Parte Ⅰ: Validación de biomarcadores de fosfolípidos candidatos de enfermedad renal crónica en individuos hiperglucémicos y su exploración específica de órganos en ratones Db/db con deficiencia de receptor de leptina
Apr 20, 2023
Abstracto
La exploración de biomarcadores tempranos de enfermedad renal crónica (ERC) en personas con (pre)diabetes es fundamental para el control personalizado de la diabetes. Aquí, evaluamos dos biomarcadores candidatos de eventos de ERC (esfingomielina (SM) C18:1 y fosfatidilcolina diacil (PC aa) C38:0) asociados con la función renal en participantes hiperglucémicos del Estudio de Salud Cooperativa Regional de Augsburgo (KORA) cohorte, así como dos fluidos biológicos y seis órganos en ratones deficientes en receptores de leptina (db/db) y controles de tipo salvaje. Se encontró que las concentraciones séricas más altas de SM C18:1 y PC aa C38:{{10}} en pacientes hiperglucémicos se asociaron con estimaciones más bajas de la tasa de filtración glomerular (eGFR) y mayores probabilidades de prevalencia de ERC. En ratones db/db, las concentraciones de ambos metabolitos fueron significativamente más bajas en la orina y el tejido adiposo, pero más altas en los pulmones. Además, los niveles de SM C18:1 fueron significativamente más altos en plasma e hígado, y los niveles de PC aa C38:0 fueron significativamente más altos en las glándulas suprarrenales de los ratones db/db. Este estudio transversal en humanos confirma que SM C18:1 y PC aa C38:0 están asociados con la disfunción renal en individuos prediabéticos, y los estudios en animales sugieren que el hígado, los pulmones, las suprarrenales y la grasa visceral pueden estar involucrados en su regulación sistémica. Nuestros hallazgos validan aún más estos dos fosfolípidos como biomarcadores tempranos de enfermedad renal en pacientes con (pre) diabetes.
Palabras clave
enfermedad renal crónica; prediabetes y diabetes tipo 2; nefropatía diabética; función renal reducida; ratón deficiente en receptor de leptina; dieta alta en grasas; hígado; pulmones; metabolómica;Beneficios de la cistanche.
Haga clic aquí para saberlos efectos de Cistanche en Riñón
Introducción
La nefropatía diabética es una causa importante de enfermedad renal crónica (ERC) y enfermedad renal terminal. La detección temprana de la susceptibilidad a la ERC en pacientes con prediabetes o diabetes tipo 2 (T2D) puede aumentar las posibilidades de prevención y control efectivos de las complicaciones microvasculares diabéticas dentro de un marco de control de la diabetes más personalizado. Sin embargo, el cribado dirigido es fundamental para garantizar la asignación eficaz de los recursos sanitarios.
Los marcadores tradicionales de ERC no predicen con precisión el desarrollo de ERC en pacientes con DT2. En un gran ensayo clínico aleatorizado con 5,5 años de seguimiento, se encontró que la proporción de albúmina a creatinina en orina (UACR) y la tasa de filtración glomerular estimada (eGFR) eran las variables más importantes para predecir el inicio y la progresión de la ERC temprana en pacientes con DT2. Sin embargo, incluso cuando se combinan con la edad y el sexo (es decir, un conjunto de cuatro variables clínicas: edad, sexo, eGFR y UACR), se encontró que su poder predictivo era modesto, con una estadística c validada externamente de {{6} }.68.
La metabolómica sigue siendo un enfoque relativamente nuevo para estudiar los cambios metabólicos asociados con el inicio y la progresión de la enfermedad, así como para encontrar biomarcadores predictivos para una intervención temprana. Utilizando los perfiles de metabolitos de referencia de la cohorte del Estudio de Salud Cooperativa Regional de Agustín (KORA) basado en la población, recientemente identificamos dos biomarcadores de metabolitos candidatos (esfingomielina (SM) C18:1 y fosfatidilcolina diacil (PC aa) C38:0) que son específicos de los eventos de ERC en personas con prediabetes o hiperglucemia T2D bb0. SM C18:1 y PC aa C38:{{10}} se identificaron a partir de 125 metabolitos objetivo mediante una selección de características de tres pasos con ajuste de regresión logística multivariable, selección de prioridad y selección paso a paso del criterio de información de Akaike. Estos dos metabolitos se identificaron como los mejores predictores de la aparición de ERC junto con cinco factores de variables clínicas (edad, colesterol total, glucosa en ayunas, eGFR y UACR). Su efecto predictivo tuvo un valor de área media de 0,857 bajo la curva característica de trabajo del sujeto, que fue superior a la de los 14 factores de riesgo de ERC conocidos. Sin embargo, los mecanismos fisiológicos que conducen a la acumulación cíclica de estos nuevos biomarcadores candidatos en la patogenia de la ERC relacionada con la diabetes aún no están claros.
Cistanche estandarizada
Las alteraciones en los niveles de fosfolípidos séricos en individuos hiperglucémicos con mayor riesgo de desarrollar ERC pueden indicar que ocurren cambios tempranos no solo en los riñones sino también en otros sistemas de órganos. La eliminación inadecuada de grandes cantidades de metabolitos orgánicos potencialmente tóxicos del lecho vascular a la orina durante la enfermedad renal crónica puede afectar múltiples sistemas y órganos del cuerpo. La exploración biológica de biomarcadores emergentes es necesaria para comprender mejor las complejas interacciones metabólicas entre los sistemas circulatorio, musculoesquelético y respiratorio en la enfermedad renal crónica y su posible aplicación clínica en el diagnóstico. Además, los modelos animales que reflejan la evolución de la patogénesis de la ERC relacionada con la diabetes permiten el análisis directo de los patrones de metabolitos específicos de órganos durante la exacerbación de la enfermedad. El modelo de ratón con deficiencia de receptor de leptina (db/db) muestra un aumento muy constante y sólido de la proteinuria y la expansión del estroma tilacoidal. Por lo tanto, es un modelo bien establecido de nefropatía diabética humana.
En este estudio, evaluamos SM C18:1 y PC aa C38:0 sobre los valores de eGFR y el riesgo de ERC, así como los perfiles de metabolitos objetivo de los participantes con hiperglucemia generados recientemente en el estudio KORA FF4. Además, examinamos los niveles de creatinina, SM C18:1 y PC aa C38:0 en dos fluidos biológicos (plasma, orina) y seis tejidos (hígado, pulmón, glándula suprarrenal, tejido adiposo, cerebelo y testículos). ) de ratones db/db y de tipo salvaje (WT) con una dieta alta en grasas (HFD) para explorar cambios específicos de órganos y discutir su posible asociación con varios signos clínicos. Nuestros hallazgos revelan por primera vez que varios órganos pueden estar involucrados en la acumulación sistemática de estos biomarcadores de metabolitos durante la patogénesis de la ERC.
suplementos de cistanche
Resultados
Asociaciones de los dos metabolitos con eGFR y CKD en individuos hiperglucémicos
1. Características de los participantes del estudio KORA FF4
De los 1907 participantes elegibles de KORA FF4, 168 tenían ERC (8.8 por ciento). Como era de esperar, a los participantes con hiperglucemia se les diagnosticó ERC con mayor frecuencia (16,3 %) que a los individuos con tolerancia normal a la glucosa (NGT) (6,1 %) (Tabla 1). Los casos de CKD eran significativamente mayores y tenían valores de creatinina y UACR significativamente más altos en los grupos con hiperglucemia y NGT en comparación con los individuos sin CKD. La ingesta autoinformada de medicamentos antihipertensivos y reductores de lípidos también fue significativamente mayor en los casos de ERC. Los valores de IMC, triglicéridos, hemoglobina glucosilada (HbA1C), glucosa en ayunas y 2-horas de glucosa después de la carga (2-horas de glucosa) también fueron significativamente más altos en pacientes con ERC en el grupo de NGT en comparación con pacientes sin ERC individuos (Cuadro 1).
2. Asociaciones inversas de los dos metabolitos con eGFR en individuos hiperglucémicos
Después de aplicar la ponderación de probabilidad inversa (IPW), la TFGe en individuos con hiperglucemia se asoció significativa y negativamente con las concentraciones de SM C18:1 y PC aa C38:0 en los tres modelos de regresión ponderados (ajustados por desequilibrio, modelo básico y completo). covariables). Por ejemplo, en el modelo completo, un aumento de SD en las concentraciones de SM C18:1 transformadas por ln se asoció con un aumento de 1,76 ml/min/1,73 m2disminución de eGFR (p=2.499 × 10-3; Tabla 2).
