Ugrás a tartalomhoz

A farmakológia alapjai

Klára, Gyires, Zsuzsanna, Fürst (2011)

Medicina Könyvkiadó Zrt.

5. Bevezetés a farmakogenomikába

5. Bevezetés a farmakogenomikába

Falus András, Erdélyi Dániel

A genomika korszaka

A genetika és a molekuláris sejtbiológia, illetve egyre inkább a minden élő tudományágat átható genomika napjainkban feltárta sok organizmus, többek között az ember genomjának nukleotidsorrendjét. Beléptünk a „systems biology” (rendszerbiológia, globális biológia) korszakába, ahol lehetséges (és az életjelenségek bonyolultsága miatt elvárható) minden részt vevő gén és kölcsönhatás szinkron vizsgálata. Ez a korszakos változás eddig soha nem tapasztalt új helyzetet teremtett. A genomika(teljes genom léptékű biológia) több, tudománytörténeti értelemben egyenként is jelentős terület időbeli és motivációs egybeesése következtében vált reális lehetőséggé.

Az 1. alap a genomprogramok előrehaladt állapota. Mint tudott, 2001 első hónapjaiban már baktériumok, élesztő, a szőlőmuslica, egy fonálféreg és növények mellett az emberi genom, legújabban pedig egér és patkány teljes genomiális géntérképe rendelkezésre áll, a világháló adatbázisaiból lehívható és elemezhető. Bár a gének teljes annotációja (funkcionális azonosítása) még időt vesz igénybe, ez a lexikális tudásanyag új genetikai információs minőséget jelent. Mára az emberi genom „olvasatának új, javított kiadása” is rendelkezésre áll, ebben kevesebb hibával még nagyobb pontosságú génszekvencia-adatok találhatók. A kódoló gének listázásával és a még nem ismert gének funkcióinak azonosításával egyidejűen óriási jelentőségű nagyszámú egyedi pontmutáció („single nucleotide polymorphism”, SNP) együttes mintázatának vizsgálata. Az SNP-k nagy számban (kb. 3,5 millió/haploid genom) előforduló egyedi mutációk, genetikai allélek, kombinációjuk révén rendkívül egyedi mintázat adható meg. Erre utal, hogy tíz SNP együttes mintázata elméletileg kb. hatvanezer, 20 SNP pedig három és fél milliárd ember közül képes egy egyedet kiválasztani. Évek óta havonta mintegy 150–200 új SNP-t írnak le, összesen több millió SNP áll ma már rendelkezésünkre kereskedelmileg hozzáférhető tesztek, kitek formájában. A genomban nem egyenletesen eloszló SNP-k mint genetikai allélek elsősorban asszociációs markerként szolgálnak, hiszen nem több mint 1%-uk vezet rendellenesen működő gén kialakulásához. Mindazonáltal az SNP könyvtárak (például hap-maptérképek) vizsgálata nagyon ígéretes lehetőségeket jelent individuális, egyedi eltérések kimutatására többek között az igazságügyi orvostanban (apaság, kriminalisztika) és például gyógyszermellékhatások prediktív feltárásában, ami még személyre szabottabbá teheti a gyógykezelést.

A 2. alap a nagyteljesítményű „microarray” – („chip”) eljárás, amely speciális jellegzetességei révén (nagy teljesítőképesség, nanobiológiai lépték, teljes automatizálhatóság) nagyságrendekkel emeli az egyidejűleg vizsgálható gének számát, szerkezeti (nukleotidsorrend) és funkcionális (génkifejeződés–mRNS) információk tömegét képes nyújtani. A kis lapocskák felszínén oligonukleotidok vagy cDNS-szálak találhatók – a számítógép által tárolt – nagy sűrűségű elrendezésben (microarray). Az egyes pontokon lévő oligonukleotidok egyedi mutációs variánsoknak (például SNP), a cDNS-ek pedig az egyes gének mRNS-ének felelnek meg. A vizsgált, valamely színnel jelzett mintával való inkubálás után annak genetikai jellegzetességeinek, illetve az expresszálódó génprofiljának megfelelő látható reakciómintázat alakul ki, ami egy letapogató észlelővel detektálható és elmenthető.

