CC BY
171
о ц,
о
4 о н ш
5
18
Методические основы персонализированной медицины
И. И. Мирошниченко, С. Н. Птицина, А. Н. Симонов
ФГБУ «Научный центр психического здоровья Российской академии медицинских наук», Москва, Россия
В статье рассмотрены современные молекулярно-генетические, иммунологические, фармакокинетические и популяционные методы, применяемые в персонализированной медицине. Особое внимание уделяется аналитическим методам терапевтического лекарственного мониторинга.
КЛЮЧЕВЫЕ СЛОВА: персонализированная медицина, методы анализа генома и индивидуализации терапии, фармакогеномика, фармако-кинетика, терапевтический лекарственный мониторинг.
Methodology of Personalized Medicine
I. I. Miroshnichenko, S. N. Ptitsina, A. N. Simonov.
Federal State Budget Organization "Scientific Center for Mental Health of the Russian Academy of Medical Sciences", Moscow, Russia
This article presents a set of current methods applied in personalized medicine including those of molecular genetics, pharmacokinetics, immunological methods and population models. Attention focuses on analytical methods of therapies drug monitoring.
KEY WORDS: personalized medicine, methods, pharmacogenomics, pharmacokinetics, therapies drug monitoring.
Под персонализированным подходом в клинической медицине понимают учет молекулярно-генети-ческих, биохимических, демографических и антропо-^ метрических факторов для оптимизации лекарствен-
фармакокинетики (ФК) и фармакодинамики (ФД) лекарственных средств, являясь давним объектом пристального внимания фармакологов, включает в настоящее время также фармакогеномику (ФГ) и наиболее
ной терапии конкретного пациента [1]. Взаимосвязь полно отражается триадой: ФГ - ФК - ФД (рис. 1).
CL
О LO _ü m
х
ш
О ^
О X
X
ш
о
X
Рис. 1. Схема взаимосвязей в триаде фармакогеномика-фармакокинетика-фармакодинамика (ФГ - ФК - ФД).
ПОДХОДЫ К ИНДИВИДУАЛИЗАЦИИ ДИАГНОСТИКИ И ТЕРАПИИ
Генетические тесты для индивидуального подбора препаратов и их дозировок весьма востребованы в области ранней диагностики и лечения заболеваний.
В настоящее время разработано более 2000 тестов, и количество их экспоненциально растет [2]. Подавляющее большинство тестов относятся к онкологии и кардиологии. Тесты позволяют оценивать пресим-птомные риски того или иного медикаментозного вмешательства (например, увеличение Q-T интервала), способствовать правильному диагнозу и прогнозу исхода заболевания и, разумеется, оптимизировать лечение выявленной патологии [3].
Приведем примеры генетических тестов. Определение HER2 - гена рецепторов 2 типа человеческого эпидермального фактора роста. Гиперэкспрессия HER2 свидетельствует о неблагоприятном прогнозе развития опухолей молочной железы и наблюдается примерно у 25% обследуемых пациентов. В то же время этот показатель указывает на целесообразность применения в этих случаях трастузумаба [4]. Очевидно, что без учета этого фактора 75% больных с подозрением на указанную патологию подверглись бы бесполезной (даже токсической) и дорогостоящей ($30-50 тыс.) терапии.
Приведем также следующую инновацию в лечении HER2-позитивного рака молочной железы. В качестве наиболее эффективного средства предлагается Т-ЭМ1 - конъюгат антител к трастузумабу с цитоток-сическим агентом эмтансином. При этом трастузумаб, служивший хрестоматийным примером персонализа-ции лечения, используется лишь для получения средства доставки более активного препарата [5].
Тесты, в которых выявляются аллельные варианты CYP2C9*2 и CYP2C9*3 гена, кодирующего изоформу CYP2C9 цитохрома Р450, используются для прогнозирования кровотечений при применении варфари-на. Генотипирование в данном случае необходимо для предсказания нестабильной антикоагуляции и риска кровотечения, зависящих от активности генов CYP2C9 и VKORC1, кодирующих 2,3-эпоксидредук-тазу (витамин К). Влияние полиморфизма по VCORC1 в 35% случаев значительно выше, чем по CYP2C9. Показано, что полиморфизм этих генов определяет около 60% случаев варьирования терапевтического эффекта варфарина [6].
Существуют два основных метода получения информации, способствующей индивидуализации лечения:
• изучение экспрессии гена, кодирующего тот или иной белок;
• определение содержания и/или характеристик самого белка.
