【技术实现步骤摘要】
【国外来华专利技术】本申请主张2013年12月20日提交的美国临时专利申请No.61/919,586和2013年3月15日提交的美国临时专利申请No.61/798,504的优先权,以上每篇专利以其全部内容作为参考并入本文。本专利技术总体上涉及个性化医学领域,并且更具体地,涉及用于确定怀孕妇女中早产概率的组合物和方法。
技术介绍
根据世界卫生组织,每年估计1500万婴儿早产(妊娠第37完整周之前)。根据可靠数据,在几乎所有国家,早产率日益提高。参见,WorldHealthOrganization;MarchofDimes;ThePartnershipforMaternal,Newborn&ChildHealth;SavetheChildren,Borntoosoon:theglobalactionreportonpretermbirth,ISBN9789241503433(2012)。每年估计有100万婴儿死于早产并发症。就全世界而言,早产是新生儿死亡的主要原因(出生前4周的婴儿),而第二主要死亡原因是5岁以下儿童中的肺炎。多数存活者面临一生残疾,包括无学习能力以及视觉和听觉问题。根据可靠数据,在184个国家,早产率在出生婴儿的5%至18%的范围内。Blencowe等人,“National,regionalandworldwideestimatesofpretermbirth.”TheLancet,9;379(9832):2162-72(2012)。尽管超过60%的早产发生在非洲和南亚,但早产仍是全球性问题。早产数最高的国家包括巴西、印度、尼日利亚和美国。在早产率超过15%的 ...
【技术保护点】
一组分离的生物标志物,其包含表1至63中所列的N种生物标志物。
【技术特征摘要】
【国外来华专利技术】2013.03.15 US 61/798,504;2013.12.20 US 61/919,5861.一组分离的生物标志物,其包含表1至63中所列的N种生物标志物。2.根据权利要求1所述的组,其中,N为选自由2至24组成的组中的数字。3.根据权利要求2所述的组,其中,所述组包含选自由AFTECCVVASQLR、ELLESYIDGR、ITLPDFTGDLR、表50中所述的生物标志物和表52中所述的生物标志物组成的组中的至少2种分离的生物标志物。4.根据权利要求2所述的组,其中,所述组包含脂多糖-结合蛋白(LBP)、凝血酶原(THRB)、补体组分C5(C5或CO5)、纤溶酶原(PLMN)和补体组分C8γ链(C8G或CO8G)。5.根据权利要求2所述的组,其中,所述组包含选自由脂多糖-结合蛋白(LBP)、凝血酶原(THRB)、补体组分C5(C5或CO5)、纤溶酶原(PLMN)和补体组分C8γ链(C8G或CO8G)组成的组中的至少2种分离的生物标志物。6.根据权利要求2所述的组,其中,所述组包含选自由脂多糖-结合蛋白(LBP)、凝血酶原(THRB)、补体组分C5(C5或CO5)、纤溶酶原(PLMN)、补体组分C8γ链(C8G或CO8G)、补体组分1,q亚组分,B链(C1QB)、纤维蛋白原β链(FIBB或FIB)、C-反应蛋白(CRP)、内源性-α-胰蛋白酶抑制剂重链H4(ITIH4)、绒毛膜生长催乳激素(CSH)、血管紧张素原(ANG或ANGT)、表51中所述的生物标志物和表53中所述的生物标志物组成的组中的至少2种分离的生物标志物。7.确定怀孕妇女中早产概率的方法,所述方法包括检测获自所述怀孕妇女的生物样品中选自表1至63中所列的生物标志物的N种生物标志物的每一种的可测量特征,以及分析所述可测量特征以确定所述怀孕妇女中早产概率。8.根据权利要求7所述的方法,其中,所述可测量特征包含选自表1至63所列的生物标志物的所述N种生物标志物的每一种的片段或衍生物。9.根据权利要求7所述的方法,其中,所述检测可测量特征包含对获自所述怀孕妇女的生物样品中选自表1至63所列的生物标志物的N种生物标志物的每一种、它们的组合或部分和/或衍生物的量进行定量分析。10.根据权利要求9所述的方法,还包括基于选自表1至63所列的生物标志物的N种生物标志物的每一种的所述定量分析的量来计算所述怀孕妇女中的早产概率。11.根据权利要求7所述的方法,还包括提供包含N种表1至63所列的生物标志物的生物标志物组的初始步骤。12.根据权利要求7所述的方法,还包括提供来自所述怀孕妇女的生物样品的初始步骤。13.根据权利要求7所述的方法,还包括向保健提供者传达所述概率。14.根据权利要求13所述的方法,其中,所述传达通知对所述怀孕妇女的后续治疗决策。15.根据权利要求7所述的方法,其中,N为选自由2至24组成的组中的数字。16.根据权利要求15所述的方法,其中,所述N种生物标志物包含选自由AFTECCVVASQLR、ELLESYIDGR、ITLPDFTGDLR、表50中所述的生物标志物和表52中所述的生物标志物组成的组中的至少2种分离的生物标志物。17.根据权利要求7所述的方法,其中,所述分析包含使用预测模型。18.根据权利要求17所述的方法,其中,所述分析包含将所述可测量特征与参考特征进行比较。19.根据权利要求18所述的方法,其中,所述分析包括使用线性差别分析模型、支持向量机分类算法、回归特征消去模型、微阵列预测分析模型、逻辑回归模型、多重回归模型、生存模型、CART算法、flextree算法、LART算法、随机森林算法、MART算法、机器学习算法、惩罚回归方法及其组合中的一种或多种。