Diferencia entre revisiones de «Estudio de asociación del genoma completo»
He cambiado la definición y he añadido información en el apartado de metodología, también he creado un apartado de limitaciones de la técnica y he eliminado el de actualidad, pues me parecía que era erróneo, la información no estaba actualizada. Etiquetas: posible problema Edición visual |
|||
| Línea 1: | Línea 1: | ||
| ⚫ | En genética, un '''estudio de asociación del genoma completo''' (en inglés, GWAS ( Genome-wide association study) o WGAS (Whole genome association study) es un análisis de una variación genética a lo largo de todo el genoma humano con el objetivo de indentificar su asociación a un rasgo observable. Los GWAS suelen centrarse en asociaciones entre los polimorfismos de un solo nucleótido (SNPs) y rasgos como las principales enfermedades. |
||
En [[epidemiología|epidemiolss]] ikjdfkj+ |
|||
| ⚫ | genética, un '''estudio de asociación del genoma completo''' (en inglés, GWAS ( Genome-wide association study) o WGAS (Whole genome association study) es un análisis |
||
| Línea 17: | Línea 15: | ||
== Metodología == |
== Metodología == |
||
Estos estudios suelen basarse en la comparación de dos grandes grupos de individuos, uno formado por personas sanas que se tomará como control, y otro compuesto por personas afectadas por la enfermedad en cuestión que será el grupo de casos Se estudian la mayoría de las SNPs conocidas y más comunes en todos los individuos, el número de SNPs dependerá de la tecnología que se emplee para el estudio, pero normalmente su número oscila alrededor del millón<ref>{{6. Jump Bush WS, Moore JH (2012). "Chapter 11: genome-wide association studies". In Lewitter, Fran; Kann, Maricel. PLoS Comput Biol 8 (12): e1002822.doi:10.1371/journal.pcbi.1002822. PMC 3531285. PMID 23300413}}<span class="reference-text" style="font-size: 12px; line-height: 17.265625px;"><span class="citation journal">Bush WS, Moore JH (2012). <a href="https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3531285" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">"Chapter 11: genome-wide association studies"</a>. In Lewitter, Fran; Kann, Maricel. ''PLoS Comput Biol'' '''8''' (12): e1002822.<a href="https://en.wikipedia.org/wiki/Digital_object_identifier" title="Digital object identifier">doi</a>:<a href="http://dx.doi.org/10.1371%2Fjournal.pcbi.1002822" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">10.1371/journal.pcbi.1002822</a>. <a href="https://en.wikipedia.org/wiki/PubMed_Central" title="PubMed Central">PMC</a> <a href="https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3531285" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">3531285</a>. <a href="https://en.wikipedia.org/wiki/PubMed_Identifier" title="PubMed Identifier" class="mw-redirect">PMID</a> <a href="https://www.ncbi.nlm.nih.gov/pubmed/23300413" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">23300413</a></span></span><br> |
|||
Estos estudios suelen comparar el [[ADN]] de dos grupos: personas afectadas por la enfermedad (casos) y personas con similares características pero sanas (controles). Cada persona proporciona muestras de sus células, como por ejemplo las células de la cara interna de la mejilla. Se extrae el ADN de estas células, que se coloca en un [[Microarray|microarray de ADN]] para así poder leer miles de secuencias de ADN a la vez. Estos microarrays se leen con ordenadores, donde pueden ser analizados mediante técnicas de [[bioinformática]]. Más que leer el ADN completo, estos sistemas suelen leer SNPs que se emplean como marcadores para [[Haplotipo|haplotipos]]. |
|||
</ref>. Para cada SNPs, se analiza si su frecuencia alélica varía de forma significativa entre el grupo control y el grupo de casos, cuando se da esta situación, se determina que la SNP está probablemente relacionada con la enfermedad<ref name=":0"><span style="font-size: 12px; line-height: 17.265625px; background-color: rgb(255, 255, 255);"> </span><span class="reference-text" style="font-size: 12px; line-height: 17.265625px; background-color: rgb(255, 255, 255);"><span class="citation journal">Purcell S, Neale B, Todd-Brown K, Thomas L, Ferreira MA, Bender D, Maller J, Sklar P, de Bakker PI, Daly MJ, Sham PC (September 2007). <a href="https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1950838" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">"PLINK: A Tool Set for Whole-Genome Association and Population-Based Linkage Analyses"</a>. ''Am. J. Hum. Genet.'' '''81''' (3): 559–75.