Descubrimiento de perfiles multiómicos de heterogeneidad poblacional: un enfoque bayesiano basado en clústeres

Área de la Ciencia:

• Genética y Genómica
• Biología Computacional
• Neurociencia

Sus antecedentes:

• La comprensión de la arquitectura genética de los rasgos complejos requiere tener en cuenta los efectos genéticos heterogéneos.
• Los métodos actuales para modelar la heterogeneidad genética a menudo se basan en variables preestablecidas, lo que limita el alcance.
• Los factores no observados o complejos que impulsan los efectos genéticos siguen siendo difíciles de capturar con los enfoques existentes.

Objetivo del estudio:

• Desarrollar un nuevo paradigma analítico bayesiano, MOCHA (Multi-Omics Clustering for Heterogeneous Association), para identificar subgrupos poblacionales latentes con efectos genéticos distintos.
• Permitir la identificación directa de la heterogeneidad genética a partir de datos multiómicos sin necesidad de una especificación previa de variables.
• Avanzar en las estrategias de manejo personalizadas al revelar arquitecturas genéticas complejas de rasgos.

Principales métodos:

• Se propuso MOCHA, un paradigma analítico bayesiano que utiliza datos multiómicos.
• Se diseñó MOCHA para identificar subgrupos poblacionales latentes y efectos genéticos específicos del clúster sin variables preestablecidas.
• Se validó MOCHA mediante simulaciones exhaustivas y la aplicación a los datos genómicos y transcriptómicos del estudio IMAGEN.

Principales resultados:

• MOCHA identificó con precisión las estructuras de agrupación subyacentes en simulaciones.
• El método demostró un rendimiento superior en la identificación y clasificación de características con efectos específicos del clúster.
• La aplicación a los datos de IMAGEN reveló dos clústeres distintos de neurodesarrollo asociados con el control inhibitorio en adolescentes.

Conclusiones:

• MOCHA proporciona un enfoque potente y flexible para descubrir la heterogeneidad genética en rasgos complejos.
• Los clústeres de neurodesarrollo identificados ofrecen nuevas perspectivas sobre los mecanismos de plasticidad cerebral.
• MOCHA demuestra utilidad práctica e interpretabilidad para el análisis de datos multiómicos en investigación de rasgos complejos.