Decodificación de mecanismos no neuronales y dianas terapéuticas en la enfermedad de Huntington a través de la...

Área de la Ciencia:

• Biología computacional; Genética; Neurociencia

Sus antecedentes:

• La enfermedad de Huntington (EH) es un trastorno neurodegenerativo hereditario causado por repeticiones CAG expandidas en el gen de la huntingtina.
• Las dianas terapéuticas actuales para la EH son limitadas, lo que dificulta el desarrollo de tratamientos eficaces.

Objetivo del estudio:

• Identificar nuevas dianas terapéuticas para la enfermedad de Huntington utilizando un enfoque computacional integrado.
• Avanzar en la comprensión de la fisiopatología de la EH explorando mecanismos no neuronales.

Principales métodos:

• Se aplicó aprendizaje automático (ML) y análisis transcriptómico para identificar genes diferencialmente expresados (GEA) en muestras de pacientes con EH.
• Se utilizaron técnicas de selección de características (mRMR, RFE) y múltiples clasificadores para la detección de GEA.
• Se construyeron redes regulatorias génicas (GRN) y se realizó curación de literatura para la validación de objetivos.

Principales resultados:

• Identificó 138 candidatos a GEA, destacando genes clave como TXNIP, TNIP3, HTR1D, ADRB1 y FOXP1.
• Reveló la participación de mecanismos no neuronales que incluyen disfunción endotelial, desequilibrio metabólico y fagocitosis alterada en la EH.
• Avanzó el conocimiento de las dianas terapéuticas, las vías moleculares y las interacciones génicas de la EH.

Conclusiones:

• El estudio identificó con éxito nuevas y prometedoras dianas farmacológicas para la enfermedad de Huntington.
• Los hallazgos sugieren nuevas implicaciones terapéuticas para el tratamiento de la EH.
• La estrategia computacional integrada proporciona una perspectiva más amplia sobre la fisiopatología de la EH más allá de los procesos neuronales clásicos.