Η εφαρμογή της μεταγραφομικής (transcriptomics) για την ανεύρεση προγνωστικών δεικτών ανταπόκρισης στη θεραπεία της ελκώδους κολίτιδας με Ustekinumab

Abstract

Introduction: Optimizing treatment with biological agents is an ideal goal for patients with ulcerative colitis (UC). Recent data suggest that mucosal inflammation patterns and serum cytokine profiles differ between patients who respond and those who do not. Ustekinumab, a monoclonal antibody targeting the p40 subunit of interleukin (IL)-12 and IL-23, has shown promise, but predicting treatment response remains a challenge. We aimed to identify prognostic markers of response to ustekinumab in patients with active UC, utilizing information from their mucosal transcriptome. Methods: We performed a prospective observational study of 36 UC patients initiating treatment with ustekinumab. Colonic biopsies were obtained prior to treatment initiation for gene expression analysis using RT-qPCR (Reverse Transcription quantitative Polymerase Chain Reaction) with a panel of 84 predefined genes related to inflammation and autoimmunity. A differential gene expression analysis (DGEA), correlation analysis, and network centrality analysis on co-expression networks were performed to identify potential biomarkers. Additionally, machine learning (ML) models were employed to predict treatment response based on gene expression data. Results: Seven genes, including BCL6, CXCL5, and FASLG, were significantly upregulated, while IL23A and IL23R were downregulated in non-responders compared to responders. The co-expression analysis revealed distinct patterns between responders and non-responders, with key genes like BCL6 and CRP highlighted in responders and CCL11 and CCL22 in nonresponders. The ML algorithms demonstrated a high predictive power, emphasizing the significance of the IL23R, IL23A, and BCL6 genes. Conclusions: Our study identifies potential biomarkers associated with ustekinumab response in UC patients, shedding light on its underlying mechanisms and variability in treatment outcomes. Integrating transcriptomic approaches, including gene expression analyses and ML, offers valuable insights for personalized treatment strategies and highlights avenues for further research to enhance therapeutic outcomes for patients with UC.

Εισαγωγή: Η βελτιστοποίηση της θεραπείας με βιολογικούς παράγοντες αποτελεί ιδεατό στόχο για τους ασθενείς με ελκώδη κολίτιδα (ΕΚ). Πρόσφατα δεδομένα δείχνουν ότι τα πρότυπα βλεννογονικής φλεγμονής και τα προφίλ κυτταροκινών ορού διαφέρουν μεταξύ των ασθενών που ανταποκρίνονται στη θεραπεία και εκείνων που δεν ανταποκρίνονται. Το ustekinumab, ένα μονοκλωνικό αντίσωμα που στοχεύει την υπομονάδα p40 των ιντερλευκινών (IL)-12 και IL-23, έχει δείξει ενθαρρυντικά αποτελέσματα, ωστόσο, η πρόβλεψη της ανταπόκρισης στη θεραπεία παραμένει πρόκληση. Σκοπός της μελέτης ήταν ο εντοπισμός προγνωστικών δεικτών ανταπόκρισης στο ustekinumab σε ασθενείς με ενεργό ΕΚ, αξιοποιώντας δεδομένα από το βλεννογονικό μεταγραφομικό προφίλ τους. Μέθοδοι: Πραγματοποιήθηκε προοπτική μελέτη παρατήρησης σε 36 ασθενείς με ΕΚ που ξεκίνησαν θεραπεία με ustekinumab. Ελήφθησαν βιοψίες παχέος εντέρου πριν από την έναρξη της θεραπείας, για ανάλυση γονιδιακής έκφρασης με την τεχνική RT-qPCR (Reverse Transcription quantitative Polymerase Chain Reaction), χρησιμοποιώντας πάνελ 84 προκαθορισμένων αλληλουχιών που σχετίζονται με τη φλεγμονή και την αυτοανοσία. Διενεργήθηκαν ανάλυση διαφορικής γονιδιακής έκφρασης (DGEA), έλεγχος των μοτίβων συσχέτισης γονιδιακής έκφρασης και ανάλυση του δικτύου συνέκφρασης γονιδίων. Επιπλέον, χρησιμοποιήθηκαν μοντέλα μηχανικής μάθησης (ML) για την πρόβλεψη της ανταπόκρισης στη θεραπεία βάσει των δεδομένων γονιδιακής έκφρασης. Αποτελέσματα: Επτά γονίδια, μεταξύ των οποίων τα BCL6, CXCL5 και FASLG, εμφάνισαν σημαντική υπερέκφραση, ενώ τα IL23A και IL23R παρουσίασαν υποέκφραση στους μη ανταποκρινόμενους ασθενείς σε σύγκριση με τους ανταποκρινόμενους. Η ανάλυση συν-έκφρασης αποκάλυψε διαφορετικά πρότυπα μεταξύ των δύο ομάδων, με γονίδια όπως τα BCL6 και CRP να διακρίνονται στους ανταποκρινόμενους και τα CCL11 και CCL22 στους μη ανταποκρινόμενους. Τα μοντέλα ML παρουσίασαν υψηλή προγνωστική ικανότητα, υπογραμμίζοντας τη σημασία των γονιδίων IL23R, IL23A και BCL6. Συμπεράσματα: Η μελέτη εντόπισε πιθανούς βιοδείκτες που σχετίζονται με την ανταπόκριση στο ustekinumab σε ασθενείς με ΕΚ, ρίχνοντας φως στους υποκείμενους μηχανισμούς και στη μεταβλητότητα της θεραπευτικής ανταπόκρισης. Ο συνδυασμός αναλύσεων μεταγραφομικής και μεθόδων μηχανικής μάθησης προσφέρει πολύτιμες προοπτικές για εξατομικευμένες θεραπευτικές στρατηγικές και αναδεικνύει νέους δρόμους έρευνας για τη βελτίωση των θεραπευτικών αποτελεσμάτων σε ασθενείς με ελκώδη κολίτιδα.