����������������������������������������������������������������������������������

 

 

Predicci�n Basada en Biolog�a de Sistemas de Genes Humanos Asociados a la Infecci�n por el Virus del Dengue

 

Systems Biology-Based Prediction of Human Genes Associated with Dengue Virus Infection

 

Predi��o baseada em biologia de sistemas de genes humanos associados � infec��o pelo v�rus da dengue

 

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: luzuriagagusto@gmail.com

 

Ciencias de la Salud

Art�culo de Investigaci�n

 

 

* Recibido: 10 de marzo de 2025 *Aceptado: 23 de abril de 2025 * Publicado: �31 de mayo de 2025

 

        I.            Ph.D. Bio-Diversidad, Genetica y Evolucion, Centro de Biotecnolog�a Gen�mica, Instituto Polit�cnico Nacional, Tamaulipas, M�xico.

      II.            Mg.Sc. Biotecnolog�a, Universidad T�cnica del Cotopaxi, Facultad de Ciencias Agropecuarias y Recursos Naturales, Carrera de Agropecuaria, Latacunga, Ecuador.

   III.            Ph.D Diversit� del Mundo VivienteUnidad de Estudios de la Vida Silvestre UNEVIS, Universidad Central del Ecuador, Facultad de Medicina Veterinaria, Quito, Ecuador.

Resumen

El dengue es una de las enfermedades virales transmitidas por vector de mayor importancia a nivel mundial.� Sin embargo, algunos factores relevantes sobre la respuesta del organismo humano a esta infecci�n no son totalmente comprendidos.� La biolog�a de sistemas basada en el conocimiento de las interacciones entre prote�nas proporciona un escenario �ptimo para analizar procesos celulares, entre ellos aquellos que est�n involucrados en la respuesta a agentes infecciosos. En este estudio se integraron m�ltiples fuentes de datos para construir una red funcional de interacciones prote�na-prote�na (PPI) asociadas a la respuesta inmune humana frente al virus del dengue (DENV). A partir de una b�squeda automatizada en las bases de datos globales, se identificaron 473 prote�nas humanas relacionadas con DENV, las cuales fueron ampliadas mediante an�lisis de dominios compartidos, homolog�a, co-expresi�n g�nica y ortolog�a. Las interacciones fueron obtenidas de bases de datos como STRING, IntAct y YeastNet, luego integradas y ponderadas seg�n criterios de evidencia, y representadas mediante Cytoscape. El an�lisis de m�dulos funcionales, mediante el algoritmo MCL, revel� agrupamientos coherentes enriquecidos en t�rminos de ontolog�a g�nica (GO) relacionados con la respuesta inmune, se�alizaci�n celular y apoptosis. Se introdujo el par�metro Grado de Uni�n a Dengue (GUD) para cuantificar la conectividad funcional con prote�nas ra�z, y se emplearon pruebas de Chi-cuadrado para evaluar su significancia. Se Identifican 238 prote�nas candidatas con valores predictivos positivos (VPP) ≥ 0.7, lo que sugiere su implicaci�n funcional en la respuesta al DENV. El an�lisis espec�fico revel� una sobre-representaci�n de rutas de se�alizaci�n involucradas en megacariopoyesis, destacando prote�nas como Matk, Notch y Akt1, potencialmente implicadas en la trombocitopenia caracter�stica del dengue severo. Asimismo, la prote�na Dld mostr� un alto grado de entrelazamiento, conectando m�ltiples m�dulos funcionales, lo que sugiere su papel central en la regulaci�n inmune y hematol�gica. Estos hallazgos ofrecen nuevas perspectivas en el uso de la biolog�a de sistemas para predecir prote�nas as asociadas a fenotipo de inter�s como lo es el caso de las asociadas a la� infecci�n por virus del dengue humanos.

Palabras Clave: Autoinmunidad; dengue; interacciones proteicas; metodolog�a computacional,� redes biol�gicas.

 

 

Abstract

Dengue is one of the most important vector-borne viral diseases worldwide. However, some relevant factors affecting the human response to this infection are not fully understood. Systems biology, based on knowledge of protein interactions, provides an optimal framework for analyzing cellular processes, including those involved in the response to infectious agents. In this study, multiple data sources were integrated to construct a functional network of protein-protein interactions (PPIs) associated with the human immune response to dengue virus (DENV). An automated search of global databases identified 473 human proteins related to DENV, which were expanded through shared domain, homology, gene co-expression, and orthology analyses. The interactions were obtained from databases such as STRING, IntAct, and YeastNet, then integrated and weighted according to evidence criteria, and represented using Cytoscape. Functional module analysis using the MCL algorithm revealed coherent clusters enriched in gene ontology (GO) terms related to immune response, cell signaling, and apoptosis. The Degree of Binding to Dengue (GUD) parameter was introduced to quantify functional connectivity with root proteins, and chi-square tests were used to assess its significance. A total of 238 candidate proteins were identified with positive predictive values ​​(PPVs) ≥ 0.7, suggesting their functional involvement in the response to DENV. Targeted analysis revealed an overrepresentation of signaling pathways involved in megakaryopoiesis, highlighting proteins such as Matk, Notch, and Akt1, potentially implicated in the thrombocytopenia characteristic of severe dengue. Furthermore, the Dld protein displayed a high degree of intertwining, connecting multiple functional modules, suggesting its central role in immune and hematological regulation. These findings offer new insights into the use of systems biology to predict proteins associated with phenotypes of interest, such as those associated with human dengue virus infection.

