Pharmacogenetic phenoconversion modeling of drug-drug-gene interactions on CYP2C19 activity: effects of comedication by genotype on escitalopram concentrations

Résumé technique : Modélisation de la phénoconversion pharmacogénétique des interactions médicament-médicament-gène sur l'activité du CYP2C19

Énoncé du problème
Malgré l'existence de directives de dosage pharmacogénétique robustes pour les médicaments psychotropes, l'utilité clinique de ces approches est limitée par l'incapacité des méthodes actuelles à rendre compte de l'impact dynamique de la co-médication sur les enzymes métabolisantes des médicaments. En pratique psychiatrique, la polypharmacie est courante, pourtant les prédictions basées sur le génotype échouent souvent à capturer la variabilité réelle de l'exposition aux médicaments car les effets pharmacogénétiques et les interactions médicament-médicament (DDIs) sont généralement considérés séparément. Cette lacune est critique car les médicaments concomitants peuvent induire une « phénoconversion », un processus où les interactions médicamenteuses altèrent la fonction enzymatique, modifiant ainsi effectivement le phénotype métabolique du patient. Bien que le concept d'interactions médicament-médiment-gène (DDGIs) soit reconnu, peu d'études ont fourni des estimations quantitatives de la phénoconversion dans des conditions réelles, particulièrement concernant la manière dont l'inhibition compétitive varie selon le bagage génétique du patient.

Méthodologie
L'étude a utilisé un large ensemble de données de suivi thérapeutique des médicaments (TDM) en vie réelle comprenant $n=2\,852$ patients traités par escitalopram, un substrat majeur du CYP2C19, provenant de la base de données TDM norvégienne.

• Acquisition des données : Les concentrations sériques d'escitalopram et de son métabolite ont été mesurées par chromatographie liquide à ultra-haute performance couplée à la spectrométrie de masse à haute résolution (Orbitrap). L'analyse pharmacogénétique a déterminé le diplotype du CYP2C19 (allèles *2, *3, *4, *17) pour prédire les phénotypes : métaboliseurs pauvres (PM), intermédiaires (IM), normaux (NM), rapides (RM) et ultrarapides (UM).
• Identification de la co-médication : Pour pallier l'absence de données sur la co-médication sur les formulaires de demande de TDM, les auteurs ont retraité rétrospectivement les spectres de masse à haute résolution (Orbitrap) des échantillons de patients. En utilisant une liste curatée de 23 substrats du CYP2C19 cliniquement pertinents et une bibliothèque de référence (mzCloud), ils ont identifié 17 co-médications présentes dans les échantillons sur la base de la masse exacte et des profils de fragmentation.
• Approche de modélisation :
  1. Modèle de phénoconversion linéaire : Les auteurs ont adapté un modèle linéaire où l'activité métabolique est proportionnelle aux scores d'activité. Dans ce cadre, l'inhibition compétitive par la co-médication est supposée aplatir la pente de la relation entre les scores d'activité génétique et la clairance métabolique, sans modifier l'ordonnée à l'origine (l'activité chez les PM).
  2. Implémentation statistique : L'analyse principale a utilisé un modèle linéaire généralisé (GLM) de type Gamma avec une liaison identité pour modéliser l'inverse du rapport dose-concentration (D/C) comme indicateur de la clairance. Cette approche préserve la structure additive des prédicteurs, permettant l'identification des interactions entre les scores d'activité et la co-médication.
  3. Analyse en deux étapes :
     • Étape 1 : Utilisation de contributions fractionnaires de la part du CYP2C19 dans le métabolisme de chaque co-médication, dérivées de la littérature, pour calculer une « charge de co-médication » cumulative. Cette charge a été testée comme prédicteur de la phénoconversion.
     • Étape 2 : Emploi d'une approche bayésienne (via Stan) pour estimer l'effet inhibiteur des co-médications individuelles directement à partir des données TDM, sans dépendre des valeurs de la littérature préalable. Cela a utilisé des variables muettes pour chaque médicament et a appliqué des priors de distribution $t$ pour stabiliser les estimations pour les médicaments ayant peu d'observations.

