DIAGNOSE UND PROGNOSE
DIAGNOSE UND PROGNOSE CONFERENCES albuminsenkende Antwort auf die Spironolacton- Behandlung zeigen. Die Ergebnisse dieser Studien waren Grundlage für eine multizentrische, randomisierte, klinische Studie (PRIORITY). In dieser laufenden Studie wird untersucht, ob eine frühzeitige Behandlung von Diabetikern ohne erkennbaren Nierenschaden, die CKD273-positiv bezüglich der diabetischen Nephropathie bewertet wurden, mit dem Aldosteronantagonisten Spironolacton zusätzlich zur Standardtherapie einen Vorteil bringt [19]. Parallel zu den Studien wurde mit den Regulierungsbehörden, der amerikanischen Food and Drug Administration (FDA) und der European Medicine Agency (EMA) die Möglichkeit von klinisch validen Surrogatparametern durch CKD273 zur Evaluierung von Wirkstoffen in der Frühphase der chronischen Nierenerkrankung erörtert. Die positiven Daten aus den Studien führten dazu, dass die FDA vor kurzem dem CKD273-Klassifikator bei der Früherkennung der diabetischen Nephropathie und der Vorhersage der CKD-Progression einen letter of support [20] zuerkannte. Wie in einer kürzlich publizierten Kosten-Nutzen- Analyse gezeigt werden konnte [21], ist ein jährliches Screening von Diabetikern mittels CKD273 kosteneffizient, bei Risikopatienten sogar günstiger als das Albumin-Screening mit verlängerter Lebenserwartung und erheblich verbesserter quality of life. Es ist zu erwarten, dass im nächsten Schritt die Proteomanalyse massiv in der Medikamentenentwicklung zum Einsatz kommen wird, zumal die derzeit verfügbaren Medikamente in ihrer Funktion sehr ähnlich und nicht spezifisch für CKD sind. Wie Klein et al. kürzlich in einer Studie zeigen konnten, kann mittels Proteomanalyse ein geeignetes Modellsystem zur Entwicklung von Therapeutika generiert werden [22]. Gemeinsam mit der Möglichkeit durch Proteom analyse von Nierengewebe ideale therapeutische Zielstrukturen zu identifizieren [23], scheint dies der ideale Ansatz gezielt Therapeutika zur Behandlung von Nierenerkrankungen zu entwickeln. Fazit Zusammenfassend zeigten die Daten zur Proteomanalyse mittels CKD273 eine Verbesserung der Früherkennung und der Prognose des Verlaufs. Dies ermöglicht eine frühzeitige und gezielte Therapie und damit eine wesentlich verbesserte Option den fortschreitenden Verlust der Nierenfunktion aufzuhalten. Eine individualisierte Therapieeinstellung könnte durch die Kombination von Diagnostik und Medikamentenwirkung auf der gleichen Ebene der molekularen Strukturen, dem Proteom, vorgenommen werden. Des Weiteren informiert die Proteomanalyse über die molekulare Pathophysiologie der Erkrankung. Die Biomarker zeigen Veränderungen im extrazellulären Matrixumsatz, Fibrose und Entzündung als hauptsächliche Ursachen von CKD. Die Variabilität in einzelnen Biomarkern wird durch die Verwendung mehrerer Peptide in einem Algorithmus korrigiert, der Instabilität und Inkonsistenz von einzelnen Biomarkern toleriert. Basierend auf den heute verfügbaren Ergebnissen ist zu erwarten, dass die Proteomanalyse in Kombination mit Bioinformatik und klinischem Wissen einen signifikanten Einfluss auf das Patientenmanagement erhalten wird und die Anwendung einer personalisierten Therapie initiiert [24]. Referenzen 1. Schievink B, Kröpelin T, Mulder S et al. Early reninangiotensin system intervention is more beneficial than late intervention in delaying end-stage renal disease in patients with type 2 diabetes. Diabetes Obes Metab 2016; 18(1): 64–71. 2. Mischak H. Pro: urine proteomics as a liquid kidney biopsy: no more kidney punctures! Nephrol Dial Transplant 2015; 30: 532–7. 3. Stalmach A, Albalat A, Mullen W et al. Recent advances in capillary electrophoresis coupled to mass spectrometry 40
