ES2653740T3 - Sistemas y métodos de ensayo genético para el control del peso - Google Patents
Sistemas y métodos de ensayo genético para el control del peso Download PDFInfo
- Publication number
- ES2653740T3 ES2653740T3 ES12786747.1T ES12786747T ES2653740T3 ES 2653740 T3 ES2653740 T3 ES 2653740T3 ES 12786747 T ES12786747 T ES 12786747T ES 2653740 T3 ES2653740 T3 ES 2653740T3
- Authority
- ES
- Spain
- Prior art keywords
- exercise
- diet
- plan
- exceeding
- regulated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000002068 genetic effect Effects 0.000 title claims abstract description 71
- 238000004260 weight control Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012360 testing method Methods 0.000 title description 20
- 235000005911 diet Nutrition 0.000 claims abstract description 145
- 230000037213 diet Effects 0.000 claims abstract description 139
- 239000003925 fat Substances 0.000 claims abstract description 109
- 150000001720 carbohydrates Chemical class 0.000 claims abstract description 91
- 235000014633 carbohydrates Nutrition 0.000 claims abstract description 91
- 108700028369 Alleles Proteins 0.000 claims abstract description 50
- 230000001105 regulatory effect Effects 0.000 claims abstract description 47
- 102210019749 rs9939609 Human genes 0.000 claims abstract description 19
- 102220006124 rs1042714 Human genes 0.000 claims abstract description 18
- 102210065166 rs1800795 Human genes 0.000 claims abstract description 18
- 239000012472 biological sample Substances 0.000 claims abstract description 14
- 102210048430 rs2070895 Human genes 0.000 claims abstract description 14
- 102210007605 rs1800588 Human genes 0.000 claims abstract description 12
- 102200010892 rs1805192 Human genes 0.000 claims abstract description 12
- 102220006123 rs1042713 Human genes 0.000 claims abstract description 11
- 102220423536 rs2943641 Human genes 0.000 claims abstract description 11
- 102200109450 rs4994 Human genes 0.000 claims abstract description 11
- 102220005721 rs1799883 Human genes 0.000 claims abstract description 9
- 102220433849 rs1800629 Human genes 0.000 claims abstract description 9
- 102220112495 rs4343 Human genes 0.000 claims abstract description 9
- 235000004251 balanced diet Nutrition 0.000 claims abstract description 7
- 230000004584 weight gain Effects 0.000 claims description 11
- 235000019786 weight gain Nutrition 0.000 claims description 11
- 235000012054 meals Nutrition 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 102210038142 rs4731702 Human genes 0.000 claims description 2
- 108091028043 Nucleic acid sequence Proteins 0.000 claims 1
- 150000007523 nucleic acids Chemical group 0.000 claims 1
- 108090000623 proteins and genes Proteins 0.000 description 89
- 235000019197 fats Nutrition 0.000 description 82
- 108020004414 DNA Proteins 0.000 description 27
- 230000000694 effects Effects 0.000 description 27
- 230000037081 physical activity Effects 0.000 description 23
- 238000004989 laser desorption mass spectroscopy Methods 0.000 description 22
- 210000000577 adipose tissue Anatomy 0.000 description 21
- 239000000523 sample Substances 0.000 description 20
- 208000008589 Obesity Diseases 0.000 description 17
- 235000020824 obesity Nutrition 0.000 description 17
- 230000006870 function Effects 0.000 description 16
- 206010033307 Overweight Diseases 0.000 description 15
- 239000000203 mixture Substances 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 11
- 230000001891 nutrigenetic effect Effects 0.000 description 11
- 235000018102 proteins Nutrition 0.000 description 11
- 102000004169 proteins and genes Human genes 0.000 description 11
- 239000000969 carrier Substances 0.000 description 10
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 10
- 239000008280 blood Substances 0.000 description 9
- 210000004369 blood Anatomy 0.000 description 9
- 101001077604 Homo sapiens Insulin receptor substrate 1 Proteins 0.000 description 8
- 102100025087 Insulin receptor substrate 1 Human genes 0.000 description 8
- 102000009081 Apolipoprotein A-II Human genes 0.000 description 7
- 108010087614 Apolipoprotein A-II Proteins 0.000 description 7
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 7
- 235000019577 caloric intake Nutrition 0.000 description 7
- 239000008103 glucose Substances 0.000 description 7
- 102000004127 Cytokines Human genes 0.000 description 6
- 108090000695 Cytokines Proteins 0.000 description 6
- 108050008832 Fatty acid-binding protein, intestinal Proteins 0.000 description 6
- 206010022489 Insulin Resistance Diseases 0.000 description 6
- 210000001789 adipocyte Anatomy 0.000 description 6
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 6
- 230000000378 dietary effect Effects 0.000 description 6
- 235000013367 dietary fats Nutrition 0.000 description 6
- 230000037219 healthy weight Effects 0.000 description 6
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 6
- 230000004580 weight loss Effects 0.000 description 6
- UUUHXMGGBIUAPW-UHFFFAOYSA-N 1-[1-[2-[[5-amino-2-[[1-[5-(diaminomethylideneamino)-2-[[1-[3-(1h-indol-3-yl)-2-[(5-oxopyrrolidine-2-carbonyl)amino]propanoyl]pyrrolidine-2-carbonyl]amino]pentanoyl]pyrrolidine-2-carbonyl]amino]-5-oxopentanoyl]amino]-3-methylpentanoyl]pyrrolidine-2-carbon Chemical compound C1CCC(C(=O)N2C(CCC2)C(O)=O)N1C(=O)C(C(C)CC)NC(=O)C(CCC(N)=O)NC(=O)C1CCCN1C(=O)C(CCCN=C(N)N)NC(=O)C1CCCN1C(=O)C(CC=1C2=CC=CC=C2NC=1)NC(=O)C1CCC(=O)N1 UUUHXMGGBIUAPW-UHFFFAOYSA-N 0.000 description 5
- 102000017919 ADRB2 Human genes 0.000 description 5
- 102100030461 Alpha-ketoglutarate-dependent dioxygenase FTO Human genes 0.000 description 5
- 102100030988 Angiotensin-converting enzyme Human genes 0.000 description 5
- 102100031415 Hepatic triacylglycerol lipase Human genes 0.000 description 5
- 101001062620 Homo sapiens Alpha-ketoglutarate-dependent dioxygenase FTO Proteins 0.000 description 5
- 101000959437 Homo sapiens Beta-2 adrenergic receptor Proteins 0.000 description 5
- 101000941289 Homo sapiens Hepatic triacylglycerol lipase Proteins 0.000 description 5
- 102000004889 Interleukin-6 Human genes 0.000 description 5
- 108090001005 Interleukin-6 Proteins 0.000 description 5
- 108090000882 Peptidyl-Dipeptidase A Proteins 0.000 description 5
- 235000013305 food Nutrition 0.000 description 5
- 102000054766 genetic haplotypes Human genes 0.000 description 5
- 235000021073 macronutrients Nutrition 0.000 description 5
- 230000000770 proinflammatory effect Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 208000017667 Chronic Disease Diseases 0.000 description 4
- 102100026748 Fatty acid-binding protein, intestinal Human genes 0.000 description 4
- 102000015779 HDL Lipoproteins Human genes 0.000 description 4
- 108010010234 HDL Lipoproteins Proteins 0.000 description 4
- 101001046596 Homo sapiens Krueppel-like factor 14 Proteins 0.000 description 4
- 102100022329 Krueppel-like factor 14 Human genes 0.000 description 4
- 238000003556 assay Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 150000002632 lipids Chemical class 0.000 description 4
- 235000016709 nutrition Nutrition 0.000 description 4
- 235000021085 polyunsaturated fats Nutrition 0.000 description 4
- 235000021003 saturated fats Nutrition 0.000 description 4
- 150000003626 triacylglycerols Chemical class 0.000 description 4
- 101150033809 ADRB2 gene Proteins 0.000 description 3
- 102000017918 ADRB3 Human genes 0.000 description 3
- 108060003355 ADRB3 Proteins 0.000 description 3
- 101150100998 Ace gene Proteins 0.000 description 3
- 101150076348 FTO gene Proteins 0.000 description 3
- 101000611183 Homo sapiens Tumor necrosis factor Proteins 0.000 description 3
- 102000004877 Insulin Human genes 0.000 description 3
- 108090001061 Insulin Proteins 0.000 description 3
- 208000001145 Metabolic Syndrome Diseases 0.000 description 3
- 210000000579 abdominal fat Anatomy 0.000 description 3
- 201000000690 abdominal obesity-metabolic syndrome Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 235000012000 cholesterol Nutrition 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000002757 inflammatory effect Effects 0.000 description 3
- 229940125396 insulin Drugs 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000004060 metabolic process Effects 0.000 description 3
- 102200150805 rs1057519492 Human genes 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 101150024311 FABP2 gene Proteins 0.000 description 2
- 102000019267 Hepatic lipases Human genes 0.000 description 2
- 108050006747 Hepatic lipases Proteins 0.000 description 2
- 101000868883 Homo sapiens Transcription factor Sp6 Proteins 0.000 description 2
- 101150101999 IL6 gene Proteins 0.000 description 2
- 101150030450 IRS1 gene Proteins 0.000 description 2
- 101150023417 PPARG gene Proteins 0.000 description 2
- 108700012920 TNF Proteins 0.000 description 2
- 108060008682 Tumor Necrosis Factor Proteins 0.000 description 2
- 102000000852 Tumor Necrosis Factor-alpha Human genes 0.000 description 2
- 102100040247 Tumor necrosis factor Human genes 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 102000054767 gene variant Human genes 0.000 description 2
- 230000007614 genetic variation Effects 0.000 description 2
- 238000003205 genotyping method Methods 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 230000001771 impaired effect Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 150000004668 long chain fatty acids Chemical class 0.000 description 2
- 230000003050 macronutrient Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 235000021084 monounsaturated fats Nutrition 0.000 description 2
- 102000005962 receptors Human genes 0.000 description 2
- 108020003175 receptors Proteins 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 102210019291 rs588136 Human genes 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 210000004003 subcutaneous fat Anatomy 0.000 description 2
- 230000009278 visceral effect Effects 0.000 description 2
- 101150017816 40 gene Proteins 0.000 description 1
- 101150100859 45 gene Proteins 0.000 description 1
- 101150096316 5 gene Proteins 0.000 description 1
- 101150090657 ADRB3 gene Proteins 0.000 description 1
- 101150009437 APOA2 gene Proteins 0.000 description 1
- 102000007592 Apolipoproteins Human genes 0.000 description 1
- 108010071619 Apolipoproteins Proteins 0.000 description 1
- 102100039705 Beta-2 adrenergic receptor Human genes 0.000 description 1
- 102100034159 Beta-3 adrenergic receptor Human genes 0.000 description 1
- 101100205088 Caenorhabditis elegans iars-1 gene Proteins 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 108010082495 Dietary Plant Proteins Proteins 0.000 description 1
- 102100033067 Growth factor receptor-bound protein 2 Human genes 0.000 description 1
- 101000871017 Homo sapiens Growth factor receptor-bound protein 2 Proteins 0.000 description 1
- 206010060378 Hyperinsulinaemia Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 208000031773 Insulin resistance syndrome Diseases 0.000 description 1
- 238000008214 LDL Cholesterol Methods 0.000 description 1
- 102000007330 LDL Lipoproteins Human genes 0.000 description 1
- 108010007622 LDL Lipoproteins Proteins 0.000 description 1
- 108090001060 Lipase Proteins 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 208000023178 Musculoskeletal disease Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000001132 Osteoporosis Diseases 0.000 description 1
- 238000012408 PCR amplification Methods 0.000 description 1
- 108091007960 PI3Ks Proteins 0.000 description 1
- -1 PPARG Proteins 0.000 description 1
- 102000003993 Phosphatidylinositol 3-kinases Human genes 0.000 description 1
- 108090000430 Phosphatidylinositol 3-kinases Proteins 0.000 description 1
- 102000014400 SH2 domains Human genes 0.000 description 1
- 108050003452 SH2 domains Proteins 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 101150033527 TNF gene Proteins 0.000 description 1
- 102000040945 Transcription factor Human genes 0.000 description 1
- 108091023040 Transcription factor Proteins 0.000 description 1
- 208000020489 acute insulin response Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000003110 anti-inflammatory effect Effects 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 230000036528 appetite Effects 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 108010014499 beta-2 Adrenergic Receptors Proteins 0.000 description 1
- 108010014502 beta-3 Adrenergic Receptors Proteins 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 235000021074 carbohydrate intake Nutrition 0.000 description 1
- 230000036996 cardiovascular health Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000033077 cellular process Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 231100000481 chemical toxicant Toxicity 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000021373 diet component Nutrition 0.000 description 1
- 235000021045 dietary change Nutrition 0.000 description 1
- 235000020979 dietary recommendations Nutrition 0.000 description 1
- 230000009699 differential effect Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000004696 endometrium Anatomy 0.000 description 1
- 230000037149 energy metabolism Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009585 enzyme analysis Methods 0.000 description 1
- 235000020803 food preference Nutrition 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 235000021588 free fatty acids Nutrition 0.000 description 1
- 238000012252 genetic analysis Methods 0.000 description 1
- 230000002641 glycemic effect Effects 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 235000004280 healthy diet Nutrition 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 230000003451 hyperinsulinaemic effect Effects 0.000 description 1
- 201000008980 hyperinsulinism Diseases 0.000 description 1
- 230000004968 inflammatory condition Effects 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229940100601 interleukin-6 Drugs 0.000 description 1
- 230000031891 intestinal absorption Effects 0.000 description 1
- 101150044508 key gene Proteins 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 101150096059 lipC gene Proteins 0.000 description 1
- 235000019626 lipase activity Nutrition 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000002540 macrophage Anatomy 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008774 maternal effect Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010197 meta-analysis Methods 0.000 description 1
- 230000011987 methylation Effects 0.000 description 1
- 238000007069 methylation reaction Methods 0.000 description 1
- 239000011785 micronutrient Substances 0.000 description 1
