Исследование параметров коэкспрессии рецепторов к ФНО в качестве потенциальных биомаркеров эффективной госпитальной терапии ритуксимабом пациентов с ревматоидным артритом

• Альшевская Алина Анатольевна
• Лопатникова Юлия Анатольевна
• Жукова Юлия Владимировна
• Киреев Федор Дмитриевич
• Гладких Виктор Сергеевич
• Шкаруба Надежда Сергеевна
• Чумасова Оксана Александровна
• Сизиков Алексей Эдуардович
• Сенников Сергей Витальевич

Резюме

Введение. Одним из основных механизмов регуляции биологического действия фактора некроза опухоли (ФНО) как ключевого провоспалительного цитокина, инициирующего патологические изменения при ревматоидном артрите (РА), является изменение коэкспрессии и плотности экспрессии специфических рецепторов (TNFR1 и TNFR2). Поиск и тестирование биомаркеров, связанных с регуляцией активности цитокинов, необходимы для прогнозирования ответа на терапию и разработки персонализированных стратегий ведения пациентов с РА.

Цель исследования - сравнение профилей экспрессии и коэкспрессии рецепторов 1-го и 2-го типа к ФНО на ключевых иммунокомпетентных клеточных популяциях у пациентов с РА с различным уровнем ответа на терапию ритуксимабом и выделение среди пула рассматриваемых параметров ряда мишеней, которые можно использовать в качестве биомаркеров для оценки вероятности достижения стабильной ремиссии и прогнозирования ответа на лечение.

Материал и методы. Параметры экспрессии и коэкспрессии рецепторов 1-го и 2-го типа к ФНО на иммунокомпетентных клетках пациентов с РА исследовали методом многоцветной проточной цитометрии. Для выявления потенциальных биомаркеров у пациентов с повторным обострением заболевания после эффективной терапии в стационаре использовали логистический регрессионный анализ.

Результаты. Среди 144 исследованных параметров экспрессии TNFR1/TNFR2 были выделены 13 показателей для 4 субпопуляций иммунокомпетентных клеток, которые можно использовать в качестве потенциальных прогностических биомаркеров длительного сохранения низкой активности заболевания после терапии ритуксимабом. Было показано, что сочетания параметров экспрессии позволяет с большей прогностической значимостью рассчитывать уровень ответа на терапию по сравнению со стандартными анамнестическими, клиническими и лабораторными показателями. Итоговая модель включала процент TNFR2⁺-клеток среди моноцитов [отношение шансов (ОШ) 0,861 при 95 % доверительном интервале (ДИ) (0,727 : 0,952); p = 0,023] и число TNFR1 на Т-клетках [ОШ 1,636 при 95 % ДИ (1,174 : 3,262), p = 0,038] с коэффициентом детерминации 0,52.

Заключение. Изменение профилей коэкспрессии рецепторов к ФНО на иммунокомпетентных клетках пациентов с РА ассоциировано с уровнем ответа на терапию и стабильностью ремиссии.

Ключевые слова:ФНО; TNFR1; TNFR2; плотность экспрессии рецепторов; уровень экспрессии рецепторов; ревматоидный артрит

Введение

Ревматоидный артрит (РА) - это аутоиммунное заболевание, которое носит системный воспалительный характер и клинически в основном проявляется полиартритом, связанным с нарушением функции суставов [1]. Быстрая хронизация заболевания с ранней инвалидизацией (в течение 2 лет после дебюта) и высокая степень рефрактерности к стандартным методам терапии [2, 3] обусловливают высокую социально-экономическую значимость как самого заболевания, так и разработки перспективных подходов к ранней диагностике и эффективным протоколам лечения.

На данный момент не существует патогенетической терапии РА, которая приводила бы к полному излечению пациента, и все применяемые подходы направлены на контроль течения заболевания и снижения частоты обострения, в идеале - до полной стабильной ремиссии и возвращению работоспособности [4]. При этом нет единого мнения о том, какая терапия наиболее эффективна для пациентов с РА и каков оптимальный порядок назначения разных типов терапии [5].

Ритуксимаб - один из широко применяемых и высокоэффективных болезнь-модифицирующих препаратов для пациентов с РА, чаще всего используемых в качестве терапии второй линии, в том числе при неэффективности анти-ФНО-препаратов [2, 6]. Тем не менее для части пациентов он оказывается неэффективным, и механизмы его действия до конца не изучены [7]. Прогнозирование эффективности терапии для подбора оптимального метода лечения - перспективный подход для снижения затрат здравоохранения, повышения вероятности достижения ремиссии у пациентов и качества их жизни [8].

