Gwiazdka nieaktywnaGwiazdka nieaktywnaGwiazdka nieaktywnaGwiazdka nieaktywnaGwiazdka nieaktywna
 

Farmakogenetyka – ważny krok w kierunku indywidualizacji leczenia

Pharmacogenetics - an important step towards individualized therapy



Natalia Lipińska1, Zuzanna Kanduła1, Błażej Rubiś2*



1. Studenckie Koło Naukowe „Biosfera” przy Katedrze Chemii Klinicznej i Diagnostyki Molekularnej Uniwersytetu Medycznego im. Karola Marcinkowskiego w Poznaniu, ul. Przybyszewskiego 49, 60-355 Poznań.
2. Katedra i Zakład Chemii Klinicznej i Diagnostyki Molekularnej Uniwersytetu Medycznego im. Karola Marcinkowskiego w Poznaniu, ul. Przybyszewskiego 49, 60-355 Poznań.


Streszczenie

W obliczu powszechnego problemu jakim jest nieskuteczność farmakoterapii, bardzo ważne jest poznanie wszystkich czynników mających wpływ na efektywność leczenia. Indywidualne różnice w odpowiedzi na leki, spowodowane przez białka ABC i enzymy cytochromu P450, są istotną przyczyną niepowodzeń terapeutycznych i działań niepożądanych. Polimorfizmy w genach kodujących wskazane białka mogą zmieniać ich aktywność, dlatego ważne jest aby określić i zrozumieć udział czynników genetycznych w metabolizmie różnych klas leków. Artykuł przedstawia zakres wiedzy wskazujący na konieczność prowadzenia badań genetycznych pod kątem ich potencjalnego wykorzystania w farmakoterapii.

Słowa kluczowe: farmakogenetyka, polimorfizmy, transportery ABC, cytochrom P450, środki przeciwbakteryjne, medycyna zindywidualizowana.


Abstract


Concerning the serious and common problem of pharmacotherapy failure, it is very important to identify all the factors that influence the effectiveness of treatment. The differences of drug response between individuals caused by the ABC protein and cytochrome P450 enzymes, provoke serious consequences as treatment failures and adverse drug reactions. Polymorphisms in genes coding for those proteins can alter their activity, therefore, it is important to identify and understand the contribution of genetic factors to the metabolism of different classes of drugs. The paper presents a summary of the knowledge supporting the need for genetic studies and their usefulness in pharmacotherapy.

Keywords: pharmacogenetics, polymorphisms, ATP-binding cassette transporters, cytochrome P-450, anti-bacterial agents, individualized medicine.


Wstęp

W ciągu ostatnich kilkudziesięciu lat nastąpił olbrzymi postęp w dziedzinie genetyki klinicznej. Zrealizowanie projektu poznania ludzkiego genomu (ang. Human Genome Project) i rozwój technik biologii molekularnej stworzyły nowe możliwości wykorzystania informacji zawartej w DNA do zapobiegania, wykrywania i leczenia wielu chorób. Nauką zajmującą się badaniem indywidualnej odpowiedzi organizmu na leki wynikającej ze zmienności genetycznej jest farmakogenetyka. Po raz pierwszy termin ten został zdefiniowany przez Vogela w 1959r [1]. Głównymi zadaniami farmakogenetyki są zwiększenie skuteczności i zminimalizowanie toksyczności leków oraz dobór leków w sposób indywidualnie dopasowany do pacjenta [2]. Pojęciem szerszym jest farmakogenomika i odnosi się ona do całego genotypu człowieka, uwzględniając zróżnicowanie ekspresji wielu genów jednocześnie. Obecnie obie nazwy używane są zamiennie [2,3]. Już w drugiej połowie XIX wieku zauważono, że odpowiedź na leczenie tymi samymi dawkami leku jest różna wśród pacjentów i zależy nie tylko od czynników środowiskowych, wieku, płci czy interakcji między lekami, ale i od czynników wrodzonych [4]. Dziś wiemy już, że różnice te wynikają z występowania zmienionych alleli genów kodujących białka (w efekcie również często zmienione) odpowiedzialne za transport, dystrybucję, metabolizm, działanie i wydalanie leku. Jeżeli częstość występowania w populacji danej zmiany/mutacji wynosi więcej niż 1% jest ona nazywana polimorfizmem genetycznym. Najczęstszym rodzajem jest polimorfizm pojedynczego nukleotydu (ang. single nucleotide polymorphism - SNP), znacznie rzadziej polimorfizm dotyczy zmian strukturalnych sekwencji genów, takich jak duplikacje, delecje czy translokacje [5]. Zmiany zaledwie pojedynczych nukleotydów mogą mieć jednak istotne znaczenie nie tylko dla ekspresji genu i struktury oraz funkcji białka ale w efekcie dla funkcjonowania całego organizmu. Na podstawie ich analizy jesteśmy w stanie oszacować np. podatność i ryzyko wystąpienia określonej choroby czy odpowiedzi organizmu na lek [6].


W związku z tym prowadzone są intensywne badania nad polimorfizmami w genach kodujących białka uczestniczące w metabolizmie leków, w tym w genach kodujących enzymy I i II fazy metabolizmu, enzymy naprawcze DNA i białka receptorowe.