- 235000013369 micronutrients Nutrition 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 235000020660 omega-3 fatty acid Nutrition 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 201000008482 osteoarthritis Diseases 0.000 description 1
- 235000020825 overweight Nutrition 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000003614 peroxisome proliferator Substances 0.000 description 1
- 102000054765 polymorphisms of proteins Human genes 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 108091008146 restriction endonucleases Proteins 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 102210040315 rs17817964 Human genes 0.000 description 1
- 102210053673 rs1899951 Human genes 0.000 description 1
- 102220433734 rs2069833 Human genes 0.000 description 1
- 102210060195 rs4344 Human genes 0.000 description 1
- 102210017607 rs4351 Human genes 0.000 description 1
- 102220112496 rs4362 Human genes 0.000 description 1
- 102200095042 rs56379106 Human genes 0.000 description 1
- 102210053747 rs7185735 Human genes 0.000 description 1
- 102210017142 rs7202116 Human genes 0.000 description 1
- 102210019840 rs9922619 Human genes 0.000 description 1
- 102210007282 rs9930506 Human genes 0.000 description 1
- 102210008917 rs9941349 Human genes 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000000276 sedentary effect Effects 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
- 235000010692 trans-unsaturated fatty acids Nutrition 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 235000021081 unsaturated fats Nutrition 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/158—Expression markers
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/16—Primer sets for multiplex assays
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Organic Chemistry (AREA)
- Genetics & Genomics (AREA)
- Zoology (AREA)
- Analytical Chemistry (AREA)
- Wood Science & Technology (AREA)
- Engineering & Computer Science (AREA)
- Microbiology (AREA)
- General Engineering & Computer Science (AREA)
- Biotechnology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Medicines That Contain Protein Lipid Enzymes And Other Medicines (AREA)
- Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
Abstract
Un método de control del peso, que comprende: a. medir al menos tres de los valores de un cliente relacionados con el peso, altura, circunferencia de la cintura, circunferencia de la cadera, índice de masa corporal, relación de cintura a cadera, sexo y origen étnico, b. determinar el alelo de al menos 10 variantes genéticas que no se repiten en una muestra biológica obtenida de dicho cliente, en donde dichas variantes genéticas son variantes relacionadas con el ejercicio o la dieta, i. dichas variantes relacionadas con el ejercicio se seleccionan de un grupo que consiste en rs9939609, rs4343, rs1042714, rs1042713 o rs4994, y ii. dichas variantes relacionadas con la dieta se seleccionan de un grupo que consiste en rs1042714, rs1799883, rs1800588, rs1800629, rs1800795, rs1801282, rs2070895, rs5082, rs9939609 o rs2943641, c. seleccionar un plan de dieta basado en los resultados de a) y b)ii, y un plan de ejercicio basado en los resultados de a) y b)i, en donde dicho plan de dieta es una dieta regulada en hidratos de carbono, regulada en grasas, regulada en grasas e hidratos de carbono o equilibrada, y dicho plan de ejercicio es un plan moderado o intenso, en donde a cada una de las variantes genéticas determinadas en la etapa b) se asigna una puntuación de hidratos de carbono, puntuación de grasas y puntuación de ejercicio, basadas en el alelo detectado y opcionalmente basadas también en los valores obtenidos en la etapa a), sumar dichas puntuaciones de hidratos de carbono, en donde superar un primer umbral da como resultado un plan de dieta regulada en hidratos de carbono, sumar dichas puntuaciones de grasas, en donde superar un segundo umbral da como resultado un plan de dieta regulada en grasas, en donde superar tanto el primer como el segundo umbral da como resultado un plan de dieta regulada en grasas e hidratos de carbono, pero no superar ninguno de los umbrales da como resultado un plan de dieta equilibrada, y sumar dichas puntuaciones de ejercicio, en donde superar un tercer umbral da como resultado un plan de ejercicio vigoroso, y no superar dicho tercer umbral da como resultado un plan de ejercicio moderado.
Description
Sistemas y métodos de ensayo genético para el control del peso
Esta descripción se refiere en general a sistemas y métodos para proporcionar a individuos programas de dieta y ejercicio y, más específicamente, se refiere al uso del ensayo de ADN de genes específicos y variantes genéticas 5 para proporcionar programas de dieta y ejercicio individualizados basados en la composición genética única de cada individuo.
La obesidad es un problema de salud pública principal por las cargas tanto sanitaria como económica que pueden producir. El sobrepeso y la obesidad se miden mediante el uso del índice de masa corporal (“IMC”), que se calcula a
10 partir del peso y la altura. En Estados Unidos, un IMC de 25 a menos de 30 se considera que es sobrepeso, mientras que un IMC de 30 o mayor se considera que es obeso. El término general “sobrepeso”, como se usa en esta descripción, se refiere a un IMC de 25 o mayor.
Por estos criterios del IMC, aproximadamente 72,5 millones de americanos son obesos, que es aproximadamente un tercio de la población total de Estados Unidos, y aproximadamente 17% de los niños de 2-19 años son obesos. En
15 2010, ningún estado tenía una tasa de obesidad inferior a 18% y algunos estados tenían una tasa de obesidad que superaba 30%. En todo el mundo, la Organización Mundial de la Salud (“OMS”) informó en 2003 que globalmente, mil millones de adultos tenían sobrepeso y 300 millones de adultos eran obesos, y se calcula que para 2015, 2,3 mil millones de adultos tendrán sobrepeso y 700 millones serán obesos basándose en los valores de IMC.
Tener sobrepeso o ser obeso está muy asociado con el desarrollo de enfermedades crónicas tales como
20 enfermedad cardiaca; accidente cerebrovascular; cánceres de endometrio, mama y colon; diabetes de tipo 2; osteoporosis; asma y otras afecciones respiratorias; y osteoartritis y otros trastornos musculoesqueléticos. Además del potencial de muerte prematura, dichas afecciones crónicas pueden suponer una mella importante en la calidad de vida y pueden causar incapacidad sustancial y pérdida de productividad. La carga económica de los costes de asistencia sanitaria para las enfermedades relacionadas con el peso fue de 78,5 mil millones de dólares en 1998.
25 Con la tasa observada a lo largo de 2006, se proyectó que esos costes llegarían a tanto como 147 mil millones de dólares en 2008. El coste de asistencia para un individuo obeso se calcula que es 1.429 dólares mayor anualmente que para un individuo de peso normal.
El control del peso implica equilibrar la ingesta de energía y el uso de energía, almacenándose el exceso de energía como grasa corporal. La ingesta calórica mayor que las necesidades del cuerpo y/o un uso de calorías inferior a las
30 necesidades del cuerpo conducirán a una ganancia neta de peso. El exceso de calorías se puede convertir en grasas y almacenar en las células de grasa del cuerpo (adipocitos) como triglicéridos. Aunque alguna vez se pensó que los adipocitos eran estáticos en número y funciones desde el nacimiento, pero pueden crecer tanto en tamaño como en número cuando se llenan con grasa y se dividen para formar nuevas células.
A medida que el número de adipocitos aumenta, el tejido adiposo aumenta, y ahora se reconoce que el tejido
35 adiposo es más que una colección de células grasas. Los macrófagos pueden infiltrar el tejido y segregar hormonas y citoquinas proinflamatorias, que pueden aumentar la susceptibilidad de un individuo con sobrepeso a la obesidad y otras enfermedades crónicas, tales como resistencia a la insulina, síndrome metabólico, diabetes, enfermedad cardiaca y otras afecciones inflamatorias.
El control de peso saludable requiere equilibrar la ingesta calórica y el gasto energético, típicamente mediante
40 actividad física. Sin embargo, hay muchos factores en segundo plano que afectan a esta ecuación aparentemente sencilla. La composición de esas calorías, la cantidad y tipo de grasa e hidratos de carbono de la dieta, es uno de dichos factores. Numerosos estudios recientes han mostrado que las calorías de grasas totales y de hidratos de carbono totales pueden ser importantes para el control del peso, pero durante muchos años el foco estuvo solo en las calorías totales, creyendo que el tipo de macronutriente era importante solo por su densidad calórica. Se creía
45 que la ingestión de grasa debía minimizarse porque, gramo por gramo, la grasa es más del doble de densa en calorías que las proteínas o los hidratos de carbono.
Sin embargo, con el tiempo, el que la grasa ingerida fuera una grasa saturada, trans, monoinsaturada o poliinsaturada se convirtió en importante desde la perspectiva de la salud cardiovascular. Más recientemente, la atención se ha centrado en las grasas insaturadas, en particular las grasas omega-3 y omega-6, que tienen
50 funciones beneficiosas en el cuerpo. Además, se ha encontrado que los hidratos de carbono aumentan los triglicéridos de la sangre, que son la forma de almacenamiento principal de la grasa corporal, y afectan a los niveles de insulina, que a su vez afectan al apetito, niveles de grasa corporal, y el estado inflamatorio y resistencia a la insulina. Gran parte de este acto de equilibrio de macronutrientes finalmente afecta a los estados pro o antiinflamatorio de los tejidos, que es todavía otro factor en el control del peso saludable.
55 Claramente, el control de peso saludable es un proceso complejo y la interconexión de diferentes componentes aumenta la complejidad basal. Como será evidente más adelante en la descripción de las variantes genéticas específicas seleccionadas, los cambios en la información genética pueden afectar a muchos de estos componentes en el puzle del control de peso saludable.
Normalmente se usa el IMC como la medida de si un individuo tiene una composición corporal deseable, por su conveniencia, pero también porque se considera que es un mejor indicador que la escala de peso sola porque tiene en cuenta el peso en relación con la altura. Sin embargo, lo que está surgiendo como una información quizás más
5 reveladora, es la necesidad de medir la cantidad y localización de la grasa corporal de un individuo. Se cree que es la grasa corporal almacenada y su influencia en la secreción del tejido adiposo de citoquinas proinflamatorias lo que es la conexión entre tener sobrepeso o estar obeso y tener un riesgo mayor de desarrollar las enfermedades crónicas citadas antes. Por lo tanto, se desea un algoritmo de control del peso mejorado que esté más adaptado al perfil genético de un individuo y a cómo gobierna sus respuestas a macro y micronutrientes.
Es conveniente tener una valoración personalizada individualmente del sobrepeso y la obesidad que use medidas del IMC tradicionales, el porcentaje de grasa corporal, la circunferencia de la cintura elevada o la relación de cintura a cadera, y si el individuo tiene excesiva grasa corporal visceral o indicadores proinflamatorios tales como niveles de citoquinas elevadas, resistencia a la insulina o síndrome metabólico.
15 Un componente crítico en el control del peso es la composición genética del individuo. Los genes humanos antiguos han cambiado poco en aproximadamente 40.000 años, aunque estos genes sean necesarios para interaccionar con diferentes entornos, suministros de alimentos enormemente diferentes, estilos de vida más sedentarios, y exposición a una multitud de productos químicos tóxicos que son metabólicamente activos y almacenados fácilmente en la grasa corporal. Aunque cada persona tiene el mismo conjunto básico de genes (genotipo) característicos de la
20 especie humana, cada individuo tiene una versión ligeramente diferente de este tema común. Cada gen es una fuente potencial de variación genética dentro de la composición genética (genoma) de una persona única. De acuerdo con el tema universal de la evolución y supervivencia del mejor adaptado, estas variaciones genéticas (“variantes genéticas”) pueden tener un efecto positivo, negativo o neutro en la función de ese gen en el control del peso. Por lo tanto, el genotipo personal de un individuo puede afectar a cómo de difícil será para ese individuo
25 mantener un peso saludable en el entorno en el que vive.
El control del peso es un proceso complejo y los genes están implicados en múltiples aspectos del proceso a través de las proteínas que pueden codificar. Se han identificado más de 100 genes que afectan a la capacidad para mantener un peso saludable. Sin embargo, no se ha descubierto ningún gen que solo sea responsable del aumento de peso en una mayoría de miembros a lo largo de múltiples poblaciones. En su lugar, el consenso que prevalece es
30 que hay múltiples genes cuyo efecto colectivo conduce a una mayor susceptibilidad a aumentar de peso, y finalmente, a la obesidad. Además, no parece que las variaciones en estos genes sean suficientes por sí mismas para producir el aumento de peso. Más bien, proporcionan la susceptibilidad, pero requieren la interacción con uno o más factores del entorno antes de que se desencadene la susceptibilidad y de como resultado aumento de peso.
Estos genes y variantes genéticas se pueden identificar sistémicamente basándose en la comprensión actual de los
35 mecanismos metabólicos subyacentes. Por ejemplo, las variantes pueden afectar a resultados del control de peso influyendo en procesos tales como la digestión, absorción y uso de alimento, en particular, alimento rico en grasas, puesto que la grasa es la fuente más concentrada de calorías en la dieta. Las variantes que afectan a cualquiera de una serie de procesos metabólicos en el tejido adiposo relacionados con el almacenamiento y movilización de grasa deberían ser también potenciales candidatos.
40 Sin embargo, no todas estas variantes genéticas se han identificado y caracterizado suficientemente para ser útiles para predecir la susceptibilidad a los retos en el control del peso. Ahora existe la tecnología de ensayo nutrigenético que permite la identificación de variantes genéticas que aumentan la susceptibilidad al aumento de peso, y esta tecnología de ensayo se ha usado para desarrollar un panel de ensayo para aplicaciones comerciales en el campo de la guía para el control de peso. Usando el ensayo de ADN para genes y variantes genéticas específicos, un
45 algoritmo puede recomendar programas de ejercicio y dieta basándose en la composición única de genes y variantes genéticas de un individuo.
