Особенности липидома сыворотки крови беременных при макросомии плода и сочетании макро-сомии с гестационным сахарным диабетом


Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Цель. Оценить отличия липидома сыворотки крови, взятой на различных сроках беременности, между пациентками, у которых развилась или не развилась макросомия плода. Материалы и методы. В проспективное когортное исследование были включены 120 беременных с фетальной макросомией (ФМ) и гестационным сахарным диабетом (ГСД). Анализ уровней липидов сыворотки крови проводился методом масс-спектрометрии. Результаты. Наилучшие прогностические модели получены на сроках беременности 11-14 и 24-28 недель у женщин с ГСД (чувствительность и специфичность - 0,91/0,96 и 0,93/0,96 соответственно), в 11-14 недель в общей группе и без ГСД (0,85/0,91 и 0,93/0,92). Полученные нами данные дают возможность прогнозировать ФМ в зависимости от наличия или отсутствия ГСД. Заключение. Липидомный анализ сыворотки крови обнаруживает отличия липидного профиля у беременных с ФМ и нормальным весом плода уже на ранних сроках беременности (11-14 неделя), чувствительность и специфичность разработанной математической модели составили 85 и 91% соответственно. Глюкозотолерантный тест повышает точность выделения группы высокого риска развития ФМ в Iтриместре: для группы с ГСД чувствительность и специфичность модели составили 91 и 96% соответственно.

Полный текст

Доступ закрыт

Об авторах

Виктория Андреевна Одинокова

ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова» Минздрава России

Email: v_odinokova@oparina4.ru
аспирант

Виталий Викторович Чаговец

ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова» Минздрава России

Email: vvchagovets@gmail.com
к.ф. -м.н., старший научный сотрудник лаборатории протеомики и метаболомики репродукции человека отдела системной биологии в репродукции

Роман Георгиевич Шмаков

ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова» Минздрава России

Email: r_shmakov@oparina4.ru
д.м.н., профессор РАН, директор института акушерства

Наталия Леонидовна Стародубцева

ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова» Минздрава России

Email: n_starodubtseva@oparina4.ru
к.б.н., заведующая лабораторией протеомики репродукции человека

Динара Фаильевна Салимова

ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова» Минздрава России

Email: Salimova.1993@mail.ru
специалист лаборатории протеомики и метаболомики репродукции человека

Алексей Сергеевич Кононихин

ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова» Минздрава России

Email: konoleha@yandex.ru
к.ф. -м.н., научный сотрудник лаборатории протеомики репродукции человека

Владимир Евгеньевич Франкевич

ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова» Минздрава России

Email: v_frankevich@oparina4.ru
к.ф-м.н., руководитель отдела системной биологии в репродукции

