Information

Wird die Rückführung von Cholesterin in die Leber wirklich durch HDL durchgeführt?

Wird die Rückführung von Cholesterin in die Leber wirklich durch HDL durchgeführt?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Verschiedene Antworten in der Biologie SE, darunter zwei ziemlich positive Antworten (1, 2), behaupten, dass (beim Menschen) die Rückführung von Cholesterin in die Leber durch HDL erfolgt.

Wenn ich das richtig verstehe, sagt die Wikipedia-Seite zum umgekehrten Cholesterintransport auch, dass dies von HDL erfolgt.

In diesem Blogbeitrag (von Peter Attia) heißt es jedoch:

Historisch wurde angenommen, dass dieser Prozess der Rückführung von Cholesterin in die Leber nur von HDLs durchgeführt wird und wurde als reverser Cholesterintransport oder RCT bezeichnet […]

Dieses RCT-Konzept ist veraltet, da wir jetzt wissen, dass LDLs tatsächlich den Großteil der RCT durchführen. Während das HDL-Partikel ein entscheidender Teil des immens komplexen RCT-Wegs ist, ist eine nicht so bekannte Tatsache, dass apoB-Lipoproteine ​​(d. h. LDLs und ihre Brüder) den größten Teil des Cholesterins zurück in die Leber transportieren. Mit anderen Worten, das „schlechte“ Lipoprotein LDL erledigt mehr Aufräumarbeiten (d. h. das Cholesterin zurück in die Leber) als das „gute“ Lipoprotein HDL!

Welches ist richtig?


Laut Reverse Cholesterol Transport: Molecular Mechanisms and the Non-medical Approach to Enhance HDL Cholesterol (Frontiers in Physiology, 2018) sowohl HDL als auch LDL sind am umgekehrten Cholesterintransport beteiligt.

Kurzum: HDL entnimmt dem Blut Cholesterin (aus lipidbeladenen Makrophagen) und gibt es 1) über Scavenger-Rezeptoren (SR-B1) oder 2) über LDL und LDL-Rezeptoren (LDL-R) an die Leber ab. (Eine detaillierte Erklärung des Diagramms finden Sie in Abbildung 1. im verlinkten Artikel. Es gibt ein ähnliches Diagramm (Abb. 1) im Journal of Cardiology.)

Petter Atti sagt in seinem Blog (Hervorhebung von mir):

Historisch wurde angenommen, dass dieser Prozess der Rückführung von Cholesterin in die Leber nur von HDLs durchgeführt wird und wurde als reverser Cholesterintransport oder RCT bezeichnet […]

Dieses RCT-Konzept ist veraltet, wie wir jetzt wissen LDLs führen tatsächlich die Mehrheit der RCT durch. Während das HDL-Partikel ist ein entscheidender Teil des immens komplexen RCT-Wegs ist eine nicht so bekannte Tatsache, dass apoB-Lipoproteine ​​(d. h. LDLs und ihre Brüder) den größten Teil des Cholesterins zurück zur Leber transportieren. Mit anderen Worten, das „schlechte“ Lipoprotein LDL erledigt mehr Aufräumarbeiten (d.h. das Cholesterin zurück in die Leber) als das „gute“ Lipoprotein HDL!

Er sagt, dass LDL "mehr Reinigung" macht als HDL, was technisch in dem Sinne korrekt sein kann, dass mehr LDL- als HDL-Partikel beteiligt sein können, aber dies allein ändert nichts am Konzept von gutem oder schlechtem Cholesterin. In der Abbildung können Sie sehen, dass die anfängliche Reinigung (Schritt 2 und 3) nur von HDL durchgeführt wird, sodass ohne HDL möglicherweise überhaupt keine Reinigung stattfindet.

Niedrige HDL- und hohe LDL-Spiegel im Blut sind bekannte Risikofaktoren für Arteriosklerose (NCBI Books, 2019). Nicht alle LDL-Partikel sind jedoch schlecht, die schädlichsten sind jedoch oxidierte kleine dichte LDL-Partikel (Hindawi, 2017).


Wird die Rückführung von Cholesterin in die Leber wirklich durch HDL durchgeführt? - Biologie

Zur Bestimmung Ihres Risikos, an Herzerkrankungen zu erkranken

Screening: im Rahmen einer regelmäßigen Gesundheitsuntersuchung mit einem Lipidpanel, wenn keine Risikofaktoren für Herzerkrankungen vorliegen alle vier bis sechs Jahre bei Erwachsenen sollten Jugendliche im Alter zwischen 9 und 11 Jahren mindestens einmal und dann zwischen den 17 und 21 Jahre alt.

Überwachung: kann häufiger und in regelmäßigen Abständen als Teil eines Lipidpanels durchgeführt werden, wenn Risikofaktoren für Herzerkrankungen vorliegen, wenn frühere Ergebnisse ein hohes Risikoniveau gezeigt haben und/oder wenn eine Behandlung wegen ungesunder Lipidwerte durchgeführt wird

Eine Blutprobe wird aus einer Vene in Ihrem Arm entnommen. Manchmal wird ein Blutstropfen durch Einstechen der Haut an einer Fingerspitze gewonnen. Diese Probe aus der Fingerbeere wird typischerweise verwendet, wenn ein Lipidpanel auf einem tragbaren Testgerät gemessen wird, zum Beispiel auf einer Gesundheitsmesse.

Wenn dieser Test als Teil eines vollständigen Lipid-Panels durchgeführt werden soll, ist normalerweise 9 bis 12 Stunden Fasten erforderlich (nur Wasser trinken), aber einige Ärzte erlauben Lipid-Panel-Tests ohne Fasten. Insbesondere bei Kindern, Jugendlichen und jungen Erwachsenen können Tests ohne Fasten durchgeführt werden. Befolgen Sie alle Anweisungen, die Sie erhalten, und teilen Sie der Blutabnehmer mit, ob Sie gefastet haben.


Was ist Cholesterin?

Um einen gesunden Cholesterinspiegel zu verstehen, kann es hilfreich sein, etwas mehr über die verschiedenen Cholesterinarten und ihre Wirkung im Körper zu wissen.

Cholesterin ist laut Harvard Health Publishing eine wachsartige, fettähnliche Substanz, die für den Aufbau gesunder Zellen entscheidend ist. Es wird auch verwendet, um Hormone (einschließlich Östrogen und Testosteron), Vitamin D und bestimmte Verdauungsstoffe herzustellen. Aber reines Cholesterin kann nicht alleine durch den Körper wandern. Die Leber erzeugt also proteinbedeckte Cholesterinpartikel, sogenannte Lipoproteine, um das Cholesterin dorthin zu bringen, wo es hin muss.

Lipoproteine ​​niedriger Dichte (LDL) sind die sogenannte "schlechte" Art von Cholesterin. Bei normalen Werten ist diese Art von Cholesterin laut der American Heart Association (AHA) nicht wirklich schlecht. Ist jedoch zu viel LDL-Cholesterin vorhanden, kann es sich mit anderen Stoffen verbinden und Fettablagerungen in den Arterien bilden. Diese Ablagerungen – Plaque genannt – führen dazu, dass die Arterien verengt und steif werden, ein Zustand, der als Atherosklerose bezeichnet wird. Arteriosklerose kann zu Herzinfarkt oder Schlaganfall führen.

High-Density-Lipoproteine ​​(HDL) sind die "gute" Art von Cholesterin. Sie helfen, die Bildung von Plaque zu verhindern, indem sie durch den Blutkreislauf wandern, überschüssige LDL-Partikel aufnehmen und sie zur Entsorgung an die Leber zurückgeben, so Harvard Health Publishing.

Es gibt auch andere Arten von Cholesterin, aber HDL und LDL sind die beiden wichtigsten, die Sie kennen sollten.


Die Testergebnisse für das Gesamtcholesterin werden in Milligramm pro Deziliter (mg/dl) Blut ausgedrückt und als wünschenswert, grenzwertig hoch oder hoch eingestuft.

Gesamtcholesterinbereiche

Das Gesamtcholesterin wird wie folgt eingestuft:

  • Erwünschtes Niveau: Weniger als 200 mg/dl
  • Grenzüberschreitend hohes Niveau: 200-239 mg/dl
  • Hohes Level: 240 mg/dl und mehr

Ihr Gesamtcholesterinspiegel spiegelt Ihr Risiko für Herzerkrankungen wider. Generell gilt: Je höher das Level, desto höher ist Ihr Risiko. Warum misst der Test neben Ihren Triglyceriden auch die Lipoproteine ​​in Ihrem Gesamtcholesterin?

  • LDL („schlechtes“) Cholesterin ist der wichtigste „Motor“ für die Ansammlung und Blockierung von Cholesterin in Ihren Arterien.
  • HDL-Cholesterin („gutes“) Cholesterin hilft, Herzerkrankungen vorzubeugen, indem es Cholesterin aus den Arterien entfernt und zur Ausscheidung an die Leber sendet.
  • Triglycerid ist eine andere Form von Fett in Ihrem Blut, die Ihr Risiko für Herzerkrankungen erhöhen kann.

Wenn Ihr Gesamtcholesterin zu hoch ist, kann Ihr Arzt eine Änderung des Lebensstils und/oder Medikamente empfehlen, um es zu senken.

Cholesterin Arzt Diskussionsleitfaden

Holen Sie sich unseren druckbaren Leitfaden für Ihren nächsten Arzttermin, damit Sie die richtigen Fragen stellen können.


