EPIGUT: EPILESSIA E MICROBIOTA GASTROINTESTINALE: COMPRENSIONE DELLA RISPOSTA ALLA TERAPIA (EpiGUT)

Background:

Gli studi clinici sull'uomo sul ruolo del microbiota nel promuovere le crisi epilettiche e l'epilessia sono scarsi e limitati a piccole coorti eterogenee di pazienti epilettici già trattati con farmaci antiepilettici. Sono necessarie coorti più ampie, naive al trattamento, seguite longitudinalmente per indagare il ruolo del microbiota nelle crisi epilettiche e nella terapia farmacologica antiepilettica. EpiGUT sta costruendo una tale coorte per studiare sia il microbiota orale che intestinale mediante analisi di campioni di saliva e feci (esiti primari). Campioni di sangue e liquido cerebrospinale per il profilo metabolico e infiammatorio vengono raccolti per analizzare come il microbiota possa influenzare l'infiammazione sistemica e centrale e il metabolismo (esiti secondari).

In vitro, i farmaci non antibiotici possono inibire la crescita dei microbi intestinali e i microbi possono metabolizzare i farmaci per produrre metaboliti attivi o tossici. In vivo, quasi nulla si sa sulle interazioni tra microbi e farmaci antiepilettici. Tuttavia, queste interazioni possono influenzare profondamente l'esito del trattamento, come dimostrato per la terapia anti-PD1 nei pazienti con cancro e per molti altri trattamenti di varie malattie. È quindi plausibile che le differenze individuali nel microbiota intestinale possano essere parte del motivo per cui alcuni individui rispondono a determinati farmaci antiepilettici e altri no. Confermando questa ipotesi e convalidando ulteriormente in vitro specifiche interazioni farmaco-microbo, possiamo creare preziose linee guida cliniche per personalizzare i trattamenti antiepilettici basati sulla composizione del microbiota intestinale, aumentando così la probabilità di una risposta positiva al trattamento del singolo paziente.

Studio design:

EpiGUT studia individui con epilessia di nuova diagnosi e il loro microbiota in risposta a diversi farmaci antiepilettici sia a livello individuale che in confronto con controlli sani. Analizzeremo la composizione e la funzione microbica intestinale e orale al basale, cioè al momento della diagnosi, e studieremo le associazioni con sottotipi specifici di epilessie. Costruendo una raccolta unica di campioni di sangue e liquido cerebrospinale, consentiamo studi meccanicistici su come microbi specifici possano modulare le crisi epilettiche attraverso metaboliti o segnalazione infiammatoria. Studieremo anche le correlazioni tra componenti del microbiota e l'efficacia del trattamento con farmaci antiepilettici, nonché le alterazioni del microbiota intestinale associate alla terapia farmacologica.

Nella parte iniziale, abbiamo due punti temporali di campionamento: al basale, cioè al momento della diagnosi, e al follow-up al momento della valutazione dell'esito della monoterapia a tre mesi (o prima dell'inizio di un farmaco antiepilettico aggiuntivo, se prima). Circa il 30% dei pazienti presenterà epilessia farmaco-resistente. A questi verrà chiesto di fornire campioni aggiuntivi e risposte al questionario prima e dopo un trattamento alternativo che può includere la dieta chetogenica, la stimolazione del nervo vago o la chirurgia.

Metodi:

La nostra variabile di esito primaria è la composizione del microbiota orale e intestinale, sia a livello tassonomico che funzionale. Questo sarà misurato mediante sequenziamento metagenomico completo ad alta produttività di campioni di saliva e feci con un minimo di 10 milioni di letture per campione, che fornisce un profilo microbico dettagliato. Il ruolo del microbiota per entrambe le domande di ricerca sarà analizzato utilizzando strumenti bioinformatici avanzati specifici per la metagenomica e algoritmi di machine learning all'avanguardia per identificare predittori microbici delle crisi epilettiche e/o dell'esito della terapia con farmaci antiepilettici. I livelli ematici dei farmaci antiepilettici vengono misurati di routine durante il follow-up e saranno correlati alla dose prescritta e ai componenti del microbiota intestinale per identificare potenziali candidati di microbi intestinali che metabolizzano i farmaci antiepilettici. I dati clinici come la storia del paziente, la classificazione dell'epilessia, l'eziologia, il carico di crisi epilettiche e i farmaci attuali saranno inseriti in un database Redcap anonimizzato. Inoltre, ai pazienti/caregiver verrà chiesto di rispondere a un questionario con domande standard rilevanti per gli studi sul microbiota, tra cui altre diagnosi, abitudini alimentari, salute orale, modalità di nascita, attività fisica, ecc. L'analisi PERMANOVA identificherà i fattori significativi che contribuiscono al nostro esito principale, la composizione microbica. L'analisi di regressione terrà conto di questi fattori significativi quando analizzerà il contributo dei microbi alla diagnosi o all'esito terapeutico dei farmaci antiepilettici.

Inoltre, biobancheremo campioni di sangue raccolti in entrambi i punti temporali e liquido cerebrospinale al basale (solo se prelevato come parte della valutazione clinica) per analizzare i profili infiammatori e metabolomici dei pazienti utilizzando il pannello infiammatorio Olink® e la metabolomica non mirata. Questi profili saranno analizzati sia indipendentemente che in relazione ai profili microbici per identificare fattori rilevanti per la malattia e la terapia mediati dall'ospite e dal microbiota come esiti secondari.

Selezione dei partecipanti:

Verranno reclutati 1.000 pazienti, 300 bambini e 700 adulti, da università e ospedali regionali in tutta la Svezia. Un gruppo di controllo sano sarà reclutato in un rapporto 1:2 e abbinato per età.

Analisi dei dati e statistiche:

L'analisi dei dati sarà eseguita utilizzando strumenti bioinformatici avanzati specifici per la metagenomica. La diversità dei profili tassonomici e funzionali basali risultanti sarà analizzata per fattori confondenti e altri fattori clinici e di stile di vita influenti e classificata per dimensione dell'effetto (R2) e significatività statistica (p) in relazione alle nostre variabili di interesse (ad esempio tipo di epilessia, carico di crisi epilettiche e refrattarietà, eziologia) utilizzando l'Analisi della Varianza Multivariata Permutazionale (PERMANOVA). Applicheremo algoritmi di machine learning all'avanguardia per identificare predittori microbici delle crisi epilettiche e/o dell'esito della terapia con farmaci antiepilettici. Le caratteristiche microbiche più importanti del miglior modello saranno estratte e testate in silico come potenziali biomarcatori per la diagnosi e/o l'esito terapeutico.