Frontiers in Endocrinology

Introduction

Cardiovascular Disease (CVD) ist die häufigste und schwerwiegendste Diabetes-Komplikation, die bei Patienten mit Typ-2-Diabetes mellitus zu erheblichen Todesfällen und Behinderungen führt. Patienten mit T2DM haben ein zwei- bis dreifach höheres Risiko für CVD als Patienten ohne T2DM (3, 4). Im Vergleich zu herkömmlichen Faktoren wie Blutdruck, Lipide und Body-Mass-Index spiegeln endogene kleine Molekülverbindungen, die mit Metabolomics-Ansätzen nachgewiesen werden, eher den zellulären Zustand wider, der mit den gemeinsamen Auswirkungen von Zellnahrung, Medikamenten, Umweltschadstoffen und anderen externen Faktoren zusammenhängt (7). Acylcarnitin-Metaboliten sind eine Gruppe von Ester-Substanzen, die durch Kombination von freiem Carnitin und Acyl-Coenzym A (Acyl-CoA) aus Fettsäuren entstehen (8). In einer Kohortenstudie wurde festgestellt, dass die Plasmakonzentrationen bestimmter Acylcarnitine bei T2DM-Patienten höher waren als bei Nicht-T2DM-Patienten (9). Außerdem war die Konzentration von Acylcarnitinen und mitochondrialem 4-Hydroxynonenal im Herzgewebe von mit Fruktose gefütterten Mäusen höher als in der Kontrollgruppe (10). Da 4-Hydroxynonenal durch Lipidperoxidation gebildet wird, kann ein erhöhtes 4-Hydroxynonenal auf einen hohen oxidativen Stress hinweisen (11). Allerdings haben nur wenige klinische Studien den Zusammenhang zwischen Acylcarnitinen und CVD bei T2DM untersucht. In der Tat bleibt es unschlüssig, ob es Zusammenhänge zwischen Acylcarnitinen und CVD bei T2DM gibt.

Deshalb haben wir eine krankenhausbasierte Querschnittserhebung durchgeführt, um den Zusammenhang zwischen Acylcarnitin-Metaboliten und CVD bei chinesischen Patienten mit T2DM zu schätzen.

Materialien und Methoden

Studienmethode und Population

In dieser Studie wurde ein Querschnittsstudien-Design verwendet, um den Zusammenhang zwischen Acylcarnitinen und CVD bei T2DM zu untersuchen. Wir haben elektronische Krankenakten von 2.554 stationären Patienten mit verfügbaren Metabolitdaten aus der elektronischen Hauptdatenbank des Liaoning Medical University First Affiliated Hospital (LMUFAH), Jinzhou, China, abgerufen, die von Mai 2015 bis August 2016 in das Krankenhaus aufgenommen wurden (12).

Die Einschlusskriterien waren wie folgt festgelegt: (1) Alter ≥ 18 Jahre; (2) Diagnose T2DM; und (3) Acylcarnitin-Metaboliten waren verfügbar: Acetylcarnitin (C2), Propionylcarnitin (C3), Butyrylcarnitin (C4), Hydroxylbutyrylcarnitin (C4-OH), Succinylcarnitin (C4DC), Isovalerylcarnitin (C5), 3-Hydroxyisovalerylcarnitin (C5-OH), Glutarylcarnitin (C5DC), Tiglylcarnitin (C5:1), Hexanoylcarnitin (C6), Octanoylcarnitin (C8), Decanoylcarnitin (C10), Lauroylcarnitin (C12), Myristoylcarnitin (C14), 3-Hydroxyl-Tetradecanoylcarnitin (C14-OH), Tetradecanoyldiacylcarnitin (C14DC), Tetradecenoylcarnitin (C14:1), Palmitoylcarnitin (C16), 3-Hydroxypalmitoylcarnitin (C16-OH), 3-Hydroxypalmitoleylcarnitin (C16:1-OH), Octadecanoylcarnitin (C18), arachidisches Carnitin (C20), behenisches Carnitin (C22), tetracosanisches Carnitin (C24), hexacosanisches Carnitin (C26). Die Ausschlusskriterien waren: (1) diagnostizierter Typ-1-Diabetes; (2) Schwangerschaft. Insgesamt wurden 741 T2DM-Patienten, die die Einschluss- und nicht die Ausschlusskriterien erfüllten, in die Analyse einbezogen.

Die ethische Genehmigung der Studie wurde von der Ethikkommission für klinische Forschung der LMUFAH eingeholt, und die Ethikkommission für klinische Forschung der LMUFAH verzichtete aufgrund des retrospektiven Charakters der Querschnittsstudie auf die informierte Zustimmung.

Datenerhebung und klinische Definition

Demographische und klinische Daten wurden aus der elektronischen Hauptdatenbank des Krankenhauses entnommen, einschließlich Alter, Geschlecht, Dauer des Diabetes, Diabeteskomplikationen, Medikamenteneinnahme (Antidiabetika, Antidiabetika, Antihypertensiva und Lipidsenker), BMI, systolischer Blutdruck (SBP), diastolischer Blutdruck (DBP), glykiertes Hämoglobin (HbA1c), Triglyceride (TG), Lipoproteincholesterin niedriger Dichte (LDL-C) und Lipoproteincholesterin hoher Dichte (HDL-C).

