▶ グレイル リミテッド ライアビリティ カンパニーの特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2022-12-14
(54)【発明の名称】起源組織の閾値処理によるがん分類
(51)【国際特許分類】
C12Q 1/6869 20180101AFI20221207BHJP
【ＦＩ】
C12Q1/6869 Z
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2022521692
(86)(22)【出願日】2020-10-09
(85)【翻訳文提出日】2022-06-07
(86)【国際出願番号】 US2020054951
(87)【国際公開番号】W WO2021072171
(87)【国際公開日】2021-04-15
(31)【優先権主張番号】63/024,033
(32)【優先日】2020-05-13
(33)【優先権主張国・地域又は機関】US
(31)【優先権主張番号】62/914,341
(32)【優先日】2019-10-11
(33)【優先権主張国・地域又は機関】US
(31)【優先権主張番号】63/041,699
(32)【優先日】2020-06-19
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
(71)【出願人】
【識別番号】522093513
【氏名又は名称】グレイル リミテッド ライアビリティ カンパニー
(74)【代理人】
【識別番号】110001243
【氏名又は名称】弁理士法人谷・阿部特許事務所
(72)【発明者】
【氏名】チンウェン リウ
(72)【発明者】
【氏名】オリバー クラウド ヴェン
(72)【発明者】
【氏名】サムエル エス．グロス
(72)【発明者】
【氏名】ロバート エイブ ペイン カレフ
【テーマコード（参考）】
4B063
【Ｆターム（参考）】
4B063QA13
4B063QA19
4B063QQ03
4B063QQ42
4B063QR08
(57)【要約】
がんを検出するためおよび／またはがんの起源組織を決定するための方法およびシステムが、開示される。いくつかの実施形態において、ｃｆＤＮＡフラグメントを含有する複数の生物学的サンプルを用いて訓練されたマルチクラスがん分類器が、開示される。分析システムは、それぞれのサンプルについて、特徴ベクトルを導出し、マルチクラス分類器は、複数の起源組織（ＴＯＯ）クラスのそれぞれに関する確率尤度を予測する。いくつかの実施形態において、複数のＴＯＯクラスは、血液学的悪性腫瘍および前駆状態の両方を含む、血液学的サブタイプを含む。一実施形態において、高い組織シグナルを有する非がんサンプルは、訓練サンプルセットから除外される。別の実施形態において、分析システムは、組織シグナルに従ってサンプルを層別化し、それぞれの層について決定された二値閾値カットオフを適用する。
【特許請求の範囲】
【請求項1】
がんを検出するための方法であって、ｃｆＤＮＡフラグメントを含有する複数の生物学的サンプルのシーケンシングデータを受信するステップであって、前記生物学的サンプルは、がんサンプルおよび非がんサンプルを含む、該ステップと、
前記複数の生物学的サンプルのそれぞれの非がんサンプルについて、
前記シーケンシングデータから導出された特徴に基づいて、マルチクラス分類器を使用して、前記生物学的サンプルを分類するステップであって、前記マルチクラス分類器は複数の起源組織クラスのそれぞれに関する確率尤度を予測し、前記複数の起源組織クラスは１つまたは複数の起源組織サブタイプクラスをさらに含む、該ステップと、
それぞれのサブタイプクラスについて、前記予測された確率尤度が、サブタイプ境界点を上回るかどうかを決定するステップであって、前記サブタイプ境界点は前記サブタイプクラスの特異度の閾値を示す、該ステップと、
がんの存在または不在を予測するための閾値カットオフを決定するステップであって、前記閾値カットオフは、前記非がんサンプルに対応する確率スコアの分布に基づいて決定され、前記確率スコアの分布は、サブタイプ境界点を上回る確率尤度を有するとして特定された１つまたは複数の非がんサンプルと関連する確率スコアを除外する、該ステップと
を含むことを特徴とする方法。
【請求項2】
前記確率スコアの分布は、前記がんサンプルおよび非がんサンプルに由来する訓練サンプルで訓練された二値分類器によって生成されることを特徴とする請求項１に記載の方法。
【請求項3】
前記訓練サンプルは、複数の交差検証訓練セットに分割され、および前記がんの存在を検出するための前記二値分類器を訓練するために使用され、前記二値分類器は、それぞれの訓練サンプルについて、がんの存在または不在を示す確率スコアを生成することを特徴とする請求項２に記載の方法。
【請求項4】
前記二値分類器は第１の閾値カットオフと関連付けられ、がんの存在または不在を予測するための前記閾値カットオフを決定するステップは、サブタイプ境界点を上回る確率尤度を有するとして特定された前記１つまたは複数の非がんサンプルと関連する前記確率スコアを除外することに基づいて、前記第１の閾値カットオフを改変することを含むことを特徴とする請求項２に記載の方法。
【請求項5】
前記閾値カットオフを決定するステップは所望される特異度レベルを前記確率スコアの分布に適用することを含み、前記閾値カットオフは閾値確率スコアを含むことを特徴とする請求項１に記載の方法。
【請求項6】
ｃｆＤＮＡフラグメントを含有する試験生物学的サンプルの試験シーケンシングデータを受信するステップと、前記試験シーケンシングデータを分析して、がんの存在または不在に関する試験確率スコアを決定するステップと、
前記試験確率スコアが、前記閾値カットオフを上回るかどうかを決定するステップと、
前記試験確率スコアが前記閾値カットオフを上回るという決定に応答して、がんの存在を予測するステップと
を含むことを特徴とする請求項１に記載の方法。
【請求項7】
前記試験確率スコアが前記閾値カットオフを上回らないという決定に応答して、がんの不在を予測するステップをさらに含むことを特徴とする請求項６に記載の方法。
【請求項8】
前記試験確率スコアが前記閾値カットオフを上回るという決定に応答して、前記マルチクラス分類器を使用して、前記がんの起源組織に関して前記試験シーケンシングデータを評価するステップをさらに含むことを特徴とする請求項６に記載の方法。
【請求項9】
前記マルチクラス分類器は、前記がんサンプルおよび非がんサンプルに由来する訓練サンプルで訓練されていることを特徴とする請求項１に記載の方法。
【請求項10】
前記対応する起源組織サブタイプクラスの臨床的特異度と臨床的感度との間のトレードオフを最適化する反復的最適化プロセスによって、それぞれのサブタイプ境界点を決定するステップをさらに含むことを特徴とする請求項１に記載の方法。
【請求項11】
前記起源組織サブタイプクラスは、１つまたは複数の血液学的状態を示す血液学的クラスを含むことを特徴とする請求項１に記載の方法。
【請求項12】
それぞれの血液学的クラスのそれぞれのサブタイプ境界点は、前記対応する血液学的状態の臨床的侵攻性の尺度に基づいて決定されることを特徴とする請求項１１に記載の方法。
【請求項13】
前記臨床的侵攻性の尺度は、疾患進行の早期段階、生存率、疾患進行の速度、前記疾患の重症度のうちの１つまたは複数を含むことを特徴とする請求項１２に記載の方法。
【請求項14】
前記血液学的クラスは、ＮＨＬ緩慢性クラス、骨髄系クラス、循環リンパ系クラスを含むことを特徴とする請求項１１に記載の方法。
【請求項15】
前記血液学的クラスは、循環リンパ系クラス、ＮＨＬ緩慢性クラス、ＮＨＬ侵攻性クラス、ホジキンリンパ腫クラス、骨髄系クラス、形質細胞クラス、ｈｅｍｅ＿１クラス、ｈｅｍｅ＿３クラスのうちの少なくとも１つを含む、請求項１１に記載の方法。
【請求項16】
前記循環リンパ系クラスは、有毛細胞性白血病、低悪性度ｂ細胞性、リンパ形質細胞性、慢性リンパ性白血病（ＣＬＬ）、ＳＬＬ、ｂ細胞リンパ芽球性、マントル細胞性からなる群から選択される１つまたは複数のサブクラスを含むことを特徴とする請求項１５に記載の方法。
【請求項17】
ＮＨＬ緩慢性クラスは、ＭＡＬＴ＿ＮＭＺＬおよび濾胞性リンパ腫からなる群から選択される１つまたは複数のサブクラスを含むことを特徴とする請求項１５に記載の方法。
【請求項18】
前記ＮＨＬ侵攻性クラスは、成熟ｔ細胞新生物、縦隔洞ＬＢＣＬ、高悪性度ｂ細胞性、およびＤＬＢＣＬからなる群から選択される１つまたは複数のサブクラスを含むことを特徴とする請求項１５に記載の方法。
【請求項19】
前記骨髄系クラスは、真性赤血球増加症（ＰＶ）、ＭＤＳ、ＣＭＬ、ＡＭＬからなる群から選択される１つまたは複数のサブクラスを含む請求項１５に記載の方法。
【請求項20】
前記形質細胞クラスは、形質細胞新生物および形質細胞骨髄腫からなる群から選択される１つまた複数のサブクラスを含むことを特徴とする請求項１５に記載の方法。
【請求項21】
前記シーケンシングデータは、前記ｃｆＤＮＡフラグメントのメチル化シーケンシングによって生成されるメチル化シーケンシングデータを含むことを特徴とする請求項１に記載の方法。
【請求項22】
前記メチル化シーケンシングは、ＷＧＢＳを含むことを特徴とする請求項２１に記載の方法。
【請求項23】
前記メチル化シーケンシングは、標的化シーケンシングを含むことを特徴とする請求項２１に記載の方法。
【請求項24】
前記メチル化シーケンシングデータから導出される前記特徴は、メチル化パターン、クローナル画分、または成長もしくは代謝回転の速度を示すことを特徴とする請求項２１に記載の方法。
【請求項25】
前記複数の起源組織クラスは、乳がん、子宮がん、子宮頸がん、卵巣がん、膀胱がん、腎盂の尿路上皮がん、尿路上皮以外の腎臓がん、前立腺がん、肛門直腸がん、結腸直腸がん、食道がん、胃がん、肝細胞から生じる肝胆道系がん、肝細胞以外の細胞から生じる肝胆道系がん、膵臓がん、上部消化管の扁平上皮細胞がん、扁平上皮以外の上部消化管がん、頭頸部がん、肺がん、肺腺癌、小細胞肺がん、扁平上皮細胞性肺がんおよび腺癌もしくは小細胞肺がん以外のがん、神経内分泌がん、黒色腫、甲状腺がん、肉腫、多発性骨髄腫、リンパ腫、白血病からなる群から選択される１つまたは複数の固形または液性がん性起源組織を含むことを特徴とする請求項１に記載の方法。
【請求項26】
前記複数の起源組織クラスは、非がんクラスを含むことを特徴とする請求項１に記載の方法。
【請求項27】
ハードウェアプロセッサと、前記ハードウェアプロセッサによって実行されると、前記プロセッサに請求項１ないし２６のいずれかに記載の方法を構成するステップを実行させる実行可能な命令を記憶する、非一過性コンピュータ可読記憶媒体とを備えたことを特徴とするシステム。
【請求項28】
がんを検出および分類するための方法であって、ｃｆＤＮＡフラグメントを含む生物学的サンプルのシーケンシングデータを受信するステップと、
前記シーケンシングデータから導出された特徴に基づいて、マルチクラス分類器を使用して、前記シーケンシングデータを分析するステップであって、前記マルチクラス分類器は複数の起源組織クラスのそれぞれに関する確率尤度を予測し、前記複数の起源組織クラスは、１つまたは複数のがん起源組織クラスおよび１つまたは複数の血液学的起源組織サブタイプクラスを含む、該ステップと、
前記マルチクラス分類器によって予測された前記確率尤度に基づいて、前記がん分類を決定するステップであって、前記がん分類は、がんの存在もしくは不在、がん起源組織、または血液学的起源組織を含む、該ステップと
を含むことを特徴とする方法。
【請求項29】
前記１つまたは複数の血液学的起源組織サブタイプクラスは、１つまたは複数の血液学的状態を示す１つまたは複数の血液学的クラスを含むことを特徴とする請求項２８に記載の方法。
【請求項30】
前記血液学的クラスは、ＮＨＬ緩慢性クラス、骨髄系クラス、循環リンパ系クラスを含むことを特徴とする請求項２９に記載の方法。
【請求項31】
前記血液学的クラスは、循環リンパ系クラス、ＮＨＬ緩慢性クラス、ＮＨＬ侵攻性クラス、ホジキンリンパ腫クラス、骨髄系クラス、形質細胞クラス、ｈｅｍｅ＿１クラス、ｈｅｍｅ＿３クラスのうちの少なくとも１つを含むことを特徴とする請求項２９に記載の方法。
【請求項32】
前記循環リンパ系クラスは、有毛細胞性白血病、低悪性度ｂ細胞性、リンパ形質細胞性、慢性リンパ性白血病（ＣＬＬ）、ＳＬＬ、ｂ細胞リンパ芽球性、マントル細胞性からなる群から選択される１つまたは複数のサブクラスを含むことを特徴とする請求項３１に記載の方法。
【請求項33】
ＮＨＬ緩慢性クラスは、ＭＡＬＴ＿ＮＭＺＬおよび濾胞性リンパ腫からなる群から選択される１つまたは複数のサブクラスを含むことを特徴とする請求項３１に記載の方法。
【請求項34】
前記ＮＨＬ侵攻性クラスは、成熟ｔ細胞新生物、縦隔洞ＬＢＣＬ、高悪性度ｂ細胞性、ＤＬＢＣＬからなる群から選択される１つまたは複数のサブクラスを含むことを特徴とする請求項３１に記載の方法。
【請求項35】
前記骨髄系クラスは、真性赤血球増加症（ＰＶ）、ＭＤＳ、ＣＭＬ、ＡＭＬからなる群から選択される１つまたは複数のサブクラスを含むことを特徴とする請求項３１に記載の方法。
【請求項36】
前記形質細胞クラスは、形質細胞新生物および形質細胞骨髄腫からなる群から選択される１つまた複数のサブクラスを含むことを特徴とする請求項３１に記載の方法。
【請求項37】
前記シーケンシングデータは、前記ｃｆＤＮＡフラグメントのメチル化シーケンシングによって生成されるメチル化シーケンシングデータを含むことを特徴とする請求項２８に記載の方法。
【請求項38】
前記メチル化シーケンシングは、ＷＧＢＳを含むことを特徴とする請求項３７に記載の方法。
【請求項39】
前記メチル化シーケンシングは、標的化シーケンシングを含むことを特徴とする請求項３７に記載の方法。
【請求項40】
前記メチル化シーケンシングデータから導出される前記特徴は、メチル化パターン、クローナル画分、または成長もしくは代謝回転の速度を示すことを特徴とする請求項３７に記載の方法。
【請求項41】
前記１つまたは複数のがん起源組織クラスは、乳がん、子宮がん、子宮頸がん、卵巣がん、膀胱がん、腎盂の尿路上皮がん、尿路上皮以外の腎臓がん、前立腺がん、肛門直腸がん、結腸直腸がん、食道がん、胃がん、肝細胞から生じる肝胆道系がん、肝細胞以外の細胞から生じる肝胆道系がん、膵臓がん、上部消化管の扁平上皮細胞がん、扁平上皮以外の上部消化管がん、頭頸部がん、肺がん、肺腺癌、小細胞肺がん、扁平上皮細胞性肺がんおよび腺癌もしくは小細胞肺がん以外のがん、神経内分泌がん、黒色腫、甲状腺がん、肉腫、多発性骨髄腫、リンパ腫、白血病からなる群から選択される、固形組織がんまたは液性組織がんを含むことを特徴とする請求項２８に記載の方法。
【請求項42】
前記１つまたは複数のがん起源組織クラスは、非がんクラスを含むことを特徴とする請求項２８に記載の方法。
【請求項43】
前記マルチクラス分類器は、がんサンプルおよび非がんサンプルに由来する訓練サンプルで訓練されていることを特徴とする請求項２８に記載の方法。
【請求項44】
ハードウェアプロセッサと、前記ハードウェアプロセッサによって実行されると、前記プロセッサに請求項２８ないし４３のいずれかに記載の方法を含むステップを実行させる拮抗可能な命令を記憶する、非一過性コンピュータ可読記憶媒体とを備えたことを特徴とするシステム。
【請求項45】
試験サンプルにおけるがんの存在または不在を予測するための方法であって、がんスコアおよび第１の組織ラベルに関する組織シグナルを有する前記試験サンプルにアクセスするステップと、
前記第１の組織ラベルに関する前記組織シグナルに基づいて、複数の層のうちの１つを選択するステップであって、前記複数の層は、前記第１の組織ラベルに関する高いシグナルの層および前記第１の組織ラベルに関する低いシグナルの層を含む、該ステップと、
前記がんスコアを前記選択された層の二値閾値カットオフに対して比較することによって、前記試験サンプルが、がんの存在と関連付けられるかまたは不在と関連付けられるかを予測するステップと
を含むことを特徴とする方法。
【請求項46】
前記試験サンプルは、前記試験サンプルのメチル化シーケンシングデータに従って決定される試験特徴ベクトルを含むことを特徴とする請求項４５に記載の方法。
【請求項47】
前記がんスコアは、二値がん分類器を前記試験特徴ベクトルに適用することによって決定されることを特徴とする請求項４６に記載の方法。
【請求項48】
前記組織シグナルは、マルチクラスがん分類器を前記試験特徴ベクトル適用することによって決定される起源組織（ＴＯＯ）予測であることを特徴とする請求項４６に記載の方法。
【請求項49】
前記ＴＯＯ予測は、複数の組織ラベルのそれぞれに関する予測値を含み、それぞれの予測値は、前記試験サンプルが前記組織ラベルと関連付けられたがんタイプに対応する尤度を示すことを特徴とする請求項４８に記載の方法。
【請求項50】
前記第１の組織ラベルに関する前記組織シグナルに基づいて、複数の層のうちの１つを選択するステップは、前記第１の組織ラベルに関する前記組織シグナルが、予測値閾値であるかまたはそれを上回るかどうかを決定することと、
前記第１の組織ラベルに関する前記組織シグナルが前記予測値閾値であるかまたはそれを上回るという決定に応答して、前記高いシグナルの層を選択することと、
前記第１の組織ラベルに関する前記組織シグナルが前記予測値閾値を下回るという決定に応答して、前記低いシグナルの層を選択することと
を含むことを特徴とする請求項４９に記載の方法。
【請求項51】
前記ＴＯＯ予測は、前記複数の組織ラベルのうちの１つまたは複数の組織ラベルの１つまたは複数の上位予測を示し、組織ラベルの上位予測は、前記試験サンプルが前記上位予測の前記組織ラベルと関連付けられたがんタイプを有すると予測されることを示すことを特徴とする請求項４８に記載の方法。
【請求項52】
前記複数の層のうちの１つを選択するステップは、前記第１の組織ラベルが上位予測であるかどうかを決定することと、
前記第１の組織ラベルが前記上位予測であるという決定に応答して、前記高いシグナルの層を選択することと、
前記第１の組織ラベルが前記上位予測ではないという決定に応答して、前記低いシグナルの層を選択することと
を含むことを特徴とする請求項５１に記載の方法。
【請求項53】
複数の層のうちの１つを選択するステップは、前記第１の組織ラベルが第２の上位予測であるかどうかを決定することと、
前記第１の組織ラベルが前記第２の上位予測であるという決定に応答して、前記高いシグナルの層を選択することと、
前記第１の組織ラベルが前記第２の上位予測ではないという決定に応答して、前記低いシグナルの層を選択することと
を含むことを特徴とする請求項５２に記載の方法。
【請求項54】
前記複数の層は、中等度の組織シグナルのための中等度のシグナルの層を含むことを特徴とする請求項４５に記載の方法。
【請求項55】
前記試験サンプルは第２の組織クラスに関する組織シグナルを有し、複数の層のうちの１つを選択するステップは、さらに、前記第２の組織ラベルに関する前記組織シグナルに基づくことを特徴とする請求項４５に記載の方法。
【請求項56】
それぞれの層の前記二値閾値カットオフは、サンプルのホールドアウトセットを取得することであって、それぞれのサンプルはがんスコアおよび前記第１の組織ラベルに関する組織シグナルを有すること、
前記サンプルのホールドアウトセットの前記第１の組織ラベルに関する前記組織シグナルに基づいて、前記ホールドアウトセットを、前記複数の層に層別化すること、
前記複数の層のそれぞれの層について、
前記層における前記サンプルの前記がんスコアに基づいてそれぞれの二値閾値カットオフの真陽性率および偽陽性率を計算することによって、複数の候補二値閾値カットオフで、がんスコアのドメイン全体をスイープすること、
前記層の偽陽性バジェットおよび前記計算された偽陽性率に基づいて、前記層の前記複数の候補二値閾値カットオフから、二値閾値カットオフを選択すること、
によって決定されることを特徴とする請求項４５に記載の方法。
【請求項57】
ハードウェアプロセッサと、前記ハードウェアプロセッサによって実行されると、前記プロセッサに請求項４４ないし５６のいずれかに記載の方法を含むステップを実行させる実行可能な命令を記憶する、非一過性コンピュータ可読記憶媒体とを備えたことを特徴とするシステム。
【請求項58】
がんを検出および分類するための方法であって、ｃｆＤＮＡフラグメントを含む生物学的サンプルのシーケンシングデータを受信するステップと、
マルチクラス分類器を、シーケンシングデータから得られた特徴に適用するステップであって、前記マルチクラス分類器が、複数の血液学的起源組織サブタイプクラスのそれぞれに関する確率尤度を予測する、該ステップと、
前記マルチクラス分類器によって予測された前記確率尤度に基づいて、前記生物学的サンプルと関連する血液学的起源組織を決定するステップと
を含むことを特徴とする方法。
【請求項59】
前記複数の血液学的起源組織サブタイプクラスは、１つまたは複数の血液学的状態を示すことを特徴とする請求項５８に記載の方法。
【請求項60】
前記血液学的起源組織サブタイプクラスは、ＮＨＬ緩慢性クラス、骨髄系クラス、循環リンパ系クラスを含むことを特徴とする請求項５９に記載の方法。
【請求項61】
前記血液学的起源組織サブタイプクラスは、循環リンパ系クラス、ＮＨＬ緩慢性クラス、ＮＨＬ侵攻性クラス、ホジキンリンパ腫クラス、骨髄系クラス、形質細胞クラス、ｈｅｍｅ＿１クラス、ｈｅｍｅ＿３クラスのうちの少なくとも１つを含むことを特徴とする請求項５９に記載の方法。
【請求項62】
前記循環リンパ系クラスは、有毛細胞性白血病、低悪性度ｂ細胞性、リンパ形質細胞性、慢性リンパ性白血病（ＣＬＬ）、ＳＬＬ、ｂ細胞リンパ芽球性、マントル細胞性からなる群から選択される１つまたは複数のサブクラスを含むことを特徴とする請求項６１に記載の方法。
【請求項63】
ＮＨＬ緩慢性クラスは、ＭＡＬＴ＿ＮＭＺＬおよび濾胞性リンパ腫からなる群から選択される１つまたは複数のサブクラスを含むことを特徴とする請求項６１に記載の方法。
【請求項64】
前記ＮＨＬ侵攻性クラスは、成熟ｔ細胞新生物、縦隔洞ＬＢＣＬ、高悪性度ｂ細胞性、ＤＬＢＣＬからなる群から選択される１つまたは複数のサブクラスを含むことを特徴とする請求項６１に記載の方法。
【請求項65】
前記骨髄系クラスは、真性赤血球増加症（ＰＶ）、ＭＤＳ、ＣＭＬ、ＡＭＬからなる群から選択される１つまたは複数のサブクラスを含むことを特徴とする請求項６１に記載の方法。
【請求項66】
前記形質細胞クラスは、形質細胞新生物および形質細胞骨髄腫からなる群から選択される１つまた複数のサブクラスを含むことを特徴とする請求項６１に記載の方法。
【請求項67】
前記シーケンシングデータは、前記ｃｆＤＮＡフラグメントのメチル化シーケンシングによって生成されたメチル化シーケンシングデータを含むことを特徴とする請求項５８に記載の方法。
【請求項68】
前記メチル化シーケンシングは、ＷＧＢＳを含むことを特徴とする請求項６７に記載の方法。
【請求項69】
前記メチル化シーケンシングは、標的化シーケンシングを含むことを特徴とする請求項６７に記載の方法。
【請求項70】
前記メチル化シーケンシングデータから導出される前記特徴は、メチル化パターン、クローナル画分、または成長もしくは代謝回転の速度を示すことを特徴とする請求項６７に記載の方法。
【請求項71】
前記マルチクラス分類器は、さらに、非がんクラスの確率尤度を予測することを特徴とする請求項５８に記載の方法。
【請求項72】
前記マルチクラス分類器は、血液学的状態を有するサンプルおよび非がんサンプルに由来する訓練サンプルで訓練されていることを特徴とする請求項５８に記載の方法。
【請求項73】
ハードウェアプロセッサと、前記ハードウェアプロセッサによって実行されると、前記プロセッサに請求項５８ないし７２のいずれかに記載の方法を構成するステップを実行させる実行可能な命令を記憶する、非一過性コンピュータ可読記憶媒体とを備えたことを特徴とするシステム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、起源組織の閾値処理によるがん分類に関する。
【背景技術】
【0002】
