Dans une étude récente publiée dans Médecine naturelleles chercheurs ont exploré le potentiel d’une plateforme métabolomique basée sur la spectroscopie par résonance magnétique nucléaire (RMN) pour estimer les risques d’apparition de plusieurs conditions médicales.
Sommaire
Arrière plan
L’identification et la prévention rapides des facteurs de risque associés au développement de conditions médicales sont essentielles. Ces derniers temps, des analyses métabolomiques ont été effectuées pour identifier les individus à haut risque ; cependant, les données métaboliques ont été jugées inadéquates pour l’estimation du risque de maladie incidente. La spectroscopie RMN permet des évaluations moléculaires rapides et relativement rentables par rapport à d’autres techniques métabolomiques telles que la spectroscopie de masse.
À propos de l’étude
Dans la présente étude, les chercheurs ont cherché à savoir si les profils métabolomiques sérologiques basés sur la spectroscopie RMN pouvaient refléter le véritable état physiologique des individus et s’ajouter aux biomarqueurs cliniques pour estimer les risques de développer 24 conditions, y compris les troubles vasculaires, métaboliques, respiratoires, neurologiques et musculo-squelettiques et cancers dans 22 centres.
Un réseau neuronal (NN) a été formé pour apprendre simultanément les états métabolomiques (MET) spécifiques aux troubles médicaux à partir de 168 marqueurs métaboliques évalués quantitativement parmi 117 981 individus avec un suivi de 1 400 000 millions d’années individuelles du Royaume-Uni (UK) Biobank (BB) . Pour valider les résultats du modèle, quatre cohortes différentes ont été analysées, à savoir la cohorte de l’étude Rotterdam, la cohorte Whitehall II, la cohorte PROspective Study of Pravastatin in the Elderly at Risk (PROSPER) et la cohorte de l’étude Leiden Longevity PAROFF. même dosage métabolomique 1H-NMR.
De plus, trois cohortes du consortium BBMRI-NL ont été analysées. Les marqueurs comprenaient des métabolites d’acides gras et d’acides aminés associés à l’équilibre hydrique et au métabolisme des glucides. Leur association avec des marqueurs cliniques conventionnellement utilisés tels que la créatinine, l’albumine et le glucose a été évaluée. La modélisation des risques proportionnels de Cox (CPH) a été utilisée pour l’analyse, et les rapports de risque (HR) et les rapports de cotes (OR) ont été calculés.
Afin de maximiser la généralisabilité des résultats de l’étude, les données ont été partitionnées spatialement par centres de recrutement. Après avoir obtenu les estimations finales, les prédictions des ensembles de tests ont été agrégées par Whitehall II pour des analyses ultérieures. Les données ont été analysées par sexe et âge uniquement (âge + sexe), par des estimateurs cardiovasculaires basés sur l’American Heart Association (ASCVD) et des estimateurs PANEL (y compris > 30 estimateurs avec des données sur l’examen physique, les mesures de laboratoire et les habitudes de vie.
Les estimateurs ont ensuite été validés par les scores CAIDE et FINDRISC pour la démence et le diabète de type II (T2D), respectivement. En outre, les estimations de RMN ont été corrélées avec les taux de conditions médicales incidentes au cours de la période d’observation et comparées aux informations cliniques basées sur les valeurs delta de l’indice C. Les valeurs SHAP (explication additive en forme) ont été déterminées pour les 24 maladies étudiées et une analyse UMAP (approximation et projection uniformes du collecteur) a été effectuée pour identifier les métabolites affectant le plus les risques de maladie.
Résultats
L’âge médian de la population de l’échantillon était de 58 ans, dont 54 % étaient des femmes, et les participants ont été suivis pendant une durée médiane de 12 ans, avec 1 435 340 années individuelles globales. Les MET étaient associés aux taux d’événements incidents des affections étudiées, à l’exception du cancer du sein, et pour une estimation sur 10 ans, la combinaison des prédicteurs MET et âge + sexe égalait ou surpassait les autres estimateurs.
