Plasma metabolites to profile pathways in noncommunicable disease multimorbidity.
Plasma metabolites to profile pathways in noncommunicable disease multimorbidity.
复制标题
血浆代谢物分析非传染性疾病多发病途径
DOI：
10.1038/s41591-021-01266-0
复制
发表时间：
2021-03
期刊：
影响因子：
82.9
通讯作者：
Langenberg C
中科院分区：
文献类型：
--
作者：
Pietzner M;Stewart ID;Raffler J;Khaw KT;Michelotti GA;Kastenmüller G;Wareham NJ;Langenberg C
多发病，即多种慢性病的同时存在，是一个日益严重的全球健康问题，对其决定因素的研究是高度优先的。我们使用涵盖1,000种代谢物的基线非靶向血浆代谢组学分析作为人类生理学的全面读数，以描述与27种突发非传染性疾病(NCDs)相关和跨越27种突发非传染性疾病(NCDs)的路径，这些路径使用超过11,000名参与者(219,415人年)的电子健康记录住院和癌症登记数据进行评估。我们确定了至少两种非传染性疾病之间共有的420种代谢物，占所有640种重要代谢物-疾病关联的65.5%。我们整合了50多个不同临床风险因素和特征的基线数据，以确定这些代谢物所代表的可操作的共同途径。我们的研究强调肝和肾功能、脂肪和葡萄糖代谢、低度炎症、肠道微生物多样性的替代以及特定的健康相关行为作为常见NCD多发病的前驱因素，具有早期预防的潜力。我们将结果整合到一个开放访问的网络服务器(https://omicscience.org/apps/mwasdisease/))中，以方便未来的研究和荟萃分析。
Multimorbidity, the simultaneous presence of multiple chronic conditions, is an increasing global health problem and research into its determinants is of high priority. We used baseline untargeted plasma metabolomics profiling covering >1,000 metabolites as a comprehensive readout of human physiology to characterize pathways associated with and across 27 incident noncommunicable diseases (NCDs) assessed using electronic health record hospitalization and cancer registry data from over 11,000 participants (219,415 person years). We identified 420 metabolites shared between at least 2 NCDs, representing 65.5% of all 640 significant metabolite–disease associations. We integrated baseline data on over 50 diverse clinical risk factors and characteristics to identify actionable shared pathways represented by those metabolites. Our study highlights liver and kidney function, lipid and glucose metabolism, low-grade inflammation, surrogates of gut microbial diversity and specific health-related behaviors as antecedents of common NCD multimorbidity with potential for early prevention. We integrated results into an open-access webserver (https://omicscience.org/apps/mwasdisease/) to facilitate future research and meta-analyses.
登录
查看更多内容
影响因子：
16.6
作者：
Jackson MA;Verdi S;Maxan ME;Shin CM;Zierer J;Bowyer RCE;Martin T;Williams FMK;Menni C;Bell JT;Spector TD;Steves CJ
通讯作者：
Steves CJ
DOI：
10.1038/nrg.2018.4
发表时间：
2018-05
期刊：
Nature reviews. Genetics
影响因子：
--
作者：
Karczewski KJ;Snyder MP
通讯作者：
Snyder MP
DOI：
10.1073/pnas.76.11.5606
发表时间：
1979-01-01
影响因子：
11.1
作者：
GRIFFITH, OW;MEISTER, A
通讯作者：
MEISTER, A
影响因子：
82.9
作者：
Rose, Sophia Miryam Schussler-Fiorenza;Contrepois, Kevin;Snyder, Michael P.
通讯作者：
Snyder, Michael P.
DOI：
10.1038/s41569-018-0064-2
发表时间：
2018-09
期刊：
Nature reviews. Cardiology
影响因子：
--
作者：
Ferrucci L;Fabbri E
通讯作者：
Fabbri E