<a href="https://en.wikipedia.org/wiki/Digital_object_identifier" title="Digital object identifier">doi</a>:<a href="http://dx.doi.org/10.1086%2F519795" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">10.1086/519795</a>. <a href="https://en.wikipedia.org/wiki/PubMed_Central" title="PubMed Central">PMC</a> <a href="https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1950838" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">1950838</a>. <a href="https://en.wikipedia.org/wiki/PubMed_Identifier" title="PubMed Identifier" class="mw-redirect">PMID</a> <a href="https://www.ncbi.nlm.nih.gov/pubmed/17701901" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">17701901</a>.</span></span><br> |
|||
</ref>. |
|||
Todo el análisis estadístico se realiza con la ayuda de software bioinformático, pudiendo aplicarse también para diversas variaciones del enfoque anterior, como es el análisis de rasgos fenotípicos cuantitativos como la altura o la concentración de biomarcadores<ref name=":0" />. |
|||
Además, hay que tener en cuenta varias variables a la hora de interpretar los resultados. Entre ellas se encuentran el sexo y la edad, así como la el origen geográfica y étnico de los individuos, ya que muchas variaciones genéticos están asociadas con la localización geográfica y/o la historia de las poblaciones. |
|||
== Actualidad == |
|||
Existen también alternativas al planteamiento del estudio, la selección de grupos de casos y controles es sencilla y proporciona resultados relativamente rápidos para estudiar fácilmente las enfermedades raras, sin embargo, pueden presentarse sesgos de casos extremos, se dejan de incluir muchos casos en el estudio y se tiende a sobreestimar el riesgo en ellos. Por este motivo existen al menos dos alternativas más, la selección de cohortes y la selección de tríos. Para la selección de cohortes, se estudia la aparición de la enfermedad en un grupo elegido a partir de una población, de esta forma se estima directamente el riesgo y se obtienen menos sesgos, pero se requiere de grupos muy grandes, mucho presupuesto, un tiempo muy largo y no es adecuado para el estudio de enfermedades raras. En cuanto a la selección de tríos, se eligen padres e hijo afecto y se buscan alelos que se hereden en más de la mitad de los hijos afectos, de esta forma, no se requiere el control de las características de la población, es más sencillo es estudio estadístico de los datos y se puede comprobar la herencia mendeliana; sin embargo, es difícil buscar casos para enfermedades de edad adulta<ref>Apuntes de la asignatura de Diagnóstico Molecular y Genético de 3º del Grado en Biotecnología de la Universidad Pablo de Olavide.</ref>. |
|||
Estos estudios se realizan cada vez más debido al avance en investigación biomédica. En concreto, gracias a la secuenciación masiva podemos obtener grandes cantidades de datos hoy por hoy de poca utilidad, puesto que no somos capaces de interpretarlos o asociarlos a caracteres. Con el WGA tratamos de dar sentido a estos datos atribuyendo rasgos genéticos a rasgos fenotípicos. |
|||
== Limitaciones == |
|||
El WGA es especialmente útil en el estudio de enfermedades multigénicas ya que pueden deberse a varios genes o mutaciones puntuales (SNPs), pudiendo un conjunto de estos causar la enfermedad, o incluso otros genes o SNPs pueden contrarestarla. Esta actuación conjunta dificulta gravemente el poder atribuir la aparición de un grupo concreto de genes o SNPs a una enfermedad. Es por ello que el WGA es una herramienta útil para dar sentido a todos los datos genéticos que poseemos y, por tanto, en el estudio y desarrollo de diagnósticos de enfermedades multigénicas. |
|||
Los GWA Tienen diversos problemas y limitaciones que pueden subsanarse mediante un control de calidad y un diseño adecuado del estudio. Entre los problemas más comunes se encuentran la selección dificultosa de los pacientes con respecto al fenotipo de la enfermedad que se quiere estudiar, que la muestra tenga un tamaño insuficiente ya que se requiere el análisis de miles de casos y controles; y el control de la estratificación de la población. A tal efecto se ha determinado que el enfoque WGA puede ser problemático debido a la enorme cantidad de pruebas estadísticas que requiere, ya que presentan un potencial sin precedentes para dar falsos positivos<ref><span class="reference-text" style="font-size: 12px; line-height: 17.265625px;"><span class="citation journal">Pearson TA, Manolio TA (March 2008). "How to interpret a genome-wide association study". ''JAMA'' '''299''' (11): 1335–44. <a href="https://en.wikipedia.org/wiki/Digital_object_identifier" title="Digital object identifier">doi</a>:<a href="http://dx.doi.org/10.1001%2Fjama.299.11.1335" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">10.1001/jama.299.11.1335</a>. <a href="https://en.wikipedia.org/wiki/PubMed_Identifier" title="PubMed Identifier" class="mw-redirect">PMID</a> <a href="https://www.ncbi.nlm.nih.gov/pubmed/18349094" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">18349094</a></span></span><br> |
