Vocero | Transcripción |
| Els Pattyn | Hola, mi nombre es Els Pattyn y trabajo como estadística no clínica de eficacia y seguridad de Sanofi. Así que me complace presentarles en JMP una herramienta de usuario final que hemos desarrollado para evaluaciones de inmunogenicidad. |
| Primera breve introducción de la empresa para la que trabajo. Así que originalmente fui empleado de Ablynx. Ablynx es una empresa biofarmacéutica con sede en Gante, Bélgica. |
| Y estamos comprometidos con el descubrimiento y desarrollo de nanocuerpos. Los nanocuerpos son entidades de cadena pesada de camélidos, como puede ver aquí, y puede discriminar. (Bien, primero pondré mi puntero ... estableceré mi puntero. No creo que veas nada). |
| Bien, aquí estamos. Entonces, los nanocuerpos son entidades de anticuerpos de cadena pesada de camélidos y son más pequeños que los anticuerpos convencionales. Los anticuerpos convencionales tienen que tener dos cadenas pesadas, dos cadenas grandes y el anticuerpo de camélido solo tiene la cadena pesada. |
| Por lo tanto, son pequeños, también se pueden usar de forma modular, puede tener múltiples nanocuerpos y tener múltiples especificidades y también son más fáciles de fabricar. |
| Éramos |
| fundada en 2001 y luego 17 años después, tuvimos nuestros primeros compuestos en la clínica. Fue Cablivi. Fue y |
| está dirigido a una enfermedad rara de la sangre aTTP. Y 2018 fue otro año importante, ya que entonces fuimos adquiridos por Sanofi, que es una gran empresa biofarmacéutica. |
| con sede en Francia. Entonces, en ese momento, éramos más de 450 empleados, pero con la adquisición de Sanofi y somos parte de una empresa bastante grande. |
| Sanofi en sí tiene más de ??? empleados con alrededor de 15.500 empleados comprometidos con la I + D. |
| estamos distribuidos en los tres ... en tres continentes. |
| Y también la plataforma terapéutica de Sanofi es muy amplia. Es solo ... no son solo los nanocuerpos, sino que en realidad es mucho y sigue creciendo. |
| Luego sobre la herramienta que hemos desarrollado. |
| Es una herramienta de inmunogenicidad. |
| Sobre el contexto de la inmunogenicidad. La inmunogenicidad es la capacidad de una sustancia para provocar una respuesta inmunitaria. |
| Muy a menudo se busca. Es cuando su sistema inmunológico tiene una respuesta adecuada a un patógeno, pero también puede ... también puede ser una respuesta deseada hacia un agente terapéutico y eso se hace en el caso de una vacuna. |
| Que también puede ser una respuesta no deseada, una respuesta a un antígeno terapéutico y luego se llama anticuerpos antidrogas o ADA. |
| Y estos ADA pueden ser un |
| puede tener reacciones alérgicas o incluso un shock anafiláctico. |
| Pérdida de eficacia. |
| Puedes tener anticuerpos que tengan capacidad neutralizante para que pierdas tu actividad, por lo que no será de extrañar que tenga especial atención a los entes reguladores. |
| Varias pautas emitidas por la EMEA y la FDA con respecto a las ADA y cómo analizarlas. |
| Por lo tanto, las determinaciones de ADA completas cumplen varios pasos. Es un enfoque de varios niveles. |
| Tiene ensayos de detección en los que determina su sensibilidad, luego tiene un ensayo de confirmación, donde busca dónde es específico o no. |
| Y también tiene ensayos de caracterización, y eso se hace para determinar si sus anticuerpos tienen capacidad neutralizante. Y, a veces, desea determinar a qué isotipos se dirige. |
| Entonces, lo que tenemos que hacer es determinar los puntos buenos, de modo que podamos determinar qué es positivo para discriminar los positivos frente a los negativos, y eso tiene que determinarse en la población denominada en blanco o ingenua. |
| Entonces, la población en blanco, por supuesto, debería ser representativa; debe estar libre de valores atípicos y no existir ... tener anticuerpos preexistentes e incorporar todo tipo de variabilidad. |
| Tienes variabilidades biológicas, por lo que los diferentes sujetos que pruebas, identificadores de sujeto, pero también tienes variabilidad ... vulnerabilidad técnica, así que eso es de tus analistas, entonces de tu carrera, |
| credibilidad plato a plato. Y cuando quieras evaluarlo de forma adecuada, prefieres hacerlo mediante un modelo de efectos mixtos con un modelo REML para que puedas tener estos elementos como efectos aleatorios en tu modelo. |
