Περίληψη
Τα τελευταία χρόνια οι μελέτες συσχέτισης ολικού γονιδιώματος (GWAS) έχουν εντοπίσει μια πληθώρα γενετικών πολυμορφισμών που σχετίζονται με πολύπλοκες ασθένειες. Για έναν μικρό αριθμό γενετικών πολυμορφισμών, οι μοριακοί μηχανισμοί με τους οποίους αυτοί συνδέονται με τη σχετιζόμενη ασθένεια είναι γνωστοί. Ωστόσο, για τη συντριπτική πλειοψηφία αυτών παραμένουν σε μεγάλο βαθμό ανεξερεύνητοι. Επιπλέον, τα μεγέθη επίδρασης των γενετικών συσχετίσεων με ασθένειες είναι γενικά μικρά και απαιτούν κοόρτες με πολύ μεγάλο μέγεθος πληθυσμού. Για τους λόγους αυτούς, τα ευρήματα των GWAS δεν έχουν οδηγήσει σε σημαντικές βελτιώσεις στην κλινική διαχείριση των σχετιζόμενων νόσων. Οι κλασικές GWAS μελέτες έχουν επεκταθεί σε μελέτες συσχέτισης με ενδιάμεσα χαρακτηριστικά, όπως η έκφραση RNA ή μεταβολίτες που είναι γνωστοί παράγοντες κινδύνου της εξεταζόμενης νόσου (όπως τα επίπεδα τριγλυκεριδίων ή γλυκόζης). Τα χαρακτηριστικά αυτά εμφανίζουν μεγαλύτερα μεγέθη επίδρασης καθώς βρίσκονται πιο κοντά στο κλι ...
Τα τελευταία χρόνια οι μελέτες συσχέτισης ολικού γονιδιώματος (GWAS) έχουν εντοπίσει μια πληθώρα γενετικών πολυμορφισμών που σχετίζονται με πολύπλοκες ασθένειες. Για έναν μικρό αριθμό γενετικών πολυμορφισμών, οι μοριακοί μηχανισμοί με τους οποίους αυτοί συνδέονται με τη σχετιζόμενη ασθένεια είναι γνωστοί. Ωστόσο, για τη συντριπτική πλειοψηφία αυτών παραμένουν σε μεγάλο βαθμό ανεξερεύνητοι. Επιπλέον, τα μεγέθη επίδρασης των γενετικών συσχετίσεων με ασθένειες είναι γενικά μικρά και απαιτούν κοόρτες με πολύ μεγάλο μέγεθος πληθυσμού. Για τους λόγους αυτούς, τα ευρήματα των GWAS δεν έχουν οδηγήσει σε σημαντικές βελτιώσεις στην κλινική διαχείριση των σχετιζόμενων νόσων. Οι κλασικές GWAS μελέτες έχουν επεκταθεί σε μελέτες συσχέτισης με ενδιάμεσα χαρακτηριστικά, όπως η έκφραση RNA ή μεταβολίτες που είναι γνωστοί παράγοντες κινδύνου της εξεταζόμενης νόσου (όπως τα επίπεδα τριγλυκεριδίων ή γλυκόζης). Τα χαρακτηριστικά αυτά εμφανίζουν μεγαλύτερα μεγέθη επίδρασης καθώς βρίσκονται πιο κοντά στο κλινικό αποτέλεσμα σε σύγκριση με τον γονότυπο. Την τελευταία δεκαετία, η μεταβολομική έχει αναδυθεί ως ένα ισχυρό εργαλείο για την ενδελεχή μέτρηση των μεταβολιτών, δηλαδή μορίων χαμηλού μοριακού βάρους, στα βιολογικά υγρά, επιτρέποντας την ταυτόχρονη ανίχνευση και ποσοτικοποίηση μιας ποικιλίας μικρών μορίων με διαφορετικές χημικές ιδιότητες και δομές. Μια άλλη σημαντική πτυχή της μεταβολομικής είναι ότι το μεταβόλωμα αντανακλά την επίδραση τόσο των ενδογενών όσο και των εξωγενών εκθέσεων. Ως εκ τούτου, επιτρέπει τη διερεύνηση τόσο των γενετικών όσο και των περιβαλλοντικών