مقدمه: وعده مراقبت از دیابت شخصی

ملانوما بیش از 530 میلیون بزرگسال در سراسر جهان را تحت تاثیر قرار می دهد، با افزایش سریع در کشورهای کم درآمد و متوسط، علی رغم پیشرفت در درمان، دستورالعمل های بالینی فعلی عمدتا یک روش کامل تشخیص دارو را دنبال می کنند: بیماران به طور دقیق تر از داروهای دارویی شروع می شوند، سپس به ulfonylureas، مهارکننده های DPP-4، SG2 تاخیر، یا جلوگیری از واکنش های دقیق و پاسخ های دقیق تر می توانند منجر به جلوگیری از درمان های درمانی شوند.

درک فارماکو ژنومیک در دیابت

فارماکو ژنومیک پل های دارویی و ژنومیک ها[[ویرایش] هر فرد انواع منحصر به فرد در ژن هایی که آنزیم های متابولیزه کننده مواد مخدر، حمل کنندگان، گیرنده ها و مولکول های سیگنال دهی پایین جریان را کد می کنند، می تواند تغییر دهد که چگونه بدن انواع هیپوگلیسمی خوراکی و انسولین را کنترل می کند.

مفاهیم کلیدی در Pharmacogenomics

  • [FLT: 1 ] چگونه تنوع ژنتیکی بر جذب مواد مخدر، توزیع، متابولیسم و اخاذی (به عنوان مثال، آنزیم های CYP، پروتئین های حمل و نقل) تأثیر می گذارد.
  • [FLT: 1 ] چگونه تنوع ژنتیکی هدف دارویی یا مسیر پایین جریان (به عنوان مثال، انواع گیرنده، جهش کانال یون) را تغییر می دهد.
  • ] تعاملات دارویی- دارویی: جفت های خاص Allele-drug با شواهد بالینی تاسیس، اغلب در دستورالعمل های کنسرسیوم بالینی دارویی بالینی (CPIC) یا FDA خلاصه شده است.

با ادغام این مفاهیم، پزشکان می توانند پاسخ بیمار را قبل از تجویز پیش بینی کنند، به حداقل رساندن حدس کار ذاتی در مدیریت دیابت معمولی.

چشم انداز ژنتیکی پاسخ به داروهای دیابت

در طول دو دهه گذشته، مطالعات بزرگ انجمن ژنوم (GWAS) و مطالعات ژن کاندید ده ها تن از loci مرتبط با پاسخ به داروهای دیابت رایج را شناسایی کرده اند، اما در حال حاضر قدرت شواهد توسط کلاس دارویی متفاوت است، با متفورمین و سولفات به عنوان بهترین شاخص. عوامل جدید، اگر چه کمتر مطالعه شده است، در تجزیه و تحلیل های بزرگ دارویی گنجانده شده است.

متفورمین و ژنتیک Variants

متفورمین عامل اول دهان برای دیابت نوع 2 است، اما تا 30 درصد از بیماران قادر به دستیابی به کنترل گلیسمی کافی نیستند. عوامل ژنتیکی به طور قابل توجهی به این تنوع کمک می کنند.(FLT:0SLC22A1 (OCT1) و A] [Fxia3LT3]

  • [FLT1] کاهش کلیه های تابع (به عنوان مثال R61C، G401S، 420del) کاهش متفورمین جذب به کبد، منجر به سطوح بالاتر پلاسما و کاهش اثربخشی این گونه ها ممکن است نیاز به عوامل جایگزین یا تنظیمات دوز.
  • ATM: یک نوع رایج درونیک (از11212617) در نزدیکی ژن خودپرداز با پاسخ متاformin در چندین گیگاوات درگیر در سنجش انرژی سلولی است و این نوع ممکن است بر اثرات مرتبط با AMPK اثر متقابل را تحت تاثیر قرار دهد.
  • SLC47A1/SLC47A2: Variants در ژن های رمزگذاری کننده چند دارویی و اکستروژن سموم (MATE) حمل و نقل (MATE1 و MATE2-K) بر ترشحات کلیوی متافور، تاثیر گذاری سطح مواد مخدر و خطر سکتیک اسید.

علی رغم این انجمن ها، پیاده سازی بالینی از داروهای دارویی متوفیونیک به دلیل اندازه های اثر متوسط و فقدان کارآزمایی های آینده نگر که نتایج بهبود یافته را نشان می دهد، کند شده است، با این حال، متاآنالیز 2023 از بیش از 10،000 شرکت کننده تایید کرد که افرادی که دو E1 را حمل می کنند، کاهش 20٪ کاهش در HbA1 در مقایسه با غیرcarriers، نشان می دهد که نشان می دهد که این روش درمانی به اندازه کافی معنی دار است.

Sulfonylureas و KCNJ11/ABCC8

glionylureas باعث کاهش ترشح انسولین توسط اتصال به SUR1 (واحدی از ulfc KATP کانال، کدگذاری شده توسط (FLT:2bing 8 [FLT3]، و کانال پتاسیم داخلی (FLT3)، به طور مشابه، کاهش می یابد.

