專利名稱：人抑郁癥的生物標記超映射的制作方法
技術領域：
本申請涉及采用基于參數組合的算法和超映射來診斷或測評個體抑郁癥、確定個體發展為抑郁癥的傾向或確定特定治療方式的個體療效的材料和方法。
背景技術：
神經精神病癥常遷延不愈。事實上，神經精神病癥造成的失能壽命年(years lived with disability, YLD)比其它任何類型的病癥都長，幾乎占到YLD總數的30 % (Murray 禾口 Lopez (1996), Global Health Statistics :A Compendium of Incidence, Prevalence and Mortality Estimates for over 2000 Conditions (“全球健康數據:2000 種病癥發病率、流行度和致死率評估綜述”，劍橋哈佛公共衛生學院))。造成長期失能和治療效果不佳的因素可能有多種，其中包括診斷不準、醫生過早中斷治療、社會偏見、抗抑郁藥物給藥不當、抗抑郁藥物副作用和患者不堅持治療。大多數臨床病癥，其中包括神經精神病癥例如抑郁癥(如重度抑郁癥(MDD))，不是單一生物學改變所致，而是多種因素相互作用的結果。因此，根據個體內的特定變化，患相同病癥(如MDD)的不同個體會表現出不同類型或范圍的癥狀。需要一種可靠的方法來針對個體診斷或確定MDD傾向性，并評估疾病狀態和治療效果。
發明內容
傳統生物標記方法通常包含分析多個單項生物標記或多組單項生物標記。另一些方法則包括采用算法計算出一個單獨值以反映疾病狀態、預后和/或治療效果。高度多路復用(multiplexed)的基于微陣列的免疫學工具可用于同時測量多個參數。采用此類工具的優點之一是可以同時、用相同條件、由同一樣本獲得全部結果。可采用高水平模式識別技術，現在已有多種工具可用，包括聚類法，例如層次聚類法、自組織映射和監督分類算法 (例如支持向量機算法、k-最鄰近算法、超映射和神經網絡)。后一組分析方法可望實際用于臨床。本發明一部分是基于采用超映射技術(hypermapping)來確定抑郁癥傾向、預后或診斷以及測定治療效果的方法。此外，本發明一部分是基于采用超映射技術來確定感染性疾病或慢性病傾向、預后或診斷的方法。所述方法可以包括，例如選擇可能與特定醫學狀況相關的多組生物標記，從多名個體獲取所選多組生物標記的臨床數據，采用優化算法處理所述臨床數據從而獲取各組內各所選生物標記的系數，通過生成各生物標記組的矢量來創建超映射圖(hypermap)，使用該超映射圖得出可能有或可能沒有所述醫學狀況的某個體的診斷或結論(例如關于治療或疾病狀態的結論)。例如在部分實施方式中，可通過生成整合了生物樣本(例如血清或血漿)中多個生物標記數據的算法和超映射圖來實現患者分層、藥代動力學標記鑒定和治療效果監控。內容之一，本發明涉及評估個體患MDD可能性的方法，包括(a)鑒定可能與MDD相關的多組生物標記；(b)從多名個體獲取以上鑒定的多組生物標記的臨床數據，其中，部分個體是確診的MDD，部分則未患MDD ；(c)用優化算法處理所述臨床數據，計算出各組內選定生物標記的系數；(d)通過為各選定生物標記組創建矢量來形成超映射圖；(e)檢測所述個體的一種或多種生物樣本中所述選定生物標記的水平；(f)用所述算法處理上述測得的水平；和(g)將所述個體的所述算法結果與超映射圖比較，從而確定該個體是否可能患 MDD、或是否屬于可用于預測疾病進程、選擇治療方案或提供嚴重程度信息的亞類。所述方法可以是體外(in vitro)方法。如果在步驟(g)中確定所述個體可能患MDD，那么上述方法還可以包括將個體接受MDD治療前的超映射圖結果與治療后的進行比較，確定生物標記模式是否發生改變，并確定任何此類改變是否在該個體的臨床狀態中有所反映。所述多組生物標記可包括兩個或更多炎癥生物標記、HPA軸生物標記、代謝生物標記或神經營養生物標記。炎癥生物標記可選自α 1抗胰蛋白酶、α 2巨球蛋白、脫輔基脂蛋白CIII、⑶40配體、白介素6、白介素13、白介素18、白介素1受體拮抗劑、髓過氧化物酶、纖溶酶原激活物抑制劑_1、RANTES(CCL5)、腫瘤壞死因子α (TNF α )、sTNFRI和sTNFRII。ΗΡΑ 軸生物標記可選自皮質醇、表皮生長因子、粒細胞集落刺激因子、胰多肽、促腎上腺皮質激素、精氨酸加壓素和促腎上腺皮質激素釋放激素。代謝生物標記可選自脂聯素、促酰化蛋白、脂肪酸結合蛋白、胰島素、瘦素(Ieptin)、促乳素、抵抗素、睪酮和促甲狀腺激素。神經營養生物標記可選自腦源神經營養因子、S100B、神經營養蛋白3、膠質細胞源性神經營養因子、Artemin和顫蛋白(reelin)及其異構體。除非另作說明，本文所用科技術語的含義均如本發明所述領域普通技術人員通常所知。以下將描述適宜的材料和方法，但本發明也可用與本文所述類似或等同的方法和材料來實施。本文提及的所有公開物，專利申請、專利和其它參考文獻均通過引用全部納入本發明。如有爭議，以本發明的說明和定義為準。此外，關于材料、方法和實施例的描述僅為說明性質，本發明范圍不限于此。以下將結合附圖詳細描述本發明的一種或多種實施方式。根據這些描述、附圖以及權利要求，可明白本發明的其它特征、目的和優點。
圖1展示本發明實施方式之一即生成特定疾病超映射圖的方法所包括的步驟。圖2展示本發明方法之一的可包括的步驟，所述方法用于由特定疾病的選定多組標記和臨床數據構建超映射圖。圖3是診斷為MDD的患者(星號)和健康對照組(圓圈)的超映射圖。圖4是將一公式用于MDD患者(黑色柱)的一組臨床樣本與同齡健康個體(灰色柱)所得結果的比較。試驗分值表示個體患MDD可能性的10倍值(IOxPm)。圖5是代表從對一組無用藥史MDD患者的縱向研究中獲得的臨床數據的超映射圖，分別在抗抑郁藥LEXAPR0 治療開始前和開始后2周和8周對他們的血清進行檢驗。圖中矢量顯示治療后生物標記模式的改變。
具體實施例方式MDD,又稱重度抑郁、單相抑郁、臨床抑郁或單純抑郁，是一種精神疾病，表現為日常活動中普遍情緒低落、缺乏興趣和愉悅感。如果某個體發生一次或多次重度抑郁發作， 則通常可診斷為MDD。每年，約一千九百萬美國人患MDD。最易發的年齡段是30至40歲， 其后的高峰則是50至60歲之間。診斷基礎通常是患者自述經歷和行為觀察。然而，生物行為研究是最困難的科學研究之一，因為，生物個體在生理學上存在很大的個體差異。 尤其是，用于神經精神病診斷和患者管理的范例(paradigm)基于臨床問診，這些臨床問診將患者歸入既定的分類體系。需注意的是，該范例不包括源自生物學或病理生理學機制的信息。一直以來，需要一種可靠的方法來診斷或確定抑郁癥傾向，或評估個體的疾病狀態和/或治療效果。