Static DNA-Methylation Burden Discriminates Hematologic-Malignancy Subtypes but Does Not License Per-Patient Trajectory Inference: A Public-Cohort Analysis and an Identifiability Framework

Resumen Técnico: Carga de Metilación del ADN Estática vs. Inferencia de Trayectoria

Planteamiento del Problema
El artículo aborda la distinción crítica entre dos interpretaciones de los datos de metilación del ADN en neoplasias hematológicas:

1. Clasificación Estática: Determinar si el estado de metilación actual de un individuo es anómalo con respecto a una línea base saludable (un problema de clasificación resoluble).
2. Inferencia de Trayectoria Dinámica: Determinar si ese estado se mueve hacia la enfermedad con una velocidad, un tiempo de llegada y un tiempo de adelanto medibles (un problema de sistemas dinámicos).

Si bien las cohortes prediagnósticas muestran desviaciones en la metilación de todo el genoma meses o años antes del diagnóstico clínico, el artículo sostiene que la comunidad científica a menudo confunde erróneamente la desviación estática con el movimiento dinámico. El problema central es que el "lenguaje de trayectoria" (velocidad, tiempo de adelanto) es fácilmente aseverable pero estructuralmente imposible de derivar de datos transversales (de un solo punto temporal) o de datos dispersos de dos puntos, ya que estos conjuntos de datos carecen del eje temporal requerido para definir una derivada.

Metodología
El estudio utiliza un análisis secundario de datos de matrices Illumina HumanMethylation450 y EPIC, de acceso público y desidentificados. No se utilizaron datos propietarios, de registros de salud electrónicos o de pacientes individuales.

• Métricas Definidas:
  • Carga de Metilación Estática (MB): La desviación absoluta media de $\beta$ de una muestra respecto a la distribución de referencia de sangre total sana.
  • Entropía Regulatoria (H): La entropía de Shannon normalizada de esa distribución de desviación.
• Herramienta de Cribado: Se evaluó un cribado de carga de 48-CpG, bloqueado y direccional (qMethyl-48). La composición específica de los loci se mantiene en reserva pendiente de la tramitación de la propiedad intelectual. El cribado califica una muestra como positiva si $\ge$ 4 loci se desvían.
• Cohortes:
  • Referencia: 656 donantes sanos de sangre total (GSE40279).
  • Enfermedad: Cohortes públicas para Leucemia Mieloide Crónica (LMC), Leucemia Mielomonocítica Crónica (LMMC) y Neoplasias Mieloproliferativas (NMP).
• Marco Teórico: El artículo aplica la teoría de la Reconstrucción del Espacio de Estados (específicamente el teorema de incrustación de Takens y la incrustación de retardo fractal) para analizar la identificabilidad de la recuperación de la trayectoria. Postula que la recuperación de la dinámica requiere una serie temporal muestreada con retardos suficientes para reconstruir la variedad invariante del sistema, una condición que no se cumple con los datos transversales.

Resultados Clave

• Discriminación Estática: La carga y la entropía estáticas discriminan con éxito los subtipos de neoplasia hematológica de la OMS-2022 (específicamente mieloides) de los donantes sanos.
• Rendimiento del Cribado: Frente a los 656 donantes sanos, el cribado qMethyl-48 alcanzó una especificidad del 96.6% en su umbral bloqueado. La sensibilidad osciló entre el 94.9% y el 100% en las cohortes de LMC, LMMC y NMP.
• Limitaciones: Estos resultados son estrictamente medidas de clasificación de un solo punto temporal. Confirman la presencia de una señal estática separable, pero no proporcionan evidencia sobre la tasa o la dirección del cambio.
• Mieloide vs. Linfoide: Los resultados se aplican a los subtipos mieloides. El artículo señala explícitamente que las enfermedades linfoides (p. ej., LLC), que a menudo exhiben hipometilación global en lugar de la carga de hipermetilación indexada por este cribado, se espera que se comporten de manera diferente y no están cubiertas por estas afirmaciones.

Contribuciones Teóricas: El Marco de Identificabilidad
La principal contribución teórica del artículo es un argumento riguroso contra la inferencia de trayectoria a partir de datos estáticos y un marco formal de lo que se requiere para sustentar tales afirmaciones:

1. Circularidad de la Velocidad Construida: Definir la velocidad como $v = (\beta_{llegada} - \beta_{saludable}) / T_{adelanto}$ es, algebraicamente, una $\beta$-desviación estática reescalada. No mide ninguna derivada temporal y crea una correlación circular entre el tiempo de adelanto asumido y la velocidad calculada.
2. Obstáculos Estructurales: Las cantidades de trayectoria (velocidad, llegada, energía conservada) son propiedades de sistemas dinámicos observados a lo largo del tiempo. Los datos transversales no tienen un eje temporal; los datos de dos puntos representan un mínimo degenerado.
3. Techos de Recuperabilidad: Incluso con series temporales, la reconstrucción del espacio de estados tiene límites. La conducción directa frente a la sincronización indirecta no puede resolverse sin eliminar los factores de confusión (edad, CHIP, composición celular, inflamación).
4. Piso de Ruido: El ruido de medición (2–4%) establece un piso duro; la velocidad calculada como una diferencia de valores $\beta$ ruidosos sobre intervalos cortos amplifica el ruido, limitando los intervalos de muestreo factibles.

Camino Propuesto: Un Programa de Muestreo Serial
Para pasar de la estratificación de riesgo estática a la inferencia de trayectoria dinámica, el artículo propone un programa de muestreo serial prospectivo con puertas de "sí/no" preespecificadas. Este programa está diseñado para que un resultado negativo en cualquier etapa sea un hallazgo publicable que refute la hipótesis de la trayectoria. Las cinco puertas son:

• Q1 (Incrustación): Verificar que se recupera una dimensión de incrustación estable a través de los sujetos.
• Q2 (Convergencia): Demostrar que las estadísticas de detección de continuidad separan a los progresores de los no progresores frente a un nulo.
• Q3 (Atractor): Validar que los conjuntos límite de trayectoria individuales coinciden con un centroide de diagnóstico.
• Q4 (Confusión): Probar que la relación de conducción sobrevive a la eliminación de edad, CHIP, composición celular e inflamación.
• Q5 (Procedencia): Confirmar la procedencia de los datos y que la precisión por sonda esté por debajo del piso de ruido.

Significado y Afirmaciones
El artículo concluye con dos hallazgos distintos y no confundidos:

1. Utilidad Inmediata: Un clasificador de carga de metilación estático de un solo punto temporal está actualmente respaldado por datos públicos. Discrimina subtipos, se valida externamente y es desplegable como una prueba de laboratorio desarrollada para la estratificación de riesgos.
2. Limitación Estructural: La lectura dinámica (velocidad, tiempo de adelanto) no está licenciada por los datos transversales. La limitación es estructural (ausencia de un eje temporal), no biológica.

La importancia del trabajo radica en separar "lo que es utilizable ahora" de "lo que debe ganarse prospectivamente". Al enmarcar la recuperación de la trayectoria como un problema de reconstrucción del espacio de estados y especificar un diseño experimental con puertas, el artículo busca evitar que el campo realice afirmaciones cinéticas circulares, proporcionando al mismo tiempo una vía rigurosa para sustentar tales afirmaciones si son biológicamente reales. Los autores enfatizan que un marco que especifique el experimento capaz de refutar la hipótesis es una fortaleza, asegurando que las afirmaciones futuras se basen en evidencia preespecificada en lugar de mera aserción.