V. ФУНДАМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ

​​​​​​​5.2. Молекулярные исследования

5.2.1. Разработка диагностических тест систем на основе микрочипов для реализации комплексного подхода к неинвазивной диагностике сердечно-сосудистых и других хронических неинфекционных заболеваний

Идентификация пациентов, относящихся к группе повышенного риска развития ХНИЗ остается важнейшей проблемой современной биомедицинской науки [1-3]. Одним из интенсивно развивающихся направлений персонализированной медицины, позволяющих осуществлять поиск биомаркеров, является протеомный анализ [4, 5], который стал важной частью биологических и клинических исследований и превращается в реальный инструмент для разработки и внедрения современных биотехнологий [6-8]; именно протеомику рассматривают как приоритетную область для выявления биомаркеров [7-10].

Согласно международному проекту «Протеом человека» (Нuman Proteome Project, НРР) [2, 9], планируется создание протеомной карты, включающей все белки, кодируемые геномом человека. Среди первоочередных задач проекта: составление протеомных карт основных, или «мастерных», белков плазмы крови, печени, головного мозга. Для целей персонализированной медицины в этом плане возлагаются большие надежды на получение данных, связанных с протеомом крови, с учетом индивидуальных изменений в норме и при развитии патологии. Среди методов протеомного анализа, перспективных для персонализированной медицины, следует отметить белковые биочипы, на которых иммобилизованы массивы связывающих белков [10-14].

К приоритетным задачам следует отнести и протеомное картирование основных заболеваний [7, 15], в том числе, терапевтического профиля. Полученные в ходе разработок данные позволят выявить взаимосвязи между белковыми детерминантами и различными патологическими состояниями, обнаружить целевые биомаркеры нарушений ключевых метаболических и сигнальных путей, вовлеченных в патогенез заболеваний, что внесет существенный вклад в прогресс биомедицинской науки (фундаментальный аспект), а также позволят сформировать базы данных по белкам, специфичным для той или иной патологии, и создать Протеомный Атлас ХНИЗ, как платформы для рационального выбора биомаркеров и разработки специфических систем для in vitro диагностики.

Протеомное профилирование, дополненное анализом экзома и транскриптома (мультиомная диагностика), открывает широкие перспективы в понимании патогенеза различных заболеваний, в разработке способов их диагностики и лечения [16].

Список литературы

1. Chan I.S., Ginsburg G.S. Personalized medicine: progress and promise. Annu Rev Genomics Hum Genet 2011; 12:217-44. doi:10.1146/annurev-genom-082410-101446.
2. Дедов И.И., Тюльпаков А.Н., Чехонин В.П. и др. Персонализированная медицина: современное состояние и перспективы. Вестник РАМН. 2012;12:4-12.
3. Грунина М.В., Лябин М.П. Многомерная биология как основа персонализированной медицины и медицины XXI века. Вестник ВолГУ. Серия 11, Естественные науки. 2018;8(2). doi:10/15688/ jvolsu11.2018.2.8.
4. Angenendt P. Progress in protein and antibody microarray technology. Drug Discovery Today. 2005;10(7):503-11. doi:10.1016/S1359-6446(05)03392-1.
5. Ridker P.M. Proteomics for the prediction and prevention of atherosclerotic disease. Eur Heart J. 2022;43(16):1578-1581. doi:10.1093/eurheartj/ehac036.
6. Chen R., Snyde M. Promise of Personalized Omics to Precision Medicine. Wiley Interdiscip Rev Syst Biol Med. 2013; 5(1):73-82. doi:10.1002/wsbm.1198.
7. Метельская В.А. Протеомный анализ сыворотки крови: возможности технологии с применением микрочипов на основе антител. Профилактическая медицина. 2022.25(12):135-143. doi:10.17116/profmed202225121135.
8. Гуманова Н.Г., Климушина М.В., Метельская В.А., Бойцов С.А. Возможности применения технологии protein microarray (микрочипов) для анализа белкового состава сыворотки крови. Клин Лабор Диагн. 2015;60(10):16-21.
9. Adhikari S., Nice E.C., Deutsch E.W., et al. A high-stringency blueprint of the human proteome. Nature Communications. 2020;11:5301. doi:10.1038/s41467-020-19045-9.
10. Cretich M., Damin F., Chiari M. Protein microarray technology: how far off is routine diagnostics? Analyst. 2014;139(3):528-42. doi:10.1039/c3an01619f.
11. Wingren С., Borrebaeck C.A. Antibody-based microarrays. Methods Mol Biol. 2009;509:57-84. doi:10.1007/978-1-59745-372-1_5.
12. Hartman M., Roeraade J., Stoll D., Templin M.F., Joos T.O. Protein microarrays for diagnostic assays. Anal Bioanal Chem. 2009;393(5):1407-16. doi:10.1007/s00216-008-2379.
13. Díez P., Dasilva N., González-González M., et al. Data Analysis Strategies for Protein Microarrays. Microarrays 2012;1:64-83. doi:10.3390/microarrays1020064.
14. Qi H., Wang F., Tao S-ce. Proteome microarray technology and application: higher, wider, and deeper. Expert Rev Proteomics. 2019;16(10):815-27. doi:10.1080/14789450.2019.1662303.
15. Stakhneva E.M., Meshcheryakova I.A., Demidov E.A., Starostin K.V., Peltek S.E., Voevoda M.I., Ragino Y.I. Changes in the proteomic profile of blood serum in coronary atherosclerosis. J Med Biochem. 2020;39(2):208-214. doi:10.2478/jomb-2019-0022.
16. Hasin Y., Seldin M., Lusis A. Multi-omics approaches to disease. Genome Biol. 2017;18:83-97. doi:10.1186/s13059-017-1215-1.

5.2.2. Мультимаркерные биомаркеры неинвазивной диагностики хронических неинфекционных заболеваний

Наблюдаемое на современном этапе развитие биотехнологий с использованием автоматизированных аналитических методов, сопряженное с улучшением их чувствительности и производительности, позволило существенно продвинуться в области поиска и изучения биомаркеров ХНИЗ [1-3].

В реальной клинической практике терапия атерогенных нарушений остается субоптимальной. Проблема улучшения стратификации сердечно-сосудистого риска с последующей разработкой профилактических мер может быть решена путем поиска новых маркеров, в том числе, их различных сочетаний, и формирования комплексных диагностических панелей [4-6].

Сочетание ряда комплементарных подходов, включая транскриптомный, протеомный, метаболомный и липидомный анализ, позволяет из множества метаболических путей выделять ключевые процессы, нарушение которых детерминирует развитие заболевания [1, 7]. Итогом можно считать концептуальный сдвиг от изучения индивидуальных маркеров к разработке мультимаркерных панелей оценки риска развития ХНИЗ и их осложнений [7-9].

Перспективным направлением может стать комплексный анализ протеомного профиля и ключевых метаболических показателей в сыворотке крови, а также их различных комбинаций в качестве мультимаркерных индикаторов, характеризующих различные стадии развития патологического процесса, то есть разработка вариантов мультиплексного определения различных белков и метаболитов в одном биологическом образце [10, 11].

Одним из актуальных путей поиска биомаркеров представляется анализ комплексов или комбинаций показателей, сочетающих клинико-инструментальные (визуальные) характеристики, социально-демографические показатели, генетические вариации, то есть формирование так называемых интегрированных биомаркеров [5, 9].

Стоит отметить, что поскольку интегрированный биомаркер рассчитывается на основании определения вполне доступных для применения в практическом здравоохранении показателей, его использование позволяет стратифицировать пациентов, например, в зависимости от наличия и степени атеросклеротического поражения коронарных артерий, дифференцируя пациентов на группы низкого (отсутствие клинических проявлений), умеренного (субклинический атеросклероз) и высокого (выраженный атеросклероз) риска развития заболеваний и их осложнений [5, 9].

Таким образом, изучение различных комбинаций клинико-демографических, клинико-инструментальных (визуальных) и биохимических/метаболических показателей, доступных практическому здравоохранению, в сочетании с одновременно проведенным генетическим/транскриптомным анализом [7] позволит создать мультимаркерные диагностические панели для неинвазивной (малоинвазивной) персонализированной детекции ХНИЗ, в частности, коронарного атеросклероза и его тяжести [10]. Исследования в рамках развития указанного стратегического направления могут послужить основой для разработки диагностических, прогностических, терапевтических и профилактических медицинских приложений.

Список литературы

1. Marcovina S.M., Crea F., Davignon J., et al. Biochemical and bioimaging markers for risk assessment and diagnosis in major cardiovascular diseases: a road to integration of complementary diagnostic tools. J Intern Med. 2007;261:214-34. doi:10.1111/j.1365-2796.2006.01734.x.
2. Hoefer I.E., Steffens S., Ala-Korpela M.; ESC Working Group Atherosclerosis and Vascular Biology. Novel methodologies for biomarker discovery in atherosclerosis. Eur Heart J. 2015;36(39):2635-doi: 10.1093/eurheartj/ehv236.
3. Tibaut M., Caprnda M., Kubatka P., et al. Markers of Atherosclerosis: Part 1 - Serological Markers. Heart Lung Circ. 2019; 28(5):667-77. doi: 10.1016/j.hlc.2018.06.1057.
4. Koenig W. Integrating biomarkers: the new frontier? Scand J Clin Lab Invest Suppl. 2010;242: 117-23. doi:10.3109/00365513.2010.493427.
5. Метельская В.А., Гаврилова Н.Е., Яровая Е.А., Бойцов С.А. Интегрировнный биомаркер: возможности неинвазивной диагностики коронарного атеросклероза. РКЖ. 2017;22(6):132-8. doi:10.15829/1560-4071-2017-6-132-138.
6. Гуманова Н.Г., Климушина М.В., Гаврилова Н.Е., Метельская В.А. Комбинированные маркеры начальной стадии атеросклероза коронарных артерий. Биомед. химия. 2017;63(3):272-7. doi:10.18097.
7. Hasin Y., Seldin M., Lusis A. Multi-omics approaches to disease. Genome Biol. 2017;18:83-97. doi: 10.1186/s13059-017-1215-1.
8. Метельская В.А. Атеросклероз: мультимаркерные диагностические панели. РКЖ. 2018; 23(8):65-72. doi: 10.15829/1560-4071-2018-8-65-72.
9. Metelskaya V.A., Gavrilova N.E., Zhatkina M.V., et al. A Novel Integrated Biomarker for Evaluation of Risk and Severity of Coronary Atherosclerosis, and Its Validation. J Pers Med. 2022; 12(2): 206. doi: 10.3390/jpm12020206.
10. Master S.R., Bierl C., Kricka L.J. Diagnostic challenges for multiplexed protein microarrays. Drug Discov Today. 2006;11(21-22):1007-11. doi: 10.1016/j.drudis.2006.09.010.
11. Wang T.J. Assessing the role of circulating, genetic, and imaging biomarkers in cardiovascular risk prediction. Circulation. 2011;123:551-65. doi:10.1161/CIRCULATIONAHA.109.912568.