Kwas dimetyloguanidyno-walerianowy jest markerem tłuszczu wątrobowego i przewiduje cukrzycę ad 5

Wstępne badania eksperymentalne w naszym laboratorium wykazały zwiększoną ekspresję AGXT2 w wątrobach myszy karmionych dietą wysokotłuszczową (HFD), z proporcjonalnym wzrostem poziomów DMGV w krążeniu (Suplementalna Figura 5). Nasz model pracy polega na tym, że podczas rozwoju NAFLD obniżona aktywność enzymatyczna DDAH1 (34. 36) i obniżone poziomy BAIBA w chorobie kardiometabolicznej (32) prowadzą do zwiększenia stężenia ADMA, które wiąże AGXT2 bardziej swobodnie (z powodu zmniejszonego poziomu BAIBA, główny substrat AGXT2), a tym samym prowadzi do zwiększonej konwersji do DMGV przez AGXT2 (patrz Suplementowa Figura 6). Ponadto nasze badania ekspresji AGXT2 na mysią wątrobę sugerują, że w NALFD ekspresja AGXT2 jest zwiększona i że, co sugeruje, występuje większa aktywność enzymatyczna powodująca konwersję ADMA do DMGV. Przyszłe badania muszą określać, czy sam DMGV nadaje efekty funkcjonalne w systemach modelowych. Inni wprowadzili również genetykę, aby usprawnić identyfikację nieznanych metabolitów (37. 39). Ostatnie podejście wieloetapowe (37) wykorzystało GWAS znanych i nieznanych metabolitów oraz analizę korelacji znanych metabolitów z nieznanymi, a następnie wykorzystało opublikowane informacje o szlaku metabolicznym, aby kierować budową sieci, które wyświetlały te zależności w zależności od klasy metabolitów. . Autorzy wykorzystali tę informację sieciową do udoskonalenia listy przypuszczalnych metabolitów dopasowanych do metabolitów interesujących metabolitów, na podstawie których dokonali iteracyjnego porównania niewiadomych ze standardami chemicznymi, umożliwiając identyfikację kilku z tych metabolitów. Jednym z ograniczeń tego podejścia jest to, że bazy danych metabolitów, mimo że stale zwiększają swoją wielkość, pozostają niekompletne, a zatem metabolity takie jak DMGV, które nie znajdują się w tych bazach danych, nie mogą zostać zidentyfikowane przy użyciu tego podejścia. Co więcej, grupa ta wykorzystała wcześniej odnotowane korelacje choroby (37), podczas gdy nasze korelacje między chorobami uzyskano bezpośrednio z naszych własnych populacji badawczych. Na koniec nadaliśmy priorytet naszym nieznanym metabolitom poprzez korelację z chorobą (DMGV był najbardziej nieznanym metabolitem skorelowanym z tłuszczem wątrobowym), koncentrując od samego początku naszą pracę na biologii chorób. Nasze badanie ma potencjalne ograniczenia. Chociaż kohorty Malmö i Jacksona pozwoliły nam zbadać incydent DM, żadna z kohort nie miała fenotypu wystarczającego do zbadania przypadkowych przypadków NAFLD, więc byliśmy w stanie przeprowadzić analizę przekrojową przypadków NAFLD (zdefiniowaną przez CT lub biopsję). Po drugie, w naszej większej kohorcie, która używała tłuszczu wątrobianego zdefiniowanego przez CT, nie byliśmy w stanie uwarstwić poziomów DMGV przez ciężkość NAFLD, ponieważ CT nie może odróżnić NAFL i NASH. Prowadzone są badania mające na celu jednoznaczną identyfikację innych metabolitów skorelowanych z tłuszczem wątrobowym (tabela 2), które ostatecznie mogą okazać się lepszymi markerami choroby lub istotnymi małymi cząsteczkami funkcjonalnymi. Szerzej, badania te sugerują, że profilowanie bezobjawowych metabolitów, oparte na informacjach genetycznych, jest obiecujące dla identyfikacji biomarkerów i szlaków w chorobie kardiometabolicznej. Co ważne, wszystkie dane szczytowe, wraz z GWAS i korelacjami fenotypowymi, są publicznie udostępniane online za pośrednictwem dbGaP (numer dostępu: pht005145.v1.p10) jako źródło informacji dla społeczności naukowej (uwaga: reprezentatywne dane podsumowujące dla pików metabolitów skorelowane z wątrobowy tłuszcz jak również dane GWAS dla najlepszego znalezienia są zawarte w tym artykule). Przewidujemy, że ten zasób posłuży jako potężne narzędzie odniesienia, które badacze mogą wykorzystać do sprawdzenia korelacji metabolitów (lub szczytów) zidentyfikowanych w ich własnych badaniach w celu oceny ich korelacji z kluczowymi parametrami klinicznymi u ludzi oraz w celu zintegrowania tych korelacji z informacjami genetycznymi w celu ułatwienia jednoznacznej identyfikacji i wyjaśnienia szlaków. Metody Przedmioty FHS. Grupa kohortowa FHS Generation 3 zarejestrowała 4 095 osób w latach 2002-2005 w ramach kohortowego badania kohortowego. Spośród 006 losowo wybranych uczestników 470 poddano zarówno tomografii komputerowej wątroby, jak i profilowaniu metabolomicznemu. Cechy kardiometaboliczne i rutynowe wyniki testów biochemicznych były dostępne dla wszystkich tych przedmiotów. Genotypowanie przeprowadzono na zestawie macierzy MLK Affymetrix GeneChip 500K Array SetR i 50K Human Gen Focused PanelR, z parametrami i analizą danych, jak opisano wcześniej (20). W skrócie, wykonaliśmy GWAS na piku metabolitu dla m / z 202.1185 poprzez imputację 15,6 miliona SNP (1000 genomów Faza I, wersja 3, populacja CEU, wydanie z marca 2012, kompilacja 37) przy użyciu ukrytego modelu Markowa, który został zaimplementowany w MACH / minimac (wydanie 2012-5-29) (https://genome.sph.umich.edu/wiki/Minimac). Szpitalna kohorta
[patrz też: odkwaszanie organizmu przepisy, tabletki na nerwy bez recepty, apteczka pierwszej pomocy nie powinna zawierać ]
[podobne: kalkulator kalorii na mase, kalkulator zapotrzebowania kalorycznego na mase, odkwaszanie organizmu przepisy ]