Estudos metabolômicos na apneia obstrutiva do sono

• Autor(a) principal: Lebkuchen, Adriana
• Data de Publicação: 2017
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: http://www.teses.usp.br/teses/disponiveis/5/5131/tde-28032018-113945/
• topic: Apneia obstrutiva do sono; Biomarcadores; Biomarkers; Cardiovascular diseases; Doenças cardiovasculares; Espectrometria de massas; Lipídios; Lipids; Mass spectrometry; Metabolômica; Metabolomics; Sleep apnea obstructive

Introdução: A apneia obstrutiva do sono (AOS) é uma condição clínica comum, embora subdiagnosticada na prática clínica, que está associada de forma independente com um aumento na morbimortalidade cardiovascular. Evidências recentes sugerem que o aumento do risco cardiovascular atribuído à AOS pode ser parcialmente explicado pela desregulação metabólica. No entanto, pouco se sabe sobre o perfil metabólico detalhado destes pacientes e se estes metabólitos podem servir como potenciais biomarcadores para a AOS. Objetivos: O objetivo primário do estudo foi avaliar o perfil metabólico de pacientes com AOS por meio de diferentes estratégias metabolômicas. Como objetivo secundário, avaliamos se o painel de metabólitos selecionados poderia agregar valor diagnóstico ao uso de questionários tradicionalmente empregados para a triagem da AOS. Métodos: Participantes do sexo masculino sem doença cardiovascular prévia ou uso de medicamentos foram submetidos à polissonografia noturna e divididos em 2 grupos pareados por idade e índice de massa corpórea (IMC): sem AOS (índice de apneia e hipopneia [IAH] < 15 eventos/h) e com AOS (IAH >= 15 eventos/h). Além da avaliação clínica, foi aplicado dois questionários para triagem da AOS usados na prática clínica (questionário Berlim e o escore NoSAS). A quantificação de aminoácidos (AA) no plasma foi realizada por cromatografia líquida acoplada à espectrometria de massas sequencial (LC-MS²) previamente desenvolvido e validado no Grupo Fleury. Para as análises metabolômicas e lipidômicas foram utilizados cromatografia gasosa acoplado a espectrometria de massas (GC-MS) e cromatografia líquida (LC) off-line com detecção por ionização/dessorção a laser auxiliada por matriz (MALDI-MS), respectivamente. Para avaliação dos marcadores que estariam associados à AOS foram utilizados teste t de student (p < 0,05) e VIP score > 2 (predição de variável de importância). A sensibilidade e especificidade foram avaliadas por meio da curva receiver operating characteristic (ROC) e modelos de regressão logística em associação com o melhor questionário de triagem para a AOS. Resultados: 53 participantes foram estudados (16 sem AOS e 37 com AOS). Como proposto, a idade média (36 ± 6 vs. 39 ± 7 anos) e o IMC (30,3 ± 3,5 vs. 30,6 ± 3,4 kg/m2) foram semelhantes entres os grupos sem e com AOS, respectivamente. A quantificação dos AA permitiu observar uma diferença significante nos níveis de ácido glutâmico, que foram maiores nos pacientes com AOS (83,5 ± 22,5 ?M) quando comparados ao grupo sem AOS (66,7 ± 24,5 uM), p=0,023. A avaliação do perfil metabolômico resultou em 28 analitos significantes. Seis desses analitos foram provenientes da análise por GC-MS: pacientes com AOS apresentaram maiores níveis de 6-deoxi-D-glicose; 2,6-difenil-1,7-diidrodipirrolo [2,3-b:3\',2\'-e] piridina, ácido 9 (Z)-hexadecenóico e ácido araquidônico e menores níveis de 5,5\'-bifitalato e glutamina quando comparados ao grupo sem AOS (p < 0,05). A análise lipidômica (LC off-line e MALDI-MS) resultou em 22 lipídios significantes subdivididos nas seguintes classes: ceramidas (Cer), fosfatidiletanolamina (PE), lisofosfatidilcolina (LPC), e esfingomielina (SM) com níveis mais elevados em pacientes com AOS em comparação ao grupo sem AOS (p < 0,05). Diacilglicerol (DAG), fosfatidilcolina (PC) e ácido fosfatídico (PA) tiveram níveis significativamente diminuídos nos pacientes com AOS em comparação aos sem AOS. Em relação ao objetivo secundário, o questionário com melhor desempenho para triar a AOS foi o escore NoSAS com uma área sob a curva (AUC) de 0,724. A combinação dos 4 metabólitos (ácido glutâmico, glutamina, 6-deoxi-D-glicose e ácido araquidônico) ou dos 3 lipídios (LPE 35:1, SM d18:1/12:0 e LPC 27:1) selecionados pelo modelo de regressão logística ao escore NoSAS positivo resultou em uma AUC de 0,917 e 0,951, respectivamente, para a detecção da AOS. Conclusão: A aplicação da metabolômica permitiu a identificação de potenciais biomarcadores precoces para a AOS em homens jovens. Estes achados não são explicados por fatores de confusão como a idade, IMC e composição corporal. Este estudo confirma o achado de que os questionários habitualmente usados para a triagem da AOS não apresentam um bom desempenho. A combinação dos metabólitos selecionados aumentou a sensibilidade e especificidade para detecção da AOS em relação ao questionário isolado. Neste contexto, novos estudos são necessários para avaliar se estes biomarcadores poderão ser úteis para a predição do risco cardiovascular e melhora do diagnóstico da AOS