Machine learning

Científicos combinan proteómica avanzada e inteligencia artificial para revelar cambios estructurales en proteínas sanguíneas que podrían ayudar a distinguir la enfermedad de Alzheimer temprana del deterioro cognitivo leve.

Estudio: Structural signature of plasma proteins classifies the status of Alzheimer’s disease. Crédito de la imagen: Beyond This/Shutterstock.com

Un estudio reciente publicado en Nature Aging combinó proteómica estructural basada en espectrometría de masas con aprendizaje automático para establecer una estrategia de investigación mínimamente invasiva, confiable y potencialmente escalable para la detección temprana y la clasificación de la enfermedad de Alzheimer (EA) y afecciones cognitivas relacionadas.

Alteración de la homeostasis proteica y biomarcadores estructurales en la enfermedad de Alzheimer

La proteostasis, o homeostasis proteica, se refiere a los procesos celulares que mantienen el correcto plegamiento, estabilidad y degradación de las proteínas. Estos mecanismos son cruciales, ya que una proporción sustancial de las proteínas recién sintetizadas pueden plegarse incorrectamente, interrumpiendo la función celular normal si no son gestionadas por los sistemas de control de calidad celular.

En la EA, la maquinaria responsable de la proteostasis se vuelve menos efectiva, lo que permite la acumulación de proteínas mal plegadas y componentes celulares dañados con el tiempo. Esta alteración de la eliminación favorece la acumulación temprana de agregados de beta-amiloide, cúmulos anormales de proteínas que pueden formarse en el cerebro años antes de que aparezcan los primeros signos de los síntomas de Alzheimer. Una comprensión integral de los cambios conformacionales e interacciones de las proteínas, más allá del enfoque tradicional en las placas amiloides y los ovillos neurofibrilares, podría revelar mecanismos de la enfermedad y biomarcadores estructurales basados en el plasma.

La apolipoproteína E (APOE) es una proteína plasmática polimórfica con tres isoformas principales (ε2, ε3, ε4) que difieren en uno o dos aminoácidos, lo que lleva a propiedades de unión alteradas. El alelo ε4 está fuertemente asociado con un mayor riesgo de EA, mientras que ε2 confiere protección. A pesar de la extensa caracterización de los perfiles de expresión del genotipo APOE y los efectos de la red, el impacto de las variantes de APOE en la estructura de las proteínas que interactúan con ApoE permanece poco explorado.

Los síntomas neuropsiquiátricos (SNP) son frecuentes en la EA, con diferencias de sexo en la progresión y la sintomatología. Las mujeres tienden a experimentar un declive cognitivo más rápido y tasas más altas de delirio, mientras que los hombres exhiben mayor apatía y agitación. A pesar de los crecientes esfuerzos para definir los correlatos moleculares de los SNP, la relación entre el sexo y los SNP sigue siendo poco clara debido a la heterogeneidad clínica en la EA.

Evaluación de las alteraciones estructurales de las proteínas en la enfermedad de Alzheimer

Se recolectaron muestras de sangre de participantes en la Universidad de California, San Diego (UCSD) y los Centros de Investigación de la Enfermedad de Alzheimer de la Universidad del Sur de California. La patología de Alzheimer en la cohorte de UCSD se basó en mediciones de beta-amiloide y tau en el líquido cefalorraquídeo (LCR), mientras que el estado clínico en las cohortes se evaluó utilizando criterios de diagnóstico establecidos. Los participantes fueron evaluados semestralmente para la función cognitiva y categorizados utilizando criterios estándar, incluido el Clinical Dementia Rating (CDR) y las pruebas neuropsicológicas.

Las muestras de péptidos se analizaron mediante cromatografía líquida-espectrometría de masas en tándem (LC-MS/MS) acoplada a un espectrómetro de masas timsTOF Pro. Se utilizó un marco de aprendizaje automático para clasificar los datos de espectrometría de masas, con una red neuronal profunda seleccionada después de la evaluación comparativa con 17 algoritmos adicionales de aprendizaje automático.

Identificación de biomarcadores estructurales sanguíneos para la detección temprana de la EA

Se obtuvieron un total de 520 muestras de sangre de dos grandes cohortes. Al combinar los hallazgos de la evaluación sanguínea con datos clínicos y de biomarcadores detallados, incluidas pruebas cognitivas y mediciones del líquido cefalorraquídeo (LCR), cuando estuvieron disponibles, los investigadores clasificaron el estado y la progresión de la enfermedad de Alzheimer (EA).

Cabe destacar que ambas cohortes estaban bien emparejadas por edad y se realizó la genotipificación de APOE. Como se esperaba, las puntuaciones cognitivas, como el MMSE (Mini-Mental State Examination) y el CDR-SUM (Clinical Dementia Rating Sum of Boxes), se correlacionaron de manera confiable con el aumento de la gravedad de la enfermedad, anclando el estudio en métricas clínicas establecidas.

