Varios grupos del CIBERDEM, la Universidad Rovira y Virgili y el Instituto de Investigación Sanitaria Pedro Virgili 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.
Lo que ha descubierto los investigadores es 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
Según han explicado desde el equipo investigador, «el trabajo perseguía encontrar trazas moleculares independientes de glucosa que pudieran estar asociadas con el desarrollo futuro de diabetes mellitus tipo 2».
Por este motivo, se analizaron conjuntamente tres grupos de personas con datos correspondientes a un período de análisis de 8 años del estudio
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, para posteriormente, con los datos obtenidos insertarlos como imputs 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 ha apuntado el investigador de la Universidad Rovira y Virgili, José 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”.
