Perfiles de expresión génica para predecir desenlaces en cáncer de mama.

Método de clasificación de un subtipo intrínseco de cáncer de mama en una muestra de prueba que comprende:

a) obtener un perfil de expresión génica para cada una de una pluralidad de muestras de cáncer de mama de entrenamiento que se han clasificado según el subtipo intrínseco de cáncer de mama, en el que cada uno de los subtipos intrínsecos luminal A (LumA), luminal B (LumB), de tipo basal (basal), enriquecido en HER2 (HER2) y de tipo normal (normal) está representado en la pluralidad de muestras de cáncer de mama, y en el que el perfil de expresión génica se basa en la expresión de al menos 40 de 10 los genes intrínsecos enumerados en la tabla 1;

b) usar un algoritmo para construir perfiles de expresión génica o "centroides" para cada uno de los subtipos intrínsecos de cáncer de mama en el conjunto de entrenamiento;

c) obtener un perfil de expresión génica para dicha muestra de prueba, en el que el perfil de expresión génica se basa en la expresión de los mismos al menos 40 genes intrínsecos enumerados en la tabla 1 tal como se usan en la etapa a);

d) comparar el perfil de expresión génica de la muestra de prueba con los centroides construidos en la etapa (b);

e) calcular la distancia del perfil de expresión génica de la muestra de prueba a cada uno de los centroides; y,

f) asignar la muestra de prueba a uno de los subtipos intrínsecos de cáncer de mama basándose en el centroide más cercano.

Perfiles de expresion genica para predecir desenlaces en cancer de mama. CAMPO DE LA INVENCION La presente invencion se refiere a metodos para clasificar muestras de cancer de mama en subtipos y para evaluar el pronostico y la respuesta a la terapia para pacientes que padecen cancer de mama. ANTECEDENTES DE LA INVENCION El cancer de mama es el segundo cancer mas comun ente mujeres en los Estados Unidos, segundo solo tras el cancer de piel. Una mujer en los EE.UU. tiene una probabilidad de uno entre ocho de desarrollar cancer de mama durante su vida, y la Sociedad americana contra el cancer ("American Cancer Society") estima que se notificaran mas de 178.480 casos nuevos de cancer de mama invasivo en los Estados Unidos en 2007. El cancer de mama es la segunda causa principal de muertes por cancer en mujeres, con mas de 40.000 muertes al ano. Los metodos de deteccion mejorados, el cribado masivo y los avances en el tratamiento a lo largo de la ultima decada han mejorado significativamente las perspectivas para las mujeres diagnosticadas con cancer de mama. Hoy en dia, aproximadamente el 80% de los casos de cancer de mama se diagnostican en los estadios tempranos de la enfermedad cuando las tasas de supervivencia estan en su punto mas alto. Como resultado, aproximadamente el 85% de las pacientes con cancer de mama viven al menos cinco anos tras el diagnostico. A pesar de estos avances, aproximadamente el 20% de las mujeres diagnosticadas con cancer de mama en estadio temprano tienen un mal desenlace a diez anos y padeceran reaparicion de la enfermedad, metastasis o muerte dentro de este periodo de tiempo. Una investigacion significativa se ha centrado en la identificacion de metodos y factores para evaluar el pronostico de cancer de mama y predecir la respuesta terapeutica (vease en general, Ross y Hortobagyi, eds. (2005) Molecular Oncology of Breast Cancer (Jones y Bartlett Publishers, Boston, MA) y las referencias citadas en el mismo) . Los indicadores de pronostico incluyen factores convencionales, tales como tamano del tumor, estado de los ganglios y grado histologico, asi como marcadores moleculares que proporcionan alguna informacion con respecto al pronostico y la respuesta probable a tratamientos particulares. Por ejemplo, la determinacion del estado del receptor de la hormona esteroidea estrogeno (ER) y progesterona (PgR) se ha convertido en un procedimiento de rutina en la evaluacion de pacientes con cancer de mama. Vease, por ejemplo, Fitzgibbons et al., Arch. Pathol. Lab. Med. 124:966-78, 2000. Es mas probable que los tumores que son positivos para el receptor de la hormona respondan a la terapia hormonal y tambien normalmente crecen de manera menos agresiva, dando como resultado asi un mejor pronostico para las pacientes con tumores ER+/PgR+. La sobreexpresion del receptor del factor de crecimiento epidermico humano 2 (HER-2/neu) , una proteina receptora tirosina cinasa transmembrana, se ha correlacionado con mal pronostico de cancer de mama (vease, por ejemplo, Ross et al., The Oncologist 8:307-25, 2003) , y los niveles de expresion de HER-2 en tumores de mama se usan para predecir la respuesta al anticuerpo monoclonal anti-HER2 terapeutico trastuzumab (Herceptin®, Genentech, South San Francisco, CA) . SUMARIO DE LA INVENCION Se proporcionan metodos para clasificar y para evaluar el pronostico y el tratamiento de un sujeto con cancer de mama. Los metodos incluyen prediccion de subtipo de cancer de mama usando un algoritmo supervisado entrenado para estratificar sujetos basandose en el subtipo intrinseco de cancer de mama. El modelo de prediccion se basa en el perfil de expresion genica de los genes intrinsecos enumerados en la tabla 1. En algunas realizaciones, el algoritmo es un algoritmo del centroide mas cercano, similar al algoritmo del analisis de prediccion de micromatriz (PAM) . El algoritmo puede entrenarse basandose en datos obtenidos a partir de los perfiles de expresion genica depositados como numero de registro GSE10886 en el National Center for Biotechnology Information Gene Expression Omnibus. Este modelo de prediccion, denominado en el presente documento modelo de clasificacion PAM50, puede usarse para predecir con precision el subtipo intrinseco de un sujeto diagnosticado con o que se sospecha que tiene cancer de mama. Ademas se proporcionan composiciones y metodos para predecir el desenlace o la respuesta a la terapia de un sujeto diagnosticado con o que se sospecha que tiene cancer de mama. Estos metodos son utiles para orientar o determinar las opciones de tratamiento para un sujeto que padece cancer de mama. Los metodos de la invencion incluyen ademas medios para evaluar perfiles de expresion genica, que incluyen micromatrices y ensayos de reaccion en cadena de la polimerasa cuantitativa, asi como kits que comprenden reactivos para poner en practica los metodos de la invencion. BREVE DESCRIPCION DE LOS DIBUJOS La figura 1 muestra desenlaces basandose en predicciones de subtipo usando el clasificador PAM50. La clasificacion PAM50 para LumA, LumB, enriquecido en HER-2, de tipo basal y de tipo normal muestra significacion pronostica para 1451 pacientes a lo largo de los 5 conjuntos de prueba combinados (A) , en 376 pacientes a las que se administro solo terapia endocrina (B) y en 701 pacientes negativas para ganglios a las que no se administro terapia sistemica adyuvante (C) .

