Potensialet til NMR-basert blodprofilering som en enkeltdomeneanalyse for å forutsi utbruddet av flere sykdommer samtidig

Potensialet til NMR-basert blodprofilering som en enkeltdomeneanalyse for å forutsi utbruddet av flere sykdommer samtidig

I en fersk studie publisert i Naturmedisin Forskere undersøkte potensialet til en kjernemagnetisk resonansspektroskopi (NMR)-basert metabolsk plattform for å vurdere risikoen for å utvikle ulike sykdommer.

Studie: Stoffwechselprofile sagen individuelle Ergebnisse bei mehreren Krankheiten voraus. Bildquelle: Forance/Shutterstock

bakgrunn

Rettidig identifisering og forebygging av risikofaktorer knyttet til sykdomsutvikling er avgjørende. Nylig er det utført metabolske analyser for å identifisere individer med høy risiko; Imidlertid ble metabolske data ansett som utilstrekkelige for å estimere sykdomsrisiko. NMR-spektroskopi muliggjør raske og relativt rimelige molekylære studier sammenlignet med andre metabolomiske teknikker som massespektroskopi.

Om studiet

I denne studien undersøkte forskere om NMR-spektroskopibaserte serologiske metabolske profiler gjenspeiler den sanne fysiologiske statusen til individer og bidrar til kliniske biomarkører for å estimere risikoen for å utvikle 24 sykdommer, inkludert vaskulær, metabolsk, respiratorisk, nevrologisk og muskel-skjelettkreft i 22 sentre.

Et nevralt nettverk (NN) ble opplært til å samtidig lære metabolske tilstander (METs) spesifikke for medisinske lidelser fra 168 metabolske markører kvantitativt bestemt hos 117 981 individer med en oppfølging på 1 400 000 millioner unike år fra Storbritannia (UK) Biobank (BB). . For å validere resultatene av modellen ble fire forskjellige kohorter, nemlig Rotterdam-studiekohorten, Whitehall II-kohorten, den prospektive studien av Pravastatin in the Elderly at Risk (PROSPER)-kohorten og Leiden Longevity PAROFF-studiekohorten, analysert ved bruk av samme 1H NMR metabolomikkanalyse.

I tillegg ble tre kohorter fra BBMRI-NL-konsortiet analysert. Markører inkluderte fettsyre- og aminosyremetabolitter assosiert med væskebalanse og karbohydratmetabolisme. Deres assosiasjon med vanlig brukte kliniske markører som kreatinin, albumin og glukose ble vurdert. Cox proporsjonal faremodellering (CPH) ble brukt for analysen og fareforhold (HR) og oddsforhold (OR) ble beregnet.

For å maksimere generaliserbarheten til studieresultatene ble dataene romlig delt etter rekrutteringssentre. Etter at endelige estimater ble oppnådd, ble testsettprediksjoner aggregert til Whitehall II for videre analyse. Data ble analysert etter kjønn og alder (alder+kjønn) kun av American Heart Association (ASCVD) kardiovaskulære estimatorer og PANEL estimatorer (inkludert mer enn 30 estimatorer med fysisk undersøkelse, laboratoriemålinger og livsstilsdata).

Estimatene ble ytterligere validert av CAIDE- og FINDRISC-skårer for henholdsvis demens og type II diabetes (T2D). I tillegg ble NMR-estimatene korrelert med frekvensen av medisinske hendelser i observasjonsperioden og sammenlignet med klinisk informasjon basert på C-indeks delta-verdier. SHAP-verdier (Shapely Additive Explanation) ble bestemt for alle de 24 sykdommene som ble undersøkt, og en UMAP-analyse (Uniform Manifold Approximation and Projection) ble utført for å finne ut hvilke metabolitter som hadde størst innflytelse på sykdomsrisiko.

Resultater

Gjennomsnittsalderen for utvalgspopulasjonen var 58 år, hvorav 54 % var kvinner, og deltakerne ble fulgt i gjennomsnitt 12 år, i totalt 1 435 340 unike år. MET-verdier var assosiert med hendelsesrater for sykdommene som ble studert bortsett fra brystkreft, og ved et 10-års estimat oppfylte kombinasjonen av MET og alder+kjønn prediktorer eller oversteg andre estimater.

I tillegg kompletterte MET-dataene kliniske estimater for åtte sykdommer, inkludert diabetes type 2, hjertesvikt og demens. De høye OR-verdiene for T2D, abdominal aortaaneurisme (AAA) og hjertesvikt var henholdsvis 62, 14 og 11. I motsetning til dette var OR-verdiene for hjerneslag, alvorlige uønskede hjertehendelser (MACE), atrieflimmer, demens av alle årsaker og KOLS (kronisk obstruktiv lungesykdom) lave og for astma og glaukom enda lavere.

Metabolsk status inneholdt signifikant færre estimerte data sammenlignet med kliniske estimater for glaukom, grå stær og kreft i tykktarm, hud, prostata og rektalvev og hadde et større estimat enn ASCVD og alder + kjønn estimater for nyresykdom, T2D og leversykdom. Alle testede modeller var godt kalibrert i UKBB-kohorten, og de fire eksterne kohortresultatene validerte signifikante diskriminerende forbedringer ved å legge MET til alder+kjønn-estimatordata for KOLS, T2D, koronararteriesykdom (CHD), atrieflimmer og hjertesvikt.

I tillegg viste C-indeksverdier at MET-data betydelig forbedret omfattende PANEL-estimater for åtte sykdommer, inkludert KOLS, T2D, MACE, CHD, nyresykdom, hjertesvikt og demens. De diskriminerende gevinstene resulterte generelt i nyttegevinster. Etter MET-datajusteringer for omfattende kliniske prediktorer, ble justerte HR-estimater oppnådd for T2D (HRPANEL 2.5, HRGe+Gender 3.8), hjertesvikt (HRPANEL 1.5, HRAGe+Gender 1.8) og demens av alle årsaker (HRPANEL 1.5, HRAGe+Gender). , MACE (HRPANEL 1.4, HRAge+Sex 1.6) eller KOLS (HRPANEL 1.4, HRAge+Sex 1.6) viste et klart skille mellom hendelsesrisikobanene.

MET-HR ble eksternt validert med alders- og kjønnsjusteringer for CHD, KOLS, hjertesvikt, demens av alle årsaker og atrieflimmer. Svært potente metabolitter som ble identifisert inkluderte glycin, tyrosin og glutamin, metabolitter av karbohydratmetabolisme, albumin, kreatinin, glykoproteinacetylering (GlycA), acetoacetat og aceton. Men bortsett fra albumin, kreatinin, glukose, kreatinin/cystatin C og lipider, ble det ikke observert noen sterke korrelasjoner mellom NMR-data og PANEL-estimatene.

Bemerkelsesverdige assosiasjoner mellom kreatinin og AAA, glukose og T2D og GlycA med KOLS og lungekreft er observert. Albumin, kreatinin, leucin, tyrosin og glutamin ble identifisert som hovedfaktorene i den estimerte risikoen for demens av alle årsaker. Interessant nok ble attribusjonsprofilene til høyrisikoindivider konsekvent dominert av lave nivåer av linolsyre (LA), albumin, dokosaheksaensyre (DHA), glysin og histidin.

Diplom

Samlet sett fremhevet studieresultatene potensialet til NMR-basert metabolomisk profilering for samtidig å belyse hendelsesrisikoen for flere medisinske sykdommer.

Referanse:

• 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