デオキシリボ核酸（ＤＮＡ）メチル化は、遺伝子発現の制御に重要な役割を果たしている。異常なＤＮＡメチル化は、がんを含む多数の疾患プロセスに関係付けられている。メチル化シーケンシング（例えば、全ゲノムバイサルファイトシーケンシング（ＷＧＢＳ））を使用したＤＮＡメチル化プロファイリングは、がんの検出、診断、および／またはモニタリングのための貴重な診断ツールとしてますます認識されている。例えば、差次的にメチル化された領域の特異的なパターンおよび／または遺伝子座特異的メチル化パターンは、循環無細胞（ｃｆ）ＤＮＡを使用した非侵襲的診断のための分子マーカーとして有用である。しかしながら、当該技術分野において、疾患、例えば、がんの検出、診断、および／またはモニタリングのために無細胞ＤＮＡから得られたメチル化シーケンシングデータを分析するための改善された方法に対する必要性が残っている。
【発明の概要】
【課題を解決するための手段】
【0003】
対象における疾患状態（例えば、がん）の早期検出は、より早期の処置を可能にし、したがってより高い生存の可能性を可能にするため、重要である。無細胞（ｃｆ）ＤＮＡサンプル中のＤＮＡフラグメントのシーケンシングを使用して、疾患分類に使用することができる特徴を特定することができる。例えば、がんの評価において、血液サンプルから得られた無細胞ＤＮＡに基づく特徴（例えば、体細胞性バリアントの存在もしくは不在、メチル化ステータス、または他の遺伝子異常）は、対象ががんを有する可能性があるかどうかに対する識見、および対象がどのタイプのがんを有するかに関するさらなる識見を提供することができる。その目的で、本明細書には、対象が疾患を有する尤度を決定するために無細胞ＤＮＡシーケンシングデータを分析するためのシステムおよび方法が含まれる。
【0004】
分析システムは、複数のサンプル（例えば、複数のがんサンプルおよび非がんサンプル）から得られた多数のシーケンシングデータを処理して、続いてがん分類に利用される特徴を特定する。シーケンシングデータを用いて、分析システムは、試験サンプルのがん予測を生成するために、がん分類器を訓練し展開することができる。
【0005】
どの訓練サンプルを使用してがん分類器を訓練するかに関して、分析は、すでに１つまたは複数のがんタイプを有するとして特定されラベル付けされている訓練サンプル、ならびに非がんとしてラベル付けされている健常個体に由来する訓練サンプルを使用する。それぞれの訓練サンプルは、フラグメントのセットを含む。それぞれの訓練サンプルについて、分析システムは、例えば、特定された特徴のそれぞれにスコアを割り当てることによって、特徴ベクトルを生成する。分析システムは、訓練サンプルを、がん分類器の反復的訓練のために１つまたは複数の訓練サンプルのセットにグループ分けしてよい。分析システムは、特徴ベクトルのそれぞれのセットを、がん分類器に入力し、がん分類器の関数が、特徴ベクトルおよび分類パラメーターに基づいてセット内の訓練サンプルのラベルを正確に予測するがん予測を計算するように、がん分類器における分類パラメーターを調整する。訓練サンプルのそれぞれのセットに上記のステップを反復した後、がん分類器は、十分に訓練される。
【0006】
展開の間に、分析システムは、訓練サンプルと類似の様式で、例えば、試験サンプルのそれぞれについて、特徴ベクトル内の複数の特徴のそれぞれにスコアを割り当てることによって、試験サンプルの特徴ベクトルを生成する。次いで、分析システムは、試験サンプルの特徴ベクトルを、がん分類器に入力し、がん分類器ががん予測を返却する。一実施形態において、がん分類器は、がんを有するかまたは有さない尤度のがん予測を返却する二値分類器として構成されてよい。別の実施形態において、がん分類器は、カテゴリー分けされているがんタイプに関する予測値を有するがん予測を返却するマルチクラス分類器として構成される。
【0007】
本開示は、がんを検出するためおよび／またはがんの起源組織を決定するための方法およびシステムを提供する。いくつかの実施形態において、本発明は、がんを検出するための方法またはシステムであって、ｃｆＤＮＡフラグメントを含有する複数の生物学的サンプルのシーケンシングデータを受信するステップであって、生物学的サンプルは、がんサンプルおよび非がんサンプルを含む、ステップと、複数の生物学的サンプルのそれぞれの非がんサンプルについて、シーケンシングデータから導出された特徴に基づいて、マルチクラス分類器を使用して、生物学的サンプルを分類するステップであって、マルチクラス分類器は、複数の起源組織クラスのそれぞれに関する確率尤度を予測し、複数の起源組織クラスは、さらに、１つまたは複数の起源組織サブタイプクラスを含む、ステップと、それぞれのサブタイプクラスについて、予測された確率尤度が、サブタイプ境界点を上回るかどうかを決定するステップであって、サブタイプ境界点は、サブタイプクラスの特異度の閾値を示す、ステップと、がんの存在または不在を予測するための閾値カットオフを決定するステップであって、閾値カットオフは、非がんサンプルに対応する確率スコアの分布に基づいて決定され、確率スコアの分布は、サブタイプ境界点を上回る確率尤度を有するとして特定された１つまたは複数の非がんサンプルと関連する確率スコアを除外する、ステップとを含む、方法またはシステムを含む。
【0008】
いくつかの実施形態において、確率スコアの分布は、がんサンプルおよび非がんサンプルに由来する訓練サンプルで訓練された二値分類器によって生成される。
【0009】
いくつかの実施形態において、訓練サンプルは、複数の交差検証訓練セットに分割され、がんの存在を検出するための二値分類器を訓練するために使用され、二値分類器は、それぞれの訓練サンプルについて、がんの存在または不在を示す確率スコアを生成する。
【0010】
いくつかの実施形態において、二値分類器は、第１の閾値カットオフと関連付けられ、がんの存在または不在を予測するための閾値カットオフを決定するステップは、サブタイプ境界点を上回る確率尤度を有するとして特定された１つまたは複数の非がんサンプルと関連する確率スコアを除外することに基づいて、第１の閾値カットオフを改変することを含む。
【0011】
いくつかの実施形態において、閾値カットオフは、所望される特異度レベルを、確率スコアの分布に適用することを含み、閾値カットオフは、閾値確率スコアを含む。
【0012】
いくつかの実施形態において、方法またはシステムは、ｃｆＤＮＡフラグメントを含有する試験生物学的サンプルの試験シーケンシングデータを受信するステップと、試験シーケンシングデータを分析して、がんの存在または不在に関する試験確率スコアを決定するステップと、試験確率スコアが閾値カットオフを上回るかどうかを決定するステップと、試験確率スコアが閾値カットオフを上回るという決定に応答して、がんの存在を予測するステップとを含む。
【0013】
いくつかの実施形態において、方法またはシステムは、試験確率スコアが閾値カットオフを上回らないという決定に応答して、がんの不在を予測するステップをさらに含む。
【0014】
いくつかの実施形態において、方法またはシステムは、試験確率スコアが閾値カットオフを上回るという決定に応答して、マルチクラス分類器を使用して、がんの起源組織に関して試験シーケンシングデータを評価するステップをさらに含む。
【0015】
いくつかの実施形態において、マルチクラス分類器は、がんサンプルおよび非がんサンプルに由来する訓練サンプルで訓練されている。
【0016】
いくつかの実施形態において、方法またはシステムは、対応する起源組織サブタイプクラスの臨床的特異度と臨床的感度との間のトレードオフを最適化する反復的最適化プロセスによって、それぞれのサブタイプ境界点を決定するステップをさらに含む。
【0017】
いくつかの実施形態において、起源組織サブタイプクラスは、１つまたは複数の血液学的状態を示す血液学的クラスを含む。いくつかの実施形態において、それぞれの血液学的クラスのそれぞれのサブタイプ境界点は、対応する血液学的状態の臨床的侵攻性の尺度に基づいて決定される。
【0018】
いくつかの実施形態において、臨床的侵攻性の尺度は、疾患進行の早期段階、生存率、疾患進行の速度、および疾患の重症度のうちの１つまたは複数を含む。
【0019】
いくつかの実施形態において、血液学的クラスは、ＮＨＬ緩慢性クラス、骨髄系クラス、および循環リンパ系クラスを含む。いくつかの実施形態において、血液学的クラスは、循環リンパ系クラス、ＮＨＬ緩慢性クラス、ＮＨＬ侵攻性クラス、ホジキンリンパ腫クラス、骨髄系クラス、形質細胞クラス、ｈｅｍｅ＿１クラス、およびｈｅｍｅ＿３クラスのうちの少なくとも１つを含む。いくつかの実施形態において、循環リンパ系クラスは、有毛細胞性白血病、低悪性度ｂ細胞性、リンパ形質細胞性、慢性リンパ性白血病（ＣＬＬ）、ＳＬＬ、ｂ細胞リンパ芽球性、およびマントル細胞性からなる群から選択される１つまたは複数のサブクラスを含む。いくつかの実施形態において、ＮＨＬ緩慢性クラスは、ＭＡＬＴ＿ＮＭＺＬおよび濾胞性リンパ腫からなる群から選択される１つまたは複数のサブクラスを含む。いくつかの実施形態において、ＮＨＬ侵攻性クラスは、成熟ｔ細胞新生物、縦隔洞ＬＢＣＬ、高悪性度ｂ細胞性、およびＤＬＢＣＬからなる群から選択される１つまたは複数のサブクラスを含む。いくつかの実施形態において、骨髄系クラスは、真性赤血球増加症（ＰＶ）、ＭＤＳ、ＣＭＬ、およびＡＭＬからなる群から選択される１つまたは複数のサブクラスを含む。いくつかの実施形態において、形質細胞クラスは、形質細胞新生物および形質細胞骨髄腫からなる群から選択される１つまたは複数のサブクラスを含む。
【0020】
いくつかの実施形態において、シーケンシングデータは、ｃｆＤＮＡフラグメントのメチル化シーケンシングによって生成されるメチル化シーケンシングデータを含む。いくつかの実施形態において、メチル化シーケンシングは、ＷＧＢＳを含む。いくつかの実施形態において、メチル化シーケンシングは、標的化シーケンシングを含む。いくつかの実施形態において、メチル化シーケンシングデータから導出される特徴は、メチル化パターン、クローナル画分、または成長もしくは代謝回転の速度を示す。
【0021】
いくつかの実施形態において、複数の起源組織クラスは、乳がん、子宮がん、子宮頸がん、卵巣がん、膀胱がん、腎盂の尿路上皮がん、尿路上皮以外の腎臓がん、前立腺がん、肛門直腸がん、結腸直腸がん、食道がん、胃がん、肝細胞から生じる肝胆道系がん、肝細胞以外の細胞から生じる肝胆道系がん、膵臓がん、上部消化管の扁平上皮細胞がん、扁平上皮以外の上部消化管がん、頭頸部がん、肺がん、肺腺癌、小細胞肺がん、扁平上皮細胞性肺がんおよび腺癌もしくは小細胞肺がん以外のがん、神経内分泌がん、黒色腫、甲状腺がん、肉腫、多発性骨髄腫、リンパ腫、ならびに白血病からなる群から選択される１つまたは複数の固形または液性がん性起源組織を含む。いくつかの実施形態において、複数の起源組織クラスは、非がんクラスを含む。
【0022】
他の態様において、本開示は、がんを検出および分類するための方法およびシステムであって、方法またはシステムは、ｃｆＤＮＡフラグメントを含む生物学的サンプルのシーケンシングデータを受信するステップと、シーケンシングデータから導出された特徴に基づいて、マルチクラス分類器を使用して、シーケンシングデータを分析するステップであって、マルチクラス分類器は、複数の起源組織クラスのそれぞれに関する確率尤度を予測し、複数の起源組織クラスは、１つまたは複数のがん起源組織クラスおよび１つまたは複数の血液学的起源組織サブタイプクラスを含む、ステップと、マルチクラス分類器によって予測された確率尤度に基づいて、がん分類を決定するステップであって、がん分類は、がんの存在もしくは不在、がん起源組織、または血液学的起源組織を含む、ステップとを含む、方法およびシステムについて記載する。
【0023】
他の実施形態において、試験サンプルにおけるがんの存在または不在を予測するための方法は、がんスコアおよび第１の組織ラベルに関する組織シグナルを有する試験サンプルにアクセスするステップと、第１の組織ラベルに関する組織シグナルに基づいて、複数の層のうちの１つを選択するステップであって、複数の層は、第１の組織ラベルに関する高いシグナルの層および第１の組織ラベルに関する低いシグナルの層を含む、ステップと、がんスコアを選択された層の二値閾値カットオフに対して比較することによって、試験サンプルが、がんの存在と関連付けられるかまたは不在と関連付けられるかを予測するステップとを含む。
【0024】
いくつかの実施形態において、試験サンプルは、試験サンプルのメチル化シーケンシングデータに従って決定される試験特徴ベクトルを含む。
【0025】
いくつかの実施形態において、がんスコアは、二値がん分類器を試験特徴ベクトルに適用することによって決定される。
【0026】
いくつかの実施形態において、組織シグナルは、マルチクラスがん分類器を試験特徴ベクトルに適用することによって決定される起源組織（ＴＯＯ）予測である。
【0027】
いくつかの実施形態において、ＴＯＯ予測は、複数の組織ラベルのそれぞれに関する予測値を含み、それぞれの予測値は、試験サンプルが組織ラベルと関連付けられたがんタイプに対応する尤度を示す。
【0028】
いくつかの実施形態において、第１の組織ラベルに関する組織シグナルに基づいて複数の層のうちの１つを選択するステップは、第１の組織ラベルに関する組織シグナルが、予測値閾値であるかまたはそれを上回るかどうかを決定することと、第１の組織ラベルに関する組織シグナルが、予測値閾値であるかまたはそれを上回るという決定に応答して、高いシグナルの層を選択することと、第１の組織ラベルに関する組織シグナルが予測値閾値を下回るという決定に応答して、低いシグナルの層を選択することとを含む。
【0029】
いくつかの実施形態において、ＴＯＯ予測は、複数の組織ラベルのうちの１つまたは複数の組織ラベルの１つまたは複数の上位予測を示し、組織ラベルの上位予測は、試験サンプルが上位予測の組織ラベルと関連付けられたがんタイプを有すると予測されることを示す。
【0030】
いくつかの実施形態において、複数の層のうちの１つを選択するステップは、第１の組織ラベルが上位予測であるかどうかを決定することと、第１の組織ラベルが上位予測であるという決定に応答して、高いシグナルの層を選択することと、第１の組織ラベルが上位予測ではないという決定に応答して、低いシグナルの層を選択することとを含む。
【0031】
いくつかの実施形態において、複数の層のうちの１つを選択するステップは、第１の組織ラベルが第２の上位予測であるかどうかを決定することと、第１の組織ラベルが第２の上位予測であるという決定に応答して、高いシグナルの層を選択することと、第１の組織ラベルが第２の上位予測ではないという決定に応答して、低いシグナルの層を選択することを含む。
【0032】
いくつかの実施形態において、複数の層は、中等度の組織シグナルのための中等度のシグナルの層を含む。
【0033】
いくつかの実施形態において、試験サンプルは、第２の組織クラスに関する組織シグナルを有し、複数の層のうちの１つを選択するステップは、さらに、第２の組織ラベルに関する組織シグナルに基づく。
【0034】
いくつかの実施形態において、それぞれの層の二値閾値カットオフは、サンプルのホールドアウトセットを取得することであって、それぞれのサンプルは、がんスコアおよび第１の組織ラベルに関する組織シグナルを有すること；サンプルのホールドアウトセットの第１の組織ラベルに関する組織シグナルに基づいて、ホールドアウトセットを、複数の層に層別化すること；複数の層のそれぞれの層について、層内のサンプルのがんスコアに基づいて、それぞれの候補二値閾値カットオフの真陽性率および偽陽性率を計算することによって、複数の候補二値閾値カットオフでがんスコアのドメインをスイープすること、ならびに層の偽陽性バジェットおよび計算された偽陽性率に基づいて、層の複数の候補二値閾値カットオフから二値閾値カットオフを選択することによって、決定される。
【0035】
他の実施形態において、がんを検出および分類するための方法であって、ｃｆＤＮＡフラグメントを含む生物学的サンプルのシーケンシングデータを受信するステップと、マルチクラス分類器を、シーケンシングデータから導出された特徴に適用するステップであって、マルチクラス分類器は、複数の血液学的起源組織サブタイプクラスのそれぞれに関する確率尤度を予測する、ステップと、マルチクラス分類器によって予測された確率尤度に基づいて、生物学的サンプルと関連する血液学的起源組織を決定するステップとを含む、方法が、開示される。いくつかの実施形態において、ハードウェアプロセッサと、ハードウェアプロセッサによって実行されると、プロセッサに方法のステップを実行させる、実行可能な命令を記憶する、非一過性コンピュータ可読記憶媒体とを備える、システム。
【0036】
他の実施形態において、マルチクラス分類器は、さらに、非がんクラスに関する確率尤度を予測する。
【0037】
他の実施形態において、マルチクラス分類器は、血液学的状態を有するサンプルおよび非がんサンプルに由来する訓練サンプルで訓練されている。
【図面の簡単な説明】
【0038】
【発明を実施するための形態】
【0039】
図は、例示目的で様々な実施形態を示すにすぎない。当業者であれば、本明細書に例示されている構造および方法の代替的な実施形態が、本明細書に記載される原理から逸脱することなく用いられてよいことを、以下の説明から容易に認識するであろう。
【0040】
Ｉ．概要
Ｉ．Ａ．メチル化の概要
本明細書によると、個体から得られたｃｆＤＮＡフラグメントは、例えば、メチル化されていないシトシンをウラシルに変換することによって処理し、シーケンシングし、配列リードを参照ゲノムと比較して、ＤＮＡフラグメント内の特定のＣｐＧ部位におけるメチル化状態が特定される。それぞれのＣｐＧ部位は、メチル化されている場合もあり、またはメチル化されていない場合もある。健常個体と比較して異常にメチル化されたフラグメントの特定により、対象のがんステータスに関する識見を得ることができる。当該技術分野において周知のように、ＤＮＡメチル化異常（健常対照と比較して）は、がんに寄与する様々な作用を引き起こす。異常にメチル化されたｃｆＤＮＡフラグメントの特定には、様々な課題が生じる。まず、ＤＮＡフラグメントが異常にメチル化されていると決定することは、対照個体の群との比較という点で重みを有するにすぎず、その結果、対照群が少数である場合には、小さなサイズの対照群内での統計学的変動性に起因して、決定は信頼性を失う。加えて、対照個体の群の間でメチル化ステータスは変動するが、それは、対象のＤＮＡフラグメントが異常にメチル化されていると決定する際に考慮に入れることは困難である。別の話として、ＣｐＧ部位におけるシトシンのメチル化は、必然的に、後続のＣｐＧ部位におけるメチル化に影響を及ぼす。この依存性をまとめることは、それ自体がもう１つの課題である。
Ｉ．Ａ．メチル化の概要
本明細書によると、個体から得られたｃｆＤＮＡフラグメントは、例えば、メチル化されていないシトシンをウラシルに変換することによって処理し、シーケンシングし、配列リードを参照ゲノムと比較して、ＤＮＡフラグメント内の特定のＣｐＧ部位におけるメチル化状態が特定される。それぞれのＣｐＧ部位は、メチル化されている場合もあり、またはメチル化されていない場合もある。健常個体と比較して異常にメチル化されたフラグメントの特定により、対象のがんステータスに関する識見を得ることができる。当該技術分野において周知のように、ＤＮＡメチル化異常（健常対照と比較して）は、がんに寄与する様々な作用を引き起こす。異常にメチル化されたｃｆＤＮＡフラグメントの特定には、様々な課題が生じる。まず、ＤＮＡフラグメントが異常にメチル化されていると決定することは、対照個体の群との比較という点で重みを有するにすぎず、その結果、対照群が少数である場合には、小さなサイズの対照群内での統計学的変動性に起因して、決定は信頼性を失う。加えて、対照個体の群の間でメチル化ステータスは変動するが、それは、対象のＤＮＡフラグメントが異常にメチル化されていると決定する際に考慮に入れることは困難である。別の話として、ＣｐＧ部位におけるシトシンのメチル化は、必然的に、後続のＣｐＧ部位におけるメチル化に影響を及ぼす。この依存性をまとめることは、それ自体がもう１つの課題である。
【0041】
メチル化は、典型的に、デオキシリボ核酸（ＤＮＡ）において、シトシン塩基のピリミジン環上の水素原子がメチル基に変換されて５－メチルシトシンを形成する際に生じる。具体的には、メチル化は、本明細書において「ＣｐＧ部位」と称されるシトシンおよびグアニンのジヌクレオチドにおいて生じる傾向にある。他の事例において、メチル化は、ＣｐＧ部位の一部ではないシトシンまたはシトシンではない別のヌクレオチドにおいて生じるが、これらはめったに発生しない。本開示においては、明確さの目的で、メチル化は、ＣｐＧ部位を参照して考察される。異常なＤＮＡメチル化は、過剰メチル化または過少メチル化として特定することができ、そのいずれも、がんステータスを示してよい。本開示全体を通じて、過剰メチル化および過少メチル化は、ＤＮＡフラグメントが、閾値を上回る数のＣｐＧ部位を含み、閾値を上回る割合のＣｐＧ部位がメチル化されているかまたはメチル化されていない場合、そのＤＮＡフラグメントについて特徴付けられる。
【0042】
当業者であれば、本明細書に記載される原理が、非シトシンメチル化を含め、非ＣｐＧの状況におけるメチル化の検出に等しく適用可能であることを理解するであろう。そのような実施形態において、メチル化を検出するために使用される湿式研究室アッセイは、本明細書に記載されるものとは変動してもよい。さらに、本明細書において考察されるメチル化状態ベクトルは、通常、メチル化が起こっている部位または起こっていない部位である（これらの部位が特にＣｐＧ部位ではない場合であっても）要素を含んでよい。その置換により、本明細書に記載されるプロセスの残りは同じであり、結果として、本明細書に記載される発明的概念は、他の形態のメチル化にも適用可能である。
【0043】
Ｉ．Ｂ．定義
「個体」という用語は、ヒト個体を指す。「健常個体」という用語は、がんまたは疾患を有さないと推定される個体を指す。「対象」という用語は、がんまたは疾患を有することが判明しているか、またはそれを有する可能性がある、個体を指す。
「個体」という用語は、ヒト個体を指す。「健常個体」という用語は、がんまたは疾患を有さないと推定される個体を指す。「対象」という用語は、がんまたは疾患を有することが判明しているか、またはそれを有する可能性がある、個体を指す。
【0044】
「無細胞核酸」または「ｃｆＮＡ」という用語は、個体の体内（例えば、血液中）を循環し、１つもしくは複数の健常細胞および／または１つもしくは複数のがん細胞を起源とする、核酸フラグメントを指す。「無細胞ＤＮＡ」または「ｃｆＤＮＡ」という用語は、個体の体内（例えば、血液中）を循環するデオキシリボ核酸フラグメントを指す。加えて、個体の体内におけるｃｆＮＡまたはｃｆＤＮＡは、他の非ヒト源に由来してもよい。
【0045】
「ゲノム核酸」、「ゲノムＤＮＡ」、または「ｇＤＮＡ」という用語は、１つまたは複数の細胞から得られた核酸分子またはデオキシリボ核酸分子を指す。様々な実施形態において、ｇＤＮＡは、健常細胞（例えば、非腫瘍細胞）または腫瘍細胞（例えば、生検サンプル）から抽出することができる。いくつかの実施形態において、ｇＤＮＡは、血液細胞系統に由来する細胞、例えば、白血球から抽出される。
【0046】
「循環腫瘍ＤＮＡ」または「ｃｔＤＮＡ」という用語は、腫瘍細胞または他のタイプのがん細胞を起源とする核酸フラグメントを指し、生物学的プロセス、例えば、アポトーシスもしくは死亡する細胞の壊死の結果として個体の体液（例えば、血液、汗、尿、もしくは唾液）中に放出されるか、または生存腫瘍細胞によって活動的に放出される。
【0047】
「ＤＮＡフラグメント」、「フラグメント」、または「ＤＮＡ分子」という用語は、一般に、任意のデオキシリボ核酸フラグメント、すなわち、ｃｆＤＮＡ、ｇＤＮＡ、ｃｔＤＮＡなどを指してよい。
【0048】
「配列リード」という用語は、個体から得られた試験サンプルに由来する核酸分子から得られたヌクレオチド配列を指す。配列リードは、当該技術分野において公知の様々な方法によって得ることができる。
【0049】
「シーケンシング深度」または「深度」という用語は、個体から得られた試験サンプルに由来する所与のゲノム位置または遺伝子座における配列リードまたはリードセグメントの総数を指す。
【0050】
「異常なフラグメント」、「異常にメチル化されたフラグメント」、または「異常なメチル化パターンを有するフラグメント」という用語は、ＣｐＧ部位の異常なメチル化を有するフラグメントを指す。フラグメントの異常なメチル化は、対照群においてフラグメントのメチル化パターンを観察することに関する意外性を特定する確率論的モデルを使用して、決定することができる。
【0051】
