A mechanistic model for genetic regulation of postmenopausal bone loss

Resumo Técnico: Um Modelo Mecanístico para a Regulação Genética da Perda Óssea Pós-Menopausa

Definição do Problema
A perda óssea pós-menopausa é um processo fisiológico complexo impulsionado pela interrupção do equilíbrio entre os osteoclastos (que reabsorvem o osso) e os osteoblastos (que formam o osso), primariamente devido ao declínio do estrogênio. Embora fatores genéticos influenciem significativamente a perda de densidade mineral óssea (DMO), traduzir associações genéticas em previsões de risco individualizadas permanece um desafio. Essa dificuldade surge dos pequenos tamanhos de efeito de polimorfismos de nucleotídeo único (SNPs) individuais e das interações poligênicas não lineares dentro da unidade de remodelamento ósseo. Modelos matemáticos existentes de remodelamento ósseo frequentemente carecem de mecanismos explícitos de sinalização de estrogênio ou falham em incorporar variáveis genéticas de nível individual, limitando sua utilidade para a avaliação personalizada de risco.

Metodologia
Os autores desenvolveram um novo modelo mecanístico da dinâmica de populações de células ósseas que integra a sinalização de estrogênio e polimorfismos genéticos. A estrutura baseia-se em modelos estabelecidos (Lemaire et al., Pivonka et al., Farhat et al., Jørg et al.) e é formulada como um sistema de 27 equações diferenciais ordinárias (EDOs) com 64 parâmetros.

• Estrutura do Modelo: O modelo simula a Unidade Multicelular Óssea (BMU), rastreando a dinâmica de progenitores de osteoclastos (OCp), osteoclastos ativos (OCa), progenitores de osteoblastos (OBp), osteoblastos ativos (OBa) e osteócitos (OT). Ele modela explicitamente vias regulatórias, incluindo o eixo RANK/RANKL/OPG, a sinalização Wnt (modulada pela esclerostina e DKK1) e a regulação hormonal por estrogênio, paratormônio (PTH) e TGF-β.
• Mecanismo de Estrogênio: O modelo incorpora explicitamente a regulação do estrogênio sobre o RANKL, OPG, esclerostina e, crucialmente, a apoptose de osteoclastos.
• Integração Genética: Os autores selecionaram 22 SNPs em 8 genes (ESR1, CYP19A1, RANK, RANKL, OPG, SOST, LRP5, TGFB1) associados à DMO ou aos níveis de estrogênio. Os efeitos genéticos foram incorporados mecanisticamente, mapeando os SNPs para seus impactos funcionais previstos em processos moleculares (por exemplo, modificando constantes de taxa de produção para variantes de expressão ou constantes de taxa de associação para variantes de ligação). Foi utilizado um modelo genético aditivo, com tamanhos de efeito marginais ajustados para desequilíbrio de ligação (LD) para calcular efeitos condicionais.
• Calibração e Validação: O modelo foi calibrado utilizando dados clínicos de mulheres pós-menopausa saudáveis e pacientes submetidas a terapia antiosteoporótica (denosumabe, romosozumabe e estradiol micronizado). Para representar com precisão as intervenções medicamentosas, modelos farmacocinéticos baseados em princípios fisiológicos mínimos (mPBPK) com disposição de fármaco mediada por alvo (TMDD) foram desenvolvidos para o denosumabe e o romosozumabe. A calibração envolveu o ajuste dos parâmetros do modelo às trajetórias longitudinais de DMO e de metabólitos de turnover ósseo (BTM).
• Simulação de População: Uma população virtual de 1.000 indivíduos foi simulada, estratificada por ancestralidade (europeia, africana, leste-asiática), com genótipos amostrados para preservar as frequências alélicas específicas de cada ancestralidade e os padrões de LD.

Principais Contribuições

1. Integração Mecanística de Genética: O estudo apresenta um framework de prova de conceito para integrar fatores de risco poligênicos em um modelo de doença mecanístico, indo além das associações estatísticas para simular trajetórias biológicas.
2. Elucidação de Mecanismos de Estrogênio: Por meio de experimentos de ablação, o modelo identificou que o principal efeito protetor do estrogênio no osso é mediado pela promoção da apoptose de osteoclastos, e não apenas através da regulação de RANKL, OPG ou esclerostina.
3. Modelagem de Resposta a Drogas: O desenvolvimento de modelos acoplados mPBPK-TMDD permitiu a simulação precisa de respostas terapêuticas a inibidores de RANKL e esclerostina, possibilitando a estimativa de capacidades de alvo e parâmetros específicos de cada droga.
4. Análise de Interação Genética: O framework permitiu a análise de efeitos epistáticos, revelando que, embora a maioria dos efeitos genéticos seja aditiva, existem interações não lineares significativas entre SNPs, particularmente dentro dos mesmos loci e entre diferentes genes (por exemplo, ES_R1 e SOST).

Resultados

• Desempenho do Modelo: O modelo calibrado reproduziu com precisão o declínio da DMO saudável em mulheres na pós-menopausa (taxa simulada: 0,62% ao ano) e capturou a magnitude do ganho de DMO observado com denosumabe (3,1% em 2 anos), romosozumabe (5,6% em 2 anos) e estradiol micronizado (1,9% em 3 anos).
• Previsões da População Virtual: A perda mediana prevista de DMO em 5 anos foi de 3,57% (intervalo de previsão de 95%: 1,31–5,24%), consistente com os valores da literatura. O modelo explicou aproximadamente 25% da variância assumida na perda de DMO.
• Diferenças de Ancestralidade: Indivíduos de ancestralidade africana foram previstos para experimentar a maior perda média de DMO em 5 anos (3,86%) em comparação com europeus (3,46%) e leste-asiáticos (3,28%).
• Fatores de Risco Genéticos: Os fatores de risco previstos mais fortes para a perda óssea foram CYP19A1 rs727479 e OPG rs3102735. Inversamente, LRP5 rs11228240 emergiu como um fator protetor.
• Epistasia: A análise revelou que as interações genéticas frequentemente atenuam os efeitos aditivos. Por exemplo, o efeito protetor do osso de RANK rs3018362 só foi detectável em indivíduos portadores de um alelo de risco em SOST rs188810925.

Significância e Alegações
Os autores afirmam que este trabalho fornece uma "prova de conceito" para a integração de fatores de risco genéticos em modelos mecanísticos de doenças. Eles enfatizam que o framework conseguiu preencher a lacça entre a descoberta científica (achados de GWAS) e a prática clínica, permitindo a simulação de trajetórias personalizadas de DMO baseadas na constituição genética. O estudo destaca a importância das interações genéticas não lineares e a necessidade de modelagem mecanística para compreender a carga genética combinada em condições poligênicas. Os autores observam modestamente que, embora o modelo capture uma parte significativa da variabilidade genética, fatores não genéticos (clínicos, demográficos, comportamentais) desempenham um papel importante na dinâmica óssea, e que trabalhos futuros são necessários para incorporar essas covariáveis e validar as previsões no nível individual. O framework é proposto como extensível a outras condições com herança poligênica.