Un gran porcentaje de la población mundial está actualmente afectado por enfermedades metabólicas (EM), y se espera que la incidencia se duplique en las próximas décadas. Las comorbilidades asociadas a las EM, como la enfermedad del hígado graso no alcohólico (EHGNA) y la cardiomiopatía, contribuyen significativamente a la salud deteriorada. Las EM son complejas, poligénicas, con muchos genes involucrados en su etiología. Un enfoque popular para investigar las contribuciones genéticas a la etiología de la enfermedad es el análisis de redes biológicas. Sin embargo, la dependencia de los datos introduce un sesgo (ruido, falsos positivos, sobrepublicación) en el resultado. Si bien se han propuesto varios enfoques para superar estos sesgos, muchos de ellos tienen limitaciones, incluidas cuestiones de integración de datos, dependencia de parámetros arbitrarios, resultados dependientes de bases de datos y complejidad computacional. La topología de la red también es un factor crítico que afecta los resultados. Aquí, proponemos un método simple, libre de parámetros, que tiene en cuenta la dependencia de la base de datos y la topología de la red, para identificar genes centrales en la red de EM. Entre ellos, inferimos nuevos candidatos que aún no han sido anotados como genes de EM y mostramos su relevancia al resaltar su expresión diferencial en conjuntos de datos públicos y examinar cuidadosamente la literatura. El método contribuye a descubrir conexiones en los mecanismos de EM y destaca varios candidatos para un estudio en profundidad de su contribución a las EM y sus comorbilidades.