Rys.1. Wpływ polimorfizmów SNP na farmakokinetykę i farmakodynamikę leków.






Białka ABC i ich udział w oporności wielolekowej

Niezwykle ważną funkcję w dystrybucji leków pełnią transportery błonowe. Dwie główne nadrodziny transporterów mające duże znaczenie w farmakogenetyce to rodzina ABC (ang. ATP Binding Casette) i SLC (ang. Solute Carrier) [7].
Nadrodzina ABC jest jedną z najliczniejszych grup białek występujących w organizmach żywych. Do tej pory u człowieka zidentyfikowano 48 przedstawicieli transporterów ABC i podzielono je na 7 podrodzin biorąc pod uwagę strukturę genów, sekwencję aminokwasów oraz budowę białka [8]. Wszystkie proteiny należące do tej nadrodziny charakteryzują się wysokim stopniem konserwatywności. Zbudowane są z domen przezbłonowych (ang. transmembrane domain - TMD), tworzących kanał w błonie komórkowej, i domen wiążących nukleotydy (ang. nucleotide binding domain - NBD), których funkcją jest wiązanie i hydroliza ATP. Transportery ABC uzyskują energię z hydrolizy ATP i wykorzystują ją do transportu przez błony cytoplazmatyczne wielu substancji, takich jak jony, lipidy, hormony, leki i inne ksenobiotyki [11]. Uczestniczą też w regulacji absorpcji w jelitach, wydalaniu substancji toksycznych przez nerki i wątrobę oraz ograniczają przenikanie szkodliwych związków przez łożysko, barierę krew-mózg i krew-jądro [12]. Polimorfizmy w genach kodujących transportery, poprzez zmianę sekwencji nukleotydowej, ale także stabilności mRNA, stabilności białka czy lokalizacji subkomórkowej, wpływają na aktywność i funkcjonowanie białek transportowych. W efekcie polimorfizmy te mogą mieć wpływ na skuteczność ale i toksyczność leków, zmieniając ich dystrybucję, dostępność biologiczną i mechanizmy eliminacji [13].
Badania wykazują, że istnieje ścisła zależność pomiędzy występowaniem fenotypu oporności wielolekowej (ang. multidrug resistance - MDR), a nadekspresją około 10 białek z rodziny ABC (np. MDR1-2, BCRP, MRP 1-6). MDR to zjawisko nabywania przez komórki, także nowotworowe, krzyżowej oporności na szeroki zakres leków, o różnej strukturze i funkcji, po zastosowaniu terapii pojedynczym lekiem, a w niektórych przypadkach nawet bez uprzedniego stosowania chemioterapeutyków [14]. Oporność ta jest między innymi rezultatem wypompowywania leków z wnętrza komórki przez transportery błonowe, czego skutkiem jest obniżenie efektywnego stężenia leku w komórce. Niemniej etiologia MDR jest złożona i poza opornością zależną od transportu, podkreśla się udział aktywności enzymów metabolizujących leki, ekspresji białek docelowych oraz zdolności komórek nowotworowych do hamowania mechanizmów apoptozy [15]. Zjawisko MDR stanowi jedną z ważniejszych przyczyn niepowodzeń w terapiach przeciwnowotworowych i dotyczy w szczególności nowotworów układu krwiotwórczego, gruczołu piersiowego, jajników, płuca i przewodu pokarmowego [16].

Zjawisko oporności wielolekowej w bakteriach
Jednym z mechanizmów wyrzutu leków z komórek bakteryjnych jest ich wypompowywanie do środowiska zewnętrznego. W proces ten zaangażowane są białka/transportery należące do pięciu niespokrewnionych rodzin: MF (ang. major facilitator), SMR (ang. small multidrug resistance), MATE (ang. multidrug and toxic compoud extrusion), RND (ang. resistance-nodulation-cell division) i ABC. Źródłem energii dla transporterów jest odpowiednio dla: MF, SMR, RND – siła protonomotoryczna, MATE – gradient stężenia jonów Na+, ABC – hydroliza ATP [17]. Spektrum substratowe transporterów lekowych może być różne – lekoswoiste albo szerokie, odpowiadające za wyrzut antybiotyków należących do różnych grup. Ze względu na specyfikę budowy ściany komórkowej, mechanizmy usuwania leków przez bakterie nie są jednakowe. Bakterie Gram-dodatnie zapobiegają akumulacji leku w komórce dzięki obecności transporterów MF, SMR i ABC. U bakterii Gram-ujemnych dodatkowo występują MATE oraz RND, które to są najbardziej charakterystyczne i znaczące w tej grupie drobnoustrojów [18]. Mimo, że białka należące do rodziny ABC występują rzadko u bakterii, ze względu na szerokie spektrum substratowe mają duże znaczenie kliniczne. Pierwszym opisanym w bakteriach białkiem tej rodziny jest LmrA, warunkujące oporność na chloramfenikol i antybiotyki MLS u L. lactis [19]. LmrA zarówno strukturalnie jak i funkcjonalnie podobne jest do ludzkiej Pgp [20]. Homologi tego transportera występują również u B. subtilis i S. aureus [21]. Należące do rodziny ABC, nieposiadające jednak TMD, białko MsrA obecne u Staphylococcus spp. warunkuje indukowaną oporność na erytromycynę i streptograminy typu B. Z białkiem MsrA prawdopodobnie współpracują białka kodowane prze geny vgaA i vgaB odpowiedzialne za oporność na mieszaninę streptogramin typu A i B [21]. U Enterococcus faecalis występuje gen msrC odpowiedzialny za oporność na makrolidy i streptograminy B, a także gen lsa – oporność na linkozamidy i streptograminy A. U bakterii Gram-ujemnych jedynym znanym system usuwania leków jest MacAB-TolC. Występuje u E. coli i jest swoisty dla eksportu makrolidów [21].
Bakterie posiadają nieograniczoną zdolność szybkiej adaptacji do zmieniających się warunków środowiskowych. Ten olbrzymi potencjał przystosowawczy skutkuje nieustannym rozwojem nowych mechanizmów oporności. Główną strategią ochrony komórek mikroorganizmów przed wnikaniem leków jest mechanizm effluksu, polegający na ich wypompowywaniu z błony komórkowej. Transportery ABC odgrywają główną rolę w oporności na leczenie klinicznie ważnych patogenów takich jak S. aureus, S. pyogenes, S.pneumoniae, E. faecalis [22]. Stąd bardzo istotne jest aby przed podjęciem terapii odpowiednio zidentyfikować genotyp patogenów, co warunkuje trafność doboru sposobu terapii i jej skuteczność. Oprócz tradycyjnych testów mikrobiologicznych coraz częściej stosuje się w tym celu nowoczesne techniki biologii molekularnej oparte na technice PCR w czasie rzeczywistym. Metoda ta przede wszystkim umożliwia wiarygodną i bardzo szybką analizę materiału biologicznego, chociażby pod kątem identyfikacji wariantów genów odpowiedzialnych za oporność mikroorganizmów na leki.

