Vocero | Transcripción |
| Els Pattyn | Hola, mi nombre es Els Pattyn y trabajo como estadística no clínica de eficacia y seguridad de Sanofi. Por eso, me complace presentarles en JMP una herramienta de usuario final que hemos desarrollado para las evaluaciones de inmunogenicidad. |
| Primera breve introducción de la empresa para la que trabajo. Así que originalmente fui empleado por 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 cadenas pesadas de camélidos, como pueden ver aquí, y pueden discriminar. (OK, primero usaré 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 modulares, 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. Era Cabliví. fue y |
| está dirigido a una enfermedad rara de la sangre, la aTTP. Y 2018 fue otro año importante, ya que nos adquirió 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 ya 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. Y ya ves |
| estamos repartidos 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 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. |
| Tan a menudo es querido. Es cuando su sistema inmunológico tiene una respuesta adecuada a un patógeno, pero también puede... también puede ser una respuesta deseada a 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 entonces se llama anticuerpos antidrogas o ADA. |
| Y estas ADA pueden ser un |
| puedes tener reacciones alérgicas o incluso shock anafiláctico. |
| Pérdida de eficacia. |
| Puede tener anticuerpos que tengan capacidad neutralizante para que pierda su actividad, por lo que no será de extrañar que tenga especial atención por parte de 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 completan varios pasos. Es un enfoque de varios niveles. |
| Tiene ensayos de detección donde determina su sensibilidad, luego tiene un ensayo confirmatorio, donde busca dónde es específico o no. |
| Y también tienes ensayos de caracterización, y eso se hace para determinar si tus anticuerpos tienen capacidad neutralizante. Y a veces desea determinar a qué isotipos se dirige. |
| Entonces, lo que tenemos que hacer es determinar los buenos puntos, de modo que podamos determinar qué es positivo para discriminar los positivos de los negativos, y eso tiene que determinarse en la llamada población 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 examinas, identificaciones de sujetos, pero también tienes variabilidad... vulnerabilidad técnica, eso es de tus analistas, de tu ejecución, |
| Credibilidad plato a plato. Y cuando quieres evaluarlo de manera 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 de usuario final para una buena configuración 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 análisis de última generación, 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 regulador... regulado, porque también tenemos muchos estudios GxP y también debería incluir informes uniformes y automáticos. |
| Así que ahí es donde empezamos, |
| donde exploramos si podíamos hacerlo con JMP y eso es por su lenguaje, es lenguaje JSL. |
| Todos saben que se puede recuperar fácilmente cuando se tiene un gráfico. Puede simplemente hacer clic en Guardar secuencias de comandos y luego tendrá la secuencia de comandos. Así que es un comienzo fácil. |
| Y otro... y lo que también es un activo es que es programable hacia 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 análisis realmente enorme. |
| Tenemos un código parental y mira aquí, y tenemos diferentes |
| códigos de niño que son llamados por los códigos de los padres. |
| Y es, |
| como dije, debería ser, esto debería ser programable para la decisión que depende del resultado, por lo que el código se vuelve realmente más difícil al |
| audiencia, porque tenemos que hacer muchos análisis estadísticos, evaluar si tiene significancia estadística o no. |
| Tenemos diferentes normalizaciones que queremos evaluar. |
| Entonces |
| eso es alrededor de algunos aspectos adicionales del código, cómo se ve. |
| Entonces |
| antes de dar una demostración, aquí hay dos, de hecho dos pasos que queremos realizar el análisis. Primero, hay una plantilla de Excel donde completamos... donde se deben completar los datos sin procesar. |
| Y luego se tiene que lanzar el JSL. Así que ya está hecho, solo el código parental que se tiene que lanzar. |
| Voy a repasar estos dos pasos. Entonces |
| tenemos uno |
| plantilla de excel Lo abriré para que puedas echar un vistazo. |
| Así que aquí, ve una descripción general, donde podemos completarla y aquí hay datos para cargar en el archivo de Excel. |
| Como he dicho, |
| puede ser un ensayo ADA o un ensayo NAb y dependiendo de si es un ensayo NAb o ADA, los nombres de los encabezados son diferentes. Aquí, puede decir que es un ensayo de la ADA, sin o con datos de confirmación. |
