Para adelgazar… duerme!

Hoy os traigo un tema que se ha estudiado bastante, aprovechando que se ha publicado una revisión sistemática sobre ello y que ha provocado bastante ruido, estando entre los artículos más leídos en la aplicación que uso para seguir las publicaciones científicas. Hoy vamos a hablar de la correlación entre el sueño y las hormonas que regulan nuestro apetito.

Empezamos con el disclaimer habitual: correlación no implica causalidad. Que exista una correlación entre la cantidad de sueño y una hormona no implica necesariamente que la cantidad de sueño afecte a los niveles de esa hormona, porque puede haber otros factores que estén afectando, ya que aquellas personas que duermen menos pueden hacerlo, por ejemplo, por tener un nivel de estrés mayor, por tener alguna enfermedad, o por mil razones más. Pero si existe una correlación es algo que podemos tener en cuenta y que vale la pena estudiar en más detalle, para poder hacer más estudios que descarten otros factores.

Las hormonas que regulan el apetito

Nuestro cuerpo produce varias hormonas que están implicadas en regular cuánto, cómo y qué comemos. Aunque hay más, el estudio en cuestión se centra en tres en particular:

  • La grelina: es la hormona del hambre. Sus niveles aumentan antes de que comamos (cuando tenemos hambre) y disminuyen después de comer. Cuando se libera reaccionamos con esa sensación de hambre, que nos hace comer más. Si su nivel es muy alto, tendemos a comer más de lo que deberíamos y por lo tanto a almacenar esa energía consumida en forma de grasa. Pero es una hormona necesaria, porque estimula la secreción de la hormona del crecimiento. Si su nivel es el adecuado nos recuerda que tenemos que comer para mantener nuestras funciones vitales en orden, pero si su nivel es más alto de lo que debería, engordamos.
  • La leptina: es la hormona de la saciedad. En este caso, se libera para indicarnos que debemos dejar de comer, o comer menos. Sus niveles aumentan cuando tenemos demasiada grasa acumulada. Tiene dos efectos muy importantes: por una parte nos transmite la sensación de saciedad, por la que vamos a dejar de comer, y por otra parte aumenta nuestro metabolismo basal, haciendo que consumamos la energía acumulada en las grasas. Eso sí, si nos hemos pasado mucho (si estamos obesos), por mucha que generemos nuestro cuerpo deja de reaccionar a ella. Además de por nuestra masa corporal, sus niveles se regulan por la presencia de insulina (por eso actúa muy rápido cuando estamos comiendo).
  • La adiponectina: es la hormona que nos hace adelgazar. Su actividad hace que reaccionemos mejor y más rápido a la insulina y, por lo tanto, quememos más energía. Su ruta metabólica es muy compleja y no está estudiada en tanto detalle, pero se ha demostrado que aquellas personas que tienen niveles de adiponectina más altos en la sangre tienden a tener una masa corporal menor y también un porcentaje de grasa corporal más bajo. Si queremos un cuerpo sano, tenemos que subir nuestros niveles de adiponectina!

¿Qué es un meta-análisis?

El trabajo que se ha publicado ahora lo que hace es analizar los trabajos que se han publicado antes. Este tipo de estudio analiza todos los artículos científicos que se han publicado previamente sobre un tema dado, descarta aquellos que no cumplen una serie de criterios mínimos para tenerlos en cuenta (por ejemplo, si estaban obviamente sesgados) y compara todos los resultados para obtener una conclusión generalizada. Por ejemplo, podemos tener un estudio que dice X y otro que dice Y, pero si analizamos 200 estudios y la mayoría apoyan que X, entonces algo iba mal con el otro. Pero no sólo se miran los resultados, lo que se hace es juntar los datos de todos los estudios, para poder reanalizarlos en conjunto.

En este caso se centraron en estudios que analizasen el papel de las horas de sueño en los niveles de las hormonas que regulan el apetito. Tuvieron en cuenta aquellos que se hicieron en población sana, y se centraron en las tres hormonas que he dicho antes. Aunque al comienzo de su estudio encontraron 4515 artículos que tocaban el tema, una vez descartados aquellos dudosos, duplicados, o que no contenían los parámetros que ellos querían analizar, se quedaron con solo 21 trabajos. Puede sonar a poco, pero 21 trabajos sobre un mismo tema, si llegan a las mismas conclusiones, dan resultados más que significativos. En total, tuvieron en cuenta los parámetros de sueño y hormonales de 2250 personas.

¿Dormimos poco? ¿Eso engorda?

Aunque este análisis se haga ahora, que dormir afecta a nuestro cuerpo es algo que se ha dicho antes. Sabemos que la falta de sueño es un problema, y es que a nivel mundial un 15% de la población reconoce tener problemas de sueño. Varios estudios han analizado las consecuencias de falta de sueño (menos de 5 horas), poco sueño (5-7 horas) o sueño de mala calidad y han encontrado correlación con enfermedades metabólicas varias como la diabetes, la hipertensión… o la obesidad. Pero no todos los estudios llegan a las mismas conclusiones, porque mientras que algunos observan una clara relación entre dormir poco y un aumento de la grelina y bajada de la leptina, en otros casos esa relación no es significativa. Por eso los autores de este trabajo consideraban necesario analizarlo en más detalle y comparar los datos de todos los participantes en varios estudios.

