基因检测在降糖药物 用药指导中的临床价值
【摘要】精准医学是根据个体的基因组学、代谢组学等信息提供有效经济的个体化预防诊疗案，而基因检测是核心。糖尿病已成为严重威胁人类健康的世界公共性卫生问题，降糖药的精准应用对于糖尿病的治疗具有重要作用，可涉及到降糖药的药物基因组学。通过基因检测，了解个体对降糖药反应的遗传信息，可使患者在用药安全有效问题上得到最大程度的保障。
精准医学是根据患者个体的临床诊疗信息、组学信息，结合患者生活方式和环境，制订个性化的疾病预防诊断和治疗策略的医学，以此获得最佳预防和治疗效果，并且降低副作用和花费 [1] 。精准医学最早出现在2008年，2011年正式提出“精准医学”的概念，包括“准确”和“精密”两层含义，融合了基因检测技术、生物信息分析、大数据技术等技术基础 [2] 。其中，基因检测是精准医学的核心，通过检测获取个体的遗传信息，运用生物信息学技术进行比对分析，作出符合患者的个体化诊断，为临床医生根据个体遗传背景，制定个体化的药物治疗方案，提供科学依据。而药物基因组学，是精准医学由基础医学转向临床的基础和关键环节。尤其对于糖尿病患者，由于遗传信息的个体差异，对药物吸收、反应、排泄存在差异，同一种药物用于不同个体，可产生低血糖或血糖控制不佳而引起并发症。高血糖可引起糖尿病肾病、糖尿病足、视网膜病变等并发症，低血糖则可引起心律不齐、心肌缺血和心肌梗死等并发症，严重低血糖甚至引起患者死亡 [3] 。因此基因检测在糖尿病的药物治疗中具有重要作用。
一、基因检测技术
最早的基因检测可追溯到20世纪初的第一代DNA测序技术。随着基因测序技术快速发展，人类基因组计划完成以后，被称为高通量测序的第二代测序技术逐渐成熟，在很大程度上改进了一代测序技术高成本、低通量等缺点。如今，基因组测序技术继续向高通量、短时间、低成本的方向迅猛发展。此外单核苷酸多态性分析、基因芯片、转录组测序、基于聚合酶链反应（PCR）的扩增技术也广泛用于基因检测。在临床医学实验室，PCR技术用于检测突变位点和突变基因含量；基因芯片主要用于检测筛查已知突变位点；一代测序主要用于单基因病多外显子的测序，或者少量基因多位点的检测，也可以用来验证二代测序中出现阳性结果；二代测序主要应用于无创产前筛查、易感基因检测或者是肿瘤、遗传病的检查；新一代测序除了其精度高、速度快的优势外，它还能直接检测RNA的序列以及甲基化的DNA序列，临床应用前景非常广阔 [4] 。利用基因检测技术，可以通过找出突变基因以及药物的耐受或敏感基因，迅速确定对症药物。
二、糖尿病
糖尿病是一组以高血糖为特征的，由环境、遗传等因素引起的慢性代谢性疾病。据估计到2045年，全球糖尿病患病率将上升到10.9%，患病人数将达到7亿人 [5] 。在糖尿病发展过程中，并发症的发生增加了患者死亡的风险。糖尿病及并发症已成为严重威胁人类健康的全球公共卫生问题，若不加以控制，将导致家庭和社会的负担不断上升。一旦糖尿病发生发展，甚至在糖尿病发生前期，临床上需要采取多种治疗措施来改善疾病的发生发展，包括药物治疗。在目前的研究中，基因检测在2型糖尿病（T2DM）患者个体化药物治疗中应用更为广泛。
三、T2DM降糖药药物基因组学
目前治疗T2DM药物主要有双胍类、磺酰脲类、噻唑烷二酮类、GLP1R激动剂和SGLT-2抑制剂等。在临床上，经常观察到接受相同降糖药治疗方案的T2DM患者，在糖化血红蛋白（HbA1c）水平、血糖控制、药物疗效、耐受性和副作用发生率方面，存在显著差异 [6] 。个体间的差异由多种因素引起，包括遗传因素、缺乏运动、高血压、年龄、性别等。发现调节血糖反应的基因组变异及其对药物的反应，可能为T2DM的治疗机制提供线索，并最终可以促进个性化治疗的发展。综合考虑各种因素，在制定用药策略之前，非常有必要确定T2DM患者某些已知基因区的遗传状况。
