A Multi-Context Regulome-Wide Association Atlas for Genetic Studies of Aging Brain Disorders

Resumen Técnico: Un Atlas de Asociación de Todo el Reguloma Multi-Contexto para Estudios Genéticos de Trastornos Cerebrales del Envejecimiento

Planteamiento del Problema
Los estudios de asociación de genoma completo (GWAS) han identificado numerosos loci de riesgo para los trastornos cerebrales del envejecimiento, particularmente la enfermedad de Alzheimer (AD). Sin embargo, la mayoría de estas variantes residen en regiones no codificantes, lo que deja prácticamente sin definir los genes objetivo y los contextos regulatorios específicos (tejidos, tipos celulares y modalidades moleculares) en los que actúan. Los recursos existentes para los Estudios de Asociación de Todo el Reguloma (RWAS) y los Estudios de Asociación de Todo el Transcriptoma (TWAS) a menudo dependen de modelos de regresión dispersa (por ejemplo, elastic-net, lasso) entrenados con datos de tejido masivo (bulk). Estos enfoques pueden ser restrictivos cuando los efectos regulatorios están distribuidos entre las variantes, se comparten entre contextos o se estiman a partir de paneles de referencia con tamaños de muestra efectivos limitados. Existe la necesidad de un marco armonizado que integre diversos conjuntos de datos moleculares (masivos, de núcleo único, proteínas, empalme/splicing) con modelos estadísticos avanzados para distinguir los verdaderos señales regulatorias de los artefactos de desequilibrio de ligamiento (LD). Además, las asociaciones marginales de RWAS son propensas a falsos descubrimientos impulsados por el "viaje gratuito" (hitchhiking) de LD o la corregulación, donde un rasgo molecular predicho se asocia con el riesgo de la enfermedad no debido a un efecto causal, sino porque su predictor está correlacionado con una variante causal cercana u otro rasgo regulado.

Metodología
Los autores presentan FunGen-xQTL Multi-Brain (FGMB), un atlas multi-contexto diseñado para abordar estas limitaciones. El flujo de trabajo consta de tres componentes integrados:

1. Construcción de un Recurso de Predicción Multi-Contexto:

   • Integración de Datos: FGMB agrega conjuntos de datos moleculares del Consorcio de Genómica Funcional del Proyecto de Secuenciación de la Enfermedad de Alzheimer (ADSP) (FunGen-AD), que abarca 36 conjuntos de datos moleculares en 18 contextos (incluyendo regiones cerebrales masivas, monocitos periféricos y tipos/subtipos de células de núcleo único) y 3 modalidades regulatorias (expresión génica, abundancia de proteínas y empalme/splicing).
   • Entrenamiento del Modelo: Para cada par gen–rasgo-molecular, los autores entrenaron modelos de predicción cis-genética utilizando ocho métodos distintos:
     • Regresión Dispersa: Lasso y Elastic-net.
     • Contracción Bayesiana/Fine-mapping: BayesL, BayesR, mr.ash y SuSiE.
     • Multivariante Cross-Context: mr.mash y mvSuSiE (que toman información prestada entre tejidos y tipos celulares para modelar efectos regulatorios compartidos).
   • Criterios de Imputabilidad: Un par gen–rasgo-molecular se considera "imputable" si al menos un método arroja un $R^2$ de validación cruzada $\ge 0.01$ y $p < 0.05$.

2. Prueba de Asociación RWAS:

   • Los pesos de predicción seleccionados se aplicaron a los estadísticos de resumen de GWAS de AD (principalmente de Bellenguez et al.) para probar asociaciones entre rasgos moleculares genéticamente predichos y el riesgo de la enfermedad.
   • La significancia se determinó mediante un umbral corregido por Bonferroni ($p < 6.77 \times 10^{-7}$).

3. Fine-Mapping Conjunto Variante–Gen:

   • Para resolver las asociaciones marginales y distinguir las señales regulatorias causales del hitchhiking de LD, los autores aplicaron M-cTWAS (Multi-Group Causal TWAS). Este método realiza un fine-mapping conjunto a través de rasgos moleculares, variantes y genes dentro de un locus.
   • Se utilizó un criterio de priorización relajado (Probabilidad de Inclusión Posterior [PIP] $\ge 0.5$ o inclusión en un conjunto creíble del 95%) para identificar pares gen–rasgo-molecular con evidencia sugestiva de efectos no nulos.
   • Se utilizó cTWAS de grupo único como un análisis de apoyo dentro de los rasgos moleculares individuales.

