Аннотация
Актуальность. Альтерации кишечного микробиома могут иметь значение для прогрессирования хронических болезней почек.
Цель — выявление биомаркеров, ассоциированных с микробиомом, для последующей оценки их клинического и диагностического значения.
Материал и методы. Объект анализа — 20 перекодированных (с исключением доступа к персональным данным) образцов
сыворотки крови из коллекции НИИ нефрологии: 10 от добровольцев с отсутствием патологии почек и 10 от пациентов
с клинико-морфологически подтверждённым диагнозом иммуноглобулин A нефропатия (IgAN). Для целевого метаболомного анализа разработана методика определения 16 биомаркёров (9 уремических токсинов, холин, 6 аминокислот) методом
жидкостной хроматографии с тандемным масс-спектрометрическим детектированием высокого разрешения (ВЭЖХ-МС/
МС ВР). Разделение компонентов проводили в режиме обращённофазовой градиентной ВЭЖХ. Детектирование при целевом
анализе проводили в режиме регистрация полного ионного тока (FTMS) в сочетании с регистрацией селективных реакций
(SRM), при нецелевом анализе использовали режим FTMS.
Результаты. Представлены результаты целевого и нецелевого метаболомных исследований образцов сыворотки крови здоровых добровольцев и пациентов с морфологически и клинически подтверждённым диагнозом первичной иммуноглобулин А
нефропатии (IgAN). С учётом данных ранее проведённых исследований сформирован перечень потенциальных биомаркёров,
ассоциированных с изменениями кишечного микробиома в условиях дисфункции почек и оценена перспективность их дальнейшего исследования и применения в клинической практике. Установлены достоверные различия в содержании фенилсульфата,
индолуксусной кислоты, пролина, тирозина, триптофана в образцах сыворотки крови представителей двух обследованных
групп. В рамках нецелевого подхода методом дискриминантного анализа с проекцией на латентные структуры (PLS-DA)
выявлены достоверные различия в метаболомном профиле сыворотки крови пациентов с установленным диагнозом IgAN и
добровольцев с отсутствием данного диагноза.
Заключение. Полученные данные указывают на перспективность исследований фенилсульфата, индолуксусной кислоты,
пролина, тирозина, триптофана в сыворотке крови для разработки подходов к диагностике нарушений метаболома у пациентов с IgAN.
Annotation
Background. Alterations in the gut microbiome may be important for the progression of chronic kidney disease.
Objective — identification of biomarkers associated with the microbiome for subsequent assessment of their clinical and diagnostic
significance.
Material and methods. The object of the analysis is 20 recoded (with no access to personal data) blood serum samples from the
collection of the Research Institute of Nephrology: 10 from volunteers with no kidney pathology and 10 from patients with a clinical
and morphologically confirmed diagnosis of immunoglobulin A nephropathy (IgAN). For targeted metabolomics analysis, a method
was developed for the determination of 16 biomarkers (9 uremic toxins, choline, 6 amino acids) using liquid chromatography with
high-resolution tandem mass-spectrometry (HPLC-MS/MS HR). The separation of components was carried out in reverse-phase
gradient HPLC mode. Detection for targeted analysis was carried out in the total ion current mode Fourier transform-based mass
spectrometry (FTMS) in combination with selective reaction monitoring (SRM); for non-targeted analysis, the FTMS mode was used.
Results. The paper presents the results of targeted and untargeted metabolomic studies of blood serum samples from healthy volunteers
and patients with a morphologically and clinically confirmed diagnosis of primary immunoglobulin A nephropathy (IgAN). Taking into
account data from previous studies, a list of potential biomarkers associated with changes in the intestinal microbiome in conditions
of kidney dysfunction was compiled and the prospects for their further research and use in clinical practice were assessed. Significant
differences were established in the content of phenyl sulfate, indoleacetic acid, proline, tyrosine and tryptophan in blood serum samples
from representatives of the two examined groups. Within the framework of a non-targeted approach, the method of discriminant
analysis with projection onto latent structures (PLS-DA) revealed significant differences in the metabolomic profile of the blood serum
of patients with an established diagnosis of IgAN and volunteers without this diagnosis.
