stringtranslate.com

Puntuación poligénica

Los dos gráficos ilustran las distribuciones de muestreo de las puntuaciones poligénicas y la capacidad predictiva del muestreo estratificado sobre la puntuación de riesgo poligénico a medida que aumenta la edad. + El panel izquierdo muestra cómo el riesgo (la PRS estandarizada en el eje x) puede separar los 'casos' (es decir, individuos con una determinada enfermedad, (rojo)) de los 'controles' (individuos sin la enfermedad, (azul )). El eje y (eje vertical) indica a cuántos miembros de cada grupo se les asigna una determinada puntuación. + En el panel derecho, la misma población se divide en tres grupos según su riesgo previsto, es decir, su puntuación asignada, como alto (rojo), medio (gris) o bajo (azul). El eje y muestra las cantidades de riesgo observadas, mientras que el eje x muestra los grupos que se separan en riesgo a medida que envejecen, lo que corresponde con las puntuaciones de riesgo previstas.

En genética , una puntuación poligénica ( PGS ) es un número que resume el efecto estimado de muchas variantes genéticas en el fenotipo de un individuo . El PGS también se denomina índice poligénico ( PGI ) o puntuación de todo el genoma ; en el contexto del riesgo de enfermedad, se denomina puntuación de riesgo poligénico ( puntuación PRS o PR [1] ) o puntuación de riesgo genético . La puntuación refleja la predisposición genética estimada de un individuo para un rasgo determinado y puede usarse como predictor de ese rasgo. [2] [3] [4] [5] [6] Proporciona una estimación de la probabilidad de que un individuo tenga un rasgo determinado basándose únicamente en la genética, sin tener en cuenta factores ambientales; y normalmente se calcula como una suma ponderada de alelos asociados a rasgos . [7] [8] [9]

Los avances recientes en genética han desarrollado predictores poligénicos de rasgos humanos complejos, incluido el riesgo de muchas enfermedades complejas importantes [10] [11] que generalmente se ven afectadas por muchas variantes genéticas, cada una de las cuales confiere un pequeño efecto sobre el riesgo general. [12] [13] En un predictor de riesgo poligénico, el riesgo de sufrir la enfermedad a lo largo de la vida (o rango de edad) es una función numérica capturada por la puntuación que depende de los estados de miles de variantes genéticas individuales (es decir, polimorfismos de un solo nucleótido , o SNP).

Las puntuaciones poligénicas se utilizan ampliamente en la cría de animales y plantas debido a su eficacia para mejorar la cría de ganado y los cultivos. [14] En humanos, las puntuaciones poligénicas generalmente se generan a partir de datos de estudios de asociación de todo el genoma (GWAS). Son un área activa de investigación que abarca temas como algoritmos de aprendizaje para la predicción genómica; nuevo entrenamiento de predictores; pruebas de validación de predictores; y aplicación clínica de PRS. [15] [16] [17] [4] [11] En 2018, la Asociación Estadounidense del Corazón nombró las puntuaciones de riesgo poligénico como uno de los principales avances en la investigación de enfermedades cardíacas y accidentes cerebrovasculares. [18]

Fondo

Un ejemplo temprano (2006) de una puntuación de riesgo genético aplicada a la diabetes tipo 2 en humanos. [19] Los autores del estudio concluyeron que, individualmente, los alelos de riesgo sólo identifican moderadamente el aumento del riesgo de enfermedad; pero el riesgo identificable "aumenta multiplicativamente" cuando se combina información de varios polimorfismos de riesgo conocidos. El uso de dicha información combinada permite identificar subgrupos de una población con probabilidades de enfermedad que son significativamente mayores que cuando se usa un solo polimorfismo.

El ADN de los organismos vivos es el código genético molecular de la vida. Aunque las puntuaciones de riesgo poligénico obtenidas en estudios en humanos han atraído la mayor atención, la idea básica se introdujo por primera vez para la cría selectiva de plantas y animales. [20] De manera similar a los enfoques modernos para construir una puntuación de riesgo poligénico, el valor genético de un individuo (animal o planta) se calculó como el peso combinado de varios polimorfismos de un solo nucleótido (SNP) por sus efectos individuales en un rasgo. [21]

El ADN humano contiene alrededor de 3 mil millones de bases. El genoma humano se puede separar ampliamente en secuencias codificantes y no codificantes, donde el genoma codificante codifica instrucciones para genes , incluida parte de la secuencia que codifica proteínas . Los estudios de asociación de todo el genoma permiten mapear fenotipos con las variaciones en las bases de nucleótidos en las poblaciones humanas. Las mejoras en la metodología y los estudios con grandes cohortes han permitido mapear muchos rasgos (algunos de los cuales son enfermedades) en el genoma humano. Aprender qué variaciones influyen en qué rasgos específicos y con qué fuerza lo hacen son los objetivos clave para construir puntuaciones poligénicas en humanos.

Los métodos se consideraron por primera vez para humanos después del año 2000, y específicamente mediante una propuesta en 2007 de que tales puntuaciones podrían usarse en genética humana para identificar individuos con alto riesgo de enfermedad. [22] El concepto fue aplicado con éxito en 2009 por investigadores que organizaron un estudio de asociación de todo el genoma (GWAS) sobre la esquizofrenia con el objetivo de construir puntuaciones de propensión al riesgo. Ese estudio fue el primero en utilizar el término puntuación poligénica para una predicción extraída de una combinación lineal de genotipos de polimorfismo de un solo nucleótido (SNP), que pudo explicar el 3% de la varianza en la esquizofrenia. [23]

Cálculo con estudio de asociación de todo el genoma.

Una PRS se construye a partir de los tamaños del efecto estimados derivados de un estudio de asociación de todo el genoma (GWAS). En un GWAS, se prueban polimorfismos de un solo nucleótido (SNP) para detectar una asociación entre casos y controles (consulte el gráfico superior). Los resultados de un GWAS estiman la fuerza de la asociación en cada SNP, es decir, el tamaño del efecto en el SNP, así como un valor de p para significancia estadística. Luego se calcula una puntuación típica sumando el número de alelos modificadores del riesgo en una gran cantidad de SNP, donde el número de alelos para cada SNP se multiplica por el peso del SNP. [24]

En forma matemática, la puntuación poligénica estimada se obtiene como la suma de m número de SNP con alelos que aumentan el riesgo ponderados por sus pesos, es decir, .

Esta idea se puede generalizar al estudio de cualquier rasgo y es un ejemplo del término matemático más general análisis de regresión . [ cita necesaria ]

Consideraciones clave

Los métodos para generar puntuaciones poligénicas en humanos son un área activa de investigación. [25] [8] Dos consideraciones clave al desarrollar puntuaciones poligénicas son qué SNP y el número de SNP incluir. El más simple, el llamado método de "poda y umbral", establece pesos iguales a las estimaciones de los coeficientes a partir de una regresión del rasgo en cada variante genética. Los SNP incluidos se pueden seleccionar usando un algoritmo que intenta garantizar que cada marcador sea aproximadamente independiente.

