Traducido del inglés al español - www.onlinedoctranslator.

com

archivo IC de arte

Los análisis psiquiátricos del estudio de asociación del genoma

completo implican vías neuronales, inmunitarias y de histonas
El subgrupo de análisis de redes y vías del Consorcio de genómica psiquiátrica*

Los estudios de asociación del genoma completo (GWAS) de trastornos psiquiátricos han identificado múltiples asociaciones genéticas con tales trastornos,
pero se necesitan mejores métodos para derivar los mecanismos biológicos subyacentes que indican estas señales. Intentamos identificar vías biológicas en
datos GWAS de más de 60 000 participantes del Consorcio de Genómica Psiquiátrica. Desarrollamos un marco de análisis para clasificar las vías que solo
requiere estadísticas resumidas. Combinamos esta puntuación en todos los trastornos para encontrar vías comunes en tres trastornos psiquiátricos de
adultos: esquizofrenia, depresión mayor y trastorno bipolar. Los procesos de metilación de histonas mostraron la asociación más fuerte, y también
encontramos evidencia estadísticamente significativa de asociaciones con múltiples vías de señalización inmune y neuronal y con la densidad postsináptica.
© 2015 Nature America, Inc. Todos los derechos reservados.

Nuestro estudio indica que las variantes de riesgo para los trastornos psiquiátricos se agregan en vías biológicas particulares y que estas vías con frecuencia
se comparten entre los trastornos. Nuestros resultados confirman los mecanismos conocidos y sugieren varios conocimientos novedosos sobre la etiología
de los trastornos psiquiátricos.

Los trastornos psiquiátricos representan una gran proporción de la carga
mundial de morbilidad1. Son síndromes clínicos con una etiología en gran parte
desconocida cuya clasificación se ha desarrollado sobre la base de su
sintomatología observable y el curso de la enfermedad. Sin embargo, existe
evidencia considerable de una fuerte heredabilidad de estos trastornos, y un
trabajo reciente del Consorcio de Genómica Psiquiátrica (PGC) que utilizó datos
de estudios de asociación de todo el genoma (GWAS) ha demostrado que una
proporción considerable de esta heredabilidad es atribuible a variantes genéticas
comunes.2y también ha mostrado evidencia clara de riesgo genético compartido
en loci individuales3.
Para seguir avanzando en el tratamiento y la prevención de estos trastornos,
existe una necesidad urgente de identificar claramente los mecanismos
biológicos y las vías subyacentes al riesgo. Sin embargo, los análisis disponibles
hasta la fecha se han centrado principalmente en trastornos únicos y en enfoques
de expresión génica (por ejemplo, en la esquizofrenia).4) y, aunque interesantes,
tales enfoques están sujetos a posibles confusiones por los efectos posteriores de
los trastornos y su tratamiento. Se han desarrollado métodos de análisis de vías
genéticas para datos GWAS5,6y apuntar a identificar qué vías biológicas muestran
un exceso de asociación etiológica. Aunque el poder para detectar asociaciones
de vías puede verse limitado por la falta de poder en los datos originales de
GWAS, las estimaciones de "heredabilidad de chips" en todo el genoma3
demuestran que los loci que muestran una significación nominal, pero con
valores por debajo de los límites de significancia de todo el genoma, contribuyen
uniones adherentes7,9,10. La actividad de los iones de calcio dependientes de voltaje
también estuvo implicada en un análisis de vía de un conjunto de datos GWAS de
trastorno bipolar11. Presumimos que la combinación de señales GWAS basadas en vías a
través de múltiples trastornos relacionados podría ser un enfoque poderoso para
identificar vías susceptibles de riesgo genético en trastornos neuropsiquiátricos.
El PGC se estableció en 2007 (http://pgc.unc.edu)12y ha estado realizando
megaanálisis de campo de datos genómicos para trastornos psiquiátricos
comunes y graves2,3,11,13–15. Los datos resumidos ahora están disponibles
para los estudios de fase 1 de PGC que comprenden> 60,000 participantes
del estudio que representan esquizofrenia (SCZ), trastorno depresivo mayor
(MDD), trastorno bipolar (BIP), trastorno del espectro autista (TEA) y
trastorno por déficit de atención e hiperactividad (TDAH). ). Anteriormente
informamos análisis de trastornos cruzados a través de un polimorfismo de
un solo nucleótido (SNP) / enfoque basado en la asociación3
y como "heredabilidad de chip" estimada y covarianza genética a través de
la evidencia de todo el genoma2. Ahora ampliamos este trabajo, buscando
identificar estadísticamente las vías moleculares implicadas por las
variantes que subyacen al riesgo genético, cuya identificación puede tener
un gran impacto en la comprensión y el tratamiento futuro de los
trastornos psiquiátricos.
RESULTADOS