Cytochrom P450

Białka cytochromu P450 tworzą grupę enzymów – hemoprotein, o aktywności monooksygenaz, uczestniczących w biotransformacji różnorodnych związków endo- i egzogennych. Sugeruje się, że biorą one udział w metabolizmie około 78% stosowanych leków [23]. U człowieka izoenzymy cytochromu P450 podzielono na 18 rodzin, kodowanych przez 57 genów funkcjonalnych i 59 pseudogenów. Do najistotniejszych w aspekcie klinicznym należą rodziny CYP1, CYP2, CYP3 w tym w szczególności izoformy: CYP1A2, CYP2C9, CYP2C19, CYP2D6, CYP3A4 [23,24]. Poszczególne enzymy wykazują wewnątrzosobnicze i międzyosobnicze zróżnicowanie aktywności. Jako przyczyny różnic wymienia się wpływ czynników środowiskowych, płci, gospodarki hormonalnej, chorób, a w szczególności interakcji międzylekowych i występowania polimorfizmów w genach cytochromu P450 i ich regionach promotorowych. Wykazano istnienie setek alleli genów CYP występujących z różną częstością w zależności od przynależności etnicznej, a także mających różnorodny wpływ na ekspresję i aktywność enzymów [25]. Ze względu na uwarunkowane genetycznie różnice profilu farmakologicznego między poszczególnymi osobami, stosuje się w farmakologii podział na osoby z wolnym metabolizmem – PM (ang. poor metaboliser), szybko metabolizujące EM (ang. extensive metaboliser) i ultraszybko metabolizujące – UM (ang. ultrarapid metaboliser).






