Akrilamid és egészségügyi eredmények

Konkrét célok A validált biomarkerek (azaz akrilamid és glicidamid hemoglobin adduktumok) által mért étrendi akrilamid-expozíció és a demencia, beleértve az Alzheimer-kórt (n=700 eset) közötti kapcsolat értékelése – 1. cél; Parkinson-kór (n = 190 eset) - 2. cél és szívinfarktus (n = 390 eset) - 3. cél két populációalapú svéd kohorszban, a 60 évesek kohorszában (60 évesek) és a svéd mammográfiás kohorszban ( SMC) eset-kohorsz elrendezést alkalmazva.

Ezen túlmenően, az expozíció által érintett OMICS aláírásait (főleg fehérjéket és metabolomikát) felhasználják a potenciálisan a betegségek kialakulásának hátterében álló molekuláris útvonalak feltárására és a biológiai valószínűség támogatására. Az akrilamiddal összefüggő metabolikus és fehérjék biomarkereket a vizsgált betegségek kockázatával összefüggésben értékelik (csak SMC) – 4. cél

Tanulmánytervezés: A projekt két viszonylag nagy populációalapú kohorszon, a 60 évesek kohorszán (60 évesek) és a svéd mammográfiai kohorszon (SMC) fog alapulni. Mindkét kohorsz jól megalapozott Svédországban. Az akrilamid biomarkerek mérésének magas költsége miatt eset-kohorsz tervezést alkalmazunk. A teljes becsült eset-kohorsz minta körülbelül 1740 résztvevőből áll majd. Két alcsoportot véletlenszerűen választanak ki a teljes kohorszból (n = 442, az alappopuláció körülbelül 5 %-a 1997–1999-ben a 60 évesek és 2003–2009 között az SMC esetében). A vizsgált betegségek (azaz a demencia, beleértve az Alzheimer-kórt, a Parkinson-kórt és a szívinfarktust is) összes olyan esete, amely az alcsoportokon kívül fordul elő, beletartozik. Az eset-kohorsz-kialakításnak van néhány előnye a beágyazott eset-ellenőrző kialakításhoz képest. Az alkohorsz különösen felhasználható az arányok vagy a kockázatok becslésére az eseményig tartó időkeretben23. Az esetek olyan résztvevőket tartalmaznak, akik a mintavétel időpontjában nem diagnosztizálták a vizsgált betegségeket. A vizsgált betegségek incidens eseteit az Országos Betegnyilvántartáshoz és a Halálokok Nyilvántartásához való kapcsolódás révén azonosítják a követés végéig (2022-ig mindkét kohorsz esetében). A demenciával és az Alzheimer-kórral kapcsolatos incidens eseteket a kognitív/demenciazavarok svéd regiszteréhez (SveDem) való kapcsolódás révén is lekérjük. Ennek a minőségi regiszternek az integrációja javítani fogja a demencia diagnózisának érzékenységét, amely alacsonynak bizonyult, ha csak az Országos Betegnyilvántartásból és a Halálok okainak nyilvántartásából észlelték. A statisztikai teljesítményszámítás (%) a várható eseményesetek (n) alapján az egyes vizsgált betegségekre és a feltételezett veszélyarányokra (HR) az alábbiak szerint:

várható esetek: Szívinfarktus: n=390; Demencia (beleértve az Alzheimer-kórt is) n=710 és Parkinson-kór n=192

Teljesítmény számítás:

HR 1,25: MI: 50%, demencia: 60% és Parkinson: 34% HR 1,50: MI 90%, demencia: 95%, Parkinson: 70% HR: 1,75: MI 99%, demencia: 100% és Parkinson 91%

A 60YO-ról és az SMC-ről itt talál részletes információkat:

https://ki-se.proxy.kib.ki.se/en/imm/the-cohort-of-60-yearolds; https://www.simpler4health.se/.

Expozíciók: Vérben mért akrilamid biomarkerek, azaz akrilamid és glicidamid hemoglobin adduktumok. Teljes vérmintákat (körülbelül n = 1740) gyűjtenek (0,5 ml) a fagyasztóban -80°C-on tárolt mintákból az Uppsala University Biobankjában (SMC) és a Karolinska Institutet (KI) biobankjában (60YO) és elküldik. egy minősített stockholmi laboratóriumba. Az értékelés validált módszerrel történik a Törnqvist laboratóriumában. Röviden, az akrilamid és a glicidamid hemoglobin N-terminális valinhoz való adduktumát (AA-val, illetve Gly-val) LC-MS alapú módszerekkel mérjük a vérben, ami az eritrocita élettartama alatti expozíciót reprezentálja. A minták eset/kontrollállapota ismeretlen lesz az elemzés során. A laboratóriumi tételeket minden elemzésben hozzáigazítják. A két akrilamid biomarker mindegyikét folyamatosként (10 pmol/g növekményenként) és kategóriákban (tertilis vagy kvartilis) modellezzük a lehetséges nemlineáris dózis-válasz értékelésére.

Az eredmény meghatározása: A demencia (beleértve az Alzheimer-kórt), a Parkinson-kór és a szívinfarktus esetei. A betegségek nemzetközi osztályozása 10-es verziója (ICD10) alapján a következő diagnózisok szerepelnek:

Neurodegeneratív rendellenességek

• Demencia (Alzheimer-kórban, vaszkuláris, más betegséggel összefüggő, nem meghatározott) beleértve az Alzheimer-kórt, egyéb meghatározott (beleértve a Lewis-testeket is) és nem meghatározott neurodegeneratív betegségek: F00-F03, G30, G31.8, G31.9
• Parkinson-kór: G20

Szív- és érrendszeri betegségek Szívinfarktus:I21

Metabolikus és proteomikai adatok: A metabolitok és fehérjék markerei már rendelkezésre állnak az SMC mintában. Nagy léptékű, célzott folyadékkromatográfiás tömegspektrometriát és OLINK paneleket (Proseek Multiplex CVD II, CVD III és Metabolism) alkalmaztunk, hogy ezeket az adatokat az alapvonalon vett vérmintából nyerjük. A módszertannal és az elemzési folyamattal kapcsolatos részletes információkért lásd a korábban publikált kutatásokat26,27. Összesen körülbelül 10 000 metabolit és 250 fehérje lesz elérhető az eset-kohorsz mintába kiválasztott összes egyed számára (körülbelül n = 900).