a una proporción significativa de la propensión a la enfermedad. El análisis de
rutas proporciona una forma de separar las señales verdaderas entre estos loci
del ruido. Además, el análisis de vías puede traducir las señales de GWAS a un
nivel de comprensión que es bioquímico y/o de todo el sistema y puede
proporcionar una replicación exitosa en presencia de heterogeneidad alélica y de
locus.7,8.
En genética psiquiátrica, varios informes han encontrado una asociación
significativa con procesos biológicos utilizando GWAS. Los análisis del trastorno
bipolar proporcionaron evidencia de asociación con la acción hormonal y
Resumimos conjuntos de datos de vías y proporcionamos membresía de genes
en Cuadros complementarios 1y2, respectivamente. A partir de un conjunto
compilado inicial de 19 752 vías en cinco bases de datos de conjuntos de genes
(GO, KEGG, Panther, Reactome, TargetScan), restringimos los análisis posteriores
a las 4949 vías de genes de tamaño 10–200.
Comparaciones entre métodos
Primero obtuvimos el nivel de rutaPAGvalores para cada vía para los cinco
trastornos (SCZ, MDD, BIP, ASD y ADHD) a través de los cinco métodos

* Las listas completas de miembros y afiliaciones aparecen al final del artículo.

Recibido el 31 de mayo de 2014; aceptado el 10 de diciembre de 2014; publicado en línea el 19 de enero de 2015; corregido después de la impresión del 19 de enero de 2015;doi:10.1038/nn.3922

NEUROCIENCIA DE LA NATURALEZApublicación anticipada en línea

 archivo IC de arte

Figura 1Descripción general del enfoque estadístico para el análisis de vías 77 28

8 kegg
72 214
integradoras de datos GWAS. Se muestra un resumen de un análisis de un trastorno. IR
Los datos simulados se generaron extrayendo de una ruta nulaPAG-distribución de PANTERA
valores para cada método y para cada enfermedad que representó las correlaciones ESCANEO DE OBJETIVOS

entre los métodos. Los resultados de la ruta de todos los trastornos se combinaron 4,550 REACTOMA
OMIM
posteriormente utilizando el método de Fisher.

Paso 1: recopile rutas de bases de datos Paso 2: tomar asociaciónPAGvalores

públicas y elimine la redundancia de SNP de GWAS
(SETSCREEN, MAGENTA, INRICH, FORGE y ALIGATOR). En general, los
métodos se correlacionaron significativamente entre sí (verFigura
complementaria 1yTabla Suplementaria 3). Utilizando datos de RICO
COLOCAR-
FRAGUA
RCS
trastornos (SCZ) y datos nulos (fenotipos permutados), notamos un COCODRILO MAGENTA
grado estadísticamente significativo de superposición entre los
métodos (Figura complementaria 1). VÍA 1
RUTA 2

RUTAnorte
Derivación de una estadística conjunta de método y desorden Se
Paso 3: calificar la importancia de cada Paso 4: clasifique las rutas y obtenga una
esperaría que las vías que logran una fuerte asociación utilizando las cinco vía usando cinco métodos clasificación promedio en cinco métodos

metodologías se asocien más sólidamente con el trastorno, debido a las

diferencias entre los métodos. Estimamos un combinado PAGvalor para Paso 5a: generar 10 000 conjuntos de
PBI SCZ MDD
cada vía (dentro de cada trastorno) calculando el rango promedio de cada datos simulados nulos, respetando las
correlaciones entre métodos
vía dentro de cada método (los rangos se usaron para garantizar la
método de Brown para
comparabilidad entre métodos) y luego comparándolos con una Sim 1 Sim 10,000
© 2015 Nature America, Inc. Todos los derechos reservados.

combinarPAGvalores

distribución nula de rangos esperados, construida a partir de la distribución

uniforme, contabilizando para la correlación entre métodos (Figura 1; ver
Paso 5b: cálculo empíricoPAGvalor comparando Paso 6: derivar un combinadoPAGvalor para
Métodos en línea). rangos promedio en datos de enfermedades con tres trastornos psiquiátricos para resaltar los
Hubo un grado significativo de correlación del enriquecimiento específico de la rangos promedio en datos simulados mecanismos etiológicos comunes

