Genotyp HLA-DRB1 nie kieruje wyborem terapii biologicznej w RZS

Czy genotyp HLA-DRB1 może kierować wyborem terapii biologicznej w RZS?

Reumatoidalne zapalenie stawów charakteryzuje się znaczną niejednorodnością odpowiedzi na leki biologiczne. U części pacjentów autoreaktywne limfocyty T CD4+ i CD8+ rozpoznają cytrullinowane autoantygeny prezentowane przez cząsteczki MHC klasy I i II, kodowane przez allele HLA-DRB1 zawierające tzw. shared epitope (SE). Abatacept blokuje kostymulację limfocytów T poprzez interakcję CD80/CD86-CD28, co teoretycznie może być szczególnie skuteczne u nosicieli SE.

Dotychczasowe doniesienia przynoszą sprzeczne wyniki. Cztery niezależne badania wykazały lepszą odpowiedź na abatacept u nosicieli SE, z efektem dawka-odpowiedź dla liczby kopii alleli, niezależnie od statusu przeciwciał przeciwko cytrullinowanym peptydom (ACPA). Z kolei trzy nowsze publikacje, w tym badanie AMPLIFIED, nie potwierdziły istotnej statystycznej poprawy odpowiedzi u nosicieli SE. Dodatkowo badanie koreańskie sugerowało silniejsze skojarzenie z waliną w pozycji 11 (Val11) HLA-DRB1 niż z samym SE.

Kluczową luką w dotychczasowych analizach było pomijanie stężeń leków i przestrzegania zaleceń dotyczących metotreksatu (MTX) – znanych czynników wpływających na odpowiedź terapeutyczną. Autorzy z konsorcjum BRAGGSS postanowili wypełnić tę lukę, analizując rzeczywiste dane z praktyki klinicznej z uwzględnieniem pomiaru poziomów leków biologicznych i MTX.

Jak zaprojektowano badanie BRAGGSS?

Badanie objęło 342 pacjentów z RZS z 53 ośrodków w Anglii, rekrutowanych w latach 2008-2019. Kryteria włączenia: aktywna choroba (DAS28 >5,1), niepowodzenie konwencjonalnych leków modyfikujących przebieg choroby (csDMARD), rozpoczęcie leczenia abataceptem lub adalimumabem jako pierwszej lub kolejnej linii terapii biologicznej. Pacjentów oceniano prospektywnie w 3., 6. i 12. miesiącu od rozpoczęcia leczenia.

Odpowiedź na leczenie mierzono trzema metodami: kryteria EULAR (zmienna porządkowa), remisja DAS28 (<2,6; zmienna binarna) oraz ΔDAS28 (zmienna ciągła). Genotypowanie przeprowadzono za pomocą Illumina Infinium CoreExome-24 v1.4, z imputacją alleli HLA-DRB1. Zdefiniowano liczbę kopii SE (0, 1 lub 2) oraz Val11 dla każdego pacjenta.

Stężenia abataceptu, adalimumabu i MTX mierzono metodą ELISA w próbkach niekorytkowych w 3. i 6. miesiącu. Zdefiniowano obecność/brak terapeutycznych poziomów leków: >10 μg/ml dla abataceptu i >5 μg/ml dla adalimumabu. Nieprzestrzeganie zaleceń dotyczących MTX zdefiniowano jako niewykrywalne poziomy we wszystkich pomiarach u pacjentów z zapisaną przepisaną terapią MTX – dotyczyło to 5,5% badanych (18/333).

Model wieloczynnikowy testował jednocześnie trzy relacje: (1) typ leku biologicznego vs odpowiedź, (2) liczba kopii SE/Val11 vs odpowiedź, (3) interakcję między genotypem a typem leku. Korygowano o wiek, płeć, BMI, czas trwania choroby, choroby współistniejące, stosowanie MTX, obecność terapeutycznych stężeń leków oraz status biologicznie naiwny (biologic naïve).

Jakie były różnice między grupami leczonymi?

Grupa badana składała się z 136 pacjentów leczonych abataceptem i 206 leczonych adalimumabem. Grupy różniły się istotnie pod względem charakterystyki klinicznej, odzwierciedlając rzeczywistą praktykę brytyjską. Pacjenci otrzymujący abatacept byli starsi (średnio 60,6 vs 57,1 lat, p=0,008), mieli dłuższy czas trwania choroby (mediana 12,6 vs 7,0 lat, p<0,001), częściej otrzymywali wcześniej leki biologiczne (72,1% vs 31,1% biologic naïve, p<0,001) i mieli więcej chorób współistniejących (36,8% vs 18,9%, p<0,001).

