根据生物体液的评估用癌症评分和反应预测的金沙现金网平台

文档序号:20921929 发布日期:2020-05-29 14:15

本申请要求我们于2017年10月12日提交的序列号62/571,414的共同未决的美国临时申请的优先权,该申请通过引用以其全文并入本文。

本发明的领域是对与癌症有关时,尤其是与癌症预后的指标的产生、治疗结果预测和/或癌症治疗有效性有关时的组学数据的剖析。



背景技术:

背景描述包括可用于理解本发明的信息。并不承认本文提供的任何信息是现有技术或与当前要求保护的发明相关,也不承认具体地或隐含地引用的任何出版物是现有技术。

本文中的所有出版物和专利申请都通过引用并入,其程度如同每个单独的出版物或专利申请被具体地且单独地指明通过引用并入一样。在并入的参考文献中的术语的定义或用法与本文提供的该术语的定义不一致或相反时,适用本文提供的该术语的定义,而不适用该术语在该参考文献中的定义。

癌症是一种多因素疾病,其中许多不同的遗传和环境因素相互影响并促成疾病的发展和结果。此外,遗传因素和环境因素通常会在不同程度上影响患者的预后,因此个体患者对相同的治疗性和/或预防性治疗可能会有不同的反应。这种复杂性和多样性使得传统的预后预测、最佳治疗方法的确定以及基于单个或少数因素(例如,炎症相关蛋白的血清水平等)的治疗成功可能性的预测通常是不可靠的。此外,检查此类因素的许多传统方法是侵入性的,因为这些方法需要用于肿瘤细胞和组织的组织学的肿瘤活检样本。

最近,外周血中存在的dna或rna群体引起了人们对分析与癌症状态相关联的遗传异常的关注。例如,us9,422,592披露了甲酰肽受体基因(fpr1)的游离rna(cellfreerna(cfrna))的测量及其与患者患肺癌或非小细胞肺癌(nsclc)的风险的关系。然而,此类研究仅限于一些数量的基因,这些基因典型地在确定癌症状态时被平均加权。由于多种因素对大多数癌症的预后产生不同程度的影响,因此过度简化可能会导致预后和/或治疗结果预测不准确。

因此,即使使用游离核酸确定癌症状态的一些实例是已知的,但是在利用游离核酸确定癌症状态时差分加权的多因素方法很大程度上仍未得到探索。因此,仍然需要在确定癌症状态、预后以及治疗结果的可能性或治疗有效性时分析游离核酸的组学数据的改进方法。



技术实现要素:

本发明的主题针对使用游离核酸的各种组学数据来计算癌症综合评分的方法,所述癌症综合评分可用于确定癌症的状态、预后以及治疗结果的可能性和/或当前治疗有效性。因此,该主题的一个方面包括一种分析组学数据的方法。在该方法中,从患有或疑似患有癌症的患者中获得血液。从该血液中,获得多个癌症相关基因的组学数据。最优选地,该组学数据包括dna序列数据、rna序列数据和rna表达水平数据中的至少一种。从组学数据中,计算综合评分,然后可以将评分与健康状况、组学错误状态、癌症预后、治疗建议和治疗有效性中的至少一项相关联。

在一些实施例中,dna序列数据v选自由突变数据、拷贝数数据重复、杂合性缺失数据和表观遗传状态组成的组。任选地,该dna序列数据是从循环游离dna获得的。在其他实施例中,rna序列数据选自由mrna序列数据和剪接变体数据组成的组,和/或rna表达水平数据选自由一定量rna转录物和一定量小非编码rna组成的组。任选地,该rna序列数据获得自循环肿瘤rna和循环游离rna组成的组。

典型地,多个癌症相关基因包括癌症相关基因、癌症特异性基因、dna修复基因、新表位和不与疾病相关联的基因中的至少一种。优选地,新表位是肿瘤特异性的和患者特异性的。在一些实施例中,多个癌症相关基因包括癌症特异性基因,并且评分基于癌症特异性基因中突变的存在或不存在来计算。在此类实施例中,优选的是,在癌症特异性基因中突变的存在比在除了癌症特异性基因以外的癌症相关基因中突变的存在权重更大。在其他实施例中,基于癌症基因的剪接变体的类型或癌症基因的多个剪接变体(两个之间或三个或更多个之间)的比率来计算评分。

在一些实施例中,该方法进一步包括将评分与阈值进行比较从而确定治疗建议的步骤。在此类实施例中,优选的是,如果评分低于阈值,则治疗建议是预防性治疗。替代性地和/或附加地,该方法还包括将组学错误状态与阈值进行比较从而确定风险评分的步骤。

在本发明主题的另一方面,诸位发明人设想了一种确定患者癌症预后的方法。在该方法中,从患有或疑似患有癌症的患者中获得血液。从血液中,获得多个癌症基因的组学数据。优选地,该组学数据包括dna序列数据、rna序列数据和rna表达水平数据中的至少一种。从组学数据中,计算癌症预后评分,并基于癌症预后评分提供癌症的预后。在一些实施例中,预后包括转移的进展。

在一些实施例中,dna序列数据v选自由突变数据、拷贝数数据重复、杂合性缺失数据和表观遗传状态组成的组。任选地,该dna序列数据是从循环游离dna获得的。在其他实施例中,rna序列数据选自由mrna序列数据和剪接变体数据组成的组,和/或rna表达水平数据选自由一定量rna转录物和一定量小非编码rna组成的组。任选地,该rna序列数据获得自循环肿瘤rna和循环游离rna组成的组。

典型地,多个癌症相关基因包括癌症相关基因、癌症特异性基因、dna修复基因、新表位和不与疾病相关联的基因中的至少一种。优选地,新表位是肿瘤特异性的和患者特异性的。在一些实施例中,多个癌症相关基因包括癌症特异性基因,并且评分基于癌症特异性基因中突变的存在或不存在来计算。在其他实施例中,基于癌症基因的剪接变体的类型或癌症基因的多个剪接变体之中或之间的比率来计算评分。

在一些实施例中,组学数据是在一段时间内在不同时间点获得的多个组学数据集,并且基于来自多个组学数据集的多个评分来提供预后。在此类实施例中,优选的是,预后由该时间段内多个评分的变化来表示,其中该变化超过预定阈值。

本发明主题的仍另一方面针对一种预测癌症患者治疗结果的方法。在该方法中,从患有癌症的患者中获得血液。从血液中,获得多个癌症基因的组学数据。优选地,该组学数据包括dna序列数据、rna序列数据和rna表达水平数据中的至少一种。从组学数据中,计算癌症基因评分,并基于癌症预后评分提供治疗的预测结果。优选地,通过将癌症基因评分与预定阈值进行比较来确定预测结果。

