Biomarker (Penanda Biologis)

Thursday, January 14, 2010

Biomarker adalah semua zat, struktur, atau proses yang bisa diukur dalam tubuh atau produk-produk serta pengaruhnya atau memprediksikan kejadian dampak atau penyakit. Biomarker bisa dikelompokkan sebagai penanda keterpaparan, penanda efek, dan penanda kerentanan. Jika biomarker diinginkan dapat berkontribusi bagi penilaian risiko kesehatan lingkungan dan kerja, maka biomarker-biomarker ini harus relevan dan absah. Relevansi menunjuk pada kesesuaian biomarker untuk memberikan informasi tentang pertanyaan-pertanyaan yang diinginkan, urgensi bagi otoritas kesehatan lingkungan dan masyarakat dan para pembuat keputusan lainnya. Penggunaan biomarker yang relevan memungkinan para pembuat keputusan untuk menjawab pertanyaan-pertanyaan kesehatan masyarakat yang digunakan dalam penelitian atau penilaian risiko dengan cara yang mengkontribusikan informasi bermanfaat yang tidak bisa didapatkan secara lebih baik oleh pendekatan lain, seperti kuisioner, pengukuran lingkungan atau review catatan. Sebagai contoh, keterpaparan kronis terhadap organoklorin diindikasikan dengan lebih baik oleh kadar organoklorin serum dibanding dengan kajian-kajian lain atau pengukuran kesehatan industri, dan kerusakan ginjal dini bisa diindikasikan secara lebih baik oleh berbagai biomarker urin dibanding oleh catatan-catatan morbiditas. Relevansi juga berkaitan dengan apakah pertanyaan-pertanyaan tentang biomarker mana yang bisa memberikan informasi, merupakan pertanyaan yang penting; bukan hanya pertanyaan yang bisa dijawab, tetapi yang harus dijawab (Muscat, 1996).
Dengan demikian, kemampuan untuk mengukur biomarker setelah keterpaparan terhadap sebuah toksikan tidak sama pentingnya dengan pertanyaan seperti apakah individu yang terpapar toksikan tersebut berisiko meningkat untuk mengalami penyakit.

4.1. Biomarker keterpaparan

Validasi biomarker keterpaparan memerlukan penilaian keterpaparan dan biomarker itu sendiri sehingga perbandingan yang layak diantara keduanya bisa dilakukan. Akan tetapi, hubungan antara biomarker dan keterpaparan akan bervariasi menurut faktor host karena biomarker menjadi lebih jauh dari keterpaparan, tergantung pada jumlah tahapan dalam absorpsi, metabolisme dan jalur bersihan antara penyerapan dan biomarker spesifik (Schulte & Waters, 1999). Ini berlaku bagi semua bentuk keterpaparan. Ini disebabkan karena faktor host yang berbeda diantara individu seperti kecepatan dan kapasitas bernapas, aktivasi, detoksifikasi, eliminasi, reparasi DNA, dan lainnya. Sehingga korelasi tinggi antara keterpaparan dan penanda (biomarker) mungkin tidak selamanya ditemukan dan hubungan keterpaparan-respons bisa berbeda-beda pada setiap orang. Dengan demikian penting untuk mengidentifikasi dan menyesuaikan beberapa faktor yang bisa mempengaruhi hubungan keterpaparan-respons. Sebagai contoh, untuk memvalidasi kompleks hemoglobin hidroksi-etil sebagai biomarker keterpaparan untuk etilen oksida pada dosis rendah, peneliti melakukan penyesuaian untuk usia, kebiasaan merokok, dan tingkat pendidikan dalam sebuah model regresi linear (Schulte dkk., 1992). Disamping itu, juga ada manfaatnya untuk mempertimbangkan efek faktor-faktor pemodifikasi, seperti polimorfisme metabolik (Bois., 1995).