Так, например, гиперэкспрессия гена C-KIT, кодирующего рецепторную тирозинкиназу и расположен-
ного в локусе q11-q12 четвертой хромосомы человека, указывает на целесообразность применения иматини-ба (гливека) для терапии неоперабельных и метаста-зирующих опухолей стромы ЖКТ. Для оценки экспрессии этого гена можно определять как мутации в генетическом материале, так уровень тирозинкиназы, используя с-/я/-иммуногистохимические тесты [7].
Подобные исследования являются объектом изучения новых дисциплин - геномики, транскрипто-мики, протеомики, метаболомики, липидомики. При этом не подвергается забвению арсенал классических генетических методов определения наследуемых признаков того или иного заболевания. Так, близнецовый метод не выявляет гены-кандидаты, но позволяет оценить наследственную составляющую как фактор риска развития патологического процесса. Анализ сцепления успешно применяется для идентификации локусов, ответственных за заболевания (преимущественно моногенные), и проверки модели наследования патологии в семьях. Широко применяется моделирование наследственных заболеваний на животных с использованием скрещивания модельных объектов и «нокаутного» подхода, при котором методом направленного мутагенеза выключают потенциальные гены-кандидаты и анализируют эффект инактивации того или иного гена на развитие заболевания.
Мы не останавливаемся подробно на результатах этих классических исследований, поскольку это тема других многочисленных публикаций, а рассмотрим методические особенности сравнительно новых подходов к анализу генома и индивидуализации терапии, таких как ПЦР, применение микрочипов, широко-геномные ассоциативные исследования, секвенирова-ние нового поколения, иммуногистохимия, протеом-ный анализ и масс-спектрометрия.
ПЦР
Решающую роль в ускорении биомедицинских технологий сыграл метод полимеразной цепной реакции (ПЦР), позволяющий с помощью специфичных праймеров и термостабильной ДНК-полимеразы многократно воспроизводить интересующий ген в приборе-амплификаторе, а затем идентифицировать его различными методами - чаще всего с помощью электрофореза. В настоящее время, помимо большого разнообразия разных видов классической ПЦР (мультиплексной, обратно-транскриптазной и др.), растет применение новых технологий: количественной ПЦР-детекции, а именно, ПЦР в реальном времени (qPCR - quantitative Polymerase Chain Reaction) и цифровой ПЦР (dPCR - digital Polymerase Chain Reaction). Эти современные методы ПЦР используют разные мишени: qPCR измеряет число циклов амплификации, необходимых для флуоресцентного сигнала, dPCR непосредственно учитывает молекулы мишени, при-
о ц,
о ч о
I-
ш
s
20
CL
О
LQ _D
m
х
ш
О ^
О X
X
ш
о
X
m ш
чем реакционная смесь первоначально разделяется на очень большое число маленьких объемов, либо содержащих, либо не содержащих молекулы ДНК. В качестве примера эффективного использования qPCR укажем на определение протоонкогенов KRAS и BRAF. C помощью данной технологии можно проводить как качественный (обнаружение мутации), так и количественный анализ мутаций в этих генах (подсчет процента соматических мутаций) [8].
Микрочипы
ДНК-микрочип представляет собой миниатюрную пластину - матрицу, в ячейки которой с помощью автоматизированных микрометодов нанесен упорядоченный набор из десятков, сотен и тысяч иммобилизованных олигонуклеотидов, которые затем гибри-дизуют с разнообразными флуоресцентно-мечеными молекулами ДНК. Большинство микрочипов является флуоресцентными, т.е. исследуемая ДНК режется на фрагменты, к каждому из которых прикрепляется флуоресцентная метка. Далее образец наносят на все ячейки биочипа с прикрепленными олигонуклеотид-ными зондами; затем, после того как прошла гибридизация, избыток ДНК смывают, а фрагмент ДНК после промывки чипа анализируют при помощи флуоресцентной микроскопии. Помимо флуоресцентных биочипов, разработаны и электронные, различающиеся по способу считывания гибридизационного сигнала.
Интенсивно разрабатываются микрочипы для диагностики и терапии онкологических заболеваний. Так, тест Oncotype DX позволяет анализировать экспрессию 21 гена; одобренный FDA тест Mammaprint, используемый для анализа экспрессии 70 генов при раке молочной железы ранних стадий, позволяет оценить риск развития рецидивов и прогнозировать эффективность химиотерапии. Показана более высокая диагностическая значимость данных тестов по сравнению с гистологическими [9].
