Přispějí čeští vědci k diagnostice a léčbě fibromyalgie?
Chronická bolest je již dlouho známa jako hlavní zdroj lidského utrpení a invalidity. Jedná se o závažný zdravotní problém, jeden z nejčastějších důvodů, proč lidé navštěvují zařízení primární péče. Patologická bolest je důsledkem abnormálního fungování nervového systému, a je spíše maladaptivní než ochranná. Zatím neexistují specifické biomarkery, ani zlatý standard pro diagnostiku podtypů patologické bolesti. To se však může brzy změnit. Tým vědců ze Španělska a České republiky vyvinul jednoduchou a inovativní metodu podpory klinického rozhodování, kombinující spektrum séra MALDI-TOF MS (Matrix Assisted Laser Desorption/Ionization Time-of-Flight Mass Spectrometry) a hodnocení bolesti s následnou analýzou dat pomocí umělých neuronových sítí umožňující identifikaci a klasifikaci podtypů patologické bolesti v experimentálních modelech s vysokou úrovní specifičnosti.
Patologickou bolest lze klasifikovat jako:
-
Neuropatickou bolest (NP) - invalidizující stav vyplývající z léze nebo onemocnění somatosenzorického nervového systému (cévní mozkové příhody, poranění nervů a centrálního nervového systému, neuropatie).
-
Nociplastickou bolest - způsobenou změněnou nocicepcí bez známek poškození somatosenzorického systému (fibromyalgie).
Neuropatická bolest i fibromyalgie (FM) se klinicky diagnostikují na základě anamnézy pacienta - hodnocené pomocí různých škál, dotazníků a fyzikálního vyšetření.
Patologická bolest je charakterizována třemi hlavními smyslovými příznaky:
-
hyperalgezií (zvýšená bolest z podnětu, který normálně vyvolává bolest)
-
alodynií (bolest způsobená podnětem, který normálně bolest nevyvolává)
-
spontánní bolestí (bolest, která nevzniká jako odpověď na podnět)
Není neobvyklé, že pacienti s NP i FM mají podobné smyslové fenomény a hyperalgezie a alodynie se běžně vyskytují u pacientů trpících oběma stavy. Samotné reakce na bolest tedy obvykle nepomáhají při rozlišování mezi patologickými podtypy bolesti a vzhledem k tomu, že za základní příznaky FM i NP jsou považovány i další nereflexní reakce na bolest, jako je úzkost a deprese, je správná klasifikace jednotlivých pacientů pro kliniky stále neřešenou výzvou. Navíc vzhledem k tomu, že neexistuje zlatý standard pro diagnostiku patologických podtypů bolesti, není překvapivé, že tyto stavy zůstávají obtížně léčitelné a kombinace nedostatku vhodných testů a účinné léčby vede k chronicitě bolesti spolu s přidruženými poruchami nálady, které negativně ovlivňují kvalitu života pacientů. V této souvislosti je vzhledem k důležitosti nalezení zlatého standardu diagnostiky patologických podtypů bolesti, který by zároveň mohl zlepšit šance na léčbu, zapotřebí nových diagnostických přístupů.
