Uma visão mais ampla da regulação genética
Os estudos de associação ampla do genoma, ou GWAS, tornaram-se um pilar da pesquisa sobre características complexas e doenças. Eles podem identificar trechos do genoma associados a condições que vão do câncer de mama a doenças cardíacas e diabetes. Mas encontrar um trecho de DNA associado não é o mesmo que identificar o gene, o mecanismo ou a via biológica por trás dessa associação.
Essa lacuna importa porque muitos sinais de GWAS estão em regiões que regulam a atividade gênica, e não nos próprios genes. Por isso, os pesquisadores precisam entender como as variantes herdadas afetam tanto a expressão gênica quanto o splicing — o processo pelo qual as células montam instruções de RNA em diferentes formas. Essas ligações podem ajudar a transformar uma associação estatística em uma explicação mais concreta da biologia e, em última análise, apontar possíveis alvos de medicamentos.
Um estudo publicado na Science argumenta que os limites aparentes de trabalhos anteriores podem ter refletido o tamanho dos conjuntos de dados subjacentes. Usando um conjunto de dados de loci de características quantitativas de expressão e splicing da TOPMed, os pesquisadores relatam que aumentar o tamanho da amostra pode revelar um segundo, terceiro e até quarto sinal genético afetando o mesmo gene.
Por que o número de amostras muda o quadro
Cada pessoa carrega um de três genótipos possíveis em uma determinada variante herdada, refletindo os alelos recebidos dos pais. Esses genótipos podem estar associados a níveis mais baixos, intermediários ou mais altos de expressão gênica. Mapear essas relações é o objetivo da análise de loci de características quantitativas de expressão, ou eQTL. A análise estreitamente relacionada de loci de características quantitativas de splicing, ou sQTL, procura variantes associadas a mudanças no splicing do RNA.
Esforços anteriores frequentemente usaram dados do projeto Genotype-Tissue Expression, conhecido como GTEx, para conectar descobertas de GWAS a eQTLs e sQTLs. Esses estudos pareciam atingir rapidamente um teto no número de sítios reguladores detectáveis para um gene individual. O novo trabalho sugere que esse teto não era necessariamente biológico. Com mais dados, efeitos independentes adicionais podem se tornar visíveis.
Essa é uma distinção importante. Se os pesquisadores conseguem observar apenas a associação reguladora mais forte perto de um gene, podem deixar passar outras variantes que também influenciam sua atividade. Um conjunto de dados maior pode separar efeitos que, de outra forma, se confundiriam, produzindo um mapa mais detalhado de como a variação herdada molda a maquinaria celular.
Dos sinais de associação aos mecanismos
A premissa do estudo não é que todo resultado de GWAS se torne imediatamente um alvo terapêutico. Em vez disso, ele oferece uma forma de interpretar o que esses resultados podem significar. Uma variante genética associada ao risco de doença pode estar em uma região reguladora. Ao relacionar essa variante a mudanças na expressão ou no splicing, os pesquisadores podem restringir o conjunto de genes e processos que merecem investigação.
A regulação gênica também funciona em rede. Como explicou Laura Scott, pesquisadora da University of Michigan, alterar a expressão de uma parte de um sistema biológico — como um regulador envolvido em uma resposta celular ao estresse — pode afetar os níveis de expressão em outras partes desse mesmo sistema. Isso significa que a influência de uma variante pode ser mais ampla do que sugere um modelo de um gene e uma característica.
Para a pesquisa de doenças, isso reforça o valor de combinar grandes conjuntos de dados genômicos com análises funcionais. Um GWAS pode identificar onde está uma associação. Estudos de eQTL e sQTL podem ajudar a identificar quais atividades gênicas acompanham essa variação herdada. Juntos, eles oferecem uma maneira mais fundamentada de passar de padrões populacionais para hipóteses que podem ser testadas em células, tecidos e, por fim, na pesquisa clínica.
Uma lição sobre escala de dados para a genômica
O resultado também lembra que descobertas negativas ou limitadas na genômica podem ser restringidas pelo poder estatístico. Um estudo pode não detectar vários efeitos reguladores ao redor de um gene não porque eles não existam, mas porque os dados disponíveis são insuficientes para distingui-los. Ampliar o conjunto de dados pode mudar essa conclusão.
As descobertas dos pesquisadores não eliminam o desafio de interpretar características complexas. Expressão e splicing são apenas partes da cadeia biológica entre a variação herdada e as características observáveis de uma pessoa. Ainda assim, identificar vários interruptores reguladores para um gene acrescenta resolução onde os mapas anteriores eram relativamente grosseiros.
À medida que os conjuntos de dados crescem, a tarefa prática será decidir quais dos sinais recém-visíveis são mais relevantes para uma determinada doença ou característica, em quais tecidos importam e como interagem com outros efeitos reguladores. O estudo mostra que procurar um único interruptor decisivo pode ser simplista demais. Para muitos genes, a arquitetura reguladora pode ser composta por vários controles detectáveis de forma independente — e identificá-los exige muito mais dados.
Este artigo baseia-se em uma reportagem da Medical Xpress. Leia o artigo original.
Originally published on medicalxpress.com
