Contribución de la metabolómica en el diagnóstico histopatológico de la hepatitis C y de las hepatopatías autoinmunes

Abstract

El diagnóstico histopatológico de la hepatitis C (VHC) y de las hepatopatías autoinmunes como la colangitis biliar primaria (CBP) y la hepatitis autoinmune (HAI) requiere la integración de datos bioquímicos, serológicos, inmunológicos y moleculares, porque no hay aspectos morfológicos patognomónicos en la biopsia que caractericen estas entidades diagnósticas. Ante la ausencia de datos que favorezcan una entidad, la biopsia es un elemento esencial para auxiliar en el diagnóstico que en estos casos es de presunción. Fueron seleccionados 62 pacientes distribuidos en cuatro grupos: control (n=13); CBP (n=11); VHC (n=21); HAI (n=17). El producto de extracción de metabolitos a partir de tejido de biopsia hepática parafinada, analizado en HPLC-MS/MS, reveló 95 metabolitos de los que 53 cumplían el requisito de precisión impuesto (35%). Los modelos predictivos generados, con estos 53 metabolitos para los diferentes grupos diagnósticos, mostraron una capacidad de discriminación buena para Control vs VHC (AUC= 0.88), Control vs HAI (AUC=0.81), VHC vs HAI (AUC=0.88) y excelente para Control vs CBP (AUC=0.96), VHC vs CBP (AUC=0.97), HAI vs CBP (AUC=0.92). El estudio de vías metabólicas a partir de los módulos generados en la red de correlaciones perturbadas entre los diferentes grupos diagnósticos sugiere una perturbación en el metabolismo de los carbohidrato en los grupos Control vs VHC y VHC vs CBP, del metabolismo de los aminoácidos en los grupos VHC vs HAI y HAI vs CBP, del metabolismo de nucleótidos en los grupos VHC vs HAI, HAI vs CBP y control vs CBP, del metabolismo energético en el grupo control vs CBP. La baja capacidad discriminativa de las variables morfológicas no contribuye a mejorar el poder discriminativo de los modelos generados con los metabolitos. No encontramos un conjunto de metabolitos lo suficientemente discriminativos para construir un modelo de predicción del grado de fibrosis y de actividad necroinflamatoria. En resumen, en esta tesis hemos demostrado que la metabolómica podría constituir la base de una técnica complementaria extremadamente relevante para el diagnóstico histopatológico de la hepatitis C y la hepatopatías autoinmunes. El conjunto de conocimientos que se exponen en esta tesis debería ser de interés general para los investigadores que utilizan tecnologías de vanguardia, incluida la metabolómica, para el perfeccionamiento del diagnóstico histopatológico en el siglo XXI.

The histopathological diagnosis of hepatitis C (HCV) and autoimmune hepatopathies such as primary biliary cholangitis (PBC) and autoimmune hepatitis (AIH) requires the integration of biochemical, serological, immunological, and molecular data, because there are no pathognomonic morphological aspects in the biopsy that characterize these diagnostic entities. In the absence of data favoring an entity, biopsy is an essential element to assist in the diagnosis, which in these cases is presumptive. Sixty-two patients were selected and divided into four groups: control (n=13); PBC (n=11); HCV (n=21); HAI (n=17). The metabolite extraction product from paraffin-embedded liver biopsy tissue, analyzed by HPLC-MS/MS, revealed 95 metabolites of which 53 met the imposed precision requirement (35%). The predictive models generated, with these 53 metabolites for the different diagnostic groups, showed good discriminatory ability for Control vs HCV (AUC= 0.88), Control vs HAI (AUC=0.81), HCV vs HAI (AUC=0.88) and excellent for Control vs CBP (AUC=0.96), HCV vs CBP (AUC=0.97), HAI vs CBP (AUC=0.92). The study of metabolic pathways from the modules generated in the network of perturbed correlations between the different diagnostic groups suggests a perturbation of carbohydrate metabolism in the Control vs HCV and HCV vs CBP groups, of amino acid metabolism in the HCV vs HAI and HAI vs CBP groups, of nucleotide metabolism in the HCV vs HAI, HAI vs CBP and control vs CBP groups, of energy metabolism in the control vs CBP group. The low discriminative capacity of the morphological variables does not contribute to improve the discriminative power of the models generated with the metabolites. We did not find a set of metabolites sufficiently discriminative to build a model to predict the degree of fibrosis and necroinflammatory activity. In summary, we demonstrated in this thesis that metabolomics might constitute an extremely relevant basis to perform adjunct technique to the histopathological diagnosis of hepatitis C and autoimmune hepatopathies. The body of knowledge reported in this thesis should be of general interest for researchers using cutting edge technologies, including metabolomics, for the refinement of histopathological diagnosis in the 21st century.