CC BY
53
ОРИГИНАЛЬНЫЕ СТАТЬИ
Клиническая неврология
Кластерный анализ иммунологических показателей сыворотки крови пациентов с болезнью Паркинсона
Т.П. Клюшник1, А.Н. Симонов1, Л.В. Андросова1, Н.В. Пономарёва2, С.Н. Иллариошкин2
ФГБНУ«Научный центр психического здоровья», Москва, Россия; 2ФГБНУ «Научный центр неврологии», Москва, Россия
Введение. 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 а1-протеиназного ингибитора (al-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 а1-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 а1-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 иммунофенотипау пациентов с БП, что свидетельствует о том, что феноти-пически сходная картина может определяться различными спектрами иммунных показателей. Полученные данные послужат основой для разработки иммунологического подхода к персонализированной диагностике и терапии.
Ключевые слова: болезнь Паркинсона, кластерный анализ, лейкоцитарная эластаза, а1-протеиназный ингибитор, аутоантитела к S-100b и основному белку миелина.
Адрес для корреспонденции: 115522, Россия, Москва, Каширское шоссе, 34. ФГБНУ НЦПЗ. E-mail: simonov1951@rambler.ru. Симонов А.Н.
Для цитирования: Клюшник ТП., Симонов А.Н., Андросова Л.В., Пономарёва Н.В., Иллариошкин С.Н. Кластерный анализ иммунологических показателей сыворотки крови пациентов с болезнью Паркинсона. Анналы клинической и экспериментальной неврологии 2019; 13(3): 5-10.
DOI: 10.25692/ACEN.2019.3.1
Cluster analysis of immunological serum markers in patients with Parkinson's disease
Tatyana P. Klyushnik1, Anatoly N. Simonov1, Lyubov V. Androsova1, Natalia V. Ponomareva2, Sergey N. Illarioshkin2
Research Center for Mental Health, Moscow, Russia; 2Research Center of Neurology, Moscow, Russia
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 ofparticular 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 a1-proteinase inhibitor (a1-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 offunctional a1-PI activity, which indicates insufficient serum antiproteolytic capacity and is an unfavourable prognostic indicatorforfurther development of the inflammation-associated pathological process in the brain tissue. The patients in cluster 2 were characterized by increased functional a1-PI activity in the serum, increased S-100b antibody levels and a decreased LE activity as compared
with duster 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.
Keywords: Parkinson's disease, cluster analysis, leukocyte elastase, a1-proteinase inhibitor, autoantibodies to S-100b and myelin basic protein.
For correspondence: 115522, Russia, Moscow, Kashirskoe shosse, 34. Research Center for Mental Health. E-mail: simonov1951@rambler.ru. Simonov A.N.
For citation: Klyushnik T.P., Simonov A.N., Androsova L.V., Ponomareva N.V., Illarioshkin S.N. [Cluster analysis of immunological serum markers in patients with Parkinson's disease]. Annals of clinical and experimental neurology 2019; 13(3): 5-10. (In Russ.)
DOI: 10.25692/ACEN.2019.3.1
Введение
Нейродегенеративные заболевания — чрезвычайно гетерогенная группа относительно медленно развивающихся болезней с преимущественным поражением серого вещества центральной нервной системы, в большинстве случаев характеризующихся образованием аномальных клеточных и/или внеклеточных включений (депозитов) с последующей гибелью нейронов по механизму апоптоза [1—2]. Для большинства нейродегенеративных заболеваний отсутствуют радикальные методы лечения, которые позволили бы остановить патологический процесс и тем более обеспечить полное восстановление. Поэтому ранняя диагностика заболевания и своевременно начатое лечение играют важнейшую роль в возможности повлиять на ход заболевания и улучшить качество жизни больного.
Болезнь Паркинсона (БП) представляет собой нейро-дегенеративное заболевание, которое особенно распространено у лиц старше 60 лет. Ведущими двигательными симптомами БП являются гипокинезия, тремор покоя и мышечная ригидность, обусловленные гибелью дофами-нергических пигментированных нейронов компактной части черной субстанции в ножках мозга, дегенерацией дофа-минергического нигростриатного пути, депонированием в черной субстанции ионов железа в высоких концентрациях [3-5]. БП характеризуется накоплением в клетках мозга а-синуклеина и с патохимической точки зрения относится к группе синуклеинопатий [6-9].