В последние годы метод сравнительной геномной гибридизации на микроматрицах (array CGH) успешно применяется в молекулярно-цитогенетических исследованиях в пренатальной диагностике и при изучении патогенеза интеллектуальных нарушений [10].
Широко-геномные ассоциативные исследования
Высокоэффективным методом идентификации генетических факторов риска заболеваний является исследование связи (ассоциации) генотипа с различными фенотипическими признаками в масштабе всего генома (GWAS - Genome-Wide Association Study). Определение нуклеотидной последовательности ДНК (чтение генетических текстов) при анализе когорт пациентов и здоровых контролей проводят в настоящее время на специализированных платформах-секвенаторах с
последующим биоинформативным анализом полученных результатов и расчетом коэффициентов риска (OR). Последние достижения GWAS важны для генетики многофакторных заболеваний, фармакогеномики и персонализированной медицины, поскольку они позволяют идентифицировать как редкие, так и распространенные генетические варианты и, соответственно, прогнозировать побочные эффекты, дозирование и эффективность лекарственных препаратов. Изучение лекарственной эффективности при различных, в том числе сложных, формах заболеваний открывает перспективы для разработки новых лекарств. Одно из первых широко-геномных исследований относилось к варфа-рину, при этом был обнаружен новый ген CYP4F2, хотя оказалось, что его вклад в вариабельность невелик и составляет 1-2% [11]. В настоящее время в ходе ассоциативных исследований особое внимание уделяется локусам, отвечающим за количественные метаболические признаки [12], что связано с бурным развитием метаболомики, ставящей целью общее профилирование всех избыточных молекул с низкой молекулярной массой в биологических образцах.
Cеквенирование нового поколения
Золотым стандартом секвенирования длительное время считался метод Сенгера, разработанный в 1975 г. и использованный для расшифровки генома человека (2003). Стадии секвенирования предшествует выделение ДНК и случайное ее «измельчение» на отрезки со средней длиной 500 нуклеотидов; само «считывание» осуществляется сразу с двух концов каждого отрезка, в результате чего образуется пара фрагментов «текста» ДНК. Длина таких фрагментов, так называемых «ридов» (от англ. read - читай), находится в диапазоне 35-400 «букв». Но, поскольку требовалась быстрая и, главное, дешевая расшифровка геномов, появились секвенаторы новых поколений, на которых синхронно проводят массовое секвенирование миллионов фрагментов ДНК или РНК. Данная технология обеспечивает высокопроизводительное секвенирование, сокращая время определения последовательности генома до одного дня. Целевое экзомное (секвенирование только экзома - кодирующей части ДНК, когда интроны (некодирующие последовательности, вырезаемые при сплайсинге) не определяются, и таким образом, в данном методе экономится время определения) секвенирование генома человека дает возможность идентифицировать гены, мутации и регуляторные элементы, связанные с заболеванием.
Отдельным направлением является секвенирова-ние РНК, дающее информацию о транскриптоме без определения всей последовательности генома, что весьма ценно при изучении экспрессии генов.
Платформы секвенаторов, разработанные разными фирмами, имеют свои уникальные характеристи-
ки, но в основе их действия лежит общая методология, включающая общие этапы: подготовку матрицы, секвенирование, получение изображения (визуализация) и анализ данных.
Анализ данных включает удаление адаптерных молекул и низкокачественных ридов, картирование с помощью референс-генома или выравнивание последовательности de novo и ее анализ (детекция SNP (Single Nucleotide Polymorphism) и других вариантов - делеций, инсерций, а также детекция новых генов и определение уровня экспрессии транскриптов).
Данный подход позволяет одновременно распознать сразу несколько участков генома, что составляет его главное отличие от более ранних методов секве-нирования [13]. В связи с этим одной из актуальных задач современной биоинформатики и геномики является разработка программ сборки геномов, т.е. объединения прочитанных фрагментов генома в единое целое. Одна из таких программ успешно разработана в России [14].
Иммуногистохимия
В основе этого метода морфологической диагностики лежит визуализация с помощью микроскопа и оценка результатов реакции антиген-антитело в срезах ткани, полученной при биопсии. Различают прямой иммунофлуоресцентный и непрямой пероксидазный способы проведения исследования. Впоследствии появились трехэтапные методы, такие как пероксидаз-но-антипероксидазный метод, анализ авидин-биоти-нового комплекса. Появление системы визуализации (в частности, DAKO) стало революционным моментом в истории иммуногистохимии и послужило началом для развития целой серии систем, имеющих в своей основе декстрановую технологию. С молекулой декстрана связывается до 20 молекул первичных и вторичных антител и 100 молекул фермента, что обеспечивает крайне высокую чувствительность метода.
