Gestor Editorial

Nuevo Usuario
Revista de Osteoporosis y Metabolismo Mineral 00029 / http://dx.doi.org/10.20960/RevOsteoporosMetabMiner.00029
Resumen| PDF

Artículo Especial

Puntuaciones de riesgo poligénico (PRS): una herramienta en la predicción de enfermedades y la medicina personalizada

Álvaro del Real, José A. Riancho

Prepublicado: 2023-12-13
Publicado: 2024-01-16
VOLUMEN 15, NÚM. 4, octubre-diciembre (2023), PAG. 154-159

Logo Descargas   Número de descargas: 256      Logo Visitas   Número de visitas: 482      Citas   Citas: 0

Compártelo:


En la última década, la genómica y la secuenciación de alto rendimiento han revolucionado la comprensión de las enfermedades complejas. las puntuaciones de riesgo poligénico (PRS) surgen como una prometedora herramienta para predecir enfermedades y personalizar tratamientos. Sin embargo, su implementación requiere confirmar la utilidad real y plantea importantes desafíos éticos y de privacidad. Las PRS se utilizan para identificar individuos de alto riesgo y guiar tratamientos personalizados. Su potencial es evidente en enfermedades como el cáncer o la osteoporosis, donde mejoran la estratificación de riesgo y permiten seleccionar tratamientos más efectivos. Sin embargo, las PRS tienen múltiples limitaciones, incluyendo la falta de precisión individual, la variabilidad en diferentes poblaciones y la incapacidad de considerar la influencia de los factores ambientales. La interpretación clínica y las implicaciones éticas, legales y sociales (ELSI) representan cuestiones muy relevantes en este campo. En el futuro, presumiblemente las PRS mejorarán su precisión predictiva, con la combinación de factores clínicos de riesgo y la adaptación a poblaciones de diversas etnias. Consecuentemente, se prevé que las PRS desempeñen un papel central en la medicina personalizada.

Palabras Clave: Puntuaciones riesgo poligénico. Medicina personalizada. Estudios de asociación de genoma completo.



