APLICACIONES | NEUROCIENCIA
Caracterizar las complejidades de la biología cerebral
Explore el papel fundamental de la metabolómica en la investigación neurocientífica y descubra cómo la metabolómica puede acelerar los resultados neurocientíficos.
Hable hoy mismo con un experto en metabolómica
Solicite un presupuesto, obtenga información detallada sobre los tipos de muestras o descubra cómo la metabolómica puede acelerar su investigación.
Recursos destacados sobre neurociencia
Metabolómica para la neurociencia Volumen 1
Webinar a la carta: Metabolómica no dirigida en la investigación sanitaria de poblaciones de grandes cohortes
Aplicaciones en la investigación del eje intestino-cerebro
Metabolómica en neurología
Los marcadores funcionales para la investigación neurológica pueden ser difíciles de alcanzar. Debido a la naturaleza compleja y frágil del cerebro, tomar muestras de cohortes vivas, atravesar la barrera hematoencefálica y caracterizar el fenotipo cerebral puede resultar difícil o imposible para la mayoría de los estudios.
La metabolómica proporciona un criterio de valoración funcional que los investigadores neurológicos pueden incorporar fácilmente a sus estudios. La bioquímica de moléculas pequeñas puede dilucidar la asociación e importancia de una vía metabolómica y su impacto correlativo en la presencia y gravedad de afecciones neurológicas. Con marcadores presentes en otras matrices biológicas menos invasivas que apoyan la investigación neurológica, y la creciente importancia del microbioma para explorar asociaciones a través del eje intestino-cerebro, ¿qué más se puede encontrar con la metabolómica?
Nuevas dimensiones de la investigación medioambiental
La metabolómica se aplica con frecuencia a los estudios de investigación ambiental para evaluar la respuesta celular a las exposiciones ambientales, avanzar en nuestra comprensión del modo de acción e identificar formas de seleccionar rasgos deseables en los cultivos, entre otros usos. En este artículo se analizan algunos estudios en los que la metabolómica ha revelado conocimientos fundamentales sobre estos temas, con el fin de fundamentar las medidas de seguimiento y la toma de decisiones.
Observación longitudinal de los mecanismos patológicos
La metabolómica ayuda a los investigadores a profundizar en el desarrollo de diversas afecciones neurológicas proporcionando perfiles metabólicos detallados. La observación de los cambios en las rutas metabólicas puede arrojar luz sobre cómo cambian los procesos celulares y revelar nuevas dianas terapéuticas potenciales.
Por ejemplo, la metabolómica fue capaz de identificar un compuesto producido por un microbio en un modelo de ratón de esclerosis lateral amiotrófica que puede rescatar la disfunción motora. Blacher, Et al. Nature 2019, 572:474-484
Identificación de biomarcadores
La identificación de biomarcadores a través de la metabolómica global puede poner de relieve la conexión entre la metabolómica y las enfermedades neurológicas, así como abrir la puerta a nuevas terapias. Aprovechar la metabolómica global para obtener un punto de vista exhaustivo contribuirá al desarrollo de diagnósticos y terapias no invasivos capaces de mejorar la vida de los pacientes.
Con nuestra biblioteca líder en la industria de más de 5.400 metabolitos, Metabolon tiene la más amplia cobertura y capacidad para ver biomarcadores potenciales en sus datos. La profunda experiencia de Metabolonen metabolómica desempeña un papel vital en los futuros avances del campo de la neurociencia.
Asociar las vías metabólicas a las afecciones neurológicas
Desarrollo de fármacos neurológicos y medicina personalizada
La metabolómica puede revelar alteraciones en las rutas metabólicas, lo que ayuda a identificar objetivos potenciales para investigaciones adicionales y el desarrollo de nuevos fármacos. Además, permite adaptar potencialmente los tratamientos mediante la identificación de cambios metabólicos específicos en diferentes afecciones neurológicas.
Uso de modelos predictivos y pronóstico
Los datos metabolómicos nos permiten modelizar y predecir la evolución de una enfermedad y su respuesta al tratamiento. Esto también podría ayudar a identificar marcadores que pueden dar una idea de los resultados esperados a largo plazo de las enfermedades neurológicas.
Evaluación del impacto neurológico del exposoma
Los datos metabolómicos nos permiten modelizar y predecir la evolución de una enfermedad y su respuesta al tratamiento. Esto también podría ayudar a identificar marcadores que pueden dar una idea de los resultados esperados a largo plazo de las enfermedades neurológicas.
"Mediante el empleo de metabolómica no dirigida y la comparación de las diferencias en los niveles de metabolitos entre los tejidos, hemos sido capaces de mapear una red de metabolitos perturbados que muestran que la función de esta proteína se extiende mucho más allá del transporte de citrato, ya que nuestros datos apuntan hacia anormalidades en los ácidos biliares, el metabolismo de nucleótidos, y el transporte y/o síntesis de ácidos grasos."
