确定癌症侵袭性、预后和治疗响应
阅读：192发布：2021-07-11
专利汇可以提供确定癌症侵袭性、预后和治疗响应专利检索，专利查询，专利分析的服务。并且本 发明 提供确定特定癌症的侵袭性、 预后 和 治疗 响应的方法，其包括比较来自一个或多个功能性元基因的一个或多个差异表达基因的表达 水 平，所述功能性元基因包括 碳 水化合物/脂代谢元基因、细胞 信号 传导元基因、细胞发育元基因、细胞生长元基因、 染色 体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢 疾病 元基因、核酸代谢元基因、翻译后修饰元基因、 蛋白质 合成/修饰元基因和多重网络元基因。本发明公开的方法可特别地适合用作 癌症治疗 的伴随诊断。，下面是确定癌症侵袭性、预后和治疗响应专利的具体信息内容。
1.一种确定哺乳动物中的癌症侵袭性的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中一个或多个过表达基因的表达水平和/或一个或多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因，其中：与所述一个或多个低表达基因相比所述一个或多个过表达基因的较高相对表达水平指示或关联所述癌症的较高侵袭性；和/或与所述一个或多个低表达基因相比所述一个或多个过表达基因的较低相对表达水平指示或关联与具有高表达水平的哺乳动物相比所述癌症的较低侵袭性。
2.一种确定哺乳动物的癌症预后的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中一个或多个过表达基因的表达水平和/或一个或多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因，其中：与所述一个或多个低表达基因相比所述一个或多个过表达基因的较高相对表达水平指示或关联较不利的癌症预后；和/或与所述一个或多个低表达基因相比所述一个或多个过表达基因的较低相对表达水平指示或关联较有利的癌症预后。
3.权利要求1或2所述的方法，其中所述一个或多个过表达基因和/或所述一个或多个低表达基因选自所述元基因中的一个或选自所述元基因中的多个。
4.前述权利要求中任一项所述的方法，其中所述碳水化合物/脂代谢元基因、所述细胞信号传导元基因、所述细胞发育元基因、所述细胞生长元基因、所述染色体分离元基因、所述DNA复制/重组元基因、所述免疫系统元基因、所述代谢疾病元基因、所述核酸代谢元基因、所述翻译后修饰元基因、所述蛋白质合成/修饰元基因和/或所述多重网络元基因包括表21中列出的一个或多个基因。
5.一种确定哺乳动物中的癌症侵袭性的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中一个或多个过表达基因的表达水平和/或一个或多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自代谢元基因、信号传导元基因、发育和生长元基因、染色体分离/复制元基因、免疫应答元基因和蛋白质合成/修饰元基因，其中：与所述一个或多个低表达基因相比所述一个或多个过表达基因的较高相对表达水平指示或关联所述癌症较高的侵袭性；
和/或与所述一个或多个低表达基因相比所述一个或多个过表达基因的较低相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性。
6.一种确定哺乳动物的癌症预后的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中一个或多个过表达基因的表达水平和/或一个或多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自代谢元基因、信号传导元基因、发育和生长元基因、染色体分离/复制元基因、免疫应答元基因和蛋白质合成/修饰元基因，其中：与所述一个或多个低表达基因相比所述一个或多个过表达基因相比的较高相对表达水平指示或关联较不利的癌症预后；
和/或与所述一个或多个低表达基因相比所述一个或多个过表达基因的较低相对表达水平指示或关联较有利的癌症预后。
7.权利要求5或6所述的方法，其中所述一个或多个过表达基因和/或所述一个或多个低表达基因选自所述元基因中的一个或选自所述元基因中的多个。
8.权利要求5-7中任一项所述的方法，其中所述代谢元基因、所述信号传导元基因、所述发育和生长元基因、所述染色体分离/复制元基因、所述免疫应答元基因和/或所述蛋白质合成/修饰元基因包括表22中列出的一个或多个基因。
9.权利要求5-8中任一项所述的方法，其中所述一个或多个过表达基因和所述一个或多个低表达基因来自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因中的一个或多个。
10.前述权利要求中任一项所述的方法，其中所述比较一个或多个过表达基因的表达水平和/或一个或多个低表达基因的表达水平的步骤包括比较所述一个或多个过表达基因的平均表达水平和/或所述一个或多个低表达基因的平均表达水平。
11.权利要求10所述的方法，其包括计算所述一个或多个过表达基因的平均表达水平与所述一个或多个低表达基因的平均表达水平的比率。
12.权利要求1-9中任一项所述的方法，其中所述比较一个或多个过表达基因的表达水平和/或一个或多个低表达基因的表达水平的步骤包括比较所述一个或多个过表达基因的表达水平的总和和/或所述一个或多个低表达基因的表达水平的总和。
13.权利要求12所述的方法，其包括计算所述一个或多个过表达基因表达水平的总和与所述一个或多个低表达基因表达水平的总和的比率。
14.一种确定哺乳动物中的癌症侵袭性的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中与染色体不稳定性相关的一个或多个过表达基因的表达水平和/或与雌激素受体信号传导相关的一个或多个低表达基因的表达水平，其中：相比于与雌激素受体信号传导相关的所述一个或多个低表达基因，与染色体不稳定性相关的所述一个或多个过表达基因的较高相对表达水平指示或关联所述癌症的较高侵袭性；和/或相比于与雌激素受体信号传导相关的所述一个或多个低表达基因，与染色体不稳定性相关的所述一个或多个过表达基因的较低相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症的较低侵袭性。
15.一种确定哺乳动物的癌症预后的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中与染色体不稳定性相关的一个或多个过表达基因的表达水平和/或与雌激素受体信号传导相关的一个或多个低表达基因的表达水平，其中：相比于与雌激素受体信号传导相关的所述一个或多个低表达基因，与染色体不稳定性相关的所述一个或多个过表达基因的较高相对表达水平指示或关联较不利的癌症预后；和/或相比于与雌激素受体信号传导相关的所述一个或多个低表达基因，与染色体不稳定性相关的所述一个或多个过表达基因比与雌激素受体信号传导相关的所述一个或多个低表达基因的较低相对表达水平指示或关联较有利的癌症预后。
16.权利要求15所述的方法，其中所述癌症预后包括确定对靶向非整倍体肿瘤的抗癌治疗的响应。
17.权利要求15所述的方法，其中所述癌症预后包括确定对靶向染色体不稳定性的抗癌治疗的响应。
18.权利要求15-17中任一项所述的方法，其中所述癌症预后包括确定对包括靶向TTK、PLK1和/或一种或多种极光激酶的一种或多种抗癌治疗的响应。
19.权利要求14-18中任一项所述的方法，其中所述比较与染色体不稳定性相关的一个或多个过表达基因的表达水平和/或与雌激素受体信号传导相关的一个或多个低表达基因的表达水平的步骤包括比较所述与染色体不稳定性相关的一个或多个过表达基因的平均表达水平和/或所述与雌激素受体信号传导相关的一个或多个低表达基因的平均表达水平。
20.权利要求19所述的方法，其包括计算所述与染色体不稳定性相关的一个或多个过表达基因的平均表达水平与所述与雌激素受体信号传导相关的一个或多个低表达基因的平均表达水平的比率。
21.权利要求14-18中任一项所述的方法，其中所述比较与染色体不稳定性相关的一个或多个过表达基因的表达水平和/或与雌激素受体信号传导相关的一个或多个低表达基因的表达水平的步骤包括比较所述与染色体不稳定性相关的一个或多个过表达基因的表达水平的总和和/或所述与雌激素受体信号传导相关的一个或多个低表达基因的表达水平的总和。
22.权利要求21的所述方法，其包括计算所述与染色体不稳定性相关的一个或多个过表达基因的表达水平的总和与所述与雌激素受体信号传导相关的一个或多个低表达基因的表达水平的总和的比率。
23.权利要求20或22所述的方法，其中所述比率提供侵袭性评分，其指示或关联癌症侵袭性和较不利的预后。
24.前述权利要求中任一项所述的方法，其中与染色体不稳定性相关的所述基因属于CIN元基因。
25.权利要求24所述的方法，其中所述CIN元基因包括表4中列出的多个基因。
26.权利要求25所述的方法，其中所述基因选自：ATP6V1C1、RAP2A、CALM1、COG8、HELLS、KDM5A、PGK1、PLCH1、CEP55、RFC4、TAF2、SF3B3、GPI、PIR、MCM10、MELK、FOXM1、KIF2C、NUP155、TPX2、TTK、CENPA、CENPN、EXO1、MAPRE1、ACOT7、NAE1、SHMT2、TCP1、TXNRD1、ADM、CHAF1A和SYNCRIP。
27.权利要求26所述的方法，其中所述基因选自：MELK、MCM10、CENPA、EXO1、TTK和KIF2C。
28.权利要求14-27中任一项所述的方法，其中所述与雌激素受体信号传导相关的基因属于ER元基因。
29.权利要求28所述的方法，其中所述基因选自：BTG2、PIK3IP1、SEC14L2、FLNB、ACSF2、APOM、BIN3、GLTSCR2、ZMYND10、ABAT、BCAT2、SCUBE2、RUNX1、LRRC48、MYBPC1、BCL2、CHPT1、ITM2A、LRIG1、MAPT、PRKCB、RERE、ABHD14A、FLT3、TNN、STC2、BATF、CD1E、CFB、EVL、FBXW4、ABCB1、ACAA1、CHAD、PDCD4、RPL10、RPS28、RPS4X、RPS6、SORBS1、RPL22和RPS4XP3。
30.权利要求29所述的方法，其中所述基因选自：MAPT和MYB。
31.权利要求14-30中任一项所述的方法，其还包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的一个或多个其他过表达基因的表达水平，和/或选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的一个或多个其他低表达基因的表达水平，其中：所述一个或多个其他过表达基因与所述一个或多个其他低表达基因相比较高的相对表达水平指示或关联所述癌症的较高侵袭性和/或较不利的癌症预后；和/或所述一个或多个其他过表达基因与所述一个或多个其他低表达基因相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性和/或较有利的癌症预后。
32.权利要求31所述的方法，其中所述一个或多个其他过表达基因选自ABHD5、
ADORA2B、BCAP31、CA9、CAMSAP1、CARHSP1、CD55、CETN3、EIF3K、EXOSC7、GNB2L1、GRHPR、GSK3B、HCFC1R1、KCNG1、MAP2K5、NDUFC1、PML、STAU1、TXN和ZNF593和/或所述一个或多个其他低表达基因选自BTN2A2、ERC2、IGH、ME1、MTMR7、SMPDL3B和ZNRD1-AS1。
33.权利要求31或32所述的方法，其中比较所述一个或多个其他过表达基因的表达水平和/或所述一个或多个其他低表达基因的表达水平的步骤包括比较所述一个或多个其他过表达基因的平均表达水平和/或所述一个或多个其他低表达基因的平均表达水平。
34.权利要求33所述的方法，其包括计算所述其他过表达基因的平均表达水平与所述其他低表达基因的平均表达水平的比率。
35.权利要求31或32所述的方法，其中比较所述一个或多个其他过表达基因的表达水平和/或所述一个或多个其他低表达基因的表达水平的步骤包括比较所述一个或多个其他过表达基因的表达水平的总和和/或所述一个或多个其他低表达基因的表达水平的总和。
36.权利要求35所述的方法，其包括计算所述一个或多个其他过表达基因的表达水平的总和与所述一个或多个其他低表达基因的表达水平的总和的比率。
37.权利要求31-36中任一项所述的方法，其中所述与染色体不稳定性相关的过表达基因的表达水平和/或所述与雌激素受体信号传导相关的低表达基因的表达水平的比较与所述其他过表达基因的表达水平和/或所述其他低表达基因的表达水平的比较相结合，以得到第一综合评分。
38.一种确定哺乳动物中的癌症侵袭性的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的一个或多个过表达基因的表达水平和/或选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的一个或多个低表达基因的表达水平，其中：所述一个或多个过表达基因与所述一个或多个低表达基因相比较高的相对表达水平指示或关联所述癌症较高的侵袭性；和/或所述一个或多个过表达基因与所述一个或多个低表达基因相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性。
39.一种确定哺乳动物的癌症预后的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的一个或多个过表达基因的表达水平和/或选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的一个或多个低表达基因的表达水平，其中：与具有较高表达水平的哺乳动物相比，所述一个或多个过表达基因比所述一个或多个低表达基因较高的相对表达水平指示或关联较不利的癌症预后；
和/或所述一个或多个过表达基因比所述一个或多个低表达基因较低的相对表达水平指示或关联较有利的癌症预后。
40.权利要求38或39所述的方法，其中所述一个或多个过表达基因选自ABHD5、
ADORA2B、BCAP31、CA9、CAMSAP1、CARHSP1、CD55、CETN3、EIF3K、EXOSC7、GNB2L1、GRHPR、GSK3B、HCFC1R1、KCNG1、MAP2K5、NDUFC1、PML、STAU1、TXN和ZNF593和/或所述一个或多个低表达基因选自BTN2A2、ERC2、IGH、ME1、MTMR7、SMPDL3B和ZNRD1-AS1。
41.权利要求38-40中任一项所述的方法，其中比较所述一个或多个过表达基因的表达水平和/或所述一个或多个低表达基因的表达水平的步骤包括比较一个或多个过表达基因的平均表达水平和/或一个或多个低表达基因的平均表达水平。
42.权利要求41所述的方法，其包括计算所述一个或多个过表达基因的平均表达水平与所述一个或多个低表达基因的平均表达水平的比率。
43.权利要求38-40中任一项所述的方法，其中比较所述一个或多个过表达基因的表达水平和/或所述一个或多个低表达基因的表达水平的步骤包括比较所述一个或多个过表达基因的表达水平的总和和/或所述一个或多个低表达基因的表达水平的总和。
44.权利要求43所述的方法，其包括计算所述一个或多个过表达基因的表达水平的总和与所述一个或多个低表达基因的表达水平的总和的比率。
45.权利要求1-44中任一项所述的方法，其还包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中一个或多个过表达蛋白的表达水平，和/或一个或多个低表达蛋白的表达水平，以由此得到综合评分。
46.权利要求38所述的方法，其中所述一个或多个过表达蛋白选自DVL3、PAI-1、
VEGFR2、INPP4B、EIF4EBP1、EGFR、Ku80、HER3、SMAD1、GATA3、ITGA2、AKT1、NFKB1、HER2、ASNS和COL6A1，和/或所述一个或多个低表达蛋白选自VEGFR2、HER3、ASNS、MAPK9、ESR1、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6，其中：所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较高的相对表达水平指示或关联所述癌症较高的侵袭性和/或较不利的癌症预后；和/或所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性和/或较有利的癌症预后。
47.权利要求45或46所述的方法，其中比较所述一个或多个过表达蛋白的表达水平和/或所述一个或多个低表达蛋白的表达水平的步骤包括比较所述一个或多个过表达蛋白的平均表达水平和/或所述一个或多个低表达蛋白的平均表达水平。
48.权利要求47所述的方法，其包括计算所述一个或多个过表达蛋白的平均表达水平与所述一个或多个低表达蛋白的平均表达水平的比率。
49.权利要求45或46所述的方法，其中比较所述一个或多个过表达蛋白的表达水平和/或所述一个或多个低表达蛋白的表达水平的步骤包括比较所述一个或多个过表达蛋白的表达水平的总和和/或所述一个或多个低表达蛋白的表达水平的总和。
50.权利要求49所述的方法，其包括计算所述一个或多个过表达蛋白的表达水平的总和与所述一个或多个低表达蛋白的表达水平的总和的比率。
51.权利要求45-50中任一项所述的方法，其中所述一个或多个过表达蛋白的表达水平和所述一个或多个低表达蛋白的表达水平的比较与下述相结合：
(i)所述与染色体不稳定性相关的过表达基因的表达水平和/或所述与雌激素受体信号传导相关的低表达基因的表达水平的比较，以得到第二综合评分；或
(ii)所述第一综合评分，以得到第三综合评分；或
(iii)所述选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的过表达基因的表达水平和/或所述选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的低表达基因的表达水平的比较，以得到第四综合评分；或
(iv)所述过表达基因的表达水平和所述低表达基因的表达水平的比较，其中所述基因来自所述碳水化合物/脂代谢元基因、所述细胞信号传导元基因、所述细胞发育元基因、所述细胞生长元基因、所述染色体分离元基因、所述DNA复制/重组元基因、所述免疫系统元基因、所述代谢疾病元基因、所述核酸代谢元基因、所述翻译后修饰元基因、所述蛋白质合成/修饰元基因和/或所述多重网络元基因中的一个或多个，以得到第五综合评分；或(v)所述过表达基因的表达水平和所述低表达基因的表达水平的比较，其中所述基因来自所述代谢元基因、所述信号传导元基因、所述发育和生长元基因、所述染色体分离/复制元基因、所述免疫应答元基因和/或所述蛋白质合成/修饰元基因中的一个或多个，以得到第六综合评分。
52.权利要求51所述的方法，其中所述第一、第二、第三、第四、第五和/或第六综合评分至少部分通过加法、减法、乘法、除法和/或求幂得到。
53.一种确定哺乳动物中的癌症侵袭性的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自DVL3、PAI-1、VEGFR2、INPP4B、EIF4EBP1、EGFR、Ku80、HER3、SMAD1、GATA3、ITGA2、AKT1、NFKB1、HER2、ASNS和COL6A1的一个或多个过表达蛋白的表达水平和/或选自VEGFR2、HER3、ASNS、MAPK9、ESR1、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6的一个或多个低表达蛋白的表达水平，其中：所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较高的相对表达水平指示或关联所述癌症较高的侵袭性；
和/或所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性。
54.一种确定哺乳动物的癌症预后的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自DVL3、PAI-1、VEGFR2、INPP4B、EIF4EBP1、EGFR、Ku80、HER3、SMAD1、GATA3、ITGA2、AKT1、NFKB1、HER2、ASNS和COL6A1的一个或多个过表达蛋白的表达水平和/或选自VEGFR2、HER3、ASNS、MAPK9、ESR1、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6的一个或多个低表达蛋白的表达水平，其中：所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较高的相对表达水平指示或关联所述癌症较不利的癌症预后；
和/或所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较有利的癌症预后。
55.权利要求53或54所述的方法，其中比较所述一个或多个过表达蛋白的表达水平和/或所述一个或多个低表达蛋白的表达水平的步骤包括比较所述一个或多个过表达蛋白的平均表达水平和/或所述一个或多个低表达蛋白的平均表达水平。
56.权利要求55所述的方法，其包括计算所述一个或多个过表达蛋白的平均表达水平与所述一个或多个低表达蛋白的平均表达水平的比率。
57.权利要求53或54所述的方法，其中比较所述一个或多个过表达蛋白的表达水平和/或所述一个或多个低表达蛋白的表达水平的步骤包括比较所述一个或多个过表达蛋白的表达水平的总和和/或所述一个或多个低表达蛋白的表达水平的总和。
58.权利要求57所述的步骤，其包括计算所述过表达蛋白的表达水平的总和与所述低表达蛋白的表达水平的总和的比率。
59.一种预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：确定所述哺乳动物的一个或多个非有丝分裂细胞中与染色体不稳定性相关的一个或多个基因的表达水平，其中较高的表达水平指示或关联所述癌症对所述抗癌治疗相对提高的响应。
60.权利要求59所述的方法，其中所述与染色体不稳定性相关的一个或多个基因是所述抗癌治疗所靶向的。
61.权利要求59或60所述的方法，其中所述与染色体不稳定性相关的一个或多个基因在表4中列出和/或包括与非整倍性相关的一个或多个基因。
62.权利要求61所述的方法，其中所述与染色体不稳定性和/或非整倍性相关的一个或多个基因选自：TTK、CEP55、FOXM1、SKIP2、PLK1和/或极光激酶。
63.权利要求59-62中任一项所述的方法，其中所述抗癌治疗是靶向非整倍体肿瘤的治疗。
64.权利要求59-63中任一项所述的方法，其中所述抗癌治疗是靶向染色体不稳定性的治疗。
65.一种预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中一个或多个过表达基因的表达水平和/或一个或多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因，其中所述过表达基因与所述低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
66.权利要求65所述的方法，其中所述一个或多个过表达基因和/或所述一个或多个低表达基因选自一个元基因或选自多个元基因。
67.权利要求65或66所述的方法，其中所述碳水化合物/脂代谢元基因、所述细胞信号传导元基因、所述细胞发育元基因、所述细胞生长元基因、所述染色体分离元基因、所述DNA复制/重组元基因、所述免疫系统元基因、所述代谢疾病元基因、所述核酸代谢元基因、所述翻译后修饰元基因、所述蛋白质合成/修饰元基因和/或所述多重网络元基因包括表21中列出的一个或多个基因。
68.一种预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中一个或多个过表达基因的表达水平和/或一个或多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自代谢元基因、信号传导元基因、发育和生长元基因、染色体分离/复制元基因、免疫应答元基因和蛋白质合成/修饰元基因，其中所述过表达基因与所述低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
69.权利要求68所述的方法，其中所述一个或多个过表达基因和/或所述一个或多个低表达基因选自一个元基因或选自多个元基因。
70.权利要求68或69所述的方法，其中所述代谢元基因、所述信号传导元基因、所述发育和生长元基因、所述染色体分离/复制元基因、所述免疫应答元基因和/或蛋白质合成/修饰基因包含表22中列出的一个或多个基因。
71.权利要求68-70所述的方法，其中所述一个或多个过表达基因和所述一个或多个低表达基因来自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因中的一个或多个。
72.权利要求65-71所述的方法，其中比较所述一个或多个过表达基因的表达水平和/或所述一个或多个低表达基因的表达水平的步骤包括比较所述一个或多个过表达基因的平均表达水平和/或所述一个或多个低表达基因的平均表达水平。
73.权利要求72所述的方法，其包括计算所述一个或多个过表达基因的平均表达水平与所述一个或多个低表达基因的平均表达水平的比率。
74.权利要求65-71所述的方法，其中比较所述一个或多个过表达基因的表达水平和/或所述一个或多个低表达基因的表达水平的步骤包括比较所述一个或多个过表达基因的表达水平的总和和/或所述一个或多个低表达基因的表达水平的总和。
75.权利要求74所述的方法，其包括计算所述一个或多个过表达的基因表达水平的总和与所述一个或多个低表达的基因表达水平的总和的比率。
76.一种预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中与染色体不稳定性相关的一个或多个过表达基因的表达水平和/或与雌激素受体信号传导相关的一个或多个低表达基因的表达水平，其中所述与染色体不稳定性相关的过表达基因与所述与雌激素受体信号传导相关的低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
77.权利要求76所述的方法，其中所述与染色体不稳定性相关的基因属于CIN元基因。
78.权利要求77所述的方法，其中所述CIN元基因包括表4中列出的多个基因。
79.权利要求78所述的方法，其中所述基因选自：ATP6V1C1、RAP2A、CALM1、COG8、HELLS、KDM5A、PGK1、PLCH1、CEP55、RFC4、TAF2、SF3B3、GPI、PIR、MCM10、MELK、FOXM1、KIF2C、NUP155、TPX2、TTK、CENPA、CENPN、EXO1、MAPRE1、ACOT7、NAE1、SHMT2、TCP1、TXNRD1、ADM、CHAF1A和SYNCRIP。
80.权利要求79所述的方法，其中所述基因选自：MELK、MCM10、CENPA、EXO1、TTK和KIF2C。
81.权利要求76-80中任一项所述的方法，其中所述与雌激素受体信号传导相关的基因属于ER元基因。
82.权利要求81所述的方法，其中所述基因选自：BTG2、PIK3IP1、SEC14L2、FLNB、ACSF2、APOM、BIN3、GLTSCR2、ZMYND10、ABAT、BCAT2、SCUBE2、RUNX1、LRRC48、MYBPC1、BCL2、CHPT1、ITM2A、LRIG1、MAPT、PRKCB、RERE、ABHD14A、FLT3、TNN、STC2、BATF、CD1E、CFB、EVL、FBXW4、ABCB1、ACAA1、CHAD、PDCD4、RPL10、RPS28、RPS4X、RPS6、SORBS1、RPL22和RPS4XP3。
83.权利要求82所述的方法，其中所述基因选自：MAPT和MYB。
84.权利要求76-83中任一项所述的方法，其中比较所述与染色体不稳定性相关的一个或多个过表达基因的表达水平和/或所述与雌激素受体信号传导相关的一个或多个低表达基因的表达水平的步骤包括比较所述与染色体不稳定性相关的一个或多个过表达基因的平均表达水平和/或所述与雌激素受体信号传导相关的一个或多个低表达基因的平均表达水平。
85.权利要求84所述的方法，其包括计算所述与染色体不稳定性相关的一个或多个过表达基因的平均表达水平与所述与雌激素受体信号传导相关的一个或多个低表达基因的平均表达水平的比率。
86.权利要求76-83中任一项所述的方法，其中比较所述与染色体不稳定性相关的一个或多个过表达基因的表达水平和/或所述与雌激素受体信号传导相关的一个或多个低表达基因的表达水平的步骤包括比较所述与染色体不稳定性相关的一个或多个过表达基因的表达水平的总和和/或所述与雌激素受体信号传导相关的一个或多个低表达基因的表达水平的总和。
87.权利要求86所述的方法，其包括计算所述与染色体不稳定性相关的一个或多个过表达基因的表达水平的总和与所述与雌激素受体信号传导相关的一个或多个低表达基因的表达水平的总和的比率。
88.权利要求76-87中任一项所述的方法，其还包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的一个或多个其他过表达基因的表达水平，和/或选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的一个或多个其他低表达基因的表达水平，其中所述一个或多个其他过表达基因与所述一个或多个其他低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
89.权利要求88所述的方法，其中所述一个或多个其他过表达基因选自ABHD5、
ADORA2B、BCAP31、CA9、CAMSAP1、CARHSP1、CD55、CETN3、EIF3K、EXOSC7、GNB2L1、GRHPR、GSK3B、HCFC1R1、KCNG1、MAP2K5、NDUFC1、PML、STAU1、TXN和ZNF593和/或所述一个或多个其他低表达基因选自BTN2A2、ERC2、IGH、ME1、MTMR7、SMPDL3B和ZNRD1-AS1。
90.权利要求88或89所述的方法，其中所述一个或多个其他过表达基因的表达水平和/或所述一个或多个其他低表达基因的表达水平的比较与所述与染色体不稳定性相关的一个或多个过表达基因的表达水平和/或所述与雌激素受体信号传导相关的一个或多个低表达基因的表达水平的比较相结合以得到第一综合评分，其指示或关联所述癌症对所述抗癌治疗的响应。
91.权利要求90所述的方法，其中所述第一综合评分至少部分通过加法、减法、乘法、除法和/或求幂得到。
92.权利要求91所述的方法，其中所述第一综合评分通过求幂得到，其中使所述一个或多个其他过表达基因的表达水平和/或所述一个或多个其他低表达基因的表达水平的比较自乘成所述与染色体不稳定性相关的一个或多个过表达基因的表达水平和/或与所述雌激素受体信号传导相关的一个或多个低表达基因的表达水平的比较次幂。
93.权利要求88-92中任一项所述的方法，其中比较所述一个或多个其他过表达基因的表达水平和/或所述一个或多个其他低表达基因的表达水平的步骤包括比较所述一个或多个其他过表达基因的平均表达水平和/或所述一个或多个其他低表达基因的平均表达水平。
94.权利要求93所述的方法，其包括计算所述一个或多个其他过表达基因的平均表达水平与所述一个或多个其他低表达基因的平均表达水平的比率。
95.权利要求88-92中任一项所述的方法，其中比较所述一个或多个其他过表达基因的表达水平和/或所述一个或多个其他低表达基因的表达水平的步骤包括比较所述一个或多个其他过表达基因的表达水平的总和和/或所述一个或多个其他低表达基因的表达水平的总和。
96.权利要求95所述的方法，其包括计算所述一个或多个其他过表达基因的表达水平的总和与所述一个或多个其他低表达基因的表达水平的总和的比率。
97.一种预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的一个或多个过表达基因的表达水平，和/或选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的一个或多个低表达基因的表达水平，其中所述一个或多个过表达基因与所述一个或多个低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
98.权利要求97所述的方法，其中所述一个或多个过表达基因选自ABHD5、ADORA2B、BCAP31、CA9、CAMSAP1、CARHSP1、CD55、CETN3、EIF3K、EXOSC7、GNB2L1、GRHPR、GSK3B、HCFC1R1、KCNG1、MAP2K5、NDUFC1、PML、STAU1、TXN和ZNF593和/或所述一个或多个低表达基因选自BTN2A2、ERC2、IGH、ME1、MTMR7、SMPDL3B和ZNRD1-AS1。
99.权利要求97或98所述的方法，其中比较所述一个或多个过表达基因的表达水平和/或所述一个或多个低表达基因的表达水平的步骤包括比较所述一个或多个过表达基因的平均表达水平和/或所述一个或多个低表达基因的平均表达水平。
100.权利要求99所述的方法，其包括计算所述一个或多个过表达基因的平均表达水平与所述一个或多个低表达基因的平均表达水平的比率。
101.权利要求97或98所述的方法，其中比较所述一个或多个过表达基因的表达水平和/或所述一个或多个低表达基因的表达水平的步骤包括比较所述一个或多个过表达基因的表达水平的总和和/或所述一个或多个低表达基因的表达水平的总和。
102.权利要求101所述的方法，其包括计算所述一个或多个过表达基因的表达水平的总和与所述一个或多个低表达基因的表达水平的总和的比率。
103.权利要求65-103中任一项所述的方法，其还包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中一个或多个过表达蛋白的表达水平和/或一个或多个低表达蛋白的表达水平，以由此得到综合评分。
104.权利要求103所述的方法，其中所述一个或多个过表达蛋白选自DVL3、PAI-1、VEGFR2、INPP4B、EIF4EBP1、EGFR、Ku80、HER3、SMAD1、GATA3、ITGA2、AKT1、NFKB1、HER2、ASNS和COL6A1，和/或所述一个或多个低表达蛋白选自VEGFR2、HER3、ASNS、MAPK9、ESR1、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6，其中：所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较高的相对表达水平指示或关联所述癌症较高的侵袭性和/或较不利的癌症预后；和/或所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性和/或较有利的癌症预后。
105.权利要求103或104所述的方法，其中比较所述一个或多个过表达蛋白的表达水平和/或所述一个或多个低表达蛋白的表达水平的步骤包括比较所述一个或多个过表达蛋白的平均表达水平和/或所述一个或多个低表达蛋白的平均表达水平。
106.权利要求105所述的方法，其包括计算所述一个或多个过表达蛋白的平均表达水平与所述一个或多个低表达蛋白的平均表达水平的比率。
107.权利要求103或104所述的方法，其中比较所述一个或多个过表达蛋白的表达水平和/或所述一个或多个低表达蛋白的表达水平的步骤包括比较所述一个或多个过表达蛋白的表达水平的总和和/或所述一个或多个低表达蛋白的表达水平的总和。
108.权利要求107所述的方法，其包括计算所述一个或多个过表达蛋白表达的水平的总和与所述一个或多个低表达蛋白的表达水平的总和的比率。
109.权利要求103-108中任一项所述的方法，其中所述一个或多个过表达蛋白的表达水平和所述一个或多个低表达蛋白的表达水平的比较与下述相结合：
(i)所述与染色体不稳定性相关的过表达基因的表达水平和/或所述与雌激素受体信号传导相关的低表达基因的表达水平的比较，以得到第二综合评分；或
(ii)所述第一综合评分，以得到第三综合评分；或
(i)选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的所述过表达基因的表达水平和/或选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的所述低表达基因的表达水平的比较，以得到第四综合评分；或
(ii)所述过表达基因的表达水平和/或所述低表达基因的表达水平的比较，其中所述基因来自所述碳水化合物/脂代谢元基因、所述细胞信号传导元基因、所述细胞发育元基因、所述细胞生长元基因、所述染色体分离元基因、所述DNA复制/重组元基因、所述免疫系统元基因、所述代谢疾病元基因、所述核酸代谢元基因、所述翻译后修饰元基因、所述蛋白质合成/修饰元基因和/或所述多重网络元基因中的一个或多个，以得到第五综合评分；或(iii)所述过表达基因的表达水平和/或所述低表达基因的表达水平的比较，其中所述基因来自所述代谢元基因、所述信号传导元基因、所述发育和生长元基因、所述染色体分离/复制元基因、所述免疫应答元基因和/或所述蛋白质合成/修饰元基因中的一个或多个，以得到第六综合评分。
110.权利要求109所述的方法，其中所述第一、第二、第三、第四、第五和/或第六综合评分至少部分地通过加法、减法、乘法、除法和/或求幂得到。
111.一种预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自DVL3、PAI-1、VEGFR2、INPP4B、EIF4EBP1、EGFR、Ku80、HER3、SMAD1、GATA3、ITGA2、AKT1、NFKB1、HER2、ASNS和COL6A1的一个或多个过表达蛋白的表达水平，和/或选自VEGFR2、HER3、ASNS、MAPK9、ESR1、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6的一个或多个低表达蛋白的表达水平，其中所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
112.权利要求111所述的方法，其中比较所述一个或多个过表达蛋白的表达水平和/或所述一个或多个低表达蛋白的表达水平的步骤包括比较所述一个或多个过表达蛋白的平均表达水平和/或所述一个或多个低表达蛋白的平均表达水平。
113.权利要求112所述的方法，其包括计算所述一个或多个过表达蛋白的平均表达水平与所述一个或多个低表达蛋白的平均表达水平的比率。
114.权利要求111所述的方法，其中比较所述一个或多个过表达蛋白的表达水平和/或所述一个或多个低表达蛋白的表达水平的步骤包括比较所述一个或多个过表达蛋白的表达水平的总和和/或所述一个或多个低表达蛋白的表达水平的总和。
115.权利要求114所述的方法，其包括计算所述一个或多个过表达蛋白的表达水平的总和与所述一个或多个低表达蛋白的表达水平的总和的比率。
116.权利要求59-115中任一项所述的方法，其中所述抗癌治疗选自内分泌治疗、化疗、免疫治疗和分子靶向治疗。
117.权利要求116所述的方法，其中所述治疗包括施用选自ALK抑制剂、BCR-ABL抑制剂、HSP90抑制剂、EGFR抑制剂、PARP抑制剂、维甲酸、Bcl2抑制剂、糖原异生抑制剂、p38MAPK抑制剂、MEK1/2抑制剂、mTOR抑制剂、PI3K抑制剂、IGF1R抑制剂、PLCγ抑制剂、JNK抑制剂、PAK1抑制剂、SYK抑制剂、HDAC抑制剂、FGFR抑制剂、XIAP抑制剂、PLK1抑制剂、ERK5抑制剂、TTK抑制剂、极光激酶抑制剂和/或其组合的药剂。
118.权利要求116所述的方法，其中免疫治疗是或包括免疫检查点抑制剂。
119.权利要求118所述的方法，其中所述免疫检查点抑制剂是或包括抗PD1抗体或抗PDL1抗体。
120.一种预测哺乳动物中癌症对免疫治疗药剂的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自ADORA2B、CD36、CETN3、KCNG1、LAMA3、MAP2K5、NAE1、PGK1、STAU1、CFDP1、SF3B3和TXN的一个或多个过表达基因的表达水平和/或选自APOBEC3A、BCL2、BTN2A2、CAMSAP1、CAMK4、CARHSP1、FBXW4、GSK3B、HCFC1R1、MYB、PSEN2和ZNF593的一个或多个低表达基因的表达水平，其中所述一个或多个过表达基因与所述一个或多个低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述免疫治疗药剂相对提高或降低的响应。
121.权利要求120所述的方法，其中所述一个或多个过表达基因与所述一个或多个低表达基因相比较高的相对表达水平指示或关联所述癌症对所述免疫治疗药剂相对提高的响应；和/或所述一个或多个过表达基因与所述一个或多个低表达基因相比较低的相对表达水平指示或关联所述癌症对所述免疫治疗药剂相对降低的响应。
122.权利要求120或121所述的方法，其中所述免疫治疗药剂是免疫检查点抑制剂。
123.权利要求122所述的方法，其中所述免疫检查点抑制剂是或包括抗PD1抗体或抗PDL1抗体。
124.一种预测哺乳动物中癌症对表皮生长因子受体(EGFR)抑制剂的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自NAE1、GSK3B、TAF2、MAPRE1、BRD4、STAU1、TAF2、PDCD4、KCNG1、ZNRD1-AS1、EIF4B、HELLS、RPL22、ABAT、BTN2A2、CD1B、ITM2A、BCL2、CXCR4和ARNT2的一个或多个过表达基因的表达水平和/或选自CD1C、CD1E、CD1B、KDM5A、BATF、EVL、PRKCB、HCFC1R1、CARHSP1、CHAD、KIR2DL4、ABHD5、ABHD14A、ACAA1、SRPK3、CFB、ARNT2、NDUFC1、BCL2、EVL、ULBP2、BIN3、SF3B3、CETN3、SYNCRIP、TAF2、CENPN、ATP6V1C1、CD55和ADORA2B的一个或多个低表达基因的表达水平，其中所述一个或多个过表达基因与所述一个或多个低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述免疫治疗药剂相对提高或降低的响应。
125.一种预测哺乳动物中癌症对多激酶抑制剂的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自SCUBE、CHPT1、CDC1、BTG2、ADORA2B和BCL2的一个或多个过表达基因的表达水平和/或选自NOP2、CALR、MAPRE1、KCNG1、PGK1、SRPK3、RERE、ADM、LAMA3、KIR2DL4、ULBP2、LAMA4、CA9和BCAP31的一个或多个低表达基因的表达水平，其中所述一个或多个过表达基因与所述一个或多个低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述多激酶抑制剂相对提高或降低的响应。
126.前述权利要求中任一项所述的方法，其包括治疗所述哺乳动物中的癌症的进一步步骤。
127.一种用于鉴定用于癌症治疗的药剂的方法，其包括如下步骤：
(i)使GRHPR、NDUFC1、CAMSAP1、CETN3、EIF3K、STAU1、EXOSC7、COG8、CFDP1和/或KCNG1的蛋白质产物与测试药剂接触；和
(ii)确定所述测试药剂是否至少部分地减少、消除、压制或抑制所述蛋白质产物的表达和/或活性。
128.权利要求127所述的方法，其中所述药剂具有或表现出很少的脱靶和/或非特异性作用，或者没有或未表现出显著的脱靶和/或非特异性作用。
129.权利要求127或128所述的方法，其中所述药剂是抗体或有机小分子。
130.一种治疗哺乳动物中的癌症的方法，其包括如下步骤：向所述哺乳动物施用治疗有效量的由权利要求127-129中任一项所述的方法鉴定的所述药剂。
131.任一前述权利要求所述的方法，其中所述哺乳动物是人。
132.任一前述权利要求所述的方法，其中所述癌症包括乳腺癌、肺癌、卵巢癌、宫颈癌、子宫癌、前列腺癌、脑和神经系统癌症、头颈癌、结肠癌、结肠直肠癌、胃癌、肝癌、肾癌、膀胱癌、黑色素瘤、淋巴癌、髓单核细胞癌、胰腺癌、垂体癌、肾上腺癌或肌肉骨骼癌。
133.权利要求132所述的方法，其中乳腺癌包括侵袭性乳腺癌和癌症亚型，如三阴性乳腺癌、2级乳腺癌、3级乳腺癌、淋巴结阳性(LN+)乳腺癌、HER2阳性(HER2+)乳腺癌和ER阳性(ER+)乳腺癌。
134.一种由权利要求127-129中任一项所述的方法鉴定的药剂，其用于癌症治疗。
确定癌症侵袭性、预后和治疗响应
技术领域
[0001] 本发明涉及癌症。更特别地，本发明涉及确定癌症的侵袭性、癌症预后和/或预测对抗癌治疗的响应的方法。
背景技术
[0002] 激素受体(ER和PR)和HER2是在临床实践中用于辅助进行乳腺癌的组织病理学分型和进行控制决策的标准生物标志物。激素受体(HR)-和HER2-阳性肿瘤分别从他莫昔芬和抗-HER2治疗中获益。另一方面，目前还没有用于控制三阴性乳腺癌(TNBC，其缺乏HR/HER2的表达)的靶向药物治疗。TNBC与HR-阳性肿瘤相比对化疗更为敏感，原因是其通常具更高1,2
增殖性，而且与非TNBC相比，化疗后的病理学完全响应(pCR)更可能在TNBC中出现 。矛盾地，与非TNBC相比，TNBC与更差的生存率相关联，因为带有残留疾病的TNBC患者更常发生复发1,2。仅有31％的TNBC患者在化疗后发生pCR3，因而强调了靶向治疗的需要。
增殖性，而且与非TNBC相比，化疗后的病理学完全响应(pCR)更可能在TNBC中出现 。矛盾地，与非TNBC相比，TNBC与更差的生存率相关联，因为带有残留疾病的TNBC患者更常发生复发1,2。仅有31％的TNBC患者在化疗后发生pCR3，因而强调了靶向治疗的需要。
[0003] 转录组分型已被用于将乳腺癌的异质性分成五个内在的‘PAM50’亚型：与临床结4-8
