Antecedentes

Los estudios de asociación de genoma completo (GWAS), que exploran la relación entre polimorfismos de nucleótido único (SNP) y enfermedades, han sido herramientas clave para revelar las bases genéticas de enfermedades complejas durante las últimas décadas. Sin embargo, la respuesta biológica humana no se determina únicamente por la información genética. Incluso entre personas con la misma variante genética, el riesgo de enfermedad y los niveles de biomarcadores varían drásticamente según la exposición a factores ambientales externos como la dieta, el ejercicio, el consumo de alcohol y la contaminación del aire. Esto ha convertido el estudio de la interacción genotipo-ambiente (GxE), donde los factores genéticos y ambientales se combinan para alterar el fenotipo, en una tarea esencial para la medicina de precisión.

Hasta ahora, el análisis GxE se ha enfrentado a limitaciones en la capacidad de cómputo, lo que dificulta su expansión a estudios de gran escala. Evaluar estadísticamente todas las combinaciones de decenas de millones de variantes genéticas y decenas de factores ambientales en datos genómicos de cientos de miles de personas requiere una carga computacional masiva. El modelo lineal mixto (LMM) estándar requería cálculos matriciales repetitivos cada vez que se estimaba el término de interacción entre cada variante y factor ambiental. En el entorno de los biobancos modernos, donde el número de muestras supera las decenas de miles y alcanza los 500.000, completar el análisis requiere meses y un enorme costo computacional, lo que ha llevado a abandonar las pruebas exhaustivas a nivel del genoma completo y a limitarse a seleccionar y verificar solo unas pocas variantes diana.

Hallazgos clave

Los investigadores presentaron fastGxE, un algoritmo escalable que resuelve el cuello de botella computacional y aumenta el poder estadístico en conjuntos de datos de biobancos a gran escala. fastGxE rediseñó la estructura computacional para procesar cálculos en un tiempo cercano al lineal, incluso en muestras de cientos de miles de personas. Al transformar el proceso de descomposición matricial, que se realizaba repetidamente para cada variante, en un método de precomputación de estadísticas comunes, se eliminaron los cálculos redundantes innecesarios. Gracias a esto, la velocidad de análisis es decenas o incluso cientos de veces mayor que la de los pipelines de análisis existentes, lo que permite realizar escaneos de interacción a nivel de campo de batalla incluso en entornos de servidores únicos estándar.

Los investigadores aplicaron este algoritmo a los datos genómicos y clínicos de aproximadamente 500.000 personas en la cohorte del UK Biobank (UKB). Completaron el escaneo GxE a nivel genómico para rasgos antropométricos como la estatura y el índice de masa corporal (IMC), así como para unos 30 tipos de biomarcadores sanguíneos medidos rutinariamente en los chequeos médicos.

Los resultados revelaron múltiples loci de interacción no caracterizados previamente que, en los GWAS tradicionales, no alcanzaban el nivel de significancia estadística debido a efectos principales (main effects) débiles. Ciertas variantes genéticas relacionadas con el metabolismo lipídico mostraron un efecto significativo en la reducción de triglicéridos en sangre solo en el grupo que practica ejercicio aeróbico regular. Las variantes asociadas a los niveles de enzimas hepáticas también evidenciaron efectos genéticos dependientes del contexto, cuya intensidad de expresión se regula de manera diferente según el consumo de alcohol o tabaco.

Significado y perspectivas

La aparición de fastGxE representa un salto tecnológico que amplía la perspectiva de la investigación genómica, pasando del análisis de efectos de variantes genéticas fijas al seguimiento de interacciones dinámicas con el ambiente. Las puntuaciones de riesgo poligénico (PRS), ampliamente utilizadas hasta ahora para predecir el riesgo de enfermedades, tienen limitaciones en su precisión al sumar solo los efectos promedio de las variantes genéticas sin considerar factores ambientales. Al integrar los términos de interacción genotipo-ambiente descubiertos con fastGxE, será posible calcular riesgos precisos que reflejen los hábitos de vida reales de cada individuo.

La tarea también es clara. Dado que este estudio se realizó principalmente con datos del UKB, centrados en ancestría europea, es necesaria una validación adicional en biobancos multiétnicos para confirmar si estas mismas interacciones se replican en poblaciones asiáticas, africanas y otras. Se destaca como tarea posterior la necesidad de complementar los errores de autoinforme en los datos ambientales obtenidos por encuestas y sofisticar los modelos de análisis vinculándolos con señales biológicas continuas recolectadas por dispositivos vestibles (wearables) como smartwatches.