rutaPAGvalores entre trastornos (correlación de Pearson 0,2-0,3, Tabla

Suplementaria 4). Buscando vías comunes a los trastornos de adultos (SCZ, BIP,
MDD), luego derivamos una estadística combinada a través de los trastornos
utilizando la extensión de Brown de la combinación de Fisher. PAGvalordieciséis(ver
Métodos en línea).Figura 2muestra gráficos cuantil-cuantil dePAGvalores de la
combinación de todos los métodos a través de los trastornos. Figura
complementaria 2muestra gráficas de cuantil-cuantil de combinación PAG
valores para SCZ, BIP, MDD, ASD, ADHD y, para contraste, nulo y datos de
adquisición de VIH. Las primeras parcelas muestran un marcado enriquecimiento
de importantesPAGvalores, indicativos de la biología de la enfermedad
compartida capturada por las vías probadas. Los gráficos nulo y HIV no muestran
enriquecimiento dePAGvalores, lo que indica que hay una falta de biología
compartida (como se esperaba) y que nuestro análisis no causa una inflación
sistemática de importancia. De manera similar, el conjunto de datos de VIH no
mostró inflación.
Vías principales en trastornos psiquiátricos individuales de inicio en adultos
Presentamos los resultados para los diferentes conjuntos de datos de trastornos
psiquiátricos enTabla Suplementaria 5, obtenido usando nuestro enfoque.
Identificamos 10, 1 y 4 vías que están sugerentemente enriquecidas (en un FDR q-valor
<0.1) con alelos de susceptibilidad BIP, SCZ y MDD, respectivamente (tabla 1). Tenga en
cuenta que las vías que muestran el enriquecimiento pueden cambiar a medida que
aumenta el tamaño de las muestras.
a Combinado: SCZ, BIP, MDD b Combinado: SCZ, VIH, nulo
6 6
5 5
4 4
3 3
Principales vías compartidas entre los trastornos psiquiátricos de adultos El
grado de correlación de rango entre las vías a través de pares de trastornos fue
significativo (Cuadros complementarios 4y6), con 49 vías con combinaciónq
-valor <0,1 que abarca los tres trastornos del adulto (Tabla 2, Tabla
Suplementaria 7). De estos, 16 son significativos enq<0.05, con la ruta superior
(GO: 51568: metilación de histona H3-K4) que tiene una q=0.0003 (Tabla 2). Estos
resultados son más significativos que los observados en cualquiera de los
trastornos analizados por separado. Luego usamos el escalado multidimensional
(MDS) para agrupar estos conjuntos en términos de genes compartidos.figura 3
muestra una gráfica de cada camino con sugerentesq<0.1 en los dos primeros
ejes MDS derivados de los genes compartidos entre estos conjuntos de genes.
Las vías se separan en el espacio multidimensional y revelan dos ramas distintas
para conjuntos de genes relacionados con la sinapsis neuronal y la metilación de
histonas, con una tercera rama que contiene vías con genes que comparten la
membresía en vías con anotación funcional inmune o neurotrófica.Fig. 3). Aunque
no es un enfoque principal de nuestro análisis, la vía más significativa (GO:
0005262, actividad del canal de calcio) del metanálisis GWAS basado en SNP del
grupo anterior de trastornos cruzados de PGC3en los cinco trastornos mostró una
asociación nominalmente significativa en nuestro metanálisis a nivel de vía en los
cinco trastornos (PAG=3,13 × 10−3) y también en SCZ, MDD y BIP (PAG=8.07 × 10−3
).
Análisis de datos de trastornos nulos y de control
el enriquecimientoPAGvalores de las rutas enTabla 2(y Tabla
Suplementaria 7), combinados en SCZ, BIP y MDD, indicaron que existen
múltiples vías significativas. Para confirmar que esto se debió a la biología
compartida del trastorno, repetimos el análisis de combinación de rangos
en dos conjuntos de datos adicionales como controles: un GWAS de VIH17,
elegido porque no se cree que comparta un trastorno significativo

2 2
Figura 2Gráfica cuantil-cuantil que muestraPAG-distribución de valores para un
1 1
análisis combinado que combina los resultados de cinco métodos de análisis de vías y
0 0 seis bases de datos de vías. (a,b) Se muestran datos para esquizofrenia (SCZ), trastorno
0 1 2 3 4 5 6 0 1 2 3 4 5 6 bipolar (BIP) y trastorno depresivo mayor (MDD);a) y SCZ, adquisición de VIH y un
Esperado –registro(PAG) Esperado –registro(PAG) conjunto de datos simulados nulos (b).

publicación anticipada en líneaNEUROCIENCIA DE LA NATURALEZA

 archivo IC de arte

Tabla 1 Vías principales en esquizofrenia, trastorno bipolar y trastorno depresivo mayora lo que sugiere que el riesgo genético en los

No. Promedio
trastornos neuropsiquiátricos afecta las vías
métodos rango PAGrango q-valor Identificación de ruta Descripción reguladas por el desarrollo neurológico.
PBI Es de destacar que el módulo amarillo se expresa de
5 17 1.01 × 10−6 0.005 IR:51568 Metilación de histonas H3-K4 manera similar en todas las regiones y contiene la mitad
5 50.4 3,82 × 10−5 0.093 ruta: hsa05218 Melanoma (19/37) de los genes de metilación de histonas
5 79,2 1,16 × 10−4 0.093 IR:7129 Sinapsis (cromosómica)
coexpresados. Los genes en este módulo exhiben una
5 81,8 1,27 × 10−4 0.093 ruta: hsa05213 Cáncer endometrial
5 83,3 1,34 × 10−4 0.093 P00003 Enfermedad de Alzheimer: vía de la secretasa amiloide
expresión promedio tres veces mayor durante el
5 83,4 1,35 × 10−4 0.093 ruta: hsa05215 Cáncer de próstata desarrollo prenatal temprano (semana posterior a la
5 87 1,50 × 10−4 0.093 ruta: hsa05216 Cáncer de tiroides concepción (PCW) 13-24) que durante el desarrollo
4 89,5 1,59 × 10−4 0.093 IR:90066 Regulación del tamaño de la estructura anatómica
posnatal o el envejecimiento posterior, de acuerdo con
5 95,6 1,81 × 10−4 0.093 ruta: hsa05214 Glioma
los genes de histonas que funcionan principalmente
5 96,9 1,87 × 10−4 0.093 IR:70192 Organización cromosómica implicada en la meiosis
durante la diferenciación neuronal y el compromiso del
SCZ
destino celular. La membresía completa del módulo y los
5 38,4 1,58 × 10−5 0.078 IR:14069 Densidad postsináptica
5 68,6 7,15 × 10−5 0.160 IR:45211 Membrana postsináptica detalles de la red están disponibles enTabla
5 76,8 9,67 × 10−5 0.160 IR:43197 espina dendrítica Suplementaria 9, que contiene información completa
5 85,4 1,36 × 10−4 0.168 IR:51568 Parte del axón de metilación de sobre las asociaciones módulo-región y las asociaciones
5 95,8 1,74 × 10−4 0.173 IR:33267 histona H3-K4
módulo-etapa. Otros tres módulos contienen
MDD predominantemente genes de sinapsis y señalización
5 25,4 2,63 × 10−6 0.012 IR:8601 Actividad reguladora de la proteína fosfatasa tipo 2A
inmunológica y neuronal cuya expresión aumenta en la
5 54,6 3,88 × 10−5 0.092 IR:34330 Organización de unión celular
infancia y se estanca alrededor de la adolescencia hasta la
© 2015 Nature America, Inc. Todos los derechos reservados.

