Bioinforma)cs challenges in a personalized medicine pipeline - - PowerPoint PPT Presentation

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

Victoria López Alonso PhD Medical Bioinformátics Area Instituto de Salud Carlos III Spain

Bioinforma)cs ¡challenges ¡in ¡a ¡ personalized ¡medicine ¡pipeline ¡

Workshop INBIOMEDvision, MIE 2011

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

Bridging ¡gaps ¡between ¡Bioinforma2cs ¡and ¡MI ¡

BMI ¡ deals ¡ with ¡ the ¡ integra)ve ¡ management ¡ and ¡ synergic ¡ exploita)on ¡ of ¡ the ¡ wide ¡ and ¡ inter-­‑related ¡ scope ¡of ¡informa)on ¡that ¡is ¡generated ¡and ¡needed ¡in ¡ healthcare ¡ seBngs, ¡ biomedical ¡ research ¡ ins)tu)ons ¡ and ¡health-­‑related ¡industry. ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

Overview: ¡ Personalized ¡medicine ¡in ¡current ¡prac)ce ¡ 1-­‑ ¡Processing ¡large-­‑scale ¡genomic ¡data ¡ 2-­‑ ¡Interpreta)on ¡of ¡func)onal ¡effect ¡of ¡ genomic ¡varia)on ¡ 3-­‑ ¡Integra)on ¡of ¡systems ¡data ¡ 4-­‑ ¡Transla)on ¡into ¡medical ¡prac)ce ¡

Bioinforma)cs ¡challenges ¡for ¡Personalized ¡medicine ¡ ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

Personalized ¡medicine ¡in ¡current ¡prac)ce ¡ ¡

Transla)onal ¡bioinforma)cs ¡u)lizes ¡computa)onal ¡tools ¡for ¡the ¡analysis ¡

• f ¡ large ¡ biological ¡ databases ¡ and ¡ to ¡ fully ¡ comprehend ¡ disease ¡

mechanisms ¡by ¡not ¡only ¡understanding ¡the ¡gene)cs ¡and ¡the ¡proteomics ¡ but ¡also ¡by ¡associa)ng ¡them ¡with ¡the ¡clinical ¡data. ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

Advances ¡of ¡molecular ¡science ¡

• Human ¡Genome ¡Project ¡in ¡2003

¡ Finishing ¡the ¡euchroma)c ¡sequence ¡of ¡the ¡human ¡genome. ¡ ¡ ¡

Nature ¡2004; ¡431 ¡(7011): ¡ ¡931-­‑945. ¡

¡

• Phase ¡I ¡HapMap ¡project ¡in ¡2005

¡ Phase ¡II ¡ ¡and ¡Phase ¡III ¡ A ¡haplotype ¡map ¡of ¡the ¡human ¡genome. ¡

Nature ¡2005: ¡437(7063):1299-­‑1320 ¡ ¡

• Encyclopedia ¡of ¡DNA ¡Elements ¡(ENCODE) ¡project ¡in ¡2007

¡ Iden)fica)on ¡and ¡analysis ¡of ¡func)onal ¡elements ¡in ¡1% ¡of ¡the ¡human ¡genome. ¡

Nature ¡2007; ¡447(7146):799-­‑816 ¡

• 1000 ¡Genomes ¡Project ¡in ¡2008

¡ DNA ¡sequences. ¡ ¡A ¡plan ¡to ¡capture ¡human ¡diversity ¡in ¡1000 ¡genomes. ¡

Science ¡2008; ¡319(5863):395 ¡

$1000 ¡Genome ¡in ¡…2013 ¡??

