Modelli animali nell’era della medicina personalizzata

[Greek R., Menache A., Rice MJ. Animal models in an age of personalized medicine, Personalized Medicine January 2012, Vol. 9, No. 1, Pages 47-64]

FULL TEXT: http://www.futuremedicine.com/doi/pdf/10.2217/pme.11.89
TRADUZIONE: http://www.facebook.com/notes/la-scienza-contro-i-vivisettori/medicina-personalizzata/277682915639488

L’osservazione che gli esseri umani rispondono diversamente ai farmaci ha costituito la base per il campo della medicina personalizzata [1,2]. Parliamo di differenze intraspecifiche e possono esser fatte risalire a differenze del patrimonio genetico. Alcuni esempi includono le variazioni del numero di copie, l’SNP, la regolazione genica ed epigenetica. L’era della medicina personalizzata è arrivata sulla scia dei cambiamenti in fisica che includono lo studio dei sistemi caotici e complessi. Questi cambiamenti raggiungono la loro forma attuale nel 1960, con le simulazioni climatiche su computer di Edward Lorenz. Arrotondando una variabile nella simulazione da sei a tre punti decimali scoprì di aver ottenuto risultati completamente diversi. 

Figura 1. La dipendenza dalle condizioni iniziali.
Due sistemi quasi identici (o equazioni) sono rappresentati dalle linee nere e rosse.L’arrotondamento di una variabile da sei a tre cifre significative (o cambiamenti simili molto piccoli nelle condizioni iniziali) può portare a traiettorie che alla fine portano a risultati o effetti opposti.

Lorenz aveva scoperto che i cambiamenti molto piccoli e apparentemente insignificanti in condizioni iniziali portavano a cambiamenti importanti nel lungo termine. Oggi, questo fa parte di una disciplina nota come teoria del caos. La complessità e lo studio dei sistemi complessi sono strettamente legati alla teoria del caos.
In qualsiasi sistema complesso dato, piccoli cambiamenti nella condizione iniziale possono anche portare a risultati notevolmente differenti. Un esempio di questo sarebbe la scissione della popolazione comune in due popolazioni, sottoposte a diverse traiettorie evolutive, che alla fine diventano specie separate. Delle risultanti due specie diverse ci si aspetterebbe di dimostrare differenti tratti, comprese diverse risposte alle perturbazioni chimiche e ambientali. Queste differenze intraspecifiche sono state confermate empiricamente. Ad esempio, gli esseri umani condividono i recettori per il rilevamento di odore con altri primati, ma poiché i geni per i recettori si sono evoluti in modo diverso dalla scissione dal nostro comune antenato ogni specie usa i recettori in modo diverso [3,301].Esaminiamo la pratica di utilizzare i modelli, in particolare i modelli animali usati nello sviluppo di farmaci compresi anche i modelli animali di malattie, che hanno molte più differenze tra il modello e il complesso sistema da modellare, rispetto alle differenze intraspecifiche sfruttate dalla medicina personalizzata e farmacogenomica.

Previsione
La farmacogenomica e la medicina personalizzata sono concetti, pratiche o modalità con il preciso scopo di predire la risposta umana ai farmaci e alle malattie. Mentre questo punto può apparire ovvio e perfino semplicistico, merita una breve considerazione. La pratica medica basata sulla scienza comporta la comprensione dei fondamenti dell’anatomia umana, della biochimica e della fisiologia. Occorre anche considerare i meccanismi dei farmaci e della fisiopatologia della malattia. La medicina ha iniziato la transizione dall’essere superstizione e aneddotica e, in larga misura, basata sulla nozione di una creazione speciale, ad essere basata su dati scientifici, poco più di un secolo fa. È solo negli ultimi due decenni che abbiamo assistito al tentativo della scienza medica di lasciare l’approccio “la taglia unica va bene per tutto” per abbracciare la medicina personalizzata basata sul genoma.
Che cosa è venuto ampiamente taciuto nella transizione di oggi, così come quello che ieri ha tolto la superstizione, è che tutti i progressi della scienza medica hanno come obiettivo la capacità di prevedere la risposta umana. Questo é iniziato in gran parte attraverso la comprensione di alcuni aspetti isolati del sistema da trattare – il pancreas, il fegato, il cuore e così via – con il riduzionismo. Successivamente arrivarono le statistiche e la possibilità di previsione, non la risposta individuale, ma le risposte della maggior parte dei membri di un gruppo. Alcuni perfezionamenti hanno cambiato la dimensione del gruppo da tutti i membri Homo sapiens a: maschi bianchi di età superiore ai 50 anni che hanno tutti i principali fattori di rischio per le malattie coronariche, femmine nere sotto i 30 anni con diagnosi di un certo tipo di cancro al seno e così via. Le statistiche hanno permesso al medico di aumentare la probabilità di successo, ma non nella misura in cui offrirebbe la medicina personalizzata.
Ora sarebbe il momento giusto per rinfrescarvi la memoria su ciò che significa previsione nella scienza medica e come la previsione viene valutata e/o calcolata nei casi specifici. In parole povere, previsione significa sapere con quale probabilità avrà effetto una malattia o un farmaco su un determinato paziente. Ciò significa che il professionista può assegnare il giusto intervento medico (compreso neanche uno) per il paziente specifico. La medicina personalizzata mira ad una probabilità corretta di 1,0 o, di fare le cose giuste il 100% delle volte. Come si calcola? La capacità di una pratica, di una modalità o test (e stiamo utilizzando il termine ‘test’ in senso molto ampio) di prevedere correttamente i risultati può essere calcolato utilizzando i valori da una tabella 2 × 2.

 

Poiché si tratta di una scrittura standard per tutti i lettori della medicina personalizzata non entreremo nei dettagli. È sufficiente dire che, l’obiettivo della medicina personalizzata è di assegnare interventi o prognosi sulla base di prove che diano una sensibilità, specificità, valore predittivo positivo e valore predittivo negativo di 1,0. Attualmente, tali valori non sono realistici, pertanto, si cercano i valori il più vicino possibile a 1,0.
Storicamente, il problema del raggiungimento di questo obiettivo è stato quello che i singoli esseri umani anche gemelli monozigoti, non rispondono in modo identico alle malattie e ai farmaci. La medicina personalizzata ha come obiettivo la scoperta e l’applicazione di conoscenze che consentano al professionista di tener conto di queste differenze.

Le differenze intraspecifiche

Gli scienziati, in particolare del settore farmaceutico in generale, sanno che c’è una grande differenza tra gli esseri umani nella risposta a farmaci, malattie e mutazioni genetiche. Allen Roses, l’allora vice-presidente di genetica presso la GlaxoSmithKline, ha detto che meno della metà dei pazienti a cui eran stati prescritti alcuni dei farmaci più costosi non godettero di alcun beneficio : “La stragrande maggioranza dei farmaci -più del 90% – funziona solo nel 30 o 50% dei casi “. La maggior parte dei farmaci ha avuto un tasso di efficacia del 50% o inferiore [4]. Le malattie interessano anche i membri della stessa specie in modo diverso. Vi è differenza tra i sessi, tra etnie, tra i gruppi di età e così via [5-18,302]. Tutto questo è ben noto ai lettori della medicina personalizzata.
Le ragioni di queste variazioni sono ben note. Come hanno rilevato Shanks e Greek in “Animal Model in Light of Evolution” [19], ci sono più differenze tra e all’interno di ogni specie che semplicemente tra geni diversi. I geni regolatori possono dare lo stesso identico risultato con lo stesso genoma in fenotipi molto diversi, come possono farlo altri fattori e interazioni. Analogamente, Snyder recentemente ha rilevato che le
differenze tra le persone non si trovano nei geni, ma piuttosto nelle sezioni di DNA che influenzano l’espressione genica e il legame proteico [20.303]. Le differenze nei fattori di trascrizione, che controllano il tasso di legame dal DNA all’mRNA, svolgono un ruolo importante in questo. Kasowski et al. hanno fatto delle ricerche che hanno rivelato che esistono notevoli differenze tra i singoli esseri umani in due fattori di trascrizione. Queste differenze sono state associate con l’SNP, le duplicazioni geniche, le delezioni e le inversioni di DNA, e con differenze di espressione genica. Snyder ha usato lo studio di Kasowski et al. per sottolineare che ora abbiamo la prova che l’SNPs e altre variazioni hanno un effetto importante su un “gran numero di elementi regolatori che controllano l’espressione genica”. Kasowski ha ipotizzato che questa variazione potrebbe spiegare le variazioni nella predisposizione alle malattie [304]. Lo studio ha anche rivelato grandi differenze tra esseri umani e scimpanzé, il 32% delle regioni del legame dell’RNA polimerasi II differivano. Queste differenze devono essere considerate perché il 99,29% di sequenze codificanti sono le stesse negli esseri umani e negli scimpanzé.
I ceppi di topi variano nella loro risposta ai farmaci, alle malattie e persino al gene disruption. L’eliminazione di un gene nel ceppo A può rivelarsi letale mentre l’eliminazione dello stesso gene nel ceppo B può non comportare alcun effetto distinguibile o gli effetti possono variare considerevolmente [21-26]. Un ceppo non può prevedere l’esito di un altro [27]. Rohan et al. hanno dimostrato che diversi ceppi di topi hanno una variazione di dieci volte nella gamma di risposta all’angiogenesi. Essi suggeriscono che possono essere responsabili di questa variazione i fattori genetici [28].
Hunter et al. hanno studiato i topi transgenici e hanno scoperto che l’efficienza metastatica variava fino a dieci volte tra gli originali ed i loro discendenti [29,30]. Hanno poi effettuato l’analisi del gene su 17 geni che sono stati associati con efficienza metastatica [31]. Hunter et al. hanno concluso: “Poiché tutti i tumori sono stati avviati dallo stesso evento oncogeno, le differenze nella firma delle metastasi con il microarray e il potenziale metastatico sono probabilmente dovute agli effetti di background genetico, piuttosto che alle diverse combinazioni delle mutazioni oncogene [32]. Coerentemente con le nostre osservazioni in metastasi, diversi laboratori hanno mostrato differenze di ceppi analoghe dell’oncogenesi, dell’invecchiamento e della fertilità in modelli di topi transgenici [33-35]. I dati su entrambi i tumori primitivi e le metastasi rafforzano l’idea che la genesi dei tumori e le metastasi sono fenotipi complessi che coinvolgono entrambe le componenti intrinseche del genoma e le risposte cellulari a stimoli estrinseci “[31].
Ciò è altrettanto vero nel modello della malattia umana. Miklos ha dichiarato: “C’è un enorme variazione fenotipica nella misura dei fenotipi tumorali umani, anche tra i membri della famiglia che ereditano la stessa mutazione nel gene APC ritenuto causale per il cancro al colon” [36]. Egli continua a descrivere come nei modelli murini, eliminando la “subunità catalitica della γ fosfatidil-3-chinasi OH” può risultare un’alta incidenza di tumori o non tumori. I risultati variano con il ceppo utilizzato [36]. Dixit e Boelsterli hanno evidenziato che, mentre il tolcapone causa epatotossicità in alcuni esseri umani, non si evidenzia lo stesso risultato sugli studi sui roditori [37,38]. Tuttavia, dopo esser stata osservata epatotossicità sugli umani sono state eseguite prove su ceppi diversi da roditori originali ed è stata osservata l’epatotossicità [38].
Anche i gemelli monozigoti non sempre rispondono allo stesso modo alle malattie e ai farmaci [39-42].
Le implicazioni di queste differenze sono profonde. A causa delle differenze nei geni dell’ SNPs ad esempio, lo stesso vaccino potrebbe non proteggere tutti i bambini [43,44]. In futuro, questi bambini potrebbero essere in grado di ricevere un vaccino personalizzato. Si stima che “tra il 5 e il 20% delle persone vaccinate contro l’epatite B, e tra il 2 e il 10% delle persone vaccinate contro il morbillo, non saranno protette, se dovessero contrarre questi virus” [44,45]. Attualmente, i test possono essere eseguiti prima di prescrivere codeina, tamoxifene [46], chemioterapie per vari tipi di cancro [47], per la determinazione della dose di warfarin e 6-mercaptopurina [48-51] e altri in fase di sviluppo [52,53]. Il settore farmaceutico sta reagendo a queste scoperte. Milne ha dichiarato: “C’è una tendenza della morte dei farmaci blockbuster, le persone si stanno muovendo verso i nichebuster” [54].
Differenze genetiche in forma di epigenetica sollevano anche la possibilità che una variante genetica non sarà espressa o sarà espressa in modo diverso in un individuo rispetto ad un altro. La presenza di geni modificatori può anche influenzare l’attività di un biomarker. Occorre anche chiedersi se il biomarker in esame è causalmente e direttamente collegato all’effetto oggetto di studio. Gli esseri umani sono sistemi complessi (vedi sotto). Mentre i biomarkers sono attualmente in fase di intenso studio, essi probabilmente non saranno la panacea a causa di queste considerazionii. Questo rafforza ulteriormente la nostra posizione che le piccole differenze tra gli individui possono determinare la differenza tra un trattamento efficace o tossico [55-60].