επιπτώσεων στον κλινικό φαινότυπο. Πρόσφατες μελέτες έχουν διερευνήσει τη συσχέτιση δεδομένων GWAS με δεδομένα μεταβολομικής, γνωστές ως μελέτες συσχέτισης ολικού γονιδιώματος με συγκεντρώσεις μεταβολιτών (mGWAS). Σκοπός αυτής της μελέτης ήταν να εφαρμόσει μια στρατηγική ανάλυσης συσχέτισης ολικού μεταβολώματος (ΜWAS) με γενετικές παραλλαγές που έχουν προηγουμένως συσχετισθεί με μια συγκεκριμένη σύνθετη ασθένεια, όπως διάφοροι τύποι καρκίνου και καρδιαγγειακές νόσοι, προκειμένου να διερευνηθούν διεξοδικά οι αλληλεπιδράσεις γονιδίων-μεταβολιτών και να αποκαλυφθούν υποκείμενες μεταβολικοί οδοί της νόσου στο αγνωστικιστικό πλαίσιο των GWAS μελετών. Εξετάσθηκε η συσχέτιση γενετικών παραλλαγών που έχουν προηγουμένως συνδεθεί με τρεις σύνθετες ασθένειες, καρκίνο του παχέος εντέρου (CRC), πολλαπλό μυέλωμα (MM) και υψηλή αρτηριακή πίεση (BP), με μεταβολίτες ως ενδιάμεσα χαρακτηριστικά, εφαρμόζοντάς μια μεταβολομική προσέγγιση μέσω φασματοσκοπίας Πυρηνικού Μαγνητικού Συντονισμού (NMR) σε μια μεγάλη ομάδα πληθυσμού του Ηνωμένου Βασιλείου. Πιο συγκεκριμένα, αναλύθηκαν τα δεδομένα GWAS, καθώς και τα δεδομένα NMR ούρων και αίματος από 1,974 συμμετέχοντες στη Μελέτη Παρακολούθησης Της Υγείας των Ραδιοκυμάτων (ΑΙRWAVE). Αρχικά πραγματοποιήθηκε ανάπτυξη μεθοδολογίας, τονίζοντας την ανάγκη για ταυτόχρονη εφαρμογή τόσο στοχοθετημένων όσο και μη στοχευμένων προσεγγίσεων μεταβολομικής. Εξετάστηκε επίσης η χρήση πολυμεταβλητών προσεγγίσεων, η οποία δεν έχει ακόμη διερευνηθεί και καθιερωθεί σε αυτού του είδους τις μελέτες. Η χρήση των πολυμεταβλητών προσεγγίσεων είναι υψηλής σημασίας προκειμένου να ληφθούν υπόψη οι δομές εξάρτησης στα δεδομένα omics. Ένα άλλο πλεονέκτημα αυτής της μελέτης είναι η ταυτόχρονη ανάλυση δειγμάτων πλάσματος και ούρων, καθώς το μεταβόλωμα των ούρων παραμένει σε μεγάλο βαθμό ανεξερεύνητο στο πλαίσιο των GWAS. Πραγματοποιήσαμε απόδοση κορυφών και ταυτοποίηση των μεταβολιτών στα φάσματα NMR των ούρων για την AIRWAVE, χρησιμοποιώντας πειράματα 2D NMR, στατιστικές προσεγγίσεις (π.χ. στατιστική φασματοσκοπία συνολικής συσχέτισης-STOCSY), καθώς και πειράματα εμβολιασμού δειγμάτων με πρότυπες ουσίες. Με βάση την ανάπτυξη μεθοδολογίας, για κάθε γενετικό πολυμορφισμό πραγματοποιήθηκε ανάλυση μερικής συσχέτισης Spearman των δεδομένων NMR. Όλες οι μονομεταβλητές αναλύσεις προσαρμόστηκαν για συγχυτικούς παράγοντες (confounders) και διορθώθηκαν για 5% Ποσοστό Ψευδών Ανακαλύψεων (False Discovery Rate) (μη στοχευμένη προσέγγιση) ή στο 5% Bonferroni (στοχευμένη προσέγγιση). Χρησιμοποιήσαμε επίσης τους λόγους των μεταβολιτών, οι οποίοι έχει βρεθεί