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

Personalized ¡medicine ¡in ¡current ¡prac)ce ¡ ¡ ¡

Chemotherapy ¡medicaKons ¡ trastuzumab ¡and ¡ImaKnib ¡ ¡

(Gambacor2-­‑Passerini, ¡2008; ¡ ¡ Hudis, ¡2007) ¡

Targeted ¡pharmacogeneKc ¡dosing ¡algorithm ¡is ¡used ¡for ¡warfarin ¡

(Interna2onal ¡Warfarin ¡Pharmacogene2cs ¡Consor2um ¡et ¡al., ¡2009) ¡ ¡

Incidence ¡of ¡adverse ¡events ¡for ¡drugs ¡ ¡ Abacavir, ¡Carbamazepine ¡and ¡Clozapine ¡ ¡

(DeRling ¡et ¡al., ¡2007; ¡Ferrell ¡and ¡McLeod, ¡2008, ¡2002). ¡

The ¡inclusion ¡of ¡geneKcs ¡in ¡EHRs ¡will ¡provide ¡risk ¡

• assesment. ¡Clinical ¡assessment ¡incorpora)ng ¡a ¡personal ¡
• genome. ¡Ashley ¡et ¡al. ¡Lancet ¡(2010) ¡

¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

Bentley ¡D. ¡“Genomes ¡for ¡Medicine”. ¡(2004). ¡Nature ¡Insight ¡429, ¡p440-­‑446 ¡

¡

Ø Today ¡pa)ent´s ¡gene)cs ¡ are ¡consulted ¡only ¡for ¡few ¡ diagnoses ¡and ¡treatments ¡ and ¡ only ¡ in ¡ certain ¡ medical ¡ centers ¡ (cys2c ¡

fribrosis ¡, ¡breast ¡cancer) ¡ ¡

With ¡easy ¡access ¡to ¡a ¡well ¡annotated ¡human ¡genome ¡an ¡individual ¡ could ¡adquire ¡a ¡gene)c ¡health ¡profile ¡including ¡risk ¡and ¡resistance ¡ factors ¡that ¡could ¡be ¡used ¡to ¡guide ¡medical ¡decisions. ¡

Personalized ¡medicine ¡in ¡current ¡prac)ce ¡ ¡ ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

1-­‑ ¡Processing ¡large-­‑scale ¡genomic ¡data ¡ 2-­‑ ¡Interpreta)on ¡of ¡func)onal ¡effect ¡of ¡genomic ¡ varia)on ¡ 3-­‑ ¡Integra)on ¡of ¡systems ¡data ¡ 4-­‑ ¡Transla)on ¡into ¡medical ¡prac)ce ¡

Bioinforma)cs ¡challenges ¡for ¡Personalized ¡medicine ¡ ¡

Ø Different ¡ informa)cs ¡ challenges ¡ should ¡ be ¡ addressed ¡to ¡create ¡the ¡tools ¡to ¡tailor ¡medical ¡care ¡ to ¡ each ¡ individual ¡ genome ¡ and ¡ also ¡ to ¡ realize ¡ the ¡ poten)al ¡of ¡personalized ¡medicine ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

¡ SNPs ¡(Single ¡Point ¡Polymorphims) ¡are ¡key ¡enablers ¡in ¡ realizing ¡the ¡concept ¡of ¡personalized ¡medicine. ¡ ¡ Sequencing ¡technologies ¡are ¡becoming ¡accessible ¡ Whole ¡genome ¡< ¡2 ¡weeks ¡ 1 ¡error ¡per ¡100 ¡kb-­‑-­‑-­‑-­‑-­‑-­‑-­‑30.000 ¡erroneous ¡variant ¡calls ¡ ¡ Ø The ¡ error ¡ rate ¡ of ¡ these ¡ technologies ¡ is ¡ a ¡ source ¡ of ¡ significant ¡ challenges ¡ in ¡ applica)ons, ¡ including ¡ discovering ¡novel ¡variants ¡ ¡