果相关的Luminal A、Luminal B、基底样、HER-2和正常样亚型 。已经开发了多种基因印记来预测结果或者对治疗的响应，包括：MammaPrint9、OncotypeDx10,11、Theros12-15。这些商业化印记依赖于基于临床表型如肿瘤响应或生存时间选择基因的模型。尽管其具有临床效用，但这些模型不能确定感兴趣的表型的核心生物学机制。近期，基于生物功能驱动的基因共表达印记的方法，“吸引子元基因(attractor metagene)”，已被用于预测某些癌症的生存率。然而，这样的方法处于早期阶段，并且需要进行大量工作以开发关于总体癌症以及特定癌症的这种吸引子元基因分析。
果相关的Luminal A、Luminal B、基底样、HER-2和正常样亚型 。已经开发了多种基因印记来预测结果或者对治疗的响应，包括：MammaPrint9、OncotypeDx10,11、Theros12-15。这些商业化印记依赖于基于临床表型如肿瘤响应或生存时间选择基因的模型。尽管其具有临床效用，但这些模型不能确定感兴趣的表型的核心生物学机制。近期，基于生物功能驱动的基因共表达印记的方法，“吸引子元基因(attractor metagene)”，已被用于预测某些癌症的生存率。然而，这样的方法处于早期阶段，并且需要进行大量工作以开发关于总体癌症以及特定癌症的这种吸引子元基因分析。
发明内容
[0004] 本发明涉及来自一个或多个功能性元基因的多个差异表达基因表达水平的比较，所述功能性元基因包括碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因；其中这些元基因中的多个基因的表达水平的比较被用于帮助确定某些癌症的侵袭性。该比较还可以，或替代地，帮助为患者提供癌症预后。本发明还涉及通过确定与前述12个功能性元基因中的一个或多个相关的一个或多个基因的表达水平来预测癌症对抗癌治疗的响应。
[0005] 本发明进一步涉及差异表达蛋白的特定印记的表达水平的比较，以促进或帮助确定特定癌症的侵袭性、癌症患者的预后和/或预测对抗癌治疗的响应。在确定癌症侵袭性、预后和/或治疗中，这些比较中的一个或两者也可与前述来自一个或多个前述功能性元基因的多个基因的表达水平的比较相结合。
[0006] 在第一方面，本发明涉及一种确定哺乳动物中的癌症侵袭性的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中一个或多个过表达基因的表达水平和/或一个或多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因，其中：所述一个或多个过表达基因与所述一个或多个低表达基因相比较高的相对表达水平指示或关联所述癌症较高的侵袭性；和/或所述一个或多个过表达基因与所述一个或多个低表达基因相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性。
[0007] 在第二方面，本发明涉及一种确定哺乳动物的癌症预后的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中一个或多个过表达基因的表达水平和/或一个或多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因，其中：所述一个或多个过表达基因与所述一个或多个低表达基因相比较高的相对表达水平指示或关联较不利的癌症预后；和/或所述一个或多个过表达基因与所述一个或多个低表达基因相比较低的相对表达水平指示或关联较有利的癌症预后。
[0008] 在上述方面的一个实施方式中，所述一个或多个过表达基因和/或所述一个或多个低表达基因选自前述元基因中的一个。在一个替代性实施方式中，所述一个或多个过表达基因和/或一个或多个低表达基因选自前述元基因中的多个。
[0009] 适合地，对于上述方面的方法，所述碳水化合物/脂代谢元基因、所述细胞信号传导元基因、所述细胞发育元基因、所述细胞生长元基因、所述染色体分离元基因、所述DNA复制/重组元基因、所述免疫系统元基因、所述代谢疾病元基因、所述核酸代谢元基因、所述翻译后修饰元基因、所述蛋白质合成/修饰元基因和/或所述多重网络元基因包括表21中列出的一个或多个基因。
[0010] 在第三方面，本发明涉及一种确定哺乳动物中的癌症侵袭性的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中一个或多个过表达基因的表达水平和/或一个或多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自代谢元基因、信号传导元基因、发育和生长元基因、染色体分离/复制元基因、免疫应答元基因和蛋白质合成/修饰元基因，其中：所述一个或多个过表达基因与所述一个或多个低表达基因相比较高的相对表达水平指示或关联所述癌症较高的侵袭性；和/或所述一个或多个过表达基因与所述一个或多个低表达基因相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性。
[0011] 在第四方面，本发明涉及一种确定哺乳动物的癌症预后的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中一个或多个过表达基因的表达水平和/或一个或多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自代谢元基因、信号传导元基因、发育和生长元基因、染色体分离/复制元基因、免疫应答元基因和蛋白质合成/修饰元基因，其中：所述一个或多个过表达基因与所述一个或多个低表达基因相比较高的相对表达水平指示或关联较不利的癌症预后；和/或所述一个或多个过表达基因与所述一个或多个低表达基因相比较低的相对表达水平指示或关联较有利的癌症预后。
[0012] 在第三和第四方面的一个实施方式中，所述一个或多个过表达基因和/或所述一个或多个低表达基因选自前述元基因中的一个。在一个替代性实施方式中，所述一个或多个过表达基因和/或所述一个或多个低表达基因选自前述元基因中的多个。
[0013] 适合地，所述代谢元基因、所述信号传导元基因、所述发育和生长元基因、所述染色体分离/复制元基因、所述免疫应答元基因和/或所述蛋白质合成/修饰元基因包括表22中列出的一个或多个基因。
[0014] 在第三和第四方面的方法的特定实施方式中，所述一个或多个过表达基因和/或所述一个或多个低表达基因来自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因中的一个或多个。
[0015] 在第五方面，本发明涉及一种确定哺乳动物中的癌症侵袭性的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中与染色体不稳定性相关的一个或多个过表达基因的表达水平和/或与雌激素受体信号传导相关的一个或多个低表达基因的表达水平，其中：与染色体不稳定性相关的所述一个或多个过表达基因相比于与雌激素受体信号传导相关的所述一个或多个低表达基因的较高相对表达水平指示或关联所述癌症较高的侵袭性；和/或与染色体不稳定性相关的所述一个或多个过表达基因相比于与雌激素受体信号传导相关的所述一个或多个低表达基因的较低相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性。
[0016] 在第六方面，本发明涉及一种确定哺乳动物的癌症预后的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中与染色体不稳定性相关的一个或多个过表达基因的表达水平和/或与雌激素受体信号传导相关的一个或多个低表达基因的表达水平，其中：与染色体不稳定性相关的所述一个或多个过表达基因相比于与雌激素受体信号传导相关的所述一个或多个低表达基因的较高相对表达水平指示或关联较不利的癌症预后；和/或与染色体不稳定性相关的所述一个或多个过表达基因相比于与雌激素受体信号传导相关的所述一个或多个低表达基因的较低相对表达水平指示或关联较有利的癌症预后。
[0017] 在某些实施方式中，与染色体不稳定性相关的所述基因属于CIN元基因。非限制性实例包括选自ATP6V1C1、RAP2A、CALM1、COG8、HELLS、KDM5A、PGK1、PLCH1、CEP55、RFC4、TAF2、SF3B3、GPI、PIR、MCM10、MELK、FOXM1、KIF2C、NUP155、TPX2、TTK、CENPA、CENPN、EXO1、MAPRE1、ACOT7、NAE1、SHMT2、TCP1、TXNRD1、ADM、CHAF1A和SYNCRIP的基因。优选地，所述基因选自：MELK、MCM10、CENPA、EXO1、TTK和KIF2C。
[0018] 在某些实施方式中，与雌激素受体信号传导相关的所述基因属于ER元基因。非限制性实例包括选自：BTG2、PIK3IP1、SEC14L2、FLNB、ACSF2、APOM、BIN3、GLTSCR2、ZMYND10、ABAT、BCAT2、SCUBE2、RUNX1、LRRC48、MYBPC1、BCL2、CHPT1、ITM2A、LRIG1、MAPT、PRKCB、RERE、ABHD14A、FLT3、TNN、STC2、BATF、CD1E、CFB、EVL、FBXW4、ABCB1、ACAA1、CHAD、PDCD4、RPL10、RPS28、RPS4X、RPS6、SORBS1、RPL22和RPS4XP3的基因。优选地，所述基因选自：MAPT和MYB。
[0019] 在某些实施方式中，第五和第六方面的方法进一步包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的一个或多个其他过表达基因的表达水平，和/或选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的一个或多个其他低表达基因的表达水平，其中：所述其他过表达基因与所述其他低表达基因相比较高的相对表达水平指示或关联所述癌症较高的侵袭性和/或较不利的癌症预后；和/或所述其他过表达基因与所述其他低表达基因相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性和/或较有利的癌症预后。
[0020] 在一个实施方式中，所述一个或多个其他过表达基因选自ABHD5、ADORA2B、BCAP31、CA9、CAMSAP1、CARHSP1、CD55、CETN3、EIF3K、EXOSC7、GNB2L1、GRHPR、GSK3B、HCFC1R1、KCNG1、MAP2K5、NDUFC1、PML、STAU1、TXN和ZNF593。
[0021] 在一个实施方式中，所述一个或多个其他低表达基因选自BTN2A2、ERC2、IGH、ME1、MTMR7、SMPDL3B和ZNRD1-AS1。
[0022] 适合地，与染色体不稳定性相关的所述过表达基因的表达水平和/或与雌激素受体信号传导相关的所述低表达基因的表达水平的比较与所述一个或多个其他过表达基因的表达水平和/或所述一个或多个其他低表达基因的表达水平的比较相结合，以得到第一综合评分。
[0023] 在第七方面，本发明提供一种确定哺乳动物中的癌症侵袭性的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的一个或多个过表达基因的表达水平，和/或选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的一个或多个低表达基因的表达水平，其中：所述一个或多个过表达基因与所述一个或多个低表达基因相比较高的相对表达水平指示或关联所述癌症较高的侵袭性；和/或所述一个或多个过表达基因与所述一个或多个低表达基因相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性。
[0024] 在第八方面，本发明提供一种确定哺乳动物中癌症预后的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的一个或多个过表达基因的表达水平，和/或选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的一个或多个低表达基因的表达水平，其中：所述一个或多个过表达基因与所述一个或多个低表达基因相比较高的相对表达水平指示或关联较不利的癌症预后；和/或所述一个或多个过表达基因与所述一个或多个低表达基因相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比较有利的癌症预后。
[0025] 在第七和第八方面的一个实施方式中，所述一个或多个过表达基因选自ABHD5、ADORA2B、BCAP31、CA9、CAMSAP1、CARHSP1、CD55、CETN3、EIF3K、EXOSC7、GNB2L1、GRHPR、GSX3B、HCFC1R1、KCNG1、MAP2K5、NDUFC1、PML、STAU1、TXN和ZNF593。
[0026] 在第七和第八方面的一个实施方式中，所述一个或多个低表达基因选自BTN2A2、ERC2、IGH、ME1、MTMR7、SMPDL3B和ZNRD1-AS1。
[0027] 在特定的实施方式中，第一、第二、第三、第四、第五、第六、第七和第八方面的方法进一步包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自DVL3、PAI-1、VEGFR2、INPP4B、EIF4EBP1、EGFR、Ku80、HER3、SMAD1、GATA3、ITGA2、AKT1、NFKB1、HER2、ASNS和COL6A1的一个或多个过表达蛋白的表达水平，和/或选自VEGFR2、HER3、ASNS、MAPK9、ESR1、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6的一个或多个低表达蛋白的表达水平，其中：所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较高的相对表达水平指示或关联所述癌症较高的侵袭性和/或较不利的癌症预后；和/或所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性和/或较有利的癌症预后。
[0028] 适合地，所述一个或多个过表达蛋白的表达水平和/或一个或多个低表达蛋白的表达水平的比较由此得到综合评分。在一个特定的实施方式中，所述一个或多个过表达蛋白的表达水平和/或所述一个或多个低表达蛋白的表达水平的比较与下述相结合：
[0029] (i)与染色体不稳定性相关的所述过表达基因的表达水平和/或与雌激素受体信号传导相关的所述低表达基因的表达水平的比较，以得到第二综合评分；或
[0030] (ii)所述第一综合评分，以得到第三综合评分；或
[0031] (iii)所述选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的过表达基因的表达水平和/或所述选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的低表达基因的表达水平的比较，以得到第四综合评分；或
[0032] (iv)所述过表达基因的表达水平和/或所述低表达基因的表达水平的比较，其中所述基因来自所述碳水化合物/脂代谢元基因、所述细胞信号传导元基因、所述细胞发育元基因、所述细胞生长元基因、所述染色体分离元基因、所述DNA复制/重组元基因、所述免疫系统元基因、所述代谢疾病元基因、所述核酸代谢元基因、所述翻译后修饰元基因、所述蛋白质合成/修饰元基因和/或所述多重网络元基因中的一个或多个，以得到第五综合评分；或
[0033] (v)所述过表达基因的表达水平和/或所述低表达基因的表达水平的比较，其中所述基因来自所述代谢元基因、所述信号传导元基因、所述发育和生长元基因、所述染色体分离/复制元基因、所述免疫应答元基因和/或所述蛋白质合成/修饰元基因中的一个或多个，以得到第六综合评分。
[0034] 其中第二、第三、第四、第五和/或第六综合评分指示或关联哺乳动物中癌症的侵袭性和/或预后。
[0035] 在特定的实施方式中，第二、第三、第四、第五和/或第六综合评分至少部分地通过加法、减法、乘法、除法和/或求幂得到。
[0036] 在优选的实施方式中，第一、第二和/或第三综合评分至少部分地通过求幂得到，其中使所述其他过表达基因表达水平和其他低表达基因表达水平的比较自乘为以下比较次幂(is raised to a power of)：
[0037] (i)染色体不稳定性相关的所述过表达基因的表达水平和/或与雌激素受体信号传导相关的所述低表达基因的表达水平的比较；和/或
[0038] (ii)过表达蛋白表达水平和/或低表达蛋白表达水平的比较。
[0039] 在第九方面，本发明提供一种确定哺乳动物中的癌症侵袭性的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自DVL3、PAI-1、VEGFR2、INPP4B、EIF4EBP1、EGFR、Ku80、HER3、SMAD1、GATA3、ITGA2、AKT1、NFKB1、HER2、ASNS和COL6A1的一个或多个过表达蛋白的表达水平，和/或选自VEGFR2、HER3、ASNS、MAPK9、ESR1、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6的一个或多个低表达蛋白的表达水平，其中：所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较高的相对表达水平指示或关联所述癌症较高的侵袭性；和/或所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性。
[0040] 在第十方面，本发明提供一种确定哺乳动物中的癌症预后的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自DVL3、PAI-1、VEGFR2、INPP4B、EIF4EBP1、EGFR、Ku80、HER3、SMAD1、GATA3、ITGA2、AKT1、NFKB1、HER2、ASNS和COL6A1的一个或多个过表达蛋白的表达水平，和/或选自VEGFR2、HER3、ASNS、MAPK9、ESR1、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6的一个或多个低表达蛋白的表达水平，其中：所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较高的相对表达水平指示或关联较不利的癌症预后；和/或所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比较有利的癌症预后。
[0041] 在第十一方面，本发明提供一种预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中一个或多个过表达基因的表达水平和/或一个或多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因，其中所述过表达基因与所述低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
[0042] 适合地，对于本方面，所述碳水化合物/脂代谢元基因、所述细胞信号传导元基因、所述细胞发育元基因、所述细胞生长元基因、所述染色体分离元基因、所述DNA复制/重组元基因、所述免疫系统元基因、所述代谢疾病元基因、所述核酸代谢元基因、所述翻译后修饰元基因、所述蛋白质合成/修饰元基因和/或所述多重网络元基因包括表21中列出的一个或多个基因。
[0043] 在第十二方面，本发明提供一种预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中一个或多个过表达基因的表达水平和/或一个或多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自代谢元基因、信号传导元基因、发育和生长元基因、染色体分离/复制元基因、免疫应答元基因和蛋白质合成/修饰元基因，其中所述过表达基因与所述低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
[0044] 在第十一和第十二方面的一个实施方式中，所述一个或多个过表达基因和/或所述一个或多个低表达基因选自前述元基因中的一个。在一个替代性实施方式中，所述一个或多个过表达基因和/或所述一个或多个低表达基因选自前述元基因中的多个。
[0045] 适合地，所述代谢元基因、所述信号传导元基因、所述发育和生长元基因、所述染色体分离/复制元基因、所述免疫应答元基因和/或所述蛋白质合成/修饰元基因包括表22中列出的一个或多个基因。
[0046] 在特定的实施方式中，所述一个或多个过表达基因和所述一个或多个低表达基因来自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因中的一个或多个。
[0047] 根据第十一和第十二方面的方法，比较一个或多个过表达基因的表达水平和/或一个或多个低表达基因的表达水平的步骤包括比较所述一个或多个过表达基因的平均表达水平和/或所述一个或多个低表达基因的平均表达水平。这可以包括计算所述一个或多个过表达基因的平均表达水平与所述一个或多个低表达基因的平均表达水平的比率。适合地，所述比率提供侵袭性评分，其指示或关联癌症侵袭性和较不利的预后。或者，比较一个或多个过表达基因的表达水平和/或一个或多个低表达基因的表达水平的步骤包括比较所述一个或多个过表达基因的表达水平的总和和/或所述一个或多个低表达基因的表达水平的总和。这可以包括计算所述一个或多个过表达的基因表达水平的总和和/或所述一个或多个低表达的基因表达水平的总和的比率。
[0048] 在第十三方面，本发明提供一种预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：确定所述哺乳动物的一个或多个非有丝分裂癌症细胞中与染色体不稳定性相关的一个或多个基因的表达水平，其中较高的表达水平指示或关联所述癌症对所述抗癌治疗相对提高的响应。
[0049] 适合地，所述与染色体不稳定性相关的一个或多个基因选自TTK、CEP55、FOXM1和SKIP2和/或在表4中列出的任何CIN基因。
[0050] 在第十四方面，本发明提供一种预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中与染色体不稳定性相关的一个或多个过表达基因的表达水平和/或与雌激素受体信号传导相关的一个或多个低表达基因的表达水平，其中与染色体不稳定性相关的所述一个或多个过表达基因相比于与雌激素受体信号传导相关的所述一个或多个低表达基因改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
[0051] 在某些实施方式中，与染色体不稳定性相关的所述基因属于CIN元基因。非限制性实例包括选自ATP6V1C1、RAP2A、CALM1、COG8、HELLS、KDM5A、PGK1、PLCH1、CEP55、RFC4、TAF2、SF3B3、GPI、PIR、MCM10、MELK、FOXM1、KIF2C、NUP155、TPX2、TTK、CENPA、CENPN、EXO1、MAPRE1、ACOT7、NAE1、SHMT2、TCP1、TXNRD1、ADM、CHAF1A和SYNCRIP的基因。优选地，所述基因选自：MELK、MCM10、CENPA、EXO1、TTK和KIF2C。
[0052] 在某些实施方式中，与雌激素受体信号传导相关的所述基因属于ER元基因。非限制性实例包括选自BTG2、PIK3IP1、SEC14L2、FLNB、ACSF2、APOM、BIN3、GLTSCR2、ZMYND10、ABAT、BCAT2、SCUBE2、RUNX1、LRRC48、MYBPC1、BCL2、CHPT1、ITM2A、LRIG1、MAPT、PRKCB、RERE、ABHD14A、FLT3、TNN、STC2、BATF、CD1E、CFB、EVL、FBXW4、ABCB1、ACAA1、CHAD、PDCD4、RPL10、RPS28、RPS4X、RPS6、SORBS1、RPL22和RPS4XP3的基因。优选地，所述基因选自：MAPT和MYB。
[0053] 适合地，该方面的方法进一步包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的一个或多个其他过表达基因的表达水平，和/或选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的一个或多个其他低表达基因的表达水平，其中：所述一个或多个其他过表达基因与所述一个或多个其他低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
[0054] 在一个实施方式中，所述一个或多个其他过表达基因选自ABHD5、ADORA2B、BCAP31、CA9、CAMSAP1、CARHSP1、CD55、CETN3、EIF3K、EXOSC7、GNB2L1、GRHPR、GSK3B、HCFC1R1、KCNG1、MAP2K5、NDUFC1、PML、STAU1、TXN和ZNF593。
[0055] 在一个实施方式中，所述一个或多个其他低表达基因选自BTN2A2、ERC2、IGH、ME1、MTMR7、SMPDL3B和ZNRD1-AS1。
[0056] 在某些实施方式中，所述一个或多个其他过表达基因的表达水平和/或所述一个或多个其他低表达基因的表达水平的比较与与染色体不稳定性相关的所述一个或多个过表达基因的表达水平和/或与雌激素受体信号传导相关的所述一个或多个低表达基因的表达水平的比较相结合以得到第一综合评分，其指示或关联所述癌症对所述抗癌治疗的响应。举例而言，所述第一综合评分可以至少部分地通过加法、减法、乘法、除法和/或求幂得到。优选地，所述综合评分通过求幂得到，其中使所述一个或多个其他过表达基因的表达水平和所述一个或多个其他低表达基因的表达水平的比较自乘为与染色体不稳定性相关的所述一个或多个过表达基因的表达水平和与雌激素受体信号传导相关的所述一个或多个低表达基因的表达水平的比较次幂。
[0057] 在第十五方面，本发明提供一种预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的一个或多个过表达基因的表达水平，和/或选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的一个或多个低表达基因的表达水平，其中：所述一个或多个过表达基因与所述一个或多个低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
[0058] 在一个实施方式中，所述一个或多个过表达基因选自ABHD5、ADORA2B、BCAP31、CA9、CAMSAP1、CARHSP1、CD55、CETN3、EIF3K、EXOSC7、GNB2L1、GRHPR、GSK3B、HCFC1R1、KCNG1、MAP2K5、NDUFC1、PML、STAU1、TXN和ZNF593。
[0059] 在一个实施方式中，所述一个或多个低表达基因选自BTN2A2、ERC2、IGH、ME1、MTMR7、SMPDL3B和ZNRD1-AS1。
[0060] 适合地，第十一、第十二、第十三、第十四和第十五方面的方法进一步包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自DVL3、PAI-1、VEGFR2、INPP4B、EIF4EBP1、EGFR、Ku80、HER3、SMAD1、GATA3、ITGA2、AKT1、NFKB1、HER2、ASNS和COL6A1的一个或多个过表达蛋白的表达水平，和/或选自VEGFR2、HER3、ASNS、MAPK9、ESR1、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6的一个或多个低表达蛋白的表达水平，其中所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
[0061] 适合地，所述一个或多个过表达蛋白的表达水平和/或一个或多个低表达蛋白的表达水平的比较由此得到综合评分。在一个特定的实施方式中，所述一个或多个过表达蛋白的表达水平和/或所述一个或多个低表达蛋白的表达水平的比较与下述相结合：
[0062] (i)与染色体不稳定性相关的所述过表达基因的表达水平和/或与雌激素受体信号传导相关的所述低表达基因的表达水平的比较，以得到第二综合评分；或
[0063] (ii)所述第一综合评分，以得到第三综合评分；或
[0064] (iii)所述选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的过表达基因的表达水平和/或所述选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的低表达基因的表达水平的比较，以得到第四综合评分；或
[0065] (iv)所述过表达基因的表达水平与所述低表达基因的表达水平的比较，其中所述基因来自所述碳水化合物/脂代谢元基因、所述细胞信号传导元基因、所述细胞发育元基因、所述细胞生长元基因、所述染色体分离元基因、所述DNA复制/重组元基因、所述免疫系统元基因、所述代谢疾病元基因、所述核酸代谢元基因、所述翻译后修饰元基因、所述蛋白质合成/修饰元基因和/或所述多重网络元基因中的一个或多个，以得到第五综合评分；或[0066] (v)所述过表达基因的表达水平与所述低表达基因的表达水平的比较，其中所述基因来自所述代谢元基因、所述信号传导元基因、所述发育和生长元基因、所述染色体分离/复制元基因、所述免疫应答元基因和/或所述蛋白质合成/修饰元基因中的一个或多个，以得到第六综合评分。
[0067] 其中第二、第三、第四、第五和/或第六综合评分指示或关联所述癌症对抗癌治疗的响应。
[0068] 在特定的实施方式中，第一、第二、第三、第四、第五和/或第六综合评分至少部分通过加法、减法、乘法、除法和/或求幂得到。
[0069] 在优选的实施方式中，第一、第二和/或第三综合评分至少部分地通过求幂得到，其中使所述其他过表达基因的表达水平和/或其他低表达基因的表达水平的比较自乘为以下比较次幂：
[0070] (i)与染色体不稳定性相关的所述过表达基因的表达水平和/或与雌激素受体信号传导相关的所述低表达基因的表达水平的比较；和/或
[0071] (ii)过表达蛋白的表达水平和/或低表达蛋白的表达水平的比较。
[0072] 在第十六方面，本发明提供预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自DVL3、PAI-1、VEGFR2、INPP4B、EIF4EBP1、EGFR、Ku80、HER3、SMAD1、GATA3、ITGA2、AKT1、NFKB1、HER2、ASNS和COL6A1的一个或多个过表达蛋白的表达水平，和/或选自VEGFR2、HER3、ASNS、MAPK9、ESR1、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6的一个或多个低表达蛋白的表达水平，其中所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
[0073] 适合地，第十一、第十二、第十三、第十四、第十五和第十六方面的抗癌治疗选自内分泌治疗、化疗、免疫治疗和分子靶向治疗。在某些实施方式中，所述抗癌治疗包括间变性淋巴瘤激酶(ALK)抑制剂、BCR-ABL抑制剂、热休克蛋白90(HSP90)抑制剂、表皮生长因子受体(EGFR)抑制剂、聚(ADP-核糖)聚合酶(PARP)抑制剂、维甲酸、B细胞淋巴瘤2(Bcl2)抑制剂、糖原异生抑制剂、p38促分裂原活化蛋白激酶(MAPK)抑制剂、促分裂原活化蛋白激酶激酶1/2(MEK1/2)抑制剂、雷帕霉素哺乳动物靶标(mTOR)抑制剂、磷脂酰肌醇-4,5-二磷酸3-激酶(PI3K)抑制剂、胰岛素样生长因子1受体(IGF1R)抑制剂、磷脂酶C-γ(PLCγ)抑制剂、c-Jun N-端激酶(JNK)抑制剂、p21活化激酶-1(PAK1)抑制剂、脾酪氨酸激酶(SYK)抑制剂、组蛋白脱乙酰酶(HDAC)抑制剂、成纤维细胞生长因子受体(FGFR)抑制剂、X连锁凋亡抑制剂(XIAP)抑制剂、polo样激酶1(PLK1)抑制剂、细胞外信号调节激酶5(ERK5)抑制剂及其组合。
[0074] 适合地，第十一、第十二、第十三、第十四、第十五和第十六方面的方法进一步包括如下步骤：对哺乳动物施用治疗有效量的抗癌治疗。优选地，所述抗癌治疗在改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高的响应时施用。
[0075] 在第十七方面，本发明提供预测哺乳动物中癌症对免疫治疗剂的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自ADORA2B、CD36、CETN3、KCNG1、LAMA3、MAP2K5、NAE1、PGK1、STAU1、CFDP1、SF3B3和TXN的一个或多个过表达基因的表达水平和/或选自APOBEC3A、BCL2、BTN2A2、CAMSAP1、CAMK4、CARHSP1、FBXW4、GSK3B、HCFC1R1、MYB、PSEN2和ZNF593的一个或多个低表达基因的表达水平，其中所述一个或多个过表达基因与所述一个或多个低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述免疫治疗药剂相对提高或降低的响应。
[0076] 适合地，所述免疫治疗剂是免疫检查点抑制剂。优选地，所述免疫检查点抑制剂是或包括抗PD1抗体或抗PDL1抗体。
[0077] 在第十八方面提供的是预测哺乳动物中癌症对表皮生长因子受体(EGFR)抑制剂的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自NAE1、GSK3B、TAF2、MAPRE1、BRD4、STAU1、TAF2、PDCD4、KCNG1、ZNRD1-AS1、EIF4B、HELLS、RPL22、ABAT、BTN2A2、CD1B、ITM2A、BCL2、CXCR4和ARNT2的一个或多个过表达基因的表达水平和/或选自CD1C、CD1E、CD1B、KDM5A、BATF、EVL、PRKCB、HCFC1R1、CARHSP1、CHAD、KIR2DL4、ABHD5、ABHD14A、ACAA1、SRPK3、CFB、ARNT2、NDUFC1、BCL2、EVL、ULBP2、BIN3、SF3B3、CETN3、SYNCRIP、TAF2、CENPN、ATP6V1C1、CD55和ADORA2B的一个或多个低表达基因的表达水平，其中所述一个或多个过表达基因与所述一个或多个低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对EGFR抑制剂相对提高或降低的响应。
[0078] 在第十九方面提供的是预测哺乳动物中癌症对多激酶抑制剂的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自SCUBE、CHPT1、CDC1、BTG2、ADORA2B和BCL2的一个或多个过表达基因的表达水平，和/或选自NOP2、CALR、MAPRE1、KCNG1、PGK1、SRPK3、RERE、ADM、LAMA3、KIR2DL4、ULBP2、LAMA4、CA9和BCAP31的一个或多个低表达基因的表达水平，其中所述一个或多个过表达基因与所述一个或多个低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述多激酶抑制剂相对提高或降低的响应。
[0079] 适合地，对于第十七、第十八和第十九方面的方法，所述一个或多个过表达基因与所述一个或多个低表达基因相比较高的相对表达水平指示或关联所述癌症对所述免疫治疗剂、EGFR抑制剂或多激酶抑制剂相对提高的响应；和/或所述一个或多个过表达基因与所述一个或多个低表达基因相比较低的相对表达水平指示或关联所述癌症对所述免疫治疗药剂、EGFR抑制剂或多激酶抑制剂相对降低的响应。
[0080] 在一些实施方式中，第十七、第十八和第十九方面的方法进一步包括如下步骤：分别向所述哺乳动物施用治疗有效量的所述免疫治疗剂、EGFR抑制剂或多激酶抑制剂。优选地，所述免疫治疗剂、EGFR抑制剂或多激酶抑制剂在改变或调节的相对表达水平分别指示或关联所述癌症对所述免疫治疗剂、EGFR抑制剂或多激酶抑制剂相对提高的响应时施用。
[0081] 适合地，对于前述方面的方法，比较一个或多个过表达基因或蛋白的表达水平与一个或多个低表达基因或蛋白的表达水平的步骤包括比较所述一个或多个过表达基因或蛋白的平均表达水平和/或所述一个或多个低表达基因或蛋白的平均表达水平。这可以包括计算所述一个或多个过表达基因或蛋白的平均表达水平与所述一个或多个低表达基因或蛋白的平均表达水平的比率。适合地，所述比率提供侵袭性评分，其指示或关联癌症侵袭性和较不利的预后。或者，比较一个或多个过表达基因的表达水平与一个或多个低表达基因或蛋白的表达水平的步骤包括比较所述一个或多个过表达基因或蛋白的表达水平的总和与所述一个或多个低表达基因或蛋白的表达水平的总和。这可以包括计算所述一个或多个过表达基因或蛋白的表达水平的总和与所述一个或多个低表达基因或蛋白的表达水平的总和的比率。
[0082] 在前述方法的某些实施方式中，随后对所述哺乳动物的癌症进行治疗。
[0083] 在第二十方面，本发明提供一种用于鉴定用于癌症治疗的药剂的方法，其包括如下步骤：
[0084] (i)使GRHPR、NDUFC1、CAMSAP1、CETN3、EIF3K、STAU1、EXOSC7、COG8、CFDP1和/或KCNG1的蛋白质产物与测试药剂接触；和
[0085] (ii)确定所述测试药剂是否至少部分地降低、消除、压制或抑制所述蛋白质产物的表达和/或活性。
[0086] 适合地，所述药剂具有或表现出很少的脱靶和/或非特异性作用，或者没有或不表现出显著的脱靶和/或非特异性作用。
[0087] 优选地，所述药剂是抗体或有机小分子。
[0088] 在第二十一方面，本发明提供通过第十八方面的方法鉴定的用于癌症治疗的药剂。
[0089] 在第二十二方面，本发明提供治疗哺乳动物中的癌症的方法，其包括如下步骤：向所述哺乳动物施用治疗有效量的通过第十八方面的方法鉴定的药剂。
[0090] 优选地，对于第二十、第二十一和第二十二方面的发明，所述癌症具有选自GRHPR、NDUFC1、CAMSAP1、CETN3、EIF3K、STAU1、EXOSC7、COG8、CFDP1、KCNG1或其任意组合的过表达基因。
[0091] 适合地，前述方面的方法进一步包括如下步骤：确定、评估或测定本文描述的过表达基因、低表达基因、过表达蛋白和/或低表达蛋白中一个或多个的表达水平。
[0092] 适合地，在前述方面和实施方式中提及的哺乳动物是人。
[0093] 在前述方面的本发明的某些实施方式中，所述癌症包括乳腺癌、肺癌(包括肺腺癌和肺鳞状细胞癌)、生殖系统癌(包括卵巢癌、宫颈癌、子宫癌和前列腺癌)、脑和神经系统癌症、头颈癌、胃肠癌(包括结肠癌、结肠直肠癌和胃癌)、肝癌(包括肝细胞癌)、肾癌(包括肾透明细胞癌和肾乳头状细胞癌)、皮肤癌(例如黑色素瘤和皮肤癌)、血细胞癌(包括淋巴样癌和髓单核细胞癌)、内分泌系统癌(例如胰腺癌和垂体癌)、肌肉骨骼癌(包括骨和软组织癌)，但不限于此。举例而言，乳腺癌，包括侵袭性乳腺癌和如三阴性乳腺癌、2级乳腺癌、3级乳腺癌、淋巴结阳性(LN+)乳腺癌、HER2阳性(HER2+)乳腺癌和ER阳性(ER+)乳腺癌的癌症亚型，但不限于此。
[0094] 除非上下文另有要求，否则术语“包括”、“包含”、“含有”或类似术语旨在表示非排他性的包含，使得所记载的要素或特征的列表并不仅包括陈述或列举的要素，而是可以包括其他未列举或未陈述的要素或特征。
[0096] 图1：乳腺癌亚型与侵袭性基因列表的相关性。根据侵袭性基因列表中206个基因(表4)的表达，使METABRIC数据集可视化。每种肿瘤的侵袭性评分计算为CIN元基因(CIN基因表达的平均值)与ER元基因(ER基因表达的平均值)的比率。(A)根据GENIUS组织学分类的侵袭性基因列表的表达。箱形图显示组织学亚型的侵袭性评分。(B)根据所有患者、非TNBC患者和ER+2级肿瘤患者的侵袭性评分(上排：按四分位数；下排：按中位数)，分析了METABRIC数据集中患者的总体生存。显示了比较上四分位数与下四分位数(上排)的以及越中位数的二分法(dichotomy)(高与低)的风险比(HR)、置信区间(CI)和p值(对数秩检验，Prism)。每组中的患者数量(n)在括号中显示。
[0097] 图2：侵袭性基因列表的网络分析。(A)Ingenuity途径分析使用对侵袭性基因列表中的206个基因的直接相互作用进行(红色为过表达和绿色为低表达)。确定了一个高直接相互作用的网络。(B)调查了A的网络中的基因与侵袭性评分和总体生存的相关性(表5)，并且具有最高相关性的8个基因(MAPT、MYB、MELK、MCM10、CENPA、EXO1、TTK和KIF2C)仍然连接在直接相互作用网络中。(C)根据在所有患者、非TNBC患者和ER+2级肿瘤患者中，C中8个基因的评分(上排：按四分位数；下排：按中位数)，分析了METABRIC数据集中患者的总体生存。
[0098] 图3：METABRIC数据集中按8-基因评分分层的患者生存率。根据所有患者(A)或仅ER阳性患者(B)的所选择设置中的8-基因评分，分析了METABRIC数据集中患者的总体生存。(A)在高与低8-基因评分(按中位数分开)中比较了TP53突变。通过中位数二分法将增殖标志物Ki67的表达分开，并且然后根据它们的8-基因评分(按四分位数分开)对这些组中每一个的患者进行分层。疾病分期(I期-III期)通过中位8-基因评分分层。(B)ER+3级、ER+淋巴结阴性(LN-)和ER+LN+肿瘤通过四分位数分层。
[0099] 图4：与乳腺癌患者生存率相关的8-基因评分。4个已公布的数据集被用于验证8-基因评分作为生存率的预测子。对每个数据集中的肿瘤计算8-基因评分，并且根据中位8-基因评分对患者生存进行分层；(A)GSE299015、(B)GSE349465、(C)GSE203466和(D)GSE2506653。在Kaplan-Meier生存曲线中显示高与低8-基因评分比较的风险比(HR)和置信区间(CI)和p值(对数秩检验， Prism)。患者数量(n)在括号中显示。每个小图
中的表格显示使用包括所有可用常规预测子的Cox-比例风险模型的多变量生存分析。
中的表格显示使用包括所有可用常规预测子的Cox-比例风险模型的多变量生存分析。
[0100] 图5：侵袭性基因列表中的治疗靶点。(A)用对照siRNA(Scrambled，Sc CTRL)或靶向指定基因的siRNA处理TNBC细胞系，MDA-MB-231、SUM159PT和Hs578T，并比较这些细胞在第6天的生存。所示数据是来自三个细胞系的平均值，其中每个细胞系处理三次重复。使用Prism进行单因素方差分析，*p<0.05、**p<0.01和***<0.001。单个细胞系的数据显示在表5中。(B)使用一组乳腺癌细胞系制备用于TTK的免疫印迹的裂解产物。微管蛋白用作上样对照。(C)在不存在或存在递增剂量的TTK抑制剂(TTKi)AZ3146情况下的乳腺癌细胞系处理的剂量响应曲线。使用处理后第6天进行的 MTS/MTA试验测定细胞
的生存。百分生存率(n＝3每剂量)计算为来自处理细胞的信号与来自对照细胞的信号的百分比。(D)从C中每个细胞系的剂量响应曲线，通过 Prism测定影响50％细胞生
存所需的TTK浓度(IC50)。
的生存。百分生存率(n＝3每剂量)计算为来自处理细胞的信号与来自对照细胞的信号的百分比。(D)从C中每个细胞系的剂量响应曲线，通过 Prism测定影响50％细胞生
存所需的TTK浓度(IC50)。
[0101] 图6：与乳腺癌生存相关的TTK蛋白表达。按照TTK的IHC染色(评分0-3)将大的乳腺癌患者群组(n＝409)中患者的总体生存分层。对所有患者以(A)四种TTK染色(类别0-3)和(B)两个类别(0-2与3)显示Kaplan-Meier生存曲线。对数秩检验和p值被用于生存曲线。(C)高TTK染色(类别3)在组织学亚组和有丝分裂指数中的分布。显示的数据是在10个高倍视野(hpf)中作为有丝分裂细胞数测量的有丝分裂指数(中位数+范围)。在右侧显示具有高TTK染色的肿瘤数与该群组中的肿瘤总数。高TTK表达分布遍及亚型且与有丝分裂指数不相关。
[0102] 图7：TTK与侵袭性亚型相关并且是治疗靶点。(A)显示3级肿瘤、淋巴结阳性患者(LN+)和具有3级肿瘤的LN+患者的Kaplan-Meier生存曲线。对数秩检验和p值被用于这些生存曲线。对于TNBC和HER2的患者，使用Gehan-Breslow-Wilcoxon检验(p值由星号标记)(其对较早时间点的死亡给予更多的权重)，生存是统计学显著的。具有高Ki67肿瘤和高TTK染色的患者的更差生存是一种趋势，但没有达到显著。使用 Prism进行生存曲线和统计学分析。(B)TNBC和非TNBC细胞系用指定浓度的单独多西他赛(doc)、单独TTK抑制剂(TTK)或者组合，处理6天。使用如方法中所描述的MTS/MTA试验测定细胞生存。使用
Prism中双因素方差分析比较组合与单一药剂以及与非TNBC细胞系，***p<
0.001。(C)MDA-MB-231细胞用单独的多西他赛或TTKi或者组合处理，并在96小时时收集以通过流式细胞术进行凋亡分析。早期凋亡细胞定义为膜联蛋白V+/7-AAD-。
Prism中双因素方差分析比较组合与单一药剂以及与非TNBC细胞系，***p<
0.001。(C)MDA-MB-231细胞用单独的多西他赛或TTKi或者组合处理，并在96小时时收集以通过流式细胞术进行凋亡分析。早期凋亡细胞定义为膜联蛋白V+/7-AAD-。
[0103] 图8：在OncomineTM中，TNBC中失调的基因、5年时的转移事件和死亡的全局基因表达荟萃分析。(A)8个数据集中的TNBC与非TNBC比较，(B)7个数据集中在5年时具有转移事件的肿瘤与在5年时无转移事件的肿瘤比较，和(C)7个数据集中导致在5年时死亡的肿瘤与在5年时未导致死亡的肿瘤比较。图例中说明了比较中使用的数据集，并且还包括对热图着色(heat map coloring)的图解。热图图解表示根据基因排名(其基于p值)的顶部或底部x％基因位置。
[0104] 图9：206侵袭性基因列表的衍生。(A和B)是OncomineTM中TNBC和/或5年时转移和死亡分析之间共有的顶部过表达基因和底部低表达基因的维恩图。(C和D)来自A和B的维恩图与来自METABRIC数据集的与相邻正常乳腺组织相比在TNBC中失调的基因交叉。小图C和D中以粗体标记的基因是构成未过滤的侵袭性基因列表的206个基因。
