deteksi metabolomik trimester pertama pada preeklamsi onset lamba1
DESCRIPTION
translate jurnal first detection metabolomik for late onset preeclampsiaTRANSCRIPT
DETEKSI METABOLOMIK TRIMESTER PERTAMA PADA
PREEKLAMSI ONSET LAMBAT
Objektif : kami melakukan pengamatan untuk mengidentifikasi biomarker serum pada ibu
trimester pertama untuk memprediksi preeklamsi onset lambat dengan mengunakan
analisis metabolomik.
Design Penelitian : dalam sebuah penelitian case-control, menunjukan analisis
metabolimik berbasis Nuclear Magnetic Resonance (NMR) muncul pada serum ibu
trimester pertama dengan usia kehamilan 11-13 minggu. Ada 30 kasus preeklamsi onset
lambat dengan usia kehamilan 37 minggu dan 59 kasus sebagai control. 40 konsentrasi
metabolik dibandingkan antara ke 2 kelompok. Kami juga membandingkan 30 kasus onset
dini dan onset lambat.
Hasil : ada 14 serum metabolik yang meningkat secara signifikan dan 3 yang menurun
signifikan pada trimester pertama preeklamsi onset lambat. Model kompleks termaksud
metabolit-metabolit dan karakter demografik maternal memiliki tingkat sensitifitas 76,6%
dan spesifisitas 100% untuk deteksi preeklamsi. Model simple menggunakan predictor
yang lebih sedikit dengan sensitifitas 60% dan spesifisitas 96,6%. maka ada perpedaan
yang kuat antara onset dini dan onset lambat.
Kesimpulan : perbedaan signifikan metabolit trimester pertama yang memiliki arah untuk
berkembang kepada preeklamsi onset lambat dan keduanya baik, onset lambat maupun
dini.
Metabolomik, bidang tambahan yang relatif baru untuk keluarga "omics",
melibatkan karakterisasi, interpretasi dari metabolit molekul kecil (_1500 d) yang
diproduksi oleh sel-sel, jaringan, dan organisme. Sampai saat ini, _8000 metabolit manusia
dari _ 80 kelas kimia telah teridentifikasi. Seiring kemajuan teknologi diharapkan jumlah
ini bisa berkembang dengan kelipatan ≥10. Karena keanekaragaman kimia metabolit,
mereka memiliki kaitan yang erat dengan interaksi lingkungan (makanan, obat-obatan,
mikrobiota usus), dan ketergantungan fenotipik yang besar dengan variasi konsentrasi
(≥10), metabolomik menawarkan gambaran kuantitatif fenotipe sebenarnya sel, jaringan,
atau organisme dalam keadaan normal dan berpenyakit. Baru-baru ini, kemajuan signifikan
telah terjadi baik dalam tekhnik identifikasi metabolit dan tekhik komputerisasi untuk
menganalisis sejumlah besar data yang dihasilkan oleh penelitian metabolomik.. Saat ini
ada kecenderungan besar untuk menggunakan metabolomik dalam mengkarakterisasi dan
mendiaknosa suatu penyakit yang kompleks.
Preaklamsi adalah penyakit yang sering dijumpai dalam bidang obstetric, yang
dikarakterisasi sebagai hipertensi dan proteinuri selama kehamilan. Menyebabkan
morbiditas yang nyata pada ibu dan dan janin. Namun, penyebab dan patofosiologinya
masih menjadi misteri yang besar. Sekarang preeklamsi digolongkan menjadi 2 kelompok
penyakit yang cukup berbeda yaitu onset dini dan onset lambat. Onset dini adalah tipe yang
muncul antara 34-35 minggu umur kehamilan dan dihubungkan dengan morbiditas janin
yang signifikan. Patofisiologinya mungkin dikarenakan kegagalan invasi trofoblas pada
arteriol spiralis ibu, mengakibatkan tahanan vaskuler ibu yang meningkat. Hal ini sejalan
dengan peningkatan pelaporan hipoperfusi plasenta pada penyakit ini.
