EPIGUT: EPILEPSIE EN GASTROINTESTINALE MICROBIOTA: BEGRIP VAN THERAPIERESPONS (EpiGUT)

Achtergrond:

Klinische studies bij mensen naar de rol van het microbioom bij het bevorderen van aanvallen en epilepsie zijn schaars en beperkt tot kleine, heterogene cohorten van epilepsiepatiënten die al worden behandeld met ASM's. Grotere, behandeling-naïeve cohorten die longitudinaal worden gevolgd, zijn nodig om de rol van het microbioom bij aanvallen en anti-aanvalsmedicatietherapie te onderzoeken. EpiGUT bouwt zo'n cohort op om zowel het orale als het darmmicrobioom te bestuderen door analyse van speeksel- en fecale monsters (primaire uitkomsten). Bloed- en CSF-monsters voor metabolische en ontstekingsprofielen worden verzameld om te analyseren hoe het microbioom systemische en centrale ontsteking en metabolisme kan beïnvloeden (secundaire uitkomsten).

In vitro kunnen niet-antibiotica geneesmiddelen de groei van darmmicroben remmen en microben kunnen geneesmiddelen metaboliseren om actieve of toxische metabolieten te produceren. In vivo is bijna niets bekend over de interacties van de microben en ASM's. Toch kunnen deze interacties de behandelingsuitkomst diepgaand beïnvloeden, zoals aangetoond voor anti-PD1-therapie bij patiënten met kanker en voor vele andere behandelingen van verschillende ziekten. Het is dus aannemelijk dat individuele verschillen in het darmmicrobioom deel kunnen uitmaken van de reden waarom sommige individuen reageren op bepaalde ASM's en anderen niet. Door deze hypothese te bevestigen en verdere in vitro-validatie van specifieke geneesmiddel-microbe-interacties kunnen we waardevolle klinische richtlijnen creëren voor het personaliseren van anti-aanvalsbehandelingen op basis van de samenstelling van het darmmicrobioom, waardoor de kans op een positieve behandelingsrespons van de individuele patiënt toeneemt.

Studieontwerp:

EpiGUT bestudeert individuen met nieuw gediagnosticeerde epilepsie en hun microbioom in reactie op verschillende ASM's, zowel op individueel niveau als in vergelijking met gezonde controles. We zullen de darm- en orale microbiële samenstelling en functie analyseren op baseline, d.w.z. tijdstip van diagnose, en associaties bestuderen met specifieke subtypes van epilepsieën. Het opbouwen van een unieke monsterverzameling van bloed en CSF maakt mechanistische studies mogelijk over hoe specifieke microben aanvallen kunnen moduleren via metabolieten of ontstekingssignaalstoffen. We zullen ook correlaties bestuderen tussen componenten van het microbioom en ASM-behandelingseffectiviteit, evenals geneesmiddeltherapie-gerelateerde veranderingen in het darmmicrobioom.

In het initiële deel hebben we twee bemonsteringstijdstippen, op baseline, d.w.z. tijdstip van diagnose, en bij follow-up op het tijdstip van evaluatie van monotherapeutische uitkomst na drie maanden (of voor start van aanvullende ASM, indien eerder). Ongeveer 30% van de patiënten zal zich presenteren met medicatieresistente epilepsie. Zij zullen worden gevraagd aanvullende monsters en vragenlijstantwoorden te verstrekken voor en na alternatieve behandeling, wat het ketogeen dieet, nervus vagus-stimulatie of chirurgie kan omvatten.

Methoden:

Onze primaire uitkomstvariabele is de samenstelling van het orale en intestinale microbioom, zowel op taxonomisch als functioneel niveau. Dit wordt gemeten door high-throughput whole-metagenomic sequencing van speeksel- en fecale monsters met minimaal 10 miljoen reads per monster, wat een gedetailleerd microbieel profiel oplevert. De rol van het microbioom voor beide onderzoeksvragen wordt geanalyseerd met geavanceerde metagenomics-specifieke bioinformatica-tools en state-of-the-art machine learning-algoritmen om microbiële voorspellers van aanvallen en/of ASM-therapie-uitkomst te identificeren. Bloedspiegels van ASM's worden routinematig gemeten tijdens follow-up en worden gecorreleerd aan voorgeschreven dosis en componenten van het darmmicrobioom om potentiële kandidaten van ASM-metaboliserende darmmicroben te identificeren. Klinische gegevens zoals patiëntgeschiedenis, epilepsieclassificatie, etiologie, aanvalslast en huidige medicatie worden ingevoerd in een geanonimiseerde Redcap-database. Daarnaast worden patiënten/zorgverleners gevraagd een vragenlijst in te vullen met standaardvragen relevant voor microbioomstudies, inclusief andere diagnoses, voedingsgewoonten, mondgezondheid, geboortewijze, fysieke activiteit, enz. PERMANOVA-analyse identificeert significante factoren die bijdragen aan onze hoofduitkomst, de microbiële samenstelling. Regressieanalyse houdt rekening met deze significante factoren bij het analyseren van de bijdrage van microben aan de diagnose of ASM-therapeutische uitkomst.

Daarnaast biobanken we bloedmonsters verzameld op beide tijdstippen en CSF op baseline (alleen indien genomen als onderdeel van de klinische work-up) om inflammatoire en metabolomische profielen van de patiënten te analyseren met behulp van het Olink®-ontstekingspanel en niet-gerichte metabolomica. Deze profielen worden zowel onafhankelijk als in relatie tot de microbiële profielen geanalyseerd om gastheer- en microbioom-gemedieerde ziekte- en therapie-relevante factoren als secundaire uitkomsten te identificeren.

Selectie van deelnemers:

Er worden 1.000 patiënten geworven, 300 kinderen en 700 volwassenen van universiteits- en regionale ziekenhuizen in heel Zweden. Een gezonde controlegroep wordt geworven in een 1:2-verhouding en gematcht op leeftijd.

Data-analyse en statistiek:

Data-analyse wordt uitgevoerd met geavanceerde metagenomics-specifieke bioinformatica-tools. De diversiteit van de resulterende baseline taxonomische en functionele profielen wordt geanalyseerd op confounders en andere invloedrijke klinische en leefstijlfactoren en gerangschikt op effectgrootte (R2) en statistische significantie (p) in relatie tot onze variabelen van belang (bijv. epilepsietype, aanvalslast en refractariteit, etiologie) met behulp van Permutational Multivariate Analysis of Variance (PERMANOVA). We zullen state-of-the-art machine learning-algoritmen toepassen om microbiële voorspellers van aanvallen en/of ASM-therapie-uitkomst te identificeren. De belangrijkste microbiële kenmerken van het beste model worden geëxtraheerd en in silico getest als potentiële biomarkers voor diagnose en/of therapeutische uitkomst.