1. 二甲双胍：二甲双胍是目前临床应用最广泛的治疗T2DM的一线药物，具有疗效强、成本低、低血糖风险小等特点。二甲双胍药代动力学、组织摄取和清除率变异的遗传决定因素已确定（SLC22A1、SLC22A2和SLC47A），但它们在预测T2DM患者对二甲双胍反应方面的临床应用仍不够理想 [7] 。二甲双胍降血糖具体的分子机制还尚未完全阐明，但其抑制糖异生作用是通过有机阳离子转运蛋白1（OCT1）和肾细胞中OCT2发挥作用 [8] 。OCT1/2是溶质载体（SLC）22家族成员，由SLC22A1和SLC22A2基因编码，在肝脏和肾脏中显著表达 [9] 。溶质载体家族47成员1（SLC47A1）对葡萄糖、胆汁盐和有机酸的运输具有重要作用，负责将二甲双胍分泌到胆汁和尿液中 [10] 。SLC47转运蛋白可干扰有毒有机阳离子排放 [11] 。由SLC47A2编码的MATE2-K转运蛋白主要在肾脏上皮细胞中表达，在二甲双胍排泄中也起着重要作用 [12] 。OCT1、OCT2和MATE1的常见多态性与二甲双胍的消化道副作用有关 [13] 。OCT1和OCT3在肠细胞中也有表达，它们的基因变异可以控制二甲双胍的肠吸收，并导致胃肠道副作用 [13] 。二甲双胍的治疗效果完全取决于转运蛋白（如OCT1、SLC22A1）的遗传变异 [14] 。SLC22A1基因突变与血浆中二甲双胍和血糖水平相关 [15] 。SLC22A2基因的某些单核苷酸多态性导致二甲双胍通过肾脏排泄减少，血浆中浓度增加 [16] ，可能导致低血糖的发生。SLC22A1基因的多态性，如R61C（rs12208357）、G401S（rs34130495）、420del（rs72552763）和G465（rs34059508）可导致二甲双胍疗效降低 [17] 。SLC47A1的rs2289669 G＞A单核苷酸多态性与二甲双胍药物治疗引起的低HbA1c水平相关 [18] 。在SLC47A2常见G＞A（rs12943590）多态性携带者的T2DM患者中，可以看到二甲双胍的低血糖反应 [19] 。大型全基因组关联队列研究表明，二甲双胍治疗T2DM的疗效，还取决于患者的C等位基因共济失调毛细血管扩张症突变（ATM）基因rs11212617 A＞C多态性 [20] 。
2. 磺酰脲类：磺酰脲类药物是治疗T2DM的第二类常用药物，可增加β细胞胰岛素释放，常用来代替二甲双胍控制血糖。细胞色素P450 2C9（CYP2C9）、转录因子7样2（TCF7L2）、IRS-1、CDK5调节亚单位相关蛋白1样1（CDKAL1）、CDKN2A/2B、钾电压门控通道亚家族Q成员1（KCNQ1）基因决定了磺酰脲类药物的疗效 [21] 。磺酰脲类药物联合二甲双胍使用的良好反应体现在苏格兰T2DM患者中，他们是Arg144Cys、Ile359Leu多态性的携带者 [22] 。CYP2C9在磺酰脲类药物的摄取中起主要作用。磺脲类药物附着在KATP通道（ATP敏感的K+通道）上，刺激细胞胰岛素释放 [23] 。ABCC8基因的rs757110多态性在修饰ATP结合盒转运蛋白（磺酰脲受体/SUR-1）方面具有重要作用，与野生型纯合子相比，该区域的杂合子和纯合子患者的HbA1c下降更明显 [24] 。KCNJ11基因第一外显子的rs5219（E23K）多态性导致磺脲类药物失效[25] 。TCF7L参与WNT信号传导，是β-catenin的受体，β-catenin是肝细胞分化起关键作用的连环蛋白[26] 。高加索人具有TCF7L基因rs7901346和rs12255372多态性的T等位基因，对磺脲类药物反应较差 [27] 。IRS-1作为信号转导适配蛋白在胰岛素信号通路中起着重要作用，并协助葡萄糖转运 [28] 。
3. 噻唑烷二酮类：噻唑烷二酮类（也称为“格列酮”或TZDs）是新一类治疗T2DM的降糖药。治疗的分子机制是过度激活核受体过氧化物酶体增殖物激活受体PPAR-γ [29] 。PPAR-γ或脂联素（ADIPOQ）多态性与TZDs应答呈不稳定相关性。在PPAR-γ基因Pro12Ala多态性的T2DM患者中，TZDs在降低血糖和HbA1c水平上有较大的优势 [30] 。T2DM患者AQP2rs296766和SLC12A rs12904216多态性中，TZDs可增加水肿风险 [31] 。CYP2C8和SLCO1B1变异对TZDs药效有较大影响，是TZDs药代动力学中最重要的代谢基因 [32] 。