Vývoj a validace biomarkerů bolesti pro diagnostiku se staly významným tématem ve výzkumu bolesti. Přestože bylo vynaloženo velké úsilí na objevení specifického biomarkeru pro každý patologický stav bolesti, žádný biomarker pro chronickou bolest nebyl validován Úřadem pro kontrolu potravin a léčiv v USA ani Evropskou agenturou pro léčivé přípravky. Po mnoho desetiletí se ve většině studií určených k analýze biomarkerů používal tradiční imunoanalytický přístup založený na protilátkách, jako je imunohistochemie, enzymová imunosorbční analýza a Western Blot. Nicméně tyto přístupy mají několik omezení, včetně toho, že lze studovat pouze známé molekuly a pro jejich detekci musí existovat specifická protilátka proti těmto molekulám. Možnost studovat více biomarkerů zahrnujících širokou škálu molekul by byla vzhledem ke složitosti NP a FM jistě výhodná. V tomto ohledu nabízí vysoká rychlost, citlivost, selektivita a všestrannost hmotnostní spektrometrie (MS), techniky široce používané v analytické chemii, robustní a přesné nástroje pro objevování potenciálních biomarkerů. Z těchto technik MS je pro tento cíl zvláště vhodná matricová laserová desorpce/ionizace v čase letu (MALDI-TOF) MS vzhledem k tomu, že je schopna stanovit několik molekul současně i při velmi nízkých koncentracích. Navíc dokáže pokrýt široký rozsah molekulových hmotností s vysokou propustností a lze ji snadno automatizovat pro screening velkého počtu vzorků. Pro diagnostiku patologické bolesti chápeme jako nejlepší v současné době známou strategii použití necíleného přístupu otisků (fingerprinting), jehož cílem je odhalit změny v obecném vzoru prostřednictvím identifikace kombinace různých identit. Nové přístupy související s laserovou desorpční/ionizační hmotnostní spektrometrií s nanočásticemi (LDI MS) navíc umožňují vysoce výkonnou detekci metabolomických otisků pro klasifikaci onemocnění.
Ačkoli rozlišování molekulárních vzorů specifických pro danou chorobu může být obtížné kvůli biologické složitosti vzorků a instrumentální variabilitě, lze to vyřešit použitím umělých neuronových sítí (ANN) při analýze otisků. ANN jsou matematickou reprezentací lidské neuronové architektury a snaží se odrážet schopnost mozku učit se a zobecňovat. ANN mají schopnost modelovat nelineární systémy v nichž je vztah mezi proměnnými velmi složitý nebo dokonce neznámý, aniž by byl výrazně ovlivněn šumem signálu. Proto jsou ANN vhodné pro rozpoznávání a klasifikaci vzorů, a tedy i pro klinickou diagnostiku.
Již dříve bylo prokázáno, že použití MALDI-TOF MS k získání hmotnostních profilů biologických vzorků v kombinaci s nástroji umělé inteligence umožňuje rozlišit nemocné a zdravé vzorky krve v případě mnohočetného myelomu a onemocnění COVID-19. U onemocnění, které je v rozporu s normou, je možné použít ANN k rozpoznání nemocných od zdravých vzorků krve.
Metody MALDI-TOF MS byly dříve použity také ke stanovení potenciálních peptidových biomarkerů specifické patologické bolesti a pouze několik studií spojilo metody umělé inteligence pro diagnostiku nebo predikci patologické bolesti. Dosud však nebyly provedeny žádné studie zaměřené na rozlišování otisků různých podtypů patologické bolesti, které by bylo možné využít k vývoji diagnostických nástrojů pro zdravotníky. S ohledem na výše uvedené bylo cílem této studie analyzovat, zda by informace poskytované hmotnostními spektry různých vzorků patologické bolesti mohly být využity k tomu, aby ANN umožnily klasifikovat hmotnostní spektrální profily různých podtypů patologické bolesti a kontrolních vzorků na experimentálních modelech zvířat. Také byla hodnocena schopnost umělých neuronových sítí (ANN) rozlišovat mezi různými podtypy patologické bolesti s cílem posoudit potenciální vhodnost metodiky MALDI-TOF MS a analýzy ANN jako nástroje pro podporu klinického rozhodování při diagnostice a sledování patologických bolestivých stavů.
U myší byly vytvořeny čtyři patologické podtypy bolesti:
-
periferní neuropatická bolest (myši s chronickým zúžením sedacího nervu, CCI)
-
centrální neuropatická bolest (myši s poraněním míchy, SCI)
-
centrální nociplastická bolest vyvolaná fibromyalgií (myši s myalgií vyvolanou reserpinem, RIM6)
-
periferní nociplastická bolest vyvolaná fibromyalgií (myši s intramuskulární injekcí kyselého solného roztoku, ASI)
Následně byly zvířatům odebrány specifické vzorky séra pro posouzení navrhované metodiky založené na analýzách otisků MALDI-TOF MS ve spojení s ANN. U všech modelů se vyvinuly významné reflexní reakce na bolest ve srovnání s odpovídajícími zdravými kontrolními skupinami. Tyto výsledky byly v souladu s výsledky zjištěnými v literatuře.
