Contexto

El desarrollo de las tecnologías de secuenciación de nueva generación ha reducido significativamente el costo de descifrar el exoma o el genoma completo del paciente. Sin embargo, la tarea de identificar con precisión las variantes causales que provocan enfermedades reales a partir de los datos genómicos sigue siendo un desafío complejo. Los indicadores existentes, construidos sobre la base de datos de genómica de poblaciones humanas, han evaluado la importancia de los genes midiendo la deficiencia de variantes de pérdida de función dentro de las poblaciones. Entre ellos destacan la intolerancia a la pérdida de función (pLI) y el límite superior de la relación entre el valor observado y el esperado (LOEUF) de gnomAD.

Si bien estos indicadores basados en poblaciones humanas han contribuido a identificar genes de enfermedades graves y letales, presentan limitaciones fundamentales. Debido a las limitaciones estadísticas derivadas del tamaño de la muestra en los datos de poblaciones humanas, resultaba difícil determinar estadísticamente de manera significativa si existía una deficiencia de variantes en genes con secuencias cortas. Asimismo, los genes con una presión de selección natural débil, como en el caso de enfermedades recesivas o afecciones que se manifiestan en la edad adulta, suelen quedar fuera del análisis debido a que la señal de deficiencia de variantes en la población no es evidente. También ha faltado una herramienta para evaluar con precisión, a nivel genético, la peligrosidad de las variantes missense (de cambio de aminoácido) en la función proteica.

Hallazgos clave

Los investigadores ampliaron la visión, que se limitaba al genoma de la especie humana, a un conjunto de 462 especies de mamíferos. El objetivo fue desarrollar GISMO y GISMO-mis, nuevos indicadores que miden la esencialidad génica cuantificando las señales de selección purificadora conservadas en la trayectoria evolutiva de los mamíferos a lo largo de aproximadamente 100 millones de años. El equipo cuantificó qué tan estrictamente cada región codificante de genes ha excluido mutaciones durante el proceso evolutivo, basándose en datos de alineamiento múltiple de secuencias de 462 especies de mamíferos.

GISMO evalúa la intensidad de las restricciones evolutivas en todo el genoma, mientras que GISMO-mis calcula un índice de restricción especializado en variantes missense que tienen efectos letales en la estructura y función de la proteína. Los resultados muestran que GISMO y GISMO-mis forman una relación complementaria con los indicadores actuales basados en poblaciones humanas, mejorando drásticamente la capacidad de discriminación de la deficiencia génica. En más de 1,000 genes que codifican proteínas cortas, cuya condición esencial era difícil de determinar mediante los indicadores de gnomAD, GISMO detectó claras señales de conservación evolutiva y los clasificó con precisión como genes esenciales. Esto demuestra que las regiones cuya secuencia de aminoácidos está estrictamente conservada a lo largo de la historia evolutiva de los mamíferos presentan un alto riesgo de ser patogénicas, incluso si las variantes de pérdida de función son raras en las poblaciones humanas.

La utilidad de los nuevos indicadores también se confirmó en el análisis de cohortes de pacientes con trastornos del desarrollo poco frecuentes. Al reanalizar con GISMO-mis los datos de pacientes con trastornos del neurodesarrollo que presentan mutaciones de novo (nuevas), los candidatos a genes causales que anteriormente ocupaban posiciones bajas en la priorización pasaron a figurar entre los primeros puestos. En particular, la precisión en la predicción de la patogenicidad de las variantes missense relacionadas con malformaciones cardíacas y trastornos del espectro autista mostró una mejora significativa en comparación con los modelos anteriores.

Significado y perspectivas

Este estudio demuestra con datos claros que el Big Data de la genómica comparativa puede resolver desafíos de larga data en la medicina genómica humana. El mecanismo de filtrado natural de 100 millones de años proporcionado por los datos evolutivos de 462 especies de mamíferos llena con precisión los vacíos que las bases de datos de cientos de miles de humanos no han podido cubrir. Se ha abierto un nuevo paradigma de análisis para el descubrimiento de genes de enfermedades integrando datos de poblaciones humanas con datos de conservación evolutiva.

Existen desafíos futuros. Aunque los indicadores basados en comparaciones entre especies son excelentes para identificar mecanismos biológicos básicos compartidos por todos los mamíferos, no se puede descartar que los genes relacionados con respuestas inmunes o funciones cerebrales superiores, desarrolladas exclusivamente en humanos, puedan presentar una restricción evolutiva medida como baja. También se requieren investigaciones posteriores para extender el modelo a regiones reguladoras no traducidas o variantes de ARN no codificante. A pesar de estas limitaciones, se espera que la incorporación del grupo de indicadores GISMO en los pipelines de priorización de genes candidatos a enfermedades se convierta en un activo clave para reducir la tasa de diagnósticos no resueltos en el campo de la genómica clínica.