La independencia de cada SNP es importante para la precisión predictiva de la puntuación. Los SNP que están físicamente cerca entre sí tienen más probabilidades de estar en desequilibrio de vinculación , lo que significa que normalmente se heredan juntos y, por lo tanto, no proporcionan poder predictivo independiente. Eso es lo que se llama "poda". El "umbral" se refiere al uso únicamente de SNP que cumplen con un umbral de valor p específico. [26]

La regresión penalizada también se puede utilizar para construir puntuaciones poligénicas. [2] [27] A partir de información previa, la regresión penalizada asigna probabilidades sobre: ​​1) cuántas variantes genéticas se espera que afecten a un rasgo y 2) la distribución de los tamaños de sus efectos. De hecho, estos métodos "penalizan" los coeficientes grandes en un modelo de regresión y los reducen de manera conservadora. Una herramienta popular para este enfoque es "PRS-CS". [28] Otra es utilizar ciertos métodos bayesianos , propuestos por primera vez en 2001, que incorporan directamente características genéticas de un rasgo determinado, así como características genómicas como el desequilibrio de ligamiento. [29] (Un método bayesiano utiliza "predicción del desequilibrio de vinculación" o LDpred ). [6] [30]

Se siguen describiendo más enfoques para desarrollar puntuaciones de riesgo poligénico. Por ejemplo, al incorporar tamaños del efecto de poblaciones de diferente ascendencia, se puede mejorar la capacidad predictiva de las puntuaciones. [31] La incorporación del conocimiento sobre las funciones funcionales de fragmentos genómicos específicos puede mejorar la utilidad de las puntuaciones. [32] Los estudios han examinado el rendimiento de estos métodos en conjuntos de datos estandarizados. [33]

Aplicación a los humanos

A medida que se ha disparado el número de estudios de asociación de todo el genoma, junto con los rápidos avances en los métodos para calcular puntuaciones poligénicas, su aplicación más obvia es en entornos clínicos para la predicción de enfermedades o la estratificación del riesgo. Es importante no exagerar ni subestimar el valor de las puntuaciones poligénicas. Una ventaja clave de cuantificar la contribución poligénica de cada individuo es que la responsabilidad genética no cambia a lo largo de la vida de un individuo. Sin embargo, si bien una enfermedad puede tener fuertes contribuciones genéticas, el riesgo que surge de la genética debe interpretarse en el contexto de los factores ambientales. Por ejemplo, incluso si un individuo tiene un alto riesgo genético de alcoholismo, ese riesgo disminuye si ese individuo nunca está expuesto al alcohol. [26]

Rendimiento predictivo en humanos.

Para los humanos, si bien la mayoría de las puntuaciones poligénicas no son lo suficientemente predictivas para diagnosticar enfermedades, podrían usarse junto con otras covariables (como la edad, el IMC y el tabaquismo) para mejorar las estimaciones de la susceptibilidad a las enfermedades. [26] [8] [13] Sin embargo, incluso si una puntuación poligénica puede no hacer predicciones diagnósticas confiables en toda una población, aún puede hacer predicciones muy precisas para valores atípicos con riesgo extremadamente alto o bajo. Por lo tanto, la utilidad clínica puede seguir siendo grande incluso si las medidas promedio del desempeño de la predicción son moderadas. [11]

Aunque cuestiones como un peor rendimiento predictivo en individuos de ascendencia no europea limitan su uso generalizado, [34] varios autores han observado que algunas variantes causales de algunas enfermedades, pero no de otras, se comparten entre los europeos y otros grupos de diferentes continentes (p. ej. ) IMC y diabetes tipo 2 en poblaciones africanas [35], así como esquizofrenia en poblaciones chinas. [36] Otros investigadores reconocen que la subpredicción poligénica en la población no europea debería impulsar nuevos GWAS que prioricen una mayor diversidad genética para maximizar los beneficios potenciales para la salud provocados por las puntuaciones poligénicas predictivas. [37] Se están realizando importantes esfuerzos científicos con este fin. [38]

La detección genética de embriones es común y se realizan biopsias y pruebas a millones de personas cada año en todo el mundo. Se han desarrollado métodos de genotipado para que el genotipo del embrión pueda determinarse con gran precisión. [39] [40] Las pruebas de aneuploidía y enfermedades monogenéticas se han establecido cada vez más a lo largo de décadas, mientras que las pruebas de enfermedades poligénicas han comenzado a emplearse más recientemente, y se utilizaron por primera vez en la selección de embriones en 2019. [41] El uso de puntuaciones poligénicas para la selección de embriones ha sido criticado debido a supuestas cuestiones éticas y de seguridad, así como a su utilidad práctica limitada. [42] [43] [44] Sin embargo, se han presentado evaluaciones de rasgos específicos que afirman lo contrario [45] [46] y también se han presentado argumentos éticos a favor de la selección de embriones basada en PGS. [47] [48] [49] El tema continúa siendo un área activa de investigación no solo dentro de la genómica sino también dentro de las aplicaciones clínicas y la ética.

A partir de 2019, se han desarrollado puntuaciones poligénicas de más de cien fenotipos a partir de estadísticas de asociación de todo el genoma. [50] Estos incluyen puntuaciones que pueden clasificarse como antropométricas, conductuales, cardiovasculares, enfermedades no cancerosas, psiquiátricas/neurológicas y de respuesta al tratamiento/medicación. [51]

Altura prevista frente a altura real utilizando una puntuación de riesgo poligénico

Ejemplos de rendimiento de predicción de enfermedades.

Al predecir el riesgo de enfermedad, un PGS proporciona una puntuación continua que estima el riesgo de tener o contraer la enfermedad, dentro de un período de tiempo predefinido. Una métrica común para evaluar estas estimaciones continuas de preguntas de sí/no (ver Clasificación binaria ) es el área bajo la curva ROC (AUC). Algunos resultados de ejemplo del rendimiento de PGS, medidos en AUC (0 ≤ AUC ≤ 1 donde un número mayor implica una mejor predicción), incluyen:

Importancia del tamaño de la muestra

El rendimiento del predictor de PGS aumenta con el tamaño de muestra del conjunto de datos disponible para el entrenamiento. Aquí se ilustra para la hipertensión, el hipotiroidismo y la diabetes tipo 2. El eje x etiqueta el número de casos (es decir, individuos con la enfermedad) presentes en los datos de entrenamiento y utiliza una escala logarítmica. El rango completo va desde 1.000 casos hasta más de 100.000 casos. El número de controles (es decir, individuos sin la enfermedad) en los datos del entrenamiento fue mucho mayor que el número de casos. Estos predictores particulares fueron entrenados utilizando el algoritmo LASSO . [17]

El rendimiento de un predictor poligénico depende en gran medida del tamaño del conjunto de datos disponible para el análisis y el entrenamiento de ML. Los avances científicos recientes en el poder de predicción dependen en gran medida de la creación y expansión de grandes biobancos que contienen datos tanto de genotipos como de fenotipos de muchísimos individuos. A partir de 2021, existen varios biobancos con cientos de miles de muestras, es decir, entradas de datos con información genética y de rasgos de cada individuo (consulte, por ejemplo, la lista incompleta de biobancos ).

Con el uso de estos biobancos en crecimiento, se utilizan datos de miles de individuos para detectar variantes relevantes para un rasgo específico. La cantidad exacta que se requiere depende en gran medida del rasgo en cuestión. Por lo general, se observan niveles crecientes de predicción hasta una fase de meseta donde el rendimiento se nivela y no cambia mucho al aumentar aún más el tamaño de la muestra. Este es el límite de cuán preciso puede ser un predictor poligénico que solo utiliza información genética y lo establece la heredabilidad del rasgo específico. El tamaño de la muestra requerido para alcanzar este nivel de desempeño para un determinado rasgo está determinado por la complejidad de la arquitectura genética subyacente y la distribución de la varianza genética en la población muestreada. Esta dependencia del tamaño de la muestra se ilustra en la figura del hipotiroidismo, la hipertensión y la diabetes tipo 2.

Tenga en cuenta nuevamente que los métodos actuales para construir predictores poligénicos son sensibles a los ancestros presentes en los datos. A partir de 2021, la mayoría de los datos disponibles han sido principalmente de poblaciones con ascendencia europea, razón por la cual los PGS generalmente funcionan mejor dentro de esta ascendencia. Se requiere la construcción de biobancos más diversos con reclutamiento exitoso de todos los ancestros para rectificar este acceso sesgado y los beneficios de la medicina basada en PGS. [37]

Utilidad clínica y uso actual.

Un estudio histórico que examina el papel de las puntuaciones de riesgo poligénico en las enfermedades cardiovasculares revitalizó el interés por el potencial clínico de las puntuaciones poligénicas. [4] Este estudio demostró que un individuo con la puntuación de riesgo poligénico más alta (1%) tenía un riesgo cardiovascular de por vida >10%, que era comparable al de aquellos con variantes genéticas raras. Esta comparación es importante porque la práctica clínica puede verse influenciada al saber qué individuos tienen esta rara causa genética de enfermedad cardiovascular. [55] Desde este estudio, las puntuaciones de riesgo poligénico se han mostrado prometedoras para la predicción de enfermedades en otros rasgos. [8] Las puntuaciones de riesgo poligénico se han estudiado intensamente en obesidad, enfermedad de las arterias coronarias, diabetes, cáncer de mama, cáncer de próstata, enfermedad de Alzheimer y enfermedades psiquiátricas. [9]

En enero de 2021, se estaban realizando pruebas de investigación para proporcionar PRS directamente a las personas en sistemas de salud de todo el mundo, pero aún no se ofrece como estándar de atención. [56] Por lo tanto, la mayor parte del uso se realiza a través de pruebas genéticas de consumidores , donde varias empresas privadas informan PRS para una serie de enfermedades y rasgos. Los consumidores descargan sus datos de genotipo (variante genética) y los cargan en calculadoras PRS en línea, por ejemplo, Scripps Health , Impute.me o Color Genomics . [57] La ​​motivación más frecuente para que las personas busquen informes PRS es la curiosidad general (98,2%), y las reacciones generalmente se mezclan con interpretaciones erróneas comunes. [58] Se especula que el uso personal de PRS podría contribuir a las opciones de tratamiento, pero se necesitan más datos. [56] A partir de 2020, un uso más típico era que los médicos se enfrentaran a personas con PRS específicas de la enfermedad derivadas comercialmente con la expectativa de que el médico las interpretara, algo que puede crear cargas adicionales para el sistema de atención clínica. [56] [59]

Desafíos y riesgos en contextos clínicos

En un nivel fundamental, el uso de puntuaciones poligénicas en el contexto clínico tendrá problemas técnicos similares a los de las herramientas existentes. Por ejemplo, si una herramienta no está validada en una población diversa, puede exacerbar las disparidades con una eficacia desigual entre las poblaciones. Esto es especialmente importante en genética donde, a partir de 2018, la mayoría de los estudios hasta la fecha se han realizado en europeos. [60] Otros desafíos que pueden surgir incluyen la precisión con la que se puede calcular la puntuación de riesgo poligénico y el grado de precisión que debe tener para su utilidad clínica. [61] Incluso si una puntuación poligénica se calcula y calibra con precisión para una población, su interpretación debe abordarse con precaución. En primer lugar, es importante comprender que los rasgos poligénicos son diferentes de los monogénicos; estos últimos provienen de menos loci genéticos y pueden detectarse con mayor precisión. Las pruebas genéticas suelen ser difíciles de interpretar y requieren asesoramiento genético. Actualmente, los resultados de la puntuación poligénica se comparten con los médicos. [62] Dado que las pruebas genéticas monogénicas son mucho más maduras que las puntuaciones poligénicas, podemos buscar allí una aproximación al impacto clínico de las puntuaciones poligénicas. Si bien algunos estudios han encontrado efectos negativos al devolver resultados genéticos monogénicos a los pacientes, [63] la mayoría de los estudios sostienen que las consecuencias negativas son menores. [64]

Beneficios en humanos

A diferencia de muchos otros métodos de laboratorio clínico o de imágenes, el riesgo genético de la línea germinal de un individuo se puede calcular al nacer para una variedad de enfermedades después de secuenciar su ADN una vez. [61] [8] Por lo tanto, las puntuaciones poligénicas pueden, en última instancia, ser una medida rentable que puede ser informativa para el tratamiento clínico. Además, la puntuación de riesgo poligénico puede ser informativa a lo largo de la vida de un individuo y ayudar a cuantificar el riesgo genético de por vida de ciertas enfermedades. Para muchas enfermedades, tener un fuerte riesgo genético puede resultar en un inicio más temprano de presentación (por ejemplo, hipercolesterolemia familiar). [65] Reconocer antes un aumento de la carga genética puede permitir a los médicos intervenir antes y evitar retrasos en el diagnóstico. La puntuación poligénica se puede combinar con factores de riesgo tradicionales para aumentar la utilidad clínica. [66] [67] [68] [69] Por ejemplo, las puntuaciones de riesgo poligénico pueden ayudar a mejorar el diagnóstico de enfermedades. Esto es especialmente evidente al distinguir la diabetes tipo 1 de la tipo 2. [70] Asimismo, un enfoque basado en la puntuación de riesgo poligénico puede reducir los procedimientos de diagnóstico invasivos como se demuestra en la enfermedad celíaca. [71] Las puntuaciones poligénicas también pueden permitir a las personas modificar sus estilos de vida para reducir el riesgo de enfermedades. Si bien existe cierta evidencia de modificación de conducta como resultado de conocer la propia predisposición genética, [72] [73] [74] se requiere más trabajo para evaluar las conductas que modifican el riesgo en una variedad de diferentes estados patológicos. [61] La detección a nivel de población es otro caso de uso de puntuaciones poligénicas. El objetivo del cribado a nivel poblacional es identificar pacientes con alto riesgo de padecer una enfermedad que se beneficiarían de un tratamiento existente. [75] Las puntuaciones poligénicas pueden identificar un subconjunto de la población con alto riesgo que podría beneficiarse de la detección. Se están realizando varios estudios clínicos sobre el cáncer de mama [76] [77] y las enfermedades cardíacas son otra área que podría beneficiarse de un programa de detección poligénico basado en puntuaciones. [61]

Aplicaciones no predictivas

Existe una variedad de aplicaciones para puntuaciones poligénicas. En los seres humanos, las puntuaciones poligénicas se calcularon originalmente en un esfuerzo por predecir la prevalencia y la etiología de enfermedades hereditarias complejas , que normalmente se ven afectadas por muchas variantes genéticas que individualmente confieren un pequeño efecto al riesgo general. Además, una puntuación poligénica se puede utilizar de varias maneras diferentes: como límite inferior para comprobar si las estimaciones de heredabilidad pueden estar sesgadas; como medida de superposición genética de rasgos ( correlación genética ), que podría indicar, por ejemplo, bases genéticas compartidas para grupos de trastornos mentales; como un medio para evaluar las diferencias grupales en un rasgo como la altura, o para examinar los cambios en un rasgo a lo largo del tiempo debido a la selección natural indicativa de un barrido selectivo suave (como, por ejemplo, para la inteligencia, donde los cambios en la frecuencia serían demasiado pequeños para detectarlos en cada acierto individual pero no en la puntuación poligénica general); en aleatorización mendeliana (asumiendo que no hay pleiotropía con rasgos relevantes); detectar y controlar la presencia de factores de confusión genéticos en los resultados (por ejemplo, la correlación de la esquizofrenia con la pobreza); o para investigar las interacciones y correlaciones entre genes y medio ambiente . Las puntuaciones poligénicas también tienen propiedades estadísticas útiles en las pruebas de asociación (genómica), por ejemplo, para tener en cuenta los efectos de fondo específicos de los resultados y/o mejorar el poder estadístico . [78] [79] [80]

Aplicaciones en especies no humanas

El beneficio de las puntuaciones poligénicas es que pueden usarse para predecir el futuro de los cultivos, la cría de animales y los seres humanos por igual. Aunque los mismos conceptos básicos subyacen a estas áreas de predicción, enfrentan diferentes desafíos que requieren diferentes metodologías. La capacidad de producir familias muy grandes en especies no humanas, acompañada de una selección deliberada, conduce a una población efectiva más pequeña, mayores grados de desequilibrio de vinculación entre los individuos y una relación genética promedio más alta entre los individuos dentro de una población. Por ejemplo, los miembros de razas de plantas y animales que los humanos han creado efectivamente, como el maíz moderno o el ganado doméstico , están todos técnicamente "relacionados". Por el contrario, en la predicción genómica humana, se seleccionan individuos no relacionados en grandes poblaciones para estimar los efectos de los SNP comunes. Debido a la menor población efectiva en el ganado, el coeficiente medio de relación entre dos individuos cualesquiera es probablemente alto, y los SNP comunes etiquetarán variantes causales a mayor distancia física que para los humanos; esta es la razón principal de las estimaciones de heredabilidad basadas en SNP más bajas para los humanos en comparación con el ganado. Sin embargo, en ambos casos, el tamaño de la muestra es clave para maximizar la precisión de la predicción genómica. [81]

Si bien la puntuación de predicción genómica moderna en humanos generalmente se denomina "puntuación poligénica" (PGS) o "puntuación de riesgo poligénico" (PRS), en el ganado el término más común es "valor genético estimado genómico" o GEBV (similar a el más familiar "EBV", pero con datos genotípicos). Conceptualmente, un GEBV es lo mismo que un PGS: una función lineal de variantes genéticas, cada una de las cuales está ponderada por el efecto aparente de la variante. A pesar de esto, la predicción poligénica en el ganado es útil por una razón fundamentalmente diferente a la de los humanos. En humanos, un PRS se usa para predecir el fenotipo individual, mientras que en el ganado, un GEBV generalmente se usa para predecir el valor promedio de la descendencia de un fenotipo de interés en términos del material genético que heredó de un padre. De esta forma, un GEBV puede entenderse como el promedio de la descendencia de un individuo o pareja de animales individuales. Los GEBV también suelen comunicarse en las unidades del rasgo de interés. Por ejemplo, el aumento esperado en la producción de leche de las crías de un progenitor específico en comparación con las crías de una población de referencia podría ser una forma típica de utilizar un GEBV en la cría y selección de vacas lecheras. [81]

Notas

R. ^ La preimpresión enumera el AUC para PRS puro, mientras que la versión publicada del artículo solo enumera el AUC para PGS combinado con información de edad, sexo y matriz de genotipado.

Referencias

  1. ^ Gregorio, Gillian; Das Gupta, Kuheli; Meiser, Bettina; Barlow-Stewart, Kristine; Geelan-Small, Peter; Kaur, Rajneesh; Scheepers-Joynt, Maatje; McInerny, Simone; Taylor, Shelby; Antill, Yoland; Salmón, Lucinda; Smith, Courtney; Joven, Mary-Anne; James, Pablo A; Yanes, Tatiane (febrero de 2022). "Riesgo poligénico en el cáncer de mama familiar: cambiar la dinámica de comunicación del riesgo genético". Revista de Consejo Genético . 31 (1): 120-129. doi :10.1002/jgc4.1458. PMID  34223688. S2CID  235732957.
  2. ^ ab de Vlaming R, Groenen PJ (2015). "El uso actual y futuro de la regresión de crestas para la predicción en genética cuantitativa". Investigación BioMed Internacional . 2015 : 143712. doi : 10.1155/2015/143712 . PMC 4529984 . PMID  26273586. 
  3. ^ Lewis CM, Vassos E (noviembre de 2017). "Perspectivas del uso de puntuaciones de riesgo en medicina poligénica". Medicina del genoma . 9 (1): 96. doi : 10.1186/s13073-017-0489-y . PMC 5683372 . PMID  29132412. 
  4. ^ abcd Khera AV, Chaffin M, Aragam KG, Haas ME, Roselli C, Choi SH y col. (septiembre de 2018). "Las puntuaciones poligénicas de todo el genoma para enfermedades comunes identifican individuos con un riesgo equivalente al de mutaciones monogénicas". Genética de la Naturaleza . 50 (9): 1219-1224. doi :10.1038/s41588-018-0183-z. PMC 6128408 . PMID  30104762. 
  5. ^ Yanes T, Meiser B, Kaur R, Scheepers-Joynt M, McInerny S, Taylor S, et al. (Marzo de 2020). "Adopción de información sobre riesgos poligénicos entre mujeres con mayor riesgo de cáncer de mama". Genética Clínica . 97 (3): 492–501. doi :10.1111/cge.13687. hdl : 11343/286783 . PMID  31833054. S2CID  209342044.
  6. ^ ab Vilhjálmsson BJ, Yang J, Finucane HK, Gusev A, Lindström S, Ripke S, et al. (octubre de 2015). "El modelado del desequilibrio de vinculación aumenta la precisión de las puntuaciones de riesgo poligénico". Revista Estadounidense de Genética Humana . 97 (4): 576–592. doi :10.1016/j.ajhg.2015.09.001. PMC 4596916 . PMID  26430803. 
  7. ^ Dudbridge F (marzo de 2013). "Poder y precisión predictiva de las puntuaciones de riesgo poligénico". PLOS Genética . 9 (3): e1003348. doi : 10.1371/journal.pgen.1003348 . PMC 3605113 . PMID  23555274. 
  8. ^ abcde Torkamani A, Wineinger NE, Topol EJ (septiembre de 2018). "La utilidad personal y clínica de las puntuaciones de riesgo poligénico". Reseñas de la naturaleza. Genética . 19 (9): 581–590. doi :10.1038/s41576-018-0018-x. PMID  29789686. S2CID  46893131.
  9. ^ ab Lambert SA, Abraham G, Inouye M (noviembre de 2019). "Hacia la utilidad clínica de las puntuaciones de riesgo poligénico". Genética Molecular Humana . 28 (R2): R133–R142. doi : 10.1093/hmg/ddz187 . PMID  31363735.
  10. ^ Regalado A (8 de marzo de 2019). "23andMe cree que las puntuaciones de riesgo poligénico están listas para las masas, pero los expertos no están tan seguros". Revisión de tecnología del MIT . Consultado el 14 de agosto de 2020 .
  11. ^ abcde Lello L, Raben TG, Yong SY, Tellier LC, Hsu SD (octubre de 2019). "Predicción genómica de 16 riesgos de enfermedades complejas, incluidos ataques cardíacos, diabetes, cáncer de mama y próstata". Informes científicos . 9 (1): 15286. Código bibliográfico : 2019NatSR...915286L. doi : 10.1038/s41598-019-51258-x . PMC 6814833 . PMID  31653892. 
  12. ^ Visscher PM, Wray NR, Zhang Q, Sklar P, McCarthy MI, Brown MA, Yang J (julio de 2017). "Diez años de descubrimiento de GWAS: biología, función y traducción". Revista Estadounidense de Genética Humana . 101 (1): 5–22. doi :10.1016/j.ajhg.2017.06.005. PMC 5501872 . PMID  28686856. 
  13. ^ ab Spiliopoulou A, Nagy R, Bermingham ML, Huffman JE, Hayward C, Vitart V, et al. (Julio de 2015). "Predicción genómica de rasgos humanos complejos: parentesco, arquitectura de rasgos y metamodelos predictivos". Genética Molecular Humana . 24 (14): 4167–4182. doi :10.1093/hmg/ddv145. PMC 4476450 . PMID  25918167. 
  14. ^ Spindel JE, McCouch SR (diciembre de 2016). "Cuando más es mejor: cómo el intercambio de datos aceleraría la selección genómica de plantas de cultivo". El nuevo fitólogo . 212 (4): 814–826. doi : 10.1111/nph.14174 . PMID  27716975.
  15. ^ "La genética moderna mejorará la salud y dará paso a niños" de diseño ". El economista . 2019-11-09 . Consultado el 12 de abril de 2021 .
  16. ^ "La prueba podría predecir el riesgo de futuras enfermedades cardíacas por sólo £ 40". El guardián . 2018-10-08 . Consultado el 12 de abril de 2021 .
  17. ^ ab Raben TG, Lello L, Widen E, Hsu SD (14 de enero de 2021). "Del genotipo al fenotipo: predicción poligénica de rasgos humanos complejos". arXiv : 2101.05870 [q-bio].
  18. ^ "El enfoque de puntuación genética general predice de forma fiable las enfermedades cardíacas". Ciencia diaria . 2019-06-11 . Consultado el 12 de abril de 2021 .
  19. ^ Weedon MN, McCarthy MI, Hitman G, Walker M, Groves CJ, Zeggini E, et al. (octubre de 2006). "La combinación de información de polimorfismos comunes de riesgo de diabetes tipo 2 mejora la predicción de la enfermedad". Más Medicina . 3 (10): e374. doi : 10.1371/journal.pmed.0030374 . PMC 1584415 . PMID  17020404. 
  20. ^ Meuwissen TH, Hayes BJ, Goddard ME (abril de 2001). "Predicción del valor genético total utilizando mapas de marcadores densos de todo el genoma". Genética . 157 (4): 1819–1829. doi :10.1093/genética/157.4.1819. PMC 1461589 . PMID  11290733. 
  21. ^ Crouch DJ, Bodmer WF (agosto de 2020). "Herencia poligénica, GWAS, puntuaciones de riesgo poligénico y búsqueda de variantes funcionales". Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 117 (32): 18924–18933. Código Bib : 2020PNAS..11718924C. doi : 10.1073/pnas.2005634117 . PMC 7431089 . PMID  32753378. 
  22. ^ Wray NR, Goddard ME, Visscher PM (octubre de 2007). "Predicción del riesgo genético individual de enfermedad a partir de estudios de asociación de todo el genoma". Investigación del genoma . 17 (10): 1520-1528. doi :10.1101/gr.6665407. PMC 1987352 . PMID  17785532. 
  23. ^ Purcell SM, Wray NR, Stone JL, Visscher PM, O'Donovan MC, Sullivan PF, Sklar P (agosto de 2009). "La variación poligénica común contribuye al riesgo de esquizofrenia y trastorno bipolar". Naturaleza . 460 (7256): 748–752. Código Bib :2009Natur.460..748P. doi : 10.1038/naturaleza08185. PMC 3912837 . PMID  19571811. 
  24. ^ Choi SW, Mak TS, O'Reilly PF (septiembre de 2020). "Tutorial: una guía para realizar análisis de puntuación de riesgo poligénico". Protocolos de la Naturaleza . 15 (9): 2759–2772. doi :10.1038/s41596-020-0353-1. PMC 7612115 . PMID  32709988. S2CID  220732490. 
  25. ^ Wand H, Lambert SA, Tamburro C, Iacocca MA, O'Sullivan JW, Sillari C, et al. (Marzo de 2021). "Mejora de los estándares de presentación de informes para puntuaciones poligénicas en estudios de predicción de riesgos". Naturaleza . 591 (7849): 211–219. Código Bib :2021Natur.591..211W. doi :10.1038/s41586-021-03243-6. PMC 8609771 . PMID  33692554. 
  26. ^ abc Lewis CM, Vassos E (mayo de 2020). "Puntuaciones de riesgo poligénico: de herramientas de investigación a instrumentos clínicos". Medicina del genoma . 12 (1): 44. doi : 10.1186/s13073-020-00742-5 . PMC 7236300 . PMID  32423490. 
  27. ^ Vattikuti S, Lee JJ, Chang CC, Hsu SD, Chow CC (2014). "Aplicación de la detección comprimida a estudios de asociación de todo el genoma". GigaCiencia . 3 (1): 10. doi : 10.1186/2047-217X-3-10 . PMC 4078394 . PMID  25002967. 
  28. ^ Ge T, Chen CY, Ni Y, Feng YA, Smoller JW (abril de 2019). "Predicción poligénica mediante regresión bayesiana y antecedentes de contracción continua". Comunicaciones de la naturaleza . 10 (1): 1776. Código bibliográfico : 2019NatCo..10.1776G. doi :10.1038/s41467-019-09718-5. PMC 6467998 . PMID  30992449. 
  29. ^ Meuwissen TH, Hayes BJ, Goddard ME (abril de 2001). "Predicción del valor genético total utilizando mapas de marcadores densos de todo el genoma". Genética . 157 (4): 1819–1829. doi :10.1093/genética/157.4.1819. PMC 1461589 . PMID  11290733. 
  30. ^ Privé F, Arbel J, Vilhjálmsson BJ (diciembre de 2020). "LDpred2: mejor, más rápido, más fuerte". Bioinformática . 36 (22–23): 5424–5431. doi : 10.1093/bioinformática/btaa1029. PMC 8016455 . PMID  33326037. 
  31. ^ Márquez-Luna C, Loh PR, Price AL (diciembre de 2017). "Las puntuaciones de riesgo poligénico multiétnico mejoran la predicción de riesgos en poblaciones diversas". Epidemiología genética . 41 (8): 811–823. doi :10.1002/gepi.22083. PMC 5726434 . PMID  29110330. 
  32. ^ Hu Y, Lu Q, Powles R, Yao X, Yang C, Fang F, et al. (junio de 2017). Rigoutsos I (ed.). "Aprovechando las anotaciones funcionales en la predicción del riesgo genético de enfermedades humanas complejas". PLOS Biología Computacional . 13 (6): e1005589. Código Bib : 2017PLSCB..13E5589H. doi : 10.1371/journal.pcbi.1005589 . PMC 5481142 . PMID  28594818. 
  33. ^ Ni G, Zeng J, Revez JA, Wang Y, Zheng Z, Ge T, et al. (noviembre de 2021). "Una comparación de diez métodos de puntuación poligénica para trastornos psiquiátricos aplicados en múltiples cohortes". Psiquiatría biológica . 90 (9): 611–620. doi :10.1016/j.biopsych.2021.04.018. PMC 8500913 . PMID  34304866. 
  34. ^ Duncan L, Shen H, Gelaye B, Meijsen J, Ressler K, Feldman M, et al. (julio de 2019). "Análisis del uso y rendimiento de la puntuación de riesgo poligénico en diversas poblaciones humanas". Comunicaciones de la naturaleza . 10 (1): 3328. Código bibliográfico : 2019NatCo..10.3328D. doi :10.1038/s41467-019-11112-0. PMC 6658471 . PMID  31346163. 
  35. ^ Wang Y, Guo J, Ni G, Yang J, Visscher PM, Yengo L (julio de 2020). "Cuantificación teórica y empírica de la precisión de puntuaciones poligénicas en poblaciones de ascendencia divergente". Comunicaciones de la naturaleza . 11 (1): 3865. Código bibliográfico : 2020NatCo..11.3865W. doi :10.1038/s41467-020-17719-y. PMC 7395791 . PMID  32737319. 
  36. ^ Li Z, Chen J, Yu H, He L, Xu Y, Zhang D, et al. (noviembre de 2017). "El análisis de asociación de todo el genoma identifica 30 nuevos loci de susceptibilidad a la esquizofrenia" (PDF) . Genética de la Naturaleza . 49 (11): 1576-1583. doi :10.1038/ng.3973. PMID  28991256. S2CID  205355668.
  37. ^ ab Martin AR, Kanai M, Kamatani Y, Okada Y, Neale BM, Daly MJ (abril de 2019). "El uso clínico de las puntuaciones de riesgo poligénico actuales puede exacerbar las disparidades en salud". Genética de la Naturaleza . 51 (4): 584–591. doi :10.1038/s41588-019-0379-x. PMC 6563838 . PMID  30926966. 
  38. ^ "Diversidad e inclusión". Programa de Investigación Todos Nosotros | NIH . 2020-06-24 . Consultado el 24 de mayo de 2023 .
  39. ^ Zeevi DA, Backenroth D, Hakam-Spector E, Renbaum P, Mann T, Zahdeh F, et al. (julio de 2021). "Validación clínica ampliada de Haploseek para pruebas genéticas previas a la implantación integrales". Genética en Medicina . 23 (7): 1334-1340. doi : 10.1038/s41436-021-01145-6 . PMID  33772222. S2CID  232377300.
  40. ^ Treff NR, Zimmerman R, Bechor E, Hsu J, Rana B, Jensen J, et al. (agosto de 2019). "Validación de pruebas genéticas preimplantacionales concurrentes para trastornos poligénicos y monogénicos, reordenamientos estructurales y aneuploidías cromosómicas completas y segmentarias con una única plataforma universal". Revista europea de genética médica . 62 (8): 103647. doi : 10.1016/j.ejmg.2019.04.004 . PMID  31026593.
  41. ^ Carey Goldberg (17 de septiembre de 2021). "La elección de embriones con las mejores probabilidades de salud genera un nuevo debate sobre el ADN". Noticias de Bloomberg . Archivado desde el original el 17 de septiembre de 2021. Aurea parece ser la primera niña nacida después de un nuevo tipo de prueba de ADN que le dio una "puntuación de riesgo poligénico". ... Sus padres se sometieron a un tratamiento de fertilidad en 2019 ...
  42. ^ Birney E (11 de noviembre de 2019). "Por qué está mal utilizar puntuaciones de riesgo genético en embriones". ewanbirney.com . Consultado el 16 de diciembre de 2020 .
