Perfil metabolómico en síndromes clínicos sin correlato diagnóstico establecido
DOI:
https://doi.org/10.70577/8x5c1376Palabras clave:
metabolómica, biomarcadores, diagnóstico clínico, medicina personalizada, síndromes inespecíficosResumen
Los síndromes clínicos sin correlato diagnóstico establecido constituyen un problema relevante en la práctica médica debido a la persistencia de síntomas sin evidencia concluyente en métodos convencionales, lo que limita la precisión diagnóstica. El objetivo fue analizar el perfil metabolómico como herramienta para identificar alteraciones fisiopatológicas subyacentes. Se utilizó un enfoque cuantitativo analítico basado en la revisión de estudios científicos recientes y fuentes institucionales, aplicando análisis de componentes principales, regresión LASSO y modelos estructurales. Los resultados evidenciaron que las alteraciones más consistentes se concentran en el metabolismo energético, de aminoácidos y lipídico, confirmando la existencia de disfunciones biológicas no detectadas clínicamente. Asimismo, los modelos multimetabolito mostraron alta capacidad discriminante con valores AUC entre 0.925 y 0.991, superando a los biomarcadores individuales. Se identificaron como marcadores relevantes el lactato, la relación quinurenina/triptófano y las lisofosfatidilcolinas, asociados a procesos inflamatorios y disfunción energética. Además, se observó persistencia de alteraciones metabólicas en fases prolongadas, lo que evidencia continuidad fisiopatológica. En consecuencia, la integración de datos metabolómicos con variables clínicas mejora la estratificación de pacientes y fortalece la precisión diagnóstica en contextos de incertidumbre.
Descargas
Referencias
Alonso-Moreno, P., Rodriguez, I., & Izquierdo-Garcia, J. L. (2023). Benchtop NMR-based metabolomics: First steps for biomedical application. Metabolites, 13(5), 614. https://doi.org/10.3390/metabo13050614
Baiges-Gaya, G., Iftimie, S., Castañé, H., Rodríguez-Tomàs, E., Jiménez-Franco, A., López-Azcona, A. F., Castro, A., Camps, J., & Joven, J. (2023). Combining semi-targeted metabolomics and machine learning to identify metabolic alterations in the serum and urine of hospitalized patients with COVID-19. Biomolecules, 13(1), 163. https://doi.org/10.3390/biom13010163
Castelli, F. A., Rosati, G., Moguet, C., Fuentes, C., Marrugo-Ramírez, J., Lefebvre, T., Volland, H., Merkoçi, A., Simon, S., Fenaille, F., & Junot, C. (2022). Metabolomics for personalized medicine: The input of analytical chemistry from biomarker discovery to point-of-care tests. Analytical and Bioanalytical Chemistry, 414(2), 759–789. https://doi.org/10.1007/s00216-021-03586-z
Cedeno, M., Murillo-Saich, J., Coras, R., Cedola, F., Justiz-Vaillant, A., Salgado, E., Furst, D. E., Danve, A., & Volkmann, E. R. (2023). Serum metabolomic profiling identifies potential biomarkers in arthritis in older adults: An exploratory study. Metabolomics, 19, 35. https://doi.org/10.1007/s11306-023-02004-y
Celaya-Padilla, J. M., Galván-Tejada, C. E., Alonso-González, O., Galván-Tejada, J. I., Gamboa-Rosales, H., Luna-García, H., Martinez-Martinez, E., Gutiérrez-Anguiano, N., Nuñez-Contreras, J. D., Villarreal-Martínez, L., & López-Hernández, Y. (2021). Kynurenine and hemoglobin as sex-specific variables in COVID-19 patients: A machine learning and genetic algorithms approach. Diagnostics, 11(12), 2197. https://doi.org/10.3390/diagnostics11122197
Domínguez-López, I., Lozano-Castellón, J., Vallverdú-Queralt, A., Lamuela-Raventós, R. M., & Martínez-González, M. Á. (2023). Urinary metabolomics of phenolic compounds reveals biomarkers of type-2 diabetes within the PREDIMED trial. Biomedicine & Pharmacotherapy, 162, 114703. https://doi.org/10.1016/j.biopha.2023.114703
