ES2728669T3 - Procedimientos para determinar el riesgo de diabetes tipo 1 mediante biomarcadores de proteínas séricas - Google Patents

Procedimientos para determinar el riesgo de diabetes tipo 1 mediante biomarcadores de proteínas séricas Download PDF

Info

Publication number
ES2728669T3
ES2728669T3 ES15738959T ES15738959T ES2728669T3 ES 2728669 T3 ES2728669 T3 ES 2728669T3 ES 15738959 T ES15738959 T ES 15738959T ES 15738959 T ES15738959 T ES 15738959T ES 2728669 T3 ES2728669 T3 ES 2728669T3
Authority
ES
Spain
Prior art keywords
risk
protein
individual
profile
sample
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES15738959T
Other languages
English (en)
Inventor
Robert Moulder
Santosh Bhosale
David Goodlett
Harri Lähdesmäki
Olli Simell
Riitta Lahesmaa
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Turku
Original Assignee
University of Turku
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Turku filed Critical University of Turku
Application granted granted Critical
Publication of ES2728669T3 publication Critical patent/ES2728669T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/564—Immunoassay; Biospecific binding assay; Materials therefor for pre-existing immune complex or autoimmune disease, i.e. systemic lupus erythematosus, rheumatoid arthritis, multiple sclerosis, rheumatoid factors or complement components C1-C9
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/92—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving lipids, e.g. cholesterol, lipoproteins, or their receptors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/46—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans from vertebrates
    • G01N2333/47—Assays involving proteins of known structure or function as defined in the subgroups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/46—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans from vertebrates
    • G01N2333/47—Assays involving proteins of known structure or function as defined in the subgroups
    • G01N2333/4701—Details
    • G01N2333/4713—Plasma globulins, lactoglobulin
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/46—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans from vertebrates
    • G01N2333/47—Assays involving proteins of known structure or function as defined in the subgroups
    • G01N2333/4701—Details
    • G01N2333/4716—Complement proteins, e.g. anaphylatoxin, C3a, C5a
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/76—Assays involving albumins other than in routine use for blocking surfaces or for anchoring haptens during immunisation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
    • G01N2333/775—Apolipopeptides
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2560/00—Chemical aspects of mass spectrometric analysis of biological material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2570/00—Omics, e.g. proteomics, glycomics or lipidomics; Methods of analysis focusing on the entire complement of classes of biological molecules or subsets thereof, i.e. focusing on proteomes, glycomes or lipidomes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/04—Endocrine or metabolic disorders
    • G01N2800/042—Disorders of carbohydrate metabolism, e.g. diabetes, glucose metabolism
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/50—Determining the risk of developing a disease
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/60—Complex ways of combining multiple protein biomarkers for diagnosis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Engineering & Computer Science (AREA)
  • Hematology (AREA)
  • Molecular Biology (AREA)
  • Urology & Nephrology (AREA)
  • Chemical & Material Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Cell Biology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Microbiology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Biotechnology (AREA)
  • Rehabilitation Therapy (AREA)
  • Rheumatology (AREA)
  • Biophysics (AREA)
  • Endocrinology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

Un procedimiento para predecir, determinar y/o monitorizar un riesgo de y/o progresión hacia la diabetes tipo 1 (T1D) en un individuo, comprendiendo el procedimiento: a) determinar un perfil del marcador de proteína en una muestra obtenida del individuo, comprendiendo dicho perfil afamina (AFAM) y apolipoproteína C-IV (APOC4); b) comparar el perfil del marcador de proteína determinado y un perfil de control correspondiente, y c) en respuesta a la comparación, determinar una predicción correspondiente a un riesgo relativo de que el individuo desarrolle T1D o una etapa de progresión hacia T1D.