Para el análisis los autores compararon los datos en conjunto y también en subgrupos, teniendo en cuenta la metodología, el sexo, si las personas eran obsesas o no y su edad. La elección de estos criterios se debe a que algunos trabajos previos apuntaban que había diferencias dependiendo de esos factores, por ejemplo, que en el caso de adolescentes, las hormonas se veían más afectadas en hombres.

Al que no le de sueño ver a alguien durmiendo que tire la primera piedra

Los resultados… ¿nos vamos a dormir?

Teniendo en cuenta todos los datos en conjunto, se observa una correlación entre dormir poco y tener unos niveles más altos de grelina, pero no de leptina o adiponectina. Dicho de otra forma, si no se duerme lo suficiente nuestro cuerpo nos va a decir con más facilidad que tiene hambre, y vamos a acabar comiendo más de lo que deberíamos (y lo almacenaremos como grasa).

Aunque sí encontraron diferencias en tipos de estudio, no hay diferencias en base al sexo, la masa corporal o la edad, así que nos afecta a todos por igual. Por lo tanto, aunque recordemos que correlación no implica causalidad, podemos tener en cuenta que parece que dormir poco puede hacer que acabemos comiendo peor y más de lo necesario.

Teniendo en cuenta las horas de sueño, el aumento en los niveles de grelina correlaciona con el hecho de dormir, en adultos, menos de 7 horas (el número de horas se ha ajustado en función de la edad, porque los niños y adolescentes deben dormir más horas). Es decir, no sólo es que los niveles cambien cuando se duermen menos de 5 horas, con que durmamos menos de 7 ya tendríamos un efecto a tener en cuenta.

¿Son sólo las horas?

Pese a los resultados de este estudio, hay que tener en cuenta más cosas. Una de ellas es que estar en la cama más de 7 horas no implica dormir más de 7 horas, y tampoco implica que ese sueño sea de calidad. Cada vez son más los trabajos que apuntan a que lo que importa es la calidad y no el número de horas, cosa que seguro que muchos de mis lectores monitorizan con alguna aplicación. Una de las aplicaciones más exitosas para el Apple Watch tiene en cuenta el tiempo dormido, pero también la calidad y has horas de sueño profundo. Para valorar la calidad se suele tener en cuenta la caída de la frecuencia cardíaca, que se ha descrito como un buen indicador. Aquellos que usen una aplicación de este estilo, sabrán que muchas horas “durmiendo” no siempre son muchas horas de sueño de “calidad”. Lo que no sabe duda es que en general, a más horas en la cama, más posibilidades de que aumente el sueño de calidad.

Por lo tanto, si queremos mantener un cuerpo sano y mantener a raya las hormonas del apetito, principalmente la grelina, tendremos que asegurarnos de dormir lo suficiente, y también de que ese sueño sea de calidad. Siempre habrá días mejores que otros, pero lo que importa es la tendencia general, y que dormir menos de siete horas no se convierta en una costumbre. De poco nos va a servir levantarnos muy temprano para hacer ejercicio y quemar con él 200 calorías si antes no hemos dormido de forma adecuada.

Para aquellos a los que les gusten los números y los análisis estadísticos, aquí dejo el enlace al artículo. Es un artículo bajo suscripción, así que aquellas personas que no tengáis un acceso institucional o no sepáis cómo acceder a él, me escribís y ya os cuento cómo hacerlo. Algún día tendré que escribir sobre ello…

Associations of short sleep duration with appetite‐regulating hormones and adipokines: A systematic review and meta‐analysis

Este post apareció primero en mi newsletter, a la que por un módico precio puedes suscribirte para recibir comentarios de las últimas novedades científicas: La newsletter de Carmela. Si prefieres esperar a que los posts lleguen aquí, también puedes apoyar mi trabajo invitándome a un café en Ko-fi:

La próxima gripe (porcina) ya está en China

No ganamos para sustos, y es que parece que con el famoso coronavirus SARS-CoV-2 no es suficiente, este 2020 da todavía para más. Ayer, 29 de junio, se publicó en la revista PNAS un artículo sobre una cepa de gripe A presente en los cerdos de algunas granjas en China. El artículo podría haber pasado desapercibido, pero la BBC se hizo eco del tema y rápidamente la noticia se extendió por Twitter y por diferentes medios de comunicación. A esta cepa la han llamado, de una forma muy descriptiva, G4 EA H1N1.

Las cepas de la gripe y sus orígenes

Aunque los virus de la gripe pueden afectar a muchos animales, a los humanos nos preocupan principalmente dos tipos: la aviar y la porcina. En el año 2003, se inició un brote de gripe aviar en China que hizo que todos nos preocupásemos por lo que podría pasar en el resto del mundo, aunque ahora no lo recordemos y en muchos casos incluso se entremezcle con los recuerdos del SARS. Fue lo que en el mundo entero se conoció como la gripe asiática. En el año 2009 cambiamos de bando, era una gripe porcina, aunque pronto la bautizamos como gripe A, así a secas, aunque también se extendió el uso de la hemaglutinina y neuraminidasa, conociéndola el público como H1N1, pandemia que se originó en América. En ambos casos el problema es que los virus se adaptan con mucha facilidad a los humanos.

