Phenotypic clusters of obesity: gender, clinical, laboratory and genetic characteristics

封面

如何引用文章

全文:

详细

Aim. To identify phenotypic clusters of patients with various types of obesity and to study their gender, clinical, laboratory and genetic characteristics.

Materials and methods. 100 patients (47 men and 53 women, median age 58.5 [50; 69] years) were included in the cross-sectional study. All patients underwent chest and retroperitoneal space computed tomography with the calculation of pericardial, perivascular adipose tissue volumes and the thickness of perirenal fat. Alleles and genotypes of the peroxisome proliferator activated receptor gamma (PPARG) rs1801282 polymorphism, angiotensin II receptor type 1 (AGTR1) rs5186 polymorphism, and vascular endothelial growth factor A (VEGF-A) rs699947 polymorphism were identified in all patients. Cluster analysis was performed with python version 3.11. using the k-means algorithm. Silhouette value 0.2.

Results. Cluster 1 (n=36) consisted of middle-aged patients (men – 38.9%) with hypertension (HTN) – 100%, combined obesity [general obesity (GO) – 61%, abdominal obesity (AO) – 100%, ectopic obesity – 80.5%] and dyslipidaemia (77.8%). Cluster 2 included 14 patients: elderly (77.8%) men (71.4%) with HTN (100%), combined obesity (GO – 92.8%, AO – 85.7%, ectopic obesity – 100%), high incidence of dyslipidaemia (92.8%) and target organ damage. Cluster 3 consisted of 21 patients, mostly elderly (87.5%) women (76.2%) with HTN (90.1%), AO (80.9%), without GO (0%) and perirenal obesity (0%). Cluster 4 consisted of 29 patients, mostly young men without HTN (0%) with isolated AO (72.4%). The highest prevalence of risky alleles of the studied polymorphisms was found in cluster 2 (25, 32.1, 64.3%). The frequency of risky alleles was low 10.3, 20.7 and 43.1% in the most metabolically favourable cluster 4 compared to cluster 2.

Conclusion. We identified 4 clusters of obese patients in our study. Among them, the most unfavorable from a metabolic and genetic point of view was cluster 2, and the most favourable was cluster 4.

作者简介

Valery Podzolkov

Sechenov First Moscow State Medical University (Sechenov University)

Email: anna.bragina@mail.ru
ORCID iD: 0000-0002-0758-5609

д-р мед. наук, проф., зав. каф. факультетской терапии №2 Института клинической медицины им. Н.В. Склифосовского

俄罗斯联邦, Moscow

Anna Bragina

Sechenov First Moscow State Medical University (Sechenov University)

编辑信件的主要联系方式.
Email: anna.bragina@mail.ru
ORCID iD: 0000-0002-2699-1610

д-р мед. наук, проф. каф. факультетской терапии №2 Института клинической медицины им. Н.В. Склифосовского

俄罗斯联邦, Moscow

Maria Vasilchenko

Sechenov First Moscow State Medical University (Sechenov University)

Email: anna.bragina@mail.ru
ORCID iD: 0000-0002-4831-7977

ассистент каф. факультетской терапии №2 Института клинической медицины им. Н.В. Склифосовского

俄罗斯联邦, Moscow

Konstantin Osadchiy

Sechenov First Moscow State Medical University (Sechenov University)

Email: anna.bragina@mail.ru
ORCID iD: 0000-0001-8202-4492

канд. мед. наук, доц. каф. факультетской терапии №2 Института клинической медицины им. Н.В. Склифосовского

留尼汪, Moscow

Miroslava Pilipenko

Sechenov First Moscow State Medical University (Sechenov University)

Email: anna.bragina@mail.ru
ORCID iD: 0009-0007-7862-8366

студентка

俄罗斯联邦, Moscow

Viktoriia Antonenko

Sechenov First Moscow State Medical University (Sechenov University)

Email: anna.bragina@mail.ru
ORCID iD: 0009-0007-7120-5301

студентка

俄罗斯联邦, Moscow

Lamiya Mansimova

Sechenov First Moscow State Medical University (Sechenov University)

Email: anna.bragina@mail.ru
ORCID iD: 0009-0003-4614-1626

студентка

俄罗斯联邦, Moscow

Yulia Rodionova

Sechenov First Moscow State Medical University (Sechenov University)

Email: anna.bragina@mail.ru
ORCID iD: 0000-0003-3461-6703

канд. мед. наук, доц. каф. факультетской терапии №2 Института клинической медицины им. Н.В. Склифосовского

