AP
Anna Placentino
Author with expertise in Genomic Studies and Association Analyses
Achievements
Cited Author
Key Stats
Upvotes received:
0
Publications:
4
(0% Open Access)
Cited by:
335
h-index:
33
/
i10-index:
43
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Genome-Wide Pharmacogenetics of Antidepressant Response in the GENDEP Project

Rudolf Uher et al.Apr 2, 2010
Objective The purpose of this study was to identify genetic variants underlying the considerable individual differences in response to antidepressant treatment. The authors performed a genome-wide association analysis of improvement of depression severity with two antidepressant drugs. Method High-quality Illumina Human610-quad chip genotyping data were available for 706 unrelated participants of European ancestry treated for major depression with escitalopram (N=394) or nortriptyline (N=312) over a 12-week period in the Genome-Based Therapeutic Drugs for Depression (GENDEP) project, a partially randomized open-label pharmacogenetic trial. Results Single nucleotide polymorphisms in two intergenic regions containing copy number variants on chromosomes 1 and 10 were associated with the outcome of treatment with escitalopram or nortriptyline at suggestive levels of significance and with a high posterior likelihood of true association. Drug-specific analyses revealed a genome-wide significant association between marker rs2500535 in the uronyl 2-sulphotransferase gene and response to nortriptyline. Response to escitalopram was best predicted by a marker in the interleukin-11 (IL11) gene. A set of 72 a priori-selected candidate genes did not show pharmacogenetic associations above a chance level, but an association with response to escitalopram was detected in the interleukin-6 gene, which is a close homologue of IL11. Conclusions While limited statistical power means that a number of true associations may have been missed, these results suggest that efficacy of antidepressants may be predicted by genetic markers other than traditional candidates. Genome-wide studies, if properly replicated, may thus be important steps in the elucidation of the genetic basis of pharmacological response.
0
Citation335
0
Save
0

Pharmacogenetics of antidepressant response: a polygenic approach

Judit García‐González et al.Dec 14, 2016
Background: Major depressive disorder (MDD) has a high personal and socio-economic burden and more than 60% of patients fail to achieve remission with the first antidepressant. The biological mechanisms behind antidepressant response are only partially known but genetic factors play a relevant role. A combined predictor across genetic variants may be useful to investigate this complex trait. Methods: Polygenic risk scores (PRS) were used to estimate multi-allelic contribution to: 1) antidepressant efficacy; 2) its overlap with MDD and schizophrenia. We constructed PRS and tested whether these predicted symptom improvement or remission from the GENDEP study (n=736) to the STAR*D study (n=1409) and vice-versa, including the whole sample or only patients treated with escitalopram or citalopram. Using summary statistics from Psychiatric Genomics Consortium for MDD and schizophrenia, we tested whether PRS from these disorders predicted symptom improvement in GENDEP, STAR*D, and five further studies (n=3756). Results: No significant prediction of antidepressant efficacy was obtained from PRS in GENDEP/STAR*D but this analysis might have been underpowered. There was no evidence of overlap in the genetics of antidepressant response with either MDD or schizophrenia, either in individual studies or a meta-analysis. Stratifying by antidepressant did not alter the results. Discussion: We identified no significant predictive effect using PRS between pharmacogenetic studies. The genetic liability to MDD or schizophrenia did not predict response to antidepressants, suggesting differences between the genetic component of depression and treatment response. Larger or more homogeneous studies will be necessary to obtain a polygenic predictor of antidepressant response.
0

New insights on the pharmacogenomics of antidepressant response from the GENDEP and STAR*D studies: rare variant analysis and high-density imputation

Chiara Fabbri et al.Feb 20, 2017
Genome-wide association studies have generally failed to identify polymorphisms associated with antidepressant response. Possible reasons include limited coverage of genetic variants that this study tried to address by exome genotyping and dense imputation. A meta-analysis of Genome-Based Therapeutic Drugs for Depression (GENDEP) and Sequenced Treatment Alternatives to Relieve Depression (STAR*D) studies was performed at SNP, gene and pathway level. Coverage of genetic variants was increased compared to previous studies by adding exome genotypes to previously available genome-wide data and using the Haplotype Reference Consortium panel for imputation. Standard quality control was applied. Phenotypes were symptom improvement and remission after 12 weeks of antidepressant treatment. NEWMEDS consortium samples and Pharmacogenomic Research Network Antidepressant Medication Pharmacogenomic Study (PGRN-AMPS) served for replication. 7,062,950 SNPs were analysed in GENDEP (n=738) and STAR*D (n=1409). rs116692768 (p=1.80e-08, ITGA9 (integrin alpha 9)) and rs76191705 (p=2.59e-08, NRXN3 (neurexin 3)) were significantly associated with symptom improvement during citalopram/escitalopram treatment. At gene level, no consistent effect was found. At pathway level, the Gene Ontology terms GO:0005694 (chromosome) and GO:0044427 (chromosomal part) were associated with improvement (corrected p=0.007 and 0.045, respectively). The association between rs116692768 and symptom improvement was replicated in PGRN-AMPS (p=0.047), while rs76191705 was not. The two SNPs did not replicate in NEWMEDS. ITGA9 codes for a membrane receptor for neurotrophins and NRXN3 is a transmembrane neuronal adhesion receptor involved in synaptic differentiation. Despite their meaningful biological rationale for being involved in antidepressant effect, no convincing replication was achieved. Further studies may help in clarifying their role.
0

Effect of cytochrome CYP2C19 metabolizing activity on antidepressant response and side effects: meta-analysis of data from genome-wide association studies

Chiara Fabbri et al.Feb 6, 2018
Cytochrome (CYP) P450 enzymes have a primary role in antidepressant metabolism and variants in these polymorphic genes are targets for pharmacogenetic investigation. This is the first meta-analysis to investigate how CYP2C19 polymorphisms predict citalopram/escitalopram efficacy and side effects. CYP2C19 phenotypes comprise poor metabolizers (PM), intermediate and intermediate+ metabolizers (IM; IM+), extensive and extensive+ metabolizers (EM [wild type]; EM+) and ultra-rapid metabolizers (UM) defined by the two most common CYP2C19 functional polymorphisms (rs4244285 and rs12248560) in Caucasians. These polymorphisms were genotyped or imputed from genome-wide data in four samples treated with citalopram or escitalopram (GENDEP, STAR*D, GenPod, PGRN-AMPS). Treatment efficacy was percentage symptom improvement and remission. Side effect data were available at weeks 2-4, 6 and 9 in three of the investigated samples. A fixed-effects meta-analysis was performed using EM as the reference group. Analysis of 2558 patients for efficacy and 2037 patients for side effects showed that PMs had higher symptom improvement (SMD=0.43, CI=0.19-0.66) and higher remission rates (OR=1.55, CI=1.23-1.96) compared to EMs. At weeks 2-4, PMs showed higher risk of gastro-intestinal (OR=1.26, CI=1.08-1.47), neurological (OR=1.28, CI=1.07-1.53) and sexual side effects (OR=1.52, CI=1.23-1.87; week 6 values similar). No difference was seen at week 9 or in total side effect burden. PMs did not have higher risk of dropout at week 4 compared to EMs. Antidepressant dose was not different among CYP2C19 groups. CYP2C19 polymorphisms may provide helpful information for guiding citalopram/escitalopram treatment, despite PMs are relatively rare among Caucasians (~2%).