Del Ⅰ: Validering af kandidat-phospholipid-biomarkører for kronisk nyresygdom hos hyperglykæmiske individer og deres organspecifikke udforskning i leptinreceptor-deficient Db/db mus

Apr 20, 2023

Abstrakt

Udforskning af tidlige biomarkører for kronisk nyresygdom (CKD) hos personer med (præ-)diabetes er afgørende for personlig behandling af diabetes. Her evaluerede vi to kandidatbiomarkører for CKD-hændelser (sphingomyelin (SM) C18:1 og phosphatidylcholin diacyl (PC aa) C38:0) forbundet med nyrefunktion hos hyperglykæmiske deltagere i Augsburg Regional Cooperative Health Study (KORA) kohorte, samt to biologiske væsker og seks organer i leptinreceptor-deficiente (db/db) mus og vildtypekontroller. Det blev fundet, at højere serumkoncentrationer af SM C18:1 og PC aa C38:{{10}} hos hyperglykæmiske patienter var forbundet med lavere glomerulær filtrationshastighed (eGFR) estimater og højere odds for CKD-prævalens. Hos db/db-mus var koncentrationerne af begge metabolitter signifikant lavere i urin og fedtvæv, men højere i lungerne. Derudover var SM C18:1-niveauer signifikant højere i plasma og lever, og PC aa C38:0-niveauer var signifikant højere i binyrerne hos db/db-mus. Denne tværsnitsundersøgelse af mennesker bekræfter, at SM C18:1 og PC aa C38:0 er forbundet med nyreinsufficiens hos prædiabetiske individer, og dyreforsøg tyder på, at lever-, lunge-, binyre- og visceralt fedt kan være involveret i deres systemiske regulering. Vores resultater validerer yderligere disse to fosfolipider som tidlige biomarkører for nyresygdom hos patienter med (præ)diabetes.

Nøgleord

kronisk nyresygdom; prædiabetes og type 2-diabetes; diabetisk nefropati; nedsat nyrefunktion; mus med leptinreceptormangel; kost med højt fedtindhold; lever; lunger; metabolomics;Cistanche fordele.

Cistanche benefits

Klik her for at videvirkningerne af Cistanche på nyrerne

Introduktion

Diabetisk nefropati er en væsentlig årsag til kronisk nyresygdom (CKD) og nyresygdom i slutstadiet. Tidlig screening for CKD-følsomhed hos patienter med prædiabetes eller type 2-diabetes (T2D) kan øge chancerne for effektiv forebyggelse og behandling af diabetiske mikrovaskulære komplikationer inden for en mere personlig diabetesbehandlingsramme. Men målrettet screening er afgørende for at sikre en effektiv allokering af sundhedsressourcer.

Traditionelle markører for CKD forudsiger ikke nøjagtigt udviklingen af ​​CKD hos patienter med T2D. I et stort randomiseret klinisk forsøg med 5,5 års opfølgning blev urinalbumin til kreatinin-ratio (UACR) og estimeret glomerulær filtrationshastighed (eGFR) fundet at være de vigtigste variabler til at forudsige debut og progression af tidlig CKD hos patienter med T2D. Men selv når de kombineres med alder og køn (dvs. et sæt af fire kliniske variabler: alder, køn, eGFR og UACR), blev deres forudsigelsesevne fundet at være beskeden, med en eksternt valideret c-statistik på {{6} }.68.

Metabolomics er fortsat en relativt ny tilgang til at studere metaboliske ændringer forbundet med sygdomsdebut og progression, samt til at finde forudsigende biomarkører til tidlig intervention. Ved at bruge baseline metabolitprofiler fra den befolkningsbaserede Augustine Regional Cooperative Health Study (KORA) kohorte identificerede vi for nylig to kandidatmetabolitbiomarkører (sphingomyelin (SM) C18:1 og phosphatidylcholin diacyl (PC aa) C38:0), der er specifikke for CKD-hændelser hos personer med prædiabetes eller T2D bb0 hyperglykæmi. SM C18:1 og PC aa C38:{{10}} blev identificeret ud fra 125 målmetabolitter ved et tre-trins funktionsvalg med multivariat logistisk regressionsjustering, prioritetsscreening og trinvis udvælgelse af Akaike informationskriteriet. Disse to metabolitter blev identificeret som de bedste prædiktorer for CKD-forekomst sammen med fem kliniske variable (alder, totalt kolesterol, fastende glukose, eGFR og UACR) faktorer. Deres prædiktive effekt havde en gennemsnitlig arealværdi på 0,857 under emnets arbejdskarakteristiske kurve, som var overlegen i forhold til de 14 kendte CKD-risikofaktorer. Imidlertid er de fysiologiske mekanismer, der fører til den cykliske akkumulering af disse nye kandidatbiomarkører i patogenesen af ​​diabetesrelateret CKD, endnu ikke klare.