1-­‑Processing ¡large-­‑scale ¡genomic ¡data ¡

SNP: ¡frequency ¡in ¡the ¡ human ¡popula)on ¡is ¡ higher ¡than ¡1%

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

Variant ¡discovery-­‑-­‑-­‑”needle ¡in ¡a ¡haystack” ¡ Variant ¡discovery-­‑-­‑-­‑”needle ¡in ¡a ¡haystack” ¡ ¡ Ø Verifica)on ¡of ¡novel ¡variants ¡due ¡to ¡the ¡false ¡posi)ve ¡ rate ¡ In ¡addi)on ¡there ¡are ¡other ¡important ¡classes ¡of ¡ varia)ons ¡for ¡clinical ¡applica)ons: ¡ short ¡inser)on–dele)on ¡variants ¡(indels), ¡ ¡ copy ¡number ¡variants ¡(CNVs) ¡ ¡ structural ¡variants ¡(SVs) ¡ ¡ ¡ ¡ ¡

1-­‑Processing ¡large-­‑scale ¡genomic ¡data ¡

New ¡algorithms ¡to ¡detect ¡these ¡varia)ons ¡from ¡ sequencing ¡ ¡data ¡ sequencing ¡ ¡data ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

1-­‑ ¡Processing ¡large-­‑scale ¡genomic ¡data ¡

High ¡quality ¡sequence ¡reads ¡must ¡be ¡placed ¡into ¡their ¡ genomic ¡context ¡to ¡iden)fy ¡variants. ¡ ¡ Ø The ¡challenge ¡is ¡to ¡develop ¡new ¡algorithms ¡to ¡do ¡the ¡ “novo ¡assembly” ¡computa)onally ¡possible. ¡ De ¡novo ¡assembly ¡is ¡slow ¡and ¡complicated ¡by ¡repe))ve ¡

• elements. ¡

¡ Ø Sequences ¡ are ¡ mapped ¡ to ¡ a ¡ genomic ¡ reference ¡ sequence: BLAST ¡have ¡been ¡tradi)onally ¡used, ¡but ¡their ¡execu)on ¡ speed ¡depends ¡on ¡the ¡genome ¡size. ¡ ¡ ¡ ¡ ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

1-­‑ ¡Processing ¡large-­‑scale ¡genomic ¡data ¡

¡ Ø New ¡Mapping ¡and ¡alignment ¡algorithms ¡ BLAT ¡indexed ¡version ¡of ¡the ¡genome ¡(Kent, ¡2002). ¡ ¡ Burrows-­‑Wheeler ¡Aligner ¡(BWA) ¡(Li ¡and ¡Homer, ¡2010). ¡ ¡ Ø Ideally ¡ performed ¡ in ¡ a ¡ cluster ¡ or ¡ by ¡ using ¡ cloud ¡ compu)ng ¡ Ø Program ¡ must ¡ allow ¡ for ¡ mismatches ¡ without ¡ resul)ng ¡in ¡false ¡alignments ¡ ¡ Ø Improving ¡of ¡quality ¡control ¡metrics: ¡ra)os ¡of ¡base ¡ transi)on, ¡ Mendelian ¡ inheritance ¡ errors ¡ (MIE), ¡ rela)ve ¡quality ¡scores… ¡ ¡ ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

2-­‑ ¡Interpreta)on ¡of ¡func)onal ¡effect ¡

Aher ¡genomic ¡data ¡has ¡been ¡processed, ¡the ¡func)onal ¡ effect ¡and ¡the ¡impact ¡of ¡the ¡gene)c ¡varia)on ¡must ¡be ¡ analyzed ¡ ¡ Genome-­‑wide ¡associaKon ¡studies ¡(GWASs) ¡have ¡been ¡ used ¡to ¡assess ¡the ¡sta)s)cal ¡associa)ons ¡of ¡SNPs ¡with ¡ many ¡important ¡common ¡diseases. ¡ ¡ GWAS ¡provides ¡new ¡insights ¡but ¡only ¡a ¡limited ¡number ¡

• f ¡variants ¡have ¡been ¡characterized ¡and ¡understanding ¡

the ¡func)onal ¡rela)onship ¡ ¡between ¡variants ¡and ¡

• phenotypes. ¡

hRps://www.wtccc.org.uk ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

2-­‑ ¡Interpreta)on ¡of ¡func)onal ¡effect ¡

Ø Important ¡issues ¡for ¡predic)ng ¡the ¡ effect ¡of ¡SNPs ¡are ¡data ¡management, ¡ retrieval ¡and ¡quality ¡control. ¡ ¡ SNP ¡databases: ¡

