{"id":14995,"date":"2022-01-12T18:34:45","date_gmt":"2022-01-12T22:34:45","guid":{"rendered":"https:\/\/www.sochob.cl\/web1\/?p=14995"},"modified":"2022-01-12T18:34:45","modified_gmt":"2022-01-12T22:34:45","slug":"un-nuevo-enfoque-puede-ayudar-a-identificar-a-los-ninos-pequenos-con-mayor-riesgo-de-obesidad","status":"publish","type":"post","link":"https:\/\/www.sochob.cl\/web1\/un-nuevo-enfoque-puede-ayudar-a-identificar-a-los-ninos-pequenos-con-mayor-riesgo-de-obesidad\/","title":{"rendered":"Un nuevo enfoque puede ayudar a identificar a los ni\u00f1os peque\u00f1os con mayor riesgo de obesidad"},"content":{"rendered":"

Una puntuaci\u00f3n de riesgo desarrollada recientemente puede sintetizar la informaci\u00f3n gen\u00e9tica en una m\u00e9trica f\u00e1cil de interpretar que podr\u00eda ayudar a los m\u00e9dicos a identificar a los ni\u00f1os peque\u00f1os con mayor riesgo de desarrollar obesidad, seg\u00fan investigadores de Penn State. Los hallazgos se informaron en el documento, ‘Construcci\u00f3n de una puntuaci\u00f3n de riesgo polig\u00e9nico para la obesidad infantil mediante el an\u00e1lisis de datos funcionales’, publicado en Econometrics and Statistics.<\/em><\/strong><\/p>\n

El estudio utiliz\u00f3 m\u00e9todos estad\u00edsticos novedosos para establecer criterios de puntuaci\u00f3n utilizando datos recopilados de ni\u00f1os peque\u00f1os. La investigaci\u00f3n tambi\u00e9n demuestra que se pueden obtener resultados s\u00f3lidos a partir de estudios que son \u00f3rdenes de magnitud m\u00e1s peque\u00f1os que los estudios gen\u00e9ticos t\u00edpicos cuando se recopilan datos completos a lo largo del tiempo y se utilizan junto con poderosas herramientas estad\u00edsticas.<\/p>\n

\u00abAlrededor del 18% de los ni\u00f1os en los Estados Unidos son obesos y el 6% son severamente obesos\u00bb, dijo la Dra. Sarah Craig, profesora asistente de investigaci\u00f3n de biolog\u00eda en Penn State<\/em>. \u00abSi podemos identificar a los ni\u00f1os con mayor riesgo, podr\u00edamos prevenir el desarrollo de la obesidad en primer lugar. En este estudio, creamos puntajes de riesgo basados \u200b\u200ben informaci\u00f3n gen\u00e9tica que los m\u00e9dicos podr\u00edan usar para identificar a los ni\u00f1os peque\u00f1os que se beneficiar\u00edan m\u00e1s de estrategias de intervenci\u00f3n\u201d. Este estudio es parte de un proyecto m\u00e1s grande llamado INSIGHT<\/em> (Intervention Nurses Start Infants Growing on Healthy Trajectories),<\/em> coordinado a trav\u00e9s del Penn State Health Milton S. Hershey Medical Center<\/em>, en el que investigadores y m\u00e9dicos trabajan juntos para identificar factores de riesgo biol\u00f3gicos y sociales para la obesidad. y los impactos de las intervenciones de crianza receptiva durante la vida temprana de un ni\u00f1o.<\/p>\n

El equipo de investigaci\u00f3n recopil\u00f3 datos longitudinales (peri\u00f3dicamente ocho veces entre el nacimiento y los tres a\u00f1os de edad) que inclu\u00edan el peso, la altura y las variables conductuales y ambientales de casi 300 ni\u00f1os. Tambi\u00e9n recolectaron una muestra de sangre para an\u00e1lisis gen\u00e9ticos de cada uno de los ni\u00f1os, que sirvi\u00f3 como base para desarrollar puntajes de riesgo.<\/p>\n

Los puntajes de riesgo, llamados \u00abpuntajes de riesgo polig\u00e9nico\u00bb porque se basan en muchas ubicaciones gen\u00e9ticas en todo el genoma, destilan una gran cantidad de informaci\u00f3n gen\u00e9tica en un n\u00famero f\u00e1cil de comprender. Por lo general, las puntuaciones incorporan informaci\u00f3n de una serie de polimorfismos de un solo nucle\u00f3tido (SNP) o ubicaciones en el genoma donde las letras individuales del alfabeto de ADN pueden variar entre las personas, que est\u00e1n m\u00e1s relacionadas con las m\u00e9tricas de inter\u00e9s en este caso, las tasas de crecimiento y la obesidad.<\/p>\n

