Идентификация метаботипов СРК на основе физиологических реакций на пищу

Настоящее исследование является исследовательским с основной целью найти и связать отдельные метаботипы субъектов, отражающие толерантность/непереносимость определенных пищевых компонентов среди пациентов с СРК, путем вывода и сопоставления моделей данных OMIC (данные о метаболизме и кишечной микробиоте) с зарегистрированной тяжестью указанных симптомов СРК. по первичной переменной конечной точки, т.е. ИБС-ССС. Поскольку у исследователей нет оценки вариации многомерных данных OMIC (как метаболомики, так и анализа 16S рРНК бактериальной РНК), невозможно выполнить адекватный расчет мощности. Нет единого мнения о том, как лучше всего выполнять анализ мощности для этих OMIC-проектов (и, следовательно, также не хватает инструментов), хотя некоторые инициативы были опубликованы. Анализ мощности особенно сложен в нецелевой метаболомике, где количество переменных не определено априори, где существует сильная мультиколинеарность и где нельзя предположить, что переменные вносят равный вклад в величину эффекта. Более того, существует нехватка соответствующих нецелевых материалов для изучения метаболомики и микробиоты по взаимодействию СРК и диеты, на основе которых можно оценить соответствующие параметры, такие как многомерные размеры эффекта и оценки дисперсии, из-за удивительно небольшого количества метаболомных исследований СРК и полного отсутствия общедоступных данных. необработанные данные. Однако ранее наблюдались значительные различия в метаболоме у детей с СРК с преобладанием диареи или без него (n=22 в группе). Систематические различия были также показаны в отдельных метаболитах у людей с СРК, потребляющих диету с высоким или низким содержанием FODMAP (n≈20 на курс лечения).

В этом исследовании будет выполнена перекрестная схема, которая увеличит мощность по сравнению с параллельными схемами. Более того, участники будут разделены по подтипу СРК (т.е. поносы, запоры и смешанные). Однако исследователи не будут знать заранее, сколько метаботипов СРК будет присутствовать в материале или количественное распределение между метаботипами. Таким образом, будет набрано 120 участников, чтобы иметь возможность наблюдать значительные различия между диетическими методами лечения, исходя из предположения, что можно будет идентифицировать около 4 ± 1 метаботипов и примерно равное распределение между метаботипами (≥20 человек на метаботип). Кроме того, выборка из 120 участников в этих условиях позволит 20% выбывших из исследования, что является высокой оценкой, основанной на нашем предыдущем опыте вмешательств в области питания. Важным вторичным результатом этого исследовательского материала является то, что он даст возможность использовать его для расчетов мощности в будущих исследованиях OMICs, где размеры эффекта как на клинические параметры, так и на показатели OMICs являются неопределенными.

Выявление метаботипов СРК Идентификация метаботипов будет проводиться преимущественно с использованием многомерных методов анализа данных. Во время начального анализа данные молекулярного фенотипа (метаболомика и микробиота) будут проанализированы с использованием неконтролируемого анализа основных компонентов (PCA) и методов кластеризации, чтобы выяснить, объединяются ли данные в значимые кластеры. Чтобы скорректировать индивидуальную изменчивость и сосредоточиться на эффектах вмешательств, будет выполнено разделение дисперсии (иногда называемое разложением ANOVA) по отдельным лицам. Кластеры будут сопоставлены с зарегистрированными СРК/клиническими данными (СРК-ССС, дневник опорожнения кишечника), чтобы выяснить, содержат ли возникающие кластеры функциональную информацию в отношении симптомов СРК. Более того, вполне вероятно, что разные кластеры неодинаково отражаются на метаболомике плазмы и фекалиях и фекальной микробиоте. Чтобы исследовать, в какой степени разные кластеры связаны с разными блоками омики, к неконтролируемому анализу будет применен ряд методов для подразделения изменчивости на общие и отдельные компоненты.

Во второй линии неконтролируемого анализа PCA и кластерный анализ будут выполняться на молекулярном фенотипе, агрегированном с IBS/клиническими данными, которые будут иметь возможность напрямую влиять на кластеризацию, а не на последующее исследование корреляций. Опять же, подразделение изменчивости на общие и отдельные компоненты будет применяться для изучения того, как кластеры отражаются в различных блоках данных.

Наконец, контролируемый анализ будет использоваться для прямой связи данных о молекулярном фенотипе (независимые переменные) с СРК/клиническими данными (зависимые переменные) с использованием собственных разработанных методов частичного наименьших квадратов (PLS) и случайного леса (RF). Эти внутренние методы специально адаптированы для определения наиболее подходящего набора независимых переменных для описания ковариабельности с зависимыми данными (представленная рукопись). СРК/клинические данные можно использовать как в виде непрерывных множественных переменных, так и напрямую путем преобразования наблюдений в кластеры. Чтобы изучить, как кластеры и СРК/клинические данные отражаются в различных блоках omics, будут применяться недавно разработанные процедуры для поиска общих и различных компонентов в контролируемом анализе (представленная рукопись).

Развитие этих трех подходов представляет собой возрастающую степень надзора в многомерном анализе. После всех анализов возникающие кластеры из PCA и кластерного анализа, а также многомерные прогнозы из анализов PLS и RF будут дополнительно проанализированы с использованием инструментов биоинформатики, адаптированных для обеспечения значимой биологической интерпретации с целью подтверждения соответствия между кластерами и метаботипами.

Быстрый диагностический тест метаботипов После того, как метаботипы будут идентифицированы, будет проведен многофакторный прогностический анализ воздействия смешанного глютена/FODMAP для выявления прогностических биомаркеров метаботипов. Эти модели, как и выше, будут основаны на внутренних процедурах PLS и RF с использованием данных метаболомики в качестве независимых переменных и классификации метаботипов для каждого человека в качестве зависимой переменной.

Метаболические профили плазмы будут регулярно анализироваться в течение 4 часов после воздействия, и будут предприняты два различных подхода для учета временных тенденций в метаболическом профилировании: в первом подходе временные профили будут преобразованы в области под кривой для каждого измерения. характеристика метаболитов посредством численного интегрирования. Затем эти значения будут использоваться непосредственно как независимые переменные, чтобы дать представление об общем отражении метаботипа в уровнях метаболитов после воздействия. Однако этот прямой подход не сможет принять во внимание потенциальные различия во временных тенденциях между метаботипами. Следовательно, разделение дисперсии, разделенное дефисом с контролируемым обучением, будет использоваться для исследования взаимодействий метаботипа x во времени. Этот подход потребует разработки метода многофакторного анализа, который в настоящее время находится в стадии разработки в исследовательской группе Р. Ландберга и, как ожидается, будет готов и бета-тестирован в течение 2018 года, то есть до того, как данные будут доступны для анализа. Предполагается, что эта методология позволит одновременно анализировать общие различия в уровнях метаболитов между видами лечения, а также различия во временных профилях, тем самым предоставляя информацию также о наиболее подходящих моментах времени для отбора образцов для эффективного прогнозирования метаботипа x.