Pada preeklamsi onset lambat lebih dikarenakan penyakit ibu, semisal penyakit
mikrovaskuler seperti hipertensi atau predisposisi genetik kesulitan invasi trofoblas,
namun ini tidak terlalu signifikan. Preeklasmsi onset lambat lebih sering memiliki tingkat
morbiditas yang ringan. Tapi penting untuk menginvestigasi pathogenesis dan menyelidiki
biomarker penanda penyakit ini.
Studi ini telah dikonfirmasi kelayakan klinis untuk skrining trimester pertama
varietas preeklamsi onset dini-, lsmbst-, dan menengah dengan menggunakan demografi,
klinis, biomarker, dan Doppler arteri rahim ibu. Baru-baru ini, National Collaborating
Center for Women’s and Children’s Health di Inggris mengeluarkan pedoman klinis untuk
skrining awal rutin prenatal untuk preeklamsi berdasarkan demografi ibu, riwayat, dan
karakteristik klinis. Ada kemungkinan bahwa, di masa depan, menggabungkan klinis
dengan prediksi biomarker selanjutnya dapat meningkatkan akurasi skreening. Tujuan
utama kami adalah mengevaluasi penggunaan metabolomik untuk mengidentifikasi
biomarker trimester pertama pada preeklasmi onset lambat dan dini. Kedua, kami
mengevaluasi akurasi marker diagnostik tersebut untuk prediksi preeklasmi onset lambat.
Terakhir, kami mengevaluasi kemampuan metabolomik untuk membedakan preeklamsi
onset lambat dengan onset dini.
METODE DAN ALAT
Studi Populasi
Penelitian ini merupakan bagian dari studi prospektif yang sedang berlangsung,
dilakukan oleh Yayasan Fetal Medicine, London, Inggris, untuk prediksi gangguan janin dan
kehamilan yang penting pada trimester pertama. Persetujuan institusional proyek # 02-03-
033 diperoleh pada tanggal 14 maret 2003. Rincian evaluasi pasien dan metode studi telah
dijelaskan dalam laporan sebelumnya yaitu prediksi metabolomik preeklasmi onset dini.
Sebuah populasi wanita di Inggris secara rutin diskrening secara prospektif dari Maret
2003 sampai September 2009 dan mereka semua memberi persetujuan tertulis untuk
berpartisipasi dalam penelitian, yang telah disetujui oleh King’s College Hospital Research
Ethics Committee. Singkatnya, wanita yang direkrut dengan usia kehamilan 11-13 minggu.
karakteristik dan riwayat kesehatan ibu didokumentasikan, USG trimester pertama,
termasuk crown-rump length (CRL) dan Indeks Pulsality (PI) doppler arteri uterine juga
telah dihitung.
Pengumpulan data direncanakan sebelum test laboratorium. Nilai yang rendah pada
Indeks Pulsality (PI) doppler arteri uterine kiri dan kanan digunakan untuk prediksi PE.
Sampel serum ibu juga diperoleh dan disimpan pada suhu 80 ° C untuk analisis
laboratorium selanjutnya. Tujuan jangka panjang dari proyek ini adalah untuk
mengembangkan dan mengevaluasi penanda dan biomarker baru preeklamsi. Terlepas
dari studi yang telah di publikasikan sebelumnya yaitu onset dini preeklamsi. kasus ini
menggambarkan hasil studi populasi analisis metabolomik yang pertama pada preeklamsi.
Sebanyak 30 kehamilan tunggal kemudian menjadi preeklamsi diusia 34 minggu
dibuat dalam satu kelompok dan dicocokkan dengan 60 kehamilan normal sebagai control.
Kelompok ini tidak diikutsertakan dalam penelitian sebelumnya. Kasus-kasus Preeklamsi
onset lambat dipilih secara acak dari database yang tersedia dalam penyimpanan data
kami. Tiap 1 kasus preeklamsi dicocokkaan dengan 2 kontrol yang memiliki fenotip
neonatus normal yaitu berat badan yang sesuai dengan usia kehamilan dan tidak memiliki
penyakit hipertensi pada kehamilan dan telah mengumpulkan sampel darah dalam 3 hari
pendiagnosaan preeklamsi onset lambat. Tidak ada bukti penelitian yang membiaskan
seleksi kasus maupun control.
