Farmacogenomica is logisch – dus waarom maakt de farmaceutische industrie er dan geen gebruik van?

Farmacogenomica (PGx) bevindt zich in een merkwaardige paradox. Het wetenschappelijk bewijs is gedegen, de klinische (en economische) voordelen zijn onmiskenbaar, en toch verloopt de invoering traag, versnipperd en ongelijk.
 

Vooral in klinische onderzoeken wordt farmacogenomische profilering bijna nooit gebruikt. Een scan op ClinicalTrials.gov identificeerde slechts 619 PGx-gerelateerde interventieonderzoeken op een totaal van 350.728 (~0,18%), en minder dan de helft gaf duidelijk aan welke genen werden bestudeerd, ook al kan PGx in onderzoeken verschillende zeer praktische dingen doen:
 

Duidelijker signaal over de werkzaamheid: minder variabiliteit -> duidelijker beeld van
responders/non-responders Minder veiligheidsincidenten: vroegtijdige identificatie van genotypen met een hoog risico -> minder vermijdbare bijwerkingen
Minder wrijving in de studie: minder stopzettingen, minder noodmedicatie, minder “brandalarmsituaties”
Betere doseringsstrategie in de vroege fase: PGx helpt bij het verklaren van PK/PD-uitbijters voordat deze uitgroeien tot verrassingen op het gebied van
dosisbeperkende toxiciteit Sterker verhaal bij de finish: prospectief gedefinieerde subgroepen -> beter verdedigbare labelstrategie voor betalers
 

Voor de meeste ontwikkelingsteams voelt PGx nog steeds aan als iets dat complexiteit toevoegt zonder het risico duidelijk te verminderen: meer tests, meer coördinatie, meer vragen over regelgeving, meer dingen die mis kunnen gaan. Wanneer de tijdschema's krap zijn en mislukking duur is, is de neiging om te vereenvoudigen, niet om nog een bewegend onderdeel te introduceren, zelfs als dat onderdeel medisch relevant is. Dat is precies waarom PGx moeite heeft gehad om van 'leuk idee' naar 'standaardinfrastructuur' te evolueren in klinische proeven.
Uit ervaringen van clinici blijkt ook dat commerciële PGx-panels mogelijk belangrijke, bruikbare genen missen die zijn gedefinieerd in de richtlijnen van CPIC/FDA/DPWG, terwijl ze varianten met weinig bewijs bevatten, waardoor het moeilijker wordt om te weten welke resultaten in de praktijk daadwerkelijk bruikbaar zijn. Zelfs wanneer het relevante gen is opgenomen, leggen panels mogelijk niet consistent alle klinisch bruikbare allelen vast (zoals variaties in het aantal kopieën of hybride structuren), wat kan leiden tot een verkeerde classificatie van metaboliseerders bij deelnemers.
 

Zelfs wanneer PGx-testen worden gebruikt, moeten deze binnen strakke proefschema's passen: programma's zoals PREPARE vereisten dat resultaten binnen ~7 dagen werden gerapporteerd om klinisch relevant te blijven, en in de praktijk omvat de implementatie van PGx alles van genselectie en fenotypevertaling tot rapportage, CDS-logica en EHR-integratie tussen meerdere teams. In de praktijk hangt het omzetten van sequentiegegevens in richtlijnconforme fenotypes vaak af van gespecialiseerde bio-informatische pijplijnen en lokale infrastructuur, wat leidt tot vertragingen, interpretatieproblemen en variabiliteit tussen locaties, waarbij clinici consequent tijdsdruk en complexe interpretatie van resultaten noemen als belangrijke belemmeringen.
 

De ironie is dat het sterkste argument voor farmacogenomica al is aangevoerd. De PREPARE-studie toonde aan dat preventieve PGx klinisch relevante bijwerkingen van geneesmiddelen met ongeveer 30% vermindert. Dat is niet marginaal. Dat is het soort effectgrootte dat de farmaceutische industrie gewoonlijk toejuicht.
 

Maar PREPARE toonde ook stilletjes aan waarom PGx nog steeds niet op grote schaal wordt toegepast: gecentraliseerde genotypering, doorlooptijden van meerdere dagen, zware coördinatie, overheadkosten voor gegevensverwerking en panels die nooit zijn ontworpen voor wereldwijde, snel verlopende onderzoeken.
Met andere woorden: de biologie werkte. De logistiek niet.
Dit is waar DNA ME om de hoek komt kijken.
Bij DNA ME benaderen we farmacogenomica rond nanopore-sequencing met een efficiënte, vereenvoudigde softwareoplossing, omdat die combinatie PGx eindelijk compatibel maakt met hoe onderzoeken daadwerkelijk werken.
 

Met nanopore-sequencing kunt u genetische gegevens genereren dicht bij de proeflocatie, in plaats van monsters naar een gecentraliseerd laboratorium te verzenden. Nog belangrijker is dat long-read sequencing de farmacogenen identificeert die er het meest toe doen (zoals CYP2D6), zonder het giswerk en de verkeerde classificaties die traditionele short-read

panels. Maar sequencing is slechts het halve verhaal. De echte doorbraak zit hem in wat er gebeurt nadat de gegevens zijn gegenereerd.
 

DNA ME zet ruwe reads om in gestandaardiseerde farmacogenomische outputs die machinaal leesbaar en klaar voor gebruik in onderzoeken zijn, zonder dat er bio-informatica-experts nodig zijn om de sequentieresultaten te verkrijgen. De gegevens kunnen direct worden gebruikt voor veiligheidsmonitoring, regels voor dosisverhoging of adaptieve onderzoekslogica. Analyses kunnen ook lokaal op een gewone laptop worden uitgevoerd; er zijn geen GPU's of dure computerapparatuur nodig, en er hoeven geen gevoelige genetische gegevens van deelnemers te worden geüpload of verzonden.
 

De op nanoporen gebaseerde workflow van DNA ME kan ook CpG-methylatie en allelspecifieke methylatie direct uit dezelfde sequencingrun detecteren, waardoor een functionele laag aan farmacogenomische profilering wordt toegevoegd zonder extra assays of downstreamverwerking. Dit maakt het mogelijk om deelnemers te identificeren van wie het metabolisme in de praktijk kan afwijken van hun voorspelde genotype als gevolg van epigenetische regulatie van farmacogenen, wat helpt om blootstellingsuitbijters te verminderen en de classificatie van metaboliseerders te verbeteren binnen dezelfde gestroomlijnde pijplijn.
 

Op het moment dat PGx snel, betaalbaar en operationeel onzichtbaar wordt (op dezelfde manier geïntegreerd als PK-bemonstering of veiligheidslaboratoria), vraagt de farmaceutische industrie zich niet langer af of het de moeite waard is om te doen. De vraag wordt dan waarom ze het risico zouden accepteren om het niet te doen.

Als u hebt geprobeerd PGx in een proef te integreren, wat was dan de grootste belemmering: kosten, doorlooptijd, operationele aspecten of interne acceptatie?

We zijn benieuwd wat teams in de praktijk tegenkomen.

(En als u een proefklaar panel + plug-and-play nanopore-workflow wilt die is afgestemd op uw asset, stuur ons dan een bericht bij DNA ME en we bouwen het samen met u.)