Keywords: Autoimmunity; dengue; protein interactions; computational methodology; biological networks.

 

Resumo

A dengue � uma das doen�as virais transmitidas por vetores mais importantes do mundo. No entanto, alguns fatores relevantes que afetam a resposta humana a essa infec��o n�o s�o totalmente compreendidos. A biologia de sistemas, baseada no conhecimento das intera��es proteicas, fornece uma estrutura ideal para analisar processos celulares, incluindo aqueles envolvidos na resposta a agentes infecciosos. Neste estudo, m�ltiplas fontes de dados foram integradas para construir uma rede funcional de intera��es prote�na-prote�na (IPPs) associadas � resposta imune humana ao v�rus da dengue (DENV). Uma busca automatizada em bancos de dados globais identificou 473 prote�nas humanas relacionadas ao DENV, que foram expandidas por meio de an�lises de dom�nio compartilhado, homologia, coexpress�o g�nica e ortologia. As intera��es foram obtidas de bancos de dados como STRING, IntAct e YeastNet, ent�o integradas e ponderadas de acordo com crit�rios de evid�ncia e representadas usando o Cytoscape. A an�lise de m�dulo funcional usando o algoritmo MCL revelou clusters coerentes enriquecidos em termos de ontologia gen�tica (GO) relacionados � resposta imune, sinaliza��o celular e apoptose. O par�metro Grau de Liga��o � Dengue (GUD) foi introduzido para quantificar a conectividade funcional com prote�nas da raiz, e testes qui-quadrado foram usados ​​para avaliar sua signific�ncia. Um total de 238 prote�nas candidatas foram identificadas com valores preditivos positivos (VPPs) ≥ 0,7, sugerindo seu envolvimento funcional na resposta ao DENV. A an�lise direcionada revelou uma super-representa��o das vias de sinaliza��o envolvidas na megacariopoiese, destacando prote�nas como Matk, Notch e Akt1, potencialmente implicadas na trombocitopenia caracter�stica da dengue grave. Al�m disso, a prote�na Dld apresentou alto grau de entrela�amento, conectando m�ltiplos m�dulos funcionais, sugerindo seu papel central na regula��o imunol�gica e hematol�gica. Esses achados oferecem novos insights sobre o uso da biologia de sistemas para predizer prote�nas associadas a fen�tipos de interesse, como aqueles associados � infec��o pelo v�rus da dengue humana.

Palavras-chave: Autoimunidade; dengue; intera��es proteicas; metodologia computacional; redes biol�gicas.

 

Introducci�n

Las interacciones entre prote�nas son fundamentales para una variedad de procesos celulares, ya que permiten la regulaci�n de funciones esenciales como la transducci�n de se�ales la cual regula el paso de se�ales del exterior al interior celular. Estas interacciones, altamente espec�ficas, son clave en la homeostasis celular y, cuando se alteran, pueden contribuir al desarrollo de enfermedades (Shoemaker & Panchenko, 2007). Por ejemplo, la distorsi�n de las interfaces de interacci�n de las prote�nas puede desencadenar trastornos patol�gicos. Para comprender estos mecanismos a nivel molecular y celular, se han desarrollado diversas t�cnicas experimentales y bioinform�ticas que se han utilizado con �xito en el estudio de procesos biol�gicos en organismos modelo en los humanos y agentes infecciosos, como el virus de la inmunodeficiencia humana (VIH) (Gautier et al., 2009) y el virus de la hepatitis C (VHC) (de Chassey et al., 2008).

La interacci�n entre los virus y la c�lula es muy din�mica y de respuesta r�pida, �stos dependen de las c�lulas de sus hospederos para completar su ciclo de vida debido a su capacidad gen�tica limitada. Las prote�nas virales interact�an con prote�nas celulares para manipular las rutas biol�gicas y crear ambientes favorables para su replicaci�n. En respuesta, las c�lulas hospederas expresan prote�nas que inhiben o degradan las prote�nas virales. Sin embargo, las interacciones proteicas que ocurren durante las infecciones virales en humanos siguen siendo en su mayor�a desconocidas. El virus del dengue (DENV) pertenece a la familia Flaviviridae y est� compuesto por una envoltura y una mol�cula de RNA positivo. Este virus, transmitido por el mosquito Aedes aegypti, se encuentra estrechamente relacionado con otros pat�genos, como el VHC y el virus del oeste del Nilo. En la Actualidad, la alteraci�n del h�bitat y la expansi�n urbana ha facilitado la dispersi�n y distribuci�n geogr�fica (Mackenzie et al., 2004), donde se estima m�s de 50 millones de infecciones anuales, y aproximadamente dos billones de personas en �reas end�micas estar�a en riesgo (Guha-Sapir et al., 2005).

