Identificación de variantes genéticas y interacción con factores ambientales relacionados con la diabetes tipo 2 en individuos de población española mediante NGS y el algoritmo SEQENS

Abstract

[ES] La diabetes de tipo 2 (DT2) acelera el deterioro de sistema cardiometabólico, siendo por ello causa indirecta de mortalidad, así como de reducción de la calidad de vida de los pacientes. Se estima que el componente genético de la DT2 supera el 50 % pero en su mayor parte no está identificado.

Los estudios de las variaciones presentes en amplicones cortos y sus interacciones con otros factores no genéticos pueden permitir la identificación de biomarcadores implicados en esta enfermedad. El objetivo del trabajo es la identificación de biomarcadores heterogéneos asociados a la DT2. Esto incluye variantes genéticas (SNP) obtenidas mediante Secuenciación de Nueva Generación (NGS), indicadores clínicos, perfiles bioquímicos, antropométricos y factores ambientales a partir de una muestra de población general española. En primer lugar, se realizará una preparación de la base de datos clínicos y ambientales DI@BET.ES, junto a los genotipos de los pacientes obtenidos por un análisis bioinformático de variant calling.

Se realizará un preprocesamiento y un análisis preliminar de los datos. Posteriormente, se realizará un análisis exploratorio para ver cómo las variantes genéticas frecuentes influyen en la predisposición a esta enfermedad y cómo interactúan con factores ambientales, considerando variables como la dieta, el estilo de vida, factores bioquímicos y clínicos del paciente como el sexo, el índice de masa corporal (IMC) y el índice de cintura cadera (ICC), entre otros. Además, se llevará a cabo una búsqueda de variantes comunes para identificar aquellas que estén implicadas la DT2 o protejan ante su desarrollo. Para ello, se experimentará con el algoritmo SEQENS para la obtención de varios rankings de relevancia de biomarcadores sobre poblaciones estratificadas. SEQENS es un método ensamble que combina resultados de selecciones secuenciales de características (Sequential Feature Search) de múltiples submuestras. SEQENS ha demostrado buenas prestaciones en la selección e identificación de variables en espacios de alta y muy alta dimensionalidad. De los resultados obtenidos, se realizará una anotación estructural y funcional para posteriores estudios de su implicación con la enfermedad.

[EN] Type 2 diabetes (T2D) accelerates the deterioration of the cardiometabolic system, indirectly contributing to mortality and significantly reducing patients quality of life. It is estimated that the genetic component of T2D accounts for over 50% of its risk of appearance, though much of it remains unidentified.

Investigating short amplicons variations and their interactions with non-genetic factors could enable the identification of biomark- ers associated with this disease. This study aims to identify heterogeneous biomarkers linked to T2D, including genetic variants (SNPs) obtained through Next Generation Se- quencing (NGS), as well as clinical results, biochemical profiles, anthropometric data, and environmental factors from a general sample of the Spanish population. Firstly, the DI@BET.ES clinical and environmental databases are preprocessed, along with patient genotypes derived from a bioinformatic analysis of variant calling.

These data will undergo preprocessing and preliminary analysis. An exploratory analysis will then be conducted to assess the influence of common genetic variants on disease predisposition and their interaction with environmental factors, considering variables such as diet, lifestyle, sex, BMI, and waist-to-hip ratio, among others. Additionally, common variants will be analysed to identify those that contribute to T2D or confer protection against its development. The SEQENS algorithm will be employed to generate biomarker relevance rankings across stratified populations. SEQENS, an ensemble method combining sequential feature selection (Sequential Feature Search) from multiple subsamples, has shown strong performance in selecting and identifying variables within high and very high dimensionality spaces. A structural and functional annotation of the results will be conducted to facilitate further studies on their implication in T2D.

[CA] La diabetis de tipus 2 (DT2) accelera el deteriorament del sistema cardiometabòlic, sent per això causa indirecta de mortalitat, així com de reducció de la qualitat de vida dels pacients. S’estima que el component genètic de la DT2 supera el 50% però en la seua major part no està identificat. Els estudis de les variacions presents en els amplicons curts i les seues interaccions amb altres factors no genètics poden permetre la identificació de biomarcadors implicats en esta malaltia. L’objectiu del treball és la identificació de biomarcadors heterogenis associats a la DT2. Això inclou variants genètiques (SNP) obtingudes mitjançant Seqüenciació de Nova Generació (NGS), indicadors clínics, perfils bioquímics, antropomètrics i factors ambientals a partir d’una mostra de la població general espanyola. En primer lloc, es realitzarà una preparació de la base de dades clíniques i ambientals DI@BET.ES, juntament amb els genotips dels pacients obtinguts per mitja d’un anàlisi bioinformàtic de variant calling. Es realitzarà un preprocessament i una anàlisi preliminar d’aquestes dades. Posteriorment, es realitzarà un anàlisi exploratòri per a veure com les variants genètiques freqüents influïxen en la predisposició aquesta malaltia i com interactuen amb factors ambientals, considerant variables com la dieta, l’estil de vida, factors bioquímics i clínics del pacient, com ara el sexe, l’IMC i l’ICC, entre altres. A més, es durà a terme una cerca de variants comuns per a identificar aquelles que estiguen implicades en la DT2 o protegisquen del seu desenvolupament. Per a això, s’utilitzarà l’algorisme SEQENS per a l’obtenció de diversos rànquings de rellevància de biomarcadors sobre poblacions estratificades. SEQENS és un mètode ensemble que combina resultats de seleccions seqüencials de característiques (Sequential Feature Search) de múltiples submostres. SEQENS ha demostrat bones prestacions en la selecció i identificació de variables en espais d’alta i molt alta dimensionalitat. Dels resultats obtinguts, es realitzarà una anotació estructural i funcional per a posteriors estudis de la seua implicació amb la malaltia.