Hemos actualizado nuestro Política de privacidad para aclarar cómo usamos sus datos personales.

Usamos cookies para brindarle una mejor experiencia. Puede leer nuestro Política de cookies aquí.

Publicidad
Noticias

Los productos químicos en sus muebles pueden afectar su metabolismo

Noticias

Los productos químicos en sus muebles pueden afectar su metabolismo

Crédito: Phillip Goldsberry en Unsplash.
tiempo de lectura :

Científicos de las Facultades de Medicina y Salud Pública de la Universidad de Boston han desarrollado métodos de aprendizaje automático que son capaces de identificar y caracterizar sustancias químicas que alteran el metabolismo. Su investigación se publica en Perspectivas de salud ambiental .

obesógenos


Sentarse demasiado en el sofá puede hacer que suba de peso. Suena como una afirmación de sentido común, ¿verdad? Sin embargo, el aumento de peso podría no ser únicamente el resultado de adoptar un estilo de vida demasiado sedentario. Más bien, podría ser causado por la exposición aciertos productos químicos que pueden estar presentes en sus muebles.

Estos productos químicos se conocen como productos químicos que alteran el metabolismo MDC o " obesógenos "y se puede encontrar en varios artículos para el hogar y en todo el ambiente. Como su nombre indica, los MDC pueden desencadenar cambios en los procesos metabólicos de un individuo, creando una predisposición al aumento de peso a través de la estimulación de la formación de células grasas adipocitos.

La investigación científica ha comenzado recientemente a explorar exactamente qué tipo de células grasas se forman hay varios tipos diferentes como resultado de la exposición a tales sustancias químicas ". Esta es una pregunta importante, ya que no todas las células grasas se 'creanigual ', "dice Dr. Stefano Monti del Departamento de Medicina de la Universidad de Boston. "Las células grasas blancas almacenan energía, lo que contribuye a la obesidad. Las células grasas marrones y brillantes marrón sobre blanco queman energía y reducen la obesidad. Nuestro trabajo anterior sugiere que las sustancias químicas ambientales tienen más probabilidades deestimular la formación de glóbulos blancos ".

Monti explica que existe una correlación entre el aumento de la producción y la exposición a los MDC ambientales y el rápido aumento de la obesidad y las enfermedades metabólicas observadas en los seres humanos ". Estudios recientes han demostrado que el aumento del IMC observado en los últimos años no puede simplementeatribuirse a una ingesta excesiva de calorías y / o un gasto energético insuficiente ", añade.

Para limitar nuestra exposición y uso de estos químicos potencialmente dañinos, necesitamos saber qué y dónde están, lo que ha demostrado ser un desafío. Sin embargo, Monti y sus colegas, incluidos Dra. Jennifer Schlezinger , han publicado un nuevo estudio que utilizó enfoques de aprendizaje automático para identificar y caracterizar con éxito los MDC en un conjunto de sustancias químicas no clasificadas.

¿Qué es el aprendizaje automático?

Una rama de la inteligencia artificial IA, el aprendizaje automático utiliza datos y algoritmos para replicar la forma en que los seres humanos aprenden. Para aprender una tarea, por ejemplo, los seres humanos la repiten y realizan la tarea hasta que se optimiza. Lo mismo ocurreen aprendizaje automático; con precisión mejorando cada vez.


¿Por qué el aprendizaje automático?


¿Por qué utilizar el aprendizaje automático en este contexto? La decisión se basó en el deseo de Monti y sus colegas de crear un enfoque que fuera a la vez imparcial y basado en datos. Con el aprendizaje automático, el equipo pudo "aprender" de manera efectiva de investigaciones anteriores.estudios. "Hicimos un 'perfil' de un conjunto de más de 60 sustancias químicas con efectos conocidos es decir, que se sabe que son obesógenos o no obesógenos y los usamos para 'entrenar' un modelo informático para predecir su potencial de alteración del metabolismo".Monti describe.

La etapa de elaboración de perfiles del experimento consistió en tratar células preadipocitos, derivadas de ratones, con cada uno de los productos químicos y extraer el ARNm de ellos. A continuación, el ARNm se secuenció utilizando métodos de secuenciación de ARN ARN-seq para el análisis transcripcional.Este proceso proporcionó a los investigadores información sobre cómo los genes de las células habían respondido a la exposición química. "Estos perfiles de secuenciación de ARN, junto con las etiquetas químicas conocidas, se introdujeron en un modelo informático que fue entrenado para distinguir entre las dos clases,y luego se aplicó a la clasificación de productos químicos sin etiquetar ", dice Monti.

Los perfiles de RNA-seq proporcionaron información sobre los efectos de la exposición a corto plazo a las sustancias químicas, mientras que las etiquetas p. Ej., Obesógeno o no obesógeno se utilizaron para proporcionar efectos de exposición a más largo plazo. Por lo tanto, el modelo de aprendizaje automático seentrenado para usar los perfiles de expresión a corto plazo para predecir los posibles efectos de exposición a largo plazo de los productos químicos no etiquetados. Monti enfatiza que este es un punto sutil pero importante.

El diseño del experimento se basa en trabajos anteriores, el Proyecto de carcinogenoma , que tenía como objetivo identificar carcinógenos potenciales. "Juntos, los dos estudios proporcionan un marco conceptual, experimental y computacional es decir, una 'receta' integral de aplicabilidad general para la detección de grandes conjuntos de sustancias químicas por su potencial a largo plazo.plazo de efectos adversos que incluyen, entre otros, la alteración metabólica y la carcinogenicidad ", afirma Monti.

El efecto completo de la exposición a MDC


El grupo de investigación quiere enfatizar que las aplicaciones de su último estudio se extienden más allá de las especificidades del método utilizado y sus capacidades predictivas. Las sustancias químicas perfiladas en el estudio también incluyeron fármacos que se utilizan para el tratamiento de enfermedades metabólicas.La metodología permitió a los científicos observar más de cerca cómo estos medicamentos impactan en el metabolismo de una célula. "Esta comprensión, a su vez, será fundamental para el diseño de medicamentos más efectivos y dirigidos con efectos secundarios mínimos", dice Monti.

Identificar una sustancia química como un MDC es simplemente el primer paso, explica Monti: "Seleccionamos dos de las predicciones altamente clasificadas tonalida y quinoxifeno, dos pesticidas de uso común y realizamos una extensa validación funcional que confirmó de manera concluyente sus efectos adversos en humanos.células formadoras de grasa. Sin embargo, se necesitarían más pruebas para justificar cualquier acción [reguladora] ", concluye.

Stefano Monti estaba hablando con Molly Campbell, redactora científica de Technology Networks.

referencia
: Kim S, Reed E, Monti S, Schlezinger J. Una taxonomía transcripcional basada en datos de sustancias químicas adipogénicas para identificar adipogenos blancos y brillantes. Perspectiva de salud ambiental. 2021. 129 7: 077006. Doi: 10.1289 / EHP6886 .

Conozca al autor
Molly Campbell
Escritor científico
Publicidad