用于抗HER2抗体-药物缀合物疗法的评分方法技术

一种用于预测癌症患者将如何对抗体药物缀合物(ADC)疗法作出反应的方法，该方法涉及基于每个癌细胞的单细胞ADC分数计算预测反应分数。该ADC包括ADC有效载荷和靶向每个癌细胞上的蛋白质的ADC抗体，其中该蛋白质是人表皮生长因子受体2(HER2)。使用与诊断性抗体连接的染料对组织样品进行免疫组化染色，该诊断性抗体与该组织样品中癌细胞上的该蛋白质结合。检测该组织的数字图像中的癌细胞。对于每个癌细胞，基于该染料在该癌细胞的膜和/或细胞质和/或在相邻癌细胞的膜和细胞质中的染色强度来计算单细胞ADC分数。通过使用统计运算对该组织样品的所有单细胞ADC分数进行聚合，预测该癌症患者对该ADC疗法的反应。该癌症患者对该ADC疗法的反应。该癌症患者对该ADC疗法的反应。

【技术实现步骤摘要】
【国外来华专利技术】用于抗HER2抗体
‑
药物缀合物疗法的评分方法
[0001]相关申请的交叉引用
[0002]本申请要求2020年9月12日提交的美国临时申请号63/077,604的优先权，该临时申请通过援引整体并入本文。
[0003]对以电子方式提交的序列表的参考
[0004]以电子方式提交的序列表(名称：DSADC_400_Seqlisting.txt；大小：24,662字节；创建日期：2021年9月9日)的内容通过援引整体并入本文。


[0005]本专利技术涉及一种用于计算分数的方法，该分数指示癌症患者将对使用抗体
‑
药物缀合物的疗法的反应情况，该抗体
‑
药物缀合物具有经由接头结构缀合至抗HER2抗体的药物。

技术介绍

[0006]评估癌症患者对给定治疗的反应概率是确定癌症患者治疗方案的必需步骤。这种评估常常基于对癌症患者组织样品的组织学分析，并涉及使用标准分级方案对癌症进行鉴别和分类。免疫组化(IHC)染色可用于区分表达特定蛋白质的标志物阳性细胞与不表达该蛋白质的标志物阴性细胞。IHC染色通常涉及多种染料，这些染料包括一种或多种与蛋白质特异性抗体相连的染料和另一种作为复染剂的染料。常见的复染剂是苏木精，它标记DNA，从而对细胞核进行染色。
[0007]蛋白质特异性染剂或生物标志物可用于鉴别癌症患者组织中可能对预定疗法表现出反应的区域。例如，对上皮细胞进行染色的生物标志物可以帮助鉴别疑似肿瘤区域。然后用其他蛋白质特异性生物标志物来表征癌组织内的细胞。可以鉴别和量化受特定生物标志物染色的细胞，随后病理学家可以在视觉上估计指示阳性染色细胞和阴性染色细胞数量的分数。然后可以将该分数与已经以同样方式计算的其他癌症患者的分数进行比较。如果这些其他患者对给定癌症治疗的反应是已知的，则病理学家可以基于为该癌症患者计算的分数与其他患者的分数的比较来预测该癌症患者对给定治疗的反应可能性。然而，病理学家的视觉评估有可变性和主观性倾向。
[0008]一种有前景的癌症治疗涉及抗体
‑
药物缀合物(ADC)，该抗体
‑
药物缀合物具有与抗体缀合的具有细胞毒性的药物，该抗体的抗原在癌细胞的表面上表达。ADC与抗原结合并经历细胞内化，以便将药物选择性地递送至癌细胞并且使药物在那些癌细胞内积聚并杀伤癌细胞。寻求一种基于计算机的方法，用于生成指示癌症患者对涉及治疗性HER2抗体
‑
药物缀合物的治疗的反应的可重复的客观分数。

技术实现思路

[0009]一种用于预测癌症患者将对涉及抗体药物缀合物(ADC)的疗法的反应情况的方法涉及基于每个癌细胞的单细胞ADC分数计算反应分数。ADC包括ADC有效载荷和靶向每个癌