К наиболее часто рассматриваемым предикторам ответа на терапию относятся демографические и анамнестические характеристики, история предшествующего лечения и особенности течения заболевания [9]. Однако даже одновременный учет их сочетаний на данный момент не позволяет в полной мере стратифицировать риски для пациентов, что привело к росту числа исследований, посвященных поиску различных диагностических и прогностических биомаркеров [10, 11]. В качестве таких потенциальных биомаркеров рассматриваются различные молекулы, участвующие в модуляции биологической активности цитокинов [12].

Фактор некроза опухоли α (ФНО) является ключевым цитокином, инициирующим патологические изменения при РА на ранних стадиях заболевания и способствующим хронизации воспалительного процесса [13]. Один из способов регуляции активности данного цитокина - экспрессия специфических к нему рецепторов на поверхности таргетных клеток, поскольку реализация его биологических функций возможна только при наличии их достаточного количества [14]. Активация сигнальных путей с помощью ФНО возможна через связывания с двумя типами специфических рецепторов (TNFR1 и TNFR2) [15], профили экспрессии которых значительно изменяются при патологии наравне с продукцией самого цитокина [16, 19].

TNFR1 и TNFR2 с различной вероятностью запускают два основных типа биологического ответа на медиатор: через активацию ядерного фактора энхансера легкой цепи каппа активированных В-клеток (NF-κB) и через путь митоген-активируемых протеинкиназ (MAPK) [18, 19]. Эти типы сигнальных путей могут опосредовать как пролиферацию и выживание, так и апоптоз и гибель клеток, в зависимости от того, какой рецептор и в каких условиях связывается с ФНО [17]. Таким образом, специфические рецепторы к ФНО являются основными молекулами, обусловливающими воздействие цитокина на клетки, и показатели, характеризующие особенности их экспрессии на иммунокомпетентных клетках, могут являться важными биомаркерами для прогнозирования течения заболевания.

Цель данного исследования - сравнение профилей экспрессии и коэкспрессии рецепторов 1-го и 2-го типа к ФНО в ключевых популяциях иммунокомпетентных клеток у пациентов с РА с различным уровнем ответа на терапию ритуксимабом, выделение среди пула рассматриваемых параметров ряда мишеней, которые можно использовать в качестве биомаркеров для оценки вероятности достижения стабильной ремиссии и прогнозирования ответа на лечение.

Материал и методы

Объект исследования. Для оценки уровня коэкспрессии рецепторов 1-го и 2-го типа к ФНО использовали цельную кровь пациентов с РА, проходящих лечение в отделении аллергологии и отделении ревматологии Клиники иммунопатологии ФГБНУ НИИФКИ Минобрнауки России (г. Новосибирск). Венозную кровь забирали натощак из локтевой вены в стерильных условиях по 6 мл в вакуумные пробирки c антикоагулянтом К3-EDTA (3-замещенной калиевой солью этилендиаминтетрауксусной кислоты, Vacuette К3-EDTA, Greiner Bio-One GmbH, Австрия) до назначения терапии в стационаре. Все пациенты дали информированное согласие на участие в исследовании и использование персональных данных. Протокол исследования был утвержден локальным этическим комитетом НИИФКИ (№ 131 от 12.05.2021).

В ретроспективный субанализ для оценки параметров, ассоциированных с достижением стабильного улучшения, были отобраны 26 пациентов с РА в возрасте 27-79 лет, 21 (80,8 %) женщина и 5 (19,2 %) мужчин.

Критерии включения в данный субанализ: получение в стационаре курса эффективной терапии ритуксимабом с зафиксированным при выписке из стационара улучшением по индексу DAS-28 как минимум на 0,6 баллов (умеренное или значительное улучшение), а также продолжение наблюдения пациента и получение информации по состоянию активности заболевания в течение как минимум 6 мес после выписки.

Включенные пациенты были разделены на две группы в зависимости от стабильности сохранения сниженной активности заболевания: в группу стабильного улучшения вошло 13 (50 %) пациентов, у которых за время наблюдения (6-18 мес) не зафиксировано повторных эпизодов обострения заболевания; в группу повторного обострения вошли 13 (50 %) пациентов, у которых в течение 12 мес после госпитализации была зафиксирована повторная госпитализация по поводу ухудшения состояния и обострения заболевания. Исходная демографическая и клиническая характеристика включенных пациентов представлена в табл. 1.

Проточная цитометрия. Пробоподготовку проводили с помощью лизирующего буфера BD FACS Lysing Solution (кат. номер 349202; BD, США) согласно инструкции производителя. Оценка фенотипических характеристик проводилась с помощью проточной цитометрии на цитофлуориметре FACSVerse (BD, США) с использованием моноклональных антител (BioLegend, США): anti-human CD3 V421, anti-human CD19 FITC, anti-human CD8 APC/Cy7, anti-human CD5-APC-Cy7, anti-human CD14 Pe/Cy7, anti-human CD25 FITC, anti-human CD127 (IL- 7Rα) APC/Cy7, anti-human CD45RO FITC, anti-human CD45RA Pacific Blue, anti-human CD4 Pe/Cy7. Параметры гейтирования исследованных популяций иммунокомпетентных клеток показаны на рис. 1-4.

