INGENE y MODULE amplían la búsqueda de genes asociados con la esquizofrenia mediante redes de coexpresión
Antecedentes: regulación de la expresión que escapa al análisis de variantes cercanas al gen
Un estudio apunta a que el uso de información de regulación génica a distancia procedente de redes de coexpresión puede ampliar el conjunto de genes cuya expresión es posible predecir y ayudar a identificar genes adicionales asociados con la esquizofrenia. Publicado en Nature Genetics, el trabajo desarrolló dos modelos predictivos, INGENE y MODULE, y evaluó las ventajas de combinarlos con modelos existentes de regulación local.
Los estudios de asociación de todo el transcriptoma (TWAS) examinan la relación entre la expresión génica estimada a partir del genotipo y la enfermedad. Un locus de rasgo cuantitativo de expresión (eQTL) es una posición genómica asociada con diferencias en los niveles de expresión génica. Los TWAS existentes utilizan sobre todo cis-eQTL cercanos al gen, pero no reflejan suficientemente los efectos de la regulación trans a distancia. Los efectos trans individuales son relativamente débiles y hay muchas combinaciones que explorar, lo que dificulta su detección. El equipo acotó el espacio de candidatos con redes de coexpresión, que representan las relaciones entre genes cuyos patrones de expresión están correlacionados.
Hallazgos principales: mayor alcance predictivo e información cis y trans complementaria
El equipo utilizó datos de secuenciación de ARN de tejido en conjunto (bulk RNA-seq) y de genotipos de seis regiones de cerebros humanos post mortem. El análisis bulk mide conjuntamente la expresión de las distintas células mezcladas en un tejido. INGENE predice la expresión del gen diana combinando la expresión de genes asociados por coexpresión, estimada con modelos cis. MODULE utiliza variantes trans candidatas asociadas con el primer componente principal, un patrón de expresión representativo de un grupo de genes coexpresados.
En los datos de GTEx, el número de genes cuya expresión pudo predecir INGENE fue hasta 1,8 veces el del modelo CIS existente. Esto no significa que la precisión de predicción para cada gen individual fuera 1,8 veces la del modelo CIS. Los valores medios del coeficiente de determinación ajustado (R²) por región cerebral fueron del 7,1–7,8% para CIS, del 7,2–9,4% para EpiXcan, del 2,0–3,3% para INGENE y del 2,7–4,9% para MODULE. Los modelos trans abarcaron un conjunto más amplio de genes, pero explicaron una proporción menor de la variación de expresión de cada gen que los modelos cis.
La combinación de ambos tipos de información ayudó a compensar sus respectivas limitaciones. Considerando varias regiones cerebrales en conjunto, el marco completo predijo significativamente la expresión de 18.744 genes. Esta cifra incluye predicciones solo cis, solo trans y combinadas cis y trans; por tanto, no implica que la combinación mejorara la precisión para todos los genes. En una comparación que aplicó un modelo integrado construido con datos de GTEx a un conjunto de datos separado de CMC, el R² ajustado también fue mayor que con un predictor único.
A continuación, el equipo aplicó el sistema predictivo a datos de genotipos de 102.613 personas de 62 cohortes del tercer conjunto de datos del Consorcio de Genómica Psiquiátrica (PGC3). El análisis de la asociación entre la expresión estimada genéticamente y el diagnóstico de esquizofrenia identificó 766 genes con asociaciones independientes, con una tasa de falsos descubrimientos (FDR) inferior a 0,01 tras el análisis condicional y la corrección por pruebas múltiples. De estas asociaciones, 641 no se habían comunicado en estudios de asociación transcriptómica anteriores.
Significado y perspectivas: más candidatos para estudios funcionales posteriores
El estudio incorporó a la predicción de expresión y a la búsqueda de asociaciones con la enfermedad información reguladora que puede pasar inadvertida cuando solo se consideran variantes cercanas al gen. Las asociaciones recién identificadas no demuestran que esos genes causen esquizofrenia ni que sean dianas terapéuticas confirmadas. El estudio tampoco evaluó la respuesta al tratamiento en pacientes.
El trabajo se basó en conjuntos de datos de tamaño intermedio de tejido post mortem analizado en conjunto, lo que dificulta separar los efectos por tipo celular, y la población estudiada se limitó a personas de ascendencia europea. Aunque se ajustó por sexo como covariable, no se analizaron por separado los efectos de la regulación de la expresión según el sexo. La reproducibilidad de las asociaciones con la enfermedad se evaluó excluyendo las cohortes de PGC3 de una en una; los resultados no se confirmaron en datos independientes de PGC. Entre las tareas futuras figuran reunir conjuntos de datos más grandes y de poblaciones con ascendencias diversas, realizar análisis por tipo celular y llevar a cabo experimentos funcionales.
Los métodos y resultados pueden consultarse en el artículo de Nature Genetics.
Nature Genetics, Published online: 22 June 2026; doi:10.1038/s41588-026-02646-3INGENE and MODULE enhance gene expression prediction by capturing the effects of trans-eQTLs acting within coexpression networks. Integrating cis and trans predictions improves expression imputation for transcriptome-wide association studies.
Los equipos que investigan la genómica de la esquizofrenia pueden utilizar la información de redes de coexpresión para explorar candidatos adicionales que los TWAS centrados en cis podrían haber pasado por alto. Por ejemplo, pueden seleccionar candidatos con señales de asociación en una región cerebral concreta, reevaluar sus asociaciones en cohortes independientes y diseñar estudios con modelos celulares para comprobar los efectos funcionales de los cambios de expresión. Este es un posible uso para priorizar experimentos posteriores.
El artículo también indica dónde están disponibles públicamente los modelos predictivos, los resultados del análisis y el código, lo que ofrece un punto de partida para estudios de replicación. Hace falta validar por separado si modificar la expresión de un gen candidato mejora la enfermedad. Los resultados actuales no proporcionan una base para aplicar estos hallazgos al diagnóstico de pacientes, la selección de fármacos o el ajuste de dosis.