 

Naturalmente, tutto quanto sopra ruota intorno all’ evoluzione. Cambiamenti delle frequenze degli alleli risultano nelle diverse risposte alla perturbazione stessa. Futuyma notoriamente ha dichiarato: “L’evoluzione … è il concetto centrale unificante della biologia. Per estensione, colpisce quasi tutti gli altri campi del sapere e deve essere considerata una delle nozioni più importanti nel pensiero occidentale “[61]. Questa è la base per la medicina personalizzata.

I sistemi complessi

La ricerca medica come scienza può forse giustamente far risalire le sue radici al fisiologo francese, Claude Bernard. Bernard ha cercato di portare la medicina sullo stesso piano intellettuale delle scienze fisiche. In tal modo, Bernard era un determinista rigoroso , nel senso che se X ha causato Y in una scimmia, X causerebbe anche Y in un essere umano. Bernard ha dichiarato: “I fisiologi … si occupano di una cosa, le proprietà della materia vivente e il meccanismo della vita, in qualsiasi forma essa si manifesti. Per loro genere, specie e categoria non esistono più. Ci sono solo gli esseri viventi, e se ne scelgono uno per lo studio, di solito è per comodità nella sperimentazione “[62].
E’ stato anche offeso dalla natura statistica della medicina “Questa falsa idea induce certi medici a credere che la medicina non può che essere congetturale, e da questo, concludere che i medici siano artisti che debbano rendere l’indeterminismo di casi particolari col tatto. Contro queste idee antiscientifiche dobbiamo protestare con tutto il nostro potere, perché aiutano a tenere la medicina indietro nello stato modesto in cui è stata tanto tempo … in base alle statistiche, la medicina non potrà mai essere nient’altro che una scienza congetturale, solo basandosi sul determinismo sperimentale può diventare una vera scienza … penso a questa idea come il perno della medicina sperimentale, e in questo senso i medici sperimentali hanno un punto di vista completamente diverso rispetto ai cosiddetti medici di osservazione “[62].
Nonostante l’importanza di Bernard nello sviluppo complessivo della medicina come scienza, la storia ha dimostrato che Bernard sbagliava in merito alla scarsa importanza delle statistiche, mentre i campi della biologia evolutiva e della teoria della complessità hanno dimostrato l’ingenuità della sua visione deterministica. A peggiorare l’eredità di Bernard,
la medicina personalizzata sta sostituendo le statistiche per determinare quale trattamento utilizzare per quale paziente e come una malattia specifica interagisce con l’ambiente interno, compromettendo ulteriormente il suo “genere, specie e categoria non esistono più” .
Bernard era un creazionista, e questo non è di poca importanza. Bernard non era un creazionista, nel senso stretto della parola, piuttosto egli rifiutava l’evoluzione per altri motivi, ma in ogni caso la respinse. LaFolette e Shanks hanno dichiarato: “Inoltre, alcuni tipi di creazionismo possono comportare un impegno per l’intercambiabilità delle specie. Coloro che pensano che tutte le creature sono il prodotto di un progettista probabilmente assumeranno – per motivi di semplicità ontologica – che il progettista abbia la stessa riserva di base che ha riorganizzato per produrre specie diverse. Certamente questa era una risposta alla scoperta delle strutture omologhe dagli anatomisti comparativi del XIX secolo: quello che Darwin avrebbe visto come prova della discendenza modificata, i creazionisti erano in grado di vederla come prova di variazioni di un progettista sulla una base fondamentale comune. Secondo i creazionisti, la principale differenza tra uomini e animali era semplicemente che il progettista aveva aggiunto un ingrediente in più – un’anima. Ma le parti del corpo di base erano rimaste costanti. In tali ipotesi, se sapevamo come funzionava il fegato di un topo, avremmo ugualmente saputo come funzionava il fegato umano (una volta che avessimo rettificato per differenze di dimensioni e peso)” [63].
Parti di corpi umani e parti di animali erano ritenute essere intercambiabili. Gli esseri umani avevano un’anima ed erano esseri senzienti, altrimenti animali ed esseri umani sarebbero stati più o meno identici. Bernard ha dichiarato: “Ora le unità vitali, essendo di natura analoga in tutti gli esseri viventi, sono soggette alle stesse leggi organiche. Si sviluppano, vivono, si ammalano e muoiono necessariamente sotto un influsso di natura analoga, anche se si manifesta con meccanismi infinitamente variabili. Un veleno o una condizione patologica, che agisce su un’unità definita istologica, dovrebbe attaccare in circostanze simili in tutti gli animali dotati di ciò, altrimenti queste unità cesserebbero di essere della stessa natura, e se andassimo a considerare a partire dal come le unità naturali reagscono in modi diversi od opposti, sotto l’influenza di reagenti vitali normali o patologici, non solo negheremmo la scienza in generale, ma anche metteremmo in confusione la zoologia e le tenebre … “[62].
Questo punto di vista rappresenta l’importanza attribuita al riduzionismo agli albori della ricerca biomedica. Questo punto di vista del creazionismo spiega anche, almeno in parte, perché il creazionista chirurgo Leonard Bailey trapiantò il cuore di un babbuino in Baby Fae [63].
La nostra discussione dei sistemi complessi deve essere impostata sullo sfondo del riduzionismo. La complessità è in qualche modo opposta al concetto di riduzionismo. Il grande biologo Ernst Mayr ha definito il riduzionismo come: “La convinzione che i livelli più elevati di integrazione di un sistema complesso possano essere pienamente spiegati attraverso la conoscenza delle componenti più piccole” [64]. Un altro modo di vedere il riduzionismo è dividere per conquistare. Imparare cosa tutte le parti di un motore fanno per dedurre la funzione di tutto il motore.
I pistoni, per esempio, sono in grado di esser descritti da soli, senza riferimento al sistema dal quale vengono rimossi. Le parti di un sistema vivente complesso d’altra parte devono essere descritte in base all’interazione delle parti. Descrivere soltanto le singole parti in isolamento è insufficiente per descrivere completamente il sistema nel suo complesso. Il tutto è superiore alla somma delle parti. Un sistema complesso può essere descritto in luce dell’organizzazione delle singole parti [23].
I sistemi complessi devono inoltre essere confrontati con i sistemi semplici. Possiamo considerare pistoni e motori come esempi di sistemi semplici, come lo sono piani inclinati e oggetti rappresentati da un punto nella fisica newtoniana. Semplice non va confuso con facile da capire o da manipolare anche se alcuni sistemi semplici lo sono entrambi. Piuttosto, un sistema semplice, di solito può essere descritto solo con la fisica newtoniana e/o con il riduzionismo e il determinismo. Mentre la fisica newtoniana agisce sicuramente su sistemi complessi, il sistema complesso è meglio descritto da equazioni differenziali alle derivate parziali che non hanno soluzione. Le cellule sono sistemi complessi e niente costituito di cellule è un sistema complesso. Tuttavia, anche un sistema complesso può essere considerato come un sistema semplice, per esempio, un roditore che cade nel vuoto. Il livello di organizzazione in esame è importante in un sistema complesso che non è in un sistema semplice. La complessità come scienza può essere pensata come caos organizzato. La complessità si trova tra le condizioni che portano al caos e quelle che provocano il determinismo. La complessità tende a fare riferimento ai sistemi. I sistemi viventi, come animali, sono esempi di sistemi complessi. I sistemi complessi hanno molte proprietà che sono rilevanti per la medicina personalizzata, in generale, e per la nostra discussione di modelli animali, in particolare. [65-68]. Vedi Box 2 e Figura 2 per le caratteristiche di un sistema complesso [21,22,65-76,305].

Figura 2. Un sistema complesso.
Riprodotto con il permesso di Marshall Clemens © Idiagram [312].

Per inserire quanto sopra nel contesto dell’utilizzo di animali come modello per gli esseri umani nella ricerca e nella sperimentazione, differenze molto piccole nel nel make-up genetico di due specie molto simili possono provocare reazioni molto diverse ai farmaci e alle malattie. Analogamente, nel campo della medicina personalizzata, differenze molto piccole nel make-up genetico di due esseri umani molto simili possono portare a risposte molto diverse a farmaci e alle malattie.

Mayr ha anche sottolineato che gli attuali concetti di sistemi complessi e della teoria della complessità, pur essendo ritenuti unici per l’ultimo quarto del XX secolo, sono stati effettivamente considerati da quando Alex Novikoff li descrisse nel 1947 [64]. Novikoff scrsse in modo molto dettagliato una spiegazione del motivo per cui gli organismi viventi dovevano essere olistici: “Le unitá che su unico piano diventano parti di uno superiore … entrambe le parti e le unitá sono entità materiali, ed i risultati di integrazione derivano dall’interazione delle parti, come conseguenza delle loro proprietà … [l’olismo] non considera organismi viventi come macchine fatte di una moltitudine di parti distinte di unità (fisico), amovibili come pistoni di un motore e in grado di esser descritti, senza tener conto del sistema dal quale vengono rimossi “[77] . Su una nota simile, il biologo Cairns-Smith ha sottolineato: “I sottosistemi sono fortemente intrecciati … Le proteine sono necessarie per ottenere catalizzatori, ma i catalizzatori sono necessari per produrre proteine. Gli acidi nucleici sono necessari per produrre le proteine, ma le proteine sono necessarie per rendere gli acidi nucleici. Proteine e lipidi sono necessari per rendere le membrane, ma le membrane sono necessari per fornire una protezione per tutti i processi chimici in corso in una cella.
Il tutto è presupposto da tutte le parti. L’incastro è stretto e critico. Al centro tutto dipende da tutto” [78].

