Los programas de medicina preventiva, como los de Health Check y Healthier You del Servicio Nacional de Salud del Reino Unido, tienen el objetivo de mejorar nuestra salud y reducir el registro de enfermedades. Estas estrategias son económicas, rentables, escalables, y podrían hacerse más efectivas con información personalizada sobre el riesgo desde enfermedades de cada individuo.
El aumento de la aplicación big data en la atención sanitaria, en lo referido a evaluar y analizar conjuntos de datos detallados a gran escala, hace que cada vez sean más eficaces las predicciones sobre los resultados de salud y permite dar enfoques estratificados para la prevención y el manejo clínico.
Los dos grupos de investigación, que han trabajado con la compañía de biotecnología SomaLogic, han demostrado que la medición a escala real de proteínas en un análisis de sangre puede dar información importante sobre nuestra salud y reduciría el riesgo de padecer ciertas enfermedades.
La técnica implica el uso de unos fragmentos de ADN conocidos como aptámeros, que se unen a la proteína objetivo. En general, solo los fragmentos específicos se terminarán uniendo a proteínas particulares, de modo que, solo una clave específica encajará en el bloque particular.
Los investigadores son capaces de buscar los aptámeros y determinar qué proteínas están presentes y en qué concentraciones, gracias a la tecnología de secuenciación genética existente.
Para ello, analizaron los resultados de las analíticas de casi 17.000 participantes con métodos estadísticos y técnicas de aprendizaje automático para desarrollar modelos predictivos. Por ejemplo, un individuo cuya sangre contenga un cierto patrón de proteínas tendrá un mayor riesgo de desarrollar diabetes.
Estos modelos cubrieron varios estados de salud, incluidos varios niveles de grasa (hepática y visceral), la función renal, el consumo de alcohol, la actividad física y el consumo de tabaco, además del riesgo de desarrollar diabetes tipo 2 y enfermedades cardiovasculares.
Muchas de las proteínas están vinculadas a varios estados o condiciones de salud. La leptina fue informativa para los modelos predictivos de porcentaje de grasa corporal, grasa visceral, actividad física y estado físico; y una diferencia entre la secuenciación del genoma y la proteómica puede cambiar a medida que una persona tiene obesidad o fuma con consecuencias nocivas en la salud para el resto de la vida.
Estas son algunas de las razones por las que las proteínas son tan buenos indicadores del estado de salud actual y futuro, y tienen el potencial de mejorar la predicción clínica en diferentes enfermedades.