• The ¡dbSNP ¡database ¡(20 ¡millions ¡of ¡validated ¡SNPs) ¡
• The ¡Human ¡Gene ¡Muta)on ¡Database ¡(HGMD) ¡(SNPs ¡

associated ¡with ¡diseases) ¡

• SwissVar ¡
• Online ¡Mendelian ¡Inheritance ¡in ¡Man ¡(OMIM) ¡

database ¡

• PharmGKB ¡database ¡
• Catalogue ¡of ¡Soma)c ¡Muta)ons ¡in ¡Cancer ¡(COSMID) ¡

Number ¡ ¡of ¡known ¡SNPs ¡ Fernald ¡et ¡al. ¡2011 ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

2-­‑Interpreta)on ¡of ¡func)onal ¡effect ¡

Ø Computa)onal ¡methods ¡to ¡predict ¡mSNPs: ¡

• Empirical ¡rules ¡(Ng ¡and ¡Henikoff, ¡2003; ¡Ramensky ¡et ¡al., ¡2002), ¡ ¡
• Hidden ¡Markov ¡Models ¡(HMMs) ¡(Thomas ¡and ¡Kejariwal, ¡2004), ¡ ¡
• Neural ¡Networks ¡(Bromberg ¡et ¡al., ¡2008; ¡Ferrer-­‑Costa ¡et ¡al., ¡2005), ¡ ¡
• Decision ¡Trees ¡(Dobson ¡et ¡al., ¡2006; ¡Krishnan ¡and ¡Westhead, ¡2003), ¡ ¡
• Random ¡Forests ¡(Li ¡et ¡al., ¡2009; ¡Wainreb ¡et ¡al., ¡2010) ¡
• Support ¡Vector ¡Machines ¡(Calabrese ¡et ¡al., ¡2009). ¡

The ¡predic)on ¡algorithms ¡input ¡features ¡include: ¡

• amino ¡acid ¡sequence ¡ ¡
• protein ¡structure ¡ ¡
• evolu)onary ¡informa)on ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

Ø New ¡algorithms ¡that ¡include ¡knowledge-­‑based ¡ informa)on ¡are ¡being ¡developed ¡on ¡evolu)onary ¡ informa)on ¡for ¡the ¡predic)on ¡of ¡SNPs: ¡ ¡

• PANTHER ¡uses ¡a ¡library ¡of ¡protein ¡family ¡HMM. ¡

¡hRp://www.pantherdb.org/ ¡

• PolyPhen ¡uses ¡different ¡sequence-­‑based ¡features. ¡

hRp://gene2cs.bwh.harvard.edu/pph ¡

• MutPred ¡evaluates ¡the ¡probabili)es ¡of ¡gain ¡or ¡loss ¡of ¡structure ¡and ¡

func)on ¡upon ¡muta)ons ¡using ¡random ¡forest. ¡hRp://mutdb.org/mutpred ¡ ¡

• SIFT ¡uses ¡a ¡mul)ple ¡sequence ¡alignment ¡between ¡homolog ¡proteins. ¡

hRp://si_.jcvi.org ¡ ¡

• SNAP ¡Sequence ¡hRp://rostlab.org/services/snap ¡
• SNPEffect ¡hRp://snpeffect.vib.be ¡
• SNPs3D ¡Structure-­‑based ¡SVM ¡predictorhRp://www.snps3d.org ¡

2-­‑ ¡Interpreta)on ¡of ¡func)onal ¡effect ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

2-­‑ ¡Interpreta)on ¡of ¡func)onal ¡effect ¡

Experimental ¡ test ¡ are ¡ required ¡ to ¡ validate ¡ gene)c ¡ predic)ons. ¡ ¡ Ø There ¡are ¡is ¡a ¡need ¡for ¡fast ¡and ¡accurate ¡methods ¡ for ¡gene ¡prioriKzaKon ¡ ¡ ¡