La enfermedad puede variar desde formas asintom�ticas hasta casos severos y potencialmente mortales, como la fiebre hemorr�gica del dengue (FHD) y el s�ndrome de shock de dengue (SSD) (Khan et al., 2008). Las formas graves son una de las principales causas de hospitalizaci�n y mortalidad infantil en pa�ses tropicales y subtropicales con recursos limitados en salud. A pesar que, la incidencia del dengue ha aumentado considerablemente en las �ltimas d�cadas, el conocimiento actual sobre sus mecanismos de infecci�n y respuesta a�n no ha permitido el desarrollo de una vacuna eficaz, tratamientos espec�ficos ni modelos animales adecuados (Gubler, 2001).

Los avances en la comprensi�n del ciclo viral, el mecanismo de respuesta del organismo frente al dengue sigue siendo insuficientemente comprendido, lo que crea la necesidad urgente del ajuste metodol�gico para investigar los procesos moleculares involucrados. En este contexto, las interacciones proteicas juegan un papel central en la funci�n biol�gica celular, y su alteraci�n durante un proceso infeccioso puede proporcionar informaci�n crucial sobre la patog�nesis. Estudios previos muestran que los mapas de interacciones de prote�nas disponibles para el dengue presentan limitaciones, como la baja cobertura y una alta cantidad de falsos positivos y negativos. Adem�s, estos mapas se han centrado principalmente en la entrada del virus al organismo, en lugar de estudiar la respuesta celular durante la infecci�n (Velandia & Castellanos, 2011).

Una respuesta a estas dificultades podr�a ser la integraci�n de diversas fuentes de datos en la construcci�n de redes de interacci�n proteica, las cuales podr�an mejorar significativamente la cobertura del proteoma. En este sentido, la creaci�n de una red de prote�nas asociadas con la respuesta humana al dengue proporcionar�a nueva informaci�n sobre los mecanismos moleculares implicados en la infecci�n, adem�s optimizar�a m�todos para identificar prote�nas relacionadas con otras infecciones virales en futuras investigaciones. Es as� que, el objetivo principal de este estudio fue integrar enfoques computacionales para el an�lisis de la respuesta humana al dengue, desde una perspectiva de biolog�a de sistemas.

 

Metodolog�a

a.      Obtenci�n y ordenamiento de los datos

El conjunto de datos de prote�nas humanas utilizadas en este estudio fue obtenido mediante la aplicaci�n web Protein Corral (https://www.ebi.ac.uk/Rebholz-srv/pcorral), desarrollada para la extracci�n automatizada de interacciones prote�na-prote�na (PPI) a partir de la literatura biom�dica indexada en Medline, base de datos de la Biblioteca Nacional de Medicina de los Estados Unidos (Rebholz-Schuhmann, Kirsch y Couto, 2005). La b�squeda se realiz� utilizando palabras clave relacionadas con la infecci�n por dengue, lo cual permiti� identificar 473 prote�nas humanas asociadas a esta enfermedad. As� mismo, se analizaron los dominios proteicos de las mismas, utilizando la base de datos Pfam e identificando aquellas que compart�an al menos un dominio en com�n. Posteriomente, se llev� a cabo un an�lisis de homolog�a mediante alineamiento local utilizando el programa BLAST (Altschul, Gish, Miller, Myers, & Lipman, 1990) seleccionando prote�nas con porcentajes de similitud entre el 80% y 90% para evitar redundancias por homolog�a excesiva y centrarse en asociaciones funcionales relevantes.

Adicionalmente, se recopilaron datos de interacci�n prote�na-prote�na provenientes de las bases de datos STRING e IntAct para humanos, y de la base YeastNet para Saccharomyces cerevisiae (Scott & Barton 2007). Los ort�logos correspondientes fueron identificados mediante InParanoid. Adem�s, se incluyeron datos transcript�micos de tres estudios con expresi�n diferencial en infecciones por dengue: Fink et al. (2007), Devignot et al. (2010) y Nascimento et al. (2009).

 

b.      An�lisis computacional y estad�stico

A partir de los datos obtenidos, se construyeron redes individuales de interacciones prote�na-prote�na siguiendo la metodolog�a propuesta por Chua et al. (2007), asignando un puntaje a cada interacci�n seg�n su origen. Para los datos de Pfam, se consider� el n�mero de dominios compartidos; en el caso de las homolog�as por BLAST, se utiliz� el logaritmo negativo del valor e (e-value). Las interacciones obtenidas de STRING ya incluyen un sistema de puntuaci�n de confiabilidad basado en evidencia m�ltiple para las interacciones de IntAct, que no tienen puntuaci�n les ponderamos con un valor uniforme de 1.

Para los datos de co-expresi�n, se calcul� el coeficiente de correlaci�n de Pearson entre genes diferencialmente expresados, de acuerdo a lo publicado por Karaoz et al. (2004), y se incluyeron �nicamente aquellas interacciones con valores mayores a 0.70; en el caso de las interacciones predichas por ortolog�a (m�todo de inter�logos), se consider� la probabilidad bayesiana asociada a cada interacci�n. Las redes individuales fueron integradas en una red combinada �nica y visualizadas mediante Cytoscape. Posteriormente, se identificaron m�dulos funcionales aplicando el algoritmo MCL (Markov Cluster Algorithm) (van Dongen, 2000); cada m�dulo fue anotado funcionalmente a partir de un an�lisis de enriquecimiento de t�rminos de Ontolog�a G�nica (GO) mediante la plataforma DAVID v6.7 (Huang, Sherman y Lempicki, 2009).