细胞上的蛋白质的ADC抗体。使用与诊断性抗体连接的染料对组织样品进行免疫组化染色，该诊断性抗体与组织样品中癌细胞上的蛋白质结合。获取该组织样品的数字图像。对数字图像进行图像分析，以使用卷积神经网络检测癌细胞。对于每个癌细胞，单细胞ADC分数是基于染料在癌细胞的膜和/或细胞质中和/或在与癌细胞相距比预定义距离更近的其他癌细胞的膜和细胞质中的染色强度计算的。通过使用统计运算来聚合组织样品的所有单细胞ADC分数，生成预测癌症患者对ADC疗法的反应分数。推荐反应分数高于预定阈值的患者接受涉及该ADC的疗法。
[0010]在一个实施例中，一种生成指示用抗体药物缀合物(ADC)治疗的癌症患者的生存概率的分数的方法涉及计算单细胞ADC分数。使用与诊断性抗体连接的染料对癌症患者的组织样品进行免疫组化染色。该ADC包括ADC有效载荷和靶向癌细胞上的人表皮生长因子受体2(HER2)蛋白的ADC抗体。诊断性抗体与组织样品中癌细胞上的HER2蛋白结合。获取组织样品的数字图像，并使用图像分析检测数字图像中的癌细胞。对于每个癌细胞，基于染料在膜中的染色强度计算单细胞ADC分数。单细胞ADC分数也可以任选地基于染料在癌细胞的细胞质中的染色强度，以及基于染料在与该癌细胞相距比预定义距离更近的其他癌细胞的膜和细胞质中的染色强度。所得到的定量连续分数(QCS)，指示癌症患者的生存概率，是通过使用统计运算来聚合组织样品的所有单细胞ADC分数而生成的。所有单细胞ADC分数的聚合是通过确定平均值、确定中位数或确定具有预定义百分比的分位数来进行的。在另一个方面，所有单细胞ADC分数的聚合涉及使用预定阈值的阈值运算。所有单细胞ADC分数大于预定阈值的细胞都被标记为单细胞ADC阳性。聚合是通过确定单细胞ADC阳性细胞的数量除以所有癌症细胞的数量来进行的。
[0011]在一个实施例中，一种预测癌症患者对抗体药物缀合物(ADC)的反应的方法涉及检测癌细胞并计算每个癌细胞的单细胞ADC分数。该ADC包括ADC有效载荷和靶向癌细胞上的蛋白质的ADC抗体。该蛋白质是人表皮生长因子受体2(HER2)。使用与诊断性抗体连接的染料对组织样品进行免疫组化染色。诊断性抗体与组织样品中癌细胞上的蛋白质结合。获取组织样品的数字图像，并检测数字图像中的癌细胞。对于每个癌细胞，基于染料在膜中的染色强度计算单细胞ADC分数。单细胞ADC分数也可以任选地基于染料在癌细胞的细胞质中的染色强度，以及基于染料在与癌细胞相距比预定义距离更近的其他癌细胞的膜和细胞质中的染色强度。每个膜的染色强度是基于膜的像素中棕色二氨基联苯胺(DAB)信号的平均光密度来计算的，并且每个细胞质的染色强度是基于细胞质的像素中棕色DAB信号的平均光密度来计算的。基于使用统计运算对组织样品的所有单细胞ADC分数的聚合，预测癌症患者对ADC的反应。
[0012]在另一个实施例中，一种鉴别将对抗体药物缀合物(ADC)表现出预定反应的癌症患者的方法涉及生成反应分数。该ADC包括ADC有效载荷和靶向癌细胞上的蛋白质的ADC抗体。使用与诊断性抗体连接的染料对癌症患者的组织样品进行免疫组化染色，该诊断性抗体与组织样品中癌细胞上的蛋白质结合。获取组织样品的数字图像，并使用卷积神经网络检测数字图像中的癌细胞。对于每个癌细胞，基于染料在膜中的染色强度计算单细胞ADC分数。单细胞ADC分数也可以任选地基于染料在癌细胞的细胞质中的染色强度，并且基于染料在与计算单细胞分数的该癌细胞相距比预定义距离更近的其他癌细胞的膜和细胞质中的染色强度。QCS分数是通过使用统计运算来聚合该组织样品的所有单细胞ADC分数而生成的