ότι αυξάνουν τη συσχέτιση για ένα ζεύγος προϊόντος-υποστρώματος. Χρησιμοποιήθηκαν επίσης πολυμεταβλητές προσεγγίσεις, όπως η ανακάλυψη γνώσης με μεγιστοποίηση της ακρίβειας (KODAMA) και η σποραδική παλινδρόμηση μερικών ελάχιστων τετραγώνων (SPLS) προκειμένου να διερευνηθεί η σχέση των γενετικών πολυμορφισμών και των μεταβολικών χαρακτηριστικών σε ένα πολυμεταβλητό πλαίσιο. Για την ανάλυση του CRC και της BP, όπου είναι γνωστό ότι οι περιβαλλοντικοί παράγοντες διαδραματίζουν σημαντικό ρόλο στην παθογένεση των νόσων αυτών, διερευνήσαμε τις αλληλεπιδράσεις με διαιτητικούς παράγοντες, ενώ κατασκευάστηκαν επίσης δίκτυα γονιδίων-μεταβολιτών-διατροφής χρησιμοποιώντας την πλατφόρμα Cytoscape και «ανάλυση ενοποίησης δεδομένων για την ανακάλυψη βιοδεικτών χρησιμοποιώντας προσεγγίσεις λανθανουσών μεταβλητών για μελέτες Omics» (DIABLO) αντίστοιχα. Στα δείγματα ορού, συμπληρωματικά της προσέγγισης NMR, χρησιμοποιήθηκαν δεδομένα Φασματομετρίας Μάζας (MS) από την πλατφόρμα Metabolon για στοχευμένη ανάλυση. Στην ανάλυση του CRC, πραγματοποιήθηκε ανάλυση μενδελιανής τυχαιοποίησης (MR) για να διαπιστωθεί η σχέση αιτίου-αιτιατού των σημαντικών μεταβολιτών στην αύξηση του κινδύνου για CRC. Τα αποτελέσματά μας έδειξαν ότι υπάρχει συσχέτιση μεταξύ του γονότυπου και του μεταβολώματος για τις εξεταζόμενες νόσους. Στην ανάλυση του CRC, ένας μεγάλος αριθμός μεταβολιτών έδειξε ισχυρή συσχέτιση με γενετικούς πολυμορφισμούς, μεταξύ των οποίων σάκχαρα (σακχαρόζη, γλυκόζη), αμινοξέα (τυροσίνη, λευκίνη, λυσίνη, γλουταμίνη), μεταβολίτες του εντερικού μικροβιώματος (θειικό άλας π-κρεσόλης, Ν-οξείδιο της τριμεθυλαμίνης (TMAO)), καθώς και λιπίδια και σωματίδια λιποπρωτεΐνων. Μεταξύ των γενετικών πολυμορφισμών που έδειξαν συσχέτιση με το μεταβόλωμα ήταν οι rs10411210 στο γονίδιο Rhophillin Rho Binding Protein 2 (RHPN2), rs78368589 στο γονίδιο Solute Carrier Family 6 Μember 18 (SLC6A18) και rs745213 στο γονίδιο Mitogen-Activated Protein Kinase Kinase 5 (MAP2K5) στην ανάλυση των μεταβολιτών στα δείγματα ούρων και rs174533 στο γονίδιο Myelin Regulator Factor (MYRF) στην ανάλυση των μεταβολιτών του αίματος. Ένα από τα σημαντικότερα ευρήματά μας ήταν η συσχέτιση του rs10411210 με τα επίπεδα σακχαρόζης στα ούρα. Τα αποτελέσματά μας υποδεικνύουν μια σχέση μεταξύ του RHPN2 και της έκφρασης της σουκράσης-ισομαλτάσης (SI) μέσω της ενεργοποίησης της Ροφιλλίνης Α, η οποία οδηγεί περαιτέρω σε μειωμένα επίπεδα σακχαρόζης στα ούρα. Ο ρόλος της SI στον CRC είναι ήδη γνωστός, ωστόσο από όσο γνωρίζουμε δεν υπάρχει μελέτη που να συνδέει τα επίπεδα σακχαρόζης των ούρων με τον κίνδυνο ανάπτυξης CRC. Επιπλέον, στη μελέτη αυτή προτείνονται νέοι μοριακοί μηχανισμοί με τους οποίους οι μεταβολίτες του μικροβιώματος του εντέρου, το TMAO και το θειικό άλας της π-κρεσόλης, εμπλέκονται στην παθογένεση του CRC. Τέλος, μεταξύ των παραγόντων του τρόπου ζωής, η κατανάλωση αλκοόλ παρουσίασε τις πιο ισχυρές συσχετίσεις με τους περισσότερους από τους σημαντικούς μεταβολίτες. Στην ανάλυση του MM, αναδείχθηκε η συσχέτιση διάφορων μεταβολιτών με τους γενετικούς πολυμορφισμούς που έχουν συνδεθεί με το ΜΜ. Μεταξύ των σημαντικότερων ευρημάτων ήταν η συσχέτιση του rs139371 στο γονίδιο Chromobox Protein Homolog 7 (CBX7), με τα επίπεδα τυροσίνης στα ούρα. Το γονίδιο αυτό έχει συνδεθεί στο παρελθόν τόσο με ΜΜ όσο και με καρκίνο του θυρεοειδούς, παρέχοντας νέα στοιχεία σχετικά για την επίδραση των θυρεοειδικών ορμονών στον καρκίνο. Επιπλέον, η συσχέτιση του λόγου Ν,Ν-διμέθυλογλυκίνη/γλυκίνη με τον γενετικό πολυμορφισμό rs58618031 στο γονίδιο Protection of telomeres protein 1 (POT1) ανέδειξε το ρόλο του μεταβολισμού της ομοκυστεΐνης στη διαδικασία σύντμησης των τελομερών. Το αποτέλεσμα αυτό έδειξε επίσης της σημασία που έχει η χρήση των λόγων των μεταβολιτών στις μελέτες ΜWAS για την ανάδειξη νέων συσχετίσεων. Σε ακόλουθη μελέτη, πραγματοποιήσαμε ανάλυση μεταβολομικής με ΝΜR σε ασθενείς με MM, προκειμένου να αναζητήσουμε μεταβολικούς δείκτες που θα μπορούσαν να διαχωρίσουν τους ασθενείς με MM που ανταποκρίνονται στη θεραπεία με μονοκλωνικά αντισώματα από εκείνους που δεν ανταποκρίνονται. Συλλέχθηκε πλάσμα περιφερικού αίματος (PB) και μυελού των οστών (BM) από ασθενείς με MM κατά τη στιγμή της διάγνωσης (Baseline-BL) και μετά τη θεραπεία. Αυτή η μελέτη κατέδειξε το ρόλο του μεταβολισμού του γλουταμινικού οξέος και της γλουταμίνης τόσο στο PB όσο και στο BM των ασθενών με MM, ενώ οι μεταβολές στο BM ήταν πολύ ισχυρότερες από εκείνες που αναφέρθηκαν στο PΒ. Επισημάνθηκε επίσης ο ρόλος πολλών αμινοξέων, συμπεριλαμβανομένης της τυροσίνης και των αμινοξέων διακλαδισμένης αλυσίδας που προέκυψαν και στην ανάλυση ΜWAS. Τέλος, το γαλακτικό οξύ αναδύθηκε ως κύριος μεταβολίτης για την πρόγνωση των ασθενών με MM, ενώ άλλα οργανικά οξέα (οξικό, πυροσταφυλλικό και κιτρικό οξύ) είχαν επίσης μεγάλο ρόλο στην διάκριση των ασθενών με βάση την απόκριση τους στη θεραπεία. Στην ανάλυση της BP εξετάστηκαν πάνω από 1000 γενετικoί πολυμορφισμοί για συσχετίσεις με μεταβολικούς δείκτες στα ούρα. Μεταξύ των πιο ισχυρών συσχετίσεων ήταν αυτή του πολυμορφισμού rs1047891 στο γονίδιο Carbamoyl-Φωσφορική Συνθάση 1 (CPS1) με τα επίπεδα γλυκίνης, κρεατίνης και γουανιδοοξικού οξέος στο αίμα και τα