[發(fā)明專利]生物標(biāo)志物及其用于診斷阿爾茨海默病靜默期的用途

在審

• 申請?zhí)枺?/td>: 202080086344.2
• 申請日: 2020-10-28
• 公開（公告）號: CN114981452A
• 公開（公告）日: 2022-08-30
• 發(fā)明（設(shè)計）人: J·布勞德奧;B·比洛伊爾;B·蘇切特;A·米哈伊爾
• 申請（專利權(quán)）人: 阿根特公司
• 主分類號: C12Q1/6883
• 分類號: C12Q1/6883
• 代理公司: 隆天知識產(chǎn)權(quán)代理有限公司 72003
• 代理人: 吳小瑛

1.阿爾茨海默病靜默期的分子標(biāo)識，其中所述分子標(biāo)識包含選自表1A的生物標(biāo)志物組的至少五種生物標(biāo)志物。

2.根據(jù)權(quán)利要求1所述的阿爾茨海默病靜默期的分子標(biāo)識，其包含表10A、表10B、表10C或表10D的生物標(biāo)志物。

3.一種診斷受試者中阿爾茨海默病靜默期的方法，所述方法包括以下步驟：

a)通過測量先前從所述受試者獲得的樣品中選自表1A的生物標(biāo)志物組的至少五種生物標(biāo)志物的水平、量或濃度，來確定分子標(biāo)識，

b)將在步驟a)中獲得的所述分子標(biāo)識與參考標(biāo)識進(jìn)行比較，和

c)基于所述分子標(biāo)識與所述參考標(biāo)識的相關(guān)性，診斷所述受試者為患有阿爾茨海默病靜默期。

4.一種預(yù)測受試者中阿爾茨海默病靜默期的進(jìn)展的方法，所述方法包括以下步驟：

a)通過測量從所述受試者獲得的樣品中選自表1A的生物標(biāo)志物組的至少五種生物標(biāo)志物的水平、量或濃度，來確定分子標(biāo)識，

b)將在步驟a)中獲得的所述分子標(biāo)識與參考標(biāo)識進(jìn)行比較，和

c)基于所述分子標(biāo)識與所述參考標(biāo)識的相關(guān)性，來預(yù)測阿爾茨海默病的進(jìn)展。

5.一種確定對患有阿爾茨海默病靜默期的受試者的個體化治療過程的方法，所述方法包括以下步驟：

a)通過測量從所述受試者獲得的樣品中選自表1A的生物標(biāo)志物組的至少五種生物標(biāo)志物的水平、量或濃度，來確定分子標(biāo)識，

b)將在步驟a)中獲得的所述分子標(biāo)識與參考標(biāo)識進(jìn)行比較，和

c)基于所述分子標(biāo)識與所述參考標(biāo)識的相關(guān)性，來確定對所述受試者的個體化治療過程。

6.一種將受試者中的阿爾茨海默病靜默期分級為所述靜默期的不同級別，優(yōu)選S1、S2或S3級的方法，所述方法包括以下步驟：

a)通過測量從所述受試者獲得的樣品中選自表1A的生物標(biāo)志物組的至少五種生物標(biāo)志物的水平、量或濃度，來確定分子標(biāo)識，

b)將在步驟a)中獲得的所述分子標(biāo)識與參考標(biāo)識進(jìn)行比較，和

c)基于所述分子標(biāo)識與所述參考標(biāo)識的相關(guān)性，將所述受試者分級為阿爾茨海默病靜默期的級別。

7.根據(jù)權(quán)利要求6所述的方法，其中所述分子標(biāo)識包含選自表1A的生物標(biāo)志物組的至少14種生物標(biāo)志物。

8.根據(jù)權(quán)利要求3至7中任一項所述的方法，其中所述參考標(biāo)識包含在先前從基本上健康的受試者獲得的樣品中測量的、優(yōu)選在先前從基本上健康的受試者群體獲得的樣品中測量的相同的所述至少五種生物標(biāo)志物的水平、量或濃度。

9.根據(jù)權(quán)利要求3至8中任一項所述的方法，其中步驟c)中的相關(guān)性通過將所述分子標(biāo)識中和所述參考標(biāo)識中所述至少五種生物標(biāo)志物的水平、量或濃度的變化與表3的生物標(biāo)志物變化譜進(jìn)行比較來測量。

10.根據(jù)權(quán)利要求3至9中任一項所述的方法，其中所述分子標(biāo)識包含表10A、表10B、表10C或表10D的生物標(biāo)志物。

11.根據(jù)權(quán)利要求3至10中任一項所述的方法，其中步驟b)中的比較使用至少一種機器學(xué)習(xí)算法進(jìn)行。

12.根據(jù)權(quán)利要求11所述的方法，其中所述至少一種機器學(xué)習(xí)算法選自人工神經(jīng)網(wǎng)絡(luò)(ANN)、感知器算法、深度神經(jīng)網(wǎng)絡(luò)、聚類算法、k最近鄰算法(k-NN)、決策樹算法、隨機森林算法、線性回歸算法、線性判別分析(LDA)算法、二次判別分析(QDA)算法、支持向量機(SVM)、貝葉斯算法、簡單規(guī)則算法、聚類算法、元分類器算法、高斯混合模型(GMM)算法、最近質(zhì)心算法、極端梯度提升(XG Boost)算法、線性混合效應(yīng)模型算法及其組合。