反应分数。基于QCS分数是否超过阈值，将癌症患者鉴别为将会对ADC表现出预定反应的癌症患者。将表现出大于阈值的QCS分数的患者认为是QCS阳性的(QCS+)，而将所有其他患者认为是QCS阴性的(QCS
‑
)。预定反应是平均肿瘤大小的减小。在另一个方面，QCS分数与阈值之差指示将癌症患者正确鉴别为将会对ADC表现出预定反应的癌症患者的概率。差异小指示概率低，而差异大指示准确鉴别癌症患者的概率高。在另一个实施例中，通过患者生存来指示预定反应，使得患者在预定时间跨度内的死亡被认为是无反应。在一个方面，预定义本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种生成反应分数以预测癌症患者对抗体药物缀合物(ADC)的反应的方法，该抗体药物缀合物包括ADC有效载荷和靶向癌细胞上的蛋白质的ADC抗体，其中该蛋白质是人表皮生长因子受体2(HER2)，该方法包括：使用与诊断性抗体连接的染料对组织样品进行免疫组化染色，其中该诊断性抗体与该组织样品中癌细胞上的该蛋白质结合；获取该组织样品的数字图像；检测该数字图像中的癌细胞；基于该染料在该癌细胞的膜和细胞质中的染色强度，并且基于该染料在与该癌细胞相距比预定义距离更近的其他癌细胞的膜和细胞质中的染色强度，计算每个癌细胞的单细胞ADC分数；以及通过使用统计运算来聚合该组织样品的所有单细胞ADC分数，生成该反应分数。2.如权利要求1所述的方法，其中癌细胞的该检测涉及针对每个癌细胞检测属于该膜的像素和属于该细胞质的像素。3.如权利要求1所述的方法，其中每个膜的染色强度是基于该膜的像素中棕色二氨基联苯胺(DAB)信号的平均光密度计算的，并且其中每个细胞质的染色强度是基于该细胞质的像素中该棕色DAB信号的平均光密度计算的。4.如权利要求3所述的方法，其中细胞i的该单细胞ADC分数计算如下：所有细胞j的总和，其中|r
j
‑
r
i
|＜d{a
20
(|r
j
‑
r
i
|)x ODM
j2
+a
11
(|r
j
‑
r
i
|)x ODM
j
x ODC
j
+a
02
(|r
j
‑
r
i
|)x ODC
j2
+a
00
(|r
j
‑
r
i
|)}，其中函数a
k1
取决于每个细胞j与每个细胞i的距离|r
j
‑
r
i
|，其中ODM
j
是细胞j的膜中该棕色DAB信号的光密度，并且其中ODC
j
是细胞j的细胞质中该棕色DAB信号的光密度。5.如权利要求4所述的方法，其中该函数a
k1
按以下关系式取决于该细胞j与该细胞i的距离|r
j
‑
r
i
|：a
k1
(|r
j
‑
r
i
|)＝A
k1
x exp(
‑
|r
j
‑
r
i
|/r
norm
)，其中预定义常数系数为A
oo
、A
1o
、A
o1
、A
11
、A
20
、A
o2
。6.如权利要求5所述的方法，其中这些系数A
oo
、A
1o
、A
o1
、A
11
、A
20
、A
o2
、d和r
norm
是通过优化该反应分数与训练患者队列的治疗反应之间的相关性来确定的。7.如权利要求1所述的方法，其中所有单细胞ADC分数的该聚合取自于由以下组成的组：确定平均值，确定中位数，以及确定具有预定百分比的分位数。8.如权利要求1所述的方法，其中推荐反应分数高于预定阈值的患者接受涉及该ADC的疗法。9.如权利要求1
‑
8中任一项所述的方法，其中该ADC是德卢替康
