Autores
L. Marín Barrera , A. Pereira Vega , C. Gotera Rivera, T. Garcia Barrera, J. M. Marín Trigo , C. Casanova Macario , B. García-Cosío Piqueras, J. L. López Campos , G. Peces-Barba Romero, Investigadores de los Estudios CHAIN y PREDIEPOC
Introducción
Las ciencias ómicas (metabolómica y proteómica) pueden, entre otros múltiples aspectos, identificar biomarcadores (BM) de utilidad clínica en el diagnóstico y la predicción de riesgos en la historia natural de la EPOC. Estamos estudiando estos posibles BM en muestras de la cohorte CHAIN (cohorte longitudinal de 5 años de seguimiento iniciada en 2010, ya recogida, de pacientes con EPOC y controles fumadores sin EPOC) y la cohote PREDIEPOC (cohorte transversal de casos de EPOC, cáncer de pulmón y controles sanos). Presentamos un estudio piloto de los primeros datos del análisis metabolómico de un subgrupo de muestras recogidas en el primer año de la cohorte CHAIN con el siguiente OBJETIVO: Analizar si existe diferencia en el perfil metabolómico en muestras de suero entre pacientes con EPOC severa y controles sanos (CS) e identificar los metabolitos (BM) que expliquen las posibles diferencias encontradas.
Metodología
Se presentan los primeros datos metabolómicos analizados que recogen un sub-análisis transversal de las muestras de suero recogidas de la cohorte CHAIN en la situación basal (corte 0). Se comparan 30 pacientes con EPOC grave con 30 sujetos fumadores sin EPOC. Para el análisis metabolómico se utilizó la cromatografía de gases con detector de masas (GC-MS). Los resultados fueron analizados estadísticamente con el programa SIMCA-PTM para construir los diagramas de análisis de componentes principales (PCA) y de análisis discriminantes por mínimos cuadrados parciales (PLS-DA) para comparar los perfiles de metabolitos obtenidos. Los metabolitos fueron identificados en la librería NIST Mass Spectral v8.0 y finalmente se analizó con el test de ANOVA con test de corrección de Tukey (Statistica 8.0, StatSoft). Los metabolitos afectados se confrontaron con las rutas metabólicas mediante la herramienta web Metaboloanalyst 4.0.
Resultados
El método PCA no diferenciaba los grupos, pero el análisis supervisado de PLS-DA diferenciaba claramente los fumadores sin EPOC de los pacientes con EPOC grave. Se identificaron 25 metabolitos alterados potencialmente implicados en 36 rutas metabólicas de las que se destacan como más impotantes las siguientes: Glicina, Serina y Treonina; Alanina, aspartato y glutamato; Arginina y prolina; Glicerofosfolípidos; y Inositol Fosfato. Los metabolitos alterados con mayor valor de impacto en las curvas ROC fueron Colesterol, Inositol, Glucosa y Ácido fosfórico.
Conclusiones
Se identificaron 25 metabolitos alterados pertenecientes a 5 rutas metabólicas principales en los pacientes con EPOC grave. La robustez de estos hallazgos permitirá el análisis longitudinal de la muestra y su capacidad de predicción.
