Análisis metabolomico de astrocitos en condición de lipotoxicidad : identificación de potenciales biomarcadores mediante modelamiento con machine learning​

En la última década se ha estudiado la asociación entre enfermedades neurodegenerativas (EN) y obesidad. Donde la obesidad y los trastornos metabólicos relacionados pueden conducir a fenómenos de neurodegeneración. En este sentido, numerosos estudios han demostrado que los sujetos que padecen obesidad presentan un mayor riesgo de desarrollar diferentes EN. La obesidad se considera un síndrome de etiología multifactorial caracterizado por una acumulación y liberación excesiva de ácidos grasos (FA) en el tejido adiposo y no adiposo. De esta forma, el exceso de FA genera una condición metabólica conocida como lipotoxicidad; que desencadena respuestas patológicas celulares y moleculares que pueden producir una desregulación de la homeostasis y una disminución de la viabilidad celular. Esta condición es un sello distintivo de estas enfermedades, que representan un grupo heterogéneo de trastornos que se caracterizan por una disfunción progresiva de neuronas y astrocitos. Los astrocitos son particularmente sensibles a la lipotoxicidad ya que los efectos de esta condición son más impactantes en estas células dado su papel crucial en la producción de energía y el manejo del estrés oxidativo en el cerebro. Hallazgos recientes sugieren que los astrocitos juegan un papel crítico en la función y protección del sistema nervioso central (SNC). Por esta razón, la pérdida de la función astrocítica normal puede ser un contribuyente principal a la neurodegeneración. Sin embargo, analizar los mecanismos celulares asociados a estas condiciones representa un desafío. En este sentido, la metabolómica es un enfoque que permite el análisis bioquímico desde una perspectiva integral de la fisiología celular. Esta técnica permite determinar perfiles metabólicos celulares en diferentes contextos biológicos como los asociados a EN y agresiones metabólicas específicas como la lipotoxicidad. No obstante, los datos proporcionados por la metabolómica pueden ser complejos y, por tanto, difíciles de interpretar. Por esta razón, las técnicas alternativas de análisis de datos como el Machine Learning han ido creciendo exponencialmente en áreas relacionadas con los datos ómicos. En el presente trabajo, creamos un modelo ML que con resultados del 93% del área bajo la curva ROC, valor de sensibilidad del 80% y valor de especificidad del 93%. En este trabajo el objetivo es analizar los perfiles metabolómicos de los astrocitos en condiciones lipotóxicas con el fin de proporcionar conocimientos novedosos, como posibles biomarcadores para escenarios de lipotoxicidad inducida por ácido palmítico, que hasta donde sabemos no han sido identificados en astrocitos humanos y se proponen como candidatos para una mayor investigación y validación

• Autores: Baez Castellanos, Daniel; González Santos, Janneth; Martín-Jiménez, Cynthia; Barreto, George; Aristizábal, Andrés; Castellanos, Daniel
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Pontificia Universidad Javeriana
• Repositorio: Repositorio Universidad Javeriana
• Idioma: spa
• OAI Identifier: oai:repository.javeriana.edu.co:10554/55247
• Acceso en línea: http://hdl.handle.net/10554/55247
• Palabra clave: Astrocitos; Lipotoxicidad; Enfermedades neurodegenerativas; Obesidad; Seleno-aminoácidos; Ciclo de la urea; Glutamato; Metabolismo de la glutamina, Alanina, Adenosina.; Astrocytes; Lipotoxicity; Neurodegenerative Diseases; Obesity; Seleno-aminoacids; Urea cycle; Glutamate; Glutamine, Alanine and Adenosine Metabolism; Biología - Tesis y disertaciones académicas; Astrocitos; Tejido adiposo; Enfermedades neurodegenerativas; Obesidad
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional