con un tratamiento unificado - redgdps
TRANSCRIPT
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(