Sochob

Una puntuación de riesgo desarrollada recientemente puede sintetizar la información genética en una métrica fácil de interpretar que podría ayudar a los médicos a identificar a los niños pequeños con mayor riesgo de desarrollar obesidad, según investigadores de Penn State. Los hallazgos se informaron en el documento, ‘Construcción de una puntuación de riesgo poligénico para la obesidad infantil mediante el análisis de datos funcionales’, publicado en Econometrics and Statistics.

El estudio utilizó métodos estadísticos novedosos para establecer criterios de puntuación utilizando datos recopilados de niños pequeños. La investigación también demuestra que se pueden obtener resultados sólidos a partir de estudios que son órdenes de magnitud más pequeños que los estudios genéticos típicos cuando se recopilan datos completos a lo largo del tiempo y se utilizan junto con poderosas herramientas estadísticas.

“Alrededor del 18% de los niños en los Estados Unidos son obesos y el 6% son severamente obesos”, dijo la Dra. Sarah Craig, profesora asistente de investigación de biología en Penn State. “Si podemos identificar a los niños con mayor riesgo, podríamos prevenir el desarrollo de la obesidad en primer lugar. En este estudio, creamos puntajes de riesgo basados ​​en información genética que los médicos podrían usar para identificar a los niños pequeños que se beneficiarían más de estrategias de intervención”. Este estudio es parte de un proyecto más grande llamado INSIGHT (Intervention Nurses Start Infants Growing on Healthy Trajectories), coordinado a través del Penn State Health Milton S. Hershey Medical Center, en el que investigadores y médicos trabajan juntos para identificar factores de riesgo biológicos y sociales para la obesidad. y los impactos de las intervenciones de crianza receptiva durante la vida temprana de un niño.

El equipo de investigación recopiló datos longitudinales (periódicamente ocho veces entre el nacimiento y los tres años de edad) que incluían el peso, la altura y las variables conductuales y ambientales de casi 300 niños. También recolectaron una muestra de sangre para análisis genéticos de cada uno de los niños, que sirvió como base para desarrollar puntajes de riesgo.

Los puntajes de riesgo, llamados “puntajes de riesgo poligénico” porque se basan en muchas ubicaciones genéticas en todo el genoma, destilan una gran cantidad de información genética en un número fácil de comprender. Por lo general, las puntuaciones incorporan información de una serie de polimorfismos de un solo nucleótido (SNP) o ubicaciones en el genoma donde las letras individuales del alfabeto de ADN pueden variar entre las personas, que están más relacionadas con las métricas de interés en este caso, las tasas de crecimiento y la obesidad.

“Los intentos anteriores de producir puntajes de riesgo poligénicos para la obesidad se desarrollaron utilizando información genética de adultos o niños mayores e incluyen entre cien y dos millones de SNP”, dijo la Dra. Kateryna Makova, profesora de biología y presidenta Verne M Willaman de Ciencias de la Vida en Penn. Expresar. “Números tan altos son desafiantes y potencialmente costosos de reproducir de manera consistente, especialmente en un entorno clínico. Produjimos dos opciones de puntuación con muchos menos SNP, una con 24 y otra con cinco, que, sin embargo, pueden proporcionar información valiosa para investigadores y médicos”.

El equipo de investigación utilizó técnicas estadísticas novedosas de un campo llamado análisis funcional de datos para identificar los SNP más relacionados con la obesidad, que luego se incorporaron a las puntuaciones. “A diferencia de muchos estudios genéticos, que recopilan datos en una sola medida, como por ejemplo el índice de masa corporal, y en un solo momento, aprovechamos los datos longitudinales recopilados a lo largo del tiempo”, dijo la Dra. Francesca Chiaromonte, profesora de estadística y Cátedra Huck de Estadísticas para las Ciencias de la Vida en Penn State. “Varias medidas de peso y altura a lo largo del tiempo producen una curva de crecimiento para cada niño, y podemos analizar las formas de las curvas de los niños de nuestra cohorte mediante el análisis de datos funcionales. Aprovechamos estos datos más completos en cada paso del análisis .”

Los datos genéticos arrojan millones de SNP que deben analizarse, y el equipo utilizó varias técnicas para reducir el grupo a los SNP más relacionados con las curvas de crecimiento y las medidas de obesidad. “Primero evaluamos el impacto de cada SNP individualmente en las medidas relacionadas con la obesidad, como una forma de eliminar aquellas que claramente no estaban relacionadas”, dijo Ana Kenney, estudiante de posgrado en estadística en Penn State en el momento de la investigación y ahora estudiante posdoctoral. investigador de la Universidad de California, Berkeley. “Algunos estudios optan por detenerse en este paso, sin embargo, redujimos el grupo aún más al observar todos los SNP restantes simultáneamente y eliminar aquellos que no parecían tener un impacto cuando se los consideraba junto con otros”.

Este proceso produjo 24 SNP que los investigadores incorporaron en una puntuación de riesgo poligénico. Los puntajes, construidos en base a las curvas de crecimiento, también resultaron estar relacionados con otras medidas más utilizadas; fueron más altos en los niños con un mayor aumento de peso condicional (el cambio en el aumento de peso durante los primeros seis meses) y con un rápido aumento de peso infantil, un predictor de obesidad más adelante en la vida.

El equipo de investigación redujo aún más el grupo a cinco de los SNP más “estables”, los SNP que tuvieron el mayor impacto incluso cuando perturbaron los datos. A partir de estos cinco SNPS, produjeron un segundo puntaje que podría usarse como una alternativa más simple. “Aunque la puntuación con 24 SNP es más poderosa que la puntuación con 5 SNP, verificamos que ambas son medidas útiles del riesgo de obesidad y creemos que cualquiera podría usarse en un entorno clínico”, dijo el Dr. Matthew Reimherr, profesor asociado de estadística en Penn State. “Una puntuación que requiere escribir menos SNP debería hacer que sea más fácil de producir en las clínicas”.

En particular, las puntuaciones producidas en este estudio también predijeron la obesidad en niños mayores y en adultos, lo que el equipo de investigación verificó utilizando conjuntos de datos disponibles públicamente. Sin embargo, las puntuaciones producidas a partir de otros estudios que se basaron en información sobre la obesidad en adultos no se tradujeron en los niños pequeños de este estudio. “Esto sugiere que las señales genéticas relacionadas con la obesidad que vemos en la primera infancia son críticas a lo largo del curso de la vida”, dijo el Dr. Ian Paul, profesor de pediatría y ciencias de la salud pública en la Facultad de Medicina de Penn State. “Sin embargo, a medida que las personas envejecen, comienzan a manifestar otras partes de su composición genética. Las puntuaciones basadas en señales tempranas parecen ser más sólidas a lo largo de la vida de una persona. Esto resalta la necesidad de más estudios que se centren en identificar el riesgo y prevenir la obesidad en niños pequeños, particularmente en los ‘primeros 1.000 días’ que abarcan el embarazo y los primeros dos años después del nacimiento”.

El estudio también demuestra que los estudios más pequeños que caracterizan profundamente a los individuos y aprovechan las técnicas de análisis de datos funcionales pueden ser una poderosa alternativa a los típicos estudios genéticos a gran escala. “Estas técnicas pueden abrir puertas a laboratorios más pequeños con menos recursos”, dijo Craig. “Al trabajar con cuidado y rigor para recopilar datos longitudinales de cohortes más específicas, y al usar técnicas estadísticas poderosas, aún puede encontrar información útil con un estudio que es mucho más pequeño que los estudios GWAS típicos”.

Además de Craig, Makova, Chiaromonte, Kenney, Reimherr y Paul, el equipo de investigación incluye a Junli Lin, investigadora asociada de Penn State en el momento de la investigación; Leann Birch, difunta profesora de alimentos y nutrición en la Universidad de Georgia, quien ayudó a liderar INSIGHT; Jennifer Savage, directora del Centro de Investigación de la Obesidad Infantil y profesora asociada de ciencias de la nutrición en Penn State; y Michele Marini, tecnóloga de investigación y estadística del Centro de Investigación de la Obesidad Infantil de Penn State.

Este trabajo cuenta con el apoyo del Instituto Nacional de Diabetes y Enfermedades Digestivas y Renales (NIDDK); la Facultad de Ciencias Eberly de Penn State; el Instituto de Ciencias Computacionales y de Datos de Penn State; los Institutos Penn State Huck de Ciencias de la Vida; y el Departamento de Salud de Pensilvania usando fondos de Tobacco CURE. La Fundación Nacional de Ciencias brindó apoyo adicional.

Fuente: https://www.bariatricnews.net

Referencia: Craig SJ, Kenney AM, Lin J, et al. Constructing a polygenic risk score for childhood obesity using functional data análisis. Econom Stat. Available online 11 November 2021.