用于诊断卵巢癌的生物标志物制造技术

本文阐述的了可用于诊断疾病和疾患，如但不限于癌症(例如，卵巢)、自身免疫性疾病、纤维化和衰老疾患的糖肽生物标志物。本文还阐述了产生糖肽生物标志物的方法和使用质谱来分析糖肽的方法。本文还阐述了使用机器学习算法来分析糖肽的方法。分析糖肽的方法。分析糖肽的方法。

【技术实现步骤摘要】
【国外来华专利技术】用于诊断卵巢癌的生物标志物
[0001]相关申请的交叉引用
[0002]本申请要求于2019年2月1日提交的美国临时专利申请号62/800,323的优先权和权益，所述临时专利申请的全部内容出于所有目的以引用的方式整体并入本文。


[0003]本公开涉及糖蛋白质组学生物标志物，包括但不限于聚糖、肽和糖肽，以及将这些生物标志物与质谱一起使用和用于临床应用中的方法。

技术介绍

[0004]已经描述了糖基化的变化与疾病状态(如癌症)的关系。参见例如，Dube,D.H.；Bertozzi,C.R.Glycans in Cancer and Inflammation
‑
Potential for Therapeutics and Diagnostics.Nature Rev.Drug Disc.2005,4,477
‑
88，其全部内容出于所有目的以引用的方式整体并入本文。然而，尚未充分证明用于基于来自患者的样品中的糖基化变化来诊断此患者的癌症(如卵巢癌)的临床上相关的非侵入性测定。
[0005]例如，用于诊断卵巢癌的常规临床测定包括通过酶联免疫吸附测定(ELISA)测量患者血液中蛋白质CA 125(癌症抗原125)的量。然而，ELISA的灵敏度和精度有限。例如，ELISA仅测量ng/mL范围内的浓度的CA 125。由于无法在显著高于或低于该浓度范围的浓度下测量生物标志物，这种狭窄的测量范围限制该测定的相关性。此外，CA 125 ELISA测定在可测定的样品类型方面受到限制。由于缺乏更精确且灵敏的测试，在其他方面可能被诊断患有卵巢癌的患者不会且因此无法得到适当的后续医疗护理。
[0006]作为替代方案，质谱(MS)提供对包括糖肽在内的癌症特异性生物标志物的灵敏且精确的测量。参见例如，Ruhaak,L.R.,等人,Protein
‑
Specific Differential Glycosylation of Immunoglobulins in Serum of Ovarian Cancer Patients DOI:10.1021/acs.jproteome.5b01071；J.Proteome Res.,2016,15,1002
‑
1010(2016)；还参见Miyamoto,S.,等人,Multiple Reaction Monitoring for the Quantitation of Serum Protein Glycosylation Profiles:Application to Ovarian Cancer,DOI:10.1021/acs.jproteome.7b00541,J.Proteome Res.2018,17,222
‑
233(2017)，其全部内容出于所有目的以引用的方式整体并入本文。然而，迄今为止，尚未以临床相关的方式证明使用MS来诊断癌症(一般而言，或具体而言卵巢癌)。
[0007]所需要的是新的生物标志物以及使用这些生物标志物使用MS来诊断疾病状态如癌症的新方法。在下文的公开内容中，本文阐述了包含聚糖、肽和糖肽以及其片段的此类生物标志物，以及使用所述生物标志物与MS来诊断卵巢癌的方法。