4. GLP1R激动剂：GLP1R激动剂是一类新的降糖药物，具有低血糖率低、可减少自我血糖监测、简化给药方案等优点。GLP1R中具有一个低频非同义变异A316T，该变异与空腹血糖浓度有关 [33] 。与治疗反应相关的是，A316T处的降糖等位基因与预防冠心病相关 [34] 。然而，GLP1R内的遗传变异对GLP1R激动剂临床试验中的血糖或非血糖结果的影响程度尚不清楚。糖尿病风险基因位点CTRB1/2附近rs7202877的遗传变异与急性GLP1R激动剂输注引起的胰岛素分泌反应差异相关 [35] 。
5. SGLT-2抑制剂：钠-葡萄糖协同转运蛋白-2（SGLT2）抑制剂是近年来被批准用于治疗T2DM的一类降血糖药物。SGLT2抑制剂可减少肾小管葡萄糖重吸收，从而降低血液中的葡萄糖浓度。UGT1A9基因编码UDP葡萄糖醛酸基转移酶。葡萄糖醛酸基转移酶是葡萄糖醛酸化途径中的一种酶，可将激素、类固醇和药物等亲脂性分子转化为可溶和可排泄的代谢物。某些SGLT-2抑制剂（如卡格列氟嗪）可被UGT酶葡糖醛酸化，因此编码这些药物代谢酶的基因多态性可能影响其反应。SLC5A2基因可编码钠-葡萄糖共转运蛋白家族成员。编码蛋白是参与肾脏葡萄糖再摄取的主要协同转运蛋白。SGLT2中的某些基因失活突变与家族性肾性糖尿病有关，其特征是肾小管对葡萄糖的重吸收显著减少，导致肾葡萄糖排泄升高 [36] 。在一项对2229名具有患T2DM风险的受试者进行的大型研究中，分析了常见SLC5A2变异体（rs9934336、rs9924771、rs3813008和rs3116150）对恩帕利洛嗪反应的影响[37] 。然而，在这项横断面研究中，检测到单核苷酸多态性与血糖浓度、胰岛素敏感性/抵抗、胰岛素释放、体脂或收缩压之间没有显著相关性 [37] 。只有一个单核苷酸多态性rs3116150显示出与血糖和血压有关联 [38] 。迄今为止，关于基因多态性对SGLT-2抑制剂药效影响的作用有限，将来需要更多的研究来揭示潜在作用的机制。
四、展望
个体基因检测对T2DM患者的药物治疗愈发重要，而得以顺利实施的基础之一是基因检测技术。目前基因检测仍面临一些困难，如检测费用昂贵，短时期内仍然无法广泛应用于临床。因此，需要临床实验室检测人员、临床医生和科研工作者进行更广泛深入的研究，使基因检测能够更好地服务于临床。
参考文献
1. Prasad, R.B. and L. Groop, Precision medicine in type 2 diabetes. J Intern Med, 2019. 285(1): p. 40-48.
2. Katsnelson, A., Momentum grows to make 'personalized' medicine more 'precise'. Nat Med, 2013. 19(3): p. 249.
3. 中国糖尿病患者低血糖管理的专家共识. 中华内分泌代谢杂志, 2012(08): p. 619-623.
4. 吴聪, 方超萍, 俞靖龙, and 刘善荣, 精准医学给予检验医学的机遇与挑战. 中华检验医学杂志, 2017. 40(01): p. 14-16.
5. Saeedi, P., I. Petersohn, P. Salpea, B. Malanda, et al., Global and regional diabetes prevalence estimates for 2019 and projections for 2030 and 2045: Results from the International Diabetes Federation Diabetes Atlas, 9(th) edition. Diabetes Res Clin Pract, 2019. 157: p. 107843.
