Del Ⅰ: Validering av kandidatfosfolipidbiomarkörer för kronisk njursjukdom hos hyperglykemiska individer och deras organspecifika undersökning i leptinreceptorbrist Db/db-mus
Apr 20, 2023
Abstrakt
Att utforska tidiga biomarkörer för kronisk njursjukdom (CKD) hos individer med (pre-)diabetes är avgörande för en personlig hantering av diabetes. Här utvärderade vi två kandidatbiomarkörer för CKD-händelser (sfingomyelin (SM) C18:1 och fosfatidylkolindiacyl (PC aa) C38:0) associerade med njurfunktion hos hyperglykemiska deltagare i Augsburg Regional Cooperative Health Study (KORA) kohort, såväl som två biologiska vätskor och sex organ i möss med leptinreceptorbrist (db/db) och vildtypskontroller. Det visade sig att högre serumkoncentrationer av SM C18:1 och PC aa C38:{{10}} hos hyperglykemiska patienter var associerade med lägre uppskattningar av glomerulär filtrationshastighet (eGFR) och högre odds för CKD-prevalens. Hos db/db-möss var koncentrationerna av båda metaboliterna signifikant lägre i urin och fettvävnad, men högre i lungorna. Dessutom var SM C18:1-nivåerna signifikant högre i plasma och lever, och PC aa C38:0-nivåerna var signifikant högre i binjurarna hos db/db-möss. Denna tvärsnittsstudie på människa bekräftar att SM C18:1 och PC aa C38:0 är associerade med nedsatt njurfunktion hos prediabetiska individer, och djurstudier tyder på att lever-, lung-, binjure- och visceralt fett kan vara involverade i deras systemiska reglering. Våra resultat bekräftar ytterligare dessa två fosfolipider som tidiga biomarkörer för njursjukdom hos patienter med (pre)diabetes.
Nyckelord
kronisk njursjukdom; prediabetes och typ 2-diabetes; Diabetisk nefropati; nedsatt njurfunktion; mus med leptinreceptorbrist; kost med hög fetthalt; lever; lungor; metabolomik;Cistanche fördelar.
Klicka här för att vetaeffekterna av Cistanche på njurarna
Introduktion
Diabetisk nefropati är en viktig orsak till kronisk njursjukdom (CKD) och njursjukdom i slutstadiet. Tidig screening för CKD-känslighet hos patienter med prediabetes eller typ 2-diabetes (T2D) kan öka chanserna för effektivt förebyggande och hantering av diabetiska mikrovaskulära komplikationer inom en mer personlig ram för diabeteshantering. Målinriktad screening är dock väsentlig för att säkerställa en effektiv allokering av sjukvårdsresurser.
Traditionella markörer för CKD förutsäger inte exakt utvecklingen av CKD hos patienter med T2D. I en stor randomiserad klinisk studie med 5,5 års uppföljning visade sig urinalbumin till kreatinin-kvot (UACR) och uppskattad glomerulär filtrationshastighet (eGFR) vara de viktigaste variablerna för att förutsäga uppkomsten och progressionen av tidig CKD hos patienter med T2D. Men även i kombination med ålder och kön (dvs. en uppsättning av fyra kliniska variabler: ålder, kön, eGFR och UACR), befanns deras prediktionsförmåga vara blygsam, med en externt validerad c-statistik på {{6} }.68.
Metabolomics är fortfarande ett relativt nytt tillvägagångssätt för att studera metabola förändringar associerade med sjukdomsdebut och progression, samt för att hitta prediktiva biomarkörer för tidig intervention. Med hjälp av baslinjemetabolitprofiler från den populationsbaserade Augustine Regional Cooperative Health Study (KORA)-kohorten, identifierade vi nyligen två kandidatbiomarkörer för metabolit (sfingomyelin (SM) C18:1 och fosfatidylkolin diacyl (PC aa) C38:0) som är specifika för CKD-händelser hos individer med prediabetes eller T2D bb0 hyperglykemi. SM C18:1 och PC aa C38:{{10}} identifierades från 125 målmetaboliter genom ett funktionsval i tre steg med multivariat logistisk regressionsjustering, prioritetsscreening och stegvis val av Akaike-informationskriteriet. Dessa två metaboliter identifierades som de bästa prediktorerna för CKD-förekomst tillsammans med fem kliniska variabler (ålder, totalt kolesterol, fasteglukos, eGFR och UACR) faktorer. Deras prediktiva effekt hade ett medelareavärde på 0,857 under ämnets arbetskarakteristiska kurva, vilket var överlägset den för de 14 kända riskfaktorerna för kronisk nyck-sjukdom. De fysiologiska mekanismerna som leder till den cykliska ackumuleringen av dessa nya kandidatbiomarkörer i patogenesen av diabetesrelaterad CKD är dock ännu inte klarlagda.