Mindezen nagytömegű információhalmazt a genomika 3. tartóoszlopa, a bioinformatikaképes csakkezelni, ami rendszerezést, csoportosítást és „adatbányászatot” jelent. Ez az új biostatisztikai/biomatematikai megközelítés korrelációs és halmazelméleti eljárásokkal elemzi a génchip-technika által szolgáltatott adathalmazt, és a már meglévő genomiális/expressziós adatbankokhoz hasonlítva DNS szintű (genetikai) és génexpressziós következtetések levonására alkalmas elemzést nyújt. Az egyes chipekről bekerülő adathalmaz bioinformatikai elemzése nyomán a számítógép clusterekbe rendezi a kapott információkat. A hierarchia cluster korrelációs analízis esetében például az elemzés egy olyan mátrixábrázolást eredményez, ahol az egyes oszlopok az egyedi mintákat, az egyes sorok az egyes géneket jelentik. A számítógépes összerendezés lényege az, hogy a többé, majd egyre kevésbé hasonló géneket kifejező minták csoportokba rendezve kerülnek feltüntetésre. A chipanalízis teljes logisztikája tehát úgy fest, hogy az egyes mintákból származó egyedi microarray-adatok bioinformatikai összegzése után számítógépes adatbankok meglévő mintázatkönyvtárai segítségével diagnosztikai (prognosztikai, prevenciós, predikciós) és terápiás következtetéseket vonunk le.

A klinikai genomika legkorábbi cikkei 1998 végétől láttak napvilágot. Ennek ellenére az alkalmazási kör már most is igen tág, számos (itt nem részletezett) onkológiai, infektológiai, allergológiai, neurobiológiai és sportegészségügyi alkalmazás ismert, létrejött az onkogenomika, az immungenomika stb. új fogalomköre.

Farmakogenomika – az orvosi genomika egyik sikertörténete

A hatvanas évek elején, amikor Werner Kalow először közölt megfigyeléseket a gyógyszerekre való reakció és az öröklés kapcsolatáról (Kalow, W.: Pharmacogenetics: Heredity and the Response to Drugs. W. B. Saunders, Philadelphia, 1962), megszületett a farmakogenetika fogalma. További mintegy 20 év alatt nagyon sok olyan mutációt azonosítottak, amelyek a gyógyszerekre való egyedi reakciókat kísérik. Ez a korszak nagyjából egybeesik a gyógyszer-metabolizáló enzimek sokaságának részletes leírásával. Ez a munka klinikai megfigyeléseken és az alapkutatás találkozásán keresztül a mai napra elvezetett igen sok pontmutáció leírásához és annak megértéséhez, hogy ezek az SNP-k mely géneknek mely módosulásán át vezetnek a gyógyszeranyagcsere jelentős megváltozásához.

Az emberi genom szekvenciájának teljes feltárása, az új, nagy teljesítőképességű („high throughput”) genomikai technológiák bevezetése és széles körű elterjedése, valamint a világhálón rendelkezésre álló, naponta bővülő adatbázisok együttesen mára gyökeresen új helyzetet teremtettek a gyógyszer-biológiában is. Ma már lehetséges egyidejűleg sok (akár a genomban található összes) gén és ezek genetikai változatainak egyidejű, párhuzamos vizsgálata. Ez teszi indokolttá, hogy ma már ne farmakogenetikáról, hanem farmakogenomikáról beszéljünk. Ez indokolt is, mert a gyógyszer és a sejt között létrejövő kölcsönhatások bonyolultak és sok-komponensűek, azokat kizárólag kisebb nagyobb gén- és fehérjehálózatok működésével lehetséges akár közelítőleg is leírni. Ennek megfelelően a gyógyszer-biológia genomikai vizsgálatát mostantól fogva a teljes genom szintjén bioinformatikai elemzés segítségével végzik. Hihetetlen gyorsasággal terjed a főleg génexpressziós kutatásra használt chiptechnológia, az SNP-mérésekre alkalmas tömeges mérések kifejlesztése. Egyre több és alkalmasabb informatikai eszköz, szoftver áll rendelkezésre a kapott adatok számítógép előtti („in silico”) elemzésére is. A farmakogenomika, hasonlóan a többi, a genomika által megtermékenyített biológiai, orvosi diszciplínához, hihetetlen prediktív lehetőségeket hordoz magában, amivel egyedi, személyre szabott kezelések válnak lehetővé már napjainkban és a közeljövőben mindenképpen.