[0105] 图10：206侵袭性基因列表与元基因吸引子之间的共有基因。维恩图显示了206侵袭性基因列表与染色体不稳定性(CIN)、淋巴细胞特异性和ER吸引子(Cheng等2013a，Cheng等2013b)之间的共同基因(加粗)。下表列出了共有的基因。显示了在本研究中构成8-基因印记的6种过表达基因(用红色标记)和2种低表达基因(用绿色标记)。仅存在于206基因印记中的剩余140个基因的基因集富集分析揭示了这些基因在细胞周期中起作用。
[0106] 图11：乳腺癌亚型和侵袭性基因列表的相关性。根据侵袭性基因列表中206个基因的表达，使METABRIC数据集可视化。每种肿瘤的侵袭性评分计算为过表达基因的标准化z评分表达值之和除以低表达基因的标准化z评分表达值之和。(A和B)根据PAM50内在亚型和综合聚类分类，使侵袭性基因列表的表达可视化。箱形图显示了这些亚型的侵袭性评分。箱形图中的阴影线标记了侵袭性评分的中位值。使用 Prism的单因素方差分析，***p<0.001。Kaplan-Meier曲线是按照具有3级肿瘤的ER+患者中侵袭性评分的四分位数(左图)或中位数(中图)分层的METABRIC数据集中患者的总体生存。显示高侵袭性评分(高于中位数)的五种PAM50内在亚型的肿瘤在总体生存方面没有显示统计学差异(右图)。
使用对数秩检验报告风险比(HR)和95％置信区间(CI)和p值。
使用对数秩检验报告风险比(HR)和95％置信区间(CI)和p值。
[0107] 图12：根据侵袭性评分，METABRIC数据集中PAM50乳腺癌亚型的生存率。从206基因列表(A)和减少的8基因列表(B)通过中位侵袭性评分二分法，分析基于PAM50亚型注释的METABRIC数据集中患者的生存率。使用 Prism中的对数秩检验报告p值，且p值显示具有不同PAM50亚型但具有高侵袭性评分的所有肿瘤在患者生存率方面未显示差异(左图)，而PAM50亚型仅在低侵袭性评分情况中显示明显不同的生存率。
[0108] 图13：与患者生存率相关的TTK染色。按照TTK的IHC染色(评分0-3)将大的乳腺癌患者群组(n＝409)中患者的总体生存率分层。显示随访10和20年的所有患者(具有四种TTK染色类别0-3和两个类别(0-2与3))的Kaplan-Meier生存曲线。对数秩检验和p值被用于所有患者的生存曲线。当按照TTK表达分层时，具有1级，2级或激素阳性肿瘤的患者的生存没有统计学差异。使用 Prism作出生存曲线和进行统计学分析。
[0109] 图14：本研究中用于分配“预后亚组”的标准。
[0110] 图15：小图1：按照十(10)个CIN基因和两(2)个ER基因作为印记分开的肺癌患者的总体生存曲线；根据印记的中位数，患者是低或高的；小图2：按照十(10)个CIN基因和两(2)个ER基因作为印记分开的肺腺癌的生存曲线；根据印记的中位数，患者是低或高的；小图3：按照十(10)个CIN基因和两(2)个ER基因作为印记分开的肺腺癌(10年)的生存曲线；根据印记的中位数，患者是低或高的；小图4：按照六(6)个CIN基因和两(2)个ER基因作为印记分开的肺腺癌的生存曲线；根据印记的中位数，患者是低或高的；和小图5：按照六(6)个CIN基因和两(2)个ER基因作为印记分开的肺腺癌(10年)的生存曲线；根据印记的中位数，患者是低或高的。
[0111] 图16：(A)来自癌症基因组图谱(TCGA)数据的乳腺癌群组的RNA-Seq数据。(B)按照与Oncotype Dx复发评分相比的侵袭性评分分层的TCGA中乳腺癌患者的无复发生存率。(C)具有高侵袭性评分的乳腺肿瘤的拷贝数变异(CNV)与具有低侵袭性评分的乳腺肿瘤的拷贝数变异(CNV)的比较。
[0112] 图17：(A)来自癌症基因组图谱(TCGA)数据的所有癌症的RNA-Seq数据。(B)按照与Oncotype Dx复发评分相比的侵袭性评分分层的TCGA中所有患者的无复发生存率。
[0113] 图18：按照8-基因侵袭性评分分层的TCGA数据患者中不同癌症类型的癌症患者的无复发生存率或总体生存率。
[0114] 图19：实施例2的概要。使用乳腺癌数据集在OncomineTM中进行Meta分析而与亚型或所用基因表达阵列平台无关。在5年内导致转移或死亡事件的乳腺肿瘤的全局基因表达谱与未在5年内导致转移或死亡事件的乳腺肿瘤的全局基因表达谱相比较，并且选择这些比较中的顶部过表达基因(OE)和低表达基因(UE)。然后使用在线工具KM-PlotterTM调查导致转移和死亡事件(取决于各个数据集的注释)的原发性肿瘤中的共同失调基因(n>4000名患者，与OncomineTM中的数据集有一些重叠)。只选择与基底样乳腺癌(BLBC)或ER阴性(ER-)乳腺癌的无复发生存率(RFS)、无远端转移生存率(DMFS)或总体生存率(OS)相关的基因。然后，通过在不同结果(RFS、DMFS和OS)中选择最显著和持久的，将来自该训练的96个基因筛选到28个基因。然后在包括癌症基因组图谱(TCGA)数据集、研究在线癌症知识库(ROCK)数据集和用于ER-、TNBC和BLBC亚型预后的同类TNBC数据集的大乳腺癌群组基因表达研究中验证该28-基因印记。最后，在治疗前进行基因表达谱分析的研究中调查TN印记与新辅助化疗后的病理学完全响应(pCR)的关联。
[0115] 图20：28-基因TN印记与BLBC和ER-乳腺癌的RFS、DMFS和OS相关。21个过表达基因和7个低表达基因被用作在线工具KM-Plotter中的印记。该印记(21个过表达基因的平均表达和7个低表达基因的反向表达)将RFS、DMFS和OS分层；低：低于印记表达的中位数；和高：高于印记表达的中位数。按照KM-Plotter生成单变量生存分析的风险比(HR)和对数秩p值(p)。n＝患者数量。
[0116] 图21：在TNCBC、BLBC和ER-乳腺癌亚型中，按照TN评分作出的预后优于标准临床病理学指标(clinicothapalogical indicator)。对TN印记分析两个数据集，(A)TNBC数据集和(B和C)ROCK数据集，且TN评分计算为21个过表达基因的平均表达与7个低表达基因的平均表达的比率。对每种肿瘤计算该评分，并且使用整个数据集的TN评分中位数将肿瘤按TN评分分类为高(高于中位数)或低(低于中位数)。(A)通过群组中TN评分中位数二分法分层的TNBC群组中TNBC患者的RFR。生存曲线下方的表格显示了TN评分和数据集中记录的其他可用临床指标的单变量生存分析和多变量生存分析。在多变量分析中，TN评分优于所有临床指标。(B)通过数据集中的TN评分中位数二分法分层的ROCK数据集中BLBC的RFS和DMFS。生存曲线下方的表格显示了TN评分相对于数据集中记录的其他可用临床指标的多变量生存分析。在BLDC病例的多变量分析中，TN评分优于所有临床指标。(C)ER-阴性乳腺癌的RFS和DMFS按照TN评分分层(数据未显示)，并且该表显示了ER-乳腺癌病例中TN评分优于临床指标的多变量生存分析。
[0117] 图22：TN评分将TCGA数据集中ER-乳腺癌患者的总体生存分层。来自TCGA乳腺癌数据(n＝1106)使用Illumina HiSeq RNA-seq阵列的基因表达数据被用于计算所有肿瘤的TN评分。通过TN评分中位数二分法，将肿瘤分类为高TN评分或低TN评分。将具有高TN评分的ER-乳腺癌病例的总体生存(OS)与具有低TN评分的ER-乳腺癌病例的总体生存相比较。生存曲线下方的表格显示在单变量生存分析中，TN评分比其他临床指标更显著，并且它是多变量生存分析中唯一显著的预后指标。
[0118] 图23：ER-HER2-乳腺癌中TN评分与化疗后pCR相关。针对TN印记，分析了新辅助化疗前对肿瘤进行谱分析并且记录病理学完全响应(pCR)相对于无pCR或残留疾病(RD)的基因表达数据集，并计算每种肿瘤的TN评分。通过每个数据集中TN评分中位数二分法，将肿瘤分类为高TN评分或低TN评分。在图中所示的数据中仅使用ER-HER2-病例。(A)显示在低TN评分和高TN评分亚组中达到(红条)或未达到(黑条)pCR的病例百分比的图表。Fisher精确检验被用于分析2x2列联表，并且当观察到统计学显著性时报告来自该检验的p值。虚线标记出TNBC在文献中报道的31％pCR率。用登录号和所用的化疗方案标记每个数据集，即：GSE18728、GSE50948、GSE20271、GSE20194、GSE22226、GSE42822和GSE23988。化疗缩写：F：5-FU、A：阿霉素、C：环磷酰胺，T：紫杉烷、X：希罗达，M：甲氨蝶呤、E：表柔比星。(B)来自ISPY-1试验的数据集GSE22226被用于比较新辅助化疗后ER-患者生存预测中的TN评分和pCR，因为该数据集也记录了RFS。pCR与先前报告的RFS(第一幅小图)强相关，TN评分(以下三幅小图)不仅预测这些患者的生存，而且也可以将达到或未达到pCR的患者的生存分层，表明TN评分是新辅助化疗后的pCR的独立预后因素。
[0119] 图24：根据TN评分的癌细胞系药物敏感性。调查了Garnett等的已发表的大型研究，其中如方法中所述计算该研究中每个细胞系的TN评分。根据TN评分中位数将细胞系分类为高TN评分或低TN评分，以比较低TN评分细胞系(白盒)和高TN评分细胞系(红盒)的敏感性。使用 Prism制图，其在盒中显示敏感性(显示为-log10[IC50])(用直线标记中位数)和须(根据绘制须和离群值的Tukey方法，标记第一和第三四分位数并将离群值标记为点)。使用未配对双尾t检验进行统计分析。
[0120] 图25：iBCR评分将ROCK数据集中所有乳腺癌患者的生存分层而与ER状态无关。计算ROCK数据集(n＝1570，Affymetrix)中每种肿瘤的TN评分和Agro评分，然后iBCR评分计算为TN评分的Agro评分次幂。所有患者的RFS和ER-或ER+患者的RFS仅通过每个评分的评分中位数二分法在高评分和低评分之间进行比较。iBCR评分在低评分肿瘤和高评分肿瘤之间在所有患者以及具有较好分离的ER-和ER+子集中是预测性的(增加的风险比[HR]和95％置信区间限值和降低的对数秩p值)。使用 Prism作图和进行使用对数秩检验的单变量生存分析。
[0121] 图26：iBCR评分将TCGA数据集中所有乳腺癌患者的生存分层而与ER状态无关。计算TCGA数据集(n＝1106，Illumina RNA-Seq)中每种肿瘤的TN评分、Agro评分和iBCR评分。所有患者的RFS和ER-或ER+患者的RFS仅在高评分和低评分之间进行比较。如在图7的ROCK数据集的结果中，iBCR评分在低评分肿瘤和高评分肿瘤之间在所有患者以及具有较好分离的ER-和ER+子集中是预测性的。
[0122] 图27：ISPY-1试验中iBCR评分与RFS和化疗后pCR相关。来自ISPY-1试验的数据集GSE22226被用于比较ER-HER2-和ER+乳腺癌亚型中预后的Agro评分、TN评分和综合iBCR评分和与化疗(A：阿霉素、C：环磷酰胺和T：紫杉烷)后pCR的相关性。通过整个数据集中各个评分- -的中位数二分法，将肿瘤分类为高评分或低评分。高iBCR评分的ERHER2肿瘤不太可能达到pCR，并且这些患者的生存差。高iBCR的ER+患者更可能达到pCR，但由于少数ER+患者达到了pCR(10/62[16％])，高iBCR的ER+患者的生存仍然是差的。注意到Agro评分将除两种ER-HER2-肿瘤以外的所有肿瘤确定为高评分，因此不应解读来自该组的数据。还注意到，Agro+
评分在ER中高度预后生存和与pCR的相关性，而TN评分在这些患者中并不是。将这两种评分整合到iBCR评分中已经克服了这些亚型特异性评分各自的局限。
评分在ER中高度预后生存和与pCR的相关性，而TN评分在这些患者中并不是。将这两种评分整合到iBCR评分中已经克服了这些亚型特异性评分各自的局限。
[0123] 图28：iBCR评分与乳腺癌中化疗后pCR相关。如图5所述，使用具有化疗后pCR注释的基因表达数据集计算Agro评分和TN评分及综合iBCR评分。通过各个数据集中每个评分的中位数二分法，将肿瘤分类为高评分或低评分。(A)ER-HER2-病例，图表显示在低评分亚组和高评分亚组中达到(红条)或未达到(黑条)pCR的病例的百分比。(B)与A中一样分析ER+病例。使用Fisher精确检验分析2x2列联表，并且当观察到统计学显著性时报告来自该检验的p值。每个数据集用登录号和所用的化疗方案标记，即：GSE18728、GSE50948、GSE20271、GSE20194、GSE22226、GSE42822和GSE23988。化疗缩写：F：5-FU、A：阿霉素、C：环磷酰胺、T：紫杉烷、X：希罗达、M：甲氨蝶呤、E：表柔比星。
[0124] 图29：iBCR评分将他莫昔芬治疗的ER+患者的生存分层。在他莫昔芬治疗之前进行基因表达谱分析的两个数据集中计算Agro评分和TN评分和iBCR评分：A和B：具有327名患者的GSE6532，137位未经治疗和190位经他莫昔芬治疗；C：具有用他莫昔芬治疗5年的298名患者的GSE17705。(A)具有高iBCR评分的ER+N0患者与低iBCR评分的相应患者相比具有差的RFS。(B)所有ER+患者以及N0和N1子集的RFS按照Agro评分和iBCR评分分层。(C)所有ER+以及N0和N1子集的DMFS生存按照Agro评分和iBCR评分分层。风险比和对数秩p值对于iBCR评分比Agro评分更显著，虽然Agro评分是显著预后的。
[0125] 图30：根据iBCR评分的癌细胞系的药物敏感性。调查了Garnett等的已发表大型研究，其中从Agro评分和TN评分计算每种细胞系的iBCR评分。根据iBCR评分中位数将细胞系分类为高iBCR评分或低iBCR评分，以比较低iBCR评分细胞系(白盒)和高TN评分细胞系(红盒)的敏感性。还包括根据低Agro评分和高Agro评分的结果。使用 Prism制图并使用未配对双尾t检验进行统计分析。(n.s.不显著)。
[0126] 图31：OncomineTM中5年时有转移事件或死亡的原发性乳腺肿瘤中失调基因的全局基因表达荟萃分析。(A)在7个数据集中在5年时内有转移事件的肿瘤与在5年时无转移事件的肿瘤相比较，和(B)在7个数据集中在5年时导致死亡的肿瘤与在5年时未导致死亡的肿瘤相比较。图例中说明了比较中使用的数据集，并且还包括对热图着色的图解。热图图解表示根据基因排名(其基于p值)的基因顶部或底部x％位置。
[0127] 图32：TN印记优于所有已公布的用于TNBC/BLBC的印记。与已公布的TNBC印记相比，在在线数据库KM-Plotter(Affymetrix平台)中根据TN印记调查了基底样乳腺癌患者(BLBC)的无复发生存。风险比(HR)和对数秩p值由KM-Plotter生成。(A)TN评分相对于(B)来自Karn等(PLoS One，2011)；(C)来自Rody等(Breast Cancer Res，2011)的IL8，(D)VEGF，和(E)B细胞元基因；(F)来自Yau等(Breast Cancer Res，2010)；(G)来自Yu等(Clin Cancer Res，2013)；(H)来自Lee等(PLoS One，2013)和(I)来自Hallet等(Sci Rep，2012)的印记。
[0128] 图33：TN评分将Agilent TCGA数据中的ER-乳腺癌患者的生存分层。分析使用Agilent微阵列(n＝597)的原始TCGA数据集的TN评分，其中根据三分位数将患者分配为低TN评分、中TN评分或高TN评分。然后根据这些三分位数比较仅ER-患者的RFS。根据对数秩生存检验，分层是显著的(P<0.0001)。高TN评分组相比于低TN评分组的风险比(95％置信区间)为3.484(1.035至11.23)，对数秩p值为0.0179。
[0129] 图34：ER-和BLBC中通过TN评分作出的预后不受系统性治疗的影响。在线KM-Plotter工具被用于调查未系统性治疗的患者(未治疗)或经系统性治疗的患者(治疗)中ER-乳腺癌(上两行)和BLBC(下两行)的RFS、DMFS和OS的分层。HR、95％置信区间和对数秩p值由KM-Plotter提供，还提供处于风险中的患者数量。
[0130] 图35：根据癌细胞系百科(CCLE)研究中的TN评分，癌细胞系对抗癌药物的敏感性。分析该研究中癌细胞系的基因表达数据以计算每个细胞系的TN评分，并通过中位数二分法将其分配为低TN评分或高TN评分。CCLE研究中使用的24种药物各自的IC50在高TN评分细胞系和低TN评分细胞系之间进行比较，并且所显示的数据是基于使用 Prism进
行的未配对双尾t检验具有统计学差异的数据。
行的未配对双尾t检验具有统计学差异的数据。
[0131] 图36：通过加法或减法整合TN评分和Agro评分。ROCK数据集被用于研究TN评分和Agro评分的整合，目的是开发独立于乳腺癌亚型的测试。(A)ROCK数据集中(每个点代表一位患者，总计n＝1570)ER+(黑点)和ER-(红点)的原始Agro评分和原始TN评分。两个评分是分散的，并且可以保留相关乳腺癌亚型中来自各个评分的信息的整合方法是必要的。这类方法在本图和图38中进行测试。(B)加法方法。第一列显示ER+肿瘤中具有低(白盒)和高(红盒)Agro评分亚组的TN评分(上图)。在下图中，ER-肿瘤中具有低(白盒)和高(红盒)TN评分亚组的Agro评分。该数据显示，对于具有低和高Agro评分的ER+肿瘤，TN评分是相似的；且对于具有低和高TN评分的ER-肿瘤，Agro评分是相似的。缺乏统计学差异(独立性)表明整合是可能的。第二列显示了对于ER+(上图)和ER-(下图)患者，在将每名患者的TN评分和Agro评分相加时，TN评分与Agro评分之间的线性相关性。在第三列中，将TN评分和Agro评分对所产生的总和评分绘图，显示对于ER+(上图)和ER-(下图)患者二者，来自各个评分的信息都保留在最终总和评分中。最后一列显示来自在第二和第三列中分别显示的ER+和ER-患者的数据的重叠。(C)与在B中一样进行相同的分析，但是通过TN评分和Agro评分相减来测试整合。总和评分与各个单一评分(TN评分和Agro评分)之间关系的线性表明来自各个评分的信息在最终评分中表现。对于与如图37所示生存的相关性，测试这两种方法(加法或减法)的性能。
[0132] 图37：对于ROCK数据集中ER-和ER+RFS的预后，TN评分和Agro评分的不同整合方法的比较。对于ER-或ER+乳腺癌中ROCK数据集中产生的综合评分的关联，测试通过加法或减法(来自图36)或者乘法或除法(图38)的整合方法。如图所示，只有加法或乘法方法在ER-乳腺癌中是预测性的，并且在ER+乳腺癌中乘法比加法更显著。这两种方法是合理的，因为减法或除法方法将降低评分之一的值。由于当乘法和除法方法显示指数或幂曲线时观察到的相关性，测试了两种另外的方法，使一个评分自乘为第二评分次幂。如最后一列(红盒中加阴影和标记的)所示，使TN评分自乘为Agro评分次幂应该在ER-和ER+乳腺癌亚型二者中具有更好预测性。事实上，该综合评分的预测性在其各自的亚型中比各个评分更好。因此，该方法被用于计算综合的乳腺癌复发(iBCR)评分。
[0133] 图38：通过除法或乘法的TN评分和Agro评分整合。使用ROCK数据集研究TN和Agro的整合，因为这些评分在相对于彼此绘制时是分散的(图36中的小图A)。(A)第一列中的箱形图与图36中的那些相同。小图A中加阴影的盒描述了TN评分和Agro评分通过除法(顶行)或乘法(底行)的整合。在ER+(黑点)和ER-(红点)二者中，在将TN评分和Argo评分彼此相除或相乘后对于TN评分与Agro评分之间的关系，除法产生了幂曲线且乘法产生了指数曲线。最后一列中的重叠显示保留了ER+和ER-患者之间对于评分的差异。在图37中测试了这两种方法的生存相关性，并且乘法方法是适合的。(B)由于在A中的除法和乘法方法中观察到了幂和指数曲线，通过使一个评分自乘为第二评分次幂而测试整合是合理的。如顶行中所示，叠加点或单独点中通过使TN评分自乘为Agro评分次幂进行的整合在ER-(红点)和ER+(黑点)患者二者中产生了线性关系。当如图37所示测试生存相关性时，这种整合方法优于所有其他方法。
[0134] 图39：iBCR评分在TNBC患者中是预测性的。除了iBCR评分在乳腺癌混合亚型的ROCK数据集(Affymetrix)和TCGA数据集(Illumina数据集)中的验证之外，还在同类TNBC数据集中调查了iBCR评分。如右小图所示，与TN评分相比，iBCR是同样预测性的(具有轻微改善)。这进一步验证了综合评分发展成为乳腺癌的预后测试而与ER状态无关，与先前受限的印记不同。
[0135] 图40：根据Agro评分相对于Oncotype Dx，他莫昔芬治疗的ER+患者的生存。(A)按照Agro评分分层(按三分位数的高与中与低)的已公布研究(Loi等，Clin Oncol，2007)中他莫昔芬治疗的淋巴结阴性(顶部)和淋巴结阳性(底部)ER+患者的RFS和DMFS。(B)按照Agro评分的三分位数将来自已公布研究(Symmans等，J Clin Oncol，2010)的他莫昔芬治疗5年的淋巴结阴性或阳性ER+患者的DMFS分层。(C)按照Oncotype Dx复发评分的风险组，将已公布研究(Loi等，Clin Oncol，2007)中他莫昔芬治疗的淋巴结阴性(顶部)和淋巴结阳性(底部)ER+患者的RFS和DMFS分层。(D)按照Oncotype Dx复发评分的风险组，将来自已公布研究(Symmans等，J Clin Oncol，2010)的他莫昔芬治疗5年的淋巴结阴性或阳性ER+患者的DMFS分层。
[0136] 图41：KM-Plotter工具中Agro评分和MammaPrint的比较。在所有乳腺癌患者、ER+、ER+淋巴结阴性(LN-)或ER+淋巴结阳性(LN+)患者中，根据Agro评分(高与低)或根据MammaPrint(高与低)的无远端转移生存率。KM-Plotter在线工具(n＝4142名患者)。在所有患者亚组中，Agro评分优于MammaPrint印记，特别是对于ER+淋巴结阳性患者。
[0137] 图42：根据癌细胞系百科(CCLE)研究中的iBCR评分，癌细胞系对抗癌药物的敏感性。分析该研究中癌细胞系的基因表达数据以计算每个细胞系的TN评分，并通过中位数二分法将其分配为低iBCR评分或高iBCR评分。将CCLE研究中使用的24种药物各自的IC50在高iBCR评分和低iBCR评分细胞系之间进行比较，并且所显示的数据是基于使用Prism的未配对双尾t检验具有统计学差异的数据。由于对TN评分也进行了这种分析(图
35)，Agro评分的分析结果也显示在顶行中。
35)，Agro评分的分析结果也显示在顶行中。
[0138] 图43：与低Agro评分肿瘤相比，高Agro评分肿瘤中的高拷贝数变异(CNV)。基于基因表达数据(Illumina HiSeq RNA-seq)，将TCGA数据集中的乳腺癌肿瘤分类为高或低的Agro评分。(A)使用UCSC基因组浏览器使TCGA拷贝数变异(分段和删除种系CNV后)可视化，以比较从基因表达数据分类为高Agro评分的患者(上图)和分类为低Agro评分的患者(下图)的患者。(B)显示临床指标如ER、PR和HER2状态等等的分布。(C)高Agro评分患者与低Agro评分患者的CNV谱的差异显示了在高Agro评分患者中整个染色体臂的增加(红色)和损失(绿色)，表明非整倍性。
[0139] 图44：高Agro评分和高iBCR评分细胞系对极光激酶抑制剂更敏感。基于乳腺癌细胞系的Agro评分、TN评分和iBCR评分，分析了用极光激酶抑制剂处理这些细胞系的两项研究。如图所示，高Agro评分和特别是高iBCR评分的细胞系对极光激酶抑制剂更敏感(ENMD-2076：高iBCR评分细胞系比低iBCR评分细胞系的IC50为1.4μM比5.9μM，p＝0.0125，t检验；
AMG900：高iBCR评分高细胞系比低iBCR评分细胞系的IC50为0.3nM比0.7nM，p＝0.0308，t检验)。
AMG900：高iBCR评分高细胞系比低iBCR评分细胞系的IC50为0.3nM比0.7nM，p＝0.0308，t检验)。
[0140] 图45：对于总体生存和无复发生存，iBCR在胰腺癌TCGA数据中是预测性的。使用UCSC基因组浏览器对iBCR基因印记分析胰腺癌TCGA数据，并且从浏览器下载该印记的数据、生存数据和癌症类型。基于iBCR印记表达，与癌症类型无关地将肿瘤分类成四分位数组，并且这些四分位数中比较总体生存和无复发生存。如顶行所示，在该胰腺癌数据集中按照iBCR印记将总体生存和无复发生存分层。在顶行最右侧小图中，显示了iBCR印记四分位数组中各种癌症类型的肿瘤分布。例如宫颈癌在大多数病例下显示高iBCR印记，而与之相反，甲状腺癌在所有病例下显示低iBCR印记。较低的小图显示根据来自胰腺癌数据集的iBCR评分的总体生存分层，其中分层在对数秩单变量生存分析中是统计学显著的。除了在文献中显示的乳腺癌数据，iBCR印记在肾上腺皮质癌、子宫内膜癌、肾透明细胞癌、膀胱癌、低等级胶质瘤和黑色素瘤中也是预测性的。iBCR还在肺腺癌中是预测性的，如图46所示。
[0141] 图46：iBCR印记在肺腺癌(LUAD)中是预测性的。在两个大数据集中测试了肺癌中iBCR印记的预测性。(A和B)KM-Plotter(Affymetrix数据)被用于调查肺腺癌(A)和鳞状细胞癌(B)的总体生存。iBCR印记在肺腺癌(LUAD)中显示出强的预后价值。(C)在KM-Plotter中对肺癌中的iBCR印记与可用的临床指标(组织学类型(肺腺癌相对于小细胞肺癌)和疾病阶段)相比较进行多变量生存分析。iBCR印记优于这些标准临床指标。(D和E)按照iBCR印记表达的四分位数或三分位数将LUAD的TCGA数据(Illumina HiSeq RNA-seq数据)分层，以分别测试iBCR印记与总体生存(D)和无复发生存(E)的关联。与具有低iBCR印记表达的患者相比，具有高iBCR印记的LUAD患者具有最差的生存，并遭受早期复发和死亡。应当注意，还调查了鳞状细胞肺癌的TCGA数据，而iBCR印记与生存的关联没有统计学显著性，这与从KM-Plotter数据看到的非常弱的关联相一致。
[0142] 图47：根据iBCR评分，用24种药物处理的乳腺癌细胞系的敏感性。在不存在或存在递增剂量的24种小分子抗癌药物的情况下培养乳腺癌细胞系(10个细胞系)。重新分析该已发布的研究以比较高iBCR评分细胞系(5个细胞系：BT-549、MDA-MB-231、MDA-MB-436、MDA-MB-468和BT-20)与低iBCR评分细胞系(5个细胞系：Hs.578T、BT-474、MCF-7、T-47D和ZR-75-1)之间的敏感性。使用51种乳腺癌细胞系的已发布基因表达数据集(Neve等，Cancer Cell，
2006)，从Agro评分和TN评分计算iBCR评分。高iBCR评分细胞系(红条)比低iBCR评分细胞系(白条)对靶向9种不同激酶的13种药物(灰色阴影)更敏感。在 Prism中使用双
尾非配对t检验进行统计学比较。
2006)，从Agro评分和TN评分计算iBCR评分。高iBCR评分细胞系(红条)比低iBCR评分细胞系(白条)对靶向9种不同激酶的13种药物(灰色阴影)更敏感。在 Prism中使用双
尾非配对t检验进行统计学比较。
[0143] 图48：与iBCR mRNA基因印记相关的蛋白质和磷蛋白。基于43个基因的mRNA表达的iBCR评分被用于将TCGA乳腺癌数据集中的患者分层为低、中或高iBCR评分。然后在根据iBCR mRNA印记的三组患者之间比较来自TCGA乳腺癌数据集(n＝747名患者)的反相蛋白质阵列(RPPA)。(A)根据iBCR mRNA印记的ER+患者的总体生存。(B)低、中和高iBCR评分组ER+患者中显著上调或下调的蛋白质和磷蛋白。(C)根据iBCR mRNA印记的ER-的总体生存。(D)低、中和高iBCR评分组ER-患者中显著上调或下调的蛋白质和磷蛋白。
[0144] 图49：通过综合的mRNA和蛋白质iBCR印记预后乳腺癌患者生存。调查了三个iBCR mRNA评分组中失调的蛋白质和磷蛋白与生存的关联。八个下调蛋白和九个上调蛋白作为蛋白印记(iBCR蛋白印记)是高度预测性的。(A)在所有乳腺癌患者，ER+和ER-病例中，基于iBCR蛋白印记(上行)和综合的iBCR mRNA与蛋白印记(下行)的总体生存分层。(B)使用Cox比例风险模型的单变量和多变量生存分析，显示综合的iBCR mRNA/蛋白印记优于所有临床病理学指标。
[0145] 图50：与iBCR mRNA基因印记相关的蛋白质和磷蛋白。(A)基于TCCR数据集中(n＝472名患者)的iBCR mRNA基因印记的肺腺癌总体生存分层。(B)在iBCR mRNA基因印记的四分位数中肿瘤之间蛋白质磷蛋白水平的比较。(C)基于从小组(n＝212名患者)推断的六种蛋白质的肺腺癌患者总体生存分层。(D)综合的iBCRmRNA/蛋白印记将肺腺癌患者(n＝212名患者)的总体生存分层。(E)用于生存分析的多变量Cox比例风险模型显示在肺腺癌中综合的iBCR mRNA/蛋白评分优于所有临床病理学指标。
[0146] 图51：在肾脏肾透明细胞癌(KIRC)(左侧垂直小图)、皮肤的皮肤黑色素瘤(SKCM)(中间垂直小图)和子宫体子宫内膜癌(UCEC)(右侧垂直小图)中，iBCR测试是预测性的。(A)基于iBCR mRNA基因印记的总体生存分层。(B)基于iBCR蛋白印记的总体生存分层。(C)基于综合的BCR mRNA/蛋白印记的总体生存分层。
[0147] 图52：在卵巢腺癌(OVAC)(左侧垂直小图)、头颈部鳞状细胞癌(HNSC)(中间垂直小图)和结肠/直肠腺癌(COREAD)(右侧垂直小图)中，iBCR测试是预测性的。(A)基于iBCR mRNA基因印记的总体生存分层。(B)基于iBCR蛋白印记的总体生存分层。(C)基于综合的BCR mRNA/蛋白印记的总体生存分层。
[0148] 图53：在低等级胶质瘤(LGG)(左侧垂直小图)、膀胱尿路上皮癌(BLCA)(中间垂直小图)和肺鳞状细胞癌(LUSC)(右侧垂直小图)中，iBCR测试是预测性的。(A)基于iBCR mRNA基因印记的总体生存分层。(B)基于iBCR蛋白印记的总体生存分层。(C)基于综合的BCR mRNA/蛋白印记的总体生存分层。
[0149] 图54：在(A)肾脏肾乳头状细胞癌(KIRP)、(B)宫颈鳞状细胞癌和宫颈腺癌(CESC)、(C)肝脏肝细胞癌(LIHC)、(D)胰腺导管腺癌(PDAC)中，iBCR试验是预测性的。对于这些癌症类型，TCGA数据集不包括RPPA阵列；仅使用iBCR mRNA基因表达测试。
[0150] 图55：iBCR mRNA/蛋白印记的蛋白-蛋白相互作用。使用STRING数据库分析iBCR测试的成分。对于蛋白-蛋白相互作用(129种相互作用)，iBCR测试(65个成分)明显集中(P＝5.6E-14)。相互作用的可信度通过增加连接蓝线的厚度来表示。值得注意的是，右上方不显示相互作用的成分包含几个未被良好表征的新基因。对于与癌症标志相关的几种生物学功能(参见表20)，iBCR测试是集中的。
[0151] 图56：作为免疫治疗伴随诊断的iBCR测试。(A)来自iBCR测试的12个基因，特别是来自TN成分的，与用pidilizumab+利妥昔单抗免疫疗法治疗的滤泡性淋巴瘤患者的无进展生存显著相关。显示了治疗前肿瘤中12个基因的表达谱(红色表示过表达，和绿色表示低表达)。白盒和黑盒分别表示有或没有无进展生存。(B)基于iBCR印记，评分计算为过表达基因的表达与低表达基因的表达的比率。比较基于评分中位数二分法的患者生存。小图中显示了低评分肿瘤与高评分肿瘤之间生存比较的风险比(HR)和对数秩p值。(C)8名患者在治疗前和治疗后进行谱分析，并且使这些患者中来自iBCR测试的12个基因的表达谱可视化。观察到了表达的逆转趋势，且这对于保持没有疾病进展的第9号患者最为明显。(D)与治疗前相比，一个基因在治疗后的所有患者中具有统计学显著性。该基因对第9号患者在治疗后与治疗前显示出显著的差异。(E)从表23中标记为“滤泡性淋巴瘤”的基因印记计算的相同患者组的生存曲线。所有约定如上文(B)那样。显示了基于评分中位数二分法的患者的无复发生存。
[0152] 图57：来自基因表达数据集的荟萃分析的基因的网络分析。
[0153] 图58：功能性元基因与乳腺癌患者生存相关。
[0154] 图59：作为EGFR抑制和多激酶抑制的伴随诊断的iBCR测试。(A)来自iBCR测试的17个基因(参见表23)与用EGFR抑制剂西妥昔单抗治疗的结肠直肠癌患者的生存显著相关。(B)来自iBCR测试的16个基因(参见表23)与用EGFR抑制剂西妥昔单抗结合顺铂治疗的三阴性乳腺癌患者的总体生存显著相关。(C)来自iBCR测试的19个基因(参见表23)与用EGFR抑制剂埃罗替尼治疗的肺癌患者的无进展生存显著相关。(D)来自iBCR测试的20个基因(参见表23)与用多激酶抑制剂索拉非尼治疗的肺癌患者的无进展生存显著相关。
具体实施方式
[0155] 本发明至少部分地基于如下发现：基于已发布基因表达谱的荟萃分析，存在与肿瘤侵袭性和差的临床结果相关的基因。更具体地，发现这些基因(参见表21)的过表达和/或低表达与乳腺癌中差的生存相关。使用Ingenuity Pathway Analysis 软件的网络分析识别了在这些具有如表21中概述的不同生物学功能的生存相关基因内的大量网络或元基因。然后从各个网络或元基因选择与患者生存始终相关的较小的基因子集。这些基因及其相应功能的列表显示在表22中。这些基因被分为六个功能元基因或网络。
[0156] 本发明还至少部分地基于如下发现：在三阴性乳腺癌(TNBC)中，存在在示例侵袭性临床行为的特定亚群中共同失调的基因。更具体地，这在与非TNBC和正常乳腺相比的TNBC中，在与其各自的相对物相比的远端转移和/或死亡相关的肿瘤中是明显的。最初，发现206个复发性失调基因的列表对于染色体不稳定性(CIN)和雌激素受体信号传导(ER)元基因特别集中。已经示出了基于CIN元基因表达水平相对于ER元基因表达水平的比率的侵袭性评分以鉴定侵袭性肿瘤而不管分子亚型和临床病理学指标。此外，涉及着丝粒结合或染色体分离的蛋白质的耗尽可以是治疗性的，并且显著降低TNBC细胞系的体外生存，特别是对于TTK。使用小分子抑制剂的TTK抑制影响TNBC细胞系的生存。同时，TTK mRNA和蛋白水平与侵袭性肿瘤表型相关。TTK蛋白的有丝分裂非依赖性表达在TNBC和其他侵袭性乳腺癌亚组中是预测性的，表明CIN/非整倍性的保护推动了侵袭性和治疗抗性。TTK抑制与化疗的组合在体外过表达TTK的细胞的处理中有效，因此提供了对受保护CIN表型的治疗性治疗。
[0157] 另外，本发明至少部分在基于发现改变的基因表达的第二印记，包括21个过表达基因和7个低表达基因，其在患有ER-乳腺癌、TNBC和基底样乳腺癌(BLBC)的患者中是高度预测性的。实际上，这一28基因印记与前述侵袭性评分或基因印记的结合产生了综合评分，其在与ER状态无关的乳腺癌中是预测性的。此外，综合评分广泛地在癌症中(与癌症类型无关)，以及在除乳腺癌之外的特定癌症类型如肺腺癌中是预测性的。此外，28基因印记和综合评分均显示预测乳腺癌患者中对化疗的响应，以及鉴定将受益于内分泌治疗的ER+淋巴结阳性乳腺癌患者。本文所述印记的改变的表达还预测在癌细胞系中和在临床上对一系列抗癌治疗剂的敏感性，且特别是分子靶向抑制剂。
[0158] 本发明的发明人还鉴定了蛋白印记，其在一系列癌症(包括乳腺癌和肺腺癌)中是高度预测性的。此外，该蛋白印记可以与前述28基因印记和侵袭性基因印记结合，以提供癌症中稳健的预后指标，其显示出优于已知的临床病理学指标。
[0159] 在一个方面，本发明涉及一种确定哺乳动物中癌症侵袭性的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中多个过表达基因的表达水平和多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因，其中：所述多个过表达基因与所述多个低表达基因相比较高的相对表达水平指示或关联所述癌症较高的侵袭性；和/或所述多个过表达基因与所述多个低表达基因相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性。
[0160] 在另一方面，本发明涉及一种确定哺乳动物的癌症预后的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中多个过表达基因的表达水平和多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因，其中：所述多个过表达基因与所述多个低表达基因相比较高的相对表达水平指示或关联较不利的癌症预后；和/或所述多个过表达基因与所述多个低表达基因相比较低的相对表达水平指示或关联较有利的癌症预后。
[0161] 在上述方面的一个实施方式中，所述多个过表达基因和/或所述多个低表达基因选自所述元基因中的一个。在一个替代性实施方式中，所述多个过表达基因和/或所述多个低表达基因选自所述元基因中的多个。
[0162] 适合地，对于上述方面的方法，所述碳水化合物/脂代谢元基因、所述细胞信号传导元基因、所述细胞发育元基因、所述细胞生长元基因、所述染色体分离元基因、所述DNA复制/重组元基因、所述免疫系统元基因、所述代谢疾病元基因、所述核酸代谢元基因、所述翻译后修饰元基因、所述蛋白质合成/修饰元基因和/或所述多重网络元基因包括表21中列出的一个或多个基因。
[0163] 在另一方面，本发明涉及一种确定哺乳动物中癌症侵袭性的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中多个过表达基因的表达水平和多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自代谢元基因、信号传导元基因、发育和生长元基因、染色体分离/复制元基因、免疫应答元基因和蛋白质合成/修饰元基因，其中：所述多个过表达基因与所述多个低表达基因相比较高的相对表达水平指示或关联所述癌症较高的侵袭性；和/或所述多个过表达基因与所述多个低表达基因相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性。
[0164] 在又一方面，本发明涉及一种确定哺乳动物的癌症预后的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中多个过表达基因的表达水平和多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自代谢元基因、信号传导元基因、发育和生长元基因、染色体分离/复制元基因、免疫应答元基因和蛋白质合成/修饰元基因，其中：所述多个过表达基因与所述多个低表达基因相比较高的相对表达水平指示或关联较不利的癌症预后；和/或多个过表达基因与所述多个低表达基因相比较低的相对表达水平指示或关联较有利的癌症预后。
[0165] 适合地，所述代谢元基因、所述信号传导元基因、所述发育和生长元基因、所述染色体分离/复制元基因、所述免疫应答元基因和/或所述蛋白质合成/修饰元基因包括表21中列出的一个或多个基因。
[0166] 在前述两方面的方法的特定实施方式中，多个过表达基因和多个低表达基因来自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因中的一个或多个。根据前述方面的方法，比较多个过表达基因的表达水平与多个低表达基因的表达水平的步骤包括比较所述多个过表达基因的平均表达水平与所述多个低表达基因的平均表达水平。这可以包括计算多个过表达基因的平均表达水平与多个低表达基因的平均表达水平的比率。适合地，所述比率提供侵袭性评分，其指示或关联癌症侵袭性和较不利的预后。或者，比较多个过表达基因的表达水平与多个低表达基因的表达水平的步骤包括比较所述多个过表达基因的表达水平的总和与所述多个低表达基因的表达水平的总和。这可以包括计算多个过表达基因的表达水平的总和与多个低表达基因的表达水平的总和的比率。
[0167] 为了本发明的目的，“分离的”是指已经被从其天然状态移除或以其它方式经历人工操作的材料。分离的材料可以实质上或基本上不含通常在其天然状态下伴随其的组分，或者可以被操作以便与通常在其天然状态下伴随其的组分一起处于人工状态。分离的材料可以处于天然形式，化学合成形式或重组形式。
[0168] 如本文所用“基因”是核酸，其是基因组的结构性遗传单位，所述基因组可以包括一个或多个编码氨基酸的核苷酸序列和一个或多个非编码核苷酸序列，包括启动子和其他5’非翻译序列、内含子、聚腺苷酸化序列和其他3’非翻译序列，但不限于此。在大多数细胞生物中，基因是包含双链DNA的核酸。
[0169] 基因的非限制性实例在本文中阐述，特别是在表4、21和22中，其包括引用基因的核苷酸序列或其编码蛋白的登录号，正如在本领域中充分理解的。
[0170] 本文使用的术语“核酸”指单链或双链的DNA和RNA。DNA包括基因组DNA和cDNA。RNA包括mRNA、RNA、RNAi、siRNA、cRNA和自催化RNA。核酸也可以是DNA-RNA杂交体。核酸包含通常包括包含A、G、C、T或U碱基的核苷酸的核苷酸序列。然而，核苷酸序列可以包括其他碱基，例如肌苷、甲基胞嘧啶、甲基肌苷、甲基腺苷和/或硫尿苷，但不限于此。
[0171] 还包括的是“变体”核酸，其包括包含天然存在(例如等位基因)变体和直系同源物(例如来自不同物种)的核苷酸序列的核酸。优选地，核酸变体与本文公开的核苷酸序列共有至少70％或75％，优选至少80％或85％或更优选至少90％、91％、92％、93％、94％、95％、96％、97％、98％或99％的序列一致性。
[0172] 还包括的是核酸片段。“片段”是核酸的节段、域、部分或区域，其分别构成小于100％的该核苷酸序列。非限制性实例是扩增产物或引物或探针。在特定的实施方式中，核酸片段可以包含，例如所述核酸的至少10、15、20、25、30、35、40、45、50、55、60、65、70、75、
80、85、90、95、100、125、150、175、200、225、250、275、300、325、350、375、400、425、450、475和
500个连续核苷酸。
80、85、90、95、100、125、150、175、200、225、250、275、300、325、350、375、400、425、450、475和
500个连续核苷酸。
[0173] 如本文所用，“多核苷酸”是具有八十(80)个或更多个连续核苷酸的核酸，而“寡核苷酸”具有少于八十(80)个连续核苷酸。“探针”可以是单链或双链的寡核苷酸或多核苷酸，其出于例如在RNA印迹或DNA印迹中检测互补序列的目的而被适合地标记。“引物”通常是单链寡核苷酸，优选具有15-50个连续核苷酸，其能够与互补的核酸“模板”退火并且通过DNA聚合酶如Taq聚合酶、RNA依赖性DNA聚合酶或SequenaseTM的作用以模板依赖性的方式延伸，。“模板”核酸是经历核酸扩增的核酸。
[0174] 将认识到，本文提到的“过表达的”基因或蛋白质是与相应的正常或以其它方式非癌性的细胞或组织或参比/对照水平或样本相比，在癌细胞或组织中以更高水平表达的基因或蛋白质。
[0175] 将认识到，本文提到的“低表达的”基因或蛋白质是与相应的正常或以其它方式非癌性的细胞或组织或参比/对照水平或样本相比，在癌细胞或组织中以较低水平表达的基因或蛋白质。
[0176] 在某些实施方式中，本文提到的“过表达的”和“低表达的”基因可以形成元基因，或是元基因的组分。
[0177] 如本文所用，“元基因”是多个不同基因的编组、群组或网络，所述多个不同基因显示关联或指示特定功能或表型的共同的、共有的或聚集的表达谱、表达水平或其他表达特征。非限制性实例包括碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因。表21提供了作为上述12个元基因的组分的基因的非限制性实例。进一步的非限制性实例包括代谢元基因、信号传导元基因、发育和生长元基因、染色体分离/复制元基因、免疫应答元基因和/或蛋白质合成/修饰元基因。表22提供了作为上述6个元基因的组分的基因的非限制性实例。
[0178] 在特定的实施方式中，所述多个过表达基因和/或所述多个低表达基因选自所述元基因中的一个。在这个方面，多个过表达基因和/或多个低表达基因选自相同的元基因。举例而言，所述多个过表达基因或所述多个低表达基因可仅来自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因中的一个。在进一步的实例中，所述多个过表达基因和所述多个低表达基因二者可仅来自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因中的一个。
[0179] 或者，所述多个过表达基因和/或所述多个低表达基因选自本文所述元基因中的多个。
[0180] “侵袭性”和“侵袭的”是指癌症由于特征或因素中的一种或多种或者组合而具有相对差的预后的性质或倾向，所述特征或因素包括：对可用于癌症治疗的疗法至少部分抵抗；侵袭力；转移潜力；治疗后复发；和患者生存的低概率，但不限于此。
[0181] 癌症可以包括任何侵袭性或潜在侵袭性癌症、肿瘤或其他恶性肿瘤，例如在http://www.cancer.gov/cancertopics/alphalist的NCI Cancer Index中列出的，包括所有主要癌症形式，例如肉瘤、上皮癌、淋巴瘤、白血病和胚细胞瘤，但不限于此。这些可包括乳腺癌、肺癌(包括肺腺癌和肺鳞状细胞癌)、生殖系统癌(包括卵巢癌、宫颈癌、子宫癌和前列腺癌)、脑和神经系统癌、头颈癌、胃肠癌(包括结肠癌、结肠直肠癌和胃癌)、肝癌、肾癌、皮肤癌(skin cancer)(例如黑色素瘤和皮肤癌(skin carcinoma))、血细胞癌(包括淋巴癌和髓单核细胞癌)、内分泌系统癌(例如胰腺癌和垂体癌)、肌肉骨骼癌(包括骨和软组织癌)，但不限于此。
[0182] 在某些实施方式中，癌症包括乳腺癌、膀胱癌、结肠直肠癌、胶质母细胞瘤、低等级胶质瘤、头颈癌、肾癌、肝癌、肺腺癌、急性髓性白血病、胰腺癌、肾上腺皮质癌、黑色素瘤和肺鳞状细胞癌。
[0183] 乳腺癌包括所有侵袭性乳腺癌和癌症亚型，如三阴性乳腺癌、2级乳腺癌、3级乳腺癌、淋巴结阳性(LN+)乳腺癌、HER2阳性(HER2+)乳腺癌和ER阳性(ER+)乳腺癌，但不限于此。
[0184] 如本文所用，“三阴性乳腺癌”(TNBC)是通常具有侵袭性的乳腺癌亚型，其缺乏或具有显著降低的雌激素受体(ER)蛋白、孕酮受体(PR)蛋白和HER2蛋白的表达。TNBC和其它侵袭性乳腺癌通常对可用于乳腺癌治疗的最有效疗法中的一些不敏感，包括HER2定向疗法(如曲妥珠单抗)和内分泌疗法(如他莫昔芬和芳香酶抑制剂)。
[0185] 如本文所用，基因表达水平可以是表达的基因或基因产物(包括核酸如RNA、mRNA和cDNA和蛋白)的绝对或相对量。
