Blod innehåller hundratals olika fettmolekyler som är indelade i olika klasser, exempelvis kolesterol och triglycerider.
- I sjukvården mäts den totala mängden kolesterol och triglycerider, inte klassernas exakta sammansättning. En klass består av flera molekyler och i vår studie kan vi se att det är bra att ha mer av vissa blodfettsmolekyler och mindre av andra och att dessa kan kopplas till livsstilen, säger Céline Fernandez, docent i integrativ molekylär medicin vid Lunds universitet som utfört studien i samarbete med företaget Lipotype och den nationella bioinformatikresursen NBIS.
- Lipidomik länkar obalans i fettmetabolismen på molekylnivå till fysiologiska skillnader – och här hjälper det oss att förutse typ 2-diabetes, säger Dr Christian Klose, chef för avdelningen för forskning och utveckling vid Lipotype.
Blodprover och självrapporterade data
178 fettmolekyler analyserades i blodet från 3 668 friska deltagare från Malmö Kost Cancer-studien. Deltagarna delades slumpmässigt in i två lika stora grupper, grupp A och B. Förutom blodprover bygger studien på självrapporterade data om fysisk aktivet och matvanor. Vid uppföljningen drygt 20 år senare hade cirka 250 i varje grupp insjuknat i typ 2-diabetes.
Med hjälp av maskininlärning, ett område inom artificiell intelligens, kunde forskarna i grupp A ta fram en blodfettsprofil baserad på koncentrationen av 77 fettmolekyler som kopplats till risken att utveckla typ 2-diabetes senare i livet. Blodfettsprofilens förmåga att urskilja individer som insjuknar i typ 2-diabetes från de som förblir friska undersöktes och bekräftades sedan i grupp B.
Bedömning utifrån olika kriterier
För att se om blodfettsprofilen kunde förbättra riskbedömningen gjordes en riskkalkyl utifrån de vanliga riskfaktorerna (ålder, kön, vikt, blodsocker, rökning och blodtryck). Att även lägga till den totala mängden kolesterol och triglycerider förbättrade inte riskbedömningen. Men när forskarna istället lade till den specifika blodfettsprofilen förbättrades riskprediktionen statistiskt signifikant. Dessutom kunde blodfettsprofilen i sig bättre förutsäga risken att drabbas av typ 2-diabetes än fetma, som anses vara den främsta riskfaktorn för typ 2-diabetes.
- Det innebär att vi kunde göra en bättre uppskattning av vilka som löpte en hög risk att insjukna i typ 2diabetes, säger Celine Fernandez.
- Det här visar hur man kan använda maskininlärning för att förbättra klinisk diagnostik, säger Nikolay Oskolkov, bioinformatiker på NBIS.
Livsstilen påverkar blodfetterna
Fynden visade även att blodfettsprofilen kan kopplas till livsstilen. Ju mer deltagarna motionerade på sin fritid desto mindre av den skadliga blodfettsprofilen hade de. Kaffe var enligt studien också kopplat till minskad mängd av den skadliga blodfettprofilen. Mindre bra, eftersom det var kopplat till större mängd av den skadliga blodfettprofilen, var mejeriprodukter, sockersötade drycker och processat kött.
- Detta tyder på att det skulle kunna vara möjligt att modifiera sin blodfettsprofil och därmed sin risk för typ 2-diabetes genom livsstilsändring, säger Céline Fernandez. Men ytterligare experiment behövs för att kunna bekräfta det.
Styrkor och svagheter
En styrka med studien är att forskarna kunde upprepa resultaten som de tog fram i grupp A även i grupp B och därmed validera och bekräfta resultaten hos andra individer. Detta var möjligt eftersom Malmö Kost Cancer-studien har många deltagare och på grund av Lipotypes robusta blodfettsanalys.
- En svaghet är förstås att alla individer i kohorten har liknande ursprung. Vi vet inte vad vi hade fått för resultat i en annan kohort, från exempelvis en annan världsdel, avslutar Céline Fernandez.
Fynden publiceras i den vetenskapliga tidskriften Diabetes Care.
Länk till artikeln: