Интеграция метаболомики и машинного обучения с in silico‑анализом для выявления ранних биомаркеров и молекулярных взаимодействий при острой почечной недостаточности, связанной с сепсисом

Почему важно обнаруживать угрозу почек на раннем этапе

В отделениях интенсивной терапии у многих пациентов с жизнеугрожающей инфекцией (сепсисом) внезапно развиваются серьёзные нарушения функции почек. Врачи в настоящее время полагаются на показатель креатинина в крови для обнаружения повреждения, но креатинин повышается лишь после того, как почки уже пострадали. В этом исследовании был поставлен ключевой вопрос: могут ли скрытые химические сигналы в крови выявить приближающееся клеймо сепсис‑ассоциированной почечной травмы за день до её явного развития, давая врачам шанс действовать раньше?

В поисках скрытых химических подсказок в крови

Исследователи наблюдали пятьдесят взрослых пациентов в отделении интенсивной терапии с диагнозом сепсиса. У некоторых в течение двух дней развилась острая почечная недостаточность, у других — нет. Важно, что образцы крови брались вскоре после постановки диагноза сепсиса, до того как почечная недостаточность стала очевидной. Вместо анализа нескольких известных маркеров команда применила широкий метод «химического отпечатка», сканируя более тысячи малых молекул в крови, объединённых термином «метаболиты». Эти молекулы отражают, как организм использует и преобразует питательные вещества и энергию, и они могут быстро меняться при стрессовом состоянии органов.

От тысяч сигналов к нескольким ключевым маркерам

Компьютерный анализ показал, что у пациентов, у которых позднее развилась почечная недостаточность, профиль крови существенно отличался от профиля у тех, у кого этого не произошло. Из 1 425 признаков 634 конкретных метаболита удалось надёжно идентифицировать, и 150 из них сильно различались между двумя группами пациентов. Многие изменений указывали на нарушение обмена аминокислот и жиров, особенно путей, связанных с аминокислотой фенилаланином и витаминоподобной молекулой NAD+, которая необходима для производства энергии в клетках. Чтобы превратить эти масштабные данные в нечто клинически полезное, исследователи использовали методы машинного обучения, предназначенные для отбора наиболее информативных переменных среди множества признаков.

Панель из пяти молекул — предупреждающий сигнал

Два независимых алгоритма пришли к небольшому набору из пяти метаболитов, которые особенно хорошо различали пациентов, у которых развивалась почечная недостаточность, и тех, у кого она не развилась. Это были себовая (себациновая) кислота, тип ацилаккарнитина, метилацетат, треониновая кислота (продукт распада витамина C) и молекула под названием 1‑RDN, тесно связанная с производством NAD+. Все пять были выше у пациентов, направлявшихся к почечной недостаточности. Когда команда построила прогнозную модель, использующую только эти пять молекул, и протестировала её в строгом режиме «leave‑one‑out», лучшая модель с высокой точностью разделяла пациентов на высоко‑ и низкорисковые, превосходя традиционные показатели, такие как креатинин и обычные маркеры воспаления.

Как метаболизм может быть связан со стрессом почек

Помимо прогноза, профиль метаболитов рисует картину того, что может происходить внутри почек на ранней стадии сепсиса. Повышенные уровни ацилаккарнитина и себациновой кислоты указывают на то, что клетки почек испытывают трудности с нормальным окислением жиров, что приводит к энергетическому дефициту. Рост уровня 1‑RDN свидетельствует о напряжённых попытках восстановить NAD+, кофактор, необходимый для работы митохондрий — энергетических фабрик клетки. Накопление треониновой кислоты намекает, что организм активно использует запасы витамина C для защиты от окислительного повреждения. Метилацетат, образующийся из ацетона, может дополнительно усугублять окислительный стресс и истощать энергию. В совокупности эти сдвиги рисуют картину почек, оказавшихся в замкнутом круге нарушенного жирообмена, энергетического коллапса и окислительного повреждения ещё до того, как традиционные тесты зафиксируют проблему.

Возможный молекулярный мост от химии к повреждению

Чтобы изучить это глубже, команда применила компьютерные модели докинга, чтобы выяснить, могут ли какие‑нибудь ключевые метаболиты физически взаимодействовать с белками, известными своей ролью в заболеваниях почек. Они обнаружили, что 1‑RDN может плотнo связываться с фенилаланин гидроксилазой — ферментом, участвующим в превращении аминокислоты фенилаланина, присутствующим не только в печени, но и в почечной ткани. Это наводит на мысль, что изменения в NAD+‑связанных путях могут напрямую влиять на обращение с аминокислотами в самой почке, связывая энергетический стресс с изменениями сигнальных молекул, происходящих от фенилаланина. Хотя эту гипотезу ещё предстоит подтвердить в лабораторных и животных исследованиях, она даёт конкретную отправную точку для изучения того, как метаболические нарушения могут запускать структурное повреждение почек.

Что это может значить для будущей помощи пациентам

Эта работа показывает, что простой анализ крови, измеряющий небольшую панель метаболитов, может предупредить врачей за сутки о том, какие пациенты с сепсисом находятся на грани острой почечной недостаточности. Хотя нынешний подход опирается на сложные лабораторные приборы и ещё не готов для применения у постели больного, выявленные молекулы могут лечь в основу более быстрых целевых тестов в будущем. Если эти результаты подтвердятся в крупных многопрофильных исследованиях, такие тесты могли бы позволить клиницистам скорректировать лекарственную терапию, точнее регулировать объём жидкости и давление крови и рассмотреть защитные вмешательства до того, как почки достигнут точки возврата, что потенциально улучшит выживаемость и восстановление самых тяжёлых пациентов.

Цитирование: Xu, W., Zhang, Z., Gu, F. et al. Integrating metabolomics and machine learning with in silico analysis to identify early biomarkers and molecular interactions in sepsis-associated acute kidney injury. Sci Rep 16, 10963 (2026). https://doi.org/10.1038/s41598-026-45255-0

Ключевые слова: сепсис, острая почечная недостаточность, метаболомика, биомаркеры, машинное обучение