La diabetes tipo I (o diabetes insulino dependiente DID) se desarrolla como consecuencia de la destrucción de las células beta mediada por una respuesta autoinmune. Entre las mayores estrategias para la prevención y el control de este tipo de diabetes se encuentran la contra-regulación del ataque inmunológico, el transplante de islotes pancreáticos y la generación de células progenitoras de células beta; estas estrategias no son mutualmente excluyentes y podrían ser más efectivas si se utilizan en combinación . Un mayor entendimiento de la expresión de los genes de las celulas beta y de sus ciclos regulatorios relacionados con la fisiopatologia de la enfermedad, podrían mejorar las estrategias para mantener la integridad de estas celulas e impedir su destruccion despues de transplante de islotes y durante el cultivo de células progenitoras que serán utilizada posteriormente para trasplantes. Este trabajo tiene como objetivo el estudio de los genes expresados en las celulas beta y los ciclos regulatorios involucrados en el desarrollo de la diabetes tipo I; Para esto fueron utilizando arreglos de expresión genética en muestras de islotes pancreáticos de ratones NOD (de la sigla en ingles non-obese diabetic mouse o raton diabetico no obeso). Los resultados fueron analizados utilizando herramientas de bioinformática para la búsqueda de nuevos genes relacionados con la biología de las celulas beta. Las muestras de ARN usadas para los arreglos de expresión genética (MG U74Av2 Affymetrix GeneChip arrays) fueron obtenidas de islotes de ratones NOD. Para cada muestra se utilizaron 1200 islotes obtenidos de cuatro ratones diferentes. Los arreglos fueron realizados en cuadruplicado para asegurar su reproducibilidad. De los 12000 genes representados en el arreglo MG U74Av2 de Affymetrix , 50 por ciento representan sequencias de genes totalmente identificados de los cuales se conoce la funcion. En el arreglo tambien estan representadas alrededor de 6000 sequencias de funcion desconocida o EST (expressed sequence tags). Haciendo uso de herramientas de Bioinformática los resultados fueron interpretados, clasificados y utilizados para la identificación de patrones de expression de genes y construcción de mapas moleculares específicos utilizando GenMapp . Las secuencias desconocidas o ESTs fueron estudiadas usando el sistema automatisado de extraccion de informacion (FACTS) con el fin de determinar su posible funcion y relacion con la muerte de las celulas beta durante el desarrollo de la diabetes. FACTS es una herramienta de Bioinformatica que funciona como un sistema semi-inteligente de busqueda y extraccion de información. FACTS integra diferentes módulos de software para el manejo de búsqueda y extracción de la información, selección y filtrado de resumenes de la literatura e integración y presentación de los resultados. FACTS ofrece la ventaja de integrar información inferida de secuencias moleculares con información de artículos publicados en Medline , OMIM . BIND , DIP y otras bases de datos. De los 12000 genes representados en el arreglo MG U74Av2 de Affymetrix, 6149 genes se encontraron presentes en los islotes pancreaticos de ratones NOD. De estos, 10% correspondieron a seqencias de funcion desconocidas. Los genes de funcion conocida fueron analisados en mapas de expresion genetica donde se demostro la presencia de genes realcionados con muerte celular programada (apoptosis) y redes moleculares de citoquinas incluyendo interleuquina 1, factor de necrosis tumoral e interferon gama. Las herramientas bioinformáticas utilizadas facilitaron el análisis de genes con función desconocida y permitieron inferir su función y su papel potencial en el comportamiento de las células beta. En el analisis de estas sequencias se encontro un gran numero de genes relacionados con regulacion del metabolismo, del ciclo celular y mantenimiento de la homeostasis celular. Se encontró una alta correlación entre los resultados obtenidos utilizando arreglos de expresión genética y los de estudios realizados in vitro en celulas beta de ratón y rata, demostrando asi la alta reproducibilidad de este sistema experimental. El área de la bioinformática hace uso de computadores y modernos programas de software para el estudio de los comportamientos biológicos. Esta tecnología permite manejar grandes volúmenes de información y analizar relaciones complejas, que son de difícil interpretación sin las herramientas del ordenador. Gracias al uso del software grandes volúmenes de información almacenados en diferentes bases de datos ubicadas alrededor del mundo pueden ser accesados mediante procesos sistematizados para extraer la información relevante y presentarla de una forma adecuada para su interpretación y análisis; esta tecnología es conocida como “Data mining” . Utilizando herramientas de búsqueda y almacenamiento de datos como FACTS (Functional Association/Annotation of cDNA clones drom Text/Sequences Sources) en este trabajo hemos identificado genes que no habian sido reportados anteriormente y que potencialmente juegan un papel impotante en el desarrollo de la diabetes tipo I. La funcion de estos genes puede ser tambien extrapolada a otras patologías como cáncer, problemas neurológicos, inmunológicos y metabólicos. Los resultados obtenidos fueron almacenados en DiaBeta, un banco de información especializado en diabetes diseñado en nuestro laboratorio para manejar la información producida en nuestras investigaciones y que permite integrar información almacenada en otras bases de datos alrededor del mundo. DiaBeta funciona como un motor de búsqueda para el estudio de arreglos de expresion genetica y permite acceder a la información almacenada en otras bases de datos como GeneBank , Unigene, LocusLink, Swissprot , Ensembl , PancChip (Endocrine Pancreas Consortioum) y DoTS (Database Of Transcribed Sequences) . Los estudios de arreglos de expresión genética generan un amplio volumen de información por lo cual la implementacion de sistemas informáticos incrementa la eficiencia en el análisis de los resultados experimentales. Existe un gran potencial en la bioinformática para descubrir de nuevos genes, determinar su posible función y predecir su comportamiento en las células beta durante el desarrollo de la diabetes. La bioinformática también permite desarrollar modelos virtuales para predecir comportamientos biológicos que posteriormente pueden ser probados en sistemas biológicos encaminados a desarrollar tratamientos de enfermedades. El uso de los bancos de Información Genética de especies no humanas como el ratón, es de especial valor pues la detección de marcadores genéticos similares a los del humano permite la creación de modelos animales específicos para el estudio de enfermedades

Palabras Claves: Bioinformática, Minería de datos, FACTS, diabetes, programas para descubrimiento de genes.

Autores: Gina Gutiérrez2,3, Camila Manrique2,3, Jaime Pena 1,2, Nikolai Petrovsky 1,2, Diego G Silva 1,2

Institución: 1. Autoimmunity Research Unit, ANU Medical School, Australian National University, Canberra ACT. 2. Grupo de Inmunoinformática, Facultad de Medicina, Universidad Nacional de Colombia, 3. Instituto de Biotecnología de la Universidad Nacional de Colombia sede Bogotá, Grupo de Bioinformática.

Dir Postal: Grupo de Bioinformática del Instituto de Biotecnología. Universidad Nacional de Colombia. Carrera 30 No. 45-03. Bogotá D.C.

E-mail: gpgutierrezm@unal.edu.co