Rol de motores moleculares y tráfico vesicular en el establecimiento de la polaridad neuronal. Molecular motors and vesicle trafficking role in neuronal polarity establishment.

En los últimos años se ha establecido que un gran número de enfermedades neurodegenerativas están asociadas a defectos en el transporte vesicular, particularmente aquel mediado por motores moleculares y proteínas quinasas, estando directamente relacionado al establecimiento y mantenimiento de la polaridad neuronal.El estudio de los mecanismos moleculares que regulan la formación y diferenciación de dendritas, especialmente a nivel del tráfico de organelas túbulo-vesiculares, nos permitirá entender el papel de los motores moleculares retrógrados y de las proteínas quinasas en el establecimiento de la polaridad neuronal, evento crucial para el mantenimiento y función del sistema nervioso.Para ello contamos con las herramientas necesarias para el estudio del transporte de proteínas a nivel molecular y celular, como cDNAs para expresar varias proteínas de estudio, siRNAs para bloquear la expresión de proteínas específicas, dominantes negativos y constitutivamente activos de algunos de los componentes a analizar, así como anticuerpos que nos permitan monitorear su localización celular, para lo cual contamos con equipos de microscopía de última generación.Es de esperar que se obtengan resultados que confirmen el papel específico de motores retrógrados, como dineína, y quinasas de las familias C y D, en el transporte de proteínas de membrana al compartimiento somato-dendrítico, demostrando su importancia en el establecimiento de la polaridad neuronal. Entender el desarrollo y el mantenimiento de esta polaridad axón-dendrita es de vital importancia, tanto para incrementar el conocimiento del funcionamiento y la biología del sistema nervioso, como para comprender aquellos mecanismos que se desarrollan en ciertas enfermedades neurodegenerativas y neuropsiquiátricas.

Modelos Mixtos-Aditivos Generalizados para el Estudio de Fenómenos Biológicos y Sociales Descriptos por Datos Agregados y/o Longitudinales. Generalized Mixed Additive Models for the Study of Biological and Social Phenomenons from Longitudinal and/or Aggregated Data.

Este proyecto propone extender y generalizar los procesos de estimación e inferencia de modelos aditivos generalizados multivariados para variables aleatorias no gaussianas, que describen comportamientos de fenómenos biológicos y sociales y cuyas representaciones originan series longitudinales y datos agregados (clusters). Se genera teniendo como objeto para las aplicaciones inmediatas, el desarrollo de metodología de modelación para la comprensión de procesos biológicos, ambientales y sociales de las áreas de Salud y las Ciencias Sociales, la condicionan la presencia de fenómenos específicos, como el de las enfermedades.Es así que el plan que se propone intenta estrechar la relación entre la Matemática Aplicada, desde un enfoque bajo incertidumbre y las Ciencias Biológicas y Sociales, en general, generando nuevas herramientas para poder analizar y explicar muchos problemas sobre los cuales tienen cada vez mas información experimental y/o observacional.Se propone, en forma secuencial, comenzando por variables aleatorias discretas (Yi, con función de varianza menor que una potencia par del valor esperado E(Y)) generar una clase unificada de modelos aditivos (paramétricos y no paramétricos) generalizados, la cual contenga como casos particulares a los modelos lineales generalizados, no lineales generalizados, los aditivos generalizados, los de media marginales generalizados (enfoques GEE1 -Liang y Zeger, 1986- y GEE2 -Zhao y Prentice, 1990; Zeger y Qaqish, 1992; Yan y Fine, 2004), iniciando una conexión con los modelos lineales mixtos generalizados para variables latentes (GLLAMM, Skrondal y Rabe-Hesketh, 2004), partiendo de estructuras de datos correlacionados. Esto permitirá definir distribuciones condicionales de las respuestas, dadas las covariables y las variables latentes y estimar ecuaciones estructurales para las VL, incluyendo regresiones de VL sobre las covariables y regresiones de VL sobre otras VL y modelos específicos para considerar jerarquías de variación ya reconocidas. Cómo definir modelos que consideren estructuras espaciales o temporales, de manera tal que permitan la presencia de factores jerárquicos, fijos o aleatorios, medidos con error como es el caso de las situaciones que se presentan en las Ciencias Sociales y en Epidemiología, es un desafío a nivel estadístico. Se proyecta esa forma secuencial para la construcción de metodología tanto de estimación como de inferencia, comenzando con variables aleatorias Poisson y Bernoulli, incluyendo los existentes MLG, hasta los actuales modelos generalizados jerárquicos, conextando con los GLLAMM, partiendo de estructuras de datos correlacionados. Esta familia de modelos se generará para estructuras de variables/vectores, covariables y componentes aleatorios jerárquicos que describan fenómenos de las Ciencias Sociales y la Epidemiología.