|||
</ref>, por lo que se requiere un sistema informático capaz de manejar correctamente esta gran cantidad de información. |
|||
Además de estos por problemas que pueden prevenirse, los GWA han sido objeto de críticas relacionadas con su fundamento, principalmente debido a su suposición de que las variaciones genéticas comunes juegan un papel importante a la hora de explicar la variación hereditaria de las enfermedad más frecuentes.Estos estudios tienen en cuenta los SNPs de forma individual y dejan de lado sus efectos combinatorios. Estos aspectos han llevado a muchos a pensar que los GWA tradicionales no valen la pena por la gran cantidad de dinero que es necesario invertir en ellos. |
|||
Se ha sugerido como estrategia alternativa los análisis de ligamiento pero, en la actualidad, con la rápida disminución del precio de la secuenciación completa del genoma,ésta se está convirtiendo en una alternativa realista a los de los estudios de GWA basadas en arrays, aunque muchos lo considerarían una técnica distinta. De cualquier forma, la secuenciación de alto rendimiento tiene el potencial para esquivar algunas de las limitaciones de los GWA tradicionales<ref><span class="citation journal" style="font-size: 12px; line-height: 17.265625px; background-color: rgb(255, 255, 255);">Visscher PM, Goddard ME, Derks EM, Wray NR (June 2011). "Evidence-based psychiatric genetics, AKA the false dichotomy between common and rare variant hypotheses". ''Mol Psychiatry'' '''17''' (5): 474–85. <a href="https://en.wikipedia.org/wiki/Digital_object_identifier" title="Digital object identifier">doi</a>:<a href="http://dx.doi.org/10.1038%2Fmp.2011.65" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">10.1038/mp.2011.65</a>. <a href="https://en.wikipedia.org/wiki/PubMed_Identifier" title="PubMed Identifier" class="mw-redirect">PMID</a> <a href="https://www.ncbi.nlm.nih.gov/pubmed/21670730" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">21670730</a>.</span><span style="font-size: 12px; line-height: 17.265625px; background-color: rgb(255, 255, 255);"> </span><br> |
|||
</ref>. |
|||
| Línea 31: | Línea 39: | ||
{{listaref}} |
{{listaref}} |
||
6. JumpBush WS, Moore JH (2012). "Chapter 11: genome-wide association studies". In Lewitter, Fran; Kann, Maricel. ''PLoS Comput Biol'' '''8''' (12): e1002822.doi:10.1371/journal.pcbi.1002822. PMC 3531285. PMID 23300413 |
|||
7. Purcell S, Neale B, Todd-Brown K, Thomas L, Ferreira MA, Bender D, Maller J, Sklar P, de Bakker PI, Daly MJ, Sham PC (September 2007). "PLINK: A Tool Set for Whole-Genome Association and Population-Based Linkage Analyses". ''Am. J. Hum. Genet.'' '''81''' (3): 559–75.doi:10.1086/519795. PMC 1950838. PMID 17701901. |
|||
8.Apuntes de la asignatura de Diagnóstico Molecular y Genético de 3º del Grado en Biotecnología de la Universidad Pablo de Olavide. |
|||
9 Pearson TA, Manolio TA (March 2008). "How to interpret a genome-wide association study". ''JAMA'' '''299''' (11): 1335–44. doi:10.1001/jama.299.11.1335. PMID 18349094 |
|||
10.Visscher PM, Goddard ME, Derks EM, Wray NR (June 2011). "Evidence-based psychiatric genetics, AKA the false dichotomy between common and rare variant hypotheses". ''Mol Psychiatry'' '''17''' (5): 474–85. doi:10.1038/mp.2011.65. PMID 21670730. |
|||
== Enlaces externos == |
== Enlaces externos == |
||
Revisión del 12:51 19 dic 2013
En genética, un estudio de asociación del genoma completo (en inglés, GWAS ( Genome-wide association study) o WGAS (Whole genome association study) es un análisis de una variación genética a lo largo de todo el genoma humano con el objetivo de indentificar su asociación a un rasgo observable. Los GWAS suelen centrarse en asociaciones entre los polimorfismos de un solo nucleótido (SNPs) y rasgos como las principales enfermedades.