Además de por el animal al que infectan, las cepas de gripe se clasifican por sus características y, aunque en nuestra memoria está grabada a fuego la gripe A (de 2009), las vacunas actuales también incluyen cepas de tipo B. La gripe del año 2009 no fue la primera gripe A. En sí, durante el siglo XX hemos sufrido varias pandemias de gripe, y la inmensa mayoría de gripe tipo A, como por ejemplo, la mal llamada gripe española de 1918.

El descubrimiento del nuevo virus

Los investigadores analizaron diferentes muestras nasales de cerdos recogidas entre los años 2011 y 2018 en granjas de varias provincias en China. Aunque localizaron varias cepas diferentes, una de ellas predominaba sobre el resto, una nueva cepa EA H1N1, con un origen similar al de la aviar europea pero con características de la americana, fruto de recombinaciones y mutaciones.

Curiosamente, aunque la gripe A (H1N1) del año 2009 era una gripe porcina, los cerdos analizados habían perdido prácticamente esta cepa, que se conoce como pdm/09 y es la que incluyen nuestras vacunas desde entonces. Además, aunque existían varias cepas en las muestras, a partir del año 2013 existe una mayor prevalencia de una variante concreta, que además parece estar diversificándose dada su gran diferenciación genética. Esta cepa es la que agruparon como G4 y que pese a parecerse más a la americana, tiene una proteína de la matriz (gen M) más parecido a la pdm/09.

En análisis in vitro los investigadores observaron que la capacidad de unión a las células es similar a la de la gripe A H1N1 del año 2009 y que también se puede replicar en las células del epitelio respiratorio de una forma similar. Esto convierte esta cepa en un potencial peligro, ya que todos recordamos lo rápido que avanzaban las infecciones con la gripe A.

El modelo animal

Para poder validar sus resultados más allá de los datos que obtuvieron in vitro, trasladaron su modelo a hurones. El hurón es un modelo animal común ya que se infecta con la gripe de una forma similar a los humanos y presenta sintomatología similar. Al infectar hurones, observaron que el virus tiene una alta capacidad para replicarse y que muestra una alta patogenicidad. Los síntomas fueron similares a los que cabría esperar de una gripe: fiebre, tos, estornudos…

Imagen del virus de la gripe coloreada al microscopio electrónico
Así luce el virus de la gripe

Ausencia de protección

Mucho se ha hablado recientemente de la reactividad cruzada, o de una forma más común, de la inmunidad cruzada. En algunas situaciones, cuando presentamos anticuerpos frente a un virus, nos protegen parcialmente si nos infectamos con un virus similar. Lamentablemente, en este caso no ocurre así. Incluso en suero que presentaba anticuerpos contra la gripe A, no podían unirse a esta nueva cepa, por lo que no existe inmunidad cruzada. Para estas pruebas se utilizó suero humano, procedente de niños que habían sido vacunados.

Seroprevalencia: ¿se han infectado ya humanos?

Sí, se han infectado. Al buscar anticuerpos en los trabajadores de las granjas de cerdos, se encontró que un 10.4% presentaban anticuerpos, por lo que habían entrado en contacto con el virus. Además, un 4.4% de la población del entorno también tenía anticuerpos. Un detalle preocupante: los más afectados se encontraban en el rango de edad entre 18-35 años. Históricamente, sabemos que las cepas de gripe que afectan a los jóvenes son más peligrosas.

¿Debemos tener miedo?

Aunque se haya publicado ahora, recordemos que el estudio se hizo con muestras de la última década. El artículo se envió en el mes de diciembre. No se trata de un virus que haya surgido ayer. Además, otros investigadores ya han informado de resultados similares, y se tiene constancia de la existencia de cinco pacientes contagiados con virus de este tipo.

Por ahora no se ha comunicado ningún caso de contagio humano-humano, pero si el virus mutase como para que eso ocurriese, podría desencadenar una pandemia. Aunque una mutación aleatoria de ese tipo no es común, si una persona se infecta simultáneamente con una gripe adaptada a humanos y con ésta, podrían recombinar. Esto también podría ocurrir en cerdos, ya que los cerdos son la principal fuente de recombinación para virus de la gripe. Por eso es necesario vigilar esta clase de virus que, aunque normalmente no salgan en las noticias, se descubren frecuentemente. En cualquier caso, deberíamos estar preparados para la próxima pandemia.

Reflexiones sobre las publicaciones científicas

Este es un resumen de algo ocurrido hace un par de semanas… pero que sigue de rabiosa actualidad

¿Qué ha pasado exactamente?

La explicación no pedida que voy a dar hoy viene a raíz de tres hechos que, aunque con temática común, ocurren de forma independiente. Lo primero es el auge de los preprints en los últimos tres meses y la dificultad para entender qué son. El segundo hecho son los artículos retractados de The Lancet y NEJM sobre el estudio de la hidroxicloroquina. El tercer hecho han sido las noticias sobre el “fracaso” del estudio llevado a cabo por Oriol Mitjà usando este mismo compuesto. En los tres aspectos, cuando leía las noticias, notaba que en algunos casos no se sabía bien cómo funciona la publicación científica. Por eso vamos a aclarar hoy esos puntos.