「極端なメチル化を有する異常なフラグメント」または「ＵＦＸＭ」という用語は、過少メチル化されたフラグメントまたは過剰メチル化されたフラグメントを指す。過少メチル化されたフラグメントおよび過剰メチル化されたフラグメントは、それぞれ、なんらかの閾値割合（例えば、９０％）を上回るメチル化または非メチル化を有する少なくともいくらかの数のＣｐＧ部位（例えば、５個）を有するフラグメントを指す。
【0052】
「異常スコア」という用語は、ＣｐＧ部位にオーバーラップするサンプル由来の異常なフラグメント（またはいくつかの実施形態においては、ＵＦＸＭ）の数に基づいた、そのＣｐＧ部位のスコアを指す。異常スコアは、分類のためのサンプルの特徴付けの状況で使用される。
【0053】
ＩＩ．サンプル処理
ＩＩ．Ａ． ＤＮＡフラグメントのメチル化状態ベクトルの生成
図１Ａは、実施形態による、無細胞（ｃｆ）ＤＮＡのフラグメントをシーケンシングしてメチル化状態ベクトルを取得するプロセス１００について説明するフローチャートである。ＤＮＡメチル化を分析するために、分析システムは、まず、複数のｃｆＤＮＡ分子を含む個体からサンプルを取得する１１０。一般に、サンプルは、健常個体、がんを有することが判明しているかもしくはがんを有することが疑われる対象、または事前の情報が判明していない状態の対象に由来してよい。試験サンプルは、血液、血漿、血清、尿、糞便、および唾液サンプルからなる群から選択されるサンプルであってよい。あるいは、試験サンプルは、全血、血液画分（例えば、白血球（ＷＢＣ））、組織生検、胸膜液、心膜液、脳脊髄液、および腹膜液からなる群から選択されるサンプルを含んでよい。追加の実施形態において、プロセス１００は、他のタイプのＤＮＡ分子をシーケンシングするために適用されてもよい。
ＩＩ．Ａ． ＤＮＡフラグメントのメチル化状態ベクトルの生成
図１Ａは、実施形態による、無細胞（ｃｆ）ＤＮＡのフラグメントをシーケンシングしてメチル化状態ベクトルを取得するプロセス１００について説明するフローチャートである。ＤＮＡメチル化を分析するために、分析システムは、まず、複数のｃｆＤＮＡ分子を含む個体からサンプルを取得する１１０。一般に、サンプルは、健常個体、がんを有することが判明しているかもしくはがんを有することが疑われる対象、または事前の情報が判明していない状態の対象に由来してよい。試験サンプルは、血液、血漿、血清、尿、糞便、および唾液サンプルからなる群から選択されるサンプルであってよい。あるいは、試験サンプルは、全血、血液画分（例えば、白血球（ＷＢＣ））、組織生検、胸膜液、心膜液、脳脊髄液、および腹膜液からなる群から選択されるサンプルを含んでよい。追加の実施形態において、プロセス１００は、他のタイプのＤＮＡ分子をシーケンシングするために適用されてもよい。
【0054】
サンプルから、分析システムは、それぞれのｃｆＤＮＡ分子を単離する。ｃｆＤＮＡ分子は、メチル化されていないシトシンをウラシルに変換するように処理される。一実施形態において、本方法は、メチル化されたシトシンを変換することなく、メチル化されていないシトシンをウラシルに変換する、ＤＮＡのバイサルファイト処理を使用する。例えば、ＥＺ ＤＮＡ Ｍｅｔｈｙｌａｔｉｏｎ（商標）－Ｇｏｌｄ、ＥＺ ＤＮＡ Ｍｅｔｈｙｌａｔｉｏｎ（商標）－Ｄｉｒｅｃｔ、またはＥＺ ＤＮＡ Ｍｅｔｈｙｌａｔｉｏｎ（商標）－Ｌｉｇｈｔｎｉｎｇキット（Ｚｙｍｏ Ｒｅｓｅａｒｃｈ Ｃｏｒｐ（Ｉｒｖｉｎｅ、ＣＡ）から入手可能）などの市販のキットが、バイサルファイト変換に使用される。別の実施形態において、メチル化されていないシトシンのウラシルへの変換は、酵素反応を使用して達成される。例えば、変換は、メチル化されていないシトシンのウラシルへの変換のための市販入手可能なキット、例えば、ＡＰＯＢＥＣ－Ｓｅｑ（ＮＥＢｉｏｌａｂｓ、Ｉｐｓｗｉｃｈ、ＭＡ）を使用してもよい。
【0055】
変換されたｃｆＤＮＡ分子から、シーケンシングライブラリーを調製する１３０。任意選択で、複数のハイブリダイゼーションプローブを使用して、がんステータスに関しての情報をもつｃｆＤＮＡ分子、またはゲノム領域について、シーケンシングライブラリーを濃縮してもよい１３５。ハイブリダイゼーションプローブは、具体的に指定されたｃｆＤＮＡ分子、または標的化領域にハイブリダイズし、後続のシーケンシングおよび分析のためにそれらのフラグメントまたは領域を濃縮することができる、短いオリゴヌクレオチドである。ハイブリダイゼーションプローブを使用して、研究者が関心のある指定されたＣｐＧ部位のセットの標的化された高深度分析を実行することができる。一実施形態において、ハイブリダイゼーションプローブは、メチル化されていないシトシンのウラシルへの変換のために（例えば、バイサルファイトを使用して）処理されているＤＮＡ分子を濃縮するように設計されている。調製した後、シーケンシングライブラリーまたはその一部分をシーケンシングして、複数の配列リードを得ることができる。配列リードは、コンピュータソフトウェアによる処理および解釈のために、コンピュータ可読デジタル形式であってもよい。
【0056】
配列リードから、分析システムは、参照ゲノムへのアライメントに基づいて、それぞれのＣｐＧ部位の位置およびメチル化状態を決定する１５０。分析システムは、それぞれのフラグメントについて、参照ゲノムにおけるフラグメントの位置（例えば、それぞれのフラグメントにおける第１のＣｐＧ部位の位置もしくは別の類似のメトリックによって指定される）、フラグメント内のＣｐＧ部位の数、ならびにメチル化されている（例えば、Ｍと表記される）か、メチル化されていない（例えば、Ｕと表記される）か、または不確定である（例えば、Ｉと表記される）、フラグメント内のそれぞれのＣｐＧ部位のメチル化状態を指定する、メチル化状態ベクトルを生成する１６０。観察される状態は、メチル化されている状態およびメチル化されていない状態であり、一方で、観察されない状態は、不確定である。不確定なメチル化状態は、シーケンシングエラー、および／またはＤＮＡフラグメントの相補鎖のメチル化状態の間の不一致を起源としてよい。メチル化状態ベクトルは、後での使用および処理のために、一過性または永続性コンピュータメモリに記憶される。さらに、分析システムは、単一のサンプルに由来する重複リードまたは重複メチル化状態ベクトルを除去してよい。分析システムは、１つまたは複数のＣｐＧ部位を有するある特定のフラグメントが、閾値を上回る数または割合の不確定なメチル化ステータスを有することを決定してよく、そのようなフラグメントを除外してよく、またはそのようなフラグメントを選択的に含むが、そのような不確定なメチル化ステータスを考慮したモデルを構築してもよく、１つのそのようなモデルは、図４と併せて以下に記載されている。
【0057】
図１Ｂは、実施形態による、ｃｆＤＮＡ分子をシーケンシングしてメチル化状態ベクトルを取得する図１Ａのプロセス１００の例示である。例として、分析システムは、この例では、３つのＣｐＧ部位を含む、ｃｆＤＮＡ分子１１２を受容する。示されるように、ｃｆＤＮＡ分子１１２の第１および第３のＣｐＧ部位は、メチル化されている１１４。処理ステップ１２０の間に、ｃｆＤＮＡ分子１１２が変換されて、変換されたｃｆＤＮＡ分子１２２が生成される。処理１２０の間に、メチル化されていなかった第２のＣｐＧ部位は、そのシトシンがウラシルに変換される。しかしながら、第１および第３のＣｐＧ部位は、変換されなかった。
【0058】
変換の後、シーケンシングライブラリー１３０を調製し、シーケンシングして１４０、配列リード１４２が生成される。分析システムは、配列リード１４２を参照ゲノム１４４にアライメントする１５０。参照ゲノム１４４は、ヒトゲノムにおけるどの位置がｃｆＤＮＡフラグメントの起源であるかに関する状況を提供する。この単純化された例において、分析システムは、３つのＣｐＧ部位が、ＣｐＧ部位２３、２４、および２５（説明の簡単さのために使用された任意の参照識別子）に相関するように、配列リード１４２をアライメントする１５０。分析システムは、したがって、ｃｆＤＮＡ分子１１２上のすべてのＣｐＧ部位のメチル化ステータスおよびＣｐＧ部位がマッピングされるヒトゲノム内の位置の両方に関する情報を生成する。示されるように、配列リード１４２上のメチル化されているＣｐＧ部位は、シトシンとして読まれる。この例において、シトシンは、配列リード１４２においてのみ第１および第３のＣｐＧ部位に出現し、これにより、もともとのｃｆＤＮＡ分子における第１および第３のＣｐＧ部位がメチル化されたと解釈することができる。一方で、第２のＣｐＧ部位は、チミン（シーケンシングプロセス中にＵがＴに変換される）として読まれ、したがって、第２のＣｐＧ部位は、もともとのｃｆＤＮＡ分子においてメチル化されていなかったと解釈することができる。メチル化ステータスおよび位置というこれらの２つの情報を用いて、分析システムは、ｃｆＤＮＡフラグメント１１２のメチル化状態ベクトル１５２を生成する１６０。この例において、結果として得られるメチル化状態ベクトル１５２は、＜Ｍ23， Ｕ24， Ｍ25＞であり、式中、Ｍは、メチル化されたＣｐＧ部位に対応し、Ｕは、メチル化されていないＣｐＧ部位に対応し、下付き文字の数字は、参照ゲノムにおけるそれぞれのＣｐＧ部位の位置に対応する。
【0059】
ＩＩ．Ｂ．異常なフラグメントの特定
分析システムは、サンプルのメチル化状態ベクトルを使用して、サンプルの異常なフラグメントを決定する。サンプルにおけるそれぞれのフラグメントについて、分析システムは、フラグメントに対応するメチル化状態ベクトルを使用して、フラグメントが異常なフラグメントであるかどうかを決定する。一実施形態において、分析システムは、それぞれのメチル化状態ベクトルについて、健常対照群においてそのメチル化状態ベクトルまたは起こる可能性がさらに低い他のメチル化状態ベクトルを観察する確率について説明するｐ値スコアを計算する。ｐ値スコアを計算するためのプロセスは、以下ＩＩ．Ｂ．ｉ． Ｐ値フィルタリングの節においてさらに考察される。分析システムは、閾値ｐ値スコアを下回るメチル化状態ベクトルを有するフラグメントを、異常なフラグメントとして決定してよい。別の実施形態において、分析システムは、さらに、なんらかの閾値割合を上回るメチル化または非メチル化を有する少なくともいくらかの数のＣｐＧ部位を有するフラグメントを、それぞれ、過剰メチル化されたフラグメントおよび過少メチル化されたフラグメントとしてラベル付けする。過剰メチル化されたフラグメントまたは過少メチル化されたフラグメントはまた、極端なメチル化を有する異常なフラグメント（ＵＦＸＭ）とも称される。他の実施形態において、分析システムは、異常なフラグメントを決定するための様々な他の確率論的モデルを実装してもよい。他の確率論的モデルの例としては、混合モデル、深層確率論的モデルなどが挙げられる。いくつかの実施形態において、分析システムは、異常なフラグメントを特定するために、以下に記載されるプロセスの任意の組合せを使用してもよい。特定された異常なフラグメントを用いて、分析システムは、他のプロセスにおいて使用するため、例えば、がん分類器を訓練および展開するのに使用するために、サンプルのメチル化状態ベクトルのセットをフィルタリングしてもよい。
分析システムは、サンプルのメチル化状態ベクトルを使用して、サンプルの異常なフラグメントを決定する。サンプルにおけるそれぞれのフラグメントについて、分析システムは、フラグメントに対応するメチル化状態ベクトルを使用して、フラグメントが異常なフラグメントであるかどうかを決定する。一実施形態において、分析システムは、それぞれのメチル化状態ベクトルについて、健常対照群においてそのメチル化状態ベクトルまたは起こる可能性がさらに低い他のメチル化状態ベクトルを観察する確率について説明するｐ値スコアを計算する。ｐ値スコアを計算するためのプロセスは、以下ＩＩ．Ｂ．ｉ． Ｐ値フィルタリングの節においてさらに考察される。分析システムは、閾値ｐ値スコアを下回るメチル化状態ベクトルを有するフラグメントを、異常なフラグメントとして決定してよい。別の実施形態において、分析システムは、さらに、なんらかの閾値割合を上回るメチル化または非メチル化を有する少なくともいくらかの数のＣｐＧ部位を有するフラグメントを、それぞれ、過剰メチル化されたフラグメントおよび過少メチル化されたフラグメントとしてラベル付けする。過剰メチル化されたフラグメントまたは過少メチル化されたフラグメントはまた、極端なメチル化を有する異常なフラグメント（ＵＦＸＭ）とも称される。他の実施形態において、分析システムは、異常なフラグメントを決定するための様々な他の確率論的モデルを実装してもよい。他の確率論的モデルの例としては、混合モデル、深層確率論的モデルなどが挙げられる。いくつかの実施形態において、分析システムは、異常なフラグメントを特定するために、以下に記載されるプロセスの任意の組合せを使用してもよい。特定された異常なフラグメントを用いて、分析システムは、他のプロセスにおいて使用するため、例えば、がん分類器を訓練および展開するのに使用するために、サンプルのメチル化状態ベクトルのセットをフィルタリングしてもよい。
【0060】
ＩＩ．Ｂ．Ｉ． Ｐ値フィルタリング
一実施形態において、分析システムは、それぞれのメチル化状態ベクトルについて、健常対照群におけるフラグメントから得られたメチル化状態ベクトルと比較して、ｐ値スコアを計算する。ｐ値スコアは、健常対照群においてそのメチル化状態ベクトルまたは起こる可能性がさらに低い他のメチル化状態ベクトルに一致するメチル化ステータスを観察する確率について説明する。ＤＮＡフラグメントが異常にメチル化されていると決定するために、分析システムは、大半のフラグメントが通常はメチル化されている健常対照群を使用する。異常なフラグメントを決定するためにこの確率論的分析を実行する場合、決定は、健常対照群を構成する対照対象の群との比較という点で重みを有する。健常対照群におけるロバスト性を確保するために、分析システムは、ＤＮＡフラグメントを含むサンプルを供給するためにいくらかの閾値数の健常個体を選択してよい。以下の図２Ａは、それを用いて分析システムがｐ値スコアを計算する健常対照群のデータ構造を生成する方法について説明する。図２Ｂは、生成されたデータ構造を用いてｐ値スコアを計算する方法について説明する。
一実施形態において、分析システムは、それぞれのメチル化状態ベクトルについて、健常対照群におけるフラグメントから得られたメチル化状態ベクトルと比較して、ｐ値スコアを計算する。ｐ値スコアは、健常対照群においてそのメチル化状態ベクトルまたは起こる可能性がさらに低い他のメチル化状態ベクトルに一致するメチル化ステータスを観察する確率について説明する。ＤＮＡフラグメントが異常にメチル化されていると決定するために、分析システムは、大半のフラグメントが通常はメチル化されている健常対照群を使用する。異常なフラグメントを決定するためにこの確率論的分析を実行する場合、決定は、健常対照群を構成する対照対象の群との比較という点で重みを有する。健常対照群におけるロバスト性を確保するために、分析システムは、ＤＮＡフラグメントを含むサンプルを供給するためにいくらかの閾値数の健常個体を選択してよい。以下の図２Ａは、それを用いて分析システムがｐ値スコアを計算する健常対照群のデータ構造を生成する方法について説明する。図２Ｂは、生成されたデータ構造を用いてｐ値スコアを計算する方法について説明する。
【0061】
図２Ａは、実施形態による、健常対照群のデータ構造を生成するプロセス２００について説明するフローチャートである。健常対照群のデータ構造を作成するために、分析システムは、複数の健常個体に由来する複数のＤＮＡフラグメント（例えば、ｃｆＤＮＡ）を受容する。メチル化状態ベクトルが、例えば、プロセス１００によって、それぞれのフラグメントについて特定される。
【0062】
それぞれのフラグメントのメチル化状態ベクトルを用いて、分析システムは、メチル化状態ベクトルを、ＣｐＧ部位のストリングに細分する２０５。一実施形態において、分析システムは、結果として得られるストリングがすべて所与の長さよりも短くなるように、メチル化状態ベクトルを細分する２０５。例えば、長さ１１のメチル化状態ベクトルは、３以下の長さのストリングに細分され、長さ３のストリング９個、長さ２のストリング１０個、および長さ１のストリング１１個をもたらすであろう。別の例において、長さ７のメチル化状態ベクトルは、４以下の長さのストリングに細分され、長さ４のストリング４個、長さ３のストリング５個、長さ２のストリング６個、および長さ１のストリング７個をもたらすであろう。メチル化状態ベクトルが、指定されたストリング長さよりも短いかまたはそれと同じ長さである場合、メチル化状態ベクトルは、ベクトルのＣｐＧ部位のすべてを含む単一のストリングに変換される。
【0063】
分析システムは、ベクトル内のそれぞれの可能性のあるＣｐＧ部位およびメチル化状態の可能性について、指定されたＣｐＧ部位をストリング内の第１のＣｐＧ部位として有し、そのメチル化状態の可能性を有する、対照群に存在するストリングの数をカウントすることによって、ストリングを集計する２１０。例えば、所与のＣｐＧ部位において、長さ３のストリングを考えると、２＾３個または８個の可能性のあるストリング構成が存在する。その所与のＣｐＧ部位において、８個の可能性のあるストリング構成のそれぞれについて、分析システムは、対照群においてそれぞれのメチル化状態ベクトルの可能性の発生が起こる数を集計する２１０。この例を続けると、これは、以下の数量を集計することを含んでよい：参照ゲノム内のそれぞれの開始ＣｐＧ部位ｘについて、＜Ｍx， Ｍx+1， Ｍx+2＞、＜Ｍx， Ｍx+1， Ｕx+2＞、．．．、＜Ｕx， Ｕx+1， Ｕx+2＞。分析システムは、それぞれの開始ＣｐＧ部位およびストリングの可能性について、集計したカウントを記憶するデータ構造を作成する２１５。
【0064】
ストリングの長さに上限を設定することには、いくつかの利点がある。まず、ストリングの最大長さに応じて、分析システムによって作成されるデータ構造のサイズは、サイズが劇的に増加することができる。例えば、最大長さ４のストリングは、それぞれのＣｐＧ部位が、長さ４のストリングについて最低限でも２＾４個を集計することを意味する。最大のストリング長さを５に増加させることは、すべてのＣｐＧ部位が、さらに２＾４個または１６個を集計し、以前のストリング長さと比較して、集計する数（および必要なコンピュータメモリ）が２倍となることを意味する。ストリングサイズを低減させることは、計算および記憶の点で、データ構造の作成および性能（例えば、以下に記載されるように後でのアクセスに使用する）を妥当に保つのに役立つ。第２に、最大のストリング長さを制限することに関する統計学的考察は、ストリングカウントを使用する下流モデルの過剰適合を避けることである。長いＣｐＧ部位ストリングが、生物学的に、結果（例えば、がんの存在の予測である異常性の予測）に対して強い影響を有さない場合、大きなＣｐＧ部位ストリングに基づいて確率を計算することは、膨大な量のデータを必要とするが、そのような膨大なデータは利用可能ではない場合があり、したがって、モデルが適切に機能するには希薄となりすぎるため、問題となる。例えば、前の１００個のＣｐＧ部位で条件付された異常性／がんの確率を計算するには、理想的には、いくつかが前の１００個のメチル化状態に厳密に一致する、長さ１００のデータ構造におけるストリングのカウントを必要とすることになる。長さ１００のストリングの希薄なカウントしか利用可能でない場合、試験サンプルにおいて長さ１００の所与のストリングが異常であるかそうでないかを決定するには、存在するデータが不十分であろう。
【0065】
図２Ｂは、実施形態による、個体から得られた異常にメチル化されたフラグメントを特定するためのプロセス２２０について説明するフローチャートである。プロセス２２０において、分析システムは、対象のｃｆＤＮＡフラグメントからメチル化状態ベクトルを生成する１００。分析システムは、それぞれのメチル化状態ベクトルを以下のように扱う。
【0066】
所与のメチル化状態ベクトルについて、分析システムは、メチル化状態ベクトル内で同じ開始ＣｐＧ部位および同じ長さ（すなわち、ＣｐＧ部位のセット）を有するメチル化状態ベクトルのすべての可能性を列挙する２３０。それぞれのメチル化状態は、一般に、メチル化されているかまたはメチル化されていないかのいずれかであるため、それぞれのＣｐＧ部位において、２つの可能性のある状態が有効に存在し、したがって、メチル化状態ベクトルの明確な可能性のカウントは、２の累乗に依存し、そのため、長さｎのメチル化状態ベクトルは、メチル化状態ベクトルの２n個の可能性と関係付けられるであろう。１つまたは複数のＣｐＧ部位について不確定状態を含むメチル化状態ベクトルを用いる場合、分析システムは、観察される状態を有するＣｐＧ部位のみを考慮してメチル化状態ベクトルの可能性を列挙してよい２３０。
【0067】
分析システムは、健常対照群のデータ構造にアクセスすることによって、特定された開始ＣｐＧ部位およびメチル化状態ベクトルの長さについて、メチル化状態ベクトルのそれぞれの可能性を観察する確率を計算する２４０。一実施形態において、所与の可能性を観察する確率の計算は、同時確率計算をモデリングするマルコフ連鎖確率を使用する。他の実施形態において、マルコフ連鎖確率以外の計算方法が、メチル化状態ベクトルのそれぞれの可能性を観察する確率を決定するために使用される。
【0068】
分析システムは、それぞれの可能性について計算された確率を使用して、メチル化状態ベクトルのｐ値スコアを計算する２５０。一実施形態において、これには、問題のメチル化状態ベクトルと一致する可能性に対応する計算された確率を特定することが含まれる。具体的には、これは、メチル化状態ベクトルと同じＣｐＧ部位のセット、または同様に同じ開始ＣｐＧ部位および長さを有する可能性である。分析システムは、特定された確率よりも低いかまたはそれと同等の確率を有する、任意の可能性の計算された確率を合計して、ｐ値スコアを生成する。
【0069】
このｐ値は、健常対照群においてフラグメントのそのメチル化状態ベクトルまたは起こる確率がさらに低い他のメチル化状態ベクトルを観察する確率を表す。低いｐ値スコアは、したがって、一般に、健常個体においては稀有であるメチル化状態ベクトルに対応し、これにより、フラグメントが、健常対照群と比べて、異常にメチル化されているとラベル付けされることが引き起こされる。高いｐ値スコアは、一般に、相対的な意味で、健常個体に存在することが予測されるメチル化状態ベクトルに関連する。健常対照群が、非がん性群である場合、例えば、低いｐ値は、フラグメントが、非がん群と比べて異常にメチル化されており、したがって、試験対象におけるがんの存在を示す可能性があることを示す。
【0070】
上述のように、分析システムは、それぞれが、試験サンプルにおけるｃｆＤＮＡフラグメントを表す、複数のメチル化状態ベクトルのそれぞれについて、ｐ値スコアを計算する。フラグメントのうちのどれが異常にメチル化されているかを特定するために、分析システムは、それらのｐ値スコアに基づいて、メチル化状態ベクトルのセットをフィルタリングしてもよい２６０。一実施形態において、フィルタリングは、ｐ値スコアを、閾値に対して比較し、閾値を下回るフラグメントのみを維持することによって行われる。この閾値ｐ値スコアは、約０．１、０．０１、０．００１、０．０００１、または同様のものであってよい。
【0071】
プロセス４００から得られた例示的な結果によると、分析システムは、訓練におけるがんを有さない参加者については異常なメチル化パターンを有するフラグメントを中央値（範囲）で２，８００（１，５００～１２，０００）個もたらし、訓練におけるがんを有する参加者については異常なメチル化パターンを有するフラグメントを中央値（範囲）で３，０００（１，２００～２２０，０００）個もたらす。異常なメチル化パターンを有するフラグメントのこれらのフィルタリングされたセットは、以下の節ＩＩＩにおいて記載されるように下流の分析に使用されてよい。
【0072】
一実施形態において、分析システムは、メチル化状態ベクトルの可能性を決定し、ｐ値を計算するために、スライディングウインドウを使用する２５５。すべてのメチル化状態ベクトルについて、可能性を列挙し、ｐ値を計算するのではなく、分析システムは、連続したＣｐＧ部位のウインドウのみについて可能性の列挙およびｐ値の計算を行い、ここで、ウインドウは、少なくともいくつかのフラグメントよりも（ＣｐＧ部位の）長さが短い（そうでなければ、ウインドウは目的を果たさないであろう）。ウインドウの長さは、静的であってもよく、ユーザにより決定されてもよく、動的であってもよく、またはそれ以外の方法で選択されてもよい。