Molti scienziati hanno scritto riguardo i sistemi complessi [79,80]. In particolare, essi hanno affrontato cosa questo significhi per studiare malattie umane e la risposta farmacologica [72]. Van Regenmortel ha dichiarato nel
2004 che, mentre il metodo riduzionista è stato efficace nello spiegare la base di numerosi processi vitali, ha raggiunto il suo limite. A sostegno di questo, egli afferma che i sistemi complessi hanno proprietà emergenti che non possono essere spiegate o prevedibili, studiando le loro le singole parti. Ha riconosciuto che l’approccio riduzionista ha avuto successo agli albori della biologia molecolare, ma oggi sta avendo un effetto negativo sulla scoperta di nuovi farmaci e sullo sviluppo di vaccini [23]. Jura et al. ha dichiarato: “I modelli lineari basati sulla proporzionalità tra le variabili sono state comunemente applicate in biologia e medicina, ma in molti casi non descrivono correttamente le complesse relazioni degli organismi viventi e ora vengono sostituiti dalle teorie del caos deterministico non lineare” [75].

I sistemi viventi quali scimpanzé, topi ed esseri umani sono ovviamente esempi di sistemi complessi. Dovrebbe essere altrettanto evidente, quindi, perché l’estrapolazione tra specie sarà problematica: piccoli cambiamenti a livello genetico di un sistema vivente complesso possono avere ramificazioni attraverso il sistema che si traducono in differenze molto grandi tra le specie. In effetti, è questo che è l’evoluzione. L’affermazione che esseri umani e topi sono lo stesso animale vestito in modo diverso a livello biochimico [78], semplicemente non è vera. Inoltre, è irrilevante per indicare somiglianze osservate nel make-up genetico tra le specie, da quando i dettagli delle differenze sono nelle interazioni tra geni conservati, non negli stessi geni. E’ come se gli esseri umani e i ratti avessero una tastiera genetica comune su cui vengono suonati diversi brani fenotipici. Ciò che conta non è la somiglianza riguardo la tastiera, ma le differenze rispetto all’ordine e ai tempi della pressione sui tasti [19,81].

Per ulteriori informazioni su complessità e ricerca biomedica vedere i seguenti riferimenti [23,67,75,76,79,82-85].

Differenze interspecifiche

Gli animali vengono spesso utilizzati per predire la risposta umana ai farmaci e alle malattie. Sapendo che tutti gli animali sono esempi di sistemi complessi e che anche i singoli esseri umani rispondono in modo diverso, non è sorprendente che i modelli animali non riescano a svolgere questa funzione [19,86]. Gli scienziati di e fuori della farmaceutica lo riconoscono ed esprimono preoccupazione, ma forse i più preoccupati sono stati proprio la farmaceutica e le agenzie di regolazione [19,21,86-120,306]. Alan Oliff, ex direttore esecutivo per la ricerca sul cancro a Merck Research Laboratories nel West Point, Pennsylvania, USA, nel 1997 ha dichiarato: “Il problema fondamentale nella scoperta del farmaco per il cancro è che le i modelli [animali] non sono assolutamente predittivi” [99 ].

Lungo linee analoghe, nel 2006, l’allora Segretario della Sanità e Servizi Umani Mike Leavitt ha dichiarato: “Attualmente, nove farmaci sperimentali su dieci falliscono negli studi clinici, perché non possiamo prevedere con precisione come si comporteranno nelle persone sulla base degli studi di laboratorio e animali” [306].
Molti analisti oggi credono che l’industria farmaceutica sia in uno stato di crisi. L’industria farmaceutica è stata a lungo basata sul blockbuster, ma nuovi farmaci blockbuster semplicemente non si profilano all’orizzonte. La ricerca di nuovi farmaci è un affare rischioso e costoso. Le stime circa il costo di sviluppo di un nuovo composto farmaceutico varia da un minimo di 800 milioni di dollari a quasi 2 miliardi di dollari, sulla base di una linea temporale ottimale di 10-12 anni [88]. Tutto questo sta avvenendo in un momento in cui la conduttura di nuove molecole si sta prosciugando e i brevetti sono in scadenza. Il settore farmaceutico non può permettersi di perdere ciò che altrimenti sarebbero farmaci buoni per gli esseri umani a causa della mancanza di efficacia o tossicità nei modelli animali [307]. La ricerca di un nuovo farmaco candidato inizia in genere con uno screening ad alta capacità di 5000-10,000 entità chimiche promettenti, successivamente ridotta a un pool di poche centinaia di composti che entreranno in laboratorio di preclinica e sperimentazione animale. Di questi composti unici, meno di 10, in media, mostreranno un potenziale sufficiente a qualificarsi per la fase I della sperimentazione sull’uomo per stabilire la sicurezza di base [308]. Anche così, molti nuovi farmaci candidati che promettono in laboratorio e addirittura dalle prime prove eseguite sull’uomo falliscono negli studi clinici in fase avanzata.
La fase clinica dello sviluppo di farmaci è in assoluto la parte più costosa dell’intero processo, che rappresenta l’80% del costo totale. Tuttavia, a parte il costo finanziario significativo per il produttore farmaceutico c’è anche un grande onere della salute pubblica in termini di reazioni avverse al farmaco, che ora sono una causa importante di morbilità e di morte nei paesi sviluppati [121]. Le prove di sicurezza di tutti i nuovi farmaci si basa fortemente sugli studi di tossicità , che hanno portato ad una crescente preoccupazione scientifica sul potere predittivo dei modelli animali [19,86,122-124]. Molti farmaci efficaci sono stati eliminati dai test sugli animali. Circa l’11% di tutte le nuove entità chimiche in fase di sviluppo clinico vengono eliminate a causa di tossicità negli animali [125,126]. Nonostante tutti i costosi test preclinici, un composto che entra nella Fase I degli studi clinici umani ha solo una probabilità dell’8% di raggiungere il mercato [127]. Quando un farmaco candidato ha completato il processo di ottimizzazione principale, vi è ancora una possibilità del 99,8% che non verrà commercializzato [128]. Il fallimento di eliminare i costi di farmaci inefficaci o tossici costa denaro, ma forse non così tanto come l’incapacità di riconoscere quelli efficaci. L’NCI ha dichiarato che la società potrebbe aver perso cure per il cancro a causa del modello animale [99]. McGee ha affermato: “Dixit usa una variante di una frase famosa immobiliare per spiegare ciò che gli scienziati stanno cercando: previsione, previsione, la previsione è la chiamata di tutti, il desiderio di tutti. Tutti noi vogliamo prevedere la sicurezza e l’efficacia presto in modo da avere fallimenti in numero sempre minore di in in modo da poter ridurre i costi di sviluppo dei farmaci. Non è il costo di sviluppo di un farmaco di successo, è il costo di avere farmaci senza successo ” [109].
Le seguenti due osservazioni, fatte da funzionari governativi e normativi, suggeriscono che queste cifre preoccupanti siano in realtà un riconoscimento dello status quo. Una recensione dell’FDA statunitense sulla tossicologia ha affermato nel 1998 che “La maggior parte dei test sugli animali che accettiamo non sono mai stati validati. Si sono evoluti nel corso degli ultimi 20 anni e alla FDA fa comodo “[Menache A, pers. Comm.]. Dall’altra parte dell’Atlantico, parole simili sono state riprese dall’Ufficio del Ministro nel Regno Unito nel 2004, che riconobbe l’accettazione dello status quo quando dichiarando che il governo britannico “non ha commissionato o valutato nessuna ricerca esplicita sull’efficacia della sperimentazione animale e … non prevede di farlo” [309].

Profonde interspecificità, come pure le differenze interspecifiche sono state rivelate per l’assorbimento [129-134], la distribuzione [107135], il metabolismo [136-146], l’eliminazione [147148], e la tossicità [38,88,127,134,149-157]. Nell’insieme, l’assorbimento, la distribuzione, il metabolismo, l’eliminazione e la tossicità sono denominati ADMET. Di seguito alcuni esempi specifici:

Litchfield ha condotto uno studio nel 1962 confrontando la tossicità negli esseri umani con la tossicità in ratti e cani. Ha studiato sei farmaci per 39 segni fisici nelle tre specie. Egli ha riferito che gli effetti tossici che si sono verificati nei ratti solo raramente sono stati osservati negli esseri umani e che le tossicità osservate nei
cani si sono verificatei solo un po ‘più frequentemente negli esseri umani, mentre quelli che si sono verificati in entrambi ratti e cani ha mostrato una concordanza di circa 70% (sensibilità significativa) con gli esseri umani [158]. I valori predittivi positivi sono elencati nella Tabella 2.

Suter ha confrontato i test dei fallimenti dell’ergoloide mesilato, della bromocriptina, del ketotifene, della ciclosporina, dell’FK 33-824 e della clozapina per la tossicità negli animali e nell’uomo. La sensibilità per la tossicità per i test era di 0,52 e il valore predittivo positivo era 0,31 [159]. Risultati simili sono stati ottenuti da altri studi [152,160-165]. Numerosi scienziati hanno anche commentato la mancanza della capacità predittiva del modello animale nello sviluppo di farmaci [166167], compresi gli studi cancerogeni [168,169]. Ad esempio, Salsburg ha commentato: “Così il tempo impiegato a condurre uno studio in topi e ratti sembra avere meno di un 50% di probabilità di trovare sull’uomo sostanze cancerogene note. Sulla base della teoria della probabilità, avremmo fatto meglio a lanciare una moneta … [168].

Fourches et al. ha analizzato gli abstract di PubMed per 1061 composti noti che causano epatotossicità nell’uomo e ha scoperto che la concordanza tra le specie è stata di circa il 39-44% [170]. Uno studio di 23 prodotti chimici ha rivelato che solo quattro sono stati metabolizzati sia nell’uomo e sia nei ratti [139]. Sietsema, ha studiato 400 farmaci e confrontato la biodisponibilità orale negli esseri umani con tre altre specie (Figure 3-5) [171]. Sietsema ha concluso: “Ciascuno degli appezzamenti è davvero niente di più di un diagramma di dispersione.”

L’efficacia predittiva é un problema anche per i modelli animali. Littman e la Williams del Pfizer [89], scrivendo su come utilizzare gli esseri umani come modelli per altri umani, nel 2005 ha dichiarato: “Ci sono molti esempi di farmaci che erano in vigore in modelli standard delle malattie degli animali, ma che non avevano effetto nelle malattie umane. I modelli di xenotrapianto dei tumori sono un ottimo esempio.”Johnson et al. ha riferito nel 2001 che su 39 farmaci antitumorali testati su topi trapiantati, solo 1 aveva imitato la risposta nell’uomo” [172].

Browne e Taylor riassumono sinteticamente il problema : “La percentuale di fallimento prima dell’immissione sul mercato di farmaci candidati è stato misurato e rimisurato da diversi punti di vista, ma porta sempre alla conclusione inevitabile che il processo è inefficiente. Oltre il 50% dei fallimenti sono dovuti a mancanza di efficacia o tossicità inaspettata … Il tasso di fallimento è così alto – circa 1 farmaco candidato su 10 sopravvive dall’inizio dell’assunzione di valutazione clinica al lancio sul mercato, nonostante i costi e il tempo impegnato nello sviluppo del farmaco, farmaci approvati sono spesso stati ritirati dal mercato a causa di gravi reazioni avverse. Tra l’ottobre 1997 e settembre 1998, un certo numero di farmaci approvati dalla FDA sono stati ritirati, ma non prima di essere stati prescritti a 20 milioni di pazienti soltanto negli Stati Uniti” [92].

Figura 3. Un confronto tra la biodisponibilità assoluta di farmaci selezionati nel cane e nell’uomo. Riprodotto con il permesso di Dustri-Verlag, Inc. © [171].

Figura 4. Un confronto tra la biodisponibilità assoluta di farmaci selezionati nei roditori e nell’uomo.
Riprodotto con il permesso di Dustri-Verlag, Inc. © [171].

