Non-independence in network-structured Mendelian randomization: a permutation framework and six failure modes

Gli scienziati cercano da tempo un modo affidabile per prevedere se un farmaco funzionerà prima ancora che raggiunga il paziente. Un metodo potente, noto come randomizzazione mendeliana, utilizza la randomizzazione naturale della natura per testare causa ed effetto. Esso esamina le variazioni genetiche che le persone ereditano alla nascita, le quali fungono da esperimenti naturali. Se una specifica variante genetica causa in una persona livelli più elevati di una certa proteina nel sangue, e quella stessa persona presenta anche un rischio maggiore di una malattia, i ricercatori possono dedurre che la proteina stessa sia probabilmente la causa della malattia. Questo approccio è diventato uno strumento standard per la nomina di nuovi bersagli terapeutici, in particolare per le malattie cardiache. Un'assunzione comune in questo campo è che se una proteina (un ligando) causa una malattia, allora la proteina che riceve il suo segnale (il suo recettore) debba raccontare la stessa storia. Se il messaggero è pericoloso, la logica suggerisce, anche il ricevente deve far parte del problema.

Tuttavia, uno studio recente sfida questa assunzione, rivelando che trattare queste due misurazioni come prove intercambiabili è un errore. I ricercatori hanno analizzato migliaia di coppie di proteine interagenti per vedere se i loro segnali genetici concordassero sul rischio di malattia coronarica. Hanno scoperto che i segnali del messaggero e del ricevitore spesso discordano e, quando concordano, lo fanno non più spesso di quanto farebbero se le proteine fossero state accoppiate casualmente. Lo studio ha inoltre svelato un difetto nascosto nel modo in cui gli scienziati contano le proprie scoperte: poiché le proteine sono collegate in una rete complessa, la stessa proteina appare in molte coppie diverse, rendendo invalide le normali correzioni statistiche. Il risultato è una visione più chiara e cauta di come identifichiamo i bersagli terapeutici, mostrando che non possiamo semplicemente assumere che un percorso funzioni allo stesso modo solo perché le sue due parti sono geneticamente legate.

I ricercatori hanno iniziato raccogliendo dati su 660 diverse proteine misurate nel sangue di quasi 50.000 persone. Si sono concentrati su proteine che presentavano un chiaro interruttore genetico nelle vicinanze, il che ha permesso loro di utilizzare il metodo della randomizzazione mendeliana con fiducia. Hanno poi esaminato 1.129 coppie di proteine in cui una funge da segnale e l'altra da ricevitore, una relazione mappata in un database di note interazioni biologiche. Per ogni coppia, hanno calcolato l'effetto della proteina segnale sulla malattia cardiaca e hanno confrontato tale effetto con quello della proteina ricevitrice. Se la comune assunzione fosse vera, questi due numeri dovrebbero muoversi nella stessa direzione. Inveve, il team ha scoperto che l'accordo tra il segnale e il ricevitore era poco migliore del caso. In un grande dataset, le due proteine indicavano la stessa direzione solo circa il 48,5% delle volte, un risultato indistinguibile dall'accoppiamento casuale delle proteine. In un secondo dataset, più ampio, l'accordo era ancora più basso, al 47%.

Questa mancanza di accordo suggerisce che misurare il segnale e misurare il ricevitore stiano in realtà rispondendo a due domande diverse. Lo studio ha mostrato che quando i ricercatori cercavano coppie in cui le due proteine discordavano significativamente, il numero di "scoperte" triplicava utilizzando un dataset più ampio con più casi di malattie cardiache, passando da 10 a 31. Fondamentalmente, l'aspettativa statistica per il rumore casuale aumentava di pari passo, da 9 a 30, il che significa che l'aumento era coerente con il caso piuttosto che con un segnale biologico. I ricercatori hanno dimostrato che i metodi standard per correggere questi errori fallivano perché trattavano ogni coppia di proteine come un test indipendente. In realtà, le proteine sono collegate in una rete; una singola proteina può far parte di decine di coppie. Quando la stessa proteina appare in più test, i dati non sono indipendenti e le correzioni standard sovrastimano il numero di vere scoperte.

Per risolvere il problema, il team ha sviluppato un nuovo modo per testare i risultati che rispettasse la struttura della rete. Hanno provato due approcci: uno che rimescolava le connessioni tra le proteine mantenendo invariate le proteine stesse e il loro numero di connessioni, e un altro che spostava i valori statistici su proteine diverse. Hanno scoperto che spostare i valori su altre proteine era inadatto perché ignorava il fatto che le proteine altamente connesse tendono ad avere effetti maggiori. Tuttavia, il metodo che manteneva fisse le proteine e le loro connessioni, rimescolando solo gli accoppiamenti, ha dimostrato che le apparenti discrepanze "significative" trovate dai metodi standard erano probabilmente solo artefatti della forma della rete. Quando hanno applicato questo test più rigoroso, il numero di disaccordi osservati non era significativamente diverso da quanto ci si potrebbe aspettare dal caso. Lo studio ha anche esaminato se le proteine note per essere causali per la malattia cardiaca, come la PCSK9, mostrassero un modello speciale di accordo. Sebbene la PCSK9 fosse correttamente identificata come fattore di rischio, il modello più ampio di accordo tra segnali e ricevitori non reggeva. Anche quando i ricercatori hanno verificato i loro risultati con una diversa tecnologia di misurazione per assicurarsi che non fossero dovuti a errori nelle apparecchiature di laboratorio, la mancanza di accordo tra segnali e ricevitori è rimasta costante.

Le implicazioni di queste scoperte sono significative per il modo in cui verranno scelti i futuri bersagli terapeutici. Lo studio ha identificato sei modi specifici in cui le pratiche attuali possono trarre in errore i ricercatori, tra cui l'incapacità di tenere conto delle connessioni di rete e la dipendenza da singoli segnali genetici in regioni complesse del genoma. Un problema importante è che molte proteine si trovano in aree del genoma dove i segnali genetici si sovrappongono, rendendo difficile determinare quale di essi stia effettivamente guidando la malattia. I ricercatori hanno scoperto che quando cambiavano il dataset utilizzato per definire la malattia cardiaca, le conclusioni su un eventuale legame genetico tra una proteina e la malattia spesso cambiavano radicalmente. Questa instabilità suggerisce che molte affermazioni precedenti su percorsi condivisi potrebbero non essere robuste. Lo studio conclude che, sebbene la randomizzazione mendeliana rimanga uno strumento prezioso, l'assunzione che un ligando e il suo recettore forniscano prove intercambiabili su un percorso biologico non è supportata dai dati. Gli scienziati devono ora trattare queste due misurazioni come pezzi di evidenza distinti piuttosto che come un'unica storia unificata.