TRATAMIENTO PROACTIVO Mantenimiento de la salud
TRATAMIENTO REACTIVO Alivio de los síntomas
SALUD Picos de hiperglucemia
Inflamación, Glicosilaciones Alteraciones epigenéticas Resistencia a la insulina
PREDIABETES T2D Hiperglucemia Resistencia a la insulina Complicaciones CV
Normoglucemia
BIOMARCADORES
PREDICTIVA PREVENTIVA PERSONALIZADA PARTICIPATIVA
MEDICINA 4P
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
GLUCAGON: Amilina Incretinas
INSULINA: Sulfonilureas Meglitinidas Agonistas GLP1
GLUCOSA: Metformina
GLUCOSA: Acarbosa
GLUCOSA: Inhibidores SLGT2
RESISTENCIA: TZDs
RESISTENCIA: TZDs
APETITO: Amilina Agonistas GLP1
La búsqueda de biomarcadores para prediabetes
Plasma
WBCs
RBCs
Metabolitos
Proteínas
microRNAs
Mutaciones, SNPs
Epigenética
Transcriptómica
Proteómica
Metabolómica
Metilación de DNA
Modificaciones histonas
Gene locus
mRNA
Protein
Nucleus
Cytoplasm
miRNA locus
5’ 3’ Pri-miRNA
Pre-miRNA
miRNA duplex
Exosomes Endocrine function Biomarkers
Translation
Ribosome
miRNA
Translation inhibition Target mRNA degradation
RISC
DNA
Transcription
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
Fol
d c
han
ge (
Predia
beti
c/C
ontr
ol) 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)
Muestras PREDAPS Barcelona
2013 (Total=164)
2014 (Total=164)
2015 (Total=136)
2016 (Total=100)
164 145
(88%) 121
(74%) 93
(57%)
19 11
(58%) 6
(32%)
4 1
Muestras PREDAPS Barcelona
HbA1c (8)
GLY (19)
GLY+HbA1c (19)
Cont (56)
DM (8)
Pre (46)
0
20
40
60
80
100
120
140
GLY
(m
g/dl)
Ct
Pre
DM
HbA
1c
GLY
G+H
Pre
***
*** ***
*** ***
0
1
2
3
4
5
6
7
Ct
Pre
HbA
1c
GLY
G+H
Pre
DM
HbA
1c (
%)
*
*** *** *** ***
***
Ct
Pre
HbA
1c
G+H
Pre
DM
GLY
0
5
10
15
20
25
30
35
IM
C (
kg/
m2
)
*** ***
NS
***
Ct
Pre
HbA
1c
G+H
Pre
DM
GLY
0
10
20
30
40
50
60
70
80
90
FLI
NS
*** *
*** ** *
* p<0.05 ** p<0.005 *** p<0.0005
-4
-2
0
2
4
6
8
10
12 -5 -3 -1 1 3 5 7 9
rs=0.6 p=0
dCt miR-192
dC
t m
iR-1
93
b
* p<0.05
0
1
2
3
4
5
6
7
Ct Pre DM Ct Pre DM Ct Pre DM
miR-192 miR-193b miR-192+miR-193b
*
*
* *
* NS
NS NS
Fol
d c
han
ge
0
1
2
3
4
5
6
7
8
9
Ct HbA1c GLY G+H
Fol
d c
han
ge
miR-192+miR-193b
*
*
miR-192+miR-193b se encuentran aumentados en suero de individuos prediabéticos
rs=-0.33 p< 0.0005
rs=-0.22 p< 0.05
rs=0.23 p< 0.05
rs=-0.3 p< 0.005
miR-192+miR-193b correlacionan con diversos parámetros fisiólogicos
60
70
80
90
100
110
120
130
140
150
-3 -1 1 3 5 7 9
GLUCEMIA
4
5
5
6
6
7
7
8
-3 -1 1 3 5 7 9
% HbA1c FLI HDL
0
10
20
30
40
50
60
70
80
90
-3 -1 1 3 5 7 9
0 10 20 30 40 50 60 70 80 90
100
-3 -1 1 3 5 7 9
Los individuos con niveles elevados de miR-192+miR-193b presentan un perfil patológico
4.0
4.5
5.0
5.5
6.0
dCt>4 dCt<4
HbA1c
0
10
20
30
40
50
60
70
dCt>4 dCt<4
FLI
25
26
27
28
29
30
31
dCt>4 dCt<4
BMI
