[发明专利]微管蛋白结合剂治疗癌症的方法

说明书

本文描述了一种治疗癌症的方法。所述方法包括通过确定生物标志物组的表达水平来筛选对微管蛋白结合剂的治疗有响应的患者；和向所选患者施用微管蛋白结合剂。所述生物标志物可以是表1‑2或表4中所列的一种或多种探针组，或者使用表1‑2或表4中所列的探针组可识别的基因表达。

发明背景

发明领域

本发明涉及筛选用于癌症治疗的患者和向所筛选的患者施用化疗剂的方法。

相关技术描述

医生使用的传统化疗治疗模式是开出一种药物疗法，以达到治疗疾病的最高成功率。如果第一种疗法无效，就会开出替代药物疗法。对化疗药物无反应的风险常常被接受。然而，由于化疗的有效性常常随着每次后续治疗而降低，因此选择最有效的第一次治疗或选择对特定癌症药物有反应的患者对于为最多的患者带来最大的长期获益至关重要。因此，迫切需要选择一种最有效的药物来治疗特定患者的疾病。

发明概述

一些实施方式涉及治疗癌症的方法，所述方法包括通过确定一种或多种生物标记物的表达水平来筛选对微管蛋白结合剂的治疗响应的受试者；以及向所筛选的受试者施用有效量的微管蛋白结合剂。

一些实施方式涉及生成用于评估受试者对化疗药物响应的预测模型的方法，所述方法包括：获得至少一个癌细胞系中多种生物标记物的表达水平；确定所述化疗药物对所述多种癌细胞系的抑制活性；确定所述多种生物标志物的表达水平与所述化疗药物的抑制活性之间的关系；以及基于所述多个生物标志物的表达水平与所述化疗药物的抑制浓度之间的关系生成所述预测模型。

附图说明

图1为散点图矩阵，示出了自举(Bootstrap)森林分区分析(x轴)后200个探针组(probeset)值中的前10个vs微管蛋白靶向剂抗癌细胞效力的关系(IC₇₀)

图2示出了使用CALD1、SECISBP2L、UBXN8、AUP1和CDCA5HIT探针组mRNA表达值计算神经概率函数(3个隐藏节点，范围为0-1，其中1是普那布林活性的最高概率)的数学模型。

图3示出了使用CALD1、SECISBP2L、UBXN8、AUP1、CDCA5、TM9SF3、232522_at、LGR5、214862_x_at和FAM98B计算神经概率函数(3个隐藏节点，范围为0-1，其中1为普那布林活性的最高概率)的模型。

图4示出了使用CALD1、SECISBP2L、UBXN8、AUP1和CDCA5HIT探针组mRNA表达值计算神经概率函数(1个隐藏节点，范围为0-1，其中1为多烯紫杉醇活性的最高概率)的模型。

图5示出了使用CALD1、UBXN8和CDCA5HIT探针组mRNA表达值计算神经概率函数(3个隐藏节点，范围为0-1，其中1为普那布林活性的最高概率)的模型。

图6是来自图5的神经模型导出的概率vs在43个细胞系测定的普那布林活性的实际IC₇₀的三维曲线图。

图7示出了使用CALD1、SECISBP2L、UBXN8和AUP1HIT探针组mRNA表达值计算神经概率函数(1个隐藏节点，范围为0-1，其中1为多烯紫杉醇活性的最高概率)的模型。

图8示出了使用CALD1、SECISBP2L、UBXN8、AUP1和CDCA5HIT探针组mRNA表达值的二项式逻辑概率函数(范围为0-1，其中1为普那布林无活性的最高概率)。

图9示出了图8的二项式逻辑回归模型导出的概率vs在43个细胞系中测定的普那布林活性的IC₇₀(探针[无活性]范围为0-1)的三维关系图。

优选实施方式的详细描述