В последние годы получены экспериментальные и клинические данные, свидетельствующие о вовлеченности воспаления в патогенез нейродегенеративных заболеваний, в частности в патогенез БП [6, 10, 11]. Воспалительные реакции являются многокомпонентными, и в их развертывании принимают участие разнообразные молекулы. Прежде всего, это медиаторные молекулы — провоспалительные ци-токины ^-6, ^-18 и ТОТ-а [12, 13]. Их роль заключается в передаче сигналов между клетками. В воспалении также принимают участие острофазные белки, к которым относится С-реактивный белок, и транспортные белки: альбумин, церулоплазмин, трансферрин. Отдельные классы острофазных белков составляют ингибиторы протеаз: а1-протеазный ингибитор (а1-ПИ), а1-макроглобулин, а также факторы свертывания крови и фибринолиза (фибриноген), комплемент. Цитокининдуцированный синтез острофазных белков происходит в печени, данные белки участвуют в осуществлении комплекса реакций, направленных на удаление повреждающего фактора, локализацию очага повреждения, восстановление нарушенной
структуры и функции. Ряд белков острой фазы (а1-анти-трипсин, антихимотрипсин, а2-макроглобулин) обладают антипротеазной активностью. Их важная функция состоит в ингибировании активности протеаз, поступающих из гранулоцитов в воспалительные экссудаты. Эти протеазы, среди которыхлейкоцитарная эластаза (ЛЭ), могут быть отнесены к третьей группе молекул, принимающих участие в воспалении. Их роль заключается в увеличении проницаемости сосудистой стенки (в случае заболеваний мозга — сосудов гематоэнцефалического барьера) для проникновения фагоцитов в очаг воспаления [14]. При этом в качестве биологических маркеров БП, ассоциированных с воспалением, могут рассматриваться не только «классические» медиаторы воспаления — цитокины, но и белки азурофиль-ных гранул нейтрофилов, в первую очередь ЛЭ.
Целью данного исследования явилось определение ряда воспалительных (активность ЛЭ, а1-ПИ) и аутоиммунных (аутоантитела к S-100b и основному белку миелина) маркеров в сыворотке крови пациентов с БП, а также кластерный анализ этих иммунологических показателей для выявления отдельных иммунофенотипов.
Материалы и методы_
В обследование были включены 46 пациентов с БП (12 мужчин и 34 женщины) в возрасте 58,3±10,6 года (39-78 лет), проходившие лечение в ФГБНУ НЦН. Диагноз ставился на основании стандартных международных критериев «Критерии банка головного мозга общества болезни Паркинсо-на Великобритании» (UK Parkinson's Disease Society Brain Bank)1. Исследование было одобрено Локальным этическим комитетом при ФГБНУ НЦН.
Иммунологические показатели определяли в сыворотке периферической крови, забор которой осуществляли из вены в сухую пробирку в тот же день, когда проводилось нейрофизиологическое обследование. Форменные элементы осаждали центрифугированием при 750g в течение 15 мин при 22°С, затем отбирали сыворотку, которая использовалась для анализа сразу после получения либо хранилась при +2-8°С не более суток или в замороженном состоянии при температуре от -18 до -24°С в течение месяца до проведения анализа.
Энзиматическую активность ЛЭ определяли ферментативным спектрофотометрическим методом с использованием специфического субстрата N-терт-бутокси-карбонил-аланин-^-нитрофенилового эфира и оценивали в нмоль/ мин*мл; чувствительность метода 40 нмоль/мин*мл [15].
1 URL: https://www.parkinsons.org.uk/professionals/resources
Иммунологические показатели при болезни Паркинсона
Функциональную активность а1-ПИ определяли спектро-фотометрическим методом и оценивали в ИЕ/мл (ингиби-торные единицы/мл); чувствительность метода 5 ИЕ/мл [16].
Уровень аутоантител к нейроантигенам S100b и основному белку миелина в сыворотке крови определяли методом стандартного твердофазного иммуноферментного анализа (ELISA) и оценивали в единицах оптической плотности (ед. опт. пл.).
