Метаболом цереброваскулярної хвороби. Методи дослідження та перспективи клінічного застосування

Автор(и)

DOI:

https://doi.org/10.32782/2415-8127.2024.69.26

Ключові слова:

метаболом, неінфекційні захворювання, цереброваскулярна хвороба, діагностика, прогнозування

Анотація

Огляд присвячений перспективам застосування метаболомічних підходів до діагностики та прогнозування перебігу церебро-васкулярної хвороби. Визначені основні методи дослідження, показано, що дослідження метаболому можуть бути корисними для розробки нових методів клінічного прогнозування у хворих на цереброваскулярну хворобу. Оцінка метаболому дозволяє визначати фенотии організму. Метаболіти можна ідентифікувати та класифікувати за допомогою низки різних технологій, включаючи ядерно магнітно резонансну-спектроскопію та мас-спектрометрію. При цьому їх необхідно поєднувати з різними формами рідинної хроматографії, газової хроматографії або капілярного електрофорезу, щоб полегшити розділення сполук. Кожен метод, як правило, здатний одночасно ідентифікувати або охарактеризувати 50–5000 різних метаболітів або «особливостей» метаболітів, залежно від інструменту чи протоколу, що використовується. На сьогодні неможливо проаналізувати весь спектр метаболітів одним аналітичним методом, тому застосовуються їх комбінації. Є докази, що численні сироваткові метаболіти пов’язані з тяжкістю хвороби малих судин, в тому числі класом за Fazekas, зниженням когнітивних функцій та деменцією. На думку авторів необхідно провести подальші дослідження, щоб визначити, чи є ці асоціації стійкими причинно-наслідковими зв’язками та чи можуть вони використовуватися для прогнозу швидкості прогресування та тяжкості початку лакунарного інсульту та деменції, як у клінічній практиці, так й у фундаментальній науці. Автори роблять висновки, що основними методами дослідження метаболому є спектроскопія ядерного магнітного резонансу та масс-спектрометрія, яки дозволять розробляти нові методи прогнозування цереброваскулярних захворювань, а численні сироваткові метаболіти пов’язані з тяжкістю хвороби малих судин.

Посилання

Johnson CH, Ivanisevic J, Siuzdak G. Metabolomics: beyond biomarkers and towards mechanisms. Nat Rev Mol Cell Biol. 2016 Jul;17(7):451-9. doi: 10.1038/nrm.2016.25

Bujak R, Struck-Lewicka W, Markuszewski MJ, Kaliszan R. Metabolomics for laboratory diagnostics. J Pharm Biomed Anal. 2015 Sep 10;113:108-20. doi: 10.1016/j.jpba.2014.12.017.

Wang R, Li B, Lam SM, Shui G. Integration of lipidomics and metabolomics for in-depth understanding of cellular mechanism and disease progression. J Genet Genomics. 2020 Feb 20;47(2):69-83. doi: 10.1016/j.jgg.2019.11.009.

Chacko S, Haseeb YB, Haseeb S. Metabolomics Work Flow and Analytics in Systems Biology. Curr Mol Med. 2022;22(10):870-881. doi: 10.2174/1566524022666211217102105.

Metabolic Profiling: Its Role in Biomarker Discovery and Gene Function Analysis ed. Hariigan G., Goodacre R. Boston-Dordrecht-London Kluwer Academic Punlishers. 2003, 318.

Metabolomics. https://www.scimagojr.com/journalsearch.php?q=130171&tip=sid

Rinschen MM, Ivanisevic J, Giera M, Siuzdak G. Identification of bioactive metabolites using activity metabolomics. Nat Rev Mol Cell Biol. 2019 Jun;20(6):353-367. doi: 10.1038/s41580-019-0108-4.

Jang C, Chen L, Rabinowitz JD. Metabolomics and Isotope Tracing. Cell. 2018 May 3;173(4):822-837. doi: 10.1016/j.cell.2018.03.055.

Bauermeister A, Mannochio-Russo H, Costa-Lotufo LV, Jarmusch AK, Dorrestein PC. Mass spectrometry-based metabolomics in microbiome investigations. Nat Rev Microbiol. 2022 Mar;20(3):143-160. doi: 10.1038/s41579-021-00621-9.

Wang S, Blair IA, Mesaros C. Analytical Methods for Mass Spectrometry-Based Metabolomics Studies. Adv Exp Med : 31347076.

Human Metabolome Database https://hmdb.ca

Yeast Metabolome Database http://www.ymdb.ca

E.coli Metabolome Database https://ecmdb.ca

Mueller LA, Zhang P, Rhee SY (June 2003). “AraCyc: a biochemical pathway database for Arabidopsis”. Plant Physiology. 132 (2): 453–60. doi:10.1104/pp.102.017236.

Bouatra S, Aziat F, Mandal R, Guo AC, Wilson MR, Knox C, et al. (Sep 2013). “The human urine metabolome”. PLOS ONE. 8 (9): e73076.Bibcode:2013PLoSO...873076B. doi:10.1371/journal.pone.0073076.

Mandal R, Guo AC, Chaudhary KK, Liu P, Yallou FS, Dong E, et al. (April 2012). “Multi-platform characterization of the human cerebrospinal fluid metabolome: a comprehensive and quantitative update”. Genome Medicine. 4 (4): 38. doi:10.1186/gm337.

