Varios grupos del CIBERDEM han participado en un estudio que ha combinado metabolómica basada en resonancia magnética nuclear y ‘machine learning’ para encontrar una firma molecular independiente de la glucosa asociada al desarrollo de diabetes tipo 2 (DM2), es decir un conjunto de indicadores biológicos que podrían servir como señales tempranas o predictores de la enfermedad más allá de los tradicionales.
El trabajo, cuyos resultados se han publicado en 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.
Se trata de un estudio conjunto de los grupos dirigidos por Josep Ribalta (Institut d’Investigació Sanitària Pere Virgili de Reus), Gemma Rojo (Instituto de Investigación Biomédica de Málaga) y Xavier Correig (Universitat Rovira i Virgili en Tarragona). El primer firmante es Enrique Oscariz, de Biosfer Teslab, spin-off de la Universitat Rovira i Virgili y dirigida por Núria Amigó.
Tal y como apuntan los autores, “el trabajo perseguía encontrar trazas moleculares independientes de glucosa que pudieran estar asociadas con el desarrollo futuro de diabetes mellitus tipo 2”.
8 años de estudio para llevar a un nuevo marcador de diabetes
Para ello, se analizaron conjuntamente tres grupos de personas, con datos correspondientes a un periodo de análisis de 8 años del estudio Di@bet.es: personas que desarrollaron diabetes tipo 2 en algún momento del periodo de seguimiento, personas 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 machine learning.
Los resultados del estudio 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 significativos.
Según apunta el Dr. Ribalta, “el modelo de análisis permitió mostrar una contribución relevante de la inflamación (patrón de glicosilación y HDL) y del músculo (creatinina y creatina) en el desarrollo de la diabetes tipo 2 como factores independientes de la hiperglucemia”.
Artículo de referencia: 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
Recordamos que SALUD A DIARIO es un medio de comunicación que difunde información de carácter general relacionada con distintos ámbitos sociosanitarios, por lo que NO RESPONDEMOS a consultas concretas sobre casos médicos o asistenciales particulares. Las noticias que publicamos no sustituyen a la información, el diagnóstico y/o tratamiento o a las recomendaciones QUE DEBE FACILITAR UN PROFESIONAL SANITARIO ante una situación asistencial determinada.
SALUD A DIARIO se reserva el derecho de no publicar o de suprimir todos aquellos comentarios contrarios a las leyes españolas o que resulten injuriantes, así como los que vulneren el respeto a la dignidad de la persona o sean discriminatorios. No se publicarán datos de contacto privados ni serán aprobados comentarios que contengan 'spam', mensajes publicitarios o enlaces incluidos por el autor con intención comercial.
En cualquier caso, SALUD A DIARIO no se hace responsable de las opiniones vertidas por los usuarios a través de los canales de participación establecidos, y se reserva el derecho de eliminar sin previo aviso cualquier contenido generado en los espacios de participación que considere fuera de tema o inapropiados para su publicación.
* Campos obligatorios