Cistanche benefits

Standardiseret Cistanche

Ændringer i serumfosfolipidniveauer hos hyperglykæmiske personer med højere risiko for at udvikle CKD kan indikere, at tidlige ændringer ikke kun forekommer i nyrerne, men også i andre organsystemer. Utilstrækkelig clearance af store mængder af potentielt toksiske organiske metabolitter fra karlejet til urinen under kronisk nyresygdom kan påvirke flere kropssystemer og organer. Biologisk udforskning af nye biomarkører er nødvendig for bedre at forstå de komplekse metaboliske interaktioner mellem kredsløbs-, muskuloskeletale- og respiratoriske systemer ved kronisk nyresygdom og deres potentielle kliniske anvendelse i diagnosticering. Derudover tillader dyremodeller, der afspejler udviklingen af ​​diabetesrelateret CKD-patogenese, direkte analyse af organspecifikke metabolitmønstre under sygdomsforværring. Den leptinreceptor-deficiente musemodel (db/db) viser en meget konsekvent og robust stigning i proteinuri og thylakoid stromal ekspansion. Det er således en veletableret model for human diabetisk nefropati.

I denne undersøgelse evaluerede vi SM C18:1 og PC aa C38:0 om eGFR-værdier og CKD-risiko, såvel som målmetabolitprofilerne for nyligt genererede hyperglykæmiske deltagere i KORA FF4-studiet. Derudover undersøgte vi kreatinin, SM C18:1 og PC aa C38:0 niveauer i to biologiske væsker (plasma, urin) og seks væv (lever, lunge, binyre, fedtvæv, cerebellum og testikler ) fra db/db og vildtype (WT) mus på en diæt med højt fedtindhold (HFD) for at udforske organspecifikke ændringer og diskutere deres potentielle sammenhæng med forskellige kliniske tegn. Vores resultater afslører for første gang, at flere organer kan være involveret i den systematiske akkumulering af disse metabolitbiomarkører under patogenesen af ​​CKD.

Cistanche benefits

Cistanche kosttilskud

Resultater

Sammenslutninger af de to metabolitter med eGFR og CKD hos hyperglykæmiske individer

1. Karakteristika for deltagerne i KORA FF4-undersøgelsen

Af de 1907 kvalificerede KORA FF4-deltagere havde 168 CKD (8,8 procent). Som forventet blev hyperglykæmiske deltagere diagnosticeret med CKD hyppigere (16,3 procent) end personer med normal glukosetolerance (NGT) (6,1 procent) (tabel 1). CKD-tilfælde var signifikant ældre og havde signifikant højere kreatinin- og UACR-værdier i de hyperglykæmiske og NGT-grupper sammenlignet med ikke-CKD-individer. Selvrapporteret indtag af antihypertensive og lipidsænkende medicin var også signifikant højere i tilfælde af kronisk nyresygdom. BMI, triglycerider, glykeret hæmoglobin (HbA1C), fastende glukose og 2-time post-load glukoseværdier (2-time glucose) var også signifikant højere hos CKD-patienter i NGT-gruppen sammenlignet med ikke-CKD individer (tabel 1).

Table 1

2. Omvendte associationer af de to metabolitter med eGFR hos hyperglykæmiske individer

Efter anvendelse af invers sandsynlighedsvægtning (IPW), var eGFR i hyperglykæmiske individer signifikant og negativt forbundet med SM C18:1 og PC aa C38:0 koncentrationer i alle tre vægtede regressionsmodeller (justeret for uligevægt, grundlæggende og fuld model kovariater). For eksempel, i den fulde model var en SD-stigning i ln-transformerede SM C18:1-koncentrationer forbundet med en 1,76 ml/min/1,73 m2fald i eGFR (p=2.499 × 10-3; Tabel 2).

