Аннотация результатов, полученных в 2020 году
В данном проекте решаются две взаимосвязанные задачи: 1) разработка подходов к детальной и персонализированной оценке вариабельности гликемии у больных сахарным диабетом (СД) 1 типа на основе математических методов и компьютерных технологий анализа данных и распознавания образов; 2) определение клинической и патофизиологической значимости различных цифровых характеристик вариабельности гликемии (ВГ) у больных СД 1 типа. На первом году реализации проекта определены значения времени в диапазонах, индексов ВГ в разные периоды суток (дневные, ночные часы) у лиц молодого и среднего возраста с нормальной толерантностью к глюкозе. Определены взаимосвязи параметров динамики глюкозы, рассчитанных по данным непрерывного мониторинга глюкозы (НМГ), с показателями стандартного теста на толерантность к глюкозе, уровнем гликированного гемоглобина (HbA1c), антропометрическими индексами и параметрами композитного состава тела. Показано, что среднесуточный уровень глюкозы и параметры ВГ, чувствительные к гипергликемии (CONGA, J-индекс) положительно коррелируют с массой тела, окружностью талии, общей массой жировой ткани, массой жира на туловище и в центральной области живота; индекс риска гипогликемии (LBGI) отрицательно коррелирует с этими параметрами. Разработано программно-алгоритмическое обеспечение для анализа данных мониторинга уровня глюкозы, которое позволяет проводить автоматический отбор рядов за заданный промежуток времени, визуализировать ряды, фильтровать ряды, содержащие длительные пропуски измерений (например, более 30 минут), формировать описания рядов в терминах различных характеристик (показатели среднего, дисперсии, автокорреляции, коэффициенты линейного тренда и т.п.). Проведен анализ ВГ по данным НМГ у 400 пациентов с СД 1 типа (2799 записей гликемии) с использованием различных индексов динамики временных рядов. Построены распределения индексов и определены корреляционные зависимости между показателями ВГ. Определены преобразования показателей, снижающие размерность задачи и сохраняющие при этом максимальное количество информации. Разработана методика кластеризации рядов НМГ, получено описание каждого кластера в терминах исходных показателей, что позволило содержательно интерпретировать полученные группы в терминах паттернов их поведения. Показано, что на ряд параметров ВГ оказывает остаточная функция бета-клеток (уровень С-пептида). Наиболее высокая ВГ (индексы MAGE, LI, CONGA, HBGI) выявлена у больных с хронической болезнью почек, находящихся на гемодиализе. Установлено, что обычные корреляционные связи между параметрами ВГ и HbA1c, выявляемые у пациентов с сохранной функцией почек, теряются при хронической болезни почек 4-5 стадии. С использованием биоинформационного анализа и интеллектуального анализа текстов научных публикаций (text-mining), проиндексированных в PubMed, с использованием системы ANDSystems, выполнена реконструкция и анализ сети генов и белков, связанных с ВГ. Построена сеть ВГ, которая включала 37 генов / белков, связанных как с гипергликемией, так и с гипогликемией. В этой сети мы идентифицировали гены гормонов, регулирующих метаболизм глюкозы, провоспалительные цитокины, факторы роста, регуляторы секреции и передачи сигналов инсулина, факторы транскрипции и другие молекулы. Сердечно-сосудистая система, поджелудочная железа, жировая и мышечная ткань, желудочно-кишечный тракт и почки были идентифицированы как локусы с максимальной экспрессией генов, связанных с ВГ. Среди биологических процессов, которые наиболее активно регулируются генами, связанными с ВГ, мы иентифицировали регуляцию секреции инсулина, гомеостаза глюкозы, а также некоторые сигнальные пути, которые участвуют в регуляции клеточного метаболизма (каскад MAPK, передача сигналов протеинкиназы B, каскад JAK-STAT, регуляция фосфорилирования тирозина), клеточного цикла (регуляция митотического деления ядра и пролиферации клеток) и межклеточной передачи сигналов. Показано, что гены, связанные с ВГ, занимают центральное место в генных сетях осложнений СД, включая макроангиопатию, нефропатию, ретинопатию и нейропатию. Идентифицированы новые гены-кандидаты (THBS1, FN1, HSP90AA1, EGFR, MAPK1, STAT3, TP53, EGF, GSK3B и PTEN), перспективные для экспериментальной проверки их роли в феномене ВГ. Полученные результаты расширяют представления о механизмах реализации эффекта ВГ в развитии осложнений СД, предоставляют дополнительные возможности для идентификации новых молекулярных маркеров и терапевтических мишеней.

