Un método de cálculo permitiría predecir los genes que serían causa de enfermedad

Un equipo de investigadores dirigido por Hae Kyung Im, de la Universidad de Chicago, ha desarrollado un método que conseguiría detectar los genes implicados en enfermedades y/o rasgos biológicos. Lo han llamado PrediXcan.

Redacción. Madrid | dmredaccion@diariomedico.com | 11/08/2015 13:39

Investigadores de la Universidad de Chicago han desarrollado un nuevo método de cálculo que les permitiría mejorar la detección de genes que son probablemente la causa de complejas enfermedades y rasgos biológicos. El método se llama PrediXcan y es capaz de estimar niveles de expresión génica a lo largo de todo el genoma, una mejor medida de acción biológica que mutaciones simples, y lo integra con datos de estudios de asociación del amplio genoma (DEAAG). Se ha publicado en Nature Genetics.

PrediXcan permitiría identificar objetivos génicos con mayor exactitud que los métodos tradicionales y de forma más rápidas para nuevas aplicaciones terapéuticas. "PrediXcan nos dice cuáles son los genes que más probablemente se afectarán en una enfermedad o rasgos para aprender la relación entre genotipo y enfermedades asociadas desde los estudios de DEAAG", ha dicho el director del estudio Hae Kyung Im, investigador asociado de medicina genética de la Universidad de Chicago. Además, ha asegurado que es el primer método que cuenta con el mecanismo de regulación génica y que "puede ser aplicada a cualquier enfermedad heredada o fenotipo".

Límites de la competencia
Los estudios de asociación del amplio genoma son una herramienta crítica en la detección de genes implicados en las enfermedades complejas como la diabetes y el cáncer o rasgos tales como la altura y la obesidad, y ayudan a determinar estos vínculos. Sin embargo, las mayores variaciones asociadas a enfermedad son las que no alteran la función de un gen pero cambia la cantidad del gen copiado en las células. Estos estudios son incapaces de determinar una relación causal debido a factores tales como una regulación génica los cuales permanecen indetectados por unos DAEAG.

Los estudios de transcripción tales como el programa National Institute of Health's Genotype-Tissue Expression (GTEx) apuntan a vencer esta limitación para estudiar los niveles de expresión génica y mecanismos de regulación y sus relaciones con enfermedades, a pesar de una única secuencia de ADN. Pero los estudios de transcripción también tienen limitaciones significativas, tales como una incapacidad para determinar causalidad inversa, si los niveles de expresión génica son alterados por una enfermedad, o si la enfermedad surge debido a la expresión génica alterada.

Integración
Im y sus colegas integraron las transcripciones y los DEAAG en un marco de un solo cálculo y le llamaronPrediXcan. El método usa algoritmos de cálculo para aprender cómo influye la secuencia genómica en la expresión génica, basada en un conjunto de datos de una gran escala de transcripción tal como es la GTEx. Entonces puede ser usado para crear cálculos estimados de niveles de expresión génica de cualquier secuencia genómica completa o fragmento de conjunto de datos.

Los genomas que han sido secuenciados como parte de un DEAAG pueden ser ejecutada a través del PrediXcanpara generar un perfil de expresión génica, el cuál es analizado para determinar la asociación entre los niveles de expresión génica y los estados de enfermedad o el rasgo de interés para ser estudiado.

Rasgos del PrediXcan
El método no solo puede identificar los genes potencialmente causales, puede determinar direccionalmente, si niveles altos o bajos de expresión podrían causar la enfermedad o rasgo. Como los cálculos se basan en los datos de secuencia de ADN y las mediciones no físicas, puede desmenuzar parte del componente genéticamente determinado de expresión génica de los efectos de su propio rasgo (evitando causalidad inversa) y otros factores tales como el medio ambiente. Con PrediXCan, los estudios de validación solo necesitan probar unos pocos miles de genes a lo sumo, en lugar de millones de únicas mutaciones potenciales. Además, el método puede ser usado para reanalizar conjuntos de datos genómicos existentes con un enfoque sobre el mecanismo en un gran rendimiento, para abordar una brecha importante en estudios DEAAG.

Los autores aseguran que conocen las consecuencias de la variación génica en la transcripción con el fin de descubrir genes, en lugar de solo mirar a las mutaciones. "De alguna manera, estamos modelando un mecanismo a través del cual los genes afectan a enfermedades o rasgos, que es la regulación del nivel de expresión génica".

Casi cada rasgo complejo o enfermedad tiene un componente genético y este método puede ser usado para predecir la influencia de ese componente, reduciendo la complejidad de estudios de seguimiento.