Machine learning and burden analyses highlight novel genes in Parkinson's Disease

Resumen Técnico: El aprendizaje automático y los análisis de carga resaltan nuevos genes en la enfermedad de Parkinson

Planteamiento del problema
La enfermedad de Parkinson (EP) presenta una arquitectura genética compleja donde los estudios de asociación de genoma completo (GWAS) han identificado numerosos loci de riesgo, aunque la mayoría de estas señales se localizan en regiones no codificantes. Esto dificulta la identificación de genes causales y mecanismos específicos debido al desequilibrio de ligamiento y a la dificultad para distinguir entre factores impulsores y acompañantes. Además, los análisis tradicionales de variantes raras suelen depender de pruebas de "carga a nivel de gen", que agregan variantes a lo largo de un gen completo. Este enfoque carece de resolución funcional, lo que puede diluir señales potentes localizadas en dominios proteicos específicos con ruido benigno, limitando así el descubrimiento de nuevas dianas terapéuticas más allá de los genes establecidos como GBA1 y LRRK2.

Metodología
El estudio empleó un marco de estrategia dual que combina la priorización mediante aprendizaje automático (ML) con un análisis de carga de variantes raras de alta resolución:

1. Priorización mediante Aprendizaje Automático (ML):

   • Definición del Locus: Los autores construyeron un conjunto compuesto de 147 loci de riesgo de EP únicos integrando los meta-análisis de GWAS para poblaciones europeas más amplios disponibles.
   • Extracción de Candidatos: Se extrajeron todos los genes codificantes de proteínas (N=3,105) dentro de una ventana de ±1 Mb de las variantes líderes independientes.
   • Entrenamiento del Modelo: Se entrenó un modelo XGBoost para distinguir genes de riesgo de alta confianza de candidatos no causales. La clase positiva consistió en 12 genes de EP establecidos o probables (p. ej., GBA1, LRRK2, SNCA), mientras que la clase negativa incluyó otros genes dentro de los mismos loci. Para abordar el desequilibrio de clases, se aplicó un pesaje de muestras.
   • Ingeniería de Características: Cada gen fue caracterizado por 285 características multiómicas, incluyendo distancia genómica, severidad de la variante y evidencia regulatoria específica del cerebro (eQTLs, Hi-C, snRNA-seq). Un método de "puntuación de vecindad" estandarizó las características en relación con el valor máximo dentro de cada locus para dar cuenta de la heterogeneidad.
   • Selección: Se seleccionaron los tres genes con mayor puntuación por locus, obteniendo 406 candidatos priorizados.

2. Análisis de Carga de Variantes Raras:

   • Cohortes: Se utilizaron datos de secuenciación de genoma completo (WGS) de la Accelerating Medicines Partnership for Parkinson's Disease (AMP-PD) y del UK Biobank (UKBB). Se realizaron dos meta-análisis: un análisis "limitado" (solo casos clínicos, N=6,435 casos) y un análisis "completo" (incluyendo casos proxy, N=20,324 casos).
   • Demarcación de Dominios: Una innovación clave consistió en la demarcación de proteínas en dominios funcionales utilizando perfiles de Pfam, SMART y PROSITE, mapeados a coordenadas hg38. Esto permitió realizar pruebas de carga tanto a nivel de gen como a nivel de dominio específico.
   • Pruebas Estadísticas: Las variantes raras se categorizaron (No sinónimas, CADD > 20, Pérdida de Función [LoF]). Las pruebas de carga se realizaron utilizando el Optimal Sequence Kernel Association Test (SKAT-O), ajustando por covariables. Los resultados se meta-analizaron mediante el método de puntuación Z de Stouffer y se corrigieron para la Tasa de Falso Descubrimiento (FDR).

Resultados Clave

• Priorización por ML: El modelo priorizó 406 genes. Aunque la distancia genómica fue la característica dominante, el modelo identificó con éxito candidatos con fuerte evidencia funcional (p. ej., eQTLs específicos del cerebro, expresión específica de tipos celulares), incluso cuando no eran los más cercanos a la variante de riesgo.
• Hallazgos de Carga a Nivel de Gen:
  • Replicación: Se confirmaron asociaciones significativas para los genes establecidos GBA1 y SNCA.
  • Nuevos Genes: El análisis identificó seis posibles nuevos genes de riesgo: ANKRD27, UBXN2A, FAM171A1, ERCC8, BNC2 y ADNP.
    • ANKRD27 fue impulsado por una variante de sentido erróneo recurrente (p.Arg21Cys) que mostró efectos de riesgo consistentes en las cohortes.
    • FAM171A1 y ERCC8 mostraron asociaciones impulsadas por variantes de pérdida de función (LoF).
    • UBXN2A y BNC2 mostraron asociaciones impulsadas por cargas acumulativas de alelos raros.
  • Hallazgo Específico de Cohorte: LRRC45 mostró una señal significativa en la cohorte AMP-PD impulsada por una variante de cambio de marco potencialmente protectora (p.Met607ArgfsTer57), aunque esto no se replicó en la cohorte UKBB.
• Hallazgos de Carga a Nivel de Dominio:
  • El análisis a nivel de dominio confirmó asociaciones en los dominios de barril TIM y sándwich beta de GBA1, y en el dominio quinasa de LRRK2.
  • Crucialmente, se identificó una nueva asociación significativa en el dominio de dedos de zinc de ADNP. Esta señal quedó enmascarada en las pruebas a nivel de gen, demostrando la utilidad del análisis con resolución de dominio.

Significancia y Reivindicaciones
El artículo sostiene que la integración de la priorización de genes basada en aprendizaje automático con el análisis de carga con resolución de dominio proporciona un marco robusto para diseccionar la compleja arquitectura genética de la EP. El estudio destaca que:

1. Refinamiento de Candidatos: El enfoque de ML reduce eficazmente el espacio de búsqueda de miles de genes a una lista manejable de candidatos de alta probabilidad, incorporando la genómica funcional más allá de la simple proximidad.
2. Descubrimiento de Nuevas Dianas: El enfoque combinado identificó nuevos genes de riesgo (ANKRD27, FAM171A1, ERCC8, UBXN2A, BNC2, LRRC45) que no fueron los de primer rango por el modelo de ML, lo que sugiere que el análisis de carga validó candidatos clasificados en segundo o tercer lugar por el ML.
3. Resolución Funcional: El análisis a nivel de dominio resultó esencial para descubrir señales enmascaradas en el nivel de gen, específicamente para ADNP y LRRK2. Esto sugiere que los mecanismos patogénicos en la EP son específicos para regiones estructurales distintas de las proteínas.
4. Perspectivas Biológicas: Los hallazgos implican procesos biológicos específicos, incluyendo el tráfico endosomal (ANKRD27), la reparación del ADN (ERCC8) y la función ciliar (LRRC45), ofreciendo nuevas vías para comprender la patobiología de la EP.

Los autores concluyen que, si bien estos hallazgos requieren una mayor validación experimental para elucidar la causalidad y los mecanismos, el estudio demuestra el valor de la interrogación genómica de alta resolución basada en multiómica para traducir los loci de GWAS en dianas biológicas accionables. El estudio reconoce limitaciones, incluyendo la restricción a la ascendencia europea y el uso de casos proxy en la cohorte UKBB, lo que exige cautela en la interpretación.