Proteomisk profilering for at afsløre nye prognostiske markører for neurologiske resultater efter genoplivning

Baggrund: Hjertestop er en livstruende begivenhed. Intensivister er udfordret med et stigende antal patienter med usikkert neurologisk resultat efter hjerte-lunge-redning (CPR). Den prognostiske værdi af nuværende biomarkører for neurofysiologisk langsigtet resultat er begrænset. Derfor er identifikation af nye plasmamarkører med højere prædiktiv værdi for neurofysiologisk genopretning afgørende for patientbehandling efter CPR.

Hypotese: Vi antager, at specifikke hjerneafledte vævslækageproteiner kan identificeres for at afsløre nye, mere pålidelige prognostiske biomarkører for godt neurologisk resultat.

Metoder: Dette translationelle studie (n=100) er en kombination af et prospektivt grundlæggende videnskabeligt studie beregnet til at reducere antallet af potentielle plasmabiomarkørkandidater ved proteomiske haglgeværanalyser i hjernevævsobduktionsprøver og plasmaprøver fra genoplivede patienter (n=10) og et prospektivt klinisk valideringsstudie i en stor studiepopulation (n=90) ved high-throughput analyser. Prøver vil blive analyseret ved proteomiske haglgeværanalyser ved hjælp af Q-Exactive quadrupole-orbitrap massespektrometer (MS). MS/MS-data vil blive fortolket af MaxQuant- og Perseus-softwaren. For at identificere hjerneafledte proteiner i plasma vil plasmaproteomet fra 10 genoplivede patienter blive sammenlignet med hjernevævets proteomiske profil. Dette vil reducere antallet af potentielle plasmabiomarkørkandidater forbundet med neurologiske resultater. Den prospektive validering i plasmaprøver vil blive udført ved hjælp af en målrettet proteomisk tilgang ved brug af udvalgt reaktionsovervågning (SRM) på en tredobbelt quadrupol ion MS. Neurologiske udfald vil blive vurderet ved fem-punkts skalaen (død, vedvarende vegetativ tilstand, svær funktionsnedsættelse, moderat handicap og god restitution) i henhold til de cerebrale præstationskategorier (CPC). Et CPC-sår på <3 betragtes som et godt neurologisk resultat. Udvælgelse af proteomiske markører og signatur-estimering vil blive udført ved L1-regulariseret logistisk regression, hvor tuning-parameteren vil blive optimeret ved krydsvalideret modelydelse. Signaturens evne til at diskriminere patienter med godt og dårligt resultat vil blive beskrevet ved ROC-analyse.

Klinisk perspektiv: En nøjagtig forudsigelse af neurologiske udfald efter HLR er af største klinisk betydning. Tidligere undersøgelser fokuserede dog på et meget begrænset udvalg af biomarkører. Derfor kan en struktureret proteomisk analysetilgang identificere den bedste markør ud af alle proteiner frigivet under cellulær skade.