Table 2

3. Associationer af de to metabolitter med CKD er specifikke for hyperglykæmi

Figure 1

De relative koncentrationer af begge metabolitter (SM C18:1, PC aa C38:0) var højere hos CKD-patienter med samtidig hyperglykæmi end hos ikke-CKD-individer (figur 1). I de tre modeller efter IPW var koncentrationerne af SM C18:1 og PC aa C38:0 signifikant og positivt korreleret med CKD hos hyperglykæmiske individer (tabel 3). ln-transformeret SM C18:1 eller PC aa C38:0 koncentrationer pr. 1 SD-stigning var forbundet med henholdsvis 99 procent eller 71 procent. Oddsene for CKD steg hos hyperglykæmiske deltagere (fuld model p= 4.482 × 10-4 henholdsvis 1.578 × 10-3; tabel 3).

Table 3

Som en følsomhedsanalyse testede vi forholdet mellem disse to metabolitter og CKD hos normoglykæmiske KORA-deltagere. I alle tre modeller efter IPW var smc18:1 og PC aa C38:0 ikke signifikant forbundet med CKD hos personer med NGT (tabel 3). Som vist i figur 1 var der ingen signifikant forskel i relative metabolitkoncentrationer hos normoglykæmiske individer med diagnosen CKD sammenlignet med raske NGT. Disse resultater bekræfter yderligere, at risikoassocieringen af ​​disse to lipider er specifik for hyperglykæmi.

Organspecifikke tendenser for kandidatbiomarkører i diabetiske mus

1. Karakteristika for musemodellen

Organtendenser i begge fosfolipider blev undersøgt i en db/db musemodel, der efterligner udviklingen af ​​tidlig CKD hos mennesker. 5 uger efter HFD var 8-ugegamle db/db-mus overvægtige og havde signifikant øget hjerte-, nyre- og levervægt sammenlignet med WT-kontroller af samme alder og diæt (tabel 4). Derudover var deres blodniveauer af glukose, insulin, kolesterol og c-reaktivt protein signifikant forhøjet, hvilket bekræftede hyperglykæmi, dyslipidæmi og inflammation i db/db-musene.

Table 4

Deres signifikant forhøjede nyrevægt indikerer nyrehypertrofi, som opstår tidligt i udviklingen af ​​diabetisk nefropati og er et af de tidlige tegn på morfologiske ændringer i nyrehistologi. Det blev vist, at 8-ugegamle diabetiske mus havde glomerulær hypertrofi og signifikant større glomerulær klyngeoverflade sammenlignet med ikke-diabetiske mus. Glomerulær hyperfiltration og hypertrofi er tidlige træk ved diabetisk nefropati.

Cistanche benefits

Herba Cistanche

2. Analyse af kreatinin i otte murine væv

Kreatininkoncentrationer i biologiske væsker (plasma, urin) og organer (lever, lunger, binyrer, visceralt fedtvæv, testikler, cerebellum) blev målt ved målrettet metabolomik. Plasmakreatinin blev også bestemt ved klinisk kemi. Pearson-korrelationskoefficienten for plasmakreatininkoncentrationer bestemt ved begge metoder var 0.923 (p-værdi= 6.938 × 10-9), hvilket indikerer en meget høj korrelation mellem den kliniske kemi og massespektrometri (MS)-baserede metoder.

Ud over plasma blev der også påvist signifikant reducerede kreatininværdier i urin, lever og lunger hos db/db mus (tabel 5). Vi observerede en cirka 40 procent reduktion i plasmakreatinin i db/db mus (tabel 4) og en negativ tendens i deres urin, hvilket indikerer nedsat kreatininbiosyntese, proteolytisk metabolisme og glomerulær hyperfiltration.

Table 5

Sammenfattende udviste vores 8-uge gamle db/db-mus fodret med HFD i 5 uger karakteristiske ændringer af tidlig diabetisk nefropati, såsom glomerulær filtration og hypertrofi, signifikant lavere plasma- og urinkreatininniveauer og øget nyrevægt. Derudover viste deres fænotypiske og metaboliske data fedme, hyperglykæmi, dyslipidæmi og inflammation, hvilket bekræfter tidligere rapporter om insulinresistens og fedtlever (steatose) hos db/db-mus af lignende alder.

