فارماکوزومیکس منطقی است — پس چرا شرکتهای داروسازی واقعاً از آن استفاده نمیکنند؟
فارماکوزومیکس (PGx) به یک پارادوکس غیرمعمول رسیده است. شواهد علمی بالغ است، مزایای بالینی (و اقتصادی) آن انکارناپذیر است، و با این حال پذیرش آن کند، پراکنده و ناعادلانه باقی مانده است.
بهویژه در کارآزماییهای بالینی، پروفایلسازی فارماکولوژی ژنتیکی تقریباً هرگز استفاده نمیشود. یک جستوجو در ClinicalTrials.gov تنها ۶۱۹ کارآزمایی مداخلهای مرتبط با PGx را از مجموع ۳۵۰٬۷۲۸ کارآزمایی (حدود ۰.۱۸٪) شناسایی کرد و کمتر از نیمی بهوضوح مشخص کرده بودند که کدام ژنها در حال مطالعه هستند، هرچند PGx در کارآزماییها میتواند چندین کار بسیار عملی انجام دهد:
سیگنال اثربخشی واضحتر: تغییرپذیری کمتر -> داستان واضحتر
پاسخدهنده/پاسخننده کمتر رویدادهای ایمنی: شناسایی زودهنگام ژنوتیپهای پرخطر -> عوارض جانبی قابل
اجتناب کمتر اصطکاک کمتر در کارآزمایی: قطع درمان کمتر، داروهای نجات کمتر، «تمرینهای اضطراری» کمتر
استراتژی دوز بهتر در فازهای اولیه: PGx به توضیح دادههای نامتعارف PK/PD کمک میکند، پیش از آنکه به شگفتیهای سمیت محدودکننده دوز
تبدیل شوند. داستان قویتر در خط پایان: زیرگروههای تعریفشده به صورت پیشرونده -> استراتژی برچسبگذاری قابل دفاعتر برای پرداختکنندگان.
برای اکثر تیمهای توسعه، داروشناسی ژنتیکی (PGx) هنوز هم چیزی به نظر میرسد که بدون کاهش واضح ریسک، پیچیدگی را افزایش میدهد: آزمایشهای بیشتر، هماهنگی بیشتر، سوالات نظارتی بیشتر، موارد بیشتری که ممکن است اشتباه پیش بروند. وقتی زمانبندیها فشرده و شکست پرهزینه است، غریزه این است که کارها را سادهتر کرد، نه اینکه یک جزء متحرک دیگر را وارد کرد، حتی اگر آن جزء از نظر پزشکی مرتبط باشد. دقیقاً به همین دلیل است که داروشناسی ژنتیکی در حرکت از «یک ایده خوب» به «زیرساخت پیشفرض» در کارآزماییهای بالینی با مشکل مواجه شده است.
گزارشهای تجربه پزشکان نیز اشاره میکنند که پنلهای تجاری PGx ممکن است ژنهای کلیدی قابل اقدام را که توسط دستورالعملهای CPIC/FDA/DPWG تعریف شدهاند، نادیده بگیرند و در عین حال واریانتهای با شواهد کم را شامل شوند، که این امر تشخیص نتایج واقعاً مفید در عمل را دشوارتر میکند. حتی زمانی که ژن مربوطه گنجانده شده باشد، پنلها ممکن است به طور مداوم تمام آللهای قابل اقدام بالینی (مانند واریانتهای تعداد نسخهای یا ساختارهای هیبریدی) را پوشش ندهند، که میتواند به دستهبندی نادرست متابولیزرها در میان شرکتکنندگان منجر شود.
حتی زمانی که از آزمایش PGx استفاده میشود، باید در بازههای زمانی فشرده آزمایش قرار گیرد: برنامههایی مانند PREPARE مستلزم بازگرداندن نتایج ظرف حدود ۷ روز هستند تا از نظر بالینی مرتبط باقی بمانند، و در محیطهای واقعی، پیادهسازی PGx شامل همه چیز از انتخاب ژن و ترجمه فنوتیپ گرفته تا گزارشدهی، منطق CDS و یکپارچهسازی پرونده الکترونیک سلامت (EHR) در میان تیمهای متعدد است. در عمل، تبدیل دادههای توالییابی به فنوتیپهای منطبق با دستورالعملها اغلب به خطوط لوله بیوانفورماتیک تخصصی و زیرساختهای محلی بستگی دارد که باعث ایجاد تأخیر، چالشهای تفسیر و تغییرپذیری در سایتهای مختلف میشود، و پزشکان به طور مداوم محدودیتهای زمانی و تفسیر پیچیده نتایج را به عنوان موانع اصلی ذکر میکنند.