在一些实施例中,治疗是药物,并且多个癌症基因中的至少一个是药物的预测靶标。在其他实施例中,治疗是免疫疗法,并且多个癌症基因中的至少一个是免疫细胞的受体或该受体的配体。在仍其他实施例中,治疗是外科手术或放射疗法,并且多个癌症基因中的至少一个是肿瘤特异性和患者特异性的新表位。

在一些实施例中,dna序列数据v选自由突变数据、拷贝数数据重复、杂合性缺失数据和表观遗传状态组成的组。任选地,该dna序列数据是从循环游离dna获得的。在其他实施例中,rna序列数据选自由mrna序列数据和剪接变体数据组成的组,和/或rna表达水平数据选自由一定量rna转录物和一定量小非编码rna组成的组。任选地,该rna序列数据获得自循环肿瘤rna和循环游离rna组成的组。

典型地,多个癌症相关基因包括癌症相关基因、癌症特异性基因、dna修复基因、新表位和不与疾病相关联的基因中的至少一种。优选地,新表位是肿瘤特异性的和患者特异性的。在一些实施例中,多个癌症相关基因包括癌症特异性基因,并且评分基于癌症特异性基因中突变的存在或不存在来计算。在其他实施例中,基于癌症基因的剪接变体的类型或癌症基因的多个剪接变体之间的比率来计算评分。

在本发明主题的仍另一方面,诸位发明人设想了一种评估对癌症患者的治疗有效性的方法。在该方法中,从患有癌症的患者中获得血液。从血液中,获得治疗之前和之后多个癌症基因的组学数据。优选地,该组学数据包括dna序列数据、rna序列数据和rna表达水平数据中的至少一种。从组学数据中,分别产生与治疗之前和之后的组学数据相对应的至少两个癌症基因评分,并且基于该至少两个癌症基因评分的比较来提供治疗有效性。在一些实施例中,可以通过治疗之前和之后的癌症基因评分之间的差值来确定治疗有效性。在此类实施例中,优选的是,当差值高于预定阈值时,确定治疗有效。

在一些实施例中,治疗是药物,并且多个癌症基因中的至少一个是药物的预测靶标。在其他实施例中,治疗是免疫疗法,并且多个癌症基因中的至少一个是免疫细胞的受体或该受体的配体。在仍其他实施例中,治疗是外科手术或放射疗法,并且多个癌症基因中的至少一个是肿瘤特异性和患者特异性的新表位。

在一些实施例中,dna序列数据v选自由突变数据、拷贝数数据重复、杂合性缺失数据和表观遗传状态组成的组。任选地,该dna序列数据是从循环游离dna获得的。在其他实施例中,rna序列数据选自由mrna序列数据和剪接变体数据组成的组,和/或rna表达水平数据选自由一定量rna转录物和一定量小非编码rna组成的组。任选地,该rna序列数据获得自循环肿瘤rna和循环游离rna组成的组。

典型地,多个癌症相关基因包括癌症相关基因、癌症特异性基因、dna修复基因、新表位和不与疾病相关联的基因中的至少一种。优选地,新表位是肿瘤特异性的和患者特异性的。在一些实施例中,多个癌症相关基因包括癌症特异性基因,并且评分基于癌症特异性基因中突变的存在或不存在来计算。在其他实施例中,基于癌症基因的剪接变体的类型或癌症基因的多个剪接变体之间的比率来计算评分。

根据优选实施例的以下详细描述,本发明主题的各种目标、特征、方面和优点将变得显而易见。

具体实施方式

诸位发明人发现,使用基于与癌症相关联的多种因素产生的复合评分,可以以侵入性更小和快速方式更可靠地确定癌症的状态和/或预后。诸位发明人还发现,该复合评分可以用于可靠地预测癌症治疗的结果的可能性,以及特定癌症治疗的有效性。从不同的角度来看,诸位发明人发现可以根据从患者血液中的核酸获得的患者组学数据产生复合评分。典型地,组学数据包括各种癌症相关基因的组学数据,可以根据采样的类型和时间对这些数据进行差分加权。复合评分可以是确定癌症状态和/或癌症预后、癌症治疗结果可能性的可靠指标。进一步,可以将基于在癌症治疗之前和之后获得的组学数据产生的复合评分进行比较,以确定癌症治疗有效性。

如本文所用,术语“肿瘤”是指以下项并且可与以下项互换使用:一种或多种癌细胞、癌组织、恶性肿瘤细胞或恶性肿瘤组织,它们可以位于或者发现于人体的一个或多个解剖位置中。

应当注意,如本文所用的术语“患者”包括经诊断患有病症(例如,癌症)的个体以及出于检测或鉴定病症的目的经历检查和/或测试的个体二者。因此,患有肿瘤的患者是指诊断为患有癌症的个体以及被怀疑患有癌症的个体二者。

如本文所用,术语“提供(provide)”或“提供(providing)”是指并且包括制造、产生、放置、使得能使用、转移或使得即可使用的任何行为。

游离dna/rna

诸位发明人设想,肿瘤细胞和/或与肿瘤细胞相互作用或在肿瘤细胞周围的一些免疫细胞将游离dna/rna释放至患者体液,并因此可以与健康个体相比增加患者体液中特定游离dna/rna的量。如本文所用,患者的体液包括但不限于患者的血液、血清、血浆、粘液、脑脊髓液、腹水、唾液和尿液。替代性地,应注意的是,也认为各种其他体液是适当的,只要游离dna/rna存在于此类体液中即可。患者的体液可以是新鲜的或经保存/冷冻的。适当的体液包括唾液、腹水、脊髓液、尿液等,体液可以是新鲜的或经保存/冷冻的。

游离rna可以包括在人的体液中循环而未被封入细胞体或细胞核中的任何类型的dna/rna。最典型地,游离dna/rna的来源是肿瘤细胞。然而,还设想到游离dna/rna的来源是免疫细胞(例如,nk细胞、t细胞、巨噬细胞等)。因此,游离dna/rna可以是循环肿瘤dna/rna(ctdna/rna)和/或循环游离dna/rna(cfdna/rna,非衍生自肿瘤的循环核酸)。尽管不希望受限于特定理论,但是设想在肿瘤细胞与免疫细胞相互作用时或在肿瘤细胞经历细胞死亡(例如,坏死、细胞凋亡、自体吞噬等)时,源自肿瘤细胞的游离dna/rna的释放可能增加。因此,在一些实施例中,可以将游离dna/rna封入囊泡结构(例如,通过细胞质物质的外泌体释放)中,使得可保护游离dna/rna在某一类型的体液中免受核酸酶(例如,rna酶)活性的作用。然而,还设想,在其他方面中,游离dna/rna是没有被封入任何膜结构中但是可以独自呈稳定形式或者通过与一种或多种非核苷酸分子(例如,任何rna结合蛋白等)相互作用而稳定的裸dna/rna。

