NOWY JORK – Korzystając z multiomicznych biomarkerów opartych na krwi, zespół z Instytutu Biologii Systemów i Uniwersytetu Waszyngtońskiego opracował sygnatury otyłości i chorób metabolicznych, które mogą znaleźć osoby dotknięte chorobą dokładniej niż wskaźnik masy ciała oparty na wzroście i wadze.

„Biologiczne BMI obliczone na podstawie danych metabolomicznych lepiej reaguje na zmiany stylu życia, dostarczając cennych informacji zwrotnych do monitorowania skutków interwencji zdrowotnych” starszy i korespondent, Noa Rappaport, naukowiec z Instytutu Biologii Systemów, powiedział w e-mailu. „Może to mieć kluczowe znaczenie dla utrzymania zaangażowania ludzi w zmiany stylu życia poprzez wykazywanie korzyści zdrowotnych, nawet przed lub bez utraty wagi”.

Jak poinformowali w Medycyna natury W poniedziałek Rappaport i jej współpracownicy zbadali około 1111 markerów krwi, od białek lub metabolitów małocząsteczkowych po tradycyjne kliniczne pomiary laboratoryjne, u ponad 1200 uczestników programu odnowy biologicznej Arivale. Przeanalizowali dane wraz z oceną ryzyka poligenicznego poszczególnych osób i profilami mikrobiomu jelitowego z rybosomalnego RNA 16S.

Analizując dane multiomiczne za pomocą metod uczenia maszynowego, zespół stworzył a BMI na podstawie metabolomiki wynik i inne biologiczne wyniki przewidywania BMI, które były ściślej śledzone z cechami metabolicznymi i składem społeczności drobnoustrojów jelitowych niż tradycyjne wyniki BMI – wyniki, które zostały następnie zweryfikowane z danymi dla kolejnych 1834 osób z badania TwinsUK.

„[W]Wyszkolone modele uczenia maszynowego do przewidywania bazowego BMI dla każdej z platform omicznych (metabolomika, proteomika i laboratoria kliniczne) lub w połączeniu: BMI oparty na metabolomice (MetBMI), BMI oparty na proteomice (ProtBMI), laboratoria kliniczne (chemia)- oparte na BMI (ChemBMI) i połączone modele BMI oparte na omicznych (CombiBMI)” wyjaśnili autorzy badania, zauważając, że „otrzymane modele zachowały 62 metabolity, 30 białek, 20 klinicznych testów laboratoryjnych i 132 anality” we wszystkich modelach .

Naukowcy wyjaśnili, że modele bBMI oparte na omice wyjaśniają dużą część zmienności stwierdzonej dla klasycznego BMI, zachowując jednocześnie powiązania z czynnikami fizjologicznymi, genetycznymi i stylem życia, które wcześniej były związane z klasycznym BMI.

Mimo to badacze dostrzegli intrygujące wzorce w podzbiorze osób, których wzorce bBMI różniły się od ich klasycznych szacunków BMI. W szczególności ich wyniki wskazywały na gorszy stan zdrowia metabolicznego u osób, które miały „normalną” klasyczną klasyfikację BMI, ale bBMI było wyższe niż oczekiwano. Z drugiej strony zdrowie metaboliczne było lepsze niż oczekiwano u osób z niskim bBMI na podstawie sygnatur opartych na omicznych, pomimo podwyższonego klasycznego BMI.

Podobnie, u uczestników obserwowanych w czasie, coaching stylu życia i interwencje dotyczące ulepszonej diety i ćwiczeń wydawały się wywoływać wyraźne reakcje metaboliczne, odzwierciedlone w MetBMI, nawet przy braku utraty wagi. Okazało się to szczególnie prawdziwe w przypadku osób z wyższymi wynikami bBMI, które miały normalne klasyfikacje BMI według tradycyjnych miar.

„Chociaż wskaźniki sukcesu w utracie wagi są często niskie po zmianie stylu życia, istnieją dowody na to, że te interwencje mogą pomóc w zapobieganiu cukrzycy do 20 lat później, nawet jeśli waga zostanie odzyskana”- dodał Rappaport, zauważając, że długoterminowe działanie ochronne związane z lepszymi pomiarami metabolicznego BMI „podkreśla znaczenie kompleksowego profilowania molekularnego w medycynie precyzyjnej, aby lepiej zrozumieć złożony związek między otyłością, zdrowiem metabolicznym i chorobami przewlekłymi”.

Na podstawie dostępnych danych zespół potwierdził również biomarkery krwi powiązane w przeszłości z uczuciem sytości i otyłością, w tym określone metabolity, takie jak kwas moczowy, wraz z białkami związanymi z metabolizmem, bilansem energetycznym i stanem zapalnym, w tym leptyną, adiponektyną lub FABP4 .

„Nasze badanie nie tylko potwierdziło te znane powiązania, ale także zwróciło uwagę na nowe kandydujące czynniki, których wcześniej nie mierzono, takie jak różne formy lipidów” – powiedział Rappaport, wyjaśniając, że podejście zespołu „dodatkowo stworzyło unikalną molekularną sygnaturę otyłości, ukazując różnorodne i złożone połączenia między tymi cząsteczkami i ich wpływ na nasze ogólne zdrowie metaboliczne”.