ATP5A1, FAS, RBBP4, BAZ1A, FLJ10534, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, KLHL24, STAT1, AMD1 65% 79% 92% 86% 85% 76%

401

HNRPD, WARS, EIF4E, MTHFD2, PSME2, GBP1, TK1, GMFB, DLGAP4, TYMS, USP4, TES, MAD2L1, CXCL9, CXCL10, FAS, TRIM25, NDUFA9, WHSC1, 85% 79% 85% 86% 81% 76%

C17orf25, CA2, ME2, CXCL11, TLK1, SLC4A4, RBM25, BRRN1, DDAH2, MARCH5, PBK, PSAT1, BRIP1, KLHL24, STAT1, LOC146909, ECT2, BM039, GTF3C4

402

WARS, EPAS1, STAT1, EIF4E, MTHFD2, TK1, GMFB, DLGAP4, TXMS, USP4, CTSS, DCK, ARF6, CDC40, CXCL9, CXCL10, PLK4, HNRPA3P1, TRIM25, KITLG, SLC25A11, NDUFA9, WHSC1, C17orf25, CA2, HNRPD, ME2, CXCL11, IFT20, TLK1, SLC4A4, RBM25, AK2, CAMSAP1L1, ATP5A1, SOCS6, SFRS2, DDAH2, FAS, RBBP4, MARCH5, SEC10L1, FLJ13220, PBK, PSAT1, BRIP1, KLHL24, MS4A12, SMCHD1, RANBP2L1, SP110, SE57-1 81% 79% 88% 79% 81% 79%

403

WARS, SFRS2, EPAS1, STAT1, EIF4E, MTHFD2, PSME2, MCM6, TK1, GMFB, DLGAP4, TYMS, TES, CDC40, SLC4A4, CXCL9, IRF8, GTSB1, CXCL10, FAS, CHEK1, SLC25A11, C1QBP, NDUFA9, WHSC1, C17orf25, CA2, ME2, FUT4, TLK1, RBM25, CAMSAP1L1, hCAP-D3, DDAH2, RBBP4, FLJ10534, PBK, PSAT1, BRIP1, KLHL24, ETNK1, CAND1 73% 86% 81% 83% 69% 79%

Ejemplo 20: Aplicación especifica de métodos de predicción

En la selección de las firmas génicas descritas en esta memoria, dos métodos estadísticos diferentes se usaron para caracterizar las firmas: k vecinos más próximos y máquinas de vector de soporte. Estos métodos se proporcionan 5 como paquetes al sistema de software estadístico R (ref), a través de los paquetes clase (ref) y e1071 (ref).

Las firmas descritas en este documento se ensayaron como sigue. En ambos casos, los datos usados para desarrollar los modelos de predicción para una firma dada fueron los valores de expresión génica (intensidades normalizadas en bruto procedentes de los datos de matriz Affymetrix) para las sondas que corresponden a genes que comprenden esa firma, a través de muestras tanto recurrentes como no recurrentes:

10  Para k vecinos más próximos, se usó validación cruzada dejando uno fuera con k=1 y k=3 para obtener sensibilidad (proporción de positivo, es decir, recurrente, muestras clasificadas correctamente) y especificidad (proporción de muestras negativas, es decir, muestras no recurrentes correctamente clasificadas) descritas en la tabla 9.

 El conjunto de datos se usó para generar datos de sensibilidad y especificidad de validación cruzada

15 dejando uno fuera usando los siguientes parámetros de máquina de vector de soporte: los modelos de máquina de vector de soporte se generaron usando un núcleo lineal, y todos los demás parámetros usados fueron los valores fallidos obtenidos de la función svm del paquete e1071.

Nótese que los genes que comprenden las firmas se obtuvieron a sí mismos de la lista de sondas expresadas significativamente de forma diferencial, y aquellos de la lista de genes que se encontró que correlacionaban con

20 genes de la firma de 22 genes de NZ. En algunos casos había más de una sonda significativa (o correlacionada) por gen. En estos casos, los modelos de predicción usaron los datos de intensidad media a través de todas las sondas significativas (es decir, aquellas en la lista de sondas significativas, véase tabla 1) para ese gen.

Referencias

1. Arnold CN, Goel A, Blum HE, Richard Boland C. Molecular pathogenesis of colorectal cancer. Cancer 2005; 25 104:2035-47.

2.

Anwar S, Frayling IM, Scott NA, Carlson GL. Systematic review of genetic influences on the prognosis of colorectal cancer. Br J Surg 2004; 91:1275-91.

