Роль динамического измерения аутоантител в прогнозировании сахарного диабета 1-го типа у детей

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Обоснование. Прогнозирование сахарного диабета 1-го типа (СД1) на доклинической стадии позволяет своевременно инициировать профилактические терапевтические вмешательства и предотвратить прогрессирование заболевания.

Цель. Оценить возможность прогнозирования СД1 на основе концентраций аутоантител и их динамики.

Методы. Проспективное когортное продольное исследование проведено в трёх региональных детских больницах: Нижнего Новгорода, Чувашской Республики и Республики Марий Эл. В исследование были включены дети в возрасте 0–18 лет, госпитализированные с впервые выявленным СД1 в период с 2017 по 2020 год, а также (одновременно) их здоровые братья и сёстры (сибсы). В анализ вошли данные 517 участников: 314 детей с впервые диагностированным СД1 и 203 здоровых сибсов. Для анализа повторных измерений применяли регрессионное моделирование. Определяли антитела к глутаматдекарбоксилазе, тирозинфосфатазе и транспортёру цинка 8.

Результаты. Среди здоровых сибсов высокий риск развития СД1 ассоциировался с: 1) высокой исходной концентрацией всех трёх антител (в среднем в 57,5–92 раза выше референсных значений); 2) значительным и быстрым снижением концентрации глутаматдекарбоксилазы и тирозинфосфатазы на −23,29 и −43,3 МЕ/мл в месяц соответственно; 3) незначительным и очень медленным снижением концентрации транспортёра цинка 8 на −5,3 Ед./мл в месяц.

Заключение. Моделирование динамических профилей глутаматдекарбоксилазы, тирозинфосфатазы и транспортёра цинка 8 может служить основой для разработки более сложных и точных диагностических систем. Такой подход представляется перспективным, однако требует дальнейшего изучения.

Об авторах

Ксения Георгиевна Корнева

Приволжский исследовательский медицинский университет

Автор, ответственный за переписку.
Email: ksenkor@mail.ru
ORCID iD: 0000-0003-3293-4636
SPIN-код: 5945-3266

канд. мед. наук, доцент

Россия, 603000, Нижний Новгород, пл. Минина и Пожарского, д.10/1

Дмитрий Андреевич Чичеватов

Пензенский государственный университет

Email: chichevatov69@mail.ru
ORCID iD: 0000-0001-6436-3386
SPIN-код: 9518-2170

д-р мед. наук

Россия, Пенза

Леонид Григорьевич Стронгин

Приволжский исследовательский медицинский университет

Email: malstrong@mail.ru
ORCID iD: 0000-0003-2645-2729
SPIN-код: 9641-8130

д-р мед. наук, профессор

Россия, Нижний Новгород

Владимир Евгеньевич Загайнов

Приволжский исследовательский медицинский университет

Email: zagainov@mail.com
ORCID iD: 0000-0002-5769-0378
SPIN-код: 6477-0291

д-р мед. наук

Россия, Нижний Новгород

Список литературы

  1. O'Donovan AJ, Gorelik S, Nally LM. Shifting the paradigm of type 1 diabetes: a narrative review of disease modifying therapies. Front Endocrinol (Lausanne). 2024;15:1477101. doi: 10.3389/fendo.2024.1477101 EDN: CGEGYK
  2. Insel RA, Dunne JL, Atkinson MA, et al. Staging presymptomatic type 1 diabetes: a scientific statement of JDRF, the Endocrine Society, and the American Diabetes Association. Diabetes Care. 2015;38(10):1964–1974. doi: 10.2337/dc15-1419
  3. Vehik K, Bonifacio E, Lernmark Å, et al. Hierarchical order of distinct autoantibody spreading and progression to type 1 diabetes in the TEDDY Study. Diabetes Care. 2020;43(9):2066–2073. doi: 10.2337/dc19-2547 EDN: AGERRL
  4. Ziegler AG, Rewers M, Simell O, et al. Seroconversion to multiple islet autoantibodies and risk of progression to diabetes in children. JAMA. 2013;309(23):2473–2479. doi: 10.1001/jama.2013.6285
  5. Krischer JP; Type 1 Diabetes TrialNet Study Group. The use of intermediate endpoints in the design of type 1 diabetes prevention trials. Diabetologia. 2013;56(9):1919–1924. doi: 10.1007/s00125-013-2960-7 EDN: XALQKS
  6. Quinn LM, Swaby R, Tatovic D, et al. What does the licensing of teplizumab mean for diabetes care? Diabetes Obes Metab. 2023;25(8):2051–2057. doi: 10.1111/dom.15071 EDN: WAVMOX
  7. Achenbach P, Warncke K, Reiter J, et al. Stratification of type 1 diabetes risk on the basis of islet autoantibody characteristics. Diabetes. 2004;53(2):384–392. doi: 10.2337/diabetes.53.2.384
  8. Podichetty JT, Lang P, O'Doherty IM, et al. Leveraging real-world data for EMA qualification of a model-based biomarker tool to optimize type-1 diabetes prevention studies. Clin Pharmacol Ther. 2022;111(5):1133–1141. doi: 10.1002/cpt.2559 EDN: LVIMAI
  9. Kawasaki E. Anti-islet autoantibodies in type 1 diabetes. Int J Mol Sci. 2023;24(12):10012. doi: 10.3390/ijms241210012 EDN: NVMPEG
  10. Endesfelder D, Zu Castell W, Bonifacio E, et al. Time-resolved autoantibody profiling facilitates stratification of preclinical type 1 diabetes in children. Diabetes. 2019;68(1):119–130. doi: 10.2337/db18-0594
  11. Pozzilli V, Grasso EA, Tomassini V. Similarities and differences between multiple sclerosis and type 1 diabetes. Diabetes Metab Res Rev. 2022;38(1):e3505. doi: 10.1002/dmrr.3505 EDN: CZOJES
  12. Bonifacio E, Achenbach P. Birth and coming of age of islet autoantibodies. Clin Exp Immunol. 2019;198(3):294–305. doi: 10.1111/cei.13360

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Гистограммы инициальных концентраций трёх циркулирующих антител: против глутаматдекарбоксилазы (GADA), тирозинфосфатазы (IA-2A) и транспортёра цинка 8 (ZnT8A). Ось Х — концентрации аутоантител, МЕ/мл или Ед./мл (для ZnT8A) — ограничена значениями, соответствующими квантилю Q85. Левые графики представляют здоровых сибсов (группа 2), правые графики — пациентов с сахарным диабетом 1 типа (группы 1 и 3).

Скачать (260KB)
Метаданные
3. Рис. 2. Инициальные концентрации аутоантител против глутаматдекарбоксилазы (GADA), тирозинфосфатазы (IA-2A) и транспортёра цинка 8 (ZnT8A). По оси Y указаны единицы измерения концентраций: МЕ/мл или Ед./мл (для ZnT8A).

Скачать (154KB)
Метаданные
4. Рис. 3. Изменения концентраций аутоантител против глутаматдекарбоксилазы (GADA), тирозинфосфатазы (IA-2A) и транспортёра цинка 8 (ZnT8A) в зависимости от времени в исследуемых группах. Ось Y — концентрация (МЕ/мл или Ед./мл для ZnT8A).

Скачать (616KB)
Метаданные

© Эко-Вектор, 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
 


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».