[0186] 如本领域技术人员将认识到的，本发明不需要被限制到比较本文提供的过表达基因和/或蛋白的表达水平与低表达基因和/或蛋白的表达水平。因此，在特定实施方式中，过表达和/或低表达的基因和/或蛋白的表达水平是与对照表达水平相比较，例如哺乳动物的一个或多个癌症细胞、组织或器官中“管家”基因的基因和/或蛋白表达的水平。
[0187] 在进一步的实施方式中，过表达和/或低表达的基因和/或蛋白的表达水平是与表达阈值水平相比较，例如非侵袭性癌组织中基因和/或蛋白表达的水平。表达阈值水平通常是特定基因或基因组(包括其基因产物)的定量表达水平。通常，样品中超过或低于表达阈值水平的基因或基因组的表达水平预测特定的疾病状态或结果。表达阈值水平的性质和数值(如果有的话)将基于选择用以测定用于测定的一个或多个基因或蛋白的表达的方法而变化，例如，哺乳动物中的预后、侵袭性和/或对抗癌治疗的响应。鉴于本公开，使用本领域已知的测量基因或蛋白质表达的任何方法，例如本文所述的那些，本领域技术人员能够测定哺乳动物样品中基因/蛋白表达阈值水平，其可用于确定例如预后、侵袭性和/或对抗癌治疗的响应。在一个实施方式中，阈值水平是参比群体中过表达和/或低表达的基因和/或蛋白的平均值和/或中位数表达水平(中位数或绝对值)，所述参比群体例如具有相同的癌症类型、亚组、阶段和/或等级作为测定表达水平的所述哺乳动物。另外，表达阈值水平的概念不应限于单个值或结果。在这个方面，表达阈值水平可以涵盖多个阈值表达水平，其可以表示，例如，例如无进展生存的高、中或低概率。
[0188] “蛋白质”是指氨基酸聚合物。氨基酸可以是天然或非天然氨基酸、D-或L-氨基酸，如本领域熟知的。如本领域技术人员将认识到的，术语“蛋白质”在其范围内还包括蛋白质的磷酸化形式(即磷蛋白)。
[0189] 还提供的是蛋白质“变体”，例如天然存在的(例如等位基因变体)和直系同源物。优选地，蛋白质变体与本文公开的氨基酸序列共有至少70％或75％，优选至少80％或85％或更优选至少90％、91％、92％、93％、94％、95％、96％、97％、98％或99％的氨基酸序列一致性。
[0190] 还提供的是蛋白片段，包括包含整个氨基酸序列的小于100％的肽片段。在特定的实施方式中，蛋白片段可以包含，例如至少10、15、20、25、30、35、40、45、50、55、60、65、70、75、80、85、90、95、100、125、150、175、200、225、250、275、300、325、350、375和400个所述蛋白的连续氨基酸。
[0191] “肽”是具有不超过五十(50)个氨基酸的蛋白质。
[0192] “多肽”是具有多于五十(50)个氨基酸的蛋白质。
[0193] 将认识到，除了比较一种或多种基因或蛋白质的表达水平之外，本发明的方法还可以包括如下步骤：测定、评价、评估、化验或测量本文所述过表达基因、低表达基因、过表达蛋白和/或低表达蛋白的一个或多个的表达水平。术语“测定”、“测量”、“评估”、“评价”和“化验”在本文中可交换使用，并且可以包括本领域已知的任何形式的测量，例如下文所述的那些。
[0194] 可通过本领域已知的任何技术测定、评价、评估、化验或测量核酸，如RNA、mRNA和cDNA。这些可以是包括核酸序列扩增、核酸杂交、核苷酸测序、质谱以及任意这些的组合的技术。
[0195] 核酸扩增技术通常包括在适当条件下使一个或多个引物与“模板”核苷酸序列退火并使用聚合酶合成与靶互补的核苷酸序列，从而“扩增”靶核苷酸序列的重复循环。核酸扩增技术是本领域技术人员熟知的，包括但不限于：聚合酶链反应(PCR)；链置换扩增(SDA)；滚环复制(RCR)；基于核酸序列的扩增(NASBA)；Q-β复制酶扩增；解旋酶依赖性扩增(HAD)；环介导等温扩增(LAMP)；切口酶扩增反应(NEAR)和重组酶聚合酶扩增(RPA)，但不限于此。如本文一般使用的，“扩增产物”是指通过核酸扩增技术产生的核酸产物。
[0196] PCR包括：定量和半定量PCR、实时PCR、等位基因特异性PCR、甲基化特异性PCR、不对称PCR、巢式PCR、多重PCR、降落式PCR和其它对于“基本”PCR扩增的变化和改变。
[0197] 可以使用从细胞或组织来源提取、分离或以其它方式获得的DNA或RNA进行核酸扩增技术。在其他实施方式中，可以对经适当处理的细胞或组织样品直接进行核酸扩增。
[0198] 核酸杂交通常包括在适当条件下将核苷酸序列(通常以探针的形式)与靶核苷酸序列杂交，由此继而检测杂交的探针-靶核苷酸序列。非限制性实例包括RNA印迹、狭缝印迹、原位杂交和荧光共振能量转移(FRET)检测，但不限于此。可以使用从细胞或组织来源提取、分离、扩增或以其它方式获得的DNA或RNA或着直接在经适当处理的细胞或组织样品上进行核酸杂交。
[0199] 还将认识到，可以利用核酸扩增与核酸杂交的组合。
[0200] 测定、评价、评估、化验或测量蛋白水平可以通过本领域已知的能够检测细胞或组织表达蛋白(无论是在细胞表面上或是在细胞内表达)，或从细胞或组织来源分离、提取或以其他方式获得的蛋白的任何技术进行。这些技术包括使用结合蛋白质的一种或多种抗体的基于抗体的检测、电泳、等电聚焦、蛋白质测序、色谱技术和质谱及其组合，但不限于此。基于抗体的检测可包括使用结合蛋白的荧光标记抗体的流式细胞术、ELISA、免疫印迹、免疫沉淀、原位杂交、免疫组织化学和免疫细胞化学，但不限于此。合适的技术可以适用于高通量和/或快速分析，例如使用蛋白阵列，如TissueMicroArrayTM(TMA)、MSD MultiArraysTM和多孔ELISA，但不限于此。
[0201] 在某些实施方式中，可通过测量调节基因表达的非编码RNA(例如miRNA)间接评估基因表达水平。微RNA(miRNA或miR)是结合靶mRNA转录物的3’非翻译区(3’UTR)中的互补序列的转录后调节物，通常导致基因沉默。miRNA是短DNA分子，平均只有22个核苷酸长。人类基因组可以编码超过1000个miRNA，其可以靶向约60％的哺乳动物基因并且在许多人类细胞类型中是丰富的。每个miRNA可以改变数百个单独mRNA的表达。特别地，miRNA可以在负调节(例如转录物降解和掩蔽、翻译抑制)和/或正调节(例如转录和翻译激活)中具有多重作用。此外，多种类型的癌症中已经牵涉到异常的miRNA表达。
[0202] 在这方面，可以对多个过表达基因和多个低表达基因计算平均表达水平，或者表达水平总和，从而产生或计算比率。
[0203] 因此，在本发明的某些实施方式中，确定癌症患者的癌症侵袭性和/或预后还包括测定多个过表达基因的表达水平(例如表达水平的平均值或总和)与多个低表达基因的表达水平(例如，表达水平的平均值或总和)的比率。
[0204] 在另一方面，本发明涉及一种确定哺乳动物中癌症侵袭性的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中与染色体不稳定性相关的多个过表达基因的表达水平和与雌激素受体信号传导相关的多个低表达基因的表达水平，其中：与染色体不稳定性相关的所述多个过表达基因相比于与雌激素受体信号传导相关的所述多个低表达基因的较高的相对表达水平指示或关联所述癌症较高的侵袭性；和/或与染色体不稳定性相关的所述多个过表达基因相比于与雌激素受体信号传导相关的所述多个低表达基因的较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性。
[0205] 在又一方面，本发明涉及一种确定哺乳动物的癌症预后的方法，所述方法包括如下步骤：比较所述哺乳动物中与染色体不稳定性相关的多个过表达基因的表达水平和与雌激素受体信号传导相关的多个低表达基因的表达水平，其中：与染色体不稳定性相关的所述多个过表达基因相比于与雌激素受体信号传导相关的所述多个低表达基因的较高的相对表达水平指示或关联较不利的癌症预后；和/或与染色体不稳定性相关的所述多个过表达基因相比于与雌激素受体信号传导相关的所述多个低表达基因的较低的相对表达水平指示或关联较有利的癌症预后。
[0206] 染色体不稳定性(CIN)元基因中基因的非限制性实例包括：ATP6V1C1、RAP2A、CALM1、COG8、HELLS、KDM5A、PGK1、PLCH1、CEP55、RFC4、TAF2、SF3B3、GPI、PIR、MCM10、MELK、FOXM1、KIF2C、NUP155、TPX2、TTK、CENPA、CENPN、EXO1、MAPRE1、ACOT7、NAE1、SHMT2、TCP1、TXNRD1、ADM、CHAF1A和SYNCRIP基因，但不限于此；并且雌激素受体信号传导(ER)元基因可包括：BTG2、PIK3IP1、SEC14L2、FLNB、ACSF2、APOM、BIN3、GLTSCR2、ZMYND10、ABAT、BCAT2、SCUBE2、RUNX1、LRRC48、MYBPC1、BCL2、CHPT1、ITM2A、LRIG1、MAPT、PRKCB、RERE、ABHD14A、FLT3、TNN、STC2、BATF、CD1E、CFB、EVL、FBXW4、ABCB1、ACAA1、CHAD、PDCD4、RPL10、RPS28、RPS4X、RPS6、SORBS1、RPL22和RPS4XP3基因，但不限于此。表4提供了作为CIN元基因的组分或作为ER元基因的组分的基因的进一步实例。
[0207] 可以针对CIN元基因和ER元基因计算平均表达水平，从而产生或计算比率。
[0208] 或者，可以针对CIN元基因和ER元基因计算表达水平的总和，从而产生或计算比率。
[0209] 在某些实施方式中，CIN元基因相对于ER元基因的表达水平的平均值或总和的更高或增加的比率相关、关联或指示更高或增加的癌症侵袭性。
[0210] 因此，本发明的一些实施方式提供了“侵袭性评分”，其是CIN元基因表达水平(例如CIN基因表达的平均值或总和)与ER元基因表达水平(例如ER基因表达的平均值或总和)的比率。
[0211] 因此，本发明的上述方面的实施方式包括测定、评估或测量与染色体不稳定性相关的多个过表达基因的表达水平，以及测定、评估或测量与雌激素受体信号传导相关的多个低表达基因的表达水平。在这方面，参照表4，其提供了206个基因的列表，其包括与染色体不稳定性相关的基因和与雌激素受体信号传导相关的基因。
[0212] 优选地，染色体不稳定性基因属于CIN元基因，其包括基因例如：ATP6V1C1、RAP2A、CALM1、COG8、HELLS、KDM5A、PGK1、PLCH1、CEP55、RFC4、TAF2、SF3B3、GPI、PIR、MCM10、MELK、FOXM1、KIF2C、NUP155、TPX2、TTK、CENPA、CENPN、EXO1、MAPRE1、ACOT7、NAE1、SHMT2、TCP1、TXNRD1、ADM、CHAF1A和SYNCRIP，但不限于此。在一个优选的实施方式中，染色体不稳定性基因选自：MELK、MCM10、CENPA、EXO1、TTK和KIF2C。优选地，雌激素受体信号传导基因属于ER元基因，其包括基因例如：BTG2、PIK3IP1、SEC14L2、FLNB、ACSF2、APOM、BIN3、GLTSCR2、ZMYND10、ABAT、BCAT2、SCUBE2、RUNX1、LRRC48、MYBPC1、BCL2、CHPT1、ITM2A、LRIG1、MAPT、PRKCB、RERE、ABHD14A、FLT3、TNN、STC2、BATF、CD1E、CFB、EVL、FBXW4、ABCB1、ACAA1、CHAD、PDCD4、RPL10、RPS28、RPS4X、RPS6、SORBS1、RPL22和RPS4XP3，但不限于此。在一个优选的实施方式中，雌激素受体信号传导基因选自：MAPT和MYB。
[0213] 在某些实施方式中，前述两方面的方法进一步包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的一个或多个其他过表达基因的表达水平，和选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的一个或多个其他低表达基因的表达水平，其中：所述一个或多个其他过表达基因与所述一个或多个其他低表达基因相比较高的相对表达水平指示或关联所述癌症较高的侵袭性和/或较不利的癌症预后；和/或所述一个或多个其他过表达基因与所述一个或多个其他低表达基因相比较高的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性和/或较有利的癌症预后。
[0214] 在一个实施方式中，所述一个或多个其他过表达基因选自ABHD5、ADORA2B、BCAP31、CA9、CAMSAP1、CARHSP1、CD55、CETN3、EIF3K、EXOSC7、GNB2L1、GRHPR、GSK3B、HCFC1R1、KCNG1、MAP2K5、NDUFC1、PML、STAU1、TXN和ZNF593。
[0215] 在一个实施方式中，所述一个或多个其他低表达基因选自BTN2A2、ERC2、IGH、ME1、MTMR7、SMPDL3B和ZNRD1-AS1。
[0216] 在这方面，可以对一个或多个其他过表达基因和一个或多个其他低表达基因计算平均表达水平，或者计算表达水平的总和，从而产生或计算比率。
[0217] 因此，在本发明的某些实施方式中，确定癌症患者的癌症侵袭性和/或预后还包括：确定一个或多个其他过表达基因的表达水平(例如表达水平的平均值或总和)与一个或多个其他低表达基因的表达水平(例如，表达水平的平均值或总和)的比率。
[0218] 一个或多个其它过表达基因和一个或多个其它低表达基因的表达的检测和/或测量可以通过本文所述的这些方法中的任一种或其组合进行(例如测量mRNA水平或其扩增的cDNA拷贝和/或通过测量其蛋白质产物)，但不限于此。
[0219] 适合地，与染色体不稳定性相关的所述多个过表达基因的表达水平和与雌激素受体信号传导相关的所述多个低表达基因的表达水平的比较与所述一个或多个其他过表达基因的表达水平和所述一个或多个其他低表达基因的表达水平的比较相结合，以得到第一综合评分。在特定的实施方式中，这可以包括至少部分通过加法、减法、乘法、除法和/或求幂以得到第一综合评分。
[0220] 举例而言，与染色体不稳定性相关的所述多个过表达基因的表达水平和与雌激素受体信号传导相关的所述多个低表达基因的表达水平的比较可加上、减去、乘以、除以所述一个或多个其他过表达基因的表达水平和所述一个或多个其他低表达基因的表达水平的比较，和/或自乘所述一个或多个其他过表达基因的表达水平和所述一个或多个其他低表达基因的表达水平的比较次幂，以得到第一综合评分。或者，所述一个或多个其他过表达基因的表达水平和所述一个或多个其他低表达基因的表达水平的比较可加上、减去、乘以、除以与染色体不稳定性相关的所述多个过表达基因的表达水平和与雌激素受体信号传导相关的所述多个低表达基因的表达水平的比较，和/或自乘与染色体不稳定性相关的所述多个过表达基因的表达水平和与雌激素受体信号传导相关的所述多个低表达基因的表达水平的比较次幂，以得到第一综合评分。
[0221] 在一个特别优选的实施方式中，第一综合评分通过求幂得到，其中使所述一个或多个其他过表达基因的表达水平和所述一个或多个其他低表达基因的表达水平的比较自乘为与染色体不稳定性相关的所述多个过表达基因的表达水平和与雌激素受体信号传导相关的所述多个低表达基因的表达水平的比较次幂。
[0222] 如本领域技术人员将认识到，本文所述的其他过表达和低表达的基因可以不必然地分别与染色体不稳定性和雌激素受体信号传导相关。
[0223] 在进一步的方面，本发明提供一种确定哺乳动物中癌症侵袭性的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中一个或多个过表达基因的表达水平和一个或多个低表达基因的表达水平，其中所述一个或多个过表达基因选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1，其中所述一个或多个低表达基因选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3，其中：所述一个或多个过表达基因与所述一个或多个低表达基因相比较高的相对表达水平指示或关联所述癌症较高的侵袭性；和/或所述一个或多个过表达基因与所述一个或多个低表达基因相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性。
[0224] 在一个实施方式中，所述一个或多个过表达基因选自ABHD5、ADORA2B、BCAP31、CA9、CAMSAP1、CARHSP1、CD55、CETN3、EIF3K、EXOSC7、GNB2L1、GRHPR、GSK3B、HCFC1R1、KCNG1、MAP2K5、NDUFC1、PML、STAU1、TXN和ZNF593。
[0225] 在一个实施方式中，所述一个或多个低表达基因选自BTN2A2、ERC2、IGH、ME1、MTMR7、SMPDL3B和ZNRD1-AS1。
[0226] 在又一方面，本发明提供一种确定哺乳动物中癌症预后的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中一个或多个过表达基因的表达水平和一个或多个低表达基因的表达水平，其中所述一个或多个过表达基因选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1，其中所述一个或多个低表达基因选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的，其中：所述一个或多个过表达基因与所述一个或多个低表达基因相比较高的相对表达水平指示或关联较不利的癌症预后；和/或所述一个或多个过表达基因与所述一个或多个低表达基因相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比较有利的癌症预后。
[0227] 在一个实施方式中，所述一个或多个过表达基因选自ABHD5、ADORA2B、BCAP31、CA9、CAMSAP1、CARHSP1、CD55、CETN3、EIF3K、EXOSC7、GNB2L1、GRHPR、GSK3B、HCFC1R1、KCNG1、MAP2K5、NDUFC1、PML、STAU1、TXN和ZNF593。
[0228] 在一个实施方式中，所述一个或多个低表达基因选自BTN2A2、ERC2、IGH、ME1、MTMR7、SMPDL3B和ZNRD1-AS1。
[0229] 在特定的实施方式中，前述方面的方法进一步包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自DVL3、PAI-1、VEGFR2、INPP4B、EIF4EBP1、EGFR、Ku80、HER3、SMAD1、GATA3、ITGA2、AKT1、NFKB1、HER2、ASNS和COL6A1的一个或多个过表达蛋白的表达水平，和选自VEGFR2、HER3、ASNS、MAPK9、ESR1、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6的一个或多个低表达蛋白的表达水平，其中：所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较高的相对表达水平指示或关联所述癌症较高的侵袭性和/或较不利的癌症预后；和/或所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性和/或较有利的癌症预后。
[0230] 如本领域技术人员将认识到的，本文所述的一个或多个过表达蛋白和/或一个或多个低表达蛋白的表达水平可包括所述蛋白的一个或多个磷酸化形式(即磷蛋白)。在一个实施方式中，EIF4EBP1是或包含选自pEIF4EBP1S65、pEIF4EBP1T37、pEIF4EBP1T46和pEIF4EBP1T70的一个或多个磷蛋白。在一个实施方式中，EGFR是或包含选自pEGFRY1068和pEGFRY1173的一个或多个磷蛋白。在一个实施方式中，HER3是或包含pHER3Y1289。在一个实施方式中，AKT1是或包含选自pAKT1S473和pAKT1X308的一个或多个磷蛋白。在一个实施方式中，NFKB1是或包含pNFKB1S536。在一个实施方式中，HER2是或包含pHER2Y1248。在一个实施方式中，ESR1是或包含pESR1S118。在一个实施方式中，PEA15是或包含pPEA15S116。在一个实施方式中，RPS6是或包含选自pRPS6S235、pRPS6S236、pRPS6S240和pRPS6S244的一个或多个磷蛋白。
[0231] 可以对过表达基因、低表达基因、过表达蛋白和/或低表达蛋白计算表达水平的平均值或总和，从而产生或计算比率。
[0232] 因此，在本发明的某些实施方式中，确定癌症患者的癌症侵袭性和/或预后包括测定：(i)一个或多个过表达基因的表达水平(例如表达水平的平均值或总和)与一个或多个低表达基因的表达水平(例如，表达水平的平均值或总和)的比率；和/或(ii)一个或多个过表达蛋白的表达水平(例如表达水平的平均值或总和)与一个或多个过表达蛋白的表达水平(例如表达水平的平均值或总和)的比率。
[0233] 过表达蛋白和低表达蛋白的表达的检测和/或测量可以通过上文描述的那些方法中的任一种或其组合进行，但不限于此。
[0234] 适合地，所述一个或多个过表达蛋白的表达水平和一个或多个低表达蛋白的表达水平的比较是为了由此得到综合评分。在一个特定的实施方式中，所述一个或多个过表达蛋白的表达水平和所述一个或多个低表达蛋白的表达水平的比较与下述相结合：
[0235] (i)与染色体不稳定性相关的所述过表达基因的表达水平和与雌激素受体信号传导相关的所述低表达基因的表达水平的比较，以得到第二综合评分；或
[0236] (ii)所述第一综合评分，以得到第三综合评分；或
[0237] (iii)所述选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的过表达基因的表达水平和所述选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的低表达基因的表达水平的比较，以得到第四综合评分；或
[0238] (iv)所述过表达基因的表达水平和所述低表达基因的表达水平的比较，其中所述基因来自所述碳水化合物/脂代谢元基因、所述细胞信号传导元基因、所述细胞发育元基因、所述细胞生长元基因、所述染色体分离元基因、所述DNA复制/重组元基因、所述免疫系统元基因、所述代谢疾病元基因、所述核酸代谢元基因、所述翻译后修饰元基因、所述蛋白质合成/修饰元基因和/或所述多重网络元基因中的一个或多个，以得到第五综合评分；或[0239] (v)所述过表达基因的表达水平和所述低表达基因的表达水平的比较，其中所述基因来自所述代谢元基因、所述信号传导元基因、所述发育和生长元基因、所述染色体分离/复制元基因、所述免疫应答元基因和/或所述蛋白质合成/修饰元基因中的一个或多个，以得到第六综合评分。
[0240] 在特定的实施方式中，第二、第三、第四、第五和/或第六综合评分至少部分地通过加法、减法、乘法、除法和/或求幂得到。举例而言，所述一个或多个过表达蛋白的表达水平和所述一个或多个低表达蛋白的表达水平的比较可加上、从其减去、乘以、除以(i)与染色体不稳定性相关的所述多个过表达基因的表达水平和与雌激素受体信号传导相关的所述多个低表达基因的表达水平的比较或(ii)第一综合评分，和/或自乘为(i)与染色体不稳定性相关的所述多个过表达基因的表达水平和与雌激素受体信号传导相关的所述多个低表达基因的表达水平的比较或(ii)第一综合评分次幂。或者，与染色体不稳定性相关的所述多个过表达基因的表达水平和与雌激素受体信号传导相关的所述多个低表达基因的表达水平的比较或者第一综合评分可加上、减去、乘以、除以所述一个或多个过表达蛋白的表达水平和所述一个或多个低表达蛋白的表达水平的比较，和/或自乘为所述一个或多个过表达蛋白的表达水平和所述一个或多个低表达蛋白的表达水平的比较次幂。
[0241] 在进一步的方面，本发明提供一种确定哺乳动物中癌症侵袭性的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自DVL3、PAI-1、VEGFR2、INPP4B、EIF4EBP1、EGFR、Ku80、HER3、SMAD1、GATA3、ITGA2、AKT1、NFKB1、HER2、ASNS和COL6A1的一个或多个过表达蛋白的表达水平，和选自VEGFR2、HER3、ASNS、MAPK9、ESR1、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6的一个或多个低表达蛋白的表达水平，其中：所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较高的相对表达水平指示或关联所述癌症较高的侵袭性；和/或所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性。
[0242] 在相关方面，本发明提供一种确定哺乳动物中癌症预后的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自DVL3、PAI-1、VEGFR2、INPP4B、EIF4EBP1、EGFR、Ku80、HER3、SMAD1、GATA3、ITGA2、AKT1、NFKB1、HER2、ASNS和COL6A1的一个或多个过表达蛋白的表达水平，和/或选自VEGFR2、HER3、ASNS、MAPK9、ESR1、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6的一个或多个低表达蛋白的表达水平，其中：所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较高的相对表达水平指示或关联较不利的癌症预后；和/或所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比较有利的癌症预后。
[0243] 在前述两方面的特定实施方式中，一个或多个过表达蛋白和/或一个或多个低表达蛋白是或包括上文所述的磷蛋白。
[0244] 可对所述一个或多个过表达蛋白和所述一个或多个低表达蛋白计算表达水平的平均值或总合，从而产生或计算上文所述的比率。
[0245] 这种关于患者癌症的侵袭性和/或预后的信息可以证明对于医生和/或临床医务人员在确定最有效的治疗过程中有用。确定癌症复发的可能性或转移的可能性可以帮助医生和/或临床医务人员确定是否应该采取更保守或更激进的治疗方法。因此，预后可以提供对预测受益于给定治疗方案的患者的选择和分类。
[0246] 因此，另一方面，本发明提供一种预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中多个过表达基因的表达水平和多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因，其中所述过表达基因与所述低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
[0247] 如本领域技术人员将认识到的，当基因或蛋白的表达水平在与对照或参比样品或表达水平(例如阈值水平)相比更高/增加或更低/降低时，相对表达水平可以被认为是“改变的”或“调节的”。在一个实施方式中，如果相对表达水平大于参比群体的相对表达水平的平均值和/或中位数，则其可被分类为高，并且如果相对表达水平小于参比群体的相对表达水平的平均值和/或中位数，则其可被分类为低。在这方面，参比群体可以是一组受试者，所述受试者具有的相同癌症类型、亚组、阶段和/或等级，作为测定相对表达水平的所述哺乳动物。
[0248] 适合地，对于本方面，所述碳水化合物/脂代谢元基因、所述细胞信号传导元基因、所述细胞发育元基因、所述细胞生长元基因、所述染色体分离元基因、所述DNA复制/重组元基因、所述免疫系统元基因、所述代谢疾病元基因、所述核酸代谢元基因、所述翻译后修饰元基因、所述蛋白质合成/修饰元基因和/或所述多重网络元基因包括表21中列出的一个或多个基因。
[0249] 在相关方面，本发明提供一种预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中多个过表达基因的表达水平和多个低表达基因的表达水平，其中所述过表达基因和所述低表达基因来自一个或多个元基因，所述元基因选自代谢元基因、信号传导元基因、发育和生长元基因、染色体分离/复制元基因、免疫应答元基因和蛋白质合成/修饰元基因，其中所述过表达基因与所述低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
[0250] 在上述两方面的一个实施方式中，所述多个过表达基因和/或所述多个低表达基因选自前述元基因中的一个。在一个替代性实施方式中，所述多个过表达基因和/或所述多个低表达基因选自前述元基因中的多个。
[0251] 适合地，所述代谢元基因、所述信号传导元基因、所述发育和生长元基因、所述染色体分离/复制元基因、所述免疫应答元基因和/或所述蛋白质合成/修饰元基因包括表22中列出的一个或多个基因。
[0252] 在特定的实施方式中，所述多个过表达基因和所述多个低表达基因来自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因中的一个或多个。
[0253] 在相关方面，本发明提供一种预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：测定哺乳动物的一个或多个癌症细胞中与染色体不稳定性(CIN)相关的一个或多个基因的表达水平，其中：较高的表达水平指示或关联所述癌症对抗癌治疗的相对提高的响应。
[0254] 如将更详细描述的，一些CIN基因的过表达可以预测癌症对抗癌治疗的响应，特别是而非排他地，当由非有丝分裂癌细胞过表达时。在本文中，“非有丝分裂的”是指癌细胞不处于细胞周期的有丝分裂期或“M期”。优选地，非有丝分裂癌细胞处于分裂间期。一般地，表4所述任何过表达CIN基因可预测癌症对抗癌治疗的响应。在特定的实施方式中，CIN基因选自：TTK，CEP55，FOXM1和SKIP2。在特定的优选实施方式中，CIN基因选自：TTK，CEP55，FOXM1和SKIP2，且所述癌症为乳腺癌。在这方面，本发明人已经显示，提取的CIN基因mRNA或编码蛋白的“大量”测量并未提供CIN基因的过表达是否可预测癌症对抗癌治疗的响应的有用指示。更具体地，通过个体癌细胞特别是非有丝分裂或分裂间期癌细胞检测CIN基因表达提供了癌症对抗癌治疗的响应的更有力指示。
[0255] 如前所述，CIN基因表达的检测和/或测量可以通过测量CIN基因的RNA(例如mRNA或其扩增的cDNA拷贝)或通过测量CIN基因的蛋白质产物而进行。在特别优选的实施方案中，CIN基因的蛋白质产物通过免疫组织化学检测或测量。通常，虽然并非排他地，优选的免疫组织化学方法包括将抗体结合到由细胞或组织表达的CIN基因的蛋白质产物，然后检测结合抗体。仅举例而言，抗体可以是未标记的、用酶(例如辣根过氧化物酶、碱性磷酸酶或葡萄糖氧化酶)直接标记的，或者用生物素或地高辛直接标记的。在抗体未标记的实施方式中，二级抗体(如上所述被标记的)可用于检测结合抗体。生物素化抗体可以使用与酶如辣根过氧化物酶、碱性磷酸酶或葡萄糖氧化酶复合的抗生物素蛋白检测。合适的酶底物包括二氨基联苯胺(diaminobanzidine)(DAB)、坚固红、3-乙基苯并噻唑啉磺酸(ABTS)、5-溴-4-氯-3-吲哚基磷酸盐(BCIP)、硝基四氮唑蓝(NBT)，3,3’,5,5’-四甲基联苯胺(TNB)和4-氯-1-萘酚(4-CN)，但不限于此。
[0256] 在进一步的方面，本发明提供一种预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中与染色体不稳定性相关的多个过表达基因的表达水平和与雌激素受体信号传导相关的多个低表达基因的表达水平，其中：与染色体不稳定性相关的所述过表达基因相比于与雌激素受体信号传导相关的所述低表达基因改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
[0257] 在某些实施方式中，与染色体不稳定性相关的所述基因属于CIN元基因。非限制性实例包括选自：ATP6V1C1、RAP2A、CALM1、COG8、HELLS、KDM5A、PGK1、PLCH1、CEP55、RFC4、TAF2、SF3B3、GPI、PIR、MCM10、MELK、FOXM1、KIF2C、NUP155、TPX2、TTK、CENPA、CENPN、EXO1、MAPRE1、ACOT7、NAE1、SHMT2、TCP1、TXNRD1、ADM、CHAF1A和SYNCRIP的基因。在一个优选的实施方式中，染色体不稳定性基因选自：MELK、MCM10、CENPA、EXO1、TTK和KIF2C。
[0258] 在某些实施方式中，与雌激素受体信号传导相关的所述基因属于ER元基因。非限制性实例包括选自：BTG2、PIK3IP1、SEC14L2、FLNB、ACSF2、APOM、BIN3、GLTSCR2、ZMYND10、ABAT、BCAT2、SCUBE2、RUNX1、LRRC48、MYBPC1、BCL2、CHPT1、ITM2A、LRIG1、MAPT、PRKCB、RERE、ABHD14A、FLT3、TNN、STC2、BATF、CD1E、CFB、EVL、FBXW4、ABCB1、ACAA1、CHAD、PDCD4、RPL10、RPS28、RPS4X、RPS6、SORBS1、RPL22和RPS4XP3的基因。在一个优选的实施方式中，雌激素受体信号传导基因选自：MAPT和MYB。
[0259] 适合地，该方面的方法进一步包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的一个或多个其他过表达基因的表达水平，和选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的一个或多个其他低表达基因的表达水平，其中：所述一个或多个其他过表达基因与所述一个或多个其他低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
[0260] 在一个实施方式中，所述一个或多个其他过表达基因选自ABHD5、ADORA2B、BCAP31、CA9、CAMSAP1、CARHSP1、CD55、CETN3、EIF3K、EXOSC7、GNB2L1、GRHPR、GSK3B、HCFC1R1、KCNG1、MAP2K5、NDUFC1、PML、STAU1、TXN和ZNF593。
[0261] 在一个实施方式中，所述一个或多个其他低表达基因选自BTN2A2、ERC2、IGH、ME1、MTMR7、SMPDL3B和ZNRD1-AS1。
[0262] 在某些实施方式中，所述一个或多个其他过表达基因的表达水平和所述一个或多个其他低表达基因的表达水平的比较与与染色体不稳定性相关的所述多个过表达基因的表达水平和与雌激素受体信号传导相关的所述多个低表达基因的表达水平的比较相结合以得到如本文所述的第一综合评分，其指示或关联所述癌症对所述抗癌治疗的响应。
[0263] 在另一个相关方面，本发明提供一种预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的一个或多个过表达基因的表达水平，和选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的一个或多个低表达基因的表达水平，其中：所述一个或多个过表达基因与所述一个或多个低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
[0264] 在一个实施方式中，所述一个或多个过表达基因选自ABHD5、ADORA2B、BCAP31、CA9、CAMSAP1、CARHSP1、CD55、CETN3、EIF3K、EXOSC7、GNB2L1、GRHPR、GSK3B、HCFC1R1、KCNG1、MAP2K5、NDUFC1、PML、STAU1、TXN和ZNF593。
[0265] 在一个实施方式中，所述一个或多个低表达基因选自BTN2A2、ERC2、IGH、ME1、MTMR7、SMPDL3B和ZNRD1-AS1。
[0266] 在特定的实施方式中，前述五个方面的方法进一步包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自DVL3、PAI-1、VEGFR2、INPP4B、EIF4EBP1、EGFR、Ku80、HER3、SMAD1、GATA3、ITGA2、AKT1、NFKB1、HER2、ASNS和COL6A1的一个或多个过表达蛋白的表达水平，和选自VEGFR2、HER3、ASNS、MAPK9、ESR1、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6的一个或多个低表达蛋白的表达水平，其中：所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较高的相对表达水平指示或关联所述癌症较高的侵袭性和/或较不利的癌症预后；和/或所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比较低的相对表达水平指示或关联与具有较高表达水平的哺乳动物相比所述癌症较低的侵袭性和/或较有利的癌症预后。
[0267] 在特定的实施方式中，一个或多个过表达蛋白和/或一个或多个低表达蛋白是或包括上文所述的磷蛋白。
[0268] 可以对过表达基因、低表达基因、过表达蛋白和/或低表达蛋白计算表达水平的平均值或总和，从而产生或计算上文所述的比率。
[0269] 过表达蛋白和低表达蛋白的表达的检测和/或测量可以通过上文所述的那些方法中的任一种或其组合进行，但不限于此。
[0270] 适合地，所述一个或多个过表达蛋白的表达水平和一个或多个低表达蛋白的表达水平的比较是为了由此得到综合评分。在一个特定的实施方式中，所述一个或多个过表达蛋白的表达水平和所述一个或多个低表达蛋白的表达水平的比较与下述相结合：
[0271] (i)与染色体不稳定性相关的所述过表达基因的表达水平和与雌激素受体信号传导相关的所述低表达基因的表达水平的比较，以得到第二综合评分；或
[0272] (ii)所述第一综合评分，以得到第三综合评分；或
[0273] (iii)所述选自CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1的过表达基因的表达水平和所述选自BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3的低表达基因的表达水平的比较，以得到第四综合评分；或
[0274] (iv)所述过表达基因的表达水平和所述低表达基因的表达水平的比较，其中所述基因来自所述碳水化合物/脂代谢元基因、所述细胞信号传导元基因、所述细胞发育元基因、所述细胞生长元基因、所述染色体分离元基因、所述DNA复制/重组元基因、所述免疫系统元基因、所述代谢疾病元基因、所述核酸代谢元基因、所述翻译后修饰元基因、所述蛋白质合成/修饰元基因和/或所述多重网络元基因中的一个或多个，以得到第五综合评分；或[0275] (v)所述过表达基因的表达水平和所述低表达基因的表达水平的比较，其中所述基因来自所述代谢元基因、所述信号传导元基因、所述发育和生长元基因、所述染色体分离/复制元基因、所述免疫应答元基因和/或所述蛋白质合成/修饰元基因中的一个或多个，以得到第六综合评分，
[0276] 其中第二、第三、第四、第五和/或第六综合评分指示或关联所述癌症对抗癌治疗的响应。
[0277] 在特定的实施方式中，第二、第三、第四、第五和/或第六综合评分至少部分地通过加法、减法、乘法、除法和/或求幂得到，如上文所述。
[0278] 在进一步的相关方面，本发明提供预测哺乳动物中癌症对抗癌治疗的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自DVL3、PAI-1、VEGFR2、INPP4B、EIF4EBP1、EGFR、Ku80、HER3、SMAD1、GATA3、ITGA2、AKT1、NFKB1、HER2、ASNS和COL6A1的一个或多个过表达蛋白的表达水平，和/或选自VEGFR2、HER3、ASNS、MAPK9、ESR1、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6的一个或多个低表达蛋白的表达水平，其中所述一个或多个过表达蛋白与所述一个或多个低表达蛋白相比改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高或降低的响应。
[0279] 在特定的实施方式中，一个或多个过表达蛋白和/或一个或多个低表达蛋白是或包括上文所述的磷蛋白。
[0280] 从上述内容可以认识到，本发明提供了确定癌症侵袭性、促进为患者提供癌症预后和/或预测癌症对抗癌治疗的响应的方法。特别地，本发明的概括性实施方案包括在确定癌症侵袭性、提供癌症预后和/或预测癌症对抗癌治疗的响应之后治疗患者的步骤。因此，这些实施方案涉及使用有关癌症侵袭性、癌症预后和/或癌症对抗癌治疗的预测响应的获得信息，以由此构建和实施针对患者的抗癌治疗方案。在一个优选的实施方式中，这对于特定患者是个人化的，使得治疗方案对该特定患者是优化的。
[0281] 癌症治疗可包括药物疗法，化疗，抗体、核酸和其他生物分子疗法，放疗，手术，营养疗法，放松或冥想疗法和其它天然或整体疗法，但不限于此。在特定的实施方式中，癌症治疗可以靶向非整倍体或非整倍体肿瘤和/或染色体不稳定性。
[0282] 通常，药物、生物分子(例如抗体、抑制性核酸如siRNA)或化疗药剂在本文中称为“抗癌治疗剂”。在与乳腺癌相关的一些实施方式中，抗癌疗法可包括HER2定向疗法(如曲妥珠单抗)和内分泌疗法(例如他莫昔芬和芳香酶抑制剂)。在其他或替代性实施方式中，疗法可包括施用CIN基因或CIN基因产物的抑制剂，例如表4中所列的那些中的一种或多种。将认识到，使用特异性抑制剂AZ3146抑制CIN基因产物TTK对TNBC细胞系有效。此外，siRNA介导的CIN基因TTK、TPX2、NDC80和PBK的敲减对TNBC细胞系有效。
[0283] 在某些实施方式中，癌症治疗可针对表4、10、21和/或22所列的基因或基因产物以71，72 73-76
外的基因或基因产物。举例而言，癌症治疗可靶向基因或基因产物，如PLK1 或其他 ，以由此靶向非整倍体肿瘤或肿瘤细胞。
外的基因或基因产物。举例而言，癌症治疗可靶向基因或基因产物，如PLK1 或其他 ，以由此靶向非整倍体肿瘤或肿瘤细胞。
[0284] 适合地，考虑到(i)与30基因印记(即：BRD8、BTN2A2、KIR2DL4、ME1、PSEN2、CALR、CAMK4、ITM2C、NOP2、NSUN5、SF3B1、ZNRD1-AS1、ARNT2、ERC2、SLC11A1、BRD4、APOBEC3A、CD1A、CD1B、CD1C、CXCR4、HLA-B、IGH、KIR2DL3、SMPDL3B、MYB、RLN1、MTMR7、SORBS1和SRPK3)中的一个或多个低表达基因比较的29基因印记(即：CAMSAP1、CETN3、GRHPR、ZNF593、CA9、CFDP1、VPS28、ADORA2B、GSK3B、LAMA4、MAP2K5、HCFC1R1、KCNG1、BCAP31、ULBP2、CARHSP1、PML、CD36、CD55、GEMIN4、TXN、ABHD5、EIF3K、EIF4B、EXOSC7、GNB2L1、LAMA3、NDUFC1和STAU1)中的一个或多个过表达基因的相对表达；(ii)与一个或多个低表达蛋白(即：VEGFR2、HER3、ASNS、MAPK9、ESR1、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6)比较的一个或多个过表达蛋白(即：DVL3、PAI-1、VEGFR2、INPP4B、EIF4EBP1、EGFR、Ku80、HER3、SMAD1、GATA3、ITGA2、AKT1、NFKB1、HER2、ASNS和COL6A1)的相对表达；和/或(iii)第一、第二、第三和/或第四综合评分时，抗肿瘤治疗药剂选自：化疗、内分泌疗法、免疫疗法和分子靶向疗法。在某些实施方式中，抗癌治疗包括ALK抑制剂(例如：TAE684)，极光激酶抑制剂(例如：Alisertib、AMG-900、BI-847325，GSK-1070916A、伊洛美曲塞、MK-8745、danusertib)，BCR-ABL抑制剂(例如：尼洛替尼、达沙替尼、帕纳替尼)，HSP90抑制剂(例如：坦沙霉素(17-AAG)、PF0429113，AUY922，Luminespib，ganetespib，Debio-0932)，EGFR抑制剂(例如：Afatinib、Erlotinib、Lapatinib、西妥昔单抗)，PARP抑制剂(例如：ABT-888、AZD-2281)，维甲酸(例如：全反式维甲酸或ATRA)，Bcl2抑制剂(例如：ABT-263)，糖异生抑制剂(例如：二甲双胍)，p38MAPK抑制剂(例如：BIRB0796、LY2228820)，MEK1/2抑制剂(例如：曲美替尼、cobimetinib、比马替尼、selumetinib、pimasertib、refametinib、TAK-733)，mTOR抑制剂(例如：BEZ235，JW-7-25-
1)，PI3K抑制剂(例如：Idelalisib、buparlisib/apelisib、copanlisib、GSK-2636771、pictilisib、AMG-319、AZD-8186)，IGF1R抑制剂(例如：BMS-754807、dalotuzumab、ganitumab、linsitinib)，PLCγ抑制剂(例如：U73122)，JNK抑制剂(例如：SP600125)，PAK1抑制剂(例如：IPA3)，SYK抑制剂(例如：BAY613606)，HDAC抑制剂(例如：Vorinostat)，FGFR抑制剂(例如：多柔比星)，XIAP抑制剂(例如：Embelin)，PLK1抑制剂(例如：Volasertib、P-
937)，ERK5抑制剂(例如：XMD8-92)，MPS1/TTK抑制剂(例如：BAY-1161909)及其任意组合。
1)，PI3K抑制剂(例如：Idelalisib、buparlisib/apelisib、copanlisib、GSK-2636771、pictilisib、AMG-319、AZD-8186)，IGF1R抑制剂(例如：BMS-754807、dalotuzumab、ganitumab、linsitinib)，PLCγ抑制剂(例如：U73122)，JNK抑制剂(例如：SP600125)，PAK1抑制剂(例如：IPA3)，SYK抑制剂(例如：BAY613606)，HDAC抑制剂(例如：Vorinostat)，FGFR抑制剂(例如：多柔比星)，XIAP抑制剂(例如：Embelin)，PLK1抑制剂(例如：Volasertib、P-
