Identificación de metabotipos de SII en función de las respuestas fisiológicas a los alimentos

El estudio actual es exploratorio con el objetivo principal de encontrar y relacionar distintos metabotipos de sujetos que reflejen tolerancia/intolerancia a componentes alimentarios específicos entre pacientes con SII mediante la deducción y la relación de patrones de datos de OMIC (datos de metabolómica y microbiota intestinal) con la gravedad informada de los síntomas del SII indicados. por la variable de criterio de valoración principal, es decir, SII-SSS. Dado que los investigadores no tienen una estimación de la variación en los datos OMIC multivariados (tanto metabolómica como análisis de ARNr 16S del ARN bacteriano), no es posible realizar un cálculo de potencia adecuado. Hay una falta de consenso sobre cómo realizar mejor el análisis de poder para estos diseños OMIC (y por lo tanto también una falta de herramientas), aunque se han publicado algunas iniciativas. El análisis de poder es especialmente difícil en la metabolómica no dirigida, donde el número de variables no se determina a priori, donde existe una fuerte multicolinealidad y donde no se puede suponer que las variables contribuyen con el mismo poder al tamaño del efecto. Además, existe una escasez de material de estudio de microbiota y metabolómica no dirigido relevante sobre las interacciones entre el SII y la dieta a partir del cual estimar parámetros relevantes como los tamaños del efecto multivariante y las estimaciones de varianza, debido a los sorprendentemente pocos estudios de metabolómica sobre el SII y la falta total de estudios disponibles públicamente. datos sin procesar. Sin embargo, previamente se observaron diferencias significativas en el metaboloma en niños con o sin SII con diarrea dominante (n=22 por grupo). También se mostraron diferencias sistemáticas en metabolitos individuales en personas con SII que consumían una dieta alta o baja en FODMAP (n≈20 por tratamiento).

En este estudio se realizará un diseño cruzado, lo que aumentará la potencia en comparación con los diseños paralelos. Además, los participantes serán estratificados con respecto al subtipo de SII (es decir, diarrea, estreñimiento y mixto). Sin embargo, los investigadores no sabrán de antemano cuántos metabotipos de SII estarán presentes en el material o la distribución cuantitativa entre los metabotipos. Por lo tanto, se reclutarán 120 participantes para poder observar diferencias significativas entre los tratamientos dietéticos, en base a las suposiciones de que será posible identificar alrededor de 4±1 metabotipos y una distribución aproximadamente igual entre metabotipos (≥20 personas por metabotipo). Además, una selección de 120 participantes permitirá, en estas condiciones, un 20 % de abandono del estudio, que es una estimación alta basada en nuestra experiencia previa con intervenciones nutricionales. Un resultado secundario importante de este material de estudio es que brindará la oportunidad de ser utilizado para cálculos de potencia en futuros estudios de OMIC donde los tamaños del efecto en los parámetros clínicos y las medidas de OMIC son inciertos.

Descubrimiento de metabotipos de SII La identificación de metabotipos se realizará utilizando predominantemente técnicas de análisis de datos multivariantes. Durante los análisis iniciales, los datos de fenotipo molecular (metabolómica y microbiota) se analizarán utilizando análisis de componentes principales (PCA) no supervisado y técnicas de agrupamiento para investigar si los datos se autoagregan en grupos significativos. Para ajustar la variabilidad entre individuos y centrarse en los efectos de las intervenciones, se realizará una partición de la varianza (a veces denominada descomposición ANOVA) por individuo. Los grupos se correlacionarán con los datos clínicos/SII registrados (IBS-SSS, diario de vaciamiento intestinal) para examinar si los grupos emergentes contienen información funcional en relación con los síntomas del SII. Además, es probable que los diferentes grupos no se reflejen de manera similar en la metabolómica plasmática y fecal y en la microbiota fecal. Para investigar en qué medida los distintos clusters están asociados a los distintos bloques ómicos, se aplicarán al análisis no supervisado una serie de técnicas de subdivisión de la variabilidad en componentes comunes y distintos.

En una segunda línea de análisis no supervisado, los análisis PCA y de agrupamiento se realizarán en el fenotipo molecular agregado con datos clínicos/SII, que tendrán el potencial de influir en el agrupamiento directamente en lugar de investigar las correlaciones posteriormente. De nuevo, se aplicará la subdivisión de la variabilidad en componentes comunes y distintos para examinar cómo se reflejan los conglomerados en los diferentes bloques de datos.

Por último, se utilizarán análisis supervisados ​​para asociar directamente datos de fenotipo molecular (variables independientes) con datos clínicos/SII (variables dependientes) utilizando técnicas internas de mínimos cuadrados parciales (PLS) y bosque aleatorio (RF). Estas técnicas internas están específicamente adaptadas para identificar el conjunto más relevante de variables independientes para describir la covariabilidad con los datos dependientes (manuscrito enviado). Los datos clínicos/SII se pueden utilizar como variables múltiples continuas o directamente al convertir las observaciones en grupos. Para examinar cómo se reflejan los grupos y el SII/los datos clínicos en los diferentes bloques ómicos, se aplicarán procedimientos recientemente desarrollados para encontrar componentes comunes y distintos en el análisis supervisado (manuscrito presentado).

La progresión en estos tres enfoques representa un grado creciente de supervisión en el análisis multivariado. Después de todos los análisis, los grupos emergentes de PCA y los análisis de agrupamiento y las predicciones multivariadas de los análisis de PLS y RF se analizarán más a fondo utilizando herramientas bioinformáticas adaptadas para proporcionar una interpretación biológica significativa con el objetivo de confirmar la correspondencia entre grupos y metabotipos.

Prueba de diagnóstico rápido de metabotipos Una vez identificados los metabotipos, se realizará un análisis predictivo multivariable de la exposición mixta de gluten/FODMAP para identificar biomarcadores predictivos de metabotipos. Estos modelos, de manera similar a los anteriores, se basarán en procedimientos internos de PLS y RF utilizando datos de metabolómica como variables independientes y clasificación de metabotipos por individuo como variable dependiente.

Los perfiles metabólicos del plasma se analizarán regularmente hasta 4 horas después de la exposición y se llevarán a cabo dos enfoques diferentes para abordar las tendencias temporales en el perfil metabólico: En un primer enfoque, los perfiles temporales se convertirán en áreas bajo la curva por característica del metabolito a través de la integración numérica. Estos valores luego se usarán directamente como variables independientes para dar una indicación del reflejo general del metabotipo en los niveles de metabolitos después de la exposición. Sin embargo, este enfoque directo no podrá tener en cuenta las posibles diferencias en las tendencias temporales entre metabotipos. Por lo tanto, la partición de la varianza con guiones con aprendizaje supervisado se utilizará para investigar las interacciones metabotipo x tiempo. Este enfoque requerirá el desarrollo de métodos en el análisis multivariante, que actualmente está en marcha en el grupo de investigación de R Landbergs y se espera que esté listo y probado en versión beta durante 2018, es decir, antes de que los datos estén disponibles para el análisis. Esta metodología está proyectada para permitir el análisis simultáneo de las diferencias generales en los niveles de metabolitos entre tratamientos, así como las diferencias en los perfiles de tiempo, brindando así información también sobre los puntos de tiempo más oportunos para extraer muestras para la predicción efectiva del metabotipo x.