Upload
others
View
7
Download
0
Embed Size (px)
Citation preview
Sviluppi di Farmacogenetica e
Farmacogenomica nella Sclerosi Multipla
Maria Grazia PiscagliaU.O Neurologia Aziendale –Ravenna
AUSL della Romagna
Farmacogenetica:Lo studio della variabilità di risposta ad un farmaco dovuta a
fattori genetici ereditari, negli individui o a livello di popolazione Friedrich Vogel, 1959
Farmacogenomica:La determinazione e l’analisi del genoma e dei suoi prodotti allo
scopo di correlare queste informazioni con la risposta al farmaco presente a livello cellulare, tessutale, di individuo o di popolazione, al fine di individuare nuovi bersagli terapeutici, scoprire e sviluppare farmaci o studiare la risposta ad essi.
Variabilità individuale nelle
risposte alla terapia farmacologica
Efficacia
Effetti collaterali / reazioni avverse
Individuo normale
collaterale
Effett
o
Dose
terapeutico
Accettabile
Variabilità individuale nella
efficacia terapeutica dei farmaci
Effett
oDose
terapeutico
collaterale
Non accettabile
Efficacia ridotta
Variabilità individuale negli
effetti collaterali dei farmaci
collaterale
Effett
o
Dose
terapeutico
Accettabile
Individuo normale
Dose
terapeuticocollaterale
Non accettabile
Effett
o
Aumento di effetti collaterali
La variabilità individuale nelle
risposte ai farmaci è dovuta a fattori:
• Fisiologicietà, sesso, peso corporeo, condizione fisica
• Patologicimalattie, livello di funzionalita’ epatica o renale
• Ambientali dieta, alcool, tabacco, altri farmaci
• Geneticipolimorfismo
Variabilità nella efficacia terapeutica di alcuni
farmaci
% pazienti con
scarsa risposta
Antagonisti dell’angiotensina 2 10-25%
ACE inibitori 10-25%
Beta-bloccanti 15-25%
Antidepressivi triciclici 20-50%
Agonisti beta-2 adrenergici 40-70%
FarmacocineticaAssorbimento
Distribuzione
Metabolismo
Escrezione
(ADME)
Farmacodinamica“drug target”
La risposta al farmaco
Varianti nel
codice genetico
Mutazioni
Eventi che
portano al
cambiamento di
una sequenza di
DNA con bassa
frequenza
Polimorfismi
Varianti presente
nella popolazione
con una frequenza
superiore a 0.01
(1%)
Polimorfismo genetico
SNP – polimorfismo di un singolo nucleotide
VNTR – polimorfismi determinati dal numero variabile di
unità ripetute in tandem
• SSR (microsatelliti): ripetizione di una sequenza
semplice (1-pochi nucleotidi)
• polimorfismo del DNA minisatellite (9 - alcune decine
nucleotidi)
VNTR estesi
Trasposon repeat polymorphism (es. ALU)
Polimorfismi da inversione
Polimorfismi cromosomici (eterocromatici)
Polimorfismi
• Varianti alleliche presenti in >1% della popolazione
• Dovute a
• sostituzioni di singole basi
• inserzioni
• delezioni
• variazioni nel numero di tandem repeats (VNTR)
• Il tipo piu’ comune
Single Nucleotide Polimorphisms (SNPs)
Single nucleotide polimorphisms (SNPs)
1 SNP ogni 1000 basi
10 milioni nel genoma umano
(6 milioni descritti nel HapMap Project)
5-10 SNPs per gene
1% possono avere significato biologico
(SNPs nelle regioni codificante o
regolatrici)
Geni codificanti per proteine coinvolte nella:
1) Farmacocinetica: biodisponibilità del farmacoTrasportatori (drug transporters)
Enzimi del metabolismo
2) Farmacodinamica: drug target / bersaglio terapeutico del farmaco
Recettori
Canali ionici
Enzimi
Proteine regolatrici
Geni che influenzano la risposta al farmaco
Meccanismo principale per
la regolazione della
concentrazione del farmaco
Trasforma composti lipofilici
in metaboliti più idrosolubili
e facilmente eliminabili con
l’urina
Biotrasformazione
epatica
Polimorfismi degli enzimi responsabili del
metabolismo dei farmaci
Metabolismo del farmaco nel fegato
• Reazioni di fase I• Trasformazione dei gruppi funzionali della molecola:
• Ossidazioni, riduzioni ed idrolisi
• Reazioni di fase II• Coniugazione con sostanze endogene per la formazione di
composti inattivi:
• Solfatazione, acetilazione, metilazione
Polymorphisms of phase I enzymes
• CYP2D6
• 25% of prescribed drugs
• CYP2C19
• Diazepam, imipramine (antidepressants)
• Omeprazole (gastric ulcers)
• CYP2C9
• Phenytoin (antiepileptic)
• Warfarin (anticoagulant)
• Glipizide (hypoglycemic/diabetes)
CYP = famiglia del citocromo P450
Polymorphisms of phase II enzymes
• NAT2 (N-acetyltransferase)
• Sulfonamides (bacterial infections)
• Caffeine
• Tobacco carcinogens (cancer risk)
• COMT (Catechol-O-methyltransferase)
• Catecholamines (adrenaline, noradrenaline, dopamine)
• TMPT (thiopurine methyltransferase)
• Anticancer drugs to treat acute lymhoblastic leukemia)
