Gene Scientist Maps Own Diabetes tipo 2 Llegada y salida

En un estudio histórico para el campo de la medicina personalizada, utilizando un "Personal Omics Profiling", un genetista de Stanford y sus colegas, analizó su genoma para predecir una disposición genética a la diabetes tipo 2, rastreada a nivel molecular cómo se desarrolló en su cuerpo, y luego desapareció nuevamente después de los cambios en la dieta y el estilo de vida.
El Dr. Michale Snyder, profesor y presidente de Genética de la Universidad de Stanford en California, y también director del Centro de Genómica y Medicina Personalizada de Stanford, y sus colegas publicaron los resultados de su largo estudio de dos años sobre los secretos más íntimos del ADN, ARN de Snyder. proteínas sanguíneas, metabolitos y moléculas de señalización, en la edición en línea del 14 de marzo de Celda.

Vistazo del futuro de la medicina

Observaron que, mientras sucumbía a dos infecciones virales, y cómo respondía su sistema inmune.
Y para sorpresa de Snyder, descubrieron que tenía una predisposición genética a la diabetes tipo 2. Esto provocó pruebas de azúcar en la sangre, que se dispararon a medida que desarrolló la condición durante el curso del estudio, y luego volvió a bajar cuando sus cambios oportunos en el estilo de vida y la dieta se aplicaron antes de cualquier daño duradero en los tejidos.
La cuenta nos da una idea de un posible futuro de la medicina. Snyder le dijo a la prensa:
"No tenía conocimiento de diabetes tipo 2 en mi familia y no tenía factores de riesgo significativos".
Pero, debido a la secuenciación genómica detallada, se enteró de que tenía una predisposición genética a la enfermedad:
"Por lo tanto, medimos mis niveles de glucosa en sangre y pude ver cómo se disparan después de una infección viral desagradable durante el curso del estudio", explicó.
Entonces, después de obtener un diagnóstico de confirmación de un médico, cambió su régimen de dieta y ejercicio y gradualmente los niveles de glucosa volvieron a la normalidad. Si la enfermedad no hubiera sido diagnosticada, incluso durante un par de años, el daño en los tejidos ya habría comenzado.
"Esta es la primera vez que alguien utiliza esa información detallada para administrar proactivamente su propia salud", dijo Snyder.
"Es un nivel de comprensión de la salud a nivel molecular que nunca antes se había logrado", agregó.

Masas de datos dan información en tiempo real

El estudio describe la cantidad alucinante de puntos de datos que deberían recopilarse en un enfoque de medicina personalizado para la salud en comparación con el tratamiento superficial que la mayoría de nosotros recibimos cuando hacemos nuestro chequeo físico regular.
"Actualmente, habitualmente se miden menos de 20 variables en un análisis de sangre estándar de laboratorio", dijo Snyder.
"Podríamos, y deberíamos, medir muchos, muchos miles", agregó.
Parece que para encontrar lo que hace que un individuo sea único, como para tratar de predecir y analizar la salud y la enfermedad, se necesita más que ADN y genes: también se deben investigar las secuencias circundantes, dicen los investigadores.
Llaman al análisis detallado que llevaron a cabo en Snyder un "Perfil Personal Omics Integral" o "iPOP". La palabra "omics" indica que un gran cuerpo de información, como la adquirida a partir de un genoma (un mapa de todo el ADN en una célula) o el proteoma (todas las proteínas).
Un iPOP se basa en la recopilación y el análisis de miles de millones de bits de datos individuales.
El iPOP de Snyder también incluía su metaboloma (un mapa de todos sus metabolitos), su transcriptoma (transcripciones de ARN), perfiles de autoanticuerpos y otras cosas.
Los investigadores dicen que la predisposición a la diabetes que descubrieron en el caso de Snyder no es más que uno de muchos, muchos problemas que un iPOP puede descubrir. Creen que tal "monitoreo dinámico" de individuos pronto será bastante común.
En el transcurso del estudio, Snyder dio aproximadamente 20 muestras de sangre (aproximadamente una vez cada dos meses, y más a menudo cuando estaba enfermo).
Cada muestra se sometió a una variedad de pruebas (ensayos) para decenas de miles de variables biológicas.
Pero fue lo que encontraron en el día 301 que Snyder dice que fue particularmente informativo. Esto fue alrededor de 12 días después de una infección viral: su regulación de la glucosa parecía haber fallado. No mucho después de esto, su glucosa en sangre se disparó. Así que acudió a su propio médico, que es cómo el día 369, le diagnosticaron diabetes tipo 2.
Snyder dijo que normalmente iría a un chequeo con su médico cada dos o tres años:
"Entonces, en circunstancias normales, mi diabetes no habría sido diagnosticada por uno o dos años".
"Pero con esta información en tiempo real, pude hacer cambios en la dieta y el ejercicio que me redujeron el azúcar en la sangre y me permitieron evitar los medicamentos para la diabetes", explicó.