Протеомный анализ
Обычно такой анализ проводится в несколько этапов [15]. Первый этап - двумерный электрофорез, который дает разделение изучаемых белков по молекулярной массе и изоэлектрической точке. Второй этап - анализ этих белков. Показано, что у обследуемых больных содержание некоторых белков в одних тканях увеличено, что свидетельствует о патологии, в других - уменьшено (и присутствуют белки острой фазы воспаления). Третий этап - масс-спектроскопия, позволяющая прочитать аминокислотную последовательность активно синтезируемых белков. Благодаря успехам протеомики в патологически измененных тканях можно видеть диспропорцию между белками. «Shotgun»-щ>отеомика (букв. «пулеметная» протео-мика), в основе которой лежит использование пептид-
ных маркеров, стала одним из альтернативных двумерному электрофорезу методов и применяется для быстрого масс-спектрометрического анализа сложных белковых смесей с использованием преобразования Фурье при расшифровке первичных результатов.
Масс-спектрометрия
В настоящее время является необходимым средством анализа протеома. При изучении высокомолекулярных соединений применяются следующие источники ионизации: APCI/APPI - фотоионизация при атмосферном давлении/химическая ионизация; MALDI - лазерная десорбционная ионизация, облегчаемая матрицей; Nаnosprаy - электро распыление для работы с микрообразцами и нанолитровыми потоками жидкости, как в статическом, так и в динамическом режимах. Метод MALDI основан на воздействии лазерного излучения, фокусируемого на образец, находящийся в смеси с соответствующей матрицей. Сопряжение данного метода с хроматографией реализуется путем сбора микрофракций на хроматографе и их последующего разделения на отдельные макромолекулярные компоненты с помощью MALDI. Применение времяпролетных масс-спектрометров TOF с высокой разрешающей способностью (особенно в сочетании с квадрупольным анализатором QTOF (Quadrupole-Time-of-Flight) целесообразно при исследовании быстро протекающих процессов, что в сочетании с методом ионизации MALDI делает их незаменимым средством измерения содержания макромолекул. В качестве альтернативы TOF используют квадрупольные анализаторы с ионной ловушкой. Ловушка может одновременно функционировать как источник ионов, камера для ионно-молекулярных реакций и анализатор масс.
Находят применение и такие аналитические платформы, как газовая хроматография-масс-спектроме-трия, высокоэффективная жидкостная хроматография с диодноматричной детекцией и ЯМР-спектроскопия.
В дальнейшем для разработки персонализированного лечения используются апостериорные подходы, основанные на мониторинге. В некоторых случаях проведение мониторинга более эффективно, чем генотипирование, но следует отметить, что эти два подхода скорее дополняют, нежели исключают друг друга [16]. При мониторинге определяют содержание маркеров 1 типа, связанных с терапевтическим эффектом и механизмом действия препарата, и маркеров 2 типа - предикторов клинического исхода, позволяющих предсказать благоприятный или неблагоприятный исход заболевания [17].
Выделяют несколько типов мониторинга: • клинический, дающий возможность регистрировать лечебный эффект напрямую и отслеживать
побочное действие;
21
о ц,
о
4 о н ш
5
22
CL
О
LQ _0 ш
X
ш
о ^
о
X
X
ш
о х
• фармакодинамический, при котором регистрируются биомаркеры, отражающие ход лечения: уровень глюкозы в крови, артериальное давление, международное нормализованное отношение, ли-попротеиды высокой и низкой плотности и другие показатели;
• фармакокинетический, или терапевтический лекарственный мониторинг (ТЛМ), основанный на допущении, что величина терапевтического, а равно и токсического эффекта зависит от дозы и, в гораздо большей степени, от концентрации препарата в крови. Эффект большинства лекарственных веществ, измеряемый в терапевтически значимом диапазоне их концентраций в крови, пропорционален концентрации вещества или ее логарифму. Показания к проведению ТЛМ:
• отсутствие улучшения состояния больного или сомнения в приеме им лекарства;
• наличие нежелательных побочных явлений;
• узкий терапевтический диапазон препарата (зона положительного эффекта находится близко от зоны побочных эффектов);
• измерение аномально низких концентраций препарата (мальабсорбция);
• полипрагмазия.
