ES2312436T3 - Metodos para medir la resitencia a los farmacos. - Google Patents
Metodos para medir la resitencia a los farmacos. Download PDFInfo
- Publication number
- ES2312436T3 ES2312436T3 ES01933853T ES01933853T ES2312436T3 ES 2312436 T3 ES2312436 T3 ES 2312436T3 ES 01933853 T ES01933853 T ES 01933853T ES 01933853 T ES01933853 T ES 01933853T ES 2312436 T3 ES2312436 T3 ES 2312436T3
- Authority
- ES
- Spain
- Prior art keywords
- mutation
- phenotype
- resistance
- therapy
- genotype
- 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
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
- A61P31/00—Antiinfectives, i.e. antibiotics, antiseptics, chemotherapeutics
- A61P31/12—Antivirals
- A61P31/14—Antivirals for RNA viruses
- A61P31/18—Antivirals for RNA viruses for HIV
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/70—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving virus or bacteriophage
- C12Q1/701—Specific hybridization probes
- C12Q1/702—Specific hybridization probes for retroviruses
- C12Q1/703—Viruses associated with AIDS
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/70—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving virus or bacteriophage
- C12Q1/701—Specific hybridization probes
- C12Q1/706—Specific hybridization probes for hepatitis
- C12Q1/707—Specific hybridization probes for hepatitis non-A, non-B Hepatitis, excluding hepatitis D
-
- 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
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- 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
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
-
- 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
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
- G16B30/10—Sequence alignment; Homology search
-
- 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
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- 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
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
- G16B50/20—Heterogeneous data integration
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/156—Polymorphic or mutational markers
-
- 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
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data 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
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
Abstract
Un método de determinación de un fenotipo virtual de un virus de inmunodeficiencia humana que comprende: a) obtener una secuencia genética de dicho virus. b) identificar al menos un patrón de mutación en dicha secuencia genética donde dicha secuencia genética comprende al menos una mutación, y donde dicha al menos una mutación o patrón de mutación está asociado con la resistencia a al menos una terapia, c) buscar una base de datos de genotipo para entradas de genotipos con un patrón de mutación similar a al menos uno de los patrones de mutación identificados en la secuencia genética en b) d) correlacionar cada entrada de genotipo con un patrón de mutación similar con un fenotipo en una base de datos de fenotipo, y, e) calcular el número de veces de la resistencia virtual de dicho virus a partir de todos los fenotipos de la base de datos identificados.
Description
Métodos para medir la resistencia a los
fármacos.
La presente invención concierne a métodos y
sistemas para predecir la resistencia de una enfermedad a un agente
terapéutico. Más específicamente, la invención proporciona métodos
para predecir la resistencia a los fármacos correlacionando la
información genotípica con perfiles fenotípicos. La invención además
se relaciona con métodos y sistemas para diseñar, optimizar y
evaluar la eficiencia de un régimen terapéutico basado en el
genotipo de la enfermedad que afecta al paciente.
Las técnicas para determinar la resistencia de
un patógeno o célula maligna a un agente terapéutico están
volviéndose cada vez más importantes. Por ejemplo, a pesar de las
grandes ventajas de los tratamientos existentes contra infecciones
virales tales como infección HIV, cáncer e infecciones bacterianas,
muchos pacientes experimentan el fracaso del tratamiento o reducida
eficacia en el tiempo. En muchos casos esto es debido al patógeno,
célula maligna, bacteria, virus u otro estado de la enfermedad
mutando y/o desarrollando una resistencia al tratamiento.
Por ejemplo, todos los fármaco en el campo de
HIV fueron descubiertos y desarrollados en un período de 15 años,
comenzando con AZT. A comienzos del año 2000, 15 agentes diferentes
anti HIV-1 habían sido aprobados por la FDA.
Inicialmente, y debido a la pérdida de fármacos alternativos, estos
agentes fueron administrados exclusivamente, como monoterapia.
Aunque un efecto antiviral temporal fue observado, todos los
compuestos perdieron su efectividad en el tiempo. En 1989, Larder y
otros publicó un artículo en Science, 246, 1155-8,
que identificó un número de mutaciones que causaron resistencia del
HIV-1 a AZT. Desde entonces, la investigación ha
demostrado que una de las razones principales detrás del fracaso del
tratamiento para todos los fármacos antivirales es el desarrollo de
resistencia del virus al fármaco.
La resistencia a los fármacos y mutaciones
resistentes a los fármacos se desarrollan porque retrovirus tales
como HIV no tienen un mecanismo de reparación cuando sintetizan
nuevas cadenas de ácidos nucleicos. Esto permite para la generación
continua de un número de variantes genéticas en una población viral
de replicación. Más importante aún, los cambios genéticos pueden
alterar la configuración de las moléculas de transcriptasa reversa
(RT) y proteasa (PR) de tal manera que no son más susceptibles a la
inhibición por los compuestos desarrollados a esos blancos. Si la
terapia antiretroviral es continuada y si la replicación viral no es
completamente suprimida, la selección de variantes genéticas es
inevitable y la población viral se vuelve resistente al fármaco.
De cara al fracaso de la monoterapia y motivado
por un número de ensayos clínicos, en la primera mitad de la década
del 90 la estrategia de tratamiento cambió a terapia de combinación,
es decir, administración de mezclas de fármacos antivirales.
En ese momento existía todavía solamente una clase de fármacos
disponibles - inhibidores de transcriptasa reversa análogos de
nucleósidos (NRTIS). Como resultado, el estándar de cuidado se
volvió dos nucleósidos, típicamente AZT+ddl, o AZT+ddC. La terapia
de combinación dual proporcionada incrementó el control de la
replicación viral, haciendo más difícil a los virus desarrollar
cepas resistentes o mutaciones y, como resultado, proporcionó
extendidos beneficios clínicos a los pacientes.
En 1995, otro hito fue alcanzado con la
aprobación del primero de los inhibidores de proteasa (PI). Estos
inhibidores mostraron mayor potencia que los nuleósidos, pero de
nuevo fueron propensos a resistencia cuando se usaron solos. Su
combinación con dos análogos de nucleósidos, sin embargo, parecía
proporcionar el control sobre el virus que todo el mundo había
estado buscando. La terapia de combinación triple usando dos
nucleósidos (más comúnmente AZT+3TC) más un inhibidor de proteasa
(típicamente indinavir) aún continúa siendo el estándar más común
de cuidado en los países desarrollados.
Estas combinaciones altamente activas han tenido
un enorme efecto en la calidad de vida y la supervivencia de los
pacientes. Esto ha resultado en menos hospitalizaciones y
reintegración de los pacientes a la sociedad. En un considerable
número de pacientes, la carga viral ha sido reducida por debajo del
límite de detección durante períodos prolongados.
En años recientes, sin embargo, se ha vuelto
claro que aún pacientes que son tratados con la terapia triple que
incluye un inhibidor de proteasa muchas veces el tratamiento de
experiencia fracasa. Los datos sugieren que hasta la mitad de los
pacientes con terapia de combinación no logran o no mantienen la
supresión de la replicación del virus. En algunos casos, puede ser
que aún en la terapia triple del estado del arte es insuficiente
para interrumpir la replicación viral. Como resultado, se
desarrollan cepas de los virus resistentes a los fármacos.
Otro factor que contribuye a la dificultad para
mantener la supresión de la replicación del virus ha sido la pura
imposición de tomar hasta 20 píldoras cada día, a momentos fijos,
con o sin alimentos, días tras días. Es simplemente poco realista
esperar que las personas se adhieran a tales regímenes demandantes y
severos indefinidamente. Pero si los pacientes no se adhieren, el
precio puede ser alto. Una inmersión en los niveles de sangre de
cualquiera de las medicaciones da al virus una oportunidad para
replicarse y desarrollar cepas resistentes a los fármacos. Como
tal, durante el curso de la infección, cepas virales resistentes a
los fármacos pueden emerger muy rápidamente particularmente para
las infecciones retrovirales tales como HIV-1.
Además, no todas las infecciones HIV-1 se originan
con un tipo salvaje, cepa sensible al fármaco a partir de la cual
la resistencia al fármaco podrá emerger. Con el incremento en la
prevalencia de cepas resistentes a los fármacos viene el incremento
en infecciones que realmente comienza con cepas resistentes a los
fármacos. Las infecciones con resistencia a los fármacos
pre-existentes inmediatamente reducen las opciones
de fármacos para el tratamiento con fármacos y enfatiza la
importancia de la información de la resistencia a los fármacos para
optimizar la terapia inicial para estos pacientes. Además, como el
número de agentes antiretrovirales disponibles se ha incrementado,
así se tiene el número de posibles combinaciones de fármacos y
terapias de combinación. Sin embargo, no es fácil para los médicos
establecer la combinación óptima para un individuo. Previamente, la
única guía de tratamiento que ha tenido un uso extendido ha sido
basada en la carga viral y, donde es posible, la historia de
tratamiento del paciente. El objetivo de los médicos es mantener la
carga viral tan baja como sea posible. Un incremento en la carga
viral es una alerta que el control de la replicación viral está
siendo perdido y que es requerido un cambio en la terapia. La carga
viral, sin embargo, no proporciona información o guía con relación
a cuales fármacos debe usarse.
El conocimiento de los patrones de resistencia
de los diferentes inhibidores y la historia de tratamiento de los
pacientes pueden ayudar. La emergente resistencia es altamente
predictiva del fracaso del tratamiento. En efecto, mientras existe
una variedad de factores que pueden contribuir al fracaso de la
terapia con el fármaco, la resistencia al fármaco de
HIV-1 está casi siempre involucrada. Sin embargo,
las interacciones entre las diferentes mutaciones virales
relacionadas con diferentes inhibidores es tan compleja que
seleccionando la combinación de tratamiento óptima con solamente
una historia de tratamiento a seguir está lejos del ideal. Los
fármacos pueden ser eliminados innecesariamente y fármacos
inefectivos pueden ser introducidos. Aún si el virus es resistente
justo a una de los tres fármacos en un régimen de tratamiento, este
puede permitir que tenga lugar un bajo-nivel de
replicación viral y el desarrollo de cepas virales resistentes a los
otros dos fármacos.
Está claro que aunque existen muchos fármacos
disponibles para usar en terapias de combinación, la selección
puede rápidamente ser agotada y el paciente puede rápidamente
experimentar progresión clínica o deterioro si son tomadas
decisiones erróneas de tratamiento. La clave para ajustar, terapia
individualizada queda en el efectivo perfil de las poblaciones de
virus de pacientes individuales en términos de sensibilidad o
resistencia a los fármacos disponibles. Esto significará el
advenimiento de verdaderamente terapia individualizada.
El objetivo del monitoreo de la resistencia es
proporcionar la información necesaria para posibilitar a los
médicos prescribir la combinación de fármacos más óptima para el
paciente individual. En la actualidad, existen dos aproximaciones
diferentes para medir la resistencia:
La primera aproximación involucra la
fenotipificación, la cual mide directamente la sensibilidad real de
un patógeno de pacientes o células malignas a agentes terapéuticos
particulares. Por ejemplo, la prueba del fenotipo
HIV-1 mide directamente la resistencia al fármaco de
HIV-1, detectada como la habilidad del HIV, tomado
de un paciente, para crecer en el laboratorio en presencia de un
fármaco. El fenotipo es medido, por ejemplo expresado como
IC_{50} o como el número de veces de resistencia para una fármaco
particular, la cual es definida como la concentración de fármaco
requerida para matar la mitad de los viriones en una muestra. Esto
es comparado a la IC_{50} para el fármaco usando virus tipo
salvajes. El fenotipo es usualmente descrito o puede ser expresado
en términos de veces de incremento en IC_{50} para cada uno de
los fármaco.
Existen tres tipos principales de metodologías
para la fenotipificación. Uno de esos tipos es el ensayo de
reducción de placas. Una desventaja de ese método es que este no
detecta las cepas de NSI. Otro método de fenotipificación incluye
ensayos de inhibición del crecimiento de PBMC p24 (Japour, A.J.,
Mayers, T.L., Johnson, V.A., Kuritzkes, D.R., Beckett, L.A.,
Arduino, J.M., Lane, J., Black, R.J., Reichelderfer, P.S., D'Aquila,
R.T., Crumpacker, C.S., The RV-43 Study Group &
The ACTG Virology Committee Resistance Working Group. 1993.
Antimicrob. Agents Chemother.37, 1095-1101). Un
problema con esta técnica es que el cultivo del virus a partir de
PBMC es muy lento y laborioso. Además, este pierde la precisión de
otras técnicas y porque depende de células humanas primarias para
el crecimiento de los virus, la automatización del ensayo y alto
rendimiento es virtualmente imposible. Aún otro método es el ensayo
de recombinación de virus (Kellam, P. & Larder, B.A. 1994.
Antimicrob. Agents Chemother. 38, 23-30). El método
recombinante tiene ventajas sobre los ensayos previamente
mencionados en que este reduce la cantidad de selección que tiene
lugar durante el crecimiento del virus en el laboratorio, es más
rápido, más reproducible, modificable para la automatización y de
alto rendimiento, y todos los fármacos disponibles pueden ser
probados en un ensayo.
La segunda aproximación para medir la
resistencia involucra pruebas de genotipificación que detectan
cambios genéticos específicos (mutaciones) en el genoma viral el
cual conlleva a cambios de aminoácidos en al menos una de las
proteínas virales, conocidas o sospechosas de estar asociada con la
resistencia.
Existen un número de técnicas para conducir la
genotipificación, tales como los ensayos de mutación puntuales
basados en la hibridización y secuenciación de ADN. Los ensayos de
mutación puntuales comunes incluyen PCR
cebador-específico (Larder BA, Kellam P & Kemp,
SD 1991. AIDS 5: 137-144, hibridización diferencial
(Eastman, P.S., Urdea, M., Besemer, D., Stempien, M & Kolberg,
J. 1995. J. Acquir. Immune Defic. Syndr. Human Retrovirol. 9,
264-273), Ensayo de Sonda Lineal
(LiPA^{TM}, Innogenetics) (Stuyver, L., Wyseur, A.,
Rombout, A., Louwagie, J., Scarcez, T., Verhofstede, C., Rimland,
D., Schinazi, R. F. & Rossau, R. 1997. Antimicrob. Agents
Chemotherap. 41, 284-291), y secuenciación de
circuito de genes (Affymetrix)(D'Aquila, R.T. 1995. Clin. Diagnost.
Virol. 3, 299-316). Los ensayos de mutaciones
puntuales pueden solamente proporcionar una pequeña parte selecta
de la imagen de resistencia. La secuenciación de ADN, sin embargo,
proporciona información en los nucleótidos en la región del genoma
secuenciado. Esto significa que cambios en el genoma pueden ser
detectados. Sin embargo, en la actualidad, sigue siendo difícil
interpretar los resultados de una prueba genotípica para
proporcionar conclusiones significativas acerca de la resistencia
del agente terapéutico. La ventaja de fenotipificación sobre la
genotipificación es que la fenotipificación es una medida directa de
cualquier cambio en la sensibilidad que resulta a partir de todas
las mutaciones que han ocurrido, y cualquier interacción entre
ellas. Como tal, esto es el patrón de oro de la prueba de
resistencia. Las desventajas de la fenotipificación son que es
compleja, larga para ejecutar, (generalmente 4 semanas) y, por lo
tanto, más cara que la genotipificación. La fenotipificación
\hbox{de esta manera, no es una manera práctica de diseñar terapia de paciente.}
En la WO 99/67427 se describe una lista de
mutaciones conocidas para influenciar en la sensibilidad de HIV a
la terapia con fármacos. El método usa la amplificación del ácido
nucleico y estableció (usando un ensayo de susceptibilidad
fenotípica) que las mutaciones en algunos codones están
correlacionadas con una disminución en la susceptibilidad al
fármaco específico.
En AIDS, vol 12, suppl 4, Nov 1998, página S11
es divulgado un estudio general de aislamientos de HIV de perfiles
de resistencia fenotípicos y genotípicos de inhibidores de proteasas
utilizando una prueba para la susceptibilidad fenotípica de los
fármacos antiretrovirales, el llamado método Antivirogram® basado en
virus recombinantes derivados del ARN plasmático.
En Nucleic Acids Research páginas
271-274 de 1998, Jeanpierre y otros, divulgaron un
análisis de correlación genotipo-fenotipo
relacionado a un cáncer usando una base de datos computarizada de
mutaciones de línea germinal (70 entradas) y somáticas (28
entradas) del gene WT1 reportado en la literatura.