A hatvanas évek farmakogenetikai kutatásai esetleírásokra szorítkoztak, ahol például lokális anesztetikumok végzetes kimenetelű következményeit elemezték. Ma a humán genom program révén adatok tömkelege áll rendelkezésre, ahol a nem kívánt mellékhatás molekuláris szinten, a gének, illetve az általuk kódolt receptorok, transzportmechanizmusok és metabolizáló enzimrendszerek számítógépeken tárolt azonosítása révén elemezhető.

A toxikológia molekuláris megközelítése (toxikogenomika) a toxinok molekuláris kölcsönhatásaival foglalkozik, annak kinetikájávak és dinamikájával, amely a dózis mellett a hatás idejétől is függ. Ehhez képest a toxikogenomika figyelembe veszi a genetikát (szűk értelemben a DNS szintű változásokat), a genomszintű mRNS-expressziós (transzkriptomikai) és szövetspecifikus fehérjekifejeződési (proteomikai), valamint metabolomikai mintázatokat, és azokat bioinformatikai, illetve hagyományos toxikológiai módszerekkel értékeli. Az expressziós mintázatok (mRNS, fehérje és metabolom) egyfajta pillanatfelvételként értékelhetők. Ezek globális értékelése a rendszer- („systems”) toxikológia. A globális toxikológia az élő szervezet összes toxikológiai kölcsönhatásának leírását célozza meg. A globális vagy rendszerbiológiához hasonlóan a globális toxikológia nem kevesebbet kíván tenni, mint feltárni, számítógéppel modellezni és értékelni a közreműködő összes komponens jellegzetességét és kölcsönhatását. Ez nem érhető el másképp, mint nagy adatbázisok összehasonlító értékelésével. A még csak most elkezdett toxikogenomikai kutatások már eddig is számos gyógyszer és toxin hatásának teljes molekuláris mintázatát tárták fel egészséges és beteg szervezetekben, illetve az azokból származó sejtekben. Ma már lehetséges korábban mellékhatásaik miatt kivont gyógyszerek újrafelhasználása egy olyan (esetleg kisebb) célcsoportban, ahol a genetikai tényezők miatt a nem kívánt mellékhatás nem érvényesül.

A farmakogenomika fő területei

A farmakogenomika a mai genomika egyik kiemelkedő sikerágazata legalább két okból:

Gyógyszerhatás–gyógyszermellékhatás predikció. A gyógyszerek (mint környezeti tényezők) receptorokkal lépnek kapcsolatba, jellegzetes gyógyszer-kompartmentáció alakul ki a test szervei és folyadékterei között, amit szelektív vagy általános transzporterek szabályoznak, a gyógyszerek felvételre kerülnek a sejtekbe, ott eljutnak a targetmolekuláig, majd metabolizálódnak. Minden pontja e láncolatnak elvileg (és egyre több adat van arról, hogy gyakorlatilag is) genetikailag eltéréseket mutat az emberi populációban és az élővilágban. A genetikai sokféleség sok esetben funkcionális variabilitást is jelent, tehát kapcsolat kereshető és található a genetikai variáns (például egy SNP vagy több SNP mintázata) és a gyógyszerhatás és a mellékhatás között. Ez – ma még messze nem teljesen feltárt és értett (cisz) génasszociációk miatt – akkor is így van, ha az adott genetikai variabilitás nem okoz közvetlenül fehérjeszinten való eltérést. Tehát genetikai jellegzetességek (DNS szintű változatok, expressziós mintázatok az mRNS és a proteinek szintjén) alapján a gyógyszerek hatékonysága, illetve esetleges nem kívánt mellékhatásai az adott személy esetében prediktálhatóak. Talán nem is kell külön hangsúlyozni az óriási egészségügyi, sőt gazdasági hasznot.

A nem kívánt mellékhatások elkerülésére például SNP-analízissel retrospektív-következtetések és prospektív terápiás lehetőség is adódik (5.1. ábra).