Definisi dari preeklamsi diambil dari “International Society for the Study of
Hypertension in Pregnancy” yaitu tekanan darah sistolik ≥ 140 mmHg atau diastolik ≥ 90
mmHg ≥2 kali pemeriksaan dengan usia kehamilan > 20 minggu, pada wanita yang
sebelumnya memiliki tensi normal. Proteinuria didefinisikan sebagai 300 mg protein pada
urin tampung 24 jam atau pada 2 kali pembacaan yang menghasilkan 2+ dari spesimen urin
pancaran tengah atau hasil kateter, hasil urin tampung 24-jam harus ada selain hipertensi
untuk mendiagnosis preeklamsi. Tidak ada sindrom HELLP atau hipertensi gestasional
yang masuk dalam kasus.
Spektometri Nuclear magnetic resonance (NMR) digunakan untuk mengidentifikasi
sampel specimen. Persiapan sample dan metode spektroskopi NMR ditampilkan dalam
detil sebelum, yaitu menggunakan spectrometer NMR variasi Inova 500-MHz
Nuclear magnetic resonance (NMR) spectrometry was used for metabolite
identification in the specimen samples. Sample preparation and NMR spectroscopy
methods were performed as detailed previously using a 500-MHz Varian Inova NMR
spectrometer (Varian Inc, Palo Alto, CA). 40 metabolit pada tiap sampel serum baik
kelompok kasus maupun kontrol diidentifikasi dan dihitung menggunakan software
comersil pencocokan spektrum yang memiliki penyimpanan referensi sebanyak >200
spekrum, orang yang bertugas mencocokan spectrum tidak mengatahui status pasien.
ANALISIS STATISTIK
Analisis data telah mengikuti standar prosedur yang direkomendasikan.
Penyekalaan Log digunakan untuk menormalisasikan semua data metabolomik. Analisis
komponen utama (Principle component analysis/PCA) dan analisis diskriminan parsial
kuadrat terkecil (partial least squares discriminant analysis (PLS-DA)) dilakukan untuk
mengidentifikasi pola. PCA adalah tekhnik klasifikasi yang mengubah data-data yang
kompleks menjadi tampilan yang lebih sederhana dengan mengubah property penting data
kedalam sumbu X dan Y. Dua kelompok yang dimasukan dalam PCA mengindikasikan
perbedaan metabolit yang signifikan.
PLS-DA digunakan untuk peningkatkan pemisahan antara kedua kelopmpok dengan
merangkaum data kedalam beberapa variabel laten yang akan memaksimalkan covarian
antara respon dan prediktor. Untuk memperkecil nilai kemungkinan yang disebabkan oleh
kebetulan dari pemisahan PLS-DA maka dilakukan uji permutasi. Uji ini terdiri atas
pengulangan data sampling (2000x), dengan label acak yang berbeda. Nilai P yang
signifikan mengindikasikan pemisahan yang teramati antara ke-2 kelompok tidak terjadi
karena kebetulan. Program computer Metaboanalisis digunakan untuk pengujian (PCA dan
PLS-DA). Plot proyeksi variabel penting ( Variable importance in projection VIP) adalah
plot peringkat metabolit berdasarkan kepentingan mereka yang membedakan dengan
kelompok control. Metabolit-metabolit yang memiliki nilai tinggi pada sumbu X dan Y
adalah yang memiliki nilai perbedaan yang paling kuat.
Dalam membandingkan konsentrasi metabolit antara kedua kelompok, dilakukan
tes outlier menggunakan uji Dixon Q. uji Dixon Q digunakan untuk mengindentifikasi data
set outliers dan mengganti nilai meraka dengan yang paling mendekati. Penggantian
outliers membantu untuk menemukan asumsi distribusi normal dan menyetarakan varian
dari kedua kelompok. Hanya ada satu nilai yang berhasil dengan cara ini yaitu valin.
Bagaimanapun uji Kolmogorov-Smirnov dan Shapiro-Wilk dilakukan pada data yang
terdistribusi normal. Konsentrasi metabolit pada preeklamsi onset cepat-lambat vs control
dibandingkan menggunakan uji t-test. Uji U Mann-whitney digunakan untuk
membandingkan konsentrasi metabolit pada kelompok data terdistribusi tidak normal.