La importancia de la velocidad por la cual un
médico puede ser informado del perfil de resistencia del paciente
puede ser demostrada por el siguiente ejemplo hipotético pero
realista, el cual resalta la necesidad para reducir la complejidad
y mejorar el tiempo de ejecución para evaluar la resistencia.
Suponiendo que la terapia de combinación triple de
primera-línea reduce la carga viral a límites
indetectables durante un periodo de tiempo. La carga viral entonces
comienza a incrementarse como un resultado del desarrollo de la
resistencia. Sin información de la resistencia, el médico puede
hacer un juicio basado en la historia de tratamiento del paciente,
y cambiar uno o más de los fármacos. Como resultado la carga viral
es, de nuevo, reducida pero el nuevo régimen de tratamiento es
sub-óptimo así la replicación viral continúa bajo la presión de
selección de fármacos y la resistencia rápidamente se desarrolla
una vez más. Consecuentemente, el control de la replicación viral
se pierde y algunos de los 15 fármacos disponibles han sido
"agotados".
Aunque los ensayos de genotipificación pueden
ser ejecutados más rápidamente, un problema con la genotipificación
es que existen ahora más de 100 mutaciones individuales con
evidencia de un efecto en la susceptibilidad a los fármacos
HIV-1 y otras nuevas están siendo constantemente
descubiertas, en paralelo con el desarrollo de nuevos fármacos y
estrategias de tratamiento. La relación entre estas mutaciones
puntuales, eliminaciones e inserciones y la actual susceptibilidad
del virus a la terapia con fármacos es extremadamente complejo e
interactivo. Un ejemplo de esta complejidad es la mutación M184V que
confiere resistencia a 3TC pero invierte la resistencia a AZT. La
mutación 333D/E, sin embargo, invierte este efecto y puede conducir
a una resistencia dual AZT/3TC.
Consecuentemente, la interpretación de los datos
genotípicos es tanto altamente compleja y críticamente importante.
Ha habido un número de diferentes aproximaciones a este reto de
interpretación. Por ejemplo, armado con el conocimiento de las
principales mutaciones a la resistencia asociadas con cada fármaco
y la historia de tratamiento reciente del paciente, un médico toma
una decisión como el tratamiento óptimo. Para asistir al médico a
tomar esos juicios, varios paneles de opinión de expertos han sido
convocados y han publicado guías, por ejemplo el Resistance
Collaborative Group. Además, algoritmos basados en reglas
constituyen otra aproximación. Es esencialmente una versión
formalizada de lo anterior con tablas que dan las mutaciones las
cuales están asociadas con la resistencia a cada uno de los
fármacos. Estas pueden ser simples tablas impresas o la información
puede ser usada para desarrollar un algoritmo de computadora basado
en reglas. Sin embargo, dado el gran número de mutaciones que están
involucradas en la resistencia a los fármacos antiretrovirales y
dadas las complejas interacciones entre las mutaciones, la
deficiencia de la genotipificación es la interpretación confiable y
la aplicación clínica de los resultados. Como más fármacos se hacen
disponibles y como más mutaciones están involucradas en el
desarrollo de la resistencia, el "manual" o interpretación
basado en reglas de datos crudos del genotipo se hace rápidamente
imposible debido a un incremento en la complejidad.
Por lo tanto, el reto principal involucrado con
la genotipificación es mejorar la interpretación de los resultados.
La tecnología identificará algunos (es decir, ensayos de mutación
puntual) o todas las mutaciones (es decir, secuenciación de ADN)
que ha ocurrido pero que entonces requiere una interpretación
sofisticada para predecir que efecto neto de estas mutaciones
podría ser sobre la susceptibilidad de la población de virus a los
varios agentes terapéuticos. Un médico podría entonces tener que
combinar esta información con toda la otra información relacionada
con el paciente y decidir que significa todo esto en términos de
selección de fármacos para el tratamiento de su paciente
individual.
Es por lo tanto un objetivo de la presente
invención proporcionar métodos para mejorar la interpretación de
los resultados genotípicos.
Es un objetivo adicional de la invención
proporcionar métodos para determinar (o predecir) un fenotipo basado
en un genotipo.
Es también un objetivo adicional de la invención
proporcionar métodos para predecir la resistencia de un patógeno o
una célula maligna a una terapia o agente terapéutico.
Es también un objetivo adicional de la invención
predecir la resistencia de un paciente a la terapia.
Es también un objetivo de la invención
proporcionar métodos para evaluar la efectividad o la eficiencia de
una terapia o para optimizar una terapia al paciente.
Una solución de los problemas expuestos
anteriormente involucra nuevos métodos para medir la resistencia a
los fármacos correlacionando la información genotípica con los
perfiles fenotípicos.
En la presente invención, los métodos traen
juntos el conocimiento de ambas bases de datos genotípicos y
fenotípicos, y determina un valor del número de veces de la
resistencia fenotípica (virtual) sin realmente tener que hacer el
ensayo fenotípico. La base de datos genotípica contiene las
mutaciones en los virus HIV evaluados comparados con el virus HIV
de referencia (tipo salvaje). La base de datos fenotípica contiene
valores de resistencia fenotípica para los virus HIV evaluados, con
una determinación del número de veces de la resistencia comparados
con el virus HIV de referencia (tipo salvaje). Como se describió
debajo, este análisis puede ser hecho comparando la secuencia del
virus HIV bajo ensayo, por ejemplo a partir de muestras de
pacientes, contra las secuencias almacenadas y seleccionando
"secuencias similares". La información fenotípica es entonces
colectada para aquellas "secuencias similares" y la
resistencia en número de veces media o promedio puede ser calculada
a partir de los valores fenotípicos seleccionados. Este valor es
llamado "Número de veces de la Resistencia Virtual", la cual
conduce al "Fenotipo Virtual".
De acuerdo a una primera realización la presente
invención se relaciona con un método para determinar o predecir un
fenotipo virtual de un virus de inmunodeficiencia humana por ejemplo
en una muestra biológica, que comprende:
- a)
- obtener una secuencia genética a partir de dicho virus.
- b)
- identificar al menos un patrón de mutación en dicha secuencia genética donde dicha secuencia genética comprende al menos una mutación, y donde al menos una mutación dicha o patrón de mutación está asociado con la resistencia a al menos una terapia o agente terapéutico,
- c)
- buscar una base de datos de genotipo para entradas de genotipos con un patrón de mutación similar a al menos uno de los patrones de mutación identificados en la secuencia genética en b)
- d)
- correlacionar cada entrada de genotipo con un patrón de mutación similar con un fenotipo en una base de datos de fenotipo, y
- e)
- calcular el número de veces de la resistencia virtual de dicho virus a partir de todos los fenotipos de la base de datos identificados.
La misma metodología del método descrito
anteriormente puede ser usada por ejemplo para evaluar la terapia
aplicada actualmente o para predecir resistencia de un paciente a
una terapia.
Por lo tanto, de acuerdo a otra realización, la
presente invención se relaciona con un método para evaluar la
efectividad de la terapia de un paciente o para monitorear una
terapia de un paciente que comprende:
- a)
- proporcionar una muestra biológica a partir de un paciente,
- b)
- obtener una secuencia genética a partir virus de la inmunodeficiencia humana en dicha muestra biológica,
- c)
- identificar al menos un patrón de mutación en dicha secuencia genética donde dicha secuencia genética comprende al menos una mutación, donde al menos dicha mutación está asociada con la resistencia a al menos una terapia que está actualmente siendo administrada al paciente,
- d)
- buscar una base de datos de genotipo para entradas de genotipo con un patrón de mutación similar a al menos uno de los patrones de mutación identificados en la secuencia genética en c)
- e)
- correlacionar dicha entrada de genotipo con un patrón de mutación similar con un fenotipo en una base de datos de fenotipo,
- f)
- calcular el número de veces de la resistencia virtual de dicho virus a partir de todos los fenotipos de la base de datos identificados.
- g)
- obtener una serie de fenotipos repitiendo los pasos b) hasta e) para cada terapia que está siendo actualmente administrada al paciente, y,
- h)
- evaluar la efectividad de la terapia del paciente a partir de series de fenotipos.
También, la invención se relaciona con un método
para optimizar la terapia para un paciente, que comprende:
- a)
- proporcionar una muestra biológica a partir de un paciente
- b)
- obtener una secuencia genética a partir de un virus de inmunodeficiencia humana en dicha muestra biológica,
- c)
- identificar al menos un patrón de mutación en dicha secuencia genética donde dicha secuencia genética comprende al menos una mutación, donde al menos dicha mutación está asociada con la resistencia a al menos una terapia,
- d)
- buscar una base de datos de genotipo para entradas de genotipos con un patrón de mutación similar a al menos uno de los patrones de mutación identificados en la secuencia genética en c)
- e)
- correlacionar dicha entrada de genotipo con un patrón de mutación similar con un fenotipo en una base de datos de fenotipo,
- f)
- calcular el número de veces de la resistencia virtual de dicho virus a partir de todos los fenotipos de la base de datos de identificados.
- g)
- obtener una serie de fenotipos repitiendo los pasos b) hasta e) para un grupo de terapias, y,
- h)
- optimizar la terapia para el paciente a partir de las series de fenotipos.
Aunque se describieron los ejemplos con respecto
a los virus, particularmente HIV, la presente invención tiene una
amplia aplicabilidad para cualquier estado de enfermedad donde es
deseado correlacionar la información genotípica con los perfiles
fenotípicos. Un experto en el arte podría fácilmente tomar la
siguiente discusión de la invención con el virus HIV y a través del
ejercicio de rutina aplicar con habilidad esta invención a otras
enfermedades (tales como otras infecciones virales, células
malignas, cáncer, infecciones bacterianas, otros patógenos, y
similares) para correlacionar la información genotípica para
predecir la respuesta fenotípica, evaluar la resistencia a
fármacos, y eventualmente desarrollar un régimen de tratamiento de
los fármacos para un paciente particular. Un experto en el arte
podrá también conocer que muchas especies de virus comprenden
muchas cepas por ejemplo el HIV comprende aparte de
HIV-1 también HIV-2 y ambos grupos
son además divididos en grupos por ejemplo, pero no limitados a
grupos O ó M para HIV-1.
Por lo tanto, de acuerdo a otra realización, la
presente invención se relaciona con un método para predecir la
resistencia de virus de inmunodeficiencia humano a la terapia que
comprende:
- a)
- proporcionar una muestra biológica a partir de un paciente que contiene un virus de inmunodeficiencia humana
- b)
- obtener una secuencia genética a partir de dicho virus
- c)
- identificar al menos un patrón de mutación en dicha secuencia genética donde dicha secuencia genética comprende al menos una mutación, donde al menos dicha mutación está asociada con la resistencia a al menos una terapia,
- d)
- buscar una base de datos de genotipo para entradas de genotipos con un patrón de mutación similar para el patrón de mutación identificado en la secuencia genética en c)
- e)
- correlacionar dicha entrada de genotipo con un patrón de mutación similar con un fenotipo en una base de datos de fenotipo,
- f)
- obtener una serie de fenotipos repitiendo los pasos b) hasta e) para un grupo de terapia, y,
- g)
- predecir la resistencia del paciente a la terapia partir de las series de fenotipos.
Los métodos anteriores deberán ser interpretados
como métodos de diagnóstico, por lo tanto, la invención también
proporciona kits diagnósticos para ejecutar cada uno de los métodos
de la invención.
Deberá ser entendido que los principios y
métodos proporcionados por esta solicitud están destinados a
proporcionar al médico que impone el tratamiento un medio para
optimizar o seleccionar la terapia que será más exitosa. El
principio es de particular relevancia para el tratamiento(o
monitoreo de la terapia) de las infecciones virales. Estos estados
de enfermedades están sujetos a regímenes de terapia complejos y que
varían continuamente y por lo tanto el paciente bajo tratamiento
necesita experimentar frecuente monitoreo de la terapia para seguir
el efecto del fármaco o para optimizar o seleccionar el manejo
óptimo del paciente.
Los métodos de la presente invención determinan
un fenotipo sin realmente tener que hacer la prueba fenotípica.
Dentro de este significado, el término "determinar" es
intercambiado con "predecir" o "diagnosticar".
Un "paciente" puede ser cualquier
organismo, particularmente un humano u otro mamífero, que sufre de
una enfermedad o en necesidad o deseo de un tratamiento para una
enfermedad. Un paciente incluye cualquier mamífero, incluyendo
animales de granja o animales domésticos, e incluye humanos de
cualquier edad o estado de desarrollo.
Una "muestra biológica" puede ser cualquier
material obtenido en una manera directa o indirecta a partir de un
paciente que comprende un agente que produce una enfermedad o que
causa una enfermedad. Dicho agente que produce una enfermedad es
capaz de ser secuenciado. Al respecto los términos de muestra
biológica y agentes que producen una enfermedad y agentes que
causan una enfermedad son intercambiados en la invención. Una
muestra biológica puede ser obtenida a partir de, por ejemplo,
saliva, semen, leche de mama, sangre, plasma, heces, orina,
muestras de tejidos, muestras de mucosa, células en cultivo de
células, células que pueden ser además cultivadas, etc. Las
muestras biológicas también incluyen muestras de biopsias. En una
realización, para un paciente infectado con HIV, cualquier muestra
biológica que contenga el virus puede ser usada. En una realización,
para un paciente infectado con un virus, cualquier muestra
biológica que contenga el virus puede ser usada en cualquiera de
los métodos de la invención. Preferiblemente dicho virus es un
retrovirus. Preferiblemente la muestra biológica contiene un virus
seleccionado de HIV, HCV-(Virus de la Hepatitis C) y HBV (Virus de
la Hepatitis B).
"HIV" es el virus de la inmunodeficiencia
humana, el cual es un retrovirus. "Retrovirus" es cualquier
virus ARN que utiliza la transcriptasa reversa durante su ciclo de
vida. "HCV" es el virus de la hepatitis humana, el cual es un
virus ARN. "HBV" es el virus de la hepatitis B humana, el cual
es un virus ADN, pero que comparte algunas características de los
retrovirus, ya que también exhibe una actividad transcriptasa
reversa por la cual el ARN genómico es traducido al ADN en el
virus.
De acuerdo a todavía otra realización preferida,
la muestra biológica en cualquiera de los métodos puede contener
células, células de tejidos.
En una realización, un ácido nucleico blanco o
proteína a partir de la cual una secuencia genética o secuencia de
proteína puede ser derivada está presente en la muestra
biológica.
Una "secuencia genética" es cualquier
secuencia que contenga al menos un nucleótido. Un nucleótido por
ejemplo, puede ser representado por las letras A, C, T o G. Una
combinación de nucleótidos, puede ser representada, por ejemplo,
por otras letras tales como R, Y, M etc. Los aminoácidos son
representados por su propio código. Una perspectiva general de las
abreviaturas usadas para los ácidos nucleicos y aminoácidos puede
ser encontrada en Alberts, B., Bay, D. Lewis, J., Raff, M.,Roberts,
K., Watson, J. The Molecular Biology of the Cell Garland
publishing, New York, 1994.
Las secuencias genéticas como son usadas a
partir de este momento pueden referirse a la secuencia completa de
un agente que produce una enfermedad o al menos un segmento de la
secuencia de un agente que produce una enfermedad. La secuencia de
una proteína blanco particular puede ser obtenida tanto secuenciando
el código de ácido nucleico para la proteína blanco o secuenciando
la propia proteína. La secuenciación de la proteína puede ser
obtenida por ejemplo pero no limitado a la degradación química de
Edman clásica ("Sequence determination" Edman P. Mol.
Biol. Biochem. Biophys. 1970, 8,
211-255). Esta química puede también ser
completamente automatizada. Técnicas nuevas que incluyen la
espectroscopía de masa también permiten el análisis de la secuencia
de una proteína bajo investigación ("Mass spectroscopy from
genomes to proteomics" Yates J. Trends in genetics 2000,
16, 5-8) Alternativamente la secuencia de una
proteína blanco puede ser obtenida usando protocolos de
secuenciación clásicos por ejemplo protocolos de terminación de la
cadena de extensión (Técnica de Sanger)(("DNA sequencing with
chain terminating inhibitors" Sanger F., Nichler., Coulson A.
