Un equipo internacional de investigadores ha explorado cómo la multiómica (la integración de datos moleculares de diferentes capas biológicas) puede mejorar nuestra comprensión de la forma en que los factores genéticos y ambientales interactúan para influir en las enfermedades crónicas.

Su revisión, publicada recientemente en Human Genomics , destaca cómo los avances en las tecnologías multiómicas están ayudando a descubrir los mecanismos biológicos que impulsan las enfermedades no transmisibles (ENT), que representan más del 74% de las muertes mundiales y pueden incluir enfermedades cardiovasculares, cánceres, diabetes y enfermedades respiratorias crónicas.

La revisión de alcance codirigida por el Dr. Robel Alemu, investigador visitante en la Facultad de Medicina de la Universidad de Adelaida (investigador postdoctoral en UCLA) y el profesor asociado Azmeraw Amare, becario de liderazgo emergente del NHMRC, examina una extensa literatura en el campo para evaluar cómo las técnicas multiómicas están haciendo avanzar la investigación sobre estas enfermedades, los desafíos en la integración de conjuntos de datos complejos y la urgente necesidad de una mayor diversidad en la investigación genómica y biomédica.

«Las enfermedades no transmisibles son provocadas por una combinación de predisposiciones genéticas y exposiciones ambientales, como la dieta, la contaminación y la actividad física; la forma en que estos factores funcionan juntos se conoce como interacciones gen-ambiente (GxE), que desempeñan un papel importante en la determinación del riesgo de enfermedad y las respuestas al tratamiento», dijo el Dr. Alemu.

«En algunos casos, la composición genética de una persona puede alterar el modo en que las exposiciones ambientales afectan el riesgo de enfermedades (como la forma en que ciertas variaciones genéticas se asocian con un mayor riesgo de Parkinson en personas expuestas a pesticidas específicos)», sostuvo, agregando que «en otros casos, las exposiciones ambientales influyen en qué factores genéticos contribuyen al riesgo de enfermedad (el impacto del gen FTO en un índice de masa corporal variará dependiendo de factores de estilo de vida)».

Al integrar conjuntos de datos multiómicos (como genómica (ADN), epigenómica (marcadores moleculares que regulan la actividad genética), proteómica (proteínas) y metabolómica (procesos bioquímicos), los científicos pueden desarrollar una imagen más completa de cómo los sistemas biológicos interactúan para influir en la salud y la enfermedad.

Los enfoques multiómicos están transformando la medicina de precisión, ayudando a los investigadores a desarrollar tratamientos más específicos y estrategias de prevención.

Por ejemplo, estudios recientes han identificado genes específicos que protegen a las células cerebrales del daño causado por el estrés oxidativo, un factor clave en varias enfermedades neurodegenerativas, mientras que en la farmacogenómica, la investigación multiómica está permitiendo una medicina personalizada, como el uso de pruebas genéticas BRCA1/2 para guiar las decisiones de tratamiento para pacientes con cáncer de mama que pueden beneficiarse de terapias dirigidas.

Sin embargo, un desafío importante es la falta de diversidad en la investigación biomédica, que limita la capacidad de que los hallazgos se apliquen de manera más general.

«Por ejemplo, el 85% de los estudios de asociación del genoma completo (GWAS) involucran principalmente a individuos de ascendencia europea, lo que genera disparidades significativas en la precisión predictiva del puntaje poligénico (PGS) para otras ascendencias genéticas», dijo el Dr. Alemu.

«Ampliar la diversidad genómica no solo puede abordar estas desigualdades, sino que también puede conducir al descubrimiento de variantes clínicamente importantes, como se ve en la investigación sobre la ascendencia africana que revela conocimientos fundamentales sobre la enfermedad renal y la regulación del colesterol. Otros desafíos en la investigación multiómica incluyen los altos costos, la complejidad computacional y la necesidad de herramientas avanzadas para integrar conjuntos de datos grandes y diversos», señaló.

La revisión pide colaboraciones internacionales y el desarrollo de métodos computacionales centrados en la equidad para mejorar la integración de datos y garantizar que los avances científicos beneficien a todas las poblaciones.

«Los avances recientes en inteligencia artificial y aprendizaje automático tienen el potencial de revolucionar la investigación multiómica al integrar conjuntos de datos complejos a gran escala y descubrir conocimientos biológicos complejos y novedosos», afirmó el profesor asociado Amare.

«Sin embargo, es necesario abordar desafíos como el sesgo de datos, la falta de transparencia del modelo y las preocupaciones sobre la privacidad para garantizar un uso responsable y eficaz. Al desarrollar enfoques impulsados ??por IA que sean equitativos y transparentes, podemos desbloquear nuevas posibilidades para la medicina personalizada y la prevención de enfermedades», indicó.

Los autores abogan por ampliar la investigación multiómica en poblaciones subrepresentadas, fortalecer la infraestructura de investigación local en países de ingresos bajos y medios y desarrollar estándares globales para el intercambio e integración de datos para acelerar los descubrimientos y mejorar los resultados de salud.