۲۱دسامبر ۲۰۲۵- در مطالعه ای که اخیراً در مجله Communications Medicineمنتشر گردید، پژوهشگران نمونه های خون دو گروه بزرگ و مستقل را بررسی کردند تا امضاهای متابولومیکی مرتبط با BMI مادر را شناسایی کنند. این مطالعه با بهره گیری از یادگیری ماشین، پروفایلی شامل ۴۶ متابولیت را مشخص کرد که باBMI همبستگی داشتند و ارتباط قوی تری با برخی عوارض بارداری نسبت به BMI به تنهایی نشان دادند.
همچنین در این مطالعه، یک زیرمجموعه شامل ۱۶ متابولیت شناسایی شد که در تحلیل های مدل محور، رابطه بین چاقی و دیابت را به طور آماری میانجی گری می کردند. این یافته نشان می دهد که تعیین مشخصات متابولیت های موجود در خون بطور هدفمند می تواند به بهبود طبقه بندی خطر در مراقبت های پیش از تولد کمک کند.
افزایش چاقی و خطرات بارداری
افزایش جهانی چاقی، به ویژه در کشورهای غربی، با رشد بارداری های پرخطر همراه بوده است. چاقی مادر مدت هاست با عوارضی مانند دیابت بارداری(GDM) و پره اکلامپسی ارتباط دارد.
پزشکان معمولاً برای برآورد این خطرات بهBMI پیش از بارداری تکیه می کنند. اما BMI تنها قد و وزن را منعکس می کند و وضعیت متابولیک فرد را نشان نمی دهد. بنابراین، ممکن است فردی باBMI طبیعی همچنان در معرض خطر متابولیک باشد، در حالی که برخی افراد با BMI بالا از نظر متابولیک سالم باشند.
متابولومیکس به عنوان یک ذره بین زیستی
برای رفع این محدودیت ها، پژوهشگران به طور فزاینده ای به متابولومیکس روی آورده اند- مطالعه مولکول های کوچک در گردش خون که فعالیت متابولیک را بازتاب می دهند. پروفایل سازی متابولومیک تصویری دقیق تر از سلامت متابولیک ارائه می دهد و می تواند فشار متابولیک مرتبط با بارداری را بهتر از اندازه گیری های صرفاً انسان سنجی آشکار کند.
گروه های مطالعه، نمونه گیری و رویکرد یادگیری ماشین
این مطالعه داده های دو گروه مستقل بارداری را تحلیل کرد: گروه COPSAC در دانمارک (مطالعات آینده نگر آسم در کودکی) و گروهVDAART در ایالات متحده(کارآزمایی کاهش آسم با ویتامین D در دوران بارداری).
نمونه های پلاسما با استفاده از کروماتوگرافی مایع–طیف سنجی جرمی دوگانه (LC-MS/MS) پردازش شدند که امکان شناسایی صدها متابولیت را فراهم کرد. سپس مدلی مبتنی بر رگرسیون حداقل مربعات جزئی پراکنده برای شناسایی الگوهای متابولیتی مرتبط باBMI و پیامدهای بارداری به کار رفت.گروه COPSAC2010 شامل ۶۸۴ زن در میانه بارداری (۲۴هفته) به عنوان گروه مورد بررسی یا اکتشاف و گروه VDAART شامل ۷۷۵ زن با نمونه های خون در اوایل (۱۰–۱۸هفته) و اواخر (۳۲–۳۸هفته) بارداری به عنوان گروه اعتبارسنجی.
پروفایل های متابولیک و پیش بینی عوارض بارداری
در هر دو گروه، محققان با کمک کروماتوگرافی مایع–طیف سنجی جرمی دوگانه تعداد ۶۴۰ متابولیت کاندید مرتبط با BMI مادر و عوارض بارداری را شناسایی کردند. تحلیل های یادگیری ماشین این موارد را به یک امضای ۴۶ متابولیتی تقلیل داد که با پیامدهای نامطلوب، به ویژه دیابت بارداری و پره‌اکلامپسی، مرتبط بودند. متابولیت های کلیدی شامل اسفینگولیپیدها (درگیر در سیگنال دهی سلولی) و ترکیبات مرتبط با متابولیسم ویتامین A بودند.در گروه مورد بررسی یا اکتشاف،BMI بالاتر با دیابت بارداری (نسبت شانس ۱.۹۰) مرتبط بود، اما امتیاز متابولیت پیش بینی کننده قوی تری بود (نسبت شانس ۲.۴۷). شاخص توده ی بدنی به تنهایی پره اکلامپسی را پیش بینی نکرد، اما امتیاز متابولیت توانست این کار را انجام دهد.
یافته های مربوط به زمان، اعتبارسنجی و میانجی گری
تحلیل های اعتبارسنجی در گروه VDAART نشان داد که امضای متابولیتی در جمعیت های مختلف پایدار است. زمان نمونه گیری اهمیت زیادی داشت: امتیاز متابولیت در اواخر بارداری پیش بینی کننده قوی دیابت بارداری و پره اکلامپسی بود .امتیاز متابولیت در اوایل بارداری اطلاعات بسیار کمتری ارائه می داد.
تحلیل های میانجی گری ۱۶ متابولیت را شناسایی کردند که بخشی از ارتباط بین چاقی و دیابت بارداری را توضیح می دادند، بطوری که متابولیت های گیاهی مانند کاروتن دیول با کاهش خطر دیابت همراه بودند و متابولیت های چربی محور مانند سرامیدها و اسفینگومیلین ها با افزایش خطر دیابت مرتبط بودند.
مدل یادگیری ماشین جداگانه ای که تنها از این ۱۶ متابولیت استفاده کرد، در پیش بینی دیابت بارداری عملکرد بهتری نسبت به مدل مبتنی بر BMI داشت.
پیامدها برای ارزیابی خطر پیش از تولد
این یافته ها محدودیت های BMI را به عنوان یک پیش بینی کننده مستقل نشان می دهند و پیشنهاد می کنند که پروفایل سازی متابولومیک می تواند رویکردی دقیق تر و زیست شناختی تر ارائه دهد. ترکیبBMI با امتیازهای مبتنی بر متابولیت ممکن است پیش بینی دیابت بارداری و پره اکلامپسی را بهبود بخشد.
اگرچه این مطالعه مشاهده ای و در محیط های با منابع مالی و تجهیزات عالی انجام شد، اما از تحقیقات بیشتر برای ادغام غربالگری متابولومیک مبتنی بر خون در مراقبت های دوران بارداری حمایت می کند. با اعتبارسنجی بیشتر و مقایسه با ابزارهای غربالگری موجود، چنین رویکردهایی می توانند به شناسایی زودتر بارداری های پرخطر کمک کرده و امکان پایش و مداخله شخصی تر را فراهم سازند.
منبع:
https://www.news-medical.net/news/20251221/Blood-metabolite-profiling-outperforms-BMI-in-predicting-pregnancy-complications.aspx