Variabel independen lainnya termaksud CRL janin, Doppler arteri uterine, PI, Usia ibu,
paritas, berat, etnis, meroko dan kelainan medis dimasukkan kedalam analisis computer
genetik bersama dengan konsentrasi metabolit untuk mempredikasi preeklamsi.
Program genetik adalah cabang evolusioner dari komputerisasi bagian
pemrogaman, keuntungan dari computer genetic ini terletak pada kemampuan untuk
menangani hasil perhitungan data yang terdistribusi tidak normal dan mengeneralisasi
sejumlah besar data “omik” dari analisis laboratorium sebelumnya program ini telah
berhasil digunakan untuk analisis metabolomik. Komputer genetik menghasilkan aturan
variabel dengan jumlah optimal yang bisa dipilih dari sejumlah besar variabel eksplorasi
untuk mendapatkan prediksi hasil yang optimal. Program computer yang digunakan adalah
Gmax versi 11.09.23 (Genetic Computing Consultants Limited, London, UK).
Sebagai tambahan, kami membatasi variabel biokimia bebas dan prediktor
demografik, regresi logistic digunakan untuk menghasilkan probalitas yang setara untuk
prediksi preeklamsi. Berdasarkan persamaan regresi yang dihasilkn, probabilitas individu
berkembang kearah preeklamsi onset lambat dihitung. Reserver karakteristik operasi
kurva sensitivitas diatur terhadap rata-rata positif palsu (1-spesifitas), yang digeneralisasi
bersama dengan confidence interval 95% dan/atau nilai P ada dibawah area curva. Pada
analisa primer, kekuatan analisis diindikasikan dengan jumlah minimal 17 kasus pada
setiap group untuk memiliki kekuatan 80% dengan analisa 2-sisi P < .0001.
Setelah analisis primer, kelompok normal sebagai control yang dilaporkan pada
penelitian sebelumnya ditambahkan sebagai pasien populasi studi saat ini yang terdiri dari
30 kasus dan 59 pasien control untuk menggenapi kekurangan data agar bisa ditampilkan
dalam analisis regresi. Akhirnya, kami menggunakan PCA dan PLS-DA untuk menentukan
apakah preeklamsi onset lambat dapat dibedakan dari preeklamsi onset dini dengan
membandingkan secara langsung 30 kasus onset dini yang telah dilaporkan dalam studi
sebelumnya dan 30 kasus inset lambat pada studi saat ini.
HASIL
Hasil total 30 kasus dan 59 (dari 60) kontrol yang digunakan untuk analisis primer
Telah dilaporkan, dengan kekurangan volume serum telah di lengkapi untuk analisis
metabolomic di salah satu sampel kontrol. Tabel 1 membandingkan usia ibu, berat badan,
ras, dan usia kehamilan saat pengumpulan darah ditentukan dan digambarkan melalui
pengukuran CRL, antara preeklamsi onset lambat dan kasus normal. Ada perbedaan yang
signifikan pada grup preeklamsi onset lambat terhadap ras ibu dengan persentase lebih
rendah pada kulit putih dan persentase yang lebih tinggi pada orang kulit hitam, demikan
juga pada berat badan yang lebih besar pada kelompok PE (Tabel 1). Pada Tabel 2 kami
menilai perbedaan berpasangan antara konsentrasi metabolit individu untuk kontrol dan
PE onset lambat. Sebanyak 17 metabolit tergambar dalam konsentrasi yang berbeda secara
signifikan pada PE onset labat vs kelomok kontrol. Empat belas dari 17 konsentrasi
metabolit yang meningkat pada kelompok PE onset lambat, sementara 3 berkurang
dibandingkan dengan normal. Nilai P ditentukan melalui uji student t membuktikan bahwa,
perbedaan konsentrasi 17 senyawa metabolit individu signifikan (berarti dan
direproduksi) tingkatannya ditentukan oleh nilai P< .05. perubahan kelipatan juga
disajikan pada Tabel 2. Pemisahan dan diskriminasi dapat dicapai antara kasus PE onset
lambat dan control melalui PCA pada NMR data ditunjukan pada gambar 1. Walaupun
demikian pemisahan ini tidak terlalu Nampak. PLS-DA berhasil untuk mendeteksi PE onset
lambat (hijau) jika dibandingkan dengan kelompok control (merah) (gambar2.). pada tes
pemutasi mengungkapkan pemisahan yang teramati pada PE onset lambat dengan
kelompok control sanga tidakt mungkin merupakan kebetulan (p< .0005.) gambar 3
menunjukan plot VIP. Gliserol, karnitin, metilhistidin dan aseton nampaknya merupakan
metabolit yang penting untuk membedakan PE onset lambat dari kasus normal,
berdasarkan analisis VIP. Sebuah peta menunjukan dari kanan plot VIP. Warna merah
mengindikasikan konsentrasi partikel metabolit yang meningkat pada kasus PE onset
lambat sementara warna hijau penurunan konsentrasi jika dibandingkan dengan kontrol
normal.
