| Vocero |
Transcripción |
| Els Pattyn |
Hola, me llamo Els Pattyn y trabajo como estadística de eficacia y seguridad no clínica en Sanofi. Me complace presentarles en JMP una herramienta para usuarios finales que hemos desarrollado para evaluaciones de inmunogenicidad. |
| |
Breve introducción a la empresa en la que trabajo. Inicialmente, trabajé en Ablynx, una empresa biofarmacéutica con sede en Gante, Bélgica. |
| |
Estamos comprometidos con el descubrimiento y desarrollo de nanocuerpos. Los nanocuerpos son entidades de cadena pesada de camélidos, como pueden ver aquí, y se pueden discriminar. (Bueno, primero, apuntaré con el puntero. Creo que no ven nada). |
| |
Bien, aquí estamos. Los nanocuerpos son entidades derivadas de anticuerpos de cadena pesada de camélidos y son más pequeños que los anticuerpos convencionales. Los anticuerpos convencionales deben tener dos cadenas pesadas, dos cadenas largas, mientras que los anticuerpos de camélidos solo tienen la cadena pesada. |
| |
Son pequeños y también se pueden usar de forma modular, es decir, se pueden tener múltiples nanocuerpos y múltiples especificidades y además son más fáciles de fabricar. |
| |
Estábamos |
| |
Fundada en 2001 y 17 años después, tuvimos nuestros primeros compuestos en la clínica. Fue Cablivi. Fue y |
| |
Está dirigido a una enfermedad hematológica rara, la PTT. 2018 fue otro año importante, ya que fuimos adquiridos por Sanofi, una gran empresa biofarmacéutica. |
| |
Con sede en Francia. En aquel entonces, contábamos con más de 450 empleados, pero con la adquisición de Sanofi, pasamos a formar parte de una empresa bastante grande. |
| |
Sanofi cuenta con más de ??? empleados, con alrededor de 15.500 empleados dedicados a I+D. Y como veis... |
| |
Estamos repartidos en tres...tres continentes. |
| |
La plataforma terapéutica de Sanofi también es muy amplia. No se trata solo de nanocuerpos, sino de una gran cantidad de productos y sigue creciendo. |
| |
A continuación 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. |
| |
A menudo es necesario. Es cuando el sistema inmunitario responde adecuadamente a un patógeno, pero también puede ser una respuesta deseada ante agentes terapéuticos, como ocurre 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 una |
| |
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 eso no será sorpresa que tenga especial atención por parte de las entidades reguladoras. |
| |
Varias directrices emitidas por la EMEA y la FDA con respecto a los ADA y cómo analizarlos. |
| |
Por lo tanto, completar las determinaciones de la ADA implica varios pasos. Se trata de un enfoque de varios niveles. |
| |
Tienes un ensayo de detección donde determinas tu sensibilidad, luego tienes un ensayo de confirmación, donde buscas si es específico o no. |
| |
También existen ensayos de caracterización, que se realizan para determinar si los anticuerpos tienen capacidad neutralizante. A veces, es necesario determinar a qué isotipos se dirigen. |
| |
Entonces, lo que tenemos que hacer es determinar los puntos buenos, para poder determinar lo que es positivo y discriminar lo positivo de lo negativo, y eso se tiene que determinar en la llamada población en blanco o ingenua. |
| |
Por lo tanto, la población en blanco, por supuesto, debe ser representativa; no debe tener valores atípicos, tampoco debe existir... debe tener anticuerpos preexistentes e incorporar todo tipo de variabilidad. |
| |
Tienes variabilidades biológicas, por lo que los diferentes sujetos que pruebas, los identificadores de los sujetos, pero también tienes variabilidad... vulnerabilidad técnica, por lo que eso es de tus analistas, por lo tanto de tu ejecución, |
| |
Credibilidad de principio a fin. Y para evaluarla adecuadamente, es preferible hacerlo mediante un modelo de efectos mixtos con un modelo REML para que estos elementos puedan considerarse efectos aleatorios en el modelo. |
| |
Entonces había dentro de Sanofi, una |
| |
a... |
| |
una necesidad de tener una herramienta para el usuario final que permitiera una buena fijación de puntos, por lo que el objetivo era que pudiéramos tener un enfoque armonizado y estandarizado en todos los sitios; |
| |
tener una herramienta de usuario final fácil de usar con el análisis más avanzado, 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, porque tenemos muchos estudios GxP y 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 el lenguaje JSL. |
| |
Todos saben que se puede recuperar fácilmente cuando se tiene un gráfico. Simplemente se puede hacer clic en "Guardar scripts" y ya está. Así que es un comienzo fácil. |
| |
Y otra ventaja es que es programable para tomar decisiones basadas en resultados. Así que empezamos recuperando los scripts de cada gráfico y cada análisis que queríamos realizar, y luego se convirtió en un análisis enorme. |
| |
Tenemos un código parental y 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. |
| |
audiencia, porque tenemos que hacer muchos análisis estadísticos, evaluar si tienes significancia estadística o no. |
| |
Tenemos diferentes normalizaciones que queremos evaluar. |
| |
Entonces |
| |
Se trata de algunos aspectos adicionales del código, de cómo se ve. |
| |
Entonces |
| |
Antes de dar una demostración, aquí hay dos pasos para realizar el análisis. Primero, hay una plantilla de Excel donde se deben rellenar los datos sin procesar. |
| |
Y luego hay que lanzar el JSL. Listo, solo falta lanzar el código parental. |
| |
Repasaré estos dos pasos. Así que |
| |
tenemos uno |
| |
Plantilla de Excel. La abriré para que puedas echarle un vistazo. |
| |
Entonces, aquí puedes ver una descripción general, donde podemos completarla y aquí están los datos para cargar en el archivo Excel. |
| |
Como ya os he contado, |
| |
Puede ser un ensayo de ADA o de NAb, y, según se trate de NAb o de ADA, los nombres de los encabezados son diferentes. Por lo tanto, aquí se puede decir que es un ensayo de ADA, con o sin datos confirmatorios. |
| |
El código está adaptado para que pueda: |
| |
Aceptar... que puede aceptar datos resumidos o, de lo contrario, datos sin procesar, datos replicados. Supongamos que aquí, datos replicados, se puede responder el número de réplicas. Digamos, por ejemplo, tres réplicas. |
| |
Y para determinar si es un punto ???, también relacionamos 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 se completa esto... |
| |
Luego creamos una hoja de cálculo. Aquí tienes las plantillas de Excel que debes completar y que están listas para subir, con el nombre correcto para las subidas. |
| |
Entonces, una vez que hayas hecho eso, puedes ir a JMP. |
| |
Ya tengo JMP abierto. Lo que tienes que hacer es hacer clic en los códigos JSL parentales y automáticamente aparece un menú de interacción. Y luego tienes que rellenar los campos necesarios, así que sí. |
| |
Simplemente hazlo aquí y prueba JMP. |
| |
Hay cinco tipos de ensayos. Digamos que tenemos un ensayo ADA y aquí se puede cargar el archivo. Aquí tenemos datos de entrada y algunos datos ficticios para cargar. Luego los seleccionamos y aquí hay algunos... |
| |
Números que se pueden cambiar. Los valores predeterminados se completan, pero si se desea otro umbral porcentual como criterio de aceptación, se puede cambiar. |
| |
Y si tus datos tienen una especificidad de orden con tres decimales, puedes cambiarla, y creo que aquí... no hay decimales en los datos, así que la cambio a cero. Entonces... |
| |
Aquí tienes una segunda ventana de introducción. Es un ensayo de ADA, así que es típico. Tienes un ensayo de NAb. |
| |
Tienes otra ventana. Aquí debes seleccionar si es clínico o no clínico, ya que creo que los puntos positivos son diferentes. Tengo datos confirmatorios y quiero analizarlos en un entorno clínico, así que hago clic aquí. |
| |
Ahora tienes un valor atípico diferente... |
