Uz NMR balstītas asins profilēšanas kā viena domēna testa potenciāls prognozēt vairāku slimību rašanos vienlaikus
Nesenajā pētījumā, kas publicēts Natural Medicine, pētnieki pētīja uz kodolmagnētiskās rezonanses spektroskopiju (NMR) balstītas vielmaiņas platformas potenciālu, lai novērtētu dažādu slimību attīstības riskus. Pētījums: vielmaiņas profili paredz individuālus rezultātus vairāku slimību gadījumā. Attēla avots: Forance/Shutterstock Fons Ar slimības attīstību saistīto riska faktoru savlaicīga identificēšana un novēršana ir ļoti svarīga. Nesen tika veiktas vielmaiņas analīzes, lai identificētu augsta riska personas; Tomēr vielmaiņas dati tika uzskatīti par nepietiekamiem, lai novērtētu slimības risku. KMR spektroskopija nodrošina ātrus un salīdzinoši lētus molekulāros pētījumus salīdzinājumā ar citām metabolomiskām metodēm, piemēram, masu spektroskopiju. Virs…

Uz NMR balstītas asins profilēšanas kā viena domēna testa potenciāls prognozēt vairāku slimību rašanos vienlaikus
Nesenā pētījumā, kas publicēts Dabiskā medicīna Pētnieki pētīja uz kodolmagnētiskās rezonanses spektroskopiju (NMR) balstītas vielmaiņas platformas potenciālu, lai novērtētu dažādu slimību attīstības riskus.
Studie: Stoffwechselprofile sagen individuelle Ergebnisse bei mehreren Krankheiten voraus. Bildquelle: Forance/Shutterstock
fons
Ļoti svarīgi ir savlaicīgi identificēt un novērst ar slimības attīstību saistītos riska faktorus. Nesen tika veiktas vielmaiņas analīzes, lai identificētu augsta riska personas; Tomēr vielmaiņas dati tika uzskatīti par nepietiekamiem, lai novērtētu slimības risku. KMR spektroskopija nodrošina ātrus un salīdzinoši lētus molekulāros pētījumus salīdzinājumā ar citām metabolomiskām metodēm, piemēram, masu spektroskopiju.
Par pētījumu
Šajā pētījumā pētnieki pārbaudīja, vai NMR spektroskopijas seroloģiskie vielmaiņas profili atspoguļo indivīdu patieso fizioloģisko stāvokli un veicina klīnisko biomarķieru veidošanu, lai novērtētu 24 slimību, tostarp asinsvadu, vielmaiņas, elpošanas, neiroloģisko un muskuļu un skeleta sistēmas vēža, attīstības risku 22 centros.
Neironu tīkls (NN) tika apmācīts, lai vienlaikus uzzinātu vielmaiņas stāvokļus (MET), kas raksturīgi medicīniskiem traucējumiem, no 168 vielmaiņas marķieriem, kas kvantitatīvi noteikti 117 981 indivīdam ar 1 400 000 miljonu unikālu gadu no Apvienotās Karalistes (AK) Biobank (BB). . Lai apstiprinātu modeļa rezultātus, tika analizētas četras dažādas kohortas, proti, Roterdamas pētījuma kohorta, Whitehall II kohorta, Pravastatīna perspektīvais pētījums vecāka gadagājuma cilvēkiem riska grupā (PROSPER) un Leidenas ilgmūžības PAROFF pētījuma kohorta, izmantojot to pašu 1H KMR metabolomikas testu.
Turklāt tika analizētas trīs kohortas no BBMRI-NL konsorcija. Marķieri ietvēra taukskābju un aminoskābju metabolītus, kas saistīti ar šķidruma līdzsvaru un ogļhidrātu metabolismu. Tika novērtēta to saistība ar bieži lietotiem klīniskajiem marķieriem, piemēram, kreatinīnu, albumīnu un glikozi. Analīzei tika izmantota Koksa proporcionālā bīstamības modelēšana (CPH), un tika aprēķināti bīstamības koeficienti (HR) un izredzes koeficienti (OR).
Lai palielinātu pētījuma rezultātu vispārināmību, dati tika telpiski sadalīti pa personāla atlases centriem. Pēc galīgo aprēķinu iegūšanas testa kopu prognozes tika apkopotas Whitehall II turpmākai analīzei. Datus pēc dzimuma un vecuma (vecums + dzimums) analizēja tikai Amerikas Sirds asociācijas (ASCVD) sirds un asinsvadu novērtētāji un PANEL novērtētāji (ieskaitot vairāk nekā 30 novērtētājus ar fizisko pārbaudi, laboratorijas mērījumiem un dzīvesveida datiem).
