特許 7639132 脳アミロイドベータ蓄積の可能性を予測する方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2025-02-21

(45)【発行日】2025-03-04

(54)【発明の名称】脳アミロイドベータ蓄積の可能性を予測する方法

(51)【国際特許分類】

   C12Q 1/6827 20180101AFI20250225BHJP

   C12Q 1/6883 20180101ALI20250225BHJP

   C12N 15/113 20100101ALI20250225BHJP

【ＦＩ】

C12Q1/6827 Z

C12Q1/6883 Z

C12N15/113 Z

【請求項の数】 7

(21)【出願番号】P 2023527434

(86)(22)【出願日】2021-11-04

(65)【公表番号】

(43)【公表日】2023-11-16

(86)【国際出願番号】 KR2021015884

(87)【国際公開番号】W WO2022098116

(87)【国際公開日】2022-05-12

【審査請求日】2023-06-28

(31)【優先権主張番号】10-2020-0145749

(32)【優先日】2020-11-04

(33)【優先権主張国・地域又は機関】KR

(73)【特許権者】

【識別番号】512250119

【氏名又は名称】サムスン ライフ パブリック ウェルフェア ファウンデーション

(74)【代理人】

【識別番号】100110364

【弁理士】

【氏名又は名称】実広 信哉

(74)【代理人】

【識別番号】100154922

【弁理士】

【氏名又は名称】崔 允辰

(72)【発明者】

【氏名】ヒ・ジン・キム

(72)【発明者】

【氏名】ホン・ヒ・ウォン

(72)【発明者】

【氏名】ハン・ライ・キム

(72)【発明者】

【氏名】サン・ウォン・ソ

(72)【発明者】

【氏名】ドゥク・リュル・ナ

(72)【発明者】

【氏名】サン・ヒュク・ジュン

【審査官】松田 芳子

(56)【参考文献】

【文献】特表２０１４－５３３９４９（ＪＰ，Ａ）

【文献】特表２０１２－５３１１９５（ＪＰ，Ａ）

【文献】国際公開第２０２０／２０３８７８（ＷＯ，Ａ１）

【文献】Alzheimer's Research & Therapy，2021年，vol.13，Article No.117

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｃ１２Ｑ １／６８

ＪＳＴＰｌｕｓ／ＪＭＥＤＰｌｕｓ／ＪＳＴ７５８０（ＪＤｒｅａｍＩＩＩ）

ＣＡｐｌｕｓ／ＭＥＤＬＩＮＥ／ＥＭＢＡＳＥ／ＢＩＯＳＩＳ（ＳＴＮ）

(57)【特許請求の範囲】

【請求項1】

ａ）個体から性別、年齢および教育水準からなる個体特性を収集するステップと、
ｂ）前記個体の生物学的試料においてＡＰＯＥ ε４遺伝子型、およびｒｓ７３３７５４２８、ｒｓ６９７８２５９、ｒｓ２９０３９２３、ｒｓ３８２８９４７、ｒｓ６９５８４６４およびｒｓ１１９８３５３７からなる群より選択された１種以上のＳＮＰ遺伝子型を測定するステップと、
ｃ）前記収集された個体特性、および測定されたＡＰＯＥ ε４遺伝子型およびＳＮＰ遺伝子型を組み合わせて脳アミロイドベータ蓄積の可能性を予測するステップと
を含む脳アミロイドベータ蓄積の可能性を予測するための情報の提供方法。

【請求項2】

前記ｂ）ステップの生物学的試料は、全血、血漿、唾液、口腔粘膜および髪の毛からなる群より選択された１種である、請求項１に記載の方法。

【請求項3】

前記ｃ）ステップは、個体特性、ＡＰＯＥ ε４遺伝子型およびＳＮＰ遺伝子型をそれぞれ独立変数として設定し、これに対する特定係数を従属変数として設定して、統計分析により脳アミロイドベータ蓄積評価モデルを作製するものである、請求項１に記載の方法。

【請求項4】

前記統計分析は、線形または非線形回帰分析方法、線形または非線形ｃｌａｓｓｉｆｉｃａｔｉｏｎ分析方法、ＡＮＯＶＡ、ニューラルネットワーク分析方法、深層ニューラルネットワーク分析方法、遺伝的分析方法、サポートベクターマシン分析方法、階層分析またはクラスタリング分析方法、決定ツリーを用いた階層アルゴリズムまたはＫｅｒｎｅｌ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔｓ分析方法、Ｍａｒｋｏｖ Ｂｌａｎｋｅｔ分析方法、ｒｅｃｕｒｓｉｖｅ ｆｅａｔｕｒｅ ｅｌｉｍｉｎａｔｉｏｎまたはエントロピー－基本ｒｅｃｕｒｓｉｖｅ ｆｅａｔｕｒｅ ｅｌｉｍｉｎａｔｉｏｎ分析方法、前方ｆｌｏａｔｉｎｇ ｓｅａｒｃｈまたは後方ｆｌｏａｔｉｎｇ ｓｅａｒｃｈ分析方法、およびこれらの組み合わせからなる群より選択される分析方法を用いて行われるものである、請求項３に記載の方法。

【請求項5】

前記脳アミロイドベータ蓄積評価モデルは、下記数式１で表されるものである、請求項３に記載の方法。

【数1】

（前記数式１中、
αは、ＳＮＰがｒｓ６９７８２５９の時に－０．６１２であり、ｒｓ６９５８４６４の時に－０．６５２、ｒｓ１１９８３５３７の時に－０．６５８、ｒｓ３８２８９４７の時に－０．５７１であり、ｒｓ２９０３９２３の時に－０．６１２であり、ｒｓ７３３７５４２８の時に－０．６３３である。）

【請求項6】

ＡＰＯＥ ε４遺伝子型またはＳＮＰ遺伝子型を含む塩基配列に特異的に結合するプライマーセット、プローブおよびアンチセンスオリゴヌクレオチドからなる群より選択される製剤であって、前記ＳＮＰ遺伝子型は、ｒｓ７３３７５４２８、ｒｓ６９７８２５９、ｒｓ２９０３９２３、ｒｓ３８２８９４７、ｒｓ６９５８４６４およびｒｓ１１９８３５３７からなる群より選択される、製剤を含む、脳アミロイドベータ蓄積の可能性予測用組成物。

【請求項7】

請求項６に記載の組成物を含む脳アミロイドベータ蓄積の可能性予測用キット。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、韓国人を対象にアルツハイマー病をはじめとする脳アミロイドベータ蓄積による疾患の発生を予測するために脳アミロイドベータ蓄積の可能性を予測する方法に関し、より具体的には、脳アミロイドベータ蓄積の可能性を予測するための情報の提供方法、脳アミロイドベータ蓄積の可能性予測用組成物およびキットに関する。

