Reconstrucción metabólica a escala genómica de una neurona humana : aplicación a lesión traumática cerebral

Abstract

La lesión traumática cerebral (LTC) constituye un problema de salud pública de importancia debido a que son causa de mortalidad prematura o de pérdida de años de vida saludables (George & Geller, 2018) y las principales causas de muerte y discapacidad en niños y jóvenes adultos alrededor del mundo (Taylor et al., 2017). El pronóstico de LTC en términos de tasas de mortalidad y discapacidad, está relacionado con parámetros como la edad del paciente y su estado de salud y función psicosocial. La valoración médica inicial se realiza inmediatamente después de la lesión que determina el grado de daño cerebral primario, para proceder al manejo prehospitalario e intrahospitalario y atender las complicaciones y el daño cerebral secundario presentado momentos después del impacto; para la posterior rehabilitación (Lavoie et al., 2017).

La LTC leve puede afectar a las neuronas cerebrales de forma temporal y la LTC más grave puede provocar hematomas, tejidos desgarrados, sangrado y otras lesiones físicas, este tipo de lesiones causan daño celular directo, interrumpen el flujo sanguíneo en la barrera hematoencefálica (Shen, Hiebert, Hartwell, Thimmesch, & Pierce, 2016) e interfieren con la producción, distribución y reabsorción de líquido cefalorraquídeo, causando cambios en el metabolismo de las células cercanas a la lesión (Lavoie et al., 2017).

Dentro de grupo de células involucradas dentro de la lesión, se encuentran las neuronas, encargadas de la comunicación con otras células a través de impulsos nerviosos a través de la sinapsis (Tortora & Derrickson, 2018). En la sinapsis eléctrica las neuronas generan señales eléctricas que transmiten información de un lugar a otro del sistema nervioso a través del flujo de iones de sus membranas a lo largo de sus axones. En la sinapsis química permite la comunicación de dos células mediante la secreción de neurotransmisores, los cuales se liberan por la neurona presináptica activando receptores específicos en la neurona postsináptica. (Abdul-Muneer et al., 2015)

A diferencia de la mayoría de otros tipos de células, que pueden crecer y dividirse para reparar los daños causados por lesiones o enfermedades, las neuronas no se dividen después del nacimiento o con muy raras excepciones. Los nervios escasamente se recuperan después de una LTC, al contrario de lo que pasa en el sistema nervioso periférico (Gardner & Yaffe, 2015). El proceso neuroinflamatorio involucrado en una LTC se encuentra mediado por efectores celulares, como la microglía y los astrocitos, y efectores moleculares solubles como citoquinas proinflamatorias. El proceso metabólico involucrado en LTC está dado por una acumulación excesiva de neurotransmisores en el tejido cerebral; en particular de glutamato, que puede sobre estimular las neuronas y causar la muerte neuronal (Andrews et al., 2015). La distribución de las lesiones cerebrales después de un evento traumático es compleja, ya que los estudios presentan patrones difusos de cambio metabólico en cerebros de pacientes humanos después de una LTC (Bergsneider et al., 2000).

El estudio de las LTC han sido abordado experimentalmente mediante presión intracraneal (Tume et al., 2011) demostrando que la lesión causa citotoxicidad en las neuronas mediante vías pro-inflamatorias dependientes de Ca2+, el receptor ionotrópico de glutamato NMDA y sus moléculas asociadas que pueden dar lugar a la especificidad de señalización en la excitotoxicidad (Arundine & Tymianski, 2004), producción de ROS (Zhang et al., 2012) y estrés del retículo endoplasmático (Paschen & Mengesdorf, 2005),

En el cerebro adulto sano, la microglía se encuentra en estado de reposo y tiene una morfología dendrítica, las células microgliales son las células macrófagas locales del cerebro que se activan rápidamente en cualquier agresión al Sistema Nervioso Central (SNC), En una LTC se han observado dos fenotipos principales de microglía: (1) un proinflamatorio clásicamente activado “M1 "Fenotipo que libera citocinas proinflamatorias (TNF-α e IL-6) y (2) el" M2 "alternativamente activado: fenotipo antiinflamatorio que ayuda en la fagocitosis, secreta factores antiinflamatorios neuroprotectores (IL-4 e IL-10) y ayuda en la reparación neurona (Ansari et al., 2008). Los fenotipos microgliales M1 y M2 se conocen desde hace muchos años y se han descrito en varios trastornos neurodegenerativos, como la enfermedad de Alzheimer (EA) y el accidente cerebrovascular (Lim et al., 1990).

Además de la activación de la microglía y la neuroinflamación, existen pruebas convincentes de que el estrés oxidativo desempeña un papel importante en el LTC debido al aumento del consumo de oxígeno, la producción de un alto nivel de especies reactivas de oxígeno (ROS) y la presencia de abundantes ácidos grasos poliinsaturados. El estrés oxidativo causa un daño irreversible al sistema biológico al oxidar las biomoléculas celulares, incluidos los ácidos nucleicos, las proteínas y los lípidos. De hecho, el estrés oxidativo causa un transporte deficiente de las mitocondrias en la región sináptica después de una lesión cerebral traumática y causa una disfunción sináptica. el exceso de O2 conduce a daño tisular al promover la formación de radicales hidroxilos (OH2) a través del peróxido de hidrógeno (H2O2) y al combinarse con óxido nítrico para formar peroxinitrito (ONO2), un poderoso oxidante formado a partir de superóxido y NO que puede dañar una amplia gama de moléculas en las células. (Zhang et al., 2012)

En estudios recientes se ha encontrado que el LTC induce respuestas inflamatorias a través de la activación microglial y la polarización hacia un estado más inflamatorio que contribuye a una lesión cerebral secundaria El factor de maduración de la glía (GMF) es una proteína proinflamatoria que es responsable de la neuroinflamación y su regulación, en estudios realizados en ratones demuestran que la deficiencia de GMF regula la polarización microglial, lo que mejora la lesión neuronal y las alteraciones del comportamiento después de un LTC, el GMF es un objetivo terapéutico ideal para el tratamiento (Ahmed et al., 2020).

