la medicinade precisión enla diabetes tipo 2
TRANSCRIPT
La Medicina de Precisiónen la Diabetes Tipo 2
José Carlos Flórez, MD, PhDJefe de Servicio de Endocrinología
29-Nov-19 José Carlos Flórez • Salud Pública México 7
Davies et al.Diabetes Care and Diabetologia 2018
29-Nov-19 José Carlos Flórez • Salud Pública México 8
Franks, Pearson & Florez Diabetes Care 2013, 36:1413-1421
• Cinco cohortes escandinavas• ANDIS (n=8,980) en la fase de descubrimiento• 4 cohortes para la replicacion• 6 variables clinicas en el momento del debut:
– Anticuerpos GAD– Edad– Índice de masa corporal– HbA1c– HOMA2-B (peptido C)– HOMA2-IR (peptido C)
Lancet Diab & Endo, 2018
Cinco grupos reproducibles:1. Diabetes autoinmune severa (SAID)2. Diabetes insulino-deficiente severa (SIDD)3. Diabetes insulino-resistente severa (SIRD)4. Diabetes de obesidad leve (MOD)5. Diabetes asociada con la edad leve (MARD)
Diferencias en la escalada terapéutica (insulina para la SIDD)Tasa de complicaciones diferente (nefropatía para la SIRD)
Escalada terapéutica
Insulina Metformina
SAIDSIDDSIRDMODMARD
SAIDSIDDSIRDMODMARD
29-Nov-19 José Carlos Flórez • Salud Pública México 10
Desarrollo de complicaciones
CKD (ANDIS) ESRD (SDR)
SAIDSIDDSIRDMODMARD
29-Nov-19 José Carlos Flórez • Salud Pública México 11
Los factores de riesgo continuos discriminan mejor que los agregados
ADOPT (& RECORD)
29-Nov-19 José Carlos Flórez • Salud Pública México 12
Lancet Diabetes & Endocrinology 2019
Evaluación de Ahlqvist et al.
• Avances:
1. Un gran paso en la subclasificación de la diabetes
2. Los grupos tienen relevancia fisiológica
3. Los grupos reflejan la realidad clínica
4. Los grupos se reproducen en otras poblaciones
5. Los grupos se asocian con resultados en ensayos clínicos (ADOPT, Dennis et al. 2019)
• Limitaciones: 1. Los grupos derivados de fenotipos dependen de variables que cambian con el tiempo
• Edad, estado metabólico, fase de la enfermedad
2. Algunas de las variables utilizadas no se miden rutinariamente en la práctica clínica
3. No se ha demostrado que una persona se pueda asignar a un grupo con confianza
29-Nov-19 José Carlos Flórez • Salud Pública México 13
¿Qué se necesita?
• Un enfoque que capture la fisiología pero que no dependa del momento de la muestra– Informado por datos fisiológicos– Que demuestre la asociación con el fenotipo esperada– Que facilite la inferencia causativa
• Que defina subtipos claramente delimitados– Robustos en contextos variados– Diferenciables entre ellos– Que cree categorías donde se puedan asignar a las personas
• Que tenga consecuencias clínicas– Para estrategias de prevención– Para el tratamiento– Para el desarrollo de complicaciones29-Nov-19 José Carlos Flórez • Salud Pública México 14
Type
2 d
iabe
tes o
dds
ratio
>400 loci genéticos en la DT2 con significancia estadística a nivel genómico
PPARGKCNJ11 TCF7L2 WFS1
HHEXCDKAL1FTOHNF1BIGF2BP2SLC30A8CDKN2A/B
TSPAN8NOTCH2ADAMTs9CAMK1DJAZF1THADAKCNQ1
DUSP8MTNR1BIRS1
SPRY2SRR KLF14TMEM19TP53INP1ZFAND6GCKRPROX1PRC1HNF1AGCKCCND2BCL11AZBED3C2CD4A PTPRDADCY5ARAP1 RBMS1UBE2E2HMGA2TLE4 DUSP9
COBLL1HMG20AVPS26AST6GAL1AP3S2HNF4A
TLE1GIPRANKRD55KCNK16ZMIZ1BCL2MC4RPSMD6 ANK1HNF4AGLIS3KLHDC5PEPDPAX4ZFAND3BCAR1MAEALAMA1CILP2RBM43
MACF1RASGRP1GRK5TMEM163SGCG
