Los avances en la secuenciación del genoma y las tecnologías relacionadas han dado lugar a grandes estudios que comparan las variantes genéticas entre personas sanas y personas con una enfermedad dada. Estos estudios han identificado con éxito miles de variantes genéticas vinculadas a diferentes enfermedades. Sin embargo, los mecanismos por los que estas variantes influyen en los procesos de enfermedad siguen siendo desconocidos.
Ahora, científicos del Departamento de Biología Computacional (DCB) de la Universidad de Lausana (UNIL, Suiza) y el Instituto Suizo de Bioinformática SIB, en colaboración con investigadores del Hospital Universitario de Lausana (CHUV) y el Instituto Broad del MIT y Harvard (EE.UU.), han mapeado las redes de genes que son perturbadas por las variantes propias de las enfermedad con una resolución sin precedentes, a lo largo de cientos de tipos de células y tejidos humanos.
Han participado Daniel Marbach, David Lamparter y Sven Bergmann (SIB, UNIL), en colaboración con el geneticista estadístico Zoltán Kutalik (SIB, CHUV, UNIL) y Manolis Kellis (MIT), informa el SIB en una nota de prensa.
«El desafío es que más del 90% de las variantes de la enfermedad se encuentran fuera de los genes, en regiones del genoma que están siendo mal entendidas», dice Marbach. «Estas regiones pueden tener funciones reguladoras, que a veces se encuentran alteradas por las variantes genéticas. Las cosas se ponen aún más complicadas porque las relaciones de regulación pueden variar entre los diferentes tipos de tejidos. Por ejemplo, un determinado gen puede activar otro del hígado, pero no del corazón.»
Así, el equipo abordó la ambiciosa tarea de crear «mapas» precisos de las redes reguladoras que controlan la actividad de los genes en un tejido determinado. Los datos de un consorcio de investigación internacional (Fantom) junto con nuevas técnicas de análisis les permitieron crear la mayor colección de este tipo de redes hasta la fecha, que describe las interacciones reguladoras entre los más de 19.000 genes de cerca de 400 tipos de células y tejidos humanos. Así, el estudio ofrece la primera visión global de los sistemas de regulación a través de una amplia gama de células y tejidos.
Redes sociales
La hipótesis subyacente era que las variantes genéticas pueden afectar a genes que están conectados dentro de las redes de regulación de los tejidos que son específicos para ciertas enfermedades. Para probar su hipótesis, los investigadores emplearon técnicas similares a las aplicadas a las redes sociales para obtener información acerca de los usuarios sobre la base de sus interconexiones. Pero en este caso, se utilizaron redes biológicas para obtener información acerca de los genes que pueden conducir a enfermedades.
En un gran estudio que incluyó datos genéticos de diversos desórdenes neurodegenerativos, psiquiátricos, inmunitarios, cardiovasculares y metabólicos, los investigadores encontraron que las enfermedades afectan a menudo a variantes de grupos de genes que estaban interconectados densamente dentro de las redes de regulación, lo que confirma su hipótesis.
Además, estos componentes de red afectados identificaron con precisión notable tipos de células o tejidos que están implicados en los procesos de enfermedad. «Por ejemplo, en las personas con esquizofrenia se encontró que tenían variantes genéticas que perturban genes que interactúan en los tejidos del cerebro responsables del comportamiento cognitivo y emocional, mientras que las variantes genéticas asociadas con la obesidad afectan a genes que interactúan en los tejidos del sistema intestinal», dice Marbach.
«Nuestro trabajo demuestra que los mapas precisos de las redes de genes de diferentes tejidos serán de gran valor para avanzar en nuestra comprensión de cómo empiezan y progresan las enfermedades, algo que es esencial para diseñar tratamientos dirigidos y para identificar grupos de pacientes que respondan a estos tratamientos personalizados», concluye Bergmann.
Referencias bibliográficas:
Marbach, D., Lamparter, D., Quon, G., Kellis, M., Kutalik, Z. & Bergmann, S.: Tissue-specific regulatory circuits reveal variable modular perturbations across complex diseases. Nature Methods (2016). DOI:10.1038/nmeth.3799,
Lamparter, D., Marbach, D., Rico, R., Kutalik, Z. & Bergmann, S: Fast and rigorous computation of gene and pathway scores from SNP-based summary statistics. PLOS Computational Biology (2016). DOI:10.1371/journal.pcbi.1004714,