* p<0.05 ** p<0.0005
* * * **
0.0
20.0
40.0
60.0
80.0
100.0
120.0
dCt>4 dCt<4
GLY
dCt(miR192) AUC= 0.63
dCt(192+193b) AUC= 0.71
Capacidad diagnóstica de miR-192+miR-193b
dCt(miR193b) AUC= 0.69
dCt(192+193b)>4 dCt(193+193b)<4
2013 2013
5%
9%
12%
15%
38%
20%
Capacidad de predicción de miR-192+miR-193b
Ct 2013/2015
Ct 2013/Pre 2015
Pre 2013/Ct 2015
Pre 2013/2015
Pre 2013/DM 2015
0
20
40
60
80
100
120
IMC (kg/m2)
cintura (cm)
** ****
NS
** ***
NS
0
20
40
60
80
100
120
FLI GLY (mg/dl)
***
****
***
*
****
***
0
1
2
3
4
5
6
7
HbA1c (%)
****
***
CT (n=4)
FLI (n=3)
GLY (n=5)
Identificación de nuevos candidatos Selección de muestras
Identificación de nuevos candidatos: NGS
CT FLI GLY CT FLI GLY
Perspectivas
- Extender el análisis de miRNAs circulantes al total de las muestras de suero recogidas en 2013 en Barcelona (n=164)
- Analizar en el total de muestras de 2013 la abundancia de otros miRNAs candidatos
- Correlacionar los datos de miRNAs de 2013 con los datos del seguimiento clínico correspondientes a la visita de 2016
- Analizar la abundancia de miRNAs candidatos en muestras seleccionadas recogidas en 2016
miR-192 y miR-193b aumentan en plasma de ratón durante el desarrollo del fenotipo diabético
* p<0.05
*
*
0
1
2
3
4
5
Ct
HF
D
Ct
HF
D
Ct
HF
D
Ct
HF
D
Ct
HF
D
Ct
HF
D
Ct
HF
D
Ct
HF
D
Ct
HF
D
Ct
HF
D
miR-192 miR-193b
*
Fol
d c
han
ge
n=6
* 0
2
4
6
8
10
12
-5 -3 -1 1 3
6+12+16w (dCt(192) vs Peso eWAT)
r=-0.6095 p=0.000038
0
1
2
3
-5 -3 -1 1 3
6+12+16w (dCt(192) vs Peso Hígado)
r=-0.6466 p<0.00001
Caracterización funcional in vivo Diseño experimental
Dieta control/grasa durante 14 semanas
Exosomas
Exosomas control Exosomas dieta grasa
Ratones control
IGTT ITT IHC
5 semanas tratamiento
HIGADO
HOECHST CD68 OVERLAY PKH67
Los exosomas inyectados llegan al hígado y el pancreas
HOECHST PKH67 INSULINA OVERLAY
PANCREAS
Los exosomas de ratones intolerantes a la glucosa transmiten la intolerancia a la glucosa in vivo
* p<0.05
** p<0.005
Glu
cosa
(m
g/dL)
Tiempo (min)
IGTT
exoHFD exoCT
*
**
0
50
100
150
200
250
300
350
400
0 15 30 45 60 75 90 105 120
Peso
(g)
0
5
10
15
20
25
30
exoCt exoHFD
ITT
0
25
50
75
100
125
150
175
0 15 30 45 60 75 90
Glu
cosa
(m
g/dL)
Tiempo (min)
En resumen…
- El patrón de microRNAs circulantes en sangre se ve afectado por las condiciones fisiológicas de organismo, incluyendo la presencia de alteraciones en el metabolismo de hidratos de carbono
- Los microRNA circulantes participan en el desarrollo de la intolerancia a la glucosa
- El análisis de los microRNAs circulantes, junto con otros marcadores clásicos, puede ayudar a predecir la evolución de un individuo
Carlos Castaño
Laura Brugnara
Nutrigenomics Foo
do
mic
s
Kinomics
Cis
tro
mic
s
Exo
mic
s
Xavier Cos
Manel Mata