Đa dạng di truyền một số gen dược học

gen này và sự phân bố của các biến thể CYP3A5 được thể hiện ở Hình 5. Hình 5. Phân bố của các biến thể trên gen CYP3A5. Gen CYP3A5 gồm 13 exon, hiện nay có tổng số 10 allele của gen này được báo cáo trong cơ sở dữ liệu PharmVar. Theo quy ước thì allele CYP3A5*10 được xếp vào allele CYP3A5*3K (Xie et al., 2004). Các biến thể vùng mã hóa của CYP3A5: CYP3A5*2: Biến thể di truyền đầu tiên của gen CYP3A5, CYP3A5*2, là một đột biến thay thế nhầm nghĩa trong exon 11 (27289C> A) dẫn đến một sự thay đổi tại vị trí amino acid 398 (p.Thr398Asn). Hậu quả của SNP này vẫn chưa được làm rõ trên cả mô hình in vivo và in vitro nhưng được cho là tạo ra một protein không chức năng giống như các allele khác (Xie et al., 2004). CYP3A5*4 và CYP3A5*6: CYP3A5*4 là một SNP xuất hiện trong exon 7 do sự thay đổi nucleotide 14665A>G dẫn đến sự thay thế amino acid ở vị trí 200 (p.Gln200Arg) (Chou et al., 2001). Trong khi đó, CYP3A5*6 (14690G>A) cũng là một đột biến trên exon 7, dẫn đến khi cắt nối pre-mRNA tạo ra sản phẩm mRNA bị thiếu exon 7 (Rogan et al., 2003) kéo theo đó làm thay đổi khung đọc mở và tạo ra một protein không hoạt động chức năng bị cắt ngắn ở amino acid 184 . CYP3A5*7, CYP3A5*8, CYP3A5*9 và CYP3A5*10: CYP3A5*7 là đột biến chèn nucleotide T ở exon 11 (27131-32insT). Hậu quả là gây ra một sự thay đổi khung và kết thúc khung đọc mở của CYP3A5 tại codon 348, tạo ra một allele không hoạt động. CYP3A5*8 (3699C>T) là SNP xuất hiện trong exon 2 dẫn đến thay đổi codon 28 từ CGT (Arg)>TGT (Cys). CYP3A5*9 cũng gây ra biến đổi amino acid ở codon 337, từ GCA (Ala)>ACA (Thr) là kết quả của đột biến 19386G>A ở exon 10 (Lee et al., 2003). Các biến thể trên intron: CYP3A5*3: Biến thể CYP3A5*3, 6986A>G (CYP3A5*3C) trong intron 3 là biến thể phổ biến nhất và có chức năng quan trọng tìm thấy ở tất cả các quần thể đã nghiên cứu. Biến thể này tạo nên vị trí cắt ẩn (cryptic splice site) ở intron 3, kết quả là tạo nên cắt nối mRNA bất thường. Sản phẩm mRNA sau phân cắt của biến thế này sẽ có đoạn chèn từ intron 3 và làm lệch khung đọc mở, dẫn tới hình thành mã kết thúc sớm và protein được tạo ra không có hoạt tính (Lamba et al., 2002). Những cá thể có kiểu gen đồng hợp tử CYP3A5*3/*3 được coi như là không biểu hiện protein này (CYP3A5 non-expressors). CYP3A5*5: Đây là một đột biến thay thế nucleotide T>C ở vùng 5’ của intron 5 (12952T>C), ảnh hưởng tới trình tự nằm kề với vị trí cắt nối 5’ (Lamba et al., 2002). Kết quả dẫn đến bất thường trong cắt nối mRNA, làm dịch khung đọc mở và tạo nên một peptide ngắn hoặc giảm số lượng của protein được mã hóa thông qua sự bất hoạt vị trí cắt nối 5’ hoặc ức chế hoàn toàn quá trình cắt nối mRNA. Về ảnh hưởng trong chuyển hóa thuốc lâm sàng, những cá thể có kiểu gen CYP3A5*1/*1 hoặc CYP3A5*1/*3 có biểu hiện CYP3A5 sẽ có tốc độ chuyển hóa các cơ chất của CYP3A5 Tạp chí Công nghệ Sinh học 18(3): 393-416, 2020 405 nhanh hơn so với những người có kiểu hình không biểu hiện CYP3A5 (ví dụ như CYP3A5*3/*3) (Passey et al., 2011). Một trong những loại thuốc quan trọng được chuyển hóa bởi CYP3A5 là tacrolimus, thuốc này được sử dụng nhằm ức chế miễn dịch sau ghép tạng. Trong những trường hợp lý tưởng, nồng độ của tacrolimus cần phải đạt đủ cao để tránh tạng mới ghép bị đào thải do hệ miễn dịch của người nhận, nhưng cũng phải đủ thấp để không gây độc với người bệnh. Liều lượng tacrolimus được kiểm soát hàng ngày sau khi bệnh nhân được ghép tạng và được điều chỉnh liều cho phù hợp. CPIC đã có những hướng dẫn căn bản trong việc sử dụng loại thuốc này đối với từng kiểu hình chuyển hóa thuốc ở các cá nhân. Trong đó, bệnh nhân mang kiểu gen CYP3A5*1/*1 (kiểu hình EM) và CYP3A5*1/*3 (kiểu hình IM) cần sử dụng liều tacrolimus cao hơn 1,5-2 lần so với liều chuẩn. Trong khi đó các bệnh nhân mang kiểu gen CYP3A5*3/*3 (kiểu hình PM) có thể sử dụng liều tacrolimus theo như khuyến cáo thông thường (Birdwell et al., 2015). CYP3A5*1/*3 đã được chứng minh là có liên quan tới tốc độ đào thải thuốc kháng retrovirus nhanh hơn so với kiểu gen *3/*3. Ở những bệnh nhi mắc bệnh tăng lympho bào B cấp tính và được điều trị với vincristine, những người có biểu hiện protein CYP3A5 cho thấy ít bị ngộ độc thuốc điều trị hơn (Egbelakin et al., 2011). Một nghiên cứu gần đây trên những bệnh nhân ung thư biểu mô thận được điều trị với sunitinib, CYP3A5*1 có liên quan tới nguy cơ bị ngộ độc thuốc và cần phải giảm liều (Garcia-Donas et al., 2011). Nhóm các gen mã hóa cho enzyme chuyển hóa thuốc pha II Các enzyme chuyển hóa thuốc pha II bao gồm glutathione S transferases (GSTs), thiopurine-S-methyltransferases (TMPT), UDP glycurosyltransferases (UGT), N-acetyl- transferases (NAT), NADH quinone oxidases và một số enzyme khác. GSTs là một họ bao gồm các enzyme xúc tác cho quá trình thải độc các chất gây ung thư, hóa chất trị liệu và một số độc tố môi trường. Enzyme GST được mã hóa bởi 8 locus khác nhau bao gồm alpja, kappa, mu, omega, pi, sigma, theta và zeta. Các gen GSTM1 và GSTT1 lần lượt mã hóa cho các enzyme GST Mu-1 và Theta-1. Đa hình số bản sao của 2 gen nói trên khá phổ biến ở dạng mất hoàn toàn gen chức năng. Cụ thể, tần số kiểu gen đồng hợp tử dạng mất cả 2 bản sao của GSTM1 và GSTT1 ở người da trắng là 50% và 30%. Trong khi đó tần số này ở người châu Á lần lượt là >22% và >14%, ở người châu Phi tần số này lần lượt là >27% và >37% (Garte et al., 2001; Piacentini et al., 2011). Bên cạnh đó, đa hình dạng tăng số bản sao của GSTM1 cũng được báo cáo với tỉ lệ chỉ là 1/1320 người da trắng. Một báo cáo của Cho và đtg (2010) đã phát hiện mối liên quan giữa hiện tượng mất bản sao các gen GSTM1 và GSTT1 với ngộ độc liều chuẩn của R-CHOP trong phác đồ điều trị bệnh ung thư hạch trên 94 bệnh nhân u tế bào lympho B lớn lan tỏa (DLBLC). Sử dụng R-CHOP làm tăng nguy cơ ngộ độc cấp III-IV với các triệu chứng như hạ bạch cầu (OR=3,12), sốt (OR-5,27), viêm niêm mạc (OR=4,61) trên những bệnh nhân mất cả 2 bản sao của GSTT1 so với những bệnh nhân có kiểu gen bình