Blog

Prakriti

La métabolomique plasmatique humaine, révèle la corrélation entre les voies métaboliques et les Prakriti (constitutions à la naissance)

 

RESUME

Contexte

L’Ayurveda, un ancien système médicinal indien, a classé les constitutions du corps humain en trois grands types constitutionnels (prakriti), à ​​savoir Vata, Pitta et Kapha.

Objectifs

Analyse des métabolites plasmatiques et des voies associées pour classer les métabolites marqueurs dominants spécifiques de Prakriti et les voies métaboliques.

matériaux et méthodes

Trente-huit hommes en bonne santé ont été évalués pour leurs Prakriti dominant et leurs échantillons de sang à jeun. Les échantillons de plasma traités ont été soumis à une chromatographie en phase liquide à résolution rapide – ionisation électro-spray – spectrométrie de masse à temps de vol quadripolaire (RRLC – ESI – QTOFMS). Les profils de masse ont été alignés et soumis à une analyse multivariée.

Résultats

Le modèle d’analyse partielle par le discriminant des moindres carrés (PLS-DA) a montré une capacité de reconnaissance de 97,87%. La liste des métabolites de la PLS-DA a été soumise à une correction permutationnelle du taux de fausses découvertes (FDR) de Benjamini – Hochberg et une liste finale de 76 métabolites avec p <0,05 et un pli de changement> 2,0 a été identifiée. L’analyse des voies à l’aide de métascape et de plugins JEPETTO dans Cytoscape a révélé que la biosynthèse des hormones stéroïdiennes, les acides aminés et le métabolisme de l’acide arachidonique sont des voies majeures variant avec des constitutions différentes. L’analyse des processus biologiques Go a montré que les processus métaboliques des acides aminés aromatiques, des sphingolipides et des nucléotides pyrimidiques étaient dominants dans la constitution du corps de type kapha. Les processus de biosynthèse des vitamines liposolubles, des acides aminés cellulaires et des androgènes, ainsi que les processus cataboliques des acides aminés ramifiés et des glycérolipides, étaient dominants chez les individus de type pitta. Il a été constaté que Vata Prakriti possédait des processus métabolomiques dominants de catécholamine, d’acide arachidonique et de peroxyde d’hydrogène.

Conclusion

La neurotransmission et le stress oxydant chez vata, les processus métaboliques de BCAA catabolique, androgène, xénobiotiques chez pitta et les processus métaboliques d’acides aminés aromatiques, sphingolipides et pyrimidine chez kapha Prakriti étaient les principales voies de traçage.

 

 

Mots clés

Ayurveda – Prakriti – Métabolomique Humaine – RRLC – ESI – QTOFMS

1. Introduction

L’Ayurveda est un ancien système médicinal indien en vigueur depuis 1500 ans av. Il est largement utilisé en Inde, outre la médecine contemporaine introduite il y a seulement 250 ans. Dans la philosophie ayurvédique, cinq éléments se combinent par paires pour former trois forces dynamiques ou interactions appelées «doshas», considérées comme les principes directeurs des êtres vivants [1]. Les doshas sont divisés en trois classes et sont décrits, à savoir. vata, pitta et kapha. Ces doshas font référence aux fonctions du mouvement, de la digestion et du métabolisme, de l’activité anabolique et de l’accumulation. L’Ayurveda attribue ces caractéristiques constitutionnelles – Prakriti d’un individu à la prépondérance de certains «doshas». Tous les doshas sont présents dans chaque être humain; Cependant, un seul est dominant. Sur la base du dosha dominant, Prakriti, c’est-à-dire vata, pitta et kapha, est déterminé. La Prakriti peut être subdivisée en sept sous-types ou types mixtes de Prakrite [1]. L’Ayurveda décrit les caractéristiques physiques, physiologiques, psychologiques et comportementales afin de déterminer les sous-types de Prakriti. Comme le Prakriti est basé sur le dosha, il décrit la prédisposition d’un individu à la maladie et sa réponse au traitement. Toutes ces descriptions du Prakriti semblent être basées sur la génétique, prouvée plus tard par plusieurs études. Des études ont mis en corrélation des polymorphismes mono-nucléotidiques, des gènes liés à l’inflammation et au stress oxydatif avec différentes Prakriti. Les auteurs ont également affirmé la corrélation entre constitution génétique et Prakriti [2], [3].

L’Ayurveda suggère que l’origine du vata, du pitta et du kapha sont respectivement le mouvement, la digestion et l’accumulation. Il montre que ces fonctions sont étroitement liées aux événements métaboliques dans le corps et donc aux expressions phénotypiques. De plus, les réserves d’énergie instantanées et les neurotransmetteurs dans le corps se présentent sous la forme de métabolites [4]. Par conséquent, en tant que génome, le métabolome d’un individu peut être directement corrélé à son Prakriti [5], [6], dans cette étude, une approche métabolomique a été utilisée pour développer des modèles de discrimination permettant d’évaluer le Prakriti d’individus et d’identifier les voies métaboliques dominantes de l’organisme. Prakriti dominant différent.

2. Matériels et méthodes

2.1. produits chimiques et réactifs

Les calibrants internes et externes et la solution de réglage ESI ont été achetés chez Agilent Technologies. Les solvants utilisés pour le traitement des échantillons et dans l’assemblage du LCMS: acétonitrile, méthanol, acide formique et eau étaient de qualité LC – MS (Sigma – Aldrich). Les standards de métabolites ont été achetés chez Sigma – Aldrich.

2.2. Déclaration d’éthique

Le Comité d’éthique humain du PDDYP Ayurveda College de Pune, en Inde, a approuvé l’étude lettre large no. RRI / 2011 / HEC / 2023 du 18-02-2011. Tous les volontaires ont signé un consentement éclairé pour faire partie de cette étude. Cet essai clinique a été enregistré auprès du registre des essais cliniques en Inde (CTRI) sous le numéro d’enregistrement. CTRI / 2016/08/007187.

2.3. Développement d’un questionnaire pour l’évaluation du Prakriti

Un questionnaire pour le phénotypage clinique a été conçu sur la base de la littérature ayurvédique sur les phénotypes et les méthodes d’évaluation de Prakriti (tableau S1). L’évaluation physiologique et psychologique des volontaires a été effectuée. La classification phénotypique incluait des critères permettant de définir les caractéristiques anatomiques telles que la carrosserie, la carrosserie, la taille et la symétrie des parties du corps, la physiologie, l’endurance physique et les aptitudes.

2.4. Conception de l’étude et évaluation du Prakriti

Sur la base des types du Prakriti dominants sur 205, 38 individus de sexe masculin en bonne santé ont été sélectionnés pour l’étude. Les volontaires étaient exempts de diabète, d’hyperlipidémie, d’hypertension et d’autres troubles systémiques chroniques, du tabagisme et de la consommation d’alcool. Selon l’évaluation, les volontaires ont été classés dans les catégories doubles Prakriti vata – pitta (VP), pitta – kapha (PK) et kapha – pitta (KP), dans lesquelles le terme précédent désigne le Prakriti dominant. Par souci de simplicité, les groupes ont été étiquetés comme vata (V), pitta (P) et kapha (K). Les personnes ont été invitées à suivre un régime végétarien déterminé et à ne prendre aucun type de médicament pendant une semaine avant le prélèvement d’échantillons de sang. Le septième jour au matin, des échantillons de sang à jeun ont été recueillis dans des tubes vacutainers K + -EDTA (BD). Les fractions de plasma ont été séparées par centrifugation à 3000 g pendant 15 min à 15 ° C. Des échantillons de plasma (100 μL) ont été mélangés avec des quantités égales d’acétone et stockés pendant une nuit à -80 ° C. Le matin, les échantillons ont été centrifugés à 10 000 tr / min pendant 15 min et les surnageants ont été recueillis. Le solvant des surnageants a été évaporé en utilisant un lyophilisateur sous pression réduite. Les échantillons lyophilisés ont été dissous dans 100 µL d’acétonitrile: eau (80:20 v / v) et maintenus pendant une nuit à -80 ° C, centrifugés à 10 000 tr / min pendant 15 min à 15 ° C et les surnageants ont été recueillis pour des analyses plus approfondies [7].

 

2.5. Analyse HPLC-Q-TOF-MS

Les échantillons ont été résolus sur une carte UPLC Agilent série 1290 Infinity interfacée avec une MS Q-ToF à masse précise Agilent 6538. Un volume de 15 µL de chaque échantillon a été injecté dans un ensemble de colonne de garde C18 ZORBAX (4,6 × 12,5 mm) suivi par une colonne HPLC ZORBAX 300SB-C18 (4,6 × 150 mm) d’une taille de particules de 5,0 µm. Le système de solvants contient (A) 0,1% d’acide formique-eau et (B) 0,1% d’acide formique-acétonitrile. Le mode de gradient {concentration / temps (% / min)} utilisé pour le solvant B était {0% / 0; 1% / 5; 100% / 25; 100% / 32; 1% / 37}, avec un débit de 0,4 mL / min. Le spectromètre de masse fonctionnait en mode de polarité ionique positive avec les paramètres suivants: ionisation électrospray de type ionisation, température du gaz 350 ° C, nébuliseur 45 psi, débit de gaz 8 L / min, tension capillaire 3500 V, tension octopolaire 750 V, tension d’écumage 65 V et une tension de fragmentation de 175 V, énergie de collision fixe de 25,0 V et vitesse d’acquisition de 4 spectres par cycle. Le quadripôle était exploité dans la plage dynamique étendue (1700 m / z, 2 GHz). Pour assurer l’exactitude de la masse des données enregistrées, un étalonnage interne continu a été effectué à l’aide d’étalons de signaux de composés étalons. Des échantillons vierges (mélange de solvants d’acétonitrile et d’eau) ont également été injectés entre les analyses. Les chromatogrammes des échantillons vierges ont été utilisés pour étudier les effets de report dans les analyses LC – MS.

2.6 Analyse multivariée

Le logiciel Mass Hunter Qualitative Analysis (B.04.00, Agilent Technologies) a été utilisé pour le contrôle qualité préliminaire des données brutes MS / MS. Le logiciel Profinder a été utilisé pour la correction de base, la réduction du bruit, l’élimination des contaminants de fond et l’extraction des caractéristiques moléculaires. Les caractéristiques moléculaires ayant une abondance supérieure à 5 000 cycles par seconde (cps), des comptages absolus minimaux égaux à 10, la hauteur relative (5%) du plus grand pic, la tolérance d’espace dans le pic, soit 0,0025 m / z et 5,0 ppm, ont été extraites du spectre de masse pour éviter les fausses caractéristiques moléculaires. . Profinder réduit la taille et la complexité des données acquises en supprimant les informations redondantes et non spécifiques en identifiant les variables importantes (fonctionnalités). Les données extraites ont été importées dans le logiciel Mass Profiler Professional (MPP, B.12.02, Agilent Technologies) et toutes les caractéristiques moléculaires ont été alignées en utilisant une erreur de masse <5,0 ppm et une variation du temps de rétention <0,2 min. Les composés présents dans moins de 75% des échantillons de l’un des trois groupes et ayant p> 0,05, les changements de plis <2,0 et le coefficient de variance <15 ont été retirés des ensembles de données et soumis à une analyse par parcelles de Box-Whisker et en composantes principales ( PCA). Une analyse partielle par la méthode des moindres carrés discriminante (PLS-DA), un algorithme de prédiction de classe a été réalisée afin de distinguer 3 groupes du Prakriti et d’explorer les caractéristiques uniques présentes dans tous les groupes. Enfin, les données ont été soumises à une ANOVA à une voie avec une correction FDR Benjamini – Hochberg permutante et une décodage Tukey HSD post hoc afin de minimiser le FDR, en conservant la valeur seuil p <0,05 et un changement de pli supérieur à 2,0 {pour un seuil valeur p <0,05, le taux de fausse découverte (FDR ) deviennent <5%}. Sur la base des changements dans les niveaux d’expression (sur ou sous-régulés), les métabolites ont été classés en fonction des classes de comparaison K / P, K / V et P / V / V. Les métabolites exprimés différentiellement ont été identifiés par comparaison du schéma de fragmentation des métabolites avec le métabolome humain standard dans la banque de données Metlin, les bases de données HMDB et NIST. L’organigramme indiquant les étapes importantes de l’analyse a été présenté à la Fig. Supplémentaire (Fig. S1).

2.7 Identification significative des voies et des processus biologiques

Cytoscape 3.3 a été utilisé pour une analyse plus approfondie des données et pour identifier des voies altérées de manière significative dans les trois Prakriti. Les données ont été importées dans Metascape, un plugin de Cytoscape 3.3 et ont été analysées. Toutes les voies métaboliques générées ont ensuite été soumises à un enrichissement et à une analyse topologique à l’aide d’un autre plug-in, JEPETTO. Seules les voies présentant une valeur q significative ont été sélectionnées et soumises à l’identification de processus biologiques qui leur sont associés à l’aide d’un autre plug-in ClueGo avec paramètres standard.

3. Résultats

3.1. Évaluation du Prakriti

 

Le questionnaire (tableau S1) a été validé par des tests préalables et les résultats obtenus ont été confirmés par l’évaluation clinique de Prakriti indépendamment par deux médecins ayurvédiques. Plus de 90% de concordance ont été observés lors de l’évaluation de Prakriti par les deux cliniciens et le questionnaire. Sur la base des réponses des volontaires au questionnaire standard et à l’examen physique effectué par un médecin ayurvédique; 38 volontaires en bonne santé ont été classés en 3 catégories de Prakriti: pitta (n = 16), kapha (n = 10) et vata (n = 12). Les personnes qui avaient un corps mince et étroit, une musculature peu développée, un appétit irrégulier, des habitudes alimentaires et intestinales, des difficultés à prendre du poids, une activité physique rapide, une peau et des cheveux secs et une moindre tolérance au froid étaient considérées comme du vata Prakriti. Les individus présentant une corpulence modérément développée, une forte fréquence d’appétit et de soif, un bon pouvoir digestif, une tendance à la transpiration supérieure à la normale, une tolérance au froid, une mobilité modérée et une force physique modérée ont été identifiés comme pitta Prakriti. Les individus ayant une structure corporelle large, un corps bien développé, une tendance à la prise de poids, un faible appétit et une digestion, préférant être moins mobiles, moins oublieux, avec un bon pouvoir de guérison et un tempérament froid, ont été sélectionnés comme individus kapha (tableau S2). Un taux métabolique de base (TMB) inférieur à 20 a été observé dans la catégorie Vata, tandis que 24,0 à 25,0 et> 25,0 ont été observés chez Pitta et Kapha respectivement. Les individus de Kapha Prakriti avaient les taux les plus élevés de HDL, de TG et de TC (tableau 1a). Le nombre de composés obtenus pour chaque individu dans chaque groupe a été représenté (tableau lb).

 

 

Table 1a. Basic characteristics of the data sets.

Sr. no. Parameters Kapha  Pitta             Vata
1 Participants, n (%) 10 (26.3)      16 (42.1)        12 (31.5)
2 Age (years), Mean ± SD 36.77 ± 1.07   41.22 ± 1.38        39.66 ± 1.49
3 Smoker, n (%) 2   0        1
4 BMI (kg m−2) >25.0   24.0–25.0        <20.0
5 HDL (mg dl−1), Mean ± SD 54.73 ± 1.98   20.92 ± 1.48         34.92 ± 1.42
6 Triglyceride TG (mg dl−1), Mean ± SD 190.58 ± 1.66   178.11 ± 1.51        176.49 ± 1.04
7 Cholesterol (mg dl−1), Mean ± SD 187.27 ± 1.36   171.53 ± 1.76        178.81 ± 1.57

Table 1b. Total number of compounds extracted from each sample falling under 3 study categories.

Sl. no. Kapha (n = 10) No. of compounds extracted Pitta (n = 16) No. of compounds extracted Vata (n = 12) No. of compounds extracted
1 Sample 1          2817 Sample 1    2470 Sample 1        3112
2 Sample 2          2769 Sample 2    2409 Sample 2        2568
3 Sample 3          2615 Sample 3    2248 Sample 3        2166
4 Sample 4          2389 Sample 4    2241 Sample 4        2166
5 Sample 5          2160 Sample 5    2231 Sample 5       3002
6 Sample 6          2543 Sample 6    2150 Sample 6       2922
7 Sample 7         2506 Sample 7    2148 Sample 7       2661
8 Sample 8         2461 Sample 8    2118 Sample 8       2447
9 Sample 9         2344 Sample 9    2117 Sample 9       2544
10 Sample 10         2130 Sample 10    2112 Sample 10       2290
11 Sample 11    2079 Sample 11       2080
12 Sample 12    2075 Sample 12       2020
13 Sample 13    2063
14 Sample 14    1956
15 Sample 15    2562
16 Sample 16    2501

 

 

 

 

3.2. Analyse multivariée du métabolome plasmatique

Les pics uniformes, l’étalement et l’absence de valeurs aberrantes dans les chromatogrammes de groupes individuels indiquent une uniformité de la composition métabolique dans chaque catégorie d’échantillonnage et dans la consistance des métabolites du groupe (Fig. S2, A – C). De plus, seuls les composés présents universellement dans> 75% des échantillons de chaque groupe ont été extraits pour un traitement ultérieur afin d’assurer la cohérence des profils métabolomiques dans chaque groupe. Les chromatogrammes des échantillons à blanc ne contenaient que des pics de faible intensité; il a donc été conclu que l’effet de report n’était pas présent. Les chromatogrammes des pics de bases extraites (CPB) des échantillons de kapha (K), de pitta (P) et de vata (V) présentaient des pics distincts (figure S3). L’analyse des chromatogrammes d’ions totaux a révélé une moyenne de 23 pics contenant environ 2000 composés. La variabilité des pics a été normalisée avec succès en utilisant des standards internes et des transformées en Z. Des caractéristiques moléculaires reproductibles et stables ont ensuite été utilisées pour l’analyse statistique. La valeur bien établie de la régression PLS-DA 0,97 (R2 = 0,97) montre la précision des résultats. Le résultat de la classification de l’échantillon présenté en termes de capacité de discrimination s’est avéré être précis à 97,87%, représentant le pourcentage des échantillons correctement classés lors de la formation du modèle et de la validation croisée. Les données ont ensuite été soumises à une ANOVA à une voie avec une correction par tests multiples permutante (n = 100) et Benjamini – Hochberg afin de valider le modèle PLS-DA et de réduire davantage le taux de fausses découvertes (tableau 2). Les ACP supervisées des groupes P, V et K ont montré une variabilité de 46,0%, 7,3% et 5,96% le long des axes X, Y et Z respectivement. La PCA est une visualisation la plus couramment utilisée pour comprendre les différences métaboliques dans l’espace 3D (Fig. 1A). La variance globale en pourcentage était représentée par un diagramme en boîte à moustaches montrant les métabolites modifiés dans les 3 groupes, à savoir P, V et K. Parmi ceux-ci, vata a présenté la plus grande variabilité des composés représentée par des formes de boîte allongées et des moustaches d’un côté ou de l’autre moyenne (Fig. 1B). Une carte thermique de Pearson a également été construite pour visualiser la variabilité métabolomique parmi 3 groupes d’étude. Tous les groupes présentaient une variabilité considérable du niveau métabolomique et étaient clairement séparés les uns des autres (Fig. 2).

 

 

Table 2. Partial least square discriminant analysis (PLS-DA) model of class prediction was applied to study categories.

Kapha (predicted) Pitta (predicted) Vata (predicted) Accuracy (%)
Kapha (True) 9 0 0 100.00
Pitta (True) 0 29 0 100.00
Vata (True) 1 0 11 91.66
Overall accuracy (%) 97.87

 

 

 

 

Fig. 1. (A) Le tracé PCA des métabolites variables obtenus en mode positif a montré des différences significatives entre 3 catégories d’échantillonnage. La valeur de la composante axiale X était de 46%, tandis que pour Y et Z elle était de 7,3% et 5,96% respectivement. (B) Le diagramme à boîtes et moustaches est un graphique exploratoire utilisé pour illustrer la distribution des métabolites dans les groupes d’individus kapha (K), pitta (P) et vata (V). La forte variation dans les moustaches supérieures de kapha et vata et la faible moustache de pitta, la variation importante dans le quartile supérieur de kapha et de pitta et la moustache inférieure de vata représentent les variations de métabolites dans les groupes d’étude, parmi lesquels le pool de métabolites est le plus diversifié.

 

 

study groups, out of these vata has most diverse pool of metabolites.

 

 

 

Fig. 2. Alignement de la carte thermique de Pearson indiquant les changements dans les replis de 76 métabolites répertoriés dans les kraks (Kapha (K), Pitta (P) et Vata (V) Prakritis. Les colonnes correspondent à différentes catégories de Prakriti et les rangées correspondent aux métabolites modifiés. La carte de corrélation montre le groupe pitta (P) dans la mesure où le groupe le plus discret et les groupes kapha (K) et vata (V) sont plus étroitement liés.

 

 

3.3. Analyse qualitative et identification de métabolites variables

Les métabolites avec toutes les valeurs manquantes ont été filtrés des données statistiquement significatives obtenues après analyse. Enfin, 76 métabolites exprimés de manière différentielle dans tous les groupes ont été obtenus et identifiés à l’aide de la bibliothèque de Metlin standard et de la BDHM (Tableau 3). Les variations de l’expression de ces métabolites au sein des classes K vs P, K vs V et P vs V ont été exprimées sous forme de tableau. Ces 76 métabolites appartenaient à la carnitine, aux acides nucléiques, aux acides aminés, aux vitamines et aux acides gras / lipides. Sur ces 76 composés, 39 composés avaient la plus haute expression dans la catégorie pitta, 6 étaient dans le vata et 31 dans le groupe kapha. La 8-hydroxyguanine, un dérivé oxydant de la guanosine et biomarqueur du stress oxydatif, le 10-formyl tétrahydrofolyl-l-glutamate est un intermédiaire utile dans la biosynthèse de la purine, la 2′-désoxyuridine et la 5-méthylcytosine. La 8-hydroxyguanine et la 2′-désoxyuridine étaient abondantes dans le kapha alors que deux autres étaient dans le pitta prakriti (tableau 3). Les composés lipidiques appartiennent pour la plupart aux catégories kapha et pitta: PS (19: 0/0: 0), PA (14: 0/14: 0), DG (18: 3 (9Z, 12Z, 15Z) / 20: 2 (11Z, 14Z) / 0: 0), LysoPC (22: 5 (7Z, 10Z, 13Z, 16Z, 19Z)), 2,3-dinor-6-céto-prostaglandine F1α, puissant vasodilatateur et inhibiteur de l’agrégation plaquettaire tandis que l’acide docosenamide acétique et la N-stéaroyl-éthanolamine, apparaissent dans divers troubles de l’oxydation des acides gras, étaient abondants dans le kapha Prakriti. 21-Hydroxypregnenolone utile dans la synthèse de la corticostérone et de la désoxycorticostérone, la N-docosanoyle taurine, un nouvel acide gras conjugué à la taurine, LysoPC (18: 0) utile dans la signalisation lipidique, lysoPE, (18: 3 (6Z, 9Z, 12Z) / 0: 0N-heptanoylglycine), apparaît dans divers troubles de l’oxydation des acides gras, le 2-hydroxy-13-Od-glucuronoside-octadéc-9Z-énoate est un intermédiaire de linoléate qui ont été retrouvés sous-régulés dans le kapha Prakriti, alors que l’acétate de 16,17-époxydeoxycorticostérone; l’acide valérénique, un acide gras ramifié; La 2-méthoxyestrone, un intermédiaire stéroïde; et le glycochenodeoxycholate, un sel biliaire, étaient abondants dans le pitta Prakriti. Le 10,11-dihydro-20-trihydroxy-leucotriène B4, un métabolite de l’oxydation oméga-lipidique du leucotriène B4 et un diglycéride DG (14: 0/14: 1 (9Z) / 0: 0) étaient abondants dans la catégorie vata. Sur 11 acides aminés différentiellement exprimés et leurs dérivés, 6 appartenaient à la catégorie pitta; La l-valine est un acide aminé essentiel à chaîne ramifiée (BCAA), essentiel à la vie humaine et est impliqué dans le stress, le métabolisme énergétique et musculaire, le L-2,4-diaminobutanoate, un autre composant du métabolisme du BCAA, le 6-amino-2-oxohexanoate un intermédiaire de dégradation de la lysine, la capryloyl-glycine est utilisée pour diagnostiquer les troubles associés aux erreurs de métabolisme innées de la mitochondrie. Les dérivés d’acides aminés dominants dans le kapha étaient l’acide argininosuccinique, un précurseur de l’arginine et du fumarate; la kynurénine, un produit de dégradation du l-tryptophane important dans de nombreux processus biologiques; et l’acide 2-oxopentanoïque, intermédiaire du catabolisme de l’arginine (tableau 3).

 

Tableau 3. La liste des métabolites plasmatiques obtenus en + ESI, traités par Profinder et analysés en MPP sont classés par ordre croissant de leur masse. Les métabolites du modèle PLS-DA sans valeurs manquantes ont été classés en fonction de leur importance et de leur variabilité et identifiés à l’aide de diverses bases de données.

 

 

 

 

 

 

Sr. no. Compounds Mass (Da) RT (min) p Value (corrected) FC (K vs P) FC (K vs V) FC (P vs V) Abundance based order ±PPM error
1 LysoPC(22:5(7Z,10Z,13Z,16Z,19Z)) 569.3544 29.83 9.37E−04 2.75 1.00 −2.75 K = V > P −3.81
2 Homoarginine 188.1524 5.35 9.37E−04 2.81 1.01 −2.77 K = V > P −9.69
3 Unknown 1016.679 36.00 9.37E−04 2.85 1.05 −2.70 K = V > P
4 Unknown 278.1842 5.52 0.009072 2.31 −1.00 −2.32 K = V > P
5 Unknown 622.0015 5.39 4.28E−04 3.12 3.12 −1 K > P = V
6 1-O-Sinapoyl-beta-d-glucose 386.1439 5.77 0.01693 1.80 2.95 1.64 K > P > V −7.64
7 Sphinganine 301.2291 19.68 0.00583 1.93 3.29 1.70 K > P > V 0.57
8 DG(18:3(9Z,12Z,15Z)/20:2(11Z,14Z)/0:0) 642.4563 33.70 0.002483 2.57 2.97 1.15 K > P > V 4.43
9 Hydroxyvalerylcarnitine 263.2615 25.14 3.74E−04 3.02 3.45 1.14 K > P > V 2.48
10 Unknown 751.6487 5.25 0.008485 1.66 3.28 1.97 K > P > V
11 N-Stearoylethanolamine 327.3137 27.82 0.002483 2.76 1.28 −2.16 K > V > P −5.71
12 d-Threitol 122.0383 9.02 0.002113 2.85 1.40 −2.03 K > V > P −0.34
13 21-Hydroxydydrogesterone glucuronide 504.2762 23.38 0.001943 2.90 1.47 −1.96 K > V > P 3.82
14 8-Hydroxyguanine 299.119 11.02 0.001819 2.96 2.05 −1.44 K > V > P −11.99
15 2-Deoxyuridine 228.1109 5.79 1.90E−04 3.30 1.21 −2.74 K > V > P 5.02
16 PS(19:0/0:0) 539.3645 24.08 0.002217 2.82 1.35 −2.08 K > V > P −4.78
17 2,3-Dinor-6-keto-prostaglandin F1α 342.2884 23.04 0.002003 2.87 1.42 −2.01 K > V > P 2.56
18 PA(14:0/14:0) 592.3261 22.66 0.001766 2.95 1.56 −1.88 K > V > P −0.54
19 Docosanamidoacetic acid 397.356 29.87 0.002113 2.84 1.38 −2.05 K > V > P −2.41
20 16-Hydroxypalmitic acid 271.2516 24.22 6.06E−04 3.31 1.91 −1.74 K > V > P −3.77
21 Dibutyl phthalate 278.1553 28.78 1.45E−06 3.72 1.31 −2.87 K > V > P −3.15
22 2-Oxopentanoic acid 116.0626 24.55 0.001766 2.98 2.08 −1.43 K > V > P −4.77
23 Argininosuccinic acid 290.1134 23.41 0.001757 2.98 2.09 −1.42 K > V > P −3.34
24 l-Kynurenine 208.1097 23.40 4.40E−04 3.33 1.67 −1.99 K > V > P −7.95
25 1α,25-dihydroxy-11-(4-hydroxymethylphenyl)-9,11-didehydrovitamin D3 520.4126 33.94 0.002678 2.79 1.37 −2.02 K > V > P −4.17
26 Unknown 287.2827 23.78 0.001819 2.96 2.04 −1.45 K > V > P
27 3-Hydroxyoctanoyl carnitine 303.2051 15.69 0.001701 2.99 2.11 −1.41 K > V > P 6.92
28 4-Methylthio-2-oxobutanoic acid 148.0159 35.41 0.017991 2.40 1.47 −1.63 K > V > P 0.56
29 Paired-like homeodomain transcription factor 3 8804.468 20.27 0.001903 2.95 2.03 −1.45 K > V > P 6.89
30 l-Octanoylcarnitine 287.2493 25.20 1.90E−04 3.30 1.20 −2.74 K > V > P −7.77
31 Unknown 735.6437 35.91 0.001766 2.97 2.06 −1.43 K > V > P
32 2-Methoxyestrone 300.1383 9.037 9.37E−04 −2.76 1 2.76 P > K = V −4.52
33 N-Docosanoyl taurine 447.3026 20.11 9.37E−04 −2.76 1 2.76 P > K = V 4.68
34 L-2,4-diaminobutanoate 118.0425 8.82 1.90E−04 −3.07 1 3.07 P > K = V −5.95
35 Capryloylglycine 201.1733 8.75 9.37E−04 −2.76 −1.00 2.76 P > K = V −4.84
36 Malonuric acid 146.0374 8.83 1.90E−04 −3.07 −1 3.07 P > K = V 5.92
Transcription factor HFK1 15,119.04 17.82 9.37E−04 −2.75 −1 2.75 P > K = V 8.55
38 Unknown 303.2065 15.20 9.37E−04 −2.75 −1 2.75 P > K = V
39 Coumaric acid 164.0482 8.83 9.37E−04 −2.69 1.14 3.07 P > K > V −8.61
40 5-Methylcytosine 125.0846 10.92 0.004456 −2.33 1.16 2.71 P > K > V −8.74
41 LysoPC(18:0) 523.3677 26.96 0.017991 −1.85 1.41 2.62 P > K > V −5.17
42 Benzoic acid 122.0374 8.83 9.37E−04 −2.65 1.15 3.06 P > K > V −9.66
43 Traumatic acid 228.1488 8.79 9.37E−04 −2.76 −1.00 2.76 P > V = K 4.26
44 1,25-Dihydroxyvitamin D3 3-glycoside 578.2892 24.66 9.37E−04 −2.76 −1 2.76 P > V = K 0.15
45 (2E,6E,8E)N-Isobutyl-2,6,8-hexadecatriene-10-yneamide 301.2272 19.45 9.37E−04 −2.76 −1 2.76 P > V = K 2.42
46 Putative reverse transcriptase 6626.596 17.88 9.37E−04 −2.75 −1 2.75 P > V = K 7.45
47 Inositol cyclic phosphate 242.0381 11.36 0.004514 −2.70 −1.39 1.94 P > V > K 0.09
48 12α-Hydroxyerosone 368.1073 10.06 0.004862 −2.67 −1.42 1.87 P > V > K −2.51
49 Guanidinoacetic acid 117.0583 12.14 0.004862 −2.66 −1.43 1.86 P > V > K −8.61
50 Glycochenodeoxycholate 449.3177 23.00 0.005034 −2.66 −1.49 1.84 P > V > K 8.88
51 Melatonin 232.1593 13.85 0.005267 −2.65 −1.45 1.82 P > V > K −1.97
52 10-Formyl tetrahydrofolyl l-glutamate 602.2897 24.73 9.37E−04 −2.76 −1 2.76 P > V > K 0.14
53 21-Hydroxypregnenolone 332.1452 31.32 0.006784 −2.61 −2.01 1.29 P > V > K −8.83
54 LysoPE(18:3(6Z,9Z,12Z)/0:0) 475.2726 25.23 0.005976 −2.64 −1.93 1.36 P > V > K −3.17
55 N-Heptanoylglycine 187.0642 12.11 0.004414 −2.71 −1.37 1.97 P > V > K 9.5
56 2-Hydroxy-13-O-d-glucuronoside-octadec-9Z-enoate 490.3318 13.84 0.004862 −2.67 −1.43 1.87 P > V > K −8.2
57 Dehydrospermidine 143.0739 12.14 0.004862 −2.67 −1.42 1.88 P > V > K −14.42
58 9-Hydroxyphenanthrene 194.0813 12.50 0.005181 −2.65 −1.43 1.85 P > V > K 7.51
59 Valine 117.0582 11.36 0.004414 −2.71 −1.37 1.96 P > V > K −7.75
60 6-Amino-2-oxohexanoate 145.0533 12.14 0.004862 −2.66 −1.43 1.86 P > V > K −4.15
61 Valerenic acid 234.1746 13.85 0.004862 −2.67 −1.42 1.87 P > V > K −8.3
62 2-(3-Carboxy-3-aminopropyl)-l-histidine 256.1567 13.84 0.004862 −2.67 −1.42 1.87 P > V > K −7.36
63 1α-hydroxy-2β-(5-hydroxypentoxy) vitamin D3 502.3023 13.62 0.004862 −2.68 −1.41 1.90 P > V > K 1.98
64 Unknown 287.2481 22.81 0.004514 −2.70 −1.38 1.94 P > V > K
65 l-Hexanoylcarnitine 259.18 15.11 0.004862 −2.67 −1.42 1.88 P > V > K 3.78
66 beta-Alanyl-l-arginine 245.164 12.58 9.37E−04 −3.02 −1.39 2.16 P > V > K −6.56
67 Splicing factor 1 isoform 4 15,859.4 17.68 9.37E−04 −2.76 −1 2.76 P > V > K 6.88
68 Catechin 290.1154 23.17 0.004862 −2.66 −1.43 1.86 P > V > K 3.65
69 16,17-Epoxydeoxycorticosterone acetate 386.1762 22.61 0.004862 −2.67 −1.43 1.86 P > V > K 5.92
70 Unknown 1895.032 11.48 0.004537 −2.69 −1.39 1.93 P > V > K
71 l-Aspartate 4-semialdehyde 117.0789 5.52 0.001141 2.72 −1.00 −2.73 V > K > P −4.05
72 1α,25-dihydroxy-26,27-dipropylvitamin D3 500.4923 28.41 9.37E−04 2.76 −1.03 −2.86 V > K > P 6.72
73 Unknown 471.8662 5.00 0.005393 1.10 −2.83 −3.13 V > K > P
74 Unknown 444.2072 23.98 0.0033 −2.56 −2.84 −1.11 V > P > K
75 10,11-Dihydro-20-trihydroxy-leukotriene B4 386.2481 22.15 9.37E−04 −2.76 −1 2.76 V > P > K −10.48
76 DG(14:0/14:1(9Z)/0:0) 510.392 36.17 0.013222 −2.02 −2.86 −1.41 V > P > K 0.71

 

 

Abréviations: RT – temps de rétention, p – probabilité calculée et changement du pli FC.

 

 

Parmi les 4 dérivés de la vitamine D observés, la 1,25-dihydroxyvitamine D3, le 3-glycoside et la la-hydroxy-2β- (5-hydroxypentoxy) vitamine D3 avaient la plus haute expression chez pitta Prakriti. La plupart des carnitines étaient principalement exprimées dans la catégorie kapha; il s’agit notamment de la l-octanoylcarnitine, de la 3-hydroxyoctanoyl carnitine et de l’hydroxyvalérylcarnitine, tandis que l’hexanoylcarnitine, un indicateur inhabituel de l’acylcarnitine des troubles métaboliques, était dominant chez pitta Prakriti.

L’acide m-coumarique et l’acide benzoïque sont des métabolites de polyphénol formés par la microflore intestinale, l’acide guanidoacétique, un précurseur de la créatine qui cause des problèmes cardiovasculaires et squelettiques, la mélatonine, un antioxydant, un protecteur de l’acide nucléique et un régulateur de l’horloge biologique et de la déshydrospermidine qui ralentit le vieillissement les cellules immunitaires humaines étaient les plus élevées dans la catégorie pitta. La spinganine, un bloqueur du transport du cholestérol postlysosomal, était abondante dans la catégorie kapha.

Les composés glucidiques, le d-thréitol, principal produit final du métabolisme du d-xylose et indicateur des perturbations du métabolisme des glucides, le 1-O-sinapoyl-bêta-glucose et le 21-hydroxydydrogestérone glucuronide, étaient les plus élevés chez kapha Prakriti. Au total, 11 composés restaient non identifiés, dont la majorité appartenait à la catégorie kapha (tableau 3).

3.4. Analyse de parcours

Les métabolites régulés positivement et négativement les plus abondants ont été séparés et ont été utilisés pour examiner les voies métaboliques importantes associées à chaque groupe de Prakriti. Le plugin Metascape dans Cytoscape 3.3 a été utilisé pour explorer les voies métabolomiques affectées de manière significative dans différentes Prakrite. Dans kapha Prakriti, les voies avec une valeur q <0,01 se sont révélées être le métabolisme des sphingolipides, des glycérophospholipides, des lipides d’éther, l’alanine, l’aspartate, le glutamate, l’arginine, la proline, la pyrimidine et la phagocytose Fc gamma R-médiée. Pitta Prakriti a montré une dégradation accrue de la valine, de la leucine et de l’isoleucine. On a constaté que d’autres voies étaient également touchées dans les cas de Prakrite Vata et Kapha. Vata Prakriti a montré que le métabolisme de l’acide arachidonique, de la bêta-alanine, du butanoate, de la catécholamine et des glycérolipides était régulé positivement (Tableau 4, Fig. 3).

