ES2917629T3 - Métodos para la detección del cáncer de colon y monitorización del tratamiento - Google Patents

Métodos para la detección del cáncer de colon y monitorización del tratamiento Download PDF

Info

Publication number
ES2917629T3
ES2917629T3 ES19703616T ES19703616T ES2917629T3 ES 2917629 T3 ES2917629 T3 ES 2917629T3 ES 19703616 T ES19703616 T ES 19703616T ES 19703616 T ES19703616 T ES 19703616T ES 2917629 T3 ES2917629 T3 ES 2917629T3
Authority
ES
Spain
Prior art keywords
score
expression level
subject
colon cancer
biomarkers
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES19703616T
Other languages
English (en)
Inventor
Irvin Mark Modlin
Mark Kidd
Ignat Drozdov
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Liquid Biopsy Research LLC
Original Assignee
Liquid Biopsy Research LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Liquid Biopsy Research LLC filed Critical Liquid Biopsy Research LLC
Application granted granted Critical
Publication of ES2917629T3 publication Critical patent/ES2917629T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K31/00—Medicinal preparations containing organic active ingredients
    • A61K31/33—Heterocyclic compounds
    • A61K31/395—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine or rifamycins
    • A61K31/495—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine or rifamycins having six-membered rings with two or more nitrogen atoms as the only ring heteroatoms, e.g. piperazine or tetrazines
    • A61K31/496—Non-condensed piperazines containing further heterocyclic rings, e.g. rifampin, thiothixene or sparfloxacin
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K31/00—Medicinal preparations containing organic active ingredients
    • A61K31/33—Heterocyclic compounds
    • A61K31/395—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine or rifamycins
    • A61K31/495—Heterocyclic compounds having nitrogen as a ring hetero atom, e.g. guanethidine or rifamycins having six-membered rings with two or more nitrogen atoms as the only ring heteroatoms, e.g. piperazine or tetrazines
    • A61K31/505—Pyrimidines; Hydrogenated pyrimidines, e.g. trimethoprim
    • A61K31/513—Pyrimidines; Hydrogenated pyrimidines, e.g. trimethoprim having oxo groups directly attached to the heterocyclic ring, e.g. cytosine
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
    • A61K31/00—Medicinal preparations containing organic active ingredients
    • A61K31/70—Carbohydrates; Sugars; Derivatives thereof
    • A61K31/7042—Compounds having saccharide radicals and heterocyclic rings
    • A61K31/7052—Compounds having saccharide radicals and heterocyclic rings having nitrogen as a ring hetero atom, e.g. nucleosides, nucleotides
    • A61K31/706—Compounds having saccharide radicals and heterocyclic rings having nitrogen as a ring hetero atom, e.g. nucleosides, nucleotides containing six-membered rings with nitrogen as a ring hetero atom
    • A61K31/7064—Compounds having saccharide radicals and heterocyclic rings having nitrogen as a ring hetero atom, e.g. nucleosides, nucleotides containing six-membered rings with nitrogen as a ring hetero atom containing condensed or non-condensed pyrimidines
    • A61K31/7068—Compounds having saccharide radicals and heterocyclic rings having nitrogen as a ring hetero atom, e.g. nucleosides, nucleotides containing six-membered rings with nitrogen as a ring hetero atom containing condensed or non-condensed pyrimidines having oxo groups directly attached to the pyrimidine ring, e.g. cytidine, cytidylic acid
    • A61K31/7072—Compounds having saccharide radicals and heterocyclic rings having nitrogen as a ring hetero atom, e.g. nucleosides, nucleotides containing six-membered rings with nitrogen as a ring hetero atom containing condensed or non-condensed pyrimidines having oxo groups directly attached to the pyrimidine ring, e.g. cytidine, cytidylic acid having two oxo groups directly attached to the pyrimidine ring, e.g. uridine, uridylic acid, thymidine, zidovudine
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
    • A61P35/00—Antineoplastic agents
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K16/00—Immunoglobulins [IG], e.g. monoclonal or polyclonal antibodies
    • C07K16/18—Immunoglobulins [IG], e.g. monoclonal or polyclonal antibodies against material from animals or humans
    • C07K16/28—Immunoglobulins [IG], e.g. monoclonal or polyclonal antibodies against material from animals or humans against receptors, cell surface antigens or cell surface determinants
    • C07K16/2803—Immunoglobulins [IG], e.g. monoclonal or polyclonal antibodies against material from animals or humans against receptors, cell surface antigens or cell surface determinants against the immunoglobulin superfamily
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6813—Hybridisation assays
    • C12Q1/6827—Hybridisation assays for detection of mutation or polymorphism
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6844—Nucleic acid amplification reactions
    • C12Q1/686—Polymerase chain reaction [PCR]
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/106—Pharmacogenomics, i.e. genetic variability in individual responses to drugs and drug metabolism
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/112—Disease subtyping, staging or classification
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers

Landscapes

  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Organic Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Immunology (AREA)
  • Public Health (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Wood Science & Technology (AREA)
  • Genetics & Genomics (AREA)
  • Zoology (AREA)
  • Molecular Biology (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Analytical Chemistry (AREA)
  • Epidemiology (AREA)
  • Biotechnology (AREA)
  • Biochemistry (AREA)
  • Microbiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • Hospice & Palliative Care (AREA)
  • Oncology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Chemical & Material Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)

