Targeted Metabolomics as a Tool in Discriminating Endocrine From Primary Hypertension.
Targeted Metabolomics as a Tool in Discriminating Endocrine From Primary Hypertension.
复制标题
DOI：
10.1210/clinem/dgaa954
复制
发表时间：
2021-03-25
期刊：
影响因子：
--
通讯作者：
Beuschlein F
中科院分区：
文献类型：
--
作者：
Erlic Z;Reel P;Reel S;Amar L;Pecori A;Larsen CK;Tetti M;Pamporaki C;Prehn C;Adamski J;Prejbisz A;Ceccato F;Scaroni C;Kroiss M;Dennedy MC;Deinum J;Langton K;Mulatero P;Reincke M;Lenzini L;Gimenez-Roqueplo AP;Assié G;Blanchard A;Zennaro MC;Jefferson E;Beuschlein F
内分泌型高血压（EHT）（原发性醛固酮增多症[PA]、嗜铬细胞瘤/副神经节瘤[PPGL]和库欣综合征[CS]）患者的识别为实施个体化治疗策略提供了基础。靶向代谢组学（TM）在分析与高血压相关的心血管疾病和内分泌疾病方面显示了有希望的结果。应用TM识别原发性高血压（PHT）和高血压病（EHT）的不同代谢模式，并检验其鉴别能力。欧洲多中心研究（ENSAT-HT）中PHT和EHT患者的回顾性分析。使用液相色谱质谱法对储存的血液样品进行TM。为了鉴别代谢物，使用“经典方法”（CA）（进行一系列单变量和多变量分析）和“机器学习方法”（MLA）（使用随机森林）。该研究纳入了282例成年患者（52%为女性;平均年龄49岁），分别患有经证实的PHT（n = 59）和EHT（n = 223，40例CS、107例PA和76例PPGL）。从155种适用于统计分析的代谢物中，使用CA鉴别了31种代谢物，使用MLA鉴别了27种代谢物，其中16种代谢物（C9、C16、C16：1、C18：1、C18：2、精氨酸、天冬氨酸、谷氨酸、鸟氨酸、亚精胺、lysoPCaC 16：0、lysoPCaC 20：4、lysoPCaC 24：0、PCaeC 42：0、SM C18：1、SM C20：2）通过两种方法均检出。基于来自CA的前15种代谢物构建的受试者工作特征曲线的曲线下面积（AUC）为0.86，与来自MLA的15种代谢物的性能（AUC 0.83）相似。TM识别PHT和EHT之间的不同代谢模式，提供有希望的区分性能。
Identification of patients with endocrine forms of hypertension (EHT) (primary hyperaldosteronism [PA], pheochromocytoma/paraganglioma [PPGL], and Cushing syndrome [CS]) provides the basis to implement individualized therapeutic strategies. Targeted metabolomics (TM) have revealed promising results in profiling cardiovascular diseases and endocrine conditions associated with hypertension. Use TM to identify distinct metabolic patterns between primary hypertension (PHT) and EHT and test its discriminating ability. Retrospective analyses of PHT and EHT patients from a European multicenter study (ENSAT-HT). TM was performed on stored blood samples using liquid chromatography mass spectrometry. To identify discriminating metabolites a “classical approach” (CA) (performing a series of univariate and multivariate analyses) and a “machine learning approach” (MLA) (using random forest) were used. The study included 282 adult patients (52% female; mean age 49 years) with proven PHT (n = 59) and EHT (n = 223 with 40 CS, 107 PA, and 76 PPGL), respectively. From 155 metabolites eligible for statistical analyses, 31 were identified discriminating between PHT and EHT using the CA and 27 using the MLA, of which 16 metabolites (C9, C16, C16:1, C18:1, C18:2, arginine, aspartate, glutamate, ornithine, spermidine, lysoPCaC16:0, lysoPCaC20:4, lysoPCaC24:0, PCaeC42:0, SM C18:1, SM C20:2) were found by both approaches. The receiver operating characteristic curve built on the top 15 metabolites from the CA provided an area under the curve (AUC) of 0.86, which was similar to the performance of the 15 metabolites from MLA (AUC 0.83). TM identifies distinct metabolic pattern between PHT and EHT providing promising discriminating performance.
登录
查看更多内容
影响因子：
3.3
作者：
Lee, Seung Hun;Kwak, Mi Kyung;Kim, Beom-Jun
通讯作者：
Kim, Beom-Jun
影响因子：
5.4
作者：
Kalim S;Clish CB;Wenger J;Elmariah S;Yeh RW;Deferio JJ;Pierce K;Deik A;Gerszten RE;Thadhani R;Rhee EP
通讯作者：
Rhee EP
影响因子：
7.7
作者：
Floegel A;Stefan N;Yu Z;Mühlenbruch K;Drogan D;Joost HG;Fritsche A;Häring HU;Hrabě de Angelis M;Peters A;Roden M;Prehn C;Wang-Sattler R;Illig T;Schulze MB;Adamski J;Boeing H;Pischon T
通讯作者：
Pischon T
影响因子：
24
作者：
Cheng, Mei-Ling;Wang, Chao-Hung;Yang, Ning-I
通讯作者：
Yang, Ning-I
影响因子：
3.5
作者：
Borghi, Claudio;Tubach, Florence;Halcox, Julian P.
通讯作者：
Halcox, Julian P.