Logo Logo
Help
Contact
Switch language to German
Analysis of metabolic profiles underlying surrogates for obesity and insulin resistance in young adults from the Western Australian Pregnancy Cohort (Raine) Study
Analysis of metabolic profiles underlying surrogates for obesity and insulin resistance in young adults from the Western Australian Pregnancy Cohort (Raine) Study
Objectives The prevalence of non-communicable disorders and diseases such as insulin resistance and obesity are currently on the rise worldwide in adults and children. However, the underlying metabolic mechanisms are not fully understood yet. Therefore, the methods of metabolomics are a good tool to analyse these mechanisms. Metabolomics analyses small molecules (MW<1.5kDa) in biological samples. The results collected can then be used for basic research, epidemiological studies or in the clinic in the form of biomarker. In the field of metabolomics, sex differences and underlying non-communicable disease development, are highly underrepresented. The aim of this thesis was to find potential markers for obesity and insulin resistance, as well as to analyse sex differences with respect to females taking hormonal contraceptives. The group of females taking hormonal contraceptives was taken into account, as the majority of the women are at least taking the pill, since its development in the 1960s and hormones are known to influence the metabolism. The overall aim was to set the foundation for future biomarker studies for obesity, insulin resistance and the metabolic syndrome, as well as to sensitise future biomarker studies and clinical application of those to sex differences. Methods Blood plasma samples together with anthropometric, sociodemographic and biological data from the 20 year follow-up of the Western Australian Pregnancy Cohort (Raine) Study have been analysed with the aim to find potential biomarkers for obesity and insulin resistance, as well as variables being associated with the metabolome. Firstly, metabolomics data coming from the laboratory underwent quality control. Following, was an analysis strategy, which has been developed for the metabolomics data set containing more than 200 individual metabolites, in association with obesity and insulin resistance. Further, markers for the metabolic syndrome, namely HDL-C, triacylglycerol and glucose concentrations as well as systolic blood pressure and waist circumference, have been analysed with respect to sex differences. To analyse the association between the metabolomics data and waist circumference/BMI and HOMA-Index as a marker for insulin resistance, multiple linear regression analysis has been performed, as it was possible to analyse single metabolites and their associations with the aforementioned obesity and insulin resistance marker. For sex differences, principal components analysis, analysis of variance and post-hoc regression analysis have been performed. All models have been corrected for multiple testing. Principal component analysis was used to depict the general variance in the data, by that the data was reduced to its principal components. These components contain a loading factor for every metabolite resulting from the laboratory analysis based on the variance, which this metabolite explains in relation to the general data set. By plotting the two components, that explain the biggest part of the variance, one can see if there are cluster, which, in the case of sex group analysis, explain the grouping. Results Sphingomyelin (SM), and phosphatidylcholine (PC) patterns have been identified as potential markers for waist circumference, while lyso-phosphatidylcholine C14:0 was associated with HOMA-IR. The results suggest weight status-dependent mechanisms for the development of IR with the respective lyso-phosphatidylcholine C14:0 as a key metabolite in non-obese IR. Further, an analysis according to sex showed significant differences, not only in general, but also disease specific. More than 100 metabolites have been significantly differently associated with sex and hormonal contraceptive use, 43 were significantly different in their effect size on disease markers for the metabolic syndrome and highlighted the importance and need for sex specific analysis in metabolomics and interventional as well as biomarker studies that also take hormonal contraceptive-usage in females into account. Conclusion In conclusion, this thesis showed that metabolomics seems to be valid for cross sectional analyses, showing potential marker for obesity and insulin resistance. Furthermore, the importance of sex sensitive or stratified analysis in the field of metabolomics biomarker studies was shown., Ziele Die Prävalenz nicht-übertragbarer Krankheiten wie Insulinresistenz und Adipositas steigt weltweit unter Erwachsenen und