La vía tradicional

Las publicaciones por la vía tradicional siguen siendo la mayoría, o lo eran hasta que llegaron las prisas hace un par de meses. En la vía tradicional una vez que tienes tus resultados los pasos a seguir son más o menos lineales:

  1. Escribes un artículo con el resto de autores que aprueban el contenido
  2. Lo envías a una revista que consideras adecuada
  3. El editor valora si merece ser valorado en la revista. Si cree que no volvemos al punto 2 en otra revista. Este paso lleva entre unos días y varios meses.
  4. Si el editor opina que podría valer, lo envía a al menos dos revisores, que sin cobrar por ello lo leerán e intentarán buscar fallos o cosas que falten o necesiten ser aclaradas. El artículo puede estar en esta fase entre un par de semanas y un año.
  5. Los revisores pueden decir que no hagas cambios (cosa muy rara), pedir cambios pequeños de texto (bastante común), cambios mayores pidiendo experimentos extra (muy común) o decir que el artículo no vale (también común). Si dicen que no vale, volvemos al punto 2 con otra revista, o al 1 para mejorar el artículo.
  6. Se hacen los cambios que se han pedido (entre varias semanas y varios meses) y se vuelve al punto 4. Esto lo podemos repetir varias veces, porque es normal que haya varias rondas de revisión.
  7. Cuando aceptan que ya vale, si el editor está de acuerdo, te mandan una carta de aceptación. Tu artículo se publicará online en unos días o semanas y en papel (si todavía tienen de eso) en uno o varios meses.

Ese proceso completo suele implicar al menos tres meses, en el mejor de los casos. Y eso, en la situación actual, no es una opción. Cuando se sigue la vía tradicional, si el descubrimiento va a tener repercusión mediática, se preparan notas de prensa y los medios que tienen acceso a los artículos antes de que se publiquen escribirán sus comentarios para que salgan justo cuando se libere. Pero ahora esta vía tradicional pierde fuelle, y va ganando fuerza la vía del preprint.

La vía del preprint

Si no queremos esperar a todo el proceso de revisión y aceptación para que nuestros resultados lleguen a la comunidad, podemos ir por la vía paralela del preprint. Tras escribir el artículo, un borrador o la versión que se envía a las revistas se sube a un servidor de acceso libre. En tiempos de coronavirus los que más peso tienen son BioRxiv y MedRxiv. Los pdf que se han subido ahí no han sido revisados, no sabemos si los datos son fiables ni si los experimentos son reproducibles, porque nadie ha revisado esos artículos.

En tiempos de decenas de preprints diarios, los medios de comunicación ya no dependen de los embargos ni de las notas de prensa enviadas por las instituciones. Pueden perderse entre los preprints y elegir qué comentar, aunque muchas veces son guiados por Twitter a ellos. En puntos extremos tenemos casos en los que investigadores han buscado aparecer en los medios para darle bombo a su artículo en preprint.

Esta vía funciona de una forma diferente, porque tampoco es que no valga lo que aparece ahí, o que uno no se pueda fiar. En general, al poco de subir el pdf, varios investigadores del campo revisarán el artículo y rápidamente habrá una opinión de la comunidad científica. Pero hay que esperar a que haya esos comentarios. Un ejemplo de ésto lo tenemos en el artículo que decía que el coronavirus podía salir de un laboratorio porque tenía secuencias del VIH. Ese artículo se subió a bioRxiv, la prensa no esperó y se hizo eco (error), pero en un par de días un montón de investigadores comentaron públicamente los fallos del artículo. Poco después, el preprint se retractó (la página existe pero dice claramente que ha sido retirado).

¿Qué vía es mejor?

Mucho se ha publicado sobre que uno no se puede fiar de los preprints porque no han sido revisados. Pero la verdad es que lo único que hay que hacer es esperar a que sean revisados por la comunidad y no dar nada por cierto hasta que haya consenso.

Recientemente hemos vivido como el sistema tradicional tampoco es la panacea. DOs artículos que se publicaron en The Lancet y New England Journal of Medicine han sido retirados porque se habían “colado”. Aunque esos artículos habían seguido el proceso de revisión tradicional, una vez que se hicieron públicos y se sometieron al escrutinio de la comunidad, se descubrió que había problemas con ellos y se retractaron. En ese caso, el proceso de revisión por parte de la revista falló. Al estar hablando de un estudio muy importante en estos momentos, la posible eficacia de la hidroxicloroquina, mucha gente revisó el contenido y se descubrieron esos fallos. Pero si se tratase de la cría de la hormiga roja del Sáhara, probablemente no habría tanta gente revisando el contenido, y quizá nadie se habría dado cuenta de que había que retirarlo, o no habría podido hacer presión suficiente a la revista que va a ver su nombre manchado.

Así, aunque los artículos en “revistas de nombre” han sido revisados, en muchos casos algo ha fallado y hay cientos de artículos publicados en todos los campos que no se pueden reproducir o que tienen un análisis incorrecto de los datos. Todos los días se retractan artículos, pero normalmente no se llenan los titulares de los periódicos de “revista X retira un artículo”. En sí, suelen intentar hacerlo de una forma bastante discreta.

