用于監測抑郁癥的炎性生物標志物的制作方法

專利名稱：用于監測抑郁癥的炎性生物標志物的制作方法
技術領域：
本專利文件涉及用于診斷和監測醫學病癥例如重度抑郁癥(MDD)的生物標志物 和方法。
背景技術：
神經精神病癥比任何其他類型的臨床病癥造成了更多的“失能壽命損失 年”(years lived with disability, YLDs)，占總 YLDs 的幾乎 3O % (Murray 和 Lopez (I"6) Global Health Statistics A Compendium oflncidence, Prevalence and Mortality Estimates for over 2000 Conditions(全球健康統計學超過2000種病癥的發病率、流行性和死亡率概 略)，劍橋哈佛公共衛生學院(Cambridge Harvard School ofPublicHealth))。單獨的 單相MDD占全部YLDs的11%。許多因素造成了持續失能和亞最佳治療結果，包括診 斷不準確、治療的過早停止、社會詬病、抗抑郁藥物劑量不足、抗抑郁藥物副作用和不 堅持治療。大多數臨床失調，包括神經精神病癥例如抑郁癥，源自于多種因素之間的相互 作用而不是單一的生物學變化。罹患同樣臨床病癥的不同個體，依賴于每個個體中的具 體變化，可能表現出不同范圍和程度的癥狀。在個體基礎上確定抑郁病狀態的能力將可 用于準確評估對象的具體狀態。但是，對用于診斷和確定對臨床病癥例如抑郁癥的誘 因、以及用于評估疾病狀態或對治療的響應的可靠方法，存在著需求。發明概述本文件涉及用于抑郁癥包括MDD的診斷和治療評估的材料和方法。臨床評估 和患者面談常用于患有抑郁癥的患者的診斷和治療監測。正如本文中所述，一種基于生 理學變化的測試，通過測量生物標志物和使用計算算法得出疾病分值進行評估，將便于 抑郁癥的較早期治療并增加患者的接受性。基于用生理學測量代替或補充臨床評估和患 者面談，本文描述的技術可以用于優化治療方法。生物標志物通過反映出潛在的病癥或疾病狀態，能夠提供獨立的診斷或預后價 值。生物標志物的使用允許準確、可靠、靈敏、特異和預見性地評估疾病狀態。例如， CRP(C_反應性蛋白)可用作低程度全身性炎性的血漿生物標志物，其可以與各種失調相 關聯，例如類風濕病和骨關節炎、過敏癥、哮喘、阿茨海默氏病、癌癥、糖尿病、消化 失調、心臟病、激素失衡和骨質疏松癥。盡管炎性生物學標志物可用于監測特定疾病的 嚴重性，但它們的臨床應用、特別是在單個標志物的情況下，似乎是有限的。但是，似 乎炎性生物標志物表達的圖譜在不同疾病癥狀中可能不同，并且多個標志物的水平可用于評估疾病的嚴重性。初步研究表明了使用多重抗體陣列在患有MDD的群體中開發生物標志物組集 (panels)的價值。反映精神狀態(例如病理類型、嚴重性、對治療發生陽性響應的可能 性以及復發易感性)的生物標志物的可用性，可能對抑郁癥的適當診斷和治療二者均有 影響。使用本文描述的算法、用于匯集“疾病特異性特征”的系統性、高平行性的組合 手段，可用于確定MDD的狀態，也可用于預測個體對療法的響應。本申請中描述的實例，部分是基于用于抑郁癥的診斷和監測治療和/或進展的 方法的鑒定。本文描述的方法可以包括開發包含多個參數例如炎性生物標志物的算法， 測量所述多個參數，以及使用該算法確定定量診斷分值。在某些實施方案中，可以開發 應用來自生物樣品例如血清或血漿的多個生物標志物的算法，用于患者分層、藥效標志 物的鑒定以及監測療效。這樣的方法可用于例如在精神療法、認知療法或抗抑郁藥物給 藥的早期階段監測抑郁個體中療法的有效性。方法可以包括確定在進行抑郁癥治療的個 體中血漿生物標志物是否存在變化。描述了使用測量許多參數的多參數系統和計算分值 的算法，在對象中開發單相抑郁癥(MDD)疾病分值的材料和方法。在兩個或多個時間 點確定的分值可用于例如確定MDD的進展或用于評估對象對治療方案的響應。本文描述的手段與某些更傳統的應用生物標志物的手段的差別，在于使用了多 個分析物算法而不是單一標志物或一組單一標志物。算法可用于得出反映了疾病狀態、 預后和/或對治療的響應的單個值。正如本文描述的，基于高度多重微陣列的免疫學工 具可用于同時測量多個參數。使用這種工具的優點在于可以同時在同樣條件下從同一樣 品和運行中得出所有結果。可以使用高水平圖譜識別手段，有許多工具可用，包括聚類 手段例如分級聚類、自組織映射和監督分類算法(例如支持向量機、k-最近鄰算法和神 經網絡)。后一組分析手段可能在臨床上非常有用。基本方法可以包括提供來自抑郁個體的生物樣品(例如血樣)；測量樣品中一組 分析物的水平；以及使用算法確定MDD疾病分值。在某些實施方案中，方法還可以包括 在時間段(例如數周或數月)后重復測試；計算治療后的MDD疾病分值；以及將治療后 的分值與較早的分值、也與對照MDD疾病分值(例如在未患抑郁癥的正常對象中確定的 平均MDD分值)進行比較。抑郁個體的MDD疾病分值朝向正常值變化的跡象，可以表 明療法的有效性。取決于治療方案的性質，這樣的變化可能在治療的前兩個月內(例如 對于精神療法來說)或在少至7到14天內(例如施用抗抑郁藥劑療法)就可以觀察到。一方面，本文件展示了用于表征對象的抑郁癥的方法，所述方法包括ω為多 個被預定與抑郁癥有關的參數提供數值；(b)通過預定的函數對每個所述數值單獨地加 權，每個函數對于每個參數是特定的；(C)確定加權值的總和；(d)確定所述總和與對 照值之間的差異；以及(e)如果所述差異大于預定閾值，則將所述對象分類為患有抑郁 癥，或如果所述差異與所述預定閾值沒有不同，則將所述對象分類為未患抑郁癥。抑郁 癥可以與重度抑郁癥(MDD)有關。參數可以選自白介素-l(IL-l)、白介素-6(IL_6)、白介素-7(IL_7)、白介 素-10 (IL-10)、白介素-13(IL-13)、白介素-15 (IL-15)、白介素-18 (IL-18)、α-2-巨 球蛋白(Α2Μ)禾Π β-2-巨球蛋白(Β2Μ)，或選自 IL-1、IL-6、IL-7、IL-10、IL-13、 IL-15、IL-18 和 Α2Μ。參數可以是皮質醇、IL-1、IL-6、IL-7、IL-10、IL-13、IL-18和 A2M;皮質醇、IL-1、IL-6、IL—10、IL-13, IL—18 和 A2M ； IL—1、IL—10、IL—13、 IL-18 和 A2M;皮質醇、IL-1、IL-10、IL-13、IL-18 和 A2M ；或皮質醇、IL-10、 IL-13、IL-18和A2M。任何上述的參數組可以進一步包括神經肽Y、ACTH,精氨酸 加壓素、腦源性神經營養因子和皮質醇中的一種或多種。參數還可以包括血小板相關的 5_羥色胺。參數還可以包括脂肪酸結合蛋白、α-1抗胰蛋白酶、因子VII、表皮生長因 子、谷胱甘肽S-轉移酶、RANTES、1型纖溶酶原激活物抑制劑和1型金屬蛋白酶組織 抑制劑中的一種或多種的血清或血漿水平。數值可以是來自所述對象的生物樣品中的生物標志物水平。生物樣品可以是全 血、血清、血漿、尿液或腦脊液。預定的閾值可以是統計學顯著性(例如P <0.05)。對 象可以是人類。方法可以進一步包括為選自磁共振成像、磁共振光譜、計算機斷層掃描和體重 指數的一種或多種參數提供數值。方法可以進一步包括提供來自所述對象的生物樣品。方法可以進一步包括測量 所述多個參數以獲得所述數值。另一方面，本文件展示了用于在對象中診斷抑郁癥的方法，所述方法包括(a) 提供來自對象的生物樣品；(b)測量多個參數以獲得參數的數值，所述參數被預定與抑 郁癥有關；(C)通過預定的函數對每個數值單獨地加權，每個函數對于每個參數是特定 的；(d)確定加權值的總和；(e)確定所述總和與對照值之間的差異；以及(f)如果差異 大于預定閾值，就將對象分類為患有抑郁癥，或如果差異與預定閾值沒有不同，就將對 象分類為未患抑郁癥。抑郁癥可以是MDD。