Kindern. Die zugrundeliegenden metabolischen Mechanismen sind nicht vollständig geklärt. Für dieses Forschungsfeld bietet sich daher die Analyse von Humanproben mit Hilfe von Metabolomics an. Metabolomics beruht auf der Erfassung und Erforschung der kleinsten Moleküle im Stoffwechsel (MW<1.5kDa). Die Ergebnisse können dann für Grundlagenforschung, epidemiologische Studien oder in der Klinik in Form von Biomarkern verwendet werden. In den oben genannten Krankheiten sind Geschlechterunterschiede bekannt, die auf der metabolischen Ebene so gut wie nicht erforscht sind, obwohl es etliche Hinweise auf deren Bestehen gibt. Aus diesem Grund war das Ziel dieser Arbeit, frühe Marker für Adipositas und Insulinresistenz, sowie deren zugrunde liegenden Geschlechterunterschiede mit Berücksichtigung der Gruppe von Frauen, die Hormonkontrazeptiva verwenden, zu finden. Die Gruppe der Kontrazeptiva wurde deshalb berücksichtigt, weil ein Großteil der Frauen zumindest die Pille verwendet, seit diese in den 60ern eingeführt wurde und Hormone bekanntermaßen den Stoffwechsel beeinflussen. Das übergeordnete Ziel war es, die Grundlage für zukünftige Biomarker für Adipositas, Insulinresistenz und das Metabolische Syndrom zu schaffen, sowie zukünftige Biomarker- und Metabolomics-Studien und deren Anwendung für Geschlechterunterschiede zu sensibilisieren. Methoden In dieser Arbeit wurden Blutplasmaproben sowie anthropometrische, soziodemographische und biologische Daten der Western Australian Pregnancy Cohort (Raine) Study mit dem Ziel analysiert, einerseits potentielle Biomarker für Adipositas und Insulinresistenz zu finden und andererseits potentielle Geschlechterunterschiede im Metabolom zu untersuchen. Zuerst musste eine Qualitätskontrolle der aus dem Labor kommenden Metabolomics Daten durchgeführt werden. Im Anschluss wurde eine Analysestrategie für den Datensatz mit mehr als 200 individuellen Metaboliten entwickelt, die diesen zusammen mit Markern für Adipositas und Insulinresistenz untersucht. Im Weiteren wurden Marker für das metabolische Syndrom, namentlich HDL-C, Triacylglycerol und Glukose-Konzentrationen, sowie systolischer Blutdruck und Hüftumfang, unter Berücksichtigung von Geschlechterunterschieden analysiert. Um die Assoziationen zwischen den Metabolomics Daten und Hüftumfang bzw. BMI und dem HOMA-Index als Marker für Insulinresistenz zu analysieren, wurde die Methodik der multiplen linearen Regression verwendet, da hierbei einzelne Metaboliten und deren Assoziation mit BMI und HOMA untersucht werden konnten. Für die Geschlechterunterschiede wurde die Hauptkomponentenanalyse (principal components analysis, PCA), Varianzanalyse (ANOVA) und post-hoc Regressionsanalyse verwendet. Alle Modelle wurden für multiples testen korrigiert. Die PCA wurde zur Untersuchung der generellen Varianz in den Daten herangezogen, indem hierbei der Datensatz auf seine Hauptkomponenten reduziert wurde. Diese Hauptkomponenten enthalten, basierend auf der Varianz, die dieser Analyt in den Gesamtdaten erklärt, für jeden aus der Laboranalyse resultierenden Analyten einen Gewichtungsfaktor. Indem man die beiden Komponenten die die meiste Varianz erklären plottet, erkennt man, ob sich Cluster bilden, die in diesem Fall die Geschlechtergruppen erklären. Ergebnisse Es konnten sowohl Sphingomyelin- und Phosphatidylcholine-Muster als potentielle Marker für Hüftumfang identifiziert werden, als auch Lyso-Phosphatidylcholine C14:0 als Marker für Insulinresistenz in nicht-adpösen Patienten. Diese Ergebnisse suggerieren einen gewichtsabhängigen Mechanismus welcher der Entwicklung von Insulinresistenz zugrunde liegt, mit dem Lyso-Phosphatidylcholine C14:0 als Schlüsselmetaboliten in nicht-adipösen Insulinresistenzpatienten. Des Weiteren konnten nicht nur generelle, sondern auch krankheitsbildspezifische, signifikante Geschlechterunterschiede gezeigt werden. Mehr als 100 Metaboliten waren signifikant Unterschiedlich mit dem Geschlecht oder der Hormonkontrazeptiva Gruppe assoziiert, während 43 signifikant unterschiedliche Effektgrößen in Assoziation mit Markern für das Metabolische Syndrom zeigten. Dieses Ergebnis zeigt die Bedeutung und den Bedarf an geschlechtsspezifischer Analyse in Biomarker Studien in Metabolomics, die auch die Gruppe der Frauen, die hormonelle Kontrazeptiva einnehmen, berücksichtigt. Schlussfolgerungen Zusammenfassend konnte diese Arbeit zeigen, dass Metabolomics ein valides Instrument zur Querschnittsanalyse darstellt, welches potentielle Biomarker für Adipositas und Insulinresistenz aufzeigen konnte. Außerdem zeigte sich die Wichtigkeit Geschlechtersensitiver oder –stratifizierter Analysen im Bereich der Biomarkersuche und –Forschung in Metabolomics. Es kann empfohlen werden, dass in zukünftigen Studien das Geschlecht der Studienteilnehmer stärkere Berücksichtigung finden sollte.
