Systematic common and rare variant association testing in 392,030 whole genomes in All of Us

Questo studio presenta un'analisi completa di 392.030 genomi interi del programma di ricerca "All of Us", utilizzando un quadro unificato "All by All" per identificare quasi 50.000 associazioni genetiche attraverso migliaia di tratti e, mediante meta-analisi con la UK Biobank, scoprire nuovi collegamenti gene-fenotipo fornendo al contempo strumenti pubblici per la ricerca globale.

L'essenziale

Immagina di cercare di capire perché alcune persone si ammalano mentre altre rimangono in salute. Da molto tempo, gli scienziati hanno cercato indizi nel nostro DNA, ma hanno lavorato con mappe relativamente piccole. Questo articolo è come la rivelazione di un atlante massiccio ad alta definizione della genetica umana, costruito dal programma di ricerca "All of Us".

Ecco una panoramica di ciò che i ricercatori hanno fatto e scoperto, utilizzando semplici analogie:

1. Il quadro generale: Una gigantesca biblioteca genetica

Pensa al programma All of Us come a una biblioteca massiccia. Invece di libri, contiene il codice genetico completo (genomi interi) e le cartelle cliniche di oltre 392.000 persone. Ciò che rende speciale questa biblioteca è che non è riempita solo da persone di un'unica origine; è una collezione diversificata che rappresenta molte diverse ascendenze genetiche negli Stati Uniti.

I ricercatori non hanno esaminato solo uno o due problemi di salute. Hanno costruito un sistema per controllare 3.602 tratti diversi contemporaneamente. È come un bibliotecario che, invece di verificare se un libro riguarda la "cucina", controlla se riguarda cucina, giardinaggio, riparazione di auto e viaggi spaziali tutti allo stesso tempo. Hanno definito questo approccio "All by All" (Tutto con Tutto).

2. La ricerca: Trovare minuscoli indizi in un pagliaio

I ricercatori stavano cercando due tipi di indizi genetici:

• Varianti comuni: Sono come errori di battitura che si verificano frequentemente in un libro. Molte persone li possiedono e potrebbero aumentare leggermente il rischio di condizioni comuni come obesità o pressione alta.
• Varianti rare: Sono come errori di battitura molto specifici e unici, trovati solo in poche copie del libro. Anche se sono rari, a volte possono avere un impatto enorme sulla salute, come causare una malattia specifica.

Hanno eseguito 1,3 trilioni di test (una ricerca enorme!) per vedere se questi errori genetici fossero collegati a uno qualsiasi dei 3.602 tratti di salute.

3. I risultati: Trovare nuove connessioni

Dopo tutta quella ricerca, hanno trovato 49.863 connessioni forti tra geni e tratti di salute.

• Le scoperte "comuni": Hanno confermato molte cose che già sospettavamo. Ad esempio, hanno trovato forti legami tra geni vicini a FTO e TCF7L2 e problemi come obesità e diabete. Interessante notare che per alcuni di questi legami, la forza della connessione sembrava diversa per uomini e donne, probabilmente perché i medici prescrivono certi farmaci in modo diverso per uomini e donne.
• Le scoperte "rare": Hanno trovato oltre 1.000 nuovi legami che coinvolgono errori genetici rari. Alcuni di questi erano come trovare un pezzo mancante di un puzzle di cui nessuno sapeva che mancasse. Ad esempio, hanno trovato un errore raro in un gene chiamato TIMD4 che sembrava essere collegato agli alti trigliceridi (un tipo di grasso nel sangue), una connessione che non era visibile quando si osservavano gruppi più piccoli di persone.

4. La super-alleanza: Unire le forze

Per rendere la loro ricerca ancora più potente, i ricercatori hanno combinato la loro biblioteca "All of Us" con un'altra biblioteca gigante chiamata UK Biobank.

• L'analogia: Immagina due detective che cercano di risolvere un mistero. Il Detective A ha una lista di 400.000 testimoni, e il Detective B ha una lista di 300.000. Se lavorano da soli, potrebbero perdere un indizio. Ma se uniscono le loro liste, hanno 786.000 testimoni.
• Il risultato: Unendo questi due enormi set di dati, hanno trovato 193 nuove connessioni gene-malattia che nessuna delle due biblioteche avrebbe potuto trovare da sola. È come trovare un ago in un pagliaio che era troppo piccolo per essere visto prima, ma è diventato visibile quando hai raddoppiato le dimensioni del pagliaio.

5. Lo strumento: Una mappa pubblica per tutti

I ricercatori non hanno tenuto queste scoperte solo per sé. Hanno costruito un browser pubblico e interattivo (come una Google Maps per la genetica).