Pada table 3, dengan menggunakan analisis computer genetic pada data primer
didapatkan 30 kasus PE onset lambat dan 59 kontrol, dapat mendiagnosis PE onset lambat
dengan akurasi tinggi. Doppler arteri uterine juga dihitung, namun tidak berbeda
segnifikan antara kelompok kasus dan control. (Tabel 1.) dan tidak menunjukan
peningkatan prediksi pada PE onset lambat. Prediksi berdasarkan regresi Log,
menggunakan sejumlah subjek yang diperluas, 30 kasus PE onset lambat dan total 119
kasus normal, menunjukan prediksi diagnosis yang akurat pada PE onset lambat (Tabel 4.)
persamaan probabilitas masing-masing diturunkan untuk PE juga disediakan dalam
legenda Tabel 4. Untuk analisis regresi berbasis sejumlah prediksi, gliserol dan karnitin,
yang dipilih berdasarkan plot VIP (Gambar 3) bersama dengan baik ras ibu atau alternatif
berat badan. The 2 yang terakhir diketahui menjadi faktor risiko untuk timbulnya akhir
PE.23 Satu-methylhistidine juga dikombinasikan dengan glisin dan karnitin untuk
membentuk algorithm.There biokimia-satunya adalah tidak ada korelasi yang signifikan
dicatat antara berat badan ibu atau status ras dan glisin, karnitin, atau 1-methylhistidine
baik dalam kelompok akhir-onsetPE (P .37?) atau normal (P .36?) pasien. Baik berat badan
ibu atau ras tampaknya secara signifikan meningkatkan prediksi PE selama ini metabolit
saja (Tabel 4) dalam regresi berbasis analisis.
persamaan probabilitas masing-masing diturunkan untuk PE juga disediakan dalam
legenda Tabel 4. Untuk analisis regresi berbasis sejumlah prediksi, gliserol dan karnitin,
yang dipilih berdasarkan plot VIP (Gambar 3) bersama dengan baik ras ibu atau alternatif
berat badan. The 2 yang terakhir diketahui menjadi faktor risiko untuk timbulnya akhir
PE.23 Satu-methylhistidine juga dikombinasikan dengan glisin dan karnitin untuk
membentuk algorithm.There biokimia-satunya adalah tidak ada korelasi yang signifikan
dicatat antara berat badan ibu atau status ras dan glisin, karnitin, atau 1-methylhistidine
baik dalam kelompok akhir-onsetPE (P .37?) atau normal (P .36?) pasien. Baik berat badan
ibu atau ras tampaknya secara signifikan meningkatkan prediksi PE selama ini metabolit
saja (Tabel 4) dalam regresi berbasis analisis.
Masing-masing derifat kemungkinan yang setara untuk PE juga ditampilkan dalam
table 4. Untuk analisi berbasis regresi pembatasan jumlah prediktor, gliserol dan carnitin
dipilih sebagai dasar plot VIP (gambar 3) bersama dengan ras ibu atau berat badan, sebagai
alternative. Dua yang terakhir diketahui sebagai factor resiko PE onset lambat. 1-
methilhistidin juga dikombinasikan dengan glisin dan karnitin untuk membentuk algoritma
biokimia. Ada korelasi tidak signifikan yang tercatat antara berat badan ibu atau ras dan
glisin, karnitin atau 1-metilhistidin baik pada pasien kasus PE onset lambat atau normal.