Abstract

La presente invención se dirige a los métodos para detectar un cáncer de colon, métodos para determinar si un cáncer de colon es estable o progresivo, métodos para determinar un riesgo de recaída de la enfermedad y métodos para determinar una respuesta por un sujeto que tiene un cáncer de colon a una terapia. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN
Métodos para la detección del cáncer de colon y monitorización del tratamiento
Campo de la invención
La presente invención se refiere a la detección del cáncer de colon.
Antecedentes de la invención
El cáncer colorrectal (CCR) es uno de los cánceres más comúnmente diagnosticados en todo el mundo. En los Estados Unidos de América, el CCR es la segunda causa principal de muerte, al igual que en Europa, después del cáncer de pulmón. A nivel mundial, es la cuarta causa más común de muerte por cáncer. Aunque la resección quirúrgica, seguida de quimioterapia, es la principal opción de tratamiento, aproximadamente la mitad muere finalmente debido a metástasis a distancia. Actualmente, la tasa de supervivencia general a 5 años de los pacientes con CCR primario puede ser hasta 90%, pero se reducirá hasta ~50% en pacientes con tumores avanzados no metastáticos, y puede disminuir aún más hasta <10% en pacientes en quienes la enfermedad se reseca en sus etapas más tempranas, debido a una comprensión incompleta de los mecanismos moleculares que sustentan su patogenia.
La supervivencia general se asocia con el estadio de la enfermedad en el momento del diagnóstico, lo que sugiere que la detección temprana de la enfermedad diseminada tiene una importancia considerable. En consecuencia, es fundamental el desarrollo de nuevos métodos de diagnóstico que definan mejor el estadio de la enfermedad, y puedan monitorizar mejor la progresión de la enfermedad.
La vigilancia sigue siendo un enfoque fundamental para detectar la recurrencia en una etapa temprana y planificar estrategias terapéuticas adicionales. Después de una resección potencialmente curativa, se puede realizar el control mediante la medida de biomarcadores sanguíneos y/o imágenes como la TC para detectar antes la enfermedad metastásica asintomática. Sin embargo, los datos agrupados de los ensayos aleatorios publicados entre 1995 y 2016 identifican que no se produce un beneficio del tratamiento quirúrgico como resultado de la detección temprana de metástasis. Esto probablemente refleja la poca sensibilidad de los biomarcadores actuales.
El biomarcador actual es el antígeno carcinoembrionario (CEA), una glicoproteína involucrada en la adhesión celular que generalmente no se expresa en tejidos adultos, excepto en fumadores empedernidos. Sus glicoformas sialofucosiladas especializadas sirven como ligandos funcionales de L-selectina y E-selectina de carcinoma de colon, que pueden desempeñar un papel en la diseminación metastásica de células de carcinoma de colon. El CEA se usa principalmente para monitorizar el tratamiento del carcinoma colorrectal, para identificar recurrencias después de la resección quirúrgica, para la estadificación, o para localizar la propagación del cáncer mediante la medida de fluidos biológicos. Existen, sin embargo, limitaciones significativas. Si bien los niveles preoperatorios de CEA han mostrado una asociación con la supervivencia (sin enfermedad), esto se debió principalmente a que era un sustituto de la presentación metastásica. Sin embargo, se ha demostrado que la extrapolación del valor predictivo del CEA preoperatorio tiene una importancia limitada para las predicciones de resultados a largo plazo en casos individuales. Esto ha sido respaldado de forma independiente por un análisis prospectivo, que identificó que los niveles de CEA, y otros biomarcadores como CA19-9, no indican metástasis incluso en un momento en el que los signos clínicos y las técnicas de imagen ya han demostrado metástasis.
Si bien la base molecular de la enfermedad del cáncer colorrectal ha sido bien caracterizada, por ejemplo inestabilidad de microsatélites, mutaciones K-RAS, etc., el desarrollo de marcadores de diagnóstico y pronóstico, por ejemplo en orina o heces, o como ADN circulante libre que captura esta información, sigue siendo incipiente, pero ha comenzado a desarrollarse. Los ejemplos incluyen medidas de la metilación de la septina 9, un supresor de tumores involucrado en la citocinesis durante la división celular. Esto se ha usado para detectar el cáncer de colon; las métricas oscilan entre 60-70%. La evaluación del ADN libre circulante (Línea 1 y PCR basada en Alu) tiene un valor predictivo del 81% con un ROC de 0,86 como diagnóstico, mientras que las medidas de las células tumorales circulantes también se consideran útiles. El TPS (antígeno específico de polipéptido tisular) se puede usar como monitor de cáncer de colon, al igual que TAG-72 (glicoproteína asociada a tumor), pero las medidas de otros analitos individuales, como CEA o CA19-9, no son específicas.
Sumario de la invención
Entre otras cosas, se describe aquí una herramienta de expresión de 14 genes para la detección del cáncer de colon. En un aspecto, la presente descripción proporciona un método para detectar un cáncer de colon en un sujeto que lo necesite, que comprende: (a) determinar el nivel de expresión de al menos 14 biomarcadores de una muestra de ensayo del sujeto poniendo en contacto la muestra de ensayo con un pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y un gen constitutivo; (b) normalizar el nivel de expresión de cada uno de a Dr M1, CDK4, COMT, DHCR7, HMOX2, m Cm 2, PDXK, POP7, S100p , SNRPA, SORD, STOML2, y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS; (c) introducir cada nivel de expresión normalizado en un algoritmo para generar una puntuación; (d) comparar la puntuación con un valor de corte predeterminado; y (e) identificar la presencia de cáncer de colon en el sujeto cuando la puntuación sea igual o mayor que el valor de corte predeterminado, o identificar la ausencia de cáncer de colon en el sujeto cuando la puntuación sea menor que el valor de corte predeterminado.
En un aspecto, la presente descripción proporciona un método para detectar un cáncer de colon en un sujeto que lo necesite, comprendiendo el método: (a) determinar el nivel de expresión de al menos 14 biomarcadores de una muestra de ensayo del sujeto poniendo en contacto la muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y un gen constitutivo; (b) normalizar el nivel de expresión de cada uno de ADRM1, CDK4, c Om T, DHc R7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2 y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS; (c) introducir cada nivel de expresión normalizado en un algoritmo para generar una puntuación; (d) comparar la puntuación con un primer valor de corte predeterminado; y (e) producir un informe, en el que el informe identifica la presencia de cáncer de colon en el sujeto cuando la puntuación es igual o mayor que el primer valor de corte predeterminado, o identifica la ausencia de cáncer de colon en el sujeto cuando la puntuación es menor que el primer valor de corte predeterminado, en el que el primer valor de corte predeterminado es 50% en una escala de 0-100%.
En un aspecto, la presente descripción proporciona un método para determinar si un cáncer de colon en un sujeto es estable o progresivo, comprendiendo el método: (a) determinar el nivel de expresión de al menos 14 biomarcadores de una muestra de ensayo del sujeto poniendo en contacto la muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y un gen constitutivo; (b) normalizar el nivel de expresión de cada uno de ADRM1 , CDK4, COm T, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2 y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS; (c) introducir cada nivel de expresión normalizado en un algoritmo para generar una puntuación; (d) comparar la puntuación con un valor de corte predeterminado; y (e) identificar que el cáncer de colon en el sujeto es progresivo cuando la puntuación es igual o mayor que el valor de corte predeterminado, o identificar que el cáncer de colon en el sujeto es estable cuando la puntuación es menor que el valor de corte predeterminado.
En un aspecto, la presente descripción proporciona un método para determinar si un cáncer de colon en un sujeto es estable o progresivo, comprendiendo el método: (a) determinar el nivel de expresión de al menos 14 biomarcadores de una muestra de ensayo del sujeto poniendo en contacto la muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y un gen constitutivo; (b) normalizar el nivel de expresión de cada uno de ADRM1 , CDk4, COm T, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, s To ML2 y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS; (c) introducir cada nivel de expresión normalizado en un algoritmo para generar una puntuación; (d) comparar la puntuación con un segundo valor de corte predeterminado; y (e) producir un informe, en el que el informe identifica que el cáncer de colon es progresivo cuando la puntuación es igual o mayor que el segundo valor de corte predeterminado, o identifica que el cáncer de colon es estable cuando la puntuación es menor que el segundo valor de corte predeterminado, en el que el segundo valor de corte predeterminado es 60% en una escala de 0 a 100%.
En un aspecto, un método para determinar la finalización de la cirugía en un sujeto que tiene cáncer de colon, comprendiendo el método: (a) determinar el nivel de expresión de al menos 14 biomarcadores de una muestra de ensayo del sujeto después de la cirugía poniendo en contacto la muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y un gen constitutivo; (b) normalizar el nivel de expresión de cada uno de ADRM1 , CDk4, COm T, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2 y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS; (c) introducir cada nivel de expresión normalizado en un algoritmo para generar una puntuación; (d) comparar la puntuación con un valor de corte predeterminado; y (e) identificar que el cáncer de colon en el sujeto no se elimina por completo cuando la puntuación es igual o mayor que el valor de corte predeterminado, o identificar que el cáncer de colon en el sujeto se elimina por completo cuando la puntuación es menor que el valor de corte predeterminado.
En un aspecto, la presente descripción proporciona un método para determinar la finalización de la cirugía en un sujeto que tiene cáncer de colon, comprendiendo el método: (a) determinar el nivel de expresión de al menos 14 biomarcadores de una muestra de ensayo del sujeto después de la cirugía poniendo en contacto la muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y un gen constitutivo; (b) normalizar el nivel de expresión de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2 y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS; (c) introducir cada nivel de expresión normalizado en un algoritmo para generar una puntuación; (d) comparar la puntuación con un primer valor de corte predeterminado; y (e) producir un informe, en el que el informe identifica que el cáncer de colon no se elimina por completo cuando la puntuación es igual o mayor que el primer valor de corte predeterminado, o identifica que el cáncer de colon se elimina por completo cuando la puntuación es menor que el primer valor de corte predeterminado, en el que el primer valor de corte predeterminado es 50% en una escala de 0-100%.
En un aspecto, la presente descripción proporciona un método para evaluar la respuesta de un sujeto que tiene cáncer de colon a una primera terapia, comprendiendo el método: (1) en un primer punto de tiempo: (a) determinar el nivel de expresión de al menos 14 biomarcadores de una primera muestra de ensayo del sujeto poniendo en contacto la primera muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS y un gen constitutivo; (b) normalizar el nivel de expresión de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2 y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS; (c) introducir cada nivel de expresión normalizado en un algoritmo para generar una primera puntuación; (2) en un segundo punto de tiempo, en el que el segundo punto de tiempo es posterior al primer punto de tiempo y posterior a la administración de la terapia al sujeto: (a) determinar el nivel de expresión de al menos 14 biomarcadores de una segunda muestra de ensayo del sujeto poniendo en contacto la segunda muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y el gen constitutivo; (b) normalizar el nivel de expresión de cada uno de ADRM1, CDK4, COMT, DHCR7, h MoX2, Mc M2, PDXK, POP7, S100P, SNRPA, SORD, s To ML2 y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS; (c) introducir cada nivel de expresión normalizado en el algoritmo para generar una segunda puntuación; (3) comparar la primera puntuación con la segunda puntuación; y (4) identificar que el sujeto responde a la primera terapia cuando la segunda puntuación disminuye significativamente en comparación con la primera puntuación, o identificar que el sujeto no responde a la primera terapia cuando la segunda puntuación no disminuye significativamente en comparación con la primera puntuación.
En un aspecto, la presente descripción proporciona un método para evaluar la respuesta de un sujeto que tiene cáncer de colon a una terapia, comprendiendo el método: (1) en un primer punto de tiempo, llevar a cabo las siguientes etapas, que incluyen (a) determinar el nivel de expresión de al menos 14 biomarcadores de una primera muestra de ensayo del sujeto poniendo en contacto la primera muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y un gen constitutivo; (b) normalizar el nivel de expresión de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, P 0 P7, S100P, SNRPA, SORD, ST0ML2 y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HM0X2, MCM2, PDXK, P0P7, S100P, SNRPA, SORD, ST0ML2 y UMPS; (c) introducir cada nivel de expresión normalizado en un algoritmo para generar una primera puntuación; y (2) en un segundo punto de tiempo, llevar a cabo las siguientes etapas, que incluyen (d) determinar el nivel de expresión de al menos 14 biomarcadores de una segunda muestra de ensayo del sujeto poniendo en contacto la segunda muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, d Hc R7, HM0X2, MCM2, PDXK, P0P7, S100P, SNRPA, SORD, ST0ML2, UMPS, y el gen constitutivo; (e) normalizar el nivel de expresión de cada uno de ADRM1, CDK4, COMT, DHCR7, HM0X2, MCM 2, PDXK, P0P7, S100P, SNRPA, SORD, ST0ML2 y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HM0X2, MCM2, PDXK, P0P7, S100P, SNRPA, SORD, ST0ML2, y UMPS; (f) introducir cada nivel de expresión normalizado en el algoritmo para generar una segunda puntuación, en el que el segundo punto de tiempo es posterior al primer punto de tiempo y posterior a la administración de la terapia al sujeto; (3) comparar la primera puntuación con la segunda puntuación; y (4) producir un informe, en el que el informe identifica que el sujeto responde a la terapia cuando la segunda puntuación se reduce significativamente en comparación con la primera puntuación, o identifica que el sujeto no responde a la terapia cuando la segunda puntuación no disminuye significativamente en comparación con la primera puntuación.
En algunos aspectos, una segunda puntuación disminuye significativamente en comparación con una primera puntuación cuando la segunda puntuación es al menos un 25% menor que la primera puntuación.
En algunos aspectos, un valor de corte predeterminado puede ser 50% en una escala de 0-100%. Un valor de corte predeterminado puede ser 60% en una escala de 0-100%.
En algunos aspectos de cualquiera de los métodos descritos aquí, un gen constitutivo se puede seleccionar del grupo que consiste en MRPL19, PSMC4, SF3A1, PUM1, ACTB, GAPD, GUSB, RPLP0, TFRC, MORF4L1, 18S, PPIA, PGK1, RPL13A, B2M, YWHAZ, SDHA, y HPRT1. Por ejemplo, el gen constitutivo puede ser MORF4L1.
En algunos aspectos, un método de la presente descripción puede tener una sensibilidad superior al 85%. En algunos aspectos, un método de la presente descripción puede tener una especificidad superior al 85%.
