con un tratamiento unificado - redgdps

Insulina

Glucagón

Glucosa Glucosa Mioquinas

Glucosa

Adipoquinas Ácidos grasos

Neurotransmisores

DeFronzo Diabetes 58:773 (2009) Incretinas

La diabetes es una enfermedad multifactorial…

medicación

obesidad grasa

tabaco

ejercicio

edad

dieta

alcohol

prevención

TCF7L2

PPARG

IGF2BP2

KCNJ11

PAX4

HNF1A

abcc8 FTO

SREBP2

… con un tratamiento unificado

A pesar de seguir tratamientos intensivos no todos los pacientes consiguen control glucémico

Sjöholm Pharmaceuticals 3:764 (2010)

Desafíos en el diagnóstico y el tratamiento de la DM2 Diagnóstico

La glucemia es un método poco sensible y poco específico Se requiere un método de diagnóstico temprano y multifactorial -  En algunos casos los pacientes ya presentan complicaciones -  No identifica la etiología de la enfermedad -  No permite predecir su evolución -  No permite inferir la incidencia de complicaciones

Tratamiento No todos los pacientes responden igual. Se requiere su estratificación -  Según riesgo de desarrollar diabetes -  Según riesgo de desarrollar complicaciones -  Según respuesta a diferentes tratamientos

Hacia una medicina 4P

PREDICTIVA PREVENTIVA PERSONALIZADA PARTICIPATIVA

GLUCAGON: Amilina Incretinas

INSULINA: Sulfonilureas Meglitinidas Agonistas GLP1

GLUCOSA: Metformina

GLUCOSA: Acarbosa

GLUCOSA: Inhibidores SLGT2

RESISTENCIA: TZDs

RESISTENCIA: TZDs

APETITO: Amilina Agonistas GLP1

OCT1

PPARG2

RBP4 CYP2C9

PRKAA1

TCF7L2

HNF4A

HNF1A

Hacia una medicina 4P

Genómica DNA

cromatina Transcriptómica

RNA

miRNA MicroRNAnomica

Proteómica

Proteina

Metabolómica Metabolitos

Núcleo Citoplasma

Epigenómica

Ac Me

Me

Ago2

Diana Plataformas Consideraciones

DNA

RNA

Metilación DNA Modificaciones histonas Unión factores trascripción

GENOMICA

EPIGENOMICA

TRANSCRIPTOMICA

PROTEOMICA

MICRORNANOMICA

PROTEINAS

microRNAs

Secuenciación Microarrays

Secuenciación Microarrays

Secuenciación Microarrays

Secuenciación Microarrays

HPLC-MS MALDI-TOF MS Microarrays de proteinas

La secuencia de DNA es invariable, por lo que se puede estudiar en tejidos accesibles (sangre, epiteliales)

El epigenoma varía según la célula y las circunstancias fisiológicas, por lo que hay que estudiar el tejido relevante.

La expresión de RNAs varía según tipo celular y circunstancias, por lo que hay que estudiar el tejido relevante.

La expresión proteica varía según tipo celular celular y circunstancias, por lo que hay que estudiar el tejido relevante. Proteínas secretadas pueden estudiarse en fluidos accesibles

La expresión de miRNAs varía según tipo celular y circunstancias, por lo que hay que estudiar el tejido relevante. Sin embargo, también se secretan, por lo que se pueden estudiar en fluidos accesibles

METABOLOMICA METABOLITOS Variable según tipo delular y circunstancias. Puede estudiarse en fluidos accesibles

LC-MS NMR

Secuenciación

Adaptadores 5’ Adaptadores 3’

Hibridación

Amplificación Generación de los clusters

Adición de NTPs Escaneado Escisión

Muestra (Acido nucleico)

DNA RNA

miRNA

Microarrays

Fluoróforo

Color e intensidad indican hibridación

La genómica en el tratamiento de la DM2

Shu et al. J Clin Invest 117:1422 (2007) Datos clínicos

Farmacogenómica en DM2

GLICEMIA

Metformina OCT1, OCT2 ATM PRKAB2, PRKAA1 STK11

TZDs PPARG2 RBP4 PTPRD

Sulfonilureas TCF7L2 CYP2C9

HNF1A Gliptinas CTRB1/2 TCF7L2

Acarbosa HNF4A PPARA PPARGC1A

Maruthur et al. Diabetes Care 37:876 (2014)

Farmacogenómica en DM2

SNPs riesgo SNPs prognosis SNPs respuesta a fármacos

Maximizar el beneficio Minimizar el daño

Un ejemplo de medicina personalizada: El “narcis-oma”

Chen et al. Cell 148:1293 (2012)

Citoquinas Hiperglucemia

BMI: 23.9 BMI: 21.7

Michael(Snyder(Stanford(University,(CA(54(años(

DM2

La búsqueda de biomarcadores para prediabetes

Plasma

WBCs

RBCs

Metabolómica

Proteómica

miRNAómica

Genómica

Epigenómica

Transcriptómica

Proteómica

Metabolómica

Metilación de DNA

Modificaciones histonas

Suero

- Individuos Control (n=18)

- Invividuos Prediabéticos IFG (n=10)

- Individuos Prediabéticos IGT (n=10)

RNA RT-PCR Comparación entre grupos

Aislamiento y análisis de miRNAs circulantes: Diseño experimental

Fold

cha

nge

(Pre

diab

etic

/Con

trol

) miR-193b

miR-192 miR-150

dCt

Perfil diferencial de c-miRNAs en suero de pacientes prediabéticos

-0,8

-0,4

0

0,4

0,8

1,2

-8-6-4-2024

miR-125a-5p

miR-128

miR-15b

miR-191

miR-193b

miR-192 miR-150

Parrizas et al. JCEM 100(3):E407-15 (2015)

Control IFG IGT

dCt

miR-193b

**

**

dCt

** **

Control IFG IGT

miR-192

dCt (miR-192) dC

t (m

iR-1

93b)

r: 0.56 p<0.005

miR-192 + miR-193b se encuentran aumentados en suero de pacientes prediabéticos

Parrizas et al. JCEM 100(3):E407-15 (2015)

dCt

miR-192 + miR-193b

**

**

Control IFG IGT

miR-192+miR-193b en suero predicen prediabetes

0.00

0.25

0.50

0.75

1.00

Sen

sitiv

ity

0.00 0.25 0.50 0.75 1.001 - Specificity

Area under ROC curve = 0.8260Area under ROC curve: 0.826

Parrizas et al. JCEM 100(3):E407-15 (2015)

dct(

192+

193b

)

FLI

p< 0.005 r=-0.35 -2

0

2

4

6 20 40 60 80 100

-2

0

2

4

6 0 50 100 150 200

Glucose 120’ (mg/dl)

p<0.005 r= 0.36

dCt

(192

+193

b)

miR-192+miR-193b correlacionan con parámetros metabólicos

JCEM 100(3):E407-15 (2015)

0

20

40

60

80

100

120

0 100 200 300

FLI

Glucose 120’ (mg/dl)

p<0.005 r= 0.30

miR-192 y miR-193b reflejan respuesta al tratamiento Prediabetes IFG+IGT

* p<0.05 ** p<0.005

0

0.5

1

1.5

2

2.5

Con

t P

re

Con

t P

re

Con

t P

re

Con

t P

re

T0 T16 T0 T16 miR-192 miR-193b

*

p=0.06 **

**

Fold

Cha

nge

n=6(

Ratones HFD intolerantes a la glucosa

Fold

cha

nge

** **

n=8(

** **

*

*

Parrizas et al. JCEM 100(3):E407-15 (2015)

miR-192 y miR-193b aumentan en suero en paralelo al desarrollo del fenotipo de diabetes en ratones

* p<0.05

*

*

0

1

2

3

4

5

Ct

HFD

Ct

HFD

Ct

HFD

Ct

HFD

Ct

HFD

Ct

HFD

Ct

HFD

Ct

HFD

Ct

HFD

Ct

HFD

miR-192 miR-193b

*

miR

NA

/(let

-7b+

let-7

g+le

t-7i)

n=6(

* 0 2 4 6 8

10 12

-5 -3 -1 1 3

6+12+16w (dCt(192) vs body weight)

r=-0.6095 p=0.000038

0

1

2

3

-5 -3 -1 1 3

6+12+16w (dCt(192) vs Liver weight)

r=-0.6466 p<0.00001

0 1 2 3 4 5 6

Cont

Gly

HbA

1c

Gly+

HbA

1c

HbA1c (%)

*** *** *** ***

PreDM

0 10 20 30 40 50 60 70 80

Cont

Gly

HbA

1c

Gly+

HbA

1c

FLI

*** *

*

PreDM

* **

0 5

10 15 20 25 30 35

Cont

Gly

HbA

1c

Gly+

HbA

1c

BMI (kg/m2)

*

PreDM

Muestras PREDAPS Barcelona Cont (61)

HbA1c (45) GLY (17) GLY+HbA1c (63)

0 20 40 60 80

100 120

Cont

Gly

HbA

1c

Gly+

HbA

1c

Glycemia (mg/dl)

*** ***

*

*** *

*

PreDM

Prevalencia de hígado graso en controles y prediabéticos

Control

FLI>60 20>FLI<60 FLI<20

PreDM

0

20

40

60

80

100

120

C FL

I<20

C 20

<FLI

<75

C FL

I>75

Pre

FLI<

20

Pre

20<F

LI<7

5

Pre

FLI>

75

GLY (mg/dl)

** *

NS

* *** *

60>FLI<75 20>FLI<60 60>FLI<75

FLI<20

FLI>75

miR-192 miR-193b miR-192+miR-193b

0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5

Ct (n=42)

PRE(1+2+3) (n=58)

PRE(3) (n=46)

p=0.1

Fold

cha

nge

miR-192+miR-193b están aumentados in GLY>100 or FLI>75

0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0

GLY<100 (n=52)

GLY>100 (n=48)

FLI<75 (n=61)

FLI>75 (n=39)

p=0.05

p=0.05 *

*

* Fold

cha

nge

miR-192 miR-193b miR-192+miR-193b

miR-192+miR-193b are increased in GLY>100 + FLI>75

0.0

1.0

2.0

3.0

4.0

5.0

GLY<100 OR FLI<75 (n=73)

GLY>100+FLI>75 (n=27)

*

*

***

Fold

cha

nge

En resumen…

-  Combinaciones de biomarcadores proporcionados por las diferentes ómicas tienen el potencial de facilitar la personalización del diagnóstico y el tratamiento de los pacientes con DM2, maximizando el beneficio y minimizando el desarrollo de complicaciones.

-  Aún queda un camino por recorrer, para identificar combinaciones óptimas de marcadores que proporcionen la mayor información con el menor coste económico.

Carlos(Castaño(

Laura(Brugnara(

Nutrigenomics(Food

omics(

Kinomics(

Cistromics(

Exom

ics(

Xavier(Cos(

Manel(Mata(