eQTL (“Expression quantitative trait loci”) son loci genómicos que contribuyen a la variación de los niveles de expresión de ARNm o proteínas, casi siempre producto de un único gen con una localización cromosómica especifica.

Los eQTLs que mapean cerca de su “gen de origen” son cis-eQTLs (que pueden actuar localmente) y aquellos que mapean lejos o incluso en otro cromosoma de su “gen de origen” son trans-eQTLs (que pueden actuar a distancia).

Los eQTLs pueden contener distintos elementos no codificantes como: sitios hipersensibles a DNAsa, zonas de unión factores de transcripción. Y se pueden encontrar en distintas zonas como sitios de splicing, regiones 3’ y promotores.

Existen casos de eQTLs con variaciones genéticas en muy baja frecuencia, los cuales no pueden ser detectados mediante análisis estadísticos de eQTLs, pero pueden ser complementados con otros estudios como análisis de ASE y ASTS.

La integración de los análisis de DNA secuenciado y RNA nos ofrece una vista única de las causas genéticas de la variación del transcriptoma. Un ejemplo de esto son las variantes en eQTLs (son variaciones genéticas que afectan a la regulación de la expresión de los genes), o variantes en los elementos regulatorios de la estructura de los tránscritos (ratio de las distintas estructuras de tránscritos de un gen) denominados trQTLs, las cuales pueden llevar a que se den cambios en los niveles de expresión de RNA o cambios en la estructura de estos (es decir cambios en el transcriptoma).

Los GWAS (estudio de asociación del genoma completo) son análisis de la variación genética a lo largo del genoma y su asociación a rasgos observables, (comúnmente centrado en asociaciones de SNPs y enfermedades).

Las distintas variantes de un eQTL y la consecuente variación a nivel de expresión puede añadir una dimensión funcional a nuestros conocimientos, ayudando así a la comprensión de los mecanismos que llevan esta a cabo esta variación.

Una proporción de las variantes descritas en los GWAS son eQTLs o trQTLs, por lo que, la integración del genoma secuenciado , eQTLs y el fenotipo celular ayuda a comprender los genes causales de la enfermedad, las variantes genéticas causales que subyacen a los GWAS y los procesos biológicos que intervienen en estos.

De esta forma, en un estudio publicado en la revista Nature Genetics en 2018 se aplican diferentes estrategias de mapeo genético implementadas en FUMA (Mapeo funcional y anotación de asociaciones genéticas) para relacionar las variantes genéticas en estudio que están asociadas a genes, siendo una de estas estrategias el mapeo de genes eQTL el cual correlaciona SNPs cis-eQTL a 684 genes cuyos niveles de expresión habían sido influenciados.

Otro estudio publicado en el que se pone de manifiesto el uso de esta técnica fue publicado en 2021 por la revista Nature Communications. Los autores describieron la co-localización de loci situados en regiones no codificantes del genoma implicados en la formación de agregados de plaquetas (ateroesclerosis) en respuesta a diferentes dosis de ADP, epinefrina y colágeno, todo ello gracias al empleo de eQTL y datos de RNA-Seq obtenidos de plaquetas de 180 pacientes. Se identificaron variantes centinelas para los genes PEAR1 y RGS18. El primero únicamente tenía un SNP, mientras que para el segundo se observaron un gran número de variantes relacionadas con la enfermedad.

1. Michaelson JJ, Loguercio S, Beyer A. 2009. "Detection and interpretation of expression quantitative trait loci (eQTL)". Methods 48 (3): 265–76. doi:10.1016/j.ymeth.2009.03.004. PMID 19303049
2. Su -In Lee, Aimée M. Dudley. 2009. “Learning a Prior on Regulatory Potential from eQTL Data” PLoS Genet 5 (1): e1000358. doi:10.1371/journal.pgen.1000358
3. Lappalainen T. et all. 2013. “Transcriptome and genome sequencing uncovers functional variation in humans”. Nature (501): 506-511.
4. Franke L, Jansen RC. 2009. "eQTL analysis in humans". Methods Mol Biol. 573 : 311-28. doi: 10.1007/978-1-60761-247-6_17.
5. Jeanne E. Savage et all. 2018. "Genoma-wide association meta-analysis in 269,867 individuals identifies new genetic and functional links to intelligence". NATURE GENETICS. 50: 912-919. DOI.ORG/10.1038/S41588-018-0152-6.
6. Keramati, A. R., Chen, M. H., Rodriguez, B. A., Yanek, L. R., Bhan, A., Gaynor, B. J., ... & Johnson, A. D. (2021). Genome sequencing unveils a regulatory landscape of platelet reactivity. Nature Communications, 12(1), 1-13.

• [1].