Параметры экспрессии и коэкспрессии TNFR1 и TNFR2 оценивались с использованием антител anti-human TNF RI-PЕ и anti-human TNF RII-PЕ, anti-human TNF RI-APC и anti-human TNF RII-APC (R&D Systems, США). Для одновременного определения количества рецепторов ФНО типов 1 и 2 на клетках каждый образец разделяли на 2 пробирки и окрашивали антителами в сочетаниях TNFR1-PE + TNFR2-APC и TNFR2-PE + TNFR1-APC. Процентное содержание каждой фракции (TNFR1^-TNFR2^-, TNFR1⁺TNFR2^-, TNFR1⁺TNFR2⁺, TNFR1^-TNFR2⁺) определяли как среднее между показателями двух пробирок. Обработку данных и расчет показателей интенсивности флуоресценции выполняли с использованием программного обеспечения FacsDiva (BD, США). Пример гейтирования для анализа экспрессии рецепторов ФНО представлен на рис. 5, а типичный анализ коэкспрессии рецепторов у пациентов с РА - на рис. 6.

Расчет числовых показателей количества рецепторов на клетках и одновременное определение количества рецепторов ФНО типов 1 и 2 на различных субпопуляциях выполняли с использованием модифицированного протокола, разработанного в лаборатории молекулярной иммунологии [16], на основе использования коммерческого набора BD QuantiBRITE PE (BD Biosciences, США). По показателям экспрессии и коэкспрессии рецепторов TNFR1/TNFR2 для каждой из 12 субпопуляций анализировали 12 параметров: среднее число рецепторов типов 1 и 2 на клетках; среднее число рецепторов типов 1 и 2 на дубль-позитивных TNFR1⁺TNFR2⁺-клетках; среднее число рецепторов типа 1 на TNFR1⁺TNFR2^--клетках; среднее число рецепторов типа 2 на TNFR1^-TNFR2⁺-клетках; доли каждой фракции коэкспрессии рецепторов (проценты TNFR1^-TNFR2^-, TNFR1⁺TNFR2^-, TNFR1⁺TNFR2⁺, TNFR1^-TNFR2⁺-клеток); общий уровень TNFR1⁺-клеток и общий уровень TNFR2⁺-клеток.

Статистическая обработка. Статистическая обработка данных проводилась с использованием программного обеспечения STATISTICA 7.0 (StatSoft, США) и RStudio software версия 1.0.136 (Free Software Foundation, Inc., США), набор пакетов версии 3.3.1 (R Foundation for Statistical Computing, Austria). В качестве порогового уровня статистической значимости во всех проводимых анализах использовался p < 0,05. Данные для количественных показателей представлены в виде медианы, сравнение независимых выборок с определением статистической значимости отличий проводилось с использованием непараметрического критерия Манна-Уитни. Для определения статистически значимых ассоциаций между исследуемыми клиническими и лабораторными параметрами проводился однофакторный и многофакторный логистический регрессионный анализ. В регрессионный анализ в качестве потенциальных предикторов включались демографические и анамнестические характеристики (пол, возраст, длительность заболевания), параметры тяжести заболевания (уровень С-реактивного белка, СРБ, наличие системных проявлений, рентгенологическая стадия заболевания, уровень DAS-28 при поступлении, уровень ревматоидного фактора). Расчет отношения шансов (ОШ) и 95 % доверительного интервала (ДИ) для параметров экспрессии выполняли для процентных показателей в перерасчете на изменение, равное 1 %, и для показателей среднего количества рецепторов в перерасчете на изменение, равное 100 рецепторов.

Результаты

Оценка параметров экспрессии и коэкспрессии рецепторов типов 1 и 2 к ФНО на иммунокомпетентных клетках

Для выявления потенциальных биомаркеров, ассоциированных с ответом на терапию ритуксимабом, было проведено исследование количественных показателей экспрессии TNFR1 и TNFR2 в различных субпопуляциях иммунокомпетентных клеток. Для каждой популяции (Т-клетки, В-клетки, моноциты, регуляторные Т-клетки, хелперные Т-клетки и их субпопуляции, цитотоксические Т-клетки и их субпопуляции) были исследованы соотношения фракций с различными сочетаниями коэкспрессии рецепторов (доли TNFR1⁺TNFR2^--, TNFR1⁺TNFR2⁺-, TNFR1^-TNFR2⁺- и TNFR1^-TNFR2^--клеток) и среднее число рецепторов каждого типа на данных клетках.