\u00abLos intentos anteriores de producir puntajes de riesgo polig\u00e9nicos para la obesidad se desarrollaron utilizando informaci\u00f3n gen\u00e9tica de adultos o ni\u00f1os mayores e incluyen entre cien y dos millones de SNP\u00bb, dijo la Dra. Kateryna Makova, profesora de biolog\u00eda y presidenta Verne M Willaman de Ciencias de la Vida en Penn. Expresar. \u00abN\u00fameros tan altos son desafiantes y potencialmente costosos de reproducir de manera consistente, especialmente en un entorno cl\u00ednico. Produjimos dos opciones de puntuaci\u00f3n con muchos menos SNP, una con 24 y otra con cinco, que, sin embargo, pueden proporcionar informaci\u00f3n valiosa para investigadores y m\u00e9dicos\u00bb.<\/p>\n

El equipo de investigaci\u00f3n utiliz\u00f3 t\u00e9cnicas estad\u00edsticas novedosas de un campo llamado an\u00e1lisis funcional de datos para identificar los SNP m\u00e1s relacionados con la obesidad, que luego se incorporaron a las puntuaciones. \u00abA diferencia de muchos estudios gen\u00e9ticos, que recopilan datos en una sola medida, como por ejemplo el \u00edndice de masa corporal, y en un solo momento, aprovechamos los datos longitudinales recopilados a lo largo del tiempo\u00bb, dijo la Dra. Francesca Chiaromonte, profesora de estad\u00edstica y C\u00e1tedra Huck de Estad\u00edsticas para las Ciencias de la Vida en Penn State<\/em>. \u00abVarias medidas de peso y altura a lo largo del tiempo producen una curva de crecimiento para cada ni\u00f1o, y podemos analizar las formas de las curvas de los ni\u00f1os de nuestra cohorte mediante el an\u00e1lisis de datos funcionales. Aprovechamos estos datos m\u00e1s completos en cada paso del an\u00e1lisis .\u00bb<\/p>\n

Los datos gen\u00e9ticos arrojan millones de SNP que deben analizarse, y el equipo utiliz\u00f3 varias t\u00e9cnicas para reducir el grupo a los SNP m\u00e1s relacionados con las curvas de crecimiento y las medidas de obesidad. \u00abPrimero evaluamos el impacto de cada SNP individualmente en las medidas relacionadas con la obesidad, como una forma de eliminar aquellas que claramente no estaban relacionadas\u00bb, dijo Ana Kenney, estudiante de posgrado en estad\u00edstica en Penn State<\/em> en el momento de la investigaci\u00f3n y ahora estudiante posdoctoral. investigador de la Universidad de California, Berkeley. \u00abAlgunos estudios optan por detenerse en este paso, sin embargo, redujimos el grupo a\u00fan m\u00e1s al observar todos los SNP restantes simult\u00e1neamente y eliminar aquellos que no parec\u00edan tener un impacto cuando se los consideraba junto con otros\u00bb.<\/p>\n

Este proceso produjo 24 SNP que los investigadores incorporaron en una puntuaci\u00f3n de riesgo polig\u00e9nico. Los puntajes, construidos en base a las curvas de crecimiento, tambi\u00e9n resultaron estar relacionados con otras medidas m\u00e1s utilizadas; fueron m\u00e1s altos en los ni\u00f1os con un mayor aumento de peso condicional (el cambio en el aumento de peso durante los primeros seis meses) y con un r\u00e1pido aumento de peso infantil, un predictor de obesidad m\u00e1s adelante en la vida.<\/p>\n

El equipo de investigaci\u00f3n redujo a\u00fan m\u00e1s el grupo a cinco de los SNP m\u00e1s \u00abestables\u00bb, los SNP que tuvieron el mayor impacto incluso cuando perturbaron los datos. A partir de estos cinco SNPS, produjeron un segundo puntaje que podr\u00eda usarse como una alternativa m\u00e1s simple. \u00abAunque la puntuaci\u00f3n con 24 SNP es m\u00e1s poderosa que la puntuaci\u00f3n con 5 SNP, verificamos que ambas son medidas \u00fatiles del riesgo de obesidad y creemos que cualquiera podr\u00eda usarse en un entorno cl\u00ednico\u00bb, dijo el Dr. Matthew Reimherr, profesor asociado de estad\u00edstica en Penn State. \u00abUna puntuaci\u00f3n que requiere escribir menos SNP deber\u00eda hacer que sea m\u00e1s f\u00e1cil de producir en las cl\u00ednicas\u00bb.<\/p>\n

En particular, las puntuaciones producidas en este estudio tambi\u00e9n predijeron la obesidad en ni\u00f1os mayores y en adultos, lo que el equipo de investigaci\u00f3n verific\u00f3 utilizando conjuntos de datos disponibles p\u00fablicamente. Sin embargo, las puntuaciones producidas a partir de otros estudios que se basaron en informaci\u00f3n sobre la obesidad en adultos no se tradujeron en los ni\u00f1os peque\u00f1os de este estudio. \u00abEsto sugiere que las se\u00f1ales gen\u00e9ticas relacionadas con la obesidad que vemos en la primera infancia son cr\u00edticas a lo largo del curso de la vida\u00bb, dijo el Dr. Ian Paul, profesor de pediatr\u00eda y ciencias de la salud p\u00fablica en la Facultad de Medicina de Penn State<\/em>. \u00abSin embargo, a medida que las personas envejecen, comienzan a manifestar otras partes de su composici\u00f3n gen\u00e9tica. Las puntuaciones basadas en se\u00f1ales tempranas parecen ser m\u00e1s s\u00f3lidas a lo largo de la vida de una persona. Esto resalta la necesidad de m\u00e1s estudios que se centren en identificar el riesgo y prevenir la obesidad en ni\u00f1os peque\u00f1os, particularmente en los ‘primeros 1.000 d\u00edas’ que abarcan el embarazo y los primeros dos a\u00f1os despu\u00e9s del nacimiento\u00bb.<\/p>\n

