Международная группа исследователей разработала комплексную «карту плазменного метаболома», связывающую сотни биохимических показателей крови с широким спектром заболеваний и состояний здоровья.

Работа, опубликованная в виде статьи в журнале Communications Biology, основана на данных почти 390 тысяч участников британского биобанка UK Biobank.

Учёные проанализировали 251 метаболический показатель крови, измеренный методом ядерно-магнитного резонанса (ЯМР), и сопоставили их с 884 показателями здоровья, 722 уже существующими заболеваниями и более чем 1100 будущими диагнозами. В результате было выявлено десятки тысяч устойчивых ассоциаций между метаболическим профилем человека и риском развития различных болезней.

Исследователи отмечают, что метаболиты — небольшие молекулы, участвующие в обмене веществ, — отражают текущее физиологическое состояние организма и могут реагировать на изменения среды и начало болезни значительно быстрее, чем генетические маркеры. Это делает их перспективным инструментом для ранней диагностики и персонализированной медицины.

Созданная карта показывает, что определённые метаболические «подписи» могут быть связаны сразу с несколькими, на первый взгляд не связанными заболеваниями, что указывает на общие биологические механизмы развития патологий.

В исследовании использовались данные двух крупных когорт: более 212 тысяч человек в группе открытия и около 177 тысяч в группе независимой валидации. Наблюдение за участниками продолжалось в среднем почти 14 лет.

Статистический анализ подтвердил десятки тысяч ассоциаций между метаболитами и заболеваниями, причём значительная часть из них воспроизводилась в независимых выборках, что указывает на надёжность полученной модели.

Особое внимание уделялось возможностям прогнозирования заболеваний. Например, при сахарном диабете 2 типа метаболические модели показали точность (AUC 0,892), превосходящую модели, основанные только на демографических данных. Для прогнозирования развития диабета в течение пяти лет показатель также оставался высоким (AUC 0,828).

При этом исследователи отмечают, что наилучшие результаты достигаются при объединении метаболических и демографических данных, что подчёркивает их взаимодополняющий характер.

Отдельные молекулы были связаны с широкими паттернами заболеваний. Например, гликопротеиновые ацетилы ассоциировались с рядом психических и поведенческих расстройств, включая депрессию и тревожные состояния. Креатинин, в свою очередь, оказался одним из ключевых предикторов в моделях машинного обучения для множества заболеваний.

Дополнительно генетический анализ позволил выявить возможные причинно-следственные связи между метаболитами и болезнями, включая сердечно-сосудистые патологии.

Авторы работы подчёркивают, что созданная метаболическая карта может стать важным инструментом для перехода к более точной и персонализированной медицине, позволяя выявлять риски заболеваний задолго до появления клинических симптомов.

Однако они отмечают и ограничения: используемая технология лучше отражает липидный обмен, чем более широкий спектр метаболитов, а также требует дальнейшей проверки на более разнообразных популяциях.