Ergebnisse

Ernährungsbedingte und genetische Auswirkungen auf das Leberlipidom

Zunächst haben wir die Auswirkungen einer HF/HS-Diät auf

250 Lipide aus dem hepatischen Lipidom in einer kleinen Gruppe genetisch diverser Mäuse aus dem HMDP. Wir haben drei Sorten ausgewählt (n = 3 Mäuse/Stamm), die unterschiedlich auf die HF/HS-Diät reagieren: der traditionelle C57BL/6J-Stamm, DBA/2J, der stark insulinresistent wird (Norheim et al, 2018 ) und C3H/HeJ, das eine Mutation im Tlr4 Gen, das den Lipopolysaccharid-Reaktions-Locus reguliert (Heppner & Weiss, 1965). Die Leberlipide wurden in diesen Stämmen gemessen, die mit HF/HS oder normaler Chow-Diät gefüttert wurden, und mit Limma (Ritchie .) verglichen et al, 2015 Abb. 1A). Eine große Anzahl von Lipidspezies, von denen bekannt ist, dass sie an der Fettleberentwicklung beteiligt sind, wie Ceramide (Chaurasia et al, 2019), wurden als Reaktion auf die HF/HS-Diät signifikant verändert, unabhängig vom genetischen Hintergrund veränderten sich jedoch einige Lipide stammspezifisch, entweder über oder zwischen den Diäten (Abb. 1B). Insbesondere die C3H/HeJ-Mäuse schienen bei einigen der Phosphatidylcholin (PC)- und Phosphatidylethanolamin (PE)-Lipide eine etwas andere Reaktion auf eine Ernährungsstörung zu haben als die anderen beiden Stämme (C57BL/6J und DBA/2J), was auf Gen-by hindeutet -Diät-Interaktionen. Freie Fettsäuren (FFAs) und Triacylglycerine (TAGs) mit weniger Kohlenstoffatomen waren nach einer HF/HS-Diät meist erhöht, mehrere der gleichen Spezies mit vielen Kohlenstoffatomen nahmen ab (Abb. 1A–C). Ein weiteres Beispiel zeigte, dass Cholesterinester (CE) durch die HF/HS-Diät in Abhängigkeit von der Anzahl der Doppelbindungen an ihrem Kohlenstoffrückgrat hoch- oder herunterreguliert wurden. Insbesondere war CE(C18:1) erhöht und CE(C18:2) war erniedrigt in Reaktion auf die Ernährung (Abb. 1B und C). Die vollständige Liste der durch die Ernährung beeinflussten Lipide in jedem Stamm ist im Datensatz EV1 enthalten. Diese Daten weisen auf eine Wechselwirkung zwischen Genetik und Ernährung hin, um Veränderungen im Leberlipidom zu vermitteln, und unterstreichen die Berücksichtigung des genetischen Hintergrunds bei der Bestimmung von Ernährungseffekten auf Leberlipide.

Abbildung 1. Ernährungsbedingte und genetische Auswirkungen auf das Leberlipidom

  1. Vulkanplot der Faltenänderung (x-Achse) aufgetragen gegen die Signifikanz (ja-Achse) von Lipiden, die sich bei HF/HS-Fütterung ändern. Lipide werden entsprechend der Faltenänderung gefärbt (log2, absolut) > 1 (orange), P-Wert < 0,05 (rot) oder beides (grün). P-Werte, die aus dem Differentialausdruck mit Limma berechnet wurden.
  2. Heatmap des Falzwechsels (log2) jedes Lipids in HF/HS im Vergleich zur Chow-Diät. Es werden nur Lipidspezies gezeigt, die in allen Mäusen nachgewiesen wurden.
  3. Beispiele für verschiedene Leberlipide innerhalb einer Klasse, die in unterschiedliche Richtungen bei HF/HS-gefütterten Mäusen reguliert werden, im Vergleich zu mit Futter gefütterten Mäusen.

Dateninformationen: Cer, Ceramid FFA, freie Fettsäuren LPC, Lysophosphatidylcholine LPE, Lysophosphatidylethanolamine PC, Phosphatidylcholine PE, Phosphatidylethanolamine PG, Phosphatidylglycerine PI, Phosphatidylinositole PS, Phosphatidylserine SPM, Glycerolserine SPM, Sphingomyeline Cholesterin Cholesterinester, Cholesterinester, Cholesterinester, Cholesterinester Spezifische Vergleichsergebnisse werden im Datensatz EV1 bereitgestellt. n = 3 männliche Mäuse pro Stamm und Diätgruppe. Die Daten repräsentieren den Mittelwert ± SEM. *P < 0,05, **P < 0,01, ***P < 0,001. P-Werte berechnet mit einem Student T-Test (Zweischwanz) im Vergleich zur Chow-Gruppe.

Als nächstes erweiterten wir unsere Untersuchung, um 256 Leberlipide von 101 HMDP-Stämmen (279 Mäuse) zu untersuchen, die mit einer HF/HS-Diät gefüttert wurden, und um Lipidomics mit anderen molekularen Schichten (Genom und Lebertranskriptom) sowie phänotypischen Ergebnissen wie HOMA-IR zu integrieren. Wir kamen zu dem Schluss, dass diese Integrationen neue Mechanismen aufdecken könnten, durch die genetische Variation zu metabolischen Veränderungen mit Beteiligung von Leberlipiden prädisponiert. Ein hohes Maß an genetischer Variation wurde in der relativen Häufigkeit jeder Lipidklasse im Vergleich zum Gesamtlipidgehalt beobachtet ( 2A ). Zum Beispiel machte die am häufigsten vorkommende Lipidklasse (TAG) 44 bis 79 % der Gesamtlipide in der Leber aus und der Gehalt an PC variierte > um das 3-fache ( 2A ). Die weniger häufig vorkommenden Lipide zeigten im Allgemeinen eine größere Variation zwischen den Stämmen. Zum Beispiel variierten Ceramid-Phosphatidylethanolamin (Cer-PE) und eine Phosphatidylinositol (PI)-Spezies 356-fach bzw. 2.199-fach (Fig. EV1) über die Stämme hinweg. Für jede Lipidklasse (Datensatz EV2) und einzelne Lipide (Datensatz EV3) werden zusammenfassende Statistiken wie die mittlere Häufigkeit und Varianz über die 279 Mäuse bereitgestellt. Nicht alle Lipidspezies variierten beträchtlich zwischen den Stämmen. Zum Beispiel zeigten Cer(34:2) und PC(34:1) im Vergleich zu anderen Lipiden (Datensatz EV3) eine minimale Abweichung relativ zum Mittelwert. Während die analytische Variation eindeutig zu diesen Beobachtungen beitragen kann, wurde eine höhere Variation zwischen geringeren Häufigkeiten über genetische Hintergründe hinweg für mehrere Omics-Messungen allgemein geschätzt und im Detail überprüft (Liu et al, 2016 ).

Abbildung 2. Genetische Variation des hepatischen Lipidoms im HMDP

  1. Die relative genetische Variation der hepatischen Lipidomzusammensetzung aller Lipide wurde im Verhältnis zum Gesamtlipidom quantifiziert. Jede Lipidklasse wird in einer anderen Farbe angezeigt, wobei Unterschiede zwischen den Stämmen beobachtet werden können.
  2. Heatmap mit Korrelationen zwischen verschiedenen Lipidspezies (x-Achse) und die Fülle an Darmmikroben (ja-Achse). Mikroben wurden auf den Ebenen der Ordnung (o_), Gattung (g_) oder Familie (f_) zusammengefasst. *P < 0,05, **P < 0,01 P-Werte wurden basierend auf der Signifikanz der Regression (Studententest) berechnet und für Mehrfachvergleiche angepasst (FDR = 0,05).

Abbildung EV1. Hochvariable Lipide innerhalb des HMDP

  • A, B. Ceramid-Phosphatidylethanolamin 36:2 (Cer-PE(36:2)) und Phosphatidylinositol 38:4 (PI(38:4)) sind Beispiele für Leberlipidspezies mit erheblichen Unterschieden zwischen den Mäusestämmen im HMDP . Cer-PE (36:2) zeigte gemessene Werte in 100 von 101 HMDP-Stämmen. PI (38:4) zeigte gemessene Werte in 81 von 101 HMDP-Stämmen.