Список литературы

  1. Wassimi S., Wilkins R., Mchugh N.G.L., Xiao L., Simonet F., Luo Z.C. Association of macrosomia with perinatal and postneonatal mortality among First Nations people in Quebec. Can. Med. Assoc. J. 2011; 183(3): 322-6. https://dx.doi. org/10.1503/cmaj.100837
  2. Garcia-De la Torre J.I., Rodrguez-Valdez A., Delgado-Rosas A. Risk factors for fetal macrosomia in patients without gestational diabetes mellitus. Ginecol. Obstet. Mex. 2016; 84(3): 164-71.
  3. Luhete P.K., Mukuku O, Kiopin P.M., Tambwe A.M., Muenze P.K. Macrosomie fretale a Lubumbashi: facteurs de risque et pronostic maternel et perinatal. Pan Afr. Med. J. 2016; 23: 166. https://dx.doi.org/10.11604/pamj.2016.23.166.7362
  4. Chiavaroli V., Castorani V., Guidone P., Derraik J.G.B., Liberati M., Chiarelli F., Mohn A. Incidence of infants born small- and large-for-gestational-age in an Italian cohort over a 20-year period and associated risk factors. Ital. J. Pediatr. 2016; 42: 42. https://dx.doi.org/10.1186/s13052-016-0254-7
  5. Eskandar O., Shet D. Risk factors for 3rd and 4th degree perineal tear. J. Obstet. Gynaecol. 2009; 29(2): 119-22. https://dx.doi.org/10.1080/01443610802665090
  6. Бресский А.Г., Радецкая Л.Е., Мацуганова Т.Н., Прусакова О.И. Исходы родов у женщин с крупным плодом. В кн.: Достижения фундаментальной, клинической медицины и фармации. Материалы 71-й научной сессии сотрудников университета. 27-28 января 2016. Витебск: ВГМУ; 2016: 171-2.
  7. Gabbe S., Niebyl J., Simpson J., Landon M., Galan H., Jauniaux E. et al. Obstetrics: normal and problem pregnancies. 7th ed. Saunders Elsevier; 2017.
  8. Executive summary: Neonatal brachial plexus palsy. Report of the American College of Obstetricians and Gynecologists’ Task Force on Neonatal Brachial Plexus Palsy. Obstet. Gynecol. 2014; 123(4): 902-4. https://dx.doi. org/10.1097/01.AOG.0000445582.43112.9a
  9. Wang D., Hong Y., Zhu L., Wang X., Lv Q., Zhou Q. et al. Risk factors and outcomes of macrosomia in China: a multicentric survey based on birth data. J. Matern. Fetal Neonatal Med. 2017; 30(5): 623-7. https://dx.doi.org/10.1080/1 4767058.2016.1252746
  10. Knop M.R., Geng T., Gorny A.W., Ding R., Li C., Ley S.H., Huang T. Birth weight and risk of type 2 diabetes mellitus, cardiovascular disease, and hypertension in adults: a meta-analysis of 7 646 267 participants from 135 studies. J. Am. Heart Assoc. 2018; 7(23): e008870. https://dx.doi.org/10.1161/JAHA.118.008870
  11. Henriksen T. The macrosomic fetus: a challenge in current obstetrics. Acta Obstet. Gynecol. Scand. 2008; 87(2): 134-45. https://dx.doi. org/10.1080/00016340801899289
  12. Walsh J.M., McAuliffe F.M. Prediction and prevention of the macrosomic fetus. Eur. J. Obstet. Gynecol. Reprod. Biol. 2012; 162(2): 125-30. https://dx.doi. org/10.1016/j.ejogrb.2012.03.005
  13. Jameson J.L., De Groot L.J., de Kretser D.M., Giudice L.C., Grossman A.B., Melmed S. et al. Endocrinology: adult and pediatric. vol. 1-2. Saunders Elsevier; 2016.
  14. Schaefer-Graf U.M., Meitzner K., Ortega-Senovilla H., Graf K., Vetter K., Abou-Dakn M., Herrera E. Differences in the implications of maternal lipids on fetal metabolism and growth between gestational diabetes mellitus and control preg nancies. Diabet. Med. 2011; 28(9): 1053-9. https://dx.doi.org/10.1111/j.1464-5491.2011.03346.x
  15. Schaefer-Graf U.M., Graf K., Kulbacka I., Kjos S.L., Dudenhausen J., Vetter K., Herrera E. Maternal lipids as strong determinants of fetal environment and growth in pregnancies with gestational diabetes mellitus. Diabetes Care. 2008; 31(9): 1858-63. https://dx.doi.org/10.2337/dc08-0039
  16. Ciborowski M., Zbucka-Kretowska M., Bomba-Opon D., Wielgos M., Brawura-Biskupski-Samaha R., Pierzynski P. Potential first trimester metabolomic biomarkers of abnormal birth weight in healthy pregnancies. Prenat. Diagn. 2014; 34(9): 870-7. https://dx.doi.org/10.1002/pd.4386
  17. Sud M., Fahy E., Cotter D., Brown A., Dennis E.A., Glass C.K. et al. LMSD: LIPID MAPS structure database. Nucleic Acids Res. 2007; 35 (Database issue): D527-32. https://dx.doi.org/10.1093/nar/gkl838
  18. Liebisch G., Vizcaino J.A., Kofeler H., TrotzmUller M., Griffiths W.J., Schmitz G. et al. Shorthand notation for lipid structures derived from mass spectrometry. J. Lipid Res. 2013; 54(6): 1523-30. https://dx.doi.org/10.1194/jlr.M033506
  19. Team R.C. R: A language and environment for statistical computing. R Foundation for statistical computing. Vienna, Austria; 2015. Available at: https:// www.r-project.org/
  20. RStudio: Integrated development for environment R. Available at: http://www. rstudio.com/
  21. Wold S., Sjostrom M., Eriksson L. PLS-regression: a basic tool of chemometrics. Chemom. Intell. Lab. Syst. 2001; 58: 109-30. https://dx.doi.org/10.1016/ S0169-7439(01)00155-1
  22. Thevenot E.A., Roux A., Xu Y., Ezan E., Junot C. Analysis of the human adult urinary metabolome variations with age, body mass index, and gender by implementing a comprehensive workflow for univariate and OPLS statistical analyses. J. Proteome Res. 2015; 14(8): 3322-35. https://dx.doi.org/10.1021/ acs.jproteome.5b00354
  23. Barber M.N., Risis S., Yang C., Meikle P.J., Staples M., Febbraio M.A., Bruce C.R. Plasma lysophosphatidylcholine levels are reduced in obesity and type 2 diabetes. PLoS One. 2012; 7(7): e41456. https://dx.doi.org/10.1371/ journal.pone.0041456
  24. Floegel A., Stefan N., Yu Z., Muhlenbruch K., Drogan D., Joost H.G. et al. Identification of serum metabolites associated with risk of type 2 diabetes using a targeted metabolomic approach. Diabetes. 2013; 62(2): 639-48. https://dx.doi. org/10.2337/db12-0495.
  25. Suvitaival T., Bondia-Pons I., Yetukuri L., Poho P., Nolan J.J., Hyotylainen T. et al. Lipidome as a predictive tool in progression to type 2 diabetes in Finnish men. Metabolism. 2018; 78: 1-12. https://dx.doi.org/10.1016/j.metabol.2017.08.014
  26. Zeghari N., Vidal H., Younsi M., Ziegler O., Drouin P., Donner M. Adipocyte membrane phospholipids and PPAR-y expression in obese women: relationship to hyperinsulinemia. Am. J. Physiol. Metab. 2000; 279(4): E736-43. https:// dx.doi.org/10.1152/ajpendo.2000.279.4.E736
  27. Patel N., Hellmuth C., Uhl O., Godfrey K., Briley A., Welsh P. et al. Cord metabolic profiles in obese pregnant women: insights into offspring growth and body composition. J. Clin. Endocrinol. Metab. 2018; 103(1): 346-55. https://dx.doi. org/10.1210/jc.2017-00876

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© ООО «Бионика Медиа», 2019