Wpływ wybranych polimorfizmów na antybiotykoterapię

Polimorfizmy ABC

Najintensywniej przebadanym białkiem z rodziny ABC jest glikoproteina P, kodowana przez gen ABCB1 (znany także jako MDR1). Do tej pory zidentyfikowano około 56 SNP genu MDR1, z których z najwyższą częstością występują w pozycjach 1236C>T (rs1128503), 2677G>T/A (rs2032582) i 3435C>T (rs1045642). Badania wskazują, że polimorfizmy te, poprzez zmianę np. poziomu ekspresji białka, wpływają na farmakokinetykę i farmakodynamikę leków takich jak glikozydy nasercowe, immunosupresanty, inhibitory proteazy HIV czy antybiotyki [26]. Do substratów Pgp należą również fluorochinolony. Mają one działanie bakteriobójcze, podawane są doustnie i cechują się dobrym wchłanianiem z przewodu pokarmowego [27]. Badania przy użyciu komórek Caco-2 i myszy pozbawionych genu MDR1 (Mdr1a/1b -/-) potwierdziły że glikoproteina P uczestniczy w wypompowywaniu grepafloksacyny. Wydzielanie jelitowe i usuwanie z żółcią grepafloksacyny u myszy pozbawionych Pgp było istotnie obniżone, w porównaniu z osobnikami wykazującymi ekspresję tego białka [28]. W przypadku sparfloksacyny zaobserwowano, że sekrecja jelitowa uległa znacznemu zmniejszeniu przy zastosowaniu inhibitora glikoproteiny P – werapamilu [29]. Dodatkowo antybiotyk ten z powodu dużej aktywności Pgp słabo przenika przez barierę krew-mózg. Obserwowane całkowite stężenie sparfloksacyny w mózgu myszy Mdr1 1a (-/-) było istotnie wyższe w porównaniu z fenotypem dzikim [30]. Ze względu na tak duży udział glikoproteiny P w dystrybucję tych antybiotyków, ważne mogą okazać się polimorfizmy zmieniające funkcjonowanie Pgp. Najważniejszym z nich jest polimorfizm 3435C>T, który według wielu badań wpływa istotnie na ekspresję białka (homozygoty 3435TT wykazują dwukrotnie niższą ekspresję Pgp w dwunastnicy) [31,32]. W transport fluorochinolonów są zaangażowane także inne ABC transportery. Białko oporności wielolekowej (MRP1) kodowane przez gen ABCC1 wpływa na klirens żółciowy grepafloksacyny i wspólnie z Pgp zmienia przenikanie sparfloksacyny przez barierę krew-mózg. Z kolei kodowane przez gen ABCG2, białko oporności raka sutka (ang. breast cancer resistance protein – BCRP) jest zaangażowane w wydzielanie żółciowe ciprofloksacyny, grepafloksacyny, ofloksacyny i wydalanie z moczem ciprofloksacyny i grepafloksacyny. W niewielkim stopniu wpływa ono również na mechanizm effluksu w układzie nerwowym [33]. Dwa najczęściej występujące polimorfizmy ABCG2 to 34G>A (rs2231137) i 421C>A (rs2231142), z których drugi ma prawdopodobnie wpływ na redukcję ekspresji i aktywność białka BCRP[34]. 421C>A wielokrotnie był badany także pod kątem obniżonego ryzyka zachorowania na nowotwory (m.in. CLL, AML, raka nerki) u pacjentów z allelem polimorficznym, jednak dane nadal są sprzeczne [35, 36]. W badaniach in vitro dowiedziono, że Pgp i MRP2 uczestniczą w transporcie gatifloksacyny i prawdopodobnie biorą udział w procesie indukowania oporności na ten lek, stosowany w infekcjach dróg oddechowych [37]. Do powszechnie stosowanych antybiotyków, będących substratami białek ABC należą także tetracykliny, chloramfenikol, rifampicyna, linkozamidy, aminoglikozydy i makrolidy (w tym: klarytromycyna, erytromycyna, roksytromycyna, azytromycyna i telitromycyna). Poza faktem, że są one transportowane przez pompy ATP, bada się ich znaczenie jako inhibitorów białek ABC i interakcje z innymi lekami, także będącymi substratami ABC [38]. Ze względu na tak powszechny udział transporterów w dystrybucji antybiotyków, polimorfizmy zmieniając ekspresję białek ABC, mogą istotnie modyfikować farmakokinetykę tych leków. Indywidualne zmiany stężenia antybiotyków w poszczególnych przedziałach są następnie przyczyną nieskutecznej eradykacji mikroorganizmów i nabywania przez nie odporności. Xiao-Jing He i wsp. wykazali, że po doustnym podaniu azytromycyny, nosiciele haplotypu 2677TT/3435TT osiągali istotnie niższe stężenie maksymalne leku we krwi, a średni czas wystąpienia maksymalnego stężenia był u nich dłuższy, niż wśród badanych z wariantem dzikim 2677GG/3435CC [39]. Polimorfizm 1236C>T wpływa na stężenie w osoczu kloksacyliny, a pacjenci z genotypem 1236CC wykazują istotnie niższe stężenie po dosutnym podaniu, aniżeli nosiciele 1236CT i 1236TT [40]. Z kolei w badaniach nad eradykacją Helicobacter pylori, przy użyciu lansoprazolu, klarytromycyny i amoksycyliny, zaobserwowano, że wśród pacjentów będących homozygotami 3435TT odsetek skuteczności eradykacji był niższy, niż u homo i heterozygot. W tym samym badaniu wykazano że osoby z allelami polimorficznymi w CYP2C19, określone jako słabo metabolizujący mają wyższy współczynnik eradykacji niż pacjenci szybko i umiarkowanie metabolizujący [41].