Ele_herohorinou ¡et ¡al., ¡2010 ¡

Currently ¡ the ¡ most ¡ effec)ve ¡ strategy ¡ uses ¡ the ¡ concept ¡ of ¡ genes ¡ that ¡ are ¡ linked ¡ to ¡ the ¡ biological ¡process ¡of ¡interest. ¡ The ¡ input ¡ data ¡ for ¡ gene ¡ prioriza)on ¡ is ¡ the ¡ func)onal ¡ annota)on, ¡the ¡protein–protein ¡ i n t e r a c ) o n s , ¡ b i o l o g i c a l ¡ pathways ¡and ¡literature. ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

2-­‑ ¡Interpreta)on ¡of ¡func)onal ¡effect ¡

• SUSPECT: ¡ ¡ sequence ¡ features, ¡ gene ¡ expression ¡ data, ¡ func)onal ¡

terms… ¡

• ToppGene: ¡ mouse ¡ phenotype ¡ data ¡ with ¡ human ¡ gene ¡ annota)ons ¡

and ¡literature ¡

• MedSim: ¡human ¡disease ¡genes ¡with ¡mouse ¡genes ¡
• ENDEAVOUR: ¡genes ¡involved ¡in ¡a ¡known ¡biological ¡process ¡
• G2D ¡and ¡PolySearch ¡data ¡mining ¡on ¡biological ¡databases ¡
• MimMiner: ¡text ¡mining ¡comparing ¡the ¡human ¡phenome ¡and ¡disease ¡

phenotypes ¡

• ¡PhenoPred ¡: ¡uses ¡protein ¡sequence ¡and ¡func)on ¡ ¡
• GeneMANIA ¡: ¡uses ¡func)onal ¡assays ¡

¡

Ø The ¡Gene ¡Prioriza)on ¡Portal ¡provides ¡comprehensive ¡ descrip)ons ¡of ¡available ¡predictors: ¡ ¡ ¡ ¡ ¡

hRp://homes.esat.kuleuven.be/~bioiuser/ gpp/index.php ¡ ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

2-­‑ ¡Interpreta)on ¡of ¡func)onal ¡effect ¡

Ø Last ¡year, ¡the ¡first ¡edi)on ¡of ¡the ¡Cri)cal ¡Assessment ¡ Ø

• f ¡

Last Genome ¡ ¡ year Interpreta)on , ¡ ¡ (CAGI) ¡ the was ¡ ¡ first

• rganized

¡ ¡ edi)on to ¡ ¡of ¡ assess the ¡ ¡ the Cri)cal ¡ ¡ available Assessment ¡ ¡ methods

• f ¡ Genome ¡ Interpreta)on ¡ (CAGI) ¡ was ¡
• rganized ¡ to ¡

assess ¡the ¡available ¡methods ¡ for ¡ predic)ng ¡ phenotypic

hRp://genomeinterpreta2on.org/ ¡ ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

3-­‑Integra)on ¡of ¡systems ¡data ¡

¡ ¡ ¡

¡

There ¡ is ¡ concern ¡ that ¡ pharmacogenomics ¡ GWAS ¡ themselves ¡ are ¡ suscep)ble ¡ to ¡many ¡limita)ons: ¡ ¡ ¡ Ø insufficient ¡ sample ¡ size, ¡ selec)on ¡ biases ¡ for ¡ gene)c ¡ variants ¡and ¡environmental ¡ interac)ons ¡ may ¡ affect ¡ the ¡

• utcome ¡measures ¡

Ø Mul)ple ¡ gene–gene ¡ interac)ons ¡ may ¡ underlie ¡

• unexplained. ¡ ¡

¡

HapMap ¡Project, ¡2004

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

3-­‑ ¡Integra)on ¡of ¡systems ¡data ¡

Ø Model ¡ SelecKon ¡ Methods ¡

have ¡ been ¡ successful ¡ with ¡ disease ¡ and ¡ trait ¡ GWAS ¡ studies ¡ using ¡ selec)on ¡ techniques ¡ to ¡ choose ¡ mul)factorial ¡ models ¡ that ¡ balance ¡ the ¡ false ¡ posi)ve ¡ rate, ¡ sta)s)cal ¡ p o w e r ¡ a n d ¡ c o m p u t a ) o n a l ¡ requirements ¡of ¡the ¡search ¡ ¡ Dimensionality ¡reduc)on ¡methods ¡