6. Mannino, G.C., F. Andreozzi, and G. Sesti, Pharmacogenetics of type 2 diabetes mellitus, the route toward tailored medicine. Diabetes metab Res Rev, 2019. 35(3): p. e3109.
7. Zhou, K., H.K. Pedersen, A.Y. Dawed, and E.R. Pearson, Pharmacogenomics in diabetes mellitus: insights into drug action and drug discovery. Nat Rev Endocrinol, 2016. 12(6): p. 337-46.
8. Becker, M.L., L.E. Visser, R.H. Van Schaik, A. Hofman, et al., Genetic variation in the multidrug and toxin extrusion 1 transporter protein influences the glucose-lowering effect of metformin in patients with diabetes: a preliminary study. Diabetes, 2009. 58(3): p. 745-9.
9. Shu, Y., S.A. Sheardown, C. Brown, R.P. Owen, et al., Effect of genetic variation in the organic cation transporter 1 (OCT1) on metformin action. J Clin Invest, 2007. 117(5): p. 1422-31.
10. Hundal, R.S., M. Krssak, S. Dufour, D. Laurent, et al., Mechanism by which metformin reduces glucose production in type 2 diabetes. Diabetes, 2000. 49(12): p. 2063-9.
11. Terada, T. and K. Inui, Physiological and pharmacokinetic roles of H+/organic cation antiporters (MATE/SLC47A). Biochem Pharmacol, 2008. 75(9): p. 1689-96.
12. Tanihara, Y., S. Masuda, T. Sato, T. Katsura, et al., Substrate specificity of MATE1 and MATE2-K, human multidrug and toxin extrusions/H(+)-organic cation antiporters. Biochem Pharmacol, 2007. 74(2): p. 359-71.
13. Tarasova, L., I. Kalnina, K. Geldnere, A. Bumbure, et al., Association of genetic variation in the organic cation transporters OCT1, OCT2 and multidrug and toxin extrusion 1 transporter protein genes with the gastrointestinal side effects and lower BMI in metformin-treated type 2 diabetes patients. Pharmacogenet Genomics, 2012. 22(9): p. 659-66.
14. Semiz, S., T. Dujic, and A. Causevic, Pharmacogenetics and personalized treatment of type 2 diabetes. Biochem Med (Zagreb), 2013. 23(2): p. 154-71.
15. Kimura, N., M. Okuda, and K. Inui, Metformin transport by renal basolateral organic cation transporter hOCT2. Pharm Res, 2005. 22(2): p. 255-9.
16. Wang, Z.J., O.Q. Yin, B. Tomlinson, and M.S. Chow, OCT2 polymorphisms and in-vivo renal functional consequence: studies with metformin and cimetidine. Pharmacogenet Genomics, 2008. 18(7): p. 637-45.
17. Tzvetkov, M.V., S.V. Vormfelde, D. Balen, I. Meineke, et al., The effects of genetic polymorphisms in the organic cation transporters OCT1, OCT2, and OCT3 on the renal clearance of metformin. Clin Pharmacol Ther, 2009. 86(3): p. 299-306.
18. Chen, Y., S. Li, C. Brown, S. Cheatham, et al., Effect of genetic variation in the organic cation transporter 2 on the renal elimination of metformin. Pharmacogenet Genomics, 2009. 19(7): p. 497-504.
19. Jablonski, K.A., J.B. Mcateer, P.I. De Bakker, P.W. Franks, et al., Common variants in 40 genes assessed for diabetes incidence and response to metformin and lifestyle intervention in the diabetes prevention program. Diabetes, 2010. 59(10): p. 2672-81.
20. Zhou, K., C. Bellenguez, C.C. Spencer, A.J. Bennett, et al., Common variants near ATM are associated with glycemic response to metformin in type 2 diabetes. Nat Genet, 2011. 43(2): p. 117-20.
21. Loganadan, N.K., H.Z. Huri, S.R. Vethakkan, and Z. Hussein, Genetic markers predicting sulphonylurea treatment outcomes in type 2 diabetes patients: current evidence and challenges for clinical implementation. Pharmacogenomics J, 2016. 16(3): p. 209-19.
22. Zhou, K., L. Donnelly, L. Burch, R. Tavendale, et al., Loss-of-function CYP2C9 variants improve therapeutic response to sulfonylureas in type 2 diabetes: a Go-DARTS study. Clin Pharmacol Ther, 2010. 87(1): p. 52-6.
