Descifrando la glicosilación específica de la enfermedad: desentrañando los subtipos de diabetes a través del patrón...

Área de la Ciencia:

• Endocrinología y Metabolismo
• Inmunología
• Productos glicémicos

Sus antecedentes:

• La diabetes autoinmune latente en adultos (LADA) es un subtipo distinto de diabetes a menudo diagnosticado erróneamente como diabetes tipo 2 (T2D) debido a las características superpuestas con la diabetes tipo 1 (T1D).
• La diferenciación precisa de LADA es crucial para el tratamiento y el manejo apropiados, ya que el diagnóstico erróneo puede conducir a estrategias terapéuticas subóptimas.
• Los métodos de diagnóstico actuales pueden no distinguir suficientemente la LADA de otras formas de diabetes, lo que requiere nuevos enfoques.

Objetivo del estudio:

• Desarrollar y validar un nuevo algoritmo (A.NG) para diferenciar el LADA de la DT1 y la DT2 basado en los patrones de glucosa en suero.
• Investigar el potencial del perfil de N-glicano mediante MALDI para la identificación de alteraciones específicas del subtipo de diabetes.
• Explorar el papel de enzimas específicas en los cambios de glicosilación asociados a LADA e identificar posibles biomarcadores.

Principales métodos:

• Desarrollo del algoritmo A.NG para calcular la proporción de N-glicanos regulados hacia arriba y hacia abajo en el suero.
• Utilizando la ionización por desorción láser asistida por matriz (MALDI) para el perfil completo de N-glicano.
• El uso de análisis ELISA y de glucopéptidos intactos para investigar la contribución de enzimas como FUT8 y FUCA1.

Principales resultados:

• El algoritmo A.NG identificó con éxito patrones distintos de N-glicano que diferencian T1D, T2D y LADA, logrando un AUC de 0,918.
• Las alteraciones del glicano observadas se correlacionan con subtipos específicos de diabetes, lo que demuestra la viabilidad de la glicoprofilización para la diferenciación.
• Los análisis enzimáticos revelaron que FUT8 y FUCA1 están potencialmente implicados en la glicosilación alterada de las glicoproteínas en LADA.

Conclusiones:

• El algoritmo A.NG se muestra prometedor como una nueva herramienta para distinguir LADA de T1D y T2D.
• El perfil de N-glicano sérico ofrece una estrategia viable para identificar los biomarcadores específicos del subtipo de diabetes.
• Se necesita una validación adicional en cohortes más grandes con una cuantificación refinada para establecer la utilidad clínica para el diagnóstico y el manejo de LADA.