En algunos aspectos, un biomarcador puede comprender ARN, ADNc, proteína, o cualquier combinación de los mismos.
En algunos aspectos, cuando el biomarcador es ARN, el ARN se puede transcribir de forma inversa para producir ADNc, y se puede detectar el nivel de expresión de ADNc producido.
En algunos aspectos, un biomarcador o la expresión de un biomarcador puede detectarse formando un complejo entre el biomarcador y una sonda o cebador marcado.
En algunos aspectos, cuando un biomarcador es una proteína, la proteína puede detectarse formando un complejo entre la proteína y un anticuerpo marcado.
En algunos aspectos, cuando un biomarcador es ARN o ADNc, el ARN o ADNc puede detectarse formando un complejo entre el ARN o ADNc y una sonda o cebador de ácido nucleico marcado. Un complejo entre el ARN o el ADNc y la sonda o cebador de ácido nucleico marcado puede ser un complejo de hibridación.
En algunos aspectos, un valor de corte predeterminado se puede obtener a partir de una pluralidad de muestras de referencia obtenidas de sujetos que no tienen o no han sido diagnosticados con una enfermedad neoplásica. La enfermedad neoplásica puede ser cáncer de colon.
En algunos aspectos, un algoritmo puede ser XGBoost (XGB), Random Forest (RF), glmnet, cforest, árboles de clasificación y regresión para aprendizaje automático (CART), treebag, K vecinos más cercanos (kNN), red neuronal (nnet), máquina de vector soporte radial (SVM-radial), máquina de vector soporte lineal (SVM-lineal), Naive Bayes (NB), perceptrón multicapa (mlp), o cualquier combinación de los mismos.
En algunos aspectos, un primer punto de tiempo puede ser anterior a la administración de una primera terapia al sujeto. Un primer punto de tiempo puede ser posterior a la administración de la primera terapia al sujeto.
En algunos aspectos, una terapia puede comprender terapia contra el cáncer, cirugía, quimioterapia, terapia con fármacos dirigida, radioterapia, inmunoterapia, o cualquier combinación de las mismas.
En algunos aspectos, la cirugía puede comprender extirpar un pólipo durante una colonoscopia, una resección mucosa endoscópica, una colectomía parcial, una ostomía, extirpar al menos una lesión cancerosa del hígado, o cualquier combinación de las mismas.
En algunos aspectos, la quimioterapia puede comprender FOLFOX, FOLFIRI, una combinación de 5-FU y leucovorina, capecitabina, irinotecán, CapeOx, o cualquier combinación de los mismos.
En algunos aspectos, la terapia farmacológica dirigida puede comprender bevacizumab, cetuximab, panitumumab, regorafenib, una combinación de trifluridina y tipiracilo, un inhibidor TKI de EGFR, o cualquier combinación de los mismos.
En algunos aspectos, la terapia contra el cáncer puede comprender una terapia contra el cáncer de colon.
En algunos aspectos, la inmunoterapia puede comprender pembrolizumab, nivolumab, o una combinación de pembrolizumab y nivolumab.
En algunos aspectos, una muestra de ensayo puede ser sangre, suero, plasma, tejido neoplásico, o cualquier combinación de los mismos. Una muestra de referencia puede ser sangre, suero, plasma, tejido no neoplásico, o cualquier combinación de los mismos.
Cualquiera de los aspectos anteriores se puede combinar con cualquier otro aspecto.
A menos que se defina de otro modo, todos los términos técnicos y científicos usados aquí tienen el mismo significado que comúnmente entiende un experto en la técnica a la que pertenece esta descripción. En la memoria descriptiva, las formas singulares también incluyen el plural a menos que el contexto indique claramente lo contrario; como ejemplos, los términos “un”, “una” y “el/la” se entiende que son singulares o plurales, y el término “o” se entiende que es inclusivo. A modo de ejemplo, “un elemento” significa uno o más elementos. A lo largo de la memoria descriptiva, se entenderá que la palabra “que comprende”, o variaciones como “comprende” o “comprendiendo”, implica la inclusión de un elemento, número entero o etapa, o grupo de elementos, números enteros o etapas, pero no la exclusión de cualquier otro elemento, entero o etapa, o grupo de elementos, enteros o etapas. “Alrededor de” puede entenderse como dentro del 10%, 9%, 8%, 7%, 6%, 5%, 4%, 3%, 2%, 1%, 0,5%, 0,1%, 0,05% o 0,01% del valor indicado. A menos que se aclare lo contrario del contexto, todos los valores numéricos proporcionados aquí se modifican por la expresión “alrededor de” .
Aunque se pueden usar métodos y materiales similares o equivalentes a los descritos aquí en la práctica o ensayo de la presente descripción, a continuación se describen métodos y materiales adecuados. En caso de conflicto, prevalecerá la presente meoria descriptiva, incluyendo las definiciones. Además, los materiales, métodos y ejemplos son solo ilustrativos, y no pretenden ser limitativos. Otras características y ventajas de la descripción serán evidentes a partir de la siguiente descripción detallada y reivindicación.
Breve descripción de los dibujos
Las FIGs. 1A-1B son gráficos que muestran la expresión génica normalizada de la firma de 13 genes en la mucosa del colon (FIG. 1A) y líneas celulares (FIG. 1B). La expresión génica fue significativamente elevada (p<0,0001) en muestras de cáncer de colon (n=7) en comparación con la mucosa normal emparejada (n=7). Los niveles fueron ~20 veces más elevados en el tejido tumoral del cáncer de colon que en la mucosa normal. Todos los genes se expresaron en tres líneas celulares de cáncer de colon diferentes. Los niveles estaban ~1000x elevados en comparación con la mucosa normal. Las líneas horizontales identifican la expresión mediana normalizada de los 13 genes.
Las FIGs. 2A-2B son gráficos que muestran el análisis de la curva de receptor-operador del conjunto de ensayo (FIG. 2A) y del conjunto independiente (FIG. 2B). Cada cohorte incluyó 136 cánceres y 60 controles. El AUROc en el conjunto de ensayo fue 0,9, y el índice J de Youden fue 0,71. En el conjunto independiente, el AUROC fue 0,86, con un índice de Youden de 0,6. Las estadísticas Z oscilaron entre 11,2 y 15,6, y fueron muy significativas (p<0,0001). La sensibilidad y especificidad del ensayo oscilaron entre 85-87,5% y 75-83%, respectivamente.
Las FIGs. 3A-3B son gráficos que muestran que la expresión génica en toda la cohorte (controles: n=120; casos de cáncer de colon: n=272) los niveles identificados fueron significativamente elevados (p<0,0001) en los casos (62,7±14%) frente a controles (34,6±18%) (FIG. 3A). El AUROC fue 0,88, p<0,0001 (FIG. 3B). Las líneas horizontales identifican la expresión mediana de la firma de 13 genes normalizada (ColoTest).
Las FIGs. 4A-4B son gráficos que muestran el análisis de la curva de decisión (FIG. 4A) y el análisis de riesgo (FIG. 4B) para ColoTest. Esto mostró un beneficio predictivo estandarizado >50% hasta un umbral de riesgo del 80%. El gráfico de evaluación de probitio riesgo identificó que una puntuación de ColoTest >50% tenía una precisión del 75% para predecir el cáncer de colon en una muestra de sangre. Esto aumentó hasta >80% con una puntuación de ColoTest >60%.
La FIG. 5 es un gráfico que muestra el efecto de la cirugía en el ColoTest. Los niveles previos a la cirugía son elevados (84±6%). En aquellos sin signos de enfermedad (NED), los niveles se redujeron mediante cirugía hasta 14±9% (*p=0,0001). En aquellos con enfermedad (D) remanente después de la cirugía, los niveles se mantuvieron similares a los valores prequirúrgicos (74±4%).
Las FIGs. 6A-6C son gráficos que muestran puntuaciones de ColoTest en enfermedad estable y progresiva. Las puntuaciones de los ensayos no fueron significativamente diferentes entre aquellos identificados como estables y aquellos con enfermedad progresiva en el momento de la evaluación (FIG. 6A). De los 17 con enfermedad estable, 12 mostraron progresión de la enfermedad en el seguimiento de 3 meses. Los niveles en aquellos que realmente tenían enfermedad estable demostrable eran bajos (16±10%) (FIG. 6B). En los que progresaron en los 3 meses, los niveles no fueron diferentes a los que tenían enfermedad progresiva (73±16% frente a 68±25%). El AUROC para diferenciar enfermedad estable de enfermedad que progresa/progresiva fue 0,97, p<0,0001 (FIG. 6C).
La FIG. 7 es un gráfico que muestra la comparación de AUROC entre ColoTest y CEA para diferenciar la enfermedad estable de la progresiva. El ColoTest fue significativamente más sensible que el CEA (diferencia en AUC: 0,18, estadística z: 2,1, p=0,03).
La FIG. 8 es un gráfico que muestra el efecto del tratamiento en el ColoTest. Los niveles previos al tratamiento son elevados (82±9%). En aquellos que respondieron a la terapia con estabilización de la enfermedad, los niveles se redujeron hasta 14±7% (*p<0,0001). En aquellos que presentaron progresión de la enfermedad por fracaso del tratamiento, los niveles fueron elevados (69±21%).
Descripción detallada de la invención
Los detalles de la invención se exponen en la siguiente descripción adjunta. Aunque se pueden usar métodos y materiales similares o equivalentes a los descritos aquí en la práctica o ensayo de la presente invención, ahora se describen métodos y materiales ilustrativos. Otras características, objetos y ventajas de la invención serán evidentes a partir de la descripción y de las reivindicaciones. En la memoria descriptiva y las reivindicaciones adjuntas, las formas singulares también incluyen el plural a menos que el contexto indique claramente lo contrario. A menos que se defina de otro modo, todos los términos técnicos y científicos usados aquí tienen el mismo significado que comúnmente entiende un experto en la técnica a la que pertenece esta invención.
El cáncer de colon es el cáncer del intestino grueso (colon). Los síntomas del cáncer de colon incluyen, entre otros: (a) un cambio en los hábitos intestinales, (b) sangrado rectal o sangre en las heces, (c) malestar abdominal persistente, tales como calambres, gases o dolor, (d) una sensación de que el intestino no se vacía por completo, (e) debilidad o fatiga, y (f) pérdida de peso inexplicable.
Se describen aquí métodos para cuantificar (puntuar) la firma molecular del cáncer de colon circulante con alta sensibilidad y especificidad para fines que incluyen, pero no se limitan a, detectar un cáncer de colon, determinar si un cáncer de colon es estable o progresivo, determinar la finalización de la cirugía, y evaluar la respuesta a una terapia de cáncer de colon. Específicamente, la presente invención se basa en el descubrimiento de que los niveles de expresión de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2 y UMPS, normalizados por el nivel de expresión de un gen constitutivo como MORF4L1, son elevados en sujetos que tienen cáncer de colon en comparación con sujetos sanos.
En consecuencia, la presente descripción proporciona un método para detectar un cáncer de colon en un sujeto que lo necesite, comprendiendo el método: (a) determinar el nivel de expresión de al menos 14 biomarcadores de una muestra de ensayo del sujeto poniendo en contacto la muestra de ensayo con un pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y un gen constitutivo; (b) normalizar el nivel de expresión de cada uno de ADRM1, CDK4, c Om T, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, s To ML2 y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS; (c) introducir cada nivel de expresión normalizado en un algoritmo para generar una puntuación; (d) comparar la puntuación con un primer valor de corte predeterminado; y (e) identificar la presencia de cáncer de colon en el sujeto cuando la puntuación es igual o mayor que el valor de corte predeterminado, o identificar la ausencia de cáncer de colon en el sujeto cuando la puntuación es menor que el valor de corte predeterminado.
En algunos aspectos del método anterior, la etapa (e) puede comprender la producción de un informe, en el que el informe identifica la presencia de un cáncer de colon en el sujeto cuando la puntuación es igual o mayor que el primer valor de corte predeterminado, o identifica la ausencia de un cáncer de colon en el sujeto cuando la puntuación es menor que el primer valor de corte predeterminado.
La presente descripción también proporciona un método para determinar si un cáncer de colon en un sujeto es estable o progresivo, comprendiendo el método: (a) determinar el nivel de expresión de al menos 14 biomarcadores de una muestra de ensayo del sujeto poniendo en contacto la muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS y un gen constitutivo; (b) normalizar el nivel de expresión de cada uno de ADRM1, CDK4, COMT, DHCR7, h Mo X2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2 y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizada de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2 y UMPS; (c) introducir cada nivel de expresión normalizado en un algoritmo para generar una puntuación; (d) comparar la puntuación con un segundo valor de corte predeterminado; y (e) identificar que el cáncer de colon en el sujeto es progresivo cuando la puntuación es igual o mayor que el valor de corte predeterminado, o identificar que el cáncer de colon en el sujeto es estable cuando la puntuación es menor que el valor de corte predeterminado.
En algunos aspectos del método anterior, la etapa (e) puede comprender la producción de un informe, en el que el informe identifica que el cáncer de colon es progresivo cuando la puntuación es igual o mayor que el segundo valor de corte predeterminado, o identifica que el cáncer de colon es estable cuando la puntuación es menor que el segundo valor de corte predeterminado.
La presente descripción también proporciona un método para determinar la finalización de la cirugía en un sujeto que tiene cáncer de colon, comprendiendo el método: (a) determinar el nivel de expresión de al menos 14 biomarcadores de una muestra de ensayo del sujeto después de la cirugía poniendo en contacto la muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y un gen constitutivo; (b) normalizar el nivel de expresión de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2 y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS; (c) introducir cada nivel de expresión normalizado en un algoritmo para generar una puntuación; (d) comparar la puntuación con un primer valor de corte predeterminado; y (e) identificar que el cáncer de colon en el sujeto no se elimina por completo cuando la puntuación es igual o mayor que el valor de corte predeterminado, o identificar que el cáncer de colon en el sujeto se elimina por completo cuando la puntuación es menor que el valor de corte predeterminado.
En algunos aspectos del método anterior, la etapa (e) puede comprender la producción de un informe, en el que el informe identifica que el cáncer de colon no se elimina por completo cuando la puntuación es igual o mayor que el primer valor de corte predeterminado, o identifica que el cáncer de colon se elimina por completo cuando la puntuación es menor que el primer valor de corte predeterminado.
La presente descripción también proporciona un método que comprende: (a) determinar el nivel de expresión de al menos 14 biomarcadores de una muestra de ensayo de un sujeto poniendo en contacto la muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y un gen constitutivo; (b) normalizar el nivel de expresión de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2 y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2 y UMPS; (c) introducir cada nivel de expresión normalizado en un algoritmo para generar una puntuación; (d) comparar la puntuación con un valor de corte predeterminado; y (e) administrar una primera terapia al sujeto cuando la puntuación sea igual o mayor que el valor de corte predeterminado.
