Cell子刊:科学家构建红细胞动力学模型,预测个体化用药副作用
2015/11/05
个性化医疗通过精准诊断、预测风险,实现最优化预防、治疗的定制医疗模式。其中,药物基因组学针对不同病情,依据个体基因信息,在临床用药上实现准确分型、个性化给药的目标。个性化用药的优势在于能够依据患者的基因组、代谢组、表观遗传等信息而提前预测药物的潜在价值。


个性化医疗是大数据医学发展至今的必然产物,通过精准诊断、预测风险,实现最优化预防、治疗的定制医疗模式。其中,药物基因组学针对不同病情,依据个体基因信息,在临床用药上实现准确分型、个性化给药的目标。个性化用药的优势在于能够依据患者的基因组、代谢组、表观遗传等信息而提前预测药物的潜在价值。

但是,同一种药物,针对不同人,其反应不同。一些人会表现出很好的疗效,而一些人却会出现轻重不一的副作用。那么,如何规避药物副作用呢?

红细胞动力学模型:预测药物副作用

加州大学的科学家们认为,如果个性化医疗能够预测药物疗效、实现对症下药,那么,它也应该能够预测药物副作用。为了验证这一理念,他们进来了概念验证研究,证实在个性化医疗基础上预测药物副作用的可行性。相关研究成果于10月28日发表在《Cell System》期刊。

研究人员采集24份独立血液样本,获取红细胞的基因组和代谢组数据,以此数据构建了一个个体化红细胞动力学模型,能够预测红细胞对于药物的反应。


目前,这一多组学、多数据、个性化红细胞代谢动力学模型能够用于预测丙型肝炎药物的副作用。一旦红细胞动力学指数出现周期性变化,意味着药物反应出现差异。

加州大学圣地亚哥分校生物工程教授Bernhard Palsson表示,他们的研究目前还只是样本量小、概念性研究水平,尚且需要更大规模的研究进一步证实。但是红细胞预测模型预示着个性化动力学模型的可行性。

预测药物副作用的模型能够广泛应用于新药研发,制药公司可以在进行新药临床试验之前,利用模型提前预测、筛选药物针对不同病患存在的副作用表现。

因此,该模型不仅仅能够用于预测药物的副作用,还能够提供一个保护机制,进一步完善患者能够基于自身基因信息获取精准化医疗的目标。

研究人员表示,下一步计划是寻找针对血小板的预测模型,相比于红细胞更复杂。考虑到肝脏是药物吸收、反应、出现副作用的要塞,所以研究的终极目标是构建肝细胞模型。

推荐阅读

Scientists developing model that predicts drug side effects in different patients

所有文章仅代表作者观点,不代表本站立场。如若转载请联系原作者。
查看更多
  • Personalized Whole-Cell Kinetic Models of Metabolism for Discovery in Genomics and Pharmacodynamics

    Understanding individual variation is fundamental to personalized medicine. Yet interpreting complex phenotype data, such as multi-compartment metabolomic profiles, in the context of genotype data for an individual is complicated by interactions within and between cells and remains an unresolved challenge. Here, we constructed multi-omic, data-driven, personalized whole-cell kinetic models of erythrocyte metabolism for 24 healthy individuals based on fasting-state plasma and erythrocyte metabolomics and whole-genome genotyping. We show that personalized kinetic rate constants, rather than metabolite levels, better represent the genotype. Additionally, changes in erythrocyte dynamics between individuals occur on timescales of circulation, suggesting detected differences play a role in physiology. Finally, we use the models to identify individuals at risk for a drug side effect (ribavirin-induced anemia) and how genetic variation (inosine triphosphatase deficiency) may protect against this side effect. This study demonstrates the feasibility of personalized kinetic models, and we anticipate their use will accelerate discoveries in characterizing individual metabolic variation.

    展开 收起
发表评论 我在frontend\modules\comment\widgets\views\文件夹下面 test