Milosavljevic S, Glinton KE, Li X, Medeiros C, Gillespie P, Seavitt JR, Graham BH, Elsea SH. Untargeted Metabolomics of Slc13a5 Deficiency Reve Critical Liver-Brain Axis for Lipid Homeostasis. Metabolites. 2022; 12(4):351. https://doi.org/10.3390/metabo12040351 Disponible bajo CC BY 4.0.
Aplicaciones de la metabolómica a la investigación neurocientífica
Enfermedad de Alzehimer
Trastorno del espectro autista
Esclerosis lateral amiotrófica (ELA)
Epilepsia
Enfermedad de Parkison
Trastornos neuropsiquiátricos
Estrés
Enfermedad de Huntington
Síndrome de fatiga crónica
Enfermedad de Alzehimer
Trastorno del espectro autista
Esclerosis lateral amiotrófica (ELA)
Epilepsia
Enfermedad de Parkinson
Trastornos neuropsiquiátricos
Estrés
Enfermedad de Huntington
Síndrome de fatiga crónica
ESTUDIO DE CASO
La metabolómica ayuda a entender enfermedades neurogenéticas complejas
Muchos trastornos neurológicos son atribuibles a variaciones genéticas, con distintos grados de heredabilidad, o proporción de la etiología de la enfermedad debida a la contribución genética. Las variantes genéticas comunes con un tamaño de efecto pequeño tienen un impacto agravante en el riesgo de enfermedad. Los estudios genómicos funcionales, que incluyen datos endofenotípicos (metabolómicos), transcriptómicos, epigenómicos o proteómicos, relacionan las vías afectadas por estas variantes con la enfermedad.
La enfermedad de Alzheimer (EA) es uno de estos complejos trastornos neurogenéticos. La mayoría de los estudios se centran en pacientes diagnosticados de EA. Un artículo publicado en Scientific Reports realizó un análisis multiómico en adultos sanos para comprender cómo se asocian los riesgos genéticos de la EA con los cambios fisiológicos. El análisis metabogenómico, la integración de datos metabolómicos y genómicos para vincular e inferir la relación entre la presencia de variantes genómicas y las alteraciones medibles en metabolitos dentro de vías bioquímicas, incluyó variantes genéticas conocidas, análisis de sangre de laboratorios clínicos y metabolómica. Un estudio de asociación de todo el fenoma (PWAS) relacionó variantes genéticas conocidas de la EA con datos de marcadores sanguíneos y reveló 33 polimorfismos de nucleótido único (SNP) estadísticamente significativos que estaban asociados con el metabolismo lipídico y los sistemas de respuesta inmunitaria, apuntando a biomarcadores que podrían detectarse en la edad adulta temprana (srefer to figure). Los resultados del estudio ponen de relieve objetivos para la prevención de la EA y nuevas dianas farmacológicas, y contribuyen en gran medida al conocimiento genómico funcional de la EA.
Figura 1. Asociaciones SNP-analito estadísticamente significativas tras corregir las pruebas múltiples (valor p umbral ajustado por FDR = 0,05), por SNP. Panel superior: coeficiente beta transformado logarítmicamente del modelo de regresión lineal ajustado por sexo, edad y componentes genéticos principales 1-4; los marcadores por encima de la línea cero (naranja) indican analitos cuyo valor aumentó con el alelo menor, mientras que los marcadores por debajo de la línea indican marcadores cuyo valor disminuyó. Segundo panel: FDR ajustado - log10 p-valor; línea naranja en FDR-p = 0,05. Proteínas = rojo, metabolitos = azul, química clínica = morado. Códigos de metabolitos: DG diacilglicerol, LC lactosilceramida, o oleilo; a araquidonoilo, g glicerol, linoleoilo, p palmitoilo. Tercer panel: frecuencia alélica menor (MAF). Panel inferior: Tamaño total de la muestra para cada regresión analito-SNP.
Figura de Heath L, Earls JC, Magis AT, et al. Las manifestaciones del riesgo genético de la enfermedad de Alzheimer en la sangre son evidentes en un análisis multiómico en adultos sanos de entre 18 y 90 años. Sci Rep. 2022;12(1):6117. Publicado 2022 abr 12. doi:10.1038/s41598-022-09825-2 Disponible bajo CC BY 4.0.
Publicaciones y citas de la investigación en neurociencia
Metabolon ha contribuido ampliamente a publicaciones que abarcan desde la investigación básica hasta los ensayos clínicos.
Base de conocimientos de neurociencia
Profundice viendo nuestros estudios de casos y seminarios web. Más información sobre cómo Metabolon fomenta la investigación neurocientífica.
Metabolómica para la neurociencia Volumen 1
Webinar a la carta: Metabolómica no dirigida en la investigación sanitaria de poblaciones de grandes cohortes
Aplicaciones en la investigación del eje intestino-cerebro