O’Sullivan JW, Raghavan S, Marquez-Luna C, Luzum JA, Damrauer SM, Ashley EA, et al. Polygenic Risk Scores for Cardiovascular Disease: A Scientific Statement from the American Heart Association. Circulation 2022;146(8):e93-118.
DOI: 10.1161/CIR.0000000000001077
Läll K, Mägi R, Morris A, Metspalu A, Fischer K. Personalized risk prediction for type 2 diabetes: the potential of genetic risk scores. Genet Med 2017;19(3):322-9.
DOI: 10.1038/gim.2016.103
Mavaddat N, Michailidou K, Dennis J, Lush M, Fachal L, Lee A, et al. Polygenic Risk Scores for Prediction of Breast Cancer and Breast Cancer Subtypes. Am J Hum Genet 2019;104(1):21-34.
DOI: 10.1016/j.ajhg.2018.11.002
Forgetta V, Keller-Baruch J, Forest M, Durand A, Bhatnagar S, Kemp JP, et al. Development of a polygenic risk score to improve screening for fracture risk: A genetic risk prediction study. PLoS Med 2020;17(7): e1003152.
DOI: 10.1371/journal.pmed.1003152
Khera AV, Chaffin M, Aragam KG, Haas ME, Roselli C, Choi SH, et al. Genome-wide polygenic scores for common diseases identify individuals with risk equivalent to monogenic mutations. Nat Genet 2018;50(9):1219-24.
DOI: 10.1038/s41588-018-0183-z
Lewis CM, Vassos E. Polygenic risk scores: from research tools to clinical instruments. Genome Med 2020;12(1).
DOI: 10.1186/s13073-020-00742-5
Choi SW, Mak TSH, O’Reilly PF. Tutorial: a guide to performing polygenic risk score analyses. Nat Protoc. 2020;15(9):2759-72:44. 10.1038/S41596-020-0353-1.
DOI: 10.1038/s41596-020-0353-1
Collister JA, Liu X, Clifton L. Calculating Polygenic Risk Scores (PRS) in UK Biobank: A Practical Guide for Epidemiologists. Front Genet 2022;13:818574.
DOI: 10.3389/fgene.2022.818574
Mak TSH, Porsch RM, Choi SW, Zhou X, Sham PC. Polygenic scores via penalized regression on summary statistics. Genet Epidemiol 2017;41(6):469-80.
DOI: 10.1002/gepi.22050
Privé F, Arbel J, Vilhjálmsson BJ. LDpred2: better, faster, stronger. Bioinformatics 2021;36(22-23):5424-31.
DOI: 10.1093/bioinformatics/btaa1029
Wand H, Lambert SA, Tamburro C, Iacocca MA, O’Sullivan JW, Sillari C, et al. Improving reporting standards for polygenic scores in risk prediction studies. Nature 2021;591(7849):211-9.
DOI: 10.1038/s41586-021-03243-6
Mars N, Koskela JT, Ripatti P, Kiiskinen TTJ, Havulinna AS, Lindbohm J V., et al. Polygenic and clinical risk scores and their impact on age at onset and prediction of cardiometabolic diseases and common cancers. Nat Med 2020;26(4):549-57.
DOI: 10.1038/s41591-020-0800-0
Brentnall AR, Cuzick J, Buist DSM, Bowles EJA. Long-term Accuracy of Breast Cancer Risk Assessment Combining Classic Risk Factors and Breast Density. JAMA Oncol 2018;4(9): e180174.
DOI: 10.1001/jamaoncol.2018.0174
Azagra R, Roca G, Encabo G, Aguyé A, Zwart M, Güell S, et al. FRAX® tool, the WHO algorithm to predict osteoporotic fractures: the first analysis of its discriminative and predictive ability in the Spanish FRIDEX cohort. BMC Musculoskelet Disord 2012;13:204.
DOI: 10.1186/1471-2474-13-204
Jiang X, Gruner M, Trémollieres F, Pluskiewicz W, Sornay-Rendu E, Adamczyk P, et al. Diagnostic accuracy of FRAX in predicting the 10-year risk of osteoporotic fractures using the USA treatment thresholds: A systematic review and meta-analysis. Bone 2017;99:20-5.
DOI: 10.1016/j.bone.2017.02.008
Lu T, Forgetta V, Keller-Baruch J, Nethander M, Bennett D, Forest M, et al. Improved prediction of fracture risk leveraging a genome-wide polygenic risk score. Genome Med 2021;13(1):16.
DOI: 10.1186/s13073-021-00838-6
del Real Á, Cruz R, Olmos Martínez JM, Hernández JL, Valero Díaz de la Madrid C, Riancho Moral JA. Polygenic risk of bone fractures in Spanish women with osteoporosis. Rev Osteoporos Metab Miner 2023;15(2):66-71.
Rashkin SR, Chua KC, Ho C, Mulkey F, Jiang C, Mushiroda T, et al. A Pharmacogenetic Prediction Model of Progression-Free Survival in Breast Cancer using Genome-Wide Genotyping Data from CALGB 40502 (Alliance). Clin Pharmacol Ther 2019;105(3):738-45.
DOI: 10.1002/cpt.1241
Johnson D, Wilke MAP, Lyle SM, Kowalec K, Jorgensen A, Wright GEB, et al. A Systematic Review and Analysis of the Use of Polygenic Scores in Pharmacogenomics. Clin Pharmacol Ther 2022;111(4):919-30.
DOI: 10.1002/cpt.2520
Manousaki D, Forgetta V, Keller-Baruch J, Zhao K, Greenwood CMT, Mooser V, et al. A Polygenic Risk Score as a Risk Factor for Medication-Associated Fractures. J Bone Miner Res 2020;35(10):1935-41.
DOI: 10.1002/jbmr.4104
Cross B, Turner R, Pirmohamed M. Polygenic risk scores: An overview from bench to bedside for personalised medicine. Front Genet 2022;13.
DOI: 10.3389/fgene.2022.1000667
Zhou H, Mori S, Ishizaki T, Takahashi A, Matsuda K, Koretsune Y, et al. Genetic risk score based on the prevalence of vertebral fracture in Japanese women with osteoporosis. Bone Reports 2016;5:168-72.
DOI: 10.1016/j.bonr.2016.07.001
Gibson G. On the utilization of polygenic risk scores for therapeutic targeting. PLoS Genet. 2019;15(4): e1008060.
DOI: 10.1371/journal.pgen.1008060
Herzig AF, Clerget-Darpoux F, Génin E. The False Dawn of Polygenic Risk Scores for Human Disease Prediction. J Pers Med 2022;12(8):1266.
DOI: 10.3390/jpm12081266
Roberts MC, Khoury MJ, Mensah GA. Perspective: The Clinical Use of Polygenic Risk Scores: Race, Ethnicity, and Health Disparities. Ethn Dis 2019;29(3):513-6.
DOI: 10.18865/ed.29.3.513
Evans DG, van Veen EM, Byers H, Roberts E, Howell A, Howell SJ, et al. The importance of ethnicity: Are breast cancer polygenic risk scores ready for women who are not of White European origin? Int J cancer. 2022;150(1):73-9.
DOI: 10.1002/ijc.33782
Adeyemo A, Balaconis MK, Darnes DR, Fatumo S, Granados Moreno P, Hodonsky CJ, et al. Responsible use of polygenic risk scores in the clinic: potential benefits, risks and gaps. Nat Med 2021;27(11):1876-84.
DOI: 10.1038/s41591-021-01549-6
Lewis ACF, Green RC. Polygenic risk scores in the clinic: new perspectives needed on familiar ethical issues. Genome Med 2021;13(1):14.
DOI: 10.1186/s13073-021-00829-7
Wan Z, Hazel JW, Clayton EW, Vorobeychik Y, Kantarcioglu M, Malin BA. Sociotechnical safeguards for genomic data privacy. Nat Rev Genet 2022;23(7):429-45.
DOI: 10.1038/s41576-022-00455-y
Khoury MJ, Bowen S, Dotson WD, Drzymalla E, Green RF, Goldstein R, et al. Health equity in the implementation of genomics and precision medicine: A public health imperative. Genet Med 2022;24(8):1630-9.
DOI: 10.1016/j.gim.2022.04.009
Evans DGR, van Veen EM, Harkness EF, Brentnall AR, Astley SM, Byers H, et al. Breast cancer risk stratification in women of screening age: Incremental effects of adding mammographic density, polygenic risk, and a gene panel. Genet Med 2022;24(7):1485-94.
DOI: 10.1016/j.gim.2022.03.009
Roberts E, Howell S, Evans DG. Polygenic risk scores and breast cancer risk prediction. Breast 2023;67:71-7.
DOI: 10.1016/j.breast.2023.01.003