Krankheit der Herzkranzgefäße war definiert als frühere koronare Herzkrankheit (KHK), Herzinsuffizienz (HF) oder Schlaganfall. Der BMI wurde berechnet als Körpergewicht in Kilogramm geteilt durch das Quadrat der Körpergröße in Metern, ausgedrückt als kg/m2. Übergewicht wurde definiert als BMI ≥ 24,0 kg/m2, aber <28,0 kg/m2, und Adipositas als BMI ≥ 28,0 kg/m2, wie von der Chinese Diabetes Association für die Verwendung in China empfohlen (13). Mit einem kalibrierten Quecksilber-Blutdruckmessgerät wurden SBP und DBP gemessen, nachdem die Patienten 5-10 Minuten lang geruht hatten. Den T2DM-Patienten wurde über Nacht Nüchternblut (mindestens 8 Stunden Nüchternzeit) abgenommen. Die Messungen von HbA1c, TG, HDL-C und LDL-C wurden im biochemischen Labor der LMUFAH durchgeführt. Je nach Anzahl der Kohlenstoffatome in der Acylgruppe wurden die Acylcarnitine in drei Gruppen eingeteilt: kurzkettige Acylcarnitine einschließlich C2, C3, C4, C4-OH, C5, C5-OH, C5DC, C5:1 und C6; mittelkettige Acylcarnitine einschließlich C8, C10, C12, C14, C14-OH, C14DC und C14:1; langkettige Acylcarnitine einschließlich C16, C16-OH, C16:1-OH, C18, C20, C22, C24 und C26 (14).

Acylcarnitin-Quantifizierung

Die Metabolomics-Assay-Methode war in früheren Studien beschrieben worden (15). Kurz gesagt, wurden für den Metabolomics-Assay trockene Blutspot-Proben verwendet, die nach 8-stündigem Fasten durch Fingerpunktion entnommen wurden. Die Metabolomik in trockenen Blutflecken wurde mit Hilfe der Massenspektrometrie (MS) gemessen. Die MS-Metabolomanalyse wurde mit einem AB Sciex 4000 QTrap-System (AB Sciex, Framingham, MA, USA) durchgeführt. Als Ionenquelle diente eine Elektrospray-Ionisierungsquelle. Die Ionensprühspannung betrug 4,5 kV. Zum Scannen der Analyten wurde der positive Modus verwendet. Die mobile Phase, die die zu untersuchende Komponente enthielt, war eine 80%ige wässrige Acetonitril-Lösung. Für die absolute Quantifizierung wurden isotopenmarkierte interne Acylcarnitin-Standards von Cambridge Isotope Laboratories (Tewksbury, MA, USA) verwendet.

Statistische Analyse

Die statistische Analyse wurde mit Statistical Analysis System Release 9.4 (SAS Institute Inc., Cary, NC, USA) durchgeführt. Ein P < 0,05 wurde als statistisch signifikant angesehen. Kategoriale Daten zwischen zwei Gruppen wurden gegebenenfalls mit dem Chi-Quadrat-Test oder dem exakten Test von Fisher verglichen und als Anzahl und Prozentsatz ausgedrückt. Der P-P-Plot oder Q-Q-Plot wurde für Normalitätstests verwendet, wenn es sich bei der Analysevariablen um eine kontinuierliche Variable handelte. Kontinuierliche Variablen, die der Normalverteilung entsprachen, wurden als Mittelwert ± Standardabweichung (SD) dargestellt und mit dem Student’s t-Test verglichen, andernfalls als Median mit Interquartilsbereich (IQR) und mit dem Wilcoxon Signed Rank Test verglichen.

Um Mehrfachvergleiche zu ermöglichen, wurde eine Faktorenanalyse durchgeführt, um eine große Anzahl korrelierter Acylcarnitine auf eine kleinere Anzahl unkorrelierter Faktoren zu reduzieren. Kaiser-Meyer-Olkin (KMO) und Bartlett Sphärizitätstests wurden verwendet, um die Eignung für die Faktorenanalyse zu bewerten (16). Ein KMO-Koeffizient < 0,5 gilt als inakzeptabel, während Werte um 0,8 als vorteilhaft angesehen werden. Mit Hilfe der Hauptkomponentenanalyse wurden Faktoren extrahiert und die entsprechende Faktorladungsmatrix ermittelt. Durch Varimax-Rotation wurde die ursprüngliche Faktorladungsmatrix gedreht, um eine Lösung zu erhalten, die übersichtlicher und leichter zu interpretieren ist als die ursprüngliche Faktorextraktion (17). Einzelne Acylcarnitine, die die höchste Ladung für einen Faktor aufwiesen, wurden als relevante Komponenten des Faktors verwendet. Der Scree Plot ist ein Liniendiagramm der Eigenwerte der Faktoren in der Faktorenanalyse (18). Die horizontale Achse des Scree Plots ist die Anzahl der Faktoren, die vertikale Achse ist der Eigenwert der Faktoren. Die Anzahl der Acylcarnitin-Faktoren wurde anhand des Eigenwerts, der Kommunalitäten und des Scree Plots bestimmt: Eigenwert > 1, Kommunalitäten ≥ 50 %, Anzahl der Faktoren, die sich am steilen Hang des Scree Plots befinden.

