專利名稱：：肺癌的診斷分析法的制作方法肺癌的診斷分析法
背景技術：
：對于美國和許多其它國家的男人和婦女，肺癌是癌癥死亡的主要原因。僅在美國，此病致死數量已經在過去五年中每年遞增至接近164,000,其中大多死于非小細胞性肺癌(NSCLC)。這超過了乳腺癌、前列腺癌和結腸直腸癌的死亡量總和。許多專家相信，肺癌的早期檢出是提高存活率的關鍵。研究表明，當在早期、非轉移期檢出此病，可用外科手術去除癌，五年存活率可達85%。但在癌已經轉移到其它器官尤其是遠端部位后，存活率急劇下降，只有2%的患者存活五年。不幸地是，肺癌是異質性疾病并且通常是無癥狀的，直至達到晚期。因此，僅有15%的肺癌患者在早期、非轉移期被發現。于是，對于能幫助對無癥狀人員進行篩選，進而在最早期最能治療期檢測出肺癌的工具有強烈的需求。已經研究，胸部X射線和計算機斷層掃描(CT)是檢測早期肺癌的潛在的篩選工具。不幸的是，高昂費用和高比例的假陽性使得這些放射成像工具的廣泛應用是不切實際的。例如，美國國家癌癥研究所(U.S.NationalCancerInstitute)的一份近期研究作出結論，用胸部X射線篩選肺癌能檢測出早期肺癌，但是產生許多假陽性檢驗結果，導致不必要的繼續檢驗，Oken等人JoMma/o/f/jejVadwicr/Cawcer97(24)1832-1839,2005。在參加該試驗接受X射線的67,000名患者中，將近6,000名(9%)的結果不正常，需要隨訪。在這些人中，僅有126人(X射線結果不正常的6,000名患者的2%)在首次胸部X射線檢驗后12個月內被診斷為肺癌。正在進行的采用CT掃描的試驗遇到了類似的假陽性問題。基于不確定的射線成像結果的數量，計算出的CT篩選的特異性大約是65%。當對每次進行的CT篩選掃描所檢測出的癌癥患者的數量進行評估時，專家非常關注單個人保健費用的節省，因為發生的保健費用中的一大部分可歸因于在普遍掃描中發現的需要進一步研究的不確定的肺部結節的數量，其中許多最后發現是良性的。PET掃描是另一種可選擇的診斷方法，但是PET掃描價格昂貴，通常不適合用于篩選方案。目前，年齡和吸煙史是在大型篩選研究中已被用作選擇標準的僅有的兩個風險因素。能檢測出射線照相學上明顯的癌癥患者(>0.5cm)以及隱匿性的和癌變前的癌癥患者(射線照相檢測的極限值以下)的血液檢驗將鑒別個體，對于這些個體輻射學篩選是最可靠的并且事實上將減少需要進一步研究的良性肺部發現的數量。因此很明顯，急需克服上述射線照相技術的局限性的改進的肺癌篩選和;險測工具。
發明內容本發明涉及通過使用體液樣品來早期檢測出肺癌的分析、方法和試劑盒。尤其是，本發明涉及通過評估例如自身抗體生物標記的一個或一組標記的存在而檢測肺癌。本發明可用于全面肺癌篩選策略，尤其是當與射線照相成像和其它篩選形式一起使用時。本發明可用來富集群體，用于進一步射線照相分析以排除可能存在的肺癌。筒言之，本發明涉及一種^f企測出患者可能存在肺癌的方法，其中一個實施方案是通過提供患者的血液樣品，并分析該患者血液樣品存在一個或一組與肺癌相關的自身抗體。該小組是可鑒別的，例如通過評估與小組成員相關的癌癥的最大可能性。各種各樣的統計工具中的任何一個可用來估計多種變量對于結果的同時貢獻。本發明用來分析主要CT篩選試驗所獲得的樣品，把早期和晚期肺癌以及隱匿性疾病同風險匹配(risk-matched)對照區別開。對肺癌存在的預測，本分析的準確度為接近90。/。，并在射線照相4企出肺癌之前五年。本分析可作為篩選檢驗應用于無癥狀患者或者高風險組的患者，他們使用公認的檢驗和方案尚未診斷出肺癌，也就是，例如他們沒有在射線照相上可檢測出的肺癌。相對于高昂費用和低特異性的現有的肺癌篩選方法，如胸部X射線或低劑量CT,本發明提供另一種可選擇的方法。本分析使癌癥檢出率最大化，同時限制檢測需要進一步確診的良性肺部結節，因此本分析是有效的、價格可取的工具，可輕易地并入全面的早期檢測策略。有了下述說明和所附的權利要求，將更好理解這些及其它本發明的特方面禾H"尤點。詳細描述病理狀態的早期診斷是有益的。然而不是所有的病理狀態都具有輕易可檢出的、單一標志。其它病理狀態在病原學和表型上是異質性的，或者貫穿其發育階段。在這樣的情形下，一種單一的、敏感的和特異性的診斷標志或標記不太可能存在。然而，現在有可能開發一種采用了多元(plurality)標記的合適的診斷分析法，單獨的標記可能不具有足夠的預測能力，但是在某種組合下，實際應用中一組標記具有足夠的特異性和敏感性。而且，多重技術和數據處理能力賦予了開發具有使用方便和對界定群體或普通群體更好的預測能力的、特殊化和個性化的診斷分析法的靈活性。本發明提供了一種新的^r測疾病如肺癌的分析法和方法，其比傳統方式更早更準確。簡言之，獲取患者或研究對象的樣品如血液樣品，并分析是否存在一組抗體生物標記。對于肺癌，采用一個或一組標記，每個標記在某種程度上與肺癌相關，當使用一組標記時，其中大多數產生在異質性的群體中對肺癌可能性的可預測的測量。正如下面更詳細的闡述的，根據本發明的分析法和方法正確地鑒別了早期和晚期肺癌患者。鑒別早期肺癌患者是特別有價值的，因為目前的分析法和篩選才莫式在此方面以強有力和節省成本的方式是能力有限的。與目前使用的分析法相比，本篩選分析法提供了更好的可預測性，產生更少的假陽性，目前使用的分析法通常也是昂貴的。本分析法也是多用途的，通過使用一種能同時測試大量樣品的分析格式，例如采用微陣列，與任一群體相關的對照樣品可并行地進行以獲得高度可信的區別數據，其中多元對照與盡可能多的參數匹配來檢驗群體。這能校正可能產生的并會混淆結果的個體差異，例如種族、性別、年齡、多樣性等。定乂此處使用的下述術語應該具有下述意義。"肺癌"是指肺內的惡性過程、狀態和組織。"蛋白質"是肽、寡肽或多肽，該術語此處可互換使用，是一種氨基酸聚合物。在文庫方面，多肽不必編碼具有生物活性的分子。所關心的抗體結合表位或抗原決定簇。表位是完整功能分子的部分，在蛋白質的方面，可包括少到大約三個至大約五個連續的氨基酸。"標準化"涉及計量或測量的統計學處理，對觀察結果的背景和隨機千擾進行纟交正或調整以確定該計量、統計或測量是否是真實的反映、響應或反應結果，還是不顯著的和隨機的。"非小細胞性肺癌"(NSCLC)是肺癌的一種亞型，其占全部肺癌的大約80%，與小細胞性癌癥相比，后者特點是小的、卵形細胞，也被稱作燕麥形細胞癌。包括在NSCLC亞型中的是鱗狀細胞癌、腺癌以及大細胞癌。"體液"是從人體獲得或源自人體的任何液體樣品，例如血液、唾液、精液、淚液、組織提取物、分泌物、體腔沖洗物、血清、血漿、組織液及類似物，可作檢驗的患者樣品。然而，優選的可使用的液體是可在測試前經過處理如凈化，例如通過離心分離。體液樣品是一種液體樣品。"血液樣品"一般指從個體獲得的靜脈血的小量的等分部分。血液可經過處理，例如采用肝素或EDTA使凝血因子失活，去除血紅細胞產生血漿樣品。可允許血液凝塊，固態和液相分離，產生血清。所有的這些"處理過的，，血液樣品落入此處定義的"血液樣品"的范圍內。"表位"是指與抗體結合的特殊的分子結構。別稱是抗原決定簇。多肽表位可以是3至5個氨基酸那么小。"生物標記"是指因素、指示物、得分、計量、數學處理等類似被評價的，以及發現在結果的預測中有用，例如生物實體的當前狀態或將來健康狀態。生物標記也稱作標記。"小組"是指一系列被編排的標記，在分析中它們一起^皮測量。小組能由2個標記、3個標記、4個標記、5個標記、6個標記、7個標記、8個標記、9個標記、IO個標記、11個標記、12個標記或者更多標記組成。在本申請中教導的統計學處理和分析方法以及其中能應用在本發明的實踐中的提供了在所關心的分析中對一些有益標記的任何標記的使用。"結果"是那些^皮預測的或檢測出的。"自身抗體"是指針對包括于病理細胞如被感染的細胞和腫瘤細胞中的"自體"(自身)蛋白質的免疫球蛋白或抗體(該術語此處可互換使用)。這種情況下對抗腫瘤的抗體來源于個體自身腫瘤，是他/她自身細胞的基因畸變。"加權和"是指來自單個標記的得分的編輯，每個標記具有預測值。具有更高預測值的標記對和的貢獻越大。用于已知的統計范例例如對數回歸，單個標記的相對值是統計衍生的以最大化多變量表式的值。能使用一些市場上可獲得的統計學軟件包。在更多的因子的公式中例如回歸方程，每個因子的系數提示那個因子(標記)的"加權"。"統計學顯著性"是指區別不可能只是與機會相關。"標記"是在診斷中評價和使用的因素、指示物、計量、得分、數學處理等類似的。標記能夠是例如多肽或抗原，或者是能夠結合抗原的抗體。