KR102156282B1 - Method of predicting prognosis of brain tumors - Google Patents

Method of predicting prognosis of brain tumors Download PDF

Info

Publication number
KR102156282B1
KR102156282B1 KR1020180070550A KR20180070550A KR102156282B1 KR 102156282 B1 KR102156282 B1 KR 102156282B1 KR 1020180070550 A KR1020180070550 A KR 1020180070550A KR 20180070550 A KR20180070550 A KR 20180070550A KR 102156282 B1 KR102156282 B1 KR 102156282B1
Authority
KR
South Korea
Prior art keywords
biomarker
prognosis
glioblastoma
nucleic acid
protein
Prior art date
Application number
KR1020180070550A
Other languages
Korean (ko)
Other versions
KR20190143058A (en
Inventor
강석구
박준성
장종희
Original Assignee
연세대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020180070550A priority Critical patent/KR102156282B1/en
Publication of KR20190143058A publication Critical patent/KR20190143058A/en
Application granted granted Critical
Publication of KR102156282B1 publication Critical patent/KR102156282B1/en

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/118—Prognosis of disease development
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/158—Expression markers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/52—Predicting or monitoring the response to treatment, e.g. for selection of therapy based on assay results in personalised medicine; Prognosis

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Organic Chemistry (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Microbiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biotechnology (AREA)
  • Genetics & Genomics (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Biochemistry (AREA)
  • Biomedical Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Cell Biology (AREA)
  • Biophysics (AREA)
  • Oncology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

본 발명은 암 유전자의 발현 수준을 비교하여 분자적 특성에 기반한 뇌 종양의 예후 예측 방법에 관한 것이다.The present invention relates to a method for predicting prognosis of brain tumors based on molecular characteristics by comparing the expression levels of cancer genes.

Figure R1020180070550
Figure R1020180070550

Description

뇌 종양의 예후 예측 방법{METHOD OF PREDICTING PROGNOSIS OF BRAIN TUMORS}A method for predicting the prognosis of brain tumors{METHOD OF PREDICTING PROGNOSIS OF BRAIN TUMORS}

본 발명은 암 유전자의 발현 수준을 확인하여 뇌 종양의 예후를 예측하는 방법에 관한 것이다.The present invention relates to a method for predicting the prognosis of a brain tumor by checking the expression level of a cancer gene.

신경교종(glioma)은 원발성 뇌종양(primary brain tumor)의 60%를 차지하는 종양으로서, 발생빈도가 높고 치료가 어렵다. 현재까지도 방사선 치료 외엔 특별한 치료법이 없는 악성 종양에 해당한다. 그 중 가장 악성으로 분류되고 있는 교모세포종(glioblastoma, GBM)의 경우, 다른 암과 비교하였을 때 방사선 및 항암제 치료에 대한 저항성이 매우 높아 일단 진단되면 생존기간이 1년 내외 밖에 되지 않는다. 진단 후 평균 생존 기간은 어떤 치료 없이 3개월이며, 현재 이용되는 완전한 요법으로 약 1년이다. 단지 1/5만이 최신의 광범위한 치료 후에 2년 동안 생존한다. 연령이 증가할수록(> 60세) 더 심각한 예후의 위험을 보인다. 사망 원인은 대개 대뇌 부종 및/또는 두개내압의 증가이며, 추가적으로 혈액 순환을 손상시키고 뇌 탈출증을 일으키는 종괴 효과이다. Glioma is a tumor that accounts for 60% of primary brain tumors, and its incidence is high and treatment is difficult. Until now, it is a malignant tumor that has no special treatment other than radiation therapy. Among them, glioblastoma (GBM), which is classified as the most malignant, has a very high resistance to radiation and anticancer treatment compared to other cancers, and once diagnosed, the survival period is only about 1 year. The average survival time after diagnosis is 3 months without any treatment and is about 1 year with the complete therapy currently used. Only one-fifth survive for two years after the latest extensive treatment. With increasing age (> 60 years old) there is a risk of a more severe prognosis. The cause of death is usually cerebral edema and/or an increase in intracranial pressure, additionally a mass effect that impairs blood circulation and causes brain prolapse.

따라서, 개선되거나 최적화된 GBM 종양 치료법 또는 예후에 대한 예측 인자에 대한 필요성을 오랫동안 통감하고 있는 실정이다. Therefore, the need for improved or optimized GBM tumor therapy or predictive factors for prognosis has long been felt.

이에 대응하여, 면역화학적 및 면역조직화학적 연구로 항분비 인자(AF) 단백질은 체내 대부분의 조직과 기관에 존재하며 합성될 수도 있다는 것이 밝혀졌다. 항설사 서열을 포함하는 합성 펩티드가 앞서 특성화되었다(WO 97/08202호; WO 05/030246호). In response, immunochemical and immunohistochemical studies have shown that antisecretory factor (AF) proteins are present in most tissues and organs in the body and can also be synthesized. Synthetic peptides comprising antidiarrheal sequences have been previously characterized (WO 97/08202; WO 05/030246).

한편, 상기 뇌 종양의 경우, 뇌혈관 장벽(Brain Blood Barrier)이 존재하기 때문에 치료를 위한 약물 전달이 목적하는 뇌 부위로 전달되기 어려울 뿐만 아니라, 상대적으로 뇌신경 생물학에 대한 이해가 부족하여 치료제 개발이 활발하지 못한 것이 현실이다. 더욱이, 교모세포종은 다른 뇌 종양과 비교해볼 때 공격적 변이(aggressive variant)를 나타내어, 이를 빠른 시일 내에 치료하지 않으면 몇 주 이내에 치명적인 결과를 초래할 수 있다. On the other hand, in the case of the brain tumor, because the brain blood barrier exists, it is difficult not only to deliver drugs for treatment to the target brain region, but also due to a relatively lack of understanding of cranial nerve biology, the development of therapeutic agents is difficult. The reality is that they are not active. Moreover, glioblastoma exhibits an aggressive variant when compared to other brain tumors, which can lead to fatal outcomes within weeks if not treated as soon as possible.

따라서, 교모세포종의 치료에는 외과적 처치 이외에 방사선 치료 및 화학 약물 치료가 함께 수행되고 있으나, 상기 치료는 내성 변이의 발생, 종양줄기세포에 의한 재발 등의 원인으로 인하여 완벽한 치료법이 없다. 따라서, 초기 진단을 할 수 있는 분자적 특성에 기반한 새로운 예후 예측법을 개발하여야 할 필요성이 요구되고 있는 실정이다.Therefore, in the treatment of glioblastoma, in addition to surgical treatment, radiation treatment and chemical drug treatment are performed together, but the treatment does not have a complete treatment due to the occurrence of resistance mutations and recurrence by tumor stem cells. Therefore, there is a need to develop a new prognosis prediction method based on molecular characteristics capable of initial diagnosis.

본 발명의 일 목적은 암 유전자의 발현 수준을 비교하여 분자적 특성에 기반한 뇌 종양의 예후 예측 방법에 관한 것이다.An object of the present invention relates to a method for predicting prognosis of brain tumors based on molecular characteristics by comparing the expression levels of cancer genes.

본 발명의 다른 목적은 암 유전자의 발현 수준을 비교하여 분자적 특성에 기반하여 뇌 종양의 예후가 좋음 및 나쁨으로 예측 및 분류하여 뇌 종양을 효과적으로 치료할 수 있는 정보를 제공하는 방법에 관한 것이다.Another object of the present invention relates to a method for providing information capable of effectively treating brain tumors by comparing the expression levels of cancer genes to predict and classify brain tumors as good and bad prognosis based on molecular characteristics.

그러나, 본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 과제에 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업계에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.However, the technical problem to be achieved by the present invention is not limited to the problems mentioned above, and other problems that are not mentioned will be clearly understood by those of ordinary skill in the art from the following description.

이하, 본원에 기재된 다양한 구현예가 도면을 참조로 기재된다. 하기 설명에서, 본 발명의 완전한 이해를 위해서, 다양한 특이적 상세사항, 예컨대, 특이적 형태, 조성물 및 공정 등이 기재되어 있다. 그러나, 특정의 구현예는 이들 특이적 상세 사항 중 하나 이상 없이, 또는 다른 공지된 방법 및 형태와 함께 실행될 수 있다. 다른 예에서, 공지된 공정 및 제조 기술은 본 발명을 불필요하게 모호하게 하지 않게 하기 위해서, 특정의 상세사항으로 기재되지 않는다. "한 가지 구현예" 또는 "구현예"에 대한 본 명세서 전체를 통한 참조는 구현예와 결부되어 기재된 특별한 특징, 형태, 조성 또는 특성이 본 발명의 하나 이상의 구현예에 포함됨을 의미한다. 따라서, 본 명세서 전체에 걸친 다양한 위치에서 표현된 "한 가지 구현예에서" 또는 "구현예"의 상황은 반드시 본 발명의 동일한 구현예를 나타내지는 않는다. 추가로, 특별한 특징, 형태, 조성, 또는 특성은 하나 이상의 구현예에서 어떠한 적합한 방법으로 조합될 수 있다.Hereinafter, various embodiments described herein are described with reference to the drawings. In the following description, for a thorough understanding of the invention, various specific details, such as specific forms, compositions and processes, etc. are set forth. However, certain embodiments may be practiced without one or more of these specific details, or with other known methods and forms. In other instances, well-known processes and manufacturing techniques have not been described in specific details in order not to unnecessarily obscure the present invention. Reference throughout this specification to “one embodiment” or “embodiment” means that a particular feature, form, composition, or characteristic described in connection with the embodiment is included in one or more embodiments of the present invention. Thus, the context of “in one embodiment” or “embodiment” expressed in various places throughout this specification does not necessarily represent the same embodiment of the invention. Additionally, particular features, shapes, compositions, or properties may be combined in any suitable manner in one or more embodiments.

본 발명 내 특별한 정의가 없으면 본 명세서에 사용된 모든 과학적 및 기술적인 용어는 본 발명이 속하는 기술분야에서 당 업자에 의하여 통상적으로 이해되는 것과 동일한 의미를 가진다.Unless otherwise defined in the present invention, all scientific and technical terms used herein have the same meaning as commonly understood by one of ordinary skill in the art to which the present invention belongs.

