Dio Ⅰ: Validacija kandidata za fosfolipidne biomarkere kronične bubrežne bolesti kod hiperglikemijskih pojedinaca i njihovo organsko-specifično istraživanje kod Db/db miša s nedostatkom leptinskog receptora
Apr 20, 2023
Sažetak
Istraživanje ranih biomarkera kronične bubrežne bolesti (CKD) kod osoba s (pre)dijabetesom ključno je za personalizirano upravljanje dijabetesom. Ovdje smo procijenili dva kandidata za biomarkera KBB događaja (sfingomijelin (SM) C18:1 i fosfatidilkolin diacil (PC aa) C38:0) povezana s bubrežnom funkcijom kod hiperglikemijskih sudionika Augsburške regionalne kooperativne zdravstvene studije (KORA) kohorte, kao i dvije biološke tekućine i šest organa kod miševa s nedostatkom receptora leptina (db/db) i kontrola divljeg tipa. Utvrđeno je da su više serumske koncentracije SM C18:1 i PC aa C38:{{10}} u pacijenata s hiperglikemijom bile povezane s nižim procjenama brzine glomerularne filtracije (eGFR) i većim izgledima za prevalenciju KBB-a. U db/db miševa koncentracije obaju metabolita bile su značajno niže u urinu i masnom tkivu, ali više u plućima. Uz to, razine SM C18:1 bile su značajno više u plazmi i jetri, a razine PC aa C38:0 bile su značajno više u nadbubrežnim žlijezdama db/db miševa. Ova presječna studija na ljudima potvrđuje da su SM C18:1 i PC aa C38:0 povezani s bubrežnom disfunkcijom kod predijabetičkih pojedinaca, a studije na životinjama sugeriraju da jetra, pluća, nadbubrežna i visceralna mast mogu biti uključeni u njihovu sustavnu regulaciju. Naša otkrića dodatno potvrđuju ova dva fosfolipida kao rane biomarkere bubrežne bolesti u bolesnika s (pre)dijabetesom.
Ključne riječi
kronična bolest bubrega; predijabetes i dijabetes tipa 2; dijabetička nefropatija; smanjena funkcija bubrega; miš s nedostatkom leptinskog receptora; dijeta bogata mastima; jetra; pluća; metabolomika;Cistanche koristi.
Kliknite ovdje da biste saznaliučinci Cistanche na bubrege
Uvod
Dijabetička nefropatija glavni je uzrok kronične bubrežne bolesti (CKD) i završnog stadija bubrežne bolesti. Rani probir za osjetljivost na CKD kod pacijenata s predijabetesom ili dijabetesom tipa 2 (T2D) može povećati izglede za učinkovitu prevenciju i liječenje dijabetičkih mikrovaskularnih komplikacija unutar personaliziranijeg okvira upravljanja dijabetesom. Međutim, ciljani probir je ključan kako bi se osigurala učinkovita raspodjela zdravstvenih resursa.
Tradicionalni markeri CKD-a ne predviđaju točno razvoj CKD-a u bolesnika s T2D-om. U velikom randomiziranom kliničkom ispitivanju s 5,5 godina praćenja, utvrđeno je da su omjer albumina i kreatinina u mokraći (UACR) i procijenjena brzina glomerularne filtracije (eGFR) najvažnije varijable za predviđanje početka i napredovanja ranog KBB-a u bolesnika s T2D. Međutim, čak i u kombinaciji s dobi i spolom (tj. skupom od četiri kliničke varijable: dob, spol, eGFR i UACR), utvrđeno je da je njihova prediktivna moć skromna, s eksterno potvrđenom c-statistikom {{6} }.68.