W konsekwencji tych różnic pacjenci leczeni abataceptem gorzej odpowiadali na terapię: dobra odpowiedź EULAR u 27,3% vs 46,7% (p=0,001), remisja DAS28 u 16,2% vs 30,1% (p=0,005), mediana ΔDAS28 1,5 vs 2,2 (p=0,001). Rozkład genotypów był podobny: brak SE u 17,6% vs 21,8%, jedna kopia u 49,3% vs 55,3%, dwie kopie u 33,1% vs 22,8% (p=0,11).

Spośród 148 pacjentów z dostępnymi danymi o ACPA, 66,9% było seropozytywnych, bez różnicy między grupami (p=0,65). Stosowanie MTX było porównywalne (64,0% vs 72,8%, p=0,11), podobnie jak BMI (mediana 28,3 vs 28,0, p=0,29). Wyjściowy DAS28 był identyczny w obu grupach (mediana 5,5, p=0,63).

Czy genotyp HLA-DRB1 różnicuje skuteczność abataceptu i adalimumabu?

W modelu wieloczynnikowym testującym skojarzenie SE z odpowiedzią na leczenie nie wykazano istotnej różnicy skuteczności między lekami (p=0,29-0,45 dla różnych punktów końcowych). Liczba kopii SE wykazywała trend w kierunku lepszej odpowiedzi (β=0,58 dla remisji, p=0,13; β=0,33 dla ΔDAS28, p=0,05; β=0,31 dla EULAR, p=0,24), jednak interakcja SE×typ leku nie była istotna statystycznie (p=0,20-0,41), co oznacza brak różnicowania efektu między abataceptem a adalimumabem.

Dla Val11 wyniki były podobne. Wykryto słabe, niezależne skojarzenie liczby kopii Val11 z odpowiedzią EULAR (β=0,63, 95% CI 0,11-1,16, p=0,02), ale nie z remisją (p=0,09) ani ΔDAS28 (p=0,08). Kluczowo, interakcja Val11×typ leku nie była istotna (p=0,13-0,53), co wskazuje, że efekt Val11 nie różni się między lekami.

Spośród pozostałych zmiennych najsilniejsze skojarzenie z lepszą odpowiedzią wykazywały: status biologicznie naiwny (p<1,5×10⁻⁴ dla wszystkich punktów końcowych), obecność terapeutycznych stężeń leków (p<2,5×10⁻³), niższy wyjściowy DAS28 (p<1,2×10⁻³) oraz niższe BMI (p=0,02-0,03). Stosowanie MTX wykazywało trend w kierunku lepszej odpowiedzi (p=0,05-0,08), podobnie jak dłuższy czas trwania choroby (p=0,03 dla ΔDAS28).

Czy u pacjentów biologicznie naiwnych genotyp ma większe znaczenie?

Ze względu na silny efekt statusu biologicznie naiwny (180 pacjentów) vs wcześniej leczonych biologicznie (162 pacjentów), przeprowadzono analizę w podgrupach. U pacjentów wcześniej leczonych biologicznie nie wykryto żadnych istotnych skojarzeń – ani z typem leku, ani z markerami genetycznymi, ani z interakcją (wszystkie p>0,05).

U pacjentów biologicznie naiwnych również nie wykazano istotnej różnicy ogólnej skuteczności między lekami. Jednak nosiciele SE lub Val11 częściej osiągali remisję DAS28 przy leczeniu abataceptem niż adalimumabem (p dla interakcji=0,02 dla obu markerów). Efekt ten był specyficzny dla remisji – nie obserwowano go dla ΔDAS28 ani odpowiedzi EULAR.

Należy jednak podkreślić istotne ograniczenia tej analizy w podgrupach. Po pierwsze, opiera się ona na małych liczbach bezwzględnych pacjentów w poszczególnych podgrupach genetycznych. Po drugie, nie zastosowano korekty na wielokrotne testowanie. Po trzecie, efekt obserwowano tylko dla jednego z trzech punktów końcowych. Po czwarte, dodanie czasu kalendarzowego jako zmiennej nie zmieniło wyników, co wyklucza wpływ zmieniających się praktyk przepisywania.

W podgrupie pacjentów ACPA-pozytywnych (n=125) nie wykryto żadnych istotnych skojarzeń markerów genetycznych ani typu leku z odpowiedzią, ani istotnej interakcji. Oznacza to, że nie potwierdzono różnicowej skuteczności abataceptu nad adalimumabem u nosicieli SE/Val11 w tej grupie serotypowej.

Jak te wyniki odnoszą się do dotychczasowej wiedzy?

Niniejsze badanie adresuje główne ograniczenia wcześniejszych analiz poprzez integrację pomiarów stężeń leków w złożonym modelu statystycznym uwzględniającym znane efekty, interakcje i czynniki zakłócające. W przeciwieństwie do dichotomizacji SE (obecność/brak), autorzy uwzględnili liczbę kopii alleli (0, 1, 2), modelując jednocześnie typ leczenia, efekt genetyczny i ich interakcję.

Wyniki są zgodne z trzema ostatnimi dużymi badaniami, które nie wykazały istotnej statystycznie poprawy odpowiedzi na abatacept u nosicieli SE, ale pozostają w kontraście z czterema wcześniejszymi mniejszymi analizami wykazującymi takie skojarzenie. Badanie TOF-ABT (140 pacjentów) wykazało korelację liczby kopii SE ze skutecznością abataceptu, ale nie tofacytynibu. Early AMPLE (80 pacjentów łącznie) wykazało przewagę abataceptu nad adalimumabem u SE-pozytywnych w 24. tygodniu, lecz efekt zanikł do 48. tygodnia.

Autorzy zauważają, że wiele wcześniejszych publikacji nie w pełni uwzględniało różnorodność obrazu choroby, co mogło prowadzić do fałszywie dodatnich lub ujemnych skojarzeń. Suboptymalna korekta na potencjalne czynniki zakłócające, brak uwzględnienia stężeń leków oraz dichotomizacja genotypów mogły tłumaczyć rozbieżności między badaniami. Dodatkowo nowsze dane wskazują, że najsilniejsze genetyczne predyktory podatności i wyniku w RZS leżą poza SE, co może wyjaśniać silniejsze skojarzenie z Val11 niż z SE.

Odnosząc się do badań nad statusem ACPA, analiza post-hoc pierwszego badania AMPLE wykazała większy spadek DAS28 u pacjentów ACPA-pozytywnych niezależnie od leku, ale stratyfikacja według mian ACPA była widoczna tylko dla abataceptu. Metaanaliza z 2020 roku potwierdziła skojarzenie lepszej odpowiedzi na abatacept, ale nie inhibitory TNF, u pacjentów ACPA-pozytywnych. Jednak w niniejszym badaniu BRAGGSS nie potwierdzono różnicowej skuteczności w podgrupie ACPA-pozytywnej.

Co to oznacza dla codziennej praktyki reumatologicznej?

Wyniki badania BRAGGSS sugerują, że w rzeczywistej praktyce klinicznej obecność alleli SE lub Val11 nie powinna kierować wyborem między abataceptem a adalimumabem u pacjentów z RZS. Słaby, niezależny efekt Val11 na odpowiedź EULAR (p=0,02) nie różnicuje się między lekami, co oznacza brak przesłanek do testowania genetycznego w celach doboru terapii biologicznej.

U pacjentów biologicznie naiwnych zaobserwowano potencjalnie korzystniejszą odpowiedź (remisję DAS28) przy abataceptie u nosicieli SE/Val11, jednak efekt ten wymaga walidacji w niezależnych grupach badanych ze względu na małe liczby bezwzględne, brak korekty na wielokrotne testowanie i nieobecność efektu w innych punktach końcowych. Do czasu potwierdzenia tych obserwacji decyzja o wyborze pierwszej linii terapii biologicznej powinna opierać się na czynnikach klinicznych, a nie genetycznych.

Najsilniejszymi predyktorami dobrej odpowiedzi w tym badaniu były: status biologicznie naiwny (OR>1,3, p<1,5×10⁻⁴), obecność terapeutycznych stężeń leków (OR>1,1, p<2,5×10⁻³) oraz niższe BMI. To podkreśla znaczenie monitorowania stężeń leków biologicznych i optymalizacji masy ciała jako modyfikowalnych czynników wpływających na skuteczność terapii – niezależnie od genotypu HLA-DRB1.

Barierami dla ewentualnego wdrożenia doboru terapii na podstawie genotypu są: niewielka siła efektu genetycznego (współczynniki β=0,31-0,63), złożoność uwzględnienia wielu czynników klinicznych i farmakologicznych, brak walidacji w niezależnych grupach badanych oraz ograniczona moc badania do wykrycia małych efektów. Dodatkowo w populacji pacjentów wcześniej leczonych biologicznie – która stanowi znaczną część praktyki klinicznej – nie wykryto żadnego efektu genetycznego.

Jakie są główne ograniczenia tej analizy?

Wielkość próby pozostaje umiarkowana w porównaniu do badań genetycznych podatności na choroby i ma ograniczoną moc do wykrycia małych efektów przy uwzględnieniu wielu zmiennych, szczególnie w analizach w podgrupach (np. według statusu ACPA, gdzie dostępnych było tylko 125 pacjentów). Nierównomierny rozkład cech między grupami (wiek, choroby współistniejące, status biologicznie naiwny) odzwierciedla rzeczywistą praktykę brytyjską, ale mimo korekty na te czynniki nie można wykluczyć resztkowego zniekształcenia wyników.

Brytyjskie wytyczne British Society of Rheumatology sugerują stosowanie abataceptu jako pierwszej linii u pacjentów z wysokim ryzykiem infekcji, co tłumaczy różnice demograficzne między grupami. Choć model skorygowano o choroby współistniejące, mogą istnieć niezmierzone czynniki związane z wyborem leku przez lekarza, które wpływają na odpowiedź. Dodatkowo nie wszystkie punkty czasowe miały pełne dane – brakujące wartości BMI uzupełniono metodą MICE, a DAS28 w 6. miesiącu zastępowano pomiarem z 3. miesiąca, jeśli był niedostępny.

Pomiar stężeń leków w próbkach niekorytkowych, choć walidowany we wcześniejszych publikacjach autorów, nie jest standardem w praktyce klinicznej. Dichotomizacja stężeń (obecność/brak poziomów terapeutycznych) zamiast analizy ciągłej może prowadzić do utraty informacji. Wreszcie retrospektywna natura niektórych elementów zbierania danych (np. przepisywanie MTX z dokumentacji) i zależność od przestrzegania zaleceń przez pacjentów mogą wprowadzać błąd pomiarowy.

Ze względu na znaczne różnice w projektach badań i charakterystykach grup badanych między dostępnymi publikacjami, autorzy słusznie uznali, że metaanaliza z ich badaniem nie byłaby odpowiednia. Niemniej jednak ich podejście metodologiczne – uwzględniające stężenia leków i kompleksową korektę na zmienne zakłócające – może stanowić wzór dla przyszłych analiz, które w przyszłości mogłyby być przedmiotem systematycznego przeglądu.

Czy warto testować genotyp HLA przed wyborem leku biologicznego?

Analiza 342 pacjentów z rzeczywistej praktyki klinicznej nie dostarcza dowodów na użyteczność testowania alleli shared epitope lub Val11 w celu wyboru między abataceptem a adalimumabem. Słabe, niezależne skojarzenie Val11 z odpowiedzią EULAR nie różni się między lekami, co wyklucza różnicową skuteczność w zależności od genotypu. Najsilniejszymi predyktorami odpowiedzi są czynniki kliniczne i farmakologiczne: status biologicznie naiwny, obecność terapeutycznych stężeń leków oraz niższe BMI.

Potencjalnie korzystniejsza odpowiedź na abatacept u biologicznie naiwnych nosicieli SE/Val11 wymaga walidacji w większych, niezależnych grupach badanych ze względu na małe liczby bezwzględne i obecność efektu tylko dla jednego z trzech punktów końcowych. Do czasu potwierdzenia tych obserwacji decyzje terapeutyczne powinny opierać się na charakterystyce klinicznej pacjenta, a nie na testowaniu genetycznym. Optymalizacja modyfikowalnych czynników – takich jak masa ciała i monitorowanie stężeń leków – może mieć większe znaczenie praktyczne niż dobór terapii na podstawie genotypu.

Badanie podkreśla wartość uwzględniania pomiarów stężeń leków i kompleksowej korekty na zmienne zakłócające w analizach farmakogenetycznych. Przyszłe badania powinny wykorzystać to podejście metodologiczne w większych grupach badanych, szczególnie u pacjentów biologicznie naiwnych, aby definitywnie rozstrzygnąć kwestię użyteczności testowania HLA-DRB1 w doborze terapii biologicznej w reumatoidalnym zapaleniu stawów.