Potentialen hos NMR-baserad blodprofilering som en endomänanalys för att förutsäga uppkomsten av flera sjukdomar samtidigt
I en nyligen publicerad studie publicerad i Natural Medicine undersökte forskare potentialen hos en kärnmagnetisk resonansspektroskopi (NMR)-baserad metabolisk plattform för att bedöma riskerna med att utveckla olika sjukdomar. Studie: Metaboliska profiler förutsäger individuella resultat vid multipelsjukdomar. Bildkälla: Forance/Shutterstock Bakgrund Tidig identifiering och förebyggande av riskfaktorer förknippade med sjukdomsutveckling är avgörande. Nyligen har metabola analyser utförts för att identifiera individer med hög risk; Emellertid ansågs metaboliska data vara otillräckliga för att uppskatta sjukdomsrisken. NMR-spektroskopi möjliggör snabba och relativt billiga molekylära studier jämfört med andra metabolomiska tekniker som masspektroskopi. Ovan…

Potentialen hos NMR-baserad blodprofilering som en endomänanalys för att förutsäga uppkomsten av flera sjukdomar samtidigt
I en nyligen publicerad studie publicerad i Naturmedicin Forskare undersökte potentialen hos en kärnmagnetisk resonansspektroskopi (NMR)-baserad metabolisk plattform för att bedöma riskerna med att utveckla olika sjukdomar.
Studie: Stoffwechselprofile sagen individuelle Ergebnisse bei mehreren Krankheiten voraus. Bildquelle: Forance/Shutterstock
bakgrund
Snabb identifiering och förebyggande av riskfaktorer förknippade med sjukdomsutveckling är avgörande. Nyligen har metabola analyser utförts för att identifiera individer med hög risk; Emellertid ansågs metaboliska data vara otillräckliga för att uppskatta sjukdomsrisken. NMR-spektroskopi möjliggör snabba och relativt billiga molekylära studier jämfört med andra metabolomiska tekniker som masspektroskopi.
Om studien
I den aktuella studien undersökte forskare om NMR-spektroskopibaserade serologiska metaboliska profiler återspeglar individers verkliga fysiologiska status och bidrar till kliniska biomarkörer för att uppskatta risken för att utveckla 24 sjukdomar, inklusive vaskulära, metabola, respiratoriska, neurologiska och muskuloskeletala cancer i 22 centra.
Ett neuralt nätverk (NN) tränades för att samtidigt lära sig metaboliska tillstånd (MET) specifika för medicinska störningar från 168 metaboliska markörer kvantitativt bestämda hos 117 981 individer med en uppföljning på 1 400 000 miljoner unika år från Storbritanniens (UK) Biobank (BB). . För att validera resultaten av modellen analyserades fyra olika kohorter, nämligen Rotterdam-studiekohorten, Whitehall II-kohorten, Prospective Study of Pravastatin in the Elderly at Risk (PROSPER)-kohorten och Leiden Longevity PAROFF-studiekohorten, med samma 1H NMR-metabolomikanalys.
Dessutom analyserades tre kohorter från BBMRI-NL-konsortiet. Markörer inkluderade fettsyra- och aminosyrametaboliter associerade med vätskebalans och kolhydratmetabolism. Deras samband med vanliga kliniska markörer som kreatinin, albumin och glukos bedömdes. Cox proportional hazard modeling (CPH) användes för analysen och hazard ratios (HRs) och odds ratios (ORs) beräknades.
För att maximera generaliserbarheten av studieresultaten delades data upp rumsligt efter rekryteringscentra. Efter att slutliga uppskattningar erhölls, aggregerades testuppsättningsförutsägelser till Whitehall II för ytterligare analys. Data analyserades efter kön och ålder (ålder+kön) endast av American Heart Association (ASCVD) kardiovaskulära estimatorer och PANEL estimatorer (inklusive mer än 30 estimatorer med fysisk undersökning, laboratoriemätningar och livsstilsdata).
Uppskattningarna validerades ytterligare av CAIDE- och FINDRISC-poäng för demens respektive typ II-diabetes (T2D). Dessutom korrelerades NMR-uppskattningarna med frekvensen av medicinska händelser under observationsperioden och jämfördes med klinisk information baserad på C-index deltavärden. SHAP-värden (Shapely Additive Explanation) bestämdes för alla 24 undersökta sjukdomar och en UMAP-analys (Uniform Manifold Approximation and Projection) genomfördes för att ta reda på vilka metaboliter som hade störst inverkan på sjukdomsriskerna.
Resultat
Medelåldern för urvalspopulationen var 58 år, varav 54 % var kvinnor, och deltagarna följdes i genomsnitt 12 år, totalt 1 435 340 unika år. MET-värden var associerade med händelsefrekvenser för andra studerade sjukdomar än bröstcancer, och vid en 10-års uppskattning uppfyllde eller översteg kombinationen av MET och ålder+kön prediktorer andra uppskattningar.
Dessutom kompletterade MET-data kliniska uppskattningar för åtta sjukdomar, inklusive typ 2-diabetes, hjärtsvikt och demens. De höga OR-värdena för T2D, abdominal aortaaneurysm (AAA) och hjärtsvikt var 62, 14 respektive 11. Däremot var OR-värdena för stroke, allvarlig hjärthändelse (MACE), förmaksflimmer, demens av alla orsaker och KOL (kronisk obstruktiv lungsjukdom) låga och för astma och glaukom ännu lägre.
Metabolisk status innehöll signifikant mindre uppskattade data jämfört med kliniska uppskattningar för glaukom, grå starr och cancer i tjocktarm, hud, prostata och rektalvävnad och hade en större uppskattning än ASCVD och ålder + kön uppskattningar för njursjukdom, T2D och leversjukdom. Alla testade modeller var väl kalibrerade i UKBB-kohorten, och de fyra externa kohortresultaten validerade signifikanta diskriminerande förbättringar genom att lägga till MET till skattningsdata för ålder+kön för KOL, T2D, kranskärlssjukdom (CHD), förmaksflimmer och hjärtsvikt.
Dessutom visade C-indexvärden att MET-data signifikant förbättrade omfattande PANEL-uppskattningar för åtta sjukdomar, inklusive KOL, T2D, MACE, CHD, njursjukdom, hjärtsvikt och demens. De diskriminerande vinsterna resulterade i allmänhet i nyttovinster. Efter MET-datajusteringar för omfattande kliniska prediktorer erhölls justerade HR-uppskattningar för T2D (HRPANEL 2,5, HRGe+Kön 3,8), hjärtsvikt (HRPANEL 1,5, HRAGe+Kön 1,8) och demens av alla orsaker (HRPANEL 1,5, HRAGe+Kön). , MACE (HRPANEL 1.4, HRAge+Sex 1.6) eller KOL (HRPANEL 1.4, HRAge+Sex 1.6) visade en tydlig skillnad mellan incidentriskbanorna.
MET-HRs externt validerades med ålders- och könsjusteringar för CHD, KOL, hjärtsvikt, demens av alla orsaker och förmaksflimmer. De mycket potenta metaboliter som identifierats inkluderar glycin, tyrosin och glutamin, metaboliter av kolhydratmetabolism, albumin, kreatinin, glykoproteinacetylering (GlycA), acetoacetat och aceton. Men bortsett från albumin, kreatinin, glukos, kreatinin/cystatin C och lipider observerades inga starka korrelationer mellan NMR-data och PANEL-uppskattningar.
Anmärkningsvärda samband mellan kreatinin och AAA, glukos och T2D och GlycA med KOL och lungcancer har observerats. Albumin, kreatinin, leucin, tyrosin och glutamin identifierades som huvudfaktorerna för den uppskattade risken för demens av alla orsaker. Intressant nog dominerades tillskrivningsprofilerna för högriskindivider konsekvent av låga nivåer av linolsyra (LA), albumin, dokosahexaensyra (DHA), glycin och histidin.
Diplom
Sammantaget belyste studieresultaten potentialen hos NMR-baserad metabolomisk profilering för att samtidigt belysa incidentrisken för flera medicinska sjukdomar.
Hänvisning:
- 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