使用所測分析物改進疾病診斷的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及改進疾病診斷的準確性的方法，并且涉及包括所測分析物與二元結(jié)果的相關(guān)性的相關(guān)聯(lián)的診斷測試。
【背景技術(shù)】
[0002]其中三個或多個自變量用于關(guān)聯(lián)二元結(jié)果(諸如存在或不存在給定疾病)的相關(guān)方法通常與聚類或鄰域搜索法、回歸法和小波分析法一起使用。在疾病預(yù)測的情況下，測量血液或血清的常見成分并且使用這些濃度作為各種疾病狀態(tài)預(yù)測的自變量來嘗試關(guān)聯(lián)。在結(jié)果是“疾病”或“非疾病”的給定疾病狀態(tài)的情況下，通常使用邏輯回歸法。其他技術(shù)包括例如遺傳算法。這些方法的預(yù)測能力高度依賴于選擇用于該方法的成分分析物。本領(lǐng)域的技術(shù)人員認識到，似乎有預(yù)測能力的許多分析物和參數(shù)在實踐中不會改進診斷和分析能力。
[0003]回歸方法使用自變量中的趨勢以與結(jié)果關(guān)聯(lián)。線性方法是基于線性趨勢且邏輯回歸是基于對數(shù)趨勢。在生物疾病預(yù)測中通常使用邏輯回歸。
[0004]分組聚類方法考察對類似結(jié)果分組的變量相關(guān)拓撲學(xué)。該聚類方法的優(yōu)點是它可以找到其中趨勢不連續(xù)但在趨勢上具有拓撲局部逆轉(zhuǎn)的相關(guān)性。這種方法雖然高度非線性且易受具有小測量誤差的局部高度可變結(jié)果的影響，但在生物用途中可以更具預(yù)測性。此外，這兩種方法通常都可以與聚類法組合小規(guī)模應(yīng)用于整體回歸方法。
[0005]然而，邏輯上似乎關(guān)聯(lián)的一些自變量在實踐中不顯示預(yù)測趨勢。因此，所需要的是通過利用迄今還沒有為疾病狀態(tài)的診斷貢獻出有用信息的患者特異性和群體特異性變量來改進診斷準確性的方法。
[0006]已經(jīng)完成了發(fā)現(xiàn)生物標記物的大量研究，生物標記物可以單獨或組合地預(yù)測疾病狀態(tài)且具有足夠的可重復(fù)性和供臨床使用的預(yù)測能力。這項研究具有有限成功或沒有成功。高豐度蛋白(HAP)已經(jīng)被大量研究以發(fā)現(xiàn)可以作出這一預(yù)測的單一蛋白。已經(jīng)發(fā)現(xiàn)無數(shù)實例例，但沒有足夠低的假陰性水平，以便用標記物為患者篩查疾病。結(jié)果，這種單一生物標記物只能用于治療監(jiān)測，除前列腺癌的PSA之外。該測試要求指示活檢是適當(dāng)?shù)牡臐舛葒乐貎A斜，以降低導(dǎo)致假陽性水平非常高的假陰性。指示需要活檢的多達80%的男性實際上是前列腺癌陰性。
[0007]也已發(fā)現(xiàn)DNA標記在一些情況下對于子類型的癌癥非常好，但出于與如上所述HAP的相同原因同樣不適合用于篩查。
[0008]還研究了使用多種蛋白的蛋白質(zhì)組學(xué)方法。該項工作再次集中于HAP或高水平效應(yīng)蛋白。該項工作由蛋白質(zhì)測量的多重方法支配，諸如免疫測定、芯片和質(zhì)譜法。更早的工作在卵巢癌方面已經(jīng)取得了一些成功。然而，所有這些方法的問題是，所選的許多蛋白與健康至疾病的進展不具有很強的相關(guān)性(并且許多與疾病狀態(tài)不具有已知的生物相關(guān)性，例如，如通常是質(zhì)譜法的情況下)O此外，質(zhì)譜經(jīng)受嚴重過采樣問題，這是由于通過分光光度計詢問全血清樣品的蛋白質(zhì)水平并因此使相關(guān)算法的訓(xùn)練困難的事實所致。在質(zhì)譜法的情況下，全血清樣品可以具有超過200個蛋白和10000個質(zhì)譜峰。