设想游离dna/rna可以是可从癌细胞或免疫细胞释放的任何类型的dna/rna。因此,游离dna/rna可以包括任何完整的或片段化的基因组dna或线粒体dna,并且游离rna可以包括mrna、trna、微小rna、小干扰rna、长非编码rna(lncrna)。最典型地,游离dna是典型地具有至少50个碱基对(bp)、100个碱基对(bp)、200bp、500bp或1kbp的长度的片段化dna。而且,设想游离rna是mrna的全长或片段(例如,全长的至少70%、全长的至少50%、全长的至少30%等)。尽管游离dna/rna可以包括编码任何细胞、细胞外蛋白或非蛋白成分的任何类型的dna/rna,但优选至少一些游离dna/rna编码一种或多种癌症相关蛋白或炎症相关蛋白。例如,游离dna/mrna可以是(或衍生自)癌症相关基因的全长或片段,包括但不限于:abl1、abl2、actb、acvr1b、akt1、akt2、akt3、alk、amer11、apc、ar、araf、arfrp1、arid1a、arid1b、asxl1、atf1、atm、atr、atrx、aurka、aurkb、axin1、axl、bap1、bard1、bcl2、bcl2l1、bcl2l2、bcl6、bcor、bcorl1、blm、bmpr1a、braf、brca1、brca2、brd4、brip1、btg1、btk、emsy、card11、cbfb、cbl、ccnd1、ccnd2、ccnd3、ccne1、cd274、cd79a、cd79b、cdc73、cdh1、cdk12、cdk4、cdk6、cdk8、cdkn1a、cdkn1b、cdkn2a、cdkn2b、cdkn2c、cea、cebpa、chd2、chd4、chek1、chek2、cic、crebbp、crkl、crlf2、csf1r、ctcf、ctla4、ctnna1、ctnnb1、cul3、cyld、daxx、ddr2、deptor、dicer1、dnmt3a、dot1l、egfr、ep300、epcam、epha3、epha5、epha7、ephb1、erbb2、erbb3、erbb4、ereg、erg、errfi1、esr1、ewsr1、ezh2、fam46c、fanca、fancc、fancd2、fance、fancf、fancg、fancl、fas、fat1、fbxw7、fgf10、fgf14、fgf19、fgf23、fgf3、fgf4、fgf6、fgfr1、fgfr2、fgfr3、fgfr4、fh、flcn、fli1、flt1、flt3、flt4、folh1、foxl2、foxp1、frs2、fubp1、gabra6、gata1、gata2、gata3、gata4、gata6、gid4、gli1、gna11、gna13、gnaq、gnas、gpr124、grin2a、grm3、gsk3b、h3f3a、havcr2、hgf、hmgb1、hmgb2、hmgb3、hnf1a、hras、hsd3b1、hsp90aa1、idh1、idh2、ido、igf1r、igf2、ikbke、ikzf1、il7r、inhba、inpp4b、irf2、irf4、irs2、jak1、jak2、jak3、jun、myst3、kdm5a、kdm5c、kdm6a、kdr、keap、kel、kit、klhl6、klk3、mll、mll2、mll3、kras、lag3、lmo1、lrp1b、lyn、lztr1、magi2、map2k1、map2k2、map2k4、map3k1、mcl1、mdm2、mdm4、med12、mef2b、men1、met、mitf、mlh1、mpl、mre11a、msh2、msh6、mtor、muc1、mutyh、myc、mycl、mycn、myd88、myh、nf1、nf2、nfe2l2、nfkb1a、nkx2-1、notch1、notch2、notch3、npm1、nras、nsd1、ntrk1、ntrk2、ntrk3、nup93、pak3、palb2、park2、pax3、pax、pbrm1、pdgfra、pdcd1、pdcd1lg2、pdgfrb、pdk1、pgr、pik3c2b、pik3ca、pik3cb、pik3cg、pik3r1、pik3r2、plcg2、pms2、pold1、pole、ppp2r1a、prex2、prkar1a、prkc1、prkdc、prss8、ptch1、pten、ptpn11、qk1、rac1、rad50、rad51、raf1、ranbp1、rara、rb1、rbm10、ret、rictor、rit1、rnf43、ros1、rptor、runx1、runx1t1、sdha、sdhb、sdhc、sdhd、setd2、sf3b1、slit2、smad2、smad3、smad4、smarca4、smarcb1、smo、sncaip、socs1、sox10、sox2、sox9、spen、spop、spta1、src、stag2、stat3、stat4、stk11、sufu、syk、t(brachyury)、taf1、tbx3、terc、tert、tet2、tgfrb2、tnfaip3、tnfrsf14、top1、top2a、tp53、tsc1、tsc2、tshr、u2af1、vegfa、vhl、wisp3、wt1、xpo1、zbtb2、znf217、znf703、cd26、cd49f、cd44、cd49f、cd13、cd15、cd29、cd151、cd138、cd166、cd133、cd45、cd90、cd24、cd44、cd38、cd47、cd96、cd45、cd90、abcb5、abcg2、alcam、甲胎蛋白、dll1、dll3、dll4、内皮因子、gja1、ovastacin、amacr、巢蛋白、stro-1、micl、aldh、bmi-1、gli-2、cxcr1、cxcr2、cx3cr1、cx3cl1、cxcr4、pon1、trop1、lgr5、msi-1、c-maf、tnfrsf7、tnfrsf16、sox2、平足蛋白、l1cam、hif-2α、tfrc、ercc1、tubb3、top1、top2a、top2b、enox2、tymp、tyms、folr1、gpnmb、pappa、gart、ebna1、ebna2、lmp1、bage、bage2、bcma、c10orf54、cd4、cd8、cd19、cd20、cd25、cd30、cd33、cd80、cd86、cd123、cd276、ccl1、ccl2、ccl3、ccl4、ccl5、ccl7、ccl8、ccl11、ccl13、ccl14、ccl15、ccl16、ccl17、ccl18、ccl19、ccl20、ccl21、ccl22、ccl23、ccl24、ccl25、ccl26、ccl27、ccl28、ccr1、ccr2、ccr3、ccr4、ccr5、ccr6、ccr7、ccr8、ccr9、ccr10、cxcl1、cxcl2、cxcl3、cxcl5、cxcl6、cxcl9、cxcl10、cxcl11、cxcl12、cxcl13、cxcl14、cxcl16、cxcl17、cxcr3、cxcr5、cxcr6、ctag1b、ctag2、ctag1、ctag4、ctag5、ctag6、ctag9、cage1、gage1、gage2a、gage2b、gage2c、gage2d、gage2e、gage4、gage10、gage12d、gage12f、gage12j、gage13、hhla2、icoslg、lag1、magea10、magea12、magea1、magea2、magea3、magea4、magea4、magea5、magea6、magea7、magea8、magea9、mageb1、mageb2、mageb3、mageb4、mageb6、mageb10、mageb16、mageb18、magec1、magec2、magec3、maged1、maged2、maged4、maged4b、magee1、magee2、magef1、mageh1、magel2、ncr3lg1、slamf7、spag1、spag4、spag5、spag6、spag7、spag8、spag9、spag11a、spag11b、spag16、spag17、vtcn1、xage1d、xage2、xage3、xage5、xcl1、xcl2和xcr1。当然,应理解,上文基因可以是野生型或突变形式,包括错义或无义突变、插入、缺失、融合和/或易位,这些突变在转录时都可能引起或者可能不引起全长mrna的形成。