Metabolomika ostaje relativno novi pristup za proučavanje metaboličkih promjena povezanih s nastankom i napredovanjem bolesti, kao i za pronalaženje prediktivnih biomarkera za ranu intervenciju. Koristeći osnovne profile metabolita iz populacijske kohorte Augustine Regional Cooperative Health Study (KORA), nedavno smo identificirali dva kandidata za biomarkera metabolita (sfingomijelin (SM) C18:1 i fosfatidilkolin diacil (PC aa) C38:0) koji specifični su za KBB događaje kod osoba s predijabetesom ili T2D bb0 hiperglikemijom. SM C18:1 i PC aa C38:{{10}} identificirani su od 125 ciljnih metabolita odabirom značajki u tri koraka s prilagodbom multivarijantne logističke regresije, prioritetnim pregledom i postupnim odabirom Akaike informacijskog kriterija. Ova su dva metabolita identificirana kao najbolji prediktori pojave KBB-a zajedno s pet čimbenika kliničkih varijabli (dob, ukupni kolesterol, glukoza natašte, eGFR i UACR). Njihov prediktivni učinak imao je srednju vrijednost površine od 0,857 ispod krivulje radne karakteristike subjekta, što je bilo superiornije u odnosu na 14 poznatih čimbenika rizika za CKD. Međutim, fiziološki mehanizmi koji dovode do cikličke akumulacije ovih novih kandidata za biomarkere u patogenezi CKD-a povezane s dijabetesom još nisu jasni.
Standardizirani Cistanche
Promjene u razinama fosfolipida u serumu kod hiperglikemijskih pojedinaca s većim rizikom od razvoja CKD-a mogu ukazivati na to da se rane promjene događaju ne samo u bubrezima, već iu drugim organskim sustavima. Neadekvatno uklanjanje velikih količina potencijalno toksičnih organskih metabolita iz vaskularnog sloja u mokraću tijekom kronične bubrežne bolesti može utjecati na više tjelesnih sustava i organa. Biološko istraživanje novih biomarkera neophodno je za bolje razumijevanje složenih metaboličkih interakcija između cirkulacijskog, mišićno-koštanog i respiratornog sustava u kroničnoj bubrežnoj bolesti i njihove potencijalne kliničke primjene u dijagnostici. Osim toga, životinjski modeli koji odražavaju evoluciju patogeneze kronične bubrežne bolesti povezane s dijabetesom omogućuju izravnu analizu obrazaca metabolita specifičnih za organe tijekom egzacerbacije bolesti. Mišji model s nedostatkom leptinskog receptora (db/db) pokazuje vrlo dosljedno i snažno povećanje proteinurije i ekspanzije strome tilakoida. Dakle, to je dobro uspostavljen model ljudske dijabetičke nefropatije.
U ovoj studiji procijenili smo SM C18:1 i PC aa C38:0 o vrijednostima eGFR i riziku od kronične bubrežne bolesti, kao i ciljne profile metabolita nedavno stvorenih hiperglikemijskih sudionika u studiji KORA FF4. Osim toga, ispitali smo razine kreatinina, SM C18:1 i PC aa C38:0 u dvije biološke tekućine (plazma, urin) i šest tkiva (jetra, pluća, nadbubrežna žlijezda, masno tkivo, mali mozak i testis ) od db/db i divljeg tipa (WT) miševa na dijeti s visokim udjelom masti (HFD) kako bi se istražile promjene specifične za organe i raspravilo njihova potencijalna povezanost s različitim kliničkim znakovima. Naša otkrića po prvi put otkrivaju da nekoliko organa može biti uključeno u sustavnu akumulaciju ovih biomarkera metabolita tijekom patogeneze KBB-a.
Cistanche suplementi
Rezultati
Povezanost dvaju metabolita s eGFR i CKD kod osoba s hiperglikemijom
1. Karakteristike sudionika KORA FF4 studije
Od 1907 kvalificiranih sudionika KORA FF4, 168 je imalo KBB (8,8 posto). Kao što se i očekivalo, sudionicima s hiperglikemijom češće je dijagnosticiran KBB (16,3 posto) nego osobama s normalnom tolerancijom glukoze (NGT) (6,1 posto) (Tablica 1). Slučajevi CKD-a bili su znatno stariji i imali su značajno više vrijednosti kreatinina i UACR-a u hiperglikemijskim i NGT skupinama u usporedbi s osobama bez KBB-a. Samoprijavljeni unos antihipertenziva i lijekova za snižavanje lipida također je bio značajno veći u slučajevima KBB-a. BMI, trigliceridi, glikirani hemoglobin (HbA1C), glukoza natašte i 2-satna vrijednost glukoze nakon opterećenja (2-satna glukoza) također su bile značajno više u bolesnika s kroničnom bubrežnom bolesti u skupini NGT u usporedbi s onima bez KBB-a pojedinaca (Tablica 1).