5.1. ábra. Mellékhatások elkerülése farmakogenomikai módszerekkel

Gyógyszerfejlesztés genomikai alapokon. A genetikai/genomikai adatok ismeretében új gyógyszercélpontok találhatók. Ismerve a betegség hatásmechanizmusát, az esetenként hiányzó vagy éppen túlműködő funkció és a patomechanizmus kapcsolatát, gyógyszeres úton be lehet a folyamatba lépni. E terület egyik klasszikus példája a tirozin-kináz-gátló imatinib (STI571, Gleevec). A krónikus myeloid leukaemiás (CML) esetek zömében megfigyelhető a 9-es és 22-es kromoszóma transzlokációja. A két kromoszómáról származó bcr és abl gén fúziójával egy kóros tirozin-kináz keletkezik, mely a normális sejtciklus-szabályozástól függetlenítve folyamatos osztódásra sarkallja a sejtet. Kifejlesztették ennek a kóros enzimnek az inhibitorát, az imatinibet, mely a CML kezelésének jelenlegi leghatékonyabb eleme.

Jelenleg a gyógyszerfejlesztés terén is genomi léptékű vizsgálatok tömege zajlik. Az expressziós genomika által nyújtott adattenger bioinformatikai elemzése új kapcsolatokat, láncolatokat tár fel, újabb hatóanyagok felismerése gazdagítja a gyógyszerek körét. A genomikus gyógyszertervezésben ma már jelentős mértékben számítógépes, in silico molekulatervezést alkalmaznak, például receptorok 3D szerkezetének és a kölcsönhatások molekuláris geometriájának megértésével, szimulációs szoftverek felhasználásával a számítógép képernyője előtt tervezhetők a potenciális hatóanyagcsaládok („target-based drug design”). Ezek monitorozása és levizsgálása ezután természetesen in vitro, majd in vivo kísérletekben, majd II. és III. fázis vizsgálatokban szűkíti le a majdani gyógyszerek körét. A gyógyszertervezés genomikai útja, kombinálva a szilárd fázisú kémia hatalmas eredményeivel (például hatalmas peptidkönyvtárak monitorozhatók szilárd fázisú hordozókon) nagyságrendekkel fokozza az eredményességet, csökkenti a ráfordítandó időt és a költségeket is. A potenciális gyógyszermolekula hatékonyságának megítélése genomikai predikcióval igen számottevő mértékben gyorsítható. A kutatás állomásai például antimikrobiális szerek esetén a patogén genom feltérképezése, közös gének azonosítása; genetikai eltérések keresése a nem patogén törzsektől, az antibiotikumok hatásmechanizmusának feltárása, a hatások optimalizálása, a gyógyszertargetek kiválasztása, in vitro vizsgálatok.

A farmakogenomika általános és speciális eszközrendszere

Ehelyütt metodikai részleteket nem adunk meg, de hivatkozunk egy most megjelent, magyar nyelven is hozzáférhető kézikönyvre (Campbell, Heyer, 2004), amelynek CD tartozékán a szerzők folyamatosan megújuló honlapja is elérhető.

A farmakogenomika, hasonlóan más orvosbiológiai területek funkcionális genomikai próbálkozásaihoz, teljesen újszerű – genomikai, proteomikai, metabolomikai – eszközrendszert („toolbox”) használ. Az SNP-vizsgálatokat (lévén DNS szintű analízis) minden sejt (például szájnyálkahártyasejtek, perifériás leukocyták) szintjén el lehet végezni. A génexpressziós (transzkriptomikai, azaz mRNS és proteomikai, azaz fehérje) vizsgálatokhoz viszont a célszerv mintája szükséges (például biopszia). Lényeges lehet a gyógyszerhatások megértésében a poszttranszkripciós változások (például glikoziláció, foszforiláció) követése is.

Napról napra fejlődő technológiák kombinációja segíti ezeket a törekvéseket.