thường. Những bệnh nhân mất đồng thời 2 bản sao của gen GSTM1 và GSTT1 thậm chí có nguy cơ rối loạn giảm tiểu cầu cao hơn so với những bệnh nhân khác (OR=7,75). Enzyme TPMT xúc tác cho phản ứng bất hoạt các thuốc thiopurine như azathioprine, thioguanine và mercaptopurine, đây là những tiền chất (prodrug) sử dụng trong điều trị các rối loạn tự miễn, viêm loét đại tràng và tăng lympho bào ác tính. Cụ thể, TPMT xúc tác cho quá trình methyl hóa của các tiền chất này và tạo thành các chất chuyển hóa dạng bất hoạt. Biến thể phổ biến nhất của TPMT ở các quần thể người châu Âu đó là TPMT*3A với tần số xuất hiện là 5%. Cứ 300 người châu Âu thì có 1 người mang kiểu gen đồng hợp tử với allele *3A-allele này là kết quả của 2 SNPs làm thay đổi 2 amino acid trên protein TPMT. Protein mã hóa bởi TPMT*3A được dịch mã nhưng gấp cuộn không chính xác và nhanh chóng bị phân hủy, điều này dẫn đến enzyme mất khả năng chuyển hóa thiopurine, hậu quả là khi bệnh nhân có kiểu gen TPMT*3A/*3A được điều trị với liều thiopurine Vũ Phương Nhung et al. 406 chuẩn sẽ bị quá liều gấp 10 lần. Theo chỉ dẫn của CPIC, kiểu hình PM (*3A/*3A) cần giảm 10 lần liều đầu vào của nhóm thuốc thiopurine để phòng ngừa tình trạng suy tủy hoặc tử vong do ngộ độc thuốc (Relling et al., 2019). Enzyme UGT xúc tác cho phản ứng thải độc (glucoronidation) của rất nhiều các chất nội sinh và ngoại sinh tan trong lipid, khiến cho các chất này trở nên ưa nước hơn và từ đó tăng cường loại thải khỏi cơ thể. Các UGTs đóng vai trò khá quan trọng trong chuyển hóa các loại thuốc hướng thần bao gồm có thuốc chống trầm cảm, một số thuốc giúp cân bằng cảm xúc và một số benzodiazepine. Đa dạng trong chuyển hóa thuốc do thay đổi hoạt tính enzyme UGT là kết quả của các biến thể di truyền thuộc các gen UGT1A1 và UGT2B7. Một ví dụ về biến thể tại hộp trình tự TATA của gen UGT1A1, gen này mã hóa cho enzyme chuyển hóa bilirubin và các loại thuốc dùng trong hóa trị ung thư như irinotecan. Hầu hết mỗi người đều có 6 trình tự TA trong hộp TATA, nhưng một số người lại có tới 7 trình tự TATA và trong cơ thể họ, mRNA và UGT1A1 biểu hiện kém hơn. Khi được điều trị với irinotecan, những bệnh nhân có kiểu gen với 7 trình tự TATA trong hộp TATA sẽ có nguy cơ cao gặp phải tác dụng phụ của thuốc như tiêu chảy và suy tủy. Vào năm 2005, FDA cũng đã kiến nghị giảm liều lượng thuốc irinotecan ban đầu đối với những bệnh nhân có kiểu gen đồng hợp tử với UGT1A1*28. Bên cạnh đó, đa dạng di truyền của UGT2B7 (UGT2B7*2) đã được chứng minh là có liên quan tới ngộ độc gan gây ra bởi thuốc diclofenac (Daly et al., 2007). ĐA DẠNG DI TRUYỀN CÁC GEN MÃ HÓA CHO THỤ THỂ LÀ ĐÍCH TÁC DỤNG CỦA THUỐC VÀ ẢNH HƯỞNG TRONG ĐÁP ỨNG THUỐC LÂM SÀNG Có nhiều thụ thể là đích tác dụng của các loại thuốc thường được kê đơn đều thuộc nhóm GPCRs. Nhóm thụ thể này đóng vai trò trung gian ảnh hưởng đến hiệu quả sử dụng của khoảng 34% các loại thuốc trên thị trường. Một số loại thuốc hoạt động thông qua một vài thụ thể và thường là bao gồm các GPCRs. Do vậy, GPCRs đóng vai trò là các đích tác dụng có tính chất quyết định đến đặc điểm đáp ứng thuốc. Mặc dù các nghiên cứu đã chỉ ra đa hình trong các gen mã hóa cho GPCRs sẽ dẫn đến đa dạng trong đáp ứng thuốc cũng như các phản ứng có hại của thuốc, nhưng tỉ lệ cũng như ảnh hưởng của các biến thể di truyền trong các gen này còn vẫn còn chưa được biết rõ. Một khảo sát trên dữ liệu của 2504 người khỏe mạnh từ cơ sở dữ liệu 1000 Genome đã cho thấy trung bình mỗi người có 68 biến thể sai nghĩa trong vùng mã hóa của 1/3 các gen mã hóa cho GPCRs (Auton et al., 2015). Ví dụ, dạng dị hợp tử của biến thể p.Ala307Thr của thụ thể FSHR được tìm thấy nhiều hơn ở những phụ nữ mắc hội chứng buồng trứng đa nang, đồng thời có liên quan đến đáp ứng mạnh với FSH ngoại sinh (Dolfin et al., 2011). Biến thể p.Gly9Ser thuộc thụ thể dopamine 3-DRD3 có liên quan đến tăng nguy cơ ngộ độc đường tiêu hóa khi điều trị thuốc Levopoda ở những bệnh nhân Parkinson (Rieck et al., 2018). Một công bố năm 2018 đã báo cáo về ảnh hưởng đến đáp ứng thuốc của các biến thể nằm trong các gen mã hóa cho 2 thụ thể là đích tác dụng của thuốc bao gồm: µ- opioid và cholecystokinin A (CCKAR). Kết quả cho thấy các biến thể này (p.Met153Val và p.Val302Ile trên µ-opioid, p.Arg139Ile và p.Arg150Trp trên CCKAR) làm thay đổi đáp ứng thuốc hoặc gây ra các phản ứng có hại của thuốc (Hauser et al., 2018). ĐA DẠNG DI TRUYỀN CÁC GEN MÃ HÓA CHO NHÓM PROTEIN VẬN CHUYỂN THUỐC VÀ ẢNH HƯỞNG TRONG ĐÁP ỨNG THUỐC LÂM SÀNG Các protein vận chuyển thuốc biểu hiện trong nhiều loại mô khác nhau như gan, ruột non, thận, não và đóng vai trò thiết yếu trong quá trình hấp thụ, phân bố và đào thải thuốc. Các protein vận chuyển là những protein màng tham gia vào quá trình đưa các chất hóa học vào trong hoặc ra khỏi tế bào theo cơ chế thụ động hoặc chủ động. Những protein vận chuyển này cũng là yếu tố quyết định về nồng độ thuốc trong huyết tương và các mô ngoại biên, từ đó có ảnh hưởng đến Tạp chí Công nghệ Sinh học 18(3): 393-416, 2020 407 hiệu quả sử dụng thuốc hay tình trạng ngộ độc thuốc. Các đa dạng di truyền (đặc biệt là các SNPs) thường xuất hiện trong các protein vận chuyển này và một số sẽ gây ảnh hưởng đến hoạt tính của chúng. Các protein vận chuyển kết hợp với ATP (ABC) ABC là họ protein màng lớn nhất-các protein này phụ thuộc vào ATP và sử dụng năng lượng thủy phân để vận chuyển các chất qua màng tế bào. Các protein này được phân làm 7 họ (ABCA đến ABCG) dựa trên trình tự nucleotide thuộc vùng kết hợp (binding domain) và vùng xuyên màng (transmembrane domains). Có ít nhất 49 gen mã hóa cho các protein ABC, nhưng chủ yếu có ABCB1, ABCC1, ABCC2, ABCC3 và ABCG2 là tham gia vào quá trình vận chuyển thuốc. Các cơ chất của họ protein ABC bao gồm lipid, acid mật, các chất ngoại lai và các peptide hoặc kháng nguyên. Trong số các protein vận chuyển thuộc họ ABC, ABCB1 (P-glycoprotein) là kênh được quan tâm nhiều nhất trong lâm sàng. Gen ABCB1 thuộc nhiễm sắc thể số 7, gồm 29 exon và mã hóa cho một protein xuyên