La respuesta de un sujeto que tiene cáncer de colon a una terapia también puede evaluarse comparando las puntuaciones determinadas por el mismo algoritmo en diferentes puntos de tiempo de la terapia. Por ejemplo, el primer punto de tiempo puede ser anterior o posterior a la administración de la terapia al sujeto; el segundo punto de tiempo es posterior al primer punto de tiempo y posterior a la administración de la terapia al sujeto. Se genera una primera puntuación en el primer punto de tiempo, y se genera una segunda puntuación en el segundo punto de tiempo. Cuando la segunda puntuación disminuye significativamente en comparación con la primera puntuación, se considera que el sujeto responde a la terapia.
En consecuencia, la presente descripción proporciona un método para evaluar la respuesta de un sujeto que tiene cáncer de colon a una primera terapia, comprendiendo el método: (1) en un primer punto de tiempo: (a) determinar el nivel de expresión de al menos 14 biomarcadores de una primera muestra de ensayo del sujeto poniendo en contacto la primera muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y gen constitutivo a; (b) normalizar el nivel de expresión de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOlvfL2 y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS; (c) introducir cada nivel de expresión normalizado en un algoritmo para generar una primera puntuación; (2) en un segundo punto de tiempo, en el que el segundo punto de tiempo es posterior al primer punto de tiempo y posterior a la administración de la terapia al sujeto: (a) determinar el nivel de expresión de al menos 14 biomarcadores de una segunda muestra de ensayo del sujeto poniendo en contacto la segunda muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y el gen constitutivo; (b) normalizar el nivel de expresión de cada uno de ADRM1, CDK4, COMT, DHCR7, h MoX2, McM2, PDXK, POP7, S100P, SNRPA, SORD, s ToML2, y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS; (c) introducir cada nivel de expresión normalizado en el algoritmo para generar una segunda puntuación; (3) comparar la primera puntuación con la segunda puntuación; y (4) identificar que el sujeto responde a la primera terapia cuando la segunda puntuación disminuye significativamente en comparación con la primera puntuación, o identificar que el sujeto no responde a la primera terapia cuando la segunda puntuación no disminuye significativamente en comparación con la primera puntuación.
En algunos aspectos del método anterior, la etapa (4) puede comprender la producción de un informe, en el que el informe identifica que el sujeto responde a la primera terapia cuando la segunda puntuación se reduce significativamente en comparación con la primera puntuación, o identifica que el sujeto no responde a la primera terapia cuando la segunda puntuación no disminuye significativamente en comparación con la primera puntuación.
En algunos aspectos del método anterior, la segunda puntuación disminuye significativamente en comparación con la primera puntuación cuando la segunda puntuación es al menos alrededor de 10% menor que la primera puntuación, o al menos al menos alrededor de 20% menor que la primera puntuación, o al menos alrededor de 25% menor que la primera puntuación, al menos alrededor de 40% menor que la primera puntuación, al menos alrededor de 50% menor que la primera puntuación, o al menos alrededor de 60% menor que la primera puntuación, o al menos alrededor de 70% menor que la primera puntuación, o al menos alrededor de 75% menor que la primera puntuación, o al menos alrededor de 80% menor que la primera puntuación, o al menos alrededor de 90% menor que la primera puntuación, o al menos alrededor de 95% menor que la primera puntuación, o al menos alrededor de 95% menor que la primera puntuación. En algunos aspectos, cuando la segunda puntuación no disminuye significativamente en comparación con la primera puntuación, se considera que el sujeto no responde a la terapia.
En algunos aspectos del método anterior, un primer punto de tiempo puede ser anterior a la administración de una primera terapia al sujeto. Un primer punto de tiempo puede ser posterior a la administración de una primera terapia al sujeto.
En algunos aspectos de los métodos de la presente descripción, un valor de corte predeterminado puede ser alrededor de 50% en una escala de 0-100%. Un valor de corte predeterminado puede ser alrededor de 60% en una escala de 0-100%. Un valor de corte predeterminado puede ser alrededor de 10%, o alrededor de 20%, o alrededor de 30%, o alrededor de 40%, o alrededor de 70%, o alrededor de 80% o alrededor de 90% en una escala de 0-100%.
En algunos aspectos de los métodos de la presente descripción, una muestra de ensayo puede ser cualquier fluido biológico obtenido del sujeto. Una muestra de ensayo puede ser sangre, suero, plasma, tejido neoplásico, o cualquier combinación de los mismos. En algunos aspectos, la muestra de ensayo es sangre. En algunos aspectos, la muestra de ensayo es suero. En algunos aspectos, la muestra de ensayo es plasma.
En algunos aspectos de los métodos de la presente descripción, un gen constitutivo puede comprender, pero no se limita a, MRPL19, PSMC4, SF3A1, PUM1, ACTB, GAPD, GUSB, RPLP0, TFRC, MORF4L1, 18S, PPIA, PGK1, RPL13A, B2M, y Wh AZ, s Dh A, y HPRT1. En algunos aspectos, el gen constitutivo es MORF4L1.
Los métodos de la presente descripción pueden tener una sensibilidad de al menos alrededor de 50%, o al menos alrededor de 60%, o al menos alrededor de 70%, o al menos alrededor de 75%, o al menos alrededor de 80%, o al menos alrededor de 85%, o al menos alrededor de 90%, o al menos alrededor de 95%, o al menos alrededor de 99%. Los métodos de la presente descripción pueden tener una sensibilidad mayor que alrededor de 50%, o mayor que alrededor de 60%, o mayor que alrededor de 70%, o mayor que alrededor de 75%, o mayor que alrededor de 80%, o mayor que alrededor de 85%, o mayor que alrededor de 90%, o mayor que alrededor de 95%, o mayor que alrededor de 99%.
Los métodos de la presente descripción pueden tener una especificidad de al menos alrededor de 50%, o al menos alrededor de 60%, o al menos alrededor de 70%, o al menos alrededor de 75%, o al menos alrededor de 80%, o al menos alrededor de 85%, o al menos alrededor de 90%, o al menos alrededor de 95%, o al menos alrededor de 99%. Los métodos de la presente descripción pueden tener una especificidad mayor que alrededor de 50%, o mayor que alrededor de 60%, o mayor que alrededor de 70%, o mayor que alrededor de 75%, o mayor que alrededor de 80% o mayor que alrededor de 85%, o mayor que alrededor de 90%, o mayor que alrededor de 95%, o mayor que alrededor de 99%.
Los métodos de la presente descripción pueden tener una precisión de al menos alrededor de 50%, o al menos alrededor de 60%, o al menos alrededor de 70%, o al menos alrededor de 75%, o al menos alrededor de 80%, o al menos alrededor de 85%, o al menos alrededor de 90%, o al menos alrededor de 95%, o al menos alrededor de 99%. Los métodos de la presente descripción pueden tener una precisión mayor que alrededor de 50%, o mayor que alrededor de 60%, o mayor que alrededor de 70%, o mayor que alrededor de 75%, o mayor que alrededor de 80% o mayor que alrededor de 85%, o mayor que alrededor de 90%, o mayor que alrededor de 95%, o mayor que alrededor de 99%.
En algunos aspectos de los métodos de la presente descripción, un valor de corte predeterminado puede derivar de una pluralidad de muestras de referencia obtenidas de sujetos que no tienen o no han sido diagnosticados con una enfermedad neoplásica. En algunos aspectos, la enfermedad neoplásica puede ser cáncer de colon.
La pluralidad de muestras de referencia puede comprender alrededor de 2-500, 2-200, 10-100, o 20-80 muestras de referencia. Cada muestra de referencia produce una puntuación usando el algoritmo, y el primer valor de corte predeterminado puede ser una media aritmética de estas puntuaciones. Cada muestra de referencia puede ser sangre, suero, plasma, o tejido no neoplásico. En algunos aspectos, cada muestra de referencia es sangre. En algunos aspectos, cada muestra de referencia es del mismo tipo que la muestra de ensayo.
Cada uno de los biomarcadores descritos aquí puede tener una o más variantes del transcrito. Los métodos descritos aquí pueden medir el nivel de expresión de cualquiera de las variantes del transcrito para cada biomarcador.
El nivel de expresión se puede medir de varias maneras, que incluyen, pero no se limitan a: medir el ARNm codificado por los genes seleccionados; medir la cantidad de proteína codificada por los genes seleccionados; y medir la actividad de la proteína codificada por los genes seleccionados.
En algunos aspectos de los métodos de la presente descripción, un biomarcador puede ser ARN, ADNc, proteína, o cualquier combinación de los mismos. Cuando el biomarcador es ARN, el ARN se puede transcribir de forma inversa para producir ADNc (tal como mediante RT-PCR), y se puede detectar el nivel de expresión de ADNc producido. El nivel de expresión de un biomarcador puede detectarse formando un complejo entre el biomarcador y una sonda o cebador marcado. Cuando el biomarcador es ARN o ADNc, el ARN o ADNc puede detectarse formando un complejo entre el ARN o ADNc y una sonda o cebador de ácido nucleico marcado. El complejo entre el ARN o el ADNc y la sonda o cebador de ácido nucleico marcado puede ser un complejo de hibridación.
En algunos aspectos de los métodos de la presente descripción, la expresión génica puede detectarse mediante análisis de micromatrices. La expresión génica diferencial también puede identificarse o confirmarse usando la técnica de micromatrices. Por lo tanto, los biomarcadores del perfil de expresión se pueden medir en tejido reciente o fijado, usando tecnología de micromatrices. En este método, las secuencias polinucleotídicas de interés (incluidos los ADNc y los oligonucleótidos) se colocan en placas o se disponen en un sustrato de microchip. Las secuencias dispuestas en la matriz se hibridan entonces con sondas de ADN específicas de células o tejidos de interés. La fuente de ARNm normalmente es el ARN total aislado de una muestra biológica, y se pueden usar los tejidos o líneas celulares normales correspondientes para determinar la expresión diferencial.
En algunos aspectos de las técnicas de micromatrices, las inserciones amplificadas por PCR de clones de ADNc se aplican a un sustrato en una matriz densa. En algunos aspectos, se aplican al sustrato al menos 10.000 secuencias nucleotídicas. Los genes en micromatrices, inmovilizados en el microchip a 10.000 elementos cada uno, son adecuados para la hibridación en condiciones rigurosas. Las sondas de ADNc marcadas con fluorescencia pueden generarse mediante la incorporación de nucleótidos fluorescentes mediante transcripción inversa de ARN extraído de tejidos de interés. Las sondas de ADNc marcadas aplicadas al chip se hibridan con especificidad a cada mancha de ADN en la matriz. Después de un lavado riguroso para eliminar las sondas no unidas específicamente, el chip de micromatriz se escanea con un dispositivo tal como microscopía láser confocal o con otro método de detección, tal como una cámara CCD. La cuantificación de la hibridación de cada elemento dispuesto en la matriz permite la evaluación de la abundancia de ARNm correspondiente. Con fluorescencia de color dual, las sondas de ADNc marcadas por separado generadas a partir de dos fuentes de ARN se hibridan por pares con la matriz. La abundancia relativa de los transcritos de las dos fuentes correspondientes a cada gen especificado se determina así simultáneamente. El análisis de micromatrices se puede realizar con equipos disponibles comercialmente, siguiendo los protocolos del fabricante.
En algunos aspectos de los métodos de la presente descripción, los biomarcadores pueden detectarse en una muestra biológica usando qRT-PCR. La primera etapa en el perfilado de la expresión génica por RT-PCR es la extracción de ARN de una muestra biológica, seguido de la transcripción inversa del molde de ARN en ADNc y la amplificación mediante una reacción de PCR. La etapa de la reacción de transcripción inversa generalmente se prepara con cebadores específicos, hexámeros aleatorios, o cebadores oligo-dT, según el objetivo del perfil de expresión. Las dos transcriptasas inversas comúnmente usadas son la transcriptasa inversa del virus de la mieloblastosis aviar (AMV-RT) y la transcriptasa inversa del virus de la leucemia murina de Moloney (MLV-RT).
En algunos aspectos de los métodos de la presente descripción, cuando el biomarcador es una proteína, la proteína puede detectarse formando un complejo entre la proteína y un anticuerpo marcado. El marcador puede ser cualquier marcador, por ejemplo un marcador fluorescente, un marcador de quimioluminiscencia, un marcador radiactivo, etc. Ejemplos de métodos para la detección de proteínas incluyen, pero no se limitan a, inmunoensayo enzimático (EIA), radioinmunoensayo (RIA), análisis de transferencia Western, y ensayo inmunoabsorbente ligado enzima (ELISA). Por ejemplo, el biomarcador se puede detectar en un ELISA, en el que el anticuerpo biomarcador se une a una fase sólida, y se emplea un conjugado enzima-anticuerpo para detectar y/o cuantificar el biomarcador presente en una muestra. Alternativamente, se puede usar un ensayo de transferencia Western, en el que el biomarcador solubilizado y separado se une a papel de nitrocelulosa. La combinación de un conjugado líquido altamente específico y estable con un sustrato cromogénico sensible permite una identificación rápida y precisa de las muestras.
En algunos aspectos de los métodos de la presente descripción, los métodos descritos aquí pueden tener una especificidad, sensibilidad y/o precisión de al menos 75%, 80%, 85%, 90%, 91%, 92%, 93%, 94%, 95%, 96%, 97%, 98%, o 99%.
En algunos aspectos de los métodos de la presente descripción, una sonda marcada, un cebador marcado, un anticuerpo marcado o un ácido nucleico marcado pueden comprender un marcador fluorescente.
En los métodos descritos aquí puede usarse cualquier algoritmo que pueda generar una puntuación para una muestra evaluando dónde cae ese valor de muestra en un modelo de predicción generado usando diferentes técnicas, por ejemplo árboles de decisión. El algoritmo analiza los datos (es decir, los niveles de expresión) y entonces asigna una puntuación. En algunos aspectos, el algoritmo puede ser un algoritmo de aprendizaje automático. Los algoritmos ejemplares que se pueden usar en los métodos descritos aquí pueden incluir, pero no se limitan a, XGBoost (XGB), Random Forest (RF), glmnet, cforest, árboles de clasificación y regresión para aprendizaje automático (CART), treebag, K vecinos más cercanos (kNN), red neuronal (nnet), Support Vector Machine radial (SVM-radial), Support Vector Machine linear (SVM-linear), Naíve Bayes (NB), perceptrón multicapa (mlp), o cualquier combinación de los mismos.
En algunos aspectos de los métodos de la presente descripción, el algoritmo puede ser XGB (también llamado XGBoost). XGB es una implementación de árboles de decisión potenciados por gradientes, diseñados para la velocidad y el rendimiento.
En algunos aspectos de los métodos de la presente descripción, una terapia puede comprender terapia contra el cáncer, cirugía, quimioterapia, terapia con fármacos dirigida, radioterapia, inmunoterapia, o cualquier combinación de las mismas.
En algunos aspectos de los métodos de la presente descripción, la cirugía puede comprender extirpar un pólipo durante una colonoscopia, resección mucosa endoscópica, colectomía parcial, ostomía, extirpar al menos una lesión cancerosa del hígado, o cualquier combinación de las mismas.
En algunos aspectos de los métodos de la presente descripción, la terapia contra el cáncer puede comprender la terapia contra el cáncer de colon.
En algunos aspectos de los métodos de la presente descripción, la quimioterapia puede comprender FOLFOX, FOLFIRI, una combinación de 5-FU y leucovorina, capecitabina, irinotecán, CapeOx, o cualquier combinación de las mismas.
En algunos aspectos de los métodos de la presente descripción, la terapia dirigida con fármacos puede comprender bevacizumab, cetuximab, panitumumab, regorafenib, una combinación de trifluridina y tipiracilo, un inhibidor TKI del EGFR, o cualquier combinación de las mismas.
