Девальд Инесса Валерьевна — к. м. н., доцент кафедры терапии ИДПО ФГБОУ ВО ЮУГМУ Минздрава России.
Челябинск
Inessa V. Devald — PhD, Cand. Sci. (Med), Associate professor of the Department of Therapy IDPP, FSBEI HE SUSMU MOH Russia.
Chelyabinsk
Мысливцова Кристина Юрьевна — старший лаборант кафедры терапии ИДПО ФГБОУ ВО ЮУГМУ Минздрава России.
Челябинск
Kristina Yu. Myslivtsova — Senior laboratory assistant of the Department of Therapy IDPP, FSBEI HE SUSMU MOH Russia.
Chelyabinsk
Лила Александр Михайлович — д. м. н., член-корр. РАН, профессор, директор ФГБНУ НИИР им. В.А. Насоновой, Москва, Российская Федерация; заведующий кафедрой ревматологии ФГБОУ ДПО РМАНПО Минздрава России.
Москва
Alexander M. Lila — PhD, Dr. Sci. (Med), Corresponding Member of the Russian Academy of Sciences, Professor, Director FSBI V.A. Nasonova RIR, Moscow, Russian Federation; Head of the Department of Rheumatology FSBEI FRE RMACPE MOH Russia.
Moscow
Ходус Елена Андреевна — к. м. н., врач-ревматолог.
Челябинск
Elena A. Khodus — PhD, Cand. Sci. (Med), Rheumatologist, Professor Kinzersky Clinic LLC.
Chelyabinsk
Хромова Елена Борисовна — к. б. н., руководитель регистра доноров ГСК ФГБУ РосНИИГТ ФМБА России.
Санкт-Петербург
Elena B. Khromova — PhD, Cand. Sci. (Biology), Head of the donor register Russian research Institute of Hematology and Transfusiology.
St. Petersburg
Актуальность. Неэффективность метотрексата (МТ) у 30 % пациентов с ревматоидным артритом (РА) и связанные с ним побочные действия ограничивают эффективность лечения, диктуя необходимость разработки инструментов прогнозирования терапевтического ответа [
Цель. Разработать фармакогенетическую модель прогнозирования риска неответа на МТ у пациентов с РА на основе полиморфизмов генов ключевых белков, участвующих в метаболизме фармпрепарата.
Методы. В проспективное когортное исследование включён 281 пациент с РА. Параметры отбора: подтверждённый диагноз РА по критериям Европейского альянса ассоциаций ревматологов и назначение МТ в качестве стартового базисного противовоспалительного препарата. Через 6 месяцев лечения оценивался терапевтический ответ по индексу активности DAS28 (Disease Activity Score-28), выделены группы «ответчики» — 170 пациентов и «неответчики» — 111 пациентов. Проведено генотипирование полиморфизмов SLC19A1 (rs1051266), ABCB1 (rs1128503, rs2032582), GGH (rs3758149), FPGS (rs4451422, rs1544105), MTHFR (rs1801131, rs1801133), ATIC (rs2372536), ADA (rs244076), AMPD1 (rs17602729), ITPA (rs1127354). Используя методы снижения многофакторной размерности (MDR) и информационного анализа (энтропия Шеннона), разработаны модели прогнозирования эффективности МТ.
Результаты. Итоговая модель прогноза риска неответа на МТ объединяет пять однонуклеотидных полиморфизмов «ATIC rs2372536 + MTHFR rs1801133 + ADA rs244076 + MTHFR rs1801131 + SLC19A1 rs1051266», обеспечивает чувствительность 80,2 %, специфичность 69,4 % (OR 9,18 [95 % ДИ 5,19; 16,22] и обладает высокой устойчивостью в кросс-проверке (10/10).
Заключение. Разработанная пятигенная модель демонстрирует высокую диагностическую эффективность для прогнозирования неответа на МТ при РА. Практическое применение модели реализуется с помощью решающего правила «если, то».
Background. Approximately 30 % of rheumatoid arthritis (RA) patients exhibit inadequate response to methotrexate (MTX), with associated adverse effects limiting treatment efficacy, necessitating tools for predicting therapeutic outcomes [
Objective. This study aimed to develop a pharmacogenetic model to predict the risk of non-response to MTX in RA patients based on polymorphisms in genes encoding key proteins involved in MTX metabolism.
Methods. A prospective cohort study enrolled 281 RA patients meeting the European Alliance of Associations for Rheumatology criteria, receiving MTX as the initial disease-modifying antirheumatic drug. After 6 months, therapeutic response was assessed using the Disease Activity Score-28 (DAS28), identifying 170 responders and 111 non-responders. Genotyping was performed for polymorphisms in SLC19A1 (rs1051266), ABCB1 (rs1128503, rs2032582), GGH (rs3758149), FPGS (rs4451422, rs1544105), MTHFR (rs1801131, rs1801133), ATIC (rs2372536), ADA (rs244076), AMPD1 (rs17602729), ITPA (rs1127354).
Predictive models were developed using multifactor dimensionality reduction (MDR) and information analysis (Shannon entropy).
Results. The final model, incorporating five single nucleotide polymorphisms “ATIC rs2372536 + MTHFR rs1801133 + ADA rs244076 + MTHFR rs1801131 + SLC19A1 rs1051266”, achieved a sensitivity of 80.2 %, specificity of 69.4 % (OR 9.18 [95 % CI 5.19; 16.22]), and high cross-validation consistency (10/10).
Conclusion. This five-gene model demonstrates robust diagnostic performance for predicting MTX non-response in RA, with practical implementation via an “if-then” decision rule.
The authors declare that there are no conflicts of interest present.