Visão geral
Os estudos de associação genômica ampla (GWAS) são análises em larga escala que examinam os genomas de milhares de indivíduos para identificar variantes genéticas associadas a características ou doenças específicas. Ao comparar as frequências alélicas entre casos e controles, o GWAS pode identificar loci genômicos que contribuem para fenótipos complexos, como altura, diabetes ou doenças cardiovasculares. A abordagem é livre de hipóteses – ela examina milhões de SNPs em todo o genoma sem suposições prévias sobre quais genes estão envolvidos. Desde o primeiro GWAS de referência em 2005, este método descobriu dezenas de milhares de loci associados a características.
Métodos
Um GWAS típico passa por vários estágios. Primeiro, os participantes do estudo são genotipados usando matrizes SNP ou sequenciamento de DNA. Após o controle de qualidade (filtragem de SNPs por taxa de chamada, equilíbrio de Hardy-Weinberg e frequência alélica menor), os dados são imputados para inferir variantes não tipadas usando painéis de referência. O teste de associação é realizado usando regressão logística ou modelos lineares mistos que corrigem a estratificação populacional. O rigoroso limiar de significância em todo o genoma (p <5 × 10⁻⁸) é responsável por múltiplos testes em milhões de SNPs. Os resultados são visualizados em gráficos de Manhattan mostrando posições cromossômicas versus significância, e gráficos QQ avaliam viés sistemático.
Aplicativos
O GWAS transformou nossa compreensão da genética de doenças comuns. Foram identificados centenas de loci para diabetes tipo 2, doença arterial coronariana e doenças autoimunes, muitos apontando para caminhos biológicos inesperados. Na pesquisa do câncer, os loci GWAS revelaram novos genes de suscetibilidade e potenciais alvos bioquímica do câncer. No entanto, a tradução dos sinais GWAS em mecanismos causais continua a ser um desafio, uma vez que a maioria das variantes associadas reside em regiões não codificantes. As análises pós-GWAS incluem mapeamento preciso, anotação funcional e randomização mendeliana para estabelecer causalidade e explorar a relevância da bioquímica clínica.
Protocolo Prático
Um pipeline GWAS começa com dados genotípicos de matrizes SNP ou dados de sequenciamento imputados. O CQ em nível de amostra filtra indivíduos com taxa de chamadas <95%, valores discrepantes de heterozigosidade (±3 DP da média) e incompatibilidades de sexo. O QC em nível de SNP remove variantes com taxa de chamada <95%, equilíbrio de Hardy-Weinberg p <1×10⁻⁶ (em controles) e frequência alélica menor (MAF) <1%. Todo o CQ é realizado em PLINK: plink --bfile data --geno 0.05 --hwe 1e-6 --maf 0.01 --mind 0.05 --make-bed --out data_qc. A imputação a um painel de referência (por exemplo, 1000 Genomes ou TOPMed) usa um processo de duas etapas: pré-fase com SHAPEIT4 ou Eagle2, depois imputação com Minimac4 ou IMPUTE5 em um servidor em nuvem como o Michigan Imputation Server. Após a imputação, converta as dosagens em chamadas difíceis e filtre por Rsq > 0,3. A estratificação populacional é avaliada com análise de componentes principais: plink --bfile data_qc --pca 10 --out pca_results. O teste de associação usa um modelo linear misto implementado em SAIGE ou BOLT-LMM para características binárias ou quantitativas, corrigindo o parentesco e a estrutura populacional: saige --vcf imputed.vcf --traitType binário --pheno phenotype.txt --covar pca_results.eigenvec --output assoc.txt. O limite de significância para todo o genoma é p <5×10⁻⁸. Visualize os resultados com um gráfico de Manhattan usando o pacote R qqman: manhattan(gwas, chr="CHR", bp="BP", p="P", snp="SNP", sugestiveline = -log10(1e-5), genomawideline = -log10(5e-8)). Avalie a inflação com o fator de inflação genômica λ; valores <1,05 indicam estratificação mínima. Mapeie loci significativos com FINEMAP ou SuSiE para identificar conjuntos confiáveis de variantes causais dentro de regiões associadas.