【背景技術】

【0002】

アルツハイマー病（Ａｌｚｈｅｉｍｅｒ’ｓ ｄｉｓｅａｓｅ、ＡＤ）は、認知症の約７０％を占める代表的な退行性脳疾患であり、高齢者で発病する認知症の最も多い原因に相当する。遺伝率（ｈｅｒｉｔａｂｉｌｉｔｙ）が５８～７９％で遺伝的素因（ｇｅｎｅｔｉｃ ｐｒｅｄｉｓｐｏｓｉｔｉｏｎ）が強いため、遺伝的要因はＡＤ発病において重要な役割をする。アポリポタンパク質Ｅ（Ａｐｏｌｉｐｏｐｒｏｔｅｉｎ Ｅ、ＡＰＯＥ）ε４は、ＡＤについてよく知られた危険変異であり、最近は、全長遺伝体関連分析研究（ｇｅｎｏｍｅ－ｗｉｄｅ ａｓｓｏｃｉａｔｉｏｎ ｓｔｕｄｉｅｓ、ＧＷＡＳ）によりＡＤに対する多くの遺伝的危険変異が発見された。しかし、ＡＤ遺伝性の多くの部分は依然として説明されていない。

【0003】

一方、ＡＤ患者の脳の初期変化は、脳でアミロイドベータ（ａｍｙｌｏｉｄ ｂｅｔａ、Ａβ）が蓄積されるもので、以後、タウ（ｔａｕ）蓄積、神経退化（ｎｅｕｒｏｄｅｇｅｎｅｒａｔｉｏｎ）、認知機能障害が伴う。すなわち、脳アミロイドベータは、ＡＤの臨床的症状が発現する１０～１５年前から蓄積され始める。したがって、脳アミロイドベータ蓄積を有する個体を検出または発見することは、ＡＤの早期診断と早期治療において最も重要である。従来は、陽電子放出断層撮影（ｐｏｓｉｔｒｏｎ ｅｍｉｓｓｉｏｎ ｔｏｍｏｇｒａｐｈｙ、ＰＥＴ）を用いたり、脳脊髄液検査により脳アミロイドベータ蓄積を確認したが、ＰＥＴは高い撮影費用および接近の制限性によって大型病院を中心に行われ、放射線露出といった危険要因があり、脳脊髄液分析は侵襲的な腰推穿刺施術が必要であり、機関による信頼度の差があるというデメリットがある。したがって、低費用、非侵襲的な方法で脳アミロイドベータ蓄積を予測できるバイオマーカーが必要なのが現状である。

【0004】

遺伝体は人種間で差が大きいため、アルツハイマー病および脳アミロイドベータ蓄積に関連づけられた遺伝因子は人種ごとに差がある。従来の大部分のアルツハイマー病遺伝子研究はヨーロッパ人を対象に行われ、非ヨーロッパ人を対象にした遺伝的変異研究は不足しているのが現状である。また、アルツハイマー病早期診断マーカーである脳アミロイドベータ関連遺伝子研究は海外でも非常に珍しく（Ｙａｎ Ｑ，ｅｔ ａｌ．Ｍｏｌ Ｐｓｙｃｈｉａｔｒｙ．２０１８：１－１３；Ａｐｏｓｔｏｌｏｖａｌ ＬＧ ｅｔ ａｌ．ＪＡＭＡ Ｎｅｕｒｏｌ．２０１８：３２８－３４１；Ｒａｇｈａｖａｎ ＮＳ，ｅｔ ａｌ．ＪＡＭＡ Ｎｅｕｒｏｌ．２０２０：１２８８－１２９８）、韓国国内では皆無であるのが現状である。

【0005】

したがって、低費用、最小侵襲的な方法（基本臨床情報および遺伝情報）で韓国人のアルツハイマー病早期診断マーカーである脳アミロイドベータ蓄積を予測するためには、韓国人データに基づく予測モデルが必要である。また、同一モデルが独立したコホートでも作動するかの検証手続きも経なければならない。

【先行技術文献】

【特許文献】

【0006】

【文献】韓国登録特許第１０－２１３０９２９号

【文献】韓国登録特許第１０－１９８９６９５号

【文献】韓国公開特許第１０－２０２０－００７３１５６号

【発明の概要】

【発明が解決しようとする課題】

【0007】

本発明は、個体特性および遺伝情報の組み合わせに基づく脳アミロイドベータ蓄積の可能性を予測するための情報の提供方法を提供することを目的とする。

【0008】

また、本発明は、遺伝情報を確認できる脳アミロイドベータ蓄積の可能性予測用組成物を提供することを目的とする。

【0009】

さらに、本発明は、前記組成物を含む脳アミロイドベータ蓄積の可能性予測用キットを提供することを目的とする。

【課題を解決するための手段】

【0010】

本発明者らは、韓国人に対する大量試料を用いて脳アミロイドベータ蓄積に関連するＳＮＰ（ｓｉｎｇｌｅ ｎｕｃｌｅｏｔｉｄｅ ｐｏｌｙｍｏｒｐｈｉｓｍ）を確認するためにＧＷＡＳ分析を行った結果、アミロイドベータ蓄積に対する６個の新規ＳＮＰを確認し、韓国人の独立したコホート（ｃｏｈｏｒｔ）でその関連性について再現検証を行い、このような新規ＳＮＰ遺伝子型と個体特性、ＡＰＯＥ遺伝子型を統合して新規アミロイドベータ予測モデルを開発することにより、韓国人を対象に脳アミロイドベータ蓄積の可能性を予測できる方法および関連組成物を提供するという本発明を完成した。

【0011】

本発明の一態様は、人口統計特性、ＡＰＯＥ ε４遺伝子型およびＳＮＰ遺伝子型の組み合わせにより脳アミロイドベータ蓄積の可能性を予測するための情報の提供方法を提供する。より具体的には、前記脳アミロイドベータ蓄積の可能性を予測するための情報の提供方法は、ａ）個体から性別、年齢および教育水準からなる個体特性を収集するステップと、ｂ）前記個体の生物学的試料においてＡＰＯＥ ε４遺伝子型、およびｒｓ７３３７５４２８、ｒｓ６９７８２５９、ｒｓ２９０３９２３、ｒｓ３８２８９４７、ｒｓ６９５８４６４およびｒｓ１１９８３５３７からなる群より選択された１種以上のＳＮＰ遺伝子型を測定するステップと、ｃ）前記収集された個体特性、および測定されたＡＰＯＥ ε４遺伝子型およびＳＮＰ遺伝子型を組み合わせて脳アミロイドベータ蓄積の可能性を予測するステップとを含む。

【0012】

本発明において、「脳アミロイドベータ蓄積の可能性」は、個体から脳アミロイドベータ蓄積が現れる危険度を意味し、その危険度が高いほどアミロイドベータ蓄積による疾患が発生する可能性が高いと評価することができる。ここで、アミロイドベータ蓄積による疾患は、アルツハイマー病、レビー小体型認知症、大脳アミロイドアンギオパチーなどであってもよいが、これに限定されるものではない。このような脳アミロイドベータ蓄積の可能性の予測は、個体からアルツハイマー病またはアルツハイマー性認知症を診断する技術と区別される。本発明では、脳にアミロイドベータが蓄積される可能性があったり、またはすでに蓄積された場合を陽性（ｐｏｓｉｔｉｖｅ）と判定することができる。