2. Inverzna povezanost dvaju metabolita s eGFR u hiperglikemijskih osoba
Nakon primjene obrnutog ponderiranja vjerojatnosti (IPW), eGFR u hiperglikemijskih pojedinaca bio je značajno i negativno povezan s koncentracijama SM C18:1 i PC aa C38:0 u sva tri ponderirana regresijska modela (prilagođeno za neravnotežni, osnovni i puni model kovarijate). Na primjer, u punom modelu, SD povećanje koncentracija ln-transformiranog SM C18:1 povezano je s 1,76 mL/min/1,73 m2smanjenje eGFR (p=2,499 × 10-3; Tablica 2).
3. Povezanost dvaju metabolita s CKD-om specifična je za hiperglikemiju
Relativne koncentracije obaju metabolita (SM C18:1, PC aa C38:0) bile su više u bolesnika s kroničnom bubrežnom bolesti s istodobnom hiperglikemijom nego u osoba bez kronične bolesti bubrega (Slika 1). U tri modela nakon IPW-a, koncentracije SM C18:1 i PC aa C38:0 bile su u značajnoj i pozitivnoj korelaciji s CKD-om u osoba s hiperglikemijom (Tablica 3). Koncentracije ln-transformiranog SM C18:1 ili PC aa C38:0 po 1 SD povećanju bile su povezane s 99 posto odnosno 71 posto. Izgledi za CKD porasli su kod sudionika s hiperglikemijom (puni model p= 4.482 × 10-4 odnosno 1,578 × 10-3; Tablica 3).
Kao analizu osjetljivosti, testirali smo odnos između ova dva metabolita i kronične bubrežne bolesti u normoglikemičnih KORA sudionika. U sva tri modela nakon IPW-a, smc18:1 i PC aa C38:0 nisu bili značajno povezani s CKD-om u osoba s NGT-om (Tablica 3). Kao što je prikazano na slici 1, nije bilo značajne razlike u relativnim koncentracijama metabolita u normoglikemičnih pojedinaca s dijagnozom CKD u usporedbi sa zdravim NGT. Ovi rezultati dodatno potvrđuju da je povezanost rizika ova dva lipida specifična za hiperglikemiju.
Organski specifični trendovi kandidata za biomarkere u dijabetičkih miševa
1. Karakteristike modela miša
Organski trendovi u oba fosfolipida istraženi su na db/db mišjem modelu oponašajući razvoj rane kronične bubrežne bolesti kod ljudi. 5 tjedana nakon HFD-a, 8-tjedna stari db/db miševi bili su pretili i imali su značajno povećanu težinu srca, bubrega i jetre u usporedbi s WT kontrolama iste dobi i prehrane (Tablica 4). Osim toga, njihove razine glukoze, inzulina, kolesterola i c-reaktivnog proteina u krvi bile su značajno povišene, potvrđujući hiperglikemiju, dislipidemiju i upalu u db/db miševa.
Njihova značajno povišena težina bubrega ukazuje na hipertrofiju bubrega, koja se javlja rano u razvoju dijabetičke nefropatije i jedan je od ranih znakova morfoloških promjena u histologiji bubrega. Pokazalo se da su miševi s dijabetesom stari 8- tjedan dana imali glomerularnu hipertrofiju i značajno veću površinu glomerularnih nakupina u usporedbi s miševima bez dijabetesa. Glomerularna hiperfiltracija i hipertrofija rane su značajke dijabetičke nefropatije.