Multivariable binäre logistische Regression wurde verwendet, um die Odds Ratios (OR) und ihre 95 %-Konfidenzintervalle (CI) der extrahierten Acylcarnitin-Faktoren für CVD bei T2DM zu schätzen. Es wurde ein strukturiertes Anpassungsschema angewandt, um verwirrende Effekte von demografischen und klinischen Variablen zu kontrollieren. Im Einzelnen war Modell 1 ein univariables Modell; Modell 2 wurde für alle anderen Acylcarnitin-Faktoren angepasst; Modell 3 wurde weiter für Alter, Geschlecht, BMI, Diabetesdauer, HbA1c, SBP, DBP, TG, LDL-C, HDL-C angepasst; und Modell 4 wurde zusätzlich zu den in Modell 3 angepassten Variablen für die Medikamenteneinnahme angepasst, einschließlich antidiabetischer Medikamente, antidiabetischer Medikamente und lipidsenkender Medikamente.

Ergebnis

Beschreibung der Studienteilnehmer

Das Durchschnittsalter der Studienpatienten betrug 57,9 (SD: 14,1) Jahre, und die mittlere Diabetesdauer lag bei 5 (IQR: 0-10) Jahren. Von ihnen waren 391 (52,8 %) männlich und 288 (38,9 %) hatten eine kardiovaskuläre Erkrankung (87 mit alleiniger KHK, 109 mit alleinigem Schlaganfall, 6 mit alleiniger HF, 51 sowohl mit KHK als auch mit Schlaganfall, 53 sowohl mit KHK als auch mit HF, 18 sowohl mit Schlaganfall als auch mit HF und 18 mit allen) (Tabelle 1, Datenblatt 1).

TABLE 1
www.frontiersin.org

Table 1. Demografische und klinische Merkmale des Diabetes nach Auftreten einer CVD.

Im Vergleich zur Gruppe ohne CVD waren T2DM-Patienten mit CVD eher älter und hatten eine längere Diabetesdauer, einen höheren Blutdruck, einen niedrigeren HbA1c-Wert und nahmen seltener Insulin ein. Diese Patienten hatten tendenziell einen niedrigeren LDL-C-Wert, nahmen seltener Antidiabetika und häufiger lipidsenkende und blutdrucksenkende Medikamente ein. Bei Geschlecht, BMI, DBP, HDL-C und TG gab es keine signifikanten Unterschiede zwischen den beiden Gruppen. C2, C4, C6, C8, C10, C12, C14, C14-OH und C14:1 waren bei den Patienten mit CVD höher, während C5-OH und C24 niedriger waren als bei den Patienten ohne CVD. Andere Acylcarnitine waren in beiden Gruppen ähnlich (Tabelle 2).

TABELLE 2
www.frontiersin.org

Tabelle 2. Acylcarnitinprofil bei T2DM-Patienten.

Extrahierte Faktoren der Acylcarnitine

Die Ergebnisse der Faktorenanalyse waren akzeptabel, wie ein hoher KMO-Koeffizient von 0,898 und ein hochsignifikanter P-Wert des Bartlett-Sphärizitätstests von <0,0001 nahelegen. Die Faktoren 1-5 hatten Eigenwerte von mehr als 1 und befanden sich auf der steilen Seite des Scree Plots (Abbildung 1). Es wurden also fünf Faktoren extrahiert, und die Ladungen der Acylcarnitine auf die fünf Faktoren nach der Varimax-Rotation sind in Tabelle 3 aufgeführt. Faktor 1 umfasste C2, C4, C4-OH, C5DC, C6, C8 und C14DC; Faktor 2 umfasste C10, C12, C14, C14-OH, C14:1 und C16-OH; Faktor 3 umfasste C16, C16:1-OH, C18, C20 und C3; Faktor 4 umfasste C22, C24 und C26; Faktor 5 umfasste C4DC, C5, C5-OH und C5:1. Die fünf Faktoren erklärten 65,9 % der Gesamtvarianz.

Abbildung 1
www.frontiersin.org

Abbildung 1. Eigenwert der Faktoren im Screeplot. Die horizontale Achse des Scree Plots ist die Anzahl der Faktoren, die vertikale Achse ist der Eigenwert der Faktoren. Fünf Faktoren hatten Eigenwerte von mehr als 1.

TABELLE 3
www.frontiersin.org

Tabelle 3. Faktoren und ihre Ladungen, abgeleitet von 25 Acylcarnitin-Metaboliten.

Assoziationen zwischen extrahierten Faktoren und CVD-Risiko bei T2DM

Faktoren 1, 2 und 4 waren in der univariaten Analyse alle positiv mit dem CVD-Risiko bei T2DM assoziiert. Nach Anpassung für andere Faktoren waren diese positiven Assoziationen immer noch signifikant (Modell 2). Allerdings waren nur Faktor 1 (OR: 1,42, 95 % CI: 1,03-1,95) und Faktor 2 (OR: 1,24, 95 % CI: 1,03-1,49) nach weiterer Adjustierung für Alter, Geschlecht, BMI, Diabetesdauer, HbA1c, SBP, DBP, TG, LDL-C und HDL-C weiterhin positiv mit dem CVD-Risiko assoziiert. Nach der endgültigen Anpassung für die Verwendung von Medikamenten blieb die Effektgröße von Faktor 1 (OR: 1,45, 95% CI: 1,03-2,03) und Faktor 2 (OR: 1,23, 95% CI: 1,02-1,50) weitgehend unverändert (Tabelle 4).