Аннотация результатов, полученных в 2021 году
В данном проекте решаются две взаимосвязанные задачи: 1) разработка подходов к детальной и персонализированной оценке вариабельности гликемии у больных сахарным диабетом (СД) 1 типа на основе математических методов и иискусственного интеллекта; 2) определение клинической и патофизиологической значимости вариабельности гликемии (ВГ) у больных СД 1 типа. Во второй год реализации проекта разработана компьютерная программа экспертного анализа данных непрерывного мониторинга уровня глюкозы (НМГ). Программа CGMEX (свидетельство о госрегистрации RU 2021616872) предоставляет возможность осуществлять многокомпонентный всесторонний анализ данных НМГ. Результаты анализа включают в себя данные о среднем уровне глюкозы и его распределении, времени в гликемических диапазонах, эпизодах гипергликемии и гипогликемии, индексах ВГ. Проведен углубленный математический анализ ВГ по данным НМГ у 50 лиц с нормальной толерантностью к глюкозе и у 406 лиц с СД 1 типа. Определены границы референсных интервалов параметров ВГ в дневные и ночные часы у лиц с нормальной толерантностью к глюкозе. Установлено, что наличие избыточной массы тела или ожирения у больных СД 1 типа ассоциировано с более выраженной гипергликемией, меньшей ВГ и меньшим риском гипогликемии. Диабетическая ретинопатия и нефропатия ассоциированы преимущественно с гипергликемией, а не с показателями ВГ. При этом, наличие хронической болезни почек С3-С4 сопряжено не только с более высокой гликемией, но и с более низкой ВГ и меньшим риском гипогликемии. Для автономной нейропатии установлены связи как с гипергликемией, так и с ВГ. У больных с нарушенным распознаванием гипогликемии выявлен более высокий средний уровень глюкозы, время в диапазоне гипергликемии и более высокая ВГ в дневные и ночные часы, но меньшее число эпизодов гипогликемии по сравнению с пациентами без данного осложнения. Больные на помповой инсулинотерапии имели более высокие значения времени в целевом диапазоне, меньшие значения времени в диапазоне гипергликемии и меньшие значения индексов ВГ, по сравнению с пациентами, использующими шприц-ручки. С помощью анализа ROC-кривых установлено, что высокая ВГ ассоциирована с высокой суточной дозой инсулина и расчетной скоростью клубочковой фильтрации (рСКФ), меньшим индексом массы тела и окружностью талии, и высоким уровнем HbA1c. В многофакторном логистическом анализе длительность СД и рСКФ являлись независимыми предикторами высоких значений коэффициента вариации (СV) в ночные и дневные часы. Длительность СД и уровень HbA1c были ассоциированы с высокой ночной среднечасовой скоростью изменений глюкозы (MAG); доза болюсного инсулина и уровень HbA1c оказались наиболее значимыми предикторами MAG в дневные часы. Определены закономерности суточной динамики уровня глюкозы у больных СД 1 типа на основе логико-вероятностных моделей машинного обучения. Разработана паттернизация гликемических кривых в различные периоды суток у больных СД 1 типа. Выделено 14 кластеров гликемических кривых без гипогликемии и 9 кластеров с гипогликемией в ночные часы (0 – 5.59), 12 кластеров без эпизодов гипогликемии и 13 кластеров с эпизодами гипогликемии в дневные часы (6.00 – 23.59), 8 кластеров без гипогликемии и 9 кластеров с гипогликемией в ранние утренние часы (04.00 – 07.59). Различия между кластерами касались количества и амплитуды колебаний уровня глюкозы, наличия восходящего или нисходящего тренда за время записи, абсолютных значений уровня глюкозы, величины пиков и других характеристик. Разработан подход к прогнозированию эпизодов ночной гипогликемии с помощью алгоритмов машинного обучения. Выполнена визуализация данных НМГ с использованием метода t-распределенного стохастического вложения соседей. Для прогнозирования гипогликемии и оценки предикторов использовался метод Random Forest. Качество предсказания