Metabolomics, Epidemiology, Lipidomics, Sex Differences, Lipoproteins
Rauschert, Sebastian
2017
English
Universitätsbibliothek der Ludwig-Maximilians-Universität München
Rauschert, Sebastian (2017): Analysis of metabolic profiles underlying surrogates for obesity and insulin resistance in young adults from the Western Australian Pregnancy Cohort (Raine) Study. Dissertation, LMU München: Faculty of Medicine
[img]
Preview
PDF
Rauschert_Sebastian.pdf

14MB
[img] ZIP
Rauschert_container.zip

17MB

Abstract

Objectives The prevalence of non-communicable disorders and diseases such as insulin resistance and obesity are currently on the rise worldwide in adults and children. However, the underlying metabolic mechanisms are not fully understood yet. Therefore, the methods of metabolomics are a good tool to analyse these mechanisms. Metabolomics analyses small molecules (MW<1.5kDa) in biological samples. The results collected can then be used for basic research, epidemiological studies or in the clinic in the form of biomarker. In the field of metabolomics, sex differences and underlying non-communicable disease development, are highly underrepresented. The aim of this thesis was to find potential markers for obesity and insulin resistance, as well as to analyse sex differences with respect to females taking hormonal contraceptives. The group of females taking hormonal contraceptives was taken into account, as the majority of the women are at least taking the pill, since its development in the 1960s and hormones are known to influence the metabolism. The overall aim was to set the foundation for future biomarker studies for obesity, insulin resistance and the metabolic syndrome, as well as to sensitise future biomarker studies and clinical application of those to sex differences. Methods Blood plasma samples together with anthropometric, sociodemographic and biological data from the 20 year follow-up of the Western Australian Pregnancy Cohort (Raine) Study have been analysed with the aim to find potential biomarkers for obesity and insulin resistance, as well as variables being associated with the metabolome. Firstly, metabolomics data coming from the laboratory underwent quality control. Following, was an analysis strategy, which has been developed for the metabolomics data set containing more than 200 individual metabolites, in association with obesity and insulin resistance. Further, markers for the metabolic syndrome, namely HDL-C, triacylglycerol and glucose concentrations as well as systolic blood pressure and waist circumference, have been analysed with respect to sex differences. To analyse the association between the metabolomics data and waist circumference/BMI and HOMA-Index as a marker for insulin resistance, multiple linear regression analysis has been performed, as it was possible to analyse single metabolites and their associations with the aforementioned obesity and insulin resistance marker. For sex differences, principal components analysis, analysis of variance and post-hoc regression analysis have been performed. All models have been corrected for multiple testing. Principal component analysis was used to depict the general variance in the data, by that the data was reduced to its principal components. These components contain a loading factor for every metabolite resulting from the laboratory analysis based on the variance, which this metabolite explains in relation to the general data set. By plotting the two components, that explain the biggest part of the variance, one can see if there are cluster, which, in the case of sex group analysis, explain the grouping. Results Sphingomyelin (SM), and phosphatidylcholine (PC) patterns have been identified as potential markers for waist circumference, while lyso-phosphatidylcholine C14:0 was associated with HOMA-IR. The results suggest weight status-dependent mechanisms for the development of IR with the respective lyso-phosphatidylcholine C14:0 as a key metabolite in non-obese IR. Further, an analysis according to sex showed significant differences, not only in general, but also disease specific. More than 100 metabolites have been significantly differently associated with sex and hormonal contraceptive use, 43 were significantly different in their effect size on disease markers for the metabolic syndrome and highlighted the importance and need for sex specific analysis in metabolomics and interventional as well as biomarker studies that also take hormonal contraceptive-usage in females into account. Conclusion In conclusion, this thesis showed that metabolomics seems to be valid for cross sectional analyses, showing potential marker for obesity and insulin resistance. Furthermore, the importance of sex sensitive or stratified analysis in the field of metabolomics biomarker studies was shown.