TABELLE 4
www.frontiersin.org

Tabelle 4. Univariable und multivariable Assoziation von metabolomischen Faktoren mit kardiovaskulären Ereignissen.

Sensitivitätsanalyse

Nach Mittelwert-Imputation und Mehrfach-Imputation fehlender HbA1c-Werte (n = 200) blieben die Effektgrößen der Faktoren 1 und 2 für das CVD-Risiko bei T2DM in uni- und multivariablen Analysen stabil und signifikant (Tabelle S1).

Diskussion

Diese Studie zeigte, dass einige Acylcarnitine, d.h., C2, C4, C4-OH, C5DC, C6, C8 und C14DC in Faktor 1 und C10, C12, C14:1, C14, C14-OH und C16-OH in Faktor 2, mit dem CVD-Risiko bei T2DM assoziiert waren und die Assoziationen unabhängig von anderen Acylcarnitin-Faktoren und traditionellen CVD-Risikofaktoren waren. Bei diesen Acylcarnitin-Metaboliten, die in Faktor 1 und 2 extrahiert wurden, handelte es sich hauptsächlich um kurz- und mittelkettige Acyl-Carnitine.

Der Energieversorgungsweg der Oxidation langkettiger Fettsäuren beim Menschen verläuft wie folgt. In den Zellen verbindet sich die langkettige Fettsäure (FA) mit Coenzym A (COA) zu langkettigem Acyl-Coenzym A (Acyl-COA) (19). Carnitin verbindet sich mit der Acylgruppe des langkettigen Acyl-COA zu langkettigem Acylcarnitin durch die Carnitin-Palmitoyltransferase 1, die sich in der äußeren Mitochondrienmembran befindet (20). Acylcarnitin wird über die Carnitin-Acylcarnitin-Translokase (CATC) in die Mitochondrien transportiert (21). Langkettiges Acylcarnitin wird in der inneren Mitochondrienmembran durch die Carnitin-Palmitoyltransferase 2 in langkettiges Acyl-CoA und Carnitin zerlegt (22). Langkettiges Acyl-COA wird unter der Wirkung der sehr langkettigen Acyl-COA-Dehydrogenase zu Enoyl-COA dehydriert (23). Aus Enoyl-COA entsteht durch Hydratation unter der Kontrolle der Enoyl-CoA-Hydratase 3-Hydroxyacyl-CoA (23). 3-Hydroxyacyl-CoA wird durch langkettige 3-Hydroxyacyl-CoA-Dehydrogenase zu 3-Ketoacyl-CoA dehydriert (24). Das 3-Ketoacyl-CoA wird von der langkettigen Letoacyl-CoA-Thiolase thiolysiert, um ein Acetyl-CoA und ein verkürztes Acyl-CoA mit zwei Kohlenstoffketten zu bilden (25). Das verkürzte COA tritt wieder in diesen Stoffwechselzyklus ein, bis es in den Oxidationsweg der kurzkettigen Fettsäuren gelangt. Im Vergleich zu den langkettigen Fettsäuren können die mittel- und kurzkettigen Fettsäuren direkt in die Mitochondrien gelangen, ohne die Hilfe von CACT. Ähnlich wie bei den langkettigen Fettsäuren entstehen bei den mittel- und kurzkettigen Fettsäuren unter der kombinierten Katalyse einiger ähnlicher Enzyme verkürztes-COA und Acetyl-CoA. Das verkürzte-COA gelangt erneut in den kurzkettigen Fettsäurezyklus, bis es in Acetyl-CoA umgewandelt wird. Schließlich liefert Acetyl-CoA, das bei der Oxidation von Fettsäuren entsteht, Energie, indem es am Tricarbonsäurezyklus teilnimmt (Abbildung 2A).

Abbildung 2
www.frontiersin.org

Abbildung 2. (A) Der Weg der Fettsäuren zur Energiebereitstellung in gesunden Kardiomyozyten. Kettenfettsäuren liefern Energie durch die Produktion von Acetyl-Coenzym A unter der kombinierten Katalyse mehrerer Enzyme. (B) Weg der Fettsäuren zur Energieversorgung in Kardiomyozyten von Patienten mit Diabetes mellitus Typ 2 und kardiovaskulären Erkrankungen. Die Anhäufung von freien langkettigen Fettsäuren hemmt die vollständige Oxidation von mittel- und kurzkettigen Fettsäuren, was zu einer Zunahme von mittel- und kurzkettigen Acyl-COA führt. Mittel- und kurzkettiges Acylcarnitin steigt durch die Kombination dieser Acyl-COA und Carnitin an. FA, Fettsäure; COA, Coenzym A; CPT 1, Carnitin-Palmitoyltransferase 1; CACT, Carnitin-Acylcarnitin-Translocase; CPT 2, Carnitin-Palmitoyltransferase 2; VLCAD, sehr langkettige Acyl-CoA-Dehydrogenase; ECH, Enoyl-CoA-Hydratase; LCHAD, langkettige 3-Hydroxyacyl-CoA-Dehydrogenase; LCKAT, langkettige Ketoacyl-CoA-Thiolase; MCAD, mittelkettige Acyl-CoA-Dehydrogenase; MCKAT, mittelkettige 3-Ketoacyl-CoA-Thiolase; TCA, Tricarbonsäure.