оценивалось на нерасширенной тестовой выборке с использованием перекрестной проверки Монте-Карло. Чувствительность и специфичность варьировали от 98% и 97% соответственно для горизонта 5 минут до 85% и 87% для горизонта 30 минут. Средний и минимальный уровни глюкозы, коэффициент линейного тренда и 5-минутный нисходящий градиент были наиболее важными предикторами, оцененными Random Forest. Включение клинических данных в модели улучшили качество прогноза на 30-минутный горизонт, увеличив чувствительность и специфичность на 3-7%. Путем биоинформационного анализа найдены регуляторные контуры, функционально-значимые кластеры и ключевые участники генной сети ВГ, построенной с помощью текст-майнинга. В состав найденных контуров вошли гены, активность которых регулируется колебаниями уровня глюкозы: NPY, CRP, CDKN1A, CCL2, EDN1, IL6, NFE2L2, а также гены, продукты которых сами влияют на уровень ВГ: INS, IAPP, PPARA, SOD2, GCG, CSF3, LEP, PRL, IL1B, MIR155 и CD36. С помощью функции “Functional Annotation Clustering” веб-сервиса DAVID было выявлено 7 функционально-значимых кластеров. Гены, входящие в эти кластеры, оказались вовлечены в регуляцию транспорта глюкозы и сигнального пути инсулинового рецептора, воспалительный ответ, регуляцию миграции эндотелиальных клеток кровеносных сосудов, биосинтез гликогена, пищевое поведение, в фосфатидилинозитол-опосредованную передачу сигналов и сигнальные пути MAPK. Учитывая важную роль нарушений ангиогенеза в развитии осложнений СД, проведен поиск кластера генов в генной сети ВГ, связанного с нарушениями ангиогенеза. Выявлены гены (CCL2, CDKN1A, CRP, EDN1, NFE2L2, NPY, SELE и SERPINE1), экспрессия которых активируется как при гипогликемии, так и при гипергликемии, а также гены, экспрессия которых блокируется в условиях аномально низкого и/или высокого уровня глюкозы. С помощью базы данных TTD выявлены вещества, способные связываться с этими ключевыми генами и модулировать их активность. Учитывая роль интерлейкина-6 (IL-6) в патогенезе диабетической ретинопатии, проведен анализ кластера генов, регулируемых IL-6 и ассоциированных с данным осложнением. В составе кластера идентифицировано 73 гена, кодирующие цитокины, факторы роста, гормоны, ферменты, связывающие белки, микроРНК и др. молекулы. При анализе Gene Ontology в числе наиболее сверхпредставленных для данного кластера оказались процессы, связанные с воспалением, иммунным ответом, ответом на гипоксию, ангиогенезом, старением. Проведена реконструкция и анализ генной сети гипогликемии. Данная сеть включала 141 ген/белок; среди участников сети гены INS, IL6, LEP, TNF, IL1B, EGFR и FOS оказались крупными “хабами”. Гены GPR142, MBOAT4, SLC5A4, IGFBP6, PPY, G6PC1, SLC2A2, GYS2, GCGR и AQP7 были наиболее специфичными, согласно критерию специфичности CTS. На следующем этапе были построены генные сети сердечно-сосудистых заболеваний, диабетической ретинопатии, диабетической нефропатии, диабетической нейропатии, когнитивной дисфункции и болезни Альцгеймера. Выделено 14 генов, наиболее значимых с точки зрения эффекта гипогликемии на развитие этих патологических процессов (ADIPOQ, CRP, EDN1, EPO, GLP1R, IGF1, IL1B, IL6, INS, INSR, NFE2L2, NPY, TNF и VEGFA). Выделены гены, связанные как с болезнью Альцгеймера, так и с гипогликемией (CCL2, CD40, CDKN1A, CYP3A4, FOS, HCRT, IGFBP2, IL6, MAP2, METAP2, NFE2L2, PARK7, SELP, SST, VEGFA и другие), перспективные для дальнейшего изучения в качестве возможных фармакологических мишеней. Установлено, что у пациентов с СД 1 типа концентрации в сыворотке крови продуктов гликирования: гликированого альбумина, пентозидина и конечных продуктов гликирования положительно коррелируют со средним уровнем глюкозы, гипергликемией и параметрами ВГ. Полученные результаты открывают новые возможности в анализе ВГ у больных СД и расширяют представления о механизмах влияния ВГ на развитие осложнений.