【0013】

前記ａ）～ｃ）ステップについて詳しくみると、次の通りである。

【0014】

前記ａ）ステップは、脳アミロイドベータ蓄積の有無に対する検査が必要な個体から個体特性を収集する過程である。

【0015】

前記個体は、大脳にアミロイドベータが蓄積される可能性を予測する対象で、脳アミロイドベータ蓄積に起因した疾病（例えば、アルツハイマー病、レビー小体型認知症、大脳アミロイドアンギオパチー）に関して家族歴があったり、記憶力減退、言語能力低下、判断力低下などの臨床症状が一部発現して脳疾患が疑われる疑心患者、または特別な臨床症状がない人などになってもよい。

【0016】

前記個体特性は、人口統計特性（ｄｅｍｏｇｒａｐｈｉｃｓ）のような個体の基本的な特性で、性別、年齢および教育水準からなるものであってもよい。

【0017】

前記性別は、生物学的性別を意味し、男性に比べて、女性においてアルツハイマー性認知症の発病の可能性が高いと知られている。前記年齢は、実際に生まれた時を起算点として検査時点で計算された実際の年齢を意味し、年を取るほどアミロイドベータ蓄積の可能性が増加して、特にアルツハイマー病が主に６５歳の高齢者で発病することが知られている。前記教育水準は、正規教育過程を含む全体教育水準を意味し、中退した場合、中退した年を除いて教育水準を算定しており、最近は、低学歴の場合、認知症の危険が増加するという報告があった。したがって、個体の性別、年齢および教育水準は、脳アミロイドベータ蓄積の可能性を予測する上で有意な変数になり得る。

【0018】

前記ｂ）ステップは、生物学的試料においてバイオマーカーが存在する水準を測定する過程である。

【0019】

前記生物学的試料は、個体から採取して脳アミロイドベータ蓄積の可能性を予測するのに利用可能な試料を意味し、一例として、血液、脳脊髄液、涙、唾、尿などであってもよい。本発明では、脳脊髄液に比べて相対的に採取過程で苦痛が少なく費用が安価な血液、唾液、口腔粘膜、または髪の毛を用いることが好ましい。

【0020】

本発明の一具体例によれば、前記生物学的試料は、全血（ｗｈｏｌｅ ｂｌｏｏｄ）、血漿（ｐｌａｓｍａ）、唾液、口腔粘膜および髪の毛からなる群より選択された１種であってもよい。

【0021】

前記バイオマーカー（ｂｉｏｍａｒｋｅｒ）は、一般的に、生物学的試料から検出可能な物質として生体変化を知ることができるポリペプチド、タンパク質、核酸、遺伝子、脂質、糖脂質、糖タンパク質、糖などのような有機生体分子をすべて含む。本発明では、バイオマーカーとしてＡＰＯＥ ε４遺伝子型およびＳＮＰ遺伝子型を用いることを特徴とする。

【0022】

ＡＰＯＥ遺伝子は、ε２（ｃｙｓ１１２、ｃｙｓ１５８）、ε３（ｃｙｓ１１２、ａｒｇ１５８）およびε４（ａｒｇ１１２、ａｒｇ１５８）と呼ばれる３種類の対立形質に分類されるが、すべての人は各親から１つの対立遺伝子を受け継ぐことになって、１個体の遺伝子型はε２／ε２、ε２／ε３、ε２／ε４、ε３／ε３、ε３／ε４またはε４／ε４型で存在する。このうち、ε４対立形質は人口の約２０％程度で発見され、アルツハイマー認知症の発病の危険度を増加させることが知られているので、ＡＰＯＥ ε４はＡＤの発病と関連性が高い危険因子である。したがって、ＡＰＯＥ ε４遺伝子型を保有することは、脳アミロイドベータ蓄積の可能性を予測する上で有意な変数になり、保有個数に応じて脳アミロイドベータ蓄積に対する危険性が増加しうる。

【0023】

本発明の一実施例によれば、韓国人を対象に個体特性と共にＡＰＯＥ ε４遺伝子型を組み合わせて脳アミロイドベータ蓄積の可能性を予測する場合には、ＡＵＣ（Ａｒｅａ Ｕｎｄｅｒ Ｃｕｒｖｅ）値が向上できる。

【0024】

ここで、ＡＵＣは、ＲＯＣ分析により計算されたＲＯＣカーブの下の全体面積値を意味し、ランダムモデルの場合に０．５を示し、モデルの予測性能が向上するほど１に収斂すると知られている。

【0025】

前記ＳＮＰは、１つの遺伝子座位（ｌｏｃｕｓ）に２つ以上の対立遺伝子（ａｌｌｅｌｅ）が存在する場合を意味し、多形成部位（ｐｏｌｙｍｏｒｐｈｉｃ ｓｉｔｅ）中において単一塩基だけが異なるものを意味する。本発明では、韓国人集団を対象にしたＧＷＡＳ分析により脳アミロイドベータ蓄積に関連することが確認されたｒｓ７３３７５４２８、ｒｓ６９７８２５９、ｒｓ２９０３９２３、ｒｓ３８２８９４７、ｒｓ６９５８４６４およびｒｓ１１９８３５３７からなる群より選択された１種以上のＳＮＰ遺伝子型であってもよい。このようなｒｓ７３３７５４２８、ｒｓ６９７８２５９、ｒｓ２９０３９２３、ｒｓ３８２８９４７、ｒｓ６９５８４６４およびｒｓ１１９８３５３７は、ヒトの７番染色体内のＣＣＤＣ１４６遺伝子（ｃｏｉｌｅｄ－ｃｏｉｌ ｄｏｍａｉｎ ｃｏｎｔａｉｎｉｎｇ １４６ ｇｅｎｅ）のイントロン（ｉｎｔｒｏｎ）に存在して互いに高い連鎖不平衡（ｌｉｎｋａｇｅ ｄｉｓｅｑｕｉｌｉｂｒｉｕｍ）（ＬＤ：ｒ^２＞０．７５）を示し、それぞれ７番染色体の７６９０７５５０番座位、７６９０９１６７番座位、７６９０７７５０番座位、７６９０８１９９番座位、７６９０９０３５番座位、７６９０８６９０番座位に位置する。このような６個のＳＮＰは脳アミロイドベータ蓄積との関連性についてかつて報告されたことがなく、韓国人を対象にした脳アミロイドベータ蓄積との関係も報告されたことがなかった。

【0026】

また、本発明の一実施例によれば、個体特性およびＡＰＯＥ ε４遺伝子型と共にＳＮＰ遺伝子型を組み合わせて脳アミロイドベータ蓄積の可能性を予測する場合には、ＡＵＣが向上できる。

【0027】

前記ｃ）ステップは、個体特性、ＡＰＯＥ ε４遺伝子型およびＳＮＰ遺伝子型を組み合わせて脳アミロイドベータ蓄積評価モデルを作製する過程である。

【0028】

本発明の一具体例によれば、前記ｃ）ステップは、個体特性、ＡＰＯＥ ε４遺伝子型およびＳＮＰ遺伝子型をそれぞれ独立変数として設定し、これに対する特定係数（ｃｏｅｆｆｉｃｉｅｎｔ）を従属変数として設定して、統計分析により脳アミロイドベータ蓄積評価モデルを作製するものであってもよい。