937)，ERK5抑制剂(例如：XMD8-92)，MPS1/TTK抑制剂(例如：BAY-1161909)及其任意组合。
[0285] 举例而言，具有与一个或多个低表达基因(例如7基因印记中的那些)相比的一个或多个过表达基因(例如21基因印记中的那些)的相对高表达水平的患者，具有与一个或多个低表达蛋白相比的一种或多种过表达蛋白的相对高表达水平的患者，和/或具有本文所述的高综合评分的患者，在用化疗治疗时更可能有利地响应，例如病理学完全响应。在这方面，化疗的非限制性实例包括：嘧啶类似物(例如：5-氟尿嘧啶、卡培他滨)，紫杉烷(例如：紫杉醇)，蒽环类药物(例如：多柔比星、表柔比星)，抗叶酸药物(例如：二氢叶酸还原酶抑制剂甲氨蝶呤)，烷化剂(例如：环磷酰胺)或其任何组合。将认识到，化疗可作为佐剂、新辅助剂和/或作为标准治疗单独或与其它抗癌治疗药剂组合施用。
[0286] 另外，在某些实施方式中，具有与一个或多个低表达的基因(例如30基因印记中的基因)相比一个或多个过表达基因(例如29基因印记中的那些)相对高表达水平的患者，具有与一种或多种低表达蛋白相比的一种或多种过表达蛋白的相对高表达水平的患者，和/或具有本文所述的高综合评分的患者，可以更可能有利地响应于(即，对于其更敏感)HSP90、EGFR，IGF1R、mTOR、PI3K、p38MAPK、PLCγ、JNK、PAK1、ERK5、XIAP、PLK1和/或MEK1/2的抑制，并且不太可能有利地响应于(即，更不敏感于)使用ALK抑制剂、BCR-ABL抑制剂、PARP抑制剂、维甲酸、Bcl2抑制剂、糖异生抑制剂、p38MAPK抑制剂、FGFR抑制剂、SYK抑制剂、HDAC抑制剂和/或IGF1R抑制剂的抗癌治疗。
[0287] 还将认识到，本文所述的基因和蛋白印记可用于鉴定那些预后较差的患者，例如具有更大的和/或更高等级的肿瘤的患者，其可获益于除该特定患者群体的典型或标准抗癌治疗方案之外的一个或多个抗癌治疗剂。举例而言，涉及高综合评分和因而相对差的预后的牵涉或不牵涉淋巴结的ER+乳腺癌患者更可能有利地响应或获益于化疗和/或内分泌疗法。这可包括这些患者改善的生存和/或减少的肿瘤复发和/或转移可能性。
[0288] 在某些实施方式中，对于具有与7基因印记的低表达基因相比21基因印记的过表达基因的相对高表达水平和/或具有高综合评分的患者，癌症治疗可针对表13、15、16和17中列出的那些基因或基因产物。
[0289] 另外，对于具有与低表达蛋白相比过表达蛋白的相对高表达水平和/或具有高综合评分的患者，癌症治疗可针对表19中列出的那些蛋白中的一种或多种。
[0290] 将认识到，本文所述的用于预测癌症对抗癌治疗(例如免疫治疗药剂)的响应的那些方法可进一步包括如下步骤：对哺乳动物施用治疗有效量的抗癌治疗。在一个优选的实施方式中，所述抗癌治疗在改变或调节的相对表达水平指示或关联所述癌症对所述抗癌治疗相对提高的响应时施用。
[0291] 治疗癌症的方法可以是预防性(prophylactic)、防止性(preventative)或治疗性的，并且适合于哺乳动物中的癌症治疗，特别是人类。如本文所用，“治疗”是指治疗性的干预、行动过程或方案，其在癌症和/或其症状已经至少开始发展后至少改善癌症的症状。如本文所用，“预防”是指治疗性的干预、行动过程或方案，其在癌症和/或癌症症状发作之前开始，从而预防、抑制或延缓癌症或症状的发展或进展。
[0292] 术语“治疗有效量”描述足以在用特定药剂治疗的受试者中达到所需效果的该药剂的量。例如，这可以是包含结合本文所述的一个或多个过表达和/或低表达基因或其基因产物的一个或多个药剂的组合物减少、减轻和/或预防癌症或癌症相关疾病、紊乱或病情所必须的量。在一些实施方式中，“治疗有效量”足以减少或消除癌症症状。在其它实施方式中，“治疗有效量”是足以实现期望的生物效应的量，例如有效减少或预防癌症生长和/或转移的量。
[0293] 理想地，药剂的治疗有效量是足以在受试者中诱导所需结果而不引起实质性细胞毒性作用的量。可用于减少、减轻和/或预防癌症的药剂的有效量将取决于待治疗的受试者，任何相关疾病、紊乱和/或病情的类型和严重程度(例如，任何相关转移的数量和位置)，以及治疗组合物的给药方式。
[0294] 适合地，抗癌治疗药剂作为包含药学上可接受的载体、稀释剂或赋形剂的药物组合物施用于哺乳动物。
[0295] “药学上可接受的载体、稀释剂或赋形剂”是指可以安全地用于全身给药的固体或液体的填料、稀释剂或包封物质。根据特定给药途径，可使用本领域公知的多种载体。这些载体可选自糖、淀粉、纤维素及其衍生物、麦芽、胶质、滑石、硫酸钙、脂质体和其它基于脂质的载体、植物油、合成油、多元醇、海藻酸、磷酸盐缓冲溶液、乳化剂、等渗盐水和盐如无机酸盐(包括盐酸盐、溴化物和硫酸盐)、有机酸(例如乙酸盐、丙酸盐和丙二酸盐)和无热原水。
[0296] 描述药学上可接受的载体、稀释剂和赋形剂的有用文献是Remington's Pharmaceutical Sciences(Mack Publishing Co.N.J.USA，1991)，其通过引用并入本文。
[0297] 可采用任何安全的给药途径为患者提供本发明的组合物。例如，可以采用口服、直肠、肠胃外、舌下、口腔、静脉内、关节内、肌内、皮内、皮下、吸入、眼内、腹膜内、脑室内、经皮等。肌内和皮下注射适合于例如施用免疫治疗组合物、蛋白质疫苗和核酸疫苗。
[0298] 剂型包括片剂、分散剂、混悬剂、注射剂、溶液剂、糖浆剂、锭剂、胶囊剂、栓剂、气溶胶、透皮贴剂等。这些剂型还可包括注射或植入专门为此目的设计的控释装置或被改进而以这种方式另外作用的其它形式的植入物。可通过用例如疏水聚合物(包括丙烯酸树脂、蜡、高级脂肪醇、聚乳酸和聚乙醇酸和某些纤维素衍生物如羟丙基甲基纤维素)涂布治疗剂而实现治疗剂控释。此外，可通过使用其它聚合物基质、脂质体和/或微球实现控释。
[0299] 本发明中适合于口服或肠胃外给药的组合物可作为离散单元如胶囊、小药囊或片剂存在，其各自含有预定量的本发明的一个或多个治疗药剂；可作为粉剂或颗粒剂或者作为在水性液体、非水性液体、水包油乳液或油包水液体乳液中的溶液剂或混悬剂存在。这样的组合物可以通过任何药学方法制备，但是所有方法都包括如下步骤：使如上所述的一个或多个药剂与构成一个或多个必要成分的载体结合。通常，通过将本发明的药剂与液体载体或细分固体载体或两者均匀且紧密地混合而制备混合物，然后如果需要，将产物成形为所需外观。
[0300] 上述组合物可以以与剂型相容的方式且以药学上有效的量施用。在本发明背景下，施用于患者的剂量应足以在患者中实现适当时间段的有益响应。待施用的药剂的量可取决于待治疗的受试者，包括年龄、性别、体重及其一般健康状况、将取决于从业者的判断的因素。
[0301] 在上述方法的特定实施方式中，癌症是乳腺癌，并且一个或多个过表达蛋白选自DVL3、VEGFR2、INPP4B、EIF4EBP1、EGFR、HER3、SMAD1、NFKB1和HER2，并且一个或多个和低表达蛋白选自ASNS、MAPK9、YWHAE、RAD50、PGR、COL6A1、PEA15和RPS6。
[0302] 在上述方法的特定实施方式中，癌症是肺癌，例如肺腺癌，其中：
[0303] (i)所述一个或多个过表达基因选自GNB2L1、TXN、KCNG1、BCAP31、GSK3B、FOXM1、ZNF593、EXO1、KIF2C、TTK、MELK、CENPA、TPX2、CA9、GRHPR、HCFC1R1、CEP55、MCM10、CENPN和CARHSP1，并且所述一个或多个低表达基因选自BTN2A2、MTMR7、ZNRD1-AS1、MAPT和BTG2；和/或
[0304] (ii)所述一个或多个过表达蛋白选自DVL3、PAI-1、Ku80、GATA3、ITGA2和AKT1，并且所述一个或多个低表达蛋白选自ESR1。
[0305] 在上述方法的特定实施方式中，癌症是肾癌，例如肾透明细胞癌，其中：
[0306] (i)所述一个或多个过表达基因选自EIF3K、ADORA2B、KCNG1、BCAP31、EXOSC7、FOXM1、CD55、ZNF593、KIF2C、TTK、MELK、CENPA、TPX2、CEP55、PML、CENPN和CARHSP1，并且所述一个或多个低表达基因选自BCL2和MAPT；和/或
[0307] (ii)所述一个或多个过表达蛋白选自DVL3、PAI-1和EIF4EBP1，并且所述一个或多个低表达蛋白选自HER3、MAPK9、ESR1和RAD50。
[0308] 在上述方法的特定实施方式中，癌症是黑素瘤，例如皮肤的皮肤黑色素瘤，其中：
[0309] (i)所述一个或多个过表达基因选自EIF3K、ADORA2B、GSK3B、EXOSC7、FOXM1、EXO1、KIF2C、CENPA、TPX2、CAMSAP1、MCM10和ABHD5，并且所述一个或多个低表达基因选自BCAP31、BTN2A2、SMPDL3B、MTMR7、ME1和BTG2；和/或
[0310] (ii)所述一个或多个过表达蛋白选自PAI-1、EIF4EBP1、EGFR、HER3和Ku80，并且所述一个或多个低表达蛋白选自ASNS、MAPK9和ESR1。
[0311] 在上述方法的特定实施方式中，癌症是子宫内膜癌，例如子宫体子宫内膜样癌，其中：
[0312] (i)所述一个或多个过表达基因选自GNB2L1、EIF3K、KCNG1、BCAP31、GSK3B、EXOSC7、FOXM1、ZNF593、EXO1、KIF2C、MAP2K5、TTK、MELK、GRHPR和PML，并且所述一个或多个低表达基因是MYB；和/或
[0313] (ii)所述一个或多个过表达蛋白选自DVL3、INPP4B、EIF4EBP1和ASNS，并且所述一个或多个低表达蛋白选自MAPK9、ESR1和YWHAE。
[0314] 在上述方法的特定实施方式中，癌症是卵巢腺癌，其中：
[0315] (i)所述一个或多个过表达基因选自GNB2L1、EIF3K、TXN、ADORA2B、KCNG1、GSK3B、STAU1、MAP2K5和HCFC1R1，并且所述一个或多个低表达基因选自BTN2A2和ZNRD1-AS1；和/或[0316] (ii)所述一个或多个过表达蛋白选自PAI-1和VEGFR2，并且所述一个或多个低表达蛋白选自ASNS、MAPK9、ESR1、YWHAE和PGR。
[0317] 在上述方法的特定实施方式中，癌症是头颈癌，例如头颈鳞状细胞癌，其中：
[0318] (i)所述一个或多个过表达基因选自GNB2L1、TXN、ADORA2B、KCNG1、CD55、ZNF593、NDUFC1和HCFC1R1，并且所述一个或多个低表达基因选自BTN2A2和MTMR7；和/或
[0319] (ii)所述一个或多个过表达蛋白选自PAI-1、INPP4B、EGFR、HER3、SMAD1、GATA3、ITGA2和COL6A1，并且所述一个或多个低表达蛋白选自VEGFR2和ASNS。
[0320] 在上述方法的特定实施方式中，癌症是结肠直肠癌，例如结肠直肠腺癌，其中：
[0321] (i)所述一个或多个过表达基因选自EIF3K、TXN、CD55、NDUFC1、HCFC1R1和PML，并且所述一个或多个低表达基因选自BTN2A2、SMPDL3B和MET；和/或
[0322] (ii)所述一个或多个过表达蛋白选自DVL3、PAI-1、INPP4B、EIF4EBP1、EGFR和HER3，并且所述一个或多个低表达蛋白选自ASNS、MAPK9、YWHAE、RAD50和PEA15。
[0323] 在上述方法的特定实施方式中，癌症是胶质瘤，例如低等级胶质瘤，其中：
[0324] (i)所述一个或多个过表达基因选自TXN、BCAP31、STAU1、PML、CARHSP1和BTN2A2；和/或
[0325] (ii)所述一个或多个过表达蛋白选自DVL3、PAI-1、VEGFR2、Ku80、SMAD1和NFKB1，并且所述一个或多个低表达蛋白选自ESR1、YWHAE和PGR。
[0326] 在上述方法的特定实施方式中，癌症是膀胱癌，例如尿路上皮癌，其中：
[0327] (i)所述一个或多个过表达基因选自ADORA2B、KCNG1、STAU1、MAP2K5和CAMSAP1，并且所述一个或多个低表达基因选自GNB2L1、EIF3K、TXN、BCAP31、EXOSC7、CD55、NDUFC1、GRHPR、CETN3、BTN2A2、SMPDL3B和ERC2；和/或
[0328] (ii)所述一个或多个过表达蛋白选自DVL3、VEGFR2、Ku80、SMAD1和AKT1，并且所述一个或多个低表达蛋白是ASNS。
[0329] 在上述方法的特定实施方式中，癌症是肺癌，例如肺鳞状细胞癌，其中：
[0330] (i)所述一个或多个过表达基因选自GNB2L1、ZNF593和SMPDL3B，并且所述一个或多个低表达基因选自GSK3B、MAP2K5、NDUFC1、CAMSAP1、ABHD5和ME1；和/或
[0331] (ii)所述一个或多个过表达蛋白选自DVL3、PAI-1、VEGFR2、INPP4B、EGFR和GATA3，并且所述一个或多个低表达蛋白是ASNS。
[0332] 在上述方法的特定实施方式中，所述癌症是肾上腺皮质癌，其中：
[0333] 所述一个或多个过表达基因选自GNB2L1、EIF3K、TXN、ADORA2B、KCNG1、BCAP31、FOXM1、ZNF593、EXO1、KIF2C、MAP2K5、TTK、MELK、CENPA、TPX2、GRHPR、CEP55、MCM10和CENPN，并且所述一个或多个低表达基因选自MTMR7、BCL2、MAPT、MYB和STC2。
[0334] 在上述方法的特定实施方式中，所述癌症是肾脏肾乳头状细胞癌，其中：
[0335] 所述一个或多个过表达基因选自GNB2L1、ADORA2B、KCNG1、GSK3B、FOXM1、CD55、EXO1、KIF2C、STAU1、TTK、MELK、CENPA、TPX2、CA9、CEP55和MCM10，并且所述一个或多个低表达基因选自SMPDL3B和BCL2。
[0336] 在上述方法的特定实施方式中，癌症是胰腺导管腺癌，其中：
[0337] 所述一个或多个过表达基因选自EIF3K、ADORA2B、GSK3B、EXOSC7、FOXM1、CD55、EXO1、STAU1、CAMSAP1和CETN3，并且所述一个或多个低表达基因选自BTN2A2、SMPDL3B、MTMR7、ME1、BCL2和ERC2。
[0338] 在上述方法的特定实施方式中，所述癌症是肝脏肝细胞癌，其中：
[0339] 所述一个或多个过表达基因选自GNB2L1、TXN、EXOSC7和CA9，并且所述一个或多个低表达基因是MTMR7。
[0340] 在上述方法的特定实施方式中，癌症是宫颈鳞状细胞癌和/或宫颈内腺癌，其中：
[0341] 所述一个或多个过表达基因选自STAU1、CA9和ME1，并且所述一个或多个低表达基因选自EIF3K、TXN、BCAP31、EXOSC7和ZNRD1-AS1。
[0342] 此外，在某些实施方式中，具有与一个或多个低表达基因(例如30基因印记中的那些)相比一个或多个过表达基因(例如29基因印记中的那些)的高相对表达水平的患者，具有与一个或多个低表达蛋白相比一种或多种过表达蛋白的高相对表达水平的患者，和/或具有本文所述的高综合评分的患者，可以更可能有利地响应免疫疗法。
[0343] 因此，一个方面提供预测哺乳动物中癌症对免疫治疗药剂的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自ADORA2B、CD36、CETN3、KCNG1、LAMA3、MAP2K5、NAE1、PGK1、STAU1、CFDP1、SF3B3和TXN的一个或多个过表达基因的表达水平，和选自APOBEC3A、BCL2、BTN2A2、CAMSAP1、CAMK4、CARHSP1、FBXW4、GSK3B、HCFC1R1、MYB、PSEN2和ZNF593的一个或多个低表达基因的表达水平，其中所述一个或多个过表达基因与所述一个或多个低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述免疫治疗药剂相对提高或降低的响应。
[0344] 在一个实施方式中，所述一个或多个过表达基因选自ADORA2B、CETN3、KCNG1、MAP2K5、STAU1和TXN，和/或一个或多个低表达基因的表达水平选自BTN2A2、CAMSAP1、CARHSP1、GSK3B、HCFC1R1和ZNF593。
[0345] 在一个实施方式中，所述一个或多个过表达基因选自ADORA2B、CD36、KCNG1、LAMA3、MAP2K5、NAE1、PGK1、STAU1、CFDP1和SF3B3，和/或一个或多个低表达基因的表达水平选自APOBEC3A、BCL2、BTN2A2、CAMK4、FBXW4、PSEN2和MYB。
[0346] 对于本方面的特定实施方案将理解，来自碳水化合物/脂代谢元基因、细胞信号传导元基因、细胞发育元基因、细胞生长元基因、染色体分离元基因、DNA复制/重组元基因、免疫系统元基因、代谢疾病元基因、核酸代谢元基因、翻译后修饰元基因、蛋白质合成/修饰元基因和多重网络元基因中的一个或多个的一个或多个其他过表达基因和/或一个或多个其他低表达基因，例如表21中列出的那些，可被包括在比较一个或多个过表达基因的表达水平和一个或多个低表达基因的表达水平的步骤中。
[0347] 在它们涉及癌症的情况下，免疫疗法或免疫治疗药剂使用或改变受试者的免疫机制，从而促进或便利癌症的治疗。在这方面，用于治疗癌症的免疫疗法或免疫治疗药剂包括基于细胞的疗法、抗体疗法(例如抗PD1或抗PDL1抗体)和细胞因子疗法。这些疗法都利用了癌细胞通常在其表面上具有称为癌抗原的细微不同分子的现象，所述癌抗原可以被癌症受试者的免疫系统检测到。因此，免疫疗法被用于通过使用这些癌抗原作为靶而刺激癌症患者的免疫系统攻击癌症细胞。
[0348] 免疫疗法或免疫治疗药剂的非限制性实例包括：阿达木单抗(adalimumab)、阿仑单抗(alemtuzumab)、巴利昔单抗(basiliximab)、贝利珠单抗(belimumab)、贝伐单抗(bevacizumab)、BMS-936559、brentuximab、塞妥珠单抗(certolizumab)、西妥昔单抗(cituximab)、达利珠单抗(daclizumab)、依库丽单抗(eculizumab)、替伊莫单抗(ibritumomab)、英夫利昔(infliximab)、易普利单抗(ipilimumab)、lambrolkizumab、美泊利单抗(mepolizumab)、MPDL3280A、莫罗单抗(muromonab)、那他珠单抗(natalizumab)、nivolumab、奥法木单抗(ofatumumab)、奥马珠单抗(omalizumab)、派姆单抗
(pembrolizumab)、pexelizumab、pidilizumab、利妥昔单抗(rituximab)、托珠单抗
(tocilizumab)、托西莫单抗(tositumomab)、曲妥珠单抗(trastuzumab)、乌司他珠单抗(ustekinumab)、阿巴他塞(abatacept)、阿替曲塞(alefacept)和地尼白介素(denileukin diftitox)。在特别优选的实施方式中，免疫治疗药剂是免疫检查点抑制剂，例如抗PD1抗体(例如，pidilizumab、nivolumab、lambrolkizumab、派姆单抗)、抗PDL1抗体(例如，BMS-
936559、MPDL3280A)和/或抗CTLA4抗体(例如，易普利单抗)。
(pembrolizumab)、pexelizumab、pidilizumab、利妥昔单抗(rituximab)、托珠单抗
(tocilizumab)、托西莫单抗(tositumomab)、曲妥珠单抗(trastuzumab)、乌司他珠单抗(ustekinumab)、阿巴他塞(abatacept)、阿替曲塞(alefacept)和地尼白介素(denileukin diftitox)。在特别优选的实施方式中，免疫治疗药剂是免疫检查点抑制剂，例如抗PD1抗体(例如，pidilizumab、nivolumab、lambrolkizumab、派姆单抗)、抗PDL1抗体(例如，BMS-
936559、MPDL3280A)和/或抗CTLA4抗体(例如，易普利单抗)。
[0349] 如本领域技术人员将认识到的，免疫检查点是指免疫系统的多种抑制途径，其对于在受试者中维持自身耐受性和调节免疫应答的持续时间和/或幅度是至关重要的。癌症可使用特定的免疫检查点途径作为免疫抵抗的主要机制，特别是对抗对于肿瘤抗原具有特异性的T细胞。因此，免疫检查点抑制剂包括阻断或抑制免疫系统的抑制途径的任何药剂。此类抑制剂可包括小分子抑制剂或可包括结合并阻断或抑制免疫检查点受体的抗体或其抗原结合片段，或结合并阻断或抑制免疫检查点受体配体的抗体。举例而言，可为阻断或抑制而被靶向的免疫检查点受体或受体配体包括但不限于：CTLA-4、4-1BB(CD137)、4-1BBL(CD137L)、PDL1、PDL2、PD1、B7-H3、B7-H4、BTLA、HVEM、TIM3、GAL9、LAG3、TIM3、B7H3、B7H4、VISTA、KIR、2B4、CD160和CGEN-15049。说明性免疫检查点抑制剂包括：tremelimumab(CTLA-
4阻断抗体)、抗OX40、PD-L1单克隆抗体(抗B7-H1；MEDI4736)、MK-3475(PD-1阻断剂)、nivolumab(抗PD1抗体)、pidilizamab(CT-011；抗-PD1抗体)、BY55单克隆抗体、AMP224(抗PDL1抗体)、BMS-936559(抗PDL1抗体)、MPLDL3280A(抗PDL1抗体)、MSB0010718C(抗PDL1抗体)和Yervoy/易普利单抗(抗CTLA-4检查点抑制剂)，但不限于此。
4阻断抗体)、抗OX40、PD-L1单克隆抗体(抗B7-H1；MEDI4736)、MK-3475(PD-1阻断剂)、nivolumab(抗PD1抗体)、pidilizamab(CT-011；抗-PD1抗体)、BY55单克隆抗体、AMP224(抗PDL1抗体)、BMS-936559(抗PDL1抗体)、MPLDL3280A(抗PDL1抗体)、MSB0010718C(抗PDL1抗体)和Yervoy/易普利单抗(抗CTLA-4检查点抑制剂)，但不限于此。
[0350] 在一个实施方式中，预测癌症对免疫治疗药剂的响应的方法可进一步包括如下步骤：对哺乳动物施用治疗有效量的免疫治疗药剂。
[0351] 在相关方面，提供预测哺乳动物中癌症对EGFR抑制剂的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自NAE1、GSK3B、TAF2、MAPRE1、BRD4、STAU1、TAF2、PDCD4、KCNG1、ZNRD1-AS1、EIF4B、HELLS、RPL22、ABAT、BTN2A2、CD1B、ITM2A、BCL2、CXCR4和ARNT2的一个或多个过表达基因的表达水平和选自CD1C、CD1E、CD1B、KDM5A、BATF、EVL、PRKCB、HCFC1R1、CARHSP1、CHAD、KIR2DL4、ABHD5、ABHD14A、ACAA1、SRPK3、CFB、ARNT2、NDUFC1、BCL2、EVL、ULBP2、BIN3、SF3B3、CETN3、SYNCRIP、TAF2、CENPN、ATP6V1C1、CD55和ADORA2B的一个或多个低表达基因的表达水平，其中所述一个或多个过表达基因与所述一个或多个低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对EGFR抑制剂相对提高或降低的响应。
[0352] 将认识到，EGFR抑制剂可以是本领域任何已知的，包括单克隆抗体及其小分子抑制剂，如上文所述的那些。在特定的实施方式中，EGFR抑制剂是或包含埃罗替尼和/或西妥昔单抗。
[0353] 在某些实施方式中，癌症是或包括肺癌、结肠直肠癌或乳腺癌。
[0354] 在一个实施方式中，所述一个或多个过表达基因选自NAE1、GSK3B和TAF2，和/或一个或多个低表达基因选自CD1C、CD1E、CDIB、KDM5A、BATF、EVL、PRKCB、HCFC1R1、CARHSP1、CHAD、KIR2DL4、ABHD5、ABHD14A、ACAA1、SRPK3和CFB。
[0355] 在一个实施方式中，所述一个或多个过表达基因选自MAPRE1、BRD4、STAU1、TAF2、GSK3B、PDCD4、KCNG1、ZNRD1-AS1、EIF4B和HELLS，和/或一个或多个低表达基因的表达水平选自ARNT2、NDUFC1、BCL2、ABHD14A、EVL、ULBP2和BIN3。
[0356] 在一个实施方式中，所述一个或多个过表达基因选自RPL22、ABAT、BTN2A2、CD1B、ITM2A、BCL2、CXCR4和ARNT2，和/或一个或多个低表达基因的表达水平选自SF3B3、CETN3、SYNCR1P、TAF2、CENPN、ATP6V1C1、CD55和ADORA2B。
[0357] 在相关方面，提供预测哺乳动物中癌症对多激酶抑制剂的响应的方法，所述方法包括如下步骤：比较所述哺乳动物的一个或多个癌症细胞、组织或器官中选自SCUBE、CHPT1、CDC1、BTG2、ADORA2B和BCL2的一个或多个过表达基因的表达水平，和选自NOP2、CALR、MAPRE1、KCNG1、PGK1、SRPK3、RERE、ADM、LAMA3、KIR2DL4、ULBP2、LAMA4、CA9和BCAP31的一个或多个低表达基因的表达水平，其中所述一个或多个过表达基因与所述一个或多个低表达基因相比改变或调节的相对表达水平指示或关联所述癌症对所述多激酶抑制剂相对提高或降低的响应。
[0358] 多激酶抑制剂通常通过抑制多种细胞内和/或细胞表面激酶起作用，其中一些可涉及癌症的肿瘤生长和转移进展，因此减少肿瘤生长和复制。将认识到，多激酶抑制剂可以是本领域任何已知的，包括小分子抑制剂，如上文所述的那些。多激酶抑制剂的非限制性实例包括：索拉非尼(sorafenib)、曲美替尼(trametinib)、达拉菲尼(dabrafenib)、维莫菲尼(vemurafenib)、克唑替尼(crizotinib)、舒尼替尼(sunitinib)、阿昔替尼(axitinib)、普纳替尼(ponatinib)、鲁索利替尼(ruxolitinib)、凡德他尼(vandetanib)、卡波替尼(cabozantinib)、阿法替尼(afatinib)、依鲁替尼(ibrutinib)和瑞戈非尼(regorafenib)。
在一个特定的实施方式中，多激酶抑制剂是或包含索拉非尼。
在一个特定的实施方式中，多激酶抑制剂是或包含索拉非尼。
[0359] 在一个实施方式中，所述癌症是或包括肺癌。
[0360] 适合地，关于预测癌症对免疫治疗药剂、EGFR抑制剂或多激酶抑制剂的响应，所述一个或多个过表达基因与所述一个或多个低表达基因相比较高的相对表达水平指示或关联癌症对药剂或抑制剂相对提高的响应；和/或所述一个或多个过表达基因与所述一个或多个低表达基因相比较低的相对表达水平指示或关联癌症对药剂或抑制剂相对降低的响应。
[0361] 在进一步的方面，本发明提供一种用于鉴定用于癌症治疗的药剂的方法，其包括如下步骤：
[0362] (i)使GRHPR、NDUFC1、CAMSAP1、CETN3、EIF3K、STAU1、EXOSC7、COG8、CFDP1和/或KCNG1的蛋白质产物与测试药剂接触；和
[0363] (ii)确定所述测试药剂是否至少部分减少、消除、压制或抑制所述蛋白质产物的表达和/或活性。
[0364] 适合地，癌症具有上文所述的类型，但不限于此。优选地，癌症具有选自GRHPR、NDUFC1、CAMSAP1、CETN3、EIF3K、STAU1、EXOSC7、COGS、CFDP1和KCNG1及其任意组合的过表达基因，
[0365] 适合地，药剂具有或表现出很少的脱靶和/或非特异性作用，或者具有或表现出不显著的脱靶和/或非特异性作用。
[0366] 优选地，所述药剂是抗体或有机小分子。
[0367] 在涉及抗体抑制剂的实施方式中，抗体可以是多克隆或单克隆的、天然的或重组的。可用于抗体生产、纯化和使用的公知方案可见于例如Coligan等，CURRENT PROTOCOLS IN IMMUNOLOGY(John Wiley&Sons NY，1991-1994)的第2章和Harlow,E.&Lane,D.Antibodies：A Laboratory Manual，Cold Spring Harbor，Cold Spring Harbor
Laboratory，1988，其均通过引用并入本文。
Laboratory，1988，其均通过引用并入本文。
[0368] 通常，本发明的抗体与GRHPR、NDUFC1、CAMSAP1、CETN3、EIF3K、STAU1、EXOSC7、COG8、CFDP1和KCNG1中的一种或多种的蛋白质产物的分离蛋白、片段、变体或衍生物结合或缀合。例如，抗体可以是多克隆抗体。这样的抗体可例如通过将蛋白质产物的分离蛋白、片段、变体或衍生物注射到生产物种中制备，所述生产物种可以包括小鼠或兔，以获得多克隆抗血清。生产多克隆抗体的方法是本领域技术人员公知的。可使用的示例性方案在例如Coligan等，CURRENT PROTOCOLS IN IMMUNOLOGY，同上，和Harlow&Lane，1988，同上中描述。
[0369] 单克隆抗体可使用标准方法生产，例如 和Milstein，1975，Nature 256,495(通过引用并入本文)的文章中描述的，或者通过其最近的改进，例如Coligan等，
CURRENT PROTOCOLS IN IMMUNOLOGY，同上中描述的，通过使来源于生产物种的脾或其它抗体产生细胞永生化，所述生产物种已被接种一个或多个分离蛋白质产物和/或其片段、变体和/或衍生物。
CURRENT PROTOCOLS IN IMMUNOLOGY，同上中描述的，通过使来源于生产物种的脾或其它抗体产生细胞永生化，所述生产物种已被接种一个或多个分离蛋白质产物和/或其片段、变体和/或衍生物。
[0370] 通常，候选抑制剂抗体的抑制活性可通过体外和/或体内试验评估，所述试验在抗体的存在下检测或测量GRHPR、NDUFC1、CAMSAP1、CETN3、EIF3K、STAU1、EXOSC7、COG8、CFDP1和KCNG1中的一个或多个的蛋白质产物的表达水平和/或活性。
[0371] 在涉及有机小分子抑制剂的实施方式中，这可涉及筛选拥有数十万到数百万的候选抑制剂(例如，包括合成的、有机小分子或天然产物的化学化合物)的大型化合物文库，所述候选抑制剂可以就在数百处分子靶点中的任一处的生物活性进行筛选或测试，以找到潜在的新药或先导化合物。筛选方法可包括但不限于基于计算机(“计算机模拟(in silico)”)的筛选和基于体外试验的高通量筛选。
[0372] 通常，来自该初布筛选过程的活性化合物或“命中物”然后通过一系列其它体外和/或体内测试依次测试，以进一步表征活性化合物。在每个阶段选择逐渐更少数量的“成功”化合物以进行后续测试，最终导致选择一个或多个药物候选物开始在人类临床试验中测试。
[0373] 在临床阶段，筛选测试药剂可以包括在受试者暴露于测试化合物之前和之后从测试受试者获得样品。然后可测量和分析过表达基因的蛋白质产物在样品中的水平，以确定蛋白质产物的水平和/或活性在暴露于测试药剂后是否改变。举例而言，样品中的蛋白质产物水平可以通过质谱、蛋白质印迹、ELISA和/或本领域技术人员已知的任何其它合适的方法测定。此外，蛋白质产物的活性，例如它们的酶活性，可以通过本领域已知的任何方法测定。这可包括，例如酶测定法，如分光光度法、荧光测定法、量热法、化学发光法、光散射法、微尺度热泳法、放射性测定法和色谱测定法。
[0374] 将认识到，可以常规检查已经用测试药剂治疗的受试者可能由治疗产生的任何生理效应。具体地，将评价测试药剂降低受试者中的癌症可能性或复发的能力。或者，如果将测试药剂施用于先前已诊断患有癌症的受试者，则将筛选它们减缓或停止癌症进展以及诱导疾病缓解的能力。
[0375] 在特定实施方式中，本发明可提供“伴随诊断”，由此检测为具有升高的表达的一个或多个基因是被抗癌治疗靶向的相同基因。
[0376] 在相关方面，本发明提供了通过上述方法鉴定的用于癌症治疗的药剂。
[0377] 适合地，癌症具有上文所述的类型，但不限于此。优选地，癌症具有选自GRHPR、NDUFC1、CAMSAP1、CETN3、EIF3K、STAU1、EXOSC7、COG8、CFDP1、KCNG1及其任意组合的过表达基因。
[0378] 在另一个相关方面，本发明提供了治疗哺乳动物中的癌症的方法，其包括如下步骤：对哺乳动物施用治疗有效量的上述药剂。
[0379] 在这方面，然后可以将鉴定为能够减少、消除、压制或抑制GRHPR，NDUFCl，CAMSAP1，CETN3，EIF3K，STAU1，EXOSC7，COG8，CFDP1和/或KCNG1的蛋白质产物的表达水平和/或活性的测试药剂施用于患有进展中癌症或处于进展中癌症风险的患者。例如，抑制或降低一个或多个前述基因的蛋白质产物的活性和/或表达的测试药剂的施用可治疗癌症和/或降低癌症风险，如果生物标记物的增加的活性至少部分地是癌症进展和/或发作的原因。
[0380] 适合地，癌症具有上文所述的类型，但不限于此。优选地，具有选自GRHPR、NDUFC1、CAMSAP1、CETN3、EIF3K、STAU1、EXOSC7、COG8、CFDP1、KCNG1或其组合的过表达基因。
[0382] 对于本发明，本文提供的基因或蛋白(例如表4、5、10、15、16、17和18中所示的那些)的数据库登录号或独特标识符，以及基因和/或蛋白序列或与其相关的序列，通过引用并入本文。
[0383] 参考以下非限制性实施例，使得可以完全理解本发明的优选实施方式并付诸实践。
[0384] 实施例
[0385] 实施例1
[0386] 材料和方法
[0387] TNBC中全局基因表达的荟萃分析
[0388] 在OncomineTM数据库19(Compendia Bioscience,MI)中，使用乳腺癌初级过滤器(130个数据集)、样本过滤器以使用临床标本和数据集过滤器来使用有超过151名患者的mRNA数据集(22个数据集)，我们进行了全局基因表达荟萃分析。包括所有年龄、性别、疾病阶段或治疗的患者。应用三个另外的过滤器以进行三个独立的差别分析：(1)三阴性(TNBC病例与非TNBC病例，8个数据集49-56)；(2)5年时的转移事件分析(转移事件与无转移事件，7个数据集53,54,57-61)和(3)5年时的生存(死亡的患者与生存的患者，7个数据49,54,56,58,61-63
集 )。基于数据集中过表达模式或低表达模式中中位数基因排名的中位数p值
选择失调基因(图8)。这三个失调基因列表的联合形成了侵袭性乳腺癌中的失调基因的基因列表(图9)。使用METABRIC数据集21作为进一步分析的验证集。从OncomineTM提取
METABRIC数据集的标准化z分数表达数据并将其导入具有内置RBioconductor包的BRB-
ArrayTools64(V4.2，Biometric Research Branch，NCI，Maryland，USA)。使用
Prism v6.0(GraphPad Software，CA，USA)建立METABRIC数据集的生存曲线，并且使用Log-rank(Mantel-Cox)检验对生存曲线进行统计比较。
集 )。基于数据集中过表达模式或低表达模式中中位数基因排名的中位数p值
选择失调基因(图8)。这三个失调基因列表的联合形成了侵袭性乳腺癌中的失调基因的基因列表(图9)。使用METABRIC数据集21作为进一步分析的验证集。从OncomineTM提取
METABRIC数据集的标准化z分数表达数据并将其导入具有内置RBioconductor包的BRB-
ArrayTools64(V4.2，Biometric Research Branch，NCI，Maryland，USA)。使用
Prism v6.0(GraphPad Software，CA，USA)建立METABRIC数据集的生存曲线，并且使用Log-rank(Mantel-Cox)检验对生存曲线进行统计比较。
[0389] Ingenuity途径分析和八基因列表的导出
[0390] 使用Ingenuity (Ingenuity CA)进行途径分析。对于中的途径分析，我们仅使用直接关系。在途径分析后，我们着手于鉴定概括侵袭性
206基因列表的最小基因列表。我们如下使用METABRIC数据集在BRB-ArrayTools软件中进行统计过滤，以得到最小基因列表：(1)使用Pearson's相关系数(单变量p值阈值为0.001)，通过数量性状分析确定CIN元基因和ER元基因中各个基因与该元基因自身的相关性；(2)使用单变量Cox比例风险模型(单变量检验p值<0.001)，确定各个基因与总体生存的关联；和(3)针对各个基因计算高侵袭性评分肿瘤和低侵袭性评分肿瘤之间基因表达的倍数变化。
我们选择具有与元基因的Pearson相关系数>0.7、生存相关最强且高侵袭性评分肿瘤和低侵袭性评分肿瘤之间失调超过2倍的基因。使用METABRIC数据集和四个可公开获得的数据集验证8基因评分。如先前所述67分析了四个数据集(GSE2506653、GSE349465、GSE299015、GSE203466)。
206基因列表的最小基因列表。我们如下使用METABRIC数据集在BRB-ArrayTools软件中进行统计过滤，以得到最小基因列表：(1)使用Pearson's相关系数(单变量p值阈值为0.001)，通过数量性状分析确定CIN元基因和ER元基因中各个基因与该元基因自身的相关性；(2)使用单变量Cox比例风险模型(单变量检验p值<0.001)，确定各个基因与总体生存的关联；和(3)针对各个基因计算高侵袭性评分肿瘤和低侵袭性评分肿瘤之间基因表达的倍数变化。
我们选择具有与元基因的Pearson相关系数>0.7、生存相关最强且高侵袭性评分肿瘤和低侵袭性评分肿瘤之间失调超过2倍的基因。使用METABRIC数据集和四个可公开获得的数据集验证8基因评分。如先前所述67分析了四个数据集(GSE2506653、GSE349465、GSE299015、GSE203466)。
[0391] 细胞培养和药物处理
[0392] 从ATCCTM(VA，USA)获得乳腺癌细胞系并且按照ATCCTM说明书进行培养。所有细胞系都定期测试支原体并使用STR分析进行鉴定。对于siRNA筛选，使用RNAiMAX(Life Technologies，CA，USA)，10nM各自的siRNA，用siRNA溶液(Shanghai Gene Pharma，中国)转染细胞(MDA-MB-231、SUM159PT和Hs578T)。对于药物处理，多西他赛和TTK抑制剂AZ3146购自Selleck Chemicals LLC(TX，USA)并在DMSO中稀释。在siRNA敲减或药物处理后6天，按照制造商说明书(Promega Corporation，WI，USA)使用CellTiter Assay测定细胞与对照相比的生存。对于免疫印迹，使用标准方案，并用针对TTK的抗体(抗MPS1小鼠单克隆抗体[Nl]ab11108(Abcam，Cambridge)和γ-微球蛋白 探测
膜，然后用加强版化学发光试剂(Milipore，MA，USA)显影。使用BD FACSCanto IITM流式细胞仪(BDBiosciences，CA，USA)，按照制造商说明书使用Annexin V-Alexa488和7-AAD(Life Technologies)进行流式细胞术以定量凋亡。
膜，然后用加强版化学发光试剂(Milipore，MA，USA)显影。使用BD FACSCanto IITM流式细胞仪(BDBiosciences，CA，USA)，按照制造商说明书使用Annexin V-Alexa488和7-AAD(Life Technologies)进行流式细胞术以定量凋亡。
[0393] 乳腺癌组织微阵列，免疫组织化学和生存分析
[0394] Brisbane Breast Bank从表示同意的患者收集了新鲜乳腺肿瘤样本；该研究由当地的伦理委员会批准。从来自1987年至1994年在Royal Brisbane and Women's Hospital进行切除术的患者的福尔马林固定、石蜡包埋(FFPE)的乳腺肿瘤样品的双份核心构建组织微阵列(TMA)。对于生物标志物分析，用针对ER、PR、Ki67、HER2、CK5/6、CK14、EGFR和TTK的抗体(表8)对全肿瘤切片或TMA(取决于标记物)进行染色，并由经培训的病理学家评分。按照制造商说明书，使用 Universal ABC试剂盒(Vector laboratories，CA)检测信号。将染色的切片以高分辨率扫描(ScanScope Aperio，Leica Microsystems，Wetzlar，Germany)，然后将图像分割成单独的核心，以使用Spectrum软件(Aperio)进行分析。从Queensland Cancer Registry和原始诊断病理学报告收集生存和其他临床数据，此外，我们还对每个病例用H&E染色的代表性肿瘤切片进行内部组织病理学审查(SRL)。对于HER2扩增分析，使用HER2CISH分析TMA。本研究中分配预后亚组的标准概述于图14中。
[0395] 其他统计分析
[0396] 使用 Prism v6.0准备统计分析。所用检验的类型在图例中说明。使用Windows版MedCalc，12.7版(MedCalc Software，Ostend，Belgium)进行单变量和多变量Cox比例风险回归分析。
[0397] 结果
[0398] TNBC中基因表达谱的荟萃分析
[0399] 使用OncomineTM数据库19(4.5版)，我们对已发布的基因表达数据(与平台无关)进行了荟萃分析。我们比较了8个数据集中492个TNBC病例的表达谱与1382个非TNBC病例的表达谱，并在TNBC病例中发现了1600个过表达基因和1580个低表达基因(来自Student’s t检验的8个数据集中的截止中位p值<1x10-5，图8)。我们还比较了在5年内发生转移的512名患者的表达谱与未发生转移的732名患者的原发性乳腺癌表达谱(总共7个数据集)，以鉴定转移病例中的500个过表达基因和480个低表达基因(来自Student’s t检验的7个数据集中的截止中位p值<0.05，图8)。最后，我们比较了7个数据集中5年内死亡的232名患者与生存的879名患者的原发性乳腺肿瘤表达谱，在差的生存者中发现了500个过表达基因和500个低表达基因(来自Student’s t检验的7个数据集中的截止中位p值<0.05，图8)。这些分析的联合——在TNBC和在5年内转移或导致死亡的肿瘤中的失调基因——产生了305个过表达基因和341个低表达基因的基因列表(图9A和B)。来自我们的分析的失调基因没有考虑与正常乳腺组织相比的失调。为了鉴定癌症相关基因，我们使用METABRIC(乳腺癌国际联盟的分子分类)数据集21作为验证数据集。在荟萃分析中鉴定的305个过表达基因和341个低表达基因中，117个过表达基因和89个低表达的基因(206个基因)在TNBC(250个病例)中相对于144个相邻正常组织失调(1.5倍数变化截止值；图9C和D)。
[0400] 侵袭性基因列表的临床病理特征
[0401] 我们将来自上述分析的206个基因(我们称为“侵袭性基因列表”，表4)与最近描述16,17
的元基因吸引子 进行比较，发现45个过表达基因在CIN元基因中，而19个低表达基因在ER元基因中(图10)。侵袭性基因列表的表达在METABRIC数据集中可视化，通过GENUIS分类22根据组织学亚型分层。如图1A所示，与相邻正常乳腺组织相比，ER-/HER2-(TNBC)显示最高的CIN基因上调(热图中的红色)和ER信号传导基因下调(热图中的绿色)。其他亚型的肿瘤显示出这些基因的一系列失调。为了量化这些趋势，我们将“侵袭性评分”计算为CIN元基因(CIN基因表达的平均值)与ER元基因(ER基因表达的平均值)的比率。ER-/HER2-(TNBC)的侵袭性评分最高，然后是HER2+，然后是ER+肿瘤(图1中的框图)。我们还分析了由PAM50分类8预先定义的五种内在乳腺癌亚型的侵袭性评分，和在通过基因表达和拷贝数数据亚型21的组合聚类定义的十种综合聚类(intClust)亚型的侵袭性评分(图11)。侵袭性评分在对于TNBC富集并具有差的预后的基底样和intClust 10亚型中最高。
的元基因吸引子 进行比较，发现45个过表达基因在CIN元基因中，而19个低表达基因在ER元基因中(图10)。侵袭性基因列表的表达在METABRIC数据集中可视化，通过GENUIS分类22根据组织学亚型分层。如图1A所示，与相邻正常乳腺组织相比，ER-/HER2-(TNBC)显示最高的CIN基因上调(热图中的红色)和ER信号传导基因下调(热图中的绿色)。其他亚型的肿瘤显示出这些基因的一系列失调。为了量化这些趋势，我们将“侵袭性评分”计算为CIN元基因(CIN基因表达的平均值)与ER元基因(ER基因表达的平均值)的比率。ER-/HER2-(TNBC)的侵袭性评分最高，然后是HER2+，然后是ER+肿瘤(图1中的框图)。我们还分析了由PAM50分类8预先定义的五种内在乳腺癌亚型的侵袭性评分，和在通过基因表达和拷贝数数据亚型21的组合聚类定义的十种综合聚类(intClust)亚型的侵袭性评分(图11)。侵袭性评分在对于TNBC富集并具有差的预后的基底样和intClust 10亚型中最高。
[0402] 有趣的是，多种亚型的肿瘤得分高于侵袭性评分中位数(图1和图11中框图的直线)。为此，我们检查了METABRIC数据集中患者的总体生存，该数据集由四分位数分层，并且还由侵袭性评分中位数二分。侵袭性评分高的肿瘤比侵略性评分低的那些具有更差的生+存。侵袭性评分高的非TNBC肿瘤患者的生存具有类似于TNBC患者的差的生存(图1B)。在ER肿瘤中，我们发现高侵袭性评分预测了2级(图1B)肿瘤和3级(图11)肿瘤二者中差的生存率。侵袭性评分高的肿瘤显示出差的生存，不管是什么PAM50内在乳腺癌亚型(图11)。PAM50分类法仅在低侵袭性评分肿瘤中是预测性的(图12)。
[0403] 与患者生存相关的侵袭性基因列表中的直接相互作用的一个网络
[0404] 使用Ingenuity途径分析 我们对侵袭性基因列表进行网络分析，并发现了具有在206个失调基因中的97个之间的直接相互作用的网络(图2A)。为了找到代表侵袭性基因和这个网络的最少基因，分析了该网络中的97个基因与METABRIC数据集中的CIN元基因或ER元基因以及总体生存的相关性(表5)。我们根据以下标准选择基因：(1)与元基因的最高相关性(Pearson相关系数>0.7)；(2)与总体生存的关联(Cox比例风险模型，p<
