全球临床研究证明了基于panomics的药物发现方法的价值

介绍

Szilard Voros博士在弗吉尼亚大学心脏病学培训中对药物研发和创业创新感兴趣。他致力于心血管成像，以支持ezetimibe的开发，ezetimibe是一流的降胆固醇药物。沃罗斯博士后来搬到佐治亚州亚特兰大的皮埃蒙特心脏研究所，在那里他和他的团队开发了新的方法来描绘和测量不同器官内的疾病过程。他们很快启动了单独的项目，将他们的成像技术与基因组学、蛋白质组学和代谢组学相结合，这是一种多组学方法，他们现在称之为全景组学。

2011年初，沃罗斯博士意识到，整合所有这些数据可以显著改善药物的发现和开发过程，以及生物标志物的发现和开发。它还可以为医生提供信息，以了解病人的疾病过程，并提供最有效的预防和治疗。他创立了全球基因组组(G3)，并开始在一项开创性的国际临床研究中证明他的基因组学方法的潜力，该研究被适当地命名为动脉粥样硬化病变的基因位点和负担(Global)研究。

七年来，超过7000名临床受试者，以及数万亿个数据点之后，沃罗斯博士被证明是一位超前于时代的远见者。G3成功地将成像、全景和数据分析集成到强大的药物发现引擎中。该公司已经证明了其新方法的价值，引入了一种新的诊断方法，并与制药合作伙伴开发了几种候选药物。亚博下载app

iccommunity采访了Voros博士，介绍了G3团队是如何开发和调整其panomics方法的，以及由此产生的诊断和治疗项目，以及Illumina的产品和系统是如何促成其成功的。

Szilard Voros，医学博士，G3的创始人和首席执行官。

问：你为什么创办G3？

西拉德:(SV):制作G3的灵感部分来自于我作为一名执业医师的挫败感。我当时在运营一个预防心脏病学项目，为病人看病，并实践以证据为基础、以指南为导向的医学，专注于人群而不是个人。这是令人沮丧的。我不觉得我对我的许多病人的生活质量有积极的影响。那是21世纪了，我觉得肯定有更好的办法。

在我早期的学术生涯中，我们开发了新的成像方法和技术来支持新型心血管药物的鉴定。它们本质上是表型工具提供了具体和定量的方法来识别和测量疾病的不同方面。我创立了这家公司，并开始研究如何将成像数据与panomics数据相结合，并使用高级分析技术对其进行分析。

问：在创建G3的过程中，您面临哪些挑战？

SV:这是一个巨大的事业。我们的想法是将所有不同的OMICS技术融入一个公司，作为一个单一的项目，为单身目标。当时，该领域令人难以置信的淤泥。有基因组学，蛋白质组学，代谢组合和偏见的公司，但他们没有说同一种语言。没有人试图集成任何这些数据集。概念上，科学地，自然信息，没有办法将所有信息带到普通词汇中。

问:在建立你的过程中，最大的未知是什么?

SV:最大的未知是我们将如何在信息上整合这些数据。我们发现解决方案是以一种并行的、协同的方式使用不同的方法。例如，我们整合了全基因组关联研究(GWAS)和数量性状位点(QTL)分析，以及孟德尔随机化和贝叶斯网络分析。它是一种集成的方法，根据分析目标而变化。

图1:G3采用全景组学方法捕获和分析成像、基因组学、转录组学、甲基组学、蛋白质组学和代谢组学/脂质组学数据，在全球临床研究中，每个受试者的数据点总计达数十亿。

问:你重点关注哪些疾病?

SV:我们专注于多因素、多基因、常见的慢性疾病，如心血管疾病、脂肪肝疾病、糖尿病、骨质疏松症和肥胖症。这些疾病对人类寿命有直接影响。我们用我们的方法来理解、研究和影响这些疾病的过程。

问：G3的方法是什么？

SV:我们的方法基于三个基本支柱。第一个支柱是深度表型利用成像来量化疾病的不同方面。第二个支柱是全基因组图谱，我们分析血液样本中的DNA、RNA、蛋白质、脂质和其他小分子。第三个支柱是利用系统生物学驱动的生物信息学整合深层表型和基因组数据。临床研究的数据分析步骤包括对每个受试者的数十亿数据点进行整合。目标是翻译和理解数据，为新的诊断和治疗方法的开发提供信息。亚博下载app

＂...我们从基因组数据开始，用基因表达、蛋白质组学、脂质组学、代谢组学和其他组学填补空白。”

问:你们为什么对这些样本进行如此多的测序和组学研究?