对于另一个实例,一些游离dna/mrna是编码炎症相关蛋白全长或片段的dna/mrna的片段或那些dna/mrna,包括但不限于hmgb1、hmgb2、hmgb3、muc1、vwf、mmp、crp、pbef1、tnf-α、tgf-β、pdgfa、il-1、il-2、il-3、il-4、il-5、il-6、il-7、il-8、il-9、il-10、il-12、il-13、il-15、il-17、嗜酸细胞活化趋化因子(eotaxin)、fgf、g-csf、gm-csf、ifn-γ、ip-10、mcp-1、pdgf和htert,并且在又另一个实例中,游离mrna编码hmgb1的全长或片段。

对于仍另一个实例,一些游离dna/mrna是编码dna修复相关蛋白或rna修复相关蛋白的全长或片段的dna/mrna的片段或那些dna/mrna。表1提供本文所设想的主要rna修复基因及其相关联修复通路的示例性汇总,但是应认识到,在本文中还明确设想与dna修复和修复通路相关联的多种其他基因,并且表2和3说明用于分析的其他示例性基因及其在dna修复中的相关功能。

表1

表2

表3

表3

对于仍另一个实例,一些游离dna/mrna是编码不与疾病相关联的基因(例如,持家基因)全长或片段的dna/mrna的片段或那些dna/mrna,包括但不限于与以下转录因子相关的那些:(例如,atf1、atf2、atf4、atf6、atf7、atfip、btf3、e2f4、erh、hmgb1、ilf2、ier2、jund、tceb2等)、阻遏物(例如,puf60)、rna剪接(例如,bat1、hnrpd、hnrpk、pabpn1、srsf3等)、翻译因子(eif1、eif1ad、eif1b、eif2a、eif2ak1、eif2ak3、eif2ak4、eif2b2、eif2b3、eif2b4、eif2s2、eif3a等)、trna合成酶(例如,aars、cars、dars、fars、gars、hars、iars、kars、mars等)、rna结合蛋白(例如,elavl1等)、核糖体蛋白(例如,rpl5、rpl8、rpl9、rpl10、rpl11、rpl14、rpl25等)、线粒体核糖体蛋白(例如,mrpl9、mrpl1、mrpl10、mrpl11、mrpl12、mrpl13、mrpl14等)、rna聚合酶(例如,polr1c、polr1d、polr1e、polr2a、polr2b、polr2c、polr2d、polr3c等)、蛋白质加工(例如,ppid、ppi3、ppif、canx、capn1、naca、pfdn2、snx2、ss41、sumo1等)、热激蛋白(例如,hspa4、hspa5、hsbp1等)、组蛋白(例如,hist1hsbc、h1fx等)、细胞周期(例如,arhgap35、rab10、rab11a、ccny、ccnl、ppp1ca、rad1、rad17等)、碳水化合物代谢(例如,aldoa、gsk3a、pgk1、pgam5等)、脂质代谢(例如,hadha)、柠檬酸循环(例如,sdha、sdhb等)、氨基酸代谢(例如,comt等)、nadh脱氢酶(例如,ndufa2等)、细胞色素c氧化酶(例如,cox5b、cox8、cox11等)、atp酶(例如,atp2c1、atp5f1等)、溶酶体(例如,ctsd、cstb、lamp1等)、蛋白酶体(例如,psma1、uba1等)、细胞骨架蛋白(例如,anxa6、arpc2等)和细胞器合成(例如,bloc1s1、ap2a1等)。

在仍另一个实例中,一些游离dna/mrna是编码肿瘤特异的新表位的全长或片段的dna/mrna的片段或那些dna/mrna。关于新表位,应当理解,新表位可以被表征为在肿瘤细胞中产生独特的和肿瘤特异性的抗原的随机突变。因此,高通量基因组测序应可快速、特异性地鉴定患者特定新表位,其中分析还应考虑同一患者的匹配的正常组织。在一些实施例中,可以通过肿瘤活组织检查(或淋巴活组织检查或转移部位的活组织检查)和匹配的正常组织(即,来自同一患者的非患病组织)的全基因组分析,经由同步比较如此获得的组学信息,在第一步中从患者肿瘤中鉴定新表位。尽管不限于本发明的主题,但是典型地优选的是,数据是患者匹配的肿瘤数据(例如,肿瘤与同一患者正常),并且数据格式为sam、bam、gar或vcf格式。但是,不匹配或匹配的与其他参考物(例如,先前同一患者正常或先前同一患者肿瘤,或homo统计)也被认为适用于本文。因此,组学数据可以是‘新的’组学数据,也可以是从先前的程序(或甚至其他患者)获得的组学数据。但是,并且尤其是在分析基因组ctdna时,不一定需要表达新表位编码序列。

在特别优选的方面,编码新表位的核酸可以编码也作为免疫治疗的合适靶标的新表位。因此,然后可以进一步过滤新表位用于匹配患者的hla类型,从而增加新表位抗原呈递的可能性。最优选地,并且如下文进一步讨论的,此类匹配可在计算机中进行。最典型地,患者特异性表位为患者特有,但在至少一些情况下也可以包括肿瘤类型特异性新表位(例如,her-2、psa、短尾蛋白)或癌症相关联新表位(例如,cea、muc-1、cypb1)。

设想游离dna/mrna可以以经修饰形式或不同同种型存在。例如,游离dna可以以甲基化或羟甲基化形式存在,并且一些基因(例如,gstp1、p16、apc等)的甲基化水平可以是特定类型的癌症(例如,结直肠癌等)的标志。游离mrna可以以可能与不同细胞类型和/或位置相关联的多个同种型(例如,剪接变体等)存在。优选地,mrna的不同同种型可以是特定组织(例如,脑、肠、脂肪组织、肌肉等)的标志,或者可以是癌症的标志(例如,与相应正常细胞相比,在癌细胞中存在不同同种型,或者与相应正常细胞相比,不同同种型的比率在癌细胞中不同,等等)。例如,编码hmgb1的mrna是以18种不同的替代性剪接变体和2中未剪接形式存在。预期那些同种型在患者体内的不同组织/位置中表达(例如,同种型a是前列腺所特有的,同种型b是脑所特有的,同种型c是脾所特有的,等等)。因此,在这些实施例中,鉴定患者体液中游离mrna的同种型可以提供关于游离mrna的来源(例如,细胞类型、组织类型等)的信息。

