Epigenómica leucocitaria y la inteligencia artificial predicen la enfermedad de Alzheimer de inicio tardío

La enfermedad de Alzheimer (EA) es la forma más común de demencia relacionada con la edad y representa del 60% al 80% de estos casos. El trastorno causa una amplia gama de discapacidades físicas y mentales importantes, con profundos cambios de comportamiento y deterioro progresivo de las habilidades sociales.

La EA es un trastorno complejo influenciado por factores ambientales y genéticos. Los estudios de asociación de todo el genoma (GWAS) han identificado varios loci de riesgo asociados a la EA de inicio tardío (LOAD) en los leucocitos de sangre periférica, incluidos linfocitos T, linfocitos B, leucocitos polimorfonucleares, monocitos y macrófagos.

Un equipo de científicos médicos principalmente de la Facultad de Medicina William Beaumont de la Universidad de Oakland (Royal Oak, MI, EUA), evaluó la utilidad de los biomarcadores epigenómicos de leucocitos para la detección de la enfermedad de Alzheimer (EA) y dilucidó sus patogénesis moleculares. El equipo estudió muestras de sangre de dos docenas de pacientes con enfermedad de Alzheimer y la misma cantidad de controles de salud cognitiva.

Se extrajeron aproximadamente 500 ng de ADN genómico de cada una de las 48 muestras, que posteriormente se convirtieron con bisulfito utilizando el kit EZ DNA Methylation-Direct (Zymo Research, Orange, CA, EUA). Realizaron un análisis de metilación del ADN de todo el genoma de las muestras de sangre con la matriz Infinium MethylationEPIC BeadChip (Illumina, San Diego, CA, EUA). El análisis de inteligencia artificial (IA) se realizó a través de una combinación de sitios CpG de diferentes genes. También utilizaron seis enfoques de inteligencias artificiales para analizar su conjunto de datos, incluida la máquina de vectores de soporte, el bosque aleatorio y el aprendizaje profundo. El aprendizaje profundo es una rama del aprendizaje automático que tiene como objetivo imitar las redes neuronales de los cerebros de los animales.

El equipo informó que cada uno de los enfoques de IA podía predecir la enfermedad de Alzheimer con alta precisión, produciendo áreas bajo la curva (AUC) de al menos 0,93. El aprendizaje profundo mejoró aún más eso con una AUC de 0,99 y una sensibilidad y especificidad del 97% utilizando marcadores intragénicos. También se podrían alcanzar resultados similares con marcadores intergénicos. El grupo señaló que la adición de predictores clínicos convencionales o análisis del estado mental no mejoró aún más el desempeño. El análisis destacó una serie de genes y vías que se sabe que se interrumpen en la enfermedad de Alzheimer. Los genes alterados epigenéticamente incluyen, por ejemplo, CR1L y CTSV, que están implicados en la morfología de la corteza cerebral, así como S1PR1 y LTB4R, implicados en la respuesta inflamatoria.

Ray O. Bahado-Singh, MD, profesor de obstetricia y ginecología y autor principal del estudio, dijo: “Descubrimos que el análisis genético predijo con exactitud la ausencia o presencia de la enfermedad de Alzheimer, lo que nos permitió leer lo que sucede en el cerebro a través de la sangre. Los resultados también nos dieron una lectura de las anomalías que causan la enfermedad de Alzheimer. Esto tiene una promesa futura para el desarrollo de un tratamiento específico para interrumpir el proceso de la enfermedad”. El estudio fue publicado el 31 de marzo de 2021 en la revista PLOS ONE.

Enlace relacionado:
Facultad de Medicina William Beaumont de la Universidad de Oakland
Zymo Research