3. Las asociaciones de los dos metabolitos con la ERC son específicas de la hiperglucemia
Las concentraciones relativas de ambos metabolitos (SM C18:1, PC aa C38:0) fueron más altas en pacientes con ERC con hiperglucemia concomitante que en individuos sin ERC (Figura 1). En los tres modelos después de IPW, las concentraciones de SM C18:1 y PC aa C38:0 se correlacionaron significativa y positivamente con la ERC en individuos hiperglucémicos (Tabla 3). Las concentraciones de SM C18:1 o PC aa C38:0 transformadas por 1 DE de aumento se asociaron con 99 por ciento o 71 por ciento, respectivamente. Las probabilidades de ERC aumentaron en los participantes hiperglucémicos (modelo completo p= 4.482 × 10-4 y 1.578 × 10-3, respectivamente; Tabla 3).
Como análisis de sensibilidad, probamos la relación entre estos dos metabolitos y la ERC en participantes normoglucémicos de KORA. En los tres modelos después de IPW, smc18:1 y PC aa C38:0 no se asociaron significativamente con CKD en individuos con SNG (Tabla 3). Como se muestra en la Figura 1, no hubo una diferencia significativa en las concentraciones relativas de metabolitos en individuos normoglucémicos con diagnóstico de CKD en comparación con NGT sanos. Estos resultados confirman además que la asociación de riesgo de estos dos lípidos es específica de la hiperglucemia.
Tendencias específicas de órganos de los biomarcadores candidatos en ratones diabéticos
1. Características del modelo de ratón
Las tendencias de órganos en ambos fosfolípidos se exploraron en un modelo de ratón db/db que imitaba el desarrollo de la ERC temprana en humanos. 5 semanas después de la HFD, los ratones db/db de 8-semanas de edad eran obesos y tenían un peso significativamente mayor del corazón, los riñones y el hígado en comparación con los controles WT de la misma edad y dieta (Tabla 4). Además, sus niveles sanguíneos de glucosa, insulina, colesterol y proteína c reactiva estaban significativamente elevados, lo que confirma hiperglucemia, dislipidemia e inflamación en los ratones db/db.
Sus pesos renales significativamente elevados indican hipertrofia renal, que ocurre temprano en el desarrollo de la nefropatía diabética y es uno de los primeros signos de cambios morfológicos en la histología renal. Se demostró que los ratones diabéticos de 8-semanas de edad tenían hipertrofia glomerular y un área de superficie del grupo glomerular significativamente mayor en comparación con los ratones no diabéticos. La hiperfiltración e hipertrofia glomerular son características tempranas de la nefropatía diabética.
Herba Cistanche
2. Análisis de creatinina en ocho tejidos murinos
Las concentraciones de creatinina en fluidos biológicos (plasma, orina) y órganos (hígado, pulmones, glándulas suprarrenales, tejido adiposo visceral, testículos, cerebelo) se midieron mediante metabolómica dirigida. La creatinina plasmática también se determinó por química clínica. El coeficiente de correlación de Pearson para las concentraciones de creatinina en plasma determinadas por ambos métodos fue 0.923 (valor p= 6.938 × 10-9), lo que indica una correlación muy alta entre la química clínica y los métodos basados en espectrometría de masas (EM).
Además del plasma, también se detectaron valores de creatinina significativamente reducidos en la orina, el hígado y los pulmones de ratones db/db (Tabla 5). Observamos una reducción de aproximadamente el 40 por ciento en la creatinina plasmática en ratones db/db (Tabla 4) y una tendencia negativa en su orina, lo que indica una alteración de la biosíntesis de creatinina, el metabolismo proteolítico y la hiperfiltración glomerular.
En resumen, nuestros ratones db/db de 8-semanas de edad alimentados con HFD durante 5 semanas mostraron cambios característicos de la nefropatía diabética temprana, como filtración e hipertrofia glomerular, niveles de creatinina urinaria y plasmática significativamente más bajos y aumento del peso de los riñones. Además, sus datos fenotípicos y metabólicos mostraron obesidad, hiperglucemia, dislipidemia e inflamación, lo que confirma informes previos de resistencia a la insulina e hígado graso (esteatosis) en ratones db/db de edad similar.
3. Tendencias específicas de órganos de los dos metabolitos
En comparación con las ratas WT, se encontraron concentraciones más altas de SM C18:1 y PC aa C38:0 en los pulmones de las ratas db/db, mientras que se encontraron concentraciones muy reducidas en la orina y el tejido adiposo (Figura 2, Tabla 5 ). Además, SM C18:1 se acumuló significativamente en plasma (p=3.160 × 10-4) e hígado (p=1.288 × 10-5), mientras que PC aa C38:0 fue significativamente mayor en la glándula suprarrenal (p=9.695 × 10-4, Tabla 5) de ratas db/db. Las concentraciones de los dos metabolitos en el cerebelo y los testículos fueron comparables (Tabla 5).
