Las mutaciones no codificantes de novo en SCN2A están asociadas con trastornos del espectro autista

Área de la Ciencia:

• La genética
• La neurociencia
• Biología del desarrollo

Sus antecedentes:

• Cientos de genes del trastorno del espectro autista (TEA) han sido identificados, principalmente a través de mutaciones de novo que codifican proteínas (DNM).
• Las variaciones del genoma no codificantes, incluidos los DNM, son cada vez más reconocidas como contribuyentes al riesgo de TEA.
• La identificación de genes de riesgo específicos asociados con DNM no codificantes sigue siendo un desafío significativo en la investigación de TEA.

Objetivo del estudio:

• Investigar la contribución de las mutaciones de novo no codificantes (DNM) al riesgo de trastorno del espectro autista (TEA).
• Identificar genes específicos asociados con los ADN no codificantes en el TEA.
• Evaluar nuevos métodos estadísticos para la detección de asociaciones de DNM sin codificación.

Principales métodos:

• Análisis de dos grandes conjuntos de datos de familias de TEA (más de 5000 familias).
• Aplicación de un ensayo estadístico basado en puntos para sitios funcionales probables.
• Utilización de una prueba estadística basada en segmentos que analice segmentos genómicos de 1 kb con normalización de la tasa de mutación.

Principales resultados:

• Se encontró que tanto las mutaciones de novo codificantes como las no codificantes (DNMs) en el gen SCN2A estaban significativamente asociadas con el riesgo de TEA.
• El estudio aplicó con éxito nuevos enfoques estadísticos para identificar asociaciones de variantes no codificantes.
• SCN2A surge como un gen clave implicado en el TEA a través de mecanismos mutacionales codificantes y no codificantes.

Conclusiones:

• El gen SCN2A está implicado en el riesgo de TEA a través de mutaciones de novo codificantes y no codificantes (DNM).
• Los métodos estadísticos desarrollados son efectivos para identificar genes de riesgo de TEA asociados con DNM no codificantes.
• Los futuros estudios de secuenciación del genoma completo a gran escala que utilizan estos enfoques pueden descubrir genes de riesgo candidatos adicionales para TEA.