23. Proks, P., H. De Wet, and F.M. Ashcroft, Molecular mechanism of sulphonylurea block of K(ATP) channels carrying mutations that impair ATP inhibition and cause neonatal diabetes. Diabetes, 2013. 62(11): p. 3909-19.
24. Huang, C. and J.C. Florez, Pharmacogenetics in type 2 diabetes: potential implications for clinical practice. Genome Med, 2011. 3(11): p. 76.
25. El-Sisi, A.E., S.K. Hegazy, S.S. Metwally, A.M. Wafa, et al., Effect of genetic polymorphisms on the development of secondary failure to sulfonylurea in egyptian patients with type 2 diabetes. Ther Adv Endocrinol metab, 2011. 2(4): p. 155-64.
26. Mitchell, R.K., A. Mondragon, L. Chen, J.A. Mcginty, et al., Selective disruption of Tcf7l2 in the pancreatic β cell impairs secretory function and lowers β cell mass. Hum Mol Genet, 2015. 24(5): p. 1390-9.
27. Wang, J., F. Hu, T. Feng, J. Zhao, et al., meta-analysis of associations between TCF7L2 polymorphisms and risk of type 2 diabetes mellitus in the Chinese population. BMC Med Genet, 2013. 14: p. 8.
28. Arikoglu, H., M. Aksoy Hepdogru, D. Erkoc Kaya, A. Asik, et al., IRS1 gene polymorphisms Gly972Arg and Ala513Pro are not associated with insulin resistance and type 2 diabetes risk in non-obese Turkish population. meta Gene, 2014. 2: p. 579-85.
29. Wang, Q.A., F. Zhang, L. Jiang, R. Ye, et al., Peroxisome Proliferator-Activated Receptor γ and Its Role in Adipocyte Homeostasis and Thiazolidinedione-Mediated Insulin Sensitization. Mol Cell Biol, 2018. 38(10).
30. Kang, E.S., S.Y. Park, H.J. Kim, C.S. Kim, et al., Effects of Pro12Ala polymorphism of peroxisome proliferator-activated receptor gamma2 gene on rosiglitazone response in type 2 diabetes. Clin Pharmacol Ther, 2005. 78(2): p. 202-8.
31. Chang, T.J., P.H. Liu, Y.C. Liang, Y.C. Chang, et al., Genetic predisposition and nongenetic risk factors of thiazolidinedione-related edema in patients with type 2 diabetes. Pharmacogenet Genomics, 2011. 21(12): p. 829-36.
32. Dawed, A.Y., L. Donnelly, R. Tavendale, F. Carr, et al., CYP2C8 and SLCO1B1 Variants and Therapeutic Response to Thiazolidinediones in Patients With Type 2 Diabetes. Diabetes Care, 2016. 39(11): p. 1902-1908.
33. Mahajan, A., X. Sim, H.J. Ng, A. Manning, et al., Identification and functional characterization of G6PC2 coding variants influencing glycemic traits define an effector transcript at the G6PC2-ABCB11 locus. PLoS Genet, 2015. 11(1): p. e1004876.
34. Scott, R.A., D.F. Freitag, L. Li, A.Y. Chu, et al., A genomic approach to therapeutic target validation identifies a glucose-lowering GLP1R variant protective for coronary heart disease. Sci Transl Med, 2016. 8(341): p. 341ra76.
35. T Hart, L.M., A. Fritsche, G. Nijpels, N. Van Leeuwen, et al., The CTRB1/2 locus affects diabetes susceptibility and treatment via the incretin pathway. Diabetes, 2013. 62(9): p. 3275-81.
36. Santer, R., M. Kinner, C.L. Lassen, R. Schneppenheim, et al., Molecular analysis of the SGLT2 gene in patients with renal glucosuria. J Am Soc Nephrol, 2003. 14(11): p. 2873-82.
37. Nasykhova, Y.A., Z.N. Tonyan, A.A. Mikhailova, M.M. Danilova, et al., Pharmacogenetics of Type 2 Diabetes-Progress and Prospects. Int J Mol Sci, 2020. 21(18).
38. Zimdahl, H., A. Haupt, M. Brendel, L. Bour, et al., Influence of common polymorphisms in the SLC5A2 gene on metabolic traits in subjects at increased risk of diabetes and on response to empagliflozin treatment in patients with diabetes. Pharmacogenet Genomics, 2017. 27(4): p. 135-142.