Standardiserad Cistanche
Förändringar i serumfosfolipidnivåer hos hyperglykemiska individer med högre risk att utveckla CKD kan tyda på att tidiga förändringar inträffar inte bara i njurarna utan även i andra organsystem. Otillräcklig clearance av stora mängder potentiellt toxiska organiska metaboliter från kärlbädden till urinen under kronisk njursjukdom kan påverka flera kroppssystem och organ. Biologisk utforskning av framväxande biomarkörer är nödvändig för att bättre förstå de komplexa metaboliska interaktionerna mellan cirkulations-, muskuloskeletala och andningsorganen vid kronisk njursjukdom och deras potentiella kliniska tillämpning vid diagnos. Dessutom tillåter djurmodeller som återspeglar utvecklingen av diabetesrelaterad CKD-patogenes direkt analys av organspecifika metabolitmönster under sjukdomsexacerbation. Den leptinreceptordefekta musmodellen (db/db) visar en mycket konsekvent och robust ökning av proteinuri och tylakoid stromal expansion. Således är det en väletablerad modell av mänsklig diabetisk nefropati.
I den här studien utvärderade vi SM C18:1 och PC aa C38:0 om eGFR-värden och CKD-risk, såväl som målmetabolitprofilerna för nyligen genererade hyperglykemiska deltagare i KORA FF4-studien. Dessutom undersökte vi kreatinin, SM C18:1 och PC aa C38:0 nivåer i två biologiska vätskor (plasma, urin) och sex vävnader (lever, lunga, binjure, fettvävnad, lillhjärna och testiklar ) från db/db och vildtyp (WT) möss på en diet med hög fetthalt (HFD) för att utforska organspecifika förändringar och diskutera deras potentiella samband med olika kliniska tecken. Våra fynd avslöjar för första gången att flera organ kan vara involverade i den systematiska ackumuleringen av dessa metabolitbiomarkörer under patogenesen av CKD.
Cistanche-tillskott
Resultat
Associationer av de två metaboliterna med eGFR och CKD hos hyperglykemiska individer
1. Kännetecken för deltagarna i KORA FF4-studien
Av de 1907 berättigade KORA FF4-deltagarna hade 168 CKD (8,8 procent). Som väntat diagnostiserades hyperglykemiska deltagare oftare med CKD (16,3 procent) än individer med normal glukostolerans (NGT) (6,1 procent) (tabell 1). CKD-fallen var signifikant äldre och hade signifikant högre kreatinin- och UACR-värden i hyperglykemiska och NGT-grupperna jämfört med icke-CKD-individer. Självrapporterat intag av blodtryckssänkande och lipidsänkande mediciner var också signifikant högre i CKD-fall. BMI, triglycerider, glykerat hemoglobin (HbA1C), fasteglukos och 2-timmars glukosvärden (2-timmes glukos) var också signifikant högre hos CKD-patienter i NGT-gruppen jämfört med icke-CKD individer (tabell 1).
2. Omvända associationer av de två metaboliterna med eGFR hos hyperglykemiska individer
Efter att ha tillämpat invers sannolikhetsviktning (IPW), var eGFR i hyperglykemiska individer signifikant och negativt associerat med SM C18:1 och PC aa C38:0 koncentrationer i alla tre viktade regressionsmodeller (justerad för ojämvikt, grundläggande och full modell kovariater). Till exempel, i den fullständiga modellen, var en SD-ökning i ln-transformerade SM C18:1-koncentrationer associerad med en 1,76 ml/min/1,73 m2minskning av eGFR (p=2.499 × 10-3; Tabell 2).
3. Associationer av de två metaboliterna med CKD är specifika för hyperglykemi
De relativa koncentrationerna av båda metaboliterna (SM C18:1, PC aa C38:0) var högre hos CKD-patienter med samtidig hyperglykemi än hos icke-CKD-individer (Figur 1). I de tre modellerna efter IPW var koncentrationerna av SM C18:1 och PC aa C38:0 signifikant och positivt korrelerade med CKD hos hyperglykemiska individer (tabell 3). ln-transformerad SM C18:1 eller PC aa C38:0 koncentrationer per 1 SD-ökning var associerade med 99 procent respektive 71 procent. Oddsen för CKD ökade hos hyperglykemiska deltagare (full modell p= 4.482 × 10-4 respektive 1.578 × 10-3; Tabell 3).