標記也能是結合配對或結合配偶體的任何一個，作為實體的結合配對或結合配偶體對另一個具有特異性，例如抗體和抗原、激素和受體、配體和配體所結合的形成復合物的分子、酶和輔酶、酶和底物等等。"預測標記，，是指在使用已知技術檢測到肺癌前已存在的標記。因此，在患者以放射照相學檢測發現的癌癥前本分析檢測肺癌特異性自身抗體，例如注意到放射照相學檢測的癌癥之前5年。這樣的自身抗體是預測標記。"目標群體"指任何以特殊的標記、狀態、環境、疾病等為代表的亞系列群體。因此，目標群體能是特殊的患者，例如具有特殊形式或階^:的肺癌，或吸煙群體。目標群體可包括具有一種或多種風險因素的人。目標群體可包括有可疑檢驗結果的人，例如肺中存在異常需要進一步和更經常地監測。"放射照相的"指任何成像方法，例如CAT、PET、X射線等。"放射照相學可檢測到的癌癥"指通過放射照相手段診斷或檢測的癌癥。癌癥的存在一般通過組織學確認。"組織樣品，，指來自特別組織的樣品。對于液體形式的組織樣品，樣品能是體液或來自液體組織例如血液，或處理過的血液等份。相也與獲得液體的實體組織相關，例如滲出液、用過的組織培養液、切碎的實體組織的沖洗液等。^#^#記種遂舉鑒別，肺癌相關標記例如自身抗體、對其有特異性親和力的蛋白或和其結合的蛋白。在抗體生物標記的情況中，能使用多種基于免疫學的方法中的任何方法。如本領域已知的，具有結合特異性的適體(aptamer)、鏡像異構適體(spiegelmer)以及類似物也可以代替抗體^吏用。許多已知的依賴抗體-抗原反應的高通量方法能夠在本發明中使用。來自目標群體中個體的分子能與那些來自對照群體的相比以鑒別任何肺癌特異性的分子，例如使用減法挑選等。可選擇地，目標群體和正常(對照)群體樣品能用于鑒別來自分子文庫的對目標群體特異性的分子。能夠用文庫實行親和篩選形式，用抗體作為探針篩選文庫的候選分子。使用抗體來篩選候選分子也稱為"生物淘洗(bi叩anning)"。然后驗證目標群體-特異性的分子及其使用，確定單個標記作為目標群體成員的預測指標的能力。一種合適的手段是獲得對肺癌是或不是特異性的分子文庫以及篩選那些文庫尋找結合目標群體成員抗體的分子。因為蛋白或多肽表位能夠是3個氨基酸，也能長度少于10個氨基酸、長度少于20個氨基酸等，文庫的單個成員的平均長度是設計的選擇。因此，文庫的較小成員能大約3-5個氨基酸以模擬單獨的抗原決定簇，而20個或更多氨基酸的成員可能模擬或包含2個或更多的抗原決定簇。文庫也不需要限制于多肽，因為其它分子例如糖類、脂類、核酸及其組合能是表位，并且因此用作或鑒別肺癌的才示i己。因為生物標記鑒別過程尋求鑒別表位而不是完整的蛋白或其它分子，被掃描的或被篩選的文庫不需要是肺癌特異性的，而且能從正常個體分子獲得，或能夠從隨機分子的群體獲得，雖然使用從肺癌患者得到的樣品能增加鑒別合適的肺癌生物標記的可能性。盡管如此，不考慮包含表位的分子的功能，表位或交叉反應分子在肺癌患者中存在并且是免疫原性的。那些方法的實例-說明在使用T7的肺癌特異性cDNA噬菌體文庫和M13隨才幾肽文庫的實施例中描述。如本領域已知的，二者在噬菌體展示文庫中攜帶。一個T7噬菌體NSCLC的cDNA文庫是購買的(Novagen，Madison,WI,USA),第二個是通過腺癌細胞系NCI-1650構建的(受贈于H.Oie,NCI,NationalInstitutesofHealth,Bethesda,MD,USA)。因此，如本領域已知的建立噬菌體文庫。提取并挑選來自目標組織或細胞的總RNA。進行第一條鏈的cDNA的合成，確保對N-末端和C-末端的氨基酸序列都表現。該cDNA產物連接到相容的噬菌體載體以產生文庫。該文庫在合適的細菌宿主中擴增，對于裂解性噬菌體如T7，裂解細胞得到制備的噬菌體。在標準條件下滴定裂解液并提純后存Hi。對于其它噬菌體，病毒可排出到培養液中如M13的情況，在該情形下收集上清液病毒并滴定。噬菌體文庫用組織樣品進行生物淘洗(biopan)或篩選，組織樣品優選地是液體樣品如來自肺癌患者的血漿或血清，以及類似的組織樣品，例如來自正常健康供體的血漿或血清，來鑒別被配體識別的潛在的展示分子例如肺癌患者體內的循環抗體。在一種實施方案中，組織樣品是血液樣品如血漿或血清，目的是鑒別標記，這些標記是一皮目標群體如非小細胞性肺癌患者的血漿或血清中的抗體所識別的。為了去除被來自該文庫的非目標群體的抗體識別的噬菌體，例如將噬菌體顯示文庫暴露于正常血清或血清池。未反應的噬菌體從那些與非目標群體樣品進行反應的噬菌體中分離出。然后未反應的噬菌體暴露于NSCLC血清來分離被NSCLC患者血清中的抗體識別的噬菌體。收集反應的噬菌體，在合適的細菌宿主中擴增，裂解液經收集、存貯、確定為"樣品l"或是"生物淘洗1"。生物淘洗和擴增過程可重復多次，通常采用相同的對照和目標樣品來^是高純化過程。來自生物淘洗的噬菌體代表一種富集群體，它們更可能含有被來自NSCLC患者樣品中的抗體特定識別的表達分子。由于許多噬菌體文庫表達多肽，所以選擇的噬菌體可被說成表達和表現NSCLC相關抗體的"捕獲肽"。為了進一步選擇表達與NSCLC-特異性抗體結合的分子的噬菌體集落，生物淘洗中選出的單個噬菌體裂解液可被自動地點放到例如載玻片(SchleicherandSchuell,Keene,NH)上,采用Arrayer(Affymetrix,SantaClara:CA)來制備帶有多個被NSCLC患者血清中的抗體結合的候選的噬菌體-表達分子的微陣列。為了鑒別哪種噬菌體展示分子可能是NSCLC-特異性捕獲分子C能結合NSCLC-特異性抗體)，例如將篩選載玻片與單個NSCLC患者血清樣品一起孵育，理想的不是那些在生物淘洗中所使用的，并使用標準免疫分析方法進一步篩選。與噬菌體結合的抗體可被鑒定，如本領域已知，例如通過采用合適的免疫試劑的雙色標記，其中噬菌體載體表達產物用第一種有色或可檢測的報告分子標記，來對每個位點的表達產物計量，與噬菌體表達多肽結合的抗體用第二種顏色或區別于第一種報告分子的可檢測的報告分子標記。一種解釋鑒別NSCLC樣品中的抗體結合的與NSCLC相關的或NSCLC特異性的捕獲分子的數據的實用方法，是通過多變量的計算機輔助回歸分析，這些多變量顯示載玻片上所有多肽的平均信號和標準偏差。對單個噬菌體進行統計處理，來確定特異性，并且對多個噬菌體也進行統計處理，來確定是否噬菌體子集對于確定樣品是否來自患有還是可能患有NSCLC的患者，能提供更好的預測能力。監測多個樣品的統計處理能確定分析的差異性。隨著群體取樣增加，這種差異性可用于評價分析間的差異性并提供可靠的群體參數。因此，與載玻片、芯片等上的其它噬菌體相比，例如，當信號是〉1、〉2、>3或更高的標準差偏離正常值(芯片上的平均信號)時，那些與患者樣品中的抗體結合更好的噬菌體被考慮作候選噬菌體。在此處所述的一些試驗中，候選噬菌體代表用生物淘洗過四次的T7文庫構建的篩選芯片上的噬菌體展示多肽的大約1/100。候選的噬菌體集落編排在"診斷芯片"上并進一步評價在分辨NSCLC患者的樣品與非NSCLC群體的樣品中獨立預測值。根據診斷標記對受試者中存在或將來存在放射學上可檢測的肺癌的預兆/4企測/鑒別的能力來選^^。由于一些病情有多種病因、多種細胞源等，以及呈現異質背景的任何疾病，一組或多個標記更可能預測或診斷那種特殊病情。肺癌即是一種這樣的病情。如在生物統計領域已知的，能應用一些不同的統計方案來確定相關多重變量的共同預測能力，例如一組標記或與一組標記的反應性。因此，例如能使用動態統計模型來解釋來自多個因素的數據，來開發依賴使用兩個或以上這樣因子的預后檢測。其它方法包括Bayesian才莫型，使用條件概率、最小二乘法分析、部分最小二乘法分析、對數多重回歸、神經網絡(neuralnetworks)、辨別式分析、基于自由分配等級的分析、其組合、其變量等來選擇一組合適的標記用于包括在診斷分析中。目的是處理多元變量，然后處理數據來最大化期望的計量，參見例子，例如Pepe&Thompson,說(wtoto"cs1,123-140,2000;Mcintosh&Pepe,S/ow&ncs58,657-664,2002;Baker,B/o附"hcs56,1082-1087,2000;DeLong等人，fi/oweWa44,837-845,1988;以及Kendziorski等人，S,o附""(^62,19-27,2006。因此，在某些情況中，統計處理尋求最大化預測計量，例如接收器工作特性(ROC)曲線的曲線下面積(AUC)。處理得出公式途徑或算法來最大化依賴于選擇的系列變量的結果，揭示任何一個或所有變量對最大化的結果的相對影響。標記的相對影響能在描述系數與變量關系的衍生公式中看到。因此，從這樣的分析中選出例如在此后描述的實施研究中鑒定的五個標記的兩組，通過包含五個標記的公式來描述最大AUC、得分，用公式中的任何一個標記的相對加權獲得用那個任何一個變量的系數來代表的最大預測能力。系數代表加權，衍生公式能看作得出加權和的被加權的變量的總和。目標是在被選擇的和優選地最小的多個變量(標記)中找到最大化中的平衡點，例如特異性和敏感性、或陽性預測值，使得在那些參數的啟發下能進行機械化診斷分析。為了最大化結果，變量的加權或影響是從目前確定和分析過的數據衍生的，并且隨被分析患者的增加重新計算。隨患者數量增加，代表關于平均值的可信界限值的群體平均值的計量的可信度也增力口。如在此后的實施例中提到的，用實例說明的一組五個標記包括具有單個特異性超過觀察到的CT掃描的特異性的標記。任何特異性超過65%的任何一個標記能有利地作為肺癌的診斷分析，因為本分析法和在肺癌診斷中目前的標準一樣有效，并且產生費用更低，且以一種非侵入的方式。也要注意，無i侖怎樣的計量，與任何一個標記相比，五個標記一起使用提供更高的預測能力。標記可能在不同的亞群體中有預測性，或者兩個或更多標記的表達可能是協同的，例如它們可能有共同的生物存在或功能。總合預測值不是必須可加的，并且標記的不同組合為預測提供不同的準確程度。使用最大化預測力和五個標記的組合的統計處理是基于參照群體研究的結果。因此，原則上，因為兩個或更多標記的協同存在以及基于多元標記的i貪斷的計量，例如此后教導的一組五個標記中的一個，患者樣品用五個標記進行檢一驗和診斷，基于五個標記進行計算。如在此討論的，因為統計處理例如對數回歸，任何一個變量對多重計量的貢獻可能是對于最大化總和較大或較小的貢獻。如果患者得分、總分等是五個標記的總合計量的至少30%、至少40%、至少50%、至少60%或更多，甚至在患者可能是一個或更多標記陰性的情況中，因為一些或更多重要的加權標記是陽性的，則更可能認為患者是肺癌陽性的。臨界得分、總分等這些可能是參考或標準值，其可以是群體平均值，患者/實驗樣品的相似度的可接受的水平到分數、總分等得出陽性檢驗結果，提示肺癌存在的可能性，是設計的選擇，并且通過提供檢測陽性樣品的可信范圍或水平的統計分析來確定或冒假陽性的危險通過經驗開發。如此前教導的，所述水平能是五個標記的總合計量的或群體總和的、參考值等的至少30%、至少40%、至少50%、至少60%或更多。臨界或"耐受值"即來自群體得分、總分等的患者得分、總分等的可接受的相似度程度是能夠被增加的，即患者的得分必須十分接近群體得分來增加敏感性。雖然如本領域已知的知道ROC曲線的形狀是預測值等的相關考慮因素，但是標記或一組標記的預測能力能使用任何統計種類來測量例如特異性、每丈感性、陽性預測值、陰性預測值、診斷準確性、例如ROC曲線的AUC,其中ROC曲線是特異性和敏感性間的相互關系。與單獨使用任何一個標記相比，因為一起考慮的多個標記的更大的總合預測能力，多重標記的應用使更強并且在更大的群體中更可能進行診斷的診斷檢驗成為可能。如此后更詳細討論的，本發明仔細考慮了不同分析形式的使用。微陣列使同時檢驗多重樣品成為可能。因此，微陣列能包括一些對照樣品，陽性和陰性的。然后分析法能夠對多個樣品進行同時處理，例如樣品是來自一個或多個已知感染患者的樣品、以及來自正常人的一個或多個樣品、和一個或多個待一起檢驗和比較的樣品、實驗、病人的樣品、待檢驗的樣品等。考慮到分析中信號強度的歸一化、校準和標準化，在分析中包括內部對照。例如，能夠多份運行每個陽性對照、陰性對照和實驗，能系列稀釋多個樣品。對照和實驗點也能隨機安排在微陣列設備上以盡量減少由于樣品在檢驗設備上的位點引起的變化。因此，具有內部對照的微陣列或芯片可以同時在微陣列和芯片上診斷實驗(患者)檢驗。以受控方式獲得的這些多元;f全驗方法和數據使在分析設備內進行患者診斷成為可能，因為準備了合適的對照，并且如果該組標記是單個具有高可能預測能力的，例如ROC曲線的AUC〉.85,并且五個標記的AUC總和、95，那么能夠獲得診斷結果。當發現一組標記的每個標記都具有相對可比特4正例如后面實施例的，則分析能以定性的形式操作。因此，肺癌病人樣品可能對五個標記都是陽性，這樣的樣品是十分可能是肺癌陽性的。能通過確定幾率來驗證，基于5個標記作為整體，如在此討論的，獲得患者五個標記的計量和或得分，然后比較該數字和標記的預測能力，使用以上討論的統計工具衍生。對四個標記是陽性的患者，因為四個標記的能力可能是事實的，也應該考慮處于危險，能夠用肺癌來診斷和/或應該進行更細致的檢查。只對三個標記是陽性的樣品可能需要再次檢驗，一個使用其它標記的檢驗，放射照相的或其它檢驗，或在其它給定的時間范圍用本分析進行另一次檢驗。因此，對于一組n標記，衍生了預測能力公式，例如回歸公式，規定了解釋五個標記對結果的關系的最大可能圖。患者可能少于n個標記是陽性，當多數例如50。/。或一半以上的標記在患者中存在，為進一步考慮，在該情況中可認為是陽性的或可能是陽性的。病人也應該表現肺部疾病潛在癥狀的明顯跡象，因為某些組標記可能對特殊的疾病例如NSCLC是特異性的，可能患者需要進一步的分析以排除其它肺部疾病。因此，在使用n個標記的任何一個分析中，能獲得基于被檢驗的標記的陽性信號總數的整個數目的首要的、定性的結果。合理的臨界可能是50%或更多的標記陽性。因此，如果檢驗四個標記，那么2、3或4個標記陽性的樣品假定考慮是可能有肺癌的。如果檢驗五個標記，那么3、4或5個標記陽性的樣品假定考慮是陽性的。臨界值能根據設計選擇而變化。基于數據的采集和統計處理，從群體的觀點，優選的標記組可能是動態的并且可能隨時間變化，可能隨新的標記的開發而變化，可能隨群體的變化、增長等而變化。同樣，當被檢驗的群體大小增加時，標記子集的可信度、加權的系數以及診斷準確可能性可以變得更確切，如果標記是生物或機制相聯系的、因而衍生的，可信區間或誤差區間會減小。因而，本發明也仔細考慮能在一般群體中使用的標記子集的應用。可選擇地，關注的分析設備可包括僅僅一個標記子集，例如在此后實施例中使用的5個標記的組，其對某種群體是優選的。能夠通過分析噬菌體集落插入片斷編碼的多肽來確定表達多肽的氨基酸順序。例如噬菌體插入片斷能用市場上可得到的噬菌體載體引物來PCR擴增。基于大小和PCR產物酶消化形式的不同來鑒別獨特的集落，并且獨特的PCR產物然后被純化和測序。通過與已知序列相比鑒別編碼的多肽，已知序列例如使用BLAST搜索程序的GenBank數據庫。因此，例如以下的表1和2總結了在肺癌患者中結合自身抗體的肺癌cDNA的T7噬菌體集落。表1<table>tableseeoriginaldocumentpage16</column></row><table><table>tableseeoriginaldocumentpage17</column></row><table><table>tableseeoriginaldocumentpage18</column></row><table><table>complextableseeoriginaldocumentpage19</column></row><table>*這其中噬菌體集落名稱的字母部分以及后續的表格是作為實驗室命名固定的,如在此使用的，噬菌體集落名稱的數字部分是集落明確的鑒別。冗余集落表2提供其它鑒別為與NSCLC相關但不顯示編碼已知多肽的集落。表2<table>complextableseeoriginaldocumentpage19</column></row><table><table>tableseeoriginaldocumentpage20</column></row><table><table>tableseeoriginaldocumentpage21</column></row><table><table>tableseeoriginaldocumentpage22</column></row><table>GGCCGCG"S5Td"5tCGGGGC^玩1GCTGGTTGCCCATTGACAGCGGC^GTCTGCAGCTCGCTTCAAGATGG;CCGCTTGGCTCGCATTCATTTTCTGCTGAACGACTTTTAAC丌TCNTTGTCTTTTCCGCCCGCTTC隨CGCCTCNCGCCGGCTGCTCTTTCCGGGATTTTTTATCMGCAGAAATGCATCG(SEQIDNO:31)_也能使用隨機肽文庫鑒別候選多肽，其在NSCLC患者而不在正常人中結合循環抗體。因此，例如包括109隨機多肽的噬菌體展示肽文庫和病毒次要(minor)衣殼蛋白融合，能篩選結合肺癌患者抗體的捕獲蛋白，使用與上面描述的類似技術例如使用微陣列并且如本領域已知的。