• Come funziona: Qualsiasi scienziato nel mondo può andare online, digitare un gene o una malattia e vedere istantaneamente tutte le connessioni trovate in questo studio. Possono ingrandire parti specifiche del DNA o osservare come diversi gruppi di persone si confrontano tra loro.
• Perché è importante: Questo abbassa la barriera all'ingresso. Non è necessario essere esperti di supercomputer per utilizzare questi dati; basta un browser web.

Avvertenze importanti (Cosa l'articolo non dice)

Gli autori sono molto attenti a dichiarare cosa questo studio non è:

• Non è uno strumento di diagnosi: Trovare un legame tra un gene e una malattia non significa che il gene causi la malattia in ogni caso. È un indizio statistico, non una sentenza medica.
• Non è una cura: Questo articolo identifica bersagli per ricerche future, ma non fornisce nuovi trattamenti o farmaci.
• Non è perfetto: Lo studio riconosce che le cartelle cliniche (come i codici di fatturazione) non sono specchi perfetti della salute reale di una persona e che diversi gruppi di persone potrebbero essere stati rappresentati in modo diverso.

Riassunto

In breve, questo articolo è un massiccio "discorso sullo stato dell'Unione" per la genetica umana. Utilizzando un enorme set di dati diversificato e combinandolo con un altro importante set di dati globale, i ricercatori hanno creato una nuova e potente mappa di come i nostri geni si relazionano alla nostra salute. Hanno trovato migliaia di nuove connessioni, confermato molte di quelle esistenti e costruito uno strumento gratuito e facile da usare affinché scienziati di tutto il mondo possano iniziare a utilizzare questa mappa per imparare di più sulla biologia umana.

Sommario tecnico

Sintesi Tecnica: Test di Associazione Sistematica per Varianti Comuni e Rare in 392.030 Genomi Intieri nel Programma All of Us

Problema e Contesto
Le biobanche su larga scala hanno stabilito l'utilità degli studi di associazione genome-wide (GWAS) e degli studi di associazione per varianti rare (RVAS) per scoprire le basi genetiche dei tratti complessi. Tuttavia, le risorse esistenti spesso mancano di sufficiente diversità nell'ascendenza genetica o della scala necessaria per rilevare con alta confidenza gli effetti delle varianti rare. Il Programma di Ricerca All of Us mira a colmare queste lacune arruolando una popolazione statunitense diversificata, tuttavia era necessaria un'analisi completa e unificata dei suoi dati di sequenziamento dell'intero genoma (WGS) su tutto il fenotipo per massimizzarne l'utilità per la scoperta genica.

Metodologia
Gli autori presentano un framework computazionale "All by All" applicato alla versione 8 del Programma di Ricerca All of Us. Lo studio ha utilizzato dati WGS e informazioni fenotipiche armonizzate da 392.030 partecipanti following rigoroso controllo di qualità (QC).

• Stratificazione della Coorte: Per controllare la stratificazione della popolazione massimizzando al contempo la dimensione del campione, i partecipanti sono stati assegnati a sei gruppi di similarità genetica (simili ad AFR, simili ad AMR, simili ad EAS, simili ad EUR, simili a MID, simili a SAS) basati sulla similarità con pannelli di riferimento. Questi gruppi sono stati trattati come strati analitici discreti piuttosto che come categorie biologicamente distinte.
• Ambito del Fenotipo: L'analisi ha coperto 3.602 fenotipi unici, inclusi misurazioni fisiche e di laboratorio, malattie (definite tramite PhecodeX), prescrizioni (classificazione ATC) e dati auto-dichiarati.
• Framework Statistico:
  • Varianti Comuni: I test di associazione per singola variante sono stati eseguiti utilizzando SAIGE.
  • Varianti Rare: Le analisi di onere a livello genico sono state condotte utilizzando SAIGE-GENE+, aggregando le varianti rare codificanti per proteine (frequenza dell'allele minore [MAF] massima 0,1%) per annotazione funzionale.
  • Meta-analisi: Lo studio ha eseguito meta-analisi tra i sei gruppi di similarità genetica utilizzando modelli ponderati con varianza inversa a effetti fissi per i test di singola variante e il metodo di Stouffer per i test di varianti rare basati sui geni.
  • Integrazione Cross-Biobank: Una meta-analisi secondaria ha combinato i risultati di All of Us con i dati della UK Biobank (UKB), comprendendo fino a 786.871 campioni. I fenotipi delle malattie sono stati armonizzati mappando i codici PhecodeX di All of Us sui codici ICD-10 della UKB.
• Rilascio dei Dati: I risultati sono stati resi disponibili tramite un browser interattivo pubblico e la Piattaforma di Lavoro per Ricercatori di All of Us.