Som en känslighetsanalys testade vi förhållandet mellan dessa två metaboliter och CKD hos normoglykemiska KORA-deltagare. I alla tre modellerna efter IPW var smc18:1 och PC aa C38:0 inte signifikant associerade med CKD hos individer med NGT (tabell 3). Som visas i figur 1 fanns det ingen signifikant skillnad i relativa metabolitkoncentrationer hos normoglykemiska individer med diagnosen CKD jämfört med frisk NGT. Dessa resultat bekräftar vidare att riskassociationen av dessa två lipider är specifik för hyperglykemi.
Organspecifika trender för kandidatbiomarkörerna hos diabetiska möss
1. Musmodellens egenskaper
Organtrender i båda fosfolipiderna undersöktes i en db/db-musmodell som efterliknar utvecklingen av tidig CKD hos människor. 5 veckor efter HFD var 8-veckogamla db/db-möss överviktiga och hade signifikant ökad hjärt-, njur- och levervikt jämfört med WT-kontroller av samma ålder och diet (tabell 4). Dessutom var deras blodnivåer av glukos, insulin, kolesterol och c-reaktivt protein signifikant förhöjda, vilket bekräftar hyperglykemi, dyslipidemi och inflammation hos db/db-mössen.
Deras signifikant förhöjda njurvikter indikerar njurhypertrofi, som inträffar tidigt i utvecklingen av diabetisk nefropati och är ett av de tidiga tecknen på morfologiska förändringar i njurhistologi. Det visades att 8-veckogamla diabetiska möss hade glomerulär hypertrofi och signifikant större glomerulär klusteryta jämfört med icke-diabetiska möss. Glomerulär hyperfiltrering och hypertrofi är tidiga kännetecken för diabetisk nefropati.
Herba Cistanche
2. Analys av kreatinin i åtta murina vävnader
Kreatininkoncentrationer i biologiska vätskor (plasma, urin) och organ (lever, lungor, binjurar, visceral fettvävnad, testiklar, cerebellum) mättes med målinriktad metabolomik. Plasmakreatinin bestämdes också genom klinisk kemi. Pearsons korrelationskoefficient för plasmakreatininkoncentrationer bestämd med båda metoderna var 0.923 (p-värde= 6.938 × 10-9), vilket indikerar en mycket hög korrelation mellan klinisk kemi och masspektrometri (MS)-baserade metoder.
Utöver plasma detekterades också signifikant reducerade kreatininvärden i urin, lever och lungor hos db/db-möss (tabell 5). Vi observerade en cirka 40-procentig minskning av plasmakreatinin i db/db-möss (tabell 4) och en negativ trend i deras urin, vilket tyder på försämrad kreatininbiosyntes, proteolytisk metabolism och glomerulär hyperfiltrering.
Sammanfattningsvis uppvisade våra 8-veckogamla db/db-möss som matades med HFD i 5 veckor karakteristiska förändringar av tidig diabetisk nefropati, såsom glomerulär filtration och hypertrofi, signifikant lägre kreatininnivåer i plasma och urin och ökad njurvikt. Dessutom visade deras fenotypiska och metaboliska data fetma, hyperglykemi, dyslipidemi och inflammation, vilket bekräftar tidigare rapporter om insulinresistens och fettlever (steatos) hos db/db-möss av liknande ålder.
3. Organspecifika trender för de två metaboliterna
Jämfört med WT-råttor hittades högre koncentrationer av SM C18:1 och PC aa C38:0 i lungorna hos db/db-råttor, medan kraftigt reducerade koncentrationer i urin och fettvävnad hittades (Figur 2, Tabell 5) ). Dessutom ackumulerades SM C18:1 signifikant i plasma (p=3.160 × 10-4) och lever (p=1.288 × 10-5), medan PC aa C38:0 var signifikant högre i binjuren (p=9.695 × 10-4tabell 5) av db/db-råttor. Koncentrationerna av de två metaboliterna i lillhjärnan och testiklarna var jämförbara (tabell 5).
Referenser
1. Alicic, RZ; Neumiller, JJ; Johnson, EJ; Dieter, B.; Tuttle, KR Sodium-Glucose Cotransporter 2-hämning och diabetisk njursjukdom. Diabetes 2019, 68, 248–257.
2. GBD kronisk njursjukdom samarbete; Bikbov, B.; Purcell, C.; Levey, AS; Smith, M.; Abdoli, A.; Abebe, M.; Adebayo, OM; Afarideh, M.; Agarwal, SK; et al. Global, regional och nationell börda av kronisk njursjukdom, 1990-2017: En systematisk analys för 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. Populationsbaserad screening för kronisk njursjukdom: En kostnadseffektivitetsstudie. 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. Riskförutsägelse för tidig CKD i typ 2-diabetes. Clin. J. Am. Soc. Nephrol. 2015, 10, 1371–1379.