Herba Cistanche
2. Analiza kreatinina u osam mišjih tkiva
Koncentracije kreatinina u biološkim tekućinama (plazma, urin) i organima (jetra, pluća, nadbubrežne žlijezde, visceralno masno tkivo, testisi, mali mozak) mjerene su ciljanom metabolomikom. Kreatinin u plazmi također je određen kliničkom kemijom. Pearsonov koeficijent korelacije za koncentracije kreatinina u plazmi određene objema metodama bio je 0.923 (p-vrijednost= 6.938 × 10-9), što ukazuje na vrlo visoku korelaciju između metoda temeljenih na kliničkoj kemiji i masenoj spektrometriji (MS).
Osim u plazmi, značajno smanjene vrijednosti kreatinina također su otkrivene u urinu, jetri i plućima db/db miševa (Tablica 5). Uočili smo približno 40-postotno smanjenje kreatinina u plazmi u db/db miševa (Tablica 4) i negativan trend u njihovom urinu, što ukazuje na poremećenu biosintezu kreatinina, proteolitički metabolizam i glomerularnu hiperfiltraciju.
Ukratko, naši 8-tjedne stari db/db miševi hranjeni HFD-om tijekom 5 tjedana pokazali su karakteristične promjene rane dijabetičke nefropatije, kao što su glomerularna filtracija i hipertrofija, značajno niže razine kreatinina u plazmi i urinu i povećana težina bubrega. Osim toga, njihovi fenotipski i metabolički podaci pokazali su pretilost, hiperglikemiju, dislipidemiju i upalu, potvrđujući prethodna izvješća o inzulinskoj rezistenciji i masnoj jetri (steatoza) u db/db miševa slične dobi.
3. Organski specifični trendovi dvaju metabolita
U usporedbi s WT štakorima, veće koncentracije SM C18:1 i PC aa C38:0 pronađene su u plućima db/db štakora, dok su u urinu i masnom tkivu pronađene znatno smanjene koncentracije (Slika 2, Tablica 5). ). Osim toga, SM C18:1 značajno se akumulirao u plazmi (p=3,160 × 10-4) i jetra (p=1.288 × 10-5), dok je PC aa C38:0 bio značajno veći u nadbubrežnoj žlijezdi (p=9,695 × 10-4, Tablica 5) db/db štakora. Koncentracije dvaju metabolita u malom mozgu i testisima bile su usporedive (Tablica 5).
Reference
1. Aličić, RZ; Neumiller, JJ; Johnson, EJ; Dieter, B.; Tuttle, KR Inhibicija natrij-glukoznog kotransportera 2 i dijabetička bubrežna bolest. Dijabetes 2019, 68, 248–257.
2. GBD Chronic Kidney Disease Collaboration; Bikbov, B.; Purcell, C.; Levey, AS; Smith, M.; Abdoli, A.; Abebe, M.; Adebayo, OM; Afarideh, M.; Agarwal, SK; et al. Globalni, regionalni i nacionalni teret kronične bubrežne bolesti, 1990-2017: Sustavna analiza za Studiju globalnog tereta bolesti 2017. Lancet 2020, 395, 709–733.
3. Manns, B.; Hemmelgarn, B.; Tonelli, M.; Au, F.; Chiasson, TC; Dong, J.; Klarenbach, S.; Alberta Kidney Disease, N. Populacijski probir za kroničnu bubrežnu bolest: Studija isplativosti. BMJ 2010, 341, c5869.
4. Dunkler, D.; Gao, P.; Lee, SF; Heinze, G.; Clase, CM; Tobe, S.; Teo, KK; Gerstein, H.; Mann, JF; Oberbauer, R.; et al. Predviđanje rizika za ranu CKD kod dijabetesa tipa 2. Clin. J. Am. Soc. Nefrol. 2015, 10, 1371–1379.
5. Nicholson, JK; Wilson, ID Mišljenje: Razumijevanje 'globalne' biologije sustava: Metabonomika i kontinuum metabolizma. Nat. Rev. Drug Discov. 2003, 2, 668–676.
6. Gieger, C.; Geistlinger, L.; Altmaier, E.; Hrabe de Angelis, M.; Kronenberg, F.; Meitinger, T.; Mewes, HW; Wichmann, HE; Weinberger, KM; Adamski, J.; et al. Genetika susreće metabolomiku: Studija povezanosti profila metabolita u ljudskom serumu na razini genoma. PLoS Genet. 2008, 4, e1000282.