تیازولدینی (TZDs) و PPARG

TZDs مانند pioglitazone فعال سازی Peroxisome proliferator-activecer گاما (PPARG )، بهبود حساسیت به انسولین (FPO2=CE1la) با کاهش فعالیت گیرنده ارتباط دارد و به پاسخ بهتر گلیکمی نسبت به مطالعات (FINF) مرتبط است.

DPP-4 Inhibitors، SGLT2 Inhibitors و GLP-1 Receptor Agonists

برای کلاس های دارویی جدیدتر، داده های دارویی در حال حاضر کمتر قوی هستند، اما در حال ظهور هستند.[۲] مهارکننده های DPP-4 (به عنوان مثال، کشف بنزین) نشان می دهد که ممکن است به طور گسترده ای با استفاده از (FLTI) به عنوان یک ژن فعال (FLTF72) SLT1 و [F:2KNQ1] [F3] ارتباط داشته باشد که همچنین مهار کننده های بسیار نادر است.

چرا جمعیت های مختلف اهمیت دارند

یکی از چالش های فشار آور در داروهای دارویی دیابت کمبود تنوع در تحقیقات ژنتیکی است، بیش از 80٪ از شرکت کنندگان GWAS از اجداد اروپایی هستند، اما بار دیابت نوع 2 به طور غیر قابل توجهی در آفریقایی، اسپانیایی، جنوب آسیا و جمعیت بومی بالا است، این عدم تعادل به این معنی است که انواع ژنتیکی مهم برای پاسخ به مواد مخدر در گروه های غیر اروپایی ممکن است از دست رفته و در معرض خطر های تحقیقاتی گسترده بدون محدودیت های دارویی قرار گیرد.

نمونه هایی از تنوع جمعیت-Specific Variants

  • [FLT1] [2] و *3 آلل مشترک در اروپایی ها در آسیای شرقی و آفریقایی نادر هستند، در حالی که دیگر انواع کاهش عملکرد (به عنوان مثال، 8، *11) در جمعیت آفریقایی رخ می دهد دستورالعمل های استاندارد بر اساس داده های اروپایی به عنوان مثال اعمال نمی شود، یک نمونه استاندارد CY2P2P می تواند یک دوز آنتی اکسیدان های غیر منتظره از آن استفاده کند.
  • [FLT1B1: Variants در این ژن حمل کننده Hepatic (به عنوان مثال، rs4149056) به شدت با توجه به عفونت منپاتی کره ای است، اما فرکانس های آلل متفاوت است: -15٪ در اروپایی ها، و تنولت؛ در شرق آسیا، و ~2% در مطالعه آفریقایی، Scoformin1 و Reforminformin2٪ افزایش یافته است.
  • [FLT1] [FLT1] برای دیابت نوع 2 در اروپایی ها (25 -30٪] شایع است، اما همچنین در آفریقایی ها و اسپانیایی ها وجود دارد، این با کاهش پاسخ به ulfonylureas و GLP-1 آنالوگ در سراسر جمعیت، اما اندازه اثر متفاوت است، در آمریکایی های آفریقایی، در حالی که خطر ابتلا به میکروبی و کم شدن، 50٪ بیشتر است.
  • ]G6PD: [ اگرچه به طور کلاسیک با هگزاملیز مواد مخدر مرتبط است، کمبود گلوکز-6- فسفات dehydrogenase در آفریقا و بخش هایی از آسیا شایع است. برخی از سولفیدها و گلیسینیدها ممکن است باعث تحریک هلیوم در افراد G6PD-deaffient، خطر اغلب نادیده گرفته شده در دستورالعمل های پیش فرض.

تلاش هایی مانند همه برنامه تحقیقاتی ما، کنسرسیوم H3آفریقایی و گروه تحقیقاتی متنوع بانک مرکزی انگلستان، شروع به حل این شکاف می کند، اما به تازگی سرمایه گذاری بیشتری لازم است. National Human Genome Research Institute موسسه "Genomics of دیابت در مطالعات جمعیت دیففی" را به طور خاص برای سرمایه گذاری در گروه های کمتر از حد معمول آغاز کرد.

اجرای بالینی و چالش های مداوم

بررسی اکتشافات دارویی به مراقبت از دیابت روزمره پیچیده است.چندین موانع باید برطرف شوند:

