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

Resumo Técnico: A Proteômica de Plasma Revela Heterogeneidade Clínica e Mecanística entre Indivíduos que Desenvolvem Doença Arterial Coronariana

Definição do Problema
Indivíduos que desenvolvem doença arterial coronariana (DAC) exibem uma substancial heterogeneidade clínica e mecanística, o que complica a estratificação precisa de risco e o desenvolvimento de intervenções personalizadas. Embora estudos genéticos tenham identificado loci de risco e o agrupamento fenotípico clínico tenha definido subtipos, os mecanismos moleculares que conectam essas camadas de heterogeneidade permanecem obscuros. As abordagens existentes frequentemente dependem de clusters clínicos discretos ou escores genéticos que podem não capturar totalmente os processos biológicos intermediários e dinâmicos que impulsionam a doença. Há uma necessidade de um arcabouço biologicamente fundamentado que vincule a variação molecular aos fenótipos clínicos para melhorar a predição de risco e elucidar a fisiopatologia subjacente.

Metodologia
O estudo utilizou dados de 42.803 participantes do UK Biobank, incluindo 3.713 indivíduos que desenvolveram DAC incidente em até 10 anos após a medição do plasma basal. Uma coorte secundária de 233 casos de DAC incidente do estudo EPIC-Norfolk serviu como um conjunto de validação independente.

1. Seleção de Proteínas: A partir de 2.923 proteínas basais medidas pela plataforma Olink Explore 3072, os autores empregaram a regressão LASSO para identificar um painel preditivo de 320 proteínas associadas à incidência de DAC. Este painel demonstrou melhorar a predição além dos escores de risco clínico estabelecidos (QRISK3, Pooled Cohort Equations e PREVENT).
2. Redução de Dimensionalidade: Os autores aplicaram o algoritmo DDRTree (via pacote Monocle2) aos 320 proteínas relacionadas à DAC. Esta técnica de incorporação de grafo reverso reduziu os dados proteômicos de alta dimensão em duas dimensões latentes contínuas (Dimensão 1 e Dimensão 2), mapeando os indivíduos em um espaço proteômico bidimensional.
3. Associação Fenotípica e Clínica: O estudo correlacionou essas dimensões proteômicas com nove variáveis clínicas basais (ex: IMC, HbA1c, creatinina, lipídios) e conduziu um Estudo de Associação Fenotípica Ampla (PheWAS) em 329 doenças para avaliar associações com a incidência futura de doenças.
4. Modelagem Preditiva: Modelos de riscos proporcionais de Cox foram usados para avaliar o valor incremental da adição das dimensões proteômicas às variáveis clínicas para prever a incidência da doença em 10 anos. O desempenho foi medido pelo C-índice de Harrell e pelo NRI (Melhoria de Classificação Líquida) livre de categoria.
5. Análise Mecanística: Análises de enriquecimento de vias da Reactome foram realizadas nos 320 proteínas. Adicionalmente, uma análise de contraste de vias direcionais comparou as vias biológicas específicas que impulsionam a Dimensão 1 versus a Dimensão 2.
6. Validação e Sensibilidade: Os achados foram replicados na coorte EPIC-Norfolk. As análises de sensibilidade incluíram a regressão de variáveis clínicas para testar se as dimensões proteômicas mantinham sinais biológicos independentes e a projeção de casos de DAC prevalente para avaliar o acúmulo de carga metabólica.