Tableau 4. La liste des voies métaboliques significatives régulées, obtenue à partir de Cytoscape et ses plugins (Metascape et JEPETTO), est représentée. Les voies métaboliques sont classées par ordre croissant de leur valeur q respective. Leur impact en termes de XD score et de régulation des voies dans différentes Prakrities a également été mentionné.

 

 

 

Sr. No. Pathway or process XD-score q-Value Overlap/size Regulation in different Prakritis
1 Steroid hormone biosynthesis 1.29764 0.00001 5/15 P = V
2 Metabolism of xenobiotics by cytochrome P450 0.96431 0.00001 5/20 P = V
3 Sphingolipid metabolism 0.8734 0.00002 5/22 K
4 Tryptophan metabolism 0.73354 0.00003 5/26 P = V
5 Steroid hormone metabolism 1.05522 0.00173 3/11 P = V
6 Retinol metabolism 0.96431 0.00196 3/12 P = V
7 Glycerophospholipid metabolism 0.42145 0.00243 4/35 K
8 Ether lipid metabolism 0.71431 0.00377 3/16 K
9 Tyrosine metabolism 0.67673 0.00377 3/17 P = V
10 Drug metabolism – cytochrome P450 0.67019 0.00377 3/17 K = P = V
11 Glycerolipid metabolism 0.56431 0.0057 3/20 V
12 Alanine, aspartate and glutamate metabolism 0.53574 0.00611 3/21 K
13 Valine, leucine and isoleucine degradation 0.40876 0.01211 3/27 P
14 Arginine and proline metabolism 0.28864 0.02857 3/37 K
15 Fc gamma R-mediated phagocytosis 0.15943 0.03186 4/82 K
16 Pyrimidine metabolism 0.15255 0.03034 3/70 K
17 Arachidonic acid metabolism 1.04886 0.00000 7/26 V
18 beta-Alanine metabolism 0.77194 0.00148 3/15 V
19 Butanoate metabolism 0.54336 0.04580 2/14 V
20 Catecholamine metabolic process 0.53574 0.00377 3/21 V

 

 

 

 

 

Fig. 3. Figure montrant les voies significatives trouvées altérées dans différentes Prakritis. Tous les métabolites ont été importés dans Cytoscape à partir de MPP et l’analyse a été effectuée à l’aide du plug-in Metascape et une signification supplémentaire a été calculée à l’aide du plug-in JEPETTO.

 

 

3.5 Aller les processus biologiques

De plus, afin d’explorer les processus biologiques associés aux métabolites différentiellement exprimés, le plugin ClueGo de Cytoscape 3.3 a été utilisé. Dans le maintien du génome mitochondrial du kapha Prakriti, la pyrimidine, le tryptophane, la kynurénine, les lipides membranaires, la famille des acides aminés aromatiques, le métabolisme biosynthétique du NAD et les processus cataboliques des amines biogéniques cellulaires ont été jugés dominants (figure 4A). Dans le métabolisme des rétinoïdes de pitta Prakriti, la biosynthèse des aminoglycanes, la métabolisation de l’acide uronique, la métabolisation des œstrogènes, la métabolisation des acides aminés ramifiés, la toxine, la biosynthèse de l’héparine et la régulation des processus métaboliques de la cétone cellulaire se sont avérées régulées positivement. Alors que la régulation des processus métaboliques des glucides, des lipides et des glucurocytes cellulaires s’est révélée être régulée à la baisse (Fig. 4B). In vata Prakriti, on a découvert que des acides gras à très longue chaîne, des acides aminés soufrés, du glutamate, de la catécholamine, du leukotriène, des métabolites des œstrogènes, de la vitamine K et du peroxyde d’hydrogène, ainsi que des processus cataboliques de désintoxication cellulaire et de désintoxication cellulaire dominante (Fig. 4C) (Fig. S4, A – C).

 

 

 

 

 

Fig. 4. Go Processus biologique dans les trois Prakrities analysées à l’aide des modules Metscape et ClueGo de Cytoscape 3.3 (A) Kapha, (B) Pitta et (C) Vata.

 

 

 

  1. DiscussionL’Ayurveda est un ancien système de médecine personnalisée documenté et pratiqué en Inde depuis 1500 av. En Ayurveda, on pense que la constitution du corps humain détermine la prédisposition, le pronostic des maladies, le traitement et le mode de vie. Toute la description de la physiologie humaine dans l’Ayurveda est basée sur la théorie de Tridosha [8]. Selon l’Ayurveda, vata, pitta et kapha Prakriti ont des activités métaboliques uniques, kapha est lent, pitta est rapide et le vata est considéré comme ayant un métabolisme variable [9]. Vata est associé aux os, le pitta au sang, tandis que kapha est associé à d’autres tissus liés à la structure et au stockage, tels que les tissus adipeux [10], [11].Kapha régit les systèmes nerveux et musculo-squelettique qui maintiennent la masse corporelle, la forme et la souplesse [12]. L’association de kapha dosha à des processus anaboliques et à la coordination des gènes retarde la manifestation du vieillissement et allonge la durée de vie [13], [14]. Dans la présente étude, la maintenance du génome mitochondrial, la pyrimidine, les lipides membranaires et les processus de biosynthèse du NAD se sont révélés être dominants chez kapha Prakriti (figure 4A). Cela conduit à un catabolisme lent des lipides et donc à un stockage et à une prise de poids. Les individus de Kapha Prakriti sont sujets aux troubles du système respiratoire et nécessitent par conséquent un maintien continu du génome mitochondrial. Les résultats appuyés par Hankey ont rapporté que le peptide coenzyme A est associé au métabolisme des lipides et dominant dans le kapha Prakriti [15]. Comme noté dans la présente étude (Tableau 1a, Tableau 1b), des taux plus élevés de marqueurs du syndrome métabolique, tels que les triglycérides (TG), le cholestérol total, les LDL, les VLDL et les HDL ont également été rapportés chez des personnes kapha Prakriti [16]. Les accumulations de lipides entraînent également divers processus et maladies cardiovasculaires, neurologiques [17]. Augmentation des niveaux de capryloylglycine, de 8-hydroxyguanine, de d-thréitol, d’hexanoylcarnitine et de kynurénine; les marqueurs bien établis des maladies cardiovasculaires, des irrégularités métaboliques et du stress oxydatif confirment les processus biologiques établis dans l’étude (Tableau 3). L’acide docosanamidoacétique, un marqueur connu des troubles de l’oxydation des acides gras, a été trouvé en abondance chez les personnes kapha (tableau 3). Dérivés d’acides aminés Acide 2-oxopentanoïque, un métabolite du catabolisme de l’arginine; l’homoarginine, un inhibiteur de la phosphohydrolase alcaline du foie; et l’acide argininosuccinique, un précurseur de l’arginine, ont été observés dans le kapha. La présence de précurseurs de valine et d’arginine peut être liée à la réponse de l’organisme au stress induit par les défauts de kapha en stimulant le BCAA et le métabolisme de l’urée. Globalement, les processus cataboliques de la famille des acides aminés aromatiques et métaboliques des pyrimidines sont dominants chez les personnes kapha Prakriti (Fig. 4A).Pitta est principalement responsable du métabolisme, de l’action des enzymes, des facteurs de croissance, des hormones, de la thermorégulation, de l’homéostasie énergétique, de la digestion et du métabolisme cellulaire ou sub-cellulaire [18]. Ghodke et al. Ont montré que le génotype de métaboliseur extensif (EM) de l’enzyme métabolisant le médicament CYP2C19 n’était retrouvé que chez pitta Prakriti [19]. Dans la présente étude, on a observé une augmentation du métabolisme des xénobiotiques par le cytochrome P450 (tableau 4) et du processus métabolique de la toxine chez pitta Prakriti (figure 4B). La prédominance pitta Les individus de type Prakriti ont un taux métabolique de base (TMB) élevé et une consommation d’énergie menant à la destruction des tissus ainsi qu’au vieillissement prématuré et à la longévité moyenne [9]. LysoPE (18: 3 (6Z, 9Z, 12Z) / 0: 0) et LysoPC (18: 0) sont utiles dans la signalisation lipidique, le 2-hydroxy-13-Od-glucuronoside-octadec-9Z-enoate, un intermédiaire de linoléate et La N-heptanoylglycine, marqueur des troubles de la bêta-oxydation des acides gras mitochondriaux, était abondante chez pitta Prakriti. Parallèlement à cela, les niveaux de glycochenodeoxycholate, un sel d’acide biliaire qui solubilise les graisses pour l’absorption; ont été trouvés à être élevé chez les Prakriti pitta. Tous ces métabolites correspondent au métabolisme énergétique accru des lipides et, par conséquent, à l’IMC.Le taux de renouvellement métabolique élevé chez pitta Prakriti a été démontré par la biosynthèse de la valine, de la leucine, de l’isoleucine ainsi que par la dégradation et le métabolisme des vitamines. Les BCAA sont essentiels à la vie humaine et sont particulièrement impliqués dans le stress, l’énergie et le métabolisme musculaire, car la valine ne concerne que les glucides, et le déficit en valine est marqué par des anomalies neurologiques au niveau du cerveau [20]. Dans le même temps, la mélatonine, une hormone essentielle qui détermine le taux de métabolisme de base et le cycle veille-sommeil du corps, s’est également avérée être la plus élevée chez Prakriti Pitta. L’analyse du réseau protéique a montré que les processus métaboliques de la cétone cellulaire, de la biosynthèse de l’héparine et de la cétone cellulaire de la BCCA étaient régulés positivement chez pitta Prakriti (Fig. 4B).