  1. Threshold: بسیاری از انجمن های دارویی فاقد شواهد آزمایشی تصادفی هستند. کلینیکی ها در تغییر پیش تجویز بر اساس داده های گذشته یا به تنهایی، آزمایش های Pragmatic مانند مطالعه PREEMPT (آزمون های کبدی برای دیابت) در حال حاضر ثبت نام هزاران بیمار برای شواهد کیفیت بالا است.
  2. هزینه و دسترسی: پانل های تست ژنتیک می توانند چند صد دلار هزینه کنند، اگرچه قیمت ها در حال کاهش است، پوشش بیمه به طور گسترده ای متفاوت است و بیماران در تنظیمات منابع آموزش دیده ممکن است دسترسی نداشته باشند.
  3. [FLT: 1 ] [ [ [FLT 1 ] اکثر ارائه دهندگان خدمات بهداشتی آموزش محدودی در genomics. ادغام حمایت از تصمیم گیری داروییcogenomic به سوابق بهداشت الکترونیکی (EHRs) ضروری است اما نیاز به همکاری و ابزارهای تفسیر روشن است. Clin Pharmaicalcogenetics کنسرسیوم (CP) بارگیری [DN]
  4. ملاحظات نظری و اجتماعی: نگرانی در مورد حریم خصوصی ژنتیکی، تبعیض بالقوه (به عنوان مثال، توسط بیمه عمر) و خطر دوباره شناسایی مجدد گروه های قومی باید از طریق مقررات قوی و تعامل جامعه حل شود.قانون تبعیض اطلاعات ژنتیکی (GINA) در ایالات متحده ارائه می دهد حفاظت طولانی مدت، اما بیمه مراقبت های طولانی و مراقبت از معلولیت و جلوگیری از معلولیت.
  5. تنوع زمانی: پاسخ دارو نه تنها توسط ژنتیک بلکه تحت تاثیر سن، عملکرد کلیه، پیچیدگی، رژیم غذایی و داروهای همزمان است.

علی رغم این موانع، برخی از موسسات شروع به اجرای تست های پیش از مصرف دارو کرده اند (به عنوان مثال، برنامه PGx کلینیک مایو برای دیابت به طور خاص، CPIC دستورالعمل هایی برای متافورین و sulfonylureas بر اساس S22A21، بررسی CY2C ارائه برخی از ژن های پزشکی Ugen در سال 2024 منتشر کرده است.

راهنمایی های آینده: به سمت مراقبت از دیابت دقیق

آینده داروسازی دیابت در ادغام لایه های متعدد داده ها قرار دارد: ژنومیک، رونویسی، متابولیتیک و نظارت مداوم گلوکز وعده می دهند: S متعدد روند در حال ظهور وعده می دهند:

امتیازات خطر چندوژنیک (PRS)

فراتر از انواع تک ژن، PRS اثرات هزاران گونه مشترک را به یک نمره واحد، PRS برای دیابت نوع 2 می تواند افراد را در معرض خطر بزرگ ترین شناسایی کند و کسانی که ممکن است از درمان فشرده اولیه بهره مند شوند، برای پاسخ به مواد مخدر، PRS برای متاLTin (بر اساس ~ 20 loci) توسعه یافته اند اما قدرت پیش بینی پایین با ترکیب با متغیرهای PR0 در سراسر آزمایش های بالینی و در نهایت با هدف بهبود عملکرد PRF.

ژن درمانی و اصلاح اپی ژنتیک

اگرچه هنوز تجربی است، ویرایش ژن (به عنوان مثال، کریسپر / کاس9) می تواند اشکال تکوژنیک دیابت مانند MODY (مturity-onset دیابت جوان) را تصحیح کند) برای دیابت نوع 2، تغییرات اپی ژنتیک تحت تاثیر شیوه زندگی و محیط زیست همچنین به درک این مکانیسم ها ممکن است منجر به اهداف درمانی جدید شود.

ادغام با Digital Health

دستگاه های پوشیدنی و مانیتورهای گلوکز مداوم داده های زمان واقعی را در مورد تنوع گلیسمیک تولید می کنند. ترکیب این داده ها با پروفایل های دارویی می تواند تنظیمات دوز پویا را فعال کند و رویدادهای نامطلوب را که قبلاً ایجاد شده است شناسایی کند. الگوریتم های یادگیری ماشین آموزش داده شده در داده های بزرگ و متنوع برای شناسایی الگوهایی که تجزیه و تحلیل انسان ممکن است از دست بدهد، برای مثال، یک مطالعه اثبات مفهوم 2025 استفاده شده از یک گوشی هوشمند برای ارائه توصیه های متنوع در یک نمونه، در یک توصیه های زمان در یک نمونه در یک نمونه، در مورد استفاده می شود.

اشتراک گذاری جهانی و جهانی داده ها

طرح هایی مانند NLGRI-EBI GWAS کاتالوگ و ] جدول مارک های Biomarkic Pharmacogenomic [ ارائه داده های ساختاری برای محققان دو برابر است.

نتیجه گیری

فارماکو ژنومیک پتانسیل زیادی برای شخصی سازی درمان دیابت، کاهش واکنش های نامطلوب دارو و شکاف های نزدیک به عدالت که رویکردهای فعلی را مختل می کنند، در حالی که علم به طور قابل توجهی پیشرفت کرده است - به ویژه برای متوفی و سولفات مطلوب - در سراسر جهان، پذیرش بالینی نیاز به شواهد دقیق، تحقیقات جامع، آزمایش مقرون به صرفه، و آموزش هر دو ارائه دهندگان و بیماران است.