Un equipo internacional de investigadores ha identificado 17 proteínas circulantes que, junto a variables demográficas, distinguen a los pacientes con esclerosis lateral amiotrófica (ELA) de los individuos sanos. Mediante la aplicación de inteligencia artificial, los científicos han demostrado que estas proteínas pueden ser utilizadas con propósito diagnóstico, ofreciendo una fiabilidad …

Un equipo internacional de investigadores ha identificado 17 proteínas circulantes que, junto a variables demográficas, distinguen a los pacientes con esclerosis lateral amiotrófica (ELA) de los individuos sanos. Mediante la aplicación de inteligencia artificial, los científicos han demostrado que estas proteínas pueden ser utilizadas con propósito diagnóstico, ofreciendo una fiabilidad del hasta el 96%. 

Ésta se mantuvo elevada incluso después de excluir la contribución del biomarcador NEFL, considerado clínicamente relevante en esta patología. El potencial de estas proteínas fue puesto de manifiesto en un análisis adicional, que identificó un subconjunto de 8 componentes que distinguen a los pacientes que presentan expansiones en la región C9orf72 de los que no presentan esta anomalía genómica. Los niveles de otras 6 proteínas se encontraron elevados en pacientes sintomáticos C9orf72+, lo que indica que pueden ser utilizadas como biomarcadores de fenoconversión. 

Así lo afirma Bryan Traynor, investigador de los Institutos Nacionales de la Salud de los EE.UU. y director del estudio, quien prosigue indicando que las proteínas identificadas están asociadas a procesos biológicos relativos al desarrollo y degeneración del músculo esquelético, al metabolismo energético y a la excitotoxicidad mediada por el neurotransmisor NMDA, corroborando observaciones previas. Notablemente, las alteraciones en los biomarcadores circulantes seleccionados no mostraron ningún vínculo con las variaciones de los correspondientes genes, asegura el científico. Traynor concluye indicando que la implementación de estas proteínas en un modelo de Machine Learning ha posibilitado la generación de un índice cuyo progresivo aumento se asocia a mayor riesgo de aparición de los síntomas, en pacientes que todavía no los presentan.


SEGUIR LEYENDO