Implementación y evaluación de un modelo predictivo de asociación genómica para Enfermedades Raras basado en configuraciones de repeticiones ADN y variantes estructurales

Uno de los pilares de la medicina de precisión se encuentra en la asociación de la estructura y variación genómica al ambiente y fenotipo, explorado principalmente a nivel de variación deletérea en genes codificantes, y la asociación de factores epigenéticos en poblaciones o enfermedades específicas [1]. Sin embargo, grandes proyectos como 1000 genomas, Hapmap, Encode entre otros, han mostrado una urgente necesidad de definir patrones lógicos y cuantificables sobre la organización de la información genética en el contexto de sus elementos constitutivos [2], los cuales van más allá de la identificación de polimorfismos o SNPs; es decir, se deben considerar e integrar elementos como las variaciones estructurales (SV), repeticiones de ADN, sitios de unión a elementos reguladores (ncRNA o Proteína), entre otros, sobre los rasgos fenotípicos de interés; esto fundamentado en el hecho de que la mayoría de las asociaciones genómicas descritas a la fecha corresponde a una fracción muy pequeña del genoma y son dependientes de eventos altamente heterogéneos entre las poblaciones humanas [3]. En efecto, las asociaciones genotipo-fenotipos dependientes de genes han sido fundamentales para reconocer marcadores directos de diagnóstico, pronóstico y tratamiento de diferentes enfermedades, principalmente cáncer; pero también han mostrado grandes limitaciones en el estudio de enfermedades complejas cuando se explora sólo las regiones codificantes [4]. Por lo tanto, la articulación de la mayor cantidad de elementos genómicos en patrones estructurales claros y con función o impacto significativo son un reto importante en la genómica humana y la medicina de precisión a nivel global [5]. Bajo este contexto, nuestro grupo ha venido trabajando en la última década en la exploración de elementos genómicos clave para la comprensión de familias de genes [6], enfermedades complejas [7]; codificación del genoma humano [8], secuencias no codificantes [9], organización del genoma [10], la asociación de variación génica [11], y en efecto para el reconocimiento de estos elementos en la susceptibilidad a diferentes enfermedades [12]. Nuestro trabajo se ha enfocado en la descripción del genoma humano como un sistema altamente entrópico, configurable y con propiedades emergentes medibles; específicamente, la organización y configuración de repeticiones de ADN ha sido uno de nuestros grandes aportes en la comprensión y aplicación del genoma humano, debido a que hemos presentado evidencias de cómo Configuraciones entre Repeticiones (cRep) Transponibles como LINE/L1 son asociables a Variantes Estructurales (SV) [13], siendo estos elementos clave de susceptibilidad genómica a diversas enfermedades [14]. Dicha asociación ha sido descrita previamente como uno de los mecanismos (además de la recombinación), por los cuales las SVs se duplican o translocan en loci específicos del genoma [15], lo cual se ha enriquecido en los últimos años por la secuenciación de alto rendimiento (HTS), y específicamente las mejoras en la obtención de lecturas largas (LRS) y continuas de ADN (CLR) [16]; Sin embargo, debido a que en promedio se han identificado alrededor de 7500 SV por genoma [17], esta alta densidad de variantes se ha convertido en un desafío actual para la asociación fenotípica o de enfermedad, lo cual conlleva a la definición de nuevas estrategias de asociación, pero fundamentadas en la composición genómica completa como nosotros aquí lo proponemos.  Con base en todo lo anterior, el presente estudio busca establecer el catálogo de variantes estructurales (SV) asociadas a configuraciones de Repeticiones de ADN (cRep) previamente descritas como determinantes en el contexto genómico de enfermedades crónicas y raras [7,12,13]; y que en enfermedades raras se muestran como elementos claves para aumentar la sensibilidad en el diagnóstico y tratamiento [18]. Es importante resaltar, que las enfermedades raras no solo representan condiciones de baja incidencia, sino también eventuales vulnerabilidades genómicas asociadas a una heredabilidad desconocida con alto impacto fenotípico [19], y que incluso pueden ser similares en enfermedades “comunes” pero menos evidentes fenotípicamente [20]. De esta forma, nuestro objetivo principal es definir regiones genómicas clave para haplotipos de diferentes enfermedades a partir de una exploración profunda de cRep y SV en un modelo Machine Learning (ML), predictivo de asociaciones genómicas, y enriquecido con datos propios de población con diagnóstico molecular de Enfermedad Rara en el suroccidente colombiano. Para esto se realizará un mapa de correlación entre variantes estructurales registradas en dbVar y 1000genomas (que a la fecha incluye 2 millones de registros para múltiples poblaciones) frente a las 2729 configuraciones de repeticiones de ADN que nosotros hemos reportado. La definición de un modelo ML predictivo de haplotipo cRepSV aquí propuesto, se soportará con datos de variación, composición genómica, ontológicos, expresión, interacción, entre otros disponibles en bases de datos al inicio del proyecto; y los loci definidos por el modelo ML-cRepSV como de alta asociación patológica, serán explorados en datos propios mediante secuenciación HTS (LRS, CLR) sobre una muestra de 30 individuos de la región suroccidente colombiano con diagnóstico molecular de enfermedad rara, y cuyo cuadro clínico deberá estar asociado a las consideraciones funcionales incluidas en el modelo. Se propone al finalizar el proyecto, establecer un catálogo de variantes estructurales significativas para múltiples enfermedades, así como un protocolo de secuenciación por panel para el eventual tamizaje de al menos 3 enfermedades raras con cRep-SV significativas. Nuestro proyecto está soportado por programa Ómicas de Colombia Científica https://www.omicas.co/, las capacidades y talento humano del centro de genómica CISGEBI https://cisgebi.org/ y la plataforma en ciencias ómicas para la salud http://eiscapp.univalle.edu.co/omicas/, además de la colaboración en genómica traslacional del Clínica Imbanaco, grupo Quirón salud en Cali-Colombia, y el Departamento de Neurocirugía de University Hospital Bonn en Bonn-Alemania.