诸位发明人设想,量和/或同种型(或亚型)或调控非编码rna(例如,微小rna、小干扰rna、长非编码rna(lncrna))可以根据肿瘤或针对肿瘤的免疫反应的存在而变化和波动。不希望受限于任何具体理论,癌症患者体液中调控非编码rna的变化的表达可能是由于癌细胞的遗传修饰(例如,染色体中部分的缺失、易位等)和/或免疫系统在癌组织处引发的炎症(例如,通过激活干扰素信号传导调控mir-29家族和/或病毒感染等)所致。因此,在一些实施例中,游离rna可以是调控非编码rna,该调控非编码rna调节(例如,下调、沉默等)编码癌症相关蛋白或炎症相关蛋白(例如,hmgb1、hmgb2、hmgb3、muc1、vwf、mmp、crp、pbef1、tnf-α、tgf-β、pdgfa、il-1、il-2、il-3、il-4、il-5、il-6、il-7、il-8、il-9、il-10、il-12、il-13、il-15、il-17、嗜酸细胞活化趋化因子、fgf、g-csf、gm-csf、ifn-γ、ip-10、mcp-1、pdgf、htert等)的mrna的表达。

还设想,一些调控非编码游离rna可以以可能与不同细胞类型和/或位置相关联的多个同种型或成员(例如,mir-29家族的成员等)存在。优选地,调控非编码rna的不同同种型或成员可以是特定组织(例如,脑、肠、脂肪组织、肌肉等)的标志,或者可以是癌症的标志(例如,与相应正常细胞相比,在癌细胞中存在不同同种型,或者与相应正常细胞相比,不同同种型的比率在癌细胞种不同,等等)。例如,mir-155在体液中的更高表达水平可能与乳腺肿瘤的存在相关联,并且降低的mir-155的表达水平可能与减小的乳腺肿瘤的大小相关联。因此,在这些实施例中,鉴定患者体液中调控非编码游离rna的同种型可以提供关于调控非编码游离rna的来源(例如,细胞类型、组织类型等)的信息。

游离dna/rna的分离和扩增

设想了分离和扩增游离dna/rna的任何合适方法。最典型地,游离dna/rna是从体液(例如全血)中分离的,该体液是在合适的条件,包括稳定游离rna的条件下加工的。优选地,同时从患者体液的同一标志(badge)中分离出游离dna和rna。然而,还可以设想的是,体液样本可以分为两个或更多个较小的样本,可以从这些样本中单独分离dna或rna。一旦与非核酸组分分离,则优选使用实时定量pcr或实时定量rt-pcr对游离rna进行定量。

根据组学分析的目的,患者的体液可以在任何一个或多个希望的时间点获得。例如,患者的体液可以在证实患者患有肿瘤之前和/或之后获得,和/或在此后定期(例如,每周、每个月等)获得,以将游离dna/rna数据与癌症的预后相关联。在一些实施例中,患者的体液可以在癌症治疗(例如,化学疗法、放射疗法、药物治疗、癌症免疫疗法等)之前和之后从患者获得。虽然这可能根据治疗类型和/或癌症类型而变,但是患者的体液可以在癌症治疗之后至少24小时、至少3天、至少7天时获得。为了进行更准确的比较,在癌症治疗之前来自患者的体液可以在开始癌症治疗之前小于1小时、之前小于6小时、之前小于24小时、小于一周时获得。另外,患者的体液的多个样品可以在癌症治疗之前和/或之后的时间段期间获得(例如,在24小时后一天一次,持续7天,等等)。

附加地或替代性地,可以获得健康个体的体液以比较游离dna的序列/修饰和/或游离rna的量/亚型表达。如本文所用,健康个体是指没有肿瘤的个体。优选地,健康个体可以选自与患者共有特征(例如,年龄、性别、种族、饮食、生活环境、家族史等)的人的组。

设想用于分离游离dna/rna的任何适合的方法。例如,在dna分离的一种示例性方法中,接受作为10ml吸到试管中的全血的样本。可以使用可以分离出大小介于100-300bp之间的游离dna的磁珠从其他从单核小体和双核小体复合物分离游离dna。对于另一实例,在一种rna分离的示例性方法中,分别接受作为10ml吸到游离rna 管中或含有rna稳定剂的游离dna 管中的全血的样本。有利地,游离rna在游离rnabct管中的全血中稳定7天,而游离rna在游离dnabct管中的全血中稳定14天,从而使得有时间在游离rna不降解的情况下运输来自世界范围内的位置的患者样品。此外,通常优选使用不使或基本上不使血细胞裂解(例如,裂解等于或小于1%、或等于或小于0.1%、或等于或小于0.01%、或等于或小于0.001%)的rna稳定剂分离游离rna。从不同的角度来看,在rna稳定试剂与血液合并后,这些试剂不会导致血清或血浆中的rna量实质性增加(例如,总rna增加不超过10%、或不超过5%、或不超过2%、或不超过1%)。同样,这些试剂也会保存血液中的细胞的物理完整性,以减少或甚至消除在血细胞中发现的细胞rna的释放。此类保存可以呈可能已经被分离或可能未被分离的所收集血液的形式。在不太优选的方面,所设想的试剂将使游离rna在并非血液的所收集组织中稳定至少2天,更优选至少5天,且最优选至少7天。当然,应该认识到许多其他收集方式也被认为是适当的,并且可以将游离rna至少部分地纯化或吸附到固相上,以便在进一步加工之前增加稳定性。

容易理解的是,血浆的分级分离和游离dna/rna的提取可以按多种方式进行。在一个示例性优选方面中,将10ml管中的全血以1600rcf离心20分钟以分级分离血浆。然后将如此获得的血浆分离并以16,000rcf离心10分钟,以去除细胞碎片。当然,各种替代性离心方案也被认为是适合的,只要离心不会导致实质性细胞裂解(例如,全部细胞裂解不超过1%、或不超过0.1%、或不超过0.01%、或不超过0.001%)即可。使用qiagen试剂从2ml血浆中提取游离rna。提取方案被设计为去除潜在的污染血细胞、其他杂质,并在提取期间维持核酸的稳定性。将所有核酸保存在带条形码的矩阵储存管中,其中dna储存在-4℃且rna储存在-80℃,或逆转录为cdna然后储存在-4℃。值得注意的是,可以在进一步加工之前将如此分离的游离rna冷冻。