En algunos aspectos de los métodos de la presente descripción, la inmunoterapia puede comprender pembrolizumab, nivolumab, o una combinación de pembrolizumab y nivolumab.
Para el cáncer de colon en etapa temprana, se puede usar un enfoque de cirugía mínimamente invasivo para extirpar el cáncer. Por ejemplo, si el cáncer está completamente contenido dentro de un pólipo, el pólipo se puede extirpar durante una colonoscopia. Se puede realizar una resección endoscópica de la mucosa para extirpar pólipos más grandes. Los pólipos que no se pueden extirpar durante una colonoscopia se pueden extirpar mediante cirugía laparoscópica.
Si el cáncer ha crecido hacia o a través del colon, se puede realizar una colectomía parcial para extirpar la parte del colon que contiene el cáncer, junto con un margen de tejido normal a ambos lados del cáncer. Cuando no es posible volver a conectar las partes sanas del colon o el recto, se puede realizar una ostomía para crear una abertura en la pared del abdomen a partir de una parte del intestino restante para eliminar las heces en una bolsa que se ajusta de forma segura sobre la abertura. También se puede realizar la extirpación de los ganglios linfáticos.
Para el cáncer de colon avanzado, también se puede realizar una operación para aliviar una obstrucción del colon u otras afecciones. En casos específicos en los que el cáncer se ha diseminado solo al hígado, se puede realizar una cirugía para extirpar la lesión cancerosa del hígado.
Para las quimioterapias, se usan con mayor frecuencia los regímenes FOLFOX (5-FU, leucovorina y oxaliplatino) o CapeOx (capecitabina y oxaliplatino), pero algunos pacientes pueden recibir 5-FU con leucovorina o capecitabina sola, según su edad y necesidades de salud. El irinotecán también se puede usar como agente quimioterapéutico para tratar el cáncer de colon.
Las terapias dirigidas con fármacos se enfocan en disfunciones específicas que permiten que las células cancerosas crezcan. Estas terapias incluyen, pero no se limitan a, bevacizumab, cetuximab, panitumumab, ramucirumab, regorafenib, ziv-aflibercept, una combinación de trifluridina y tipiracilo, y un inhibidor TKI del EGFR.
Las inmunoterapias para el cáncer de colon incluyen, pero no se limitan a, pembrolizumab (Keytruda®) y nivolumab (Opdivo®).
En la Tabla 1 se muestra la información de secuencia de los biomarcadores de cáncer de colon y genes constitutivos.
Tabla 1. Información de la secuencia de genes constitutivos/biomarcadores del cáncer de colon
Figure imgf000012_0001
Figure imgf000013_0001
Figure imgf000014_0001
Figure imgf000015_0001
Figure imgf000016_0001
Figure imgf000017_0001
Figure imgf000018_0001
Figure imgf000019_0001
Figure imgf000020_0001
Figure imgf000021_0001
Figure imgf000022_0001
Figure imgf000023_0001
Figure imgf000024_0001
Figure imgf000025_0001
Figure imgf000026_0001
Figure imgf000027_0001
Figure imgf000028_0001
Figure imgf000029_0001
Figure imgf000030_0001
Figure imgf000031_0001
Figure imgf000031_0002
Figure imgf000032_0001
Figure imgf000033_0001
Figure imgf000034_0001
Figure imgf000035_0001
Figure imgf000036_0001
Figure imgf000037_0001
Figure imgf000038_0001
Figure imgf000039_0001
Figure imgf000040_0001
Figure imgf000041_0001
Figure imgf000042_0001
Figure imgf000043_0001
Figure imgf000044_0001
Definiciones
Los artículos “un” y “una” se usan en esta descripción para referirse a uno o más de uno (es decir, al menos a uno) del objeto gramatical del artículo. A modo de ejemplo, “un elemento” significa un elemento o más de un elemento. El término “y/o” se usa en esta descripción para significar “y” u “o”, a menos que se indique lo contrario.
Como se usa aquí, los términos “polinucleótido” y “molécula de ácido nucleico” se usan indistintamente para referirse a una forma polimérica de nucleótidos de al menos 10 bases o pares de bases de longitud, ya sea ribonucleótidos o desoxinucleótidos, o una forma modificada de cualquier tipo de nucleótido, y pretende incluir formas de ADN de cadena sencilla y doble. Como se usa aquí, una molécula de ácido nucleico, o una secuencia de ácido nucleico que sirve como sonda en un análisis de micromatrices, comprende preferiblemente una cadena de nucleótidos, más preferiblemente ADN y/o ARN. En otros aspectos, una molécula de ácido nucleico o una secuencia de ácido nucleico comprende otros tipos de estructuras de ácido nucleico, tales como, por ejemplo, una hélice de ADN/ARN, un ácido nucleico peptídico (PNA), un ácido nucleico bloqueado (LNA), y/o una ribozima. Por lo tanto, como se usa aquí, la expresión “molécula de ácido nucleico” también abarca una cadena que comprende nucleótidos no naturales, nucleótidos modificados, y/o bloques de construcción no nucleotídicos que muestran la misma función que los nucleótidos naturales.
Como se usa aquí, los términos “hibridar”, “hibridando”, “se hibrida”, y similares, usados en el contexto de los polinucleótidos, se refieren a condiciones de hibridación convencionales, tal como la hibridación en formamida al 50%/6XSSC/0,1% SDSI/100 pg/ml ADNmc, en las que las temperaturas de hibridación están por encima de 37 grados centígrados, y las temperaturas de lavado en 0,1 XSSC/0,1% SDS están por encima de 55 grados C, y preferiblemente en condiciones de hibridación rigurosas.
Tal como se usa aquí, el término “normalización” o “normalizador” se refiere a la expresión de un valor diferencial en términos de un valor estándar para ajustar los efectos que surgen de la variación técnica debido a la manipulación de muestras, la preparación de muestras y los métodos de medida, en lugar de la variación biológica de la concentración de biomarcadores en una muestra. Por ejemplo, cuando se mide la expresión de una proteína expresada diferencialmente, el valor absoluto para la expresión de la proteína se puede expresar en términos de un valor absoluto para la expresión de una proteína estándar que es sustancialmente constante en expresión.
Los términos “diagnosis” y “diagnóstico” también abarcan los términos “pronosis” y “pronóstico”, respectivamente, así como las aplicaciones de dichos procedimientos en dos o más puntos de tiempo para monitorizar el diagnóstico y/o pronóstico a lo largo del tiempo, y el modelado estadístico basado en ello. Además, el término diagnóstico incluye: a. predicción (determinar si un paciente probablemente desarrollará una enfermedad agresiva (hiperproliferativa/invasiva)), b. pronóstico (predecir si un paciente probablemente tendrá un resultado mejor o peor en un momento preseleccionado en el futuro), c. selección de terapia, d. monitorización de medicamentos terapéuticos, y e. seguimiento de recaídas.
“Precisión” se refiere al grado de conformidad de una cantidad medida o calculada (un valor informado de ensayo) con su valor real (o verdadero). La precisión clínica se refiere a la proporción de resultados verdaderos (positivos verdaderos (TP) o negativos verdaderos (TN)) frente a resultados mal clasificados (falsos positivos (FP) o falsos negativos (FN)), y puede establecerse como sensibilidad, especificidad, valores predictivos positivos (VPP) o valores predictivos negativos (VPN), o como probabilidad, razón de momios, entre otras medidas.
La expresión “muestra biológica”, como se usa aquí, se refiere a cualquier muestra de origen biológico que contenga potencialmente uno o más biomarcadores. Los ejemplos de muestras biológicas incluyen tejido, órganos, o fluidos corporales, tales como sangre completa, plasma, suero, tejido, lavado, o cualquier otro espécimen usado para la detección de enfermedades.
El término “sujeto”, como se usa aquí, se refiere a un mamífero, preferiblemente a un ser humano. En algunos aspectos, un sujeto puede tener al menos un síntoma de cáncer de colon. En algunos aspectos, un sujeto puede tener una predisposición o antecedentes familiares para desarrollar un cáncer de colon. A un sujeto también se le puede haber diagnosticado previamente un cáncer de colon, y se le somete a ensayos para la recurrencia del cáncer. “Tratar” o “tratamiento”, tal como se usa aquí con respecto a una afección, puede referirse a prevenir la afección, desacelerar el inicio o la velocidad de desarrollo de la afección, reducir el riesgo de desarrollar la afección, prevenir o retrasar el desarrollo de los síntomas asociados con la afección, reducir o finalizar los síntomas asociados con la afección, generar una regresión completa o parcial de la afección, o alguna combinación de los mismos.
Los niveles de los biomarcadores pueden cambiar debido al tratamiento de la enfermedad. Los cambios en los niveles de los biomarcadores pueden medirse mediante la presente descripción. Los cambios en los niveles de los biomarcadores pueden usarse para monitorizar la progresión de la enfermedad o la terapia.
“Alterado”, “cambiado” o “significativamente diferente” se refiere a un cambio o diferencia detectable de un estado, perfil, medida o similar razonablemente comparable. Dichos cambios pueden ser todos o ninguno. Pueden ser incrementales, y no necesitan ser lineales. Pueden ser por órdenes de magnitud. Un cambio puede ser un aumento o una disminución del 5%, 10%, 20%, 30%, 40%, 50%, 60%, 70%, 80%, 90%, 95%, 99%, 100%, o más, o cualquier valor entre 0% y 100%. Alternativamente, el cambio puede ser de 1, 1,5, 2, 3, 4, 5 veces o más, o cualquier valor entre 1 vez y cinco veces. El cambio puede ser estadísticamente significativo con un valor de p de 0,1,0,05, 0,001, o 0,0001. La expresión “enfermedad estable” se refiere a un diagnóstico de la presencia de un cáncer de colon; sin embargo, el cáncer de colon ha sido tratado y permanece en una condición estable, es decir, aquella que no es progresiva, según lo determinado por datos de imágenes y/o mejor juicio clínico.
La expresión “enfermedad progresiva” se refiere a un diagnóstico por la presencia de un estado altamente activo de un cáncer de colon, es decir, aquel que no ha sido tratado y no es estable, o ha sido tratado y no ha respondido a la terapia, o ha sido tratado y permanece como enfermedad activa, según lo determinen los datos de imágenes y/o el mejor juicio clínico.
La expresión “enfermedad neoplásica” se refiere a cualquier crecimiento anormal de células o tejidos, ya sea benigno (no canceroso) o maligno (canceroso). Por ejemplo, la enfermedad neoplásica puede ser un cáncer de colon.
La expresión “tejido neoplásico” se refiere a una masa de células que crecen de manera anormal.
La expresión “tejido no neoplásico” se refiere a una masa de células que crecen normalmente.
El término “inmunoterapia” puede referirse a inmunoterapia activadora o a inmunoterapia supresora. Como apreciarán los expertos en la técnica, la inmunoterapia activadora se refiere al uso de un agente terapéutico que induce, mejora o promueve una respuesta inmunitaria, incluyendo, por ejemplo, una respuesta de células T, mientras que la inmunoterapia supresora se refiere al uso de un agente terapéutico que interfiere con, suprime o inhibe una respuesta inmunitaria, incluyendo, por ejemplo, una respuesta de células T. La inmunoterapia activadora puede comprender el uso de inhibidores de puntos de control. La inmunoterapia activadora puede comprender administrar a un sujeto un agente terapéutico que activa una molécula de punto de control estimulante. Las moléculas de punto de control estimulante incluyen, pero no se limitan a, CD27, CD28, CD40, CD122, CD137, OX40, GITR e ICOS. Los agentes terapéuticos que activan una molécula de punto de control estimulante incluyen, pero no se limitan a, MEDI0562, TGN1412, CDX-1127, lipocalina.
El término “anticuerpo” se usa aquí en el sentido más amplio, y abarca diversas estructuras de anticuerpos, incluyendo, pero no se limitan a, anticuerpos monoclonales, anticuerpos policlonales, anticuerpos multiespecíficos (por ejemplo, anticuerpos biespecíficos), y fragmentos de anticuerpos siempre que exhiban actividad de unión al antígeno deseada. Un anticuerpo que se une a una diana se refiere a un anticuerpo que es capaz de unirse a la diana con suficiente afinidad de modo que el anticuerpo sea útil como agente de diagnóstico y/o terapéutico para dirigirse a la diana. En una realización, el grado de unión de un anticuerpo antidiana a una proteína no diana no relacionada es menor que alrededor de 10% de la unión del anticuerpo a la diana, según se mide, por ejemplo, mediante un radioinmunoensayo (RIA) o un ensayo biacore. En ciertas realizaciones, un anticuerpo que se une a una diana tiene una constante de disociación (Kd) de < 1 pM, < 100 nM, < 10 nM, < 1 nM, < 0,1 nM, < 0,01 nM, o < 0,001 nM (por ejemplo, 108 M o menos, por ejemplo de 108 M a 1013 M, por ejemplo de 109 M a 1013 M). En ciertas realizaciones, un anticuerpo antidiana se une a un epítopo de una diana que se conserva entre diferentes especies.
Un “anticuerpo bloqueador” o un “anticuerpo antagonista” es aquel que bloquea, inhibe, interfiere o neutraliza parcial o totalmente una actividad biológica normal del antígeno al que se une. Por ejemplo, un anticuerpo antagonista puede bloquear la señalización a través de un receptor de células inmunitarias (por ejemplo, un receptor de células T) para restaurar una respuesta funcional mediante las células T (por ejemplo, proliferación, producción de citocinas, eliminación de células diana) de un estado disfuncional a la estimulación con el antígeno.
Un “anticuerpo agonista” o “anticuerpo activador” es aquel que imita, promueve, estimula o potencia una actividad biológica normal del antígeno al que se une. Los anticuerpos agonistas también pueden potenciar o iniciar la señalización por el antígeno al que se une. En algunas realizaciones, los anticuerpos agonistas provocan o activan la señalización sin la presencia del ligando natural. Por ejemplo, un anticuerpo agonista puede aumentar la proliferación de células T de memoria, aumentar la producción de citocinas por parte de las células T de memoria, inhibir la función de las células T reguladoras, y/o inhibir la supresión de las células T reguladoras de la función de las células T efectoras, tal como la proliferación de células T efectoras y/o la producción de citocinas.
Un “fragmento de anticuerpo” se refiere a una molécula distinta de un anticuerpo intacto, que comprende una parte de un anticuerpo intacto que se une al antígeno al que se une el anticuerpo intacto. Los ejemplos de fragmentos de anticuerpos incluyen, pero no se limitan a, Fv, Fab, Fab', Fab'-SH, F(ab')2; diacuerpos; anticuerpos lineales; moléculas de anticuerpos de cadena sencilla (por ejemplo, scFv); y anticuerpos multiespecíficos formados a partir de fragmentos de anticuerpos.
La administración de quimioterapia a un sujeto puede comprender la administración de una dosis terapéuticamente eficaz de al menos un agente quimioterapéutico. Los agentes quimioterapéuticos incluyen, pero no se limitan a, ácido 13-cis-retinoico, 2-CdA, 2-clorodesoxiadenosina, 5-azacitidina, 5-fluorouracilo, 5-FU, 6-mercaptopurina, 6-MP, 6-TG, 6-Tioguanina, Abemaciclib, Acetato de abiraterona, Abraxano, Accutano, Actinomicina-D, Adcetris, Ado-Trastuzumab Emtansina, Adriamicina, Adrucilo, Afatinib, Afinitor, Agrilina, Ala-Cort, Aldesleukina, Alemtuzumab, Alecensa, Alectinib, Alimta, Alitretinoína, Alkaban-AQ, Alkeran, ácido todo-transretinoico, Interferón alfa, Altretamina, Alunbrig, Ametopterina, Amifostina, Aminoglutetimida, Anagrelida, Anandrona, Anastrozol, Apalutamida, Arabinosilcitosina, Ara-C, Aranesp, Aredia, Arimidex, Aromasina, Arranon, Trióxido de arsénico, Arzerra, Asparaginasa, Atezolizumab, Atra, Avastina, Avelumab, Axicabtagene Ciloleucel, Axitinib, Azacitidina, Bavencio, Bcg, Beleodaq, Belinostat, Bendamustina, Bendeka, Besponsa, Bevacizumab, Bexaroteno, Bexxar, Bicalutamida, Bicnu, Blenoxano, Bleomicina, Blinatumomab, Blincyto, Bortezomib, Bosulif, Bosutinib, Brentuximab Vedotin, Brigatinib, Busulfano, Busulfex, C225, Cabazitaxel, Cabozantinib, Calcio Leucovorina, Campath, Camptosar, Camptotecina-11, Capecitabina, Caprelsa, Carac, Carboplatino, Carfilzomib, Carmustina, Oblea de Carmustina, Casodex, CCI-779, Ccnu, Cddp, Ceenu, Ceritinib, Cerubidina, Cetuximab, Clorambucilo, Cisplatino, Factor Citrovorum, Cladribina, Clofarabina, Clolar, Cobimetinib, Cometriq, Cortisona, Cosmegen, Cotellic, Cpt-11, Crizotinib, Ciclofosfamida, Cyramza, Cytadren, Citarabina, Citarabina Liposomal, Cytosar-U, Cytoxan, Dabrafenib, Dacarbazina, Dacogen, Dactinomicina, Daratumumab, Darbepoetina Alfa, Darzalex, Dasatinib, Daunomicina, Daunorrubicina, Daunorrubicina Citarabina (Liposomal), Daunorrubicina-hidrocloruro, Daunorrubicina Liposomal, DaunoXome, Decadron, Decitabina, Degarelix, Delta-Cortef, Deltasona, Denileukina Diftitox, Denosumab, DepoCyt, Dexametasona, Acetato de dexametasona, Fosfato sódico de dexametasona, Dexasona, Dexrazoxano, Dhad, Dic, Diodex, Docetaxel, Doxil, Doxorrubicina, Doxorrubicina Liposomal, Droxia, DTIC, Dtic-Dome, Duralona, Durvalumab, Eculizumab, Efudex, Ellence, Elotuzumab, Eloxatina, Elspar, Eltrombopag, Emcyt, Empliciti, Enasidenib, Enzalutamida, Epirrubicina, Epoetina Alfa, Erbitux, Eribulina, Erivedge, Erleada, Erlotinib, Erwinia L-asparaginasa, Estramustina, Etiol, Etopofós, Etopósido, Fosfato de etopósido, Eulexina, Everolimus, Evista, Exemestano, Fareston, Farydak, Faslodex, Femara, Filgrastim, Firmagon, Floxuridina, Fludara, Fludarabina, Fluoroplex, Fluorouracilo, Fluorouracilo (crema), Fluoximesterona, Flutamida, Ácido folínico, Folotyn, Fudr, Fulvestrant, G-Csf, Gazyva, Gefitinib, Gemcitabina, Gemtuzumab ozogamicina, Gemzar, Gilotrif, Gleevec, Gleostina, Gliadel Oblea, Gm-Csf, Goserelina, Granix, Factor estimulante de colonias de granulocitos, Factor estimulante de colonias de granulocitos y macrófagos, Halaven, Halotestina, Herceptina, Hexadrol, Hexaleno, Hexametilmelamina, Hmm, Hycamtin, Hydrea, Acetato de hidrocortisona, Hidrocortisona, Fosfato de sodio de hidrocortisona, Succinato de sodio de hidrocortisona, Fosfato de hidrocortisona, Hidroxiurea, Ibrance, Ibritumomab, Ibritumomab Tiuxetan, Ibrutinib, Iclusig, Idamicina, Idarrubicina, Idelalisib, Idhifa, Ifex, IFN-alfa, Ifosfamida, IL-11, IL-2, Imbruvica, Imatinib Mesilato, Imfinzi, Imidazol Carboxamida, Imlygic, Inlyta, Inotuzumab Ozogamicina, Interferón-Alfa, Interferón Alfa-2b (Conjugado con PEG), Interleucina-2, Interleucina-11, Intrón A (Interferón alfa-2b), Ipilimumab, Iressa, Irinotecán, Irinotecán (liposomal), Isotretinoína, Istodax, Ixabepilona, Ixazomib, Ixempra, Jakafi, Jevtana, Kadcyla, Keytruda, Kidrolasa, Kisqali, Kymriah, Kyprolis, Lanacort, Lanreotida, Lapatinib, Lartruvo, L-asparaginasa, Lbrance, Lcr, Lenalidomida, Lenvatinib, Lenvima, Letrozol, Leucovorina, Leukeran, Leukina, Leuprolida, Leurocristina, Leustatina, Liposomal Ara-C, Liquid Pred, Lomustina, Lonsurf, L-PAM, L-Sarcolisina, Luprón, Luprón Depot, Lynparza, Marqibo, Matulano, Maxidex, Mecloretamina, Hidrocloruro de Mecloretamina, Medralona, Medrol, Megace, Megestrol, Acetato de megestrol, Mekinist, Mercaptopurina, Mesna, Mesnex, Metotrexato, Metotrexato sódico, Metilprednisolona, Meticorten, Midostaurina, Mitomicina, Mitomicina-C, Mitoxantrona, M-Prednisol, MTC, MTX, Mustargen, Mustina, Mutamicina, Milerán, Mylocel, Mylotarg, Navelbina, Necitumumab, Nelarabina, Neosar, Neratinib, Nerlynx, Neulasta, Neumega, Neupogen, Nexavar, Nilandron, Nilotinib, Nilutamida, Ninlaro, Nipent, Niraparib, Mostaza de Nitrógeno, Nivolumab, Nolvadex, Novantrona, Nplate, Obinutuzumab, Octreotida, Acetato de octreotida, Odomzo, Ofatumumab, Olaparib, Olaratumab, Omacetaxina, Oncospar, Oncovina, Onivyde, Ontak, Onxal, Opdivo, Oprelvekin, Orapred, Orasona, Osimertinib, Otrexup, Oxaliplatino, Paclitaxel, Paclitaxel unido a Proteína, Palbociclib, Pamidronato, Panitumumab, Panobinostat, Panretina, Paraplatino, Pazopanib, Pediapred, Peg Interferón, Pegaspargasa, Pegfilgrastim, Peg-Intrón, PEG-L-asparaginasa, Pembrolizumab, Pemetrexed, Pentostatina, Perjeta, Pertuzumab, Mostaza de Fenilalanina, Platinol, Platinol-AQ, Pomalidomida, Pomalyst, Ponatinib, Portrazza, Pralatrexato, Prednisolona, Prednisona, Prelona, Procarbazina, Procrit, Proleukina, Prolia, Prolifeprospan 20 con implante de carmustina, Promacta, Provenge, Purinethol, Dicloruro de radio 223, Raloxifeno, Ramucirumab, Rasuvo, Regorafenib, Revlimid, Rheumatrex, Ribociclib, Rituxan, Rituxan Hycela, Rituximab, Rituximab Hialurodinasa, Roferón-A (Interferón Alfa-2a), Romidepsina, Romiplostim, Rubex, Hidrocloruro de Rubidomicina, Rubraca, Rucaparib, Ruxolitinib, Rydapt, Sandostatina, Sandostatina LAR, Sargramostim, Siltuximab, Sipuleucel-T, Soliris, Solu-Cortef, Solu-Medrol, Somatulina, Sonidegib, Sorafenib, Sprycel, Sti-571, Stivarga, Estreptozocina, SU11248, Sunitinib, Sutent, Sylvant, Synribo, Tafinlar, Tagrisso, Talimogene Laherparepvec, Tamoxifeno, Tarceva, Targretina, Tasigna, Taxol, Taxotere, Tecentriq, Temodar, Temozolomida, Temsirolimus, Tenipósido, Tespa, Talidomida, Talomida, TheraCys, Tioguanina, Tioguanina Tabloid, Tiofosfamida, Thioplex, Thiotepa, Tice, Tisagenlecleucel, Toposar, Topotecán, Toremifeno, Torisel, Tositumomab, Trabectedina, Trametinib, Trastuzumab, Treanda, Trelstar, Tretinoína, Trexall, Trifluridina/Tipiricilo, Pamoato de triptorelina, Trisenox, Tspa, T-VEC, Tykerb, Valrubicina, Valstar, Vandetanib, VCR, Vectibix, Velban, Velcade, Vemurafenib, Venclexta, Venetoclax, VePesid, Verzenio, Vesanoid, Viadur, Vidaza, Vinblastina, Vinblastina Sulfato, Vincasar Pfs, Vincristina, Vincristina Liposomal, Vinorelbina, Vinorelbina Tartrato, Vismodegib, Vlb, VM-26, Vorinostat, Votrient, VP-16, Vumon, Vyxeos, Xalkori Cápsulas, Xeloda, Xgeva, Xofigo, Xtandi, Yervoy, Yescarta, Yondelis, Zaltrap, Zanosar, Zarxio, Zejula, Zelboraf, Zevalina, Zinecard, Ziv-aflibercept, Zoladex, Ácido zoledrónico, Zolinza, Zometa, Zydelig, Zykadia, Zytiga, o cualquier combinación de los mismos.
Las expresiones “cantidad eficaz” y “cantidad terapéuticamente eficaz” de un agente o compuesto se usan en el sentido más amplio para referirse a una cantidad no tóxica pero suficiente de un agente o compuesto activo para proporcionar el efecto o beneficio deseado.
El término “beneficio” se usa en el sentido más amplio, y se refiere a cualquier efecto deseable, e incluye específicamente el beneficio clínico como se define aquí. El beneficio clínico se puede medir evaluando diversos criterios de valoración, por ejemplo la inhibición, hasta cierto punto, de la progresión de la enfermedad, incluyendo la ralentización y la detención completa; reducción en el número de episodios de enfermedad y/o síntomas; reducción del tamaño de la lesión; inhibición (es decir, reducción, ralentización o detención completa) de la infiltración de células enfermas en órganos y/o tejidos periféricos adyacentes; inhibición (es decir, reducción, desaceleración o detención completa) de la propagación de la enfermedad; disminución de la respuesta autoinmune, que puede, pero no necesariamente tiene que, dar como resultado la regresión o ablación de la lesión de la enfermedad; alivio, hasta cierto punto, de uno o más síntomas asociados con el trastorno; aumento en la duración de la presentación libre de enfermedad después del tratamiento, por ejemplo supervivencia libre de progresión; aumento de la supervivencia global; mayor tasa de respuesta; y/o disminución de la mortalidad en un momento dado después del tratamiento. Los términos “cáncer” y “canceroso” se refieren o describen la condición fisiológica en mamíferos que típicamente se caracteriza por un crecimiento celular no regulado. Incluidos en esta definición están los cánceres benignos y malignos. Los ejemplos de cáncer incluyen, pero no se limitan a, carcinoma, linfoma, blastoma, sarcoma, y leucemia. Ejemplos más particulares de tales cánceres incluyen carcinoma adrenocortical, carcinoma urotelial de vejiga, carcinoma invasivo de mama, carcinoma de células escamosas de cuello uterino, adenocarcinoma endocervical, colangiocarcinoma, adenocarcinoma de colon, neoplasia linfoide, linfoma difuso de células p grandes, carcinoma esofágico, glioblastoma multiforme, carcinoma de células escamosas de cabeza y cuello, cromófobo renal, carcinoma de células claras renales del riñón, carcinoma de células papilares renales del riñón, leucemia mieloide aguda, glioma cerebral de bajo grado, carcinoma hepatocelular de hígado, adenocarcinoma de pulmón, carcinoma de células escamosas de pulmón, mesotelioma, cistadenocarcinoma seroso de ovario, adenocarcinoma pancreático, feocromocitoma, paraganglioma, adenocarcinoma de próstata, adenocarcinoma de recto, sarcoma, melanoma cutáneo de piel, adenocarcinoma de estómago, tumores testiculares de células germinales, carcinoma de tiroides, timoma, carcinosarcoma uterino, melanoma uveal. Otros ejemplos incluyen cáncer de mama, cáncer de pulmón, linfoma, melanoma, cáncer de hígado, cáncer colorrectal, cáncer de ovario, cáncer de vejiga, cáncer renal o cáncer gástrico. Otros ejemplos de cáncer incluyen cáncer neuroendocrino, cáncer de pulmón no microcítico (NSCLC), cáncer de pulmón microcítico, cáncer de tiroides, cáncer de endometrio, cáncer biliar, cáncer de esófago, cáncer anal, cáncer de saliva, cáncer de vulva o cáncer de cuello uterino.
El término “tumor” se refiere a todo crecimiento y proliferación de células neoplásicas, ya sean malignas o benignas, y a todas las células y tejidos precancerosos y cancerosos. Los términos “cáncer”, “canceroso”, “trastorno proliferativo celular”, “trastorno proliferativo” y “tum or” no se excluyen mutuamente en lo que se refiere aquí.
Ejemplos
La descripción se ilustra adicionalmente mediante los siguientes ejemplos, que no deben interpretarse como limitantes de esta descripción en alcance o espíritu a los procedimientos específicos descritos aquí. Debe entenderse que los ejemplos se proporcionan para ilustrar ciertos aspectos, y que por ello no se pretende limitar el alcance de la descripción.
EJEMPLO 1. Obtención de un panel de 13 genes marcadores
Intensidades de sonda sin procesar de n = 24 muestras de tejido tumoral de cáncer de colon se compararon con n = 22 controles de la mucosa del colon para identificar los genes que mejor discriminaban entre enfermedades usando el perfil transcripcional de E-MTAB-57. Se generaron redes de coexpresión génica para identificar patrones temporales de regulación génica asociados con el cáncer de colon. Se identificaron un total de 513 nodos con 53.786 enlaces. El análisis de expresión diferencial identificó que 103 genes estaban regulados al alza en el tejido tumoral en comparación con la sangre. Para identificar biomarcadores de genes de cáncer de colon específicos de la sangre, evaluamos la expresión de los 103 genes en transcriptomas de sangre periférica (n = 7). Treinta y tres (32%) de los 103 genes estaban por debajo del nivel de detección en sangre, identificándolos como genes candidatos. La evaluación de los transcritos en un conjunto de datos preliminares de muestras de sangre de cáncer de colon (n = 20) y sangre normal compatible (n = 20) identificó trece genes y un gen constitutivo como marcadores de cáncer de colon (Tabla 2). Se demostró que estos genes están altamente expresados en tejido tumoral de cáncer de colon en comparación con la mucosa normal, y en tres líneas celulares de cáncer de colon diferentes, LOVO (línea celular inestable MSI metastásico, hiperdiploide), LS-180 (derivada de un adenocarcinoma colorrectal en estadio B de Dukes) y Colo 320DM (derivada de un adenocarcinoma colorrectal en estadio C de Dukes). Estos datos demuestran que las células de la mucosa del colon transformadas neoplásicamente producen transcritos diana. (FIGS. 1A-1B)
Se construyó un modelo de inteligencia artificial de la enfermedad del cáncer de colon usando la expresión génica normalizada de estos 13 marcadores en sangre total de muestras de control (n=120) y de cáncer de colon (n=272). El conjunto de datos se dividió aleatoriamente en particiones de entrenamiento y de ensayo, para la creación y validación del modelo, respectivamente. Se evaluaron doce algoritmos (XGB, RF, glmnet, cforest, CART, treebag, knn, nnet, SVM-radial, SVM-lineal, NB y mlp). El algoritmo de mayor rendimiento (XGB - “aumento de gradiente”) predijo mejor los datos de entrenamiento. En el conjunto de ensayo, XGB produjo puntuaciones de probabilidad que predijeron la muestra. Cada puntuación de probabilidad refleja la “certeza” de un algoritmo de que una muestra desconocida pertenezca a la clase “Control” o “Cáncer de Colon” . Por ejemplo, una muestra desconocida S1 puede tener el siguiente vector de probabilidad [Control = 20%, Cáncer de Colon = 80%]. Esta muestra se consideraría una muestra de cáncer de colon.
Ejemplo 2. Utilidad Clínica
Los datos (análisis de la curva del receptor operador y las métricas) para la utilidad del ensayo para diferenciar pacientes con cáncer de colon (n=136) de los controles (n=60) en los conjuntos de entrenamiento y de ensayo están incluidos en FIGS. 2A-2B. La puntuación exhibió un área bajo la curva (AUC) de 0,90 (entrenamiento) y 0,86 (conjunto de ensayo). Las métricas son: sensibilidad: 85,3-87,5% y especificidad: 75-83,3%.
En general, las puntuaciones de ColoTest fueron significativamente elevadas en cánceres (63±1%) y controles (34±2%) (FIGS. 3A-3B). La precisión general (cohorte de entrenamiento y de ensayo) es 84%, con un AUC: 0,88. La estadística z para diferenciar los controles fue 18,5.
Se utilizó un análisis de curva de decisión para cuantificar el beneficio clínico del ensayo diagnóstico (FIGS. 4A-4B). El ColoTest mostró un beneficio predictivo estandarizado >50% hasta un umbral de riesgo de 80%. El gráfico de evaluación de probitio riesgo identificó que una puntuación de ColoTest >50% tenía una precisión de 75% para predecir el cáncer de colon en una muestra de sangre. Esto aumentó hasta >80% con una puntuación de ColoTest >60%. Por lo tanto, la herramienta puede diferenciar con precisión entre los controles y la enfermedad del cáncer de colon. La evaluación específica de una cohorte de cáncer de colon antes y después de la cirugía identificó que la extirpación completa de un tumor y sin signos de enfermedad se asoció con una disminución significativa (p<0.0001) en el ColoTest (FIG. 5). Los niveles no fueron significativamente diferentes en aquellos con signos de enfermedad residual. El examen de una cohorte separada de cáncer de colon por estado de la enfermedad (evaluación clínica en el momento de la extracción de sangre) identificó que ColoTest no fue significativamente diferente entre enfermedad estable (n=17: 56±7%) y enfermedad progresiva (n=32: 68±4%) (FIGS. 6A-6C). Sin embargo, 12 de los 17 pacientes progresaron con 3 meses de extracción de sangre. Aquellos que progresaron exhibieron puntuaciones elevadas de ColoTest en el momento de la extracción de sangre (n=12: 73±4%), que no fueron diferentes a aquellos con enfermedad progresiva al momento de la extracción de sangre (n=32: 68±4%) (FIGS. 6A-6C). Los niveles en pacientes con enfermedad estable fueron significativamente más bajos (n=5: 16±4%, p<0,0001). Una comparación directa entre ColoTest y CEA en estas muestras identificó que el ensayo de expresión génica fue significativamente más sensible (p<0,05) que el CEA para predecir la progresión de la enfermedad (FIG. 7). Por lo tanto, la herramienta ColoTest puede predecir con precisión la enfermedad progresiva del cáncer de colon.
El análisis ROC identificó que ColoTest tenía un AUC: 0,97 para diferenciar la enfermedad estable de la progresiva. La estadística z para diferenciar los controles fue 20,6. Una evaluación adicional de esta cohorte identificó que los pacientes que mostraron progresión de la enfermedad a pesar de la terapia exhibieron puntuaciones más altas que los que respondieron a la terapia (FIG. 8). Las terapias incluyeron bevacizumab, quimioterapia, e inhibidores TKI de EGFR. Por lo tanto, la herramienta puede identificar con precisión el fracaso del tratamiento en la enfermedad del cáncer de colon.
Figure imgf000050_0001