5 68,8 7,70 × 10−5 0.094 IR:43297 Ensamblaje de la unión apical Organización

5 70 7,92 × 10−5 0.094 IR:45216 de la unión célula-célula Regulación de la edad adulta tardía (azul, marrón, turquesa); otros tres
5 99,8 1,97 × 10−4 0.186 IR:31056 modificación de histonas módulos se expresan relativamente alto a lo largo de la
caminos conq<0.1, para los conjuntos de datos de esquizofrenia (SCZ), trastorno bipolar (BIP) y trastorno depresivo
aPrincipales
vida con una diferencia máxima de ~75% en la expresión
mayor (MDD). Para trastornos con menos de cinco vías conq<0.1, se enumeran las cinco rutas principales.
entre regiones (módulos verde, negro y rojo).

etiología con trastornos psiquiátricos, pero en cambio podría compartir
artefactos técnicos reales y un GWAS nulo, simulado utilizando los mismos SNP
que los GWAS psiquiátricos pero sin loci significativos. Las vías más importantes
para el VIH y los conjuntos de datos nulos analizados por separado se muestran
enTabla Suplementaria 4. Como se esperaba, ninguna ruta mostró un
enriquecimiento significativo en el conjunto de datos nulos o el conjunto de datos
de VIH, y el análisis combinado de SCZ, VIH y conjuntos de datos nulos (Tabla
Suplementaria 8) no dio caminos significativos después de la corrección de
múltiples pruebas (mínimo q-valor = 0.454), en contraste con los resultados para
SCZ, MDD y BIP que se muestran enTabla 2. Esto da más evidencia de que los
importantes enriquecimientos de la ruta enTabla 2se deben a la biología
compartida en los tres trastornos, en lugar de estar impulsadas por
enriquecimientos en un solo trastorno.
Luego preguntamos si estos módulos exhibían un patrón específico de tipo de célula
mediante el uso de listas de genes de 35 tipos de células marcadas genéticamente y
perfiladas traduccionalmente en ratones.19–21. Dos de los módulos que contienen
señalización inmunoneuronal y genes de sinapsis que se estabilizan en la expresión en
el cerebro en maduración también exhibieron un enriquecimiento de tipo celular, con el
módulo marrón enriquecido para neuronas estriatales, particularmente Drd1+neuronas
espinosas medianas, y el módulo turquesa enriquecido para Cnp+oligodendrocitos
mielinizantes, lo que sugiere su participación en la maduración de la sustancia blanca.
Otros módulos no exhibieron una fuerte especificidad de tipo de célula, lo que sugiere
que afectan a múltiples linajes de células (por ejemplo, el módulo amarillo) o que aún no
se ha definido el perfil de tipo de célula coincidente.

Seguimiento de la expresión génica cerebral Tabla 2 Principales resultados del análisis de la vía integradora de tres trastornos en adultos

de vías significativas Rango PBI MDD SCZ Conjuntopag q-valor Identificación de ruta Descripción

Para ubicar estas vías en un contexto neurobiológico 1 0.0000 0.0592 0,0001 5,75 × 10−80,0003 0,0006 GO:51568 Metilación de histonas H3-K4
más específico, analizamos las relaciones de 2 0.0004 0.0500 1,46 × 10−5 0.0362 GO:16571 Metilación de histonas GO:43414