一種被使用的M13文庫(NewEnglandBiolabs)表達7個氨基酸多肽插入序列，其作為噬菌體表面的環狀結構。如在此描述的，生物淘洗文庫來富集特異性被NSCLC患者血清中的循環抗體識別的噬菌體表達蛋白。被選擇集落的噬菌體裂解液被機械地(Affymetrix,SantaClara，CA)雙份地點在載玻片上(SchleicherandSchuell,Keene,NH)。點陣噬菌體與來自NSCLC患者的血清樣品一起孵育來鑒別被循環的肺腫瘤相關抗體結合的謹菌體表達蛋白。運用已知的免疫分析法，以合適的報告分子，表示載玻片上所有多肽的提示平均信號和標準差的計算機產生的回歸曲線被用來鑒別被NSCLC患者血漿中抗體結合的肽。結合顯著量來自NSCLC血漿樣品(例如離正常的標準差>3)抗體的噬菌體被考慮為進一步評價的候選分子。表3M13集落<table>tableseeoriginaldocumentpage23</column></row><table><table>tableseeoriginaldocumentpage24</column></row><table>還沒有測序的其它肺癌特異性集落提供在以下表4。<table>tableseeoriginaldocumentpage25</column></row><table>文庫高通量篩選的目的不是鑒別所有癌癥特異性蛋白，而是鑒別一群作為一組的預測標記，其能用來預測是否包括受試者進入肺癌群，具有最大程度的特異性和敏感性。如此，該方法的目標不是產生復雜的蛋白組學(proteomic)圖譜，或實際鑒別疾病蛋白例如肺癌蛋白，而是鑒別一些當聚集成一組預測疾病的標記，使強預測分析異質性群體中的異質性疾病成為可能。任何一個標記可能或不可能在肺癌發生中有直接作用，或作為肽，肽起源的分子的實際作用可能目前不知道。浙#我傳#卓個#獲香冷^潛合在診斷芯片上編譯的捕獲蛋白能用來測量血液樣品中肺癌-特異性抗體的相對量。可以通過使用多種平臺、不同多肽組成(例如噬菌體表達、cDNA衍生的、肽文庫或純化的蛋白質)、允許樣品之間和樣品中進行比較的不同的統計排列(permutation)來實現。比較將需要通過外部校準或內部歸一化的測量標準化。因此，在所述實施例的玻璃載玻片陣列包括多個噬菌體表達捕獲蛋白(例如M13和M7噬菌體)和多個陰性外部對照蛋白(不能結合患者血漿中的抗體的噬菌體，沒有插入序列的M13或T7-稱為"空"噬菌體)，用免疫分析作為篩選手段，使用兩個非限制性統計方法通過噬菌體衣殼和血漿樣品抗體結合的兩色熒光標記對數據進行歸一化1)抗體/噬菌體衣殼信號比率在篩選中鑒定的捕獲蛋白、單個診斷芯片上的多個非反應性噬菌體、加上"空，，噬菌體用標準的免疫化學技術和雙色染色與樣品一起孵育。用抗體結合捕獲蛋白的中位值(或平均值)信號除以商業抗體針對噬菌體衣殼蛋白的中位值(或平均值)信號來計算點中的總蛋白量。因此，血漿/噬菌體衣殼信號比率(例如Cy5/Cy3信號比率)為針對獨特的噬菌體表達蛋白的人類抗體提供了歸一化測量。然后測量能夠被進一步歸一化，通過減去針對空噬菌體的背景反應性并除以噬菌體信號的中位值(或平均值)，[(噬菌體的Cy5/Cy3)-(空噬菌體的Cy5/Cy3)/(空噬菌體的Cy5/Cy3)]。該方法是定量的、可重復的、并且彌補芯片之間的可變性，允許樣品的比較。2)標準化殘基在篩選中鑒定的捕獲蛋白、單個診斷芯片上的多個非反應性噬菌體、加上"空"噬菌體用標準的免疫化學技術和雙色染色與樣品一起孵育。測量與統計確定的回歸線的距離，然后通過除以通過殘基標準差的測量(值)標準化。該手段為每個點中的蛋白量中結合每個獨特噬菌體表達蛋白的抗體的量也提供可靠的測量，該手段是定量的、可重復的、并且補償芯片之間的差異性，允許樣品的比較。這樣的信號歸一化可用于在診斷分析中4企驗未知的信號，以確定患者對于一個標記是否是陽性。該分析可依賴抗體存在的定性確定，例如認為任何背景之上的歸一化值是那個抗體的證據。可選擇地，該分析可以通過確定標記的信號強度而定量，作為對抗體回應活力的反映。因此，如在此所述的，對于一個標記的反應的確切數字歸一化值可用在診斷癌癥的公式確定。婆W斜條記所有候選噬菌體表達蛋白的歸一化測量能用于患者組和正常人組之間統計顯著性差異的獨立分析，例如通過使用JMP統計軟件的t-檢驗(SAS,Inc.,Cary,NC)。不同的具有對^^皮測樣品不同的獨立辨別水平的標記組合能以不同方式令人滿意的組合。統計處理是以多變量分析形式比較不同組合中的所有標記來獲得一組與疾病的存在的相關有最大可能的標記。如在任何群體統計中，標記的選擇是由使用的樣品的數量和類型決定的。由此，"標記的優選組合"可能不同，例如群體到群體或基于異常的階段。當檢驗基于變量的大樣品系列(〉1000)時，標記的優選組合可能變化，而在小樣品大小(<100)中可能不明顯、或因為標記的群體發病率的驗證顯示減小的偏差。加權對數回歸是組合具有更多或更少的獨立預測值的標記的對數手段。辨別被測樣品的標記的優選組合可通過例如組織和分析使用ROC曲線獲得的數據界定。為統計患者組和正常人組之間顯著性差異，通過例如t-檢驗獨立分析對于所有候選噬菌體表達蛋白的標準化回應。統計處理是以多變量分析形式比較不同組合中的所有標記來獲得一組與疾病的存在的相關有最大可能的標記。在此示范的對于肺癌的小組(兩個或更多標記的組合測量)具有高組合預測值并且顯示優秀的辨別(是癌癥或不是癌癥)。雖然本發明包括具有辨別存在癌癥和正常樣品的能力的選擇的詳細的肽小組，更優選的是，本發明被進一步開發，使用一些而不是所有鑒定標記，以及不是所有具有潛在鑒定能力的標記，或它們的組合。所以，小組可包括至少兩個標記；至少三個纟示i己；至少四個標i己；至少五個一示i己；至少六個4示i己；至少七個標記；至少八個標記；至少九個標記；至少十個標記以及依此類推，標記的數量由統計分析控制以獲得結果的最大預測性。因此，例如在此描述的實施例和、組只是示范。從統計學的立場，包括另外的標記最終會S1起鑒別樣品中所有受影響的個體的檢驗。然而，由于價格的考慮商業實施的方案可能不要求或需要或想要大量的標記，因為考慮大量變量可能要求統計處理，也許對大量對照的需要因而減少可以一次檢測的試驗的數量，等等。商業能力具有與科學確定不同的最終目的。然而，觀察到大量標記或不同小組標記能增強敏感性和/或特異性，引導實施方案追蹤用小量標記的陽性分析的后續研究，這樣會使患者的樣品用少量或大量的標記檢驗，或不同小組的標記檢驗以排除假陽性的可能性。這樣的隨訪研究使用具有重新設定的生物標記組進行感興趣的分析，這是對于例如CT或活組織檢查這樣價格更高并且具有潛在侵入性的技術的吸引人的其它選擇，CT使患者暴露于高水平的輻射。因此，例如有三個或少于五個標記小組是陽性的患者可用更大量小組的標記檢驗作為確認檢驗。本分析也可作為其它分析形式的確認，例如X-射線或CT掃描，特別是如果X-射線或CT掃描不能提供確切的診斷，使再檢驗成為需要，為了加快隨訪、在下次才全-驗前或長或短的期間以及類似的情況。因此，本分析可用于這樣患者的隨訪。陽性檢驗能證實肺癌的可能性，陰性檢驗能預示良性癌癥或根本無癌癥，并且非診斷X-射線或CT掃描揭示正常組織差異。因為"商業上現成的"分析中精確的類別預測會基于測量來自大量來自廣大人口統計學的樣品，所有在開發中回顧的樣品檢驗能最終并入，作為分類標記、例如預測值的分析能力，會繼續改進。除了分析開發的動態方面，多重(多標記)分析的特點允許預測標記在開發或實施中的任何點加入。在本文，在診斷中使用的驗證標記是作為產生通過界定"正常范圍"增強預測準確性的高穩定系列的分類標記的第二目的。雖然對于臨床診斷最合適的截斷值(cutoff)必須通過在給定的目標群體中的差異性來確定，但是與正常范圍的偏差提供了疾病的統計可能性(例如來自正常>2的標準差)。,標記為、浙^^如在此詳細討論的，本發明考慮不同分析平臺的使用。微陣列使同時檢驗多個樣品成為可能。因此，微陣列能包括一些陽性和陰性的對照樣品。因此，所述分析能對多個樣品進行同時處理，例如來自已知受感染的患者的樣品和正常人的樣品、以及待檢驗的樣品。進行內部對照允許在分析中信號強度的歸一化、核準和標準化。因此，具有內部對照的這些微陣列、MEMS設備、NEMS設備或芯片使得在設備上可以同時進行試驗(患者)檢驗的診斷。MEMS和NEMS設備能用于微陣列分析，或者能成為"芯片上的實驗室"形式，例如結合微流體以及類似的，使其它分析平臺和指示器成為可能。