Un equipo investigador de la URV, el CIBERDEM y el IISPV consigue encontrar la firma molecular asociada a la enfermedad gracias a la combinación de la metabolómica, la resonancia magnética nuclear y el aprendizaje automático

Varios grupos del CIBERDEM, la Universitat Rovira i Virgili y el Institut d’Investigació Sanitària Pere Virgili han participado en un estudio que ha combinado metabolómica basada en resonancia magnética nuclear y machine learning (aprendizaje automático) para encontrar una firma molecular independiente de la glucosa asociada al desarrollo de diabetes tipo 2 (DM2), es es decir: un conjunto de indicadores biológicos que podrían servir como señales tempranas o predictores de la enfermedad más allá de las tradicionales.

El trabajo, cuyos resultados se han publicado en la revista científica Diabetes Research & Clinical Practice, se ha llevado a cabo en un subgrupo de individuos del estudio Di@bet.es, un estudio nacional, transversal y poblacional del CIBERDEM iniciado en 2008-2010 y que midió la prevalencia e incidencia de diabetes tipo 2 en la población adulta en el conjunto de España.

«El trabajo perseguía encontrar trazas moleculares independientes de glucosa que pudieran estar asociadas con el desarrollo futuro de diabetes mellitus tipo 2», explica el equipo investigador. Por ello, se analizaron conjuntamente tres grupos de personas, con datos correspondientes a un período de análisis de 8 años del estudio Di@bet.es: aquellas que desarrollaron DM2 en algún momento del período de seguimiento; otros que no desarrollaron diabetes, pero sí presentaban concentraciones de glucosa iguales a las del grupo anterior y un grupo de control.

Sobre los datos de los tres subgrupos se realizó un análisis metabolómico del suero para obtener perfiles de lipoproteínas y glicoproteínas y 15 metabolitos de bajo peso molecular. Posteriormente, los datos obtenidos se insertaron como inputs en varios modelos basados en aprendizaje automático.

Los resultados mostraron que las variables relacionadas con las glicoproteínas, la creatinina, la creatina, las pequeñas partículas de HDL y los intervalos de Johnson-Neyman de la interacción de Glyc A y Glyc B eran estadísticamente significativas.

Según apunta el investigador de la Universitat Rovira i Virgili, Josep Ribalta, “el modelo de análisis permitió mostrar una contribución relevante de la inflamación (patrón de glucosilación y HDL) y del músculo (creatinina y creatina) en el desarrollo de la diabetes tipo 2 como factores independientes de la hiperglucemia” .

Éste ha sido un estudio conjunto de los grupos dirigidos por Josep Ribalta (URV-IISPV) Rovira; Gemma Rojo (del Instituto de Investigación Biomédica de Málaga) y Xavier Correig (URV). El primer firmante es Enrique Oscariz, de Biosfer Teslab, spin-off del IISPV y la URV dirigida, por Núria Amigó.

Referencia bibliográfica: Enrique Ozcariz, Montse Guardiola, Núria Amigó, Gemma Rojo-Martínez, Sergio Valdés, Pere Rehues, Lluís Masana, Josep Ribalta, NMR-based metabolomic profiling identifies inflammation and muscle-related metabolites as predictors of incident type 2 diabetes mellitus beyond glucose: The Di@bet.es study, Diabetes Research and Clinical Practice. Volume 202, 2023, DOI: 10.1016/j.diabres.2023.110772