Conclusion. The data obtained indicate the promise of studies of phenyl sulfate, indoleacetic acid, proline, tyrosine and tryptophan in
blood serum for the development of approaches to the diagnosis of metabolome disorders in patients with IgAN.
Key words: kidney diseases; immunoglobulin A nephropathy; blood serum; uremic toxins; high performance liquid chromatography
tandem mass spectrometry; metabolomics study
Список литературы
Л И Т Е Р А Т У Р А ( П П . 2 — 9 , 1 1 — 1 6 , 1 8 — 3 2 С М .
REFERENCES)
1. Данилова Е.Ю., Васалатий И.М., Носырев А.Е., Мальцева Л.Д.,
Морозова О.Л. Метаболом мочи в диагностике хронической болезни почек (обзор литературы). Клиническая лабораторная диагностика. 2023; 68 (5): 253-60. DOI: 10.51620/0869-2084-2023-
68-5-253-260.
10. Дон Е.С., Тарасов А.В., Эпштейн О.И., Тарасов С.А. Биомаркеры
в медицине: поиск, выбор, изучение и валидация. Клиническая лабораторная диагностика. 2017; 62(1): 52-9. DOI: 10.18821/0869-
2084-2017-62-1-52-59.
17. Гецина М.Л., Черневская Е.А., Белобородова Н.В. Роль общих для
человека и микробиоты метаболитов триптофана при тяжелых заболеваниях и критических состояниях (обзор). Клиническая
практика. 2020; 11(1): 92-102. DOI: 10.17816/clinpract19068.
REFERENCES
1. Danilova E.Yu., Vasalatii I.M., Nosyrev A.E., Maltseva L.D., Morozova O.L. Urine metabolome in the diagnosis of chronic kidney
disease (review of literature). Klinicheskaya Lаboratornaya Diagnostika. 2023; 68 (5): 253-60. DOI: 10.51620/0869-2084-2023-68-5-
253-260. (in Russian)
2. Mishima E., Fukuda S., Mukawa C., Yuri A., Kanemitsu Y., Matsumoto Y. Evaluation of the impact of gut microbiota on uremic solute
accumulation by a CE-TOFMS-based metabolomics approach. Kidney Int. 2017; 92(3): 634-45. DOI: 10.1016/j.kint.2017.02.011
3. Jha V., Garcia-Garcia G., Iseki K., Li Z., Naicker S., Plattner B., Yang
C.W. Chronic kidney disease: Global dimension and perspectives.
Lancet. 2013; 382: 260-72. DOI: 10.1016/S0140-6736(13)60687-X.
4. Mucha K., Pac M., Pączek L. Omics are Getting Us Closer to
Understanding IgA Nephropathy. Archivum Immunologiae et Therapiae
Experimentalis, 2023; 71(1): DOI: 10.1007/s00005-023-00677-w.
5. Radhakrishnan A., Elango A., Ilanchoorian D. Aging gut microbiota
and chronic kidney disease. Gut Microbiota in Aging and Chronic
Diseases. 2023. 153-73. DOI: 10.1007/978-3-031-14023-5_8.
6. Lun H., Yang W., Zhao S., Jiang M., Xu M., Liu F., Wang Y. Altered
gut microbiota and microbial biomarkers associated with chronic
kidney disease. Microbiology Open. 2018; 8(4): 00678. DOI: 10.1002/
mbo3.678.
7. Mc Carthy D.D., Kujawa J., Wilson C., Papandile A., Poreci U. Mice
overexpressing BAFF develop a commensal flora-dependent, IgAassociated nephropathy. J. Clin. Invest. 2011; 121: 3991-4002. DOI:
10.1172/JCI45563.