Аналитические методы ТЛМ
К ним относятся микробиологические методы, полярография, капиллярный электрофорез, но в рутинной практике наиболее распространенными методами являются жидкостная и газовая хроматография, с одной стороны, и иммуноферментный анализ (ИФА), в частности ELISA, (Enzyme-Linked Immunosorbent Assay) - с другой [18]. Последний получил свое развитие в виде флуоресцентного поляризационного иммуноанализа [19], основанного на возрастании поляризации флуоресценции небольших флуоресцентно-меченых молекул антигена (трейсеров) при их взаимодействии со специфическими антителами. Если в тестируемом образце содержится лекарственное вещество, то трейсер будет конкурировать с ним за связывание с антителами, и значение поляризации флуоресценции будет уменьшаться. Интенсивность поляризованного флуоресцентного свечения измеряется с помощью автоматического анализатора фирмы Abbott Laboratories.
Метод тандемной хромато-масс-спектроме-трии (ЖХ-МС-МС - жидкостная хроматография - тандемная масс-спектрометрия) является ведущим в области количественного анализа как низкомолекулярных соединений, так и макромолекул. Метод основан на активации молекул при их столкновениях. Камера столкновений расположена в бесполевом пространстве масс-спектрометра. Ионы, отфильтрованные первым анализатором (материнские ионы),
попадают в камеру столкновений, где вследствие индуцированной столкновениями диссоциации распадаются на фрагменты (дочерние ионы). Массовый состав полученных фрагментов исследуется с помощью второго анализатора. Таким образом, в одном приборе оказываются соединенными два «источника ионов» и два анализатора. При этом используются «мягкие» способы ионизации (без значительной фрагментации), такие как электрораспыление и химическая ионизация при атмосферном давлении [20].
Главными достоинствами методов ИФА и ЖХ-МС-МС являются возможность автоматизации (ИФА) и быстрый переход с одного вида анализа на другой при ЖХ-МС-МС. К числу недостатков следует отнести перекрестную контаминацию родственными соединениями (ИФА), а также ионную супрессию (подавление сигнала ионами примесей в реальной пробе по сравнению с растворителем) и матричный эффект, снижающие интенсивность регистрируемого сигнала (ЖХ-МС-МС).
Применение ЖХ-МС-МС позволило одновременно определять несколько веществ и их активных метаболитов в пробе и измерять в одном и том же образце содержание соответствующих биомаркеров (ФК-ФД-мониторинг).
Результаты ТЛМ напрямую зависят от точности и чувствительности аналитических методик - достоверность полученных результатов имеет большое значение, особенно для препаратов с узким терапевтическим диапазоном и выраженными побочными эффектами. Систематическая ошибка при определении концентрации дигоксина или аминогликозидов может привести к тяжелым последствиям. Большие методические трудности, лишь недавно преодоленные, возникали при определении содержания ингибитора активации тромбоцитов клопидогреля (плавикс), что объяснялось чрезвычайно низкой концентрацией его активного метаболита, обусловливающего терапевтический эффект [21].
Наряду с совершенствованием инструментальной базы ТМЛ, большой потенциал в дальнейшем развитии и усовершенствовании мониторинга этого типа имеет применение альтернативных крови биологических жидкостей (слюна, слезы) и использование не-инвазивных методик; целесообразен также переход на образцы уменьшенного объема (высушенные пятна крови, использование микрокапилляров для отбора крови).
Биобанки
Поиск молекулярных мишеней, разработка лекарств, создание диагностических тест-систем - все это требует использования огромного числа высококачественных, хорошо охарактеризованных биологических образцов человеческого происхождения. Для
этого создаются биобанки - автоматизированные хранилища биологических проб, содержащие коллекции уникального генетического материала, образцов крови и тканей, взятых в основном у человека [22]. Условия хранения: парафиновые блоки при комнатной температуре, роботизированные системы хранения при -20°С и -80°С, сосуды Дьюара с жидким азотом. Несомненным условием успешного функционирования биобанка является ведение соответствующей базы данных, содержащей информацию как об образце, так и о пациенте, включая документированное разрешение пациента-донора на использование его данных.
Популяционные фармакокинетические/ фармакодинамические (ФК/ФД) модели лекарственных средств
К ФК относятся абсорбция, распределение и элиминация лекарственного препарата, а к ФД - ответ организма на введенное лекарство. ФК и ФД модели связаны друг с другом через концентрацию лекарственного вещества в кровотоке и величиной фармакологического эффекта:
Е =
F С
^max ^
рг + Г
^ 50% ' ^
где С - концентрация препарата в месте его действия, ЕС50% - концентрация препарата в месте его действия, вызывающая 50% эффекта от его максимальной величины Е
max.
