Diabetologia cardiovascolare volume 21, Numero articolo: 62 (2022 ) Citare questo articoloLe malattie cardiovascolari aterosclerotiche (CVD) sono la principale causa di morte nel diabete, ma l'intera gamma di biomarcatori che riflettono il carico aterosclerotico e il rischio di CVD nelle persone con diabete è sconosciuta.La metabolomica può aiutare a identificare nuovi biomarcatori potenzialmente coinvolti nello sviluppo dell'aterosclerosi.Abbiamo studiato il profilo metabolomico sierico dell'aterosclerosi subclinica, misurato utilizzando l'indice caviglia brachiale (ABI), in persone con diabete di tipo 2, rispetto al profilo per CVD sintomatico nella stessa popolazione.L'Edinburgh Type 2 Diabetes Study è una coorte di 1.066 individui con diabete di tipo 2.L'ABI è stato misurato al basale, anni 4 e 10, con eventi cardiovascolari valutati al basale e durante 10 anni di follow-up.Un pannello di 228 metaboliti è stato misurato al basale utilizzando la spettrometria di risonanza magnetica nucleare e la loro associazione sia con l'ABI che con la CVD prevalente è stata esplorata utilizzando modelli di regressione univariata e operatore di restringimento e selezione minimo assoluto (LASSO).I metaboliti associati all'ABI di base sono stati ulteriormente esplorati per l'associazione con l'ABI di follow-up e la CVD incidente.L'ABI medio (deviazione standard, DS) al basale era 0,97 (0,18, N = 1025) e la prevalenza di CVD era del 35,0%.Durante il follow-up a 10 anni, la variazione media (DS) dell'ABI è stata di + 0,006 (0,178, n = 436) e si sono verificati 257 eventi CVD.I livelli di lattato, glicerolo, creatinina e glicoproteina acetili erano associati all'ABI basale in entrambe le regressioni univariate [βs (intervallo di confidenza al 95%, CI) variava da -0,025 (-0,036, -0,015) a -0,023 (-0,034, -0,013), tutti p < 0,0002] e analisi LASSO.Le associazioni sono rimaste nominalmente significative dopo l'aggiustamento per i principali fattori di rischio vascolare.Nelle analisi prospettiche, il lattato era nominalmente associato all'ABI misurato agli anni 4 e 10 dopo l'aggiustamento per l'ABI basale.I quattro metaboliti associati all'ABI erano tutti positivamente associati a CVD prevalenti [odds ratio (OR) variavano da 1,29 (1,13, 1,47) a 1,49 (1,29, 1,74), tutti p <0,0002], ed erano anche positivamente associati a CVD incidenti [OR (IC 95%) variava da 1,19 (1,02, 1,39) a 1,35 (1,17, 1,56), tutti p <0,05].I metaboliti sierici relativi alla glicolisi, all'equilibrio dei liquidi e all'infiammazione erano associati indipendentemente sia a un marker di aterosclerosi subclinica sia a CVD sintomatiche nelle persone con diabete di tipo 2.Sono necessarie ulteriori indagini per determinare i loro ruoli come possibili biomarcatori eziologici e/o predittivi per le CVD aterosclerotiche.L'aterosclerosi e la sua principale manifestazione clinica, le malattie cardiovascolari (CVD) sono la principale causa di morte a livello globale.Gli individui con diabete di tipo 2 hanno molte volte più probabilità di sviluppare CVD e di soffrire di un carico sanitario ed economico più pesante rispetto alla popolazione generale [1, 2].Sebbene l'aumento del rischio cardiovascolare sia probabilmente attribuibile, almeno in parte, a dislipidemia, infiammazione e stress ossidativo [3], l'associazione tra CVD e stato metabolico dettagliato a livello molecolare nelle popolazioni con diabete di tipo 2 rimane poco chiara.In quanto campo di studio sistematico emergente di recente, la metabolomica è prossimale ai fenotipi della malattia e offre l'opportunità di rappresentare un'istantanea ad alta definizione di numerosi piccoli metaboliti a basso peso molecolare in un singolo campione biologico, facilitando così la delucidazione della complessa patobiologia della malattia e l'identificazione di biomarcatori predittivi [4, 5].Il profilo metabolomico delle CVD è stato descritto in diversi studi, ma questi si sono basati principalmente su popolazioni generali.Sebbene i risultati siano stati altamente eterogenei, soprattutto data l'ampia varietà di piattaforme metabolomiche utilizzate, alcune sottoclassi di lipidi, aminoacidi e dicarbossilacilcarnitine hanno mostrato una forte associazione con le CVD cliniche e hanno fornito un valore predittivo aggiuntivo allo sviluppo di CVD rispetto ai tradizionali fattori di rischio cardiovascolare [6, 7].Sebbene questi risultati nella popolazione generale mostrino il potenziale valore degli studi di metabolomica per la ricerca vascolare, solo un numero limitato di studi simili ha esplorato le caratteristiche metabolomiche delle malattie cardiovascolari nelle persone con diabete di tipo 2 e gli studi esistenti erano principalmente studi caso-controllo su piccola scala [8, 9].Fondamentalmente, il processo aterosclerotico si sviluppa silenziosamente per diversi decenni, fornendo una finestra per un intervento precoce per prevenire le CVD cliniche.Tale malattia asintomatica è particolarmente prevalente nelle persone con diabete di tipo 2 [10].Sono stati sviluppati diversi marcatori per aiutare nell'individuazione di malattie cardiovascolari asintomatiche precoci.