ARN no codificantes largos exosomales y su papel en la patogénesis de la enfermedad de Alzheimer

Los exosomas son nanovesículas extracelulares de origen endocítico, con forma esférica, delimitada por una membrana lipídica, y diámetro promedio de 30-150 nm. Se sabe que los exosomas contienen varias moléculas bioactivas, incluyendo proteínas, ácidos nucleicos, lípidos y metabolitos. Es así como su relevancia funcional, radica en el efecto que estas vesículas tienen al entregar su contenido a las células receptoras, participando tanto en procesos fisiológicos, como la proliferación celular, la respuesta inmune, la lactancia y la función neuronal y cardiovascular; como en procesos patológicos, contribuyendo a la génesis de distintas enfermedades. El ácido ribonucleico (RNA, por su sigla en inglés) se considera el principal componente funcional del exosoma. Se ha demostrado que la carga de RNA refleja el estado y el contenido citoplasmático de la célula de origen, y una vez en la célula receptora, esta molécula desempeña el mismo papel que en la célula de origen, regulando genes diana que podrían estar involucrados en la patogénesis de las enfermedades. En el caso de la Enfermedad de Alzheimer (EA), principal tipo de demencia en el mundo representando el 60 – 70% de los casos, la investigación en este campo apenas inicia, por lo tanto, falta aún identificar nuevos RNA no codificantes (ncRNA) involucrados y aclarar cómo participan en las vías patogénicas de la enfermedad; esta información permitiría establecerlos como futuros biomarcadores o blancos terapéuticos de la EA. Este trabajo tiene como objetivo caracterizar el perfil de expresión diferencial de RNA no codificantes largos (lncRNA, por su sigla en inglés) en exosomas sanguíneos y su asociación con la patogénesis de la EA de inicio tardío. Para ello, se diseñó un estudio de casos y controles, conformándose 2 grupos con 15 sujetos cada uno: casos de EA esporádica y un grupo control. La muestra de casos se reclutó a partir de una población que asiste al Instituto Colombiano de Neuropedagogía de Barranquilla, conformada por sujetos con diagnóstico de esta enfermedad, y los participantes del grupo control son voluntarios no familiares con edades entre 72 - 106 años. Para la obtención de datos se identificaron los lncRNA contenidos en exosomas sanguíneos y se caracterizó su perfil de expresión diferencial en los casos y controles mediante estudio de microarreglos. Posteriormente, se analizó la asociación con sus posibles genes diana mediante un estudio in silico, con el fin de dar una aproximación de su papel en la red patogénica de la EA. Finalmente, se correlacionaron las variables neuropsicológicas y la edad de inicio de la enfermedad con los niveles de expresión de los lncRNA identificados y se logró establecer con esta información un modelo predictivo de la enfermedad basado en Machine Learning (ML). Se encontró un total de 647 lncRNA expresados diferencialmente entre los grupos. De estos, 550 estuvieron sobreexpresados y 97 subexpresados. Entre ellos, se identificaron varios lncRNA como TMEM186, PROX1-AS1, AC109635.2, LINC02043, AC022031.2, POT1-AS1, AL020993.1, ERICH3, DEXI, SS18, AC073529.1, TAB2-AS1, AC117382.2, AC007342.1, HTR2A-AS1, LINC01232, SOX9-AS1 y PCA3, que podrían estar involucrados en la patogénesis de la enfermedad, afectando procesos clave como la neurogénesis, diferenciación celular, proteostasis del péptido Aβ y p-TAU. Neuroinflamación, apoptosis, crecimiento de la neurita, plasticidad sináptica y remodelación de la cromatina. Todos estos lncRNA se correlacionan mínimo con dos de las variables neuropsicológicas evaluadas, siendo la flexibilidad cognitiva el dominio con mayor número de lncRNA asociados (16/18); solo ERICH3 y AC007342,1 no mostraron correlación. Por su parte, los lncRNA AC117382.2 y LINC01232 se asociaron con la edad de inicio de la enfermedad. Entre los algoritmos de ML explorados, se pudo establecer que el algoritmo svmLinear2 fue el de mejor rendimiento con una precisión del 99%. El análisis de importancia reveló que los mejores predictores de la enfermedad eran PROX1-AS1 y SS18. Se espera que el aporte generado en este estudio relacionado con la comprensión de la fisiopatología molecular de la EA y el diseño del modelo predictivo pueda ser útil en el ámbito clínico para anticipar el desarrollo de la enfermedad, gracias a lo cual se podrán ofrecer alternativas preventivas que retrasen la aparición y/o progresión de la EA en los sujetos afectados, mejorando su calidad de vida y la de sus cuidadores.

• Autores: Mosquera Heredia, María Isabel
• Tipo de recurso: Doctoral thesis
• Fecha de publicación: 2023
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/12051
• Acceso en línea: http://hdl.handle.net/10584/12051
• Palabra clave: ARN -- Investigaciones; Enfermedad de Alzheimer -- Investigaciones
• Rights: openAccess
• License: https://creativecommons.org/licenses/by/4.0/