Среди 12 исследованных для 4 клеточных субпопуляций (CD14⁺-моноцитов, общего пула CD3⁺-Т-клеток, общего пула CD19⁺-В-клеток и хелперных CD4⁺-Т-клеток) было показано наличие двух и более статистически значимых (p < 0,05) различий по показателям экспрессии и коэкспрессии между подгруппами пациентов со стабильным улучшением и повторным обострением (рис. 7, 8).

У пациентов с повторным обострением после выписки из стационара для CD14⁺-моноцитов были показаны более низкие уровни числа рецепторов типа 1 (p = 0,049) и более низкие уровни доли TNFR2⁺-клеток (p = 0,037). Для общего пула хелперных CD4⁺-Т-клеток для обоих типов рецепторов было показано снижение как процента клеток с рецепторами (p = 0,034 для TNFR1 и p = 0,048 для TNFR2), так и числа рецепторов на клетках (p = 0,044 для TNFR1 и p = 0,011 для TNFR2). Для общего пула CD3⁺-Т-клеток продемонстрирован значимо более высокий уровень числа рецепторов типа 1 на клетках (p = 0,042) и более низкая доля клеток, экспрессирующих рецепторы типа 2 у пациентов с повторным обострением (p = 0,014). Для CD19⁺-В-клеток установлено два паттерна особенностей распределения рецепторов у пациентов с нестабильным улучшением. Для TNFR2 показаны разнонаправленные изменения по проценту клеток и числу рецепторов - более низкий процент клеток (p = 0,038) и более высокая плотность экспрессии (p = 0,019). Также для показателей числа рецепторов были показаны более высокие уровни как для TNFR1 (p = 0,047), так и для TNFR2 (p = 0,039).

Для всех четырех субпопуляций иммуноцитов пациентов с нестабильной ремиссией до назначения терапии в стационаре выявлен более высокий процент дубль-негативных TNFR1^-TNFR2^--клеток. Различия между образцами, полученными от пациентов со стабильным улучшением и повторным обострением, составили 8,8 и 16,7 % для моноцитов (p = 0,101); 47,4 и 65,4 % для Т-клеток (p = 0,125); 31,1 и 51% для В-клеток (p = 0,006) и 20,1 и 41,4 % для хелперных Т-клеток (p = 0,009). При этом данное перераспределение было обусловлено преимущественно за счет более низкого процента клеток, экспрессирующих только рецепторы типа 2, но не типа 1.

Так, различия между долями фракций TNFR1^-TNFR2⁺ в исследуемых субпопуляциях между группами составили 24,2 % для CD14⁺-клеток (p = 0,024 между группами), 7,6 % для CD3⁺-клеток (p = 0,203), 15,2 % для CD19⁺-клеток (p = 0,096), 2 % для CD4⁺-клеток (p = 0,880).

Дополнительно различия по показателям экспрессии у пациентов с повторным обострением заболевания были получены для регуляторных CD4⁺CD25^highCD127^low-Т-клеток (более низкие уровни плотности экспрессии рецепторов типа 2, p = 0,027), хелперных CD4⁺CD45R0⁺-Т-клеток памяти (более низкие уровни плотности экспрессии рецепторов типа 2, p < 0,001), активированных цитотоксических CD8⁺CD25⁺-Т-клеток (более низкий процент дубль-позитивных TNFR1⁺TNFR2⁺-клеток, p = 0,048) и цитотоксических CD8⁺CD45R0⁺-Т-клеток памяти (более низкий процент дубль-позитивных TNFR1⁺TNFR2⁺-клеток, p = 0,029).

Анализ параметров, ассоциированных с достижением стабильного клинического улучшения

Для оценки значимости выявленных различий между подгруппами обследованных в прогнозировании ответа на терапию и сопоставления показателей различных типов был проведен одно- и многофакторный логистический регрессионный анализ между клиническими, анамнестическими и лабораторными параметрами, полученными в исследовании.

13 показателей экспрессии и коэкспрессии рецепторов типов 1 и 2 к ФНО для 4 выделенных субпопуляций и 8 анамнестических и клинических параметров были включены в однофакторный анализ для выявления статистически значимых ассоциаций с сохранением низкой активности заболевания после курса терапии ритуксимабом и выписки из стационара (табл. 2).

Проведенный анализ продемонстрировал следующее: несмотря на различия между подгруппами обследованных по анамнестическим и клиническим характеристикам, только один из исходных стандартно собираемых параметров (возраст пациентов) имел значимые ассоциации с эффективностью сохранения низкой активности заболевания. Для риска повторного обострения заболевания была установлены следующие ассоциации: возраст [ОШ 1,157 (95 % ДИ 1,053 : 1,337), p = 0,013], пол [ОШ 1,650 (95 % ДИ 0,227 : 14,572), p = 0,621], длительность заболевания [ОШ 1,040 (95 % ДИ 0,964 : 1,172), p = 0,388], уровень DAS-28 при поступлении [ОШ 1,527 (95 % ДИ 0,764 : 3,371), p = 0,252], уровень СРБ при поступлении [ОШ 1,024 (95 % ДИ 0,984 : 1,093), p = 0,335], уровень ревматоидного фактора [ОШ 0,994 (95 % ДИ 0,978 : 1,005), p = 0,327], рентгенологическая стадия [ОШ 1,520 (95 % ДИ 0,426 : 5,841), p = 0,522], наличие системных проявлений [ОШ 1,010 (95 % ДИ 0,210 : 4,767), p = 0,978].