Introducción
Para ello se deben estudiar una gran cantidad de individuos, de modo que se puedan comparar datos genéticos entre ellos. De este modo, al comparar los datos genéticos obtenidos de las secuenciaciones de los genomas de diferentes individuos, podemos hallar genes ligados a enfermedades o caracteres. Por ejemplo, podemos contrastar cómo quizá se produce la aparición de uno o varios SNPs (variación de un sólo par de bases) o una deleción, repetición, etc. en una secuencia del genoma siempre que aparece el mismo fenotipo, pudiendo así concluir que este cambio a nivel genético se corresponde con un rasgo.
Estas variaciones son asociadas a distintos rasgos, por ejemplo, a enfermedades. En humanos, esta técnica ha permitido descubrir que ciertos genes están asociados a enfermedades como la degeneración macular asociada a la edad y la diabetes. En el caso de la especie humana, se estudian miles de individuos para hallar polimorfismos de nucleótido simple o SNPs (single-nucleotide polymorphisms, en inglés). Alrededor de 600 estudios de asociación del genoma completo llevados a cabo en humanos han examinado 150 rasgos y enfermedades, y han encontrado unos 800 SNPs asociados a ellas.[1][2][3][4]
Si ciertas variaciones genéticas son más frecuentes en personas con la enfermedad, se dice que estas variaciones están "asociadas" con esa enfermedad. Estas variaciones son entonces consideradas como señalizadores de la región del genoma humano donde probablemente esté el problema causante de la enfermedad. Se emplean dos estrategias para buscar mutaciones asociadas a la enfermedad: desde la hipótesis o sin hipótesis previa. La estrategia desde la hipótesis comienza con la formulación de la hipótesis de que un determinado gen puede estar asociado con una determinada enfermedad, y trata de buscar esa asociación. La estrategia sin hipótesis previa emplea métodos de "fuerza bruta" para escanear todo el genoma y posteriormente comprobar si algunos genes muestran esa asociación. Los estudios de asociación del genoma completo emplean generalmente la estrategia sin hipótesis previa.[5]
Sorprendentemente, la mayoría de las variaciones de SNPs asociadas con enfermedades no se presentan en las regiones codificantes del ADN, sino que normalmente están en las amplias regiones no codificantes intergénicas o en los intrones que se extraen de la secuencia de ADN cuando las proteínas son procesadas. Estas son presumiblemente secuencias de ADN que controlan otros genes, pero normalmente su función proteica no se conoce.
Metodología
Estos estudios suelen basarse en la comparación de dos grandes grupos de individuos, uno formado por personas sanas que se tomará como control, y otro compuesto por personas afectadas por la enfermedad en cuestión que será el grupo de casos Se estudian la mayoría de las SNPs conocidas y más comunes en todos los individuos, el número de SNPs dependerá de la tecnología que se emplee para el estudio, pero normalmente su número oscila alrededor del millón[6]. Para cada SNPs, se analiza si su frecuencia alélica varía de forma significativa entre el grupo control y el grupo de casos, cuando se da esta situación, se determina que la SNP está probablemente relacionada con la enfermedad[7].
Todo el análisis estadístico se realiza con la ayuda de software bioinformático, pudiendo aplicarse también para diversas variaciones del enfoque anterior, como es el análisis de rasgos fenotípicos cuantitativos como la altura o la concentración de biomarcadores[7].
Además, hay que tener en cuenta varias variables a la hora de interpretar los resultados. Entre ellas se encuentran el sexo y la edad, así como la el origen geográfica y étnico de los individuos, ya que muchas variaciones genéticos están asociadas con la localización geográfica y/o la historia de las poblaciones.
Existen también alternativas al planteamiento del estudio, la selección de grupos de casos y controles es sencilla y proporciona resultados relativamente rápidos para estudiar fácilmente las enfermedades raras, sin embargo, pueden presentarse sesgos de casos extremos, se dejan de incluir muchos casos en el estudio y se tiende a sobreestimar el riesgo en ellos. Por este motivo existen al menos dos alternativas más, la selección de cohortes y la selección de tríos. Para la selección de cohortes, se estudia la aparición de la enfermedad en un grupo elegido a partir de una población, de esta forma se estima directamente el riesgo y se obtienen menos sesgos, pero se requiere de grupos muy grandes, mucho presupuesto, un tiempo muy largo y no es adecuado para el estudio de enfermedades raras. En cuanto a la selección de tríos, se eligen padres e hijo afecto y se buscan alelos que se hereden en más de la mitad de los hijos afectos, de esta forma, no se requiere el control de las características de la población, es más sencillo es estudio estadístico de los datos y se puede comprobar la herencia mendeliana; sin embargo, es difícil buscar casos para enfermedades de edad adulta[8].
Limitaciones
Los GWA Tienen diversos problemas y limitaciones que pueden subsanarse mediante un control de calidad y un diseño adecuado del estudio. Entre los problemas más comunes se encuentran la selección dificultosa de los pacientes con respecto al fenotipo de la enfermedad que se quiere estudiar, que la muestra tenga un tamaño insuficiente ya que se requiere el análisis de miles de casos y controles; y el control de la estratificación de la población. A tal efecto se ha determinado que el enfoque WGA puede ser problemático debido a la enorme cantidad de pruebas estadísticas que requiere, ya que presentan un potencial sin precedentes para dar falsos positivos[9], por lo que se requiere un sistema informático capaz de manejar correctamente esta gran cantidad de información.
Además de estos por problemas que pueden prevenirse, los GWA han sido objeto de críticas relacionadas con su fundamento, principalmente debido a su suposición de que las variaciones genéticas comunes juegan un papel importante a la hora de explicar la variación hereditaria de las enfermedad más frecuentes.Estos estudios tienen en cuenta los SNPs de forma individual y dejan de lado sus efectos combinatorios. Estos aspectos han llevado a muchos a pensar que los GWA tradicionales no valen la pena por la gran cantidad de dinero que es necesario invertir en ellos.
Se ha sugerido como estrategia alternativa los análisis de ligamiento pero, en la actualidad, con la rápida disminución del precio de la secuenciación completa del genoma,ésta se está convirtiendo en una alternativa realista a los de los estudios de GWA basadas en arrays, aunque muchos lo considerarían una técnica distinta. De cualquier forma, la secuenciación de alto rendimiento tiene el potencial para esquivar algunas de las limitaciones de los GWA tradicionales[10].
Referencias
- ↑ Roberts, Paul (15 de marzo de 2005). «WebTV Virus Writer Sentenced to Prison» (en inglés). IDG News. Consultado el 15 de julio de 2010.
- ↑ Manolio TA (2010). «Genomewide association studies and assessment of the risk of disease». N Engl J Med 363: 166.
- ↑ Manolio TA; Pearson TA (2008). «How to interpret a genome-wide association study». JAMA 299 (11): 1335–1344. PMID 18349094. doi:10.1001/jama.299.11.1335.
- ↑ Genome.gov (ed.). «Genome-Wide Association Studies». National Human Genome Research Institute, National Institutes of Health. (Explicación más simple)
- ↑ Hunter DJ, Altshuler D, Rader DJ (June de 2008). «From Darwin's Finches to Canaries in the Coal Mine — Mining the Genome for New Biology». N Engl J Med 358: 2760-2763.
- ↑ Plantilla:6. Jump Bush WS, Moore JH (2012). "Chapter 11: genome-wide association studies". In Lewitter, Fran; Kann, Maricel. PLoS Comput Biol 8 (12): e1002822.doi:10.1371/journal.pcbi.1002822. PMC 3531285. PMID 23300413Bush WS, Moore JH (2012). <a href="https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3531285" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">"Chapter 11: genome-wide association studies"</a>. In Lewitter, Fran; Kann, Maricel. PLoS Comput Biol 8 (12): e1002822.<a href="https://en.wikipedia.org/wiki/Digital_object_identifier" title="Digital object identifier">doi</a>:<a href="http://dx.doi.org/10.1371%2Fjournal.pcbi.1002822" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">10.1371/journal.pcbi.1002822</a>. <a href="https://en.wikipedia.org/wiki/PubMed_Central" title="PubMed Central">PMC</a> <a href="https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3531285" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">3531285</a>. <a href="https://en.wikipedia.org/wiki/PubMed_Identifier" title="PubMed Identifier" class="mw-redirect">PMID</a> <a href="https://www.ncbi.nlm.nih.gov/pubmed/23300413" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">23300413</a>
- ↑ a b Purcell S, Neale B, Todd-Brown K, Thomas L, Ferreira MA, Bender D, Maller J, Sklar P, de Bakker PI, Daly MJ, Sham PC (September 2007). <a href="https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1950838" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">"PLINK: A Tool Set for Whole-Genome Association and Population-Based Linkage Analyses"</a>. Am. J. Hum. Genet. 81 (3): 559–75.<a href="https://en.wikipedia.org/wiki/Digital_object_identifier" title="Digital object identifier">doi</a>:<a href="http://dx.doi.org/10.1086%2F519795" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">10.1086/519795</a>. <a href="https://en.wikipedia.org/wiki/PubMed_Central" title="PubMed Central">PMC</a> <a href="https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1950838" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">1950838</a>. <a href="https://en.wikipedia.org/wiki/PubMed_Identifier" title="PubMed Identifier" class="mw-redirect">PMID</a> <a href="https://www.ncbi.nlm.nih.gov/pubmed/17701901" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">17701901</a>.
- ↑ Apuntes de la asignatura de Diagnóstico Molecular y Genético de 3º del Grado en Biotecnología de la Universidad Pablo de Olavide.
- ↑ Pearson TA, Manolio TA (March 2008). "How to interpret a genome-wide association study". JAMA 299 (11): 1335–44. <a href="https://en.wikipedia.org/wiki/Digital_object_identifier" title="Digital object identifier">doi</a>:<a href="http://dx.doi.org/10.1001%2Fjama.299.11.1335" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">10.1001/jama.299.11.1335</a>. <a href="https://en.wikipedia.org/wiki/PubMed_Identifier" title="PubMed Identifier" class="mw-redirect">PMID</a> <a href="https://www.ncbi.nlm.nih.gov/pubmed/18349094" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">18349094</a>
- ↑ Visscher PM, Goddard ME, Derks EM, Wray NR (June 2011). "Evidence-based psychiatric genetics, AKA the false dichotomy between common and rare variant hypotheses". Mol Psychiatry 17 (5): 474–85. <a href="https://en.wikipedia.org/wiki/Digital_object_identifier" title="Digital object identifier">doi</a>:<a href="http://dx.doi.org/10.1038%2Fmp.2011.65" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">10.1038/mp.2011.65</a>. <a href="https://en.wikipedia.org/wiki/PubMed_Identifier" title="PubMed Identifier" class="mw-redirect">PMID</a> <a href="https://www.ncbi.nlm.nih.gov/pubmed/21670730" rel="nofollow" class="external text" style="color: rgb(102, 51, 102); background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAoAAAAKCAYAAACNMs+9AAAAVElEQVR42n3PgQkAIAhEUXdqJ3dqJ3e6IoTPUSQcgj4EQ5IlUiLE0Jil3PECXhcHGBhZ8kg4hwxAu3MZeCGeyFnAXp4hqNQPnt7QL0nADpD6wHccLvnAKksq8iiaAAAAAElFTkSuQmCC); padding-right: 13px; background-position: 100% 50%; background-repeat: no-repeat no-repeat;">21670730</a>.
6. JumpBush WS, Moore JH (2012). "Chapter 11: genome-wide association studies". In Lewitter, Fran; Kann, Maricel. PLoS Comput Biol 8 (12): e1002822.doi:10.1371/journal.pcbi.1002822. PMC 3531285. PMID 23300413
7. Purcell S, Neale B, Todd-Brown K, Thomas L, Ferreira MA, Bender D, Maller J, Sklar P, de Bakker PI, Daly MJ, Sham PC (September 2007). "PLINK: A Tool Set for Whole-Genome Association and Population-Based Linkage Analyses". Am. J. Hum. Genet. 81 (3): 559–75.doi:10.1086/519795. PMC 1950838. PMID 17701901.
8.Apuntes de la asignatura de Diagnóstico Molecular y Genético de 3º del Grado en Biotecnología de la Universidad Pablo de Olavide.
9 Pearson TA, Manolio TA (March 2008). "How to interpret a genome-wide association study". JAMA 299 (11): 1335–44. doi:10.1001/jama.299.11.1335. PMID 18349094
10.Visscher PM, Goddard ME, Derks EM, Wray NR (June 2011). "Evidence-based psychiatric genetics, AKA the false dichotomy between common and rare variant hypotheses". Mol Psychiatry 17 (5): 474–85. doi:10.1038/mp.2011.65. PMID 21670730.
Enlaces externos
- [1] Un catálogo de los estudios de asociación del genoma completo publicados.