俄罗斯联邦, Moscow

参考

  1. NCD Risk Factor Collaboration (NCD-RisC). Worldwide trends in underweight and obesity from 1990 to 2022: a pooled analysis of 3663 population-representative studies with 222 million children, adolescents, and adults. Lancet. 2024;403(10431):1027-50. doi: 10.1016/S0140-6736(23)02750-2
  2. World Health Organization. Obesity and overweight. Available at: https://www.who.int/news-room/fact-sheets/detail/obesity-and-overweight. Accessed: 18.01.2025.
  3. Кобалава Ж.Д., Ставцева Ю.В., Троицкая Е.А., и др. Фенотипы артериального давления у пациентов молодого возраста с сахарным диабетом первого типа. Российский кардиологический журнал. 2020;25(3):49-56 [Kobalava ZD, Stavtseva YV, Troitskaya EA, et al. Blood pressure phenotypes in young patients with type 1 diabetes. Russ J Cardiol. 2020;25(3):49-56 (in Russian)]. doi: 10.15829/1560-4071-2020-3-3729
  4. Овчаренко С.И. Фенотипы больных хронической обструктивной болезнью легких и исследование ECLIPSE: первые результаты. Пульмонология. 2011;(3):113-7 [Ovcharenko SI. Phenotypes of chronic obstructive pulmonary disease and the ECLIPSE study: preliminary results. Pulmonologiya. 2011;(3):113-7 (in Russian)]. doi: 10.18093/0869-0189-2011-0-3-113-117
  5. Bel EH. Clinical phenotypes of asthma. Curr Opin Pulm Med. 2004;10(1):44-50. doi: 10.1097/00063198-200401000-00008
  6. Драгомирецкая Н.А., Толмачева А.В., Иванников А.А., и др. Фенотипические кластеры и профиль биомаркеров у больных с хронической сердечной недостаточностью с сохраненной и умеренно сниженной фракцией выброса левого желудочка. Терапевтический архив. 2024;96(12):1137-43 [Dragomiretskaya NA, Tolmacheva AV, Ivannikov AA, et al. Phenotypic clusters and biomarkers profile in patients with chronic heart failure with preserved and mildly reduced left ventricular ejection fraction. Terapevticheskii Arkhiv (Ter. Arkh.). 2024;96(12):1137-43 (in Russian)]. doi: 10.26442/00403660.2024.12.203003
  7. Schulze MB. Metabolic health in normal-weight and obese individuals. Diabetologia. 2019;62(4):558-66. doi: 10.1007/S00125-018-4787-8
  8. Kramer CK, Zinman B, Retnakaran R. Are metabolically healthy overweight and obesity benign conditions? A systematic review and meta-analysis. Ann Intern Med. 2013;159(11):758-69. doi: 10.7326/0003-4819-159-11-201312030-00008
  9. Eckel N, Li Y, Kuxhaus O, et al. Transition from metabolic healthy to unhealthy phenotypes and association with cardiovascular disease risk across BMI categories in 90 257 women (the Nurses' Health Study): 30 year follow-up from a prospective cohort study. Lancet Diabetes Endocrinol. 2018;6(9):714-24. doi: 10.1016/S2213-8587(18)30137-2
  10. Bray GA, Heisel WE, Afshin A, et al. The Science of Obesity Management: An Endocrine Society Scientific Statement. Endocr Rev. 2018;39(2):79-132. doi: 10.1210/er.2017-00253
  11. Отт А.В., Чумакова Г.А. Эпикардиальное ожирение как один из основных критериев метаболически тучного фенотипа ожирения и предикторов субклинического атеросклероза. Комплексные проблемы сердечно-сосудистых заболеваний. 2018;7(1):21-8 [Ott AV, Chumakova GA. Epicardial obesity as one of the basic criteria for metabolically unhealthy obesity phenotype and the predictor of subclinical atherosclerosis. Complex Issues of Cardiovascular Diseases. 2018;7(1):21-8 (in Russian)]. doi: 10.17802/2306-1278-2018-7-1-21-28
  12. Heid IM, Jackson AU, Randall JC, et al. Meta-analysis identifies 13 new loci associated with waist-hip ratio and reveals sexual dimorphism in the genetic basis of fat distribution. Nat Genet. 2010;42(11):949-60. doi: 10.1038/ng.685
  13. Cho YS, Chen CH, Hu C, et al. Meta-analysis of genome-wide association studies identifies eight new loci for type 2 diabetes in east Asians. Nat Genet. 2011;44(1):67-72. doi: 10.1038/ng.1019
  14. Lindgren CM, Heid IM, Randall JC, et al. Genome-wide association scan meta-analysis identifies three Loci influencing adiposity and fat distribution. PLoS Genet. 2009;5(6):e1000508. doi: 10.1371/journal.pgen.1000508
  15. Fox CS, White CC, Lohman K, et al. Genome-wide association of pericardial fat identifies a unique locus for ectopic fat. PLoS Genet. 2012;8(5):e1002705. doi: 10.1371/journal.pgen.1002705