【0073】
ウインドウよりも大きいメチル化状態ベクトルのｐ値を計算する場合、ウインドウは、ベクトル内の第１のＣｐＧ部位から開始するウインドウ内でベクトルから連続するＣｐＧ部位のセットを特定する。分析システムは、第１のＣｐＧ部位を含むウインドウについてｐ値スコアを計算する。分析システムは、次いで、ウインドウを、ベクトル内の第２のＣｐＧ部位へと「スライド」させ、第２のウインドウについて別のｐ値スコアを計算する。したがって、ウインドウサイズｌおよびメチル化ベクトル長さｍについて、それぞれのメチル化状態ベクトルは、ｍ－ｌ＋１個のｐ値スコアを生成するであろう。ベクトルのそれぞれの部分についてｐ値の計算を完了した後、すべてのスライディングウインドウから得られたｐ値スコアでもっとも低いものを、メチル化状態ベクトルの全体的なｐ値スコアととらえる。別の実施形態において、分析システムは、メチル化状態ベクトルのｐ値スコアを凝集化して、全体的なｐ値スコアを生成する。
【0074】
スライディングウインドウを使用することは、メチル化状態ベクトルの列挙される可能性の数、および他の場合には行うことが必要であったそれらの対応する確率計算を低減させるのに役立つ。現実的な例を挙げると、フラグメントが、５４個以上のＣｐＧ部位を有することが可能である。単一のｐスコアを生成するために２＾５４（約１．８×１０＾１６）個の可能性について確率を計算する代わりに、分析システムは、サイズ５（例えば）のウインドウを使用することができ、結果として、そのフラグメントのメチル化状態ベクトルの５０個のウインドウのそれぞれについて、５０個のｐ値計算をもたらす。５０個の計算のそれぞれは、２＾５（３２）個のメチル化状態ベクトルの可能性を列挙し、これは、合計すると、５０×２＾５（１．６×１０＾３）個の確率計算をもたらす。これは、異常なフラグメントの正確な特定に重大な打撃を与えることなく、行われる計算の大幅な低減をもたらす。
【0075】
不確定状態を有する実施形態において、分析システムは、フラグメントのメチル化状態ベクトルにおいて、不確定状態を有するＣｐＧ部位を合計してｐ値スコアを計算してもよい。分析システムは、不確定状態を除外したメチル化状態ベクトルのすべてのメチル化状態とコンセンサスを有するすべての可能性を特定する。分析システムは、特定された可能性の確率の合計として、確率を、メチル化状態ベクトルに割り当てることができる。例として、分析システムは、ＣｐＧ部位１および３についてメチル化状態が観察され、フラグメントのＣｐＧ部位１および３におけるメチル化状態とコンセンサスであるため、＜Ｍ1， Ｉ2， Ｕ3＞のメチル化状態ベクトルの確率を、＜Ｍ1， Ｍ2， Ｕ3＞および＜Ｍ1， Ｕ2， Ｕ3＞のメチル化状態ベクトルの可能性の確率の合計として計算する。不確定状態を有するＣｐＧ部位を合計するこの方法は、最大２＾ｉ個までの可能性の確率の計算を使用し、ここで、ｉは、メチル化状態ベクトルにおける不確定状態の数を指す。追加の実施形態において、１つまたは複数の不確定状態を有するメチル化状態ベクトルの確率を計算するために、動的プログラミングアルゴリズムが実装されてもよい。有益なことに、動的プログラミングアルゴリズムは、線形計算時間で動作する。
【0076】
一実施形態において、確率および／またはｐ値スコアを計算することに関する計算上の負荷は、少なくともいくつかの計算をキャッシングすることによって、さらに低減されてよい。例えば、分析システムは、一過性または永続性メモリに、メチル化状態ベクトル（またはそのウインドウ）の可能性の確率の計算をキャッシングしてもよい。他のフラグメントが同じＣｐＧ部位を有する場合、可能性の確率をキャッシングすることにより、根底にある可能性の確率の再計算を必要とすることなく、ｐスコア値の効率的な計算が可能となる。同等に、分析システムは、ベクトル（またはそのウインドウ）からのＣｐＧ部位のセットと関連するメチル化状態ベクトルの可能性のそれぞれについて、ｐ値スコアを計算してもよい。分析システムは、同じＣｐＧ部位を含む他のフラグメントのｐ値スコアを決定するのに使用するためにｐ値スコアをキャッシングしてもよい。一般に、同じＣｐＧ部位を有するメチル化状態ベクトルの可能性のｐ値スコアは、同じＣｐＧ部位のセットから得られた可能性のうちの別のもののｐ値スコアを決定するために使用されてよい。
【0077】
ＩＩ．Ｂ．ＩＩ．過剰メチル化されたフラグメントおよび過少メチル化されたフラグメント
別の実施形態において、分析システムは、閾値を上回る数のＣｐＧ部位を有し、閾値を上回る割合のＣｐＧ部位がメチル化されているか、または閾値を上回る割合のＣｐＧ部位がメチル化されていないかのいずれかであるフラグメントとして、異常なフラグメントを決定し、分析システムは、そのようなフラグメントを、過剰メチル化されたフラグメントまたは過少メチル化されたフラグメントとして特定する。フラグメント（またはＣｐＧ部位）の長さの例示的な閾値としては、３を上回る、４を上回る、５を上回る、６を上回る、７を上回る、８を上回る、９を上回る、１０を上回るなどが挙げられる。メチル化または非メチル化の閾値の例示的な割合としては、８０％を上回る、８５％を上回る、９０％を上回る、もしくは９５％を上回る、または５０％～１００％の範囲内の任意の他の割合が挙げられる。
別の実施形態において、分析システムは、閾値を上回る数のＣｐＧ部位を有し、閾値を上回る割合のＣｐＧ部位がメチル化されているか、または閾値を上回る割合のＣｐＧ部位がメチル化されていないかのいずれかであるフラグメントとして、異常なフラグメントを決定し、分析システムは、そのようなフラグメントを、過剰メチル化されたフラグメントまたは過少メチル化されたフラグメントとして特定する。フラグメント（またはＣｐＧ部位）の長さの例示的な閾値としては、３を上回る、４を上回る、５を上回る、６を上回る、７を上回る、８を上回る、９を上回る、１０を上回るなどが挙げられる。メチル化または非メチル化の閾値の例示的な割合としては、８０％を上回る、８５％を上回る、９０％を上回る、もしくは９５％を上回る、または５０％～１００％の範囲内の任意の他の割合が挙げられる。
【0078】
ＩＩ．Ｃ．例示的な分析システム
図４Ａは、一実施形態による、核酸サンプルをシーケンシングするためのデバイスのフローチャートである。この例示的なフローチャートには、シーケンサー４２０および分析システム４００などのデバイスが含まれる。シーケンサー４２０および分析システム４００は、図１Ａの１００、図２Ａの２００、図２Ｂの２２０のプロセス、および本明細書に記載される他のプロセスにおいて、１つまたは複数のステップを行うように、タンデムで動作してよい。
図４Ａは、一実施形態による、核酸サンプルをシーケンシングするためのデバイスのフローチャートである。この例示的なフローチャートには、シーケンサー４２０および分析システム４００などのデバイスが含まれる。シーケンサー４２０および分析システム４００は、図１Ａの１００、図２Ａの２００、図２Ｂの２２０のプロセス、および本明細書に記載される他のプロセスにおいて、１つまたは複数のステップを行うように、タンデムで動作してよい。
【0079】
様々な実施形態において、シーケンサー４２０は、濃縮された核酸サンプル４１０を受容する。図４Ａに示されるように、シーケンサー４２０は、特定のタスクとのユーザの対話（例えば、シーケンシングを開始するかまたはシーケンシングを終了する）を可能にするグラフィカルユーザインターフェース４２５、ならびに濃縮されたフラグメントサンプルを含むシーケンシングカートリッジをローディングするためおよび／またはシーケンシングアッセイを実行するために必要な緩衝液をローディングするための１つのさらなるローディングステーション４３０を含んでよい。したがって、シーケンサー４２０のユーザが必要な試薬およびシーケンシングカートリッジをシーケンサー４２０のローディングステーション４３０に提供すると、ユーザは、シーケンサー４２０のグラフィカルユーザインターフェース４２５と対話することによって、シーケンシングを開始することができる。開始されると、シーケンサー４２０は、シーケンシングを実行し、核酸サンプル４１０に由来する濃縮されたフラグメントの配列リードを出力する。
【0080】
いくつかの実施形態において、シーケンサー４２０は、分析システム４００と通信可能に連結されている。分析システム４００は、１つまたは複数のＣｐＧ部位においてメチル化ステータスを評価すること、バリアントコーリング、または品質制御など、様々な用途のために配列リードを処理するために使用される、いくつかのコンピューティングデバイスを含む。シーケンサー４２０は、ＢＡＭファイル形式で配列リードを分析システム４００に提供してよい。分析システム４００は、無線、有線、または無線および有線の組合せの通信技術を通じて、シーケンサー４２０に通信可能に連結されてよい。一般に、分析システム４００は、プロセッサと、プロセッサによって実行されると、プロセッサに配列リードを処理させるか、または本明細書に開示される方法もしくはプロセスのうちのいずれかの１つもしくは複数のステップを実行させるコンピュータ命令を記憶する非一過性コンピュータ可読記憶媒体とを有して構成される。
【0081】
いくつかの実施形態において、配列リードは、例えば、図１Ａにおけるプロセス１００のステップ１４０によって、アライメント位置情報を決定するために、当該技術分野において公知の方法を使用して、参照ゲノムにアライメントされてよい。アライメント位置は、一般に、所与の配列リードの開始ヌクレオチド塩基および終了ヌクレオチド塩基に対応する、参照ゲノム内の領域の開始位置および終了位置を説明してよい。メチル化シーケンシングに対応して、アライメント位置情報は、参照ゲノムへのアライメントに従って、配列リードに含まれる最初のＣｐＧ部位および最後のＣｐＧ部位を示すように一般化されてよい。アライメント位置情報は、さらに、所与の配列リードにおけるすべてのＣｐＧ部位のメチル化ステータスおよび位置を示してよい。参照ゲノム内の領域は、遺伝子または遺伝子のセグメントと関連付けられてもよく、そのため、分析システム４００は、配列リードにアライメントする１つまたは複数の遺伝子を用いて配列リードをラベル付けしてもよい。一実施形態において、フラグメントの長さ（またはサイズ）は、開始位置および終了位置から決定される。
【0082】
様々な実施形態において、例えば、ペアエンドシーケンシングプロセスが使用される場合、配列リードは、Ｒ＿１およびＲ＿２と表記されるリードペアから構成される。例えば、第１のリードＲ＿１は、二本鎖ＤＮＡ（ｄｓＤＮＡ）分子の第１の末端からシーケンシングされ、一方で第２のリードＲ＿２は、二本鎖ＤＮＡ（ｄｓＤＮＡ）の第２の末端からシーケンシングされてよい。したがって、第１のリードＲ＿１および第２のリードＲ＿２のヌクレオチド塩基対は、参照ゲノムのヌクレオチド塩基と一貫して（例えば、逆の方向で）アライメントされてよい。リードペアＲ＿１およびＲ＿２から導出されたアライメント位置情報には、第１のリード（例えば、Ｒ＿１）の末端に対応する参照ゲノム内の開始位置および第２のリード（例えば、Ｒ＿２）の末端に対応する参照ゲノム内の終了位置が含まれてよい。換言すると、参照ゲノム内の開始位置および終了位置は、核酸フラグメントが対応する参照ゲノム内の可能性のある位置を表す。ＳＡＭ（配列アライメントマップ）形式またはＢＡＭ（二値）形式を有する出力ファイルが、さらなる分析のために生成され出力されてもよい。
【0083】
ここで図４Ｂを参照すると、図４Ｂは、一実施形態による、ＤＮＡサンプルをプロセシングするための分析システム４００のブロック図である。分析システムは、ＤＮＡサンプルを分析するのに使用するための１つまたは複数のコンピューティングデバイスを実装する。分析システム４００は、配列プロセッサ４４０、配列データベース４４５、モデルデータベース４５５、モデル４５０、パラメーターデータベース４６５、およびスコアエンジン４６０を含む。いくつかの実施形態において、分析システム４００は、図１Ａのプロセス１００および図２の２００のうちの一部またはすべてを実行する。
【0084】
配列プロセッサ４４０は、サンプルから得られたフラグメントのメチル化状態ベクトルを生成する。フラグメント上のそれぞれのＣｐＧ部位において、配列プロセッサ４４０は、図１Ａのプロセス１００によって、それぞれのフラグメントについて、参照ゲノムにおけるフラグメントの位置、フラグメント内のＣｐＧ部位の数、およびメチル化されているか、メチル化されていないか、または不確定である、フラグメント内のそれぞれのＣｐＧ部位のメチル化状態を指定する、メチル化状態ベクトルを生成する。配列プロセッサ４４０は、フラグメントのメチル化状態ベクトルを、配列データベース４４５に記憶できる。配列データベース４４５内のデータは、サンプルから得られたメチル化状態ベクトルが互いに関連付けられるように、組織化されていてもよい。
【0085】
さらに、複数の異なるモデル４５０は、モデルデータベース４５５に記憶され、試験サンプルとともに使用するために取り出されてよい。１つの例において、モデルは、異常なフラグメントから導出された特徴ベクトルを使用して、試験サンプルのがん予測を決定するための訓練されたがん分類器である。がん分類器の訓練および使用は、節ＩＩＩ．がんを決定するためのがん分類器と併せてさらに考察される。分析システム４００は、１つまたは複数のモデル４５０を訓練し、様々な訓練されたパラメーターをパラメーターデータベース４６５に記憶してよい。分析システム４００は、モデル４５０を機能とともにモデルデータベース４５５に記憶する。
【0086】
推定の間、スコアエンジン４６０は、１つまたは複数のモデル４５０を使用して、結果を返却する。スコアエンジン４６０は、パラメーターデータベース４６５からの訓練されたパラメーターとともに、モデルデータベース４５５内のモデル４５０にアクセスする。それぞれのモデルに応じて、スコアエンジンは、そのモデルに適した入力を受信し、受信した入力、パラメーター、ならびに入力および出力に関連するそれぞれのモデルの関数に基づいて出力を計算する。いくつかの使用事例において、スコアエンジン４６０は、さらに、モデルから計算された出力における信頼性に相関するメトリクスを計算する。他の使用事例において、スコアエンジン４６０は、そのモデルにおいて使用するための他の中間値を計算する。
【0087】
ＩＩＩ．がんを決定するためのがん分類器
ＩＩＩ．Ａ．概要
がん分類器は、試験サンプルの特徴ベクトルを受信して、試験サンプルががんを有するか、またはより具体的には特定のがんタイプを有する試験対象に由来するかどうかを決定するように訓練されている。がん分類器は、複数の分類パラメーター、および入力としての特徴ベクトルと、関数が分類パラメーターを用いて入力された特徴ベクトルに対して動作することによって決定される出力としてのがん予測との間の関連を表す関数を含む。一実施形態において、がん分類器に入力される特徴ベクトルは、試験サンプルから決定される異常なフラグメントのセットに基づく。異常なフラグメントは、図２Ｂにおけるプロセス２２０によって決定されてよいか、またはより具体的には、プロセス２２０のステップ２７０によって決定される過剰メチル化および過少メチル化されたフラグメント、またはなんらかの他のプロセスに従って決定される異常なフラグメントであってよい。がん分類器の展開の前に、分析システムは、プロセス３００でがん分類器を訓練する。
ＩＩＩ．Ａ．概要
がん分類器は、試験サンプルの特徴ベクトルを受信して、試験サンプルががんを有するか、またはより具体的には特定のがんタイプを有する試験対象に由来するかどうかを決定するように訓練されている。がん分類器は、複数の分類パラメーター、および入力としての特徴ベクトルと、関数が分類パラメーターを用いて入力された特徴ベクトルに対して動作することによって決定される出力としてのがん予測との間の関連を表す関数を含む。一実施形態において、がん分類器に入力される特徴ベクトルは、試験サンプルから決定される異常なフラグメントのセットに基づく。異常なフラグメントは、図２Ｂにおけるプロセス２２０によって決定されてよいか、またはより具体的には、プロセス２２０のステップ２７０によって決定される過剰メチル化および過少メチル化されたフラグメント、またはなんらかの他のプロセスに従って決定される異常なフラグメントであってよい。がん分類器の展開の前に、分析システムは、プロセス３００でがん分類器を訓練する。
【0088】
ＩＩＩ．Ｂ．がん分類器の訓練
図３Ａは、実施形態による、がん分類器を訓練するプロセス３００を説明するフローチャートである。分析システムは、それぞれが異常なフラグメントのセットおよびがんタイプのラベルを有する、複数の訓練サンプルを取得する３１０。複数の訓練サンプルは、「非がん」の一般ラベルを有する健常個体から得られたサンプル、「がん」の一般ラベルまたは具体的なラベル（例えば、「乳がん」、「肺がん」など）を有する対象から得られたサンプルの任意の組合せを含む。１つのがんタイプについて対象から得られた訓練サンプルは、そのがんタイプのコホートまたはがんタイプコホートと称されてよい。
図３Ａは、実施形態による、がん分類器を訓練するプロセス３００を説明するフローチャートである。分析システムは、それぞれが異常なフラグメントのセットおよびがんタイプのラベルを有する、複数の訓練サンプルを取得する３１０。複数の訓練サンプルは、「非がん」の一般ラベルを有する健常個体から得られたサンプル、「がん」の一般ラベルまたは具体的なラベル（例えば、「乳がん」、「肺がん」など）を有する対象から得られたサンプルの任意の組合せを含む。１つのがんタイプについて対象から得られた訓練サンプルは、そのがんタイプのコホートまたはがんタイプコホートと称されてよい。
【0089】
分析システムは、それぞれの訓練サンプルについて、訓練サンプルの異常なフラグメントのセットに基づいて、特徴ベクトルを決定する３２０。分析システムは、ＣｐＧ部位の初期セット内のそれぞれのＣｐＧ部位について、異常スコアを計算する。ＣｐＧ部位の初期セットは、ヒトゲノムまたはその一部分におけるすべてのＣｐＧ部位でよく、これは、約１０4、１０5、１０6、１０7、１０8であってよい。一実施形態において、分析システムは、異常なフラグメントのセット内にＣｐＧ部位を含む異常なフラグメントが存在するかどうかに基づいて、二値スコア付けを用いて特徴ベクトルの異常スコアを定義する。別の実施形態において、分析システムは、ＣｐＧ部位にオーバーラップする異常なフラグメントのカウントに基づいて異常スコアを定義する。１つの例において、分析システムは、異常なフラグメントの存在の欠如に関する第１のスコア、数個の異常なフラグメントの存在に関する第２のスコア、および数個を上回る異常なフラグメントの存在に関する第３のスコアを割り当てる、三値スコア付けを使用してもよい。例えば、分析システムは、サンプルにおいて、ＣｐＧ部位にオーバーラップする異常なフラグメントを５つカウントし、カウント数５に基づいて異常スコアを計算する。
【0090】
訓練サンプルについて、すべての異常スコアが決定されると、分析システムは、それぞれの要素について、初期セット内のＣｐＧ部位のうちの１つと関連する異常スコアのうちの１つを含む、要素のベクトルとして、特徴ベクトルを決定する。分析システムは、サンプルのカバレッジに基づいて、特徴ベクトルの異常スコアを正規化する。ここで、カバレッジは、分類器において使用されるＣｐＧ部位の初期セットによってカバーされるすべてのＣｐＧ部位に及ぶか、または所与の訓練サンプルの異常なフラグメントのセットの基づく、中央値または平均シーケンシング深度を指す。
【0091】
例として、ここで、特徴ベクトル３２２を訓練する行列を図示する図３Ｂを参照する。この例において、分析システムは、がん分類器の特徴ベクトルを生成する際に考慮するためのＣｐＧ部位［Ｋ］３２６を特定している。分析システムは、訓練サンプル［Ｎ］３２４を選択する。分析システムは、第１の任意のＣｐＧ部位［ｋ１］について、訓練サンプル［ｎ１］の特徴ベクトルにおいて使用しようとする第１の異常スコア３２８を決定する。分析システムは、異常なフラグメントのセット内のそれぞれの異常なフラグメントを調べる。分析システムが、第１のＣｐＧ部位を含む少なくとも１つの異常なフラグメントを特定すると、分析システムは、図３Ｂに示されるように、第１のＣｐＧ部位の第１の異常スコア３２８を１と決定する。第２の任意のＣｐＧ部位［ｋ２］を考慮すると、分析システムは、同様に、第２のＣｐＧ部位［ｋ２］を含む少なくとも１つについて、異常なフラグメントのセットを調べる。分析システムが、第２のＣｐＧ部位を含むそのような異常なフラグメントを見出さない場合、分析システムは、図３Ｂに示されるように、第２のＣｐＧ部位［ｋ２］の第２の異常スコア３２９を０と決定する。分析システムが、ＣｐＧ部位の初期セットについて、すべての異常スコアを決定すると、分析システムは、第１のＣｐＧ部位［ｋ１］について１の第１の異常スコア３２８および第２のＣｐＧ部位［ｋ２］について０の第２の異常スコア３２９、ならびに後続の異常スコアを含む特徴ベクトルを用いて、異常スコアを含む第１の訓練サンプル［ｎ１］の特徴ベクトルを決定し、それによって特徴ベクトル［１， ０， …］を形成する。
【0092】
分析システムは、さらに、がん分類器における使用が考慮されるＣｐＧ部位を制限してよい。分析システムは、ＣｐＧ部位の初期セット内のそれぞれのＣｐＧ部位について、訓練サンプルの特徴ベクトルに基づいて、情報利得を計算する３３０。ステップ３２０から、それぞれの訓練サンプルは、最大でヒトゲノム内のすべてのＣｐＧ部位を含むＣｐＧ部位の初期セット内のすべてのＣｐＧ部位の異常スコアを含む、特徴ベクトルを有する。しかしながら、ＣｐＧ部位の初期セット内のいくつかのＣｐＧ部位は、がんタイプ間の区別に関してその他のものほど情報をもたない可能性があるか、または他のＣｐＧ部位と重複している可能性がある。
【0093】
一実施形態において、分析システムは、それぞれのがんタイプおよび初期セット内のそれぞれのＣｐＧ部位について、そのＣｐＧ部位を分類器に含めるかどうかを決定するために、情報利得を計算する３３０。情報利得は、所与のがんタイプを有する訓練サンプルについて、すべての他のサンプルと比較して、計算される。例えば、「異常なフラグメント」（「ＡＦ」）および「がんタイプ」（「ＣＴ」）の２つのランダム変数が使用される。一実施形態において、ＡＦは、上述の異常スコア／特徴ベクトルに関して決定されるように、所与のサンプルにおいて所与のＣｐＧ部位にオーバーラップする異常なフラグメントが存在するかどうかを示す二値変数である。ＣＴは、がんが特定のタイプのものであるかどうかを示すランダム変数である。分析システムは、ＡＦを踏まえてＣＴに関する相互情報量を計算する。すなわち、特定のＣｐＧ部位にオーバーラップする異常なフラグメントが存在するかどうかが判明している場合に利得されるがんタイプに関する情報ビットの数である。実際には、第１のがんタイプについて、分析システムは、それぞれの他のがんタイプに対するペアでの相互情報利得を計算し、すべての他のがんタイプにわたって相互情報利得を合計する。
【0094】
所与のがんタイプについて、分析システムは、この情報を使用して、ＣｐＧ部位がどの程度がん特異的であるかに基づいてＣｐＧ部位を順位付けする。この手順を、考慮しているすべてのがんタイプについて反復する。特定の領域が、所与のがんの訓練サンプルにおいて共通して異常にメチル化されているが、他のがんタイプの訓練サンプルまたは健常訓練サンプルにおいては異常にメチル化されていない場合、それらの異常なフラグメントがオーバーラップするＣｐＧ部位は、所与のがんタイプについて高い情報利得を有する傾向にあるであろう。それぞれのがんタイプについて順位付けされたＣｐＧ部位は、がん分類器において使用するためにそれらの順位に基づいて、選択されたＣｐＧ部位のセットに貪欲に追加される（選択される）３４０。
【0095】
追加の実施形態において、分析システムは、がん分類器において使用しようとする情報価値のあるＣｐＧ部位を選択するために他の選択基準を考慮してもよい。１つの選択基準は、選択されるＣｐＧ部位が、他の選択されるＣｐＧ部位から閾値を上回って分離されていることであってよい。例えば、選択されるＣｐＧ部位は、任意の他の選択されるＣｐＧ部位から閾値を上回る塩基対数（例えば、１００塩基対）で分離されているべきであり、結果として、分離が閾値以内であるＣｐＧ部位は、いずれもがん分類器における考慮に選択されない。
【0096】