màng lớn có kích thước 141,48 kDa, chứa 1280 amino acid. Protein ABC có vai trò làm giảm sự tích tụ của thuốc trong các tế bào đa kháng thuốc. Có 1630 SNPs và hơn 60 haplotype đã được xác định trên gen này (Cacabelos, 2012) ( Nghiên cứu trên người Mestizo tại bán đảo Yucatan và người Amerindian thuộc 7 quần thể (Tarahumara, Mayo, Huichol, Purepecha, Nahua, Tojolabal và Maya) cho thấy các biến thể phổ biến nhất của ABCB1 là c.1236C>T, c.2677G>T/A và c.3435C>T. Đồng thời tại các quần thể này, các kiểu gen chính xuất hiện là dị hợp tử C/T (c.1236C>T và c.3435C>T) (30,8- 65,4%) và dị hợp tử G/T đối với biến thể c.2677G>T/A (25,9-51,2%). Những cá thể đồng hợp tử với biến thể c.3435C>T của gen ABCB1 khi được điều trị với 1 liều uống digoxin (thuốc chống loạn nhịp, trợ tim) thì có nồng độ thuốc trong máu cao hơn so với những cá thể không mang biến thể nói trên. Ngoài ra, clopidogrel cũng là một cơ chất của ABCB1, trong số các bệnh nhân nhồi máu cơ tim được chỉ định dùng clopidogrel thì người đồng hợp tử với biến thể c.3435C>T có tỉ lệ gặp phải các bệnh về tim mạch cao hơn so với những cá nhân mang allele kiểu dại (Simon et al., 2009). Rất nhiều loại thuốc khác có thể kể đến như thuốc ức chế HIV protease và thuốc ức chế miễn dịch đều là cơ chất của ABCB1. Bên cạnh đó, các đa dạng di truyền ở các thành viên khác thuộc họ ABC cũng đã được ghi nhận nhưng ảnh hưởng của chúng trong lâm sàng còn chưa được làm rõ. Các protein mang chất tan (SLC) Các SLC được tìm thấy khắp cơ thể và có ý nghĩa quan trọng đối với cân bằng nội môi cũng như sự phân bố các chất trong cơ thể. Các SLC được phân loại thành 40 họ, trong đó các siêu họ liên quan đến vận chuyển thuốc là SLC22A và SLCO. Protein SLCO1B1 (OATPB1) thuộc họ SLCO1, đây là yếu tố chìa khóa trong quá trình vận chuyển các loại thuốc nhóm statin như pravastatin, rosuvastatin, simvastatin, lovastatin và cerivastatin. Cho tới nay có 16 SNPs đã được báo cáo ở gen SLCO1B1 (Niemi et al., 2011). Một biến thể sai nghĩa trên vùng mã hóa của SLCO1B1 (c.521T>C, p.Val174Ala) có liên quan tới dược động học của một số loại thuốc thường được kê đơn, đồng thời biến thể này cũng có thể liên quan đến tình trạng phản ứng có hại gây ra bởi nhóm thuốc statin. Cụ thể, biến thể này làm cho OATPB1 giảm khả năng vận chuyển chủ động simvastatin và một số statin khác, từ đó gây nên lượng statin tăng cao trong huyết tương và tăng nguy cơ mắc các bệnh về cơ. CÁC HƯỚNG NGHIÊN CỨU HỆ GEN DƯỢC HỌC HIỆN NAY Trong những năm gần đây, nhiều trường hợp khác biệt đáp ứng thuốc giữa các cá nhân đã được báo cáo và được cộng đồng khoa học quan tâm nghiên cứu. Hiện nay, các phương pháp tiếp cận nghiên cứu dựa trên thực nghiệm và máy tính đều đã được thực hiện nhằm xác định các biến thể di truyền thuộc các gen liên quan đến dược lực học và dược Vũ Phương Nhung et al. 408 động học của thuốc, từ đó phát hiện mối liên quan giữa các biến thể với kiểu hình chuyển hóa thuốc. Các nghiên cứu thực nghiệm Sự xuất hiện của phương pháp giải trình tự thế hệ mới (Next generation sequencing-NGS) đã cung cấp khả năng đột phá trong giải trình tự toàn bộ hệ gen (genome), hệ gen mã hóa (exome) và hệ phiên mã (transcriptome). Hai kĩ thuật NGS chính có khả năng phát hiện các biến thể di truyền đã được ứng dụng rộng rãi là giải trình tự toàn bộ hệ gen (Whole genome sequencing- WGS) và giải trình tự toàn bộ hệ gen mã hóa (Whole exome sequencing-WES). Kĩ thuật WGS đã giúp các nhà khoa học nghiên cứu các biến thể di truyền, trong đó bao gồm cả các biến thể thuộc các gen dược học ở cả vùng mã hóa và vùng không mã hóa. Mặc dù đây là kĩ thuật đem lại lượng thông tin về các biến thể là rất lớn nhưng chi phí cao, tốn nhiều thời gian cho việc giải trình tự toàn bộ hệ gen. Chính vì vậy, tính khả thi khi triển khai WGS trong thực tiễn và lâm sàng là không cao. Kĩ thuật WES đã xuất hiện thay thế WGS và tập trung vào toàn bộ các vùng gen mã hóa cho protein. Ở người có khoảng 180.000 exon, chỉ chiếm 2% toàn bộ hệ gen và mang thông tin của khoảng 85% các biến thể gây bệnh đã biết. Thời gian và chi phí của kĩ thuật NGS phụ thuộc vào kích thước của trình tự cần phân tích, chính vì WES đã thu hẹp phần trình tự quan tâm (trình tự mã hóa) nên giá thành của WES hợp lý hơn so với WGS. Trên thực tế, với mức giá của một WGS thì có thể tiến hành khoảng 50 lần WES trên exome, như vậy tổng thể dữ liệu mà WES đưa ra là rất lớn và có thể đạt được mức ý nghĩa thống kê khi tiến hành các nghiên cứu liên quan đến biến thể (Petersen et al., 2017). Với tiềm năng và những thuận lợi của WES, trong những năm qua các dự án WES đã được thực hiện. Trong đó, Exome Sequencing Project (ESP, và Exome Aggregation Consortium (ExAC, là hai dự án WES được tiến hành gần đây. Cả 2 dự án này đều đã cung cấp một nguồn dữ liệu lớn về trình tự hệ gen mã hóa của nhiều quần thể trên thế giới (Lek et al., 2016). Cộng đồng khoa học đang trong quá trình tiến tới phân tích và đánh giá tương quan về các biến thể với kiểu hình chuyển hóa thuốc. Tuy vậy, một số báo cáo đã cho thấy hiệu suất của WES không cao, WES nhạy cảm với thành phần GC trong trình tự (Meienberg et al., 2016), kết quả không đáng tin cậy trong phát hiện các biến thể dạng CNVs cũng như những biến thể thuộc vùng không mã hóa của các gen dược học quan tâm (Yang et al., 2016). Giải trình tự hệ phiên mã (RNA-seq) đã được phát triển trong một vài thập kỉ trước. Một vài năm gần đây, RNA-seq là kĩ thuật được sử dụng trong các nghiên cứu về hệ gen dược học, đặc biệt quan tâm đến các biến thể, các vùng trình tự cắt nối luân phiên và biểu hiện của các gen dược học (Sa et al., 2018). RNA-seq đã thành công trong việc phát hiện nhiều biến thể di truyền trong các gen dược học và đồng thời làm giảm gánh nặng về kích thước dữ liệu cho người phân tích. Một số nghiên cứu về di truyền dược học đã áp dụng công nghệ RNA-seq để phát hiện các marker sinh học liên quan đến đáp ứng thuốc. Do những nghiên cứu hệ thống về hệ phiên mã có thể làm sang tỏ các cơ chế đáp ứng thuốc, Mạng lưới nghiên cứu Di truyền