Статистическую обработку данных осуществляли в лаборатории доказательной медицины и биостатистики ФГБНУ НЦПЗ. В качестве основного подхода для выявления имму-нофенотипов в изучаемой базе использовали кластерный анализ: иерархический агломеративный метод и итерационный алгоритм k-средних [17-19]. Проблему неоднородности единиц измерения признаков решали при помощи предварительной стандартизации переменных с вычислением стандартизованного вклада (Z-вклада) по формуле:
х. - х
Z = -
где х. — значение данного наблюдения; х — среднее; о — стандартное отклонение.
В качестве основных статистических программ использовали Rv.3.2.4 и STATAv.12.1.
Результаты
У пациентов с БП наблюдалась значительная активация иммунной системы (таблица), характеризующаяся повышением активности маркеров воспаления и уровня аутоан-тител к нейроантигенам в значительной части наблюдений (33%). Вместе с тем исследуемые иммунобиохимические показатели пациентов с БП имели весьма широкий разброс данных.
На дендрограмме (рис. 1) представлены все кластеры, полученные в процессе работы алгоритма кластеризации, а также их вложенность относительно друг друга. Горизонтальная линия обрезает дендрограмму на уровне максимального разделения кластеров, выделяя два кластера.
Итерационный метод к-средних основан на минимизации суммарного квадратичного отклонения точек кластеров от центров этих кластеров. При этом число кластеров неизвестно, и его необходимо задать. В данном случае на основе визуального анализа дендограммы число кластеров полагается равным 2. Основные характеристики кластеров, полученных по методу к-средних, приведены в таблице.
Для оценки различий полученных кластеров использовали многомерный аналог теста Стьюдента — критерий Хотел-линга. Полученное на основе данных значение критерия Хотеллинга оказалась равным 109,32, что соответствует достигнутому уровню значимости ^а!ие=2,8Е-21. Такое
Уровень функционально связанных воспалительных маркеров в норме и у пациентов с БП Levels of the functionally related inflammatory markers in healthy people and in PD patients
a
Группа / Group n Показатель / ЛЭ, нмоль/мин*мл / al-ПИ, ИЕ/мл / Аутоантитела, ед. опт. пл. / Autoantibodies, optimal area units
Indicator LE, nmol/min*ml a1-PI, IU/ml к S100b / to S100b к основному белку миелина / to myelin basic protein
Норма / Healthy controls [20] 80 М 213,0 33,5 0,68 0,73
Q1 196,8 30,2 0,61 0,62
Q3 229,6 36,7 0,75 0,81
Все пациенты с БП / All patients with PD 46 Ме 236,6 33,5 0,74 0,72
Q1 205,2 30,2 0,65 0,61
Q3 256,2 36,7 0,84 0,89
Min 157,7 17,2 0,4 0,5
Max 332,6 66,5 1,13 1,27
Кластер 1 / Cluster 1 12 M 262,71 28,77 0,65 0,76
Ме 253,0 26,65 0,69 0,71
a 31,32 10,16 0,14 0,19
Мт 218,20 17,20 0,40 0,51
Маx 330,50 54,50 0,81 1,08
Кластер 2 / Cluster 2 34 M 228,57 47,75 0,77 0,76
Ме 227,90 46,90 0,78 0,73
a 37,95 9,43 0,15 0,19
Мт 157,70 25,90 0,50 0,50
Мax 332,60 66,50 1,13 1,27
Примечание. М — среднее; Me — медиана; Q1 — 25% квартиль; Q3 — 75% квартиль; a — стандартное отклонение; Min — минимум; Max — максимум. Note. М — mean; Me — median; Q1 — 25% quartile; Q3 — 75% quartile; a — standard deviation; Min — minimum; Max — maximum.
¡u 3
1/1 re
OJ
E >« ■
|S
'in 52 T3 fN
Л
Л
Рис. 1. Дендрограмма иерархической классификации пациентов.
По оси абсцисс — объединяемые объекты, по оси ординат — близость кластеров
Fig. 1. TTee diagram of the hierarchical classification of patients.
X-axis — grouped objects, Y-axis — cluster proximity
70
60
50
40
30
20
10
• • •
• •• • • д
• • • I1 • • •
О О и • • А • д д
• д Д А Д д д
л д
150
200
250 ЛЭ/LE
300
350
Д 1 -й кластер / Cluster 1 • 2-й кластер / Cluster 2
Рис. 2. Распределение кластеров в координатах ЛЭ и а1-ПИ Fig. 2. Cluster distribution in LE and a1-PI coordinates
значение р-value намного меньше выбранного уровня значимости а=0,05, поэтому нулевую гипотезу об отсутствии различий в исследуемых группах по совокупности их признаков (ЛЭ, а1-ПИ, аутоантитела к S-100b, основному белку миелина) необходимо отвергнуть.