[0009]在診斷領(lǐng)域一直需要利用對診斷目的比HAP更有用的低豐度蛋白的技術(shù)，以及提供低豐度生物標記物的分析的分析技術(shù)。

【發(fā)明內(nèi)容】

[0010]形成本專利申請的一部分的權(quán)利要求中闡述了本發(fā)明和各種實施例。不限于前述內(nèi)容，在優(yōu)選的方面，在優(yōu)選的實施例中，本發(fā)明涉及使用多變量(多變量)相關(guān)方法改進用于預(yù)測疾病狀態(tài)的方法的預(yù)測能力和診斷準確性。這些方法包括蛋白質(zhì)組學(xué)、代謝組學(xué)和涉及確定如在體液和組織樣品中發(fā)現(xiàn)的各種生物標記物的水平的其他技術(shù)。
[0011]發(fā)明人預(yù)期的和本申請中討論的各種實施例包括元變量的使用，特別是使用調(diào)整所測生物標記物分析物對相關(guān)性分數(shù)的影響的方法。這種元變量可基于免疫系統(tǒng)應(yīng)答的專門知識和可能的測量誤差的知識來識別。這些方法可以應(yīng)用到訓(xùn)練集模型的構(gòu)建或診斷中的盲樣。
[0012]在一個實施例中，本發(fā)明涉及一種用于診斷疾病的方法，包括以下步驟:a)確定來自受試者的盲樣中的至少三種預(yù)定分析物的濃度山)選擇與受試者相關(guān)的一個或多個兀變量，其在與已知有或沒有疾病的群體成員的受試者相關(guān)的群體中變化；c)將分析物的濃度轉(zhuǎn)換為一個或多個群體分布特征和一個或多個元變量的函數(shù)，以計算表示每種分析物的偽濃度；d)將偽濃度與確定用于已知有或沒有疾病的群體成員的偽濃度的訓(xùn)練集模型比較；和e)確定比較是否指示該受試者具有疾病。預(yù)期確定預(yù)定分析物的濃度(或水平)的步驟(a)可以在與該方法的其余步驟的不同的時間和地點進行。類似地，該方法的其他(多個)步驟可以全部或部分在不同的時間和地點實施。因此，本發(fā)明人還預(yù)期包含更少步驟、特別是只有步驟(b)-(e)的方法作為他們的發(fā)明。
[0013]在本發(fā)明的一個方面，上述方法使用至少三種、至少四種、至少五種或至少六種或更多種分析物，它們被測量或確定取自受試者或患者的生物樣品中它們的水平。在另一個方面，上述方法涉及給定疾病存在或不存在的評估或預(yù)測，這種實體組織癌包括但不限于乳腺癌、前列腺癌和肺癌。
[0014]在一些實施例中，元變量是年齡。在某些實施例中，元變量選自由以下組成的組:絕經(jīng)前、期間和絕經(jīng)后狀態(tài)、柔毛、體重、樣品源的地理位置、體脂百分比、種族(race)或種族混合(racial mix)或族群(ethnicity)、物種或時間段的時代(或范圍)。
[0015]在另一實施例中，本文所描述的“比較”步驟涉及使用選擇技術(shù)的的相關(guān)方法，包括但不限于:聚類、鄰域搜索、回歸或小波分析方法。而且，任選地可以包括使用不一致訓(xùn)練集模型。這種不一致訓(xùn)練集模塊可視情況與本發(fā)明的任何方法使用，諸如與轉(zhuǎn)換步驟相關(guān)的方法，可用次級訓(xùn)練集模型重復(fù)比較和確定，能夠識別受試者群體中的非疾病病癥，其部分模仿疾病狀態(tài)中的血清分析物的變化，但不是由與疾病本身的病癥或病理學(xué)相對的疾病狀態(tài)引起的。因此，相關(guān)的實施例包括次級訓(xùn)練集模型，以及用于三種狀態(tài)的疾病評價和預(yù)測:非疾病，部分模仿疾病狀態(tài)的非疾病病癥以及疾病狀態(tài)。
