[发明专利]用于发现预测对检查点抑制剂敏感的MSI和新表位的系统、组合物和方法在审
申请号: | 201680065549.6 | 申请日: | 2016-10-12 |
公开(公告)号: | CN108701173A | 公开(公告)日: | 2018-10-23 |
发明(设计)人: | A·阮;K·尼亚齐;P·宋世宗;S·C·奔驰;S·拉比扎德 | 申请(专利权)人: | 南托米克斯有限责任公司 |
主分类号: | G06F19/24 | 分类号: | G06F19/24;G06F19/26 |
代理公司: | 北京市中伦律师事务所 11410 | 代理人: | 杨黎峰;钟锦舜 |
地址: | 美国加利*** | 国省代码: | 美国;US |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 治疗反应 新表 检查点 抑制剂 肿瘤特异性 突变模式 免疫学 预测 核酸 肿瘤 敏感 发现 | ||
1.一种使用免疫疗法改善癌症治疗的方法,包括:
从患者获得来自肿瘤组织和匹配的正常组织的组学数据,并且使用所述组学数据确定多个基于错义的患者特异性和肿瘤特异性新表位;
过滤所述新表位以获得HLA匹配的新表位并定量HLA匹配的新表位;和
一旦确定HLA匹配的新表位的量已超过预定阈值量,向患者施用检查点抑制剂。
2.根据权利要求1所述的方法,其中使用多个不同的个体新表位序列对新表位中的每一个进行过滤新表位的步骤,其中改变的氨基酸在新表位序列内具有不同的位置。
3.根据权利要求2所述的方法,其中所述个体新表位序列长度为7至20个氨基酸。
4.根据权利要求1所述的方法,其中过滤步骤进一步包括通过至少一个事先已知的分子变异进行过滤的步骤,所述分子变异选自由单核苷酸多态性、短缺失和插入多态性、微卫星标志物、短串联重复、杂合序列、多核苷酸多态性和命名变体组成的组。
5.根据权利要求1所述的方法,其中过滤步骤包括测定新表位与该患者的至少一种I型MHC亚型和至少一种II型MHC亚型的亲和力。
6.根据权利要求1所述的方法,其中过滤步骤进一步包括测定新表位的表达水平。
7.根据权利要求1所述的方法,其中HLA匹配的新表位与该患者的至少一种I型MHC亚型或至少一种II型MHC亚型的亲和力等于或小于150nM。
8.根据权利要求1所述的方法,其中定量HLA匹配的新表位包括定量新表位的步骤与该患者的至少一种I型MHC亚型或至少一种II型MHC亚型的亲和力,并测定HLA匹配的新表位的总数。
9.根据权利要求1所述的方法,其进一步包括通过突变符号过滤HLA匹配的新表位的步骤。
10.根据权利要求9所述的方法,其中突变符号是针对UV诱导的DNA损伤或吸烟诱导的DNA损伤的符号特征。
11.根据权利要求1所述的方法,其中HLA匹配的新表位的预定阈值量为至少100个HLA匹配的新表位。
12.根据权利要求11所述的方法,其中至少100个HLA匹配的新表位与该患者的至少一种I型MHC亚型或至少一种II型MHC亚型的亲和力等于或小于150nM。
13.根据权利要求1所述的方法,其进一步包括使用组学数据检测患病组织中的微卫星不稳定性(MSI)的步骤。
14.根据权利要求1所述的方法,其进一步包括使用组学数据检测患病组织中的错配修复缺陷(MMR)的步骤。
15.根据权利要求1所述的方法,其中所述检查点抑制剂是CTLA-4抑制剂或PD-1抑制剂。
16.预测肿瘤对检查点抑制剂的阳性治疗反应的方法,包括:
从患者获得来自肿瘤组织和匹配的正常组织的组学数据,并且使用组学数据确定多个基于错义的患者特异性和肿瘤特异性新表位;
过滤新表位以获得HLA匹配的新表位,并定量HLA匹配的新表位;和
确定HLA匹配的新表位的量已超过预定阈值量时,确定肿瘤对用检查点抑制剂治疗有反应。
17.根据权利要求16所述的方法,其进一步包括通过突变符号过滤HLA匹配的新表位的步骤。
18.根据权利要求16所述的方法,其进一步包括使用组学数据检测患病组织中微卫星不稳定(MSI)和错配修复缺陷(MMR)中的至少一种的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南托米克斯有限责任公司,未经南托米克斯有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201680065549.6/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用