본 발명에서, "교모세포종(Glioblastoma, GBM)"은 난치성 뇌 종양의 일종으로, 진단 후 평균 총 생존기간이 15개월 정도에 불과하다. 교모세포종은 정상적으로 뇌조직에 풍부하게 존재하고 있는 신경교세포에서 기원한 종양을 통틀어 일컫는다. 종래에는, 교모세포종의 조직학적 악성도를 4개의 등급으로 분류할 수 있었다. 조직학적 기준으로는 핵의 비정형성, 유사분열성, 혈관내피세포의 증식, 괴사 등을 기준으로 한다. 이러한 기준들이 충족되면 신경교종 중 가장 악성인 4등급의 교모세포종으로 진단내리게 된다.In the present invention, "Glioblastoma (GBM)" is a type of refractory brain tumor, and the average total survival period after diagnosis is only about 15 months. Glioblastoma refers to tumors originating from glial cells that are normally abundant in brain tissue. Conventionally, the histological malignancy of glioblastoma could be classified into four grades. Histological criteria are based on nucleus atypism, mitosis, proliferation of vascular endothelial cells, and necrosis. If these criteria are met, the diagnosis is made as grade 4 glioblastoma, the most malignant of the glioma.

또한, 교모세포종의 종양 자체 유전자를 선별해 분석함으로써 3종류의 아형 (proneural, classical, mesenchymal)으로 새로운 분류법을 제시하였다(Nature Genetics, IF 27.959). In addition, a new classification method was proposed by selecting and analyzing the tumor's own genes of glioblastoma into three subtypes (proneural, classical, and mesenchymal) (Nature Genetics, IF 27.959).

한편, 본원에서는 교모세포종의 예후 예측에 대한 아형을 통하여, 예후가 좋은 것과 나쁜 것으로 분류하는 방법을 제시하고 있다. 이를 통해 생존률이 가장 안좋은 암인 교모세포종을 앓는 환자의 예후를 예측하고 적절한 치료법을 제시하기 위한 것이다. 본 발명에서는 고전적인 조직병리학적 분류를 뛰어넘어, 전사체 분석을 통해 교모세포종의 예후를 가장 잘 반영하는 아형 분류 방법을 제시하고 있다. Oncopression과 TCGA 데이터베이스를 통해 교모세포종 환자의 생존 기간(overall survival, OS)과 각각의 유전자 발현양에 대한 피어슨 상관관계(Pearson correlation)를 계산하였다. 그 후에, 두 개의 데이터베이스에서 공통적으로 예후에 연관이 높은(Pearson 상관계수가 높은) 유전자 80개를 선별하였다. 이 80개의 유전자 집합의 발현양으로 교모세포종 환자를 3개의 그룹으로 분류하였을 때, oncopression, TCGA 데이터베이스는 물론, REMBRANDT, Severance 데이터베이스에서도 환자의 예후를 잘 반영한다는 것을 검증하였다. 또한 과-발현 분석(over-representation analysis)를 통해 각 교모세포종 아형에서 발현이 우세한 유전자 그룹을 분석하였고, 이에 따라 각각의 아형을 유사분열성 아형(mitotic), 중간성 아형(intermediate), 침윤성 아형(invasive)의 그룹으로 명명하였다.On the other hand, the present application presents a method of classifying the prognosis as good or bad through subtypes for predicting the prognosis of glioblastoma. This is to predict the prognosis of patients suffering from glioblastoma, a cancer with the worst survival rate, and to suggest an appropriate treatment. In the present invention, a method of subtype classification that best reflects the prognosis of glioblastoma through transcriptome analysis, beyond the classical histopathological classification, is presented. The overall survival (OS) of glioblastoma patients and Pearson correlation for each gene expression level were calculated using the oncopression and TCGA database. Thereafter, 80 genes with a high correlation (high Pearson correlation coefficient) in common prognosis were selected from the two databases. When the glioblastoma patients were classified into three groups based on the expression levels of these 80 gene sets, it was verified that the patients' prognosis was well reflected in the oncopression and TCGA databases, as well as the REMBRANDT and Severance databases. In addition, over-representation analysis was performed to analyze the gene group with the predominant expression in each glioblastoma subtype, and accordingly, each subtype was classified as a mitotic, intermediate, and invasive subtype ( invasive).

본 발명에서 상기 "목적하는 개체", “검사 대상체” 또는 “대상체”란 뇌 종양이 발병하였거나 그 발병이 의심되는 환자로, 뇌 종양의 적절한 치료가 필요하거나 예상되는 환자를 의미하는 것일 수 있으나, 이에 제한되는 것은 아니다. In the present invention, the "object of interest", "test subject", or "subject" is a patient who has developed or is suspected of developing a brain tumor, and may mean a patient who needs or is expected to properly treat a brain tumor. It is not limited thereto.

본 발명에서 상기 조직 기원을 예측하는 대상이 되는 "뇌 종양"은 신경교종(glioma)일 수 있고, 보다 바람직하게는 교모세포종(glioblastoma)일 수 있으며, 가장 바람직하게는 이소시트레이트 디하이드로제네이즈(isocitrate dehydrogenase, IDH)-야생형의 1차 교모세포종(primary glioblastoma)일 수 있다. In the present invention, the "brain tumor" that is the target of predicting the tissue origin may be a glioma, more preferably a glioblastoma, most preferably isocitrate dehydrogenase (isocitrate dehydrogenase, IDH)-may be a wild type primary glioblastoma.

본 발명에서 상기 "교모세포종(gliblastoma; GBM)" 이란, 뇌 척수 조직이나 이를 싸고 있는 막 영역으로부터 발생되는 원발성 종양으로, 정상적으로 뇌조직에 풍부하게 존재하고 있는 신경교세포(neuroglia cell)에서 시작된 종양이다. 본 발명에서 상기 교모세포종의 대다수(>90%)는 이전에 전구 질환(precursor disease)이 없이 새로이 발생하는 1차 종양에 해당하는 반면, 2차 교모세포종(secondary glioblastoma)은 흔하지 않은 질환으로 저등급성상세포종(low-grade astrocytoma)에서 진행되어 발병할 수 있다. 대부분의 2차 교모세포종은 IDH 돌연변이를 가지고 있지만, 이러한 IDH 돌연변이는 1차 교모세포종에서는 거의 존재하지 않는다. In the present invention, the term "gliblastoma (GBM)" is a primary tumor arising from a brain spinal cord tissue or a membrane region surrounding it, and is a tumor originating from a neuroglia cell abundantly present in brain tissue. . In the present invention, the majority (>90%) of the glioblastomas correspond to newly occurring primary tumors without previous precursor disease, whereas secondary glioblastoma is an uncommon disease and is of low grade. It can progress and develop in a low-grade astrocytoma. Most secondary glioblastomas have IDH mutations, but these IDH mutations are rarely present in primary glioblastomas.

본 발명의 상기 “프라이머(primer)”란, 짧은 자유 3말단 수산화기(Free 3' hydroxyl group)를 가지는 핵산 서열로 상보적인 템플레이트(Template)와 염기쌍(Base pair)을 형성할 수 있고 템플레이트 가닥 복사를 위한 시작 지점으로 기능을 하는 짧은 핵산 서열을 의미한다. 상기 프라이머는 적절한 완충용액 및 온도에서 중합반응(즉, DNA 폴리머레이즈 또는 역전사효소)을 위한 시약 및 상이한 4가지 뉴클레오사이드 트리포스페이트의 존재하에서 DNA 합성을 개시할 수 있다. 바람직하게는, 발명에서 마이크로 RNA 폴리뉴클레오타이드의 센스 및 안티센스 프라이머를 이용하여 PCR 증폭을 실시하여 생성물의 생성 여부를 통해 질병의 발병 여부를 예측할 수 있다. PCR 조건, 센스 및 안티센스 프라이머의 길이는 당업계에 공지된 것을 기초로 변형할 수 있다.The term "primer" of the present invention is a nucleic acid sequence having a short free 3'hydroxyl group, and can form a complementary template and a base pair, and template strand copying is performed. It refers to a short nucleic acid sequence that functions as a starting point for. The primers can initiate DNA synthesis in the presence of a reagent for polymerization (ie, DNA polymerase or reverse transcriptase) and four different nucleoside triphosphates at an appropriate buffer and temperature. Preferably, in the present invention, PCR amplification is performed using the sense and antisense primers of the micro RNA polynucleotide to predict the onset of disease through the production of the product. The PCR conditions, the length of the sense and antisense primers can be modified based on those known in the art.

상기 목적을 달성하기 위하여, 본 발명은 MSN, SERPINB6, DYNLT3, DRG2, LGALS8, CBR1, S100A10, GPRASP1, LGALS3, PDPN, LRRFIP1, SDF4, DCTD, FRMD4B, TMBIM1, GSN, EMP3, ABCA1, LITAF, WDR1, TFRC, DNAJC10, CYB561, LOXL1, EFEMP2, DNTTIP2, F3, ANXA1, TP73-AS1, KHNYN, SLC12A7, ARL4C, NOL3, TMF1, PLOD2, CPQ, OSBPL9, DIRAS3, TRIP4, 및 S100A11로 구성되는 군으로부터 선택되는 하나 이상의 바이오마커에 상보적인 프라이머를 포함하는, 뇌 종양의 예후 예측용 조성물을 제공한다.In order to achieve the above object, the present invention is MSN, SERPINB6, DYNLT3, DRG2, LGALS8, CBR1, S100A10, GPRASP1, LGALS3, PDPN, LRRFIP1, SDF4, DCTD, FRMD4B, TMBIM1, GSN, EMP3, ABCA1, LITAF, WDR TFRC, DNAJC10, CYB561, LOXL1, EFEMP2, DNTTIP2, F3, ANXA1, TP73-AS1, KHNYN, SLC12A7, ARL4C, NOL3, TMF1, PLOD2, CPQ, OSBPL9, DIRAS3, TRIP4, and S100A11 It provides a composition for predicting the prognosis of a brain tumor, comprising a primer complementary to the above biomarker.

본 발명의 일 구체예에서, 상기 바이오마커는 PDPN 바이오마커에 대한 상보적인 프라이머를 추가로 포함한다. 본 발명의 다른 구체예에서, 상기 바이오마커는 뇌 종양의 나쁜 예후를 예측하는 바이오마커이다. 본 발명의 또 다른 구체예에서, 상기 나쁜 예후의 바이오마커는 뇌 종양의 침윤성 아형이다. 본 발명의 또 다른 구체예에서, 상기 뇌 종양은 교모세포종(glioblastoma)이다. In one embodiment of the present invention, the biomarker further comprises a primer complementary to the PDPN biomarker. In another embodiment of the present invention, the biomarker is a biomarker that predicts poor prognosis of brain tumors. In another embodiment of the invention, the biomarker of poor prognosis is an invasive subtype of brain tumor. In another embodiment of the present invention, the brain tumor is glioblastoma.