Con más detalle, la invención es un método de control de peso según la reivindicación 1. El método comprende obtener al mensos tres, preferiblemente 4, 5 o más valores de un cliente relativos al peso, altura, circunferencia de la cintura, circunferencia de la cadera, grasa abdominal, índice de masa corporal, relación de cintura a cadera, sexo y
50 origen étnico, y similares, y detectar el alelo de al menos 10, preferiblemente 11 o 12 o más variantes genéticas en dicho cliente, seleccionadas las variantes genéticas del grupo que consiste en rs1042714, rs1799883, rs1800588, rs1800629, rs1800795, rs1801282, rs2070895, rs4343, rs4994, rs5082, rs1042713, rs9939609, rs2943641 o un alelo ligado a la misma, y basándose en estos resultados, seleccionar un plan de dieta y plan de ejercicio adecuados.
En realizaciones adicionales, a cada una de las variantes genéticas detectadas se le asigna una puntuación de
55 hidratos de carbono, puntuación de grasa y puntuación de ejercicio, basadas en el alelo detectado, y opcionalmente también basadas en las diferentes mediciones del cuerpo, sexo, raza y similares. Las puntuaciones de hidratos de carbono se suman, así como las puntuaciones de grasa y las puntuaciones de ejercicio (conocidas colectivamente como valores y/o sumas nutrigenéticas), y se seleccionan los planes de dieta y ejercicio de acuerdo con umbrales
predeterminados fijados para los mismos.
En otra realización, la descripción se refiere a métodos comerciales usados para proporcionar servicios de dieta y ejercicio y control del peso a un cliente. Más en particular, un método para proporcionar servicios de control del peso, incluye recoger una muestra biológica de un cliente y obtener al menos tres valores de peso, altura, 5 circunferencia de la cadera, circunferencia de la cintura, sexo, origen étnico, y similares de dicho cliente. Se determina entonces la presencia o ausencia de al menos 10 alelos genéticos que se sabe que están asociados con el aumento de peso, usando dicha muestra biológica. Los diferentes resultados se introducen en un ordenador, asignando valores a los mismos y se calcula una puntuación basándose en los mismos, y sale como resultado un plan de control del peso y ejercicio basado en las puntuaciones así obtenidas. En algunas realizaciones, el método
10 incluye proporcionar comidas preparadas o componentes de las mismas a dicho cliente de acuerdo con el plan de dieta, así como proporcionar planes de ejercicio detallados y/o entrenamiento individual. En realizaciones preferidas, las puntuaciones se clasifican según estén relacionadas con grasa, relacionadas con hidratos de carbono y relacionadas con ejercicio, y se suman por separado, y se planifican la dieta y ejercicio basándose en las puntuaciones de los tres componentes.
15 Otra realización más proporciona un método para proporcionar servicios de control de peso, que comprenden: a) procesar en un primer procesador una muestra biológica recibida de un cliente; b) recibir datos representativos de al menos tres de peso, altura, circunferencia de la cadera, circunferencia de la cintura, sexo y origen étnico de dicho cliente; c) mediante el procesamiento de la muestra biológica en el primer procesador, detectar la presencia o ausencia de al menos 10 alelos genéticos que se sabe que están asociados con el aumento de peso en dicha
20 muestra biológica; d) calcular en un segundo procesador una puntuación basada en el procesamiento de la muestra biológica y los datos del cliente recibidos en la acción b); e) determinar en el segundo procesador un plan de control de peso y de ejercicio basado en la puntuación obtenida de la acción d); y f) transmitir el plan de control de peso y de ejercicio al cliente; y g) opcionalmente proporcionar a través de un tercer procesador una selección y suministro de comidas preparadas o componentes de las mismas al cliente de acuerdo con el plan de dieta de la acción f). Por
25 supuesto, los diferentes procesadores pueden ser el mismo o separados, y alguna información se puede transmitir por internet o teléfonos móviles u otros métodos de comunicación.
El uso de la palabra “un” o “una” cuando se usa conjuntamente con el término “comprender” en las reivindicaciones
o la memoria descriptiva, significa uno o más de uno, salvo que el contexto dicte otra cosa.
El término “aproximadamente” significa el valor indicado más o menos el margen de error de la medición o más o 30 menos 10% si no se indica método de medición.
El uso del término “o” en las reivindicaciones se usa para significar “y/o” salvo que se indique explícitamente que se refiere solo a alternativas o si las alternativas son mutuamente exclusivas.
El término “comprende”, “tiene” e “incluye” (y sus variantes) son verbos de conexión abiertos y permiten la adición de otros elementos cuando se usan en una reivindicación. La frase “que consiste en” excluye otros elementos. La frase
35 “que consiste esencialmente en” ocupa un término medio, que permite la inclusión de elementos no materiales, tales como instrucciones y similares, que no cambian materialmente las nuevas características o combinación de la invención.
Se usan las siguientes abreviaturas en la presente memoria:
40 Como se usa en la presente memoria, “obtener” muestra del cliente, o ADN o secuencia o varios datos, incluye tanto métodos directos como indirectos de obtención de los mismos. Por lo tanto, por ejemplo, se puede recoger una muestra en un centro minorista y pasarlo a la entidad que llevará a cabo el ensayo de ADN relevante, y esto está incluido dentro del alcance de este término.
Como se usa en la presente memoria, “secuenciar” cualquier ADN o ARN incluye tanto métodos directos como
45 indirectos de obtener información de secuenciación. Por lo tanto, la muestra puede ser secuenciada por una tercera parte, y esto debe incluirse dentro del alcance de este término.
Igualmente, “determinar” cualquiera de varios datos incluye métodos tanto directos como indirectos. Por lo tanto, una entidad independiente puede hacer el análisis genético real y proporcionar los datos obtenidos de esta forma al ordenador para el procesamiento en los algoritmos descritos en la presente memoria, y esto está incluido dentro del
50 alcance de este término “determinar”.
La figura 1 ilustra un diagrama de flujo de alto nivel del algoritmo de dieta genética 100, de acuerdo con la presente descripción;
La figura 2 ilustra un diagrama de nivel del sistema detallado 200 del diagrama de flujo de la figura 1, de acuerdo con la presente descripción; y
La figura 3 ilustra un diagrama de flujo detallado 300 que combina los elementos de las figuras 1 y 2 de acuerdo con la presente descripción.
5 Descripción detallada
Se puede evaluar el efecto de los genes y las variantes genéticas en el control del peso y se puede usar después un algoritmo para desarrollar programas de dieta y ejercicio individualmente adaptados basándose en la composición genética del individuo. Actualmente se han identificado 13 variantes genéticas en 11 genes que tienen un efecto suficientemente fuerte para afectar al control de peso. Los criterios usados para evaluar si las variantes genéticas
10 tienen un efecto suficientemente fuerte en el peso incluyen la función, impacto, frecuencia, asociación con el control de peso, implicaciones de la dieta y el estilo de vida, y estudios de intervención humana.
En el desarrollo del sistema y método descritos en la presente memoria, los datos de cada una de las 13 variantes genéticas se recogieron de estudios disponibles en la bibliografía científica, y las variantes se separaron en aquellas que afectaban al control del peso relacionado con la dieta y aquellas que afectaban al control del peso relacionado 15 con el ejercicio. Los valores relativos se pueden asignar a cada variante basándose en dos contribuciones: (1) la fuerza general de la variante para cumplir los criterios de selección; y (2) la magnitud de su contribución a los efectos relacionados con la dieta o el ejercicio en el control de peso. Las variantes relacionadas con la dieta se pueden puntuar en términos de su efecto relacionado con los hidratos de carbono en el control del peso y, por separado, su efecto relacionado con la grasa de la dieta en el control del peso. Si hay evidencia de un efecto específico de sexo o
20 un efecto específico de etnicidad en cualquiera de las variantes relacionada con la dieta o el ejercicio, esta información se puede tener en cuenta en la valoración. Estos valores pueden tener una función integral en las realizaciones descritas del algoritmo de dieta genético para traducir los resultados de la prueba genética en programas personalizados de dieta y de actividad física para un individuo.
Las variantes genéticas seleccionadas influyen principalmente en la absorción de grasa de la dieta, el
25 almacenamiento del exceso de calorías como grasa corporal o la capacidad para movilizar la grasa corporal almacenada en respuesta a la actividad física. De las 13 variantes genéticas en el panel, 10 pueden proporcionar ayuda relacionada con la dieta, 5 pueden proporcionar ayuda relacionada con el ejercicio y 2 pueden proporcionar comprensión en ambos aspectos del control de peso. Las variantes genéticas relevantes se citan a continuación en la tabla 1, en orden relativo de la contribución al control del peso dentro de sus categorías respectivas relacionada
30 con la dieta o relacionada con el ejercicio.
- Tabla 1: Variantes genéticas
- Gen
- Variante rs nº Asociación con el control de peso
- Variantes relacionadas con la dieta
- IRS1
- alelo CC rs2943641 Los individuos con el genotipo CC de IRS1 rs2943641 pueden obtener más beneficios en la pérdida de peso y mejora de la resistencia a la insulina que aquellos sin este genotipo, eligiendo una dieta alta en hidratos de carbono y baja en grasas.
- FTO
- T>A Pos. crom. 53820527 rs9939609 El FTO (gen asociado con la masa grasa y la obesidad) tiene la asociación más fuerte con la obesidad de cualquiera de los genes hasta la fecha y es la variante genética relacionada con la grasa corporal que se encuentra más habitualmente, con una fuerte asociación con el peso y el IMC. Los que tienen el genotipo AA en el intrón de FTO tienen un mayor IMC que los que son heterocigotos para el alelo A y el alelo T de bajo riesgo.
- PPARG
- Pro12Ala P12A rs1801282 El PPARG (receptor gamma activado por proliferador de peroxisomas) es un gen clave que codifica un factor de transcripción que regula varios genes implicados en el metabolismo de la grasa e hidratos de carbono y en la formación de células grasas. Los portadores de Ala tienen mayor aumento en general de la tolerancia a la glucosa, efectividad de la glucosa, respuesta aguda de insulina a la glucosa e índice de disposición y son más sensibles al ejercicio.
- LIPC
- -557 o -514 C>T rs1800588 La LIPC (lipasa hepática) ayuda a controlar los niveles de grasa en la sangre. Las variantes con menor actividad de la LIPC tienen mayores niveles de grasas en la sangre y mayor potencial para el almacenamiento de grasa. El SNP está asociado con las concentraciones de lípidos y apolipoproteínas del suero, en especial en mujeres, en el orden CC, CT, y TT.
- FABP2
- Ala54Thr A54T +1283G>A rs1799883 La absorción intestinal de ácidos grasos de cadena larga de la dieta aumenta al doble en individuos con este SNP de FABP2 (proteína 2 de unión a ácido graso), dando como resultado mayor oxidación de grasa y resistencia a la insulina.
- Tabla 1: Variantes genéticas
- Gen
- Variante rs nº Asociación con el control de peso
- Variantes relacionadas con la dieta
- TNF
- -308G>A rs1800629 El alelo A del TNFα (factor de necrosis tumoral alfa) está asociado con mayores niveles de expresión de TNFA y por lo tanto inflamación sistémica, que está asociada con niveles mayores de grasa corporal, así como con varias enfermedades.
- ADRB2
- Gln27Glu Q27E +79C>G rs1042714 Tiene una función principal en la reducción de la grasa subcutánea a través de su acción en la movilización de la grasa corporal almacenada. El alelo G de ADRB2 (receptor adrenérgico β2) está asociado con menor riesgo de la diabetes de tipo 2, y está asociado con ser más sensible a los cambios en la dieta.
- APOA2
- -265T>C rs5082 Los individuos con el genotipo CC de la APOA2 (apolipoproteína A2) tienden a consumir mayores cantidades de grasa en la dieta y a aumentar de peso y tienen mayor IMC.
- IL6
- -174G>C ras1800795 El alelo C disminuye los niveles de citoquina proinflamatoria IL-6 (interleuquina 6). Los sujetos con G en la posición -174 del gen de la IL6 con la misma edad, sexo, IMC y relación de cintura a cadera, mostraban casi el doble de triglicéridos en el plasma, triglicéridos-lipoproteína de muy baja densidad (VLDL), más ácidos grasos libres en ayunas y después de carga de glucosa, colesterol lipoproteína de alta densidad (HDL)-2 ligeramente menor, y niveles similares de colesterol y colesterol LDL que los portadores del alelo C. Los individuos obesos con IMC mayor o igual a 28 que llevan el genotipo CC mostraban un riesgo más de 5 veces mayor de desarrollar DMNID (diabetes tipo 2) comparado con los genotipos GG o GC.
- LIPC
- 293G>A o -250 rs2070895 Ayuda a controlar los niveles de grasa en la sangre. Los individuos con esta variante tienen menor actividad de la lipasa hepática, tienen niveles mayores de grasas en la sangre y mayor potencial para el almacenamiento de grasa.
- IRS1
- C>T rs2943641 El gen de IRS 1 es importante en la generación de energía a partir de los hidratos de carbono de la dieta. Una variante tiene un efecto negativo en la pérdida de peso cuando la dieta es alta en hidratos de carbono.
- Variantes relacionadas con el ejercicio
- FTO
- T>A rs9939609 Los individuos con el alelo A tienen un mayor riesgo de obesidad que se puede reducir con niveles mayores de actividad física; los niveles bajos de actividad física exacerban el efecto del alelo de riesgo.