Artículos Relacionados:

Revisión: Estudios de asociación de genoma completo (GWAS) versus validación funcional: reto de la era post-GWAS

Núria Martínez-Gil , Juan David Patiño-Salazar , Raquel Rabionet , Daniel Grinberg , Susana Balcells

Publicado: 2023-03-16 / http://dx.doi.org/10.20960/RevOsteoporosMetabMiner.00008
Resumen | PDF

Artículos más populares


Editado en Madrid por:
Diseño y Desarrollo web Im3diA comunicación

Una cookie o galleta informática es un pequeño archivo de información que se guarda en su navegador cada vez que visita nuestra página web. La utilidad de las cookies es guardar el historial de su actividad en nuestra página web, de manera que, cuando la visite nuevamente, ésta pueda identificarle y configurar el contenido de la misma en base a sus hábitos de navegación, identidad y preferencias. Las cookies pueden ser aceptadas, rechazadas, bloqueadas y borradas, según desee. Ello podrá hacerlo mediante las opciones disponibles en la presente ventana o a través de la configuración de su navegador, según el caso. En caso de que rechace las cookies no podremos asegurarle el correcto funcionamiento de las distintas funcionalidades de nuestra página web. Más información en el apartado “POLÍTICA DE COOKIES” de nuestra página web.

Rechazar