Analiza „omików” lepiej przewiduje ryzyko chorób niż tradycyjne metody
Jednym z kluczowych elementów zapobiegania chorobom i wczesnego leczenia jest określenie grup ryzyka. Tradycyjnie lekarze opierają się na takich wskaźnikach jak wiek, płeć, styl życia i wyniki badań laboratoryjnych. Być może jednak są doskonalsze metody. Naukowcy z Uniwersytetu Karoliny Północnej i Szpitala Dziecięcego w Filadelfii, pracujący pod kierunkiem doktorów Can Chena i Quan Suna, przeanalizowali dane niemal 24 osób z bazy danych UK Biobank, by sprawdzić, czy pomiar białek i metabolitów we krwi pomaga przewidywać ryzyko zachorowania na 17 różnych chorób. Wyniki, opublikowane w Nature Communications, mogą zmienić podejście do medycyny prewencyjnej.
Badanie objęło 23 776 osób. Ich średni wiek wynosił 56,9 lat. U każdej z badanych osób zmierzono poziom 159 metabolitów oraz 2923 białek. Analizowano ryzyko zachorowania na 17 chorób – od zawału serca, przez cukrzycę typu 2, nowotwory, aż po demencję, jaskrę i ryzyko złamania.
Naukowcy chcieli dowiedzieć się, czy dane molekularne wnoszą coś ponad to, co lekarze już wiedzą ze standardowych badań. Okazuje się, że tak. Dodanie danych omicznych – czyli pochodzących z takich dziedzin nauki jak proteomika, metabolomika itp. – do tradycyjnych wskaźników klinicznych poprawiło trafność przewidywań dla wszystkich 17 chorób.
Okazało się też, że badająca zestawy białek proteomika daje lepsze wskazania niż metabolomika, badająca metabolity. Modele oparte wyłącznie na białkach okazały się lepsze niż modele oparte wyłącznie na metabolitach aż dla 16 z 17 chorób. Wyjątkiem była jaskra, gdzie metabolity były lepszymi wskaźnikami ryzyka rozwoju choroby. Połączenie obu typów danych nie dawało istotnej przewagi nad samą proteomiką, a w wielu przypadkach wypadało nawet gorzej. Autorzy sugerują, że wynika to z ryzyka przeuczenia modelu przy tak dużej liczbie zmiennych.
Badanie potwierdziło wiele znanych związków, na przykład białko KLK3/PSA jako silny predyktor raka prostaty czy CRYBB2 dla zaćmy. W chorobach sercowo-naczyniowych dominowały peptydy BNP i NT-proBNP, znane markery niewydolności serca. Odkryto jednak też nowe zależności. Białko PRG3 okazało się potencjalnym czynnikiem ochronnym w raku skóry – wyższy jego poziom wiązał się z niższym ryzykiem zachorowania.
Badacze poszli o krok dalej i sprawdzili, czy zidentyfikowane białka łączą się ze stosowanymi lekami i warunkami życia pacjentów. Okazało się, że kluczowe białka dla chorób sercowo-naczyniowych są powiązane z bisoprololem, warfaryną i furosemidem – lekami powszechnie stosowanymi właśnie w tych schorzeniach. Z kolei białka związane z POChP (przewlekłą obturacyjną chorobą płuc) silnie korelowały z niskim dochodem gospodarstwa domowego i paleniem tytoniu. Analiza genetyczna potwierdziła, że niski dochód rzeczywiście zwiększa ryzyko POChP przyczynowo, a nie tylko statystycznie.
Autorzy wskazują też na słabości badania: dane omiczne zebrano tylko raz, na początku obserwacji, co uniemożliwia śledzenie zmian w czasie. Badana populacja była też w przeważającej mierze europejska (94,3%). Mimo to jest to największe jak dotąd badanie systematycznie oceniające połączoną wartość metabolomiki i proteomiki w przewidywaniu tak szerokiego spektrum chorób. Wyniki badań opublikowano na łamach Nature Communications w ramach wczesnego dostępu, co oznacza, że artykuł nie został jeszcze zrecenzowany.
Komentarze (0)