Claims (15)

REIVINDICACIONES
1. Un método para detectar un cáncer de colon en un sujeto que lo necesite, que comprende:
determinar el nivel de expresión de al menos 14 biomarcadores de una muestra de ensayo del sujeto poniendo en contacto la muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y un gen constitutivo; normalizar el nivel de expresión de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, m Cm2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS;
introducir cada nivel de expresión normalizado en un algoritmo para generar una puntuación;
comparar la puntuación con un valor de corte predeterminado; e
identificar la presencia de cáncer de colon en el sujeto cuando la puntuación sea igual o mayor que el valor de corte predeterminado, o identificar la ausencia de cáncer de colon en el sujeto cuando la puntuación sea menor que el valor de corte predeterminado.
2. Un método para determinar si un cáncer de colon en un sujeto es estable o progresivo, comprendiendo el método:
determinar el nivel de expresión de al menos 14 biomarcadores de una muestra de ensayo del sujeto poniendo en contacto la muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y un gen constitutivo; normalizar el nivel de expresión de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, m Cm2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS;
introducir cada nivel de expresión normalizado en un algoritmo para generar una puntuación;
comparar la puntuación con un valor de corte predeterminado; e
identificar que el cáncer de colon en el sujeto es progresivo cuando la puntuación es igual o mayor que el valor de corte predeterminado, o identificar que el cáncer de colon en el sujeto es estable cuando la puntuación es menor que el valor de corte predeterminado.
3. Un método para determinar la finalización de la cirugía en un sujeto que tiene cáncer de colon, comprendiendo el método:
determinar el nivel de expresión de al menos 14 biomarcadores de una muestra de ensayo del sujeto después de la cirugía poniendo en contacto la muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y un gen constitutivo;
normalizar el nivel de expresión de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, m Cm2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS;
introducir cada nivel de expresión normalizado en un algoritmo para generar una puntuación;
comparar la puntuación con un valor de corte predeterminado; e
identificar que el cáncer de colon en el sujeto no se elimina por completo cuando la puntuación es igual o mayor que el valor de corte predeterminado, o identificar que el cáncer de colon en el sujeto se elimina por completo cuando la puntuación es menor que el valor de corte predeterminado.
4. Un método para evaluar la respuesta de un sujeto que tiene un cáncer de colon a una primera terapia, comprendiendo el método:
(1) en un primer punto de tiempo:
(a) determinar el nivel de expresión de al menos 14 biomarcadores de una primera muestra de ensayo del sujeto poniendo en contacto la primera muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y un gen de mantenimiento;
(b) normalizar el nivel de expresión de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, p Op 7, S100P, SNRPA, SORD, STOML2 y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, Cd K4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS;
(c) introducir cada nivel de expresión normalizado en un algoritmo para generar una primera puntuación; (2) en un segundo punto de tiempo, en el que el segundo punto de tiempo es posterior al primer punto de tiempo y posterior a la administración de la terapia al sujeto:
(a) determinar el nivel de expresión de al menos 14 biomarcadores de una segunda muestra de ensayo del sujeto poniendo en contacto la segunda muestra de ensayo con una pluralidad de agentes específicos para detectar la expresión de al menos 14 biomarcadores, en el que los 14 biomarcadores comprenden ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, UMPS, y el gen constitutivo;
(b) normalizar el nivel de expresión de cada uno de ADRM1, CDK4, COMT, DHCR7, HMOX2, MCM2, PDXK, p Op 7, S100P, SNRPA, SORD, STOML2 y UMPS al nivel de expresión del gen constitutivo, obteniendo así un nivel de expresión normalizado de cada uno de ADRM1, Cd K4, COMT, DHCR7, HMOX2, MCM2, PDXK, POP7, S100P, SNRPA, SORD, STOML2, y UMPS;
(c) introducir cada nivel de expresión normalizado en el algoritmo para generar una segunda puntuación; (3) comparar la primera puntuación con la segunda puntuación; e
(4) identificar que el sujeto responde a la primera terapia cuando la segunda puntuación disminuye significativamente en comparación con la primera puntuación, o identificar que el sujeto no responde a la primera terapia cuando la segunda puntuación no disminuye significativamente en comparación con la primera puntuación.
5. El método de una cualquiera de las reivindicaciones 1-3, en el que el valor de corte predeterminado es al menos 50% en una escala de 0-100%.
6. El método de una cualquiera de las reivindicaciones 1-3, en el que el valor de corte predeterminado es al menos 60% en una escala de 0-100%.
7. El método de una cualquiera de las reivindicaciones 1-6, en el que el gen constitutivo se selecciona del grupo que consiste en MRPL19, PSMC4, SF3A1, PUM1, ACTB, GAPD, GUSB, RPLP0, TFRC, MORF4L1, 18S, PPIA, PGK1, RPL13A, B2M, YWHAZ, SDHA, y HPRT1.
8. El método de una cualquiera de las reivindicaciones 1-7, en el que el gen constitutivo es MORF4L1.
9. El método de una cualquiera de las reivindicaciones 1 -8, que tiene:
a) una sensibilidad superior al 85%; o
b) una especificidad superior al 85%.
10. El método de una cualquiera de las reivindicaciones 1 -9, en el que al menos uno de los al menos 14 biomarcadores es ARN, ADNc o proteína, preferiblemente
a) en el que cuando el biomarcador es ARN, el ARN se transcribe inversamente para producir ADNc, y se detecta el nivel de expresión de ADNc producido; o
b) en el que el nivel de expresión del biomarcador se detecta formando un complejo entre el biomarcador y una sonda o cebador marcado.
11. El método de una cualquiera de las reivindicaciones 1 -3, en el que el valor de corte predeterminado se obtiene de una pluralidad de muestras de referencia obtenidas de sujetos que no tienen o no han sido diagnosticados con una enfermedad neoplásica, preferiblemente en el que la enfermedad neoplásica es cáncer de colon.
12. El método de una cualquiera de las reivindicaciones 1 -4, en el que el algoritmo es XGBoost (XGB), Random Forest (RF), glmnet, cforest, árboles de clasificación y regresión para aprendizaje automático (CART), treebag, K vecinos más cercanos (kNN), red neuronal (nnet), máquina de vector soporte radial (SVM-radial), máquina de vector soporte lineal (SVM-lineal), Naíve Bayes (NB), o perceptrón multicapa (mlp), preferiblemente en el que el algoritmo es XGBoost.
13. El método de la reivindicación 4, en el que el primer punto de tiempo es:
a) anterior a la administración de la primera terapia al sujeto; o
b) posterior a la administración de la primera terapia al sujeto.
14. El método de la reivindicación 4 o la reivindicación 13, en el que la segunda puntuación disminuye significativamente en comparación con la primera puntuación cuando la segunda puntuación es al menos 25% menor que la primera puntuación.
15. El método de una cualquiera de las reivindicaciones 4 o 13, en el que la primera terapia o la segunda terapia comprende terapia contra el cáncer, cirugía, quimioterapia, terapia dirigida con fármacos, radioterapia, inmunoterapia, o cualquier combinación de las mismas, preferiblemente en el que:
a) cuando la primera terapia o la segunda terapia comprende cirugía, la cirugía comprende la extirpación de un pólipo durante una colonoscopia, resección mucosa endoscópica, una colectomía parcial, una ostomía, extirpación de al menos una lesión cancerosa del hígado, o cualquier combinación de las mismas; o b) la primera terapia o la segunda terapia comprende quimioterapia, la quimioterapia comprende FOLFOX, FOLFIRI, una combinación de 5-FU y leucovorina, capecitabina, irinotecán, CapeOx, o cualquier combinación de las mismas.
ES19703616T 2018-01-22 2019-01-22 Métodos para la detección del cáncer de colon y monitorización del tratamiento Active ES2917629T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201862620015P 2018-01-22 2018-01-22
PCT/US2019/014490 WO2019144099A1 (en) 2018-01-22 2019-01-22 Methods for colon cancer detection and treatment monitoring

