Estudo de associação genómica (GWAS)

A Introdução dos GWAS

Os Estudos de Associação Genómica (GWAS) revolucionaram a pesquisa genética ao fornecer uma metodologia robusta para identificar variações genéticas correlacionadas com características e doenças específicas. Através de uma análise abrangente dos genomas em populações extensas, os GWAS procuram desvendar a relação entre variantes genéticas e características fenotípicas. Esta abordagem metódica revela profundas percepções sobre as bases genéticas de várias condições, melhorando significativamente a nossa compreensão da genética humana e abrindo caminho para o desenvolvimento de intervenções terapêuticas direcionadas.

Qual é o propósito do GWAS?

Os GWAS são uma metodologia poderosa destinada a identificar variantes genéticas associadas a doenças e características complexas. Ao contrário dos estudos de ligação baseados em famílias tradicionais, os GWAS aproveitam a alta capacidade de processamento. genotipagem realizar análises abrangentes em todo o genoma. Esta abordagem permite aos investigadores detetar polimorfismos de nucleótido único (SNPs) e outros marcadores genéticos correlacionados com condições como diabetes, doenças cardiovasculares e vários tipos de cancro.

Objetivos Principais do GWAS

• Identificação de Variantes Associadas a DoençasO objetivo principal dos GWAS é descobrir variantes genéticas específicas que aumentam o risco de doenças. Por exemplo, a identificação de SNPs associados à suscetibilidade ao câncer de mama melhora a nossa compreensão dos fatores de risco genéticos e abre caminho para intervenções terapêuticas direcionadas.
• Compreendendo a Arquitetura GenéticaO GWAS fornece informações sobre como múltiplas variantes genéticas interagem para influenciar características complexas. Ao elucidar essas interações, os investigadores podem compreender melhor os mecanismos biológicos subjacentes às doenças e características, levando a modelos mais robustos da arquitetura genética.
• Apoiar a Medicina PersonalizadaAo identificar fatores de risco genéticos, os GWAS contribuem significativamente para o avanço da medicina personalizada. Esta abordagem de precisão permite a personalização de estratégias preventivas e terapêuticas adaptadas a perfis genéticos individuais, melhorando assim os resultados em saúde.

Vantagens dos GWAS

• Cobertura AbrangenteOs GWAS analisam todo o genoma, aumentando as hipóteses de descobrir novos marcadores genéticos associados a doenças.
• Alto Rendimento e EscalabilidadeAs tecnologias avançadas de genotipagem permitem a análise de muitas variantes em grandes populações, melhorando o poder de deteção.
• Descoberta ImparcialOs GWAS utilizam uma abordagem livre de hipóteses, reduzindo o viés e revelando ligações genéticas inesperadas a doenças.
• Reproduzibilidade e ValidaçãoOs resultados de GWAS podem ser validados em estudos independentes, garantindo a fiabilidade e a precisão dos resultados.

Aplicações de GWAS

• Pesquisa de DoençasIdentificar variantes genéticas ligadas a doenças como doenças cardíacas e cancro, incluindo SNPs associados à doença de Alzheimer, ajuda a orientar futuros desenvolvimentos terapêuticos.
• FarmacogenómicaDescobrir variantes genéticas que influenciam as respostas individuais a medicamentos permite a criação de terapias medicamentosas personalizadas, aumentando a eficácia e reduzindo os efeitos secundários.
• Genética AgrícolaEncontrar variantes genéticas relacionadas com características benéficas em culturas e gado, como rendimento e resistência à seca, melhora a produtividade e a resiliência agrícola.
• Genética de PopulaçõesCompreender a diversidade genética e a história evolutiva dentro das populações revela como as variações entre grupos étnicos afetam a suscetibilidade a doenças.

Fluxo de Trabalho GWAS

GWAS envolve a seleção de uma população de estudo, a genotipagem de indivíduos para identificar variantes genéticas e, em seguida, a utilização de modelos estatísticos para encontrar associações entre essas variantes e características ou doenças específicas. Os resultados são validados através da replicação em coortes independentes para confirmar a sua fiabilidade.