El estudio tambi\u00e9n demuestra que los estudios m\u00e1s peque\u00f1os que caracterizan profundamente a los individuos y aprovechan las t\u00e9cnicas de an\u00e1lisis de datos funcionales pueden ser una poderosa alternativa a los t\u00edpicos estudios gen\u00e9ticos a gran escala. \u00abEstas t\u00e9cnicas pueden abrir puertas a laboratorios m\u00e1s peque\u00f1os con menos recursos\u00bb, dijo Craig. \u00abAl trabajar con cuidado y rigor para recopilar datos longitudinales de cohortes m\u00e1s espec\u00edficas, y al usar t\u00e9cnicas estad\u00edsticas poderosas, a\u00fan puede encontrar informaci\u00f3n \u00fatil con un estudio que es mucho m\u00e1s peque\u00f1o que los estudios GWAS t\u00edpicos\u00bb.<\/p>\n

Adem\u00e1s de Craig, Makova, Chiaromonte, Kenney, Reimherr y Paul, el equipo de investigaci\u00f3n incluye a Junli Lin, investigadora asociada de Penn State<\/em> en el momento de la investigaci\u00f3n; Leann Birch, difunta profesora de alimentos y nutrici\u00f3n en la Universidad de Georgia, quien ayud\u00f3 a liderar INSIGHT; Jennifer Savage, directora del Centro de Investigaci\u00f3n de la Obesidad Infantil y profesora asociada de ciencias de la nutrici\u00f3n en Penn State; y Michele Marini, tecn\u00f3loga de investigaci\u00f3n y estad\u00edstica del Centro de Investigaci\u00f3n de la Obesidad Infantil de Penn State<\/em>.<\/p>\n

Este trabajo cuenta con el apoyo del Instituto Nacional de Diabetes y Enfermedades Digestivas y Renales (NIDDK); la Facultad de Ciencias Eberly de Penn State<\/em>; el Instituto de Ciencias Computacionales y de Datos de Penn State<\/em>; los Institutos Penn State Huck<\/em> de Ciencias de la Vida; y el Departamento de Salud de Pensilvania usando fondos de Tobacco CURE<\/em>. La Fundaci\u00f3n Nacional de Ciencias brind\u00f3 apoyo adicional.<\/p>\n

Fuente:<\/strong> https:\/\/www.bariatricnews.net<\/p>\n

Referencia:<\/strong> Craig SJ, Kenney AM, Lin J, et al. Constructing a polygenic risk score for childhood obesity using functional data an\u00e1lisis.<\/a> Econom Stat. Available online 11 November 2021.<\/p>\n

 <\/p>\n","protected":false},"excerpt":{"rendered":"

Una puntuaci\u00f3n de riesgo desarrollada recientemente puede sintetizar la informaci\u00f3n gen\u00e9tica en una m\u00e9trica f\u00e1cil de interpretar que podr\u00eda ayudar a los m\u00e9dicos a identificar a los ni\u00f1os peque\u00f1os con mayor riesgo de desarrollar obesidad, seg\u00fan investigadores de Penn State. Los hallazgos se informaron en el documento, ‘Construcci\u00f3n de una puntuaci\u00f3n de riesgo polig\u00e9nico para […]<\/p>\n","protected":false},"author":3,"featured_media":14997,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[9],"tags":[],"class_list":["post-14995","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-noticias-actuales"],"acf":[],"jetpack_sharing_enabled":true,"jetpack_featured_media_url":"https:\/\/www.sochob.cl\/web1\/wp-content\/uploads\/2022\/01\/Ni\u00f1o-44-e1642026866157.png","_links":{"self":[{"href":"https:\/\/www.sochob.cl\/web1\/wp-json\/wp\/v2\/posts\/14995","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sochob.cl\/web1\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sochob.cl\/web1\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sochob.cl\/web1\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sochob.cl\/web1\/wp-json\/wp\/v2\/comments?post=14995"}],"version-history":[{"count":1,"href":"https:\/\/www.sochob.cl\/web1\/wp-json\/wp\/v2\/posts\/14995\/revisions"}],"predecessor-version":[{"id":14998,"href":"https:\/\/www.sochob.cl\/web1\/wp-json\/wp\/v2\/posts\/14995\/revisions\/14998"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sochob.cl\/web1\/wp-json\/wp\/v2\/media\/14997"}],"wp:attachment":[{"href":"https:\/\/www.sochob.cl\/web1\/wp-json\/wp\/v2\/media?parent=14995"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sochob.cl\/web1\/wp-json\/wp\/v2\/categories?post=14995"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sochob.cl\/web1\/wp-json\/wp\/v2\/tags?post=14995"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}