  43. ^ Karavani E, Zuk O, Zeevi D, Barzilai N, Stefanis NC, Hatzimanolis A, et al. (noviembre de 2019). "La detección de rasgos poligénicos en embriones humanos tiene una utilidad limitada". Celúla . 179 (6): 1424–1435.e8. doi : 10.1016/j.cell.2019.10.033. PMC 6957074 . PMID  31761530. 
  44. ^ Lázaro-Muñoz G, Pereira S, Carmi S, Lencz T (marzo de 2021). "Detección de embriones para detectar condiciones y rasgos poligénicos: consideraciones éticas para una tecnología emergente". Genética en Medicina . 23 (3): 432–434. doi :10.1038/s41436-020-01019-3. PMC 7936952 . PMID  33106616. 
  45. ^ Treff NR, Eccles J, Marin D, Messick E, Lello L, Gerber J, et al. (junio de 2020). "Pruebas genéticas previas a la implantación para la reducción del riesgo relativo de enfermedades poligénicas: evaluación del rendimiento del índice genómico en 11.883 pares de hermanos adultos". Genes . 11 (6): 648. doi : 10.3390/genes11060648 . PMC 7349610 . PMID  32545548. 
  46. ^ Treff NR, Eccles J, Lello L, Bechor E, Hsu J, Plunkett K, et al. (2019-12-04). "Utilidad y primera aplicación clínica del cribado de embriones para la reducción del riesgo de enfermedades poligénicas". Fronteras en Endocrinología . 10 (845): 845. doi : 10.3389/fendo.2019.00845 . PMC 6915076 . PMID  31920964. 
  47. ^ Munday S, Savulescu J (enero de 2021). "Tres modelos para la regulación de puntuaciones poligénicas en reproducción". Revista de Ética Médica . 47 (12): e91. doi : 10.1136/medethics-2020-106588 . PMC 8639919 . PMID  33462079. 
  48. ^ Kemper JM, Gyngell C, Savulescu J (septiembre de 2019). "Subsidiar el PGD: el argumento moral para financiar la selección genética". Revista de Investigación Bioética . 16 (3): 405–414. doi : 10.1007/s11673-019-09932-2 . PMC 6831526 . PMID  31418161. 
  49. ^ Savulescu J (octubre de 2001). Francisco L (ed.). "Beneficio procreativo: por qué debemos seleccionar a los mejores niños". Bioética . 15 (5–6): 413–426. doi : 10.1093/oxfordhb/9780199981878.013.26. ISBN 978-0-19-998187-8. PMID  12058767.
  50. ^ "El catálogo de puntuación poligénica (PGS)". Catálogo de puntuación poligénica (PGS) . Consultado el 29 de abril de 2020 . Una base de datos abierta de puntuaciones poligénicas y los metadatos relevantes necesarios para una aplicación y evaluación precisas.
  51. ^ Richardson TG, Harrison S, Hemani G, Davey Smith G (marzo de 2019). "Un atlas de asociaciones de puntuación de riesgo poligénico para resaltar supuestas relaciones causales en todo el fenómeno humano". eVida . 8 : e43657. doi : 10.7554/eLife.43657 . PMC 6400585 . PMID  30835202. 
  52. ^ Khera A, Chaggin M, Aragam KG, Emdin CA, Klarin D, Haas ME, Roselli C, Natarajan P, Kathiresan S (15 de noviembre de 2017). "Puntuación poligénica de todo el genoma para identificar un riesgo monogénico equivalente de enfermedad coronaria". bioRxiv 10.1101/218388 . 
  53. ^ Mavaddat N, Michailidou K, Dennis J, Lush M, Fachal L, Lee A, et al. (Enero de 2019). "Puntuaciones de riesgo poligénico para la predicción del cáncer de mama y subtipos de cáncer de mama". Revista Estadounidense de Genética Humana . 104 (1): 21–34. doi : 10.1016/j.ajhg.2018.11.002 . PMC 6323553 . PMID  30554720. 
  54. ^ Ripke S, Walters JT, O'Donovan MC y col. (Grupo de Trabajo de Esquizofrenia del Consorcio de Genómica Psiquiátrica) (12 de septiembre de 2020). "El mapeo de loci genómicos prioriza los genes e implica la biología sináptica en la esquizofrenia". medRxiv 10.1101/2020.09.12.20192922 . 
  55. ^ Wray NR, Lin T, Austin J, McGrath JJ, Hickie IB, Murray GK, Visscher PM (enero de 2021). "De la ciencia básica a la aplicación clínica de puntuaciones de riesgo poligénico: introducción". JAMA Psiquiatría . 78 (1): 101-109. doi : 10.1001/jamapsychiatry.2020.3049. ISSN  2168-622X. PMID  32997097. S2CID  222169651.
  56. ^ abc Wray NR, Lin T, Austin J, McGrath JJ, Hickie IB, Murray GK, Visscher PM (enero de 2021). "De la ciencia básica a la aplicación clínica de puntuaciones de riesgo poligénico: introducción". JAMA Psiquiatría . 78 (1): 101-109. doi : 10.1001/jamapsychiatry.2020.3049. ISSN  2168-622X. PMID  32997097. S2CID  222169651.
  57. ^ Brockman DG, Petronio L, Dron JS, Kwon BC, Vosburg T, Nip L, et al. (octubre de 2021). "Diseño y prueba de experiencia del usuario de un informe de puntuación poligénico: un estudio cualitativo de posibles usuarios". Genómica médica BMC . 14 (1): 238. doi : 10.1186/s12920-021-01056-0 . PMC 8485114 . PMID  34598685. 
  58. ^ Peck L, Borle K, Folkersen L, Austin J (julio de 2021). "¿Por qué la gente busca puntuaciones de riesgo poligénico para trastornos complejos y cómo comprenden los resultados y reaccionan ante ellos?". Revista europea de genética humana . 30 (1): 81–87. doi :10.1038/s41431-021-00929-3. PMC 8738734 . PMID  34276054. S2CID  236090477. 
  59. ^ Millward M, Tiller J, Bogwitz M, Kincaid H, Taylor S, Trainer AH, Lacaze P (septiembre de 2020). "Impacto de las pruebas genéticas directas al consumidor en los servicios de genética clínica australianos". Revista europea de genética médica . 63 (9): 103968. doi : 10.1016/j.ejmg.2020.103968. PMID  32502649.
  60. ^ Sirugo G, Williams SM, Tishkoff SA (marzo de 2019). "La diversidad perdida en los estudios de genética humana". Celúla . 177 (1): 26–31. doi :10.1016/j.cell.2019.02.048. PMC 7380073 . PMID  30901543. 
  61. ^ abcd Adeyemo, Adebowale; Balaconis, Mary K.; Darnes, Deanna R.; Fatumo, Segun; Granados Moreno, Palmira; Hodonsky, Chani J.; Inouye, Michael; Kanai, Masahiro; Kato, Kazuto; Knoppers, Bartha M.; Lewis, Anna CF; Martín, Alicia R.; McCarthy, Mark I.; Meyer, Michelle N.; Okada, Yukinori; Richards, J. Brent; Richter, Lucas; Ripatti, Samuli; Rotimi, Charles N.; Sanderson, Saskia C.; Sturm, Amy C.; Verdugo, Ricardo A.; Ampliar, Elisabeth; Willer, Cristen J.; Wojcik, Genevieve L.; Zhou, Alicia (noviembre de 2021). "Uso responsable de puntuaciones de riesgo poligénico en la clínica: posibles beneficios, riesgos y lagunas". Medicina de la Naturaleza . 27 (11): 1876–1884. doi : 10.1038/s41591-021-01549-6 . PMID  34782789. S2CID  244131258.