  16. Wagner R, Machicao F, Fritsche A, et al. The genetic influence on body fat distribution. Drug Discov Today Dis Mech. 2013;10(1-2):e5-13. doi: 10.1016/J.DDMEC.2013.05.003
  17. Дедов И.И., Шестакова М.В., Мельниченко Г.А., и др. Междисциплинарные клинические рекомендации «Лечение ожирения и коморбидных заболеваний». Ожирение и метаболизм. 2021;18(1):5-99 [Dedov II, Shestakova MV, Melnichenko GA, et al. Interdisciplinary Clinical Practice Guidelines "Management of Obesity and its Comorbidities". Obesity and Metabolism. 2021;18(1):5-99 (in Russian)]. doi: 10.14341/OMET12714-9827
  18. Подзолков В.И., Брагина А.Е., Родионова Ю.Н., и др. Эктопическая жировая ткань: частота и клинические характеристики фенотипов ожирения у пациентов. Кардиоваскулярная терапия и профилактика. 2024;23(6):50-6 [Podzolkov VI, Bragina AE, Rodionova YN, et al. Ectopic adipose tissue: frequency and clinical characteristics of obesity phenotypes in patients. Cardiovascular Therapy and Prevention. 2024;23(6):50-6 (in Russian)]. doi: 10.15829/1728-8800-2024-3980
  19. Подзолков В.И., Брагина А.Е., Родионова Ю.Н., и др. Эктопическая жировая ткань: связь фенотипов ожирения с интегральными метаболическими индексами ожирения. Рациональная фармакотерапия в кардиологии. 2024;20(3):285-93 [Podzolkov VI, Bragina A, Rodionova YN, et al. Ectopic adipose tissue: association of obesity phenotypes with integral metabolic indices of obesity. Rational Pharmacotherapy in Cardiology. 2024;20(3):285-93 (in Russian)]. doi: 10.20996/1819-6446-2024-3035
  20. Goldenberg L, Saliba W, Hayeq H, et al. The impact of abdominal fat on abdominal aorta calcification measured on non-enhanced CT. Medicine (Baltimore). 2018;97(49):e13233. doi: 10.1097/MD.0000000000013233
  21. Подзолков В.И., Брагина А.Е., Осадчий К.К., и др. Эктопическое ожирение у пациентов без клинически значимых сердечно-сосудистых заболеваний: ориентировочные нормативы, частота и клинические характеристики. Терапевтический архив. 2022;94(9):1072-7 [Podzolkov VI, Bragina AE, Osadchiy KK, et al. Ectopic obesity in patients without manifested cardiovascular disease: regulations, frequency and clinical characteristics. Terapevticheskii Arkhiv (Ter. Arkh.). 2022;94(9):1072-7 (in Russian)]. doi: 10.26442/00403660.2022.09.201847
  22. Bragina АЕ, Osadchiy KK, Rodionova JN, et al. Pararenal Fat and Renal Dysfunction in Patients without Significant Cardiovascular Disease. Am J Nephrol. 2022;53(5):416-22. doi: 10.1159/000522311
  23. Подзолков В.И., Брагина А.Е., Осадчий К.К., и др. Паранефральная жировая ткань: частота паранефрального ожирения и связь с антропометрическими индексами ожирения. Рациональная фармакотерапия в кардиологии. 2022;18(5):516-21 [Podzolkov VI, Bragina AE, Osadchiy KK, et al. Pararenal Fat Tissue: Rate of Pararenal Obesity and Relation with Anthropometric Indices of Obesity. Rational Pharmacotherapy in Cardiology. 2022;18(5):516-21 (in Russian)]. doi: 10.20996/1819-6446-2022-09-04
  24. Подзолков В.И., Брагина А.Е., Осадчий К.К., и др. Взаимосвязь объема периваскулярной жировой ткани и состояния сосудистой стенки. Кардиоваскулярная терапия и профилактика. 2021;20(7):83-90 [Podzolkov VI, Bragina AE, Osadchiy KK, et al. Relationship between the volume of perivascular adipose tissue and the vascular wall lesion. Cardiovascular Therapy and Prevention (Russian Federation). 2021;20(7):83-90 (in Russian)]. doi: 10.15829/1728-8800-2021-2993
  25. Fairley S, Lowy-Gallego E, Perry E, Flicek P. The International Genome Sample Resource (IGSR) collection of open human genomic variation resources. Nucleic Acids Res. 2020;48(D1):D941-7. doi: 10.1093/nar/gkz836
  26. Lin Z, Feng W, Liu Y, et al. Machine Learning to Identify Metabolic Subtypes of Obesity: A Multi-Center Study. Front Endocrinol (Lausanne). 2021;12:713592.

补充文件

附件文件
动作
1. JATS XML
2. Fig. 1. Clusters of patients with different phenotypes of ectopic obesity and abdominal obesity.

下载 (365KB)

版权所有 © Consilium Medicum, 2025

Creative Commons License
此作品已接受知识共享署名-非商业性使用-相同方式共享 4.0国际许可协议的许可。
 
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».