Description

DESCRIPCIÓN
Procedimientos para determinar el riesgo de diabetes tipo 1 mediante biomarcadores de proteínas séricas Campo de la invención
La presente invención se refiere al campo del diagnóstico molecular. Más específicamente, la presente invención se refiere a procedimientos para predecir el riesgo de un sujeto a la diabetes tipo 1 (T1D).
Antecedentes de la invención
La medición de los autoanticuerpos de células de los islotes es actualmente el principal medio para identificar una amenaza emergente en el desarrollo de diabetes tipo 1. Los riesgos asociados con la aparición de anticuerpos en los islotes se han evaluado en profundidad, y en general, la aparición de múltiples autoanticuerpos bioquímicamente definidos se correlaciona con la progresión a la enfermedad independientemente del grupo de riesgo genético o la combinación de autoanticuerpos. La T1D generalmente se diagnostica en el momento en que la mayoría de las células beta productoras de insulina en el páncreas han sido destruidas, etapa en la cual el paciente depende de los suplementos de insulina por el resto de su vida. Los procedimientos para establecer el riesgo y el inicio potencial son, por lo tanto, necesarios para comprender mejor la etiología de la enfermedad y diseñar posibles estrategias de tratamiento / prevención.
Los análisis proteómicos en el estudio de T1D han abordado principalmente la mayoría de las diferencias en los sueros de pacientes diabéticos y sujetos no diabéticos. Si bien las comparaciones en profundidad de proteínas en muestras de sujetos sanos y pacientes con T1D han distinguido el estado de enfermedad, la identificación de los cambios que preceden a esta enfermedad autoinmune agresiva es importante para la predicción y prevención de la enfermedad. Tales marcadores podrían ser utilizados en la evaluación de riesgos y tratamientos preventivos.
Hanifi-Moghaddam et al. (Diabetic Medicine, 2005, 23: 156-163) divulga niveles alterados de quimiocinas en pacientes con alto riesgo de desarrollar T1D, es decir, CCL3 y CCL4 sobrerregulados y CCL2 subregulado en individuos con autoanticuerpos de múltiples islotes.
Zhi et al. (J Diabetes Sci Technol, 2010, 4: 993-1002) divulga que antes del inicio de los síntomas clínicos, la predicción precisa de los individuos que probablemente desarrollen T1D es importante, y sugiere que dicha predicción se realice con base en biomarcadores de proteínas tales como a) detección de autoanticuerpos de células de los islotes o b) proteínas identificadas por análisis proteómico mediante espectrometría de masas en suero humano. Los biomarcadores de la presente invención no se divulgan.
El documento EP1840573 divulga un diagnóstico precoz de T1D en un mamífero, antes de cualquier signo clínico, midiendo el nivel de al menos un marcador de proteína. Los biomarcadores de la presente invención no se divulgan. El documento WO2013/106851 divulga biomarcadores que son útiles para determinar si un sujeto tiene T1D o está en riesgo de desarrollar T1D. Específicamente, se sugieren la sincrolina y la lipasa triacilglicerol pancreática para este propósito. Se proporcionan biomarcadores adicionales, pero los biomarcadores actuales no están entre ellos. Chieh-Hsiang Lu et al. (Arch Biochem Biophys, 2013, 529: 146-156) divulga la afamina como un biomarcador de plasma para distinguir a los pacientes diabéticos con o sin retinopatía. El uso de afamina para distinguir a los pacientes con T1D de sujetos sanos no se divulga ni se sugiere.
Dieplinger et al. (Clinica Chimica Acta, 2013, 425: 236-241) divulga la caracterización analítica y la evaluación clínica de un ensayo inmunoabsorbente ligado a enzimas para la medición de afamina en plasma humano. Se discute la afamina como un biomarcador para el cáncer de ovario, pero su uso como un biomarcador de T1D no está indicado. Kotite et al. (J Lipid Res, 2003, 44: 1387-1394) trata el aislamiento, la caracterización y la cuantificación inmunoquímica de la apoC-IV humana en plasma y las lipoproteínas plasmáticas, pero no indica ningún papel para la apoC-IV en la diabetes.
Breve descripción de la invención
La presente divulgación está dirigida a procedimientos y kits que son útiles para identificar el riesgo de que un individuo, particularmente un individuo que tenga un riesgo conferido por HLA para la diabetes tipo 1, desarrolle diabetes tipo 1 (T1D). El riesgo puede determinarse basándose en las cantidades de uno o más de los marcadores de proteínas divulgados en el presente documento.
En un aspecto, la presente divulgación está dirigida a un procedimiento para predecir, determinar y/o controlar un riesgo de y/o progresión hacia la Diabetes Tipo 1 (T1D) en un individuo. El procedimiento comprende las etapas de a) determinar un perfil de marcador de proteína en una muestra obtenida del individuo, comprendiendo dicho perfil: afamina (AFAM) y apolipoproteína C-IV (APOC4),
b) comparar el perfil de marcador de proteína determinado y un perfil de control correspondiente, y
c) en respuesta a la comparación, determinar una predicción correspondiente a un riesgo relativo de que el individuo desarrolle T1D o una etapa de progresión hacia T1D.
En algunos aspectos adicionales, el perfil de marcador expuesto anteriormente puede comprender además uno o más marcadores de proteína seleccionados de los enumerados en la Tabla 4 y/o la Tabla 5.
De acuerdo con algunas realizaciones, el perfil definido anteriormente se usa para predecir el riesgo de T1D antes de la seroconversión.
En algunas realizaciones, el individuo cuyo riesgo de desarrollar T1D tiene un riesgo conferido por HLA para T1D. Otros objetivos, aspectos, realizaciones, detalles y ventajas de la presente invención se harán evidentes a partir de las siguientes figuras, descripción detallada, ejemplos y reivindicaciones dependientes.
Breve descripción de los dibujos
A continuación, la invención se describirá con mayor detalle por medio de realizaciones preferidas con referencia a los dibujos adjuntos, en los que
La Figura 1 es una presentación esquemática del diseño del estudio que divulga la manera en que se realizó el descubrimiento. Usando una recolección longitudinal prospectiva de muestras de suero de niños con un riesgo conferido por HLA para la diabetes tipo 1, las muestras se seleccionaron en función del resultado clínico y los niveles determinados de autoanticuerpos asociados a la diabetes tipo 1. Se prepararon muestras de suero para el análisis proteómico por espectrometría de masas. Se realizaron comparaciones entre los niños que desarrollaron diabetes tipo 1 y sus controles de edad, riesgo y género. Se emplearon dos enfoques cuantitativos. En primer lugar, con reactivos cuantitativos relativos y absolutos (iTRAQ) etiquetados con isótopos, en segundo lugar, utilizando un enfoque sin etiquetas.
La Figura 2 muestra la sincronización de las muestras de suero utilizadas, representadas en relación con la primera detección de autoanticuerpos asociados a T1D en años. Las muestras perfiladas para los niños con desarrollo de T1D están representadas por diamantes negros. Estas incluyen mediciones de iTRAQ (13 pares) y mediciones sin etiqueta en dos lotes (LFQ1 y LFQ2, n = 6 y 9 pares respectivamente). Para la comparación entre niños (sanos frente a aquellos con desarrollo de diabetes tipo 1), los análisis consideraron la abundancia de proteínas en toda la serie (184 muestras comparadas con 184 emparejadas por edad), muestras anteriores (71 muestras comparadas con 71 emparejadas por edad) y después de la detección de seroconversión (113 muestras comparadas con 113 emparejadas por edad).
La Figura 3 es una representación esquemática de la estrategia de etiquetado con iTRAQ de 8-plex. Se usaron canales de referencia de grupo para vincular las comparaciones de iTRAQ entre experimentos.
La Figura 4A muestra la clasificación entre los sujetos que desarrollan T1D y los controles emparejados por edad sobre la base de la abundancia de APOC4 y AFAM. Se utilizó el procedimiento de pares de puntaje más alto, lo que arrojó una tasa de éxito del 91%. Los triángulos negros representan los controles y los cuadrados sin color representan los niños que desarrollan T1D (es decir, los casos).
La Figura 4B ilustra las medidas de abundancia relativa para APOC4 y AFAM para los sujetos de casos y de control.
La Figura 5A ilustra las características del receptor-operador sobre la base de las diferencias entre los niveles de APOC4 y AFAM y el efecto individual de estas proteínas solas. La combinación de APOC4 y AFAM produjo un área bajo la curva (AUC) de 0,89.
La Figura 5B ilustra los niveles de APOC4 en casos y controles, antes de la seroconversión y en sujetos positivos para anticuerpos frente a controles emparejados por edad.
La Figura 6 ilustra la curva característica de receptor-operador (ROC) de la abundancia de PROF1 y FLNA detectada de tres a seis meses antes de la seroconversión de autoanticuerpos.
La Figura 7 ilustra el resultado del análisis de la ruta de proteínas diferencialmente abundantes de tres a seis meses antes de la seroconversión de autoanticuerpos, enfatizando la importancia putativa de estas proteínas en los eventos que preceden a la seroconversión. Las abreviaturas utilizadas en la figura se refieren a los genes que codifican las proteínas enumeradas.
La Figura 8A ilustra la curva característica del receptor-operador (ROC) de la abundancia de SHBG a lo largo de la serie temporal (AUC 0,74), mientras que la Figura 8B ilustra la SHbG frente a CO8G, ZPI, BTD, CO5 y THBG (AUC = 0,80).
La Figura 9 ilustra la curva característica del receptor-operador (ROC) de la abundancia de SHBG frente a IBP2, ADIPO, CO2 y CO8G (AUC = 0,85) después de la seroconversión.
Descripción detallada de la invención
En algunas implementaciones, la presente divulgación está dirigida a procedimientos, perfiles proteómicos y kits útiles para determinar o predecir el riesgo de que un individuo desarrolle diabetes tipo 1 (T1D), o determinar la etapa de progresión de un individuo hacia T1D, o monitorizar o predecir la progresión de un individuo hacia la T1D. Como se describe, este riesgo puede evaluarse basándose en los perfiles de varios paneles de marcadores de proteínas cuya aplicabilidad, en algunas realizaciones, depende de si se han detectado autoanticuerpos T1D conocidos.