È importante identificare i cambiamenti metabolici associati a questi marcatori a causa del loro potenziale per aiutare la comprensione dello sviluppo precoce delle CVD e anche del loro potenziale utilizzo nella previsione precoce del rischio.L'indice caviglia-branco (ABI, rapporto tra la pressione arteriosa sistolica della caviglia e quella del braccio) si è particolarmente dimostrato un buon indicatore dell'aterosclerosi sistemica e funge da indicatore di rischio anche nei pazienti con CVD [11].Tuttavia, pochi studi hanno esplorato il profilo metabolomico dell'ABI nelle popolazioni generali o nelle persone con diabete, e in quegli studi metabolomici in cui l'aterosclerosi è stata valutata da altri marker (p. es., velocità dell'onda del polso), le popolazioni con diabete erano principalmente piccoli gruppi asiatici [12] ,13,14].Lo scopo della presente ricerca era esplorare il profilo metabolomico della CVD aterosclerotica nelle persone con diabete di tipo 2, concentrandosi sia sull'ABI come misura della malattia subclinica che sulla malattia coronarica/cerebrovascolare come misura della CVD clinica.Abbiamo mirato a identificare nuovi metaboliti individuali degni di ulteriore esplorazione come potenziali biomarcatori cardiovascolari causali e/o predittivi nelle persone con diabete di tipo 2.L'Edinburgh Type 2 Diabetes Study (ET2DS) è uno studio di coorte prospettico su 1066 uomini e donne anziani con diabete di tipo 2 confermato al basale (2006/2007) che vivono a Lothian, in Scozia.I dettagli del reclutamento sono stati descritti altrove [15].In breve, gli individui di età compresa tra 60 e 75 anni sono stati reclutati per formare un campione rappresentativo dal Lothian Diabetes Register, dove sono registrati quasi tutti gli individui con diabete di tipo 2 a Lothian.I questionari e l'esame fisico sono stati utilizzati per raccogliere i dati al basale e di nuovo agli anni 4 (n = 831) e 10 (n = 581) quando i partecipanti sono stati invitati a seguire l'indagine fisica [16].I dati sugli eventi cardiovascolari sono stati ottenuti su tutti i partecipanti attraverso il collegamento con la divisione dei servizi di informazione del servizio sanitario nazionale scozzese al basale e agli anni 4 e 8, e i registri delle dimissioni ospedaliere e dei decessi sono stati ulteriormente aggiornati utilizzando i registri dei ricoveri e l'analisi dei registri dei decessi presso i registri nazionali di Scozia all'anno 10 (n = 1066).Dato che ABI > 1,3 è ampiamente considerato come un segno della presenza di calcificazione arteriosa mediale che ha caratteristiche cliniche diverse dall'aterosclerosi, sono stati esclusi gli individui con ABI > 1,3 in qualsiasi momento.Questo studio ha infine incluso 1.025 individui per le analisi principali che non hanno dati mancanti sulla metabolomica e/o sulla misurazione ABI di base.Per le analisi longitudinali sull'ABI di follow-up, sono stati inclusi solo gli individui con misurazione ABI di follow-up disponibile e corrispondente (n = 731 e 436 per ABI rispettivamente agli anni 4 e 10).Il permesso etico è stato concesso dal Comitato etico della ricerca medica Lothian e il consenso informato scritto è stato ottenuto da tutti i partecipanti.Sono stati raccolti campioni di sangue venoso a digiuno di riferimento per misurare i dati metabolomici del siero utilizzando una piattaforma di risonanza magnetica nucleare (NMR) ad alto rendimento (Nightingale, Helsinki, Finlandia) che è stata descritta in dettaglio da Soininen ecc. ed è stata utilizzata in numerosi studi epidemiologici su scala [17, 18].Complessivamente, sono stati riportati 228 metaboliti sierici sotto forma di concentrazioni assolute o rapporti.Questi includevano principalmente particelle e sottoclassi lipidiche (dimensioni, densità, componenti corrispondenti), acidi grassi, metaboliti correlati alla glicolisi, amminoacidi, corpi chetonici, molecole di equilibrio dei