| El código está adaptado para que pueda |
| aceptar... que puede aceptar datos resumidos o datos sin procesar, datos replicados. Así que digamos que está aquí, datos replicados que puede responder la cantidad de repeticiones. Digamos, por ejemplo, son tres réplicas. |
| Y para poder determinar si es un ??? Otro punto que también relacionamos con el control negativo... con el control negativo de una placa, y eso debería ser múltiples controles negativos en una placa. Por ejemplo, 2, y digo, lo llamo Inicio y Fin, así que cuando rellenas este |
| entonces 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 a completar, así que sí. |
| Solo hazlo aquí y prueba 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 puedes cambiar. Los números predeterminados se completan, pero si desea otros umbrales de porcentaje como criterio de aceptación, puede cambiarlos. |
| Y si sus datos tienen una especificidad de orden hecha con tres decimales, puede cambiarlo, y creo que aquí... no hay decimales en los datos, así que lo cambio a cero. Por lo que entonces |
| tienes una segunda ventana de introducción aquí. Es un ensayo ADA, por lo que es típico del ensayo ADA. Tiene un ensayo de NAb, |
| tienes otra ventana Así que aquí, tiene que seleccionar si es clínico o no clínico porque creo que los puntos buenos son diferentes allí. Tengo aquí datos confirmatorios y quiero analizarlos en un entorno clínico, así que hago clic aquí. |
| Ahora tienes diferentes valores atípicos.... |
| describa los enfoques de eliminación en los que puede hacer clic. |
| Y también, hay otro nivel de flexibilidad en el que puede ingresar. Cuando... solo para que sea fácil de usar, tenemos un enfoque BTD. BTD es |
| una guía interna y cuando tenga... quiera este enfoque, entonces no habrá otra ventana que se esté abriendo. |
| Y cuando desee tener opciones adicionales, puede hacer clic aquí, y puede obtener resultados adicionales o calcular, por ejemplo, ejecutar diferencias específicas en un determinado |
| diferencia. Entonces, cuando hace clic aquí, tiene opciones adicionales, pero quiero ceñirme al enfoque general de carga. Y luego también puede tener una exclusión inicial. Queremos hacerlo aquí y, una vez que haya ingresado eso, comienza el análisis. |
| Así que es toda una cadena de análisis. Es un enfoque de eliminación de valores atípicos y es una forma iterativa. Comprueba para que cuando haya eliminado los valores atípicos, primero analíticos, luego biológicos o si hay otros valores atípicos. Así que aquí, ven una serie de análisis que se han realizado. |
| Así que lleva un tiempo, porque estos datos tienen |
| datos de cribado y también datos de confirmación. Así que ahora los cálculos son |
| pasando |
| Y luego, al final, hay un informe. Eso es lo que ves aquí, |
| eso todavía está ensamblando el informe ahora. |
| Y ahora genera los conjuntos de datos en formato PDF. |
| Generando los resultados ahora, y ahora, está terminado. Así que en las partes de resultados, |
| todos los resultados se emiten 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 de análisis, la metodología. |
| Cierralo. Y usted tiene sus descriptivos. |
| Y por supuesto lo que es bueno |
| para JMP es que tienes tu interactividad cuando quieres seguir |
| este tema, por ejemplo. Tengo que hacer doble clic en 411. |
| Puedes seguirlo a lo largo de todo el análisis para que esté todo enlazado. Entonces, aquí tienen 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, tienes ... así que ya ves, 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. Entonces |
| con esto se hace todo el análisis y se tienen las conclusiones finales. |
| Debajo de las salidas de las tablas de datos. |
| Y lo mismo, lo que vemos aquí, lo mismo, también lo tenemos, por supuesto, en formato PDF. |
| Eso se puede enviar para... |
| enviado |
| para... está validado. Podemos validarlo para que todo lo que vimos allí, lo vuelvas a ver aquí en formato PDF. |
| Entonces |
| entonces, para concluir, cuál fue el efecto, cuál fue el objetivo de hacer. |
| pudimos generar |
| códigos para hacer un análisis muy rápido y eficiente. Normalmente tomaba días para el análisis y el reporte, ahora podemos tener nuestro... |
| nuestro análisis e informe en 10 minutos, por lo que es un automatizado de forma 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 estaban involucradas en |
| el desarrollo de la herramienta de usuario final. |
| Y también sí lo fue, por supuesto, |
| una colaboración entre diferentes equipos, así que quiero agradecer a todas las personas que participaron en eso. |