Объединенная ФК-ФД модель предназначена решать следующие основные задачи:
• Описывать типичный ФК/ФД профиль в целевой популяции (популяция пациентов, которым назначено данное лечение).
• Оценивать величины индивидуальных и межиндивидуальных вариаций изучаемых параметров.
• Описывать факторы, влияющие на ФК/ФД модель.
• Оптимизировать режим дозирования рассматриваемого лекарственного препарата для выбранной целевой популяции.
• Представлять научные обоснования для индивидуализации режима дозирования.
Основная трудность ФК-ФД моделирования состоит в том, что соответствующие математические уравнения являются нелинейными по параметрам со смешанными фиксированными и случайными факторами. К фиксированным факторам относятся генотип, возраст, индекс массы тела, раса, взаимодействие лекарственных препаратов при комбинированной терапии и т.п. К случайным факторам - неизвестные индивидуальные и межиндивидуальные вариации. Кроме того, существенное усложнение рассматриваемых моделей привносит тот факт, что экспериментальные данные, используемые для валидации модели, являются неполными, поскольку при отборе проб для ТЛМ, как пра-
вило, не удается получить полные ФК-профили для каждого пациента. Несмотря на все эти сложности, ФК/ФД моделирование стало неотъемлемой частью фармакологической науки и официальных требований FDA при анализе фармакологических данных.
ВЫВОДЫ
В заключение следует отметить, что персонализированная медицина - это отнюдь не уникальный препарат и не личный врач, как нередко считается на обывательском уровне. Это, в первую очередь, трансляционная медицина, суть которой можно определить как кратчайший путь от исследовательской лаборатории до кровати больного [23].
ЛИТЕРАТУРА
1. Ma Q., Lu A. Y. H. Pharmacogenetics, pharmacogenomics, and individualized medicine. Pharmacol Rev.2011; 63: 437-459.
2. Mirnezami R., Nicholson J., Darzi A. Preparing for precision medicine. N. Engl. J. Med. 2012; 366(6): 489-491.
3. Offit K. Personalized medicine: new genomics, old lessons. Hum Genet. 2011; 130: 3-14.
4. Gradishar W. J. HER2 therapy — an abundance of riches. N. Engl. J. Med. 2012; 366 (2):176-178
5. Sassoon I., Blanc V. Antibody-drug conjugate (ADC) clinical pipeline: a review. Methods Mol Biol. 2013; 1045: 1-27.
6. Ofili E., Sproles D. Conference Scene: The healthcare reform act, comparative effectiveness research and personalized medicine. Personalized Medicine. 2011; 8(2): 133-135.
7. Sotlar K. C-kit mutational analysis in paraffin material. Methods Mol. Biol. 2013; 999: 59-78.
8. Joyce T., Oikonomou E., Kosmidou V., Makrodouli E., Bantou-nas I., Avlonitis S., Zografos G., Pintzas A. A molecular signature for oncogenic BRAF in human colon cancer cells is revealed by mi-croarray analysis. Curr. Cancer Drug Targets. 2012; 12(7): 873-898.
9. Дедов И. И., Тюльпаков А. Н., Чехонин В. П., Баклаушев В. П., Ар-чаков А. И., Мошковский С. А. Персонализированная медицина: современное состояние и перспективы. ВЕСТНИК РАМН. 2012; № 12: 4-12.
10. Hochstein R., Buizer-Voskamp J. E., Vorstman J. A.-S., Ophoff R. A. Genome arrays for the detection of copy number variations in idio-pathic mental retardation, idiopathic generalized epilepsy and neuro-psychiatric disorders. Cytogenet Genome Res. 2011; 135: 174-202.
11. Takeuchi F., McGinnis R., Bourgeois S., Barnes C., Eriksson N., Soranzo N., Whittaker P., Ranganath V., Kumanduri V., McLaren W., Holm L., Lindh J., Rane A., Wadelius M., Deloukas P. A genome-wide association study confirms VKORC1, CYP2C9, and CYP4F2 as principal genetic determinants of warfarin dose. PLoS Genet. 2009; 5(3): e1000433.
12. Hong M.-H., Karlsson R., Magnusson P. K. E., Lewis M. R., et al. A genome - wide assessment of variability in human serum metabolism. Hum.Mutat. 2013, 34: 515-524.
13. Grada A., Weinbrecht K. Next-generation sequencing: methodology and application. J. Invest. Dermatol. 2013; 133: 1-4.
14. Bankevich A., Nurk S., Antipov D. et al. SPAdes: A new genome assembly algorithm and its applications to single-cell sequencing. J. of Computational Biology. 2012; 19(5): 455-477.
