Identifikasjon av IBS-metabotyper basert på fysiologiske responser på mat

Den nåværende studien er utforskende med hovedmålet å finne og relatere distinkte emnemetabotyper som reflekterer toleranse/intoleranse overfor spesifikke matkomponenter blant IBS-pasienter ved å utlede og relatere OMICs datamønstre (metabolomikk og tarmmikrobiotadata) til rapportert alvorlighetsgrad av IBS-symptomer som er indikert. av den primære endepunktsvariabelen, dvs. IBS-SSS. Siden etterforskerne ikke har et estimat av variasjonen i de multivariate OMICs-dataene (både metabolomics og 16S rRNA-analyse av bakteriell RNA), er det ikke mulig å utføre en adekvat effektberegning. Det er mangel på konsensus om hvordan man best kan utføre kraftanalyse for disse OMICs-designene (og derfor også mangel på verktøy), selv om noen initiativer har blitt publisert. Kraftanalyse er spesielt vanskelig i umålrettet metabolomikk, hvor antall variabler ikke er a priori bestemt, hvor det er sterk multi-kolinearitet og hvor variabler ikke kan antas å bidra med like stor kraft til effektstørrelse. Dessuten er det mangel på relevant umålrettet metabolomikk og mikrobiotastudiemateriale om IBS x diettinteraksjoner for å estimere relevante parametere som multivariate effektstørrelser og variansestimater, på grunn av de overraskende få metabolomiske studiene på IBS og den totale mangelen på offentlig tilgjengelig rådata. Imidlertid ble signifikante forskjeller i metabolomet tidligere observert hos barn med eller uten diaré-dominant IBS (n=22 per gruppe). Systematiske forskjeller ble også vist i individuelle metabolitter hos personer med IBS som spiste enten høy- eller lavFODMAP-diett (n≈20 per behandling).

I denne studien vil det bli utført et cross-over design, som vil øke effekten sammenlignet med parallelle design. Dessuten vil deltakerne bli stratifisert med hensyn til undertype av IBS (dvs. diaré, forstoppelse og blandet). Etterforskerne vil imidlertid ikke på forhånd vite hvor mange IBS-metabotyper som vil være tilstede i materialet eller den kvantitative fordelingen mellom metabotypene. Derfor vil 120 deltakere rekrutteres for å kunne observere signifikante forskjeller mellom kostholdsbehandlinger, basert på forutsetninger om at det vil være mulig å identifisere rundt 4±1 metabotyper, og en tilnærmet lik fordeling mellom metabotyper (≥20 personer per metabotype). I tillegg vil et utvalg på 120 deltakere under disse forholdene tillate 20 % frafall fra studien, som er et høyt estimat basert på vår tidligere erfaring fra ernæringsintervensjoner. Et viktig sekundært resultat fra dette studiematerialet er at det vil gi mulighet til å brukes til effektberegninger i fremtidige OMICs-studier hvor effektstørrelsene på både kliniske parametere og OMICs-mål er usikre.

Oppdagelse av IBS-metabotyper Identifikasjon av metabotyper vil bli utført ved bruk av overveiende multivariate dataanalytiske teknikker. Under innledende analyser vil molekylære fenotypedata (metabolomikk og mikrobiota) bli analysert ved bruk av uovervåket hovedkomponentanalyse (PCA) og klyngeteknikker for å undersøke om data selvaggregerer til meningsfulle klynger. For å justere for mellom-individuell variasjon og fokusere på effektene av intervensjoner, vil varianspartisjonering (noen ganger referert til som ANOVA-dekomponering) etter individ bli utført. Klynger vil bli korrelert med registrerte IBS/kliniske data (IBS-SSS, tarmtømmingsdagbok) for å undersøke om nye klynger inneholder funksjonell informasjon i forhold til IBS-symptomer. Dessuten er det sannsynlig at forskjellige klynger ikke reflekteres på samme måte i plasma og fekal metabolomikk og fekal mikrobiota. For å undersøke i hvilken grad de forskjellige klyngene er assosiert med de forskjellige omics-blokkene, vil en rekke teknikker for inndeling av variabilitet i vanlige og distinkte komponenter bli brukt på den uovervåkede analysen.

I en andre linje med uovervåket analyse vil PCA og klyngeanalyser bli utført på molekylær fenotype aggregert med IBS/kliniske data, som vil ha potensial til å påvirke klynging direkte i stedet for å undersøke korrelasjoner i etterkant. Igjen, underinndeling av variabilitet i vanlige og distinkte komponenter vil bli brukt for å undersøke hvordan klynger reflekteres i de forskjellige datablokkene.

Til slutt vil veilede analyser bli brukt for å direkte assosiere molekylære fenotypedata (uavhengige variabler) med IBS/kliniske data (avhengige variabler) ved bruk av egenutviklede partielle minste kvadraters (PLS) og tilfeldig skog (RF) teknikker. Disse interne teknikkene er spesielt tilpasset for å identifisere det mest relevante settet med uavhengige variabler for å beskrive samvariabiliteten med de avhengige dataene (innsendt manuskript). IBS/kliniske data kan brukes både som kontinuerlige multiple variabler eller direkte ved å konvertere observasjoner til klynger. For å undersøke hvordan klynger og IBS/kliniske data reflekteres i de ulike omics-blokkene, vil nyutviklede prosedyrer for å finne felles og distinkte komponenter i veiledet analyse bli brukt (innsendt manuskript).

Progresjonen i disse tre tilnærmingene representerer en økende grad av veiledning i multivariat analyse. Etter alle analyser vil nye klynger fra PCA og klyngeanalyser og multivariate prediksjoner fra PLS- og RF-analysene analyseres videre ved hjelp av bioinformatikkverktøy tilpasset for å gi meningsfull biologisk tolkning med sikte på å bekrefte samsvar mellom klynger og metabotyper.

Rask diagnostisk test av metabotyper Etter at metabotyper er identifisert, vil multivariat prediktiv analyse av den blandede gluten/FODMAP-eksponeringen bli utført for å identifisere prediktive biomarkører av metabotyper. Disse modellene vil på samme måte som ovenfor være basert på interne PLS- og RF-prosedyrer som bruker metabolomikkdata som uavhengige variabler og metabotypeklassifisering per individ som avhengig variabel.

Plasmametabolske profiler vil bli analysert regelmessig inntil 4 timer etter eksponering, og to forskjellige tilnærminger vil bli iverksatt for å adressere tidstrender i metabolsk profilering: I en første tilnærming vil tidsprofiler bli konvertert til arealer-under-kurven per målt. metabolittfunksjon gjennom numerisk integrasjon. Disse verdiene vil deretter bli brukt direkte som uavhengige variabler for å gi en indikasjon på generell refleksjon av metabotype på metabolittnivåer etter eksponering. Imidlertid vil denne direkte tilnærmingen ikke være i stand til å ta hensyn til potensielle forskjeller i tidstrender mellom metabotyper. Derfor vil varianspartisjonering bindestrek med overvåket læring bli brukt for å undersøke metabotype x-tidsinteraksjoner. Denne tilnærmingen vil kreve metodeutvikling innen multivariat analyse, som for tiden pågår i R Landbergs forskningsgruppe og forventes å være klar og betatestet i løpet av 2018, det vil si før data er tilgjengelig for analyse. Denne metodikken er anslått å tillate samtidig analyse av generelle forskjeller i metabolittnivåer mellom behandlinger, så vel som forskjeller i tidsprofiler, og dermed gi informasjon også om de mest hensiktsmessige tidspunktene for å trekke prøver for effektiv prediksjon av metabotype x.