상기 목적을 달성하기 위하여, 본 발명은 DHRS2, LUZP2, LBP, SMAD9, HPR, AKAP3, IGFBP1, H2AFY2, RFXAP, TRIM48, POU1F1, P2RY14, AKAP6, SEC61A2, CDHR1, DACH1, REST, MSTN, TAT, HIST1H4B, DDX6, CDH9, SSX3, NDUFA13, ZP2, GFRA1, F5, DLL3, SGCG, HSF2BP, SLC35E2, ALDH1A2, TP53TG5, CPB1, PDZD7, THNSL1, LIN28A, IL5, 및 AMELY로 구성되는 군으로부터 선택되는 하나 이상의 바이오마커에 상보적인 프라이머를 포함하는, 뇌 종양의 예후 예측용 조성물을 제공한다.In order to achieve the above object, the present invention is DHRS2, LUZP2, LBP, SMAD9, HPR, AKAP3, IGFBP1, H2AFY2, RFXAP, TRIM48, POU1F1, P2RY14, AKAP6, SEC61A2, CDHR1, DACH1, REST, MSTN, TAT, HIST1 One or more biomarkers selected from the group consisting of DDX6, CDH9, SSX3, NDUFA13, ZP2, GFRA1, F5, DLL3, SGCG, HSF2BP, SLC35E2, ALDH1A2, TP53TG5, CPB1, PDZD7, THNSL1, LIN28A, IL5, and AMELY It provides a composition for predicting the prognosis of a brain tumor, comprising a complementary primer.

본 발명의 일 구체예에서, 상기 바이오마커는 TMEM100 바이오마커에 대한 상보적인 프라이머를 추가로 포함한다. 본 발명의 다른 구체예에서, 상기 바이오마커는 뇌 종양의 좋은 예후를 예측하는 바이오마커이다. 본 발명의 또 다른 구체예에서, 상기 좋은 예후의 바이오마커는 뇌 종양의 유사분열성 아형이다. 본 발명의 또 다른 구체예에서, 상기 뇌 종양은 교모세포종(glioblastoma)이다.In one embodiment of the present invention, the biomarker further comprises a primer complementary to the TMEM100 biomarker. In another embodiment of the present invention, the biomarker is a biomarker that predicts a good prognosis of a brain tumor. In another embodiment of the present invention, the biomarker of good prognosis is a mitotic subtype of brain tumor. In another embodiment of the present invention, the brain tumor is glioblastoma.

상기 목적을 달성하기 위하여, 본 발명은 뇌 종양 치료에 대한 예후를 예측하기 위한 정보를 제공하기 위하여, 검사 대상체 유래의 생물학적 시료로부터 MSN, SERPINB6, DYNLT3, DRG2, LGALS8, CBR1, S100A10, GPRASP1, LGALS3, PDPN, LRRFIP1, SDF4, DCTD, FRMD4B, TMBIM1, GSN, EMP3, ABCA1, LITAF, WDR1, TFRC, DNAJC10, CYB561, LOXL1, EFEMP2, DNTTIP2, F3, ANXA1, TP73-AS1, KHNYN, SLC12A7, ARL4C, NOL3, TMF1, PLOD2, CPQ, OSBPL9, DIRAS3, TRIP4, 및 S100A11로 구성되는 군으로부터 선택되는 하나 이상의 바이오마커의 핵산 또는 단백질의 존재 여부를 결정하는 단계; 상기 생물학적 시료의 핵산 또는 단백질의 수준을 정상인의 수준과 비교하는 단계; 및 상기 비교하는 단계에서 상기 핵산 또는 단백질의 수준이 변화가 있는 경우, 상기 대상체는 뇌 종양에 대한 예후가 나쁠 것으로 예측하는, 뇌 종양 치료에 대한 예후를 예측하기 위한 정보를 제공하는 방법을 제공한다.In order to achieve the above object, the present invention provides information for predicting the prognosis for brain tumor treatment, MSN, SERPINB6, DYNLT3, DRG2, LGALS8, CBR1, S100A10, GPRASP1, LGALS3 from a biological sample derived from a test subject. , PDPN, LRRFIP1, SDF4, DCTD, FRMD4B, TMBIM1, GSN, EMP3, ABCA1, LITAF, WDR1, TFRC, DNAJC10, CYB561, LOXL1, EFEMP2, DNTTIP2, F3, ANXA1, TP73-AS12, KHNYN, KHNYN, ARL4LC , TMF1, PLOD2, CPQ, OSBPL9, DIRAS3, TRIP4, and determining the presence or absence of a nucleic acid or protein of one or more biomarkers selected from the group consisting of S100A11; Comparing the level of nucleic acid or protein in the biological sample with that of a normal person; And when there is a change in the level of the nucleic acid or protein in the comparing step, the subject predicts that the prognosis for the brain tumor will be poor, providing a method of providing information for predicting the prognosis for brain tumor treatment. .

본 발명의 일 구체예에서, 상기 바이오마커의 핵산 또는 단백질의 존재 여부를 결정하는 단계는 PDPN의 바이오마커의 핵산 또는 단백질의 존재 여부를 결정하는 단계를 추가로 포함한다. 본 발명의 다른 구체예에서, 상기 나쁜 예후의 바이오마커는 뇌 종양의 침윤성 아형이다. 본 발명의 또 다른 구체예에서, 상기 뇌 종양은 교모세포종(glioblastoma)이다. 본 발명의 또 다른 구체예에서, 상기 바이오마커의 핵산의 수준은 중합효소연쇄반응, 역전사 중합효소연쇄반응, 경쟁적 중합효소연쇄반응, Nuclease 보호 분석(RNase, S1 nuclease assay), in situ 교잡법, 핵산 마이크로어레이 또는 노던블랏에 사용되는 시약을 검출 시약으로 사용하는 단계를 추가로 포함한다. 본 발명의 또 다른 구체예에서, 상기 바이오마커의 단백질의 수준은 웨스턴블랏, ELISA, 방사선면역분석, 면역확산법, 면역 전기영동, 조직 면역염색, 면역침전 분석법, 보체 고정 분석법, FACS, 질량분석, MRM 분석 또는 단백질 마이크로어레이용 시약을 검출 시약으로 사용하는 단계를 추가로 포함한다.In one embodiment of the present invention, determining whether the nucleic acid or protein of the biomarker is present further includes determining whether the nucleic acid or protein of the biomarker of the PDPN is present. In another embodiment of the invention, the biomarker of poor prognosis is an invasive subtype of brain tumor. In another embodiment of the present invention, the brain tumor is glioblastoma. In another embodiment of the present invention, the level of the nucleic acid of the biomarker is polymerase chain reaction, reverse transcription polymerase chain reaction, competitive polymerase chain reaction, Nuclease protection assay (RNase, S1 nuclease assay), in situ hybridization method, It further comprises the step of using a reagent used in the nucleic acid microarray or northern blot as a detection reagent. In another embodiment of the present invention, the level of the protein of the biomarker is Western blot, ELISA, radioimmunoassay, immunodiffusion method, immunoelectrophoresis, tissue immunostaining, immunoprecipitation assay, complement fixation assay, FACS, mass spectrometry, It further comprises the step of using a reagent for MRM analysis or protein microarray as a detection reagent.

상기 목적을 달성하기 위하여, 본 발명은 뇌 종양 치료에 대한 예후를 예측하기 위한 정보를 제공하기 위하여, 검사 대상체 유래의 생물학적 시료로부터 DHRS2, LUZP2, LBP, SMAD9, HPR, AKAP3, IGFBP1, H2AFY2, RFXAP, TRIM48, POU1F1, P2RY14, AKAP6, SEC61A2, CDHR1, DACH1, REST, MSTN, TAT, HIST1H4B, DDX6, CDH9, SSX3, NDUFA13, ZP2, GFRA1, F5, DLL3, SGCG, HSF2BP, SLC35E2, ALDH1A2, TP53TG5, CPB1, PDZD7, THNSL1, LIN28A, IL5, 및 AMELY로 구성되는 군으로부터 선택되는 하나 이상의 바이오마커의 핵산 또는 단백질의 존재 여부를 결정하는 단계; 상기 생물학적 시료의 핵산 또는 단백질의 수준을 정상인의 수준과 비교하는 단계; 및 상기 비교하는 단계에서 상기 핵산 또는 단백질의 수준이 변화가 있는 경우, 상기 대상체는 뇌 종양에 대한 예후가 좋을 것으로 예측하는, 뇌 종양 치료에 대한 예후를 예측하기 위한 정보를 제공하는 방법을 제공한다.In order to achieve the above object, the present invention is to provide information for predicting the prognosis for brain tumor treatment, DHRS2, LUZP2, LBP, SMAD9, HPR, AKAP3, IGFBP1, H2AFY2, RFXAP from a biological sample derived from a test subject. , TRIM48, POU1F1, P2RY14, AKAP6, SEC61A2, CDHR1, DACH1, REST, MSTN, TAT, HIST1H4B, DDX6, CDH9, SSX3, NDUFA13, ZP2, GFRA1, F5, DLL3, SGCG, HSF2BP, SLCB1 , PDZD7, THNSL1, LIN28A, IL5, and determining the presence or absence of a nucleic acid or protein of one or more biomarkers selected from the group consisting of AMELY; Comparing the level of nucleic acid or protein in the biological sample with that of a normal person; And when there is a change in the level of the nucleic acid or protein in the comparing step, the subject predicts that the prognosis for the brain tumor will be good, providing a method of providing information for predicting the prognosis for brain tumor treatment. .