Пациенты распределились на два неравных кластера (рис. 2): в 1-й кластер вошли 12 человек (4 мужчин и 8 женщин), во 2-й — 34 человека (8 мужчин и 26 женщин). По возрасту пациенты в этих группах не различались (p=0,466). Такое распределение пациентов по кластерам позволило сравнить их иммунобиохимические показатели.
Наиболее существенные различия касались соотношения ЛЭ и а1-ПИ, отражающего протеазно-ингибиторный дисбаланс. Для пациентов 1-го кластера был характерен высокий уровень протеолитической активности ЛЭ и низкий уровень функциональной активности а1-ПИ. Средний коэффициент соотношения активности ЛЭ и а1-ПИ для 1-го кластера составляет 9,5, для контрольной группы (норма в таблице) — 6,3. Второй кластер, напротив, характеризуется
значительным повышением функциональной активности а1-ПИ по сравнению с контролем, при этом функциональная активность ЛЭ остается в контрольном диапазоне. Средний коэффициент соотношения активности ЛЭ и а1-ПИ для 2-го кластера — 4,8. Таким образом, для пациентов, составляющих 1-й кластер, средний коэффициент смещен вправо, а для пациентов 2-го кластера — влево по отношению к контрольному диапазону. Смещение вправо свидетельствует о преобладании протеолитических реакций и высокой функциональной активности нейтрофилов в ходе развертывания воспалительной реакции. Смещение этого коэффициента влево (на фоне высокого уровня активации иммунной системы, включая присоединение аутоиммунного компонента) свидетельствует о сниженной дегрануляционной активности нейтрофилов. Можно предположить, что недостаточная дегрануляционная активность нейтрофилов является фактором, определяющим те или иные осложнения воспалительного процесса.
Обсуждение_
В настоящей работе путем использования нескольких алгоритмов кластерного анализа экспериментальных данных получены устойчивые решения (совпадение кластеров, вывленных разными методами, более чем на 70%) из двух кластеров для анализируемых иммунологических маркеров у пациентов с таким распространенным и социально значимым нейродегенеративным заболеванием, как БП.
Этот результат позволяет выдвинуть гипотезу о существовании в группе обследованных пациентов с БП двух им-мунофенотипов, а также попытаться интерпретировать результаты кластерного анализа с биологических позиций. Выявленные иммунофенотипы характеризуются различными соотношениями активности ЛЭ и а1-ПИ, и эта вариативность определяется различной активностью ЛЭ и а1-ПИ. Функциональная роль а1-ПИ заключается в инги-бировании активности протеаз, в первую очередь ЛЭ, что ограничивает ее деструктивный потенциал. Повышение активности ЛЭ в крови в ходе развития воспалительного ответа является результатом дегрануляции активированных нейтрофилов — главнейшего клеточного компонента врожденного иммунитета. Имеются также данные о том, что при воспалении активированные нейтрофилы участвуют в механизмах адаптивных иммунных реакций, модулируя иммунный ответ не только на экзогенные, но и на эндогенные стимулы, к числу которых относятся продукты нейродегенерации, комплексы антиген-антитело и др. [21-24].
Таким образом, в ходе развития иммунного ответа на тот или иной патологический стимул повышается уровень как острофазных белков и других медиаторных молекул, так и секреторных белков нейтрофилов, к которым относится ЛЭ. Важнейшая роль ЛЭ заключается не только в увеличении проницаемости сосудов, но и в контроле функций различных клеток, вовлекаемых в процессы свертывания крови, воспаления, репарации тканей и синтеза специфических антител [25-27].
В настоящем исследовании выявлены два устойчивых кластера в рамках БП, отражающие различные соотношения анализируемых иммунных маркеров. В рамках 1-го кластера для пациентов с БП характерен высокий уровень активности ЛЭ и низкий уровень функциональной активности а1-ПИ, что свидетельствует о недостаточности антипротео-
Иммунологические показатели при болезни Паркинсона
литической емкости сыворотки крови и является неблагоприятным прогностическим фактором в плане дальнейшего развертывания воспалительного процесса. В рамках 2-го кластера характерно повышение в сыворотке крови пациентов с БП функциональной активности а1-ПИ, уровня аутоантител к S-100b и снижение активности ЛЭ по сравнению с 1-м кластером. Это свидетельствует о недостаточной дегрануляционной активности нейтрофилов на фоне значительной активации иммунной системы, включая присоединение аутоиммунного компонента, который характеризует наиболее тяжёлые поражения нервной системы [28].