En algunas realizaciones importantes, se puede hacer una predicción del riesgo de un individuo de desarrollar T1D antes de cualquier signo de seroconversión. Como se usa en el presente documento, el término "seroconversión" se refiere a la primera detección de uno o varios autoanticuerpos asociados a T1D contra antígenos específicos de células beta en el suero. Estos incluyen autoanticuerpos específicos de células de los islotes (ICA), autoanticuerpos de insulina (IAA), autoanticuerpos de descarboxilasa 65 del ácido glutámico (GADA), autoanticuerpos antígeno 2 del islote (IA-2A) y autoanticuerpos transportadores de zinc 8 (ZnT8A). En algunas realizaciones, se pueden usar los siguientes valores de corte para determinar la presencia o ausencia de los autoanticuerpos: ICA > 4 JDFU (unidades de la Fundación de Diabetes Juvenil), IAA > 3,48 RU (unidades relativas), GADA > 5,36 RU, IA-2A > 0,43 RU, y ZnT8A > 0,61 RU. La seroconversión puede ocurrir años, por ejemplo, 1 a 2 años, antes del diagnóstico clínico. Normalmente, el individuo cuyo riesgo de T1D debe determinarse es un sujeto humano, preferiblemente un niño o un adolescente. En algunas realizaciones más preferidas, dicho sujeto no muestra ningún signo de seroconversión. Como se usa en este documento, los términos "sujeto" e "individuo" son intercambiables.
Los perfiles proteómicos predictivos identificados en el presente documento se aplican en particular a individuos que tienen un riesgo conferido por el antígeno leucocitario humano (HLA) para TlD. Como se usa en el presente documento, el término "riesgo conferido por HLA para T1D" se refiere a una predisposición a T1D según se determina sobre la base del genotipo HLA del individuo. En algunas realizaciones, la susceptibilidad conferida por HLA se asigna si el individuo porta los alelos HLA-DQB1 *02/*0302 o *0302. En los experimentos realizados, se comparó a los individuos diagnosticados con T1D cuyo riesgo era conferido por HLA con los sujetos control con la misma susceptibilidad. De manera similar, en la implementación de este cribado, se puede emplear el control y la referencia de control agrupada.
Como se usa en el presente documento, el término "perfil proteómico" se refiere a un conjunto de proteínas en una muestra biológica en un momento dado. Un perfil proteómico cambia continuamente en respuesta a eventos internos y externos. Por lo tanto, un perfil proteómico se puede usar no solo para predecir el riesgo de un individuo de desarrollar una enfermedad en un momento dado, sino también para monitorizar cualquier cambio en la predicción o el estado de la enfermedad, por ejemplo, en respuesta al tratamiento o cambios en la dieta u otros en el estilo de vida del individuo. El término se puede usar indistintamente con los términos “perfil de expresión de proteínas”, “firma de proteínas”, “perfil de marcadores de proteínas” y similares, como es evidente para un experto en la materia. Los marcadores de proteína predictivos identificados en este documento incluyen los que se enumeran en la Tabla 1.
Tabla 1. Marcadores de proteínas comprendidos en varios perfiles de marcadores de proteínas de la resente descri ción
Figure imgf000004_0001
continuación
Figure imgf000005_0001
Como se usa en el presente documento, el término "determinar un perfil de marcador de proteína", y similares, se refiere a detectar, medir, o bien evaluar el nivel, la cantidad o la proporción de uno o más marcadores de proteína que pertenecen a un perfil dado. Dicha determinación puede proporcionar un valor relativo o absoluto que represente la cantidad o el nivel de dicho marcador en una muestra biológica obtenida de un individuo cuyo perfil de marcador y, eventualmente, el riesgo de desarrollar T1D, deben determinarse.
Las muestras biológicas adecuadas para su uso de acuerdo con la presente divulgación incluyen, pero no se limitan a, muestras de tejido (por ejemplo, muestras pancreáticas), muestras de sangre que incluyen sangre completa, suero, plasma, células mononucleares de sangre periférica y cualquier célula sanguínea purificada y muestras de orina. En esencia, cualquier muestra que contenga proteínas biológicas puede usarse para los fines presentes.
El nivel o la cantidad de un marcador de proteína en una muestra biológica se puede determinar mediante una variedad de técnicas, como es evidente para un experto. Los ejemplos no limitativos de procedimientos adecuados incluyen técnicas de proteómica cuantitativa basadas en espectrometría de masas, tales como etiquetas isobáricas para reactivos de cuantificación relativa y absoluta (iTRAQ) y análisis sin etiquetas, así como espectrometría de masas de monitoreo de una reacción seleccionada (SRM). Además, el nivel o la cantidad de un marcador de proteína se puede determinar, por ejemplo, un inmunoensayo, espectrofotometría, un ensayo enzimático, un ensayo ultravioleta, un ensayo cinético, un ensayo electroquímico, un ensayo colorimétrico, un ensayo turbidimétrico, un ensayo de absorción atómica, citometría de flujo, o cualquier combinación de los mismos. Otras técnicas analíticas adecuadas incluyen, pero no se limitan a, cromatografía líquida tal como cromatografía líquida de alto rendimiento/presión (HPLC), cromatografía de gases, espectrometría de resonancia magnética nuclear, técnicas relacionadas y combinaciones y sus híbridos, por ejemplo, una cromatografía líquida-espectrometría de masas (LC-MS) en tándem.
Como se usa en el presente documento, el término "expresión incrementada" se refiere a un aumento en la cantidad de una proteína en una muestra en comparación con una muestra de control correspondiente. Dicho aumento puede determinarse cualitativamente y/o cuantitativamente de acuerdo con los procedimientos estándar conocidos en la técnica. La expresión aumenta si la cantidad de proteína en la muestra es, por ejemplo, al menos aproximadamente 1,5 veces, 1,75 veces, 2 veces, 3 veces, 4 veces, 5 veces, 6 veces, 8 veces, 9 veces, 10 veces, 20 veces o 30 veces la cantidad de la misma proteína en la muestra de control.
Como se usa en el presente documento, el término "expresión disminuida" se refiere a una disminución en la cantidad de una proteína en una muestra en comparación con una muestra de control correspondiente. Dicha disminución se puede determinar cualitativamente y/o cuantitativamente de acuerdo con los procedimientos estándar conocidos en la técnica. La expresión disminuye si la cantidad de proteína en la muestra es, por ejemplo, al menos aproximadamente 1,5 veces, 1,75 veces, 2 veces, 3 veces, 4 veces, 5 veces, 6 veces, 8 veces, 9 veces, 10 veces, 20 veces o 30 veces menor que la cantidad de la misma proteína en la muestra de control.
Para determinar si el nivel de expresión o la cantidad de un marcador de proteína es mayor o menor que lo normal, se debe determinar la cantidad normal del marcador de proteína presente en una muestra biológica de un control relevante. Una vez que se conocen las cantidades de marcadores normales, las cantidades de marcadores determinadas se pueden comparar con ellas y la importancia de la diferencia se puede evaluar utilizando procedimientos estadísticos estándar. Cuando hay una diferencia estadísticamente significativa entre la cantidad de marcador determinada y la cantidad normal, existe un riesgo significativo de que la persona sometida a prueba desarrolle T1D.
En algunas realizaciones adicionales, los niveles, cantidades o relaciones relativas de uno o más marcadores de proteínas pueden compararse con un valor de umbral predeterminado que es indicativo del riesgo de desarrollar T1D. Los procedimientos estadísticos para determinar los valores umbrales apropiados serán fácilmente evidentes para los expertos en la técnica. El valor de umbral se origina a partir de un control relevante que puede ser un solo individuo no afectado por T1D o un valor agrupado de más de uno de esos individuos.
Como se usa en el presente documento, el término "control relevante" se refiere a una muestra de control, un perfil proteómico de control, o un valor de control, preferiblemente un caso que coincida con el individuo cuyo riesgo de T1D se debe predecir. La comparación de casos se puede realizar, por ejemplo, sobre la base de uno o más de los siguientes criterios: edad, fecha de nacimiento, lugar de nacimiento, sexo, predisposición a la T1D, estado de1HLA y cualquier parámetro demográfico relevante. En algunas realizaciones, dicha muestra o perfil de control consiste en un conjunto de muestras o perfiles de control relevantes, preferiblemente emparejados por casos. En algunas realizaciones, dicho perfil de control o valor de control se ha predeterminado antes de predecir un riesgo de T1D en un individuo de acuerdo con la presente divulgación. En algunas otras realizaciones, la determinación de dicho perfil de control o valor de control puede comprenderse como una etapa del procedimiento en cualquiera de los procedimientos predictivos divulgados en el presente documento.
Opcionalmente, antes de compararse con la muestra de control, los niveles de marcadores de proteínas se normalizan utilizando procedimientos estándar.
Las curvas características de operación del receptor (ROC) se pueden utilizar para demostrar el compromiso entre la sensibilidad y la especificidad de un marcador, como es bien conocido por las personas expertas. La sensibilidad es una medida de la capacidad del marcador para detectar la enfermedad, y la especificidad es una medida de la capacidad del marcador para detectar la ausencia de la enfermedad. El eje horizontal X de la curva ROC representa la especificidad 1, que aumenta con la tasa de falsos positivos. El eje vertical Y de la curva representa la sensibilidad, que aumenta con la tasa de verdaderos positivos. Por lo tanto, para un corte particular seleccionado, se pueden determinar los valores de especificidad y sensibilidad. En otras palabras, los puntos de datos en las curvas ROC representan la proporción de clasificaciones verdaderas positivas y falsas positivas en varios límites de decisión. Los resultados óptimos se obtienen a medida que la proporción verdadero positivo se acerca a 1,0 y la proporción falso positivo se acerca a 0,0. Sin embargo, a medida que se cambia el corte para aumentar la especificidad, la sensibilidad generalmente se reduce y viceversa.
Como se usa en el presente documento, el término "falso positivo" se refiere a un resultado de prueba que clasifica a un sujeto no afectado incorrectamente como un sujeto afectado, es decir, un sujeto que tiene o se predice que desarrollará una enfermedad. Del mismo modo, "falso negativo" se refiere a los resultados de una prueba que clasifica a un sujeto que tiene o desarrollará una enfermedad incorrectamente como un sujeto no afectado.
Como se usa en el presente documento, el término "verdadero positivo" se refiere a un resultado de prueba que clasifica a un sujeto que tiene o desarrollará una enfermedad correctamente como un sujeto que tiene o se predice que desarrollará una enfermedad. Del mismo modo, "verdadero negativo" se refiere a un resultado de prueba que clasifica correctamente a un sujeto no afectado como no afectado.
De acuerdo con lo anterior, el término "tasa de éxito" se refiere a la proporción expresada en porcentaje de individuos afectados con un resultado positivo, mientras que los términos "tasa de falsos positivos" y "tasa de detección falsa" (FDR) se refieren a la proporción expresada en porcentaje de individuos no afectados con un resultado positivo.