Berat ibu maupun ras tidak menunjukan perubahan yang signifikan sebagai predictor PE
jika berdiri sendiri (table 4) pada analisi berbasis regresi.
Hal yang penting, diskriminasi signifikan antara onset dini dan onset lambat sudah
ditercapai menggunakan metabolomik (gambar 4, A). hasil ini mendukung pandangan
baru-baru ini , bahwa keduanya merupakan penyakit yang berbeda. Gliserol, asetat,
trimetilen dan suksinat nampaknya menjadi metabolit yang paling penting untuk
membedakan kedua jenis Preeklamsi ini berdasarkan analis VIP ditunjukkan oleh gambar
4,B.
KOMENTAR
Menggunakan NMR berbasis analisis metabolomik kami menemukan 17 metabolit
telah menunjukkan perbedaan konsentrasi yang signifikan secara statistik pada PE onset
lambat jika dibandingkan dengan control. Menggunakan metabolit atau kombinasi dengan
demografik tradisional ibu dan marker klinis, diagnosis PE onset lambat yang akurat dapat
dibuat. PE onset lambat lebih sering terjadi dibandingkan PE onset dini dan bisa
dihubungkan dengan morbiditas yang signifikan, hal ini membenar kepentingkan deteksi.
Kami juga membedakan preeklamsi onset dini dengan onset lambat dengan menggunakan
metabolomik. Perbedaan etiologi pada PE onset lambat telah menjadi tantangan tersendiri
untuk mengembangkan biomarker prediktif. Keragaman ini bagaimana pun adalah
kekuatan dan bukan suatu kelemahan untuk analisis metabolomik. Temuan ini menjadi
menarik mengingat lamanya interval antara pengujian dan manifestasi klinis. Metabolit
dikenal dapat stabil dalam penyimpanan pada suhu 80oC dan sejak pengumpulan sampel
kasus dan control pada waktu yang sama dan disimpan dalam kondisi yang indentik maka
tidak mungkin terdapat perbedaan antara ke dua grup dikarenakan cara penyimpanan.
Prediksi trimester pertama dari PE bisa berpotensi untuk memasukan profilaksis aspirin
pada usia kehamilan 16 minggu.
Fakta bahwa perubahan konsentrasi metabolit menjadi kelipatannya pada studi
kami tidaklah besar dan bukan hal yang tidak diperkirakan. Darah sudah diatur pada
homeostatis yang ketat. Dalam beberapa kasus perubahan level vital metabolit sebesar 2
kali lipat menunjukan perbedaan antara sehat dan sakit. Perubahan sebesar 3 kali lipat bisa
berarti kematian atau hidup. Lebih lanjut PE onset lambat merupakan penyakit yang sangat
heterogen. Biomarker tunggal yang bisa membedakan secara pasti (perubahan kelipatan
yang sangat tinggi) pada penyakit ini dengan yang normal akan jadi tidak masuk akal dan
akan menyingkirkan kebutuhan akan analisi metabolomik. Seperti yang telah diungkapkan
keuntungan dari analisi metabolomik untuk penyakit kompleks adalah kemampuannya
untuk mengidentifikasi konstilasi marker pada individu yang memiliki akurasi diagnostik
yang sederhana namun ketika dikombinasikan memiliki prediksi yang kuat bagi suatu
penyakit.
Keakuratan diagnostik metabolit dikombinasikan dengan ras dan atau berat badan
ditemukan dalam penelitian ini muncul lebih tinggi marker klinis tradisional yang telah
digunakan secara luas. Dalam sebuah studi prospektif besar prediksi trimester pertama PE
onset lambat, faktor risiko ibu, tekanan darah sistolik dan diastolik, serta AMP masing-
masing memiliki sensitivitas 41,4%, 31,2%, 33,6%, dan 36,7%, dengan tingkat positif palsu
10% .23 konsentrasi dari 3 marker metabolomic ditemukan independen terhadap berat
badan ibu atau etnis. Kami juga menampilkan bukti bahwa analisis metabolomic dapat
membedakan kasus yang akhirnya akan berkembang menjadi PE onset dini dan PE onset
lambat.
Sangat sedikit publikasi tentang prediksi preeklamsi menggunakan metabolomik.
