FR3090884A1 - Procede d’estimation de l’efficacite de traitement par un agent anti-tnf alpha chez un patient atteint de polyarthrite rhumatoide et en reponse inadequate a au moins une biotherapie - Google Patents
Procede d’estimation de l’efficacite de traitement par un agent anti-tnf alpha chez un patient atteint de polyarthrite rhumatoide et en reponse inadequate a au moins une biotherapie Download PDFInfo
- Publication number
- FR3090884A1 FR3090884A1 FR1873333A FR1873333A FR3090884A1 FR 3090884 A1 FR3090884 A1 FR 3090884A1 FR 1873333 A FR1873333 A FR 1873333A FR 1873333 A FR1873333 A FR 1873333A FR 3090884 A1 FR3090884 A1 FR 3090884A1
- Authority
- FR
- France
- Prior art keywords
- treatment
- patient
- estimating
- agent
- expression
- 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.)
- Granted
Links
- 238000011282 treatment Methods 0.000 title claims abstract description 179
- 230000004044 response Effects 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000001815 biotherapy Methods 0.000 title claims abstract description 43
- 229940046728 tumor necrosis factor alpha inhibitor Drugs 0.000 title claims abstract description 30
- 239000002452 tumor necrosis factor alpha inhibitor Substances 0.000 title claims abstract description 30
- 206010003246 arthritis Diseases 0.000 title description 12
- 206010036030 Polyarthritis Diseases 0.000 title description 3
- 208000030428 polyarticular arthritis Diseases 0.000 title description 3
- 206010039073 rheumatoid arthritis Diseases 0.000 claims abstract description 108
- 239000000090 biomarker Substances 0.000 claims abstract description 92
- 239000003795 chemical substances by application Substances 0.000 claims abstract description 37
- 239000012472 biological sample Substances 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 10
- 210000002966 serum Anatomy 0.000 claims description 48
- 102100027473 Cartilage oligomeric matrix protein Human genes 0.000 claims description 41
- 101710176668 Cartilage oligomeric matrix protein Proteins 0.000 claims description 40
- 102000015736 beta 2-Microglobulin Human genes 0.000 claims description 40
- 108010081355 beta 2-Microglobulin Proteins 0.000 claims description 40
- 102000052508 Lipopolysaccharide-binding protein Human genes 0.000 claims description 38
- 108010053632 Lipopolysaccharide-binding protein Proteins 0.000 claims description 38
- 102000004531 Selenoprotein P Human genes 0.000 claims description 36
- 108010042443 Selenoprotein P Proteins 0.000 claims description 36
- 108090000778 Platelet factor 4 Proteins 0.000 claims description 33
- 108010056301 Apolipoprotein C-III Proteins 0.000 claims description 32
- 102000030169 Apolipoprotein C-III Human genes 0.000 claims description 32
- 108010008165 Etanercept Proteins 0.000 claims description 17
- 229960000403 etanercept Drugs 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 15
- 108090000623 proteins and genes Proteins 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 14
- 229960000598 infliximab Drugs 0.000 claims description 13
- 101710081722 Antitrypsin Proteins 0.000 claims description 12
- 108010028780 Complement C3 Proteins 0.000 claims description 12
- 102000016918 Complement C3 Human genes 0.000 claims description 12
- 229960003697 abatacept Drugs 0.000 claims description 12
- 230000001475 anti-trypsic effect Effects 0.000 claims description 12
- 102000004169 proteins and genes Human genes 0.000 claims description 12
- 239000002753 trypsin inhibitor Substances 0.000 claims description 12
- 238000000338 in vitro Methods 0.000 claims description 11
- 229960003989 tocilizumab Drugs 0.000 claims description 11
- 229960001743 golimumab Drugs 0.000 claims description 10
- 229960004641 rituximab Drugs 0.000 claims description 10
- 229960003115 certolizumab pegol Drugs 0.000 claims description 8
- 102100032277 Serum amyloid A-1 protein Human genes 0.000 claims description 7
- 108060008682 Tumor Necrosis Factor Proteins 0.000 claims description 7
- 102000000852 Tumor Necrosis Factor-alpha Human genes 0.000 claims description 7
- 230000002401 inhibitory effect Effects 0.000 claims description 7
- 230000000903 blocking effect Effects 0.000 claims description 5
- 108020003175 receptors Proteins 0.000 claims description 5
- 108700012920 TNF Proteins 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 238000007477 logistic regression Methods 0.000 claims description 4
- 230000003405 preventing effect Effects 0.000 claims description 4
- 238000003066 decision tree Methods 0.000 claims description 3
- 239000013060 biological fluid Substances 0.000 claims description 2
- 238000004393 prognosis Methods 0.000 claims description 2
- 239000000523 sample Substances 0.000 claims description 2
- 102000004211 Platelet factor 4 Human genes 0.000 claims 4
- 101000869480 Homo sapiens Serum amyloid A-1 protein Proteins 0.000 claims 2
- 102100032007 Serum amyloid A-2 protein Human genes 0.000 claims 2
- 101710083332 Serum amyloid A-2 protein Proteins 0.000 claims 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 102100030304 Platelet factor 4 Human genes 0.000 description 31
- 102000015395 alpha 1-Antitrypsin Human genes 0.000 description 29
- 108010050122 alpha 1-Antitrypsin Proteins 0.000 description 29
- 229940024142 alpha 1-antitrypsin Drugs 0.000 description 29
- 229960002964 adalimumab Drugs 0.000 description 21
- 238000012360 testing method Methods 0.000 description 17
- 230000007423 decrease Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 11
- 230000001225 therapeutic effect Effects 0.000 description 11
- 230000009266 disease activity Effects 0.000 description 10
- 239000003814 drug Substances 0.000 description 10
- 201000010099 disease Diseases 0.000 description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 9
- 229940079593 drug Drugs 0.000 description 8
- 230000035945 sensitivity Effects 0.000 description 8
- 241000219061 Rheum Species 0.000 description 7
- 238000011161 development Methods 0.000 description 7
- 102000004127 Cytokines Human genes 0.000 description 6
- 108090000695 Cytokines Proteins 0.000 description 6
- 208000037976 chronic inflammation Diseases 0.000 description 6
- 208000037893 chronic inflammatory disorder Diseases 0.000 description 6
- 230000004054 inflammatory process Effects 0.000 description 6
- 239000003550 marker Substances 0.000 description 6
- 230000002411 adverse Effects 0.000 description 5
- 230000000295 complement effect Effects 0.000 description 5
- 230000006378 damage Effects 0.000 description 5
- 210000001179 synovial fluid Anatomy 0.000 description 5
- 101000611183 Homo sapiens Tumor necrosis factor Proteins 0.000 description 4
- 206010061218 Inflammation Diseases 0.000 description 4
- 102100040247 Tumor necrosis factor Human genes 0.000 description 4
- 206010054094 Tumour necrosis Diseases 0.000 description 4
- 230000001154 acute effect Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 239000002158 endotoxin Substances 0.000 description 4
- 230000002757 inflammatory effect Effects 0.000 description 4
- 239000003112 inhibitor Substances 0.000 description 4
- 210000001503 joint Anatomy 0.000 description 4
- 229920006008 lipopolysaccharide Polymers 0.000 description 4
- 102000005962 receptors Human genes 0.000 description 4
- 238000004062 sedimentation Methods 0.000 description 4
- 238000002560 therapeutic procedure Methods 0.000 description 4
- 230000004797 therapeutic response Effects 0.000 description 4
- HMLGSIZOMSVISS-ONJSNURVSA-N (7r)-7-[[(2z)-2-(2-amino-1,3-thiazol-4-yl)-2-(2,2-dimethylpropanoyloxymethoxyimino)acetyl]amino]-3-ethenyl-8-oxo-5-thia-1-azabicyclo[4.2.0]oct-2-ene-2-carboxylic acid Chemical compound N([C@@H]1C(N2C(=C(C=C)CSC21)C(O)=O)=O)C(=O)\C(=N/OCOC(=O)C(C)(C)C)C1=CSC(N)=N1 HMLGSIZOMSVISS-ONJSNURVSA-N 0.000 description 3
- 102000011767 Acute-Phase Proteins Human genes 0.000 description 3
- 108010062271 Acute-Phase Proteins Proteins 0.000 description 3
- 102000004506 Blood Proteins Human genes 0.000 description 3
- 108010017384 Blood Proteins Proteins 0.000 description 3
- 102000003886 Glycoproteins Human genes 0.000 description 3
- 108090000288 Glycoproteins Proteins 0.000 description 3
- 101000637835 Homo sapiens Serum amyloid A-4 protein Proteins 0.000 description 3
- 102000051628 Interleukin-1 receptor antagonist Human genes 0.000 description 3
- 108700021006 Interleukin-1 receptor antagonist Proteins 0.000 description 3
- FBOZXECLQNJBKD-ZDUSSCGKSA-N L-methotrexate Chemical compound C=1N=C2N=C(N)N=C(N)C2=NC=1CN(C)C1=CC=C(C(=O)N[C@@H](CCC(O)=O)C(O)=O)C=C1 FBOZXECLQNJBKD-ZDUSSCGKSA-N 0.000 description 3
- 108700028909 Serum Amyloid A Proteins 0.000 description 3
- 102000054727 Serum Amyloid A Human genes 0.000 description 3
- 102100032016 Serum amyloid A-4 protein Human genes 0.000 description 3
- 229960004238 anakinra Drugs 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 239000003124 biologic agent Substances 0.000 description 3
- 210000000845 cartilage Anatomy 0.000 description 3
- 230000001684 chronic effect Effects 0.000 description 3
- 239000002988 disease modifying antirheumatic drug Substances 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 208000027866 inflammatory disease Diseases 0.000 description 3
- 210000004185 liver Anatomy 0.000 description 3
- 229960000485 methotrexate Drugs 0.000 description 3
- 230000000770 proinflammatory effect Effects 0.000 description 3
- 238000000575 proteomic method Methods 0.000 description 3
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 2
- OGSPWJRAVKPPFI-UHFFFAOYSA-N Alendronic Acid Chemical compound NCCCC(O)(P(O)(O)=O)P(O)(O)=O OGSPWJRAVKPPFI-UHFFFAOYSA-N 0.000 description 2
- 208000023275 Autoimmune disease Diseases 0.000 description 2
- 108700005376 Cartilage Oligomeric Matrix Proteins 0.000 description 2
- 102100022133 Complement C3 Human genes 0.000 description 2
- 229940123907 Disease modifying antirheumatic drug Drugs 0.000 description 2
- 101000582950 Homo sapiens Platelet factor 4 Proteins 0.000 description 2
- 208000012659 Joint disease Diseases 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 2
- 241000677647 Proba Species 0.000 description 2
- 108010026552 Proteome Proteins 0.000 description 2
- -1 SAA2 Proteins 0.000 description 2
- 210000001744 T-lymphocyte Anatomy 0.000 description 2
- 229940062527 alendronate Drugs 0.000 description 2
- 230000000259 anti-tumor effect Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000024203 complement activation Effects 0.000 description 2
- 230000004154 complement system Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 150000002632 lipids Chemical class 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 210000002381 plasma Anatomy 0.000 description 2
- 201000003068 rheumatic fever Diseases 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 239000003001 serine protease inhibitor Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 210000002700 urine Anatomy 0.000 description 2
- VKUYLANQOAKALN-UHFFFAOYSA-N 2-[benzyl-(4-methoxyphenyl)sulfonylamino]-n-hydroxy-4-methylpentanamide Chemical compound C1=CC(OC)=CC=C1S(=O)(=O)N(C(CC(C)C)C(=O)NO)CC1=CC=CC=C1 VKUYLANQOAKALN-UHFFFAOYSA-N 0.000 description 1
- 206010048998 Acute phase reaction Diseases 0.000 description 1
- 102000004411 Antithrombin III Human genes 0.000 description 1
- 108090000935 Antithrombin III Proteins 0.000 description 1
- 102000005666 Apolipoprotein A-I Human genes 0.000 description 1
- 108010059886 Apolipoprotein A-I Proteins 0.000 description 1
- 102100030970 Apolipoprotein C-III Human genes 0.000 description 1
- 102000007592 Apolipoproteins Human genes 0.000 description 1
- 108010071619 Apolipoproteins Proteins 0.000 description 1
- 208000006820 Arthralgia Diseases 0.000 description 1
- 201000001320 Atherosclerosis Diseases 0.000 description 1
- 102000005701 Calcium-Binding Proteins Human genes 0.000 description 1
- 108010045403 Calcium-Binding Proteins Proteins 0.000 description 1
- 102000055007 Cartilage Oligomeric Matrix Human genes 0.000 description 1
- 102000005600 Cathepsins Human genes 0.000 description 1
- 108010084457 Cathepsins Proteins 0.000 description 1
- 102000019034 Chemokines Human genes 0.000 description 1
- 108010012236 Chemokines Proteins 0.000 description 1
- 108090000317 Chymotrypsin Proteins 0.000 description 1
- 102000008186 Collagen Human genes 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- 108010028778 Complement C4 Proteins 0.000 description 1
- 208000028399 Critical Illness Diseases 0.000 description 1
- 206010011686 Cutaneous vasculitis Diseases 0.000 description 1
- 206010061818 Disease progression Diseases 0.000 description 1
- 108010024212 E-Selectin Proteins 0.000 description 1
- 102100023471 E-selectin Human genes 0.000 description 1
- 238000002965 ELISA Methods 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- HTTJABKRGRZYRN-UHFFFAOYSA-N Heparin Chemical compound OC1C(NC(=O)C)C(O)OC(COS(O)(=O)=O)C1OC1C(OS(O)(=O)=O)C(O)C(OC2C(C(OS(O)(=O)=O)C(OC3C(C(O)C(O)C(O3)C(O)=O)OS(O)(=O)=O)C(CO)O2)NS(O)(=O)=O)C(C(O)=O)O1 HTTJABKRGRZYRN-UHFFFAOYSA-N 0.000 description 1
- 102000019267 Hepatic lipases Human genes 0.000 description 1
- 108050006747 Hepatic lipases Proteins 0.000 description 1
- 102100027619 Histidine-rich glycoprotein Human genes 0.000 description 1
- 101000793223 Homo sapiens Apolipoprotein C-III Proteins 0.000 description 1
- 102000000589 Interleukin-1 Human genes 0.000 description 1
- 108010002352 Interleukin-1 Proteins 0.000 description 1
- 108090000171 Interleukin-18 Proteins 0.000 description 1
- 102000003810 Interleukin-18 Human genes 0.000 description 1
- 108090001005 Interleukin-6 Proteins 0.000 description 1
- UETNIIAIRMUTSM-UHFFFAOYSA-N Jacareubin Natural products CC1(C)OC2=CC3Oc4c(O)c(O)ccc4C(=O)C3C(=C2C=C1)O UETNIIAIRMUTSM-UHFFFAOYSA-N 0.000 description 1
- 108010013563 Lipoprotein Lipase Proteins 0.000 description 1
- 102100022119 Lipoprotein lipase Human genes 0.000 description 1
- 102000004895 Lipoproteins Human genes 0.000 description 1
- 108090001030 Lipoproteins Proteins 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 108010015302 Matrix metalloproteinase-9 Proteins 0.000 description 1
- 102000001776 Matrix metalloproteinase-9 Human genes 0.000 description 1
- 101100202938 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) tsp-5 gene Proteins 0.000 description 1
- 208000001132 Osteoporosis Diseases 0.000 description 1
- 108010067372 Pancreatic elastase Proteins 0.000 description 1
- 102000016387 Pancreatic elastase Human genes 0.000 description 1
- 208000030852 Parasitic disease Diseases 0.000 description 1
- 102000035195 Peptidases Human genes 0.000 description 1
- 108091005804 Peptidases Proteins 0.000 description 1
- 102000007584 Prealbumin Human genes 0.000 description 1
- 108010071690 Prealbumin Proteins 0.000 description 1
- 239000004365 Protease Substances 0.000 description 1
- 102000058242 S100A12 Human genes 0.000 description 1
- 108700016890 S100A12 Proteins 0.000 description 1
- 101150097337 S100A12 gene Proteins 0.000 description 1
- 101150026634 SAA3 gene Proteins 0.000 description 1
- BUGBHKTXTAQXES-UHFFFAOYSA-N Selenium Chemical compound [Se] BUGBHKTXTAQXES-UHFFFAOYSA-N 0.000 description 1
- 229940122055 Serine protease inhibitor Drugs 0.000 description 1
- 101710102218 Serine protease inhibitor Proteins 0.000 description 1
- 102000008847 Serpin Human genes 0.000 description 1
- 108050000761 Serpin Proteins 0.000 description 1
- 102100030416 Stromelysin-1 Human genes 0.000 description 1
- 101710108790 Stromelysin-1 Proteins 0.000 description 1
- 102000002938 Thrombospondin Human genes 0.000 description 1
- 108060008245 Thrombospondin Proteins 0.000 description 1
- 108090000631 Trypsin Proteins 0.000 description 1
- 102000004142 Trypsin Human genes 0.000 description 1
- 102000050760 Vitamin D-binding protein Human genes 0.000 description 1
- 101710179590 Vitamin D-binding protein Proteins 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000004658 acute-phase response Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 239000000427 antigen Substances 0.000 description 1
- 108091007433 antigens Proteins 0.000 description 1
- 102000036639 antigens Human genes 0.000 description 1
- 239000003963 antioxidant agent Substances 0.000 description 1
