Antecedentes

Con el avance de las tecnologías de análisis del genoma humano, se han intensificado las investigaciones para identificar genes diana que causan enfermedades. Los estudios de asociación de genoma completo (GWAS) han logrado descubrir numerosos loci relacionados con enfermedades. Sin embargo, debido a que la mayoría de las variantes se encuentran en regiones no codificantes que no codifican proteínas, ha sido difícil identificar los genes causales que provocan directamente las patologías.

Para superar estas limitaciones, los estudios de asociación del transcriptoma (TWAS) se han consolidado como una herramienta clave en la genética estadística. El TWAS integra datos de loci de rasgos cuantitativos de expresión (eQTL) para modelar estadísticamente la correlación entre los niveles de expresión génica y los fenotipos de enfermedades. Basándose en esto, los investigadores han estimado genes que aumentan o disminuyen el riesgo de enfermedad en tejidos o células específicos.

Los pipelines de análisis existentes presentan una vulnerabilidad estructural: no logran excluir completamente el fenómeno de desequilibrio de ligamiento (LD), donde variantes genéticas adyacentes se heredan juntas. Esto ocurre porque la co-regulación mediada por variantes de marcadores adyacentes, y no por variaciones causales, provoca que los perfiles de expresión de los genes circundantes cambien conjuntamente. Se ha planteado constantemente la preocupación de que las señales falsas positivas puedan confundirse con causas de enfermedades o que la dirección de la causalidad pueda invertirse.

Hallazgos clave

Los investigadores modelaron y cuantificaron matemáticamente el efecto de confusión que la co-regulación de perfiles de expresión, derivada del desequilibrio de ligamiento, ejerce sobre los resultados de TWAS en diversos tipos celulares. Separaron con precisión la estructura genética compartida entre un gen diana con variantes causales y genes no causales situados a su alrededor, aplicando este modelo a simulaciones y datos genómicos reales.

Los resultados confirmaron que la co-regulación entrelazada con variantes de marcador adyacentes va más allá del simple ruido estadístico, alterando la dirección misma de la asociación gen-enfermedad. Se observó sistemáticamente un fenómeno de inversión, donde un gen que realmente inhibe la aparición de una enfermedad es erróneamente estimado como un factor de riesgo que la promueve, debido a que la señal de LD fuerte de un locus adyacente oculta su efecto.

La probabilidad de esta distorsión de la señal aumentó significativamente a medida que los datos de expresión entre organizaciones y tipos celulares se volvieron más complejos. En particular, en el caso de enfermedades genéticas complejas, se ha demostrado numéricamente que una proporción no despreciable de coeficientes de correlación espurios, derivados de la interferencia en la corregulación cuando varios genes se concentran en regiones estrechas del genoma, logran pasar los modelos de corrección existentes. Los investigadores revelaron mediante indicadores estadísticos los puntos ciegos de los algoritmos TWAS actuales, que no reflejan conjuntamente las redes de regulación transcripcional específicas de cada célula y la estructura local de LD.

Mientras que las metodologías previas se centraban principalmente en el aumento del tamaño de la muestra o en la mejora de la capacidad predictiva de los modelos de aprendizaje automático, este estudio difiere en su enfoque al presentar un indicador cuantitativo para medir por separado el entrelazamiento de señales pleiotrópicas derivadas de variantes asociadas.

Significado y perspectivas

Este análisis pone en entredicho los métodos de priorización de genes candidatos a enfermedades que se han considerado como la teoría establecida en la investigación transcriptómica. En la etapa de descubrimiento de numerosos candidatos a fármacos, no fueron pocos los casos en los que se sufrió un fracaso en las fases tardías al confiar ciegamente en la orientación propuesta por TWAS para desarrollar terapias que inhiben o promueven la función del gen diana. Si la dirección de la asociación con la enfermedad estuviera invertida por una ilusión estadística, se desperdiciarían recursos y tiempo considerables en los procesos de validación preclínica.

La dinámica del genoma ahora enfrenta el desafío de implementar un sistema de validación estándar que verifique la estructura de las variantes locales, en lugar de aceptar los resultados de los análisis de asociación transcriptómica como verdades únicas. Se requiere esencialmente una etapa que integre datos transcriptómicos de célula única de alta resolución con experimentos de genómica funcional basados en CRISPR para validar físicamente las correlaciones estadísticas.

Al mismo tiempo, persiste la limitación de que los paneles de referencia genómicos multiétnicos actuales siguen siendo insuficientes para reflejar por completo la complejidad de los eQTL específicos de tejido y las diferencias en la estructura de LD entre grupos étnicos. Es el momento de que las investigaciones posteriores se centren en expandir significativamente los datos de poblaciones no europeas y en desarrollar algoritmos de corrección estadística multivariante que integren la variabilidad transcripcional del microentorno celular.