Un predictor de enfermedades metabólicas es identificado por aprendizaje automático.
La identificación de tres moléculas que pueden ser usadas para evaluar de manera precisa la prediabetes –un predictor clave de padecimientos como la diabetes y alta presión arterial– ha dado un paso más hacia la medicina de precisión para humanos.
Investigadores del Centro Charles Perkins de la Universidad de Sídney han identificado tres moléculas específicas que indican de manera precisa la resistencia a la insulina y prediabetes –un predictor muy importante del síndrome metabólico, que es un conjunto de condiciones médicas que incluyen obesidad abdominal, alta presión arterial y altos niveles de azúcar en la sangre.
El estudio que puede llegar a predecir la diabetes
El hallazgo, de un estudio realizado en ratones, podría hacer mucho más fácil para los doctores la detección temprana de la prediabetes en los humanos y permitiría tener tratamientos más personalizado y efectivos para los pacientes en el futuro.
Los investigadores combinaron el método matemático de alta tecnología de aprendizaje automático con tecnología ómica, que examina los diferentes tipos de moléculas que componen las células de un organismo para identificar de manera exitosa moléculas específicas en ratones. Esa información fue utilizada para clasificar a los ratones de acuerdo con la clase de alimentos que comen, su origen genético y su sensibilidad a la insulina en todo el cuerpo.
Publicada en el Journal of Biological Chemistry, la investigación fue realizada con el Instituto Garvan de Investigación Médica, la Universidad Duke (Estados Unidos) y la Universidad de Melbourne.
La Dra. Jacqueline Stöckli, autora principal e investigadora del Centro Charles Perkins y de la Escuela de la Vida y las Ciencias Ambientales de la Universidad de Sídney, dijo que el estudio sugería que es probable que haya múltiples factores que contribuyen a la prediabetes y es por esto que los métodos más tradicionales no han logrado identificar firmas o indicadores de la enfermedad altamente predictivos que sean similares.
“Nuestro estudio identificó una firma de tres moléculas que era capaz de diagnosticar la resistencia a la insulina y la prediabetes, padecimiento que a menudo es relacionado con la diabetes, la obesidad y la alta presión arterial,” afrimó Stöckli.
“Pero sabemos que la historia es mucho más complicada. Y, sorprendentemente, cada una de las tres moléculas, por su cuenta, predecía la prediabetes de manera menos efectiva que cuando eran combinadas”.
“El siguiente paso es explotar aún más estas tecnologías para descubrir el conjunto completo de rutas y factores que contribuyen a la prediabetes –los cuales incluirán influencias genéticas, ambientales y posiblemente epigenéticas—a nivel poblacional.”
El estudio representó una transición hacia la medicina de precisión para los humanos, dijo el autor asesor, el profesor David James, titular del puesto Leonard P. Ullmann de Biología de Sistemas Metabólicos del Centro Charles Perkins.
La medicina de precisión para predecir la diabetes
La medicina de precisión clasifica a los individuos de acuerdo con su susceptibilidad o respuesta a una enfermedad particular, y les proporciona tratamientos y prácticas personalizados de acuerdo con eso.
“Una vez que podamos identificar las moléculas y otros factores que contribuyen a la prediabetes, podremos personalizar tratamientos para satisfacer la composición y necesidades específicas de los pacientes,” dijo el profesor James.
“Este estudio demuestra el poder de combinar tecnologías para resolver algunos de los problemas más grandes del mundo,” añadió.
“El peso de las enfermedades derivadas del estilo de vida que el centro Charles Perkins se dedica a aminorar –las cuales incluyen la obesidad, la diabetes y las enfermedades cardiovasculares– continúan existiendo en alta proporción a nivel mundial; necesitamos innovar para atacar estos padecimientos de manera efectiva.”
Fuente: sciencedaily.com
Link: https://www.sciencedaily.com/releases/2017/11/171120093649.htm
Fecha: 20 de noviembre de 2017
Fuente original de la historia:
Materiales proporcionados por la Universidad de Sídney. Nota: el contenido podría haber sido editado en estilo y extensión.
Referencia de la publicación:
Jacqueline Stöckli, Kelsey H. Fisher-Wellman, Rima Chaudhuri, Xiao-Yi Zeng, Daniel J. Fazakerley, Christopher C. Meoli, Kristen C. Thomas, Nolan J. Hoffman, Salvatore P. Mangiafico, Chrysovalantou E. Xirouchaki, Chieh-Hsin Yang, Olga Ilkayeva, Kari Wong, Gregory J. Cooney, Sofianos Andrikopoulos, Deborah M. Muoio, David E. James. Metabolomic analysis of insulin resistance across different mouse strains and diets. Journal of Biological Chemistry, 2017; jbc.M117.818351 DOI: 10.1074/jbc.M117.818351
Nota: Instituto Nutrigenómica no se hace responsable de las opiniones expresadas en el presente artículo.
