Estudio de asociación a nivel de todo el transcriptoma

El estudio de asociación de todo el transcriptoma (TWAS) es una metodología genética que se puede utilizar para comparar los componentes genéticos de la expresión génica y los componentes genéticos de un rasgo para determinar si existe una asociación entre ambos componentes. ^{[ 1 ] [ 2 ]} Los TWAS son útiles para la identificación y priorización de genes causales candidatos en el análisis de genes candidatos después de los estudios de asociación de todo el genoma. ^{[ 3 ]} Los TWAS examinan los productos de ARN de un tejido específico y brindan a los investigadores la capacidad de observar los genes que se expresan, así como los niveles de expresión génica, que varían según el tipo de tejido. Los TWAS son herramientas bioinformáticas valiosas y flexibles que examinan las asociaciones entre la expresión de genes y rasgos y enfermedades complejos. ^{[ 4 ]} Al observar la asociación entre la expresión génica y el rasgo expresado, se pueden investigar los mecanismos de regulación genética para determinar el papel que desempeñan en el desarrollo de rasgos y enfermedades específicos.

Un transcriptoma es la suma de todos los transcritos de ARN que están presentes en una célula, tejido u órgano determinado dentro de un organismo. Los transcriptomas incluyen tanto el ARNm, que funciona como un intermediario del dogma central; como los ARN no codificantes que pueden desempeñar otras funciones en la síntesis de proteínas. ^{[ 5 ]} En el dogma central, se describe cómo el ADN es capaz de producir proteínas a través de la transcripción y la traducción. Los ARN están presentes en una célula en concentraciones variables y desempeñan diversas funciones fuera del dogma central y pueden identificarse según su longitud y función. Es a través de elementos funcionales que se pueden regular las actividades transcripcionales y traduccionales de los genes. ^{[ 4 ]} El análisis del transcriptoma es beneficioso para obtener información sobre todos los ARN presentes y puede proporcionar información valiosa sobre los mecanismos genéticos que son específicos de los tejidos. ^{[ 6 ]} El transcriptoma se investigó por primera vez en la década de 1990 en un experimento realizado para identificar un transcriptoma parcial del cerebro humano. Los investigadores pudieron identificar 609 secuencias de ARNm. ^{[ 5 ]} Desde entonces, se han realizado muchos avances en los métodos de secuenciación de próxima generación. ^{[ 6 ]} Ahora es posible desarrollar transcriptomas de forma rutinaria gracias a los avances en estos métodos y a nuevas tecnologías como los microarrays y la secuenciación de ARN (RNA-Seq). Ambos métodos requieren imágenes computarizadas, así como un alto número de lecturas y análisis estadístico. ^{[ 5 ]} Al obtener información sobre la expresión génica a través de los ARNm, se han descubierto muchas aplicaciones. El análisis del transcriptoma ha demostrado ser beneficioso para identificar procesos patológicos, así como elementos reguladores en la progresión de enfermedades, ha ayudado al desarrollo de fármacos mediante la identificación de procesos patológicos, ofrece información sobre estrategias terapéuticas y ha mejorado la identificación de genes que pueden responder a factores ambientales bióticos y abióticos, así como la forma en que las condiciones ambientales influyen en la expresión génica. ^{[ 5 ]}

Un estudio de asociación de genoma completo (GWAS, por sus siglas en inglés) es una herramienta genética que utiliza polimorfismos de un solo nucleótido (SNP, por sus siglas en inglés) para identificar si un rasgo o enfermedad está vinculado a una variante genética específica. Al observar si las frecuencias de una variante específica se asocian con mayor frecuencia, o son más altas de lo esperado, con el rasgo dado, se establece una asociación entre el rasgo y la variante. Sin embargo, muchas de estas asociaciones pueden desarrollarse en todo un individuo debido al desequilibrio de ligamiento y al gran tamaño del genoma. Si bien los GWAS proporcionan información valiosa para identificar marcadores en todo el genoma, una gran parte de los SNP se encuentran en regiones de ARNm no codificantes, y muchos tienen funciones desconocidas que son difíciles de determinar mediante métodos estándar, ya que estas regiones del genoma no producen ningún producto. ^{[ 4 ]}

Los estudios de asociación de transcripción (GWAS) pueden tomar la información de los resultados de GWAS y utilizarlos como datos de referencia, lo que ayuda a identificar y priorizar genes. ^{[ 4 ]} Para realizar este análisis, se debe obtener un panel de referencia para la expresión génica, como un locus de rasgo cuantitativo de expresión (eQTL), que ayuda a mostrar la regulación de la expresión génica. ^{[ 4 ]} Utilizando el panel de referencia, se puede generar un modelo predictivo para imputar la variación de la expresión de los genes. La imputación es el proceso mediante el cual se pueden predecir los niveles de expresión de los genes en otros organismos a través de la variación existente en su genoma basándose en un panel de referencia. Al predecir los niveles de expresión génica dentro de un tejido, se eliminan otras variables como el ambiente y los efectos epigenéticos, ya que esta predicción se basa únicamente en la variante presente y el nivel esperado de expresión génica. Sin embargo, esto puede llevar a imprecisiones en las predicciones de expresión génica, ya que tanto el ambiente como las modificaciones epigenéticas pueden alterar el nivel de expresión génica. ^{[ 7 ]} Los componentes cis-genéticos son el foco principal de los eQTL, ya que son elementos que se encuentran a menos de 1 megabase de un gen. ^{[ 2 ]} El modelo predictivo se puede aplicar a las muestras de GWAS para predecir la expresión génica de los SNP significativos de ese estudio. Después de imputar los niveles de expresión, se realizan pruebas de asociación gen-rasgo asociando los niveles de expresión predicha y los genotipos con los fenotipos del individuo. ^{[ 8 ]} Esencialmente, un TWAS puede tomar los resultados de GWAS y predecir los efectos de cada variante en los niveles de expresión de los genes asociados con el rasgo, y puede hacerlo para cada loci asociado con el rasgo en todo el genoma. ^{[ 7 ]}

Los resultados se pueden interpretar en un gráfico de Manhattan, de forma similar a los resultados de GWAS. Cualquier locus que se considere estadísticamente significativo tendrá un valor p más alto, lo que indica que es probable que el locus esté asociado con el rasgo o la enfermedad que se está investigando. Cualquier valor p estadísticamente significativo tiene un valor logarítmico p más alto y se muestra por encima de la línea de corrección de Bonferroni . El gráfico de Manhattan se denomina así porque los genes estadísticamente significativos aparecen como "rascacielos" en el gráfico, y cuando hay muchos genes asociados con el rasgo, el gráfico se asemeja al horizonte de Manhattan. Aunque la imagen del gráfico de Manhattan es para un estudio GWAS, los resultados de TWAS se muestran de la misma manera. Los loci estadísticamente significativos son genes que tienen SNP significativamente asociados cuya expresión se correlaciona con el rasgo o la enfermedad de interés.

PrediXcan ^{[ 1 ]} y FUSION ^{[ 2 ]} son ​​dos programas de TWAS que se han utilizado en estudios genéticos para investigar las asociaciones gen-rasgo. PrediXcan es un programa de TWAS bien desarrollado que tiene la capacidad de estimar la expresión regulada genéticamente y determinar asociaciones con el fenotipo en estudio. Utiliza un modelo de regresión penalizada para ponderar los niveles de expresión génica observada y los cis-SNP derivados del conjunto de datos de referencia. ^{[ 8 ]} El programa utiliza datos de genotipo individuales para realizar pruebas de asociación gen-rasgo. FUSION es otro programa de TWAS que utiliza un análisis estadístico diferente para crear las pruebas de asociación. En este modelo, los métodos de imputación del modelo predictivo se calculan en base a un modelo mixto lineal disperso bayesiano. ^{[ 8 ]} La ventaja de este programa es que puede realizar pruebas de asociación en datos de genotipo individuales, pero también puede tomar información de conjuntos de datos a gran escala mediante imputación.

Las ventajas de esta metodología radican en la información que proporciona a los investigadores sobre la función de los genes y la asociación entre las funciones génicas y la expresión génica. TWAS tiene el potencial de tomar los resultados de GWAS y extenderlos para ayudar a comprender los mecanismos de las enfermedades. ^{[ 4 ]} Además, como este método utiliza loci previamente identificados mediante análisis GWAS, la carga de pruebas asociada a TWAS es menor, ya que se analizan menos sitios. Al reducir el número de loci analizados, se permite un análisis más profundo de los sitios analizados y se puede obtener una mayor comprensión de las funciones y asociaciones de los loci significativos.

Los TWAS también tienen la ventaja de reducir los efectos de los factores de confusión. Al construir un modelo predictivo, solo se considera la expresión genética, no la expresión total. La expresión total incluye factores como el ambiente y las modificaciones epigenéticas en los niveles de expresión, y no se tienen en cuenta en el modelo predictivo. Al no considerar estos factores, se puede reducir la precisión de los niveles de expresión génica predichos; sin embargo, también se reducen los efectos de las variables de confusión en los resultados. ^{[ 2 ]}

Otra ventaja de TWAS es que los resultados son específicos de cada tejido. El nivel de expresión génica difiere según el tejido en el que se encuentren los genes, ya que cada tejido tiene patrones de empalme y de regulación específicos. Al contar con resultados específicos de cada tejido, se amplía la información que se puede obtener a través de estos estudios, ya que los resultados pueden mostrar cómo difiere la regulación génica según el tipo de tejido, cómo se regulan las funciones y si existen mecanismos reguladores comunes entre los tejidos o si los mecanismos reguladores tienen funciones diferentes en cada tejido. Los métodos TWAS de tejido cruzado también permiten identificar posibles genes causales de enfermedades y rasgos a mayor escala; sin embargo, los métodos de tejido único permiten determinar asociaciones de forma específica para cada caso. ^{[ 8 ]}

Muchas de las desventajas de TWAS se derivan de las capacidades predictivas del modelo utilizado para predecir los niveles de expresión génica a partir de los genotipos. Una desventaja de TWAS es que se centra principalmente en los componentes genéticos cis para la imputación y, en la mayoría de los estudios, no identifica variantes de componentes genéticos trans. Esto representa una desventaja para TWAS, ya que las variantes de componentes genéticos trans son mecanismos reguladores que se encuentran fuera de un rango de 1 megabase del gen, y aunque estén a una distancia significativa del gen de interés, muchos mecanismos reguladores tienen el potencial de actuar a larga distancia y aún pueden afectar la expresión. Al no tener en cuenta estos componentes, se reduce la precisión de los niveles de expresión genética predichos y puede producirse una desviación entre los niveles de expresión esperados y observados. Como se mencionó anteriormente, otra desventaja de estos estudios es que los mecanismos ambientales y epigenéticos de regulación de la expresión génica no se consideran en el modelo predictivo, lo que también puede generar imprecisiones entre los niveles de expresión génica predichos y los observados. Otro desafío para TWAS es que puede ser difícil predecir con precisión los niveles de expresión génica cuando los genes tienen bajos niveles de heredabilidad. Los eQTL dependen de un nivel de heredabilidad, y cuando se observa una baja heredabilidad, puede afectar la detección de falsos positivos y repercutir negativamente en la capacidad predictiva del modelo utilizado para TWAS. ^{[ 4 ]}

Además, otro desafío para los estudios TWAS, muy similar a los resultados de los estudios GWAS, es que estos estudios solo pueden demostrar asociaciones a partir de los resultados. Aunque se observe una asociación estadísticamente significativa entre el gen o los loci de interés y el rasgo o la enfermedad, no se puede derivar una relación causal. Para establecer una relación causal, sería necesario realizar estudios adicionales que utilicen un enfoque de genética inversa para la eliminación de genes o la mutagénesis dirigida, con el fin de identificar relaciones causales.

Otro problema con los resultados de TWAS son las implicaciones del sesgo tisular y la corregulación. Debido a la especificidad de los mecanismos de regulación genética dentro de cada tejido, se necesitarían muchos experimentos para determinar la naturaleza específica de cada asociación de loci y cómo estas asociaciones difieren entre los tipos de tejido. ^{[ 3 ]} La corregulación resulta de un mecanismo regulador que controla la expresión de más de un locus a la vez. Al controlar más de un locus, se pueden establecer asociaciones entre los loci de interés junto con otros genes o loci que están controlados únicamente por el mismo mecanismo y que pueden no tener ninguna asociación con el rasgo o la enfermedad de interés, lo que lleva a resultados falsos positivos. ^{[ 3 ]}

TWAS Atlas es un sitio web que ha sido curado para integrar los hallazgos de numerosos estudios TWAS. Este atlas es virtual y accesible al público. Los resultados y hallazgos publicados en TWAS Atlas pueden integrarse y combinarse para facilitar estudios futuros y la comprensión de los mecanismos de regulación genética. Los resultados se presentan de forma visual para mejorar su integración. Actualmente, se han publicado 401.226 asociaciones TWAS provenientes de 200 publicaciones, que abarcan 257 rasgos y 22.247 genes, al 25 de abril de 2022. ^{[ 12 ]}