Download predicción molecular en ar

POSIBILIDADES DE
APLICACIONES DE LA
GENÓMICA EN EL TRATAMIENTO
DE LA ARTRITIS REUMATOIDE
Dra. Sara Marsal
Unitat de Recerca de Reumatologia
Institut de Recerca Hospital Vall Hebron
San Sebastian, 22 de Junio de 2006
ARTRITIS REUMATOIDE
•
•
•
•
•
Enfermedad inflamatoria crónica
Sistémica, principalmente a las articulaciones
Prevalencia ~ 1%, ratio sexo 3:1
Comorbili-mortalidad asociada
No cura, tratamiento continuo
FISIOPATOLOGIA
• Formación de un tejido destructivo: pannus
• Cells implicadas:
- Sistema immune:
B & T Linfocitos, MØ, Neutro, …
- Tejido Conectivo:
Fibroblastos (sinoviocitos, condrocitos,
osteoblastos, ...)
• Erosiones en el cartílago y hueso: irreversibles
• Mucho por conocer
EVOLUCIÓN RADIOLÓGICA EN 6 AÑOS
EVOLUCIÓN RADIOLÓGICA EN 6 AÑOS
GENÓMICA EN LA AR
• Ausencia de una metodología para:
– Diagnosticar pacientes con AR en las etapas iniciales
de la enfermedad
– Identificar nuevas clases de AR (Heterogeneidad)
• Porqué necesitamos categorizar la AR?
– Principalmente: Ajustar el tratamiento (medicina
personalizada)
• Necesidad de incorporar marcadores
biológicos  tecnologías de análisis masivo
DE LOS MARCADORES DIAGNÓSTICO A
LOS PERFILES DE RESPUESTA
CONSTRUCCIÓN DE UN
PREDICTOR
•
•
•
•
Diseño adecuado (nº y tipo de muestras)
Selección de genes “predictivos”
Crear regla de predicción
Algoritmo de clasificación:
–
–
–
–
LDA: Linear Discriminant Analysis
KNN: k-Nearest Neighbours
SVM: Support Vector Machines
…
• Validar en muestra independiente
PREDICCIÓN MOLECULAR EN AR
• Tipo de muestra: PBMC
• Tecnología: GeneFiltres Invitrogen (~4000 tránscritos)
• n = 11*AR de inicio (ERA), 8*AR avanzadas, 14*SLE,
11*asma, 9*controles
PREDICCIÓN MOLECULAR EN AR
• 8 genes predictivos ERA
• Genes predictivos: ratio ERA/RA > 3-fold
• Regla de decisión: Si gen > π → 1, si gen < π→ 0.
• Promedio RA: 0.13 ± 0.13, ERA: 7.88 ± 0.13
• Validación regla en muestra independiente (11 ERAs,
7.11 ± 0.31, P = 1.39 x10-11)
PREDICCIÓN MOLECULAR EN AR
Arthritis Rheum ‘04
• Tipo de muestra: membrana sinovial (pieza quirúrgica)
• Tecnología: Lymphochip, (~18000 tránscritos)
• N: 21* RAs, 9* OAs
PREDICCIÓN MOLECULAR EN AR
• Relativa agrupación RA vs OA
• Análisis no supervisado  3 perfiles:
– RAhigh:
– RAintermediate
– RAlow:
T/B, APC
Estroma
• En RAhigh clara activación via STAT
• STAT-1: marcador de AR inflamatoria
• No regla predicción
PREDICCIÓN MOLECULAR EN AR
• Tipo de muestra: Fibroblasto sinovial en cultivo
• Tecnología: Arrays de 2-colores (~24000 tránscritos)
• n = 19* RAs
PREDICCIÓN MOLECULAR EN AR
• Clasificación en 2 grupos
• Capacidad predictiva:
– Método PAM (Tibshirani ’02, PNAS)
– 484 genes permiten un precisión de
clasificación de ~90%
• Clasificación in vitro emula clasificación in
vivo
• Heterogeneidad en fibroblastos en AR es
un rasgo estable
DE LOS MARCADORES DIAGNÓSTICO A
LOS PERFILES DE RESPUESTA
MARCADORES BIOLÓGICOS DE RESPUESTA
CLÍNICA A TERAPIAS ANTI-TNFα EN AR
•
•
•
•
•
16 RA en tratamiento con Etanercept (Wyeth)
Variable respuesta: Respondedor/No Respondedor
Perfiles de expresión en sangre total
Identifican 65 genes diferencialmente expresados
Support Vector Machine (SVM): modelos predictivos
– Pares de genes (8): precisión de predicción* 90%
– Trios de genes (27): precisión de predicción* 100%
* Técnica de validación cruzada (CV)
Glocker et al, Med Res Rev 2006
MARCADORES BIOLOGICOS DE RESPUESTA
CLÍNICA A RITUXIMAB EN AR
•
•
•
•
Rituximab (Roche): depleción LB CD20+
No marcadores predictores de respuesta
8 AR activa, fallo a terapias biológicas previas
Eficacia clínica
– DAS28, Respuestas ACR y EULAR (S0, S2, S12, S24)
• Inmunofenotipo
– Ab’s anti: CD3, CD4, CD8, CD28, CD25, CD20
• Expresión génica
– Affymetrix HGA133 A 2.0
– Separación LB y LT (LB S0, LT S0, S2, S12, S24)
RESULTADOS: EFICACIA CLÍNICA
DAS28 vs semana de tratamiento
DAS28 vs semana de tratamiento
7
8
10
DAS28
5
6
3
4
4
2
2
DAS28
6
8
sem 0
sem 2
sem 12
Semana
sem 24
sem 0
sem 2
sem 12
Semana
sem 24
RESULTADOS: PREDICTORES
CLÍNICOS
ANÁLISIS EXPLORATORIO
Delta.DAS = DAS28sem0 – DAS28sem12
- V. respuesta:
1) Respondedor:
Delta.DAS > 0.4
2) No Respondedor:
Delta.DAS < 0.4
- V. predictores: datos clínicos en sem0
Regla de aprendizaje: K-Nearest Neigbours
Validación predicción: Técnica de Validation Cruzada
RESULTADOS: PREDICTORES
CLÍNICOS
Precisión de
clasficación: 99.5%
INMUNOFENOTIPO: PREDICTOR
ANÁLISIS EXPLORATORIO
Modelado:
-V. respuesta: delta.das: DAS28sem0 – DAS28sem12
-V. predictores: datos fenotípicos (absolutos o relativos)
Mejor modelo:
Delta.das = 0.16*(%CD20+) ± 0.08 (95% C.I.)
P = 0.0028, R2=0.71
RESULTADOS: EXPRESIÓN
GÉNICA DIFERENCIAL
DAS28 vs semana de tratamiento
DAS28 vs semana de tratamiento
10
10
DAS28
DAS28
8
8
66
44
2
2
sem 0
sem 0
sem 2
sem 12
sem 2
sem 12
Semana
Semana
sem 24
sem 24
EXPRESIÓN GÉNICA
DIFERENCIAL
CONCLUSIONES
• En el diagnóstico de la AR son necesarias
nuevos
marcadores
para
diagnosticar
precozmente la enfermedad
• Los predictores de diagnóstico y tratamiento
serán más útiles si antes definimos subtipos de
AR homogéneos
• Las nuevas tecnologías de análisis masivo
nos pueden ayudar a determinar tanto nuevos
subtipos de AR como a predecir la respuesta
terapéutica con mayor robustez
•
•
•
•
•
•
Toni Julià
Dra. Mireia Barceló
Cristina Tresents
Victor Gordo
Nora Spinedi
Dra. Sara Marsal