一実施形態において、初期セットから選択されたＣｐＧ部位のセットに従って、分析システムは、必要に応じて訓練サンプルの特徴ベクトルを改変してもよい３５０。例えば、分析システムは、選択されたＣｐＧ部位のセットに含まれないＣｐＧ部位に対応する異常スコアを除去するように、特徴ベクトルを短縮させてもよい。
【0097】
訓練サンプルの特徴ベクトルを用いて、分析システムは、がん分類器を任意の数の様式で訓練することができる。特徴ベクトルは、ステップ３２０から得られたＣｐＧ部位の初期セットまたはステップ３５０から得られた選択されたＣｐＧ部位のセットに対応してよい。一実施形態において、分析システムは、訓練サンプルの特徴ベクトルに基づいて、がんと非がんとの間の区別を行うように二値がん分類器を訓練する３６０。この様式において、分析システムは、健常個体に由来する非がんサンプルおよび対象に由来するがんサンプルの両方を含む訓練サンプルを使用する。それぞれの訓練サンプルは、「がん」または「非がん」の２つのラベルのうちの１つを有する。この実施形態において、分類器は、がんの存在または不在の尤度を示すがん予測を出力する。
【0098】
別の実施形態において、分析システムは、多数のがんタイプ（起源組織（ＴＯＯ）ラベルとも称される）間の区別を行うように、マルチクラスがん分類器を訓練する４５０。がんタイプには、１つまたは複数のがんが含まれ、非がんタイプを含んでもよい（任意の追加の他の疾患または遺伝子障害なども含んでもよい）。それを行うために、分析システムは、がんタイプコホートを使用し、非がんタイプコホートも含む場合も含まない場合もある。このマルチがんの実施形態において、がん分類器は、分類されているがんタイプのそれぞれの予測値を含むがん予測（またはより具体的にはＴＯＯ予測）を決定するように訓練されている。予測値は、所与の訓練サンプル（または推定の間には、試験サンプル）ががんタイプのそれぞれを有する尤度に対応してよい。１つの実装において、予測値は、０から１００でスコア付けされ、予測値を累積すると１００となる。例えば、がん分類器は、乳がん、肺がん、および非がんの予測値を含む、がん予測を返却する。例えば、分類器は、試験サンプルが、乳がんの尤度６５％、肺がんの尤度２５％、および非がんの尤度１０％であるというがん予測を返却できる。分析システムは、さらに、予測値を評価して、サンプルにおける１つまたは複数のがんの存在の予測を生成してもよく、これは、例えば、第１のＴＯＯラベルがもっとも高い予測値を有し、第２のＴＯＯラベルが２番目に高い予測値を有するなどの１つまたは複数のＴＯＯラベルを示すＴＯＯ予測とも称されてよい。上述の例および所与の割合で継続すると、この例において、システムは、乳がんがもっとも高い尤度を有することを踏まえ、サンプルが乳がんを有すると決定してよい。
【0099】
いずれの実施形態においても、分析システムは、訓練サンプルのセットをそれらの特徴ベクトルとともにがん分類器に入力し、分類器の関数が訓練特徴ベクトルをそれらの対応するラベルに正確に関連付けるように、分類パラメーターを調整することによって、がん分類器を訓練する。分析システムは、訓練サンプルを、がん分類器の反復的バッチ訓練のために１つまたは複数の訓練サンプルのセットにグループ分けしてよい。訓練サンプルのすべてのセットを、それらの訓練特徴ベクトルを含めて入力し、分類パラメーターを調整した後に、がん分類器は、試験サンプルを、なんらかの誤差の範囲内でそれらの特徴ベクトルに従ってラベル付けするように十分に訓練される。分析システムは、いくつかの方法のうちのいずれか１つに従って、がん分類器を訓練してよい。例として、二値がん分類器は、ｌｏｇ損失関数を使用して訓練されたＬ２正則化ロジスティック回帰分類器であってよい。別の例として、マルチがん分類器は、多項ロジスティック回帰であってよい。実際には、いずれかのタイプのがん分類器を、他の技法を使用して訓練してもよい。これらの技法は、カーネル法、ランダムフォレスト分類器、混合モデル、オートエンコーダモデル、機械学習アルゴリズム、例えば、多層ニューラルネットワークなどの使用の可能性を含め、多数である。
【0100】
ＩＩＩ．Ｃ．がん分類器の調整
がん分類器の使用中に、分析システムは、がん分類器の予測能力を調整する操作を実行してよい。一般に、サンプル分布は、高い組織シグナルを有する１つまたは複数の非がんサンプルを含んでよい。これらの高い組織シグナルの非がんサンプルのうちのいくつかは、さらには、ステージ前のがん、初期ステージのがん、または診断されていないがんであってよい。そのため、高い組織シグナルを有する非がんサンプルは、がん分類器の予測能力を混乱させる。
がん分類器の使用中に、分析システムは、がん分類器の予測能力を調整する操作を実行してよい。一般に、サンプル分布は、高い組織シグナルを有する１つまたは複数の非がんサンプルを含んでよい。これらの高い組織シグナルの非がんサンプルのうちのいくつかは、さらには、ステージ前のがん、初期ステージのがん、または診断されていないがんであってよい。そのため、高い組織シグナルを有する非がんサンプルは、がん分類器の予測能力を混乱させる。
【0101】
本明細書において使用される場合、「高い組織シグナル」とは、例えば、ＴＯＯラベルとも称される、一般に任意の組織タイプまたは特定のがんタイプについて、なんらかの閾値を上回る組織シグナルを有するサンプルを指す。組織シグナルは、マルチクラスがん分類器または他のアプローチによって、健常分布と比較して決定されてよい。高い組織シグナルを有する非がんサンプルは、非がん分布における外れ値である。これらの非がんサンプルのうちのいくつかは、ステージ前のがん、初期ステージのがん、または診断されていないがんであって。分析システムは、少なくとも１つのＴＯＯラベルにおいて高い組織シグナルを有する非がんサンプルを特定してよい。高い組織シグナルを決定する１つのアプローチにおいて、マルチクラスがん分類器によって出力されるＴＯＯラベルの予測値は、組織シグナル閾値に対して比較される。組織シグナル閾値を上回る予測値を有するサンプルは、そのＴＯＯラベルに関して高い組織シグナルを有すると見なされ、一方で、組織シグナル閾値を下回る予測値を有するサンプルは、そのＴＯＯラベルに関して高い組織シグナルを有さない（または低い組織シグナルを有する）と見なされる。別のアプローチにおいて、ＴＯＯ予測における１つまたは複数の上位予測が考慮される。例えば、サンプルのＴＯＯ予測は、結腸直腸ＴＯＯラベルの第１の予測、乳房ＴＯＯラベルの第２の予測、および頭／頸部ＴＯＯラベルの第３の予測を有する。上位予測を考慮する場合、サンプルは、第１の予測においてＴＯＯラベルに関して高い組織シグナルを有すると見なされ、それは、この例では、結腸直腸ＴＯＯラベルである。上位２つの予測が考慮される場合、結腸直腸ＴＯＯラベルおよび乳房ＴＯＯラベルの両方において高い組織シグナルが存在する。組織シグナルを決定する他のアプローチには、１つまたは複数のＴＯＯラベルに関して組織シグナルを決定するように訓練された他のモデルが含まれてよい。そのようなモデルは、ＴＯＯラベルのサブセットについて組織シグナルを決定するように訓練された分類器を含んでよい。例えば、血液学特異的分類器を、１つまたは複数の血液学的サブタイプについて組織シグナルを決定するように訓練し、使用してもよい。２つのそのような例示的な実装は、Ｖ．がん分類器の例示的な結果の節に記載されている。他のモデルとしては、メチル化シーケンシングデータ（および／または他のタイプのシーケンシングデータ）から組織シグナルをデコンボリューションすることができるデコンボリューションモデルが挙げられる。
【0102】
分類器を調整する一実施形態において、高い組織シグナルの非がんサンプルを除外することにより、がん予測における分類器の感度が改善される。除外したサンプル分布を用いることで、二値閾値カットオフは、最小限の特異度に従って決定されてよく、この二値閾値カットオフを使用して、試験サンプルにおけるがんの存在または不在を予測する。この方法は、ＩＩＩ．Ｃ．ｉ．高いシグナルの非がんサンプルの除去の節においてさらに詳述されている。
【0103】
がん分類器を調整する別の実施形態において、サンプル分布は、ＴＯＯシグナルに従って層別化されてよい。分析システムは、サンプルが層へと層別化されるそれぞれの結果として得られる層について、二値閾値カットオフを決定する。試験サンプルを用いて、分析システムは、試験サンプルを、ＴＯＯシグナルに従って層に配置し、層の二値閾値カットオフを用いて試験サンプルにおけるがんの存在または不在を予測する。この方法は、ＩＩＩ．Ｃ．ｉｉ．ＴＯＯシグナルに従ったサンプル分布の層別化の節においてさらに詳述されている。
【0104】
図８を参照すると、図８は、９５％を上回る特異度の非がんサンプルのがんタイプ尤度のグラフを図示する。複数の非がんサンプル、すなわち、現在がんと診断されていない健常個体から得られたサンプルのそれぞれの非がんサンプルについて、がんスコアを計算した。がんスコアは、サンプルのメチル化シーケンシングデータを踏まえた、サンプルががんを有する尤度として、二値分類器によって決定することができる。他の実施形態において、がんスコアは、少なくともシーケンシングデータ（例えば、メチル化、単一ヌクレオチド多型（ＳＮＰ）、ＤＮＡ、ＲＮＡなど）を入力し、入力されたシーケンシングデータに基づいてサンプルががんを有する尤度を出力する、他の方法に従って計算することができる。分類器の１つの例は、混合モデル分類器である。非がんサンプルの分布は、非がんサンプルのがんスコアに従って生成されてよい。二値閾値カットオフは、なんらかのレベルの二値分類の特異度、例えば、真陰性率を確保するように設定されてよい。典型的には、がんを分類する際、高い特異度のカットオフ、例えば、９９．４％の特異度またはそれよりも高いものが、使用される。しかしながら、がん分類器を訓練するのに使用される、特異度カットオフをわずかに下回る多数の非がんサンプルは、高い組織シグナルを有することができ、それによって、二値閾値カットオフを正方向にバイアスすることができる。
【0105】
いくつかの実施形態において、ある特定のがんタイプは、がんサブタイプへとさらに分離される。例えば、血液がんタイプは、例えば、循環リンパ系サブタイプ、非ホジキンリンパ腫（ＮＨＬ）緩慢性サブタイプ、ＮＨＬ侵攻性サブタイプ、ホジキンリンパ腫（ＨＬ）サブタイプ、骨髄系サブタイプ、および形質細胞サブタイプへとさらに分離することができ、これらのすべてが、リンパ系新生物のクラスに属する。
【0106】
実証するために、９５％を上回る特異度の非がんサンプルを選択し、次いで、マルチクラスがん分類器に入力して、それぞれのがんタイプまたは起源組織（ＴＯＯ）の確率を決定した。マルチクラスがん分類器のこの実施形態において使用されるがんタイプまたはＴＯＯラベルとしては、循環リンパ系、骨髄系、ＮＨＬ緩慢性、結腸直腸、ＮＨＬ侵攻性、肺、子宮、乳房、前立腺、膵臓および胆嚢、上部消化管、膀胱および尿路上皮、形質細胞、頭頸部、腎臓、卵巣、肉腫、肝臓および胆管、子宮頸、他の組織、ＨＬ、肛門直腸、黒色腫、甲状腺が挙げられる。図８におけるグラフは、少なくとも１つの組織タイプに由来する高い組織シグナルを有する多数の非がんサンプルを示す。組織タイプの列におけるそれぞれの点は、９５％の特異度の閾値を上回る非がんサンプルの起源組織の尤度に対応する。注目すべきことに、多数の組織タイプは、非がんサンプルにとって典型的ではない、著しい組織寄与を有する複数の非がんサンプルの外れ値を有する。これは、そのような非がんサンプルが、がん様のメチル化、クローナル画分、および／または成長／代謝回転の速度によって作動されているｃｆＤＮＡシグナルを有する場合に生じる。いずれにせよ、著しい組織寄与を有するこれらの非がんサンプルは、特に、事前に設定された二値分類閾値カットオフをわずかに下回る著しい組織シグナルを有するサンプルでは、二値分類閾値カットオフを上方向にシフトさせ、それによって、がん分類の感度を減少させる。実際に、そのようなシグナル（例えば、循環リンパ系、骨髄系、およびＮＨＬ緩慢性に対応する）は、偽陽性決定の主要な誘引因子となる。留意すべきことに、循環リンパ系、骨髄系、ＮＨＬ緩慢性、結腸直腸、ＮＨＬ侵攻性、肺、子宮、乳房、前立腺、膵臓および胆嚢、上部消化管、形質細胞、頭頸部、子宮頸、ＨＬは、起源組織の確率が０．１を上回る少なくとも１つの非がんサンプルを有していた。具体的には、循環リンパ系、骨髄系、ＮＨＬ緩慢性、およびＮＨＬ侵攻性（すべて血液学的サブタイプ）は、起源組織の確率が０．５を上回る２つまたはそれを上回るがんサンプルを有していた。
【0107】
図９Ａおよび９Ｂを参照すると、９Ａおよび９Ｂは、メチル化シーケンシングデータに従って分離した血液学的サブタイプのグラフを図示する。図９Ａおよび９Ｂのグラフは、血液学的サブタイプをモデリングする能力を示す。これは、マルチクラスがん分類にさらなる細分性を提供すること（例えば、血液学的サブタイプラベルを用いてさらに分類すること）において、またはがん分類器を訓練する前に高い血液学的サブタイプシグナルを有する非がんサンプルを除外することを通じたがん分類を調整する様式として、有益性を証明することができる。上述のように、メチル化シグナルは、複数のＣｐＧ部位をカバーすることができ、それによって、高次元ベクトル空間を作ることができる。示される血液学的サブタイプは、循環リンパ系、固形リンパ系、形質細胞、および骨髄系を含んでよい。固形リンパ系サブタイプは、さらに、ＨＬ、ＮＨＬ緩慢性、およびＮＨＬ侵攻性に分割されてよい。
【0108】
図９Ａにおいて、分析システムは、ｔ分布型確率的近傍埋込み法を事項する。ｔ分布型確率的近傍埋込み法は、より少ない埋込み数に低減された次元性のベクトル空間（メチル化シーケンシングデータを包含する）を特定する。埋込みは、サンプル間のメチル化シグナルにおける分散の順である。グラフの水平方向軸に「Ｖ１」と示される第１の原理の埋込みは、もっとも高い分散を有する。グラフの垂直方向軸に「Ｖ２」と示される第３の原理の埋込みは、３番目に高い分散を有する。グラフ上には、それぞれの血液学的サブタイプおよび非がんのサンプルのクラスターが注釈されている。
【0109】
図９Ｂにおいて、分析システムは、ＵＭＡＰ埋込みを実行する。ＵＭＡＰ埋込みもまた、ベクトル空間の次元性をより少ない埋込み数に低減させる。埋込みは、サンプル間のメチル化シグナルにおける分散の順である。グラフの水平方向軸に「埋込み１」と示される第１の原理の埋込みは、もっとも高い分散を有する。グラフの垂直方向軸に「埋込み２」と示される第２の原理の埋込みは、２番目に高い分散を有する。非がんサンプルは、等高線密度を使用して示される。
【0110】
グラフは、マルチクラスがん分類における血液学的サブタイプの追加、またはがん分類器の調整のために血液学的サブタイプのそれぞれをモデリングことのいずれかために、血液学的サブタイプに従って分類するための能力を示す。
【0111】
ＩＩＩ．Ｃ．Ｉ．高いシグナルの非がんサンプルの除去
１つまたは複数の実施形態において、分析システムは、がん分類器を訓練するのに使用した非がんサンプルを除外することによって、訓練されたがん分類器を調整する。具体的には、分析システムは、がん予測におけるがん分類器の感度を薄める高い組織シグナルを有する非がんサンプルを除外することを探究してよい。
１つまたは複数の実施形態において、分析システムは、がん分類器を訓練するのに使用した非がんサンプルを除外することによって、訓練されたがん分類器を調整する。具体的には、分析システムは、がん予測におけるがん分類器の感度を薄める高い組織シグナルを有する非がんサンプルを除外することを探究してよい。
【0112】
図１０Ａは、１つまたは複数の実施形態による、二値がん分類のための二値閾値カットオフを決定するプロセス１０００について説明するフローチャートを図示する。がんと非がんとの間の予測を行うための二値分類は、サンプルのがんスコアを決定された二値閾値カットオフに対して評価し、ここで、二値閾値カットオフを下回るがんスコアを有するサンプルは、非がんと決定され、二値閾値カットオフであるかまたはそれを上回るがんスコアを有するサンプルは、がんと決定される。訓練されたマルチクラスがん分類器は、サンプルのメチル化シグナル（および／または他のシーケンシングデータ）を評価して、マルチクラスがん分類器によって分類された、いくつかのＴＯＯラベルに関する確率を決定する。マルチクラスがん分類器において使用されるＴＯＯラベルは、がん組織タイプまたはがん組織サブタイプ（例えば、上述の血液学的サブタイプ）であってよい。プロセス１０００は、分析システムによって実行または達成されてよい。
【0113】
分析システムは、ｃｆＤＮＡフラグメントを含有する複数の生物学的サンプルのシーケンシングデータを受信し１０１０、この生物学的サンプルは、がんサンプルおよび非がんサンプルを含む。シーケンシングデータは、メチル化シーケンシングデータ、ＳＮＰシーケンシングデータ、別のＤＮＡシーケンシングデータ、ＲＮＡシーケンシングデータなどとすることができる。
【0114】
それぞれの非がんサンプルについて、分析システムは、シーケンシングから導出された特徴に基づいて、マルチクラスがん分類器を使用して、非がんサンプルを分類し１０２０、ここで、マルチクラスがん分類器は、複数のＴＯＯラベルのそれぞれに関する確率を予測する。分析システムは、図３Ａのステップ３２０に従って、非がんサンプルの特徴ベクトルを生成することができ、すなわち、考慮されるＣｐＧ部位にオーバーラップする少なくとも１つの異常にメチル化されたｃｆＤＮＡフラグメントに基づいて、そのそれぞれのＣｐＧ部位について異常スコアを割り当てる。
【0115】
それぞれの非がんサンプルについて、分析システムは、１つまたは複数のＴＯＯラベルに関して、予測された確率尤度が、ＴＯＯ閾値を上回るかどうかを決定する１０３０。ＴＯＯ閾値の決定は、以下の図１０Ｂにおいてさらに記載されている。
【0116】
分析システムは、がんの存在を予測するための二値閾値カットオフを決定し１０４０、二値閾値カットオフは、少なくとも１つのＴＯＯ閾値を上回る確率尤度を有するとして特定された１つまたは複数の非がんサンプルを除いた非がんサンプルの分布に基づいて決定される。ＴＯＯラベルに関して、そのＴＯＯラベルに対応するＴＯＯ閾値を上回る少なくとも１つの確率尤度を有する非がんサンプルは、除外される。分析システムは、次いで、それぞれの非がんサンプルのがんスコアに従って非がんサンプルの分布を計算し、次いで、分布から、所望される特異度レベル（例えば、９９．４～９９．９％の特異度）で二値閾値カットオフを決定する。それぞれのがんスコアが、シーケンシングデータに従って決定されてよいこと、例えば、がんスコアが、図３Ａに記載されるように、メチル化シーケンシングデータに基づいてがんの尤度を予測する二値がん分類器によって出力されてよいことが、留意される。他の実施形態において、がんスコアは、少なくともシーケンシングデータ（例えば、メチル化、単一ヌクレオチド多型（ＳＮＰ）、ＤＮＡ、ＲＮＡなど）を入力し、入力されたシーケンシングデータに基づいてサンプルががんを有する尤度を出力する、他の方法に従って計算することができる。
【0117】
図１０Ｂは、１つまたは複数の実施形態による、二値がん分類のための二値閾値カットオフを決定するためのＴＯＯラベルを閾値処理するプロセス１００５について説明するフローチャートを図示する。このプロセス１００５は、プロセス１０００の実施形態であってよい。がんと非がんとの間の予測を行うための二値分類は、サンプルのがんスコアを決定された二値閾値カットオフに対して評価し、ここで、二値閾値カットオフを下回るがんスコアを有するサンプルは、非がんと決定され、二値閾値カットオフであるかまたはそれを上回るがんスコアを有するサンプルは、がんと決定される。訓練されたマルチクラスがん分類器は、サンプルのメチル化シグナル（および／または他のシーケンシングデータ）を評価して、マルチクラスがん分類器によって分類された、いくつかのＴＯＯラベルに関する確率を決定する。ＴＯＯラベルは、がん組織タイプ、またはより具体的にはがん組織サブタイプ（例えば、上述の血液学的サブタイプ）であってよい。プロセス１００５は、分析システムによって実行または達成されてよい。
【0118】
分析システムは、がんまたは非がんのラベルを有する、すなわち、それぞれがんサンプルまたは非がんサンプルのいずれかである複数のサンプルを含む、訓練セット、およびがんまたは非がんのラベルを有する、すなわち、それぞれがんサンプルまたは非がんサンプルのいずれかである複数のサンプルを含む、ホールドアウトセットを、取得する１０１５。訓練セット内のそれぞれのサンプルは、例えば、図１Ａのプロセス１００に従って生成される、メチル化シーケンシングデータを含む。他の実施形態において、それぞれの訓練サンプルは、メチル化シーケンシングデータとタンデムでまたはその代替として使用される、他のシーケンシングデータを有する。さらに、訓練セットおよびホールドアウトセットに由来するそれぞれのサンプルは、がんスコアを有する。上述のように、がんスコアは、サンプルのメチル化シーケンシングデータを踏まえた、サンプルががんを有する尤度として、二値分類器によって決定することができる。他の実施形態において、がんスコアは、少なくともシーケンシングデータ（例えば、メチル化、単一ヌクレオチド多型（ＳＮＰ）、ＤＮＡ、ＲＮＡなど）を入力し、入力されたシーケンシングデータに従ってサンプルががんを有する尤度を出力する、他の方法に従って計算される。
【0119】
分析システムは、それぞれの非がん訓練サンプルについて、メチル化シーケンシングデータに基づいて、特徴ベクトルを決定する１０２５。分析システムは、それぞれの非がん訓練サンプルについて、例えば、考慮されるＣｐＧ部位のセット内のそれぞれのＣｐＧ部位について異常スコアを決定することについて説明する図３Ａのステップ３２０に類似の様式で、特徴ベクトルを決定することができる。いくつかの実施形態において、分析システムは、異常なフラグメントのセット内にＣｐＧ部位を含む異常なフラグメントが存在するかどうかに基づいて、二値スコアを用いて特徴ベクトルの異常スコアを定義する。サンプルについて、すべての異常スコアが決定されると、分析システムは、考慮されているそれぞれのＣｐＧ部位と関連する異常スコアのベクトルとして、特徴ベクトルを決定する。分析システムは、さらに、サンプルのカバレッジに基づいて、特徴ベクトルの異常スコアを正規化することができる。
【0120】
分析システムは、それぞれの非がん訓練サンプルの特徴ベクトルをマルチクラスがん分類器に入力して、ＴＯＯ予測を生成する１０３５。マルチクラスがん分類器は、がんタイプ、がんサブタイプ、非がん、またはこれらの任意の組合せを含む、複数のＴＯＯラベルで訓練されている。マルチクラスがん分類器は、図３Ａのプロセス３００に従って訓練されてよい。訓練されたマルチクラス分類器は、がん予測として、ＴＯＯラベルに関する複数の確率を決定し、ここで、ＴＯＯラベルに関する確率は、ＴＯＯラベルに対応するがんを有する尤度を示す。
【0121】
いくつかの例において、分析システムは、ＴＯＯラベルに関する確率の範囲にわたって特異度率および感度率を計算する候補ＴＯＯ閾値として、ＴＯＯラベルに関する確率の範囲全体をスイープする１０４５か、またはそれを反復する。分析システムは、確率の範囲全体を、例えば、０．０１、０．０２、０．０３、０．０４、０．０５などの増分でスイープすることができる。分析システムが確率の範囲全体をスイープするため、分析システムは、マルチクラスがん分類器の出力に従って、候補ＴＯＯ閾値であるかまたはそれを上回るＴＯＯラベルの確率を有する非がん訓練サンプルを、フィルタリングする。数値の例として、分析システムは、０．３５の候補ＴＯＯ閾値を考慮する。０．３５またはそれを上回るＴＯＯラベルの確率を有する非がん訓練サンプルは、訓練セットからフィルタリング除去される。分析システムは、フィルタリングされた訓練セットに基づいて、調節された二値閾値カットオフを決定する。分析システムは、ホールドアウトセットに対して調節された二値閾値カットオフを用いて予測の特異度率を計算する。特異度は、非がんサンプルを非がんラベルとして特定することの正解率を指す。分析システムはまた、ホールドアウトセットに対して調節された二値閾値カットオフを用いて予測の感度率を計算する。感度は、がんサンプルをがんラベルとして特定することの正解率を指す。実際には、特異度率および／または感度率は、真陽性率、偽陽性率、真陰性率、偽陰性率、別の統計学的計算などに従って定義されてよい。
【0122】
