¿Genes o entorno? Un nuevo modelo para comprender los factores de riesgo de las enfermedades

Toda enfermedad está determinada por un componente genético y por factores ambientales como la contaminación del aire, el clima y el nivel socioeconómico. Sin embargo, no se comprende bien en qué medida la genética o el medio ambiente influyen en el riesgo de contraer enfermedades (y en qué medida se puede atribuir a cada uno de ellos). Por ello, no suelen estar claras las medidas que pueden adoptar las personas para reducir el riesgo de contraer enfermedades.

Un equipo dirigido por investigadores de la Facultad de Medicina de Penn State encontró una manera de separar los efectos genéticos y ambientales del riesgo de enfermedad utilizando una muestra grande y representativa a nivel nacional. Descubrieron que, en algunos casos, las evaluaciones anteriores exageraban la contribución de los genes al riesgo de enfermedad y que el estilo de vida y los factores ambientales desempeñan un papel más importante de lo que se creía anteriormente. A diferencia de la genética, los factores ambientales, como la exposición a la contaminación del aire, se pueden modificar más fácilmente. Eso significa que potencialmente hay más oportunidades de mitigar el riesgo de enfermedad.

Los investigadores han publicado su trabajo en Comunicaciones de la naturaleza.

«Estamos tratando de desentrañar en qué medida la genética y el medio ambiente influyen en el desarrollo de la enfermedad. Si comprendemos con mayor precisión cómo contribuye cada uno, podremos predecir mejor el riesgo de enfermedad y diseñar intervenciones más efectivas, en particular en la era de la medicina de precisión», dijo Bibo Jiang, profesor adjunto de ciencias de la salud pública en la Facultad de Medicina de Penn State y autor principal del estudio.

Los investigadores dijeron que en el pasado ha sido difícil cuantificar y medir los factores de riesgo ambientales, ya que pueden abarcar desde la dieta y el ejercicio hasta el clima. Sin embargo, si los factores ambientales no se tienen en cuenta en los modelos de riesgo de enfermedades, los análisis pueden atribuir erróneamente los riesgos de enfermedades compartidos entre los miembros de la familia a la genética.

«Las personas que viven en el mismo vecindario comparten el mismo nivel de contaminación del aire, estatus socioeconómico, acceso a proveedores de atención médica y entorno alimentario», dijo Dajiang Liu, profesor distinguido, vicepresidente de investigación, director de inteligencia artificial e informática biomédica en la Facultad de Medicina de Penn State y coautor principal del estudio. «Si podemos separar estos entornos compartidos, lo que queda podría reflejar con mayor precisión la heredabilidad genética de las enfermedades».

En este estudio, el equipo desarrolló un modelo de efecto lineal mixto espacial (SMILE) que incorpora datos genéticos y de geolocalización. La geolocalización (la ubicación geográfica aproximada de una persona) sirvió como medida sustitutiva de los factores de riesgo ambientales a nivel comunitario.

Utilizando datos de IBM MarketScan, una base de datos de reclamaciones de seguros de salud con registros médicos electrónicos de más de 50 millones de personas con pólizas de seguro de salud basadas en empleadores en los Estados Unidos, el equipo de investigación filtró información de más de 257.000 familias nucleares y recopiló los resultados de enfermedades para 1.083 enfermedades. Luego aumentaron los datos para incluir datos ambientales disponibles públicamente, incluidos datos climáticos y sociodemográficos, así como niveles de material particulado 2.5 (PM_2.5) y dióxido de nitrógeno (NO₂).

El análisis del equipo condujo a estimaciones más precisas de los factores que contribuyen al riesgo de padecer enfermedades. Por ejemplo, estudios anteriores concluyeron que la genética contribuía en un 37,7% al riesgo de desarrollar diabetes tipo 2. Cuando el equipo de investigación volvió a evaluar los datos, su modelo, que tenía en cuenta los efectos ambientales, descubrió que la contribución genética estimada al riesgo de diabetes tipo 2 disminuyó al 28,4%; una mayor proporción del riesgo de padecer enfermedades puede atribuirse a factores ambientales. De manera similar, la contribución estimada al riesgo de obesidad atribuida a la genética disminuyó del 53,1% al 46,3% cuando se ajustó a los factores ambientales.

«Estudios anteriores concluyeron que la genética desempeñaba un papel mucho más importante en la predicción del riesgo de padecer enfermedades, y nuestro estudio recalibra esas cifras», afirmó Liu. «Eso significa que las personas pueden mantener la esperanza aunque tengan familiares con diabetes tipo 2, por ejemplo, porque hay muchas cosas que pueden hacer para reducir su propio riesgo».

El equipo de investigación también utilizó los datos para evaluar cuantitativamente si dos contaminantes específicos en el aire (PM_2.5 y no₂—influyen causalmente en los riesgos de enfermedad. Estudios anteriores, dijeron los investigadores, agrupan las PM_2.5 y no₂ En conjunto, se utilizaron como una medida colectiva de la contaminación del aire. Sin embargo, lo que encontraron en este estudio fue que los dos contaminantes tienen relaciones causales diferentes y distintas con las condiciones de salud. Por ejemplo, el NO₂ Se ha demostrado que causa directamente afecciones como colesterol alto, síndrome del intestino irritable y diabetes tipo 1 y tipo 2, pero no PM._2.5. PM_2.5Por otra parte, puede tener un efecto causal más directo sobre la función pulmonar y los trastornos del sueño.

En última instancia, los investigadores dijeron que este modelo permitirá analizar con mayor profundidad las preguntas sobre por qué algunas enfermedades pueden ser más frecuentes en determinadas ubicaciones geográficas.

Otros autores de la Universidad Estatal de Pensilvania que participaron en el artículo son: Havell Markus y Austin Montgomery, ambos estudiantes de doctorado y de grado en medicina en la Facultad de Medicina de la Universidad Estatal de Pensilvania; Laura Carrel, profesora de bioquímica y biología molecular; Arthur Berg, profesor de ciencias de la salud pública; y Qunhua Li, profesora de estadística. Daniel McGuire, que era estudiante de doctorado en el programa de bioestadística en el momento de la investigación, codirigió el estudio. Los coautores Lina Yang y Jingyu Xu, que eran estudiantes de doctorado en el programa de bioestadística en el momento de la investigación, también contribuyeron al artículo.