• Principal ¡Components ¡Analysis ¡
• Informa)on ¡Gain ¡and ¡ ¡
• Mul)factor ¡Dimensionality ¡Reduc)on ¡ ¡

(ie. ¡ hypertension ¡ and ¡ familial ¡ amyloid ¡ polyneuropathy ¡ type ¡I) ¡

¡

Ritchie ¡and ¡Monsimger, ¡2010 ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

3-­‑ ¡Integra)on ¡of ¡systems ¡data ¡

Naylor ¡and ¡Chen, ¡2010 ¡

No ¡ external ¡ knowledge ¡ sources ¡ informs ¡about ¡the ¡biology ¡behind ¡ the ¡interac)ons. ¡ ¡ Ø Systems ¡ biology ¡ and ¡ network ¡ No ¡ external ¡ knowledge ¡ sources ¡ approaches ¡ address ¡ to ¡ the ¡ informs ¡about ¡the ¡biology ¡behind ¡ problem ¡of ¡complexity ¡integra)ng ¡ the ¡interac)ons. ¡ ¡ Ø transcriptomes Systems ¡ biology ¡ and ¡ network ¡ , ¡ approaches ¡ address ¡ to ¡ the ¡ metabolomes problem ¡of ¡complexity ¡integra)ng ¡ molecular ¡ data ¡ at ¡ mul)ple ¡ levels ¡ proteomes ¡ and ¡ func)onal ¡ and ¡

• f ¡ biology ¡ including ¡ genomes, ¡ ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

3-­‑ ¡Integra)on ¡of ¡systems ¡data ¡

The ¡simple ¡“one ¡SNP, ¡one ¡phenotype” ¡approach ¡is ¡insufficient. ¡ Ø Most ¡medically ¡relevant ¡phenotypes ¡are ¡thought ¡to ¡be ¡the ¡ result ¡of ¡gene–gene ¡and ¡gene–environment ¡interac)ons ¡

Adeyemo ¡et ¡al., ¡2010 ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

3-­‑ ¡Integra)on ¡of ¡systems ¡data ¡

Limdi ¡and ¡Veenstra ¡, ¡2008 ¡

Ø Drug ¡ response ¡ ohen ¡ depends ¡ on ¡ mul)ple ¡ pharmacokine)c ¡and ¡pharmacodynamic ¡interac)ons ¡. ¡ ¡

Some ¡success: ¡studies ¡of ¡warfarin ¡have ¡linked ¡the ¡majority ¡of ¡varia)on ¡ in ¡ response ¡ to ¡ two ¡ genes, ¡ CYP2C9 ¡ and ¡ VKORC1. ¡ Improved ¡ dosing ¡

• algorithm. ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

Goh ¡et ¡al., ¡2007 ¡ ¡

3-­‑ ¡Integra)on ¡of ¡systems ¡data ¡

• Disease–Gene ¡Networks ¡ ¡
• Chemical ¡structures, ¡Diseases ¡and ¡

Protein ¡sequences ¡ ¡

• Epigene)c ¡data ¡and ¡Drug ¡Phenotypes ¡
• Pathways ¡and ¡Gene ¡sets ¡

¡ ü Gene ¡Set ¡Enrichment ¡Analysis ¡ (GSEA) ¡ ¡ ü SNP ¡Ra)o ¡Test ¡ ¡ ü The ¡Priori)zing ¡Risk ¡Pathways ¡ method ¡ Assump)ons ¡must ¡also ¡be ¡examined ¡ carefully ¡¡¡¡ ¡

¡ ¡

Ø Combining ¡disparate ¡data ¡sources ¡can ¡result ¡in ¡novel ¡associaKons ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

