En Genera, creemos que el conocimiento sobre la salud es transformador, y comprender los impactos de su ADN en ella es una de las mejores maneras de hacerlo. Para ayudarte en este camino, hemos desarrollado este material explicativo para que puedas, además de descubrir más sobre tu genética, entender cómo funcionan nuestros análisis y metodologías. Para llegar a los resultados, analizamos miles de regiones de ADN.

Todos los análisis se realizan en nuestro parque tecnológico, considerado uno de los más modernos de Brasil. Los datos generados durante este proceso se comparan con nuestra base de datos.

Parte I – ¿Qué estamos buscando?

El ADN (iniciales de “ácido desoxirribonucleico”) es la molécula que se encuentra en el interior de prácticamente todas las células que componen nuestro organismo y contiene toda la información genética que nos forma y gestiona a cada uno de nosotros. Es esta información la que define, regula e influye en cómo somos, ya sea en términos de características físicas, como la altura, el color de ojos y cabello ya sea en los rasgos de personalidad y predisposición a enfermedades o en el control del metabolismo y el funcionamiento de los órganos. Todo ser humano recibe la mitad de su ADN de la madre y la otra mitad del padre.

Algunas regiones del ADN han cambiado más que otras a lo largo de generaciones y, a menudo, se utilizan como marcadores genéticos. En el caso de la Escala de Riesgo Genético, analizamos SNPs (iniciales en inglés de “Polimorfismo de Nucleótido Simple”). Estos marcadores específicos consisten en mutaciones de un solo nucleótido, que son las cuatro letras que componen el ADN (A, T, C o G). Por lo tanto, un SNP es una variación de una letra de la secuencia genética. Por ejemplo, algunas personas pueden tener una secuencia ATTC mientras que otras tienen AGTC. Este intercambio de la letra T por G es un SNP.

Algunos SNP están asociados con mayores o menores riesgos de que una persona desarrolle ciertas enfermedades a lo largo de su vida. Al analizar un conjunto de estos SNP en varios genes diferentes en todo el genoma, podemos llegar a una estimación del riesgo genético individual de una enfermedad.

Si bien existen enfermedades causadas por mutaciones en un solo gen (llamadas enfermedades monogénicas), como la hemocromatosis hereditaria, la gran mayoría de las afecciones comunes están influenciadas por una combinación de varios genes. En estos casos, el análisis de diferentes SNPs en varios genes permite un cálculo más preciso y asertivo.

Parte II – ¿Como se hace el cálculo?

Después de procesar su muestra, buscamos en sus datos algunas variantes específicas que, según los Estudios de Asociación del Genoma Completo (Genome Wide Association Studies, o GWAS), tienen un cierto impacto en la probabilidad de desarrollar las enfermedades calculadas. Cada una de estas variantes generalmente tiene un impacto pequeño (también llamado tamaño del efecto), pero cuando se tienen en cuenta docenas o cientos de ellas, el poder predictivo del cálculo aumenta.

Los Estudios de Asociación Genómica son una extensa área de investigación en la que se analiza el ADN de miles de voluntarios en busca de patrones que puedan relacionarse con alguna característica objetivo del estudio, por ejemplo, la enfermedad de Alzheimer. Es decir, se analizan y comparan los genomas tanto de las personas afectadas por la enfermedad como de las no afectadas para encontrar variantes significativamente más presentes en uno de los grupos. A continuación, se proponen estas variantes como factores de riesgo o de protección frente a la enfermedad, y se calcula y asigna un tamaño del efecto a cada una.

Teniendo a mano la información de qué variantes hay en tu ADN y en qué cantidad, junto con la magnitud del efecto de cada una de ellas, utilizamos un modelo matemático que une los efectos de todas las variantes en un solo número. Luego, este número se compara con los promedios de nuestra base de datos y con las estadísticas de incidencia de la enfermedad en la población brasileña para llegar al resultado de riesgo final que se muestra en la página de resultados: si tu número está considerablemente por encima del promedio, tu resultado será de mayor riesgo, y el riesgo absoluto será proporcionalmente mayor que la tasa de incidencia promedio; si tu número es considerablemente inferior al promedio, tu resultado será de bajo riesgo y el riesgo absoluto será proporcionalmente menor que la tasa de incidencia promedio.