MPHOSPH9LPPTMEM154ARL15POU5F1RREB1FAF1GPSM1LEPPAMSLC16A11 /13CCDC63C12orf51CCND2HNF1ATBC1D4
GWAS LinkageCandidate GeneWhole genome sequencingExome sequencing/chipTargeted sequencing
CCDC85AINAFM2ASB3FAM60AATP8B2MIR4686MTMR3DMRTA1
Population isolates
C17orf58-BPTFPOC5-ANKDD1BKIF9WSCD2ZZEF1MLXTTLL6ZHX3PIM3PLCB3LPLTPCN2PNPLA3CEP68NEUROG3LYPLAL1SLC35D3GLP2RGIPMAP3K11EHMT2PLEKHA1HSD17B12
NRXN3 CMIPZZEF1MNX1ABOACSL1HLA-DQA1ANKHFAM63AAGTR2
Figura cortesíade Miriam Udler
~20% de la variancia~50% de la heritabilidad
2019400+
29-Nov-19 José Carlos Flórez • Salud Pública México 16
Predicción: No supera a los datos clínicos
Velázquez�Los borrachos�Museo El Prado
(Madrid, España)
Meigs et al. NEJM 2008
En poblaciones especiales
29-Nov-19 José Carlos Flórez • Salud Pública México 18
Los InuitTBC1D4 p.Arg684Ter• Riesgo 10x más alto• Frecuencia 17%• Insulinorresistencia
Estimated age-adjusted prevalence of diabetes in adults (20-79), 2015
< 4%4% - 5%5% - 7%7% - 9%9% - 12%> 12%
North America and Caribbean
2015 44.3 million2040 60.5 million
South and Central America
2015 29.6 million2040 48.8 million
Africa2015 14.2 million2040 34.2 million
South East Asia
2015 78.3 million2040 140.2 million
Europe2015 59.8 million2040 71.1 million
Western Pacific2015 153.2 million2040 214.8 million
Middle East and North Africa
2015 35.4 million2040 72.1 million
Estimated number of people with diabetes worldwide and per region in 2015 and 2040 (20-79 years) World
2015 415 million2040 642 million
La diabetes crece, especialmente en poblaciones no europeas
29-Nov-19 José Carlos Flórez • Salud Pública México 20
GENE
frequ
ency
Mexico Europe
50%
<2%
SLC16A11 explica el 20% del mayor riesgo de la diabetes tipo 2 en México
Nature 2014
• Variantes en el gen SLC16A11 descubiertas en un estudio genómico de 9,000 mexicanos
• Las variantes se originan en Europa y emigran hacia el este, expandiéndose en las Américas
• Aumentan el riesgo de la diabetes tipo 2 en un 28%
Una hipótesis terapéutica
Intervención: Hay que aumentar la proteínaSLC16A11 en la membrana celular
29-Nov-19 José Carlos Flórez • Salud Pública México 21
SIGMAII:Anewriskfactor– HNF1A
• Mutación funcional portada por el 2% de los mexicanos que tienen DT2, ausente en otraspoblaciones
• Los portadores tienen un riesgo 5x más alto de la DT2• Los pacientes de MODY 3 que tienen otras mutaciones
en el mismo gen responden major a las sulfonilureas• Si los portadores de esta mutación en HNF1A
responden igualmente a las sulfonilureas, podríaintroducir una prueba genética para un fármaco barato
JAMA 2014
29-Nov-19 José Carlos Flórez • Salud Pública México 22
29-Nov-19 José Carlos Flórez • Salud Pública México 24
Motivación:
• Los trabajos anteriores sobre subgrupos no aportaron resultados satisfactorios
• Los datos genómicos de muchos fenotipos se han hecho accesibles
• Las variantes de DNA son estables durante la vida de la persona
September 21, 2018
94 variantes DT2 & 47 rasgos con GWAS se deconstruyen en 5 grupos
Jaegil Kim
Gad Getz
Miriam Udler
Paradigma para conectar a las variantes génicas a vías fisiológicas:Análisis bayesiano de asociaciones variante-fenotipo
1. Variantes génicas DT2 2. Fenotipos de interés 3. Análisis de grupos 4. Inferencia de vías
Asociaciones variante� rasgo
var1var2.....var72
rasgo1 rasgo2 rasgo3 . . . . . . .