8. Huang Y., Xin W., Xiong J. The intestinal microbiota and metabolites
in the gut-kidney-heart axis of chronic kidney disease. Front
Pharmacol. 2022; 13: 837500. DOI: 10.3389/fphar.2022.837500.
9. Chasapi S. A., Karagkouni E., Kalavrizioti D., Vamvakas S., Zompra
A., Takis P. G., Goumenos D. S., Spyroulias G. A. NMR-based
metabolomics in differential diagnosis of chronic kidney disease
(CKD) subtypes. Metabolites. 2022; 12(6): 490. DOI: 10.3390/
metabo12060490 S.A.
10. Don E.S., Tarasov A.V., Epstein O.I., Tarasov S.A. Biomarkers in
medicine: search, selection, study and validation. Klinicheskaya
Laboratornaya Diagnostika. 2017; 62(1): 52-9. DOI: 10.18821/0869-
2084-2017-62-1-52-59. (in Russian)
11. Hirakawa Y., Yoshioka K., Kojima K., Yamashita Y., Shibahara T.,
Wada T., Nangaku M., Inagi R. Potential progression biomarkers of
diabetic kidney disease determined using comprehensive machine
learning analysis of non-targeted metabolomics. Sci. Rep. 2022;
12(1): 16287. DOI: 10.1038/s41598-022-20638-1.
12. Fu X., Luo Z.X., Yin H.H., Liu Y.N., Du X.G., Cheng W., Liu J.Y.
Metabolomics study reveals blood biomarkers for early diagnosis of chronic kidney disease and IgA nephropathy: A retrospective
cross-sectional study. Clin. Chim. Acta. 2024; 555: 117815. DOI:
10.1016/j.cca.2024.117815.
13. Dong L., Tan J., Zhong Z., Tang Y., Qin W. Altered serum metabolic
profile in patients with IgA nephropathy. Clin. Chim. Acta. 2023; 549:
117561. DOI: 10.1016/j.cca.2023.117561.
14. Davies R. The metabolomic quest for a biomarker in chronic kidney
disease, Clin.Kidney J. 2018; 11 (5): 694-703. DOI: 10.1093/ckj/sfy037.
15. Toft P.B., Vanslette A.M., Trošt K., Moritz T., Gillum MP, Bäckhed F,
Arora T. Microbial metabolite p-cresol inhibits gut hormone expression
and regulates small intestinal transit in mice. Front. Endocrinol.
(Lausanne). 2023; 14: 1200391. DOI: 10.3389/fendo.2023.1200391.
16. Zhang D., Jian Y.P., Zhang Y.N. et al. Short-chain fatty acids in
diseases. Cell Commun. Signal. 2023; 21: 212. DOI: 10.1186/
s12964-023-01219-9.
17. Getsina M.L., Chernevskaya E.A., Beloborodova N.V. The role of
tryptophan metabolites common to humans and microbiota in severe
diseases and critical conditions (review). Klinicheskaya praktika.
2020; 11(1): 92-102. DOI: 10.17816/clinpract19068. (in Russian)
18. Mair R.D., Sirich T.L., Plummer N.S., Meyer T.W. Characteristics of
colon-derived uremic solutes. Clin. J. Am. Soc. Nephrol. 2018; 13(9):
1398-1404. DOI: 10.2215/CJN.03150318.
19. Liabeuf S., Barreto D.V., Barreto F.C., Meert N., Glorieux G.,
Schepers E., Temmar M., Choukroun G., Vanholder R., Massy Z.A.
Free p-cresylsulphate is a predictor of mortality in patients at different
stages of chronic kidney disease. Nephrol. Dial. Transplant. 2010; 25:
1183-91. DOI: 10.1093/ndt/gfp592.
20. Machado T.S., Poitevin S., Paul P., McKay N., Jourde-Chiche N.,
Legris T. et al. Indoxyl sulfate upregulates liver P-glycoprotein
expression and activity through aryl hydrocarbon receptor signaling. J.
