Frühe kognitive Defizite gewinnen in der Alzheimer-Prävention an Bedeutung
Weltweit leben derzeit mehr als 55 Millionen Menschen mit Demenz, wobei die Alzheimer-Erkrankung den größten Anteil ausmacht. Da neurodegenerative Veränderungen häufig Jahre vor klinischer Diagnosestellung beginnen, rückt die Identifikation früher biologischer Risikomarker zunehmend in den Fokus präventiver Forschung.
Besondere Aufmerksamkeit gilt dabei der Mikrobiota-Darm-Hirn-Achse. Darmmikroorganismen produzieren zahlreiche bioaktive Metabolite, die neuroinflammatorische Prozesse, die Blut-Hirn-Schranke sowie neuronale Funktionen beeinflussen können. Veränderungen dieser mikrobiellen Metabolite wurden bereits mit Alzheimer-assoziierten Mechanismen wie Synapsenschädigung und Neuroinflammation in Verbindung gebracht.
Haben Veränderungen im Darmmikrobiom bereits Einfluss bei MCI?
Bislang war jedoch unklar, ob sich charakteristische metabolische Veränderungen bereits in frühen Stadien wie subjektiver kognitiver Beeinträchtigung (SCI) oder milder kognitiver Beeinträchtigung (Mild Cognitive Impairment [MCI]) nachweisen lassen und ob diese metabolischen Veränderungen als klinisch nutzbare Biomarker dienen könnten.
Metabolomics analysiert Darm-Hirn-Signaturen bei MCI und SCI
Die Studie analysierte Serumproben von insgesamt 150 Personen, darunter gesunde Kontrollen, SCI- und MCI-Patienten mit je 50 Teilnehmern pro Gruppe. Die Gruppen waren hinsichtlich Alter, BMI und Geschlecht vergleichbar bzw. statistisch angepasst.
Mittels LC-MS/MS-basierter Targeted-Metabolomics wurden 33 Metabolite untersucht, darunter tryptophanassoziierte Metabolite, Gallensäuren, TMAO-assoziierte Substanzen sowie Cresol-Derivate. Ergänzend wurde eine 16S-rRNA-Sequenzierung des Darmmikrobioms durchgeführt.
Machine-Learning-Modelle zur Identifikation metabolischer Signaturen
Die statistische Analyse berücksichtigte potenzielle Störfaktoren wie Alter, BMI, Nieren- und Leberfunktion, Albuminspiegel sowie Ernährungsgewohnheiten. Ergänzend wurden Machine-Learning-Modelle eingesetzt, um metabolische Signaturen früher kognitiver Defizite zu identifizieren.
Darmmikrobiom zeigt frühe Veränderungen bei SCI
Die Untersuchung zeigte signifikante Unterschiede der mikrobiellen Beta-Diversität zwischen den Gruppen. Es zeigte sich, dass die stärksten Veränderungen bereits zwischen gesunden Kontrollen und SCI-Teilnehmenden auftraten.
Zehn bakterielle Genera waren signifikant verändert, darunter Bacteroides, Ruminococcus gnavus und Holdemania. Mehrere dieser Bakterien wurden bereits zuvor mit Neuroinflammation und Alzheimer-assoziierten Veränderungen in Verbindung gebracht.
Zusätzlich zeigten Analysen eine signifikante Korrelation zwischen Mikrobiom- und Metabolomprofilen, was die funktionelle Verbindung zwischen Darmflora und zirkulierenden Metaboliten unterstreicht.
Neuroprotektive Metabolite nehmen bei MCI ab
Die multivariable Analyse identifizierte fünf Metabolite mit signifikanter Assoziation mit frühem kognitivem Abbau: Cholin, 5-Hydroxyindolessigsäure, Indol-3-Propionsäure (IPA), Indoxylsulfat und Kynurensäure.
Die neuroprotektiven Metabolite Cholin, 5-Hydroxyindolessigsäure und IPA waren bei SCI- und MCI-Patienten reduziert. Demgegenüber zeigten potenziell neurotoxische Metabolite wie Indoxylsulfat erhöhte Konzentrationen.
Veränderter Tryptophan-Stoffwechsel
Besonders relevant ist die beobachtete Verschiebung des Tryptophan-Metabolismus. Die Autoren diskutieren, dass reduzierte IPA- und Serotonin-Abbauprodukte auf eine verstärkte Aktivierung des inflammationsassoziierten Kynurenin-Wegs hindeuten könnten.
Darüber hinaus war Cholin erniedrigt, was auf eine reduzierte Acetylcholin-Synthese hinweisen könnte – ein zentraler pathophysiologischer Mechanismus der Alzheimer-Erkrankung.
Machine Learning identifiziert metabolische Risikosignatur
Ein Random-Forest-Modell identifizierte sechs Metabolite als besonders relevante Biomarker für frühe kognitive Defizite:
- Indoxylsulfat,
- Cholin,
- 5-Hydroxyindolessigsäure,
- IPA,
- Kynurensäure,
- Kynurenin.
Mit dieser Signatur erreichte das Modell eine Fläche unter der Kurve (Area Under the Curve [AUC]) von 0,79 für die Unterscheidung zwischen gesunden Kontrollen, SCI- und MCI-Gruppen. Für die Differenzierung zwischen gesunden Personen und MCI stieg die AUC sogar auf 0,84.
Die Autoren sehen darin einen potenziellen Ansatz für minimalinvasive Screeningstrategien zur Identifikation gefährdeter Personen, noch vor dem Auftreten manifester Demenzsymptome.
Metabolomics könnte Früherkennung neurodegenerativer Erkrankungen erweitern
Die Studie liefert Hinweise darauf, dass Veränderungen mikrobiell beeinflusster Stoffwechselwege bereits in frühen Stadien kognitiver Einschränkungen nachweisbar sind. Besonders die Kombination aus Metabolomics und Machine Learning eröffnet potenziell neue Möglichkeiten für die Risikostratifizierung.
Für die klinische Praxis besitzen die Ergebnisse derzeit vor allem explorativen Charakter. Die Autoren betonen, dass größere unabhängige Kohorten zur externen Validierung erforderlich sind. Dennoch verdeutlichen die Daten die zunehmende Bedeutung der Mikrobiota-Darm-Hirn-Achse für das Verständnis neurodegenerativer Erkrankungen und könnten langfristig zur Entwicklung neuer präventiver und therapeutischer Ansätze beitragen.