| Así que había dentro de Sanofi, un |
| a... |
| la necesidad de tener una herramienta para el usuario final para un buen establecimiento de puntos, por lo que los objetivos eran que pudiéramos tener un enfoque armonizado y estandarizado en todos los sitios; |
| tener una herramienta fácil de usar para el usuario final con el análisis de vanguardia, por lo que debería ser un paquete estadístico porque queremos tener ... usar ... hacer uso del modelo de efectos mixtos. |
| También debería operar en un entorno regulado ... regulado, porque también tenemos muchos estudios de GxP y también debería incluir informes uniformes y automáticos. |
| Así que ahí es donde empezamos |
| donde exploramos si podríamos hacerlo con JMP y eso es por su lenguaje, es lenguaje JSL. |
| Todos saben que se puede recuperar fácilmente cuando tiene un gráfico. Puede simplemente hacer clic en guardar secuencias de comandos y luego tiene la secuencia de comandos. Así que es un comienzo fácil. |
| Y otro ... y lo que también es un activo es que es programable para una decisión dependiente del resultado. Así que comenzamos recuperando los scripts de cada gráfico y cada análisis que queríamos hacer, y luego se convirtió en un gran análisis. |
| Tenemos un código parental y lo vemos aquí, y tenemos diferentes |
| códigos secundarios que son llamados por los códigos parentales. |
| Y es, |
| como dije, debería ser, esto debería ser programable para una decisión que dependa del resultado, por lo que el código se vuelve realmente más difícil al |
| audiencia, porque tenemos que hacer mucho análisis estadístico, evaluar si tiene significancia estadística o no. |
| Tenemos diferentes normalizaciones que queremos evaluar. |
| Asi que |
| eso es alrededor de algunos aspectos adicionales del código, cómo se ve. |
| Asi que |
| antes de dar una demostración, aquí hay dos, de hecho dos pasos queremos realizar el análisis. Primero, hay una plantilla de Excel donde completamos ... donde se deben completar los datos sin procesar. |
| Y luego se debe lanzar JSL. Así que está hecho, solo se debe iniciar el código parental. |
| Voy a repasar estos dos pasos. Asi que |
| tenemos uno |
| Plantilla de Excel. Lo abriré para que puedas echar un vistazo. |
| Entonces, aquí verá una descripción general, donde podemos completarla y aquí están los datos para cargar en el archivo de Excel. |
| Como he dicho |
| puede ser un ensayo de ADA o un ensayo de NAb y, dependiendo de si se trata de un ensayo de NAb o de ADA, los nombres de los encabezados son diferentes. Entonces, aquí, puede decir que es un ensayo ADA, sin o con datos confirmatorios. |
| El código está adaptado para que pueda |
| aceptar ... que puede aceptar datos resumidos o datos sin procesar, datos replicados. Entonces, digamos que está aquí, datos replicados a los que puede responder el número de replicados. Digamos, por ejemplo, son tres réplicas. |
| ¿Y para determinar si es un ??? También nos relacionamos con el control negativo ... con el control negativo de una placa, y eso debería haber múltiples controles negativos en una placa. Por ejemplo, 2, y yo digo, lo llamo Inicio y Fin, así que cuando rellenes este |
| luego hacemos una hoja de trabajo. Y luego aquí, tiene sus plantillas de Excel que debe completar y está listo para cargar y tiene el nombre correcto para las cargas. |
| Entonces, una vez que haya hecho eso, puede ir a JMP. |
| Ya tengo JMP abierto. Y lo que tienes que hacer, entonces, es hacer clic en los códigos JSL parentales y automáticamente aparece un menú de interacción. Y luego tienes que completar los campos para completar, así que sí. |
| Solo hazlo aquí y prueba para JMP. |
| Luego hay cinco tipos de ensayos, así que digamos que ahora tenemos un ensayo ADA y aquí puede cargar este archivo para cargarlo. Aquí tengo datos de entrada, algunos datos ficticios para cargar. Luego lo seleccionamos y aquí, hay algunos |
| números que puede cambiar. Se completan los números predeterminados, pero si desea umbrales de otro porcentaje como criterio de aceptación, puede cambiarlo. |
| Y si sus datos tienen una especificidad de orden de tres lugares decimales, puede cambiarlos, y creo que aquí ... no hay lugares decimales en los datos, así que los cambio a cero. Por lo que entonces |
| tienes una segunda ventana de introducción aquí. Es un ensayo de ADA, por lo que es típico del ensayo de ADA. Tienes un ensayo de NAb, |