组学数据处理

一旦分离出游离dna/rna,可以使用任何适合的方法获得各种类型的组学数据。dna序列数据将不仅包括与癌症或炎症相关联的基因的存在或不存在,而且考虑基因发生突变时的突变数据、拷贝数(例如,以鉴定倍增、等位基因或杂合性的缺失)和表观遗传状态(例如,甲基化、组蛋白磷酸化、核小体定位等)。关于rna序列数据,应注意的是,设想的rna序列数据包括mrna序列数据、剪接变体数据、聚腺苷酸化信息等。此外,通常优选地,rna序列数据还包括转录强度(例如,损伤修复基因的转录物数目/百万个总转录物、损伤修复基因的转录物数目/所有损伤修复基因的转录物总数、损伤修复基因的转录物数目/肌动蛋白或其他持家基因rna的转录物数目,等等)和转录物稳定性(例如,多聚a尾的长度等)的量度。

关于转录强度(表达水平),可以通过定量游离rna来检查游离rna的转录强度。游离rna的定量可以以多种方式进行,然而,分析物的表达优选地通过使用对每种基因具有特异性的引物对游离rna进行定量实时rt-pcr来测量。例如,可以使用在包含2μl游离rna、引物和探针的10μl反应混合物中的测定进行扩增。α-肌动蛋白的mrna可用作游离rna的输入水平的内部对照。在每个pcr板中包括具有已知浓度的每种分析物的样品的标准曲线以及每种基因的阳性对照和阴性对照。通过扫描含有核酸的矩阵管上的2d条形码来鉴定测试样品。δct(dct)是通过用每种分析物的定量pcr(qpcr)扩增得到的ct值减去各个体患者血液样品的肌动蛋白的ct值来计算。使用基因表达值为10的通用人参考rna的连续稀释物的δct的标准曲线计算患者样本的相对表达(当将δct针对每种分析物的对数浓度作图时)。

可替代地,在希望发现或扫描新突变或特定基因的表达变化的情况下,可以用rnaseq替代实时定量pcr,以便如此覆盖患者转录组的至少一部分。此外,应当理解,可以静态地进行分析,或者在重复取样的时间过程中进行分析以获得动态图片,而无需对肿瘤或转移进行活检。

因此,游离dna/rna的组学数据优选地包括包含基因组序列信息的基因组数据集。最典型地,基因组序列信息包括患者的游离dna的dna序列信息和任选地健康个体的游离dna的dna序列信息。序列数据集可以包括未处理的或已处理的数据集,并且示例性数据集包括具有bam格式、sam格式、fastq格式或fasta格式的那些。然而,尤其优选的是,以bam格式或作为bambamdiff对象提供数据集(参见例如,us2012/0059670a1和us2012/0066001a1)。此外,应注意的是,数据集反映了患者和健康个体的游离dna/rna,从而获得了患者和肿瘤特异性信息。因此,可以排除不引起病变细胞的基因遗传种系改变(例如,沉默突变、snp等)。进一步,然后可以使用通路分析(尤其是使用paradigm)来处理如此获得的组学信息,以鉴定任何突变对dna修复通路的任何影响。

同样,可以按多种方式进行序列数据的计算分析。然而,在最优选的方法中,如例如us2012/0059670a1和us2012/0066001a1中所披露的,使用bam文件和bam服务器通过对患者和健康个体的游离dna/rna进行的位置引导的同步比对在计算机中进行分析。这样的分析有利地减少假阳性数据,并且显著地减少对存储器和计算资源的需求。

关于患者和健康个体的游离dna/rna的分析,认为许多方式适用于本文,只要这种方法将能够产生差异序列对象。然而,尤其优选的是,差异序列对象是通过bam文件的增量同步比对产生的,bam文件代表患者和健康个体的游离dna/rna的基因组序列信息。例如,特别优选的方法包括如us2012/0059670和us2012/0066001中所述的基于bambam的方法。

组学数据分析:评分计算

为了计算评分,应当理解,来自ct/cf核酸的所有数据均被认为适用于本文,并且因此可能特异于特定的肿瘤和/或患者和/或特异于癌症。此外,可以对此类数据进行进一步标准化或其他预处理,以针对年龄、治疗方式、性别、疾病阶段等进行调整。

例如,在本发明主题的一个方面,诸位发明人设想了用于所有癌症相关基因、炎症相关基因、dna修复相关基因和/或其他非疾病相关持家基因的文库或参考依据,该文库或参考依据可以是使用针对各个上述基因的一个或多个组学数据创建的,并且当组学数据与一个或多个健康参数相关联时,此类库特别有用。从不同的角度来看,虽然确定癌症预后或预测治疗结果的传统方法基于少数基因,但这种文库可以提供一种工具以产生较大的截面数据库,用于所有癌症相关基因活性、炎症相关基因活性、dna修复基因活性和持家基因活性(作为对照)。较大的截面数据库可以是产生癌症矩阵的基础,基于该矩阵,可以更可靠地计算出癌症的预后、患者的健康状况、治疗结果的可能性、治疗有效性。

当然,应当理解,本文呈现的分析可以在特定和不同的人群中进行,从而获得特定人群的参考值,诸如跨各种健康相关状态(例如,健康、被诊断出患有特定疾病和/或疾病的状态,这可能会或可能不会被遗传,或者这可能会或可能不会与dna修复受损、炎症相关自身免疫性相关等)、特定年龄或年龄段、可能与经常发生特定类型癌症相关联或不相关联的特定种族群体。当然,也可以从具有已知组学信息,尤其是来自癌症患者(例如tcga,cosmic等)的可公开获得的组学信息的数据库中,和从可能健康或被诊断出患有某种疾病的个体的专有数据库中征募人群。同样,应当理解,也可以对同一个体或同一组个体按时间索引群体记录,这有利地允许检测与不同类型癌症相关联的基因和通路的变化或改变。

在进一步特别优选的方面,设想可以为一种或多种癌症相关基因、炎症相关基因、dna修复基因、新表位和不与疾病相关联的基因建立癌症评分,并且评分可能反映了或甚至预后了至少部分归因于癌症相关基因和/或通路中突变的各种类型的癌症。例如,尤其合适的癌症评分可涉及与一种或多种类型的癌症相关的一个或多个基因(例如,brca1、brca2、p53等)相对于可能与一种类型的癌症相关联或不相关联的另一种基因(例如持家基因等)的评分。在另一实例中,设想的癌症评分可涉及与一种或多种类型的癌症相关的一个或多个基因(例如,brca1、brca2、p53等)相对于总突变率(例如,不与疾病相关联的基因的突变率)的评分,从而更好地鉴定超出‘背景’突变的癌症相关突变。