為了增強預測能力和值、以及在一般群體中的應用能力，以及降低成本，本分析形式能從標準的免疫分析變化，例如測驗片(dipstick)和側向流動免疫分析(lateralflowimmunoassay)(其一般以低生產成本同時檢測一個或小數量的目標)，到ELISA型形式(其配置通常是在多孔培養亞中操作的，例如能夠同時處理96、384或更多樣品并且對于臨床實驗室設置來說是普通的并且和自動裝置一起使用)，到芯片和微陣列形式(其可以以高通量方式同時檢驗更多樣品)。所述分析也能配置產生簡單的、定性辨別(是癌癥或不是癌癥)。但是在疾病的處理中多種不同的應用是可能的，并且如在此傳授的能夠制備任何一種應用的獨特標記。獲得不同系列的標記用以從其它類型的癌癥區別肺癌，從晚期癌癥區分早期，區分特別亞型的癌癥以及在治療介入后跟蹤疾病的發展。因此，能夠評價療法并且為了監控治療的進展或減輕用本分析通過重復系列檢驗按照需要操作。所述分析例如通過包括捕獲分子的一系列稀釋的定量版本能辨別癌癥尺寸隨著治療的縮小。當鑒定出檢測循環的自身抗體的例如肽的特別的表位，所述的表位能以本領域已知的形式用于診斷分析。因為反應是免疫反應，能以多種已知免疫分析形式的任何形式提供合適的診斷。表位可附著于固相，如使用已知的化學反應。表位也能共軛到其它分子，其通常比表位大以形成合成的軛合分子或運用本領域已知的重組方法能夠被制成復合分子。許多多肽自然地結合例如聚乙烯表面的塑料表面，見于例如多孔皿的組織培養設備中。通常，這樣的塑料表面被處理以增強生物相容分子結合其上的能力。因此，多肽形成捕獲單位，懷疑攜帶特異性結合所述表位的自身抗體的液體尋t暴露給捕獲單位，抗體漸漸附著和固定在捕獲單位，然后沖洗后，用合適的可檢測到的標記的報告分子來檢測結合的抗體，例如抗人抗體，所述抗人抗體是用例如膠體金的膠體金屬、例如熒光素鈉的熒光素以及類似物標記的。其機制以例如ELISA、RIA、蛋白印記(westernblot)以及類似反應為代表。檢測自身抗體的免疫分析的具體形式由設計選擇。可選擇地，如果特別的噬菌體表達特異地被在肺癌患者中發現的自身抗體結合的表位(這些集落特異地命名并且以母液儲存，當自即時申請獲得專利時可以根據需要獲得)，分析的捕獲單位能是單個噬菌體，例如從細胞裂解物獲得，每個在固相上的一個捕獲點。也能使用惰性反應載體，侈'H口蛋白、食'H口4呂詳口4丁形蟲血藍蛋白(keyholelimpethemocyanin)，或例如合成的多聚物的合成的載體，表達的表位結合其上，類似于載體上的半抗原，或通過任何其它手段將感興趣的表位提供在固相上用于免疫分析。可選擇地，配置可采取這樣的形式，其中結合例如抗體的Fc部分的免疫球蛋白的非抗原結合部分的捕獲單元附著在固相。相應地，合適的捕獲單元可以是蛋白A、蛋白G或是a-Fc抗體。患者的血漿被暴露給捕獲劑，然后肺癌特異性抗體的存在通過如本領域所知的直接或竟爭形式被標識的才示^己4全測。類似地，如上面討論的，捕獲單元能夠是結合噬菌體的抗體，展示表位以提供產生特異性捕獲劑的另外的手段。如在免疫分析領域所知的，捕獲單元是抗體結合的抗原決定簇。如在此講授的，抗原決定簇可以是任何分子，例如生物分子，或其部分，例如多肽、多核香酸，脂質、多糖以及類似物，及其組合，例如糖蛋白或脂蛋白，所述抗原決定簇的存在是與肺癌患者中抗體的存在相聯系的。例如抗原決定簇能夠是天然發生的并且純化的。可選擇地，抗原決定簇能夠是通過重組手段制備的或是通過合成制備的，這樣可以盡量減少交叉反應。抗原決定簇可以沒有明顯的生物學功能或者不必要與特殊的狀態相聯系，然而并不降低其在感興趣的診斷分析中的使用。免疫分析的固相能夠是本領域已知的任何物質并且以本領域已知的形式存在。因此，所述固相能是塑料的、例如聚苯乙烯或聚丙烯、玻璃、基于硅的結構、例如硅芯片、膜、例如尼龍、紙以及類似物。所述固相可以不同和已知的形式提供，例如以紙的形式、珠、作為測驗片或側向流動設備的一部分，其一般使用膜、微孔滴定板、載玻片、芯片以及類似物。所述固相能以硬的平面存在，如見于玻璃片或芯片的。一些自動檢測設備具有專用的一次性物品與讀取可檢測信號的裝置相連，例如分光光度計、液體閃爍計數器、比色計、熒光計以及類似物，以檢測和讀取基于光子的信號。其它用于檢測結合抗體的免疫劑是本領域已知的。舉例說，抗人Ig的抗體對于形成由捕獲抗原決定簇、自身抗體和抗人Ig的抗體組成的三明治是合適的。抗人Ig的抗體、檢測單元能夠直接用報告分子標記，例如酶、膠體金屬、放射性核素、染料以及類似物，或者能夠自己結合行使報告功能的第二分子。重要地，能使用任何檢測結合抗體的手段，并且這樣的任何手段能包括用于才艮告功能的任何手段以產生可被操作者辨別的信號。形成才艮告的分子的標記是本領域已知的。在能夠同時分析多樣品的設備方面，分析設備上能包括許多的對照單元，包括陽性和陰性對照，以能夠控制分析性能、試劑性能、特異性和壽丈感性。經常地，如提到的，操作感興趣的設備中如果不是全部也是許多步驟以及許多分析步驟能通過例如機器人的機械手段進行，以盡量減少技術人員錯誤。而且，來自這樣設備的數據能通過掃描手段數字化，數字信息被傳輸到數據存儲裝置并且數據也傳輸到數據處理裝置，在那在此討論過的或本領域已知的一些類型的統計分析能作用在數據上產生對結果的測量，然后結果能與參考標準比較或內部與具有分析結果的目前結果比較，通過例如篩選或讀出信息的數據呈現裝置來提供診斷信息。對于分析小數量樣品或能獲得足夠群體數據的設備，能提供生成陽性結果和陰性結果的具有合適的誤差測量的衍生的計量設備。在那些情況，如本領域已知的，所有需要的可能就是用于內部驗證的單個陽性對照和單個陰性對照。分析設備能被構造以產生更定性的結果，例如包括或不包括在肺癌群中。其它高通量和/或自動免疫分析形式能如本領域已知和可得到的形式使用。因此，例如基于珠的分析，例如研磨的，在比色計上能使用熒光的或發光的信號，例如Luminex(Austin,TX)技術依賴充滿染料的微球和BD(FranklinLakes,NJ)CytometricBeadArray(細胞計算微珠陣列)系統。無論在哪種情況，感興趣的表位被附著在珠上。其它多重分析是Gannot等人的多層陣列方法，</.A^/.Z),agw勸"'7,427-436,2005。該方法依賴多膜的使用，每個膜攜帶結合配對的不同一個，例如目標分子，例如抗原或標記，膜配置在寄存器(register)中來接收樣品，樣品被懷疑攜帶結合配對的另一個，用于在寄存器中的色譜轉移。允許樣品通過毛細作用傳送(wick)或運輸通過一些對齊膜以提供三維基質。因此，例如可以在分離膠上疊加一些膜，并且允許膠的成分離開分離膠并通過重疊的膜。附著在任何一個膜的分子與運輸通過膜疊加的分子之間的任何聯系例如抗體與抗原的結合能通過使用已知的報告物以及檢測材料和方法來可碎見化，例如參見美國專利號6,602,661和6,969,615,以及美國/>開號20050255473和20040081987。在其它實施方案中，能使用感興趣的組合物或設備檢測與肺癌相聯系或相關的不同類型的分子。因此，分析可檢測與肺癌相聯系或相關的循環的自身抗體和非抗體分子，例如肺癌抗原，例如參見Weynants等人的Eur.Respir.J.,10:1703-1719,1997以及Hirsch等人的Eur.Respir.J.,19:1151-1158,2002。相應的，設備能包括捕獲單元、自身抗體的表位以及結合肺癌分子的分子，例如特異性抗體、適體、配體以及類似物。承^^M^發好態辨可以檢驗的樣品，特別在篩選分析中，通常是容易從患者獲得的，也許以非插入或以最小侵入的方式。樣品是已知攜帶自身抗體的。血液樣品是合適的這樣的樣品，并且適于多數免疫分析形式。在血液樣品方面，有許多已知的血液采集管，許多釆集5或10ml液體。與多數通常有序的診斷血液檢驗相似，采集5ml血液，但是如微陣列樣操作，本分析可能需要不到1ml的血液。血液采集容器能包含抗凝血劑，例如肝素，檸檬酸鹽或EDTA。細胞單元一^:通過例如在4°C1000xg(RCF)10分鐘(產生~40%血漿用于分析)的離心被分離，并且一般能在冷藏室溫度或在4。C儲存直到使用。血漿樣品優選地在采集后3天內分析或冷凍保存，例如在-2(TC。如果需要用于重復分析，過多的樣品可儲存在-20。C(在無霜水箱中以避免凍融)到2周。儲存期大于2周的應在-80。C。如本領域已知的，標準的操作和儲存方法對保持抗體結構和功能是實用的。然后液體樣品應用到例如微陣列的檢驗組合物，其包含加載了例如在此討-淪的五個標記小組中的一個的純化多肽樣品以及合適的陽性和陰性樣品的位點。樣品能以例如一系列稀釋形式的梯度量提供便于定量。樣品能隨機地位于微陣列來尋址任何位置影響。孵育后，微陣列被沖洗，然后暴露于例如標記了特殊標記的抗人抗體的檢測物。為了使信號歸一化，例如能向微陣列加入第二個檢測物以提供對每個位點的樣品測量。它能是直接結合分離的多肽樣品上另一位點的抗體，多肽能夠被修飾以包含其它序列或對特異性的反應為惰性的分子，或在加入微陣列前多肽能被修飾以攜帶報告物。微陣列被再次沖洗，然后如果需要，暴露于能檢測報告物的藥劑。因此，如果報告物由有色顆粒組成，例如金屬液膠，則不需要特殊的檢測手段。如果使用了熒光分子，則使用合適的入射光。如果使用了酶，微陣列則暴露于合適的底物。然后評價微陣列結合位點上的反應產物。雖然那個能視覺評價，但是如果需要，有檢測和定量信號強度的設備。然后，解釋數據以提供驗證反應的信息，例如通過觀察陽性和陰性對照樣品，并且如果有效則評價實驗樣品。然后解釋信息癌癥是否存在。例如，如果患者有三個或更多抗體是陽性的，則診斷患者為肺癌陽性。可選擇地，標記上的信息能應用于描述五個標記與肺癌存在結果的最大可能關系的公式，并且如果患者分數線索高于同樣的小組的分數50%，則該患者被診斷為癌癥陽性。計算的AUC值能是合適的分數。試毅好炎淑》、浙因其對疾病結果的潛在影響，雖然對后面隨訪的早期診斷或早期警告是高度強制的，但是根據本發明的血液檢驗有多種使用及應用。本發明可作為肺癌;故射照相篩選的互補工具。系列CT篩選對肺癌一^:是壽文感的，但是有十分貴和非特異性(據報告64%的特異性)的趨勢。因此，CT結果有高數量的假陽性，接近十分之四。在放射照相成像中不確定的肺部結節的常規識別經常引起昂貴的診斷檢查(workup)以及潛在有害的介入，包括大手術。目前，年齡和吸煙史是僅有的肺癌的大量篩選研究中用作選擇標準的兩個因素。根據本發明，用來檢測放射照相學明顯的癌癥(>0.5cm)和/或隱匿或惡化前(pre-malignant)癌癥(小于傳統放射照相檢測限值)的血液檢驗的使用會指出哪個個體最需要進行另外的篩選。因此，本分析能作為首先的篩選檢驗，其中陽性結果預示進一步檢查，如傳統上和本領域已知的，例如放射照相分析，例如CT、PET、X射線以及類似檢查。另外，周期性復查可能鑒別新出現的NSCLC。如何將受試者檢驗整合進入醫學實踐的例子是將受試者血液檢驗作為每年體檢的一部分給予高危險吸煙者(例如，相當于每天吸煙一包，持續20或更多年的人)。沒有任何進一步明顯癥狀的陰性結果能提示至少每年進一步檢驗。如果檢驗結果是陽性的，患者會接受進一步檢驗，例如重復進行本分析和/或CT掃描或X射線以鑒別可能的腫瘤。如果在CT掃描或X射線上沒有明顯腫瘤，也許本分析應該在本年中重復一次或兩次，以及今后幾年中多次，直到肺瘤直徑至少0.5mm并能檢測到以及用手術去除。如在后面的實施例中提到的，自身抗體方面對于NSCLC使用例舉的五標記小組的敏感性~90%，與單獨CT篩選相比相當好，并且通過比較，對于小腫瘤表現十分好，在檢測隱匿疾病方面顯示特有的優勢。而且，本分析高于80。/。的特異性大大超過CT掃描，這變得越來越重要，因為良性肺部結節的百分比在高危(at-risk)人群中增加，例如在梅奧診所篩選試驗(MayoClinicScreeningTrial)的參加人中升到大約70%的水平。除了用于篩選，本發明的分析和方法可能對區分CT篩選上鑒定的惡性結節和良性結節這個密切相關的臨床問題是有用的。單生的肺部結節(SPN)的界定是完全被正常肺組織包圍的直徑小于3mm的單個球形損傷。雖然在SPN中惡性發病率的報道從大約10%到大約70%,但是最近使用SPN的現代定義的研究揭示惡性發病率從大約40%到大約60%。多數良性損傷是肉芽肝的結果，而多數惡性損傷是原發性肺癌。SPN最初的診斷評價是基于惡性疾病風險因子的判定，所述惡性疾病風險因子例如年齡、吸煙史、過去惡性疾病的歷史以及結節的胸部放射照相特點例如大小、4丐化、邊界(具細刺的或光滑的)以及基于過去胸部X射線的生長式樣。然后，這些因子被用于決定惡性疾病的可能性以及指導進一步的患者處理。初步評價后，許多結節會歸類為具有中等惡性可能性(25-75%)。這個組的患者在進行活組織檢查或手術前可能從本分析的另外的檢驗中獲益。判定生長和代謝的圖像的系列掃描(例如PET掃描)是目前可獲得的僅有的非侵入的選擇并且遠非理想。系列放射照相分析依賴生長的測量，需要顯示損傷在兩年的時間范圍沒有生長；還沒有確定理想的掃描間的間隔，雖然2年期間每3個月的CT掃描是傳統的縱向評價。PET掃描對肺癌有90-95%的特異性和80-85%的敏感性。這些預測值可能基于良性肉芽肺疾病(例如組織胞漿菌病)的地區發病率而變化。每個PET掃描檢驗目前花費在$2000和$4000之間。例如支氣管鏡檢查法或經皮肺穿刺活檢(transthoracicneedlebiopsy)(TTNB)的非手術過程產生的診斷的范圍從40%到95%。非診斷操作調整的后續處理可能有問題。無論有或沒有其它診斷建立，手術介入通常是作為最可行的選擇。所述選擇依賴于惡性疾病檢驗前(pretest)風險是高或是低、在特定的環境中檢驗的可獲得性、結節的特征(例如大小和位置)、患者的手術風險、以及患者的偏愛。其它胸腔外的惡性疾病的過去歷史直接提示肺部轉移癌癥的可能性，并且非侵入性檢驗的相關性變得可忽略。在具有對肺癌不確定臨床懷疑的SPN的混亂臨床方案中，循環腫瘤標記能幫助避免潛在有害的侵入診斷建立以及反駁(converselysupport)過多手術介入的理論。因此，所描述的發明增加了臨床舒適度，選擇系列拍照結節代替侵入診斷。本發明也影響系列X射線或CT篩選的間隔，因而降低臨床健康護理費用。所描述的發明會補充或代替PET掃描，作為成本有效的方法，進一步增加診斷肺癌是存在或不存在的可能性。本發明對治療介入后判定疾病復發是有用的。這種能力通常用于結腸和前列腺癌的血液檢一瞼，其中跟蹤標記水平作為治療成功或失敗的指示物，并且升高的標記水平提示對復發的進一步診斷評價的需要，引起治療介入。本發明提供關于腫瘤特征的重要信息；因為該分析依賴多重標記，其中的任何一個可能是特定癌癥的特征或其獨特的參數，確定有不良預后的腫瘤亞型能顯著影響臨床決定，以致建議具有潛在毒性的其它治療。傳統手術或化療的用于長期聯合的更新的療法的開發可能需要小心地費用/益處分析以及患者的選擇。因此，本分析對于療法的篩選、選擇以及在治療中繼續使用是有價值的工具，以監測療法的過程、療法的成功、再發、治愈以及類似情況。調整本分析的藥劑及特定的標記小組以滿足特定的目的。例如，對于更大數量的個體，在篩選分析中使用更大組的標記或非常優勢標記的小組以最大化預測的能力。然而，進行治療的個體方面，例如可能或不可能需要在篩選中使用全部標記就能獲得患者肺瘤的特定抗體的指紋，能夠使用標記中列舉的亞組來監測那個患者中肺瘤的存在以及后面的治療介入。感興趣的分析的組成能以多種不同形式配置用于分配等等。因此，等分一個或更多表位并儲存在一個或多個容器中例如玻璃小瓶、離心管以及類似的容器中。表位溶液能包含合適的緩沖液以及類似的包括防腐劑、抗生素試劑、穩定劑以及如本領域已知的類似的。表位能夠是防腐的形式例如干燥的、凍干的等等。表位能放置在合適的固相上，在特定分析中使用。因此，表位能夠干燥地放置在培養皿的孔中，點在位于重疊的陣列或側向流動免疫分析裝置中的膜上，點在載玻片上或其它微陣列的支持物等等。如本領域已知的，能包裝所述物品以確保最長的儲存期限，例如用塑料膜袋、或透明袋，并且裝入盒子。分析容器也能包括其中，陽性和陰性對照樣品各在一個容器中，當樣品是液體時包括帶滴管的管子或帶帽的管子用來分配滴液、樣品收集設備、其它液體轉運設備、檢測試劑、顯影劑例如銀染試劑以及酶的底物、酸性/堿性溶液、水等等。可以包括合適的使用說明。在其它形式中例如使用基于珠的分析，多個表位能附著在不同的珠的群體，然后合并到單個藥劑中，就可以暴露于患者樣品了。本發明現在要在以下非限制性實施例中舉例說明，其數據報道在Zhong等人Am.J.Respir.Crit.CareMed.,172:1308-1314,2005上和Zhong等人J.ThoracicOncol.,1:513-519,2006上，其所述內容完整地在此加入作為參考。實施例實施例1-NSCLC診斷分析在這個實施例中，鑒別用于診斷后期(II、III和IV)NSCLC的標記。用NSCLC患者和正常人血漿生物淘洗(biopanned)兩個T7噬菌體NSCLC文庫，以富集免疫原性的克隆群體，其表達能夠被NSCLC患者的循環抗體識別的多肽。