dược học (Pharmacogenomics Research Network-PGRN) được hỗ trợ bởi Viện sức khỏe quốc gia Hoa Kỳ (National Institutes of Health-NIH) đã cung cấp những nguồn lực cần thiết cho dự án giải trình tự toàn diện hệ phiên mã. Dự án này đã tổng hợp được dữ liệu về những thay đổi về biểu hiện cũng như cắt nối mRNA của 389 gen dược học thuộc các mô như gan, thận, tim, mô mỡ. Các dữ liệu về biểu hiện gen và cắt nối mRNA đã được công bố rộng rãi ( expression/rnaseqdata.html). Nghiên cứu hệ phiên mã ở các mô ung thư cũng đã đạt được những thành công nhất định trong việc dự đoán đáp ứng thuốc trong điều trị ung thư. Ở ung thư phổi không tế bào nhỏ, sự biểu hiện của 7 gen (C8G, PSG7, ACOT6, DEPDC5, MMP16, UBR1, CYP4F22) đã được báo cáo là nhạy cảm với thuốc indolotriazine tổng hợp (Kim et al., 2013). Ở các bệnh nhân ung thư vú, HER2 là một thụ thể xuyên màng và cũng là đích tác dụng của Tạp chí Công nghệ Sinh học 18(3): 393-416, 2020 409 thuốc điều trị trastuzumab (Tz). Tuy vậy có khoảng 30% các bệnh nhân ung thư vú có biểu hiện kháng thuốc. Một nghiên cứu thực hiện năm 2016 có sử dụng công nghệ RNA-seq trên các khối u của người bệnh có biểu hiện nhạy hoặc kháng với Tz đã phát hiện được một tập hợp các mRNA và lincRNA có liên quan tới hiện tượng kháng Tz (Merry et al., 2016). Hiện nay, có một số hệ thống đã được phát triển nhằm xác định kiểu gen của một số gen dược học quan trọng như: Amplichip CYP450 (Han et al., 2017), DMET-Plus array (Arbitrio et al., 2016) Những hệ thống này cung cấp khả năng xác định kiểu gen dựa trên thông tin của những biến thể phổ biến đã được công bố (với MAF>1%). Do đó, giá thành và thời gian phân tích cũng như khối lượng dữ liệu đã được giảm tải đáng kể. Một hạn chế của các hệ thống nói trên là chỉ tập trung vào một số biến thể nhất định của các gen dược học với tần số lớn hơn 1%, do vậy không có khả năng xác định những biến thể hiếm khác. Hiện nay, các hệ thống nói trên đã được thương mại hóa và được ứng dụng cho các mục đích chẩn đoán. Mặc dù các hệ thống này mới chỉ tập trung vào một số gen dược học nhất định, nhưng trong tương lai sẽ có nhiều hệ thống được phát triển và thương mại hóa hơn nữa, từ đó số lượng các gen dược học được quan tâm phân tích sẽ ngày càng đầy đủ và toàn diện hơn. Các nghiên cứu trên hệ thống máy tính Sau khi dự án hệ gen người hoàn thành, các nguồn lực và cách tiếp cận nghiên cứu dựa trên cơ sở tin sinh học đã phát triển mạnh mẽ và có ảnh hưởng sâu rộng đến tất cả các hướng nghiên cứu về khoa học sự sống, trong đó nghiên cứu về các gen dược học cũng không phải là ngoại lệ. Như đã trình bày ở phần trước, các dự án giải trình tự toàn bộ hệ gen, hệ gen mã hóa và hệ phiên mã dựa trên nền tảng NGS đã tạo ra lượng dữ liệu rất lớn từ nhiều quần thể người trên thế giới. Chỉ trong một khoảng thời gian ngắn, các nhà khoa học đã phải đối mặt với thử thách khi phân tích khối dữ liệu lớn “Big data”. Việc xử lý, duy trì cũng như phân tích những khối lượng dữ liệu này tạo ra nhu cầu cần phải có phương pháp tiếp cận dựa trên những công cụ tin sinh học mạnh, hệ thống phân tích hiệu quả với các khả năng như lưu trữ dữ liệu, pipeline phân tích tốt, các phần mềm. Hiện nay, một số cơ sở dữ liệu, pipeline và phần mềm đã được phát triển. Trong số đó, nhiều công cụ tin sinh học đã được áp dụng cho lĩnh vực nghiên cứu các gen dược học, cụ thể là dự đoán chức năng/ảnh hưởng của những thay thế amino acid đến chức năng của các enzyme tham gia chuyển hóa thuốc và các protein vận chuyển thuốc (Zhou et al., 2018). Các công cụ này bao gồm dự đoán chức năng của những biến thể sai nghĩa dựa trên thông tin về trình tự (SIFT, Polyphen-2, PROVEAN, MAPP, MutationTaster) hoặc dựa trên đặc điểm cấu trúc (SDM, I-Mutant, HOPE, STRUM). Ngoài ra còn có những công cụ đánh giá ảnh hưởng của biến thể đến cắt nối mRNA, mức độ phiên mã hay dịch mã (NMD Calssifier, GeneSplicer, Skippy, BPP, PinPor). Bên cạnh đó, ảnh hưởng của những biến thể nằm trong vùng không mã hóa tham gia điều hòa hoạt động của gen (promoter, enhancer, silencer, insulator) cũng được dự đoán qua một số các công cụ đã được phát triển (FATHMM, CADD, Genomiser, Eigen). Ngoài ra, các công cụ dự đoán về ảnh hưởng của biến thể đến sức bền của protein và tương tác protein- phối tử cũng đã được sử dụng. Những nghiên cứu đáng chú ý của PGRN Trong một vài thập kỉ trước, các nhóm nghiên cứu khác nhau trên thế giới đã khởi động những nghiên cứu phối hợp về di truyền dược học nhằm nâng cao những lợi ích thu được từ các nghiên cứu đa ngành. Từ đó cung cấp nền tảng cho việc phân tích và khám phá sâu hơn về những biến thể di truyền của các gen dược học. Một số liên hiệp đã được xây dựng với những mục tiêu và trách nhiệm cụ thể về hệ gen dược học (Bảng 1), ví dụ: CPIC PGRN được bảo trợ bởi NIH. Trên thực tế, CPIC đã và đang đưa ra những chỉ dẫn lâm sàng và các tiêu chuẩn trong dùng thuốc, đồng thời có những khuyến cáo bổ ích về việc sàng lọc một số gen dược học và quan sát lâm sàng trong quá trình sử dụng thuốc (Relling, Klein, 2011). Hiện nay, CPIC đã đưa ra tổng số 24 chỉ dẫn cho các cặp gen-thuốc, trong đó phần lớn có liên quan đến các gen tham gia chuyển hóa thuốc và vận chuyển thuốc (Bảng 2). Vũ Phương Nhung et al. 410 Bảng 1. Các hiệp hội với chức năng nghiên cứu di truyền dược học (Katara, Yadav, 2019). STT Liên hiệp Tên tiếng Việt Mục tiêu 1 African American Cardiovascular Pharmacogenetics CONsorTium (ACCOuNT) Hiệp hội Di truyền dược học trong các bệnh tim mạch ở người Mỹ gốc Phi Phát hiện các biến thể di truyền mới đặc trưng cho người Mỹ gốc Phi, đưa ra những khuyến cáo trong lâm sàng. 2 Clinical Pharmacogenetics Implementation Consortium (CPIC) Hiệp hội ứng dụng Di truyền dược học lâm sàng Đưa ra khuyến cáo/chỉ dẫn dựa trên những chứng cứ khoa học. Các lưu ý về sàng lọc gen dược học và chỉ dẫn được cập nhật theo thời gian. 3 International Clopidogrel Pharmacogenomics Consortium (ICPC) Hiệp hội quốc tế về Di truyền dược học Clopidogrel Cung cấp nền tảng trong việc thu thập lượng mẫu lớn và các chuyên gia trên toàn cầu trong việc nghiên cứu đáp ứng khác nhau với clopidogrel trên cơ sở di truyền. 