Proc. Nat. Acad. Sci. 1977, 74,
5463-5467) o protocolos de corte de cadena. Las
metodologías particulares de secuenciación fueron desarrolladas,
por ejemplo, por Visible Genetics. Deberá ser entendido que nuevas
aproximaciones han sido desarrolladas para descifrar la secuencia
de un ácido nucleico blanco que incluye pero no está limitado a la
espectrometría de masa, MALDI-TOF (espectroscopía de
ionización desorción mediante láser asistida por matriz tiempo de
vuelo)("Differential sequencing with mass spectroscopy" Graber
J, Smith C., Cantor C. Genet. Anal. 1999, 14,
215-219.) análisis de circuito (técnicas basadas en
hibridización)(Multiplexed biochemical assays with biological
chips. Fodor S P; Rava R P; Huang X C; Pease A C; Holmes C P; Adams
C L Nature 1993, 364, 555-6). Deberá
ser apreciado
\hbox{que la secuencia de ácido nucleico cubre la secuenciación de ambos ADN y ARN.}
El término "codón" donde quiera que sea
usado en la presente invención se relaciona con la posición del
aminoácido presente en esa localización específica del gen
investigado. Por ejemplo una mutación en el codón 90 del gen de la
proteasa se refiere a un aminoácido alterado en la posición 90 en la
cadena de proteína comparado con el gen del tipo salvaje.
El ácido nucleico puede estar presente en la
muestra biológica en una forma libre y/o soluble, o puede ser
encapsulado por proteínas, tales como en virus. En realizaciones
preferidas de la invención, el ácido nucleico puede estar presente
en una célula, tal como una célula de tejido.
El término "patógeno" puede relacionarse
con cualquier bacteria, virus, hongos o cualquier otro
microorganismo o organismo multicelular el cual causa un estado de
enfermedad en otro organismo. Dicho otro organismo preferiblemente
es un mamífero, más preferiblemente un mamífero humano. Sin embargo
dicho otro organismo puede también ser una planta o una célula de
planta donde dicho patógeno causa un estado de enfermedad.
El término "fenotipo" puede incluir
cualquier propiedad observable de un organismo o agente que produce
una enfermedad que es producido por el genotipo en conjunto con el
medio ambiente. En una realización, el fenotipo se refiere a la
resistencia de un agente que produce una enfermedad a al menos una
terapia. Por lo tanto, los métodos de la invención determinan un
fenotipo de un agente que produce una enfermedad hacia al menos una
terapia o agente terapéutico.
La expresión "fenotipo virtual" se
relaciona con un fenotipo de una muestra que es obtenida a través de
la determinación del genotipo de dicha muestra, dicho genotipo es
usado para la correlación en una base de datos para buscar mediante
el apareamiento de genotipos para el cual un fenotipo
correspondiente es conocido. A partir de esta colección de
fenotipos el fenotipo de la muestra es calculado.
Los métodos de la invención pueden ser repetidos
para cada posible terapia o agente terapéutico conocido o
sospechoso de estar asociado con la resistencia, o hacia el cual una
resistencia puede esperarse que aparezca. Como tal, de acuerdo a
otra realización de la invención, el fenotipo de una muestra
biológica puede presentarse como una lista de fenotipos contra o
con respecto a terapias individuales o agentes terapéuticos
individuales. Esto es además ilustrado en la sección de
ejemplos.
La expresión "resistencia fenotípica"
comprende la resistencia de una célula, virus, o células infectadas
viralmente para una terapia evaluada, agente terapéutico o
fármaco.
El término "resistencia" como es usado a
partir de este momento, pertenece a la capacidad de resistencia,
sensibilidad, susceptibilidad, o efectividad de una terapia contra
una enfermedad.
El término "terapia" incluye pero no esta
limitado a un fármaco, composición farmacéutica, bactericida,
fungicida, antibiótico, o anticáncer, antiviral,
anti-bacteriano anti-fúngico,
anti-parasitario o cualquier otro compuesto o
composición que pueda ser usada en la terapia o el tratamiento
terapéutico. La terapia también incluye tratamiento, tal como
terapia de genes o terapia de radiación, útil para el tratamiento o
mejora de una enfermedad en un paciente. La terapia, como es usada
a partir de este momento, también incluye las terapias de
combinación.
La presente invención puede también ser aplicada
para determinar el fenotipo de células (tejidos) normales o células
no malignas para investigar su comportamiento hacia una terapia
particular o agente terapéutico.
El término "mutación" como es usado a
partir de este momento, abarca tanto las mutaciones genéticas y
epigenéticas de la secuencia genética del agente que causa la
enfermedad. Un cambio genético incluye, pero no está limitado a,
(i) sustituciones de base: polimorfismos de nucleótido único,
transiciones, transversiones, sustituciones y (ii) mutaciones de
desplazamiento de marco: inserciones repetidas o eliminaciones.
Cambios epigenéticos incluyen, pero no están limitados a,
alteraciones de ácidos nucleicos, por ejemplo, metilación de
ácidos nucleicos. Por ejemplo (cambios en) la metilación de
residuos de citosina en la secuencia genética completa o solamente
en parte de la secuencia genética. En la presente invención, las
mutaciones pueden también ser consideradas al nivel de la secuencia
de aminoácido, y comprende, pero no esta limitado a, sustituciones,
eliminaciones o inserciones de
aminoácidos.
aminoácidos.
La "secuencia control" o "tipo
salvaje" es la secuencia de referencia a partir de la cual está
basada la existencia de las mutaciones. Por ejemplo, una secuencia
control para HIV es HXB2. Este genoma viral comprende 9718 bp y
tiene un número de acceso en el Genbank en NCBI M38432 o K03455
(número gi: 327742).
La secuencia de referencia o tipo salvaje para
usar en la invención en el campo de las enfermedades específicas,
infecciones o enfermedades causadas por patógenos específicos puede
ser fácilmente obtenida de las bases de datos disponibles
públicamente. Por ejemplo, la influencia de las mutaciones en la
etiología del cáncer puede ser ejemplificada por las mutaciones que
influyen el efecto del gen supresor del tumor tales como p53,
TGF-beta, NF-1,
WT-1 y Rb. También, mutaciones presentes en
oncogenes tales como Ras, c-myc,
c-raf, neu, y IL-2, y genes
reparadores, por ejemplo, metilguanosil y metiltransferasa
pueden causar cambios en el fenotipo y/o efecto del fármaco.
En otra realización, una mutación que es una
metilación de ácidos nucleicos puede ocurrir en la posición 5 de la
citosina dentro del CpG-dinucleótido. En general, el
CpG dinucleótido está insuficientemente representado a través de
todo el genoma del mamífero, pero este puede encontrarse cerca de la
frecuencia esperada en pequeñas áreas de genoma de alrededor de un
kilobase, llamado islas CpG. Aunque las islas CpG responden
solamente a alrededor de 1% del genoma completo y 15% de los sitios
CpG genómicos totales, estas regiones contienen aproximadamente 50%
de los dinucleótidos CpG no metilados. La metilación, puede por
ejemplo, impactar estados de enfermedad, tales como X Frágil y el
síndrome Rett, y también en el perfil de los fármacos. Ver por
ejemplo, Robertson y otros, Nature Reviews,2000 vol 1, p.
11-19, y Esteller M. y otros New England Journal
of Medicine 2000, Vol 343:19, p.1350-1354.
La expresión de "al menos una mutación que
correlaciona para la resistencia a al menos una terapia" incluye,
pero no está limitada a, mutaciones y combinación de mutaciones en
una secuencia genética que influye en la sensibilidad de un agente
que causa una enfermedad a una terapia. La al menos una mutación
puede influir en la sensibilidad a una terapia específica, por
ejemplo, un fármaco, o un grupo de terapias. La al menos una
mutación puede, por ejemplo, incrementar y/o disminuir la
resistencia de un agente que produce una enfermedad a una terapia.
La al menos una mutación, puede también, por ejemplo, incrementar
y/o disminuir la influencia de otras mutaciones presentes en una
secuencia genética que efectúa la sensibilidad de un agente que
produce la enfermedad a una terapia.
En una realización, la al menos una mutación que
correlaciona la resistencia a al menos una terapia incluye
mutaciones o combinaciones de mutaciones que son conocidas o
sospechosas de influir en la sensibilidad a una terapia. Listas de
mutaciones conocidas o sospechosas de influir en la sensibilidad de
un agente que produce una enfermedad a una terapia puede ser
encontrado, por ejemplo, en la literatura científica, patentes, y
solicitudes de patentes, por ejemplo Schinazi, R.F., Larder, B.A.
& Mellors, J.W. 1997. Int. Antiviral News. 5,
129-142 (1997); WO 00/78996; WO 99/67427; WO
99/61658; US 6,087,093; WO 00/73511; y Solicitud de Patente U.S. No.
serie 09/580/491, Solicitud de Patente U.S. No. serie 09/589,167 y
"Método y sistema para predecir la resistencia del agente
terapéutico y para definir las bases genéticas de la resistencia a
los fármacos usando redes neurales".
Ejemplos de mutaciones conocidas o sospechosas
de influir en la sensibilidad de un agente que produce una
enfermedad a una terapia puede también ser encontrado en la Internet
en htpp:/hiv-web.lanl.gov;
htpp://hivdb.stanford.edu/
hiv/; o http://www.viral-resistance.com.
hiv/; o http://www.viral-resistance.com.
Ejemplos adicionales de mutaciones presentes en
el dominio RT de HIV que confiere resistencia a un inhibidor de
transcriptasa reversa incluye, pero no están limitados a, 69 C, 69
V, 69 T, 75A, 101I, 103T, 103N, 184T, 188H, 190E, 219N, 219Q, 221Y,
221I, y 233V. Ejemplos adicionales de mutaciones presentes en el
dominio PR de HIV que confiere resistencia a un inhibidor de la
transcriptasa reversa incluye, pero no están limitados a, 24M, 48A,
y 53L. Una mutación puede efectuar resistencia solo o en combinación
con otras mutaciones. La terapia específica, por ejemplo un fármaco
antiretroviral, para el cual una mutación puede efectuar resistencia
puede ser determinada por un experto en el arte, por ejemplo,
usando el ensayo de monitoreo de resistencia fenotípica tal como,
el ANTIVIROGRAM®.
Existen diferentes posibilidades para
representar mutaciones en secuencias en la forma de patrones de
mutación, algunos de los cuales son explicados en detalle en la
sección de ejemplos.
La expresión "identificar un patrón de
mutación" en una secuencia genética se relaciona con la
identificación de mutaciones en una secuencia genética bajo prueba
comparado con una secuencia de tipo salvaje la cual conduce a un
cambio en los ácidos nucleicos o aminoácidos o que conduce a la
expresión alterada de la secuencia genética o la expresión alterada
de la proteína codificada por la secuencia genética o la expresión
alterada de la proteína bajo el control de dicha secuencia
genética.
Un "patrón de mutación" comprende al menos
una mutación que influencia la sensibilidad de al menos un agente
que causa una enfermedad a al menos una terapia. Como tal, un patrón
de mutación puede consistir solamente en una única mutación.
Alternativamente un patrón de mutación puede consistir en al menos
dos, al menos tres, al menos cuatro o al menos cinco
mutaciones.
De acuerdo todavía a otra realización un patrón
de mutación es una lista o combinación de mutaciones o una lista de
combinaciones de mutaciones que influyen en la sensibilidad de al
menos un agente que causa una enfermedad a al menos una terapia. Un
patrón de mutación puede ser construido, por ejemplo por la búsqueda
de una secuencia genética para la ocurrencia de cada mutación de
una serie de mutaciones. La existencia de una mutación o la
existencia de una de un grupo de mutaciones puede entonces ser
notada. El patrón de mutación es construido, por ejemplo, una vez
que una secuencia genética es buscada para la ocurrencia de cada
mutación en las series. En una realización, un patrón de mutación
es construido usando un grupo de mutaciones que correlaciona la
resistencia a una terapia, construyendo por tanto un patrón de
mutación que es específico a una terapia. En una realización
adicional, un patrón de mutación es construido buscando mutaciones
en una secuencia genética donde las mutaciones son unidas por al
menos un operador lógico seleccionado de AND, OR, NOT, y NOR.
En una realización la invención se relaciona con
cualquiera de los métodos descritos en la invención donde el patrón
de mutación comprende al menos dos mutaciones conocidas o
sospechosas para estar asociadas con la resistencia a al menos una
terapia.
Además, la presente invención también se
relaciona con la identificación de "al menos un patrón de
mutación" en una secuencia. Deberá estar claro a partir de lo
siguiente, que para cada muestra biológica (o para cada secuencia
genética derivada de dicha muestra biológica) algunos (es decir, más
de uno) patrones de mutación pueden ser identificados hacia una
terapia única o un agente terapéutico único.
En una realización de la invención, la secuencia
bajo prueba es alineada con la secuencia tipo salvaje y el
alineamiento o diferencias en el alineamiento son almacenados en un
medio computarizado o una base de datos. Alternativamente, un
patrón de mutación puede ser obtenido a partir de un alineamiento,
representado por los aminoácidos mutados y sus posiciones en
el(los) polipéptido(s). Deberá estar claro que el
hombre experto en el arte conoce diferentes maneras de representar
y/o manejar la información de alineamientos de secuencia que
incluyen el uso de algoritmos y programas de computadora conocidos
("Bioinformatics: A practical guide to the analisys of genes and
proteins" Eds. Baxenavis and Ouellete, 1998, John Wiley and Sons,
New York. Capítulo 7 "Sequence alignment and database
searching" G. Shuler, Capítulo 8 Práctico "Aspect of multiple
sequence alignment". A Baxenavis y Capítulo 9 "Phylogenetic
analysis" M. Hershkovitz and D. Leipe). Un ejemplo práctico de
alineamientos de múltiples secuencias es la construcción de un árbol
filogenético. Un árbol filogenético visualiza la relación entre
diferentes secuencias y puede usarse para predecir futuros eventos y
retrospectivamente idear un origen común. Este tipo de análisis
puede usarse para predecir una sensibilidad similar del fármaco
para una muestra pero también puede usarse para descifrar el origen
de diferentes muestras de pacientes (es decir, el origen de la cepa
viral).
De acuerdo a realizaciones preferidas de
cualquiera de los métodos de la invención, el patrón de mutación
similar es identificado alineando la secuencia genética de una
célula o un patógeno en la muestra biológica con la secuencia
genética WT de dicha célula o patógeno.
De acuerdo a otra realización, "Agrupamiento
Discreto" es usado para determinar cuando las secuencias son
"similares". "Similar" en este contexto no significa
"exactamente" por igual, ya que ninguna secuencia única se
aparea a otras. Más bien, "similar", en este contexto significa
"que tiene mutaciones similares" o "que tiene mutaciones que
tienen el mismo efecto hacia la resistencia contra fármacos
inhibidores". Para ser capaces de definir los patrones de
mutaciones que fueron considerados como "que tienen el mismo
efecto", una base de datos patrón que está relacionada al
fármaco puede construirse. Los patrones de mutación referidos aquí
son llamados "puntos calientes". El término "punto
caliente" es aquí definido como una combinación de mutaciones
que confiere resistencia a un fármaco definido.
Los puntos calientes describen mutaciones o
agrupaciones de mutaciones (generalmente combinadas por "OR"
(|) o "AND" (&) operadores lógicos) que están
relacionadas con un cierto fármaco inhibidor. Una fármaco puede
tener 1, 2, 3, 4 o más puntos calientes unidos a este. Otras
operaciones lógicas puede ser "NOT", "NOR" etc. y la
posibilidad para identificar INSERTOS y ELIMINACIONES en la
secuencia de ADN.
Un ejemplo simplificado, por ejemplo, una tabla
de puntos caliente usados para evaluar la resistencia de secuencias
de HIV hacia diferentes fármacos pueden representarse como
sigue:
Fármaco{}\hskip1,5cm # {}\hskip2,5cm
Punto caliente
- A
- 1 {}\hskip1,5cm (mutaciónD | mutaciónE) & (mutaciónF | mutaciónG)
- \quad
- 2 {}\hskip1,5cm mutaciónH | mutaciónI
- \quad
- 3 {}\hskip1,5cm mutaciónJ & mutaciónK
- \quad
- 4 {}\hskip1,5cm mutaciónZ | mutaciónX) & mutaciónV
\vskip1.000000\baselineskip
- B
- 1 {}\hskip1,5cm mutaciónL
- \quad
- 2 {}\hskip1,5cm mutaciónM & mutaciónN
- \quad
- 3 {}\hskip1,5cm mutaciónO & mutaciónP) | mutaciónQ
\vskip1.000000\baselineskip
- C
- 1 {}\hskip1,5cm mutaciónR
- \quad
- 2 {}\hskip1,5cm mutaciónS | mutaciónT
Posteriormente, cada secuencia de virus HIV que
es evaluada es "perfilada" evaluando la secuencia contra todos
los puntos calientes disponibles, para todos los fármacos
inhibidores involucrados. Este análisis produce un perfil por
fármaco para la secuencia de interés.
