Identificazione dei metabotipi IBS basati sulle risposte fisiologiche al cibo

L'attuale studio è esplorativo con l'obiettivo principale di trovare e mettere in relazione metabotipi di soggetti distinti che riflettano la tolleranza/intolleranza a componenti alimentari specifici tra i pazienti con IBS deducendo e correlando i modelli di dati OMIC (dati di metabolomica e microbiota intestinale) alla gravità segnalata dei sintomi di IBS indicati dalla variabile dell'endpoint primario, ad es. IBS-SSS. Poiché gli investigatori non hanno una stima della variazione nei dati OMIC multivariati (sia metabolomica che analisi 16S rRNA dell'RNA batterico), non è possibile eseguire un adeguato calcolo della potenza. C'è una mancanza di consenso su come eseguire al meglio l'analisi di potenza per questi progetti OMIC (e quindi anche una mancanza di strumenti), sebbene siano state pubblicate alcune iniziative. L'analisi della potenza è particolarmente difficile nella metabolomica non mirata, dove il numero di variabili non è determinato a priori, dove c'è una forte multicolinearità e dove non si può presumere che le variabili contribuiscano con uguale potenza alla dimensione dell'effetto. Inoltre, c'è una carenza di materiale di studio non mirato sulla metabolomica e sul microbiota sulle interazioni IBS x dieta da cui stimare parametri rilevanti come le dimensioni dell'effetto multivariato e le stime della varianza, a causa dei sorprendentemente pochi studi di metabolomica sull'IBS e della totale mancanza di dati disponibili al pubblico dati grezzi. Tuttavia, in precedenza erano state osservate differenze significative nel metaboloma nei bambini con o senza IBS a predominanza di diarrea (n=22 per gruppo). Differenze sistematiche sono state mostrate anche nei singoli metaboliti nelle persone con IBS che consumavano una dieta ad alto o basso contenuto di FODMAP (n≈20 per trattamento).

In questo studio verrà eseguito un progetto cross-over, che aumenterà la potenza rispetto ai progetti paralleli. Inoltre, i partecipanti saranno stratificati rispetto al sottotipo di IBS (es. diarrea, costipazione e mista). Tuttavia, gli investigatori non sapranno in anticipo quanti metabotipi IBS saranno presenti nel materiale o nella distribuzione quantitativa tra i metabotipi. Pertanto, verranno reclutati 120 partecipanti per poter osservare differenze significative tra i trattamenti dietetici, sulla base del presupposto che sarà possibile identificare circa 4±1 metabotipi e una distribuzione approssimativamente uguale tra i metabotipi (≥20 persone per metabotipo). Inoltre, una selezione di 120 partecipanti consentirà, in queste condizioni, il 20% di abbandono dello studio, che è una stima elevata basata sulla nostra precedente esperienza di interventi nutrizionali. Un importante risultato secondario di questo materiale di studio è che offrirà l'opportunità di essere utilizzato per i calcoli di potenza in futuri studi OMIC in cui le dimensioni dell'effetto sia sui parametri clinici che sulle misure OMIC sono incerte.

Scoperta dei metabotipi IBS L'identificazione dei metabotipi sarà eseguita utilizzando prevalentemente tecniche analitiche di dati multivariati. Durante le analisi iniziali, i dati del fenotipo molecolare (metabolomica e microbiota) saranno analizzati utilizzando l'analisi dei componenti principali senza supervisione (PCA) e tecniche di clustering per verificare se i dati si autoaggregano in cluster significativi. Per adeguarsi alla variabilità tra individui e concentrarsi sugli effetti degli interventi, verrà eseguita la partizione della varianza (a volte indicata come decomposizione ANOVA) per individuo. I cluster saranno correlati con i dati clinici/IBS registrati (IBS-SSS, diario dello svuotamento intestinale) per esaminare se i cluster emergenti contengano informazioni funzionali in relazione ai sintomi dell'IBS. Inoltre, è probabile che diversi cluster non si riflettano in modo simile nella metabolomica plasmatica e fecale e nel microbiota fecale. Per indagare in che misura i diversi cluster sono associati ai diversi blocchi omici, verranno applicate all'analisi non supervisionata una serie di tecniche per la suddivisione della variabilità in componenti comuni e distinte.

In una seconda linea di analisi non supervisionata, PCA e analisi di clustering saranno eseguite su fenotipo molecolare aggregato con IBS/dati clinici, che avranno il potenziale per influenzare direttamente il clustering invece di indagare le correlazioni in seguito. Ancora una volta, verrà applicata la suddivisione della variabilità in componenti comuni e distinti per esaminare come i cluster si riflettono nei diversi blocchi di dati.

Infine, le analisi supervisionate saranno utilizzate per associare direttamente i dati del fenotipo molecolare (variabili indipendenti) con i dati IBS/clinici (variabili dipendenti) utilizzando tecniche di minimi quadrati parziali (PLS) e random forest (RF) sviluppate internamente. Queste tecniche interne sono specificamente adattate per identificare l'insieme più rilevante di variabili indipendenti per descrivere la covariabilità con i dati dipendenti (manoscritto inviato). I dati IBS/clinici possono essere utilizzati sia come variabili multiple continue sia direttamente convertendo le osservazioni in cluster. Per esaminare come i cluster e i dati IBS/clinici si riflettono nei diversi blocchi omici, verranno applicate procedure di nuova concezione per trovare componenti comuni e distinti nell'analisi supervisionata (manoscritto inviato).

La progressione in questi tre approcci rappresenta un grado crescente di supervisione nell'analisi multivariata. Dopo tutte le analisi, i cluster emergenti dalle analisi PCA e clustering e le previsioni multivariate dalle analisi PLS e RF saranno ulteriormente analizzati utilizzando strumenti bioinformatici adattati per fornire un'interpretazione biologica significativa con l'obiettivo di confermare la corrispondenza tra cluster e metabotipi.

Test diagnostico rapido dei metabotipi Dopo che i metabotipi sono stati identificati, verrà eseguita un'analisi predittiva multivariata dell'esposizione mista glutine/FODMAP per identificare i biomarcatori predittivi dei metabotipi. Analogamente, questi modelli saranno basati su procedure PLS e RF interne utilizzando i dati di metabolomica come variabili indipendenti e la classificazione del metabotipo per individuo come variabile dipendente.

I profili metabolici del plasma saranno analizzati regolarmente fino a 4 ore dopo l'esposizione e saranno adottati due diversi approcci per affrontare le tendenze temporali nella profilazione metabolica: in un primo approccio, i profili temporali saranno convertiti in aree sotto la curva per misurato caratteristica del metabolita attraverso l'integrazione numerica. Questi valori verranno quindi utilizzati direttamente come variabili indipendenti per fornire un'indicazione del riflesso complessivo del metabotipo sui livelli del metabolita dopo l'esposizione. Tuttavia, questo approccio diretto non sarà in grado di prendere in considerazione potenziali differenze nelle tendenze temporali tra i metabotipi. Pertanto, il partizionamento della varianza sillabato con l'apprendimento supervisionato sarà utilizzato per studiare le interazioni metabotipo x tempo. Questo approccio richiederà lo sviluppo del metodo nell'analisi multivariata, che è attualmente in corso nel gruppo di ricerca R Landbergs e dovrebbe essere pronto e beta-testato nel 2018, cioè prima che i dati siano disponibili per l'analisi. Questa metodologia è progettata per consentire l'analisi simultanea delle differenze complessive nei livelli di metaboliti tra i trattamenti e delle differenze nei profili temporali, fornendo così informazioni anche sui punti temporali più opportuni per prelevare campioni per una previsione efficace del metabotipo x.