15. Арчаков А. И. Биоинформатика, геномика и протеомика - науки о жизни XXI столетия. Вопросы мед. хим. 2000; № 1: 4-7.
16. Eliasson E., Lindh J. D., Malmstrom R. E., Beck O., Dahl M.-L. Therapeutic drug monitoring for tomorrow. Eur J Clin Pharmacol .2013; 69 (1): 25-32.
17. Мирошниченко И. И., Птицина С. Н. Биомаркеры в современной медико-биологической практике. Биомед. химия. 2009; 55 (№4): 425-440.
23
о ц,
о
4 о н ш
5
24
CL
О
L0 _0 m
х
ш
О ^
О X
X
ш
о
X
18. Brandhorst G., Oellerich M., Maine G., Taylor P., Veen G., Wal-lemacq P. Liquid chromatography-tandem mass spectrometry or automated immunoassays: what are the future trends in therapeutic drug monitoring? Clin. Chem. 2012; 58: 821-825.
19. Wu X. J., Zhang J., Yu J. C., Cao G. Y., Shi Y. G., Zhang Y. Y., Wang M. G. Establishment of norvancomycin fluorescence polarization immunoassay for therapeutic drug monitoring. J Antibiot (Tokyo). 2012; 65(1): 35-39.
20. Мирошниченко И. И., Горшкова Е. В., Федотов Ю. А., Иващен-ко А. А. Хроматомасс-спектрометрия в фармакокинетических исследованиях. Качеств. Клин. Практика. 2008; №3: 29-36.
21. Peera C. P., Spencerb S. D., Van den Berga D. A. H., Pacanowskic M. A., Horensteind R. B., Figga W. D. A sensitive and rapid ultra HPLC-MS/MS method for the simultaneous detection of clopido-grel and its derivatized active thiol metabolite in human plasma. J. Chromatogr. B. 2012, 880: 132-139.
22. Vaught J. B., Henderson M. K., Compton C. C. Biospecimens and biorepositories: from afterthought to science. Cancer Epidemiol. Biomarkers Prev. 2012; 21: 253-255.
23. Ипатова О. М., Медведева Н. В., Арчаков А. И., Григорьев А. И. Трансляционная медицина - путь от фундаментальной биомедицинской науки в здравоохранение. Вестник РАМН. 2012; №6: 57-65.
REFERENCE
1. Ma Q., Lu A. Y. H. Pharmacogenetics, pharmacogenomics, and individualized medicine. Pharmacol Rev.2011; 63: 437-459.
2. Mirnezami R., Nicholson J., Darzi A. Preparing for precision medicine. N. Engl. J. Med. 2012; 366(6): 489-491.
3. Offit K. Personalized medicine: new genomics, old lessons. Hum Genet. 2011; 130: 3-14.
4. Gradishar W. J. HER2 therapy — an abundance of riches. N. Engl. J. Med. 2012; 366 (.2):176-178.
5. Sassoon I, Blanc V. Antibody-drug conjugate (ADC) clinical pipeline: a review. Methods Mol Biol. 2013;1045:1-27.
6. Ofili E., Sproles D. Conference Scene: The healthcare reform act, comparative effectiveness research and personalized medicine. Personalized Medicine. 2011; 8(2): 133-135.
7. Sotlar K. C-kit mutational analysis in paraffin material. Methods Mol. Biol. 2013;.999: 59-78.
8. Joyce T, Oikonomou E, Kosmidou V, Makrodouli E, Bantounas I, Avlonitis S, Zografos G, Pintzas A. A molecular signature for oncogenic BRAF in human colon cancer cells is revealed by microarray analysis. Curr. CancerDrugTargets. 2012; 12(7): 873-898.
9. Dedov I. I., Tyulpakov A. N., Chehonin V. P., Baklaushev V. P., Archakov A. I., Moshkovsky S. A. Personalized medicine: Current state and perspective. RAMS Bulletin. 2012; № 12: 4-12.
10. Hochstein R. Buizer-Voskamp J. E., Vorstman J. A. S., Ophoff R. A. Genome arrays for the detection of copy number variations in idiopathic mental retardation, idiopathic generalized epilepsy and neuropsychiatric disorders. Cytogenet Genome Res. 2011; 135: 174-202.
11. Takeuchi F, McGinnis R, Bourgeois S, Barnes C, Eriksson N, Soranzo N, Whittaker P, Ranganath V, Kumanduri V, McLaren W, Holm L, Lindh J, Rane A, Wadelius M, Deloukas P. A genome-wide association study confirms VKORC1, CYP2C9, and CYP4F2 as principal genetic determinants of warfarin dose. PLoSGenet. 2009; 5(3): e1000433.
