纽约——PrecisionLife和Ovation.io正在合作，计划今年推出一项测试，用于识别患者对GLP-1受体激动剂产生反应的可能性。
专注于慢性病的精准医疗公司PrecisionLife与组学及临床数据公司Ovation于去年年底达成合作，旨在识别生物标志物以预测患者对GLP-1受体激动剂的反应。GLP-1受体激动剂是一类用于治疗2型糖尿病和肥胖症的热门且不断增长的药物。
上个月，两家公司根据体重指数（BMI）变化所反映的减重效果以及糖化血红蛋白（HbA1c，衡量血糖水平的指标，用于糖尿病诊断）变化所反映的血糖控制情况，初步识别出一组用于预测药物反应的遗传生物标志物。他们计划在更大的数据集中验证这些发现。
PrecisionLife首席执行官史蒂夫·加德纳（Steve Gardner）表示，下一步的目标是让这些“对疾病生物学的新见解在临床上具有可操作性”。总部位于英国牛津的PrecisionLife旨在应用精准医学见解，开发诊断工具和个性化治疗方案，以更好地应对复杂的慢性疾病。
近年来，GLP-1受体激动剂的使用量激增，2018年至2023年期间，美国在这类药物上的支出增长了超过500%，达到717亿美元。这类药物包括礼来（Eli Lilly）的替尔泊肽（tirzepatide，商品名Mounjaro和Zepbound）以及诺和诺德（Novo Nordisk）的司美格鲁肽（semaglutide，商品名Ozempic和Wegovy），分别用于治疗2型糖尿病和体重管理，其标价每月可能超过1000美元。
然而，并非所有患者对这些药物的反应都相同，部分患者可能遭受恶心、呕吐等副作用。加德纳表示，如果患者决定服用这些昂贵的药物，那么让患者、医院和支付方更有信心地判断患者是否可能产生良好反应，将是有益的。
在分析中，两家公司利用PrecisionLife的人工智能平台，分析了来自Ovation真实世界纵向数据集中约4600名患者的数据，识别出与GLP-1药物疗效相关的约1100个基因的遗传特征。他们表示，这些特征可用于预测和区分对药物反应强和弱的患者。其中许多基因与已知影响体重的机制相关，例如PI3K-AKT信号通路（该通路调节细胞周期的多个部分，在代谢调节中很重要），而其他基因则代表了新的机制。
总部位于缅因州波特兰的Ovation公司负责整理并向生物制药及其他生命科学公司授权数据集，这些公司可以研究数据以推进精准医学的发现和开发。Ovation的数据集来源于其研究网络中临床实验室对患者进行检测后剩余的生物样本，前提是患者同意将样本用于研究。
去年，Ovation与Illumina达成协议，共同构建接受GLP-1受体激动剂治疗的患者表型、基因组和蛋白质组数据集。Illumina将对25000名患者的基因组进行测序，并基于Ovation生物库中的血样分析5000名患者的蛋白质表达。
Ovation首席战略官巴里·沃克（Barry Wark）表示，Ovation旨在通过提供与临床结果数据相关联的真实世界组学数据来推动精准医学发展。研究心代谢疾病（如糖尿病和肥胖症）的治疗方法，似乎正适合利用这种数据水平进行分析。他说：“这些是涉及多种机制的复杂疾病，这里存在一个实现更精准治疗的真实机会。”
加德纳表示，PrecisionLife和Ovation计划开发一种基于颊拭子的检测方法，用于识别可能对GLP-1受体激动剂产生反应的患者，并希望在今年推出。如果实现这一目标，他们将成为首批将基因检测推向市场以识别可能受益于GLP-1受体激动剂患者的公司之一，与Phenomix Sciences公司并列。Phenomix Sciences是从梅奥诊所（Mayo Clinic）分拆出来的公司，销售一种基因检测，可生成风险评分，供临床医生用于制定肥胖患者的治疗方案。
加德纳设想，PrecisionLife和Ovation正在开发的检测方法可能对支付方有用，可用于制定这些药物的报销政策，并筛选出不会从药物中受益的患者，因为支付方希望确保他们报销药物的患者能够获得健康益处。加德纳补充说，这些生物标志物还可用于开发靶向药物，或为临床试验富集可能的应答者。过去，PrecisionLife曾与生物制药公司合作进行这类工作。目前，PrecisionLife和Ovation正在这些领域开展合作，并讨论与第三方共同推进这些方向的选项。
但首先，PrecisionLife和Ovation必须验证他们的发现。两家公司的下一步是在一个多达25000名患者的数据集中验证和完善他们在初步分析中发现的疗效信号，并识别预测不良事件和耐受性的标志物。这还将包括评估在GLP-1受体激动剂这类药物中，不同药物是否存在相关的遗传生物标志物。加德纳在谈到计划对更大数据集进行的分析时说：“这将使我们能够做许多不同的事情。有了更多数据，就更容易看到一些关于耐受性、特定副作用、特定患者是否更容易反弹的微妙特征……所有这些都将是下一阶段研究的主题。”
【全文结束】