Neue Biomarker zur Identifizierung der hypertrophen Kardiomyopathie und ihrer obstruktiven Variante basierend auf gezielter Aminosäuren-Metabolomik
Die hypertrophe Kardiomyopathie (HCM) ist eine genetische Herzerkrankung mit einer globalen Prävalenz von 1:500 bis 1:200, die weltweit etwa 20 Millionen Menschen betrifft. Trotz ihrer hohen Prävalenz werden nur etwa 10 % der HCM-Fälle klinisch identifiziert, hauptsächlich durch nicht-invasive Bildgebungstechniken. HCM ist durch eine linksventrikuläre Hypertrophie gekennzeichnet, die nicht allein durch Belastungsbedingungen erklärt werden kann. Sie ist eine der häufigsten Ursachen für den plötzlichen Herztod (SCD), insbesondere bei jungen Sportlern, und stellt eine erhebliche emotionale, soziale, finanzielle und medizinische Belastung für die betroffenen Familien dar.
HCM kann basierend auf dem Gradienten des linksventrikulären Ausflusstrakts (LVOTG) in zwei Subtypen eingeteilt werden: die obstruktive HCM (HOCM) und die nicht-obstruktive HCM (HNCM). HOCM ist definiert durch einen LVOTG von 30 mmHg oder höher, während HNCM einen LVOTG unter diesem Schwellenwert aufweist. Das Management und die Prognose dieser beiden Subtypen unterscheiden sich erheblich, was eine genaue Differenzierung für eine effektive Behandlung entscheidend macht. Der LVOTG ist jedoch dynamisch und wird durch Faktoren wie die myokardiale Kontraktilität und die Vorlast beeinflusst, was die Diagnose und Differenzierung von HOCM und HNCM erschwert.
Aktuelle diagnostische Methoden für HCM stützen sich stark auf bildgebende Verfahren wie Echokardiographie, kardiale Magnetresonanztomographie und Computertomographie sowie auf genetische Tests. Obwohl diese Methoden effektiv sind, weisen sie mehrere Einschränkungen auf, darunter hohe Interobserver- und Intraobserver-Variabilität, hohe falsch-negative Raten, hohe Kosten und begrenzte Verfügbarkeit, insbesondere in unterentwickelten Regionen. Diese Einschränkungen unterstreichen die Notwendigkeit eines objektiveren, bequemeren und breiter verfügbaren Ansatzes für das initiale Screening von HCM.
Zirkulierende Biomarker haben sich als vielversprechende Werkzeuge für die Früherkennung und das großflächige Screening verschiedener Krankheiten erwiesen. Biomarker für das HCM-Screening sind jedoch weitgehend unerforscht. Die Metabolomik, insbesondere die gezielte Aminosäuren (AA)-Metabolomik, hat Potenzial gezeigt, zirkulierende metabolische Veränderungen zu kartieren und Kandidatenbiomarker für kardiovaskuläre Erkrankungen zu identifizieren. Da HCM mit einer dysregulierten Metabolisierung, insbesondere im myokardialen AA-Stoffwechsel, verbunden ist, zielte diese Studie darauf ab, Plasma-AA und -Derivate zu profilieren und potenzielle Biomarker für das HCM-Screening zu identifizieren.
Die Studie umfasste 166 Teilnehmer, darunter 57 normale Kontrollen (NCs), 57 Fälle von HOCM und 52 Fälle von HNCM, die zwischen Dezember 2019 und September 2020 das Internationale Kooperationszentrum für HCM am Xijing Hospital besuchten. Plasmaproben wurden gesammelt und mittels Hochleistungsflüssigkeitschromatographie-Massenspektrometrie (HPLC-MS) basierend auf gezielter AA-Metabolomik analysiert. Drei Klassifikationsalgorithmen – Random Forest (RF), Support Vector Machine (SVM) und logistische Regression (LR) – wurden eingesetzt, um spezifische AA- und Derivate-Kompositionen für HCM zu identifizieren und Screening-Modelle zu entwickeln, um HCM von NCs sowie HOCM von HNCM zu unterscheiden.