另一方面，本文件展示了用于監測MDD的治療的方法，所述方法包括(a)為被 診斷為患有MDD的對象中的多個參數提供數值，所述參數被預定與MDD有關；(b)使 用包含所述數值的算法計算MDD分值；(c)在所述對象接受MDD治療的時間段后重復 步驟(a)和(b)，以獲得治療后MDD分值；(d)將來自步驟(C)的治療后MDD分值與步 驟(b)中的分值和正常對象的MDD分值進行比較，如果來自步驟(C)的分值比來自步驟 (b)的分值更接近于正常對象的MDD分值，將所述治療分類為是有效的。步驟(b)可以 包含通過預定的函數對每個所述數值單獨地加權，每個函數對于每個參數是特定的，并 計算加權值的總和。參數可以選自IL-1、IL-6、IL-7、IL-10、IL-13、IL-15、IL-18、A2M 和 B2M。時間長度可以在所述治療開始后從數周到數月的范圍內。在所述治療開始之前和 之后的時間點，可以提供所述數值的子集。參數可以包含源自于磁共振成像、磁共振光 譜或計算機斷層掃描的測量值。數值可以是來自所述對象的生物樣品中的生物標志物水 平。生物樣品可以是血清、血漿、尿液或腦脊液。方法還可以包括提供來自所述對象的生物樣品。方法還可以包含測量所述多個 參數的水平以獲得所述數值。另一方面，本文件展示了用于監測MDD的治療的方法，所述方法包括(a)提 供來自被診斷為患有MDD的對象的生物樣品；(b)測量樣品中多個分析物的水平，所述 分析物被預定與MDD相關；(C)使用包含測量到的水平的算法計算MDD分值；(d)在所 述對象接受MDD治療的時間段后重復步驟(a)、(b)和(c) ； (e)將來自步驟(d)的治療后MDD分值與步驟(c)中的分值和正常對象的MDD分值進行比較，如果來自步驟(d)的 分值比來自步驟(C)的分值更接近于正常對象的MDD分值，就將治療分類為是有效的。另一方面，本文件展示了用于診斷MDD的計算機實現的方法。方法可以包括 提供生物標志物文庫數據庫，所述數據庫包含被預定與MDD相關的選定生物標志物參 數、成組的生物標志物組合以及成組的組合的系數，所述成組的組合的系數是基于從患 有MDD患者獲得的臨床數據；以及使用計算機處理器基于預定的算法將成組的生物標志 物組合相關系數應用于從患者獲得的組中的生物標志物測量值，以產生MDD分值，用于 診斷患者是否患有MDD。除非另有定義，否則本文中使用的所有技術和科學術語與本發明所屬技術領域 中普通專業人員所通常理解的意義相同。盡管與本文描述的類似或等價的方法和材料可 用于實踐本發明，但在下文描述了適合的方法和材料。所有本文中提到的出版物、專利 申請、專利和其他參考文獻以其全文引為參考。在有沖突的情況下，將以本說明書、包 括定義為準。此外，材料、方法和實施例僅僅是說明性的，不打算是限制性的。在附圖和下面的描述中提出了本發明的一個或多個實施方案的詳細情況。從描 述和圖以及從權利要求書中，本發明的其他特點、目的和優點將變得明顯。


圖1是流程圖，概述了用于選擇生物標志物的方法中的步驟。圖2是流程圖，顯示了用算法來建立疾病特異性文庫或組集以供診斷發展的示 例性方法中的步驟。圖3是流程圖，顯示了用于開發基本診斷分值的方法中的步驟，其中產生了 η個 診斷分值。圖4是流程圖，概述了使用血液來診斷、選擇治療、監測療效和優化療法的方 法中的步驟。圖5顯示了使用本文件中描述的生物標志物分析的、基于計算機的診斷系統的 實例。圖6顯示了可用于圖5中描述的基于計算機的診斷系統的計算機系統的實例。詳細描述精神藥物的開發依賴于通過精神病理學參數(例如Hamilton抑郁量表)對疾病 嚴重性進行定量。主觀因素和缺乏合適的定義不可避免地影響了這些參數。同樣，用于 在II期和III期臨床研究中募集精神病患者的診斷參數集中于通過癥候學量表的測量值評 估疾病的嚴重性和特異性，不存在可以幫助選擇患者的經證實的疾病特征和狀態的生物 關聯物。盡管最近在分子診斷學中取得進展，但還沒有有效捕捉到患者基因型中包含的 對藥物治療的可能表型響應的潛在信息，特別是在非研究條件下。本文描述的技術，部分是基于鑒定用于建立抑郁癥的診斷、誘因和預后的方 法，以及用于對被診斷患有抑郁癥并進行治療的患者的治療進行監測的方法。本文提供 的方法可以包括開發算法、評估(例如測量)多個參數以及使用算法確定一組定量診斷分 值。然后可以將算法結合來自生物樣品例如血清或血漿的多個生物標志物的值應用于患 者分層，也可以用于鑒定藥效學標志物。本文描述的手段與對生物標志物的更傳統的手段的差別，在于構建了算法而不是在多個時間點測量單個標志物或成組的單個標志物的變化。在本文中使用時，“生物標志物”是能夠作為生物或致病過程或對治療性干預 的藥理學應答的指示物而被客觀測量和評估的特征。生物標志物可以是例如蛋白質、核 酸、代謝物、身體測量值或其組合。“藥效學”生物標志物是能夠用于定量評估(例如 測量)治療或治療性干預對疾病的過程、嚴重性、狀態、癥候學或消退的影響的生物標 志物。在本文中使用時，“分析物”是在分析程序例如免疫分析或質譜術中能夠被客觀 測量和確定的物質或化學成分。因此，分析物可以是一類生物標志物。算法可以對任何臨床病癥確定用于確定例如診斷、狀態或對治療的響應的算法。在 本文提供的方法中使用的算法可以是結合多個參數的數學函數，所述參數可以使用但不 限于醫學裝置、臨床評估分值或生物樣品的生物學/化學/物理學測試進行定量。每個 數學函數可以是被確定與所選臨床病癥相關的參數水平的權重調整過的表達式。因為加 權的復雜性和多個標記物組集，因此典型需要具有合理計算能力的計算機分析數據。算 法一般能夠表示成公式1的格式診斷分值=f(xl，χ2，χ3，χ4，χδ.,.χη)(1)診斷分值是診斷或預后結果的值，“f”是任何數學函數，“η”是任何整數(例 如從1到10,000的整數)，xl、χ2、χ3、Χ4、χ5...χη是作為例如通過醫學裝置測定的測 量值、臨床評估分值和/或生物樣品(例如人類生物樣品例如血液、尿液或腦脊液)的測 試結果的“η”個參數。算法的參數可以獨立地加權。這樣的算法的實例表述在公式2中診斷分值=al*xl+a2*x2-a3*x3+a4*x4-a5*x5(2)這里，xl、χ2、χ3、χ4和χ5可以是通過醫學裝置測定的測量值、臨床評估分 值和/或生物樣品(例如人類生物樣品)的測試結果，al、a2、a3、a4和a5分別是xl、 x2、x3、x4和x5的權重調整因子。診斷分值可用于定量規定醫學病癥或疾病、或醫學治療的效果。例如，算法可 用于確定失調例如抑郁的診斷分值。在這樣的實施方案中，抑郁的程度可以根據公式1 使用下面的通式限定抑郁診斷分值=f(xl，χ2，χ3，χ4，χδ.,.χη)抑郁診斷分值是可用于度量個體中抑郁的狀態或嚴重性的定量數值，“f”是任 何數學函數，“η”可以是任何整數(例如從1到10,000的整數)，xl、χ2、Χ3、Χ4、 Χ5...χη是作為例如使用醫學裝置測定的測量值、臨床評估分值和/或生物樣品(例如人類 生物樣品)的測試結果的“η”個參數。在更通用的形式中，可以通過將多個公式應用于一組生物標志物測量值來產生 多個診斷分值Sm，如方程(3)中所示分值Sm = fm(xl，...xn)(3)多個分值可用于例如亞指示(sub-indication)，例如用于診斷MDD和/或相關或 無關失調的亞型。某些多個分值也可以是指示患者治療進展和/或所選治療的實用性的 參數。對于抑郁癥來說，治療進展分值可以幫助保健專業人員(例如醫生或其他臨床醫師)調整治療劑量和持續時間。亞指示分值也能幫助保健專業人員選擇用于治療的最適 藥物或藥物組合。構建生物標志物文庫為了確定哪些參數包含在診斷算法中是有用的，可以建立分析物的生物標志物 文庫，并可以對來自文庫的個體分析物是否包含在用于特定臨床病癥的算法中進行評 估。在生物標志物文庫建立的起始階段，可以集中于廣泛相關的臨床內容，例如指示炎 癥、Thl和Th2免疫應答、粘附因子的分析物，以及參與組織重塑的蛋白(例如基質金 屬蛋白酶(MMP)和基質金屬蛋白酶的組織抑制劑(TIMP))。