- 239000003435 antirheumatic agent Substances 0.000 description 1
- 229960005348 antithrombin iii Drugs 0.000 description 1
- 230000002917 arthritic effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 229960000106 biosimilars Drugs 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 230000008416 bone turnover Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 239000002975 chemoattractant Substances 0.000 description 1
- 229960002376 chymotrypsin Drugs 0.000 description 1
- 108091006007 citrullinated proteins Proteins 0.000 description 1
- 238000003776 cleavage reaction Methods 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 229920001436 collagen Polymers 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000004940 costimulation Effects 0.000 description 1
- 230000008260 defense mechanism Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003511 endothelial effect Effects 0.000 description 1
- 229940088598 enzyme Drugs 0.000 description 1
- 210000002950 fibroblast Anatomy 0.000 description 1
- 238000000684 flow cytometry Methods 0.000 description 1
- 238000001415 gene therapy Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 150000002343 gold Chemical class 0.000 description 1
- IRPYFWIZKIOHQN-XTZHGVARSA-N gold;[(2r,3r,4s,5r,6s)-3,4,5-triacetyloxy-6-sulfanyloxan-2-yl]methyl acetate;triethylphosphane Chemical compound [Au].CC[PH+](CC)CC.CC(=O)OC[C@H]1O[C@@H]([S-])[C@H](OC(C)=O)[C@@H](OC(C)=O)[C@@H]1OC(C)=O IRPYFWIZKIOHQN-XTZHGVARSA-N 0.000 description 1
- 229960002897 heparin Drugs 0.000 description 1
- 229920000669 heparin Polymers 0.000 description 1
- 230000002440 hepatic effect Effects 0.000 description 1
- 210000003494 hepatocyte Anatomy 0.000 description 1
- 108010044853 histidine-rich proteins Proteins 0.000 description 1
- XXSMGPRMXLTPCZ-UHFFFAOYSA-N hydroxychloroquine Chemical compound ClC1=CC=C2C(NC(C)CCCN(CCO)CC)=CC=NC2=C1 XXSMGPRMXLTPCZ-UHFFFAOYSA-N 0.000 description 1
- 229960004171 hydroxychloroquine Drugs 0.000 description 1
- 208000006575 hypertriglyceridemia Diseases 0.000 description 1
- 230000007124 immune defense Effects 0.000 description 1
- 230000001900 immune effect Effects 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 208000026278 immune system disease Diseases 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000012678 infectious agent Substances 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 210000004969 inflammatory cell Anatomy 0.000 description 1
- 230000028709 inflammatory response Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 229960000681 leflunomide Drugs 0.000 description 1
- VHOGYURTWQBHIL-UHFFFAOYSA-N leflunomide Chemical compound O1N=CC(C(=O)NC=2C=CC(=CC=2)C(F)(F)F)=C1C VHOGYURTWQBHIL-UHFFFAOYSA-N 0.000 description 1
- 210000003041 ligament Anatomy 0.000 description 1
- GZQKNULLWNGMCW-PWQABINMSA-N lipid A (E. coli) Chemical compound O1[C@H](CO)[C@@H](OP(O)(O)=O)[C@H](OC(=O)C[C@@H](CCCCCCCCCCC)OC(=O)CCCCCCCCCCCCC)[C@@H](NC(=O)C[C@@H](CCCCCCCCCCC)OC(=O)CCCCCCCCCCC)[C@@H]1OC[C@@H]1[C@@H](O)[C@H](OC(=O)C[C@H](O)CCCCCCCCCCC)[C@@H](NC(=O)C[C@H](O)CCCCCCCCCCC)[C@@H](OP(O)(O)=O)O1 GZQKNULLWNGMCW-PWQABINMSA-N 0.000 description 1
- 230000004130 lipolysis Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 210000005229 liver cell Anatomy 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 108020004999 messenger RNA Proteins 0.000 description 1
- 238000010197 meta-analysis Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010172 mouse model Methods 0.000 description 1
- 238000004848 nephelometry Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003472 neutralizing effect Effects 0.000 description 1
- 210000000440 neutrophil Anatomy 0.000 description 1
- 235000003715 nutritional status Nutrition 0.000 description 1
- 230000001599 osteoclastic effect Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000007310 pathophysiology Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 239000000902 placebo Substances 0.000 description 1
- 229940068196 placebo Drugs 0.000 description 1
- 230000036470 plasma concentration Effects 0.000 description 1
- 229920001184 polypeptide Polymers 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 102000004196 processed proteins & peptides Human genes 0.000 description 1
- 108090000765 processed proteins & peptides Proteins 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000000092 prognostic biomarker Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000009163 protein therapy Methods 0.000 description 1
- 230000002797 proteolythic effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 230000037390 scarring Effects 0.000 description 1
- 230000007017 scission Effects 0.000 description 1
- 238000011519 second-line treatment Methods 0.000 description 1
- 229910052711 selenium Inorganic materials 0.000 description 1
- 239000011669 selenium Substances 0.000 description 1
- 230000000405 serological effect Effects 0.000 description 1
- 230000021595 spermatogenesis Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- NCEXYHBECQHGNR-QZQOTICOSA-N sulfasalazine Chemical compound C1=C(O)C(C(=O)O)=CC(\N=N\C=2C=CC(=CC=2)S(=O)(=O)NC=2N=CC=CC=2)=C1 NCEXYHBECQHGNR-QZQOTICOSA-N 0.000 description 1
- 229960001940 sulfasalazine Drugs 0.000 description 1
- NCEXYHBECQHGNR-UHFFFAOYSA-N sulfasalazine Natural products C1=C(O)C(C(=O)O)=CC(N=NC=2C=CC(=CC=2)S(=O)(=O)NC=2N=CC=CC=2)=C1 NCEXYHBECQHGNR-UHFFFAOYSA-N 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 210000005222 synovial tissue Anatomy 0.000 description 1
- 210000002437 synoviocyte Anatomy 0.000 description 1
- 201000004595 synovitis Diseases 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 210000002435 tendon Anatomy 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
- 229940126672 traditional medicines Drugs 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 150000003626 triacylglycerols Chemical class 0.000 description 1
- 239000012588 trypsin Substances 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 230000002485 urinary effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000036642 wellbeing Effects 0.000 description 1
- 238000001262 western blot Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
- G01N33/5008—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/564—Immunoassay; Biospecific binding assay; Materials therefor for pre-existing immune complex or autoimmune disease, i.e. systemic lupus erythematosus, rheumatoid arthritis, multiple sclerosis, rheumatoid factors or complement components C1-C9
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/10—Musculoskeletal or connective tissue disorders
- G01N2800/101—Diffuse connective tissue disease, e.g. Sjögren, Wegener's granulomatosis
- G01N2800/102—Arthritis; Rheumatoid arthritis, i.e. inflammation of peripheral joints
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/52—Predicting or monitoring the response to treatment, e.g. for selection of therapy based on assay results in personalised medicine; Prognosis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Hematology (AREA)
- Biomedical Technology (AREA)
- Chemical & Material Sciences (AREA)
- Urology & Nephrology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Cell Biology (AREA)
- Food Science & Technology (AREA)
- Biotechnology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Microbiology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Rheumatology (AREA)
- Rehabilitation Therapy (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Toxicology (AREA)
- Tropical Medicine & Parasitology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Surgery (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
La présente invention concerne un procédé d’estimation de l’efficacité de traitement par un agent anti-TNFα chez un patient atteint de polyarthrite rhumatoïde et qui a été en réponse inadéquante à au moins une biothérapie antérieure, consistant à analyser un échantillon biologique dudit patient pour l’expression d’un ensemble de biomarqueurs, dont les résultats permettent de déterminer si ledit agent est un traitement qui engendrera une réponse bénéfique pour ledit patient. La présente invention concerne également un système d’estimation de l’efficacité dudit traitement chez ledit patient comprenant des moyens de mesure ou de réception des données, du niveau d’expression desdits biomarqueurs et des moyens de traitement de ces données configurés pour estimer ladite efficacité dudit traitement chez ledit patient.
Description
Description
Titre de l'invention : Procédé D’estimation De L’efficacité De Traitement Par Un agent anti-TNF alpha Chez Un Patient Atteint DE POLYARTHRITE RHUMATOÏDE et en réponse inadéquate à au moins une biotherapie
Domaine technique
[0001] La présente invention concerne le traitement de la polyarthrite rhumatoïde. Elle concerne plus particulièrement un procédé d’estimation de l’efficacité de traitement par un agent anti-ΤΝΕα, en particulier par l’Adalimumab (ADA), chez un patient atteint de polyarthrite rhumatoïde (PR) et ayant eu une réponse inadéquate à un ou plusieurs traitement(s) antérieur(s) par biothérapie, consistant à analyser un échantillon biologique dudit patient vis-à-vis de l’expression d’un ensemble de biomarqueurs, la corrélation des résultats obtenus pour cet ensemble de biomarqueurs permettant, notamment par comparaison avec des valeurs de références, de déterminer si l’agent anti-ΤΝΡα est un traitement prometteur permettant de conduire à une réponse bénéfique pour ledit patient.
[0002] La présente invention concerne également un système d’estimation de l’efficacité dudit traitement chez ledit patient comprenant des moyens de mesure ou de réception des données du niveau d’expression desdits biomarqueurs et des moyens de traitement de ces données configurés pour estimer ladite efficacité dudit traitement chez ledit patient.
ARRIERE PLAN DE L'INVENTION
[0003] La polyarthrite rhumatoïde (PR) est une maladie inflammatoire chronique caractérisée par une synovite, des lésions articulaires, un handicap fonctionnel et une augmentation significative de la mortalité.
[0004] L'intervention précoce à l'aide de sDMARD (synthetic Disease-Modifying AntiRheumatic Drug) est maintenant reconnue comme étant essentielle pour prévenir les dommages structurels articulaires et la perte progressive de la fonction. Pour les patients qui ne répondent pas au traitement par sDMARD ou qui développent une réponse inadéquate à ces médicaments au fil du temps, les bDMARDs (biological DMARD) sont une option de traitement additif efficace (Smolen et al., 2017). En pratique clinique, le premier choix de la thérapie biologique est habituellement un inhibiteur du TNEa (Tumor Necrosis Eactor alpha). La réponse à un traitement peut varier de manière très importante d’un patient à un autre. Environ 30% à 40% des patients qui commencent un traitement par un inhibiteur du TNEa développent par la suite une réponse insuffisante ou inadéquate à ces médicaments (Souto et al., 2016).
Les options pour la continuation du traitement chez les patients insuffisants du TNLa incluent l'utilisation d'un deuxième agent biologique. Compte tenu du nombre d'options de traitement bDMARD disponibles pour les cliniciens et de leur efficacité dans le traitement de la PR, le passage entre les différents bDMARDs est une pratique courante. C’est pourquoi à l’heure actuelle, le praticien préconise, pour la plupart des maladies, un traitement de première intention, puis en cas de réponse insuffisante ou inadéquate, un traitement de seconde intention, et ainsi de suite. Cependant, au sein de cette stratégie globale, il existe un débat sur l'efficacité relative de l'utilisation d'un autre inhibiteur du TNLa (cycle) ou d'un agent biologique avec un mode d'action différent (commutation). De plus, la probabilité pour le patient ayant déjà reçu un antiTNLa de répondre à un autre traitement biologique diminue progressivement en fonction du nombre croissant d’échecs de traitements antérieurs (Rendas-Baum et al., 2011). Ainsi, les données de la littérature indiquent que toute intervention précoce permet de mieux contenir la progression de la maladie.
[0005] En effet, le temps perdu à la mise en évidence d’un éventuel échec thérapeutique se fait au détriment de l’efficacité de l’action thérapeutique et du bien-être du patient, qui dans certains cas peut avoir abouti à de nouveaux symptômes ou conséquences préjudiciables et irréversibles en termes d’état général. De plus, il peut s’agir de traitements coûteux et qui peuvent être lourds à mettre en place, ce qui est tout à fait insatisfaisant lors d’un constat d’échec thérapeutique.
[0006] D’importants progrès ont été réalisés ces dernières années concernant le diagnostic, la prise en charge, le traitement et le suivi des patients atteints de maladies inflammatoires chroniques.
[0007] En termes de traitements des maladies inflammatoires chroniques, et notamment les rhumatismes inflammatoires chroniques, il existe notamment des biothérapies qui consistent en des molécules biologiques, telles que des protéines, des anticorps, ayant une action thérapeutique. Certaines d’entre elles, sont déjà utilisées et d’autres en cours de développement.
[0008] Parmi les maladies inflammatoires chroniques, la polyarthrite rhumatoïde est un trouble auto-immun de la synovie qui se caractérise par la prolifération des synoviocytes et l'infiltration des cellules inflammatoires dans l'articulation. Diverses cytokines jouent un rôle important dans la régulation des maladies inflammatoires.
[0009] Les bDMARDs ciblant le facteur de nécrose tumorale (TNE) ou la co-stimulation des cellulles lymphocytaires T par exemple ont permis un progrès considérable pour le traitement de la PR. Actuellement, 9 bDMARDs incluant le modulateur de la costimulation de cellules lymphocytaires T Abatacept (ABA), l’anti-IL-6 Tocilizumab (TCZ), l’anti-CD20 Rituximab (RTX), l’anti-Interleukine-1 (IL- 1) Anakinra (ANK) et les anti-ΤΝΕα Adalimumab (ADA), Etanercept (ETN), Infliximab (IEX), Golimumab (GOL) et Certolizumab Pegol (CTP), sont approuvés pour le traitement de la polyarthrite rhumatoïde. Cependant, les réponses à chaque agent biologique varient pour chaque individu. Par conséquent, faire un choix optimal de ou d’un bDMARD(s) au sein d’une fenêtre d'opportunité thérapeutique est essentiel pour obtenir une efficacité du traitement qui s’avère très coûteux. En effet, les chances de réussite d’un traitement biologique s’amenuisent en fonction du nombre croissant d’échecs thérapeutiques par biothérapie (Rendas-Baum et al., 2011).
[0010] Le praticien manque cependant d’éléments à sa disposition pour l’aider dans son choix thérapeutique. Un outil capable d’apporter au clinicien un score de probabilité de réponse ou de non-réponse à un traitement serait assurément le bienvenu.
[0011] En particulier, il manque actuellement des biomarqueurs très précoces pouvant, entre autres, donner des orientations quant à la possible réponse ou non-réponse à un traitement de fond biologique ou conventionnel.
[0012] Ces biomarqueurs font appel à la biologie moléculaire et à la biochimie. L’approche hypothético-déductive a réduit la médecine personnalisée à quelques biomarqueurs dont l’intérêt a été fixé a priori et qui n’a pas permis d’épuiser les questions du diagnostic précoce ou de l’approche théranostique. Ainsi, la quête DU biomarqueur permettant de prédire LA réponse à un traitement biologique dans les maladies inflammatoires chroniques, et donc dans la PR, est une illusion. La multiplicité des biomarqueurs génétiques ou biochimiques associés à la bonne réponse ou la non-réponse clinique à un traitement biologique rend la tâche ardue.
[0013] La génomique, la transcriptomique, l’épigénétique et la protéomique sont des piliers complémentaires et non redondants dans cette perspective.
[0014] Une approche prédictive de type médecine personnalisée ou stratifiée est très novatrice dans le domaine des rhumatismes inflammatoires chroniques et permettrait de prescrire le bon traitement au bon patient au bon moment, de limiter la progression du handicap en orientant le patient le plus rapidement possible vers le traitement auquel il a la plus grande chance de répondre, et d’éviter de prescrire des traitements qui, au contraire, sont associés à une faible probabilité de réponse.
