только для медицинских специалистов

Консультант врача

Электронная медицинская библиотека

Раздел 6 / 6
Страница 13 / 21

V. ФУНДАМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ

Внимание! Часть функций, например, копирование текста к себе в конспект, озвучивание и т.д. могут быть доступны только в режиме постраничного просмотра.Режим постраничного просмотра
 
 
 
 
 
 
 
 
 
 
 

5.1.9. Изучение генетических факторов в формировании ответа организма человека на лекарственные средства с целью разработки терапевтических алгоритмов лечения с учетом индивидуальных генетических особенностей пациентов

Достижения в области геномной медицины способствовали переходу традиционной фармакогенетики, фокусирующийся на взаимосвязи «ген – лекарство», в фармакогеномику – движущую силу персонализированный медицины, охватывающую все области «омики» [1]. ВНП в генах, связанные с метаболизмом лекарственных средств, вносят дополнительный вклад в изменение фармакокинетики препаратов и могут сопровождаться как развитием нежелательных реакций, так и снижением эффективности медикаментозной терапии, ухудшением течения заболевания. Знание генетических особенностей пациента позволяет индивидуализировать выбор и режим назначения лекарственных препаратов и тем самым повысить эффективность проводимого лечения, минимизировать частоту побочных эффектов [2]. Кроме этого, оптимизация лекарственной терапии на основе результатов фармакогенетического тестирования – экономически эффективный метод [3].

Рекомендации «Консорциума по внедрению клинической фармакогенетики» (CPIC) [4], а также рекомендации профессиональных сообществ, аннотированные в базе фармакогенетических данных «Pharmacogenomics Knowledgebase» (PharmGKB) [5], позволяют имплементировать результаты фармакогенетического тестирования в реальную клиническую практику для подбора не только эффективной, но и безопасной терапии, в том числе у пациентов с ССЗ [6].

Например, основополагающим принципом лечения гиперхолестеринемии является снижение уровня холестерина. Статины, как основной класс гиполипидемических препаратов, занимают одно из ключевых мест в международных клинических рекомендациях по лечению и профилактике ССЗ [7-8]. Фармакогенетическое тестирование позволяет выявлять ВНП в генах, влияющих на метаболизм статинов (CYP3A4, CYP3А5, CYP2C9, CYP2C19, CYP2D6, ABCB1, SLCO1B1 и других) и прогнозировать индивидуальный фармакокенетический ответ пациента при их назначении [9-10]. С целью выбора наиболее подходящего статина и его максимально переносимой дозы, предупреждения развития статин-индуцированной миопатии, генотипирование SLCO1B1, ABCG2 и CYP2C9 было включено в обновленные рекомендации СPIC по фармакогенетическому тестированию [10]. Следует отметить, что, минимизируя побочные эффекты, индивидуальный подбор гиполипидемической терапии на основании фармакогенетического тестирования может повлиять на приверженность пациентов назначенному лечению и долгосрочную эффективность терапии статинами [10].

Для обеспечения наиболее безопасной фармакотерапии и предотвращения необоснованной полипрагмазии, мультиморбидным пациентам также следует проводить фармакогенетическое тестирование. Заранее известный фармакологический ответ позволит персонализированно подойти к выбору лекарственных препаратов для каждого конкретного пациента, тем самым предотвратить не только развитие нежелательных реакций, но и обеспечить назначение наиболее эффективной терапии, что крайне важно для пациентов с мультиморбидностью и плохим прогнозом заболевания [11].

Таким образом, фармакогенетическое тестирование является проспективной возможностью подбора обоснованной медикаментозной терапии в оптимальной дозе, верном сочетании каждому конкретному пациенту. Заблаговременное проведение фармакогенетического тестирования позволит подобрать лечащему врачу наиболее подходящую комбинацию лекарственных препаратов, минимизировать частоту побочных эффектов, повысить приверженность к назначенной терапии и эффективность проводимого лечения. С целью своевременной оптимизации подбора лекарственной терапии, необходимо рассмотрение возможности внедрения фармакогенетического тестирования не только в специализированных медицинских учреждения, но и в медицинских учреждениях первичного звена.

