Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Dự đoán nồng độ leptin và insulin trong máu cuống rốn dựa trên dữ liệu nhân trắc học bằng phương pháp mạng nơ-ron nhân tạo: xác định các yếu tố chính ở mẹ và sơ sinh
Tóm tắt
Nồng độ leptin và insulin là những yếu tố chính điều hòa cân bằng năng lượng ở thai nhi và sơ sinh, phát triển và tăng trưởng. Cả hai biomarker này đều được sử dụng như những dự đoán về tăng cân và béo phì trong giai đoạn sơ sinh. Hiện tại chưa có thuật toán dự đoán nồng độ hormone trong máu cuống rốn (UCB) sử dụng mạng nơ-ron nhân tạo (ANN) được huấn luyện trực tiếp từ dữ liệu nhân trắc học của mẹ và sơ sinh, từ những trẻ sơ sinh bị ảnh hưởng bởi môi trường chuyển hóa khác nhau trong thời kỳ mang thai (mẹ béo phì có hoặc không có tiểu đường thai kỳ hoặc mẹ gầy). Các mục tiêu là: 1) phát triển các mô hình ANN mô phỏng nồng độ leptin và insulin trong máu cuống rốn dựa trên dữ liệu của mẹ và sơ sinh (mô hình ANN trong giai đoạn chu sinh) hoặc chỉ từ dữ liệu của mẹ trong giai đoạn đầu của thai kỳ (mô hình ANN trong giai đoạn trước sinh); 2) Đánh giá tính sinh học của từng tham số (biến nhân trắc ở mẹ và sơ sinh). Chúng tôi đã thu thập dữ liệu nhân trắc học của mẹ và sơ sinh (n=49) từ phụ nữ gầy khỏe mạnh có đường huyết bình thường, béo phì hoặc béo phì có tiểu đường thai kỳ, đồng thời xác định nồng độ leptin và insulin trong UCB bằng phương pháp ELISA. Mô hình ANN trong giai đoạn chu sinh bao gồm một lớp đầu vào có 12 biến (dữ liệu nhân trắc học và sinh hóa của mẹ và sơ sinh từ giai đoạn đầu thai kỳ và tại thời điểm sinh) trong khi mô hình ANN trong giai đoạn trước sinh chỉ sử dụng 6 biến (dữ liệu nhân trắc học của mẹ từ giai đoạn đầu thai kỳ) trong lớp đầu vào. Đối với cả hai mạng, lớp đầu ra chứa 1 biến cho nồng độ leptin hoặc nồng độ insulin trong UCB. Các kiến trúc tốt nhất cho các mô hình ANN chu sinh ước lượng leptin và insulin là 12-5-1; trong khi cho các mô hình ANN trước sinh, 6-5-1 và 6-4-1 đã được tìm thấy cho leptin và insulin, tương ứng. Các mô hình ANN cho thấy sự đồng thuận xuất sắc giữa các giá trị thực nghiệm và giá trị mô phỏng. Thú vị, việc sử dụng chỉ dữ liệu nhân trắc học của mẹ trong giai đoạn trước sinh đã đủ để ước lượng giá trị leptin và insulin trong UCB. Chỉ số BMI, trọng lượng và tuổi của mẹ cũng như cân nặng sơ sinh là các tham số có ảnh hưởng lớn nhất đối với leptin, trong khi bệnh lý của mẹ là yếu tố quan trọng nhất để dự đoán insulin. Tỷ lệ lỗi thấp và thời gian tính toán ngắn khiến các mô hình ANN này trở nên hấp dẫn trong bối cảnh nghiên cứu chuyển giao, áp dụng để dự đoán giá trị leptin và insulin của sơ sinh từ dữ liệu nhân trắc học của mẹ, và có thể là ước lượng trực tuyến trong thai kỳ.
Từ khóa
#leptin #insulin #máu cuống rốn #mạng nơ-ron nhân tạo #nhân trắc học #thai kỳ #béo phì #tiểu đường thai kỳTài liệu tham khảo
Barnes SK, Ozanne SE. Pathways linking the early environment to long-term health and lifespan. Prog Biophys Mol Biol. 2011;106(1):323–36.
Drake AJ, Reynolds RM. Impact of maternal obesity on offspring obesity and cardiometabolic disease risk. Reproduction. 2010;140(3):387–98.
Gaillard R. Maternal obesity during pregnancy and cardiovascular development and disease in the offspring. Eur J Epidemiol. 2015;30(11):1141–52.
Nicholas LM, Morrison JL, Rattanatray L, Zhang S, Ozanne SE, McMillen IC. The early origins of obesity and insulin resistance: timing, programming and mechanisms. Int J Obes (Lond). 2016;40(2):229-38. Epub 2015 Sep 14.
Poston L. Developmental programming and diabetes - The human experience and insight from animal models. Best Pract Res Clin Endocrinol Metab. 2010;24(4):541–52.
Remmers F, Delemarre-van de Waal HA. Developmental programming of energy balance and its hypothalamic regulation. Endocr Rev. 2011;32(2):272–311.
Symonds ME, Sebert SP, Hyatt MA, Budge H. Nutritional programming of the metabolic syndrome. Nat Rev Endocrinol. 2009;5(11):604–10.
Considine RV, Caro JF. Leptin: genes, concepts and clinical perspective. Horm Res. 1996;46(6):249–56.
Hassink SG, Sheslow DV, de Lancey E, Opentanova I, Considine RV, Caro JF. Serum leptin in children with obesity: relationship to gender and development. Pediatrics. 1996;98(2 Pt 1):201–3.
Zhang Y, Proenca R, Maffei M, Barone M, Leopold L, Friedman JM. Positional cloning of the mouse obese gene and its human homologue. Nature. 1994;372(6505):425–32.
Koerner A, Kratzsch J, Kiess W. Adipocytokines: leptin--the classical, resistin--the controversical, adiponectin--the promising, and more to come. Best Pract Res Clin Endocrinol Metab. 2005;19(4):525–46.
Konturek PC, Konturek JW, Czesnikiewicz-Guzik M, Brzozowski T, Sito E, Konturek SJ. Neuro-hormonal control of food intake: basic mechanisms and clinical implications. J Physiol Pharmacol. 2005;56 Suppl 6:5–25.
Lawlor DA, Relton C, Sattar N, Nelson SM. Maternal adiposity--a determinant of perinatal and offspring outcomes? Nat Rev Endocrinol. 2012;8(11):679–88.
Saladin R, De Vos P, Guerre-Millo M, Leturque A, Girard J, Staels B, Auwerx J. Transient increase in obese gene expression after food intake or insulin administration. Nature. 1995;377(6549):527–9.
Spiegelman BM, Flier JS. Obesity and the regulation of energy balance. Cell. 2001;104(4):531–43.
Morton GJ, Schwartz MW. Leptin and the central nervous system control of glucose metabolism. Physiol Rev. 2011;91(2):389–411.
Hoggard N, Hunter L, Duncan JS, Williams LM, Trayhurn P, Mercer JG. Leptin and leptin receptor mRNA and protein expression in the murine fetus and placenta. Proc Natl Acad Sci U S A. 1997;94(20):11073–8.
Shekhawat PS, Garland JS, Shivpuri C, Mick GJ, Sasidharan P, Pelz CJ, McCormick KL. Neonatal cord blood leptin: its relationship to birth weight, body mass index, maternal diabetes, and steroids. Pediatr Res. 1998;43(3):338–43.
Chiesa C, Osborn JF, Haass C, Natale F, Spinelli M, Scapillati E, Spinelli A, Pacifico L. Ghrelin, leptin, IGF-1, IGFBP-3, and insulin concentrations at birth: is there a relationship with fetal growth and neonatal anthropometry? Clin Chem. 2008;54(3):550–8.
Christou H, Connors JM, Ziotopoulou M, Hatzidakis V, Papathanassoglou E, Ringer SA, Mantzoros CS. Cord blood leptin and insulin-like growth factor levels are independent predictors of fetal growth. J Clin Endocrinol Metab. 2001;86(2):935–8.