Abstract

Ziele Die Prävalenz nicht-übertragbarer Krankheiten wie Insulinresistenz und Adipositas steigt weltweit unter Erwachsenen und Kindern. Die zugrundeliegenden metabolischen Mechanismen sind nicht vollständig geklärt. Für dieses Forschungsfeld bietet sich daher die Analyse von Humanproben mit Hilfe von Metabolomics an. Metabolomics beruht auf der Erfassung und Erforschung der kleinsten Moleküle im Stoffwechsel (MW<1.5kDa). Die Ergebnisse können dann für Grundlagenforschung, epidemiologische Studien oder in der Klinik in Form von Biomarkern verwendet werden. In den oben genannten Krankheiten sind Geschlechterunterschiede bekannt, die auf der metabolischen Ebene so gut wie nicht erforscht sind, obwohl es etliche Hinweise auf deren Bestehen gibt. Aus diesem Grund war das Ziel dieser Arbeit, frühe Marker für Adipositas und Insulinresistenz, sowie deren zugrunde liegenden Geschlechterunterschiede mit Berücksichtigung der Gruppe von Frauen, die Hormonkontrazeptiva verwenden, zu finden. Die Gruppe der Kontrazeptiva wurde deshalb berücksichtigt, weil ein Großteil der Frauen zumindest die Pille verwendet, seit diese in den 60ern eingeführt wurde und Hormone bekanntermaßen den Stoffwechsel beeinflussen. Das übergeordnete Ziel war es, die Grundlage für zukünftige Biomarker für Adipositas, Insulinresistenz und das Metabolische Syndrom zu schaffen, sowie zukünftige Biomarker- und Metabolomics-Studien und deren Anwendung für Geschlechterunterschiede zu sensibilisieren. Methoden In dieser Arbeit wurden Blutplasmaproben sowie anthropometrische, soziodemographische und biologische Daten der Western Australian Pregnancy Cohort (Raine) Study mit dem Ziel analysiert, einerseits potentielle Biomarker für Adipositas und Insulinresistenz zu finden und andererseits potentielle Geschlechterunterschiede im Metabolom zu untersuchen. Zuerst musste eine Qualitätskontrolle der aus dem Labor kommenden Metabolomics Daten durchgeführt werden. Im Anschluss wurde eine Analysestrategie für den Datensatz mit mehr als 200 individuellen Metaboliten entwickelt, die diesen zusammen mit Markern für Adipositas und Insulinresistenz untersucht. Im Weiteren wurden Marker für das metabolische Syndrom, namentlich HDL-C, Triacylglycerol und Glukose-Konzentrationen, sowie systolischer Blutdruck und Hüftumfang, unter Berücksichtigung von Geschlechterunterschieden analysiert. Um die Assoziationen zwischen den Metabolomics Daten und Hüftumfang bzw. BMI und dem HOMA-Index als Marker für Insulinresistenz zu analysieren, wurde die Methodik der multiplen linearen Regression verwendet, da hierbei einzelne Metaboliten und deren Assoziation mit BMI und HOMA untersucht werden konnten. Für die Geschlechterunterschiede wurde die Hauptkomponentenanalyse (principal components analysis, PCA), Varianzanalyse (ANOVA) und post-hoc Regressionsanalyse verwendet. Alle Modelle wurden für multiples testen korrigiert. Die PCA wurde zur Untersuchung der generellen Varianz in den Daten herangezogen, indem hierbei der Datensatz auf seine Hauptkomponenten reduziert wurde. Diese Hauptkomponenten enthalten, basierend auf der Varianz, die dieser Analyt in den Gesamtdaten erklärt, für jeden aus der Laboranalyse resultierenden Analyten einen Gewichtungsfaktor. Indem man die beiden Komponenten die die meiste Varianz erklären plottet, erkennt man, ob sich Cluster bilden, die in diesem Fall die Geschlechtergruppen erklären. Ergebnisse Es konnten sowohl Sphingomyelin- und Phosphatidylcholine-Muster als potentielle Marker für Hüftumfang identifiziert werden, als auch Lyso-Phosphatidylcholine C14:0 als Marker für Insulinresistenz in nicht-adpösen Patienten. Diese Ergebnisse suggerieren einen gewichtsabhängigen Mechanismus welcher der Entwicklung von Insulinresistenz zugrunde liegt, mit dem Lyso-Phosphatidylcholine C14:0 als Schlüsselmetaboliten in nicht-adipösen Insulinresistenzpatienten. Des Weiteren konnten nicht nur generelle, sondern auch krankheitsbildspezifische, signifikante Geschlechterunterschiede gezeigt werden. Mehr als 100 Metaboliten waren signifikant Unterschiedlich mit dem Geschlecht oder der Hormonkontrazeptiva Gruppe assoziiert, während 43 signifikant unterschiedliche Effektgrößen in Assoziation mit Markern für das Metabolische Syndrom zeigten. Dieses Ergebnis zeigt die Bedeutung und den Bedarf an geschlechtsspezifischer Analyse in Biomarker Studien in Metabolomics, die auch die Gruppe der Frauen, die hormonelle Kontrazeptiva einnehmen, berücksichtigt. Schlussfolgerungen Zusammenfassend konnte diese Arbeit zeigen, dass Metabolomics ein valides Instrument zur Querschnittsanalyse darstellt, welches potentielle Biomarker für Adipositas und Insulinresistenz aufzeigen konnte. Außerdem zeigte sich die Wichtigkeit Geschlechtersensitiver oder –stratifizierter Analysen im Bereich der Biomarkersuche und –Forschung in Metabolomics. Es kann empfohlen werden, dass in zukünftigen Studien das Geschlecht der Studienteilnehmer stärkere Berücksichtigung finden sollte.