ούρα. Το γονίδιο αυτό κωδικοποιεί ένα ένζυμο υπεύθυνο για τη ρύθμιση του κύκλου της ουρίας. Αν και η συσχέτιση μεταξύ του CPS1 και των επιπέδων γλυκίνης στο αίμα ήταν ήδη γνωστή, εντοπίστηκαν και άλλοι μεταβολίτες εμπλεκόμενοι στην προτεινόμενη βιολογική οδό, ενώ δείξαμε ότι η συσχέτιση αυτή απεικονίζεται σε μικρότερο βαθμό στα επίπεδα των μεταβολιτών στα ούρα. Πληθώρα άλλων γενετικών πολυμορφισμών παρουσίασαν επίσης συσχετίσεις με μεταβολίτες στα ούρα, κυρίως μεταβολίτες που σχετίζονται με το μικροβίωμα του εντέρου, όπως το ιππουρικό οξύ, το TMAO και το 3-(3-υδροξυφαινυλ)-3-υδροξυπροπιονικό οξύ, καθώς και μεταβολίτες που σχετίζονται με τον καφέ, όπως το οξύ τoυ Sumiki, η τριγoνελλίνη και το Ν-μεθυλοπυριδίνιο. Τέλος, η πολυμεταβλητή ανάλυσή DIABLO, η οποία χρησιμοποιήθηκε για την ενοποίηση των δεδομένων GWAS, μεταβολομικής και διατροφής στην πρόβλεψη των αποτελεσμάτων BP (συστολική και διαστολική BP), τόνισε το ρόλο του φύλου και της κατανάλωσης αλκοόλ στην υπέρταση. Συνολικά, στη μελέτη αυτή αναδείχθηκαν μεταβολίτες και γενετικοί πολυμορφισμοί που εμπλέκονται στην παθολογία των εξεταζόμενων ασθενειών παρέχοντας νέες γνώσεις για τους μοριακούς μηχανισμούς του καρκίνου και της BP και ανοίγοντας το δρόμο για νέες θεραπευτικές ή προληπτικές στρατηγικές για αυτές τις ασθένειες. Ωστόσο, θα πρέπει να ακολουθήσει επαλήθευση των αποτελεσμάτων με in vivo/ in vitro μελέτες προκειμένου να προκύψουν περισσότερα στοιχεία για τις προτεινόμενες μοριακές οδούς, καθώς και αναπαραγωγή των αποτελεσμάτων (replication) σε ανεξάρτητες κοόρτες.
περισσότερα
Περίληψη σε άλλη γλώσσα
In recent years Genome-Wide association studies (GWAS) have identified a plethora of genetic variants associated with complex diseases and traits. Although the molecular mechanisms implicating these variants in the associated disease may be known for a small number of them, for the vast majority they remain largely unexplored. Moreover, effect sizes of genetic associations with diseases are generally small requiring huge cohorts. For these reasons, GWAS findings have led to poor improvements in the clinical management of the associated disease. A shift has been observed from GWAS to intermediate trait associations, such as RNA transcription or metabolites that are known risk factors of disease (such as triglyceride or glucose levels), which are generally characterized by larger effect sizes as there are closer to the clinical endpoints compared to the genotype. In the last decade, metabolomics has emerged as a powerful tool for the comprehensive measurement of low molecular weight mol ...