Следующим шагом предполагается анализ особенностей клинического состояния пациентов с БП во взаимосвязи с выявленными иммунофенотипами, результаты которого могут иметь большое значение для совершенствования диагностики и терапии БП.
Авторы заявляют об отсутствии конфликта интересов. The authors declare there is no conflict of interest. Работа поддержана программой Президиума РАН. The work is supported by the Program of the Presidium of the Russian Academy of Sciences.
Список литературы
1. Sita G., Hrelia P., Tarozzi A. Morroni F. Isothiocyanatesare promising compounds against oxidative stress, neuroinflammation and cell death that may benefit neurodegeneration in Parkinson's disease. Int J Mol Sci 2016; 17: pii: E1454. DOI: 10.3390/ijms17091454. PMID: 27598127.
2. Xu L., He D., Bai Y. Microglia-mediated inflammation and neurodegenerative disease. MolNeurobiol 2016; 53: 6709-6715. DOI: 10.1007/s12035-015-9593-4. PMID: 26659872.
3. Del-Bel E., Bortolanza M., Dos-Santos-Pereira M. et al. L-DOPA-induced dyskinesia in Parkinson's disease: Are neuroinflammation and astrocytes key elements? Synapse 2016; 70: 479-500. DOI: 10.1002/syn.21941. PMID: 27618286.
4. De Virgilio A., Greco A., Fabbrini G. et al. Parkinson's disease: Autoimmunity and neuroinflammation. Autoimmun Rev 2016; 15: 1005-1011. DOI: 10.1016/j. autrev.2016.07.022. PMID: 27497913.
5. Zhou S., Du X., Xie J., Wang J. Interleukin-6 regulates iron-related proteins through c-Jun N-terminal kinase activation in BV2 microglial cell lines. PLoS One 2017; 12: e0180464. DOI: 10.1371/journal.pone.0180464. PMID: 28672025.
6. Chen L., Mo M., Li G. et al. The biomarkers of immune dysregulation and inflammation response in Parkinson disease. Transl Neurodegener 2016; 5: 16. DOI: 10.1186/s40035-016-0063-3. PMID: 27570618.
7. Dzamko N., Gysbers A., Perera G. et al. Toll-like receptor 2 is increased in neurons in Parkinson's disease brain and may contribute to alpha-synuclein pathology. ActaNeuropathol 2017; 133: 303-319. DOI: 10.1007/s00401-016-1648-
8. PMID: 27888296.
8. Wang W., Nguyen L.T., Burlak C. et al.Caspase-1 causes truncation and aggregation of the Parkinson's disease-associated protein a-synuclein. Proc Natl Acad Sci USA 2016; 113: 9587-9592. DOI: 10.1073/pnas.1610099113. PMID: 27482083.
9. Zhang G., Xia Y., Wan F. et al. New perspectives on roles of alpha-synucle-in in Parkinson's disease. Front Aging Neurosci 2018; 10: 370. DOI: 10.3389/ fnagi.2018.00370. PMID: 30524265.
10. Ransohoff R.M. How neuroinflammation contributes to neurodegeneration. Science 2016; 353: 777-783. DOI: 10.1126/science.aag2590. PMID: 27540165.
11. Kustrimovic N., Marino F., Cosentino M. Peripheral immunity, immunoa-ging and neuroinflammation in Parkinson's disease. Curr Med Chem 2018. DOI: 10.2174/0929867325666181009161048. PMID: 30306855.
12. Alam Q., Alam M.Z., Mushtaq G. et al. Inflammatory process in Alzheimer's and Parkinson's diseases: central role of cytokines. Curr Pharm Des 2016; 22: 541-548. PMID: 26601965.
13. Kim R., Kim H.J., Kim A. et al. Peripheral blood inflammatory markers in early Parkinson's disease. J Clin Neurosci 2018; 58: 30-33. DOI: 10.1016/j. jocn.2018.10.079. PMID: 30454693.