[0015] Adalimumab est un anticorps monoclonal intégralement humain, neutralisant de façon spécifique le TNEa (tumor necrosis factor alpha ou facteur de nécrose tumorale alpha). En se combinant avec cette cytokine pro-inflammatoire, l’adalimumab empêche son interaction avec son récepteur, et module ainsi les processus inflammatoires TNEa dépendants.
[0016] Quelques études se sont focalisées sur la mise en lumière de biomarqueurs permettant de prédire la réponse au traitement ADA chez des patients atteints de PR. Ces études se portent essentiellement sur la caractérisation de biomarqueurs d’ADN et d’ARN (Krintel et al., 2012), l’ADN et l’ARN sont assujettis à d’éventuelles modi fications (épigénétique, régulation de l’expression des gènes, épissage) liées à l’environnement avant d’être traduits en protéines qui sont les effecteurs finaux. L’approche protéomique permet donc de minimiser les variations possibles entre le niveau d’expression des biomarqueurs et les résultats cliniques observés. Cependant ces études se focalisent sur des patients PR naïfs de toutes biothérapies ou une population indifférenciée de patients naïfs et en rotation, c’est-à-dire en réponse insuffisante ou inadéquate à au moins une biothérapie. La distinction entre les populations dîtes naïves et celles ayant déjà reçu une ou plusieurs biothérapies est très importante car de nombreuses études ont démontré un changement du protéome après traitement par les biothérapies comme les anti-TNL (Takeuchi et al., 2007) ou autres (abatacept (Charles-Schoeman et al., 2018), tociluzimab (Gabay et al., 2016). Ainsi, les biomarqueurs prédictifs de réponse chez des patients naïfs de toutes biothérapies sont susceptibles d’être modifiés et ne plus être pertinents chez les patients ayant déjà reçu une ou plusieurs biothérapies. Aussi, la distinction de la situation thérapeutique du patient (naïf ou en rotation) est un critère essentiel dans le choix du biomarqueurs prédictifs. Jusqu’à maintenant les études sur ADA portant sur des patients en situation de rotation se concentrent essentiellement sur la mesure de l’efficacité après administration de cette molécule, en comparaison à d’autres bDMARDs (Harrold et al., 2015) et non sur la caractérisation de biomarqueurs spécifiques et prédictifs de réponse à ADA.
[0017] Il existe donc un besoin d’identifier de nouvelles méthodes et/ou biomarqueurs permettant d’orienter de manière personnalisée le praticien vers le traitement qui est le plus prometteur en termes d’efficacité pour un patient donné atteint d’une maladie inflammatoire chronique, en particulier pour les patients souffrant de polyarthrite rhumatoïde, et notamment pour ceux qui sont en situation de réponse inadéquate à un ou plusieurs traitements par biothérapie.
[0018] La présente invention vient répondre à ce problème technique vis-à-vis de la réponse à un traitement par un agent anti-TNLa pour un patient atteint de polyarthrite rhumatoïde n’ayant pas eu de réponse thérapeutique suffisante à un ou plusieurs traitement(s) antérieur(s) par biothérapie ; les inventeurs ayant identifié un ensemble de biomarqueurs biologiques dont le niveau d’expression détecté dans un échantillon biologique prélevé chez un tel patient permet d’estimer l’efficacité de ce traitement chez ce patient.
Résumé de l’invention
[0019] La présente invention concerne un procédé d’estimation de l’efficacité de traitement par un agent anti-TNLa chez un patient atteint de polyarthrite rhumatoïde et n’ayant pas eu de réponse thérapeutique adéquate à un ou plusieurs traitement(s) antérieur(s) par biothérapie, ledit procédé comprenant :
[0020] a) la mesure in vitro du niveau d’expression d’au moins deux biomarqueurs choisis dans le groupe constitué de Alphal antitrypsine (A1AT), Béta-2-microglobuline (B2M), Sérum amyloïde A-2 (SAA2), Sélénoproteine P (SeleP), LipopolysaccharideBinding Protein (LBP), Complément C3 (C3), Apolipoprotéine C-III (APOC3), Sérum amyloïde A-l (SAA1), Platelet Lactor 4 (PL4) et Cartilage Oligomeric Matrix Protein (COMP), dans un échantillon biologique issu dudit patient,
[0021] b) l’estimation de ladite efficacité de traitement par ledit agent anti-ΤΝΡα chez ledit patient en fonction de chaque niveau d’expression mesuré pour un biomarqueur choisi dans ledit groupe.
[0022] En particulier, le procédé d’estimation de l’efficacité de traitement par un agent antiTNEa selon l’invention comprend :
[0023] a) la mesure in vitro du niveau d’expression d’au moins deux biomarqueurs choisis dans le groupe constitué de : Alphal antitrypsine (A1AT), Béta-2-microglobuline (B2M), Sérum amyloïde A-2 (SAA2), Sélénoproteine P (SeleP), LipopolysaccharideBinding Protein (LBP), Complément C3 (C3), Apolipoprotéine C-III (APOC3), Sérum amyloïde A-l (SAA1), Platelet Lactor 4 (PE4) et Cartilage Oligomeric Matrix Protein (COMP), dans un échantillon biologique issu dudit patient,
[0024] bl) la comparaison du niveau d’expression mesuré à l’étape a) par rapport à celui mesuré dans une pluralité d’échantillons de patients atteints de polyarthrite rhumatoïde et ayant reçu un traitement par ledit agent anti-ΤΝΡα pour lequel l’efficacité de traitement est connue ; ladite comparaison étant réalisée à l’aide d’un modèle d’apprentissage statistique en utilisant comme données d’entrées les niveaux d’expression d’au moins deux des biomarqueurs mesurés à l’étape a),
[0025] b2) l’estimation de ladite efficacité de traitement par ledit agent anti-ΤΝΡα T chez ledit patient en fonction des résultats déterminés par le modèle défini à l’étape bl).
[0026] L’ensemble des biomarqueurs identifiés par les inventeurs est donc particulièrement adapté pour estimer l’efficacité de traitement par un agent anti-ΤΝΡα chez un patient atteint de polyarthrite rhumatoïde.
[0027] La présente invention concerne par ailleurs un système d’estimation de l’efficacité de traitement par un agent anti-ΤΝΡα chez un patient atteint de polyarthrite rhumatoïde et qui a été en réponse inadéquate à au moins un traitement antérieur par biothérapie, ledit système comprenant :
[0028] - des moyens de mesure ou de réception des données de mesure du niveau d’expression d’au moins deux biomarqueurs choisis dans un groupe constitué de : Alphal antitrypsine (A1AT), Béta-2-microglobuline (B2M), Sérum amyloïde A-2 (SAA2), Sélénoproteine P (SeleP), Lipopolysaccharide-Binding Protein (LBP), Complément C3 (C3), Apolipoprotéine C-III (APOC3), Sérum amyloïde A-l (SAA1),
Platelet Factor 4 (PF4) et Cartilage Oligomeric Matrix Protein (COMP), dans un échantillon biologique issu dudit patient,
[0029] - des moyens de traitement de données de mesure configurés pour estimer ladite efficacité de traitement chez ledit patient en fonction de chaque niveau d’expression mesuré pour un biomarqueur choisi dans ce groupe.
[0030] De manière préférée, le procédé d’estimation et le système d’estimation selon l’invention permettent d’estimer la réponse à un agent anti-TNFa alpha, en particulier en empêchant/bloquant ou inhibant, directement ou indirectement, l’interaction entre le TNF alpha et son récepteur. De manière avantageuse, le procédé d’estimation et le système d’estimation selon l’invention permettent d’estimer la réponse à un agent qui se fixe au TNF alpha, et en particulier d’estimer la réponse à l’Adalimumab.
Brève description des dessins
[0031] [fig.l] représente la courbe ROC (Receiver Operating Characteristic) obtenue lors de l’évaluation des performances du procédé selon l’invention avec l’étude des 3 biomarqueurs A1AT, B2M et SeleP pour la prédiction de la réponse à ADA. Elle représente un exemple de la sensibilité du test (en ordonnées) en fonction du complémentaire de la spécificité du test : 1 - spécificité (en abscisses).
[0032] [fig.2] représente la courbe ROC (Receiver Operating Characteristic) obtenue lors de l’évaluation des performances du procédé selon l’invention avec l’étude des 3 variables A1AT, B2M et SeleP pour la prédiction de la rémission suite à ADA. Elle représente un exemple de la sensibilité du test (en ordonnées) en fonction du complémentaire de la spécificité du test : 1 - spécificité (en abscisses).
Description des modes de réalisation
[0033] Le problème rencontré dans le domaine de l’invention pour la mise au point d’un test prédictif robuste consiste tout d’abord à identifier les biomarqueurs qui, pris ensemble, permettent d’obtenir une prédiction pertinente avec à la fois une spécificité et une sensibilité élevées.
[0034] C’est ainsi que selon un premier aspect, la présente invention concerne un procédé d’estimation de l’efficacité de traitement par un agent anti-ΤΝΕα chez un patient atteint de polyarthrite rhumatoïde et qui a été en réponse inadéquate à au moins un traitement antérieur par biothérapie, ledit procédé comprenant, voire consistant en :
[0035] a) la mesure in vitro du niveau d’expression d’au moins deux biomarqueurs choisis dans le groupe constitué de Alphal antitrypsine (A1AT), Béta-2-microglobuline (B2M), Sérum amyloïde A-2 (SAA2), Sélénoproteine P (SeleP), LipopolysaccharideBinding Protein (LBP), Complément C3 (C3), Apolipoprotéine C-III (APOC3), Sérum amyloïde A-l (SAA1), Platelet Factor 4 (PF4) et Cartilage Oligomeric Matrix Protein (COMP), dans un échantillon biologique issu dudit patient,
[0036] b) l’estimation de ladite efficacité de traitement par ledit agent anti-TNFa chez ledit patient en fonction de chaque niveau d’expression mesuré pour un biomarqueur choisi dans ledit groupe.
[0037] Les inventeurs ont en effet identifié des ensembles ou combinaisons de biomarqueurs pertinents pour estimer l’efficacité de traitement par un agent anti-TNFa chez un patient atteint de polyarthrite rhumatoïde et qui a été en réponse inadéquate à au moins un traitement antérieur par biothérapie, à savoir au moins deux biomarqueurs choisis dans le groupe constitué Alphal antitrypsine (A1AT), Béta-2-microglobuline (B2M), Sérum amyloïde A-2 (SAA2), Sélénoproteine P (SeleP), Lipopolysaccharide-Binding Protein (LBP), Complément C3 (C3), Apolipoprotéine C-III (APOC3), Sérum amyloïde A-l (SAA1), Platelet Factor 4 (PF4) et Cartilage Oligomeric Matrix Protein (COMP).
[0038] De manière particulière, le procédé d’estimation de l’efficacité de traitement par un agent anti-TNFa selon l’invention comprend :
[0039] a) la mesure in vitro du niveau d’expression d’au moins deux biomarqueurs choisis dans le groupe constitué de : Alphal antitrypsine (A1AT), Béta-2-microglobuline (B2M), Sérum amyloïde A-2 (SAA2), Sélénoproteine P (SeleP), LipopolysaccharideBinding Protein (LBP), Complément C3 (C3), Apolipoprotéine C-III (APOC3), Sérum amyloïde A-l (SAA1), Platelet Factor 4 (PF4) et Cartilage Oligomeric Matrix Protein (COMP), dans un échantillon biologique issu dudit patient,
[0040] bl) la comparaison du niveau d’expression mesuré à l’étape a) par rapport à celui mesuré dans une pluralité d’échantillons de patients atteints de polyarthrite rhumatoïde et ayant reçu un traitement par ledit agent anti-TNFa pour lequel l’efficacité de traitement est connue ; ladite comparaison étant réalisée à l’aide d’un modèle d’apprentissage statistique en utilisant comme données d’entrées les niveaux d’expression d’au moins deux des biomarqueurs mesurés à l’étape a),
[0041] b2) l’estimation de ladite efficacité de traitement par ledit agent anti-TNFa chez ledit patient en fonction des résultats déterminés par le modèle défini à l’étape bl).
[0042] La mesure du niveau d’expression des combinaisons particulières de ces biomarqueurs particuliers et leur analyse notamment à l’aide d’un modèle d’apprentissage statistique permet d’obtenir une estimation pertinente de la prédiction de réponse à un agent anti-TNFa pour un patient atteint de polyarthrite rhumatoïde.
[0043] La présente invention concerne donc un procédé de prédiction personnalisée de réponse à un agent anti-TNFa, en particulier à l’Adalimumab d’un patient donné, atteint de polyarthrite rhumatoïde et qui a été en réponse inadéquate à au moins un traitement antérieur par biothérapie. Elle permet de déterminer, chez un patient atteint de polyarthrite rhumatoïde et qui a été en réponse inadéquate à au moins un traitement antérieur par biothérapie, un niveau d’efficacité basé sur une probabilité de bonne réponse et de non-réponse à cet agent anti-TNFa ou de rémission et de non-rémission suite au traitement par cet agent anti-TNFa. Le procédé selon l’invention permet ainsi d’identifier des patients répondeurs et en particulier des patients non-répondeurs à l’agent anti-TNFa dont il est question.
[0044] S’agissant de l’étape a) du procédé selon l’invention, les biomarqueurs pertinents identifiés par les inventeurs sont définis ci-après.
[0045] L'alpha-1-antitrypsine (A1AT) (Kim et al., 2018b), glycoprotéine synthétisée par le foie, est présente dans la plupart des liquides biologiques et dans les selles. Elle appartient à la famille des serpines (inhibiteur de protéases à sérine) et est en grande partie responsable du pouvoir inhibiteur du sérum sanguin vis-à-vis de nombreuses protéases comme élastase, chymotrypsine, trypsine, cathepsine. La synthèse de l'alpha-1-antitrypsine augmente lors de tout processus inflammatoire. En 1976, Cox et al. suggère qu’une réduction de la concentration de ΓΑ1ΑΤ contribue au développement de la PR notamment à la destruction tissulaire (Cox and Huber, 1976). Une baisse de A1AT a été également observée chez des patientes PR (Cylwik et al., 2010). Une étude chez la souris a montré que la thérapie génique ou protéique de A IAT humaines retarde significativement le développement de l'arthrite dans un modèle de souris arthritique induite par le collagène. Des complexes non immuns entre l'IgA et l'alpha-l-antitrypsine (IgA-AT) ont été détectés à de faibles niveaux dans les sérums de volontaires sains mais ont été trouvés à des niveaux accrus dans les sérums des patients atteints de polyarthrite rhumatoïde et est corrélée à la progression radiologique de la maladie dans des cas de PR précoce. La présence spécifique de de la forme citrullinée A1AT a été décrite dans le sérum de patients atteints de PR (Chang et al., 2013). A la connaissance des inventeurs, l’aspect prédictif de A1AT en tant que biomarqueur dans le traitement de la PR par les bDMARDs n’a pas été rapporté dans la littérature.
[0046] La bêta 2 microglobuline (B2M) (Li et al., 2016) est une petite protéine qui fait partie du complexe HLA (chaîne légère) sur la surface des cellules nuclées mais peut aussi exister sous forme libre dans la plupart des liquides biologiques, y compris le sérum, l'urine et le liquide synovial. Ce polypeptide joue un rôle important dans les défenses immunitaires et peut être utilisée pour évaluer la fonction rénale Une élévation plasmatique, sérique et urinaire de la B2M a été décrite chez les patients PR. Il a été rapporté une baisse significative de niveau de B2M chez des patients PR traités pendant 6 mois par auranofine (Crisp et al., 1983). On observe une diminution de la B2M chez des patients PR traité contre l’ostéoporose par T alendronate comparé aux placébo (Cantatore et al., 1999). Cependant, à la connaissance des inventeurs, aucune étude récente ne décrit le rôle de la B2M dans la PR et son potentiel prédictif dans la réponse aux traitements bMARDs.
[0047] Les protéines sérum amyloïde Al (SAA1) et A2 (SAA2) (Xu et al., 2005) appartiennent à une famille de protéines affiliées à la phase aiguë de l’inflammation appelée sérum amyloïde A (SAA). Exprimé à un taux basal, elles sont synthétisées au cours de phase aiguë, à des taux de 100 à 1 000 fois sa valeur normale, majoritairement produite par le foie sous l’action de cytokines pro-inflammatoires. Il en existe 2 classes : i) de la phase aiguë (A-SAA: SAA1, SAA2 et SAA3) et ii) constitutive (C-SAA: SAA4). Ainsi, la synthèse hépatique des A-SAA est fortement augmentée en réponse aux cytokines inflammatoires (IL-1, IL-6 et TNFa), alors que les C-SAA sont exprimées de manière constitutive en absence d’inflammation. Les gènes SAA1 et SAA2 sont régulés dans les cellules hépatiques par les cytokines pro-inflammatoires. Il a été suggéré que les niveaux de SAA reflètent mieux l'activité de la maladie dans les maladies inflammatoires articulaires que la vitesse de sédimentation et la CRP traditionnellement utilisé pour estimer le score de l’activité de la maladie dans la PR. Une étude montre que la concentration de la SAA demeure élevé durant un traitement par DMARD contrairement aux indicateurs classiques de la PR (CRP et la vitesse de sédimentation) et qu’elle pourrait donc être un biomarqueur plus sensible pour déterminer l’activité de la maladie. Une corrélation entre le niveau basal de A-SAA et l’activité de la PR a été décrite avec une diminution du taux de A-SAA un an après traitement par un bDMARD (adalimumab, infliximab, etanercept ou anakinra (Connolly et al., 2012) ; etanercept (Hwang et al., 2016) ; golimumab (Visvanathan et al., 2009). Ces études mettent en avant la relation entre la diminution du taux de SAA au cours du traitement et la réponse clinique associée mais ne se focalise pas sur la valeur prédictive du taux de SAA basale en lui-même.
[0048] La sélénoprotéine P (SeleP) (Burk and Hill, 2009) est une glycoprotéine extracellulaire dont le rôle est de transporter et de délivrer le sélénium, qui est un oligoélément essentiel, dans les différents tissus du corps. D’autres fonctions ont été décrites notamment dans l’infection parasitaire, dans la spermatogénèse, comme marqueur du statut nutritif ou encore comme agent antioxydant. Très peu d’étude mettent en lien direct la sélénoprotéine P avec la polyarthrite rhumatoïde. A la connaissance des inventeurs, aucune étude ne décrit le rôle de la SeleP dans la PR et son potentiel prédictif dans la réponse aux traitements bMARDs.
[0049] La Lipopolysaccharide Binding Protein (LBP) est une protéine de phase aiguë qui se lie à diverses molécules de LPS et au lipide A (Schumann et al., 1990). LBP est constitutivement produite par des hépatocytes dans le foie. Elle se lie au LPS (lipopolysaccharide) et le présente aux récepteurs CD 14 présents sur les cellules monocytaires. Ainsi, la fonction principale de LBP est d'améliorer la capacité de l'hôte à détecter le LPS au début de l'infection. Dans le sérum normal, LBP est constitu10 tivement présent et sa concentration peut augmenter de 10 fois en réponse de phase aiguë (Prucha et al., 2003). Peu d’études relatent la relation entre LBP et la polyarthrite rhumatoïde. Deux études suggèrent cependant que la LBP est un marqueur de l’inflammation chez des patients PR, son expression est plus faible chez les patients PR vs. sujets sains et peut représenter un nouveau marqueur de l'activité de la maladie dans la PR. Une baisse de l’expression de la LBP a été observé durant un traitement par ADA et abatacept (Charles-Schoeman et al., 2018). En utilisant une approche protéomique, Kim et al. (Kim et al., 2018a) ont récemment montré que l'expression de la LBP était corrélée aux niveaux de Facteur Rhumatoïde (RF) et pourrait servir de marqueur de diagnostic complémentaire à la RF de maladies auto-immunes telles que la PR. A la connaissance des inventeurs, l’aspect prédictif de la LBP en tant que biomarqueur dans le traitement de la PR par les bDMARDs n’a pas été rapporté dans la littérature.
[0050] L'apolipoprotéine C-III (ou apo C-III, ou apo-C3) (Norata et al., 2015) est une lipoprotéine impliquée dans le métabolisme des triglycérides. Les fonctions physiologiques de l'ApoC-III comprennent l'inhibition de la lipoprotéine lipase et de la lipase hépatique. ApoC-III représente donc un important régulateur de la lipolyse. En conséquence, des taux élevés d'ApoC-III ont été détectés chez des patients présentant une hypertriglycéridémie. Par une approche protéomique, Blaschke et al. ont montré que ApoCIII semble être un prédicteur de la réponse à 6 mois à 1’etanercept chez des patients PR. En effet, celle-ci est significativement sous exprimée avant initiation du traitement chez les patients qui présentent une réponse suffisante (Blaschke et al., 2015). Cependant, cette étude n’utilise pas de combinaison de biomarqueurs pour construire un modèle prédictif.
[0051] Le système du complément (Ricklin and Lambris, 2013) est un des mécanismes de défense qui intervient dans la destruction des agents infectieux, dans l’élimination des complexes immuns, mais aussi dans le contrôle des réponses inflammatoires et la modulation des réponses immunes spécifiques. C’est une cascade d’activation et la fraction C3 joue un rôle central dans l'activation du complément puisque l’ensemble des voies d'activation du complément aboutissent à son clivage par des systèmes protéolytiques spécifiques en C3a et C3b. Un lien entre le système du complément et la PR a été mis en évidence. La présence de C3 a été retrouvée dans le liquide synovial chez des patients PR. Après 12 mois de traitement par tocilizumab, une baisse du taux sérique de C3 en corrélation avec le score d’activité de la maladie a été observé chez de patients PR (Romano et al., 2018). Une autre étude rapporte une expression plus élevée de C3 chez les patients PR comparés au sujets sains et une baisse de C3 spécifiquement chez les répondeurs à 12 mois au rituximab (Conigliaro et al., 2016).
[0052] Le facteur plaquettaire 4 (PF4 pour Platelet Factor 4 ou encore appelé CXCL4 pour chemokine (C-X-C motif) ligand 4) est une chimiokine libérée par des plaquettes activées et se lie avec une forte affinité à l'héparine. Son rôle physiologique majeur semble être la neutralisation de molécules de type héparine sur la surface endothéliale des vaisseaux sanguins, inhibant ainsi l'activité locale d'antithrombine III et favorisant la coagulation. En tant que chimio-attractant fort pour les neutrophiles et les fibroblastes, le PF4 a probablement un rôle dans l'inflammation et la cicatrisation. Dans la PR, plusieurs études ont signalé une augmentation de PF4 dans le liquide synovial et une élévation des taux plasmatiques chez les patients présentant une vascularite cutanée. Une augmentation de Γ ARNm de PF4 a été observée dans la phase précoce de la PR (Yeo et al., 2016). Des complexes immunologiques contenant la PF4 a été trouvé spécifiquement dans le sérum de patients PR suggérant un usage diagnostic pour la PR (Ohyama et al., 2011). Le PF4 a été caractérisé comme biomarqueur de réponse dans le traitement de la polyarthrite rhumatoïde par Infliximab (Trocmé et al., 2009) et par les anti-TNFa (etanercept, infliximab et adalimumab) (Nguyen et al., 2018) chez des patients naïfs de toute biothérapie. Cependant, à la connaissance des inventeurs, l’aspect prédictif du PF4 en tant que biomarqueur dans le traitement de la PR spécifiquement chez des patients n’ayant pas eu de réponse thérapeutique adéquate à un ou plusieurs traitement(s) antérieur(s) par biothérapie n’a pas été rapporté dans la littérature.
[0053] COMP (cartilage oligomeric matrix protein), qui est également connu sous le nom de thrombospondine 5 (TSP 5), est une glycoprotéine et un membre de la famille des thrombospondines extracellulaires. Cette protéine liant le calcium se trouve principalement dans le cartilage articulaire, nasal et trachéal et, dans une moindre mesure, dans les ligaments, les ménisques et les tendons normaux. Il est considéré comme un marqueur de la dégradation du cartilage sérique dans les maladies articulaires et en particulier dans la PR. Le niveau sérique de COMP pouvait être considéré comme un biomarqueur potentiel pour différencier les patients atteints de PR et les individus sains, avec une spécificité comparable aux biomarqueurs standard généralement utilisés pour estimer l'activité de la maladie, tels que CRP. Le COMP, et plus spécifiquement les anticorps monoclonaux spécifiques de COMP, ont été impliqués dans l'induction de l'arthrite chez des souris naïves. Les niveaux de COMP étaient également corrélés au score de lésions articulaires de Larsen au début de la PR. De plus, les taux de sérum et de liquide synovial COMP chez les patients atteints de PR reflètent non seulement la dégradation du cartilage, mais aussi les taux de Vitesse de Sédimentation (VS) et de CRP, qui sont des indicateurs de la phase aiguë. Un niveau plus élevé de COMP a également été lié à l'agressivité de la maladie dans la PR. De même, une corrélation positive significative a été trouvée entre les niveaux de COMP et la sévérité de la maladie dans la PR précoce et tardive. Après traitement par in fliximab et étanercept, Crnkic et al. (Crnkic et al., 2003) ont rapporté une diminution de la concentration sérique de COMP à 3 mois qui est restée faible à 6 mois pour les répondeurs autant que les non-répondeurs. Une autre étude a observé une diminution des concentrations sériques de COMP à 6 mois de traitement par étanercept, mais seulement dans le groupe de rémission (Kawashiri et al., 2010). Les patients ayant des taux sériques élevés de COMP étaient plus susceptibles de présenter une détérioration de leur score de Larsen (Skoumal et al., 2003).
[0054] De manière préférée, le procédé d’estimation de l’efficacité de traitement selon l’invention est basé sur la mesure in vitro du niveau d’expression d’au moins trois des dix biomarqueurs susmentionnés, d’au moins quatre, d’au moins cinq, d’au moins six, d’au moins sept, d’au moins huit, d’au moins neuf, ou des dix biomarqueurs du groupe constitué de Alphal antitrypsine (A1AT), Béta-2-microglobuline (B2M), Sérum amyloïde A-2 (SAA2), Sélénoproteine P (SeleP), Lipopolysaccharide-Binding Protein (LBP), Complément C3 (C3), Apolipoprotéine C-III (APOC3), Sérum amyloïde A-l (SAA1), Platelet Factor 4 (PF4) et Cartilage Oligomeric Matrix Protein (COMP).
[0055] Les modes de réalisation préférés du procédé d’estimation de l’efficacité de traitement selon l’invention comprennent la mesure in vitro du niveau d’expression des combinaisons particulières des biomarqueurs suivants parmi la liste des dix biomarqueurs susmentionnés :
[0056] - au moins A IAT et S AAI ou au moins A IAT et SAA2, de manière plus préférée au moins A1AT et B2M ;
[0057] - au moins A1AT, B2M et LBP ou au moins A1AT, SAA2 et APOC3, ou encore et de manière plus préférée au moins A1AT, B2M et SAA1 ou au moins A1AT, B2M et SeleP.
[0058] Ces ensembles permettent d’obtenir les résultats les plus pertinents en termes d’estimation de l’efficacité de traitement.
[0059] Avec ces combinaisons de deux ou trois biomarqueurs préférées susmentionnées, on peut en particulier également mesurer in vitro le niveau d’expression d’au moins un autre biomarqueur choisi parmi les huit ou sept restants dans la liste des dix biomarqueurs décrits dans la présente description, à savoir Alphal antitrypsine (A1AT), Béta-2-microglobuline (B2M), Sérum amyloïde A-2 (SAA2), Sélénoproteine P (SeleP), Lipopolysaccharide-Binding Protein (LBP), Complément C3 (C3), Apolipoprotéine C-III (APOC3), Sérum amyloïde A-l (SAA1), Platelet Factor 4 (PF4) et Cartilage Oligomeric Matrix Protein (COMP).
[0060] Le procédé selon l’invention permet d’estimer l’efficacité de traitement par un agent anti-TNFa chez un patient atteint de polyarthrite rhumatoïde qui a été en réponse inadéquate à au moins un traitement antérieur par une biothérapie.
[0061] Par « patient atteint de polyarthrite rhumatoïde qui a été en réponse inadéquate », on entend un patient atteint de polyarthrite rhumatoïde qui a été en réponse insuffisante à au moins un traitement antérieur par une biothérapie, mais également un patient atteint de polyarthrite rhumatoïde qui a été en réponse satisfaisante à au moins un traitement antérieur par une biothérapie mais qui a présenté au moins un événement indésirable d’intensité modérée à sévère lors du(des) traitement(s) antérieur(s) nécessitant l’arrêt de traitement.
[0062] Par « réponse insuffisante à au moins un traitement antérieur par une biothérapie », on entend désigner un patient n’ayant pas présenté de réponse thérapeutique positive à un ou plusieurs traitement(s) antérieur(s) par un bDMARD (biological DiseaseModifying Anti-Rheumatic Drug). Dans le cadre du traitement des maladies inflammatoires chroniques, les stratégies thérapeutiques actuelles sont conduites pour réduire l’activité du rhumatisme et la réponse au traitement se juge au cours de la première année, généralement à 6 mois. Concernant la polyarthrite rhumatoïde, la réponse au traitement est déterminée par l’évolution de l’activité du rhumatisme selon la réponse EULAR (European League Against Rheumatism). La réponse EULAR prend en compte l’activité du rhumatisme qui est évaluée par le DAS28 (Disease Activity Score 28) ainsi que sa variation. Le DAS est un score composite calculé sur la base du nombre d’articulations douloureuses sur 28 articulations, l’EVA (Echelle Visuelle Analogique), et un paramètre inflammatoire biologique : VS (vitesse de sédimentation) ou CRP (Prevoo et al., 1995). La réponse EULAR à un temps T est définie en fonction du score DAS28 au temps T et de la différence entre le DAS28 au temps T et le DAS28 initial, c’est-à-dire avant traitement. Dans le cadre de la présente invention, on entend en particulier par « réponse insuffisante à un traitement », une réponse EULAR avec un DAS28 au temps T supérieur à 3.2 ou une variation de DAS28 entre le temps T et le DAS28 avant traitement inférieure ou égale à 1.2.
[0063] A l’inverse, on entend par « réponse suffisante à un traitement », une réponse EULAR avec un DAS28 au temps T inférieur ou égal à 3.2 associé à une variation de DAS28 entre le temps T et avant traitement supérieure à 1.2.
[0064] Par « rémission » au temps T, on entend désigner un patient présentant un DAS28 inférieur à 2,6 au temps T.
[0065] Par biothérapie, on entend une thérapie faisant appel à l’utilisation d’un bDMARD. Les DMARDs sont une catégorie de médicaments définis par leur utilisation dans la polyarthrite rhumatoïde pour ralentir la progression de la maladie. Il existe plusieurs types de DMARDs classés de la manière suivante :
[0066] - synthétiques (sDMARDs) qui comprennent les conventionnels synthétiques (csDMARDs) et les synthétiques ciblés (targeted) (tsDMARDs). Les csDMARDs sont les médicaments traditionnels comme le méthotrexate, la sulfasalazine, le leflunomide, l'hydroxychloroquine, les sels d'or etc. Les tsDMARDs sont des médicaments qui ont été développés pour cibler une structure moléculaire particulière.
[0067] - biologiques (bDMARDs) qui comprennent les DMARDs biologiques originaux (boDMARDs) et biosimilaires (bsDMARDs). Les bsDMARDs sont ceux qui ont la même structure primaire, secondaire et tertiaire que le traitement biologique original (boDMARD) et possèdent une efficacité et une sécurité similaires à celles de la protéine originale.
[0068] On entend par « évènement indésirable », ou El, toute manifestation nocive survenant chez un patient, que cette manifestation soit liée ou non au traitement par biothérapie. Si cet évènement indésirable est considéré par le médecin comme ayant un lien de causalité scientifiquement raisonnable avec la procédure, la méthode, l’acte ou le traitement, il est qualifié d’effet indésirable. L’expression « lien de causalité scientifiquement raisonnable » signifie qu’il existe une preuve ou un argument permettant de suggérer, sur le plan scientifique, une relation de cause à effet entre la réaction nocive et non désirée observée et la procédure, la méthode, l’acte ou le traitement.
[0069] L’intensité des événements indésirables est évaluée par le médecin en s’aidant de la classification suivante, bien connue dans le domaine :
[0070] - intensité légère de grade 1 : événement indésirable généralement transitoire et sans retentissement sur les activités normales
[0071] - intensité modérée de grade 2 : événement indésirable suffisamment gênant pour retentir sur les activités normales
[0072] - intensité sévère de grade 3 : événement indésirable modifiant considérablement le cours normal des activités du sujet, ou invalidant, ou constituant une menace pour la vie du sujet.
