1
|
Barajas-Martínez A, Ibarra-Coronado E, Sierra-Vargas MP, Cruz-Bautista I, Almeda-Valdes P, Aguilar-Salinas CA, Fossion R, Stephens CR, Vargas-Domínguez C, Atzatzi-Aguilar OG, Debray-García Y, García-Torrentera R, Bobadilla K, Naranjo Meneses MA, Mena Orozco DA, Lam-Chung CE, Martínez Garcés V, Lecona OA, Marín-García AO, Frank A, Rivera AL. Physiological Network From Anthropometric and Blood Test Biomarkers. Front Physiol 2021; 11:612598. [PMID: 33510648 PMCID: PMC7835885 DOI: 10.3389/fphys.2020.612598] [Citation(s) in RCA: 8] [Impact Index Per Article: 2.7] [Reference Citation Analysis] [What about the content of this article? (0)] [Affiliation(s)] [Abstract] [Key Words] [Track Full Text] [Download PDF] [Figures] [Journal Information] [Subscribe] [Scholar Register] [Received: 09/30/2020] [Accepted: 12/16/2020] [Indexed: 12/12/2022] Open
Abstract
Currently, research in physiology focuses on molecular mechanisms underlying the functioning of living organisms. Reductionist strategies are used to decompose systems into their components and to measure changes of physiological variables between experimental conditions. However, how these isolated physiological variables translate into the emergence -and collapse- of biological functions of the organism as a whole is often a less tractable question. To generate a useful representation of physiology as a system, known and unknown interactions between heterogeneous physiological components must be taken into account. In this work we use a Complex Inference Networks approach to build physiological networks from biomarkers. We employ two unrelated databases to generate Spearman correlation matrices of 81 and 54 physiological variables, respectively, including endocrine, mechanic, biochemical, anthropometric, physiological, and cellular variables. From these correlation matrices we generated physiological networks by selecting a p-value threshold indicating statistically significant links. We compared the networks from both samples to show which features are robust and representative for physiology in health. We found that although network topology is sensitive to the p-value threshold, an optimal value may be defined by combining criteria of stability of topological features and network connectedness. Unsupervised community detection algorithms allowed to obtain functional clusters that correlate well with current medical knowledge. Finally, we describe the topology of the physiological networks, which lie between random and ordered structural features, and may reflect system robustness and adaptability. Modularity of physiological networks allows to explore functional clusters that are consistent even when considering different physiological variables. Altogether Complex Inference Networks from biomarkers provide an efficient implementation of a systems biology approach that is visually understandable and robust. We hypothesize that physiological networks allow to translate concepts such as homeostasis into quantifiable properties of biological systems useful for determination and quantification of health and disease.
Collapse
Affiliation(s)
- Antonio Barajas-Martínez
- Posgrado en Ciencias Biomédicas, Facultad de Medicina, Universidad Nacional Autónoma de México, Ciudad de México, Mexico.,Centro de Ciencias de la Complejidad, Universidad Nacional Autónoma de México, Ciudad de México, Mexico
| | - Elizabeth Ibarra-Coronado
- Centro de Ciencias de la Complejidad, Universidad Nacional Autónoma de México, Ciudad de México, Mexico.,Instituto de Ciencias Nucleares, Universidad Nacional Autónoma de México, Ciudad de México, Mexico
| | - Martha Patricia Sierra-Vargas
- Subdirección de Investigación Clínica, Instituto Nacional de Enfermedades Respiratorias, Ciudad de México, Mexico.,Facultad Mexicana de Medicina, Universidad La Salle, Ciudad de México, Mexico
| | - Ivette Cruz-Bautista
- Unidad de Investigación en Enfermedades Metabólicas, Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán, Ciudad de México, Mexico
| | - Paloma Almeda-Valdes
- Unidad de Investigación en Enfermedades Metabólicas, Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán, Ciudad de México, Mexico
| | - Carlos A Aguilar-Salinas
- Centro de Ciencias de la Complejidad, Universidad Nacional Autónoma de México, Ciudad de México, Mexico.,Unidad de Investigación en Enfermedades Metabólicas, Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán, Ciudad de México, Mexico.,Tecnológico de Monterrey, Escuela de Medicina y Ciencias de la Salud, Monterrey, Mexico
| | - Ruben Fossion
- Centro de Ciencias de la Complejidad, Universidad Nacional Autónoma de México, Ciudad de México, Mexico.,Instituto de Ciencias Nucleares, Universidad Nacional Autónoma de México, Ciudad de México, Mexico
| | - Christopher R Stephens
- Centro de Ciencias de la Complejidad, Universidad Nacional Autónoma de México, Ciudad de México, Mexico.,Instituto de Ciencias Nucleares, Universidad Nacional Autónoma de México, Ciudad de México, Mexico
| | - Claudia Vargas-Domínguez
- Departamento de Investigación en Inmunología y Medicina Ambiental, Instituto Nacional de Enfermedades Respiratorias, Ciudad de México, Mexico
| | - Octavio Gamaliel Atzatzi-Aguilar
- Departamento de Investigación en Inmunología y Medicina Ambiental, Instituto Nacional de Enfermedades Respiratorias, Ciudad de México, Mexico.,Cátedras CONACYT, Ciudad de México, Mexico
| | - Yazmín Debray-García
- Departamento de Investigación en Inmunología y Medicina Ambiental, Instituto Nacional de Enfermedades Respiratorias, Ciudad de México, Mexico
| | - Rogelio García-Torrentera
- Unidad de Urgencias Respiratorias, Instituto Nacional de Enfermedades Respiratorias, Ciudad de México, Mexico
| | - Karen Bobadilla
- Departamento de Investigación en Inmunología y Medicina Ambiental, Instituto Nacional de Enfermedades Respiratorias, Ciudad de México, Mexico
| | - María Augusta Naranjo Meneses
- Unidad de Investigación en Enfermedades Metabólicas, Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán, Ciudad de México, Mexico
| | - Dulce Abril Mena Orozco
- Unidad de Investigación en Enfermedades Metabólicas, Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán, Ciudad de México, Mexico
| | - César Ernesto Lam-Chung
- Unidad de Investigación en Enfermedades Metabólicas, Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán, Ciudad de México, Mexico
| | - Vania Martínez Garcés
- Programa de Estudios Combinados en Medicina, Facultad de Medicina, Universidad Nacional Autónoma de México, Ciudad de México, Mexico
| | - Octavio A Lecona
- Posgrado en Ciencias Biomédicas, Facultad de Medicina, Universidad Nacional Autónoma de México, Ciudad de México, Mexico.,Centro de Ciencias de la Complejidad, Universidad Nacional Autónoma de México, Ciudad de México, Mexico
| | - Arlex O Marín-García
- Centro de Ciencias de la Complejidad, Universidad Nacional Autónoma de México, Ciudad de México, Mexico
| | - Alejandro Frank
- Centro de Ciencias de la Complejidad, Universidad Nacional Autónoma de México, Ciudad de México, Mexico.,Instituto de Ciencias Nucleares, Universidad Nacional Autónoma de México, Ciudad de México, Mexico.,El Colegio Nacional, Ciudad de México, Mexico
| | - Ana Leonor Rivera
- Centro de Ciencias de la Complejidad, Universidad Nacional Autónoma de México, Ciudad de México, Mexico.,Instituto de Ciencias Nucleares, Universidad Nacional Autónoma de México, Ciudad de México, Mexico
| |
Collapse
|