附加地,组学数据可用于产生个体(或个体内的肿瘤)的总体错误状态,或用于关联癌症相关基因、炎症相关基因或dna修复基因中改变的数量和/或类型,以鉴定一个或多个基因突变的‘引爆点’,此后总体突变率猛涨。例如,在ercc1和其他dna修复基因中突变的速率或数量可能仅具有轻微的系统性后果的情况下,向tp53添加更多的突变可能导致突变率的灾难性增加。因此,并且从不同的角度来看,可以使用与dna相关联的基因中的突变来预估基于dna损伤的疾病,且尤其是癌症和年龄相关疾病的发生风险。在仍进一步的设想用途中,可以在一种或多种通路分析算法(例如,paradigm)中分析如此获得的组学信息,从而鉴定受影响的通路,且从而可能在使用dna损伤剂的治疗中调整治疗。也可以在计算机中使用通路分析算法来进行一个或多个dna修复基因的调节表达,这可能导致希望的或甚至是意料之外的计算机模拟治疗结果,可以将其转化至临床。

关于计算,诸位发明人设想了癌症评分典型地是反映多个基因状态的复合评分。例如,可以通过计数具有一个或多个突变的任何癌症相关基因、炎症相关基因和dna修复基因的任何突变(例如缺失、错义、无义等)(具有正值),计数任何癌症相关基因、dna修复基因数量的dna中甲基化或其他修饰的任何变化,计数任何癌症相关基因、炎症相关基因和dna修复基因的rna表达水平的任何上调或下调,计数肿瘤特异性、患者特异性新表位的任何存在,计数rna同种型(剪接变体)的任何变化或比率或计数任何癌症相关基因和dna修复基因,以及计数任何癌症相关基因、炎症相关基因和dna修复基因的聚a尾长度的任何变化来计算癌症评分。

诸位发明人进一步设想,基于每个计数的重要性,可以对每个计数进行均匀加权或偏倚,且然后根据每个计数的权重分配一个值(例如,每个计数对应于1分,一些计数对应于不同的评分,诸如1分、3分、10分、100分等)。一些癌症相关基因中的某些突变可能是‘主要指标’或激活其他肿瘤发生机制或转移的触发因素。此类触发因素的鉴定可以有利地允许癌症的早期诊断或干预。因此,例如,癌症相关基因中癌症特异性基因、炎症相关基因或dna修复基因中的突变可以比其他癌症相关基因或dna修复基因加权更高(例如,至少3倍、至少5倍、至少10倍、至少100倍等),并可以被相应地分配更高的值。如本文所用,癌症特异性基因是指特定类型的癌症(例如,针对乳腺癌和卵巢癌等的brca1和brca2)的已知遗传倾向(例如,显着增加对该疾病的易感性)的任何基因或该基因的突变。在另一实例中,可以差分加权任何癌症相关通路或dna修复通路中的每个基因(例如,最重要、重要、中等、不太重要、无关紧要等),并可以基于影响的重要性差分加权对任何癌症相关通路或dna修复通路具有任何影响或无影响(例如,对通路流产生不利影响等)的此类基因的任何突变。因此,例如,在癌症通路中编码重要的、不可替代的蛋白a的基因a可能比编码冗余蛋白(可被其他蛋白替代)的另一个基因b的权重更高。同样,导致蛋白失去功能的基因a中的无义突变的权重是不影响蛋白a功能的基因a中的沉默突变或错义突变的至少3倍、至少5倍、至少10倍、至少100倍,并且可以被相应地分配较高的值。

在一些实施例中,一些计数可以基于每个计数的重要性而平均或差分加权,且然后根据每个计数的权重分配负值(例如,每个计数对应于-1分,一些计数对应于不同的评分,诸如-1分、-3分、-10分、-100分等)。例如,可以补偿基因a的功能丧失的基因c的mrna的上调可以被分配负值(例如-10分),这样可以补偿基因a的突变的正值(例如,+10分)。

还设想,一些计数可以基于一些rna的表达水平的变化程度差分加权。例如,当rna“x”的表达水平增加至少两倍、至少5倍、至少10倍、至少20倍,而其他rna表达水平变化在最好的情况下低于50%时,则rna“x”的表达水平增加的权重可以是其他基因的至少3倍、至少5倍、至少10倍、至少100倍。

最典型地,癌症评分是复合评分,是分配给所有计数的所有值的总和。在一些实施例中,癌症评分可以是分配给所有计数(所有组学数据)的所有值的总和。在其他实施例中,癌症评分可以是分配给一些计数(例如,对应于特定通路、特定基因类型、特定机制组等)的选定数值的总和。因此,随着更多的癌症相关基因或dna修复基因具有一个或多个突变,癌症评分增加。在一些实施例中,各个突变和/或改变可以被分开计数,以便在一个或多个癌症相关基因或dna修复基因在单个基因中显示多个突变的情况下,癌症评分可以进一步增加。在其他实施例中,当单个基因中的此类多个突变可以进一步影响癌症相关基因或dna修复基因的功能,从而使该多个突变驱动细胞更具癌症倾向或更具癌性,或驱使癌症的微环境更具免疫抗性等时,癌症评分可以进一步增加。

替代性地或附加地,癌症评分可以以呈其向量的一个或多个计数的轨迹表示,其中在确定癌症预后中一些变量和/或因素占主要支配作用。变量和/或因素中的每一个都可以表示为向量,其幅度对应于每个加权计数的分值,并且这些向量的相加提供了指示疾病预后的轨迹。从不同的角度来看,应当理解,可以为同一患者准备随时间变化的多种分析,并且可以为随时间的变化(例如,进行或不进行治疗)分配特定的值,这些值将再次产生依据时间的评分。可以对这些评分或随时间的变化进行分类,并作为治疗结果、药物反应等的主要指标。

附加地,还设想可以使用除从患者血液中获得的cf/ct核酸数据以外的健康信息来计算癌症评分。例如,该健康信息可以包括与肿瘤发生/炎症/针对肿瘤的免疫反应有关的几种类型的细胞因子(例如,il-2、tnf-α等)的表达水平/浓度、激素水平(例如,雌激素、孕激素、生长激素等)、血糖水平、丙氨酸转氨酶水平(对于肝功能)、肌酸水平(对于肾功能)、血压、肿瘤细胞分泌蛋白(例如,免疫细胞受体的可溶性配体等)或外来抗原蛋白(例如,用于病毒或细菌感染等)的类型和量。

诸位发明人认为,如此获得的癌症评分可用于提供癌症诊断或患有或发展癌症的风险。在一些实施例中,可以将计算出的患者癌症评分与健康个体的平均癌症评分进行比较,以确定两个评分之间的差异。优选地,当两个评分之间的差高于阈值时,可以诊断患者患有肿瘤,或者具有患肿瘤的高风险。在其他实施例中,可以将计算出的患者癌症评分与预定阈值评分进行比较。预定阈值评分可以是预定评分,预定评分可以根据患者的种族、年龄、性别或其他健康状况而改变。在其他实施例中,预定阈值评分可以是动态评分,动态评分可以基于先前的癌症评分和对患者执行的诊断或治疗而改变。