Mehrere Studien berichteten über verringerte Glukose-Oxidationsraten, erhöhte Oxidationsraten von FA und myokardialen Sauerstoffverbrauch bei ad/ob und db/db-Mäusen (26, 27). Ein amerikanisches Forscherteam kam zu einer ähnlichen Schlussfolgerung, indem es die oben genannten Mäuse in verschiedenen Alterswochen wiederholt maß (28). Das Team vermutete durch weitere PCR-Experimente, dass die Genexpression, die an der FA-Aufnahme und -Oxidation beteiligt ist, aus dem Gleichgewicht geraten war, was dazu führte, dass der FA in die Kardiomyozyten gelangte und die mitochondriale Oxidationskapazität überstieg. Darüber hinaus wurde in einigen anderen Studien festgestellt, dass die Oxidation in Kardiomyozyten von Zucker-Ratten nicht signifikant erhöht war, während der langkettige FA in den Kardiomyozyten erhöht war (29, 30). In einer Studie wurde der FA-Spiegel beim Menschen bestimmt und festgestellt, dass die FA-Oxidationsrate zwar anstieg, der prozentuale Anteil der Fettsäureoxidation jedoch aufgrund der erhöhten Aufnahme geringer war (31). Außerdem kann sich Acyl-CoA im Zytoplasma anreichern, wenn eine Überladung mit FA auftritt (32). Dementsprechend ergab die Metabolomanalyse, dass die Oxidation der langkettigen Fettsäuren bei T2DM-Patienten im Vergleich zu Nicht-T2DM-Patienten unvollständig war, was zu signifikant erhöhten Plasmaspiegeln von C6, C8, C10, C12 und C14 führte (33). Einige Forscher zeigten, dass der Körperfettanteil positiv mit den Serumspiegeln von C2, C3, C4, C5, C6, C8:1 und C16:1 korrelierte (34). Wahrscheinlich korrelierte ein höherer Körperfettanteil mit einer unvollständigen Beta-Oxidation der Fettsäuren, was in erster Linie zu höheren Mengen an kurz- oder mittelkettigem Acylcarnitin führte. Sie fanden auch heraus, dass die Serumspiegel von C2, C6, C8, C10, C12, C14, C14:1 und C14-OH im prädiabetischen Zustand erhöht waren (34).

Daher vermuten wir, dass eine leicht erhöhte Fettsäure-Oxidationsrate der Kardiomyozyten bei Patienten mit T2DM die in den Kardiomyozyten akkumulierten langkettigen freien FAs nicht ausreichend oxidieren kann. Die akkumulierten freien FAs induzieren Kardiotoxizität. Andererseits kann der Oxidationsweg der mittel- und kurzkettigen Fettsäuren aufgrund der erhöhten Oxidationsrate der langkettigen Fettsäuren gehemmt sein. Aufgrund dieser Hemmung wird das mittel- und kurzkettige Coenzym A nicht ausreichend in Acetyl-CoA umgewandelt. Schließlich führt die kumulative Acyl-CoA-Bindung von Carnitin zu einem Anstieg der mittel- und kurzkettigen Acylcarnitine (Abbildung 2B).

Es gab mehrere Einschränkungen in unserer Studie. Erstens war unsere Studie eine Querschnittsstudie und konnte keine kausalen Beziehungen zwischen den Acylcarnitinen und CVD bei T2DM herstellen. Zweitens waren unsere Probanden stationäre Patienten. Ihr T2DM war schwerer als der von Patienten mit T2DM im Allgemeinen. Daher können unsere Ergebnisse nicht auf die allgemeine Bevölkerung von Patienten mit T2DM extrapoliert werden. Drittens wurden in unserer Studie keine Ernährungsfaktoren erhoben, und die Ernährungsgewohnheiten könnten einer der wichtigsten Störfaktoren in unserer Analyse sein (35). Wir haben jedoch sorgfältig um potenziell verwirrende Effekte anderer Acylcarnitin-Metaboliten sowie demografischer und klinischer Faktoren wie Alter, BMI, Blutdruck, HbA1c und Lipidprofil bereinigt. Da es sich um „Ergebnisse“ der Ernährung handelt, könnte die Anpassung für diese Acylcarnitin-Metaboliten und klinischen Faktoren die verwirrenden Auswirkungen der Ernährungsgewohnheiten teilweise beseitigt haben. Wir haben jedoch eingeräumt, dass wir trotz sorgfältiger Bereinigung um diese Störfaktoren nicht ausschließen können, dass es nicht bereinigte Störfaktoren gibt. Daher müssen unsere Ergebnisse mit Vorsicht interpretiert werden. Viertens haben wir die Werte für Insulinresistenz und Acyl-CoA nicht bestimmt. Schließlich fehlten bei unseren Probanden 200 Fälle von HbA1c. Diese Assoziationen blieben jedoch nach Mittelwert-Imputation und Mehrfach-Imputationen stabil, was darauf hindeutet, dass eine größere Verzerrung unwahrscheinlich ist.

Unsere Forschung hat wichtige Auswirkungen auf die öffentliche Gesundheit. CVD ist eine häufige und schwerwiegende Komplikation bei T2DM, die signifikant mit einem vorzeitigen Tod bei T2DM assoziiert ist. Obwohl ein intensives Management von Hyperglykämie, Bluthochdruck und abnormalen Lipiden das CVD-Risiko bei T2DM verringern kann, bleibt das Restrisiko für CVD erheblich hoch (36). Es ist wichtig, die Mechanismen der CVD bei T2DM besser zu verstehen. Unsere Studie liefert neue Erkenntnisse über die Wege von Stoffwechselstörungen bei T2DM zu CVD.