La mayoría de los datos científicos para definir la Escala de Riesgo Genético se basan en estudios realizados principalmente entre personas de ascendencia europea. Descubre cómo esta información puede afectar tus resultados en la Parte III.

Parte III – ¿Cuál es la relación entre el origen de la población y los resultados?

A lo largo de miles de generaciones, las diferentes rutas migratorias, las presiones selectivas del medio ambiente e incluso la “suerte” misma resultaron en la acumulación de diferencias genéticas entre las poblaciones. Aunque compartimos más del 99% de nuestro ADN con cualquier otro ser humano, este menos del 1% nos hace diferentes como individuos y también como poblaciones.

Debido a estas diferencias, la información genética puede indicar diferentes riesgos según la población analizada, especialmente cuando hablamos de rasgos influenciados por una combinación de varios factores genéticos. Es decir, un factor genético no siempre puede indicar el mismo riesgo para dos o más poblaciones diferentes. Esto se debe a que, incluso si cierta información de riesgo genético es idéntica para dos poblaciones, hay otra información genética que puede influir en el riesgo total.

Por lo tanto, los cálculos de riesgo genético tienden a funcionar mejor para las personas cuya ascendencia está mayoritariamente asociada con las poblaciones estudiadas para desarrollar estos cálculos. Por ejemplo, si se desarrolló un cálculo basado en el estudio de una población europea, cuando calculamos este riesgo para cualquier persona, es probable que el valor obtenido se acerque más al valor real si esa persona tiene ascendencia mayoritariamente europea. Esto no significa que este cálculo no funcione para otras poblaciones, pero podría resultar en un riesgo sobreestimado o subestimado, por ejemplo.

Actualmente, la mayoría de las bases de datos y estudios genómicos se basan en muestras de poblaciones europeas (o descendientes de europeos). Así, la mayoría de los datos disponibles en la literatura permiten un cálculo del riesgo genético más ajustado a estas poblaciones. Sin embargo, cada vez más, la comunidad científica reconoce la necesidad de hacer que este escenario sea más diverso y representativo considerando la pluralidad de las poblaciones del mundo.

Nosotros, en Genera sabemos que tenemos un largo camino por recorrer. Por lo tanto, reafirmamos nuestro compromiso de acompañar los avances del conocimiento científico y esperamos poder contribuir continuamente para el desarrollo de estudios que representen mejor la realidad de la población brasileña.

Parte IV – ¿Y mis datos?

Tan importante como comprender cómo desarrollamos nuestros métodos y llegamos a los resultados de la Escala de Riesgo Genético es comprender cómo cuidamos tus datos. En Genera, la seguridad de tus datos es de suma importancia y buscamos ser transparentes al respecto.

Tu información genética se mantiene en nuestras bases de datos de forma segura y anónima. No se permite el acceso externo a la misma y no existe comercialización de la misma a terceros. Puedes acceder a nuestra política de privacidad punto por punto aquí.

Referencias y lecturas adicionales

  • CHOUDHURY, Parichoy et al. ICARE: an R package to build, validate and apply absolute risk models. Plos One, [S.L.], v. 15, n. 2, p. e0228198, 5 fev. 2020. Public Library of Science (PLoS). http://dx.doi.org/10.1371/journal.pone.0228198.
  • MARNETTO, Davide et al. Ancestry deconvolution and partial polygenic score can improve susceptibility predictions in recently admixed individuals. Nature Communications, [S.L.], v. 11, n. 1, p. 1628, 2 abr. 2020. Springer Science and Business Media LLC. http://dx.doi.org/10.1038/s41467-020-15464-w
  • MARTIN, Alicia R. et al. Human demographic history impacts genetic risk prediction across diverse populations. The American Journal of Human Genetics, v. 100, n. 4, p. 635-649, 2017.
  • POPEJOY, Alice B.; FULLERTON, Stephanie M. Genomics is failing on diversity. Nature News, v. 538, n. 7624, p. 161, 2016.
  • SIRUGO, Giorgio; WILLIAMS, Scott M.; TISHKOFF, Sarah A. The missing diversity in human genetic studies. Cell, v. 177, n. 1, p. 26-31, 2019.