L’IISPV i diversos grups del CIBERDEM han participat en un estudi que ha combinat metabolòmica basada en ressonància magnètica nuclear i machine learning per a 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 primerenques o predictors de la malaltia més enllà dels tradicionals.
El treball, els resultats del qual s’han publicat en Diabetis 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 en 2008-2010 i que va mesurar la prevalença i incidència de diabetis tipus 2 en la població adulta en el conjunt d’Espanya.
Es tracta d’un estudi conjunt dels grups dirigits per Josep Ribalta (Institut d’Investigació Sanitària Pere Virgili i Universitat Rovira i Virgili), Gemma Rojo (Institut de Recerca Biomèdica de Màlaga) i Xavier Correig (Universitat Rovira i Virgili). El primer signant és Enrique Oscariz, de Biosfer Teslab, spin-*off de l’IISPV i de la Universitat Rovira i Virgili, dirigida per Núria Amigó.
El personal investigador assegura que “el treball perseguia trobar traces moleculars independents de glucosa que poguessin estar associades amb el desenvolupament futur de diabetis mellitus tipus 2”.
Per a 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: persones que van desenvolupar DM2 en algun moment del període de seguiment; persones 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 a 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 machine learning.
Els resultats de l’estudi van mostrar que les variables relacionades amb les glicoproteïnes, la creatinina, la creatina, les petites partícules d’HDL i els intervals de Johnson-Neyman de la interacció de Glyc A i Glyc B eren estadísticament significatius.
Segons apunta el Dr. Ribalta: “el model d’anàlisi va permetre mostrar una contribució rellevant de la inflamació (patró de glicosilación i HDL) i del múscul (creatinina i creatina) en el desenvolupament de la diabetis tipus 2 com a factors independents de la hiperglucemia”.
Referència bibliogràfica: Ozcariz, E., Guardiola, M., Amigo, N, Rojo-Martínez, G., Valdes, S., Rehues, P., Masana, L., Ribalta, J. (2023). 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. 202. 110772. 10.1016 doi: https://doi.org/10.1016/j.diabres.2023.110772
Facebook 
Mail 
WhatsApp 