{"id":50011844,"date":"2021-01-14T19:35:47","date_gmt":"2021-01-15T00:35:47","guid":{"rendered":"https:\/\/gp2stg.wpenginepowered.com\/en-que-consisten-los-gwas\/"},"modified":"2024-10-21T15:02:03","modified_gmt":"2024-10-21T19:02:03","slug":"en-que-consisten-los-gwas","status":"publish","type":"post","link":"https:\/\/gp2.org\/es\/en-que-consisten-los-gwas\/","title":{"rendered":"En qu\u00e9 consisten los GWAS"},"content":{"rendered":"<p><span style=\"font-weight: 400;\">\u00bfDe qu\u00e9 va eso de la raz\u00f3n de momios? A continuaci\u00f3n presentamos una simplificaci\u00f3n excesiva de los estudios GWAS, acompa\u00f1ada, por qu\u00e9 no, de una dosis de sarcasmo.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">\u00bfQu\u00e9 nos cuentan los estudios de asociaciones de genoma completo (GWAS, por sus siglas en ingl\u00e9s) acerca de las enfermedades? \u00bfDe qu\u00e9 sirve hacer ensayos con m\u00e1s de un mill\u00f3n de caracter\u00edsticas independientes del genoma y soportar el abuso de la infinidad de ensayos? La respuesta no tiene ning\u00fan secreto: por dos razones muy simples. En primer lugar, cada regi\u00f3n candidata asociada a los genes (tambi\u00e9n conocida como <i>locus<\/i>) nos permite ampliar el alcance de nuestros conocimientos sobre una enfermedad. En segundo lugar, todos esos peque\u00f1os efectos acumulativos que se observan, cada uno de los cuales supone un aumento marginal del riesgo gen\u00e9tico, nos ayudan a predecir mejor el riesgo y a afinar los criterios de diagn\u00f3stico. Se dice que los GWAS no parten de ninguna hip\u00f3tesis, pero en realidad s\u00ed parten de una, a saber: \u00abque una variante o conjunto de variantes del genoma podr\u00eda tener efectos nocivos&#8230;. tenemos que investigarlo m\u00e1s a fondo\u00bb.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">A un nivel muy b\u00e1sico, un GWAS no es m\u00e1s que una serie de ecuaciones, cada una de las cuales examina una variante gen\u00f3mica. Desglosemos esta definici\u00f3n aplic\u00e1ndola a la enfermedad de Parkinson.<\/span><\/p>\n<p><i><span style=\"font-weight: 400;\">Enfermedad de Parkinson (1 si s\u00ed, 0 si no) ~ \u03b2<\/span><\/i><i><span style=\"font-weight: 400;\">0<\/span><\/i><i><span style=\"font-weight: 400;\"> + \u03b2<\/span><\/i><i><span style=\"font-weight: 400;\">1<\/span><\/i><i><span style=\"font-weight: 400;\">variante + \u03b2<\/span><\/i><i><span style=\"font-weight: 400;\">2<\/span><\/i><i><span style=\"font-weight: 400;\">sexo + \u03b2<\/span><\/i><i><span style=\"font-weight: 400;\">3<\/span><\/i><i><span style=\"font-weight: 400;\">edad + \u03b2<\/span><\/i><i><span style=\"font-weight: 400;\">4<\/span><\/i><i><span style=\"font-weight: 400;\">PC1 + \u03b2<\/span><\/i><i><span style=\"font-weight: 400;\">5<\/span><\/i><i><span style=\"font-weight: 400;\">PC2<\/span><\/i><\/p>\n<p><span style=\"font-weight: 400;\">Si tiene nociones de estad\u00edstica, habr\u00e1 observado que la f\u00f3rmula est\u00e1ndar de un GWAS corresponde a una simple f\u00f3rmula de regresi\u00f3n m\u00faltiple. Esta ecuaci\u00f3n en particular pone a prueba si podemos predecir si una persona tiene la enfermedad de Parkinson o no a partir de la presencia de una variante espec\u00edfica en el genoma de esa persona. Adem\u00e1s de la variante analizada, incluimos otros factores como el sexo, la edad y los componentes principales que explican la herencia gen\u00e9tica a nivel individual.\u00a0<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Ahora enfoqu\u00e9monos en la raz\u00f3n de momios y las betas. En la ecuaci\u00f3n anterior, los t\u00e9rminos \u00ab\u03b2<\/span><span style=\"font-weight: 400;\">n<\/span><span style=\"font-weight: 400;\">\u00bb delante de las variables corresponden a coeficientes. Estos nos indican cu\u00e1nto aumenta o disminuye la probabilidad estimada o el \u00abriesgo\u00bb de padecer la enfermedad de Parkinson en funci\u00f3n de la presencia de esa variable. En los manuscritos de los GWAS, estos tama\u00f1os de efecto de las variantes se presentan como valores beta o raz\u00f3n de momios. Veamos un ejemplo para interpretar ambos. En el GWAS sobre EP m\u00e1s reciente y m\u00e1s amplio hasta la fecha (Nalls 2019), una de las nuevas variantes que se ha asociado significativamente a la EP es la variante rs76116224 en el cromosoma 2. El valor beta asociado a esta variante es de 0.110. La raz\u00f3n de momios es de 1.12 (intervalo de confianza: 1.08\u20131.16). El valor beta hace referencia al aumento o disminuci\u00f3n por unidad del resultado. As\u00ed que, en este estudio:<\/span><\/p>\n<ul>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">Una copia de la variante rs76116224 supone un aumento estimado del riesgo de contraer la enfermedad de Parkinson de 0.110 * 1 = 0.110.\u00a0<\/span><\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><span style=\"font-weight: 400;\">Dos copias de la variante rs76116224 suponen un aumento estimado del riesgo de contraer la enfermedad de Parkinson de 0.110 * 2 = 0.220.\u00a0<\/span><\/li>\n<\/ul>\n<p><span style=\"font-weight: 400;\">La raz\u00f3n de momios es el exponente de los coeficientes beta, pero se interpreta de forma ligeramente distinta. Una raz\u00f3n de momios superior a 1 se asocia a una mayor probabilidad del resultado, una raz\u00f3n de momios igual a 1 significa que no hay asociaci\u00f3n, y una raz\u00f3n de momios inferior a 1 se asocia a una menor probabilidad del resultado. As\u00ed, una raz\u00f3n de momios de 1.12 significa que esperaremos ver un aumento del 12\u00a0% en las probabilidades de tener la enfermedad de Parkinson por un aumento unitario en la copia de la variante.\u00a0\u00a0\u00a0<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Ahora que ya sabe la ecuaci\u00f3n, solo tiene que calcularla para cada variante de sus datos. <\/span><span style=\"font-weight: 400;\">As\u00ed que, dependiendo de c\u00f3mo se hayan procesado sus datos, \u00a1solo tendr\u00e1 que repetir el c\u00e1lculo unas 25,375,550 veces! Por suerte, tenemos un buen software que ejecuta todas estas ecuaciones por nosotros.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">T\u00edpicamente, cada GWAS se realiza en un centro separado y con datos propios, por ascendencia gen\u00e9tica y por cohorte individual. Sin embargo, cuantas m\u00e1s personas incluyamos, mayores ser\u00e1n las posibilidades de detectar variantes de efectos poco frecuentes. Para aumentar estas cifras, cada GWAS se combinar\u00e1 en un metan\u00e1lisis. Los centros de colaboraci\u00f3n acordar\u00e1n de antemano c\u00f3mo se define la enfermedad u otro resultado, qu\u00e9 c\u00f3digo e infraestructura inform\u00e1tica se utilizar\u00e1 y, en algunos casos, incluso el orden de autor\u00eda de los trabajos resultantes. Cada centro de estudio suele acordar unos par\u00e1metros b\u00e1sicos de control de calidad (CC) para sus datos de matriz de genotipado a nivel del estudio, as\u00ed como un m\u00e9todo de imputaci\u00f3n consensuado (utilizando el mismo panel de referencia para inferir las variantes gen\u00e9ticas no analizadas). Se deber\u00e1n verificar los par\u00e1metros de control de calidad establecidos antes de ejecutar cada GWAS.\u00a0<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Una vez realizado el control de calidad y ejecutado cada GWAS individual, pueden utilizarse t\u00e9cnicas de metan\u00e1lisis de estad\u00edstica b\u00e1sica para combinar las estad\u00edsticas resumidas de los GWAS en un \u00fanico conjunto de resultados agregados por variante. A partir de aqu\u00ed, y tras alg\u00fan control de calidad adicional, se pueden empezar a buscar variantes con valores p &lt; 5e-08 (este es el umbral que suele establecerse en los GWAS para corregir millones de ensayos, pero siempre es recomendable establecer un umbral m\u00e1s estricto). Las variantes que superan este umbral se consideran significativamente asociadas con el resultado sometido a prueba, pero es importante intentar replicar los resultados en conjuntos de datos adicionales.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Las variantes identificadas por los GWAS nos proporcionan objetivos de investigaci\u00f3n y ayudan a profundizar nuestro conocimiento de las enfermedades. Cada nuevo objetivo de investigaci\u00f3n nos ayuda a aumentar nuestra capacidad de predecir con precisi\u00f3n el riesgo de que una persona exhiba un resultado determinado. Estos conocimientos ser\u00e1n necesarios a medida que avancemos hacia un enfoque de medicina de precisi\u00f3n en el tratamiento de las enfermedades. Desde el GP2, nos comprometemos a ampliar este conocimiento en torno a la enfermedad de Parkinson. Muchos de nuestros procesos de GWAS est\u00e1n automatizados, y el c\u00f3digo que utilizamos es p\u00fablico, transparente y se ampl\u00eda constantemente. Nos enfocamos en la diversidad, por lo que llevamos a cabo an\u00e1lisis integrados entre silos globales de datos, analizamos cohortes armonizadas y unidas cuando es posible, pero tambi\u00e9n llevamos a cabo metan\u00e1lisis cuando procede.\u00a0<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Nos esmeramos para construir flujos de trabajo y c\u00f3digos uniformes y claros, que esperamos que sean de utilidad para investigadores e instituciones de todo el mundo. Nuestro objetivo es hacer de GP2 el proyecto de an\u00e1lisis basado en la ciencia accesible m\u00e1s transparente del planeta.<\/span><\/p>\n<p><span style=\"font-weight: 400;\"> <img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-4297 size-full\" src=\"https:\/\/gp2.org\/wp-content\/uploads\/2021\/01\/ER4gBzPXDffm4wp6OlNSBmrIJNscmuObeqQouq1D_qy0J-at88VTn9RzyC9Ebqzzbwtfch1YZwyXOSRLuRFvFoHtppSg0r8ayB4DqebVIXv9QUrwqhN3ek3O7yxIVpBRP0HkCrGa.jpg\" alt=\"\" width=\"1600\" height=\"671\" \/><\/span><\/p>\n<p><span style=\"font-weight: 400;\">Este es el \u00abdiagrama de Manhattan\u00bb (debe su nombre a las torres de Manhattan) para el GWAS de la enfermedad de Parkinson (Nalls et al., 2019). Encontrar\u00e1 el c\u00f3digo utilizado <a href=\"https:\/\/github.com\/ipdgc\/Manhattan-Plotter\" target=\"_blank\" rel=\"noopener\">aqu\u00ed<\/a>.\u00a0<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Encontrar\u00e1 nuestro c\u00f3digo y nuestros procesos en <\/span><a href=\"https:\/\/github.com\/GP2code\" target=\"_blank\" rel=\"noopener\"><span style=\"font-weight: 400;\">GP2 GitHub<\/span><\/a><span style=\"font-weight: 400;\">. No se pierda nuestro pr\u00f3ximo art\u00edculo de blog, donde le daremos ideas y consejos para que ejecute su propio GWAS.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Los miembros del Grupo de Trabajo de An\u00e1lisis de Datos de la Enfermedad de Parkinson Gen\u00e9ticamente Compleja del GP2 nos invitan a entender qu\u00e9 son los estudios de asociaciones de genoma completo (GWAS), en qu\u00e9 f\u00f3rmulas estad\u00edsticas se basan, qu\u00e9 flujos de trabajo emplean y cu\u00e1les son los GWAS m\u00e1s recientes sobre la enfermedad de Parkinson.<\/p>\n","protected":false},"author":0,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":"","_links_to":"","_links_to_target":""},"class_list":["post-50011844","post","type-post","status-publish","format-standard","hentry","post-type-enfermedad-de-parkinson-de-etiologia-compleja"],"acf":[],"_links":{"self":[{"href":"https:\/\/gp2.org\/es\/wp-json\/wp\/v2\/posts\/50011844","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/gp2.org\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/gp2.org\/es\/wp-json\/wp\/v2\/types\/post"}],"replies":[{"embeddable":true,"href":"https:\/\/gp2.org\/es\/wp-json\/wp\/v2\/comments?post=50011844"}],"version-history":[{"count":0,"href":"https:\/\/gp2.org\/es\/wp-json\/wp\/v2\/posts\/50011844\/revisions"}],"wp:attachment":[{"href":"https:\/\/gp2.org\/es\/wp-json\/wp\/v2\/media?parent=50011844"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}