¿Y qué tiene que ver el otro estudio en todo esto?

Empecé diciendo que la tercera para que me hacía escribir esto eran los resultados del estudio de Oriol Mitjà. Y es que todo lo anterior se explica con una serie de titulares respecto a su estudio. La prensa se llenó de titulares del tipo “fracasa el estudio”. Y es que ciertamente, si nos ponemos en las publicaciones pre-covid, los resultados de ese estudio habrían acabado en un cajón y jamás se publicarían, porque los resultados parecen apuntar a que la hidroxicloroquina no sirve (digo parece porque no he visto los resultados).

En mi mundo, si quieres publicar un artículo necesitas tener resultados positivos. No vas a publicar que si mezclas dos cosas no pasa nada, publicas si obtienes algo. Pero es que los resultados negativos de los experimentos, también son resultados. Estoy segura de que más de la mitad de experimentos que se hacen en muchos laboratorios se han hecho en otro sitio antes pero nunca se han publicado, por lo que se pierde mucho tiempo repitiendo todo (ojo, no reproduciendo, que eso siempre es bueno hacerlo). Por eso, el trabajo de Oriol Mitjà no ha fracasado, ha obtenido un resultado pero, hasta hace poco, ese resultado no habría sido digno de ser publicado.

¿Entonces cómo publicamos?

Hasta como quien dice anteayer, existía una presión tremenda por publicar en revistas de alto impacto (como The Lancet) que supuestamente sólo publican cosas fiables y con resultados “positivos”. Ahora nos hemos dado de bruces con la realidad, con que ese proceso es excesivamente lento. Y poco a poco cada vez salen más voces que dicen que quizá lo de publicar en BioRxiv o MedRxiv y que la revisión sea pública y comunitaria tampoco es tan horrible, pero claro, eso afectaría mucho al negocio de las editoriales.

No voy a dar una solución, ni voy a profundizar en los detalles de los cambios que se nos venían encima antes de que todo esto ocurriese, pero que sirva lo contado hoy para recordar que las revistas también la pifian al aceptar artículos, que todos los artículos deben ser revisados por cuantos más investigadores mejor y que los resultados, positivos o negativos, resultados son y pueden ayudar a otras personas en su investigación.

Si queréis ver qué cosas se publican en preprints, porque eso sí es de acceso siempre abierto a todos, los dos servidores han juntado en una página todo lo publicado sobre el coronavirus, más de 5000 “preprints” a día de hoy: preprints de SARS-CoV-2

Este post apareció primero en mi newsletter, a la que por un módico precio puedes suscribirte para recibir comentarios de las últimas novedades científicas: La newsletter de Carmela. Si prefieres esperar a que los posts lleguen aquí, también puedes apoyar mi trabajo invitándome a un café en Ko-fi:

Seroprevalencia 2.0

Tras haber explicado cómo se llevó a cabo el estudio de seroprevalencia en España y cuales fueron los resultados de la primera ronda, me veo obligada a comentar la segunda ronda y, cuando salga, la tercera. Iré comparando, porque lo que importa ahora es ver las diferencias.

Aunque se han marcado 14 páginas de pdf con los resultados, yo intentaré resumir aquellos datos que pueden llamar más la atención, más o menos como hice para la primera ronda y siempre destacando los cambios frente a esa primera ronda.

El planteamiento

Ya conté cómo se había planteado el estudio antes, y ahora hay pocas diferencias. Para esta segunda ronda ha aumentado un poco el número de participantes y según el informe han conseguido una respuesta ligeramente mejor por aquellos contactados, lo que es muy buena señal de compromiso. Gran parte de los participantes son los mismos que los de la ronda anterior, ya que de ellos el 95% han aceptado repetir. Pero una parte son nuevos para incrementar el tamaño de la muestra, cosa que tenemos que tener en cuenta para no asumir que son exactamente las mismas personas, y no olvidar que los intervalos de confianza existen. El 88% de los participantes han dado muestra de sangre, que ya dijimos que permitirá estar seguros de que los resultados son los que son, porque ahora lo que tenemos son los cálculos preliminares con el resultado de la banda de IgG. Recordemos que IgG son las inmunoglobulinas que aguantan más tiempo, los “anticuerpos a largo plazo”.

La prevalencia y seroconversión media

Resumiendo mucho, si antes teníamos un 5% de media, ahora tenemos un 5.2%. Es una diferencia muy pequeña y muy poco significativa, pero una diferencia al fin y al cabo. Eso sí, entra dentro del intervalo de error válido, así que hay que tomarla muy con pinzas. Es un poco mayor (0.4%) en mujeres que en hombres, cosa que choca un poco con aquellos cálculos que se hacían hace meses de que las mujeres se contagian menos.

Cuando se habla de seroconversión, nos referimos a las personas que habían dado negativo en la primera ronda y ahora dan positivo. Recordemos que aunque (por desgracia) se tiende a asociar sólo con un virus, para cualquier cosa que nuestro suero pueda dar positivo o negativo, como por ejemplo para presencia de IgG en este caso, podemos decir que alguien es seronegativo o seropositivo. De las personas que en la primera ronda eran seronegativas, un 0.8% han pasado a ser seropositivas. Eso implica que el virus sigue circulando, pero que el nivel de contagio (o contacto, mejor dicho) es bajo. Estamos portándonos bastante bien.