3.

Wang Y, Jatkoe T, Zhang Y, et al. Gene expression profiles and molecular markers to predict recurrence of Dukes' B colon cancer. J Clin Oncol 2004; 22:1564-71.

30 4. Eschrich S, Yang I, Bloom G, et al. Molecular staging for survival prediction of colorectal cancer patients. J Clin Oncol 2005; 23:3526-35.

5.

Barrier A, Lemoine A, Boelle PY, et al. Colon cancer prognosis prediction by gene expression profiling. Oncogene 2005; 24:6155-64.

6.

Simon R. Roadmap for developing and validating therapeutically relevant genomic classifiers. J Clin Oncol 2005; 23:7332-41.

7.

Michiels S, Koscielny S, Hill C. Prediction of cancer outcome with microarrays: a multiple random validation strategy. Lancet 2005; 365:488-92.

8.

Marshall E. Getting the noise out of gene arrays. Science 2004; 306:630-31.

9.

Birkenkamp-Demtroder K, Christensen LL, Olesen SH, et al. Gene expression in colorectal cancer. Cancer Res 2002; 62:4352-63.

10.

Ihaka R, Gentleman R. R: A language for data analysis and graphics. Journal of Computational and Graphical Statistics 1996; 5:299-314.

11.

Smyth GK. Linear models and empirical Bayes methods for assessing differential expression in microarray experiments. Statistical Applications in Genetics and Molecular Biology 2004; 3:Artículo 3.

12.

Gentleman RC, Carey VJ, Bates DM, et al. Bioconductor: open software development for computational biology and bioinformatics. Genome Biol 2004; 5:R80.

13.

Smyth GK, Speed TP. Normalization of cDNA microarray data. In: Carter D, ed. METHODS: Selecting Candidate Genes from DNA Array Screens: Application to Neuroscience. Vol. 31; 2003:265-73.

14.

Irizarry RA, Hobbs B, Collin F, et al. Exploration, normalization, and summaries of high density oligonucleotide array probe level data. Biostatistics 2003; 4:249-64.

15.

Harrington DP, Fleming TR. A class of rank test procedures for censored survival data. Biometrika 1982; 69:553

66.

16.

Barnes CJ, Li F, Mandal M, Yang Z, Sahin AA, Kumar R. Heregulin induces expression, ATPase activity, and nuclear localization of G3BP, a Ras signaling component, in human breast tumors. Cancer Res 2002; 62:1251-55.

17.

Niki T, Izumi S, Saegusa Y, et al. MSSP promotes ras/myc cooperative cell transforming activity by binding to c-Myc. Genes Cells 2000; 5:127-41.

18.

Rein DT, Roehrig K, Schondorf T, et al. Expression of the hyaluronan receptor RHAMM in endometrial carcinomas suggests a role in tumor progression and metastasis. J Cancer Res Clin Oncol 2003; 129:161-64.

19.

Fernández P, Carretero J, Medina PP, et al. Distinctive gene expression of human lung adenocarcinomas carrying LKB1 mutations. Oncogene 2004; 23:5084-91.

20.

Frey UH, Eisenhardt A, Lummen G, et al. The T393C polymorphism of the G alpha s gene (GNAS1) is a novel prognostic marker in bladder cancer. Cancer Epidemiol Biomarkers Prev 2005; 14:871-77.

21.

Niini T, Vettenranta K, Hollmen J, et al. Expression of myeloid-specific genes in childhood acute lymphoblastic leukemia -a cDNA array study. Leukemia 2002; 16:2213-21.

22.

Yasui K, Mihara S, Zhao C, et al. Alteration in copy numbers of genes as a mechanism for acquired drug resistance. Cancer Res 2004; 64:1403-10.

23.

Nomura J, Matsumoto K, Iguchi-Ariga SM, Ariga H. Positive regulation of Fas gene expression by MSSP and abrogation of Fas-mediated apoptosis induction in MSSP-deficient mice. Exp Cell Res 2005; 305:324-32.

24.

Mayeur GL, Fraser CS, Peiretti F, Block KL, Hershey JW. Characterization of eIF3k: a newly discovered subunit of mammalian translation initiation factor elF3. Eur J Biochem 2003; 270:4133-39.

25.

Hsieh YJ, Wang Z, Kovelman R, Roeder RG. Cloning and characterization of two evolutionarily conserved subunits (TFIIIC102 and TFIIIC63) of human TFIIIC and their involvement in functional interactions with TFIIIB and RNA polymerase III. Mol Cell Biol 1999; 19:4944-52.

