Pharmakogenomik ist sinnvoll – warum wird sie dann in der Pharmabranche nicht tatsächlich genutzt?

Die Pharmakogenomik (PGx) befindet sich in einem ungewöhnlichen Paradoxon. Die wissenschaftlichen Erkenntnisse sind ausgereift, der klinische (und wirtschaftliche) Nutzen ist unbestreitbar, und dennoch verläuft die Einführung nur langsam, fragmentiert und ungleichmäßig.
 

Insbesondere in klinischen Studien wird das pharmakogenomische Profiling so gut wie nie genutzt. Eine Durchsicht von ClinicalTrials.gov ergab nur 619 PGx-bezogene Interventionsstudien von insgesamt 350.728 (~0,18 %), und weniger als die Hälfte gab eindeutig an, welche Gene untersucht wurden, obwohl PGx in Studien mehrere sehr praktische Vorteile bieten kann:
 

Klareres Wirksamkeitssignal: geringere Variabilität -> eindeutigere Unterscheidung zwischen Respondern
und Non-Respondern Weniger Sicherheitsereignisse: frühzeitige Identifizierung von Hochrisikogenotypen -> weniger vermeidbare unerwünschte Arzneimittelwirkungen
Geringere Studienprobleme: weniger Studienabbrüche, weniger Rettungsmedikamente, weniger „Feuerwehreinsätze“
Bessere Dosierungsstrategie in der frühen Phase: PGx hilft, PK/PD-Ausreißer zu erklären, bevor sie zu überraschenden dosislimitierenden
Toxizitäten werden Überzeugendere Argumentation am Ende: prospektiv definierte Subgruppen -> besser vertretbare Kennzeichnungsstrategie für Kostenträger
 

Für die meisten Entwicklungsteams fühlt sich PGx immer noch wie etwas an, das die Komplexität erhöht, ohne das Risiko eindeutig zu verringern: mehr Assays, mehr Koordination, mehr regulatorische Fragen, mehr Dinge, die schiefgehen können. Wenn die Zeitpläne eng sind und ein Scheitern teuer ist, ist der Instinkt, zu vereinfachen und keine weitere variable Komponente einzuführen, selbst wenn diese medizinisch relevant ist. Genau deshalb hat PGx Schwierigkeiten, sich in klinischen Studien von einer „netten Idee“ zu einer „Standardinfrastruktur“ zu entwickeln.
Erfahrungsberichte von Klinikern weisen zudem darauf hin, dass kommerzielle PGx-Panels möglicherweise wichtige, gemäß den CPIC/FDA/DPWG-Leitlinien definierte, klinisch verwertbare Gene übersehen, während sie Varianten mit geringer Evidenz enthalten, was es erschwert zu erkennen, welche Ergebnisse in der Praxis tatsächlich nützlich sind. Selbst wenn das relevante Gen enthalten ist, erfassen Panels möglicherweise nicht konsistent alle klinisch verwertbaren Allele (wie Kopienzahlvarianten oder Hybridstrukturen), was zu einer Fehlklassifizierung der Metabolisierer bei den Teilnehmern führen kann.
 

Selbst wenn PGx-Tests eingesetzt werden, müssen sie in enge Studienzeitpläne passen: Programme wie PREPARE verlangten, dass Ergebnisse innerhalb von ca. 7 Tagen vorliegen, um klinisch relevant zu bleiben, und in der Praxis umfasst der Einsatz von PGx alles von der Genauswahl und Phänotyp-Übersetzung bis hin zur Berichterstattung, CDS-Logik und EHR-Integration über mehrere Teams hinweg. In der Praxis hängt die Umwandlung von Sequenzierungsdaten in richtlinienkonforme Phänotypen oft von spezialisierten Bioinformatik-Pipelines und der lokalen Infrastruktur ab, was zu Verzögerungen, Interpretationsschwierigkeiten und Variabilität zwischen den Standorten führt, wobei Kliniker durchweg Zeitdruck und die komplexe Interpretation der Ergebnisse als größte Hindernisse anführen.
 