Prevalencia según características

Aunque la media sea ese 5.2%, sabemos que varía ligeramente según la edad de los participantes. En general se mantiene más o menos como en la primera ronda, aunque hay algunos detalles que me llaman especialmente la atención. Por una parte tenemos a los bebés de menos de un año que, aunque el número de participantes es bastante similar, han pasado de un 1% a un 2.2%. Y entiendo que ese contacto con el virus se ha dado en casa.

Si nos vamos al otro extremo, a los mayores de 90 años, si en la primera ronda era de un 5.7% ahora es de un 8%, y tampoco hay una grandísima diferencia en el número de participantes, así que vamos a ver… que el paseo de los mayores hay que darlo solos!

Entre el resto de grupos de edad se observa más o menos lo esperable: un pequeño aumento en aquellos que están en edad de trabajar (salen más y tienen más contacto con otra gente), y una estabilización en los jóvenes en edad de estudiar. Sí es cierto que en los grupos de edad “mayores” (pero sin llegar a 90) se ve un aumento mayor. Aunque esto que voy a decir es una interpretación personal, quiero que reflexionéis un poco: se está criticando mucho cómo actúan “los jóvenes” pero ellos siguen igual que estaban antes. Quizá los vemos más por la calle, pero deben tener más cuidado. Y no me refiero a los niños que dice un estudio que se contagian menos, me refiero a los veinteañeros.

Ahora vamos a otra parte que debería hacernos pensar un poco: la situación laboral. Los trabajadores en activo han pasado de un 5.7 a 5.9, una diferencia mínima no significativa. En cambio, los desempleados han pasado de 3.2 a 4.4. ¿Qué ha pasado ahí? Los estudiantes de un 4.5 a 4.3. ¿Han perdido anticuerpos? No, esa diferencia de 0.2 es perfectamente explicable con el intervalo de confianza y al igual que los trabajadores en activo, no es algo significativo. Que la de los desempleados también entra dentro del intervalo de confianza, pero ya se va más a los extremos y debería hacernos pensar. Otro grupo que tiene una diferencia que llama la atención y que sí se sale del intervalo de confianza es el de personas que se dedican a tareas del hogar, que ha pasado del 4.3 al 5.8.

Por último, habíamos comentado la prevalencia según sean trabajadores presenciales o no. Curiosamente, los presenciales tenían un 5.2 y siguen igual, pero los no presenciales tenían un 6.1 y ahora tienen un 7.3. Y como os diría yo, el teletrabajo no es una forma de contacto con virus, así que a ver qué hacemos.

Respecto a la prevalencia según síntomas no hay nada que llame especialmente la atención, porque seguimos más o menos igual que en la primera ronda. Las cuentas siguen dando que más o menos un 30% de las personas que han tenido contacto con el virus no han mostrado ningún síntoma (ni un dolor de cabeza vaya) y que la anosmia sigue siendo el síntoma más característico.

Si nos fijamos en el tamaño de población, los resultados también siguen igual: si vives en una población grande es más probable que entres en contacto con el virus.

Prevalencia por localización

Cuando miramos la prevalencia por Comunidad Autónoma lo destacable es que no hay diferencias destacables. Eso es algo bueno y esperable, porque si no nos movemos no debería haber grandes cambios, a no ser que dentro de una en concreto hubiese demasiada transmisión. El incremento de distribuye de una manera bastante proporcional, que es lo esperable. Si se miran los datos puede llamar la atención que algunos números son más bajos que los previos, pero siempre dentro del intervalo de confianza y teniendo en cuenta que el tamaño de muestra ha variado un poco.

Si nos ponemos a mirar las provincias, que en principio es nuestra unidad de confinamiento (con algunas excepciones), ahí me han puesto la vida más fácil porque además de las dos columnas de datos previos y actuales, me han añadido una de porcentaje de seroconversión. A la larga esto se dará también para otras cosas supongo, pero recordemos que estos resultados son preliminares. Esta tabla me va a servir para explicar por qué el porcentaje de seroconversión no es simplemente restar.

Vamos a tomar como ejemplo la primera provincia por orden alfabético, Álava, que además cae justo en la media nacional de seroconversión. En la primera ronda tenían un 7.5% de seropositivos, en la segunda tienen un 6.2%. La muestra ha aumentado y ha cambiado y si miramos los intervalos, aunque puede parecer que ahora hay menos personas positivas, la diferencia no es significativa. En cambio, si miramos la columna de seroconversión, en la que se cuentan cuantas personas que habían dado negativas en la primera ronda y han repetido ahora dan positivo, tenemos un 0.8%.

Dado que ya sabemos que en algunas provincias hay más casos que en otras, vamos a centrarnos en la seroconversión, en los sitios en los que más gente ha pasado a ser positiva. ¿Dónde han aumentado más? Seguro que mucha gente pensaría que en Madrid y Barcelona, que es donde hay más casos… pues no. El podio de incremento se lo llevan Ávila (2.1%), Palencia (2%) y Valladolid (1.8%). Ya sacáis vosotros las conclusiones… que yo no quiero acusar a nadie de nada.