• UGT (UDP glucuronosiltransferase)
• Cancerogeni ambientali
Polimorfismo Metabolico
Cambiamento nella concentrazione ed emivita del farmaco nel
sangue
100
normal
metabolism
0time
Dru
g c
oncentr
atio
n
100
0time
metabolism
drug concentration
adverse effects
100
time0
metabolism
drug concentration
therapeutic efficacy
Citocromo p450 CYP2D6
• Responsabile per il metabolismo del 25-30% dei farmaci
• Beta-bloccanti (propranololo, metoprololo)
• Antiaritmici (nimodipina)
• Antidepressivi triciclici (imipramina, fluossetina)
• Neurolettici (aloperodolo)
• Antitussivi (destrometorfano)
• Narcotici (codeina)
Distribuizione polimorfica
dell’attività di CYP2D6 in vivo
• Extensive metabolizer (EM)65-80%
• Intermediate metabolizer (IM)10-15%
• Poor metabolizer (PM) 5-10%
• Ultra-rapid metabolizer (UM)5-10%
In vivo metabolic ratio for sparteine
Zanger et al. Pharmacogenetics 11: 573-586, 2001
Distribuizione etnicadei fenotipi polimorfici di CYP2D6
Poor metabolizer Europei 5-10 %
Africani 2-5 %
Orientali <1 %
Ultra-rapid metabolizer Scandinavi 1.5 %
Spagnoli 7 %
Etiopi 20 %
CYP2D6 gene locus 22q13.1
2 pseudogenes
> 75 allelic CYP2D6 variants
SNPs
Deletions / additions
Tandem repeats
Gene deletion
Gene duplication (up
to 13 copies)
Gene Locus polimorfico
Allele/genitipo/aplotip
o associato a
responsività positiva o
negativa (-) a
Interferon β
P-valuePazienti
MS
IFNAR1
(Interferon α/β
Receptor Subunit 1)
rs1012334 (introne) A(+) 0.030147
(spagnoli)
rs55884088(promotore
)GTn (+) 0.036
162
(irlandesi)
IFNG
(Interferon γ)
microsatellit
i(introne)
CA12 (-)
CA13 (-)
CA14 (-)
CA15 (+)
0.013
0.04
0.009
0.005
225
(spagnoli)
110
(spagnoli)
CCR5
(C-C chemokine
receptor type 5 ;
CD195)
rs333 (esone) Delezione 32bp (+) 0.036253
(russi)
Tsareva et al. 2016
GWAS di soggetti trattati con IFNβ: 178 avevano sviluppato anticorpi contro il farmaco e 184 no.
Weber et al., 2012
Approccio farmacogenomico per lo studio allapredisposizione a sviluppare anticorpi contro IFNβ
Suscettibilità al Natalizumab
rs200000911 Lys256Arg
In rabbit l’unico residuo mutato tra quelli importanti per il legame
è la Lys256
DINAMICA MOLECOLARE
Tanto più il valore di HINT-Score è elevato e maggiore è il numero
di interazioni favorevoli
Maggiore stabilità nel complesso mutato
Se questi processi sono controllati da geni diversi che possono essere polimorfici, la variabilità di risposta risulta determinata dalle diverse interazioni delle
varianti di questi geni.
L’eterogeneità di risposta ai farmaci è la risultante di 2 componenti:
Il polimorfismo dei geni che controllano l’esposizione al farmaco
Il polimorfismo dei geni che regolano la sensibilità al farmaco
1.
2.
Se fosse possibile conoscere la frequenza degli alleli normali e mutati di questi geni si potrebbe calcolare in anticipo quanti individui avranno una determinata reazione ad un farmaco specifico
Individuare prima della somministrazione del farmaco quali soggetti avranno una reazione
favorevole e quali invece sono a rischio di effetti collaterali più o meno gravi
La genetica applicata alla ricerca sui farmaci è uno dei pochi campi in cui si possono fare programmi concreti di
tipo preventivo e quindi esaminare i problemi etici corrispondenti
Da un punto di vista etico, le diverse ricadute della ricerca genetica, da un lato i test genetici diagnostici e predittivi e dall’altro i profili farmacogenetici, hanno
risvolti diversi
RISVOLTI ETICI
Design of the study
The gene expression data come from two studies performed in parallel
in the laboratory: GEXEM and miRNEM.
Large scale mRNA expression and miRNA expression have been
measured on RNA isolated from peripheral blood leukocytes using,
respectively, the Human Gene 1.0 ST and the miRNA 1.0 arrays by
Affymetrix. The removal of some samples for quality control issues
and the filtering ofgenes have yielded a matrix with gene expression
data from 65 samples and 7564 genes (1113 ncRNAs and 6451
mRNAs). Pearson’s R has beencomputed between all pairs of
genes and, after thresholding (through the elimination all mRNA –
mRNA and ncRNA – ncRNA correlations andthe correlations below
a threshold │R│), the resulting network has been visualized in
Cytoscape.
Multiple sclerosis pharmacogenetics: personalizedapproach towards tailored therapeutics
Iris Grossman & Ariel Miller
Medicina predittiva e terapia personalizzata
“Il farmaco giusto alla dose giusta per il paziente giusto”
Il potenziale della farmacogenomica