coexpresión entre los genes en las vías identificadas 3 0.0004 0.1462 0.0011 4,73 × 10−5 0.0414 Metilación de macromoléculas Metilación
4 0.0008 0.0630 0.0014 5,10 × 10−5 0.0414 IR:34968 de histonas lisina Organización de unión
aquí enq<0.1 utilizando datos de expresión génica
5 0.4200 0.0001 0.0023 5,58 × 10−5 0.0414 IR:45216 célula-célula Enfermedad de Alzheimer–
que abarcan regiones del cerebro y puntos de 6 0.0001 0.0910 0.0064 5,69 × 10−5 0.0414 P00003 amiloide secretasa
tiempo de desarrollo18. De 797 genes evaluados, 294 ruta
(32-37% de cada rama deFig. 3) se coexpresaron en 7 7 0.0007 0.0495 0.0024 5,86 × 10−5 0.0414 P04393 vía ras
8 0.3120 0.0000 0.1286 7,12 × 10−5 0.0422 IR:8601 Actividad reguladora de la
módulos. Figura 4aproporciona un gráfico de red
proteína fosfatasa tipo 2A
que muestra las conexiones intramodulares e 9 0.8980 0.0001 0.0017 7,83 × 10−5 0.0422 IR:43297 Montaje de unión apical Vía
intermodulares entre los 10 principales genes 10 0.0013 0.0207 0.0055 9,25 × 10−5 0.0422 P00052 de señalización de TGF-β
centrales de cada módulo. Figura 4bresume el nivel 11 0.4890 0.0203 0.0000 9.53 × 10−5 0.0422 IR:14069 Densidad postsináptica

de expresión promedio de genes en cada módulo en 12 0.0085 0.0009 0.0239 0.0001 0.0422 IR:32869 Respuesta celular al estímulo de insulina
13 0.0188 0.0054 0.0022 0.0001 0.0450 P00010 Activación de células B
diferentes regiones del cerebro y períodos
14 0.0023 0.2988 0.0003 0.0001 0.0450 IR:8757 Dependiente de S-adenosilmetionina
temporales. Estos patrones de expresión están Actividad de metiltransferasa
impulsados predominantemente por la regulación 15 0.0073 0.0080 0.0044 0.0001 0.0454 IR:23061 Liberación de señal

temporal (cuatro módulos tienen un cambio dieciséis 0.4590 0.0000 0.0168 0.0002 0.0473 IR:34330 Organización de unión celular

temporal superior al doble, mientras que solo un Se muestran las 16 vías principales con combinaciónq<0,05 abarcando los tres trastornos del adulto. Los resultados completos para los tres
trastornos de adultos se dan enTabla Suplementaria 7y para los cinco trastornos enTabla Suplementaria 8. Cuadro complementario 10
módulo, verde, muestra un cambio doble entre enumera todas las rutas conq<0.1 yCuadro complementario 11el SNP subyacentePAGvalores en todos los genes con estos conjuntos de
regiones,Tabla Suplementaria 9), genes.

NEUROCIENCIA DE LA NATURALEZApublicación anticipada en línea

 archivo IC de arte

figura 3Gráfica de escalamiento multidimensional de las 50 vías principales con sugerente

39 47
(<0.1)q-valores clasificados en cinco métodos y tres trastornos (esquizofrenia, trastorno bipolar
y trastorno depresivo mayor). El número de genes en cada vía se enumera enTabla 2. El color 6 11
refleja la clasificación (el rojo representa los conjuntos de clasificación superior con la
sinapsis
clasificación más baja).PAGvalores). Los tamaños reflejan el número de genes en el conjunto
46
(máximo de 200, mínimo de 11). VerDato suplementariopara datos de origen.
44
4

dieciséis

DISCUSIÓN

SMD componente 2
27
2
45 Metilación de histonas
Se han producido avances importantes en la genética psiquiátrica en los últimos años,
9
15 37
impulsados en gran medida por un aumento del orden de magnitud en el tamaño de
30 5402
2
36 354
las muestras. Si bien la identificación de loci específicos es fundamental para hacer 8 08 281
0 42 4 18 20
2 21
avanzar el campo, también lo es desarrollar una comprensión de la biología subyacente. 6 40 14 3
33
En este estudio abordamos este último, integrando datos de los conjuntos de datos 24
1019
43
genéticos psiquiátricos más grandes informados con herramientas bien establecidas 34
–2
para interrogar dichos conjuntos de datos. Desarrollamos un método novedoso basado 2625 inmune y
13
7 32
en rangos para combinar los resultados del enriquecimiento de la ruta a través de los vías neuronales/neurotróficas
122341
métodos de análisis y los trastornos de una manera que no se confunda con los sesgos o 29

las deficiencias de los métodos, para maximizar la información de los resultados. Esto –4 17 38
31
contrasta con el enfoque del grupo anterior de trastornos cruzados de PGC GWAS4, que
todos los derechos reservados.

utilizó un metanálisis basado en SNP. Los análisis de vías basados en tales resultados
serán poderosos si el mismo SNP está implicado en todos los trastornos. Es importante
destacar que los análisis de vías descritos aquí no requieren que el mismo SNP (o, de
hecho, el gen) dentro de una vía esté implicado en todos los trastornos,
0 10
SMD componente 1
por lo que serán más robustos a la heterogeneidad alélica dentro de los genes y
dentro de las vías a través de los trastornos, proporcionando así un marco
conceptualmente más poderoso para realizar análisis, mientras pierden

a HDAC4
CTNNA1
b Patrones de expresión de módulos a
través de regiones cerebrales y desarrollo.
Módulo negro
Azul
HOMER2 PDGFRB Negro
PTPRK Marrón
Turquesa
Módulo rojo Amarillo
Verde
MAPK10 ETS2 Rojo
APBA1
r

