Introduction. The study of patients’ biological features, including their immune responses, in specific diseases, is an important step towards personalized diagnosis and treatment. Parkinson’s disease (PD) is thus of particular interest as one of the most common age-related neurodegenerative diseases.
Study aim – to determine the immunophenotypes of patients with PD using cluster analysis.
Materials and methods. Mathematical analysis was conducted on a database of 46 patients with PD. The levels of the following functionally related inflammatory markers were used as the classification characteristics: the enzymatic activity of leukocyte elastase (LE), the functional activity of α1-proteinase inhibitor (α1-PI), the auto-antibody levels to S-100b and myelin basic protein.
Results. Based on the immunological markers, the use of multiple algorithms in the cluster analysis of the PD database allowed to obtain two consistent clusters. The patients in cluster 1 were characterized by a high level of LE activity and a low level of functional α1-PI activity, which indicates insufficient serum antiproteolytic capacity and is an unfavourable prognostic indicator for further development of the inflammation-associated pathological process in the brain tissue. The patients in cluster 2 were characterized by increased functional α1-PI activity in the serum, increased S-100b antibody levels and a decreased LE activity as compared with cluster 1, which indicates dysregulation of the inflammatory response, associated with insufficient neutrophil degranulation, whereas elevated autoantibody levels to the neural antigen S100b characterize the most severe lesions in the nervous system.
Conclusion. The results of the cluster analysis enable the identification of two immunophenotypes in patients with PD, indicating that a phenotypically similar presentation can be due to a different spectrum of immune markers. The obtained data will serve as a basis for development of an immunological approach to personalized diagnosis and treatment.
Исследование биологических особенностей пациентов, в том числе их иммунных реакций, в рамках отдельных нозологических форм является важным шагом в направлении персонализированной диагностики и лечения. Особый интерес в этом плане представляет болезнь Паркинсона (БП) как одно из наиболее распространенных возрастзависимых нейродегенеративных заболеваний.
Целью исследования явилось определение иммунофенотипов пациентов с БП при помощи кластерного анализа.
Материалы и методы. Объектом математического анализа служила база данных 46 пациентов с БП. В качестве классифицирующих признаков использовали уровень функционально связанных воспалительных маркеров: энзиматическая активность лейкоцитарной эластазы (ЛЭ), функциональная активность α1-протеиназного ингибитора (α1-ПИ), уровень аутоантител к S-100b и основного белка миелина.
Результаты. Использование нескольких алгоритмов кластерного анализа данных позволило получить для анализируемых иммунологических маркеров устойчивые решения из двух кластеров. Для пациентов 1-го кластера характерен высокий уровень активности ЛЭ и низкий уровень функциональной активности α1-ПИ, что свидетельствует о недостаточности антипротеолитической емкости сыворотки крови и является неблагоприятным прогностическим фактором в плане дальнейшего развертывания в ткани мозга патологического процесса, ассоциированного с воспалением. Для пациентов 2-го кластера характерно повышение в сыворотке крови функциональной активности α1-ПИ, уровня аутоантител к S-100b и снижение активности ЛЭ по сравнению с 1-м кластером, что свидетельствует о дисрегуляции воспалительной реакции, связанной с недостаточной дегрануляционной активностью нейтрофилов, а повышенный уровень аутоантител к нейроантигену S100b характеризует наиболее тяжёлые поражения нервной системы.
Заключение. Результаты кластерного анализа позволили выделить два иммунофенотипа у пациентов с БП, что свидетельствует о том, что фенотипически сходная картина может определяться различными спектрами иммунных показателей. Полученные данные послужат основой для разработки иммунологического подхода к персонализированной диагностике и терапии.