Referencias
1. Alicic, RZ; Neumiller, JJ; Johnson, EJ; Dieter, B.; Tuttle, KR Inhibición del cotransportador de sodio-glucosa 2 y enfermedad renal diabética. Diabetes 2019, 68, 248–257.
2. GBD Chronic Kidney Disease Collaboration; Bikbov, B.; Purcell, C.; Levey, AS; Smith, M.; Abdoli, A.; Abebé, M.; Adebayo, OM; Afarideh, M.; Agarwal, SK; et al. Carga mundial, regional y nacional de la enfermedad renal crónica, 1990-2017: un análisis sistemático para el Estudio de la carga mundial de la enfermedad 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. Detección de la enfermedad renal crónica basada en la población: un estudio de rentabilidad. BMJ 2010, 341, c5869.
4. Dunkler, D.; Gao, P.; Lee, SF; Heinze, G.; Clase, CM; Tobé, S.; Teo, KK; Gerstein, H.; Mann, JF; Oberbauer, R.; et al. Predicción del riesgo de ERC temprana en diabetes tipo 2. clin. Mermelada. Soc. nefrol. 2015, 10, 1371-1379.
5. Nicholson, JK; Wilson, ID Opinión: Comprensión de la biología de sistemas 'globales': metabolómica y el continuo del metabolismo. Nat. Rev. Descubrimiento de Drogas. 2003, 2, 668–676.
6. Gieger, C.; Geistlinger, L.; Altmaier, E.; Hrabe de Angelis, M.; Kronenberg, F.; Meitinger, T.; Mewes, HW; Wichmann, ÉL; Weinberger, KM; Adamski, J.; et al. La genética se encuentra con la metabolómica: un estudio de asociación de todo el genoma de los perfiles de metabolitos en el suero humano. PLoS Genet. 2008, 4, e1000282.
7. Suhre, K.; espinilla, SY; Petersen, Alaska; Mohney, RP; Meredith, D.; Wagele, B.; Altmaier, E.; Cardiograma; Deloukas, P.; Erdmann, J.; et al. Individualidad metabólica humana en la investigación biomédica y farmacéutica. Naturaleza 2011, 477, 54–60.
8. Wang-Sattler, R.; Yu, Z.; Herder, C.; Mesías, AC; Floegel, A.; Ey.; Heim, K.; Campillos, M.; Holzapfel, C.; Thorand, B.; et al. Nuevos biomarcadores para la prediabetes identificados por metabolómica. mol. sist. Biol. 2012, 8, 615.
9. Huang, J.; Huth, C.; Covic, M.; Troll, M.; Adán, J.; Zukunft, S.; Prehn, C.; Wang, L.; Nano, J.; Scheerer, MF; et al. Los enfoques de aprendizaje automático revelan las firmas metabólicas de la enfermedad renal crónica incidente en personas con prediabetes y diabetes tipo 2. Diabetes 2020, 69, 2756–2765.
10. Fornoni, A.; Merscher, S.; Kopp, JB Biología lipídica del podocito: nuevas perspectivas ofrecen nuevas oportunidades. Nat. Rev. Nephrol. 2014, 10, 379–388.
11. Ruso, SB; Ross, JS; Cowart, LA Esfingolípidos en obesidad, diabetes tipo 2 y enfermedad metabólica. Manob. Exp. Farmacol. 2013, 373–401.
12. Lisowska-Myjak, B. Toxinas urémicas y sus efectos en múltiples sistemas de órganos. Nephron Clin. Practica 2014, 128, 303–311.
13. Sharma, K.; McCue, P.; Dunn, SR Enfermedad renal diabética en el ratón db/db. Soy. J. Physiol Renal Physiol 2003, 284, F1138–F1144.
14. Kim, Nueva Hampshire; Hyeon, JS; Kim, Nueva Hampshire; Cho, A.; Lee, G.; Jang, SY; Kim, MK; Lee, EY; Chung, CH; Ja, H.; et al. Cambios metabólicos en orina y suero durante la progresión de la enfermedad renal diabética en un modelo de ratón. Arco. Bioquímica Biografía. 2018, 646, 90–97.