fluidi e marker di infiammazione.Alcuni rapporti lipidici sono stati riportati come infiniti in cui mancava la concentrazione del denominatore (o parte del denominatore) poiché era al di sotto del livello minimo di rilevamento.In questo caso, abbiamo sostituito i valori mancanti con un valore pari alla metà della concentrazione minima registrata nel set di dati per il metabolita interessato e ricalcolato il rapporto utilizzando questo valore stimato.Per misurare l'ABI, ai partecipanti è stato chiesto di riposare per almeno 15 minuti e sono stati utilizzati uno sfigmomanometro aneroide e una sonda doppler (Dopplex® advanced pocket Doppler, Huntleigh Healthcare Ltd., Cardiff, Regno Unito) per misurare sia il brachiale destro che sinistro, la tibia posteriore e la pressione sistolica della dorsale del piede (SBP) in posizione supina [15].L'ABI è stato calcolato dividendo la SBP più bassa della caviglia per la SBP brachiale più alta.L'ABI è stato misurato al basale, anni 4 e 10, da personale di ricerca appositamente formato utilizzando procedure operative standard identiche.Criteri dettagliati per eventi cardiovascolari prevalenti e incidenti in ET2DS sono stati descritti altrove [19].In breve, ai fini di questa analisi, CVD si riferisce a infarto del miocardio (IM), angina, intervento coronarico, ictus e attacco ischemico transitorio.Gli eventi cardiovascolari prevalenti sono stati definiti in base ai dati di base di questionari di autocompletamento, ECG e registrazioni storiche delle dimissioni ospedaliere, e gli eventi incidenti sono stati accertati in base a criteri basati sulla raccolta di dati presso le cliniche di ricerca agli anni 4 e 10 insieme a un esame approfondito di cliniche e ospedali documenti di dimissione e certificati di morte durante il follow-up.Le caratteristiche dei partecipanti allo studio sono state presentate come medie e deviazioni standard (DS) o mediane e intervalli interquartile (IQR) per variabili continue e percentuali per variabili categoriali.La distribuzione normale dei metaboliti e dei residui dei modelli di regressione è stata verificata visivamente e i livelli grezzi dei metaboliti sono stati standardizzati sottraendo la media e quindi dividendo per la SD per ciascun metabolita.Nell'analisi univariata in cui l'ABI di base era l'esito, ciascun metabolita è stato modellato utilizzando la regressione lineare aggiustando per età e sesso (Modello 1).La soglia di significatività è stata fissata a 0,0002 (0,05/228, Bonferroni corretto per 228 metaboliti) per tenere conto di confronti multipli.L'analisi di sensibilità in cui sono stati esclusi i casi di CVD esistenti è stata eseguita per esplorare la stabilità dei metaboliti chiave nel profilo metabolomico dell'ABI di base.I metaboliti associati all'ABI di base sono stati ulteriormente esplorati in termini di associazione con l'ABI di follow-up e l'ABI di follow-up è stato analizzato come risultato utilizzando 3 diversi approcci: (1) cambiamenti assoluti nell'ABI durante 4 e 10 anni, (2) livelli dell'ABI di follow-up con aggiustamento per l'ABI di base e (3) pendenze di linee interpolate di tre misurazioni dell'ABI durante 10 anni per ciascun individuo disponibile.Inoltre, data la proprietà di elevata dimensione e multi-collinearità dei dati metabolomici, è stato utilizzato l'operatore di restringimento e selezione minimo assoluto (LASSO) per descrivere il profilo metabolomico dell'ABI di base e per valutare la stabilità dei risultati delle analisi univariate.LASSO riduce i coefficienti di alcune variabili esattamente a zero aggiungendo una penalità e quindi seleziona il pannello di variabili più informativo, rendendolo particolarmente adatto per dati metabolomici ad alta dimensione [20].Usando la funzione cv.glmnet sul pacchetto glmnet (versione 4.0–2) su R, abbiamo applicato una convalida incrociata di cinque volte che incorporava 228 metaboliti per ottenere il parametro di ottimizzazione ottimale λ che forniva l'errore/deviazione medio minimo nella regressione lineare/logistica modello.Quindi, è stato riportato il pannello ridotto di metaboliti insieme ai loro coefficienti per valutare la coerenza con i metaboliti identificati nelle analisi univariate.