Unveiling complex diseases through patient stratification and omics analysis: acutely decompensated cirrhosis as a case study

Comprender las enfermedades complejas requiere métodos avanzados para entender su heterogeneidad inherente. Dos enfoques claves para desentrañar esta complejidad son (I) la estratificación de pacientes y (II) el análisis de datos ómicos. La combinación de ambos enfoques puede ayudar a identificar subgrupos de pacientes clínicamente relevantes y a elucidar las bases moleculares de la heterogeneidad de la enfermedad, contribuyendo en el avance hacia la medicina de precisión. En esta tesis ilustramos la aplicación práctica de estos enfoques y demostramos su efectividad en el contexto de la cirrosis descompensada aguda (AD), una enfermedad compleja con una variabilidad interindividual significativa. Nuestra investigación tiene como objetivo mejorar el pronóstico de los pacientes mediante estos métodos. En primer lugar, desarrollamos ClustALL, un nuevo enfoque de agrupamiento para una robusta estratificación de pacientes utilizando datos clínicos. ClustALL maneja datos mixtos, valores perdidos y variables correlacionadas, y está disponible como un paquete R Bioconductor. ClustALL demostró ser efectivo para identificar subgrupos de pacientes con AD. Los subgrupos de AD identificados mostraron perfiles clínicos relevantes con valor pronóstico a lo largo del curso de la enfermedad. Estos resultados fueron validados en una cohorte independiente de AD. Es importante destacar la identificación de un subgrupo de pacientes de alto riesgo que mostraba un perfil inflamatorio sistémico agudo marcado, pudiendo estar asociado con una respuesta inmunitaria disfuncional ya descrita en AD. En segundo lugar, dada la asociación de AD con una respuesta inmunitaria disfuncional debido a la inflamación sistémica, estudiamos el sistema inmunológico a nivel molecular para obtener información sobre la fisiopatología de AD y la progresión de la enfermedad. En consecuencia, caracterizamos las poblaciones de células mononucleares de sangre periférica de 16 pacientes con AD y 4 controles sanos, perfilando la expresión génica y los marcadores de superficie proteica a resolución de célula única. Nuestro análisis reveló una subpoblación monocítica CD14+ específica en pacientes con AD que podría estar vinculada a un mayor riesgo de desarrollar insuficiencia hepática aguda sobre crónica (ACLF). Estos monocitos mostraron un perfil de agotamiento, lo que podría llevar a monocitos disfuncionales y contribuir a la progresión de la enfermedad. Definimos y validamos una firma transcripcional de estos monocitos agotados en dos grandes cohortes independientes de AD. En general, esta tesis destaca el potencial de las herramientas bioinformáticas para abordar la heterogeneidad de los pacientes. Hemos desarrollado con éxito una metodología para la estratificación de pacientes utilizando datos clínicos y demostrado su aplicación en el contexto de la cirrosis descompensada aguda. También habilitamos el uso general futuro de este novedoso enfoque creando un paquete R fácil de usar que puede ser utilizado para otras enfermedades complejas. Además, hemos identificado una subpoblación de monocitos que puede estar implicada en la progresión de la cirrosis agudamente descompensada aprovechando el análisis ómico, específicamente el análisis de célula única. Estos esfuerzos destacan el papel crítico de la estratificación de pacientes y los análisis de datos ómicos en el avance de la medicina de precisión con el objetivo final de mejorar el manejo de los pacientes y la prognosis de la enfermedad.

Understanding complex diseases requires advanced methods to understand their inherent heterogeneity. Two effective approaches for unravelling this complexity are (I) patient stratification and (II) omics analysis. Combining these approaches can help identify clinically relevant patient subgroups and elucidate the molecular basis of such disease heterogeneity, paving the way for precision medicine. In this thesis, we illustrate the practical application of these approaches and demonstrate their effectiveness in acutely decompensated cirrhosis (AD), a complex disease with significant inter-individual variability. Our research aims to improve patient prognosis through these methods. Firstly, we developed ClustALL, a novel clustering approach for robust patient stratification using clinical data. ClustALL handles mixed data, missing values, and correlated variables, and is available as an R Bioconductor package. The ClustALL method proved effective in identifying AD patient subgroups. The derived AD subgroups showed relevant clinical profiles with demonstrated prognostic value across the course of the disease. Importantly, these results were validated in an independent AD cohort. We identified a high-risk subgroup of patients showing a marked acute systemic inflammatory profile, which can be associated with a dysfunctional immune response already described in AD. Secondly, given the association of AD with a dysfunctional immune response due to systemic inflammation, we studied the immune system at the molecular level to gather insights into the pathophysiology of AD and disease progression. Accordingly, we characterised the peripheral blood mononuclear cell populations of 16 AD patients and 4 healthy controls, profiling gene expression and protein surface markers at single-cell resolution. Our analysis revealed a specific CD14+ monocytic subpopulation in AD patients potentially linked to a higher risk of developing Acute-on-chronic liver failure (ACLF). These monocytes exhibited an exhaustion profile, which could lead to dysfunctional monocytes and contribute to disease progression. We defined and validated a transcriptional signature of these exhausted monocytes in two large independent AD cohorts. Overall, this thesis highlights the potential of bioinformatic tools to address patient heterogeneity. We developed a methodology for patient stratification using clinical data and demonstrated its application in AD. We also enabled the future general use of this novel approach by creating a user-friendly R package that can be used for other complex diseases. Furthermore, we have identified a monocyte subpopulation associated with AD progression by leveraging omics analysis, specifically single-cell analysis. These findings emphasise the importance of patient stratification and omics analyses in advancing precision medicine to improve patient management and outcomes.