במחקר שתוצאותיו פורסמו בכתב העת Arthritis & Rheumatology, חוקרים ניסו לנבא תגובת מטופלים הסובלים מדלקת מפרקים שגרונית לנוגד-TNF, טרם הטיפול בו. כמו כן, החוקרים העמיקו בניסיון להבין את המנגנון העומד מאחורי תגובות מטופלים שונים לטיפול בנוגדי-TNF מסוגים שונים.
עוד בעניין דומה
לצורך עריכת המחקר, החוקרים בחנו פרופילי ביטוי גנים ו\או מתילציית DNA של תאים מונונוקלאריים מדם פריפרי (PBMCs), מונוציטים ותאי T מסוג CD4+, של 80 מטופלי דלקת מפרקים שגרונית אשר טרם החלו את הטיפול עם אדלימומאב (ADA) או אתאנרספט (ETN). תגובת המחלה לטיפול הוערכה כעבור 6 חודשים, בהתאם לקריטריוני ה-European League Against Rheumatism. נערכו ניתוחי מתילציה וביטוי דיפרנציאלי לצורך זיהוי תהליכי תעתוק תלויי-תגובה וחתימות אפיגנטיות. באמצעות החתימות הללו ותוך שימוש באלגוריתמי Random Forest, נבנו מודלי למידת מכונה במטרה לחזות תגובה טרם הטיפול בנוגד-TNF. המודלים הללו אף תוקפו במהלך מחקר המשך.
החוקרים מצאו כי חתימות התעתוק בקרב המגיבים לטיפול עם ADA ו-ETN היו מפוצלות ב-PBMCs, תופעה ששוחזרה גם במונוציטים ובתאי T מסוג CD4+. הגנים אשר הראו עלייה בפעילות בתאי T מסוג CD4+ בקרב המגיבים לטיפול עם ADA, היו מועשרים במסלול האיתות של TNF. לעומתם, מסלולים מועטים מאוד היו דיפרנציאלים במונוציטים. עמדות מובדלות מיתול (DMPs) נמצאו בהיפרמתילציה בקרב המגיבים ל-ETN, בניגוד למגיבים ל-ADA. מודלי למידת המכונה לחיזוי התגובה לטיפול עם ADA ו-ETN שעשו שימוש בגנים דיפרנציאליים הגיעו לרמות דיוק כוללות של 85.9% ו-79%, בהתאמה. המודלים שעשו שימוש ב- DMPs הגיעו לרמות דיוק כוללות של 84.7% ו-88% עבור ADA ו-ETN, בהתאמה. מחקר המשך אימת את רמת הביצועים הגבוהה של המודלים.
החוקרים סיכמו כי מודלי למידת מכונה המבוססים על חתימות מולקולריות יכולים לנבא תגובה בצורה מדויקת, טרם הטיפול עם ADA ו-ETN. התוצאות הללו סוללות את הדרך לקראת טיפול מותאם אישית עם נוגדי-TNF.
מקור: