Atlas Genético Mapea 249 Metabolitos Plasmáticos en 40 Enfermedades, Revelando Vínculos Causales

Los metabolitos son firmas bioquímicas directas de la actividad celular y actúan tanto como biomarcadores de enfermedad como contribuyentes activos a su inicio y progresión. A pesar de los extensos estudios de asociación de todo el genoma realizados en poblaciones sanas, se sabía relativamente poco sobre cómo la genética moldea el metaboloma en personas que ya viven con una enfermedad, contextos en los que la desregulación metabólica puede seguir patrones distintos. Este estudio se propuso llenar ese vacío llevando a cabo el mayor análisis estratificado por enfermedad de loci de rasgos cuantitativos de metabolitos en todo el genoma (metQTL) hasta la fecha, utilizando metabolómica basada en resonancia magnética nuclear (NMR) del UK Biobank.

El estudio se basó en datos de 117.965 participantes del UK Biobank de ascendencia británica blanca que contaban tanto con datos de matrices de genotipado como con mediciones de metabolitos plasmáticos de la plataforma NMR de Nightingale Health. Los 249 metabolitos abarcaban 14 subclases de lipoproteínas, aminoácidos, ácidos grasos, metabolitos relacionados con la glucólisis, cuerpos cetónicos, fosfolípidos, triglicéridos y marcadores de inflamación, entre otros. Los participantes se agruparon en 40 categorías de enfermedades (definidas por códigos CIE-10), incluyendo enfermedades cardiovasculares, cánceres, enfermedades metabólicas y trastornos neurológicos. Solo se incluyeron casos prevalentes —personas ya diagnosticadas antes de la extracción de sangre—, lo que garantizó que los perfiles de metabolitos reflejaran estados de enfermedad. Se aplicó regresión lineal generalizada mediante MatrixEQTL, ajustando por covariables demográficas y genómicas.

En las 40 categorías de enfermedades, el análisis identificó 283.563 pares de asociación metQTL-metabolito, que implicaban 149.984 metQTLs únicos de 26.536 loci independientes. La anotación funcional reveló que estas variantes están enriquecidas en regiones genómicas reguladoras, influyendo en la accesibilidad de la cromatina y en los sitios de unión de factores de transcripción, lo que apunta a mecanismos de regulación epigenética más que a simples efectos de codificación proteica. Los análisis de heredabilidad confirmaron que los metQTLs capturan una proporción significativa de la varianza de susceptibilidad a enfermedades, más allá de lo que explican por sí solas las variantes estándar de GWAS de enfermedades.

Se realizaron análisis de aleatorización mendeliana (MR) para distinguir las relaciones causales entre metabolitos y enfermedades de las meras asociaciones. Tras aplicar un riguroso filtrado de la solidez de los instrumentos y la pleiotropía, se identificaron 104 relaciones causales fiables entre metabolitos específicos y enfermedades. Estas incluyeron relaciones conocidas (p. ej., metabolitos lipídicos y enfermedades cardiovasculares), así como nuevos hallazgos que vinculan especies específicas de aminoácidos y ácidos grasos con el cáncer y las enfermedades metabólicas. La direccionalidad y los tamaños del efecto derivados de la MR proporcionaron dianas accionables para estrategias de intervención metabólica.

A partir de la arquitectura genética de los metQTL, se construyeron y validaron modelos de puntuación de riesgo poligénico (PRS) que agregan variantes genéticas metabólicas. Estos modelos demostraron un excelente rendimiento discriminativo para la estratificación del riesgo en 8 de las 40 enfermedades, ofreciendo un marco para traducir los perfiles del metaboloma inferidos genéticamente en herramientas de riesgo clínico, especialmente valiosas en poblaciones que carecen de mediciones directas de metabolitos. Todos los metQTLs, las anotaciones funcionales, los resultados de MR y los resultados de los modelos PRS son de libre acceso a través de la plataforma metQTL-Atlas (metqtl.whu.edu.cn). Entre las principales advertencias se encuentran la restricción a la ascendencia británica blanca, que limita la generalización, y el carácter transversal de las mediciones de metabolitos, que no puede capturar plenamente las trayectorias metabólicas longitudinales.