Otisky hmotnostních spekter získané u všech patologických modelů bolesti u myší a zdravých myší byly podobné a zdálo se, že žádné jednotlivé píky neodpovídají klasifikátorům, to naznačuje, že neexistuje žádný specifický biomarker. Byly však nalezeny různé oblasti m/z obsahující více píků s různou intenzitou signálu mezi skupinami myší. Což se shoduje se současnými názory, že identifikace ideálního biomarkeru bolesti je ještě daleko. Stanovení prahové koncentrace konkrétní molekuly v séru jako koncového ukazatele je totiž u těchto onemocnění obtížné, protože koncentrace molekul se výrazně liší v závislosti na etiologii konkrétního bolestivého stavu. V této souvislosti se jako nejvhodnější jeví navrhovaná strategie měření několika sloučenin najednou za účelem identifikace obecných vzorců, nikoliv pouze jednotlivých biomolekul. Získané výsledky naznačily, že hlavní rozdíly jsou v oblasti nízkých hmotností (<1000 Da), to naznačuje možné otisky závislé na vzorku. V tomto hmotnostním rozmezí píky pravděpodobně odpovídají biomolekulám s nízkou molekulovou hmotností nebo metabolitům, které by se mohly uvolňovat z patofyziologických procesů nervového systému, jež excitují nociceptivní neurony, a následně se přes hematoencefalickou bariéru dostávají do oběhového systému, takže umožňují jejich detekci ve vzorcích séra. Tyto nízkomolekulární molekuly mohou poskytnout důležité informace pro pochopení a sledování biologických procesů při onemocnění a dalších fyziologických stavech.
Metabolity jsou posledním krokem v kaskádě omiky, protože tyto molekuly přímo souvisejí s fenotypem, a metabolomika je považována za nejvíce funkční. Byly zaznamenány změny v expresi nízkomolekulárních molekul, které se pravděpodobně podílejí na různých typech patologické bolesti. Například pokles antioxidačních molekul, jako je glutathion (307 Da) vyvolává mechanickou alodynii a tepelnou hyperalgezii po CCI, přetížení l-laktátem (89 Da), které je důsledkem aberantního přenosu laktátu mezi spinálními astrocyty a neurony je spojeno s udržováním neuropatické bolesti, a hladiny tetrahydrobiopterinu (BH4; 241 Da) jsou dramaticky zvýšeny v senzorických neuronech po poškození periferních nervů, což zvyšuje hypersenzitivitu bolesti.
Vzhledem k tomu, že technika MALDI TOF MS může detekovat biomolekuly s nízkou molekulovou hmotností, které mohou hrát klíčovou roli při vzniku a udržování patologické bolesti, byla provedena hlubší studie intenzit píků nízkého rozsahu, přičemž bylo zjištěno, že tato technika generuje velké množství dat, v nichž byly u všech modelů detekovány stovky m/z signálů. Tato data byla nejprve analyzována pomocí analýzy hlavních komponent (PCA) s cílem identifikovat potenciální specifické metabolomické vzorce, které jsou základem různých zvířecích modelů patologické bolesti. Vzorky byly vyneseny pomocí vygenerovaných hlavních komponent (PC) na 3D skóre, aby se zlepšila vizualizace a zjistilo zda skóre grafy odhalují trendy a odlehlé hodnoty. Tato chemometrická studie naznačila, že většinu vzorků patologické bolesti bylo možné seskupit a poměrně jasně odlišit od odpovídajících kontrol. Konkrétně modely centrální neuropatické bolesti (SCI), centrální nociplastické bolesti (RIM) a periferní nociplastické bolesti (ASI) vyvolané fibromyalgií byly jasně seskupeny do různých shluků, ačkoli u všech modelů byla pozorována překrývající se oblast proměnlivé velikosti. Pokud jde o model periferní neuropatické bolesti (CCI), ačkoli jeho vzorky byly seskupeny do jediného shluku, falešné vzorky byly rozptýlené a netvořily soudržný celek. Celkově tato zjištění ukazují, že údaje z hmotnostních spekter poskytují informace, které lze použít k rozlišení zvířat, která prožívají patologickou bolest, od těch, která ji neprožívají, což rovněž naznačuje, že v těchto hmotnostních spektrech mohou být přítomny metabolomické vzorce.
