Plasma proteomics reveals clinical and mechanistic heterogeneity among individuals who develop coronary artery disease

Resumen Técnico: La proteómica plasmática revela la heterogeneidad clínica y mecánica entre individuos que desarrollan enfermedad coronaria

Planteamiento del problema
Los individuos que desarrollan enfermedad coronaria (EC) exhiben una sustancial heterogeneidad clínica y mecánica, lo que complica la estratificación precisa del riesgo y el desarrollo de intervenciones personalizadas. Si bien los estudios genéticos han identificado loci de riesgo y la agrupación fenotípica clínica ha definido subtipos, los mecanismos moleculares que conectan estas capas de heterogeneidad siguen sin estar claros. Los enfoques existentes suelen depender de grupos clínicos discretos o puntuaciones genéticas que pueden no capturar plenamente los procesos biológicos intermedios y dinámicos que impulsan la enfermedad. Existe la necesidad de un marco biológicamente fundamentado que vincule la variación molecular con los fenotipos clínicos para mejorar la predicción del riesgo y dilucidar la fisiopatología subyacente.

Metodología
El estudio utilizó datos de 42.803 participantes del UK Biobank, incluyendo 3.713 individuos que desarrollaron EC incidente dentro de los 10 años posteriores a la medición de la proteína plasmática basal. Una cohorte secundaria de 233 casos de EC incidente del estudio EPIC-Norfolk sirvió como conjunto de validación independiente.

1. Selección de proteínas: De 2.923 proteínas basales medidas mediante la plataforma Olink Explore 3072, los autores emplearon la regresión LASSO para identificar un panel predictivo de 320 proteínas asociadas con la EC incidente. Se demostró que este panel mejora la predicción más allá de las puntuaciones de riesgo clínico establecidas (QRISK3, Ecuaciones de Cohortes Agrupadas y PREVENT).
2. Reducción de la dimensionalidad: Los autores aplicaron el algoritmo DDRTree (a través del paquete Monocle2) a las 320 proteínas relacionadas con la EC. Esta técnica de incrustación de grafos reversos redujo los datos proteómicos de alta dimensión en dos dimensiones latentes continuas (Dimensión 1 y Dimensión 2), mapeando a los individuos en un espacio proteómico bidimensional.
3. Asociación fenotípica y clínica: Los autores correlacionaron estas dimensiones proteómicas con nueve variables clínicas basales (p. ej., IMC, HbA1c, creatinina, lípidos) y realizaron un Estudio de Asociación de Fenotipo Completo (PheWAS) a través de 329 enfermedades para evaluar las asociaciones con la incidencia futura de enfermedades.
4. Modelado predictivo: Se utilizaron modelos de riesgos proporcionales de Cox para evaluar el valor incremental de añadir las dimensiones proteómicas a las variables clínicas para predecir la incidencia de la enfermedad a 10 años. El rendimiento se midió mediante el índice C de Harrell y la mejora de la reclasificación neta (NRI) libre de categoría.
5. Análisis mecánico: Se realizaron análisis de enriquecimiento de vías de Reactome. Además, un análisis de contraste de vías direccionales comparó las vías biológicas específicas que impulsan la Dimensión 1 frente a la Dimensión 2.
6. Validación y sensibilidad: Los hallazgos se replicaron en la cohorte EPIC-Norfolk. Los análisis de sensibilidad incluyeron la regresión de las variables clínicas para probar si las dimensiones proteómicas retenían señales biológicas independientes y la proyección de los casos de EC prevalente para evaluar la acumulación de la carga metabólica.

Resultados clave

• Heterogeneidad proteómica: El análisis reveló que los casos de EC incidente no son un grupo monolítico, sino que se distribuyen a lo largo de dos gradientes proteómicos continuos. Estas dimensiones capturan una heterogeneidad estructurada que los métodos de agrupamiento discreto (como PCA o UMAP) no lograron resolver eficazmente.
• Correlatos clínicos:
  • Ambas dimensiones se asociaron positivamente con marcadores metabólicos adversos (IMC, porcentaje de grasa corporal, HbA1c, triglicéridos, ALT) y negativamente con el HDL.
  • La Dimensión 1 capturó de forma única una señal renal, mostrando asociaciones positivas con la creatinina y la Cystatin C, y asociaciones negativas con el volumen renal.
  • La Dimensión 2 estuvo impulsada principalmente por la variación metabólica, sin la señal renal distintiva observada en la Dimensión 1.
• Utilidad predictiva: La adición de las dos dimensiones proteómicas a los modelos basados en nueve variables clínicas mejoró significativamente la predicción de la incidencia a 10 años para múltiples enfermedades. El aumento de la mediana del índice C de Harrell fue de 0,020, con una mediana de NRI de 0,245. Notablemente, la predicción para la enfermedad renal crónica (ERC) y la insuficiencia renal mejoró significamente, siendo la Dimensión 1 la que mostró fuertes asociaciones con la incidencia de la ERC y un declive longitudinal más rápido de la eGFR.
• Mecanismos moleculares: El análisis de enriquecimiento de vías identificó procesos coordinados en las vías metabólicas-hemostáticas, la señalización inmunitaria y la organización de la matriz extracelular.
  • La Dimensión 2 se enriqueció preferentemente para vías metabólicas y hemostáticas (p. ej., remodelación de lipoproteínas plasmáticas, degranulación de plaquetas).
  • La Dimensión 1 mostró un mayor enriquecimiento para las vías de señalización inmunitaria (p. ej., señalización de citocinas) junto con sus asociaciones renales.
  • Los principales contribuyentes proteicos a cada dimensión mostraron una superposición mínima (compartiendo solo una proteína, CDH3), lo que sugiere impulsores moleculares distintos.
• Trayectoria de la enfermedad: Los individuos con EC prevalente (diagnosticada antes del muestreo) estaban notablemente enriquecidos en regiones del espacio proteómico con valores altos en ambas dimensiones, particularmente en las regiones metabólicamente adversas. Esto sugiere que las dimensiones capturan la carga metabólica acumulada y la gravedad de la enfermedad.
• Robustez: Las dimensiones proteómicas retuvieron asociaciones de enfermedades significativas y ejes biológicos interpretables (renal e inmunometabólico) incluso después de la regresión de las nueve variables clínicas, lo que indica que capturan información más allá de la fenotipificación clínica estándar. Un subconjunto de las 20 proteínas principales fue suficiente para recapitular las firmas originales.

Significancia y afirmaciones
El artículo afirma que las firmas proteómicas plasmáticas pueden diseccionar la heterogeneidad de los individuos que desarrollan EC en gradientes fenotípicos continuos, tendiendo un puente eficaz entre la presentación clínica y los mecanismos biológicos subyacentes. Los autores sostienen que:

1. Fundamentación biológica: Estas dimensiones proteómicas proporcionan una herramienta biológicamente fundamentada que caracteriza la heterogeneidad clínicamente relevante mejor que las etiquetas de agrupación discretas derivadas únicamente de variables clínicas.
2. Valor incremental: Las dimensiones ofrecen un valor predictivo para la EC y las comorbilidades (específicamente la ERC y la insuficiencia cardíaca) que se extiende más allá de los factores de riesgo clínicos convencionales y las puntuaciones genéticas.
3. Perspectiva mecánica: El estudio mapea programas moleculares distintos (metabólico-hemostático vs. inmuno-renal) a ejes específicos de heterogeneidad, lo que sugiere que el riesgo de EC es impulsado por módulos biológicos separables pero superpuestos.
4. Traducción clínica: Los hallazgos respaldan el potencial de un panel de proteínas compacto (de tan solo 20 proteínas) para servir como una herramienta rentable e interpretable para refinar la estratificación del riesgo y comprender las trayectorias de la enfermedad en la medicina de precisión.

Los autores mantienen un tono modesto respecto a la generalizabilidad, reconociendo limitaciones como la ascendencia predominantemente europea de la cohorte del UK Biobank, la naturaleza de un solo punto temporal de las mediciones proteómicas y la necesidad de validación en otras plataformas. Presentan este trabajo como una base de prueba de concepto para futuros estudios destinados a elucidar mecanismos y mejorar la estratificación del riesgo.