En una realización, para cada punto caliente que
se aparea, la secuencia recibe un "1"; para cada punto caliente
que no se aparea, consigue un "0". Para una secuencia dada
bajo prueba, el resultado será:
Fármaco\hskip1,5cmPerfil
- A
- 1010 aplican puntos calientes 1 y 3, puntos calientes 2 y 4 no para el fármaco A.
- B
- 001 aplica punto caliente 3, puntos calientes 1 y 2 no para el fármaco B.
- C
- 10 aplica punto caliente 1, punto caliente 2 no para el fármaco C.
Como tal, la expresión "perfil de terapia"
o "perfil de fármaco" se relaciona con la presentación de una
secuencia genética como se explicó anteriormente. El término
"perfil del fármaco o terapia" es la combinación del patrón de
mutación correspondiente a la resistencia a un fármaco o terapia
única.
En otras palabras, un perfil de terapia puede
darse para cada fármaco. En el ejemplo del fármaco A anterior, el
punto caliente 1 y 3 se relaciona con la resistencia al fármaco A y
son asignados un valor de 1. En contraste, el punto caliente 2 y 4
no lo son y son asignados un valor de 0, de esta manera el perfil es
"1010". Este procedimiento puede verse como una forma de
agrupamiento. Sin embargo, ya que los elementos de la agrupación (0
y 1) están basados en los grupos pre-definidos
(puntos calientes) este método es usualmente referido como
"agrupamiento discreto".
La presente invención de esta manera se
relaciona con cualquiera de los métodos de la invención donde el
agrupamiento discreto es usado para identificar secuencias
similares o donde la búsqueda de agrupaciones es usada para
determinar patrones de mutación similar.
De acuerdo a la realización preferida, esta
invención se relaciona con un método para determinar un fenotipo
virtual de un virus de inmunodeficiencia humana que comprende:
- a)
- obtener una secuencia genética de dicho virus de la inmunodeficiencia humana.
- b)
- identificar al menos una mutación en dicha secuencia genética donde dicha mutación es comprendida dentro de al menos un patrón de mutación,
- c)
- buscar una base de datos de genotipo para entradas de genotipos similares que comprende dicha mutación en al menos dicho patrón de mutación
- d)
- correlacionar dicha entrada de genotipo con un fenotipo en una base de datos de fenotipo, y
- e)
- calcular el número de veces de la resistencia virtual de dicho virus a partir de todas las bases de datos de fenotipo identificados.
De acuerdo a otra realización preferida, la
invención se relaciona con un método para evaluar la eficiencia de
una terapia al paciente o para evaluar u optimizar una terapia que
comprende la obtención de una muestra biológica que contiene un
virus de la inmunodeficiencia humana de un paciente, además
comprende al menos los pasos a) al e) del método anteriormente
descrito.
La invención además se relaciona con los métodos
anteriormente descritos donde el patrón de mutación está asociado
con la resistencia a una terapia o fármaco. En los métodos
anteriormente descritos, los pasos b) al e) pueden repetirse para
obtener una serie de fenotipos para un grupo de terapias o
fármacos.
La invención además se relaciona con los métodos
anteriormente descritos donde dicho patrón de mutación comprende al
menos dos mutaciones unidas con un operador lógico, además
caracterizado en que al menos dos patrones de mutación están
asociados con la resistencia a una terapia.
La invención además se relaciona con los métodos
anteriormente descritos donde dichos patrones de mutación están
unidos con un operador lógico que define un perfil de terapia y
donde dicho perfil de terapia es representado por una secuencia,
dicha secuencia es representada por unas series de 1 y/o 0 donde 1
representa la presencia de un patrón de mutación en el perfil de
terapia y 0 la ausencia de un patrón de mutación en el perfil de
terapia.
Debe ser entendido que los principios y métodos
como se puntualizó en la solicitud son muy dinámicos. Las bases de
datos son frecuentemente actualizadas para incorporar nuevas
mutaciones lo que mejora la exactitud de la determinación. El
número y las combinaciones de mutaciones presentes en el sistema son
actualizadas en un base regular (cada 3 a 4 meses). Esto es
necesario para incorporar mutaciones identificadas recientemente o
combinaciones que mejoran la ejecución del sistema. Tomando menos
mutaciones (o puntos calientes) una persona será aún capaz de
calcular el fenotipo, sin embargo, a partir de una perspectiva
estadística la ejecución del sistema será inferior. Además esta
actualización regular es requerida para anticipar el efecto de los
fármaco que son añadidos a la lista y que pueden tener su propia
lista de mutaciones que causan resistencia a ese fármaco.
La persona versada en el arte será consciente de
aquellas mutaciones o combinaciones de mutaciones que influyen en
la eficacia del fármaco. La información aquí puede ser encontrada en
la Internet htpp://hiv-web.lanl.gov,
htpp://hivdb.stanford.edu/hiv/o
http://www.viral-resistance.com o en los artículos
por ejemplo Schinazi, R.F., Larder, B.A. & Mellors, J.W. 1997.
Int. Antiviral News. 5, 129-142 (1997). Además
listas de mutaciones son proporcionadas en algunas solicitudes de
patentes.(Means and methods for monitoring protease inhibitor
antiretroviral therapy and guiding therapeutic decisions in the
treatment of HIV/AIDS (WO 00/78996), Means and methods for
monitoring nucleoside reverse transcriptase inhibitor antiretroviral
therapy guiding therapeutic decisions in the treatment of HIV/AIDS
(WO 99/67427) Means and methods for monitoring
non-nucleoside reverse transcriptase inhibitor
antiretroviral therapy(WO 99/61658), Methods for detection of
drug-induced mutations in the reverse transcriptase
gene (US 6,087,093), New mutational profiles in
HIV-1 reverse transcriptase correlated with
phenotypic drug resistance (WO 00/73511) and New mutational profiles
in HIV-1 reverse transcriptase correlated with
phenotypic drug resistance (US Pat. Ser. Nº:09/580/491).
En la presente invención, después de determinar
los puntos calientes o la terapia para una secuencia bajo prueba,
una base de datos de genotipos puede ser consultada para secuencias
similares a la secuencia bajo escrutinio. Esta consulta puede ser
hecha usando búsquedas de agrupamientos.
La expresión "base de dato de genotipo" se
relaciona con los diversos tipos de bases de datos donde la
información de la secuencia es almacenada. De acuerdo a una
realización de la invención, la base de datos de genotipo almacena
secuencias completas o parciales de nucleótidos. De acuerdo a otras
realizaciones de la invención la base de datos de genotipos
almacena la secuencia de nucleótidos unida a sus traducciones de
aminoácidos o almacena secuencias de nucleótidos unidas a al menos
una lista de mutaciones particulares. Estas mutaciones son con
respecto a una secuencia de referencia. También esas mutaciones
pueden ser al nivel de nucleótidos o al nivel de los aminoácidos.
Estas listas pueden incluir todas las mutaciones con respecto a una
secuencia de referencia o puede contener una selección de
mutaciones.
La información proporcionada a la base de datos
de genotipos por lo tanto puede estar también en la forma de una
secuencia completa o parcial de ácidos nucleicos relacionados con
una muestra biológica o puede ser en la forma de una lista de
mutaciones particulares representando una secuencia particular de
ácidos nucleicos relacionados con una muestra biológica. Por lo
tanto, el término "entrada de genotipo" se relaciona con
cualquier forma en la cual la información es proporcionada a la
base de datos de genotipos.
Por ejemplo, de acuerdo a la presente invención,
una manera preferida de listar mutaciones en la base de datos de
genotipos es listar mutaciones las cuales son conocidas o
sospechosas estar asociadas con la resistencia a una terapia
particular o agente terapéutico. Como tal, cada entrada de genotipo
en la base de datos de genotipos puede estar unida a varias listas
de mutaciones que ocurren en la secuencia genética relacionada con
una muestra biológica, cada una de esas listas representativa para
las mutaciones que son conocidas o sospechosas de estar asociadas
con la resistencia a una terapia particular o agente terapéutico
hacia el cual una resistencia es conocida o puede esperarse
que
aparezca.
aparezca.
Con indiferencia del método usado para
seleccionar "secuencias similares", una vez que una selección
de secuencias similares es encontrada, la aplicación consulta la
base de datos del genotipo para los datos de genotipos
pertenecientes a aquellas secuencias. La base de datos de genotipos
puede ser construida de tal manera que una entrada de una base de
datos de una secuencia genética (relacionada con una muestra
biológica) se una a un fenotipo. Alternativamente los fenotipos en
una base de datos de fenotipos pueden estar unidos a otros medios
de presentación de la información de secuencia de nucleótidos, por
ejemplo un patrón de mutación o un perfil de mutación para una
terapia, agente terapéutico o fármaco. Alternativamente, bases de
datos que relacionan genotipo/fenotipo pueden ser usadas en
cualquiera de los métodos de la invención para correlacionar la
información genotípica con la fenotípica. En una realización este
proceso es hecho para cada terapia, agente terapéutico o fármaco,
de nuevo usando la búsqueda de agrupamiento. La consulta regresa a
una selección de resultados fenotípicos para cada terapia, agente
terapéutico o fármaco listado. Un análisis estadístico puede ser
ejecutado en la base de datos para eliminar valores atípicos y el
número de veces de resistencia virtual puede ser calculado. Por
ejemplo, por fármaco, la media del log (valores del número de veces
de la resistencia) pueden ser usados para calcular el número de
veces de la resistencia virtual y la interpretación de esos números
generará un Fenotipo Virtual. El fenotipo virtual (valor del número
de veces de la resistencia) puede entonces además ser usado para
clasificar el virus como Sensible (S), Intermedio (I) o
Resistente(R).
La "resistencia" es determinada usando los
protocolos descritos en el ensayo Antivirogram® (WO 97/27480). La
resistencia es determinada con respecto a una cepa de referencia de
laboratorio HIV LAI/IIIB. La diferencia en los IC_{50} entre la
muestra del paciente y la cepa viral de referencia es determinada
como un cociente. Este cambio del número de veces en IC_{50} es
reportado e indicativo del perfil de resistencia de un cierto
fármaco. Basado en los cambios de IC_{50}, los valores de corte
han sido establecidos para distinguir una muestra de ser sensible o
resistente a un cierto fármaco.
La expresión "base de datos que relaciona
genotipo/fenotipo" se refiere a una base de datos que trae juntos
el conocimiento de ambas bases de datos genotípica y fenotípica. La
base de datos genotípica, por ejemplo, contiene información de una
secuencia genética con respecto a al menos un agente que produce una
enfermedad. La información de una secuencia genética puede variar
a partir de la secuencia completa de un agente que produce
enfermedad a un segmento de la secuencia de un agente que produce
una enfermedad, a un patrón de mutación. Por ejemplo, la secuencia
genética de los virus HIV evaluados o el patrón de mutación de los
virus HIV evaluados. La base de datos fenotípica contiene valores
de resistencia fenotípica a al menos un agente que produce una
enfermedad evaluado para al menos una terapia. Por ejemplo, los
valores de resistencia fenotípica de los virus HIV evaluados, con
una determinación del número de veces de la resistencia comparada al
virus HIV de referencia (tipo
salvaje).
salvaje).
En una realización, por ejemplo, los métodos
pueden ser usar diferentes bases de datos de genotipos y fenotipos.
Como una muestra es corrida durante el análisis, la entrada de la
secuencia identificada y su correspondiente fenotipo son
encontrados y "transferidos" a una "Base de datos Central de
Llamadas". Este centro de llamadas es una tercera base de datos,
donde los resultados feno-genotipo son combinados y
usados para el cálculo del número de veces de la resistencia
virtual y la generación del reporte. Esta base de datos es una base
de datos de correlación.
En una realización, en una base de datos que
relaciona genotipos/fenotipos, las entradas de datos son combinadas
para producir una representación "2D" para cada muestra:
(x_{i}, y_{i}) donde x_{i} representa el resultado
fenotípico, y_{i} el genotípico. En otra realización, las entradas
de datos son combinadas para producir una representación "3D"
para cada muestra (x_{i}, y_{i}, z_{i}) donde x_{i}
representa el resultado fenotípico, y_{i} el genotípico, y
z_{i} otra información con respecto a la muestra, tal como un
número de muestra.
Por lo tanto, la presente invención también se
relaciona con cualquiera de los métodos descritos donde una base de
datos que relaciona genotipo/fenotipo es usada para correlacionar al
menos una entrada de genotipo con un patrón de mutación similar con
un fenotipo en dicha base de datos.
De acuerdo a la realización preferida, la
presente invención proporciona una interpretación abarcadora y
confiable de la información genotípica interrogando la parte del
genotipo de una base de datos que relaciona genotipo/fenotipo para
patrones de de mutaciones idénticos o similares a aquel de la
muestra del paciente bajo estudio. Una vez que los apareamientos
son encontrados, los correspondientes fenotipos son accedidos y la
información fenotípica, los cambios en la IC_{50} para las varios
fármacos, es mezclado y promediado para producir un perfil
fenotípico. Este perfil, en una realización de la invención, puede
estar basado en los datos de cientos o miles de fenotipos reales
con los mismos patrones de mutaciones. En otra realización, la
región RT-PR del genoma HIV-1 de una
muestra de paciente es secuenciado y la secuencia es usada en los
métodos de la invención para interpretar la información del
genotipo. El fenotipo virtual puede entonces usarse para diseñar una
terapia, la cual puede ser uno o más fármacos. En una realización
adicional, el software registrado puede usarse para interpretar la
información del genotipo de acuerdo a los métodos de la
invención.
En una realización, un fenotipo más exacto puede
ser obtenido construyendo un patrón de mutación usando mutaciones
que han sido validadas. Uno de los expertos en el arte reconocerá
que existen numerosos métodos de validación si una mutación se
correlaciona a la resistencia a al menos una terapia, que incluye
pero no están limitados a experimentos de fenotipo, tales como el
ANTIVIROGRAM (Virco, Bélgica) y estudios clínicos, (WO
97/27480).
En otra realización, el número y las
combinaciones de mutaciones usadas para construir un patrón de
mutación podrá ser actualizado en una base regular. Esto puede ser
hecho para incorporar mutaciones identificadas recientemente o
combinaciones las cuales pueden mejorar la ejecución del sistema. En
otra realización, un fenotipo puede ser calculado a partir de al
menos una mutación usada para construir un patrón de mutación, sin
embargo, a partir de una perspectiva estadística un fenotipo más
exacto puede resultar de un número mayor de mutaciones.
De acuerdo a una realización adicional, en
cualquiera de los métodos de la invención el fenotipo de dicha
muestra biológica puede expresarse como una media del número de
veces-cambio en la resistencia hacia al menos una
terapia, donde dicha media de número de
veces-cambio de la resistencia es calculada a
partir de la base de datos de fenotipo(s)
de al menos una entrada de genotipo con un patrón de mutación similar. Preferiblemente, el fenotipo de dicha muestra biológica hacia al menos una terapia o agente terapéutico es expresado como un IC_{50}. Los valores IC son concentraciones inhibitorias, donde la IC_{50} representa la concentración de un fármaco definido que produce la mitad del rendimiento de la señal comparado con una corrida blanco que no comprende fármacos.
de al menos una entrada de genotipo con un patrón de mutación similar. Preferiblemente, el fenotipo de dicha muestra biológica hacia al menos una terapia o agente terapéutico es expresado como un IC_{50}. Los valores IC son concentraciones inhibitorias, donde la IC_{50} representa la concentración de un fármaco definido que produce la mitad del rendimiento de la señal comparado con una corrida blanco que no comprende fármacos.
La invención además se relaciona con un método
para generar un reporte donde dicho reporte comprende el fenotipo
determinado (o predicho) usando cualquiera de los métodos de la
invención. Algunos ejemplos de reportes son ilustrados en la
sección de ejemplos. El reporte puede contener el fenotipo de una
muestra biológica contra al menos una terapia o agente terapéutico.
Preferiblemente el fenotipo de una muestra biológica contra algunas
terapias o agentes terapéuticos son listados en dicho reporte.
El término "proveedor del cuidado de la
salud" se entiende que incluye cualquier persona profesional
autorizada o entrenada para tratar o tomar los datos del paciente
y/o las muestras. Tales personas incluyen pero no están limitadas a
médicos, doctores, clínicos, trabajadores de cuidado de la salud,
enfermeras, técnicos, laboratoristas, etc.