Si nos vamos al extremo contrario, los sitios en los que menos está circulando el virus (y por lo tanto, se observa menos seroconversión), los ganadores son Ceuta y Asturias (empatados al 0.1%), seguidos de Murcia (0.2%).

Conclusiones

Personalmente, yo creo que los resultados muestran que en España se ha hecho en general un buen trabajo en controlar el virus. Por otra parte, aunque en ningún momento se han destacado esos factores en la rueda de prensa, yo sí veo ciertos datos que deberían hacernos pensar dónde se está moviendo el virus en estos momentos, porque yo diría que en el puesto de trabajo no es, y esos datos deberían servirnos en caso de tener que volver a cerrar parcialmente algunas zonas. Nuestros jóvenes están manteniendo el virus bajo control, mientras que nuestros mayores parece que no tanto, aunque no tengamos datos directos de seroconversión.

Por último, tenemos que tener en cuenta que no hemos aumentado casi la cifra, así que si redondeamos mucho el número y pensamos que es 1% de seroconversión por mes… tenemos que asumir que la inmunidad de grupo está muy lejos. Pero también sabemos que la situación durante el mes de mayo no ha sido la del mes anterior, así que podemos pensar que si actuamos con cabeza y lo mantenemos bajo control, poco a poco irá aumentando el nivel de protección de grupo sin que ello suponga un gran daño a nuestra población. Que sí, hay que legislar y todo eso, pero nosotros también tenemos que actuar con cabeza, con sentidiño.

Si queréis ver el resto de datos y todos los intervalos para cada caso, los resultados los tenéis aquí:

Estudio ENE-COVID19: Segunda ronda

Este post apareció primero en mi newsletter, a la que por un módico precio puedes suscribirte para recibir comentarios de las últimas novedades científicas: La newsletter de Carmela. Si prefieres esperar a que los posts lleguen aquí, también puedes apoyar mi trabajo invitándome a un café en Ko-fi:

Brexit de fagos

Hoy os traigo la historia publicada en un artículo hace poquito, que tiene que ver con mis queridos fagos, concretamente con T7, que es el fago que inspiró el logo de Bacteriófagos. La historia es una historia de supervivencia y que además, tiene su puntillo interesante porque todo empieza dándose cuenta de una pifia en un trabajo previo. ¡Menos mal que revisaron los resultados!

BREX y los fagos

Hace unos años se descubrió un nuevo sistema que tienen las bacterias para evitar ser atacadas por los fagos. Existen muchas formas de evitar la infección, pero cada poco se descubre una nueva. La forma más conocida de evitar el ataque es mediante lo que se conoce como sistemas de restricción-modificación (R-M). Es un sistema en dos pasos, en el que primero se modifica el ADN de la bacteria (para marcarlo y protegerlo) y después se corta (mediante enzimas de restricción) todo aquello que no esté modificado. Así, la bacteria puede eliminar el ADN de los fagos por eliminación, independientemente de la secuencia que tenga.

Otro de los sistemas bien conocidos y ahora muy famoso es CRISPR. CRISPR tiene “memoria”, recordando cachitos de fagos que infectaron a los antepasados de la bacteria. Así, si llega un fago que tiene una secuencia igual a ese cachito en la base de datos, se corta. En este caso depende de la secuencia y es muy específico.

Por último tenemos BREX, que se llama así por EXclusión de BacteRiófagos (pero en inglés, claro). En sí, para cuando se le dio el nombre ya se conocía un sistema de este tipo, pero en BREX se incluyen otros similares que comparten una serie de características. Actúa en dos pasos como los R-M. El primer paso es también una modificación de una secuencia en el genoma de la bacteria para “protegerla”, pero el segundo paso no se sabe todavía cual es, porque nadie ha demostrado todavía si se corta el ADN del fago o si lo que pasa es que se inhibe su copia en la célula. Lo que sabemos es que hay varias proteínas implicadas y ninguna “tiene pinta” de cortar ADN.

Los fagos, por su parte, contraatacan para defenderse. Aquellos fagos que por azar generan algo que les permita sobrevivir a estos sistemas de protección, van a poder reproducirse mejor. En eso se basa la evolución, ¿verdad?

T7, que es uno de nuestros fagos modelo, cuando infecta una célula lo primero que hace es protegerse. Las primeras proteínas del fago que se generan en la célula tienen esa función. Para darle nombre a las proteínas del fago los científicos simplemente las han numerado por orden de entrada, aunque con el paso de los años se han descubierto cosas nuevas y en lugar de renumerar, se han ido añadiendo decimales. La proteína que nos interesa ahora es la codificada en el gen 0.3, que a veces se conoce como gp0.3 (gp= gen product). Para que nos ubiquemos, las patitas que a mi tanto me gustan, están formadas por la proteína gp17, que está casi al final del genoma del fago (porque es de lo último que hace falta).

