Metabolomics kan potentielt forbedre lægemiddelterapien

Metabolomics er en ny videnskabsgren, som er blevet udviklet i løbet af de seneste 2-3 dekader i kølvandet på andre »omics«-videnskaber såsom genomics, transcriptomics og proteomics [1]. Metabolomics opståen er muliggjort af en rivende udvikling inden for analytisk kemi og bioinformatik, hvorved man nu kan identificere og kvantificere tusinder af små molekyler i et prøvemateriale og efterfølgende behandle de mange data.

I metabolomics beskæftiger man sig med organismers metabolom, som udgøres af den samlede mængde af små organiske molekyler i celler og væv [2]. Ved små organiske molekyler forstås aminosyrer, små signalmolekyler, monosakkarider som glukose og fruktose etc. Metabolomet ændrer sig fra sekund til sekund og påvirkes af både endogene og eksogene faktorer såsom genetisk sammensætning, alder, organpatologi, føde, lægemidler og luften, vi indånder. Desuden har bakteriefloraen i tarmen betydning for metabolomet [3]. Ved metabolomics undersøger man både intermediære produkter og slutprodukter fra stofskiftet samt eksogent tilførte stoffer og får derfor et godt billede af de faktiske processer i vævene og den eksogene påvirkning. Typiske metoder til metabolomstudier ses i Tabel 1, mens Figur 1 viser et typisk resultat fra en metabolomundersøgelse.

Metabolomics adskiller sig primært fra den traditionelle kliniske biokemi ved, at der produceres meget store mængder data, hvilket kan bidrage til en bedre forståelse af patofysiologien hos en patient. Metabolomics kan desuden foretages untargeted – altså med en hypotesefri tilgang til vurdering af en patients fysiologiske status. Det åbner mulighed for identifikation af nye biomarkører.

De nuværende principper for lægemiddelterapi er i vid udstrækning baseret på standarddoser efter princippet one size fits all. Effekten af en del lægemidler udviser imidlertid stor individuel variation, og der er store individuelle forskelle i tilbøjeligheden til at få medicinrelaterede bivirkninger. I USA formoder man, at 80.000-100.000 hospitalspatienter årligt dør som følge af medicinrelaterede bivirkninger, mens mere end en million patienter hvert år indlægges som følge af medicinbivirkninger [5]. Ud over at påføre den

enkelte patient ubehagelige komplikationer er medicinrelaterede bivirkninger således årsag til store

samfundsmæssige udgifter. I Danmark menes bivirkninger således at koste samfundet omkring otte milliarder kroner hvert år, men nøjagtige tal savnes [6]. Der er derfor behov for forbedring af farmakoterapien og for en om muligt mere individualiseret terapi. Læger har i princippet altid arbejdet med individualiseret terapi i form af klinisk dosistitrering ud fra

effekt og bivirkninger, men ved yderligere at individualisere behandlingen ud fra den enkelte patients metabolomprofil er håbet, at man både kan øge behandlingseffekten og nedsætte frekvensen af bivirkninger. Som redskab til individualisering af lægemiddelterapien har man hidtil især fokuseret på farmakogenetik – altså genvariationers betydning for lægemiddelrespons. Metabolomics er et af de nyere skud på stammen i jagten på forbedret individuel

lægemiddelterapi.

ANVENDELSESMULIGHEDER

VED METABOLOMSTUDIER

Metabolomstudier kan på forskellig vis bidrage til udviklingen af biologisk og biomedicinsk forskning, og opdagelse af biomarkører er det vigtigste anvendelsesområde [7, 8]. En biomarkør defineres direkte oversat fra Biomarkers Definitions Working Group [9] som: »En karakteristik, som måles objektivt og vurderes som indikator for normale biologiske processer, patologiske processer eller farmakologiske effekter af en terapeutisk intervention«.

Biomarkører har således et bredt anvendelsespotentiale, og brugen af dem er efterhånden ganske udbredt i almindelig klinisk dagligdag. Eksempler på biomarkører i klinikken – dog ikke fundet ved brug

af metabolomstudier – er C-reaktivt protein, brain-natriuretisk peptid, prostataspecifikt antigen (PSA), cancerantigen-125, blodglukose og kreatinin, som er en hjælp ved diagnostik, monitorering og prognose af forskellige sygdomme [10]. Nuclear magnetic resonance-spektroskopistudier af medfødte stofskiftesygdomme var nogle af de første metabolomstudier, hvor man fandt diagnostisk relevante biomarkører [11, 12]. Siden er det især inden for cancerforskning og kardiovaskulær forskning, at metabolomstudier har vundet indpas. Sreekumar et al [13] fandt i 2009, at urinsarcosin var en mere pålidelig markør end

PSA til at skelne biopsipositive fra biopsinegative mænd i PSA-intervallet 2-10 ng/ml og således kunne bidrage til tidlig diagnostik af prostatacancer. I overensstemmelse hermed fandt man i et nyligt publiceret studie af Lucarelli et al [14], at serumsarcosin forbedrede diagnostikken hos patienter, der havde prostatacancer med S-PSA under 4,0 ng/ml. Der er således et muligt potentiale for sarcosin som biomarkør for

tidlige stadier af prostatacancer, men præcist på hvilke præmisser, det bør bruges, mangler at blive fastslået.

I forbindelse med udvikling af lægemidler kan metabolomics anvendes til at identificere biomarkører i metaboliske processer, som kan være af betydning for en sygdomsproces, og dermed afsløre eventuelle nye angrebspunkter for lægemiddelterapi [7]. I prækliniske lægemiddelforsøg kan biomarkører både bidrage til forståelsen af et lægemiddels effekter samt potentiale for toksicitet og i kombination med farmakokinetiske data give et fingerpeg om dosis-respons-forhold [7, 15, 16].

Et andet potentielt anvendelsesområde for metabolomics er anvendelse af lægemidler. Et lægemiddelrespons afhænger af både genetiske og miljømæssige faktorer. Håbet er, at farmako-metabolomics kan anvendes til mere præcist at forudsige lægemiddelresponset hos den enkelte patient, idet man med denne teknik tager højde for både genetiske faktorer og miljømæssige påvirkninger. Det er stadig sparsomt med humanstudier på området, men Kaddurah-Daouk et al [17] fandt på basis af en prædosismetabolomprofil af 89 patienter med svær depression 81% af de patienter, som responderede på sertralin (n = 43). Konklusionen blev, at metabolske profiler kunne bidrage til at klassificere patienter, som enten respondenter eller nonrespondenter på sertralin.

Et af de hyppigst anvendte lægemidler i verden er paracetamol, som hos disponerede personer kan give leverpåvirkning med forhøjede levertransaminaser (alaninaminotransferase og aspartataminotransferase) ved brug af højeste rekommanderede dosis på et gram fire gange dagligt [18]. For at vurdere om metabolitprofiler i urin kan bruges til at forudsige, om en person får tegn på paracetamolinduceret leverpåvirkning, udførte Winnike et al [19] et studie med opsamling af urin fra 71 raske frivillige, som i en uge indtog fire gram paracetamol dagligt. Det var ikke muligt at skelne respondenter (med leverpåvirkning) fra ikkerespondenter ud fra prædosisurinmetabolitprofiler, men få dage efter påbegyndelse af forsøget (og inden en alaninaminotransferasestigning blev observeret hos respondenterne) fandt man signifikant forskel i urinmetabolitprofilerne mellem respondenter og ikkerespondenter. Man kunne med en præcision på 73% afgøre, om en deltager var respondent eller ikkerespondent, og konkluderede, at hvis man i undersøgelser med andre lægemidler fandt lignende resultater, kunne farmakometabolomstudier bruges i tidlig fase af en lægemiddelterapi til at identificere personer, der var disponerede for lægemiddelinduceret leverpåvirkning.

I et andet studie af Clayton et al [20] fandt man hos 99 raske frivillige forsøgspersoner, der indtog et gram paracetamol som engangsdosis, en tydelig sammenhæng mellem P-cresol i prædosisurinmetabolitprofiler og ratio mellem de to eliminationsprodukter af paracetamol – paracetamolsulfat og paracetamolglukoronid – i urinen. P-cresol dannes ved mikrobiel nedbrydning af aminosyren tyrosin i tarmen, og resultaterne af studiet tyder på, at øget P-cresol kan nedsætte sulfateringskapaciteten. Dette kan muligvis have betydning for andre lægemidler, hvor sulfatering også indgår i metabolismen og dermed muligvis kan påvirke lægemiddelresponset. Studiet viste samtidig, at metabolomstudier har potentiale til at afsløre hidtil ukendte mekanismer, der har betydning for lægemiddelmetabolisering.