Из показателей экспрессии и коэкспрессии рецепторов TNFR1/TNFR2 только один параметр показал значимость в однофакторном анализе - доля дубль-негативных TNFR1^-TNFR2^--клеток среди В-клеток [ОШ 1,097 (95 % ДИ 1,029 : 1,215), p = 0,025] и еще 4 показателя имели пограничные значения: процент TNFR2⁺-клеток среди моноцитов [ОШ 0,942 (0,875 : 0,992), p = 0,052], число TNFR1 на хелперных Т-клетках [ОШ 0,759 (95 % ДИ 0,543 : 0,964), p = 0,052], процент TNFR1⁺-клеток среди хелперных Т-клеток [ОШ 0,949 (95 % ДИ 0,892 : 0,996), p = 0,053] и процент TNFR2⁺-клеток среди В-клеток [ОШ 0,964 (95 % ДИ 0,922 : 0,998), p = 0,058].

Все проанализированные параметры были включены в многофакторный логистический регрессионный анализ. Построение модели проводили путем перебора всех вариантов двух- и трехфакторных комбинаций с расчетом коэффициента детерминации R2 и информационного критериям AIC (информационный критерий Акаике) для установления модели с наилучшими характеристиками качества. Итоговая двухфакторная модель имела наименьший AIC и коэффициент детерминации 0,52 и включала два параметра: процент TNFR2⁺-клеток среди моноцитов [ОШ 0,861 (0,727 : 0,952), p = 0,023] и число TNFR1 на Т-клетках [ОШ 1,636 (95 % ДИ 1,174 : 3,262), p = 0,038].

Все модели, включавшие демографические или анамнестические параметры, характеризовались значительно более низкими показателями качества и не обладали достаточной предиктивной силой (коэффициент детерминации < 0,3).

Обсуждение

Проведенное исследование позволило выявить ассоциации между профилем коэкспрессии рецепторов к ФНО на момент подбора госпитальной терапии РА и длительностью сохранения сниженной активности заболевания после выписки из стационара. Из 144 параметров коэкспрессии и экспрессии рецепторов к ФНО на 12 субпопуляциях иммунокомпетентных клеток, 13 параметров из 4 популяций были классифицированы как потенциальные биомаркеры для прогнозирования ответа на терапию ритуксимабом до ее назначения.

Подбор оптимального типа терапии и сроков ее назначения при РА остается актуальным, до сих пор не решенным вопросом [5, 17]. Для решения данной задачи одним из наиболее перспективных походов является исследование предикторов эффективного и недостаточно эффективного ответа на терапию для построения прогностических моделей [9, 10]. Спектр исследуемых предикторов постоянно расширяется и, помимо стандартных анамнестических, демографических и лабораторных показателей, на данный момент включает геномные и другие омиксные данные [22-24]. Однако двумя основными барьерами для внедрения использования биомаркеров в рутинной клинической практике является длительный срок накопления данных о достаточном количестве пациентов для обоснованных выводов, технические трудности в проведении ряда анализов, их высокая стоимость и сложность интерпретации [25]. В связи с этим предиктивные модели на основе стандартных или модифицированных лабораторных анализов с использованием более технически простых способов, таких как проточная цитометрия, представляются более доступными и актуальными [21]. При этом скрининг таких биомаркеров должен осуществляться исходя из параметров, которые являются критически важными для развития патологии и тяжести ее протекания [12]. К ним относятся показатели цитокинового профиля в целом [21, 26] и параметры коэкспрессии рецепторов к цитокинам, регулирующие их активность при формировании локальных и системных изменений при РА [28].

Двумя ключевыми выявленными тенденциями в перераспределении рецепторов на клетках у пациентов с низким уровнем ответа на терапию были общее снижение процента TNFR2⁺-клеток и более высокие уровни дубль-негативных клеток в субпопуляциях иммунокомпетентных клеток. Мы предполагаем, что данные изменения могут отражать адаптивное снижение чувствительности к стабильно высокому уровню циркулирующего ФНО у пациентов с неконтролируемым течением заболевания, и согласуются с ранее полученными данными по ассоциации между базовым уровнем цитокина и рефрактерностью к терапии [29].