طنز ماجرا اینجاست که قویترین استدلال برای فارماکولوژی ژنتیکی (PGx) قبلاً ارائه شده است. مطالعه PREPARE نشان داد که PGx پیشگیرانه، واکنشهای جانبی دارویی مرتبط با بالینی را حدود ۳۰ درصد کاهش میدهد. این تأثیر جزئی نیست. این همان اندازه تأثیر است که شرکتهای داروسازی معمولاً آن را جشن میگیرند.
اما مطالعه PREPARE به طور ضمنی نشان داد که چرا PGx هنوز به مقیاس لازم نرسیده است: ژنوتایپینگ متمرکز، زمانهای پاسخ چند روزه، هماهنگی سنگین، سربار پردازش داده و پنلهایی که هرگز برای کارآزماییهای جهانی و سریع طراحی نشده بودند.
به عبارت دیگر، زیستشناسی کار میکرد. اما لجستیک نه.
اینجاست که DNA ME وارد میشود.
در DNA ME، ما با یک راهکار نرمافزاری کارآمد و سادهشده، به همراه توالییابی نانوپوره، به فارماکولوژی ژنتیکی میپردازیم، زیرا این ترکیب سرانجام فارماکولوژی ژنتیکی را با نحوه عملکرد واقعی کارآزماییها سازگار میکند.
سecuencing نانوپوره به شما امکان میدهد دادههای ژنتیکی را نزدیک به محل کارآزمایی تولید کنید، به جای آنکه نمونهها را به یک آزمایشگاه متمرکز ارسال کنید. مهمتر از آن، secuencing با خوانش بلند، ژنهای داروشناسی مهم را (مانند CYP2D6) بدون حدس و گمان و طبقهبندی اشتباهی که secuencing سنتی با خوانش کوتاه را به چالش میکشد، مشخص میکند.
پنلها. اما توالییابی تنها نیمی از داستان است. گشایش واقعی در آنچه پس از تولید دادهها رخ میدهد نهفته است.DNA ME ریزخوانیهای خام را به خروجیهای فارماکوژنتیکی استانداردشده تبدیل میکند که قابلخوانش توسط ماشین و آماده کارآزمایی هستند، بدون آنکه نیاز باشد متخصصان بیوانفورماتیک به نتایج توالییابی دسترسی پیدا کنند. این دادهها میتوانند مستقیماً وارد پایش ایمنی، قوانین افزایش دوز یا منطق کارآزمایی تطبیقی شوند. همچنین میتوان تحلیلها را بهصورت محلی روی یک لپتاپ معمولی اجرا کرد؛ بدون نیاز به GPU یا تجهیزات محاسباتی گرانقیمت و بدون بارگذاری یا ارسال دادههای ژنتیکی حساس شرکتکنندگان.
رویکار مبتنی بر نانوپور DNA ME همچنین میتواند متیلاسیون CpG و متیلاسیون اختصاصی آلیل را مستقیماً از همان اجرای توالییابی تشخیص دهد و بدون نیاز به آزمایشهای اضافی یا پردازشهای بعدی، یک لایه عملکردی به پروفایلسازی فارماکولوژیکی اضافه کند. این امر امکان شناسایی شرکتکنندگانی را فراهم میکند که متابولیسم واقعی آنها ممکن است به دلیل تنظیم اپیژنتیکی فارماکوژنها با ژنوتیپ پیشبینیشدهشان متفاوت باشد و به کاهش موارد انحرافی در معرضگذاری و بهبود طبقهبندی متابولیزهکنندهها در همان خط لوله بهینهشده کمک میکند.
به محض اینکه PGx سریع، مقرونبهصرفه و از نظر عملیاتی نامرئی (به همان شیوهای که نمونهبرداری PK یا آزمایشگاههای ایمنی ادغام شدهاند) شود، صنعت داروسازی دیگر این سؤال را مطرح نمیکند که آیا انجام آن ارزش دارد یا خیر. سؤال این میشود که چرا باید ریسک انجام ندادن آن را بپذیرند.
اگر تا به حال سعی کردهاید فارماکولوژی ژنتیکی (PGx) را در یک کارآزمایی ادغام کنید، بزرگترین مانع چه بوده است: هزینه، زمان پاسخ، عملیات، یا پذیرش داخلی؟
ما کنجکاویم بدانیم تیمها در عمل با چه مسائلی مواجه میشوند.
(و اگر به یک پنل آماده برای کارآزمایی + گردش کار نانوپور آماده به کار (plug-and-play) متناسب با دارایی خود نیاز دارید، به ما در DNA ME پیام دهید تا آن را با شما بسازیم.)