一個T7噬菌體NSCLC的cDNA文庫是購買的(Novagen,Madison,WI,USA)，第二個是通過腺癌細胞系NCI-1650使用NovagenOrientExpresscDNASynthesisandCloning系統構建的。所述文庫通過來自5位NSCLC患者(2-4期，通過組織學診斷確定的)和來自正常健康供體的混合血漿進行生物淘洗，以富集表達被腫瘤相關抗體識別的蛋白的噬菌體的群體。簡言之，噬菌體展示文庫通過與包被了來自混合的正常的血清(250pi混合正常血清，1:20稀釋，4。C過夜)的抗體的蛋白G瓊脂糖珠一起孵育來親和選擇，以去除非腫瘤特異性蛋白。通過離心將未結合的噬菌體從結合到正常血清的抗體的噬菌體分離。所述上清液通過結合包被了混合患者血漿的(4。C過夜)蛋白G瓊脂糖珠來生物淘洗并且通過離心與未結合的噬菌體分離。所述結合的/反應的噬菌體用1。/。SDS洗脫，然后通過離心收集。所述噬菌體在存在1mMIPTG和50pg/ml羧千青霉素的大腸桿菌NLY5615(GibcoBRLGrandIsland,NY)中擴增直到裂解。收集擴增的包含噬菌體的裂解液，并進行另外三個連續循環的生物淘洗富集。擴增來自四次生物淘洗的包含噬菌體的裂解液，分離單個的噬菌體克隆然后并入以下描述的蛋白陣列。陣列構建以及高通量篩選擴增從所述生物淘洗的第四次循環得到的噬菌體裂解液并在6%瓊脂糖覆蓋的LB-瓊脂上培養用以分離單個噬菌體。使用集落選擇自動機(colony-pickingrobot)(GeneticQPix2,Hampshire,UK)分離4000個單個集落(2000/文庫)。被選的噬菌體在96孔板中擴增，然后通過使用Affymetrix417Arrayer(Affymetrix,SantaClara,CA)，每個孔的5nl透明的裂解液#皮自動地雙份地點在FAST載玻片(SchleicherandSchuell,Keene,NH)。然后用沒有在生物淘洗中使用的5位單個NSCLC患者的血漿篩選所述4000個噬菌體以鑒別免疫原性的噬菌體。使用兔抗-T7初次抗體(JacksonImmuno-Research,WestGrove,PA)來檢測T7衣殼蛋白作為噬菌體量的對照。預吸附的血漿(血漿細菌裂解液，1:30)樣品和抗-T7的抗體兩者都用添力。0.1%Tween20的1XTBS(TBST)以1:3000稀釋并且在室溫下與篩選載玻片一起孵育1小時。沖洗載玻片，然后與0丫5-標記的抗人的和0丫3-標記的抗兔的二次抗體(JacksonImmunoResearch;每個抗體在1XTBST中1:4000稀釋)在一起在室溫下1小時進行探針標記。再次沖洗載玻片，并且然后用Affymetrix428掃描4義進行掃描。用GenePix5.0軟件(AxonInstruments,UnionCity,CA)分析圖像。具有高于線性回歸2個標準差的Cy5/Cy3信號比的噬菌體被選為用在"診斷芯片"上的候選者。診斷芯片設計和抗體測量在上述高通量篩選中鑒定的212個免疫反應性噬菌體，加上120個"空"T7噬菌體，被再次擴增并雙份地點在FAST載玻片上，作為單個的診斷芯片。用以上描述的用于篩選的實驗設計方法，用復制的芯片分析40例晚期的NSCLC樣品。根據Cy3信號的中位值歸一化Cy5信號的中位值(Cy5/Cy3信號比)，作為針對獨特噬菌體表達蛋白的人抗體的測量值。為了補償芯片和芯片的差異性，測量要進一步歸一化，通過減去血漿針對空T7噬菌體蛋白的背景反應性并除以T7信號的中位值[(噬菌體的Cy5/Cy3)-(T7的Cy5/Cy3)/(T7的Cy5/Cy3)]。來自40位患者(II-IV期)和41位正常人的歸一化的信號的studentt-檢驗提供了令人滿意的截斷值(cutoff)(p<0.01)，其提示每個候選標記的相對預期值。在212個候選物中，17個達到所述截斷值的標準(p=0.00003至p=0.01)。組中的冗余度通過PCR和序列分析來評價，發現多個二倍和三倍的克隆。當多余的克隆被去除后，一系列的T7噬菌體表達蛋白就鑒定出了。統計分析用對數回歸分析來預測樣品是否來自NSCLC患者的可能性。患者和正常人的樣品總共81份，被分成2組。患者是診斷為II-IV期的NSCLC患者。第一組由隨機選擇的21位正常人的和20位患者的血漿樣品組成，用第一組作為演練組(trainingset)，來鑒別4吏用單一或組合的標記區分患者才羊品和正常人樣品的標記。第二組由20位正常人的和20位患者的血漿樣品組成，用以驗證用演練組鑒定的所述標記的預測比率。產生接收器工作特點(ROC)曲線用來比較不同標記的預測敏感性和特異性，以及確定曲線下的面積(AUC)。用留一法(leave-one-out)的交叉證實法來進一步-險證所述分類。吸煙史和疾病的階段也被分析和比較。然后將兩個組進行置換，40樣品的組變為演練組，用以鑒別指示NSCLC的存在的標記。然后，如此鑒定的提供最大預測能力的標記用于另外41樣品組的NSCLC診斷。表5ROC曲線下的面積和預測準確性<table>tableseeoriginaldocumentpage39</column></row><table>*演練組由21位正常和20位NSCLC患者的樣品組成。卞驗證組由20位正常和20位NSCLC患者的樣品組成。§AUC:ROC曲線下的面積。表6<table>tableseeoriginaldocumentpage39</column></row><table>5個組合__^_^_*留一法驗證從總共包含81個樣品的檢驗組移去一個樣品，用其余的樣品來產生一個分類標記用來預測被移去的樣品的狀態(正常或患者)。對于所有的樣品操作過程是一樣的。卞診斷準確性=(真陽性的數量+真陰性的數量)/樣品的總數噬菌體表達蛋白的序列分析選擇17個噬菌體用t-檢驗來假設預期值，p值O.Ol的進行測序來鑒別冗余度，其顯示7個獨特的序列。雖然噬菌體表達蛋白的鑒定對在感興趣的診斷分析中的使用不是關鍵的，但是序列還是與用不同的(獨立的)篩選方法學獲得的序列相比較，并且也和GenBank數據庫對比來獲得可能的鑒定。從7個集落獲得的核苷酸序列顯示與GAGE7、NOPP140、EEFIA、PMS2L15、SEC15L2、樁蛋白和BAC集落RP11-499F19是同源性的。在所述的7個蛋白中，EEF1A(真核翻譯延伸因子1)是蛋白合成機制的一個核心成分，GAGE7是睪丸癌抗原，它們在一些肺癌中過表達。樁蛋白是私著斑蛋白，其調節細胞黏附和遷移。樁蛋白的異常表達和反常活性在一些惡性疾病包括肺癌中與惡性轉移表型相聯系。PMS2L是與DNA錯配相關的蛋白，但是在癌癥中還沒有鑒定出突變。類似地，SEC15L2是細胞內運輸蛋白，NOPP140是參與轉錄活性調節的核仁蛋白，它們沒有已知的與惡性相聯系的信息。然而，所述的三種蛋白的生理功能提示每種蛋白在惡性表型中都可能有作用。統計模型法和分析預測準確性為了通過使用獨特的7個噬菌體表達蛋白開發分類標記以獲得更高的預測比率，81個樣品^皮隨機地分成兩組，一組用作演練目的而另一組用作驗證。使用對數回歸來計算使用單個噬菌體表達蛋白以及多個噬菌體表達標記的組合的預測敏感性和特異性。結果發現5個噬菌體標記具有在演練組中從正常對照區分患者樣品的顯著能力。每個的ROCAUC的范圍從0.79到0.86。5個標記的組合耳又得有希望的預測比率(AUC=0.98)，具有95%的敏感性和85%的特異性(表5)。使用所述的統計^t型法去檢驗由20個正常對照和20個NSCLC樣品組成的驗證組，所述分析提供90%的敏感性和95%的特異性(表5)。為了進一步檢查分類標記和診斷敏感性和特異性之間的聯系，在所有81個芯片上使用留一法交叉驗證來進行組的預測。當使用所述的81個樣品時，敏感性和特異性分別是90%和87%,整個的診斷準確性是89%(表6)。還是用所有的81個樣品，相應的集落1D、基因名稱和p值如下1864、GAGE7、p=9.1x1(T9;1896、BAC集落RPll-499F19、p=3.5xl(T8;1919、SEC15L2、p=1.2x10.6;1761、PMS2L15、p=5.2x1(T7;以及1747、EEFIA、p=5.9xl(T7。5個標記都具有0.001/262=3.8x10-6的Bonferroni校正，這使它們中一個或多個為假陽性的可能性小于0.001。由此，整個使用一組五個標記來分隔來自40個NSCLC患者和41個正常的樣品，當樣品包含所有5個標記時成功鑒定的比率是89%。實施例2-檢測早期肺癌在這個實施例中，研究了根據本發明的分析和方法鑒別能從與風險匹配對照樣品區分r期肺癌和隱匿性疾病樣品的標記的能力。