Zusammenfassend lässt sich sagen, dass unsere Studie ergab, dass erhöhte Plasmaspiegel einiger Acylcarnitin-Metaboliten, die in den Faktoren 1 und 2 extrahiert wurden, d. h. C2, C4, C6, C8, C10, C12, C14, C14OH und C14:1, mit dem CVD-Risiko bei chinesischen stationären Patienten mit T2DM assoziiert waren. Da es sich um eine Querschnittsstudie handelt, sind prospektive Kohortenstudien erforderlich, um unsere Ergebnisse in Zukunft zu wiederholen.

Datenverfügbarkeitserklärung

Die für diese Studie generierten Datensätze sind in Metabolights mit der eindeutigen Kennung MTBLS1427 zu finden, die über http://www.ebi.ac.uk/metabolights/MTBLS1427 zugänglich ist.

Ethikerklärung

Die Studien mit menschlichen Teilnehmern wurden von der Ethikkommission für klinische Forschung des Liaoning Medical University First Affiliated Hospital geprüft und genehmigt. Eine schriftliche Einwilligung zur Teilnahme war für diese Studie in Übereinstimmung mit der nationalen Gesetzgebung und den institutionellen Anforderungen nicht erforderlich.

Beiträge der Autoren

Z-ZF, SZ und XY konzipierten die Studie. SZ und X-FF analysierten die Daten und verfassten den Entwurf. H-HL und MG sammelten die Daten. JL, Y-FC und X-YS gaben kritische Kommentare ab und trugen zum Verfassen dieses Manuskripts bei. SZ, TH, J-XC, JZ und DS beteiligten sich an der Überarbeitung dieses Manuskripts.

Finanzierung

Diese Arbeit wurde durch das Projekt des National Key Research and Development Program (2019YFA0802300), Liaoning Province Natural Science Foundation (20170540364), General scientific research project of Liaoning Provincial Department of Education (L2015326), Liaoning Province Key Research and Development Program (2019JH8/10300036) unterstützt, der dreizehnte 5-Jahres-Plan und das TMU-Talentprojekt (11601501/2016KJ0313), individualisierte Diagnose und Behandlung von Darmkrebs (LNCCC-B05-2015), Stiftung des Ausschusses für Wissenschaft und Technologie von Tianjin (15JCYBJC54700), die China Postdoctoral Science Foundation (2016M590210), Tianjin Health Bureau Science Foundation Key Project (16KG154) und Tianjin Project of Thousand Youth Talents.

Interessenkonflikt

Die Autoren erklären, dass die Forschung ohne jegliche kommerzielle oder finanzielle Beziehungen durchgeführt wurde, die als potenzieller Interessenkonflikt ausgelegt werden könnten.

Danksagungen

Die Autoren danken allen Ärzten, Krankenschwestern und Forschungsmitarbeitern an der LMUFAH in Jinzhou für ihre Teilnahme an dieser Studie.

Ergänzendes Material

Das ergänzende Material zu diesem Artikel finden Sie online unter: https://www.frontiersin.org/articles/10.3389/fendo.2020.00212/full#supplementary-material

1. Federation ID. IDF Diabetes Atlas-8th Edition. (2017). Online verfügbar unter: https://diabetesatlas.org/IDF_Diabetes_Atlas_8e_interactive_EN/: International Diabetes Federation.

Google Scholar

2. Forbes JM, Cooper ME. Mechanisms of diabetic complications. Physiol Rev. (2013) 93:137-88. doi: 10.1152/physrev.00045.2011

PubMed Abstract | CrossRef Full Text | Google Scholar

3. Danaei G, Lawes CM, Vander Hoorn S, Murray CJ, Ezzati M. Globale und regionale Sterblichkeit durch ischämische Herzkrankheiten und Schlaganfälle, die auf eine höhere als die optimale Blutzuckerkonzentration zurückzuführen sind: vergleichende Risikobewertung. Lancet. (2006) 368:1651-9. doi: 10.1016/S0140-6736(06)69700-6

PubMed Abstract | CrossRef Full Text | Google Scholar

4. Sarwar N, Gao P, Seshasai SR, Gobin R, Kaptoge S, Di Angelantonio E, et al. Diabetes mellitus, Nüchternblutzuckerkonzentration und Risiko für Gefäßerkrankungen: eine kollaborative Meta-Analyse von 102 prospektiven Studien. Lancet. (2010) 375:2215-22. doi: 10.1016/S0140-6736(10)60484-9

PubMed Abstract | CrossRef Full Text | Google Scholar

5. Newman JD, Schwartzbard AZ, Weintraub HS, Goldberg IJ, Berger JS. Primärprävention von kardiovaskulären Erkrankungen bei Diabetes mellitus. J Am Coll Cardiol. (2017) 70:883-93. doi: 10.1016/j.jacc.2017.07.001

PubMed Abstract | CrossRef Full Text | Google Scholar

6. Sharif S, van der Graaf Y, Nathoe HM, de Valk HW, Visseren FL, Westerink J. HDL-Cholesterin als Restrisikofaktor für vaskuläre Ereignisse und Gesamtmortalität bei Patienten mit Typ-2-Diabetes. Diabetes Care. (2016) 39:1424-30. doi: 10.2337/dc16-0155

