Edizione del 15 Luglio 2015

Un articolo pubblicato su The Journal of Clinical Pharmacology critica e offre suggerimenti alla Food and Drug Administration statunitense (FDA) in merito al suo intento di regolamentare i test sviluppati in laboratorio (LDT, Laboratory-Developed Tests). Il 31 Luglio 2014, la FDA ha notificato al Congresso degli Stati Uniti questa decisione, che secondo gli autori, ha in sé "un potenziale impatto sull’innovazione e sulla sostenibilità della ricerca farmacogenetica e sulla sua attuazione clinica”.

Gli autori ritengono che non sia consigliabile richiedere ai laboratori accreditati CLIA (i CLIA sono emendamenti per il miglioramento dei laboratori clinici) che offrono la genotipizzazione farmacogenetica utilizzando un LDT, di ottenere l’approvazione pre-commercializzazione (PMA) per questi test. Gli autori spiegano che i tempi e i costi necessari per ottenere una PMA sono elevati e causerebbero notevoli ritardi nel rendere disponibili questi test a coloro che ne hanno bisogno. Per supervisionare gli LDT, la FDA vuole ridefinire i laboratori che eseguono questi test come produttori di apparecchiature mediche destinate ad uso umano. Sebbene gli autori concordino sul fatto che i laboratori accreditati CLIA possano avere bisogno di rivedere alcuni dei loro standard di qualità, essi evidenziano anche le implicazioni finanziarie ed economico-sanitarie potenzialmente negative che tale azione potrebbe causare. Infine, gli autori sottolineano anche la necessità di comprendere come verrà gestito il rimborso di questi test in quanto la questione non è stata chiarita dalla FDA o dall'Affordable Care Act.
Leggi l’abstract su PubMed

Leggi l’abstract su PubMed

Nature ha pubblicato l'annuncio di Apple del lancio di ResearchKit, una piattaforma open source, accessibile da oltre 700 milioni di utenti di iPhone in tutto il mondo, per la ricerca medico-sanitaria che aiuta medici e ricercatori a raccogliere i dati dei partecipanti agli studi clinici, con il loro consenso, mediante l’utilizzo dei dispositivi mobili. Le prime cinque applicazioni incluse nel kit consentono agli utenti di iscriversi a studi osservazionali sul Parkinson, sulle malattie cardiovascolari, sul cancro al seno, sull'asma e sul diabete. Secondo l'articolo circa 1,9 miliardi di smartphone sono attualmente in uso in tutto il mondo, ciascuno dei quali è dotato di potenti processori e sensori avanzati in grado di monitorare il movimento, prendere misure, e registrare le informazioni, funzioni che aiutano gli studi di medicina. L'autore ritiene che questa applicazione offra anche una opportunità di "entrare in contatto con grande facilità con medici e ricercatori, diventando uno strumento potente per i medici che cercano di reclutare persone negli studi clinici, in particolare quelli dedicati alle malattie rare.”

La struttura dell'interfaccia permette ai caregivers e ai pazienti di condividere i propri dati e offre la possibilità di monitorare i fenotipi in modo longitudinale. Tuttavia, l'articolo fa notare che questa applicazione non manca di presentare difficoltà, in quanto è necessario che le descrizioni standardizzate delle varianti fenotipiche umane siano accettate da tutti gli utenti. Inoltre, esiste la possibilità di una potenziale distorsione, dal momento che i dati vengono auto-riportati e gli utenti tendono ad appartenere ad una particolare categoria demografica, per via della quale i dati dovranno essere validati con studi randomizzati e controllati.
Leggi l’articolo ad accesso libero

Uno studio pubblicato su Genetics in Medicine descrive i problemi associati all'utilizzo degli attuali database delle varianti genetiche per ottenere una diagnosi. È ben noto che la sindrome di Marfan (MFS), una malattia autosomica dominante causata da varianti del gene FBN1 che codifica per una importante proteina del tessuto connettivo, sia diagnosticata mediante l’analisi delle mutazioni di FBN1 secondo i criteri diagnostici. Gli autori riferiscono che esistono 23 varianti comuni del gene FBN1 registrate in ESP6500 che sono classificate nel database Human Gene Mutation (HGMD) come varianti causali della MFS. I ricercatori hanno valutato sia le informazioni registrate nel database che i documenti citati nelle banche dati confrontandoli con i criteri clinici diagnostici stabiliti per la MFS e noti come la nosologia di Ghent.

Gli autori hanno scoperto che nessuno dei quattro database noti di varianti genetiche da essi consultati (HGMD, UMD-FBN1, ClinVar e UniProt), ha dimostrato che le 23 varianti di FBN1 hanno associazioni chiare con la malattia. Secondo gli autori, molti documenti ai quali si fa riferimento in questi database contengono dati fenotipici associati a specifiche varianti, manca però la prova che i pazienti abbiano ricevuto una diagnosi accurata di MFS. Gli autori concludono affermando che ricercatori e medici dovrebbero esercitare maggiore cautela durante l'utilizzo dei database delle varianti genetiche, dal momento che molti di questi sono imprecisi e non del tutto affidabili.
Leggi l’abstract su PubMed

Capire i sistemi viventi è fondamentale per la cura delle malattie. Per realizzare questo compito gli autori di uno studio pubblicato sulla rivista BMC Bioinformatics hanno svolto un’indagine sui database che permettono l’analisi visiva delle reti proteiche che si basano sulle interazioni proteina-proteina. La bioinformatica ha messo a punto una grande quantità di database e di strumenti che supportano gli analisti nell’esplorazione delle interazioni proteina-proteina a livello integrato, che forniscono previsioni e correlazioni ed indicano le possibilità per la futura ricerca sperimentale di colmare le lacune sui processi biochimici. Gli autori hanno selezionato 10 risorse su 53 che supportano l’analisi visiva e hanno testato la loro rispondenza ai seguenti criteri: interoperabilità, integrazione dei dati, numero di possibili interazioni, qualità della visualizzazione dei dati e copertura dei dati. Lo studio ha rivelato molte differenze in termini di utilizzo, funzionalità di visualizzazione, qualità e quantità delle interazioni, e raccomanda StringDB come prima scelta, CPDB come un set di dati completo e IntAct per un layout più facile da utilizzare. Gli autori hanno messo a disposizione una tabella di confronto via web alla quale si accede dall’indirizzohttp://tinyurl.com/PPI-DB-Comparison-2015 .

In conclusione, solo alcune risorse web che caratterizzano la visualizzazione grafica possono essere applicate con successo per l'analisi visiva interattiva delle interazioni proteina-proteina. I risultati dello studio sottolineano la necessità di ulteriori miglioramenti dell’integrazione della visualizzazione negli strumenti di analisi biochimica e identificano alcune sfide quali la completezza dei dati, l’intervallo di confidenza, la caratteristica interattiva e il termine della visualizzazione.
Leggi l’articolo ad accesso libero