La mayoría de esos estudios se enfocan en descifrar elementos puntuales de la respuesta neuronal a la lesión, la intención de realizar un modelo es complementar el funcionamiento neuronal desde otra perspectiva integradora potenciada por el advenimiento de las ómicas, tecnologías que permiten obtener la información celular de diferentes niveles de organización (i.e. transcriptoma, proteoma, metaboloma) a gran escala (Barh et al., 2016)

Sin embargo, pese a su utilidad, los estudios ómicos para estudiar la respuesta neuronal a la lesión son escasos y limitados únicamente a la elaboración de perfiles de transcriptomas para investigar enfermedades humanas a nivel molecular a través de estudios de expresión, por el cual se han encontrado muchos biomarcadores moleculares y dianas terapéuticas para varias patologías humanas. (Bhatti et al., 2019) En la última década con la aparición del “Human Genome Project” el análisis de genes expresados diferencialmente como respuesta transcripcional del genoma a diferentes estímulos ambientales o condiciones fisiológicas / patológicas ha sido siempre uno de los principales propósitos de los estudios de transcriptomas.

Los enormes avances en el desarrollo de nuevos enfoques de secuenciación de alto rendimiento, no solo en transcriptómica, sino también en genómica, epigenómica, proteómica y metabolómica, han aumentado la complejidad de los métodos analíticos dirigidos a la identificación de la base molecular de los rasgos fenotípicos. especialmente en enfermedades complejas (Gomez et al., 2014). En particular, gracias a la llegada de nuevas tecnologías "ómicas" y estudios longitudinales realizados a gran escala por grandes consorcios, los sistemas biológicos se investigan a una escala sin precedentes, generando una gran cantidad de datos, a menudo heterogénea. Recientemente, para facilitar la gestión y el análisis de datos e identificar nuevos biomarcadores en enfermedades humanas, se han desarrollado enfoques de integración de datos multiómicos (Casamassimi et al., 2017)

Es importante destacar que la explosión de este enfoque también ha requerido un gran esfuerzo en el campo de la bioinformática para encontrar la mejor canalización de análisis. Hoy en día, la mayor integración de la transcriptómica con otras estrategias ómicas, junto con la ómica unicelular, proporcionará una comprensión más completa de cómo se organizan y controlan las células individuales y los diferentes tipos de tejidos y cómo se alteran en un estado patológico específico, ofreciendo así la oportunidad de terapias a la medida (Casamassimi et al., 2017).

Para ello resultan imprescindibles los modelos metabólicos a escala genómica (GEM), o ahora denominado MEMOTE (Pruebas modelo para el metabolismo) representaciones matemáticas del metabolismo celular, porque no solo simulan satisfactoriamente fenotipos neuronales complejos, sino que también son capaces de integrar información ómica facilitando su interpretación y aumentando su operatividad (Lieven et al., 2020).

Con los modelos metabólicos a escala genómica ha sido posible simular el estado de una red metabólica y sus reacciones bioquímicas; permitiendo estudiar el comportamiento del metabolismo celular para conocer detalladamente las reacciones involucradas en cada proceso (Reed et al., 2006).

La presente investigación se centró en la reconstrucción y el análisis de un modelo metabólico a escala genómica de una neurona glutamatérgica, mediante la integración de todos los genes codificantes de enzimas expresados en los perfiles de expresión transcriptómica para neuronas humanas indexadas en la base de datos de expresión génica Omnibus (GEO) bajo una condición de LTC.

Este trabajo permite profundizar en la investigación de los cambios metabólicos neuronales bajo una condición fisiológica (LTC) integrando datos de expresión génica (información codificada en un gen se utiliza para dirigir el montaje de una molécula de proteína y que se encuentra ampliamente reportada en bases de datos) en un modelo que nos permita representar el metabolismo neuronal después de la lesión (Durot et al., 2009).

Dicha información no sólo brindaría un mejor entendimiento a nivel sistémico de la respuesta neuronal a una lesión, sino que también arrojaría potenciales nuevos blancos terapéuticos enmarcados en la medicina sistémica, abriendo caminos para mejorar la especificidad y sensibilidad de los ya existentes (Casamassimi et al., 2017). Adicionalmente, ésta investigación forjará los cimientos para futuras investigaciones farmacológicas, guiadas a crear terapias más efectivas, y en el ámbito de control, guiadas a extender sus aplicaciones en el ámbito biológico.

Como resultado de este estudio, se obtuvo un modelo que se encuentra disponible en formato SBML en la base de datos BioModels (MODEL1809090002), que permitirá a la comunidad científica analizar cambios en los flujos de rutas metabólicas bajo estímulos y/o estados patológicos de interés.