ES2297476T3 - Metodo para la determinacion del impacto de una mezcla de productos sinteticos multicomponentes sobre el perfil biologico de una enfermedad dentro de un grupo de sistemas vivos y desarrollo de nuevas intervenciones combinatorias. - Google Patents
Metodo para la determinacion del impacto de una mezcla de productos sinteticos multicomponentes sobre el perfil biologico de una enfermedad dentro de un grupo de sistemas vivos y desarrollo de nuevas intervenciones combinatorias. Download PDFInfo
- Publication number
- ES2297476T3 ES2297476T3 ES04774923T ES04774923T ES2297476T3 ES 2297476 T3 ES2297476 T3 ES 2297476T3 ES 04774923 T ES04774923 T ES 04774923T ES 04774923 T ES04774923 T ES 04774923T ES 2297476 T3 ES2297476 T3 ES 2297476T3
- Authority
- ES
- Spain
- Prior art keywords
- biological
- disease
- profile
- technique
- impact
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 238000000034 method Methods 0.000 title claims abstract description 122
- 201000010099 disease Diseases 0.000 title claims abstract description 51
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 51
- 239000000203 mixture Substances 0.000 title claims abstract description 49
- 238000011161 development Methods 0.000 title description 8
- 238000000491 multivariate analysis Methods 0.000 claims abstract description 19
- 208000024891 symptom Diseases 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 24
- 238000005481 NMR spectroscopy Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 15
- 108090000623 proteins and genes Proteins 0.000 claims description 13
- 239000000090 biomarker Substances 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 11
- 210000001124 body fluid Anatomy 0.000 claims description 10
- 239000010839 body fluid Substances 0.000 claims description 10
- 239000002207 metabolite Substances 0.000 claims description 10
- 230000002503 metabolic effect Effects 0.000 claims description 9
- 102000004169 proteins and genes Human genes 0.000 claims description 9
- 238000004587 chromatography analysis Methods 0.000 claims description 8
- 238000004949 mass spectrometry Methods 0.000 claims description 8
- 150000001875 compounds Chemical class 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 5
- 230000002195 synergetic effect Effects 0.000 claims description 4
- -1 transcripts Proteins 0.000 claims description 3
- 239000000654 additive Substances 0.000 claims description 2
- 230000000996 additive effect Effects 0.000 claims description 2
- 238000000338 in vitro Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 239000003814 drug Substances 0.000 abstract description 11
- 238000013459 approach Methods 0.000 description 19
- 229940079593 drug Drugs 0.000 description 8
- 241001465754 Metazoa Species 0.000 description 7
- 230000003595 spectral effect Effects 0.000 description 7
- 238000011282 treatment Methods 0.000 description 7
- 238000010171 animal model Methods 0.000 description 6
- 230000004071 biological effect Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 238000002483 medication Methods 0.000 description 6
- 241000282414 Homo sapiens Species 0.000 description 5
- 239000012071 phase Substances 0.000 description 5
- 210000002381 plasma Anatomy 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 238000004895 liquid chromatography mass spectrometry Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 210000002700 urine Anatomy 0.000 description 4
- 238000000738 capillary electrophoresis-mass spectrometry Methods 0.000 description 3
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000000499 gel Substances 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000004128 high performance liquid chromatography Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000002705 metabolomic analysis Methods 0.000 description 3
- 230000001431 metabolomic effect Effects 0.000 description 3
- 102000004196 processed proteins & peptides Human genes 0.000 description 3
- 108090000765 processed proteins & peptides Proteins 0.000 description 3
- 238000004611 spectroscopical analysis Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 150000001413 amino acids Chemical class 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 150000001720 carbohydrates Chemical class 0.000 description 2
- 235000014633 carbohydrates Nutrition 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 150000002066 eicosanoids Chemical class 0.000 description 2
- 238000000835 electrochemical detection Methods 0.000 description 2
- 238000001962 electrophoresis Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000013632 homeostatic process Effects 0.000 description 2
- 238000001499 laser induced fluorescence spectroscopy Methods 0.000 description 2
- 150000002632 lipids Chemical class 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 150000007524 organic acids Chemical class 0.000 description 2
- 235000005985 organic acids Nutrition 0.000 description 2
- 230000000144 pharmacologic effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 150000003431 steroids Chemical class 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 231100000027 toxicology Toxicity 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 101150037123 APOE gene Proteins 0.000 description 1
- 102100029470 Apolipoprotein E Human genes 0.000 description 1
- 201000001320 Atherosclerosis Diseases 0.000 description 1
- 208000033962 Fontaine progeroid syndrome Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010022489 Insulin Resistance Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 238000012356 Product development Methods 0.000 description 1
- 108091030071 RNAI Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 150000007513 acids Chemical class 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003613 bile acid Substances 0.000 description 1
- 230000007321 biological mechanism Effects 0.000 description 1
- 230000008512 biological response Effects 0.000 description 1
- 229960000074 biopharmaceutical Drugs 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000005251 capillar electrophoresis Methods 0.000 description 1
- 238000004113 cell culture Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000002648 combination therapy Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003831 deregulation Effects 0.000 description 1
- 238000001212 derivatisation Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000004108 freeze drying Methods 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 230000009368 gene silencing by RNA Effects 0.000 description 1
- 230000035876 healing Effects 0.000 description 1
- 241000411851 herbal medicine Species 0.000 description 1
- 238000001095 inductively coupled plasma mass spectrometry Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 238000001819 mass spectrum Methods 0.000 description 1
- 108020004999 messenger RNA Proteins 0.000 description 1
- 230000004001 molecular interaction Effects 0.000 description 1
- 239000002858 neurotransmitter agent Substances 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 238000000655 nuclear magnetic resonance spectrum Methods 0.000 description 1
- 239000002777 nucleoside Substances 0.000 description 1
- 125000003835 nucleoside group Chemical group 0.000 description 1
- 239000002417 nutraceutical Substances 0.000 description 1
- 235000021436 nutraceutical agent Nutrition 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000002974 pharmacogenomic effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 150000003384 small molecules Chemical class 0.000 description 1
- 230000011273 social behavior Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 210000001179 synovial fluid Anatomy 0.000 description 1
- 238000004885 tandem mass spectrometry Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000002110 toxicologic effect Effects 0.000 description 1
- 231100000041 toxicology testing Toxicity 0.000 description 1
- 238000012301 transgenic model Methods 0.000 description 1
- 238000011830 transgenic mouse model Methods 0.000 description 1
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 1
- 238000000870 ultraviolet spectroscopy Methods 0.000 description 1
- 238000002562 urinalysis Methods 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000002676 xenobiotic agent Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
- G01N33/5008—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics
- G01N33/502—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics for testing non-proliferative effects
- G01N33/5023—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics for testing non-proliferative effects on expression patterns
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
- G01N33/5008—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics
- G01N33/5082—Supracellular entities, e.g. tissue, organisms
- G01N33/5088—Supracellular entities, e.g. tissue, organisms of vertebrates
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
- G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2550/00—Electrophoretic profiling, e.g. for proteome analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Urology & Nephrology (AREA)
- Hematology (AREA)
- General Health & Medical Sciences (AREA)
- Biotechnology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Cell Biology (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Microbiology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Tropical Medicine & Parasitology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Toxicology (AREA)
- Biophysics (AREA)
- Genetics & Genomics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Evolutionary Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Medicines That Contain Protein Lipid Enzymes And Other Medicines (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Método in vitro para la identificación, dentro de una mezcla de productos sintéticos multicomponentes, de los componentes y sus respectivas concentraciones responsables de efectos aditivos o sinérgicos sobre el perfil biológico de una enfermedad dentro de un grupo de sistemas vivos, cuya mezcla es una mezcla de compuestos sintéticos que han sido producidos por síntesis química, no por proceso natural, cuyo método comprende las siguientes etapas: (a)determinar el perfil biológico de la enfermedad comparando el perfil biológico de un grupo de sistemas vivos con síntomas de la enfermedad, con el perfil biológico de un grupo de referencia (grupo sano) de sistemas vivos, utilizando un análisis multivariante, por medición e integración de datos procedentes de uno o varios perfiles metabólicos, genéticos y/o proteómicos; (b)determinar el impacto de una serie de muestras de una o varias composiciones sintéticas sobre el perfil biológico de la enfermedad, en cuyas muestras las concentraciones de unoo varios compuestos sintéticos difieren, utilizando análisis multivariante; (c)preparar un conjunto de mezclas de productos sintéticos multicomponentes que se espera que muestren un impacto deseado sobre el perfil biológico de la enfermedad en base a la información obtenida en la etapa (b); (d)determinar el impacto del conjunto de mezclas multicomponentes preparado en la etapa (c) sobre el perfil biológico de la enfermedad utilizando análisis multivariante a efectos de identificar dichos componentes y sus concentraciones respectivas.
