Ricerca sugli effetti del consumo acuto di noci nelle donne diabetiche obese (REACT-NUT)

L’obesità è una malattia multifattoriale in cui l’accumulo eccessivo di grasso corporeo porta a effetti negativi sulla salute. È considerato un problema di salute pubblica globale, principalmente a causa della sua associazione con un aumento del rischio di sviluppare altre malattie croniche non trasmissibili (NCD). In Brasile si stima che un quarto della popolazione sia obesa, il che costituisce un importante fattore di rischio per l’invecchiamento patologico.

La causa principale dell’obesità è lo squilibrio energetico tra calorie consumate e spese e la sua elevata prevalenza è associata all’inattività fisica e al comportamento sedentario. È noto che una dieta equilibrata, composta da alimenti naturali e minimamente trasformati, è essenziale per il controllo del peso. Tuttavia, nello scenario attuale, si è verificato un aumento significativo del consumo di alimenti ultra-processati e una diminuzione dell’assunzione di alimenti naturali e minimamente trasformati, con un conseguente impatto notevole sulla prevalenza dell’obesità.

L’obesità è uno dei fattori di rischio più rilevanti per il diabete di tipo 2, una malattia sempre più diffusa in tutto il mondo e considerata una delle emergenze sanitarie del 21° secolo. Il diabete ha un impatto sulla morbilità e sulla mortalità ed è un importante fattore di rischio per ictus, disfunzioni renali, malattie cardiovascolari, perdita della vista e neuropatia. Le strategie non farmacologiche per controllare il diabete comprendono tipicamente interventi nutrizionali, attività fisica regolare, cessazione del fumo e mantenimento di un peso corporeo sano.

L’assunzione acuta di macronutrienti può indurre risposte avverse anche in individui sani, che possono portare a effetti cronici nel tempo. In questo contesto, l’assunzione di un pasto ad alto contenuto di grassi saturi (HSFM) gioca un ruolo importante, poiché è noto che il consumo cronico di un HSFM contribuisce allo sviluppo di obesità, diabete di tipo 2, cancro e malattie cardiovascolari, oltre ad esacerbare infiammazione cronica indotta dalla resistenza all’insulina e dall’eccesso di peso. Inoltre, gli studi dimostrano che l’HSFM può anche indurre endotossiemia metabolica e modulare i profili dei microRNA circolanti. I microRNA sono molecole di RNA non codificanti lunghe circa 22 nucleotidi che regolano l'espressione genica a livello post-trascrizionale degradando l'mRNA o inibendo la traduzione dei geni bersaglio. Pertanto, i microRNA possono contribuire agli effetti avversi dell’HSFM.

Considerati gli impatti dannosi sulla salute dell’HSFM, sono stati condotti studi con integrazione acuta di alimenti con proprietà antinfiammatorie e antiossidanti, come succo d’arancia e tè verde, al fine di ridurre al minimo gli effetti negativi di diete non salutari. Uno studio condotto dal nostro gruppo di ricerca ha dimostrato che l’integrazione acuta di tè verde ha inibito l’espressione di 62 microRNA indotta dall’assunzione di HSFM. L'analisi bioinformatica ha rivelato che questi microRNA regolano i geni associati ai percorsi TGF-beta, CARM1, RSK e BMP. L’identificazione di questi miRNA e dei loro percorsi molecolari può migliorare la comprensione dei benefici dei composti alimentari nella salute e nella malattia.

Il consumo regolare di noci (Juglans regia) è associato a una migliore salute cardiovascolare e alla risposta insulinica, potenzialmente a causa della regolazione della risposta insulinica riducendo l’attività degli enzimi digestivi dei carboidrati. Tuttavia, la letteratura sugli effetti delle noci sulle risposte infiammatorie e antiossidanti rimane limitata e inconcludente. Inoltre, esiste un numero limitato di studi che indagano sugli effetti acuti delle noci, con alcune prove di risposte positive. A questo proposito, in alcuni, ma non in tutti gli studi, sono stati dimostrati l’attenuazione postprandiale della resistenza all’insulina, il miglioramento della funzione endoteliale, lo stress ossidativo e la sazietà. È interessante notare che Torabian et al. hanno osservato che il consumo acuto di noci aumenta le concentrazioni plasmatiche di polifenoli, aumenta la capacità antiossidante totale e riduce la perossidazione lipidica plasmatica.

Oltre alle prove limitate riguardanti gli effetti acuti delle noci, i loro effetti in combinazione con HSFM sui profili metabolomici e microRNA devono ancora essere studiati. La metabolomica fu inizialmente definita come la misurazione quantitativa della risposta metabolica multiparametrica dinamica dei sistemi viventi a stimoli fisiopatologici o modificazioni genetiche. Pertanto, riflette direttamente il fenotipo di un particolare sistema biologico a livello metabolico molecolare, consentendo la rilevazione di alterazioni in metaboliti precedentemente sconosciuti, non caratterizzati o raramente riportati. Pertanto, la metabolomica può generare importanti conoscenze sui meccanismi delle noci nella prevenzione e nel trattamento delle malattie. Lo stesso vale per lo studio dei microRNA, che possono aiutare a identificare i percorsi intracellulari legati agli effetti benefici del consumo di noci.