Список литературы

  1. Sadee W., Wang D., Hartmann K., Toland A.E. Pharmacogenomics: Driving Personalized Medicine. Pharmacol Rev. 2023. – Vol. 75. – № 2. doi:10.1124/pharmrev.122.000810.
  2. Cecchin E., Stocco G. Pharmacogenomics and Personalized Medicine. Genes. 2022;11(6):679. doi:10.3390/genes11060679.
  3. Morris S.A, Alsaidi A.T., Verbyla A., et al. Cost Effectiveness of Pharmacogenetic Testing for Drugs with Clinical Pharmacogenetics Implementation Consortium (CPIC) Guidelines: A Systematic Review. Clin Pharmacol Ther. 2022. – Vol. 112. – № 6. – Р. 1318–1328. doi:10.1002/cpt.2754.
  4. CPIC. URL: https://cpicpgx.org/ (дата обращения 12.04.2023).
  5. PharmGKB. URL: https://www.pharmgkb.org/ (дата обращения 12.04.2023).
  6. Duarte J.D., Cavallari L.H. Pharmacogenetics to guide cardiovascular drug therapy. Nat Rev Cardiol. 2021. – Vol. 18. – № 9. – Р. 649–665. doi:10.1038/s41569-021-00549-w.
  7. Mach F., Baigent C., Catapano A. L., et al. 2019 ESC/EAS Guidelines for the management of dyslipidaemias: Lipid modification to reduce cardiovascular risk. Eur Heart J. 2020;41(1):111-188. doi:10.1093/eurheartj/ehz455.
  8. Российское кардиологическое общество. Клинические рекомендации. Нарушение липидного обмена. Год утверждения: 2023.
  9. Dagli-Hernandez С., Zhou Y., Lauschke V.M., et al. Pharmacogenomics of statins: lipid response and other outcomes in Brazilian cohorts. Pharmacol Rep. 2022;74:47-66. doi:doi.org/10.1007/s43440-021-00319-y.
  10. Cooper-DeHoff R.M., Niemi M., Ramsey L.B., et al. The Clinical Pharmacogenetics Implementation Consortium Guideline for SLCO1B1, ABCG2, and CYP2C9 genotypes and Statin-Associated Musculoskeletal Symptoms. Clin Pharmacol Ther. 2022;111(5):1007-1021. doi:10.1002/ cpt.2557.
  11. J. O’Shea, M. Ledwidge, J. Gallagher, et al. Pharmacogenetic interventions to improve outcomes in patients with multimorbidity or prescribed polypharmacy: a systematic review. Pharmacogenomics. 2022;22:89-99. doi:10.1038/s41397-021-00260-6.

​​​​​​​5.2. Молекулярные исследования

5.2.1. Разработка диагностических тест систем на основе микрочипов для реализации комплексного подхода к неинвазивной диагностике сердечно-сосудистых и других хронических неинфекционных заболеваний

Идентификация пациентов, относящихся к группе повышенного риска развития ХНИЗ остается важнейшей проблемой современной биомедицинской науки [1-3]. Одним из интенсивно развивающихся направлений персонализированной медицины, позволяющих осуществлять поиск биомаркеров, является протеомный анализ [4, 5], который стал важной частью биологических и клинических исследований и превращается в реальный инструмент для разработки и внедрения современных биотехнологий [6-8]; именно протеомику рассматривают как приоритетную область для выявления биомаркеров [7-10].

Согласно международному проекту «Протеом человека» (Нuman Proteome Project, НРР) [2, 9], планируется создание протеомной карты, включающей все белки, кодируемые геномом человека. Среди первоочередных задач проекта: составление протеомных карт основных, или «мастерных», белков плазмы крови, печени, головного мозга. Для целей персонализированной медицины в этом плане возлагаются большие надежды на получение данных, связанных с протеомом крови, с учетом индивидуальных изменений в норме и при развитии патологии. Среди методов протеомного анализа, перспективных для персонализированной медицины, следует отметить белковые биочипы, на которых иммобилизованы массивы связывающих белков [10-14].