Ada beberapa pengecualian bagi strategi validasi yang berfokus pada penunjukkan kesesusian antara sebuah biomarker keterpaparan dan keterpaparan eksternal. Jalur-jalur alternatif untuk memvalidasi biomarker mencakup penilaian hubungannya dengan konsentrasi dalam organ kritis (misal: konsentrasi kadmium dalam ginjal berbanding dalam darah atau urin) atau dengan konsentrasi efek kritis (efek neurotoksik timbal berbanding konsentrasi timbal dalam darah). Dan tentunya, biomarker keterpaparan yang baik harus bermanfaat untuk memprediksikan efek-efek berbahaya, dan bukan tingkat keterpaparan. Ini khususnya penting apabila pengukuran yang akurat dan valid terhadap keterpaparan "sebenarnya" sulit atau tidak mungkin diperoleh (penggunaan peranti protektif, berbagai jalur penyerapan, etc.).

Juga ada kemungkinan untuk mengaplikasikan uji-uji kualitatif untuk menentukan apakah keterpaparan eksternal atau biomarker keterpaparan akan menjadi prediktor yang lebih baik untuk penyakit (Steenland dkk., 1993). Salah satu tes yang dilakukan menentukan apakah biomarker tersebut lebih berkorelasi atau terkait dengan penyakit dibanding dengan keterpaparan eksternal. Tes ke-dua adalah tentang apakah mereka yang memiliki kadar biomarker lebih tinggi lebih besar kemungkinannya mengalami penyakit, dengan tingkat keterpaparan yang sama.

Apabila absorpsi sebagian besar terjadi melalui rute dermal atau apabila peranti protektif individu digunakan, maka biomarker keterpaparan bisa memberikan ukuran dosis internal yang terpercaya, yang bermanfaat untuk menilai hubungan dosis-respons. Gbr. 3 menunjukkan sebuah model regresi logistik berdasarkan data yang dipublikasikan (Calleman dkk., 1994) yang menunjukkan bahwa 97,5% subjek yang memiliki tanda klinis neuropati perifer diklasifikasi secara tepat berdasarkan akrilamida yang membentuk senyawa dengan valin N-terminal (AAVAL) dalam hemoglobin (Hb). Berdasarkan parameter regresi logistik, dosis standar yang dihitung sesuai dengan 0,8 nmol AAVAL/g Hb.

Dalam mengevaluasi peranan polimorfisme, keberadaan berbagai dosis yang dapat menimbulkan efek enzim metabolik merupakan sebuah isu utama. Contoh yang terkait didapatkan dalam sebuah penelitian tentang ekskresi 1-hidroksipyren dalam urin pada para pegawai polisi lalu lintas (Merlo dkk., 1998). Pada kelompok perlakuan, subjek-subjek yang membawa polimorfisme CYP1A1+ memiliki kadar hidroksipyren yang lebih tinggi dalam urin, tetapi hanya pada keterpaparan yang rendah terhadap PAH.

4.2. Biomarker efek

Biomarker efek intermediet, yakni, antara keterpaparan sampai timbulnya penyakit, bisa divalidasi dalam studi kasus-kontrol dan studi kohort (Rothman dkk., 1995; Hagmar dkk., 1998; Munoz & Gange, 1998). Jika telah divalidasi, penanda-penanda ini bisa berfungsi mewakili penyakit, meskipun dengan beberapa fungsi probabilitas karena umumnya tidak semua orang yang memiliki biomarker tertentu akan mengalami penyakit, tetapi kelompok-kelompok yang memiliki kadar tinggi umumnya akan berisiko paling tinggi. Contoh yang baik bisa dilihat dalam sebuah penelitian prospektif tentang hubungan antara biomarker sitogenetik dan risiko kanker (Hagmar dkk., 1998). Penelitian ini, yang menindaklanjuti lima kohort Eropa telah menunjukkan bahwa subjek-subjek pada kelompok yang memiliki frekuensi penyimpangan kromosom tertinggi mengalami risiko kanker keseluruhan lebih dari dua kali lipat dibanding dengan kelompok dengan frekuensi terendah. Dalam penelitian yang sama, tidak ada hubungan diamati antara frekuensi pertukaran kromatid sister (SCE) dan risiko kanker, sedangkan hasil yang tidak konklusif didapatkan untuk uji-uji mikronukleus. Baru-baru ini, sebuah studi kasus-kontrol nested menemukan bahwa hubungan antara penyimpangan kromosom dan kanker tampak tidak tergantung pada faktor-faktor host seperti usia dan jenis kelamin, dan tidak bisa dijelaskan dengan keterpaparan terhadap karsinogen manusia yang telah diidentifikasi (Bonassi dkk., 2000).