Для общего пула CD3⁺-Т-клеток в нашем исследовании было продемонстрировано, что пациенты с повторным обострением заболевания после выписки из стационара на момент назначения терапии имеют более высокое число рецепторов типа 1, но более низкую долю клеток с рецепторами типа 2. Данные изменения могут отражать перестройку общего пула Т-клеток с выделением аутореактивных субпопуляций с измененной чувствительностью к цитокину и участвующих в поддержании патологического воспаления [13].

В общем пуле хелперных CD4⁺-Т-клеток для обоих типов рецепторов было продемонстрировано, что пациенты с повторным обострением изначально имели более низкие показатели как процента клеток с рецепторами, так и количества рецепторов на клетках. Данное снижение может отражать процессы, связанные с патологической дифференцировкой Т-клеток при РА и выделение подтипов Т-хелперов с измененными функциями. Поскольку ФНО является одним из регуляторов нарушения процессов формирования иммунной толерантности и дифференцировки Т-хелперов [20], полученные нами данные согласуются с тем, что патологическая трансформация хелперных Т-клеток в провоспалительные может регулироваться в том числе за счет перераспределения рецепторов к ФНО на клетках, а использование подходов к стимуляции их трансформации в регуляторные или супрессорные фенотипы является перспективным терапевтическим подходом для РА [2].

В-клетки и их субпопуляции играют важнейшую роль в регуляции воспалительных и аутоиммунных реакций [27]. Поскольку терапия ритуксимабом направлена на истощение пула патологических В-клеток [6], мы предполагаем, что выявленные нами различия в профилях экспрессии рецепторов к ФНО у пациентов с разным уровнем ответа на препарат могут быть связаны с особенностями регуляции функциональной активности этих клеток.

В нашем исследовании мы показали, что на В-клетках пациентов с недостаточно эффективным ответом на терапию происходит перераспределение рецепторов к ФНО со снижением доли клеток, несущих рецепторы типа 2 и увеличением доли дубль-негативных клеток, но общим повышением плотности экспрессии рецепторов обоих типов на клетках. Данное перераспределение может демонстрировать различия в субпопуляционных профилях подтипов В-клеток между пациентами с разным уровнем ответа на терапию и согласуется с установленными ранее данными, что уровень отдельных субпопуляций В-клеток, экспрессирующих рецепторы семейства ФНО, может являться прогностическим маркером ответа на терапию ритуксимабом [30].

Среди исследованных нами стандартных лабораторных показателей ни один показатель не различался значимо на момент госпитализации пациентов в стационар и не позволял прогнозировать уровень ответа на терапию. Наиболее часто в исследованиях потенциальных предикторов исследователи сосредотачиваются на вероятности достижения стабильной длительной ремиссии у пациентов, используя комбинации исходных характеристик [9]. Однако механизмы ответа на терапию существенно различаются между разными видами терапии [6], а общие показатели исходной тяжести заболевания как маркер худшего прогноза не позволяют подобрать оптимальный метод лечения.

В нашем исследовании мы показали, что стандартные демографические и анамнестические показатели тяжести заболевания не всегда значимо коррелируют с уровнем длительного сохранения низкой активности заболевания даже после успешной госпитальной терапии, что необходимо учитывать в стратификации рисков от назначения разных видов терапии.

Заключение

Субанализ пациентов после успешной стационарной терапии ритуксимабом продемонстрировал, что первоначальный профиль экспрессии рецепторов к ФНО на иммунокомпетентных клетках связан с длительностью сохранения низкой активности заболевания. Более высокая доля в субпопуляциях клеток, экспрессирующих рецепторы типа 2, и большая общая доля клеток, экспрессирующих хотя бы один тип рецепторов, были ассоциированы с большей вероятностью достижения стабильного улучшения на 6-18 мес. Дальнейшее исследование данных параметров коэкспрессии TNFR1/TNFR2 в больших выборках пациентов необходимо для определения прогностической значимости данных биомаркеров и разработки моделей дифференцированного ответа на разные виды терапии.

Литература

1. Sharma A., Goel A. Pathogenesis of rheumatoid arthritis and its treatment with anti-inflammatory natural products. Mol. Biol. Rep. 2023; 50 (5): 4687-706. DOI: https://doi.org/10.1007/s11033-023-08406-4

2. Li C., Han Y., Luo X., Qian C., Li Y., Su H., Du G. Immunomodulatory nano-preparations for rheumatoid arthritis. Drug Deliv. 2023; 30 (1): 9-19. DOI: https://doi.org/10.1080/10717544.2022.2152136

3. Bhangu G., Hartfeld N.M.S., Lacaille D., Lopatina E., Hoens A.M., Barber M.R.W., Then K.L., Zafar S., Fifi-Mah A., Hazlewood G., Barber C.E.H. A scoping review of shared care models for rheumatoid arthritis with patient-initiated follow-up. Semin. Arthritis Rheum. 2023; 60: 152190. DOI: https://doi.org/10.1016/j.semarthrit.2023.152190

