Հետազոտողների միջազգային խումբը մշակել է «պլազմայի նյութափոխանակման համապարփակ քարտեզ», որը արյան հարյուրավոր կենսաքիմիական ցուցանիշները կապում է հիվանդությունների և առողջական վիճակների լայն շրջանակի հետ։

Գիտական աշխատանքը, որը հոդվածի տեսքով հրապարակվել է Communications Biology հանդեսում, հիմնված է բրիտանական UK Biobank կենսաբանկի գրեթե 390 հազար մասնակիցների տվյալների վրա։

Գիտնականները վերլուծել են արյան 251 նյութափոխանակումների ցուցանիշ, որոնք չափվել են միջուկային մագնիսական ռեզոնանսի մեթոդով, և դրանք համադրել են առողջության 884 ցուցանիշի, արդեն իսկ գոյություն ունեցող 722 հիվանդության և ավելի քան 1100 ապագա ախտորոշումների հետ։ Արդյունքում հայտնաբերվել են տասնյակ հազարավոր կայուն ասոցիացիաներմարդու նյութափոխանակումների պրոֆիլի և տարբեր հիվանդությունների զարգացման ռիսկի միջև։

Հետազոտողները նշում են, որ մետաբոլիտները՝ նյութափոխանակությանը մասնակցող փոքր մոլեկուլները, արտացոլում են օրգանիզմի ընթացիկ ֆիզիոլոգիական վիճակը և կարող են արձագանքել միջավայրի փոփոխություններին ու հիվանդության սկզբին զգալիորեն ավելի արագ, քան գենետիկական մարկերները։ Դա դրանց դարձնում է հեռանկարային գործիք վաղ ախտորոշման և անհատականացված բժշկության համար։

Ստեղծված քարտեզը ցույց է տալիս, որ նյութափոխանակման որոշակի «ստորագրություններ» կարող են միաժամանակ կապված լինել միմյանց հետ առաջին հայացքից չկապված մի քանի հիվանդությունների հետ, ինչը մատնանշում է ախտաբանությունների զարգացման ընդհանուր կենսաբանական մեխանիզմների գոյությունը։

Հետազոտության մեջ օգտագործվել են երկու խոշոր կոհորտաների տվյալներ՝ ավելի քան 212 հազար մարդ հայտնաբերման խմբում և մոտ 177 հազար մարդ անկախ վավերացման խմբում։ Մասնակիցների նկատմամբ դիտարկումը տևել է միջինում գրեթե 14 տարի։

Վիճակագրական վերլուծությունը հաստատել է տասնյակ հազարավոր կապեր մետաբոլիտների և հիվանդությունների միջև, ընդ որում՝ դրանց զգալի մասը վերարտադրվել է անկախ ընտրանքներում, ինչը վկայում է ստացված մոդելի հուսալիության մասին։

Առանձնահատուկ ուշադրություն է դարձվել հիվանդությունների կանխատեսման հնարավորություններին։ Օրինակ՝ 2-րդ տիպի շաքարային դիաբետի դեպքում մետաբոլիկ մոդելները միայն ժողովրդագրական տվյալների վրա հիմնված մոդելներին գերազանցող ճշգրտություն (AUC 0,892) են ցույց տվել։ Հինգ տարվա ընթացքում դիաբետի զարգացման կանխատեսման համար ցուցանիշը նույնպես բարձր է մնացել (AUC 0,828)։

Միևնույն ժամանակ, հետազոտողները նշում են, որ լավագույն արդյունքները ձեռք են բերվում մետաբոլիկ և ժողովրդագրական տվյալների միավորման դեպքում, ինչն ընդգծում է դրանց փոխլրացնող բնույթը։

Առանձին մոլեկուլներ կապված են եղել հիվանդությունների լայն օրինաչափությունների հետ։ Օրինակ՝ գլիկոպրոտեինային ացետիլները ասոցացվել են մի շարք հոգեկան և վարքագծային խանգարումների հետ, ներառյալ դեպրեսիան և տագնապային վիճակները։ Կրեատինինը, իր հերթին, եղել է առանցքային կանխատեսողներից մեկը բազմաթիվ հիվանդությունների մեքենայական ուսուցման մոդելներում։

Լրացուցիչ գենետիկական վերլուծությունը թույլ է տվել բացահայտել հնարավոր պատճառահետևանքային կապերը մետաբոլիտների և հիվանդությունների, դրանց թվում՝ սիրտ-անոթային ախտաբանությունների միջև։

Աշխատանքի հեղինակներն ընդգծում են, որ ստեղծված մետաբոլիկ քարտեզը կարող է կարևոր գործիք դառնալ դեպի ավելի ճշգրիտ և անհատականացված բժշկություն անցում կատարելու համար՝ հնարավորություն տալով հայտնաբերել հիվանդությունների ռիսկերը կլինիկական ախտանիշների հայտնվելուց դեռ շատ առաջ։

Այդուհանդերձ, նրանք նշում են նաև սահմանափակումները. օգտագործվող տեխնոլոգիան ավելի լավ է արտացոլում լիպիդային փոխանակությունը, քան մետաբոլիտների ավելի լայն շրջանակը, ինչպես նաև պահանջում է հետագա ստուգում ավելի բազմազան պոպուլյացիաների վրա։