发明内容

根据一方面，本发明涉及一种用于确定针对被诊断患有高级别浆液性卵巢癌的对象的预后的方法，其中，所述方法包括：

基于对象样本中至少两种细胞信号传导路径的活性来确定预后，所述至少两种细胞信号传导路径包括磷脂酰肌醇3-激酶(PI3K)路径和核因子-kappa B(NFkB或NFκB)路径，

其中，所述细胞信号传导路径活性基于针对所述细胞信号传导路径的三个或更多个靶基因的表达水平，并且其中，

所述三个或更多个PI3K靶基因选自包括以下项的组：AGRP、BCL2L11、BCL6、BNIP3、BTG1、CAT、CAV1、CCND1、CCND2、CCNG2、CDK 1A、CDK 1B、ESRl、FASLG、FBX032、GADD45A、INSR、MXIl、NOS3、PCKl、POMC、PPARGCIA、PRDX3、RBL2、SOD2、以及TNFSF10，或者选自包括以下项的组：ATP8A1、BCL2L11、BNIP3、BTGl、C10orf10、CAT、CBLB、CCNDl、CCND2、CDKNIB、DDB1、DYRK2、ERBB3、EREG、ESRl、EXT1、FASLG、FGFR2、GADD45A、IGF1R、IGFBP1、IGFBP3、INSR、LGMN、MXI1、PPM1D、SEMA3C、SEPP1、SESN1、SLC5A3、SMAD4、SOD2、TLE4、以及TNFSF10，或者选自包括以下项的组：SOD2、BNIP3、MXI1、PCK1、PPARGC1A和CAT，并且

所述三个或更多个NFkB靶基因选自包括以下项的组：BCL2L1、BIRC3、CCL2、CCL3、CCL4、CCL5、CCL20、CCL22、CX3CL1、CXCL1、CXCL2、CXCL3、ICAM1、IL1B、IL6、IL8、IRF1、MMP9、NFKB2、NFKBIA、NFKBIE、PTGS2、SELE、STAT5A、TNF、TNFAIP2、TNIP1、TRAF1、以及VCAM1，并且

其中，当PI3K路径的活性低并且NFkB路径的活性高时，预后为良好，并且

其中，当PI3K路径的活性高并且NFkB路径的活性低时，预后为不良，并且

其中，当PI3K路径活性低并且NFkB路径活性低或者当PI3K路径活性高并且NFkB路径活性高时，预后为中等。

本发明基于发明人的以下洞悉：对包括PI3K路径和NFkB路径的活性的细胞信号传导路径活性的分析可用于表征高级别浆液性卵巢癌。特别地，发现路径活性适于确定被诊断患有高级别浆液性卵巢癌的对象的预后，和/或用于识别将适合PI3K路径靶向治疗或NFkB通路靶向治疗的被诊断患有高级别浆液性卵巢癌的对象(见下文)。

如本文所用的，术语“预后”是指临床结果的可能性或预期，例如疾病复发、疾病进展、疾病发生和由疾病引起的死亡，包括但不限于体征和症状是将改善还是恶化(以及有多快)或随着时间的推移保持稳定或对象是否存活。

在一些实施例中，以若干方式以定量的方式定义预后，例如：“到(疾病的)复发的时间”、“到(疾病的)进展的时间”、“(疾病)发生的时间”或“到(疾病)死亡时间”。

在其他实施例中，预后以定性方式定义，例如：“良好”、“中等”或“不良”。临床结果可以是良好、中等或不良，无论是在绝对情况下，即，例如，多于或少于或大约等于某个时间段(例如，数月或数年)的生存期，或相对于另一种临床状况，相比于其临床结果能够是良好、中等或不良。

在一些实施例中，预后是无病存活的可能性或预期。无病生存的可能性或预期可以定量定义，例如：最后一次治疗与疾病复发之间的时间段(例如，以月或年为单位)，或以定性方式，例如：如上所述的绝对或相对环境中的“良好”、“中等”或“不良”。

在一些实施例中，预后是总体的疾病特定的存活的可能性或预期。总体的疾病特定的存活的可能性或预期可以以定量方式定义，例如：生存的时间段(例如，月数或年数)，或以定性方式，例如：如上所述的绝对或相对环境中的“良好”、“中等”或“不良”。

如本文所用，术语“对象”是指任何生物。在一些实施例中，对象是动物，优选为哺乳动物。在一些实施例中，对象是人，优选为医学对象。在一些实施例中，对象是已被诊断患有高级别浆液性卵巢癌的人。