4. Khoo T., Jones B., Chin A., Terrett A., Voshaar M., Hoogland W., March L., Beaton D., Gazel U., Shea B., Tugwell P., Flurey C.A., Proudman S. Defining independence: a scoping review by the OMERACT patient perspective of remission in rheumatoid arthritis group. Semin. Arthritis Rheum. 2023; 58: 152152. DOI: https://doi.org/10.1016/j.semarthrit.2022.152152

5. Messelink M.A., den Broeder A.A., Marinelli F.E., Michgels E., Verschueren P., Aletaha D., Tekstra J., Welsing P.M.J. What is the best target in a treat-to-target strategy in rheumatoid arthritis? Results from a systematic review and meta-regression analysis. RMD Open. 2023; 9 (2): e003196. DOI: https://doi.org/10.1136/rmdopen-2023-003196

6. Tavakolpour S., Alesaeidi S., Darvishi M., GhasemiAdl M., Darabi-Monadi S., Akhlaghdoust M., Elikaei Behjati S., Jafarieh A. A comprehensive review of rituximab therapy in rheumatoid arthritis patients. Clin. Rheumatol. 2019; 38 (11): 2977-94. DOI: https://doi.org/10.1007/s10067-019-04699-8

7. Harrold L.R., Reed G.W., Shewade A., Magner R., Saunders K.C., John A., Kremer J.M., Greenberg J.D. Effectiveness of rituximab for the treatment of rheumatoid arthritis in patients with prior exposure to anti-TNF: results from the CORRONA registry. J. Rheumatol. 2015; 42 (7): 1090-8. DOI: https://doi.org/10.3899/jrheum.141043

8. Patel J.P., Konanur Srinivasa N.K., Gande A., Anusha M., Dar H., Baji D.B. The role of biologics in rheumatoid arthritis: a narrative review. Cureus. 2023; 15 (1): e33293. DOI: https://doi.org/10.7759/cureus.33293

9. Khader Y., Beran A., Ghazaleh S., Lee-Smith W., Altorok N. Predictors of remission in rheumatoid arthritis patients treated with biologics: a systematic review and meta-analysis. Clin. Rheumatol. 2022; 41 (12): 3615-27. DOI: https://doi.org/10.1007/s10067-022-06307-8

10. Lequerré T., Rottenberg P., Derambure C., Cosette P., Vittecoq O. Predictors of treatment response in rheumatoid arthritis. Joint Bone Spine. 2019; 86 (2): 151-8. DOI: https://doi.org/10.1016/j.jbspin.2018.03.018

11. Abdelhafiz D., Baker T., Glascow D.A., Abdelhafiz A. Biomarkers for the diagnosis and treatment of rheumatoid arthritis - a systematic review. Postgrad. Med. 2023; 135 (3): 214-23. DOI: https://doi.org/10.1080/00325481.2022.2052626

12. Atzeni F., Talotta R., Masala I.F., Bongiovanni S., Boccassini L., Sarzi-Puttini P. Biomarkers in rheumatoid arthritis. Isr. Med. Assoc. J. 2017; 19 (8): 512-6.

13. Lin Y.J., Anzaghe M., Schülke S. Update on the pathomechanism, diagnosis, and treatment options for rheumatoid arthritis. Cells. 2020; 9 (4): 880. DOI: https://doi.org/10.3390/cells9040880

14. Gough P., Myles I.A. Tumor necrosis factor receptors: pleiotropic signaling complexes and their differential effects. Front. Immunol. 2020; 11: 585880. DOI: https://doi.org/10.3389/fimmu.2020.585880

15. Wajant H., Siegmund D. TNFR1 and TNFR2 in the control of the life and death balance of macrophages. Front. Cell Dev. Biol. 2019; 7: 91. DOI: https://doi.org/10.3389/fcell.2019.00091

16. Alshevskaya A., Lopatnikova J., Zhukova J., Chumasova O., Shkaruba N., Sizikov A., Evsegneeva I., Gladkikh V., Karaulov A., Sennikov S.V. Co-expression profile of TNF membrane-bound receptors type 1 and 2 in rheumatoid arthritis on immunocompetent cells subsets. Int. J. Mol. Sci. 2019; 21 (1): 288. DOI: https://doi.org/10.3390/ijms21010288

17. Kalliolias G.D., Ivashkiv L.B. TNF biology, pathogenic mechanisms and emerging therapeutic strategies. Nat. Rev. Rheumatol. 2016; 12 (1): 49-62. DOI: https://doi.org/10.1038/nrrheum.2015.169