[0073] Les grades de tous les évènements indésirables connus en fonction des pathologies sont répertoriés par le National Cancer Institute et accessible sur le site web du National Institutes of Health (Common Terminology Criteria for Adverse Events (CTCAE) ; https://safetyprofiler-ctep.nci.nih.gov/CTC/CTC.aspx). Les différents évènements indésirables liés à un traitement par biothérapie sont notamment classés dans le Résumé des Caractéristiques du Produit (RCP).
[0074] De manière préférée, le procédé selon l’invention permet d’estimer l’efficacité de traitement par un agent anti-ΤΝΡα qui est T Adalimumab chez un patient atteint de polyarthrite rhumatoïde et qui a été en réponse inadéquate à au moins un traitement antérieur par une biothérapie anti-ΤΝΡα. De manière encore plus préférée, le procédé selon l’invention permet d’estimer l’efficacité de traitement par un agent anti-ΤΝΡα chez un patient atteint de polyarthrite rhumatoïde qui a été en réponse inadéquate à au moins un traitement antérieur choisi parmi Etanercept, Abatacept, Infliximab, Tocilizumab, Rituximab, Certolizumab et Golimumab, et de préférence à un seul de ces traitements.
[0075] Selon l’invention, le procédé permet d’estimer l’efficacité de traitement par un agent anti-TNFa. Un tel agent peut être défini comme étant un agent qui est capable de bloquer, voire d’inhiber, directement ou indirectement, l’action du TNF alpha, en particulier en empêchant ou bloquant ou inhibant, directement ou indirectement, l’interaction entre le TNF alpha et son récepteur. Parmi ces agents, on peut notamment citer le bDMARD Adalimumab.
[0076] De manière particulièrement avantageuse, le procédé selon l’invention permet d’estimer l’efficacité de traitement par un agent anti-TNFa qui est T Adalimumab.
[0077] Tout échantillon biologique constitué d’un fluide biologique peut être utilisé dans le cadre de l’invention pour mesurer in vitro le niveau d’expression des biomarqueurs et combinaisons de biomarqueurs mentionnés ci-dessus, et parmi lesquels on peut notamment citer le liquide synovial, le sérum, le plasma, la salive, T urine, etc., de préférence le sérum.
[0078] Selon un mode de réalisation préféré, le niveau d’expression des biomarqueurs et combinaisons de biomarqueurs mentionnés ci-dessus est mesuré in vitro sur un échantillon de sérum issu du patient pour qui on cherche à estimer l’efficacité de traitement par un agent anti-TNFa qui est T Adalimumab.
[0079] De manière avantageuse, le procédé d’estimation de l’efficacité de traitement selon l’invention comprend à l’étape a) la mesure in vitro du niveau d’expression des biomarqueurs ou combinaisons de biomarqueurs protéiques.
[0080] Des modes de réalisation particulièrement préférés du procédé selon l’invention sont les suivants, chacun étant à appliquer aux combinaisons de biomarqueurs définies précédemment, à savoir au moins deux biomarqueurs choisis dans le groupe constitué de Alphal antitrypsine (A1AT), Béta-2-microglobuline (B2M), Sérum amyloïde A-2 (SAA2), Sélénoproteine P (SeleP), Eipopolysaccharide-Binding Protein (EBP), Complément C3 (C3), Apolipoprotéine C-III (APOC3), Sérum amyloïde A-l (SAA1), Platelet Factor 4 (PF4) et Cartilage Oligomeric Matrix Protein (COMP) :
- L’estimation de l’efficacité de traitement par TAdalimumab, chez un patient atteint de polyarthrite rhumatoïde ;
- L’estimation de l’efficacité de traitement par TAdalimumab, chez un patient atteint de polyarthrite rhumatoïde comprenant la mesure du niveau d’expression protéique d’au moins deux marqueurs choisis parmi les dix mentionnés dans la présente description ;
- L’estimation de l’efficacité de traitement par TAdalimumab, chez un patient atteint de polyarthrite rhumatoïde et qui a été en réponse inadéquate à au moins un traitement antérieur par une biothérapie choisie parmi Etanercept, Infliximab, Tocilizumab, Abatacept, Rituximab, Certolizumab et Golimumab, de préférence à un seul de ces traitements ;
- L’estimation de l’efficacité de traitement par l’Adalimumab, chez un patient atteint de polyarthrite rhumatoïde et qui a été en réponse inadéquate à au moins un traitement antérieur par une biothérapie choisie parmi Etanercept, Tocilizumab, Infliximab, Abatacept, Rituximab, Certolizumab et Golimumab, comprenant la mesure du niveau d’expression protéique d‘au moins deux marqueurs choisis parmi les dix mentionnés dans la présente description, de préférence à un seul de ces traitements ;
- L’estimation de l’efficacité de traitement par l’Adalimumab, chez un patient atteint de polyarthrite rhumatoïde et qui a été en réponse insuffisante à au moins un traitement antérieur par une biothérapie choisie parmi Etanercept, Infliximab, Tocilizumab, Abatacept, Rituximab, Certolizumab et Golimumab, de préférence à un seul de ces traitements ;
- L’estimation de l’efficacité de traitement par l’Adalimumab, chez un patient atteint de polyarthrite rhumatoïde et qui a été en réponse insuffisante à au moins un traitement antérieur par une biothérapie choisie parmi Etanercept, Tocilizumab, Infliximab, Abatacept, Rituximab, Certolizumab et Golimumab, comprenant la mesure du niveau d’expression protéique d’au moins deux marqueurs choisis parmi les dix mentionnés dans la présente description, de préférence à un seul de ces traitements.
[0081] A l’étape bl) du procédé d’estimation selon l’invention, le niveau d’expression des biomarqueurs ou combinaisons de biomarqueurs mesuré à l’étape a) décrite ci-dessus est comparé à celui mesuré dans une pluralité d’échantillons de patients atteints de polyarthrite rhumatoïde et ayant reçu un traitement par un agent anti-ΤΝΕα pour lequel l’efficacité de traitement est connue.
[0082] Cette comparaison est réalisée à l’aide d’un modèle d’apprentissage statistique en utilisant comme données d’entrées les niveaux d’expression d’au moins deux des biomarqueurs mesurés à l’étape a). Pour ce faire, n’importe quel modèle d’apprentissage statistique peut être utilisé, et notamment les modèles obtenus par des méthodes de régression logistique, d’analyse discriminante, de réseaux de neurones, d’apprentissage par arbres de décision, de machines à vecteurs supports (SVM), ou d’agrégation de modèles.
[0083] De manière préférée, dans le procédé d’estimation de l’efficacité de traitement par un agent anti-ΤΝΕα selon l’invention, les niveaux d’expression de chaque biomarqueur mesuré à l’étape a) sont utilisés pour obtenir un score relié à l’estimation de l’efficacité de ce traitement chez ledit patient, ledit score étant comparé avec au moins un seuil prédéterminé de sorte à classifier le pronostic parmi une pluralité de classes. Dans ce mode de réalisation, on peut notamment utiliser une pluralité de classes qui comprend au moins deux classes dont une classe de non réponse au traitement par ledit agent anti-TNFa. Les deux classes peuvent par exemple être issues des patients dits « non répondeurs », qui présentent une réponse insuffisante au traitement et des patients dits « répondeurs » qui présentent une réponse suffisante au traitement. Toujours dans ce mode de réalisation, l’estimation de l’efficacité de traitement chez le patient atteint de polyarthrite rhumatoïde et qui a été en réponse inadéquate à au moins un traitement antérieur par biothérapie comprend la comparaison dudit score avec un seuil prédéterminé au-dessous duquel une mauvaise efficacité est prédite et au-dessus duquel une bonne efficacité est prédite.
[0084] De manière préférée, le procédé d’estimation de l’efficacité de traitement par un agent anti-TNFa selon l’invention utilise à l’étape bl) un modèle d’apprentissage basé sur une analyse préalable d'échantillons d'une cohorte comprenant des patients traités par ledit agent anti-TNFa présentant des bonnes réponses au traitement et des patients traités par ledit agent anti-TNFa présentant des mauvaises réponses au traitement. Dans ce mode de réalisation, le modèle d’apprentissage est de préférence basé sur une analyse préalable qui comprend l'application d'une méthode d’apprentissage et de sélection de variables. De manière avantageuse, on utilisera la régression logistique en tant que méthode d’apprentissage et de sélection de variables.
[0085] Toujours dans ce mode de réalisation basé sur une analyse préalable qui comprend l'application d'une méthode d’apprentissage et de sélection de variables, les niveaux d’expression des biomarqueurs ou combinaisons de biomarqueurs mesurés à l’étape a) sont pondérés en fonction de l'analyse préalable de la cohorte comprenant des patients traités par ledit agent anti-TNFa présentant des bonnes réponses au traitement et des patients traités par ledit agent anti-TNFa présentant des mauvaises réponses au traitement pour dériver le score relié à l’estimation de l’efficacité de traitement.
[0086] Toujours dans ce mode de réalisation basé sur une analyse préalable qui comprend l'application d'une méthode d’apprentissage et de sélection de variables, le procédé d’estimation de l’efficacité de traitement selon l’invention peut utiliser une méthode d’apprentissage par arbre de décision. Selon ce mode de réalisation, les niveaux d’expression des biomarqueurs ou combinaisons de biomarqueurs mesurés à l’étape a) sont comparés à une valeur de référence à chaque nœud de l’arbre.
[0087] Les valeurs de référence peuvent être obtenues par l’analyse du niveau d’expression des biomarqueurs ou combinaisons de biomarqueurs dans des échantillons biologiques d’un ensemble de patients atteints de polyarthrite rhumatoïde avant traitement de manière à disposer d’un ensemble de données sur les niveaux d’expression des biomarqueurs associés à chaque échantillon biologique de chaque patient.
[0088] Ces valeurs de référence peuvent évoluer au cours du temps en fonction des résultats obtenus avec d’autres patients qui viennent compléter le nombre de résultats servant à définir la valeur seuil.
[0089] Selon un deuxième aspect, l’invention concerne également un système d’estimation de l’efficacité de traitement par un agent anti-TNFa chez un patient atteint de polyarthrite rhumatoïde et qui a été en réponse inadéquate à au moins un traitement antérieur par biothérapie, ledit système comprenant :
[0090] - des moyens de mesure ou de réception des données de mesure du niveau d’expression d’au moins deux biomarqueurs choisis dans un groupe constitué de : Alphal antitrypsine (A1AT), Béta-2-microglobuline (B2M), Sérum amyloïde A-2 (SAA2), Sélénoproteine P (SeleP), Lipopolysaccharide-Binding Protein (LBP), Complément C3 (C3), Apolipoprotéine C-III (APOC3), Sérum amyloïde A-l (SAA1), Platelet Factor 4 (PF4) et Cartilage Oligomeric Matrix Protein (COMP), dans un échantillon biologique issu dudit patient,
[0091] - des moyens de traitement de données de mesure configurés pour estimer ladite efficacité de traitement chez ledit patient en fonction de chaque niveau d’expression mesuré pour un biomarqueur choisi dans ce groupe.
[0092] Parmi les moyens de mesure du niveau d’expression des biomarqueurs ou combinaisons de biomarqueurs choisis, on peut notamment citer des réactifs spécifiques de chacun des biomarqueurs tels que des enzymes, substrats ou anticorps qui peuvent être utilisés dans des méthodes, telles qu’entre autres la néphélométrie, la chimiluminescence, l’immunoturbidimétrie, la cytométrie en flux, l’ELISA, etc, mais également des moyens physiques tels que les méthodes d’analyse en spectrométrie de masse par exemple.
[0093] Le système selon l’invention peut par ailleurs contenir des moyens de réception des données de mesure, permettant ainsi d’estimer, pour ledit patient, l’efficacité de réponse au traitement par l’agent anti-TNFa, à partir de données fournies par exemple par un praticien ayant fait mesurer le niveau d’expression des biomarqueurs biologiques tels que décrits précédemment.
[0094] Les moyens de réception peuvent notamment comprendre des moyens d’émission/réception pour échanger avec un serveur distant par l’intermédiaire d’un réseau de communication tel qu’un réseau intranet ou le réseau internet sécurisé. Le dispositif peut également comprendre des moyens de saisie tels qu’un clavier.
[0095] Les moyens de traitement des données peuvent notamment faire appel à de la gestion de base de données, à des instructions de code, au développement d’un logiciel comprenant une brique algorithmique, à une interface pour permettre à l’utilisateur de consulter les résultats, etc. Ces différents éléments peuvent être enregistrés sur un support de stockage tel qu’un disque dur, un CD ROM, une clé USB, ou tout autre support de stockage connu de l’homme du métier.
[0096] Ils peuvent être mis en œuvre par un dispositif qui peut être fixe ou mobile. Le dispositif est par exemple un ordinateur personnel, un téléphone portable, une tablette électronique, ou tout autre type de terminal connu de l’homme du métier.
[0097] En variante, le système peut également comprendre des moyens d’émission pour transmettre, toujours via intranet ou internet par exemple, les résultats de l’estimation de l’efficacité du traitement chez le patient concerné.
[0098] Selon une autre variante avantageuse, le système selon l’invention comprend des moyens de réception des données d’efficacité obtenue, et ce afin de compléter et d’enrichir les valeurs de référence au vu du résultat de traitement obtenu au regard du niveau d’expression des biomarqueurs choisis.
Matériels & Méthodes
Développement du modèle prédictif
[0099] Le lien entre la réponse à la biothérapie, ou la rémission, et chaque variable est analysé au travers d’un modèle de régression logistique sur un jeu de données. La variable à expliquer est dans le premier cas la bonne réponse au cours de la première année de traitement, et dans le second la rémission au cours de la première année de traitement.
[0100] Tout d’abord, une pré-sélection des variables à inclure dans le modèle multivarié est réalisée. Pour cela, la capacité prédictive de chaque variable explicative est analysée individuellement. Les biomarqueurs sont analysés de façon quantitative et qualitative. Une méthode de sélection de variables est mise en place pour conserver uniquement les variables pertinentes qui seront ensuite introduites dans un modèle multivarié. Les biomarqueurs sont présélectionnés s’ils présentent :
• Sous forme quantitative, une p-value<0.20 ou un AUC > 0.60 • Sous forme qualitative, une p-value<0.05 et un AUC>0.65
[0101] Les critères choisis sont volontairement larges pour inclure les variables significatives, mais également les variables présentant des tendances dans le modèle multivarié.
[0102] Les biomarqueurs présélectionnés présentent des tendances pertinentes à analyser. Les modèles multivariés avec les différentes combinaisons possibles de ces biomarqueurs sont construits, et les AUC calculés. Les modèles présentant un AUC>0.70 sont considérés comme pertinents et sont conservés.
[0103] Les modèles ainsi construits permettent de pondérer les résultats de dosage de chacun des biomarqueurs spécifiques pour obtenir une probabilité de réponse ou de rémission. Les coefficients de chaque modèle permettent de calculer à partir des valeurs de dosage de chaque patient une probabilité de réponse, ou de rémission, associée. Les caractéristiques de performance (AUC (aire sous la courbe), sensibilité et spécificité, VPP (valeur prédictive positive) et VPN (valeur prédictive négative)) de chaque modèle sont calculées pour définir sa pertinence.
[0104] Un AUC > 0.70 est considéré comme une discrimination acceptable, un AUC > 0.80 démontre une très bonne capacité de discrimination. Un niveau de probabilité seuil est fixé pour calculer la spécificité et la sensibilité. Ce seuil optimal est déterminé en se basant sur l’indice de Youden. A ce seuil, les patients peuvent être classifiés en fonction du tableau 1 suivant : [Tableaux 1]
î | Répondeur | Non répondeur |
| Test positif .(proba > seuil) j Test négatif (proba «seuil) | VP FN | FP VN |
• VP (vrais positifs) représente le nombre d'individus répondeurs avec un test positif, • FP (faux positifs) représente le nombre d'individus non répondeurs avec un test positif, • FN (faux négatifs) représente le nombre d'individus répondeurs avec un test négatif, • VN (vrais négatifs) représente le nombre d'individus non répondeurs avec un test négatif.
[0105] La sensibilité, ou la probabilité que le test soit positif si le patient est répondeur, se mesure chez les malades seulement. Elle est donnée par :
[0106] [Math.l] ,,, yp.._.
VP + FN
[0107] La spécificité se mesure chez les non-malades seulement. La spécificité, ou la probabilité d'obtenir un test négatif chez les non-répondeurs est donné par :
[0108] [Math.2] , , VN „
VN + FP
[0109] La sensibilité du test mesure sa capacité à donner un résultat positif lorsque le patient est répondeur. La spécificité mesure la capacité du test à donner un résultat négatif lorsque le patient est non répondeur.