Polimorfizmy CYP

Ze względu na fakt, że spektrum substratowe transporterów ABC jest bardzo szerokie i często wspólne dla poszczególnych białek ABC i enzymów cytochromu P450, polimorfizmy w cytochromach również stanowią istotny element badań w farmakogenetyce. Enzymy należące do rodziny CYP3A stanowią największą grupę spośród wszystkich cytochromów występujących u człowieka. CYP3A4 bierze aktywny udział w metabolizmie makrolidów (erytromycyny, klarytromycyny), linkozamidów (klindamycyny), leków immunosupresyjnych, przeciwnowotworowych, blokerów kanałów wapniowych, leków przeciwdepresyjnych i wielu innych. Odnotowano występowanie kilkudziesięciu wariantów polimorficznych CYP3A4 wpływających na parametry farmakokinetyczne leków m.in. nifedypiny (allel CYP3A4*2 rs55785340 powoduje zmniejszenie Vmax) i atorvastatyny (większa skuteczność leczenia u nosicieli CYP3A4*3, rs4986910) [42,43]. Z klinicznego punktu widzenia ważna jest inhibicja enzymu CYP3A4 przez makrolidy. Erytromycyna oraz klarytromycyna zaburzając czynność układu enzymów cytochromu P450, powodują zwiększenie stężenia innych substratów cytochromu, np. warfaryny, teofiliny, karbamazepiny [43]. Pod tym względem duże znaczenie mają też interakcje lekowe wywoływane przez ryfampicynę, która jest aktywatorem CYP2B6, CYP2C8, CYP2C9, CYP2C19, CYP3A4 i CYP3A5 i ciprofloksacynę hamującą aktywność CYP1A2 [44]. Jednym z najlepiej poznanych cytochromów jest CYP2D6, w populacji kaukaskiej najczęściej (12-21%) występuje zmutowany allel CYP2D6*4 (rs55951658). Konsekwencją występowania alleli polimorficznych jest upośledzone utlenianie leków z różnych grup, m.in. antagonistów receptora β1 (metoprolol), leków antyarytmicznych (propafenon), trójpierścieniowych leków przeciwdepresyjnych (dezipramina, risperidon, haloperidol) [25]. CYP2D6 jest najważniejszym enzymem biorącym udział w metabolizmie leku stosowanego w leczeniu raka piersi – tamoksyfenu. Osoby z wariantami polimorficznymi w tym genie, określani jako osoby słabo metabolizujące mają niższe stężenia w osoczu aktywnego metabolitu – endoksyfenu, co sugeruje konieczność określania genotypu CYP2D6 przy wyborze optymalnej terapii w leczeniu raka piersi [45].
Powyższe przykłady dowodzą, że polimorfizmy zarówno w genach kodujących białka ABC jak i enzymy cytochromu P450 są jedną z przyczyn różnej skuteczności terapii, w tym także antybiotykoterapii. Poprzez zmiany docelowych stężeń leków i interakcje międzylekowe wpływają na bezpieczeństwo leczenia, skuteczność eradykacji bakterii i biorą udział w coraz częstszym problemie narastania oporności na różne grupy antybiotyków.

Nowoczesne metody identyfikacji polimorfizmów
Jedną z szeroko stosowanych metod do wykrywania polimorfizmów jest PCR-RFLP (ang. restriction fragment length polymorphism), łącząca amplifikację z analizą restrykcyjną.
Polimorfizm długości fragmentów restrykcyjnych jest skutkiem powstania dodatkowego miejsca cięcia dla konkretnych enzymów restrykcyjnych lub utraty dotąd istniejącego [46]. PCR–RFLP wykorzystywana jest do detekcji mutacji punktowych w jednogenowych chorobach dziedzicznych (m. in. mukowiscydozie, fenyloketonurii, anemii sierpowatej, hemofilii) [47], różnicowania mikroorganizmów na poziomie gatunków i podgatunków (np. Pseudomonas aeruginosa, Listeria spp., Borrelia spp., Campylobacter spp., Acinetobacter) [48] oraz wykrywania mutacji u chorych na nowotwory.
Wykrywanie polimorfizmów za pomocą tradycyjnych metod jest bardzo pracochłonne i obarczone ryzykiem popełnienia błędu ze względu na ich niedostasteczną dokładność. Dlatego też coraz częściej są one zastępowane przez nowoczesne i szybkie metody. Pomimo coraz większej liczby opisanych SNP, badania wykazują, że ich znajomość nadal nie jest niestety wystarczająca do przewidzenia wystąpienie choroby czy skuteczności leczenia. Na przeszukiwanie genomu w płaszczyźnie ponad SNP pozwalają mikromacierze, które umożliwiają nowe i lepsze zrozumienie wpływu zróżnicowania genomu, dzięki uwzględnianiu CNV zmiennej ilości kopii genów (ang. copy-number variations). Podobnie, skuteczną metodą przesiewową może być qPCR (ang. quantitative PCR) z wykorzystaniem formatu HRM (ang. High Resolution Melting) oraz metoda weryfikacji sekwencji tj. sekwencjonowanie.
Biorąc pod uwagę fakt, że większość nowotworów rozwija się na skutek nieprawidłowego funkcjonowania wielu genów, z których żaden samodzielnie nie doprowadziłby do transformacji, mikromacierze dają możliwość poznania różnic we wzorze jakościowym sekwencji ale i ekspresji wielu genów jednocześnie. Analiza skupień pozwala na poznawanie funkcji genów i łączenie w grupy podlegające podobnej regulacji przez czynniki zewnętrzne dzięki ich klasyfikowaniu w zależności od zmian ich ekspresji w określonych warunkach w jednym eksperymencie hybrydyzacyjnym [49].

Znaczenie kliniczne identyfikacji polimorfizmów

Rycina 1. Perspektywy wykorzystania profilowania genowego w onkologii [50] zmodyfikowano.