Risultati Chiave

• Scala dell'Analisi: Lo studio ha eseguito circa 1,337 trilioni di test di associazione. Dopo il QC, gli autori hanno identificato 48.831 segnali di singola variante indipendenti e di alta qualità (pruned per LD con $r^2 < 0,1$, $p < 5 \times 10^{-8}$) e 1.032 associazioni significative di onere genico ($p < 6,7 \times 10^{-7}$) a MAF massima 0,1%.
• Concordanza Fenotipica: I confronti tra malattie auto-dichiarate e malattie cliniche fatturate tramite PhecodeX hanno mostrato un'alta correlazione nella prevalenza ($r = 0,74$), sebbene i dati auto-dichiarati catturassero più frequentemente condizioni più lievi.
• Coerenza tra Gruppi: Tra i gruppi di similarità genetica, le direzioni degli effetti sono state in gran parte coerenti. Solo lo 0,4% delle associazioni di varianti significative ha mostrato direzioni di effetto opposte tra i gruppi, e queste hanno mostrato un'alta eterogeneità.
• Potere della Meta-analisi: La meta-analisi tra gruppi genetici ha migliorato significativamente la scoperta. Per i fenotipi analizzati nei tre gruppi più grandi, il 42,4% delle associazioni gene-fenotipo significative per varianti pLoF (varianti tronchianti la proteina) è stato identificato solo attraverso la meta-analisi, non in nessun singolo gruppo da solo.
• Scoperte Cross-Biobank: La meta-analisi di All of Us e UK Biobank (fino a 786.871 campioni) ha identificato 193 associazioni gene-fenotipo pLoF che non erano significative in nessuna delle due coorti individualmente. Tra queste, 22 erano segnali nuovi non evidenziati dalla precedente curazione automatizzata della letteratura. Gli esempi includono:
  • Replicati: Varianti rare pLoF in MIB1 associate al diabete di tipo 2 e in ZMYM4 con l'obesità.
  • Nuovi: Associazioni tra TREM1 e ernia ombelicale, e tra TMEM127 e dermatofitosi.
  • Cross-Fenotipo: Lo studio ha identificato 44 coppie gene-annotazione con associazioni cross-fenotipo, come le varianti di PCSK9 che influenzano i biomarcatori del colesterolo e l'iperlipidemia clinica, e le varianti di TSHR che influenzano i fenotipi correlati alla tiroide.
• Risultati Stratificati per Sesso: Le analisi sull'uso di analoghi del GLP-1 hanno rivelato associazioni più forti con TCF7L2 negli uomini e con FTO nelle donne, riflettendo differenze nei modelli di prescrizione e nella prevalenza della malattia.

Significato e Affermazioni
Il documento afferma che questa risorsa rappresenta uno dei più grandi set di dati di associazione pubblicamente disponibili che coprono sia le variazioni genome-wide che exome-wide. Il suo significato principale risiede in:

1. Potere di Scoperta Potenziato: Dimostrare che la meta-analisi tra gruppi genetici diversificati e biobanche è fondamentale per rilevare associazioni di varianti rare che rimangono non rilevabili nelle singole coorti.
2. Diversità: Fornire una risorsa con una rappresentazione non europea significativamente migliorata rispetto ai precedenti studi su biobanche su larga scala, consentendo l'identificazione di associazioni attribuibili a differenze di frequenza allelica tra le popolazioni.
3. Utilità: Stabilire un framework per rilasci iterativi di dati man mano che la coorte All of Us cresce, consentendo la scoperta genica sistematica, la prioritizzazione di bersagli terapeutici e lo sviluppo di punteggi di rischio poligenico.
4. Accessibilità: Ridurre le barriere all'accesso ai dati attraverso il rilascio di statistiche riassuntive e un browser interattivo, facilitando interrogazioni rapide e interpretazione da parte della comunità di ricerca globale.

Gli autori notano limitazioni, tra cui il fatto che le associazioni rappresentano correlazioni statistiche piuttosto che prove causali, potenziali bias residui derivanti dalla fenotipizzazione basata su EHR, e il fatto che le meta-analisi cross-biobank riflettono ancora in modo sproporzionato segnali specifici europei a causa della composizione della UK Biobank. Sottolineano che i gruppi di similarità genetica sono strumenti analitici per il controllo degli errori e non dovrebbero essere interpretati come categorie biologicamente discrete.