【0029】

本発明の一具体例によれば、前記統計分析は、線形または非線形回帰分析方法、線形または非線形ｃｌａｓｓｉｆｉｃａｔｉｏｎ分析方法、ＡＮＯＶＡ、ニューラルネットワーク分析方法、深層ニューラルネットワーク分析方法、遺伝的分析方法、サポートベクターマシン分析方法、階層分析またはクラスタリング分析方法、決定ツリーを用いた階層アルゴリズムまたはＫｅｒｎｅｌ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔｓ分析方法、Ｍａｒｋｏｖ Ｂｌａｎｋｅｔ分析方法、ｒｅｃｕｒｓｉｖｅ ｆｅａｔｕｒｅ ｅｌｉｍｉｎａｔｉｏｎまたはエントロピー－基本ｒｅｃｕｒｓｉｖｅ ｆｅａｔｕｒｅ ｅｌｉｍｉｎａｔｉｏｎ分析方法、前方ｆｌｏａｔｉｎｇ ｓｅａｒｃｈまたは後方ｆｌｏａｔｉｎｇ ｓｅａｒｃｈ分析方法、およびこれらの組み合わせからなる群より選択される分析方法を用いて行われるものであってもよい。

【0030】

本発明の一実施例によれば、独立変数として設定された個体特性、ＡＰＯＥ ε４遺伝子型およびＳＮＰ遺伝子型と、従属変数として設定された各特定係数の関係を多変量ロジスティック回帰分析で分析して脳アミロイドベータ蓄積評価モデルを作製した。

【0031】

本発明の一具体例によれば、前記脳アミロイドベータ蓄積評価モデルは、下記数式１で表されるものであってもよい。

【0032】

【数1】

【0033】

（前記数式１中、
αは、ＳＮＰがｒｓ６９７８２５９の時に－０．６１２であり、ｒｓ６９５８４６４の時に－０．６５２であり、ｒｓ１１９８３５３７の時に－０．６５８であり、ｒｓ３８２８９４７の時に－０．５７１であり、ｒｓ２９０３９２３の時に－０．６１２であり、ｒｓ７３３７５４２８の時に－０．６３３である。）

【0034】

本発明の一実施例によれば、個体特性、ＡＰＯＥ ε４遺伝子型およびＳＮＰ遺伝子型を組み合わせて脳アミロイドベータ蓄積の可能性を予測する場合には、ＡＵＣが向上でき、この時、脳アミロイドベータ蓄積評価モデルにおけるＡＵＣは、ＳＮＰの種類に関係なく、０．７４以上（ｒｓ６９７８２５９の時、０．７４８；ｒｓ６９５８４６４の時、０．７４９；ｒｓ１１９８３５３７の時、０．７４９；ｒｓ３８２８９４７の時、０．７５１；ｒｓ２９０３９２３の時、０．７４８；ｒｓ７３３７５４２８の時、０．７４９）であり、個体特性のみを単独にした場合（０．５０６）または個体特性およびＡＰＯＥ ε４遺伝子型を組み合わせた場合（０．７２３）に比べて正確度が高いことが分かった。

【0035】

このような脳アミロイドベータ蓄積評価モデルにおいて導出された値が高いほど、検査対象になった個体の脳アミロイドベータ蓄積の可能性が高く予測されるといえる。

【0036】

また、本発明の他の態様は、ＡＰＯＥ ε４遺伝子型；およびｒｓ７３３７５４２８、ｒｓ６９７８２５９、ｒｓ２９０３９２３、ｒｓ３８２８９４７、ｒｓ６９５８４６４およびｒｓ１１９８３５３７からなる群より選択された１種以上のＳＮＰ遺伝子型を検出できる製剤を含む脳アミロイドベータ蓄積の可能性予測用組成物を提供する。

【0037】

本発明において、「脳アミロイドベータ蓄積の可能性予測用組成物」は、ＡＰＯＥ ε４遺伝子型およびＳＮＰ遺伝子型を含む塩基配列を検出して脳アミロイドベータ蓄積を予測する一連の行為のための組成物を意味し、これによって脳アミロイドベータ蓄積による疾病発生の危険性または発病の有無を早期に診断することができる。

【0038】

ここで、ＡＰＯＥ ε４遺伝子型および６個のＳＮＰ遺伝子型は、前述したものと説明が同一である。

【0039】

前記製剤は、脳アミロイドベータ蓄積の可能性を予測するためのバイオマーカー、すなわち、ＡＰＯＥ ε４遺伝子型およびＳＮＰ遺伝子型を検出できるものであってもよい。

【0040】

本発明の一具体例によれば、前記製剤は、ＡＰＯＥ ε４遺伝子型またはＳＮＰ遺伝子型を含む塩基配列に特異的に結合するプライマーセット、プローブおよびアンチセンスオリゴヌクレオチドからなる群より選択された１種以上であってもよい。本発明では、遺伝子の核酸配列情報に基づいて遺伝子の特定領域を特異的に増幅するようにデザインされたプライマーセットまたはプローブであることが好ましい。

【0041】

前記「特異的に結合する」とは、結合によって標的物質の存在の有無を検出できるほど他の物質に比べて標的物質に対する結合力に優れていることを意味する。

【0042】

前記プライマーセットは、ＡＰＯＥ ε４遺伝子型またはＳＮＰ遺伝子型を含む全体または一部の塩基配列を認知する短鎖ＲＮＡまたはＤＮＡ配列であるプライマーの組み合わせを意味し、一例としては、ＡＰＯＥ ε４遺伝子型またはＳＮＰ遺伝子型を含む塩基配列に結合できる正方向および逆方向プライマーからなるすべての組み合わせのプライマーセットであってもよい。プライマーの核酸配列は、試料中に存在する非標的配列と不一致する配列であるため、相補的なプライマー結合部位を含有する標的遺伝子配列のみを増幅させ、非特異的増幅を誘発しないプライマーの時、高い特異性を付与することができる。

【0043】

前記プローブは、試料中の検出しようとする標的物質と特異的に結合できる物質を意味し、前記結合により特異的に試料中の標的物質の存在を確認できる物質を意味する。前記プローブの構成物質は、前記標的物質と特異的に結合できる物質で、一例としては、ＰＮＡ（ｐｅｐｔｉｄｅ ｎｕｃｌｅｉｃ ａｃｉｄ）、ＬＮＡ（ｌｏｃｋｅｄ ｎｕｃｌｅｉｃ ａｃｉｄ）、ペプチド、ポリペプチド、タンパク質、ＲＮＡ、ＤＮＡなどであってもよいが、これに限定されるものではない。

