Processing

Please wait...

Settings

Settings

Goto Application

1. WO2020197820 - COMPUTERIZED SYSTEM AND METHOD FOR ANTIGEN-INDEPENDENT DE NOVO PREDICTION OF CANCER-ASSOCIATED TCR REPERTOIRE

Publication Number WO/2020/197820
Publication Date 01.10.2020
International Application No. PCT/US2020/022925
International Filing Date 16.03.2020
IPC
G06F 19/18 2011.01
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
FELECTRIC DIGITAL DATA PROCESSING
19Digital computing or data processing equipment or methods, specially adapted for specific applications
10Bioinformatics, i.e. methods or systems for genetic or protein-related data processing in computational molecular biology
18for functional genomics or proteomics, e.g. genotype-phenotype associations, linkage disequilibrium, population genetics, binding site identification, mutagenesis, genotyping or genome annotation, protein-protein interactions or protein-nucleic acid interactions
G16B 20/00 2019.01
GPHYSICS
16INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
20ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
G16B 30/00 2019.01
GPHYSICS
16INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
30ICT specially adapted for sequence analysis involving nucleotides or amino acids
C40B 30/04 2006.01
CCHEMISTRY; METALLURGY
40COMBINATORIAL TECHNOLOGY
BCOMBINATORIAL CHEMISTRY; LIBRARIES, e.g. CHEMICAL LIBRARIES, IN SILICO LIBRARIES
30Methods of screening libraries
04by measuring the ability to specifically bind a target molecule, e.g. antibody-antigen binding, receptor-ligand binding
Applicants
  • BOARD OF REGENTS OF THE UNIVERSITY OF TEXAS SYSTEM [US]/[US]
Inventors
  • BO, Li
Agents
  • DYKEMAN, David J.
Priority Data
62/825,23528.03.2019US
Publication Language English (EN)
Filing Language English (EN)
Designated States
Title
(EN) COMPUTERIZED SYSTEM AND METHOD FOR ANTIGEN-INDEPENDENT DE NOVO PREDICTION OF CANCER-ASSOCIATED TCR REPERTOIRE
(FR) SYSTÈME ET PROCÉDÉ INFORMATISÉS DE PRÉDICTION DE NOVO ET INDÉPENDANTE DE L'ANTIGÈNE D'UN RÉPERTOIRE TCR ASSOCIÉ AU CANCER
Abstract
(EN)
Disclosed are systems and methods for a pan-cancer early detection tool that is able to augment the small signals emitted from early and/or late-stage cancer by analyzing and understanding the changes in the blood T cell receptor (TCR) repertoire. The disclosed systems and methods embody an immune-based cancer detection technology that can detect cancer signals from the signatures of the peripheral immune repertoire, which can be performed with high accuracy even at the early stages of the disease. An improved framework is employed that is embodied through a novel machine learning algorithm that can predict cancer status based on a patient's peripheral blood TCR repertoire, such that a deep TCR sequencing of the genomic DNA of the white blood cells is performed, which enables the detection (prediction or determination) of cancer-associated TCRs independent of tumor antigens. This provides a robust biomarker for both early and late-stage cancers across diverse diseases.
(FR)
La présente invention concerne des systèmes et des procédés destinés à un outil de détection précoce pan-cancer susceptible d'amplifier les faibles signaux émis par le cancer à un stade précoce et/ou tardif par analyse et compréhension des changements dans le répertoire des récepteurs des lymphocytes T (TCR) présents dans le sang. Les systèmes et les procédés de la présente invention mettent en œuvre une technologie de détection de cancer basée sur le système immunitaire qui peut détecter des signaux de cancer à partir des signatures du répertoire immunitaire périphérique, lesdites détections pouvant être réalisées avec une grande précision même aux stades précoces de la maladie. Une structure améliorée est utilisée, ladite structure étant mise en œuvre par l'intermédiaire d'un nouvel algorithme d'apprentissage automatique qui peut prédire l'état du cancer sur la base du répertoire TCR périphérique du sang d'un patient, en réalisant un séquençage TCR profond de l'ADN génomique des globules blancs, ce qui permet la détection (prédiction ou détermination) de TCR associés au cancer indépendamment des antigènes tumoraux. Cela fournit un biomarqueur robuste pour des cancers à la fois précoces et tardifs dans des pathologies diverses.
Latest bibliographic data on file with the International Bureau