Alla luce di ciò, questo studio genererà nuove prove riguardanti gli effetti acuti delle noci nel mitigare gli effetti avversi dell’HSFM. Inoltre, mitigare gli effetti avversi dell’HSFM potrebbe portare benefici significativi, in particolare per i pazienti con resistenza all’insulina, come gli obesi e i diabetici.

Valutare se l'integrazione acuta di noci (Juglans regia) attenua i marcatori infiammatori, lo stress ossidativo, la metabolomica e i microRNA circolanti indotti da HSFM nelle donne obese e diabetiche.

Il progetto è stato approvato dal Comitato Etico della Facoltà di Medicina di Botucatu. Lo studio sarà randomizzato e crossover, includendo donne con obesità (indice di massa corporea [BMI] ≥ 30) e diabete non insulino-dipendente di età superiore a 18 anni, reclutate durante visite ambulatoriali presso la Facoltà di Medicina di Botucatu. I criteri di esclusione includeranno: uso di integratori alimentari, uso di corticosteroidi negli ultimi 3 mesi, cancro, insufficienza cardiaca, malattie renali, malattie del fegato, malattie polmonari, malattie neurologiche, allergia a qualsiasi componente di HSFM o noci e consumo abituale di noci. (≤3 volte a settimana) nell'ultimo mese.

La dimensione del campione è stata stimata sulla base di uno studio precedente che aveva mostrato una riduzione del 60% dei livelli di IL-6 dopo pasti HSFM associati a succo d'arancia rispetto al gruppo di controllo (senza succo d'arancia). Considerando questa riduzione, un errore di tipo 1 del 5% e una potenza del 90%, questo studio includerà 15 individui.

I pazienti che firmano il modulo di consenso informato (ICF) verranno valutati in due momenti, separati da un periodo minimo di washout di una settimana. Nel primo incontro, dopo 10 ore di digiuno, verrà offerto HSFM con o senza 30 g di noci. Nella seconda, la condizione verrà invertita. Questo dosaggio delle noci si riferisce alla raccomandazione sul consumo giornaliero di noci proposta da varie linee guida dietetiche. La randomizzazione semplice sarà condotta da un infermiere non coinvolto nella ricerca. L'HSFM verrà fornito nell'ambulatorio dell'ospedale e ai pazienti verrà richiesto di consumare l'intero pasto e tutte le noci. Durante il protocollo di studio, ai pazienti verrà consigliato di evitare il consumo di noci per 2 settimane prima della prima visita di studio.

I campioni di sangue verranno raccolti ai punti temporali 0 (immediatamente prima del pasto), 15 minuti, 30 minuti, 60 minuti e 150 minuti dopo gli interventi. L'insulina sierica e il glucosio saranno misurati ai tempi da 0 a 60 minuti, mentre i biomarcatori sierici di infiammazione, stress ossidativo, microRNA circolanti e metabolomica saranno misurati ai tempi da 0 a 150 minuti. Inoltre, i ricercatori valuteranno la sazietà utilizzando una scala analogica visiva (VAS) in ogni momento dopo il pasto.

Analisi metabolomica Le analisi saranno condotte utilizzando la cromatografia liquida su un sistema Thermo Dionex Ultimate 3000 accoppiato a uno spettrometro di massa Thermo QExactive Plus ad alta risoluzione e accurato con ionizzazione elettrospray operante sia in modalità di analisi positiva che negativa.

Analisi dei microRNA circolanti Dopo l'estrazione degli RNA, i ricercatori utilizzeranno l'array di miRNA umano 4.0 Affymetrix GeneChip® (ThermoFisher Scientific), seguendo le istruzioni del produttore. Questo array contiene 2.578 set di sonde per miRNA umani maturi e 2.025 set di sonde per pre-miRNA umani (stem-loop). In questo array sono incluse anche le sonde per rilevare la presenza di snoRNA e scaRNA (per un totale di 1.996). I GeneChip verranno scansionati utilizzando lo scanner Affymetrix GeneChip G3000 7G, impostato per catturare le intensità del segnale per i miRNA. I dati grezzi sull'intensità verranno importati nella Affymetrix Expression Console (v1.4.1.46) per la preelaborazione del segnale, che include la correzione del background utilizzando il robusto algoritmo della media multi-array (RMA), il riepilogo della lucidatura mediana delle sonde per ottenere valori del segnale e la normalizzazione dei quantili su più array. Una richiesta di rilevamento per la forza del segnale del miRNA verrà eseguita utilizzando l'algoritmo Affymetrix "Detection Above Background" (DABG), che genera un valore p per ogni segnale al di sopra della probabilità di background. Questo metodo seguirà il protocollo consigliato dal produttore. Le analisi saranno condotte presso Monash in Hudson Genomics.

I dati dell'analisi statistica verranno presentati come media e deviazione standard se distribuiti normalmente, mediana e percentili 25-75% se non distribuiti normalmente o come percentuali. Per confrontare i due gruppi (con e senza noci), i ricercatori utilizzeranno il test t di Student per dati distribuiti normalmente, il test di Mann-Whitney per dati distribuiti non normalmente e il test Chi quadrato per confronti di variabili categoriali. Inoltre, i ricercatori applicheranno equazioni di stima generalizzate (GEE) per valutare misure ripetute. Le analisi dei dati saranno condotte utilizzando JAMOVI v 2.3.21, con un livello di significatività fissato al 5%.