| tienes otra ventana. Entonces, aquí, debe seleccionar si es clínico o no clínico porque los puntos buenos, creo, son diferentes allí. Tengo aquí un dato confirmatorio y quiero analizarlo en un entorno clínico, así que lo hago clic aquí. |
| Ahora tienes un valor atípico diferente ... |
| enfoques de eliminación de contorno en los que puede hacer clic. |
| Y también, hay otro nivel de flexibilidad al que puede ingresar. Cuando usted ... solo para que sea fácil de usar, tenemos un enfoque BTD. BTD es |
| una directriz interna y cuando tenga ... desee este enfoque, entonces no habrá otra ventana que se abra. |
| Y cuando desee tener opciones adicionales, puede hacer clic aquí, y puede tener una salida adicional o calcular, por ejemplo, ejecutar diferencias específicas en un determinado |
| diferencia. Entonces, cuando hace clic aquí, tiene opciones adicionales, pero quiero ceñirme al enfoque de carga general. Y luego también puede tener una exclusión por adelantado. Queremos hacerlo aquí y, una vez que haya ingresado, entonces comienza el análisis. |
| Entonces es toda una cadena de análisis. Es un enfoque de eliminación de valores atípicos y es una forma iterativa. Comprueba de modo que cuando haya eliminado los valores atípicos, primero analíticos, biológicos o si hay otros valores atípicos. Entonces, aquí puede ver una serie de análisis que se han realizado. |
| Así que lleva un tiempo, porque estos datos |
| datos de cribado y también datos confirmatorios. Así que ahora los cálculos son |
| pasando. |
| Y luego, al final, hay un informe. Eso es lo que ves aquí |
| que todavía está preparando el informe. |
| Y ahora está generando los conjuntos de datos en formatos PDF. |
| Generando los resultados ahora, y ahora, está terminado. Entonces, en las partes de resultados, |
| todos los resultados se muestran automáticamente aquí. Eso es lo que ves aquí. Tiene los conjuntos de datos, tiene un informe y un diario, y también un archivo PDF. Y luego conjuntos de datos, los diferentes conjuntos de datos que fueron salidas. Y aquí ves que tienes un informe completo con la configuración del análisis, la metodología. |
| Cierralo. Y tienes tus descriptivos. |
| Y claro que es lindo |
| para JMP es que tienes tu interactividad cuando quieres seguir |
| este tema, por ejemplo. Tengo que hacer doble clic en 411. |
| Puede seguirlo durante todo el análisis para que esté todo vinculado. Entonces, lo tiene aquí, luego para mi información de los factores de punto de corte de detección. Evalúa diferentes transformaciones, diferentes normalizaciones, luego evalúa la población en blanco más apropiada. |
| Tienes una salida de todos |
| valores atípicos, ya sean analíticos o biológicos. |
| E identidades de los valores atípicos. Sí, lo tienes ... así que lo ves, lo tienes todo |
| análisis que debe realizarse, todos los análisis relevantes para la configuración. Lo mismo también para los puntos de corte confirmatorios. Y aquí está la puntuación de la ADA, ya sea que la puntuación sea negativa, positiva o reactiva. Asi que |
| con esto, se hace todo el análisis y tienes las conclusiones finales. |
| Debajo de las tablas de datos salidas. |
| Y lo mismo, lo que vemos aquí, lo mismo, también lo tenemos, por supuesto, en formato PDF. |
| Eso se puede enviar para ... |
| presentada |
| porque ... está validado. Podemos validarlo para que todo lo que vimos allí, vuelva a verlo aquí en formato PDF. |
| Asi que |
| entonces, para concluir, cuál fue el efecto, cuál fue el objetivo a hacer. |
| Pudimos generar |
| códigos para hacer un análisis de manera muy rápida y eficiente. Normalmente tomaba días para el análisis y para el reporte, ahora podemos tener nuestro ... |
| nuestro análisis e informe en 10 minutos, por lo que es automatizado de manera estandarizada. |
| Es un informe automático y también se realiza en un entorno validado que es adecuado para el envío. |
| Así que sí, quiero hablar ... para agradecer a mis colegas, mis colegas de los equipos de seguridad y eficacia no clínica. Destaqué a las personas que participaron en |
| el desarrollo de la herramienta para el usuario final. |
| Y también sí lo fue, por supuesto, |
| una colaboración entre diferentes equipos, por eso quiero agradecer a todas las personas que estuvieron involucradas en eso. |