La figura 2 muestra la clasificacion del riesgo para casos de prueba usando un modelo completo de subtipos intrinsecos y dos variables clinicas. (A) riesgo de puntuaciones de recidiva representado graficamente para cada subtipo de cancer de mama: puntuaciones de riesgo bajo < -0, 1, puntuaciones de riesgo moderado entre -0, 1 y 0, 2, y puntuaciones de riesgo alto º0, 2. (B) diagramas de Kaplan-Meier y significacion de la puntuacion de riesgo para las 1286 muestras de prueba, (C) 376 pacientes que recibieron solo terapia endocrina adyuvante y (D) 560 pacientes que eran negativas para ganglios y no recibieron terapia sistemica adyuvante.

La figura 3 muestra la puntuacion lineal para el pronostico usando el modelo clinico de subtipos para determinar el riesgo de recidiva en 5 anos. El ajuste lineal con intervalos de confianza del 95% calibra el riesgo de puntuacion de recidiva. El modelo de riesgo continuo con subtipo y variables clinicas (T y N) se calibro a partir de 657 pacientes con cancer de mama en estadio temprano positivo para ER (A) y en 1286 pacientes con enfermedad positiva para ER y negativa para ER y estadio 1-3 (B) .

La figura 4 muestra la asociacion de subtipo intrinseco de PAM50, determinada mediante qPCR a partir de bloques de parafina, siendo (A) la supervivencia libre de recidiva y (B) la supervivencia especifica de la enfermedad entre 702 mujeres con carcinoma de mama invasivo tratado con tamoxifeno adyuvante.

La figura 5 muestra el analisis de Kaplan-Meier de supervivencia especifica de la enfermedad de cancer de mama para pacientes estratificadas en las categorias de riesgo bajo, medio y alto aplicando el algoritmo riesgo de recidiva a los datos de qPCR generados a partir de bloques de parafina. (A) ROR-S, (B) ROR-C.