Beziehungen zwischen Darmmikrobiota und Leberlipiden

In dieser Studie liefern wir mehrere Beispiele dafür, wie Analysen dieser Daten durchgeführt werden können, um auf neue biologische Mechanismen zu schließen, wobei die Korrelation am einfachsten ist. Die Analyse der Korrelationsstruktur ist zwar einfach, kann jedoch leistungsstark sein. Die Intuition für die Untersuchung der Korrelationsstruktur ist, dass die natürliche genetische Variation zu einer Verbreitung komplexer Wechselwirkungen geführt hat, aus denen neue Beziehungen (entweder kausal oder reaktiv) leicht abgeleitet werden können. Zum Beispiel ist wenig darüber bekannt, wie einzelne hepatische Lipidspezies durch die Zusammensetzung der Darmmikrobiota beeinflusst werden können. Daher führten wir Korrelationsanalysen durch, um genetische Beziehungen zwischen dem hepatischen Lipidom und der Zusammensetzung der Mikrobiota zu messen. Da beide Merkmale stark vererbbar zu sein scheinen, stellten wir die Hypothese auf, dass sowohl bekannte als auch neue Interaktionen identifiziert werden könnten (Parks et al, 2013 Org et al, 2015 Org et al, 2017). Diese Analysen zeigten, dass Cluster von TAGs stark mit der Häufigkeit von Ruminokokken, ein Zusammenhang, der bei der Progression von NAFLD zu nichtalkoholischer Steatohepatitis (NASH) beim Menschen beobachtet wurde (Boursier et al, 2016 Abb. 2B). Zusätzlich, Anaeroplasma, AF12, und Desulfovibrio zeigten negative Korrelationen mit vielen CL- und Lysophosphatidylcholin (LPC)-Spezies (Fig. 2B). Anaeroplasma wurde beim Menschen mit ungünstigen Lipidprofilen in Verbindung gebracht (Granado-Serrano et al, 2019 ), aber die zugrunde liegenden Mechanismen sind unklar. Desulfovibrio steigt im Darm an, wenn C57BL/6J-Mäuse nach einer Behandlung mit Streptozotocin und einer fettreichen Diät in Lebersteatose und NASH übergehen (Xie et al, 2016). Unseres Wissens hat keine frühere Studie einen Zusammenhang zwischen Anaeroplasma, AF12, und NAFLD. Unsere Analysen legen nahe, dass die Darmspiegel von Anaeroplasma, AF12, und Desulfovibrio könnte die Leberwerte mehrerer Leberlipide wie CL und LPC beeinflussen, diese Beziehungen erfordern jedoch direkte Experimente, um Direktionalität und Kausalität zu beweisen. Da viele Lipide stark miteinander korreliert waren, aggregierten wir als nächstes Lipidarten zu Modulen korrelierter Mitglieder unter Verwendung der gewichteten Gen-Co-Expressions-Netzwerkanalyse (WGCNA) (Langfelder & Horvath, 2008). Lipidspezies gruppierten sich in 12 diskrete Module, von denen einige überwiegend einer einzigen Klasse angehörten, während andere Lipide aus mehreren Klassen enthielten (Abb. EV2 und EV3, EV2 und EV3, Datensatz EV4). Die Mehrzahl der TAGs (36/47) und PCs (9/22) gruppiert sich beispielsweise zu einzelnen Modulen (Türkis bzw. Magenta). Die Modulmitgliedschaft für jedes Lipid aus dieser Analyse wird im Datensatz EV4 bereitgestellt. Wir haben auch die Beziehungen zwischen Mikrobiom-Abundanzprofilen und diesen Lipidmodulen untersucht (Abb. EV2). Dieser Ansatz zeigte, wie interkorrelierte Lipidgruppen die Beziehungen zu Darmbakterien besser informieren können. Zum Beispiel mehrere weniger häufig vorkommende Arten wie Adlerkreutzien und Desulfovibrio zeigten eine mäßige Korrelation mit einzelnen Lipidspezies, waren jedoch stark mit einem spezifischen Modul (rot, Abb. EV2) korreliert, das ausschließlich aus FFAs bestand. Während bei diesen Gattungen beobachtet wurde, dass sie sich im Zusammenhang mit entzündlichen Darmerkrankungen (Bajer et al, 2017 ) ist über ihre funktionale Rolle wenig bekannt.

Abbildung EV2. WGCNA-Analyse und Korrelationen mit Mikrobiota

WGCNA wurde durchgeführt, um zu analysieren, welche Lipide sich in Module aufteilen und mit der Häufigkeit von Mikrobiota korrelieren. Die Proben wurden zunächst durch hierarchisches Clustering angeordnet, um Ausreißer zu erkennen, wobei eine Höhe von 2.100 (rote Linie) als Cutoff für die Aufnahme verwendet wurde (oben links). Zur Analyse stehen auch skalenfreie Topologie (oben Mitte) und mittlere Konnektivität (oben rechts) zur Verfügung. Mikroben wurden auf den Ebenen der Ordnung (o), Gattung (g) oder Familie (f) zusammengefasst. Heatmap mit den Lipidmodulen (ja-Achse) und Korrelation mit der Art der Mikrobiomhäufigkeit (x-Achse). *P < 0,001. P-Werte wurden basierend auf der Signifikanz der Regression (Studententest) berechnet und für Mehrfachvergleiche angepasst (FDR = 0,05).

Abbildung EV3. Modulzugehörigkeit nach Lipidklasse. Heatmap mit der Anzahl der Lipide innerhalb einer Klasse pro Modul

WGCNA wurde durchgeführt, um zu analysieren, welche Lipide in Module unterteilt und mit Merkmalen korreliert sind (Körperfettanteil, Körpergewicht, HDL, LDL, Gesamtcholesterin der Leber, Lebermitochondrien, Gesamtphosphatidylcholesterin der Leber, freie Plasmafettsäuren, Plasmaglukose, Plasmainsulin und Plasmatriacylglycerin). Je dunkler die Farbe, desto mehr Lipide pro Modul, wobei die höchste Zugehörigkeit grau dargestellt ist. CE, Cholesterinester Cer, Ceramide CerPC, Ceramid Phosphatidylcholine Cer-PE, Ceramid-Phosphatidylethanolamine CL, Cardiolipine DiCer, Dihydroceramide FA, freie Fettsäuren GlcGP, Glycosylglycerophospholipide ISCerPC IS-Ceramid Phosphatidylcholine LPC PC, Phosphatidylcholine PE, Phosphatidylethanolamine PI, Phosphatidylinositole PS, Phosphatidylserine SP, Sphingolipide TAG, Triacylglycerine.

Koregulierte Lipide korrelieren stark mit phänotypischen Merkmalen

Als nächstes konzentrierten wir unsere WGCNA-Analyse spezifischer koregulierter Lipidmodule auf ihre Beziehungen zu klinischen Merkmalen. Wie oben angedeutet, wurden Lipide derselben Klasse im Allgemeinen über die HMDP-Stämme hinweg miteinander korreliert ( 3A ). Dies stimmt mit früheren Beobachtungen überein und war insbesondere bei TAGs (Jha et al, 2018a). Es gab auch mehrere Beispiele für starke Korrelationen zwischen Lipidklassen, wie Phosphatidylserin (PS), die mit Phosphatidylinositolen (PI) korrelieren, sowie Lysophosphatidylethanolamin (LPE) und LPC, die starke Korrelationen mit FFAs zeigen ( 3A ). Da die Analyse der Korrelationsstruktur zwischen Lipiden eine Schlüsselkomponente mehrerer Analysen ist, haben wir den mittelschweren Bikorrelationskoeffizienten und die entsprechenden P-Wert für alle Lipidpaare im Datensatz EV5. Um die durch die genetische Architektur getriebenen Beziehungen weiter zu untersuchen, wählten wir mehrere relevante phänotypische Merkmale aus und integrierten diese mit separaten Lipidspezies (Abb. 3B). Mehrere wichtige Lipide zeigten eine starke Korrelation mit Merkmalen, die mit früheren Studien übereinstimmen. Als Beispiele korrelierten die Spiegel einiger hepatischer Ceramide und PEs negativ mit den Plasmaglucosespiegeln bzw. dem Körperfettanteil ( 3B ). Diese Daten zeigen, dass genetische Variationen dazu führen können, dass sich Leberlipide innerhalb oder zwischen Klassen gruppieren und dass paarweise Beziehungen zwischen einzelnen Lipidarten und phänotypischen Merkmalen bestehen.

Abbildung 3. Genetische Lipidomstruktur und Korrelation mit phänotypischen Merkmalen

  1. Heatmap, die Korrelationen zwischen Leberlipiden zeigt.
  2. Heatmap, die die Konkordanz zwischen verschiedenen Lipidspezies zeigt (Klasse aufgeführt auf ja-Achse) und bestimmte phänotypische Merkmale der x-Achse.
  3. Ergebnisse von WGCNA-Analysen, bei denen Lipide in 12 Module unterteilt und anhand ihrer internen Korrelationen mit unterschiedlichen Farben gekennzeichnet wurden. Primäre Lipidklassen, die jedes Modul umfassen, werden als primäre Modulmitglieder aufgelistet, mit der Anzahl der Arten in jedem Modul/Gesamtzahl der nachgewiesenen Arten. Die Korrelationen zwischen jedem dieser Lipidmodule und relevanten phänotypischen Merkmalen werden als Heatmap dargestellt, wobei bicor (oben) und P-Wert (unten) aufgelistet. P-Werte wurden basierend auf der Signifikanz der Regression (Studententest) berechnet und für Mehrfachvergleiche angepasst (FDR = 0,05).

Um ein umfassendes Bild davon zu erhalten, wie sich Lipid-Untergruppen auf diese Merkmale beziehen können, haben wir zwei netzwerkbasierte Ansätze gewählt. Zunächst wurde eine korrelationsbasierte Netzwerkkarte erstellt, in der Verbindungen zwischen Komponenten durch die Stärke der Korrelation visualisiert werden können (Abb. EV4). Dieses kumulative Netzwerk zeigte, dass Merkmale des metabolischen Syndroms wie Körpergewicht und HOMA-IR stark mit mehreren Lipidspezies wie Cer-PE-Lipiden korreliert waren. Im Gegensatz dazu korrelierte die Plasmaglucosekonzentration stärker mit mehreren PC-Spezies (Abb. EV4). Als nächstes fragten wir, ob Lipidmodule, die von WGCNA (oben) identifiziert wurden, mit den gleichen Merkmalen korreliert sind. Die türkisfarbenen und magentafarbenen Module zeigten beide starke positive Korrelationen mit dem Körpergewicht und der Plasmainsulinkonzentration ( 3C ). Alle CLs (13/13) gruppierten sich zu einem einzigen Modul (blau), das eine negative Assoziation mit Lebercholesterin und Plasma-HDL, TAG und Glukose zeigte (Abb. 3C). Andere Module waren in ihrer Zusammensetzung vielfältiger, zeigten aber immer noch starke Korrelationen mit phänotypischen Merkmalen. Zum Beispiel enthielt das violette Modul Lipidspezies aus sieben verschiedenen Klassen (Fig. 3C). In Kombination zeigte dieses Modul signifikante Korrelationen mit dem Körpergewicht sowie Plasmainsulin und HDL (Abb. 3C). Zusammengenommen zeigen diese Daten, dass innerhalb eines breiten Netzwerks enge Verbindungen zwischen bestimmten Lipidspezies, globalen Lipidklassen und Merkmalen beobachtet werden können.

Abbildung EV4. Ungerichtetes Interaktionsnetzwerk zwischen Leberlipiden und indizierten phänotypischen Merkmalen bei 101 Mäusestämmen, die mit einer HF/HS-Diät gefüttert wurden

Knoten zeigen entweder einzelne Lipidspezies oder phänotypische Merkmale, wobei in der Abbildung Farbindikatoren angegeben sind. Kanten sind zwischen Knoten mit einer signifikanten Korrelation verbunden (P < 0,01), wobei der Abstand eine zunehmende Signifikanz der Korrelation widerspiegelt. P-Werte wurden basierend auf der Signifikanz der Regression (Studententest) berechnet und für Mehrfachvergleiche angepasst (FDR = 0,05) CE, Cholesterinester Cer, Ceramide CerPC, Ceramide Phosphatidylcholine Cer-PE, Ceramid-Phosphatidylethanolamine CL, Cardiolipine DiCer, Dihydroceramide FA, frei Fettsäuren GlcGP, Glycosylglycerophospholipide LPC, Lysophosphatidylcholine LPE, Lysophosphatidylethanolamine LPS, Lysophosphatidylserins PA, Phosphatidsäure PC, Phosphatidylcholine PE, Phosphatidylethanolamine PI, Phosphatidylinositole PS, Phosphatidylserine

Assoziationskartierung priorisiert Gene mit hoher Vertrauenswürdigkeit, die am hepatischen Fettstoffwechsel beteiligt sind

Genetische Loci, die die Lipidspiegel kontrollieren, wurden zuerst unter Verwendung von GWA identifiziert, und die in den Loci vorhandenen Gene wurden weiter auf Hinweise auf genetische Variation in der Genexpression untersucht. Wir haben zuvor eine genomweite Signifikanzschwelle von P = 4,1 × 10 −5 für das HMDP (Bennett et al, 2010). Unter Verwendung dieses Schwellenwerts identifizierten wir 407 quantitative Loci für 140 Lipidspezies (Datensatz EV6). Assoziationen zwischen genetischen Markern und Genexpressionsniveaus wurden durchgeführt, und lokale Expressions-Quotienten (lokaler eQTL), die vermutlich in cis, wurden identifiziert. Die Genexpression kann durch eine Kombination von sowohl cis- als auch trans-wirkenden Elementen kontrolliert werden. Gene, deren cis Komponenten der Genexpression mit Lipidspiegeln korreliert wurden als starke kausale Kandidaten angesehen (Datensatz EV7). Zum Beispiel wurde ein Locus für mehrere hepatische LPCs (Datensätze EV6 und EV7) mit einem Peak SNP rs27364570 (Abb. 4A) auch mit der cis-Komponente der Expression von . assoziiert Pex16 (Abb. 4B), die für den peroxisomalen Biogenesefaktor 16 kodiert. Pex16 die Expression korrelierte auch mit LPC-Spiegeln und bestimmten klinischen Merkmalen, einschließlich Fettmasse und Lebermasse ( 4C ). Mediationsanalyse unterstützt eine kausale Rolle für Pex16 (Abb. EV5). Mehrere Lipidloci beherbergten auch Gene, von denen zuvor bekannt war, dass sie am Lipidstoffwechsel beteiligt sind. Zum Beispiel eine Reihe von Genen, die an NAFLD-bezogenen Merkmalen beteiligt sind, wie der östrogenbezogene Rezeptor alpha (Esrra) (B'Chir et al, 2018 ), Netz 3 (Rtn3) (Xian et al, 2018) und Proproteinkonvertase Subtilisin/Kexin Typ 5 (PCsk5) (Iatan et al, 2009) waren alle innerhalb von Loci für verschiedene Leber-TAGs lokalisiert und zeigten einen lokalen eQTL, bei dem die cis-Komponente der Expression mit dem Lipid korrelierte (Datensatz EV7). Insgesamt haben wir 76 Loci identifiziert, deren cis Die Komponente der Genexpression korrelierte mit den Lipidspiegeln (55 einzigartige Lipidspezies), wie in Datensatz EV7 aufgeführt. Im Folgenden validieren wir zwei neue Regulatoren von Lipidspiegeln und metabolischen Merkmalen.

Abbildung 4. Leber Pex16 ist ein neuartiger Regulator von Leber-LPC

  1. Manhattan-Plot der genomweiten Assoziation für die Ebenen des hepatischen Pex16-Transkripts, wobei der einzige signifikante Locus direkt um die genomische Position herum erscheint (roter Pfeil). Signifikante Cutoffs sind für FDR (blau) und Bonferroni (rot) gezeigt. Der Peak-SNP (rs27364570) wird mit einem dunkelroten Kästchen hervorgehoben. Ja-Achse zeigt das −log10 (P-Wert) vs. x-Achse, die jeden gemessenen SNP zeigt. P-Werte für GWAS-Assoziationen wurden mit FaST-LMM berechnet.
  2. Allelverteilung im Vergleich von GG vs. TT (x-Achse) für den Peak-SNP der Pex16-Assoziation (rs27364570), wobei die Häufigkeit jeder LPC-Spezies (ja-Achse) zeigten je nach Allel signifikant unterschiedliche Werte. P-Werte für GWAS-Assoziationen wurden mit FaST-LMM berechnet. Boxplots zeigen den Mittelwert (mittlere Linie), 25–75 % Quantile (farbige Box) und 5–95 % Quantile (vertikale Linien).
  3. Korrelationen zwischen der Expression von hepatischem Pex16 mit LPC-Spezies und phänotypischen Merkmalen. Die Farbe des Kästchens zeigt den Bicor-Wert an, wobei alle Beziehungen positiv sind und die Zahl in jedem Kästchen angezeigt wird P-Wert für jede Korrelation. P-Werte wurden basierend auf der Signifikanz der Regression (Studententest) berechnet und für Mehrfachvergleiche angepasst (FDR = 0,05).

Abbildung EV5. Vermittlungsbeispiel

  1. GWAS für Leber-LPC (16:0), wobei der Locus auf Chr2 mit einem cis-eQTL für Pex16 vergleicht. Die rote Linie zeigt den Bonferroni-korrigierten Schwellenwert und die blaue zeigt einen FDR = 0,01 P- Signifikanzwert berechnet auf Basis von FaST-LMM P-Werte.
  2. Dieselbe GWAS wie in (A), mit Ausnahme des Hinzufügens von Expressionsniveaus von Pex16 als Kovariate zum linearen gemischten Modell. Der Ort auf Chr2 war in seiner Assoziation deutlich niedriger P-Wert.

Rolle von Karte2k6 bei der Kontrolle von hepatischem TAG (C48:2) und Reaktion auf eine HF/HS-Diät

TAGs waren die am häufigsten vorkommenden Leberlipide ( 2B ) und zeigten starke Korrelationen mit metabolischen Merkmalen ( 3B und C). Angesichts der klaren Rolle der TAG-Akkumulation bei Lebersteatose suchten wir nach genomischen Regionen, die mit mehreren TAG-Spezies assoziiert sind. Wir beobachteten, dass TAG(56:3), TAG(54:4), TAG(48:2), TAG(48:1) und TAG(48:0) alle ungefähr dem gleichen Bereich auf Chromosom 11 zugeordnet sind (Abb 5A, Datensatz EV2). Dieser Locus umfasste nur drei potenzielle Kandidatengene: ATP-bindende Kassettenunterfamilie A Mitglied 5 (Abca5), ATP-bindende Kassette Unterfamilie A Mitglied 6 (Abca6), und Mitogen-aktivierte Proteinkinase 6 (Karte2k6). Die Integration mit der hepatischen Genexpression ergab, dass Karte2k6 wurde geregelt in cis durch die gleichen Loci (Abb. B). Die Leberwerte von TAG (C48:2) zeigten ebenfalls eine signifikante Assoziation mit dem cis Bestandteil von Karte2k6 Ausdruck (Datensatz EV4). Weiterhin ist der Ausdruck von Karte2k6 korrelierte signifikant mit der Mehrheit der TAGs zusätzlich zu TAG(C48:2) (Abb. 5C). Es gab leider keine Sonden für Abca5 und Abca6 auf unserer Microarray-Plattform. Um die Hypothese zu testen, dass genetische Variation in der Karte2k6 Gen ursächlich für die Akkumulation von hepatischem TAG war, erhielten männliche C57BL/6J-Mäuse 1 × 10 12 PFU/Maus adeno-assoziiertes Virus (AAV), das entweder GFP oder . exprimiert Karte2k6 cDNAs unter einem Thyroid-bindenden Globulin (TBG)-Promotor und anschließend 8 Wochen lang mit einer HF/HS-Diät gefüttert (Fig. 5D). Die virale Verabreichung führte zu einem wesentlichen Anstieg der Leber-MAP2K6-Proteinspiegel im Vergleich zur GFP-Kontrolle (Fig. 5E). Die Leberlipide wurden quantifiziert, was eine signifikante Reduktion des Gesamt-TAG im AAV-Karte2k6 Gruppe (Abb. 5F). Darüber hinaus zeigten die PC-Spiegel in der Leber eine bescheidene, aber signifikante Verringerung der Karte2k6 Gruppe (Abb. 5G). Dieser neuartige regulatorische Mechanismus, der hepatische TAGs beeinflusst, schien auch für andere physiologische Ergebnisse relevant zu sein. Überexpression von Karte2k6 die Zunahme des Körperfettanteils, die typischerweise mit einer HF/HS-Diät verbunden ist (Fig. 5H), sowie eine verringerte Hochregulierung der Plasmakonzentrationen von Glukose (Fig. 5I) und Insulin (Fig. 5J) signifikant abgeschwächt wurde.

