1 San Sebastian, 22 de Junio de 2006POSIBILIDADES 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

2 ARTRITIS REUMATOIDE Enfermedad inflamatoria crónicaSistémica, principalmente a las articulaciones Prevalencia ~ 1%, ratio sexo 3:1 Comorbili-mortalidad asociada No cura, tratamiento continuo

3 FISIOPATOLOGIA Formación de un tejido destructivo: pannusCells implicadas: - Sistema immune: B & T Linfocitos, MØ, Neutro, … - Tejido Conectivo: Fibroblastos (sinoviocitos, condrocitos, osteoblastos, ...) Erosiones en el cartílago y hueso: irreversibles Mucho por conocer

4 EVOLUCIÓN RADIOLÓGICA EN 6 AÑOSRadiographic grading of rheumatoid arthritis according to Larsen et al. at the metacarpophalangeal (III MCP right) joints. Fig. 2A: Stage 0 = normal joint (3/1989); Fig. 2B: Stage 1 = soft tissue swellig (otherwise normal joint) (11/1990); Fig. 2C: Stage 2 = one small erosion (diameter more than 1 mm) and distinct narrowing of the joint space (3/1992); Fig. 2D: Stage 3 = larger erosions with marked narrowing of the joint space (11/1993); Fig. 2E: Stage 4 = severe erosions with original bony outlines partly preserved (1/1995); Fig. 2F: Stage 5 = mutilating lesions (6/1996). The numbers indicate the month and year when radiograph was taken.

5 EVOLUCIÓN RADIOLÓGICA EN 6 AÑOSEnfermos en tratamiento con DMARDs The numbers indicate the month and year when radiograph was taken [Top] Radiographic grading of rheumatoid arthritis according to Larsen et al. at the right wrist. Fig. 3A: Stage 0 = normal joint (3/1989); Fig. 3B: Stage 1 = soft tissue swelling and joint space narrowing of the trapezionavicular and radiocarpal joint space (11/1990); Fig. 3C: Stage 2 = several small erosions and distinct narrowing of the carpometacarpal, trapezionavicular and radiocarpal joint space (3/1992); Fig. 3D: Stage 3 = multiple larger erosions with marked narrowing of the carpometacarpal, trapezionavicular and radiocarpal joint space (11/1993); Fig. 3E: Stage 4 = multiple severe erosions with severe destructive abnormality. Only minor parts of the articular surfaces remain. (1/1995); Fig. 3F: Stage 5 = complete destruction of th

6

7 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

8 DE LOS MARCADORES DIAGNÓSTICO A LOS PERFILES DE RESPUESTA

9 CONSTRUCCIÓN DE UN PREDICTORDiseño 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

10 PREDICCIÓN MOLECULAR EN ARTipo de muestra: PBMC Tecnología: GeneFiltres Invitrogen (~4000 tránscritos) n = 11*AR de inicio (ERA), 8*AR avanzadas, 14*SLE, 11*asma, 9*controles

11 PREDICCIÓN MOLECULAR EN AR8 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)

12 PREDICCIÓN MOLECULAR EN ARTipo de muestra: membrana sinovial (pieza quirúrgica) Tecnología: Lymphochip, (~18000 tránscritos) N: 21* RAs, 9* OAs Arthritis Rheum ‘04

13 PREDICCIÓN MOLECULAR EN ARRelativa 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

14 PREDICCIÓN MOLECULAR EN ARTipo de muestra: Fibroblasto sinovial en cultivo Tecnología: Arrays de 2-colores (~24000 tránscritos) n = 19* RAs

15 PREDICCIÓN MOLECULAR EN ARClasificación 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

16 DE LOS MARCADORES DIAGNÓSTICO A LOS PERFILES DE RESPUESTA

17 MARCADORES BIOLÓGICOS DE RESPUESTA CLÍNICA A TERAPIAS ANTI-TNFα EN AR16 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)

18 Glocker et al, Med Res Rev 2006

19 MARCADORES BIOLOGICOS DE RESPUESTA CLÍNICA A RITUXIMAB EN ARRituximab (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)

20 RESULTADOS: EFICACIA CLÍNICA

21 RESULTADOS: PREDICTORES CLÍNICOSANÁLISIS EXPLORATORIO Delta.DAS = DAS28sem0 – DAS28sem12 V. respuesta: Respondedor: Delta.DAS > 0.4 No Respondedor: Delta.DAS < 0.4 V. predictores: datos clínicos en sem0 Regla de aprendizaje: K-Nearest Neigbours Validación predicción: Técnica de Validation Cruzada

22 RESULTADOS: PREDICTORES CLÍNICOSPrecisión de clasficación: 99.5%

23 INMUNOFENOTIPO: PREDICTORANÁLISIS 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 = , R2=0.71

24 RESULTADOS: EXPRESIÓN GÉNICA DIFERENCIAL

25 EXPRESIÓN GÉNICA DIFERENCIAL

26 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

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