18. Yu H., Lin L., Zhang Z., Zhang H., Hu H. Targeting NF-κB pathway for the therapy of diseases: mechanism and clinical study. Signal Transduct. Target. Ther. 2020; 5 (1): 209. DOI: https://doi.org/10.1038/s41392-020-00312-6

19. Atretkhany K.N., Gogoleva V.S., Drutskaya M.S., Nedospasov S.A. Distinct modes of TNF signaling through its two receptors in health and disease. J. Leukoc. Biol. 2020; 107 (6): 893-905. DOI: https://doi.org/10.1002/JLB.2MR0120-510R

20. Jung S.M., Kim W.U. Targeted immunotherapy for autoimmune disease. Immune Netw. 2022; 22 (1): e9. DOI: https://doi.org/10.4110/in.2022.22.e9

21. Жданова Е.В., Костоломова Е.Г., Волкова Д.Е., Зыков А.В. Клеточный состав и цитокиновый профиль синовиальной жидкости при ревматоидном артрите. Медицинская иммунология. 2022; 24 (5): 1017-26. DOI: https://doi.org/10.15789/1563-0625-CCA-2520

22. Kolarz B., Podgorska D., Podgorski R. Insights of rheumatoid arthritis biomarkers. Biomarkers. 2021; 26 (3): 185-95. DOI: https://doi.org/10.1080/1354750X.2020.1794043

23. Janahiraman S., Too C.L., Lee K.W., Shahril N.S., Leong C.O. Genetic biomarkers as predictors of response to tocilizumab in rheumatoid arthritis: a systematic review and meta-analysis. Genes (Basel). 2022; 13 (7): 1284. DOI: https://doi.org/10.3390/genes13071284

24. Шевченко А.В., Коненков В.И., Прокофьев В.Ф., Королев М.А., Омельченко В.О. Комбинации полиморфизмов гена фактора роста сосудистого эндотелия и генов его рецепторов (VEGF/VEGFR) в оценке сердечно-сосудистого риска у пациентов с ревматоидным артритом. Иммунология. 2020; 41 (3): 206-14. DOI: https://doi.org/10.33029/0206-4952-2020-41-3-206-214

25. Daraghmeh D.N., King C., Wiese M.D. A review of liquid biopsy as a tool to assess epigenetic, cfDNA and miRNA variability as methotrexate response predictors in patients with rheumatoid arthritis. Pharmacol. Res. 2021; 173: 105887. DOI: https://doi.org/10.1016/j.phrs.2021.105887 Epub 2021 Sep 16. PMID: 34536550.

26. Mena-Vázquez N., Godoy-Navarrete F.J., Lisbona-Montañez J.M., Redondo-Rodriguez R., Manrique-Arija S., Rioja J., Mucientes A., Ruiz-Limón P., Garcia-Studer A., Ortiz-Márquez F., Oliver-Martos B., Cano-García L., Fernández-Nebro A. Inflammatory biomarkers in the diagnosis and prognosis of rheumatoid arthritis-associated interstitial lung disease. Int. J. Mol. Sci. 2023; 24 (7): 6800. DOI: https://doi.org/10.3390/ijms24076800

27. Лушова А.А., Жеремян Э.А., Астахова Е.А., Спиридонова А.Б., Бязрова М.Г, Филатов А.В. Субпопуляции В-лимфоцитов: функции и молекулярные маркеры. Иммунология. 2019; 40 (6): 63-76. DOI: https://doi.org/10.24411/0206-4952-2019-16009

28. Sennikov S.V., Alshevskaya A.A., Zhukova J., Belomestnova I., Karaulov A.V., Lopatnikova J.A. Expression density of receptors as a potent regulator of cell function and property in health and pathology. Int. Arch. Allergy Immunol. 2019; 178 (2): 182-91. DOI: https://doi.org/10.1159/000494387

29. Takeuchi T., Miyasaka N., Inui T., Yano T., Yoshinari T., Abe T., Koike T. High titers of both rheumatoid factor and anti-CCP antibodies at baseline in patients with rheumatoid arthritis are associated with increased circulating baseline TNF level, low drug levels, and reduced clinical responses: a post hoc analysis of the RISING study. Arthritis Res. Ther. 2017; 19 (1): 194. DOI: https://doi.org/10.1186/s13075-017-1401-2

30. Nguyen M.V.C., Courtier A., Adrait A., Defendi F., Couté Y., Baillet A., Guigue L., Gottenberg J.E., Dumestre-Pérard C., Brun V., Gaudin P. Fetuin-A and thyroxin binding globulin predict rituximab response in rheumatoid arthritis patients with insufficient response to anti-TNFα. Clin. Rheumatol. 2020; 39 (9): 2553-62. DOI: https://doi.org/10.1007/s10067-020-05030-6

Материалы данного сайта распространяются на условиях лицензии Creative Commons Attribution 4.0 International License («Атрибуция - Всемирная»)