Un equip investigador de la URV, el CIBERDEM i l'IISPV aconsegueix trobar la signatura molecular associada a la malaltia gràcies a la combinació de la metabolòmica, la ressonància magnètica nuclear i l'aprenentatge automàtic

Diversos grups del CIBERDEM, la Universitat Rovira i Virgili i l’Institut d’Investigació Sanitària Pere Virgili han participat en un estudi que ha combinat metabolòmica basada en ressonància magnètica nuclear i machine learning (aprenentage automàtic) per trobar una signatura molecular independent de la glucosa associada al desenvolupament de diabetis tipus 2 (DM2), és a dir: un conjunt d’indicadors biològics que podrien servir com a senyals primerencs o predictors de la malaltia més enllà dels tradicionals.

El treball, els resultats del qual s’han publicat a la revista científica Diabetes Research & Clinical Practice, s’ha dut a terme en un subgrup d’individus de l’estudi Di@bet.es, un estudi nacional, transversal i poblacional del CIBERDEM iniciat el 2008-2010 i que va mesurar la prevalença i incidència de diabetis tipus 2 a la població adulta al conjunt d’Espanya.

“La feina perseguia trobar traces moleculars independents de glucosa que poguessin estar associades amb el desenvolupament futur de diabetis mellitus tipus 2”, explica l’equip investigador. Per això, es van analitzar conjuntament tres grups de persones, amb dades corresponents a un període d’anàlisi de 8 anys de l’estudi Di@bet.es: aquelles que van desenvolupar DM2 en algun moment del període de seguiment; d’altres que no van desenvolupar diabetis, però sí que presentaven concentracions de glucosa iguals a les del grup anterior; i un grup de control.

Sobre les dades dels tres subgrups es va realitzar una anàlisi metabolòmica del sèrum per obtenir perfils de lipoproteïnes i glicoproteïnes i 15 metabòlits de baix pes molecular. Posteriorment, les dades obtingudes es van inserir com a inputs en diversos models basats en aprenentatge automàtic.

Els resultats van mostrar que les variables relacionades amb les glicoproteïnes, la creatinina, la creatina, les petites partícules de HDL i els intervals de Johnson-Neyman de la interacció de Glyc A i Glyc B eren estadísticament significatives.

Segons apunta l’investigador de la URV Josep Ribalta: “el model d’anàlisi va permetre mostrar una contribució rellevant de la inflamació (patró de glucosilació i HDL) i del múscul (creatinina i creatina) en el desenvolupament de la diabetis tipus 2 com a factors independents de la hiperglucèmia” .

Aquest ha estat un estudi conjunt dels grups dirigits per Josep Ribalta (URV i IISPV); Gemma Rojo (de l’Institut d´Investigació Biomèdica de Màlaga) i Xavier Correig (URV). El primer signant és Enrique Oscariz, de Biosfer Teslab, spin-off de l’IISPV i la URV dirigida per Núria Amigó.

Referència bibliogràfica: 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