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

Imagine tentar prever a saúde futura de uma pessoa observando seu mapa genético. Durante anos, os cientistas focaram nas letras mais comuns desse mapa, as minúsculas variações no DNA que aparecem frequentemente em toda a população humana. Essas variações comuns agem como uma brisa suave e generalizada, cada uma contribuindo com uma pequena quantidade para o risco de uma pessoa desenvolver condições como doenças cardíacas ou colesterol alto. Ao somar esses pequenos efeitos, os pesquisadores podem criar um "escore de risco poligênico", um número único que estima a suscetibilidade genética de um indivíduo. No entanto, essa abordagem ignorou por muito tempo as rajadas de vento raras e poderosas: as variações genéticas que ocorrem em menos de uma em cada cem pessoas. Essas variantes raras são frequentemente muito mais potentes, capazes de causar mudanças biológicas significativas, mas, por serem tão incomuns, foram difíceis de estudar sem bancos de dados massivos e caros de códigos genéticos individuais.

Uma equipe de pesquisadores desenvolveu agora um novo método para trazer essas informações genéticas raras e poderosas para o mix de predição sem a necessidade de acessar esses bancos de dados privados e massivos. A abordagem deles, chamada PRS-CARV, permite que os cientistas combinem a influência constante das variações genéticas comuns com o impacto agudo das variantes raras, usando apenas dados de resumo publicamente disponíveis. Ao testar esse método em dados do mundo real de mulheres grávidas, a equipe descobriu que a adição de variantes raras melhorou significativamente a capacidade de prever os níveis de colesterol e outras gorduras no sangue. Essa descoberta sugere que é possível obter um quadro mais completo do risco genético, um que capture tanto o ruído de fundo comum quanto os sinais raros e de alto impacto escondidos em nosso DNA.

O desafio central que os pesquisadores abordaram foi de natureza logística. Para medir com precisão o efeito de variantes genéticas raras, os cientistas tradicionalmente precisavam reunir os dados genéticos brutos e individuais de centenas de milhares de pessoas. Isso é frequentemente impossível devido às leis de privacidade, aos altos custos e à enorme dificuldade de compartilhar informações tão sensíveis. Enquanto isso, projetos de grande escala, como o UK Biobank, já analisaram milhões de amostras genéticas e publicaram os resultados como estatísticas de resumo — números agregados que mostram como genes ou variantes específicas estão ligados a características, sem revelar quem são os indivíduos. O novo método, o PRS-CARV, foi projetado para preencher essa lacuna. Ele pega os dados de resumo desses grandes recursos públicos e os combina com os dados genéticos individuais de um grupo específico de pessoas para construir um escore de risco mais preciso.

Os pesquisadores testaram sua estrutura analisando traços lipídicos, que são medidas de gorduras no sangue, como a lipoproteína de alta densidade (HDL), a lipoproteína de baixa densidade (LDL), triglicerídeos e o colesterol total. Eles utilizaram um conjunto de dados de quase 3.000 mulheres grávidas de ancestralidade europeia do estudo nuMoM2b-Heart Health. Para os dados de base, eles se basearam em estatísticas de resumo do UK Biobank, que incluía informações de mais de 390.000 pessoas. O processo envolveu duas etapas principais. Primeiro, eles calcularam um escore de risco baseado nas variantes genéticas comuns, uma prática padrão no campo. Segundo, eles calcularam um escore separado para as variantes raras. Para fazer isso, eles agruparam mudanças genéticas raras dentro de genes específicos com base em sua função, como se elas fossem provavelmente quebrar uma proteína ou apenas alterá-la levemente. Em seguida, eles somaram os efeitos desses grupos de variantes raras usando os pesos fornecidos pelo grande banco de dados público. Por fim, combinaram esses dois escores em um modelo de predição único e unificado.

Os resultados mostraram uma vantagem clara ao incluir as variantes raras. Quando os pesquisadores observaram quão bem os escores previam os níveis reais de colesterol nas mulheres, o modelo que incluía tanto variantes comuns quanto raras teve um desempenho superior ao modelo que utilizava apenas variantes comuns. A melhoria não foi uniforme em todos os traços; variou de um aumento de 0,02 no AUC para o colesterol HDL até um aumento de 0,11 para o LDL. Em todos os casos, as variantes raras adicionaram uma camada de informação que as variantes comuns não capturaram. Os pesquisadores também observaram que os genes que contribuíram para o escore de variantes raras eram amplamente diferentes daqueles do escore de variantes comuns. Enquanto as variantes comuns apontavam para uma rede ampla de genes com efeitos pequenos, as variantes raras destacavam genes específicos onde as mudanças genéticas eram mais propensas a interromper a função proteica, como aqueles envolvidos na quebra de gorduras.

Para garantir que seus achados fossem robustos, a equipe também realizou simulações computacionais onde criaram dados genéticos fictícios com propriedades conhecidas. Nessas simulações, eles sabiam exatamente quais variantes genéticas causavam os traços e qual era a força de seus efeitos. As simulações confirmaram que, embora as variantes raras isoladamente não fossem fortes o suficiente para prever bem os traços, elas proporcionavam um impulso significativo quando adicionadas às variantes comuns. Isso se manteve verdadeiro mesmo quando os pesquisadores alteraram o número de causas genéticas na simulação. A consistência entre a simulação e os dados do mundo real deu à equipe confiança de que seu método estava funcionando conforme pretendido.

No entanto, o estudo também revelou limites importantes para onde este método funciona. Quando os pesquisadores aplicaram a mesma abordagem a desfechos binários — condições que estão presentes ou ausentes, como diabetes gestacional ou hipertensão durante a gravidez — a adição de variantes raras não melhorou a predição. O modelo não teve um desempenho melhor com as variantes raras do que sem elas. Os autores sugerem que isso se deve provavelmente ao fato de o grande banco de dados público utilizado não possuir casos suficientes dessas condições específicas relacionadas à gravidez para detectar efeitos genéticos raros com certeza estatística. Além disso, essas condições de gravidez são influenciadas por muitos fatores complexos além da genética, como hormônios e o ambiente, o que pode diluir o sinal das variantes raras.

O estudo conclui que o PRS-CARV oferece uma maneira prática de tornar a predição de risco genético mais abrangente. Ao aproveitar as estatísticas de resumo publicamente disponíveis, o método permite que os pesquisadores incorporem a poderosa informação contida nas variantes genéticas raras sem a necessidade de acessar dados individuais privados. Este é um passo significativo em direção à medicina de precisão, onde a compreensão do perfil de risco genético completo de uma pessoa, incluindo elementos comuns e raros, pode levar a melhores estratégias de prevenção e cuidado. Os pesquisadores observam que seu trabalho atual focou na ancestralidade europeia e em regiões codificantes de proteínas do genoma, mas aplicações futuras podem se expandir para incluir populações diversas e regiões genéticas não codificantes, à medida que mais dados se tornem disponíveis. Por enquanto, o método é uma ferramenta comprovada para refinar como entendemos a arquitetura genética de traços complexos, como os níveis de colesterol.