在某些實施方案中(例如 在初始文庫建立的過程中)，文庫可以包含十幾個或更多的標志物、一百個標志物或幾百 個標志物。例如，生物標志物文庫可以包含幾百個蛋白質分析物。當建立生物標志物文 庫時，可以添加新的標志物(例如對單個疾病狀態特異的標志物，和/或更普遍化的標志 物，例如生長因子)。在某些實施方案中，可以添加分析物用來擴展文庫，并用來通過添 加從發現研究(例如使用差示技術，例如同位素標記的親和標簽(ICAT)、精確的質量和 時間標簽)獲得的疾病相關蛋白，將特異性增加到炎癥、腫瘤和神經心理學范疇之外。 基質輔助激光解吸和電離(MALDI)和表面增強激光解吸/電離(SELDI)質譜術能夠提供 高分辨率測量值，用于蛋白生物標志物鑒定和定量。向生物標志物文庫添加新的分析物可能需要純化或重組的分子，以及用于 捕獲和檢測新的分析物的適合抗體。值得注意的是，盡管將生物標志物文庫應用于 常規ELISA平臺可能需要針對每種分析物的多種抗體，但由Ridge Diagnostics，Inc. (“Ridge” Research Triangle Park, NC;以前的 Precision Human Biolaboratories，Inc.) 開發的分子相互作用測量系統(Molecular Interaction Measurement System, MIMS)可以 使用每種分析物的單一特異性抗體進行操作。盡管對于建立有用的算法來說，發現單 個“新的或新穎的”生物標志物不是必需的，但可以包括這樣的標志物。MIMS平臺 和適用于多個分析物檢測方法的其它技術對于添加新的分析物典型是靈活和開放的。 MIMS平臺是基于光學感應的無標記系統，MIMI的某些特點描述在題為“光學分子檢測 (OpticalMolecular Detection)，，的 PCT 申請 No.PCT/US2006/047244 中，并作為 PCT 公布 No.WO 2007/067819出版，在此以其全文引為參考作為本文件的公開內容的一部分。本文件提供了多重檢測系統，所述系統能夠為與臨床病癥的診斷、治療和監測 相關的分析物提供穩固可靠的測量。生物標志物組集可以被擴展并轉移到無標記的陣列 上，并可以建立算法(例如基于計算機的算法)來支持臨床醫生和臨床研究。可以設計、開發約25-50種抗原的定制抗體陣列并對其進行分析驗證。開始 時，可以根據例如分析物將感染的與未感染的對象區別開、或在來自限定樣品組的患者 中區分疾病階段的能力，選擇約5到10種(例如5、6、7、8、9或10種)分析物的組 集。但是富集的數據庫，通常是在其中能夠測量10種以上重要分析物的數據庫，可以增 加測試算法的靈敏度和特異性。選擇單個參數在文庫或組集的構建中，可以使用各種不同方法中的任一種來選擇標志物和參 數。用于構建疾病特異性文庫或組集的主要動因(driver)可以是參數與疾病的相關性的 知識。例如，為了構建用于糖尿病的文庫，對疾病的了解將可能保證包括血糖水平。文獻搜索或實驗也可用于鑒定要包含的其他參數/標志物。例如在糖尿病的情況下，文獻 搜索可能指出血紅蛋白Alc(HbAC)可能有用，同時特定的知識或實驗可能導致包含在患 有II型糖尿病的對象中已顯示升高的炎性標志物腫瘤壞死因子(TNF)-Ci受體2、白介素 (IL)-6和C-反應蛋白(CRP)。在某些實施方案中，可用于計算抑郁癥診斷分值的參數可以包括免疫系統生物 標志物。研究指出，炎癥、細胞因子和趨化因子可能與抑郁癥相關。例如，用細胞因子 治療患者能夠產生抑郁癥的癥狀。在許多抑郁患者中觀察到了免疫系統的激活，并且在 患有與免疫功能障礙有關的醫學病癥的患者中抑郁癥出現得更頻繁。此外，免疫系統的 激活和向動物施用內毒素(LPS)或白介素-I(IL-I)，誘導了與抑郁類似的病態行為，而 使用抗抑郁藥物的長期治療能夠抑制由LPS誘導的病態行為。此外，幾種細胞因子能夠 活化通常在抑郁患者中被激活的下丘腦-垂體-腎上腺(HPA)軸；一些細胞因子能夠激 活腦的去甲腎上腺素能系統(也通常在抑郁患者中觀察到)；并且一些細胞因子/趨化因 子能夠激活腦的5-羥色胺系統，該系統已牽涉重度抑郁癥及其治療。在炎癥中涉及到廣泛的各種蛋白，其中任一種都對損害或以其它方式破壞該蛋 白的正常表達和功能的遺傳突變是開放性的。炎癥也誘導急性期蛋白的全身水平高。這 些蛋白包括C-反應蛋白、血清淀粉樣蛋白A、血清淀粉樣蛋白P、血管加壓素和糖皮質 激素，能引起廣泛的全身效應。炎癥也涉及促炎性的細胞因子和趨化因子的釋放。免疫系統與神經系統在健康和疾病兩種狀態下都具有復雜動態的關系。免疫系 統檢查中樞和外周神經系統，并可以對外來蛋白、傳染性因子、應激和腫瘤形成做出響 應而被激活。相反，神經系統通過神經內分泌軸和通過迷走神經傳出神經調節免疫系統 功能。當這種動態關系被擾亂時，可能導致神經精神疾病。事實上，已經報道了幾種以 慢性炎性響應為特征的醫學病癥(例如類風濕性關節炎)伴有抑郁。此外，施用促炎性 細胞因子(例如在癌癥或丙型肝炎療法中)可以誘導抑郁癥狀。在動物中施用促炎性細 胞因子誘導了 “病態行為”，這是一種與人類抑郁癥的行為癥狀非常相似的行為改變形 式。因此，“抑郁癥的炎性響應系統(IRS)模型”(InflammatoryResponseSystem(IRS) model of depression) (Maes(1999) Adv.Exp.Med.Biol.461 25-46)提出，促炎性細胞因子 起到神經調質的作用，代表了抑郁性疾病的行為、神經內分泌和神經化學特點調節中的 關鍵因素。在用于確定MDD分值的算法中可能有用的其他生物標志物類型包括例如神經營 養性生物標志物、代謝生物標志物和HPA軸生物標志物。HPA軸(也稱為HPTA軸)是 下丘腦(腦的中空漏斗形部分)、垂體腺(位于下丘腦下的豌豆形結構)和腎上腺或腎臟 上腺體(位于每個腎頂部的小的成對的錐形器官)之間的一組復雜的直接影響和反饋相互 作用。這三種器官之間的精細、穩態的相互作用構成了 HPA軸，它是控制對應激的反應 和調節身體過程包括消化、免疫系統、情緒和性欲以及能量使用的神經內分泌系統的主 要部分。下面的段落提供了能夠被測量并包含在本文的實施例中進一步描述的MDD算法 中的分析物的實例。ILzI IL-I強烈參與下丘腦_垂體_腎上腺(HPA)軸的激活。外周和中樞施用 IL-I也在腦中、最明顯在下丘腦中誘導了去甲腎上腺素(NE)釋放。偶爾觀察到腦中多巴胺(DA)的小量變化，但是這些效應不是區域選擇性的。IL-I也以非區域選擇性的方 式增加腦中色氨酸的濃度和5-羥色胺(5-HT)在腦中的代謝。IL-6也能激活HPA軸， 也引發色氨酸和5-HT的增加，但是不引發NE的增加，盡管在這些方面的力度與IL-I相 比弱得多。向大鼠施用IL-I β刺激了下丘腦中IL-I β mRNA的表達，使其增加99%， 但IL-6不行。它也顯著激活腎上腺中ACTH、PRL> CORT和CORT產生的血漿水平。 這些結果表明，IL-I β的急性外周性增加也可以通過它自身在下丘腦中的表達的中間活 化來誘導神經內分泌變化，但是沒有發現IL-6在下丘腦中的表達的這種效應。ILi: IL-6是一種白介素，一種促炎性細胞因子。它由T細胞和巨噬細胞分 泌，以刺激對創傷、特別是燒傷或導致炎癥的其他組織損傷的免疫應答。此外，幾項研 究表明，單次測量血漿IL-6發現了在抑郁患者中顯著升高。IL-6似乎參與抑郁癥的發病 機理。對IL-6-缺陷小鼠(IL-6(-/-))進行了與抑郁相關的試驗(習得性無助、強迫游 泳、懸尾、蔗糖偏好)的研究。IL-6(-/_)小鼠在強迫游泳和懸尾試驗中顯示出灰心減少 和歡樂行為增加。此外，IL-6(-/_)小鼠表現出對無助感的抗性。這種抗性可能由缺乏 IL-6引起，因為應激在野生型海馬中增加了 IL-6的表達。IL-IO =抑郁與炎件響應系統的活化有關。