Contribuciones Clave

• Atlas Exhaustivo: FGMB proporciona más de 293,000 modelos imputables de nivel de gen y evento de empalme a través de 17,901 genes codificantes de proteínas, cubriendo un rango más amplio de contextos y modalidades que los recursos anteriores.
• Marco Estadístico: El estudio demuestra que expandir más allá de la regresión dispersa estándar para incluir métodos bayesianos y multivariantes mejora significativamente la precisión de la predicción y la cobertura.
• Refinamiento de Señales: La integración de M-cTWAS permite la separación de los mecanismos regulatorios verdaderos de las asociaciones espurias causadas por LD o corregulación, ofreciendo un conjunto de genes candidatos más conservador y biológicamente interpretable.

Resultados

• Desempeño del Modelo: La inclusión de métodos bayesianos y multivariantes aumentó el número de pares gen–rasgo-molecular imputables en 28,014 (añadiendo 7,327 genes únicos) en comparación con un punto de referencia de solo elastic-net y lasso. El $R^2$ de validación cruzada mediano para los modelos seleccionados mejoró de 0.0203 (modelos dispersos) a 0.0438 (panel completo), siendo los métodos bayesianos multivariantes (mr.mash, mvSuSiE) los que alcanzaron un $R^2$ mediano de 0.0455.
• Asociaciones con AD: La aplicación de FGMB a los datos de GWAS de AD identificó 327 asociaciones significativas de RWAS correspondientes a 138 genes únicos.
  • 48 de estos genes (34.8%) colocalizaron con señales conocidas de GWAS de AD.
  • 42 genes representaron asociaciones previamente no reportadas con el riesgo de AD, incluyendo IRF2BP1, HIF3A, ZNF576 y ZNF428.
  • El análisis de enriquecimiento de estos genes destacó temas biológicos consistentes con la patología de la AD, incluyendo actividad inmune/del complemento, tráfico de vesículas/endosomas y manejo de amiloide/lípidos.
• Resultados de Fine-Mapping: El M-cTWAS refinó las 327 asociaciones marginales hasta obtener 86 pares gen–rasgo-molecular priorizados (43 genes únicos) con fuerte soporte de fine-mapping.
  • Muchos conjuntos creíbles estuvieron dominados por señales de SNP en lugar de señales de genes, indicando que algunas asociaciones marginales de RWAS eran probablemente eventos de hitchhiking por LD.
  • Ejemplos específicos ilustraron la utilidad del fine-mapping:
    • En el locus TREM2, las señales marginales de RWAS fueron atribuidas al hitchhiking de LD con una variante cercana (rs187370608) en lugar de la expresión de TREM2.
    • En el locus PICALM, el fine-mapping priorizó la señal de eQTL de la microglía (Mic) sobre las señales en astrocitos o monocitos, lo cual es consistente con la evidencia funcional.
    • En el locus RABEP1, el fine-mapping de contexto cruzado concentró el soporte en el par RABEP1–Mic eQTL, resolviendo señales correlacionadas de genes cercanos como SCIMP.

Significancia y Reivindicaciones
El artículo afirma que FGMB proporciona un recurso escalable y reproducible, así como un marco de análisis para estudios genéticos del envejecimiento cerebral. Su principal significancia radica en su capacidad para:

1. Conectar las señales de GWAS con contextos moleculares específicos: Al vincular los loci de riesgo con regiones cerebrales, tipos celulares y modalidades regulatorias específicas (expresión, proteína, empalme), en lugar de colapsarlos en señales de tejido masivo.
2. Mejorar el poder de descubrimiento: Demostrando que la selección de modelos a través de diversos métodos estadísticos (bayesianos, multivariantes) genera predictores más precisos e identifica asociaciones omitidas por la regresión dispersa tradicional.
3. Mejorar la interpretabilidad: Utilizando el fine-mapping conjunto de variante–gen para distinguir entre las asociaciones impulsadas por mecanismos regulatorios causales y aquellas impulsadas por el hitchhiking de LD o la corregulación.

Los autores enfatizan que, si bien la aplicación a la AD sirve como ilustración primaria, el atlas está diseñado para estudios más amplios de rasgos neurodegenerativos y relacionados con el envejecimiento. Señalan que los pares gen–rasfo-molecular priorizados deben verse como señales con soporte de fine-mapping en lugar de asignaciones causales definitivas, y que las iteraciones futuras buscarán incorporar datos de ancestría múltiple y resoluciones de estado celular más finas a medida que estén disponibles. El recurso se pone a disposición a través del portal de xQTL de NIAGADS y Synapse, acompañado de software de código abierto (xqtl-protocol, pecotmr) para facilitar su reutilización.