炉石传说盒子卡组怎样直接拿到炉石里使用:代謝組學預測肥胖、糖尿病等代謝病的風險

  • 代謝組學預測肥胖、糖尿病等代謝病的風險已關閉評論
  • 543 views
  • A+
所屬分類:新聞

代謝組就是機體成百上千種代謝產物的集合。利用現代質譜技術的代謝組學研究,讓我們能夠評估疾病風險和個體代謝組之間的關聯,鑒別出預測疾病風險的特殊標記。

近日,一項刊登在Cell Metabolism雜志上的研究發現了利用系統的代謝組學方法,通過對上千名個體組成的大樣本量進行代謝分型,能夠通過代謝組特征將人群分為代謝健康型和代謝肥胖型,并且利用正常和肥胖人群不同的分子標記來預測其未來健康狀況和心血管疾病的風險,相關研究結果對肥胖相關的多種疾病的預測、診斷和治療方法具有重要的指導和拓展意義。

該篇文章中,研究者對2396名參與者(包括TwinsUK cohort和Health Nucleus cohort)進行跨度8-18年3個時間點取樣的分析,發現共有307個代謝物(占總共測到1007個代謝物的將近三分之一)在至少一個cohort隊列研究的一個時間點與體重指數BMI顯著相關。其中,83個代謝物在兩隊列研究中變化趨勢一致,這其中又有49個代謝物與BMI最顯著相關。49個代謝物主要包括脂質(23個)、氨基酸(14個)以及核苷酸、多肽等分子,其中大部分代謝物水平隨著BMI的增加而增加,只有磷脂、溶血磷脂的脂質隨著BMI的增加而減少(圖1)。

圖1.與BMI相關的代謝物的代謝通路分類及隨BMI的變化趨勢

 

接著,研究者利用回歸分析(ridge regression)建模,嘗試通過49個BMI相關的代謝物預測實際BMI(mBMI)(圖2)。最終,通過對這些代謝產物的水平進行分析,模型的AUC達到0.922,能夠以80.2%的靈敏性和89.1%的特異性來預測個體肥胖的狀況。更有意思的是,代謝產物的改變并不總是會與個體是否真的肥胖相對應,也就是說,一個人即使BMI正常,其也存在患某種疾病的風險,這對于臨床醫生有效預測患者的疾病風險非常重要。

在建立了預測mBMI的模型后,研究者將樣本分成了5組——3組mBMI與BMI一致的正常、超重、肥胖組,以及預測小于實際和預測大于實際的mBMI<BMI組和mBMI>BMI組,這兩組作為outlier組??梢鑰闖鱸趏utlier組,很多生理生化指標都無法像其他3組一樣由BMI推斷出趨勢范圍。

圖2. 與實際BMI和代謝組預測的BMI(mBMI)相關的生理生化變量

 

最后,通過沖擊圖(Alluvial plot)研究者還展示了與起始健康或肥胖狀態(第1個檢測時間點)相比,在幾年后的第3個時間點檢測的變化結果,發現mBMI高于實際BMI的個體在之后的追蹤研究中更容易發展為超重或肥胖狀態(圖3)。而對于心血管相關疾病及中風的發病率,mBMI低于實際BMI的個體在基線時只有少量中風的概率,接近體重和代謝型都正常的個體;mBMI高于實際BMI的個體的發病率則接近于超重和肥胖個體(圖3)。

圖3.在8-18年的TwinsUK研究中不同BMI/mBMI分類健康狀況改變及心血管疾病發展比例

 

本文還揭示了代謝組學的系統研究可以代替單一或少數代謝產物或生物標志物來預測疾病的觀點,如今研究人員更多會將多種參數進行結合來分析疾病的狀態。比如,研究人員還會參與者進行了基因組的測序,發現遺傳因素或許并不能像代謝物一樣很好地預測與肥胖相關的健康狀況。下一步希望能利用這些工具,通過不同的實驗和機器學習方法,來研究其它代謝性疾病,例如糖尿病和非酒精性脂肪肝等。

 

綜上所述,肥胖能改變機體的代謝組學特性,未來我們或許可以通過機體的代謝產物來預測肥胖個體是否會患上糖尿病和心血管疾病。

 

 

原文出處:

Elizabeth T. Cirulli,Lining Guo,Christine Leon Swisher, et al. ?Profound Perturbation of the Metabolome in Obesity Is Associated with Health Risk. ?Cell Metabolism(2018) doi:10.1016/j.cmet.2018.09.022