Publications (1)

Publication Number Publication Date
ES2917629T3 true ES2917629T3 (es) 2022-07-11

Family

ID=65279827

Family Applications (1)

Application Number Title Priority Date Filing Date
ES19703616T Active ES2917629T3 (es) 2018-01-22 2019-01-22 Métodos para la detección del cáncer de colon y monitorización del tratamiento

Country Status (15)

Country Link
US (3) US11414707B2 (es)
EP (1) EP3743534B1 (es)
JP (1) JP7297770B2 (es)
KR (1) KR20200113237A (es)
CN (1) CN112004945B (es)
AU (1) AU2019209436B2 (es)
BR (1) BR112020014737A2 (es)
CA (1) CA3088754A1 (es)
DK (1) DK3743534T3 (es)
ES (1) ES2917629T3 (es)
IL (1) IL276089B2 (es)
MX (1) MX2020007771A (es)
PL (1) PL3743534T3 (es)
SG (1) SG11202006974WA (es)
WO (1) WO2019144099A1 (es)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL276089B2 (en) 2018-01-22 2024-07-01 Liquid Biopsy Res Llc Methods for colon cancer detection and treatment monitoring
CN114901819A (zh) 2019-10-10 2022-08-12 液体活检研究有限责任公司 用于生物样品和rna稳定化的组合物、方法和试剂盒
US11809379B2 (en) * 2019-11-19 2023-11-07 International Business Machines Corporation Storage tiering for deduplicated storage environments
CN111157745A (zh) * 2020-01-17 2020-05-15 上海交通大学 人snrpa蛋白在肺癌复发或转移监测中的用途
CN115475247B (zh) * 2021-06-16 2024-02-20 厦门大学 β2-微球蛋白或其抑制剂的制药用途
KR102823777B1 (ko) * 2021-10-15 2025-06-23 한국과학기술원 인공지능을 이용하여 유전체 염기서열로 질환 진단 및 예측 방법, 그 시스템
CN113921079B (zh) * 2021-12-06 2022-03-18 四川省肿瘤医院 基于免疫相关基因的msi预测模型构建方法
CN121137146B (zh) * 2025-07-28 2026-04-07 首钢医院有限公司 检测基因组合物的试剂在制备预测结直肠癌患者远端切缘长度的产品中的应用

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2169077A1 (en) * 2008-09-19 2010-03-31 Vereniging voor christelijk hoger onderwijs, wetenschappelijk onderzoek en patiëntenzorg Methods and compositions for diagnosing an adenocarcinoma
EP2169078A1 (en) * 2008-09-26 2010-03-31 Fundacion Gaiker Methods and kits for the diagnosis and the staging of colorectal cancer
KR101051435B1 (ko) * 2008-10-22 2011-07-22 한국생명공학연구원 대장암 관련 마커를 이용한 대장암 진단 키트 및 이를 이용한 대장암 진단 방법
KR101073875B1 (ko) * 2008-11-28 2011-10-14 한국생명공학연구원 대장암 진단 마커 및 이를 이용한 대장암 진단방법
WO2010127322A1 (en) 2009-05-01 2010-11-04 Genomic Health Inc. Gene expression profile algorithm and test for likelihood of recurrence of colorectal cancer and response to chemotherapy
EP2309002A1 (en) * 2009-09-29 2011-04-13 Centre National de la Recherche Scientifique (CNRS) Signature for the diagnosis of colorectal cancer aggressiveness
EP2845911B1 (en) * 2010-03-31 2016-05-18 Sividon Diagnostics GmbH Method for breast cancer recurrence prediction under endocrine treatment
EP2426216A1 (en) * 2010-09-01 2012-03-07 Institut Gustave Roussy (IGR) Prognostic and/or predictive biomarkers and biological applications thereof
CN103403187A (zh) 2011-01-18 2013-11-20 艾沃锐斯特基因有限公司 结肠直肠癌复发的预后特征
KR20140006898A (ko) * 2011-01-25 2014-01-16 알막 다이아그노스틱스 리미티드 결장암 유전자 발현 시그니처 및 이용 방법
US20150226744A1 (en) * 2012-09-17 2015-08-13 Ait Austrian Institute Of Technology Gmbh Colon Cancer Diagnostic Method and Means
SG11201504241QA (en) * 2012-11-30 2015-06-29 Applied Proteomics Inc Method for evaluation of presence of or risk of colon tumors
EP2985296A1 (en) * 2014-08-13 2016-02-17 Calypso Biotech SA Antibodies specific for MMP9
IL276089B2 (en) 2018-01-22 2024-07-01 Liquid Biopsy Res Llc Methods for colon cancer detection and treatment monitoring

Also Published As

Publication number Publication date
US12305240B2 (en) 2025-05-20
KR20200113237A (ko) 2020-10-06
JP2021511057A (ja) 2021-05-06
DK3743534T3 (da) 2022-06-20
IL276089B2 (en) 2024-07-01
EP3743534B1 (en) 2022-03-23
JP7297770B2 (ja) 2023-06-26
CN112004945B (zh) 2025-02-14
PL3743534T3 (pl) 2022-09-05
AU2019209436B2 (en) 2025-06-05
US20230220482A1 (en) 2023-07-13
WO2019144099A1 (en) 2019-07-25
IL276089A (en) 2020-08-31
IL276089B1 (en) 2024-03-01
EP3743534A1 (en) 2020-12-02
US11414707B2 (en) 2022-08-16
BR112020014737A2 (pt) 2020-12-08
US20190226030A1 (en) 2019-07-25
AU2019209436A1 (en) 2020-08-06
CA3088754A1 (en) 2019-07-25
US20250243553A1 (en) 2025-07-31
CN112004945A (zh) 2020-11-27
SG11202006974WA (en) 2020-08-28
MX2020007771A (es) 2020-09-03

Similar Documents

Publication Publication Date Title
ES2917629T3 (es) Métodos para la detección del cáncer de colon y monitorización del tratamiento
ES3023842T3 (en) Methods for prostate cancer detection and treatment
US20240042069A1 (en) Predicting peptide receptor radiotherapy using a gene expression assay
HK40042084A (en) Methods for colon cancer detection and treatment monitoring
HK40042084B (en) Methods for colon cancer detection and treatment monitoring
HK40043345A (en) Methods for prostate cancer detection and treatment
HK40043345B (en) Methods for prostate cancer detection and treatment
HK40035975A (en) Predicting peptide receptor radiotherapy using a gene expression assay
HK40035975B (en) Predicting peptide receptor radiotherapy using a gene expression assay