A bioinformatika talán a legkritikusabb pontja a farmakogenomika eszközrendszerének. A genomikai módszerek óriási számú adatot produkálnak. Egy ezer pozíciós chip (ez a kisebbek közül való) esetében két minta összehasonlítása esetén, és csak igen–nem válaszokat feltételezve (pedig lineáris skálák adódnak) is 21000 kombináció lehetséges. A nagy leolvasórendszerek már ma is naponta több száz chip értékelésére képesek. A bioinformatikai algoritmusok korrelációs (például hierarchia-klaszter) függvényeket képeznek, jól kiválasztott szempontok alapján képesek csoportosítani az adatokat. Például lehetséges így azonosan kifejeződő géneket csoportosítani, vagy azonos génmintázatokat mutató egyedeket (például betegeket) egymás mellé rendezni, esetlek új klinikai alcsoportokat alkotni. A farmakogenomikai vizsgálat esetén expressziós és SNP-csoportok alapján predikciós lehetőség adódik az adott gyógyszerre való reaktivitás megbecsülésére, még a kezelés empíriája előtt is. Ma már nagyon terjedőben van az ún. neurális bioinformatikai elemzés, ahol az egyes gének mellett már ismert folyamatláncok (például jelátvitel) ismert génjei variációinak és kifejeződésének „szomszédossági” analízisével egész folyamatsorok is leírhatók. A hatalmas adatbázisok (például allergiás betegségek esetén több millió már ma is az ún. „allergom” adatbázis mérete) lehetővé teszik az adatbányászatot. Ez a lehetőség pedig a gyógyszerhatás empirikus predikciója mellett mechanizmus szintű megfigyeléseket is eredményezhet. A gyógyszerhatás-mechanizmusok feltárása pedig már átvezet új gyógyszercélpontok felismeréséhez, a genom alapú gyógyszertervezés eljárásához.

Gyakorlati példák a farmakogenetika és -genomika területéről

A farmakogenomika látóterében ma elsősorban receptorok, transzporterek, gyógyszer-metabolizáló enzimek állnak. A gyógyszer-metabolizáció kémiai eseményei – így oxidáció, redukció, hidrolízis, illetve konjugáció (metiláció, glukoziláció, szulfatáció, acetiláció) – mind olyan komponenseket tartalmaznak, amelyek funkciót befolyásoló genetikai heterogenitással jellemezhetőek.

DNS szintű genetikai eltérések

Néhány kiragadott példát mutatunk be.

Az 5.1. táblázatban néhány olyan gyógyszert/hatóanyagot tüntettünk fel, amellyel szembeni megváltozott reakcióképesség genetikai meghatározottsága ismert.

1.14. táblázat - 5.1. táblázat Gyógyszerek genetikailag megváltozott reakcióképessége

Betegség

Gyógyszer/ hatóanyag

Patogenezis

Tünet

Gyakoriság

Genetika

coumarin-rezisztencia

coumarin (warfarin)

emelkedett

K-vitamin-affinitás

véralvadás

gátlás hatástaan

kisebb mint 1 : 80 000

AD

hemoglobin H

szulfonamid

instabil hemoglobin

hemolízis

ritka

AD

fokozott isoniazid-érzékenység

isoniazid

csökkent izoniazid-acetiláz aktivitás

a májban

polyneuritis

kb. 50%

AR

isoniazid-hatástalanság

isoniazid

fokozott isoniazid-kiválasztás

csökkent anti-tbc-hatás

??

AD

malignus hyperthermia

halothan

ryanodine-receptor-mutáció

csillapíthatatlan láz

1:40 000

AD


(Rövidítések – AD: autoszomális domináns, AR: autoszomális recesszív)

Az említettek mellett klasszikus példa a citokróm P-450 2D6 (CYP2D6) polimorfizmusa, amely esetén deficiens allélok és gén-multiplikáció által kialakított fenotípusok leírásával derült fény például a debrisokin/spartein, a tamoxifen és a codein anyagcseréjének hatalmas egyedi különbségeire.

Egyes oralis antikoagulánsok (például warfarin), amelyeket thromboemboliás betegségek megelőzésére és kezelésére alkalmaznak, nem kis százalékban hatástalanok vagy épp ellenkezőleg, jelentős vérzéseket okozhatnak az egyéni hatáskülönbségek miatt. A megfelelő dózis beállítását (0,5–60 mg/nap személytől függően) jelenleg a véralvadási paraméterek alapján sok lépésben, hosszadalmasan végzik. Ígéretes kutatások során több gén (CYP2C9, VKORC1) genotípusa alapján igyekeznek egyszerűsíteni a beállítás folyamatát, és a szövődményeket így csökkenteni.

