Resumen: La identificación de nuevos biomarcadores sanguíneos para detectar el riesgo de desarrollar EA en las primeras fases es fundamental y necesaria para i) realizar un diagnóstico precoz masivo a bajo coste y ii) desarrollar tratamientos preventivos que retrasen la presentación de los primeros síntomas de la enfermedad. Además, los exosomas se están utilizando como fuente de biomarcadores debido a que son pequeñas vesículas capaces de atravesar la barrera hematoencefálica transportando proteínas y microRNAs (miRNA). Se ha demostrado que varios miRNAs pueden modular genes relacionados con la patología de la EA, lo que sugiere que las alteraciones cerebrales podrían estudiarse utilizando miRNAs extraídos de exosomas circulantes. Además, esta estrategia se utilizará como método de screening para la detección temprana, segura, masiva y de bajo costo de la EA en la población chilena. Por otro lado, el aprendizaje automático nos proporcionará un conjunto de herramientas para el análisis e interpretación de patrones y estructuras de datos de miRNA. Aquí se plantea la hipótesis de que el algoritmo desarrollado a través de herramientas de machine learning utilizando un panel de miRNA extraído de exosomas circulantes, predice el riesgo de desarrollar EA en la población chilena y su caracterización multimodal.
Director: Claudia Duran-Aniotz
Financiado por: ANID/FONDEF