Finalmente, para evaluar la relevancia funcional de las prote�nas dentro de la red, se calcul� el Grado de Uni�n a Dengue (GUD), definido como el n�mero de interacciones que una prote�na tiene con prote�nas ra�z asociadas a la infecci�n, excluy�ndose a la misma (Aragu�s et al., 2008). A partir del GUD se estim� el valor predictivo positivo (VPP) en diferentes umbrales (GUD ≥ 0 a GUD ≥ 15), definido como la proporci�n de verdaderos positivos entre las predicciones positivas. La significancia estad�stica de esta asociaci�n se evalu� mediante tablas de contingencia 2�2 y la prueba de Chi-cuadrado (χ�), utilizando el paquete RCmdr del entorno estad�stico R (R Core Team, 2024).

 

Resultados y discusi�n

a.      Red prote�nas de Humanos Asociados a la Respuesta a la Infecci�n por el Virus del Dengue

Se construy� una red funcional integrada que agrupa informaci�n proveniente de diversas fuentes, mediante un sistema unificado de puntuaci�n basado en la metodolog�a de Chua et al. (2007). Esta red global incluy� 198,819 interacciones entre 32,931 prote�nas humanas. A partir de esta, se identificaron 1,794 prote�nas con anotaciones relacionadas a procesos biol�gicos relevantes para la respuesta a la infecci�n por el virus del dengue (DENV), las cuales fueron consideradas como prote�nas ra�z. Con estas prote�nas ra�z y sus parejas interactuantes directas, se gener� una red espec�fica de alta confiabilidad, compuesta por 1,858 prote�nas y 32,595 interacciones. Esta red representa un subconjunto funcional centrado en la respuesta del hospedador humano frente al DENV.

El an�lisis de agrupamiento de esta red se realiz� mediante el algoritmo Markov Cluster (MCL) implementado en Cytoscape. As�, se identificaron m�ltiples m�dulos funcionales, cada uno agrupando prote�nas con alta similitud funcional. El an�lisis de enriquecimiento funcional, llevado a cabo con la herramienta DAVID v6.7, mostr� una distribuci�n coherente de t�rminos de la Ontolog�a G�nica (GO) dentro de los m�dulos identificados, lo cual indica que el agrupamiento logr� capturar relaciones funcionales relevantes. Entre los procesos biol�gicos enriquecidos se observaron t�rminos relacionados con la respuesta inmune, se�alizaci�n celular, regulaci�n de la apoptosis y procesamiento del ARN.

Las prote�nas se agrupar por m�dulo funcional y se representan con diferentes colores, de acuerdo con sus anotaciones GO (Figura 1) en respuesta a DENV. Estos resultados apoyan la hip�tesis de que es posible identificar regiones funcionalmente coherentes en redes de interacci�n prote�na-prote�na derivadas de datos heterog�neos, y que dichas regiones est�n asociadas a mecanismos biol�gicos clave en la respuesta a infecciones virales como la del dengue.

�������������� Figura 1. Representaci�n gr�fica de la red de interacciones de genes de humano asociados a la�� respuesta a la infecci�n del DENV

 

La utilizaci�n del algoritmo MCL permiti� identificar agrupamientos funcionales coherentes dentro de la red, lo que refuerza la validez de la estrategia integradora empleada. A diferencia de enfoques basados exclusivamente en una sola fuente de datos o en predicciones por aprendizaje autom�tico, el marco utilizado aqu� proporciona una red consolidada y funcionalmente interpretable. En conjunto, estos resultados ofrecen un punto de partida s�lido para la priorizaci�n de prote�nas candidatas en estudios experimentales y abren la posibilidad de identificar nuevos blancos terap�uticos o biomarcadores relacionados con la infecci�n por DENV.

La red funcional derivada en este estudio revela un conjunto significativo de prote�nas humanas potencialmente implicadas en la respuesta inmunol�gica al virus del dengue. La identificaci�n de m�dulos funcionales enriquecidos en t�rminos de Ontolog�a G�nica (GO) vinculados a procesos como la se�alizaci�n inmune, la regulaci�n de la apoptosis y la respuesta inflamatoria sugiere que estas prote�nas desempe�an un papel coordinado en la defensa del hospedador. Esto coincide con estudios previos que describen c�mo el DENV modula m�ltiples rutas celulares para evadir la respuesta inmune y favorecer su replicaci�n (Rodriguez-Madoz et al., 2010; Simmons et al., 2012).

Tradicionalmente, la caracterizaci�n estructural de redes biol�gicas se ha basado en par�metros topol�gicos como el grado del nodo y el coeficiente de agrupamiento, los cuales han sido utilizados para inferir funciones biol�gicas (Barab�si & Oltvai, 2004). No obstante, estudios m�s recientes han cuestionado su eficacia como predictores funcionales. En particular, Aragu�s et al. (2008) demostraron que el grado del nodo no es un buen predictor de funci�n en redes de prote�nas, y propusieron el Grado de Uni�n a la Enfermedad (GUD) como una alternativa m�s robusta para predecir funciones asociadas a enfermedades, incluido el c�ncer. En este estudio, se adapt� dicho enfoque para evaluar la relaci�n funcional entre prote�nas candidatas y prote�nas ra�z asociadas a dengue. La prueba estad�stica χ� aplicada bajo la hip�tesis de que la probabilidad de implicaci�n funcional aumenta con el n�mero de conexiones a prote�nas ra�z mostr� resultados significativos (Tabla 1), lo cual respalda la utilidad del GUD como herramienta para priorizar nuevas prote�nas candidatas relevantes en la respuesta al DENV.

 

Tabla 1. Asociaci�n entre el contexto funcional de prote�nas GUD y su conocida funci�n en la respuesta a la infecci�n con DENV

 

El valor p de la diferencia entre el conjunto de datos totales prote�nas con GUD>=0 (>=0, mayor o igual) y prote�nas con GUD>=1 y GUD>=5 muestra diferencias estad�sticas significativas.

Utilizando el GUD, se calcularon los valores predictivos positivos (VPP) de las prote�nas, lo que permiti� predecir nuevas prote�nas involucradas en la respuesta a la infecci�n por dengue. Como criterio de selecci�n, se consideraron aquellas prote�nas cuyo valor predictivo fuera superior a 0.7, lo que result� en una lista de prote�nas con alta probabilidad de implicaci�n funcional en la respuesta al virus (Tabla 2). Este enfoque basado en la predicci�n estad�stica fortalece la precisi�n del modelo al identificar prote�nas relevantes para futuros estudios experimentales.

 

Tabla 2. Valor predictivo positivo (VPP) para la predicci�n de genes asociados a la respuesta dengue basados en el GUD

 

Se identificaron un total de 238 prote�nas candidatas, que fueron seleccionadas en funci�n de su valor predictivo positivo (VPP) superior a 0.7. Las interacciones de estas prote�nas candidatas se localizaron dentro de la red integrada basada en el Grado de Uni�n a Dengue (GUD). En esta red, se distinguieron tres grupos de prote�nas: Den, que incluye los genes implicados en la respuesta a la infecci�n por el virus del dengue (DENV); NoDen, que agrupa los genes no implicados en dicha respuesta; y las prote�nas ra�z, previamente identificadas como claves en la respuesta inmune frente al DENV. Estas prote�nas, junto con sus interacciones asociadas, fueron extra�das para formar la red de interacciones de prote�nas en respuesta a la infecci�n por el DENV, proporcionando un marco funcional y topol�gico que puede ser utilizado para explorar la biolog�a molecular subyacente a la patog�nesis del dengue.

b.      An�lisis del contexto funcional de la red prote�nas de humanos asociados a la respuesta a la infecci�n por el virus del dengue.

El an�lisis de enriquecimiento funcional mediante t�rminos de ontolog�a g�nica (GO) aplicado a las prote�nas humanas que integran la red de interacciones asociadas a la respuesta al virus del dengue revel� una sobrerrepresentaci�n de procesos biol�gicos como la transducci�n de se�ales, respuesta al estr�s, procesamiento de ant�genos y catabolismo. Particularmente, se identificaron 15 prote�nas asociadas a rutas de se�alizaci�n implicadas en la megacariopoyesis (Gonz�lez et al., 2011). De estas, siete ya hab�an sido reportadas como relacionadas con dengue: Tnfsf10, Pik3r1, Stat3, Stat5a, Jak2, Src y Epha3; las otras ocho rstantes (Fgfr2, Notch1, Notch2, Notch3, Akt1, Rasa1, Itk y Fgr) se consideran prote�nas candidatas por su papel en rutas relacionadas con la producci�n y maduraci�n de megacariocitos; entre estas se destaca Matk (tirosina cinasa asociada a megacariocitos), la cual mostr� m�ltiples interacciones con prote�nas previamente asociadas tanto a dengue como a megacariopoyesis (Figura 2), incluyendo Tnfsf10, Itk, Jak2, Akt1, Rasa1, Fgfr2, Notch3, Epha3, Stat3, Stat5a, Pik3r1 y Src.

Figura 2. Agrupamiento de prote�nas que interact�an con la Tirosina cinasa asociada a megacariocitos Matk

 

As� mismo, la prote�na Dihidrolipoamida deshidrogenasa (Dld) present� el valor de entrelazamiento m�s alto (0.32) dentro de la red, con 122 interacciones con prote�nas implicadas en la respuesta al dengue. Esta prote�na mitocondrial interconecta m�dulos funcionales asociados a se�alizaci�n, procesamiento de ant�genos y respuesta al estr�s (Figura 3).

�������������� Figura 3. Agrupamiento de prote�nas que interact�an con la Dihidrolipoamida dehidrogenasa Dld

 

La sobre-representaci�n de prote�nas implicadas en la transducci�n de se�ales concuerda con estudios experimentales previos, como el de Khadka et al. (2011), quienes observaron una abundancia de prote�nas relacionadas con la coagulaci�n, proceso en el que las plaquetas desempe�an un rol central. Las rutas de se�alizaci�n asociadas a la coagulaci�n han sido vinculadas a las formas graves de dengue (Martina et al., 2009). La megacariopoyesis es un proceso regulado por diversas rutas de se�alizaci�n. Seg�n Gonz�lez et al. (2010), existen al menos tres rutas bien establecidas: (1) la se�alizaci�n mediada por trombopoyetina (TPO), la cual incrementa la producci�n de megacariocitos y plaquetas (Bartley et al., 1994; Kaushansky et al., 1994); (2) la v�a dependiente del receptor Gp130, estimulada por citocinas como IL-11 y LIF la cual promueven la maduraci�n de megacariocitos (Zheng et al., 2008); y (3) la ruta de Notch, cuya activaci�n favorece la trombopoyesis frente a la eritropoyesis.

La relevancia de estas rutas en el contexto de dengue se evidencia por la asociaci�n entre infecci�n severa y trombocitopenia (Noisakran et al., 2009), causada tanto por la disminuci�n en la producci�n como por la destrucci�n de plaquetas (Oishi et al., 2007). Esta �ltima ha sido vinculada con activaci�n del sistema del complemento y procesos auto-inmunes. Por otro lado, en modelos murinos, se ha demostrado que anticuerpos contra la prote�na viral NS1 pueden inducir trombocitopenia por reacci�n cruzada con ant�genos plaquetarios (Sun et al., 2007).

Publicaciones previas manifiestan que la interacci�n de Dld con prote�nas de rutas de se�alizaci�n megacarioc�tica podr�a tener implicaciones relevantes; aunque su relaci�n con la autoinmunidad en dengue a�n no est� bien establecida, es as� que se ha reportado la presencia de anticuerpos anti-Dld en suero de pacientes con hepatitis C severa (Wu et al., 2002), hecho significativo dado que m�s del 40 % de las prote�nas implicadas en infecci�n por DENV tambi�n est�n asociadas a infecci�n por VHC (Khadka et al., 2011). Estas evidencias sugerir�an que Dld podr�a constituirse en un nodo clave tanto en la modulaci�n inmune como en la disfunci�n plaquetaria observada en el dengue severo.

 

Conclusi�n

Se identificaron nuevas prote�nas asociadas a la respuesta al dengue, incluyendo nueve candidatas implicadas en la producci�n de plaquetas, un proceso afectado en la fase grave de la enfermedad. Entre ellas, destaca Matk como una prote�na con alta probabilidad de participaci�n en la trombocitopenia inducida por la infecci�n.

Tambi�n se determin� que an�lisis funcional de la red PPI en respuesta al dengue muestra un enriquecimiento de rutas de se�alizaci�n, especialmente aquellas vinculadas a la megacariopoyesis. Prote�nas clave como Matk, Notch y Akt1 podr�an estar implicadas en la trombocitopenia observada en casos graves. Adem�s, Dld, con alto valor de entrelazamiento, destaca como posible regulador de procesos inmunes y hematol�gicos, lo que sugiere su potencial como blanco terap�utico.

Declaraci�n de conflicto de intereses. Los autores declaramos no tener conflictos de intereses sobre la presente publicaci�n.

 

Agradecimiento

Expresamos nuestro agradecimiento al n�cleo cient�fico del Centro de Biotecnolog�a Gen�mica del Instituto Polit�cnico Nacional especialmente al Maestro Christian Lizarazo Ortega. Los resultados como trabajo de titulaci�n de la Maestr�a en ciencias en Biotecnolog�a Gen�mica en 2012.

Contribuci�n de los autores: Agusto L.N. dise�o del estudio, compilaci�n de la informaci�n y redacci�n; Jhinson M.L. An�lisis estad�stico, y redacci�n; Nivia N.L. Analisis de resultados, redacci�n y edici�n

 

Referencias

1.      Altschul, S. F., Gish, W., Miller, W., Myers, E. W., & Lipman, D. J. (1990). Basic local alignment search tool. Journal of Molecular Biology, 215(3), 403�410. https://doi.org/10.1016/S0022-2836 (05)80360-2

2.      Aragues, R., Sander, C., & Oliva, B. (2008). Predicting cancer involvement of genes from heterogeneous data. BMC Bioinformatics, 9(172).

3.      Avraham, S., Jiang, S., Ota, S., Fu, Y., Deng, B., Dowler, L. L., White, R. A., & Avraham, H. (1995). Structural and functional studies of the intracellular tyrosine kinase MATK gene and its translated product. Journal of Biological Chemistry, 270(4), 1833�1842.

4.      Barab�si, A. L., & Oltvai, Z. N. (2004). Network biology: understanding the cell's functional organization. Nature Reviews Genetics, 5(2), 101�113.

5.      Bartley, T. D., Bogenberger, J., Hunt, P., Li, Y. S., Lu, H. S., Martin, F., Chang, M. S., Samal, B., Nichol, J. L., Swift, S., et al. (1994). Identification and cloning of a megakaryocyte growth and development factor that is a ligand for the cytokine receptor Mpl. Cell, 77(7), 1117�1124.

6.      Bielefeldt-Ohmann, H. (2000). Measuring virulence without a target. Trends in Microbiology, 8(6), 265�266.

7.      Clyde, K., Kyle, J. L., & Harris, E. (2006). Recent advances in deciphering viral and host determinants of dengue virus replication and pathogenesis. Journal of Virology, 80(23), 11418�11431.

8.      Chua, H. N., Sung, W. K., & Wong, L. (2007). An efficient strategy for extensive integration of diverse biological data for protein function prediction. Bioinformatics, 23(24), 3364�3373.

9.      de Chassey, B., Navratil, V., Tafforeau, L., Hiet, M. S., Aublin-Gex, A., Agaugue, S., Meiffren, G., Pradezynski, F., Faria, B. F., Chantier, T., et al. (2008). Hepatitis C virus infection protein network. Molecular Systems Biology, 4, 230.

10.  Devignot, S., Sapet, C., Duong, V., Bergon, A., Rihet, P., Ong, S., Couissinier-Paris, P. (2010). Genome-wide expression profiling deciphers host responses altered during dengue shock syndrome and reveals the role of innate immunity in severe dengue. PLoS One, 5(7), e11671. https://doi.org/10.1371/journal.pone.0011671

11.  European Bioinformatics Institute. (n.d.). PCorral: Human protein-protein interaction prediction. European Bioinformatics Institute. Recuperado el enero 2012, de https://www.ebi.ac.uk/Rebholz-srv/pcorral

12.  Fink, J., Gu, F., Ling, L., Tolfvenstam, T., Olfat, F., Chin, K. C., Hibberd, M. L. (2007). Host gene expression profiling of dengue virus infection in cell lines and patients. PLoS Neglected Tropical Diseases, 1(2), e86. https://doi.org/10.1371/journal.pntd.0000086

13.  Fox, J. (2005). The R Commander: A Basic-Statistics Graphical User Interface to R. Journal of Statistical Software, 14(9), 1�42. https://doi.org/10.18637/jss.v014.i09

14.  Gautier, V. W., Gu, L., O'Donoghue, N., Pennington, S., Sheehy, N., & Hall, W. W. (2009). In vitro nuclear interactome of the HIV-1 Tat protein. Retrovirology, 6, 47.

15.  Genever, P. G., Wilkinson, D. J., Patton, A. J., Peet, N. M., Hong, Y., Mathur, A., Erusalimsky, J. D., & Skerry, T. M. (1999). Expression of a functional N-methyl-D-aspartate-type glutamate receptor by bone marrow megakaryocytes. Blood, 93(9), 2876�2883.

16.  Gonz�lez Morales, J. E., Leal Villarreal, L., Guzman L�pez, S., Guzman Trevino, G. M., & Gonz�lez Martinez, N. A. (2004). Helicobacter pylori and disease. Revista Alergolog�a M�xico, 51(6), 218�225.

17.  Gonz�lez, J., P�rez, M., & Rodr�guez, L. (2010). Regulaci�n de la trombopoyetina y su impacto en la megacariopoyesis. Revista de Hematolog�a Cl�nica, 25(3), 123�130. Recuperado de https://www.scribd.com/document/602722207/Trombocitosis.

18.  Gubler, D. (2001). Dengue and West Nile virus�an interview with Duane Gubler, Sc.D., reported by Vicki Glaser. Vector-Borne and Zoonotic Diseases, 1(1), 81�88.

19.  Gubler, D. J. (1987). Dengue and dengue hemorrhagic fever in the Americas. Puerto Rico Health Sciences Journal, 6(2), 107�111.

20.  Guha-Sapir, D., & Schimmer, B. (2005). Dengue fever: new paradigms for a changing epidemiology. Emerging Themes in Epidemiology, 2(1), 1.

21.  Huang, D. W., Sherman, B. T., & Lempicki, R. A. (2009). Bioinformatics enrichment tools: Paths toward the comprehensive functional analysis of large gene lists. Nucleic Acids Research, 37(1), 1�13. https://doi.org/10.1093/nar/gkn923

22.  Hitchcock, I. S., Skerry, T. M., Howard, M. R., & Genever, P. G. (2003). NMDA receptor-mediated regulation of human megakaryocytopoiesis. Blood, 102(4), 1254�1259.

23.  Karaoz, U., Murali, T. M., Letovsky, S., Zheng, Y., Ding, C., Cantor, C. R., & Kasif, S. (2004). Whole-genome annotation by using evidence integration in functional-linkage networks. Proceedings of the National Academy of Sciences U.S.A., 101(9), 2888�2893. https://doi.org/10.1073/pnas.0307326101

24.  Kaushansky, K., Lok, S., Holly, R. D., Broudy, V. C., Lin, N., Bailey, M. C., Forstrom, J. W., Buddle, M. M., Oort, P. J., Hagen, F. S., et al. (1994). Promotion of megakaryocyte progenitor expansion and differentiation by the c-Mpl ligand thrombopoietin. Nature, 369 (6481), 568�571.

25.  Khadka, S., Vangeloff, A. D., Zhang, C., Siddavatam, P., Heaton, N. S., Wang, L., Sengupta, R., Sahasrabudhe, S., Randall, G., Gribskov, M., et al. (2011). A physical interaction network of dengue virus and human proteins. Molecular & Cellular Proteomics, 10(12), M111 012187.

26.  Khan, N. A., Azhar, E. I., El-Fiky, S., Madani, H. H., Abuljadial, M. A., Ashshi, A. M., Turkistani, A. M., & Hamouh, E. A. (2008). Clinical profile and outcome of hospitalized patients during first outbreak of dengue in Makkah, Saudi Arabia. Acta Tropica, 105(1), 39�44.

27.  Mackenzie, J. S., Gubler, D. J., & Petersen, L. R. (2004). Emerging flaviviruses: the spread and resurgence of Japanese encephalitis, West Nile and dengue viruses. Nature Medicine, 10(12 Suppl), S98�S109.