分析システムは、ＴＯＯラベルに関してＴＯＯ閾値を決定する１０５５。分析システムは、候補ＴＯＯ閾値の範囲にわたって計算された特異度率および／または感度率を最適化することによって、候補ＴＯＯ閾値からＴＯＯ閾値を選択する。いくつかの例において、ＴＯＯ閾値は、ある特定のＴＯＯ組織タイプクラスまたはサブタイプクラス、例えば、血液学的クラスについて決定されるか、またはそれ以外では適用される。単なる例として、ＴＯＯ特異的確率閾値を計算し適用するためのアルゴリズムを使用して、血液障害のシグナルが超過している非がんサンプルを除去することができる。アルゴリズムは、それぞれの事前に指定されたＴＯＯラベルに関して、まず、確率値のグリッド全体を検索すること、およびすべての値について、指定されたＴＯＯラベルと同等またはそれを上回る確率を有する非がんサンプルを除去した後に計算される二値検出閾値を使用して、ホールドアウトセットの臨床的特異度および臨床的感度を評価することを含んでよい。確率グリッド全体で反復することによって、アルゴリズムは、事前に指定されたＴＯＯラベルに関して、ホールドアウトセットの臨床的特異度と臨床的感度との間のトレードオフを最適化するＴＯＯ閾値の値の組合せを特定するであろう。最終的な最適化されたＴＯＯ確率閾値の値を使用して、所与のＴＯＯラベルの値のうちのいずれかを上回る非がんサンプルがフィルタリングされるであろう。クリーニングされた非がんサンプルのセットを使用して、がん－非がんの検出閾値が計算されるであろう。依然として、いくつかの例においては、ＴＯＯ特異的閾値処理は、任意の境界点、例えば、所望される特異度レベル（例えば、９９．４～９９．９％の特異度）に手作業で設定されてよい。
【0123】
分析システムは、二値閾値カットオフを決定する前に、ＴＯＯ閾値処理を超過する非がん訓練サンプルを除外することによって、二値がん分類を調整する１０６５。分析システムは、ＴＯＯラベルに関して決定されたＴＯＯ閾値に従って、訓練セットから非がん訓練サンプルをフィルタリング除去する。分析システムは、フィルタリングされた訓練セットに従って、二値閾値カットオフを設定する。例えば、分析システムは、フィルタリングされたスコア分布に基づいて、新しい二値閾値カットオフを決定する。追加の実施形態において、分析システムは、ステップ１０１０、１０２０、１０３０、および１０４０に従って、ＴＯＯラベルのいずれかについてＴＯＯ閾値を決定して、二値がん分類を調整することができる。
【0124】
ＩＩＩ．Ｃ．ＩＩ． ＴＯＯシグナルに従ったサンプル分布の層別化
１つまたは複数の実施形態において、分析システムは、ＴＯＯシグナルに従ってサンプル分布を層別化して、それぞれの層について二値閾値カットオフを決定することによって、がん分類器を調整する。分析システムは、マルチクラスがん分類器によって出力されたＴＯＯ予測に従って決定される１つまたは複数のＴＯＯラベルのシグナルに従って、サンプル分布を層別化することができる。
１つまたは複数の実施形態において、分析システムは、ＴＯＯシグナルに従ってサンプル分布を層別化して、それぞれの層について二値閾値カットオフを決定することによって、がん分類器を調整する。分析システムは、マルチクラスがん分類器によって出力されたＴＯＯ予測に従って決定される１つまたは複数のＴＯＯラベルのシグナルに従って、サンプル分布を層別化することができる。
【0125】
ここで図１３Ａを参照すると、図１３Ａは、１つまたは複数の実施形態による、血液学的シグナルを２つの層に層別化するためのプロセスを例示する。以下の説明は、血液学的シグナルを用いた層別化について説明しているが、この原理は、他のＴＯＯシグナルに容易に適用することができる。
【0126】
分析システムは、血液学的シグナルに従って、がんサンプルおよび非がんサンプルのホールドアウトセットを、低いシグナルの層１３１０および高いシグナルの層１３２０に層別化する１３００Ａ。ホールドアウトセットのそれぞれのサンプルは、二値がん分類器によって決定されるがんスコア、およびマルチクラスがん分類器によって決定されるＴＯＯ予測を有する。一実施形態において、サンプルの血液学的シグナルは、マルチクラスがん分類器によって出力されるＴＯＯ予測に従って決定される。高い組織シグナルは、ＩＩＩ．Ｃ．がん分類器の調整の節に記載されるように決定されてよい。一実施形態において、１つまたは複数の上位予測（例えば、上位１つ、上位２つなど）を考慮する場合、高い血液学的シグナルは、考慮されている上位予測のうちの少なくとも１つが、血液学的サブタイプ（例えば、リンパ系新生物サブタイプおよび骨髄系新生物サブタイプ）のものである場合に、決定される。他の血液学的サブタイプが、含まれてもよい。このように、サンプルが、上位予測のうちの少なくとも１つがリンパ系新生物サブタイプまたは骨髄系新生物サブタイプと考えられているＴＯＯ予測を有する場合、サンプルは、高い血液学的シグナルを有すると決定される。そうでなければ、サンプルは、高い血液学的シグナルを有さないと決定される。
【0127】
分析システムは、それぞれの層について、サンプルのがんの存在または不在を予測するための二値閾値カットオフを決定する。低いシグナルの層１３１０内のサンプルは、低いシグナルの層１３１０内のサンプルにおけるがんの不在または存在を予測するための二値閾値カットオフを決定する１３０５ために、分析システムによって使用される。二値閾値カットオフは、低いシグナルの層１３１０の偽陽性バジェットセットに従って決定される１３０５。低いシグナルの層１３１０におけるサンプルのがんスコアを用いて、分析システムは、候補二値閾値カットオフ範囲全体をスイープし、それぞれの候補二値閾値カットオフにおける真陽性率（感度とも称される）および偽陽性率を評価する。偽陽性バジェット以内でもっとも近い偽陽性率を有する候補二値閾値カットオフが、候補二値閾値カットオフであると決定される。分析システムは、高いシグナルの層１３２０について、二値閾値カットオフを決定する１３１５ために同様の操作を実行する。低いシグナルの層１３１０の偽陽性バジェットおよび高いシグナルの層１３２０の偽陽性バジェットは、層の統計学的真陽性率の比に従って設定されてよい。この比は、高いシグナルの層１３２０において偽陽性率を抑制することを目的とする。
【0128】
試験サンプルについて、分析システムは、試験サンプルを、血液学的シグナルに従って、低いシグナルの層１３１０または高いシグナルの層１３２０のいずれかに配置する。試験サンプルが低いシグナルの層１３１０に配置される場合、分析システムは、試験サンプルのがんスコアに、低いシグナルの層１３１０の二値閾値カットオフ１３１５を適用する。がんスコアが、低いシグナルの層１３１０の二値閾値カットオフを上回るかまたはそれに等しい場合、分析システムは、試験サンプルにおけるがんの存在の予測を返却し、そうでなければ、がんがないという予測を返却する。試験サンプルが高いシグナルの層１３２０に配置される場合、低いシグナルの層１３２０の二値閾値カットオフが、試験サンプルのがんスコアに適用される１３２５。がんスコアが、高いシグナルの層１３２０の二値閾値カットオフを上回るかまたはそれに等しい場合、分析システムは、試験サンプルにおけるがんの存在の予測を返却し、そうでなければ、がんがないという予測を返却する。
【0129】
図１３Ｂは、１つまたは複数の実施形態による、血液学的シグナルを３つの層に層別化するためのプロセスを例示する。以下の説明は、血液学的シグナルを用いた層別化について説明しているが、この原理は、他のＴＯＯシグナルに容易に適用することができる。この原理はまた、３つを上回る数の層への層別化にも容易に拡張することができる。
【0130】
分析システムは、血液学的シグナルに従ってがんサンプルおよび非がんサンプルのホールドアウトセットを、低いシグナルの層１３３０、中等度のシグナルの層１３４０、および高いシグナルの層１３５０の３つの層に層別化する。ホールドアウトセットのそれぞれのサンプルは、二値がん分類器によって決定されるがんスコア、およびマルチクラスがん分類器によって決定されるＴＯＯ予測を有する。１つまたは複数の実施形態において、血液学的ＴＯＯラベルは、複数の血液学的サブタイプを含む。１つまたは複数の侵攻性の血液学的サブタイプにおいて高い組織シグナルを有するホールドアウトセットの任意のサンプルは、高いシグナルの層１３５０に配置される。１つまたは複数の緩慢性の血液学的サブタイプにおいて高い組織シグナルを有するホールドアウトセットの任意のサンプル（まだ高いシグナルの層１３５０に分類されていないもの）は、中等度のシグナルの層１３４０に配置される。高いシグナルの層１３５０にも中等度のシグナルの層１３４０にも分類されていないサンプルは、低いシグナルの層１３３０に配置される。図１３Ａに記載される原理に従って、分析システムは、それぞれの層の偽陽性バジェットに基づいて、それぞれの層について二値閾値カットオフを決定し、低いシグナルの層１３３０の二値閾値カットオフが決定され１３３５、中等度のシグナルの層１３４０の二値閾値カットオフが決定され１３４５、高いシグナルの層１３５０の二値閾値カットオフが決定される１３５５。図１３Ａと同様に、試験サンプルについて、分析システムは、試験サンプルを配置する層を特定し、その層の二値閾値カットオフを適用して、試験サンプルにおけるがんの存在または不在を予測する。
【0131】
図１３Ｃは、１つまたは複数の実施形態による、まず血液学的シグナルを層別化し、続いて結腸直腸シグナルを層別化するためのプロセスを図示する。以下の説明は、血液学的シグナルを用い、続いて結腸直腸シグナルを用いた層別化について説明しているが、この原理は、ＴＯＯシグナルの他の組合せに容易に適用することができる。
【0132】
分析システムは、血液学的シグナル１３００Ｃに従って、および続いて結腸直腸シグナル１３７０に従って、がんサンプルおよび非がんサンプルのホールドアウトセットを層別化する。ホールドアウトセットのそれぞれのサンプルは、二値がん分類器によって決定されるがんスコア、およびマルチクラスがん分類器によって決定されるＴＯＯ予測を有する。図１３Ａにおいて上述されている原理と同様に、高い血液学的シグナルを有するホールドアウトセットの任意のサンプルは、高いシグナルの層１３６０に配置される。残りのサンプルは、続いて、結腸直腸シグナルに従って層別化される１３７０。血液学的層別化に類似して、高い結腸直腸シグナルを有する任意のサンプルは、高い結腸直腸シグナルの層１３８０に配置される。高い血液学的シグナルの層１３６０にも高い結腸直腸シグナルの層１３８０にも配置されていないサンプルは、低いシグナルの層１３９０にグループ分けされる。この実施形態において、血液学的シグナルは、結腸直腸シグナルよりも高い優先度である。１つまたは複数の実施形態において、複数のＴＯＯシグナルは、優先度順に連続的に評価されてよい。そのため、高い血液学的シグナルおよび高い結腸直腸シグナルの両方を有するサンプルは、血液学的シグナルが結腸直腸シグナルよりも高い優先度であるため、高い結腸直腸の層１３８０ではなく高い血液学の層１３６０に配置されるであろう。図１３Ａに記載される原理に従って、分析システムは、それぞれの層の偽陽性バジェットに基づいて、それぞれの層について二値閾値カットオフを決定する。高い血液学的シグナルの層１３６０の二値閾値カットオフが決定され１３６５、高い結腸直腸シグナルの層１３８０の二値閾値カットオフが決定され１３８５、低いシグナルの層１３９０の二値閾値カットオフが決定される１３９５。図１３Ａと同様に、試験サンプルについて、分析システムは、試験サンプルを配置する層を特定し、その層の二値閾値カットオフを適用して、試験サンプルにおけるがんの存在または不在を予測する。
【0133】
図１４は、１つまたは複数の実施形態による、ＴＯＯ層別化のための二値閾値カットオフを決定するプロセス１４００を例示する。プロセス１４００は、分析システムによって実行されるものとして記載されているが、プロセス１４００は、より一般的には、任意のコンピューティングシステムによって実行されてよい。
【0134】
分析システムは、がんもしくは非がんとして分類されたか、またはがんもしくは非がんのラベルを有する複数のサンプルを含むホールドアウトセットを取得する１４１０。ホールドアウトセットのそれぞれのサンプルには、例えば、サンプルががんに対応する尤度を表すがんスコア（例えば、二値がん分類器によって決定される）、および例えば、サンプルが特定の組織タイプのがんに対応する尤度を表すＴＯＯ予測（例えば、マルチクラスがん分類器によって決定される）が付随する。
【0135】
分析システムは、ホールドアウトセットを、ＴＯＯ予測に基づいて、第１のＴＯＯラベルに関して、高いシグナルの第１の層および低いシグナルの第２の層に層別化する１４２０。１つの例において、層別化は、予測値閾値を使用する。ＴＯＯ予測において第１のＴＯＯラベルに関する予測値が予測値閾値であるかまたはそれを上回る任意のサンプルは、第１のＴＯＯラベルに関して高いシグナルとして分類される。それ以外の場合には、サンプルは、第１のＴＯＯラベルに関して、低いシグナルとして分類される。別の例において、分析システムは、それぞれのサンプルのＴＯＯ予測において、１つまたは複数の上位予測を考慮する。第１のＴＯＯラベルが考慮されている上位予測のうちの少なくとも１つにある任意のサンプルは、第１のＴＯＯラベルに関して高いシグナルとして分類される。それ以外の場合には、サンプルは、第１のＴＯＯラベルに関して、低いシグナルとして分類される。
【0136】
１つまたは複数の実施形態において、分析システムは、さらに、第１のＴＯＯラベルに関して、中等度のシグナルの第３の層に層別化する。シグナルが予測値に従って層別化される実施形態において、予測値の範囲は、高いシグナル、中等度のシグナル、および低いシグナルを決定する３つの部分にセグメント分けされてよい。
【0137】
１つまたは複数の実施形態において、分析システムは、さらに、１つまたは複数の層を、１つまたは複数の追加のＴＯＯラベルに関する組織シグナルに従って、追加の層に層別化する。追加のＴＯＯラベルは、層別化において、第１のＴＯＯラベルよりも低い優先度であってもよい。
【0138】
分析システムは、それぞれの層について、複数の候補二値閾値カットオフで、がんスコアのドメイン全体をスイープし１４４０、それぞれの候補二値閾値カットオフの真陽性率および偽陽性率を計算する。真陽性率を、偽陽性率に対してプロットして、受信者操作者特性（ＲＯＣ）曲線を生成することができる。
【0139】
分析システムは、それぞれの層について、偽陽性バジェットに基づいて、二値閾値カットオフを決定する１４４０。偽陽性バジェットは、層の統計学的真陽性率の比に従って、それぞれの層に割り当られてよい。
【0140】
図１５は、１つまたは複数の実施形態による、ＴＯＯ層別化によって決定された二値閾値カットオフを使用して、試験サンプルについて、がんの存在またはがんの不在を予測するプロセス１５００について説明するフローチャートを図示する。プロセス１５００は、分析システムによって実行されるものとして記載されているが、プロセス１５００は、より一般的には、任意のコンピューティングシステムによって達成されてよい。
【0141】
分析システムは、がんの存在が不明の試験サンプルを取得する１５１０。試験サンプルには、例えば、二値がん分類器によって決定されるがんスコア、および例えば、マルチクラスがん分類器によって決定されるＴＯＯ予測が付随する。
【0142】
分析システムは、試験サンプルを、ＴＯＯ予測に基づいて、第１のＴＯＯラベルに関して、高いシグナルの第１の層または低いシグナルの第２の層に層別化する１５２０。配置（または分類）は、上述されている（例えば、プロセス１４００のステップ１４２０における層別化に関して）。
【0143】
分析システムは、がんスコアを、試験サンプルが配置された層の二値閾値カットオフに対して比較することによって、試験サンプルが、がんの存在を有するかまたは不在を有するかを予測する１５３０。例えば、試験サンプルが、第１のＴＯＯラベルに関して高いシグナルを有し、高いシグナルの第１の層に配置された場合、分析システムは、試験サンプルのがんスコアに、高いシグナルの第１の層に関して決定された二値閾値カットオフを適用する。あるいは、試験サンプルが、低いシグナルの第２の層に配置された場合、第２の層に関して決定された二値閾値カットオフが使用される。試験サンプルのがんスコアが、使用される二値閾値カットオフであるかまたはそれを上回る場合、試験サンプルは、がんの存在を有すると予測される。それ以外の場合には、試験サンプルは、がんの不在が予測される。
【0144】
ＩＩＩ．Ｄ．がん分類器の展開
がん分類器の使用中に、分析システムは、不明ながんタイプの対象から得られた試験サンプルを取得する。分析システムは、プロセス１００、２００、および２２０の任意の組合せを用いてＤＮＡ分子から構成される試験サンプルを処理して、異常なフラグメントのセットを達成する。分析システムは、プロセス３００において考察される類似の原理に従って、がん分類器によって使用するための試験特徴ベクトルを決定する。分析システムは、がん分類器によって使用されている複数のＣｐＧ部位内のそれぞれのＣｐＧ部位について、異常スコアを計算する。例えば、がん分類器は、１，０００個の選択されたＣｐＧ部位の異常スコアを含む特徴ベクトルを、入力として受信する。分析システムは、したがって、異常なフラグメントのセットに基づいて、１，０００個の選択されたＣｐＧ部位の異常スコアを含む試験特徴ベクトルを決定する。分析システムは、訓練サンプルと同じ様式で、異常スコアを計算する。一実施形態において、分析システムは、異常なフラグメントのセット内にＣｐＧ部位を含む過剰メチル化または過少メチル化されたフラグメントが存在するかどうかに基づいて、異常スコアを二値スコアとして定義する。
がん分類器の使用中に、分析システムは、不明ながんタイプの対象から得られた試験サンプルを取得する。分析システムは、プロセス１００、２００、および２２０の任意の組合せを用いてＤＮＡ分子から構成される試験サンプルを処理して、異常なフラグメントのセットを達成する。分析システムは、プロセス３００において考察される類似の原理に従って、がん分類器によって使用するための試験特徴ベクトルを決定する。分析システムは、がん分類器によって使用されている複数のＣｐＧ部位内のそれぞれのＣｐＧ部位について、異常スコアを計算する。例えば、がん分類器は、１，０００個の選択されたＣｐＧ部位の異常スコアを含む特徴ベクトルを、入力として受信する。分析システムは、したがって、異常なフラグメントのセットに基づいて、１，０００個の選択されたＣｐＧ部位の異常スコアを含む試験特徴ベクトルを決定する。分析システムは、訓練サンプルと同じ様式で、異常スコアを計算する。一実施形態において、分析システムは、異常なフラグメントのセット内にＣｐＧ部位を含む過剰メチル化または過少メチル化されたフラグメントが存在するかどうかに基づいて、異常スコアを二値スコアとして定義する。
【0145】
分析システムは、次いで、試験特徴ベクトルを、がん分類器に入力する。がん分類器の関数により、次いで、プロセス３００において訓練された分類パラメーターおよび試験特徴ベクトルに基づいて、がん予測が生成される。第１の様式において、がん予測は、二値であり、「がん」または「非がん」からなる群から選択され、第２の様式において、がん予測は、多数のがんタイプおよび「非がん」の群から選択される。追加の実施形態において、がん予測は、多数のがんタイプのそれぞれに関する予測値を有する。さらに、分析システムは、試験サンプルが、がんタイプのうちの１つのものである可能性が高いと決定してよい。試験サンプルについて、乳がんの尤度６５％、肺がんの尤度２５％、および非がんの尤度１０％としてのがん予測を有する上述の例を続けると、分析システムは、試験サンプルが乳がんを有する可能性がもっとも高いと決定してよい。別の例において、がん予測が、非がんの尤度６０％およびがんの尤度４０％として二値である場合、分析システムは、試験サンプルががんを有さない可能性がもっとも高いと決定する。追加の実施形態において、もっとも高い尤度を有するがん予測は、試験対象をそのがんタイプを有すると称するために、依然として、閾値（例えば、４０％、５０％、６０％、７０％）と比較されてよい。もっとも高い尤度を有するがん予測が、その閾値を上回らない場合、分析システムは、確定的ではない結果を返却してよい。
【0146】
追加の実施形態において、分析システムは、プロセス３００のステップ３６０において訓練されたがん分類器を、ステップ３７０またはプロセス３００において訓練された別のがん分類器と連鎖させる。分析システムは、特徴ベクトルを、プロセス３００のステップ３６０において二値分類器として訓練されたがん分類器に入力する。分析システムは、がん予測の出力を受信する。がん予測は、試験対象ががんを有する可能性が高いかまたはがんを有さない可能性が高いかに関して、二値であってよい。他の実装において、がん予測は、がんの尤度および非がんの尤度を説明する予測値を含む。例えば、がん予測は、がんの予測値８５％および非がんの予測値１５％を有する。分析システムは、試験対象ががんを有する可能性が高いと決定してよい。分析システムが、試験対象ががんを有する可能性が高いことを決定すると、分析システムは、試験特徴ベクトルを、異なるがんタイプ間の区別を行うように訓練されたマルチクラスがん分類器に入力してよい。マルチクラスがん分類器は、試験特徴ベクトルを受信し、複数のがんタイプのうちの１つのがんタイプのがん予測を返却する。例えば、マルチクラスがん分類器は、試験対象が卵巣がんを有する可能性がもっとも高いことを示すがん予測を提供する。別の実装において、マルチクラスがん分類器は、複数のがんタイプのそれぞれのがんタイプについて、予測値を提供する。例えば、がん予測は、乳がんタイプの予測値４０％、結腸直腸がんタイプの予測値１５％、および肝臓がんタイプの予測値４５％を含んでよい。
【0147】
二値がん分類の一般化された実施形態に従って、分析システムは、試験サンプルのシーケンシングデータ（例えば、メチル化シーケンシングデータ、ＳＮＰシーケンシングデータ、他のＤＮＡシーケンシングデータ、ＲＮＡシーケンシングデータなど）に基づいて、試験サンプルのがんスコアを決定する。分析システムは、試験サンプルががんを有する可能性が高いかどうかを予測するために、試験サンプルのがんスコアを、二値閾値カットオフに対して比較する。二値閾値カットオフは、１つまたは複数のＴＯＯサブタイプクラスに基づいて、ＴＯＯ閾値処理を使用して調整されてよい。分析システムは、さらに、１つまたは複数の可能性のあるがんタイプを示すがん予測を決定するために、マルチクラスがん分類器において使用するための試験サンプルの特徴ベクトルを生成してよい。
【0148】
ＩＶ．適用
いくつかの実施形態において、本発明の方法、分析システム、および／または分類器は、がんの存在を検出するため、がんの進行もしくは再発をモニタリングするため、治療の応答もしくは有効性をモニタリングするため、最小残存疾患（ＭＲＤ）の存在を決定するかもしくはそれをモニタリングするため、またはこれらの任意の組合せのために、使用されてよい。例えば、本明細書に記載されるように、分類器は、試験特徴ベクトルが、がんを有する対象に由来する尤度について説明する確率スコア（例えば、０から１００まで）を生成するために使用されてよい。いくつかの実施形態において、確率スコアは、対象ががんを有するかどうかを決定するために、閾値確率と比較される。他の実施形態において、尤度または確率スコアは、疾患の進行をモニタリングするため、または処置の有効性（例えば、治療効果）をモニタリングするために、複数の異なる時点（例えば、処置の前または後）において評価されてよい。なおも他の実施形態において、尤度または確率スコアは、臨床決定（例えば、がんの診断、処置の選択、処置の有効性の評価など）を行うためまたはそれに影響を及ぼすために使用されてよい。例えば、一実施形態において、確率スコアが閾値を上回る場合、医師は、適切な処置を処方することができる。
いくつかの実施形態において、本発明の方法、分析システム、および／または分類器は、がんの存在を検出するため、がんの進行もしくは再発をモニタリングするため、治療の応答もしくは有効性をモニタリングするため、最小残存疾患（ＭＲＤ）の存在を決定するかもしくはそれをモニタリングするため、またはこれらの任意の組合せのために、使用されてよい。例えば、本明細書に記載されるように、分類器は、試験特徴ベクトルが、がんを有する対象に由来する尤度について説明する確率スコア（例えば、０から１００まで）を生成するために使用されてよい。いくつかの実施形態において、確率スコアは、対象ががんを有するかどうかを決定するために、閾値確率と比較される。他の実施形態において、尤度または確率スコアは、疾患の進行をモニタリングするため、または処置の有効性（例えば、治療効果）をモニタリングするために、複数の異なる時点（例えば、処置の前または後）において評価されてよい。なおも他の実施形態において、尤度または確率スコアは、臨床決定（例えば、がんの診断、処置の選択、処置の有効性の評価など）を行うためまたはそれに影響を及ぼすために使用されてよい。例えば、一実施形態において、確率スコアが閾値を上回る場合、医師は、適切な処置を処方することができる。