CrossRef Full Text | Google Scholar

7. Johnson CH, Ivanisevic J, Siuzdak G. Metabolomics: beyond biomarkers and towards mechanisms. Nat Rev Mol Cell Biol. (2016) 17:451-9. doi: 10.1038/nrm.2016.25

PubMed Abstract | CrossRef Full Text | Google Scholar

8. McCoin CS, Knotts TA, Adams SH. Acylcarnitine – alte Schauspieler, die für neue Rollen in der Stoffwechselphysiologie vorsprechen. Nat Rev Endocrinol. (2015) 11:617-25. doi: 10.1038/nrendo.2015.129

PubMed Abstract | CrossRef Full Text | Google Scholar

9. Sun L, Liang L, Gao X, Zhang H, Yao P, Hu Y, et al. Early prediction of developing type 2 diabetes by plasma acylcarnitines: a population-based study. Diabetes Care. (2016) 39:1563-70. doi: 10.2337/dc16-0232

PubMed Abstract | CrossRef Full Text | Google Scholar

10. Lou PH, Lucchinetti E, Scott KY, Huang Y, Gandhi M, Hersberger M, et al. Alterations in fatty acid metabolism and sirtuin signaling characterize early type-2 diabetic hearts of fructose-fed rats. Physiol Rep. (2017) 5:e13388. doi: 10.14814/phy2.13388

PubMed Abstract | CrossRef Full Text | Google Scholar

11. Castro JP, Jung T, Grune T, Siems W. 4-Hydroxynonenal (HNE) modifizierte Proteine bei Stoffwechselkrankheiten. Free Radic Biol Med. (2017) 111:309-15. doi: 10.1016/j.freeradbiomed.2016.10.497

PubMed Abstract | CrossRef Full Text | Google Scholar

12. Cao YF, Li J, Zhang Z, Liu J, Sun XY, Feng XF, et al. Plasma levels of amino acids related to urea cycle and risk of type 2 diabetes mellitus in chinese adults. Front Endocrinol. (2019) 10:50. doi: 10.3389/fendo.2019.00050

PubMed Abstract | CrossRef Full Text | Google Scholar

13. Hou Q, Guan Y, Yu W, Liu X, Wu L, Xiao M, et al. Associations between obesity and cognitive impairment in the Chinese elderly: an observational study. Clin Interv Aging. (2019) 14:367-73. doi: 10.2147/CIA.S192050

PubMed Abstract | CrossRef Full Text | Google Scholar

14. Guasch-Ferré M, Zheng Y, Ruiz-Canela M, Hruby A, Martínez-González MA, Clish CB, et al. Plasma acylcarnitines and risk of cardiovascular disease: effect of Mediterranean diet interventions. Am J Clin Nutr. (2016) 103:1408-16. doi: 10.3945/ajcn.116.130492

PubMed Abstract | CrossRef Full Text | Google Scholar

15. Wang Q, Sun T, Cao Y, Gao P, Dong J, Fang Y, et al. A dried blood spot mass spectrometry metabolomic approach for rapid breast cancer detection. Onco Targets Ther. (2016) 9:1389-98. doi: 10.2147/OTT.S95862

PubMed Abstract | CrossRef Full Text | Google Scholar

16. Aboneh EA, Look KA, Stone JA, Lester CA, Chui MA. Psychometrische Eigenschaften der AHRQ-Umfrage zur Patientensicherheitskultur in Apotheken: eine Faktorenanalyse. BMJ Qual Saf. (2016) 25:355-63. doi: 10.1136/bmjqs-2015-004001

PubMed Abstract | CrossRef Full Text | Google Scholar

17. Gaskin CJ, Happell B. On exploratory factor analysis: a review of recent evidence, an assessment of current practice, and recommendations for future use. Int J Nurs Stud. (2014) 51:511-21. doi: 10.1016/j.ijnurstu.2013.10.005

PubMed Abstract | CrossRef Full Text | Google Scholar

18. London WM. Klinische Forschung im Bereich der komplementären Therapien: Grundsätze, Probleme und Lösungen. Focus Altern Complement Ther. (2012) 12. doi: 10.1016/S0965-2299(03)00123-7

CrossRef Full Text | Google Scholar

19. Grevengoed TJ, Klett EL, Coleman RA. Acyl-CoA-Metabolismus und -Verteilung. Ann Rev Nutr. (2014) 34:1-30. doi: 10.1146/annurev-nutr-071813-105541

PubMed Abstract | CrossRef Full Text | Google Scholar

20. Pennisi EM, Garibaldi M, Antonini G. Lipid myopathies. J Clin Med. (2018) 7:472. doi: 10.3390/jcm7120472

PubMed Abstract | CrossRef Full Text | Google Scholar

21. de Sain-van der Velden MG, Diekman EF, Jans JJ, van der Ham M, Prinsen BH, Visser G, et al. Differences between acylcarnitine profiles in plasma and bloodspots. Mol Genet Metab. (2013) 110:116-21. doi: 10.1016/j.ymgme.2013.04.008

CrossRef Full Text | Google Scholar

22. Jones LL, McDonald DA, Borum PR. Acylcarnitine: role in brain. Prog Lipid Res. (2010) 49:61-75. doi: 10.1016/j.plipres.2009.08.004

PubMed Abstract | CrossRef Full Text | Google Scholar

23. Houten SM, Wanders RJ. Eine allgemeine Einführung in die Biochemie der mitochondrialen Fettsäure-β-Oxidation. J Inherit Metab Dis. (2010) 33:469-77. doi: 10.1007/s10545-010-9061-2

PubMed Abstract | CrossRef Full Text | Google Scholar

24. Knottnerus SJG, Bleeker JC, Wust RCI, Ferdinandusse S, L IJlst, Wijburg FA, et al. Disorders of mitochondrial long-chain fatty acid oxidation and the carnitine shuttle. Rev Endocr Metab Disord. (2018) 19:93-106. doi: 10.1007/s11154-018-9448-1

PubMed Abstract | CrossRef Full Text | Google Scholar

25. Houten SM, Violante S, Ventura FV, Wanders RJ. Die Biochemie und Physiologie der mitochondrialen Fettsäure-Beta-Oxidation und ihre genetischen Störungen. Annu Rev Physiol. (2016) 78:23-44. doi: 10.1146/annurev-physiol-021115-105045

PubMed Abstract | CrossRef Full Text | Google Scholar

26. Belke DD, Larsen TS, Gibbs EM, Severson DL. Veränderter Stoffwechsel verursacht kardiale Dysfunktion in perfundierten Herzen von diabetischen (db/db) Mäusen. Am J Physiol Endocrinol Metab. (2000) 279:E1104-13. doi: 10.1152/ajpendo.2000.279.5.E1104

PubMed Abstract | CrossRef Full Text | Google Scholar

27. Mazumder PK, O’Neill BT, Roberts MW, Buchanan J, Yun UJ, Cooksey RC, et al. Impaired cardiac efficiency and increased fatty acid oxidation in insulin-resistant ob/ob mouse hearts. Diabetes. (2004) 53:2366-74. doi: 10.2337/diabetes.53.9.2366

PubMed Abstract | CrossRef Full Text | Google Scholar

28. Buchanan J, Mazumder PK, Hu P, Chakrabarti G, Roberts MW, Yun UJ, et al. Reduzierte kardiale Effizienz und veränderter Substratstoffwechsel gehen dem Auftreten von Hyperglykämie und kontraktiler Dysfunktion in zwei Mausmodellen von Insulinresistenz und Adipositas voraus. Endokrinologie. (2005) 146:5341-9. doi: 10.1210/de.2005-0938

PubMed Abstract | CrossRef Full Text | Google Scholar

29. Luiken JJ, Arumugam Y, Dyck DJ, Bell RC, Pelsers MM, Turcotte LP, et al. Increased rates of fatty acid uptake and plasmal fatty acid transporters in obese Zucker rats. J Biol Chem. (2001) 276:40567-73. doi: 10.1074/jbc.M100052200

PubMed Abstract | CrossRef Full Text | Google Scholar

30. Coort SL, Hasselbaink DM, Koonen DP, Willems J, Coumans WA, Chabowski A, et al. Enhanced sarcolemmal FAT/CD36 content and triacylglycerol storage in cardiac myocytes from obese Zucker rats. Diabetes. (2004) 53:1655-63. doi: 10.2337/diabetes.53.7.1655

PubMed Abstract | CrossRef Full Text | Google Scholar

31. Peterson LR, Saeed IM, McGill JB, Herrero P, Schechtman KB, Gunawardena R, et al. Sex and type 2 diabetes: obesity-independent effects on left ventricular substrate metabolism and relaxation in humans. Obesity (Silver Spring). (2012) 20:802-10. doi: 10.1038/oby.2011.208

PubMed Abstract | CrossRef Full Text | Google Scholar

32. Tian Q, Barger PM. Deranged energy substrate metabolism in the failing heart. Curr Hypertens Rep. (2006) 8:465-71. doi: 10.1007/s11906-006-0024-9

PubMed Abstract | CrossRef Full Text | Google Scholar

33. Adams SH, Hoppel CL, Lok KH, Zhao L, Wong SW, Minkler PE, et al. Plasma-Acylcarnitin-Profile deuten auf eine unvollständige Beta-Oxidation langkettiger Fettsäuren und eine veränderte Aktivität des Tricarbonsäurezyklus bei afroamerikanischen Typ-2-Diabetikerinnen hin. J Nutr. (2009) 139:1073-81. doi: 10.3945/jn.108.103754

PubMed Abstract | CrossRef Full Text | Google Scholar

34. Mai M, Tönjes A, Kovacs P, Stumvoll M, Fiedler GM, Leichtle AB. Serumspiegel von Acylcarnitinen sind in prädiabetischen Zuständen verändert. PLoS One. (2013) 8:e82459. doi: 10.1371/journal.pone.0082459

PubMed Abstract | CrossRef Full Text | Google Scholar

35. Bouchard-Mercier A, Rudkowska I, Lemieux S, Couture P, Vohl MC. Die metabolische Signatur im Zusammenhang mit dem westlichen Ernährungsmuster: eine Querschnittsstudie. Nutr J. (2013) 12:158. doi: 10.1186/1475-2891-12-158

PubMed Abstract | CrossRef Full Text | Google Scholar

36. Huang D, Refaat M, Mohammedi K, Jayyousi A, Al Suwaidi J, Abi Khalil C. Macrovascular complications in patients with diabetes and prediabetes. Biomed Res Int. (2017) 2017:7839101. doi: 10.1155/2017/7839101

PubMed Abstract | CrossRef Full Text | Google Scholar