4 PGRN-RIKEN Mạng lưới nghiên cứu di truyền dược học-RIKEN Thúc đẩy các mối liên kết trong nghiên cứu di truyền dược học, sử dụng nền tảng NGS. 5 Pharmacogenomics Research Network (PGRN) Mạng lưới nghiên cứu Di truyền dược học Tăng cường các nghiên cứu nhằm phát hiện các biến thể quan trọng của hệ gen dược học và chức năng của các biến thể này nhằm tiến tới y học cá thể. Bảng 2. Tổng hợp một số cặp gen-thuốc đã có chỉ dẫn cụ thể của CPIC (https://cpicpgx.org/guidelines/) TT Thuốc Gen TT Thuốc Gen 1 Ivacaftor CFTR 9 Warfarin CYP2C9, VKORC1 2 Efavirenz CYP2B6 10 Atomoxetine CYP2D6 3 Clopidogrel CYP2C19 11 Codeine CYP2D6 4 Voriconnazole CYP2C19 12 Tacrolimus CYP3A5 5 Tamoxièn CYP2D6 13 Simvastatin SLCO1B1 6 Một số thuốc kháng viêm không phải steroid (aspirin, diclofenac, celecoxib, ibuprofen, indomethacin) CYP2C9 14 Thiopurine TPMT 7 Thuốc ức chế tái hấp thu serotonine (citalopram, fluvoãmine, paroxetine, sertraline) CYP2C19, CYP2D6 15 Atazanavir UGT1A1 8 Thuốc chống trầm cảm 3 vòng (amitriptyline, doxepine, imipramine) CYP2C19, CYP2D6 PGRN đã tạo ra một hệ thống và môi trường hỗ trợ nhằm kết nối tất cả các nhóm nghiên cứu về di truyền dược học trên thế giới. Hiện nay, do công nghệ NGS có hạn chế về giá thành cao, thời gian và kích thước dữ liệu lớn thì PGRN cũng đã phát triển những nền tảng thay thế nhằm xác định kiểu gen của một số gen dược học (PGRNseq). PGRNseq cũng là một hệ thống giải trình tự dựa trên nguyên tắc của công nghệ NGS, có khả năng xác định chính xác các biến thể hiếm và phổ biến của 84 gen dược học khác nhau (Gordon et al., 2016). PGRNseq đã cung ứng một nền tảng cân Tạp chí Công nghệ Sinh học 18(3): 393-416, 2020 411 bằng hơn với giá thành hạ (giảm 8-10 lần so với WGS và 2-3 lần so với WES), dữ liệu đầu ra có kích thước nhỏ hơn (giảm giá thành phân tích cũng như hạn chế hiện tượng nhiễu loạn dữ liệu), tăng độ bao phủ và từ đó nâng cao chất lượng dữ liệu thu được trong trường hợp cần tìm kiếm các biến thể hiếm. Những kĩ thuật như PGRNseq đã đem lại một hướng nghiên cứu giúp giảm chi phí và tăng tính chính xác trong việc nghiên cứu các gen dược học, tạo nền tảng cho những thử nghiệm lâm sàng dựa trên hệ gen dược học khả thi hơn trong tương lai. KẾT LUẬN Đa dạng di truyền các gen dược học là nguyên nhân gây nên những khác biệt trong đáp ứng thuốc cá nhân. Lĩnh vực di truyền dược học đã tập trung nghiên cứu và phát hiện những biến thể thuộc các gen này, áp dụng những thông tin và dữ liệu thu được để xây dựng mối liên hệ giữa các biến thể với đáp ứng thuốc. Những thông tin về biến thể di truyền có ảnh hưởng đến đáp ứng thuốc cá nhân sẽ là tiền đề cho việc tối ưu hóa liều thuốc/loại thuốc sử dụng, tránh gặp phải các phản ứng có hại và đạt được hiệu quả điều trị. Trong khi một số gen dược học thuộc nhóm VIP đã được nghiên cứu rộng rãi, vẫn còn nhiều gen dược học khác mà chức năng trong đáp ứng thuốc còn chưa được làm rõ. Trong những nghiên cứu xa hơn, cần phải có nhiều phương án tiếp cận và nỗ lực hơn nữa để có thể làm sáng tỏ mối liên hệ giữa các gen này với đáp ứng thuốc cá nhân. Mặt khác, những nghiên cứu về di truyền dược học trong tương lai sẽ cần tiếp tục mở rộng và đào sâu hơn trong việc hướng đến phân tích chức năng của các biến thể hiếm trong các gen dược học-vốn chưa được quan tâm nghiên cứu toàn diện. Lời cảm ơn: Công trình được hoàn thành với sự hỗ trợ của Viện nghiên cứu hệ gen, Viện Hàn lâm Khoa học và Công nghệ Việt Nam. TÀI LIỆU THAM KHẢO Amin AM, Sheau Chin L, Azri Mohamed Noor D, Sk Abdul Kader MA, Kah Hay Y, Ibrahim B (2017) The personalization of clopidogrel antiplatelet therapy: The role of integrative pharmacogenetics and pharmacometabolomics. Cardiol Res Pract 2017: 8062796. Amin S, Shah S, Desai M, Shah A, Maheriya KM (2018) An analysis of adverse drug reactions in extremes of age group at tertiary care teaching hospital. Perspect Clin Res 9(2): 70-75. Arbitrio M, Di Martino MT, Scionti F, Agapito G, Guzzi PH, Cannataro M, Tassone P, Tagliaferri P (2016) DMET (Drug metabolism enzymes and transporters): a pharmacogenomic platform for precision medicine. Oncotarget 7(33): 54028-54050. Auton A, Brooks LD, Durbin RM, Garrison EP, Kang HM, Korbel JO, Marchini JL, McCarthy S, McVean GA, Abecasis GR (2015) A global reference for human genetic variation Nature 526(7571): 68-74. Barclay ML, Sawyers SM, Begg EJ, Zhang M, Roberts RL, Kennedy MA, Elliott JM (2003) Correlation of CYP2D6 genotype with perhexiline phenotypic metabolizer status. Pharmacogenetics 13(10): 627-632. Barysheva VO ,Ketova GG (2015) Pharmacogenetic testing in population of South Ural. Int J Risk Saf Med 27 Suppl 1: S25-26. Birdwell KA, Decker B, Barbarino JM, Peterson JF, Stein CM, Sadee W, Wang D, Vinks AA, He Y, Swen JJ, Leeder JS, van Schaik R, Thummel KE, Klein TE, Caudle KE, MacPhee IAM (2015) Clinical Pharmacogenetics Implementation Consortium (CPIC) Guidelines for CYP3A5 genotype and tacrolimus dosing. Clin Pharmacol Ther 98(1): 19- 24. Cacabelos R, Cacabelos N, Carril JC (2019) The role of pharmacogenomics in adverse drug reactions. Expert Rev Clin Pharmacol 12(5): 407-442. Cacabelos R (2012) World guide for drug use and pharmacogenomics. EuroEspes Publishing. 