14. Клюшник Т.П., Андросова Л.В., Михайлова Н.М.и др. Систем-ные воспалительные маркеры при возрастном когнитивном снижении и болезни Альцгеймера. Журнал неврологии и психиатрии им. C.C. Корсакова 2017; 117(7): 74-79. DOI: 10.17116/jnevro20171177174-79. PMID: 28805765.
15. Доценко В.Л., Нешкова Е.А., Яровая Г.А. Выявление лейкоцитарной эластазы человека из комплекса с плазменным а1-протеиназным ингибитором по её энзиматической активности с синтетическим субстратом. Вопросы медицинской химии 1994; 40(3): 20-25.
16. Нартикова В.Ф., Пасхина Т.С. Унифицированный метод определения активности альфа-1-антитрипсина и альфа-2-макроглобулина в сыворотке (плазме)крови человека. Вопросы медицинской химии 1979; 25(4): 494-499.
17. Дюран Б., Оделл П. Кластерный анализ. М., 1977. 128 с.
18. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: классификация и снижение размерности. М., 1989. 607 с.
19. Шитиков В.К., Мастицкий С.Э. Классификация, регрессия, и другие алгоритмы DataMining с использованием R [Электронный ресурс]. 2017. URL: https://github.com/ranalytics/data-mining
20. Клюшник Т.П., Андросова Л.В., Зозуля С.А. и др. Сравнительный анализ воспалительных маркеров при эндогенных и непсихотических психических расстройствах. Сибирский вестник психиатрии и наркологии 2018; 2(99): 64-69. DOI: 10.26617/1810-3111-2018-2(99)-64-69.
References
1. Sita G., Hrelia P., Tarozzi A. Morroni F. Isothiocyanates are promising compounds against oxidative stress, neuroinflammation and cell death that may benefit neurodegeneration in Parkinson's disease. Int J Mol Sci 2016; 17: pii: E1454. DOI: 10.3390/ijms17091454. PMID: 27598127.
2. Xu L., He D., Bai Y. Microglia-mediated inflammation and neurodegenerative disease. Mol Neurobiol 2016; 53: 6709-6715. DOI: 10.1007/s12035-015-9593-4. PMID: 26659872.
3. Del-Bel E., Bortolanza M., Dos-Santos-Pereira M. et al. L-DOPA-induced dyskinesia in Parkinson's disease: Are neuroinflammation and astrocytes key elements? Synapse 2016; 70: 479-500. DOI: 10.1002/syn.21941. PMID: 27618286.
4. De Virgilio A., Greco A., Fabbrini G. et al. Parkinson's disease: Autoimmunity and neuroinflammation. Autoimmun Rev 2016; 15: 1005-1011. DOI: 10.1016/j. autrev.2016.07.022. PMID: 27497913.
5. Zhou S., Du X., Xie J., Wang J. Interleukin-6 regulates iron-related proteins through c-Jun N-terminal kinase activation in BV2 microglial cell lines. PLoS One 2017; 12: e0180464. DOI: 10.1371/joumal.pone.0180464. PMID: 28672025.
6. Chen L., Mo M., Li G. et al. The biomarkers of immune dysregulation and inflammation response in Parkinson disease. Transl Neurodegener 2016; 5: 16. DOI: 10.1186/s40035-016-0063-3. PMID: 27570618.
7. Dzamko N., Gysbers A., Perera G. et al. Toll-like receptor 2 is increased in neurons in Parkinson's disease brain and may contribute to alpha-synuclein pathology. Acta Neuropathol 2017; 133: 303-319. DOI: 10.1007/s00401-016-1648-
8. PMID: 27888296.
8. Wang W., Nguyen L.T., Burlak C.et al.Caspase-1 causes truncation and aggregation of the Parkinson's disease-associated protein -synuclein. Proc Natl Acad Sci USA 2016; 113: 9587-9592. DOI: 10.1073/pnas.1610099113. PMID: 27482083.
9. Zhang G., Xia Y., Wan F. et al. New perspectives on roles of alpha-synucle-in in Parkinson's disease. Front Aging Neurosci 2018; 10: 370. DOI: 10.3389/ fnagi.2018.00370. PMID: 30524265.
10. Ransohoff R.M. How neuroinflammation contributes to neurodegeneration. Science 2016; 353: 777-783. DOI: 10.1126/science.aag2590. PMID: 27540165.