Keterbatasan data yang tersedia, serempak mendukung nilai temuan ini. Menariknya ada
sedikit nilai yang tumpang tindih pada nilai signifikan diagnostic dalam manuskrip jika
dibandingkan dengan publikasi ini. Penjelasan untuk perbedaan ini mungkin ada beberapa
factor. Kami menggunakan platform berbasis NMR kuaktitatif yang secara tepat
menentukan konsentrasi metabolit sementara Kenny dkk. Mengunakan platform Liquid
chromatography (LC) – Mass Spectrometry (MS). Meskipun terjadi tumpang tindih,
platform metabolomic yang berbeda yang digunakan dalam ke 2 peneliatian dikenal untuk
mengidentifikasi metabolit yang berbeda. Misalnya NMR digunakan untuk
mengidentifikasi senyawa polar sedang LC-MS untuk senyawa non polar. Sebagai
tambahan, metabolit yang diidentifikasi oleh LC-MS oleh studi Kenny hanya diperoleh dari
pencocokan masal, sedangkan metabolit yang diindetifikasi / diukur dalam penelitian ini
telah diidentifiasikan berdasarkan standar yang otentik dan pencocokan spectrum yang
komprehensif. Persamaan dengan study yang dilakukan Kenny et, al. juga menggunakan
metode elektrospray inonisasi MS dan metabolit yang ditemukan menjadi predictor
signifikan untuk PE jadi perbedaan yang dilaporkan tidak terlalu mengherankan. Penelitian
oleh Odibo dkk. Dengan menggunakan platform LC / MS-MS dilaporkan dapat menjadi
prediksi akurat PE. Sekali lagi metabolit yang teridentifikasi adalah asam amino dan sangat
berbeda dari yang dilaporkan disini. Manuskrip mereka terfokus pada preeklamsi onset
dini. Pada tingkat ini perbedaan kemampuan platform metabolomik masih memberi hasil
positif untuk pencarian yang lebih komprehensif yang berpotensi digunakan sebagai
marker. Pada akhirnya studi prospektif yang lebih besar diperlukan untuk mengidentifikasi
kombinasi optimal untuk marker klinis yang lebih berguna bagi skrining PE dengan
platform yang lebih bermanfaat secara klinis.
Meskipun bukan objek primer studi ini, metabolomik dikenal sebagai alat yang kuat
untuk menjelaskan pathogenesis penyakit-penyakit yang kompleks. Sebuah data base yang
mereview metabolomik manusia telah disusun untuk menentukan peran metabolit yang
tercatat menjadi tidak normal pada PE onset lambat. Dua metabolit berdasarkan plot VIP
yang sangat penting untuk membedakan preeklamsi dan kelompok normal: gliserol dan
karnitin. Gliserol adalah 3-karbon alcohol yang berasal dari glikolipid tulang belakang.
Senyawa ini penting untuk metabolisme lipid. Abnormalitas metabolisme lipid dapat
menjadi tanda bagi PE dan diperkirakan mempunyai peran dalam pathogenesis. Lebih
lanjut, ada dokumen yang menjelaskan hubungan antara obesitas pada ibu dan
peningkatan resiko PE onset lambat, yang mana juga ditemukan dalam studi ini. Karnitin
adalah senyawa ammonium kuartener yang bertanggung jawab ntuk transport lipid dari
sitoplasma ke dalam mitokondria untuk metabolisme energy. Senyawa ini terutama dibuat
di hati dan ginjal, dimana keduanya secara signifikan terkena imbas dari PE. Karnitin
menghambat stress oksidatif dan peroksidasi lipid. Kedunya penting dalam proses
patologikal PE. Peningkatan produksi karnitin mungkin bisa bertanggung jawab sebagai
respon yang menghambat oksidasi metabolisme lipid yang berlebihan. Berdasarkan data
metabolomik yang ditemukan disini, ada gambaran gangguan metabolisme lipid sentral
yang muncul pada PE onset lambat.
Kesimpulannya, marker metabolomik yang muncul pada trimester pertama berguna
untuk membedakan PE onset lambat dan control kasus normal atau PE onset dini.
Berdasarkan hasil tinjauan yang menjanjikan ini, nilai dari prediksi klinis metabolomik dan
diagnosis untuk PE harus diselidiki lebih lanjut.