Cerrando la Brecha de Equidad Genómica con Estratificación de Riesgo Mejorada por el Contexto en Indígenas...

Área de la Ciencia:

• Genómica
• Epidemiología Cardiovascular
• Medicina de Precisión

Sus antecedentes:

• Las puntuaciones poligénicas (PGS) son valiosas para la estratificación del riesgo de enfermedades, pero a menudo carecen de portabilidad entre diversas poblaciones.
• Los indígenas americanos experimentan una alta carga de enfermedad cardiovascular (ECV), pero están subrepresentados en estudios genómicos, lo que dificulta la medicina de precisión equitativa.
• La portabilidad limitada de PGS entre ancestros restringe su utilidad clínica, particularmente para grupos subrepresentados.

Objetivo del estudio:

• Evaluar si la integración de variables de contexto clínico y de estilo de vida con PGS mejora la predicción del riesgo cardiometabólico en cohortes europeas e indígenas americanas.
• Evaluar el impacto de las interacciones gen-contexto en los modelos de predicción de riesgos para la presión arterial, la enfermedad coronaria (EC) y el accidente cerebrovascular.

Principales métodos:

• Se compararon modelos solo genéticos con modelos completos que incluyen variables de contexto e interacciones gen-contexto.
• Se utilizaron datos de 424.622 participantes europeos (UK Biobank) y 3.157 participantes indígenas americanos (Strong Heart Study).
• Se evaluó la precisión de la predicción y la discriminación del modelo para rasgos cardiometabólicos.

Principales resultados:

• La integración de variables de contexto mejoró significativamente la precisión de la predicción de rasgos cardiometabólicos en cohortes europeas e indígenas americanas.
• El modelo mejorado que incorpora interacciones de contexto y genéticas mostró una discriminación significativamente mejorada para la EC en indígenas americanos en comparación con los modelos clínicos existentes.
• Las interacciones gen-contexto desempeñaron un papel crucial en el refinamiento de la predicción de riesgos, particularmente para poblaciones subrepresentadas.

Conclusiones:

• La modelización de la interacción entre la predisposición genética y los factores modificables (estilo de vida, contexto clínico) puede mitigar la pérdida de poder predictivo de la transferibilidad imperfecta de PGS.
• Este enfoque integrado ofrece una estrategia prometedora para desarrollar herramientas de medicina de precisión más equitativas y efectivas para poblaciones subrepresentadas.
• Mejorar la portabilidad de PGS a través de la integración de variables de contexto es vital para avanzar en la equidad sanitaria en la prevención de enfermedades cardiovasculares.