PRS-CARV: A summary statistics framework for integrating annotation-informed rare variants to improve polygenic risk prediction

Immaginate di cercare di prevedere la salute futura di una persona osservando il suo progetto genetico. Per anni, gli scienziati si sono concentrati sulle lettere più comuni di quel progetto, le minuscole variazioni nel DNA che appaiono frequentemente in tutta la popolazione umana. Queste variazioni comuni agiscono come una brezza leggera e diffusa, ognuna delle quali contribuisce con una quantità minima al rischio di una persona per condizioni come malattie cardiache o colesterolo alto. Sommando questi piccoli effetti, i ricercatori possono creare un "punteggio di rischio poligenico", un numero singolo che stima la suscettibilità genetica di un individuo. Tuttavia, questo approccio ha a lungo ignorato le raffiche di vento rare e potenti: le variazioni genetiche che si verificano in meno di una persona su cento. Queste varianti rare sono spesso molto più potenti, capaci di causare cambiamenti biologici significativi, ma poiché sono così insolite, sono state difficili da studiare senza database massicci ed costosi di codici genetici individuali.

Un team di ricercatori ha ora sviluppato un nuovo metodo per portare queste segnali genetici rari e potenti nel mix di previsione senza la necessità di accedere a quei database privati e massicci. Il loro approccio, chiamato PRS-CARV, consente agli scienziati di combinare l'influenza costante delle variazioni genetiche comuni con l'impatto netto di quelle rare, utilizzando solo dati riassuntivi pubblicamente disponibili. Testando questo metodo su dati del mondo reale provenienti da donne in gravidanza, il team ha scoperto che l'aggiunta di varianti rare ha migliorato significativamente la capacità di prevedere i livelli di colesterolo e altri grassi nel sangue. Questa svolta suggerisce che è possibile ottenere un quadro più completo del rischio genetico, uno che cattura sia il rumore di fondo comune che i segnali rari e ad alto impatto nascosti nel nostro DNA.

La sfida centrale che i ricercatori hanno affrontato era di natura logistica. Per misurare accuratamente l'effetto delle varianti genetiche rare, gli scienziati tradizionalmente avevano bisogno di raccogliere i dati genetici grezzi di centinaia di migliaia di persone. Questo è spesso impossibile a causa delle leggi sulla privacy, dei costi elevati e della pura difficoltà di condividere tali informazioni sensibili. Nel frattempo, progetti su larga scala come l'UK Biobank hanno già analizzato milioni di campioni genetici e pubblicato i risultati sotto forma di statistiche riassuntive — numeri aggregati che mostrano come geni o varianti specifiche siano collegati a determinati tratti, senza rivelare l'identità degli individui. Il nuovo metodo, PRS-CARV, è stato progettato per colmare questa lacuna. Esso prende i dati riassuntivi da queste grandi risorse pubbliche e li combina con i dati genetici individuali di un gruppo specifico di persone per costruire un punteggio di rischio più accurato.

I ricercatori hanno testato il loro framework esaminando i tratti lipidici, ovvero misure dei grassi nel sangue come l'lipoproteina ad alta densità (HDL), la lipoproteina a bassa densità (LDL), i trigliceridi e il colesterolo totale. Hanno utilizzato un dataset di quasi 3.000 donne in gravidanza di discendenza europea dallo studio nuMoM2b-Heart Health. Per i dati di base, si sono affidati alle statistiche riassuntive dell'UK Biobank, che includevano informazioni su oltre 390.000 persone. Il processo prevedeva due fasi principali. Primo, hanno calcolato un punteggio di rischio basato sulle varianti genetiche comuni, una pratica standard nel settore. Secondo, hanno calcolato un punteggio separato per le varianti rare. Per farlo, hanno raggruppato i cambiamenti genetici rari all'interno di geni specifici in base alla loro funzione, come se fossero probabili a rompere una proteina o solo a modificarla leggermente. Hanno poi sommato gli effetti di questi gruppi rari utilizzando i pesi forniti dal grande database pubblico. Infine, hanno combinato questi due punteggi in un unico modello di previsione unificato.

I risultati hanno mostrato un chiaro vantaggio nell'inclusione delle varianti rare. Quando i ricercatori hanno osservato quanto bene i punteggi prevedessero i reali livelli di colesterolo nelle donne, il modello che includeva sia le varianti comuni che quelle rare è risultato superiore rispetto al modello che utilizzava solo le varianti comuni. Il miglioramento non è stato uniforme per tutti i tratti; è variato da un aumento di 0,02 nell'AUC per il colesterolo HDL a un aumento di 0,11 per l'LDL. In ogni caso, le varianti rare hanno aggiunto uno strato di informazione che le varianti comuni avevano mancato. I ricercatori hanno anche osservato che i geni che contribuivano al punteggio delle varianti rare erano in gran parte diversi da quelli del punteggio delle varianti comuni. Mentre le varianti comuni indicavano una vasta rete di geni con effetti piccoli, le varianti rare evidenziavano geni specifici dove i cambiamenti genetici erano più probabili a interrompere la funzione proteica, come quelli coinvolti nella scomposizione dei grassi.

Per garantire che i loro risultati fossero robusti, il team ha anche eseguito simulazioni al computer in cui hanno creato dati genetici fittizi con proprietà note. In queste simulazioni, sapevano esattamente quali varianti genetiche causassero i tratti e quanto fossero forti i loro effetti. Le simulazioni hanno confermato che, sebbene le varianti rare da sole non fossero abbastanza forti da prevedere bene i tratti, esse fornivano una spinta significativa quando aggiunte alle varianti comuni. Ciò è rimasto vero anche quando i ricercatori hanno modificato il numero di cause genetiche nella simulazione. La coerenza tra la simulazione e i dati del mondo reale ha dato al team la fiducia che il loro metodo stesse funzionando come previsto.

Tuttavia, lo studio ha anche rivelato dei limiti importanti all'efficacia di questo metodo. Quando i ricercatori hanno applicato lo stesso approccio a esiti binari — condizioni che sono presenti o assenti, come il diabete gestazionale o l'ipertensione durante la gravidanza — l'aggiunta di varianti rare non ha migliorato la previsione. Il modello non è stato migliore con le varianti rare rispetto a senza di esse. Gli autori suggeriscono che ciò sia dovuto probabilmente al fatto che il grande database pubblico utilizzato non conteneva abbastanza casi di queste specifiche condizioni legate alla gravidanza per rilevare gli effetti delle varianti rare con certezza statistica. Inoltre, queste condizioni in gravidanza sono influenzate da molti fattori complessi oltre alla genetica, come gli ormoni e l'ambiente, che possono diluire il segnale delle varianti rare.

Lo studio conclude che PRS-CARV offre un modo pratico per rendere la previsione del rischio genetico più completa. Sfruttando le statistiche riassuntive pubblicamente disponibili, il metodo consente ai ricercatori di incorporare le potenti informazioni contenute nelle varianti genetiche rare senza la necessità di accedere a dati individuali privati. Questo è un passo significativo verso la medicina di precisione, dove comprendere il profilo di rischio genetico completo di una persona, includendo sia gli elementi comuni che quelli rari, può portare a migliori strategie di prevenzione e cura. I ricercatori osservano che il loro lavoro attuale si è concentrato sulla discendenza europea e sulle regioni del genoma codificanti le proteine, ma le future applicazioni potrebbero espandersi per includere popolazioni diverse e regioni genetiche non codificanti, man mano che i dati diventano disponibili. Per ora, il metodo è uno strumento collaudato per affinare la nostra comprensione dell'architettura genetica di tratti complessi come i livelli di colesterolo.