- ACE
- 2350 A>G SNP marcador rs4343 El alelo G de la ACE (enzima convertidora de angiotensina) conduce a la mayor expresión del gen de ACE y mayor adiposidad abdominal. La actividad física de alta intensidad es de ayuda en el control de peso.
- ADRB2
- Gln27Glu Q27E +79C>G rs1042714 Las mujeres con esta variante tienen problemas para perder peso solo mediante dieta; es útil la combinación de la dieta con un nivel intenso de actividad física para promover la reducción de grasa corporal en estos individuos.
- ADRB2
- Arg16Gly R16G rs1042713 Los individuos con el alelo variante no movilizan fácilmente la grasa corporal en respuesta a la actividad física.
- ADRB3
- Trp64Arg R64W 190T>C rs4994 Importante en el metabolismo energético y en la pérdida de grasa abdominal y subcutánea; la variante ADRB3 (receptor adrenérgico beta3) está asociada con una menor respuesta a la actividad física con respecto a la pérdida de peso.
Cada una de las 13 variantes genéticas en el panel se puede dar como una “puntuación de gen” o “valor nutrigenético” que es una puntuación ponderada basada en el impacto de cada variante genética en problemas relacionados con el control de peso. Las puntuaciones se basan en una escala de 0-5, con una puntuación 0 que no
5 tiene impacto y una puntuación 5 que tiene el mayor impacto en la pérdida de peso.
Los individuos que se han genotipado pueden tener una o más puntuaciones asignadas a cada gen en el panel. De acuerdo con una realización, mostrada en la tabla 2 a continuación, cada individuo puede recibir entonces una puntuación de hidratos de carbono totales, puntuación de grasa y puntuación de ejercicio basadas en su composición genética y la presencia de cada una de las variantes genéticas en el panel. Las puntuaciones totales
10 máximas para las categorías son las siguientes: puntuación de hidratos de carbono en mujeres 10, puntuación de grasa en mujeres 29, puntuación de ejercicio en mujeres 16, puntuación de hidratos de carbono en varones 9, puntuación de grasa en varones 28, puntuación de ejercicio en varones 15.
- Tabla 2: Puntuación
- GEN
- Variante rs nº Nombre común Alelo Etnicidad/ Sexo/ IMC Puntuación C hidratos de carbono Puntuación F grasa Puntuación E ejercicio
- ACE
- rs4343 D>I GG (DD) 0 0 4
- GA (ID)
- 0 0 3
- AA (II)
- 0 0 0
- ADRB2
- rs1042714 Gln27Glu CC Varón (no asiático) 2 2 2
- C>G
- Varón (asiático) 0 0 0
- Mujer
- 0 0 0
- CG
- Varón (no asiático) 0 0 0
- Varón (asiático)
- 2 2 0
- Mujer
- 3 3 3
- GG
- Varón (no asiático) 0 0 0
- Varón (asiático)
- 2 2 0
- Mujer
- 3 3 3
- ADRB2
- rs1042713 Arg16Gly AA 0 0 2
- A>G
- AG 0 0 2
- GG
- 0 0 0
- ADRB3
- rs4994 Trp64Arg TT 0 0 0
- T>C
- TC 0 0 2
- CC
- 0 0 2
- APOA2
- rs5082 -265T>C TT 0 0 0
- TC
- 0 0 0
- CC
- 0 2 0
- FABP2
- rs1799883 Ala54Thr GG 0 0 0
- G>A
- GA 1 3 0
- AA
- 1 3 0
- FTO
- rs9939609 T>A TT 0 0 0
- TA
- 2 5 5
- AA
- 2 5 5
- IL6
- rs1800795 -174G>C GG 0 2 0
- GC
- 0 2 0
- CC
- 0 0 0
- LIPC
- rs1800588 -514C>T CC 0 0 0
- CT
- 0 2 0
- TT
- 0 2 0
- LIPC
- rs2070895 -250C>T GG 0 0 0
- GA
- 0 1 0
- AA
- 0 1 0
- PPARG
- rs1801282 Pro12Ala CC 0 4 0
- C>G
- CG IMC<30 2 4 0
- IMC>30
- 3 4 0
- GG
- IMC<30 2 0 0
- IMC>30
- 3 0 0
- TNF
- rs1800629 -308G>A GG 0 0 0
- GA
- 0 2 0
- AA
- 0 2 0
- IRS1
- rs2943641 C>T CC 0 4 0
- CT
- 2 2 0
- TT
- 2 2 0
Como se muestra en la tabla 2 anterior, cada una de las variantes génicas tiene diferentes puntuaciones de genes relacionados con la ingesta de hidratos de carbono y grasa o la actividad física, aunque diferentes alelos del mismo gen pueden tener diferentes puntuaciones de gen para cada categoría, como se describe más adelante.
5 Puntuación de gen de 5: La mayor puntuación de gen de 5 se asigna a variantes genéticas con múltiples publicaciones de fuertes asociaciones con el estado de sobrepeso u obesidad en poblaciones grandes con datos de estudios observacionales o de intervención asociados con la ingesta de hidratos de carbono, grasas o la actividad física. Los requisitos adicionales para la asignación de la puntuación de gen de 5 incluyen: estudios observacionales basados en la población de más de 5000 participantes por estudio y estudios de intervención con poblaciones mayores de 100 individuos que muestran un efecto estadísticamente significativo en los parámetros relacionados con el peso. Los informes contradictorios en la bibliografía deberían ser raros o inexistentes.
5 Solo un gen, el gen FTO, cumple los criterios para la puntuación de gen de 5 tanto para los parámetros de la categoría de grasa como de la categoría de ejercicio. Ambos parámetros mostraban un fuerte efecto para el alelo A de la variante de FTO rs9939609. El alelo A está asociado con estado de sobrepeso y obesidad, pero la asociación se reduce cuando los niveles de grasa en la dieta están restringidos y los niveles de actividad física son mayores. Hay alguna evidencia que indica una función de los niveles de hidratos de carbono en la dieta también; sin embargo,
10 la evidencia es más limitada para esta categoría para este alelo, y se refleja en la puntuación de gen de 2 para los portadores del alelo A.
Puntuación de gen de 4: La puntuación de gen de 4 se asigna a variantes con fuertes asociaciones con el estado de sobrepeso u obesidad en múltiples publicaciones, pero los tamaños de población en las publicaciones tienden a ser menores que los tamaños de estudio para las variantes de genes con asignación de puntuación de gen 5. Los 15 requisitos generales para una puntuación de gen de 4 incluyen: estudios observacionales basados en la población de 500-1000 participantes por estudio, o alternativamente, publicaciones históricas (>5) a lo largo de un periodo de 5-10 años que muestran tendencias similares con poblaciones de aproximadamente 100 individuos por estudio, y estudios de intervención con poblaciones de 20-100 individuos que muestran un efecto estadísticamente significativo en parámetros relacionados con el peso. Pueden existir informes contradictorios en la bibliografía, pero deben ser
20 relativamente poco comunes y relacionados con el diseño del estudio o las características de la población del estudio, tales como el origen étnico, edad, o IMC inicial, por ejemplo. Se ha dado una puntuación de gen de 4 a variantes de tres genes, los genes de ACE, IRS1 y PPARG.
El gen de ACE puede afectar a los parámetros de la categoría de ejercicio. Para el gen de ACE, el alelo D, que se refiere realmente a la ausencia de un elemento de repetición Alu insertado, se ha asociado con niveles mayores de
25 grasa abdominal, así como otros factores relacionados con el síndrome metabólico. Los individuos con el alelo D responden a las actividades de ejercicio vigorosas, basadas en potencia, por ello la puntuación de 4 para el genotipo DD. Los individuos con el alelo I son más sensibles a las actividades de tipo resistencia. Los individuos con una copia de cada alelo tienden a estar en algún sitio en el medio, por ello la puntuación de 3 para el ejercicio para los portadores de ID.
30 El gen de PPARG puede afectar a los parámetros de la categoría de grasa. El Pro12Ala de PPARG se ha asociado con parámetros de control de peso en numerosos estudios. El alelo Pro se ha asociado con mayor IMC, circunferencia de la cintura y otros parámetros asociados con el sobrepeso y la obesidad, y los niveles de grasa en la dieta son particularmente importantes para estos individuos.
IRS1 media el control de diferentes procesos celulares por la insulina. Cuando es fosforilado por el receptor de
35 insulina, se une específicamente a diferentes proteínas celulares que contienen dominios SH2, tales como subunidad p85 de la fosfatidilinositol 3-quinasa o GRB2. Las variantes genéticas comunes en el gen de IRS1 se han asociado recientemente con la resistencia a la insulina y la hiperinsulinemia. Los individuos con el genotipo CC de IRS1 rs2943641 pueden beneficiarse más eligiendo una dieta alta en hidratos de carbono y baja en grasas para la pérdida de peso y la mejora de la resistencia a la insulina que aquellos sin este genotipo.
40 Puntuación de gen de 3: La puntuación de gen de 3 se asigna a variantes con asociaciones descritas regularmente con el estado de sobrepeso y obesidad en múltiples publicaciones, pero los tamaños de las poblaciones en estas publicaciones tienden a ser más pequeños que para los de puntuaciones de genes 4 o 5. Los requisitos generales para una puntuación de gen de 3 incluyen: estudios observacionales basados en la población de 75-100 participantes por estudio, o alternativamente, publicaciones históricas que muestran tendencias similares con
45 poblaciones de aproximadamente 50 individuos por estudio, y estudios de intervención con poblaciones de menos de 50 individuos que muestran un impacto en parámetros relacionados con el peso. Pueden existir informes contradictorios en la bibliografía, pero deben ser minoritarios e idealmente deberían estar relacionados con el diseño del estudio y/o la composición de la población. Se les ha dado una puntuación de gen de 3 a variantes de cuatro genes, los genes de ADRB2, PPARG, ACE y FABP2.
50 El gen de ADRB2 puede afectar a los parámetros de las categorías de grasa, hidratos de carbono y ejercicio. La variante Gln27Glu de ADRB2 tiene efectos diferenciales en el control de peso descritos en la bibliografía, que dependen del sexo y el origen étnico. La puntuación de gen de 3 se asigna a mujeres que llevan los genotipos CG y GG debido a resultados repetidos que demuestran un gran impacto de los factores de la dieta, específicamente los niveles de hidratos de carbono y grasa, así como los niveles de actividad física en las mujeres con estos genotipos.
55 Los varones asiáticos demuestran un efecto similar, pero atenuado con respecto a las mujeres, por ello la puntuación de gen de 2 asignada a los factores de la dieta para los varones asiáticos de estos genotipos. Hay pocos datos sobre el impacto del ejercicio en la población de varones asiáticos, por lo tanto, se da una puntuación de cero para esta población debido a la falta de evidencia. En cambio, los varones no asiáticos demuestran un impacto opuesto, atenuado, con respecto a las mujeres, mostrando los portadores de CC un mayor impacto de los factores
60 de la dieta de hidratos de carbono y grasa, y mostrando los portadores de CC y CG un impacto de la actividad física.
El gen de PPARG puede afectar a los parámetros de la categoría de hidratos de carbono. El estado del peso de los individuos con el alelo Ala tiene un impacto en cómo responden estos individuos a los niveles de hidratos de carbono en la dieta; los niveles altos de hidratos de carbono en la dieta son más perjudiciales para individuos con un IMC>30. La puntuación de gen relativa de 3 o 2 (para individuos con un IMC<30) comparada con la puntuación de gen de 4
5 para el componente de grasa del PPARG refleja tanto los niveles de evidencia disponibles actualmente como el impacto relativo de los dos factores dietéticos.
El gen de FABP2 puede afectar a los parámetros de la categoría de grasa. La variante Ala54Thr de FABP2 está asociada con mayor IMC y grasa corporal, junto con alteraciones del metabolismo de la grasa e hidratos de carbono deteriorado, que conducen a alteraciones en los parámetros de peso corporal, tales como niveles elevados de 10 lípidos plasmáticos, triglicéridos aumentados y niveles de glucosa en la sangre elevados. Se ha asignado la puntuación de gen de 3 para la grasa a la variante debido al número de estudios observacionales y de intervención que han mostrado que el control de los niveles de grasa en la dieta puede ser beneficioso para estos individuos. La puntuación de gen de 1 para los hidratos de carbono refleja la situación de que los estudios observacionales y bioquímicos apoyan la importancia de los hidratos de carbono para esta variante, pero los niveles actuales de
15 evidencia de estudios de intervención son algo limitados.
Puntuación de gen de 2: La puntuación de gen de 2 se asigna a variantes con asociaciones descritas con el estado de sobrepeso y obesidad en múltiples publicaciones, pero con tamaños de poblaciones limitadas. Alternativamente, pueden estar descritas asociaciones con factores relacionados con el control de peso, tales como niveles de glucosa en la sangre o niveles de lípidos, pero puede haber descrita información menos directa sobre los efectos en el IMC o 20 la grasa corporal. Los requisitos generales para una puntuación de gen de 2 incluyen: estudios observacionales basados en la población de 25-75 participantes por estudio, o alternativamente, publicaciones históricas que muestran tendencias similares con poblaciones de aproximadamente 30 individuos por estudio, y también estudios de intervención con poblaciones de menos de 20 individuos que muestran un impacto en parámetros relacionados con el peso. Pueden existir informes contradictorios en la bibliografía, pero deben ser minoritarios e idealmente
25 deberían estar relacionados con el diseño del estudio y/o la composición de la población. Se les ha dado una puntuación de gen de 2 a variantes de ocho genes, los genes de ADRB2, ADRB3, APOA2, LIPC, IL6, FTO, IRS1, y TNF.
El gen de ADRB2 puede afectar a los parámetros de la categoría de ejercicio. La variante Arg16Gly del gen de ADRB2, similar a la variante Gln27Glu, se ha asociado con el control de peso. Varios estudios han mostrado una
30 tendencia consistente de un impacto positivo de la actividad física vigorosa en la masa grasa y la circunferencia de la cintura en portadores de la variante Arg, que conducen a la asignación de una puntuación de gen de 2. En cambio, los estudios hasta la fecha que examinan factores dietéticos han dado una mezcla casi igual de hallazgos positivos y negativos, por ello en el momento de escribir esto, se ha asignado una puntuación de gen de 0 a los componentes de grasa e hidratos de carbono.
35 El gen de ADRB3 también puede afectar a los parámetros de la categoría de ejercicio. De forma similar a la variante Arg16Gly de ADRB2, la variante Trp64Arg de ADRB3 se ha asociado con parámetros del control de peso y con actividad física vigorosa mostrando una función importante en la reducción de la grasa corporal, dando como resultado una puntuación de gen de 2 para el ejercicio. Sin embargo, los estudios dietéticos han demostrado resultados contradictorios, conduciendo a la asignación de una puntuación de 0 para los componentes de grasa e
40 hidratos de carbono.
El gen de APOA2 puede afectar a los parámetros de la categoría de grasa. La variación T>C se ha asociado con menores niveles de la proteína ApoA-II, un componente importante de las partículas de HDL. Varios estudios han mostrado una asociación de la variante C con el IMC elevado, y los individuos con el genotipo CC han mostrado una respuesta positiva en el control de peso limitando la grasa saturada de la dieta, dando como resultado una
45 asignación de puntuación de gen de 2 para la grasa. Hay evidencia limitada de la función de los hidratos de carbono, y un solo estudio publicado sobre la actividad física para portadores de este alelo, de modo que las puntuaciones de gen para los hidratos de carbono y el ejercicio son 0 para el alelo C.
El gen de LIPC puede afectar a los parámetros de la categoría de grasa. La variante -514C>T del gen de la lipasa hepática se ha asociado con menor actividad, y se ha asociado con IMC elevado y adiposidad visceral. Varios
50 estudios han mostrado un impacto positivo de los niveles de grasa saturada de la dieta en los niveles de HDL. Sin embargo, algunos estudios no han descrito impacto, conduciendo a una puntuación de gen de 2 para la grasa. Hay evidencia limitada para la función de los hidratos de carbono y el ejercicio en este momento para esta variante, de modo que se ha asignado una puntuación de gen de 0 para estos parámetros.
El gen de IL6 puede afectar a los parámetros de la categoría de grasa. La variante -175G>C se ha asociado con
55 niveles menores de la citoquina inflamatoria IL-6 en el plasma. El alelo G (no variante) se ha asociado con una mayor dificultad para perder peso, y los portadores de G tienen una mayor tendencia a volver a ganar peso. La restricción de los niveles de grasa saturada y el aumento de los niveles de grasa poliinsaturada parece que son eficaces en esta población, conduciendo a la asignación de una puntuación de gen de 2 para la grasa. Hasta la fecha, hay evidencia limitada para la función de los hidratos de carbono y la actividad física para este gen, de modo
60 que se ha asignado una puntuación de gen de 0 para estos parámetros.
5
10
15
20
25
30
El gen del TNF puede afectar a los parámetros de la categoría grasa. El TNFa es una citoquina inflamatoria, y durante muchos años la variante del promotor -308>A, que conduce a una mayor expresión de la citoquina, se ha estudiado como una función potencial en el control de peso. Un metaanálisis que se extiende a lo largo de varios años ha calculado una razón de posibilidades de 1,23 para el exceso de peso para portadores del alelo A, conduciendo a la asignación de una puntuación de gen de 2 para la grasa. Hasta la fecha, hay evidencia limitada de la función de los hidratos de carbono y la actividad física para esta variante, de modo que se ha asignado una puntuación de gen de 0 para estos parámetros.
Puntuación de gen de 1: La puntuación de gen de 1 se asigna a variantes con asociaciones descritas con factores relacionados con el estado de peso, tales como niveles de glucosa en la sangre o niveles de lípidos, en poblaciones más pequeñas. Alternativamente, puede haber descritas asociaciones con factores relacionados con el control de peso. Los requisitos generales para una puntuación de gen de 1 incluyen: estudios observacionales basados en la población de 10-25 participantes por estudio, o alternativamente, publicaciones históricas que muestran tendencias similares con poblaciones de un mínimo de 30 individuos por estudio, y estudios de intervención con 10 o más individuos que muestran un impacto en parámetros relacionados con el peso, o un solo estudio de intervención a largo plazo (más largo que 1 año de duración) con una población de más de 200 individuos, se pueden considerar para la asignación de puntuación de gen de 1. Pueden existir informes contradictorios en la bibliografía, pero deben ser minoritarios e idealmente deberían estar relacionados con el diseño del estudio y/o la composición de la población. Se les ha dado una puntuación de gen de 1 a variantes de dos genes, los genes de LIPC y FABP2.
El algoritmo descrito en la presente memoria puede recomendar una de las cuatro dietas al cliente como una dieta adecuada al genotipo basada en la puntuación acumulada del cliente para las variantes genéticas relacionadas con la dieta. De forma similar, el algoritmo descrito puede recomendar el planteamiento de ejercicio moderado o vigoroso basándose en la puntuación acumulada del cliente para las variantes genéticas relacionadas con el ejercicio.
Como un ejemplo, un algoritmo que se puede usar implica la suma de las puntuaciones de C y la suma de las puntuaciones de F para cada SNP en la tabla 2 y la comparación de estas sumas con los umbrales. La superación del umbral de C (>5 basado en los valores arbitrarios asignados en la tabla 2) da como resultado una dieta regulada en hidratos de carbono, la superación del umbral de F (>18) da como resultado una dieta regulada en grasas, y la superación de ambos umbrales da como resultado una dieta regulada en grasas e hidratos de carbono. Si no se supera ninguno de los umbrales, entonces está indicado un plan de dieta equilibrada. Igualmente, la suma de las puntuaciones de E y la superación del umbral de E (>10) significa que se recomienda un plan de ejercicio de nivel intenso; de lo contrario un nivel de ejercicio moderado será suficiente.
Cálculo de las sumas de puntuaciones de genes
Suma de C = SUM(Puntuación de C SNP 01 a puntuación de C SNP 13) Suma de F = SUM(Puntuación de F SNP 01 a puntuación de F SNP 13) Suma de E = SUM(Puntuación de E SNP 01 a puntuación de E SNP 13)
Comparación de las sumas de puntuaciones de genes con los umbrales Dietéticos: Si la suma de C ≥ 5 y la suma de F < 18 entonces Tipo de dieta = dieta regulada en hidratos de carbono Si la suma de C ≥ 5 y la suma de F ≥ 18 entonces Tipo de dieta = dieta regulada en grasas e hidratos de carbono Si la suma de C < 5 y la suma de F < 18 entonces Tipo de dieta = dieta equilibrada Si la suma de C < 5 y la suma de F ≥ 18 entonces Tipo de dieta = dieta regulada en grasas
Ejercicio: Si la suma de E < 10 entonces Intensidad del ejercicio = moderado (Nivel A) Si la suma de E ≥ 10 entonces Intensidad del ejercicio = intenso (Nivel B)
Programa de dieta:
P (OCC): Regulada en hidratos de carbono optimizada; P (OFCC): Regulada en grasas e hidratos de carbono optimizada
P (OBL): Equilibrada optimizada; (OFC); P (OFC): Regulada en grasas optimizada
Intensidad del ejercicio:
E (A): Ejercicio moderado, nivel A: E (B) ejercicio intenso, nivel B
P(OCC), ya que... f(C) ≥ 5; f(F) < 18 P(OFCC), ya que ... f(C) ≥ 5; f(F) ≥ 18 P(OBL), ya que ... f(C) < 5; f(F) < 18 P(OFC), ya que ... f(C) < 5; f(F) ≥ 18 E(A), ya que ... f(E) <10 E(B), ya que ... f(E) ≥ 10
Por supuesto, los detalles del algoritmo y valores matemáticos asignados en la presente memoria pueden variar para algunas poblaciones o al aumentar los datos que están disponibles, ya que se continúan estudiando estas poblaciones y el efecto de las diferentes intervenciones en el aumento de peso y la salud. Por ejemplo, KLF14 5 (factor similar a Kruppel 14; KLF14, también conocido como proteína de unión a elemento de transcripción básico 5; BTEB5) puede ser un “regulador maestro”, que controla el efecto de una serie de otros genes que están asociados con la obesidad, colesterol y diabetes. Por lo tanto, se puede añadir rs4731702 (C>T) al panel cuando esté disponible suficiente información estadística sobre este SNP, y la adición de otro SNP cambiará el cálculo dado antes en consecuencia. Además, se pueden idear otras formas de obtener matemáticamente una puntuación
10 equivalente, basándose en los principios generales enseñados en la presente memoria. Sin embargo, la metodología general es ampliamente aplicable incluso si los valores asignados y los detalles matemáticos pueden variar sustancialmente.
A partir de la evaluación de los datos para las variantes de genes seleccionadas, el algoritmo de la dieta genética descrito, describe cuatro dietas que pueden cubrir la variedad de los efectos indicados relativos al control de peso
15 relacionado con la dieta. Se puede asignar una de cuatro dietas basada en los valores normalizados, que incluyen: dietas (1) reguladas en grasas; (2) reguladas en hidratos de carbono; (3) reguladas en grasas e hidratos de carbono; y (4) equilibrada.
Cada dieta puede ser desarrollada a medida según las especificaciones de macronutrientes y numerosos estándares de nutrición característicos de dietas saludables. Por ejemplo, el contenido de fibra en cada dieta puede 20 ser al menos 25 g/día. La composición de los hidratos de carbono en algunas dietas se puede diseñar para suministrar dietas con una carga glucémica baja. Se pueden incluir proteínas que son magras en contenido graso y una mezcla de proteínas animales y vegetales. La dieta se puede desarrollar para excluir grasas trans y dar prioridad a las grasas monoinsaturadas con respecto a otras grasas. Adicionalmente, en cada dieta, se puede priorizar la minimización de grasas poliinsaturadas omega 6 y la inclusión de grasas poliinsaturadas omega 3.
25 Además, cada dieta se diseña para cumplir los requisitos nutricionales para adultos de acuerdo con las directrices de la Ingestas Dietética de Referencia de EE.UU.
Los niveles de calorías descritos para cada dieta pueden ser adecuados para la pérdida de peso de la mayoría de hombres y mujeres. Los niveles de calorías recomendados se pueden basar en el IMC del cliente en el momento en el que se inicia el programa. El nivel de calorías se determina mediante una ecuación basada en el IMC/edad
30 modificada que usa la altura, peso y edad. En una realización preferida:
Cálculo de las calorías necesarias:
Si Sexo = “hombre” entonces
Necesidades calóricas = [(9,99 * (Peso * 0,45359237)) + (6,25 * (Altura * 2,54)) -(Edad actual * 4,92) + 5] -500
Si Sexo = “mujer” entonces
Necesidades calóricas = [(9,99 * (Peso * 0,45359237)) + (6,25 * (Altura * 2,54)) -(Edad actual * 4,92) -161] -500
Si Necesidades calóricas < 1400, entonces Recuento de calorías = 1300 Si Necesidades calóricas >= 1400 y Necesidades calóricas <1800 entonces Recuento de calorías = 1600 Si Necesidades calóricas >= 1800, entonces Recuento de calorías = 1900
La composición de macronutrientes objetivo para cada dieta se cita a continuación en la tabla 3:
- Tabla 3: Dietas
- Como porcentaje de las calorías totales:
- Regulada en grasas Regulada en hidratos de carbono Regulada en grasas e H.Carb. Equilibrada
- Hidratos de carbono
- 55 40 45 55
- Proteína
- 25 30 35 20
- Grasa
- 20 30 20 25
- Niveles calóricos disponibles:
- 1300, 1600, 1900
A partir de la evaluación de datos relativos al efecto de las variantes genéticas en el control de peso relacionadas con el ejercicio, aparecen dos niveles de ejercicios adecuados: (1) un nivel moderado de actividad física; o (2) un nivel vigoroso de actividad física. Las recomendaciones del nivel de actividad se pueden dar en equivalentes
5 metabólicos (“MET”), una medida común de la actividad física que permite la flexibilidad individual para elegir entre una variedad de tipos de actividad física.
Todos los SNP anteriores están mencionados en la base de datos de SNP del National Center for Biotechnology Information, y se pueden buscar en internet en ncbi.nlm.nih.gov/sites/entrez?db=snp. También están disponibles datos de población e información de secuencias en esta base de datos. Otros sitios, tales como snpedia.com y
10 snp.ims.u-tokyo.ac.jp/, también están disponibles en internet.
Las secuencias genómicas completas de las regiones que rodean cada SNP están igualmente disponibles en diferentes bases de datos, y por lo tanto, se puede llevar a cabo el ensayo de SNP por cualquier medio conocido en la técnica. En un método preferido, los SNP se caracterizan diseñando cebadores basados en las secuencias conocidas en cualquiera de los lados del SNP, se lleva a cabo la amplificación por PCR de la región en cuestión y se
15 ensaya un SNP particular mediante hibridación específica de alelo o análisis de secuencia, o en algunos casos por análisis de enzimas de restricción (p. ej., donde el SNP afecta a un sitio de restricción) o análisis de proteínas (p. ej., donde el SNP cambia la secuencia de una proteína). Cuando un gen tiene impronta materna, se puede usar cualquier ensayo de estado de metilación, o alternativamente, se puede llevar a cabo el ensayo del estado del alelo en ambos progenitores.
20 Además, se sabe que cada uno de los SNP identificados antes son co-heredados (ligados) con una serie de otros SNP, y por lo tanto, la detección de otros alelos en el haplotipo puede sustituir fácilmente a un SNP particular citado en la presente memoria. El proyecto internacional HapMap proporciona información de haplotipos en http://hapmap.ncbi.nlm.nih.gov/. Por lo tanto, cuando se describe el ensayo de un SNP particular en la presente memoria, se entiende que cualquier SNP en conexión con el citado SNP se considera equivalente e intercambiable
25 por el citado SNP.
Por ejemplo, se hicieron búsquedas de haplotipos usando el navegador de HapMap que muestra los resultados del proyecto internacional HapMap: hapmap.org. Se introdujeron los números rs específicos de los SNP de interés en el campo de búsqueda, usando el "HapMap Genome Browser Release #27 data source". Se incluyeron y se seleccionaron los SNP con un r2 de al menos 0,8 dentro de una región de 40 kpb ya que compartían un haplotipo 30 del SNP identificado en la presente memoria, y los resultados se muestran en la tabla 4. Los haplotipos varían a lo largo de las poblaciones, y por lo tanto los SNP ligados variarán de acuerdo con qué población se estudia. Sin embargo, la tabla 4 proporciona algunos SNP ligados de ejemplo. Adicionalmente, algunos SNP se pueden omitir o sustituir por otros SNP más relevantes, sin cambiar sustancialmente la invención. Sin embargo, en realizaciones preferidas se tipifican en el método al menos 8/13, 9/13, o más preferiblemente al menos 10/13 o 11/13 SNP. El más
35 preferido es el panel completo de 13 o más SNP.
5
10
15
20
25
30
- Tabla 4: SNP ligados
- Gen
- número rs SNP ligados Gen número rs SNP ligados
- ADRB2
- rs1042714 Ninguno conocido todavía IL6 rs1800795 rs4722168
- ADRB2
- rs1042713 Ninguno conocido todavía IL6 rs1800795 rs1829927
- APOA2
- rs5082 rs4073054 IL6 rs1800795 rs6969258
- FABP2
- rs1799883 rs10034661 LIPC rs1800588 rs2070895
- FTO
- rs9939609 rs7202116 LIPC rs1800588 rs8033940
- FTO
- rs9939609 rs7201850 LIPC rs1800588 rs261334
- FTO
- rs9939609 rs7185735 LIPC rs1800588 rs261332
- FTO
- rs9939609 rs9941349 LIPC rs1800588 rs588136
- FTO
- rs9939609 rs9931494 LIPC rs1800588 rs261342
- FTO
- rs9939609 rs17817964 LIPC rs2070895 rs8033940
- FTO
- rs9939609 rs9930501 LIPC rs2070895 rs261334
- FTO
- rs9939609 rs9930506 LIPC rs2070895 rs261332
- FTO
- rs9939609 rs9932754 LIPC rs2070895 rs588136
- FTO
- rs9939609 rs9922708 LIPC rs2070895 rs261342
- FTO
- rs9939609 rs9922619 LIPC rs2070895
- IL6
- rs1800795 rs2069832 PPARG rs1801282 rs1899951
- IL6
- rs1800795 rs2069833 PPARG rs1801282 rs4684848
- IL6
- rs1800795 rs1474348 PPARG rs1801282 rs2881654
- IL6
- rs1800795 rs1474347 TNFa rs1800629 Ninguno todavía
- IL6
- rs1800795 rs1554606 ACE rs4343 rs4344
- IL6
- rs1800795 rs2069845 ACE rs4343 rs4351
- IL6
- rs1800795 rs12700390 ACE rs4343 rs4353
- IL6
- rs1800795 rs12700391 ACE rs4343 rs4362
- IL6
- rs1800795 rs7781534 ADRB3 rs4994 Ninguno todavía
Las realizaciones descritas se basan en la creencia de que la elección de los componentes de la dieta y los programas de ejercicio que complementan las características de las variantes genéticas únicas del individuo, pueden ser útiles para individuos que intentan controlar su peso.
En relación ahora con la figura 1, se muestra un diagrama de flujo de alto nivel del algoritmo de dieta genética 100, de acuerdo con la presente descripción. El diagrama de flujo 100 puede empezar en un sitio web alojado por un servidor web 102 al que puede acceder un cliente a través de su ordenador 104. El cliente puede inscribirse en un programa de ensayo de ADN y pude pedir un kit de ensayo de ADN 106 con el fin de recibir programas de dieta y ejercicio personalizados. Un médico registrado 101 puede aprobar el pedido del kit de ensayo de ADN 106, si es necesario. El kit de ensayo de ADN 106 puede ser enviado al cliente y el cliente puede proporcionar una muestra de ADN (preferiblemente de la saliva) en un hisopo en el kit de ensayo de ADN 106. La muestra de ADN se puede proporcionar en el hisopo a partir de una muestra de la mejilla en una realización, aunque en otras realizaciones la muestra de ADN se puede proporcionar de muestra de sangre, orina, cabello u otra muestra.
Una vez que el cliente ha proporcionado la muestra de ADN en el kit de ensayo de ADN 106, el cliente puede enviar el kit de ensayo de ADN 106 a un sistema de análisis de SNP 110 para el análisis. El sistema de análisis de SNP 110 puede dar como resultado, en un nivel alto, trece diferenciales de polimorfismos de un solo nucleótido (“SNP”) diferentes 112, de a a l, correlacionándose cada uno con una de las 12 variantes genéticas que se ha identificado que tiene un efecto suficientemente fuerte en el control de peso, como se ha descrito antes y se ha identificado en la tabla 1. Por ejemplo, en una realización, el diferencial de SNP 112a puede corresponder al gen FTO en la tabla 1. Los doce diferenciales de SNP diferentes 112a-l pueden ser únicos para el cliente, basados en el análisis del kit de ensayo de ADN 106 por el sistema de análisis de SNP 110. Basándose en los diferenciales de SNP 112a-l únicos del cliente, las sumas de los diferenciales 114 se pueden separar para dar una suma de diferenciales de hidratos de carbono 114a, una suma de diferenciales de grasa 114b y una suma de diferenciales de ejercicio 114c. Los valores para cada uno de los diferenciales de SNP 112a-l se pueden encontrar en la tabla 2, como se ha descrito antes.
La suma de estos diferenciales 114a-c se puede usar para recomendar una dieta 116 al cliente como una dieta adecuada al genotipo, basada en la puntuación acumulada del cliente para las variantes genéticas relacionadas con la dieta. Los diferenciales de SNP 112 únicos del cliente y las sumas de los diferenciales 114a-c se pueden usar entonces para recomendar una dieta regulada en hidratos de carbono, una dieta regulada en grasas, una dieta regulada en grasas e hidratos de carbono, o una dieta equilibrada 116. Aunque la dieta 116 se muestra de forma general en la figura 1 en estas cuatro categorías, dados los diferenciales de SNP 112a-l medidos específicamente, una dieta recomendada se puede ajustar específicamente para un cliente particular. Por ejemplo, se pueden recomendar tipos particulares de alimentos que eviten ácidos grasos de cadena larga de la dieta para clientes cuyos diferenciales de SNP 112 indican la presencia del gen FABP2, como se ha mostrado antes en la tabla 1. El presente sistema y método proporcionan dicho “ajuste” indicado de acuerdo con los diferenciales de SNP 112 medidos.
Una vez que se ha recomendado una dieta 116, el cliente o asesor nutricional puede mirar la tabla 3, como se ha descrito antes, para ver su ingesta calórica diaria recomendada basada en su sexo e IMC, y después el porcentaje de sus calorías diarias totales que deberían ser hidratos de carbono, proteínas y grasa. Por ejemplo, si se recomienda a un hombre con IMC mayor de 30 una dieta regulada en grasas basada en sus variantes genéticas
5 únicas, se recomendaría al cliente una dieta de 1.900 calorías diarias compuesta de 55% de hidratos de carbono, 25% de proteínas y 20% de grasas, así como cualquier otra guía más específica que se indique.
Igualmente, el algoritmo descrito puede recomendar un planteamiento de ejercicio vigoroso 118 basado en la puntuación acumulada del cliente para las variantes genéticas relacionadas con el ejercicio.
Una vez que se han recomendado los programas de dieta 116 y de ejercicio 118 basados en los diferenciales de
10 SNP 112a-l del cliente y su suma de diferenciales 114a-c, los datos de dieta y ejercicio 120 se pueden transferir a un servidor de administración 122. El servidor de administración 122 puede comprender una base de datos de clientes que incluye datos de IMC y datos de sexo, basada en los datos de dieta y ejercicio 120. Después de transferir los datos de dieta y ejercicio 120 al servidor de administración 122, el servidor de administración 122 puede transferir datos a un servidor de distribución 124 con el fin de procesar el cumplimiento del pedido. El cumplimiento del pedido
15 ejecutado y mandado por el servidor de distribución 124 puede consistir en enviar alimento, vitaminas, complementos, etc. personalizados para las variantes genéticas del cliente y los programas de dieta y ejercicio. La orden del pedido se puede enviar entonces a la dirección deseada por el cliente.
Un servidor de análisis 108 puede estar trabajando en genómica nutricional, formulación de dieta y/o planificación de ejercicio y puede tomar datos de cualquier parte en el flujo de datos entero 100 para realizar esta investigación.
20 Estos datos pueden incluir diferenciales de SNP 112a-l específicos de un cliente o su suma de diferenciales 114a-c, programas recomendados de dieta 116 o ejercicio 118, o la base de datos entera de datos de IMC y sexo en el servidor de administración 122. Se pueden hacer modificaciones continuas en el sistema en el servidor de análisis 108 basadas en los cometarios del cliente, y por supuesto pueden funcionar uno o más servidores en las diferentes funciones de servidores.
25 En relación ahora con la figura 2, se muestra un diagrama de nivel de sistema detallado 200 del diagrama de flujo de la figura 1, de acuerdo con la presente descripción. El diagrama de nivel del sistema 200 puede empezar cuando el cliente pide el ensayo de ADN, como se ha descrito antes en la figura 1, en un ordenador personal (“PC”) del cliente 202 conectado a internet, refiriéndose de nuevo a la figura 2. El ordenador del cliente 202 puede estar conectado a internet mediante un modem 206, y el cliente puede pedir el kit de ensayo de ADN en un sitio web en línea. El cliente
30 puede visualizar y después imprimir el informe/pedido del cliente en la impresora 204.
El modem 206 puede conectar el ordenador del cliente 202 a un servidor web 210 por una conexión a internet 208. El servidor web 210 puede estar configurado para alojar el sitio web en internet y proporcionar una interfaz interactiva para el intercambio de información entre el ordenador del cliente 202 y el servidor de administración 212. El servidor de administración 212 puede estar configurado para intercambiar datos con el servidor web 210.
35 Además, el servidor de administración 212 puede estar configurado para mantener una base de datos de transacciones y datos de envío del cliente.
El servidor de administración 212 puede estar configurado para intercambiar datos con uno o más ordenadores de servicio al cliente 216 por una conexión a internet 214. Además, el servidor de administración 212 puede estar configurado además para intercambiar datos con uno o más terminales de ordenadores almacén 220 por una 40 conexión a internet 218. Además, el servidor de administración 212 puede estar configurado para intercambiar datos con un servidor del sistema de gestión de la información del laboratorio (“LIMS”) 224 por una conexión a internet
222.
El servidor del LIMS 224 puede estar conectado a una maquina de genotipado y microordenador integrado 232 por una conexión a internet o intranet 230. El servidor del LIMS 224 ejecuta código que comprende instrucciones
45 almacenadas en un medio legible por ordenador. La máquina de genotipado y el microordenador integrado 232 pueden estar configurados para analizar genotipos y enviar los datos de genotipo al servidor del LIMS 224. El servidor del LIMS 224 puede usar después estos datos de genotipo en el algoritmo nutrigenético 225.
El servidor del LIMS 224 también puede estar configurado para alojar una base de datos de genotipo del cliente y ejecutar uno o más algoritmos 225. El servidor del LIMS 224 ejecuta código que comprende instrucciones de
50 ordenador para ejecutar los algoritmos nutrigenéticos 225 almacenados en un medio legible por ordenador.
El algoritmo nutrigenético 225, en un nivel alto, se puede descomponer en cinco capas. En la primera capa del algoritmo, el servidor del LIMS 224 puede analizar y evaluar datos de los resultados del laboratorio y puede notificar al personal del laboratorio si los datos no son satisfactorios. Se puede registrar la presencia de cada uno de los 13 genes en el panel de genes, descritos antes en la tabla 1. En la segunda capa del algoritmo, el servidor del LIMS 55 224 puede asignar valores de hidratos de carbono, grasa y ejercicio a los datos recibidos de los resultados del laboratorio. Los valores asignados para hidratos de carbono, grasa y ejercicio corresponden a los valores descritos antes en la tabla 2. En la tercera capa del algoritmo, el servidor del LIMS 224 puede sumar valores de los hidratos de carbono, grasa y ejercicio, como se ha descrito antes en la figura 1 en 114a-c. Refiriéndose de nuevo a la figura
5
10
15
20
25
30
35
40
45
50
55
2, en la cuarta capa del algoritmo, el servidor del LIMS 224 puede evaluar los valores nutrigenéticos, aplicar umbrales y después asignar dieta, ejercicio y niveles de ingesta calórica para el cliente único, como se ha descrito antes en la tabla 3. En la quinta capa del algoritmo, el servidor del LIMS 224 puede generar un informe del cliente, describiendo la dieta, ejercicio y niveles de ingesta calórica recomendados basados en los diferenciales de SNP del cliente. Además, el servidor del LIMS 224 puede generar informes para procedimientos de investigación y desarrollo.
Además de ejecutar los algoritmos nutrigenéticos 225, el servidor del LIMS 224 puede estar configurado para alojar software de investigación y desarrollo. El servidor del LIMS 224 también puede estar configurado para estar conectado con un ordenador de un médico registrado 228 por una conexión a internet 226. El ordenador del médico registrado 228 permite que un médico registrado vea y apruebe los informes del cliente.
Con referencia ahora a la figura 3, se muestra un diagrama de flujo detallado 300 que combina los elementos de las figuras 1 y 2, de acuerdo con la presente descripción. El diagrama de flujo detallado 300 puede empezar en la etapa uno 302 donde el cliente se registra en un sitio web interactivo alojado por un servidor web 304. El servidor web 304 puede asignar un número de cliente al cliente, y se pueden recoger los datos de la altura, peso, edad y sexo del cliente.
En la etapa dos 306, el servidor web 304 y el servidor de administración 308 pueden compartir los datos del cliente de la etapa uno 302. El servidor de administración 308 puede asignar un número de acceso, que puede ser un identificador único dado a un registro de ADN o secuencia de proteína para permitir el seguimiento de diferentes versiones de este registro de secuencia y la secuencia asociada a lo largo del tiempo, a un kit de hisopo. El servidor de administración 308 también puede mantener una base de datos del cliente e intercambiar información con los clientes a través del sitio web 304. Además, el servidor de administración 308 puede consultar en un servidor de LIMS y base de datos 340 una dieta y tipo de ejercicio para el cliente basados en los números de acceso del cliente y la muestra. El servidor de administración 308 también puede hacer que esté disponible el programa de dieta y ejercicio en el sitio web 304, según sea adecuado. El servidor de administración 308 puede estar conectado a un servidor de distribución 310 que puede cumplir encargos y enviarlos al cliente.
En la etapa tres 312, un kit de muestra de ADN puede ser enviado y recibido, pero el orden de etapas puede, por supuesto, variar y esto puede ocurrir en otros momentos. El servidor de administración 308 puede empezar enviando un kit de hisopo prenumerado a un cliente. Se instruye al cliente para que siga las instrucciones de toma de muestra de ADN y después puede enviar el kit de hisopo prenumerado de vuelta al servidor de administración 308 para el procesamiento.
En la etapa cuatro 314, la muestra de ADN puede ser procesada y moverse a través del servidor de administración 308 con el número de acceso de la muestra codificado. Un sistema de análisis de SNP 316 puede tomar la muestra de ADN para el procesamiento en la función 318. El número de cliente y el número de acceso de la muestra se pueden escanear o introducir en el servidor de LIMS y la base de datos 340. En la función 320, la muestra de ADN se puede purificar y amplificar. En la función 322, el sistema de análisis de SNP 316 puede realizar el ensayo de los doce diferenciales de SNP caracterizados en el algoritmo nutrigenético y enviar los resultados a un servidor de LIMS y base de datos 340. El resultado de la función 322 puede estar configurado como resultados de la lista de SNP 324 y puede incluir cada uno de los doce diferenciales de SNP caracterizados en el algoritmo nutrigenético, como se ha descrito antes en la tabla 1.
En la primera capa del algoritmo 326, como se ha descrito antes en la figura 2, se debe determinar si la muestra de ADN cumple los criterios mínimos para usar en el algoritmo. Si los datos de la muestra no son aceptables o son marginales, el sistema de análisis de SNP 316 puede ser notificado y el servidor de administración 308 puede mandar un aviso al cliente a través del sitio web alojado en el servidor web 304 y pedir una muestra de ADN adicional. Si los datos de la muestra son aceptables, se pueden asignar los valores nutrigenéticos para los efectos de intensidad de hidratos de carbono, grasa y ejercicio de los doce diferenciales de SNP que pueden ser parte de la matriz principal.
En la etapa cinco 328, el software del LIMS puede interpretar los datos de SNP 324 y asignar los programas de dieta y ejercicio adecuados al cliente basados en los valores de salida 330 para los valores de hidratos de carbono, grasa y ejercicio. En la figura 3, cada diferencial de SNP citado como un valor de salida 330 puede corresponder a un gen en la tabla 1, donde, en una realización, por ejemplo, SNP0001 puede corresponder al gen de FTO. Cada diferencial de SNP citado como un valor de salida 330 que corresponde a un gen específico puede tener un valor para hidratos de carbono, grasa y ejercicio, como se cita en la tabla 2. Por ejemplo, en la figura 3, los valores de salida 330 para hidratos de carbono, grasa y ejercicio, respectivamente, pueden ser 0, 0 y 2 para SNP0001; 0, 0 y 0 para SNP0002; 1, 0 y 1 para SNP0003; 0, 1 y 0 para SNP0004; 0, 2 y 2 para SNP0005; 0, 0 y 0 para SNP0006; 0, 0 y 0 para SNP0007; 2, 2 y 4 para SNP0008; 0, 0 y 1 para SNP0009; 0, 0 y 0 para SNP0010; 1, 0 y 0 para SNP0011; y finalmente 2, 2 y 0 para SNP0012.
En la segunda capa del algoritmo 332, los valores de hidratos de carbono, grasa y ejercicio se pueden modificar basándose en cualquier SNP que pueda no estar en la matriz principal. Además, se puede detectar y comunicar cualquier resultado que pueda estar fuera de un intervalo esperado. Finalmente, en la segunda capa del algoritmo 332, las sumas finales de hidratos de carbono, grasa y ejercicio pueden salir como valores de salida finales 334.
En la capa tres del algoritmo 336, los valores de salida finales 334 se pueden comparar con los umbrales nutrigenéticos. Por ejemplo, en la figura 3, las sumas de los valores de salida 334 pueden ser 12 para hidratos de carbono, 10 para grasas y 9 para ejercicio, basado en la salida de datos de SNP 324. Además se puede detectar y comunicar cualquier resultado que pueda estar fuera de un intervalo esperado. Después, la capa tres del algoritmo
5 336 puede producir programas de dieta y ejercicio 338 personalizados para los valores de hidratos de carbono, grasa y ejercicio del cliente 334. Por ejemplo, en la figura 3, el programa de dieta recomendado podría ser un programa de dieta regulada en hidratos de carbono y el programa de ejercicio podría ser un programa de ejercicio vigoroso.
Los programas de dieta y ejercicio 338 recomendados se pueden enviar después al servidor de LIMS y base de
10 datos 340, que puede estar configurado para mantener datos genéticos, de dieta y ejercicio para cada cliente basado en el número de cliente. Además, el servidor de LIMS y base de datos 340 puede dar soporte a consultas del servidor de administración 308, permitiendo que el servidor de administración 308 tenga acceso a los datos de dieta y ejercicio basados en el número de cliente.
En la etapa seis 342, el servidor de administración 308 mediante el número de cliente puede consultar al servidor de
15 LIMS y base de datos 340, datos del programa de dieta y ejercicio para un cliente único. El servidor de LIMS y base de datos 340 pueden entonces producir un informe para el cliente 344 y un informe para el médico registrado 346 y enviar los informes 344 y 346 al servidor de administración 308. El informe para el cliente 344 puede incluir los programas de dieta y ejercicio recomendados para el cliente consultados por el servidor de administración 308. Por ejemplo, en la figura 3, el programa de dieta recomendado puede ser un programa de dieta regulada en hidratos de
20 carbono y el programa de ejercicio recomendado puede ser un programa de ejercicio vigoroso. El informe para el médico registrado 346 puede ser enviado al médico registrado para el cliente consultado por el servidor de administración 308, y puede requerir que el médico registrado revise y apruebe cada informe de cliente 344.
En algunas realizaciones, el método también puede incluir suministrar comidas o componentes de las mismas que se han creado de acuerdo con los diferentes plantes de dieta. En realizaciones preferidas, las comidas o 25 componentes también se pueden dividir en porciones de servicio individuales que están de acuerdo con la ingesta calórica recomendada. Debido a que las preferencias de alimento son tan variables, se prefiere proporcionar los componentes de las comidas de acuerdo con los requisitos de grasa, proteína, fibra, hidratos de carbono y de calorías que están codificados, de modo que el cliente puede seleccionar y escoger los diferentes componentes que combinan para ajustarse a la dieta recomendada, y será fácil establecer un sistema de pedidos basado en 30 ordenador que proporcione automáticamente todas las opciones disponibles a un cliente que cumplan sus recomendaciones dietéticas, pero no presenta elecciones que estarían fuera del plan recomendado. Alternativamente, con una instalación de envasado suficientemente eficaz, se podrían preparar comidas individuales completas basadas en las selecciones hechas por el cliente. Así, de esta forma, se aseguran la conveniencia y el cumplimiento, mientras que al mismo tiempo se proporcionan comidas totalmente personales de acuerdo con el
35 perfil genético y las elecciones del cliente.
El método puede incluir también proporcionar instalaciones de ejercicio, entrenamiento y/o programas de ejercicio específicos, detallados. Además, los métodos pueden ser continuos y modificados según cambie el peso y estilo de vida del cliente.
40
Claims (7)
-
imagen1 REIVINDICACIONES1. Un método de control del peso, que comprende:a. medir al menos tres de los valores de un cliente relacionados con el peso, altura, circunferencia de la cintura, circunferencia de la cadera, índice de masa corporal, relación de cintura a cadera, sexo y origen étnico,5 b. determinar el alelo de al menos 10 variantes genéticas que no se repiten en una muestra biológica obtenida de dicho cliente, en donde dichas variantes genéticas son variantes relacionadas con el ejercicio o la dieta,i. dichas variantes relacionadas con el ejercicio se seleccionan de un grupo que consiste en rs9939609, rs4343, rs1042714, rs1042713 o rs4994, yii. dichas variantes relacionadas con la dieta se seleccionan de un grupo que consiste en rs1042714, 10 rs1799883, rs1800588, rs1800629, rs1800795, rs1801282, rs2070895, rs5082, rs9939609 o rs2943641,c. seleccionar un plan de dieta basado en los resultados de a) y b)ii, y un plan de ejercicio basado en los resultados de a) y b)i, en donde dicho plan de dieta es una dieta regulada en hidratos de carbono, regulada en grasas, regulada en grasas e hidratos de carbono o equilibrada, y dicho plan de ejercicio es un plan moderado o intenso,15 en dondea cada una de las variantes genéticas determinadas en la etapa b) se asigna una puntuación de hidratos de carbono, puntuación de grasas y puntuación de ejercicio, basadas en el alelo detectado y opcionalmente basadas también en los valores obtenidos en la etapa a),sumar dichas puntuaciones de hidratos de carbono, en donde superar un primer umbral da como resultado un 20 plan de dieta regulada en hidratos de carbono,sumar dichas puntuaciones de grasas, en donde superar un segundo umbral da como resultado un plan de dieta regulada en grasas,en donde superar tanto el primer como el segundo umbral da como resultado un plan de dieta regulada en grasas e hidratos de carbono, pero no superar ninguno de los umbrales da como resultado un plan de dieta 25 equilibrada, ysumar dichas puntuaciones de ejercicio, en donde superar un tercer umbral da como resultado un plan de ejercicio vigoroso, y no superar dicho tercer umbral da como resultado un plan de ejercicio moderado. - 2. El método de la reivindicación 1, en donde se miden cada uno de dichos peso, altura, índice de masa corporal, relación de cintura a cadera, sexo y origen étnico del cliente.
- 30 3. El método de la reivindicación 1, que comprende determinar el alelo de al menos 11 variantes genéticas.
-
- 4.
- El método de la reivindicación 1, que comprende determinar el alelo de las 13 variantes genéticas.
-
- 5.
- El método de la reivindicación 2, que comprende determinar el alelo de al menos 11 variantes genéticas.
-
- 6.
- El método de la reivindicación 2, que comprende determinar el alelo de las 13 variantes genéticas.
-
- 7.
- El método de la reivindicación 1, que comprende además determinar el alelo de rs4731702.
- 35 8. Un método para proporcionar servicios de control del peso que comprende:
- a.
- medir al menos tres características seleccionadas del peso, altura, circunferencia de la cadera, circunferencia de la cintura, sexo y origen étnico de un cliente;
- b.
- determinar el alelo de al menos 10 variantes genéticas que se sabe que están asociadas con el aumento de peso, de una muestra biológica obtenida de dicho cliente y elegir de un grupo que comprende rs1799883,
40 rs1800588, rs1800629, rs1800795, rs1801282, rs2070895, rs4343, rs4994, rs5082, rs1042713, rs9939609, rs2943641, rs1042714;c. introducidos los resultados de las etapas a) y b) en un algoritmo informático, asignar a cada una de las variantes genéticas determinadas en la etapa b) una puntuación de hidratos de carbono, puntuación de grasas y puntuación de ejercicio basadas en el alelo detectado, y opcionalmente también basadas en los valores45 medidos en la etapa a), y calcular una puntuación basada en las mismas, en donde dicha puntuación es la suma de los valores;- d.
- producir un plan de control del peso y de ejercicio basado en las puntuaciones obtenidas en la etapa c);
- e.
- opcionalmente proporcionar comidas preparadas o componentes de las mismas a dicho cliente de acuerdo con dicho plan de dieta; y
- f.
- opcionalmente proporcionar planes de ejercicio detallados y/o entrenamiento individual de acuerdo con dicho plan de ejercicio;
17imagen2 5 y en donde la suma de los valores en la etapa c) incluyesumar dichas puntuaciones de hidratos de carbono, en donde superar un primer umbral da como resultado un plan de dieta regulada en hidratos de carbono,sumar dichas puntuaciones de grasas, en donde superar un segundo umbral da como resultado un plan de dieta regulada en grasas,10 en donde superar tanto el primer como el segundo umbral da como resultado un plan de dieta regulada en grasas e hidratos de carbono, pero no superar ninguno de los umbrales da como resultado un plan de dieta equilibrada, ysumar dichas puntuaciones de ejercicio, en donde superar un tercer umbral da como resultado un plan de ejercicio vigoroso, y no superar dicho tercer umbral da como resultado un plan de ejercicio moderado.15 9. Un método para proporcionar servicios de control del peso, que comprende:- a.