3. Organ-specifikke tendenser af de to metabolitter

Sammenlignet med WT-rotter blev der fundet højere koncentrationer af SM C18:1 og PC aa C38:0 i lungerne hos db/db-rotter, mens der blev fundet stærkt reducerede koncentrationer i urin og fedtvæv (Figur 2, Tabel 5) ). Derudover akkumulerede SM C18:1 signifikant i plasma (p=3.160 × 10-4) og lever (p=1.288 × 10-5), mens PC aa C38:0 var signifikant højere i binyrerne (p=9.695 × 10-4, tabel 5) af db/db rotter. Koncentrationerne af de to metabolitter i cerebellum og testikler var sammenlignelige (tabel 5).

Figure 2


Referencer

1. Alicic, RZ; Neumiller, JJ; Johnson, EJ; Dieter, B.; Tuttle, KR Natrium-Glucose Cotransporter 2-hæmning og diabetisk nyresygdom. Diabetes 2019, 68, 248-257.

2. GBD kronisk nyresygdom samarbejde; Bikbov, B.; Purcell, C.; Levey, AS; Smith, M.; Abdoli, A.; Abebe, M.; Adebayo, OM; Afarideh, M.; Agarwal, SK; et al. Global, regional og national byrde af kronisk nyresygdom, 1990-2017: En systematisk analyse til Global Burden of Disease Study 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. Populationsbaseret screening for kronisk nyresygdom: En omkostningseffektivitetsundersøgelse. 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. Risikoforudsigelse for tidlig CKD i type 2-diabetes. Clin. J. Am. Soc. Nephrol. 2015, 10, 1371-1379.

5. Nicholson, JK; Wilson, ID Udtalelse: Forståelse af 'global' systembiologi: Metabonomi og metabolismens kontinuum. 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. Genetik møder metabolomik: En genomomfattende associationsundersøgelse af metabolitprofiler i humant serum. PLoS Genet. 2008, 4, e1000282.

7. Suhre, K.; Shin, SY; Petersen, AK; Mohney, RP; Meredith, D.; Wagele, B.; Altmaier, E.; CardioGram; Deloukas, P.; Erdmann, J.; et al. Menneskelig metabolisk individualitet i biomedicinsk og farmaceutisk forskning. Nature 2011, 477, 54–60.

8. Wang-Sattler, R.; Yu, Z.; Herder, C.; Messias, AC; Floegel, A.; Hej.; Heim, K.; Campillos, M.; Holzapfel, C.; Thorand, B.; et al. Nye biomarkører for præ-diabetes identificeret ved metabolomics. Mol. Syst. Biol. 2012, 8, 615.

9. Huang, J.; Huth, C.; Covic, M.; Trold, M.; Adam, J.; Zukunft, S.; Prehn, C.; Wang, L.; Nano, J.; Scheerer, MF; et al. Maskinlæringsmetoder afslører metaboliske signaturer af hændelse af kronisk nyresygdom hos personer med prædiabetes og type 2-diabetes. Diabetes 2020, 69, 2756-2765.

10. Fornoni, A.; Merscher, S.; Kopp, JB Podocyttens lipidbiologi – nye perspektiver giver nye muligheder. Nat. Rev. Nephrol. 2014, 10, 379-388.

11. Russo, SB; Ross, JS; Cowart, LA Sphingolipider i fedme, type 2-diabetes og metabolisk sygdom. Håndb. Exp. Pharmacol. 2013, 373-401.

12. Lisowska-Myjak, B. Uræmiske toksiner og deres virkninger på flere organsystemer. Nephron Clin. øv. 2014, 128, 303-311.

13. Sharma, K.; McCue, P.; Dunn, SR Diabetisk nyresygdom i db/db-musen. Er. 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. Metaboliske ændringer i urin og serum under progressionen af ​​diabetisk nyresygdom i en musemodel. Arch. Biochem. Biofys. 2018, 646, 90-97.

15. Yamamoto, Y.; Maeshima, Y.; Kitayama, H.; Kitamura, S.; Takazawa, Y.; Sugiyama, H.; Yamasaki, Y.; Makino, H. Tumstatin-peptid, en hæmmer af angiogenese, forhindrer glomerulær hypertrofi i det tidlige stadie af diabetisk nefropati. Diabetes 2004, 53, 1831-1840.

