Predicción in silico de las variantes genéticas y su influencia sobre la patogénesis de la enfermedad de alzheimer (EA)

La enfermedad de Alzheimer presenta una creciente preocupación debido a su alta prevalencia y los significativos costos asociados a su tratamiento. La complejidad de su arquitectura genética dificulta la completa comprensión en cuanto a sus mecanismos patogénicos, lo que la convierte en un desafío significativo para la investigación. El presente trabajo se basa en la predicción in silico y análisis de la implicación de las variantes genéticas en la patogénesis de la enfermedad, mediante la identificación y análisis de genes relacionados utilizando técnicas y herramientas bioinformáticas. Se identificaron genes élite mediante la búsqueda bibliográfica y se validaron efectuando el análisis de expresión diferencial sobre una DataSet proveniente de un experimento con individuos diagnosticados con Alzheimer. Se encontraron genes sobreexpresados en condiciones moderadas y severas de la enfermedad: COL5A2, XIST, NEFL y VSNL1. En estos genes se identificaron y analizaron las variantes genéticas para predecir su impacto funcional. Los resultados obtenidos revelaron variantes genéticas en regiones UTR, sitios de empalme y SNP no sinónimos que pueden tener un impacto significativo en la patogénesis de la EA. Estas variantes se contrastaron con información proveniente de investigaciones previas para validar su relevancia biológica. Aunque algunas variantes no coincidieron con las reportadas en estudios previos, se estableció una correlación entre variantes y afectación biológica similar en otros genes tales como: BIN1, APP y INPP5D. Esto ha permitido una mejor comprensión de cómo ciertas variantes genéticas influyen en el desarrollo del Alzheimer.

Alzheimer's disease is of growing concern due to its high prevalence and the significant costs associated with its treatment. The complexity of its genetic architecture makes it difficult to fully understand its pathogenic mechanisms, which makes it a significant research challenge. The present work is based on the in silico prediction and analysis of the involvement of genetic variants in the pathogenesis of the disease, through the identification and analysis of related genes using bioinformatics techniques and tools. Elite genes were identified by literature search and validated by performing differential expression analysis on a DataSet from an experiment with individuals diagnosed with Alzheimer's disease. Overexpressed genes were found in moderate and severe disease conditions: COL5A2, XIST, NEFL and VSNL1. Genetic variants in these genes were identified and analyzed to predict their functional impact. The results obtained revealed genetic variants in UTR regions, splice sites and non-synonymous SNPs that may have a significant impact on AD pathogenesis. These variants were contrasted with information from previous research to validate their biological relevance. Although some variants did not match those reported in previous studies, a correlation was established between variants and similar biological involvement in other genes such as BIN1, APP and INPP5D. This has allowed a better understanding of how certain genetic variants influence the development of Alzheimer's disease.