El área bajo la curva ROC, a menudo denominada AUC, es una medida de la utilidad de un marcador en la identificación correcta de los sujetos con enfermedades, es decir, los sujetos que desarrollarán T1D. Por lo tanto, los valores de AUC se pueden usar para determinar la efectividad de la prueba. Un área de 1,0 representa una prueba perfecta; un área de 0,5 representa una prueba sin valor. Una guía aproximada tradicional para clasificar la precisión de una prueba diagnóstica o predictiva es la siguiente: los valores AUC de 0,9 a 1,0 representan una prueba con excelente poder diagnóstico o predictivo, los valores AUC de 0,80 a 0,90 representan una prueba con buena potencia diagnóstica o predictiva, los valores de AUC de 0,70 a 0,80 representan una prueba con un poder de diagnóstico o predictivo aceptable, los valores de AUC de 0,60 a 0,70 representan una prueba con un poder diagnóstico o predictivo deficiente, y los valores de AUC de 0,50 a 0,60 representan una prueba con una potencia diagnóstica o predictiva fallida.
Como se describe en la parte experimental, la presente divulgación se basa en un análisis de una serie única de muestras de suero prospectivas de niños en riesgo recogidas en el estudio finlandés de predicción y prevención de la diabetes tipo 1 (DIPP). Las muestras cubrieron el período de tiempo desde antes del desarrollo de autoanticuerpos (seroconversión) hasta el diagnóstico de diabetes. Se seleccionaron como controles los niños sanos, persistentemente negativos con autoanticuerpos emparejados para la fecha y el lugar de nacimiento, el género y el riesgo genético conferido por HLA-DQB1. Los niños que finalmente desarrollaron T1D a veces se denominan "casos".
Los análisis cuantitativos de los datos dieron como resultado la identificación de proteínas que pueden usarse para predecir el riesgo de T1D y proporcionar indicaciones de la aparición de la enfermedad antes del diagnóstico y, sorprendentemente, incluso antes de la seroconversión. Los paneles de marcadores de proteína predictivos identificados se pueden agrupar en tres categorías diferentes en función de su utilidad temporal para predecir el riesgo de T1D.
Una primera categoría temporal identificada de marcadores proteicos se basa en los cambios en la abundancia de proteínas antes de la seroconversión, particularmente de 3 a 6 meses antes de la seroconversión. La expresión de estas proteínas aumenta o disminuye antes de la seroconversión. Como se describe en los ejemplos a continuación, los análisis de las características del operador receptor de los datos proporcionaron una buena clasificación de los niños en ruta hacia T1D con respecto a sus controles. Para ser más específicos, en muestras recolectadas dentro de un período de tiempo de 6 meses antes de la seroconversión, se observaron niveles mayores de PROF1 con una consistencia suficiente para observar un AUC de 0,85 en el análisis de ROC. Un análisis adicional reveló que la combinación de PROF1 y FLNA proporcionó un AUC de 0,88 (Figura 6).
De este modo, en una realización de la presente divulgación, la predicción del riesgo de T1D, preferiblemente antes de la seroconversión, se basa en la determinación del perfil del marcador de proteína de PROF1 y FLNA, y la comparación del perfil del marcador de proteína determinado con el de un control. El aumento de la expresión del perfil del marcador de proteína con respecto al perfil del marcador de control es indicativo de un riesgo de adquirir T1D.
El análisis de la ruta de proteínas diferencialmente abundantes de tres a seis meses antes de la seroconversión de autoanticuerpos reveló asociaciones bioquímicas entre PROF1, FLNA, TAGL2, VASP, CFL1, ACTB y TMSB4X (Figura 7). Por lo tanto, la clasificación basada en PROF1 y FLNA de sujetos en riesgo y sujetos no afectados puede mejorarse mediante la inclusión de uno cualquiera de los marcadores de proteínas TAGL2, VASP, CFL1, ACTB y TMSB4X, ya sea solo o en cualquier combinación, en el perfil del marcador de proteína que se va a determinar para predecir el riesgo de T1D.
Una segunda categoría temporal identificada de marcadores de proteínas se basa en los cambios en la abundancia de proteínas, en comparación con los niveles de control, a lo largo de la serie temporal. En otras palabras, estos marcadores pueden usarse para predecir el riesgo de T1D antes o después de la seroconversión. La expresión de estas proteínas aumenta o disminuye en las series temporales.
Un primer panel marcador de proteínas que pertenece a la segunda categoría temporal comprende SHBG ya sea solo o en cualquier combinación con uno o más de los marcadores de proteínas CO8g , ZPI, BTD, CO5 y THBg . De acuerdo con los resultados actuales, la expresión de SHBG se redujo mientras que la expresión de CO8G, ZPI, BTD, CO5 y THBG se incrementó en los niños que desarrollaron T1D en comparación con los niveles de expresión en las muestras de control. Por sí sola, la SHBg produjo un AUC de 0,74, pero cuando se usó en combinación con cualquiera de CO8G, ZPI, BTD, CO5 y THBG, el AUC se mejoró hasta el orden de 0,8 (Figuras 8A y 8B).
Por lo tanto, en una realización de la presente divulgación, la predicción del riesgo de T1D se basa en la determinación del perfil del marcador de proteína de SHBG, ya sea solo en cualquier combinación con uno o más de los marcadores proteicos seleccionados del grupo que consiste en CO8G, ZPI, BTD, CO5 y THBG, y la comparación del perfil del marcador de proteína determinado con el de un control. Las diferencias en el perfil del marcador de proteína con respecto al perfil del marcador de control son indicativos de un riesgo de desarrollar T1D. Estos perfiles de marcadores son adecuados para ser utilizados en un período de tiempo previo a la seroconversión o desde el estado seroconvertido hasta el diagnóstico.
Un segundo panel marcador de proteínas que pertenece a la segunda categoría temporal comprende APOC4 y AFAM. Como se describe en los ejemplos a continuación, el análisis estadístico de muestras clínicas reveló que APOC4 y AFAM, preferiblemente en combinación, son marcadores de proteínas notablemente efectivos para determinar el riesgo de T1D con tasas de detección y de falsos positivos clínicamente aceptables. En este documento, APOC4 y AFAM se detectaron sistemáticamente a niveles dispares, más bajos y más altos, respectivamente, en muestras prospectivas de niños que desarrollaron T1D. En conjunto, se determinó una tasa de éxito del 91% con una tasa de falsos positivos del 5% con base en APOC4 junto con los niveles de AFAM (Figura
4A). El análisis de ROC de APOC4 en combinación con AFAM produjo un AUC de 0,87 (Figura 5A).
Por lo tanto, en una realización de la presente invención, la predicción del riesgo de T1D se basa en la determinación del perfil del marcador de proteína de APOC4 y AFAM, y en la comparación del perfil del marcador de proteína determinado con el de un control. Las diferencias en el perfil del marcador de proteína con respecto al perfil del marcador de control son indicativos de un riesgo de desarrollar T1D.
Un tercer panel del marcador de proteína temporal identificado comprende proteínas cuyos niveles de expresión reflejan la transición del estado seroconvertido hacia el diagnóstico. Los análisis de datos actuales revelaron que la progresión a T1D se caracteriza por la disminución de IBP2 y ADIPO, y el aumento de CO2. Por lo tanto, los pacientes seroconvertidos deben ser monitorizados para detectar estos marcadores de proteínas como indicadores de la gravedad antes de la enfermedad y/o para identificar cualquier necesidad de intervención, además, cuando se toman junto con el contraste proporcionado junto con SHBG y CO8G (Figura 9).
Por lo tanto, en una realización de la presente divulgación, la predicción del riesgo de T1D se basa en la determinación del perfil del marcador de proteína de IBP2, ADIPO y CO2, y en la comparación del perfil del marcador de proteína determinado con el de un control. Las diferencias en el perfil del marcador de proteína con respecto al perfil del marcador de control son indicativos de un riesgo de desarrollar T1D. En una realización adicional, dicho perfil de marcador incluye, además de IBP2, ADIPO y CO2, uno o ambos de SHBG y CO8G.
En algunas realizaciones, los paneles marcadores de proteínas definidos anteriormente se pueden usar en cualquier combinación deseada. Por lo tanto, un panel marcador de proteínas que comprende PROF1 y FLNA y, opcionalmente, al menos uno de TAGL2, VASP, CFL1, ACTB y TMSB4X, se puede usar en combinación con un panel marcador de proteínas que comprende SHBG y, opcionalmente, al menos uno de CO8G, ZPI, BTD, CO5 y THBG, o con un panel marcador de proteínas que comprende APOC4 y AFAM, o con un panel marcador de proteínas que comprende IBP2, ADIPO y CO2 y, opcionalmente, uno o ambos de SHBG y CO8G. Del mismo modo, en algunas realizaciones, un panel marcador de proteínas que comprende SHBG y, opcionalmente, al menos uno de CO8G, ZPI, BTD, CO5 y THBG, se puede usar en combinación con un panel marcador de proteínas que comprende APOC4 y AFAM, o con un panel marcador de proteína compuesto por IBP2, ADIPO y CO2, y opcionalmente uno o ambos de SHBG y CO8G. Del mismo modo, un perfil de marcador de proteína que comprende APOC4 y AFAM se puede usar en combinación con un panel marcador de proteína que comprende IBP2, ADIPO y CO2, y opcionalmente uno o ambos de SHBG y CO8G.
En algunas realizaciones, evaluar o predecir el riesgo de un individuo de T1D puede basarse en determinar, además de los perfiles de marcadores de proteínas establecidos anteriormente, el nivel o la cantidad de uno o más marcadores de proteínas establecidos en la Tabla 4 y/o Tabla 5. La selección de uno o más de estos marcadores de proteína adicionales que se van a usar puede depender de una variedad de consideraciones prácticas, tales como la disponibilidad de reactivos o equipos de prueba de marcadores de proteínas.
En resumen, utilizando un análisis basado en espectrometría de masas de sueros inmuno-agotados, los presentes inventores han demostrado por primera vez los perfiles proteómicos séricos de la transición prediabética hasta el diagnóstico, comparando los perfiles entre niños que progresan a la diabetes tipo 1 y niños sanos. Estos resultados demuestran cambios longitudinales compartidos y grupales específicos contra un trasfondo de amplia heterogeneidad del sujeto, lo que sugiere que los componentes de las proteínas séricas moderadamente abundantes pueden ser indicativos de la amenaza emergente de la diabetes tipo 1.
Opcionalmente, los procedimientos presentes pueden comprender además determinar variaciones en el perfil proteómico del individuo en diferentes puntos de tiempo con el fin de monitorizar, preferiblemente antes de la seroconversión, cualquier cambio en el desarrollo del riesgo de T1D.
En algunas implementaciones, los procedimientos actuales para predecir el riesgo de un individuo de padecer T1D pueden incluir además una intervención terapéutica. Una vez que se identifica que un individuo tiene un mayor riesgo de T1D, puede ser sometido, por ejemplo, a cambios en la dieta o de otro tipo en el estilo de vida del individuo.