‑
曲妥珠单抗(DS
‑
8201)。10.如权利要求1
‑
8中任一项所述的方法，其中该ADC抗体是曲妥珠单抗。11.如权利要求1
‑
8中任一项所述的方法，其中该ADC有效载荷是拓扑异构酶I抑制剂。12.如权利要求1
‑
8中任一项所述的方法，其中该诊断性抗体是文塔纳抗HER2/neu 4B5。13.如权利要求1
‑
8中任一项所述的方法，其中该染料是3，3
′‑
二氨基联苯胺(DAB)。14.如权利要求1
‑
13中任一项所述的方法，其中该癌症患者患有选自由以下组成的组的癌症：乳腺癌、胃癌、结直肠癌、肺癌、食管癌、头颈癌、食管胃连接部癌、胆道癌、佩吉特
病、胰腺癌、卵巢癌、子宫癌肉瘤、膀胱癌、前列腺癌、尿路上皮癌、胃肠道间质瘤、宫颈癌、鳞状细胞癌、腹膜癌、肝癌、肝细胞癌、子宫内膜癌、肾癌、外阴癌、甲状腺癌、阴茎癌、白血病、恶性淋巴瘤、浆细胞瘤、骨髓瘤、多形性成胶质细胞瘤、肉瘤、骨肉瘤和黑色素瘤。15.如权利要求1
‑
13中任一项所述的方法，其中该癌症患者患有选自由以下组成的组的癌症：乳腺癌、胃癌、结直肠癌和肺癌。16.如权利要求1
‑
15中任一项所述的方法，其中该ADC是经由硫醚键与药物接头缀合的抗HER2抗体，其中该药物接头由下式表示：并且其中A表示与该抗HER2抗体的连接位置。17.如权利要求16所述的方法，其中该ADC包括抗HER2抗体，该抗HER2抗体包含：重链，该重链包含由SEQ ID NO：4表示的氨基酸序列组成的CDRH1、由SEQ ID NO：5表示的氨基酸序列组成的CDRH2和由SEQ ID NO：6表示的氨基酸序列组成的CDRH3；以及轻链，该轻链包含由SEQ ID NO：7表示的氨基酸序列组成的CDRL1、由SEQ ID NO：8的氨基酸残基1至3组成的氨基酸序列组成的CDRL2和由SEQ ID NO：9表示的氨基酸序列组成的CDRL3。18.如权利要求16所述的方法，其中该ADC包括抗HER2抗体，该抗HER2抗体包含：由SEQ ID NO：10表示的氨基酸序列组成的重链可变区；以及由SEQ ID NO：11表示的氨基酸序列组成的轻链可变区。19.如权利要求16所述的方法，其中该ADC包括抗HER2抗体，该抗HER2抗体包含：由SEQ ID NO：12表示的氨基酸序列组成的重链；以及由SEQ ID NO：3表示的氨基酸序列组成的轻链。20.如权利要求16所述的方法，其中该ADC包括抗HER2抗体，该抗HER2抗体包含：由SEQ ID NO：2表示的氨基酸序列组成的重链；以及由SEQ ID NO：3表示的氨基酸序列组成的轻链。21.一种生成指示用抗体药物缀合物(ADC)治疗的癌症患者的生存概率的分数的方法，该方法包括：使用与诊断性抗体连接的染料对该癌症患者的组织样品进行免疫组化染色，其中该ADC包括ADC有效载荷和ADC抗体，该抗体靶向癌细胞上的人表皮生长因子受体2(HER2)蛋白，并且其中该诊断性抗体与该组织样品中癌细胞上的该HER2蛋白结合；获取该组织样品的数字图像；检测该数字图像中的癌细胞；
基于该染料在该癌细胞的膜和细胞质中的染色强度，并且基于该染料在与该癌细胞相距比预定义距离更近的其他癌细胞的膜和细胞质中的染色强度，计算每个癌细胞的单细胞ADC分数；以及通过使用统计运算来聚合该组织样品的所有单细胞ADC分数，生成指示该癌症患者的生存概率的分数。22.如权利要求21所述的方法，其中癌细胞的该检测涉及针对每个癌细胞检测属于该膜的像素和属于该细胞质的像素。23.如权利要求21所述的方法，其中每个膜的染色强度是基于该膜的像素中棕色二氨基联苯胺(DAB)信号的平均光密度计算的，并且其中每个细胞质的染色强度是基于该细胞质的像素中该棕色DAB信号的平均光密度计算的。24.如权利要求23所述的方法，其中细胞i的该单细胞ADC分数计算如下：所有细胞j的总和，其中|r
