Avaliando Saúde Metabólica e Função Cognitiva
Estudo investiga a relação entre saúde metabólica e desempenho cognitivo.
― 6 min ler
Índice
Medir a gordura corporal e certos tipos de gordura no sangue é importante pra entender nossa saúde geral. Esse relatório analisa várias maneiras de avaliar a saúde metabólica, que tá ligada a riscos de condições sérias como doenças cardíacas e derrames. O Índice de Massa Corporal (IMC), porcentagem de gordura corporal e a relação cintura-quadril (RCQ) são algumas das formas comuns que usamos pra avaliar a saúde. Estudos mostraram que essas medidas também estão relacionadas à função cerebral e à velocidade com que nossas habilidades cognitivas diminuem com o tempo.
Embora o IMC seja uma medida comum, ele não mostra com precisão quanto ou onde a gordura tá localizada no corpo. Por isso, usar diferentes maneiras de medir a gordura corporal pode dar uma visão mais clara da saúde metabólica de alguém. Além disso, examinar as mudanças biológicas associadas a essas medidas pode ajudar a gente a aprender mais sobre os processos que afetam nossa saúde.
Metilação do DNA
Uma das formas de estudar a saúde metabólica em nível molecular é através da metilação do DNA (DNAm). Esse é um processo que pode mudar dependendo de fatores genéticos e ambientais e pode variar entre diferentes tipos de tecidos ou células. Estudos ligaram mudanças específicas na metilação do DNA em amostras de sangue a Características Metabólicas como IMC, RCQ e níveis de colesterol.
Em pesquisas passadas, modelos foram desenvolvidos pra prever características complexas de saúde usando dados de DNAm. Esses modelos, que chamamos de EpiScores, podem melhorar nossa compreensão dos resultados de saúde quando combinados com medições regulares.
O Estudo
Nesse estudo, pesquisadores analisaram dados de um grupo grande de pessoas na Escócia, com mais de 17.000 indivíduos. Eles usaram tanto a regressão linear quanto um método diferente chamado regressão penalizada bayesiana pra analisar seis características metabólicas. Isso permite que eles vejam quais locais de DNA estão associados a essas características, considerando as relações entre diferentes locais de DNA.
Os pesquisadores treinaram os EpiScores para essas seis características e testaram em dois outros grupos: idosos na Escócia e um grupo diverso de pessoas vivendo em Cingapura. Eles também verificaram como esses EpiScores se relacionavam com as habilidades cognitivas no grupo de idosos.
Coorte Generation Scotland
No estudo Generation Scotland, os pesquisadores coletaram informações de saúde de 18.411 pessoas. Esses indivíduos tiveram sua metilação do DNA verificada usando amostras de sangue coletadas entre 2006 e 2011. O grupo incluía 59% de mulheres, e a idade média era de cerca de 47 anos. Foram usadas seis medidas metabólicas diferentes, incluindo IMC, porcentagem de gordura corporal, RCQ, glicose no sangue, e níveis de colesterol HDL e total.
Outras Coortes
A Coorte de Nascimento de Lothian 1936 (LBC1936) estudou pessoas nascidas em 1936 que fizeram testes cognitivos aos 11 anos e foram depois trazidas de volta pra mais testes por volta dos 70 anos. O estudo Saúde para a Vida em Cingapura (HELIOS) incluiu cerca de 10.000 indivíduos de diferentes origens étnicas vivendo em Cingapura. Ambos os estudos contribuíram pra entender como as características metabólicas se relacionam com a função cognitiva.
Analisando os Dados
Os pesquisadores usaram regressão linear pra encontrar conexões entre mais de 750.000 posições de DNA e cada uma das seis características metabólicas. Eles levaram em conta fatores como idade e sexo pra garantir resultados precisos. Também usaram análise de componentes principais (PCA) pra entender as mudanças significativas entre os locais de DNA.
O método de regressão penalizada bayesiana deu mais insights ao olhar os locais de DNA juntos, em vez de individualmente. Isso ajudou os pesquisadores a encontrar quais locais de DNA tinham as ligações mais fortes com as características metabólicas estudadas.
