Wat voor de één een wondermiddel is, is voor de ander een bron van ellende. Waarom ervaart de ene persoon bijwerkingen van een geneesmiddel en de andere niet? Het antwoord ligt in je genen. Met genetisch onderzoek kunnen we geneesmiddelen beter afstemmen op de individuele patiënt.
Heb je weleens bijwerkingen ervaren van een medicijn? Hoofdpijn na een pijnstiller? Spierpijn van cholesterolverlagers? Extreme vermoeidheid van een antidepressivum? Of misschien werkte een medicijn bij jou gewoon niet, terwijl het bij anderen wel hielp? Dan heb je in levende lijve ervaren wat farmacologen al jaren weten: niet elk medicijn werkt voor iedereen hetzelfde. Dit is helaas een dagelijkse realiteit voor vele patiënten. Maar hoe komt dit nu?
Hoe jouw lichaam medicijnen afbreekt
De klassieke pil moet eerst via de mond naar de maag en darmen, waar het vervolgens opgenomen wordt in het bloed om naar de plaats van bestemming te gaan. Medicijnen worden doorgaans afgebroken in de lever. Deze fungeert als een soort fabriek die ‘enzymen’ aanmaakt, gespecialiseerde eiwitten die moleculen kunnen knippen, plakken of omvormen. Net zoals een schaar papier kan ‘doorknippen’, kunnen enzymen medicijnmoleculen doorknippen om ze af te breken of net om te vormen naar een actieve vorm.
Sommige medicijnen moeten eerst omgezet worden naar een actieve vorm. Dit is bijvoorbeeld het geval voor codeïne, een veelgebruikt pijnstillend medicijn. Codeïne heeft zelf geen pijnverlichtend effect, maar moet eerst worden omgezet naar morfine, dat een pijnstillende werking heeft. Pas nadat enzymen in je lever codeïne omgezet hebben naar morfine, ervaar je een pijnverlichting. In theorie doet iedereen dit, maar in de praktijk zien we grote verschillen tussen individuen.
Eén verklaring hiervoor is dat sommige mensen genetisch gezien ‘botte scharen’ hebben. Hun enzymen werken namelijk veel trager. Bij deze personen duurt het dus aanzienlijk langer om codeïne om te zetten in morfine, waardoor ze minder pijnverlichting ervaren. Alternatieve medicatie kan voor deze mensen een oplossing bieden.
Anderen hebben juist extra ‘scherpe scharen’, of meer scharen dan gemiddeld. Hun enzymen draaien op volle toeren, en zetten codeïne razendsnel om in morfine. Dit kan ervoor zorgen dat er een te hoge morfine concentratie in het bloed ontstaat, met ernstige bijwerkingen zoals ademhalingsproblemen tot gevolg. In zeldzame gevallen hebben deze bijwerkingen zelfs tot de dood van de patiënt geleid.
De werking van jouw enzymen staat beschreven in je DNA als een soort bouwplan. Met gesofisticeerde DNA testen en computeralgoritmes kunnen we dat bouwplan uitlezen, en voorspellen hoe jij specifieke medicijnen verwerkt. In een ideale wereld hebben we deze informatie van iedereen en kan jouw apotheker en arts ermee aan de slag, maar zo ver zijn we nog niet.
Twintig jaar geleden was het uitlezen van één menselijk genoom (sequeneren), een project van miljoenen euro's. Nu kan het in enkele dagen voor een paar honderd euro. Het probleem is verschoven: niet meer het genereren van data, maar het begrijpen ervan.
Van DNA-code naar medicijnadviezen
Het sequeneren van iemands DNA levert een enorme hoeveelheid data op. Je genoom bestaat namelijk uit miljarden letters aan genetische code. Daarin zoeken we naar de relevante mutaties die invloed hebben op de werking van enzymen die betrokken zijn bij de afbraak van medicijnen. Dat is zoals zoeken naar naalden in een hooiberg. Gelukkig bestaan er computeralgoritmes die dit proces vereenvoudigen.
Maar die software is nog lang niet perfect. Welk algoritme is het betrouwbaarst? Welke genen moeten we checken? Welke genetische verschillen zijn echt belangrijk en welke kunnen we negeren? Bovendien bestaat er nog geen complete workflow die al deze processen combineert om gerichte medicijnadviezen te geven uit ruwe DNA data.
Daarom ontwikkel ik, in samenwerking met UHasselt, VITO en Jessa Ziekenhuis, geautomatiseerde ‘data-pipelines’, software die ruwe DNA data omzet in klinisch interpreteerbare rapporten die de arts kan gebruiken. Maar zo'n pipeline moet natuurlijk wel betrouwbaar zijn. Daarom begin ik met een grondige vergelijking: welke bestaande algoritmes presteren het best voor welke genen? Ik test ze op referentiedata, maar ook op gesimuleerde datasets die zeldzame varianten bevatten die niet voorkomen in de referentiedata. Daarnaast probeer ik ook te achterhalen hoe we het best om kunnen gaan met genetische verschillen waarvan we de impact nog niet kennen.
Borstkanker als praktijkvoorbeeld
Farmacogenetische testen (testen die op basis van je DNA kunnen voorspellen hoe goed bepaalde medicijnen bij jou zullen werken) klinken geweldig in theorie. Maar werken ze ook écht? En helpen ze genoeg patiënten om de kosten te rechtvaardigen? In België is er nog maar weinig bewijs geleverd om die vragen te beantwoorden. Daarom voeren we nu een klinische studie uit in het Jessa Ziekenhuis en AZ Delta te Roeselare. In deze studie zullen we het volledige genoom in kaart brengen van 200 borstkankerpatiënten. We volgen deze patiënten gedurende twee jaar en registreren welke geneesmiddelen ze krijgen én of ze daarbij bijwerkingen ervaren. Vervolgens kunnen we achterhalen hoe vaak we, met kennis van het DNA-profiel, hadden kunnen voorspellen dat een geneesmiddel minder effectief zou zijn of ongewenste effecten zou veroorzaken. Door die gegevens te verzamelen, krijgen we een realistisch beeld van de toegevoegde waarde van zulke testen in de dagelijkse praktijk.
Tegelijk evalueren we ook de kosteneffectiviteit van deze testen. Deze informatie kunnen we vervolgens gebruiken om beleidsmakers te overtuigen van de implementatie van farmacogenetische testen in de klinische praktijk. Zo bouwen we stap voor stap aan een gezondheidszorg die écht op maat is, aangepast aan de unieke genetische achtergrond van elke patiënt.