j
‑
r
i
|＜d{a
20
(|r
j
‑
r
i
|)x ODM
j2
+a
11
(|r
j
‑
r
i
|)x ODM
j
x ODC
j
+a
02
(|r
j
‑
r
i
|)x ODC
j2
+a
00
(|r
j
‑
r
i
|)}，其中函数a
k1
取决于每个细胞j与每个细胞i的距离|r
j
‑
r
i
|，其中ODM
j
是细胞j的膜中该棕色DAB信号的光密度，并且其中ODC
j
是细胞j的细胞质中该棕色DAB信号的光密度。25.如权利要求24所述的方法，其中该函数a
k1
按以下关系式取决于该细胞j与该细胞i的距离|r
j
‑
r
i
|：a
k1
(|r
j
‑
r
i
|)＝A
k1
x exp(
‑
|r
j
‑
r
i
|/r
norm
)，其中预定义常数系数为A
oo
、A
1o
、A
o1
、A
11
、A
20
、A
o2
。26.如权利要求25所述的方法，其中这些系数A
oo
、A
1o
、A
o1
、A
11
、A
20
、A
o2
、d和r
norm
是通过优化该反应分数与训练患者队列的治疗反应之间的相关性来确定的。27.如权利要求21所述的方法，其中所有单细胞ADC分数的该聚合取自于由以下组成的组：确定平均值，确定中位数，以及确定具有预定百分比的分位数。28.如权利要求21所述的方法，其中如果该分数指示该癌症患者的生存概率超过预定阈值，则推荐该癌症患者接受涉及该ADC的疗法。29.如权利要求21
‑
28中任一项所述的方法，其中该ADC是德卢替康
‑
曲妥珠单抗(DS
‑
8201)。30.如权利要求21
‑
28中任一项所述的方法，其中该ADC抗体是曲妥珠单抗。31.如权利要求21
‑
28中任一项所述的方法，其中该ADC有效载荷是拓扑异构酶I抑制剂。32.如权利要求21
‑
28中任一项所述的方法，其中该诊断性抗体是文塔纳抗HER2/neu 4B5。33.如权利要求21
‑
28中任一项所述的方法，其中该染料是3，3
′‑
二氨基联苯胺(DAB)。34.如权利要求21
‑
33中任一项所述的方法，其中该癌症患者患有选自由以下组成的组的癌症：乳腺癌、胃癌、结直肠癌、肺癌、食管癌、头颈癌、食管胃连接部癌、胆道癌、佩吉特病、胰腺癌、卵巢癌、子宫癌肉瘤、膀胱癌、前列腺癌、尿路上皮癌、胃肠道间质瘤、宫颈癌、鳞状细胞癌、腹膜癌、肝癌、肝细胞癌、子宫内膜癌、肾癌、外阴癌、甲状腺癌、阴茎癌、白血病、恶性淋巴瘤、浆细胞瘤、骨髓瘤、多形性成胶质细胞瘤、肉瘤、骨肉瘤和黑色素瘤。35.如权利要求21
‑
33中任一项所述的方法，其中该癌症患者患有选自由以下组成的组的癌症：乳腺癌、胃癌、结直肠癌和肺癌。
36.如权利要求21
‑
35中任一项所述的方法，其中该ADC是经由硫醚键与药物接头缀合的抗HER2抗体，其中该药物接头由下式表示：并且其中A表示与该抗HER2抗体的连接位置。37.如权利要求36所述的方法，其中该ADC包括抗HER2抗体，该抗HER2抗体包含：重链，该重链包含由SEQ ID NO：4表示的氨基酸序列组成的CDRH1、由SEQ ID NO：5表示的氨基酸序列组成的CDRH2和由SEQ ID NO：6表示的氨基酸序列组成的CDRH3；以及轻链，该轻链包含由SEQ ID NO：7表示的氨基酸序列组成的CDRL1、由SEQ ID NO：8的氨基酸残基1至3组成的氨基酸序列组成的CDRL2和由SEQ ID NO：9表示的氨基酸序列组成的CDRL3。38.如权利要求36所述的方法，其中该ADC包括抗HER2抗体，该抗HER2抗体包含：由SEQ ID NO：10表示的氨基酸序列组成的重链可变区；以及由SEQ ID NO：11表示的氨基酸序列组成的轻链可变区。39.如权利要求36所述的方法，其中该ADC包括抗HER2抗体，该抗HER2抗体包含：由SEQ ID NO：12表示的氨基酸序列组成的重链；以及由SEQ ID NO：3表示的氨基酸序列组成的轻链。40.如权利要求36所述的方法，其中该ADC包括抗HER2抗体，该抗HER2抗体包含：由SEQ ID NO：2表示的氨基酸序列组成的重链；以及由SEQ ID NO：3表示的氨基酸序列组成的轻链。41.一种预测癌症患者对抗体药物缀合物(ADC)的反应的方法，该抗体药物缀合物包括ADC抗体和ADC有效载荷，其ADC抗体靶向癌细胞上的蛋白质，该方法包括：使用与诊断性抗体连接的染料对组织样品进行免疫组化染色，其中该诊断性抗体与该组织样品中癌细胞上的该蛋白质结合，并且其中该蛋白质是人表皮生长因子受体2(HER2)；获取该组织样品的数字图像；检测该数字图像中的癌细胞；基于该染料在该膜中的染色强度，计算每个癌细胞的单细胞ADC分数；以及基于使用统计运算对该组织样品的所有单细胞ADC分数的聚合，预测该癌症患者对该ADC的反应。42.如权利要求41所述的方法，其中每个癌细胞的该单细胞ADC分数也是基于该染料在该细胞质中的染色强度和/或该染料在与该癌细胞相距比预定义距离更近的其他癌细胞的膜和/或细胞质中的染色强度计算的。
43.如权利要求42所述的方法，其中癌细胞的该检测涉及针对每个癌细胞检测属于该膜的像素和/或属于该细胞质的像素。44.如权利要求41所述的方法，其中每个膜的染色强度是基于该膜的像素中棕色二氨基联苯胺(DAB)信号的平均光密度计算的，并且/或者其中每个细胞质的染色强度是基于该细胞质的像素中该棕色DAB信号的平均光密度计算的。45.如权利要求44所述的方法，其中细胞i的该单细胞ADC分数计算如下：所有细胞j的总和，其中|r
j
‑
r
i
|＜d{a
20
(|r
j
‑
r
i
|)x ODM
j2
+a
11
(|r
j
‑
r
i
|)x ODM
j
x ODC
j
+a
02
(|r
j
‑
r
i
|)x ODC
j2
+a
00
(|r
j
‑
r
i
|)}，其中函数a
k1
取决于每个细胞j与每个细胞i的距离|r
j
‑
r
i
|，其中ODM
j
是细胞j的膜中该棕色DAB信号的光密度，并且其中ODC
j
是细胞j的细胞质中该棕色DAB信号的光密度。46.如权利要求45所述的方法，其中该函数a
k1
按以下关系式取决于该细胞j与该细胞i的距离|r
j
‑
r
i
|：a
k1
(|r
j
‑
r
i
|)＝A
k1
x exp(
‑
|r
j
‑
r
i
|/r
norm
)，其中预定义常数系数为A
oo
、A
1o
、A
o1
、A
11
、A
20
、A
o2
。47.如权利要求46所述的方法，其中这些系数A
oo
、A
1o
、A
o1
、A
11
、A
20
、A
o2
、d和r
norm