n ior
os mo ro tal

m s

la m
ri rim al
ve fr l

r ri io

po ri io
al ito era

St la
io
+ 1.5
Te itiv l in o

po sup o

r
or ola l

so r p er

tá atu
rs dia

FGFR1

rio

oc mar
pa al p ar
ri
nt on

da
m o p fer

er

Am po

lo
te ral ar

Ce mo
au iet ma
en to lat
b t

be
fe
do me

íg

i
i
pr

re
a
Módulo verde

li

registro (expresión)
al al

s
d a

centrado en la media
le
ra
nt nt

ua

ip
ro ro

GRM5
s

2
H
vi
m
ef ef

nt
pr pr

Turquesa
ro

0
at

DCLK1
ef

módulo
m
pr

PCSK1
so

YWHAG Marrón Regiones neocorticales subcortical

módulo regiones
– 1.5
Azul
Negro
Marrón
Turquesa
Azul IL1RL1 Amarillo
PGR Verde
módulo Rojo
HFE
+
12
6
6

20

40

0
9

60
1–
–1

–2

–3

0.

5–

–6
-1

6–
2–

SPTA1
0–
13

16

19

24

0.

20

40
1

CPA4 Preconcepción Edad posnatal en años

semana

CDH2
inmune y
neuronal/neurotrófico C Enriquecimiento de módulos para genes específicos del tipo de célula
(*equilibradoPAG<0.05) equilibradoPAGvalor)
- registro10(FDR-

caminos sinapsis
GNAI3 Azul
Módulo amarillo Negro 1.5
Módulo
CREB1
Histona
color
Marrón
Turquesa * 1
metilación
Amarillo
* *
0.5
Verde
TRIM24 Positivo Rojo 0
correlación
Células de varilla
Células de cono
Neuronas colinérgicas de la médula espinal
neuronas de Golgi del cerebelo

Células inmunes

Corte+neuronas de la corteza
Prosencéfalo basal

Corteza
Tronco encefálico

Neuronas colinérgicas de habénula

Médula espinal
Astroglia del cerebelo

Ntsr+neuronas de la corteza
Cerebelo

Glt25d2 neuronas de la corteza

hipotálamo

Pnoc+neuronas de la corteza

astrocitos de la corteza
Estriado (caudado y putamen)

Habénula (epitálamo)
Células de Purkinje del cerebelo

Oligodendrocitos mielinizantes de la corteza

Neuronas serotoninérgicas del tronco encefálico
Neuronas colinérgicas del prosencéfalo basal

Drd2+neuronas espinosas medianas del cuerpo estriado

Drd1+neuronas espinosas medianas del cuerpo estriado
Células granulares del cerebelo

RAF1
Neuronas hipocretinérgicas del hipotálamo

Neuronas colinérgicas del cuerpo estriado

Oligodendrocitos mielinizantes del cerebelo

SF3B3
Neuronas colinérgicas del tronco encefálico

Células progenitoras de oligodendrocitos de la corteza

Glía de Bergman y oligodendrocitos maduros del cerebelo

Células en cepillo unipolares y glía de Bergman del cerebelo

Células estrelladas y en cesta del cerebelo

Figura 4Redes de coexpresión génica en el desarrollo del cerebro y regiones para genes en
todas las vías con FDR < 0,1. (a) Gráfico de red de diez genes centrales de cada módulo que
muestra la agrupación en regiones neuroanatómicas y épocas de desarrollo.
Los nodos (genes) están anotados por la pertenencia al conjunto de genes, mientras que los bordes reflejan
correlaciones positivas entre las regiones del cerebro y el desarrollo. (b) Patrones regionales y temporales de
expresión génica resumidos por el nivel medio de expresión de genes en cada módulo. (C) Enriquecimiento de
genes específicos del tipo de célula en múltiples regiones del cerebro y tipos de células; los asteriscos resaltan los
enriquecimientos que pasan ajustados por FDRPAG<0.05.

publicación anticipada en líneaNEUROCIENCIA DE LA NATURALEZA


potencia en comparación con los análisis de un solo nivel de SNP si los mismos SNP
están impulsando la asociación entre trastornos relacionados. Observamos que la vía
más importante identificada a partir del análisis de trastornos cruzados de PGC3
(GO:0005262, actividad de los canales de calcio) también mostró un enriquecimiento
nominalmente significativo en nuestro análisis, lo que confirma el papel de la actividad
de los canales de calcio en estos trastornos.
Nuestro método de análisis utiliza estadísticas de resumen de GWAS en lugar
de utilizar permutaciones de fenotipos en datos de genotipos individuales por
dos razones. Primero, los conjuntos de datos de PGC son grandes y muy
complejos (>50 conjuntos de datos separados) con una combinación de diseños
de estudio y covariables (por ejemplo, aquellos que modelan la estratificación
étnica). Por ejemplo, los datos de genotipo de autismo y TDAH de PGC son
mezclas entre estudios de tríos y de casos y controles. Todas estas complejidades
aumentan en gran medida el tiempo de cálculo necesario, por lo que
implementamos un método más eficiente. Por ejemplo, usando un enfoque
basado en permutaciones que realizó suficientes permutaciones en todos los
diferentes conjuntos de datos para generar niveles de desordenPAGlos valores
habrían sido computacionalmente prohibitivos. Además, no siempre es posible
obtener datos de genotipos individuales, particularmente para metanálisis
grandes. Por lo tanto, es importante que un método de análisis de vía sea
aplicable en tales situaciones.
© 2015 Nature America, Inc. Todos los derechos reservados.
La principal fortaleza de nuestro enfoque integrado de análisis de rutas
GWAS es el uso de múltiples métodos de análisis que difieren en sus
suposiciones y fortalezas individuales. Métodos que combinan SNP
individualesPAGlos valores entre genes y vías (FORGE, SETSCREEN)
seleccionarán vías que contengan genes con múltiples señales de
asociación independientes, quizás débiles. Por el contrario, los métodos
como ALIGATOR o INRICH asignan importancia a los genes en función del
SNP más significativo en ese gen y, por lo tanto, detectarán el
enriquecimiento en las vías que contienen genes con asociaciones más
fuertes individualmente. En particular, a pesar de estas diferencias, todos
estos métodos produjeron clasificaciones de vías que se correlacionaron
entre sí (Tabla Suplementaria 5). Como era de esperar, las correlaciones
más fuertes se observaron entre los métodos más similares: FORGE y
SETSCREEN, y ALIGATOR e INRICH.
Temas biológicos dentro y a través de los trastornos
Nuestro objetivo principal era combinar asociaciones de vías entre
trastornos, ya que supusimos que este sería un enfoque más poderoso, y
mostramos un gran aumento en la evidencia que surge después del
metanálisis entre trastornos. La correlación del enriquecimiento específico
de la víaPAGvalores entre SCZ y BIP fue el más alto entre todos los pares de
trastornos (0,29,Tabla Suplementaria 5), consistente con la correlación
genética informada utilizando SNP comunes para estos trastornos4. En
particular, la combinación de la vía específicaPAGlos valores de los tres
trastornos 'adultos' en nuestro metanálisis principal (SCZ, BIP y MDD)
dieron como resultado una significación mucho mayor en comparación con
los análisis de los trastornos separados. Esto nos permitió identificar temas
biológicos que abarcan estos trastornos.
Un objetivo secundario fue examinar los temas de las vías dentro de los
trastornos individuales, para mostrar qué trastornos contribuían más a los
hallazgos de trastornos cruzados. Entre los trastornos individuales, BIP, SCZ, MDD
y ADHD dieron resultados significativos en FDRq<10%, pero el TEA y el VIH no (
tabla 1yTabla Suplementaria 4). Nuestros resultados sugieren que la metilación
de las histonas parece desempeñar un papel más destacado en el trastorno
bipolar y que los procesos relacionados con la sinapsis y la postsinapsis están
más fuertemente implicados en la etiología de la esquizofrenia.tabla 1).
Observamos que las vías involucradas en la metilación de otras moléculas, como
el ADN, no se enriquecieron mucho en este estudio, lo que sugiere un grado de
especificidad en la naturaleza de los conjuntos de genes de metilación implicados
aquí. Para la esquizofrenia, notamos que
NEUROCIENCIA DE LA NATURALEZApublicación anticipada en línea
archivo IC de arte
"KEGG_DOPAMINERGIC_SYNAPSE" se informó como la tercera vía mejor
clasificada (de 9016) en los últimos datos de GWAS (análisis de ALIGATOR)22.
Nuestra principal ruta SCZ, la densidad postsináptica, no obtuvo una clasificación
alta en el análisis ALIGATOR o INRICH informado en ese artículo, pero esos
análisis de la ruta se aplicaron a un conjunto de genes muy restringido (aquellos
que contienen un SNP conPAG<5 × 10−8) y usó solo dos de nuestros cinco
métodos de análisis (ALIGATOR e INRICH), lo que hace que ese análisis no sea
directamente comparable con el nuestro. También incluimos métodos (FORGE,
MAGENTA, SETSCREEN) que pueden favorecer patrones de asociación más
poligénicos y complejos. Los análisis presentados aquí utilizan un criterio de
significación más relajado, por lo que recogen señales que no alcanzan la
significación de todo el genoma. Notamos que el apoyo sólido e independiente de
nuestros hallazgos proviene de la observación de que los análisis de variantes
raras también han implicado vías postsinápticas en la etiología de SCZ.23,24, lo que
sugiere que tanto las variantes raras como las comunes son relevantes.
Panorama emergente de las vías psiquiátricas
Mostramos que la metilación de histonas y las vías de señalización inmune y neuronal
