MADRID, 9 Dic. (EUROPA PRESS) -
Investigadores de la Escuela de Salud Pública Mailman de la Universidad de Columbia (Estados Unidos) han desarrollado una novedosa metodología computacional diseñada para identificar biomarcadores proteicos asociados con enfermedades complejas, incluida la enfermedad de Alzheimer (EA).
Esta innovadora herramienta analiza biomarcadores que pueden inducir cambios estructurales tridimensionales en las proteínas, lo que proporciona información fundamental sobre los mecanismos de la enfermedad y destaca posibles dianas para la intervención terapéutica.
Los hallazgos, publicados en 'Cell Genomics', podrían conducir a avances en la detección temprana y las estrategias de tratamiento para la enfermedad de Alzheimer, que durante mucho tiempo ha eludido las terapias efectivas.
La enfermedad de Alzheimer se caracteriza por la presencia de placas de beta amiloide y ovillos neurofibrilares de tau en el cerebro, que se acumulan décadas antes de que aparezcan los síntomas. Los diagnósticos tempranos actuales requieren muchos recursos o son invasivos. "Además, las terapias actuales para la enfermedad de Alzheimer dirigidas a la beta amiloide proporcionan cierto alivio sintomático y pueden ralentizar la progresión de la enfermedad, pero no llegan a detenerla por completo", describe Zhonghua Liu, profesor adjunto de Bioestadística en la Escuela de Medicina Mailman de Columbia e investigador principal.
"Nuestro estudio destaca la necesidad urgente de identificar biomarcadores proteicos basados en la sangre que sean menos invasivos y más accesibles para la detección temprana de la enfermedad de Alzheimer. Estos avances podrían desentrañar los mecanismos subyacentes de la enfermedad y allanar el camino para tratamientos más eficaces", afirma.
Utilizando datos del Biobanco del Reino Unido, que incluye 54.306 participantes, y un estudio de asociación del genoma completo (GWAS) con 455.258 sujetos (71.880 casos de EA y 383.378 controles), el equipo de investigación identificó siete proteínas clave (TREM2, PILRB, PILRA, EPHA1, CD33, RET y CD55) que presentan alteraciones estructurales vinculadas al riesgo de Alzheimer.
"Hemos descubierto que ciertos fármacos aprobados por la FDA que ya se dirigen a estas proteínas podrían reutilizarse para tratar el Alzheimer", señala Liu. "Nuestros hallazgos subrayan el potencial de este proceso para identificar biomarcadores proteicos que puedan servir como nuevos objetivos terapéuticos, así como para ofrecer oportunidades de reutilización de fármacos en la lucha contra el Alzheimer".
El nuevo proceso computacional, denominado MR-SPI (Mendelian Randomization by Selecting Genetic Instruments and Post-selection Inference), tiene varias ventajas clave. A diferencia de los métodos tradicionales, MR-SPI no requiere una gran cantidad de instrumentos genéticos candidatos (por ejemplo, loci de rasgos cuantitativos de proteínas) para identificar proteínas relacionadas con enfermedades. MR-SPI es una herramienta poderosa diseñada para estudios con solo una cantidad limitada de marcadores genéticos disponibles.
"MR-SPI es particularmente valioso para dilucidar las relaciones causales en enfermedades complejas como el Alzheimer, donde los enfoques tradicionales tienen dificultades", destaca Liu. La integración de MR-SPI con AlphaFold3, una herramienta avanzada para predecir las estructuras tridimensionales de las proteínas, mejora aún más su capacidad para predecir los cambios estructurales tridimensionales causados por mutaciones genéticas, lo que proporciona una comprensión más profunda de los mecanismos moleculares que impulsan la enfermedad.
Los hallazgos del estudio sugieren que la MR-SPI podría tener aplicaciones de amplio alcance más allá de la enfermedad de Alzheimer, ofreciendo un marco poderoso para identificar biomarcadores proteicos en varias enfermedades complejas. Además, la capacidad de predecir cambios estructurales tridimensionales en las proteínas abre nuevas posibilidades para el descubrimiento de fármacos y la reutilización de tratamientos existentes.
"Al combinar MR-SPI con AlphaFold3, podemos lograr un proceso computacional integral que no solo identifica posibles dianas farmacológicas, sino que también predice cambios estructurales a nivel molecular. Este proceso ofrece implicaciones interesantes para el desarrollo terapéutico y podría allanar el camino para tratamientos más efectivos para el Alzheimer y otras enfermedades complejas", concluye Liu.