Időterv és megvalósítás A projekt négy évig tart (2024. január-2026. december).

Adatelemzés és statisztika I. projekt: akrilamid és glicidamid hemoglobin adduktok a neurodegeneratív és kardiovaszkuláris betegségek kockázatával kapcsolatban.

Cox-arányos veszélyekkel súlyozott regressziós modelleket kell alkalmazni a kockázati arányok és a 95%-os konfidencia intervallumok (CI) becslésére minden egyes vizsgált egészségügyi eredményre az akrilamid és glicidamid biomarkerekkel kapcsolatban, az akrilamid biomarker mérésének időpontjától kezdődő nyomon követéssel. 2022. december 31-ig. Súlyozott valószínűségi megközelítést alkalmaznak a Borgan II súlyokkal28. A súlyozott módszer lehetővé teszi, hogy következtetéseket vonjunk le a teljes kohorszra28. A modelleket számos kovariáns figyelembevételével módosítjuk, mint például a nemet (csak 60 éveseknél), az életkort (csak SMC-nél), az iskolai végzettséget, a fizikai aktivitást, a dohányzást, az alkoholfogyasztást, a testtömeg-indexet, az étrendi tényezőket és más fontos zavaró tényezőket, amelyeket eleve a szakirodalomból találtak ki. Az elemzés a két kohorszban külön-külön történik. Ezután az eredményeket véletlenszerű hatásmodellek segítségével kombinálják, figyelembe véve a kohorszok közötti lehetséges heterogenitást. A fő elemzést külön-külön meg kell ismételni a dohányzók és a nemdohányzók esetében. A dohányosok akrilamid szintje három-négyszer magasabb, mint a nemdohányzóké. Az elemzés külön-külön történő elvégzése azért fontos, hogy jobban meg lehessen különböztetni az akrilamid expozíció különböző forrásaihoz kapcsolódó kockázatokat, különösen az étrendtől a dohányzástól. Mivel az akrilamid megzavarhatja a hormonszintet, a menopauza állapotát is figyelembe veszik az elemzésben. Az akrilamid biomarkerek és a vizsgált betegségek közötti lehetséges kapcsolat alakjának vizsgálatához az egyes asszociációkat többváltozós korlátozott köbös spline-ekkel is modellezzük. Feltételezve, hogy a valódi kockázati arány (HR) 1,5, és α =0,05 szignifikanciaszint mellett, a teljes kohorsz 5%-át használva, ≥90%-os statisztikai erővel rendelkezünk a demenciát és szívinfarktust érintő elemzésekhez, és 70%-ot a Parkinson-kórhoz. betegség. Ha a valódi HR ≤1,25 lesz, a statisztikai teljesítmény csökken, és a Parkinson-kórral kapcsolatos elemzés alulteljesíthet, ha nem kombinálják a demenciával, beleértve az Alzheimer-kórt is. A többváltozós kiigazítások, valamint a kitettségek kategóriákban történő alkalmazása némileg csökkentheti a teljesítményt.

Ezenkívül felmérjük az étrendi tényezők és az akrilamid szint közötti összefüggést (alprojekt), kihasználva az SMC-ben jelenlévő longitudinális étrendi információkat. Többszörösen kiigazított kvantilis regressziós modelleket alkalmaznak az étrendben az 1989-1990, 1997 és 2009 során bekövetkezett változások modellezésére a vér akrilamid szintjével kapcsolatban. Vizsgálták azokat az élelmiszereket, amelyekben magas lehet az akrilamid tartalom, azonban fontos lesz tisztázni, hogy mely táplálkozási tényezők/étkezési minták lehetnek relevánsak az akrilamidszinttel való összefüggésben.

Projekt II: Az akrilamid hemoglobin adduktumok és az OMICS adatok (I. fázis) és a kapcsolódó metabolitok/fehérjék közötti összefüggések, valamint a neurodegeneratív és miokardiális infarktus előfordulása (II. fázis).

A javasolt elemzés csak SMC-ben kerül végrehajtásra. Az elemzés várható mintanagysága n=900, amelyből n=236 az alminta, n=420 eset a neurodegeneratív betegségek és n=160 eset a szívinfarktus esetében.

I. fázis: A nagy léptékű OMICS adatokhoz adaptált részleges legkisebb négyzetek elemzése a hamis pozitív asszociációk minimalizálása érdekében, majd a kovariánsokra korrigált részleges Spearman rangkorrelációs analízist használjuk az OMICS adatai és az akrilamid és glicidamid biomarkerek közötti összefüggés vizsgálatára29. II. fázis: Az I. fázisban azonosított fehérjék és metabolitok mindegyikét független változóként modellezik az egyes vizsgált betegségek kockázatával kapcsolatban, többszörösen kiigazított Cox-arányos kockázatokkal súlyozott regressziós modellekkel, amelyek több vizsgálati korrekciót is figyelembe vesznek. Az értelmezés megkönnyítése érdekében ezután a jelentős fehérjéket és metabolitokat ábrázoljuk az akrilamid egyes vérbiomarkereivel és a vizsgált betegségekkel való összefüggésükkel.