[0110] La valeur prédictive positive (VPP) est la probabilité que le patient soit répondeur lorsque le test est positif.
[OUI] [Math.3]
VPP = VF+TP
[0112] La valeur prédictive négative (VPN) est la probabilité que le patient ne soit pas répondeur lorsque le test est négatif.
[0113] [Math.4] vpN = VTT+TN
Résultats :
[0114] Sur une cohorte d’apprentissage constituée de 54 patients atteints de PR), les modèles construits présentent les caractéristiques présentées dans le tableau 2 ci-dessous qui présente les combinaisons de 2 ou 3 biomarqueurs avec les AUC>0.75. Toutes les combinaisons incluant au moins 2 des 10 biomarqueurs parmi A1AT, B2M, SAA2, SeleP, LBP, C3, APOC3, SAA1, PF4, COMP apportent des résultats pertinents :
[Tableaux!]
A1ÂT | Β2Μ | SAA2 | SeleP | LBP | eo Ο | Ο Ο 0. < | SAA1 | PF4 | C0MP | AUC réponse | AUC rémission | |
3 .. | X | X | X | 0,86 | 8,07 | |||||||
X. | X | X | 0,85 | 8,87 | ||||||||
X | X | X | 0,83 | 0,83 | ||||||||
X | X | X | 0,84 | 0.87 | ||||||||
X | X | ,χ | 8,87 | S.S2 | ||||||||
X | X | X | 0,87 | 0,82 | ||||||||
X | X | X | 0,85 | 8.84 | ||||||||
X | X | X | 0,84· | 0.85 | ||||||||
X | X | X | 8,84 | 0.8·5 | ||||||||
X | X | X | 0,83 | 0,86 | ||||||||
X | X | X | 381 | 0 88 | ||||||||
X | X | X | 3 81 | 0 87 | ||||||||
X | X | X | 8,84 | 0.64 | ||||||||
X | X | X | 0,84 | 0.84 | ||||||||
X | χ | X | 0,83 | 0 S5 | ||||||||
X | X | X | 0,83 : | 0 84 | ||||||||
X | X | X | 8,82: | 0,85 | ||||||||
X | X | X | 0,8 | 0,86 | ||||||||
X | X. | X | 0,82 | 0 84 | ||||||||
X | X | X | 8,82. | 0 84 | ||||||||
X | X | X | 8,82 | » <4 | ||||||||
X | X | X | 0,88 | 0,73 | ||||||||
χ | χ; | X | 0,78 | 0.87 | ||||||||
X | X | X | 0,77 | 0 88 | ||||||||
X. | X | X | 8,84 | 0,8 | ||||||||
X | X | X | 0,81 | 0,83 | ||||||||
X | X | X | 8,8 | 0 34 | ||||||||
X | X | X | 0,78 | 0 86 | ||||||||
X | X | X | 0,77 | 0,87 | ||||||||
x | X | X | 0,82. | 0,82 | ||||||||
X | •·Χ | X | 0,84 | 0.79 | ||||||||
X | X | X | 8,82. | 0,81 | ||||||||
X | X | X | 8,82 | 0,81 | ||||||||
X | X | X | 0,82 | 0,81 | ||||||||
χ | X | X | 0,82 | 0.81 | ||||||||
X | χ : | X | 0,81 | 0.82 | ||||||||
X | X | X | 0.84 | |||||||||
X | X | X | 0,77 | 0.8& | ||||||||
χ· | X | X . | 0,76 | 0.87 | ||||||||
X | X | X | 0,76 | ι) 87 |
X | X | X | 075 | 0,88 | ||||||||
X | X | X | 0,84 | 0,78 | ||||||||
X | X | X | 0,82 | 0,8 | ||||||||
X | X | X | 0,82. | 5:θ | ||||||||
X | X | X | 0,81 | 0,81 | ||||||||
X | X | X. | 0,81 | 0,81 | ||||||||
X | X | X | 0,79 | 0,83 | ||||||||
x | X | X | 078 | 0,84 | ||||||||
X | X | X | 077 | 0 85 | ||||||||
x | X | X | 077 | 0,85 | ||||||||
X | X | X | 077 ) | 0,85 | ||||||||
X | X | X | 0,81 | 0,8 | ||||||||
X | X | X | 0,8 | 0,81 | ||||||||
X | X | X | 0.86 | 6,75 | ||||||||
X | X | X | 0,78 | 0,83 | ||||||||
X | X | X | 076 | 0,85 | ||||||||
X | X | X | 0,8 | 0,8 | ||||||||
X | X | X | 0,8 | 0,8 | ||||||||
X | X | X | 0,79 | 0,81 | ||||||||
X | X | X | 0,78 | 0,82 | ||||||||
X | X | X. | 078 | 0,82 | ||||||||
X | X | X | 0,77 | 0,83 | ||||||||
x | X | X | 0,77 | 0,83 | ||||||||
X | X | X | 0,81 | 0,78 | ||||||||
X | X. | X | 0,8 | 0,79 | ||||||||
X | X | X | 0,77 | 0,82 | ||||||||
X | X | X | 0,77 | 6,82 | ||||||||
X | X | X | 0,77 | 0,82 | ||||||||
X | X | X | 0,76 | 6,83 | ||||||||
X | X | X | 0,76 | 6,83 | ||||||||
X | X | X | 0,81 | 8,77 | ||||||||
X | X | X | 0,79 | 0,79 | ||||||||
X | X | X | 0,76 | 0,82 | ||||||||
X | X | X | 0,76 | 0,82 | ||||||||
X | X | X | 0,76 | 0,82 | ||||||||
X | X | X | 0,8 | 0,77 | ||||||||
X | X | X | 0,79 | 0,78 | ||||||||
X | X | X | 0,79 | 0,78 | ||||||||
X | X | X | 0,77 | 0.8 | ||||||||
X | X | X | 0,77 | 0,8 | ||||||||
X | X | X | 0,77 | 0,8 | ||||||||
X | X | X | 0,76 | 0,81 | ||||||||
X | X | X | 0,76 | 0,81 |
X' | X | X | 0,77 | 0,79 | ||||||||
X | X | X | 0,77 | 0,79 | ||||||||
X | X | X | 0,77 | 0,79 | ||||||||
X | X | X | 0,77 | 0,79 | ||||||||
..x: | X | X | Û 79 | 0,76 | ||||||||
X | X | X | 0..78 | 0,77 | ||||||||
X | X | X | 0.77 | 0,78 | ||||||||
x: | X | X | 0,79 | 0.75 | ||||||||
X | X | X | 0 75 | 0,79 | ||||||||
•X' | X | χ | 0 75 | 0,79 | ||||||||
X | X | X | 0,76 | 0,75 | ||||||||
2 | X | X | 9,8 | 0,83 | ||||||||
x | x | 0,81 | 0,78 | |||||||||
X | X | 0,81 | 0,78 | |||||||||
X | X | 9,8 | 0,75 | |||||||||
X | X | 0,76 | 0,79 | |||||||||
X | X | 0,75 | 0,77 |
[0115] En prenant par exemple le modèle à 3 variables A1AT, B2M et SeleP, les caractéristiques obtenues sont présentées dans le tableau 3 ci-dessous.
[Tableaux3]
Modèle à 3 variables ; A1AT, B2M et SeleP, | ||
Réponse | Rémission | |
AUC | 0.85 | 0.87 |
Sensibilité | 0.80 | 0.67 |
Spécificité | 0.75 | 0.89 |
VPP. | 0.70 | 0.75 |
VPN | 02 | 0.84 |
[0116] Les courbes ROC correspondantes sont représentées dans les figures 1 et 2 annexées.
Liste des documents cités
[0117] Blaschke, S., Rinke, K., Maring, M., Elad, T., Patschan, S., Jahn, 0., Mueller, C.A., Mueller, G.A., and Dihazi, H. (2015). Haptoglobin-αΐ, -a2, vitamin D-binding protein and apolipoprotein C-III as predictors of etanercept drug response in rheumatoid arthritis. Arthritis Res. Ther. 77.
[0118] Burk, R.L., and Hill, K.E. (2009). Selenoprotein P - Expression, Eunctions, and Roles in Mammals. Biochim. Biophys. Acta 1790, 1441-1447.
[0119] Cantatore, E.P., Acquista, C.A., and Pipitone, V. (1999). Evaluation of bone turnover and osteoclastic cytokines in early rheumatoid arthritis treated with alendronate. J. Rheumatol. 26, 2318-2323.
[0120] Chang, X., Zhao, Y., Wang, Y., Chen, Y., and Yan, X. (2013). Screening citrullinated proteins in synovial tissues of rheumatoid arthritis using 2-dimensional western blotting. J. Rheumatol. 40, 219-227.
[0121] Charles-Schoeman, C., Gugiu, G.B., Ge, H., Shahbazian, A., Lee, Y.Y., Wang, X., Furst, D.E., Ranganath, V.K., Maldonado, M., Lee, T., et al. (2018). Remodeling of the HDL proteome with treatment response to abatacept or adalimumab in the AMPLE trial of patients with rheumatoid arthritis. Atherosclerosis 275, 107-114.
[0122] Conigliaro, P., Triggianese, P., Chimenti, M.S., Lucchetti, R., Kroegler, B., and Perricone, R. (2016). Serological markers associated with disease activity in patients with rheumatoid arthritis treated with rituximab. J. Int. Med. Res. 44, 53-57.
[0123] Connolly, M., Mullan, R.H., McCormick, J., Matthews, C., Sullivan, 0., Kennedy, A., FitzGerald, 0., Poole, A.R., Bresnihan, B., Veale, D.J., et al. (2012). Acute-phase serum amyloid A regulates tumor necrosis factor a and matrix turnover and predicts disease progression in patients with inflammatory arthritis before and after biologic therapy. Arthritis Rheum. 64, 1035-1045.
[0124] Cox, D.W., and Huber, O. (1976). Rheumatoid arthritis and alpha-1-antitrypsin. Lancet Lond. Engl. 1, 1216-1217.
[0125] Crnkic, M., Mânsson, B., Larsson, L., Geborek, P., Heinegârd, D., and Saxne, T. (2003). Serum cartilage oligomeric matrix protein (COMP) decreases in rheumatoid arthritis patients treated with infliximab or etanercept. Arthritis Res. Ther. 5, R181-185.
[0126] Cylwik, B., Chrostek, L., Gindzienska-Sieskiewicz, E., Sierakowski, S., and Szmitkowski, M. (2010). Relationship between serum acute-phase proteins and high disease activity in patients with rheumatoid arthritis. Adv. Med. Sci. 55, 80-85.
[0127] Gabay, C., Mclnnes, I.B., Kavanaugh, A., Tuckwell, K., Klearman, M., Pulley, J., and Sattar, N. (2016). Comparison of lipid and lipid-associated cardiovascular risk marker changes after treatment with tocilizumab or adalimumab in patients with rheumatoid arthritis. Ann. Rheum. Dis. 75, 1806-1812.
[0128] Harrold, L.R., Reed, G.W., Kremer, J.M., Curtis, J.R., Solomon, D.H., Hochberg, M.C., and Greenberg, J.D. (2015). The comparative effectiveness of abatacept versus anti-tumour necrosis factor switching for rheumatoid arthritis patients previously treated with an anti-tumour necrosis factor. Ann. Rheum. Dis. 74, 430-436.
[0129] Hwang, Y.G., Balasubramani, G.K., Metes, I.D., Levesque, M.C., Bridges, S.L., and Moreland, L.W. (2016). Differential response of serum amyloid A to different therapies in early rheumatoid arthritis and its potential value as a disease activity biomarker. Arthritis Res. Ther. 18.
[0130] Kawashiri, S.-Y., Kawakami, A., Ueki, Y., Imazato, T., Iwamoto, N., Fujikawa, K., Aramaki, T., Tamai, M., Nakamura, H., Origuchi, T., et al. (2010). Decrement of serum cartilage oligomeric matrix protein (COMP) in rheumatoid arthritis (RA) patients achieving remission after 6 months of etanercept treatment: comparison with CRP, IgM-RF, MMP-3 and anti-CCP Ab. Jt. Bone Spine Rev. Rhum. 77, 418-420.
[0131] Kim, D., Mun, S., Lee, J., Park, A., Seok, A., Chun, Y.-T., and Kang, H.-G. (2018a). Proteomics analysis reveals differential pattern of widespread protein expression and novel role of histidine-rich glycoprotein and lipopolysaccharide-binding protein in rheumatoid arthritis. Int. J. Biol. Macromol. 109, 704-710.
[0132] Kim, M., Cai, Q., and Oh, Y. (2018b). Therapeutic potential of alpha-1 antitrypsin in human disease. Ann. Pediatr. Endocrinol. Metab. 23, 131-135.
[0133] Krintel, S.B., Palermo, G., Johansen, J.S., Germer, S., Essioux, L., Benayed, R., Badi, L., Ostergaard, M., and Hetland, M.L. (2012). Investigation of single nucleotide polymorphisms and biological pathways associated with response to TNFa inhibitors in patients with rheumatoid arthritis. Pharmacogenet. Genomics 22, 577-589.
[0134] Li, L., Dong, M., and Wang, X.-G. (2016). The Implication and Significance of Beta 2 Microglobulin: A Conservative Multifunctional Regulator. Chin. Med. J. (Engl.) 129, 448-455.
[0135] Nguyen, M.V.C., Baillet, A., Romand, X., Trocmé, C., Courtier, A., Marotte, H., Thomas, T., Soubrier, M., Miossec, P., Tébib, J., et al. (2018). Prealbumin, platelet factor 4 and S100A12 combination at baseline predicts good response to TNF alpha inhibitors in Rheumatoid Arthritis. Jt. Bone Spine Rev. Rhum.
[0136] Norata, G.D., Tsimikas, S., Pirillo, A., and Catapano, A.L. (2015). Apolipoprotein ΕΠΙ: From Pathophysiology to Pharmacology. Trends Pharmacol. Sci. 36, 675-687.
[0137] Ohyama, K., Ueki, Y., Kawakami, A., Kishikawa, N., Tamai, M., Osaki, M., Kamihira, S., Nakashima, K., and Kuroda, N. (2011). Immune complexome analysis of serum and its application in screening for immune complex antigens in rheumatoid arthritis. Clin. Chem. 57, 905-909.
[0138] Prevoo, M.L., van’t Hof, M.A., Kuper, H.H., van Leeuwen, M.A., van de Putte, L.B., and van Riel, P.L. (1995). Modified disease activity scores that include twentyeight-joint counts. Development and validation in a prospective longitudinal study of patients with rheumatoid arthritis. Arthritis Rheum. 38, 44-48.
[0139] Prucha, M., Herold, I., Zazula, R., Dubska, L., Dostal, M., Hildebrand, T., and Hyanek, J. (2003). Significance of lipopolysaccharide-binding protein (an acute phase protein) in monitoring critically ill patients. Crit. Care Lond. Engl. 7, R154-159.
[0140] Rendas-Baum, R., Wallenstein, G.V., Koncz, T., Kosinski, M., Yang, M., Bradley, J., and Zwillich, S.H. (2011). Evaluating the efficacy of sequential biologic therapies for rheumatoid arthritis patients with an inadequate response to tumor necrosis factor-a inhibitors. Arthritis Res. Ther. 13, R25.
[0141] Ricklin, D., and Lambris, J.D. (2013). Complement in immune and inflammatory disorders: therapeutic interventions. J. Immunol. Baltim. Md 1950 190, 3839-3847.
[0142] Romano, C., Del Mastro, A., Sellitto, A., Solaro, E., Esposito, S., and Cuomo, G. (2018). Tocilizumab reduces complement C3 and C4 serum levels in rheumatoid arthritis patients. Clin. Rheumatol. 37, 1695-1700.
[0143] Schumann, R.R., Leong, S.R., Elaggs, G.W., Gray, P.W., Wright, S.D., Mathison, J.C., Tobias, P.S., and Ulevitch, R.J. (1990). Structure and function of lipopolysaccharide binding protein. Science 249, 1429-1431.
[0144] Skoumal, M., Kolarz, G., and Klingler, A. (2003). Serum levels of cartilage oligomeric matrix protein. A predicting factor and a valuable parameter for disease management in rheumatoid arthritis. Scand. J. Rheumatol. 32, 156-161.