La figura 6 muestra el analisis de Kaplan-Meier de supervivencia especifica de la enfermedad de cancer de mama para pacientes estratificadas en las categorias de riesgo bajo, medio y alto (tal como se definio anteriormente en el material independiente aplicando el algoritmo ROR-C a mujeres con (A) enfermedad negativa para ganglios y (B) enfermedad positiva para ganglios) .

La figura 7 muestra el analisis de Kaplan-Meier de supervivencia especifica de la enfermedad de cancer de mama para pacientes estratificadas en las categorias negativo para ganglios o positivo para ganglios entre mujeres con un riesgo bajo de ROR-C (panel superior a la izquierda) , mujeres con riesgo moderado de ROR-C (panel superior a la derecha) ; mujeres con riesgo alto de ROR-C (panel inferior a la izquierda) . Para la comparacion directa, todas las curvas estan superpuestas en el panel inferior a la derecha. Entre las mujeres con ROR-C bajo, no hay diferencia significativa en el desenlace por estado de los ganglios.

La figura 8 muestra que un analisis del modelo ROR-C frente a la probabilidad de supervivencia, estratificado por el numero de ganglios linfaticos implicados, revela buenos desenlaces independientemente de la categoria del estado de los ganglios entre pacientes con valores de ROR-C menores de 25, que tienen intervalos de confianza del 95% solapantes (indicados mediante lineas discontinuas)

La figura 9 muestra los resultados de analisis de Kaplan-Meier que se realizo por separado en cada grupo de riesgo de adyuvante, y se sometieron a prueba las diferencias en la supervivencia entre los grupos de riesgo del 90-95% y del 95-100% usando la prueba de rangos logaritmicos.

La figura 10 muestra los resultados de analisis de Kaplan-Meier... [Seguir leyendo]

1. Metodo de clasificacion de un subtipo intrinseco de cancer de mama en una muestra de prueba que comprende:

a) obtener un perfil de expresion genica para cada una de una pluralidad de muestras de cancer de mama de entrenamiento que se han clasificado segun el subtipo intrinseco de cancer de mama, en el que cada uno de los subtipos intrinsecos luminal A (LumA) , luminal B (LumB) , de tipo basal (basal) , enriquecido en HER2 (HER2) y de tipo normal (normal) esta representado en la pluralidad de muestras de cancer de mama, y en el que el perfil de expresion genica se basa en la expresion de al menos 40 de los genes intrinsecos enumerados en la tabla 1;

b) usar un algoritmo para construir perfiles de expresion genica o "centroides" para cada uno de los subtipos intrinsecos de cancer de mama en el conjunto de entrenamiento;

c) obtener un perfil de expresion genica para dicha muestra de prueba, en el que el perfil de expresion genica se basa en la expresion de los mismos al menos 40 genes intrinsecos enumerados en la tabla 1 tal como se usan en la etapa a) ;

d) comparar el perfil de expresion genica de la muestra de prueba con los centroides construidos en la etapa (b) ;

e) calcular la distancia del perfil de expresion genica de la muestra de prueba a cada uno de los centroides; y,

f) asignar la muestra de prueba a uno de los subtipos intrinsecos de cancer de mama basandose en el centroide mas cercano.

2. Metodo de prediccion de respuesta a la terapia neoadyuvante y/o adyuvante en un sujeto que tiene cancer de mama que comprende clasificar dicho sujeto segun el metodo segun la reivindicacion 1, en el que el subtipo de tumor intrinseco es indicativo de la respuesta a dicha terapia, prediciendo despues la respuesta.

3. Metodo segun la reivindicacion 2, en el que la terapia es terapia endocrina neoadyuvante, y el subtipo intrinseco se predice a partir de una muestra recogida de dicho sujeto tras el inicio de dicha terapia endocrina neoadyuvante.

4. Metodo segun la reivindicacion 3, en el que la muestra se recoge al menos un mes tras el inicio de dicha terapia endocrina neoadyuvante.

5. Metodo de prediccion de desenlace en un sujeto de prueba que tiene cancer de mama que comprende:

a) obtener un perfil de expresion genica para cada una de una pluralidad de muestras de cancer de mama de entrenamiento que se han clasificado segun el subtipo intrinseco de cancer de mama, en el que cada uno de los subtipos intrinsecos luminal A (LumA) , luminal B (LumB) , de tipo basal (basal) , enriquecido en HER2 (HER2) y de tipo normal (normal) esta representado en la pluralidad de muestras de cancer de mama, en el que se conoce el desenlace en dichas muestras, y en el que el perfil de expresion genica se basa en la expresion de al menos 40 de los genes intrinsecos enumerados en la tabla 1;

b) usar un algoritmo para construir centroides para cada uno de los subtipos intrinsecos de cancer de mama en el conjunto de entrenamiento;

c) calcular una puntuacion de riesgo para cada muestra de cancer de mama de entrenamiento ajustando un modelo a los perfiles de expresion genica obtenidos en la etapa (a) , en el que el modelo representa la similitud de cada perfil de expresion genica con los centroides construidos en la etapa (b) ;

d) estratificar las puntuaciones de riesgo obtenidas en la etapa (c) en multiples grupos de riesgo;

e) obtener un perfil de expresion genica a partir de una muestra de cancer de mama de dicho sujeto de prueba, en el que el perfil de expresion genica se basa en la expresion de los mismos al menos 40 genes intrinsecos enumerados en la tabla 1 tal como se usan en la etapa a) ;

f) comparar el perfil de expresion genica de la muestra de prueba con los centroides construidos en la etapa (b) ;

g) calcular la distancia del perfil de expresion genica de la muestra de prueba a cada uno de los centroides;

h) calcular una puntuacion de riesgo usando el modelo de la etapa (c) y la distancia a cada centroide obtenido en la etapa (f) ; y

i) determinar en que grupo de riesgo se encuentra dicho sujeto de prueba comparando la puntuacion de riesgo obtenida en la etapa (h) con los grupos de riesgo asignados en la etapa (d) , en el que la asignacion a un grupo de riesgo mas bajo indica un desenlace mas favorable, y la asignacion a un grupo de riesgo mas alto indica un desenlace menos favorable.

6. Metodo segun la reivindicacion 5, en el que

(i) la puntuacion de riesgo se calcula usando una suma ponderada de variables independientes; o

(ii) el desenlace es supervivencia especifica a cancer de mama, supervivencia libre de acontecimiento, o respuesta a la terapia; o

(iii) el algoritmo se entrena usando los datos de expresion genica obtenidos en la reivindicacion 5; o (iv) dicho modelo correlaciona ademas el desenlace con una o mas variables clinicas.

7. Metodo segun la reivindicacion 6 (iv) , en el que dichas variables clinicas se seleccionan del grupo que consiste en tamano del tumor, estado de los ganglios, grado histologico, estado del receptor de la hormona estrogeno, estado del receptor de la hormona progesterona, niveles de HER-2 y ploidia tumoral.

8. Metodo segun la reivindicacion 6 (ii) , en el que el desenlace es respuesta a la terapia y se mide mediante uno o mas criterios de valoracion de terapia.

9. Metodo segun la reivindicacion 8, en el que dicho uno o mas criterios de valoracion de terapia se seleccionan de respuesta clinica (criterios RECIST) , tamano del tumor patologico, valor de Ki67 dicotomizado o acontecimiento de recidiva.

10. Metodo segun la reivindicacion 1 o 5, en el que

(i) dicho algoritmo es un algoritmo del centroide mas cercano; o

(ii) el perfil de expresion genica para la muestra de prueba se obtiene usando reaccion en cadena de la polimerasa cuantitativa (qPCR) en tiempo real y transcripcion inversa con cebadores especificos para cada uno de dichos genes intrinsecos; o

(iii) el perfil de expresion genica para la muestra de prueba se obtiene usando analisis de micromatriz con sondas especificas para un producto de expresion de cada uno de dichos genes intrinsecos; o

(iv) los datos obtenidos a partir de los perfiles de expresion genica para las muestras de entrenamiento y el perfil de expresion genica para la muestra de prueba se procesan por medio de metodos de normalizacion antes del analisis.

11. Metodo segun la reivindicacion 1, en el que los centroides se construyen a partir de los datos de expresion genica depositados como numero de registro GSE10886 en el National Center for Biotechnology Information Gene Expression Omnibus.

12. Metodo segun la reivindicacion 10 (iv) , en el que dicho procesamiento comprende normalizacion para dar un conjunto de genes de mantenimiento.

13. Metodo segun la reivindicacion 12, en el que dichos genes de mantenimiento se seleccionan de MRPL19, PSMC4, SF3A1, PUMI, ACTB, TFRC, GUSB, RPLPO y/o GAPD.

14. Kit que consiste en reactivos suficientes para la medicion de los niveles de expresion de entre 40 y 50 de los genes intrinsecos enumerados en la tabla 1.