Genética de imágenes

La genética de imágenes se refiere al uso de tecnologías de imágenes anatómicas o fisiológicas como ensayos fenotípicos para evaluar la variación genética . Los científicos que utilizaron por primera vez el término genética de imágenes estaban interesados ​​en cómo los genes influyen en la psicopatología y utilizaron neuroimagen funcional para investigar los genes que se expresan en el cerebro (genética de neuroimagen). ^{[ 1 ]}

La genética de imágenes utiliza enfoques de investigación en los que se combinan información genética y datos de resonancia magnética funcional (RMf) en los mismos sujetos para definir neuromecanismos vinculados a la variación genética. ^{[ 2 ]} Con las imágenes y la información genética, se puede determinar cómo las diferencias individuales en los polimorfismos de un solo nucleótido (SNP) conducen a diferencias en la estructura del cableado cerebral y la función intelectual. ^{[ 3 ]} La genética de imágenes permite la observación directa del vínculo entre los genes y la actividad cerebral, cuya idea general es que las variantes comunes en los SNP conducen a enfermedades comunes. ^{[ 4 ]} Un fenotipo de neuroimagen es atractivo porque está más cerca de la biología de la función genética que las enfermedades o los fenotipos cognitivos. ^{[ 5 ]}

Al combinar los resultados de los estudios poligénicos y de neuroimagen dentro de un modelo lineal, se ha demostrado que la información genética aporta un valor adicional en la tarea de predecir la enfermedad de Alzheimer (EA). ^{[ 6 ]} Tradicionalmente, la EA se ha considerado una enfermedad caracterizada por la pérdida de células neuronales y la atrofia generalizada de la sustancia gris, y el alelo de la apolipoproteína E ( APOE4 ) es un factor de riesgo genético ampliamente confirmado para la EA de inicio tardío. ^{[ 7 ]}

Otra variante genética de riesgo asociada con la enfermedad de Alzheimer, conocida como variante genética de riesgo CLU, mostró un perfil distintivo de menor integridad de la sustancia blanca que puede aumentar la vulnerabilidad a desarrollar la enfermedad de Alzheimer más adelante en la vida. ^{[ 7 ]} Cada alelo CLU-C se asoció con una menor FA en la sustancia blanca frontal, temporal, parietal, occipital y subcortical. ^{[ 7 ]} Las regiones cerebrales con menor FA incluyeron vías corticocorticales que previamente demostraron tener una menor FA en pacientes con enfermedad de Alzheimer y portadores de APOE4. ^{[ 7 ]} La variabilidad relacionada con CLU-C encontrada aquí podría crear una vulnerabilidad local importante para el inicio de la enfermedad. ^{[ 7 ]} Estos efectos son notables, ya que existen desde temprana edad y están asociados con un gen de riesgo muy prevalente (~36% de los caucásicos portan dos copias de la variante genética de riesgo CLU-C). ^{[ 7 ]} El mapeo cuantitativo de las diferencias estructurales cerebrales en aquellos con riesgo genético de enfermedad de Alzheimer es crucial para evaluar las estrategias de tratamiento y prevención. Si se identifica el riesgo de EA, los cambios apropiados en el estilo de vida pueden limitar la aprensión de la EA; el ejercicio y el índice de masa corporal tienen un efecto en la estructura cerebral y el nivel de atrofia cerebral ^{[ 7 ].}

La genética de imágenes debe desarrollar métodos que permitan relacionar los efectos de un gran número de variantes genéticas con fenotipos de neuroimagen igualmente multidimensionales. ^{[ 9 ]} Además, el campo de la epigenética de imágenes está emergiendo con especial relevancia, por ejemplo, para la comprensión de la transmisión intergeneracional de la psicopatología relacionada con el trauma y las alteraciones relacionadas del cuidado materno. ^{[ 10 ]}

La medicación, el historial de hospitalización o los comportamientos asociados, como fumar, pueden afectar las imágenes. ^{[ 9 ]} Las revisiones han identificado tamaños de muestra pequeños, replicación limitada y dificultad para armonizar fenotipos de neuroimagen entre estudios como problemas importantes en la genética de imágenes. ^{[ 11 ]} Los estudios de imágenes de genes candidatos también son vulnerables a falsos positivos sin una corrección estricta de pruebas múltiples, y los primeros GWAS de imágenes de baja potencia ayudaron a motivar grandes colaboraciones metaanalíticas como ENIGMA para mejorar la reproducibilidad y armonizar los análisis entre conjuntos de datos. ^{[ 12 ] [ 13 ]}

• Sitio web de la Conferencia Internacional de Genética de Imágenes Archivado el 28/01/2012 en Wayback Machine .