如本文所述，生物標記超映射(BHM)技術代表了這樣一種方法學，即使得與某疾病狀態相關的模式直觀化，并基于模式對患者群或患者個體進行亞分類 (sub-classification) 0通常，與多分析物診斷(multi-analyte diagnostics)相關的方法采用全面優化法或決策樹法，全面優化法中將全部標記(參數)用于多變量優化以與臨床研究結果進行最優擬合。決策樹可用于在臨床中確定區分患病個體與健康者的最佳途徑。這些方法中的許多在分析數較少(通常少于5項)時是有效的。此時，專家或者非經驗豐富者都能夠做出診斷，而無需深入理解疾病的內在生物學機制或所用測試方法的機制。然而，在復雜的疾病中，癥狀相互重疊，不同的疾病階段之間可能存在顯著差異，對于這些復雜的疾病需要更大量的分析物來做出診斷或進行患者的亞分類。此時，需要考慮很多參數，而單個單數(分析物(analyte))的權數很小。即使專家有時也難以深入理解某患者個體的狀況。類似的， 關注疾病生物學機理或希望開發出新治療手段的醫學研究者可能因為簡單的全面優化法而遺漏某些有用的信息。BMH法用反映不同生理參數(例如激素、代謝標記和炎癥標記)的生物標記來展現(visualization)可能與疾病狀態相關的生物標記表達變化。這一過程中，患者的生物標記反應被映射到多維超空間上。可由不同的系數創建患者亞群和同齡健康者的超空間矢量。可用來自臨床樣本組的多元(multiplex)生物標記數據迭代構建或定義超空間圖，然后將其用于區分疾病狀態和健康狀態，并為治療計劃提供指導。總體上說，本文描述的方法涉及的是多分析物診斷試驗分析。這些方法特別適用于復雜疾病，對于這些疾病往往難以確定一兩個足以特異性區分不同于正常對象的不同患者亞群(例如那些具有不同預后和疾病表現的亞群，或者如在行為疾病中常常發生的那樣)的標記。本文所述的方法中，可將多個標記(例如2、3、4、5或超過5個的標記)組合使用以增強診斷測試能力，使得臨床醫生能夠區分不同的患者，避免例如其它并存疾病對靈敏度和特異性的干擾。可以采用對臨床研究的直接分析和/或生物信息技術，根據與目標疾病相關的生理學/生物學功能來選擇多組不同的標記。采用大型生物標記文庫，可根據反映人生理學和/或生物學進程不同節段的功能活性對生物標記進行分組。在各組內，可用多個標記提供關于各進程或系統內生理學或生物學變化的準確指標。就復雜疾病的分析而言，可用多組標記來測定某特定疾病狀態下的整體變化。不同于對全體臨床研究數據中所有相關組內全部測得標記進行的全面優化，在此提供的方法可以首先包括采用臨床數據對各功能組內的測得標記進行優化。可用各組的優化數據構建一組合參數，在疾病的初級超映射圖的構建中由該參數代表該組。多項研究的數據可進一步迭代構建疾病的超映射圖。然后，可將各患者的數據映射到該疾病的超映射圖上，由此可利用此前進行了特征分析的、生物標記譜落于同一多維空間內的患者的已知信息。此前患者特征分析所得的信息可用于將患者歸入亞類、預測病程，以及就例如治療方案的選擇(例如藥物的選擇和其它可能有效的治療方法)等作出決策。圖1和圖2展示用選定組、標記和臨床數據構建某疾病超映射圖的過程。如圖所示，可用數個步驟來創建目標疾病的超映射圖。在部分實施方式中，第一步可以是多組標記的選擇，其中，根據特定疾病的生理學或生物學知識以及關于該疾病狀態下生物標記反應的已知理解進行選擇。許多疾病具有某些相同的元素，其中包括炎癥、組織重構、代謝改變、免疫反應、細胞遷移、激素失衡等等。某些疾病與疼痛或神經功能紊亂相關，或者，有些標記特異性地表征特定的疾病(例如糖尿病的血糖升高)或針對特定藥物的特定反應(例如乳腺癌患者的雌激素受體表達)。