人類受試者獲得試服志愿書后，從單個受試者獲得血漿樣品，所迷受試者已被肯塔基州和列克星頓退伍軍人管理醫學中心(UniversityofKentuckyandLexingtonVeteransAdministrationMedicalCenter)組織學確i人為NSCLC。非癌對照樣品從1520位參加梅奧診所肺篩選試驗(MayoClinicLungScreeningTrial)受試者中隨機選擇。簡言之，具有至少整整20年的吸煙史、年齡在50-75之間、并且在參加此研究之前5年無其它惡性疾病的單個受試者適合進行CT篩選試驗。除了來自梅奧診所肺篩選試驗的非癌樣品，分析還可使用6個I期的NSCLC樣品和40個診斷前的樣品。在研究開始時提取的診斷前的樣品是在樣品捐贈后一至五年中用CT篩選診斷為有NSCLC發病的癌癥樣品。噬菌體文庫所述的噬菌體文庫、淘洗和篩選如上面所述。診斷芯片的設計以及抗體測量在上述高通量篩選中鑒定的212個免疫反應性噬菌體，加上120個"空，，T7噬菌體，被組合再次擴增并兩份地點在FAST載玻片上，作為單個的診斷芯片。用以上描述的用于篩選的實驗設計，用復制的芯片分析23個I期NSCLC和23個風險匹配血漿樣品。統計分析23個患者和23個對照樣品之間對于212個噬菌體表達蛋白的每一個的歸一化Cy5/Cy3比率的統計顯著性差異通過使用JMP統計軟件(SAS,Inc.,Cary,NC)的t-檢驗進行獨立分析，如在前面的實施例中描述的。46個樣品全部用以建立通過使用單個或組合標記能夠從正常樣品區分患者樣品的分類標記。產生的ROC曲線用來比較預測敏感性、特異性、以及確定AUC。然后對于所有的46個樣品用留一法交叉驗證來檢查分類標記。然后，在來自梅奧診所肺篩選試驗的獨立的102個病例和風險匹配對照的組合中，'用分類標記的組合預測疾病的可能性。也分析了吸煙以及其它非惡性肺疾病的相對影響。通過分析所有的46個樣品評價預測能力獲得的每個單個標記的ROCAUC的范圍從.74到.95;并且五個標記的組合顯示對于從風險匹配對照(AUC=0.99)區分早期患者樣品的顯著能力。使用留一法交叉驗證計算得到的敏感性和特異性分別是91.3%和91.3%(表7)。然后分析一群組樣品作為獨立的數據系列，所述樣品來自梅奧診所肺篩選試驗，包括在診斷(6個發病癌癥和40個癌前樣品)前0-5年提取的46個樣品和來自篩選人群的56個風險匹配樣品。結果顯示對49/56非癌癥樣品、在篩選CT上放射照相檢測時提取的6/6癌癥樣品、在診斷前一年提取的9/12樣品、在診斷前兩年提取的8/11、在診斷前三年提取的10/11、在診斷前四年提取的4/4、以及在診斷前五年提取的1/2樣品的準確分類，相應特異性為87.5%敏感性為82.6%。未被本分析正確分類的8個癌前樣品中的3個樣品具有支氣管肺泡的細胞組織學。在測試系列中，6/6的非癌癥對照被正確地鑒別，臨床診斷為慢性阻塞性肺病(COPD),l個個體有肉狀瘤病，1個個體有乳腺癌的間隔診斷。在后面的獨立的測試系列中，2個有局部的前列腺癌的個體也^L正確地分類為正常。l個過去(〉5年前)被診斷為乳腺癌的個體被分類為非癌癥，但是另一個^f皮分類為癌癥。79例非癌癥受試者中的34例在篩選CT掃描上檢測出有良性結節。活性歷史相比先前吸煙未顯示對測試的預測準確性有影響。診斷的時間和分析的敏感性也不相關。噬菌體表達蛋白序列分析五個預測噬菌體表達蛋白的核香酸序列與GenBank數據庫進行比較。從最后的預測模型中5個集落獲得的核苷酸序列顯示與樁蛋白、SEC15L2、BAC集落RP11-499F19、XRCC5以及MALAT1有高度同源性。所迷的首先三個序列被鑒定出與來自在前面的實施例中描述的晚期肺癌患者的血漿有免疫反應性。XRCC5是在一些肺癌中過表達的DNA修復基因。黏著斑蛋白樁蛋白反常的活性和異常的表達在肺癌和其它惡性疾病中與惡性轉移表型相聯系。MALAT1是一種調節性RNA，在肺癌中反常表達。在后面的驗證中可以看到，本分析的潛力是與肺癌放射照相篩選互補，這五個抗體標記的組合測量正確地從梅奧診所肺篩選試一驗中預測了49/56非癌樣品，還有6/6發病癌癥以及32/40放射照相檢測前1-5年提取血的發生癌癥，相應特異性為87.5°/。壽文感性為82.6%。梅奧診所肺篩選試驗的最初報道描述了只通過CT就診斷的35個NSCLC，1個只通過痰細胞學檢驗就檢查出，以及1個IV期NSCLC在每年篩選掃描間被臨床檢測出，對于僅CT篩選相應的敏感性為94.5%。而且，緊接著第一次每年發生掃描的回顧性調查揭示在發病掃描中26%的小肺部結節沒有發現，與在其它CT篩選試驗中報道的顯著假陰性率一致。所述回顧性鑒定的結節的直徑在231名參加者(375名參加者中的62%)中小于4mm,137個(37%)4-7mm，以及6個(2%)8-20mm。如此，與僅CT篩選相比，NSCLC自身抗體方面82.6%敏感性是相當好的，通過對比，可能對小腫瘤進行得尤其好，代表在隱匿性疾病的檢測中非并行的優勢。而且，本分析的87.5。/o的特異性大大超過CT篩選的，這變得更重要，因為良性肺部結節的比例在危險人群中增加，在梅奧診所篩選試驗中上升到69%的水平。表7演練組對數回歸和留一法驗證<table>tableseeoriginaldocumentpage44</column></row><table>*演練組由23位高風險正常人和23位一期NSCLC患者的樣品組成。卞留一法-驗證才艮據45個病例和對照，對單個樣品的預測。§AUC:ROC曲線下的面積。所迷五個標記準確地診斷隱匿的和I期肺癌。在一名受試者中存在5個標記能在使用標準方法學診斷前預測癌癥。在患者中存在的結合NSCLC細胞的循環抗體，目前用可獲得的方法學進行診斷為陰性。在此引用的所有參考資料在此通過參考被完整地加入。顯然地，對在此所述的教導可以進行多種修飾而并不偏離本發明的精神和范圍。權利要求1.一種用于選擇患者進行肺癌放射照相檢驗的方法，其包括(a)從所述患者提供液體樣品；(b)確定在所述樣品中與肺癌相關的標記的存在；以及(c)選擇在所述樣品中具有所述標記的放射照相檢驗患者。2.根據權利要求1所述的方法，其中所述標記是自身抗體。3.根據權利要求1所述的方法，其中所述患者是無癥狀的。4.根據權利要求1所述的方法，其中所述患者是沒有放射照相可檢測的肺癌的高危患者。5.根據權利要求1所述的方法，其中所述標記在所述患者存在放射照相可檢測的肺癌前達五年就表達了。6.—種包括肺癌標記的組合物，其中所述標記是一種分子的結合配偶體，在所述患者存在放射照相可檢測的肺癌前達五年所述分子就存在于患者的液體樣品中。7.根據權利要求6所述的組合物，其中在所述樣品中的所述分子是自身抗體。8.根據權利要求6所述的組合物，其包括珠子。9.根據權利要求6所述的組合物，其包括膜。10.根據權利要求6所述的組合物，其包括平面。11.一種分析設備，其包括根據權利要求6所述的組合物。12.根據權利要求11所述的分析設備，其包括微陣列。13.—種檢測受試者中可能存在的肺癌的方法，其包括以下步驟(1)從所述受試者提供樣品；并且(2)分析所述樣品對于至少兩個與肺癌相關的標記的存在；其中(a)肺癌可能在所述受試者中存在，如果所述標記的至少一半在所述樣品中存在；或者(b)肺癌可能在所述受試者中存在，只要(i)獲得與所述樣品中所述至少兩個標記的每個標記的存在相關的歸一化值，(ii)合計所述的歸一化值以得出總和；并且(iii)比較所述總和及參考值，所述參考值是肺癌的所迷至少兩個標記的最大預測值，所述總和是所述參考值的至少30%。14.根據權利要求13所述的方法，其中所述至少兩個標記為自身抗15.根據權利要求13所述的方法，其包括至少三個標記。16.根據權利要求13所述的方法，其包括至少四個標記。17.根據權利要求13所述的方法，其包括至少五個標記。18.根據權利要求13所述的方法，其包括至少六個標記。19.一種診斷設備，其包括至少兩個肺癌標記和固相。20.根據權利要求19所述的設備，其中所迷標記是自身抗體的表位。21.根據權利要求19所述的設備，其中所述固相包括珠子。22.根據權利要求19所述的設備，其中所述固相包括膜。23.根據權利要求19所述的設備，其包括陣列。全文摘要一種用于測定患者體內存在肺癌的診斷分析法，其部分取決于確定與肺癌相關的抗體的存在。此分析法在放射照相可檢測到的癌組織的證據之前預測肺癌。文檔編號G01N33/48GK101374962SQ200680050765公開日2009年2月25日申請日期2006年11月10日優先權日2005年11月10日發明者愛德華·A·希爾施科維奇,納達·H·卡塔,麗鐘,阿諾德·J·斯托姆博格申請人:肯塔基大學