Передовое исследование: машинное обучение выявляет ранние предикторы диабета 1 типа

В исследовании, недавно опубликованном в медицинском журнале Cell Reports, ученые использовали протеомику белков плазмы для выявления белков, связанных с началом диабета 1 типа.

Более 2250 образцов от 184 участников позволили получить 376 регулируемых белков, идентифицированных с помощью анализа машинного обучения для прогнозирования аутоиммунитета, предшествующего диабету 1 типа.

Эти результаты дают представление о путях, изменяющихся во время развития диабета 1 типа, и позволяют предсказать заболевание за шесть месяцев до его начала.

Что такое диабет 1 типа?

Диабет 1 типа (СД 1) - это аутоиммунное заболевание, которым, по оценкам, страдают 20 миллионов человек во всем мире и которое приводит к сокращению продолжительности жизни пациентов на 11 лет. Оно характеризуется отторжением и уничтожением организмом β-клеток из-за развития аутоантител против белков островков поджелудочной железы, что называется "сероконверсией". Лекарства от этого заболевания пока не существует.

β-клетки отвечают за выработку инсулина, и их разрушение приводит ко многим заболеваниям, включая слепоту, почечную недостаточность и сердечно-сосудистые заболевания. До сих пор триггеры и механизмы Т 1 Д остаются малоизученными.

Недавние программы, включая исследование "Экологические детерминанты диабета у молодых" (TEDDY), были разработаны с целью выяснения Т 1 Д, что позволит в будущем проводить терапевтические мероприятия.

Эти программы определили протеомику плазмы крови как эффективное средство для выявления биомаркеров, связанных с Т 1 Д, что позволяет получить представление о генетических и экологических детерминантах заболевания.

Анализ этих белков может повысить прогностические способности исследователей и предоставить практикующим врачам эффективные средства для лечения Т 1 Д в будущем. К сожалению, многие предыдущие исследования не смогли систематически проверять участников исследования, что затрудняет интерпретацию результатов.

Об исследовании

В настоящем исследовании ученые провели гнездовое исследование случай-контроль на людях из когорты TEDDY. Двухфазное исследование было разделено на этап выявления и последующий этап валидации.

На этапе обнаружения 184 случайно отобранных донора в возрасте 0-6 лет (92 образца + 92 контроля) предоставили по 2 252 образца плазмы, собранных в разных временных точках в течение 18 месяцев. Эти образцы были секвенированы с помощью масс-спектрометрии, а полученные протеомы были проанализированы для выявления 14 наиболее распространенных белков в каждом образце.

В фазе валидации участвовали 990 доноров, специально отобранных по биомаркерам, генетическим и демографическим характеристикам. Исследователи разработали и внедрили систему контроля качества анализа в режиме реального времени (QC-ART) для обеспечения качества сбора данных, которая автоматизировала управление данными в течение 18 месяцев исследования.

Таким образом, было идентифицировано 36 тысяч двести пятьдесят два пептида из 1720 белков, из которых 376 белков, которые имели самый высокий коэффициент дисперсии и повторялись чаще всего, были использованы для статистического анализа.

В итоге исследователи использовали модели машинного обучения (ML) для прогнозирования фенотипа на основе 376 белков, идентифицированных на первом и втором этапах.

Модели специально проверяли, могут ли идентифицированные белки служить биомаркерами для предсказания того, останется ли донор в фазе аутоиммунитета островков (IA) или это перейдет в T1D. Были проведены сотни бутстреп-итераций этих моделей, а для построения и определения наиболее подходящих моделей использовались логистические регрессии с пенализацией LASSO.

Результаты исследования

В настоящем исследовании выявлено 376 белков, связанных со спектром ИА, начиная от нормогликемии и заканчивая полным развитием Т 1 Д.

Эти белки были сверхэкспрессированы в процессах, связанных с коагуляцией и каскадом комплемента, которые, как известно, сопряжены с перевариванием и усвоением питательных веществ, связанных с Т 1 Д, воспалительной сигнализацией, свертыванием крови и клеточным метаболизмом.

Было установлено, что белки, выявленные у доноров в возрасте от трех до девяти месяцев, успешно предсказывают развитие у них Т 1 Д к шестилетнему возрасту. Сдвиги в составе белков до сероконверсии наблюдались в метаболических профилях доноров, которые ML-модели использовали для предсказания Т 1 Д за 6-12 месяцев до начала заболевания.

В ходе исследования были выявлены и валидированы 83 биомаркера, которые могут быть использованы в будущих клинических исследованиях для выявления Т 1 Д у пациентов с генетической предрасположенностью к этому заболеванию.

Мы считаем, что оценка этих многообещающих прогностических белковых панелей в других текущих проспективных исследованиях развития аутоиммунитета и Т 1 Д в человеческих когортах может помочь в разработке прогностических и терапевтических средств".

Основным ограничением исследования было то, что все доноры были получены из когорты исследования TEDDY - лица с генетической предрасположенностью к Т 1 Д, американского и европейского происхождения. Дальнейшие исследования, включающие лиц из более разнообразных регионов и лиц без семейного анамнеза Т 1 Д, помогли бы повысить надежность полученных результатов.

Выводы

Исследователи использовали тысячи образцов доноров TEDDY для выявления 376 белков, связанных с будущим возникновением диабета 1 типа.

Модели машинного обучения могут использовать эти белки для точного прогнозирования того, останутся ли люди с различными перестановками этих белков носителями T1D или сероконвертируют в выраженное аутоиммунное расстройство за шесть месяцев до начала заболевания.

Из выявленных белков 83 были названы "биомаркерами" и могут быть использованы в клинических и научных испытаниях в будущем. Это исследование является первым надежно подтвержденным шагом в понимании основных генетических механизмов и экологических триггеров Т 1 Д.

Оно создает основу для будущих исследований с более географически разнообразными выборками. В конечном счете, это исследование может проложить путь к недоступным до сих пор терапевтическим вмешательствам для лечения этого широко распространенного заболевания.

https://www.news-medical.net/news/20230703/Cutting-edge-research-machine-learning-identifies-early-predictors-of-type-1-diabetes.aspx