Die univariate Analyse zeigte signifikante Unterschiede in den Spiegeln mehrerer AAs und Derivate zwischen der HCM- und der NC-Gruppe. Insbesondere waren die Spiegel von Serin, Glycin, Prolin, Citrullin, Glutamin, Cystin, Kreatinin, Cystein, Cholin und Aminoadipinsäure bei HCM-Patienten im Vergleich zu NCs signifikant verändert. Unter Verwendung mehrerer Merkmalsauswahlalgorithmen wurden vier AAs und Derivate (Prolin, Glycin, Cystein und Cholin) als potenzielle Biomarker zur Unterscheidung von HCM-Patienten von NCs identifiziert. Die Receiver-Operating-Characteristic (ROC)-Analyse für dieses Panel (Panel A) ergab eine Fläche unter der ROC-Kurve (AUC) von 0,83 im Trainingssatz und 0,79 im Validierungssatz, was seine Wirksamkeit bei der Unterscheidung von HCM von NCs demonstriert.
Darüber hinaus identifizierte die Studie 10 AAs und Derivate (Arginin, Phenylalanin, Tyrosin, Prolin, Alanin, Asparagin, Kreatin, Tryptophan, Ornithin und Cholin) mit signifikanten Unterschieden zwischen HOCM und HNCM. Von diesen wurden drei AAs (Arginin, Prolin und Ornithin) ausgewählt, um die beiden Untergruppen zu unterscheiden. Die ROC-Analyse für dieses Panel (Panel B) ergab AUC-Werte von 0,83 im Trainingssatz und 0,82 im Validierungssatz, was sein Potenzial zur Unterscheidung von HOCM von HNCM anzeigt.
Die Baseline-Charakteristika der Studienteilnehmer zeigten signifikante Unterschiede zwischen der HCM- und der NC-Gruppe. Das Durchschnittsalter der HCM-Patienten betrug 47,4 Jahre, verglichen mit 34,0 Jahren in der NC-Gruppe. Männer machten 72,5 % der HCM-Gruppe aus, verglichen mit 43,9 % in der NC-Gruppe. Der Body-Mass-Index (BMI) und der systolische Blutdruck waren ebenfalls in der HCM-Gruppe höher. Bemerkenswerterweise hatten 36,7 % der HCM-Patienten eine Vorgeschichte von Bluthochdruck, verglichen mit keiner in der NC-Gruppe. Echokardiographische Daten zeigten signifikante Unterschiede im linken Vorhofdurchmesser, der maximalen Wanddicke, dem LVOTG in Ruhe und dem LVOTG bei maximaler Provokation zwischen der HCM- und der NC-Gruppe.
Die Plasma-AA- und Derivate-Profile unterschieden sich deutlich zwischen der HCM- und der NC-Gruppe, wobei signifikante Korrelationen zwischen bestimmten Metaboliten und klinischen Parametern beobachtet wurden. Beispielsweise korrelierte der Ornithinspiegel mit der maximalen Wanddicke, während die Spiegel von Arginin, Phenylalanin, Tyrosin, Ornithin, Prolin, Alanin, Asparagin, Kreatin, Tryptophan und Cholin mit dem LVOTG in Ruhe korrelierten. Diese Befunde legen nahe, dass eine systemische Dysregulation des AA- und Derivate-Stoffwechsels eine Rolle in der Pathogenese von HCM spielen könnte und dass Veränderungen in den Plasma-AA- und Derivate-Profilen als potenzielle Biomarker für das HCM-Screening dienen könnten.
Das entwickelte Screening-Modell zur Unterscheidung von HCM von NCs (Panel A) umfasste Prolin, Glycin, Cystein und Cholin. Das logistische Regressionsmodell (LR) für dieses Panel zeigte eine hohe diskriminative Wirksamkeit mit einer AUC von 0,83 im Trainingssatz und 0,79 im Validierungssatz. Die Screening-Formel für Panel A wurde wie folgt abgeleitet: Y = 1/(1 + e^-Z), wobei Z = 0,63 – 0,68 Prolin – 1,24 Glycin + 1,01 Cystein + 1,05 Cholin. Der optimale Cut-off-Wert für die Klassifikation betrug 0,54, mit einer Genauigkeit von 0,78, einer Sensitivität von 0,80 und einer Spezifität von 0,75.
Die Sensitivitätsanalyse, stratifiziert nach Alter, Geschlecht und BMI, zeigte konsistente AUC-Werte in allen Untergruppen, was darauf hindeutet, dass diese Faktoren einen begrenzten Einfluss auf die diskriminative Wirksamkeit des Modells hatten. Zusätzlich hatte die Vorgeschichte von Bluthochdruck keinen signifikanten Einfluss auf die Leistung des Modells, da die Untergruppenanalyse von HCM-Patienten mit und ohne Bluthochdruck ähnliche AUC-Werte ergab.