 

Le conseguenze delle differenze interspecifiche non si limitano al settore farmaceutico e/o allo studio dell’ADMET e della sua efficacia. I ricercatori universitari che studiano le proprietà dei farmaci o dei meccanismi della malattia incontrano anche i problemi di differenze interspecifiche durante l’utilizzo dei modelli animali [19]. Gli alleli che causano la sindrome di Sanfilippo e la fenilchetonuria (PKU) negli esseri umani non causano ritardo mentale nei macachi rhesus [173174]. Studiare ictus e emorragia cerebrale negli animali ha portato a molteplici trattamenti medici che hanno comportato un danno per gli esseri umani [175-178]. Gli animali transgenici non stanno producendo risultati migliori [115179180]. I topi trapiantati, che hanno tumori da tumori umani, non hanno funzionato per prevedere gli effetti umani di farmaci antitumorali. Sausville, allora direttore associato della divisione del trattamento del cancro e la diagnosi per il programma di sviluppo terapeutica presso l’NCI ha dichiarato: “Avevamo praticamente scoperto composti che erano buoni farmaci per topi piuttosto che buoni farmaci per l’uomo” [99].

Evoluzione

Complessità a parte, ci sono ragioni per aspettarsi dall’ evoluzione le differenze di cui sopra. Specie evolute con traiettorie diverse mostrano diverse risposte ai loro ambienti. Pressioni selettive hanno portato a geni diversi, gli stessi geni, ma con differenti SNP e variazioni del numero di copie, e anche nella diversa regolazione ed espressione dei geni stessi. Per esempio, gli esseri umani hanno perso 510 sequenze regolatrici di DNA che sono presenti, anzi vitali, in altri animali tra cui gli scimpanzé [181]. Zhang et al. ha identificato il gene Pax6 come un regolatore molto importante nello sviluppo del cervello umano. Esso reprime alcuni geni mentre ne attiva altri. Interessante notare che né i topi nè gli zebrafish non hanno bisogno del Pax6 per lo sviluppo cerebrale [182].
Numerosi studi hanno evidenziato differenze di espressione genica tra i primati non umani [183-185]. Pai et al. hanno studiato il meccanismo epigenetico della metilazione per modificare il DNA al fine di valutare i cambiamenti nella regolazione dei geni tra esseri umani e scimpanzé. Essi affermano: “In particolare, si stima che, nei tessuti che abbiamo studiato, differenze interspecifiche nella metilazione del promotore potrebbe essere alla base tanto quanto il 12-18% delle differenze di espressione genica dei livelli tra gli esseri umani e scimpanzé” [186].L’espressione genica intra e interspecifica varia notevolmente negli esseri umani [187-190] e negli animali [191-194].

Figura 5. Un confronto della biodisponibilità assoluta orale di farmaci selezionati in primati ed esseri umani.
Riprodotto con il permesso di Dustri-Verlag, Inc. © [171].

Coleman ha confrontato i profili di espressione genica per la CFTR nei tessuti di esseri umani e topi (Figura 6) [195]. Ha osservato un’ampia variazione. Nowick et al. ha confrontato l’espressione di geni per fattori di trascrizione nei tessuti umani e degli scimpanzé e trovando differenze significative nel tessuto cerebrale [196]. Enard et al. hanno confrontato i trascrittomi e gli schemi di espressione delle proteine di esseri umani, scimpanzée orango per i tessuti del cervello e i tessuti dal fegato. Hanno inoltre esaminato i tessuti provenienti da tre specie di roditori strettamente connesse. Enard et al. commenta: “I nostri risultati mostrano che il gran numero di cambiamenti quantitativi dell’espressione genica possono essere rilevati tra i mammiferi strettamente correlati. Essi inoltre suggeriscono che tali cambiamenti sono stati particolarmente pronunciati durante la recente evoluzione del cervello umano. Le ragioni alla base delle differenze di espressione possono essere molteplici, per esempio, duplicazioni e delezioni di geni, i cambiamenti promotore, cambiamenti nei livelli di fattori di trascrizione e le variazioni nella composizione cellulare dei tessuti” [197].

Moser et al. hanno scoperto ch
e i geni coinvolti nella sintesi della plasmalogeni sono stati espressi in modo diverso in vari tessuti di uomo e scimpanzé [198]. Sun et al. hanno scoperto che i profili di espressione genica di miRNA per le cellule staminali embrionali sono stati generalmente conservati tra gli esseri umani, topi e macachi rhesus, ma hanno anche scoperto differenze di espressione genica nel profilo di tre gruppi di miRNA [199]. Dere et al. hanno studiato i profili di espressione genica dell’ HepG2 umano, Hepa1c1c7 de topo e H4IIE cellule H4IIE di epatoma del ratto dopo l’esposizione a 2,3,7,8-tetraclorodibenzo-p-diossina (TCDD) ed ha trovato differenze significative [200]. Anche i diversi ceppi di topi sono stati rivelati per avere diversi profili di espressione genica [201].

Per quanto riguarda tutto quanto sopra, si deve rilevare che i geni lavorano in reti che sono esse stesse sistemi complessi e che formano parti di insiemi che sono anche sistemi complessi. Per Goodwin, supponendo una rete di 100geni con ogni gene spento o acceso, allora il numero di stati che la rete può avere è 2100. Se la rete procede in ogni stato in qualche sequenza e rimane in quello stato per un microsecondo, ci vorrebbero miliardi di miliardi di anni per ottenere tutti gli stati. Gli esseri umani hanno circa 20.000 geni che possono essere espressi tra 0 e 1,0 dando un numero di stati pari ad almeno 220.000 [85]. Questo dovrebbe dare un’idea della complessità del sistema e perché piccole variazioni possono avere implicazioni enormi.

Figura 6. Profilo di espressione genica basata sulla tecnologia gene-chip per l’espressione relativa del CFTR in 21 tipi di tessuti umani (blu) e murini (rosa).
Riprodotto con il permesso di Elsevier © [195].

Anche quando un modello animale produce la stessa risposta alla perturbazione del sistema di un umano, ciò non garantisce prevedibilità. I meccanismi che producono il risultato possono variare. Ciò è dimostrato dall’ evoluzione convergente, il fatto che lo stesso risultato può essere ottenuto tramite differenti percorsi evolutivi. Ad esempio, l’occhio del polpo e e dell’umano si è evoluto lungo percorsi separati, così come le ali degli uccelli e dei pipistrelli. Le proteine antigelo in due specie di pesci di acqua fredda , il merluzzo artico e il notothenioids antartico, sono simili ma si sono evoluti separatamente [202]. Evoluzione indipendente ha anche portato a diverse rane, tritoni e pesci che utilizzano la tetrodotossina dei batteri per bloccare i canali del sodio nelle loro prede o nemici. Tuttavia, questi animali si sono evoluti con mutazioni nei geni tali che codificano i canali del sodio affinché gli stessi canali resistano alla tossina [203.204.310].
Numerosi studi pubblicati illustrano le molteplici differenze tra le specie che hanno un impatto sulla previsione risposta ai farmaci e alle malattie [98,130,205-211,311]. Le ragioni storicamente date per le differenze tra animali ed esseri umani possono essere visti nel Box 3. Un elenco più attuale delle differenze tra le specie si può vedere nel Box 4. Il Box 3 elenca empiricamente le differenze derivanti tra le specie, mentre il Box 4 spiega queste differenze in maniera più ampia. Molte delle differenze

illustrate nel Box 3 potrebbero essere superate data la motivazione adeguata. La ragione per cui i modelli animali non riusciranno a predire la risposta umana non è per le ragioni esposte nel Box 3, ma per le ragioni della base dell’evoluzione applicata a sistemi complessi che sono descritti nel Box 4. Coordinare i programmi di dosaggio dei farmaci tra modelli animali ed esseri umani non risolve il problema che gli animali e gli umani sono sistemi complessi con differenti traiettorie evolutive. La semplice sostituzione di un gene in un modello animale non annulla altri fattori, indicati nei Box 2 e 4, che influenzano la risposta di farmaci e malattie. Le differenze tra i sistemi complessi sono di gran lunga superiori alla presenza oall’assenza di uno o più geni, o le differenze tra l’alimentazione o la posologia, o altre differenze che possono essere meglio descritte come superficiali.
Un esempio appropriato potrebbe essere trovato in un sistema semplice, vale a dire il tentativo di costruire una macchina che scarica più energia utile di quanta ne consuma. Ogni tentativo del genere può essere criticato sulla base dei componenti, il modo in cui interagiscono, e il fatto che sono state fatti errori di natura matematica. Ma la critica reale di una simile ricerca sta nella seconda legge della termodinamica. Una macchina del genere non è semplicemente impossibile e, mentre tutti i tentativi di costruirne una possono esser criticati su vari e diversi livelli e per ragioni varie e diverse, in ultima analisi, anche se sono state affrontate tutte le ragioni, la ricerca non funziona comunque.
A causa delle differenze tra i sistemi complessi evoluti di cui sopra, non dovrebbe esserre sorprendente che il passaggio dalle scoperte sugli animali per la ricerca clinica (medicina traslazionale) è stato molto difficile [212-218]. Questo è stato affrontato dall’attuale direttore dell’NIH Francis Collins, nella sua proposta per il Centro Nazionale per l’avanzamento della Scienza traslazionale (NCATS) [219]. E ‘stato anche affrontato dall’azione congiunta dell’NIH e della FDA Critical Path Initiative [220]. Anche se entrambe queste iniziative enfatizzano il fallimento del modello animale e la necessità della ricerca basata sull’uomo riteniamo che non vadano abbastanza lontano nel abbandonare i modelli animali quando vengono usati per predire la risposta umana ai farmaci e alle malattie. Piuttosto che tentare di migliorare i modelli animali, incoraggiamo l’ FDA, l’NIH e la comunità scientifica in generale, ad abbracciare la scienza che vuole la medicina personalizzata e riconosce le implicazioni di questa scienza per i modelli animali.

Conclusioni

L’uso di animali come modelli umani per la ricerca di farmaci e malattie ignora quegli stessi principi su cui si basa la medicina personalizzata. La scienza è passata dal pensare che tutti i mammiferi fossero variazioni dello stesso tema (creation based) a riconoscere che perfino gli individui che avevano lo stesso zigote potevano avere importanti differenze genetiche. Concludiamo che i concetti che sorreggono la medicina personalizzata dovrebbero essere estesi alla ricerca medica in generale, e quella umana ricerca dovrebbe essere il mezzo principale per ottenere dati su malattie umane e risposta ai farmaci.

Prospettiva futura

Se gli scienziati sono sinceri circa la realizzazione della ricerca medica con l’obiettivo di che siano gli esseri umani i beneficiari, allora dovrebbero smettere immediatamente di usare gli animali come modelli predittivi per le reazioni umane ai farmaci e alle malattie. L’l’NIH e altre organizzazioni di finanziamento dovrebbero prendere in considerazione il trasferimento di il finanziamento attuale che sta andando agli animali come modelli predittivi per la salute umana verso una ricerca che sia coerente con il concetto di medicina personalizzata. Ciò comprende lo sviluppo della predittività della ADMET umano e le prove di efficacia studiando malattie sia nell’uomo sia nei tessuti ottenuti da esseri umani sviluppando software che aiutino queste ricerche e in generale seguendo i principi scientifici che sono stati stabiliti per avanzare il campo della medicina personalizzata.

