"Что такое мультиомика и какие типы биологических данных она включает? Для чего необходимо исследование полного генома? Что показал протеомный анализ больных с большим депрессивным расстройством? В чем информативность липидомики при болезни Альцгеймера?
Около двадцати лет назад начали появляться новые технологии биологического профилирования, которые позволили количественно оценить десятки тысяч маркеров из стандартного образца крови. Сегодня стоимость мультиомных анализов снижается и в ближайшем будущем хорошо исследования можно будет проводить в рамках поддержки, предоставляемой стандартным финансированием. Интеграции исследований охватывают различные типы биологических данных, включая, помимо прочего, геном, протеом, транскриптом, метаболом, липидом и метагеном (Mengelkoch S., et.al., 2023).
Такой подход к оценке состояния разных систем организма в их совокупности называется "мультиомика" и считается высокоинтегративным, инновационным, междисциплинарным. Добавление термина «омика» указывает на глобальную или беспристрастную оценку набора молекул (Hasin Y,et.al., 2017). Полногеномные ассоциативные исследования (GWAS) тысяч людей позволили обнаружить ключевые генетические маркеры и различия в частотах минорных аллелей, которые влияют на профилактику, диагностику развитие и прогноз течения заболевания, а также на то, как больные, в частности, с психическими расстройствами, с этими генетическими вариантами реагируют на лечение, например, психотропными препаратами. Транскриптомика, например, включает в себя оценку уровней рибонуклеиновой кислоты по всему геному.
В отличие от транскриптомики, протеомика используется для количественной оценки различных уровней белков и пептидов, а также взаимодействий между этими белками и пептидами и включает в себя множество аналитов (например, белки, которые влияют на экспрессию цитокинов).
Исследования протеомики также имеют большой потенциал для поиска ранних биомаркеров психиатрических расстройств ( Nakayasu Е., et al., 2021 ). Например, целевой протеомный анализ лиц с большим депрессивным расстройством выявил 41 белок в плазме пациентов, которые были тесно связаны с познавательной сферой больного (фенотипом когнитивной функции) ( Schubert K., et al., 2018 ). Это исследование также выявило новые потенциальные цели для терапевтического вмешательства, включая белки CCND3, TXND5 и TRI26, которые могут привести к более эффективному лечению когнитивных дефицитов при большом депрессивном расстройстве в будущем. Метаболомные анализы количественно определяют все малые молекулы, которые являются продуктами клеточного метаболизма, такие как амино- и жирные кислоты.
Липидомика используется для оценки клеточных липидов или гидрофобных метаболитов, присутствующих в клетке или организме, и оказалась ценной для понимания механизмов многих заболеваний, включая метаболический синдром и неврологические расстройства. Липидомный анализ использовался для обнаружения биомаркеров эффективности лечения нейродегенеративных заболеваний, таких как болезнь Альцгеймера, обеспечивая лучшее понимание путей, посредством которых лечение бенфотиамином влияет на патологию Альцгеймера (Bhawal R,
et.al., 2021).
Для врача
Что показала транкриптомика данных , полученных от пациентов с болезнью Альцгеймера?
Мультиомный анализ относится к оценке и количественному определению тысяч молекул из биологических образцов (например, образцов крови, клеток и тканей), которые охватывают несколько биологических уровней. Например, геномный анализ может классифицировать целые геномы или полный набор генов, присутствующих в организме. Каждый тип молекулы в организме может быть классифицирован в пределах одного, а иногда и нескольких различных омиксов, в зависимости от рассматриваемых уровней анализа. В контексте нейропсихиатрических расстройств транскриптомика позволяет исследовать клеточную гетерогенность мозга, характеризуя сложные изменения десятков тысяч клеток.
Исследование 48 человек с болезнью Альцгеймера, в ходе которого было изучено более 80 000 транскриптомов отдельных клеток, позволило сформулировать новые гипотезы, касающиеся конкретных клетках мозга ( Mathys H., et al., 2019 ). В частности, авторы отметили, что различные типы клеток мозга демонстрируют уникальные транскрипционные изменения при болезни Альцгеймера, причем, эти нарушения различаются у мужчин и женщин, что подчеркивает необходимость терапевтических стратегий, специфичных для клеток и пола. Подобный транскриптомный анализ отдельных клеток при расстройствах психического здоровья, таких как депрессия, может выявить различные молекулярные сигнатуры и транскрипционные изменения, специфичные для пола, что дает новые идеи для таргетной терапии и персонализированных стратегий лечения.
Помимо классификации омик исключительно по определенным типам молекул, иммуномика представляет собой новый подход, используемый для лучшего понимания иммунной системы в целом путем изучения того, как различные части иммунной системы работают вместе. В настоящее время иммуномика в основном использует транскриптомику на уровне отдельных клеток иммунных клеток для изучения вопросов, связанных с иммунологией, но включение других аналитов и омик (например, цитокинов из цельной крови, метаболомики).
