顱腦創傷(TBI)是最常見的神經系統疾病。目前常用格拉斯哥昏迷評分(GCS)進行TBI嚴重程度評估，并與其它變量一起來預測患者的康復情況。而現有的各種中重度TBI預后模型只能解釋約35%的預后差異。迫切需要找到可以快速評估TBI嚴重程度、病理生理和預后的非侵入性血液生物標志物。來自瑞典的研究團隊對損傷后24小時內血清代謝組（包括脂質組），及其與損傷嚴重程度和患者預后的關系進行了研究。相關成果發表在《Nature Communications》。
TBI患者血清代謝組研究
本研究納入來自歐洲和以色列多個中心的716名TBI患者，以及來自芬蘭圖爾庫大學醫院的229名非TBI對照患者。非TBI對照患者分為三個非TBI組:Ortho組(n=40)、Neuro組(n=93)和Internal組(n=96)?；贕C-QTOF-MS和LC-QTOF-MS平臺共檢測到459種代謝物，其中包含147種極性代謝物（脂肪酸、氨基酸和糖衍生物）和312種脂質（神經酰胺(Cer)、膽固醇酯(CE)、磷脂酰膽堿(PC;包括醚類PC、O-PC)、溶血磷脂酰膽堿(LPC)、磷脂酰乙醇胺(PE;包括縮醛磷脂、P-PE)、鞘磷脂(SM)、二酰基甘油(DG)和三?；视?TG)）。
圖1. 研究思路
血清代謝物與TBI嚴重程度的相關性分析
循環代謝物是否與TBI的臨床嚴重程度相關？共有887例觀察結果被納入分析(658例擁有GCS評分的TBI患者和229例對照患者)。為從整體上分析TBI患者和對照患者的代謝組，首先在代謝物組數據集上分別對極性代謝物和脂類進行K-means聚類，得到3個極性代謝物聚類(MCs)和6個脂類聚類(LCs)。極性代謝物的第一個聚類簇(MC1)包含糖衍生物、醇類和酮酸，第二個聚類簇(MC2)為氨基酸，第三個聚類簇(MC3)為脂肪酸和糖衍生物。脂質組的第一個聚類簇(LC1)含有TG，第二個聚類簇(LC2)含有Cer和PC，第三個聚類簇(LC3)含有各種磷脂，第四個聚類簇(LC4)含有SM，第五個聚類簇(LC5)含有LPC和PC，第六個聚類簇(LC6)含有PC和TG。對比TBI患者與對照組，TBI患者中MC1增加(p=6.8×10-4)， MC2和MC3減少(p=1.5×10-14, 2.4×10-2)，TBI患者中LC2、LC3升高（p=8.5×10-8，2.2×10-16)、而LC4和LC6簇降低。
在個體特征（代謝物）水平上分析TBI患者和對照組，459個代謝物中280個代謝物在組間存在顯著差異(q < 0.05)。在最具辨別力的代謝物（基于最低q值隨機森林模型篩出23種代謝物）中，三種氨基酸（丙氨酸、蘇氨酸和絲氨酸）在TBI患者中降低，而多種磷脂呈現升高。當區分TBI患者和對照組時，23個代謝物構建模型的受試者工作特征曲線(ROC)下的面積為0.98 (95% CI: 0.96-0.99)。用同樣的23種代謝物分別構建輕型TBI患者與對照患者的模型。邏輯回歸模型具有相同的表現(AUC為0.98)，表明輕型TBI患者與對照組有明顯的區別，包括患有其他急性神經系統疾病(如卒中)的患者。對TBI嚴重程度(輕、中、重)進行分析時，三組之間共有264種代謝物存在差異(Fig. 3a, 19種代謝物)。隨著TBI嚴重程度的增加，LPCs、SMs、醚PCs、多種氨基酸和BCAAs分解產物減少，而兩種中鏈脂肪酸辛酸(OA)和癸酸(DA)增加。
圖2. TBI患者和對照組的代謝組學概況
血清代謝物與頭部CT相關性分析