Riferimenti

Papers of special note have been highlighted as: ▪ of interest ▪
of considerable interest

1 . Willyard C. Blue’s clues. Nat. Med.13(11),1272–1273 (2007). [CrossRef] [Medline] [CAS]
2 . Weinshilboum R. Inheritance and drug response. N. Engl. J. Med.348(6),529–537 (2003). [CrossRef] [Medline]
3 . Zhuang H, Chien M-S, Matsunami H. Dynamic functional evolution of an odorant receptor for sex-steroid-derived odors in primates. Proc. Natl Acad. Sci.106(50),21247–21251 (2009). [CrossRef] [Medline] [CAS]
4 . Roses AD. Pharmacogenetics and the practice of medicine. Nature405(6788),857–865 (2000). [CrossRef] [Medline] [CAS]
5 . Kaiser J. Gender in the pharmacy: does it matter? Science308(5728),1572 (2005). [CrossRef] [Medline] [CAS]
6 . Macdonald JS. Vive la difference: sex and fluorouracil toxicity. J. Clin. Oncol.20(6),1439–1441 (2002). [Medline]
7 . Gregor Z, Joffe L. Senile macular changes in the black African. Br. J. Ophthalmol.62(8),547–550 (1978). [CrossRef] [Medline] [CAS]
8 . Cheung DS, Warman ML, Mulliken JB. Hemangioma in twins. Ann. Plast. Surg.38(3),269–274 (1997). [CrossRef] [Medline] [CAS]
9 . Couzin J. Cancer research. Probing the roots of race and cancer. Science315(5812),592–594 (2007). [CrossRef] [Medline] [CAS]
10 . Spielman RS, Bastone LA, Burdick JT, Morley M, Ewens WJ, Cheung VG. Common genetic variants account for differences in gene expression among ethnic groups. Nat. Genet.39(2),226–231 (2007). [CrossRef] [Medline] [CAS]
11 . Couzin J. Human genetics. In Asians and whites, gene expression varies by race. Science315(5809),173–174 (2007). [CrossRef] [Medline] [CAS]
12 . Holden C. Sex and the suffering brain. Science308(5728),1574 (2005). [CrossRef] [Medline] [CAS]
13 . Simon V. Wanted: women in clinical trials. Science308(5728),1517 (2005). [CrossRef] [Medline] [CAS]
14 . Carey LA, Perou CM, Livasy CA et al. Race, breast cancer subtypes, and survival in the Carolina Breast Cancer Study. JAMA295(21),2492–2502 (2006). [CrossRef] [Medline] [CAS]
15 . Risch N. Dissecting racial and ethnic differences. N. Engl. J. Med.354(4),408–411 (2006). [CrossRef] [Medline] [CAS] 16 . Herscu P, Hoover TA, Randolph AG. Clinical prediction rules: new opportunities for pharma. Drug Discov. Today14(23–24),1143–1149 (2009). [CrossRef] [Medline]
17 . Wang D, Guo Y, Wrighton SA, Cooke GE, Sadee W. Intronic polymorphism in CYP3A4 affects hepatic expression and response to statin drugs. Pharmacogenomics J.11(4),274–286 (2011). [CrossRef] [Medline]
18 . Stamer UM, Stuber F. The pharmacogenetics of analgesia. Expert Opin. Pharmacother.8(14),2235–2245 (2007). [CrossRef] [Medline] [CAS]
19 . Shanks N, Greek R. Animal Models in Light of Evolution. Brown Walker, Boca Raton, FL, USA (2009).

▪▪ Very thorough review of the role of evolution in developing living complex systems and the implications for research using animal models.
20 . Kasowski M, Grubert F, Heffelfinger C et al. Variation in transcription factor binding among humans. Science328(5975),232–235 (2010). [CrossRef] [Medline] [CAS]
21 . Horrobin DF. Modern biomedical research: an internally self-consistent universe with little contact with medical reality? Nat. Rev. Drug Discov.2(2),151–154 (2003).

▪▪ Excellent article from a well-respected and qualified scientist summarizing the state of the industry and the role animal models have played.
[CrossRef] [Medline] [CAS]
22 . Pearson H. Surviving a knockout blow. Nature415(6867),8–9 (2002). [CrossRef] [Medline] [CAS]
23 . Van Regenmortel MH. Reductionism and complexity in molecular biology. Scientists now have the tools to unravel biological and overcome the limitations of reductionism. EMBO Rep.5(11),1016–1020 (2004).

▪ Addresses the differences between simple and complex systems and why these differences are important in research.
[CrossRef] [Medline] [CAS]
24 . Threadgill DW, Dlugosz AA, Hansen LA et al. Targeted disruption of mouse EGF receptor: effect of genetic background on mutant phenotype. Science269(5221),230–234 (1995). [CrossRef] [Medline] [CAS]
25 . Lecouter JE, Kablar B, Whyte PF, Ying C, Rudnicki MA. Strain-dependent embryonic lethality in mice lacking the retinoblastoma-related p130 gene. Development125(23),4669–4679 (1998). [Medline] [CAS]
26 . Nijhout HF. The importance of context in genetics. Am. Sci.91(5),416–423 (2003).
27 . Regenberg A, Mathews DJ, Blass DM et al. The role of animal models in evaluating reasonable safety and efficacy for human trials of cell-based interventions for neurologic conditions. J. Cereb. Blood Flow Metab.29(1),1–9 (2009). [CrossRef] [Medline]
28 . Rohan RM, Fernandez A, Udagawa T, Yuan J, D’amato RJ. Genetic heterogeneity of angiogenesis in mice. FASEB J.14(7),871–876 (2000). [Medline] [CAS]
29 . Lifsted T, Le Voyer T, Williams M et al. Identification of inbred mouse strains harboring genetic modifiers of mammary tumor age of onset and metastatic progression. Int. J. Cancer77(4),640–644 (1998). [CrossRef] [Medline] [CAS]
30 . Hunter KW, Broman KW, Voyer TL et al. Predisposition to efficient mammary tumor metastatic progression is linked to the breast cancer metastasis suppressor gene Brms1. Cancer Res.61(24), 8866–8872 (2001). [Medline] [CAS]
31 . Ramaswamy S, Ross KN, Lander ES, Golub TR. A molecular signature of metastasis in primary solid tumors. Nat. Genet.33(1),49–54 (2003). [CrossRef] [Medline] [CAS]
32 . Hunter K, Welch DR, Liu ET. Genetic background is an important determinant of metastatic potential. Nat. Genet.34(1),23–24; author reply 25 (2003). [CrossRef] [Medline] [CAS]
33 . Herzig M, Christofori G. Recent advances in cancer research: mouse models of tumorigenesis. Biochim. Biophys. Acta1602(2),97–113 (2002). [Medline] [CAS]
34 . Ingram DK, Jucker M. Developing mouse models of aging: a consideration of strain differences in age-related behavioral and neural parameters. Neurobiol. Aging20(2),137–145 (1999). [CrossRef] [Medline] [CAS]
35 . Raineri I, Carlson EJ, Gacayan R et al. Strain-dependent high-level expression of a transgene for manganese superoxide dismutase is associated with growth retardation and decreased fertility. Free Radic. Biol. Med.31(8),1018–1030 (2001). [CrossRef] [Medline] [CAS]
36 . Miklos GLG. The human cancer genome project – one more misstep in the war on cancer. Nat Biotechnol.23(5),535–537 (2005). [CrossRef] [Medline]
37 . Dorato M, Vodicinik M. The toxicological assessment of pharmaceutical and biotechnology products. In: Principles and Methods of Toxicology (4th Edition). Hayes A (Ed.). Taylor & Francis NY, USA, 243–283 (2001).
38 . Dixit R, Boelsterli U. Healthy animals and animal models of human disease(s) in safety assessment of human pharmaceuticals, including therapeutic antibodies. Drug Discov. Today12(7–8),336–342 (2007). [CrossRef] [Medline] [CAS]
39 . Von Herrath M, Nepom GT. Remodeling rodent models to mimic human Type 1 diabetes. Eur. J. Immunol.39(8),2049–2054 (2009). [CrossRef] [Medline] [CAS]
40 . Javierre BM, Fernandez AF, Richter J et al. Changes in the pattern of DNA methylation associate with twin discordance in systemic lupus erythematosus. Genome Res.20(2),170–179 (2010). [CrossRef] [Medline] [CAS]
41 . Bruder CE, Piotrowski A, Gijsbers AA et al. Phenotypically concordant and discordant monozygotic twins display different DNA copy-number-variation profiles. Am. J. Hum. Genet.82(3),763–771 (2008). [CrossRef] [Medline] [CAS]
42 . Fraga MF, Ballestar E, Paz MF et al. Epigenetic differences arise during the lifetime of monozygotic twins. Proc. Natl Acad. Sci. USA102(30),10604–10609 (2005).

▪ Research with monozygotic twins reveals important genetic differences between them.
[CrossRef] [Medline] [CAS]
43 . Yucesoy B, Johnson VJ, Fluharty K et al. Influence of cytokine gene variations on immunization to childhood vaccines. Vaccine27(50),6991–6997 (2009). [CrossRef] [Medline] [CAS]
44 . King C. Personalised vaccines could protec
t all children. New Scientist (2737), 11 (2009). [CrossRef]
45 . Zuckerman JN. Review: hepatitis B immune globulin for prevention of hepatitis B infection. J. Med. Virol.79(7),919–921 (2007). [CrossRef] [Medline] [CAS]
46 . Caraco Y, Sheller J, Wood AJ. Pharmacogenetic determination of the effects of codeine and prediction of drug interactions. J. Pharmacol. Exp. Ther.278(3),1165–1174 (1996). [Medline] [CAS]
47 . Rofaiel S, Muo EN, Mousa SA. Pharmacogenetics in breast cancer: steps toward personalized medicine in breast cancer management. Pharmacogenomics Pers. Med.3,129–143 (2010). [CAS]
48 . Yates CR, Krynetski EY, Loennechen T et al. Molecular diagnosis of thiopurine S-methyltransferase deficiency: genetic basis for azathioprine and mercaptopurine intolerance. Ann. Intern. Med.126(8),608–614 (1997). [Medline] [CAS]
49 . Relling MV, Hancock ML, Rivera GK et al. Mercaptopurine therapy intolerance and heterozygosity at the thiopurine S-methyltransferase gene locus. J. Natl Cancer Inst.91(23),2001–2008 (1999). [CrossRef] [Medline] [CAS]
50 . Schaeffeler E, Fischer C, Brockmeier D et al. Comprehensive analysis of thiopurine S-methyltransferase phenotype–genotype correlation in a large population of German-Caucasians and identification of novel TPMT variants. Pharmacogenetics14(7),407–417 (2004). [CrossRef] [Medline] [CAS]
51 . Weiss ST, McLeod HL, Flockhart DA et al. Creating and evaluating genetic tests predictive of drug response. Nat. Rev. Drug Discov.7(7),568–574 (2008). [CrossRef] [Medline] [CAS]
52 . Li J, Di C, Mattox AK, Wu L, Adamson DC. The future role of personalized medicine in the treatment of glioblastoma multiforme. Pharmacogenomics Pers. Med.3,111–127 (2010). [CAS]
53 . Giusti B, Gori AM, Marcucci R, Saracini C, Vestrini A, Abbate R. Determinants to optimize response to clopidogrel in acute coronary syndrome. Pharmacogenomics Pers. Med.3,33–50 (2010). [CrossRef] [CAS]
54 . Dolgin E. Big pharma moves from ‘blockbusters’ to ‘niche busters’. Nat. Med.16(8),837–837 (2010). [Medline]
55 . Dieterle F, Sistare F, Goodsaid F et al. Renal biomarker qualification submission: a dialog between the FDA–EMEA and predictive safety testing consortium. Nat. Biotechnol.28(5),455–462 (2010). [CrossRef] [Medline] [CAS]
56 . Shi L, Jones WD, Jensen RV et al. The balance of reproducibility, sensitivity, and specificity of lists of differentially expressed genes in microarray studies. BMC Bioinformatics9(Suppl. 9),S10 (2008). [CrossRef] [Medline]
57 . Tesch G, Amur S, Schousboe JT, Siegel JN, Lesko LJ, Bai JP. Successes achieved and challenges ahead in translating biomarkers into clinical applications. AAPS J.12(3),243–253 (2010). [CrossRef] [Medline]
58 . Hinman L, Spear B, Tsuchihashi Z et al. Drug-diagnostic codevelopment strategies: FDA and industry dialog at the 4th FDA/DIA/PHRMA/PWG/BIO Pharmacogenomics Workshop. Pharmacogenomics10(1),127–136 (2008). [Abstract]
59 . Pacanowski MA, Zineh I. Pharmacogenomic strategies in drug safety. Drug Discov. Today,1–8 (2011).
60 . Zineh I, Pacanowski M. Pharmacogenomics in the assessment of therapeutic risks versus benefits: inside the United States Food and Drug administration. Pharmacotherapy31(8),729–735 (2011). [CrossRef] [Medline] [CAS]
61 . Futuyma D. Evolutionary Biology (3rd Edition). Sinauer Associates, Sunderland, MA, USA (1998).
62 . Bernard C. An Introduction to the Study of Experimental Medicine. Dover, NY, USA (1957).
63 . Lafollette H, Shanks N. Animal experimentation: the legacy of Claude Bernard. Int. Studies Philosophy Science8(3),195–210 (1994). [CrossRef]
64 . Mayr E. What Evolution Is. Basic Books, NY, USA (2002).