Más que la secuenciación del genoma

Snyder comenzó su estudio unos meses después de llegar a Stanford en 2009, cuando la secuenciación del genoma completo de las personas apenas comenzaba a considerarse seriamente como una opción médica.
El enfoque de iPOP lleva la secuenciación del genoma un paso más allá. El genoma de una persona es un anteproyecto de ADN que cambia poco con el tiempo. Tiene un poder predictivo para insinuar eventos futuros, como el riesgo de desarrollar ciertas enfermedades.
Pero los organismos son dinámicos: cambian con el tiempo. El anteproyecto de ADN debe ser interpretado por ARN y luego expresarse en proteínas, que deben enviar señales e impulsar la química para mantener la vida e interactuar con el medio ambiente.
El iPOP tiene en cuenta este almacén de información más dinámico, por lo que, si lo desea, ofrece no solo la imagen del genoma, sino también cómo funciona el genoma en el tiempo, en el contexto del entorno de una persona: cómo metabolizan los alimentos, flexiona los músculos, respira, reacciona contra las infecciones y todos los pequeños matices y ajustes que mantienen los parámetros de la biología dentro de lo que podemos definir como "saludable".

Para generar iPOP de Snyder, los investigadores tuvieron que secuenciar su genoma con un nivel de precisión que no se había logrado antes.
Después de eso, tomaron docenas de instantáneas moleculares, usando una plétora de varias técnicas, para generar miles de variables y rastrear su progreso a lo largo del tiempo.

Descubrimiento de la Diabetes

Fue un grupo de señales moleculares que condujeron al descubrimiento de la diabetes. A partir de la secuenciación del genoma, pudieron ver que Snyder tenía un mayor riesgo de: colesterol alto, enfermedad de las arterias coronarias, carcinoma de células basales y diabetes tipo 2.
Snyder estaba sorprendido por la predicción de diabetes: ya era consciente del riesgo de enfermedad cardíaca.
Pero, en comparación con otros hombres de su edad (tenía 54 años al comienzo del estudio), tenía un menor riesgo de hipertensión, obesidad y cáncer de próstata.
Al inicio del estudio, Snyder también tenía altos niveles de triglicéridos en la sangre: 321 mg / dL. Los niveles cayeron a 81-116 mg / dL cuando tomó simvastatina, el destructor de colesterol.
Además, al comienzo del estudio, las muestras de sangre de Snyder mostraron que tenía niveles normales de azúcar en la sangre, pero, debido a que el análisis del genoma mostró un riesgo de diabetes tipo 2, los investigadores decidieron continuar monitoreando esto.
Informan que Snyder adquirió dos infecciones virales durante el período del estudio. Comenzó con una infección viral (rinovirus, en el día 0), y durante el primer año (el día 298), registran que adquirió el virus respiratorio sincicial.
Señalan que, en ambas ocasiones, su sistema inmune respondió a los ataques de virus al aumentar los niveles sanguíneos de citoquinas proinflamatorias. Estas son proteínas que las células producen para comunicarse y coordinar sus respuestas a las cosas que las rodean, como los ataques.
Las muestras de Snyder después de las infecciones virales también mostraron que tenía niveles más altos de autoanticuerpos: estos reaccionan con las propias proteínas del cuerpo. Esta suele ser una reacción temporal normal después de la enfermedad, pero en el caso de Snyder, los investigadores tenían curiosidad por saber que un autoanticuerpo en particular se había dirigido a una proteína de unión al receptor de insulina.

Mirando dentro de las celdas

Como si este nivel de detalle no fuera suficiente, los investigadores dieron un paso más, echaron un vistazo a lo que sucedía dentro de las células de Snyder. Aquí es donde entra en juego el análisis de transcripción de ARN. Esto analiza el transcriptoma, una instantánea de la interpretación dinámica en curso del genoma bastante estático en el conjunto de instrucciones que impulsan la química celular.
"Generamos 2,67 mil millones de lecturas individuales del transcriptoma, lo que nos dio un grado de análisis que nunca se había logrado antes", explicó Snyder.
En general, Snyder y sus colegas rastrearon casi 20,000 transcripciones distintas que codifican 12,000 genes y midieron los niveles relativos de más de 6,000 proteínas y 1,000 metabolitos.
Desde un nivel de detalle tan increíble, notaron cierto procesamiento y edición de instrucciones que nadie había sospechado. Por ejemplo, cada individuo lleva dos copias de un gen (uno de cada padre biológico), y los investigadores descubrieron, usando los datos del transcriptoma de Snyder, que estos se comportan de manera bastante diferente durante la infección.
Encontraron alrededor de 2.000 genes que parecen ser más altamente expresados ??durante la infección. Algunos de estos están relacionados con los procesos inmunes y la devoración de las células infectadas.
También identificaron otros 2.200 genes que se expresaron a un nivel más bajo durante la infección, incluidos algunos involucrados en la señalización de la insulina y la respuesta.
En el caso de Snyder, al hacer referencias cruzadas de los resultados de diferentes "omes", también encontraron algunas vías y vínculos inesperados entre la infección viral y la diabetes tipo 2.

Prueba de Principio

El estudio, utilizando el iPOP de Snyder, pretende ser una "prueba de principio", y la esperanza es que abra la puerta a enfoques más simples y menos complejos que puedan usarse en la clínica.
Es posible que no necesitemos 40,000 variables en el futuro, dice Snyder. Es posible que podamos hacer el trabajo con solo un subconjunto que demuestre ser realmente útil para predecir la salud futura.
Mientras tanto, necesitaremos más estudios como este para reducir esos 40,000 o más a un número más manejable.
"En este momento, este tipo de análisis es muy costoso. Pero tenemos que esperar que, al igual que la secuenciación del genoma completo, sea mucho más barato. Y también tenemos que considerar los ahorros para la sociedad que previenen la enfermedad", dijo Snyder.

¿Por qué tú?

Respondiendo a la pregunta de por qué se eligió a sí mismo como el sujeto del estudio, Snyder dijo en una declaración informada por Science NOW, que las razones eran principalmente prácticas. Quería a alguien local que pudiera someterse a los frecuentes análisis de sangre, y también quería a alguien que no se volviera contra su equipo si surgía alguna información devastadora:
"No iba a demandarme a mí mismo", dijo Snyder.
Los fondos de la Universidad de Stanford, los Institutos Nacionales de Salud, el Ministerio de Ciencia e Innovación, la Unión Europea, el Consejo Europeo de Investigación, la Fundación Korber, la Fundación Marcelino Botín y la Fundación Lilly y la Fundación Breetwor Family ayudaron a pagar la investigación.
Escrito por Catharine Paddock PhD