Аннотация результатов, полученных в 2022 году
В данном проекте решались две взаимосвязанные задачи: 1) разработка подходов к детальной и персонализированной оценке вариабельности гликемии у больных сахарным диабетом (СД) 1 типа на основе математических методов и иискусственного интеллекта; 2) определение клинической и патофизиологической значимости вариабельности гликемии у больных СД 1 типа. Разработаны модели машинного обучения для краткосрочного прогнозирования ночной гипогликемии у пациентов с СД 1 типа в режиме реального времени. Модели строились на основе параметров динамики временных рядов и индексов вариабельности гликемии, рассчитываемых по данным непрерывного мониторинга глюкозы, и 23 клинических параметров. Применялись алгоритмы «случайный лес» (RF), логистическая линейная регрессия с регуляризацией (LogRLasso) и искусственная нейронная сеть (ANN). В построенных моделях RF обеспечил наилучшую точность прогноза при 15-минутном и 30-минутном горизонте прогноза, методы LogRLasso и ANN давали меньшую точность. Чувствительность и специфичность моделей варьировали от 94,5% и 91,4% соответственно при 15-минутном горизонте прогнозирования до 90,4% и 87,4% при 30-минутном горизонте. Разработан метод кластерного анализа данных непрерывного мониторинга уровня глюкозы у больных СД 1 типа, основанный на иерархическом кластерном анализе временных рядов. Предложена оригинальная процедура оценивания статистической достоверности полученной кластерной структуры, основанная на методе Монте-Карло. С помощью разработанного метода выделены паттерны флуктуаций глюкозы в ночные и дневные часы с эпизодами гипогликемии и без эпизодов (всего 34 паттерна). Установлен вклад в формирование паттернов динамики уровня глюкозы в ночные часы следующих факторов: 1) характеристики инсулинотерапии (доза и вид базального инсулина, доза болюсного инсулина в вечернее время, режим инсулинотерапии – постоянная подкожная инфузия или многократные инъекции; 2) поведенческие факторы (прием пищи в позднее вечернее и ночное время, страх гипогликемии); 3) клинические особенности заболевания (наличие остаточной секреции инсулина, соотношение окружность талии/окружность бедер). Пациенты без ночной гипогликемии с динамикой глюкозы, близкой к физиологической, отличались от больных с другими паттернами без ночной гипогликемии более молодым возрастом, меньшей длительностью СД, меньшими суточными дозами базисного и болюсного инсулина, меньшим HbA1c и вариабельностью гликемии, большим временем в целевом диапазоне (TIR). Наиболее длительные эпизоды гипогликемии 3-3,8 ммоль/л фиксировались у больных с невысоким исходным уровнем глюкозы и плавным нисходящим трендом в ночные часы. Пациенты с паттернами, близкими к физиологическим, но с эпизодами гипогликемии, отличались от больных с подобной динамикой глюкозы без гипогликемии меньшей остаточной секрецией инсулина, большей дисперсией значений глюкозы и амплитудой колебаний в ночные часы, более высоким уровнем HbA1c и меньшим TIR. Больные с динамикой глюкозы в дневные часы, близкой к физиологической, отличались от пациентов с гипергликемией и/или нефизиологическими колебаниями уровня глюкозы без гипогликемии меньшим отношением «окружность талии/окружность бедра», меньшей длительностью СД, меньшим уровнем HbA1c, меньшей вариабельностью уровня глюкозы, меньшими дозами базисного инсулина и большей остаточной секрецией инсулина (стимулированный С-пептид). Наиболее часто гипогликемия в дневные часы наблюдалась при нормальном уровне глюкозы в начале временного отрезка, максимумы эпизодов гипогликемии соответствовали периодам перед основными приемами пищи. Пациенты с дневной динамикой глюкозы, близкой к физиологической, но с гипогликемией, отличались от пациентов со схожим паттерном, но без гипогликемии, тенденцией к более высокой дозе базального инсулина, большей выраженностью гипергликемии при отсутствии различий в дозе болюсного инсулина и TIR. Результаты указывают на многообразие вариантов динамики уровня глюкозы у