La Figura 10 proporciona un diagrama de flujo
ejemplarizante para determinar un fenotipo virtual. En una
realización, los varios pasos y operaciones de la Figura 10 pueden
ser ejecutadas por el sistema 40 de determinación del fenotipo en
el ambiente del sistema de la Figura 11 para evaluar la resistencia
de un paciente a una terapia, o diseñar u optimizar una terapia
para un paciente, por ejemplo, con HIV.
Como se ilustró en la Figura 10, en una
realización el proceso comienza con la obtención de al menos una
secuencia genética de un paciente (paso 100). Una secuencia
genética puede obtenerse por un proveedor de cuidado de la salud,
laboratorio, o cualquier otra entidad. En una realización, de al
menos una secuencia genética, que incluye secuencias genéticas
tomadas en varios momentos o una historia de secuencia de un
paciente puede ser almacenado en un base de datos, tal como la base
de datos local 46 del sistema de determinación del fenotipo 40.
(ver Figura
11).
11).
Como parte del cálculo de un fenotipo virtual,
un patrón de mutación de la secuencia genética puede ser determinado
(paso 110) para al menos una terapia. Como parte de este paso el
sistema 40 de determinación del fenotipo puede incluir datos de la
mutaciones que correlacionan para la resistencia de al menos una
terapia. Los datos de mutación pueden ser accedidos desde una base
de datos local 46 y/o una(s) base(s) de datos pública
52.
Una base de datos que relaciona
genotipo/fenotipo es entonces buscada para al menos una secuencia
genética similar a la secuencia genética del paciente (paso 120).
Todas las secuencias similares son identificadas. Esto puede ser
logrado buscando para un patrón de mutación similar al patrón de
mutación determinado en el paso 110 o, por ejemplo, comparando la
secuencia genética del paciente a las secuencias de la base de datos
que relaciona genotipo/fenotipo usando secuencias de alineación. La
base de datos que relaciona genotipo/fenotipo puede ser accedida a
partir de un base de datos local 46 y/o 46 y/o base(s) de
datos pública 52.
Como se ilustró en la Figura 10, una base de
datos de fenotipo es obtenido para cada secuencia genética similar
identificada a partir de la base de datos que relaciona
genotipo/fenotipo (paso 130). Un fenotipo para la secuencia
genética del paciente es entonces calculada a partir de todas las
bases de datos de fenotipos identificados (paso
140).
140).
La información puede entonces ser retransmitida
al proveedor de cuidado de la salud o usada en la determinación de
otra información, tal como evaluar resistencia de un paciente a una
terapia, o diseñar u optimizar una terapia para un paciente. La
información resultante puede entonces ser retransmitida al proveedor
de cuidado de la salud. La Figura 11 es un ambiente del sistema
ejemplar en el cual las características y los métodos de la
invención pueden ser implementados (por ejemplo, los métodos como
los mostrados en la Figura 10). Como se ilustró en la Figura 11, un
canal 30 de comunicación es proporcionado para facilitar la
transferencia de datos entre varios componentes del sistema y
entidades. Estos componentes y entidades pueden incluir, por
ejemplo, uno o más proveedores de cuidado de la salud
12A-12N quienes interactúan con o tratan pacientes
(no mostrados), un sistema 40 de determinación de fenotipo, y una o
más bases de datos públicas 52.
El canal de comunicación 30 puede ser
implementado a través de cualquier canal único o combinación de
canales que permitan la comunicación entre diferentes personas,
computadoras o localidades. El canal de comunicación puede ser
cualquier sistema que permita la comunicación entre las diferentes
entidades ilustradas en la Figura
11.
11.
Cada uno de los proveedores de cuidado de la
salud 12A-12N, por ejemplo, colecta las muestras
biológicas de cada paciente o pacientes, y determina una secuencia
genética o tiene un secuencia genética determinada, donde tal dato
es sometido al análisis por el sistema 40 de determinación del
fenotipo.
En una realización, el sistema 40 de
determinación del fenotipo puede ser implementado a través de
cualquier combinación de hardware, software y/o firmware. Por
ejemplo el sistema 40 de determinación del fenotipo puede ser
implementado a través del uso de una computadora personal, una
estación de trabajo, un servidor o cualquier plataforma
informática. Software o instrucciones programadas pueden también
proporcionarse para el control de las operaciones de la plataforma
informática, consistente con los principios de esta invención.
Como se ilustró en la Figura 11, el sistema 40
de determinación del fenotipo puede también incluir una base 46 de
datos local para almacenar los datos del paciente incluyendo los
datos de la secuencia genética. La base de datos local 46 puede
también almacenar los datos de mutación y/o datos que relacionan los
datos de genotipo/fenotipo, los datos de mutación y/o datos que
relacionan genotipo/fenotipo pueden ser accedidos desde una o más
bases de datos pública 52 por el sistema 40 de determinación de
fenotipo.
En consistencia con los métodos de la presente
invención, el sistema 40 de determinación del fenotipo es
configurado para proporcionar información con respecto a al menos
uno de: fenotipo, valoración de la resistencia de un paciente a una
terapia, y diseño u optimización de una terapia para pacientes
tratados por los médicos 12A-12N. La información
puede ser enviada por el sistema 40 a los médicos
12A-12N en numerosos formatos (por ejemplo,
reportes escritos, archivo electrónico, pantalla gráfica, etc.) y
pueden proporcionarse a los médicos en base a tasas o como un
servicio libre o auxiliar.
Debe entenderse que el método como se subrayó en
los Ejemplos es apto para el análisis del efecto de las alteraciones
genéticas, y los consecuentes cambios proteicos, en el gen de la
proteasas y la transcriptasa reversa de HIV. Debe apreciarse que el
método es igualmente bien adaptable para analizar diferentes genes o
grupos de genes presentes en el HIV, o cualquier otro organismo de
origen viral, procariótico o eucariótico, implicado en los
diagnósticos clínicos o en la farmacogenética.
Figura 1: El reporte de la Figura 1 proporciona
la siguiente información para ayudar a los médicos a interpretar
los datos genotípicos y desarrollar un régimen de tratamiento:
- 1.
- Las primeras dos columnas da nombres comerciales y genéricos de los fármacos.
- 2.
- La parte superior del diagrama tiene una representación gráfica de las mutaciones en la región de la proteasa del genoma.
- 3.
- Debajo de esto es la misma información para la región de la transcriptasa reversa.
- 4.
- La tercera columna simplemente indica si fueron encontradas o no las mutaciones que afectan la susceptibilidad para esa fármaco particular.
- 5.
- La cuarta columna indica el número de muestras en la base de datos que aparean el patrón de mutaciones en la muestra del virus, para cada fármaco.
- 6.
- La quinta columna tiene una representación código-color del rango de susceptibilidades fenotípicas encontradas en la base de datos.
- 7.
- Finalmente el promedio IC_{50} para todos los apareamientos en la base de datos es presentada para cada fármaco.
Figura 2: Una predicción de un Reporte
Fenotípico usando la Presente Invención.
Figura 3: Valor Predictivo de la presente
invención.
Figura 4: Sección del genoma de HIV cubierto por
el ensayo Antivirogram ®.
Figura 5: Representación esquemática de acuerdo
a una realización de monitoreo de resistencia.
Figura 6: es un diagrama esquemático de la
búsqueda del patrón ejemplar. Los números indicados para cada
mutación (N) indican la N observada en el análisis de la base de
datos ilustrada en la Tabla 1.
Figura 7: Representa los resultados de la
búsqueda fenotípica para el virus con diferentes agrupaciones de
mutaciones de resistencia AZT. La gráfica muestra la media (o), el
error estándar (\blacksquare) y 95% límites de confidencia
1000 para cada agrupación.
Figura 8: Es una correlación entre el fenotipo
actual y el virtual predicho por la computadora. Un análisis de
regresión lineal se muestra para cuatro grupos de datos aleatorios
independientes que comprenden 500 muestras cada uno.
Figura 9(a)&(b): son una descripción
del coeficiente de probabilidades de fracaso para lograr una
reducción de la carga viral por debajo de 400 copias de ARN
viral/ml.
Figura 10(a)&(b):
- 10 (a)
- es un diagrama de flujo ejemplar para determinar un fenotipo, de acuerdo con los métodos de la invención.
- 10(b)
- es un diagrama de flujo ejemplar de una realización para ejecutar los pasos 110 a 130 de la figura 10 (a).
Figura 11: una representación ejemplar de un
ambiente del sistema en el cual las características y los métodos
de la invención pueden ser implementados.
\vskip1.000000\baselineskip
Ejemplo
1
Una secuencia consiste de un número de
nucléotidos. Los nucleótidos son representados por las letras A, C,
T y G. A, C, T y G son las bases de una secuencia. Otras letras como
R, Y, M etc. simbolizan una combinación de dos o más bases.
\vskip1.000000\baselineskip
Grupos de 3 nucleótidos forman un codón. Estos
codones son traducidos a aminoácidos y luego son comparados a una
secuencia de referencia para determinar las mutaciones. Una mutación
es una diferencia entre la secuencia de referencia y la secuencia
evaluada.
La secuencia de referencia de nucleótido
original se parece a esta (el ejemplo muestra solamente la sección
de proteasa que contiene 99 amino ácidos o 297 nucleótidos. La
sección de transcriptasa inversa contiene 400 aminoácidos o 1200
nucleótidos.):
Esta es la sección de proteasa de la secuencia
bajo evaluación:
Las diferencias son subrayadas. Después de la
traducción en aminoácidos y la comparación, los resultados se
parecen a esto:
Las flechas y figuras con el fondo gris oscuro
son las posiciones dentro de la sección de la proteasa. Las letras
con el fondo gris medio muestran los aminoácidos en la secuencia de
referencia. El fondo gris claro muestra la secuencia bajo
evaluación: espacios vacíos significa que el aminoácido es el mismo
como en la secuencia de referencia, los aminoácidos en letras
negritas y en cuadros son las mutaciones que son conocidas o
sospechosas de estar asociadas con la resistencia a la terapia o
fármacos.
En este caso, las mutaciones serían: 10I, 20R,
36I etc., donde el número representa la posición y la letra de
aminoácido que ha mutado.
Para calcular el Fenotipo Virtual, el concepto
de "secuencias similares" necesita ser explicado.
Para determinar la similitud entre secuencias,
no puede aparear justamente los nucleótidos o aminoácidos, porque
ellos no siempre se aparean completamente. Esto es debido a un
número de mutaciones no documentadas que pueden encontrarse en
cualquier secuencia y al hecho de que diferentes combinaciones de
nucleótidos conducen al mismo aminoácido.
Para ser capaces de comparar, nosotros definimos
puntos de anclaje, o "Puntos-calientes" como
ellos son llamados. Para cada fármaco, un número de
puntos-calientes es definido y continuamente
actualizado.
\vskip1.000000\baselineskip
Ejemplo
\vskip1.000000\baselineskip
En este ejemplo, existen 10 descripciones de
puntos calientes relacionadas con el fármaco en cuestión.
Para comparar las secuencias, una lista de
perfiles (un perfil por fármaco que es evaluado) es determinada
para cada secuencia. El perfil es determinado preservando los
conteos de los puntos calientes apareados y no apareados por
fármaco.
En el ejemplo anterior, si una secuencia pudiera
aparear los puntos calientes 2, 5, 6, 7 y 9, la secuencia tendría
un perfil para este fármaco igual a "0100111010". Cada nuevo
perfil es almacenado dentro de la base de datos.
Es declarado cada punto-caliente
que preserva el conteo de las secuencias que aparea las mutaciones.
Usando esta información, el sistema es capaz de recuperar todas las
secuencias que tienen exactamente el mismo perfil haciendo una
intersección de los grupos que aparean y subsecuentemente
sustrayendo los grupos que no aparean. En lugar de usar grupos de
secuencias, los sistemas usan los correspondientes grupos de datos
de fenotipo; esto incrementa la ejecución del sistema.
El próximo paso es recuperar los resultados
fenotípicos para aquellas secuencias. Ellas varían entre ninguna y
bien por encima de 20.000. En esos resultados fenotípicos, unos
pocos cálculos son ejecutados, por ejemplo número de veces de
resistencia medio o promedio puede ser calculado:
1. 7
2. El log de la desviación estándar de todos los
valores del número de veces de la resistencia es calculado:
Donde n es la cantidad de determinaciones
fenotípicas y x contiene los valores del número de veces de la
resistencia individual.
3. La media de todos los valores del Número de
veces de la Resistencia es calculada.
4. Los valores atípicos son determinados usando
un valor de 3Ò; esos son los valores del Número de veces de la
Resistencia que son mayores que (media + (3 x STD))o menor que
(media-(3 x STD)).
5. El Número de veces de la Resistencia medio
corregido es calculado en todos los datos menos en los valores
atípicos.
Este valor corregido es reportado y usado para
determinar la resistencia junto con el valor de corte que
corresponde para ese fármaco. Todos los valores calculados son
almacenados junto con los perfiles para los que fueron
calculados.
\vskip1.000000\baselineskip
Ejemplo
2
Un ejemplo de una realización de la presente
invención puede ser descrito por los siguientes pasos:
- 1.
- La secuencia gag-RT-PR es entrada en una computadora como una hilera de texto;
- 2.
- El programa de computadora escanea la secuencia para todas las mutaciones, y "lista" todas aquellas que son conocidas o se sospecha que juegan un papel en el desarrollo de la resistencia al fármaco;
- 3.
- Las mutaciones son entonces listadas contra cada una de los fármacos para los cuales ellos afectan la sensibilidad;
- 4.
- Para cada fármaco, el programa de computadora interroga una base de datos de genotipos para las muestras previas con secuencias o mutaciones iguales o similares, relacionadas con ese fármaco. Las mutaciones primarias, aquellas mutaciones iniciales que tiene un efecto discernible en la resistencia del fármaco, son buscadas primero en la base de datos individualmente. Las mutaciones secundarias, aquellas que tienen efectos sutiles en la resistencia o incremento de la aptitud viral, son buscadas en grupos. Típicamente habrá cientos de registros que aparean el patrón de mutaciones para cada fármaco;
- 5.
- Cada vez que un apareamiento es encontrado, por ejemplo, una muestra previa con el patrón igual o similar de mutaciones AZT, el programa de computadora localiza el fenotipo para esa muestra en la base de datos de fenotipos Virco y lo almacena (expresado como un cambio en IC_{50}).
- 6.
- Finalmente, de nuevo para cada fármaco, el programa calcula el cambio promedio en IC_{50} de todos los ejemplos que ha encontrado y resume la distribución de sensibilidades como el porcentaje que fueron sensibles (resistencia es improbable), intermedio (resistencia es incierta)o resistencia (resistencia es probable); y
- 7.
- El programa puede entonces generar un reporte final que lista, para cada fármaco a su vez:
- A)
- Los nombres del fármaco.
- B)
- Las mutaciones encontradas en el genotipo que afectan la sensibilidad para ese fármaco.
- C)
- El número de genotipos en la base de datos Virco para el cual el dato de fenotipo es disponible.
- D)
- La proporción de esas que fueron sensibles, intermedios o resistentes para esa fármaco.
- E)
- La puntuación de sensibilidad media - como un cambio en la IC_{50}.
La invención también proporciona, en una
realización, un método de evaluación de la efectividad de una
terapia en un paciente determinando si el fenotipo de una muestra
biológica está terapéuticamente en un rango de efecto. Un rango
terapéuticamente efectivo toma en cuenta, entre otras variables, la
terapia o terapias que están siendo examinadas, las características
del paciente individual tales como farmacocinéticas del paciente, y
resistencia del agente que causa una enfermedad. Un experto en el
arte puede calcular un rango terapéuticamente efectivo usando, por
ejemplo, rangos efectivos en terapia publicados y modelos
farmacocinéticos (Ver por ejemplo, Solicitud de Patente
Europea No. 00/203200.1, presentada en Septiembre 15, 2000). La
invención también proporciona métodos para optimizar la terapia
para un paciente y diseñar la terapia para un paciente. En una
realización, el artesano experto puede optimizar y/o diseñar una
terapia comparando los fenotipos determinados usando los métodos de
la invención y seleccionando la terapias o terapias que podrían ser
las más efectivas para el tratamiento de un paciente.
La Figura 1 representa un reporte de muestra
producida usando la presente invención.
Estudios han mostrado que el presente método
inventivo es más de 90% exacto en predecir el fenotipo actual
usando una base de datos de genotipos y fenotipos actual. Ya que más
datos son adicionados a la base de datos, los cambios de encontrar
grandes números de apareos exactos para el patrón de mutación de un
individuo podrá incrementar y el nivel de exactitud puede ser aún
mayor.