▪ Excellent text describing evolutionary concepts needed to understand the animal model problem.
65 . Alm E, Arkin AP. Biological networks. Curr. Opin. Struct. Biol.13(2),193–202 (2003). [CrossRef] [Medline] [CAS]
66 . Ottino JM. Engineering complex systems. Nature427(6973),399 (2004). [CrossRef] [Medline] [CAS]
67 . Sole R, Goodwin B. Signs of Life: How Complexity Pervades Biology. Basic Books, NY, USA (2002).

▪ Excellent introduction to topic of adaptive complex systems.
68 . Kauffman SA. The Origins of Order: Self-Organization and Selection in Evolution. Oxford University Press, Oxford, UK (1993).
69 . Csete ME, Doyle JC. Reverse engineering of biological complexity. Science295(5560),1664–1669 (2002). [CrossRef] [Medline] [CAS]
70 . Kitano H. Computational systems biology. Nature420(6912),206–210 (2002). [CrossRef] [Medline] [CAS]
71 . Kitano H. Systems biology: a brief overview. Science295(5560),1662–1664 (2002). [CrossRef] [Medline] [CAS]
72 . Kitano H. A robustness-based approach to systems-oriented drug design. Nat. Rev. Drug Discov.6(3),202–210 (2007). [CrossRef] [Medline] [CAS]
73 . Morange M. The Misunderstood Gene. Harvard University Press, Cambridge, MA, USA (2001).
74 . Morange M. A successful form for reductionism. Biochemist23,37–39 (2001).
75 . Jura J, Wegrzyn P, Koj A. Regulatory mechanisms of gene expression: complexity with elements of deterministic chaos. Acta Biochim. Pol.53(1),1–10 (2006). [Medline] [CAS]
76 . Ahn AC, Tewari M, Poon CS, Phillips RS. The limits of reductionism in medicine: could systems biology offer an alternative? PLoS Med.3(6),e208 (2006). [CrossRef] [Medline]
77 . Novikoff AB. The concept of integrative levels and biology. Science101(2618),209–215 (1945). [CrossRef] [Medline] [CAS]
78 . Cairns-Smith AG. Seven Clues to the Origin of Life: A Scientific Detective Story. Cambridge University Press, Cambridge, UK (1986).
79 . Hanash S. Integrated global profiling of cancer. Nat. Rev. Cancer4(8),638–644 (2004). [CrossRef] [Medline] [CAS] 80 . Miska D. Biotech’s twentieth birthday blues. Nat. Rev. Drug Discov.2(3),231–233 (2003). [CrossRef] [Medline] [CAS] 81 . Greek R. Letter. Dogs, genes and drugs. American Scientist96(1),4 (2008).
82 . Regenmortel MHVV. Biological complexity emerges from the ashes of genetic reductionism. J. Mol. Recog.17(3),145–148 (2004). [CrossRef] [Medline]
83 . Schadt EE, Sachs A, Friend S. Embracing complexity, inching closer to reality. Sci. STKE2005(295),pe40 (2005). [CrossRef] [Medline]
84 . Morowitz HJ. The Emergence of Everything: How the World Became Complex. Oxford University Press, Oxford, UK (2002).
85 . Goodwin B. How the Leopard Changed Its Spots: The Evolution of Complexity. Princeton University Press, NJ, USA (2001).
86 . Shanks N, Greek R, Greek J. Are animal models predictive for humans? Philos. Ethics Humanit. Med.4(1),2 (2009).

▪ Brief summary of the problems with using animals as predictive models in drug and disease research.
[CrossRef] [Medline]
87 . The time is now. Nat. Rev. Drug Discov.4(8),613 (2005). [CrossRef] [Medline]
88 . Sarkar SK. Molecular imaging approaches. Drug Discov. World (Fall),33–38 (2009).
89 . Littman BH, Williams SA. The ultimate model organism: progress in experimental medicine. Nat. Rev. Drug Discov.4(8),631–638 (2005).