7. Suhre, K.; Shin, SY; Petersen, AK; Mohney, RP; Meredith, D.; Wagele, B.; Altmaier, E.; Kardiogram; Deloukas, P.; Erdmann, J.; et al. Ljudska metabolička individualnost u biomedicinskim i farmaceutskim istraživanjima. Nature 2011, 477, 54–60.
8. Wang-Sattler, R.; Yu, Z.; Herder, C.; Messias, AC; Floegel, A.; On, Y.; Heim, K.; Campillos, M.; Holzapfel, C.; Thorand, B.; et al. Novi biomarkeri za preddijabetes identificirani metabolomikom. Mol. Syst. Biol. 2012, 8, 615.
9. Huang, J.; Huth, C.; Čović, M.; Trol, M.; Adam, J.; Zukunft, S.; Prehn, C.; Wang, L.; Nano, J.; Scheerer, MF; et al. Pristupi strojnog učenja otkrivaju metaboličke znakove incidenata kronične bubrežne bolesti kod osoba s predijabetesom i dijabetesom tipa 2. Dijabetes 2020, 69, 2756–2765.
10. Fornoni, A.; Merscher, S.; Kopp, JB Lipidna biologija podocita – nove perspektive nude nove mogućnosti. Nat. vlč. Nefrol. 2014, 10, 379–388.
11. Russo, SB; Ross, JS; Cowart, LA Sfingolipidi u pretilosti, dijabetesu tipa 2 i metaboličkim bolestima. Handb. Exp. Pharmacol. 2013, 373–401.
12. Lisowska-Myjak, B. Uremički toksini i njihovi učinci na više organskih sustava. Nephron Clin. Vježbajte. 2014., 128, 303–311.
13. Sharma, K.; McCue, P.; Dunn, SR Dijabetička bolest bubrega u db/db miša. Am. J. Physiol Renal Physiol 2003, 284, F1138-F1144.
14. Kim, NH; Hyeon, JS; Kim, NH; Cho, A.; Lee, G.; Jang, SY; Kim, MK; Lee, EY; Chung, CH; Ha, H.; et al. Metaboličke promjene u urinu i serumu tijekom progresije dijabetičke bubrežne bolesti u mišjem modelu. Arh. Biochem. Biophys. 2018, 646, 90–97.
15. Yamamoto, Y.; Maeshima, Y.; Kitayama, H.; Kitamura, S.; Takazawa, Y.; Sugiyama, H.; Yamasaki, Y.; Makino, H. Tumstatin peptid, inhibitor angiogeneze, sprječava glomerularnu hipertrofiju u ranoj fazi dijabetičke nefropatije. Dijabetes 2004, 53, 1831–1840.
16. Cingel-Ristić, V.; Schrijvers, BF; van Vliet, AK; Rasch, R.; Han, VK; Kap, SL; Flyvbjerg, A. Na rast bubrega kod normalnih i dijabetičkih miševa ne utječe primjena ljudskog inzulinu sličnog faktora rasta koji veže protein-1. Exp. Biol. Med. (Maywood) 2005, 230, 135–143.
17. Cohen, MP; Lautenslager, GT; Shearman, CW Povećani urinarni kolagen tipa IV označava razvoj glomerularne patologije u dijabetičkih d/db miševa. Metabolizam 2001, 50, 1435–1440.
19. Trak-Smayra, V.; Paradis, V.; Massart, J.; Nasser, S.; Jebara, V.; Fromenty, B. Patologija jetre u pretilih i dijabetičkih ob/ob i db/db miševa hranjenih standardnom ili visokokaloričnom dijetom. Int. J. Exp. Pathol. 2011, 92, 413–421.
20. Hofmann, A.; Peitzsch, M.; Brunssen, C.; Mittag, J.; Jannasch, A.; Frenzel, A.; Brown, N.; Weldon, SM; Eisenhofer, G.; Bornstein, SR; et al. Povećana proizvodnja steroidnih hormona u db/db mišjem modelu pretilosti i dijabetesa tipa 2. Horm. Metab. Res. 2017., 49, 43–49.
