RESUMO: A tuberculose-diabetes mellitus (TB-DM) está associada a um perfil inflamatório distinto, o qual pode ser avaliado usando análises multi-ômicas. Neste estudo, um algoritmo de aprendizado de máquina foi aplicado a dados multi-plataforma, incluindo citocinas e expressão gênica no sangue periférico e eicosanoides na urina, em uma coorte brasileira multicêntrica de TB. Foram definidos quatro grupos clínicos: TB-DM (n = 24), apenas TB (n = 28), apenas DM (HbA1c ≥ 6,5%) (n = 11) e um grupo controle de contatos próximos de TB sem TB ou DM (n = 13). Após validação cruzada, a expressão basal ou abundância de MMP-28, LTE-4, 11-dTxB2, PGDM, FBXO6, SECTM1 e LINCO2009 diferenciou os quatro grupos de pacientes. Uma assinatura distinta derivada de multi-ômicas, reduzida dimensionalmente, foi associada à TB, independentemente do status glicêmico. Os níveis de mRNA de SECTM1 e FBXO6 estavam positivamente correlacionados com o grau de bacilos ácido-resistentes no escarro em TB-DM. Os valores dos biomarcadores diminuíram durante o curso da terapia anti-TB. Nosso estudo identificou vários marcadores associados à fisiopatologia da TB-DM que poderiam ser avaliados em futuras investigações mecanicistas.

Clique aqui

OUTROS ARTIGOS

WhatsApp

CADASTRE-SE

receba notícias da Fundação José Silveira em seu e-mail.