Abbildung 5. Map2k6 reguliert hepatische TAG-Spiegel und verbessert das Stoffwechselprofil

  • A. Manhattan-Plot der genomweiten Assoziation für TAG (48:2). Die rote Linie zeigt die Bonferroni-korrigierte Signifikanzschwelle, die basierend auf FaST-LMM . berechnet wurde P-Werte.
  • B. LocusZoom-Plots, die die fokussierte genomische Region (x-Achse) aufgetragen gegen die −log10 (P-Wert) der Assoziation für die Leber-mRNA-Expression von Map2k6. P-Werte für GWAS-Assoziationen wurden mit FaST-LMM berechnet.
  • C. Korrelationen zwischen der hepatischen Expression von Map2k6 und allen in der Studie identifizierten TAGs. Blau steht für negative Korrelationen.
  • D. Experimentelles Design zur Validierung von Map2k6 als Regulator von hepatischen TAGs und phänotypischen Merkmalen, die sich dadurch veränderten.
  • E. Western-Blots von Leberhomogenat unter Verwendung von Anti-Map2k6 und Anti-β-Aktin.
  • F. Vergleich des gesamten hepatischen TAG zwischen Map2k6-überexprimierenden Mäusen (schwarzer Balken) und Kontrollmäusen (leerer Balken).
  • G. Unterschiede in Gesamtphospholipid (PC), Gesamtcholesterin (TC) und unverestertem Cholesterin (UC) zwischen Map2k6-überexprimierenden Mäusen (schwarze Balken) und Kontrollmäusen (leere Balken).
  • H. Körperfettanteil beider Versuchskohorten vor (Woche 0) oder 8 Wochen auf einer HF/HS-Diät.
  • I, J. Plasmakonzentration von Glukose (I) und Insulin (J) am Ende der 8-wöchigen Studie.

Dateninformationen: *P < 0,05, **P < 0,01, ***P < 0,001 berechnet für die Signifikanz der Korrelation (C) oder ein Student T-Test zwischen Gruppen (F–J). Daten repräsentieren Mittelwerte ± SEM (n = 10 Kontrollmäuse und 7 Map2k6-überexprimierende Mäuse). P-Werte wurden basierend auf der Signifikanz der Regression (Studententest) berechnet und für Mehrfachvergleiche angepasst (FDR = 0,05).

Interferon-aktivierbares Protein 203 (Ifi203) beeinflusst den PC(C38:3)-Spiegel in der Leber

Wir identifizierten einen Locus (Spitze SNP bei rs31614030), der signifikant mit der Expression eines proximalen Gens, des Interferon-aktivierbaren Proteins 203 (Ifi203), Leber-PC(C38:3)-Spiegel und Plasmainsulinkonzentrationen (Abb. 6A–D). Darüber hinaus wurde eine starke Korrelation zwischen den PC(C38:3)-Werten beobachtet, Ifi203 Expression und Insulinkonzentration (Abb. 6E–G). Während andere Gene (einschließlich Interferon-aktivierbarer Familienmitglieder) innerhalb desselben Locus starke Assoziationen mit dem Peak-SNP zeigten, wenn auch nicht so signifikant, Ifi203 war die einzige, die auch in Richtungen korrelierte, die mit den genetischen Effekten übereinstimmten. Die umgebende Genomansicht des Locus und P-Werte aller auf unseren Arrays nachgewiesenen Gene sind in Abb. EV6 dargestellt. Als nächstes untersuchten wir die Wirkung von Ifi203 Knockdown auf Leberlipidspiegel und Plasmainsulin in vivo (Abb. 6H). Mäuse wurden 4 Wochen lang mit einer HF/HS-Diät gefüttert, um eine Lebersteatose zu induzieren, dann wurde ein Adenovirus (2 × 10 9 PFU/Maus) verabreicht, das entweder eine verschlüsselte Kontrolle oder ein shRNA-Targeting enthielt Ifi203 Expression unter einem ubiquitären CMV-U6-Promotor (Su et al, 2008). Der Vektor mit sh-Ifi203 führte zu a

60% Reduktion in Ifi203 mRNA-Expression (Fig. 6I) und eine signifikante Erhöhung der gesamten hepatischen PC-Spiegel (Fig. 6J). Um mögliche Verbindungen zwischen Ifi203 and PC concentrations, we monitored gene expression of enzymes involved in synthesis or catabolism of PC in livers of the same mice. We observed a significant increase in mRNA expression of liver phosphatidylethanolamine N-methyltransferase (Pemt) when Ifi203 was knocked down (Fig 6K). Given that the primary function of Pemt is to catalyze conversion of PE to PC by sequential methylation in the liver, this seems a plausible mechanism for regulating total PC levels. Although not statistically significant (possibly due to the limited time of adenoviral expression or degree of knockdown), mice receiving the sh-Ifi203 virus trended toward higher levels of total hepatic TAG levels (Fig 6L) and plasma insulin concentration (Fig 6M).

Figure 6. Ifi203 regulates hepatic PC levels

  • A. Manhattan plot of genome-wide association for expression of Ifi203 in liver. Red line shows Bonferroni-corrected threshold, and blue shows an FDR = 0.01 P-value of significance calculated based on FaST-LMM P-Werte.
  • B–D. Allelic variation plots showing the peak SNP for Ifi203 expression (rs31614030) at the CC or TT allele (x-axis) plotted against expression of Ifi203 (B), levels of hepatic PC(38:3) (C), and plasma insulin levels (D). Red line shows Bonferroni-corrected threshold, and blue shows an FDR = 0.01 P-value of significance calculated based on FaST-LMM P-Werte.
  • E–G. Correlation between the parameters listed above showing significant relationships between hepatic Ifi203 and PC(38:3) (E), hepatic Ifi203 and plasma insulin levels (F) or PC (38:3) and plasma insulin (G). P-values were calculated based on significance of regression (Student’s test) and adjusted for multiple comparisons (FDR = 0.05).
  • H. Experimental design for validation of Ifi203 as a regulator of total hepatic PC levels on a HF/HS diet.
  • I–M. Mice receiving the control virus (open bars) or shIfi203 (black bars) were analyzed for liver expression of Ifi203 (I), total PC levels in liver (J), expression of Pemt (K), total liver TAG content (L), or plasma insulin levels (M). P-values calculated using a Student T-test between groups. Data represent means ± SEM (n = 4–5 per group).

Figure EV6. Ifi203 Locus data

  1. Genome browser view of locus containing the peak SNP (rs3161403) for hepatic PC(C38:3) and surrounding genes.
  2. Fast-LMM cis-eQTL P-value and SNP weight for each gene observed in (A) and detected in liver expression arrays. The list is ordered by increasing P-value of association. P-values of significance calculated based on FaST-LMM P-Werte.

Cholesterol 101

In order to understand high cholesterol, it can be helpful to know a bit more about the types of cholesterol and what they do.

Cholesterol can't dissolve in blood on its own. So the body packages it (along with fat) into tiny, protein-covered particles called lipoproteins, according to Harvard Health Publishing. This allows cholesterol to mix into the blood and travel throughout the body. Cholesterol is crucial for building cells. It's also important for making hormones (including estrogen and testosterone), vitamin D and substances needed for digestion.

There are two types of cholesterol you should know about: low-density lipoproteins (LDL) and high-density lipoproteins (HDL).

LDL cholesterol is often called "bad" cholesterol, per the AHA. If there is too much LDL in the body, it can join with other substances and create thick deposits in the arteries. These deposits — called plaque — can cause the arteries to become narrow and rigid, restricting the flow of oxygen-rich blood throughout the body. This condition is called atherosclerosis and can eventually lead to a heart attack or stroke.

HDL, on the other hand, helps prevent plaque build up. The Harvard T. H. Chan School of Public Health describes HDL cholesterol as tiny garbage trucks. It moves through the bloodstream and picks up excess LDL from the blood and arterial walls before returning it to the liver for disposal.


Obesity

What Does High Enzymes Mean?

The World Health Organization states that as of 2010, more than 65 percent of adult females and more than 80 percent of adult males in the United States are either overweight or obese 3. Obesity, defined as excess body fat with a body mass index of 30 or greater, is an epidemic that contributes to heart disease, stroke, diabetes and cancer. Added body fat increases your cholesterol level. MayoClinic.com notes that losing even 5 to 10 lbs. can reduce your cholesterol levels. Excess body fat also affects your liver function and causes liver enzymes to increase.

  • The World Health Organization states that as of 2010, more than 65 percent of adult females and more than 80 percent of adult males in the United States are either overweight or obese 3.
  • Excess body fat also affects your liver function and causes liver enzymes to increase.

For cholesterol study volunteer, an unsettling discovery in a Wissenschaft paper: herself

When I first meet Rita Woidislawsky at La Colombe, her favorite coffee shop steps from Philadelphia, Pennsylvania’s upscale Rittenhouse Square, she’s effusive and bracingly direct—hugging patrons she knows, waving to baristas, and quickly finding the one table that’s about to free up. She’s dressed in workout clothes and delights in looking younger than her 68 years, with curly hair and an Israeli accent that’s lingered since she emigrated in her late teens.