Das entwickelte Screening-Modell zur Unterscheidung von HOCM von HNCM (Panel B) umfasste Arginin, Prolin und Ornithin. Das LR-Modell für dieses Panel zeigte eine hohe diskriminative Wirksamkeit mit einer AUC von 0,83 im Trainingssatz und 0,82 im Validierungssatz. Die Screening-Formel für Panel B wurde wie folgt abgeleitet: Y = 1/(1 + e^-Z), wobei Z = 0,11 + 0,73 Arginin – 0,39 Prolin – 1,11 * Ornithin. Der optimale Cut-off-Wert für die Klassifikation betrug 0,53, mit einer Genauigkeit von 0,80, einer Sensitivität von 0,81 und einer Spezifität von 0,79.
Die Ergebnisse der Studie heben das Potenzial von Plasma-AA- und Derivate-Profilen als nicht-invasive Biomarker für das HCM-Screening und die Diagnose hervor. Die beobachteten unterschiedlichen metabolischen Profile bei HCM-Patienten im Vergleich zu NCs sowie zwischen HOCM- und HNCM-Patienten bieten wertvolle Einblicke in die mit HCM verbundenen metabolischen Veränderungen. Die in dieser Studie entwickelten Screening-Modelle bieten einen bequemen und objektiven Ansatz für das initiale Screening von HCM, insbesondere in ressourcenbeschränkten Umgebungen.
Die Studie gibt auch Aufschluss über die potenziellen Mechanismen, die den beobachteten metabolischen Veränderungen bei HCM zugrunde liegen. Mehrere in der Studie identifizierte AAs und Derivate wurden mit kardiovaskulärer Pathologie in Verbindung gebracht. Beispielsweise wurde gezeigt, dass Cholin die Herzfunktion verbessert, indem es den Ketonkörper- und Fettsäurestoffwechsel reguliert, während Glycin die Synthese von Glutathion, einem Antioxidans, das oxidativen Stress reduziert, fördert. Prolin wurde berichtet, um das myokardiale Remodeling zu verbessern und die Infarktgröße nach einem Myokardinfarkt zu reduzieren. Diese Befunde legen nahe, dass die Dysregulation des AA-Stoffwechsels zur Pathogenese von HCM beitragen könnte und dass die gezielte Beeinflussung dieser metabolischen Wege therapeutisches Potenzial bieten könnte.
Trotz ihrer vielversprechenden Ergebnisse weist die Studie mehrere Einschränkungen auf. Erstens wurde sie an einem einzigen Zentrum durchgeführt, was die Generalisierbarkeit der Ergebnisse einschränken könnte. Zweitens war die Stichprobengröße relativ klein, was die Robustheit der Ergebnisse beeinträchtigen könnte. Drittens bleibt das mechanistische Verständnis der unterschiedlichen AA-Metaboliten, die an der HCM-Pathophysiologie beteiligt sind, unklar. Weitere Forschung ist erforderlich, um festzustellen, ob die Veränderungen in den Plasma-AA- und Derivate-Profilen zur Krankheitsprogression beitragen. Viertens verwendete die Studie gezielte AA-Metabolomik, die möglicherweise nicht das gesamte Spektrum der metabolischen Veränderungen bei HCM erfasst. Nicht-gezielte Metabolomik könnte einen umfassenderen Überblick über die mit HCM verbundenen metabolischen Veränderungen bieten. Schließlich umfasste die Studie keine genetischen Tests für alle Teilnehmer, die zusätzliche Einblicke in die Beziehung zwischen Genotyp und Phänotyp bei HCM bieten könnten.
Zusammenfassend hat diese Studie die unterschiedlichen Plasma-AA- und Derivate-Profile bei HCM-Patienten im Vergleich zu NCs beschrieben und potenzielle Biomarker für das HCM-Screening und die Diagnose identifiziert. Die in dieser Studie entwickelten Screening-Modelle bieten einen bequemen und objektiven Ansatz für das initiale Screening von HCM, insbesondere in ressourcenbeschränkten Umgebungen. Weitere Forschung ist erforderlich, um diese Ergebnisse in größeren, multizentrischen Studien zu validieren und das therapeutische Potenzial der gezielten Beeinflussung des AA-Stoffwechsels bei HCM zu erforschen.
doi.org/10.1097/CM9.0000000000002279