больных СД на фоне базис-болюсной инсулинотерапии, необходимости дифференцированного подхода к коррекции лечения в различных ситуациях. Паттернизация флуктуаций гликемии может служить инструментом для персонификации лечения СД. Выполнен биоинформатический анализ ассоциативных генных сетей вариабельности гликемии и осложнений СД, построенных с помощью текст-майнинга научных публикаций (ANDSystem), идентифицированы гены, критически важные для патогенетических процессов, лежащих в основе осложнений СД (хронического воспаления, дисфункции эндотелия), а также гены, продукты которых могут рассматриваться как потенциальные мишени для терапевтического воздействия. При сопоставлении генных сетей вариабельности гликемии и хронического воспаления идентифицирован 61 общий ген. Продукты генов включали цитокины, ангиопоэтины, ферменты, компоненты внеклеточного матрикса, микроРНК, рецепторы, факторы роста, регуляторы транскрипции и другие молекулы. Высокая вариабельность глюкозы может влиять на экспрессию данных генов. В качестве перспективных мишеней для блокирования воспаления, ассоциированного с высокой вариабельностью гликемии, идентифицированы: TP53, TNF, NFKB1, IL1B, IL6, CASP3, MMP2, MMP9, TGFB1, VEGFA, UCP2, GPX1, SOD2, ANGPT2, GLP1R, HGF, SPP1, MAPK9, TIMP1 и MMP1. В результате сравнительного анализа генных сетей вариабельности гликемии и дисфункции эндотелия выявлено 60 общих генов. Наиболее важными «хабами» и потенциальными таргетами для терапии оказались гены: INS, IL6, TP53, FOXO1, LEP, MAPK14, TNF, IL1B, IGF1 и VEGF. Построены генные сети, включающие гены/белки человека, взаимодействующие с белками SARS-CoV-2. Проведен поиск общих участников генных сетей, направленный на выявление ключевых молекул, определяющих тяжелое течение COVID-19 при СД, и таргетов для терапии. Установлено, что молекулы ACE2, DPP4, CTSB и CTSL имеют тесные связи через генные сети как с гипергликемией, так и с COVID-19. Сравнительный анализ генных сетей гипергликемии и сети 332 белков человека – таргетов для белков SARS-CoV-2 показал, что общими для них являются 8 генов: DNMT1, FBN1, GDF15, GPX1, HMOX1, IDE, PLAT и RHOA. Изучены взаимосвязи характеристик суточных флуктуаций гликемии с интенсивностью процессов, патогенетически значимых для развития сосудистых осложнений (неферментативного гликирования, окислительного стресса, хронического субклинического воспаления, изменений гемостаза, апоптоза, аутофагии, фиброгенеза) у больных СД 1 типа. Для решения этой задачи, определен уровень 85 маркеров и медиаторов в сыворотке крови и сопоставлен с основными характеристиками вариабельности гликемии. Пациенты с высокими значениями коэффициента вариации (CV, в пределах верхнего квартиля) показали более высокий уровень поздних продуктов гликирования, APRIL/TNFSF13, IL-10, RANTES и более низкие уровни BAFF/TNFSF13B и MIF по сравнению с пациентами с CV в пределах нижнего квартиля. Пациенты, имеющие среднюю амплитуду колебаний гликемии (MAGE) в пределах верхнего квартиля, в сравнении с больными с низкой MAGE, продемонстрировали более высокие уровни перекисей, тромбоспондина, IL-6, IL-10, IL-12(р40), MIG, SCF, G-CSF и MIF. У больных со средней скоростью изменений уровня глюкозы (MAG) в пределах верхнего квартиля выявлены более высокие концентрации HGF, MCP-1, IL-12(p40), SDF-1 и MIG, при сравнении с больными с MAG в области нижнего квартиля. Таким образом, разные характеристики вариабельности гликемии, включая дисперсию значений глюкозы, амплитуду колебаний и скорость изменений уровня глюкозы, могут быть ассоциированы с различными медиаторами и маркерами процессов, значимых для развития сосудистых осложнений. Полученные результаты открывают новые возможности в анализе вариабельности гликемии у больных СД и расширяют представления о механизмах ее влияния на развитие осложнений. По результатам выполнения проекта, разработаны методические рекомендации по анализу вариабельности гликемии у больных СД в клинической практике, издана монография «Цифровая диабетология».