Hidden from view is what attracted world-renowned scientists to Woidislawsky, and why she and I are together now: her unusually elevated high-density lipoprotein (HDL), or “good” cholesterol, and her decision about 5 years ago to join a research project that’s studying people like her. Like millions of volunteers who give blood and a few hours of their time to scientists, the project had barely registered on her radar over the past couple years. And then last month came a startling discovery.

After a chance encounter with the lead scientist, she learned that the research group had published a paper in Wissenschaft in which her case figured prominently (although only her age at the time of most recent data collection—67—was listed). Googling at home on her computer, she found my 6-week-old news story about the paper and read it with mounting alarm. My story began: “The 67-year-old woman had sky-high high-density lipoprotein (HDL), the form of cholesterol long seen as protective against heart disease, and yet her arteries were lined with plaque.” Displayed above this opener was a generically captioned stock photo of clogged arteries, which Woidislawsky mistakenly assumed were her own, because the study had included an arterial ultrasound. “My heart doesn’t look so good” was one of the first things she said to me, referring to the photo that wasn’t her heart at all.

As I detailed in my story and was also reported in The Philadelphia Inquirer and elsewhere, the researchers suspected that the high HDL Woidislawsky had always been proud of might be deleterious. They traced it to an extraordinarily rare gene mutation she carried, which they hypothesized made it more difficult for her liver to siphon HDL cholesterol out of the circulation. This, in turn, they suggested, could lead to an increased risk of plaque—and indeed, the paper reported, Woidislawsky had somewhat more arterial plaque than would be expected for someone her age.

All of this was news to Woidislawsky. A Ph.D. psychologist who treats young women with eating disorders, she was distressed and began hunting down and emailing HDL researchers all over the world in an attempt to learn more about her unusual biology.

She was also, I realized, at the nexus of two distinct quandaries in clinical research. What health information do researchers owe the volunteers in their studies, especially when it’s not clear what it means and whether or how to act on it? And should researchers notify volunteers of publications in which their individual story is chronicled, even if it’s impossible for others to identify them from what’s written? Woidislawsky’s experience shows that “the risks of publishing information about people are not just privacy,” says Christine Grady, chief of the bioethics department at the National Institutes of Health Clinical Center in Bethesda, Maryland. “They might learn something about themselves that they didn’t know.”

An HDL champion

Woidislawsky was in her 40s when she found out she had high HDL. Eventually it climbed to 152, about triple the norm. “It was always very fascinating,” she says. “I was sort of proud, wow, here I am walking around with high HDL, it’s very unusual.”

Her doctor at the time agreed, and suggested she connect with a research group at the nearby University of Pennsylvania (UPenn). In recent years HDL has been a source of confusion among biologists. Although high levels are associated with less heart disease, drugs that raise HDL have failed in clinical trials. Researchers know they’re missing something, and hope that people like Woidislawsky can help them understand what that might be.

I was hoping that the 67 y ear old woman was not me.

Rita Woidislawsky

“We didn’t really anticipate that we would get any results genetically that would be in any way relevant to the person’s health,” says Daniel Rader, the well-respected geneticist and lipidologist who leads the UPenn team. “When we started this study,” about 15 years ago, “that was absolutely the belief -- these people with high HDL, what a lucky thing to have, if we could only understand what causes this, we’d have great new insights.”

Rader was eager to include Woidislawsky in his genetics study. She signed the necessary forms, and a couple of researchers arrived on her doorstep to draw blood. DNA sequencing revealed a mutation in a gene called SCARB1, but, as is the custom of this group and many others, Woidislawsky wasn’t told because no one knew what, if anything, the mutation meant. Instead, the research team reached out to her again and asked whether she would be willing to undergo an ultrasound of her carotid arteries. She readily agreed.

Woidislawsky soon forgot all about the study. Then, sometime around early March, she says she ran into Rader at her usual haunt, La Colombe. The two chatted amiably, and she mentioned she had recently been diagnosed with high blood pressure. Rader suggested she make an appointment with him. (Her physician at UPenn had left the practice, and he offered to fill in.) The HDL study didn’t come up, she recalls.

But it was about to be published, along with news stories in several outlets. Woidislawsky had been the only person in the world whom Rader’s team could find with two copies of a mutation in the SCARB1 gene, one inherited from each parent. The scientists identified about 300 others with one copy.

Rader was uncertain what, if anything, to share with Woidislawsky. On 11 March, weeks before their appointment, he sent her an email. “I wanted to let you know that our manuscript describing the gene variant we found in you was published today in the journal Wissenschaft,” he wrote. “It was written up in today’s Inquirer! You might want to take a look.” He added, “I can’t thank you enough for your gracious participation in our study.”

The message didn’t make much impression on Woidislawsky. It was the first she’d heard about having a gene variant, but she figured it had been found in thousands of other people, too. She read an account of the work in The Philadelphia Inquirer but didn’t connect its message—that high HDL in certain cases could be problematic—to herself. She assumed the 67-year-old woman with plaque in her arteries couldn’t possibly be her.

She sent Rader an email: “I never think of myself as a Narcissist but I was hoping that the 67 year old woman was not me. You will explain more about the results when I see you.”

Several weeks later, Rader did. On a Friday in late April, she arrived at his office for her appointment. There, because she’d asked, he broke the news that she was the woman in the article. “And let me talk about what it means for you,” Rader recalls saying. He assured her that he felt she had nothing to worry about, but because of the modest increase in arterial plaque, he prescribed Crestor, a cholesterol-lowering drug, as a precaution.

Woidislawsky struggled to process this turn of events. “I was sad,” she says. “I was so startled.” She didn’t know what to say, and could only wonder how she had “clogged arteries” but was so outwardly healthy, a devotee of pilates, yoga, weight-lifting, and aerobics.

“After the appointment, that weekend that’s all I wanted to talk about,” she says. “I researched more about the genetics, those mutations. … I want to know what else I can do that I don’t do” to protect her health. Her two adult daughters were shocked by the revelation. They are considering getting tested for the same genetic variant, about which almost nothing is known.

Lessons all around

Woidislawsky’s story holds lessons for researchers like Rader, for the ethicists who guide them, and even, I came to believe, for journalists like myself who communicate new findings. “In general, we don’t do a good job of giving people who have volunteered in research any feedback on the study,” says Grady, who urges, “give people results more often, even in the aggregate.” Grady wonders, too, whether research volunteers understand that a primary goal of scientists is to publish their results. “There’s a lot of consent forms that don’t say anything about publication,” Grady says.

Woidislawsky stresses that she likes Rader and doesn’t want a negative article about him. That said, she sensed that the scientists were there when she had something they wanted -- but not when the converse was true. “They call you lots of times to get the bloodwork and they’re at your doorstep, but when it’s time to really say what’s it all about, they’re gone,” she says.

Because Woidislawsky was singled out in the paper, Grady says, it “seems respectful” to share that with her. Had there been even one or two others with two mutated copies of the gene, “it would be different. … The information would be less directly about her.”

Rader now says he’d been uncertain how to address the situation. Although not a case study, “this article was so sort of dependent on the initial discovery of her,” he says. He wondered “if the right thing is to let her know that the article is about her. … On the other hand, a case can be made that it’s reporting research results that the person didn’t sign up” to learn about. The consent form Woidislawsky signed said nothing about returning results, whether they were published or not.

Journals don’t offer much guidance. When it comes to case studies, some, like Das Journal der American Medical Association und The BMJ, require that the subject sign off on it prior to publication—but only if he or she can be identified from the manuscript, which wasn’t the case for Woidislawsky. Wissenschaft has no specific guidelines for case studies.

Today, researchers increasingly lean toward returning medically relevant findings, and the studies Rader runs now include a question for those enrolling: Do you want to know of any findings that may be of interest to you? But even under these guidelines, would the findings about Woidislawsky have met the bar for return? When it comes to the SCARB1 mutation, probably not it isn’t on the list of 56 genes that the American College of Medical Genetics and Genomics suggests giving back to study volunteers. And “everybody has plaque in their arteries,” points out Barbara Koenig, a medical anthropologist at the University of California, San Francisco, who studies the return of research results.

“I really think we need to start a much bigger conversation about this and get some collective ideas from patients about how to handle this,” Koenig says. “The patients want to be partners,” and Koenig’s work has shown that most want “everything back—they don’t care if it’s uncertain,” which is something that worries her because those findings can be so difficult to interpret.

Woidislawsky found my news story, and me, a few days after her appointment with Rader. She wanted to know whether I could connect her with other researchers in the field. As our conversation progressed and we made plans to meet, she grew intrigued by the idea of publicly sharing her story. And I began considering the lessons her tale might hold for journalists. Despite singling her out in the research paper, the authors were relatively circumspect about her cardiac health. They wrote that the thickness of her carotid artery wall was above the 75th percentile for women her age (which doesn’t necessarily indicate a blockage), and that she had “detectable plaque” in the left internal carotid artery. “I was cognizant that this was an n of 1,” Rader told me last week, “and that the carotid plaque was not that impressive.” The paper also included a wealth of other data, like mouse studies.

I began to wonder, as we talked and I felt a powerful urge to reassure her, whether my news story had overplayed Woidislawsky’s individual tale in order to more dramatically suggest that HDL might not always be advantageous. Other reporters had gravitated to this narrative as well. One story described Woidislawsky as a “Jewish grandma” and said that despite high HDL, “her arteries are still as thick and gummed up as an old rusty pipe.” What was in the press about her coronary arteries was enough to induce palpitations in anyone.

In fact, several HDL researchers to whom Woidislawsky reached out assured her that the findings are preliminary and that she should follow the usual directive: exercise and control low-density lipoprotein cholesterol. “Stick with the red wine and exercise—I think you will be fine!” one researcher not involved in Rader’s study told her, when she explained how much she loved red wine and that she hoped she wouldn’t have to give it up.

Rader now plans to see Woidislawsky again soon, recognizing that she needs more reassurance and whatever additional information he can offer. She’s planning on a cardiac stress test, and hopes that his earlier promise stays true. “I said to Dr. Rader, ‘When am I going to have a heart attack?’” she tells me. “And he said, ‘Not before 100.’”


Why Cholesterol May Not Be the Cause Of Heart Disease

WE HAVE ALL BEEN LED TO to believe that cholesterol is bad and that lowering it is good. Because of extensive pharmaceutical marketing to both doctors and patients we think that using statin drugs is proven to work to lower the risk of heart attacks and death.

But on what scientific evidence is this based, what does that evidence really show?

Roger Williams once said something that is very applicable to how we commonly view the benefits of statins. “There are liars, damn liars, and statisticians.”

We see prominent ads on television and in medical journals — things like 36% reduction in risk of having a heart attack. But we don’t look at the fine print. What does that REALLY mean and how does it affect decisions about who should really be using these drugs.

Before I explain that, here are some thought provoking findings to ponder.

  • If you lower bad cholesterol (LDL) but have a low HDL (good cholesterol) there is no benefit to statins. (ich)
  • If you lower bad cholesterol (LDL) but don’t reduce inflammation (marked by a test called C-reactive protein), there is no benefit to statins. (ii)
  • If you are a healthy woman with high cholesterol, there is no proof that taking statins reduces your risk of heart attack or death. (iii)
  • If you are a man or a woman over 69 years old with high cholesterol, there is no proof that taking statins reduces your risk of heart attack or death. (NS)
  • Aggressive cholesterol treatment with two medications (Zocor and Zetia) lowered cholesterol much more than one drug alone, but led to more plaque build up in the arties and no fewer heart attacks. (v)
  • 75% of people who have heart attacks have normal cholesterol
  • Older patients with lower cholesterol have higher risks of death than those with higher cholesterol. (vi)
  • Countries with higher average cholesterol than Americans such as the Swiss or Spanish have less heart disease.
  • Recent evidence shows that it is likely statins’ ability to lower inflammation it what accounts for the benefits of statins, not their ability to lower cholesterol.

So for whom do the statin drugs work for anyway? They work for people who have already had heart attacks to prevent more heart attacks or death. And they work slightly for middle-aged men who have many risk factors for heart disease like high blood pressure, obesity, or diabetes.

So why did the 2004 National Cholesterol Education Program guidelines expand the previous guidelines to recommend that more people take statins (from 13 million to 40 million) and that people who don’t have heart disease should take them to prevent heart disease. Could it have been that 8 of the 9 experts on the panel who developed these guidelines had financial ties to the drug industry? Thirty-four other non-industry affiliated experts sent a petition to protest the recommendations to the National Institutes of Health saying the evidence was weak. It was like having a fox guard the chicken coop.

People with the lowest cholesterol as they age are in fact at highest risk of death. Under certain circumstances, higher cholesterol can actually help increase life span.

It’s all in the spin. The spin of the statistics and numbers. And it’s easy to get confused. Let me try to clear things up.

When you look under the hood of the research data you find that the touted 󈬔% reduction” means a reduction of the number of people getting heart attacks or death from 3% to 2% (or about 30-40%).

And that data also shows that treatment only really works if you have heart disease already. In those who DON’T have documented heart disease, there is no benefit.

In those at high risk for heart disease about 50 people would need to be treated for 5 years to reduce one cardiovascular event. Just to put that in perspective: If a drug works, it has a very low NTT (number needed to treat). For example, if you have a urine infection and take an antibiotic, you will get near a 100% benefit. The number needed to treat is 𔄙”. So if you have an NTT of 50 like statins do for preventing heart disease in 75% of the people who take them, it is basically a crap shoot.

Yet at a cost of over $28 billion a year, 75% of all statin prescriptions are for exactly this type of unproven primary prevention. Simply applying the science over 10 years would save over $200 billion. This is just one example of reimbursed but unproven care. We need not only prevent disease but also prevent the wrong type of care.

If these medications were without side effects, then you may be able to justify the risk – but they cause muscle damage, sexual dysfunction, liver and nerve damage and other problems in 10-15% of patients who take them. Certainly not a free ride.

So if lowering cholesterol is not the great panacea that we thought, how do we treat heart disease, and how do we get the right kind of cholesterol – high HDL, low LDL and low triglycerides and have cholesterol particles that are large, light and fluffy rather than small, dense and hard, which is the type that actually causes heart disease and plaque build up.

We know what causes the damaging small cholesterol particles. And it isn’t fat in the diet. It is sugar. Sugar in any form or refined carbohydrates (white food) drives the good cholesterol down, cause triglycerides to go up, creates small damaging cholesterol particles, and causes metabolic syndrome or pre-diabetes. That is the true cause of most heart attacks, NOT LDL cholesterol.

One of the reasons we don’t hear about this is because there is no good drug to raise HDL. Statin drugs lower LDL — and billions are spent advertising them, even though they are the wrong treatment.

If you’re like most of the patients I see in my practice, you’re convinced that cholesterol is the evil that causes heart disease. You may hope that if you monitor your cholesterol levels and avoid the foods that are purported to raise cholesterol, you’ll be safe from America’s number-one killer.

We are all terrified of cholesterol because for years well-meaning doctors, echoed by the media, have emphasized what they long believed is the intimate link between cholesterol and death by heart disease. If only it were so simple!

The truth is much more complex.

Cholesterol is only one factor of many — and not even the most important — that contribute to your risk of getting heart disease.

First of all, let’s take a look at what cholesterol actually is. It’s a fatty substance produced by the liver that is used to help perform thousands of bodily functions. The body uses it to help build your cell membranes, the covering of your nerve sheaths, and much of your brain. It’s a key building block for our hormone production, and without it you would not be able to maintain adequate levels of testosterone, estrogen, progesterone and cortisol.

So if you think cholesterol is the enemy, think again. Without cholesterol, you would die.

In fact, people with the lowest cholesterol as they age are at highest risk of death. Under certain circumstances, higher cholesterol can actually help to increase life span.

In reality, the biggest source of abnormal cholesterol is not fat at all — it’s sugar. The sugar you consume converts to fat in your body. And the worst culprit of all is high fructose corn syrup.

To help clear the confusion, I will review many of the cholesterol myths our culture labors under and explain what the real factors are that lead to cardiovascular disease.

Cholesterol Myths

One of the biggest cholesterol myths out there has to do with dietary fat. Although most of us have been taught that a high-fat diet causes cholesterol problems, this isn’t entirely true. Here’s why: The type of fat that you eat is more important than the amount of fat. Trans fats or hydrogenated fats and saturated fats promote abnormal cholesterol, whereas omega-3 fats and monounsaturated fats actually improve the type and quantity of the cholesterol your body produces.

In reality, the biggest source of abnormal cholesterol is not fat at all — it’s sugar. The sugar you consume converts to fat in your body. And the worst culprit of all is high fructose corn syrup.

Consumption of high fructose corn syrup, which is present in sodas, many juices, and most processed foods, is the primary nutritional cause of most of the cholesterol issues we doctors see in our patients.

So the real concern isn’t the amount of cholesterol you have, but the type of fats and sugar and refined carbohydrates in your diet that lead to abnormal cholesterol production.

Of course, many health-conscious people today know that total cholesterol is not as critical as the following:

  • Your levels of HDL “good” cholesterol vs. LDL “bad” cholesterol
  • Your triglyceride levels
  • Your ratio of triglycerides to HDL
  • Your ratio of total cholesterol to HDL

Many are also aware that there are different sizes of cholesterol particles. There are small and large particles of LDL, HDL, and triglycerides. The most dangerous are the small, dense particles that act like BB pellets, easily penetrating your arteries. Large, fluffy cholesterol particles are practically harmless–even if your total cholesterol is high. They function like beach balls and bounce off the arteries, causing no harm.

Another concern is whether or not your cholesterol is rancid. If so, the risk of arterial plaque is real.

Rancid or oxidized cholesterol results from oxidative stress and free radicals, which trigger a vicious cycle of inflammation and fat or plaque deposition under the artery walls. That is the real danger: When small dense LDL particles are oxidized they become dangerous and start the build up of plaque or cholesterol deposits in your arteries.

Now that we’ve explored when and how cholesterol becomes more problematic, let’s take a look at other factors that play a more significant role in cardiovascular disease.

Prime Contributors to Cardiovascular Disease

First of all, cardiovascular illness results when key bodily functions go awry, causing inflammation, (vii) imbalances in blood sugar and insulin and oxidative stress.

To control these key biological functions and keep them in balance, you need to look at your overall health as well as your genetic predispositions, as these underlie the types of diseases you’re most likely to develop. It is the interaction of your genes, lifestyle, and environment that ultimately determines your risks — and the outcome of your life.

This is the science of nutrigenomics, or how food acts as information to stall or totally prevent some predisposed disease risks by turning on the right gene messages with our diet and lifestyle choices. That means some of the factors that unbalance bodily health are under your control, or could be.

These include diet, nutritional status, stress levels, and activity levels. Key tests can reveal problems with a person’s blood sugar and insulin, inflammation level, level of folic acid, clotting factors, hormones, and other bodily systems that affect your risk of cardiovascular disease.

Particularly important are the causes if inflammation, which are many, and need to be assessed. Inflammation can arise from poor diet (too much sugar and trans and saturated fats), a sedentary lifestyle, stress, autoimmune disease, food allergies, hidden infections such as gum disease, and even toxins such as mercury. All of these causal factors need to be considered anytime there is inflammation.

Combined together, all of these factors determine your risk of heart disease. And I recommend that people undergo a comprehensive medical evaluation to see what their risk really is.

Zeroing in on Key Factors for Heart Disease

There’s no doubt about it, inflammation is key contributor to heart disease. A major study done at Harvard found that people with high levels of a marker called C-reactive protein (CRP) had higher risks of heart disease than people with high cholesterol. Normal cholesterol levels were NOT protective to those with high CRP. The risks were greatest for those with high levels of both CRP and cholesterol.

Another predisposing factor to heart disease is insulin resistance or metabolic syndrome, which leads to an imbalance in the blood sugar and high levels of insulin. This may affect as many as half of Americans over age 65. Many younger people also have this condition, which is sometimes called pre-diabetes.

Although modern medicine sometimes loses sight of the interconnectedness of all our bodily systems, blood sugar imbalances like these impact your cholesterol levels too. If you have any of these conditions, they will cause your good cholesterol to go down, while your triglycerides rise, which further increases inflammation and oxidative stress. All of these fluctuations contribute to blood thickening, clotting, and other malfunctions — leading to cardiovascular disease.

What’s more, elevated levels of a substance called homocysteine (which is related to your body’s levels of folic acid and vitamins B6 and B12) appears to correlate to cardiovascular illness. Although this is still somewhat controversial, I often see this inter-relationship in my practice. While genes may play a part, tests done as part of a comprehensive evaluation of cardiac risk can easily ascertain this factor. Where problematic levels occur, they can be easily addressed by adequate folic acid intake, along with vitamins B6 and B12.

Testing for Cardiovascular Risk Factors

Heart disease is not only about cholesterol. It is important to look at many factors that contribute to your overall risk. And it seems that insulin and blood sugar imbalances, and inflammation are proving to be more of a risk that cholesterol.

If you want to test your overall risk, you can consider asking your doctor to perform the following tests:

  1. Total cholesterol, HDL cholesterol, LDL cholesterol, and triglycerides. Your total cholesterol should be under 200. Your triglycerides should be under 100. Your HDL should be over 60. Your LDL should be ideally under 80. Your ratio of total cholesterol to HDL should be less than 3.0. Your ratio of triglycerides to HDL should be no greater than 4, which can indicate insulin resistance if elevated.
  2. NMR Lipid Profile. This looks at your cholesterol under an MRI scan to assess the size of the particles, which can determine your cardiovascular risk. This is a very important test that can further differentiate the risk of your cholesterol and can be an important factor to track as your system improves and your cholesterol transforms from being small dense and dangerous to light and fluffy and innocuous. It is done by a company called Liposcience and is also available through LabCorp.
  3. Glucose Insulin Tolerance Test. Measurements of fasting and 1 and 2 hour levels of glucose AND insulin helps identify pre-diabetes and excessively high levels of insulin, and even diabetes. Most doctors just check blood sugar and NOT insulin, which is the first thing to go up. By the time your blood sugar goes up, the train has left the station.
  4. Hemoglobin A1c. This measures your average blood sugar level over the last 6 weeks. Anything over 5.5 is high.
  5. Cardio C-reactive protein. This is a marker of inflammation in the body that is essential to understand in the context of overall risk. Your C-reactive protein level should be less than 1.
  6. Homocysteine. Your homocysteine measures your folate status and should be between 6 and 8.
  7. Lipid peroxides or TBARS test, which looks at the amount of oxidized or rancid fat. This should be within normal limits of the test and indicates whether or not you have oxidized cholesterol.
  8. Fibrinogen, which is another test looking at clotting in the blood. It should be less than 300.
  9. Lipoprotein (a), which is another factor that can promote the risk of heart disease, often in men. It should be less than 30.
  10. Genes or SNPs may also be useful in terms of assessing your situation. A number of key genes regulate cholesterol and metabolism, including Apo E genes and the cholesterol ester transfer protein gene. The MTHFR gene, which regulates homocysteine is also important and may be part of an overall workup.
  11. Get a high-speed CT or (EBT) scan of the heart if you are concerned that you have cardiovascular disease. This may be helpful to assess overall plaque burden and calcium score. A score higher than 100 is a concern, and a score higher than 400 indicates severe risk of cardiovascular disease.

Next I will review how to lower your risk of heart disease and fix your cholesterol. We’ll do this not by lowering the LDL, but by getting more light and fluffy LDL particles, which are protective and more HDL cholesterol, which is THE most important cholesterol.

Now I’d like to hear from you…

Have you been told that you need to lower your cholesterol?

If so, what were your told to do and how does that compare to what you’ve read here?

Does any of what you’ve read here come as a surprise?

Please share your thoughts by adding a comment below.

(i) Barter P, Gotto AM, LaRosa JC, Maroni J, Szarek M, Grundy SM, Kastelein JJ, Bittner V, Fruchart JC Treating to New Targets Investigators. HDL cholesterol, very low levels of LDL cholesterol, and cardiovascular events. N Engl J Med. 2007 Sep 27357(13):1301-10.

(ii) Ridker PM, Danielson E, Fonseca FA, Genest J, Gotto AM Jr, Kastelein JJ, Koenig W, Libby P, Lorenzatti AJ, MacFadyen JG, Nordestgaard BG, Shepherd J, Willerson JT, Glynn RJ JUPITER Study Group. Rosuvastatin to prevent vascular events in men and women with elevated C-reactive protein. N Engl J Med. 2008 Nov 20359(21):2195-207.

(iii) Abramson J, Wright JM. Are lipid-lowering guidelines evidence-based? Lanzette. 2007 Jan 20369(9557):168-9

(v) Brown BG, Taylor AJ Does ENHANCE Diminish Confidence in Lowering LDL or in Ezetimibe? Engl J Med 358:1504, April 3, 2008 Editorial

(vi) Schatz IJ, Masaki K, Yano K, Chen R, Rodriguez BL, Curb JD. Cholesterol and all-cause mortality in elderly people from the Honolulu Heart Program: a cohort study. Lanzette. 2001 Aug 4358(9279):351-5.

(vii) Hansson GK Inflammation, Atherosclerosis, and Coronary Artery Disease N Engl J Med 352:1685, April 21, 2005

Gesundheit und Glück wünschen,

Mark Hyman, MD


Cholesterol ratio: How does it affect your body, and is it important?

Working out a person’s cholesterol ratio is important because it can help a doctor determine a person’s risk of heart disease.

Doctors calculate an individual’s cholesterol ratio by dividing their total cholesterol by their high-density lipoprotein level.

The optimal ratio is between 3.5 and 1. A higher ratio increases the risk of heart disease.

Share on Pinterest A doctor can determine the levels of “good” and “bad” cholesterol in the body using a blood test.

Total cholesterol levels are made up of three different types of cholesterol.

High-density lipoprotein, or HDL, is considered “good” cholesterol. It makes up 20-30 percent of a person’s total cholesterol level.

Low-density lipoprotein, or LDL, is considered “bad” cholesterol and makes up 60-70 percent of the total in the body.

Finally, very-low-density lipoprotein (VLDL) is a precursor to LDL and makes up about 10-15 percent of a person’s total cholesterol.

These percentages matter because when increases or decreases occur, they can affect the chances of a person developing heart disease.

When a person has a test that shows a high total cholesterol level, it may be because LDL cholesterol levels have climbed. A doctor can determine the different levels of cholesterol by focusing on HDL, LDL, and VLDL separately, in a blood test.

A good cholesterol ratio shows that the body is working properly and is healthy. It signals that someone is in good health and is probably taking care of themselves.

The Framingham Heart Study states that the following cholesterol ratios roughly signal different degrees of heart disease risk:

While men and women have the same blood test, their average HDL, LDL, and VLDL levels are typically different. For example, in the case of menopausal women, it is usual for them to have an increased LDL.

This does not mean that women are unaffected by bad cholesterol ratios. It simply means women have shown to be less susceptible to bad cholesterol ratios.

Women should have a recommended HDL level of 50, while a man’s recommended HDL level is 40.


Schau das Video: KETO Increased Your Cholesterol?? Heres why Its OK (Juni 2022).


Bemerkungen:

  1. Ermanno

    Bevor Sie mit der Jobsuche beginnen, lesen Sie die Empfehlungen von Mitarbeitern zu ihren Arbeitsorten auf unserer Ressource. Und entscheiden Sie erst dann, ob Sie Ihr Angebot diesem oder jenem Unternehmen unterbreiten. Sehen Sie sich die verschiedenen Empfehlungen an und treffen Sie die richtige Wahl.

  2. Denzell

    Ich denke, Sie machen einen Fehler. Ich schlage vor, darüber zu diskutieren. Senden Sie mir eine E -Mail an PM, wir werden reden.

  3. Saber

    what touching phrase :)

  4. Cerny

    Du hast nicht recht. Ich bin sicher. Ich lade Sie ein, zu diskutieren. Schreiben Sie in PM, wir werden reden.

  5. Molli

    Es tut mir leid, aber meiner Meinung nach liegst du falsch. Ich bin sicher. Lassen Sie uns versuchen, dies zu besprechen. Schreiben Sie mir in PM, sprechen Sie.



Eine Nachricht schreiben