12. Hong M.-H., Karlsson R., Magnusson P. K. E., Lewis M. R., et al. A genome -wide assesment of variability in human serum metabolism. Hum.Mutat. 2013, 34. 515-524.
13. Grada A., Weinbrecht K. Next-generation sequencing: methodology and application. J. Invest. Dermatol. 2013; 133: 1-4.
14. Bankevich, S. Nurk, D. Antipov, et al. SPAdes: A new genome assembly algorithm and its applications to single-cell sequencing. J. of Computational Biology. 2012; 19(5): 455-477.
15. Archakov A. I. Bioinformatics, genomics and proteomics - 21st century biosciences. Questions on med. and chem. 2000; № 1: 4-7.
16. Eliasson E., Lindh J. D., Malmstrom R. E., Beck O., Dahl M.-L. Therapeutic drug monitoring for tomorrow. Eur J Clin Pharmacol .2013; 69 ( 1): 25-32.
17. Miroshnichenko I. I., Pticina S. N. Biomarkers in contemporary biomedical practice. Biomed. Chemistry. 2009; 55 (№4): 425-440.
18. Brandhorst G., Oellerich M., Maine G., Taylor P., Veen G., Wallemacq P. Liquid chromatography-tandem mass spectrometry or automated immunoassays: what are the future trends in therapeutic drug monitoring? Clin. Chem. 2012; 58: 821-825.
19. Wu X. J., Zhang J., Yu J. C., Cao G. Y., Shi Y. G., Zhang Y. Y., Wang M. G. Establishment of norvancomycin fluorescence polarization immunoassay for therapeutic drug monitoring. J. Antibiot (Tokyo). 2012;65(1): 35-39.
20. Miroshnichenko I. I., Gorshkova E. V., Fedotov Y. A., Ivashenko A. A. Chromatography mass-spectometry in pharmacokinetic studies. Qualified Clinical Practice.2008; №3: 29-36.
21. Peera C. P., Spencerb S. D., Van Den Berga D. A. H., Pacanowskic M. A., Horensteind R. B., Figga W. D. A sensitive and rapid ultra HPLC-MS/ MS method for the simultaneous detection of clopidogrel and its deriva-tized active thiol metabolite in human plasma. J. Chromatogr. B. 2012 , 880: 132- 139.
22. Vaught J. B., Henderson M. K., Compton C. C. Biospecimens and biorepositories: from afterthought to science. CancerEpidemiol. BiomarkersPrev. 2012; 21:253-255.
23. Ipatova O. M., Medvedeva N. V., Archakov A. I., Grigoryev A. I. Translational medicine — a way from fundamental biomedical science to healthcare. RAMS Bulletin. 2012; №6: 57-65.
Сведения об авторах:
Мирошниченко Игорь Иванович
заведующий лабораторией фармакокинетики ФГБУ «Научного центра психического здоровья Российской академии медицинских наук», Москва, Россия, д-р мед. наук
Птицина Софья Николаевна
ведущий научный сотрудник ФГБУ «Научного центра психического здоровья Российской академии медицинских наук», Москва, Россия, канд. биол. наук
Симонов Анатолий Никифорович
заведующий лабораторией доказательной медицины и биостатистики ФГБУ «Научного центра психического здоровья Российской академии медицинских наук», Москва, Россия, канд. биол. наук
Адрес для переписки:
115522, Москва, Каширское шоссе, д. 34
Телефон: +7 (499) 725-1089
E-mail: [email protected]
About the authors:
Miroshnichenko, Igor Ivanovich
Head of the Pharmacokinetic Laboratory at the Federal State Budget Organization «Scientific Center for Mental Health of the RAMS», Moscow, Russia, PhD (Doctor of Medical Sciences)
Pticina, Sofya Nikolaevna
Leading Researcher at the Federal State Budget Organization «Scientific Center for Mental Health of the RAMS», Moscow, Russia, Candidate of Science (Biology)
Simonov, Anatoly Nikiforovich
Head of the Evidence-Based Medicine and Biostatistics Laboratory at the Federal State Budget Organization «Scientific Center for Mental Health of the RAMS», Moscow, Russia, Candidate of Science (Biology)
Address for correspondence:
115522, Moscow, Kashirskoe sh., 34 Telephone: +7 (499) 725-1089 E-mail: [email protected]