主要用功能聚類法，生物標記可分為不同的類別，這能夠提供更多關于生理功能紊亂所涉及路徑的信息。例如，炎癥中的標記可包括急性期反應相關標記(例如C-反應蛋白)、細胞因子反應相關標記(例如Thl相關白介素和Th2相關白介素)、趨化因子和化學引誘物分子(chemoattractant molecules)(例如參與神經纖維網(neurophil)伸入肺內的IL-8，所述反應是某些呼吸系統疾病的特征之一)。以下例舉若干組生物標記。炎癥生物標記多種蛋白質參與了炎癥，它們全都可能發生會損害或擾亂正常表達和功能的遺傳變異。炎癥還誘導高系統水平的急性期蛋白。其中包括C-反應蛋白、血清淀粉樣蛋白A、血清淀粉樣蛋白P、加壓素和糖皮質激素，它們會導致各種不同的系統效應。此外，促炎細胞因子和趨化因子也參與炎癥。表1例舉了一系列炎癥生物標記。表 1
基因代號基因名稱聚類AlATα 1抗胰蛋白酶炎癥A2Mα2巨球蛋白炎癥AGPa 1-酸糖蛋白炎癥ApoC3脫輔基脂蛋白CIII炎癥
權利要求
1.一種評估個體患簡稱為MDD的重度抑郁癥可能性的體外方法，其包括(a)確定可能與MDD相關的多組生物標記；(b)獲取多名個體關于所確定的多組生物標記的臨床數據，其中部分個體是確診的 MDD,部分則未患MDD ；(c)采用優化算法處理臨床數據，計算各組內各選定生物標記的系數；(d)通過生成各選定生物標記組的矢量來創建超映射圖；(e)檢測所述個體一種或多種生物樣本中所述選定生物標記的水平；(f)用所述算法處理測得的水平；(g)將所述個體的所述算法結果與超映射圖比較，從而確定該個體是否可能患MDD，或者是否屬于一個能用于預測疾病進程、選擇治療方案或提供嚴重程度信息的亞類。
2.如權利要求1所述的方法，其還包括如果步驟(g)確定所述個體可能患MDDJlJ:(h)比較該個體接受MDD治療前與治療后的超映射圖結果，檢測生物標記模式是否改變，并且確定這樣的改變在該個體的臨床狀態中是如何反映的。
3.如權利要求1所述的方法，其中，所述生物標記組包含兩種或更多種炎癥生物標記、 HPA軸生物標記、代謝生物標記或神經營養生物標記。
4.如權利要求3所述的方法，其中，所述炎癥生物標記選自al抗胰蛋白酶、α2巨球蛋白、脫輔基脂蛋白CIII、CD40配體、白介素6、白介素13、白介素18、白介素1受體拮抗劑、 髓過氧化物酶、纖溶酶原激活物抑制劑-Lrantes(CCU)和腫瘤壞死因子α。
5.如權利要求3所述的方法，其中，所述HPA軸生物標記選自皮質醇、表皮生長因子、 粒細胞集落刺激因子、胰多肽、促腎上腺皮質激素、精氨酸加壓素和促腎上腺皮質激素釋放激素。
6.如權利要求3所述的方法，其中，所述代謝生物標記選自脂聯素、促酰化蛋白、脂肪酸結合蛋白、胰島素、瘦素、促乳素、抵抗素、睪酮和促甲狀腺激素。
7.如權利要求3所述的方法，其中，所述神經營養生物標記選自腦源神經營養因子、 S100B、神經營養蛋白3、膠質細胞源性神經營養因子、顫蛋白及其異構體和Artemin。
全文摘要
關于診斷抑郁癥或確定個體發展為抑郁癥的傾向的材料和方法，其中采用了多參數超映射系統及相關算法。
文檔編號C12Q1/28GK102257157SQ200980147037
公開日2011年11月23日 申請日期2009年10月15日 優先權日2008年10月15日
發明者B·皮, J·比雷洛 申請人:里奇診斷學股份有限公司