Genetic drivers of protein changes over time: Findings, considerations, and approaches in TOPMed cohorts and UK Biobank

Resumo Técnico: Drivers Genéticos de Mudanças Proteicas ao Longo do Tempo em Coortes TOPMed e UK Biobank

Problema
Embora a idade seja um principal fator de risco para doenças, os mecanismos biológicos que impulsionam a heterogeneidade nas taxas de envelhecimento permanecem obscuros. Embora as proteínas sejam marcadores moleculares centrais do envelhecimento, e estudos de associação de genoma completo (GWAS) transversais tenham identificado milhares de loci de traços quantitativos proteicos (pQTLs), os drivers genéticos da variabilidade interindividual nas mudanças proteicas ao longo do tempo (inclinações longitudinais) permanecem amplamente inexplorados. Trabalhos anteriores estabeleceram associações genéticas com a taxa de mudança para traços como IMC e pressão arterial, mas aplicar esses conceitos aos quase 3.000 proteínas medidas por proteômica de alto rendimento apresenta desafios únicos em relação à carga computacional, transformação de dados e especificação de modelos. Uma questão metodológica crítica permanece: como os níveis basais de proteínas devem ser tratados em modelos de mudança proteica para evitar vieses estatísticos, como o viés de colisor ou a regressão à média?

Metodologia
O estudo utilizou dados proteômicos longitudinais de três coortes: o Multi-Ethnic Study of Atherosclerosis (MESA, n=2.007), o Coronary Artery Risk Development in Young Adults (CARDIA, n=1.328) e o UK Biobank (UKB, n=947). As proteínas foram medidas utilizando plataformas Olink (Explore 3k e Explore HT) ao longo de 3 visitas abrangendo 12–18 anos.

1. Processamento e Transformação de Dados: Os autores avaliaram três estratégias de transformação de dados antes do cálculo da inclinação (slope): (1) Transformação de normalidade inversa de ranking (INT) dentro da visita; (2) Resíduos da regressão dos valores proteicos sobre idade, sexo, local e PCs de ancestralidade; e (3) Sem transformação (usando valores NPX brutos). Eles descobriram que as inclinações derivadas desses métodos eram altamente correlacionadas (mediana de Pearson r > 0,86) e selecionaram as inclinações transformadas por INT para a análise primária.
2. Cálculo de Inclinação (Slope): Para cada indivíduo e proteína, uma inclinação linear foi calculada usando a idade como a variável independente ao longo das visitas disponíveis. Essas inclinações por pessoa foram então submetidas à transformação de normalidade inversa para servirem como fenótipo de desfecho.
3. Análise Genética (Descoberta): GWAS foram realizados no MESA usando TensorQTL. Dois modelos principais foram comparados:
   • Não Ajustado pela Base (Baseline Unadjusted): Ajustado para idade, sexo, local e PCs de ancestralidade.
   • Ajustado pela Base (Baseline Adjusted): Incluiu a medição proteica basal como uma covariável adicional.
   • O mapeamento fino foi realizado usando SuSiE para identificar conjuntos de credibilidade.
4. Replicação e Validação: Os resultados foram replicados no CARDIA e UKB. O estudo também comparou a abordagem primária de pQTL de inclinação contra estratégias de modelagem alternativas:
   • Modelos de interação SNP-por-Idade transversais e longitudinais.
   • Modelos de dois estágios de intercepto aleatório e inclinação aleatória (RIRS).
   • Análise de vQTL (Variance QTL) para avaliar a regulação genética da variabilidade proteica.
5. Avaliação de Viés: Os autores empregaram Grafos Acíclicos Dirigidos (DAGs) para hipotetizar se os níveis basais de proteínas atuam como mediadores ou colisores na relação entre genótipo e inclinação proteica.

Resultos Principais

• Impacto do Ajuste pela Base: A escolha do modelo alterou drasticamente a descoberta. O modelo não ajustado pela base identificou apenas 19 proteínas com pQTLs de inclinação significativos (20 conjuntos de credibilidade), com baixa replicação em coortes externas. Em contraste, o modelo ajustado pela base identificou 607 proteínas (698 conjuntos de credibilidade). No entanto, mais de 70% desses sinais ajustados pela base replicaram no CARDIA e/ou UKB, sugerindo que, embora o número de achados tenha aumentado, muitos podem ser impulsionados por artefatos estatísticos em vez de efeitos biológicos reais.
• Direcionalidade e Replicação: Um contraste acentuado na direcionalidade do efeito foi observado. A maioria dos loci não ajustados pela base foi direcionalmente discordante dos efeitos ajustados pela base. Notavelmente, a categoria de loci que foram significativos apenas no modelo ajustado pela base e direcionalmente discordantes do modelo não ajustado apresentou as maiores taxas de replicação (93,1% no UKB, 81,9% no CARDIA). Isso contradiz a hipótese de que sinais discordantes são espúrios; em vez disso, sugere que o viés introduzido pelo ajuste pela base é consistente entre as coortes.
• Modelos Alternativos:
  • Interações SNP-por-Idade: Modelos de interação transversais falharam em identificar associações significativas. Modelos de interação longitudinais identificaram 31 principais associações significativas, mas 89% dos leads não ajustados pela base mostraram interações significativas, enquanto apenas 0,02% dos leads ajustados pela base mostraram. A maioria dos efeitos de interação foi direcionalmente discordante dos efeitos principais.
  • Modelos de Inclinação Aleatória: Um modelo de dois estágios de intercepto aleatório e inclinação aleatória identificou 383 proteínas com pQTLs de inclinação, mas a maioria das direções de efeito foi discordante das associações transversais.
  • Variação de Variância (vQTLs): 75,8% das proteínas que possuíam um cis-vQTL também possuíam um pQTL de inclinação (no modelo ajustado pela base), mas apenas 15 loci de variância sobrepuseram-se aos conjuntos de credibilidade de inclinação.
• Caracterização Biológica: As proteínas com pQTLs de inclinação ajustados pela base foram significativamente enriquecidas para aquelas conhecidas por serem associadas à idade (Sun et al., UKB), mas mostraram sobreposição mínima com proteínas selecionadas para relógios proteômicos de envelhecimento.

Significância e Alegações
O artigo postula que estratégias de modelagem de fenótipos de mudança longitudinal exigem consideração cuidadosa para evitar erro de especificação de modelo. Os autores alegam que:

1. Riscos do Ajuste pela Base: Ajustar pelos níveis basais de proteínas em análises de inclinação provavelmente introduz viés de colisor ou regressão à média, podendo gerar associações espúrias. Embora os modelos ajustados pela base produzam mais descobertas, a alta replicação de sinais discordantes sugere que estes podem ser artefatos da estratégia de modelagem, em vez de drivers biológicos verdadeiros.
2. Cautela Metodológica: O estudo demonstra que métodos padrão de pQTL transversais não se traduzem diretamente para análises de inclinação longitudinal. A "verdade fundamental" (ground truth) para as taxas de mudança proteica é desconhecida para a maioria das proteínas, tornando difícil validar qual modelo (ajustado vs. não ajustado) captura a biologia real.
3. Direções Futuras: Os autores concluem que, embora tenham identificado potenciais mecanismos genéticos influenciando mudanças proteicas, a área necessita de amostras maiores e modelagem longitudinal mais robusta (ex: modelos lineares mistos) para distinguir os verdadeiros drivers genéticos do envelhecimento de vieses estatísticos. Eles fornecem estatísticas de resumo para ambos os modelos (ajustado e não ajustado) para permitir que pesquisadores selecionem a abordagem mais apropriada para suas perguntas clínicas ou biológicas específicas.

O estudo não pretende afirmar que resolveu definitivamente o problema de identificar drivers genéticos do envelhecimento, mas sim destacar as considerações metodológicas críticas e os potenciais problemas (especificamente o ajuste pela base) inerentes às abordagens atuais de descoberta de pQTL longitudinal.