【0044】

また、本発明の他の態様は、前記組成物を含む脳アミロイドベータ蓄積の可能性予測用キットを提供する。

【0045】

本発明において、「脳アミロイドベータ蓄積の可能性予測用キット」は、検査対象者から採取した生物学的試料により脳アミロイドベータ蓄積の可能性を予測できる物質を意味し、これによって脳アミロイドベータ蓄積による疾病発生の危険性または発病の有無を早期に迅速かつ簡便に診断することができる。前記キットの一例としては、ＰＣＲ（ｐｏｌｙｍｅｒａｓｅ ｃｈａｉｎ ｒｅａｃｔｉｏｎ）キット、ＤＮＡチップキットなどであってもよいが、これに限定されるものではない。また、前記キットは、分析方法に適した１種類またはそれ以上の他の構成成分組成物、溶液または装置を追加的に含むことができる。

【0046】

本発明の一具体例によれば、前記キットは、ＰＣＲを行うために必要な必須要素を含むものであってもよい。この時、ＡＰＯＥ ε４遺伝子型、またはｒｓ７３３７５４２８、ｒｓ６９７８２５９、ｒｓ２９０３９２３、ｒｓ３８２８９４７、ｒｓ６９５８４６４およびｒｓ１１９８３５３７からなる群より選択された１種以上のＳＮＰ遺伝子型を含む塩基配列に特異的に結合するプライマーセットのほか、テストチューブまたは他の適切なコンテナ、反応緩衝液（ｐＨおよびマグネシウム濃度は条件によって多様であり得る）、デオキシヌクレオチド（ｄＮＴＰｓ）、Ｔａｑ－ポリメラーゼおよび逆転写酵素のような酵素、ＤＮＡｓｅ、ＲＮＡｓｅ抑制剤、ＤＥＰＣ水（ＤＥＰＣ－ｗａｔｅｒ）、滅菌水などを含むことができる。

【0047】

本発明の一具体例によれば、前記キットは、ＤＮＡチップを行うために必要な必須要素を含むものであってもよい。この時、ＡＰＯＥ ε４遺伝子型、またはｒｓ７３３７５４２８、ｒｓ６９７８２５９、ｒｓ２９０３９２３、ｒｓ３８２８９４７、ｒｓ６９５８４６４およびｒｓ１１９８３５３７からなる群より選択された１種以上のＳＮＰ遺伝子型を含む塩基配列全体またはその断片に相当するｃＤＮＡまたはオリゴヌクレオチド（ｏｌｉｇｏｎｕｃｌｅｏｔｉｄｅ）が付着している基板、および蛍光標識プローブを作製するための試薬、製剤、酵素などを含むことができる。また、基板は、対照群遺伝子またはその断片に相当するｃＤＮＡまたはオリゴヌクレオチドを含むことができる。

【発明の効果】

【0048】

本発明による脳アミロイドベータ蓄積の可能性を予測するための情報の提供方法は、早期に脳アミロイドベータ蓄積の可能性が高い個体を効果的に選別することにより、脳アミロイドベータ蓄積による疾病の発生を抑制したり、発病した個体に対して適切な治療法を提供することができる。

【図面の簡単な説明】

【0049】

【図1】本発明の一実施例によりＰ値に対するＱ－Ｑプロット（ｑｕａｎｔｉｌｅ－ｑｕａｎｔｉｌｅ ｐｌｏｔ）を示すグラフである。

【図2】本発明の一実施例により全長遺伝体において１９番染色体と７番染色体に位置したアミロイドベータ蓄積と有意性があるＳＮＰを示すグラフである。

【図3】本発明の一実施例によりｒｓ６９７８２５９の染色体上の位置を示すグラフである。

【図4】本発明の一実施例によりボクセルベースの形態分析のための被験者のアミロイドＰＥＴ（ｐｏｓｉｔｒｏｎ ｅｍｉｓｓｉｏｎ ｔｏｍｏｇｒａｐｈｙ）映像を示す図であって、（Ａ）は、ｒｓ６９７８２５９対立遺伝子を有する被験者においてＡβ沈着が減少することを確認した映像であり、（Ｂ）は、ＡＰＯＥ ε４遺伝子を有する被験者においてＡβ沈着が増加することを確認した映像である。

【図5】本発明の一実施例によりｒｓ６９７８２５９に対する評価モデル開発用および妥当性検証用データセットのＡＵＣ値を示した結果である。

【図6】本発明の一実施例によりｒｓ６９５８４６４に対する評価モデル開発用および妥当性検証用データセットのＡＵＣ値を示した結果である。

【図7】本発明の一実施例によりｒｓ１１９８３５３７に対する評価モデル開発用および妥当性検証用データセットのＡＵＣ値を示した結果である。

【図8】本発明の一実施例によりｒｓ３８２８９４７に対する評価モデル開発用および妥当性検証用データセットのＡＵＣ値を示した結果である。

【図9】本発明の一実施例によりｒｓ２９０３９２３に対する評価モデル開発用および妥当性検証用データセットのＡＵＣ値を示した結果である。

【図10】本発明の一実施例によりｒｓ７３３７５４２８に対する評価モデル開発用および妥当性検証用データセットのＡＵＣ値を示した結果である。

【発明を実施するための形態】

【0050】

以下、本発明をより詳細に説明する。しかし、このような説明は本発明の理解のために例として提示されたものに過ぎず、本発明の範囲がこのような例示的な説明によって制限されるものではない。

【0051】

実施例１．脳アミロイドベータ蓄積の可能性予測のための評価モデル開発

【0052】

１－１．被験者募集
評価モデル開発用データセット（ｄａｔａｓｅｔ）のために、２０１３年１月から２０１９年７月まで韓国国内の１４の病院で計１，２１４人の韓国人を募集した。そのうち、９２３人はサムスンソウル病院で、２０１人はＡＤの早期診断および予測のための韓国脳老化研究（ＫＢＡＳＥ－Ｖ）の多機関研究で、９０人は認知症コホートに基づく臨床研究プラットフォームの多機関研究で募集された。

【0053】

妥当性検証用データセットのために、２０１６年から２０１８年まで募集された慢性脳血管疾患コンソーシアムのバイオバンク（ｂｉｏｂａｎｋ）で韓国人３０６人のデータを募集した。これは進行中のアルツハイマー病研究と共に慢性脳血管疾患のためのバイオバンク革新（ＢＩＣＷＡＬＺＳ）および神経障害融合研究センターの一環であった。

【0054】

募集された検査対象者は、ｉ）詳細な神経精神学的検査に基づいて軽度認知障害（ａｍｎｅｓｔｉｃ ｍｉｌｄ ｃｏｇｎｉｔｉｖｅ ｉｍｐａｉｒｍｅｎｔ、ａＭＣＩ）、ＡＤ認知症（ＡＤ ｄｅｍｅｎｔｉａ、ＡＤＤ）または認知機能正常群（ｃｏｇｎｉｔｉｖｅｌｙ ｕｎｉｍｐａｉｒｅｄ、ＣＵ）として診断を受け、ｉｉ）アミロイドＰＥＴ映像撮影をした人から選定し、ＰＳＥＮ１、ＰＳＥＮ２およびＡＰＰのようなＡＤに対する原因遺伝子突然変異がある場合は除外した。以後、説明したようなＱＣ（ｑｕａｌｉｔｙ ｃｏｎｔｒｏｌ）を行って、評価モデル開発用データのために計１，１９０人（ＣＵ３８３人、ａＭＣＩ３３０人、ＡＤＤ４７７人）、妥当性検証用データのために計２８４人（ＣＵ４６人、ａＭＣＩ１６７人、ＡＤＤ７１人）を用いた。すべての被験者は書面にて事前同意書を提出し、研究は各センターの機関審議委員会の承認を受けた。