본 발명의 일 구체예에서, 상기 바이오마커의 핵산 또는 단백질의 존재 여부를 결정하는 단계는 TMEM100의 바이오마커의 핵산 또는 단백질의 존재 여부를 결정하는 단계를 추가로 포함한다. 본 발명의 다른 구체예에서, 상기 좋은 예후의 바이오마커는 뇌 종양의 유사분열성 아형이다. 본 발명의 또 다른 구체예에서, 상기 뇌 종양은 교모세포종(glioblastoma)이다. 본 발명의 또 다른 구체예에서, 상기 바이오마커의 핵산의 수준은 중합효소연쇄반응, 역전사 중합효소연쇄반응, 경쟁적 중합효소연쇄반응, Nuclease 보호 분석(RNase, S1 nuclease assay), in situ 교잡법, 핵산 마이크로어레이 또는 노던블랏에 사용되는 시약을 검출 시약으로 사용하는 단계를 추가로 포함한다. 본 발명의 또 다른 구체예에서, 상기 바이오마커의 단백질의 수준은 웨스턴블랏, ELISA, 방사선면역분석, 면역확산법, 면역 전기영동, 조직 면역염색, 면역침전 분석법, 보체 고정 분석법, FACS, 질량분석, MRM 분석 또는 단백질 마이크로어레이용 시약을 검출 시약으로 사용하는 단계를 추가로 포함한다.In one embodiment of the present invention, determining whether the nucleic acid or protein of the biomarker is present further includes determining whether the nucleic acid or protein of the biomarker of TMEM100 is present. In another embodiment of the present invention, the biomarker of good prognosis is a mitotic subtype of brain tumor. In another embodiment of the present invention, the brain tumor is glioblastoma. In another embodiment of the present invention, the level of the nucleic acid of the biomarker is polymerase chain reaction, reverse transcription polymerase chain reaction, competitive polymerase chain reaction, Nuclease protection assay (RNase, S1 nuclease assay), in situ hybridization method, It further comprises the step of using a reagent used in the nucleic acid microarray or northern blot as a detection reagent. In another embodiment of the present invention, the level of the protein of the biomarker is Western blot, ELISA, radioimmunoassay, immunodiffusion method, immunoelectrophoresis, tissue immunostaining, immunoprecipitation assay, complement fixation assay, FACS, mass spectrometry, It further comprises the step of using a reagent for MRM analysis or protein microarray as a detection reagent.

상기 목적을 달성하기 위하여, 본 발명은 a) 검사 대상체로부터 분리된 생물학적 시료를 입력하는 입력부; b) MSN, SERPINB6, DYNLT3, DRG2, LGALS8, CBR1, S100A10, GPRASP1, LGALS3, PDPN, LRRFIP1, SDF4, DCTD, FRMD4B, TMBIM1, GSN, EMP3, ABCA1, LITAF, WDR1, TFRC, DNAJC10, CYB561, LOXL1, EFEMP2, DNTTIP2, F3, ANXA1, TP73-AS1, KHNYN, SLC12A7, ARL4C, NOL3, TMF1, PLOD2, CPQ, OSBPL9, DIRAS3, TRIP4, 및 S100A11로 구성되는 군으로부터 선택되는 하나 이상의 바이오마커의 핵산 또는 단백질의 존재 여부를 검출 및 결정하는 검출부; c) 상기 바이오마커의 핵산 또는 단백질의 수준을 추출하는 추출부; d) 상기 수득된 바이오마커의 핵산 또는 단백질의 수준을 정상인의 수준과 대조 연산하는 대조 연산부; e) 상기 연산부에서 상기 핵산 또는 단백질의 수준이 변화가 있는 경우, 상기 대상체는 뇌 종양에 대한 예후가 나쁠 것으로 예측 연산하는 예측 연산부; 및 f) 상기 예측 연산 결과를 출력하는 출력부를 포함하는, 뇌 종양 치료에 대한 예후를 예측하기 위한 정보를 제공하는 진단 기기를 제공한다.In order to achieve the above object, the present invention is a) an input unit for inputting a biological sample separated from a test subject; b) MSN, SERPINB6, DYNLT3, DRG2, LGALS8, CBR1, S100A10, GPRASP1, LGALS3, PDPN, LRRFIP1, SDF4, DCTD, FRMD4B, TMBIM1, GSN, EMP3, ABCA1, LITAF, WDR1, TFRC561, LOXLJC10, TFRC, DNA EFEMP2, DNTTIP2, F3, ANXA1, TP73-AS1, KHNYN, SLC12A7, ARL4C, NOL3, TMF1, PLOD2, CPQ, OSBPL9, DIRAS3, TRIP4, and S100A11 of the nucleic acid or protein of one or more biomarkers selected from the group consisting of A detection unit for detecting and determining the presence or absence; c) an extraction unit for extracting the level of the nucleic acid or protein of the biomarker; d) a comparison operation unit for comparing and calculating the level of the nucleic acid or protein of the obtained biomarker with that of a normal person; e) a prediction operation unit that predicts and calculates that the prognosis for a brain tumor of the subject will be poor when there is a change in the level of the nucleic acid or protein in the operation unit; And f) an output unit that outputs the prediction operation result, and provides a diagnostic device that provides information for predicting a prognosis for brain tumor treatment.

본 발명의 일 구체예에서, 상기 검출부에서 PDPN의 바이오마커의 핵산 또는 단백질의 존재 여부를 결정하는 단계를 추가로 포함한다. 본 발명의 다른 구체예에서, 상기 진단 기기는 상기 나쁜 예후의 바이오마커가 뇌 종양의 침윤성 아형으로 연산하여 결정하는 연산결정부를 추가로 포함한다. 본 발명의 또 다른 구체예에서, 상기 뇌 종양은 교모세포종(glioblastoma)이다. 본 발명의 또 다른 구체예에서, 상기 추출부에서, 바이오마커의 핵산의 수준은 중합효소연쇄반응, 역전사 중합효소연쇄반응, 경쟁적 중합효소연쇄반응, Nuclease 보호 분석(RNase, S1 nuclease assay), in situ 교잡법, 핵산 마이크로어레이 또는 노던블랏에 사용되는 시약을 검출 시약으로 사용하여 추출한다. 본 발명의 또 다른 구체예에서, 상기 추출부에서, 바이오마커의 단백질의 농도는 웨스턴블랏, ELISA, 방사선면역분석, 면역확산법, 면역 전기영동, 조직 면역염색, 면역침전 분석법, 보체 고정 분석법, FACS, 질량분석, MRM 분석 또는 단백질 마이크로어레이용 시약을 검출 시약으로 사용하여 추출한다.In one embodiment of the present invention, the detection unit further comprises determining whether the nucleic acid or protein of the PDPN biomarker is present. In another embodiment of the present invention, the diagnostic device further includes an operation determination unit that calculates and determines the biomarker of poor prognosis as an invasive subtype of a brain tumor. In another embodiment of the present invention, the brain tumor is glioblastoma. In another embodiment of the present invention, in the extraction section, the level of nucleic acid of the biomarker is polymerase chain reaction, reverse transcription polymerase chain reaction, competitive polymerase chain reaction, Nuclease protection assay (RNase, S1 nuclease assay), in Reagents used in situ hybridization, nucleic acid microarrays or Northern blots are used as detection reagents for extraction. In another embodiment of the present invention, in the extraction section, the concentration of the biomarker protein is Western blot, ELISA, radioimmunoassay, immunodiffusion, immunoelectrophoresis, tissue immunostaining, immunoprecipitation assay, complement fixation assay, FACS , Mass spectrometry, MRM analysis, or protein microarray reagents are used as detection reagents for extraction.

상기 목적을 달성하기 위하여, 본 발명은 a) 검사 대상체로부터 분리된 생물학적 시료를 입력하는 입력부; b) MSN, SERPINB6, DYNLT3, DRG2, LGALS8, CBR1, S100A10, GPRASP1, LGALS3, PDPN, LRRFIP1, SDF4, DCTD, FRMD4B, TMBIM1, GSN, EMP3, ABCA1, LITAF, WDR1, TFRC, DNAJC10, CYB561, LOXL1, EFEMP2, DNTTIP2, F3, ANXA1, TP73-AS1, KHNYN, SLC12A7, ARL4C, NOL3, TMF1, PLOD2, CPQ, OSBPL9, DIRAS3, TRIP4, 및 S100A11로 구성되는 군으로부터 선택되는 하나 이상의 바이오마커의 핵산 또는 단백질의 존재 여부를 검출 및 결정하는 검출부; c) 상기 바이오마커의 핵산 또는 단백질의 수준을 추출하는 추출부; d) 상기 수득된 바이오마커의 핵산 또는 단백질의 수준을 정상인의 수준과 대조 연산하는 대조 연산부; e) 상기 연산부에서 상기 핵산 또는 단백질의 수준이 변화가 있는 경우, 상기 대상체는 뇌 종양에 대한 예후가 좋을 것으로 예측 연산하는 예측 연산부; 및 f) 상기 예측 연산 결과를 출력하는 출력부를 포함하는, 뇌 종양 치료에 대한 예후를 예측하기 위한 정보를 제공하는 진단 기기를 제공한다. In order to achieve the above object, the present invention is a) an input unit for inputting a biological sample separated from a test subject; b) MSN, SERPINB6, DYNLT3, DRG2, LGALS8, CBR1, S100A10, GPRASP1, LGALS3, PDPN, LRRFIP1, SDF4, DCTD, FRMD4B, TMBIM1, GSN, EMP3, ABCA1, LITAF, WDR1, TFRC561, LOXLJC10, TFRC, DNA EFEMP2, DNTTIP2, F3, ANXA1, TP73-AS1, KHNYN, SLC12A7, ARL4C, NOL3, TMF1, PLOD2, CPQ, OSBPL9, DIRAS3, TRIP4, and S100A11 of the nucleic acid or protein of one or more biomarkers selected from the group consisting of A detection unit for detecting and determining the presence or absence; c) an extraction unit for extracting the level of the nucleic acid or protein of the biomarker; d) a comparison operation unit for comparing and calculating the level of the nucleic acid or protein of the obtained biomarker with that of a normal person; e) a prediction operation unit that predicts and calculates that the prognosis for a brain tumor of the subject is good when there is a change in the level of the nucleic acid or protein in the operation unit; And f) an output unit that outputs the prediction operation result, and provides a diagnostic device that provides information for predicting a prognosis for brain tumor treatment.