Mimo, że genetyczne podłoże powstawania nowotworów nadal nie jest w pełni poznane, w odniesieniu do wielu rodzajów nowotworów zidentyfikowano polimorfizmy zwiększające prawdopodobieństwo zachorowania. Jednymi z najbardziej znanych są mutacje w genach BRCA1 i BRCA2, które u kobiet będących nosicielkami zwiększają ryzyko zachorowania na raka piersi o około 50-80%, 40% na raka jajnika oraz około 10% na raka jajowodu i otrzewnej. Powszechnie dostępne są już testy do analizy mutacji w genach BRCA1 i BRCA2 (najczęstsze w Polsce mutacje to 61C>G, 3819del5, 4153delA, 5382insC, 64C>R), badania te są w szczególności zalecane kobietom, które w swojej rodzinie miały przypadki zachorowania na raka piersi lub jajnika [51]. Ogólnodostępne w Polsce są też testy analizujące od kilu do nawet kilkuset zmian w kilku różnych genach (haplotyp) warunkujących podatność na zachorowanie na raka piersi (BRCA1, BRCA2, CYP1B1, NBS1, NOD2, CHEK2, P16), raka jelita grubego (CHEK2, NOD2, P16), gruczołu krokowego (CHEK2, BRCA1, NBS1), raka rdzeniastego tarczycy (MEN2A, MEN2B) czy raka płuc (NOD2, P16, P53, CYP1B1) [52]. Informacje dotyczące wpływu polimorfizmów w ABC i CYP na zachorowalność na konkretne nowotwory nadal są sprzeczne, dlatego też nie są one aktualnie komercyjnie stosowane do przewidywania wystąpienia poszczególnych nowotworów. Niemniej prowadzone są intensywne badania nad znaczeniem polimorfizmu 3435C>T genu MDR1 w patogenezie i progresji raka piersi, raka jelita grubego i odbytnicy, ostrej białaczki limfoblastycznej czy raka nerek [53]. Polimorfizmy w genie BCRP są również często wymieniane jako prawdopodobne czynniki ryzyka raka jelita grubego, raka piersi, raka niebrodawkowatego nerki i białaczki z dużych komórek B [54]. Z kolei przykładem możliwości wykorzystania zmian w białkach z rodziny CYP w diagnostyce jest gen CYP1B1 i jego polimorfizm 453A>G, który jest intensywnie analizowany pod kątem ryzyka zachorowania na raka jelita grubego, raka piersi, raka płuc i raka endometrium, jednak wyniki badań nadal są sprzeczne [55].
Badania nad profilowaniem farmakogenetycznym dowodzą że osoby poddane terapii celowanej, na podstawie informacji o polimorfizmach, mają często lepsze rezultaty leczenia. Amerykańska Agencja ds. Żywności i Leków (ang. Food and Drug Administration - FDA) już w 1998 roku uwzględniła występowanie receptora HER2 jako wskazania do stosowania trastuzumabu (Herceptin®), podobne zalecenia dotyczą użytkowania i dawkowania takich leków jak: irinotecan (UGT1A1), warfaryna (CYP2C9–VKORC1), klopidogrel (CYP2C19), propranolol (CYP2D6) i wielu innych umieszczonych na liście biomarkerów genetycznych dostępnej na stronie internetowej FDA [56].
Perspektywy – teranostyka.
Profilowanie genetyczne jest wciąż innowacyjnym, ale z pewnością stanie się też niezbędnym narzędziem wykorzystywanym w diagnostyce i leczeniu nie tylko nowotworów ale także zakażeń bakteryjnych, w szczególności tych, z którymi współczesna medycyna ma największy problem. Niemniej diagnostyka na etapie molekularnym, uwzględniająca znajomość genomu pacjenta oraz charakterystykę czynnika chorobotwórczego, powinna być podstawą podejmowania decyzji terapeutycznych. Perspektywy rozwoju tzw. medycyny spersonalizowanej są obiecujące, o czym świadczy fakt wprowadzenia do medycyny terminu teranostyki (połączenie diagnostyki z terapią). Wykorzystanie informacji zawartej w kodzie genetycznym w celu dostosowywania terapii indywidualnie dla pacjenta jest ważnym kierunkiem współczesnej medycyny, wymaga jednak wciąż dalszych badań i wprowadzenia metod biologii molekularnej do codziennej diagnostyki.