11. Kustrimovic N., Marino F., Cosentino M. Peripheral immunity, immunoa-ging and neuroinflammation in Parkinson's disease. Curr Med Chem 2018. DOI: 10.2174/0929867325666181009161048. PMID: 30306855.
12. Alam Q., Alam M.Z., Mushtaq G. et al. Inflammatory process in Alzheimer's and Parkinson's diseases: central role of cytokines. Curr Pharm Des 2016; 22: 541-548. PMID: 26601965.
13. Kim R., Kim H.J., Kim A. et al. Peripheral blood inflammatory markers in early Parkinson's disease. J Clin Neurosci 2018; 58: 30-33. DOI: 10.1016/j. jocn.2018.10.079. PMID: 30454693.
14. Klyushnik T.P., Androsova L.V., Mikhaylova N.M. et al. [Systemic inflammatory markers in age-associated cognitive impairment and Alzheimer's disease]. Zhurnal nevrologii ipsikhiatrii im. S.S. Korsakova 2017; 117(7): 74-79. DOI: 10.17116/jnevro20171177174-79. PMID: 28805765. (In Russ.)
15. Dotsenko V.L., Neshkova E.A., Yarovaya G.A. [Detection of leukocyte elas-tase from complex with plasma a1-proteinase inhibitor by it enzymatic activity with a synthetic substrate]. Voprosy meditsinskoy khimii 1994; 40(3): 20-25. (In Russ.)
16. Nartikova V.F., Paskhina T.S. [A unified method for assay of alpha-1-anti-trypsin and alpha-2-macroglobulin activity in human serum (plasma)]. Voprosy meditsinskoy khimii 1979; 25(4): 494-499. (In Russ.)
17. Dyuran B., Odell P. [Cluster Analysis]. Moscow, 1977. 128 p. (In Russ.)
18. Aivazyan S.A., Bukhshtaber V.M., Enyukov I.S., Meshalkin L.D. [Applied Statistics: Classification and Dimension Reduction]. Moscow, 1989. 607 p. (In Russ.)
19. Shitikov V.K., Mastitsky S.E. [Classification, regression, and other data mining algorithms using R] [Electronic resource]. 2017. URL: https://github.com/ ranalytics/data-mining (In Russ.)
20. Klyushnik T.P., Androsova L.V., Zozulya S.A. et al. [Comparative analysis of inflammatory markers in endogenous and non-psychotic mental disorders].
Sibirskij vestnikpsikhiatrii i narkologii 2018; 2(99): 64-69. (In Russ.)
21. Mantovani A., Cassatella M.A., Costantini C., Jaillon S. Neutrophils in the activation and regulation of innate and adaptive immunity. Nat Rev Immunol 2011; 11: 519-531. DOI: 10.1038/nri3024. PMID: 21785456.
22. Kolaczkowska E., Kubes P.Neutrophil recruitment and function in health and inflammation. Nat Rev Immunol 2013; 13: 159-175. DOI: 10.1038/nri3399. PMID: 23435331.
23. Mayadas T.N., Cullere X., Lowell C.A. The multifaceted functions of neutrophils. Annu Rev Pathol 2014; 9: 181-218. DOI: 10.1146/an-nurev-pathol-020712-164023. PMID 24050624.
24. Hampton H.R., Chtanova T.The lymph node neutrophil. Semin Immunol 2016; 28: 129-136. DOI: 10.1016/j.smim.2016.03.008. PMID: 27025975.
25. Pham C.T.Neutrophil serine proteases fine-tune the inflammatory response. Int J Biochem Cell Biol 2008; 40: 1317-1333. DOI: 10.1016/j.biocel.2007.11.008. PMID: 18180196.
26. Кравцов А.Л., Шмелькова Т.П.Секреторная дегрануляция нейтрофи-лов как триггер воспаления и регулятор иммунного ответа: роль серино-вых лейкоцитарных протеаз и протеолитически активируемых рецепторов. Эпидемиология и вакцинопрофилактика 2011; 1(56): 79-87.
27. Симонов А.Н., Клюшник Т.П., Андросова Л.В. и др. Кластерный анализ воспалительных маркеров при расстройствах адаптации. Журнал неврологии и психиатрии им. C.C. Корсакова 2018; 118(7): 59-66.DOI: 10.17116/jnevro20181187159. PMID: 30132459.
28. Клюшник Т.П., Зозуля С.А., Андросова Л.В. и др. Лабораторная диагностика в мониторинге пациентов с эндогенными психозами («Нейро-Иммуно-Тест»). М., 2016. 32 с.
Поступила 09.04.2019 Принята в печать 15.05.2019
21. Mantovani A., Cassatella M.A., Costantini C., Jaillon S. Neutrophils in the activation and regulation of innate and adaptive immunity. Nat Rev Immunol 2011; 11: 519-531. DOI: 10.1038/nri3024. PMID: 21785456.
22. Kolaczkowska E., Kubes P. Neutrophil recruitment and function in health and inflammation. Nat Rev Immunol 2013; 13: 159-175. DOI: 10.1038/nri3399. PMID: 23435331.
23. Mayadas T.N., Cullere X., Lowell C.A. The multifaceted functions of neutrophils. Annu Rev Pathol 2014; 9: 181-218. DOI: 10.1146/an-nurev-pathol-020712-164023. PMID 24050624.
24. Hampton H.R., Chtanova T. The lymph node neutrophil. Semin Immunol 2016; 28: 129-136. DOI: 10.1016/j.smim.2016.03.008. PMID: 27025975.
25. Pham C.T. Neutrophil serine proteases fine-tune the inflammatory response. Int J Biochem Cell Biol 2008; 40: 1317-1333. DOI: 10.1016/j.biocel.2007.11.008. PMID: 18180196.
26. Kravtsov A.L., Shmel'kova T.P. [Secretory neutrophil degranulation as a trigger for inflammation and an immune response regulator: the role of serine leukocyte proteases and proteolytically activated receptors]. Epidemiologiya i vaktsinoprofilaktika 2011; 1(56): 79-87. (In Russ.)
27. Simonov A.N., Klyushnik T.P., Androsova L.V. et al. [Cluster analysis of inflammatory markers in disorders of adaptation]. Zhurnal nevrologii i psikh-iatrii im. S.S. Korsakova 2018; 118(7): 59-66 (In Russ.) DOI: 10.17116/jnev-ro20181187159. PMID: 30132459.
28. Klyushnik T.P., Zozulya S.A., Androsova L.V. et al. [Laboratory diagnostics in monitoring patients with endogenous psychosis ("Neuro-Immuno-Test")]. Moscow, 2016. 32 p. (In Russ.)
Received 09.04.2019 Accepted 15.05.2019
Информация об авторах: Клюшник Татьяна Павловна — д.м.н., проф., директор Центра, рук. лаб. нейроиммунологии ФГБНУ «Научный центр психического здоровья», Москва, Россия;
Симонов Анатолий Никифорович — к.б.н., рук. лаб. доказательной медицины и биостатистики ФГБНУ «Научный центр психического здоровья», Москва, Россия;
Андросова Любовь Васильевна — к.б.н., в.н.с. лаб. нейроиммунологии ФГБНУ «Научный центр психического здоровья», Москва, Россия;
Пономарёва Наталия Васильевна — д.м.н., зав. лаб. возрастной физиологии мозга и нейрокибернетики ФГБНУ НЦН, Москва, Россия;
Иллариошкин Сергей Николаевич — д.м.н., проф., член-корр. РАН, зам. директора по научной работе, рук. отдела исследований мозга ФГБНУ НЦН, Москва, Россия.
Information about the authors: Tatyana P. Klyushnik, D. Sci. (Med.), Prof., Director of the Center, Head of the Laboratory of neuroim-munology, Mental Health Research Center, Moscow, Russia;
Anatoly N. Simonov, PhD (Biol.), Head of the Laboratory of evidence-based medicine and biostatistics, Mental Health Research Center, Moscow, Russia;
Lyubov V. Androsova, PhD (Biol.), leading researcher, Laboratory of neuroimmunology, Mental Health Research Center, Moscow, Russia; Natalia V. Ponomareva, D. Sci. (Med.), Head of the Laboratory of developmental physiology of the brain and neurocybernetics, Research Center of Neurology, Moscow, Russia;
Sergey N. Illarioshkin, D. Sci. (Med.), Prof., Corr. Member of the Russian Academy of Sciences, Deputy Director of science, Head of the Department of brain research, Research Center of Neurology, Moscow, Russia.