26.

Matsumoto S, Abe Y, Fujibuchi T, et al. Characterization of a MAPKK-like protein kinase TOPK. Biochem Biophys Res Commun 2004; 325:997-1004.

27.

Dong VM, McDermott DH, Abdi R. Chemokines and diseases. Eur J Dermatol 2003; 13:224-30.

28.

Abe Y, Matsumoto S, Kito K, Ueda N. Cloning and expression of a novel MAPKK-like protein kinase, lymphokineactivated killer T-cell-originated protein kinase, specifically expressed in the testis and activated lymphoid cells. J Biol Chem 2000; 275:21525-31.

29.

Logan GJ, Smyth CM, Earl JW, et al. HeLa cells cocultured with peripheral blood lymphocytes acquire an immuno-inhibitory phenotype through up-regulation of indoleamine 2,3-dioxygenase activity. Immunology 2002; 105:478-87.

30.

Lubeseder-Martellato C, Guenzi E, Jorg A, et al. Guanylate-binding protein-1 expression is selectively induced by inflammatory cytokines and is an activation marker of endothelial cells during inflammatory diseases. Am J Pathol 2002; 161:1749-59.

31.

Phillips SM, Banerjea A, Feakins R, Li SR, Bustin SA, Dorudi S. Tumor-infiltrating lymphocytes in colorectal cancer with microsatellite instability are activated and cytotoxic. Br J Surg 2004; 91:469-75.

32.

Oliveira SH, Taub DD, Nagel J, et al. Stem cell factor induces eosinophil activation and degranulation: mediator release and gene array analysis. Blood 2002; 100:4291-97.

33.

Xanthoulea S, Pasparakis M, Kousteni S, et al. Tumor necrosis factor (TNF) receptor shedding controls thresholds of innate immune activation that balance opposing TNF functions in infectious and inflammatory diseases. J Exp Med 2004; 200:367-76.

34.

Brennan DJ, O'Brien SL, Fagan A, et al. Application of DNA microarray technology in determining breast cancer prognosis and therapeutic response. Expert Opin Biol Ther 2005; 5:1069-83.

35.

Canna K, McArdle PA, McMillan DC, et al. The relationship between tumor T-lymphocyte infiltration, the systemic inflammatory response and survival in patients undergoing curative resection for colorectal cancer. Br J Cancer 2005; 92:651-54.

36.

Rossi D, Zlotnik A. The biology of chemokines and their receptors. Annu Rev Immunol 2000; 18:217-42.

37.

Miyazaki M, Nakatsura T, Yokomine K, et al. DNA vaccination of HSP105 leads to tumor rejection of colorectal cancer and melanoma in mice through activation of both CD4 T cells and CD8 T cells. Cancer Sci 2005; 96:695-705.

38.

Ein-Dor L, Kela I, Getz G, Givol D, Domany E. Outcome signature genes in breast cancer: is there a unique set? Bioinformatics 2005; 21:171-78.

39.

Becker RA, Chambers, JM y Wilks AR The New S Language. Wadsworth & Brooks/Cole 1988.

40.

Gentleman R., Carey VJ, Huber W., Irizarry RA, Dudoit S. Bioinformatics and Computational Biology Solutions Using R and Bioconductor. Springer 2005.

41.

Bauer DF. Constructing confidence sets using rank statistics. Journal of the American Statistical Association 1972; 67:687-690.

42.

Lönnstedt I. y Speed TP. Replicated microarray data. Statistica Sinica 2002; 12:31-46.

43.

Efron, B. y Tibshirani, R. An Introduction to the Bootstrap. Chapman & Hall. 2005

44.

Harraway J. Introductory Statistical Methods and the Analysis of Variance. University of Otago Press 1993.

45.

McCabe GP, Moore DS Introduction to the Practice of Statistics W.H. Freeman & Co. 2005

46.

Casella G, Berger RL Statistical Inference Wadsworth 2001

47.

McLaughlan GJ, Do K, Ambroise C Analyzing Microarray Gene Expression Data (Wiley Series in Probability and Statistics) 2004

48.

Wright GW, Simon RM A random variance model for detection of differential gene expression in small microarray experiments. Bioinformatics 2003; 19:2448-2455

49.

Hastie T, Tibshirani R, Friedman J The Elements of Statistical Learning Data Mining, Inference and Prediction Springer 2003

50.

Neter J, Kutner MH, Wasserman W, Nachtsheim CJ, Applied Linear Statistical Models McGraw Hill/Irwin 1996

51.

Venables, WN, Ripley, BD Modern Applied Statistics with S. 4ª ed. Springer 2002.

52.

Ripley, B.D. Pattern Recognition and Neural Networks Cambridge University Press 1996

53.

Cristianini N, Shawe-Taylor J An Introduction to Support Vector Machines (and other kernel-based learning methods) Cambridge University Press 2000

54.

Breiman L, Friedman J, Stone CJ, Olshen RA Classification and Regression Trees Chapman & Hall/CCR 1984

55.

Good, PI Resampling Methods: A Practical Guide to Data Analysis Birkhauser 1999

96 97

Realizaciones de la descripción

Realización 1. Una firma de pronóstico para determinar la progresión de CCR, que comprende dos o más genes seleccionados de las Tablas 1 y 2.

Realización 2. La firma de la realización 1, seleccionada de cualquiera de las firmas en cualquiera de las Tablas 3, 4

o Tabla 9. Realización 3. Un dispositivo para determinar el pronóstico de CCR, que comprende: un sustrato que tiene una o más posiciones en él, teniendo cada posición dos o más oligonucleótidos en ella, cada

oligonucleótido seleccionado del grupo de genes de las Tablas 1 y 2.

Realización 4. El dispositivo de la realización 3, en donde dichos dos o más oligonucleótidos son una firma de pronóstico seleccionada de cualquiera de las Tablas 3, 4 o Tabla 9. Realización 5. Un método para determinar el pronóstico de CCR en un paciente, que comprende las etapas de:

(i)

determinar el nivel de expresión de una firma de pronóstico que comprende dos o más genes de las Tablas 1 y 2 en muestras tumorales de CCR del paciente,

(ii)

aplicar un modelo predictivo, establecido aplicando un método predictivo para niveles de expresión de la firma predictiva en muestras tumorales recurrentes y no recurrentes,

(iii) establecer un pronóstico.

Realización 6. El método de la realización 5, en donde la firma se selecciona de cualquiera de las Tablas 3, 4 o Tabla 9.

Realización 7. El método de la realización 5, en donde dicho método predictivo se selecciona del grupo que consiste en modelos lineales, máquinas de vector de soporte, redes neurales, árboles de clasificación y regresión, métodos de aprendizaje en conjunto, análisis discriminatorio, método de vecino más próximo, redes bayesianas, análisis de componentes independientes. Realización 8. El método de cualquiera de las realizaciones 5 a 7, en donde la etapa de determinación del nivel de expresión de una firma de pronóstico se realiza detectando el nivel de expresión de mARN de cada gen.

Realización 9. El método de cualquiera de las realizaciones 5 a 7, en donde la etapa de determinación del nivel de expresión de una firma de pronóstico se realiza detectando el nivel de expresión de cADN de cada gen.

Realización 10. El método de la realización 9, en donde la etapa para determinar el nivel de expresión de una firma de pronóstico se realiza usando un nucleótido complementario a al menos una parte de dicho cADN.

Realización 11. El método de la realización 8, en donde la etapa para determinar el nivel de expresión de una firma de pronóstico se realiza usando un método de qPCR que usa un cebador directo y un cebador inverso.

Realización 12. El método de la realización 8, en donde la etapa para determinar el nivel de expresión de una firma de pronóstico se realiza usando un dispositivo según la realización 3 o la realización 4.

Realización 13. El método de cualquiera de las realizaciones 5 a 7, en donde la etapa de determinación del nivel de expresión de una firma de pronóstico se realiza detectando el nivel de expresión de la proteína de cada marcador.

Realización 14. El método de cualquiera de las realizaciones 5 a 7, en donde la etapa de determinación del nivel de expresión de una firma de pronóstico se realiza detectando el nivel de expresión del péptido de cada marcador.

Realización 15. El método de la realización 12 o la realización 13, en donde dicha etapa de detección se realiza usando un anticuerpo dirigido contra cada marcador.

Realización 16. El método de cualquiera de las reivindicaciones 12 a 14, en donde dicha etapa de detección se realiza usando un método de inmunoensayo tipo emparedado.

Realización 17. El método de cualquiera de las realizaciones 12 a 15, en donde dicho anticuerpo es un anticuerpo monoclonal.

Realización 18. El método de cualquiera de las realizaciones 12 a 15, en donde dicho anticuerpo es un antisuero policlonal.