FREMTIDIGE PERSPEKTIVER OG UDFORDRINGER

FDA godkendte i 2007 en test for genetisk varians i to gener (CYP2C9 og VKORC1), som kan øge risikoen for blødning ved behandling med warfarin [21]. Formentlig vil flere ældre lægemidler fremover blive undersøgt både farmakogenetisk og med inddragelse af omics-videnskaber herunder metabolomics for at finde ud af, om de kan bruges mere målrettet til nogle undergrupper af patienter.

En af de nærmeste udfordringer for metabolomics bliver at integrere informationen herfra med informationen fra genomics, proteomics etc. Dette kræver adgang til avancerede og højtydende computerprogrammer, som kan samkøre, analysere og modellere de enorme mængder data samt ekspertise i fortolkning af resultaterne. Ved at kombinere forskellige omics-videnskaber kan man få et systembiologisk billede af menneskets (pato)fysiologiske processer samt af lægemidlers farmakodynamik og -kinetik. Bedre forståelse af sygdomsmekanismer og bedre behandlingsprincipper kræver et sådant fokus på systembiologi, og dette vil øge chancen for succes hen imod en mere biologisk funderet individualiseret lægemiddelterapi.

Kombination af flere omics-videnskaber har for nylig fundet sted i nogle humanstudier [22, 23], og p.t. er et dansk multicenterstudie i gang, hvor man ved at kombinere metabolomics og genetic profiling forsøger at belyse betydningen af polymorfier i det gen, der koder for leverenzymet, CES1, og metabolisme af flere CES1-afhængige lægemidler [24].

Menneskets biologi udviser på molekylært niveau ganske stor individuel variation, og en af udfordringerne for metabolomics er at definere fysiologisk normale metaboliske mønstre for at kunne identificere brugbare biomarkører [8]. En sådan afgrænsning er nødvendig for at kunne påvise, at forskel i effekt ved lægemiddelterapi ikke bare skyldes tilfældig interindividuel variation. Påvisning af fysiologisk normale metaboliske mønstre vil kræve analyser af biologisk materiale (blod, urin og spyt) fra et stort antal såvel unge som ældre raske mænd og kvinder med forskellig statur og etnicitet, hvor man tager højde for forskellige miljømæssige faktorer som rygning, alkoholforbrug og madvaner. Ved påvisning af relevante biomarkører har metabolomics potentiale til, at man vil kunne både diagnosticere, monitorere og forudsige prognosen af sygdomme samt bidrage med ny viden om sygdomspatologi samt lægemiddelterapi og -udvikling. Niveauet af metabolitter i et prøvemateriale som f.eks. plasma afspejler grundlæggende effekten af såvel genetisk baggrund som miljø- og livsstilspåvirkninger. Niveauet af nogle af disse metabolitter varierer over tid, men andre er »stabile« hos det enkelte individ og vil kunne anvendes i diagnostisk og terapeutisk øjemed.

Brugen af metabolomics er inde i en rivende udvikling, men foregår på nuværende tidspunkt primært i forskningsmæssigt regi og i forbindelse med udvikling af lægemidler. Det store gennembrud med implementering i klinikken lader vente på sig, trods et stigende antal publicerede artikler på området. Mulige forklaringer på denne diskrepans er manglende klinisk evidens fra randomiserede forsøg til at påvise brugbarheden for lægen og fordelen for patienterne, manglende udbredelse af evidensen til klinikerne samt manglende viden om (eller hjælp til) tolkning og brug af resultaterne. Når disse forhold bedres, og hvis priser, svartider og prædiktive værdier for analyseresultaterne er rimelige, vil metabolomics formentlig få en større plads i patientbehandlingen.

Korrespondance: Claus Stage, Klinisk Farmakologisk Afdeling, Bispebjerg Hospital, Bispebjerg Bakke 23, 2400 København NV. E-mail: clausstage@hotmail.com

Antaget: 15. juli 2013

Publiceret på Ugeskriftet.dk: 14. oktober 2013

Interessekonflikter: ingen.

Taksigelse: Det Strategiske Forskningsråd takkes for økonomisk støtte. Denne statusartikel er udarbejdet som led i INDICES-projektet, der sigter mod individuel skræddersyning af behandling med nogle hyppigt anvendte lægemidler. INDICES er støttet af Det Strategiske Forskningsråd (I0-092792/DSF).