  62. ^ Brockman DG, Petronio L, Dron JS, Kwon BC, Vosburg T, Nip L, et al. (enero de 2021). "Diseño y prueba de experiencia del usuario de un informe de puntuación poligénico: un estudio cualitativo de posibles usuarios". pag. 238. medRxiv 10.1101/2021.04.14.21255397 . 
  63. ^ Lineweaver TT, Bondi MW, Galasko D, Salmon DP (febrero de 2014). "Efecto del conocimiento del genotipo APOE sobre el rendimiento de la memoria subjetiva y objetiva en adultos mayores sanos". La Revista Estadounidense de Psiquiatría . 171 (2): 201–208. doi : 10.1176/appi.ajp.2013.12121590. PMC 4037144 . PMID  24170170. 
  64. ^ Parens E, Appelbaum PS (mayo de 2019). "Sobre lo que hemos aprendido y aún necesitamos aprender sobre los impactos psicosociales de las pruebas genéticas". Informe del Centro Hastings . 49 (Suplemento 1): T2 – S9. doi :10.1002/hast.1011. PMC 6640636 . PMID  31268574. S2CID  195786850. 
  65. ^ Varghese MJ (mayo de 2014). "Hipercolesterolemia familiar: una revisión". Anales de cardiología pediátrica . 7 (2): 107–117. doi : 10.4103/0974-2069.132478 . PMC 4070199 . PMID  24987256. 
  66. ^ Ganna A, Magnusson PK, Pedersen NL, de Faire U, Reilly M, Arnlöv J, et al. (Septiembre 2013). "Puntuaciones de riesgo genético multilocus para la predicción de enfermedades coronarias". Arteriosclerosis, trombosis y biología vascular . 33 (9): 2267–2272. doi : 10.1161/atvbaha.113.301218 . PMID  23685553. S2CID  182105.
  67. ^ Feliz AH (2010). Enfermedad coronaria en los Países Bajos: incidencia, etiología y predicción de riesgos (Tesis). Universidad de Maastricht. doi : 10.26481/dis.20101210am . ISBN 9789052789873.
  68. ^ Nadir MA, Struthers AD (abril de 2011). "Historia familiar de enfermedad coronaria prematura y predicción de riesgo". Corazón . 97 (8): 684, respuesta del autor 684. doi :10.1136/hrt.2011.222265. PMID  21367743. S2CID  36394971.
  69. ^ Neale B (26 de noviembre de 2019). "Recomendación de opiniones de los profesores sobre la predicción del riesgo genómico de enfermedad de las arterias coronarias en 480.000 adultos: implicaciones para la prevención primaria". Revista del Colegio Americano de Cardiología . doi : 10.3410/f.734171897.793567857 . S2CID  212766426.
  70. ^ Oram RA, Patel K, Hill A, Shields B, McDonald TJ, Jones A, et al. (Marzo de 2016). "Una puntuación de riesgo genético de diabetes tipo 1 puede ayudar a discriminar entre diabetes tipo 1 y tipo 2 en adultos jóvenes". Cuidado de la diabetes . 39 (3): 337–344. doi :10.2337/dc15-1111. PMC 5642867 . PMID  26577414. 
  71. ^ Sharp SA, Jones SE, Kimmitt RA, Weedon MN, Halpin AM, Wood AR y otros. (octubre de 2020). "Una puntuación de riesgo genético de polimorfismo de un solo nucleótido para ayudar en el diagnóstico de la enfermedad celíaca: un estudio piloto en atención clínica". Farmacología y Terapéutica Alimentaria . 52 (7): 1165-1173. doi : 10.1111/apt.15826 . PMID  32790217. S2CID  221127365.
  72. ^ McBride CM, Koehly LM, Sanderson SC, Kaphingst KA (1 de marzo de 2010). "La respuesta conductual a la información genética personalizada: ¿los perfiles de riesgo genético motivarán a los individuos y familias a elegir comportamientos más saludables?". Revista Anual de Salud Pública . 31 (1): 89-103. doi : 10.1146/annurev.publhealth.012809.103532 . PMID  20070198.
  73. ^ Saya S, McIntosh JG, Winship IM, Clendenning M, Milton S, Oberoi J, et al. (2020). "Una prueba genómica para el riesgo de cáncer colorrectal: ¿es aceptable y factible en atención primaria?". Genómica de la Salud Pública . 23 (3–4): 110–121. doi :10.1159/000508963. PMID  32688362. S2CID  220669421.
  74. ^ Turnwald BP, Goyer JP, Boles DZ, Silder A, Delp SL, Crum AJ (enero de 2019). "Conocer el riesgo genético de uno cambia la fisiología independientemente del riesgo genético real". Naturaleza Comportamiento Humano . 3 (1): 48–56. doi :10.1038/s41562-018-0483-4. PMC 6874306 . PMID  30932047. 
  75. ^ Singh Y (noviembre de 2016). "Efectividad de los programas de cribado para la detección de cardiopatías congénitas importantes". Revista europea de pediatría . 175 (11): 1582. doi :10.26226/morressier.57d034ced462b80292382f40.
  76. ^ Esserman LJ (13 de septiembre de 2017). "El estudio WISDOM: romper el estancamiento en el debate sobre la detección del cáncer de mama". npj Cáncer de mama . 3 (1): 34. doi :10.1038/s41523-017-0035-5. PMC 5597574 . PMID  28944288. S2CID  3313995. 
  77. ^ Farooq V, Serruys PW (julio de 2018). "Estratificación de riesgos y puntuaciones de riesgo". En Wijns W (ed.). ESC CardioMed . Prensa de la Universidad de Oxford. págs. 1371-1384. doi :10.1093/med/9780198784906.003.0335. ISBN 978-0-19-878490-6.
  78. ^ Mbatchou, J; Barnard, L; Backman, J; Marcketta, A; Kosmicki, JA; Ziyatdinov, A; Benner, C; O'Dushlaine, C; Barbero, M; Boutkov, B; Habegger, L; Ferreira, M; Baras, A; Reid, J; Abecasis, G; Maxwell, E; Marchini, J (julio de 2021). "Regresión computacionalmente eficiente del genoma completo para rasgos cuantitativos y binarios". Genética de la Naturaleza . 53 (7): 1097-1103. doi : 10.1038/s41588-021-00870-7 . PMID  34017140. S2CID  220044465.
  79. ^ Jürgens, SJ; Pirruccello, JP; Choi, SH; Morrill, VN; Chaffin, M; Lubitz, SA; Lunetta, KL; Ellinor, PT (23 de marzo de 2023). "El ajuste de las puntuaciones poligénicas de variantes comunes mejora el rendimiento en los análisis de asociación de variantes raras". Genética de la Naturaleza . 55 (4): 544–548. doi :10.1038/s41588-023-01342-w. PMID  36959364. S2CID  239054376.
  80. ^ Bennett, D; O'Shea, D; Ferguson, J; Morris, D; Seoighe, C (1 de octubre de 2021). "El control de los efectos genéticos de fondo mediante puntuaciones poligénicas mejora el poder de los estudios de asociación de todo el genoma". Informes científicos . 11 (1): 19571. Bibcode : 2021NatSR..1119571B. doi :10.1038/s41598-021-99031-3. PMC 8486788 . PMID  34599249. 
  81. ^ ab Wray NR, Kemper KE, Hayes BJ, Goddard ME, Visscher PM (abril de 2019). "Predicción de rasgos complejos a partir de datos del genoma: contraste del EBV en ganado con PRS en humanos: predicción genómica". Genética . 211 (4): 1131-1141. doi :10.1534/genética.119.301859. PMC 6456317 . PMID  30967442. 

enlaces externos