De plus, les données MET se sont ajoutées aux estimateurs cliniques pour huit conditions médicales, y compris le DT2, l’insuffisance cardiaque et la démence. Les valeurs OR élevées pour le DT2, l’anévrisme de l’aorte abdominale (AAA) et l’insuffisance cardiaque étaient respectivement de 62, 14 et 11. Au contraire, les valeurs OR étaient faibles pour les accidents vasculaires cérébraux, les événements cardiaques indésirables majeurs (MACE), la fibrillation auriculaire, la démence toutes causes confondues et la MPOC (maladie pulmonaire obstructive chronique), et encore plus faibles pour l’asthme et le glaucome.
L’état métabolomique contenait des données estimatives significativement moindres par rapport aux estimateurs cliniques pour le glaucome, la cataracte et les cancers du côlon, de la peau, de la prostate et des tissus rectaux et avait une valeur estimative supérieure à celle des estimateurs ASCVD et Âge+Sexe pour les troubles rénaux, le DT2, et troubles hépatiques. Tous les modèles testés se sont bien calibrés dans la cohorte UKBB, et les résultats des quatre cohortes externes ont validé des améliorations discriminatoires significatives en ajoutant MET aux données de l’estimateur âge + sexe pour la MPOC, le DT2, les maladies coronariennes (CHD), la fibrillation auriculaire et l’insuffisance cardiaque.
De plus, les valeurs de l’indice C ont indiqué que les données MET s’ajoutaient de manière significative aux estimateurs PANEL complets pour huit maladies, notamment la MPOC, le DT2, le MACE, la coronaropathie, les troubles rénaux, l’insuffisance cardiaque et la démence. Les gains discriminatoires se sont généralement traduits en gains d’utilité. Après ajustements des données MET pour les prédicteurs cliniques complets, les estimations HR ajustées pour le DT2 (HRPANNEAU 2.5, FCge+Sexe 3.8), insuffisance cardiaque (HRPANNEAU 1,5, FCÂge+Sexe 1.8), démence toutes causes confondues (HRPANNEAU 1,5, FCÂge+Sexe 1.6), MACE (RHPANNEAU 1.4, FCÂge+Sexe 1.6), ou BPCO (RHPANNEAU 1.4, FCÂge+Sexe 1.6) a montré une nette distinction entre les trajectoires des risques d’incidents.
Les MET HR ont été validés en externe avec des ajustements âge + sexe pour les coronaropathies, la MPOC, l’insuffisance cardiaque, la démence toutes causes confondues et la fibrillation auriculaire. Les métabolites à fort impact identifiés comprenaient la glycine, la tyrosine et la glutamine, les métabolites du métabolisme des glucides, l’albumine, la créatinine, l’acétylation de la glycoprotéine (GlycA), l’acétoacétate et l’acétone. Cependant, outre l’albumine, la créatinine, le glucose, la créatinine/cystatine C et les lipides, de fortes corrélations n’ont pas été observées entre les données RMN et les estimateurs PANEL.
Des associations remarquables ont été observées entre la créatinine avec AAA, le glucose et le DT2 et GlycA avec la MPOC et le cancer du poumon. L’albumine, la créatinine, la leucine, la tyrosine et la glutamine ont été identifiées comme les principaux contributeurs au risque estimé de démence de toutes causes. Il est intéressant de noter que les profils d’attribution des individus à haut risque étaient systématiquement dominés par de faibles niveaux d’acide linoléique (LA), d’albumine, d’acide docosahexaénoïque (DHA), de glycine et d’histidine.
Conclusion
Dans l’ensemble, les résultats de l’étude ont mis en évidence le potentiel du profilage métabolomique basé sur la RMN pour informer simultanément sur les risques d’incident de plusieurs troubles médicaux.