Wolf HJ, Ebenbichler CF, Huter O, Bodner J, Lechleitner M, Foger B, Patsch JR, Desoye G. Fetal leptin and insulin levels only correlate inlarge-for-gestational age infants. Eur J Endocrinol. 2000;142(6):623–9.
Boeke CE, Mantzoros CS, Hughes MD, Rifas-Shiman LS, Villamor E, Zera CA, Gillman MW. Differential associations of leptin with adiposity across early childhood. Obesity (Silver Spring). 2013;21(7):1430–7.
Mantzoros CS, Rifas-Shiman SL, Williams CJ, Fargnoli JL, Kelesidis T, Gillman MW. Cord blood leptin and adiponectin as predictors of adiposity in children at 3 years of age: a prospective cohort study. Pediatrics. 2009;123(2):682–9.
Ong KK, Ahmed ML, Sherriff A, Woods KA, Watts A, Golding J, Dunger DB. Cord blood leptin is associated with size at birth and predicts infancy weight gain in humans. ALSPAC Study Team. Avon Longitudinal Study of Pregnancy and Childhood. J Clin Endocrinol Metab. 1999;84(3):1145–8.
Parker M, Rifas-Shiman SL, Belfort MB, Taveras EM, Oken E, Mantzoros C, Gillman MW. Gestational glucose tolerance and cord blood leptin levels predict slower weight gain in early infancy. J Pediatr. 2011;158(2):227–33.
Brunner S, Schmid D, Huttinger K, Much D, Heimberg E, Sedlmeier EM, Bruderl M, Kratzsch J, Bader BL, Amann-Gassner U, et al. Maternal insulin resistance, triglycerides and cord blood insulin in relation to post-natal weight trajectories and body composition in the offspring up to 2 years. Diabet Med. 2013;30(12):1500–7.
Rumelhart D. Feature discovering by competitive learning. Cogn Sci. 1985;9:75–112.
Bishop. Neural networks and their applications. Rev Sci Instrument. 1994;65(6):1803–32.
McCulloch WW, Pitts W. A logical calculus of ideas imminent in nervous activity. Bull Math Biophys. 1943;5:115–33.
Grossi E. Technology transfer from the science of medicine to the real world: the potential role played by artificial adaptive systems. Subst Use Misuse. 2007;42(2-3):267–304.
Grossi E, Buscema M. Artificial intelligence and outcome research. Drug Dev Res. 2006;67(3):227–44.
Grossi E, Buscema M. Introduction to artificial neural networks. Eur J Gastroenterol Hepatol. 2007;19(12):1046–54.
Chan CH, Chan EY, Ng DK, Chow PY, Kwok KL. Application of artificial neural networks to establish a predictive mortality risk model in children admitted to a paediatric intensive care unit. Singapore Med J. 2006;47(11):928–34.
Patel JL, Goyal RK. Applications of artificial neural networks in medical science. Curr Clin Pharmacol. 2007;2(3):217–26.
Street ME, Buscema M, Smerieri A, Montanini L, Grossi E. Artificial Neural Networks, and Evolutionary Algorithms as a systems biology approach to a data-base on fetal growth restriction. Prog Biophys Mol Biol. 2013;113(3):433–8.
Street ME, Grossi E, Volta C, Faleschini E, Bernasconi S. Placental determinants of fetal growth: identification of key factors in the insulin-like growth factor and cytokine systems using artificial neural networks. BMC Pediatr. 2008;8:24.
Chowdhury DR, Chatterjee M, Samanta RK. An Artificial Neural Network model for neonatal disease diagnosis. Int J Artif Intell Expert Syst. 2011;2(3):96–106.
Karlik B, Vehbi A. Performance Analysis of Various Activation Functions in Generalized MLP Architectures of Neural Networks. Int J Artif Intell Expert Syst. 2011;1(4):111–22.
Verma SP, Andaverde J, Santoyo E. Application of the error propagation theory in estimates of static formation temperatures in geothermal and petroleum boreholes. Energy Convers Manag. 2006;47:3659–71.
Demuth H, Beale M. Neural Network Toolbox for Matlab-User’s guide version 3. M.A: Mathworks; 1998.
Heaton J. Introduction to the Math of Neural Networks. Heaton Res. 2016.