證據表明，促炎性和抗炎性細胞因 子的失衡影響了重度抑郁癥的病理生理學。促炎性細胞因子主要由τ-輔助性(Th)-I細 胞介導，并包括IL-Ιβ、IL-6、TNF-α和干擾素-γ。抗炎性細胞因子由Th_2細胞介 導，并包括IL-4、IL-5和IL-10。在人類中，抗抑郁藥物顯著增加了 IL-IO的生產。ILzZ 與IL-IO類似，在抑郁的男性對象中，與對照相比，血漿中IL_7的水 平也降低了。IL-7是造血性細胞因子，在B-和T-淋巴細胞發育中都具有關鍵功能。 IL-7在發育的腦中也表現出營養性質。IL-7的直接神經營養性質與配體和受體在發育的 腦中的表達相結合，表明IL-7可能是中樞神經系統個體發育過程中具有生理重要性的神 經生長因子(Michealson等，(1996) Dev.Biol.179 251-263)。已發現成年人神經發生與 抑郁癥的病因和治療相關。在某些抑郁患者中存在并能促使抑郁癥發作的升高的應激激 素水平，在動物模型中減少了神經發生。相反，事實上所有的抗抑郁藥物治療，包括各 種不同類別的藥物、電驚厥療法和行為治療，都增加神經發生(Drew和Hen(2007)CNS Neurol.Disord.Drag Targets 6 205-218)。IL-13 IL-13典型地起到抗炎性細胞因子的作用，表明較低的IL_13水平 可能增加免疫系統的調節異常，導致促炎性細胞因子活性的增加。全身施用細菌 內毒素脂多糖(LPS)，對于可以由腦中促炎性細胞因子例如IL-1、IL-6和腫瘤壞死 因子-α (TNF-α)的可誘導性表達所介導的行為，具有深度抑制作用。當LPS和 IL-13 二者共注射時，IL-13增強了這種抑制作用(Bluthe等，(2001)Neuroreport 12 3979-3983)。IL-15 = IL-15是參與炎性/自體免疫疾病的病理發生的促炎性細胞因子。此 外，IL-15 已被顯示是體因性的(Kubota 等，(2001) Am.J.Physiol.Regul.Integr.Comp. Physiol.281 R1004-R1012)。IL-18 已報道，心理和身體應激使自體免疫和炎性疾病惡化。已經顯示，在患 有重度抑郁癥或恐慌癥的患者中，與正常對照相比，IL-18的血漿濃度顯著升高。ACTH 在人類角質細胞中刺激IL-18的表達，這為ACTH與炎性介質之間的相互作用提供了了解。血漿IL-18水平的升高可以反映出在應激條件下中樞神經系統中IL-18的產生和釋 放增加(參見例如Sekiyama (2005) Immunity 22 669-77)。盡管評估IL-18提供了抑郁 患者與對照對象之間的一定程度的區分，但該單一標志物測試不具有足夠的診斷辨別力 或用于臨床實踐的穩固性。A2M A2M是血清泛蛋白酶抑制劑，是一種已經與炎性疾病相關聯的急性期蛋 白。根據其介導淀粉樣沉積物的主要成分Αβ肽的清除和降解的能力，Α2Μ也牽涉 阿茨海默氏病。非憂郁型抑郁患者在疾病的急性階段中和治療2和4周后，顯示出增加 的 Α2Μ 血清水平(Kirchner (2001) J.Affect.Disord.63 93-102)。B2M B2M是在免疫防御中發揮關鍵作用的小蛋白(99個氧基酸)。可以通過 移除58位的賴氨酸對B2M進行修飾，留下具有兩個二硫鍵連接的1-57位和59-99位氨 基酸鏈的蛋白。該修飾形式(desLys-58- β 2-微球蛋白，或Δ Κ58- β 2m)已被顯示與慢 性炎性病癥有關(Nissen (1993) Danish Med.Bul.40 56-64)。 已發現B2M與幾種自體免 疫疾病中的疾病活性相關聯，并用作多發性硬化癥中干擾素治療的藥效學標志物。NPY NPY是在腦和自主神經系統中發現的36個氨基酸的肽類神經遞質。NPY 與腦中的許多生理學過程相關聯，包括調節能量平衡、記憶和學習以及癲癇。增加NPY 的主要效應是增加食物攝入和降低身體活性。大量數據表明，神經肽例如NPY、CRH, 促生長素抑制素、速激肽和CGRP在情感障礙和飲酒/酗酒中具有作用。血漿NPY代 謝受損和患有MDD的患者中血漿NPY降低，可能參與了 MDD的病理發生或病理生理 學(Hashamoto 等，(1996)Neurosci丄ett.216(l) 57-60)。因此，正如本文中所述，測量 NYP水平可能有助于分離和監測療法的能力。ACTH= ACTH(也稱為促腎上腺皮質激素)是由垂體腺產生和分泌的多肽激 素。它是下丘腦-垂體-腎上腺軸中的重要參與者。ACTH刺激腎上腺皮質，并增加皮 質類固醇、主要是糖皮質類固醇但是也包括性類固醇(雄激素)的合成。特別是在患有 腎上腺皮質醇增多癥的患者中，血漿ACTH可能升高。販·.以前的研究已經報道了重度抑郁癥中垂體后葉分泌物的異常。這些分泌 物之一是AVP，它已經在幾項研究中與MDD相關，特別是在患有某些抑郁癥亞型(例如 憂郁型、焦慮相關型)的患者中。血管加壓素，正如其名字所表明的，增加了外周血管 的阻力，因此增加了動脈血壓。動物研究顯示AVP起到應激應答的神經調質的作用。人 類研究顯示AVP的血漿濃度在不同的應激條件下升高或降低，而正常釋放受到滲透壓受 體和容積受體的控制。最后，已經顯示在患有MDD的患者中AVP的血漿水平升高(van Londen 等，(I"7)Neuropsychopharm. 17 2別_292)。因此，測量 AVP 水平可以有助于 分離和監測療法的能力。BDNF BDNF高度參與HPA軸的調控。此外，與對照相比，抑郁患者中BDNF
水平降低，并且抗抑郁藥物治療能夠在抑郁患者中增加血清BDNF水平。血漿BDNF水 平也能夠使用電驚厥療法來增加，表明非藥物療法也可以調節BDNF水平(Manmo等， (2007) J.Clin.Psych.68 512-7)。單變量分析(參見下面的實施例1)將BDNF鑒定為具 有統計學重要性的標志物，但是兩個組的BDNF水平范圍明顯交疊，表明血清BDNF本 身不是MDD的好的預測物。皮質醇皮質醇是由腎上腺的腎上腺皮質產牛的皮質類固醇激素。皮質醇極為重要的激素，通常被稱為“應激激素”，因為它參與對應激的響應。這種激素升高血壓 和血糖水平，并具有免疫抑制作用。皮質醇抑制CRH的分泌，導致ACTH分泌的反饋抑 制。當人類處于長期應激中時，這種正常的反饋系統可能崩潰，這可能是抑郁癥的潛在 病因。在抑郁癥中已經報道了皮質醇增多癥，正如24小時平均血清皮質醇濃度的升高和 24小時尿液排泄的皮質醇的增加所反映出的。此外，長期皮質醇增多癥可以是有神經毒 性的，與皮質醇升高有關的復發性抑郁事件可能導致漸進性腦損傷。對于用于評估神經精神疾病的血清標志物的評估來說，已經出現了一些問題。 例如，調查睪酮水平和情緒障礙的研究顯示出沖突的結果。但是，對于數據解釋的問題 往往是由于研究設計不佳。具體來說，來自單個檢驗或一組檢驗的結果被認為是單一檢 驗而不是使用算法進行分析。抗體的擴展文庫(例如Ridge高度多重篩選技術，容量約 為200個標志物)可以擴展到來自定性清楚的患者的樣品(例如血漿或血清)。在進一 步研究中，可以在治療之前或期間使用針對目標蛋白(例如單胺類和甲狀腺激素)的抗體 測量患者和對照的體液中水平。可以開發與通過微創方法獲得的樣品相容的表面和陣列 設計，以便為連續取樣提供機會。典型使用血清或血漿，但是正如在本文中指出的，其 他生物樣品也可能是有用的。例如，可以測量尿液中特定的單胺。此外，已發現抑郁患 者作為群體與健康對照對象相比，在尿液中排泄較大量的兒茶酚胺和代謝物。目標分析 物包括例如去甲腎上腺素、腎上腺素、香草扁桃酸(VMA)和3-甲氧基-4-羥基苯乙二 醇(MHPG)。蛋白質組學研究已經表明，尿液是可能在疾病狀態中差異表達的蛋白和肽 類的富集源。與神經精神疾病相關的標志物也可以被評估(例如與學術實驗室合作，在 來自抑郁對象的腦脊液中進行基于質譜術的發現)。除了所選的分析物(例如蛋白、肽或核酸)標志物之外，算法還可以包括其他可 用于單相抑郁癥的診斷和/或將MDD與其他情緒障礙(例如狂躁-抑郁癥、創傷后應激 障礙(PTSD)、精神分裂癥、季節性情感障礙(SAD)、產后抑郁和慢性疲勞性綜合征)區 分開的其他可測量參數。例如，在本文的表1中提供的9種分析物的組集或其亞組(例如 在本文的表2-7中列出的)，單獨地或與其他可測量參數組合，可用于將MDD與和抑郁 有關的老年性疾病區分開，這些老年性疾病包括但不限于血管性癡呆、阿茨海默氏病、 慢性疼痛和失能。同樣地，年輕人中的抑郁鮮見表現為孤立的問題，而通常是復雜的行 為憂慮模式的一部分，這對于診斷和治療二者都是挑戰。例如，抑郁的年輕人通常具有 至少一種其他并行診斷，例如焦慮、物質濫用和破壞性行為障礙。此外，抑郁的年輕人 隨著時間可能發展出雙相情緒障礙。在這種情況下，可以按照本文所述通過測量特定分 析物的水平并計算MDD分值來輔助診斷。在某些實施方案中，MDD分值可以包括將其他可測量參數另行化為因素，例 如使用計算機斷層(CT)掃描進行成像、磁共振成像(MRI)、分子共振光譜術(MRS)、 其他身體測量值例如體重指數(BMI)以及甲狀腺功能的測量(例如TSH、游離甲狀腺素 (fT4)、游離三碘甲狀腺氨酸(fT3)、反1(打3)、抗甲狀腺球蛋白抗體(抗TG)、抗甲狀腺 過氧化物酶抗體(抗TPO)、汀4/任3和汀3/打3)。例如，為了對患者進行細分類和進一步 定性，可以使用CT掃描或MRS、包括磷磁共振光譜術(31P-MRS)對對象進行成像。類 似的研究已經表明，腦代謝的變化牽涉MDD的病理學。使用31P-MRS的實驗顯示，與 正常對照相比，在抑郁對象中腦的能量代謝(例如β-核苷三磷酸(β-NTP)，主要反映腦中腺苷三磷酸(ATP)的水平)較低，并與抑郁癥的嚴重性正相關。β-NTP水平在成功 的抗抑郁藥物治療后還顯示出被校正，但是在非響應者的治療中沒有。31P-MRS方法、 包括3D化學位移成像，為測量來自特定腦部區域的31P-MRS代謝物提供了可能性。此外，提出了在整個生育年齡中男性_女性雌激素生產的反差差異調節了性別 間抑郁癥的表現。情緒變化通常呈現在月經周期的晚期黃體期和產后。在絕經期抑郁風 險增加這一發現還沒有被一致地再現，但是最近的流行病學研究發現，在絕經后當雌激 素水平降低時重度抑郁癥的發作增加，并且由于這種雌激素生產的降低，絕經后婦女日 益易患抑郁癥。同樣地，盡管總的來說在睪酮與抑郁癥之間存在弱的關聯性，但在睪酮 與對治療無響應的抑郁癥之間存在強得多的關聯性。因此，在某些實施方案中，本文描述的方法可以利用定制蛋白質陣列的靈敏性 和特異性來測定來自血液、血清、腦脊液和/或尿液的多種生物標志物。此外，算法可 以反映出蛋白特征與成像以及心理學測試之間的協調性。圖1是流程圖，詳細描述了可以包含在疾病特異性文庫或組集的建立中的第一 批步驟，所述文庫或組集用于確定例如診斷或預后。過程可以包含兩種統計學手段1) 通過單變量分析測試生物標志物的分布用于與疾病相關聯；以及2)使用將生物標志物分 成不交疊的一維群集的工具，通過類似于主元分析的過程，將生物標志物聚類成組。在 初次分析后，可以鑒定來自每個聚類的兩種或多種生物標志物的亞組，以設計用于進一 步分析的組集。選擇典型地基于標志物的統計學強度和目前對疾病的生物學了解。圖2是流程圖，描述了用于建立疾病特異性文庫或組集可以包含的步驟，所述 文庫或組集用于例如建立診斷或預后。如圖2中所示，相關生物標志物的選擇不必依賴 于圖2中所述的選擇過程，盡管第一個過程是有效的并能提供基于實驗和統計的標志物 選擇。但是，過程可以從完全基于假設和現有數據選擇的一組生物標志物開始。過程中 典型地包含了相關患者群體和適當匹配的(例如對于年齡、性別、種族、BMI等)正常對 象群體的選擇。在某些實施方案中，可以使用現有技術的方法學進行患者診斷，在某些 情況下，診斷由對患者群體具有相關經驗的單醫生組來進行。可以使用MIMS儀器或任 何其他適合的技術、包括單一分析法(例如ELISA或PCR)來測量生物標志物表達水平。 可以使用常規的統計學工具(例如但不限于T-檢驗，主元分析(PCA)，線性判別分析 (LDA)或二元邏輯回歸)來進行單變量和多變量分析。分析物測量和算法計算本文中提供的用于診斷抑郁癥和監測對象對抑郁癥治療的響應的方法，可以包 括在從對象收集的生物樣品中測定一組生物標志物的水平。示例性的對象是人類，但 是對象也可以包括用作人類疾病模型的動物(例如小鼠、大鼠、兔、狗和非人類靈長動 物)。生物標志物組對于特定疾病可以是特異的。例如，多種分析物可以形成對MDD 特異性的組集。在本文中使用時，“生物樣品”是含有細胞或細胞材料的樣品，可以從其獲得 核酸、多肽或其他分析物。根據正進行的分析的類型，生物樣品可以是血清、血漿或血 細胞(例如使用標準技術分離的血細胞)。血清和血漿是示例的生物樣品，但是其他生物 樣品也可以使用。其他適合的生物樣品的實例包括但不限于腦脊液、胸膜液、支氣管灌 洗液、痰液、腹膜液、膀胱洗液、分泌物(例如乳腺分泌物)、口腔洗液、拭子(例如口腔拭子)、分離的細胞、組織樣品、印片(touchpreps)、細針吸出物。在某些情況下，如 果生物樣品將立即進行測試，樣品可以維持在室溫；否則，樣品可以在分析前冷藏或冷 凍(例如在-800C )。有多種方法可用于生物標志物(例如分析物)定量。例如，可以使用一種或多 種醫學裝置或臨床評估分值獲得測量值，用于評估對象的狀態，或使用生物樣品的測試 (例如生物化學、生物物理或傳統臨床化學分析)來確定特定分析物的水平。多重方法 特別有用，因為它們需要較小的樣品體積，并且在同樣的溫育條件下一次性執行所有分 析。可用于多重分析的平臺的實例是FDA批準的基于流式的Luminex分析系統(xMAP ； 網址為luminexcorp.com)。該多重分析技術使用流式細胞術檢測抗體/肽/寡核苷酸或受 體標簽和標記的微球。因為該系統在構建上是開放的，Luminex非常適合于宿主特定的 疾病組集。另一種用于分析物定量的有用技術是免疫分析法，這是一種基于抗體與其抗原 的特異性結合來測量(例如，生物組織或流體如血清、血漿、腦脊液或尿液中的)物質 濃度的生物化學測試。所選的用于生物標志物定量的抗體必須對它們的抗原具有高親和 性。已經建立了為數眾多的不同標記物和分析策略，以滿足靈敏、精確、可靠和方便地 定量血漿蛋白的需要。例如酶聯免疫吸附分析法(ELISA)可用于定量生物樣品中的生物 標志物。在“固相夾心ELISA”中，可以將未知量的特異性“捕獲”抗體固定到多孔 板的表面，并可以允許樣品吸附到捕獲抗體上。然后可以用特異性的、標記的第二抗體 在表面上清洗，以便它能夠與抗原結合。第二抗體與酶結合，并在最后步驟中加入能夠 被該酶轉化以產生可檢測信號(例如熒光信號)的物質。對于熒光ELISA來說，可以使 用讀板器來測量當適合波長的光照在樣品上時產生的信號。所述分析法終點的定量包括 讀取多孔板上不同孔中的有色溶液的吸光度。有多種可以使用的讀板器，它們結合了分 光光度計以允許精確測量有色溶液。一些自動化系統，例如BIOMEK 1000(Beckman Instruments, Inc. ； Fullterton, CA)，也具有內置的檢測系統。一般來說，可以使用計算 機將未知數據點與實驗獲得的濃度曲線進行擬合。其他可用于定量生物標志物的技術包括BIAC0RE 表面等離子體共振(GE Healthcare, Chalfont St.Giles,英國)和蛋白陣列。另一種可用于生物標志物定量但不 用標記抗原和抗體的儀器是分子相互作用測量系統(Molecular Interaction Measurement System) (MIMS ； RidgeDiagnostics，Inc.)。MIMS即幾乎不需試劑，快速，并能由非技
術人員容易地使用。許多其他較高通量的多重技術也可用于快速測量和證實疾病特異性和化合物特 異性生物標志物。這些技術包括基于免疫珠的分析法、化學發光多重分析法以及芯片和 蛋白陣列。可以使用各種不同的蛋白陣列基材，包括尼龍膜、塑料微孔板、平面玻璃載 片、基于凝膠的陣列和懸液珠陣列。除了基于免疫分析的方法之外，基于高通量質譜術 的技術可用于同時確立肽和蛋白的鑒定和定量。質譜術在復雜背景中以絕對定量的方式 定量與某些生物狀況相關的特定蛋白譜的能力，能夠便于數據標準化，這對于比較生物 標志物的表達以及對于計算生物學和生物模擬來說是必需的。圖3是流程圖，描述了在建立用于診斷發展和應用的集合分值中可以包含的步 驟。過程可以包括從待測試的對象獲得生物樣品(例如血樣)。根據正在進行的分析的類型，可以通過標準技術分離血清、血漿或血細胞。如果生物樣品將被立即測試，樣品 可以維持在室溫下，否則在分析之前可以將樣品冷藏或冷凍(例如在-80°C)。生物標志 物表達水平可以使用MIMS儀器或任何其他適合的技術測量，包括例如單一分析法例如 ELISA或PCR。收集每種標志物的數據并應用算法產生集合診斷分值。診斷分值以及個 體的分析物水平，可以提供給臨床醫生用于建立對象的診斷和/或治療方案。圖5顯示了使用上述生物標志物分析的基于計算機的診斷系統的實例。該系統 包含生物標志物文庫數據庫710，其儲存有不同的成組的生物標志物組合以及每種組合的 相關系數，這些系數是基于例如在圖1或2中顯示的方法產生的生物標志物算法。數據 庫710儲存在系統的數字存儲裝置中。在該系統中提供了患者數據庫720以儲存正在進 行分析的一個或多個患者的各個生物標志物的測量值。提供了診斷處理引擎730，其可 以由一個或多個計算機處理器執行，用于將生物標志物文庫數據庫710中的一組或多組 生物標志物組合應用到儲存在數據庫720中的特定患者的患者數據，以便為診斷患者而 選擇的生物標志物組合組產生診斷輸出。可以將兩個或多個這樣的組應用于患者數據， 以提供兩種或多種不同的診斷輸出結果。處理引擎730的輸出可以儲存在輸出裝置740 中，其可以是例如顯示裝置、打印機或數據庫。一個或多個計算機系統可以用來執行圖5中的系統，并用于與本文件中描述的 任何計算機執行方法相關描述的操作。圖6顯示了這種計算機系統800的實例。系統800 可以包括各種不同形式的數字計算機，例如膝上機、臺式機、工作站、個人數字助理、 服務器、刀片服務器、大型機和其他適合的計算機。系統800也可以包括移動裝置，例 如個人數字助理、移動電話、智能手機和其他類似的計算裝置。此外，系統可以包括便 攜式存儲介質，例如通用串行總線(USB)閃存驅動器。例如，USB閃存驅動器可以儲存 操作系統和其他應用軟件。USB閃存驅動器可以包含輸入/輸出部件，例如可以插入到 另一個計算裝置的USB端口中的無線發射器或USB連接器。在圖6的具體實施例中，系統800包括處理器810、存儲器820、存儲裝置830 和輸入/輸出裝置840。每個部件810、820、830和840使用系統總線850互相連接。 處理器810能夠處理系統800中的處理指令。可以使用眾多結構中的任一種來設計處理 器。例如，處理器810可以是CISC(復雜指令集計算機)處理器、RISC(精簡指令集計 算機)處理器或MISC (最小指令集計算機)處理器。在一個實施方案中，處理器810是單線程處理器。在另一個實施方案中，處理 器810是多線程處理器。處理器810能夠處理儲存在存儲器820中或存儲裝置830上的 指令，為輸入/輸出裝置840上的用戶界面顯示圖形信息。存儲器820儲存系統800中的信息。在一個實施方案中，存儲器820是計算機 可讀介質。在一個實施方案中，存儲器820是易失性存儲單元。在另一個實施方案中， 存儲器820是非易失性存儲單元。存儲裝置830能夠為系統800提供大量儲存。在一個實施方案中，存儲裝置830 是計算機可讀介質。在各種不同實施方案中，存儲裝置830可以是軟盤驅動器、硬盤驅 動器、光盤驅動器或磁帶裝置。輸入/輸出裝置840為系統800提供輸入/輸出操作。在一個實施方案中，輸 入/輸出裝置840包括鍵盤和/或點擊裝置。在另一個實施方案中，輸入/輸出裝置840包括用于顯示圖形化用戶界面的顯示裝置。所描述的特點可以在數字電子線路中或在計算機硬件、固件、軟件或其組合中 實現。設備可以在計算機程序產品中執行，所述程序產品具體體現在信息載體例如機器 可讀存儲裝置中，用于被可編程處理器執行；方法步驟的執行可以通過可編程處理器執 行指令程序，通過操作輸入數據并產生輸出來執行所描述實施方案的功能。有利地，所 描述的特點可以在一個或多個可以在可編程系統上執行的計算機程序中實現，所述可編 程系統包括至少一個偶聯的可編程處理器以從數據存儲系統接收數據和指令并向數據存 儲系統發送數據和指令，至少一個輸入裝置和至少一個輸出裝置。計算機程序是能夠直 接或間接地在計算機中使用、用于執行某種活動或產生某種結果的一組指令。計算機程 序可以用任何形式的編程語言包括編譯性語言或解釋性語言寫成，它可以以任何形式部 署，包括作為獨立程序或作為模塊、組件、子程序或任何其他適合用于計算環境中的單元。適合用于執行指令程序的處理器包括例如通用和專門用途的微處理器，以及任 何種類計算機的單處理器或多處理器之一。一般來說，處理器將從只讀存儲器或隨機存 取存儲器或兩者接收指令和數據。計算機的必需元件是用于執行指令的處理器和一個或 多個用于儲存指令和數據的存儲器。一般來說，計算機也包含一個或多個用于儲存數據 文件的大容量存儲裝置或可操作地連接以與它們通訊；這樣的裝置包括磁盤例如內置硬 盤和可移動盤；磁-光盤；以及光盤。適合于具體體現計算機程序指令和數據的存儲裝 置包括所有形式的非易失性存儲器，包括例如半導體存儲裝置例如EPROM、EEPROM和 閃存裝置；磁盤例如內置硬盤和可移動盤；磁-光盤；以及CD-ROM和DVD-ROM盤。 處理器和存儲器可以增補或整合在ASIC (專用集成電路)中。為了提供與用戶的相互作用，所述特點可以在具有用于向用戶顯示信息的顯示 裝置例如CRT (陰極射線管)或LCD (液晶顯示器)監測器、以及可以被用戶用于向計算 機提供輸入的鍵盤和點擊裝置例如鼠標或軌跡球的計算機上執行。所述特點可以在包含后端部件例如數據服務器、或包含中間件部件例如應用 服務器或互聯網服務器、或包含前端部件例如具有圖形用戶界面或互聯網瀏覽器的客 戶端計算機或其任何組合的計算機系統中執行。系統的部件可以通過任何數字數據通 訊形式或介質例如通訊網絡相連。通訊網絡的實例包括局域網(“LAN”)、廣域網 (“WAN”)、對等網絡(具有點對點或靜態成員)、網格計算基礎設施和互聯網。計算機系統可以包括客戶端和服務器。客戶端和服務器一般彼此遠離，典型地 通過網絡例如上面描述的網絡相互作用。客戶端與服務器之間的關系依靠在相應計算機 上運行并彼此具有客戶端-服務器關系的計算機程序產生。使用診斷分值的方法圖4是流程圖，說明了使用診斷分值來確定診斷、選擇療法和監測治療進展的 示例性過程。正如圖4中所述，可以使用一組生物標志物的表達水平來產生一個或多個 多診斷分值。在該實例中，在對象的血樣中測量了多個生物標志物，并通過算法產生了 三個診斷分值。在某些情況下，單個診斷分值可能足以輔助診斷、療法選擇和治療監 測。當選擇療法并開始治療時，患者仍然可能需要通過測量生物標志物水平(例如在隨 后獲得的血樣中)以產生和比較診斷分值，進行定期監測。