15. Yamamoto, Y.; Maeshima, Y.; Kitayama, H.; Kitamura, S.; Takazawa, Y.; Sugiyama, H.; Yamasaki, Y.; Makino, H. El péptido tumstatina, un inhibidor de la angiogénesis, previene la hipertrofia glomerular en la etapa temprana de la nefropatía diabética. Diabetes 2004, 53, 1831–1840.
16. Cingel-Risti´c, V.; Schrijvers, BF; van Vliet, Alaska; Rasch, R.; Han, VK; Gota, SL; Flyvbjerg, A. El crecimiento renal en ratones normales y diabéticos no se ve afectado por la administración de proteína de unión al factor de crecimiento similar a la insulina humana-1. Exp. Biol. Medicina. (Maywood) 2005, 230, 135–143.
17. Cohen, parlamentario; Lautenslager, GT; Shearman, CW El aumento de colágeno tipo IV en la orina marca el desarrollo de patología glomerular en ratones diabéticos d/db. Metabolismo 2001, 50, 1435–1440.
18. Trak-Smayra, V.; Paradis, V.; Massart, J.; Nasser, S.; Jebara, V.; Fromenty, B. Patología del hígado en ratones ob/ob y db/db obesos y diabéticos alimentados con una dieta estándar o alta en calorías. En t. Exp. J. Patol. 2011, 92, 413–421.
19. Hofmann, A.; Peitzsch, M.; Brunssen, C.; Mittag, J.; Jannasch, A.; Frenzel, A.; Marrón, N.; Weldon, SM; Eisenhofer, G.; Bornstein, SR; et al. Producción elevada de hormonas esteroides en el modelo de ratón db/db de obesidad y diabetes tipo 2. horm. metab. Res. 2017, 49, 43–49.
20. Chocián, G.; Chabowski, A.; Zendzian-Piotrowska, M.; Harasim, E.; Łukaszuk, B.; Górski, J. La dieta alta en grasas induce la formación de ceramida y esfingomielina en los núcleos de hígado de rata. mol. Bioquímica celular. 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 y Rui Wang-Sattler 1,2,3.
1 Unidad de Investigación de Epidemiología Molecular, Helmholtz Zentrum München, 85764 Neuherberg, Alemania; 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 Instituto de Epidemiología, Helmholtz Zentrum München, 85764 Neuherberg, Alemania; 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 Unidad de Investigación de Endocrinología Molecular y Metabolismo, Helmholtz Zentrum München, 85764 Neuherberg, Alemania; zukunft@vrc.uni-fráncfort.de (SZ); adamski@helmholtz-muenchen.de (JA)
5 Centro de Medicina Molecular, Instituto de Señalización Vascular, Universidad Goethe, 60323 Frankfurt am Main, Alemania
6 Metabolomics and Proteomics Core Facility, Helmholtz Zentrum München, 85764 Neuherberg, Germany; prehn@helmholtz-muenchen.de
7 Hospital Popular de Liaocheng—Departamento de Investigación Científica, Estación de Trabajo Postdoctoral de la Universidad de Shandong, Liaocheng 252000, China
8 Instituto de Genética Experimental, Helmholtz Zentrum München, 85764 Neuherberg, Alemania; markus@scheerer-home.de (MFS); susanne.neschen@mail.com (SN)
9 Bayer AG, Asuntos Médicos y Farmacovigilancia, 13353 Berlín, Alemania
10 Sanofifi Aventis Deutschland GmbH, Industriepark Hoechst, 65929 Fráncfort del Meno, Alemania
11 Instituto de Biología Computacional, Helmholtz Zentrum München, 85764 Neuherberg, Alemania; g.kastenmueller@helmholtz-muenchen.de
12 Instituto de Economía de la Salud y Gestión de la Atención Sanitaria, Helmholtz Zentrum München, 85764 Neuherberg, Alemania; michael.laxy@helmholtz-muenchen.de
13 Profifil, 41460 Neuss, Alemania; Freimut.Schliess@profifil.com
14 Departamento de Bioquímica, Escuela de Medicina Yong Loo Lin, Universidad Nacional de Singapur, Singapur 117597, Singapur
15 Cátedra de Genética Experimental, Centro de Ciencias de la Vida y los Alimentos Weihenstephan, Technische Universität München, 85353 Freising, Alemania
16 Departamento de Fisiología y Biofísica, Facultad de Medicina Weill Cornell en Qatar (WCMC-Q), Education City, Qatar Foundation, Doha PO Box 24144, Qatar; karsten@suhre.fr