Description
Método para la determinación del impacto de una
mezcla de productos sintéticos multicomponentes sobre el perfil
biológico de una enfermedad dentro de un grupo de sistemas vivos y
desarrollo de nuevas intervenciones combinatorias.
La presente invención está relacionada con el
campo de las ciencias y el dominio de la salud y de las
enfermedades, en particular con el desarrollo de estrategias y
productos sintéticos para la prevención, tratamiento o cura de una
enfermedad.
En contraste con el enfoque reduccionista
convencionalmente aplicado por la industria farmacéutica para
desarrollar nuevos medicamentos, la presente invención se basa en
un enfoque holístico de los organismos vivos y la subsiguiente
estrategia de intervención multicomponentes.
Un enfoque holístico a los organismos vivos ha
sido, por ejemplo, la base de la medicina en las culturas antiguas
especialmente en la utilización de productos derivados de hierbas.
Un punto inicial importante, por ejemplo en los enfoques basados en
la medicina de las hierbas, es que todo organismo sano se encuentra
equilibrado. El equilibrio se considera que es una interacción
compleja entre cuerpo y mente, que se refleja a todos los niveles
desde la perspectiva de los componentes bioquímicos hasta el control
del sistema energético de nuestro cuerpo físico. Los desequilibrios
internos pueden derivarse de una amplia variedad de factores y
pueden conducir a múltiples estados comprendidos desde
perturbaciones de poca duración hasta procesos de enfermedades
crónicas. Adicionalmente, el carácter único de cada ser humano es
reconocido y ello crea la necesidad de desarrollar medicación
personalizada para obtener resultados óptimos basándose en
tratamientos multicomponentes.
A primera vista, el enfoque medico científico
occidental moderno puede parecer muy distinto de lo indicado. No
obstante, la revolución genómica que ha tenido lugar en las ciencias
de la vida durante la última década ha proporcionado un soporte
considerable de una visión más holística del diagnóstico y
tratamiento. Además, la cuestión de la medicina personalizada está
recibiendo en la actualidad una considerable atención debido a
nuevos enfoques, entre otros en farmacogenómica. Si bien el
principio de homeostasis ha sido la piedra angular de la fisiología
occidental durante más de un siglo, la enorme complejidad de los
sistemas biológicos ha llevado frecuentemente la investigación
farmacéutica a intentar identificar e influir solamente en objetivos
únicos que constituyen la diferencia entre salud y enfermedad. Este
enfoque ha proporcionado ciertamente muchos medicamentos potentes
pero también ha revelado importantes inconvenientes. En realidad se
intenta influir en un sistema al interaccionar con una proteína
única que es frecuentemente parte de una ruta compleja y está
involucrada en una cascada de reacciones y bucles de
realimentación. La realidad es que la mayor parte de enfermedades
son multifactoriales, lo que significa que el tratamiento de un
objetivo único proporciona un tratamiento parcial (reducción de
síntomas) y en la mayor parte de los casos no proporciona la
curación. Si bien este punto de vista no es nuevo, ha sido
imposible encontrar rutas alternativas dada la mencionada
complejidad del sistema.
No obstante, los inventores han desarrollado un
método que posibilita un perfilado muy detallado y subsiguientes
mediciones de cambios inducidos por multicomponentes en sistemas
in-vitro (tales como cultivos celulares). En
este método se puede medir de manera muy efectiva la interacción de
múltiples componentes con sistemas biológicos vivos, utilizando un
conjunto específico de etapas o fases de trabajo, aplicando
tecnologías tales como bioestadística y bioinformática. Por medio
de estas mediciones se puede determinar ventajosamente el impacto
de mezclas multicomponentes sobre el perfil biológico de una
enfermedad. Además, estas mediciones posibilitan la elección de
componentes eficaces y seguros dentro de las mezclas
multicomponentes y se pueden identificar las concentraciones
respectivas de los mismos necesarias para obtener un impacto en el
perfil biológico de la enfermedad. La invención es distinta de
conceptos anteriores, tales como los que se describen en los
documentos US 2003/0096309 A1 (Borisy y otros) y WO 97/20076
(Schmidt y otros) que se refieren al diseño de mezclas
multicomponentes para aplicación en el tratamiento de enfermedades,
porque la presente invención no se refiere a medición del resultado
biológico a nivel celular, sino que proporciona la medición a nivel
de sistemas lo que es crucial para casi todas las enfermedades
multifactoriales. Por ejemplo, la fase inicial de una enfermedad se
caracteriza frecuentemente por un desplazamiento del equilibrio
entre diferentes estructuras organizativas en un sistema y
comunicación bioquímica y señales de control se encuentran de manera
típica a nivel de sistemas, no a nivel de tipo celular único.
Claramente, a niveles crecientes de complejidad en un sistema, se
revelan nuevas propiedades. Este elemento de comunicación y control
se encuentra entre otros en líquidos corporales presentes en un
sistema tal como sangre, CSF o reflejos de los mismos en la orina.
La presente invención posibilita el descubrimiento de descriptores
de sistema, biomarcadores que describen niveles más bajos y más
altos de organización y control, y utiliza esta información para
optimizar mezclas para enfocar la desregulación en diferentes rutas
y diferentes niveles de sistema.
De acuerdo con lo anterior la presente invención
se refiere a un método tal como se define en la reivindicación
1.
En una realización preferente de la presente
invención, después de la etapa (d) se lleva a cabo una etapa (e) en
la que una o varias mezclas de dicho conjunto son seleccionadas,
mostrando dichas mezclas seleccionadas el impacto deseado en el
perfil biológico de la enfermedad.
En el contexto de la presente invención, una
mezcla de productos sintéticos multicomponentes se define como
mezcla de compuestos sintéticos los cuales han sido producidos por
síntesis química, no por un proceso natural.
Los sistemas vivos comprenden seres humanos y
todo tipo de animales. Cuando se utilizan animales, el grupo de
sistemas vivos se selecciona de manera adecuada de un tipo de
animal.
El método según la presente invención posibilita
la medición de los efectos de intervenciones de objetivo múltiple y
el desarrollo de productos para llevar a cabo de forma óptima estas
intervenciones mediante un enfoque único, revelando el perfil
biológico de los componentes efectivos. Este enfoque único recibe la
referencia de farmacología multidimensional (MDP) y utiliza el
enfoque de biología de sistemas en el que los sistemas biológicos
son estudiados por medición e integración de datos metabólicos y
otros datos de perfil, tales como datos genéticos y/o
proteómicos.