是通过优化该反应分数与训练患者队列的治疗反应之间的相关性来确定的。48.如权利要求41所述的方法，其中所有单细胞ADC分数的该聚合是通过取自于由以下组成的组的运算进行的：确定平均值，确定中位数，以及确定具有预定百分比的分位数。49.如权利要求41所述的方法，其中如果该分数指示该癌症患者的生存概率超过预定阈值，则推荐该癌症患者接受涉及该ADC的疗法。50.如权利要求41
‑
49中任一项所述的方法，其中该ADC是德卢替康
‑
曲妥珠单抗(DS
‑
8201)。51.如权利要求41
‑
49中任一项所述的方法，其中该ADC抗体是曲妥珠单抗。52.如权利要求41
‑
49中任一项所述的方法，其中该ADC有效载荷是拓扑异构酶I抑制剂。53.如权利要求41
‑
49中任一项所述的方法，其中该诊断性抗体是文塔纳抗HER2/neu 4B5。54.如权利要求41
‑
49中任一项所述的方法，其中该染料是3，3
′‑
二氨基联苯胺(DAB)。55.如权利要求41
‑
54中任一项所述的方法，其中该癌症患者患有选自由以下组成的组的癌症：乳腺癌、胃癌、结直肠癌、肺癌、食管癌、头颈癌、食管胃连接部癌、胆道癌、佩吉特病、胰腺癌、卵巢癌、子宫癌肉瘤、膀胱癌、前列腺癌、尿路上皮癌、胃肠道间质瘤、宫颈癌、鳞状细胞癌、腹膜癌、肝癌、肝细胞癌、子宫内膜癌、肾癌、外阴癌、甲状腺癌、阴茎癌、白血病、恶性淋巴瘤、浆细胞瘤、骨髓瘤、多形性成胶质细胞瘤、肉瘤、骨肉瘤和黑色素瘤。56.如权利要求41
‑
54中任一项所述的方法，其中该癌症患者患有选自由以下组成的组的癌症：乳腺癌、胃癌、结直肠癌和肺癌。57.如权利要求41
‑
56中任一项所述的方法，其中该ADC是经由硫醚键与药物接头缀合的抗HER2抗体，其中该药物接头由下式表示：
并且其中A表示与该抗HER2抗体的连接位置。58.如权利要求57所述的方法，其中该ADC包括抗HER2抗体，该抗HER2抗体包含：重链，该重链包含由SEQ ID NO：4表示的氨基酸序列组成的CDRH1、由SEQ ID NO：5表示的氨基酸序列组成的CDRH2和由SEQ ID NO：6表示的氨基酸序列组成的CDRH3；以及轻链，该轻链包含由SEQ ID NO：7表示的氨基酸序列组成的CDRL1、由SEQ ID NO：8的氨基酸残基1至3组成的氨基酸序列组成的CDRL2和由SEQ ID NO：9表示的氨基酸序列组成的CDRL3。59.如权利要求57所述的方法，其中该ADC包括抗HER2抗体，该抗HER2抗体包含：由SEQ ID NO：10表示的氨基酸序列组成的重链可变区；以及由SEQ ID NO：11表示的氨基酸序列组成的轻链可变区。60.如权利要求57所述的方法，其中该ADC包括抗HER2抗体，该抗HER2抗体包含：由SEQ ID NO：12表示的氨基酸序列组成的重链；以及由SEQ ID NO：3表示的氨基酸序列组成的轻链。61.如权利要求57所述的方法，其中该ADC包括抗HER2抗体，该抗HER2抗体包含：由SEQ ID NO：2表示的氨基酸序列组成的重链；以及由SEQ ID NO：3表示的氨基酸序列组成的轻链。62.一种鉴别癌症患者以用抗HER2抗体药物缀合物(ADC)进行治疗的方法，该抗体药物缀合物包括ADC有效载荷和靶向癌细胞上的蛋白质的ADC抗体，该方法包括：使用与诊断性抗体连接的染料对该癌症患者的组织样品...

【专利技术属性】
技术研发人员：G，
申请(专利权)人：第一三共株式会社，
类型：发明
国别省市：