MADRID, 13 Ago. (EUROPA PRESS) -
Investigadores de la Universidad de Cornell han desarrollado modelos de aprendizaje automático que pueden analizar el registro de actividad (ARN) de celulas muertas e identificar biomarcadores clave para detectar la encefalomielitis miálgica, también conocida como síndrome de fatiga crónica (SFC).
Cuando las células mueren, dejan un registro de actividad expulsado al plasma sanguíneo (ARN) que revela cambios en la expresión genética, la señalización celular, lesiones tisulares y otros procesos biológicos. En este sentido, el profesor asociado de ingeniería biomédica en Cornell Engineering, Iwijn De Vlaminck, explica que "al leer las huellas moleculares que las células dejan en la sangre, se ha dado un paso concreto hacia una prueba para la SFC". Así, este estudio demuestra que un análisis de sangre puede proporcionar pistas sobre la biología de la enfermedad, añade.
Asimismo, este enfoque, liderado por la estudiante de doctorado en bioquímica, biología molecular y celular en el laboratorio De Vlaminck, Anne Gardella, podría impulsar el desarrollo de pruebas diagnósticas para una enfermedad cuya confirmación en pacientes "ha sido difícil debido a que sus síntomas pueden confundirse fácilmente con los de otras enfermedades", exponen los autores.
Para la realización de esta investigación, se recogieron muestras de sangre de 93 pacientes con SFC y de 75 personas sanas, aunque sedentarias. Posteriormente, el equipo del laboratorio De Vlaminck centrifugó el plasma sanguíneo para aislar y secuenciar las moléculas de ARN liberadas durante el daño y la muerte celular.
Así, identificaron más de 700 transcripciones significativamente diferentes entre los casos de SFC y el grupo de personas sanas. Estos resultados se analizaron mediante diferentes algoritmos de aprendizaje automático que permitieron desarrollar una herramienta de clasificación que reveló signos de desregulación del sistema inmunitario, desorganización de la matriz extracelular y agotamiento de linfocitos T en pacientes con SFC.
Asimismo, utilizando métodos de análisis estadístico, pudieron mapear dónde se originaron las moléculas de ARN al deconvolucionar los patrones de expresión genética basados en genes marcadores específicos del tipo de célula conocido.
Los modelos de clasificación de ARN libre de células mostraron una precisión del 77% en la detección de SFC; una precisión "aún insuficiente para una prueba diagnóstica, pero que representa un avance sustancial en este campo", apuntan los autores.
"Identificamos seis tipos celulares significativamente diferentes entre los casos de SFC y las personas sanas", ha afirmado Gardella. "El tipo celular con mayor elevación en los pacientes es la célula dendrítica plasmocitoide. Estas células inmunitarias participan en la producción de interferones tipo 1, lo que podría indicar una respuesta inmunitaria antiviral hiperactiva o prolongada en los pacientes. También observamos diferencias en monocitos, plaquetas y otros subgrupos de linfocitos T, lo que indica una amplia desregulación inmunitaria en los pacientes con SFC".
Por otro lado, los investigadores esperan que este enfoque les ayude a comprender la compleja biología subyacente a otras enfermedades crónicas, así como a diferenciar la SFC de la COVID persistente. "Si bien la COVID prolongada ha generado conciencia sobre las enfermedades crónicas asociadas a infecciones, es importante reconocer el SFC, porque en realidad es más común y más grave de lo que muchas personas creen", ha señalado Gardella.