28.  Martina, B. E., Koraka, P., & Osterhaus, A. D. (2009). Dengue virus pathogenesis: an integrated view. Clinical Microbiology Reviews, 22(4), 564�581.

29.  Murali, T. M., Wu, C. J., & Kasif, S. (2006). The art of gene function prediction. Nature Biotechnology, 24(12), 1474�1475; author reply 1475�1476. https://doi.org/10.1038/nbt1206-1474

30.  Nascimento, E. J., Braga-Neto, U., Calzavara-Silva, C. E., Gomes, A. L., Abath, F. G., Brito, C. A., Marques, E. T., Jr. (2009). Gene expression profiling during early acute febrile stage of dengue infection can predict the disease outcome. PLoS One, 4(11), e7892. https://doi.org/10.1371/journal.pone.0007892

31.  Noisakran, S., Chokephaibulkit, K., Songprakhon, P., Onlamoon, N., Hsiao, H. M., Villinger, F., Ansari, A., & Perng, G. C. (2009). A re-evaluation of the mechanisms leading to dengue hemorrhagic fever. Annals of the New York Academy of Sciences, 1171(Suppl 1), E24�35.

32.  O'Brien, K. P., Remm, M., & Sonnhammer, E. L. (2005). Inparanoid: a comprehensive database of eukaryotic orthologs. Nucleic Acids Research, 33(Database issue), D476�D480.

33.  Oishi, K., Saito, M., Mapua, C. A., & Natividad, F. F. (2007). Dengue illness: clinical features and pathogenesis. Journal of Infectious Chemotherapy, 13(3), 125�133.

34.  Rebholz-Schuhmann, D., Kirsch, H., & Couto, F. M. (2005). PCorral: A tool for predicting protein-protein interactions in humans. Bioinformatics, 21(6), 1022�1024. https://doi.org/10.1093/bioinformatics/bti062

35.  R Core Team. (2012). R: A language and environment for statistical computing. R Foundation for Statistical Computing. https://www.R-project.org/

36.  Robinson, D. R., Wu, Y. M., & Lin, S. F. (2000). The protein tyrosine kinase family of the human genome. Oncogene, 19(49), 5548�5557.

37.  Roche, T. E., & Reed, L. J. (1974). Monovalent cation requirement for ADP inhibition of pyruvate dehydrogenase kinase. Biochemical and Biophysical Research Communications, 59(4), 1341�1348.

38.  Rodriguez-Madoz, J. R., Bernal-Rubio, D., Kaminski, D., Boyd, K., & Fernandez-Sesma, A. (2010). Dengue virus inhibits the production of type I interferon in primary human dendritic cells. Journal of Virology, 84(9), 4845�4850. https://doi.org/10.1128/JVI.00236-09

39.  Scott, M. S., & Barton, G. J. (2007). Probabilistic prediction and ranking of human protein-protein interactions. BMC Bioinformatics, 8, 239. https://doi.org/10.1186/1471-2105-8-239

40.  Shoemaker, B. A., & Panchenko, A. R. (2007). Deciphering protein-protein interactions. Part I. Experimental techniques and databases. PLoS Computational Biology, 3(3), e42.

41.  Simmons, C. P., Farrar, J. J., Nguyen, V. V., & Wills, B. (2012). Dengue. New England Journal of Medicine, 366(15), 1423�1432. https://doi.org/10.1056/NEJMra1110265

42.  Skerry, T. M., & Genever, P. G. (2001). Glutamate signalling in non-neuronal tissues. Trends in Pharmacological Sciences, 22(4), 174�181.

43.  Sun, D. S., King, C. C., Huang, H. S., Shih, Y. L., Lee, C. C., Tsai, W. J., Yu, C. C., & Chang, H. H. (2007). Antiplatelet autoantibodies elicited by dengue virus non-structural protein 1 cause thrombocytopenia and mortality in mice. Journal of Thrombosis and Haemostasis, 5(11), 2291�2299.

44.  Van Dongen, S. (2000). Graph clustering by flow simulation [Tesis doctoral, Universidad de Utrecht]. Centros para Matem�ticas e Inform�tica (CWI).

45.  Velandia, M. L., & Castellanos, J. E. (2011). Virus del dengue: estructura y ciclo viral. Infection, 15(1), 33�43. https://doi.org/10.1016/S0123-9392 (11)70074-1

46.  Vlasblom, J., & Wodak, S. J. (2009). Markov clustering versus affinity propagation for the partitioning of protein interaction graphs. BMC Bioinformatics, 10, 99.

47.  Wu, Y. Y., Hsu, T. C., Chen, T. Y., Liu, T. C., Liu, G. Y., Lee, Y. J., & Tsay, G. J. (2002). Proteinase 3 and dihydrolipoamide dehydrogenase (E3) are major autoantigens in hepatitis C virus (HCV) infection. Clinical and Experimental Immunology, 128(2), 347�352.

48.  Zheng, C., Yang, R., Han, Z., Zhou, B., Liang, L., & Lu, M. (2008). TPO-independent megakaryocytopoiesis. Critical Reviews in Oncology/Hematology, 65(3), 212�222.

 

 

 

 

 

 

 

 

 

 

 

 

� 2025 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).