测量血液中脂质可以预测疾病风险出现之前几十年
个性化医疗的进步导致了许多小说的识别疾病的生物标记物。这样的生物标志物可用于诊断和监测疾病,预测病人反应特定的治疗方法和识别那些,虽然可能健康现在,可能在将来患疾病的风险。
现代高通量和低成本的特性下一代测序(门店)技术导致了最近的涌入会生物标志物在临床诊断。然而,我们的DNA代码并不总是每时每刻都在反映我们确切的生理状态。除了细胞核,生物分子的“汤”不断合成和降解。识别和量化这些分子可以提供更准确的表示我们的健康或疾病状态。
脂质,类的生物分子包括脂肪酸、维生素、单甘酯、磷脂,扮演中心角色在细胞信号和能量存储等功能。他们对刺激做出反应浓度波动如食品消费、运动和疾病。因此研究探索lipidome -脂质存在的集合在一个细胞,组织或生物体在一个特定的时刻,作为一个潜在的非侵入性的生物标志物的来源,如脂质可以从血液样本中提取。
是现代医学的一个挑战是,许多病人向医生一旦他们开始体验一种疾病的症状。诊断,因此,往往一旦疾病进展。个性化医疗的目标是能够监控健康状态,疾病是可以预防的。
一项新的研究发表在公共科学图书馆生物学,由克里斯教授领导的到来,表明lipidomic分析可以用来预测2型糖尿病的风险(T2D)和心血管疾病(CVD)年前疾病发作。到来的一部分Lipotype团队,公司提供使用尖端猎枪lipidomics分析质谱(MS)。
目前,风险评估T2D和心血管疾病包括利用病人的历史和测量高和低密度胆固醇。到来和其他同事推测,可能有成百上千的血液中脂质,有助于疾病的风险。血液在他们的研究中,他们分析了超过4000名健康的数据,瑞典中年男性和女性的个人参与一个纵向研究发生在1991 - 1994之间,与后续随访直到2015年。
从血液基线评估了在90年代,184年通过女士脂质分析,和机器学习生成T2D和心血管疾病的风险分数23年的后续跟进。这些危险分数用于分层患者分为六类,从低到高的疾病风险。lipidomics分数导致风险增加168%发病率率T2D的高危人群,风险最低组的发病率降低77%。心血管疾病,lipidomics预测高危人群的发病率增加84%,和53%减少风险最低组。
相比之下,纵向案例研究数据显示,到2015年,13.8%的参与者T2D开发,而22%的心血管疾病了。”我们的研究结果表明,一个子集的高危个体发展T2D或心血管疾病可以确定年发病率,”作者写道。
188金宝搏备用最近采访了到来,讨论研究和生物标志物发现详细的更广泛的影响。
莫莉·坎贝尔(MC):为我们的读者可能不熟悉,脂质是什么?为什么他们有用的研究疾病的潜在生物标志物吗?
克里斯到来(CL):脂质属于一种种类繁多的小分子。Glycerolipids固醇脂质,鞘脂类、磷脂——有成千上万的不同的脂质。每个脂质化学是独一无二的,他们有许多不同的生物功能。
生物的作用之一是细胞膜的矩阵形式,支持多种重要功能。但脂质也作为能量储存,作为激素,必需营养素或细胞信号分子。越来越多的我们发现功能相关个人脂质分子。
在人类中,有成千上万的不同的脂质与健康和疾病有关。它们的分子相互作用的基因、蛋白质和代谢产物影响我们的健康。这种相互作用强烈影响的细胞供应这些脂质。
“健康”意味着所有脂质是完美的平衡。每个细胞都必须不断地调整其脂质代谢,以实现这一目标。无序脂质代谢对健康和生命构成直接威胁。它可以燃料的发展,甚至导致严重的疾病。脂质可以作为生物标志物来监视一个人的健康。
主持人:你能讨论如何创建一个“lipidomics概要”吗?
肤色线:测试选择的脂质分子只提供一瞥的健康状况。测量所有脂质颜料大局,全面lipidome。技术解决方案是lipidomics,成千上万的脂质生物样品进行了分析
脂质被拍摄到一个质谱仪。生物信息学解决方案和bio-statistical方法质谱仪结果转化为强大的图表和图形。这些扩展lipidomics资料告诉我们所有的脂质和脂质代谢的原始生物样品。
主持人:本研究专注于184脂质-你能讨论为什么这些脂质进行了分析,并提供进一步的细节具体脂质,是特别重要的关注?
肤色线:lipidomics分析涵盖了广泛的脂质从磷脂和固醇脂质鞘脂类,glycerolipids等等——总共4200多脂质。这意味着覆盖包括那些部分传统的脂质脂质面板,因此已知与心血管疾病和糖尿病,如甘油三酯和胆固醇。
然而,生物样品的lipidomics测量覆盖整个lipidome从而进一步数据集包括脂质以及更详细的脂质。作为我们分析了样品,我们获得详细lipidomics概要文件包含成百上千的脂质。我们仅仅进行数据分析和选择最可靠的脂质候选人。这组最可靠的候选人包括184年脂质我们专注于这项工作。
主持人:你能告诉我们更多关于这项研究的方法吗?
肤色线:在90年代,血液样本的大约4000名研究参与者被采样和冻结。在接下来的23年中,研究参与者跟进和记录事件的多种疾病,如心血管疾病和T2D。我们分析这些样本获取lipidomes,即。,他们详细的血脂水平。我们排除了参与者与普遍T2D或心血管疾病时采样和统计测试来执行计算发展T2D和心血管疾病的风险为剩下的血脂水平。我们创建了基于全lipidomes预测模型。
司仪:这个研究怎么可能用来通知个性化医疗实践吗?
肤色线:原则上,这项研究可以用来计算T2D或心血管疾病的个体风险lipidome的一个人。这是一个个性化的医疗实践的方向的第一步。
主持人:有什么限制你想强调的工作吗?
肤色线:本研究是基于一个瑞典队列,因此需要在其他国家和民族独立检查。
主持人:在这项研究空间你的下一个步骤是什么?
肤色线:我们想从研究走向一个试验,可用于医疗实践。
Chris的到来是对莫莉坎贝尔教授、高级科学作家。