SV:我们想要解决遗传性缺失的问题。当我们在2011年成立这家公司时，有一对心血管疾病的双胞胎研究表明，大约一半的疾病风险是由基因和遗传因素造成的，大约一半是由环境造成的。¹我们还知道，疾病相关的变异不能解释超过5-7%的心血管疾病表型。此外，97%的疾病相关snp在外显子(被翻译成蛋白质的基因组区域)中没有发现。²我们开始考虑我们如何填补这些差距，并在多学会疾病中找到遗失的遗产。

我们意识到，虽然基因变异可能会增加人们患某种疾病的几率，但它们不能提供一幅随着时间推移身体发生了什么情况的图片。因此，我们从基因组数据入手，用基因表达、蛋白质组学、脂质组学、代谢组学和其他组学填补空白。这是公司背后的基本理念。

问:您为什么决定进行如此大规模和雄心勃勃的临床研究?

SV:我们意识到，如果我们想要基于大数据改变药物和生物标志物的发现，我们必须在一个大型临床研究中展示这种方法。2013年，我们开始对全球研究进行登记，这是一项雄心勃勃的努力，旨在从全球患者群体中前瞻性地收集样本。我们知道，这项研究的规模必须很大，必须具备获得有用数据所需的统计能力。根据我们的计算，样本量在6500到7000之间。我们最终在三大洲九个国家的48个临床点招募了7700-7800名患者。我们相信，这是为药物和生物标志物发现的特定目的收集多组数据的最大规模和最全面的前瞻性研究。

问:一项8000名受试者的临床试验如何具备检测变异相关性所需的统计能力?

SV:我们正在对几个组学测量进行分层，以了解每个变体的功能含义。因为生物路径是相互衔接的，所以我们能够减少需要统计能力来检测关联的实验对象的数量。

问:临床研究的现状如何?

SV:我们在2014年年中完成了全球临床研究的登记。我们已经对数千人的每个基因进行了测序，并在相同的研究对象中测量了几十万个中间生物标记物。我们有了所有的原始数据、图像和血液样本，组学分析已经进行了一半。理论上，我们可以验证任何目标，任何疾病，只要我们有表型信息。在接下来的几年里，我们将仔细研究这些数据并确定我们感兴趣的常见慢性疾病的目标。

“贝叶斯分析揭示了趋同于同一生物路径的层次结构的宏观网络……由基因变异驱动网络，然后是RNA和蛋白质网络。”

问：你分析了多少个数据点？

SV:对于成像方面，我们用胸部，心脏和上腹部扫描，有和没有对比。在每个血液样本上，我们进行全基因组测序（WGS），评估具有RNA-SEQ和MicroRNA分析的转录事件，并使用DNA甲基化分析研究表观遗传学。我们还表现出蛋白质组学，脂质学和代谢组科研究，以评估小分子。在试验中，它为每个主题增加了数亿数据点（图1）。

问:考虑到对每个血液样本进行的分析的数量，你们如何确保数据质量?

SV:从一开始，我们就认为在收集级别确保数据质量很重要。我们在处理这些样品时非常小心。抽取血液后，将其旋转并分离成47份，在静脉切开术后70分钟内冷藏。我们将等份样品分为A和B两部分，然后在不同的日子，用不同的卡车或飞机运送到不同的州，用于灾难恢复目的。

当我们的生物库中有血液样本时，一流的服务提供商执行不同的组学分析，包括Illumina测序服务的WGS和表达分析/IQVIA的RNA-Seq、miRNA-Seq、DNA甲基化、蛋白质、脂类和小分子/代谢物分析。

问：你进行了哪些科学观察？

SV:我们进行了大量的科学观察，但在最高水平上，有两个主要的见解。第一个揭示了函数的收敛性，验证了我们的概念。在我们早期的一项分析中，我们在数百名患者中收集了一万亿数据点，并寻找导致心血管疾病、非酒精性脂肪性肝炎(NASH)和骨质疏松的途径。贝叶斯分析揭示了趋同于同一生物路径的层次结构的全经济网络。它们就像我们所期望的，基于生物学教条，由基因变异驱动网络，然后是RNA和蛋白质网络。我们还重新发现了已知的途径，包括LDL途径，这是最著名的心血管疾病途径之一。

我们的第二个观察结果有点模糊。我们在基因组中寻找每个疾病状态的每个“组学”数据集中的最热门或最强关联。我们没有在基因组中随机分布，而是发现了成簇的命中率。我们正开始科学地确定这一点的相关性。

＂...从转录组数据中确定了一个潜在的靶标。然后，我们能够使用WGS数据，并基于LOF变体对目标进行遗传验证。”

问：您是否使用panomics方法确定了具有商业潜力的新目标？

SV:我们获得了心血管疾病诊断生物标志物的专利。它来源于质谱驱动的代谢组学数据。这是一种非常简单的血液测试，可以作为压力测试的把关人，因为胸痛的患者来医生的办公室。

我们成功地确定了与大型制药公司合作的另一个目标。无偏见的贝叶斯网络分析确定了来自转录组数据的潜在目标。然后，我们能够使用WGS数据并基于函数损失（LOF）变体进行目标的遗传验证。我们的制药合作伙伴确认了纳什目标在体外设置。

我们还确定了一种新的心血管和脂肪肝疾病的新生物途径和药物靶标。途径是两种疾病途径的交叉点。我们正在基于此目标开始发展毒品。我们使用我们的礼制方法重新发现已知途径的事实使我们对我们所确定的这一有效性和其他几种新途径的信心。

令人惊讶的是，这些发现仅仅是基于我们分析的前几千个对象的数据。我们甚至还没有触及所有数据的表面。

问:panomic方法能否为药物开发引入新概念?

SV:全基因组方法加快了目前鉴定和验证遗传变异的时间和成本密集的过程。例如，GWAS确定了染色体9p21位点与冠状动脉钙化(CAD)事件风险增加相关。^3.花了将近15年的时间来理解这些变体的功能方面。心血管疾病的最新疗法之一以PCSK9蛋白酶为靶点。最初的观察是在大约7000-9000名患者身上进行的，并且花了很多年来确定目标。

我们的方法通过两种方式加速了对变体功能后果的识别。首先，我们使用WGS来查看每个变体。与依赖于以前确定的变异的基因分型方法不同，我们使用WGS发现的变异是基于我们自己的数据集中的病例和对照的差异。我们不会因先前的研究而产生偏见。事实上，我们为一些新目标识别的一些重要变体就是通过这种方式发现的。

其次，我们正在制作几个OMICS测量，了解该变体的功能含义。我们已经介绍了OMICS定量特质基因座（OQTL）的概念，在那里我们对单个变体进行了针对基因表达，MicroRNA，蛋白，脂质和代谢物进行定量分析。通过这种数据，我们能够基于几百名患者获得相同的见解。例如，我们的纳什目标是在收集数据集的几个月内确定的，并且在<500名患者的高统计显着水平处完成验证。

临床研究是药物开发的一项重要财政投资。我们相信我们的panomic方法可以减少开发新疗法所需的资金。

“我们相信准确的WGS比基因分型和全外显子组测序具有显著的增量价值。”

问:WGS在panomics方法中的价值是什么?

SV:我们主要使用WGS进行基因靶标验证。然而，我们通常能够从蛋白质组学或基因表达研究产生的功能性非dna数据中识别出潜在的靶点。为了验证它，我们查看WGS数据，并查看编码蛋白质或受体的基因。然后我们识别该基因中的变异，并寻找与该疾病的生物标志物和表型相关的LOF变异。我们用这种方法来识别NASH目标。

问:你是如何选择组学分析合作伙伴的?

SV:当我们创建G3时，我们有两个选择。一种是购买所有的设备并在我们自己的实验室中进行组学测量，或者将一切外包给一流的供应商。在我们完成了尽职调查之后，很明显，正确的答案是外包。

我们选择Illumina FastTrack测序服务公司作为我们的WGS服务提供商。在我之前的学术生涯中，我使用iScan系统和Infinium基因分型阵列进行心血管疾病的GWAS。我知道Illumina的产品是可靠和准确的，公司提供了很好的支持。我们认为准确的WGS比基因分型和全外显子组测序具有显著的增量价值。

在创建G3之前，我曾成功地使用表达分析/IQVIA。我们选择它来进行其他的组学研究，其中一些与Illumina的产品有关。例如，Expression Analysis在HiSeq 4000系统上进行RNA-和microRNA-Seq，在Human methylation 450K BeadChip上进行DNA甲基化分析。

“panomic方法加快了目前需要大量时间和成本的识别和验证遗传变异的过程。”

问:G3的下一步是什么?

SV:我们很期待未来几年的发展。仅仅7年的时间，我们的血液测试就进入了市场，一些药物靶点也在开发中。现在我们已经证明了我们的基因组学方法在心血管、心脏代谢和肝脏疾病中的价值，我们想将其应用到其他疾病状态。阿尔茨海默病尤其值得关注。这是一种多因素、多基因的常见慢性疾病，需要定量精确的表型分析，再加上我们的基因组学方法。我们正在寻找合作伙伴来研究阿尔茨海默氏症和其他痴呆症。我们想采用同样的方法，并将其应用于神经退行性疾病和肌肉骨骼疾病。我们最终也会在肿瘤学领域启动项目。

问：G3方法如何影响医疗？

SV:20世纪90年代和21世纪初是一个以人口为基础、指南驱动的医学时代。我们希望我们的方法有助于向分子谱驱动的、个性化的方法转变。我们的设想是，未来当医生走进检查室时，我们的方法将使他们能够查看患者的档案和分子指纹，并为坐在他们对面的患者开出个性化的治疗方案。

---