4-­‑ ¡Transla)on ¡into ¡medical ¡prac)ce ¡

Ø Much ¡of ¡this ¡research ¡has ¡yet ¡to ¡be ¡ translated ¡ to ¡ the ¡ clinic ¡ for ¡ improved ¡ pa)ent ¡care. ¡ ¡ Ø O n e ¡ o f ¡ t h e ¡ a r e a s ¡ w h e r e ¡ bioinforma)cs ¡ can ¡ have ¡ the ¡ greatest ¡ clinical ¡ impact ¡ is ¡ pharmacogenomics ¡ improving ¡ drug ¡ prescrip)on ¡ and ¡

• dosing. ¡

Ø Pharmacogenomic ¡prescrip)on ¡and ¡ dosing ¡ algorithms ¡ need ¡ to ¡ be ¡ accessible ¡to ¡physicians. ¡ ¡ ¡

Mar2n-­‑Sanchez ¡et ¡al. ¡2006 ¡

Warfarindosing ¡could ¡ save ¡up ¡to ¡60% ¡of ¡the ¡ cost ¡and ¡reduce ¡ possible ¡adverse ¡events

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

¡ ¡ Ø Medical ¡ prac)ce ¡ needs ¡ to ¡ be ¡ updated ¡ to ¡ include ¡ rou)ne ¡ p h a r m a c o g e n e ) c ¡ t e s ) n g , ¡ educa)ng ¡and ¡training ¡physicians ¡ in ¡ personalized ¡ medicine, ¡ and ¡ futher ¡ clinical ¡ trials ¡ to ¡ prove ¡ the ¡ efficacy ¡of ¡predic)ons ¡ ¡ Ø Bioinforma)cs ¡ also ¡ translates ¡ discoveries ¡ to ¡ the ¡ clinic ¡ by ¡ dissemina)ng ¡ discoveries ¡ through ¡ curated, ¡ searchable ¡ databases ¡ ¡ ¡

4-­‑Transla)on ¡into ¡medical ¡prac)ce ¡ ¡

hRp://pacdb.org/ ¡ hRp://www.pharmgkb.org/

The ¡database ¡of ¡Genotypes ¡and ¡Phenotypes ¡ ¡ The ¡Pharmakogenomics ¡Knowledge ¡ Database ¡ Pharmacogene)cs-­‑Cell ¡line ¡database ¡ ¡

www.ncbi.nlm.nih.gov/gap ¡ ¡

The ¡Adverse ¡Event ¡Repor)ng ¡System ¡(AERS) ¡

www.fda.gov/Drugs/ ¡ ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

¡ Ø Biologically ¡and ¡medically ¡focused ¡ text ¡ mining ¡ algorithms ¡ can ¡ speed ¡ the ¡ collec)on ¡ of ¡ this ¡ structured ¡ data, ¡ such ¡ as ¡ methods ¡ that ¡ use ¡ sentence ¡ syntax ¡ and ¡ natural ¡ language ¡processing ¡to ¡derive ¡drug– gene ¡ and ¡ gene–gene ¡ interac)ons ¡ from ¡scien)fic ¡literature. ¡ Ø Opportuni)es ¡ for ¡ bioinforma)cs ¡ to ¡ integrate ¡ with ¡ the ¡ electronic ¡ medical ¡record ¡(EMR) ¡

4-­‑ ¡Transla)on ¡into ¡medical ¡prac)ce ¡ ¡

www.mc.vanderbilt.edu/ ¡ www.phenx.org/ ¡ ¡ ¡ BioBank ¡system ¡at ¡Vanderbilt ¡ RTI ¡Interna2onal ¡with ¡NHGRI ¡

2nd ¡Consor)um ¡Mee)ng, ¡Barcelona ¡16th ¡May, ¡2011 ¡

¡ ¡

http://biotic.isciii.es/ biotic@isciii.es Instituto de Salud Carlos III Medical Bioinformatics Area

Thanks ¡¡¡¡ ¡

http://www.inbiomedvision.eu/