[0145] Smolen, J.S., Landewé, R., Bijlsma, J., Burmester, G., Chatzidionysiou, K., Dougados, M., Nam, J., Ramiro, S., Voshaar, M., van Vollenhoven, R., et al. (2017). EULAR recommendations for the management of rheumatoid arthritis with synthetic and biological disease-modifying antirheumatic drugs: 2016 update. Ann. Rheum. Dis. 76, 960-977.
[0146] Souto, A., Maneiro, J.R., and Gômez-Reino, J.J. (2016). Rate of discontinuation and drug survival of biologic therapies in rheumatoid arthritis: a systematic review and meta-analysis of drug registries and health care databases. Rheumatol. Oxf. Engl. 55, 523-534.
[0147] Takeuchi, T., Nakanishi, T., Tabushi, Y., Hata, A., Shoda, T., Kotani, T., Shimizu, A., Takubo, T., Makino, S., and Hanafusa, T. (2007). Serum protein profile of rheumatoid arthritis treated with anti-TNE therapy (infliximab). J. Chromatogr. B Analyt. Technol. Biomed. Life. Sci. 855, 66-70.
[0148] Trocmé, C., Marotte, H., Baillet, A., Pallot-Prades, B., Garin, J., Grange, L., Miossec, P., Tebib, J., Berger, L., Nissen, M.J., et al. (2009). Apolipoprotein A-I and platelet factor 4 are biomarkers for infliximab response in rheumatoid arthritis. Ann. Rheum. Dis. 68, 1328-1333.
[0149] Visvanathan, S., Wagner, C., Rojas, J., Kay, J., Dasgupta, B., Matteson, E.L., Mack, M., Baker, D.G., and Rahman, M.U. (2009). E-selectin, interleukin 18, serum amyloid a, and matrix metalloproteinase 9 are associated with clinical response to golimumab plus methotrexate in patients with active rheumatoid arthritis despite methotrexate therapy. J. Rheumatol. 36, 1371-1379.
[0150] Xu, Y., Yamada, T., Satoh, T., and Okuda, Y. (2005). Measurement of serum amyloid Al (SAA1), a major isotype of acute phase SAA. Clin. Chem. Lab. Med. CCLM 44, 59-63.
[0151] Yeo, L., Adlard, N., Biehl, M., Juarez, M., Smallie, T., Snow, M., Buckley, C.D., Raza, K., Eiler, A., and Scheel-Toellner, D. (2016). Expression of chemokines CXCL4 and CXCL7 by synovial macrophages defines an early stage of rheumatoid arthritis.
Ann. Rheum. Dis. 75, 763-771.
Claims (1)
-
Revendications [Revendication 1] Procédé d’estimation de l’efficacité de traitement par un agent antiTNFa chez un patient atteint de polyarthrite rhumatoïde et qui a été en réponse inadéquate à au moins un traitement antérieur par biothérapie, ledit procédé comprenant : a) la mesure in vitro du niveau d’expression d’au moins deux biomarqueurs choisis dans le groupe constitué de : Alphal antitrypsine (A1AT), Béta-2-microglobuline (B2M), Sérum amyloïde A-2 (SAA2), Sélénoproteine P (SeleP), LipopolysaccharideBinding Protein (LBP), Complément C3 (C3), Apolipoprotéine C-III (AP0C3), Sérum amyloïde A-l (SAA1), Platelet Factor 4 (PF4) et Cartilage Oligomeric Matrix Protein (COMP), dans un échantillon biologique issu dudit patient, b) l’estimation de ladite efficacité de traitement par ledit agent antiTNFa chez ledit patient en fonction de chaque niveau d’expression mesuré pour un biomarqueur choisi dans ledit groupe. [Revendication 2] Procédé d’estimation de l’efficacité de traitement par un agent antiTNFa selon la revendication 1, caractérisé en ce que l’étape b) comprend : bl) la comparaison du niveau d’expression mesuré à l’étape a) par rapport à celui mesuré dans une pluralité d’échantillons de patients atteints de polyarthrite rhumatoïde et ayant reçu un traitement par ledit agent anti-TNFa pour lequel l’efficacité de traitement est connue ; ladite comparaison étant réalisée à l’aide d’un modèle d’apprentissage statistique en utilisant comme données d’entrées les niveaux d’expression d’au moins deux des biomarqueurs mesurés à l’étape a), b2) l’estimation de ladite efficacité de traitement par ledit agent antiTNFa chez ledit patient en fonction des résultats déterminés par le modèle défini à l’étape bl). [Revendication 3] Procédé d’estimation de l’efficacité de traitement par un agent antiTNFa selon l’une quelconque des revendications 1 ou 2, caractérisé en ce que les niveaux d’expression de chaque biomarqueur mesuré à l’étape a) sont utilisés pour obtenir un score relié à l’estimation de l’efficacité de traitement chez ledit patient, ledit score étant comparé avec au moins un seuil prédéterminé de sorte à classifier le pronostic parmi une pluralité de classes. [Revendication 4] Procédé d’estimation de l’efficacité de traitement par un agent anti- TNFa selon la revendication 3, caractérisé en ce que ladite pluralité de classe comprend au moins deux classes dont une classe de non réponse au traitement par ledit agent anti-TNFa. [Revendication 5] Procédé d’estimation de l’efficacité de traitement par un agent antiTNFa selon l’une quelconque des revendications 3 à 4, caractérisé en ce que l’estimation de ladite efficacité de traitement chez ledit patient comprend la comparaison dudit score avec un seuil prédéterminé audessous duquel une mauvaise efficacité est prédite et au-dessus duquel une bonne efficacité est prédite. [Revendication 6] Procédé d’estimation de l’efficacité de traitement par un agent antiTNFa selon l’une quelconque des revendications 2 à 5, dans lequel le modèle d’apprentissage est basé sur une analyse préalable d'échantillons d'une cohorte comprenant des patients traités par ledit agent anti-TNFa présentant des bonnes réponses au traitement et des patients traités par ledit agent anti-TNFa présentant des mauvaises réponses au traitement. [Revendication 7] Procédé d’estimation de l’efficacité de traitement par un agent antiTNFa selon la revendication 6, dans lequel ladite analyse préalable comprend l'application d'une méthode d’apprentissage et de sélection de variables. [Revendication 8] Procédé d’estimation de l’efficacité de traitement par un agent antiTNFa selon la revendication 7, dans lequel ladite méthode d’apprentissage et de sélection de variables est la régression logistique. [Revendication 9] Procédé d’estimation de l’efficacité de traitement par un agent antiTNFa selon l’une quelconque des revendications 6 à 8, dans lequel lesdits niveaux d'expression sont pondérés en fonction de l'analyse préalable de ladite cohorte pour dériver ledit score. [Revendication 10] Procédé d’estimation de l’efficacité de traitement par un agent antiTNFa selon l’une quelconque des revendications 7 à 9, dans lequel ladite méthode d’apprentissage comprend un arbre de décision dans lequel chaque nœud correspond à une comparaison du niveau d’expression mesuré à l’étape a) à une valeur de référence. [Revendication 11] Procédé d’estimation de l’efficacité de traitement par un agent antiTNFa selon l’une quelconque des revendications précédentes, caractérisé en ce que ledit agent est capable de bloquer, voire d’inhiber, directement ou indirectement, l’action du TNFa, en particulier en empêchant ou bloquant ou inhibant, directement ou indirectement, l’interaction entre le TNFa et son récepteur, et de préférence ledit agent est TAdalimumab. [Revendication 12] Procédé d’estimation de l’efficacité de traitement par un agent antiTNFa selon l’une quelconque des revendications précédentes, caractérisé en ce que ledit patient a été en réponse inadéquate à au moins un traitement antérieur choisi parmi Etanercept, Abatacept, Infliximab, Tocilizumab, Rituximab, Certolizumab et Golimumab. [Revendication 13] Procédé d’estimation de l’efficacité de traitement par un agent antiTNFa selon l’une quelconque des revendications précédentes, caractérisé en ce que l’échantillon biologique est constitué d’un échantillon de fluide biologique, et de préférence le sérum. [Revendication 14] Procédé d’estimation de l’efficacité de traitement par un agent antiTNFa selon l’une quelconque des revendications précédentes, caractérisé en ce que le ou les biomarqueurs dont le niveau d’expression est mesuré à l’étape a) est un/sont des biomarqueur(s) protéique(s). [Revendication 15] Système d’estimation de l’efficacité de traitement par un agent antiTNFa chez un patient atteint de polyarthrite rhumatoïde et qui a été en réponse inadéquate à au moins un traitement antérieur par biothérapie, ledit système comprenant : - des moyens de mesure ou de réception des données de mesure du niveau d’expression d’au moins deux biomarqueurs choisis dans un groupe constitué de : Alphal antitrypsine (A1AT), Béta-2-microglobuline (B2M), Sérum amyloïde A-2 (SAA2), Sélénoproteine P (SeleP), LipopolysaccharideBinding Protein (LBP), Complément C3 (C3), Apolipoprotéine C-III (AP0C3), Sérum amyloïde A-l (SAA1), Platelet Factor 4 (PF4) et Cartilage Oligomeric Matrix Protein (COMP), dans un échantillon biologique issu dudit patient, - des moyens de traitement de données de mesure configurés pour estimer ladite efficacité de traitement chez ledit patient en fonction de chaque niveau d’expression mesuré pour un biomarqueur choisi dans ce groupe. 1/1
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1873333A FR3090884B1 (fr) | 2018-12-19 | 2018-12-19 | Procede d’estimation de l’efficacite de traitement par un agent anti-tnf alpha chez un patient atteint de polyarthrite rhumatoide et en reponse inadequate a au moins une biotherapie |
US17/415,266 US20220057382A1 (en) | 2018-12-19 | 2019-12-18 | Method for estimating the effectiveness of a treatment by an anti-tnf alpha agent in a patient suffering from rheumatoid arthritis and having an inadequate response to at least one biotherapy |
PCT/FR2019/053166 WO2020128335A1 (fr) | 2018-12-19 | 2019-12-18 | Procede d'estimation de l'efficacite de traitement par un agent anti-tnf alpha chez un patient atteint de polyarthrite rhumatoïde et en reponse inadequate a au moins une biotherapie |
EP19850812.9A EP3899958A1 (fr) | 2018-12-19 | 2019-12-18 | Procede d'estimation de l'efficacite de traitement par un agent anti-tnf alpha chez un patient atteint de polyarthrite rhumatoïde et en reponse inadequate a au moins une biotherapie |
JP2021535124A JP2022515106A (ja) | 2018-12-19 | 2019-12-18 | 関節リウマチに罹患しており、かつ、少なくとも1つの生物学的療法に対して不適切な応答を示した患者における抗tnfアルファ剤による治療の有効性の推定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1873333A FR3090884B1 (fr) | 2018-12-19 | 2018-12-19 | Procede d’estimation de l’efficacite de traitement par un agent anti-tnf alpha chez un patient atteint de polyarthrite rhumatoide et en reponse inadequate a au moins une biotherapie |
Publications (2)
Publication Number | Publication Date |
---|---|
FR3090884A1 true FR3090884A1 (fr) | 2020-06-26 |
FR3090884B1 FR3090884B1 (fr) | 2021-01-08 |
Family
ID=66530262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR1873333A Expired - Fee Related FR3090884B1 (fr) | 2018-12-19 | 2018-12-19 | Procede d’estimation de l’efficacite de traitement par un agent anti-tnf alpha chez un patient atteint de polyarthrite rhumatoide et en reponse inadequate a au moins une biotherapie |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220057382A1 (fr) |
EP (1) | EP3899958A1 (fr) |
JP (1) | JP2022515106A (fr) |
FR (1) | FR3090884B1 (fr) |
WO (1) | WO2020128335A1 (fr) |
-
2018
- 2018-12-19 FR FR1873333A patent/FR3090884B1/fr not_active Expired - Fee Related
-
2019
- 2019-12-18 US US17/415,266 patent/US20220057382A1/en active Pending
- 2019-12-18 JP JP2021535124A patent/JP2022515106A/ja active Pending
- 2019-12-18 EP EP19850812.9A patent/EP3899958A1/fr not_active Withdrawn
- 2019-12-18 WO PCT/FR2019/053166 patent/WO2020128335A1/fr unknown
Non-Patent Citations (42)
Title |
---|
B CYLWIK ET AL: "Relationship between serum acute-phase proteins and high disease activity in patients with rheumatoid arthritis", ADVANCES IN MEDICAL SCIENCES, vol. 55, no. 1, 1 January 2010 (2010-01-01), PL, pages 80 - 85, XP055623098, ISSN: 1896-1126, DOI: 10.2478/v10039-010-0006-7 * |
BLASCHKE, S.RINKE, K.MARING, M.FLAD, T.PATSCHAN, S.JAHN, O.MUELLER, C.A.MUELLER, G.A.DIHAZI, H: "Haptoglobin-al, -a2, vitamin D-binding protein and apolipoprotein C-111 as predictors of etanercept drug response in rheumatoid arthritis", ARTHRITIS RES. THER., 2015, pages 17 |
BURK, R.F.HILL, K.E.: "Selenoprotein P - Expression, Functions, and Roles in Mammals", BIOCHIM. BIOPHYS. ACTA, vol. 1790, 2009, pages 1441 - 1447, XP026688174, DOI: doi:10.1016/j.bbagen.2009.03.026 |
C TROCME ET AL: "Apolipoprotein A-I and platelet factor 4 are biomarkers for infliximab response in rheumatoid arthritis", ANNALS OF THE RHEUMATIC DISEASES, vol. 68, no. 8, 29 July 2008 (2008-07-29), pages 1328 - 1333, XP055021751, ISSN: 0003-4967, DOI: 10.1136/ard.2008.093153 * |
CANTATORE, F.P.ACQUISTA, C.A.PIPITONE, V.: "Evaluation of bone turnover and osteoclastic cytokines in early rheumatoid arthritis treated with alendronate", J. RHEUMATOL., vol. 26, 1999, pages 2318 - 2323 |
CHANG, X.ZHAO, Y.WANG, Y.CHEN, Y.YAN, X.: "Screening ci-trullinated proteins in synovial tissues of rheumatoid arthritis using 2-dimensional western blotting", J. RHEUMATOL., vol. 40, 2013, pages 219 - 227, XP009174066, DOI: doi:10.3899/jrheum.120751 |
CHARLES-SCHOEMAN, C.GUGIU, G.B.GE, H.SHAHBAZIAN, A.LEE, Y.Y.WANG, X.FURST, D.E.RANGANATH, V.K.MALDONADO, M.LEE, T. ET AL.: "Remodeling of the HDL proteome with treatment response to abatacept or adalimumab in the AMPLE trial of patients with rheumatoid arthritis", ATHEROSCLEROSIS, vol. 275, 2018, pages 107 - 114, XP085465995, DOI: doi:10.1016/j.atherosclerosis.2018.04.003 |
CONIGLIARO, P.TRIGGIANESE, P.CHIMENTI, M.S.LUCCHETTI, R.KROEGLER, B.PERRICONE, R.: "Serological markers associated with disease activity in patients with rheumatoid arthritis treated with rituximab", J. INT. MED. RES., vol. 44, 2016, pages 53 - 57 |