Aplēses tika apstiprinātas ar CAIDE un FINDRISC rādītājiem attiecīgi par demenci un II tipa diabētu (T2D). Turklāt KMR aprēķini tika korelēti ar medicīnisko notikumu biežumu novērošanas periodā un salīdzināti ar klīnisko informāciju, pamatojoties uz C indeksa delta vērtībām. Visām 24 pārbaudītajām slimībām tika noteiktas SHAP (Shapely Additive Explanation) vērtības un veikta UMAP (vienotā kolektora aproksimācijas un projekcijas) analīze, lai noskaidrotu, kuri metabolīti visvairāk ietekmē slimības riskus.
Rezultāti
Izlases populācijas vidējais vecums bija 58 gadi, no kuriem 54% bija sievietes, un dalībnieki tika novēroti vidēji 12 gadus, kopā 1 435 340 unikālus gadus. MET bija saistīti ar notikumu biežumu pētītajām slimībām, izņemot krūts vēzi, un pēc 10 gadu aplēsēm MET un vecuma + dzimuma prognozētāju kombinācija atbilda vai pārsniedza citus aprēķinus.
Turklāt MET dati papildināja klīniskos aprēķinus par astoņām slimībām, tostarp 2. tipa diabētu, sirds mazspēju un demenci. Augstās OR vērtības T2D, vēdera aortas aneirisma (AAA) un sirds mazspējai bija attiecīgi 62, 14 un 11. Turpretim OR vērtības insultam, lielam nevēlamam sirds notikumam (MACE), priekškambaru mirdzēšanai, visu iemeslu demencei un HOPS (hroniska obstruktīva plaušu slimība) bija zemas un astmas un glaukomas gadījumā vēl zemākas.
Metabolisma statuss saturēja ievērojami mazāk aplēsto datu, salīdzinot ar klīniskajiem aprēķiniem par glaukomu, kataraktu un resnās zarnas, ādas, prostatas un taisnās zarnas audu vēzi, un tam bija lielāks novērtējums nekā ASCVD un vecuma + dzimuma aplēses par nieru slimībām, T2D un aknu slimībām. Visi pārbaudītie modeļi tika labi kalibrēti UKBB kohortā, un četri ārējie kohortas rezultāti apstiprināja būtiskus diskriminējošus uzlabojumus, pievienojot MET vecuma un dzimuma novērtējuma datiem par HOPS, T2D, koronāro artēriju slimību (KSS), priekškambaru fibrilāciju un sirds mazspēju.
Turklāt C indeksa vērtības parādīja, ka MET dati ievērojami uzlaboja visaptverošus PANEL aprēķinus astoņām slimībām, tostarp HOPS, T2D, MACE, CHD, nieru slimībām, sirds mazspēju un demenci. Diskriminējošie ieguvumi parasti radīja lietderības ieguvumus. Pēc MET datu pielāgošanas visaptverošiem klīniskiem prognozētājiem tika iegūti pielāgoti HR aprēķini T2D (HRPANEL 2,5, HRGe+Dzimums 3,8), sirds mazspējai (HRPANEL 1,5, HRAGe+Gender 1,8) un visu cēloņu demencei (HRPANEL 1,5, HRAGe+6 Gender). , MACE (HRPANEL 1.4, HRAge+Sex 1.6) vai HOPS (HRPANEL 1.4, HRAge+Sex 1.6) skaidri nošķīra incidentu riska trajektorijas.
MET-HR tika ārēji apstiprināti, pielāgojot vecumu un dzimumu attiecībā uz KSS, HOPS, sirds mazspēju, visu cēloņu demenci un priekškambaru mirdzēšanu. Identificētie ļoti spēcīgi metabolīti bija glicīns, tirozīns un glutamīns, ogļhidrātu metabolisma metabolīti, albumīns, kreatinīns, glikoproteīna acetilēšana (GlycA), acetoacetāts un acetons. Tomēr, izņemot albumīnu, kreatinīnu, glikozi, kreatinīnu/cistatīnu C un lipīdus, netika novērota spēcīga korelācija starp KMR datiem un PANEL aplēsēm.
Ir novērotas ievērojamas saistības starp kreatinīnu un AAA, glikozi un T2D un GlycA ar HOPS un plaušu vēzi. Albumīns, kreatinīns, leicīns, tirozīns un glutamīns tika noteikti kā galvenie faktori, kas nosaka visu cēloņu demences risku. Interesanti, ka augsta riska personu attiecinājuma profilos pastāvīgi dominēja zems linolskābes (LA), albumīna, dokozaheksaēnskābes (DHA), glicīna un histidīna līmenis.
Diploms
Kopumā pētījuma rezultāti parādīja uz NMR balstītas metabolomiskās profilēšanas potenciālu, lai vienlaikus noskaidrotu vairāku medicīnisku slimību incidenta risku.
Atsauce:
- Buergel, T. et al. (2022) „Stoffwechselprofile sagen individuelle Multikrankheitsergebnisse voraus“, Nature Medicine. doi.org/10.1038/s41591-022-01980-3. https://www.nature.com/articles/s41591-022-01980-3