Kurangnya validasi kebanyakan biomarker efek intermediet kemungkinan menjadi tantangan yang paling penting bagi penggunaan biomarker secara luas dalam penilaian risiko. Penanda efek yang telah divalidasi bisa digunakan sebagai wakil penyakit sehingga akan menjadi titik-akhir yang dapat diukur, yang bisa mengisi kesenjangan-kesenjangan karena ketidakmapuan untuk menghitung morbiditas berbahaya frekuensi rendah atau kejadian mortalitas. Hasil-hasil sebelumnya bisa diperoleh dari kajian-kajian epidemiologi jika penggunaan biomarker meningkatkan kekuatan statistik penelitian (McMichael & Hall, 1997). Kajian epidemiologi prospektif merupakan standar baku untuk validasi biomarker efek. Penentuan waktu dan frekuensi pengumpulan spesimen dalam penelitian-penelitian prospektif penting dan bisa mempengaruhi validasi. Tipe penelitian ini memberikan perkiraan tentang risiko penyakit individu yang memiliki dan tidak memiliki biomarker tertentu. Penelitian-penelitian ini cukup memakan waktu dan biaya. Untuk mengurangi variabel waktu dan biaya, upaya-upaya telah dilakukan untuk menindaklanjuti kohort-kohort skala besar dan spesimen biologis (Willett, 1998). Ini akan memungkinkan evaluasi terhadap biomarker dan risiko penyakit pada saat yang bersamaan.

Salah satu ukuran tingkat validasi sebuah penanda intermediet efek adalah sejauh mana keterpaparan diperantarai melalui sebuah penanda, yakni apakah penanda benar-benar merupakan faktor yang prediktif terhadap penyakit klinis, dan penyakit tidak pernah atau jarang terjadi tanpa penanda ini. Ini bisa dinilai dengan menghitung proporsi attributable yang dalam literatur disebut sebagai "risiko terkait populasi" atau "fraksi etiologi" (Benichou, 1991; Trock, 1995). Proporsi yang terkait dengan biomarker tertentu merupakan perkiraan proporsi kasus penyakit yang harus berlangsung melalui biomarker, yakni kasus-kasus yang tidak terjadi jika peristiwa-peristiwa yang menghasilkan biomarker bisa dicegah (Schatzkin dkk., 1990; Trock, 1995). Proporsi attributable (AP) mencakup pertimbangan sensitifitas (S) uji (yakni rasio subjek positi dalam uji, yang mengalami penyakit, dengan jumlah subjek yang sakit), dan risiko relatiff (RR) penyakit untuk subjek-subjek yang positif dalam uji. Ini ditentukan sebagai: AP = S(1 – (1/RR)). Sensitifitas merupakan faktor dengan imbas terbesar dalam proporsi attributable (Schatzkin dkk., 1990). Proporsi attributable mempertimbangkan kekuatan sebuah hubungan antara penanda dan penyakit dan juga prevalensi penanda. Sehingga, misalnya, dengan menggunakan data dari penelitian-penelitian di Eropa tentang penyimpangan kromosom dan kanker (sensitifitas 46/91 = 0,50, RR 1,53/ 0,79 = 1,93), proporsi kasus kanker yang terkait dengan kerusakan kromosom dihitung sebesar 24% untuk kohort Nordic (Bonassi, 1999). Trock (1995) telah menyebutkan tahapan selanjutnya.