Die Ironie dabei ist, dass das stärkste Argument für die Pharmakogenomik bereits vorgebracht wurde. Die PREPARE-Studie zeigte, dass präventives PGx klinisch relevante unerwünschte Arzneimittelwirkungen um etwa 30 % reduziert. Das ist nicht marginal. Das ist die Art von Effektgröße, die die Pharmaindustrie normalerweise feiert.
 

Aber PREPARE zeigte auch ganz nebenbei, warum PGx noch immer nicht skaliert wurde: zentralisierte Genotypisierung, mehrtägige Durchlaufzeiten, hoher Koordinationsaufwand, Overhead bei der Datenverarbeitung und Panels, die nie für globale, schnell ablaufende Studien konzipiert wurden.
Mit anderen Worten: Die Biologie funktionierte. Die Logistik nicht.
Hier kommt DNA ME ins Spiel.
Bei DNA ME gehen wir die Pharmakogenomik im Bereich der Nanoporen-Sequenzierung mit einer effizienten, vereinfachten Softwarelösung an, denn diese Kombination macht PGx endlich kompatibel mit der tatsächlichen Abwicklung von Studien.
 

Die Nanoporen-Sequenzierung ermöglicht es Ihnen, genetische Daten in der Nähe des Studienstandorts zu generieren, anstatt Proben an ein zentrales Labor zu schicken. Noch wichtiger ist, dass die Long-Read-Sequenzierung die wichtigsten Pharmakogene (wie CYP2D6) ohne die Spekulationen und Fehlklassifizierungen identifiziert, die bei der traditionellen Short-Read-Sequenzierung auftreten.

Panels. Doch die Sequenzierung ist nur die halbe Miete. Der eigentliche Durchbruch liegt darin, was nach der Datenerfassung geschieht.
 

DNA ME wandelt Rohdaten in standardisierte pharmakogenomische Ergebnisse um, die maschinenlesbar und für klinische Studien bereit sind, ohne dass Bioinformatik-Experten benötigt werden, um die Sequenzierungsergebnisse auszuwerten. Die Daten können direkt in die Sicherheitsüberwachung, Dosiseskalationsregeln oder die Logik adaptiver Studien einfließen. Analysen können zudem lokal auf einem einfachen Laptop durchgeführt werden; es sind keine GPUs oder teure Rechenausrüstung erforderlich, und es müssen keine sensiblen genetischen Daten der Teilnehmer hochgeladen oder versendet werden.
 

Der Nanopore-basierte Workflow von DNA ME kann zudem CpG-Methylierung und allelspezifische Methylierung direkt aus demselben Sequenzierungslauf nachweisen und fügt dem pharmakogenomischen Profiling so eine funktionale Ebene hinzu, ohne dass zusätzliche Assays oder nachgelagerte Verarbeitungsschritte erforderlich sind. Dies ermöglicht die Identifizierung von Teilnehmern, deren tatsächlicher Metabolismus aufgrund epigenetischer Regulation von Pharmakogenen von ihrem vorhergesagten Genotyp abweichen könnte, was dazu beiträgt, Expositionsausreißer zu reduzieren und die Metabolisierertypisierung innerhalb derselben optimierten Pipeline zu verbessern.
 

Sobald PGx schnell, erschwinglich und operativ unsichtbar wird (genauso eingebettet wie PK-Probenahmen oder Sicherheitslabore), stellt die Pharmaindustrie nicht mehr die Frage, ob es sich lohnt. Die Frage lautet dann: Warum sollten sie das Risiko eingehen, es nicht zu tun?

Wenn Sie versucht haben, PGx in eine Studie zu integrieren, was war das größte Hindernis: Kosten, Durchlaufzeit, Abläufe oder interne Akzeptanz?

Wir sind neugierig, welche Erfahrungen Teams in der Praxis machen.

(Und wenn Sie ein studienfertiges Panel + einen Plug-and-Play-Nanopore-Workflow wünschen, der auf Ihr Produkt zugeschnitten ist, schreiben Sie uns bei DNA ME, und wir entwickeln es gemeinsam mit Ihnen.)