Se realizó un perfilado covalente de proteínas (CPP) para medir la accesibilidad de los residuos de lisina en las proteínas sanguíneas, lo que sirve como un indicador del estado conformacional de la proteína. Esta técnica detectó cambios estructurales sutiles en las proteínas, un enfoque novedoso, ya que la mayoría de los estudios se centran solo en la cantidad de proteínas. Los autores se centraron en proteínas abundantes para una posible traducción clínica.

Curiosamente, el estudio actual observó que las alteraciones en la estructura de la proteína, en lugar de la abundancia, se correlacionaron más fuertemente con la EA. A medida que la enfermedad progresaba, las proteínas mostraban menos lisinas accesibles y mayor variabilidad, lo que indica que la pérdida de la homeostasis proteica puede representar una característica molecular importante de la enfermedad de Alzheimer. Los cambios estructurales de las proteínas no siempre fueron lineales, y algunos aparecieron temprano en la enfermedad y otros más tarde. Esta no linealidad sugiere que los cambios de conformación de las proteínas podrían servir como indicadores sensibles, que potencialmente detectan la enfermedad antes que los marcadores tradicionales.

APOE ε4 se asoció con una menor accesibilidad de proteínas en varias proteínas, notablemente C1QA y SERPINA3. El modelado computacional sugirió que estos cambios podrían reflejar interacciones proteína-proteína alteradas, ofreciendo información sobre cómo la genética podría dar forma a la estructura de las proteínas en la EA. El modelado computacional proporcionó soporte estructural para estas asociaciones observadas experimentalmente, sugiriendo que el genotipo APOE puede influir en los cambios estructurales en las proteínas circulantes y, por lo tanto, arrojar luz sobre los fundamentos moleculares del riesgo de EA.

El estudio actual también encontró que la disminución de la accesibilidad de las proteínas se correlacionó con la gravedad de los SNP, y varias proteínas mostraron asociaciones específicas de sexo, muchas vinculadas a la amiloidosis y las vías establecidas de la EA. Las puntuaciones de los SNP fueron más poderosas en el diagnóstico en las mujeres, y las proteínas, como CLUS e ITIH2, exhibieron cambios estructurales específicos de sexo notables que reflejaron la etapa de la enfermedad y la carga de los síntomas. Este hallazgo sugiere que los patrones de biomarcadores informados por el sexo podrían mejorar potencialmente la precisión del diagnóstico, aunque se necesita una mayor investigación.

Un panel de diagnóstico para el diagnóstico de la EA

Los autores desarrollaron un panel de múltiples marcadores que comprende C1QA, CLUS y ApoB, utilizando aprendizaje automático. Su modelo de aprendizaje profundo logró aproximadamente un 83 % de precisión en la distinción entre casos de salud, MCI y EA, superando significativamente a los modelos basados únicamente en la abundancia de proteínas.

La mayoría de las clasificaciones erróneas se limitaron a etapas de enfermedad adyacentes, lo que demuestra la discriminación matizada del panel. La solidez del panel se demostró además, con una precisión constante incluso con la imputación de datos entre diferentes cohortes. Los autores también informaron que la edad no confundió significativamente el rendimiento del panel de múltiples marcadores, lo que respalda la confiabilidad y la potencial generalización de los hallazgos.

Los marcadores estructurales demostraron fuertes correlaciones con las puntuaciones cognitivas y asociaciones moderadas con las medidas de imagen cerebral, incluidos los índices derivados de la resonancia magnética asociados con la patología de Alzheimer y los biomarcadores del LCR, lo que confirmó su relevancia clínica y patológica. Cabe destacar que estas medidas basadas en sangre ofrecen una alternativa menos invasiva a los diagnósticos existentes.

En el análisis longitudinal, el panel de marcadores rastreó la progresión de la enfermedad con aproximadamente un 86 % de precisión dentro de la ventana de seguimiento relativamente corta del estudio y mostró cambios que correspondieron a los cambios en el estado de diagnóstico, lo que destaca su promesa para monitorear los cambios fisiológicos en curso en la EA.

Conclusiones

El estudio actual demuestra que un panel sanguíneo que evalúa los cambios estructurales en las proteínas C1QA, CLUS y ApoB proporciona un enfoque experimental de biomarcadores prometedor para diagnosticar y rastrear la EA. Al priorizar la conformación de la proteína en lugar de la abundancia, el enfoque allana el camino para diagnósticos menos invasivos que podrían respaldar estrategias de detección temprana si se validan en estudios más amplios, prospectivos y a largo plazo.

Download your PDF copy by clicking here.