A Novel Statistical Tool for Identifying Disease-Causing Genetic Variants

Uma Nova Ferramenta Estatística para Identificar Variantes Genéticas que Causam Doenças

Uma ferramenta estatística inovadora foi desenvolvida por pesquisadores da Universidade de Chicago, revolucionando a busca por variantes genéticas responsáveis por causar doenças. Publicado recentemente na Nature Genetics, essa ferramenta combina o poder dos estudos de associação genômica em todo o genoma (GWAS) com previsões de expressão genética, possibilitando uma identificação mais precisa de genes causais e variantes associadas a doenças.

O GWAS é uma técnica amplamente utilizada para identificar genes relacionados a diferentes características humanas e doenças comuns. Ao comparar as sequências genômicas de grandes grupos de indivíduos com uma doença específica com as sequências daqueles saudáveis, os pesquisadores podem identificar variantes genéticas que podem aumentar o risco de desenvolver a doença.

No entanto, a maioria das doenças não é resultado de uma única variação genética. Muitas vezes, elas são o resultado de interações complexas entre múltiplos genes e fatores ambientais. Como resultado, o GWAS tende a identificar inúmeras variantes em diferentes regiões do genoma associadas a uma doença.

Uma das limitações do GWAS é que ele só pode estabelecer associações, não causalidade. Em regiões genômicas, múltiplas variantes são frequentemente altamente correlacionadas devido a um fenômeno de herança conhecido como desequilíbrio de ligação. Consequentemente, torna-se desafiador determinar qual variante é o fator causal real.

Para complicar a dificuldade, muitas variantes genéticas estão localizadas em regiões não codificantes do genoma, tornando difícil interpretar seus efeitos. Para solucionar isso, os pesquisadores normalmente utilizam dados de expressão gênica. Loci de traços quantitativos de expressão (eQTLs) são variantes genéticas associadas a padrões de expressão gênica.

A lógica por trás do uso de dados de eQTL é simples: se uma variante associada a uma doença é também um eQTL para um gene específico (vamos chamar de gene X), então o gene X pode ser o elo vital entre a variante e a doença. No entanto, esse método enfrenta o desafio de que variantes próximas e eQTLs de outros genes também podem apresentar correlações com o eQTL do gene X, influenciando a expressão desse gene.

Ao integrar dados do GWAS e previsões de expressão genética, a nova ferramenta estatística desenvolvida pelos pesquisadores da Universidade de Chicago supera esses desafios. Essa ferramenta reduz efetivamente o número de falsos positivos, permitindo uma identificação mais precisa de genes causais e variantes responsáveis por doenças.

Com seu potencial para aumentar significativamente nosso entendimento da base genética das doenças, essa ferramenta se destaca como um divisor de águas na área da pesquisa genética. Agora, os cientistas podem aprofundar-se nas complexidades das doenças, desvendando as intricadas relações entre variantes genéticas, expressão gênica e causalidade de doenças.

FAQ

All Rights Reserved 2021
| .
Privacy policy
Contact