16. Cingel-Risti´c, V.; Schrijvers, BF; van Vliet, AK; Rasch, R.; Han, VK; Drop, SL; Flyvbjerg, A. Nyrevækst hos normale og diabetiske mus påvirkes ikke af administration af humant insulinlignende vækstfaktorbindende protein-1. Exp. Biol. Med. (Maywood) 2005, 230, 135-143.

17. Cohen, MP; Lautenslager, GT; Shearman, CW Øget urin type IV kollagen markerer udviklingen af ​​glomerulær patologi hos diabetiske d/db mus. Metabolisme 2001, 50, 1435-1440.

18. Trak-Smayra, V.; Paradis, V.; Massart, J.; Nasser, S.; Jebara, V.; Fromenty, B. Leverpatologi hos overvægtige og diabetiske ob/ob- og db/db-mus fodret med en standard- eller højkaloriediæt. Int. J. Exp. Pathol. 2011, 92, 413-421.

19. Hofmann, A.; Peitzsch, M.; Brunssen, C.; Mittag, J.; Jannasch, A.; Frenzel, A.; Brown, N.; Weldon, SM; Eisenhofer, G.; Bornstein, SR; et al. Forhøjet steroidhormonproduktion i db/db-musemodellen for fedme og type 2-diabetes. Horm. Metab. Res. 2017, 49, 43-49.

20. Chocian, G.; Chabowski, A.; Zendzian-Piotrowska, M.; Harasim, E.; Łukaszuk, B.; Górski, J. Fedtrig diæt inducerer ceramid- og sphingomyelindannelse i rotteleverkerner. Mol. Cell Biochem. 2010, 340, 125-131.


Jialing Huang 1,2,3, Marcela Covic 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 og Rui Wang-Sattler 1,2,3.

1 forskningsenhed for molekylær epidemiologi, Helmholtz Zentrum München, 85764 Neuherberg, Tyskland; 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 for Epidemiologi, Helmholtz Zentrum München, 85764 Neuherberg, Tyskland; 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 Forskningsenhed for Molekylær Endokrinologi og Metabolisme, Helmholtz Zentrum München, 85764 Neuherberg, Tyskland; zukunft@vrc.uni-frankfurt.de (SZ); adamski@helmholtz-muenchen.de (JA)

5 Center for Molekylær Medicin, Institut for Vaskulær Signalering, Goethe Universitet, 60323 Frankfurt am Main, Tyskland

6 Metabolomics and Proteomics Core Facility, Helmholtz Zentrum München, 85764 Neuherberg, Germany; prehn@helmholtz-muenchen.de

7 Liaocheng People's Hospital — Institut for Videnskabelig Forskning, Shandong University Postdoc-arbejdsstation, Liaocheng 252000, Kina

8 Institute of Experimental Genetics, Helmholtz Zentrum München, 85764 Neuherberg, Tyskland; markus@scheerer-home.de (MFS); susanne.neschen@mail.com (SN)

9 Bayer AG, Medical Affairs & Pharmacovigilance, 13353 Berlin, Tyskland

10 Sanofifi Aventis Deutschland GmbH, Industriepark Hoechst, 65929 Frankfurt am Main, Tyskland

11 Institute of Computational Biology, Helmholtz Zentrum München, 85764 Neuherberg, Tyskland; g.kastenmueller@helmholtz-muenchen.de

12 Institute of Health Economics and Health Care Management, Helmholtz Zentrum München, 85764 Neuherberg, Tyskland; michael.laxy@helmholtz-muenchen.de

13 Profifil, 41460 Neuss, Tyskland; Freimut.Schliess@profifil.com

14 Institut for Biokemi, Yong Loo Lin School of Medicine, National University of Singapore, Singapore 117597, Singapore

15 Formand for eksperimentel genetik, Center of Life and Food Sciences Weihenstephan, Technische Universität München, 85353 Freising, Tyskland

16 Institut for Fysiologi og Biofysik, Weill Cornell Medical College i Qatar (WCMC-Q), Education City, Qatar Foundation, Doha Postboks 24144, Qatar; karsten@suhre.fr



Du kan også lide