A purinantagonista azathioprin, 6-merkaptopurin és 6-tioguanin metabolizmusában kulcsszerepet játszik a tiopurin-S-metil-transzferáz (TPMT) enzim. Ezeket a gyógyszereket kiterjedten használják autoimmun betegségekben, gyulladásos bélbetegségekben, akut lymphoid leukemiában és szervtranszplantációt követően. Az enzim különböző deficiens alléljainak együttes frekvenciája közel 10% az egészséges fehér bőrű népesség körében. A homozigóta deficiens egyének súlyos, gyakran fatális mellékhatásokat (főleg leukocytopenia, következményes fertőzések) szenvednek. Ezeknél a betegeknél a dózis 10–20-szoros csökkentésével a hatás és a mellékhatások a populáció egyéb részével azonos szintre, gyakoriságra állnak be. A fejlett országokban egyre terjed e gén, illetve az enzimaktivitás rutin klinikai vizsgálata a purinantagonista szerek alkalmazása előtt.

A citozin-arabinozidok hatásmechanizmusában szereplő gének is jelentős eltéréseket mutatnak az emberi populációban. Az arabinozil-citozin (Ara-C, cytosin arabinosid, cytarabin) hatékonysága függ annak metabolizációjától Ara-C-59 trifoszfáttá, amely beépülve a DNS-be abban konformációs változást hoz létre. A genetikai eltérések a topoizomeráz–DNS kölcsönhatásban rejlenek, ennek egyedi és funkcionális következményei vannak. Jelentős genetikai varianciákat találtak egyes nukleáris receptorokban (például ösztrogén- és retinsavreceptorok) és gyógyszertranszporterekben (ABC transzporterek és multidrog-rezisztencia fehérjék) is. Lényeges terület az ioncsatornák genetikai sokféleségének vizsgálata is, hiszen a szívizomsejtek K+- és Na+-csatornáinak genetikai variánsai lényeges asszociációban vannak a veszélyes szívritmuszavarokhoz vezető QT-prolongációval.

Keveset tudunk annak az egyedi varianciának a hátteréről, amely a tumorok kemoterápiás kezelésénél jelentkezik. Az 5-fluorouracillal és docetaxellal végzett kezeléseknél, amelyek caspase-3 támadásponttal apoptózist indukálnak, az eredményes dózis jelentős eltéréseket mutat, ennek is nyilvánvalóan genetikai okai vannak. Egy teljes genomot vizsgáló eljárással (quantitative trait locus, QTL) emberi lymphoblastoid sejtvonalakon sikerült az 5-fluorouracil hatását az emberi 9q13-q22 lokuszhoz kapcsolni, ugyanakkor a docetaxel celluláris hatásának mértékét két kromoszómalokuszon (5q11–21 és 9q13-q22) vélték felfedezni (Watters et al, 2004). Ezek a hatáspont-térképezések és az érintett gén, géncsoport annotálása nyilvánvalóan új gyógyszertargetek felismeréséhez vezethet.

A legújabb adatok egyértelműen arra utalnak, hogy a gyógyszeres kezelések hatékonyságában jelentős genetikai (egyedi) eltérések mutatkoznak gyulladásosbélbetegségekben (IBD). A tiopurin-metil-transzferáz (TPMT) gén genetikai eltérései az azathioprin metabolizációjában okoznak nagyságrend (!) szintű eltéréseket. Szteroidok hatását nagyban befolyásolják a szteroid receptorgének polimorfizmusa mellett a multidrog-rezisztencia (MDR1) gének genetikai változatai is. A TNF-et gátló infliximab hatékonysága is markáns egyedi variációt mutat, és a háttérben minden bizonnyal a targetmolekula után „downstream” következő jelerősítésben részt vevő molekulák funkcióeltéréseket is okozó genetikai változatai állnak. Nyilvánvalóan ma még rengeteg feltáratlan (nem annotált) genetikai variancia módosítja a gyulladásos betegségek kimenetelét.

Génexpressziós megközelítés

A gyógyszerek hatásmechanizmusának tradicionális biokémiai, sejtbiológiai vizsgálata egyre inkább kiegészül a gyógyszer indukálta génexpresszió (mRNS- vagy fehérjeszintű) vizsgálatával. Az expressziós chipek adatainak elemzése emberi neuronkultúrákban például antidepresszáns, antipszichotikus és opioid gyógyszerhatóanyagokra terjedt ki (Gunther et al, 2004). A kutatók képesek voltak a klinikai reakciók csoportjaihoz jellemző génexpressziós mintázatokat rendelni, és e mintázatok meglepően jó prediktív modellnek bizonyultak a klinikai hatékonyság tekintetében.