Микробиом кишечника состоит из микроорганизмов, живущих в желудочно-кишечном тракте, и является важной частью оси "кишечник-мозг", серии иммунорегуляторных, нейроэндокринных и вегетативных нервных путей, облегчающих двунаправленную связь между кишечником и мозгом. Эти взаимодействия важны на протяжении всей жизни, и все больше доказательств указывают на важную роль микробиома в нейроразвитии ( Lynch et al, 2023 ).
Мультиомные подходы использовались для выявления механизмов, посредством которых взаимодействия кишечника и мозга связаны с расстройствами психического здоровья, например, такими как большое депрессивное расстройство и шизофрения (Lynch C.,
et.al., 2023). Мультиомные исследования также использовались для выявления психобиотиков, которые потенциально могут быть использованы для улучшения депрессивного настроения (Hao Z,
et.al., 2023). Мультиомические исследования показали, что добавление пищевых волокон может изменить микробиом, который, в свою очередь, изменяет метаболом, улучшая липидные профили у людей с гиперхолестеринемией.
Для исследователя
Какие функции микроглии были открыты при объединении геномики и транкриптомики? Что показали метаболомные исследования больных с большим депрессивным расстройством? В каких случаях при проведении метаболомических исследований предпочтительно использование слюны больного? Каким образом можно интегрировать результаты мультиомики?
Изучая как геномику, так и транскриптомику клеток микроглии, исследователи обнаружили, что клетки микроглии проявляют функции, выходящие за рамки ранее известных иммунных реакций, такие как синаптическая модуляция и нейротрофическая поддержка ( Wes Р., et al., 2016 ).
Метаболомные исследования большого депрессивного расстройства выявили дифференциальную экспрессию нескольких метаболитов, связанных с депрессией, включая те, которые участвуют в передаче сигналов клетками, воспалении, гормональной активации и регуляции сна (Costa L.,
et.al., 2022). Ключевые вовлеченные пути включают метаболические пути кинуренина и ацилкарнитина, причем изменения в этих метаболитах часто коррелируют с тяжестью депрессивных симптомов и ответами на лечение. Например, одно исследование показало, что такие методы лечения, как кетамин или эскетамин, могут приводить к снижению метаболитов триптофана и повышению уровня глутаминовой кислоты, проливая свет на роль глутаматергической системы в большом депрессивном расстройстве ( Rotroff D., et al., 2016 ).
В одном исследовании ученые использовали липидомику для изучения механизмов, посредством которых лечение иглоукалыванием влияет на высвобождение воспалительных цитокинов в модели депрессии (Jung J,
et.al., 2021). Обычно исследования мульти-омикс основаны на крови, стуле, моче, слюне, буккальных мазках или образцах твердых тканей и могут быть сопряжены с непрерывными физиологическими измерениями с помощью носимых устройств. Сбор слюны, кала и мочи является относительно малозатратным и неинвазивным для пациентов. Как правило, образцы слюны могут быть отличным выбором при проведении исследований на детях и новорожденных, поскольку слюну довольно легко собрать, и десятки биомаркеров в области геномики, транскриптомики, протеомики, метаболомики и микробиомики уже были идентифицированы при детских заболеваниях (Pappa Е., et al., 2019). Отбор проб слюны также может быть хорошим вариантом в исследованиях стресса, поскольку слюнной кортизол является биомаркером стресса и считается «золотым стандартом» в клинических исследованиях по оценке острой стрессовой реактивности.
Существует несколько подходов к интеграции данных омики, а также данных омики и не-омики. При многоступенчатом анализе сначала обнаруживаются ассоциации между типами данных, а затем между интересующими фенотипами (Ritchie M., et al., 2015). Одновременный анализ нескольких типов данных делится на три основные категории:
- (a) основанный на конкатенации или ранней интеграции объединяет несколько наборов данных омики в один набор данных, и этот объединенный набор данных затем анализируется;
- (b) основанный на преобразовании интеграции, где каждый тип данных преобразуется в промежуточную форму, такую как "граф" или "ядро", а затем интегрируется, что может происходить совместно или независимо;
- (c) основанный на модели или поздней интеграции, где каждый набор данных омики анализируется отдельно, а затем результаты объединяются.
Четвертая стратегия — иерархическая интеграция, при которой известные регуляторные связи между слоями «омики» учитываются при интеграции наборов данных. Когда целью исследования является прогнозирование заболевания или обнаружение биомаркеров заболевания, исследователи часто полагаются на широкий спектр статистических и машинных методов обучения. В отличие от анализа путей, для которого требуется большое количество связанных аналитов, исследования биомаркеров часто направлены на выявление экономного количества аналитов. Могут использоваться как одномерные, так и многомерные статистические методы.
Одномерные методы включают регуляризованную регрессию, такую как оператор наименьшего абсолютного сжатия и выбора (LASSO; Tibshirani R, 1996 ), и эластичную сеть, которая часто работает лучше, чем LASSO, когда количество признаков превышает количество субъектов, а набор данных содержит группы коррелированных переменных (Friedman J, et.al., 2010)"
...непросто, но пожалуй продуктивно...ежели хватит ширины взгляда и мышления
🙂