MDD分值可用于例如在治療過程中監測患者狀態并調整治療。幾乎一半的接受 抗抑郁藥物處方的醫院門診患者在第一個月期間中斷治療。因此，在治療的第一個月期 間患者的隨訪和監測是極為重要的。取決于研究的群體和使用的藥劑，前三個月的中斷 率可以達到接近 7O % (Keller 等，Tnt.Clin.Psychopharmacol. (2OO2) I7 265_271)。抗抑 郁藥物的不良作用是治療失敗的主要原因，感覺缺乏療效也是一個重要原因。診斷分值和/或單個分析物水平或生物標志物值可以提供給臨床醫生，用于為 對象建立或改變治療過程。當選擇療法并開始治療時，可以在兩個或多個間期處通過收 集生物樣品對對象進行定期監測，測量生物標志物水平以產生對應于給定時間間期的診 斷分值，并比較診斷分值隨時間的變化。在這些分值以及任何觀察到的診斷分值增加、 降低或穩定的趨勢的基礎上，臨床醫生、治療學家或其他保健專業人員可以依照隨時間 看到改善的目標而選擇照此繼續治療、中斷治療或調整治療計劃。例如，診斷分值的變 化(例如朝向未患MDD的正常個體的對照分值)可以對應于治療的正性響應。診斷分 值的改變(例如遠離未患MDD的正常個體的對照分值)或診斷分值與基線水平相比未改 變，可以表明未能對治療作出正性響應和/或需要重新評估當前的治療計劃。在報告患者的診斷分值后，保健專業人員可以采取一項或多項能夠影響患者護 理的行動。例如，保健專業人員可以將診斷分值記錄在患者的醫療記錄上。在某些情 況下，保健專業人員可以記錄MDD的診斷或變換患者的醫療記錄，以反映患者的醫療狀 況。在某些情況下，保健專業人員可以回顧和評估患者的醫療記錄，并可以評估用于患 者病癥的臨床干預的多種治療策略。保健專業人員在接收到關于患者的診斷分值的信息后，可以啟動或修改對MDD 癥狀的治療。在有些情況下，可以將以前診斷分值和/或各個分析物水平的報告與最近 接收到的診斷分值和/或疾病狀態相比較。在這種比較的基礎上，保健專業人員可以推 薦療法的改變。在某些情況下，保健專業人員可以將患者征集到對MDD癥狀的新的治 療性干預的臨床試驗中。在某些情況下，保健專業人員可以選擇等待，直到患者的癥狀 需要臨床干預時再開始治療。保健專業人員可以將診斷分值和/或各個分析物水平通知患者或患者的家庭。 在某些情況下，保健專業人員可以向患者和/或患者的家庭提供關于MDD的信息，包括 治療選項、預后和專家例如神經學家和/或咨詢顧問的推介。在某些情況下，保健專業 人員可以提供患者醫療記錄的復印件以便將診斷分值和/或疾病狀態通知給專家。研究專業人員可以將關于對象的診斷分值和/或疾病狀態的信息應用于推進 MDD研究。例如，研究人員可以將關于MDD診斷分值的數據與關于治療MDD癥狀 的藥物療效的信息進行匯編，以鑒定有效的療法。在某些情況下，研究專業人員可以獲 得對象的診斷分值和/或各個分析物水平，以評估對象入選或繼續參加研究性研究或臨 床試驗。研究專業人員可以根據對象當前或以前的診斷分值對對象病癥的嚴重性進行分 類。在某些情況下，研究專業人員可以將對象的診斷分值和/或各個分析物水平通知保 健專業人員，和/或可以把對象介紹給保健專業人員進行MDD的臨床評估和MDD癥狀 的治療。可以使用任何適合的方法將信息通知另一個人(例如專業人員)，信息可以直接 或間接通訊。例如，實驗室技術人員可以將診斷分值和/或各個分析物水平輸入基于計算機的記錄。在某些情況下，信息可以通過對醫療或研究記錄進行物理變更來通訊。例 如，醫學專業人員可以對醫療記錄做出永久性記號或標記，用于將診斷通訊給其他評閱 記錄的保健專業人員。可以使用任何類型的通訊(例如郵件、電子郵件、電話、傳真和 面對面交流)。安全類型的通訊(例如傳真、郵件和面對面交流)可能是特別有用的。 信息也可以通過使該信息可被專業人員以電子方式獲得(例如以安全的方式)來通訊給專 業人員。例如，信息可以放置在計算機數據庫上，使得保健專業人員可以訪問信息。此 外，信息可以通訊給專業人員所在的醫院、診所或研究機構。醫療保險便攜性和責任法 案(Healthlnsurance Portability and AccountabilityAct) (HIPAA)要求容納患者健康信息的信 息系統受到保護以防侵入。因此，通過開放網絡(例如互聯網或電子郵件)傳遞的信息 可以被加密。當使用封閉系統或網絡時，現有的訪問控制可能就已足夠。下面的實施例為上述各種特點提供了附加的信息。
實施例實施例1-抑郁癥的診斷標志物本文提供的方法被用于建立生物標志物文庫和確定抑郁分值的算法，所述文庫 和算法可用于診斷或確定對MDD的誘因和評估對象對抗抑郁治療的響應。多重檢測系統 被用于抑郁癥的表型分子關聯。使用了三種統計手段進行生物標志物評估和算法建立 (1)單變量分析，用于測試用于與MDD關聯的生物標志物的分布；以及(2)線性判別分 析(LDA)和(3)用于算法構建的二元邏輯回歸。各個分析物水平的單變量分析利用Student’ S T-檢驗，使用Luminex多重技
術測試了每種分析物的血清水平，并且我們對抑郁與正常對象進行了比較。顯著性水平 被設置在α《0.05。單變量分析分別調查了數據組中的每個變量。該方法著眼于值的范圍 和值的集中趨勢，描述對變量響應的樣式并描述每個變量自身。例如，圖6顯示了在治 療之前和之后在假設的6位MDD患者系列中標志物X的血液水平的分布。從該圖得出 的第一點是，在未治療的MDD患者中與對照對象相反，標志物X的濃度較高。第二， 治療后MDD患者中標志物X的水平與對照的類似。然后使用Student' s t_檢驗來比較兩組數據，并測試它們的平均值之差有顯 著性的假設。平均值之差的統計學顯著性是基于平均值之間有多少標準偏差。使用 Student' s t-統計數值以及t-統計數值的絕對值可能由于偶然才這樣大或更大的相應概 率或顯著性，將平均值之間的距離判斷為顯著。此外，t-檢驗考慮到了群體是獨立的還 是成對的。當兩個組被認為具有同樣的總體方差但具有不同的平均值時，可以使用獨立 t_檢驗。該檢驗可以為關于給定群體與理想測量值的差別如何、例如治療組與獨立對照 組相比如何的陳述提供支持。獨立t-檢驗可以在具有不相等數量點的數據組上進行。 相反，只有在兩個樣品規模相等(即包含同樣數量的點)時，才使用配對檢驗。這種檢 驗假定一個群體中的任何點的方差與第二個群體中等價的點相同。通過在逐個樣品的基 礎上比較實驗結果，該檢驗可用于支持關于治療的結論。例如，配對t-檢驗可用于比較 單個組在治療之前和之后的結果。這種手段可以幫助評估使用獨立t-檢驗時其平均值 似乎沒有顯著差別的兩個數據組。在檢驗期間，計算了用于度量平均值之差的顯著性的 Student' st-統計數值，以及t-統計數值由于偶然才取該值的概率(ρ-值)。ρ-值越小，平均值的差異越顯著。對于許多生物系統來說，ρ > 0.05的α水平(或顯著性水平)代 表了僅由偶然就可獲得t_統計數值的概率。例如，將students t-檢驗應用于圖6中的數據(其中在每個組中存在相等數量的 點)，顯示出對照對象與患有MDD的患者之間標志物X表達的差異是統計學顯著的，ρ > 0.002，和MDD患者在治療前和治療后的差異是統計學顯著的，ρ >0.013。相反，在 對照組和治療后的MDD患者之間不存在統計學顯著的差異(ρ > 0.35)。這樣的數據被用于獲得變量的頻率分布。這通過依次序從最低到最高的所有變 量值來獲得。每個變量值出現的次數是每個值在數據組中出現的頻率的計數。例如，如 果使用本文描述的算法計算MDD分值，患者群體可以被分成具有同樣MDD分值的組。 如果在治療之前和之后監測患者，可以建立每個MDD分值的頻率并可以確定治療的有效 性。PCA和PLS-DA = PCA在數學上被定義為ιΗ交線件變換,其將數據變換到新 的坐標系統，使得數據的任何投影得到的最大方差位于第一個坐標上(被稱為第一主分 量)，第二大方差位于第二個坐標上，依此類推。通過保留較低階主分量并忽略較高階主 分量來保留數據組中對其方差貢獻最大的那些特征，將PCA用于數據組維數的減少。這 種低階分量往往包含數據的“最重要”方面。為了強化觀察組之間的分離，進行了 PLS-DA，該方法通過旋轉PCA分量以獲 得類別之間的最大分離，提供了關于哪些變量攜帶類別分離信息的信息。使用MDD組 集測量例如16種分析物、所有18種分析物或4到9種分析物亞組的血清水平，PLS-DA 和其他技術被用于展示正常對象與抑郁患者的分離。