Psychogios N, Hau DD, Peng J, Guo AC, Mandal R, Bouatra S, et al. (February 2011). “The human serum metabolome”. PLOS ONE. 6 (2): e16957. Bibcode:2011PLoSO...616957P. doi:10.1371/journal.pone.0016957.

Kanehisa M, Goto S (January 2000). “KEGG: kyoto encyclopedia of genes and genomes”. Nucleic Acids Research. 28 (1): 27–30. doi:10.1093/nar/28.1.27.

Haug K, Salek RM, Conesa P, Hastings J, de Matos P, Rijnbeek M, et al. (January 2013). “MetaboLights--an open-access general-purpose repository for metabolomics studies and associated meta-data”. Nucleic Acids Research. 41 (Database issue): D781-6. doi:10.1093/nar/gks1004.

Kopka J, Schauer N, Krueger S, Birkemeyer C, Usadel B, Bergmüller E, et al. (April 2005). “GMD@CSB.DB: the Golm Metabolome Database”. Bioinformatics. 21 (8): 1635–8. doi:10.1093/bioinformatics/bti236.

Caspi R, Altman T, Dale JM, Dreher K, Fulcher CA, Gilham F, et al. (January 2010). “The MetaCyc database of metabolic pathways and enzymes and the BioCyc collection of pathway/genome databases”. Nucleic Acids Research. 38 (Database issue): D473-9. doi:10.1093/nar/gkp875.

Fahy E, Sud M, Cotter D, Subramaniam S (July 2007). “LIPID MAPS online tools for lipid research”. Nucleic Acids Research. 35 (Web Server issue): W606-12. doi:10.1093/nar/gkm324.

Smith CA, O’Maille G, Want EJ, Qin C, Trauger SA, Brandon TR, et al. (December 2005). “METLIN: a metabolite mass spectral database”. Therapeutic Drug Monitoring. 27 (6): 747–51. doi:10.1097/01.ftd.0000179845.53213.39.

Goldstein LB. Introduction for Focused Updates in Cerebrovascular Disease. Stroke. 2020 Mar;51(3):708-710. doi: 10.1161/STROKEAHA.119.024159.

Vargas-González JC, Hachinski V. Insidious Cerebrovascular Disease-The Uncool Iceberg. JAMA Neurol. 2020 Feb 1;77(2):155-156. doi: 10.1001/jamaneurol.2019.3933.

Shin TH, Lee DY, Basith S, Manavalan B, Paik MJ, Rybinnik I, Mouradian MM, Ahn JH, Lee G. Metabolome Changes in Cerebral Ischemia. Cells. 2020 Jul 7;9(7):1630. doi: 10.3390/cells9071630.

Qureshi MI, Vorkas PA, Coupland AP, Jenkins IH, Holmes E, Davies AH. Lessons from Metabonomics on the Neurobiology of Stroke. Neuroscientist. 2017 Aug;23(4):374-382. doi: 10.1177/1073858416673327.

Kim M, Jung S, Kim SY, Lee SH, Lee JH. Prehypertension-associated elevation in circulating lysophosphatidlycholines, Lp-PLA2 activity, and oxidative stress. PLoS One. 2014 May 6;9(5):e96735. doi: 10.1371/journal.pone.0096735.

Ke C, Shi M, Guo D, Zhu Z, Zhong C, Xu T, Lu Y, Ding Y, Zhang Y. Metabolomics on vascular events and death after acute ischemic stroke: A prospective matched nested case-control study. Atherosclerosis. 2022 Jun;351:1-8. doi: 10.1016/j.atherosclerosis.2022.05.001.

Suissa L, Guigonis JM, Graslin F, Robinet-Borgomano E, Chau Y, Sedat J, Lindenthal S, Pourcher T. Combined Omic Analyzes of Cerebral Thrombi: A New Molecular Approach to Identify Cardioembolic Stroke Origin. Stroke. 2021 Aug;52(9):2892-2901. doi: 10.1161/STROKEAHA.120.032129.

Poupore N, Chosed R, Arce S, Rainer R, Goodwin RL, Nathaniel TI. Metabolomic Profiles of Men and Women Ischemic Stroke Patients. Diagnostics (Basel). 2021 Sep 28;11(10):1786. doi: 10.3390/diagnostics11101786.

Harshfield EL, Sands CJ, Tuladhar AM, de Leeuw FE, Lewis MR, Markus HS. Metabolomic profiling in small vessel disease identifies multiple associations with disease severity. Brain. 2022 Jul 29;145(7):2461-2471. doi: 10.1093/brain/awac041.

Ma W, Yang YB, Xie TT, Xu Y, Liu N, Mo XN. Cerebral Small Vessel Disease: A Bibliometric Analysis. J Mol Neurosci. 2022 Nov;72(11):2345-2359. doi: 10.1007/s12031-022-02070-2.

##submission.downloads##

Опубліковано

2024-05-16

Як цитувати

Храмцов, Д. М., Стоянов, О. М., Пшеченко, К. М., Вікаренко, М. С., & Калашніков, В. Й. (2024). Метаболом цереброваскулярної хвороби. Методи дослідження та перспективи клінічного застосування. Науковий вісник Ужгородського університету. Серія «Медицина», (1(69), 150-155. https://doi.org/10.32782/2415-8127.2024.69.26

Номер

Розділ

МІЖДИСЦИПЛІНАРНА МЕДИЦИНА ТА СУМІЖНІ ГАЛУЗІ НАУКИ

Статті цього автора (авторів), які найбільше читають