MPG amplio: leer la estructura de colaboración más que los datos masivos
Por qué es importante conocerlo
La genética de las enfermedades complejas no se resuelve con una sola plataforma de secuenciación ni con un único método de análisis. Para manejar genotipos y fenotipos de cientos de miles de individuos, deben integrarse la genética de poblaciones, la estadística, la biología molecular, la medicina clínica, la bioinformática y la gobernanza de datos. El Instituto Broad de Genética Médica y de Población (MPG) es un ejemplo que ilustra esta estructura colaborativa.
Al presentar instituciones o programas, limitarse a enumerar figuras célebres y grandes tamaños de muestra hace perder de vista el proceso real de producción de conocimiento. Es necesario observar cómo se articulan la pregunta de investigación, las cohortes, la definición del fenotipo, la infraestructura de análisis y la validación funcional posterior.
Lo que plantea la genética de poblaciones
Las poblaciones presentan diferencias en la frecuencia de alelos causadas por variantes compartidas, variantes raras, ascendencia e historia demográfica. Al buscar asociaciones con enfermedades, si no se ajusta esta estructura, las diferencias poblacionales pueden parecerse a causas de la enfermedad. Por otro lado, categorizar la ascendencia de manera demasiado simplista puede distorsionar la diversidad genética continua y el contexto social.
Las cohortes grandes permiten detectar efectos pequeños y aumentan la oportunidad de reunir portadores de variantes raras. Sin embargo, un tamaño muestral elevado no compensa automáticamente los errores en la definición del fenotipo, el sesgo de selección ni la representación desigual.
El fenotipo determina el análisis
La misma etiqueta diabetes, depression o cardiovascular disease puede corresponder a fenotipos distintos según el código de diagnóstico, los cuestionarios, los medicamentos, los valores de las pruebas y la evaluación de especialistas. Si se mezclan las definiciones de casos y controles, el efecto genético puede diluirse o pueden introducirse en la asociación diferencias en el acceso a la atención médica.
En los estudios basados en historias clínicas electrónicas (EHR), la trayectoria de atención y la presencia de datos faltantes son especialmente importantes. Debe considerarse el sesgo de detección por el cual las personas que acuden con mayor frecuencia al hospital reciben más pruebas, lo que facilita una mejor identificación del fenotipo.
Del hallazgo al mecanismo
Los estudios de asociación del genoma completo (GWAS) y las pruebas de conjuntos de variantes raras sugieren loci o genes asociados a la enfermedad. El mapeo fino, los eQTL y los datos de cromatina ayudan a reducir el número de genes diana posibles, mientras que los modelos celulares y animales, junto con ensayos funcionales, validan el mecanismo. Entre la señal computacional y la causalidad funcional existen varias etapas independientes.
En lugar de que un solo equipo realice todas las etapas, especialistas en cohortes, estadística, experimentación y clínica colaboran sobre un modelo de datos y una procedencia comunes. El código reproducible y las políticas de acceso a los datos también forman parte del método científico.
Condiciones reales de la secuenciación del genoma completo a gran escala
Además del tamaño muestral, deben tratarse la cobertura, la llamada conjunta, la identidad de las muestras, el control de calidad sensible a la ancestría y el parentesco. Los resultados también pueden cambiar cuando cambian las versiones del almacenamiento o del pipeline de cálculo. El análisis de variantes raras es especialmente sensible a diferencias de capacidad de llamada entre lotes.
La información genómica y sanitaria sensible debe utilizarse bajo consentimiento, acceso controlado, protección de la privacidad y participación comunitaria. El diseño debe considerar simultáneamente la rapidez del intercambio de datos y los derechos de las personas participantes.
Distinción entre seminarios y evidencia formal
Los seminarios y los recuerdos personales del entorno de investigación pueden servir como material narrativo para mostrar cómo se produce la ciencia. Sin embargo, una observación sin registro oficial no debe reconstruirse como afirmación definitiva de una persona investigadora concreta. La función actual de un programa debe comprobarse mediante páginas oficiales, artículos y resultados de investigación publicados.
Puntos que pueden resultar confusos
- Una cohorte grande no equivale a una cohorte representativa.
- Un locus asociado no equivale a un gen causal.
- La ancestría no equivale a una categoría biológica fija denominada raza.
- Compartir datos no significa publicarlos sin límites.
- Explicar los logros de una institución únicamente por la intuición de una persona borra la infraestructura colaborativa.
Límites de la interpretación
La fiabilidad de la genética a gran escala surge de combinar tamaño muestral, fenotipos, representación, control de calidad, cálculo, gobernanza y reproducción independiente. Este artículo no abarca todas las actividades de una institución concreta ni cada resultado de investigación.
Lectura relacionada
Las asociaciones de variantes raras continúan en SKAT; la conexión mecanística de los GWAS, en eQTL y GWAS no codificante; y la integración en un sistema sanitario nacional, en el concepto Ecosistema británico de medicina genómica.