본 발명의 일 구체예에서, 상기 검출부에서 TMEM100의 바이오마커의 핵산 또는 단백질의 존재 여부를 결정하는 단계를 추가로 포함한다. 본 발명의 다른 구체예에서, 상기 진단 기기는 상기 좋은 예후의 바이오마커가 뇌 종양의 유사분열성 아형으로 연산하여 결정하는 연산결정부를 추가로 포함한다. 본 발명의 또 다른 구체예에서, 상기 뇌 종양은 교모세포종(glioblastoma)이다. 본 발명의 또 다른 구체예에서, 상기 추출부에서, 바이오마커의 핵산의 수준은 중합효소연쇄반응, 역전사 중합효소연쇄반응, 경쟁적 중합효소연쇄반응, Nuclease 보호 분석(RNase, S1 nuclease assay), in situ 교잡법, 핵산 마이크로어레이 또는 노던블랏에 사용되는 시약을 검출 시약으로 사용하여 추출한다. 본 발명의 또 다른 구체예에서, 상기 추출부에서, 바이오마커의 단백질의 농도는 웨스턴블랏, ELISA, 방사선면역분석, 면역확산법, 면역 전기영동, 조직 면역염색, 면역침전 분석법, 보체 고정 분석법, FACS, 질량분석, MRM 분석 또는 단백질 마이크로어레이용 시약을 검출 시약으로 사용하여 추출한다.In one embodiment of the present invention, the detection unit further comprises the step of determining whether the nucleic acid or protein of the biomarker of TMEM100 is present. In another embodiment of the present invention, the diagnostic device further includes an operation determination unit that calculates and determines the biomarker with a good prognosis as a mitotic subtype of a brain tumor. In another embodiment of the present invention, the brain tumor is glioblastoma. In another embodiment of the present invention, in the extraction section, the level of nucleic acid of the biomarker is polymerase chain reaction, reverse transcription polymerase chain reaction, competitive polymerase chain reaction, Nuclease protection assay (RNase, S1 nuclease assay), in Reagents used in situ hybridization, nucleic acid microarrays or Northern blots are used as detection reagents for extraction. In another embodiment of the present invention, in the extraction section, the concentration of the biomarker protein is Western blot, ELISA, radioimmunoassay, immunodiffusion, immunoelectrophoresis, tissue immunostaining, immunoprecipitation assay, complement fixation assay, FACS , Mass spectrometry, MRM analysis, or protein microarray reagents are used as detection reagents for extraction.

이하, 본 발명을 하기 실시예로 구체적으로 설명한다. 다만, 하기 실시예는 본 발명의 이해를 돕기 위한 것으로, 이에 의해 본 발명의 범위가 한정되는 것은 아니다.Hereinafter, the present invention will be described in detail with the following examples. However, the following examples are for aiding understanding of the present invention, and the scope of the present invention is not limited thereby.

본 발명은 암 유전자의 발현 수준을 비교하여 분자적 특성에 기반한 뇌 종양의 예후를 예측할 수 있고, 이에 따라 상기 뇌 종양의 치료 효과를 극대화시킬 수 있어 적절한 치료 전략을 수립할 수 있도록 한다.The present invention can predict the prognosis of a brain tumor based on molecular characteristics by comparing the expression level of a cancer gene, thereby maximizing the therapeutic effect of the brain tumor, so that an appropriate treatment strategy can be established.

도 1은 GBM 예후 아형의 분리를 보여주는 흐름도이다.
도 2의 a는 낮은 OS 및 높은 OS인 환자에서 80개의 예후 관련 유전자의 발현 정도를 나타내는 이미지이고, 도 2의 b는 정상 시료와 GBM 시료 간의 비교를 80개의 예후 관련 유전자의 발현 정도로 보여주는 이미지이다.
도 3은 GBM 예후 아형의 분리를 보여주는 그래프이다. 도 3의 a에서 각 점은 각 GBM 시표의 예후 스코어와 OS를 나타낸다. 수직 점선은 아형 지정을 위한 임계 값(-1 및 1)을 나타낸다. 선형 회귀선은 검은 색으로 표시한다. 도 3의 b에서는 각 예후 아형에 대한 생존 확률을 나타내고, Kaplan-Meier 곡선을 바탕으로 추정하였다. 도 3의 c에서는 GBM 분자 아형의 분포를 히트맵으로 나타낸 것이다. P는 나쁜 예후인 아형을 나타내고, I는 중간성 아형을 나타내며, F는 좋은 예후인 아형을 나타낸다. 또한, C는 고전성 아형이고, M은 중간엽성 아형이며, N은 신경성 아형이며, P는 전신경성 아형을 나타낸다.
도 4는 본 발명에 따른 GBM 예후 아형의 기능적 주석을 설명하는 도면이다.
도 5는 GBM에서 반복적으로 변형된 유전자에 체세포 돌연변이 분포를 나타내는 도면이다. 예후 아형에 따라 개별적으로 분류하였고, 히트맵은 각 표본의 예후 점수 또는 G-CIMP 상태를 나타내는 것이다.
도 6a는 각각의 예후 아형에서 PDPN 및 TMEM100의 발현 수준을 나타내는 그래프이다.
도 6b는 2-4등급인 신경교종에서의 PDPN 및 TMEM100의 발현 수준을 나타내는 그래프이다.
도 6c는 PDPN과 TMEM100의 발현 수준을 나타내는 이미지이다.1 is a flow chart showing the separation of subtypes prognostic for GBM.
2A is an image showing the expression level of 80 prognostic genes in patients with low OS and high OS, and FIG. 2B is an image showing the expression level of 80 prognostic genes in comparison between a normal sample and a GBM sample. .
3 is a graph showing the separation of subtypes after GBM prognosis. In Fig. 3A, each dot represents a prognostic score and OS of each GBM target. The vertical dotted lines represent the threshold values (-1 and 1) for subtype designation. The linear regression line is shown in black. 3B shows the survival probability for each prognostic subtype, and was estimated based on the Kaplan-Meier curve. 3C shows the distribution of GBM molecular subtypes as a heat map. P denotes a subtype with a poor prognosis, I denotes an intermediate subtype, and F denotes a subtype with good prognosis. In addition, C is a classical subtype, M is a mesenchymal subtype, N is a neurogenic subtype, and P is a systemic subtype.
4 is a diagram illustrating functional annotation of a GBM prognostic subtype according to the present invention.
5 is a diagram showing the distribution of somatic mutations in genes repeatedly modified in GBM. They were classified individually according to the prognostic subtype, and the heat map represents the prognostic score or G-CIMP status of each sample.
6A is a graph showing the expression levels of PDPN and TMEM100 in each prognostic subtype.
6B is a graph showing the expression levels of PDPN and TMEM100 in grade 2-4 glioma.
6C is an image showing the expression levels of PDPN and TMEM100.

이하, 실시예를 통하여 본 발명을 더욱 상세히 설명하고자 한다. 이들 실시예는 오로지 본 발명을 보다 구체적으로 설명하기 위한 것으로서, 본 발명의 요지에 따라 본 발명의 범위가 이들 실시예에 의해 제한되지 않는다는 것은 당업계에서 통상의 지식을 가진 자에게 있어서 자명할 것이다.Hereinafter, the present invention will be described in more detail through examples. These examples are only for describing the present invention in more detail, and it will be apparent to those of ordinary skill in the art that the scope of the present invention is not limited by these examples according to the gist of the present invention. .

실시예 Example

준비예 1: 데이트세트Preparation Example 1: Date Set

시료는 Oncopression(https://oncopression.com), TCGA 및 REMBRANDT 데이터베이스에서 제공받았다. Oncopression에서 마이크로어레이를 사용하여 전처리된 유전자 발현 데이터를 검색하였다(정상 뇌, n = 723, 2등급 성상세포종, n = 133, 3등급 성상세포종, n = 132, GBM, n = 865). 또한, 174명의 GBM 환자에 대한 생존 정보를 얻었다. TCGA에서는 GBM 환자 496명의 생존 정보로 cBioPortal을 통해 전처리된 멀티-오믹스 프라이머리 GBM 데이터세트를 얻었다(U133 마이크로 어레이, n = 497; RNA-seq, n = 166; 전체 엑솜 시퀀싱으로부터의 체세포 돌연변이 데이터, n = 491; 메틸화, HM27의 경우 n = 254, HM450의 경우 n = 84; GISTIC 2.0의 CNA, n = 478). GBM 환자 187명의 생존 정보로 ArrayExpress로부터 REMBRANDT 유전자 발현 데이타세트(E-MTAB-3073)를 얻었다(2등급 성상세포종, n = 65, 3등급 성상세포종, n = 58, GBM, n = 228).Samples were provided from Oncopression (https://oncopression.com), TCGA and REMBRANDT databases. In Oncopression, preprocessed gene expression data were retrieved using microarrays (normal brain, n = 723, grade 2 astrocytoma, n = 133, grade 3 astrocytoma, n = 132, GBM, n = 865). In addition, survival information was obtained for 174 GBM patients. In TCGA, a multi-omics primary GBM dataset pretreated through cBioPortal was obtained with survival information of 496 GBM patients (U133 microarray, n = 497; RNA-seq, n = 166; somatic mutation data from whole exome sequencing. , n = 491; methylation, n = 254 for HM27, n = 84 for HM450; CNA of GISTIC 2.0, n = 478). The REMBRANDT gene expression dataset (E-MTAB-3073) was obtained from ArrayExpress for survival information of 187 GBM patients (grade 2 astrocytoma, n = 65, grade 3 astrocytoma, n = 58, GBM, n = 228).

준비예 2: 대상집단Preparation Example 2: Target Group

본 실시예에 따른 대상체의 시료는 연세대학교 의과대학 세브란스 병원에서 치료 중인 52명의 1차 GBM 환자로부터 얻었고, 이들의 임상 특징은 하기 표 1에 나타내었다. 마이크로 어레이를 사용하여 유전자 발현 프로파일을 얻기 위해, Qiagen RNeasy Plus Mini 키트를 사용하여 각각의 조직 시료에서 전체 RNA를 추출하고 Illumina HumanHT-12 v4 Expression BeadChip(Illumina, San Diego, CA, 미국) 상에 로딩하였다. 모든 데이터의 전가공 및 이후의 데이터 분석은 R/Bioconductor packages를 이용하여 수행하였다. 각각의 뇌종양 제거 전 7 일 이내에 Achieva 3.0T 시스템(Philips Medical Systems, Best, Netherlands)을 사용하여 모든 환자의 MR 영상을 촬영하였다. 축상 영상은 전두골의 앞과 뒤 사지와 평행하게 촬영한 것이다. 이 연구는 연세대학교 세브란스 병원의 기관 검토위원회(Institutional Review Board)(4-2012-0212, 4-2014-0649)에서 승인되었으며, 모든 참가자 또는 보호자는 서면 동의를 받았다. 모든 절차 및 프로토콜은 관련 지침 및 규정에 따라 수행되었다.Samples of subjects according to this example were obtained from 52 primary GBM patients being treated at Severance Hospital, Yonsei University College of Medicine, and their clinical characteristics are shown in Table 1 below. To obtain gene expression profiles using microarrays, total RNA was extracted from each tissue sample using the Qiagen RNeasy Plus Mini kit and loaded onto Illumina HumanHT-12 v4 Expression BeadChip (Illumina, San Diego, CA, USA). I did. All data processing and subsequent data analysis were performed using R/Bioconductor packages. MR images of all patients were taken using the Achieva 3.0T system (Philips Medical Systems, Best, Netherlands) within 7 days before each brain tumor removal. The axial image was taken parallel to the anterior and posterior limbs of the frontal bone. This study was approved by the Institutional Review Board (4-2012-0212, 4-2014-0649) of Yonsei University Severance Hospital, and all participants or guardians received written consent. All procedures and protocols were carried out in accordance with relevant guidelines and regulations.