\vskip1.000000\baselineskip
Ejemplo
3
En el caso mostrado en la Figura 2, por ejemplo,
la población de virus es probable que responda a didanosina,
zalcitabina y estavudina (del NRTI), no a AZT, 3TC y posiblemente no
a abacavir. Una respuesta es probable para cualquiera de los NNRTI
pero el fármaco con más probabilidad de ser efectivo es efavirenz.
Los virus de pacientes serán muy probablemente resistentes al
inhibidor de proteasa nelfinavir y más probablemente son sensibles
a amprenavir.
La distribución de las sensibilidades de los
apareamientos de fenotipos puede generalmente capacitar a los
médicos, independientemente de las enfermedades estudiadas, para
seleccionar entre los fármacos alternativos que el sistema predice
cual será efectivo para minimizar los cambios de resistencia. Con
respecto a HIV, por ejemplo, dos inhibidores de proteasa pueden
tener una puntuación idéntica para el cambio predicho en la
IC_{50}, sugiriendo sensibilidad, pero uno puede tener un más
amplio margen de datos, incluyendo algunos ejemplos donde había
resistencia. El médico puede entonces seleccionar el fármaco sin la
evidencia de resistencia en la base de datos.
Esta puntuación de sensibilidad media es
altamente predictiva del fenotipo real y es por tanto una variable
predictiva confiable de a cuales fármacos el paciente responderá o
no responderá en el grupo clínico. Ver figura 3.
\vskip1.000000\baselineskip
Ejemplo
4
En otra realización, la presente invención puede
usarse con ensayos de monitoreo de la resistencia fenotípica, tal
como los ensayos recombinantes conocidos, en la administración
clínica de enfermedades que desarrollan resistencia, incluyendo el
HIV y otras infecciones virales, cáncer, infecciones bacterianas, y
similares. Un sistema de monitoreo de resistencia particularmente
útil es un ensayo recombinante conocido como el Antivirogram®. El
Antivirogram® es un ensayo recombinante altamente automatizado, de
alto rendimiento, de segunda generación que puede medir la
susceptibilidad, especialmente la susceptibilidad viral, para todos
los fármacos disponibles, particularmente fármacos antiretrovirales
(inhibidores de transcriptasa reversa e inhibidores de proteasa) al
mismo tiempo. (Hertogs K. de Bethune MP, Miller V y otros.
Antimicrob Agents Chemother, 1998; 42 (2):
269-276).
El proceso completo puede ser dividido en tres
fases: biología molecular, transfección y prueba de susceptibilidad.
El proceso es resumido debajo y en la Figura 4.
\vskip1.000000\baselineskip
- \bullet
- Fragmentos de ARN viral extraídos de muestra de sangre de pacientes.
- \bullet
- ADN complementario (ADNc) de la secuencia gag-PR-RT, a través del codón 400 formado a través de la transcripción reversa.
- \bullet
- Secuencia Gag-PT-RT multiplicada usando dos rondas de PCR.
- \bullet
- Purificación de fragmentos de ADN.
- \bullet
- Creación de clon proviral de laboratorio con secuencia gag-PR-RT suprimida.
- \bullet
- Inserción del clon en los plásmidos bacterianos para la reproducción de grandes cantidades.
\vskip1.000000\baselineskip
Este es el proceso por el cual los genes son
transferidos a la célula.
- 1.
- Las secuencias gag-PR-RT de la muestra del paciente y los fragmentos de plásmidos son mezclados con CD4+, células MT4.
- 2.
- La electroporación tiene lugar: las células son sometidas a una corta (milisegundos), pero fuerte corriente en una cubeta que produce aperturas transitorias en la membrana celular, a través de la cual ambos fragmentos de ADN gag-PR-RT y el fragmento de plásmido entran.
- 3.
- En una proporción relativamente pequeña de las células, ambos fragmentos se encontraran y probablemente apoyados por una enzima celular, recombinan para formar un genoma completo HIV-1 que puede ahora ser convertido dentro de las partículas de virus infecciosos.
- 4.
- El virus recombinante es entonces crecido en este cultivo celular durante aproximadamente 8 días, hasta que alcance un suficiente nivel el efecto citopatogenético o CPE.
- 5.
- El medio es entonces centrifugado para separar las células y el sobrenadante contiene grandes cantidades de virus recombinante - la cosecha del stock de virus.
- 6.
- El virus es entonces titulado para obtener una concentración conocida.
\vskip1.000000\baselineskip
En esta fase, es determinado si los diferentes
inhibidores de HIV-1 son aún capaces de inhibir la
replicación de los virus recombinantes mencionados
anteriormente.
- 1.
- Diferentes concentraciones de los agentes antivirales son colocados en los 384 micropozos de un placa de evaluación de microtítulo. Algunos pozos son usados para cada concentración y los resultados medios son usados para incrementar la fiabilidad.
- 2.
- Un grupo de dilución del stock de virus recombinante o el virus control del tipo salvaje es añadido a cada micropozo.
- 3.
- Un grupo de dilución de células MT4 que contienen un sistema de gen reportero fluorescente es también añadido a cada pozo.
- 4.
- La placa es incubada por 3 días durante el tiempo en el cual el virus recombinante se replicará en las células MT4 a menos que sean inhibidas por el fármaco antiviral. La replicación dispara el gen reportero, el cual produce proteínas la cuales fluorescen.
- 5.
- La cantidad de replicación viral a cada concentración del fármaco es medida por espectrometría computarizada, con relación a los controles de virus tipo salvaje.
- 6.
- La susceptibilidad del virus a cada fármaco es expresada como un cambio del número de veces en la IC_{50} relativa al virus tipo salvaje.
- 7.
- Un reporte es preparado el cual proporciona esos datos para cada fármaco con un incremento en la IC_{50} de menos de 4 clasificaron como susceptibles, entre 4 y 10 clasificaron como intermedios y por encima de 10 como resistentes.
El proceso completo es altamente automatizado y
usa la robótica del estado del arte para asegurar la consistencia y
alto rendimiento total.
Existe otro ensayo que permite la evaluación
simultánea de la susceptibilidad de inhibidores de transcriptasa
reversa e inhibidores de proteasa en una mayor escala: Virologic's
Phenosense assay (Petropoulos, CJ, Parkin NT, Limilo KL, y
otros. Antimicrob Agents Chemother, 2000;
44(4):920-928). El ensayo puede ser
descrito como sigue:
- 1.
- Fragmentos de ARN viral son extraídos de la muestra de sangre de pacientes.
- 2.
- El ADN complementario (ADNc) de la secuencia gag-Pr-RT para el codón 300 es formado a través de la transcripción reversa.
- 3.
- Las secuencias de transcriptasa reversa (RT) y proteasa (Pr) son multiplicadas usando PCR.
- 4.
- Secuencias RT-Pr muestras son ligadas (unidas) a provirus con secuencias RT-Pr suprimidas y un gen indicador, luciferasa es insertado en el gen de la envoltura de HIV-1 suprimido.
- 5.
- Estos vectores virales recombinantes, juntos con un plásmido que porta las proteínas de la envoltura del virus de leucemia murina, son transferidos en las células humanas en presencia de concentraciones variantes de inhibidores de proteasa.
- 6.
- Las partículas virales que son formadas son cosechadas y se les permite infectar las células blanco en un segundo momento en presencia de varias concentraciones de inhibidores RT.
La susceptibilidad de las secuencias virales
para inhibidores RT e inhibidores de proteasa es calculada midiendo
la actividad de la luciferasa.
\vskip1.000000\baselineskip
Ejemplo
5
Se desea proporcionar a los médicos y personas
que viven con enfermedades, en particular HIV/AIDS, la más exacta,
confiable y útil información acerca de la enfermedad de la persona
individual para ayudarlos a tomar la decisión más informada acerca
de la estrategia de tratamiento óptima y diseñar estrategias de
tratamiento. Los métodos de la presente invención representados en
una realización por el VircoGEN^{TM} II, y el Antivirogram^{TM},
tiene un lugar en la administración clínica de las enfermedades,
tales como HIV/AIDS. La selección de cual(es)
ensayo(s) diagnóstico(s) a usar y cuando es para
hacerlo el médico y su paciente depende de un número de diferentes
factores.
Las recomendaciones para pruebas de resistencia
son incluidas en varias guías de tratamiento que incluyen aquellas
del US Department of Health and Human Services y la International
AIDS Society. Ellos no hacen ninguna recomendación de cual prueba
usar diferente de las guías DHHS que declaran que el uso de ambas
pruebas es útil para las personas con historias de tratamiento
complejas. El uso tanto de la fenotipificación y la genotipificación
es generalmente considerado como la aproximación más confiable para
la evaluación de la resistencia.
Algunas situaciones clínicas donde la prueba de
la resistencia podría ser de valor son listadas debajo con alguna
razón para el tipo de prueba a usar.
La siguiente tabla da los ejemplos de
situaciones clínicas donde la evaluación de la resistencia puede ser
considerada.
Ejemplo
6
Muestras de plasma fueron obtenidas de pacientes
y sometidas a laboratorios para evaluación de rutina de la
susceptibilidad del fármaco. Estas fueron coleccionadas
fundamentalmente de USA, Canadá y Europa, aunque muestras de
América del Sur, Sudeste Asiático y Sudáfrica están también
representadas en la base de datos. Debido a la naturaleza de la
colección de esas muestras, nosotros fuimos capaces de obtener
terapia compresiva e historias clínicas de la mayoría de los
pacientes involucrados - aunque la mayoría fueron de diferentes
pacientes individuales. ARN viral fue extraído de esas muestras y
convertido a ADNc por transcripción reversa. posteriormente, un
fragmento de 1.7 kb del genoma de HIV-1 que abarca
parte del gag, la proteasa y los primeros 400 codones de RT fue
amplificado por PCR^{1}. Estos amplicones fueron directamente
secuenciados por el secuenciador ABI automatizado y el fenotipo de
susceptibilidad del fármaco fue determinado para 14 fármacos
antiretrovirales individuales usando un ensayo de virus
recombinante. Las secuencias de texto fueron importadas directamente
en la base de datos, como fueron la IC_{50} y valores de número
de veces de la resistencia para cada fármaco.
\vskip1.000000\baselineskip
La base de datos de
genotipo-fenotipo fue desarrollada en un ambiente
RAD (Desarrollo de Rápida Aplicación) usando Apple Macintosh. La
programación fue en "4^{ta} Dimensión" (4D); una base de
datos relacional multi-entrelazada, gráfica, de
32-bit. La base de datos corrientemente corre sobre
un PowerMAc G4, 400 MHz, 256 MB RAM. Para los propósitos del
análisis; el software asumió que la mezcla de un tipo salvaje y
aminoácido mutante en un residuo particular era mutante. Para un
total de 108 individuos, diferentes cambios de aminoácidos fueron
usados en el procedimiento de búsqueda (en un total de 56 posiciones
únicas). Este fue roto en 39 cambios en la proteasa y 69 en RT (32
para los inhibidores RT no nucleósidos y 37 para los análogos de
nucleósidos). Las siguientes mutaciones, agrupadas por clases de
fármacos, fueron incluidas en la maquinaria de búsqueda. Los
inhibidores de proteasa: 10F/I/R/V, 20I/M/R/T, 24I, 30N, 32I,
33F/I/M/V, 36I, 46I/L, 47L, 48V, 50V, 54L/M/V, 71T/V, 73A/C/S, 77I,
82A/F/S/T, 84A/V, 88D/S, 90M. Análogos de nucleósidos: 41L,44A/D,
62A, 65R, 67N, 69D/N, inserción 69, 70R, 74 V/I, 75A/I/M/T, 77L,
100I, 115F, 116Y, 118I, 151M, 181C, 184I/T/V, 208Y, 210W, 211K/Q,
215F/Y, 219E/N/Q, 333D/E. NNRTIs:98G/S, 100I, 101E/I/P/Q,
103N/Q/R/S/T, 106A/I/L,108I, 179D/E, 181C/I/V, 188C/H/L, 189I,
190A/E/S, 225H, 233V, 236L, 238T. En el momento de este estudio, la
base de datos comprendió muestras \sim 45,000 fenotipadas y
\sim 35000 genotipadas, de las cuales >15,000 tuvieron ambos
genotipo y fenotipo.
\vskip1.000000\baselineskip
Datos de la carga viral de las muestras clínicas
de 191 pacientes quienes participaron en el estudio de
fenotipificación prospectivo de HIV-1 VIRA 3001
fueron analizados de acuerdo al plan de análisis de datos del grupo
colaborativo de resistencia internacional. Los datos fenotípicos y
genotípicos completos estaban disponibles para esos pacientes,
quienes recibieron un total de 635 fármacos antiretrovirales. El
parámetro de análisis fue el fracaso virológico a la semana 16,
definido como ARN HIV-1 plasmático por encima de 400
copias/ml. La regresión logística fue usada para modelar este
parámetro. En los modelos univariables, la puntuación de la
sensibilidad genotípica total (análisis de genotipo) o la
puntuación de la sensibilidad fenotípica (análisis de fenotipo
virtual y fenotipo real) fueron los únicos factores en el modelo.
Mientras que en los modelos multivariables, la línea base de la
carga viral plasmática de HIV-1 y el número de
nuevos fármacos en el régimen de tratamiento fueron añadidos como
covariables extra. Para calcular la puntuación de sensibilidad
genotípica, mutaciones particulares, o grupos de mutaciones, fueron
usadas para diseñar la resistencia o susceptibilidad para cada
fármaco antiretroviral en el régimen (estas fueron predefinidas por
el grupo colaborativo de resistencia). La puntuación de sensibilidad
fenotípica para ambos fenotipos actuales y fenotipos virtuales
fueron basados en el cambio del número de veces en IC_{50} con
relación a un control de virus susceptible, tipo salvaje. La
puntuación fenotípica total fue definida como el número de fármacos
susceptibles en el
régimen.
régimen.
\vskip1.000000\baselineskip
Primeramente, las regiones de proteasa y
transcriptasa reversa (RT) del genoma de HIV-1
fueron secuenciadas por métodos estándares. Estas regiones
codifican para las enzimas blancos de los fármacos antiretrovirales
actuales y las mutaciones aquí pueden conferir resistencia a los
fármacos. Las mutaciones asociadas con la resistencia presente en
la secuencia fueron identificadas y entonces el software buscó una
base de datos que relaciona genotipo/fenotipo para las muestras
archivadas con un patrón de mutación similar para cada fármaco (una
mezcla de tipo salvaje y aminoácido mutante es tratado como mutante
completamente). Debido a la talla sustancial de la base de datos,
típicamente cientos o miles de apareamientos fueron encontrados. El
software entonces recuperó el dato fenotípico para cada uno de los
genotipos que aparean fármaco por fármaco, ejecutó una
transformación logarítmica y calculó el número de veces de cambio en
la resistencia promedio transformado.
Al igual que con el fenotipo actual en el cual
está basado, este fue expresado como un cambio del número de veces
en la concentración inhibitoria a 50% (IC_{50}) comparado con un
valor de 1.0 para virus tipo salvaje completamente sensibles. La
Figura 6 muestra en diagrama como una búsqueda de este tipo fue
ejecutada, usando mutaciones que influyen en la resistencia a la
zidovudina (AZT) como un ejemplo. Esta ilustración es para un virus
que tiene cualquier combinación de mutaciones 41 L, 184V o I y 215Y
o F. Unas series de búsquedas primero encuentran todas las muestras
que individualmente contienen cada una de las mutaciones y entonces
por un proceso de inclusión, son identificadas todas las muestras
que contienen las tres mutaciones ilustradas.
La información que corresponde a la base de
datos para esas mutaciones de resistencia específica a AZT es
mostrada en la Tabla 2. Esta ilustra ejemplos de las primeras 13255
muestras genotípicamente-apareadas encontradas en
la base de datos para mutaciones únicas y múltiples en los codones
RT HIV-1,41, 184 y 215. Un número de
características interesantes son indicadas en esta Tabla. En
particular, el efecto fenotípico de una mutación depende del
contexto genético en el cual este ocurre. En este ejemplo simple de
solamente esas tres mutaciones, los virus con 41L pueden tener un
incremento promedio en el rango de resistencia de
1.3-veces a > 27 veces. Así, la simple detección
de la presencia (o ausencia) de una mutación dada puede ser no
informativa o incluso engañosa. Además, el efecto de las mutaciones
no es simplemente aditivo - los efectos moduladores de las
mutaciones M184V o I (disminución de susceptibilidad a AZT) y/o la
mutación 41L (que incrementa la susceptibilidad a AZT) en los virus
con las mutaciones 215Y o F pueden ser discernidos de la Tabla X
(rango 6.2 a 27.7 veces). Este análisis es considerablemente menos
sofisticado que el sistema de fenotipo virtual ya que este
representa grupos de muestras donde solamente la inclusión de tres
mutaciones específicas han ocurrido, en vez de inclusión adicional
y exclusión de otras
mutaciones.
mutaciones.
\vskip1.000000\baselineskip
En la actual derivación de un Fenotipo Virtual
para AZT, un total de 18 mutaciones fue examinada en este modo.
\vskip1.000000\baselineskip
Si los procesos de búsqueda estaban funcionando
apropiadamente, grandes series de agrupaciones genéticas
fenotípicamente distintas deben ser identificadas. Cada uno de
estas debe tener fenotipos distinguibles con solamente variabilidad
modesta de la susceptibilidad. Esto fue evaluado examinando las
agrupaciones genéticas formadas por las combinaciones de mutaciones
AZT descritas en la Tabla 2. Además de esas mutaciones, agrupaciones
fueron identificadas que también contenían mutaciones de
resistencia AZT adicionales (Fig 7). Las búsquedas de la base de
datos fueron ejecutadas usando muestras con mutaciones de
resistencia AZT específica, con o sin mutaciones de resistencia
3TC, 184V o I. Los números de muestras en cada agrupación genética
fueron como sigue: WT (tipo salvaje, susceptible),3798;
184(184V/I), 777; 215 (215Y/F),175; 215 184(215Y/F y
184V/I), 70; 2M (41L y 215Y/F), 243; 2M 184(41L, 215Y/F y
184V/I); 186; 3M(41L, 210W y 215Y/F), 289; 3M 184(41L,
210W, 215Y/F y 184V/I); 4M (41L, 67N, 210W y 215Y/F), 358; 4M
184(41L, 67N, 210W, 215Y/F y 184V/I),84.
Esto ilustra un número de puntos importantes
considerando las búsquedas de la base de datos. Primeramente,
agrupaciones genéticas diferentes tienen distintos perfiles de
susceptibilidad (indicado por los valores del número de veces de la
resistencia media, junto con el error estándar y 95% de intervalos
de confidencia). Este rango de valores de un nivel de
susceptibilidad ligeramente reducido (virus encubridor de la
mutación 184V) a casi 100-veces incrementa, debido
a múltiples mutaciones que confieren resistencia AZT. En segundo
lugar, en cada caso, la inclusión de la mutación 184 V junto con las
mutaciones de resistencia a AZT, causó una reducción sustancial en
la magnitud predicha de resistencia a AZT. Los datos claramente
muestran que el sistema de reconocimiento del patrón puede predecir
una susceptibilidad alterada debido a las interacciones de las
mutaciones.
\vskip1.000000\baselineskip
El fenotipo virtual fue validado en un número de
maneras. Primeramente, entre 2700 y 8700 muestras tipo
genotípicamente salvaje fueron evaluadas para cada fármaco. Como se
anticipó, el cambio del número de veces predicho estaba cerca de
uno para todos los fármacos examinados, con un rango de
0.66-1.69 veces. Luego, la relación cuantitativa
entre los fenotipos predichos y fenotipos reales fue investigada.
5000 muestras clínicamente derivadas de USA fueron aleatoriamente
seleccionadas de la base de datos de resistencia de 1999 hacia
delante y las predicciones fenotípicas obtenidas de los perfiles
genotípicos para cada fármaco fueron comparados con fenotipos reales
en 10 subgrupos aleatorios de 500 muestras cada uno. Esto resultó
en aproximadamente 70,000 determinaciones en total. Análisis de
regresión lineal independientes fueron entonces ejecutados en cada
uno de estos grupos de datos (cuatro de esos análisis son mostrados
en la Fig. 8). Esto mostró una buena correlación entre el fenotipo
virtual (cambio del número de veces promedio en valor IC_{50}) y
fenotipo de susceptibilidad al fármaco real, con una pendiente
promedio de 0.83 (rango 0.81-0.85), intercepto de
0.05 (rango 0.02-0.07) y coeficiente de correlación
promedio de 0.87 (rango 0.86-0.89) a través de diez
grupos de 500 muestran clínicas.
\vskip1.000000\baselineskip
El valor predictivo del fenotipo virtual fue
también evaluado. Para dirigir esto, nosotros ejecutamos un análisis
retrospectivo de datos clínicos y virológicos del estudio clínico,
VIRA 3001. Cohen, C., y otros, XIII International AIDS
Conference. Durban. (2000). Esto es un ensayo clínico aleatorio
completado recientemente, que demostró el efecto positivo de la
información de resistencia al fármaco fenotípica en la respuesta
virológica en pacientes quienes habían fracasado un régimen
terapéutico conteniendo PI. Muestras de 191 pacientes en este
estudio fueron re-analizadas para evaluar la
relación entre el fenotipo virtual (de la secuencia genética) y
resultados virológicos a las 16 semanas. Los valores predictivos de
fenotipo, fenotipo virtual y genotipo con interpretación "basada
en reglas" fueron analizados de acuerdo a un plan de análisis de
datos (DAP) usado por el grupo colaborativo de resistencia
internacional para re-análisis de los ensayos
clínicos. DeGruttola V., y otros, Antiviral Therapy 5,
41-48 (2000). Este sistema de análisis comprende
aproximaciones estadísticas univariables y multivariables y
requiere el uso de una lista de mutaciones "basadas en reglas"
para la interpretación genotípica. Los resultados de este análisis
son mostrados en la Fig. 9. La regresión logística fue usada para
modelar el parámetro del fracaso virológico en la semana 16
(definido como ARN HIV-1 plasmástico por encima de
400 copias/ml). Modelos univariables (a) o multivariables (b)
fueron usados para el fenotipo de susceptibilidad al fármaco
(fenotipo), fenotipo virtual (virtual) o genotipo. La puntuación de
la sensibilidad fenotípica (PSS) o puntuación de la sensibilidad
genotípica (GSS) calculada fueron obtenidas separadamente para una
pendiente como la censada (DAC) o pendientes como análisis de
fracasos (DAF). Los resultados del análisis de regresión son
mostrados en la Figura 9 como una relación de posibilidades (OR) o
fracasos para lograr una reducción viral por debajo de 400
copias/ml, con el 95% de intervalo de confianza (CI).
En el modelo univariable, el análisis del
genotipo (pendiente como la censada, DAC) fue una variable
predictiva significativa de respuesta con una relación de
posibilidades (OR) de 0.69 (CI=0.51-0.93), p=0.015
(Fig. 9a). Sin embargo, el genotipo no fue una variable predictiva
significativa de respuesta en el modelo multivariable, OR=0.81
(CI=0.57-1.14), p=0.22 (Fig. 9b). En contraste, el
fenotipo virtual fue altamente significativo en ambos modelos,
también usando el análisis DAC con una susceptibilidad de corte de
4-veces para todos los fármacos en el modelo
univariable, el OR=0.38 (CI=0.25-0.6), p<0.0001 y
en el modelo multivariable el OR=0.52
(CI=0.31-0.87), p=0.013. Usando los cortes
biológicos, fármaco-específicos, recientemente
definidos el poder predictivo del fenotipo virtual fue aún más
significativo. Larder, B,A. & Harrigan, P. R., Fifth
International Congress on Drug Therapy in HIV infection,
Glasgow (2000). El OR en el modelo univariable fue 0.39
(CI=0.26-0.58), p<0.0001, y en el modelo
multivariable el OR=0.49 (CI=0.31-0.76). p=0.0014.
El análisis DAF (pendientes como fracasos) mostró superioridad
consistente para el fenotipo predicho sobre el genotipo aunque el
nivel de significación fue correspondientemente menor para todas
las categorías.
Claims (21)
1. Un método de determinación de un fenotipo
virtual de un virus de inmunodeficiencia humana que comprende:
- a)
- obtener una secuencia genética de dicho virus.
- b)
- identificar al menos un patrón de mutación en dicha secuencia genética donde dicha secuencia genética comprende al menos una mutación, y donde dicha al menos una mutación o patrón de mutación está asociado con la resistencia a al menos una terapia,
- c)
- buscar una base de datos de genotipo para entradas de genotipos con un patrón de mutación similar a al menos uno de los patrones de mutación identificados en la secuencia genética en b)
- d)
- correlacionar cada entrada de genotipo con un patrón de mutación similar con un fenotipo en una base de datos de fenotipo, y,
- e)
- calcular el número de veces de la resistencia virtual de dicho virus a partir de todos los fenotipos de la base de datos identificados.
2. Un método diagnóstico para evaluar la
efectividad de una terapia de un paciente que comprende:
- a)
- proporcionar una muestra biológica de un paciente,
- b)
- obtener una secuencia genética de un virus de la inmunodeficiencia humana en dicha muestra biológica,
- c)
- identificar al menos un patrón de mutación en dicha secuencia genética donde dicha secuencia genética comprende al menos una mutación, donde al menos dicha mutación está asociada con la resistencia a al menos una terapia que está actualmente siendo administrada al paciente,
- d)
- buscar una base de datos de genotipo para entradas de genotipos con un patrón de mutación similar a al menos un patrón de mutación identificado en la secuencia genética en c)
- e)
- correlacionar dichas entradas de genotipo con un patrón de mutación similar con un fenotipo en una base de datos de fenotipos,
- f)
- calcular el número de veces de la resistencia virtual de dicho virus a partir de todos los fenotipos de la base de datos identificados.
- g)
- obtener una serie de fenotipos repitiendo los pasos b) hasta e) para cada terapia que está siendo actualmente administrada al paciente,
- h)
- evaluar la efectividad de la terapia del paciente a partir de series de fenotipos.
3. Un método diagnóstico para optimizar la
terapia para un paciente, que comprende:
- a)
- proporcionar una muestra biológica de un paciente
- b)
- obtener una secuencia genética de un virus de inmunodeficiencia humana en dicha muestra biológica,
- c)
- identificar al menos un patrón de mutación en dicha secuencia genética donde dicha secuencia genética comprende al menos una mutación, y donde dicha al menos una mutación o patrón de mutación está asociado con la resistencia a al menos una terapia,
- d)
- buscar una base de datos de genotipo para entradas de genotipos con un patrón de mutación similar a al menos un patrón de mutación identificado en la secuencia genética en c)
- e)
- correlacionar dicha entrada de genotipo con un patrón de mutación similar con un fenotipo en una base de datos de fenotipo,
- f)
- calcular el número de veces de la resistencia virtual de dicho virus a partir de todos los fenotipos de la base de datos identificados.
- g)
- obtener una serie de fenotipos repitiendo los pasos b) hasta e) para un grupo de terapias, y,
- i)
- optimizar la terapia para el paciente a partir de las series de fenotipos.
\newpage
\global\parskip0.950000\baselineskip
4. Un método diagnóstico para predecir la
resistencia de un virus de inmunodeficiencia humana a la terapia
que comprende:
- a)
- proporcionar una muestra biológica a partir de un paciente, que contiene un virus de inmunodeficiencia humana,
- b)
- obtener una secuencia genética a partir de dicho virus,
- c)
- identificar al menos un patrón de mutación en dicha secuencia genética donde dicha secuencia genética comprende al menos una mutación, y donde al menos dicha mutación o patrón de mutación está asociada con la resistencia a al menos una terapia
- d)
- buscar una base de datos de genotipos para entradas de genotipos con un patrón de mutación similar a al menos un patrón de mutación identificado en la secuencia genética en c)
- e)
- correlacionar dichas entradas de genotipos con un patrón de mutación similar con fenotipo en una base de datos de fenotipos,
- f)
- obtener una serie de fenotipos repitiendo los pasos b) hasta e) para un grupo de terapias, y,
- g)
- predecir la resistencia del paciente a la terapia a partir de series de fenotipos.
5. El método de cualquiera de las
reivindicaciones 1 a 4 donde dicho virus es obtenido a partir de una
muestra biológica seleccionada de una muestra de sangre, una
muestra de biopsia, una muestra plasmática, una muestra de saliva,
una muestra de tejido, y una muestra de mucosa o de fluido
corporal.
6. El método de la reivindicación 5, donde la
secuencia genética de HIV comprende la secuencia genética de la
región de la proteasa del genoma de HIV y/o secuencia genética de la
región de la transcriptasa reversa del genoma de HIV.
7. El método de cualquiera de las
reivindicaciones 1 a 6, donde el patrón de mutación comprende al
menos dos mutaciones conocidas o sospechosas para estar asociadas
con la resistencia a al menos una terapia.
8. El método de cualquiera de las
reivindicaciones 1 a 7, donde el patrón de mutación similar es
identificado por alineamiento de la secuencia genética de una
célula o un patógeno en la muestra biológica con la secuencia
genética WT de dicha célula o patógeno.
9. El método de cualquiera de las
reivindicaciones 1 a 8, donde la búsqueda de agrupamientos es usada
para determinar patrones de mutación similares.
10. El método de cualquiera de las
reivindicaciones 1 a 9, donde una base de datos que relaciona
genotipo/fenotipo es usada para correlacionar las al menos dos
entradas de genotipo con un patrón de mutación similar con un
fenotipo en dicha base de datos.
11. El método de cualquiera de las
reivindicaciones 1 a 10, donde el fenotipo de dicha muestra
biológica es (expresado como) un cambio del número de veces
promedio en la resistencia hacia al menos una terapia, donde dicho
número de veces de la resistencia media es calculada a partir del
fenotipo de la base de datos de al menos una entrada de genotipo
con un patrón de mutación similar.
12. El método de cualquiera de las
reivindicaciones 1 a 11, donde el fenotipo de la célula o patógeno
en la muestra biológica es expresado como una IC_{50}.
13. Un método de generar un reporte, donde
dicho reporte comprende el fenotipo determinado(predicho)
usando cualquiera de los métodos de las reivindicaciones 1 a
12.
14. Un método de determinar un fenotipo
virtual de un virus de inmunodeficiencia humana que comprende:
- a)
- obtener una secuencia genética de dicho virus
- b)
- identificar al menos una mutación en dicha secuencia genética donde dicha mutación está comprendida dentro de al menos un patrón de mutación,
- c)
- buscar una base de datos de genotipos para entradas de genotipos similares que comprende dicha mutación en dicho al menos un patrón de mutación
- d)
- correlacionar dichas entradas de genotipos con un fenotipo en una base de datos de fenotipos, y,
- e)
- calcular el número de veces de la resistencia virtual de dicho virus a partir de todos los fenotipos de las bases de datos identificados.
\global\parskip1.000000\baselineskip
15. Un método de acuerdo a la reivindicación
14 donde dicho patrón de mutación está asociado con la resistencia
a una terapia.
16. Un método de acuerdo a la reivindicación
14 ó 15 donde dicho patrón de mutación comprende al menos dos
mutaciones unidas con un operador lógico.
17. Un método de acuerdo a las
reivindicaciones 14-16, donde al menos dos patrones
de mutación están asociados con la resistencia a una terapia.
18. Un método de acuerdo a la reivindicación
17 donde dichos patrones de mutación están unido con un operador
lógico definiendo un perfil de terapia.
19. Un método de acuerdo a la reivindicación
18, donde dicho perfil de terapia es representado por una
secuencia.
20. Un método de acuerdo a la reivindicación
19, donde dicha secuencia es representada por una serie de 1 y/o
0.
21. Un método de acuerdo a la reivindicación
20 donde 1 representa la presencia de un patrón de mutación en el
perfil de terapia y 0 la ausencia de un patrón de mutación en el
perfil de terapia.