1. F. Vogel: Moderne Probleme der Humangenetik, Ergeb Inn Med Kinderheild, vol. 12, 1959, s. 52-125.
2. R.M. Weinshilboum, L. Wang: Pharmacogenetics and Pharmacogenomics: Development, Science, and Translation, Annual Review of Genomics and Human Genetics, vol. 7, 2006, s. 223–45.
3. E.S. Lander, L.M. Linton, et al.: Initial sequencing and analysis of the human genome, Nature, vol. 409, 2001, s. 860–921. Errata: Nature, 2001 411:720,412:565
4. W. Kalow: Pharmacogenetics: Heredity and the Response to Drugs, Philadelphia and London: W.B. Saunders, 1962.
5. I.C. Gray, D.A. Campbell, N.K. Spurr: Single nucleotide polymorphisms as tools in human genetics, Human Molecular Genetics, vol. 9, 2000, s. 2403-2408.
6. H-D. Yoo, Y-B. Lee: Interplay of Pharmacogenetic Variations in ABCB1 Transporters and Cytochrome P450 Enzymes, Archives of Pharmacal Research, vol. 34, 2011, s. 1817-1828.
7. S.W. Yee, L. Chen, K.M. Giacomini: Pharmacogenomics of Membrane Transporters: Past, present and future, Pharmacogenomics, vol. 11, 2010, s. 475–479.
8. http://www.genenames.org/genefamily/abc.php
9. K.J. Linton: Structure and function of ABC transporters, Physiology (Bethesda), vol. 22, 2007, s. 122-30.
10. Computational Structural Biology and Molecular Biophysics http://csbmb.beckman.illinois.edu/images/slideshow/slide02.jpg, data wejścia: 04.02.2013.
11. M. Dean: The Human ATP-Binding Cassette (ABC) Transporter Superfamily, National Center for Biotechnology Information (US), Bethesda (MD), 2002.
12. A. Sparreboom, R. Danesi, et al.: Pharmacogenomics of ABC transporters and its role
in cancer chemotherapy, Drug Resistance, vol. 6, 2003, s. 71–84.
13. I. Cascorbi: Role of pharmacogenetics of ATP-binding cassette transporters
in the pharmacokinetics of drugs, Pharmacol. Ther., vol. 112, 2006, s. 457-73.
14. H. Thomas, H.M. Coley: Overcoming Multidrug Resistance in Cancer: An Update on the Clinical Strategy of Inhibiting P-Glycoprotein, Cancer Control, vol. 10, s. 159-65.
15. S. Dębska, A. Owecka et al.: Transportery błonowe ABCC – budowa, funkcja i znaczenie w mechanizmach wytwarzania oporności wielolekowej w komórkach nowotworów złośliwych,
Postępy Higieny i Medycyny Doświadczalnej, vol. 65, 2011, s. 552-561
16. K. Lenart, A. Szyda et al.: Kliniczne skutki oporności wielolekowej
w nowotworach, Onkologia w Praktyce Klinicznej, vol. 1, 2005, s. 18–26.
17. L.J. Piddock: Clinically relevant chromosomally encoded multidrug resistance efflux pomp in bacteria, Clin. Microbiol. Rev., vol. 19, 2006, s. 382-402
18. X.Z Li., H.Nikaido: Efflux-mediated drug resistance in bacteria, Drugs, vol. 64, 2004, s. 159-204.
19. M.I. Borges-Walmsley, K.S. McKeegan., A.R. Walmsley: Structure and function of efflux pumps that confer resistance to drugs, Biochem. J., vol. 376, 2003, s. 313-338
20. H.W. van Veen, K. Venema, H. Bolhuis, I. Oussenko, J. Kok, B. Poolman, A.J. Driessen, W.N. Konings: Multidrug resistance mediated by a bacterial homolog of the human multidrug transporter MDR1, Proc. Natl. Acad. Sci. USA, vol. 93, 1996, s. 10668-10672
21. P.N. Markham, A.A. Neyfakh: Efflux-mediated drug resistance in Gram-positive bacteria, Curr. Opin. Microbiol., vol. 4, 2001, s. 509-514
22. S. Mullin, N. Mani, T.H. Grossman: Inhibition of Antibiotic Efflux in Bacteria by the Novel Multidrug Resistance Inhibitors Biricodar (VX-710) and Timcodar (VX-853), Antimicrob. Agents Chemother., vol. 48, 2004, s. 4171-4176
23. F.P. Guengerich: Cytochrome P450s and Other Enzymes in Drug Metabolism and Toxicity, The AAPS Journal, vol. 8, 2006.
24. U.M. Zanger, M. Turpeinen et al.: Functional pharmacogenetics/genomics of human cytochromes P450 involved in drug biotransformation, Anal. Bioanal. Chem., vol. 392, 2008, s. 1093–1108.
25. A. Wojtczak, J. Skrętkowicz: Kliniczne znaczenie polimorfizmu wybranych genów cytochromu P-450 podrodzin CYP2D, CYP2E i CYP3A – część II, Polski Merkuriusz Lekarski, vol. 27, 2009, s. 158-166
26. M. Eichelbaum, M.F. Fromm et al.: Clinical Aspects of the MDR1 (ABCB1) Gene Polymorphism, Ther. Drug. Monit., vol. 26, 2004, s. 180–185.
27. T. Płusa: Farmakokinetyka współczesnych antybiotyków, Polski Merkuriusz Lekarski, vol. 30, 2011, s. 385-388.
28. H. Yamaguchi, I. Yano et al.: Pharmacokinetic role of P-glycoprotein in oral bioavailability and intestinal secretion of grepafloxacin in vivo. J. Pharmacol. Exp. Ther., vol. 300(3), 2002, s. 1063–1069.
29. E. Cormet-Boyaka, J.F. Huneau et al.: Secretion of sparfloxacin from the human intestinal Caco-2 cell line is altered by P-glycoprotein inhibitors. Antimicrob. Agents. Chemother., vol. 42, 1998, s. 2607–2611.
30. E.C. Lange, S. Marchand et al.: In vitro and in vivo investigations on fluoroquinolones; effects of the P-glycoprotein efflux transporter on brain distribution of sparfloxacin. Eur. J. Pharm. Sci., vol. 12, 2000, s. 85–93.