技术实现思路

[0008]在一个实施方案中，本文阐述了一种由选自SEQ ID NO:1
‑
262的氨基酸序列以及它们的组合组成的糖肽或肽。
[0009]在另一个实施方案中，本文阐述了一种基本上由选自SEQ ID NO:1
‑
262的氨基酸序列以及它们的组合组成的糖肽或肽。
[0010]在另一个实施方案中，本文阐述了一种用于检测一种或多种MRM转变的方法，所述方法包括：从患者获得生物样品；使所述样品中的糖肽消化和/或片段化；以及检测选自由本文所述的转变1
‑
150组成的组的多反应监测(MRM)转变。
[0011]在另一个实施方案中，本文阐述了一种用于鉴定样品的分类的方法，所述方法包括：通过质谱(MS)定量样品中的一种或多种糖肽，其中所述糖肽各自在每种情况下单独包含基本上由选自由SEQ ID NO:1
‑
262以及它们的组合组成的组的氨基酸序列组成的糖肽；以及将所述定量输入训练模型中以生成输出概率；确定所述输出概率是高于还是低于分类的阈值；以及基于所述输出概率是高于还是低于分类的阈值来鉴定所述样品的分类。
[0012]在另一个实施方案中，本文阐述了一种用于对生物样品进行分类的方法，所述方法包括：从患者获得生物样品；使所述样品中的糖肽消化和/或片段化；检测选自由转变1
‑
150组成的组的MRM转变；以及定量所述糖肽；将所述定量输入训练模型中以生成输出概率；确定所述输出概率是高于还是低于分类的阈值；以及基于所述输出概率是高于还是低于分类的阈值对所述生物样品进行分类。
[0013]在另一个实施方案中，本文阐述了一种用于治疗患有卵巢癌的患者的方法；所述方法包括：从所述患者获得生物样品；使所述样品中的一种或多种糖肽消化和/或片段化；以及检测和定量选自由转变1
‑
150组成的组的一种或多种多反应监测(MRM)转变；将所述定量输入训练模型中以生成输出概率；确定所述输出概率是高于还是低于分类的阈值；以及基于所述输出概率是高于还是低于分类的阈值对所述患者进行分类，其中所述分类选自由以下组成的组：(A)需要化学治疗剂的患者；(B)需要免疫治疗剂的患者；(C)需要激素疗法的患者；(D)需要靶向治疗剂的患者；(E)需要手术的患者；(F)需要新辅助疗法的患者；(G)在手术前需要化学治疗剂、免疫治疗剂、激素疗法、靶向治疗剂、新辅助疗法或它们的组合的患者；(H)在手术后需要化学治疗剂、免疫治疗剂、激素疗法、靶向治疗剂、新辅助疗法或它们的组合的患者；(I)或它们的组合；向所述患者施用治疗有效量的治疗剂：其中如果确定分类A或I，则所述治疗剂选自化学疗法；其中如果确定分类B或I，则所述治疗剂选自免疫疗法；或者其中如果确定分类C或I，则所述治疗剂选自激素疗法；或者其中如果确定分类D或I，则所述治疗剂选自靶向疗法；其中如果确定分类F或I，则所述治疗剂选自新辅助疗法；其中如果确定分类G或I，则所述治疗剂选自化学治疗剂、免疫治疗剂、激素疗法、靶向治疗剂、新辅助疗法或它们的组合；并且其中如果确定分类H或I，则所述治疗剂选自化学治疗剂、免疫治疗剂、激素疗法、靶向治疗剂、新辅助疗法或它们的组合。
[0014]在另一个实施方案中，本文阐述了一种用于训练机器学习算法的方法，所述方法包括：提供指示包含糖肽的样品的MRM转变信号的第一数据集，所述糖肽由或基本上由选自由SEQ ID NO:1
‑
262组成的组的氨基酸序列组成；提供指示对照样品的MRM转变信号的第二数据集；以及使用机器学习算法将所述第一数据集与所述第二数据集进行比较。
[0015]在另一个实施方案中，本文阐述了一种用于诊断本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种检测一种或多种多反应监测(MRM)转变的方法，所述方法包括：从患者获得或已经获得生物样品，其中所述生物样品包含一种或多种聚糖或糖肽；使所述样品中的糖肽消化和/或片段化；以及检测选自由转变1
‑
150组成的组的MRM转变。2.如权利要求1所述的方法，其中使所述样品中的糖肽片段化在将所述样品或其一部分引入质谱仪之后发生。3.如权利要求1
‑
2中任一项所述的方法，其中使所述样品中的糖肽片段化产生基本上由选自由SEQ ID NO:1
‑
262以及它们的组合组成的组的氨基酸序列组成的肽或糖肽。4.如权利要求1
‑
3中任一项所述的方法，其中使所述样品中的糖肽片段化产生基本上由选自由以下组成的组的氨基酸序列组成的肽或糖肽：SEQ ID NO:4、5、9、12、22、24、28、32、34、35、36、37、38、53、61、65、69、82、99、104、114、115、126、128、136、146、147、150、154、177、184、190、194以及它们的组合。5.如权利要求1
‑
4中任一项所述的方法，其中所述MRM转变选自表1
‑
5中的任一个中的转变或它们的任何组合。6.如权利要求1
‑
5中任一项所述的方法，其中检测选自由转变1
‑
150组成的组的MRM转变包括使用三重四极(QQQ)质谱仪或四极飞行时间(qTOF)质谱仪检测MRM转变。7.如权利要求1
‑
6中任一项所述的方法，其中所述一种或多种糖肽包括基本上由选自由SEQ ID NO:1