[0016]在本發(fā)明的另一個方面，本發(fā)明的方法是通過使用微處理器由計算機執(zhí)行的，且任選地進一步包括以下步驟:以有利于保健實踐者的形式輸出分數(shù)，諸如作出疾病診斷的醫(yī)生。
[0017]本發(fā)明的某些實施例利用用于標準化的數(shù)學(xué)方法和濃度的不規(guī)則或不連續(xù)分布的平滑，其包括使用測量的濃度與對于非疾病和疾病狀態(tài)的蛋白質(zhì)的濃度的年齡調(diào)整平均值的比值的對數(shù)以及非疾病和疾病狀態(tài)的蛋白質(zhì)的濃度的比值的對數(shù)，單獨的樣品是預(yù)測的，使得在相關(guān)中使用的所得的新自變量的分布被壓縮以幫助相關(guān)計算。
[0018]在本發(fā)明的另一方面，自變量和兀變量之間的關(guān)系包括與疾病和非疾病狀態(tài)之間的關(guān)系的非線性程度相關(guān)的自變量的群體分布特征、一個或多個組(高斯或非高斯)、組平均值(group mean values)、組平均數(shù)(group average values)、組中值(group medianvalues)和組動態(tài)范圍值。
[0019]本發(fā)明的某些實施例包括基于在相關(guān)群體中的典型受試者中的疾病進展過程中的單獨的生物標記物上調(diào)或下調(diào)特性(諸如子分組或非線性的程度)的常規(guī)(或?qū)ｉT)知識，調(diào)整訓(xùn)練集模型以加權(quán)單獨的生物標記物的影響。
[0020]某些其他實施例包括基于對雙標記平面足夠的雙標記平面拓撲不穩(wěn)定性的常規(guī)(或?qū)ｉT)知識，調(diào)整訓(xùn)練集模型以加權(quán)單獨的生物標記物的影響，以顯著改變風(fēng)險分數(shù)或疾病狀態(tài)預(yù)測，其中這些不穩(wěn)定性是由每個雙標記平面的拓撲結(jié)構(gòu)中的陡坡或高峰或深谷引起的。
[0021]在其他實施例中，基于生物標記物測定的不確定性的常規(guī)(或?qū)ｉT)知識，諸如可能發(fā)生在測定結(jié)果曲線上的非常低或非常高水平處的不確定性，調(diào)整訓(xùn)練集模型以加權(quán)單獨的生物標記物的影響。
[0022]在本發(fā)明的另一個方面，不一致訓(xùn)練集模型被用來調(diào)整或校正由于足夠的雙標記平面上拓撲不穩(wěn)定性導(dǎo)致的結(jié)果預(yù)測中顯示不穩(wěn)定性的單獨的盲樣，以顯著改變給定盲樣的風(fēng)險分數(shù)，其中不穩(wěn)定性是由雙標記平面的拓撲結(jié)構(gòu)中的陡坡或高峰或深谷引起的。
[0023]另一實施例涉及診斷和治療的更個性化用藥方法，其中單獨的蛋白(或其他分析物，諸如代謝物)濃度的基線值被確定用于受試者一段時間，包括受試者在非疾病狀態(tài)的一段時間，而不是期望預(yù)測疾病的存在或其診斷的疾病的群體值。
[0024]本發(fā)明的另一方面涉及包括信號傳導(dǎo)蛋白的低豐度生物標記物的測量，其包括至少三個種類的每個中的至少一種生物標記物，包括:免疫系統(tǒng)炎癥標記物、腫瘤抗血管生成標記物、細胞凋亡標記物、血管生成蛋白相關(guān)標記物和組織標記物。在本發(fā)明的實施例中，低豐度生物標記物是非常低豐度的蛋白，在取自給定受試者的至少約20%的相關(guān)群體的樣品中濃度水平低于約lpg/ml。