Figure 112018060339565-pat00001
Figure 112018060339565-pat00001

실시예: 예후 아형 분리 개요Example: Prognostic subtype separation overview

(1) Oncopression 및 TCGA(cancer genome atlas) 데이터베이스를 사용하여 각 유전자의 발현 수준과 환자 OS 간의 상관 관계를 계산하였다. (2) GBM의 예후가 좋지 않은 40건과 예후가 좋은 40건을 선택하였다. (3) GBM 시료는 이러한 예후 관련 유전자(PGs; prognosis-associated genes)를 사용하여 ssGSEA(single sample gene set enrichment analysis) 분석을 실시하고, (4) 예후 아형을 분리하였다. Oncopression 및 TCGA 외에도, REMBRANDT(분자 뇌종양 데이터 저장소) 및 Severance 데이터 세트를 유효성 검사에 사용하였다. (5) 예후 아형은 과-발현 분석ojver-representation analysis; ORA)을 사용하여 분리하였다(도 1). 그로 인해 예후가 좋지 않은 아형에 대해서는 "침윤성"이라고 명명하고, 예후가 좋은 아형에 대해서는 "유사분열성"이라고 각각 명명하기로 하였다.(1) The correlation between the expression level of each gene and patient OS was calculated using the Oncopression and TCGA (cancer genome atlas) database. (2) 40 cases of GBM with poor prognosis and 40 cases with good prognosis were selected. (3) GBM samples were subjected to ssGSEA (single sample gene set enrichment analysis) analysis using these prognosis-associated genes (PGs), and (4) prognosis subtypes were isolated. In addition to Oncopression and TCGA, REMBRANDT (molecular brain tumor data repository) and Severance data sets were used for validation. (5) prognostic subtype is over-expression analysis ojver-representation analysis; ORA) was used (Fig. 1). Therefore, subtypes with poor prognosis were named "invasive", and subtypes with good prognosis were designated as "mitotic".

실시예 1: 전사체(transcriptome) 분석을 이용한 GBM에서의 예후 관련 유전자(PG)의 동정Example 1: Identification of prognostic genes (PG) in GBM using transcriptome analysis

GBM 시료에 대해서는 가장 많이 사용되는 유전자 발현 기반 분류법인 Verhaak에 따라 아형을 분류하였다. Kaplan-Meier 방법에 의해 이들 아형의 OS를 비교하였다. 예후 관련 유전자를 확인하기 위해 Pearson 상관계수(PCC)를 계산하였다. 그 중 oncopression과 TCGA 모두에서 가장 높은 Pearson 상관계수를 갖는 유전자를 예후 관련 유전자로 분류하였다(표 2). 예상대로, 나쁜 예후 관련 유전자 40개는 OS가 보다 짧은 환자에서 더 높은 발현 수준을 나타내지만, 좋은 예후 관련 유전자 40개는 OS가 보다 높은 환자에서 더 높은 발현 수준을 나타내었다(도 2의 a). 특히, 대부분의 나쁜 예후 관련 유전자는 정상 시료에서보다 GBM에서 더 높은 발현을 나타내었다(도 2의 b).For GBM samples, subtypes were classified according to Verhaak, the most widely used gene expression-based classification method. The OS of these subtypes were compared by Kaplan-Meier method. Pearson correlation coefficient (PCC) was calculated to identify genes related to prognosis. Among them, genes with the highest Pearson correlation coefficient in both oncopression and TCGA were classified as prognostic genes (Table 2). As expected, 40 poor prognosis-related genes showed higher expression levels in patients with shorter OS, while 40 good prognostic-related genes showed higher expression levels in patients with higher OS (Fig. 2a). . In particular, most of the genes related to poor prognosis showed higher expression in GBM than in normal samples (Fig. 2b).

Figure 112018060339565-pat00002
Figure 112018060339565-pat00002

실시예 2: GBM 예후 아형의 분리Example 2: Isolation of GBM prognostic subtypes

이들 예후 관련 유전자들을 사용하여, GBM 시료에 대해서 ssGSEA를 실시하여 아형 분리 기준인 예후 스코어를 평가하였다. 또한, 예후 스코어가 -1 이하, 1 이상, 그리고 -1 내지 1 사이인 환자를 각각 나쁜 예후(침윤성), 좋은 예후(유사분열성) 및 중간 아형으로 분류하였다. 4개의 독립적인 데이터 세트(Oncopression, TCGA, REMBRANDT 및 Severance 데이터 세트)에 대한 선형 회귀 분석 결과, 예후 스코어는 GBM 환자의 OS와 유의미한 상관 관계가 있음이 밝혔다(도 3의 a). 유사한 패턴을 RNA-시퀀싱 데이터(TCGA)에서 관찰하고, 이 두 실험에서 일치하는 환자의 예후 스코어는 유의한 상관 관계를 나타냈다. 이 방법이 마이크로 어레이와 RNA-시퀀싱 모두에 적용 가능함을 의미하였다. 본 발명자들은 또한 낮은 등급의 신경교종 시료(2등급 및 3등급)에서 예후 스코어를 평가하였다. 예후 스코어는 종양 등급이 증가함에 따라 유의하게 감소함을 확인하였으며, 이는 이 방법이 저등급 신경교종 시료를 포함하는 데이터 세트에 적용 가능함을 시사하였다.Using these prognostic-related genes, ssGSEA was performed on GBM samples to evaluate a prognostic score, which is a criterion for subtype separation. In addition, patients with prognostic scores of -1 or less, 1 or more, and between -1 and 1 were classified into poor prognosis (invasiveness), good prognosis (mitosis), and intermediate subtypes, respectively. Linear regression analysis for four independent data sets (Oncopression, TCGA, REMBRANDT and Severance data set) revealed that the prognostic score had a significant correlation with the OS of GBM patients (Fig. 3a). Similar patterns were observed in the RNA-sequencing data (TCGA), and the prognostic scores of the patients matched in these two experiments showed a significant correlation. This meant that this method was applicable to both microarrays and RNA-sequencing. We also evaluated prognostic scores in low grade glioma samples (Grade 2 and Grade 3). It was confirmed that the prognostic score decreased significantly with increasing tumor grade, suggesting that this method is applicable to data sets containing low grade glioma samples.

각 GBM 데이터 세트를 예후 스코어에 따라 세 그룹으로 나누고, Kaplan-Meier 방법을 사용하여 OS를 비교하였다. 모든 데이터 세트에서 OS는 예후가 나쁜 그룹보다 좋은 그룹에서 더 오랜 수명을 나타냈다. 이는 전사체에 의거한 GBM의 아형 분류가 환자의 OS를 반영한다는 것을 확인하였다(도 3의 b). 이 분류와 Verhaak 분자 아형의 관계를 조사한 결과, 중간엽(mesenchymal)의 아형이 예후 좋은 그룹보다 나쁜 그룹에서 더 풍부해지는 반면, 전신경(proneural)의 아형이 예후 나쁜 그룹보다 좋은 그룹에서 보다 풍부해지는 것을 발견하였다(도 3의 c).Each GBM data set was divided into three groups according to the prognostic score, and OS was compared using the Kaplan-Meier method. In all data sets, the OS showed longer lifespan in the good group than in the poor prognosis group. It was confirmed that the GBM subtype classification based on the transcriptome reflects the patient's OS (Fig. 3b). As a result of examining the relationship between this classification and the Verhaak molecular subtype, the mesenchymal subtype became more abundant in the poor group than in the good prognosis group, while the proneural subtype became more abundant in the good group than in the poor prognosis group. Found (Fig. 3 c).

실시예 3: GBM 예후 아형의 기능적 주석Example 3: Functional annotation of GBM prognostic subtype

각 예후 아형의 생물학적 특성을 결정하기 위해 본 발명자들은 oncopression과 TCGA 데이터 세트에서 예후가 나쁜 그룹과 좋은 그룹 간의 차별적으로 발현된 유전자(DEG; differentially expressed genes)를 확인하였다(도 4의 A). 차별적으로 발현된 유전자(DEG)는 기능적 주석을 위해 ORA를 실시하였다. ORA는 4개의 유전자 세트 데이터베이스를 사용하여 침윤 관련 유전자 및 면역 관련 유전자 세트가 나쁜 예후 그룹에서 유의하게 풍부하게 나타났다. 반면에, 세포주기 관련 유전자 세트는 예후가 좋은 그룹에서 상당히 풍부하게 나타났다(도 4의 B).In order to determine the biological characteristics of each prognostic subtype, the present inventors identified differentially expressed genes (DEGs) between the poor prognosis group and the good group in the oncopression and TCGA data sets (Fig. 4A). Differentially expressed genes (DEG) were subjected to ORA for functional annotation. ORA was found to be significantly enriched in the poor prognostic group with invasion-related genes and immune-related gene sets using a database of four gene sets. On the other hand, the cell cycle-related gene set was significantly abundant in the group with a good prognosis (Fig. 4B).

예후가 나쁜 그룹은 "침윤성" 아형이라고 하고, 예후가 좋은 그룹은 "유사분열성" 아형이라고 하였다. GBM 환자의 MR 그래프(도 4의 C) 및 환자에서 유래된 1차 GBM 종양구(TS)의 콜라겐 기반 생체외 3D 침투 분석(도 4의 D)에서 나타내는 바와 같이, 예후 스코어는 GBM 시료의 침윤 특성과 유의한 상관관계가 있었다. 2개의 아형의 대표적인 이미지를 도 4의 E에 나타내었다. 또한, MGMT 메틸화는 유사분열성 아형에서 유의적으로 많았다. 이들 두 예후 아형을 가진 환자를 치료하는데 상이한 치료 전략이 필요하다는 것을 나타낸 것이었다(도 4의 F). The group with a poor prognosis was referred to as the "invasive" subtype, and the group with a good prognosis was referred to as the "mitotic" subtype. As shown in the MR graph of GBM patients (Fig. 4C) and collagen-based in vitro 3D penetration analysis of patient-derived primary GBM tumor cells (TS) (Fig. 4D), the prognostic score is the invasion of GBM samples. There was a significant correlation with the characteristics. Representative images of the two subtypes are shown in Figure 4E. In addition, MGMT methylation was significantly higher in the mitotic subtype. It was shown that different treatment strategies were needed to treat patients with these two prognostic subtypes (FIG. 4F).