‑
262以及它们的组合组成的组的氨基酸序列组成的肽或糖肽。8.如权利要求1
‑
7中任一项所述的方法，其中所述一种或多种糖肽包括基本上由选自由以下组成的组的氨基酸序列组成的肽或糖肽：SEQ ID NO:4、5、9、12、22、24、28、32、34、35、36、37、38、53、61、65、69、82、99、104、114、115、126、128、136、146、147、150、154、177、184、190、194以及它们的组合。9.如权利要求1
‑
8中任一项所述的方法，所述方法包括检测一个或多个MRM转变，所述一个或多个MRM转变指示选自由以下组成的组的一种或多种聚糖：聚糖3200、3210、3300、3310、3320、3400、3410、3420、3500、3510、3520、3600、3610、3620、3630、3700、3710、3720、3730、3740、4200、4210、4300、4301、4310、4311、4320、4400、4401、4410、4411、4420、4421、4430、4431、4500、4501、4510、4511、4520、4521、4530、4531、4540、4541、4600、4601、4610、4611、4620、4621、4630、4631、4641、4650、4700、4701、4710、4711、4720、4730、5200、5210、5300、5301、5310、5311、5320、5400、5401、5402、5410、5411、5412、5420、5421、5430、5431、5432、5500、5501、5502、5510、5511、5512、5520、5521、5522、5530、5531、5541、5600、5601、5602、5610、5611、5612、5620、5621、5631、5650、5700、5701、5702、5710、5711、5712、5720、5721、5730、5731、6200、6210、6300、6301、6310、6311、6320、6400、6401、6402、6410、6411、6412、6420、6421、6432、6500、6501、6502、6503、6510、6511、6512、6513、6520、6521、6522、6530、6531、6532、6540、6541、6600、6601、6602、6603、6610、6611、6612、6613、6620、6621、6622、6623、6630、6631、6632、6640、6641、6642、6652、6700、6701、6711、6721、6703、6713、6710、6711、6712、6713、6720、6721、6730、6731、6740、7200、7210、7400、7401、7410、7411、7412、7420、7421、7430、7431、7432、7500、7501、7510、7511、7512、7600、7601、7602、7603、7604、7610、7611、7612、7613、7614、7620、7621、7622、7623、7632、7640、7700、7701、7702、7703、7710、7711、7712、7713、7714、7720、7721、7722、7730、7731、7732、7740、7741、7751、
8200、9200、9210、10200、11200、12200以及它们的组合。10.如权利要求9所述的方法，所述方法还包括定量第一聚糖和定量第二聚糖；并且还包括将所述第一聚糖的定量与所述第二聚糖的定量进行比较。11.如权利要求9或10所述的方法，所述方法还包括使检测到的聚糖与肽残基位点缔合，由此键合所述聚糖。12.如权利要求1
‑
11中任一项所述的方法，所述方法包括基于基本上由具有SEQ ID.No:1
‑
262的氨基酸组成的肽或糖肽的量，将糖肽的量归一化。13.一种用于鉴定样品的分类的方法，所述方法包括通过质谱(MS)定量样品中的一种或多种糖肽，其中所述糖肽各自在每种情况下单独包含基本上由选自由SEQ ID NO:1
‑
262以及它们的组合组成的组的氨基酸序列组成的糖肽；以及将所述定量输入训练模型中以生成输出概率；确定所述输出概率是高于还是低于分类的阈值；以及基于所述输出概率是高于还是低于分类的阈值来鉴定所述样品的分类。14.如权利要求13所述的方法，其中所述样品是来自患有疾病或疾患的患者或个体的生物样品。15.如权利要求14所述的方法，其中所述患者患有癌症、自身免疫性疾病或纤维化。16.如权利要求14所述的方法，其中所述患者患有卵巢癌。17.如权利要求14所述的方法，其中所述个体患有衰老疾患。18.如权利要求14所述的方法，其中所述疾病或疾患是卵巢癌。19.如权利要求13
‑
18中任一项所述的方法，其中所述MS是使用QQQ和/或qTOF质谱仪的MRM
‑
MS。20.如权利要求13
‑
19中任一项所述的方法，其中使用选自由以下组成的组的机器学习算法训练所述训练模型：深度学习算法、神经网络算法、人工神经网络算法、监督机器学习算法、线性判别分析算法、二次判别分析算法、支持向量机算法、线性基函数核支持向量算法、径向基函数核支持向量算法、随机森林算法、遗传算法、最近邻算法、k