“样本”可以是提取的样本，即从对象中提取的样本。样本的示例包括但不限于组织、细胞、血液和/或体液，例如支气管抽吸物、骨髓抽吸物或从对象的身体腔体抽取的样本。

如本文所使用的，术语“(特定)路径的活性”是指样本中细胞信号传导路径相关的转录因子(TF)元件、控制靶基因转录的TF元件在驱动靶基因中的表达中的活性，即靶基因转录的速率，例如，关于高活性(即高速率，或高于特定速率的速率)或低活性(即低速率，或低于某个比率的比率)，或与此类活动相关的相应得分、值或参数。转录因子活性是针对相关联的路径的活性的读数。路径活性可以由例如活性水平表示。每个路径的活性可以以定量方式确定为数值或以定性方式确定为例如“高”或“低”。路径的高(或低)活性可以指活性高于(或低于)定义的阈值或高于(或低于)在健康对象或具有特定临床状况的对象的样本中确定的活性。

NFkB路径的转录因子(TF)元件优选地包括包含NFkB成员(NFKB1或p50/p105、NFKB2或p52/p100、RELA或p65、REL、和RELB)中的至少一个或其二聚体的蛋白质复合体，它能够与特定的DNA序列结合，从而控制靶基因的转录。

PI3K路径的转录因子(TF)元件优选地包括至少一个FOXO家族成员。由于PI3K路径负向调节肿瘤抑制性FOXO转录因子，FOXOTF元件的活性与PI3K路径的活性基本上呈负相关或反相关(在不存在氧化应激的前提下(例如，参见vanOoijenH.等人，“Assessment ofFunctional Phosphatidylinositol 3-Kinase Pathway Activity in Cancer TissueUsing Forkhead Box-O Target Gene Expression in a Knowledge-BasedComputational Model”,American Journal of Pathology，第188卷，第9期，2018年9月，第1956至1972页))。

预后的确定可以借助于数学模型，特别是经校准的数学模型，或者借助于如表1中例示的决策模型来执行。预后的确定可以包括(i)接收路径的活动和(ii)确定预后，所述确定基于评估将路径的活性与指示预后的得分相关联的(经校准的)数学模型，或者基于如表1所示的决策模型。

本申请的第一方面的方法可以是计算机实现的方法。

优选的是，当PI3K路径的活性低并且NFkB路径的活性高时，预后良好。

还优选的是，当PI3K路径活性高而NFkB路径活性低时，预后不良。

再另外，优选的是，当PI3K路径活性低并且NFkB路径活性低或者当PI3K路径活性高并且NFkB路径活性高时，预后为中等。

在一些实施例中，预后的确定基于PI3K路径的活性和NFkB路径的活性。在其他实施例中，预后的确定基于PI3K路径的活性、NFkB路径的活性和另外的细胞信号传导路径的活性或再另外的细胞信号传导路径的活性。

路径的活性，例如，在从对象分离的细胞或组织样本中的，可以通过路径分析来确定。

路径分析使得能够基于从与相应的细胞信号传导路径相关联的转录因子的靶基因的mRNA水平的测量结果推断细胞信号传导路径的活性来定量测量对象样本中的路径活性(参见，例如，VerhaeghW.等人的“Selection of personalized patient therapythrough the use of knowledge-based computational models that identify tumor-driving signal transduction pathways”,Cancer research，第74卷，第11期，2014年6月，第2936至2945页，以及VerhaeghW.和vandeStolpeA.的“Knowledge-basedcomputational models”,Oncotarget，第5卷，第14期，2014年7月，第5196和5197页)。

PI3K路径或NFkB路径的活性的确定可以如例如以下文献中所描述地执行，其中的每个在此全文并入以供参考：已公布的国际专利申请WO2013/011479(标题为“Assessmentof cellular signaling pathway activity using probabilistic modeling of targetgene expression”)，WO2014/102668(标题为“Assessment of cellular signalingpathway activity using linear combination(s)of target gene expressions”)、WO2015/101635(标题为“Assessment of PI3K cellular signaling pathway activityusing mathematical modelling of target gene expression”)、WO2016/062892(标题为“Medical prognosis and prediction of treatment response using multiplecellular signaling pathway activities”)，WO2016/062893(标题为“Medicalprognosis and prediction of treatment response using multiple cellularsignaling pathway activities”)、WO2017/029215(标题为“ssessment of NFkBcellular signaling pathway activity using mathematical modelling of targetgene expression”)和WO2018/096076(标题为“Method to distinguish tumorsuppressive FOXO activity from oxidative stress”)。

用于确定路径活性的合适靶基因在上述参考文献中指出。在这方面，还特别参考了与上述参考文献一起提供的靶基因的序列表。

因此，三个或更多个PI3K靶基因，例如三个、四个、五个、六个、七个、八个、九个、十个、十一个、十二个、十三个、十四个、十五个、十六个、十七个、十八个、十九个或更多，优选地选自包括以下项的组：AGRP、BCL2L11、BCL6、BNIP3、BTG1、CAT、CAV1、CCND1、CCND2、CCNG2、CDK1A、CDK1B、ESRl、FASLG、FBX032、GADD45A、INSR、MXIl、NOS3、PCKl、POMC、PPARGCIA、PRDX3、RBL2、SOD2、以及TNFSF10(WO 2015/101635)，或者选自包括以下项的组：AATP8A1、BCL2L11、BNIP3、BTGl、C10orf10、CAT、CBLB、CCNDl、CCND2、CDKNIB、DDB1、DYRK2、ERBB3、EREG、ESRl、EXT1、FASLG、FGFR2、GADD45A、IGF1R、IGFBP1、IGFBP3、INSR、LGMN、MXI1、PPM1D、SEMA3C、SEPP1、SESN1、SLC5A3、SMAD4、SOD2、TLE4、以及TNFSF10(WO 2016/062892、WO 2016/062893)，或者选包括以下项的组：SOD2、BNIP3、MXI1、PCK1、PPARGC1A和CAT(WO2018/096076)，

和/或

三个或更多个NFkB靶基因，例如三个、四个、五个、六个、七个、八个、九个、十个、十一个、十二个、十三个、十四个、十五个、十六个、十七个、十八个、十九个或更多，优选地选自包括以下项的组：BCL2L1、BIRC3、CCL2、CCL3、CCL4、CCL5、CCL20、CCL22、CX3CL1、CXCL1、CXCL2、CXCL3、ICAM1、IL1B、IL6、IL8、IRF1、MMP9、NFKB2、NFKBIA、NFKBIE、PTGS2、SELE、STAT5A、TNF、TNFAIP2、TNIP1、TRAF1、以及VCAM1(WO2017/029215)。

为了在路径分析中使用，可以分析每个评估的细胞信号传导路径的三个或更多(例如，三个、四个、五个、六个、七个、八个、九个、十个、十一个、十二个、十三个、十四个、十五个、十六个、十七个、十八个、十九个或更多)靶基因以确定路径活性。

优选地，样本中至少两种细胞信号传导路径的活性通过包括以下项的方法推断或可推断：

接收在样本中测量的各自的细胞信号传导路径中的每种细胞信号传导路径的三个或更多个(例如三个、四个、五个、六个、七个、八个、九个、十个、十一个、十二个、十三个、十四个、十五个、十六个、十七个、十八个、十九个或更多)靶基因的表达水平，

确定细胞信号传导路径相关联的转录因子(TF)元件的活性水平，所述细胞信号传导路径相关联的TF元件控制三个或更多个靶基因的转录，所述确定基于评估将三个或更多个靶基因的表达水平与TF元件的活性水平相关的校准数学路径模型，并且，

基于所确定的细胞信号传导路径相关联的TF元件的活性水平来推断相应细胞信号传导路径的活性。

所述三个或更多个靶标基因优选地选自上面列出的组。

优选地，所述经校准的数学路径模型是概率模型，优选地，贝叶斯网络模型，基于将TF元件的活性水平与三个或更多个靶基因的表达水平相关的条件概率，或者数学路径模型是基于所述三个或多个靶基因的表达水平的一个或多个线性组合的。

这在已公布的国际专利申请WO2013/011479(“Assessment of cellularsignaling pathway activity using probabilistic modeling of target geneexpression”)和WO2014/102668(“Assessment of cellular signaling pathwayactivity using linear combination(s)of target gene expressions”)中描述，其内容在此全文并入。关于使用靶基因表达的数学模型来推断细胞信号传导路径活性的更多细节可以在VerhaeghW.等人的“Selection of personalized patient therapy through theuse of knowledge-based computational models that identify tumor-drivingsignal transduction pathways”,Cancer Research,第74卷，第11号，2014年，第2936至2945页中找到。

