|
Integración multi-ómica y machine learning para la identificación de marcadores moleculares de resistencia a la insulina en niños prepúberes y púberes con obesidad.Augusto Miguel Anguita Ruiz.Grupo de Investigación BIONIT: Bioquímica de la Nutrición. Implicaciones Terapéuticas – CTS-461.Centro de Investigación Biomédica en Red de la Fisiopatología de la Obesidad y Nutrición – CIBEROBNLa obesidad infantil se desarrolla en los primeros estadios de la vida y da lugar a la aparición de alteraciones metabólicas como la resistencia a la insulina (RI). Si se mantienen durante la edad adulta, la obesidad y la RI suelen derivar en el desarrollo de afecciones más graves como la diabetes de tipo 2 y las enfermedades cardiovasculares, que aumentan considerablemente la morbilidad y la mortalidad en las poblaciones afectadas. Como es el caso de muchas otras enfermedades complejas, la obesidad y sus comorbilidades cardio-metabólicas constituyen un fenotipo complejo que resulta de la interacción entre un perfil molecular de riesgo (que incluye alteraciones genómicas, transcriptómicas, epigenómicas y proteómicas) y la exposición a factores ambientales de riesgo. En este sentido, uno de los campos de investigación más prometedores en materia de obesidad se ha centrado en la identificación de biomarcadores moleculares predictivos durante las etapas tempranas de la vida, capaces de estratificar a los pacientes en función de su riesgo de desarrollar complicaciones cardio-metabólicas durante la edad adulta. Uno de los enfoques más interesantes y robustos para el descubrimiento de biomarcadores implicaría el análisis simultáneo de múltiples capas de datos ómicos a la vez, permitiendo el estudio de una alteración molecular desde todas sus posibles dimensiones. Sin embargo, debido a la complejidad de los datos ómicos, se requieren enfoques analíticos innovadores. En medio de esta necesidad, la bioinformática y la inteligencia artificial (IA) han experimentado un notable impulso debido a su capacidad para obtener automáticamente modelos descriptivos o predictivos a partir de cantidades masivas de datos (Big Data). La presente Tesis Doctoral recoge una serie de trabajos de investigación en los que la bioinformática y la IA se aplican a varios estudios ómicos de obesidad para identificar nuevos biomarcadores moleculares de RI y alteraciones metabólicas en niños y adolescentes con obesidad. Las poblaciones de estudio de la presente tesis doctoral están compuestas por más de 2000 niños españoles con edades comprendidas entre los 2 y los 18 años siguiendo diseños transversales y longitudinales. En resumen, los resultados obtenidos indican que; 1) la obesidad es un trastorno complejo resultante de la interacción entre factores genéticos y ambientales, 2) la generación de herramientas predictivas basadas exclusivamente en la combinación de polimorfismos genéticos es una estrategia interesante pero sencilla para predecir el desarrollo de obesidad, 3) los enfoques de investigación multi-ómicos en obesidad son necesarios para comprender los complejos mecanismos moleculares subyacentes a la enfermedad, y 4) la aplicación de modelos de aprendizaje automático de Inteligencia Artificial eXplicable (XAI) puede ayudarnos a desentrañar las complejas relaciones existentes entre los elementos moleculares ómicos. La aplicación de enfoques de investigación multi-ómica y el uso de herramientas analíticas complejas (como la bioinformática y la IA) son el camino apropiado hacia una verdadera implementación de una medicina personalizada en la obesidad. En el futuro, deben fomentarse más estudios, como los recogidos en el resumen de esta Tesis Doctoral, así como proyectos de reclutamiento de cohortes más grandes para validar los hallazgos presentados. Esto requerirá una estrecha colaboración entre clínicos e investigadores básicos, y la creación de equipos multidisciplinares, en los que la presencia de perfiles bioinformáticos mixtos será de gran importancia. Nota: Este trabajo es un resumen de la tesis doctoral titulada “ Integración multi-ómica y machine learning para la identificación de marcadores moleculares de resistencia a la insulina en niños prepúberes y púberes con obesidad” leída y defendida el 1 de Octubre de 2021 en la Universidad de Granada por Augusto Miguel Anguita Ruiz con lo siguientes indicadores: URI: http://hdl.handle.net/10481/70696 ISBN: 9788411170284 |