Erstellung eines Massenspektrometrie-basierten biostatistischen Modells zur Identifizierung proteomischer Biomarkerkandidaten für die Früherkennung der arteriellen Hypertonie

Abstract

Die essentielle arterielle Hypertonie ist die Ursache schwerwiegender Folgeerkrankungen, die weltweit die häufigsten Todesursachen darstellen. Dennoch gibt es derzeit keine proteomischen Biomarker zur Früherkennung oder Risikoeinschätzung dieser Erkrankung. Diese würden jedoch eine gezielte frühzeitige Therapie zur Verminderung der Risikofaktoren erlauben. Dadurch könnte das Auftreten von Folgeerkrankungen vermieden oder hinausgezögert werden. Ziel dieser Dissertation war die Suche nach Biomarkerkandidaten für die arterielle Hypertonie. Diese Suche sollte auf der Grundlage eines biostatistischen Modells zur Unterscheidung von Probanden mit und ohne arterielle Hypertonie anhand von Plasmamerkmalen erfolgen. Hierzu wurden 121 Plasmaproben einer Fallgruppe mit arterieller Hypertonie und 82 Plasmaproben einer Kontrollgruppe biochemisch mittels Reversed-Phase-Chromatographie aufbereitet und ESI-massenspektrometrisch analysiert. Aus den resultierenden Daten wurde ein biostatistisches Modell entwickelt, das mit Hilfe von 22 Massensignalen den Fall- oder Kontrollstatus einer Probe vorhersagen konnte. Mittels MALDI-Massenspektrometrie wurden anschließend die Aminosäuresequenzen einiger der für das Modell relevanten Massensignale identifiziert. Nach Abgleich mit der Mascot-Datenbank konnte diesen Sequenzen jeweils ein Proteinkandidat zugeordnet werden. Die identifizierten, für das Modell relevanten Proteinkandidaten sind Mannose-6-Phosphat-Isomerase, Transkriptionsfaktor Dp-2, die regulatorische Untereinheit 1 der Phosphatidylinositol-3-Kinase, kardiales Phospholamban, Rab-13 und Prune Protein. Die Ergebnisse dieser Dissertation sind die Grundlage für die Validierung der im biostatistischen Modell relevanten Massensignale als diagnostische Biomarkerkandidaten für die arterielle Hypertonie. Die noch nicht identifizierten Massensignale sollen in weiterführenden Studien mittels Gaschromatographie-Massenspektrometrie aufgearbeitet und Proteinkandidaten zugeordnet werden.

Essential arterial hypertension is the cause of severe secondary diseases, which are the most frequent causes of death worldwide. Still, there are currently no proteomical biomarkers for early diagnosis or risk evaluation of this illness even though they would make a targeted therapy at an early stage possible. This, in turn, could prevent or delay the occurrence of secondary diseases. The aim of this dissertation was the search for biomarker candidates for arterial hypertension. This was to be achieved on the basis of a biostatistical model for the distinction of test persons with and without arterial hypertension by plasmatic features. Therefore 121 plasmatic samples of a case group and 82 plasmatic samples of a control group were biochemically processed by reversed-phase chromatography and analysed by ESI-mass spectrometry. The resulting data was used to develop a biostatistical model which could predict the case or control status of a sample by using 22 mass signals. Afterwards, the amino acid sequences of some of the relevant mass signals of the model were identified via MALDI mass spectrometry. After comparing them with the Mascot Database, each of these sequences were able to be related to a protein candidate. The thus identified protein candidates relevant for the biostatistical model are mannose-6-phosphate isomerase, transcription factor dp-2, the regulatory subunit 1 of the phosphatidylinositol 3-kinase, cardiac phospholamban, rab-13 und prune protein. The results of this dissertation are the basis for the validation of the relevant markers of the biostatistical model as diagnostic biomarker candidates for arterial hypertension. The mass signals which have not been identified yet have to be processed in other studies by gas chromatography - mass spectrometry in order to relate them to protein candidates afterwards.