【0149】
ＩＶ．Ａ．がんの早期検出
いくつかの実施形態において、本発明の方法および／または分類器は、がんを有することが疑われる対象において、がんの存在または不在を検出するために使用される。例えば、分類器（例えば、節ＩＩＩにおいて上述されており、節Ｖにおいて例示されている）を使用して、試験特徴ベクトルががんを有する対象に由来する尤度について説明するがん予測を決定することができる。
いくつかの実施形態において、本発明の方法および／または分類器は、がんを有することが疑われる対象において、がんの存在または不在を検出するために使用される。例えば、分類器（例えば、節ＩＩＩにおいて上述されており、節Ｖにおいて例示されている）を使用して、試験特徴ベクトルががんを有する対象に由来する尤度について説明するがん予測を決定することができる。
【0150】
一実施形態において、がん予測は、試験サンプルががんを有するかどうか（すなわち、二値分類）の尤度（例えば、０から１００のスコア付け）である。したがって、分析システムは、試験対象ががんを有するかどうかを決定するための閾値を決定してよい。例えば、６０またはそれを上回るがん予測は、対象ががんを有することを示すことができる。なおも他の実施形態において、６５もしくはそれを上回る、７０もしくはそれを上回る、７５もしくはそれを上回る、８０もしくはそれを上回る、８５もしくはそれを上回る、９０もしくはそれを上回る、または９５もしくはそれを上回るがん予測は、対象ががんを有することを示す。他の実施形態において、がん予測は、疾患の重症度を示すことができる。例えば、８０のがん予測は、８０を下回るがん予測（例えば、７０の確率スコア）と比較して、より重度の形態またはより後期のステージのがんを示すことができる。同様に、がん予測の経時的な増加（例えば、２つまたはそれを上回る時点で取得された同じ対象から得られた複数のサンプルに由来する試験特徴ベクトルを分類することによって決定される）は、疾患の進行を示すことができるか、またはがん予測の経時的な減少は、処置の成功を示すことができる。
【0151】
別の実施形態において、がん予測は、多数の予測値を含み、ここで、分類されている（すなわち、マルチクラス分類）複数のがんタイプのそれぞれは、予測値（例えば、０から１００でスコア付けされる）を有する。予測値は、所与の訓練サンプル（および推定の間には、訓練サンプル）ががんタイプのそれぞれを有する尤度に対応してよい。分析システムは、もっとも高い予測値を有するがんタイプを特定でき、試験対象がそのがんタイプを有する可能性が高いことを示してよい。他の実施形態において、分析システムは、さらに、もっとも高い予測値を、閾値（例えば、５０、５５、６０、６５、７０、７５、８０、８５など）と比較して、試験対象がそのがんタイプを有する可能性が高いことを決定する。他の実施形態において、予測値はまた、疾患の重症度も示すことができる。例えば、８０を上回る予測値は、６０の予測値と比較して、より重度の形態またはより後期のステージのがんを示してよい。同様に、予測値の経時的な増加（例えば、２つまたはそれを上回る時点で取得された同じ対象から得られた複数のサンプルに由来する試験特徴ベクトルを分類することによって決定される）は、疾患の進行を示すことができ、または予測値の経時的な減少は、処置の成功を示すことができる。
【0152】
本発明の態様によると、本発明の方法およびシステムは、複数のがん適応症を検出または分類するように訓練することができる。例えば、本発明の方法、システム、および分類器を使用して、１つもしくは複数、２つもしくはそれを上回る、３つもしくはそれを上回る、５つもしくはそれを上回る、１０個もしくはそれを上回る、１５個もしくはそれを上回る、または２０個もしくはそれを上回る異なるタイプのがんの存在を検出することができる。
【0153】
本発明の方法、システム、および分類器を使用して検出することができるがんの例としては、癌腫、リンパ腫、芽細胞腫、肉腫、および白血病またはリンパ系悪性腫瘍が挙げられる。そのようながんのより具体的な例としては、扁平上皮細胞がん（例えば、上皮扁平細胞がん）、皮膚癌、黒色腫、小細胞肺がん、非小細胞肺がん（「ＮＳＣＬＣ」）、肺の腺癌、および肺の扁平上皮細胞癌を含む、肺がん、腹膜のがん、消化器がんを含む胃がんまたは胃がん（ｇａｓｔｒｉｃ ｏｒ ｓｔｏｍａｃｈ ｃａｎｃｅｒ）、膵臓がん（例えば、膵管腺癌）、子宮頸がん、卵巣がん（例えば、高悪性度漿液性卵巣癌）、肝臓がん（例えば、肝細胞癌（ＨＣＣ））、ヘパトーマ、肝臓癌、膀胱がん（例えば、尿路上皮膀胱がん）、精巣（生殖細胞腫瘍）がん、乳がん（例えば、ＨＥＲ２陽性、ＨＥＲ２陰性、およびトリプルネガティブ乳がん）、脳がん（例えば、星状細胞腫、神経膠腫（例えば、神経膠芽腫））、結腸がん、直腸がん、結腸直腸がん、子宮内膜癌または子宮癌、唾液腺癌、腎臓（ｋｉｄｎｅｙ）または腎臓（ｒｅｎａｌ）がん（例えば、腎臓細胞癌、腎芽細胞腫、またはウイルムス腫瘍）、前立腺がん、外陰部がん、甲状腺がん、肛門癌、陰茎癌、頭頸部がん、食道癌、ならびに上咽頭癌（ＮＰＣ）が挙げられるが、これらに限定されない。がんの追加の例としては、限定することなく、網膜芽細胞腫、莢膜細胞腫、男性化細胞腫、非ホジキンリンパ腫（ＮＨＬ）、多発性骨髄腫、および急性血液学的悪性腫瘍を含むがこれらに限定されない血液学的悪性腫瘍、子宮内膜症、線維肉腫、絨毛腫、喉頭癌、カポジ肉腫、神経鞘腫、乏突起神経膠腫、神経芽細胞腫、横紋筋肉腫、骨原性肉腫、平滑筋肉腫、ならびに尿路癌が挙げられる。
【0154】
いくつかの実施形態において、がんは、肛門直腸がん、膀胱がん、乳がん、子宮頸がん、結腸直腸がん、食道がん、胃がん、頭頸部がん、肝胆道系がん、白血病、肺がん、リンパ腫、黒色腫、多発性骨髄腫、卵巣がん、膵臓がん、前立腺がん、腎臓がん、甲状腺がん、子宮がん、またはこれらの任意の組合せのうちの１つまたは複数である。
【0155】
いくつかの実施形態において、１つまたは複数のがんは、「高いシグナル」のがん（５年のがん特異的死亡率が５０％を上回るがんとして定義される）、例えば、肛門直腸、結腸直腸、食道、頭頸部、肝胆道系、肺、卵巣、および膵臓のがん、ならびにリンパ腫および多発性骨髄腫とすることができる。高いシグナルのがんは、より侵攻性である傾向にあり、典型的には、患者から得られた試験サンプルにおける無細胞核酸濃度が平均を上回る。
【0156】
ＩＶ．Ｂ．がんおよび処置のモニタリング
いくつかの実施形態において、がん予測は、疾患の進行をモニタリングするため、または処置の有効性（例えば、治療効果）をモニタリングするために、複数の異なる時点（例えば、処置の前または後）において評価されてよい。例えば、本発明は、第１の時点においてがん患者から第１のサンプル（例えば、第１の血漿ｃｆＤＮＡサンプル）を取得するステップ、そこから第１のがん予測を決定するステップ（本明細書に記載される）、第２の時点においてがん患者から第２の試験サンプル（例えば、第２の血漿ｃｆＤＮＡサンプル）を取得するステップ、およびそこから第２のがん予測を決定するステップ（本明細書に記載される）を含む、方法を含む。
いくつかの実施形態において、がん予測は、疾患の進行をモニタリングするため、または処置の有効性（例えば、治療効果）をモニタリングするために、複数の異なる時点（例えば、処置の前または後）において評価されてよい。例えば、本発明は、第１の時点においてがん患者から第１のサンプル（例えば、第１の血漿ｃｆＤＮＡサンプル）を取得するステップ、そこから第１のがん予測を決定するステップ（本明細書に記載される）、第２の時点においてがん患者から第２の試験サンプル（例えば、第２の血漿ｃｆＤＮＡサンプル）を取得するステップ、およびそこから第２のがん予測を決定するステップ（本明細書に記載される）を含む、方法を含む。
【0157】
ある特定の実施形態において、第１の時点は、がん処置の前（例えば、切除外科手術または治療介入の前）であり、第２の時点は、がん処置の後（例えば、切除外科手術または治療介入の後）であり、分類器は、処置の有効性をモニタリングするために利用される。例えば、第２のがん予測が、第１のがん予測と比較して減少した場合、処置は、成功していると考えられる。しかしながら、第２のがん予測が、第１のがん予測と比較して増加した場合、処置は、成功していないと考えられる。他の実施形態において、第１および第２の時点の両方が、がん処置の前（例えば、切除外科手術または治療介入の前）である。なおも他の実施形態において、第１および第２の時点の両方が、がん処置の後（例えば、切除外科手術または治療介入の後）である。なおも他の実施形態において、ｃｆＤＮＡサンプルは、第１および第２の時点においてがん患者から取得してよく、例えば、がんの進行をモニタリングするため、がんが寛解状態にあるかを決定するため（例えば、処置の後）、残留疾患もしくは疾患の再発をモニタリングもしくは検出するため、または処置（例えば、治療）の有効性をモニタリングするために、分析されてよい。
【0158】
当業者であれば、試験サンプルが、任意の所望される時点のセットにわたって、がん患者から取得でき、患者におけるがんの状態をモニタリングするために、本発明の方法に従って分析されてよいことを容易に理解するであろう。いくつかの実施形態において、第１および第２の時点は、約１５分間から最大で約３０年間の範囲で、例えば、約３０分間、例えば、約１時間、２時間、３時間、４時間、５時間、６時間、７時間、８時間、９時間、１０時間、１１時間、１２時間、１３時間、１４時間、１５時間、１６時間、１７時間、１８時間、１９時間、２０時間、２１時間、２２時間、２３時間、もしくは約２４時間、例えば、約１日間、２日間、３日間、４日間、５日間、１０日間、１５日間、２０日間、２５日間、もしくは約３０日間、または例えば約１ヶ月間、２ヶ月間、３ヶ月間、４ヶ月間、５ヶ月間、６ヶ月間、７ヶ月間、８ヶ月間、９ヶ月間、１０ヶ月間、１１ヶ月間、もしくは１２ヶ月間、または例えば約１年間、１．５年間、２年間、２．５年間、３年間、３．５年間、４年間、４．５年間、５年間、５．５年間、６年間、６．５年間、７年間、７．５年間、８年間、８．５年間、９年間、９．５年間、１０年間、１０．５年間、１１年間、１１．５年間、１２年間、１２．５年間、１３年間、１３．５年間、１４年間、１４．５年間、１５年間、１５．５年間、１６年間、１６．５年間、１７年間、１７．５年間、１８年間、１８．５年間、１９年間、１９．５年間、２０年間、２０．５年間、２１年間、２１．５年間、２２年間、２２．５年間、２３年間、２３．５年間、２４年間、２４．５年間、２５年間、２５．５年間、２６年間、２６．５年間、２７年間、２７．５年間、２８年間、２８．５年間、２９年間、２９．５年間、もしくは約３０年間、離れていてもよい。他の実施形態において、試験サンプルは、少なくとも３ヶ月ごとに１回、少なくとも６ヶ月ごとに１回、少なくとも１年ごとに１回、少なくとも２年ごとに１回、少なくとも３年ごとに１回、少なくとも４年ごとに１回、または少なくとも５年ごとに１回、患者から取得できる。
【0159】
ＩＶ．Ｃ．処置
なおも別の実施形態において、がん予測は、臨床決定（例えば、がんの診断、処置の選択、処置の有効性の評価など）を行うためまたはそれに影響を及ぼすために使用されてよい。例えば、一実施形態において、がん予測（例えば、がんについて、または特定のがんタイプについて）が、閾値を上回る場合、医師は、適切な処置（例えば、切除外科手術、放射線療法、化学療法、および／または免疫療法）を処方することができる。
なおも別の実施形態において、がん予測は、臨床決定（例えば、がんの診断、処置の選択、処置の有効性の評価など）を行うためまたはそれに影響を及ぼすために使用されてよい。例えば、一実施形態において、がん予測（例えば、がんについて、または特定のがんタイプについて）が、閾値を上回る場合、医師は、適切な処置（例えば、切除外科手術、放射線療法、化学療法、および／または免疫療法）を処方することができる。
【0160】
分類器（本明細書に記載される）を使用して、サンプルの特徴ベクトルががんを有する対象に由来するがん予測を決定することができる。一実施形態において、適切な処置（例えば、切除外科手術または治療）は、がん予測が閾値を上回る場合に処方される。例えば、一実施形態において、がん予測が、６０またはそれを上回る場合、１つまたは複数の適切な処置が処方される。別の実施形態において、がん予測が、６５もしくはそれを上回る、７０もしくはそれを上回る、７５もしくはそれを上回る、８０もしくはそれを上回る、８５もしくはそれを上回る、９０もしくはそれを上回る、または９５もしくはそれを上回る場合、１つまたは複数の適切な処置が処方される。他の実施形態において、がん予測は、疾患の重症度を示してよい。疾患の重症度に適合した適切な処置が、次いで、処方されてよい。
【0161】
いくつかの実施形態において、処置は、化学療法剤、標的化がん療法剤、分化療法剤、ホルモン療法剤、および免疫療法剤からなる群から選択される１つまたは複数のがん治療剤である。例えば、処置は、アルキル化剤、抗代謝剤、アントラサイクリン、抗腫瘍抗生物質、細胞骨格破壊剤（タキサン）、トポイソメラーゼ阻害剤、有糸分裂阻害剤、コルチコステロイド、キナーゼ阻害剤、ヌクレオチドアナログ、白金系薬剤、およびこれらの任意の組合せからなる群から選択される、１つまたは複数の化学療法剤であってよい。いくつかの実施形態において、処置は、シグナル伝達阻害剤（例えば、チロシンキナーゼおよび成長因子受容体阻害剤）、ヒストンデアセチラーゼ（ＨＤＡＣ）阻害剤、レチノイン酸受容体アゴニスト、プロテオソーム阻害剤、血管新生阻害剤、およびモノクローナル抗体コンジュゲートからなる群から選択される、１つまたは複数の標的化がん療法剤である。いくつかの実施形態において、処置は、レチノイド、例えば、トレチノイン、アリトレチノイン、およびベキサロテンを含む、１つまたは複数の分化療法剤である。いくつかの実施形態において、処置は、抗エストロゲン剤、アロマターゼ阻害剤、プロゲスチン、エストロゲン、抗アンドロゲン剤、およびＧｎＲＨアゴニストまたはアナログからなる群から選択される、１つまたは複数のホルモン療法剤である。一実施形態において、処置は、モノクローナル抗体療法、例えば、リツキシマブ（ＲＩＴＵＸＡＮ）およびアレムツズマブ（ＣＡＭＰＡＴＨ）、非特異的免疫療法剤およびアジュバント、例えば、ＢＣＧ、インターロイキン－２（ＩＬ－２）、およびインターフェロン－アルファ、免疫調節薬、例えば、サリドマイドおよびレナリドマイド（ＲＥＶＬＩＭＩＤ）を含む群から選択される、１つまたは複数の免疫療法剤である。特徴、例えば、腫瘍のタイプ、がんのステージ、がん処置または治療剤へのこれまでの曝露、およびがんの他の特徴に基づいて、適切ながん治療剤を選択することは、熟練した医師または腫瘍学者の能力の範囲内である。
【0162】
Ｖ．がん分類器の例示的な結果
Ｖ．Ａ．サンプルの収集および処理
研究設計およびサンプル：ＣＣＧＡ（ＮＣＴ０２８８９９７８）は、前向きの、多施設における、症例管理の、縦断的追跡を伴う観察研究である。特定が解除された生体標本を、１４２箇所からのおよそ１５，０００人の参加者から採取した。サンプルを、訓練（１，７８５個）および試験（１，０１５個）のセットに分割し、サンプルは、それぞれのコホートにおいて場所全体でがんタイプおよび非がんの事前指定された分布を確保するように選択し、がんサンプルおよび非がんサンプルは、多くの場合、性別ごとに年齢を一致させた。
Ｖ．Ａ．サンプルの収集および処理
研究設計およびサンプル：ＣＣＧＡ（ＮＣＴ０２８８９９７８）は、前向きの、多施設における、症例管理の、縦断的追跡を伴う観察研究である。特定が解除された生体標本を、１４２箇所からのおよそ１５，０００人の参加者から採取した。サンプルを、訓練（１，７８５個）および試験（１，０１５個）のセットに分割し、サンプルは、それぞれのコホートにおいて場所全体でがんタイプおよび非がんの事前指定された分布を確保するように選択し、がんサンプルおよび非がんサンプルは、多くの場合、性別ごとに年齢を一致させた。
【0163】
全ゲノムバイサルファイトシーケンシング：ｃｆＤＮＡを、血漿から単離し、全ゲノムバイサルファイトシーケンシング（ＷＧＢＳ、深度３０×）を、ｃｆＤＮＡの分析に利用した。ｃｆＤＮＡを、改変されたＱＩＡａｍｐ Ｃｉｒｃｕｌａｔｉｎｇ Ｎｕｃｌｅｉｃ Ａｃｉｄキット（Ｑｉａｇｅｎ、Ｇｅｒｍａｎｔｏｗｎ、ＭＤ）を使用して、患者ごとに２つのチューブの血漿から抽出した（最大で、合計体積１０ｍｌ）。最大７５ｎｇの血漿ｃｆＤＮＡを、ＥＺ－９６ ＤＮＡメチル化キット（Ｚｙｍｏ Ｒｅｓｅａｒｃｈ、Ｄ５００３）を使用して、バイサルファイト変換に供した。変換されたｃｆＤＮＡを使用し、Ａｃｃｅｌ－ＮＧＳ Ｍｅｔｈｙｌ－Ｓｅｑ ＤＮＡライブラリー調製キット（Ｓｗｉｆｔ ＢｉｏＳｃｉｅｎｃｅｓ、Ａｎｎ Ａｒｂｏｒ、ＭＩ）を使用して、二重インデックスしたシーケンシングライブラリーを調製し、構築したライブラリーを、Ｉｌｌｕｍｉｎａ Ｐｌａｔｆｏｒｍｓ用ＫＡＰＡ Ｌｉｂｒａｒｙ Ｑｕａｎｔｉｆｉｃａｔｉｏｎ Ｋｉｔ（Ｋａｐａ Ｂｉｏｓｙｓｔｅｍｓ、Ｗｉｌｍｉｎｇｔｏｎ、ＭＡ）を使用して、定量した。４つのライブラリーを、１０％ ＰｈｉＸ ｖ３ライブラリー（Ｉｌｌｕｍｉｎａ、ＦＣ－１１０－３００１）とともにプールし、Ｉｌｌｕｍｉｎａ ＮｏｖａＳｅｑ ６０００ Ｓ２フローセルでクラスター化させ、続いて、１５０ｂｐのペアエンドシーケンシング（３０×）を行った。
【0164】
それぞれのサンプルについて、ＷＧＢＳフラグメントセットを、異常なメチル化パターンを有するより小さなフラグメントのサブセットに低減させた。加えて、過剰または過少メチル化されたｃｆＤＮＡフラグメントを選択した。異常なメチル化パターンを有し、過剰または過少メチル化されている、すなわち、ＵＦＸＭである、ｃｆＤＮＡフラグメントを選択した。がんを有さない個体において高頻度で発生するフラグメント、または不安定なメチル化を有するものは、がんステータスの分類のための高度に区別可能な特徴をもたらす可能性が低い。本発明者らは、したがって、ＣＣＧＡ研究から１０８人のがんを有さない非喫煙者の参加者（年齢：５８±１４歳、７９人［７３％］が女性）の独立した参照セット（すなわち、参照ゲノム）を使用して、典型的なフラグメントの統計学的モデルおよびデータ構造を生成した。これらのサンプルを使用して、節ＩＩ．Ｂにおいて上述されているように、フラグメント内の所与の配列のＣｐＧメチル化のステータスの尤度を推定するマルコフ連鎖モデル（次数３）を訓練した。このモデルは、正常なフラグメントの範囲内（ｐ値＞０．００１）でキャリブレーションされることが示されており、これを使用して、マルコフモデルから得られたｐ値が０．００１以上であるフラグメントを、異常性が不十分であるとして拒絶した。
【0165】
上述のように、さらなるデータ削減ステップにより、少なくとも５つのＣｐＧがカバーされ、平均メチル化が０．９を上回る（過剰メチル化されている）かまたは０．１を下回る（過少メチル化されている）フラグメントのみを選択した。この手順により、訓練中のがんを有さない参加者については中央値（範囲）２，８００（１，５００～１２，０００）個のＵＦＸＭフラグメントが得られ、訓練中のがんを有する参加者については、中央値（範囲）３，０００（１，２００～２２０，０００）個のＵＦＸＭフラグメントが得られた。このデータ削減手順は、参照セットのデータを使用しただけであったため、このステージは、それぞれのサンプルへの適用を１回しか必要としなかった。
【0166】
Ｖ．Ｂ．起源組織がん分類
図５～７、１１、１２Ａ、１２Ｂ、１６Ａ、１６Ｂ、１７、および１８は、実施形態による、様々な訓練されたがん分類器のがん予測の正解率を示す多数のグラフを図示する。図５～７、１１、１２Ａ、１２Ｂ、１６Ａ、１６Ｂ、１７、および１８に示される結果を得るために使用したがん分類器は、図３Ａにおいて上述のプロセス３００の例示的な実装に従って訓練されている。
図５～７、１１、１２Ａ、１２Ｂ、１６Ａ、１６Ｂ、１７、および１８は、実施形態による、様々な訓練されたがん分類器のがん予測の正解率を示す多数のグラフを図示する。図５～７、１１、１２Ａ、１２Ｂ、１６Ａ、１６Ｂ、１７、および１８に示される結果を得るために使用したがん分類器は、図３Ａにおいて上述のプロセス３００の例示的な実装に従って訓練されている。
【0167】
分析システムは、がん分類器において考慮しようとするＣｐＧ部位を選択する。情報利得は、所与のがんタイプを有する訓練サンプルについて、すべての他のサンプルと比較して、計算される。例えば、「異常なフラグメント」（「ＡＦ」）および「がんタイプ」（「ＣＴ」）の２つのランダム変数が使用される。ＣＴは、がんが特定のタイプのものであるかどうかを示すランダム変数である。分析システムは、ＡＦを踏まえてＣＴに関する相互情報量を計算する。すなわち、特定のＣｐＧ部位にオーバーラップする異常なフラグメントが存在するかどうかが判明している場合に利得されるがんタイプに関する情報ビットの数である。所与のがんタイプについて、分析システムは、この情報を使用して、ＣｐＧ部位がどの程度がん特異的であるかに基づいてＣｐＧ部位を順位付けする。この手順を、考慮しているすべてのがんタイプについて反復する。それぞれのがんタイプについて順位付けされたＣｐＧ部位は、がん分類器に置いてしようするために貪欲に追加される（例えば、およそ３，０００個のＣｐＧ部位を達成するために）。
【0168】
サンプルの特徴決定のために、分析システムは、それぞれのサンプルにおいて、異常なメチル化パターンを有するフラグメント、およびさらにはＵＦＸＭフラグメントを特定する。１つのサンプルについて、分析システムは、それぞれの考慮に選択されたＣｐＧ部位（約３，０００個）について、異常スコアを計算する。分析システムは、サンプルがＣｐＧ部位を包含するＵＦＸＭフラグメントを有するかどうかに基づいて、二値スコア付けを用いて異常スコアを定義する。
【0169】
図５は、例示的な実装による、様々ながんタイプのためのマルチクラスがん分類器のがん予測正解率を示す多数のグラフを図示する。この図示した例において、マルチクラスがん分類器は、１１種類のがんタイプに応じて特徴ベクトルを区別するように訓練されている：乳がんタイプ、結腸直腸がんタイプ、食道がんタイプ、頭／頸部がんタイプ、肝胆道系がんタイプ、肺がんタイプ、リンパ腫がんタイプ、卵巣がんタイプ、膵臓がんタイプ、非がんタイプ、および他のがんタイプ。この例において使用されるサンプルは、がんタイプのそれぞれを有することが判明している対象に由来していた。例えば、乳がんタイプサンプルのコホートを使用して、乳がんタイプをコールすることにおけるがん分類器の正解率を検証した。さらに、使用したサンプルは、がんの様々なステージにある対象に由来する。
【0170】
乳がんコホート、結腸直腸がんコホート、および肺がんコホートについて、がん分類器は、後続のがんのステージでは、がんタイプを正確に予測することにおいて徐々により正確となった。頭／頸部コホート、卵巣コホート、および膵臓コホートについて、がん分類器は、後期ステージ、すなわち、ステージＩＩＩおよび／またはステージＩＶにおいて、正解率の増加を有した。食道コホートおよび肝胆道系コホートについて、がん分類器はまた、後期ステージ、すなわち、ステージＩＩＩおよびステージＩＶにおける正解率を有していた。非がんコホートについては、がん分類器は、非がんサンプルを、がんを有さない可能性が高いと予測することにおいて完全に正確であった。最後になるが、リンパ腫コホートは、様々なステージを通じて成功を有し、ピークの成功はステージＩＩのがんのサンプルを正確に予測することであった。
【0171】
図６は、例示的な実装による、最初に二値がん分類器を使用した後の様々ながんタイプのためのマルチクラスがん分類器のがん予測の正解率を示す多数のグラフを図示する。この例において、分析システムは、まず、多数のがんタイプコホートに由来するサンプルを、二値がん分類器に入力して、サンプルががんを有する可能性が高いかまたはがんを有さない可能性が高いかを決定する。次いで、分析システムは、がんを有する可能性が高いと決定されたサンプルを、マルチクラスがん分類器に入力して、そのサンプルのがんタイプを予測する。考慮するがんタイプとしては、乳がんタイプ、結腸直腸がんタイプ、食道がんタイプ、頭／頸部がんタイプ、肝胆道系がんタイプ、肺がんタイプ、リンパ腫がんタイプ、卵巣がんタイプ、膵臓がんタイプ、および他のがんタイプが挙げられる。