La determinación de los efectos biológicos y en
particular los efectos multicomponentes sinérgicos de acuerdo con
la presente invención es ilustrada por el ejemplo de productos
sintéticos en estrategias de intervención. La determinación de
estos efectos no está limitada a efectos biológicos y sinérgicos en
sistema de mamíferos, sino que se puede dirigir a todas las
posibles formas de sistemas vivos con mezclas complejas derivadas
del mismo inventario de vida.
La presente invención no está limitada a un tipo
particular de enfermedad sino que abarca cualquier enfermedad de la
que se puede determinar el perfil biológico. Además se puede
utilizar en estrategias de prevención.
Una considerable ventaja de la presente
invención consiste en el hecho de que proporciona la base científica
tanto para la eficacia como para la seguridad de mezclas
multicomponentes comprobadas y proporciona una herramienta para el
desarrollo de estrategia de enfoques combinatorios.
Otro aspecto muy importante del método según la
presente invención es que permite la medición de todos los efectos
biológicos incluyendo efectos aditivos y sinérgicos.
En estudios de salud y de enfermedad se puede
utilizar un perfil de líquido corporal de por ejemplo una muestra
de plasma de un grupo de control (grupo de referencia) y grupo de
paciente (grupo con síntomas de la enfermedad con el perfil
biológico)para medir el mayor número de componentes posible y
se efectúa la evaluación en cuanto a diferencias en componentes
individuales o modelos de componentes entre los dos grupos para
obtener una mejor visión de los mecanismos biológicos subyacentes,
para detectar nuevos biomarcadores/marcadores subordinados, para la
predicción de la respuesta toxicológica o farmacológica o para
desarrollar nuevas rutas de intervención. En el contexto de la
presente solicitud se define un biomarcador como una característica
que es medida objetivamente y evaluada como indicador de: procesos
biológicos normales, procesos patogénicos o respuesta farmacológica
a intervención terapéutica. Los biomarcadores pueden ser genes,
transcriptos, proteínas, metabolitos, elementos en proporción de
trazas o cualesquiera combinaciones de estos componentes.
El concepto de la presente invención de utilizar
patrones para el modelado dinámico directamente o después de
compresión no lineal o multidimensional lineal abre la ruta
exclusiva de estudio de procesos dinámicos utilizando descripciones
de sistemas basadas en modelos de componentes. En estos estudios se
pueden supervisar y se pueden evaluar de forma multidimensional,
perturbaciones, por ejemplo, mediante rutas de intervención de
medicamentos y se pueden aplicar métodos tales como análisis de
series temporales, desviación de tiempo ("time warping") y
técnicas dinámicas no lineales. En la evaluación de los datos
generados con el método de la presente invención, también puede ser
de importancia la adición de otros datos e información procedente
de otras fuentes tal como información de dossiers clínicos de
pacientes describiendo el diagnóstico médico y química clínica o
datos de estudios de enfermedad a nivel de comportamiento,
cognición, psicológico, social, etc. Estos datos se pueden incluir
o relacionar con el juego de datos creado por el método según la
presente invención para clasificar los pacientes o para descubrir
sub-clases u otras observaciones relevantes.
Especialmente en el diseño de nuevas
intervenciones combinatorias son frecuentemente preferidos los
modelos animales para conseguir actividad biológica, por ejemplo la
medición de resistencia a la insulina en el estudio de síndrome
metabólico (obesidad, diabetes II, hipertensión y otras enfermedades
relacionadas con CV). La correlación directa de estos datos con la
composición de la mezcla y el perfil de respuesta biológica en dicho
modelo es una realización preferente de esta invención cuando
nuevas composiciones sintéticas se encuentran dentro de la mezcla
(enfoque pre-clínico). Para mezclas que contienen
compuestos sintéticos ya utilizados o de uso permitido en el
hombre, es preferible el perfilado directo utilizando líquidos
corporales procedentes de seres humanos o animales (enfoque
clínico).
La aplicación de la presente invención crea una
amplia variedad de nuevos enfoques en utilización de metabolómica,
proteómica, transcriptómica y/o otros perfiles de componentes de
líquidos corporales para reforzar el proceso general de biomedicina
o descubrimiento de medicamentos, incluyendo el desarrollo, la
evaluación clínica, aplicaciones diagnósticas y supervisión
posterior al marcado. Los perfiles creados pueden ser utilizados en
primer lugar para obtener una mejor comprensión del proceso
biológico subyacente entre otras cosas para evaluación toxicológica
(toxicología predictiva), descubrimiento de biomarcador/marcador
subordinado o biomarcador/modelo de marcador subordinado,
validación de objetivo de proteína, comparación de modelos animales
y relación de éstos con estudios humanos, fenotipado a nivel de
metabolito, evaluación respondedor/no respondedor, validación de
modelos animales tales como modelos transgénicos, proporcionando la
capacidad de correlacionar datos a nivel de metabolitos con otros
niveles en biologías de sistemas tales como genes, mRNA, RNAi y
datos de proteínas.
\newpage
El método según la presente invención genera
modelos de componentes y el análisis multivariante utilizado genera
modelos de componentes relevantes para una situación o investigación
determinada. En biología moderna y en las industrias relacionadas
nutracéutica, farmacéutica y biotecnológica este es un nuevo
paradigma crucial para impulsar la investigación científica y en
los descubrimientos industriales y procesos de desarrollo. La
comprensión básica es que la biología en general y los procesos de
enfermedades en particular son de naturaleza multifactorial y por
lo tanto la comprensión de sus procesos requiere una descripción o
comprensión basada en una multitud de componentes. A partir de
estudios recientes utilizando biología de sistemas (Clish y otros,
análisis biológico integrativo del ratón transgénico APOE*3 Leiden,
OMICS2004, 1:3-13)resulta evidente la
interconectividad e interdependencia de los componentes del sistema
y se ha estudiado el hecho de que nuevas propiedades de sistemas se
han revelado como niveles crecientes de complejidad. En la mayor
parte de casos, los procesos de desarrollo se basan, por ejemplo,
en un objetivo único evaluado con un solo biomarcador a efectos de
eficacia o para diferenciación de grupos de control con respecto a
grupos de pacientes. La presente invención, no obstante,
proporciona un método que permite la creación de un avance destacado
en la capacidad de describir enfermedades multifactoriales por
modelos multifactoriales así como respuestas multifactoriales con
respecto a variables de entrada multifactoriales tales como en
terapias de combinación.
De acuerdo con la presente invención,
preferentemente se utiliza como mínimo una técnica espectrométrica,
como mínimo una técnica basada en electromigración o como mínimo una
técnica cromatográfica en la etapa (a) para determinar el perfil de
la enfermedad. Más preferentemente, se utilizan dos o más técnicas
espectrométricas. No obstante, también se incluyen técnicas de
detección especiales, tales como fluorescencia inducida por láser y
detección electroquímica en combinación con técnicas de separación
(por ejemplo (nano)-HPLC, métodos de
electroemigración). De modo más preferente se utiliza como mínimo
una técnica de resonancia magnética nuclear y/o una técnica de
espectrometría de masas para determinar el perfil de la enfermedad
en la etapa (a).
El perfil biológico a determinar en la etapa (a)
incluye uno o varios perfiles metabólicos, genéticos y/o polémicos.
Se puede utilizar cualquier combinación de estos perfiles.
Preferentemente estas combinaciones comprenden uno o varios
perfiles metabólicos. De modo más preferente, el perfil biológico
comprende perfiles metabólicos, genéticos y proteómicos.