對TBI患者代謝組與患者CT病理結果進行相關性分析，包括急性硬膜下血腫、硬膜外血腫、挫傷/顱內血腫、腦室出血、外傷性蛛網膜下腔出血、基底池受壓狀態、中線移位和病變。基于上述每一種病理結果對TBI患者進行有/無分級。
在聚類水平上，MC1、MC2、LC4和LC5簇與CT結果相關性最強，其中MC1升高，而MC2、LC4、LC5降低。根據八種病理學結果的聚類分析進一步分為四組:硬膜外血腫、腦室出血、占位性病變(包塊病變+腦池受壓+中線移位)、混合性病變(急性硬膜下血腫+挫傷+外傷性蛛網膜下腔出血)。由于外傷性顱內表現為典型的組合，因此采用分層聚類分析后，也會根據臨床情況進行聚類。如果占位性病變簇和混合性病變簇中三個病理中至少有兩個是陽性，則將占位性病變簇和混合性病變簇指定為陽性，否則為陰性。在個體代謝物水平上，除了硬膜外血腫外，所有類型中都發現代謝物與CT之間存在關聯。17種代謝物在所有病理中存在差異:天冬氨酸、甘氨酸、蛋氨酸、絲氨酸、蘇氨酸、LPC(18:2)、LPC(20:5)、O-PC(34:2)、O-PC(34:3)、O-PC(36:3)、SM(40:1)、SM(40:2)、半乳糖、極性代謝物(葡萄糖或甘露糖)、山梨醇、甘露醇和Xlip_161。在這些代謝產物中，除糖(半乳糖、葡萄糖或甘露糖、山梨醇、甘露醇)呈現上調外，其他代謝物均下調。
圖3. TBI嚴重程度和大體病理學的代謝組關系
代謝物預測TBI患者預后情況
據先前研究報道，循環代謝物可以預測TBI患者預后情況，但目前只有極性代謝物在這方面被研究。本研究對633名創傷后6個月GOSe評分與TBI患者入院后24小時內代謝產物水平進行分析。為區分恢復差(GOSe=1-4)和恢復良好(GOSe=5-8），使用lasso和ridge方法擬合懲罰邏輯回歸模型，或使用完整的代謝物組學數據集，或先前應用隨機森林方法和Welch t檢驗的前30個代謝物之間重疊部分代謝物進行擬合。四種模型的性能基本相同(AUC = 0.81, 95% CI: 0.75-0.87)。對19種代謝物（基于完整數據集選擇）的個體表現進行分析，發現糖衍生物和脂質與患者預后相關性最顯著，O-PCs（乙醚PCs）、SMs和LPC水平的增加與良好預后相關。采用19種代謝物且未進一步校正的logistic回歸模型，在100次70%-30%次分割模型擬合和測試中AUC為0.83 (95% CI: 0.77-0.89)。然而，由于過度擬合的可能性增加，該模型的性能在解釋時需謹慎。
導出單個GOSe評分判別模型，將2和3的GOSe合并在一起，總共有7個。分析結果表明，不同GOSe值的預測結果在大多數情況下趨于一致。然而，對預后完全恢復的患者進行分類(GOSe = 8比較其他所有患者)其AUC為0.75 (95% CI: 0.67-0.84)。此外，以GOSe為響應值，16種代謝物作為預測因子構建模型。該模型確保了GOSe閾值之間的明確分離。根據血清代謝組學數據進行通路分析。在比較預后差和預后良好的代謝譜時，發現影響顯著的代謝途徑與氨基酸代謝(3條途徑)、糖代謝(2條途徑)和脂質代謝(亞油酸代謝，即多不飽和脂肪酸代謝)有關。
代謝物聯合CRASH臨床模型和蛋白質生物標志物可改善預測效能