La proteína 0.3 tiene otro nombre mucho más descriptivo: Ocr, que se refiere a overcome classical restriction. Cuando se empezó a estudiar, se descubrió que era una secuencia corta y que dos copias se unían entre ellas plegándose como el ADN. Así, ese dímero (las dos copias), parecían ADN y se podían unir en el sitio en el que éste se uniría, bloqueando así el corte. En resumen, si las enzimas de restricción tenían un hueco al que se iba a unir el ADN y cortarlo, estas proteínas Ocr lo tapaban, para que no hubiese daño al fago.

El error que abre una nueva vía de investigación

El grupo que investigó el BREX hace un tiempo dijo, en su primer artículo, que las células de E. coli estaban protegidas contra el ataque del fago T7. Entiéndase células de E. coli de las que andan por ahí, no las de laboratorio. ¿El problema? Que al avanzar sus trabajos se dieron cuenta que no siempre era así. Ellos creían haber utilizado un fago T7 wild-type (natural, silvestre, sin modificar), pero según fueron haciendo más experimentos se dieron cuenta de que algo se les había escapado.

Aunque ellos habían partido de un fago silvestre, cuando los tienes en el laboratorio tienden a mutar. Una mutación bien estudiada (porque pasa mucho) es la eliminación de un pequeño fragmento del genoma, muy al principio… que afecta a la proteína Ocr. Concretamente, lo que se cree que pasa es que al hacer las copias del genoma, como hay dos secuencias iguales más o menos juntas, la polimerasa que está copiando se “desliza” y no copia el trozo que hay en medio. Esto en la naturaleza podría ser un problema, pero en el laboratorio hace que los fagos crezcan mejor, así que la mutación se extiende muy rápido… que es lo que les pasó a ellos.

Al revisar todos sus resultados, se dieron cuenta que cuando el fago T7 era realmente el original, sí podía sobrevivir en las células con BREX, así que la protección tenía que estar en ese cachito que les faltaba. Analizando lo que había ahí, tenía que ser por la proteína Ocr. Para demostrarlo, crearon fagos a los que sólo les faltaba esa proteína y, efectivamente, era la que protegía.

¿Puede algo tan pequeño salvar la “vida” de un fago?

Aunque pueda parecer que comparar fagos con proteína y sin proteína ya es suficiente para saber que ésa es la culpable, correlación no implica causalidad, y podría haber otros factores implicados. Una alternativa común para confirmar ese resultado es utilizar los fagos sin ella (que son sensibles a BREX) y añadir la proteína externamente. Como eso funcionó, sabían que no era porque se alterasen otras cosas en el fago. Además, para ver que era un sistema universal, probaron a añadirla también con otros fagos, para comprobar que también quedaban protegidos. Y por todavía no quedaba del todo claro, probaron también una versión mutada de la proteína que la hace menos eficaz y, efectivamente, la protección era parcial. Ya tenían suficientes pruebas de que Ocr protegía a los fagos del “ataque” de BREX, pero… ¿exactamente de qué?

Vamos a pescar

Cuando queremos saber qué proteína interacciona con qué, nos vamos de pesca. Lo que hacemos es marcar una proteína con algo de lo que podamos tirar. Para mantener el símil, enganchamos nuestra proteína a la caña. Después la lanzamos y, cuando creamos que si algo se iba a enganchar ya se habrá enganchado, tiramos a ver qué sale. Estos investigadores hicieron justamente eso, tirar a ver qué venía con la proteína Ocr cuando estaba dentro de las células.

De forma poco sorprendente, lo que salió fue BrxX, que es la proteína que modifica el ADN de la célula para protegerlo, una metiltransferasa (añade metilos al ADN). Eso hace pensar que, como Ocr se mimetiza como si fuese ADN, lo que hace es unirse y bloquear. Como la célula ya no puede proteger su propio ADN para diferenciarlo del del fago, ya no sabe qué es propio y qué es ajeno. En principio esto debería provocar la muerte de la célula (porque identificaría su propio ADN como ajeno), pero como no ocurre, los investigadores asumen que probablemente haya algo más que se nos escape.

Conclusiones

Hoy os he hablado de una pequeña proteína de un pequeño fago que se ocupa de que ese fago pueda reproducirse sin problemas. Como véis, es una historia que todavía necesita más capítulos, porque todavía no sabemos ni cómo actúa BREX exactamente ni cómo hace Ocr exactamente para protegerlos. Además, esto es una lucha en la que la pelota se pasa de un lado a otro, y las bacterias van a devolver la pelota, desarrollando un nuevo sistema para evitar el bloqueo de Ocr. Es posible (y probable) que eso haya ocurrido, pero todavía nadie lo ha descubierto. Si T7 fue uno de los primeros fagos descubiertos, tiene poquitos genes, y todavía estamos ahora descubriendo qué hacen algunas de esas proteínas… no os imagináis lo que nos queda por descubrir en las bacterias.

Yo he comentado sólo algunos de los puntos clave del artículo, pero si queréis todos los detalles, aquí tenéis el enlace: Phage T7 DNA mimic protein Ocr is a potent inhibitor of BREX defence

Este post apareció primero en mi newsletter, a la que por un módico precio puedes suscribirte para recibir comentarios de las últimas novedades científicas: La newsletter de Carmela. Si prefieres esperar a que los posts lleguen aquí, también puedes apoyar mi trabajo invitándome a un café en Ko-fi: