Os estudos de associação genômica abrangem uma ampla gama de características fenotípicas, incluindo aquelas expressas como razões, como o BMI e a relação cintura-quadril. A formação de razões tem como objetivo, geralmente, ajustar a influência do numerador em relação ao denominador. Entretanto, essa prática pode levar a mal-entendidos, já que os resultados podem ser impulsionados tanto pelo numerador quanto pelo denominador.

Neste artigo, os autores demonstram que as associações derivadas de GWAS realizados em razões podem ser completamente impulsionadas pelo denominador, o que sugere que algumas associações possam ser resultado de variáveis de ajuste. Em uma análise de 10 características comuns de razão, descobriu-se que os modelos de razão divergiam dos modelos ajustados em cerca de um terço dos loci estudados. Por exemplo, ao analisar o BMI, notas se que variantes detectadas somente pelo modelo de razão mostram associações mais robustas com a altura, enquanto aquelas detectadas pelo modelo ajustado têm associações mais fortes com o peso.

Enquanto o modelo ajustado oferece uma interpretação mais clara dos tamanhos de efeito, ele é vulnerável ao viés do colisor. Os autores propõem um método simples para corrigir a componente genética do viés do colisor usando pontuação poligênica leave-one-chromosome-out, uma estratégia que pode melhorar a acurácia dos resultados em estudos futuros.

A pesquisa revela não apenas as complexidades em GWAS para características de razão, mas também a importância de utilizar modelos corretos para evitar interpretações erradas, sugerindo que futuros estudos possam se beneficiar dessa abordagem mais precisa. Os desafios ressaltados neste trabalho indicam que revisões nas metodologias de GWAS são essenciais para avanços no entendimento das associações genéticas.

Em suma, o artigo destaca a necessidade de maior rigor na realização de GWAS em características de razão, alertando para os possíveis viéses que podem distorcer as associações genéticas. As implicações dessa pesquisa são vastas, uma vez que afetam não apenas a interpretação de dados genômicos, mas também futuros estudos clínicos. Para se manter atualizado sobre esse tema e outros assuntos relacionados, recomenda-se a assinatura da nossa newsletter, onde novos conteúdos são disponibilizados diariamente.

FONTES:

1. bioRxiv

2. Chan Zuckerberg Initiative

3. Cold Spring Harbor Laboratory

4. Fred Hutchinson Cancer Center

5. Massachusetts Institute of Technology