▪ Addresses the need for more human data.
[CrossRef] [Medline] [CAS]
90 . Gao W, Johnston JS, Miller DD, Dalton JT. Interspecies differences in pharmacokinetics and metabolism of S-3-(4-acetylamino-phenoxy)-2-hydroxy-2-methyl-N-(4-nitro-3-trifluoromethy lphenyl)-propionamide: the role of N-acetyltransferase. Drug Metab. Dispos.34(2),254–260 (2006). [CrossRef] [Medline] [CAS]
91 . Hamburg MA. Advancing regulatory science. Science331(6020),987 (2011). [CrossRef] [Medline]
92 . Browne LJ, Taylor LL. Predictive chemoinformatics: applications to the pharmaceutical industry. Drug Discov. World (Fall),71–77 (2002).
93 . Van Der Worp HB, Howells DW, Sena ES et al. Can animal models of disease reliably inform human studies? PLoS Med.7(3),e1000245 (2010). [CrossRef] [Medline]
94 . Greek R, Pound P. Animal studies and HIV research. BMJ324(7331),236–237 (2002). [CrossRef] [Medline]
95 . Pound P, Ebrahim S, Sandercock P, Bracken MB, Roberts I. Where is the evidence that animal research benefits humans? BMJ328(7438),514–517 (2004). [CrossRef] [Medline]
96 . Hackam DG. Translating animal research into clinical benefit. BMJ334(7586),163–164 (2007). [CrossRef] [Medline] 97 . Hackam DG, Redelmeier DA. Translation of research evidence from animals to humans. JAMA296(14),1731–1732 (2006). [CrossRef] [Medline] [CAS]
98 . Perel P, Roberts I, Sena E et al. Comparison of treatment effects between animal experiments and clinical trials: systematic review. BMJ334(7586),197 (2007). [CrossRef] [Medline] [CAS]
99 . Gura T. Cancer models: systems for identifying new drugs are often faulty. Science278(5340),1041–1042 (1997). [CrossRef] [Medline] [CAS]
100 . Curry SH. Why have so many drugs with stellar results in laboratory stroke models failed in clinical trials? A theory based on allometric relationships. Ann. NY Acad. Sci.993,69–74; discussion 79–81 (2003). [CrossRef] [Medline] [CAS] 101 . Lafollette H, Shanks N. Animal models in biomedical research: some epistemological worries. Public Aff. Q.7(2),113–130 (1993). [Medline]
102 . Lafollette H, Shanks N. Two models of models in biomedical research. Philosophical Quarterly49(179),141–160 (1995). [CrossRef]
103 . Lafollette H, Shanks N. Brute Science: Dilemmas of Animal Experimentation. Routledge, London, UK (1996).
104 . Shanks N, Greek R. Experimental use of nonhuman primates is not a simple problem. Nat. Med.14(10),807–808 (2008). [CrossRef]
105 . Chabner BA, Roberts TG Jr. Timeline: chemotherapy and the war on cancer. Nat. Rev. Cancer5(1),65–72 (2005). [CrossRef] [Medline] [CAS]
106 . Björquist P, Sartipy P, Strehl R, Hyllner J. Human ES cell derived functional cells as tools in drug discovery. Drug Discov. World (Winter), 17–24 (2007).
107 . Mahmood I. Can absolute oral bioavailability in humans be predicted from animals? A comparison of allometry and different indirect methods. Drug Metabol. Drug Interact.16(2),143–155 (2000). [CrossRef] [Medline] [CAS]
108 . Palfreyman MG, Charles V, Blander J. The importance of using human-based models in gene and drug discovery. Drug Discov. World (Fall), 33–40 (2002).
109 . McGee P. Breeding better animal models. Drug Discov. Dev. (April), 18–23 (2006).
110 . Zielinska E. Building a better mouse. Scientist24(4),34–38 (2010).
111 . M.E. In this issue. Models that better mimic human cancer. Nat. Biotechnol.28(1),vii (2010).
112 . Horrobin DF. Realism in drug discovery – could Cassandra be right? Nat. Biotech.19(12),1099–1100 (2001). [CrossRef] [Medline] [CAS]
113 . Kola I, Landis J. Can the pharmaceutical industry reduce attrition rates? Nat. Rev. Drug Discov.3(8),711–715 (2004). [CrossRef] [Medline] [CAS]
114 . Paul SM, Mytelka DS, Dunwiddie CT et al. How to improve R&D productivity: the pharmaceutical industry’s grand challenge. Nat. Rev. Drug Discov.9(3),203–214 (2010). [Medline] [CAS]
115 . Van Zutphen LF. Is there a need for animal models of human genetic disorders in the post-genome era? Comp. Med.50(1),10–11 (2000). [Medline] [CAS]
116 . Wall RJ, Shani M. Are animal models as good as we think? Theriogenology69(1),2–9 (2008). [CrossRef] [Medline] [CAS]
117 . Learning from failure. Nat. Rev. Drug Discov.9(7),499 (2010). [CrossRef] [Medline]
118 . Blennow K, De Leon MJ, Zetterberg H. Alzheimer’s disease. Lancet368(9533),387–403 (2006). [CrossRef] [Medline] [CAS]
119 . Hampel H, Frank R, Broich K et al. Biomarkers for Alzheimer’s disease: academic, industry and regulatory perspectives. Nat. Rev. Drug Discov.9(7),560–574 (2010). [CrossRef] [Medline] [CAS]
120 . Shah RR. Pharmacogenetics in drug regulation: promise, potential and pitfalls. Philos. Trans. R. Soc. Lond. B. Biol. Sci.360(1460),1617–1638 (2005). [CrossRef] [Medline] [CAS]
121 . Lazarou J, Pomeranz BH, Corey PN. Incidence of adverse drug reactions in hospitalized patients: a meta-analysis of prospective studies. JAMA279(15),1200–1205 (1998). [CrossRef] [Medline] [CAS]
122 . Greek R, Greek J. Is the use of sentient animals in basic research justifiable? Philos. Ethics Humanit. Med.5,14 (2010). [CrossRef] [Medline]
123 . Greek R, Shanks N. FAQs About the Use of Animals in Science: A handbook for the scientifically perplexed. University Press of America, MD, USA (2009).
124 . Shanks N, Greek R, Nobis N, Greek J. Animals and medicine: do animal experiments predict human response? Skeptic13(3),44–51 (2007).
125 . Wang J, Urban L. The impact of early ADME profiling on drug discovery and development strategy. Drug Discov. World5(Fall),73–86 (2004).
126 . Kennedy T. Managing the drug discovery/development interface. Drug Discov. Tech.2,436–441 (1997). [CrossRef] 127 . Sankar U. The delicate toxicity balance in drug discovery. Scientist19(15),32 (2005).
128 . European Commission. Innovative Medicines Initiative: Better Tools for Better Medicines. Office for Official Publications of the European Communities, Luxembourg (2008).
129 . Gad S. Preface. In: Animal Models in Toxicology. Gad S (Ed.). CRC Press, Boca Rotan, FL, USA, 1–18 (2007).
130 . Calabrese EJ. Principles of Animal Extrapolation. CRC Press, Boca Rotan, FL, USA (1991).
131 . Shah VP, Flynn GL, Guy RH et al. Workshop report on in vivo percutaneous penetration/absorption. Washington D.C., May 1–3, 1989. Skin Pharmacol.4(3),220–228 (1991). [CrossRef] [Medline]
132 . Barber ED, Teetsel NM, Kolberg KF, Guest D. A comparative study of the rates of in vitro percutaneous absorption of eight chemicals using rat and human skin. Fundam. Appl. Toxicol.19(4),493–497 (1992). [CrossRef] [Medline] [CAS]
133 . Scott RC, Batten PL, Clowes HM, Jones BK, Ramsey JD. Further validation of an in vitro method to reduce the need for in vivo studies for measuring the absorption of chemicals through rat skin. Fundam. Appl. Toxicol.19(4),484–492 (1992). [CrossRef] [Medline] [CAS]
134 . Semler DE. The rat: toxicology. In: Animal Models in Toxicology. Gad SC, Chengelis CP (Eds). Dekker, NY, USA 21–76 (1992).
135 . Fox JG, Thibert P, Arnold DL, Krewski DR, Grice HC. Toxicology studies. II. The laboratory animal. Food Cosmet. Toxicol.17(6),661–675 (1979). [CrossRef] [Medline] [CAS]
136 . Paxton JW. The allometric approach for interspecies scaling of pharmacokinetics and toxicity of anti-cancer drugs. Clin. Exp. Pharmacol. Physiol.22(11),851–854 (1995). [CrossRef] [Medline] [CAS]
137 . Parkinson C, Grasso P. The use of the dog in toxicity tests on pharmaceutical compounds. Hum. Exp. Toxicol.12(2),99–109 (1993). [CrossRef] [Medline] [CAS]
138 . Abelson PH. Exaggerated carcinogenicity of chemicals. Science256(5064),1609 (1992). [CrossRef] [Medline] [CAS] 139 . Smith RL, Caldwell J. Drug metabolism in non-human primates. In: Drug Metabolism – From Microbe To Man. Parke DV, Smith RL (Eds). Taylor & Francis, London, UK, 331–356 (1977).
140 . Walker RM, McElligott TF. Furosemide induced hepatotoxicity. J. Pathol135(4),301–314 (1981). [CrossRef] [Medline] [CAS]
141 . Weatherall M. An end to the search for new drugs? Nature296,387–390 (1982). [CrossRef]
142 . Bonati M, Latini R, Tognoni G, Young JF, Garattini S. Interspecies comparison of in vivo caffeine pharmacokinetics in man, monkey, rabbit, rat, and mouse. Drug Metab. Rev.15(7),1355–1383 (1984). [CrossRef] [Medline] [CAS]
143 . Capel ID, French MR, Millburn P, Smith RL, Williams RT. Species variations in the metabolism of phenol. Biochem. J.127(2),25P–26P (1972). [Medline] [CAS]
144 . Capel ID, French MR, Millburn P, Smith RL, Williams RT. The fate of (14C)phenol in various species. Xenobiotica2(1),25–34 (1972). [CrossRef] [Medline] [CAS]
145 . Caldwell J. Problems and opportunities in toxicity testing arising from species differences in xenobiotic metabolism. Toxicol. Lett.64–65(Spec. No.),651–659 (1992). [CrossRef] [Medline] [CAS]
146 . Serrano D, Lazzeroni M, Zambon CF et
al. Efficacy of tamoxifen based on cytochrome P450 2D6, CYP2C19 and SULT1A1 genotype in the Italian Tamoxifen Prevention Trial. Pharmacogenomics J.11(2),100–107 (2011). [CrossRef] [Medline] [CAS]
147 . Sellers RS, Senese PB, Khan KN. Interspecies differences in the nephrotoxic response to cyclooxygenase inhibition. Drug Chem. Toxicol.27(2),111–122 (2004). [CrossRef] [Medline] [CAS]
148 . Walton K, Dorne JL, Renwick AG. Species-specific uncertainty factors for compounds eliminated principally by renal excretion in humans. Food Chem. Toxicol.42(2),261–274 (2004). [CrossRef] [Medline] [CAS]
149 . Hughes B. Industry concern over EU hepatotoxicity guidance. Nat. Rev. Drug Discov.7(9),719–719 (2008). [CrossRef] [Medline] [CAS]
150 . Weaver JL, Staten D, Swann J, Armstrong G, Bates M, Hastings KL. Detection of systemic hypersensitivity to drugs using standard guinea pig assays. Toxicology193(3),203–217 (2003). [CrossRef] [Medline] [CAS]
151 . Force T, Kolaja KL. Cardiotoxicity of kinase inhibitors: the prediction and translation of preclinical models to clinical outcomes. Nat. Rev. Drug Discov.10(2),111–126 (2011). [CrossRef] [Medline] [CAS]
152 . Eason CT, Bonner FW, Parke DV. The importance of pharmacokinetic and receptor studies in drug safety evaluation. Regul. Toxicol. Pharmacol.11(3),288–307 (1990). [CrossRef] [Medline] [CAS]
153 . Caponigro G, Sellers WR. Advances in the preclinical testing of cancer therapeutic hypotheses. Nat. Rev. Drug Discov.10(3),179–187 (2011). [CrossRef] [Medline] [CAS]
154 . Editors. In this issue. Nat. Rev. Drug Discov.10(4),239–239 (2011). [CrossRef]
155 . Leaf C. Why we are losing the war on cancer. Fortune, 9 March, 77–92 (2004).
156 . Park BK, Boobis A, Clarke S et al. Managing the challenge of chemically reactive metabolites in drug development. Nat. Rev. Drug Discov.10(4),292–306 (2011). [CrossRef] [Medline] [CAS]
157 . Gad S. Model Selection and Scaling. In: Animal Models in Toxicology, 2nd Edition (Drug and Chemical Toxicology). Gad S (Ed.). Informa Healthcare, NY, USA 831–862 (2006).
158 . Litchfield JT Jr. Symposium on clinical drug evaluation and human pharmacology. XVI. Evaluation of the safety of new drugs by means of tests in animals. Clin. Pharmacol. Ther.3,665–672 (1962). [Medline]
159 . Suter K. What can be learned from case studies? The company approach. In: Animal Toxicity Studies: Their Relevance for Man. Lumley C, Walker S (Eds). Quay, UK, 71–78 (1990).
160 . Fletcher AP. Drug safety tests and subsequent clinical experience. J. R. Soc. Med.71(9),693–696 (1978). [Medline] [CAS]
161 . Lumley C. Clinical toxicity: could it have been predicted? Premarketing experience. In: Animal Toxicity Studies: Their Relevance for Man. Lumley C, Walker S (Eds). Quay, Lancaster, UK, 49–56 (1990).
162 . SCRIP Reports. Spriet-Pourra C, Auriche M (Eds). PJB, NY, USA (1994).
163 . Heywood R. Clinical toxicity – could it have been predicted? Post-marketing experience. In: Animal Toxicity Studies: Their Relevance for Man. Lumley C, Walker S (Eds). Quay, Lancaster, UK, 57–67 (1990).
164 . Igarashi Y. Report from the Japanese Pharmaceutical Manufacturers Association 1994 Seiyakukyo data. (1994). 165 . Lin JH. Species similarities and differences in pharmacokinetics. Drug Metab. Dispos.23(10),1008–1021 (1995). [Medline] [CAS]
166 . Garattini S. Toxic effects of chemicals: difficulties in extrapolating data from animals to man. Crit. Rev. Toxicol.16(1),1–29 (1985). [CrossRef] [Medline] [CAS]
167 . Heywood R. Target organ toxicity II. Toxicol. Lett.18(1–2),83–88 (1983). [CrossRef] [Medline] [CAS]