诸位发明人还设想了如此获得的癌症评分可用于提供癌症的预后。例如,可以基于在患者被诊断出患有肺癌的第一阶段之后的第1个月、第3个月、第6个月和第12个月中获得的组学数据来计算癌症评分,并且可以将各个癌症评分与第1、3、6和12个月相对应的预定阈值评分进行比较。在第1个月和第3个月,癌症评分为阈值评分的约120%,且在第6个月,癌症评分为约180%,而在第12个月,癌症评分为阈值评分的约230%。这样的进展表明,如果不干预进展,患者的肺癌预后并不乐观。在另一实例中,可以通过高度加权肿瘤特异性和患者特异性的新表位的存在来计算癌症评分。在该实例中,可以基于在患者被诊断患有肺癌的第一阶段之后的第1个月、第3个月、第6个月和第12个月中获得的组学数据来计算癌症评分,并且通过高度加权肿瘤/组织特异性的新表位的存在/外观来计算每个癌症评分。在第1个月和第3个月,癌症评分为阈值评分的约120%,且在第6个月,癌症评分为约140%,而在第12个月,癌症评分为阈值评分的约230%。这样的进展表明肿瘤可能转移到另一个器官(释放不同类型的新表位)或同一器官中不同类型肿瘤的发展(释放不同类型的新表位)。

在进一步实例中,癌症评分可以提供治疗选项的指标。该治疗选项可以是预防性治疗,其中复合评分低于阈值,表明患者目前不太可能患有肿瘤或至少发展肿瘤的风险较低。当癌症评分高于阈值并且高度加权的癌症评分的大部分是癌症相关基因a的过表达时(例如,超过阈值诸如至少10%、至少20%、至少30%、至少50%等),则可以使用该癌症评分来提供治疗选项,该治疗选项可以使用抑制癌症相关基因a(例如,蛋白a的阻断剂等)活性的药物。类似地,当癌症评分高于阈值并且高度加权的癌症评分的大部分是编码免疫细胞受体或受体配体的基因的过表达时,则可以使用该癌症评分来提供使用所述免疫细胞的受体或配体的免疫治疗。同样,当癌症评分高于阈值并且高度加权的癌症评分的大部分是特定新表位的过表达时,则可以使用该癌症评分来提供使用新表位作为诱饵的免疫疗法或用以物理切除局部肿瘤的外科手术/放射疗法。同样,这种癌症评分可以指示治疗选项成功的可能性。但是,如果癌症评分高度加权的部分是癌症相关基因a的过表达,低于阈值,则可以预测使用抑制癌症相关基因a活性的药物的治疗选项的效果不太有效。

因此,可以基于患者的癌症(复合)评分,使用至少一种治疗选项治疗患者。例如,高于阈值并且高度加权的癌症评分的大部分是特定新表位的过表达,可以选择治疗选项以包括重组病毒(或酵母或细菌),该重组病毒(或酵母或细菌)包含编码特定新表位的核酸。然后,可以以在施用或一系列施用后至少2周、至少4周、至少8周、至少12周有效治疗肿瘤和/或有效降低患者癌症评分至少10%、至少20%、至少30%的剂量和时间表,将该重组病毒给予至患者。

还设想可将该患者的癌症评分与一个或多个具有相同癌症类型并具有治疗史的其他患者进行比较,以提供治疗选项和预测结果。例如,如果其他患者的病史表明仅当癌症评分低于200(以绝对评分计)或小于健康个体评分的180%且患者的癌症评分在最近2周内从140增加到160,药物治疗才有效时,则基于其他患者的病史和癌症评分,可以建议在不晚于2周内进行药物治疗。

计算出的癌症评分也可以是癌症治疗有效性的指标,尤其是当组学数据包括编码癌症治疗的靶标/指标的至少一个或多个基因的信息时。例如,可以基于在癌症治疗之前、癌症治疗之后7天、2周、1个月和6个月获得的组学数据来计算癌症评分。治疗之后7天的癌症评分为治疗之前癌症评分的80%,治疗之后2周和1个月的癌症评分为治疗之前癌症评分的50%,且治疗之后6个月的癌症评分为治疗之前癌症评分的150%。这样的进展表明该治疗至少在短期内(例如,长达1个月)有效,但是该有效性随着时间的推移而降低,并且可能在治疗之后的6个月内完全无效。在一些实施例中,可以将治疗之前和之后的癌症评分与预定阈值进行比较以确定治疗有效性。例如,如果癌症评分在治疗之前为200,而在治疗之后为130(在阈值癌症评分为100的情况下),则可以将治疗确定为“有效”,因为癌症评分在治疗之后降至阈值以下。但是,如果癌症评分在治疗之前为200,而在治疗之后为160(在阈值癌症评分为150的情况下),则可以将治疗确定为“无效”,因为即使癌症评分的绝对值已降低,但在治疗之后癌症评分仍保持在阈值之上。因此,诸位发明人进一步设想,当可以将治疗确定为“有效”时,当治疗之后的癌症评分低于预定阈值时,当治疗之后的癌症评分比预定阈值最多高5%、最多高10%时,或者当治疗之后的癌症评分比预定阈值低至少5%、至少10%、至少15%时,对患者继续施用该治疗选项(例如,免疫治疗等)。

诸位发明人还设想可以通过分析包括来自源自免疫疗法的载体(例如病毒、细菌、酵母等)的外源dna/rna的组学数据来确定一些癌症治疗的有效性。例如,在病毒是用以递送编码重组杀伤细胞激活受体(kar)的重组核酸的载体的情况下,患者血液中重组kar的游离dna/rna的水平可以作为该病毒感染的有效性的指标。

对于本领域技术人员应当清楚的是,在不脱离本文的发明构思的情况下,除了已经描述的那些之外的更多修改是可能的。因此,本发明主题不受限制,只是要在所附权利要求的范围中。此外,在解释说明书和权利要求时,所有术语应当以与上下文一致的尽可能广泛的方式解释。特别地,术语“包含”(“comprises”和“comprising”)应当被解释为以非排他性方式指代要素、组分或步骤,从而指示所提及的要素、组分或步骤可以与未明确提及的其他要素、组分或步骤一起存在、或使用、或组合。如本文的说明书和贯穿随后的整个权利要求中所使用,“一个”、“一种”以及“该”的含义包括复数参照物,除非上下文清楚地另外指明。而且,如本文的说明书中所使用,“在……中(in)”的含义包括“在……中(in)”和“在……上(on)”,除非上下文另有明确说明。在说明书权利要求书涉及选自由a、b、c……和n组成的组中的至少一种的情况下,该文字应当被解释为只需要该组中的一个元素,而不是a加n、或b加n等。

再多了解一些
当前第1页 1 2 3
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1