Claims (14)

1. REIVINDICACIONES

   1. Un método para determinar el pronóstico de CCR en un paciente, que comprende las etapas de:

   (i)

   determinar el nivel de expresión de mARN de dos o más marcadores de pronóstico de cáncer colorrectal (CCPMs) de una firma de pronóstico, en donde los dos o más CCPM incluyen al menos DLGAP4 y opcionalmente uno o más genes adicionales de la Tabla 1 y 2, en una muestra tumoral de CCR del paciente,

   (ii)

   comparar dicho nivel de expresión de los CCPM en la firma de pronóstico con los niveles de expresión de los CCPM en muestras de cáncer recurrente y no recurrente, y

   (iii) establecer un pronóstico, en donde si una muestra de tumor de un paciente muestra un aumento en la expresión de DLGAP4, en comparación con la expresión en muestras de cáncer no recurrente, se indica una probabilidad aumentada de recurrencia de CCR después del tratamiento estándar,

   y en donde si la muestra de tumor muestra una ausencia de un aumento en la expresión de DLGAP4, en comparación con la expresión en muestras de cáncer no recurrente, se indica una probabilidad disminuida de recurrencia de CCR después del tratamiento estándar.

2. 2.

   El método según la reivindicación 1, en donde la firma comprende adicionalmente uno o más genes seleccionados de las Tablas 1 y 2.

3. 3.

   El método según la reivindicación 1, en donde la firma se selecciona de la Tabla 9.

4. 4.

   El método según la reivindicación 1, en donde la firma es la firma 151 o 205 de la Tabla 9.

5. 5.

   El método según la reivindicación 1, en donde dicha etapa de comparación de dichos niveles de expresión de los CCPM en la firma de pronóstico implica el uso de un método estadístico seleccionado del grupo que consiste en modelos lineales, máquinas de vector de soporte, redes neurales, árboles de clasificación y regresión, métodos de aprendizaje en conjunto, análisis discriminatorio, método de vecino más próximo, redes bayesianas, análisis de componentes independientes.

6. 6.

   El método según cualquiera de las reivindicaciones anteriores, en donde la expresión de cada CCPM se detecta usando una o más sondas Affymetrix para ese CCPM.

7. 7.

   Un método según cualquiera de las reivindicaciones anteriores, en donde se usan en la detección de la expresión de cada CCPM a partir de las Tablas 1 y 2, una o más sonda(s) Affymetrix correspondiente(s) de la Tabla 1 y 2.

8. 8.

   Un método según cualquiera de las reivindicaciones anteriores, en donde los dos o más CCPM incluyen ME2 y la expresión de ME2 se detecta usando una o más de las sondas Affymetrix; 210154_at, 210153_s_at y 209397_at.

9. 9.

   El método según cualquiera de las reivindicaciones anteriores, en donde la etapa de determinación del nivel de expresión de los genes en la firma de pronóstico se realiza detectando el nivel de expresión de cADN de cada gen.

10. 10.

    El método según la reivindicación 9, en donde la etapa de determinación del nivel de expresión de los genes en la firma de pronóstico se realiza usando un nucleótido complementario a al menos una parte de dicho cADN.

11. 11.

    El método según cualquiera de las reivindicaciones anteriores, en donde la etapa de determinación del nivel de expresión de los genes en la firma de pronóstico se realiza usando un método de qPCR que usa un cebador directo y un cebador inverso.

12. 12.

    El método según la reivindicación 11, en donde la etapa de determinación del nivel de expresión de los genes en la firma de pronóstico se realiza usando un dispositivo, comprendiendo el dispositivo:

    un sustrato que tiene una o más posiciones en él, teniendo cada posición dos o más oligonucleótidos en ella, que incluye DLGAP4.

13. 13.

    El método según la reivindicación 1, en donde la expresión de DLGAP4 se detecta usando la sonda Affymetrix; 202570_s_at.

14. 14.

    El método según cualquiera de las reivindicaciones anteriores, en donde los dos o más CCPM incluyen FAS y la expresión de FAS se detecta usando una o más de las sondas Affymetrix; 215719_x_at, 216252_x_at, 204780_s_at y 204781_s_at.

    FIG. 1

    Predicción de clase Predicción de clase

    FIG. 2

    FIG. 3

    FIG. 4

    FIG. 5

    C

    FIG. 6

    Número de apariciones en la lista de los 100 primeros

    FIG. 7

    Número de apariciones en la lista de los 100 primeros.