CONNOLLY, M.MULLAN, R.H.MCCORMICK, J.MATTHEWS, C.SULLIVAN, O.KENNEDY, A.FITZGERALD, O.POOLE, A.R.BRESNIHAN, B.VEALE, D.J. ET AL.: "Acute-phase sérum amyloid A regulates tumor necrosis factor a and matrix turnover and predicts disease progression in patients with inflammatory arthritis before and after biologie therapy", ARTHRITIS RHEUM, vol. 64, 2012, pages 1035 - 1045 |
COX, D.W.HUBER, O.: "Rheumatoid arthritis and alpha-1-antitrypsin", LANCET LOND. ENGL., vol. 1, 1976, pages 1216 - 1217 |
CRNKIC MELIHA ET AL: "Serum cartilage oligomeric matrix protein (COMP) decreases in rheumatoid arthritis patients treated with infliximab or etanercept", ARTHRITIS RESEARCH AND THERAPY, BIOMED CENTRAL, LONDON, GB, vol. 5, no. 4, 29 April 2003 (2003-04-29), pages R181 - R185, XP021020701, ISSN: 1478-6354, DOI: 10.1186/AR760 * |
CRNKIC, M.MÂNSSON, B.LARSSON, L.GEBOREK, P.HEINEGÂRD, D.SAXNE, T.: "Sérum cartilage oligomeric matrix protein (COMP) decreases in rheumatoid arthritis patients treated with infliximab or etanercept", ARTHRITIS RES. THER., vol. 5, 2003, pages R181 - 185, XP021020701, DOI: doi:10.1186/ar760 |
CYLWIK, B.CHROSTEK, L.GINDZIENSKA-SIESKIEWICZ, E.SIERAKOWSKI, S.SZ-MITKOWSKI, M.: "Relationship between sérum acute-phase proteins and high disease activity in patients with rheumatoid arthritis", ADV. MED. SCI., vol. 55, 2010, pages 80 - 85 |
GABAY, C.MCINNES, I.B.KAVANAUGH, A.TUCKWELL, K.KLEARMAN, M.PULLEY, J.SATTAR, N.: "Comparison of lipid and lipid-associated cardiovascular risk marker changes after treatment with tocilizumab or adalimumab in patients with rheumatoid arthritis", ANN. RHEUM. DIS., vol. 75, 2016, pages 1806 - 1812 |
HARROLD, L.R.REED, G.W.KREMER, J.M.CURTIS, J.R.SOLOMON, D.H.HOCHBERG, M.C.GREENBERG, J.D.: "The comparative effectiveness of abatacept versus anti-tumour necrosis factor switching for rheumatoid arthritis patients previously treated with an anti-tumour necrosis factor", ANN. RHEUM. DIS., vol. 74, 2015, pages 430 - 436 |
HWANG, Y.G.BALASUBRAMANI, G.K.METES, I.D.LEVESQUE, M.C.BRIDGES, S.L.MORELAND, L.W.: "Differential response of sérum amyloid A to différent therapies in early rheumatoid arthritis and its potential value as a disease activity biomarker", ARTHRITIS RES. THER., 2016, pages 18 |
KAWASHIRI, S.-Y.KAWAKAMI, A.UEKI, Y.IMAZATO, T.IWAMOTO, N.FUJIKAWA, K.ARAMAKI, T.AMAI, M.NAKAMURA, H.ORIGUCHI, T. ET AL.: "Decrement of sérum cartilage oligomeric matrix protein (COMP) in rheumatoid arthritis (RA) patients achieving remission after 6 months of etanercept treatment: comparison with CRP, IgM-RF, MMP-3 and anti-CCP Ab", JT. BONE SPINE REV. RHUM., vol. 77, 2010, pages 418 - 420 |
KIM, D.MUN, S.LEE, J.PARK, A.SEOK, A.CHUN, Y.-T.KANG, H.-G.: "Proteomics analysis reveals differential pattern of widespread protein expression and novel role of histidine-rich glycoprotein and lipopolysaccharide-binding protein in rheumatoid arthritis", INT. J. BIOL. MACROMOL., vol. 109, 2018, pages 704 - 710, XP085346818, DOI: doi:10.1016/j.ijbiomac.2017.12.075 |
KIM, M.CAI, Q.OH, Y.: "Therapeutic potential of alpha-1 antitrypsin in human disease", ANN. PEDIATR. ENDOCRINOL. METAB., vol. 23, 2018, pages 131 - 135 |
KRINTEL, S.B.PALERMO, G.JOHANSEN, J.S.GERMER, S.ESSIOUX, L.BENAYED, R.BADI, L.OSTERGAARD, M.HETLAND, M.L.: "Investigation of single nucleotide polymorphisms and biological pathways associated with response to TNFa inhibitors in patients with rheumatoid arthritis", PHARMACOGENET. GENOMICS, vol. 22, 2012, pages 577 - 589, XP009186680 |
LI, L.DONG, M.WANG, X.-G.: "The Implication and Significance of Beta 2 Microglobulin: A Conservative Multifunctional Regulator", CHIN. MED. J. (ENGL., vol. 129, 2016, pages 448 - 455 |
MINH VU CHUONG NGUYEN ET AL: "Identification of cartilage oligomeric matrix protein as biomarker predicting abatacept response in rheumatoid arthritis patients with insufficient response to a first anti-TNF[alpha] treatment", JOINT BONE SPINE, 1 September 2018 (2018-09-01), AMSTERDAM, NL, XP055539839, ISSN: 1297-319X, DOI: 10.1016/j.jbspin.2018.09.005 * |
MOROZZI G ET AL: "Low serum level of COMP, a cartilage turnover marker, predicts rapid and high ACR70 response to adalimumab therapy in rheumatoid arthritis", CLINICAL RHEUMATOLOGY ; JOURNAL OF THE INTERNATIONAL LEAGUE OF ASSOCIATIONS FOR RHEUMATOLOGY, SPRINGER-VERLAG, LO, vol. 26, no. 8, 7 February 2007 (2007-02-07), pages 1335 - 1338, XP019494606, ISSN: 1434-9949 * |
NGUYEN MINH VU CHUONG ET AL: "Prealbumin, platelet factor 4 and S100A12 combination at baseline predicts good response to TNF alpha inhibitors in rheumatoid arthritis", JOINT BONE SPINE, ELSEVIER, AMSTERDAM, NL, vol. 86, no. 2, 6 June 2018 (2018-06-06), pages 195 - 201, XP085617884, ISSN: 1297-319X, DOI: 10.1016/J.JBSPIN.2018.05.006 * |
NGUYEN, M.V.C.BAILLET, A.ROMAND, X.TROCMÉ, C.COURTIER, A.MAROTTE, H.THOMAS, T.SOUBRIER, M.MIOSSEC, P.TÉBIB, J. ET AL.: "Prealbumin, platelet factor 4 and S100A12 combination at baseline predicts good response to TNF alpha inhibitors in Rheumatoid Arthritis", JT. BONE SPINE REV. RHUM., 2018 |
NORATA, G.D.TSIMIKAS, S.PIRILLO, A.CATAPANO, A.L.: "Apolipoprotein C-III: From Pathophysiology to Pharmacology", TRENDS PHARMACOL. SCI., vol. 36, 2015, pages 675 - 687, XP055301744, DOI: doi:10.1016/j.tips.2015.07.001 |
OHYAMA, K.UEKI, Y.KAWAKAMI, A.KISHIKAWA, N.TAMAI, M.OSAKI, M.KAMIHIRA, S.NAKASHIMA, K.KURODA, N.: "Immune complexome analysis of sérum and its application in screening for immune complex antigens in rheumatoid arthritis", CLIN. CHEM., vol. 57, 2011, pages 905 - 909 |
PREVOO, M.L.VAN 'T HOF, M.A.KUPER, H.H.VAN LEEUWEN, M.A.VAN DE PUTTE, L.B.VAN RIEL, P.L.: "Modified disease activity scores that include twenty-eight-joint counts. Development and validation in a prospective longitudinal study of patients with rheumatoid arthritis", ARTHRITIS RHEUM, vol. 38, 1995, pages 44 - 48, XP009092594, DOI: doi:10.1002/art.1780380107 |
PRUCHA, M.HEROLD, I.ZAZULA, R.DUBSKA, L.DOSTAL, M.HILDEBRAND, T.HYANEK, J.: "Significance of lipopolysaccharide-binding protein (an acute phase protein) in monitoring critically ill patients", CRIT. CARE LOND. ENGL., vol. 7, 2003, pages R154 - 159, XP021012216, DOI: doi:10.1186/cc2386 |
RENDAS-BAUM REGINA ET AL: "Evaluating the efficacy of sequential biologic therapies for rheumatoid arthritis patients with an inadequate response to tumor necrosis factor-Î inhibitors", ARTHRITIS RESEARCH AND THERAPY, BIOMED CENTRAL, LONDON, GB, vol. 13, no. 1, 16 February 2011 (2011-02-16), pages R25, XP021091613, ISSN: 1478-6354, DOI: 10.1186/AR3249 * |
RENDAS-BAUM, R.WALLENSTEIN, G.V.KONCZ, T.KOSINSKI, M.YANG, M.BRADLEY, J.ZWILLICH, S.H.: "Evaluating the efficacy of sequential biologie therapies for rheumatoid arthritis patients with an inadéquate response to tumor necrosis factor-a inhibitors", ARTHRITIS RES. THER., vol. 13, 2011, pages R25, XP021091613, DOI: doi:10.1186/ar3249 |
RICKLIN, D.LAMBRIS, J.D.: "Complément in immune and inflammatory disorders: therapeutic interventions", J. IMMUNOL. BALTIM. MD 1950, vol. 190, 2013, pages 3839 - 3847, XP055246659, DOI: doi:10.4049/jimmunol.1203200 |
ROMANO, C.DEL MASTRO, A.SELLITTO, A.SOLARO, E.ESPOSITO, S.CUOMO, G.: "ocilizumab reduces complément C3 and C4 sérum levels in rheumatoid arthritis patients", CLIN. RHEUMATOL., vol. 37, 2018, pages 1695 - 1700, XP036501183, DOI: doi:10.1007/s10067-018-3992-7 |
SCHUMANN, R.R.LEONG, S.R.FLAGGS, G.W.GRAY, P.W.WRIGHT, S.D.MATHISON, J.C.TOBIAS, P.S.ULEVITCH, R.J.: "Structure and function of lipopolysaccharide binding protein", SCIENCE, vol. 249, 1990, pages 1429 - 1431, XP001122318, DOI: doi:10.1126/science.2402637 |
SKOUMAL, M.KOLARZ, G.KLINGLER, A.: "Sérum levels of cartilage oligomeric matrix protein. A predicting factor and a valuable parameter for disease management in rheumatoid arthritis", SCAND. J. RHEUMATOL., vol. 32, 2003, pages 156 - 161 |
SMOLEN, J.S.LANDEWÉ, R.BIJLSMA, J.BURMESTER, G.CHATZIDIONYSIOU, K.DOUGADOS, M.NAM, J.RAMIRO, S.VOSHAAR, M.VAN VOLLENHOVEN, R. ET A: "EULAR recommendations for the management of rheumatoid arthritis with synthetic and biological disease-modifying antirheumatic drugs: 2016 update", ANN. RHEUM. DIS., vol. 76, 2017, pages 960 - 977 |
SOUTO, A.MANEIRO, J.R.GÔMEZ-REINO, J.J.: "Rate of discontinuation and drug survival of biologie therapies in rheumatoid arthritis: a systematic review and meta-analysis of drug registries and health care databases", RHEUMATOL. OXF. ENGL., vol. 55, 2016, pages 523 - 534 |
TAKEUCHI, T.NAKANISHI, T.TABUSHI, Y.HATA, A.SHODA, T.KOTANI, T.SHIMIZU, A.TAKUBO, T.MAKINO, S.HANAFUSA, T.: "Sérum protein profile of rheumatoid arthritis treated with anti-TNF therapy (infliximab", J. CHROMATOGR. B ANALYT. TECHNOL. BIOMED. LIFE. SCI., vol. 855, 2007, pages 66 - 70, XP022162167, DOI: doi:10.1016/j.jchromb.2007.02.028 |
TROCMÉ, C.MAROTTE, H.BAILLET, A.PALLOT-PRADES, B.GARIN, J.GRANGE, L.MIOSSEC, P.TEBIB, J.BERGER, F.NISSEN, M.J. ET AL.: "Apolipoprotein A-I and platelet factor 4 are biomarkers for infliximab response in rheumatoid arthritis", ANN. RHEUM. DIS., vol. 68, 2009, pages 1328 - 1333, XP055021751, DOI: doi:10.1136/ard.2008.093153 |
VISVANATHAN, S.WAGNER, C.ROJAS, J.KAY, J.DASGUPTA, B.MATTESON, E.L.MACK, M.BAKER, D.G.RAHMAN, M.U.: "E-selectin, interleukin 18, sérum amyloid a, and matrix metalloproteinase 9 are associated with clinical response to golimumab plus methotrexate in patients with active rheumatoid arthritis despite methotrexate therapy", J. RHEUMATOL., vol. 36, 2009, pages 1371 - 1379, XP009181251, DOI: doi:10.3899/jrheum.080755 |
XU, Y.YAMADA, T.SATOH, T.OKUDA, Y.: "Measurement of sérum amyloid Al (SAA1), a major isotype of acute phase SAA", CLIN. CHEM. LAB. MED. CCLM, vol. 44, 2005, pages 59 - 63 |
YEO, L.ADLARD, N.BIEHL, M.JUAREZ, M.SMALLIE, T.SNOW, M.BUCKLEY, C.D.RAZA, K.FILER, A.SCHEEL-TOELLNER, D.: "Expression of chemokines CXCL4 and CXCL7 by synovial macrophages defines an early stage of rheumatoid arthritis", ANN. RHEUM. DIS., vol. 75, 2016, pages 763 - 771 |
Also Published As
Publication number | Publication date |
---|---|
US20220057382A1 (en) | 2022-02-24 |
EP3899958A1 (fr) | 2021-10-27 |
FR3090884B1 (fr) | 2021-01-08 |
WO2020128335A1 (fr) | 2020-06-25 |
JP2022515106A (ja) | 2022-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Loupy et al. | Thirty years of the International Banff Classification for Allograft Pathology: the past, present, and future of kidney transplant diagnostics | |
JP6909208B2 (ja) | Il23経路バイオマーカーを使用するil23アンタゴニストに対する臨床応答の予測 | |
Pierson et al. | Plasma proteomics identifies a ‘chemokine storm’in idiopathic multicentric Castleman disease | |
Najafi et al. | Significance of histologic patterns of glomerular injury upon long-term prognosis in severe lupus glomerulonephritis | |
Devauchelle‐Pensec et al. | Gene expression profile in the salivary glands of primary Sjögren's syndrome patients before and after treatment with rituximab | |
WO2006014755A2 (fr) | Procedes d'identification de patients a risque de developper une encephalite suite a une immunotherapie pour la maladie d'alzheimer | |
JP2022031643A (ja) | Il23アンタゴニストに対する臨床応答の予測因子としてのccl20 | |
Chesne et al. | Systematic analysis of blood cell transcriptome in end-stage chronic respiratory diseases | |
JP2023129607A (ja) | Il33及びil1rl1をコードする遺伝子にリスクアレルを有する患者の炎症性肺疾患の処置及び阻害 | |
Ren et al. | Altered molecular pathways and prognostic markers in active systemic juvenile idiopathic arthritis: integrated bioinformatic analysis | |
US9835632B2 (en) | Biomarker panel for assessment of mucosal healing | |
Mattoo et al. | Molecular features and stages of pulmonary fibrosis driven by type 2 inflammation | |
FR3090884A1 (fr) | Procede d’estimation de l’efficacite de traitement par un agent anti-tnf alpha chez un patient atteint de polyarthrite rhumatoide et en reponse inadequate a au moins une biotherapie | |
EP3449256A1 (fr) | Anticorps anti il17 | |
FR3072779A1 (fr) | Procede d'estimation de l'efficacite d'un modulateur de la costimulation des lymphocytes t contre la polyarthrite rhumatoide apres reponse inadequate a une biotherapie | |
FR3071615A1 (fr) | Procede d'estimation de l'efficacite de traitement par un agent anti-recepteur a l'il-6 chez un patient atteint d'une polyarthrite rhumatoide et qui a ete en reponse insuffisante a au moins une biotherapie | |
FR3095698A1 (fr) | Procédé d’estimation de l’efficacité de traitement par un agent anti-CD20 chez un patient atteint de polyarthrite rhumatoïde et en réponse inadéquate a au moins une biothérapie | |
Brunskill et al. | Pathogenic pathways are activated in each major cell type of the glomerulus in the Cd2ap mutant mouse model of focal segmental glomerulosclerosis | |
Bai et al. | Serum IL-12p40: A novel biomarker for early prediction of minimal change disease relapse following glucocorticoids therapy | |
FR3071616A1 (fr) | Procede d'estimation de l'efficacite de traitement par un agent anti-recepteur a l'il-6 chez un patient atteint d'une polyarthrite rhumatoide et naif de toute biotherapie | |
WO2014178715A1 (fr) | Médicament personnalisé | |
Al Mashhadani | From Lübeck Institute for Experimental Dermatology (LIED) Supervised by Prof. Hauke Busch | |
Leon et al. | Fatigue in Sjögren’s syndrome: a search for | |
JP2024512384A (ja) | 汎発型膿疱性乾癬における抗il-36r抗体による処置に関連したバイオマーカー | |
Levantovsky | Advances in Understanding IBD Pathogenesis Across Populations via Multimodal Data Integration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLFP | Fee payment |
Year of fee payment: 2 |
|
PLSC | Publication of the preliminary search report |
Effective date: 20200626 |
|
PLFP | Fee payment |
Year of fee payment: 3 |
|
ST | Notification of lapse |
Effective date: 20220808 |