NMR-based metabolic profiling for identifying urinary biomarkers in chronic kidney disease and acute kidney injury

Abstract

만성신장질환은 전세계적으로 유행하는 질환이고, 급성신부전은 중환자실 환자의 약 2/3에 영향을 주는 주요 합병증 중 하나이다. 만성신장질환과 급성 신부전은 주로 진단을 위해 혈청 크레아티닌 수치를 이용한다. 그러나 이 방법에는 몇 가지 제한사항이 있다. 따라서 만성 신장 질환과 급성 신부전을 진단하기 위한 새로운 진단 생체표지를 발견 할 필요가 있다. 본 연구에서는 800MHz 핵 자기 공명 분광학을 이용하여 만성신장질환 환자, 급성신부전 환자, 대조 군의 소변에서 대사의 차이를 확인하였다. 주성분분석 그래프에서 대조 군과 만성신장질환 환자가 분리되었고, 급성신부전 환자 역시 대조 군과 강하게 분리되었다. 부분 최소 자승 판별 분석과 스펙트럼 t 검정을 통해 잠재적인 새로운 진단 생체표지 후보군인 8개 대사체를 발견하였다. 또한, 각각의 주요 대사 산물에 대해 수신기 작동 특성 그래프 분석을 수행했고, 곡선 아래 면적을 통해 좋은 예측 능력을 관찰하였다. 추가 적으로 성별과 나이에서 유의적인 차이가 없는 대사 산물의 조합을 이용하여 수신기 작동 특성 그래프 분석을 수행한 결과, 가장 큰 곡선 아래 면적 값을 나타냈다. 이는 만성신장질환 또는 급성신부전을 예측하기 위해 요로 대사물질을 진단 생체표지로써 사용할 수 있음을 나타낸다 이 연구는 대조 군과 비교했을 때, 만성신장질환과 급성신부전에서 요로 대사 산물이 변화 되는 것을 보여주었고, 만성신장질환과 급성신부전의 진단을 위한 새로운 진단 생체표지를 찾기 위해 대사체적 접근법이 임상적으로 사용 될 수 있음을 보여주었다.;Chronic kidney disease (CKD) is a worldwide disease and acute kidney injury (AKI) is one of the major complications affecting approximately 2/3 of intensive care unit (ICU) patients. CKD and AKI use serum creatinine levels for diagnosis. However, since there are several limitations to this approach, it is necessary to discover new diagnostic biomarkers to diagnose CKD and AKI. In this study, metabolic profiling was applied to investigate metabolic difference and find new diagnostic biomarkers in urine from patients with CKD (n=80), AKI (n=80) and healthy controls (n=80) using 800 MHz nuclear magnetic resonance (NMR) and multivariate analysis. PCA scores plots derived from 1H-NMR spectroscopy showed a clear separation between CKD patients and healthy controls. AKI patients are strongly separated from healthy controls. PLS-DA and spectrum t-test were used to identify potential metabolites biomarkers. Interestingly, 8 principal metabolites that are 3-hydroxyisovalerate, citrate, dimethylamine, glucose, glycerol, glycine, hippurate, and trimethylamine N-oxide contributing to the complete separation were identified. The area under the curve (AUC) of each principal metabolites was examined by ROC curve analysis. In addition, we analyzed the combination model of metabolites with no significantly difference in sex and age, and confirmed the highest AUC value. This study demonstrates potential of metabolomics as a diagnostic tool in kidney diseases.