31. S. Hoffmeyer, O. Burk i wsp.: Functional polymorphisms of the human multidrug-resistance gene: multiple sequence variations and correlation of one allele with P-glycoprotein expression and activity in vivo, Proc. Natl. Acad. Sci. U S A., vol. 97, 2000, s. 3473-8.
32. B. Greiner, M. Eichelbaum i wsp.: The role of intestinal P-glycoprotein in the interaction of digoxin and rifampin, J. Clin. Invest., vol. 104, 1999, s. 147-53.
33. A.I. Alvarez, M. Perez et al.: Fluoroquinolone Efflux Mediated by ABC Transporters, J. Pharm. Sci., vol. 97(9), 2008, s. 3483-93.
34. Mizuarai S, Aozasa N, Kotani H: Single nucleotide polymorphisms result in
impaired membrane localization and reduced atpase activity in
multidrug transporter ABCG2,Int. J. Cancer., vol. 109,2004,s. 238–246.
35. P. Chen, L. Zhao i wsp.: The contribution of the ABCG2 C421A polymorphism to cancer susceptibility: a meta-analysis of the current literature, BMC Cancer, vol. 12, 2012, s. 383.
36. Y. Korenaga, K. Naito i wsp.: Association of the BCRP C421A polymorphism with nonpapillary renal cell carcinoma, Int. J. Cancer, vol. 117(3), 2005, s. 431-4.
37. D. Kwatra, R.K. Vadlapatla et al.: Interaction of gatifloxacin with efflux transporters: A possible mechanism for drug resistance, Int. J. Pharm., vol. 395, 2010, s. 114-21.
38. V. Munić, Z. Kelnerić et al.: Differences in assessment of macrolide interaction with human MDR1 (ABCB1, P-gp) using rhodamine-123 efflux, ATPase activity and cellular accumulation assays, Eur. J. Pharm. Sci., vol. 41, 2010, s. 86-95.
39. X.J. He, L.M. Zhao et al.: Influence of ABCB1 gene polymorphisms on the pharmacokinetics of azithromycin among healthy Chinese Han ethnic subjects, Pharmacol. Rep., vol. 61, 2009, s. 843-50.
40. O.Q. Yin, B. Tomlinson el al.: Effect of multidrug resistance gene-1 (ABCB1) polymorphisms on the single-dose pharmacokinetics of cloxacillin in healthy adult Chinese men, Clin. Ther., vol. 31, 2009, s. 999-1006.
41. T. Furuta, M. Sugimoto et al.: Effect of MDR1 C3435T polymorphism on cure rates of Helicobacter pylori infection by triple therapy with lansoprazole, amoxicillin and clarithromycin in relation to CYP 2C19 genotypes and 23S rRNA genotypes of H. pylori, Aliment. Pharmacol. Ther., vol. 26, 2007, s. 693-703.
42. K. Kajinami, M.E. Rousseau i wsp.: CYP3A4 genotypes and plasma lipoprotein levels before and after treatment with atorvastatin in primary hypercholesterolemia, Am. J. Cardiol., vol. 93, 2004, s. 104-7.
43. F. Sata, A. Saponeiwsp.: CYP3A4 allelic variants with amino acid substitutions in exons 7 and 12: evidence for an allelic variant with altered catalytic activity, Clin.Pharmacol.Ther., vol. 67, 2000, s. 48-56.
44. P450 Drug Interaction Table: http://medicine.iupui.edu/clinpharm/ddis/table.aspx, data wejścia 15.01.2013.
45. M. Wieczorek-Rutkowska, J. Jassem: Czynniki warunkujące skuteczność leczenia tamoksyfenem u chorych na raka piersi, Nowotwory Journal of Oncology, vol. 60, 2010,
s. 42-49.
46. S. Narayanan: Applications of restriction fragment length polymorphism, Ann Clin Lab Sci, 21, 1991, s. 291-6
47. A. Liczbańska, A. Woźniak, A. Wawrocka, M.R. Krawczyński: Techniki wykorzystywane w diagnostyce molekularnej chorób jednogenowych, Nowiny Lekarskie, vol. 75, 2006, s. 486-490
48. B. Krawczyk: Diagnostyka molekularna w zakażeniach szpitalnych, Postępy Mikrobiologii , vol. 46, 2007, s. 367-378
49. http://www.bio.perlan.com.pl, data wejścia: 23.01.2013.
50. P. Kwiatkowski, P. Wierzbicki i wsp.: Rola profilowania genowego z zastosowaniem macierzy DNA w diagnostyce, określaniu rokowania i odpowiedzi na leczenie w raku jelita grubego, Postępy Higieny i Medycyny Doświadczalnej, vol. 66, 2012, s. 330-338.
51. M. Perkowska, I. Brożek i wsp.: BRCA1 and BRCA2 mutation analysis in breast-ovarian cancer families from northeastern Poland, Hum. Mutat., vol. 21, 2003, s. 553-4.
52. Centrum Badań DNA, http://www.cbdna.pl/index.php/oferta/predyspozycje-choroby-genetyczne.html , data wejścia: 12.01.2013.
53. P. Zubor, Z. Lasabovaiwsp.: Polymorphism C3435T of the MDR-1 gene associated with smoking or high body mass index increases the risk of sporadic breast cancer in women, Oncol. Rep., vol. 18, 2007, s. 211-7.
54. D. Campa, B. Pardiniiwsp.: A gene-wide investigation on polymorphisms in the ABCG2/BRCP transporter and susceptibility to colorectal cancer, Mutat. Res., vol. 645, 2008, s. 56-60.
55. Q. Mei, D. Zhouiwsp.: CYP1B1 Asn453Ser polymorphism and colorectal cancer risk: a meta-analysis, Metabolism, vol. 61, 2012, s. 1321-9.
56. Table of Valid Genomic Biomarkers in the Context of Drug Labels, http://www.fda.gov/Drugs/ScienceResearch/ResearchAreas/Pharmacogenetics/ucm083378.htm, data wejścia: 20.01.2013.

Komentarze obsługiwane przez CComment