2944. Chaudhry AS, Urban TJ, Lamba JK, Birnbaum AK, Remmel RP, Subramanian M, Strom S, You JH, Kasperaviciute D, Catarino CB, Radtke RA, Sisodiya SM, Goldstein DB, Schuetz EG (2010) CYP2C9*1B promoter polymorphisms, in linkage with CYP2C19*2, affect phenytoin autoinduction of clearance and maintenance dose. J Pharmacol Exp Ther 332(2): 599-611. Chou FC, Tzeng SJ, Huang JD (2001) Genetic polymorphism of cytochrome P450 3A5 in Chinese. Vũ Phương Nhung et al. 412 Drug Metab Dispos 29(9): 1205-1209. Chou WH, Yan FX, de Leon J, Barnhill J, Rogers T, Cronin M, Pho M, Xiao V, Ryder TB, Liu WW, Teiling C, Wedlund PJ (2000) Extension of a pilot study: impact from the cytochrome P450 2D6 polymorphism on outcome and costs associated with severe mental illness. J Clin Psychopharmacol 20(2): 246-251. Ciszkowski C, Madadi P, Phillips MS, Lauwers AE, Koren G (2009) Codeine, ultrarapid-metabolism genotype, and postoperative death. N Engl J Med 361(8): 827-828. Dai DP, Xu RA, Hu LM, Wang SH, Geng PW, Yang JF, Yang LP, Qian JC, Wang ZS, Zhu GH, Zhang XH, Ge RS, Hu GX, Cai JP (2014) CYP2C9 polymorphism analysis in Han Chinese populations: building the largest allele frequency database. Pharmacogenomics J 14(1): 85-92. Daly AK, Aithal GP, Leathart JB, Swainsbury RA, Dang TS, Day CP (2007) Genetic susceptibility to diclofenac-induced hepatotoxicity: contribution of UGT2B7, CYP2C8, and ABCC2 genotypes. Gastroenterology 132(1): 272-281. Desta Z, Zhao X, Shin JG, Flockhart DA (2002) Clinical significance of the cytochrome P450 2C19 genetic polymorphism. Clin Pharmacokinet 41(12): 913-958. Dodgen TM, Drogemoller BI, Wright GE, Warnich L, Steffens FE, Cromarty AD, Alessandrini M, Pepper MS (2015) Evaluation of predictive CYP2C19 genotyping assays relative to measured phenotype in a South African cohort. Pharmacogenomics 16(12): 1343-1354. Dolfin E, Guani B, Lussiana C, Mari C, Restagno G, Revelli A (2011) FSH-receptor Ala307Thr polymorphism is associated to polycystic ovary syndrome and to a higher responsiveness to exogenous FSH in Italian women. J Assist Reprod Genet 28(10): 925-930. Egbelakin A, Ferguson MJ, MacGill EA, Lehmann AS, Topletz AR, Quinney SK, Li L, McCammack KC, Hall SD, Renbarger JL (2011) Increased risk of vincristine neurotoxicity associated with low CYP3A5 expression genotype in children with acute lymphoblastic leukemia. Pediatr Blood Cancer 56(3): 361-367. Fohner AE, Robinson R, Yracheta J, Dillard DA, Schilling B, Khan B, Hopkins S, Boyer B, Black J, Wiener H, Tiwari HK, Gordon A, Nickerson D, Tsai JM, Farin FM, Thornton TA, Rettie AE, Thummel KE (2015) Variation in genes controlling warfarin disposition and response in American Indian and Alaska Native people: CYP2C9, VKORC1, CYP4F2, CYP4F11, GGCX. Pharmacogenet Genomics 25(7): 343-353. Garcia-Donas J, Esteban E, Leandro-Garcia LJ, Castellano DE, Gonzalez del Alba A, Climent MA, Arranz JA, Gallardo E, Puente J, Bellmunt J, Mellado B, Martinez E, Moreno F, Font A, Robledo M, Rodriguez-Antona C (2011) Single nucleotide polymorphism associations with response and toxic effects in patients with advanced renal-cell carcinoma treated with first-line sunitinib: a multicentre, observational, prospective study. Lancet Oncol 12(12): 1143-1150. Garte S, Gaspari L, Alexandrie AK, Ambrosone C, Autrup H, Autrup JL, Baranova H, Bathum L, Benhamou S, Boffetta P, Bouchardy C, Breskvar K, Brockmoller J, Cascorbi I, Clapper ML, Coutelle C, Daly A, Dell'Omo M, Dolzan V, Dresler CM, Fryer A, Haugen A, Hein DW, Hildesheim A, Hirvonen A, Hsieh LL, Ingelman-Sundberg M, Kalina I, Kang D, Kihara M, Kiyohara C, Kremers P, Lazarus P, Le Marchand L, Lechner MC, van Lieshout EM, London S, Manni JJ, Maugard CM, Morita S, Nazar-Stewart V, Noda K, Oda Y, Parl FF, Pastorelli R, Persson I, Peters WH, Rannug A, Rebbeck T, Risch A, Roelandt L, Romkes M, Ryberg D, Salagovic J, Schoket B, Seidegard J, Shields PG, Sim E, Sinnet D, Strange RC, Stucker I, Sugimura H, To-Figueras J, Vineis P, Yu MC, Taioli E (2001) Metabolic gene polymorphism frequencies in control populations. Cancer Epidemiol Biomarkers Prev 10(12): 1239- 1248. Gordon AS, Fulton RS, Qin X, Mardis ER, Nickerson DA, Scherer S (2016) PGRNseq: a targeted capture sequencing panel for pharmacogenetic research and implementation. Pharmacogenet Genomics 26(4): 161-168. Han SM, Park J, Lee JH, Lee SS, Kim H, Han H, Kim Y, Yi S, Cho JY, Jang IJ, Lee MG (2017) Targeted Next-Generation Sequencing for Comprehensive Genetic Profiling of Pharmacogenes. Clin Pharmacol Ther 101(3): 396-405. Hauser AS, Chavali S, Masuho I, Jahn LJ, Martemyanov KA, Gloriam DE, Babu MM (2018) Pharmacogenomics of GPCR Drug Targets. Cell 172(1-2): 41-54 e19. Tạp chí Công nghệ Sinh học 18(3): 393-416, 2020 413 Helsby NA ,Burns KE (2012) Molecular mechanisms of genetic variation and transcriptional regulation of CYP2C19. Front Genet 3: 206. Hsu HL, Woad KJ, Woodfield DG, Helsby NA (2008) A high incidence of polymorphic CYP2C19 variants in archival blood samples from Papua New Guinea. Hum Genomics 3(1): 17-23. Hulot JS, Collet JP, Silvain J, Pena A, Bellemain- Appaix A, Barthelemy O, Cayla G, Beygui F, Montalescot G (2010) Cardiovascular risk in clopidogrel-treated patients according to cytochrome P450 2C19*2 loss-of-function allele or proton pump inhibitor coadministration: a systematic meta- analysis. J Am Coll Cardiol 56(2): 134-143. Imai J, Ieiri I, Mamiya K, Miyahara S, Furuumi H, Nanba E, Yamane M, Fukumaki Y, Ninomiya H, Tashiro N, Otsubo K, Higuchi S (2000) Polymorphism of the cytochrome P450 (CYP) 2C9 gene in Japanese epileptic patients: genetic analysis of the CYP2C9 locus. Pharmacogenetics 10(1): 85-89. Isvoran A, Louet M, Vladoiu DL, Craciun D, Loriot MA, Villoutreix BO, Miteva MA (2017) Pharmacogenomics of the cytochrome P450 2C family: impacts of amino acid variations on drug metabolism. Drug Discov Today 22(2): 366-376. Jin T, Zhang X, Geng T, Shi X, Wang L, Yuan D, Kang L (2016) Genotype phenotype analysis of CYP2C19 in the Tibetan population and its potential clinical implications in drug therapy. Mol Med Rep 13(3): 2117-2123. Katara P ,Yadav A (2019) Pharmacogenes (PGx- genes): Current understanding and future directions. Gene 718: 144050. Kawanishi C, Lundgren S, Agren H, Bertilsson L (2004) Increased incidence of CYP2D6 gene duplication in patients with persistent mood disorders: ultrarapid metabolism of antidepressants as a cause of nonresponse. A pilot study. Eur J Clin Pharmacol 59(11): 803-807. Kidd RS, Curry TB, Gallagher S, Edeki T, Blaisdell J, Goldstein JA (2001) Identification of a null allele of CYP2C9 in an African-American exhibiting toxicity to phenytoin. Pharmacogenetics 11(9): 803- 