炎症性肠病治疗成功的关键生物标志物出炉
并非每个人对炎症性肠病(IBD)的治疗反应都同样良好。对于个别患者来说,哪种治疗方法有效需要在治疗过程中不断尝试和摸索。
在《胃肠病学》杂志上发表文章,研究人员指出,这将使得该疗法的使用更具针对性。
炎症性肠病(IBD)有多种形式,包括克罗恩病和溃疡性结肠炎。它是由胃肠道过度活跃的免疫反应引起的。患有这种疾病的人会出现腹部绞痛、腹泻和疲劳。目前尚无治愈方法;到目前为止,唯一的治疗方法是缓解症状和控制炎症。
“作为一名临床科学家,我积极参与患者护理,”夏里特胃肠病学、传染病学和风湿病学系的艾哈迈德·赫加齐教授说。
“这种疾病存在被称为发作的阶段,这些发作通常难以预测,所以治疗方案也在不断调整。”
一种副作用很小的高效治疗方案被称作整合素阻断疗法。它能阻止某些免疫细胞进入胃肠道并在那里引发炎症过程。维得利珠单抗,一种针对特定整合素的专门抗体,具有阻断的功效:它与 T 辅助细胞结合,阻止它们进入胃肠道。
“整合素阻断疗法在约三分之二的患者中非常有效。但对于另外三分之一的患者,它根本不起作用。以前,要弄清楚谁会对这种治疗有反应,得靠反复试验。这既繁琐、耗时又昂贵,而且对患者来说往往非常令人沮丧,”赫加齐说。
“要是有一种生物标志物能提前表明治疗有没有希望,那就太好了。这正是我们在研究中着手寻找的。”
研究人员所进行的广泛研究是以 47 名患有慢性 IBD 的患者为基础的。在他们开始使用维得利珠单抗治疗前和治疗开始后六周采集血样。研究人员使用了先进的分析方法,如质谱流式细胞术、单细胞 RNA 测序和血清蛋白质组学来检查样本。
“我们聚焦于不同种类的免疫细胞和某些蛋白质,并寻找治疗引起的潜在变化,”赫加齐解释道。“这产生了大量数据,然后我们使用机器学习加以分析。
“机器学习属于人工智能的一个领域,它运用算法和统计模型,能让计算机从数据里学习和识别模式,用不着事先明确编程。这使我们能够识别有助于预测哪些患者更有可能对这种治疗形式有反应的模式。”
这个由医学、生物信息学、数学和生物学领域的研究人员组成的跨学科团队,其中还有来自柏林夏里特健康研究所(BIH)、柏林德国风湿病研究中心(DRFZ)和波恩大学的研究人员,在对另一组患者的研究中发现了相同的模式。这 26 名参与者助力研究人员验证了他们的研究结果。
一种特别有意义的分子是一种称为 Ki67 的细胞分裂蛋白,当 T 辅助细胞分裂时,它的产生水平会升高。在治疗前血液中这些细胞水平高的患者对维得利珠单抗无反应。
“我们能够弄清楚这背后的分子现象:这些辅助性 T 细胞没有维得利珠单抗的结合位点,因此它们能够不受阻碍地进入胃肠道并继续引发炎症,”赫加齐解释道。
“这些细胞具有不同的转运分子,使它们能够进入胃肠道。这使得 Ki67 成为维得利珠单抗耐药性辅助性 T 细胞存在的良好指标。”
研究人员打算借助大型多中心研究来验证他们的发现,还会详细探究他们所确定的生物标志物的可靠性。同时,计划进一步开发其检测和测量方法,以将之纳入常规临床实践。
“可靠的生物标志物是为我们患有慢性炎症性肠病的患者提供个体化治疗从而实现更好的治疗的关键,”该部门主任布里塔·西格蒙德教授说。