Jika telah ditentukan bahwa proporsi signifikan tumor bisa dikaitkan dengan penanda tertentu, maka prinsip-prinsip epidemiologi yang berkaitan dengan "variabel-variabel yang terlibat" bisa digunakan untuk menguji sejauh mana penanda benar-benar mewakili sebuah kejadian yang mengintervensi antara keterpaparan dan kanker. Dalam mengevaluasi hubungan antara sebuah keterpaparan dan hasil penyakit, kita biasanya tidak menggunakan metode penyesuaian statistik untuk melakukan penyesuaian terhadap sebuah variabel yang merupakan tahap intermediet antara keterpaparan dan hasil (Weinberg, 1993). Penyesuaian semacam ini akan mengurangi atau bahkan menghilangkan efek jelas dari keterpaparan karena hubungan penanda dengan penyakit merupakan akibat langsung dari hubungannya dengan keterpaparan (dengan mengasumsikan bahwa penanda mewakili periode waktu keterpaparan relevan dengan tergantung pada onset penyakit) (Trock, 1995). Kita bisa memanfaatkan sifat ini untuk menilai peranan sebuah penanda sebagai sebuah variabel yang mengintervensi. Jika seseorang membandingkan RR mentah (yakni yang tidak disesuaikan) untuk keterpaparan dengan RR untuk efek keterpaparan yang disesuaikan terhadap penanda biologis, maka besarnya pengurangan efek keterpaparan oleh penanda menandakan sejauh mana penanda terkait dengan hubungan penyakit-keterpaparan (Trock, 1995). Jika efek keterpaparan terjadi utamanya melalui sebuah jalur yang melibatkan penanda (marker), maka efek keterpaparan yang tersesuaikan-penanda secara esensial akan dihilangkan, yakni, RR yang disesuaikan akan mendekati 1,0 (Schatzkin dkk., 1990). Pada beberapa kasus, sebuah penanda akan bermanfaat walaupun tidak pada jalur yang biasanya.

Ukuran validasi penanda-biologis efek lainnya adalah nilai prediktif positif. Nilai prediktif untuk sebuah penanda penyakit adalah proporsi masyarakat yang diteliti dengan penyakit tertentu diantara semua orang yang memiliki penanda tersebut. Nilai prediktif tidak hanya merupakan sebuah sifat dari uji penanda, tetapi ditentukan oleh kesensitifan dan spesifitas uji dan prevalensi penyakit. Sehingga, sebagai contoh, sebuah penanda yang 90% sensitif dan 90% spesifik hanya memiliki nilai prediktif positif 50% apabila prenalensi penyakit yang bersangkutan adalah 10%. Pertimbangan-pertimbangan lainnya harus diperluas hingga mencakup penggunaan nilai prediktif negatif kapanpun hipotesis hubungan ditolak. Penelitian lapangan yang tidak mempertimbangkan prevalensi dalam perencanaan kemungkinan tidak mampu mendeteksi hubungan antara sebuah penanda efek danpenyakit, bahkan jika ada (Schulte & Perera, 1993).

Nilai prediktif positif dan proporsi attributable menunjukkan makna yang sangat berbeda. Nilai prediktif positif, risiko penyakit diantara orang-orang yang memiliki penanda spesifik cukup penting dari sudut pandang individu. Proporsi attributable, disisi lain, merupakan proporsi kasus penyakit yang harus melewati biomarker sehingga bisa dicegah jika proses tersebut dapat dihentikan. Ini penting dari sudut pandang kesehatan lingkungan dan kesehatan masyarakat.

Disamping nilai prediktif positif dan proporsi attributable, dua konsep lain bermanfaat dalam interpretasi data biomarker, yaitu: nilai prediktif negatif (lihat diatas) dan biomarker penjaga. Konsep biomarker penjaga melibatkan sebuah biomarker yang tanpa tergantung nilai prediktif positif atau proporsi attributable, bisa memiliki sifat-sifat yang bisa menjadi indikasi keterpaparan terhadap sebuah bahaya lingkungan atau onset efek biologis.