Rumelhart D, Hinton GE, Williams CJ. Learning representations by back-propagating errors. Nature. 1986;323:533–6.
Rumelhart DE, Hinton GE, Williams RJ. Learning internal representations by error propagation. Parallel Data Process. 1986;1:318–62.
Hagan MT, Menhaj MB. Training Feedforward Networks with the Marquardt Algorithm. IEEE Trans Neural Network. 1994;5(6):989–93.
Yu H, Wilamowski BM. Levenberg-Marquardt Training. In: Industrial electronics Handbook. Volume 5, edn. Florida, USA: CRC Press; 2011. 12-11 to 12-15.
Despange F, Massart DL. Neural networks in multivariate calibration. Analyst. 1998;123:157–78.
Verma SP, Andaverde J, Santoyo E. Application of the error propagation theory in estimates of static formation temperatures in geothermal and petroleum boreholes, Heat Transfer in Components and Systems for Sustainable Energy Technologies: Heat-SET 2005. In: Heat SET 2005: 2005; Grenoble, France: Proceeding from a Congress; 2005.
Uebel K, Pusch K, Gedrich K, Schneider KT, Hauner H, Bader BL. Effect of maternal obesity with and without gestational diabetes on offspring subcutaneous and preperitoneal adipose tissue development from birth up to year-1. BMC Pregnancy Childbirth. 2014;14:138.
Ben X, Qin Y, Wu S, Zhang W, Cai W. Placental leptin correlates with intrauterine fetal growth and development. Chin Med J (Engl). 2001;114(6):636–9.
Gross GA, Solenberger T, Philpott T, Holcomb Jr WL, Landt M. Plasma leptin concentrations in newborns of diabetic and nondiabetic mothers. Am J Perinatol. 1998;15(4):243–7.
Persson B, Westgren M, Celsi G, Nord E, Ortqvist E. Leptin concentrations in cord blood in normal newborn infants and offspring of diabetic mothers. Horm Metab Res. 1999;31(8):467–71.
Aleboyeh A, Kasiri MB, Olya ME, Aleboyeh H. Prediction of azo dye decolorization by UV/H2O2 using artificial neural networks. Dyes Pigments. 2008;77:288–94.
Garson GD. Interpreting neural-network connection weights. AI Experts. 1991;6:47–51.
Koistinen HA, Koivisto VA, Andersson S, Karonen SL, Kontula K, Oksanen L, Teramo KA. Leptin concentration in cord blood correlates with intrauterine growth. J Clin Endocrinol Metab. 1997;82(10):3328–30.
Rafeey M, Ouladsahebmadarek E, Rashtchizadeh N, Sheikh Monazah F, Gorbanihaghjo A, Hosseini MB, Nejati N. Correlation between maternal and cord blood leptin and fetal growth. Afr J Biotechnol. 2007;6(17):2013–27.
Denison FC, Roberts KA, Barr SM, Norman JE. Obesity, pregnancy, inflammation, and vascular function. Reproduction. 2010;140(3):373–85.
Lepercq J, Cauzac M, Lahlou N, Timsit J, Girard J, Auwerx J, Hauguel-de Mouzon S. Overexpression of placental leptin in diabetic pregnancy: a critical role for insulin. Diabetes. 1998;47(5):847–50.
Fietta P. Focus on leptin, a pleiotropic hormone. Minerva Med. 2005;96(2):65–75.
Kaar JL, Brinton JT, Crume T, Hamman RF, Glueck DH, Dabelea D. Leptin levels at birth and infant growth: the EPOCH study. J Dev Orig Health Dis. 2014;5(3):214–8.
Boskovic R, Feig DS, Derewlany L, Knie B, Portnoi G, Koren G. Transfer of insulin lispro across the human placenta: in vitro perfusion studies. Diabetes Care. 2003;26(5):1390–4.
Catalano PM, McIntyre HD, Cruickshank JK, McCance DR, Dyer AR, Metzger BE, Lowe LP, Trimble ER, Coustan DR, Hadden DR, et al. The hyperglycemia and adverse pregnancy outcome study: associations of GDM and obesity with pregnancy outcomes. Diabetes Care. 2012;35(4):780–6.