基于線件判別分析(LDA)的算法為了鑒定對類別(例如抑郁對正常)之間的 辨別貢獻最大的分析物，使用了來自用于Windows的SPSS 11.0的LDA逐步方法，其中 使用了下列設置Wilks’ Iambda(A)方法被用于選擇使聚類分離最大化的分析物，并將 進入模型中的分析物通過其F-值加以控制。大的F-值表明具體分析物的水平在兩個組 之間不同，小的F-值(F < 1)表明沒有差異。在這種方法中，對于小的Λ值來說無效 假設被拒絕。因此，目標是最小化Λ。為了構建分析物預測物名單，計算了每種分析物的F-值。從具有最大F-值的 分析物(在兩組之間差異最大的分析物)開始，測定A的值。然后將具有第二大F-值的 分析物加入到名單中并重新計算Λ。如果第二種分析物的加入降低了 Λ的值，將其保留 在分析物預測物名單中。重復每次添加一個分析物的過程，直到不再發生Λ的降低。然后進行交叉驗證，這是一種用于測試預測模型的穩固性的方法。為了對預測 模型進行交叉驗證，將一個樣品取出并放在一邊，使用剩余的樣品在預先選擇的分析物 預測物的基礎上建立預測模型，并確定新模型是否能夠正確預測沒有用于新模型構建的 一個樣品。每次一個，對所有樣品重復該過程，并計算累計交叉驗證率。使用從單變量 分析和交叉驗證獲得的信息，通過手動加入或取出分析物以最大化交叉驗證率，確定了 分析物預測物的最終名單。然后將給出最高交叉驗證率的分析物預測物組定義為最終的 分析物分類物。實施例2-選擇用于MDD的多個生物標志物使用Student， s t-檢驗，使用Luminex多重技術測試了約100種分析物的血清水平。隨后對數據進行分析，用于抑郁與正常對象的比較。顯著性水平被設置為 α《0.05。在初始研究后，根據統計學顯著性選擇表1中列出的分析物。然后進行多變量 分析(PCA、PLS-DA、LDA)以鑒定可用于將MDD患者與正常人群區別開的標記物。表1列出了 9種生物標志物，并指出了每種分析物與抑郁癥的病理生理學的可能 關系的實質。在實際應用中，較小組的生物標志物可以在使用或不使用源自臨床評估的 附加信息的情況下，可能足以輔助MDD的診斷和治療監測。建立了使用不同標志物組 的幾個其他實施例，并顯示在表2-7中。使用4到9種分析物亞組的MDD算法已經證 明了診斷靈敏度在70%到90%的范圍內。這些組或這些組與其他信息的組合，也被用于 區分單相抑郁癥的不同亞型、對患者分層和/或用于選擇和監測治療。表權利要求
1.用于表征對象抑郁癥的方法，所述方法包括(a)為多個被預定與抑郁癥有關的參數提供數值；(b)通過預定的函數對每個所述數值單獨地加權，每個函數對于每個參數是特定的；(c)確定加權值的總和；(d)確定所述總和與對照值之間的差異；以及(e)如果所述差異大于預定閾值，將所述對象分類為患有抑郁癥，或如果所述差異與 所述預定閾值沒有不同，就將所述對象分類為未患抑郁癥。
2.權利要求1的方法，其中所述抑郁癥與重度抑郁癥(MDD)有關。
3.權利要求1的方法，其中所述參數選自白介素-I(IL-I)、白介素-6(IL_6)、白 介素-7(IL_7)、白介素-IO(IL-IO)、白介素-13 (IL-13)、白介素-15 (IL-15)、白介 素-18 (IL-18)、α -2-巨球蛋白(Α2Μ)和β -2-巨球蛋白(Β2Μ)。
4.權利要求1的方法，其中所述參數選自IL-1、IL-6、IL-7、IL-10、IL-13、 IL-15、IL-18 和 Α2Μ。
5.權利要求1的方法，其中所述參數是皮質醇、IL-1、IL-6、IL-7、IL_10、IL-13、 IL-18 和 Α2Μ。
6.權利要求1的方法，其中所述參數是皮質醇、IL-1、IL-6、IL-10、IL_13、IL-18 和 Α2Μ。
7.權利要求1的方法，其中所述參數是IL-1、IL-10、IL-13、IL-18和Α2Μ。
8.權利要求1的方法，其中所述參數是皮質醇、IL-1、IL-10、IL-13、IL-18和 Α2Μ。
9.權利要求1的方法，其中所述參數是皮質醇、IL-10、IL-13、IL-18和Α2Μ。
10.權利要求4到9任一項的方法，其中所述參數還包含神經肽Y、ACTH、精氨酸 加壓素、腦源性神經營養因子和皮質醇中的一種或多種。
11.權利要求4到9任一項的方法，其中所述參數還包含血小板相關的5-羥色胺。
12.權利要求4到9任一項的方法，其中所述參數還包含脂肪酸結合蛋白、α-l抗胰 蛋白酶、因子VII、表皮生長因子、谷胱甘肽S-轉移酶、RANTES、1型纖溶酶原激活物 抑制劑和1型金屬蛋白酶組織抑制劑中的一種或多種的血清或血漿水平。
13.權利要求1的方法，其中所述數值是來自所述對象的生物樣品中的生物標志物水平。
14.權利要求13的方法，其中所述生物樣品是全血。
15.權利要求13的方法，其中所述生物樣品是血清。
16.權利要求13的方法，其中所述生物樣品是血漿。
17.權利要求13的方法，其中所述生物樣品是尿液。
18.權利要求13的方法，其中所述生物樣品是腦脊液。
19.權利要求1的方法，其中所述預定閾值是統計學顯著性的。
20.權利要求19的方法，其中所述統計學顯著性是ρ< 0.05。
21.權利要求1的方法，其中所述對象是人類。
22.權利要求1的方法，還包含為選自磁共振成像、磁共振光譜、計算機斷層掃描和體重指數的一種或多種參數提供數值。
23.權利要求1的方法，還包含提供來自所述對象的生物樣品。
24.權利要求1的方法，還包含測量所述多個參數以獲得所述數值。
25.用于監測MDD的治療的方法，所述方法包括(a)為被診斷為患有MDD的對象的多個參數提供數值，所述參數被預定與MDD有關；(b)使用包含所述數值的算法計算MDD分值；(C)在所述對象接受MDD治療的時間段后重復步驟(a)和(b)，以獲得治療后MDD 分值；(d)將來自步驟(C)的治療后MDD分值與步驟(b)中的分值和正常對象的MDD分 值進行比較，并且如果來自步驟(C)的分值比來自步驟(b)的分值更接近于正常對象的 MDD分值，則將所述治療分類為是有效的。
26.權利要求25的方法，其中步驟(b)包含通過預定的函數對每個所述數值單獨地加 權，每個函數對于每個參數是特定的，并計算加權值的總和。
27.權利要求25的方法，其中所述參數選自IL-1、IL-6、IL-7、IL-10、IL-13、 IL-15、IL-18、A2M 和 B2M。
28.權利要求25的方法，其中所述時間段在所述治療開始后數周到數月的范圍內。
29.權利要求25的方法，其中對于所述治療開始之前和之后的時間點，提供所述數值 的子集。
30.權利要求25的方法，其中所述參數包含源自于磁共振成像、磁共振光譜或計算機 斷層掃描的測量值。
31.權利要求25的方法，其中所述數值是來自所述對象的生物樣品中的生物標志物水平。
32.權利要求31的方法，其中所述生物樣品是血清。
33.權利要求31的方法，其中所述生物樣品是血漿。
34.權利要求31的方法，其中所述生物樣品是尿液。
35.權利要求31的方法，其中所述生物樣品是腦脊液。
36.權利要求25的方法，還包含提供來自所述對象的生物樣品。
37.權利要求25的方法，還包含測量所述多個參數的水平以獲得所述數值。
38.用于診斷MDD的計算機執行的方法，所述方法包括提供生物標志物文庫數據庫，其包含被預定與MDD相關的選定生物標志物參數、 成組的生物標志物組合、以及成組的組合的系數，所述成組的組合的系數是基于從患有 MDD患者獲得的臨床數據；以及使用計算機處理器，基于預定的算法將成組的生物標志物組合和相關系數應用于 從患者獲得的組中的生物標志物的測量值以產生MDD分值，用于診斷患者是否患有 MDD。
全文摘要
本發明公開了使用測量多個參數的多參數系統和計算分值的算法，建立患者單相抑郁癥(MDD)疾病計分相關的材料和方法。
文檔編號G06Q30/00GK102016907SQ200980116135
公開日2011年4月13日 申請日期2009年3月11日 優先權日2008年3月12日
發明者何一武, 皮波, 約翰·比勒羅 申請人:瑞吉診斷公司