| |
esquema de eliminación de enfoques en los que puede hacer clic. |
| |
Además, existe otro nivel de flexibilidad que puedes implementar. Para que sea más fácil de usar, tenemos un enfoque BTD. BTD es... |
| |
una guía interna y cuando tengas...quieras este enfoque, entonces no habrá otra ventana que se abra. |
| |
Y cuando quieras tener opciones adicionales, puedes hacer clic aquí y puedes tener una salida adicional o calcular, por ejemplo, ejecutar diferencias específicas en un valor específico. |
| |
Diferencia. Al hacer clic aquí, aparecen opciones adicionales, pero quiero mantener el enfoque general de carga. También se puede establecer una exclusión inicial. Lo haremos aquí y, una vez ingresada, comenzará el análisis. |
| |
Se trata de una cadena completa de análisis. Se trata de un enfoque iterativo de eliminación de valores atípicos. Se verifica que, al eliminar los valores atípicos, primero los analíticos, luego los biológicos o si existen otros valores atípicos. Aquí se puede ver una serie de análisis realizados. |
| |
Así que lleva un tiempo, porque estos datos tienen |
| |
datos de detección y también datos confirmatorios. Así que ahora los cálculos son... |
| |
pasando |
| |
Y luego, al final, hay un informe. Eso es lo que ven aquí. |
| |
Eso todavía está ensamblando el informe ahora. |
| |
Y ahora está generando los conjuntos de datos en formatos PDF. |
| |
Generando los resultados, ahora, y ahora, está terminado. En las partes de resultados, |
| |
Todos los resultados se generan automáticamente aquí. Esto es lo que ven aquí. Tienen los conjuntos de datos, un informe, un diario y un archivo PDF. Y luego, los diferentes conjuntos de datos generados. Aquí pueden ver el informe completo con la configuración del análisis y la metodología. |
| |
Ciérralo. Y tendrás tus descriptivos. |
| |
Y por supuesto lo que es bonito |
| |
Para JMP es que tengas tu interactividad cuando quieras seguir |
| |
Este tema, por ejemplo. Tengo que hacer doble clic en 411. |
| |
Puedes seguirlo durante todo el análisis, ya que todo está vinculado. Para mi información, aquí tienes los factores de corte del cribado. Evalúa diferentes transformaciones y normalizaciones, y luego evalúa la población en blanco más adecuada. |
| |
Tienes una salida de todos |
| |
valores atípicos, ya fueran analíticos o biológicos. |
| |
Y las identidades de los valores atípicos. Sí, tienes... como ves, tienes todo. |
| |
Análisis que debe realizarse, todos los análisis relevantes para la configuración. Lo mismo ocurre con los puntos de corte confirmatorios. Y aquí está la puntuación ADA, ya sea negativa, positiva o reactiva. |
| |
Con esto ya está hecho todo el análisis y tienes las conclusiones finales. |
| |
Debajo de las tablas de datos se muestran las salidas. |
| |
Y lo mismo que vemos aquí, lo mismo, también lo tenemos, por supuesto, en formato PDF. |
| |
Esto puede luego ser presentado para... |
| |
enviado |
| |
Porque... está validado. Podemos validarlo, así que todo lo que vimos allí lo pueden ver aquí en formato PDF. |
| |
Entonces |
| |
Entonces, para concluir, ¿cuál fue el efecto?, ¿cuál era el objetivo? |
| |
Pudimos generar |
| |
Códigos para realizar un análisis de forma rápida y eficiente. Normalmente, el análisis y la generación de informes tardaban días, pero ahora podemos... |
| |
Nuestro análisis y informe en 10 minutos, por lo que es automatizado de forma estandarizada. |
| |
Es un informe automático y también se realiza en un entorno validado y adecuado para el envío. |
| |
Así que sí, quiero agradecer a mis colegas de los equipos de eficacia y seguridad no clínica. Destaqué a las personas que participaron. |
| |
el desarrollo de la herramienta para el usuario final. |
| |
Y también sí lo fue, por supuesto. |
| |
una colaboración entre diferentes equipos, así que quiero agradecer a todas las personas que estuvieron involucradas en eso. |