【0055】

その結果、２つのデータセット（評価モデル開発用および妥当性検証用データ）に対する基本的な人口統計特性を下記表１に示した。評価モデル開発用被験者は、妥当性検証用データに比べて若く、女性の割合が高かった。予想どおり、２つのデータセット共に、ＰＥＴにより確認されたアミロイドベータ（Ａβ）陽性（ｐｏｓｉｔｉｖｉｔｙ）被験者は、Ａβ陰性（ｎｅｇａｔｉｖｅ）被験者に比べてａＭＣＩとＡＤの割合が高かった。また、妥当性検証用データで、Ａβ陽性被験者は、Ａβ陰性被験者に比べて年齢が多かった。

【0056】

【表1】

【0057】

１－２．遺伝型分析（Ｇｅｎｏｔｙｐｉｎｇ）およびインピュテーション（ｉｍｐｕｔａｔｉｏｎ）
評価モデル開発用データのためにＩｌｌｕｍｉｎａ Ａｓｉａｎ Ｓｃｒｅｅｎｉｎｇ Ａｒｒａｙ Ｂｅａｄｃｈｉｐ（Ｉｌｌｕｍｉｎａ、米国）を、妥当性検証用データのためにＡｆｆｙｍｅｔｒｉｘ ｃｕｓｔｏｍｉｚｅｄ Ｋｏｒｅａｎ ｃｈｉｐｓ（Ａｆｆｙｍｅｔｒｉｘ、米国）を用いて被験者の遺伝型分析を行ってＳＮＰマーカー（ｍａｒｋｅｒ）を分析した。ＰＬＩＮＫソフトウェア（ｖｅｒｓｉｏｎ１．９）を用いてＱＣを行った。被験者は次の基準により除外された：（ｉ）ＣＲ（ｃａｌｌ ｒａｔｅ）＜９５％の場合、（ｉｉ）報告された性別（ｓｅｘ）と遺伝的に推論された性別とが一致しない場合、（ｉｉｉ）各母集団媒介変数において統計的異常値に相当する場合、（ｉｖ）異型接合率（平均で標準偏差５）超過の場合、および（ｖ）評価モデル開発用データセットと妥当性検証用データセット内で（ＩＢＤ（ｉｄｅｎｔｉｔｙ ｂｙ ｄｅｓｃｅｎｔ）≧０．１２５と確認された）関連対の場合。

【0058】

ＳＮＰは次の基準により除外された：（ｉ）ＣＲ（ｃａｌｌ ｒａｔｅ）＜９８％の場合、（ｉｉ）ＭＡＦ（ｍｉｎｏｒ ａｌｌｅｌｅ ｆｒｅｑｕｅｎｃｙ）＜１％の場合、および（ｉｉｉ）Ｈａｒｄｙ－Ｗｅｉｎｂｅｒｇ ｅｑｕｉｌｉｂｒｉｕｍ ｔｅｓｔでＰ値＜１．０×１０^－６の場合。

【0059】

ＱＣの後、全長遺伝体インピュテーションは米国ミシガン大学のＩｍｐｕｔａｔｉｏｎ ＳｅｒｖｅｒのＨＲＣ－ｒ１．１で使用できるすべての基準ハプロタイプ（ｒｅｆｅｒｅｎｃｅ ｈａｐｌｏｔｙｐｅ）と共にＭｉｎｉｍａｃ４ソフトウェアを用いて行われた。ポストインピュテーション（ｐｏｓｔ－ｉｍｐｕｔａｔｉｏｎ）ＱＣのために、下記の基準を適用してＳＮＰを除外した：（ｉ）インピュテーション品質が不良の場合（Ｒ^２≦０．８）、および（ｉｉ）ＭＡＦ≦１％の場合。結果的に、計４，９０６，４０７個のＳＮＰが分析された。

【0060】

１－３．Ａβ ＰＥＴ収集およびボクセルベースの形態分析
Ａβ ＰＥＴ映像はＤｉｓｃｏｖｅｒｙ ＳＴＥ ＰＥＴ／ＣＴスキャナ（ＧＥ Ｍｅｄｉｃａｌ Ｓｙｓｔｅｍｓ、米国）を用いて取得した。ＰＥＴ映像はＦＢＢ（^１８Ｆ－ｆｌｏｒｂｅｔａｂｅｎ）またはＦＭＭ（^１８Ｆ－ｆｌｏｔｅｍｅｔａｍｏｌ）を静脈注射した後、９０分から始めて２０分間取得した。Ａβ陽性または陰性はＦＢＢおよびＦＭＭ ＰＥＴに対する肉眼測定法を用いて決定された。評価モデル開発用コホートの被験者の一部（ｎ＝８２４）はボクセルベースの形態（ｖｏｘｅｌ ｂａｓｅ ｍｏｒｐｈｏｍｅｔｒｙ、ＶＢＭ）分析に使用できるＡβ ＰＥＴデータを有していた。

【0061】

ＶＢＭ分析のために、ＭＡＴＬＡＢ（ＭａｔｈＷｏｒｋｓ ２０１４ｂ）で実行されるＳｔａｔｉｓｔｉｃａｌ Ｐａｒａｍｅｔｒｉｃ Ｍａｐｐｉｎｇソフトウェアバージョン１２（ＳＰＭ、ｈｔｔｐ：／／ｗｗｗ．ｆｉｌ．ｉｏｎ／ｕｃ．ａｃ．ｕｋ／ｓｐｍ）を用いて次の事前処理を行った：（１）Ｔ１強調構造ＭＲＩ（Ｔ１－ｗｅｉｇｈｔｅｄ ｓｔｒｕｃｔｕｒａｌ ＭＲＩ）に対するＰＥＴの共同登録（ｃｏ－ｒｅｇｉｓｔｒａｔｉｏｎ）、（２）構造ＭＲＩ分割および変換マトリックス計算、（３）ＭＮＩ（Ｍｏｎｔｒｅａｌ Ｎｅｕｒｏｌｏｇｉｃａｌ Ｉｎｓｔｉｔｕｔｅ）空間に対するＰＥＴの正規化、および（４）半分最大（ｈａｌｆ－ｍａｘｉｍｕｍ）で全幅８ｍｍのガウスカーネル（Ｇａｕｓｓｉａｎ ｋｅｒｎｅｌ）を有する空間平滑化（ｓｐａｔｉａｌ ｓｍｏｏｔｈｉｎｇ）。

【0062】

各ＰＥＴ映像に対する標準化された吸収値比率（ｓｔａｎｄａｒｄｉｚｅｄ ｕｐｔａｋｅ ｖａｌｕｅ ｒａｔｉｏ、ＳＵＶＲ）を計算するために、２つの基準領域（ＦＢＢの場合に小脳皮質、ＦＭＭの場合に橋脳（ｐｏｎｓ））を用いた。基準領域のマスク（ｍａｓｋ）はＧＡＡＩＮウェブサイト（ｈｔｔｐ：／／ｗｗｗ．ＧＡＡＩＮ．ｏｒｇ）から入手した。