 

Dans le pitta Prakriti, la 2-méthoxyestrone, un stéroïde intermédiaire de la voie métabolique des androgènes et des œstrogènes, qui détermine la constitution physique de l’homme, s’est avérée être régulée à la hausse. Ces hormones stéroïdes sont connues pour modifier les structures cérébrales, impliquées dans les états du comportement et la libido, et peuvent donc être le premier marqueur du système Tridosha. De plus, dans pitta Prakriti, les processus métaboliques rétinoïdes, biosynthétiques des aminosides, des acides uroniques, des glucides cellulaires, des lipides et de la glucuronidation cellulaire se sont révélés affectés (Fig. 4B).

Vata contribue à la manifestation de la forme, de la division cellulaire, de la signalisation, du mouvement, de l’excrétion des déchets, de la cognition et régule également les activités du kapha et du pitta. Vata dosha est responsable du mouvement, de la croissance cellulaire et de l’apoptose. Les types de corps Vata peuvent avoir tendance à développer des problèmes neurologiques, une démence, des troubles du mouvement et de la parole, des arythmies et des maladies chroniques connexes [21]. In vata Prakriti acides gras à très longue chaîne, acides aminés soufrés, glutamate, catécholamine, leucotriène, métabolisme des œstrogènes, vitamine K, processus métaboliques du peroxyde d’hydrogène et processus cétoniques, phylloquinone, dopamine, homéostasie des ions sodium et désintoxication cellulaire, processus cataboliques dominants (Fig. 4C). Dans la présente étude, LysoPC (22: 5 (7Z, 10Z, 13Z, 16Z, 19Z)), les lysophospholipides jouent un rôle dans la signalisation lipidique, le 10,11-dihydro-20-trihydroxy-leucotriène B4, un métabolite de l’oméga-oxydation lipidique de leucotriène B4 et un diglycéride DG (14: 0/14: 1 (9Z) / 0: 0) étaient abondants dans la catégorie vata. Le métabolisme des acides aminés et le 4-semialdéhyde de l-Aspartate, impliqué dans la synthèse de la lysine et de l’homosérine, ont également été les plus abondants chez le vata. L’augmentation des quantités de dopamine chez les vata Prakriti peut entraîner des problèmes neurologiques ainsi qu’une résistance à l’insuline. La résistance à l’insuline, les cytokines et les marqueurs inflammatoires ont une relation positive avec les groupes V et K [15].

Lors des études sur le métabolisme humain, il est établi que la concentration moyenne en métabolites varie de ± 50% [22]. Cette variation est due à l’âge, au sexe, à la génétique, à l’état de santé, au niveau d’activité et aux variations diurnes [23]. L’Ayurveda décrit la prédominance du kapha dans l’enfance, du pitta chez les jeunes et du vata dans la vieillesse. Il est évident que les enfants sont plus exposés à certains types de maladies en raison de la provocation du kapha. De même, certains types de maladies sont très fréquents chez les jeunes et les plus âgés. Ce concept s’appelle vayoanupatinee Prakriti [24], [25]. Par conséquent, l’âge peut avoir un effet profond sur l’expression métabolique qui ne peut pas être évalué dans la configuration actuelle et doit être exploré plus avant. L’Ayurveda prend en compte tous ces facteurs lors de l’analyse de Prakriti. Cependant, les méthodes actuelles d’analyse de Prakriti sont incohérentes et certaines méthodes développées scientifiquement manquent de fondement informationnel. Ayurmetabolomics peut fournir une plate-forme pour discriminer différents types de Prakriti avec des informations constitutionnelles. Dans notre étude, les catégories fonctionnelles de métabolites présentant une expression différentielle entre les types de Prakriti étaient considérablement enrichies au cours de processus biologiques essentiels tels que les acides aminés, les vitamines, les lipides et le métabolisme des acides nucléiques. La proximité relative entre vata et kapha Prakritis a été confirmée dans le tracé de la PCA et la carte thermique (figures 1A et 2).

 

 

