Antecedentes

Los estudios de asociación de genoma completo (GWAS) han liderado el avance de la genética durante las últimas dos décadas, identificando numerosas variantes genéticas asociadas a enfermedades. Sin embargo, determinar qué genes diana regulan las variantes en regiones no codificantes para causar enfermedades sigue siendo un desafío. Para superar esto, surgió el estudio de asociación en todo el transcriptoma (TWAS).

El TWAS utiliza datos de referencia de loci de rasgos cuantitativos de expresión (eQTL) para predecir los niveles de expresión génica basados en el genotipo mediante modelos estadísticos, vinculándolos directamente con fenotipos de enfermedades. Gracias a su capacidad para priorizar genes diana para fármacos al convertir señales genómicas complejas en unidades transcripcionales funcionales, se ha establecido como un pipeline de análisis estándar en la academia y el desarrollo de fármacos.

No obstante, muchos investigadores han tendido a asumir que la dirección de la asociación estadística coincide con la dirección de la vía causal biológica. Es decir, si un aumento previsto en la expresión génica se correlaciona con un mayor riesgo de enfermedad, se adopta directamente la inhibición de dicha expresión como estrategia terapéutica. Persistían dudas académicas sobre si la dirección obtenida sin verificar los sesgos en el proceso de alineación estadística reflejaba con precisión los mecanismos causales intracelulares, una cuestión que se había planteado de manera continua.

Hallazgos clave

En este artículo, los investigadores presentan evidencia estadística de que la dirección del efecto capturada por el TWAS puede derivar frecuentemente en una dirección opuesta a la del mecanismo biológico subyacente real. Mientras que los estudios previos se centraban únicamente en la presencia de señales de asociación de TWAS, este análisis identifica sistemáticamente las condiciones matemáticas y genéticas bajo las cuales el signo de la señal de asociación se distorsiona respecto a la dirección causal molecular real en los tejidos.

El equipo demostró que esta inversión de la señal se concentra cuando se entrelazan la complejidad de la estructura de desequilibrio de ligamiento (LD), la pleiotropía y las diferencias en los efectos eQTL entre tejidos. Aunque una variante de riesgo de enfermedad específica actúa en realidad a través de un regulador desconocido adyacente, el proceso de utilizar la señal eQTL más fuerte dentro de la región de LD como indicador proxy puede resultar en la inversión del signo matemático del modelo estadístico.

Mediante la combinación de simulaciones y análisis empíricos en cohortes genómicas a gran escala, se observó una discrepancia en la dirección del efecto entre las predicciones estadísticas y los experimentos de perturbación genética real en múltiples regiones génicas asociadas a enfermedades. Se confirmó experimentalmente que intentar regular la expresión de un objetivo basándose únicamente en los cambios de expresión predichos por el pipeline de análisis existente podría desencadenar una respuesta biológica opuesta. Esto demuestra directamente que las señales de asociación transcripcional basadas en la simple covarianza estadística no pueden constituir el criterio absoluto para determinar la causalidad biológica.

Implicaciones y perspectivas

Esta presentación busca recordar a la industria del desarrollo de fármacos, que ha estado seleccionando genes asociados a enfermedades y diseñando inhibidores o potenciadores terapéuticos basándose en modelos predictivos de transcriptómica, la necesidad de una validación rigurosa. Esto se debe a que una interpretación errónea de la dirección en las etapas iniciales de un proyecto dirigido a genes candidatos podría poner en riesgo el correcto funcionamiento de toda la cadena de desarrollo.

En el futuro, la investigación genómica debe dejar de depender únicamente de los resultados de TWAS y adoptar un enfoque que combine análisis de colocalización multiómica con la validación de la inferencia causal a nivel de transcriptoma de célula única. Se prevé que los procedimientos de validación cruzada obligatorios incluyan el uso de cribado de edición genética basado en CRISPR y modelos de células diferenciadas derivadas de células madre pluripotentes inducidas (iPSC) para confirmar directamente la dirección de la regulación de la expresión en el laboratorio.

Sin embargo, este estudio no niega la utilidad de la metodología TWAS en sí. Su valor como herramienta exploratoria para reducir el grupo de candidatos a enfermedades, al comprimir decenas de miles de variantes genéticas en unidades funcionales, sigue siendo válido. La clave reside en reconocer con precisión los límites de la distorsión de la señal que acompaña la interpretación de las estadísticas de asociación como mecanismos de acción biológica y en refinar los criterios de interpretación de los datos.