When do protein-truncating variants and copy-number loss agree? A pre-specified, power-aware genome-wide audit of cross-perturbation effect equivalence in 885,362 gene-trait pairs

Nella ricerca di una comprensione di come i geni influenzino la salute umana, gli scienziati si sono a lungo affidati a un'idea potente: se riesci a vedere cosa succede quando un gene viene rotto, puoi indovinare cosa succede quando provi a ripararlo. Questa logica sostiene gran parte dello sviluppo moderno dei farmaci. I ricercatori cercano variazioni naturali nella popolazione umana che agiscano come esperimenti accidentali. A volte, una singola lettera nel codice genetico viene cambiata, rompendo di fatto le istruzioni di un gene. Altre volte, un intero blocco di DNA manca completamente, eliminando il gene e i suoi vicini. Per anni, l'assunto è stato che questi due tipi di danno — rompere un gene con un errore minuscolo rispetto a eliminarlo con un grande vuoto — dovrebbero produrre lo stesso risultato. Se un gene rotto causa colesterolo alto, allora un gene eliminato dovrebbe fare lo stesso. Questa convinzione permette agli scienziati di trattare diversi tipi di dati genetici come mappe intercambiabili, usandoli per prevedere quali bersagli farmacologici saranno sicuri ed efficaci.

Tuttavia, un nuovo, massiccio audit dei dati genetici umani suggerisce che questo assunto sia molto più fragile di quanto precedentemente ipotizzato. Un team di ricercatori, guidato da Beiji Lu, ha cercato di testare se questi due modi di danneggiare un gene raccontino davvero la stessa storia. Non si sono limitati a cercare schemi; hanno costruito un sistema rigoroso e pre-pianificato per verificare se gli effetti fossero effettivamente equivalenti, o se i dati fossero semplicemente troppo rumorosi per distinguere la differenza. Esaminando quasi 900.000 coppie di geni e tratti, hanno scoperto che, per la stragrande maggioranza dei casi, i dati sono silenziosi. Ancora più importante, hanno scoperto che i pochi casi in cui i due tipi di danno concordano sono spesso solo segnali vuoti, non prove di un reale effetto biologico. Lo studio conclude che non possiamo ancora usare questi dati genetici in modo intercambiabile per guidare lo sviluppo di farmaci, perché gli strumenti in nostro possesso non sono ancora abbastanza precisi da distinguere tra un vero accoppiamento biologico e una coincidenza statistica.

I ricercatori hanno affrontato questa domanda con la cautela di un auditor piuttosto che di un cacciatore. Invece di cercare alcuni eccitanti scoperte, hanno progettato un processo in tre fasi con regole rigide scritte prima di esaminare i dati. Il loro obiettivo era creare un inventario completo di dove le varianti che troncano le proteine — errori minuscoli che rompono il codice di un gene — e le perdite di numero di copie — grandi delezioni che rimuovono un gene — concordino sui loro effetti. Hanno utilizzato i dati del UK Biobank, una massiccia collezione di informazioni sanitarie e genetiche provenienti da centinaia di migliaia di volontari, insieme a un dataset esterno di AstraZeneca per verificare i loro risultati. Il team si è concentrato su 57 diversi tratti fisici, che vanno dalla pressione sanguigna alla densità ossea, e ha osservato come quasi 16.000 geni li influenzassero.

La prima fase del loro audit ha rivelato una realtà deprimente: i dati sono incredibilmente scarsi. Quando hanno cercato geni in cui entrambi i tipi di danno genetico mostrassero un effetto chiaro e significativo, ne hanno trovati pochissimi. Su centinaia di migliaia di possibilità, solo una frazione minuscola forniva prove sufficienti per affermare qualcosa con fiducia. I ricercatori speravano di trovare almeno 100 geni in cui potessero vedere un chiaro accordo tripartito tra i diversi tipi di evidenza genetica, ma ne hanno trovati solo 14. Questa mancanza di dati li ha costretti a restringere il campo a una domanda più semplice: i due tipi di danno concordano sulla direzione dell'effetto, o sono in disaccordo?

Passando all'analisi su scala genomica completa, i risultati sono diventati ancora più chiari. Degli 885.362 accoppiamenti gene-tratto esaminati, la stragrande maggioranza — più di 880.000 — è stata classificata come "informazione insufficiente". Ciò significa che per la maggior parte dei geni, i dati erano semplicemente troppo deboli per dire se i due tipi di danno fossero uguali o diversi. Non era che gli effetti fossero differenti; era che il segnale era troppo debole per essere misurato. Dopo aver applicato rigorose correzioni statistiche per garantire che non stessero vedendo schemi falsi, hanno identificato 4.252 coppie in cui gli effetti erano statisticamente equivalenti e 216 coppie in cui erano chiaramente diversi.

Ecco il punto critico che sfida le attuali strategie di sviluppo dei farmaci. I ricercatori avevano bisogno di trovare almeno 200 coppie gene-tratto in cui entrambi i tipi di danno fossero attivi e puntassero nella stessa direzione per dimostrare che le due mappe genetiche fossero intercambiabili per il targeting farmacologico. Ne hanno trovate solo nove. La stragrande maggioranza delle coppie "equivalenti" erano in realtà casi in cui nessuno dei due tipi di danno aveva alcun effetto rilevabile sul tratto. In altre parole, le mappe concordavano perché entrambe mostravano che non stava accadendo nulla, non perché entrambe mostrassero la stessa cosa che accadeva. Questa distinzione è vitale: uno sviluppatore di farmaci deve sapere che rompere un gene causa un cambiamento specifico, non solo che rompere un gene non causa alcun cambiamento.

Lo studio ha anche indagato il motivo per cui esistevano i pochi casi di disaccordo. Hanno scoperto che i geni che mostravano effetti diversi dai due tipi di danno si trovavano quasi sempre in regioni dove grandi blocchi di DNA venivano deleti, spesso rimuovendo più geni contemporaneamente. Ciò suggerisce che, quando si verifica una grande delezione, l'effetto non riguarda solo il singolo gene studiato, ma riguarda la rimozione di un cluster di geni insieme ad esso. Questo "effetto passeggero", in cui la delezione di un gene trascina con sé gli effetti dei suoi vicini, crea un segnale confuso che un'analisi su singolo gene non può districare. I ricercatori hanno scoperto che i geni con questi segnali contrastanti erano coperti da delezioni che rimuovevano una mediana di 10 geni codificanti proteine, rispetto ai soli 2,5 per i geni in cui i segnali concordavano.

Il team ha anche tentato di costruire un modello informatico per prevedere quando questi due tipi di danno genetico avrebbero discordato, sperando di creare uno strumento che potesse avvertire i ricercatori quando un bersaglio farmacologico potrebbe essere fuorviante. Hanno alimentato il modello con dati sulla precisione delle misurazioni e sulla struttura delle delezioni genetiche. Il modello funzionava quasi perfettamente nel separare i diversi casi, ma non perché avesse imparato la biologia. Funzionava perché aveva imparato i limiti dei dati stessi. Il modello poteva distinguere tra un segnale forte e uno debole, ma non poteva distinguere tra un vero effetto biologico e un caso fortuito statistico. Poiché le "etichette" per il modello derivavano dagli stessi dati rumorosi usati per l'addestramento, il modello stava essenzialmente memorizzando il rumore invece di scoprire una regola.

In definitiva, questo studio funge da necessaria pausa nella corsa all'uso dei dati genetici per la scoperta di farmaci. I ricercatori non hanno trovato un nuovo modo per prevedere il successo di un farmaco; hanno invece scoperto che l'attuale metodo di assumere che tutti i danni genetici siano uguali non è supportato dalle evidenze. L'inventario che hanno creato è una mappa di dove i dati sono silenziosi, dove sono chiari e dove sono fuorvianti. Concludono che, per procedere, gli scienziati hanno bisogno di nuovi tipi di dati che possano isolare i singoli geni dai loro vicini e separare i veri effetti biologici dal rumore delle grandi delezioni. Finché tali dati non saranno disponibili, l'assunto che un gene rotto e un gene deleto siano intercambiabili rimane non dimostrato, e forse anche non dimostrabile con gli strumenti attualmente in possesso. Il valore di questo lavoro non risiede in una scoperta rivoluzionaria, ma nella chiarezza del suo risultato negativo: dice alla comunità scientifica esattamente dove finisce la strada e di che tipo di nuovo veicolo si ha bisogno per continuare il viaggio.