0.001)，和(3)在高和低侵袭性评分肿瘤之间，标准偏差最小的超过2倍的表达失调。这些分析鉴定了来自ER元基因的两个基因(MAPT和MYB)和来自CIN元基因的六个基因(MELK、
MCM10、CENPA、EXO1、TTK和KIF2C)。这8个基因在直接连接的网络中保持(图2B)。通过微阵列(PAM)分析的预测(数据未显示)，从这八个基因的肿瘤分类(高于中位数与低于中位数)，再次代表CIN元基因与ER元基因的比率，以95％灵敏度和97％特异性预测了从206个基因的分类。重要的是，来自这8个基因的高评分在所有患者、非TNBC患者和ER+2级患者中鉴定出差的生存(图2C)。
0.001)，和(3)在高和低侵袭性评分肿瘤之间，标准偏差最小的超过2倍的表达失调。这些分析鉴定了来自ER元基因的两个基因(MAPT和MYB)和来自CIN元基因的六个基因(MELK、
MCM10、CENPA、EXO1、TTK和KIF2C)。这8个基因在直接连接的网络中保持(图2B)。通过微阵列(PAM)分析的预测(数据未显示)，从这八个基因的肿瘤分类(高于中位数与低于中位数)，再次代表CIN元基因与ER元基因的比率，以95％灵敏度和97％特异性预测了从206个基因的分类。重要的是，来自这8个基因的高评分在所有患者、非TNBC患者和ER+2级患者中鉴定出差的生存(图2C)。
[0405] 接下来，我们探索了8基因评分在METABRIC数据集中的多种分子和组织学环境中的预后。按照8-基因评分将具有野生型TP53的肿瘤患者的生存分层(图3A)。具有突变的TP53的患者(其大部分有高评分)显示出比具有野生型TP53的患者更差的生存，表明TP53突变是独立的预后因素。按照8-基因评分将具有低或高增殖标志物Ki67表达的肿瘤患者分层，表明8-基因评分与增殖无关(图3A)。我们还发现8-基因评分将来自所有疾病阶段的患者的生存进行分层(I期-III期，图3A)。我们集中于ER+，并且发现，如在ER+2级肿瘤的情况下(图2C)；8-基因评分将ER+3级肿瘤患者的生存分层(图3B)。重要的是，8-基因评分鉴定了分别具有与ER-LN-和ER-LN+患者类似的差的生存的ER+LN-和ER+LN+患者(图3B)。高8-基因评分鉴定了所有PAM50亚型肿瘤患者的差的生存，并且通过PAM50分类作出的预后仅在低8-基因评分肿瘤中明显(图12)。
[0406] 多变量生存分析中的8-基因侵袭性评分
[0407] 为了排除使用206个基因或8个基因计算的侵袭性评分是多余的可能性；与常规临床变量和现有基因印记进行比较，我们在METABRIC数据集(使用Illumina平台)中进行多变量Cox比例风险模型分析。如表1所述，侵袭性评分与常规变量相比与患者生存显著相关，并且优于MammaPrint9、OncotypeDx10,11、增殖/细胞周期16,20和CIN20印记。而且，我们的侵袭性评分优于最近从CIN印记开发的CIN4分类法23。
[0408] 使用在线工具Kaplan-Meier(KM)-绘图器24(表6和表7)，其具有超过2000名患者的基因表达和生存数据(但不是METABRIC数据集的一部分)，我们验证了单变量生存关联中的六个CIN基因和两个ER基因。我们发现六个过表达基因(MELK、MCM10、CENPA、EXO1、TTK和KIF2C)的总体表达与所有患者、ER+患者，淋巴结阴性(LN-)或阳性(LN+)患者中的无复发生存(RFS)和无远端转移生存(DMFS)显著相关(表6)。在这些患者组中，两个低表达基因(MAPT和MYB)也与RFS和DMFS显著相关(表7)。
[0409] 更重要的是，我们在四个数据集(来自Gene Expression Omnibus[GEO]的Affymetrix平台；GSE2990、GSE3494、GSE2034和GSE25066)中进行了8-基因评分的多变量生存分析。再次地，在所测试的每个数据集中，该评分与多变量Cox比例风险模型中的生存显著相关(图4)。总的来说，我们发现，在使用不同平台的多个数据集中，8-基因评分与其他临床病理学指标无关地鉴定了具有差的生存的患者，并优于现有印记。
[0410] 侵袭性基因列表中的治疗靶点
[0411] CIN元基因中的过表达基因参与或调节有丝分裂、纺锤体装配和检查点、着丝粒附着、染色体分离和有丝分裂退出。因此，不出意外的是，一些过表达基因是分子抑制剂如CDK125,26和AURKA/AURKB27的靶点，并且已经在临床前和临床上进行试验28。为此，我们在三个TNBC细胞系(MDA-MB-231、SUM159PT和Hs578T)中对CIN元基因的25个基因进行了siRNA耗竭。我们发现四个基因(TTK、TPX2、NDC80和PBK)的敲减一致地影响了这些细胞的生存(图5A和表5)。TTK的敲减显示了最差的生存，并且因为它在8-基因评分中，我们选择TTK进行进一步研究。我们发现与接近正常的MCF10A细胞系和luminal/HER2细胞系相比，TTK蛋白在TNBC细胞系中更高(图5B)。接下来，我们使用针对一组乳腺癌细胞系的特异性TTK抑制剂(TTKi)，AZ3146，发现TNBC细胞系对TTKi更敏感(图5C)。
[0412] 侵袭性肿瘤中的TTK表达和联合治疗的潜力
[0413] 为了进一步研究TTK作为治疗靶点的潜力，我们研究了乳腺癌患者中mRNA水平和蛋白水平的TTK表达。在2000名患者的METABRIC数据集中，我们分析了中位数二分的TTK mRNA表达与临床病理学指标的相关性(表2)。高TTK mRNA表达与更低年龄的肿瘤诊断、更大的肿瘤大小、更高的肿瘤等级、更高的Ki67表达、TP53突变、ER/PR阴性肿瘤表型、HER2阳性和TNBC相关。基于PAM50亚型化，高TTK mRNA与luminal B、HER2富集和基底样肿瘤相关。
[0414] 我们还通过IHC分析了乳腺癌患者(406名患者)群组中的TTK表达。在细胞周期的所有阶段都检测到TTK及其活性，然而，其在有丝分裂期间上调29。因此，为了排除有丝分裂期间升高的TTK水平的偏倚，我们观察了非有丝分裂细胞中的TTK染色以定义高TTK水平(评分为3)。与TTK mRNA相似，高TTK蛋白水平(表3)与高肿瘤等级、高Ki67表达和TNBC状态(特别是基底TNBC)相关。此外，和TTK mRNA与PAM50内在亚型的关联相一致，在HER2阳性和增殖性ER+/HER2-肿瘤(与luminal B最相关)中观察到高TTK蛋白，但在非增殖性ER+/HER2-肿瘤(与luminal A最相关)中观察到低TTK蛋白。除了这些与侵袭性表型的关联之外，我们还发现高TTK蛋白与侵袭性组织学特征(包括导管组织学、不断推进的肿瘤边界、淋巴结转移、核多形性、淋巴细胞浸润和更高的有丝分裂分数)显著相关(表3)。总的来说，与来自206个或8个基因的高侵袭性评分类似，TTK mRNA和蛋白的高水平跨越乳腺癌亚型标记侵袭性行为。
[0415] 我们检查了TTK蛋白水平与患者生存的关联，并发现在5年(图6A和B)和10年和20年(图13)时，具有高TTK染色(类别3)的乳腺肿瘤具有比其他染色组更差的生存。重要的是，高TTK染色(类别3)不限于特定的组织学亚组或具有高有丝分裂指数的肿瘤(图6C)。接下来，我们聚焦于侵袭性亚组(3级、淋巴结阳性、TNBC、HER2或高Ki67)的预后，并发现高TTK蛋白水平鉴定了异常侵袭性肿瘤，其导致少于2年的差的生存(图7A)。最后，为了利用我们的以下发现：TTK作为侵袭性评分的一部分与侵袭性乳腺肿瘤相关并且TTK抑制在过表达这种蛋白的TNBC细胞系中有效(图5)，我们研究了将TTK抑制与化疗结合的治疗潜力。我们发现，在过表达TTK的TNBC细胞系的治疗中，与不过表达TTK的细胞系相比，TTKi与非常低水平(亚致死剂量)的多西他赛协同(图7B)，并且该组合诱导凋亡性细胞死亡(图7C)。
[0416] 肺腺癌中的CIN元基因和ER元基因
[0417] 还有理由相信，元基因印记可以适用于其他癌症，如肺癌。图15提供了按照十(10)个CIN基因(包括上述六(6)个基因以及CENPN、CEP55、FOXM1和TPX2)划分，以及按照两(2)个ER基因MAPT和MYB作为印记划分的肺癌患者的总生存曲线；患者根据印记中位数分为低或高。当在肺癌患者的多变量Cox回归分析中针对AJCC T(大小)和N(淋巴结)阶段(肿瘤大小(T阶段)和淋巴结状态(N阶段))作出调整时，该印记优于肿瘤等级和疾病阶段并且保持显著(表9)。特别是，该印记在肺腺癌中是预测性的。即使当包括6个CIN基因和2个ER基因的最小基因组时，肺腺癌的预后也是显著的。
[0418] 在图16A中，我们显示了TCGA数据集中乳腺癌患者的全局基因表达(通过RNA seq)。从这些数据中，研究8-基因评分(侵袭性评分)和Oncotype Dx(复发评分)与生存的关联。8-基因评分比Oncotype Dx更好地将乳腺癌生存分层(图16B)。进一步地，8-基因评分(侵袭性评分)鉴定了具有高基因组拷贝数变异的肿瘤，所述高基因组拷贝数变异参与整个染色体臂的缺失和复制，反映出非整倍体(图16C)。
[0419] 我们还发现8-基因评分(侵袭性评分)比Oncotype Dx更好地在TCGA数据中将总体上所有癌症的生存分层(图17)，并且8-基因评分(侵袭性评分)在每种测试的癌症中都是预测性的(图18)。类似地，如在乳腺癌中(图16C)，8-基因评分(侵袭性评分)鉴定了具有高基因组拷贝数变异的所有癌症类型的肿瘤，所述高基因组拷贝数变异涉及整个染色体臂的缺失和重复(反映出非整倍性)(数据未显示)。这些癌症类型包括乳腺癌、膀胱癌、结肠直肠癌、成胶质细胞瘤、低等级胶质瘤、头颈癌、肾癌、肝癌、肺腺癌、急性髓性白血病、胰腺癌和肺鳞状细胞癌。
[0420] 讨论
[0421] OncomineTM数据库中基因表达的这种荟萃分析鉴定了206个基因的列表以两种核心生物学功能/元基因富集：染色体不稳定性(CIN)和ER信号传导。我们计算了侵袭性评分——CIN元基因与ER元基因的比率，其与乳腺癌的总体生存相关。8个基因(6个CIN基因和2个ER信号传导基因)的核心是代表性的，并概括了与206个基因的结果的相关性。来自6个CIN基因与2个ER信号传导基因的评分，即8-基因评分，与严重乳腺癌数据集中的生存相关。
在多变量生存分析中，我们的侵袭性评分优于常规变量和已公布的印记。特别是在ER+肿瘤中，一些病例的生存与侵袭性HER2+和TNBC亚型一样差。我们的数据表明癌症相关的生物学功能(即CIN和ER信号传导)的相互作用是比单个基因或单一功能更好的表型预测子。这个见解与最近的研究一致，所述研究显示生物学驱动的预测子的相互作用提供了更好的预后16,17,30。最近，所有ER-肿瘤都被描述为具有高水平的CIN元基因，然而，ER+肿瘤是否可以被描述为低CIN肿瘤是不清楚的16。在我们的研究中，我们明确了ER+疾病包含相当大部分的具有高CIN基因水平的肿瘤，并且CIN基因与ER基因之间的相关性是这些患者的生存的有力预测子。
在多变量生存分析中，我们的侵袭性评分优于常规变量和已公布的印记。特别是在ER+肿瘤中，一些病例的生存与侵袭性HER2+和TNBC亚型一样差。我们的数据表明癌症相关的生物学功能(即CIN和ER信号传导)的相互作用是比单个基因或单一功能更好的表型预测子。这个见解与最近的研究一致，所述研究显示生物学驱动的预测子的相互作用提供了更好的预后16,17,30。最近，所有ER-肿瘤都被描述为具有高水平的CIN元基因，然而，ER+肿瘤是否可以被描述为低CIN肿瘤是不清楚的16。在我们的研究中，我们明确了ER+疾病包含相当大部分的具有高CIN基因水平的肿瘤，并且CIN基因与ER基因之间的相关性是这些患者的生存的有力预测子。
[0422] 染色体分离的保真度通过在严格控制的过程中微管从染色体的有丝分裂纺锤体到着丝粒的适当附着而确保，并且CIN是指整个染色体的错误分离，因此产生非整倍性31。使用非整倍性作为CIN的替代标记物，Carter等开发了一种基因印记，并发现该“CIN印记”预测多种癌症中的临床结果20。最近，一个最小基因组(其捕获CIN印记，CIN4(AURKA、FOXM1、TOP2A和TPX2))被描述为来自FFPE组织的肿瘤非整倍性的第一临床可用qPCR衍生测量。由于2级肿瘤在临床结果方面具有异质特征，CIN4分级的意义在于将2级肿瘤分层为良好预后组和不良预后组23。我们的侵袭性评分在所有肿瘤等级和疾病阶段(I-III期，以及淋巴结阴性和淋巴结阳性)中都是预测性的，并且在METABRIC数据集多变量生存分析中优于CIN印记32,33
和CIN4分类。引人注目的是，但与此前的研究 一致，使用CIN元基因和我们来自基因表达水平的侵袭性评分的预后被限制在ER+疾病，而非TNBC或HER2亚型。根据我们的结果和此前已公布的16，这可以被解释为ER-肿瘤具有高CIN元基因水平。然而，我们TTK蛋白水平的结果清楚地证实，TNBC肿瘤、HER2肿瘤、高等级肿瘤、淋巴结阳性肿瘤和增殖性肿瘤包含具有高TTK水平的亚组(不包括有丝分裂细胞)，并且有着比具有低TTK表达或有丝分裂细胞中的TTK表达的那些更差的生存。我们提出存在两种类型的高CIN基因表达，其通过mRNA表达研究可能不被清楚地区分。一种形式的升高的CIN基因涉及高水平的有丝分裂和增殖，而我们通过IHC测量的不包括有丝分裂细胞的第二种形式是由另一侵袭性表型驱动；非整倍性的保护和基因组不稳定性。最近对CIN4分类器的研究为我们的主张提供了支持。在本研究中，使用流式细胞术通过DNA含量测量非整倍性，作者发现具有高CIN4评分的大部分肿瘤具有正常的DNA倍数，并且大部分非整倍体案例具有低CIN4评分23。
和CIN4分类。引人注目的是，但与此前的研究 一致，使用CIN元基因和我们来自基因表达水平的侵袭性评分的预后被限制在ER+疾病，而非TNBC或HER2亚型。根据我们的结果和此前已公布的16，这可以被解释为ER-肿瘤具有高CIN元基因水平。然而，我们TTK蛋白水平的结果清楚地证实，TNBC肿瘤、HER2肿瘤、高等级肿瘤、淋巴结阳性肿瘤和增殖性肿瘤包含具有高TTK水平的亚组(不包括有丝分裂细胞)，并且有着比具有低TTK表达或有丝分裂细胞中的TTK表达的那些更差的生存。我们提出存在两种类型的高CIN基因表达，其通过mRNA表达研究可能不被清楚地区分。一种形式的升高的CIN基因涉及高水平的有丝分裂和增殖，而我们通过IHC测量的不包括有丝分裂细胞的第二种形式是由另一侵袭性表型驱动；非整倍性的保护和基因组不稳定性。最近对CIN4分类器的研究为我们的主张提供了支持。在本研究中，使用流式细胞术通过DNA含量测量非整倍性，作者发现具有高CIN4评分的大部分肿瘤具有正常的DNA倍数，并且大部分非整倍体案例具有低CIN4评分23。
[0423] 染色体错误分离和非整倍性增强了基因重组和缺陷性DNA损伤修复34以驱动瘤发生所需的“突变体表型”35。由失调有丝分裂纺锤体装配检查点(SAC)和非整倍性引起的基因组不稳定性已被称为“非致癌基因成瘾(non-oncogene addiction)”36,37。有吸引力的是表明由于癌症干细胞、非整倍性和治疗抗性之间的联系，CIN和非整倍性被TNBC中含量高的乳腺癌干细胞利用38。这得到了研究的支持，其指出了在肿瘤起始、进展和癌症干细胞中涉及SAC和染色体分离的多种基因，例如：卵巢癌中的AURKA41、成胶质细胞瘤中的MELK/FOXM142,43 44 45 46、乳腺癌中的MELK 和MAD2 和多种癌症中的SKP2 。CIN基因保护非整倍性的作用可以为如下矛盾提供深入了解：TNBC由于更高的增殖水平而对化疗显示更好的响应，但这些肿瘤却具有更差的结果。我们提出TNBC中的抗性可以归因于非整倍体细胞适应和驱动复发的能力。至少在体内，化疗已显示诱导增殖静止的非整倍体细胞为治疗抗性的机制39。我们设想TNBC中CIN元基因特别是参与染色体分离的基因的高水平保护了这种状态。事实上，一项研究发现高TTK水平保护了乳腺癌细胞中的非整倍性，其沉默则降低了乳腺癌细胞系在体内的致瘤性47。我们来自患者群组的结果证明了高TTK蛋白表达(除有丝分裂)确实是侵袭性肿瘤预测性的，并且支持了非整倍性的保护和基因组不稳定是推动差的结果的侵袭性表型的观点。
[0424] 我们与TTK分子抑制剂结果(与使用siRNA耗竭的已发布研究一致47,48)支持了在具有高CIN表型的肿瘤中靶向染色体分离作为治疗策略的想法。我们还建议，尽管如先前描述TTK在TNBC中是高的47,48，显示侵袭性特征的相当大比例的非TNBC肿瘤也显示CIN基因的升高水平，并且将从这样的靶向疗法中获益。据我们所知，亚致死剂量的紫杉烷与TTK抑制剂的组合迄今尚未在乳腺癌中(但已在其它癌症中)进行研究33,50-53。我们的研究结果表明TTK抑制确实使具有高TTK的乳腺癌细胞对多西他赛敏感。
[0425] 特别参照图16-18，以及8-基因评分(侵袭性评分)，其对于治疗后癌症患者的生存是预测性的，侵袭性评分还鉴定了具有涉及整个染色体臂的高拷贝数变异的肿瘤，反映出非整倍体状态。因此，侵袭性评分还可以充当通过靶向表4中所列的基因(包括用于产生侵67-70 71,72
袭性评分的8个基因(例如TTK ))，或通过靶向非整倍体状态的其他药物(例如PLK1
或其他73-76)而靶向非整倍性的药物的伴随诊断。
袭性评分的8个基因(例如TTK ))，或通过靶向非整倍体状态的其他药物(例如PLK1
或其他73-76)而靶向非整倍性的药物的伴随诊断。
[0426] 总之，我们的研究强调了基于生物学表型的乳腺癌分类有助于理解致癌表型和治疗潜力的驱动因素。重要的是，我们的研究证明CIN基因(在这里以TTK为例)的IHC评估为CIN对肿瘤侵袭性和预后的贡献提供了更好的表征和理解。
[0427] 贯穿本说明书，目的是描述本发明的优选实施方式，而不将本发明限制于任何一种实施方式或特定的特征集合。可以对在本文中描述和说明的实施方式作出各种改变和改动，而不背离本发明的主要精神和范围。
[0428] 本文提及的所有计算机程序、算法、专利和科学文献都通过引用整体全文并入本文。
[0429] 参考文献
[0430] 1.Liedtke C,Mazouni C,Hess KR,Andre F,Tordai A,Mejia JA等.Response to neoadjuvant therapy and long-term survival in patients with triple-negative breast cancer.J Clin Oncol 2008；26:1275-1281.
[0431] 2.Carey LA,Dees EC,Sawyer L,Gatti L,Moore DT,Collichio F等.The triple negative paradox:primary tumor chemosensitivity of breast cancer subtypes.Clin Cancer Res 2007；13:2329-2334.
[0432] 3.von Minckwitz G,Untch M,Blohmer JU,Costa SD,Eidtmann H,Fasching PA等.Definition and impact of pathologic complete response on prognosis after neoadjuvant chemotherapy in various intrinsic breast cancer subtypes.J Clin Oncol 2012；30:1796-1804.
[0433] 4.Sorlie T,Perou CM,Tibshirani R,Aas T,Geisler S,Johnsen H等.Gene expression patterns of breast carcinomas distinguish tumor subclasses with clinical implications.Proceedings of the National Academy of Sciences of the United States of America 2001；98:10869-10874.
[0434] 5.Perou CM,Sorlie T,Eisen MB,van de Rijn M,Jeffrey SS,Rees CA等.Molecular portraits of human breast tumours.Nature 2000；406:747-752.
[0435] 6.Weigelt B,Hu Z,He X,Livasy C,Carey LA,Ewend MG等.Molecular portraits and 70-gene prognosis signature are preserved throughout the
metastatic process of breast cancer.Cancer research 2005；65:9155-9158.
metastatic process of breast cancer.Cancer research 2005；65:9155-9158.
[0436] 7.Hu Z,Fan C,Oh DS,Marron JS,He X,Qaqish BF等.The molecular portraits of breast tumors are conserved across microarray platforms.BMC genomics 2006；7:96-107.
[0437] 8.Parker JS,Mullins M,Cheang MC,Leung S,Voduc D,Vickery T等.Supervised risk predictor of breast cancer based on intrinsic subtypes.J
Clin Oncol 2009；27:1160-1167.
Clin Oncol 2009；27:1160-1167.
[0438] 9.van't Veer LJ,Dai H,van de Vijver MJ,He YD,Hart AA,Mao M等.Gene expression profiling predicts clinical outcome of breast cancer.Nature 2002；
415:530-536.
415:530-536.
[0439] 10.Paik S,Shak S,Tang G,Kim C,Baker J,Cronin M等.A multigene assay to predict recurrence of tamoxifen-treated,node-negative breast cancer.The New England journal of medicine 2004；351:2817-2826.
[0440] 11.Buyse M,Loi S,van't Veer L,Viale G,Delorenzi M,Glas AM等.Validation and clinical utility of a 70-gene prognostic signature for women with node-negative breast cancer.Journal of the National Cancer Institute
2006；98:1183-1192.
2006；98:1183-1192.
[0441] 12.Loi S,Haibe-Kains B,Desmedt C,Lallemand F,Tutt AM,Gillet C等.Definition of clinically distinct molecular subtypes in estrogen receptor-positive breast carcinomas through genomic grade.J Clin Oncol2007；25:1239-
1246.
1246.
[0442] 13.Ma XJ,Salunga R,Dahiya S,Wang W,Carney E,Durbecq V等.A five-gene molecular grade index and HOXB13:IL17BR are complementary prognostic factors in early stage breast cancer.Clin Cancer Res 2008；14:2601-2608.
[0443] 14.Ma XJ,Wang Z,Ryan PD,Isakoff SJ,Barmettler A,Fuller A等.A two-gene expression ratio predicts clinical outcome in breast cancer patients treated with tamoxifen.Cancer cell 2004；5:607-616.
[0444] 15.Sotiriou C,Wirapati P,Loi S,Harris A,Fox S,Smeds J等.Gene expression profiling in breast cancer:understanding the molecular basis of histologic grade to improve prognosis.Journal of the National Cancer
Institute 2006；98:262-272.
Institute 2006；98:262-272.
[0445] 16.Cheng WY,Ou Yang TH,Anastassiou D.Biomolecular events in cancer revealed by attractor metagenes.PLoS Comput Biol 2013；9:e1002920.
[0446] 17.Cheng WY,Ou Yang TH,Anastassiou D.Development of a prognostic model for breast cancer survival in an open challenge environment.Sci Transl Med 2013；5:181ra150.
[0447] 18.Dai H,van't Veer L,Lamb J,He YD,Mao M,Fine BM等.A cell proliferation signature is a marker of extremely poor outcome in a
subpopulation of breast cancer patients.Cancer research 2005；65:4059-4066.[0448] 19.Rhodes DR,Yu J,Shanker K,Deshpande N,Varambally R,Ghosh D等
.ONCOMINE:a cancer microarray database and integrated data-mining
platform.Neoplasia(New York,NY 2004；6:1-6.
subpopulation of breast cancer patients.Cancer research 2005；65:4059-4066.[0448] 19.Rhodes DR,Yu J,Shanker K,Deshpande N,Varambally R,Ghosh D等
.ONCOMINE:a cancer microarray database and integrated data-mining
platform.Neoplasia(New York,NY 2004；6:1-6.
[0449] 20.Carter SL,Eklund AC,Kohane IS,Harris LN,Szallasi Z.A signature of chromosomal instability inferred from gene expression profiles predicts clinical outcome in multiple human cancers.Nature genetics 2006；38:1043-1048.[0450] 21.Curtis C,Shah SP,Chin SF,Turashvili G,Rueda OM,Dunning MJ等.The
genomic and transcriptomic architecture of 2,000breasttumours reveals novel subgroups.Nature 2012；486:346-352.
genomic and transcriptomic architecture of 2,000breasttumours reveals novel subgroups.Nature 2012；486:346-352.
[0451] 22.Haibe-Kains B,Desmedt C,Rothe F,Piccart M,Sotiriou C,Bontempi G.A fuzzy gene expression-based computational approach improves breast cancer prognostication.Genome Biol 2010；11:R18.
[0452] 23.Szasz AM,Li Q,Eklund AC,Sztupinszki Z,Rowan A,Tokes AM等.The CIN4chromosomal instability qPCR classifier defines tumor aneuploidy and
stratifies outcome in grade 2breast cancer.PLoS ONE2013；8:e56707.
stratifies outcome in grade 2breast cancer.PLoS ONE2013；8:e56707.
[0453] 24.Gyorffy B,Lanczky A,Eklund AC,Denkert C,Budczies J,Li Q等.An online survival analysis tool to rapidly assess the effect of 22,277genes on breast cancer prognosis using microarray data of 1,809patients.Breast cancer research and treatment 2010；123:725-731.
[0454] 25.Rizzolio F,Tuccinardi T,Caligiuri I,Lucchetti C,Giordano A.CDK inhibitors:from the bench to clinical trials.Curr Drug Targets 2010；11:279-
290.
290.
[0455] 26.Horiuchi D,Kusdra L,Huskey NE,Chandriani S,Lenburg ME,Gonzalez-Angulo AM等.MYC pathway activation in triple-negative breast cancer is
synthetic lethal with CDK inhibition.The Journal of experimental medicine
2012；209:679-696.
synthetic lethal with CDK inhibition.The Journal of experimental medicine
2012；209:679-696.
[0456] 27.Manchado E,Guillamot M,Malumbres M.Killing cells by targeting mitosis.Cell death and differentiation 2012.
[0457] 28.Janssen A,Medema RH.Mitosis as an anti-cancer target.Oncogene 2011；30:2799-2809.
[0458] 29.Stucke VM,Sillje HH,Arnaud L,Nigg EA.Human Mpsl kinase is required for the spindle assembly checkpoint but not for centrosome duplication.The EMBO journal 2002；21:1723-1732.
[0459] 30.Nagalla S,Chou JW,Willingham MC,Ruiz J,Vaughn JP,Dubey P等.Interactions between immunity,proliferation and molecular subtype in breast cancer prognosis.Genome Biol 2013；14:R34.
[0460] 31.Bakhoum SF,Compton DA.Chromosomal instability and cancer:a complex relationship with therapeutic potential.The Journal of clinical investigation 2012；122:1138-1143.
[0461] 32.Roylance R,Endesfelder D,Gorman P,Burrell RA,Sander J,Tomlinson I等.Relationship of extreme chromosomal instability with long-term survival in a retrospective analysis of primary breast cancer.Cancer Epidemiol Biomarkers Prev 2011:20:2183-2194.
[0462] 33.Birkbak NJ,Eklund AC,Li Q,McClelland SE,Endesfelder D,Tan P等.Paradoxical relationship between chromosomal instability and survival
outcome in cancer.Cancer research 2011；71:3447-3452.
outcome in cancer.Cancer research 2011；71:3447-3452.
[0463] 34.Janssen A,van der Burg M,Szuhai K,Kops GJ,Medema RH.Chromosome segregation errors as a cause of DNA damage and structural chromosome
aberrations.Science(New York,NY 2011；333:1895-1898.
aberrations.Science(New York,NY 2011；333:1895-1898.
[0464] 35.Kolodner RD,Cleveland DW,Putnam CD.Cancer.Aneuploidy drives a mutator phenotype in cancer.Science(New York,NY 2011；333:942-943.
[0465] 36.Luo J,Solimini NL,Elledge SJ.Principles of cancer therapy:oncogene and non-oncogene addiction.Cell 2009；136:823-837.
[0466] 37.Hanahan D,Weinberg RA.Hallmarks of cancer:the next generation.Cell 2011；144:646-674.
[0467] 38.Al-Ejeh F,Smart CE,Morrison BJ,Chenevix-Trench G,Lopez JA,Lakhani SR等.Breast cancer stem cells:treatment resistance and therapeutic opportunities.Carcinogenesis 2011；32:650-658.
[0468] 39.Kusumbe AP,Bapat SA.Cancer stem cells and aneuploid populations within developing tumors are the major determinants of tumor dormancy.Cancer research 2009；69:9245-9253.
[0469] 40.Liang Y,Zhong Z,Huang Y,Deng W,Cao J,Tsao G等.Stem-like cancer cells are inducible by increasing genomic instability in cancer cells.The
Journal of biological chemistry 2010；285:4931-4940.
Journal of biological chemistry 2010；285:4931-4940.
[0470] 41.Do TV,Xiao F,Bickel LE,Klein-Szanto AJ,Pathak HB,Hua X等.Aurora kinase A mediates epithelial ovarian cancer cell migration and
adhesion.Oncogene 2014；33:539-549.
adhesion.Oncogene 2014；33:539-549.
[0471] 42.Joshi K,Banasavadi-Siddegowda Y,Mo X,Kim SH,Mao P,Kig C等.MELK-dependent FOXM1phosphorylation is essential for proliferation of glioma stem cells.Stem cells(Dayton,Ohio)2013；31:1051-1063.
[0472] 43.Gu C,Banasavadi-Siddegowda YK,Joshi K,Nakamura Y,Kurt H,Gupta S等.Tumor-specific activation of the C-JUN/MELK pathway regulates glioma stem cell growth in a p53-dependent manner.Stem cells(Dayton,Ohio)2013；31:870-881.[0473] 44.Hebbard LW,Maurer J,Miller A,Lesperance J,Hassell J,Oshima RG等.
[0474] Maternal embryonic leucine zipper kinase is upregulated and required in mammary tumor-initiating cells in vivo.Cancer research 2010；70:8863-8873.[0475] 45.Schvartzman JM,Duijf PH,Sotillo R,Coker C,Benezra R.Mad2is a critical mediator of the chromosome instability observed upon Rb and
p53pathway inhibition.Cancer cell 2011；19:701-714.
p53pathway inhibition.Cancer cell 2011；19:701-714.
[0476] 46.Chan CH,Morrow JK,Li CF,Gao Y,Jin G,Moten A等.Pharmacological inactivation of Skp2SCF ubiquitin ligase restricts cancer stem cell traits and cancer progression.Cell 2013；154:556-568.
[0477] 47.Daniel J,Coulter J,Woo JH,Wilsbach K,Gabrielson E.High levels of the Mpsl checkpoint protein are protective of aneuploidy in breast cancer cells.Proceedings of the National Academy of Sciences of the United States of America 2011；108:5384-5389.
[0478] 48.Maire V,Baldeyron C,Richardson M,Tesson B,Vincent-Salomon A,Gravier E等.TTK/hMPS1is an attractive therapeutic target for triple-negative breast cancer.PLoS ONE 2013；8:e63712.
[0479] 49.Bild AH,Yao G,Chang JT,Wang Q,Potti A,Chasse D等.Oncogenic pathway signatures in human cancers as a guide to targeted therapies.Nature 2006；439:353-357.
[0480] 50.Bittner M.Expression Project for Oncology-Breast Samples.International Genomics Consortium,Phoeniz,AZ 85004Oncomine.Not
Published 2005/01/15
Published 2005/01/15
[0481] 51.Bonnefoi H,Potti A,Delorenzi M,Mauriac L,Campone M,Tubiana-Hulin M等.Validation of gene signatures that predict the response of breast cancer to neoadjuvant chemotherapy:a sub study of the EORTC 10994/BIG 00-01clinical trial.The lancet oncology 2007；8:1071-1078.
[0482] 52.Gluck S,Ross JS,Royce M,McKenna EF,Jr.,Perou CM,Avisar E等.TP53genomics predict higher clinical and pathologic tumor response in
operable early-stage breast cancer treated with docetaxel-capecitabine+/-
trastuzumab.Breast cancer research and treatment 2012；132:781-791.
operable early-stage breast cancer treated with docetaxel-capecitabine+/-
trastuzumab.Breast cancer research and treatment 2012；132:781-791.
[0483] 53.Hatzis C,Pusztai L,Valero V,Booser DJ,Esserman L,Lluch A等.A genomic predictor of response and survival following taxane-anthracycline
chemotherapy for invasive breast cancer.JAMA2011；305:1873-1881.
chemotherapy for invasive breast cancer.JAMA2011；305:1873-1881.
[0484] 54.Kao KJ,Chang KM,Hsu HC,Huang AT.Correlation of microarray-based breast cancer molecular subtypes and clinical outcomes:implications for
treatment optimization.BMC cancer 2011；11:143.
treatment optimization.BMC cancer 2011；11:143.
[0485] 55.Tabchy A,Valero V,Vidaurre T,Lluch A,Gomez H,Martin M等.
[0486] Evaluation of a 30-gene paclitaxel,fluorouracil,doxorubicin,and cyclophosphamide chemotherapy response predictor in a multicenter randomized trial in breast cancer.Clin Cancer Res 2010；16:5351-5361.
[0487] 56.TCGA.Comprehensive molecular portraits of human breast tumours.Nature 2012；490:61-70.
[0488] 57.Bos PD,Zhang XH,Nadal C,Shu W,Gomis RR,Nguyen DX等.Genes that mediate breast cancer metastasis to the brain.Nature 2009；459:1005-1009.
[0489] 58.Desmedt C,Piette F,Loi S,Wang Y,Lallemand F,Haibe-Kains B等.Strong time dependence of the 76-gene prognostic signature for node-negative breast cancer patients in the TRANSBIG multicenter independent validation series.Clin Cancer Res 2007；13:3207-3214.
[0490] 59.Schmidt M,Bohm D,von Torne C,Steiner E,Puhl A,Pilch H等.The humoral immune system has a key prognostic impact in node-negative breast
cancer.Cancer research 2008；68:5405-5413.
cancer.Cancer research 2008；68:5405-5413.
[0491] 60.Symmans WF,Hatzis C,Sotiriou C,Andre F,Peintinger F,Regitnig P等.Genomic index of sensitivity to endocrine therapy for breast cancer.J Clin Oncol 2010；28:4111-41 19.
[0492] 61.van de Vijver MJ,He YD,van't Veer LJ,Dai H,Hart AA,Voskuil DW等.A gene-expression signature as a predictor of survival in breast cancer.The New England journal of medicine 2002；347:1999-2009.
[0493] 62.Pawitan Y,Bjohle J,Amler L,Borg AL,Egyhazi S,Hall P等.Gene expression profiling spares early breast cancer patients from adjuvant
therapy:derived and validated in two population-based cohorts.Breast Cancer Res 2005；7:R953-964.
therapy:derived and validated in two population-based cohorts.Breast Cancer Res 2005；7:R953-964.
[0494] 63.Sorlie T,Tibshirani R,Parker J,Hastie T,Marron JS,Nobel A等.Repeated observation of breast tumor subtypes in independent gene expression data sets.Proceedings of the National Academy of Sciences of the United
States of America 2003；100:8418-8423.
States of America 2003；100:8418-8423.
[0495] 64.Zhao Y,Simon R.BRB-ArrayTools Data Archive for human cancer gene expression:a unique and efficient data sharing resource.Cancer Inform 2008；6:9-15.
[0496] 65.Miller LD,Smeds J,George J,Vega VB,Vergara L,Ploner A等.An expression signature for p53status in human breast cancer predicts mutation status,transcriptional effects,and patient survival.Proceedings of the
National Academy of Sciences of the United States of America 2005；102:13550-
13555.
National Academy of Sciences of the United States of America 2005；102:13550-
13555.
[0497] 66.Wang Y,Klijn JG,Zhang Y,Sieuwerts AM,Look MP,Yang F等.Gene-expression profiles to predict distant metastasis of lymph-node-negative
primary breast cancer.Lancet 2005；365:671-679.
primary breast cancer.Lancet 2005；365:671-679.
[0498] 67.Al-Ejeh F,Shi W,Miranda M,Simpson PT,Vargas AC,Song S等.Treatment of triple-negative breast cancer using anti-EGFR-directed radioimmunotherapy combined with radiosensitizing chemotherapy and PARP inhibitor.J Nucl Med 2013；54:913-921.
[0499] 67.Colombo R,Caldarelli M,Mennecozzi M,Giorgini ML,Sola F,Cappella P等.Targeting the mitotic checkpoint for cancer therapy with NMS-P715,an inhibitor of MPS1kinase.Cancer research 2010；70:10255-10264.
[0500] 68.Janssen A,Kops GJ,Medema RH.Elevating the frequency of chromosome mis-segregation as a strategy to kill tumor cells.Proceedings of the National Academy of Sciences of the United States of America 2009；106:19108-19113.
[0501] 69.Janssen A,Medema RH.Mitosis as an anti-cancer target.Oncogene 2011；30:2799-2809.
[0502] 70.Janssen A,van der Burg M,Szuhai K,Kops GJ,Medema RH.Chromosome segregation errors as a cause of DNA damage and structural chromosome
aberrations.Science(New York,NY 2011；333:1895-1898.
aberrations.Science(New York,NY 2011；333:1895-1898.
[0503] 71.Degenhardt Y,Lampkin T.Targeting Polo-like kinase in cancer therapy.Clin Cancer Res 2010；16:384-389.
[0504] 72.Strebhardt K,Ullrich A.Targeting polo-like kinase 1 for cancer therapy.Nature reviews 2006；6:321-330.
[0505] 73.Malumbres M,Barbacid M.Cell cycle kinases in cancer.Curr Opin Genet Dev 2007；17:60-65.
[0506] 74.Manchado E,Guillamot M,Malumbres M.Killing cells by targeting mitosis.Cell death and differentiation 2012.
[0507] 75.Manchado E,Malumbres M.Targeting aneuploidy for cancer therapy.Cell 2011；144:465-466.
[0508] 76.Colombo R,Moll J.Destabilizing aneuploidy by targeting cell cycle and mitotic checkpoint proteins in cancer cells.Curr Drug Targets2010；11:1325-1335.
[0509] 表1：METABRIC数据集中侵袭性评分的单变量生存分析和多变量生存分析
[0510]
[0511] HR：风险比。CI：置信区间。ns：不显著。OncoTypeDx评分为低(L，＜18)，中(I，18-31)，高(H＞31)。全部变量都包含在多变量Cox比例风险模型分析中，并且通过逐步模型，只有显著的协变量包括在上表中显示的最终分析中。
[0512] 表2：METABRIC数据集中TTK mRNA水平与临床病理学指标的相关性
[0513]
[0514] X2：使用 Prism进行的卡方检验。ns：不显著。
[0515] 表3：TTK蛋白表达与临床病理学指标之间的关联
[0516]
[0517] 根据以下分类由两个独立评估者对TMA打分：0，阴性；1，弱的病灶染色(对该分析合并阴性病例)；2，中到强的病灶染色(总体上＜50％肿瘤细胞)；3＝中到强的弥漫性染色(＞50％肿瘤细胞)。关于染色细胞％，我们忽略有丝分裂细胞以评估非有丝分裂依赖性TTK表达。#卡方检验( Prism，ns：不显著)
[0518] 表4：侵袭性基因列表(206个基因)
[0519]
[0520]
[0521]
[0522]
[0523]
[0524]
[0525] 表5：来自Ingenuity途径分析的失调基因以及与侵袭性评分的相关性
[0526]
[0527]
[0528]
[0529]
[0530]
[0531]
[0532] 表6：8基因评分中的6个过表达基因与5和10年时的RFS和DMFS的关联
[0533]
[0534]
[0535] p值来自KM-plotter的对数秩检验
[0536] 表7：8-基因评分中2个过表达基因与5和10年时的RFS和DMFS的关联
[0537]
[0538] p值来自KM-plotter的对数秩检验
[0539] 表8：用于本研究中乳腺癌TMA分析的抗体和免疫组织化学条件的细节
[0540]
[0541] ＊在压力锅中125℃下0.01M柠檬酸缓冲液(pH 6.0)中抗原修复5分钟，或在压力锅中105℃下0.001M Tris/EDTA中(pH 8.8)抗原修复15分钟。
[0542] 表9：多变量分析
[0543]
[0544] 实施例2
[0545] 材料和方法
[0546] TNBC中全局基因表达的荟萃分析
[0547] 在OncomineTM数据库[37](Compendia Bioscience,Ann Arbor,MI)中，使用乳腺癌初级过滤器(130个数据集)、样本过滤器以使用临床标本和数据集过滤器以使用具有超过151名患者的mRNA数据集(22个数据集)，我们进行了全局基因表达的荟萃分析。使用两个另外的过滤器以进行两个独立的差别分析。第一个差别分析是5年时转移事件分析(转移事件与无转移事件，7个数据集[51，56-61])，第二个差别分析是5年时生存(死亡的患者与生存的患者，7个数据集[39，57，59，61-64])。针对两个差别分析中的每一个，基于数据集中过表达模式或低表达模式的中位数基因排名的中位p值选择失调基因。
[0548] 导出28-印记(TN印记)
[0549] 在线工具KM-Plotter[38]，其核对来自Affymterix平台的超过4000个乳腺癌患者的基因表达数据，被用于开发28-基因印记。从OncomineTM荟萃分析中发现的在5年内导致转移或死亡事件的原发性肿瘤中失调的基因，166个基因在两个生存事件中是共有的。然后在KM-Plotter中逐个研究这些基因，将单变量生存分析限制于ER-亚型或BLBC亚型。简单地选-择在ER或BLBC亚型中与无复发生存(RFS)、无远端转移生存(DMFS)或总体生存(OS)显著相关的基因。然后对在这种过滤中显著的96个基因根据它们的显著性水平以及在不同的生存结果(RFS、DMFS和OS)和在ER-和BLBC亚型中的显著性普遍(prevalence of significance)而进行分选。基于该分选，获得具有不同水平的生存关联的6组基因列表(表14)。然后将这些组中的每一组用作元基因，并在KM-Plotter中研究ER-和BLBC亚型中每组中基因的平均表达与生存的关联。基于这些分析，选择四个组，并排除两个。此外，对于两个组，发现前4个基因和前3个基因比该组的剩余基因具有更高预测性，并且选择这些基因。总之，选择这两个组中的7个基因(它们的下调与差的生存相关)和其他两个组中的21个基因(它们的上调与差的生存相关)，以在KM-Plotter中测试与生存的关联。与原始列表中的任何单个基因或来自该列表的任何组相比，这28个基因作为基因印记显示出与生存的最高关联。这28个基因被选择作为三阴性(TN)印记，并进行如下所述的验证。
[0550] 在乳腺癌群组中验证TN印记
[0551] 使用三个大型乳腺癌基因表达数据集进行验证。从Gene Expression Omnibus(GEO)获得Research Online Cancer Knowledgebase(ROCK)数据集[40](GSE47561：n＝
1570名患者)和同源TNBC数据集[32](GSE31519：n＝579名TNBC患者)，且将数据导入到具有内置R Bioconductor包的BRB-ArrayTools[65](V4.2，Biometrics Research Branch，NCI，Maryland，USA)。从UCSC Genome Browser[66,67]获得Cancer Genome Atlas(TCGA)数据集[39]；使用Illumina HiSeq RNA-Seq阵列(n＝1106名患者)或对总计1106名患者中的597名患者使用Agilent定制阵列(Agilent G4502A-07-3)。在这些数据集的每一个中研究TN印记，其中设计评分来量化印记：TN评分＝21个基因的平均表达(其过表达与差的生存相关)÷7个基因的平均表达(其低表达与差的生存相关)。计算每个数据集中每个肿瘤的TN评分，并且在每个数据集中通过TN评分中位数二分法将肿瘤分配为高或低TN评分肿瘤。在一些情况下，使用各个数据集中TN评分的三分位数将肿瘤分为高、中或低TN评分肿瘤，而在其他情况下，使用TN评分的四分位数将肿瘤分为第一、第二、第三或第四四分位数的肿瘤。比较高(超过中位数、最后的三分位数、或第四四分位数)与低TN评分组的患者生存。使用
Prism v6.0(GraphPad Software，CA，USA)构建生存分析，并且使用对数秩
(Mantel-Cox)检验进行生存曲线的统计学比较。
1570名患者)和同源TNBC数据集[32](GSE31519：n＝579名TNBC患者)，且将数据导入到具有内置R Bioconductor包的BRB-ArrayTools[65](V4.2，Biometrics Research Branch，NCI，Maryland，USA)。从UCSC Genome Browser[66,67]获得Cancer Genome Atlas(TCGA)数据集[39]；使用Illumina HiSeq RNA-Seq阵列(n＝1106名患者)或对总计1106名患者中的597名患者使用Agilent定制阵列(Agilent G4502A-07-3)。在这些数据集的每一个中研究TN印记，其中设计评分来量化印记：TN评分＝21个基因的平均表达(其过表达与差的生存相关)÷7个基因的平均表达(其低表达与差的生存相关)。计算每个数据集中每个肿瘤的TN评分，并且在每个数据集中通过TN评分中位数二分法将肿瘤分配为高或低TN评分肿瘤。在一些情况下，使用各个数据集中TN评分的三分位数将肿瘤分为高、中或低TN评分肿瘤，而在其他情况下，使用TN评分的四分位数将肿瘤分为第一、第二、第三或第四四分位数的肿瘤。比较高(超过中位数、最后的三分位数、或第四四分位数)与低TN评分组的患者生存。使用
Prism v6.0(GraphPad Software，CA，USA)构建生存分析，并且使用对数秩
(Mantel-Cox)检验进行生存曲线的统计学比较。
[0552] TN评分和印记与新辅助化疗后的病理学完全响应(pCK)以及对内分泌疗法的响应的关联
[0553] 从GEO获得在单独的新辅助化疗或内分泌疗法之前进行基因表达谱分析的数据集。本研究中新辅助化疗和记录病理学完全响应(pCR)使用的数据集包括：GSE18728[42]，GSE50948[43]，GSE20271[44]，GSE20194[45]，GSB22226[41，46]，GSE42822[47]和GSE23988[48]。对于在内分泌疗法(他莫昔芬)之前进行基因表达谱分析并记录患者生存的数据集包括：GSE6532[25]和GSE17705[51]。这些使用Affymetrix基因表达阵列平台的数据集被导入到BRB-ArrayTools中并如前所述被标准化[68]。数据集中的每个肿瘤都按照如前文部分描述的我们的印记分配为高评分或低评分。使用 Prism在高评分肿瘤和低评分
肿瘤之间比较化疗后的pCR比率或内分泌疗法后患者的生存。
肿瘤之间比较化疗后的pCR比率或内分泌疗法后患者的生存。
[0554] 通过分类比较进行的全局基因表达谱比较
[0555] 进行全局基因表达比较以比较具有高TN或iBCR评分的肿瘤与具有低TN或iBCR评分的肿瘤，以表征这些肿瘤之间的额外差异，并鉴定可以适合于药物靶向的失调基因。这些比较在ROCK数据集中1570名患者的大型群组中进行，且使用BRB-ArrayTools进行分类比较检验(Class Comparasion test)。两个类别是高评分肿瘤与低评分肿瘤，并且在ArrayTools中的这个插件中选择的参数如下：使用的单变量检验的类型＝双样本T检验；类别变量＝TN评分(高或低)或者iBCR评分(高或低)；倍数变化截止值＝1.5倍；基于10000个随机排列和每个单变量检验的名义显著性水平计算显著基因的排列p-值：0.05。这些分析的结果示于表13和15-17中。
[0556] 在结合乳腺癌复发(iBCR)评分中Agro和TN印记的结合
[0557] 我们前面已发布了同样来自荟萃分析和广泛验证的侵袭性(Agro)印记和评分，并显示这种印记在ER+乳腺癌中是预测性的[36]，为了测试Agro印记是否可以与TN印记(在ER-乳腺癌是预测性的)结合以产生与ER状态无关的结合测试，研究了多种结合方法。结合方法背后的假设是确定可以描述ER-和ER+乳腺癌亚型二者中TN评分与Agro评分之间的关系的直接关系，其也与综合评分直接相关。换句话说，综合评分将保留分别来自Agro评分和TN评分各自的与它们在ER+和ER-乳腺癌中的预后价值相关的信息。使用ROCK数据集测试不同结合方法以及这些方法在ER+和ER-乳腺癌生存的分层方面的性能。评分的加或减产生了TN评分和Agro评分与所产生的综合评分之间的直接关系(图36)。然后分析这两种方法对ROCK数据集中ER+和ER-亚型的预后，并且只有加法方法保留了在ER-乳腺癌中的预后(图37)。类似地，测试了TN评分和Agro评分的乘法和除法，并且指数和幂曲线关系描述了两个评分之间以及与综合评分的相关性(图38)。再次地，这两种方法在ROCK数据集中测试预后，并且只有乘法方法保留了ER-乳腺癌中的预后(图37)。因为乘法和除法方法对评分之间的关系产生了指数和幂曲线，通过使一个评分自乘为另一个评分次幂的结合显得是合理的。指数和+ -幂曲线是幂方程的结果。实际上，通过使TN评分自乘为Agro评分次幂的结合在ER 和ER 乳腺癌二者中都是高度预测性的(图37和38)。这种综合评分，即结合乳腺癌复发(iBCR)评分，事实上在ROCK数据集的ER+和ER-患者中，分别比单一Agro评分和单一TN评分具有更高预测性。
在ROCK和同源TNBC数据集(Affymetrix平台)、TOGA数据集(Illumina RNA-Seq平台)和
ISPY-1试验数据集(GSE22226[41，46]，安捷伦平台)中验证了iBCR评分，说明了iBCR评分的平台独立性，这是由Agro印记和TN印记的平台独立性所推动的，因为它们从荟萃分析发现而与独立研究所使用的阵列平台无关。
在ROCK和同源TNBC数据集(Affymetrix平台)、TOGA数据集(Illumina RNA-Seq平台)和
ISPY-1试验数据集(GSE22226[41，46]，安捷伦平台)中验证了iBCR评分，说明了iBCR评分的平台独立性，这是由Agro印记和TN印记的平台独立性所推动的，因为它们从荟萃分析发现而与独立研究所使用的阵列平台无关。
[0558] 挖掘药物筛选研究
[0559] 研究了用大组抗癌药物处理大组癌细胞系的两个大型研究，以确定具有高Agro评分、高TN评分或高iBCR评分的细胞系与具有低Argo评分、低TN评分或低iBCR评分的细胞系相比是否对特定抗癌药物显示不同的敏感性。简言之，如前所述，从GEO获得来自Genentech(mRNA Cancer Cell Line Profiles GSE10843)、Pfizer(Pfizer Molecular Profile Data for Cell Line GSE34211)和Broad Institute/Novartis(Cancer Cell Encyclopedia[COLE]GSE3613)的基因表达谱分析的数据集并导入到ArrayTools。对所有细胞系计算Agro评分、TN评分和iBCR评分，并基于各个数据集中的中位数二分法，将细胞系按各个评分分配为高或低。对于在多于一个数据集中谱分析的细胞系，使用平均评分。使用这些数据，比较了具有高和低Agro、TN或iBCR评分的癌细胞系与在两项研究中调查的具有低评分的癌细胞系对抗癌药物的敏感性[49，50]。本文描述了与低评分细胞系相比在高评分细胞系中具有显著不同的IC50的药物。使用 Prism的未配对双尾t检验确定统
计学显著性。
计学显著性。
[0560] 其他统计分析
[0561] 使用Windows版MedCalc，12.7版(MedCalc Software，Qstend，Belgium)进行单变量和多变量Cox比例风险回归分析。
[0562] 结果
[0563] 在OneomineTM中的基因表达谱荟萃分析
[0564] 我们使用OncomineTM数据库[37](4.5版)对已发布的基因表达数据(与平台或乳腺癌亚型无关)进行荟萃分析。我们能够比较5年时发生转移的512名患者与未发生转移的732名患者的原发性乳腺癌的表达谱(总共7个数据集)，以鉴定转移病例中的500个过表达基因和500个低表达基因(数据集中截止中位p值<0.05，Student’s t检验，图31)。我们还比较了5年内死亡的232名患者与生存的879名患者的原发性乳腺肿瘤的表达谱(7个数据集)，在差的生存者中发现了500个过表达基因和500个低表达基因(数据集中截止中位p值<0.05，Student’s t检验，图31)。由于多个数据集注释了这些结果中的一个而非二者，我们意识到这些分析的联合更合适，特别是死亡是转移疾病中最可能的结果。与5年内转移相关的肿瘤和死亡相关的肿瘤中的过表达基因和低表达基因的联合揭示了共有的101个过表达基因和
65个低表达基因(图19)。然后使用在线工具KM-plotter[38]使这166个失调基因经历训练以得到下述方法中描述的28基因印记(TN印记)，接着在乳腺癌基因表达数据集的多个大型群组中对该印记即TN印记进行验证(图19)。
65个低表达基因(图19)。然后使用在线工具KM-plotter[38]使这166个失调基因经历训练以得到下述方法中描述的28基因印记(TN印记)，接着在乳腺癌基因表达数据集的多个大型群组中对该印记即TN印记进行验证(图19)。
[0565] TN印记在TNBC、BLBC和ER-乳腺癌亚型中是预测性的
[0566] 使用KM-Plotter对从OncomineTM荟萃分析中发现的与差的结果相关的原发性乳腺-肿瘤中的166个失调基因进行研究。31个基因的过表达和65个基因的低表达与BLBC或ER 乳腺癌的RFS、DMFS或OS相关(表14)。基于单变量生存分析中的显著性水平和这种显著性在不同疾病结果(RES、DMFS和OS)中的普遍性，列出了21个过表达基因和7个低表达基因的列表(表1)，作为与BLBC和ER-乳腺癌亚型二者中的生存有着最强关联的印记(图20)。
[0567] 然后在两个乳腺癌群组(同源TNBC数据集[32]和Research Online Cancer Knowledgebase(ROCK)数据集[40])的多变量生存分析中验证该28-基因印记(TN印记)。我们设计了评分来量化TN印记的趋势，即TN评分，其计算为21个过表达基因的平均表达与7个低表达基因的平均表达的比率。TN评分中位数二分法将TNBC(图21A)、BLBC(图21B)和ER-(图21C)患者的生存分层，并优于所有标准临床病理学指标。这些分析表明TN评分是独立的预后因子，其鉴别生存差的TNBC、BLBC或ER-患者，与肿瘤大小和等级、患者年龄、淋巴结状态或治疗无关。TN印记也优于所有先前发表的在ER-、TNBC或BLBC亚型中预测性的印记[30-
35](图32)。
35](图32)。
[0568] 虽然在OncomineTM中该印记的发现包括使用Affymterix、Alumina和Agilent平台的数据集，但是上述训练和验证仅限于Affymterix平台。因此，我们在使用Illumina HiSeq RNA-seq平台的Cancer Genome Atlas(TCGA)数据集[39]中验证了TN评分。如图22所示，通过TN评分将TCGA数据集中ER-患者的RFS分层，并且该分层优于通过标准临床病理学指标进行的分层。最初的TCGA出版物对597名患者使用Agilent定制阵列(Agilent G4502A-07-3)，我们分析了TN评分在该数据中的预后。TN评分将该Agilent TCGA数据中的ER-患者的生存分层(图33)。总的来说，TN印记/评分的预后价值在TNBC、BLBC和ER-乳腺癌亚型的大型独立乳腺癌群组中得到验证，与所使用的基因表达阵列平台无关。
[0569] TN评分和化疗后pCR的可能性
[0570] 化疗是ER-乳腺癌的标准疗法，并且是ER-HER2-(TNBC)乳腺癌的唯一治疗模式。虽然，病理学完全响应(pCR)根据受体状态而不同，但它仍然高度预测不同乳腺癌亚型中的生存[41]。鉴于TN评分与TNBC、BLBC和ER-乳腺癌中结果的关联，我们探究这个评分是否也与化疗后的pCR相关。为此，我们分析了可公开获得的新辅助化疗试验数据集，其记录了pCR并- -进行了治疗前基因表达谱分析。如图23A所示，当ER /HER2 患者具有高TN评分时，这些患者化疗后的pCR较少可能在TX(GSE18728)，AT/CMF(GSE50948)或FAC(GSE20271)化疗方案之后。在一项研究(GSE20194)中，TFAC化疗方案较少可能在高TN评分肿瘤中产生pCR，但在第二项研究(GSE20271)中没有显著的关联。高TN评分的ER-HER2-肿瘤具有对AC/T化疗
(GSE22226AC/T)更低响应的趋势。相比之下，在分别用FEC/TX(GSE42822)和FAC/TX
(GSE23988)方案治疗后，在57％和60％的高TN评分ER-HER2-肿瘤中实现了pCR。总的来说，通过TN评分分层的pCR的比率在低或高TN评分肿瘤中与所报道在TNBC中一般为31％的pCR比率显著不同[9](图23A中的虚线)。在一个数据集(ISPY-1试验(GSE22226))中，还记录了无复发生存(RFS)。如图23B所示，如先前已发布的，pCR是ER-HER2-乳腺癌的RFS的强预测子[41]。TN评分不仅是化疗后RFS的强预测子，而且除了将未达到pCR的患者分层为良好和不良预后组以外，还可以将达到pCR的患者的生存分层为良好和不良预后组(图23B)。该数据表明TN评分是独立的，并且具有在ER-HER2-(TNBC)乳腺癌患者中新辅助化疗后监测pCR的额外价值。为了进一步说明TN评分的作用，我们分别对未系统性治疗患者和系统性治疗患者在KM-plotter中分析ER-和BLBC患者的结果。如表11(图34的生存曲线)中所总结的，TN印记在未系统性治疗或系统性治疗的ER-和BLBC亚型中是预测性的。
(GSE22226AC/T)更低响应的趋势。相比之下，在分别用FEC/TX(GSE42822)和FAC/TX
(GSE23988)方案治疗后，在57％和60％的高TN评分ER-HER2-肿瘤中实现了pCR。总的来说，通过TN评分分层的pCR的比率在低或高TN评分肿瘤中与所报道在TNBC中一般为31％的pCR比率显著不同[9](图23A中的虚线)。在一个数据集(ISPY-1试验(GSE22226))中，还记录了无复发生存(RFS)。如图23B所示，如先前已发布的，pCR是ER-HER2-乳腺癌的RFS的强预测子[41]。TN评分不仅是化疗后RFS的强预测子，而且除了将未达到pCR的患者分层为良好和不良预后组以外，还可以将达到pCR的患者的生存分层为良好和不良预后组(图23B)。该数据表明TN评分是独立的，并且具有在ER-HER2-(TNBC)乳腺癌患者中新辅助化疗后监测pCR的额外价值。为了进一步说明TN评分的作用，我们分别对未系统性治疗患者和系统性治疗患者在KM-plotter中分析ER-和BLBC患者的结果。如表11(图34的生存曲线)中所总结的，TN印记在未系统性治疗或系统性治疗的ER-和BLBC亚型中是预测性的。
[0571] 基于TN印记的治疗靶点
[0572] TN印记中的过表达基因包含新的基因，仅有有限的文献描述了它们的功能，特别是在癌症中。这些基因包括：GRHPR、NDUFC1、CAMSAP1、CETN3、EIF3K、STAU1、EXOSC7和KCNG1。-
这些基因是研究其敲减对ER或TNBC乳腺癌细胞系生存的影响的未来研究的新的候选者。
另外，我们采取两种方法识别通过TN印记设想的可能治疗策略，以使通过该印记鉴定的生存差的患者获益。首先，我们比较了高TN评分的TNBC/BLBC肿瘤与低TN评分的TNBC/BLBC肿瘤的全局基因表达谱。其次，我们分析了已发表的临床前研究，其用一组分子靶向药物治疗癌细胞系，以确定高TN评分的细胞系是否对特定药物表现出敏感性。在第一种方法中，在ROCK数据集中进行高TN评分的BLBC或ER-肿瘤的全局基因表达谱与低TN评分的BLBC或ER-肿瘤的全局基因表达谱之间的类别比较。与低TN评分的BLBC肿瘤相比，高TN评分的BLBC肿瘤过表达171个探针和低表达251个探针(表15)。在类似的分析中，高TN评分的ER-肿瘤过表达
307个探针和低表达332个探针(表16)。在过表达的探针中，与低TN评分的相比较，87个探针(82个基因)在高TN评分的BLBC和ER-乳腺癌中是共同过表达的。在这87个探针中，39个探针在BLBC和ER-乳腺癌中是预测性的(在表15中以粗体标记)。更重要的是，这87个探针包括编码多种激酶、酶和离子通道的基因，其可以是用于治疗结果差的高TN评分肿瘤的当前或未来的药物开发的靶点。
这些基因是研究其敲减对ER或TNBC乳腺癌细胞系生存的影响的未来研究的新的候选者。
另外，我们采取两种方法识别通过TN印记设想的可能治疗策略，以使通过该印记鉴定的生存差的患者获益。首先，我们比较了高TN评分的TNBC/BLBC肿瘤与低TN评分的TNBC/BLBC肿瘤的全局基因表达谱。其次，我们分析了已发表的临床前研究，其用一组分子靶向药物治疗癌细胞系，以确定高TN评分的细胞系是否对特定药物表现出敏感性。在第一种方法中，在ROCK数据集中进行高TN评分的BLBC或ER-肿瘤的全局基因表达谱与低TN评分的BLBC或ER-肿瘤的全局基因表达谱之间的类别比较。与低TN评分的BLBC肿瘤相比，高TN评分的BLBC肿瘤过表达171个探针和低表达251个探针(表15)。在类似的分析中，高TN评分的ER-肿瘤过表达
307个探针和低表达332个探针(表16)。在过表达的探针中，与低TN评分的相比较，87个探针(82个基因)在高TN评分的BLBC和ER-乳腺癌中是共同过表达的。在这87个探针中，39个探针在BLBC和ER-乳腺癌中是预测性的(在表15中以粗体标记)。更重要的是，这87个探针包括编码多种激酶、酶和离子通道的基因，其可以是用于治疗结果差的高TN评分肿瘤的当前或未来的药物开发的靶点。
[0573] 在第二种方法中，分析了已发布的研究，其考察了多组针对癌细胞系的分子药物。Cancer Cell Line Encyclopedia(CCLE)研究[50]调查了24种抗癌药物在479种癌细胞系中的药理学谱，所述癌细胞系还用基因表达阵列进行谱分析。我们计算了该研究中每个细胞系的TN评分，并根据TN评分比较了这些细胞系对抗癌药物的敏感性。高TN评分的癌细胞系对ALK(TAE684)和BCR-ABL(尼洛替尼)的抑制较不敏感，但对HSP90(坦塞霉素[17-AAG])和EGFR(埃罗替尼或拉帕替尼)的抑制更敏感(图35)。在类似的方法中，我们还分析了第二个大型研究(Garnett等[49])，其对超过600种癌细胞系测试了130种药物。如图24所示，高TN评分的细胞系对PARP(ABT-888)、维甲酸(ATRA)、Bcl2(ABT-263)、DHFR(甲氨蝶呤)、葡萄糖(二甲双胍)和p38MAPK(BIRB0796)的抑制较不敏感。两种IGF1R抑制剂显示不同的结果；
高TN评分的细胞系对OSI-906抑制剂更不敏感，但对BMS-536924抑制剂更敏感。如图24所示，与来自CCLE研究的发现相一致，高TN评分的细胞系也对HSP90抑制(17-AAG和伊利司莫)敏感(图35)。高TN评分的细胞系还对mTOR/PI3K(BEZ235)和MEK(RDEA-119)抑制更敏感。
高TN评分的细胞系对OSI-906抑制剂更不敏感，但对BMS-536924抑制剂更敏感。如图24所示，与来自CCLE研究的发现相一致，高TN评分的细胞系也对HSP90抑制(17-AAG和伊利司莫)敏感(图35)。高TN评分的细胞系还对mTOR/PI3K(BEZ235)和MEK(RDEA-119)抑制更敏感。
[0574] TN评分和侵袭性评分的结合
[0575] 我们最近发表了来自OncomineTM荟萃分析的侵袭性基因印记/评分(Agro评分)[36]，并验证了该评分在ER+乳腺癌中在基因水平是预测性的。ER-乳腺癌、BLBC和TNBC几乎一致地表达高水平的Agro评分，因此该印记在这些亚型中不是预测性的。我们进一步表明这些基因中的一个，TTK/MPS1，在TNBC细胞系和一些ER-阴性细胞系中上调，并且TTK是这些细胞系中的治疗靶点。而且，我们表明通过免疫组织化学(IHC)的TTK蛋白水平在非常具侵袭性的乳腺癌亚组中是预测性的，所述乳腺癌包括高等级、增殖性肿瘤、淋巴结阳性、TNBC和HER2+亚型[36]。TN基因印记(在ER-/BLBC/TNBC中是预测性的)和Agro基因印记(在ER+中是预测性的)的结合将生成整合的印记和评分，其在乳腺癌中是预测性的而与亚型无关。如方法部分中详述的，在ROCK数据集中研究TN和Agro评分相加、相减、相乘或相除，以确定将保留评分各自提供的信息的直接关系。通过TN和Agro评分的相加或相减观察到了线性关系(图36)，但是只有通过相加的结合才在ER-患者中是预测性的(图37)。另一方面，TN评分和Agro评分的相乘和相除分别产生指数和幂曲线关系(图38)。只有评分的乘积才在ER-乳腺癌中是预测性的(图37)。由于乘法和除法对TN评分和Agro评分之间的关系产生了指数和幂曲线，我们还测试了使一个评分自乘为第二个评分次幂。实际上，TN评分自乘为Agro评分次幂在ROCK数据集的ER-和ER+患者中是高度预测性的(图37)。在ROCK数据集(图25)和TCGA数据集(图26)的所有患者、ER-和ER+患者中，这种整合TN评分和Agro评分的方法(结合乳腺癌复发(iBCR)评分)是预测性的。而且，在同类TNBC数据集[32]中，该iBCR评分与TN评分一样是预测性的(图39)，支持iBCR评分作为乳腺癌中的预后测试。
[0576] iBCR评分和化疗后pCR的可能性
[0577] 在ISPY-1试验(GSE22226)中研究了iBCR评分与患者生存和化疗后pCR可能性的关联。通过iBCR评分比单独的TN评分更好地将ER-/HER2-患者的RFS分层(图27)。高iBCR评分的ER-/HER2-患者较少可能达到pCR(图27)，这可以解释这些患者较差的生存。在ER+乳腺癌中，iBCR评分与Agro评分相似地将患者的RFS分层。虽然在高iBCR评分的ER+肿瘤中观察到更高可能性的pCR(图27)，但该亚组具有差的RFS。这可以通过达到pCR的ER+患者的少的数量(10/62[16％]相对于ER-HER2-中的10/34[29％])来解释。这些结果提供了iBCR评分作为结合Agro评分(ER+中预后)和TN评分(ER-中预后)的单一测试的价值的进一步验证和证据。图25中来自ROCK数据集(Affymetrix平台)的结果，图26中来自TCGA数据集(Illumina平台)的结果和图27中来自ISPY-1试验(Agilent平台)的结果也为Agro评分和TN评分和所得iBCR评分跨三个主要基因表达阵列平台的独立研究的稳健性提供了证据。
[0578] 接下来，在ER-HER2-和ER+患者二者的其他新辅助化疗数据集中研究iBCR评分与pCR的关联。pCR较少可能在TX(GSE18728)化疗方案后在高iBCR的ER-/HER-患者中，并且与用AT/CMF(GSE50948)治疗时的低iBCR的ER-/HER2-患者没有差别。在其他数据集中，pCR更可能在用FAC(GSE20271)、TFAC(GSE20271和GSE2Q19)、FEC/TX(GSE42822)和EAC/TX(GSE23988)新辅助化疗方案治疗后的高iBCR评分的ER-/HER2-患者中(图28A)。
[0579] 如表12中四个研究的总结所示，在总共183名ER-HER2-患者中，120名患者(65.6％)具有高iBCR评分，并且其中54名患者(29.5％)达到了pCR，而66名患者(36.1％)未达到pCR。未达到pCR(66/120，55％)和可以在pCR后对高iBCR评分患者观察到复发(55/120，45％)的高iBCR评分患者的较大数量，可以解释高iBCR评分的ER-HER2-患者的较差生存(图25和图26- -
中10年时40-50％生存)。基于这些研究以及化疗是ER /HER2 乳腺癌治疗的主要支柱，低iBCR评分的患者可以省却额外治疗，特别是如果他们在化疗后达到pCR。另一方面，高iBCR的ER-HER2-患者和特别是未达到pCR的高iBCR的ER-HER2-患者应被提供额外治疗，所述治疗可基于Agro印记或TN印记中的上调基因或者基于这些肿瘤中的其他过表达基因(表15和表16)或者来自我们从药物敏感性研究进行的临床前分析(图24和35)。
中10年时40-50％生存)。基于这些研究以及化疗是ER /HER2 乳腺癌治疗的主要支柱，低iBCR评分的患者可以省却额外治疗，特别是如果他们在化疗后达到pCR。另一方面，高iBCR的ER-HER2-患者和特别是未达到pCR的高iBCR的ER-HER2-患者应被提供额外治疗，所述治疗可基于Agro印记或TN印记中的上调基因或者基于这些肿瘤中的其他过表达基因(表15和表16)或者来自我们从药物敏感性研究进行的临床前分析(图24和35)。
[0580] ER+中的高iBCR评分与AT/CMF(GSE50948)、TX(GSE18728)、TFAC(GSE20271和GSE20144)和FAC/TX(GSE23988)新辅助化疗方案后pCR的较高可能性相关(图38B)。虽然有这种较高的pCR可能性，但是高iBCR的ER+患者具有较差的生存(图25和26)，这可以通过较少数量的ER+患者达到pCR来解释(在上述5个研究的207名ER+患者中，具有低iBCR评分的5名[2.5％]和具有高iBCR评分的20名[9.7％]达到pCR)。因此，对于ER+乳腺癌，可通过iBCR评+
分报告关于在治疗计划中包括化疗和标准内分泌疗法的决定。iBCR评分在ER 患者的治疗计划中的价值在下一部分中描述。
分报告关于在治疗计划中包括化疗和标准内分泌疗法的决定。iBCR评分在ER 患者的治疗计划中的价值在下一部分中描述。
[0581] iBCR评分和ER+乳腺癌的治疗
[0582] 用内分泌疗法特别是他莫昔芬治疗ER+乳腺癌患者。当这些患者是淋巴结阳性+
(N1)时，还包含了辅助化疗。对于淋巴结阴性(N0)的ER患者，包括化疗的决策是不太确定的，因为如果包括化疗，预后良好的患者(小的和较低等级的肿瘤)将被过度治疗；而如果不包括化疗，预后较差的患者(大的和较高等级的肿瘤)将会治疗不足。这种临床决策是开发Oncotype 复发评分、 和最近的PAM50复发风险评分的动机。我们此前
已发布了在2000名患者的METABRIC数据集[36]中的多变量生存分析中，Agro评分优于
Oncotype Dx和MammaPrint测试。通过在所有ER+患者和在N0和N1亚组中直接比较Agro评分与Oncotype Dx(图40)和MammaPrint(图41)，这一发现进一步得到了支持。对于iBCR评分，如图29A所示，该评分在未用他莫昔芬治疗的ER+N0患者中是预测性的，表明高iBCR的ER+N0患者应该用他莫昔芬治疗。当用他莫昔芬治疗ER+N0或ER+N1患者时，iBCR评分仍可鉴定RFS差的患者(图29B)和DMFS差的患者(图29C)。因此，具有高iBCR评分的ER+N0或ER+N1患者可获益于在他们的治疗中包括辅助化疗，因为这些患者可以经历更好的pCR(图28B)。尽管如此，由于ER+中的pCR比率不高，应当为高iBCR评分的ER+患者(特别是N1)提供另外的靶向治疗。
用于这些患者的靶向治疗的类型在下一部分中建议。
(N1)时，还包含了辅助化疗。对于淋巴结阴性(N0)的ER患者，包括化疗的决策是不太确定的，因为如果包括化疗，预后良好的患者(小的和较低等级的肿瘤)将被过度治疗；而如果不包括化疗，预后较差的患者(大的和较高等级的肿瘤)将会治疗不足。这种临床决策是开发Oncotype 复发评分、 和最近的PAM50复发风险评分的动机。我们此前
已发布了在2000名患者的METABRIC数据集[36]中的多变量生存分析中，Agro评分优于
Oncotype Dx和MammaPrint测试。通过在所有ER+患者和在N0和N1亚组中直接比较Agro评分与Oncotype Dx(图40)和MammaPrint(图41)，这一发现进一步得到了支持。对于iBCR评分，如图29A所示，该评分在未用他莫昔芬治疗的ER+N0患者中是预测性的，表明高iBCR的ER+N0患者应该用他莫昔芬治疗。当用他莫昔芬治疗ER+N0或ER+N1患者时，iBCR评分仍可鉴定RFS差的患者(图29B)和DMFS差的患者(图29C)。因此，具有高iBCR评分的ER+N0或ER+N1患者可获益于在他们的治疗中包括辅助化疗，因为这些患者可以经历更好的pCR(图28B)。尽管如此，由于ER+中的pCR比率不高，应当为高iBCR评分的ER+患者(特别是N1)提供另外的靶向治疗。
用于这些患者的靶向治疗的类型在下一部分中建议。
[0583] iBCR评分预测对于ER-/HER2-和ER+及乳腺癌亚型的治疗
[0584] Agro印记和TN印记中的过表达基因含有可靶向的基因，其可用于针对在标准治疗后生存差的高iBCR肿瘤的治疗性干预。类似于上文对TN印记进行的分析，我们采用两种方法来鉴别高iBCR评分乳腺肿瘤中另外的可能靶点。在第一种方法中，在ROCK数据集中在高+ - + -iBCR评分的ER 或ER肿瘤的全局基因表达谱与低iBCR评分的ER或ER 肿瘤的全局基因表达谱之间进行分类比较。然后，通过与同样在该数据集中进行谱分析的正常乳腺组织比较，过滤所产生的基因列表(1178个探针，数据未显示。与低iBCR评分肿瘤和正常乳腺组织相比，高iBCR评分肿瘤过表达204个探针(181个基因)和低表达124个探针(116个基因)(表17)。在+ +
181个过表达基因中，高iBCR评分的ER与正常乳腺和低iBCR的ER 相比，134个基因特异性上调，并且高iBCR评分的ER-与正常乳腺和低iBCR的ER-相比，95个基因特异性上调。如表13所示，高iBCR评分的ER-肿瘤与低iBCR评分的ER-肿瘤和正常乳腺组织相比，49个基因独特地上调。类似的比较显示，高iBCR评分的ER+肿瘤具有86个基因的独特上调。与低iBCR评分的ER-+ - +
和ER 肿瘤以及正常乳腺组织相比，高iBCR评分的ER和ER 肿瘤共同表达46个基因。这些基因编码多种激酶、酶和离子通道，其可以是用于治疗结果差的高iBCR评分肿瘤的当前或未来药物开发的靶点。在下调的探针中，特别有趣的发现是micro-RNA(miRNA)hsa-mir-568(在高iBCR评分的ER-中与正常乳腺和低iBCR评分的ER-相比分别下调9.3和2.2倍；在高iBCR评分的ER+中与正常乳腺和低iBCR评分的ER+相比分别下调5.6和2.9倍)。这种下调的miRNA在高iBCR评分肿瘤中靶向这些肿瘤中的多种上调基因，特别是与正常乳腺组织相比上调的那些(表18)。这种miRNA可以是针对高iBCR评分乳腺癌的基于基因组的治疗。
181个过表达基因中，高iBCR评分的ER与正常乳腺和低iBCR的ER 相比，134个基因特异性上调，并且高iBCR评分的ER-与正常乳腺和低iBCR的ER-相比，95个基因特异性上调。如表13所示，高iBCR评分的ER-肿瘤与低iBCR评分的ER-肿瘤和正常乳腺组织相比，49个基因独特地上调。类似的比较显示，高iBCR评分的ER+肿瘤具有86个基因的独特上调。与低iBCR评分的ER-+ - +
和ER 肿瘤以及正常乳腺组织相比，高iBCR评分的ER和ER 肿瘤共同表达46个基因。这些基因编码多种激酶、酶和离子通道，其可以是用于治疗结果差的高iBCR评分肿瘤的当前或未来药物开发的靶点。在下调的探针中，特别有趣的发现是micro-RNA(miRNA)hsa-mir-568(在高iBCR评分的ER-中与正常乳腺和低iBCR评分的ER-相比分别下调9.3和2.2倍；在高iBCR评分的ER+中与正常乳腺和低iBCR评分的ER+相比分别下调5.6和2.9倍)。这种下调的miRNA在高iBCR评分肿瘤中靶向这些肿瘤中的多种上调基因，特别是与正常乳腺组织相比上调的那些(表18)。这种miRNA可以是针对高iBCR评分乳腺癌的基于基因组的治疗。
[0585] 在第二种方法中，再次地与上文对TN评分的分析相类似，针对iBCR评分与癌细胞系对抗癌药物的敏感性的关联分析了已发布的药物筛选研究。在CCLE研究中(图42)，具有高iBCR评分的癌细胞系对ALK(TAE684)和BCR-ABL(尼洛替尼)的抑制更不敏感，与TN评分结果类似。此外，高iBCR细胞系对FGFR(TKI258)和IGF1R(AEW541)的抑制更不敏感。高iBCR评分的细胞系对HSP90(坦螺旋霉素(Tanespimycin)[17-AAG])的抑制更敏感(图42)。在Garnett等的第二个大型研究[49]中，高iBCR评分的细胞系与低iBCR评分的细胞系相比对8种抗癌药物更敏感(图30)。这些包括HSP90(17AAG)、mTOR/PI3K(BEZ235)和IGFIR(BMS-
536924)的抑制剂，正如同样在TN评分结果中观察到的。另外，高iBCR评分的细胞系对于PI3K(GDC0941)、mTQR(JW-7-25-1)、XIAP(信筒子醌(Embelin))和PLK1(B1-2536)的抑制更敏感，其也符合Agro评分的结果(图30)。Agro评分也鉴别了对RSK(CMK)、MEK(PD0325901)和DNA损伤(博来霉素)的抑制的敏感性。类似于高TN评分的结果，高iBCR评分的细胞系同样对PARP(ABT-888和AZD-2281)、维甲酸(ATRA)、Bcl2(ABT-263)、DHFR(甲氨蝶呤)和葡萄糖(二甲双胍)的抑制更不敏感。此外，高iBCR评分的细胞系对SYK(BAY613606)、HDAC(伏立诺他(Vorinostat))和BCR-ABL(尼洛替尼)和p38MAPK(BIRB 0796)的抑制更不敏感。高Agro评分的细胞系对针对GSK3A/B(SB216763)的另外的药物不太敏感。总的来说，TN评分(图24和35)和Agro评分和组合的iBCR评分(图30和42)与对多种抗癌药物的敏感性相关，而且未来的实验验证会将这些评分建立为这些药物的伴随诊断，并且通过将这些药物导向生存差的高评分的患者而使乳腺癌患者获益。
536924)的抑制剂，正如同样在TN评分结果中观察到的。另外，高iBCR评分的细胞系对于PI3K(GDC0941)、mTQR(JW-7-25-1)、XIAP(信筒子醌(Embelin))和PLK1(B1-2536)的抑制更敏感，其也符合Agro评分的结果(图30)。Agro评分也鉴别了对RSK(CMK)、MEK(PD0325901)和DNA损伤(博来霉素)的抑制的敏感性。类似于高TN评分的结果，高iBCR评分的细胞系同样对PARP(ABT-888和AZD-2281)、维甲酸(ATRA)、Bcl2(ABT-263)、DHFR(甲氨蝶呤)和葡萄糖(二甲双胍)的抑制更不敏感。此外，高iBCR评分的细胞系对SYK(BAY613606)、HDAC(伏立诺他(Vorinostat))和BCR-ABL(尼洛替尼)和p38MAPK(BIRB 0796)的抑制更不敏感。高Agro评分的细胞系对针对GSK3A/B(SB216763)的另外的药物不太敏感。总的来说，TN评分(图24和35)和Agro评分和组合的iBCR评分(图30和42)与对多种抗癌药物的敏感性相关，而且未来的实验验证会将这些评分建立为这些药物的伴随诊断，并且通过将这些药物导向生存差的高评分的患者而使乳腺癌患者获益。
[0586] 根据iBCR评分，乳腺癌细胞系对靶向抑制剂的敏感性
[0587] 乳腺癌细胞系(10个细胞系)：BT-549、MDA-MB-231、MDA-MB-436、MDA-MB-468、BT-20、Hs.578T、BT-474、MCF-7、T-47D和ZR-75-1，在不存在或存在递增剂量的24种抗癌药物的情况下培养。使用MTS/MTA试验在处理后第6天确定与未处理细胞相比的细胞生存。使用剂量响应曲线在 Prism中分析细胞系对药物的响应，以计算IC50的log10(IC50为
