Nueva herramienta estadística revela vías genéticas ocultas en enfermedades complejas

Enfermedades complejas como el párkinson, el cáncer de mama y el colesterol alto suelen diferir ampliamente en sus causas, incluso cuando los pacientes comparten el mismo diagnóstico. Algunas personas desarrollan la enfermedad debido a miles de variantes genéticas comunes, mientras que otras se ven afectadas por una única mutación rara. Los estudios genéticos tradicionales a gran escala han ocultado estas diferencias al promediar los efectos genéticos de todos los pacientes. Ahora, los investigadores han introducido un enfoque estadístico que detecta factores genéticos ocultos y subagrupa a los pacientes según las verdaderas causas biológicas de su enfermedad. Esto abre la puerta a pruebas clínicas y herramientas que pueden asignar terapias a los pacientes según el mecanismo real que desencadena su enfermedad.

Desarrollado por investigadores de la Universidad Rice (Houston, Texas, EUA), el Facultad de Medicina de Baylor (Houston, Texas, EUA) y colaboradores, el método denominado Pivote Causal es una extensión del Análisis Causal, una rama de la ciencia estadística, e introduce nuevas herramientas computacionales para el estudio de enfermedades complejas. El enfoque aprovecha las puntuaciones de riesgo poligénico (PRS), que resumen los efectos combinados de variantes genéticas comunes, como punto de referencia para detectar mutaciones raras y dañinas adicionales.

El pivote causal formaliza la idea de que si una variante rara causa la enfermedad en algunas personas, los portadores tendrán valores de PRS más bajos en comparación con los no portadores. Esto crea una prueba estadística rigurosa para identificar subgrupos impulsados por variantes raras y estimar la magnitud de su efecto. A diferencia de los estudios tradicionales de asociación de genoma completo, el método puede funcionar con diseños basados solo en casos, una gran ventaja en estudios donde los controles sanos son escasos. Las medidas de seguridad contra factores de confusión, como la ascendencia, garantizan aún más la precisión en poblaciones diversas.

En un estudio publicado en el American Journal of Human Genetics, el equipo de investigación validó el método utilizando datos del Biobanco del Reino Unido. Los investigadores lo aplicaron a pares de genes-enfermedades bien estudiados, como el LDLR en el colesterol alto, el BRCA1 en el cáncer de mama y el GBA1 en la enfermedad de Parkinson. En cada caso, el Pivote Causal detectó señales claras que coincidían con la biología conocida, mientras que las pruebas con genes no relacionados o variantes inocuas no produjeron falsos positivos. El enfoque también reveló nuevos conocimientos sobre las vías de almacenamiento lisosomal en el Parkinson, mostrando cómo múltiples variantes raras pueden combinarse para impulsar la enfermedad.

Los hallazgos demuestran cómo la detección de subgrupos puede transformar la medicina genética al permitir a los médicos asignar terapias a los pacientes basándose en mecanismos en lugar de síntomas. Al revelar las rutas genéticas de una enfermedad, el Pivote Causal podría orientar pruebas genéticas más específicas, mejorar el diseño de ensayos clínicos y proporcionar un marco para tratamientos específicos según el mecanismo. Los investigadores también prevén que el enfoque se extienda más allá de la genética, utilizando exposiciones ambientales, biomarcadores o características de imagen como puntos de referencia para descubrir otros factores desencadenantes de enfermedades.

No todas las personas con una enfermedad compleja llegan a la meta de la misma manera. El Pivote Causal está diseñado para detectar esas diferencias y clasificar a los pacientes en subgrupos más precisos y biológicamente significativos. Este es un paso fundamental hacia una medicina genética verdaderamente personalizada, afirmó Chad Shaw, estadístico de la Universidad Rice y la Facultad de Medicina de Baylor, y director del Laboratorio de Datos al Conocimiento de Rice.

Visitar la expo >

Miembro Platino

Analizador de coagulación automatizado

Hemolumi H6

New

Miembro Oro

Solución de biomarcadores proteicos en sangre para la enfermedad de Alzheimer

BG-DTi2000.

Steam Sterilizer

Hi Vac II Line

New

Miembro Oro

Analizador totalmente automatizado de proteínas específicas (nefelometría)

PA240