Refine
Has Fulltext
- yes (4)
Is part of the Bibliography
- yes (4)
Year of publication
- 2022 (4) (remove)
Document Type
- Journal article (3)
- Doctoral Thesis (1)
Keywords
- metabolomics (4) (remove)
Institute
- Comprehensive Cancer Center Mainfranken (2)
- Medizinische Klinik und Poliklinik I (2)
- Graduate School of Life Sciences (1)
- Julius-von-Sachs-Institut für Biowissenschaften (1)
- Klinik und Poliklinik für Mund-, Kiefer- und Plastische Gesichtschirurgie (1)
- Theodor-Boveri-Institut für Biowissenschaften (1)
Sonstige beteiligte Institutionen
EU-Project number / Contract (GA) number
- 633983 (2)
Nonlimited proliferation is one of the most striking features of neoplastic cells. The basis of cell division is the sufficient presence of mass (amino acids) and energy (ATP and NADH). A sophisticated intracellular network permanently measures the mass and energy levels. Thus, in vivo restrictions in the form of amino acid, protein, or caloric restrictions strongly affect absolute lifespan and age-associated diseases such as cancer. The induction of permanent low energy metabolism (LEM) is essential in this process. The murine cell line L929 responds to methionine restriction (MetR) for a short time period with LEM at the metabolic level defined by a characteristic fingerprint consisting of the molecules acetoacetate, creatine, spermidine, GSSG, UDP-glucose, pantothenate, and ATP. Here, we used mass spectrometry (LC/MS) to investigate the influence of proliferation and contact inhibition on the energy status of cells. Interestingly, the energy status was essentially independent of proliferation or contact inhibition. LC/MS analyses showed that in full medium, the cells maintain active and energetic metabolism for optional proliferation. In contrast, MetR induced LEM independently of proliferation or contact inhibition. These results are important for cell behaviour under MetR and for the optional application of restrictions in cancer therapy.
Die Fähigkeit sich an die Rotation der Erde und den daraus resultierenden Tag- und Nacht-Rhythmus anzupassen, basiert auf einer komplexen Regulation verschiedener physiologischer Prozesse. Auf molekularer Ebene liegt diesen Prozessen eine Orchestration von Uhr-Genen zugrunde – auch als innere Uhr bezeichnet – die einen aktivierenden bzw. reprimierenden Einfluss auf die Expression einer Vielzahl weiterer Gene hat. Ausgehend von dieser Regulation lassen sich auf unterschiedlichsten Ebenen tageszeitabhängige, wiederkehrende Rhythmen beobachten.
Während diese wiederkehrenden Rhythmen auf einigen Ebenen bereits gut erforscht und beschrieben sind, gibt es weitere Ebenen wie den Metabolismus, über die das Wissen bisher noch begrenzt ist.
So handelt es sich bei Drosophila beispielsweise um den Organismus, dessen innere Uhr auf molekularer Ebene wahrscheinlich mit am besten charakterisiert ist. Dennoch ist bisher nur wenig über Stoffklassen bekannt, deren Metabolismus durch die innere Uhr kontrolliert wird.
Zwar konnte bereits gezeigt werden, dass sich eine gestörte innere Uhr auf die Anlage der Energiespeicher auswirkt, inwiefern dies allerdings einen Einfluss auf dem intermediären Stoffwechsel hat, blieb bisher weitgehend unerforscht. Auch die Frage, welche Metaboliten wiederkehrende, tageszeitabhängige Rhythmen aufweisen, wurde bisher nur für eine begrenzte Anzahl Metaboliten untersucht.
Bei der hier durchgeführten Arbeit wurden deshalb zunächst die globalen Metabolit-Profile von Fliegen mit einer auf molekularer Ebene gestörten inneren Uhr (per01) mit Fliegen, die über eine funktionale Uhr verfügen (CantonS), zu zwei Zeitpunkten verglichen. Um die Anzahl der zeitgleich untersuchten Gewebe und somit die Komplexität der Probe zu reduzieren, wurden hierfür die Köpfe von den Körpern der Fliegen getrennt und separat analysiert. Beide Körperteile wurden sowohl auf kleine hydrophile als auch auf hydrophobe Metaboliten hin mittels UPLC-ESI-qTOF-MS untersucht. Die anschließend durchgeführte, statistische Analyse brachte hervor, dass sich Unterschiede zwischen den beiden Fliegenlinien besonders in den Spiegeln der essentiellen Aminosäuren, den Kynureninen, den Pterinaten sowie den Spiegeln der Glycero(phospho)lipiden und Fettsäureester zeigten. Bei den Lipiden zeigte sich, dass die Auswirkungen weniger ausgeprägt für die Anlage der Speicher- und Strukturlipide als für die Intermediate des Lipidabbaus, die Diacylglycerole (DAGs) sowie die Acylcarnitine (ACs), waren.