杀死50％细胞所需的剂量)。敏感性表示为log10[IC50]。根据iBCR评分重新分析我们此前已发布的这项药物筛选(Al-Ejeh等，Oncotarget，2014)。分析Neve等(Cancer Cell，2006)的
51个乳腺癌细胞系的基因表达数据集以计算各个细胞系的Agro评分和TN评分来计算iBCR评分。通过Neve等的数据集中所有细胞系的中位数二分法，将各个细胞系分配为低或高iBCR评分。基于低或高iBCR评分分类，我们的筛选中使用的10个细胞系的敏感性在高iBCR评分的细胞系(5个细胞系)与低iBCR评分的细胞系(5个细胞系)之间进行比较。如图47所示，高iBCR评分的细胞系对p38MAPK(LY2228820)、PLC(U73122)、JNK(SP600125)、PAK1(IPA3)、MEK(AS703026和AZD6244)、ERK5(XMD 8-92和BIXG2188)、HSP90(17-AAG、PF0429113和AUY922)、IGF1R(GSK1904529A)和EGFR(阿法替尼)的抑制明显更为敏感。我们的筛选结果与我们从两个此前已发布的大型细胞系研究中鉴定的高iBCR评分的癌细胞系对HSP90、IGF1R和MEK抑制剂的更高敏感性相一致。
杀死50％细胞所需的剂量)。敏感性表示为log10[IC50]。根据iBCR评分重新分析我们此前已发布的这项药物筛选(Al-Ejeh等，Oncotarget，2014)。分析Neve等(Cancer Cell，2006)的
51个乳腺癌细胞系的基因表达数据集以计算各个细胞系的Agro评分和TN评分来计算iBCR评分。通过Neve等的数据集中所有细胞系的中位数二分法，将各个细胞系分配为低或高iBCR评分。基于低或高iBCR评分分类，我们的筛选中使用的10个细胞系的敏感性在高iBCR评分的细胞系(5个细胞系)与低iBCR评分的细胞系(5个细胞系)之间进行比较。如图47所示，高iBCR评分的细胞系对p38MAPK(LY2228820)、PLC(U73122)、JNK(SP600125)、PAK1(IPA3)、MEK(AS703026和AZD6244)、ERK5(XMD 8-92和BIXG2188)、HSP90(17-AAG、PF0429113和AUY922)、IGF1R(GSK1904529A)和EGFR(阿法替尼)的抑制明显更为敏感。我们的筛选结果与我们从两个此前已发布的大型细胞系研究中鉴定的高iBCR评分的癌细胞系对HSP90、IGF1R和MEK抑制剂的更高敏感性相一致。
[0588] 讨论
[0589] 我们对OncomineTM数据库中基因表达数据集的荟萃分析在此前已经鉴定了一个印记，即侵袭性印记(Agro印记)，其在ER+乳腺癌中是预测性的。我们通过IHC验证了该印记中的基因中的一个，即TTK/MPS1，并发现分裂间期细胞(不包括有丝分裂细胞)中的TTK阳性在高度侵袭性乳腺癌如高等级、高等级和淋巴结阳性和高度增殖性(Ki67阳性)病例中是预测性的[36]。在这项研究中，我们使用我们的荟萃分析方法确定第二个印记，即三阴性印记(TN印记)，其在ER-、TNBC和BLBC亚型中是高度预测性的。TN印记在多变量生存分析中优于所有标准临床病理学指标，并且还在ER-乳腺癌中优于已发布的印记。我们还能够结合Agro+印记(在ER乳腺癌中是预测性的)以产生结合乳腺癌复发(iBCR)测试。这两个印记和iBCR在与所使用的基因表达阵列无关的大型独立乳腺癌群组研究中得以验证，表明我们的印记的试验者/技术独立性。重要的是，Agro印记和TN印记二者以及iBCR测试与针对ER+的内分泌疗法和针对ER-和ER+乳腺癌的新辅助化疗之后的响应和结果相关。此外，通过比较高iBCR评分肿瘤与低iBCR评分肿瘤的全局基因表达谱，我们能够鉴定多个过表达靶点，其可用于这些并未真正从当前治疗标准获益的预后差的患者的靶向治疗。此外，针对癌细胞系的药物筛选的大型临床前研究的挖掘表明，印记和iBCR评分预测细胞系对特定药物更高的敏感性。因此，印记和iBCR测试可以用作伴随诊断，以将靶向疗法导向会从这些治疗中获益以增加他们的低生存率的患者。总的来说，我们的研究不仅广泛地说明了我们的印记在个体化医学中的潜力，而且可以揭示未来的研究以理解肿瘤侵袭性的潜在机制，iBCR测试确定肿瘤侵袭性导致差的生存。
[0590] 到目前为止，对于ER-乳腺癌的预后和针对这些肿瘤(特别是当缺乏HER2表达时)的有效治疗的开发存在未满足的医学需要。化疗仍然是这些患者的唯一标准治疗，并且新辅助环境中化疗后的响应率在ER-HER2-(TNBC)患者中报告为31％[9]。确定将真正获益于化疗的患者将有助于临床医务人员确定可能需要更长的或额外的治疗方案(包括研究性临床试验招募)的患者。我们的印记和iBCR评分预测了在高评分患者中与低评分患者相比在化疗后更高的pCR。低评分患者具有更好的生存并且可能不需要另外的治疗。另一方面，尽管在高评分患者中pCR较高，但当我们分析来自ISPY-1试验的数据时，该患者亚组仍然具有差的生存，并且甚至在高评分患者中达到pCR后出现复发。我们来自比较分析和挖掘临床前药物筛选的结果鉴别了多个靶点和对开发中药物的敏感性。因此，对于我们的印记/iBCR测试具有高评分的ER-患者和特别是TNBC患者可以获益于包括由这些印记设想的治疗，以增加他们的生存率。这种临床开发将取决于未来我们的印记和iBCR测试在临床试验和临床前研究中的预期验证。
[0591] 在ER+乳腺癌中，存在三种商业测试作出临床决策以省去辅助化疗或者包括辅助化疗与标准内分泌疗法：Oncotype 和 这些已经对用内分泌疗法治疗的ER+淋巴结阴性(N0)乳腺癌患者进行了验证，根据这些测试是否推荐高风险患者接受辅助化疗。在他莫昔芬治疗后的ER+N0患者生存的直接比较中，我们的印记和iBCR测试胜过这些测试。而且，我们的测试还预测了ER+患者对化疗的响应，并且重要的是可以预测对靶向治疗的敏感性。目前的商业测试没有这种能力。重要的是，我们的印记和+ +
iBCR测试还在具有未满足的需要的亚组(ER淋巴结阳性(ERN1)乳腺癌)中是预测性的，这些患者的生存通过我们的印记和iBCR测试分为差的和好的预后组，其同样告知这些患者是否获益于内分泌疗法。我们的印记和iBCR测试的临床验证以及药物敏感性预测的验证将有助于开发针对ER+患者的新治疗方案，这些患者在当前治疗标准后处于复发或转移性扩散的高风险中。
iBCR测试还在具有未满足的需要的亚组(ER淋巴结阳性(ERN1)乳腺癌)中是预测性的，这些患者的生存通过我们的印记和iBCR测试分为差的和好的预后组，其同样告知这些患者是否获益于内分泌疗法。我们的印记和iBCR测试的临床验证以及药物敏感性预测的验证将有助于开发针对ER+患者的新治疗方案，这些患者在当前治疗标准后处于复发或转移性扩散的高风险中。
[0592] 通过我们的印记鉴定的侵袭性ER-肿瘤与其相对物和正常乳腺组织的比较鉴定了多种激酶、酶(特别是氧化还原)和钾通道，其可以为开发针对ER-乳腺癌的靶向治疗提供新的方向。另一方面，对于通过我们的印记鉴定的侵袭性ER+肿瘤，尽管靶点不限于细胞周期和增殖，但是这些功能显著地集中。这种高增殖谱可以解释化疗后这些肿瘤中较高的pCR，因为增殖性肿瘤会更高响应于化疗药物。尽管如此，我们之前已经阐明，Agro印记中的过表达基因，也因此是iBCR测试中的过表达基因，是参与着丝粒结合和染色体分离的基因，并且该印记甚至在增殖性肿瘤(高Ki67表达)中也是预测性的[36]。参与染色体分离的基因的失调将产生非整倍性和染色体不稳定性(CIN)[52]。至少在体内，已经显示化疗诱导增殖静止的非整倍体细胞作为治疗抗性机制[53]。支持高Agro分涉及非整倍性的观点，拷贝数变异(CNV)TCGA数据的分析显示，与低Argo评分肿瘤相比，高Agro评分肿瘤具有高水平的CNV，特别是涉及整个染色体或染色体臂的那些(图43)。因此，尽管增殖可能是高Agro/iBCR评分的ER+肿瘤的特征，但是这些肿瘤似乎是非整倍体。与此观点一致，高Agro/iBCR评分的细胞系对PLK1和HSP90抑制(图30)和极光激酶抑制剂(图44)的敏感性支持了高Agro/iBCR评分预测对于抗非整倍体治疗的敏感性。PLK1和极光激酶是非整倍性中的经典靶点，并且已经报告HSP90抑制选择性地杀死非整倍体癌细胞[54]。还发现了高TN评分肿瘤对HSP90的敏感性，并且有趣的是，我们此前已经通过乳腺癌的激酶组谱分析鉴定了HSP90是TNBC中的靶点。我们显示了组合治疗中HSP90抑制在体外和体内是有效的[55]。我们提出抗非整倍体药物(包括PLK1、极光激酶和HSP90抑制剂)应该对高Agro/iBCR评分的ER+肿瘤有效，并且HSP90抑制应当在高TN/iBCR评分的ER-肿瘤中有效。虽然通过我们的印记和iBCR测试设想的其他治疗也应该被研究，上述目标代表用于初始验证和开发的一线靶点。
[0593] 总之，我们在OneomineTM中的荟萃分析以及广泛的后续验证和分析已经开发了与ER状态无关的、用于乳腺癌预后以及对标准治疗的响应的预测的新型印记和综合基因组测试。该新型印记和它们的整合还具有在具有差的生存的乳腺癌患者中作为对多种类型的靶向治疗的伴随诊断测试的潜力。我们的印记和iBCR测试未来的验证和临床开发具有巨大的潜力和对乳腺癌的个体化和精准医学的影响。最后，应当注意，iBCR测试在多种其他癌症(图45)的预后中具有价值，并且特别是在肺腺癌中(图46)，因此我们的方法和新型印记可以为其它癌症类型提供益处。
[0594] 参考文献
[0595] 1.Kang,S.P.,M,Martel和L.N.Harris,Triple negative breast cancer:current imderstanding of biology and treatment options,Curr Opin Obstet
Gynecol,2008,20(1):p.40-6.
Gynecol,2008,20(1):p.40-6.
[0596] 2.Schneider,B.P.,等.Triple-negative breast cancer:risk factors to potential targets,Clin Cancer Res,2008.14(24):p.8010-8.
[0597] 3.Rakha,E.A.,J.S.Reis-Filrio和I.O.Ellis,Basal-like breast cancer:a critical review.J Clin Oncol,2008.26(15):p.2568-81.
[0598] 4.Fulford,L.G.,等,Basal-like grade III invasive ductal carcinoma of the breast:patterns of metastasis and long-term survival.Breast Cancer Res,2007.9(1):p.R4.
[0599] 5.Goldstein,,LJ.:,等,Concurrent doxorubicin plus docetaxel is not more effective titan concurrent doxorubicin plus cyclophosphamide in operable breast cancer with 0 to 3 positive axillary nodes:North American Breast
Cancer Intergroup Trial E 2197.J Clin Oncol,2008.26(25):p.4092-9.
Cancer Intergroup Trial E 2197.J Clin Oncol,2008.26(25):p.4092-9.
[0600] 6.Ream,B，，等,Prognostic impact of clinicopathologic parameters in stage II/III breast cancer treated with neoadiuvant docetaxel and doxorubicin chemotherapy:paradoxical features of the triple negative breast cancer.BMC Cancer,2007.7:p.203.
[0601] 7.Liedtke,C.,等.Response to neoadjuvant therapy and long-term survival in patients with triple-negative breast cancer.J Clin Oncol,2008.26(8):p.1275-81.
[0602] 8.Carey,L.A.,等,The triple negative paradox:primary tumorchemosensitivity of breast-cancer subtypes.Clin Cancer Res,2007.13(8):
p.2329-34.
p.2329-34.
[0603] 9.von Minckwitz,G.,等,Definition and impact of pathologic complete response on prognosis after neoadjuvant chemotherapy in various intrinsic
breast cancer subtypes.J Clin Oncol,2012.30(15):p.1796-804.
breast cancer subtypes.J Clin Oncol,2012.30(15):p.1796-804.
[0604] 10.Sorlie,T.,等,Gene expression patterns of breast carcinomas distinguish tumor subclasses with clinical implications.Proc Natl Acad Sci U S A,2001.98(19):p.10869-74.
[0605] 11.Perou,C.M.,等,Molecular portraits of human breast tumours.Nature,2000.406(6797):p.747-52,
[0606] 12.Hu,Z.,等,The molecular portraits of breast tumors are conserved across microarray platforms.BMC Genomics,2006.7:p.96-107.
[0607] 13.Parker,J.S.,等,Supervised Risk Predictor of Breast Cancer Base on Intrinsic Subtypes.J Clin Oncol,2009.
[0608] 14,Weigelt,B.,等,Breast cancer molecular profiling with single sample predictors:a retrospective analysis.Lancet Oncol,11(4):p.339-49.
[0609] 15.Weigelt,B.,等,Molecular portraits and 70-gene prognosis signature are preserved throughout the metastatic process of breast cancer.Cancer Res,2005,65(20):p.9155-8.
[0610] 16,Parker,J.S.,等,Supervised risk predictor of breast cancer based on intrinsic subtypes.J Clin Oncol,2009.27(8):p.1160-7.
[0611] 17.Lehmann,B.D.,等,Identification of human triple-negative breast cancer subtypes and preclinical models for selection of targeted therapies.J Clin Invest,2011.121(7):p.2750-67.
[0612] 18,Shah,S.P.,等,The clonal and mutational evolution spectrum of primary triple-negative breast cancers.Nature,2012,486(7403):p.395-9.
[0613] 19.Irshad,S.,P.Ellis和A.Tutt,Molecular heterogeneity of triple-negative breast cancer and its clinical implications.Curr Opin Oncol,2011.23(6):p.566-77.
[0614] 20.Criscitiello,C.,等,Understanding the biology of triple-negative breast cancer.Ann Oncol,2012.23 Suppl 6:p.vi 13-8.
[0615] 21.Masuda,H.,等,Differential response to neoadjuvant chemotherapy among 7triple-negative breast cancer molecular subtypes.Clin Cancer Res,2013,
19(19):p.5533-40.
19(19):p.5533-40.
[0616] 22.van't Veer,L.J.,等,Gene expression profiling predicts clinical outcome of breast cancer.Nature,2002.415(6871):p.530-6.
[0617] 23.Paik,S.,等,A multigene assay to predict recurrence of tamoxifen-treated,node-negative breast cancer.N Engl J Med,2004.351(27):p.2817-26,
[0618] 24.Buyse,M.,等.Validation an clinical utility of a 70-gene prognostic signature for women with node-negative breast cancer.J Natl Cancer Inst,2006.98(17):p.1 183-92.
[0619] 25.Loi,S.,等.Definition of clinically distinct molecular subtypes in estrogen receptor-positive breast carcinomas through genomic grade.J Clin Oncol,2007.25(10):p.1239-46.
[0620] 26.Ma,X.J.,等,A five-gene molecular grade index and HOXBIS JLl 7 BR are complementary prognostic factors in early stage breast cancer.Clin Cancer Res,2008.14(9):p.2601-8.
[0621] 27.Ma,X.J.,等,A two-gene expression ratio predict clinical outcome in breast cancer patients treated with tamoxifen.Cancer Cell,2004.5(6):p.607-16.[0622] 28.Sotiriou,C.,等,Gene expression profiting in breast cancer:understanding the molecular basis of histologic grade to improve
prognosis.Journal of the National Cancer Institute,2006.98(4):p.262-72.
prognosis.Journal of the National Cancer Institute,2006.98(4):p.262-72.
[0623] 29.Dowsett,M,,等,,Comparison of PAM5Q risk of recurrence score with oncotype DX and IHC4 for predicting risk of distant recurrence after endocrine therapy.J Clin Oncol,2013,31(22):p.2783-90.
[0624] 30.Yau,C,等,A multigen predictor of metastatic outcome i early stag hormone receptor-negative and triple-negative breast cancer.Breast Cancer Res,2010,12(5):p.R85,
[0625] 31.Rody,A.,等,A clinically relevant gene signature in triple negative and basal-like breast cancer.Breast Cancer Res,2011.13(5):p.R97.
[0626] 32.Karn,T.,等,Homogeneous datasets of triple negative breast cancers enable the identification of novel prognostic and predictiv signatures.PLoS One,2011.6(12):p.e28403.
[0627] 33.Yu,K.D.,等,Identification of prognosis-relevant subgroups in patients with chemoresistant triple-negative breast cancer.Cli Cancer Res,
2013.19(10):p.2723-33.
2013.19(10):p.2723-33.
[0628] 34.Lee,U.,等,A prognostic gene signature for metastasis-free survival of triple negative breast cancer patients.PLoS One,2013,8(12):p.e82125.
[0629] 35.Hallett,R.M.,等,A gene signature for predicting outcome in patient with basal-like breast cancer.Sci Rep,2012.2:p.227.
[0630] 36.Al-Ejeh,F.,等,Meta-analysis of the global gene expression profile of triple-negative breast cancer identifies genes for the prognostication and treatment of aggressive breast cancer.Oncogenesis,2014.3:p,e 100.
[0631] 37.Rhodes,D.R.,等,ONCOMINE:a cancer microarray database and integrated data-mining platform.Neoplasia,2004.6(1):p.1-6.
[0632] 38.Gyorffy,B.,等,An online survival analysis tool to rapidly assess the effect of 22,277 genes on breast cancer prognosis using microarray data of 1,809patients.Breast Cancer Res Treat,2010,123(3):p.725-31.
[0633] 39.TCGA,Comprehensive molecular portraits of human breast tumours.Nature,2012.490(7418):p.61-70.
[0634] 40.Ur-Rehman,S.,等,ROCK:a resource for integrative breast cancer data analysis.Breast Cancer Res Treat,2013.139(3):p,907-21.
[0635] 41.Esserman,L.J.,等,Pathologic complete response predicts recurrence-free survival more effectively by cancer subset:results from the I-SPY 1TRIAL—CALGB 150007/150012,ACRIN 6657,J Clin Oncol,2012.30(26):p.3242-9.
[0636] 42.Korde,L.A.,等,Gene expression pathway analysis to predict response to neoadjuvant docetaxel and capecitabine for breast cancer.Breast Cancer Res Treat,2010.119(3):p.685-99,
[0637] 43.Prat,A.,等,Research-based PAM50subtype predictor identifies higher responses and improved survival outcomes in HER2-positive breast cancer in the NOAH study,Clin Cancer Res,2014,20(2):p.511-21.
[0638] 44.Tabcfay,A.,等,Evaluation of 30-gen paclitaxel,fluorouracil,doxorubicin,and cyclophosphamide chemotherapy response predictor in a
multicenter randomized trial in breast cancer.Clin Cancer Res,2010.16(21):
p.5351-61.
multicenter randomized trial in breast cancer.Clin Cancer Res,2010.16(21):
p.5351-61.
[0639] 45.Popovici V.,等,Effect of training-sample size and classification difficulty on the accuracy of genomic predictors.Breast Cancer Res,2010,12(1):p.R5.
[0640] 46.Esserman,L.J.,等,Chemotherapy response and recurrence-free survival in neoadjuvant breast cancer depends on biomarker profiles:results from the I-SPY 1TRIAL(CALGB 150007/150012；ACRIN 6657).Breast Caneer Res
Treat,2012.132(3):p,1049-62.
Treat,2012.132(3):p,1049-62.
[0641] 47.Shen,K.,等,Cell line derived multi-gene predictor of pathologic response to neoadjuvant chemotherapy in breast cancer:a validation study on US Oncology 02-103clinical trial.BMC Med Genomics,2012.5:p.51.
[0642] 48.Iwatmoto,T.,等,Gene pathways associated with prognosis and chemotherapy sensitivity in molecular subtypes of breast cancer.J Natl Caneer Inst,2011.103(3):p.264-72.
[0643] 49.Garnett,M.J.,等,Systematic identification of genomic markers of drug sensitivity in cancer cells.Nature,2012.483(7391):p.570-5.
[0644] 50,Barretina,J.,等,The Cancer Ceil Lin Encyclopedia enables predictive modelling of anticancer drug sensitivity.Nature,2012.483(7391):
p.603-7.
p.603-7.
[0645] 51.Symmam,W.F.,等,Genomic index of sensitivity to endocrine therapy for breast cancer.J Clin Oncol,2010.28(27):p.4111-9.
[0646] 52.Bakhoum,S.F.和D.A.Compton,Chromosomal instability and cancer:a complex,relationship with therapeutic potential.J Clin Invest,2012.122(4):p,
1138-43.
1138-43.
[0647] 53.Kusumbe,A.P.和S.A.Bapat,Cancer stem,cells and aneuploidpopulations within developing tumors are the major determinants of tumor dormancy.CancerRes,2009.69(24):p.9245-53.
[0648] 54.Tang,Y.C.,等,Identification of aneuploidy-selective antiproliferation compounds.Cell,2011.144(4):p.499-512.
[0649] 55.AI-Ejeh,F.,等,Kinome profiling reveals breast cancer heterogeneity and identifies targeted therapeutic opportunities for triple negative breast cancer.Qncotarget,2014.
[0650] 56.Bos,P.D.,等,Genes that mediate breast cancer metastasis to the brain.Nature,2009,459(7249):p.1005-9.
[0651] 57.Desmedt,C.,等,Strong time dependence of the 76-gene prognostic signature for node-negative breast cancer patients in the TRANSBIG
multicenter independent validation series.Clin Cancer Res,2007,13(11):p.3207-
14.
multicenter independent validation series.Clin Cancer Res,2007,13(11):p.3207-
14.
[0652] 58.Hatzis,C.,等,A genomic predictor of response and survival following taxane-anthracycline chemotherapy for invasive breast cancer.JAMA,
2011.305(18):p.1873-81.
2011.305(18):p.1873-81.
[0653] 59.Kao,K.J.,等,Correlation of microarray-based breast cancer molecular subtypes and clinical outcomes:implications for treatment
optimization.BMC Cancer,2011,11:p.143.
optimization.BMC Cancer,2011,11:p.143.
[0654] 60.Schmidt,M.,等,The humoral immune system has a key prognostic impact in node-negative breast cancer.Cancer Res,2008.68(13):p.5405-13.
[0655] 61.van de Vijver,M.J.,等,A gene-expression signatures as predictor of survival in breast cancer.N.Engl.J Med,2002.347(25):p,1999-2009.
[0656] 62.Bild,A.H.,等,Oncogenic pathway signatures in human cancers as guide to targeted therapies.Nature,2006.439(7074):p.353-7.
[0657] 63.Pawitan,Y.,等,Gene expression profiling spare early breast cancer patients from adjuvant therapy:derived and validate in two population-based cohorts.Breast Cancer Res,2005,7(6):p.R953-64.
[0658] 64.Sorlie,T.,等,Repeated observation of breast tumor subtypes inindependent gene expression data sets.Proc Natl Acad Sci U S A,2003.100
(14):p.8418-23.
(14):p.8418-23.
[0659] 65.Zhao,Y.和R.Simon,BRB-ArrayTools Data Archive for human cancer gene expression:a unique and efficient da sharing resource.Cancer Inform,2008,6:p.9-15.
[0660] 66.Cline,M.S.,等,Exploring TCGA Pan-Cancer data at the UCSC Cancer Genomics Browser.Sci Rep,2013.3:p.2652.
[0661] 67.Goldman,M.,等,The UCSC Cancer Genomics Browser:update2013.Nucleic Acids Res,2013,41(Database issue):p.D949-54.
[0662] 68.Al-Ejeh,F.,等,Treatment of triple-negative breast cancer using anti-EGFR-directedradioimmunotherapy combined with radiosensitizing
chemotherapy and PARP inhibitor.J Mud Med,2013.54(6):p.913-21.
chemotherapy and PARP inhibitor.J Mud Med,2013.54(6):p.913-21.
[0663] 69.Diamond,J.R.,等,Predictive biomarkers of sensitivity to the aurora and angiogenic kinase inhibitor ENMD-2076 in preclinical breast cancer models.Clin Cancer Res,2013,19(1)；p.291-303.
[0664] 70.Kalous.O.,等,AMG 900,pan-Aurora kinase inhibitor,preferentially inhibits the proliferation of breast cancer cell line with dysfunctional
p53.BreastCancer Res Treat,2013.141(3):p.397-408.
p53.BreastCancer Res Treat,2013.141(3):p.397-408.
[0665] 表10：从OncomineTM的乳腺癌基因表达数据的荟萃分析发现的28-基因印记
[0666]
[0667] 表11：TN印记在ER-和BLBC中是预测性的，与系统性治疗无关
[0668]
[0669] 如图2中所述，28-基因印记在在线工具KM-plotter中使用，但是限制于对未系统治疗或已系统治疗的ER-或BLBC患者的分析。RFS、DMFS和OS的生存曲线在图34中示出；仅有来自这些曲线的风险比(HR)、95％置信区间(Cl 95％)和对数秩p值在表中报告。
[0670] 表12：根据iBCR评分，ER-HER2-患者的pCR的可能性
[0671]
[0672] 比较了来自四个研究的按照低和高iBCR评分分层的ER-/HER2-患者在四种化疗方案(FAC(GSE20271)、TFAC(GSE20271和GSE20194)、FEC/TX(GSE42822)和FAC/TX(GSE23988))后达到或未达到pCR。
[0673] 表13：高iBCR评分肿瘤中与低iBCR肿瘤和正常乳腺组织相比的上调基因
[0674]
[0675] 表14：在BLBC和ER-乳腺癌中，来自KM-Plotter在线工具中Oncomine荟萃分析的基因的单变量生存分析。产生28-基因印记。
[0676]
[0677]
[0678]
[0679]
[0680]
[0681]
[0682]
[0683]
[0684]
[0685] 表15：ROCK数据集中，高TN评分BLBC肿瘤与低TN评分BLBC肿瘤的全局基因表达谱的分类比较(突出显示的探针组指示在高TN评分BLBC和ER-乳腺肿瘤中共有的，加粗的探针组指示在BLBC和ER-乳腺癌中共有且预测性的)
[0686]
[0687]
[0688]
[0689]
[0690]
[0691]
[0692]
[0693]
[0694]
[0695]
[0696]
[0697]
[0698]
[0699]
[0700]
[0701]
[0702]
[0703] 表16：ROCK数据集中，高TN评分ER-肿瘤与低TN评分ER-肿瘤的全局基因表达谱的分类比较(突出显示的探针组指示 腺肿瘤中共同的)。
[0704]
[0705]
[0706]
[0707]
[0708]
[0709]
[0710]
[0711]
[0712]
[0713]
[0714]
[0715]
[0716]
[0717]
[0718]
[0719]
[0720]
[0721]
[0722]
[0723]
[0724]
[0725]
[0726]
[0727]
[0728]
[0729] 表17：ROCK数据集中，在与正常乳腺比较后高iBCR评分ER-和ER+肿瘤与低iBCR评分肿瘤的全局基因表达谱的分类比较。
[0730]
[0731]
[0732]
[0733]
[0734]
[0735]
[0736]
[0737]
[0738]
[0739]
[0740]
[0741]
[0742]
[0743]
[0744]
[0745]
[0746] 表18：在高iBCR评分ER-/ER+肿瘤中下调的has-mir-568的上调靶标。
[0747]
[0748]
[0749] 加粗的基因在高iBCR评分ER-/ER+中相对于正常乳腺上调。
[0750] 实施例3
[0751] 本文表述的iBCR测试是从乳腺癌的基因表达谱的荟萃分析开发的。该测试基于43个基因的表达，所述43个基因作为印记在乳腺癌(与亚型无关)中是预测性的。该测试也被发现在肺腺癌中是预测性的。高iBCR评分的患者比低iBCR评分的患者具有差得多的总体生存。
[0752] 在当前的研究中，出于三个目的对于多种癌症类型研究了Cancer Genome Atlas(TCGA)数据集。首先，为了确定高iBCR评分的乳腺癌病例与低iBCR评分的乳腺癌病例之间在蛋白质水平上的差异。也对肺腺癌进行这种比较。其次，为了确定高和低iBCR评分肿瘤之间失调的蛋白/磷蛋白是否是预测性的。最后，iBCR miRNA印记和相关蛋白印记的预后价值在由TCGA进行谱分析的其他癌症类型中是预测性的。
[0753] 如图48A和B所示，高iBCR评分与低iBCR评分的ER+乳腺癌病例之间反相蛋白质阵列(RPPA)数据的比较鉴定了这两个患者亚组之间的多种失调的蛋白和磷蛋白。高iBCR评分的ER-乳腺癌病例与低iBCR评分的ER-乳腺癌病例相比的相似分析也鉴定了这两个患者亚组之间失调的蛋白和磷蛋白(图48C和D)，然后测试这些显著失调的蛋白和磷蛋白与总体生存的关系。9个蛋白/磷蛋白上调和8个蛋白/磷蛋白的下调在乳腺癌中是高度预测性的(图49A)。重要的是，并且与所有已知的细胞病理学指标相比，iBCR mRNA和蛋白印记的结合是乳腺癌患者(与亚型无关)总体生存的最显著指标(图49B)。
[0754] 肺腺癌TCGA数据集中的相似分析鉴定了基于iBCR mRNA印记的蛋白/磷蛋白，其作为蛋白印记是预测性的(图50A-C)，iBCR mRNA/蛋白印记的结合是高度预测性的，并且在肺腺癌中优于标准细胞病理学指标(图50D和E)。
[0755] 表19总结了iBCR测试中mRNA水平的43个基因和23个蛋白/磷蛋白。在乳腺癌(图48和图49)和肺腺癌(图50)中预测性的组分在表19中标记。然后，在其他癌症类型中测试表19中的基因的mRNA和蛋白/磷蛋白水平与总体生存的关联。表19中总结了与总体生存相关的iBCR测试组分的mRNA和蛋白水平的失调。对于每种癌症类型，使用标记的组分作为印记，并且肾脏肾透明细胞癌(IRC)、皮肤皮肤黑素瘤(SKCM)、子宫体子宫内膜样癌(UCEC)，卵巢腺癌(OVAC)、头颈部鳞状细胞癌(HNSC)、结肠/直肠腺癌(COREAD)、低等级胶质瘤(LGG)、膀胱尿路上皮癌(BLCA)、肺鳞状细胞癌(LUSC)、肾脏肾乳头状细胞癌(KIRP)、宫颈鳞状细胞癌和宫颈内腺癌(CESC)、肝脏肝细胞癌(LIHC)和胰腺导管腺癌(PDAC)的总体生存的分层显示于图51至54。
[0756] 总之，在所有癌症测试中，iBCR测试(包括mRNA和蛋白组分)是高度预测性的测试(表19)。该测试鉴定了侵袭性人类癌症，并且对于蛋白-蛋白相互作用(图55)以及与癌症特点相关的生物学功能集中(表20)。
[0757] 表19：来自TCGA数据集的不同癌症中的iBCR测试成分
[0758]
[0759]
[0760]
[0761] +表示过表达与较差生存的关联(还绘上红色阴影)
[0762] -表示低表达与较差生存的关联(还绘上绿色阴影)
[0763] 表20：iBCR测试中与癌症标志相关的生物学功能的集中
[0764]
[0765]
[0766] 实施例4
[0767] Westin等的研究(Lancet Oncol，2014，vol 15(1))在接受pidilizumab联合利妥昔单抗之前对18个滤泡性淋巴瘤患者进行了基因表达谱分析。研究了iBCR印记中基因的表达与这些患者中的无进展生存(PFS)的关联。12个基因显示与PFS的强关联(图56A)(所有与生存相关的基因属于iBCR测试的TN组分)。如图56B所示，基于iBCR印记计算的评分高度预测pidilizumab+利妥昔单抗免疫治疗后的患者生存。该研究还对治疗后15天患者中的8名进行谱分析。该印记中基因的表达在治疗前和治疗后在这些患者中比较。除了朝向总体表达谱逆转的趋势外，这对于生存的一个患者(图56C-患者编号9)最为明显，一个基因(ADORA2B)在治疗后的肿瘤中与治疗前的肿瘤中相比显著不同(图56D)。该基因可用于在基于iBCR测试选择患者后确认响应。
[0768] 这里呈现的数据表明iBCR测试可以是某些免疫疗法的伴随诊断，这并不令人惊讶，因为TN组分除了涉及氧化还原反应和激酶的基因外，还包括多个免疫相关基因。
[0769] 实施例5
[0770] 在OncomineTM中，使用乳腺癌数据集(与亚型或所用基因表达阵列平台无关)进行荟萃分析。5年内导致转移或死亡事件的乳腺肿瘤的全局基因表达谱与5年内未导致转移或死亡事件的乳腺肿瘤的全局基因表达谱相比较，并且选择这些比较中的顶部过表达基因(OE)和低表达基因(UE)。然后使用在线工具KM-PlotterTM调查导致转移和死亡事件的原发性肿瘤中的共同失调基因(取决于每个数据集的注释)(n>4000名患者，与OncomineTM中的数据集有一些重叠)。选择与乳腺癌患者的无复发生存相关的基因。
[0771] 从该分析中鉴定的860个基因然后经历使用Ingenuity Pathway Analysis软件的网络分析以鉴定该基因列表中的功能网络(参见表21)。图57显示了从荟萃
分析鉴定的含有860个基因的11个功能网络，其中每个网络的功能被具体说明并且这些网络之间的交互用连接线描绘。过表达与较差的生存相关的基因标记为红色，而低表达与较差的生存相关的基因标记为绿色。在任何给定网络中，较大的圆标记具有与患者生存的最高关联的基因。
分析鉴定的含有860个基因的11个功能网络，其中每个网络的功能被具体说明并且这些网络之间的交互用连接线描绘。过表达与较差的生存相关的基因标记为红色，而低表达与较差的生存相关的基因标记为绿色。在任何给定网络中，较大的圆标记具有与患者生存的最高关联的基因。
[0772] 然后，从荟萃分析中鉴定的这860个基因中过滤出与11个功能网络的每一个中与患者生存具有最高关联的基因。由此，从11个功能网络选择的133个基因(表22中所列)显示于图58(小图A)中，其中显示了每个网络的功能。基于这些网络，将133个基因分类为六种功能性元基因(表22中所列)，其包括：代谢、信号传导、发育和生长、染色体分离/复制、免疫应答和蛋白质合成/修饰元基因。图58的小图B中显示了这些元基因中的每一个与KM Plotter数据集中乳腺癌患者的无复发生存的关联。通过计算元基因中过表达基因的表达水平(总和或平均值)与元基因中低表达基因的表达水平(总和或平均值)的比率，对这些元基因中每一个进行评分。绿线(具有更好的生存)表示元基因的较低评分(过表达基因与低表达基因的比率)，而红线(具有较差的生存)表示高评分(过表达基因与低表达基因的比率)。
[0773] 表21.与乳腺癌患者无复发生存相关的860个基因
[0774]
[0775]
[0776]
[0777]
[0778]
[0779]
[0780] 过表达与较差生存相关的基因加粗，且低表达与较差生存相关的基因加上下划线。
[0781] 表22：与乳腺癌患者无复发生存相关的133个基因
[0782]
[0783]
[0784]
[0785]
[0786] 过表达与过表达与较差生存相关的基因加粗，且低表达与较差生存相关的基因加上下划线。
[0787] 实施例6
[0788] 上述实施例鉴定了与12个致癌功能相关的133个基因，其表达与癌症侵袭性和临床结果密切相关(表22)。研究了来自该列表的基因的表达与以下患者中的生存的关联：(i)接受pidilizumab联合利妥昔单抗之前的滤泡性淋巴瘤患者(Westin等，Lancet Oncol，2014，第15卷(1))；(ii)用西妥昔单抗治疗的结肠直肠癌患者(GSE5851)；(iii)用西妥昔单抗和顺铂治疗的三阴性乳腺癌患者(GSE23428)；(iv)用埃罗替尼治疗的肺癌患者
(GSE33072)；和(v)用索拉非尼治疗的肺癌患者(GSE33072)。该分析鉴定了新的基因的集，与iBCR印记部分重叠，该基因的表达与不同治疗组中的生存高度相关(表23)。基于这些基因印记计算的每个患者组的评分为高度预测这些患者组(pidilizumab+利妥昔单抗，图
56E；所有其他治疗，图59)中的生存。
(GSE33072)；和(v)用索拉非尼治疗的肺癌患者(GSE33072)。该分析鉴定了新的基因的集，与iBCR印记部分重叠，该基因的表达与不同治疗组中的生存高度相关(表23)。基于这些基因印记计算的每个患者组的评分为高度预测这些患者组(pidilizumab+利妥昔单抗，图
56E；所有其他治疗，图59)中的生存。
[0789] 表23.与接受抗肿瘤治疗的患者的生存相关的iBCR基因印记
[0790]
[0791] 低表达与对治疗的响应相关的基因加粗，且过表达与对治疗的响应相关的基因加上下划线。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 极光五维立体成像视力恢复法 | 2020-05-14 | 825 |
| 基于深度学习的极光卵位置确定方法 | 2020-05-14 | 542 |
| 一种炫动极光电源 | 2020-05-11 | 477 |
| 基于通信终端的粉丝键和极光呼吸灯 | 2020-05-15 | 448 |
| 极光激酶调节剂和使用方法 | 2020-05-16 | 459 |
| 极光激酶调节剂和使用方法 | 2020-05-16 | 583 |
| 一种带有智能极光旋钮的粑粑煲 | 2020-05-12 | 374 |
| 抗极光精纺毛织物的生产方法 | 2020-05-13 | 311 |
| 极光效果投影装置及其控制方法 | 2020-05-14 | 889 |
| 一种防伪极光镭射膜及其制造方法 | 2020-05-15 | 544 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
极光热门专利
QQ群二维码
意见反馈
意见反馈