Asociacionesvariante-
rasgo(z-scores)
94 v
aria
ntes
de re
isgo
DT2 47 rasgos asociados a la DT2
Variantes� k grupos k grupos� rasgos
Varia
ntes
Grupos
Grup
os
Rasgos
29-Nov-19 José Carlos Flórez • Salud Pública México 25
Asociaciones variante-rasgo más relevantes para los 5 gruposIn
sulin
o-de
ficie
ncia
Nombre del grupo Rasgos clave Loci clave Mecanismo inferido
Células Beta Procesamiento y secreciónde la insulina
↓ Insulina en ayunas, respuestade la insulina a sobrecarga glucosa↑ Proinsulina
MTNR1B, HHEX, TCF7L2, SLC30A8, HNF1A, HNF1B
Proinsulina Síntesis de la insulina↓ Insulina en ayunas, respuestade la insulina a sobrecarga glucosa↓ Proinsulina
ARAP1, SPRY2, DGKB
Insu
lino-
resi
sten
cia Obesidad
Insulinorresistenciamediada por obesidad
↑ Insulina en ayunas↑ IMC, % grasa corporal, Circunferencia cintura, cadera
FTO, MC4R, NRXN3
LipodistrofiaInsulinorresistencia
debida a trastornos de almacenamiento de grasa
↑ Insulina en ayunas↓ IMC, % grasa corporal, colesterol HDL
IRS1, GRB14, PPARG, LYPLAL1, ANKRD55
Hígado/Lípidos Metabolismo hepáticoy lipídico
↑ Insulina en ayunas GCKR, TM6SF2, HLA.DQA1, PNPLA3↓ Triglicéridos, ácidos
palmitoleico y linolénicoUdler et al. PLoS Med 2018; 15:e1002654
Los grupos están enriquecidos en elementos regulatorios del DNA en los tejidos de interés
Kyle Gaulton, UCSD
**P<0.001*P<0.05
Silvia Bonas-Guarch, Barcelona Pre-adipose cells
Promotores y enhancers activos
Cé
lulas
Beta
Ob
esid
ad
Lipo
distr
Hígad
o/Líp
ido
s
GruposPro
insu
lina
Estudiar individuos en el extremo de cada grupo
Calcular la carga genética de cadapersona en cada uno de los grupos
Identificar a los del extremo 10% en cada uno de los grupos
GRS
17,364 participantes con DT2• Cohorte Ashkenazi (N=509) • Cohorte METSIM (N=487) • Biobanco Partners (N=2,065)• Biobanco UK (N=14,813)
Células Beta
Proinsulina
Obesidad
Hígado/Lípidos
Lipodistrofia
29-Nov-19 28
Asignar a los participantes en cada grupo
Proinsulina Hígado/LípidosLipodistrofiaObesidad
~30% de los participantes con DT2 marcaron al extremo of 1 grupo
~75% de ellos entran solamente en el 10% tope de un solo grupo
Joanne
Cole
Josep
Mercader
Marcin von
Grotthuss
Péptido C Péptido C IMC IMC Triglicéridos
Insulino-deficiencia Insulino-resistencia
29-Nov-19 29
Células Beta
• El agrupamiento de 94 variantes por 47 rasgos revela 5 grupos robustos– ~70% de las variantes se agrupan con pesos significativos– Los grupos parecen tener modos de acción específicos a tejidos relevantes
• Función de las células Beta– Síntesis de la insulina– Procesamiento/secreción
• Insulino-resistancia– Obesidad– Lipodistrofia– Metabolismo hepático/lipídico
• >30% de las personas con DT2 se pueden asignar al extremo de un grupo• El 75% de las personas en el extremo de un grupo sólo caen en un extremo
Grupos anclados en la genética pero informados por la fisiología
31
Direcciones futuras/trabajo en marcha
1. ¿Los grupos anclados en la genética pero informados por la fisiología, predicen:– las diferencias en el desarrollo de las complicaciones?– las diferencias en la respuesta a terapias específicas?– el progreso de la enfermedad?
2. ¿Se reproducen los grupos en otras poblaciones?3. ¿Se solapan los grupos con los de Ahlqvist et al.?4. Reiteración con más loci y más rasgos5. Expansión a otras enfermedades6. Refinar la categorización individual7. Implantación en el lugar de la atención clínica
29-Nov-19 José Carlos Flórez • Salud Pública México
Hígado
Lipodistrofia
• Florez Lab at MGH & Broad– Miriam Udler– Jason Flannick– Marcin Von Grotthuss– Josep Mercader– Joanne Cole
• Getz Lab at Broad Institute– Jaegil Kim– Gad Getz
• Kyle Gaulton, Josh Chiou at UCSD• METSIM (Michael Boehnke,
Markku Laakso)• Ashkenazi (Ben Glaser, Gil Atzmon)
Reconocimentos: Grupos
• Publicly available GWAS data:
– DIAGRAM– MAGIC– GIANT– HRgene consortium– CARDIoGRAM– Global Lipids Genetics Consortium– Global Urate Genetics Consortium– Early Growth Genetics– Adipogen– Leptin– CHARGE
3329-Nov-19
29-Nov-19 34
Reconocimientos
• Human physiology– Laura Brenner– Amanda Elliott– Vicky Kaur– Aaron Leong– Josephine Li– Jordi Merino– Camille Powe– Cristina Quintero– Pam Ricevuto– Kayla Yates
• Mentors– David Altshuler– David Nathan– Leif Groop– Joe Takahashi– Aryeh Routtenberg
• Functional genomics– Alina Ainbinder– Patty Glover– Aly Harney– Eitan Hoch– Suzanne Jacobs– Liping Zhao
• AMP-T2D & T2D-GENES Consortia• The DPP Research Group• The Framingham Heart Study• The MAGIC investigators• The GENIE Consortium• The SIGMA Consortium• The ProDIGY Consortium• The MetGen Consortium
• The NIDDK, DDCF, JDRF, FCS, ADA, MGH
• Genetic analysis– Ling Chen– Joanne Cole– Josep Mercader– Miriam Udler
• T2D Genetics Portal– Noël Burtt– Lizz Caulkins– Maria Costanzo
• Collaborators– Michael Boehnke– Jason Flannick– Joel Hirschhorn– Alisa Manning– Mark McCarthy– James Meigs