20. Chocian, G.; Chabowski, A.; Zendzian-Piotrowska, M.; Harasim, E.; Łukaszuk, B.; Górski, J. Prehrana bogata mastima potiče stvaranje ceramida i sfingomijelina u jezgri jetre štakora. Mol. Cell Biochem. 2010, 340, 125–131.
Jialing Huang 1,2,3, Marcela Čović 1,2,3, Cornelia Huth 2, Martina Rommel 1,2, Jonathan Adam 1,2, Sven Zukunft 4,5 , Cornelia Prehn 6, Li Wang 1,2,7, Jana Nano 2,3, Markus F. Scheerer 8,9, Susanne Neschen 8,10, Gabi Kastenmüller 11, Christian Gieger 1,2,3, Michael Laxy 12, Freimut Schliess 13 , Jerzy Adamski 4,14,15, Karsten Suhre 16 , Martin Hrabe de Angelis 3,8,15, Annette Peters 2,3 i Rui Wang-Sattler 1,2,3.
1 Research Unit of Molecular Epidemiology, Helmholtz Zentrum München, 85764 Neuherberg, Njemačka; jialing.huang@helmholtz-muenchen.de (JH); marcela.covic@helmholtz-muenchen.de (MC); martina.troll@helmholtz-muenchen.de (MR); jonathan.adam@helmholtz-muenchen.de (JA); wlrst@126.com (LW); christian.gieger@helmholtz-muenchen.de (CG)
2 Institut za epidemiologiju, Helmholtz Zentrum München, 85764 Neuherberg, Njemačka; cod.huth@gmail.com (CH); jana.nano@helmholtz-muenchen.de (JN); peters@helmholtz-muenchen.de (AP)
3 German Center for Diabetes Research (DZD), 85764 München-Neuherberg, Germany; hrabe@helmholtz-muenchen.de
4 Research Unit of Molecular Endocrinology and Metabolism, Helmholtz Zentrum München, 85764 Neuherberg, Njemačka; zukunft@vrc.uni-frankfurt.de (SZ); adamski@helmholtz-muenchen.de (JA)
5 Centar za molekularnu medicinu, Institut za vaskularnu signalizaciju, Sveučilište Goethe, 60323 Frankfurt am Main, Njemačka
6 Metabolomics and Proteomics Core Facility, Helmholtz Zentrum München, 85764 Neuherberg, Germany; prehn@helmholtz-muenchen.de
7 Liaocheng People's Hospital—Odjel za znanstvena istraživanja, Postdoctoral Work Station Sveučilišta Shandong, Liaocheng 252000, Kina
8 Institut za eksperimentalnu genetiku, Helmholtz Zentrum München, 85764 Neuherberg, Njemačka; markus@scheerer-home.de (MFS); susanne.neschen@mail.com (SN)
9 Bayer AG, Medical Affairs & Pharmacovigilance, 13353 Berlin, Njemačka
10 Sanofifi Aventis Deutschland GmbH, Industriepark Hoechst, 65929 Frankfurt am Main, Njemačka
11 Institut za računalnu biologiju, Helmholtz Zentrum München, 85764 Neuherberg, Njemačka; g.kastenmueller@helmholtz-muenchen.de
12 Institut za zdravstvenu ekonomiku i menadžment zdravstvene zaštite, Helmholtz Zentrum München, 85764 Neuherberg, Njemačka; michael.laxy@helmholtz-muenchen.de
13 Profil, 41460 Neuss, Njemačka; Freimut.Schliess@profifil.com
14 Department of Biochemistry, Yong Loo Lin School of Medicine, National University of Singapore, Singapore 117597, Singapore
15 Katedra za eksperimentalnu genetiku, Center of Life and Food Sciences Weihenstephan, Technische Universität München, 85353 Freising, Njemačka
16 Odjel za fiziologiju i biofiziku, Weill Cornell Medical College u Kataru (WCMC-Q), Education City, Qatar Foundation, Doha PO Box 24144, Katar; karsten@suhre.fr
