抽象的
潜在的呼吸挥发性特征出现的关键临床特征和表型的呼吸道疾病http://ow.ly/7HzJ30hoCIJ
呼出气体作为新型呼吸生物标志物的潜在来源的吸引力是显而易见的。它提供了一个取之不尽用之不竭的媒介来源,这种媒介可以非侵入性地进行取样,而且已经与感兴趣的器官直接接触。以挥发性有机化合物(VOCs)为目标可以让我们看到更深层的东西:这些小分子通过屏障扩散,因此呼吸采样也可以捕获来自肺间质、循环和其他地方的VOCs。虽然分析化学家、工程师和一些具有前瞻性的临床研究人员从20世纪70年代初就开始探索呼吸挥发性物质,但直到最近十年左右,临床研究的兴趣才真正增长[1- - - - - -6].缓慢的吸收速度可能有两种主要原因。首先,介质非常复杂,并且VOC的来源难以定义。我们呼吸的空气包含来自三个主要来源的VOC:外部环境(吸入或通过皮肤吸收或吸收通过摄入)[7,8,和新陈代谢都是人类[9,10[非人(微生物组)[11,12].更复杂的是,这些挥发物可能相互作用,本身可能在代谢过程中被利用。第二个挑战是所有的组学研究都面临的:缺乏外部验证,这需要给研究结果以信心并支持临床有效性研究。
来自“OMICS研究”的假冒结果的潜力意味着严谨的验证对于提高可以复制的真正生物标志物发现的机会至关重要,最重要的是,对临床使用的优点调查进行了调查[13].验证有一个层次结构:内部交叉验证,即数据来自同一组群,但在模型在“看不见的”数据中进行测试之前,部分数据被排除在模型之外;同一研究内的外部交叉验证,预先计划的两部分研究,其中模型是使用上面的“训练集”建立的,然后在新收集的一组样本中进行测试;第三(最严格的)是真正的外部验证,在新的研究中重复发现,最好由不同的小组和地理上独立的地区进行[14].
迄今为止,还没有发表过符合最严格验证测试的呼吸研究(知道是否已经完成但仍未发表是有用的),这将导致必要的临床有效性研究,以测试临床效用。这篇论文的德V里斯et al。[15发表在这一期的欧洲呼吸杂志,是少数才提供至少第二级的少数。他们的研究解决了Airways病的目前目前的热门话题,以及对一个无偏见的'OMICS方法提供很好的热门话题:可以呼吸概况预测气道细胞表型,无论诊断标签(哮喘或COPD)如何?在航空社区中,在航空公司社区的支持下,我们不应该通过刚性方案对这些“疾病”的概念,但旨在根据任何给定患者的特征个性化治疗。通过专注于内型(机械主义定义),以不同方式解决了这一点[16]、表型(定义不同,但基于个体疾病的表达)[17- - - - - -19或可治疗的特征(一种全面的方法,使我们能够解决我们面前的人,特别是在严重的疾病;是什么让这个人喘不过气来?他们为什么咳嗽?他们为什么累?)[20.].其中一个性状/表型(这两个术语有时是同义词)是嗜酸性气道炎症;针对这一点,无论患者的疾病标签是什么,都是有益的[21- - - - - -24].我们有一些替代品相对容易测量,如血液嗜酸性粒细胞和呼出的一氧化氮,并且这些足以用于分层药物的当前阶段,但不是非常准确。通过足够敏感和特定的生物标志物,我们可以进一步改进并提供真正个性化医学的野心。
德V里斯et al。[15建立了一个非常大的预期计划,收集成人和呼吸疾病的儿童的“呼吸”,并使用它来研究特定的呼吸概况是否与临床特征有关。其中一些具有明确的临床相关性,如果验证,可以提供临床上有用的生物标志物,可以在不久的将来改善护理。其他有可能是形成假设的或导致新的机制见解,例如与特性,全身性感卵和加剧率有关的机械洞察力。
在这项研究中,使用由定制的载体,集成采样和分析仪器测量呼吸挥发性曲线,称为“Spironose”[25].本研究中使用的版本与先前发表的出版物有些不同,包括跨越四个呼吸传感器阵列的七个金属氧化物半导体传感器(以及检测环境VOC的另一个相同的四个),并且精确的结构布置尚不清楚。虽然没有具体的理由可疑是对已经发表的四个传感器不同的,但是全面验证数据对于确保对这种布置性能的信心来说至关重要,因为易失性传感器容易不稳定和信号漂移[26].重要的是,作者公布这些数据,以支持正在进行的呼吸云计划中令人印象深刻的工作的未来发现。如果得到验证,该平台可能已经提供了一种护理点测试,可以广泛应用于临床呼吸检测。
这种传感器的基本概念是,每个传感器通过改变电阻对VOC暴露做出可预测的反应,并产生一个信号输出,在这种情况下有效地为呼吸样本提供7价挥发性指纹。也许这种版本的螺糖可以进一步简化,因为这些传感器的响应密切相关,不能为分析提供有用的额外数据。这种分析方法的一个缺点是,传感器不能识别分类中使用的挥发物,但这不会影响其临床应用。因此,从力学角度来看,这类测量需要同时使用气相色谱质谱法[27].
为了评估所研究的终点,包括在包括最具临床吸引力的全身嗜酸性粒细胞,作者提供了相对强大的验证程度,这对他们的发现具有真正的信心。它们使用321名参与者的“培训”数据集来生成分类模型(对于呼吸研究,这确实非常大),然后在另一个114名参与者的数据单独的“验证集”中验证。虽然作者说明了验证集是“独立”,但不明显的是,从时间和测试集中分开的队列收集数据。进一步支持呼吸和炎症性谱之间的关系来自回归分析,证实该模型不仅可以预测主要炎症类型的存在/不存在,而且还存在剂量反应效应。我们的小组先前报告过类似的效果(对于痰炎症细胞),尽管样品尺寸更小,并且这强烈地支持气道炎症和呼吸挥发物之间的链接(直接或间接)[28].
作者还首次报告了基于呼吸的基于呼吸的聚类分析的结果。这使得一个非常迷人的一瞥将潜在的新范式研究呼吸可以揭示。我们知道老鼠可以“嗅闻”结核病和狗可以“嗅”前列腺癌,但是可以通过嗅到我们的呼吸来检测我们的“表型”的鼻子?作者再次提供了验证,似乎一些表型不能与“嗅觉”可靠地相关,但它们也匹配使用完全不同的临床变量来源的哮喘簇[29,30.].在测试和验证两组中,都发现了一个呼吸谱与一组(大部分)超重、女性、控制不良但炎症标志物较低的群体相关;另一种与ii型炎症密切相关。如果这些集群目前是临床可操作的(如在第二个病例中),鼻塞可能在不久的将来有临床应用;对于其他的,则需要化合物的鉴定来探索潜在的新机制。
这项令人钦佩的大型研究对于不断增长的呼吸文献产生了显着的贡献,并鼓励我们进一步探索气道疾病中挥发物和疾病特征之间的联系。它还支持当前远离刚性疾病的分类,并促进能够预测临床相关(可治疗)特征的生物标志物的驱动器。
脚注
利益冲突:未申报。
- 收到了2017年12月12日。
- 接受2017年12月19日。
- 版权©2018人队