DIAGNOSE UND PROGNOSE for clinical proteomic applications. Electrophoresis 2013; 34: 1452–64. 4. Stepczynska A, Schanstra JP, Mischak H. Implementation of CE-MS-identified proteome-based biomarker panels in drug development and patient management. Bioanalysis 2016; 8: 439–55. 5. Pontillo C, Filip S, Borràs DM et al. CE-MS-based proteomics in biomarker discovery and clinical application. Proteomics Clin Appl 2015; 9: 322–34. 6. Good DM, Zürbig P, Argilés A et al. Naturally occurring human urinary peptides for use in diagnosis of chronic kidney disease. Mol Cell Proteomics 2010; 9: 2424–37. 7. Molin L, Seraglia R, Lapolla A et al. A comparison between MALDI-MS and CE-MS data for biomarker assessment in chronic kidney diseases. J Proteomics 2012; 75: 5888–97. 8. Siwy J, Schanstra JP, Argiles A et al. Multicentre prospective validation of a urinary peptidome-based classifier for the diagnosis of type 2 diabetic nephropathy. Nephrol Dial Transplant 2014; 29: 1563–70. 9. Argilés Á, Siwy J, Duranton F et al. CKD273, a New Proteomics Classifier Assessing CKD and Its Prognosis. PLoS One 2013; 8: e62837. 10. Gu YM, Thijs L, Liu YP et al. The urinary proteome as correlate and predictor of renal function in a population study. Nephrol Dial Transplant 2014; 29: 2260–8. 11. Pontillo C et al. Urinary proteome-based prediction of progression towards chronic kidney disease stage 3. Kidney Int Rep 2017 [Epub ahead of print]. 12. Pontillo C, Jacobs L, Staessen JA et al. A urinary proteome-based classifier for the early detection of decline in glomerular filtration. Nephrol Dial Transplant. 2016 [Epub ahead of print]. 13. Roscioni SS, de Zeeuw D, Hellemons ME et al. A urinary peptide biomarker set predicts worsening of albuminuria in type 2 diabetes mellitus. Diabetologia 2012; 56: 259–67. 14. Schanstra JP, Zürbig P, Alkhalaf A et al. Diagnosis and Prediction of CKD Progression by Assessment of Urinary Peptides. J Am Soc Nephrol 2015; 26: 1999–2010. 15. Zürbig P, Jerums G, Hovind P et al. Urinary proteomics for early diagnosis in diabetic nephropathy. Diabetes 2012; 61: 3304–13. 16. Øvrehus MA, Zürbig P, Vikse BE et al. Urinary proteomics in chronic kidney disease: diagnosis and risk of progression beyond albuminuria. Clin Proteomics 2015; 12: 21. 17. Lindhardt M, Persson F, Zürbig P et al. Urinary proteomics predict onset of microalbuminuria in normoalbuminuric type 2 diabetic patients, a sub-study of the DIRECT-Protect 2 study. Nephrol Dial Transplant. 2016 Aug 8. [Epub ahead of print]. 18. Lindhardt M, Persson F, Oxlund C et al. Predicting albuminuria response to spironolactone treatment with urinary proteomics in patients with type 2 diabetes and hypertension. Nephrol Dial Transplant. 2017 Jan 7. [Epub ahead of print]. 19. Lindhardt M, Persson F, Currie G et al. Proteomic prediction and Renin angiotensin aldosterone system Inhibition prevention Of early diabetic nephRopathy in TYpe 2 diabetic patients with normoalbuminuria (PRIORITY): essential study design and rationale of a randomised clinical multicentre trial. BMJ Open 2016; 6: e010310. 20. Biomarker Letter of Support. [article online], 2016. Available from: http: //www.fda.gov/downloads/Drugs/ DevelopmentApprovalProcess/UCM508790.pdf [Last accessed August 18, 2017]. 21. Critselis E et al. Cost-effectiveness of screening type 2 diabetes patients for chronic kidney disease progression with the CKD273 urinary peptide classifier as compared to urinary albumin excretion. Nephrol Dial Transplant 2017 [Epub ahead of print]. 22. Klein J, Ramirez-Torres A, Ericsson A et al. Urinary peptidomics provides a noninvasive humanized readout of diabetic nephropathy in mice. Kidney Int 2016; 90: 1045–55. 23. Cisek K, Krochmal M, Klein J et al. The application of multiomics and systems biology to identify therapeutic targets in chronic kidney disease. Nephrol Dial Transplant 2016; 31: 2003–11. 24. Drube J, Zürbig P, Beige J et al. Proteomanalyse: Neue Wege zur verbesserten Behandlung der diabetischen Nephropathie. Diabetologie und Stoffwechsel 2017; 12: 213–21. 25. Critselis E, Lambers HH. Utility of the CKD273 peptide classifier in predicting chronic kidney disease progression. Nephrol Dial Transplant 2015; 31: 249–54. CONFERENCES 54 th ERA-EDTA Congress 41