Dalším krokem byla kombinace otisků získaných pomocí analýz umělých neuronových sítí (ANN) s cílem vyvinout metodiku pro potenciální klasifikaci a diagnostiku. Ukázalo se, že otisky hmotnostních spekter v kombinaci s funkčními daty zlepšují schopnost modelů ANN úspěšně klasifikovat patologickou bolest i zdravé vzorky. A analýzou vzorků séra pomocí MALDI TOF MS a použitím analýz PCA a ANN na výsledné informace o hmotnostních spektrech lze rozlišit mezi periferní neuropatickou bolestí, centrální neuropatickou bolestí, centrální nociplastickou bolestí vyvolanou fibromyalgií, periferní nociplastickou bolestí vyvolanou fibromyalgií a kontrolními vzorky. Po dosažení tohoto milníku studie pokročila k vývoji nového modelu ANN, který by byl schopen rozlišovat mezi různými vzorky patologické bolesti, nikoli pouze mezi modely a kontrolními vzorky, a tedy potenciálně poskytnout diagnostický nástroj pro identifikaci podtypů patologické bolesti. Za tímto účelem byla porovnána hmotnostní spektra séra získaná pro čtyři patologické skupiny zahrnuté do studie - skupiny CCI, SCI, ASI a RIM - a použita k vývoji nové metodiky.
Souhrnně lze říci, že všechna zjištění potvrzují, že analýza séra pomocí MALDI TOF MS a následná analýza jeho dat pomocí ANN je vhodnou metodikou pro rozlišení podtypů patologické bolesti, a to i bez zahrnutí výstupů reflexní odpovědi na bolest. To je opravdu zajímavé, protože tyto výsledky lze považovat za napodobení toho, co se děje v případě lidí, vzhledem k tomu, že hyperalgezie a mechanická alodynie jsou dva z hlavních klinických projevů pacientů s neuropatickou bolestí i fibromyalgií, a tudíž by samy o sobě nebyly klinicky diskriminační. Kromě toho se u fibromyalgiků obvykle vyskytují rysy neuropatické bolesti a další fenotypové podobnosti nacházející se u pacientů obou etiologií a pro definici svých smyslových vjemů volí velmi podobné výrazy.
Tato zjištění lze s výhodou převést do klinické praxe při využití metodiky MALDI-TOF MS ANN jako nástroje pro podporu rozhodování při diagnostice a sledování patologických podtypů bolesti i pro detekci molekul podílejících se na vzniku a přetrvávání patologické bolesti, které by se mohly stát potenciálními terapeutickými cíli (léčbou).
Co si z článku odnést:
Hmotnostní spektrometr dokáže odhalit patologickou bolest
Analýzy otisků séra (fingerprinting) pomocí umělých neuronových sítí (ANN) umí rozlišit druh patologické bolesti bez nutnosti identifikace jednotlivých biomarkerů
Kombinace otisků hmotnostních spekter s funkčními daty zlepšují schopnost modelů umělých neuronových sítí úspěšně klasifikovat patologickou bolest
Kombinace MALDI-TOF MS a ANN je inovativní, jednoduchou a rychlou metodou pro diagnostiku bolesti, rozlišení podtypu patologické bolesti, sledování těchto zdravotních stavů a nalezení možné léčby
https://pubs.acs.org/doi/pdf/10.1021/acschemneuro.2c00665
Článek má pouze informativní charakter, nenahrazuje lékařskou péči. Léčbu vždy konzultujte s lékařem.
Sdílením článků zvyšujete povědomí nejen o FM.