Un estudio de varios años dirigido por investigadores del Centro Simons de Análisis de Datos (SCDA, por sus siglas en inglés), en Nueva York, Estados Unidos, y las principales universidades y escuelas de medicina ha abierto nuevas vías al establecer cómo los genes trabajan juntos dentro de 144 tejidos humanos diferentes y tipos de células en el desempeño de las funciones de los tejidos.
El documento, que se publica este lunes en 'Nature Genetics', también demuestra cómo la informática y los métodos estadísticos pueden combinarse para agregar y analizar enormes colecciones de datos genómicos diversos. Dirigido por Olga Troyanskaya, subdirectora de Genómica en SCDA, el equipo recolectó e integró datos de unos 38.000 experimentos en todo el genoma (de un estimado de 14.000 publicaciones).
Estos conjuntos de datos contienen no sólo información sobre el ARN de las células/funciones de las proteínas sino también datos de personas diagnosticadas con una variedad de enfermedades. Los investigadores aislaron primero las interconexiones genéticas funcionales contenidas en estos conjuntos de datos para diversos tipos de tejidos.
Entonces, con la combinación de esa señal funcional específica de tejido con el ADN de enfermedades relevantes basado en los estudios de asociación de todo el genoma (GWAS, por sus siglas en inglés), los investigadores lograron identificar asociaciones estadísticas entre genes y enfermedades que de otro modo serían indetectables.
La técnica resultante, a la que llamaron 'estudio de asociación guiada por la red' o NETWAS, integró la genética cuantitativa con la genómica funcional para aumentar el poder de GWAS e identificar los genes subyacentes en las enfermedades humanas complejas. Como la técnica se basa completamente en datos, NETWAS evita el sesgo hacia genes y vías mejor estudiadas, permitiendo el descubrimiento de nuevas asociaciones.
El director del SCDA, Leslie Greengard, señala que los investigadores 'han demostrado que se pueden lograr resultados extraordinarios mediante la fusión de una visión biológica profunda con métodos computacionales con tecnología de última generación y aplicarlos a conuntos de datos a gran escala heterogéneos'.
El resultado de sus esfuerzos fue de 144 redes de interacción de genes funcionales de órganos tan diversos como el riñón, el hígado y el cerebro. El documento describe interrupciones de genes funcionales para enfermedades como la hipertensión, la diabetes y la obesidad.
Es importante destacar que aunque este tipo de redes de interacción de genes funcionales ya se habían establecido en modelos animales, pero esta hazaña no se había logrado y no podría haber sido posible en el tejido humano sin 'grandes datos'. Muchos tipos de células humanas importantes en la enfermedad no pueden estudiarse mediante la experimentación directa tradicional, por lo que la capacidad para trabajar en su lugar con estos conjuntos ricos de datos era una solución crítica.
'Un desafío clave en la biología humana es que los circuitos genéticos en los tejidos humanos y tipos de células son muy difíciles de estudiar experimentalmente', afirma Troyanskaya, también profesora en el Departamento de Ciencias de la Computación y el Instituto Lewis-Sigler de Genómica Integrativa de la Universidad de Princeton, en Estados Unidos.
'Por ejemplo, las células podocitos en los riñones que realizan la función de filtrado de los riñones no pueden aislarse para su estudio en el laboratorio, ni se pueden identificar los genes funcionales por experimentos a escala del genoma. Sin embargo, tenemos que entender cómo interactúan las proteínas en estas células si queremos entender y tratar la enfermedad renal crónica. Nuestro enfoque extrajo estas colecciones de grandes datos para construir un mapa de cómo los circuitos de genes funcionan en las células podocitos y en muchos otros tejidos relevantes de la enfermedad y tipos de células', añade.
Estos resultados tienen implicaciones importantes para la comprensión de la función del gen normal, pero también para el uso y el desarrollo de fármacos: se puede identificar mejor genes causales o diana para el tratamiento, así como interacciones de medicamentos previamente inesperadas y disrupciones.
'Los investigadores biomédicos pueden utilizar estas redes y las vías descubiertas para entender la acción del fármaco y los efectos secundarios en el contexto de los tejidos específicos de la enfermedad y para cambiar la las metas de los fármacos', dice Troyanskaya. 'Estas redes también pueden ser útiles para comprender cómo funcionan las diferentes terapias y ayudar a desarrollar nuevas terapias', agrega.
Los investigadores también han creado un recurso digital para que otros científicos pueden utilizar NETWAS y acceder a redes específicas de tejido. El equipo ha creado un servidor interactivo, 'Genome-scale Integrated Analysis of Networks in Tissues' (GIANT), que permite a los usuarios explorar las redes, comparar cómo los circuitos genéticos varían en los diferentes tejidos y analizar datos de los estudios genéticos para encontrar los genes que causan la enfermedad.