5. Nicholson, JK; Wilson, ID Åsikt: Att förstå "global" systembiologi: Metabonomi och 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 möter metabolomik: En genomomfattande associationsstudie av metabolitprofiler i humant serum. 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. Mänsklig metabolisk individualitet i biomedicinsk och farmaceutisk forskning. Naturen 2011, 477, 54–60.
8. Wang-Sattler, R.; Yu, Z.; Herder, C.; Messias, AC; Floegel, A.; Hallå.; Heim, K.; Campillos, M.; Holzapfel, C.; Thorand, B.; et al. Nya biomarkörer för pre-diabetes identifierade av metabolomik. Mol. Syst. Biol. 2012, 8, 615.
9. Huang, J.; Huth, C.; Covic, M.; Troll, M.; Adam, J.; Zukunft, S.; Prehn, C.; Wang, L.; Nano, J.; Scheerer, MF; et al. Tillvägagångssätt för maskininlärning avslöjar metaboliska signaturer av incidenter med kronisk njursjukdom hos individer med prediabetes och typ 2-diabetes. Diabetes 2020, 69, 2756–2765.
10. Fornoni, A.; Merscher, S.; Kopp, JB Podocytens lipidbiologi – nya perspektiv erbjuder nya möjligheter. Nat. Rev. Nephrol. 2014, 10, 379–388.
11. Russo, SB; Ross, JS; Cowart, LA Sfingolipider vid fetma, typ 2-diabetes och metabola sjukdomar. Handb. Exp. Pharmacol. 2013, 373–401.
12. Lisowska-Myjak, B. Uremiska toxiner och deras effekter på flera organsystem. Nephron Clin. Öva. 2014, 128, 303–311.
13. Sharma, K.; McCue, P.; Dunn, SR Diabetisk njursjukdom i db/db-musen. 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. Metaboliska förändringar i urin och serum under utvecklingen av diabetisk njursjukdom i en musmodell. Båge. Biochem. Biophys. 2018, 646, 90–97.
15. Yamamoto, Y.; Maeshima, Y.; Kitayama, H.; Kitamura, S.; Takazawa, Y.; Sugiyama, H.; Yamasaki, Y.; Makino, H. Tumstatin peptide, en hämmare av angiogenes, förhindrar glomerulär hypertrofi i det tidiga skedet av diabetisk nefropati. Diabetes 2004, 53, 1831–1840.
16. Cingel-Ristic, V.; Schrijvers, BF; van Vliet, AK; Rasch, R.; Han, VK; Drop, SL; Flyvbjerg, A. Njurtillväxt hos normala och diabetiska möss påverkas inte av administrering av humant insulinliknande tillväxtfaktorbindande protein-1. Exp. Biol. Med. (Maywood) 2005, 230, 135–143.
17. Cohen, MP; Lautenslager, GT; Shearman, CW Ökad urin typ IV kollagen markerar utvecklingen av glomerulär patologi hos diabetiska d/db möss. Metabolism 2001, 50, 1435–1440.
18. Trak-Smayra, V.; Paradis, V.; Massart, J.; Nasser, S.; Jebara, V.; Fromenty, B. Leverpatologi hos överviktiga och diabetiska ob/ob och db/db möss som matats med en standarddiet eller högkaloridiet. Int. J. Exp. Patol. 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. Förhöjd steroidhormonproduktion i db/db-musmodellen för fetma och typ 2-diabetes. Horm. Metab. Res. 2017, 49, 43–49.
20. Chocian, G.; Chabowski, A.; Zendzian-Piotrowska, M.; Harasim, E.; Łukaszuk, B.; Górski, J. Fettrik kost inducerar ceramid- och sfingomyelinbildning i råttans leverkärnor. 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 och Rui Wang-Sattler 1,2,3.
1 forskningsenhet för molekylär 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 Institute of Epidemiology, 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 Forskningsenheten för molekylär endokrinologi och metabolism, Helmholtz Zentrum München, 85764 Neuherberg, Tyskland; zukunft@vrc.uni-frankfurt.de (SZ); adamski@helmholtz-muenchen.de (JA)
5 Center for Molecular Medicine, Institute for Vascular Signaling, Goethe University, 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 — Institutionen för vetenskaplig forskning, Shandong University Postdoktorala arbetsstation, 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 Institutionen för biokemi, Yong Loo Lin School of Medicine, National University of Singapore, Singapore 117597, Singapore
15 Ordförande för experimentell genetik, Center of Life and Food Sciences Weihenstephan, Technische Universität München, 85353 Freising, Tyskland
16 Institutionen för fysiologi och biofysik, Weill Cornell Medical College i Qatar (WCMC-Q), Education City, Qatar Foundation, Doha PO Box 24144, Qatar; karsten@suhre.fr