168 . Salsburg D. The lifetime feeding study in mice and rats – an examination of its validity as a bioassay for human carcinogens. Fundam. Appl. Toxicol.3(1),63–67 (1983). [CrossRef] [Medline] [CAS]
169 . Tomatis L, Agthe C, Bartsch H et al. Evaluation of the carcinogenicity of chemicals: a review of the Monograph Program of the International Agency for Research on Cancer (1971 to 1977). Cancer Res.38(4),877–885 (1978). [Medline] [CAS]
170 . Fourches D, Barnes JC, Day NC, Bradley P, Reed JZ, Tropsha A. Cheminformatics analysis of assertions mined from literature that describe drug-induced liver injury in different species. Chem. Res. Toxicol.23(1),171–183 (2010). [CrossRef] [Medline] [CAS]
171 . Sietsema WK. The absolute oral bioavailability of selected drugs. Int. J. Clin. Pharmacol. Ther. Toxicol.27(4),179–211 (1989). [Medline] [CAS]
172 . Johnson JI, Decker S, Zaharevitz D et al. Relationships between drug activity in NCI preclinical in vitro and in vivo models and early clinical trials. Br. J. Cancer84(10),1424–1431 (2001). [CrossRef] [Medline] [CAS]
173 . Holmes B. Monkey genome springs surprise for human origins. New Scientist,15 (2007).
174 . Gibbs RA, Rogers J, Katze MG et al. Evolutionary and biomedical insights from the rhesus macaque genome. Science316(5822),222–234 (2007). [CrossRef] [Medline] [CAS]
175 . Schror K, Verheggen R. Use of human post-mortem cerebral blood vessels to study vasospasm. Trends Pharmacol. Sci.9(2),71–74 (1988). [CrossRef] [Medline] [CAS]
176 . Nakagomi T, Kassell NF, Sasaki T, Fujiwara S, Lehman RM, Torner JC. Impairment of endothelium-dependent vasodilation induced by acetylcholine and adenosine triphosphate following experimental subarachnoid hemorrhage. Stroke18(2),482–489 (1987). [CrossRef] [Medline] [CAS]
177 . Sacco RL, Derosa JT, Haley EC Jr et al. Glycine antagonist in neuroprotection for patients with acute stroke: GAIN Americas: a randomized controlled trial. JAMA285(13),1719–1728 (2001). [CrossRef] [Medline] [CAS]
178 . Plum F. Neuroprotection in acute ischemic stroke. JAMA285(13),1760–1761 (2001). [CrossRef] [Medline] [CAS] 179 . Van Zutphen LF. Focus on animal welfare. Comp. Med.51(2),110–111 (2001). [Medline] [CAS]
180 . Mepham TB, Combes RD, Balls M et al. The use of transgenic animals in the European Union: the report and recommendations of ECVAM Workshop 28. Altern. Lab. Anim.26(1),21–43 (1998). [Medline]
181 . Mclean CY, Reno PL, Pollen AA et al. Human-specific loss of regulatory DNA and the evolution of human-specific traits. Nature471(7337),216–219 (2011). [CrossRef] [Medline] [CAS]
182 . Zhang X, Huang CT, Chen J et al. Pax6 is a human neuroectoderm cell fate determinant. Cell Stem Cell7(1),90–100 (2010). [CrossRef] [Medline] [CAS]
183 . Lu ZX, Peng J, Su B. A human-specific mutation leads to the origin of a novel splice form of neuropsin (KLK8), a gene involved in learning and memory. Hum. Mutat.28(10),978–984 (2007). [CrossRef] [Medline] [CAS]
184 . Karaman MW, Houck ML, Chemnick LG et al. Comparative analysis of gene-expression patterns in human and African great ape cultured fibroblasts. Genome Res.13(7),1619–1630 (2003). [CrossRef] [Medline] [CAS]
185 . Marvanova M, Menager J, Bezard E, Bontrop RE, Pradier L, Wong G. Microarray analysis of nonhuman primates: validation of experimental models in neurological disorders. FASEB J.17(8),929–931 (2003). [Medline] [CAS]
186 . Pai AA, Bell JT, Marioni JC, Pritchard JK, Gilad Y. A genome-wide study of DNA methylation patterns and gene expression levels in multiple human and chimpanzee tissues. PLoS Genet.7(2),e1001316 (2011). [CrossRef] [Medline] [CAS]
187 . Morley M, Molony CM, Weber TM et al. Genetic analysis of genome-wide variation in human gene expression. Nature430(7001),743–747 (2004). [CrossRef] [Medline] [CAS]
188 . Rosenberg NA, Pritchard JK, Weber JL et al. Genetic structure of human populations. Science298(5602),2381–2385 (2002). [CrossRef] [Medline] [CAS]
189 . Storey JD, Madeoy J, Strout JL, Wurfel M, Ronald J, Akey JM. Gene-expression variation within and among human populations. Am. J. Hum. Genet.80(3),502–509 (2007). [CrossRef] [Medline] [CAS]
190 . Zhang W, Duan S, Kistner EO et al. Evaluation of genetic variation contributing to differences in gene expression between populations. Am. J. Hum. Genet.82(3),631–640 (
2008). [CrossRef] [Medline] [CAS]
191 . Pritchard C, Coil D, Hawley S, Hsu L, Nelson PS. The contributions of normal variation and genetic background to mammalian gene expression. Genome Biol.7(3),R26 (2006). [CrossRef] [Medline]
192 . Rifkin SA, Kim J, White KP. Evolution of gene expression in the Drosophila melanogaster subgroup. Nat. Genet.33(2),138–144 (2003). [CrossRef] [Medline] [CAS]
193 . Sandberg R, Yasuda R, Pankratz DG et al. Regional and strain-specific gene expression mapping in the adult mouse brain. Proc. Natl Acad. Sci. USA97(20),11038–11043 (2000). [CrossRef] [Medline] [CAS]
194 . Suzuki Y, Nakayama M. Differential profiles of genes expressed in neonatal brain of 129X1/SvJ and C57BL/6J mice: a database to aid in analyzing DNA microarrays using nonisogenic gene-targeted mice. DNA Res.10(6),263–275 (2003). [CrossRef] [Medline] [CAS]
195 . Coleman RA. Of mouse and man – what is the value of the mouse in predicting gene expression in humans? Drug Discov. Today8(6),233–235 (2002). [CrossRef]
196 . Nowick K, Gernat T, Almaas E, Stubbs L. Differences in human and chimpanzee gene expression patterns define an evolving network of transcription factors in brain. Proc. Natl Acad. Sci.106(52),22358–22363 (2009). [CrossRef] [Medline] [CAS]
197 . Enard W, Khaitovich P, Klose J et al. Intra- and interspecific variation in primate gene expression patterns. Science296(5566),340–343 (2002). [CrossRef] [Medline] [CAS]
198 . Moser AB, Steinberg SJ, Watkins PA et al. Human and great ape red blood cells differ in plasmalogen levels and composition. Lipids Health Dis.10,101 (2011). [CrossRef] [Medline] [CAS]
199 . Sun Z, Wei Q, Zhang Y, He X, Ji W, Su B. MicroRNA profiling of rhesus macaque embryonic stem cells. BMC Genomics12(1),276 (2011). [CrossRef] [Medline] [CAS]
200 . Dere E, Lee AW, Burgoon LD, Zacharewski TR. Differences in TCDD-elicited gene expression profiles in human HepG2, mouse Hepa1c1c7 and rat H4IIE hepatoma cells. BMC Genomics12,193 (2011). [CrossRef] [Medline] [CAS]
201 . Morris JA, Royall JJ, Bertagnolli D et al. Divergent and nonuniform gene expression patterns in mouse brain. Proc. Natl Acad. Sci.107(44),19049–19054 (2010). [CrossRef] [Medline] [CAS]
202 . Hochachka PW, Somero GN. Biochemical Adaptation: Mechanism and Process in Physiological Evolution. Oxford University Press, Oxford, UK (2002).
203 . Lu J, Zheng J, Xu Q, Chen K, Zhang C. Adaptive evolution of the vertebrate skeletal muscle sodium channel. Genet. Mol. Biol.34(2),323–328 (2011). [CrossRef] [Medline] [CAS]
204 . Jost MC, Hillis DM, Lu Y, Kyle JW, Fozzard HA, Zakon HH. Toxin-resistant sodium channels: parallel adaptive evolution across a complete gene family. Mol. Biol. Evol.25(6),1016–1024 (2008). [CrossRef] [Medline] [CAS]
205 . Koppanyi T, Avery MA. Species differences and the clinical trial of new drugs: a review. Clin. Pharmacol. Ther.7(2),250–270 (1966). [Medline] [CAS]
206 . Collins JM. Inter-species differences in drug properties. Chem. Biol. Interact.134(3),237–242 (2001). [CrossRef] [Medline] [CAS]
207 . Knight A, Bailey J, Balcombe J. Animal carcinogenicity studies: 1. Poor human predictivity. Altern. Lab. Anim.34(1),19–27 (2006). [Medline] [CAS]
208 . Oser BL. The rat as a model for human toxicological evaluation. J. Toxicol. Environ. Health8(4),521–542 (1981). [CrossRef] [Medline] [CAS]
209 . Calabrese EJ. Suitability of animal models for predictive toxicology: theoretical and practical considerations. Drug Metab. Rev.15(3),505–523 (1984). [CrossRef] [Medline] [CAS]
210 . Lindl T, Voelkel M, Kolar R. [Animal experiments in biomedical research. An evaluation of the clinical relevance of approved animal experimental projects]. ALTEX22(3),143–151 (2005). [Medline]
211 . Lindl T, Völkel M, Kolar R. Animal experiments in biomedical research. An evaluation of the clinical relevance of approved animal experimental projects: no evident implementation in human medicine within more than 10 years. [Lecture abstract.]. ALTEX23,111 (2006).
212 . Crowley WF Jr. Translation of basic research into useful treatments: how often does it occur? Am. J. Med.114(6),503–505 (2003). [CrossRef] [Medline]
213 . Hope in translation. Nature467(7315),499 (2010). [Medline]
214 . Mankoff SP, Brander C, Ferrone S, Marincola FM. Lost in translation: obstacles to translational medicine. J. Transl. Med.2(1),14 (2004). [CrossRef] [Medline]
215 . Marincola FM. In support of descriptive studies; relevance to translational research. J. Transl. Med.5,21 (2007). [CrossRef] [Medline]
216 . Zerhouni EA. Translational and clinical science – time for a new vision. N. Engl. J. Med.353(15),1621–1623 (2005). [CrossRef] [Medline] [CAS]
217 . Butler D. Translational research: crossing the valley of death. Nature453(7197),840–842 (2008). [CrossRef] [Medline] [CAS]
218 . Translational research: getting the message across. Nature453(7197),839 (2008). [CrossRef] [Medline]
219 . Collins FS. Reengineering translational science: the time is right. Sci. Transl. Med.3(90),90cm17 (2011). [CrossRef] [Medline]
220 . US FDA. Innovation or stagnation? Challenge and opportunity on the critical path to new medical products. FDA, Washington, DC, USA (2004). ▪ Websites 301 . Duke University Medical Center. Why King Kong failed to impress. Humans, apes use odor-detecting receptors differently. Science Daily (2009). http://www.sciencedaily.com/releases/2009/12/091208153153.htm (Accessed 9 December 2009) 302 . US FDA. FDA Announces new boxed warning on Plavix. Alerts patients, healthcare professionals to potential for reduced effectiveness. FDA (2010). http://www.fda.gov/NewsEvents/Newsroom/PressAnnouncements/ucm204253.htm (Accessed 12 March 2010) 303 . Health Day. Gene sequences may make you unique. HealthDay News. http://health.yahoo.com/news/healthday/genesequencesmaymakeyouunique.html (Accessed 18 March 2010) 304 . Bioquicknews. Differences in transcription factor binding may explain many human differences. Bioquicknews. http://www.bioquicknews.com/node/311 (Accessed 20 March 2010) 305 . Monte J, Liu M, Sheya A, Kitami T. Definitions, measures, and models of robustness in gene regulatory network. Report of research work for CSSS05 2005. http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.89.1604&rep=rep1&type=pdf (Accessed 15 July 2011) 306 . FDA. FDA Issues advice to make earliest stages of clinical drug development more efficient. FDA, 18 June (2006). http://www.fda.gov/NewsEvents/Newsroom/PressAnnouncements/2006/ucm108576.htm (Accessed 7 March 2010) 307 . Wilson D. Drug firms face billions in losses in ’11 as patents end. New York Times, 6 March (2011). http://www.nytimes.com/2011/03/07/business/07drug.html?_r=2&src=me&ref=business (Accessed 7 July 2011) 308 . Masia N. The cost of developing a new drug. http://www.america.gov/st/business-english/2008/April/20080429230904myleen0.5233981.html 309 . Flint C. Parliament session 2004. http://www.publications.parliament.uk/pa/cm200304/cmhansrd/vo040331/text/40331w06.htm#40331w06.html_sbhd0 (Accessed 4 June 2010) 310 . Carroll SB. Whatever doesn’t kill some animals can make them deadly. New York Times, 22 December (2009). http://www.nytimes.com/2009/12/22/science/22creature.html?emc=eta1&pagewanted=print (Accessed 2 August 2011) 311 . Perel P, Roberts I, Sena E et al. Testing Treatment on animals. relevance to humans. Dr Hadwen Trust, September 2006. http://www.pcpoh.bham.ac.uk/publichealth/methodology/docs/invitations/JH18_Final_Report_April_2006.pdf (Accessed 4 April 2009) 312 . Idiagram. http://www.idiagram.com (Accessed 18 November 2011)

Affiliations
Ray Greek
drraygreek@aol.com
Andre Menache
1Americans For Medical Advancement, 2251 Refugio Rd, Goleta, CA 93117, USA
Mark J Rice
2Department of Anesthesiology, University of Florida College of Medicine, PO Box 100254, Gainesville, FL 32610-0254, USA

Annunci

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione / Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione / Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione / Modifica )

Google+ photo

Stai commentando usando il tuo account Google+. Chiudi sessione / Modifica )

Connessione a %s...