Un nuevo método bayesiano refina la predicción de riesgo poligénico con variantes genéticas raras

La genética de las enfermedades complejas es un campo donde la predicción de riesgo poligénico juega un papel crucial. Estos modelos buscan estimar la probabilidad de desarrollar ciertas condiciones de salud basándose en la suma de los efectos de múltiples variantes genéticas, no solo de una única mutación. Sin embargo, uno de los desafíos persistentes en este ámbito ha sido la inclusión efectiva de las variantes raras.

Estas variantes, presentes en una pequeña fracción de la población, a menudo poseen un gran impacto biológico, pero su baja frecuencia dificulta estimar con precisión su contribución al riesgo. Los métodos tradicionales suelen tener limitaciones para capturar adecuadamente la magnitud de su efecto, lo que puede llevar a modelos predictivos menos exactos, especialmente en la cola de la distribución del riesgo.

En este contexto, la publicación de RareEffect representa un avance significativo. Se trata de un método bayesiano diseñado específicamente para estimar el tamaño del efecto de las variantes raras. Su principal fortaleza reside en su capacidad para ofrecer resultados de alta precisión y, al mismo tiempo, ser computacionalmente eficiente, una característica vital cuando se trabaja con grandes volúmenes de datos genómicos.

Al integrar las estimaciones generadas por RareEffect, los modelos de predicción poligénica pueden mejorar su desempeño de manera sustancial. El estudio destaca que esta nueva aproximación supera a otras metodologías existentes en la puntuación poligénica basada en variantes raras, lo que implica una mayor fiabilidad en la identificación de individuos con mayor o menor riesgo de desarrollar ciertas patologías. Esta mejora en la precisión predictiva es fundamental para el desarrollo de intervenciones preventivas y tratamientos más adaptados a la genética individual.