Relación de polimorfismos genéticos asociados a la nutrición con el desarrollo de sobrepeso/obesidad

Resumen

La obesidad es una de las enfermedades más prevalentes en países industrialmente desarrollados. La prevención y la predicción de la obesidad se ha convertido en uno de los principales objetivos de la comunidad médico-científica. La genética, y en concreto la nutrigenética, permite valorar el efecto de diferentes variantes genéticas sobre aspectos relacionados con el riesgo de obesidad como el control del ciclo saciedad-hambre, metabolización de hidratos de carbono, grasas, etc. y, por tanto, establecer estrategias para prevenir y disminuir el exceso de peso corporal. Las nuevas tecnologías de análisis de datos por inteligencia artificial, como los árboles de decisión basados en el aprendizaje automático, aportan nuevas herramientas para la predicción de enfermedades. El objetivo fue desarrollar un análisis piloto basado en la generación de árboles de decisión para predecir el efecto de las interacciones de género, edad y diferentes variantes genéticas en genes implicados en diferentes aspectos nutricionales como control ciclo saciedad/hambre, metabolismo de carbohidratos y grasas y consumo calórico durante el ejercicio físico, para predecir el riesgo de desarrollar sobrepeso/obesidad. Se incluyeron 151 individuos de los que se recogieron datos de edad, género y se midió el índice de masa corporal (IMC). Se analizaron diferentes polimorfismos de genes asociados al ciclo saciedad/hambre, al metabolismo de nutrientes y al gasto de calorías por ejercicio físico, mediante el método de genotipado por PCR cuantitativa a tiempo real utilizando sondas Taqman. Las diferencias en la distribución de los diferentes genotipos se estimaron mediante el test de chi-cuadrado, ajustando por Fisher en los casos necesarios. Las diferencias se consideraron estadísticamente significativas cuando el valor P < 0,05. El procesado de datos y el análisis estadístico se llevó a cabo con el programa estadístico SPSS (versión 25.0). Adicionalmente a los análisis estadísticos, se generaron árboles de decisión con las variables edad, género, variantes genéticas e IMC, mediante el algoritmo C4.5 y representados en forma de gráficos. Los resultados revelaron que la información obtenida del análisis estadístico convencional de la distribución de sobrepeso/obesidad y las variantes genéticas analizadas era menor que la derivada del aprendizaje con árboles de decisión. La variante alélica en homocigosis Ala55Ala del gen UCP2 podría ser interpretada como un protector frente a sobrepeso/obesidad en la población analizada en este estudio, mientras que las variantes Val55Val y Val55Ala incrementaron el riesgo de sobrepeso/obesidad. El aprendizaje del árbol de decisión identificó un haplotipo específico asociado con alto riesgo de sobrepeso / obesidad. Los portadores de las variantes alélicas AgRP (rs5030980) Ala67Ala, ADRB2 (rs1042714) Gln27Glu o Glu27Glu, INSIG2 (rs7566605) 73+9802 con genotipos CC o GG y PPARG (rs1801282) con las variaciones de alelos de Ala12Ala o Pro12Pro desarrollaron con mayor probabilidad sobrepeso/obesidad IMC¿25 Kg/m2, respecto a los no portadores de las variantes anteriores. Cuando se analizaron los efectos de la interacción del género, edad y variantes genéticas sobre el riesgo de sobrepeso/obesidad, lo resultados revelaron que los árboles de decisión permitieron predecir el riesgo de desarrollar sobrepeso/obesidad, estratificando por las características genéticas, género y edad. En el género femenino, la presencia de las variantes alélicas CT en el polimorfismo AgRP rs5030980 y GG en el polimorfismo genético INSIG2 rs7566605 y una edad no incluidas en los cortes etarios > 38,5 y ¿70,5 años, tenían mayor riesgo de sobrepeso/obesidad que las mujeres no portadoras de las anteriores variantes descritos y edades inferiores a 38,5 años. Este estudio respalda el amplio campo de aplicación de las nuevas tecnologías de análisis de datos en el campo de la medicina predictiva.