Estudio de asociación a nivel de todo el microbioma

Un estudio de asociación de todo el microbioma ( MWAS , por sus siglas en inglés), también conocido como estudio de asociación de todo el metagenoma ( MGWAS , por sus siglas en inglés), es una metodología estadística que se utiliza para examinar el metagenoma completo de un microbioma definido en diversos organismos con el fin de determinar si alguna característica (por ejemplo, un gen o una especie) del microbioma está asociada con un rasgo del huésped . El campo de la metagenómica ha adoptado el MWAS a partir del estudio de asociación de todo el genoma (GWAS, por sus siglas en inglés), ampliamente utilizado .

Aunque MWAS está fonética y conceptualmente vinculado a GWAS, existen varias diferencias clave:

• Hay aproximadamente 150 veces más genes en el microbioma que en el genoma humano . ^{[ 2 ]} Un GWAS solo debe encontrar genes significativamente asociados a lo largo del número predefinido de cromosomas de la especie. Por otro lado, el MWAS debe analizar todas las características presentes en un número indeterminado de microorganismos. Como resultado, existe una probabilidad mucho mayor de encontrarse con el problema de las pruebas múltiples . ^{[ 3 ]}
• Si bien las poblaciones hospedantes contienen una colección de genes relativamente similar en el genoma, la variación genética de cualquier microbioma dado puede variar significativamente entre diferentes hospedantes y entornos. ^{[ 4 ]} El genoma del microbioma también puede variar temporalmente en un hospedador dado ^{[ 5 ]} mientras que el genoma del hospedador en un GWAS es fijo a lo largo de su vida.
• Los conjuntos de datos del microbioma obtenidos son inherentemente composicionales ^{[ 6 ]} e interaccionales. La suposición de que los genes existen en un espacio euclidiano se ve violada por la naturaleza no lineal de los datos composicionales . ^{[ 7 ]}

Existen varias formas de clasificar qué característica del microbioma se utilizará en un MWAS. El MWAS puede evaluarse utilizando un nivel taxonómico específico (especie, género, ^{[ 8 ]} filo, etc.), unidad taxonómica operativa (OTU) ^{[ 1 ]} o variante de secuencia de amplicón (ASV), transcriptoma , ^{[ 9 ]} proteoma , ^{[ 10 ]} y más. El enfoque utilizado depende de la hipótesis de investigación, ya que cada método suele dar resultados diferentes.

A menudo, se utiliza un enfoque basado en el nivel taxonómico o en OTU/ASV para determinar las correlaciones entre la característica específica del microbioma y el fenotipo deseado. Se pueden emplear varios métodos, como enfoques de aprendizaje automático como bosques aleatorios ^{[ 11 ]} y aprendizaje profundo ^{[ 12 ]} . La asociación de características también se puede establecer con programas como DESeq2 y ANCOM. Sin embargo, las correlaciones establecidas por la amplia gama de herramientas disponibles no siempre se traducen en causalidad. Los investigadores determinan la causalidad mediante pruebas secuenciales ^{[ 13 ]} . Métodos más recientes han explorado la inferencia de gemelos digitales de ecosistemas microbianos para abordar algunos desafíos de modelado que surgen de la diversidad de microbios en dichos entornos, la variabilidad entre huéspedes y la composición de las mediciones ^{[ 14 ] .}