Am. Soc. Nephrol. 2018; 29: 906-18. DOI: 10.1681/ASN.2017030361.
21. Fabresse N., Uteem I., Lamy E., Massy Z., Larabi I.A., Alvarez J.C.
Quantification of free and protein bound uremic toxins in human
serum by LC-MS/MS: comparison of rapid equilibrium dialysis and
ultrafiltration. Clin. Chim. Acta. 2020; 507: 228-35. DOI: 10.1016/j.
cca.2020.04.032.
22. Souza A.L., Patti G.J. A Protocol for untargeted m Analysis: From
Sample Preparation to Data Processing. Methods Mol. Biol. 2021;
2276: 357-82. DOI: 10.1007/978-1-0716-1266-8_27.
23. Teo S.H., Endre Z.H. Biomarkers in acute kidney injury (AKI). Best
Pract. Res. Clin. Anaesthesiol. 2017; 31: 331-44. DOI: 10.1016/j.
bpa.2017.10.003.
24. Kikuchi K., Saigusa D., Kanemitsu Y., Matsumoto Y., Thanai P.,
Suzuki N. Gut microbiome-derived phenyl sulfate contributes
to albuminuria in diabetic kidney disease. Nat. Commun. 2019;
10(1):1835. DOI: 10.1038/s41467-019-09735-4.
25. Dou L., Sallée M., Cerini C., Poitevin S., Gondouin B., Jourde-Chiche
N. et al. The cardiovascular effect of the uremic solute indole-3
acetic acid. J. Am. Soc. Nephrol. 2015; 26(4): 876-87. DOI: 10.1681/
ASN.2013121283.
26. Liabeuf S., Laville S.M., Glorieux G., Cheddani L., Brazier F.,
Titeca Beauport D. et al. Difference in profiles of the gut-derived
tryptophan metabolite indole acetic acid between transplanted and
non-transplanted patients with chronic kidney disease. Int. J. Mol. Sci.
2020; 21(6): 2031. DOI: 10.3390/ijms21062031.
27. Ji Y., Yin W., Liang Y., Sun L., Yin Y., Zhang W. Anti-inflammatory
and anti-oxidative activity of indole-3-acetic acid involves induction
of HO-1 and neutralization of free radicals in RAW264.7 cells. Int. J.
Mol. Sci. 2020; 21(5): 1579. DOI: 10.3390/ijms21051579.
28. Chen Y., Pan R., Mei L., Tian P. Wang L., Zhao J., Chen W., Wang G.
Colon-Targeted Delivery of Indole Acetic Acid Helps Regulate Gut
Motility by Activating the AHR Signaling Pathway. Nutrients. 2023;
15: 4282. DOI: 10.3390/nu15194282.
29. Wu P.-H., Lin Y.-T., Wu P.-Y., Lee H.-H., Lee S.-C., Hung S.-C. et al.
Association between circulation indole-3-acetic acid levels and stem
cell factor in maintenance hemodialysis patients: a cross-sectional study.
Journal of Clinical Medicine. 2020; 9(1): 124. DOI: 10.3390/jcm9010124.
30. Andrianova N.V., Popkov V.A., Klimenko N.S., Tyakht A.V.,
Baydakova G.V., Frolova O.Yu. Microbiome-metabolome signature
of acute kidney injury. Metabolites. 2020; 10(4): 142. DOI: 10.3390/
metabo10040142.
31. Kopple J. D. Phenylalanine and Tyrosine Metabolism in Chronic Kidney Failure. The Journal of Nutrition. 2007; 137(6): 1586S-1590S.
DOI: 10.1093/jn/137.6.1586s.
32. Saito A., Niwa T., Maeda K., Kobayashi K., Yamamoto Y., Ohta K.
Tryptophan and indolic tryptophan metabolites in chronic renal failure. Am. J. Clin. Nutr. 1980; 33: 1402 DOI: 10.1093/ajcn/33.7.1402.