Identifying Putative Pathogenic Non-Coding Variants in Unresolved Rare Disease Patients Using Topologically Associated Domains

Para millones de personas en todo el mundo, una enfermedad rara sigue siendo un misterio. Se trata de afecciones tan poco comunes que afectan a menos de uno de cada dos mil individuos, pero que colectivamente afectan las vidas de aproximadamente 300 millones de personas. En muchos casos, los médicos pueden ver los síntomas claramente —defectos cardíacos, retrasos en el desarrollo o rasgos físicos inusuales— pero la causa genética permanece oculta. La medicina moderna posee herramientas poderosas para leer el código genético completo de una persona, un proceso llamado secuenciación del genoma completo. Esta tecnología escanea los miles de millones de letras de ADN que conforman un ser humano. Sin embargo, para al menos la mitad de los pacientes que se someten a esta prueba, la respuesta aún no se encuentra. El problema reside a menudo en dónde han estado buscando los científicos. Durante décadas, el enfoque se ha centrado en la pequeña fracción del genoma que actúa como un manual de instrucciones directo para construir proteínas, conocida como regiones codificantes. Pero la gran mayoría de nuestro ADN no codifica proteínas. En su lugar, actúa como un complejo sistema de control, con interruptores y reguladores que le dicen a los genes cuándo encenderse, qué tan fuerte cantar y cuándo detenerse. Cuando estos interruptores no codificantes se rompen, pueden causar enfermedades con la misma seguridad que un manual de instrucciones roto, pero encontrar el interruptor específico roto entre miles de millones de letras ha sido como buscar una aguja en un pajar sin un imán.

Un equipo de investigadores del Hospital Infantil de Filadelfia ha desarrollado una nueva forma de encontrar estas agujas ocultas. Crearon un sistema llamado GAVURD, que significa Análisis Genómico de Variantes en Enfermedades Raras No Resueltas (Genomic Analysis of Variants in Unresolved Rare Disease). Esta herramienta fue diseñada para tomar los datos brutos de la secuenciación del genoma completo y buscar sistemáticamente los errores específicos en las regiones no codificantes que podrían estar causando la enfermedad del paciente. Los investigadores comenzaron con diez pacientes que ya habían sido analizados múltiples veces sin obtener un diagnóstico. Estos pacientes sufrían una variedad de condiciones congénitas graves, incluyendo defectos cardíacos complejos y problemas con la formación de sus órganos internos. El equipo introdujo los datos genéticos de estas diez familias en su nuevo sistema. El proceso comenzó buscando dos tipos específicos de cambios genéticos: mutaciones nuevas que aparecieron por primera vez en el niño, y mutaciones heredadas raras que el niño recibió de ambos padres. Debido a que el genoma humano es tan vasto, el sistema tenía que ser increíblemente preciso para filtrar los millones de diferencias inofensivas que existen entre las personas. Los investigadores utilizaron un método de verificación cruzada, ejecutando los datos a través de tres programas informáticos diferentes y manteniendo únicamente los resultados en los que los tres coincidían. Este enfoque de consenso ayudó a eliminar el ruido de los errores de secuenciación, dejando atrás una lista mucho más corta y confiable de mutaciones candidatas.

Una vez que el equipo tuvo su lista corta de mutaciones sospechosas, se enfrentó al siguiente desafío: determinar qué gen podría estar afectando una mutación no codificante. A diferencia de un gen codificador de proteínas roto, un interruptor roto podría estar ubicado lejos del gen que controla, a veces a cientos de miles de letras de distancia. Para resolver esto, los investigadores utilizaron un mapa de la estructura tridimensional del genoma. Imaginen el ADN dentro de una célula no como una cuerda larga y recta, sino como una bola de estambre enredada que está plegada en vecindarios específicos y autónomos. Estos vecindarios se llaman dominios asociados topológicamente. Los investigadores descubrieron que los genes y sus interruptores de control suelen vivir en el mismo vecindario. Si ocurre una mutación en un vecindario específico, es muy probable que afecte solo a los genes dentro de esa misma área. Al utilizar datos de mapas de alta resolución de estos vecindarios, el sistema GAVURD pudo vincular una mutación no codificante distante con el gen específico que más probablemente estaba regulando. Este paso redujo drásticamente la búsqueda, evitando que el sistema se perdiera en la vastedad del genoma.

El paso final en el proceso fue ver si los genes vinculados a estas mutaciones coincidían con los síntomas del paciente. Los investigadores utilizaron una biblioteca digital de enfermedades humanas y sus rasgos físicos asociados. Compararon los síntomas específicos de cada paciente con los efectos conocidos de las mutaciones en los genes que su sistema había identificado. Este proceso de emparejamiento les permitió clasificar a los candidatos, resaltando las mutaciones que eran más probables de explicar la condición del paciente. Cuando aplicaron todo este proceso a sus diez pacientes, los resultados fueron prometedores. En seis de los diez casos, el sistema identificó una variante no codificante específica que apuntaba a un gen conocido por causar una enfermedad con síntomas muy similares a los del paciente. Para un paciente con defectos cardíacos graves, el sistema encontró una mutación en una región no codificante que parecía interrumpir un gen involucrado en el desarrollo del corazón y la simetría izquierda-derecha del cuerpo. Para otro paciente con un conjunto complejo de defectos congénitos, el sistema identificó una nueva mutación cerca de un gen crítico para el desarrollo del corazón, el cual se sabía que era regulado por un interruptor molecular específico que la mutación parecía haber roto.

Los investigadores enfatizan que, si bien estos hallazgos son pistas sólidas, aún no son un diagnóstico clínico final. El sistema produce hipótesis de alto valor que requieren más pruebas en un laboratorio para demostrar exactamente cómo la mutación causa la enfermedad. Sin embargo, el estudio demuestra que un enfoque sistemático puede descubrir con éxito causas potenciales en pacientes que anteriormente se consideraban insolubles. Al combinar un método riguroso para encontrar mutaciones raras con una forma inteligente de vincularlas con sus genes objetivo, el sistema GAVURD ofrece un nuevo camino a seguir. Sugiere que, para muchos pacientes con enfermedades raras no resueltas, la respuesta no falta en su código genético, sino que está oculta en las regiones no codificantes que los métodos anteriores no podían interpretar de manera efectiva. Este trabajo proporciona un marco concreto para convertir el vasto y confuso paisaje del ADN no codificante en una lista manejable de sospechosos, brindando la esperanza de que más familias eventualmente recibirán las respuestas que han estado esperando.