In recent years Genome-Wide association studies (GWAS) have identified a plethora of genetic variants associated with complex diseases and traits. Although the molecular mechanisms implicating these variants in the associated disease may be known for a small number of them, for the vast majority they remain largely unexplored. Moreover, effect sizes of genetic associations with diseases are generally small requiring huge cohorts. For these reasons, GWAS findings have led to poor improvements in the clinical management of the associated disease. A shift has been observed from GWAS to intermediate trait associations, such as RNA transcription or metabolites that are known risk factors of disease (such as triglyceride or glucose levels), which are generally characterized by larger effect sizes as there are closer to the clinical endpoints compared to the genotype. In the last decade, metabolomics has emerged as a powerful tool for the comprehensive measurement of low molecular weight molecules in biological fluids, allowing for simultaneous detection and quantitation of a variety of small molecules with different chemical properties and structures. Another important aspect of metabolomics is that the metabolome reflects the effect of both intrinsic and extrinsic exposures. Therefore, both genetic and environmental impacts on the clinical phenotype can be explored. Recent studies have explored GWAS associations in a metabolomics setup known as Genome-wide association studies of metabolites concentrations (mGWAS). However, all of these studies have explored thousands of genetic variants with metabolic trait phenotypes in a general context and irrespectively of the associated diseases. In this study the aim was to perform a metabolome-wide association study (MWAS) with genetic variants previously associated with a specific complex disease, such as cancer types and Cardiovascular Diseases (CVDs), in order to thoroughly investigate the gene-metabolite interactions and reveal underlying causal pathways of the disease in a GWAS agnostic context. The link between genetic variants previously associated with three complex diseases, Colorectal Cancer (CRC), Multiple Myeloma (MM) and Blood Pressure (BP), with metabolites as intermediated traits has been investigated using a Nuclear Magnetic Resonance (NMR)-based metabolomics approach in a large UK population cohort. More specifically, GWAS data, as well as NMR metabolomics data for urine and blood from 1,974 Airwave Health Monitoring Study participants were analysed. Initial method development has been performed, highlighting the urge of simultaneous implementation of both targeted and untargeted metabolomics approaches. We also tried to investigate the use of multivariate approaches, which has not yet been explored and established in this kind of studies. Utilization of multivariate approaches is of high importance in order to account for the dependency structures in omics data. Another asset of this study is the simultaneous analysis of both plasma and urine samples, with the urinary metabolome being largely unexplored in a GWAS context. We performed urine annotation in the NMR spectra of the Airwave Health Monitoring Study (AIRWAVE), using 2D NMR experiments, statistical approaches (e.g. Statistical total correlation spectroscopy-STOCSY), as well as spiking experiments. Based on our method development, for each genetic variant, Spearman partial correlation analysis was conducted against the 1H NMR spectral data. All univariate analyses were adjusted for confounders and corrected at 5% False Discovery Rate (untargeted approach) or 5% Bonferroni (targeted approach). We also made use of metabolic ratios, which have previously been found to increase the association of a product-substrate pair. Multivariate approaches, such as Knowledge Discovery by Accuracy Maximization (KODAMA) and sparse Partial Least Squares Regression (sPLS) were also employed in order to reveal more information on the relationship between genetic variants and the metabolic traits in a multivariate framework. For CRC and BP, where the environmental factors are known to pose an important role in their pathogenesis, we also investigated the interactions with dietary factors, while gene-metabolite-diet networks have also been constructed using Cytoscape and Data Integration Analysis for Biomarker discovery using Latent variable approaches for ‘Omics studies (DIABLO) respectively. In serum, the Metabolon Mass Spectrometry (MS) platform has also been utilized for targeted MS analysis complementary to the NMR approach. In CRC analysis, Mendelian randomization (MR) analysis has been performed to establish causality