20.根据权利要求19所述的方法,其中,所述分析包括逻辑回归。21.根据权利要求7所述的方法,其中,所述概率表示为风险得分。22.根据权利要求7所述的方法,其中,所述生物样品选自全血、血浆和血清。23.根据权利要求22所述的方法,其中,所述生物样品是血清。24.根据权利要求7所述的方法,其中,所述定量分析包括质谱分析法(MS)。25.根据权利要求24所述的方法,其中,所述MS包括液相色谱-质谱分析法(LC-MS)。26.根据权利要求24所述的方法,其中,所述MS包括多次反应监控(MRM)或选择反应监控(SRM)。27.根据权利要求26所述的方法,其中,所述MRM(或SRM)包括经调度MRM(SRM)。28.根据权利要求7所述的方法,其中,所述定量分析包括使用捕获试剂的测定。29.根据权利要求28所述的方法,其中,所述捕获试剂选自由抗体、抗体片段、核酸基蛋白结合试剂、小分子或其变体组成的组。30.根据权利要求28所述的方法,其中,所述测定选自由酶免疫测定(EIA)、酶联免疫吸附测定(ELISA)和放射免疫测定(RIA)组成的组。31.根据权利要求30所述的方法,其中,所述定量分析还包括质谱分析法(MS)。32.根据权利要求31所述的方法,其中,所述定量分析包括免疫共沉淀-质谱分析法(co-IPMS)。33.根据权利要求7所述的方法,还包括检测一种或多种风险指征的可测量特征。34.根据权利要求7所述的方法,其中,所述可测量特征的所述分析起初包括在所述确定早产概率之前预测出生时的胎龄(GAB)。35.根据权利要求34所述的方法,其中,所述GAB的预测被用于确定早产概率。36.根据权利要求33所述的方法,其中,一种或多种风险指征选自由年龄、先前妊娠、先前低出生体重或早产分娩史、多次在第2个三个月中自发性流产、先前在第1个三个月中人工流产、家族和存在于两代人之间的因素、不育史、未孕、胎盘异常、宫颈和子宫异常、妊娠期出血、宫内生长受限、宫内己烯雌酚暴露、多次妊娠、婴儿性别、身材矮小、低妊娠前体重/低体重指数、糖尿病、高血压、甲状腺机能减退、哮喘、教育水平、烟草使用和泌尿生殖器感染组成的组。37.确定怀孕妇女中早产概率的方法,所述方法包括:(a)在获自所述怀孕妇女的生物样品中对选自表1至63中所列的生物标志物的N种生物标志物的每一种的量进行定量分析;(b)将所述量乘以预定系数,(c)确定所述怀孕妇女中的早产概率,包括将所述各个产物相加以获得对应于所述概率的总风险得分。38.预测GAB的方法,所述方法包括检测获自怀孕妇女的生物样品中选自表1至63中所列的生物标志物的N种生物标志物中的每一种的可测量特征,并分析所述可测量特征以预测GAB。39.根据权利要求38所述的方法,其中,所述可测量特征包括选自表1至63所列的生物标志物的所述N种生物标志物的每一种的片段或衍生物。40.根据权利要求38所述的方法,其中,所述检测可测量特征包括对得自所述怀孕妇女的生物样品中选自表1至63所列的生物标志物的N种生物标志物的每一种、它们的组合或部分和/或衍生物的量进行定量分析。41.根据权利要求40所述的方法,还包括基于选自表1至63所列的生物标志物的N种生物标志物的每一种的所述定量的量计算所述怀孕妇女中的早产概率。42.根据权利要求38所述的方法,还包括提供包含N种表1至63所列的生物标志物的生物标志物组的初始步骤。43.根据权利要求38所述的方法,还包括提供来自所述怀孕妇女的生物样品的初始步骤。44.根据权利要求38所述的方法,还包括向保健提供者传达所述概率。45.根据权利要求44所述的方法,其中,所述传达通知对所述怀孕妇女的后续治疗决策。46.根据权利要求38所述的方法,其中,N为选自由2至24组成的组中的数字。47.根据权利要求46所述的方法,其中,所述N种生物标志物包含选自由AFTECCVVASQLR、ELLESYIDGR、ITLPDFTGDLR、表50中所述的生物标志物和表52中所述的生物标志物组成的组中的至少2种分离的生物标志物。48.根据权利要求38所述的方法,其中,所述分析包括使用预测模型。49.根据权利要求48所述的方法,其中,所述分析包括将所述可测量特征与参考特征进行比较。50.根据权利要求49所述的方法,其中,所述分析包括使用线性差别分析模型、支持向量机分类算法、回归特征消去模型、微阵列预测分析模型、逻辑回归模型、多重回归模型、生存模型、CART算法、flextree算法、LART算法、随机森林算法、MART算法、机器学习算法、惩罚回归方法及其组合中的一种或多种。51.根据权利要求50所述的方法,其中,所述分析包括随机森林算法。52.根据权利要求38所述的方法,其中,所述概率表示为风险得分。53.根据权利要求38所述的方法,其中,所述生物样品选自全血、血浆和血清。54.根据权利要求53所述的方法,其中,所述生物样品是血清。55.根据权利要求38所述的方法,其中,所述定量分析包括质谱分析法(MS)。56.根据权利要求55所述的方法,其中,所述MS包括液相色...
【专利技术属性】
技术研发人员:都尔林·爱德华·希科克,约翰·杰伊·博尼费斯,格雷戈里·查尔斯·克里驰菲尔德,特蕾西·克里斯蒂纳·弗莱舍,
申请(专利权)人:赛拉预测公司,
类型:发明
国别省市:美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。