如上所述，与“预后”、“对象”、“样本”、“路径活性”和“推断(PI3K或NFkB)路径活性”相关的定义和实施方式适用于本发明的其他方面。

根据第二个方面，本发明涉及一种用于识别将适用于PI3K路径靶向治疗或NFkB路径靶向治疗的被诊断患有高级别浆液性卵巢癌的对象的方法，其中，所述方法包括：

基于对象样本中至少两种细胞信号传导路径的活性来识别对象，所述至少两种细胞信号传导路径包括磷脂酰肌醇3-激酶(PI3K)路径和核因子-kappa B(NFkB或NFκB)路径，

其中，所述细胞信号传导路径活性基于针对所述细胞信号传导路径的三个或更多个靶基因的表达水平，并且其中，

所述三个或更多个PI3K靶基因选自包括以下项的组：AGRP、BCL2L11、BCL6、BNIP3、BTG1、CAT、CAV1、CCND1、CCND2、CCNG2、CDK 1A、CDK 1B、ESRl、FASLG、FBX032、GADD45A、INSR、MXIl、NOS3、PCKl、POMC、PPARGCIA、PRDX3、RBL2、SOD2、以及TNFSF10，或者选自包括以下项的组：ATP8A1、BCL2L11、BNIP3、BTGl、C10orf10、CAT、CBLB、CCNDl、CCND2、CDKNIB、DDB1、DYRK2、ERBB3、EREG、ESRl、EXT1、FASLG、FGFR2、GADD45A、IGF1R、IGFBP1、IGFBP3、INSR、LGMN、MXI1、PPM1D、SEMA3C、SEPP1、SESN1、SLC5A3、SMAD4、SOD2、TLE4、以及TNFSF10，或者选自包括以下项的组：SOD2、BNIP3、MXI1、PCK1、PPARGC1A和CAT，并且

所述三个或更多个NFkB靶基因选自包括以下项的组：BCL2L1、BIRC3、CCL2、CCL3、CCL4、CCL5、CCL20、CCL22、CX3CL1、CXCL1、CXCL2、CXCL3、ICAM1、IL1B、IL6、IL8、IRF1、MMP9、NFKB2、NFKBIA、NFKBIE、PTGS2、SELE、STAT5A、TNF、TNFAIP2、TNIP1、TRAF1、以及VCAM1。

如本文中所使用的，术语“PI3K路径靶向治疗”是指通过药物靶向PI3K或FOXO路径或FOXO家族的成员并介导PI3K或FOXO路径的活性的疗法。

如本文所使用的，术语“NFkB路径靶向治疗”是指通过药物靶向NFkB路径并介导或特别是抑制NFkB路径活性的疗法。

本发明的该方面的对象已被诊断患有高级别浆液性卵巢癌，但如果向对象提供PI3K路径靶向治疗或NFkB路径靶向治疗，则将具有良好的预后，或者，尤其是，如果向对象施予了靶向PI3K路径的药物或靶向NFkB路径的药物，或者如果除了所述疗法之外，还向对象提供另外的疗法。

PI3K路径靶向治疗诱导细胞循环，并通过这种方式使肿瘤细胞对其他治疗敏感，例如化疗，如顺铂，或放射，这些治疗需要分裂细胞以在癌症治疗时有效。NFkB路径靶向治疗可能具有阻断细胞凋亡的类似的作用，例如，增加对放疗或化疗的敏感性。PI3K路径靶向治疗是优选的，因为它更有效。

预后的确定可以借助于数学模型，特别是经校准的数学模型，或者借助于决策模型来执行。对对象的识别可以包括(i)接收路径的活动和(ii)识别对象，所述识别基于评估将路径的活动与指示对象将适用于PI3K路径靶向治疗或NFkB路径靶向治疗的得分相关联的(经校准的)数学模型，或者基于决策模型。

本申请的第二方面的方法可以是计算机实现的方法。

优选地，当PI3K路径的活性低而NFkB路径的活性高时，将所述对象识别为适合PI3K路径靶向治疗或NFkB路径靶向治疗。

在一些实施例中，对将适合PI3K路径靶向治疗或NFkB路径靶向治疗的对象的识别基于PI3K路径的活性和NFkB路径的活性。在其他实施方案中，对将适合PI3K路径靶向治疗或NFkB路径靶向治疗的对象的识别基于PI3K路径的活性、NFkB路径的活性和另外的细胞信号传导路径的活性或者再另外的细胞信号传导路径的活动。

优选地，所述方法还包括：

向识别的对象提供PI3K路径靶向治疗或NFkB路径靶向治疗。

优选地，样本中至少两种细胞信号传导路径的活性通过包括以下项的方法推断或可推断：

接收在样本中测量的各自的细胞信号传导路径中的每种细胞信号传导路径的三个或更多个(例如三个、四个、五个、六个、七个、八个、九个、十个、十一个、十二个、十三个、十四个、十五个、十六个、十七个、十八个、十九个或更多)靶基因的表达水平，

确定细胞信号传导路径相关联的转录因子(TF)元件的活性水平，所述细胞信号传导路径相关联的TF元件控制三个或更多个靶基因的转录，所述确定基于评估将三个或更多个靶基因的表达水平与TF元件的活性水平相关的校准数学路径模型，并且，

基于所确定的细胞信号传导路径相关联的TF元件的活性水平来推断相应细胞信号传导路径的活性。

所述三个或更多个靶标基因优选地选自上面列出的组。

优选的是，所述经校准的数学路径模型是概率模型，优选地，贝叶斯网络模型，基于将TF元件的活性水平与三个或更多个靶基因的表达水平相关的条件概率，或者数学路径模型是基于所述三个或多个靶基因的表达水平的一个或多个线性组合的。

根据第三方面，本发明涉及一种用于确定被诊断患有高级别浆液性卵巢癌的对象的预后的装置，所述装置包括数字处理器，其被配置为执行本发明第一方面的方法，或用于识别将适合PI3K路径靶向治疗或NFkB路径靶向治疗的被诊断患有高级别浆液性卵巢癌的对象，所述数字处理器包括被配置为执行根据本发明第二方面所述的方法的数字处理器。

根据第四方面，本发明涉及一种用于确定被诊断患有高级别浆液性卵巢癌的对象的预后的存储有指令的非瞬态存储介质，所述指令能够由数字处理设备执行以执行本发明的第一方面的方法，或用于识别将适合PI3K路径靶向治疗或NFkB路径靶向治疗的被诊断患有高级别浆液性卵巢癌的对象浆液性卵巢癌，所述非瞬态存储介质存储有能够由数字处理设备运行以执行根据本发明的第二方面所述的方法的指令。所述非瞬态存储介质可以是计算机可读存储介质，例如硬盘驱动器或其他磁存储介质、光盘或其他光存储介质、随机存取存储器(RAM)、只读存储器(ROM)、闪存或其他电子存储介质、网络服务器等。数字处理设备可以是手持设备(例如，个人数据助理或智能手机)、笔记本电脑、台式电脑、平板电脑或设备、远程网络服务器等。

根据第五方面，本发明涉及一种用于确定被诊断患有高级别浆液性卵巢癌的对象的预后的包括程序代码模块的计算机程序，当所述计算机程序在数字处理设备上运行时，所述程序代码模块用于使数字处理设备执行根据所述第一方面所述的方法，或者用于识别将适合PI3K路径靶向治疗或NFkB路径靶向治疗的被诊断患有高级别浆液性卵巢癌的对象，所述计算机程序包括当所述计算机程序在数字处理设备上运行时，用于使所述数字处理设备执行根据本发明的第二方面所述的方法的程序代码模块。数字处理设备可以是手持设备(例如，个人数据助理或智能手机)、笔记本电脑、台式电脑、平板电脑或设备、远程网络服务器等。

根据第六方面，本发明涉及一种用于确定被诊断患有高级别浆液性卵巢癌的对象的预后或者用于识别将适合PI3K路径靶向治疗或NFkB通路靶向治疗的被诊断患有高级别浆液性卵巢癌的对象的套件，所述套件包括：

用于测量对象的样本中的包括PI3K路径和NFkB路径的至少两种细胞信号传导路径中的每种细胞信号传导路径的六个或更多个(例如六个、七个、八个、九个、十个、十一个、十二个、十三个、十四个、十五个、十六个、十七个、十八个、十九个或更多个)靶基因的表达水平的部件，其中，所述部件包括用于确定针对每个细胞信号传导路径的六个或更多个靶基因的表达水平的引物和探针，并且其中，

所述六个或更多个PI3K靶基因(例如，六个、七个、八个、九个、十个、十一个、十二个、十三个、十四个、十五个、十六个、十七个、十八个、十九个或更多个)选自包括以下项的组：AGRP、BCL2L11、BCL6、BNIP3、BTG1、CAT、CAV1、CCND1、CCND2、CCNG2、CDK 1A、CDK1B、ESRl、FASLG、FBX032、GADD45A、INSR、MXIl、NOS3、PCKl、POMC、PPARGCIA、PRDX3、RBL2、SOD2、以及TNFSF10，或者选自包括以下项的组：ATP8A1、BCL2L11、BNIP3、BTGl、C10orf10、CAT、CBLB、CCNDl、CCND2、CDKNIB、DDB1、DYRK2、ERBB3、EREG、ESRl、EXT1、FASLG、FGFR2、GADD45A、IGF1R、IGFBP1、IGFBP3、INSR、LGMN、MXI1、PPM1D、SEMA3C、SEPP1、SESN1、SLC5A3、SMAD4、SOD2、TLE4、以及TNFSF10，或者选自包括以下项的组：SOD2、BNIP3、MXI1、PCK1、PPARGC1A和CAT，并且

所述六个或更多个NFkB靶基因(例如，六个、七个、八个、九个、十个、十一个、十二个、十三个、十四个、十五个、十六个、十七个、十八个、十九个或更多个)选自包括以下项的组：

BCL2L1、BIRC3、CCL2、CCL3、CCL4、CCL5、CCL20、CCL22、CX3CL1、CXCL1、CXCL2、CXCL3、ICAM1、IL1B、IL6、IL8、IRF1、MMP9、NFKB2、NFKBIA、NFKBIE、PTGS2、SELE、STAT5A、TNF、TNFAIP2、TNIP1、TRAF1、以及VCAM1，并且任选地，

根据本发明的第三方面所述的装置、根据本发明的第四方面所述的非瞬态存储介质或根据本发明的第五方面所述的计算机程序。

所述三个或更多个靶标基因优选地选自上面列出的组。

根据第七方面，本发明涉及使用根据本发明的第六方面的套件来执行根据本发明第一方面或第二方面中任一项所述的方法。

用于测量相应细胞信号传导路径的三个或更多个靶基因的表达水平的部件可以选自包括以下项的组：DNA阵列芯片、寡核苷酸阵列芯片、蛋白质阵列芯片、抗体、多个探针，例如标记的探针、一组RNA逆转录酶测序部件，和/或RNA或DNA，包括cDNA，扩增引物。

在一些实施例中，所述套件包括一组(标记的)探针，其针对如上所述的三个或更多个靶基因的mRNA或cDNA序列的一部分。

在一些实施例中，所述套件包括一组引物和探针，其针对如上所述的三个或更多个靶基因的mRNA或cDNA序列的一部分。

在阅读和理解附图、以下描述，特别是阅读下文提供的详细示例后，进一步的优点对于本领域普通技术人员将是显而易见的。

在识别被诊断患有高级别浆液性卵巢癌的适合PI3K路径靶向治疗或NFkB路径靶向治疗的对象的方法中，可以通过与针对用于确定被诊断患有高级别浆液性卵巢癌的对象的预后的方法相同的方法来推断或者能够推断样本中至少两种细胞信号传导路径的活性，并且可以使用与上述相同的靶基因。

本发明的一个优点在于一种临床决策支持系统，所述临床决策支持系统被配置为确定被诊断患有高级别浆液性卵巢癌的对象的预后，例如疾病复发、疾病进展、疾病发生和由疾病引起死亡的可能性或预期，基于如本文所述的路径活性的组合。

本发明的另一个优点在于一种临床决策支持系统，所述临床决策支持系统被配置为识别将适于基于如本文所述的路径活的组合的PI3K路径靶向治疗或NFkB路径靶向治疗的被诊断患有高级别浆液性卵巢癌的对象。

在阅读和理解附图、以下描述，特别是阅读下文提供的详细示例后，进一步的优点对于本领域普通技术人员将是显而易见的。

应当理解，根据第一和第二方面所述的方法、根据第三方面所述的装置、根据第四方面所述的非瞬态存储介质、根据第五方面所述的计算机程序、根据第六方面所述的套件和根据第七方面所述的套件使用具有相似和/或相同的优选实施例，特别是如从属权利要求中所定义的。

应该理解，本发明的优选实施例也可以是从属权利要求或以上实施例与各自的独立权利要求的任何组合。

参考本文下文中所描述的实施例，本发明的这些和其他方面将显而易见并将得以阐述。