[0025]本發(fā)明的另一個實施例涉及在選自包括免疫系統(tǒng)炎癥標記物、腫瘤抗血管生成標記物、細胞凋亡標記物、血管生成蛋白和組織標記物的種類的至少三種生物標記物的生物樣品中的濃度的確定，其中除組織標記物外的至少三種生物標記物的任何一種或多種是低豐度蛋白，對于期望診斷或預(yù)測疾病的可能性用于在具有該疾病的亞群中的給定受試者的至少約20%的相關(guān)群體，確定濃度低于約lpg/ml。
[0026]在優(yōu)選的實施例中，疾病是癌癥，更具體地為實體瘤。
[0027]在其他實施例中，對至少兩種、至少三種、至少四種、至少五種、至少六種、至少七種、至少八種、至少九種或至少十種生物標記物進行評估(或確定其水平)。
[0028]本發(fā)明的另一個方面涉及其中至少一種確定(或測量)的分析物的濃度值低于LOD的評估或分析，其中這種分析物的濃度值由對于分析物的LOD和最低讀數(shù)之間的直線或其他合適的標準曲線擬合方法確定。優(yōu)選地，沒有分析物被賦予零或負值，并且類似樣品中沒有分析物被賦予小于約為該分析物的最低接受值的值。
[0029]在其他實施例中，本發(fā)明涉及具有用于檢測低于它們的LOD的一種或多種分析物、兩種或多種分析物、三種或多種分析物、四種或多種分析物、五種或多種分析物、六種或多種分析物、七種或多種分析物、八種或多種分析物、九種或多種分析物或十種或多種分析物的試劑的診斷試劑盒。
[0030]本發(fā)明的另一實施例涉及用于完成本文所述的任何方法、診斷預(yù)測和分析(包括該說明書中所討論的任何一個或多個步驟)的計算機系統(tǒng)和微處理器介導(dǎo)的設(shè)備和系統(tǒng)。
【附圖說明】
[0031]在下面描述和并入說明書中并構(gòu)成說明書的一部分的以下附圖示出根據(jù)本發(fā)明的示例性實施例，并且不應(yīng)被認為限制本發(fā)明的范圍，因為本發(fā)明可允許其他同等有效的實施例。附圖不一定按比例繪制，并且出于清楚和簡明的目的，某些特征和附圖的某些視圖可以按比例放大或示意性顯示。
[0032]圖1是表示構(gòu)建訓(xùn)練集模型(或診斷模型)然后產(chǎn)生用于評估具有疾病狀態(tài)或非疾病狀態(tài)的盲樣的診斷分數(shù)的過程的流程圖。
[0033]圖2表示在為細胞因子白介素6的情況下的典型的群體分布。
[0034]圖3表示顯示診斷方法中使用的兩種生物標記物的偽濃度的十分之一這種平面的雙標記平面。
[0035]圖4示出具有訓(xùn)練集數(shù)據(jù)點的雙標記平面。
[0036]圖5示出沒有訓(xùn)練集數(shù)據(jù)點的雙標記平面。
[0037]圖6示出具有其中免疫系統(tǒng)響應(yīng)的影響被降低的陰影區(qū)的雙標記面。
[0038]圖7示出具有其中拓撲穩(wěn)定性問題的影響被降低的陰影區(qū)的雙標記平面。
[0039]圖8示出具有其中已知的測定測量不確定性的影響被降低的陰影區(qū)的雙標記平面。
[0040]圖9示出具有拓撲不穩(wěn)定測試失敗并用不一致算法校正的兩個樣品的盲測的結(jié)果O
[0041]圖10示出在使用10個雙標記平面顯示訓(xùn)練集模型I的訓(xùn)練集癌癥分數(shù)的情況下乳腺癌的臨床研究的結(jié)果。
[0042]圖11示出在使用105個雙標記平面顯示訓(xùn)練集模型II的訓(xùn)練集癌癥分數(shù)的情況下乳腺癌的臨床研究的結(jié)果。
[0043]圖12示出具有運行臨床研究的盲樣的實際診斷的結(jié)果。
[0044]圖13示出具有盲樣數(shù)據(jù)點的蛋白質(zhì)TNFa的校準曲線。
[0045]圖14示出5%癌癥分數(shù)誤差的TNFa蛋白測定誤差線