En algunas implementaciones adicionales, los paneles identificados en el presente documento de marcadores de proteína predictivos se pueden usar para seleccionar nuevos compuestos terapéuticos o fármacos preventivos para la T1D. En otras palabras, los paneles actuales se pueden usar para evaluar si un medicamento candidato es capaz o no de corregir el perfil del marcador de proteína de un individuo en riesgo hacia el de un individuo no afectado. Por ejemplo, los individuos identificados con un mayor riesgo de T1D en función de su perfil de marcador de proteína perteneciente a la primera o segunda categoría temporal de marcadores de proteína predictivos podrían emplearse como objetivos en los ensayos de vacunación preventiva o en los ensayos destinados a identificar agentes preventivos, como los probióticos, para T1D.
En otras realizaciones e implementaciones adicionales, los paneles de marcadores de proteínas identificados en el presente documento se pueden usar para determinar la etapa de progresión de un individuo hacia T1D y/o para monitorizar o predecir la progresión de un individuo hacia T1D. Dicha etapa de progresión puede ser una etapa anterior a la seroconversión, por ejemplo, 3 a 6 meses antes de la seroconversión o 9 a 12 meses antes de la seroconversión, o una etapa posterior a la seroconversión, por ejemplo, diagnóstico previo de 3 a 6 meses, diagnóstico previo de 9 a 12 meses o diagnóstico previo de 15 a 18 meses. De los paneles de marcadores de proteínas divulgados en el presente documento, el panel i), es decir, PROF1 y FLNA, opcionalmente, con uno o más marcadores de proteínas seleccionados del grupo que consiste en TAGL2, VASP, CFL1, ACTB y TMSB4X, es particularmente adecuado para monitorizar dicha progresión de la T1D del individuo en la etapa anterior a la seroconversión y predicción de la progresión a la etapa posterior a la seroconversión, por ejemplo de tal manera que se predice que dicho individuo se enfrentará a la etapa posterior a la seroconversión, por ejemplo, dentro de 9 a 12 meses o de 3 a 6 meses. El panel marcador de proteínas ii), es decir, SHBG, opcionalmente, con uno o más marcadores de proteínas seleccionados del grupo que consiste en CO8G, ZPI, BTD, CO5 y THBG, y/o el panel marcador de proteínas iii), es decir, AFAM y APOC4, también pueden usarse como se indicó anteriormente con respecto al panel i) pero, alternativamente o además, también pueden usarse para monitorizar la progresión de T1D de dicho individuo en la etapa posterior a la seroconversión o predecir la progresión hacia el diagnóstico de T1D, por ejemplo de tal manera que se predice que dicho individuo se enfrentará al diagnóstico de T1D, por ejemplo, dentro de 9 a 12 meses o de 3 a 6 meses. El panel iv), es decir, IBP2, ADIPO y CO2, opcionalmente, con uno o ambos de SHBG y CO8G, es particularmente adecuado para monitorizar la progresión de T1D de dicho individuo en la etapa posterior a la seroconversión o predecir la progresión hacia el diagnóstico de T1D, por ejemplo, de tal manera que se predice que dicho individuo enfrentará el diagnóstico de T1D, por ejemplo dentro de 9 a 12 meses o de 3 a 6 meses
En otras implementaciones adicionales, la presente divulgación se refiere a un kit in vitro para predecir, preferiblemente antes de la seroconversión, el riesgo de que un sujeto desarrolle T1D. El kit puede usarse en cualquiera de los procedimientos de la presente divulgación. Típicamente, el kit comprende uno o más agentes de prueba para analizar una muestra obtenida de un individuo cuyo riesgo de T1D se debe determinar para uno o más de los paneles marcadores de proteínas divulgados aquí, indicativos de un riesgo de desarrollar T1D. En algunas realizaciones, el kit puede comprender uno o más agentes de prueba que reconocen un perfil de marcador de proteína que comprende:
i) PROF1 y FLNA, y, opcionalmente, también uno o más marcadores de proteínas seleccionados del grupo que consiste en TAGL2, VASP, CFL1, ACTB y TMSB4X;
ii) SHBG y, opcionalmente, también uno o más marcadores de proteínas seleccionados del grupo que consiste en CO8G, ZPI, BTD, CO5 y THBG;
iii) AFAM y APOC4; o
iv) IBP2, Ad IPO y CO2 y, opcionalmente, uno o ambos de SHBG y CO8G.
En algunas realizaciones, el kit también puede comprender agentes de prueba para cualquier marcador de proteína, o una combinación de los mismos, enumerados en la Tabla 4 o 5.
El kit también puede comprender un medio legible por ordenador que comprende instrucciones ejecutables por ordenador para realizar cualquier procedimiento de la presente divulgación.
Será obvio para una persona experta en la técnica que, a medida que la tecnología avanza, el concepto inventivo se puede implementar de varias maneras. La invención y sus realizaciones no se limitan a los ejemplos descritos a continuación, sino que pueden variar dentro del alcance de las reivindicaciones.
Ejemplos
Ejemplo 1. Diseño y procedimientos de investigación
En la Figura 1 se ilustra un esquema del diseño experimental utilizado en la identificación de estos marcadores. En el Ejemplo 2 se proporcionan una descripción detallada de las mediciones proteómicas, de las muestras y de las comparaciones.
Sujetos y recolección de muestras
Todos los niños estudiados que eran participantes en el estudio finlandés DIPP, eran niños identificados con riesgo de diabetes tipo 1 en función de su genotipo de HLA se les hizo seguimiento prospectivamente desde el nacimiento. Se tomaron muestras de sangre venosa no en ayunas de los niños en cada visita del estudio. Los sueros se separaron y almacenaron a -70 °C dentro de las tres horas posteriores a la recolección de muestras de sangre. Las mediciones de autoanticuerpos de células de los islotes (ICA) se realizaron como se describió anteriormente. Para los niños positivo para ICA, también se determinó la descarboxilasa del ácido glutámico (GADA), los anticuerpos de la proteína relacionada con la tirosina fosfatasa (IA-2A) y los anticuerpos de la insulina (IAA).
Se realizaron mediciones proteómicas en sueros de 28 casos de niños que desarrollaron diabetes tipo 1 durante el seguimiento de DIPP. Se seleccionaron muestras de suero prospectivas (5-11 por niño) para representar diferentes fases de la progresión de la T1D desde autoanticuerpo negativo a la seroconversión (SC) y aún más hasta la enfermedad manifiesta. Se comparó un niño con control negativo persistente de autoanticuerpos con cada caso (generalmente del orden de siete muestras por niño), según la fecha y el lugar de nacimiento, el género y el genotipo HLA-DQB1. Las muestras de suero de control prospectivo se emparejaron con las muestras de casos por edad al momento del muestreo. En total, se analizaron 409 muestras de suero, de las cuales se procesaron sueros de veintiséis niños (13 pares de casos y controles) para el análisis con iTRAQ, y de treinta niños (15 pares de casos y controles) para el análisis utilizando un enfoque sin etiqueta (Tabla 2, Figura 2 ).
Figure imgf000010_0001
Preparación de la muestra
Se eliminó de las muestras de suero las proteínas más abundantes usando columnas de inmunoafinidad. Las columnas de Beckman-Coulter (IgY-12) y Agilent (Hu14) se usaron en este estudio, donde siempre se aplicó el mismo procedimiento de eliminación a las muestras de seguimiento de cada par caso-control.
Se compararon muestras de veintiséis niños usando el procedimiento iTRAQ, usando veintisiete esquemas de etiquetado ITRAQ de 8-plex pareados / referencia cruzada de las muestras. Para el etiquetado con iTRAQ, las muestras se procesaron luego de acuerdo con el protocolo del fabricante para los reactivos de 8-plex (ABSciex, Framingham, MA, EE. UU.), luego se fraccionaron utilizando cromatografía de intercambio catiónico fuerte. El esquema de etiquetado típico para las mediciones de iTRAQ fue el indicado en la Figura 3, donde se usó una referencia combinada para relacionar los experimentos.
Las muestras de treinta niños se compararon utilizando la cuantificación sin etiqueta (LFQ), con la concentración y la digestión realizadas de manera similar a las muestras de iTRAQ, con las digestiones sin fraccionar antes de la LC-MS /MS. Se realizaron dos lotes de análisis, a saber, LFQ1 (n = 6 pares) y LFQ2 (n = 9 pares).
Análisis de LC-MS/MS
Los análisis de espectros de masas en tándem de HPLC (LC-MS/MS) se realizaron con un instrumento de tiempo de vuelo QSTAR-Elite (TOF) y un instrumento de transformada de Fourier (FT) Orbitrap-Velos. Para el análisis de las muestras marcadas con iTRAQ, se utilizaron los modos de disociación inducida por colisión y de disociación de colisión de mayor energía para registrar los espectros de masas en tándem de iones positivos para QSTAR-Elite y Orbitrap-Velos, respectivamente. Los datos sin etiqueta se adquirieron con Orbitrap-Velos mediante disociación inducida por colisión. Las separaciones cromatográficas se realizaron con columnas cónicas de 150 mm x 75 |jm de diámetro interno empacadas con sílice unida a Magic C18 (200 A), utilizando gradientes binarios de agua y acetonitrilo con ácido fórmico al 0,2%.
Procesamiento de datos de LC-MS/MS
Los datos de iTRAQ se analizaron utilizando el software ProteinPilotMR usando el algoritmo de identificación ParagonMR con una base de datos Swiss-Prot humana (18/08/2011, 20.245 entradas). Las búsquedas en la base de datos se realizaron en el modo completo especificando la cuantificación de iTRAQ de 8-plex, la digestión con tripsina y la modificación de cisteína con MMTS. Las relaciones de iTRAQ se calcularon en relación con las muestras de referencia utilizando ProteinPilotMR
Los datos sin etiqueta se analizaron con Proteome Discover versión 1.3 (Thermo Scientific) junto con Mascot (2.1, Matrix Science). Los criterios de búsqueda de la base de datos fueron la digestión con tripsina, la modificación de la cisteína con MMTS, la desamidación de N/Q y la oxidación de metionina, utilizando la misma base de datos. Se utilizaron los ajustes de tolerancia de masa de 5 ppm para los precursores y 0,5 Da para fragmentos. Para el análisis cuantitativo, se utilizó el software Progenesis (versión 4.0) para la detección y alineación de características de los mapas de iones y el cálculo de las mediciones de abundancia basadas en la intensidad para cada proteína. Para facilitar la comparación de los datos sin etiqueta con los resultados de iTRAQ, se escalaron los valores de intensidad de cada proteína en relación con la intensidad media de cada proteína a través de la serie de muestras de casocontrol pareados.
Análisis de los datos
Diferencias proteómicas en suero entre niños sanos y los que progresan a diabetes tipo 1. Se calcularon los índices de abundancia de caso-control para las muestras pareadas. Las relaciones se transformaron en log2 y se utilizaron en el intervalo de análisis de productos (RP) como es bien conocido en la técnica para identificar diferencias a lo largo de la serie temporal (n = 28), antes de la detección de la seroconversión de autoanticuerpos (n = 23) y antes del diagnóstico (n = 28). Los análisis de RP se realizaron con permutaciones de 10.000 veces y se aplicó una tasa de descubrimiento falsa (FDR) menor o igual al 5% (corrección de Benjamini-Hochberg (BH)). Las diferencias analizadas se hicieron para las relaciones promedio caso-control en los siguientes intervalos de tiempo (seleccionados en función de la similitud de la serie de muestras utilizada): a lo largo de la serie temporal; antes de la seroconversión, es decir, de 3 a 6 meses, de 9 a 12 meses y el período total; antes del diagnóstico, es decir, de 3 a 6 meses, de 9 a 12 meses, dentro de 1,5 años y en totalidad. Se realizaron pruebas estadísticas adicionales utilizando la prueba de suma de intervalos de Wilcoxon.
Cambios en la proteómica en suero en niños que progresan a diabetes tipo 1. Se realizaron análisis de correlación de intervalo de Spearman para evaluar si alguno de los perfiles de proteínas estaba correlacionado con la aparición de T1D. Los análisis se realizaron para los índices de abundancia de caso-control recopilados de las muestras pareadas. Para esta comparación hubo once pares bien emparejados con muestras antes y después de la seroconversión (sujetos D1, D4, D5, D9, D10, D11, D12, D14, D15, D17, D19). El análisis se repitió por separado para los sujetos de caso y control con índices de referencia. Para unificar este análisis, se escaló el eje de edad / tiempo entre el nacimiento y el diagnóstico (cero a uno). Un coeficiente de correlación de Spearman superior a 0,4 se consideró una correlación débil válida (valor p basado en 10.000 permutaciones del eje de tiempo. BH corrigió FDR < 0,05).
Clasificación del sujeto y el estado. El procedimiento de los pares con mejores puntuaciones (TSP) se aplicó para identificar si las combinaciones de las proteínas cuantificadas podían clasificar las muestras y los sujetos. El procedimiento de dejar uno fuera fue utilizado para la validación cruzada. El procedimiento se probó en términos de abundancia relativa de proteínas a lo largo de la serie temporal, antes o después de la seroconversión, así como para los cambios longitudinales entre individuos asociados supuestamente con el estado seroconvertido. Los valores promediados de abundancia relativa de log2 de proteína en el sujeto se utilizaron para los períodos de tiempo estudiados. En los datos preliminares (ITRAQ y LFQ1), se detectó APOC4 en 16 de los 19 pares de sujetos, los 16 se analizaron por separado con el procedimiento TSP. La falta de cuantificación de APOC4 en todos los niños se atribuyó a las diferencias en el rendimiento del instrumento en lugar de su ausencia.
Ejemplo 2. Información suplementaria sobre muestras
Sujetos y muestras
Los detalles de las muestras de suero obtenidas en niños que progresan a diabetes tipo 1 (D) y sus controles pareados (C) se muestran en las Tablas 3a, 3b y 3c a continuación.
Tabla 3a. Muestras de iTRAQ
Figure imgf000012_0001
_ D2_3 724 195 -794 1 C2_3 552 D2_4 940 411 -578 1 C2_4 742 D2_5 1143 614 -375 1 C2_5 914 D2_6 1234 705 -284 1 C2_6 1107 D27 1446 917 -72 1 C27 1470 D3_1 M asculino 2/0302 278 -195 -1145 0 C3_1 Masculino 2/302 278 D3_2 740 267 -683 0 C3_2 559 D3_3 1004 531 -419 1 C3_3 636 D3_4 1110 637 -313 1 C3_4 722 D3_5 1146 673 -277 1 C3_5 925 D3_6 1308 835 -115 1 C3_6 1092 D37 1423 950 0 1 C37 1286 D4_1 Fem enino 02/0302 183 -370 -1016 0 C4_1 Fem enino 02/302 190 D4_2 299 -254 -900 0 C4_2 370 D4_3 453 -100 -746 0 C4_3 453 D4_4 553 0 -646 0 C4_4 547 D4_5 645 92 -554 1 C4_5 644 D4_6 756 203 -443 1 C4_6 730 D47 1199 646 0 1 C47 1192 D5_1 Fem enino 201/0302 87 -1169 -2462 0 C5_1 Fem enino 201/302 92 D5_2 547 -709 -2002 0 C5_2 567 D5_3 907 -349 -1642 0 C5_3 902 D5_4 1073 -183 -1476 0 C5_4 1092 D5_5 1256 0 -1293 0 C5_5 1296 D5_6 2187 931 -362 1 C5_6 2184 D57 2549 1293 0 1 C57 2571 D6_1 M asculino 201/0302 673 479 -899 1 C6_1 M asculino 201/302 549 D6_2 769 575 -803 1 C6_2 637 D6_3 944 750 -628 1 C6_3 727 D6_4 1047 853 -525 1 C6_4 913 D6_5 1271 1077 -301 1 C6_5 1090 D6_6 1364 1170 -208 1 C6_6 1273 D67 1450 1256 -122 1 C67 1452 D7_1 Fem enino 201/0302 733 532 -753 1 C7_1 Fem enino 201/302 659 D7_2 833 632 -653 1 C7_2 735 D7_3 964 763 -522 1 C7_3 910 D7_4 1087 886 -399 1 C7_4 1099 D7_5 1188 987 -298 1 C7_5 1275 D7_6 1265 1064 -221 1 C7_6 1464 D77 1402 1201 -84 1 C77 1653 D8_1 Masculino 201/0302 1018 646 -643 1 C8_1 Masculino 201/302 640 D8_2 1102 730 -559 1 C8_2 730 D8_3 1207 835 -454 1 C8_3 900 D8_4 1318 946 -343 1 C8_4 1101 D8_5 1410 1038 -251 1 C8_5 1255 D8_6 1486 1114 -175 1 C8_6 1465 D87 1590 1218 -71 1 C87 1640 D9_1 M asculino 201/0302 102 -795 -1206 0 C9_1 Masculino 201/302 103 D9_2 233 -664 -1075 0 C9_2 273 D9_3 392 -505 -916 0 C9_3 366
Figure imgf000014_0001
Tabla 3b. Muestras sin etiqueta LFQ1
Figure imgf000015_0001
Figure imgf000016_0001
Tabla 3c. Muestras sin etiqueta LFQ2
Figure imgf000017_0001
Figure imgf000018_0001
Figure imgf000019_0001
Comparaciones de muestras
Muestras apareadas
Las comparaciones para las muestras se emparejaron principalmente dentro de una ventana de tiempo de 60 días, con unas pocas excepciones en las que se usó una muestra posterior. Las muestras donde no se pudo realizar el emparejamiento solo se utilizaron para obtener una visión general en el agolpamiento de los perfiles de expresión. Para el análisis de los puntos de tiempo seleccionados, se realizó la siguiente agrupación (basada en el uso de los índices pareados de caso / control) según las edades y los intervalos de tiempo en la Tabla 3a y la Tabla 3b: Las muestras se agruparon en función del tiempo de recolección
i) 3 a 6 meses antes de la seroconversión;
ii) 9 a 12 meses antes de la seroconversión;
iii) 3 a 6 meses antes del diagnóstico;
iv) 9 a 12 meses antes del diagnóstico;
v) 15 a 18 meses antes del diagnóstico;
vi) a lo largo de los 18 meses antes del diagnóstico.
Ejemplo 3. Resultados
Las mediciones de iTRAQ detallaron en promedio la comparación cuantitativa de 220 proteínas, y en total se identificaron 658 proteínas y se cuantificaron con dos o más péptidos únicos. En comparación con las concentraciones de referencia y después de excluir los objetivos de agotamiento, estas abarcaban un intervalo de concentraciones estimadas de seis órdenes de magnitud. Con los análisis que utilizan un enfoque sin etiqueta, se detectaron y cuantificaron sistemáticamente 261 proteínas con más de un péptido único y abarcan un intervalo de detección dinámico similar. Había 248 proteínas comunes a las dos técnicas.
Diferencias entre los proteomas en suero de los niños que desarrollaron T1D y sus controles pareados por edad Para los sujetos considerados en este estudio, los niños que desarrollaron T1D tenían niveles más bajos de SHBG, APOC4, APOC2 y APOC1 que sus controles sanos de la misma edad (FDR <3%) (Tabla 3).
En muestras antes de la seroconversión, se observaron niveles más bajos de APOC4 y APOC2 y APOA en niños que desarrollaron diabetes tipo 1 que en sus controles. De manera similar, la consideración específica de las muestras 3 a 6 meses antes de la seroconversión fue consistente con los niveles más bajos de IBP2, TSP4, APOC2 y APOC4, así como una mayor abundancia relativa de PROF1, FLNA y TAGL2.
Con un análisis similar de los datos posteriores a la seroconversión de la misma edad, varias proteínas se distinguieron con una abundancia relativa más baja, incluidas SHBG, ADIPO, THBG, APOC4, APOC2, IBP2, APOC1 y APOC3 (FDR < 5%, Tabla 4) .
Tabla 4. Proteínas en suero detectadas a diferentes niveles entre los niños que progresan a diabetes tipo 1 y sus controles emparejados
Figure imgf000020_0001
(continuación)
Figure imgf000021_0001
Cambios longitudinales en el proteoma del suero de los niños en ruta hacia T1D
Con el análisis de los índices de abundancia de proteínas, no se observaron correlaciones significativas entre los índices de caso-control con el tiempo hacia el diagnóstico. Por el contrario, las correlaciones de referencia de caso y control produjeron una indicación mucho más clara de los cambios longitudinales en el proteoma sérico tanto en el caso como en el control. A diferencia de las proteínas correlacionadas observadas tanto con los niños de caso como de control (> 0,4, FDR <0,05), hubo cambios en la abundancia de 26 proteínas (14 aumentaron y 12 disminuyeron, FDR <5%, Tabla 5). Esto incluyó las proteínas informadas en la Tabla 4, destacando su utilidad para evaluar el avance de la enfermedad.
Tabla 5. Cambios longitudinales en proteínas en suero específicas para niños con desarrollo de T1D
Figure imgf000022_0001
(Continuación)
Figure imgf000023_0001
Tabla 6. Anotaciones GO enriquecidas en proteínas que aumentan en los niños, que progresaron a diabetes tipo 1
Figure imgf000024_0001
continuación
Figure imgf000025_0001
Clasificación sérica proteómica de los sujetos con desarrollo de T1D
Se aplicó el procedimiento de los pares de puntaje más alto (TSP) para identificar si las combinaciones de las proteínas cuantificadas podían clasificar las muestras y los sujetos. El procedimiento de dejar uno fuera fue utilizado para la validación cruzada.
El análisis de TSP para los sujetos de iTRAQ y LFQ1 en el que se cuantificó APOC4 (16 de 19) clasificó a los niños que progresaron a diabetes tipo 1 con una tasa de éxito del 91%; el área bajo la curva fue de 0,89. La clasificación se basó en la combinación de los niveles relativos de APOC4 y AFAM, que fueron más bajos y más altos que en los controles, respectivamente (Figuras 4A y 5A).
El análisis de TSP para los sujetos LFQ2 demostró que la SHBG en combinación con otras proteínas produjo una buena clasificación de los sujetos a lo largo de las series de tiempo (hasta un 94% de tasa de éxito). El análisis de los datos sin etiqueta solamente (LFQ1 y LFQ2) reveló que la combinación de SHBG y BTD proporcionó un AUC de 0,85 para los datos posteriores a la seroconversión y 0,77 antes de la seroconversión.
Para los datos recopilados, SHBG proporcionó áreas bajo la curva para combinaciones de curvas de operador recibidas de estos marcadores del orden de 0,75 a 0,81. Estas combinaciones incluían niveles más altos de los siguientes: THBG, CO8G, BTD, CO5 y ZPI.
La profilina 1 (PFN1) se ha asociado con inflamación y resistencia a la insulina, y se detectaron diferencias especialmente significativas antes y después de la seroconversión (disminuyendo en este último caso). En particular, se observó un pico en la profilina 1 antes de la seroconversión y el análisis de la ruta de las proteínas diferencialmente abundantes detectadas en este período de tiempo indicó proteínas relacionadas funcionalmente (Figura 7). De hecho, las características ROC de la combinación de PROF1 y FLNA mejoraron el AUC a 0,88. En conjunto, estos hallazgos reflejan diferencias metabólicas y cambios previos al diagnóstico de diabetes tipo 1.