808. Kim HS, Mendiratta S, Kim J, Pecot CV, Larsen JE, Zubovych I, Seo BY, Kim J, Eskiocak B, Chung H, McMillan E, Wu S, De Brabander J, Komurov K, Toombs JE, Wei S, Peyton M, Williams N, Gazdar AF, Posner BA, Brekken RA, Sood AK, Deberardinis RJ, Roth MG, Minna JD, White MA (2013) Systematic identification of molecular subtype- selective vulnerabilities in non-small-cell lung cancer. Cell 155(3): 552-566. Kirchheiner J, Nickchen K, Bauer M, Wong ML, Licinio J, Roots I, Brockmoller J (2004) Pharmacogenetics of antidepressants and antipsychotics: the contribution of allelic variations to the phenotype of drug response. Mol Psychiatry 9(5): 442-473. Kirchheiner J, Schmidt H, Tzvetkov M, Keulen JT, Lotsch J, Roots I, Brockmoller J (2007) Pharmacokinetics of codeine and its metabolite morphine in ultra-rapid metabolizers due to CYP2D6 duplication. Pharmacogenomics J 7(4): 257-265. Kramer MA, Rettie AE, Rieder MJ, Cabacungan ET, Hines RN (2008) Novel CYP2C9 promoter variants and assessment of their impact on gene expression. Mol Pharmacol 73(6): 1751-1760. Lamba JK, Lin YS, Schuetz EG, Thummel KE (2002) Genetic contribution to variable human CYP3A- mediated metabolism. Adv Drug Deliv Rev 54(10): 1271-1294. Lee CR, Goldstein JA, Pieper JA (2002) Cytochrome P450 2C9 polymorphisms: a comprehensive review of the in-vitro and human data. Pharmacogenetics 12(3): 251-263. Lee SJ, Usmani KA, Chanas B, Ghanayem B, Xi T, Hodgson E, Mohrenweiser HW, Goldstein JA (2003) Genetic findings and functional studies of human CYP3A5 single nucleotide polymorphisms in different ethnic groups. Pharmacogenetics 13(8): 461-472. Lek M, Karczewski KJ, Minikel EV, Samocha KE, Banks E, Fennell T, O'Donnell-Luria AH, Ware JS, Hill AJ, Cummings BB, Tukiainen T, Birnbaum DP, Kosmicki JA, Duncan LE, Estrada K, Zhao F, Zou J, Pierce-Hoffman E, Berghout J, Cooper DN, Deflaux N, DePristo M, Do R, Flannick J, Fromer M, Gauthier L, Goldstein J, Gupta N, Howrigan D, Kiezun A, Kurki MI, Moonshine AL, Natarajan P, Orozco L, Peloso GM, Poplin R, Rivas MA, Ruano-Rubio V, Rose SA, Ruderfer DM, Shakir K, Stenson PD, Stevens C, Thomas BP, Tiao G, Tusie-Luna MT, Weisburd B, Won HH, Yu D, Altshuler DM, Ardissino D, Boehnke M, Danesh J, Donnelly S, Elosua R, Florez JC, Gabriel SB, Getz G, Glatt SJ, Hultman CM, Kathiresan S, Laakso M, McCarroll S, Vũ Phương Nhung et al. 414 McCarthy MI, McGovern D, McPherson R, Neale BM, Palotie A, Purcell SM, Saleheen D, Scharf JM, Sklar P, Sullivan PF, Tuomilehto J, Tsuang MT, Watkins HC, Wilson JG, Daly MJ, MacArthur DG, Exome Aggregation C (2016) Analysis of protein- coding genetic variation in 60,706 humans. Nature 536(7616): 285-291. Madadi P, Koren G, Cairns J, Chitayat D, Gaedigk A, Leeder JS, Teitelbaum R, Karaskov T, Aleksa K (2007) Safety of codeine during breastfeeding: fatal morphine poisoning in the breastfed neonate of a mother prescribed codeine. Can Fam Physician 53(1): 33-35. Meienberg J, Bruggmann R, Oexle K, Matyas G (2016) Clinical sequencing: is WGS the better WES? Hum Genet 135(3): 359-362. Merry CR, McMahon S, Forrest ME, Bartels CF, Saiakhova A, Bartel CA, Scacheri PC, Thompson CL, Jackson MW, Harris LN, Khalil AM (2016) Transcriptome-wide identification of mRNAs and lincRNAs associated with trastuzumab-resistance in HER2-positive breast cancer. Oncotarget 7(33): 53230-53244. Miao J, Liu R, Li Z (2009) Cytochrome P-450 polymorphisms and response to clopidogrel. N Engl J Med 360(21): 2250-2251. Myrand SP, Sekiguchi K, Man MZ, Lin X, Tzeng RY, Teng CH, Hee B, Garrett M, Kikkawa H, Lin CY, Eddy SM, Dostalik J, Mount J, Azuma J, Fujio Y, Jang IJ, Shin SG, Bleavins MR, Williams JA, Paulauskis JD, Wilner KD (2008) Pharmacokinetics/genotype associations for major cytochrome P450 enzymes in native and first- and third-generation Japanese populations: comparison with Korean, Chinese, and Caucasian populations. Clin Pharmacol Ther 84(3): 347-361. Niemi M, Pasanen MK, Neuvonen PJ (2011) Organic anion transporting polypeptide 1B1: a genetically polymorphic transporter of major importance for hepatic drug uptake. Pharmacol Rev 63(1): 157-181. Osanlou O, Pirmohamed M, Daly AK (2018) Pharmacogenetics of Adverse Drug Reactions. Adv Pharmacol 83: 155-190. Passey C, Birnbaum AK, Brundage RC, Oetting WS, Israni AK, Jacobson PA (2011) Dosing equation for tacrolimus using genetic variants and clinical factors. Br J Clin Pharmacol 72(6): 948-957. Pereira NL, Geske JB, Mayr M, Shah SH, Rihal CS (2016) Pharmacogenetics of Clopidogrel: An Unresolved Issue. Circ Cardiovasc Genet 9(2): 185- 188. Perera MA, Gamazon E, Cavallari LH, Patel SR, Poindexter S, Kittles RA, Nicolae D, Cox NJ (2011) The missing association: sequencing-based discovery of novel SNPs in VKORC1 and CYP2C9 that affect warfarin dose in African Americans. Clin Pharmacol Ther 89(3): 408-415. Petersen BS, Fredrich B, Hoeppner MP, Ellinghaus D, Franke A (2017) Opportunities and challenges of whole-genome and -exome sequencing. BMC Genet 18(1): 14. Piacentini S, Polimanti R, Porreca F, Martinez- Labarga C, De Stefano GF, Fuciarelli M (2011) GSTT1 and GSTM1 gene polymorphisms in European and African populations. Mol Biol Rep 38(2): 1225-1230. Preissner SC, Hoffmann MF, Preissner R, Dunkel M, Gewiess A, Preissner S (2013) Polymorphic cytochrome P450 enzymes (CYPs) and their role in personalized therapy. PLoS One 8(12): e82562. Relling MV, Schwab M, Whirl-Carrillo M, Suarez- Kurtz G, Pui CH, Stein CM, Moyer AM, Evans WE, Klein TE, Antillon-Klussmann FG, Caudle KE, Kato M, Yeoh AEJ, Schmiegelow K, Yang JJ (2019) Clinical Pharmacogenetics Implementation Consortium Guideline for Thiopurine Dosing Based on TPMT and NUDT15 Genotypes: 2018 Update. Clin Pharmacol Ther 105(5): 1095-1105. Relling MV ,Klein TE (2011) CPIC: Clinical Pharmacogenetics Implementation Consortium of the Pharmacogenomics Research Network. Clin Pharmacol Ther 89(3): 464-467. Reynolds KK, Pierce DL, Weitendorf F, Linder MW (2017) Avoidable drug-gene conflicts and polypharmacy interactions in patients participating in a personalized medicine program. Per Med 14(3): 221-233. Rieck M, Schumacher-Schuh AF, Altmann V, Callegari-Jacques SM, Rieder CRM, Hutz MH (2018) Association between DRD2 and DRD3 gene polymorphisms and gastrointestinal symptoms induced by levodopa therapy in Parkinson's disease. Pharmacogenomics J 18(1): 196-200. Rogan PK, Svojanovsky S, Leeder JS (2003) Information theory-based analysis of CYP2C19, Tạp chí Công nghệ Sinh học 18(3): 393-416, 2020 415 CYP2D6 and CYP3A5 splicing mutations. Pharmacogenetics 13(4): 207-218. Sa ACC, Sadee W, Johnson JA (2018) Whole Transcriptome Profiling: An RNA-Seq Primer and Implications for Pharmacogenomics Research. Clin Transl Sci 11(2): 153-161. Sanford JC, Guo Y, Sadee W, Wang D (2013) Regulatory polymorphisms in CYP2C19 affecting hepatic expression. Drug Metabol Drug Interact 28(1): 23-30. Scott SA, Sangkuhl K, Shuldiner AR, Hulot JS, Thorn CF, Altman RB, Klein TE (2012) PharmGKB summary: very important pharmacogene information for cytochrome P450, family 2, subfamily C, polypeptide 19. Pharmacogenet Genomics 22(2): 159-165. Shoshi A, Muller U, Shoshi A, Ogultarhan V, Hofestadt R (2017) KALIS - An eHealth System for Biomedical Risk Analysis of Drugs. Stud Health Technol Inform 236: 128-135. Simon T, Verstuyft C, Mary-Krause M, Quteineh L, Drouet E, Meneveau N, Steg PG, Ferrieres J, Danchin N, Becquemont L, French Registry of Acute STE, Non STEMII (2009) Genetic determinants of response to clopidogrel and cardiovascular events. N Engl J Med 360(4): 363-375. Sorensen LB, Sorensen RN, Miners JO, Somogyi AA, Grgurinovich N, Birkett DJ (2003) Polymorphic hydroxylation of perhexiline in vitro. Br J Clin Pharmacol 55(6): 635-638. Sosa-Macias M, Lazalde-Ramos BP, Galaviz- Hernandez C, Rangel-Villalobos H, Salazar-Flores J, Martinez-Sevilla VM, Martinez-Fierro ML, Dorado P, Wong ML, Licinio J, A LL (2013) Influence of admixture components on CYP2C9*2 allele frequency in eight indigenous populations from Northwest Mexico. Pharmacogenomics J 13(6): 567- 572. Wang D, Sun X, Gong Y, Gawronski BE, Langaee TY, Shahin MH, Khalifa SI, Johnson JA (2012) CYP2C9 promoter variable number tandem repeat polymorphism regulates mRNA expression in human livers. Drug Metab Dispos 40(5): 884-891. Weinshilboum R (2003) Inheritance and drug response. N Engl J Med 348(6): 529-537. Wuttke H, Rau T, Heide R, Bergmann K, Bohm M, Weil J, Werner D, Eschenhagen T (2002) Increased frequency of cytochrome P450 2D6 poor metabolizers among patients with metoprolol- associated adverse effects. Clin Pharmacol Ther 72(4): 429-437. Xie HG, Wood AJ, Kim RB, Stein CM, Wilkinson GR (2004) Genetic variability in CYP3A5 and its possible consequences. Pharmacogenomics 5(3): 243-272. Yang W, Wu G, Broeckel U, Smith CA, Turner V, Haidar CE, Wang S, Carter R, Karol SE, Neale G, Crews KR, Yang JJ, Mullighan CG, Downing JR, Evans WE, Relling MV (2016) Comparison of genome sequencing and clinical genotyping for pharmacogenes. Clin Pharmacol Ther 100(4): 380- 388. Zanger UM, Raimundo S, Eichelbaum M (2004) Cytochrome P450 2D6: overview and update on pharmacology, genetics, biochemistry. Naunyn Schmiedebergs Arch Pharmacol 369(1): 23-37. Zhou SF, Liu JP, Chowbay B (2009) Polymorphism of human cytochrome P450 enzymes and its clinical impact. Drug Metab Rev 41(2): 89-295. Zhou Y, Fujikura K, Mkrtchian S, Lauschke VM (2018) Computational Methods for the Pharmacogenetic Interpretation of Next Generation Sequencing Data. Front Pharmacol 9: 1437. Zhou ZW, Chen XW, Sneed KB, Yang YX, Zhang X, He ZX, Chow K, Yang T, Duan W, Zhou SF (2015) Clinical association between pharmacogenomics and adverse drug reactions. Drugs 75(6): 589-631. ata.html https://cpicpgx.org/guidelines/ ata.html Vũ Phương Nhung et al. 416 GENETIC VARIATION OF PHARMACOGENES Vu Phuong Nhung1,2, Nguyen Dang Ton1,2, Nong Van Hai1,2, Nguyen Hai Ha1,2 1Institute of Genome Research, Vietnam Academy of Science and Technology 2Graduate University of Science and Technology, Vietnam Academy of Science and Technology SUMMARY Patient specific response against a particular drug could be affected by various factors, in which genetic factors are the most crucial contributor. The genetic variability in pharmacogenes might result in variable drug response of individuals, which in turn can lead to unexpected treatment outcomes or even adverse drug reactions. The pharmacogenes include of genes that encode for several proteins which divided into 3 main functional categories: drug metabolizing enzymes, drug transporters and receptor-drug targets. Genetic variants of genes coding for drug metabolizing enzymes phase I (CYP450), phase II (GSTs, UGT, TPMT) as well as drug transporters (ABC, SLCO) of numerous populations in global have been extensively studied. Among these, SNPs are the major contributor behind variants of pharmacogenes along with copy number variants. Furthermore, the clinical impact on drug response of common variants belonging to several important pharmacogenes has been well understood. On the other hand, information on the variant spectrum of genes encoding for receptor- drug targets as well as their physiological effects have remained limited. In recent years, along with computational methods, next generation sequencing technologies had been developed tremendously. These high throughput methods had greatly promoted the field of pharmacogenetic research through providing ability to detect novel and rare genetic variants. The data on genetic variants of pharmacogenes would be valuable for determining the responder and non-responder to medication during treatment. These are also significant basis which play a vital role in development of the field of optimizing drug dose for individuals and personalized medicine in the future. Keywords: adverse drug reactions, next generation sequencing, personalized medicine, pharmacogenes, pharmacogenetic, variants.