‑
最近邻、朴素贝叶斯分类算法、逻辑回归算法或它们的组合。21.如权利要求13
‑
20中任一项所述的方法，其中所述分类是疾病分类或疾病严重程度分类。22.如权利要求21所述的方法，其中以大于80％的置信度、大于85％的置信度、大于90％的置信度、大于95％的置信度、大于99％的置信度或大于99.9999％的置信度鉴定所述分类。23.如权利要求13
‑
22中任一项所述的方法，所述方法还包括：在第一时间点通过MS定量样品中的第一糖肽；在第二时间点通过MS定量样品中的第二糖肽；以及将所述第一时间点的所述定量与所述第二时间点的所述定量进行比较。24.如权利要求23所述的方法，所述方法还包括：在第三时间点通过MS定量样品中的第三糖肽；在第四时间点通过MS定量样品中的第四糖肽；以及
将所述第四时间点的所述定量与所述第三时间点的所述定量进行比较。25.如权利要求13
‑
24中任一项所述的方法，所述方法还包括监测患者的健康状态。26.如权利要求25所述的方法，其中监测患者的所述健康状态包括监测具有风险因素如遗传突变的患者的疾病的发作和进展，以及检测癌症复发。27.如权利要求13
‑
26中任一项所述的方法，所述方法还包括通过MS定量选自由SEQ ID NO:1
‑
262组成的组的氨基酸序列。28.如权利要求13
‑
26中任一项所述的方法，所述方法还包括通过MS定量选自由以下组成的组的氨基酸序列：SEQ ID NO:4、5、9、12、22、24、28、32、34、35、36、37、38、53、61、65、69、82、99、104、114、115、126、128、136、146、147、150、154、177、184、190和194。29.如权利要求13
‑
26中任一项所述的方法，所述方法还包括通过MS定量选自由以下组成的组的一种或多种聚糖：聚糖3200、3210、3300、3310、3320、3400、3410、3420、3500、3510、3520、3600、3610、3620、3630、3700、3710、3720、3730、3740、4200、4210、4300、4301、4310、4311、4320、4400、4401、4410、4411、4420、4421、4430、4431、4500、4501、4510、4511、4520、4521、4530、4531、4540、4541、4600、4601、4610、4611、4620、4621、4630、4631、4641、4650、4700、4701、4710、4711、4720、4730、5200、5210、5300、5301、5310、5311、5320、5400、5401、5402、5410、5411、5412、5420、5421、5430、5431、5432、5500、5501、5502、5510、5511、5512、5520、5521、5522、5530、5531、5541、5600、5601、5602、5610、5611、5612、5620、5621、5631、5650、5700、5701、5702、5710、5711、5712、5720、5721、5730、5731、6200、6210、6300、6301、6310、6311、6320、6400、6401、6402、6410、6411、6412、6420、6421、6432、6500、6501、6502、6503、6510、6511、6512、6513、6520、6521、6522、6530、6531、6532、6540、6541、6600、6601、6602、6603、6610、6611、6612、6613、6620、6621、6622、6623、6630、6631、6632、6640、6641、6642、6652、6700、6701、6711、6721、6703、6713、6710、6711、6712、6713、6720、6721、6730、6731、6740、7200、7210、7400、7401、7410、7411、7412、7420、7421、7430、7431、7432、7500、7501、7510、7511、7512、7600、7601、7602、7603、7604、7610、7611、7612、7613、7614、7620、7621、7622、7623、7632、7640、7700、7701、7702、7703、7710、7711、7712、7713、7714、7720、7721、7722、7730、7731、7732、7740、7741、7751、8200、9200、9210、10200、11200、12200以及它们的组合。30.如权利要求13
‑
26中任一项所述的方法，所述方法还包括基于所述分类诊断患有疾病或疾患的患者。31.如权利要求42所述的方法，所述方法还包括基于所述分类将所述患者诊断为患有卵巢癌。32.如权利要求13
‑

【专利技术属性】
技术研发人员：徐格格，L，
申请(专利权)人：韦恩生物科技股份公司，
类型：发明
国别省市：