Descobertas
O estudo encontrou várias associações significativas entre as características metabólicas e os locais de DNA. Por exemplo, 37 posições de DNA estavam ligadas a todas as seis características na abordagem de regressão linear. O método bayesiano identificou um número menor de associações fortes, sugerindo que analisar os dados juntos pode revelar conexões mais claras.
Desenvolvendo EpiScores
Os pesquisadores criaram EpiScores para cada característica metabólica usando os dados de DNA e treinando com a coorte escocesa. Depois, testaram esses scores nos grupos LBC1936 e HELIOS pra ver como poderiam prever características metabólicas. Esses EpiScores conseguiram explicar uma boa parte da variância nas características metabólicas entre diferentes coortes.
No grupo de idosos do LBC1936, os EpiScores também mostraram relação com o desempenho cognitivo, sugerindo que como nosso metabolismo funciona pode impactar a saúde do cérebro.
Implicações para a Saúde Cognitiva
Pesquisas mostram que a saúde metabólica pode influenciar como bem nossos cérebros funcionam. No estudo LBC1936, características metabólicas, conforme medidas pelos EpiScores, estavam significativamente relacionadas aos níveis de desempenho cognitivo. No entanto, não foram encontradas associações fortes ao verificar mudanças na função cognitiva ao longo do tempo.
Combinar EpiScores com características metabólicas medidas proporcionou uma compreensão mais completa dos níveis de função cognitiva do que qualquer método sozinho. Isso sugere que os EpiScores podem ser úteis pra estimar a saúde metabólica em estudos onde medições diretas não estão disponíveis.
Conclusão
Esse estudo destaca a importância de olhar pra várias formas de avaliar a saúde metabólica. Usando diferentes métodos de análise e examinando mudanças biológicas, os pesquisadores podem entender melhor como o metabolismo impacta a saúde geral e a função cognitiva. As descobertas indicam que os EpiScores metabólicos podem ajudar a prever os resultados de saúde, oferecendo uma ferramenta valiosa pra pesquisa em populações diversas. Pesquisas futuras precisam explorar como essas descobertas se aplicam a diferentes grupos étnicos pra garantir a utilidade dos EpiScores em vários contextos.
Os resultados também enfatizam a necessidade de estudos contínuos pra investigar mais as relações entre saúde metabólica e função cognitiva. Há potencial pra prever melhor os resultados de saúde através do avanço dos nossos métodos e da compreensão das características metabólicas em relação à função cerebral.
Título: Methylome-wide studies of six metabolic traits
Resumo: Exploring the molecular correlates of metabolic health measures may identify the shared and unique biological processes and pathways that they track. Here, we performed epigenome-wide association studies (EWASs) of six metabolic traits: body mass index (BMI), body fat percentage, waist-hip ratio (WHR), and blood-based measures of glucose, high-density lipoprotein (HDL) cholesterol, and total cholesterol. We considered blood-based DNA methylation (DNAm) from >750,000 CpG sites in over 17,000 volunteers from the Generation Scotland (GS) cohort. Linear regression analyses identified between 304 and 11,815 significant CpGs per trait at P
Autores: Riccardo E Marioni, H. M. Smith, H. K. Ng, J. E. Moodie, D. A. Gadd, D. L. McCartney, E. Bernabeu, A. Campbell, P. Redmond, A. Taylor, D. Page, J. Corley, S. E. Harris, D. Tay, I. J. Deary, K. L. Evans, M. R. Robinson, J. C. Chambers, M. Loh, S. R. Cox, R. F. Hillary
Última atualização: 2024-05-29 00:00:00
Idioma: English
Fonte URL: https://www.medrxiv.org/content/10.1101/2024.05.29.24308103
Fonte PDF: https://www.medrxiv.org/content/10.1101/2024.05.29.24308103.full.pdf
Licença: https://creativecommons.org/licenses/by/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao medrxiv pela utilização da sua interoperabilidade de acesso aberto.