A gyakorlatban rutinszerűen használt ilyen vizsgálat például az emlődaganatok HER2 (humán epidermalis növekedési faktor receptor 2) immun-hisztokémiai vizsgálata. Az emlőtumorok kb. 1/4–1/3-a esetében figyelhető meg e fehérje fokozott expressziója. Csak ezekben az esetekben várható a receptor ellen kifejlesztett (és egyelőre igen költséges) monoklonális ellenanyag, a trastuzumab hatása. Hazánkban is végeznek ilyen vizsgálatot, és csak a HER2-pozitív betegek kapnak immunterápiát.

A genomi léptékű chipeket egyelőre csak a kutatás területén használják. Számos daganatféleségnél azonosítottak például metasztázisképzéssel vagy gyorsabb tumorprogresszióval asszociált mRNS-expressziós mintázatokat. Célul tűzték ki, hogy a különböző kórházakban és laboratóriumokban azonosított mintázatokat egyeztetve, validálva kiválasszanak olyan géneket (tízes vagy százas nagyságrendben), melyek mintázata alapján reális költségek mellett azonosíthatók a szokványos terápiára várhatóan nem reagáló, fokozott kockázatú betegek.

Populációgenetikai vonatkozások

A farmakogenomika lényeges (szakmai és gazdasági vonatkozású) kérdése, hogy egy adott genetikai változat, amely befolyásolja egy gyógyszer hatását (esetleg mellékhatását), mekkora populációra terjed ki. Vannak valóban individuális hatású génváltozatok, mások családokra, akár etnikumokra jelentenek általánosítható következtetést. Az etnicitás kérdése ma már nemcsak geográfiai, de rasszeltéréseket is jelenthet, és ennek valós következményei (alkalmazási és piaci korlátok és új hatások feltárása) vannak a gyógyszercsaládok alkalmazásának területére. Ez esetben alapvető kérdés az adott genetikai variancia frekvenciája, illetve penetranciája az adott populációban. A vizsgálatok családokra (nagy, több generációs), rokonsági körökre (akár 1–5 ezer taggal nagyon kiterjedt rokonságra), illetve akár egy egész népre (például a svéd vagy izlandi) kiterjedhetnek.

A jelenlegi gyógyszerelési stratégiát (a farmakológiai meggondolások mellett) családi, rasszbeli, illetve etnikai meggondolások határozzák meg, a változtatás (gyógyszerminőség, illetve dózis) empirikus megfigyeléseken alapul. A jövő farmakológiai gyakorlata genetikai markerek és ezek kombinációi alapján személyre szabott lesz és sokkal prediktívebb, mint a mai gyakorlat.

Költség–hatékonyság és a farmakogenomika

A farmakogenomikai megközelítés értékét a tudományos fejlődés mellett nyilvánvalóan annak költség–hatékonyság paraméterei is jellemzik. Egy metaanalízis szerint farmakogenomikai vizsgálatokat legtöbbször mélyvénás thrombosisban, tumorokban és vírusfertőzésekben végeznek. A leggyakoribb vizsgált mutáció a véralvadás V. faktorában igazolt Leiden-mutáció. S bár legtöbbször örökölt mutációkat vizsgálnak, egyre több a „szerzett” mutációs analízis, elsősorban tumorban és vírusfertőzésekben. Tizenegy tanulmány közül hétben mind a diagnózis, mind a kezelés vonatkozásában a költség–hatékonyság előnyös alakulását írták le farmakogenomikai eljárások alkalmazása kapcsán, két esetben alkalmazásuk nem befolyásolta e mutatókat, és csak két esetben volt negatív a mérleg. Figyelemre méltó, hogy a nagy nyugati egészségbiztosítási rendszerek jelentős érdeklődést mutatnak a farmakogenomikai eljárások széles körű bevezetése iránt.