of the identified metabolites in increasing the risk of CRC.Our results demonstrated a correlation between the genotype and metabolome of the examined diseases. In CRC analysis, several metabolites including sugars (sucrose, glucose), amino acids (tyrosine, leucine, lysine, glutamine), gut microbial metabolites (p-cresol sulfate, Trimethylamine-N-oxide (TMAO)), as well as lipids and lipoprotein particles have shown strong association with CRC genetic variants. Among the associated variants were rs10411210 in Rhophillin binding protein 2 (RHPN2) gene, rs78368589 in Solute Carrier Family 6 Member 18 (SLC6A18) gene and rs745213 in the Mitogen-Activated Protein Kinase Kinase 5 (MAP2K5) gene in the analysis of urinary metabolites and rs174533 in the Myelin Regulatory Factor (MYRF) gene for blood analysis. One of our major findings was the association for rs10411210 with sucrose levels. Our results suggest a relationship between the RHPN2 and sucrase-isomaltase (SI) expression through activation of Rhophillin A, which further results in decreased urinary levels of sucrose. Although the role of SI in CRC has been well-established, to our knowledge there is no study associating the urinary levels of sucrose with the risk of developing CRC. Moreover, we proposed novel molecular mechanisms implicating the gut microbial metabolites, TMAO and p-cresol sulfate, in the pathogenesis of CRC. Finally, among the lifestyle factors alcohol consumption exhibited strong associations with most of the implicated metabolites.In MM analysis, several metabolites exhibited associations with MM genetic variants. Among the most important findings was the association of rs139371 in the Chromobox Protein Homolog 7 (CBX7) gene, which has been previously linked to both MM and thyroid cancer, with urinary tyrosine levels, providing further evidence about the effect of thyroid hormones in cancer. Moreover, association of the N,N dimethylglycine/glycine ratio with rs58618031 variant in Protection of Telomeres 1 (POT1) gene highlighted the role of homocysteine metabolism in telomere shortening. This result further demonstrated the advantageous investigation of metabolic ratios. In a subsequent study, we performed an NMR-based metabolomics in MM patients in order to seek for metabolic markers that could discriminate between MM patients that respond compared to those that not respond to treatment with monoclonal antibodies. Peripheral blood (PB) and bone marrow (BM) plasma from MM patients was collected at baseline (BL), e.g. at the time of diagnosis, and after treatment. This study demonstrated the role of glutamic acid and glutamine pathway in both PB and BM plasma of MM patients, while the alterations in BM were much stronger than those reported in the PΒ. The role of several amino acids, including tyrosine and branched chain amino acids also found in our MWAS analysis, has also been highlighted. Finally, lactic acid has emerged as a key metabolite for prognosis of MM patients, while other organic acids (acetic, pyruvic and citric acid) also posed a significant effect in their discrimination.In BP analysis over 1000 BP genetic variants were examined for associations with urinary metabolic markers. Among the most profound association was that of the rs1047891 variant in the Carbamoyl-Phosphate Synthase 1 (CPS1) gene, encoding for an enzyme responsible for the rate-limiting step of the urea cycle, with glycine, creatine and guanidoacetic acid both in blood and urine. Although the association between CPS1 and blood levels of glycine was already known, other metabolites of the proposed pathway have been identified, while the association was also depicted in the urinary levels of these metabolites. Several other variants exhibited associations with urinary metabolites, mostly gut microbiota related metabolites, such as hippuric acid, TMAO and 3-(3-hydroxyphenyl)-3-hydroxypropionic acid, and coffee related metabolites, such as sumiki’s acid, trigonelline and N-methylpyridinium. Finally, our multivariate analysis using DIABLO that integrated GWAS, metabolomics and dietary data for the prediction of BP outcomes (systolic and diastolic BP), highlighted the role of gender and alcohol consumption in hypertension.Overall, our analyses helped us highlight the metabolites and variants that could pose a key role in pathology of the examined diseases providing new insights on cancer and BP pathogenesis and paving the way to novel therapeutic or preventive strategies for these diseases. However, follow-up in vivo/ in vitro studies will be needed in order to provide evidence on the proposed molecular pathways, as well as replication to independent cohorts.
περισσότερα