Resultos Principais

• Heterogeneidade Proteômica: A análise revelou que os casos de DAC incidente não são um grupo monolítico, mas estão distribuídos ao longo de dois gradientes proteômicos contínuos. Essas dimensões capturam uma heterogeneidade estruturada que métodos de agrupamento discreto (como PCA ou UMAP) não conseguiram resolver de forma eficaz.
• Correlatos Clínicos:
  • Ambas as dimensões foram positivamente associadas a marcadores metabólicos adversos (IMC, percentual de gordura corporal, HbA1c, triglicerídeos, ALT) e negativamente associadas ao HDL.
  • A Dimensão 1 capturou unicamente um sinal renal, mostrando associações positivas com creatinina e Cystatin C, e associações negativas com o volume renal.
  • A Dimensão 2 foi impulsionada primariamente pela variação metabólica, sem a assinatura renal distinta observada na Dimensão 1.
• Utilidade Preditiva: A adição das duas dimensões proteômicas a modelos baseados em nove variáveis clínicas melhorou significativamente a predição da incidência de 10 anos para múltiplas doenças. O aumento mediano no C-índice de Harrell foi de 0,020, com um NRI mediano de 0,245. Notavelmente, a predição para Doença Renal Crônica (DRC) e insuficiência renal melhorou significamente, com a Dimensão 1 apresentando fortes associações com a incidência de DRC e declínio longitudinal mais rápido da eGFR.
• Mecanismos Moleculares: A análise de enriquecimento de vias identificou processos coordenados em vias metabólicas-hemostáticas, sinalização imune e organização da matriz extracelular.
  • A Dimensão 2 foi preferencialmente enriquecida para vias metabólicas e hemostáticas (ex: remodelamento de lipoproteína plasmática, desgranulação plaquetária).
  • A Dimensão 1 mostrou maior enriquecimento para vias de sinalização imune (ex: sinalização de citocinas) juntamente com suas associações renais.
  • Os principais contribuintes proteicos para cada dimensão mostraram sobreposição mínima (compartilhando apenas uma proteína, CDH3), sugerindo drivers moleculares distintos.
• Trajetória da Doença: Indivíduos com DAC prevalente (diagnosticada antes da amostragem) foram marcadamente enriquecidos em regiões do espaço proteômico com valores altos em ambas as dimensões, particularmente nas regiões metabolicamente adversas. Isso sugere que as dimensões capturam a carga metabólica cumulativa e a severidade da doença.
• Robustez: As dimensões proteômicas mantiveram associações de doenças significativas e eixos biológicos interpretáveis (imuno-renal e metabólico) mesmo após a regressão das nove variáveis clínicas, indicando que capturam informações além do fenótipo clínico padrão. Um subconjunto das 20 principais proteínas foi suficiente para recapitular as assinaturas originais.

Significância e Alegações
O artigo afirma que as assinaturas proteômicas plasmáticas podem dissecar a heterogeneidade de indivíduos que desenvolvem DAC em gradientes fenotípicos contínuos, efetivamente preenchendo a lacuna entre a apresentação clínica e os mecanismos biológicos subjacentes. Os autores afirmam que:

1. Fundamentação Biológica: Estas dimensões proteômicas fornecem uma ferramenta biologicamente fundamentada que caracteriza a heterogeneidade clinicamente relevante melhor do que rótulos de clusters discretos derivados exclusivamente de variáveis clínicas.
2. Valor Incremental: As dimensões oferecem valor preditivo para DAC e comorbidades (especificamente DRC e insuficiência cardíaca) que se estende além dos fatores de risco clínicos convencionais e escores genéticos.
3. Insight Mecanístico: O estudo mapeia programas moleculares distintos (metabólico-hemostático vs. imuno-renal) para eixos específicos de heterogeneidade, sugerindo que o risco de DAC é impulsionado por módulos biológicos separáveis, porém sobrepostos.
4. Tradução Clínica: Os achados apoiam o potencial de um painel de proteínas compacto (com tão poucas quanto 20 proteínas) para servir como uma ferramenta de custo-benefício interpretável para refinar a estratificação de risco e compreender trajetórias de doenças na medicina de precisão.

Os autores mantêm um tom modesto quanto à generalização, reconhecendo limitações como a ancestralidade predominantemente europeia da coorte do UK Biobank, a natureza de ponto único das medições proteômicas e a necessidade de validação em outras plataformas. Eles apresentam este trabalho como uma fundação de prova de conceito para estudos futuros visando elucidar mecanismos e melhorar a estratificação de risco.