En la etapa (a) el perfil biológico es
preferentemente determinado de como mínimo un tipo de fluido
corporal o como mínimo un tipo de tejido o línea celular. Más
preferentemente, en la etapa (a) se determinan los perfiles
biológicos de dos o más tipos distintos de líquido corporal.
Los perfiles biológicos son determinados en la
etapa (a) utilizando uno o varios de los siguientes biomarcadores;
genes, transcriptos, proteínas, metabolitos y elementos
(trazas).
En la etapa (b) se hace uso preferentemente como
mínimo de una técnica espectrométrica, como mínimo una técnica
basada en electroemigración o como mínimo una técnica cromatográfica
para determinar el impacto de la serie de muestras de la mezcla
multicomponente sobre el perfil biológico de la enfermedad. Más
preferentemente se utilizan dos o más técnicas espectrométricas,
mientras que se utiliza de modo más preferente un mínimo de una
técnica de resonancia magnética nuclear y/o una técnica de
espectrometría de masas. En el caso de perfiles de proteínas se
incluyen también otras técnicas tales como técnicas electroforéticas
basadas en geles.
En la etapa (d) se hace preferentemente uso,
como mínimo, de una técnica espectrométrica, como mínimo de una
técnica basada en electroemigración o como mínimo de una técnica
cromatográfica para determinar el impacto del conjunto de mezclas
multicomponentes sobre el perfil biológico de la enfermedad. En las
etapas (c) y (d), se establecen el diseño y optimización de la
mezcla multicomponentes para adaptarse al perfil de eficacia y de
seguridad deseados para una intervención determinada.
La mezcla multicomponentes a utilizar de acuerdo
con la presente invención puede ser cualquier mezcla
multicomponentes que tenga un impacto (potencial) sobre un perfil
biológico de una enfermedad.
En cada una de las etapas (a), y (b) se hace uso
preferentemente, como mínimo, de una técnica espectrométrica. De
manera adecuada se puede utilizar una técnica de resonancia
magnética nuclear ("NMR") o técnica de espectrometría de masas
("MS"), de manera que esta última técnica se enfoca a un número
limitado de pequeños compuestos moleculares. No obstante ambas
técnicas tienen limitaciones. Las técnicas NMR están limitadas por
el hecho de que típicamente proporcionan información fiable
solamente de compuestos a altas concentraciones. Por otra parte las
técnicas de espectrometría de masas enfocadas no requieren elevadas
concentraciones, pero pueden proporcionar información de partes
solamente limitadas del perfil biológico. Tal como se utiliza en
esta descripción, los términos "molécula pequeña" y
"metabolito" se utilizan de forma intercambiable. Las moléculas
pequeñas y los metabolitos incluye, sin que estén limitados a
ellos: lípidos, esteroides, aminoácidos, ácidos orgánicos, ácidos
bílicos, eicosanoides, péptidos, carbohidratos y elementos en
trazas.
Por lo tanto en cada una de las etapas (a), y
(b) preferentemente se hace uso como mínimo de una técnica de
resonancia magnética nuclear y/o una técnica de espectrometría de
masas con preferencia por la espectrometría de masas en el campo de
búsqueda de perfil de proteínas (proteómica).
La preparación de muestras para NMR puede ser en
general muy directa utilizando liofilización y reconstitución en
D_{2}O porque el enfoque es en componentes de concentración más
elevado, es decir, con una concentración típica >100
nanogramos/mL. Para MS se puede utilizar una serie de enfoques de
preparación de muestras comprendidas entre extracción en fase
sólida y extracción líquido/líquido hasta métodos más específicos
utilizando, por ejemplo, métodos basados en afinidad o procesos de
derivatización tanto para GC-MS como
LC-MS.
En cada una de las fases (a), y (b) se pueden
utilizar los datos espectrométricos obtenidos a partir de una o
varias plataformas incluyendo, sin que esté limitado a ello, MS,
NMR, cromatografía de líquidos ("LC"), cromatografía de gases
("GC"), cromatografía de líquidos de alto rendimiento
("HPLC"), electroforesis capilar ("CE"), y cualquier
forma conocida de espectrometría de masas hifenada en una modalidad
de alta o baja resolución, tal como LC-MS,
GC-MS, CE-MS, LC-UV,
MS-MS, MS^{n}, etc.. También se pueden obtener
datos de perfil típicos por utilización de detectores específicos
de más componentes tales como fluorescencia inducida por láser y
detección electroquímica.
Tal como se utiliza en esta descripción, el
término "datos espectrométricos" incluye datos procedentes de
cualquier técnica espectrométrica o cromatográfica. Las técnicas
espectrométricas incluyen, pero no están limitadas a ello,
espectroscopio de resonancia, espectroscopio de masas y
espectroscopia óptica. Las técnicas cromatográficas incluyen, sin
que sean limitadas a ello, cromatografía de fase líquida,
cromatografía de fase gaseosa y electroforesis.
Si se obtiene un perfil espectral igual que en
métodos espectroscópicos estándar, una etapa primaria necesaria
consiste en ajustar para desplazamientos menores en los espectros
tanto en la dimensión de intensidad como también en la dimensión
espectral o cromatográfica. Los desplazamientos pueden ser debidos a
factores instrumentales, condiciones medioambientales o a
concentraciones variables de componentes (tal como es el caso
frecuentemente en análisis de orina). Como ejemplo la variación en
desplazamientos químicos NMR tiene lugar frecuentemente y necesita
ser tenida en cuenta, pero la reproducibilidad y estandarización en
la intensidad (o área pico) de un perfil único (dimensión de
cuantificación) es típicamente muy satisfactoria. Esto contrasta con
MS en el que la dimensión de la intensidad pico (abundancia iónica)
debe ser ajustada cuidadosamente o normalizada debido a falta de
calibradores para cada componente presente en el perfil. En técnicas
hifenadas la reproducibilidad del método de separación (GC, LC o
técnicas activadas por electroemigración, tal como electroforesis
capilar (CE)) necesita también ser evaluada cuidadosamente. A este
respecto los perfiles espectrales próximos a infrarrojos son
notables y la corrección en una u otras dimensiones es difícilmente
necesaria.
En general, pequeños desplazamientos
instrumentales en la dimensión espectral (variable) se interpretarán
falsamente como representantes de componentes diferentes cuando una
colección de perfiles de datos es sometida a análisis de
reconocimiento de modelo. Una forma directa de enfocar este problema
es por utilización de técnicas de binado en las que el espectro es
reducido en resolución a un grado suficiente para asegurar que un
pico determinado sigue siendo binario ("bin") a pesar de
pequeños desplazamientos espectrales entre análisis. Por ejemplo,
en NMR el eje de desplazamiento químico puede ser descretizado y
binado de forma grosera y en MS las precisiones espectrales pueden
ser redondeadas a valores de unidad de masa atómica enteros. No
obstante son preferibles procesos más precisos tales como
adaptación lineal parcial para NMR u otros procesos de alineación
para MS.
Después de preproceso de datos inicial los
perfiles espectrales son dispuestos para reconocimiento de modelo
(análisis multivariante).
La capacidad de utilizar diferentes técnicas
para producir perfiles de líquidos corporales se utiliza de forma
óptima por análisis multivariante multiproceso y permite la medición
de diferentes líquidos corporales del mismo sistema (tales como
plasma y orina o plasma y CSF) para revelar nuevos aspectos en la
biología de sistemas, por ejemplo el efecto de la barrera cerebral
de la sangre cuando se comparan perfiles de plasma y de orina. Por
lo tanto, en cada una de las etapas (a)-(c) se hace uso
preferentemente de análisis multivariante multiproceso.
La presente invención da conocer un método de
proceso de datos espectrométricos utilizando múltiples etapas de
análisis multivariante para procesar datos en un proceso jerárquico
(etapas (a),(b) y (d). En cada unas de las etapas (a),(b) y (c) se
puede utilizar un primer análisis multivariante sobre una serie de
juegos de datos para discernir uno o varios juegos de diferencias
y/o similitudes entre ellos, después de lo cual se puede utilizar
un segundo análisis multivariante para determinar una correlación
y/o anticorrelación, es decir, correlación negativa) entre como
mínimo uno de estos juegos de diferencias (o similitudes) y uno o
varios juegos de la serie de datos. En la etapa (a) la
determinación del perfil biológico de una enfermedad se puede basar
también en la correlación.
Tal y como se utiliza en esta descripción el
término "juegos de datos" se refiere a los datos
espectrométricos asociados con una o varias mediciones
espectrométricas. Por ejemplo, cuando la técnica espectrométrica es
NMR, un juego de datos puede comprender uno o varios espectros NMR.
En el caso en que la técnica espectrométrica es espectroscopia UV,
un juego de datos puede comprender uno o varios espectros de emisión
o de absorción UV. De manera similar, en el caso en que la técnica
espectrométrica es MS, un juego de datos puede comprender uno o
varios espectros de masas. En el caso en el que la técnica
espectrométrica es una técnica cromatográfica MS (por ejemplo
LC-MS, GC-MS, etc.) un juego de
datos puede comprender uno o varios cromatogramas de masas. De
manera alternativa, un juego de datos de un cromatograma o
cromatograma TIC reconstruido. Además se debe observar que el
término "juegos de datos" comprende tanto datos
espectrométricos en bruto como datos que ya han sido preprocesados
(por ejemplo para eliminar ruidos, línea base, detección de picos,
etc.).
Además, tal como se utiliza en esta descripción,
el término "juegos de datos" puede hacer referencia
sustancialmente a la totalidad de los datos espectrométricos
asociados con una o varias mediciones espectrométricas o a un
subconjunto de los mismos. Por ejemplo, los datos asociados con las
mediciones espectrométricas de diferentes fuentes de muestras
(muestras de grupos con síntomas de la enfermedad (muestras de
grupos experimentales) con respecto a muestras de referencia o
grupos sanos (muestras de grupos de control)) se pueden agrupar en
diferentes juegos de datos. Como resultado de ello un primer juego
de datos se puede referir a mediciones de muestras de un grupo
experimental y un segundo juego de datos se puede referir a
mediciones de muestras del grupo de control. Además, los juegos de
datos pueden hacer referencia a datos agrupados basados en cualquier
otra clasificación que se considere relevante.
La presente invención también da a conocer un
método de datos espectrométricos utilizando análisis multivariante
para procesar datos de dos o más niveles jerárquicos de correlación.
En cada una de las etapas (a),(b) y (d) se puede utilizar análisis
multivariante en una serie de juegos de datos para discernir
correlaciones (y/o anti-correlaciones) entre juegos
de datos a un primer nivel de correlación, después de lo cual se
puede utilizar análisis multivariante para discernir correlaciones
(y/o anti-correlaciones) entre juegos de datos a un
segundo nivel de correlación. En la etapa (a) la determinación del
perfil biológico de un sistema biológico se puede basar también en
las correlaciones discernidas en uno o varios niveles de
correlación.
De acuerdo con la presente invención el proceso
de datos espectrométicos en cada una de las etapas (a),(b) y (d) se
puede llevar a cabo utilizando múltiples etapas de análisis
multivariante para procesar juegos de datos en un proceso
jerárquico, de manera que una o varias de las etapas del análisis
multivariante comprende además el proceso de datos en dos o más
niveles jerárquicos de correlación. Por ejemplo, en cada una de las
etapas (a), (b) y (d) se puede utilizar un primer análisis
multivariante en una serie juegos de datos para discernir uno o
varios juegos de diferencias y/o similitudes entre ellos; un segundo
análisis multivariante puede ser utilizado para determinar un
primer nivel de correlación (y/o anti-correlación)
entre un primer juego de diferencias (o similitudes) y uno o varios
de los juegos de datos; y el segundo análisis multivariante puede
ser utilizado para determinar un segundo nivel de correlación (y/o
anti-correlación) entre el primer juego de
diferencias (o similitudes) y uno o varios de los juegos de datos.
En la etapa (a) la determinación del perfil biológico de la
enfermedad se puede basar en las correlaciones discernidas en uno o
varios niveles de correlación.
Entre las formas adecuadas de análisis
multivariante se incluyen, por ejemplo, análisis de componentes
principales ("PCA"), análisis discriminante ("DA"),
PCA-DA, análisis de factor, correlación canónica
(CC), mínimos cuadrados parciales ("PLS"), análisis
discriminante lineal predictivo ("PLDA"), redes neurales,
análisis multinivel/multiproce-
so/multibloque, análisis de objetivo iterativo, análisis general "procrustus", máquinas de vector de soporte ("SVM"), técnicas de reconocimiento "parafac y pattern".
so/multibloque, análisis de objetivo iterativo, análisis general "procrustus", máquinas de vector de soporte ("SVM"), técnicas de reconocimiento "parafac y pattern".
La utilización de las técnicas de análisis
multivariante para perfilado solamente que se han descrito es bien
conocida en la técnica. Para una descripción más detallada se puede
hacer referencia, por ejemplo, a la solicitud de Patente Provisional
USA nº de serie 60/312.145 (Método y Sistema para Perfilado de
Sistemas Biológicos).
Para extraer el valor máximo de los datos se
pueden utilizar técnicas de análisis multivariante, tal como se ha
esquematizado en lo anterior, conjuntamente con estrategias,
estadísticas e informáticas adicionales. Una vez determinadas y
cuantificadas diferencias estadísticamente significativas por
ejemplo en abundancias de metabolitos entre grupos de muestras, el
objetivo pasa a ser la comprensión de las razones biológicas
subyacentes de los resultados y los contextos de los mismos. Una
primera etapa consiste en identificar componentes metabólicos
observados en espectros de datos y revelados por análisis
multivariante constituyendo diferencias significativas entre
muestras. Esta identificación comporta de manera típica la consulta
de varias bases de datos de espectros y estructuras de componentes
de metabolitos conocidos. Una etapa siguiente es reunir conocimiento
existente sobre interacciones moleculares con intermedio de
búsquedas de bases de datos públicas y privadas. Esto puede
significar un cierto avance en la explicación de las asociaciones y
comportamiento observado en los resultados de perfil metabolómico.
No obstante, dado que la mayor parte de las bases de datos
metabólicas, genómicas, proteómicas y de interacción muestran
eventos bioquímicos en estado estático, se necesitan herramientas
analíticas y matemáticas cada vez más sofisticadas para integrar
pistas biológicas desconectadas en modelos dinámicos más apropiados
para explicar, por ejemplo, los procesos
patológicos.
patológicos.
Ciertamente tanto los análisis multivariante
lineales como no-lineales pueden descubrir
asociaciones estadísticamente significativas entre componentes
biomoleculares que no se explicarán por la búsqueda de bases de
datos o literatura existente.
Una realización preferente del método de la
presente invención completa las siguientes etapas:
- 1.
- Se hace selección de las muestras relevantes, por ejemplo, líquidos corporales (plasma, orina, CSF, saliva, fluido sinovial, etc.).
- 2.
- Se hace una selección de la amplitud del perfil biológico; transcriptos, proteínas, metabolitos, etc..
- 3.
- Se prepara una muestra en las técnicas espectrométricas a utilizar para determinar el perfil biológico (por ejemplo GCMS, LCMS, CEMS, MS/MS, combinaciones de varias metodologías en NMR, técnicas electroforéticas basadas en geles, etc.).
- 4.
- Se determina el perfil utilizando técnicas espectrométricas, técnicas basadas en geles, perfiles NMR y enfoques preferentes MS en caso de metabolómica cubriendo lípidos, esteroides, ácidos bílicos, eicosanoides, (neuro)péptidos, vitaminas, ácidos orgánicos, neurotransmisores, aminoácidos, carbohidratos, componentes orgánicos iónicos, nucleosidos, componentes inorgánicos, xenobióticos, etc. cubriendo preferentemente péptidos. Asimismo se puede incluir un perfil general MS para describir en un experimento único los componentes con concentración más elevada que son frecuentemente una buena indicación para el equilibrio/homeostasis de un sistema además del perfil NMR.
- 5.
- Los datos obtenidos se preprocesan utilizando preferentemente la técnica descrita en la solicitud de Patente Holandesa nº 1016034 en combinación con PCA-DA, análisis multivariante multibloque/multiproceso basado en técnicas lineales y no-lineales y el algoritmo de correspondencia lineal parcial.
- 6.
- El resultado del punto 4 es combinado con otras fuentes de datos relevantes tales como datos biológicos basados en modelos animales, historial médico, registros químicos clínicos, puntos extremos clínicos, biomarcadores, marcadores sustitutos, descripción y comportamiento médico, social, datos psicológicos, etc.
- 7.
- Se estudia la dinámica (no lineal o lineal) de enfermedades dinámicas utilizando uno de los componentes de perfilado o cualquier combinación de componentes de perfilado preferentemente utilizando una combinación de compresión no lineal y técnicas de modelado dinámico.
El concepto de la presente invención se basa de
manera adecuada en los aspectos siguientes, el perfilado de mezclas
complejas tales como líquidos corporales por una combinación de NMR
y una selección de técnicas espectrométricas de masas hifenadas
(GC-, LC-, -CE-MS/MS, ICPMS), la evaluación de la
combinación con preproceso/escalado de datos precedentes de análisis
multivariante multibloques/multiproceso, la combinación de juegos de
datos instrumentales creados con otros juegos de datos relevantes,
enlace de juegos de datos que proceden de muestras de un sistema
pero a través de diferentes perfiles de líquidos corporales y la
capacidad de estudiar todas las formas de dinámica
no-lineal.
De acuerdo con la presente invención se pueden
diseñar medicamentos basados en productos sintéticos.
Ejemplo
El método según la presente invención se ha
mostrado esquemáticamente en la figura 1. Un experimento típico de
acuerdo con la presente invención basada en las marcas
(fingerprints) generadas por el enfoque de biología de sistemas de
un experimento típico, se basa en las siguientes etapas:
- 1.
- Se mide (se hacen las marcas o "huellas dactilares") un número único de componentes o un juego de diferentes mezclas, preferentemente con una variación significativa en composición, por una técnica de perfilado tal como en NMR o espectrometría de masas; indicados como lotes -1-n- en la parte izquierda de la figura 1.
- 2.
- Los perfiles del efecto de estos lotes después de la administración en un modelo animal o en una prueba en humanos se miden así como los de un grupo de referencia no tratado (formado por animales enfermos y sujetos/pacientes de tipo natural o sano) o escogidos para su tratamiento de otro modo.
- 3.
- El grupo de referencia proporciona el perfil del biomarcador para la enfermedad y los otros experimentos proporcionan el impacto de la mezcla en el modelo de la enfermedad y revela asimismo otros efectos. Además se pueden utilizar pruebas o efectos biológicos típicos en humanos medidos en modelos de células y/o modelos de animales para evaluación de la mezcla multicomponente. Esto proporciona una prueba del efecto en el grupo de enfermedad específico. En el caso de que un grupo de control no se encuentre disponible se pueden realizar análisis comparativos para poner de manifiesto el efecto biológico óptimo hacia un punto final o hipótesis clínico.
- 4.
- La correlación multivariante no lineal de los modelos de los componentes de la mezcla y los perfiles de efecto incluyendo también todas las demás informaciones, tales como puntos finales clínicos o cualquier efecto biológico en otros modelos (basados en células o modelos animales), posibilita la detección de los modelos de componentes responsables para los efectos biológicos.
- 5.
- En el diseño de nuevas intervenciones combinatorias se puede estudiar el impacto de componentes individuales y se puede determinar el impacto del perfil de la enfermedad en términos de cambios en biología efectuados o cuando no identificados, también como impacto sobre una cierta parte del perfil de la enfermedad. Un ejemplo de este enfoque se indica en la figura 2, en la que el impacto de diferentes medicamentos sobre el desarrollo de aterosclerosis en modelos animales se ha evaluado por respuestas basadas en el sistema. Claramente, ambos medicamentos tienen diferentes respuestas, lo que es visualizado solo de manera parcial en la representación 2-D. Cuando se analizan en detalle las diferencias sobre el impacto del perfil de la enfermedad se puede observar por redes de correlación, ver por ejemplo figura 3 y se puede explicar a nivel de bioquímica y como consecuencia puede servir para el diseño de la estrategia de la mezcla.
Claims (14)
-
\global\parskip0.940000\baselineskip
1. Método in vitro para la identificación, dentro de una mezcla de productos sintéticos multicomponentes, de los componentes y sus respectivas concentraciones responsables de efectos aditivos o sinérgicos sobre el perfil biológico de una enfermedad dentro de un grupo de sistemas vivos, cuya mezcla es una mezcla de compuestos sintéticos que han sido producidos por síntesis química, no por proceso natural, cuyo método comprende las siguientes etapas:- (a)
- determinar el perfil biológico de la enfermedad comparando el perfil biológico de un grupo de sistemas vivos con síntomas de la enfermedad, con el perfil biológico de un grupo de referencia (grupo sano) de sistemas vivos, utilizando un análisis multivariante, por medición e integración de datos procedentes de uno o varios perfiles metabólicos, genéticos y/o proteómicos;
- (b)
- determinar el impacto de una serie de muestras de una o varias composiciones sintéticas sobre el perfil biológico de la enfermedad, en cuyas muestras las concentraciones de uno o varios compuestos sintéticos difieren, utilizando análisis multivariante;
- (c)
- preparar un conjunto de mezclas de productos sintéticos multicomponentes que se espera que muestren un impacto deseado sobre el perfil biológico de la enfermedad en base a la información obtenida en la etapa (b);
- (d)
- determinar el impacto del conjunto de mezclas multicomponentes preparado en la etapa (c) sobre el perfil biológico de la enfermedad utilizando análisis multivariante a efectos de identificar dichos componentes y sus concentraciones respectivas.
- 2. Método, según la reivindicación 1, en el que después de la etapa (d), a partir del conjunto de mezclas de productos sintéticos multicomponentes preparadas en la etapa (c), se seleccionan una o varias mezclas en una etapa (e), cuyas mezclas seleccionadas muestran el impacto deseado sobre el perfil biológico de la enfermedad.
- 3. Método, según la reivindicación 1 ó 2, en el que en la etapa (a) se hace uso como mínimo de una técnica espectrométrica, como mínimo una técnica basada en electromigración y/o como mínimo una técnica cromatográfica para determinar el perfil de la enfermedad.
- 4. Método, según cualquiera de las reivindicaciones 1 a 3, en el que en la etapa (b) se hace utilización como mínimo de una técnica espectrométrica, como mínimo una técnica basada en electromigración y/o como mínimo una técnica cromatográfica para determinar el impacto de la serie de muestras de la mezcla multicomponente en el perfil biológico de las muestras de la enfermedad.
- 5. Método, según cualquiera de las reivindicaciones 1 a 4, en el que en la etapa (c) se hace utilización como mínimo de una técnica espectrométrica, como mínimo una técnica basada en electromigración y/o como mínimo una técnica cromatográfica para determinar la composición de las muestras.
- 6. Método, según cualquiera de las reivindicaciones 1-5, en el que se utilizan dos o más técnicas espectrométicas o técnicas basadas en electroemigración.
- 7. Método, según la reivindicación 6, en el que se utiliza como mínimo una técnica de resonancia magnética nuclear y una técnica de espectrometría de masas o técnica basada en electroemigración.
- 8. Método, según cualquiera de las reivindicaciones 1 a 7, en el que el perfil biológico comprende los perfiles metabólico, genético y proteómico
- 9. Método, según cualquiera de las reivindicaciones 1 a 8, en el que en la etapa (a) se determinan los perfiles biológicos como mínimo de un tipo de líquido corporal.
- 10. Método, según cualquiera de las reivindicaciones 1 a 9, en el que en (a) se determinan los perfiles biológicos como mínimo de un tipo de tejido.
- 11. Método, según la reivindicación 10, en el que en (a) se determinan los perfiles biológicos como mínimo de 2 tipos diferentes de líquidos corporales.
- 12. Método, según cualquiera de las reivindicaciones 1 a 11, en el que en (a) se determinan los perfiles biológicos utilizando uno o varios de los siguientes biomarcadores: genes, transcriptos, proteínas, metabolitos y elementos (trazas).
- 13. Método, según cualquiera de las reivindicaciones 1 a 12, en el que el número de muestras en la etapa (b) es como mínimo de 2.
- 14. Método, según la reivindicación 13, en el que el número de muestras en la etapa(c) está comprendido entre 5 y 100.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP03077804A EP1512970A1 (en) | 2003-09-05 | 2003-09-05 | Method for determining the impact of a multicomponent mixture on the biological profile of a disease |
EP03077804 | 2003-09-05 |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2297476T3 true ES2297476T3 (es) | 2008-05-01 |
Family
ID=34130247
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES04774923T Expired - Lifetime ES2297476T3 (es) | 2003-09-05 | 2004-09-03 | Metodo para la determinacion del impacto de una mezcla de productos sinteticos multicomponentes sobre el perfil biologico de una enfermedad dentro de un grupo de sistemas vivos y desarrollo de nuevas intervenciones combinatorias. |
ES04774922T Expired - Lifetime ES2297475T3 (es) | 2003-09-05 | 2004-09-03 | Metodo para la determinacion del impacto de una mezcla de productos naturales multicomponentes sobre el perfil biologico de una enfermedad, dentro de un grupo de sistemas vivos y desarrollo y control de calidad de medicina basada en productos naturales. |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES04774922T Expired - Lifetime ES2297475T3 (es) | 2003-09-05 | 2004-09-03 | Metodo para la determinacion del impacto de una mezcla de productos naturales multicomponentes sobre el perfil biologico de una enfermedad, dentro de un grupo de sistemas vivos y desarrollo y control de calidad de medicina basada en productos naturales. |
Country Status (10)
Country | Link |
---|---|
US (2) | US20070160990A1 (es) |
EP (3) | EP1512970A1 (es) |
JP (2) | JP4675896B2 (es) |
CN (2) | CN1875274A (es) |
AT (2) | ATE378593T1 (es) |
DE (2) | DE602004010154T2 (es) |
DK (2) | DK1664770T3 (es) |
EA (1) | EA011959B1 (es) |
ES (2) | ES2297476T3 (es) |
WO (2) | WO2005024420A1 (es) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7425700B2 (en) | 2003-05-22 | 2008-09-16 | Stults John T | Systems and methods for discovery and analysis of markers |
EP1512970A1 (en) * | 2003-09-05 | 2005-03-09 | Nederlandse Organisatie voor toegepast-natuurwetenschappelijk Onderzoek TNO | Method for determining the impact of a multicomponent mixture on the biological profile of a disease |
US7729789B2 (en) * | 2004-05-04 | 2010-06-01 | Fisher-Rosemount Systems, Inc. | Process plant monitoring based on multivariate statistical analysis and on-line process simulation |
US20080183101A1 (en) * | 2006-08-17 | 2008-07-31 | Jonathan Richard Stonehouse | Salivary analysis |
WO2008120105A2 (en) * | 2007-03-30 | 2008-10-09 | 9898 Limited | Pharmaceutical platform technology for the development of natural products |
DE102008011013B4 (de) * | 2008-02-25 | 2014-11-13 | Mevitec Gmbh | Verfahren und Einrichtung zur komplexen Stoffwechselanalyse |
KR101144237B1 (ko) * | 2009-12-29 | 2012-05-11 | 한국기초과학지원연구원 | 고분해능 질량분석법과 약리활성검사를 이용한 천연물의 약리 활성물질 발굴 방법 |
CN107273712B (zh) * | 2011-03-02 | 2021-12-03 | 博格有限责任公司 | 基于细胞的探询式分析及其应用 |
BR112014024537A2 (pt) | 2012-04-02 | 2017-08-08 | Berg Llc | métodos para identificar moduladores de um sistema biológico, de um processo de doença, e de angiogênese |
JP2014020831A (ja) * | 2012-07-13 | 2014-02-03 | Kyoto Univ | 混合物試料の属性を識別する方法及び装置 |
US20150019189A1 (en) * | 2013-07-01 | 2015-01-15 | Counterpoint Health Solutions, Inc. | Systems biology approach to therapy |
WO2016039348A1 (ja) * | 2014-09-10 | 2016-03-17 | 一般財団法人ニッセンケン品質評価センター | タンパク質繊維の鑑別方法 |
SG10201902151UA (en) | 2014-09-11 | 2019-04-29 | Berg Llc | Bayesian causal relationship network models for healthcare diagnosis and treatment based on patient data |
CN109115904B (zh) * | 2018-07-25 | 2021-02-02 | 山西广誉远国药有限公司 | 一种定坤丹uplc指纹图谱的构建方法及其应用 |
IL303893A (en) | 2019-08-05 | 2023-08-01 | Seer Inc | Systems and methods for sample preparation, data generation and corona protein analysis |
CN111180007A (zh) * | 2019-12-03 | 2020-05-19 | 深圳市开物成务中医药科技有限公司 | 一种安全、有效、高质量中药开发平台系统及实现方法 |
CN111060640A (zh) * | 2019-12-27 | 2020-04-24 | 深圳市开物成务中医药科技有限公司 | 测定与胰岛素耐受性相关的血脂谱的方法、应用及装置 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5885782A (en) * | 1994-09-13 | 1999-03-23 | Nce Pharmaceuticals, Inc. | Synthetic antibiotics |
US5563043A (en) * | 1994-10-24 | 1996-10-08 | Spiral Biotech, Inc. | Method for measuring the bactericidal and bacteriostatic effects of antimicrobial agents |
US6379714B1 (en) * | 1995-04-14 | 2002-04-30 | Pharmaprint, Inc. | Pharmaceutical grade botanical drugs |
WO1997020076A1 (en) * | 1995-11-29 | 1997-06-05 | Nexstar Pharmaceuticals, Inc. | Methods for optimizing multicomponent formulations |
JP3978529B2 (ja) * | 1998-08-03 | 2007-09-19 | 大正製薬株式会社 | 冬虫夏草の判別法 |
US20030044846A1 (en) * | 2001-04-03 | 2003-03-06 | Gary Eldridge | Screening of chemical compounds purified from biological sources |
CN1386135A (zh) * | 2000-03-09 | 2002-12-18 | 耶鲁大学 | 植物组学:涉及草药组合物的基于基因组的方法 |
CA2429824A1 (en) * | 2000-11-28 | 2002-06-06 | Surromed, Inc. | Methods for efficiently mining broad data sets for biological markers |
EP1425695A2 (en) * | 2001-08-13 | 2004-06-09 | Beyong Genomics, Inc. | Method and system for profiling biological systems |
TW573125B (en) * | 2001-08-29 | 2004-01-21 | Combinatorx Inc | A screening system for identifying drug-drug interactions and methods of use thereof |
EP1512970A1 (en) * | 2003-09-05 | 2005-03-09 | Nederlandse Organisatie voor toegepast-natuurwetenschappelijk Onderzoek TNO | Method for determining the impact of a multicomponent mixture on the biological profile of a disease |
US8685659B2 (en) * | 2005-01-28 | 2014-04-01 | Children's Medical Center Corporation | Method for diagnosis and prognosis of epithelial cancers |
-
2003
- 2003-09-05 EP EP03077804A patent/EP1512970A1/en not_active Withdrawn
-
2004
- 2004-09-03 EA EA200600539A patent/EA011959B1/ru not_active IP Right Cessation
- 2004-09-03 WO PCT/NL2004/000616 patent/WO2005024420A1/en active IP Right Grant
- 2004-09-03 JP JP2006525291A patent/JP4675896B2/ja not_active Expired - Fee Related
- 2004-09-03 CN CNA2004800325525A patent/CN1875274A/zh active Pending
- 2004-09-03 DK DK04774923T patent/DK1664770T3/da active
- 2004-09-03 AT AT04774922T patent/ATE378593T1/de active
- 2004-09-03 ES ES04774923T patent/ES2297476T3/es not_active Expired - Lifetime
- 2004-09-03 JP JP2006525292A patent/JP2007508603A/ja active Pending
- 2004-09-03 AT AT04774923T patent/ATE378594T1/de active
- 2004-09-03 US US10/571,087 patent/US20070160990A1/en not_active Abandoned
- 2004-09-03 EP EP04774922A patent/EP1664767B1/en not_active Expired - Lifetime
- 2004-09-03 EP EP04774923A patent/EP1664770B1/en not_active Expired - Lifetime
- 2004-09-03 WO PCT/NL2004/000617 patent/WO2005024421A1/en active IP Right Grant
- 2004-09-03 ES ES04774922T patent/ES2297475T3/es not_active Expired - Lifetime
- 2004-09-03 CN CNA2004800324024A patent/CN1875273A/zh active Pending
- 2004-09-03 DK DK04774922T patent/DK1664767T3/da active
- 2004-09-03 US US10/570,505 patent/US20070020180A1/en not_active Abandoned
- 2004-09-03 DE DE602004010154T patent/DE602004010154T2/de not_active Expired - Lifetime
- 2004-09-03 DE DE602004010155T patent/DE602004010155T2/de not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
DE602004010154D1 (de) | 2007-12-27 |
WO2005024421A1 (en) | 2005-03-17 |
DE602004010155D1 (de) | 2007-12-27 |
EP1512970A1 (en) | 2005-03-09 |
ATE378593T1 (de) | 2007-11-15 |
CN1875273A (zh) | 2006-12-06 |
US20070020180A1 (en) | 2007-01-25 |
JP2007508603A (ja) | 2007-04-05 |
EP1664767B1 (en) | 2007-11-14 |
JP2007510132A (ja) | 2007-04-19 |
WO2005024420A1 (en) | 2005-03-17 |
ES2297475T3 (es) | 2008-05-01 |
DE602004010155T2 (de) | 2008-09-25 |
CN1875274A (zh) | 2006-12-06 |
DK1664767T3 (da) | 2008-03-25 |
JP4675896B2 (ja) | 2011-04-27 |
EA011959B1 (ru) | 2009-06-30 |
EA200600539A1 (ru) | 2006-08-25 |
EP1664770B1 (en) | 2007-11-14 |
EP1664767A1 (en) | 2006-06-07 |
DE602004010154T2 (de) | 2008-09-25 |
DK1664770T3 (da) | 2008-03-25 |
US20070160990A1 (en) | 2007-07-12 |
EP1664770A1 (en) | 2006-06-07 |
ATE378594T1 (de) | 2007-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2297476T3 (es) | Metodo para la determinacion del impacto de una mezcla de productos sinteticos multicomponentes sobre el perfil biologico de una enfermedad dentro de un grupo de sistemas vivos y desarrollo de nuevas intervenciones combinatorias. | |
ES2445591T3 (es) | Métodos y biomarcadores para diagnosis y monitorización de trastornos esquizofrénicos | |
de Leeuw et al. | Blood-based metabolic signatures in Alzheimer's disease | |
Lindon et al. | Analytical technologies for metabonomics and metabolomics, and multi-omic information recovery | |
Lindon et al. | Peer reviewed: so what’s the deal with metabonomics? | |
Blanchet et al. | Fusion of metabolomics and proteomics data for biomarkers discovery: case study on the experimental autoimmune encephalomyelitis | |
ES2452025T3 (es) | Aparato de análisis de un perfil de metabolitos | |
Picca et al. | Circulating amino acid signature in older people with Parkinson's disease: A metabolic complement to the EXosomes in PArkiNson Disease (EXPAND) study | |
Yang et al. | LargeMetabo: an out-of-the-box tool for processing and analyzing large-scale metabolomic data | |
Smolinska et al. | Simultaneous analysis of plasma and CSF by NMR and hierarchical models fusion | |
Najdekr et al. | Influence of mass resolving power in orbital ion-trap mass spectrometry-based metabolomics | |
Watts et al. | Effects of force fields on the conformational and dynamic properties of amyloid β (1‐40) dimer explored by replica exchange molecular dynamics simulations | |
LeWitt et al. | Diagnostic metabolomic profiling of Parkinson's disease biospecimens | |
Davis Jr et al. | Targeted strategy to analyze antiepileptic drugs in human serum by lc-ms/ms and lc-ion mobility-ms | |
Robinette et al. | Cluster analysis statistical spectroscopy using nuclear magnetic resonance generated metabolic data sets from perturbed biological systems | |
Zhang et al. | A dual workflow to improve the proteomic coverage in plasma using data-independent acquisition-MS | |
Sanchon-Lopez et al. | New methodology for known metabolite identification in metabonomics/metabolomics: Topological Metabolite Identification Carbon Efficiency (tMICE) | |
Robinson et al. | Mass Spectrometry-Based Biomarkers in Drug Development | |
Mitra et al. | Identification of analytical factors affecting complex proteomics profiles acquired in a factorial design study with analysis of variance: simultaneous component analysis | |
WO2021109923A1 (zh) | 一种安全、有效、高质量中药开发平台系统及实现方法 | |
Shao | Urinary protein biomarker database: a useful tool for biomarker discovery | |
Schweickart et al. | AutoFocus: a hierarchical framework to explore multi-omic disease associations spanning multiple scales of biomolecular interaction | |
Snyder et al. | Metabolomics as a robust tool in systems biology and personalized medicine: an open letter to the metabolomics community | |
Arya et al. | Introduction of structural bioinformatics with respect to drug discovery | |
Antohe | Mass Spectrometry based proteomics |