Claims (6)

REIVINDICACIONES
1. Un procedimiento para predecir, determinar y/o monitorizar un riesgo de y/o progresión hacia la diabetes tipo 1 (T1D) en un individuo, comprendiendo el procedimiento:
a) determinar un perfil del marcador de proteína en una muestra obtenida del individuo, comprendiendo dicho perfil afamina (AFAM) y apolipoproteína C-IV (APOC4);
b) comparar el perfil del marcador de proteína determinado y un perfil de control correspondiente, y
c) en respuesta a la comparación, determinar una predicción correspondiente a un riesgo relativo de que el individuo desarrolle T1D o una etapa de progresión hacia T1D.
2. El procedimiento de acuerdo con la reivindicación 1, en el que el riesgo de T1D se predice antes de la seroconversión.
3. El procedimiento de acuerdo con la reivindicación 1 o 2, en el que el individuo tiene un riesgo conferido por HLA de T1D.
4. El procedimiento de acuerdo con una cualquiera de las reivindicaciones 1 a 3, que comprende además: determinar uno o más marcadores de proteína seleccionados de los que se enumeran en la Tabla 4 y/o Tabla 5, comparar los marcadores de proteína determinados y los marcadores de control correspondientes, y
en respuesta a la comparación, determinar una predicción correspondiente a un riesgo relativo de que el individuo desarrolle T1D.
5. El procedimiento de acuerdo con una cualquiera de las reivindicaciones 1 a 4, en el que dicha comparación y determinación de la predicción son realizadas por un procesador de un dispositivo informático.
6. El procedimiento de acuerdo con una cualquiera de las reivindicaciones precedentes, en el que dicha muestra es una muestra de sangre entera, una muestra de plasma, una muestra de suero, una muestra que comprende células sanguíneas purificadas, una muestra de tejido o una muestra de orina.
ES15738959T 2014-06-18 2015-06-18 Procedimientos para determinar el riesgo de diabetes tipo 1 mediante biomarcadores de proteínas séricas Active ES2728669T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FI20140186 2014-06-18
PCT/FI2015/050448 WO2015193552A2 (en) 2014-06-18 2015-06-18 Means and methods for determining risk of type-1 diabetes by serum protein biomarkers

Publications (1)

Publication Number Publication Date
ES2728669T3 true ES2728669T3 (es) 2019-10-28

Family

ID=53673964

Family Applications (2)

Application Number Title Priority Date Filing Date
ES19160490T Active ES2825573T3 (es) 2014-06-18 2015-06-18 Medios y métodos para determinar el riesgo de diabetes tipo 1 mediante biomarcadores de proteínas séricas
ES15738959T Active ES2728669T3 (es) 2014-06-18 2015-06-18 Procedimientos para determinar el riesgo de diabetes tipo 1 mediante biomarcadores de proteínas séricas

Family Applications Before (1)

Application Number Title Priority Date Filing Date
ES19160490T Active ES2825573T3 (es) 2014-06-18 2015-06-18 Medios y métodos para determinar el riesgo de diabetes tipo 1 mediante biomarcadores de proteínas séricas

Country Status (7)

Country Link
US (2) US10877034B2 (es)
EP (2) EP3158337B1 (es)
DK (2) DK3517958T3 (es)
ES (2) ES2825573T3 (es)
HU (1) HUE052117T2 (es)
PL (2) PL3517958T3 (es)
WO (1) WO2015193552A2 (es)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114113624B (zh) * 2020-08-28 2024-08-16 香港城市大学深圳研究院 利用免疫球蛋白关联蛋白质组开发疾病标志物的方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1840573A1 (en) * 2006-03-27 2007-10-03 Institut Pasteur Secreted proteins as early markers and drug targets for autoimmunity, tumorigenesis and infections
WO2010141469A2 (en) 2009-06-01 2010-12-09 Case Western Reserve University Protein biomarkers and therapeutic targets for autoimmune and alloimmune diseases
US20120177660A1 (en) * 2011-01-06 2012-07-12 Georgia Health Sciences University Research Institute, Inc. Biomarkers and therapeutic targets for type 1 diabetes
WO2013106851A2 (en) * 2012-01-13 2013-07-18 Eastern Virginia Medical School Syncollin, pancreatic triacylglycerol lipase, and other biomarkers for diabetes
WO2014015217A1 (en) * 2012-07-19 2014-01-23 Vertex Pharmaceuticals Incorporated Biomarkers for hcv infected patients

Also Published As

Publication number Publication date
EP3158337B1 (en) 2019-03-06
PL3517958T3 (pl) 2021-04-19
PL3158337T3 (pl) 2019-08-30
US20210080458A1 (en) 2021-03-18
HUE052117T2 (hu) 2021-04-28
DK3517958T3 (da) 2020-10-12
EP3517958A1 (en) 2019-07-31
EP3158337A2 (en) 2017-04-26
US20170160276A1 (en) 2017-06-08
EP3517958B1 (en) 2020-08-12
DK3158337T3 (da) 2019-05-13
US12007391B2 (en) 2024-06-11
ES2825573T3 (es) 2021-05-17
WO2015193552A2 (en) 2015-12-23
US10877034B2 (en) 2020-12-29
WO2015193552A3 (en) 2016-03-24

Similar Documents

Publication Publication Date Title
JP6851096B2 (ja) 乳癌検出用唾液バイオマーカー、及び、これを用いた乳癌患者を健常者から識別するための方法
Soria et al. Tear proteome and protein network analyses reveal a novel pentamarker panel for tear film characterization in dry eye and meibomian gland dysfunction
DK2569446T3 (en) DIAGNOSTIC MARKERS FOR NEUROPsychiatric Disease
EP3260866B1 (en) Novel biomarkers for cognitive impairment and methods for detecting cognitive impairment using such biomarkers
US8772038B2 (en) Detection of saliva proteins modulated secondary to ductal carcinoma in situ of the breast
US20160169915A1 (en) Biomarkers of autism spectrum disorder
JP2016520192A (ja) 腎機能に関連付けられるバイオマーカーおよびそれを使用する方法
US8945854B2 (en) Methods and compositions for biomarkers of fatigue
CN113396332A (zh) 评价妊娠进展和早产流产以进行临床干预的方法及其应用
Tremlett et al. Serum proteomics in multiple sclerosis disease progression
US20190178900A1 (en) Autism subsets
US20160187354A1 (en) Diagnostic markers for multiple sclerosis
Jackson et al. Dry eye disease and proteomics
US8673644B2 (en) Serum markers for type II diabetes mellitus
Patel et al. Characterization of low molecular weight urinary proteins at varying time intervals in type 2 diabetes mellitus and diabetic nephropathy patients
WO2020185563A1 (en) Stratification by sex and apoe genotype identifies metabolic heterogeneity in alzheimer&#39;s disease
ES2728669T3 (es) Procedimientos para determinar el riesgo de diabetes tipo 1 mediante biomarcadores de proteínas séricas
WO2014160237A2 (en) Methods of prognosing preeclampsia
US20230213521A1 (en) Biomarkers for detection of lung cancer
Tsou et al. Low level anti-Hu reactivity: A risk marker for small cell lung cancer?
JP7519094B2 (ja) 自閉症スペクトラム障害の診断方法
KR102569948B1 (ko) 암 검출 방법
Sohaei The use of proteomic analyses to identify potential cerebrospinal fluid biomarkers in Multiple Sclerosis
Dierks et al. Menopause Hormone Replacement Therapy and Lifestyle Factors affect Metabolism and Immune System in the Serum Proteome of Aging Individuals
WO2024044763A1 (en) Mass spectrometry analysis of markers for alzheimer&#39;s disease