È stato eseguito un modello di regressione logistica aggiustato per età e sesso per selezionare i metaboliti significativi associati alla CVD prevalente nell'analisi univariata, in seguito all'analisi LASSO per scoprire i profili metabolomici della CVD prevalente.Per esplorare ulteriormente se l'associazione tra metaboliti identificati e ABI al basale e/o CVD prevalente fosse indipendente dai tradizionali fattori di rischio CVD, abbiamo ulteriormente aggiustato per fumo, SBP, lipoproteine ​​ad alta densità (HDL)-colesterolo, colesterolo totale, indice di massa corporea. BMI) ed emoglobina glicata (HbA1c) (Modello 2).Inoltre, le associazioni tra i metaboliti associati all'ABI di base e la CVD incidente sono state ulteriormente valutate utilizzando modelli di regressione logistica univariata e la CVD prevalente è stata aggiustata per valutare la stabilità dell'associazione osservata.Per esplorare se l'associazione osservata potrebbe risiedere nei percorsi fisiopatologici dei tradizionali fattori di rischio CVD, marcatori di infiammazione e uso di farmaci, le relazioni tra metaboliti chiave e covariate importanti sono state valutate utilizzando le correlazioni di Pearson.Infine, gli odds ratio (OR) e l'intervallo di confidenza (CI) al 95% di 228 metaboliti sono stati estratti da analisi univariate correlate con aggiustamento per età e sesso in cui un ABI basso (< 0,9, un punto di taglio utilizzato in precedenza per identificare individui con prognosi cardiovascolare sfavorevole) e CVD al basale sono serviti come risultato separatamente.Il coefficiente di correlazione di Spearman è stato calcolato per quantificare la concordanza tra il profilo metabolomico di ABI basso e CVD al basale.Tutte le analisi sono state eseguite utilizzando la versione R 4.0.3 (R Foundation for Statistical Computing, Vienna, Austria).Le principali caratteristiche demografiche e cliniche di questa popolazione in studio al basale, insieme a una descrizione dei principali fenotipi di esito, sono mostrate nella Tabella 1 (vedere File aggiuntivo 1: Figura S1 per ulteriori dettagli sulla modifica dell'ABI).L'ABI medio (DS) al basale era 0,97 (0,18) e le variazioni medie (DS) dell'ABI tra gli individui disponibili nell'arco di 4 e 10 anni erano rispettivamente + 0,001 (0,152) e + 0,006 (0,178).La prevalenza di CVD è stata del 35,0%, con 257 eventi cardiovascolari (123 nuovi e 134 eventi ricorrenti) che si sono sviluppati durante 10 anni di follow-up (la frequenza dettagliata degli endpoint costitutivi della CVD è mostrata nel file aggiuntivo 1: tabella S1).I valori medi della metabolomica sierica al basale sono mostrati nel file aggiuntivo 1: Tabella S2.C'era una notevole intercorrelazione tra i singoli metaboliti, in particolare tra i metaboliti correlati ai lipidi, con correlazioni che andavano da -0,998 a 1,000 (vedi file aggiuntivo 1: Figura S2).Di tutti i 228 metaboliti testati per l'associazione con l'ABI basale (vedere il file aggiuntivo 1: Tabella S3 per i valori p dettagliati e βs), quattro erano significativi (p <0,0002) nell'analisi univariata aggiustata per età e sesso.Questi erano lattato, glicerolo, creatinina e glicoproteina acetile [βs (95%CI): − 0,025 (− 0,036, − 0,015), − 0,025 (− 0,036, − 0,013), − 0,023 (− 0,034, − 0,012), − 0,023 (− 0,034, − 0,013), rispettivamente, vedere il modello 1 in Fig. 1A e il file aggiuntivo 1: Tabella S4].Gli stessi quattro metaboliti sono stati anche associati all'ABI nell'analisi LASSO (vedi file aggiuntivo 1: Tabella S5), oltre ad altri tre metaboliti (cioè istidina, lipidi totali e colesterolo totale nelle piccole HDL).Non sorprende che le dimensioni degli effetti per l'associazione di questi metaboliti con l'ABI siano state attenuate dopo l'aggiustamento per i tradizionali fattori di rischio CVD, ma tutte le associazioni sono rimaste nella stessa direzione e nominalmente significative (modello 2 in Fig. 1A).Abbiamo ulteriormente aggiustato esplorativamente per la velocità di filtrazione glomerulare stimata (eGFR), l'uso di farmaci ipolipemizzanti e la durata del diabete nel modello 3a, il lattato è rimasto significativamente associato all'ABI di base con p <0, 0002 (file aggiuntivo 1: tabella S4).Associazione tra i quattro metaboliti chiave e l'ABI di base e di follow-up.A ABI al basale (intera popolazione, N = 1025), ABI al basale B (sottogruppo di individui privi di CVD al basale, n = 666), ABI C all'anno 4 (aggiustato per l'ABI al basale, n = 731), D ABI all'anno 10 (aggiustato per l'ABI basale, n = 436).Le linee continue rappresentano il Modello 1 (aggiustato per età e sesso) e le linee tratteggiate rappresentano il Modello 2 (modello 1 più SBP, fumo, colesterolo HDL, colesterolo totale, BMI e HbA1c)Un totale di 666 individui sono stati inclusi nell'analisi di sensibilità sui partecipanti senza CVD clinica al basale.Sebbene