Um zu bestätigen, dass die inneren Uhr tatsächlich einen regulatorischen Einfluss auf die ausgemachten Stoffwechselwege hat, wurden anschließend die Spiegel aller Mitglieder darauf hin untersucht, ob diese wiederkehrende, tageszeitabhängige Schwankungen aufweisen. Hierfür wurden Proben alle zwei Stunden über drei aufeinanderfolgende Tage genommen und analysiert, bevor mittels JTK_CYCLE eine statistische Analyse der Daten durchgeführt und die Metaboliten herausgefiltert wurden, die ein rhythmisches Verhalten bei einer Periodenlänge von 24h zeigten. Hierbei bestätigte sich, dass besonders die Mitglieder des intermediären Lipidmetablismus hiervon betroffen waren. So konnten zwar auch für einige Aminosäuren robuste Rhythmen ausgemacht werden, besonders ausgeprägt waren diese jedoch erneut bei den DAGs und den ACs. Die abschließende Untersuchung letzterer unter Freilaufbedingungen (DD) sowie in per01 brachte hervor, dass die ausgemachten Rhythmen unter diesen Bedingungen entweder nicht mehr detektiert werden konnten oder deutlich abgeschwächt vorlagen. Lediglich zwei kurzkettige ACs zeigten auch unter DD-Bedingungen statistisch signifikante Rhythmen in ihren Spiegeln. Dies spricht dafür, dass neben der Regulation durch die innere Uhr weitere Faktoren, wie beispielsweise das Licht, eine entscheidende Rolle zu spielen scheinen.
Despite considerable morbidity and mortality, numerous cases of endocrine hypertension (EHT) forms, including primary aldosteronism (PA), pheochromocytoma and functional paraganglioma (PPGL), and Cushing’s syndrome (CS), remain undetected. We aimed to establish signatures for the different forms of EHT, investigate potentially confounding effects and establish unbiased disease biomarkers. Plasma samples were obtained from 13 biobanks across seven countries and analyzed using untargeted NMR metabolomics. We compared unstratified samples of 106 PHT patients to 231 EHT patients, including 104 PA, 94 PPGL and 33 CS patients. Spectra were subjected to a multivariate statistical comparison of PHT to EHT forms and the associated signatures were obtained. Three approaches were applied to investigate and correct confounding effects. Though we found signatures that could separate PHT from EHT forms, there were also key similarities with the signatures of sample center of origin and sample age. The study design restricted the applicability of the corrections employed. With the samples that were available, no biomarkers for PHT vs. EHT could be identified. The complexity of the confounding effects, evidenced by their robustness to correction approaches, highlighted the need for a consensus on how to deal with variabilities probably attributed to preanalytical factors in retrospective, multicenter metabolomics studies.
Predicting hypertension subtypes with machine learning using targeted metabolites and their ratios
(2022)
Hypertension is a major global health problem with high prevalence and complex associated health risks. Primary hypertension (PHT) is most common and the reasons behind primary hypertension are largely unknown. Endocrine hypertension (EHT) is another complex form of hypertension with an estimated prevalence varying from 3 to 20% depending on the population studied. It occurs due to underlying conditions associated with hormonal excess mainly related to adrenal tumours and sub-categorised: primary aldosteronism (PA), Cushing’s syndrome (CS), pheochromocytoma or functional paraganglioma (PPGL). Endocrine hypertension is often misdiagnosed as primary hypertension, causing delays in treatment for the underlying condition, reduced quality of life, and costly antihypertensive treatment that is often ineffective. This study systematically used targeted metabolomics and high-throughput machine learning methods to predict the key biomarkers in classifying and distinguishing the various subtypes of endocrine and primary hypertension. The trained models successfully classified CS from PHT and EHT from PHT with 92% specificity on the test set. The most prominent targeted metabolites and metabolite ratios for hypertension identification for different disease comparisons were C18:1, C18:2, and Orn/Arg. Sex was identified as an important feature in CS vs. PHT classification.