- procesar en un primer procesador una muestra biológica recibida de un cliente;
- b.
- recibir datos representativos de al menos tres características seleccionadas de peso, altura, circunferencia de la cadera, circunferencia de la cintura, sexo y origen étnico de dicho cliente;
- c.
- mediante el procesamiento de la muestra biológica en el primer procesador, determinar el alelo de al menos 10
20 variantes genéticas que se sabe que están asociadas con el aumento de peso, en dicha muestra biológica, en donde dichas variantes genéticas son variantes relacionadas con el ejercicio o variantes relacionadas con la dieta,i. dichas variantes relacionadas con el ejercicio se seleccionan del grupo que consiste en rs9939609, rs4343, rs1042713 o rs4994, y rs1042714ii. dichas variantes relacionadas con la dieta se seleccionan de un grupo que consiste en rs1042714, 25 rs1799883, rs1800588, rs1800629, rs1800795, rs1801282, rs2070895, rs5082, rs9939609, o rs2943641;- d.
- calcular en un segundo procesador una puntuación basada en el procesamiento de la muestra biológica en la etapa c) y los datos del cliente recibidos en la acción b);
- e.
- determinar en el segundo procesador un plan de control del peso y de ejercicio basado en la puntuación obtenida de la acción d)
30 i. en donde dicho plan de control de peso es una dieta regulada en hidratos de carbono, regulada en grasas, regulada en grasas e hidratos de carbono o equilibrada, yii. en donde dicho plan de ejercicio es un plan moderado o intenso;iii. en donde a cada una de las variantes genéticas determinadas en la etapa c) se asigna una puntuación dehidratos de carbono, puntuación de grasas y puntuación de ejercicio basadas en el alelo detectado, y 35 opcionalmente también basadas en los valores medidos en la etapa b)iv. en donde dicha puntuación calculada en la etapa d) implicasumar las puntuaciones de hidratos de carbono, en donde superar un primer umbral da como resultado un plan de dieta regulada en hidratos de carbono, sumar dichas puntuaciones de grasas, en donde superar un segundo umbral da como resultado un plan de dieta40 regulada en grasas,en donde superar tanto el primer como el segundo umbral da como resultado un plan de dieta regulada en grasas e hidratos de carbono, pero no superar ninguno de los umbrales da como resultado un plan de dieta equilibrada, y sumar dichas puntuaciones de ejercicio, en donde superar un tercer umbral da como resultado un plan de ejerciciovigoroso, y no superar dicho tercer umbral da como resultado un plan de ejercicio moderado. 45 f. transmitir el plan de control de peso y de ejercicio al cliente; yg. opcionalmente proporcionar a través de un tercer procesador la selección y suministro de comidas preparadas o18imagen3 componentes de las mismas al cliente de acuerdo con el plan de dieta de la acción f). - 10. Un método de control del peso, que comprende:a. medir al menos tres de los valores de un cliente relacionados con el peso, altura, circunferencia de la cintura, circunferencia de la cadera, índice de masa corporal, relación de cintura a cadera, sexo y origen étnico,5 b. obtener al menos una secuencia parcial de ácido nucleico de una muestra biológica obtenida de dicho cliente;c. analizar dicha secuencia y determinar el alelo de al menos 10 variantes genéticas que no se repiten en dicho cliente, en donde dichas variantes genéticas son variantes relacionadas con el ejercicio o variantes relacionadas con la dieta,
- i.
- dichas variantes relacionadas con el ejercicio se seleccionan de un grupo que consiste en rs9939609, rs4343, 10 rs1042714, rs1042713, o rs4994, y
ii. dichas variantes relacionadas con la dieta se seleccionan de un grupo que consiste en rs1042714, rs1799883, rs1800588, rs1800629, rs1800795, rs1801282, rs2070895, rs5082, rs9939609, o rs2943641,- d.
- seleccionar un plan de dieta basado en los resultados de a) y c)ii, y un plan de ejercicio basado en los resultados de a) y c)i, en donde dicho plan de dieta es una dieta regulada en hidratos de carbono, regulada en grasas, regulada 15 en grasas e hidratos de carbono o equilibrada, y dicho plan de ejercicio es un plan moderado o intenso,
en donde a cada una de las variantes genéticas determinadas en la etapa c) se asigna una puntuación de hidratos de carbono, puntuación de grasas y puntuación de ejercicio, basadas en el alelo detectado y opcionalmente basadas también en los valores obtenidos en la etapa a),20 sumar dichas puntuaciones de hidratos de carbono, en donde superar un primer umbral da como resultado un plande dieta regulada en hidratos de carbono, sumar dichas puntuaciones de grasas, en donde superar un segundo umbral da como resultado un plan de dieta regulada en grasas,en donde superar tanto el primer como el segundo umbral da como resultado un plan de dieta regulada en grasas e 25 hidratos de carbono,en donde no superar ninguno de los umbrales da como resultado un plan de dieta equilibrada, y sumar dichas puntuaciones de ejercicio, en donde superar un tercer umbral da como resultado un plan de ejercicio vigoroso,en donde no superar dicho tercer umbral da como resultado un plan de ejercicio moderado y 30 e. proporcionar comidas y entrenamiento de ejercicio a dicho cliente de acuerdo con dichos planes.19
Applications Claiming Priority (7)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201161487543P | 2011-05-18 | 2011-05-18 | |
| US201161487543P | 2011-05-18 | ||
| US201161487960P | 2011-05-19 | 2011-05-19 | |
| US201161487960P | 2011-05-19 | ||
| US201161560620P | 2011-11-16 | 2011-11-16 | |
| US201161560620P | 2011-11-16 | ||
| PCT/US2012/037712 WO2012158587A1 (en) | 2011-05-18 | 2012-05-14 | Weight management genetic test systems and methods |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2653740T3 true ES2653740T3 (es) | 2018-02-08 |
Family
ID=47175182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES12786747.1T Active ES2653740T3 (es) | 2011-05-18 | 2012-05-14 | Sistemas y métodos de ensayo genético para el control del peso |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20120295256A1 (es) |
| EP (1) | EP2710154B1 (es) |
| AU (1) | AU2012256040B2 (es) |
| ES (1) | ES2653740T3 (es) |
| MX (1) | MX338757B (es) |
| WO (1) | WO2012158587A1 (es) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150235562A1 (en) * | 2012-10-12 | 2015-08-20 | Elencee, Inc. | Wellness and weight management system and method |
| US8777624B2 (en) * | 2012-10-12 | 2014-07-15 | Elencee, Inc. | Wellness and weight management system and method |
| JP6530954B2 (ja) * | 2015-04-27 | 2019-06-12 | ジェネシスヘルスケア株式会社 | 遺伝子多型データを用いたパーソナリティ表示方法及びシステム |
| US20170039884A1 (en) * | 2015-08-03 | 2017-02-09 | Union Applied Gene Inc. | Functional food formula analysis system for personalized body weight management |
| US20180144820A1 (en) * | 2016-10-24 | 2018-05-24 | Habit, Llc | System and method for implementing meal selection based on vitals, genotype and phenotype |
| CN109065126A (zh) * | 2018-08-01 | 2018-12-21 | 糖友管家（北京）健康管理有限公司 | 一种生活方式管理方法、装置及终端 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008506354A (ja) * | 2004-02-17 | 2008-03-06 | ナショナル パブリック ヘルス インスティテュート | 高脂血症、異常脂質血症、および不完全な炭水化物代謝と関連するｓｎｐの同定 |
| US20060078497A1 (en) * | 2004-05-13 | 2006-04-13 | Johnson James B | Health management and monitoring with and without weight loss |
| US8012718B2 (en) * | 2006-03-31 | 2011-09-06 | Genomas, Inc. | Physiogenomic method for predicting diabetes and metabolic syndromes induced by psychotropic drugs |
| US20080171335A1 (en) * | 2006-11-30 | 2008-07-17 | Trustees Of Tufts College | Method for personalized diet design |
| EP2227780A4 (en) * | 2008-03-19 | 2011-08-03 | Existence Genetics Llc | GENETIC ANALYSIS |
| US20100136561A1 (en) * | 2008-05-16 | 2010-06-03 | Interleukin Genetics, Inc. | Genetic Markers for Weight Management and Methods of Use Thereof |
| NZ589863A (en) * | 2008-05-16 | 2012-11-30 | Interleukin Genetics Inc | Genetic markers for weight management and methods of use thereof |
| US20100112570A1 (en) * | 2008-10-22 | 2010-05-06 | Interleukin Genetics, Inc. | Genetic Markers for Weight Management and Methods of Use Thereof |
| DK2411535T3 (en) * | 2009-03-24 | 2015-07-13 | Janssen Pharmaceutica Nv | BIOMAR RUNNING FOR ASSESSMENT OF PERIPHERAL NEUROPATHY RESPONSE TO TREATMENT WITH a proteasome inhibitor |
-
2012
- 2012-04-16 US US13/448,383 patent/US20120295256A1/en not_active Abandoned
- 2012-05-14 EP EP12786747.1A patent/EP2710154B1/en not_active Not-in-force
- 2012-05-14 ES ES12786747.1T patent/ES2653740T3/es active Active
- 2012-05-14 AU AU2012256040A patent/AU2012256040B2/en not_active Ceased
- 2012-05-14 WO PCT/US2012/037712 patent/WO2012158587A1/en not_active Ceased
- 2012-05-14 MX MX2013012234A patent/MX338757B/es active IP Right Grant
Also Published As
| Publication number | Publication date |
|---|---|
| EP2710154A1 (en) | 2014-03-26 |
| AU2012256040B2 (en) | 2016-11-24 |
| MX2013012234A (es) | 2014-08-22 |
| MX338757B (es) | 2016-04-29 |
| EP2710154A4 (en) | 2014-11-26 |
| WO2012158587A1 (en) | 2012-11-22 |
| US20120295256A1 (en) | 2012-11-22 |
| AU2012256040A1 (en) | 2013-10-17 |
| EP2710154B1 (en) | 2017-09-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20180182479A1 (en) | Weight management genetic test systems and methods | |
| Littlejohns et al. | UK Biobank: opportunities for cardiovascular research | |
| Seshadri et al. | Genome-wide analysis of genetic loci associated with Alzheimer disease | |
| Mercuri et al. | Childhood spinal muscular atrophy: controversies and challenges | |
| Casas-Agustench et al. | Saturated fat intake modulates the association between an obesity genetic risk score and body mass index in two US populations | |
| Aldubayan et al. | A double-blinded, randomized, parallel intervention to evaluate biomarker-based nutrition plans for weight loss: the PREVENTOMICS study | |
| Hua et al. | Nutritional status and sarcopenia in nursing home residents: a cross-sectional study | |
| Reljic et al. | Iron beats electricity: Resistance training but not whole-body electromyostimulation improves cardiometabolic health in obese metabolic syndrome patients during caloric restriction—A randomized-controlled study | |
| Ciudin et al. | A clinical-genetic score for predicting weight loss after bariatric surgery: the OBEGEN study | |
| JP6159086B2 (ja) | 遺伝子−栄養素相互作用を決定するための方法 | |
| Dema et al. | Effects of mindfulness-based therapy on clinical symptoms and DNA methylation in patients with polycystic ovary syndrome and high metabolic risk | |
| Stachowska et al. | Nutritional strategies for the individualized treatment of non-alcoholic fatty liver disease (NAFLD) based on the nutrient-induced insulin output ratio (NIOR) | |
| AU2012256040B2 (en) | Weight management genetic test systems and methods | |
| Mitra et al. | Association of ADRB2 rs1042713 with Obesity and Obesity‐Related Phenotypes and Its Interaction with Dietary Fat in Modulating Glycaemic Indices in Malaysian Adults | |
| Black et al. | Variation in PPARG is associated with longitudinal change in insulin resistance in Mexican Americans at risk for type 2 diabetes | |
| Viitasalo et al. | Associations of I148M variant in PNPLA3 gene with plasma ALT levels during 2‐year follow‐up in normal weight and overweight children: the PANIC Study | |
| Ahmad et al. | De-frailing intervention for hospitalized cardiovascular patients in the TARGET-EFT randomized clinical trial | |
| Keser et al. | Assessment of body composition and dietary intake in nursing-home residents: could lessons learned from the COVID-19 pandemic be used to prevent future casualties in older individuals? | |
| Mozaffarian et al. | Genome-wide association meta-analysis of fish and EPA+ DHA consumption in 17 US and European cohorts | |
| Maccarone et al. | Sarcopenia prevalence and association with nutritional status in cohort of elderly patients affected by musculoskeletal concerns: a real-life analysis | |
| Perez-Diaz-del-Campo et al. | Association of the SH2B1 rs7359397 gene polymorphism with steatosis severity in subjects with obesity and non-alcoholic fatty liver disease | |
| Erchinger et al. | Fecal fat and energy loss in pancreas exocrine insufficiency: the role of pancreas enzyme replacement therapy | |
| Fernández-Araque et al. | Muscular strength and quality of life in older adults: The role of ACTN3 R577X polymorphism | |
| Potocka et al. | Effects of the Trp64Arg polymorphism in the ADRB3 gene on body composition, cardiorespiratory fitness, and physical activity in healthy adults | |
| Lee et al. | RMR-related MAP2K6 gene variation on the risk of overweight/obesity in children: a 3-year panel study |