  1. ConclusionLa présente étude présentait l’idée que le taux plasmatique de certains métabolites simples, tels que les carnitines, l’acide amino-4-hippurique, l’androgène, la mélatonine, les prostaglandines, la l-kynurénine, les acides aminés, les vitamines et les lipides; peut classer les phénotypes humains, à savoir la Prakrite. Les métabolites sont les acteurs finaux du métabolisme corporel et des molécules de signalisation pour initier les voies métaboliques et cataboliques dans le corps. La métabolomique traite des taux de métabolites dans les fluides corporels et les tissus dans différentes conditions. Les phénotypes des individus dépendent principalement du métabolisme du corps. La classification de Tridosha dans l’Ayurveda dépend principalement des caractéristiques phénotypiques et psychologiques des individus. Par conséquent, l’intégration de l’Ayurveda à la métabolomique offre un potentiel prometteur pour la future médecine prédictive et individualisée. La présente étude indique que les individus dominants kapha Prakriti sont prédisposés aux problèmes respiratoires. Par conséquent, le maintien continu du génome mitochondrial est le processus biologique dominant en réponse au catabolisme lent des lipides. Cela entraîne également un stockage des lipides et donc un gain de poids. De plus, les processus de biosynthèse de NAD régulés à la hausse ont également confirmé la lenteur du métabolisme des lipides. L’augmentation des taux de lipides peut entraîner un stress oxydatif et des problèmes cardiovasculaires. Dans l’étude, les taux de marqueurs de maladies cardiovasculaires et neurologiques, à savoir la capryloylglycine, la 8-hydroxyguanine, le d-thréitol, l’hexanoylcarnitine et la kynurénine se sont révélés accrus. Ainsi, une étude a montré la prédisposition des personnes dominantes kapha aux maladies cardiovasculaires et neurologiques telles que décrites dans l’Ayurveda, mais le maintien continu du système respiratoire aide à contrôler ces maladies. Chez pitta Prakriti, le cytochrome P450 a permis d’observer le métabolisme des xénobiotiques et des toxines. Dans ce groupe, les troubles de la bêta-oxydation sont plus fréquents, peut-être en raison d’une absorption accrue des lipides par l’intestin, car des taux accrus d’acides biliaires ont été observés au cours de l’étude. La mélatonine et la 2-méthoxyestrone, des hormones servant à maintenir l’horloge biologique circadienne, le taux de métabolisme basal et la constitution physique, ont été jugées dominantes. Tous ces processus peuvent être corrélés au métabolisme rapide de pitta Prakriti. Dans vata Prakriti, le processus de détoxication cellulaire ainsi que les neurotransmetteurs, à savoir la dopamine et le glutamate, s’est révélé dominant. Ces processus sont importants pour excréter les déchets et la cognition. Par conséquent, les individus vata peuvent être prédisposés aux problèmes neurologiques et à la résistance à l’insuline. La présente étude fournit un cadre pour comprendre Prakriti en termes de métabolites et également pour les troubles associés au pronostic. Expérimentalement, ces données sont limitées et nécessitent une exploration plus approfondie avec de grands ensembles de données. Cependant, les données fournissent un point de référence utile et fournissent une corrélation de phénotype avec les signatures métaboliques de différentes Prakrite.Sources de financementAucun.Conflit d’intérêt

    Aucun.

    Reconnaissance

    Les auteurs remercient le CCRAS, ministère d’Ayush, gouvernement de l’Inde, pour son soutien moral.

 

 

References

[1]

  1. Rotti, R. Raval, S. Anchan, R. Bellampalli, S. Bhale, R. Bharadwaj, et al.Determinants of prakriti, the human constitution types of Indian traditional medicine and its correlation with contemporary science

J Ayurveda Integr Med, 5 (3) (2014), pp. 167-175

View Record in Scopus

[2]

  1. Patwardhan, K. Joshi, A. ChopraClassification of human population based on HLA gene polymorphism and the concept of Prakriti in Ayurveda

J Altern Complement Med, 11 (2) (2005), pp. 349-353

[3]

  1. PatwardhanThe quest for evidence based Ayurveda: lesson learned

Curr Sci, 102 (2012), pp. 1-12

CrossRefView Record in Scopus

[4]

P.D. GuptaPharmacogenetics, pharmacogenomics and ayurgenomics for personalized medicine: a paradigm shift

Indian J Pharm Sci, 77 (2) (2015), pp. 135-141

CrossRefView Record in Scopus

[5]

  1. Dettmer, P.A. Aronov, B.D. HammockMass spectrometry-based metabolomics

Mass Spectrom Rev, 26 (1) (2007), pp. 51-78

CrossRefView Record in Scopus

[6]

  1. Joshi, Y. Ghodke, P. ShintreTraditional medicine and genomics

J Ayurveda Integr Med, 1 (1) (2010), pp. 26-32

CrossRefView Record in Scopus

[7]

  1. NikolaiBlood extraction standard operating protocol

(2006)

[SOP # 024.1 Versions # 1]

[8]

N.S. TripathiConcept of formation of Prakriti in ayurveda

Ind J Res, 5 (2011), pp. 1-5

View Record in Scopus

[9]

  1. Dey, P. PahwaPrakriti and its associations with metabolism, chronic diseases, and genotypes: possibilities of new born screening and a lifetime of personalized prevention

J Ayurveda Integr Med, 5 (1) (2014), pp. 15-24

CrossRefView Record in Scopus

[10]

  1. Sharma, H.M. ChandolaAyurvedic concept of obesity, metabolic syndrome, and diabetes mellitus

J Altern Complement Med, 17 (6) (2011), pp. 549-552

CrossRefView Record in Scopus

[11]

V.N. Sumantran, G. TilluCancer, inflammation, and insights from ayurveda

Evid Based Complement Altern Med (2012), p. 11

[Article ID 306346]

[12]

P.V. SharmaCaraka Samhita

Chaukhambha Orientalia, Varanasi (2011)

[Reprint edition]

[13]

H.M. SharmaContemporary ayurveda

Fundamentals of complementary and alternative medicine (4th ed.), Saunders Elsevier, USA (2011), pp. 495-508

View Record in Scopus

[14]

  1. Telles, S. Pathak, A. Kumar, P. Mishra, A. BalkrishnaAyurvedic doshas as predictors of sleep quality

Med Sci Monit, 21 (2015), pp. 1421-1427

View Record in Scopus

[15]

  1. HankeyA test of the systems analysis underlying the scientific theory of Ayurveda’s Tridosha

J Altern Complement Med, 11 (2005), pp. 385-390

CrossRefView Record in Scopus

[16]

  1. Prasher, S. Negi, S. Aggarwal, A.K. Mandal, T.P. Sethi, S.R. Deshmukh, et al.Indian genome variation consortium, whole genome expression and biochemical correlates of extreme constitutional types defined in Ayurveda

J Transl Med, 6 (48) (2008), p. 12

View Record in Scopus

[17]

R.K. UpadhyayEmerging risk biomarkers in cardiovascular diseases and disorders

J Lipids (2015), p. 50

[Article ID 971453]

[18]

N.P. Mahalle, M.V. Kulkarni, N.M. Pendse, S.S. NaikAssociation of constitutional type of Ayurveda with cardiovascular risk factors, inflammatory markers and insulin resistance

J Ayurveda Integr Med, 3 (3) (2012), pp. 150-157

CrossRef

[19]

  1. Ghodke, K. Joshi, B. PatwardhanTraditional medicine to modern pharmacogenomics: Ayurveda Prakriti type and CYP2C19 gene polymorphism associated with the metabolic variability

Evid Based Complement Alternat Med (2011), p. 5

[Article ID 249528]

[20]

  1. CallawayAmino-acid deficiency underlies rare form of autism

Nat News (Sep 6, 2012), p. 11375, 10.1038/nature.2012.11375

View Record in Scopus

[21]

  1. Tiwari, S. Gehlot, S.K. Tiwari, G. SinghEffect of walking (aerobic isotonic exercise) on physiological variants with special reference to Prameha (diabetes mellitus) as per Prakriti

AYU, 33 (2012), pp. 44-49

CrossRefView Record in Scopus

[22]

  1. Psychogios, D. Hau, J. Peng, A. Guo, R. Mandal, S. Bouatra, et al.The human serum metabolome

PLoS ONE, 6 (2) (2011), p. e16957

CrossRef

[23]

K.A. Lawton, A. Berger, M. Mitchell, K.E. Milgram, A.M. Evans, L. Guo, et al.Analysis of the adult human plasma metabolome

Pharmacogenomics, 9 (2008), pp. 383-397

CrossRefView Record in Scopus

[24]

  1. Sharma, R. Malviya, V. Saraswat, S. Shenoy, A. Rama MurthyPrakriti (human constitution) – an individual identity of a human

Ayurpharm Int J Ayur Alli Sci, 1 (7) (2012), pp. 151-158

View Record in Scopus

[25]

M.C. Purvya, M.S. MeenaA review on role of prakriti in aging

AYU, 32 (1) (2011), pp. 20-24

CrossRefView Record in Scopus