Összefoglalás

Ma csak az Amerikai Egyesült Államokban mintegy évi 100 000 olyan halálesetet jegyeznek, amely gyógyszermellékhatásokkal hozható összefüggésbe. A tudományos farmakogenomikai kutatás egyik célja ezek számának jelentős csökkentése. Hatalmas fejlődés, áttörés várható e téren az elkövetkezendő években, még inkább előtérbe kerül a személyre szabott, genomikai alapokon nyugvó prediktív farmakoterápia. A másik cél a genomikai adatokon alapuló gyógyszerfejlesztés, új gyógyszertargetek felkutatása, illetve a kutatásra és ellenőrzésre fordított idő és anyagi ráfordítás csökkentése.

Akárcsak más biomedicinális területek diszciplínái, a gyógyszerbiológia is belépett a systems biology korszakába, ahol a gyógyszerhatások által előidézett kölcsönhatásokat genomikai eszközökkel feltárva és azokat bioinformatikai eljárásokkal elemezve prediktív, személyre szabott korszak kezdődik.

A farmakogenomika a gyógyszerkutatás (hatás–mellékhatás–gyógyszerfejlesztés) alapelveit a gazdaszervezet genetikai egyedisége alapján közelíti meg, méghozzá egyidejűleg sok, akár több ezer gén és géntermék (mRNS és fehérje) szimultán vizsgálatával. A farmakogenomika a prediktív és a személyre szabott új orvosbiológia egyik legfontosabb fundamentuma.

A farmakogenomika tudománya a genomika mint biológiai rendszertudomány és a gyógyszer-biológia kölcsönösen megtermékenyítő találkozásának terméke. A genomikai adatbázisokat, nagy teljesítőképességű genomikai technológiákat és bioinformatikai eszközrendszert használó tudomány két fő területe:

1.Gyógyszerhatékonyság és -mellékhatások genomikai valószínűsítése, személyre szabott gyógyszeres terápia kifejlesztése.

2.Új gyógyszertargetek felkutatása genomikai alapon.

Irodalom

Campbell, A. M., Heyer, L. J.: Genomika, proteomika és bioinformatika. Medicina Könyvkiadó, Budapest, 2004.

Cheung, V. G., Conlin, L. K., Weber, T. M., Arcaro, M., Jen, K. Y., Morley, M., Spielman, R. S.: Nat. Genet. 33:422–425, 2003.

Evans, W. E., Ther. Drug Monit. 26:186–191, 2004.

Evans, W. E., McLeod, H. L.: N. Engl. J. Med. 348:538–549, 2003.

Goldstein, D. B., Tate, S. K., Sisodiya, S. M.: Nat. Rev. Genet. 4:937–947, 2003.

Gunther, E. C., Stone, D. J., Gerwien, R. W., Bento, P., Heyes, M. P.: Proc. Natl. Acad. Sci. U. S. A. 100:9608–9613, 2003.

Jen, K. Y., Cheung, V. G.: Genome Res. 13:2092–2100, 2003.

Johnston, P. G., Lenz, H. J., Leichman, C. G., Danenberg, K. D., Allegra, C. J., Danenberg, P. V., Leichman, L.: Cancer Res. 55:1407–1412, 1995.

Kwok, P. Y., Gu, Z.: Mol. Med. Today 5:538–543, 1999.

Lander, E. S.: Science 274:536–539, 1996.

McLeod, H. L., Relling, M. V., Liu, Q., Pui, C. H., Evans, W. E.: Blood 85:1897–1902, 1995.

Province, M. A., Rice, T. K., Borecki, I. B., Gu, C., Kraja, A., Rao, D. C.: Genet. Epidemiol. 24:128–138, 2003.

Risch, N., Merikangas, K.: Science 273:1516–1517, 1996.

Schork, N. J., Gardner, J. P., Zhang, L., Fallin, D., Thiel, B., Jakubowski, H., Aviv, A.: Hypertension 40:619–628, 2002.

Watters, J. W., Kraja, A., Meucci, M. A., Province, M. A., McLeod, H. L.: Proc. Natl. Acad. Sci. U. S. A. 101:11809–11814, 2004.

Watters, J. W., McLeod, H. L.: Biochim. Biophys. Acta 1603:99–111, 2003.

Woelderik, E., Ibarreta, D., Hopkins, M. M., Rodriquez-Cerezo, E.: Pharmacogenomics 6:3–7, 2004.