Identificación de variantes genéticas asociadas a la diabetes mellitus tipo 2

Abstract

[ES] La Diabetes Mellitus de Tipo II (DMT2) causa un aumento importante y precoz de la mortalidad y una reducción de la calidad de vida de los pacientes. Es el tipo de diabetes más común en la población y, también, la que más muertes causa, su temprana detección es crucial para el tratamiento de los pacientes. El componente genético de la DMT2 supone más de 50%, pero en su mayoría no está identificado. Los estudios de las variaciones presentes en el exoma y sus interacciones junto con otros factores como los clínicos, antropométricos y ambientales, permiten la identificación de biomarcadores implicados en esta enfermedad. Con ayuda de modelos predictivos se pueden identificar estos componentes genéticos, y estudiar en profundidad esta enfermedad. Esto nos permitiría identificar a las personas en riesgo de desarrollar diabetes y realizar medidas preventivas para evitarla. En el presente trabajo se aborda un hilo de investigación en el cual se profundiza, propone y analiza técnicas de selección de características en espacios de alta dimensionalidad (cientos o miles de variables) para tratar de establecer su potencial de correlación estadística con la variable objetivo. En su desarrollo, se hace servir del método de selección de características de tipo ensamble SEQENS y se utiliza un conjunto de datos de SNP, componente genético para el estudio de enfermedades. La investigación se divide en tres partes: la comparación entre esquemas de votación, la experimentación con datos de SNP en SEQENS y PC-SEQENS, y la identificación de SNP asociados a la Diabetes Mellitus Tipo II. Durante las dos primeras partes, la validación de los resultados se realiza mediante la generación sintética de la variable objetivo y la aplicación de la métrica Cliff Score, entre otras. Finalmente, en la tercera parte se realiza un experimento real de identificación de SNP asociados a la DMT2.

[EN] Type II Diabetes Mellitus (T2DM) causes a significant and early increase in mortality and a reduction in the quality of life of patients. It is the most common type of diabetes in the population and, also, the one that causes the most deaths, its first detection is crucial for the treatment of patients. The genetic component of T2DM accounts for more than 50%, but in the majority, it is not identified. The studies of the variations present in the exome and the various interactions together with other factors such as clinical, anthropometric and environmental factors allow the identification of biomarkers implicated in this malady. With the help of predictive models, we can identify these genetic components, and study this malady in depth. This allows us to identify people at risk of developing diabetes and carry out preventive measures to avoid it. The present work addresses a research project in which it is in-depth, proposes and analyses techniques for selecting characteristics in high-dimensional countries (hundreds or thousands of variables) in order to try to establish their potential for statistical correlation. with the variable target. In its development, it is possible to use the SEQENS type-type trait selection method and a set of SNP data is used, a genetic component for the study of diseases. The research file is divided into three parts: the comparison between voting schemes, the experimentation with both SNP values in SEQENS and PC-SEQENS, and the identification of SNP¿s associated with type 2 Diabetes Mellitus. During the first two parts, the validation of the results is carried out with the synthetic generation of the objective variable and the application of the Cliff Score metric, among others. Finally, in the third part a real experiment is carried out to identify SNPs associated with T2DM.

[CA] La Diabetis Mellitus de Tipus II (DMT2) causa un augment important i precoç de la mortalitat i una reducció de la qualitat de vida dels pacients. És el tipus de diabetis més comuna en la població i, també, la que més morts causa, la seua primerenca detecció és crucial per al tractament dels pacients. El component genètic de la DMT2 suposa més de 50%, però en la seua majoria no està identificat. Els estudis de les variacions presents en el exoma i les seues interaccions juntament amb altres factors com els clínics, antropomètrics i ambientals, permeten la identificació de biomarcadors implicats en esta malaltia. Amb ajuda de models predictius es poden identificar estos components genètics, i estudiar en profunditat esta malaltia. Això ens permetria identificar a les persones en risc de desenvolupar diabetis i realitzar mesures preventives per a evitar-la. El present treball aborda un fil d'investigació en el qual s'aprofundix, proposa i analitza tècniques de selecció de característiques en espais d'alta dimensionalitat (centenars o milers de variables) per a tractar d'establir el seu potencial de correlació estadística amb la variable objectiu. En el seu desenvolupament, es fa servir del mètode de selecció de característiques de tipus ensemble SEQENS i s'utilitza un conjunt de dades de SNP, component genètic per a l'estudi de malalties. L'investigació es dividix en tres parts: la comparació entre esquemes de votació, l'experimentació amb dades de SNP en SEQENS i PC-SEQENS, i la identificació de SNP associats a la Diabetis Mellitus Tipus II. Durant les dos primeres parts, la validació dels resultats es realitza mitjançant la generació sintètica de la variable objectiu i l'aplicació de la mètrica Cliff Score, entre altres. Finalment, en la tercera part es realitza un experiment real d'identificació de SNP associades a la DMT2.