또한, Ki-67 발현은 2가지 아형인 침윤성과 유사분열성 아형에서 유의미한 차이가 없었다. 이는 증식이 암의 보편적인 특징이기 때문일 수 있었다. 연령과 성별을 포함한 환자의 임상적 특징을 분석한 결과, 아형 분류에 영향을 미치지 않은 것을 확인하였다. 종합적으로, 이들을 통해, 특히 침윤 특성이 상이한 것과 같이, 예후 아형에 따라 생물학적 표현형이 구분됨을 시사한다.In addition, Ki-67 expression was not significantly different between the two subtypes, invasive and mitotic subtypes. This could be because proliferation is a common feature of cancer. As a result of analyzing the clinical characteristics of the patient, including age and sex, it was confirmed that it did not affect subtype classification. Collectively, these suggest that biological phenotypes are differentiated according to prognostic subtypes, especially with different invasive properties.

실시예 4: GBM 예후 아형의 게놈 특징Example 4: Genomic characteristics of the GBM prognostic subtype

각각의 예후 아형에 대해 다중 OMICS 특징을 조사하였다. 돌연변이가 재발된 유전자에서의 게놈 변이의 분포(TCGA)를 관찰해보니, 여러 유전자에서의 돌연변이가 침윤성 또는 유사분열성으로만 발생한다는 것을 확인하였다. CDH18, WNT2, COL1A2 및 TGFA의 돌연변이는 침윤성 아형에서만 관찰되었다. 대조적으로 좋은 예후와 관련된 IDH1과 ATRX의 돌연변이는 예후 아형 분류와 일치하는 유사분열성 아형에서만 관찰되었다. 도 5에 나타나 있는 바와 같이, 좋은 예후와 관련이 있는 신경교종-CpG섬 메틸화 인자 표현형(G-CIMP; glioma-CpG island methylator phenotype)은 유사분열성 아형에서만 관찰되었다. G-CIMP 이외의 DNA 메틸화 상태는 침윤성 및 유사분열성 아형에서 명백한 패턴을 보였다.Multiple OMICS features were examined for each prognostic subtype. Observing the distribution of genomic variation (TCGA) in the recurrent gene mutation, it was confirmed that mutations in several genes occur only in invasive or mitotic properties. Mutations of CDH18, WNT2, COL1A2 and TGFA were observed only in the invasive subtype. In contrast, mutations in IDH1 and ATRX associated with good prognosis were only observed in mitotic subtypes consistent with the prognostic subtype classification. As shown in Figure 5, the glioma-CpG island methylator phenotype (G-CIMP; glioma-CpG island methylator phenotype), which is associated with a good prognosis, was observed only in the mitotic subtype. DNA methylation status other than G-CIMP showed a clear pattern in the invasive and mitotic subtypes.

실시예 5: GBM 아형의 마커Example 5: Markers of GBM subtype

표 1에 열거된 바와 같은 예후 관련 유전자들이 침윤성 아형 및 유사분열성 아형에서 가장 큰 차이를 보이는 것으로 확인하였다. 예를 들어, 확인된 48개의 유전자 중 PDPN과 TMEM100은 분비된 단백질을 암호화하는 유전자를 제외하고, 2가지 예후 아형 중에서 가장 큰 차등 발현을 보였다. 4가지 독립적인 데이터 세트에서 PDPN은 침윤성 아형에서 유의하게 더 높은 발현 수준을 보인 반면, TMEM100은 유사분열성 아형에서 매우 큰 발현을 나타냈다(도 6a). 또한, PDPN의 발현 수준은 신경교종의 증가와 유의한 상관 관계를 보였으나, TMEM100의 경우 반대의 패턴을 보였다(도 6b). 저등급 신경교종의 경우에도 두 마커 모두 예후와 관련이 있음을 보여 주었다. 면역조직화학법을 통해, 침윤성 아형에서는 PDPN의 발현 수준이 더 높았고, 유사분열성 아형에서는 TMEM100의 발현 수준이 높은 것을 확인하였다(도 6c). 이러한 결과는 PDPN이 침윤성 아형의 표지이고, TMEM100이 유사분열성 아형의 표지임을 시사하는 것이다.It was confirmed that the genes related to prognosis as listed in Table 1 showed the greatest difference in the invasive subtype and the mitotic subtype. For example, of the 48 identified genes, PDPN and TMEM100 showed the greatest differential expression among the two prognostic subtypes, excluding the gene encoding the secreted protein. In four independent data sets, PDPN showed significantly higher expression levels in the invasive subtype, while TMEM100 showed very large expression in the mitotic subtype (FIG. 6A ). In addition, the expression level of PDPN showed a significant correlation with the increase in glioma, but in the case of TMEM100 showed the opposite pattern (Fig. 6b). In the case of low-grade glioma, both markers were shown to be associated with prognosis. Through immunohistochemistry, it was confirmed that the expression level of PDPN was higher in the invasive subtype and the expression level of TMEM100 was high in the mitotic subtype (Fig. 6c). These results suggest that PDPN is a marker for an invasive subtype and TMEM100 is a marker for a mitotic subtype.

상기한 바와 같은 과정을 통해 얻은 결과를 표 2에 정리하였다. MSN, SERPINB6, DYNLT3, DRG2, LGALS8, CBR1, S100A10, GPRASP1, LGALS3, PDPN, LRRFIP1, SDF4, DCTD, FRMD4B, TMBIM1, GSN, EMP3, ABCA1, LITAF, WDR1, TFRC, DNAJC10, CYB561, LOXL1, EFEMP2, DNTTIP2, F3, ANXA1, TP73-AS1, KHNYN, SLC12A7, ARL4C, NOL3, TMF1, PLOD2, CPQ, OSBPL9, DIRAS3, TRIP4, 및 S100A11은 나쁜 예후를 나타내는 침윤성 아형에 해당하였다. 추가로, PDPN, CDH18, WNT2, COL1A2, 및 TGFA는 나쁜 예후를 나타내는 침윤성 아형에 해당하였다. 또한, DHRS2, LUZP2, LBP, SMAD9, HPR, AKAP3, TMEM100, IGFBP1, H2AFY2, RFXAP, TRIM48, POU1F1, P2RY14, AKAP6, SEC61A2, CDHR1, DACH1, REST, MSTN, TAT, HIST1H4B, DDX6, CDH9, SSX3, NDUFA13, ZP2, GFRA1, F5, DLL3, SGCG, HSF2BP, SLC35E2, ALDH1A2, TP53TG5, CPB1, PDZD7, THNSL1, LIN28A, IL5, 및 AMELY는 좋은 예후를 나타내는 유사분열성 아형에 해당하였다. 추가로, IDH1, ATRX, G-CIMP, 및 TMEM100은 좋은 예후를 나타내는 유사분열성 아형에 해당하였다.The results obtained through the process as described above are summarized in Table 2. MSN, SERPINB6, DYNLT3, DRG2, LGALS8, CBR1, S100A10, GPRASP1, LGALS3, PDPN, LRRFIP1, SDF4, DCTD, FRMD4B, TMBIM1, GSN, EMP3, ABCA1, LITAF, WDR1, TMPYMP2, DNAJC10 DNTTIP2, F3, ANXA1, TP73-AS1, KHNYN, SLC12A7, ARL4C, NOL3, TMF1, PLOD2, CPQ, OSBPL9, DIRAS3, TRIP4, and S100A11 corresponded to invasive subtypes showing poor prognosis. In addition, PDPN, CDH18, WNT2, COL1A2, and TGFA corresponded to invasive subtypes with poor prognosis. In addition, DHRS2, LUZP2, LBP, SMAD9, HPR, AKAP3, TMEM100, IGFBP1, H2AFY2, RFXAP, TRIM48, POU1F1, P2RY14, AKAP6, SEC61A2, CDHR1, DACH1, REST, MSTN, TAT, HIST1H4B, SSX3, CDH4B, NDUFA13, ZP2, GFRA1, F5, DLL3, SGCG, HSF2BP, SLC35E2, ALDH1A2, TP53TG5, CPB1, PDZD7, THNSL1, LIN28A, IL5, and AMELY corresponded to mitotic subtypes showing good prognosis. In addition, IDH1, ATRX, G-CIMP, and TMEM100 corresponded to mitotic subtypes showing good prognosis.

Claims (34)

삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 제 1 바이오마커, 및 제 2 바이오마커에 상보적인 프라이머를 포함하는, 교모세포종(glioblastoma)의 예후 예측용 조성물로서,
상기 제 1 바이오마커는 TMEM100이고,
상기 제 2 바이오마커는 DHRS2 및 H2AFY2인, 조성물.A composition for predicting prognosis of glioblastoma, comprising a primer that is complementary to a first biomarker and a second biomarker,
The first biomarker is TMEM100,
The second biomarker is DHRS2 and H2AFY2, the composition. 삭제delete 제 6항에 있어서,
상기 바이오마커는 유사분열성 아형의 교모세포종(glioblastoma)의 예후를 예측하는 것인, 조성물.The method of claim 6,
The biomarker is to predict the prognosis of mitotic subtype glioblastoma. 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 교모세포종(glioblastoma) 치료에 대한 예후를 예측하기 위한 정보를 제공하기 위하여,
(a) 검사 대상체 유래의 생물학적 시료로부터 제 1 바이오마커, 및 제 2 바이오마커의 핵산 또는 단백질의 존재 여부를 결정하는 단계;
(b) 상기 생물학적 시료의 핵산 또는 단백질의 수준을 정상인의 수준과 비교하는 단계; 및
(c) 상기 비교하는 단계에서 상기 핵산 또는 단백질의 수준이 변화가 있는 경우, 상기 대상체에 대하여 교모세포종에 대한 예후를 예측하기 위한 정보를 제공하는 단계를 포함하는, 교모세포종 치료에 대한 예후를 예측하기 위한 정보를 제공하는 방법으로서,
상기 제 1 바이오마커는 TMEM100이고,
상기 제 2 바이오마커는 DHRS2 및 H2AFY2인, 방법.In order to provide information to predict the prognosis for glioblastoma treatment,
(a) determining whether a nucleic acid or protein of the first biomarker and the second biomarker is present from the biological sample derived from the test subject;
(b) comparing the level of nucleic acid or protein in the biological sample with that of a normal person; And
(c) predicting the prognosis for glioblastoma treatment, comprising the step of providing information for predicting the prognosis for glioblastoma to the subject when there is a change in the level of the nucleic acid or protein in the comparing step As a method of providing information for:
The first biomarker is TMEM100,
The second biomarker is DHRS2 and H2AFY2. 삭제delete 제 17항에 있어서,
상기 교모세포종(glioblastoma)에 대한 예후를 예측하기 위한 정보를 제공하는 단계는 교모세포종의 유사분열성 아형인 것을 결정하는 것인, 방법.The method of claim 17,
The step of providing information for predicting the prognosis for glioblastoma is determining that it is a mitotic subtype of glioblastoma. 삭제delete 제 17항에 있어서,
상기 바이오마커의 단백질의 수준은 웨스턴블랏, ELISA, 방사선면역분석, 면역확산법, 면역 전기영동, 조직 면역염색, 면역침전 분석법, 보체 고정 분석법, FACS, 질량분석, MRM 분석 또는 단백질 마이크로어레이용 시약을 검출 시약으로 사용하는 단계를 추가로 포함하는, 방법.The method of claim 17,
The level of protein of the biomarker is Western blot, ELISA, radioimmunoassay, immunodiffusion, immunoelectrophoresis, tissue immunostaining, immunoprecipitation assay, complement fixation assay, FACS, mass spectrometry, MRM assay, or protein microarray reagent. The method further comprising the step of using as a detection reagent. 제 17항에 있어서,
상기 바이오마커의 핵산의 수준은 중합효소연쇄반응, 역전사 중합효소연쇄반응, 경쟁적 중합효소연쇄반응, Nuclease 보호 분석(RNase, S1 nuclease assay), in situ 교잡법, 핵산 마이크로어레이 또는 노던블랏에 사용되는 시약을 검출 시약으로 사용하는 단계를 추가로 포함하는, 방법.The method of claim 17,
The level of the nucleic acid of the biomarker is polymerase chain reaction, reverse transcription polymerase chain reaction, competitive polymerase chain reaction, Nuclease protection assay (RNase, S1 nuclease assay), in situ hybridization, nucleic acid microarray or Northern blot. The method further comprising the step of using the reagent as a detection reagent. 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete (a) 검사 대상체로부터 분리된 생물학적 시료를 입력하는 입력부;
(b) 제 1 바이오마커, 및 제 2 바이오마커의 핵산 또는 단백질의 존재 여부를 검출 및 결정하는 검출부;
(c) 상기 바이오마커들의 핵산 또는 단백질의 수준을 추출하는 추출부;
(d) 상기 수득된 바이오마커들의 핵산 또는 단백질의 수준을 정상인의 수준과 대조 연산하는 대조 연산부;
(e) 상기 대조 연산부에서 상기 핵산 또는 단백질의 수준이 변화가 있는 경우, 상기 대상체에 대하여 교모세포종(glioblastoma)에 대한 예후를 예측 연산하기 위한 정보를 제공하는 예측 연산부; 및
(f) 상기 예측 연산부에서 예측 연산된 결과를 출력하는 출력부를 포함하는, 교모세포종 치료에 대한 예후를 예측하기 위한 정보를 제공하는 진단 기기로서,
상기 제 1 바이오마커는 TMEM100이고,
상기 제 2 바이오마커는 DHRS2 및 H2AFY2인, 진단 기기.(a) an input unit for inputting a biological sample separated from the test object;
(b) a detection unit for detecting and determining the presence of nucleic acids or proteins of the first biomarker and the second biomarker;
(c) an extraction unit for extracting the level of the nucleic acid or protein of the biomarkers;
(d) a comparison operation unit for comparing and calculating the level of the nucleic acid or protein of the obtained biomarkers with the level of a normal person;
(e) a prediction operation unit that provides information for predicting and calculating a prognosis for glioblastoma for the subject when the level of the nucleic acid or protein is changed in the matching operation unit; And
(f) A diagnostic device that provides information for predicting a prognosis for glioblastoma treatment, comprising an output unit that outputs a result predicted by the prediction operation unit,
The first biomarker is TMEM100,
The second biomarker is DHRS2 and H2AFY2, a diagnostic device. 삭제delete 제 29항에 있어서,
상기 진단 기기는 교모세포종(glioblastoma)에 대한 예후를 예측하기 위한 정보를 통해 교모세포종의 유사분열성 아형으로 연산하여 결정하는 연산결정부를 추가로 포함하는, 진단 기기.The method of claim 29,
The diagnostic device further includes an operation determination unit that calculates and determines a mitotic subtype of glioblastoma through information for predicting a prognosis for glioblastoma. 삭제delete 제 29항에 있어서,
상기 추출부에서, 바이오마커의 핵산의 수준은 중합효소연쇄반응, 역전사 중합효소연쇄반응, 경쟁적 중합효소연쇄반응, Nuclease 보호 분석(RNase, S1 nuclease assay), in situ 교잡법, 핵산 마이크로어레이 또는 노던블랏에 사용되는 시약을 검출 시약으로 사용하여 추출하는, 진단 기기.The method of claim 29,
In the extraction unit, the level of the nucleic acid of the biomarker is polymerase chain reaction, reverse transcription polymerase chain reaction, competitive polymerase chain reaction, Nuclease protection assay (RNase, S1 nuclease assay), in situ hybridization method, nucleic acid microarray or Northern A diagnostic device for extracting by using a reagent used in blot as a detection reagent. 제 29항에 있어서,
상기 추출부에서, 바이오마커의 단백질의 농도는 웨스턴블랏, ELISA, 방사선면역분석, 면역확산법, 면역 전기영동, 조직 면역염색, 면역침전 분석법, 보체 고정 분석법, FACS, 질량분석, MRM 분석 또는 단백질 마이크로어레이용 시약을 검출 시약으로 사용하여 추출하는, 진단 기기.The method of claim 29,
In the extraction unit, the concentration of the protein of the biomarker is Western blot, ELISA, radioimmunoassay, immunodiffusion, immunoelectrophoresis, tissue immunostaining, immunoprecipitation assay, complement fixation assay, FACS, mass spectrometry, MRM assay or protein micro A diagnostic device that extracts using an array reagent as a detection reagent.
KR1020180070550A 2018-06-20 2018-06-20 Method of predicting prognosis of brain tumors KR102156282B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180070550A KR102156282B1 (en) 2018-06-20 2018-06-20 Method of predicting prognosis of brain tumors

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180070550A KR102156282B1 (en) 2018-06-20 2018-06-20 Method of predicting prognosis of brain tumors

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020190103067A Division KR102104233B1 (en) 2019-08-22 2019-08-22 Method of predicting prognosis of brain tumors

Publications (2)

Publication Number Publication Date
KR20190143058A KR20190143058A (en) 2019-12-30
KR102156282B1 true KR102156282B1 (en) 2020-09-15

Family

ID=69102997

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180070550A KR102156282B1 (en) 2018-06-20 2018-06-20 Method of predicting prognosis of brain tumors

Country Status (1)

Country Link
KR (1) KR102156282B1 (en)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240263242A1 (en) * 2021-04-29 2024-08-08 Industry-Academic Cooperation Foundation, Yonsei University Method for predicting prognosis of gastric cancer
KR20230036412A (en) * 2021-09-07 2023-03-14 울산대학교 산학협력단 The use of DRG2 as a biomarker
CN117385041A (en) * 2022-09-03 2024-01-12 昂凯生命科技(苏州)有限公司 Gene marker combination, kit and system for predicting tumor progression and prognosis

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015095598A1 (en) 2013-12-18 2015-06-25 Cedars-Sinai Medical Center Systems and methods for prognosticating brain tumors

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015095598A1 (en) 2013-12-18 2015-06-25 Cedars-Sinai Medical Center Systems and methods for prognosticating brain tumors

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Int J Mol Med, 41(4): 2070-2078 (2018.01.25.)*
Medicine (Baltimore), 95(27): e4109 (2016.07.)*
Neuro Oncol, 12(1): 49-57 (2009.10.20.)*
PLoS One, 8(4): e62982 (2013.04.29.)

Also Published As

Publication number Publication date
KR20190143058A (en) 2019-12-30

Similar Documents

Publication Publication Date Title
KR101437718B1 (en) Markers for predicting gastric cancer prognostication and Method for predicting gastric cancer prognostication using the same
CA2875710C (en) Molecular malignancy in melanocytic lesions
US12018331B2 (en) Methods of diagnosing cancer using cancer testis antigens
JP2019516407A (en) Methods for subtyping lung adenocarcinoma
US8911940B2 (en) Methods of assessing a risk of cancer progression
JP7392086B2 (en) Method and kit for predicting esophageal cancer response to anti-ERBB3 antibody treatment
CN109477145A (en) The biomarker of inflammatory bowel disease
CA2985683A1 (en) Methods and compositions for diagnosing or detecting lung cancers
KR102104233B1 (en) Method of predicting prognosis of brain tumors
KR102156282B1 (en) Method of predicting prognosis of brain tumors
KR101914348B1 (en) Method of detecting a risk of cancer
WO2011146937A1 (en) Methods and kits useful in diagnosing nsclc
KR101847815B1 (en) A method for classification of subtype of triple-negative breast cancer
JP6711968B2 (en) Evaluation method of lymph node metastasis of endometrial cancer
CN110573629B (en) Methods and kits for diagnosing early pancreatic cancer
CN110331207A (en) Adenocarcinoma of lung biomarker and related application
WO2015115544A1 (en) Evaluation method for risk of metastasis or recurrence of colon cancer
US20110269636A1 (en) Materials and methods for identifying patients at heighten risk for developing her2+ related brain tumors
US20220228218A1 (en) Clinical and Molecular Prognostic Markers for Liver Transplantation
KR101833983B1 (en) Composition for predicting prognosis of cancer, kit comprising the same and uses thereof
KR20170017174A (en) Extracting method for biomarker, biomarkers for diagnosis of pancreatic cancer and method for diagnosis of pancreatic cancer using the same
CN117120631A (en) Follicular thyroid cancer specific markers
WO2019166668A1 (en) Identification of intracellular structures in immune cells for monitoring a tumor therapy
WO2015115545A1 (en) Method for evaluating of metastasis or risk of recurrence of breast cancer

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
A107 Divisional application of patent
AMND Amendment
E90F Notification of reason for final refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant