Functional Genomic Analyses Reveal transfer RNA Modification Enzymes as Risk Genes for Bipolar I Disorder and Schizophrenia

Resumen Técnico: Análisis Genómicos Funcionales de las Enzimas de Modificación del ARN en el Trastorno Bipolar I y la Esquizofrenia

Planteamiento del Problema
Aunque los estudios de asociación de genoma completo (GWAS) han identificado miles de variantes genéticas asociadas con trastornos neuropsiquiátricos como la esquizofrenia (SCZ) y el trastorno bipolar I (BIPI), traducir estas señales genéticas amplias en mecanismos biológicos específicos y tratables sigue siendo un desafío significativo. La regulación epigenética es un eje de vulnerabilidad conocido, pero el papel del "epitranscriptoma" —específicamente las modificaciones del ARN mediadas por proteínas modificadoras del ARN (RMP)— no ha sido evaluado sistemáticamente en el contexto del riesgo de enfermedades neuropsiquiátricas. Aunque se han identificado más de 100 RMP, su contribución a la arquitectura genética de los trastornos psiquiátricos permanece en gran medida inexplorada, debido en parte a que no han sido categorizadas como un conjunto de genes funcionales para análisis de vías estándar.

Metodología
Los autores emplearon un flujo de trabajo de genómica funcional en múltiples etapas para priorizar sistemáticamente los genes RMP que subyacen al riesgo de 16 trastornos neuropsiquiátricos. El estudio utilizó un conjunto curado de 123 RMP humanos correspondientes a 31 tipos de modificación de ARN a través de seis biotipos de ARN.

El flujo de trabajo analítico integró los siguientes enfoques:

1. Pruebas de Asociación Basadas en Genes: Se utilizaron MAGMA y hMAGMA (incorporando datos de interacción de cromatina Hi-C) para probar asociaciones de conjuntos de genes entre las RMP y los datos de resumen de GWAS del Psychiatric Genomics Consortium (PGC).
2. Estimación de la Heredabilidad: Se aplicó GCTB–SBayesR para estimar la contribución de los cuerpos de genes RMP individuales a la heredabilidad de la enfermedad.
3. Mapeo Fino (Fine-Mapping): Se utilizaron PolyFun y SuSiE para identificar variantes causales dentro de los loci de riesgo, incorporando estimaciones de heredabilidad por SNP.
4. Análisis Integrados con QTL:
   • SMR (Mendelian Randomization basada en datos de resumen): Integró datos de GWAS con datos de eQTL y sQTL de la corteza cerebral (de BrainMeta) para probar asociaciones conjuntas, seguido de pruebas HEIDI para distinguir la pleiotropía del ligamiento.
   • TWAS (Estudios de Asociación de Transcriptoma Completo): Utilizó FUSION con modelos de la corteza cerebral de GTEx v8 para probar asociaciones entre la expresión génica predicha genéticamente y el riesgo de la enfermedad.
   • MR de Dos Muestras: Validó la consistencia direccional utilizando IVW, MR-Egger y otros métodos.
   • Colocalización: Aplicó colocalización bayesiana (coloc) para determinar si los GWAS y los signos de QTL comparten variantes causales comunes (PP.H4 > 0.6).
5. Validación: Se validaron los candidatos priorizados utilizando datos de RNA-seq de bulk de la cohorte BrainSeq Fase II (hipocampo, corteza prefrontal dorsolateral y núcleo caudado) mediante análisis de expresión diferencial y regresión logística ajustada por covariables.

Contribuciones Clave y Resultados
El estudio identificó a NSUN2, una citosina-5 metiltransferasa de ARN, como un locus de riesgo compartido reproducible tanto para BIPI como para SCZ.

• Asociaciones de NSUN2: Aunque los SNPs individuales no alcanzaron significancia a nivel de genoma completo, NSUN2 mostró asociaciones significativas a nivel de gen en las pruebas MAGMA y hMAGMA para ambos trastornos. Los análisis de SMR y TWAS revelaron una asociación negativa entre la expresión de NSUN2 y el riesgo de la enfermedad, lo que sugiere un papel neuroprotector. El análisis de colocalización respaldó la existencia de variantes causales compartidas entre los eQTL de NSUN2 y el riesgo de BIPI.
• Mecanismos de Splicing: El estudio destacó que el riesgo está mediado a través del splicing alternativo. Los sQTL específicos que conducen al salto de exón (produciendo isoformas no codificantes o truncadas) se asociaron positivamente con el riesgo de la enfermedad, mientras que los eventos que promueven isoformas codificantes de proteínas se asociaron negativamente. La validación mediante RNA-seq de bulk confirmó la reducción de la expresión de las isoformas codificantes de NSUN2 en cerebros de pacientes con SCZ (específicamente en el hipocampo masculino y la corteza prefrontal dorsolateral femenina).
• Participación de otras Enzimas de tRNA: Más allá de NSUN2, el estudio identificó asociaciones significativas para otras enzimas de modificación de tRNA:
  • NSUN6 y TYW5 alcanzaron significancia a nivel de genoma completo para SCZ.
  • TRMT61A y QTRT1 mostraron asociaciones significativas con BIPI o SCZ.
  • MRM1 se asoció con BIPI.
  • Los análisis integrativos (incluyendo datos de COLOCdb) confirmaron las asociaciones para estos genes a través de múltiples modalidades de QTL (eQTL, sQTL y mQTL).
• Priorización: Un sistema de puntuación ponderado clasificó a NSUN2 como el gen de mayor prioridad para BIPI y SCZ, seguido de NSUN6 y TYW5 para SCZ.

Significancia y Reivindicaciones
El artículo afirma que los riesgos genéticos comunes para BIPI y SCZ convergen en variaciones regulatorias que afectan la maquinaria de modificación del ARN, nominando específicamente la desregulación de la modificación de tRNA como una vía molecular que contribuye a la susceptibilidad a las enfermedades psiquiátricas.

Las conclusiones clave incluyen:

• Mecanismo Convergente: Los hallazgos sugieren que las enzimas de modificación de tRNA (escritores de m5C, m1A, yW y modificaciones Q) representan un mecanismo molecular convergente que subyace a la patofisiología de BIPI y SCZ, distinto de las vías de m6A del ARNm que se estudian con más frecuencia.
• NSUN2 como un Gen de Riesgo Compartido: NSUN2 es identificado como un gen de riesgo compartido donde el riesgo genético actúa a través de la desregulación de la expresión específica de isoformas y del splicing, en lugar de la abundancia total del gen.
• Papel Neuroprotector: Los datos apoyan un modelo donde la función intacta de NSUN2 es neuroprotectora, y su desregulación (mediante la reducción de isoformas codificantes) contribuye a la susceptibilidad de la enfermedad.
• Limitaciones: Los autores señalan modestamente que la lista actual de RMP no es exhaustiva y que la heterogeneidad de la expresión de las RMP a través de las regiones cerebrales y los tipos celulares sigue siendo un desafío. Enfatizan que, si bien este estudio prioriza los candidatos, se requiere una validación adicional en modelos animales y organoides cerebrales para definir sus roles específicos en el neurodesarrollo.

El estudio no propone nuevas aplicaciones clínicas ni propuestas experimentales futuras más allá de la necesidad de validar estos candidatos en sistemas de modelos para confirmar sus roles en los procesos de neurodesarrollo.