l'associazione tra creatinina e ABI nel sottogruppo non fosse statisticamente significativa, il lattato e la glicoproteina acetile erano significativamente associati con ABI con p <0,0002 (βs: -0,023 e -0,024, rispettivamente, Fig. 1B).Dopo un ulteriore aggiustamento per i tradizionali fattori di rischio CVD, il lattato e gli acetili glicoproteici sono rimasti nominalmente associati all'ABI basale.Nelle analisi incentrate sull'associazione tra i quattro metaboliti sopra identificati con la variazione dell'ABI durante il follow-up, il lattato ha mostrato un'associazione nominalmente significativa con l'ABI misurata all'anno 4 (β: - 0,014, vedere Fig. 1C e file aggiuntivo 1: Tabella S6) e anno 10 (β: - 0,020, vedere Fig. 1D e file aggiuntivo 1: Tabella S6) in seguito all'aggiustamento per l'ABI di base, con associazioni attenuate dopo l'aggiustamento per altre covariate.Associazioni borderline statisticamente significative sono state osservate in analisi simili per l'ABI di follow-up e gli altri tre metaboliti (p. es., per la creatinina, p = 0,06).Non sono state trovate associazioni significative nelle analisi in cui il cambiamento nell'ABI è stato modellato come la differenza assoluta tra l'ABI di follow-up e l'ABI di base, o la pendenza della linea interpolata di tre misurazioni dell'ABI (file aggiuntivo 1: Figura S3).Nell'analisi univariata, 36 metaboliti erano associati a CVD prevalenti (p < 0,0002), principalmente metaboliti di sottoclassi HDL e particelle di lipoproteine ​​(vedi Fig. 2 e File aggiuntivo 1: Tabella S7).Sei di questi sono stati identificati anche nell'analisi LASSO (vedi file aggiuntivo 1: Tabella S8), oltre a diciassette metaboliti esclusivi (principalmente componenti di HDL e aminoacidi).Le associazioni tra CVD prevalenti e alcune sottoclassi lipidiche sono state sostanzialmente indebolite in seguito all'aggiustamento per i fattori di rischio CVD, ma 19 metaboliti sono rimasti nominalmente significativamente associati.In particolare, la creatinina e i componenti dei lipidi HDL medi erano fortemente associati alla CVD (Fig. 2).Tutti e quattro i metaboliti associati all'ABI basale erano positivamente associati alla CVD prevalente e hanno mostrato una buona coerenza in termini di direzione dell'associazione [OR (IC 95%): 1,29 (1,13; 1,47), 1,34 (1,16, 1,54), 1,49 (1,29, 1,74). ) e 1,31 (1,15, 1,50), rispettivamente, tutti p < 0,0002].Un aumento di una SD della creatinina sierica ha mostrato l'associazione più forte con la CVD prevalente, con OR di 1,34 (IC 95%: 1,16–1,54), anche dopo l'aggiustamento per i fattori di rischio CVD tradizionali, ma l'associazione è diventata non significativa dopo che abbiamo ulteriormente aggiustato per eGFR in modello 3a (file aggiuntivo 1: tabella S7).Associazione tra metaboliti chiave e CVD prevalente.Le linee continue rappresentano il Modello 1 (aggiustato per età e sesso) e le linee tratteggiate rappresentano il Modello 2 (modello 1 più SBP, fumo, colesterolo HDL, colesterolo totale, BMI e HbA1c)I quattro metaboliti hanno anche mostrato associazioni nominalmente positive con il verificarsi di eventi cardiovascolari durante il follow-up a 10 anni [OR (IC 95%): 1,26 (1,10, 1,44), 1,19 (1,02, 1,39), 1,35 (1,17, 1,56) e 1,30 (rispettivamente 1,13, 1,49], anche se non sorprende che le associazioni siano state sostanzialmente attenuate quando aggiustate per i fattori di rischio CVD (Fig. 3A e File aggiuntivo 1: Tabella S9).Dopo che i casi di CVD esistenti al basale sono stati esclusi (n = 666), il lattato e gli acetili della glicoproteina hanno mostrato una qualche associazione con CVD di nuova incidenza (OR = 1,29 e 1,23 e p = 0,007 e 0,027, rispettivamente), sebbene le associazioni non fossero significative quando ulteriormente aggiustato per altre covariate (Fig. 3B e file aggiuntivo 1: Tabella S9).Abbiamo anche aggiustato per CVD prevalente per valutare la stabilità delle associazioni osservate e la maggior parte delle associazioni erano ancora nominali significative nonostante fossero attenuate (file aggiuntivo 1: tabella S10).Associazione tra i quattro metaboliti chiave e gli eventi CVD incidenti in 10 anni.A Eventi CVD incidenti complessivi (inclusi eventi cardiovascolari nuovi e ricorrenti) durante un periodo di follow-up di 10 anni (N = 1025).B Nuovi eventi CVD incidenti durante il periodo di follow-up di 10 anni (n = 666).Le linee continue rappresentano il Modello 1 (aggiustato per età e sesso) e le linee tratteggiate rappresentano il Modello 2 (modello 1 più SBP, fumo, colesterolo