Especificações do Serviço

	Requisitos de Amostra Populações naturais com genoma de referência ≥200; populações de traços controlados por múltiplos loci menores ≥500 Sem diferenciação óbvia entre subgrupos nas amostras. Forte herdabilidade dos traços fenotípicos estudados Amostra de ADN: ~1,0 μg (concentração ≥ 10 ng/μl; OD260/280=1,8~2,0) Todo o DNA deve ser tratado com RNase e não deve apresentar degradação ou contaminação. Nota: Os montantes de amostra são apresentados apenas para referência. Para informações detalhadas, por favor contacte-nos com os seus pedidos personalizados.
Clique	Estratégia de Sequenciamento WGS: 10X/amostra com base em SNP; 30X/amostra com base em CNV GBS: 10~20W Etiquetas; média de 8 X/Etiqueta Illumina Hiseq Análise de métricas de qualidade de sequenciação
	Análise Bioinformática Fornecemos múltiplas análises de bioinformática personalizadas: QC de dados brutos Alinhamento ou montagem de referência Análise da distância de decaimento LD PCA, estrutura, análise de parentesco análise GWAS Análise de bloco LD Análise personalizada Nota: Os dados recomendados e os conteúdos de análise apresentados são apenas para referência. Para informações detalhadas, por favor contacte-nos com os seus pedidos personalizados.

Pipeline de Análise

Entregáveis

• Dados brutos (FASTQ)
• Informação significativa sobre SNPs
• Gráfico QQ e Gráfico de Manhattan
• Relatório de análise de dados

Os resultados parciais estão mostrados abaixo:

1. Quais são os princípios para a seleção de amostras em estudos de associação genómica (GWAS)?

• Assegurar Representatividade Suficiente das Amostras: As amostras selecionadas devem representar suficientemente a população de interesse para garantir que os resultados sejam amplamente aplicáveis.
• Evitar Amostras com Estratificação Subpopulacional Significativa: As amostras não devem apresentar diferenciação subpopulacional acentuada (por exemplo, isolamento reprodutivo), uma vez que tal estratificação pode introduzir um ruído genético de fundo substancial, confundindo a análise.
• Concentre-se em Fenótipos com Alta Hereditariedade: É aconselhável priorizar vários traços fenotípicos chave com alta hereditariedade como os principais alvos para o estudo, aumentando a probabilidade de detetar associações significativas.
• Utilize Traços Binários para Características Qualitativas: Para características qualitativas, procure utilizar fenótipos binários (0/1) e assegure-se de que os tamanhos das amostras para as duas categorias fenotípicas sejam aproximadamente iguais para comparações estatísticas robustas.
• Quantificar Precisamente Características Quantitativas: As características quantitativas devem ser medidas e registadas de forma precisa, como a resistência a doenças quantificada pela taxa de incidência, taxa de mortalidade, taxa de sobrevivência, contagem de lesões ou área de lesões, em vez de utilizar escalas categóricas amplas. Os dados fenotípicos devem idealmente seguir uma distribuição quase normal.
• Aproveitar Ensaios de Longo Prazo em Múltiplas Localizações para Plantas Cultivadas: No caso de plantas cultivadas, realizar ensaios repetidos ao longo de vários anos e em múltiplas localizações. Os resultados destes ensaios podem ser analisados separadamente ou agrupados para fortalecer a fiabilidade das análises de associação.
• Ajustar o Tamanho da Amostra com Base na Variabilidade Fenotípica e Controlo: Se a variação fenotípica for substancial e controlada por loci principais, um tamanho de amostra menor (mínimo recomendado de 200 indivíduos) pode ser suficiente. No entanto, para características com pequenas diferenças fenotípicas e controlo poligénico, é necessário um tamanho de amostra maior (mínimo recomendado de 500 indivíduos) para detectar associações significativas.

2. Quais são os temas de GWAS em populações naturais?

Populações Não Estritamente Genéticas:

• Recursos de Germoplasma
• Meio-irmão e Populações Mistas
• Populações MAGIC/NAM
• Múltiplas populações F2/RIL ou de irmãos completos
• Espécies Altamente Heterozigóticas: Populações F1

3. Podem diferentes características sobrepor-se num único indivíduo?

Sim, diferentes características podem sobrepor-se no mesmo indivíduo. Por exemplo, ao categorizar uma população com base em características de altura e cor, os indivíduos podem estar presentes em ambos os grupos. Esta sobreposição não afeta a validade dos resultados da análise.

4. É possível realizar GWAS sem um genoma de referência?

Na ausência de um genoma de referência, tecnologias de sequenciação genómica simplificadas, como RAD-seq ou GBS podem ser utilizados para detectar SNPs através de agrupamento. Embora esses SNPs possam ser usados para GWAS, a falta de anotação do genoma limita a anotação adicional de genes dos loci de associação identificados.

5. Como são validados os resultados de GWAS?

Os resultados de GWAS são validados através de estudos de replicação em coortes independentes. Além disso, estudos funcionais e análises de vias ajudam a confirmar a relevância biológica das variantes genéticas identificadas.

Análises de associação em todo o genoma e multi-características caracterizam a arquitetura genética comum da insuficiência cardíaca.

Revista: Nature Communications
Fator de impacto: 16,6
Publicado: 14 de Novembro de 2022

Fundo

A insuficiência cardíaca (IC) afeta mais de 38 milhões de pessoas em todo o mundo e é uma das principais causas de problemas cardiovasculares. Apesar da sua alta prevalência, apenas 11 loci genéticos associados à IC foram identificados. Este estudo melhora o poder dos GWAS ao combinar dados de múltiplas ancestrais e integrar características de imagem cardíaca. Descobre novas variantes de risco para IC, identifica tecidos relevantes e explora associações genéticas com proteínas circulantes e fenótipos de imagem.

Materiais e Métodos

Resultados

Uma meta-análise de múltiplas ascendências sobre a insuficiência cardíaca (IC) identificou 47 loci de risco utilizando dados de mais de 115.000 casos de IC e 1,5 milhões de controlos. Dentre estes, 939 variantes atingiram significância genómica, com 34 loci encontrados além das regiões previamente relatadas. A associação mais forte foi no locus PITX2. A replicação em coortes adicionais confirmou 41 dos 44 loci com efeitos concordantes. As análises de pleiotropia revelaram que muitos loci de IC também se associam a outros traços cardiometabólicos, sugerindo vias genéticas partilhadas que influenciam o risco de IC.

Fig. 1: Associações em todo o genoma para insuficiência cardíaca.

Fig. 2: Associações de variantes de risco de insuficiência cardíaca com traços cardiometabólicos comuns.

Usando métodos de análise genética multivariada (como N-GWAMA, MTAG e Modelagem Estrutural Genómica), os investigadores identificaram 61 loci independentes associados à insuficiência cardíaca (IC) e fenótipos de imagem cardíaca relacionados. Dentre estes, 14 foram descobertas novas. Muitos destes loci estão enriquecidos perto de genes conhecidos de cardiomiopatia, indicando uma etiologia genética compartilhada com a IC e características de imagem cardíaca. A análise de colocalização destes loci em múltiplos fenótipos sugeriu causas genéticas comuns. Associações novas também foram ligadas a outros fenótipos cardiovasculares e fatores de risco para IC, destacando a sobreposição genética e a complexidade da insuficiência cardíaca.

Fig. 3: Resultados do estudo de associação genómica multivariada.

Conclusão

Este estudo utilizou análises genómicas de múltiplas ascendências e múltiplos traços para identificar novas variantes genéticas associadas à insuficiência cardíaca (IC) e a traços cardíacos relacionados. Constatou-se que a integração de diferentes tipos de dados genéticos melhorou a descoberta de loci associados à IC, destacou genes e vias-chave envolvidos na IC e revelou potenciais ligações entre metabolitos circulantes e traços cardíacos. Os resultados enfatizam o valor de combinar análises genéticas diversas para compreender melhor a IC e os seus mecanismos subjacentes.

Referência

1. Levin MG, Tsao NL, Singhal P, et al. Análise de associação genómica e análises multi-características caracterizam a arquitetura genética comum da insuficiência cardíaca. Comunicações da Natureza. 14 de novembro de 2022; 13(1):6914.