【0063】

１－４．統計分析
［１］ＧＷＡＳ分析
年齢、性別および人口小集団効果を補正した状態で、ＳＮＰとＡβ陽性間の関連性を探知するために、ロジスティック回帰分析（ｌｏｇｉｓｔｉｃ ｒｅｇｒｅｓｓｉｏｎ ａｎａｌｙｓｉｓ）を行い、少数対立遺伝子（ｍｉｎｏｒ ａｌｌｅｌｅ）の数に応じて０、１および２で暗号化された加法模型（ａｄｄｉｔｉｖｅ ｍｏｄｅｌ）を用い、人口小集団効果を補正するために、遺伝子データに主成分分析を行って、１番目、２番目、そして３番目の主成分を補正変数として用いた。報告されたＰ値はｔｗｏ－ｔａｉｌｅｄであり、前の研究に基づいて５．０×１０^－８未満のＰ値は統計的有意水準、１．０×１０^－５未満のＰ値は統計的示唆水準と定義した。ＧＷＡＳ分析から導出されたカイ二乗統計量（ｃｈｉ－ｓｑｕａｒｅｄ ｓｔａｔｉｓｔｉｃｓ）の中央値（ｍｅｄｉａｎ）を、自由度（ｆｒｅｅｄｏｍ）が１であるカイ二乗分布（ｃｈｉ－ｓｑｕａｒｅ ｄｉｓｔｒｉｂｕｔｉｏｎ）の中央値（０．４５６）で割って、遺伝体インフレーション（ｇｅｎｏｍｉｃ ｉｎｆｌａｔｉｏｎ）を評価した。妥当性検証分析の場合、評価モデル開発用データセットの結果と同じ方向で効果が発生すると予想されるという点を勘案して、ｏｎｅ－ｔａｉｌｅｄ Ｐ値を報告した。ＳＮＰがＡＰＯＥ遺伝子型と独立したＡβ陽性に関連づけられているかを確認するために、ＡＰＯＥ遺伝子型に対して追加的に補正して条件付き分析（ｃｏｎｄｉｔｉｏｎａｌ ａｎａｌｙｓｉｓ）を実施した。

【0064】

また、Ｐ値ベースのメタ分析（Ｐ－ｖａｌｕｅ ｂａｓｅｄ ｍｅｔａ－ａｎａｌｙｓｉｓ）を行い、研究別効果サイズの標準誤差（ｓｔａｎｄａｒｄ ｅｒｒｏｒ）を反映する重み付けを適用してまとめ効果サイズ（ｓｕｍｍａｒｙ ｅｆｆｅｃｔ ｓｉｚｅ）を計算した。

【0065】

その結果、図１を参照すれば、Ｐ値のＱ－Ｑプロット（ｑｕａｎｔｉｌｅ－ｑｕａｎｔｉｌｅ ｐｌｏｔ）は遺伝体インフレーションを示さなかった（λ＝１．００８）。図２を参照すれば、評価モデル開発用データにおいて、１９番染色体に位置した６１個の有意な全長遺伝体ＳＮＰ（Ｐ値＜５×１０^－８）を確認した（下記表２参照）。しかし、すべての有意なＳＮＰはＡＰＯＥ遺伝子を取り囲む５００ｋｂ領域内に位置しており、ＡＰＯＥ ε４対立遺伝子を補正した時、全長遺伝体に対する有意性が失なわれた。ＡＰＯＥ領域以外では１、７、８、１２、２２番染色体に位置した３８個のＳＮＰが示唆的な有意性（Ｐ値＜１．０×１０^－５）を示した（下記表３参照）。妥当性検証分析において、３８個の示唆的な（ｓｕｇｇｅｓｔｉｖｅ）ＳＮＰのうち、７番染色体に位置した６個のＳＮＰ（ｒｓ７３３７５４２８、ｒｓ６９７８２５９、ｒｓ２９０３９２３、ｒｓ３８２８９４７、ｒｓ６９５８４６４およびｒｓ１１９８３５３７）が評価モデル開発用データから得られた結果と同じ方向で有意な関連性を示した。６個のＳＮＰのうち、２個のＳＮＰ（ｒｓ６９５８４６４およびｒｓ１１９８３５３７）は直接遺伝子型が分析され、残りのＳＮＰ（ｒｓ７３３７５４２８、ｒｓ６９７８２５９、ｒｓ２９０３９２３およびｒｓ３８２８９４７）はインピュテーションにより分析された。特に、６個のＳＮＰのうち、２個（ｒｓ７３３７５４２８およびｒｓ２９０３９２３）は評価モデル開発用および妥当性検証用データセットのメタ分析で全長遺伝体に対する重要な関連性を示した（下記表４および５参照）。ＡＰＯＥ ε４対立遺伝子の効果が補正された時、６個のＳＮＰはすべて全長遺伝体に対して示唆的な水準でＰ値を示し、その関連性は妥当性検証用データで検証された。確認された６個のＳＮＰは、下記表６に示しているように、互いに高い連鎖不平衡（ｌｉｎｋａｇｅ ｄｉｓｅｑｕｉｌｉｂｒｉｕｍ）（ＬＤ：ｒ^２＞０．７５）を示し、これによって、６個のＳＮＰのうち、ｒｓ６９７８２５９を代表にして後続の分析に使用した。

【0066】

【表2-1】

【0067】

【表2-2】

【0068】

【表3-1】

【0069】

【表3-2】

【0070】

【表4】

【0071】

【表5】

【0072】

【表6】

【0073】

［２］新たに確認されたＳＮＰｓの影響
関連ＳＮＰを確認した後、総被験者と各認知水準（ＣＵ、ａＭＣＩ、ＡＤＤ）においてＡβ蓄積に対して６個のＳＮＰの危険（ｒｉｓｋ）を計算した。

【0074】

次に、年齢、性別、遺伝的ＰＣ、ＡＰＯＥ遺伝子型およびＡβ ＰＥＴトレーサー類型（ｔｒａｃｅｒ ｔｙｐｅ）の効果に合わせて調整した後、ＳＮＰとどのような局所的（ｒｅｇｉｏｎａｌ）Ａβ蓄積が関連づけられているかを評価するためにＶＢＭ分析を実施した。

【0075】

新たに確認されたＳＮＰの臨床的有用性（ｃｌｉｎｉｃａｌ ｕｔｉｌｉｔｙ）を試験するために、各個人でＡβ陽性を予測する多変量ロジスティックモデル（ｍｕｌｔｉｖａｒｉａｂｌｅ ｌｏｇｉｓｔｉｃ ｍｏｄｅｌ）を開発した。ロジスティックモデルの性能を評価するために、ＲＯＣ分析（ｒｅｃｅｉｖｅｒ ｏｐｅｒａｔｉｎｇ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｃｕｒｖｅ ａｎａｌｙｓｉｓ）でＡＵＣ（ａｒｅａ ｕｎｄｅｒ ｃｕｒｖｅ）を測定した。

