POSIBILIDADES DE APLICACIONES DE LA

GENÓMICA EN EL TRATAMIENTO DE LA ARTRITIS REUMATOIDE

Dra. Sara Marsal

Unitat de Recerca de Reumatologia

Institut de Recerca Hospital Vall Hebron

San Sebastian, 22 de Junio de 2006

ARTRITIS REUMATOIDE• Enfermedad inflamatoria crónica

• Sistémica, principalmente a las articulaciones

• Prevalencia ~ 1%, ratio sexo 3:1

• Comorbili-mortalidad asociada

• No cura, tratamiento continuo

FISIOPATOLOGIA• Formación de un tejido destructivo: pannus• Cells implicadas: - Sistema immune:

B & T Linfocitos, MØ, Neutro, … - Tejido Conectivo: Fibroblastos (sinoviocitos, condrocitos, osteoblastos, ...)

• Erosiones en el cartílago y hueso: irreversibles• Mucho por conocer

EVOLUCIÓN RADIOLÓGICA EN 6 AÑOS

EVOLUCIÓN RADIOLÓGICA EN 6 AÑOS

GENÓMICA EN LA AR• Ausencia de una metodología para:

– Diagnosticar pacientes con AR en las etapas iniciales de la enfermedad

– Identificar nuevas clases de AR (Heterogeneidad)

• Porqué necesitamos categorizar la AR?– Principalmente: Ajustar el tratamiento (medicina

personalizada)

• Necesidad de incorporar marcadores biológicos tecnologías de análisis masivo

DE LOS MARCADORES DIAGNÓSTICO A LOS PERFILES DE RESPUESTA

CONSTRUCCIÓN DE UN PREDICTOR

• Diseño adecuado (nº y tipo de muestras)• Selección de genes “predictivos”• Crear regla de predicción • Algoritmo de clasificación:

– LDA: Linear Discriminant Analysis– KNN: k-Nearest Neighbours– SVM: Support Vector Machines– …

• Validar en muestra independiente

• Tipo de muestra: PBMC

• Tecnología: GeneFiltres Invitrogen (~4000 tránscritos)

• n = 11*AR de inicio (ERA), 8*AR avanzadas, 14*SLE, 11*asma, 9*controles

PREDICCIÓN MOLECULAR EN AR

• 8 genes predictivos ERA

• Genes predictivos: ratio ERA/RA > 3-fold

• Regla de decisión: Si gen > π → 1, si gen < π→ 0.

• Promedio RA: 0.13 ± 0.13, ERA: 7.88 ± 0.13

• Validación regla en muestra independiente (11 ERAs, 7.11 ± 0.31, P = 1.39 x10-11)

PREDICCIÓN MOLECULAR EN AR

• Tipo de muestra: membrana sinovial (pieza quirúrgica)• Tecnología: Lymphochip, (~18000 tránscritos)• N: 21* RAs, 9* OAs

PREDICCIÓN MOLECULAR EN AR

Arthritis Rheum ‘04

• Relativa agrupación RA vs OA• Análisis no supervisado 3 perfiles:

– RAhigh: T/B, APC– RAintermediate

– RAlow: Estroma

• En RAhigh clara activación via STAT• STAT-1: marcador de AR inflamatoria• No regla predicción

PREDICCIÓN MOLECULAR EN AR

• Tipo de muestra: Fibroblasto sinovial en cultivo• Tecnología: Arrays de 2-colores (~24000 tránscritos)• n = 19* RAs

PREDICCIÓN MOLECULAR EN AR

• Clasificación en 2 grupos• Capacidad predictiva:

– Método PAM (Tibshirani ’02, PNAS)– 484 genes permiten un precisión de

clasificación de ~90%

• Clasificación in vitro emula clasificación in vivo

• Heterogeneidad en fibroblastos en AR es un rasgo estable

PREDICCIÓN MOLECULAR EN AR

DE LOS MARCADORES DIAGNÓSTICO A LOS PERFILES DE RESPUESTA

MARCADORES BIOLÓGICOS DE RESPUESTA CLÍNICA A TERAPIAS ANTI-TNFα EN AR

• 16 RA en tratamiento con Etanercept (Wyeth)

• Variable respuesta: Respondedor/No Respondedor

• Perfiles de expresión en sangre total

• Identifican 65 genes diferencialmente expresados

• Support Vector Machine (SVM): modelos predictivos– Pares de genes (8): precisión de predicción* 90%– Trios de genes (27): precisión de predicción* 100%* Técnica de validación cruzada (CV)

Glocker et al, Med Res Rev 2006

MARCADORES BIOLOGICOS DE RESPUESTA CLÍNICA A RITUXIMAB EN AR

• Rituximab (Roche): depleción LB CD20+• No marcadores predictores de respuesta• 8 AR activa, fallo a terapias biológicas previas• Eficacia clínica

– DAS28, Respuestas ACR y EULAR (S0, S2, S12, S24)

• Inmunofenotipo– Ab’s anti: CD3, CD4, CD8, CD28, CD25, CD20

• Expresión génica– Affymetrix HGA133 A 2.0– Separación LB y LT (LB S0, LT S0, S2, S12, S24)

RESULTADOS: EFICACIA CLÍNICA

sem 0 sem 2 sem 12 sem 24

23

45

67

8

DAS28 vs semana de tratamiento

sem 0 sem 2 sem 12 sem 24

Semana

DA

S28

2

4

6

8

10

sem 0 sem 2 sem 12 sem 24

DAS28 vs semana de tratamiento

Semana

DA

S28

RESULTADOS: PREDICTORES CLÍNICOS

ANÁLISIS EXPLORATORIO

Delta.DAS = DAS28sem0 – DAS28sem12

- V. respuesta:1) Respondedor: Delta.DAS > 0.42) No Respondedor: Delta.DAS < 0.4

- V. predictores: datos clínicos en sem0

Regla de aprendizaje: K-Nearest NeigboursValidación predicción: Técnica de Validation Cruzada

RESULTADOS: PREDICTORES CLÍNICOS

Precisión de clasficación: 99.5%

INMUNOFENOTIPO: PREDICTOR

ANÁLISIS EXPLORATORIO

Modelado: -V. respuesta: delta.das: DAS28sem0 – DAS28sem12-V. predictores: datos fenotípicos (absolutos o relativos)

Mejor modelo:

Delta.das = 0.16*(%CD20+) ± 0.08 (95% C.I.)

P = 0.0028, R2=0.71

RESULTADOS: EXPRESIÓN GÉNICA DIFERENCIAL

2

4

6

8

10

sem 0 sem 2 sem 12 sem 24

DAS28 vs semana de tratamiento

Semana

DA

S28

2

4

6

8

10

sem 0 sem 2 sem 12 sem 24

DAS28 vs semana de tratamiento

Semana

DA

S2

8

EXPRESIÓN GÉNICA DIFERENCIAL

CONCLUSIONES• En el diagnóstico de la AR son necesarias

nuevos marcadores para diagnosticar precozmente la enfermedad

• Los predictores de diagnóstico y tratamiento serán más útiles si antes definimos subtipos de AR homogéneos

• Las nuevas tecnologías de análisis masivo nos pueden ayudar a determinar tanto nuevos subtipos de AR como a predecir la respuesta terapéutica con mayor robustez

• Toni Julià• Dra. Mireia Barceló• Cristina Tresents• Victor Gordo• Nora Spinedi• Dra. Sara Marsal