4.3. Biomarker keterpaparan

Banyak perbedaan yang ada dalam hal respons manusia terhadap zat-zat toksik. Banyak kondisi genetik yang berpotensi meningkatkan kerentanan seseorang terhadap zat kimia telah diidentifikasi. Akan tetapi, hanya pada beberapa kasus seperti defisiensi glukosa-6-fosfat dehidrogenase, memiliki hubungan sebab-akibat yang dapat ditunjukkan, individu-individu yang defisien lebih rentan terhadap oksidan lingkungan toksik (Stokinger & Mountain, 1963).

Polimorfisme bisa menjadi penanda kerentanan dan banyak gen serta variannya (polimorfisme) yang telah ditentukan. Banyak dari gen-gen ini yang cukup umum fungsinya, tetapi perubahan fungsi ini akibat sebuah polimorfisme bisa mempengaruhi kerentanan untuk mengalami penyakit. Disamping polimorfisme pada enzim-enzim metabolisme xenobiotik, polimorfisme pada gen-gen yang mempengaruhi atau mengontrol diferensiasi sel, apoptosis, kinetika siklus sel, transduksi sinyal dan reparasi DNA bisa mempengaruhi hasil kesehatan ketika terpaparan terhadap toksikan lingkungan.

Mungkin kontribusi yang potensial dari biomarker terhadap penilaian risiko dan manajemen risiko adalah inklusi biomarker kerentanan yang diwariskan. Akan tetapi, meskipun telah banyak digunakan biomarker kerentanan dalam pembuatan obat-obatan farmasetik, namun kontribusi potensial terhadap penilaian risiko pada keterpaparna kimia kerja atau lingkungan masih jarang disadari. Biomarker keterpaparan bisa mencerminkan variasi keterpaparan, kinetika dan efek, sehingga penting untuk dipertimbangkan dalam penilaian risiko (Bois dkk., 1995; Dickey dkk., 1997), Biomarker-biomarker ini cukup menjanjikan dan berbahaya bagi perkiraan risiko individu dan populasi. Menjanjikan karena melakukan penilaian risiko yang lebih teliti melaui identifikasi interaksi gen-gen dan gen-lingkungan dan juga untuk memfokuskan pencegahan dan program pengendalian pada individu yang berisiko tinggi. Berbahaya karena mencakup isu-isu etis dan sosial termasuk stimatisasi, diskriminasi dan miskonsepsi bahwa menghilangkan seseorang yang rentan dari skenario keterpaparan tanpa mengurangi peluang keterpaparan akan mengurangi risiko secara efektif, padahal tidak demikian. Juga ada isu dalam penggunaan penanda keterpaparan sebagai pengubah efek dalam penelitian-penelitian epidemiologi. Ini mencakup: apakah ada kesesuaian antara sebuah genotip dan fenotip; apakah ada alasan mekanistik untuk mempertimbangkan penanda; dan apakah prevalensi alel sering sudah cukup untuk dinilai dalam populasi dengan cara yang praktis.

Sebelum menerapkan biomarker kerentanan dalam penelitian-penelitian epidemiologi, ada beberapa isu penting yang perlu dipertimbangkan. Penggunaan genotip ketimbang fenotip bisa mengarah pada misklasifikasi karena aktivitas enzim dipengaruhi oleh beberapa faktor eksogen dan endogen, sehingga mengecilkan komponen genetika. Lebih lanjut, faktor-faktor kerentanan, baik itu enzim, reseptor atau molekul target lainnya, sangat spesifik senyawa, sehingga bahkan zat-zat yang terkait erat bisa tidak menjadi substrat bagi enzim polimorfis yang sama. Kombinasi dan interaksi antara berbagai jalur alternatif yang diatur oleh enzim yang diregulasi polimorfis dan lingkungan penting karena metabolisme umumnya melibatkan beberapa tahapan. Efek polimorfisme genetika juga bisa tergantung pada ukuran hasil. Sebagai contoh, dalam sebuah laporan kasus, para pekerja yang terpapar terhadap metil bromida menunjukkan respons neurotoksik yang berbeda, orang yang mengekspresikan gen GSTT1 lebih parah terkena. Berbeda dengan itu, mereka yang paling kurang sensitif terhadap efek neurotoksik memiliki kadar kerusakan alkilasi yang tertinggi (Garnier dkk., 1996).

Salah satu contoh yang paling umum tentang bagaimana biomarker kerentanan bersama dengan ukuran keterpaparan bisa menginformasikan penilaian risiko adalah polimorfisme metabolik untuk N-asetiltransferase pada kasus kanker kandung kemih. Enzim ini terlibat dalam detoksifikasi arilamin, dan individu-individu yang dikelompokkan sebagai asetilator lambat memiliki peningkatan risiko kanker kandung kemih ketika terpapara terhadap misalnya beta-naftilamin. Akan tetapi, dalam sebuah penelitian di Cina genotip NAT tidak mempengaruhi risiko kanker kandung kemih, tetapi pada situasi ini keterpaparan yang terjadi adalah terhadap benzidin. Monoasetilasi yang diperantarai oleh NAT merupakan sebuah aktivasi, dan bukan kalur dekativasi benzidin (Rothman dkk., 1996). Ini menekankan pentingnya pengetahuan biotransformasi senyawa yang diteliti sebelum pengujian peranan penanda-penanda kerentanan.

Pengaruh faktor genetika terhadap hubungan keterpaparan-penyakit bisacukup besar. Calabrese (1997) menunjukkan bahwa perbedaan biokimia yang ditentukan secara genetika diantara orang-orang untuk berbagai fenotip bisa melebihi 10 kali lipat. Dalam sebuah penelitian simulasi di Monte-Carlo, Bois dkk (1995) mengilustrasikan bahwa kadar kompleks pada individu yang paling rentan adalah 10.000 kali lebih tinggi dibanding untuk individu yang paling tidak rentan dan sehingga persentil ke-5 dan ke-95 berbeda dengan faktor 160. Parameter-parameter input untuk model ini diperoleh dari literatur tentang penelitian in vitro pada manusia, atau dari hewan tanpa adanya data manusia. Dengan demikian, mempertimbangkan variabilitas genetika bisa memiliki implikasi penting untuk penilaian risiko.

Penilaian interaksi antara gen dan lingkungan penting dalam validasi biomarker kerentanan (dan keterpaparan). Interaksi gen dan lingkungan didefinisikan sebagai "efek berbda dari sebuah keterpaparan lingkungan terhadap risiko penyakit pada orang-orang yang memiliki genotip berbeda," atau, "efek berbeda dari sebuah genotip terhadap risiko penyakit pada orang-orang yang memiliki keterpaparan lingkungan berbeda". Ottman (1996) telah melaporkan lima model interaksi gen-lingkungan, masing-masing mengarah pada prediksi berbeda tentang risiko penyakit pada individu yang diklasifikasikan dengan adanya atau tidak adanya genotip risiko tinggi atau keterpaparan lingkungan. Jika sebuah biomarker kerentanan harus divalidiasi untuk penyakit, maka hubungannya dengan penyakit dan keterpaparan perlu ditentukan. Evaluasi yang valid terhadap interaksi gen dan lingkungan memerlukan pengukuran yang akurat untuk faktor genetika dan faktor lingkungan. Kesalahan penilaian keterpaparan sedang bisa menghasilkan perkiraan yang menyimpang tentang parameter interaksi yang menghasilkan peningkatan persyaratan ukuran sampel.

0 comments:

Post a Comment

BlueDEX Ads
 
Bloggerized by Blogger Template