CRASH模型基于年齡、瞳孔反應、是否存在顱外損傷以及GCS評分構建?？偣灿?35名患者有完整的可用數據(GOSe、CRASH和代謝物)。CRASH模型AUC為0.85 (95% CI: 0.78-0.91)，與之前在同一數據集的研究一致。添加13種代謝物（肌醇、蘇糖醇、肌醇、甘油、D-(+)-半乳糖醛酸、異蘇醛酸、X_Met_RI:998.87(氨基酸)、絲氨酸、β-D-(+)-葡萄糖、SM(d40:1)、SM(40:2)/(18:1/22:1)、LPC(18:2)、Xlip_161）后其預測能力提高到0.89 (95% CI: 0.84 0.94)。將代謝物加入CRASH模型后顯著改善了性能（p值為1.5×10-14, R2從0.45提高到0.61）。
最后，分析了蛋白質TBI生物標志物和代謝物的鑒別能力。檢測6個蛋白生物標志物分別是S100B、NF-L、UCH-L1、GFAP、P-Tau和神經元特異性烯醇化酶(NSE)（已有文獻報道）?；趌asso logistic回歸模型，S100B、GFAP和UCH-L1被納入模型，其AUC為0.83（95% CI：0.77–0.89），與代謝物非懲罰模型的表現相似。選擇19個代謝物和6個蛋白質生物標記物聯合用作lasso logistic回歸模型中的預測因子。最終納入17個預測因子，包括上述3個蛋白生物標志物和14個代謝物，模型AUC為0.87 (95% CI: 0.82 ~ 0.92)。與蛋白質或代謝物單獨預測模型相比，代謝物的添加提高模型預測能力(p < 2.2×10-16)。
驗證基于代謝物的預測模型
對獨立558名TBI患者的血清樣本進行分析。脂質組數據使用與第一個數據集相同的檢測平臺獲取，而極性代謝物數據使用不同檢測平臺獲取。對19種重要代謝物進行定量，只有1種氨基酸(X_met, RI: 998.87)未檢測到。基于原始數據集開發的模型應用于驗證數據集，其AUC為0.74（CI：0.70-0.79），表明這些發現對單獨處理和分析的數據集的結果區分具有相同的效能。此外，恢復良好和恢復差之間的相對變化與在原始數據中觀察到的非常相似，證實兩個數據集結果是一致的。
圖4. TBI患者預后預測
小結
本研究對716名TBI患者和非TBI對照組進行了全面的代謝組學研究。確定了與TBI嚴重程度和預后良好顯著相關的代謝物組。其中膽堿磷脂（溶血磷脂酰膽堿、醚磷脂酰膽堿和鞘磷脂）與TBI嚴重程度呈負相關，且是TBI患者預后的最強預測因子之一，并在獨立驗證數據集中得到證實。研究結果表明腦外傷后代謝組及其軌跡的研究可能是揭示腦外傷病理生理學的一個有價值的工具。
參考文獻
Serum metabolome associated with severity of acute traumatic brain injury. Nat Commun. 2022.
原文閱讀請掃描下方二維碼
繪譜幫你測
麥特繪譜擁有業內強大的Q600全定量代謝組、Q300全定量代謝組、Q200宏代謝組以及菌群相關的16S rDNA測序和宏基因組等方法，可提供代謝組學一站式整體解決方案，獨家的檢測技術、全面的數據報告以及專業的售后探討，助力您的科研探索之路不斷創新和突破。詳情歡迎咨詢麥特繪譜熱線400-867-2686，獲取詳細資料！
往期推薦
1. Nature Reviews | 靶向腫瘤代謝的精準治療
2. Gut丨角鯊烯環氧酶通過促進細胞增殖和腸道菌群失調加速CRC進展
3. Advanced Science | 多組學揭示肝臟脂肪變性中菌群對宿主代謝的影響
4. Nature Communications | 腸道菌-膽汁酸代謝作用有效減輕節食后體重反彈