【0076】

内部検証（ｖａｌｉｄａｔｉｏｎ）として、評価モデル開発用データを用いて１００回反復で１０倍交差検証（ｃｒｏｓｓ－ｖａｌｉｄａｔｉｏｎ）を実施した。モデルの９５％信頼区間（ｃｏｎｆｉｄｅｎｃｅ ｉｎｔｅｒｖａｌ、ＣＩ）を有する平均ＡＵＣを報告した。外部検証（ｅｘｔｅｒｎａｌ ｖａｌｉｄａｔｉｏｎ）として、妥当性検証用データ間のＡβ予測性能を計算するために、評価モデル開発用データから推定された媒介変数を用いた。前記統計分析および結果視覚化のためにＲソフトウェア（ｈｔｔｐ：／／ｗｗｗ．ｒ－ｐｒｏｊｅｃｔ．ｏｒｇ）とＭＡＴＬＡＢを用いた。

【0077】

その結果として、ｒｓ６９７８２５９の少数対立遺伝子（Ｃ）の数に対する被験者の特性を下記表７に示した。

【0078】

【表7】

【0079】

下記表８に示しているように、ロジスティックモデルにおいて、ＡＰＯＥ ε４対立遺伝子はＡβ陽性の危険が５倍増加し（ＯＲ（ｏｄｄｓ ｒａｔｉｏ）＝５．３３０、９５％ＣＩ＝４．１８８－６．７８８）、ｒｓ６９７８２５９はＡβ陽性の危険が２倍減少した（ＯＲ＝０．５２１．９５％ＣＩ＝０．４０７－０．６７０）。下位グループ（ｓｕｂｇｒｏｕｐ）分析において、Ａβ陽性とｒｓ６９７８２５９との関連性はＣＵグループとａＭＣＩグループで有意であったが、ＡＤＤグループでは有意でなく、ＡＰＯＥ ε４の関連性はすべての認知状態にわたって有意であった。

【0080】

【表8】

【0081】

図４を参照すれば、ＶＢＭ分析において、ＡＰＯＥ ε４は前頭葉、頭頂葉および側頭葉の広い皮質部位のＡβ蓄積の増加と関連があることが明らかになった。ｒｓ６９７８２５９は年齢、性別、教育水準、ＡＰＯＥ ε４およびＡβ ＰＥＴトレーサー類型と独立して楔前部（ｐｒｅｃｕｎｅｕｓ）、側頭部および前頭部のＡβ蓄積の減少と関連があることが明らかになった。

【0082】

ＡＰＯＥ ε４対立遺伝子の臨床有用性を試験するために様々な予測モデルを開発し、６個のＳＮＰ（ｒｓ６９７８２５９、ｒｓ６９５８４６４、ｒｓ１１９８３５３７、ｒｓ３８２８９４７、ｒｓ２９０３９２３およびｒｓ７３３７５４２８）に対する各モデルを開発した（数式１参照）。図５を参照すれば、１００回反復１０倍交差検証で個体特性（年齢、性別および教育水準）だけを含むモデル１はＡＵＣ＝０．５０６（９５％ＣＩ＝０．５００－０．５１２）となり、前記モデル１にＡＰＯＥ ε４対立遺伝子を統合したモデル２はＡＵＣ＝０．７２３（９５％ＣＩ＝０．７１７－０．７２９）で予測性能が増加し、前記モデル２にｒｓ６９７８２５９を統合したモデル３（数式１）はＡＵＣ＝０．７４８（９５％ＣＩ＝０．７４２－０．７５５）で予測性能がさらに増加した。評価モデル開発用データで学習された各モデルを妥当性検証用データに試験した結果、個体特性、ＡＰＯＥ ε４遺伝子型およびｒｓ６９７８２５９を統合したモデル３でモデル１および２に比べて高いＡＵＣ値を示した（モデル１のＡＵＣ＝０．５０９、モデル２のＡＵＣ＝０．６９３、モデル３のＡＵＣ＝０．７１３）。図６～図１０を参照すれば、ｒｓ６９５８４６４、ｒｓ１１９８３５３７、ｒｓ３８２８９４７、ｒｓ２９０３９２３およびｒｓ７３３７５４２８に対しても類似の結果が現れた。

【0083】

［３］機能分析
最後に、生物情報学ツール（ｂｉｏｉｎｆｏｒｍａｔｉｃ ｔｏｏｌ）と前に報告された結果を活用して確認された６個のＳＮＰの機能を特徴化した。まず、１０００ゲノムプロジェクトデータセット（１０００ Ｇｅｎｏｍｅｓ Ｐｒｏｊｅｃｔ ｄａｔａｓｅｔ）を用いて、本実施例で確認されたＳＮＰのＭＡＦが東アジア人口のＭＡＦと類似であるかを確認した。ヒトの脳組織で確認されたＳＮＰの遺伝子型別発現を評価するために、Ｇｅｎｏｔｙｐｅ－Ｔｉｓｓｕｅ Ｅｘｐｒｅｓｓｉｏｎ ｐｏｒｔａｌ（ｈｔｔｐｓ：／／ｇｔｅｘｐｏｒｔａｌ．ｏｒｇ）によりｃｉｓ－ｅＱＴＬ（ｃｉｓ－ｅｘｐｒｅｓｓｉｏｎ ｑｕａｎｔｉｔａｔｉｖｅ ｔｒａｉｔ ｌｏｃｉ）分析を行った。

【0084】

その結果、図３に示しているように、ｒｓ６９７８２５９はＣＣＤＣ１４６遺伝子（ｃｏｉｌｅｄ－ｃｏｉｌ ｄｏｍａｉｎ ｃｏｎｔａｉｎｉｎｇ １４６ ｇｅｎｅ）のイントロンに位置していることが明らかになった。

【0085】

このような結果は、コホートの差によって脳アミロイドベータ蓄積と関連性が高いＳＮＰの種類に差があり、韓国人を対象に性別、年齢および教育水準からなる個体特性と共に、血液バイオマーカーとしてＡＰＯＥ ε４遺伝子型、およびｒｓ７３３７５４２８、ｒｓ６９７８２５９、ｒｓ２９０３９２３、ｒｓ３８２８９４７、ｒｓ６９５８４６４およびｒｓ１１９８３５３７からなる群より選択された１種以上のＳＮＰ遺伝子型を組み合わせて分析する場合、早期に脳アミロイドベータ蓄積の可能性が高い個体を効果的に選抜できることを示唆する。

【0086】

これまで本発明についてその好ましい実施例を中心に説明した。本発明の属する技術分野における通常の知識を有する者は本発明が本発明の本質的な特性を逸脱しない範囲で変形された形態で実現できることを理解するであろう。そのため、開示された実施例は限定的な観点ではなく説明的な観点で考慮されなければならない。本発明の範囲は上述した説明ではなく特許請求の範囲に示されており、それと同等範囲内にあるすべての差異は本発明に含まれたものと解釈されなければならない。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】