Gonzalez-Covarrubias, V., Martínez-Martínez, E., & Del Bosque-Plata, L. (2022). The potential of metabolomics in biomedical applications. Metabolites, 12(2), 194. https://doi.org/10.3390/metabo12020194
Gonzalez-Riano, C., Saiz, J., Barbas, C., Bergareche, A., Huerta, J. M., Ardanaz, E., Konjevod, M., Mondragon, E., Errea, O., Chirlaque, M. D., & Otaegui, D. (2021). Prognostic biomarkers of Parkinson’s disease in the Spanish EPIC cohort: A multiplatform metabolomics approach. npj Parkinson’s Disease, 7(1), 73. https://doi.org/10.1038/s41531-021-00216-4
Herrera-Van Oostdam, A. S., Castañeda-Delgado, J. E., Oropeza-Valdez, J. J., Borrego, J. C., Monárrez-Espino, J., Zheng, J., Mandal, R., Zhang, L., Soto-Guzmán, E., Fernández-Ruiz, J. C., González-Salazar, F., López, J. A., Ochoa-González, F. L., Romo-Cardenas, G. S., Martínez-Martínez, E., Rojas-Marte, G., Fanos, V., Wishart, D. S., & Enciso-Moreno, J. A. (2021). Immunometabolic signatures predict risk of progression to sepsis in COVID-19. PLOS ONE, 16(8), e0256784. https://doi.org/10.1371/journal.pone.0256784
López-Hernández, Y., Monárrez-Espino, J., García-López, D. A., Soto-Guzmán, E., López, J. A., Zheng, J., Mandal, R., Zhang, L., Vázquez-Santiago, M., Torres-Ruiz, J., Gómez-Martín, D., Franco-Molina, M. A., Fanos, V., Wishart, D. S., & Enciso-Moreno, J. A. (2023). The plasma metabolome of long COVID patients two years after infection. Scientific Reports, 13, 12420. https://doi.org/10.1038/s41598-023-39049-x
López-Hernández, Y., Monárrez-Espino, J., Herrera-Van Oostdam, A. S., Castañeda-Delgado, J. E., Zhang, L., Zheng, J., Mandal, R., Oropeza-Valdez, J. J., Ochoa-González, F. L., Borrego-Moreno, J. C., Trejo-Medinilla, F. M., López, J. A., Enciso-Moreno, J. A., & Wishart, D. S. (2021). Targeted metabolomics identifies high performing diagnostic and prognostic biomarkers for COVID-19. Scientific Reports, 11, 14732. https://doi.org/10.1038/s41598-021-94171-y
Moreno-Torres, M., Quintás, G., & Castell, J. V. (2022). The potential role of metabolomics in drug-induced liver injury (DILI) assessment. Metabolites, 12(6), 564. https://doi.org/10.3390/metabo12060564
Noto, A., Piras, C., Atzori, L., Mussap, M., Albera, A., Albera, R., Casani, A. P., Capobianco, S., & Fanos, V. (2022). Metabolomics in otorhinolaryngology. Frontiers in Molecular Biosciences, 9, 934311. https://doi.org/10.3389/fmolb.2022.934311
Palacios-Ferrer, J. L., García-Ortega, M. B., Gallardo-Tur, A., de Cabo, R., & Díaz, C. (2021). Metabolomic profile of cancer stem cell-derived exosomes from patients with malignant melanoma. Molecular Oncology, 15(2), 407–428. https://doi.org/10.1002/1878-0261.12823
Pan American Health Organization. (2023, September 20). PAHO and FIND sign agreement to improve access to diagnostics in Latin America and the Caribbean. https://www.paho.org/en/news/20-9-2023-paho-and-find-sign-agreement-improve-access-diagnostics-latin-america-and-caribbean
Pan American Health Organization. (2024). Improving access to essential diagnostics in the Americas. https://www.paho.org/en/events/improving-access-essential-diagnostics-americas
Perazzoli, G., Prados, J., Ortiz, R., Caba, O., Cabeza, L., & Melguizo, C. (2023). Evaluating metabolite-based biomarkers for early diagnosis of pancreatic cancer: A systematic review. Metabolites, 13(7), 872. https://doi.org/10.3390/metabo13070872
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Erika Dolores Briones Moreira (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