К приоритетным задачам следует отнести и протеомное картирование основных заболеваний [7, 15], в том числе, терапевтического профиля. Полученные в ходе разработок данные позволят выявить взаимосвязи между белковыми детерминантами и различными патологическими состояниями, обнаружить целевые биомаркеры нарушений ключевых метаболических и сигнальных путей, вовлеченных в патогенез заболеваний, что внесет существенный вклад в прогресс биомедицинской науки (фундаментальный аспект), а также позволят сформировать базы данных по белкам, специфичным для той или иной патологии, и создать Протеомный Атлас ХНИЗ, как платформы для рационального выбора биомаркеров и разработки специфических систем для in vitro диагностики.

Протеомное профилирование, дополненное анализом экзома и транскриптома (мультиомная диагностика), открывает широкие перспективы в понимании патогенеза различных заболеваний, в разработке способов их диагностики и лечения [16].

Список литературы

  1. Chan I.S., Ginsburg G.S. Personalized medicine: progress and promise. Annu Rev Genomics Hum Genet 2011; 12:217-44. doi:10.1146/annurev-genom-082410-101446.
  2. Дедов И.И., Тюльпаков А.Н., Чехонин В.П. и др. Персонализированная медицина: современное состояние и перспективы. Вестник РАМН. 2012;12:4-12.
  3. Грунина М.В., Лябин М.П. Многомерная биология как основа персонализированной медицины и медицины XXI века. Вестник ВолГУ. Серия 11, Естественные науки. 2018;8(2). doi:10/15688/ jvolsu11.2018.2.8.
  4. Angenendt P. Progress in protein and antibody microarray technology. Drug Discovery Today. 2005;10(7):503-11. doi:10.1016/S1359-6446(05)03392-1.
  5. Ridker P.M. Proteomics for the prediction and prevention of atherosclerotic disease. Eur Heart J. 2022;43(16):1578-1581. doi:10.1093/eurheartj/ehac036.
  6. Chen R., Snyde M. Promise of Personalized Omics to Precision Medicine. Wiley Interdiscip Rev Syst Biol Med. 2013; 5(1):73-82. doi:10.1002/wsbm.1198.
  7. Метельская В.А. Протеомный анализ сыворотки крови: возможности технологии с применением микрочипов на основе антител. Профилактическая медицина. 2022.25(12):135-143. doi:10.17116/profmed202225121135.
  8. Гуманова Н.Г., Климушина М.В., Метельская В.А., Бойцов С.А. Возможности применения технологии protein microarray (микрочипов) для анализа белкового состава сыворотки крови. Клин Лабор Диагн. 2015;60(10):16-21.
  9. Adhikari S., Nice E.C., Deutsch E.W., et al. A high-stringency blueprint of the human proteome. Nature Communications. 2020;11:5301. doi:10.1038/s41467-020-19045-9.
  10. Cretich M., Damin F., Chiari M. Protein microarray technology: how far off is routine diagnostics? Analyst. 2014;139(3):528-42. doi:10.1039/c3an01619f.
  11. Wingren С., Borrebaeck C.A. Antibody-based microarrays. Methods Mol Biol. 2009;509:57-84. doi:10.1007/978-1-59745-372-1_5.
  12. Hartman M., Roeraade J., Stoll D., Templin M.F., Joos T.O. Protein microarrays for diagnostic assays. Anal Bioanal Chem. 2009;393(5):1407-16. doi:10.1007/s00216-008-2379.
  13. Díez P., Dasilva N., González-González M., et al. Data Analysis Strategies for Protein Microarrays. Microarrays 2012;1:64-83. doi:10.3390/microarrays1020064.
  14. Qi H., Wang F., Tao S-ce. Proteome microarray technology and application: higher, wider, and deeper. Expert Rev Proteomics. 2019;16(10):815-27. doi:10.1080/14789450.2019.1662303.
  15. Stakhneva E.M., Meshcheryakova I.A., Demidov E.A., Starostin K.V., Peltek S.E., Voevoda M.I., Ragino Y.I. Changes in the proteomic profile of blood serum in coronary atherosclerosis. J Med Biochem. 2020;39(2):208-214. doi:10.2478/jomb-2019-0022.
  16. Hasin Y., Seldin M., Lusis A. Multi-omics approaches to disease. Genome Biol. 2017;18:83-97. doi:10.1186/s13059-017-1215-1.