HDL, colesterolo totale, BMI e HbA1c)Successivamente abbiamo calcolato i coefficienti di correlazione di Pearson tra importanti covariate e metaboliti chiave (file aggiuntivo 1: Figura S4).Come previsto, i metaboliti delle sottoclassi HDL, delle particelle lipidiche e delle apolipoproteine ​​hanno mostrato correlazioni da moderate a forti con i lipidi classici (p. es., colesterolo HDL e colesterolo totale).La creatinina ha mostrato una forte correlazione inversa con eGFR e il glicerolo era moderatamente correlato con l'IMC.Da notare, il lattato ha mostrato correlazioni deboli con tutte le covariate.La Figura 4 mostra la misura in cui c'era concordanza tra i profili metabolomici per ABI basso (< 0,9) e CVD al basale.Il coefficiente di correlazione di Spearman era 0,70, indicando una concordanza generalmente buona.Concordanza del profilo metabolomico di ABI basso e CVD prevalente al basale.Ciascun punto rappresenta un metabolita e i valori nell'asse x rappresentano gli OR associati a un ABI basso (cioè, ABI < 0,9) e i valori nell'asse y rappresentano gli OR associati a CVD prevalenti nel modello 1. Le barre grigie erano IC al 95% degli OR correlati negli assi x e y e la linea continua rossa ha simulato il modello lineare di questi puntiIn questo studio, abbiamo descritto e confrontato l'associazione dei metaboliti sierici dell'NMR con l'ABI, la variazione dell'ABI e con la CVD sintomatica sia prevalente che incidente in uomini e donne con diabete di tipo 2.Quattro metaboliti (lattato, glicerolo, creatinina e glicoproteina acetili) erano associati all'ABI basale, ed erano anche associati a CVD prevalente.Il lattato in particolare è emerso come un biomarcatore candidato potenzialmente promettente del carico aterosclerotico nel diabete di tipo 2 a causa dell'associazione con ABI e CVD nelle analisi sia trasversali che longitudinali.È interessante notare che le associazioni di glicerolo, creatinina e glicoproteina acetili con l'ABI basale erano evidenti anche dopo aver escluso i casi di CVD esistenti o l'aggiustamento per i fattori di rischio di CVD, sebbene la significatività statistica sia diventata borderline, potenzialmente in parte a causa della dimensione del campione più piccola.Oltre a questi risultati principali, abbiamo scoperto che diversi metaboliti appartenenti alle sottoclassi HDL medie e piccole erano associati a CVD prevalenti, indipendentemente dai tradizionali fattori di rischio CVD.L'attenuazione dei coefficienti di regressione in seguito all'aggiustamento per i tradizionali fattori di rischio CVD suggerisce che tali metaboliti potrebbero trovarsi su percorsi fisiopatologici comuni alla base dello sviluppo della malattia aterosclerotica e una forte correlazione tra il profilo metabolomico di un basso ABI e CVD ai punti basali con fattori di rischio condivisi e unici per queste due condizioni correlate.Mentre i nostri risultati suggeriscono che le caratteristiche metabolomiche dell'aterosclerosi nelle persone con diabete di tipo 2 potrebbero alterarsi con il progredire della malattia, il ruolo preciso (se presente) che questi metaboliti svolgono nello sviluppo di CVD necessita di ulteriori indagini, per le quali studi multi-omici e le popolazioni esterne potrebbero essere utili.Di tutti i metaboliti studiati, il lattato ha mostrato associazioni coerenti e indipendenti in tutti i fenotipi e aveva correlazioni deboli con i fattori di rischio CVD, evidenziando il potenziale specifico come biomarcatore aterosclerotico indipendente nel diabete.Come prodotto finale della glicolisi anaerobica, il lattato è un buon indicatore della disfunzione mitocondriale che è una delle principali caratteristiche del diabete di tipo 2 [21, 22].La disfunzione mitocondriale promuoverebbe la produzione di specie reattive dell'ossigeno che esacerbano l'aterosclerosi e portano all'apoptosi, accelerando così la rottura della placca e aumentando il rischio di CVD ischemico [21].Detto questo, l'associazione potrebbe essere in parte attribuita alla gravità dell'insulino-resistenza riflessa dal lattato.Tuttavia, dovrebbero essere osservati anche i ruoli del lattato in altre vie (p. es., regolazione del metabolismo) perché l'associazione è rimasta significativa dopo l'aggiustamento per HbA1c [23].Da notare, quasi il 60% degli individui nell'ET2DS utilizzava metformina al basale e l'acidosi lattica è una complicanza riconosciuta della terapia con metformina [24] sebbene si pensi che la metformina abbia un ruolo protettivo sugli esiti cardiovascolari [25].Per valutare l'effetto dell'uso di metformina sull'associazione tra lattato e ABI basale, l'uso di metformina è stato aggiustato nel modello 3b (i dati non sono stati mostrati) e c'è stata solo una leggera alterazione nella forza dell'associazione a seguito di tale aggiustamento (β è cambiato da -0,0187 a − 0,0192).In uno studio precedente con un'età media simile a ET2DS ma con solo una piccola percentuale di individui con diabete (14,3%), il lattato era associato a due marker subclinici di aterosclerosi e CVD incidente [26].Tuttavia, l'associazione ha perso significatività statistica dopo l'aggiustamento per i fattori di rischio CVD, incluso il diabete, ed è possibile che il lattato possa funzionare in modo diverso nelle persone con e senza diabete in relazione all'indicazione del rischio aterosclerotico.Ciò sarebbe coerente con associazioni marginalmente significative tra marcatori di aterosclerosi e lattato in altri due studi in cui solo pochi individui avevano il diabete [27, 28].La glicoproteina acetile è un biomarcatore composito NMR dell'infiammazione sistemica, che riflette l'abbondanza di gruppi mobili di zucchero N-acetilico sulle glicoproteine ​​nel sangue [29], che è stato segnalato per mostrare una forte associazione positiva con l'aterosclerosi carotidea/periferica [30, 31].Abbiamo anche riscontrato che la glicoproteina acetile è associata negativamente all'ABI, ma l'associazione è stata ridotta dall'aggiustamento per i fattori di rischio CVD, suggerendo un possibile contributo ai percorsi comuni che coinvolgono i lipidi tradizionali e l'infiammazione.Analogamente, studi precedenti basati sulla popolazione generale hanno rivelato il valore predittivo delle glicoproteine ​​acetili per CVD [32] e l'associazione positiva è stata replicata anche in ET2DS, anche se è stata sostanzialmente ridotta dall'aggiustamento per i lipidi misurati di routine.È stato suggerito che gli acetili della glicoproteina potrebbero essere un buon indicatore per la prognosi a lungo termine del diabete con malattia delle arterie periferiche [33].La creatinina è un marcatore consolidato della funzione renale e la malattia renale cronica è un noto fattore di rischio per CVD [34].È interessante notare che abbiamo scoperto che l'associazione della creatinina con ABI e CVD era più sensibile all'esclusione di casi di CVD esistenti piuttosto che all'aggiustamento per i tradizionali fattori di rischio CVD, ed è possibile che il danno renale correlato ai vasi possa esacerbare l'associazione tra creatinina e CVD tra CVD casi.In particolare, abbiamo scoperto che la creatinina era associata a CVD incidente ma non al cambiamento dell'ABI.Sebbene questo risultato preciso non sia stato riportato in altri studi, uno studio su soggetti con diabete ha riportato un'associazione di albuminuria con lesioni aterosclerotiche carotidee precoci ma non tardive [35], aumentando la possibilità che diversi marcatori di disfunzione renale riflettano il rischio di diversi stadi di aterosclerosi.Studi precedenti riportavano anche un'associazione positiva tra creatinina e infarto miocardico ma non con ictus [32], e Juonala ecc. [28] hanno riscontrato che la creatinina era inversamente associata a PWV ma non allo spessore dell'intima media carotidea.Può darsi che l'associazione della creatinina con l'aterosclerosi o CVD possa essere specifica per i marcatori precisi oi sottotipi di malattia studiati.Il colesterolo lipoproteico a bassa densità (LDL) e il colesterolo HDL sono fattori di rischio consolidati per CVD, ma poco si sa su come le concentrazioni di particelle e i componenti lipidici siano associati ai fenotipi aterosclerotici nel diabete.Nel nostro studio, il colesterolo HDL medio e grande ha mostrato un'associazione inversa con CVD, ma non sono stati trovati risultati statisticamente significativi per le sottoclassi di LDL.L'assenza di associazione tra colesterolo HDL più piccolo e CVD è stata segnalata anche nella popolazione generale [32, 36], ma questi studi hanno rilevato che i componenti del colesterolo delle LDL e i componenti dei trigliceridi di tutti i lipidi erano fattori di rischio per CVD.Poiché infarto miocardico e ictus hanno profili metabolomici diversi, anche opposti [32, 37], alcune associazioni potrebbero essere mascherate in ET2DS in cui la CVD è stata considerata come un fenotipo generale.Precedenti studi metabolomici sull'aterosclerosi nelle persone con diabete, che sono limitati a studi su piccola scala [12, 13, 38], includono uno studio recente su 209 persone con diabete di tipo 2 in Giappone.Ha scoperto che l'indossil solfato era significativamente associato alla velocità dell'onda del polso brachiale-caviglia (baPWV) sia nei set di dati esplorativi che di convalida, ma l'associazione di mannitolo, mesoeritritolo e acido piroglutammico con baPWV non è stata replicata nel set di dati di convalida [12].In particolare, gli stessi ricercatori hanno anche riportato associazioni significative dell'indossilsolfato con altri due marker di aterosclerosi subclinica nei giapponesi con diabete [38].Tuttavia, studi simili di altre etnie sono relativamente scarsi.Chevli ecc. [39] hanno scoperto che l'acido grasso, gli steroidi androgeni e altri percorsi secondari erano associati all'aterosclerosi subclinica in una popolazione arricchita dal diabete a base familiare e le associazioni variano negli africani e negli europei americani.Inoltre, negli studi sulla popolazione generale, è stato frequentemente riportato che vari composti chimici della lisofosfatidilcolina sono associati all'aterosclerosi [40, 41].Tuttavia, non siamo stati in grado di testare questi metaboliti in ET2DS date le diverse piattaforme metabolomiche utilizzate.Un punto di forza del nostro studio è la coorte ET2DS ben caratterizzata e rappresentativa con dati sia di base che di follow-up, che ci ha permesso di esplorare il profilo metabolomico dei cambiamenti nell'ABI e le associazioni trasversali.Inoltre, data la collinearità dei dati metabolomici, in questo studio sono state applicate moderne tecniche statistiche per confermare ulteriormente la stabilità dei metaboliti identificati nelle analisi univariate.Sebbene il nostro studio sia limitato da una dimensione del campione relativamente piccola (soprattutto nelle analisi longitudinali per ABI all'anno 10 in cui solo la metà della popolazione era viva e visitava la clinica), che limitava la potenza statistica, rimane uno dei più grandi studi di metabolomica per aterosclerosi tra le persone con diabete di tipo 2.Per ridurre al minimo l'effetto di potenziale confondimento, abbiamo aggiustato per una varietà di fattori di rischio CVD, ma è importante notare il potenziale di confondimento residuo da parte di co-variate non misurate, come la dieta.Rete JAMA aperta.Am J Epidemia.J Am Heart Assoc 2017;Int J Endocrinolo.Talanta.Diabetolo cardiovascolare.Circolazione.Diabetolo cardiovascolare.Disturbo endocrino BMC.Diabetologia.Am J Epidemia.Ris. CircoVita IUBMB.Acidosi lattica.N inglese J Med.Circolazione.Diabetolo cardiovascolare.Circolazione.Eur J Prev Cardiol.Diabetolo cardiovascolare.Fronte Mol Biosci.Puoi anche cercare questo autore in PubMed Google ScholarPuoi anche cercare questo autore in PubMed Google ScholarPuoi anche cercare questo autore in PubMed Google ScholarPuoi anche cercare questo autore in PubMed Google ScholarPuoi anche cercare questo autore in PubMed Google ScholarPuoi anche cercare questo autore in PubMed Google ScholarPuoi anche cercare questo autore in PubMed Google ScholarTutti gli autori hanno letto e approvato il manoscritto finale.Gli autori dichiarano di non avere interessi in gioco.Springer Nature rimane neutrale riguardo alle rivendicazioni giurisdizionali nelle mappe pubblicate e nelle affiliazioni istituzionali..Figura S3.Accesso aperto Questo articolo è concesso in licenza in base a una licenza internazionale Creative Commons Attribution 4.0, che consente l'uso, la condivisione, l'adattamento, la distribuzione e la riproduzione in qualsiasi mezzo o formato, purché si attribuisca un credito appropriato all'autore originale e alla fonte, fornire un collegamento alla licenza Creative Commons e indicare se sono state apportate modifiche.Le immagini o altro materiale di terze parti in questo articolo sono inclusi nella licenza Creative Commons dell'articolo, se non diversamente indicato in una linea di credito al materiale.Per visualizzare una copia di questa licenza, visitare http://creativecommons.org/licenses/by/4.0/.Chiunque condivida il seguente link potrà leggere questo contenuto:Spiacenti, un link condivisibile non è attualmente disponibile per questo articolo.Fornito dall'iniziativa di condivisione dei contenuti Springer Nature SharedItUtilizzando questo sito Web, accetti i nostri Termini e condizioni, l'Informativa sulla privacy della California, l'Informativa sulla privacy e la politica sui cookie.Gestisci i cookie/Non vendere i miei dati che utilizziamo nel centro delle preferenze.© 2022 BioMed Central Ltd se non diversamente indicato.Parte di Springer Nature.