Open Access

Charlotte Luise Wildberg

• Die gestörte Glukosetoleranz (engl. impaired glucose tolerance, IGT) ist eines der präsymptomatischen Zustände des Typ-2-Diabetes mellitus (T2DM) und erfordert zur Diagnose einen oralen Glukosetoleranztest (oGTT). Ziele dieser Arbeit waren: 1) die Identifikation einer Metabolitsignatur zur Vorhersage einer IGT, 2) die pathophysiologische Einordnung der bedeutendsten Assoziationen und 3) die Identifizierung von Untergruppen innerhalb der IGT-Population, um so erste Hinweise auf eine Patientenstratifizierung anhand objektivierbarer Metabolitmarker im Blut zu erlangen. Dazu dienten Metabolomdaten basierend auf Massenspektrometrie und Kernspinresonanzspektroskopie von 827 Teilnehmern der Study of Health in Pomerania (SHIP)-TREND. Durch einen targeted und non-targeted Anlayseansatz konnte ein breites Spektrum an Metaboliten erfasst und mithilfe statistischer und bioinformatischer Methoden die Assoziationen zum oGTT-Outcome, zur 2-Stunden Insulinkonzentration und daraus abgeleitet zur IGT, ausgewertet werden. Aus über 100 assoziierten Molekülen konnten beteiligte Stoffwechselwege, wie etwa der Katabolismus von verzweigtkettigen Aminosäuren und Veränderungen im Lipoprotein- und Fettstoffwechsel herausgearbeitet werden. Zudem konnte eine integrative Signatur zur Vorhersage einer IGT abgeleitet werden. Es wurde ein verbessertes IGT-Prädiktionsmodell etabliert, welches auf einer Kombination von Metaboliten und klinischen Merkmalen basiert. Diese Befunde sind jedoch in klinischen Studien zu prüfen. Über Verfahren des maschinellen Lernens konnten zwei Cluster innerhalb der IGT-Population identifiziert werden. Die IGT-Cluster spiegeln möglicherweise unterschiedlich fortgeschrittene IGT-Stadien oder verschiedene Ätiopathogenesen wider. Metabolitsignaturen könnten demnach gegebenenfalls eine frühzeitige Patientenstratifizierung ermöglichen. Somit wären bereits IGT-Patienten einem Risikoprofil zuzuordnen, was eine zuverlässigere T2DM- Risikoprognose erlauben würde. Durch rechtzeitige Präventivmaßnahmen bei IGT-betroffenen Personen könnte die Manifestation eines T2DM unter Umständen verhindert werden. Die hier vorgestellten Befunde sind jedoch als vorläufig zu betrachten und bedürfen einer Replikation in unabhängigen Studien. Die Subtypen-Klassifizierung sollte idealerweise in einer längsschnittlichen Follow-up-Studie examiniert werden, um eine tatsächliche klinische Relevanz zu belegen. Von besonderer Bedeutung wäre dabei die Untersuchung der IGT-Cluster im Follow-up hinsichtlich eines Ansprechens auf allgemeine Interventionsmaßnahmen wie z.B. Lebensstiländerungen aber auch hinsichtlich einer spontanen IGT-Regredienz oder Progression zu einem T2DM und damit einhergehenden Komplikationen.
• Objective: Impaired glucose tolerance (IGT) is one of the presymptomatic states of type 2 diabetes mellitus and requires an oral glucose tolerance test (OGTT) for diagnosis. Our aims were twofold: (i) characterize signatures of small molecules predicting the OGTT response and (ii) identify metabolic subgroups of participants with IGT. Methods: Plasma samples from 827 participants of the Study of Health in Pomerania free of diabetes were measured using mass spectrometry and proton-nuclear magnetic resonance spectroscopy. Linear regression analyses were used to screen for metabolites significantly associated with the OGTT response after 2 hours, adjusting for baseline glucose and insulin levels as well as important confounders. A signature predictive for IGT was established using regularized logistic regression. All cases with IGT (N 5 159) were selected and subjected to unsupervised clustering using a k-means approach. Results and Conclusion: In total, 99 metabolites and 22 lipoprotein measures were signifi- cantly associated with either 2-hour glucose or 2-hour insulin levels. Those comprised variations in baseline concentrations of branched-chain amino ketoacids, acylcarnitines, lysophospholipids, or phosphatidylcholines, largely confirming previous studies. By the use of these metabolites, subjects with IGT segregated into two distinct groups. Our IGT prediction model combining both clinical and metabolomics traits achieved an area under the curve of 0.84, slightly improving the prediction based on established clinical measures. The present metabolomics approach revealed molecular signatures associated directly to the response of the OGTT and to IGT in line with previous studies. However,clustering of subjects with IGT revealed distinct metabolic signatures of otherwise similar individuals, pointing toward the possibility of metabolomics for patient stratification. (J Clin Endocrinol Metab 104: 6357–6370, 2019)