Résultats clés

• Validation de la phénoconversion linéaire : L'étude a confirmé que la relation entre les scores d'activité du CYP2C19 et la clairance métabolique reste linéaire même en présence de co-médication. À mesure que la charge de co-médication augmentait, la pente de cette relation s'aplatissait progressivement, ce qui est cohérent avec le modèle de phénoconversion linéaire. L'interaction entre le score d'activité et la charge de co-médication était hautement significative ($p < 0,001$).
• Impact quantitatif : Une charge de co-médication correspondant à un substrat du CYP2C19 à 100 % (contribution fractionnaire = 1,0) a réduit le coefficient du score d'activité d'environ un tiers. Cela indique que, bien que la co-médication atténue significativement les différences génétiquement déterminées de l'activité du CYP2C19, elle ne les abolit pas nécessairement et ne convertit pas totalement les patients en phénotype PM.
• Pouvoir prédictif des contributions fractionnaires : Il existait une forte corrélation ($R^2 = 0,55$) entre l'inhibition estimée à partir des données TDM et la contribution fractionnaire au métabolisme du médicament par le CYP2C19 trouvée dans la littérature pharmacogénétique. Cela suggère que les contributions fractionnaires issues de la littérature peuvent prédire quantitativement l'ampleur de la phénoconversion pour les inhibiteurs compétitifs.
• Résultats spécifiques aux médicaments :
  • Une inhibition significative du CYP2C19 a été détectée pour la fluoxétine, l'(és)oméprazole et le pantoprazole.
  • L'(és)oméprazole et la fluoxétine ont montré des niveaux d'inhibition supérieurs à ce que prédisaient leurs seules contributions fractionnaires, probablement en raison d'une inhibition par mécanisme (dépendante du temps) ou d'effets de métabolites actifs, s'écartant ainsi de l'inhibition compétitive pure.
  • Les médicaments ayant une contribution fractionnaire nulle au CYP2C19 (ex. lamotrigine, miansérine, warfarine) n'ont montré aucun effet de phénoconversion.
  • Aucune inhibition significative des voies d'élimination alternatives (effets sur les PM) n'a été observée, soutenant le concept que la phénoconversion est proportionnelle à la quantité d'enzyme fonctionnelle présente.
• Effets de l'âge : Contrairement à la co-médication, l'âge a montré un effet indépendant sur la capacité métabolique, réduisant l'activité même chez les PM, ce qui suggère des mécanismes distincts de la phénoconversion spécifique au CYP2C19.

Signification et affirmations
L'article affirme fournir une méthodologie statistique pour estimer la phénoconversion à partir de la co-médication directement au sein des données TDM. Sa contribution primaire est la démonstration qu'un modèle simple de phénoconversion linéaire approxime de manière adéquate les effets d'inhibition dans un contexte complexe de polypharmacie en vie réelle.

Les auteurs soutiennent que cette approche permet d'intégrer les ensembles de données TDM et pharmacogénétiques pour établir des modèles quantitatifs de DDGIs. En utilisant des valeurs de contribution fractionnaire plutôt que des étiquettes d'interaction binaires, l'étude propose une méthode mécanistiquement fondée pour estimer la charge inhibitrice cumulative des médicaments concomitants. Cela permet des prédictions plus précises de la capacité métabolique individuelle dans les populations psychiatriques, répondant à la limitation des directives actuelles qui échouent souvent à prendre en compte la réalité nuancée et contextuelle de la polypharmacie. L'étude conclut que les recommandations de dosage pharmacogénétique classiques basées sur les ratios de clairance sont très informatives pour approximer le degré de phénoconversion résultant de l'inhibition par substrat.