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US19760600P | 2000-04-18 | 2000-04-18 | |
US197606P | 2000-04-18 | ||
US21321900P | 2000-06-22 | 2000-06-22 | |
US213219P | 2000-06-22 |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2312436T3 true ES2312436T3 (es) | 2009-03-01 |
Family
ID=26892992
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES08160749T Expired - Lifetime ES2373488T3 (es) | 2000-04-18 | 2001-04-18 | Métodos para medir la resistencia a los fármacos frente a hcv. |
ES01933853T Expired - Lifetime ES2312436T3 (es) | 2000-04-18 | 2001-04-18 | Metodos para medir la resitencia a los farmacos. |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES08160749T Expired - Lifetime ES2373488T3 (es) | 2000-04-18 | 2001-04-18 | Métodos para medir la resistencia a los fármacos frente a hcv. |
Country Status (9)
Country | Link |
---|---|
US (3) | US20040137436A1 (es) |
EP (2) | EP1332231B1 (es) |
JP (1) | JP5156163B2 (es) |
AT (2) | ATE526423T1 (es) |
AU (1) | AU2001260224A1 (es) |
CA (1) | CA2406140A1 (es) |
DE (1) | DE60135366D1 (es) |
ES (2) | ES2373488T3 (es) |
WO (1) | WO2001079540A2 (es) |
Families Citing this family (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU4248593A (en) * | 1992-05-14 | 1993-12-13 | Mark Holodniy | Polymerase chain reaction assays for monitoring antiviral therapy |
US6968375B1 (en) * | 1997-03-28 | 2005-11-22 | Health Hero Network, Inc. | Networked system for interactive communication and remote monitoring of individuals |
US20040072722A1 (en) | 2002-10-10 | 2004-04-15 | Kornblith Paul L. | Methods for assessing efficacy of chemotherapeutic agents |
US20040023375A1 (en) | 2002-07-30 | 2004-02-05 | Precision Therapeutics, Inc. | Method for preparing cell cultures from biological specimens for chemotherapeutic and other assays |
EP1185712B8 (en) | 1999-05-28 | 2005-10-19 | Virco Bvba | New mutational profiles in hiv-1 reverse transcriptase correlated with phenotypic drug resistance |
CA2425807A1 (en) | 2000-10-20 | 2002-04-25 | Virco Bvba | New mutational profiles in hiv-1 reverse transcriptase correlated with phenotypic drug resistance |
US6958211B2 (en) | 2001-08-08 | 2005-10-25 | Tibotech Bvba | Methods of assessing HIV integrase inhibitor therapy |
US7320878B2 (en) | 2001-11-08 | 2008-01-22 | Tibotec Pharmaceuticals, Ltd. | Protease assay for therapeutic drug monitoring |
US20030154105A1 (en) * | 2001-12-10 | 2003-08-14 | Ferguson Martin L. | Systems and methods for obtaining data correlated patient samples |
JP4041842B2 (ja) * | 2002-01-15 | 2008-02-06 | デジタル・インフォメーション・テクノロジー株式会社 | Snp特定方法 |
PT1490383E (pt) * | 2002-03-11 | 2009-05-25 | Lab 21 Ltd | Métodos e composições para identificar e caracterizar a hepatite c |
EP1522039B1 (en) | 2002-07-01 | 2008-06-04 | Tibotec Pharmaceuticals Ltd. | New mutational profiles in hiv-1 reverse transcriptase correlated with phenotypic drug resistance |
DE60327768D1 (de) | 2002-07-01 | 2009-07-09 | Tibotec Pharm Ltd | Mutationsprofile bei mit phänotypischer medikamentenresistenz korrelierter hiv-1-protease |
US8463441B2 (en) | 2002-12-09 | 2013-06-11 | Hudson Technologies, Inc. | Method and apparatus for optimizing refrigeration systems |
US8688385B2 (en) * | 2003-02-20 | 2014-04-01 | Mayo Foundation For Medical Education And Research | Methods for selecting initial doses of psychotropic medications based on a CYP2D6 genotype |
US8401801B2 (en) | 2003-02-20 | 2013-03-19 | Mayo Foundation For Medical Education And Research | Methods for selecting medications |
DE10324045B3 (de) * | 2003-05-27 | 2004-10-14 | Siemens Ag | Verfahren sowie Computerprogramm mit Programmcode-Mitteln und Computerprogramm-Produkt zur Ermittlung eines zukünftigen Systemverhaltens eines dynamischen Systems |
WO2004111907A2 (en) * | 2003-06-10 | 2004-12-23 | Virco Bvba | Computational method for predicting the contribution of mutations to the drug resistance phenotype exhibited by hiv based on a linear regression analysis of the log fold resistance |
US7939310B2 (en) * | 2003-08-06 | 2011-05-10 | University Of Massachusetts | Systems and methods for analyzing nucleic acid sequences |
EP1728186A2 (en) * | 2004-03-02 | 2006-12-06 | Virco Bvba | Estimation of clinical cut-offs |
EP2508621B1 (en) * | 2005-11-29 | 2014-11-05 | Children's Hospital Medical Center | Optimization and individualization of medication selection and dosing |
CA2637307A1 (en) * | 2006-02-03 | 2007-08-09 | Virco Bvba | Quantitative hiv phenotype or tropism assay |
US20070265658A1 (en) * | 2006-05-12 | 2007-11-15 | Aga Medical Corporation | Anchoring and tethering system |
WO2008090185A1 (en) | 2007-01-23 | 2008-07-31 | Virco Bvba | Method for designing a drug regime for hiv-infected patients |
CN101680027A (zh) * | 2007-03-16 | 2010-03-24 | 454生命科学公司 | 检测hiv耐药变异体的系统和方法 |
US20080293050A1 (en) * | 2007-05-25 | 2008-11-27 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Gene analysis for determination of a treatment characteristic |
US20100173282A1 (en) | 2007-05-25 | 2010-07-08 | Tibotec Pharmaceuticals Ltd. | Mutational profile in hiv-1 gag cleavage site correlated with phenotypic drug resistance |
US8793074B2 (en) * | 2007-06-21 | 2014-07-29 | Saint Louis University | Sequence covariance networks, methods and uses therefor |
US7888034B2 (en) * | 2008-07-01 | 2011-02-15 | 454 Life Sciences Corporation | System and method for detection of HIV tropism variants |
US8296686B1 (en) | 2008-10-14 | 2012-10-23 | Handhold Adaptive, LLC | Portable prompting aid for the developmentally disabled |
EP2534594B1 (en) | 2010-02-12 | 2018-04-11 | Janssen Sciences Ireland UC | Computation of the combined potency of drug regimens from fitted or in vitro determined dose-response curves |
US10435746B2 (en) | 2010-10-21 | 2019-10-08 | Mayo Foundation For Medical Education And Research | Methods for selecting medications for treating patients having attention-deficit hyperactivity disorder |
US20120310539A1 (en) * | 2011-05-12 | 2012-12-06 | University Of Utah | Predicting gene variant pathogenicity |
DE202012012956U1 (de) | 2011-10-21 | 2014-10-16 | Abbvie Inc. | Kombination aus mindestens zwei direkt wirkenden antiviralen Wirkstoffen für die Verwendung zur Behandlung von HCV, umfassend Ribavirin aber nicht Interferon |
US8492386B2 (en) | 2011-10-21 | 2013-07-23 | Abbvie Inc. | Methods for treating HCV |
US8466159B2 (en) | 2011-10-21 | 2013-06-18 | Abbvie Inc. | Methods for treating HCV |
UY34401A (es) | 2011-10-21 | 2013-05-31 | Abbvie Inc | Métodos para el tratamiento de hcv |
WO2013085889A1 (en) * | 2011-12-05 | 2013-06-13 | Duke University | Identification and cloning of transmitted hepatitic c virus (hcv) genomes by single genome amplification |
JP6268184B2 (ja) * | 2012-11-26 | 2018-01-24 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 患患者固有の関連性評価を用いた変異と疾患の関連付けを使用する診断的遺伝子分析 |
EP2943905A1 (en) | 2013-01-08 | 2015-11-18 | Life Technologies Corporation | Methods and systems for determining meta-genotypes |
EP2968395A4 (en) * | 2013-03-15 | 2016-11-23 | Lab Corp America Holdings | METHODS OF DETERMINING VIRAL SENSITIVITY TO VIRAL INHIBITORS |
CN105283899A (zh) * | 2013-05-23 | 2016-01-27 | 艾弗诺泰普有限责任公司 | 用于保持或改善健康的方法和系统 |
US10144976B2 (en) | 2014-05-22 | 2018-12-04 | Case Western Reserve University | HIV-1 genotyping and coreceptor tropism assay |
WO2017012659A1 (en) * | 2015-07-22 | 2017-01-26 | Curetis Gmbh | Genetic testing for predicting resistance of salmonella species against antimicrobial agents |
WO2017016602A1 (en) * | 2015-07-29 | 2017-02-02 | Curetis Gmbh | Genetic testing for predicting resistance of stenotrophomonas species against antimicrobial agents |
WO2017189978A1 (en) | 2016-04-28 | 2017-11-02 | Emory University | Alkyne containing nucleotide and nucleoside therapeutic compositions and uses related thereto |
WO2019055874A1 (en) * | 2017-09-14 | 2019-03-21 | uBiome, Inc. | SIGNIFICANT INDEX MEASUREMENTS RELATING TO A MICROORGANISM |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6350311Y2 (es) | 1984-11-16 | 1988-12-23 | ||
US5202259A (en) * | 1986-05-20 | 1993-04-13 | The Trustees Of Columbia University In The City Of New York | Expression of human immunodeficiency virus (HIV) reverse transcriptase |
PT681483E (pt) | 1993-01-26 | 2005-11-30 | Wyeth Corp | Composicoes e metodos para distribuicao de material genetico |
PL186473B1 (pl) * | 1996-01-26 | 2004-01-30 | Virco Nv | Sposób oceny in vitro chemioterapii HIV u pacjentów HIV dodatnich oraz sposób oznaczania fenotypowej wrażliwości lekowej poszczególnych szczepów HIV u pacjenta na inhibitory co najmniej dwóch enzymówkodowanych przez gen pol HIV |
AU719691B2 (en) * | 1996-01-26 | 2000-05-18 | Innogenetics N.V. | Method for detection of drug-induced mutations in the reverse transcriptase gene |
EP1053358A4 (en) | 1998-02-10 | 2002-08-14 | Uab Research Foundation | USE OF HIV-1 INTEGRASE IN SCREENING POTENTIAL HIV-1 MEDICINAL PRODUCTS |
BR9911600A (pt) | 1998-05-26 | 2001-02-13 | Virologic Inc | Recursos e métodos para monitoração de terapia antiretroviral inibidora de transcriptase reversa de não nucleosìdeo |
MXPA00012843A (es) * | 1998-06-24 | 2002-04-24 | Virologic Inc | Medios y metodo para verificar la terapia antirretroviral con un inhibidor nucleosico de la transcriptasa inversa y guia de decisiones terapeuticas en el tratamiento del vih/sida. |
EP1185712B8 (en) | 1999-05-28 | 2005-10-19 | Virco Bvba | New mutational profiles in hiv-1 reverse transcriptase correlated with phenotypic drug resistance |
US6869759B1 (en) * | 1999-06-22 | 2005-03-22 | Virologic, Inc. | Means and methods for monitoring protease inhibitor antiretroviral therapy and guiding therapeutic decisions in the treatment of HIV/AIDS |
WO2000078996A1 (en) | 1999-06-22 | 2000-12-28 | Virologic, Inc. | Means and methods for monitoring protease inhibitor antiretroviral therapy and guiding therapeutic decisions in the treatment of hiv/aids |
NZ518022A (en) * | 1999-08-27 | 2004-01-30 | Iris Biotechnologies Inc | Analysis and diagnosis by intelligent processing of remotely generated genetic hybridization profiles |
WO2001057245A2 (en) | 2000-02-04 | 2001-08-09 | K.U.Leuven Research & Development | Hiv-1 resistance assay |
US7058616B1 (en) | 2000-06-08 | 2006-06-06 | Virco Bvba | Method and system for predicting resistance of a disease to a therapeutic agent using a neural network |
-
2001
- 2001-04-18 EP EP01933853A patent/EP1332231B1/en not_active Expired - Lifetime
- 2001-04-18 WO PCT/EP2001/004445 patent/WO2001079540A2/en active IP Right Grant
- 2001-04-18 AT AT08160749T patent/ATE526423T1/de active
- 2001-04-18 AT AT01933853T patent/ATE404698T1/de active
- 2001-04-18 ES ES08160749T patent/ES2373488T3/es not_active Expired - Lifetime
- 2001-04-18 US US10/258,150 patent/US20040137436A1/en not_active Abandoned
- 2001-04-18 ES ES01933853T patent/ES2312436T3/es not_active Expired - Lifetime
- 2001-04-18 JP JP2001577522A patent/JP5156163B2/ja not_active Expired - Fee Related
- 2001-04-18 CA CA002406140A patent/CA2406140A1/en not_active Abandoned
- 2001-04-18 DE DE60135366T patent/DE60135366D1/de not_active Expired - Lifetime
- 2001-04-18 EP EP08160749A patent/EP2011889B1/en not_active Expired - Lifetime
- 2001-04-18 US US09/836,477 patent/US7206699B2/en not_active Expired - Fee Related
- 2001-04-18 AU AU2001260224A patent/AU2001260224A1/en not_active Abandoned
-
2007
- 2007-03-06 US US11/682,749 patent/US20070166747A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
EP2011889B1 (en) | 2011-09-28 |
EP2011889A1 (en) | 2009-01-07 |
JP2004500836A (ja) | 2004-01-15 |
ATE526423T1 (de) | 2011-10-15 |
EP1332231A2 (en) | 2003-08-06 |
WO2001079540A2 (en) | 2001-10-25 |
ATE404698T1 (de) | 2008-08-15 |
CA2406140A1 (en) | 2001-10-25 |
US20070166747A1 (en) | 2007-07-19 |
US20020091664A1 (en) | 2002-07-11 |
DE60135366D1 (de) | 2008-09-25 |
AU2001260224A1 (en) | 2001-10-30 |
US20040137436A1 (en) | 2004-07-15 |
US7206699B2 (en) | 2007-04-17 |
EP1332231B1 (en) | 2008-08-13 |
ES2373488T3 (es) | 2012-02-06 |
WO2001079540A3 (en) | 2003-06-05 |
JP5156163B2 (ja) | 2013-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2312436T3 (es) | Metodos para medir la resitencia a los farmacos. | |
Tully et al. | Differences in the selection bottleneck between modes of sexual transmission influence the genetic composition of the HIV-1 founder virus | |
Carlson et al. | Selection bias at the heterosexual HIV-1 transmission bottleneck | |
Childs et al. | Suboptimal SVR rates in African patients with atypical genotype 1 subtypes: implications for global elimination of hepatitis C | |
Colgrove et al. | Selective vertical transmission of HIV-1 antiretroviral resistance mutations | |
ES2334011T3 (es) | Metodo para predecir la resistencia a los agentes terapeuticos utilizando redes neurales. | |
Rolland et al. | Molecular dating and viral load growth rates suggested that the eclipse phase lasted about a week in HIV-1 infected adults in East Africa and Thailand | |
Lau et al. | Profiling SARS-CoV-2 mutation fingerprints that range from the viral pangenome to individual infection quasispecies | |
Dapp et al. | Patterns and rates of viral evolution in HIV-1 subtype B infected females and males | |
Kiwelu et al. | Frequent intra-subtype recombination among HIV-1 circulating in Tanzania | |
Rubio-Garrido et al. | Current and historic HIV-1 molecular epidemiology in paediatric and adult population from Kinshasa in the Democratic Republic of Congo | |
Lebedev et al. | Prevalence and spatiotemporal dynamics of HIV-1 Circulating Recombinant Form 03_AB (CRF03_AB) in the Former Soviet Union countries | |
Yahi et al. | Use of drug resistance sequence data for the systematic detection of non-B human immunodeficiency virus type 1 (HIV-1) subtypes: how to create a sentinel site for monitoring the genetic diversity of HIV-1 at a country scale | |
Vauhkonen et al. | Intrahost monkeypox virus genome variation in patient with early infection, Finland, 2022 | |
Salazar-Gonzalez et al. | Use of dried blood spots to elucidate full-length transmitted/founder HIV-1 genomes | |
Hulaniuk et al. | Genetic diversity and phylogeographic analysis of human herpesvirus type 8 (HHV-8) in two distant regions of Argentina: Association with the genetic ancestry of the population | |
Sanborn et al. | Recombination elevates the effective evolutionary rate and facilitates the establishment of HIV-1 infection in infants after mother-to-child transmission | |
Wertheim et al. | Capturing intrahost recombination of SARS-CoV-2 during superinfection with Alpha and Epsilon variants in New York City | |
Guang et al. | Incorporating within-host diversity in phylogenetic analyses for detecting clusters of new hiv diagnoses | |
Teppa et al. | Coevolution analysis of amino-acids reveals diversified drug-resistance solutions in viral sequences: a case study of hepatitis B virus | |
Wang et al. | Distinguishing functional amino acid covariation from background linkage disequilibrium in HIV protease and reverse transcriptase | |
AU2007203337B2 (en) | Methods for measuring drug resistance | |
Hendricks et al. | Discordance between HIV-1 population in plasma at rebound after structured treatment interruption and archived provirus population in peripheral blood mononuclear cells | |
Wymant et al. | PHYLOSCANNER: Analysing Within-and Between-Host Pathogen Genetic Diversity to Identify Transmission, Multiple Infection, Recombination and Contamination | |
Learn et al. | The microbial forensic use of HIV sequences |