【0172】
図５における例と比較して、分析システムは、まず二値がん分類器を使用し、次いでマルチクラスがん分類器を使用した場合、正解率の増加を示す。乳がんコホート、結腸直腸がんコホート、肺がんコホート、およびリンパ腫がんコホートの間で、分析システムは、正解率の全体的な増加を有した。具体的には、分析システムは、初期ステージのがん、すなわち、ステージＩ、ステージＩＩ、およびさらにはステージＩＩＩにおいて、がんタイプのそれぞれについて予測正解率の際立った増加を有した。
【0173】
図７は、例示的な実装による、訓練されたがん分類器の性能を示す混同行列を図示する。プロセス３００に従って訓練する１つの例において、リッジ回帰ペナルティを有するマルチクラスカーネルロジスティック回帰（ＫＬＲ）分類器を、重みに対するペナルティ、およびそれぞれのがんタイプのバイアス項に対する固定ペナルティを用いて、導出された特徴ベクトルで訓練した。リッジ回帰ペナルティを、高い関連性の位置を選択するのに使用されない訓練データの一部分に対して最適化し（ｌｏｇ損失を使用）、最適なパラメーターが見出された後、ロジスティック分類器を、ローカルの訓練フォールドのセット全体で再訓練した。選択された高い関連性の部位および分類器の重みを、次いで、新しいデータに適用した。ＣＣＧＡ訓練セット内で、１つのフォールドを、反復的にホールドアウトし、９個中８個のフォールドで関連する部位を選択し、ＫＬＲ分類器のハイパーパラメーターを、９個目のセットで最適化し、ＫＬＲを、１０個中９個のフォールドで再訓練し、ホールドアウトしたフォールドに適用した。これを、１０回反復して、ＣＣＧＡ訓練セット内でＴＯＯを推定した。ＣＣＧＡ試験セットについては、関連する部位を、ＣＣＧＡ訓練の１０個中９個のフォールドで選択し、ハイパーパラメーターを、１０個目のフォールドで最適化し、ＫＬＲ分類器を、すべてのＣＣＧＡ訓練データで再訓練し、選択された部位およびＫＬＲ分類器を、試験セットに適用した。考慮されるがんタイプとしては、多発性骨髄腫がんタイプ、結腸直腸がんタイプ、リンパ腫がんタイプ、卵巣がんタイプ、肺、頭／頸部がんタイプ、膵臓がんタイプ、乳がんタイプ、肝胆道系がんタイプ、食道がんタイプ、および他のがんタイプが挙げられる。他のがんタイプとしては、ＣＣＧＡ内採取されたサンプルが５個未満のがん、例えば、肛門直腸、膀胱、原発ＴＯＯ不明のがん、子宮頸、胃、白血病、黒色腫、前立腺、腎臓、甲状腺、子宮、および他の追加のがんが挙げられる。
【0174】
混同行列は、判明しているがんＴＯＯ（ｘ軸に沿って）および予測されたがんＴＯＯ（ｙ軸に沿って）を有するサンプルを有するがんタイプ間の一致を示す。訓練されたＫＬＲ分類器の性能を検証するために、それぞれのがんタイプについてサンプルのコホート（それぞれのがんタイプについてｙ軸に沿って括弧内に示される）を、ＫＬＲ分類器で分類した。ｘ軸は、それぞれのコホートから、それぞれのがんタイプ下に分類されたサンプルの数を示す。例えば、肺がんが判明している２５個のサンプルを有する肺がんコホートでは、ＫＬＲ分類器は、１つのサンプルが卵巣がんを有し、１９個のサンプルが肺がんを有し、２つのサンプルが頭／頸部がんを有し、１つのサンプルが膵臓がんを有し、１つのサンプルが乳がんを有し、１つのサンプルが他のがんタイプとしてラベル付けされると予測した。注目すべきことに、他のがんタイプを除くすべてのがんタイプについて、ＫＬＲ分類器は、それぞれのコホートの半数を上回って、正確に予測しており、多発性骨髄腫（２／２または１００％）、結腸直腸（１８／２０または９０％）、リンパ腫（８／９、または８８．８％）、卵巣（４／５または８０％）、肺（１９／２５または７６％）、および頭／頸部（３／４または７５％）のがんタイプでは特に高い正解率であった。これらの結果は、ＫＬＲ分類器の予測正解率を示す。
【0175】
図１１は、例示的な実装における、追加の血液がんサブタイプを用いて訓練されたがん分類器の性能を示す混同行列を図示する。がん分類器は、例えば、図７のがん分類器の例示的な結果に関して、上述の原理に従って訓練されてよい。血液学的サブタイプのＴＯＯラベルとしては、ホジキンリンパ腫（ＨＬ）、ＮＨＬ侵攻性、ＮＨＬ緩慢性、骨髄系、循環リンパ腫（またはリンパ系）、および形質細胞が挙げられる。分類の適合率は、１，０７６に対して８７．５％であることに留意されたい。
【0176】
図１２Ａおよび図１２Ｂは、例示的な実装において、がんステージにわたる多数のがんタイプに関してがん予測正解率を示すグラフを図示する。この例において、がん分類器は、上述のプロセス１０００に従って、非がんサンプルを除外した後に訓練される。分析システムは、血液学的サブタイプに関して複数のＴＯＯ閾値を決定した。分析システムは、少なくとも１つのＴＯＯ確率が血液学サブタイプの対応するＴＯＯ閾値であるかまたはそれを上回る、非がんサンプルを除外した。示されているグラフは、肛門直腸、膀胱および尿路上皮、乳房、子宮頸、結腸直腸、頭頸部、肝臓および胆管、肺、黒色腫、卵巣、膵臓および胆嚢、前立腺、腎臓、肉腫、甲状腺、上部消化管、ならびに子宮のがんタイプについて、がんの様々なステージにわたる分類の感度を示す。それぞれのがんタイプのグラフは、「ｌｏｃｋｅｄ＿ｖ１＿ｏｒｇｉ」とラベル付けされるＴＯＯ閾値処理なしで第１のがん分類器を用い、「ｖ２＿ｃｕｓｔｏｍ」とラベル付けされるＴＯＯ閾値処理ありで第２のがん分類器を用いた、がんタイプのそれぞれのステージにわたる予測感度を示す。注目すべきことに、多数のがんタイプについて、第２のがん分類器は、より多くのサンプルが検証に利用可能であることを踏まえ、狭い信頼性区間を維持しながら、より高い予測正解率を有する。特に留意すべきことには、ステージＩおよびＩＩのレベルでは多数のがんタイプにおいて高い予測正解率が存在し、初期ステージのがんにおいてＴＯＯ閾値処理による予測能力の改善が示される。
【0177】
例示的な血液学特異的分類器
図１６Ａ、図１６Ｂ、図１７、および図１８は、第１の例示的な実装による、血液学特異的がん分類器のがん予測正解率を示すグラフを図示する。まず、標的化メチル化アッセイ検証のために設計されたＣＣＧＡの第２の事前に指定されたサブ研究から、ｃｆＤＮＡサンプルにアクセスした。この例において、訓練セットのサンプルのみを使用し、社内組織生検参照データベースから得られた腫瘍組織サンプルは、分類モデルの訓練に含めた。具体的には、血液学的悪性腫瘍のカスタム分類モデルを訓練するために使用したサンプルは、血液がん診断を有して登用された参加者（がん症例）およびがん診断を有さずに登用された参加者（非がん対照）から得たものであった。１５４個の血液細胞サンプルまたは血液学的悪性腫瘍の組織ＦＦＰＥサンプルもまた、含まれた。合計すると、血液がんを有する１８５人の参加者に由来するｃｆＤＮＡサンプルおよび１年の追跡時点でがん診断を有さないことが確認された１，９９８個の非がん対照が、性能評価に含まれた。
図１６Ａ、図１６Ｂ、図１７、および図１８は、第１の例示的な実装による、血液学特異的がん分類器のがん予測正解率を示すグラフを図示する。まず、標的化メチル化アッセイ検証のために設計されたＣＣＧＡの第２の事前に指定されたサブ研究から、ｃｆＤＮＡサンプルにアクセスした。この例において、訓練セットのサンプルのみを使用し、社内組織生検参照データベースから得られた腫瘍組織サンプルは、分類モデルの訓練に含めた。具体的には、血液学的悪性腫瘍のカスタム分類モデルを訓練するために使用したサンプルは、血液がん診断を有して登用された参加者（がん症例）およびがん診断を有さずに登用された参加者（非がん対照）から得たものであった。１５４個の血液細胞サンプルまたは血液学的悪性腫瘍の組織ＦＦＰＥサンプルもまた、含まれた。合計すると、血液がんを有する１８５人の参加者に由来するｃｆＤＮＡサンプルおよび１年の追跡時点でがん診断を有さないことが確認された１，９９８個の非がん対照が、性能評価に含まれた。
【0178】
この第１の例示的な実装において、がん分類器は、５つの血液学的サブタイプとがんの不在（「非がん」）との間を区別するように訓練される。５つの血液学的サブタイプは、骨髄系新生物、非ホジキンリンパ腫（ＮＨＬ）、循環リンパ腫、形質細胞新生物、およびホジキンリンパ腫（ＨＬ）である。交差検証した相互情報に基づくアルゴリズムを使用して、５つの血液学的サブタイプと対照クラスとの間を区別する特徴を特定した。多項分類器を、次いで、がんの存在または不在を検出し、６分割交差検証を使用して、５つの血液がんおよび非がんの間で起源組織を予測するように訓練した。
【0179】
訓練された血液学特異的分類器は、対照において９９．４％を上回る［９５％信頼性区間（ＣＩ）：９９．０～９９．７％］全体的な特異度、および血液がんについて７４．３％［９５％ ＣＩ：６７．４～８０．５％］の感度を達成した。図１６Ａは、血液学的サブタイプにわたる９９．５％の特異度レベルにおける分類器の感度を示すグラフを図示する。それぞれの血液学的サブタイプに関する血液学特異的がん分類器の感度が、昇順で配置され、クラスラベルにおける数字は、サンプルの数を示し、エラーバーは、９５％信頼性区間を示す。４つのサンプルが分類された骨髄系新生物は、５０％をわずかに下回る感度を有し、約１０％から約９０％という広い９５％信頼性区間を有する。この低い感度は、訓練に使用されたサンプルが限定されていたことに起因する。図１６Ａの実施形態において、ＮＨＬ、循環リンパ腫、形質細胞新生物、およびＨＬは、骨髄系新生物よりも良好なおよそ７０％から８７％の感度を有する。具体的には、血液学的サブタイプごとの感度は、骨髄系新生物については４５．８％［９５％ ＣＩ：５．３～９１．６％］であり、循環リンパ腫については７６．５％［９５％ ＣＩ：６１．３～８８．０％］であり、ホジキンリンパ腫については８６．１％［９５％ ＣＩ：５４．７～９８．７％］であり、他の非ホジキンリンパ腫については７１．３％［９５％ ＣＩ：６０．８～８０．３％］であり、形質細胞新生物については７８．９％［９５％ ＣＩ：６１．６～９１．０％］であった。
【0180】
図１６Ｂは、ホジキンリンパ腫および非ホジキンリンパ腫のステージにわたり９５％の特異度における分類器の感度を示すグラフを図示する。ステージＩの感度（１５個のサンプル中）は、約２５％である。ステージＩＩの感度（２７個のサンプル中）は、約８５％である。ステージＩＩＩの感度（２７個のサンプル中）は、約７５％である。ステージＩＶの感度（３２個のサンプル中）は、約８５％である。このグラフは、ステージＩとステージＩＩ（およびそれ以降）との間で血液学特異的がん分類器の感度の劇的な増加を示す。具体的には、リンパ腫（ＨＬおよびＮＨＬ）について、ステージごとの感度は、ステージＩについては２５．６％［９５％ ＣＩ：７．２～５４．０％］であり、ステージＩＩについては８４．６％［９５％ ＣＩ：６５．５～９５．５％］であり、ステージＩＩＩについては７２．８％［９５％ ＣＩ：５２．４～８８．０％］であり、ステージＩＶについては８３．９％［９５％ ＣＩ：６６．６～９４．４％］であった。
【0181】
図１７は、第１の例示的な実装における血液学特異的がん分類器のがん予測正解率を示す混同行列を図示する。それぞれの枠内の数字は、予測されたサンプルの総数を表す。混同行列において、色付き／影付きは、プロットの右側に示されるように、予測された血液学的サブタイプの比率に対応する。同様に、正しい予測の割合は、グラフの右側に示される。起源組織の局在化を、ＴＯＯマルチクラス分類器によって血液がんとして正しく検出されたがんの症例において評価した。図１７に示されるように、血液学特異的分類器は、全体的なＴＯＯ予測正解率８７．７％を達成し、ホジキンリンパ腫および骨髄系新生物でもっとも高い予測正解率（１００％）を有し、形質細胞新生物（９６．４％）、非ホジキンリンパ腫（８５．９％）、および循環リンパ腫（８０％）が続いた。血液がんを有するとして分類された１１人の非がん対照（非がん対照の０．５５％）のうち、５人は循環リンパ腫として予測され、６人は他の非ホジキンリンパ腫として予測され（１％未満の偽陽性率）、ほとんどが、予測された血液クラスに局在化する信頼性ＴＯＯシグナルを示していた（合計確率量の５０％以上）。
【0182】
いくつかの例において、最終的な分類器に関して有効なメチル化特徴の低次元表示は、ＵＭＡＰ法を使用して生成することができ、これは、高次元データのトポロジーを保存する。例えば、上記で考察された図９Ｂにおいて、ＵＭＡＰ埋込みは、血液学的悪性腫瘍の大半が、発達系統および疾患オントロジーを反映して５つの主要なクラスターに分離されたことを示す。非がん対照（図９Ｂにおける等高線密度を使用して示される）の大半が、血液がんとは別個にクラスター化された。
【0183】
次いで、散布図を使用して、特徴埋込みの空間分布とモデルのクラス確率との間の関係性を視覚化した。例えば、図１８は、例示的な実装における、ＵＭＡＰ埋込みにおける重心からの距離に対してがんスコアをプロットする一連のグラフを図示する。ＵＭＡＰ埋込みは、図９ＢのＵＭＡＰ埋込みと同じである。ｘ軸は、ロジット変換された、サンプルががんである確率、すなわち、がんスコアのロジットをプロットする。ロジット関数（対数－オッズとも称される）は、オッズ
【0184】
【数1】
【0185】
の対数であり、式中、ｐは、確率である。ｙ軸は、ＵＭＡＰ埋込みの重心からのユークリッド距離をプロットする。これらのプロットは、様々な血液学的サブタイプについて、がんスコアとＵＭＡＰ埋込みにおける局在化との間の相関性を描写する。グラフ１８１０は、骨髄系新生物サブタイプにおける相関性を表す。グラフ１８２０は、ＮＨＬサブタイプにおける相関性を表す。グラフ１８３０は、循環リンパ腫サブタイプにおける相関性を表す。グラフ１８４０は、ＨＬサブタイプにおける相関性を表す。グラフ１８５０は、形質細胞新生物サブタイプにおける相関性を表す。グラフ１８６０は、非がんサンプルにおける最小限の相関性を表す。図１８に示されるように、それらのＵＭＡＰ埋込み局在化と分類スコアとの間に、強力な正相関が存在していた。
【0186】
例示的な血液学特異的分類器によって示されるように、血液学的悪性腫瘍のためのカスタム分類器は、５つの主要な血液学的悪性腫瘍の検出および区別を同時に行うための便宜的な手段を提供し、これによって、臨床診断および処置の選択が促進されてよい。この様式で、カスタム分類器は、複数のがんのさらに高感度な検出を達成することができ、これを使用して、がん検出およびＴＯＯ予測正解率を精査することができる。
【0187】
図１９、図２０、および図２１は、第２の例示的な実装による、血液学特異的がん分類器のがん予測正解率を示すグラフを図示する。まず、標的化メチル化アッセイ検証のために設計されたＣＣＧＡの第２の事前に指定されたサブ研究から、ｃｆＤＮＡサンプルにアクセスした。この例において、訓練セットのサンプルのみを使用し、社内組織生検参照データベースから得られた腫瘍組織サンプルは、分類モデルの訓練に含めた。具体的には、血液学的悪性腫瘍のカスタム分類モデルを訓練するために使用したサンプルは、血液がん診断を有して登用された参加者（がん症例）およびがん診断を有さずに登用された参加者（非がん対照）から得たものであった。合計すると、血液がんを有する５３４人の参加者から得られたｃｆＤＮＡサンプルが、性能評価に含まれた。
【0188】
この第２の例示的な実装において、がん分類器は、７つの血液学的サブタイプと、がんの不在（「非がん」）との間を区別するように訓練される。７つの血液学的サブタイプは、骨髄系新生物、非ホジキンリンパ腫（ＮＨＬ）、循環リンパ腫、形質細胞新生物、ホジキンリンパ腫（ＨＬ）、ｈｅｍｅ＿１、およびｈｅｍｅ＿３である。サブタイプｈｅｍｅ＿１およびｈｅｍｅ＿３は、血液がん、例えば、他の血液学的サブタイプへと発達するかもしれない血液学的前駆状態の２つのタイプを指す。血液学的前駆状態としては、意義不明のモノクローナルガンマグロブリン異常症（ｍｏｎｏｃｌｏｎａｌ ｇａｍｍｏｐａｔｈｙ）またはモノクローナルＢ細胞リンパ球増加症を挙げることができるが、これらに限定されない。交差検証した相互情報に基づくアルゴリズムを使用して、７つの血液学的サブタイプと非がんクラスとの間を区別する特徴を特定した。多項分類器を、次いで、がんの存在または不在を検出し、６分割交差検証を使用して、５つの血液がんおよび非がんの間で起源組織を予測するように訓練した。
【0189】
図１９は、血液学特異的がん分類のための複数の訓練サンプルの異常スコアをプロットするグラフを図示する。グラフを参照すると、「Ｍ」は、骨髄系新生物血液学的サブタイプを指し、「Ｈ３」は、ｈｅｍｅ＿３血液学的サブタイプを指し、「ＨＬ」は、ホジキンリンパ腫血液学的サブタイプを指し、「ｎＨＬ」は、非ホジキンリンパ腫サブタイプを指し、「ＣＬ」は、循環リンパ腫血液学的サブタイプを指し、「Ｈ１」は、ｈｅｍｅ＿１血液学的サブタイプを指し、「Ｐ」は、形質細胞新生物血液学的サブタイプを指す。ｙ軸には、相互情報利得に従って使用に選択されるいくつかの上位特徴がある。このように、第１の列は、第２の列に示される他の血液学的サブタイプのそれぞれに対して比較した、それぞれの血液学的サブタイプを示す。ｘ軸には、判明している血液学的サブタイプによってグループ分けした訓練サンプルがある。例えば、「ｎＨＬ」という列の下には、非ホジキンリンパ腫血液学的サブタイプとラベル付けされることが判明している訓練サンプルがある。分析システムは、選択された特徴のそれぞれについて、異常スコアを決定する。この実装において、異常スコアは、特徴をカバーする異常にメチル化されたフラグメントの存在（白色で示される）または不在（灰色で示される）に基づく二値スコアである。留意すべきことに、主対角線に沿った（左上から右下への）白色の領域は、血液学的サブタイプを分類する際の区分力に対する指標を提供する。行内で、特徴が、異なる血液学的サブタイプに由来する異なるサンプルにわたって白色が拡がっている場合、その特徴は区分力が低く、ノイズが多いことという指標が存在する。
【0190】
図２０は、９９．５％の特異度における血液学特異的がん分類器の感度を示すグラフを図示する。それぞれの血液学的サブタイプの左側のデータのセットは、血液学特異的がん分類器を訓練するために使用した訓練セットに関するものであり、一方で右側のデータのセットは、ホールドアウトセットに関するものである。それぞれ訓練セットおよびホールドアウトセットに存在するサンプルの数が、下のｘ軸にそれぞれの血液学的サブタイプのラベルの後に記されている。９５％信頼性区間は、それぞれのサブタイプの訓練セットおよびホールドアウトセットで測定された感度について示されている。ｈｅｍｅ＿１サブタイプは、訓練セットおよびホールドアウトセットの両方について、低い感度を有した。ｈｅｍｅ＿３サブタイプは、訓練セットおよびホールドアウトセットの両方について、約２５％の感度を有した。骨髄系新生物サブタイプは、訓練セットについては５０％の感度を有し（２つの訓練サンプルのうちの１つを正確に予測した）、ホールドアウトセットについては１００％の感度を有した（１つのホールドアウトサンプルのうちの１つを正確に予測した）。循環リンパ腫サブタイプは、両方のセットについて、約７０％の感度を有した。非ホジキンリンパ腫サブタイプは、訓練セットについては約７０％の感度を有し、ホールドアウトセットについては約７５％の感度を有した。形質細胞新生物サブタイプは、両方のセットについて約７５％の感度を有した。ホジキンリンパ腫サブタイプは、訓練セットについては約８０％を有し、ホールドアウトセットについては約７０％を有した。
【0191】
図２１は、第２の例示的な実装における、血液学特異的がん分類器のがん予測正解率を示す混同行列を図示する。それぞれの枠内の数字は、予測されたサンプルの総数を表す。混同行列において、色付き／影付きは、プロットの右側に示されるように、予測された血液学的サブタイプの比率に対応する。同様に、正しい予測の割合は、グラフの右側に示される。起源組織の局在化を、ＴＯＯマルチクラス分類器によって血液がんとして正しく検出されたがんの症例において評価した。図２１に示されるように、血液学特異的分類器は、約７５％の全体的なＴＯＯ予測正解率を達成した。形質細胞新生物サブタイプは、１７個の判明しているサンプルのうち１７個を正確に予測し、１００％の予測正解率を有した。Ｈｅｍｅ＿１サブタイプは、４個の判明しているサンプルのうち１個を正確に予測し、２５％の予測正解率を有した。循環リンパ腫サブタイプは、２７個の判明しているサンプルのうち２５個を正確に予測し、９２．６％の予測正解率を有した。非ホジキンリンパ腫サブタイプは、５５個の判明しているサンプルのうち４８個を正確に予測し、８７．３％の予測正解率を有した。ホジキンリンパ腫サブタイプは、８個の判明しているサンプルのうち８個を正確に予測し、１００％の予測正解率を有した。Ｈｅｍｅ＿３サブタイプは、２０個の判明しているサンプルのうち１９個を正確に予測し、９５％の予測正解率を有した。骨髄系新生物サブタイプは、１個の判明しているサンプルのうち１個を正確に予測し、１００％の予測正解率を有した。
【0192】
第２の例示的な血液学特異的分類器によって示されるように、血液学的悪性腫瘍および血液学的前駆状態のためのカスタム分類器はまた、最終的に血液学的悪性腫瘍へと変化するそのような前駆状態を特定することもできる。この前駆状態の分類能力は、将来的に血液学的悪性腫瘍を発症する個体を特定するのに役立つことが示され、これにより、さらにより早期の臨床診断および処置選択をもたらすことができる。この様式で、カスタム分類器は、複数のがんのさらに高感度な検出を達成することができ、これを使用して、がん検出およびＴＯＯ予測正解率を精査することができる。
【0193】
ＶＩ．追加の考察
前述の実施形態の詳細な説明は、本開示の特定の実施形態を図示する添付の図面を参照する。異なる構造および操作を有する他の実施形態は、本開示の範囲から逸脱しない。「本発明」などの用語は、本明細書に記載される本出願者らの発明の多数の代替的な態様または実施形態のある特定の具体的な例を参照して使用され、その使用もその不在も、本出願者らの発明の範囲または特許請求の範囲を制限することを意図するものではない。
前述の実施形態の詳細な説明は、本開示の特定の実施形態を図示する添付の図面を参照する。異なる構造および操作を有する他の実施形態は、本開示の範囲から逸脱しない。「本発明」などの用語は、本明細書に記載される本出願者らの発明の多数の代替的な態様または実施形態のある特定の具体的な例を参照して使用され、その使用もその不在も、本出願者らの発明の範囲または特許請求の範囲を制限することを意図するものではない。
【0194】
本発明の実施形態は、本明細書における操作を実行するための装置にも関連する。この装置は、必要とされる目的のために特別に構築されたものであってもよく、かつ／またはそれは、コンピュータに記憶されたコンピュータプログラムによって選択的に作動もしくは再構成される汎用コンピューティングデバイスを含んでよい。そのようなコンピュータプログラムは、非一過性有形コンピュータ可読記憶媒体、または電子命令を記憶するのに好適な任意のタイプの媒体に記憶されてよく、媒体は、コンピュータシステムバスに連結されていてもよい。さらに、本明細書において言及される任意のコンピューティングシステムは、単一のプロセッサを含んでもよく、またはコンピューティング能力の増加のために複数プロセッサの設計を用いたアーキテクチャであってもよい。
【0195】
分析システムによって実行されるとして本明細書に記載されるステップ、操作、またはプロセスのいずれも、単独または他のコンピューティングデバイスとの組合せで、装置の１つまたは複数のハードウェアまたはソフトウェアモジュールを用いて実行または実装されてよい。一実施形態において、ソフトウェアモジュールは、記載されるステップ、操作、またはプロセスのうちのいずれかまたはすべてを実行するためにコンピュータプロセッサによって実行されてよい、コンピュータプログラムコードを含むコンピュータ可読媒体を含むコンピュータプログラム製品を用いて実装される。
【図1A】
【図1B】
【図2A】
【図2B】
【図3A】
【図3B】
【図4A】
【図4B】
【図5】
【図6】
【図7】
【図8】
【図9A】
【図9B】
【図10A】
【図10B】
【図11】
【図12A】
【図12B】
【図13A】
【図13B】
【図13C】
【図14】
【図15】
【図16A】
【図16B】
【図17】
【図18】
【図19】
【図20】
【図21】
【国際調査報告】