relacionadas con la sinapsis, así como las recientemente implicadas, están asociadas
estadísticamente de manera significativa dentro y entre SCZ, BIP y MDD. Estas vías son
procesos moleculares centrales, cuya interrupción puede aumentar el riesgo de
múltiples trastornos psiquiátricos. Especialmente interesante en este sentido es la
identificación de la disfunción sináptica e inmune como las principales vías alteradas en
el cerebro post mortem en TEA.25, así como de la superposición genética emergente en
muchas condiciones del neurodesarrollo. Nuestros mejores resultados para la
esquizofrenia, densidad postsináptica, han sido sugeridos previamente por hallazgos de
CNV y líneas de evidencia convergentes23,26, así como datos recientes de secuenciación
del exoma27,28, lo que sugiere un papel tanto para las variantes raras como para las
comunes al afectar los cambios relevantes de SCZ en las proteínas de la membrana
postsináptica. La "metilación de la histona H3-K4" figura entre los principales éxitos
bipolares, logrando una importancia en todo el estudio (q=0,005). Se ha demostrado que
la metilación H3-K4 variable de los genes de sinapsina da lugar a patrones de expresión
alterados en el trastorno bipolar y la depresión mayor.29, lo que puede sugerir un papel
para los mecanismos reguladores epigenéticos en la etiología de los trastornos del
estado de ánimo. Los mecanismos de metilación de histonas tienen funciones en la
coordinación de procesos cognitivos complejos, como la memoria a largo plazo y
funciones en afecciones que van desde la adicción a la esquizofrenia hasta la
neurodegeneración.30.
Estudios recientes dede novoLas mutaciones también han implicado esta
vía (a menudo denominada con un término más amplio, regulación/
modificación de la cromatina o regulación transcripcional) en los TEA.31–33.
Sin embargo, nuestro conjunto de datos de ASD, basado en GWAS, no tenía
suficiente potencia (debido tanto al tamaño de muestra más pequeño
disponible como a la combinación de conjuntos de datos de casos y
controles y tríos) y se excluyó del análisis de la vía principal. Para MDD solo,
la ruta principal fue "actividad reguladora de proteína fosfatasa tipo 2A",
que logró unaq-valor de 0.012. Estudios previos han implicado esta vía en la
neurotransmisión serotoninérgica y en el mecanismo de respuesta a los
antidepresivos.34.
Excluimos la región MHC asociada a la esquizofrenia de 6p21-22 en nuestro
análisis para evitar la confusión de los métodos por los niveles muy altos de
desequilibrio de ligamiento en este locus. A pesar de esto, los procesos
inmunológicos clave como TGF-beta_signaling (P00052), B_cell_activation (P00010)
y T_cell_activation (P00053) ocupan un lugar destacado en nuestras vías
importantes. Las vías de enfermedades infecciosas de KEGG también se
presentaron con un significado sugerente. Aunque estas vías contienen procesos
inmunitarios, como las vías de la tuberculosis (hsa05152) y la hepatitis C
(hsa05160), su función en el cerebro se ha destacado, por ejemplo, en estudios
que han encontrado que tanto la infección por hepatitis C como
 archivo IC de arte
El tratamiento con interferón alfa para la hepatitis C se asocia con una variedad
de síntomas neuropsiquiátricos adicionales.35.
También encontramos una asociación en todo el genoma de la ruta a través de
SCZ, BIP y MDD con procesos de metilación de histonas (en lugar de metilación de
ADN) a través de la metilación de histonas H3-K4 (GO: 51568), metilación de
histonas (GO: 16571), metilación de histonas lisina (GO: 34968) y Metilación de
macromoléculas (GO:43414).Los riesgos ambientales replicados para la
esquizofrenia ocurren en períodos críticos tempranos en el desarrollo, por
ejemplo, en los estudios Dutch Hunger Winter y Chinese Famine.36, cuando se
sabe que el epigenoma es particularmente lábil. En este momento se está
produciendo una replicación celular rápida y las señales epigenéticas estándar,
incluidas la histona H3-K4 y la metilación de lisina y otros procesos relacionados,
están impulsando el desarrollo y la diferenciación de tejidos.37. Dado el papel de
este proceso en el establecimiento de promotores activos38, parece probable que
la desregulación de la metilación de histonas pueda tener efectos posteriores con
el potencial de interrumpir el neurodesarrollo y la expresión génica coordinada,
como lo han demostrado estudios en animales39. Nuestros resultados sugieren
que la desregulación de los genes en las vías de metilación de histonas es un
mecanismo etiológico común para los trastornos psiquiátricos en adultos.
Nuestro análisis de la red de genes de cómo se expresan las vías
© 2015 Nature America, Inc. Todos los derechos reservados.
identificadas en el cerebro reveló módulos de genes coexpresados
que identifican puntos de tiempo de desarrollo y regiones del cerebro
que pueden informar futuros experimentos destinados a manipular las
vías identificadas (Figura 4). Además, el enriquecimiento de las firmas
transcriptómicas específicas del tipo de célula identifica qué subtipos
celulares pueden verse afectados por la manipulación de genes
específicos. Por ejemplo, la trayectoria temporal de los módulos
sugiere qué vías pueden no ser susceptibles de manipulación
farmacológica como resultado de su prominencia en el desarrollo
temprano (por ejemplo, el módulo amarillo que contiene genes de
metilación de histonas), pero también vías cuya actividad es
potencialmente modificable en adultos (por ejemplo, los módulos
marrón y turquesa, que se enriquecieron con genes específicos de las
neuronas estriatales y la materia blanca, respectivamente). Además, el
patrón de expresión del módulo azul es similar en todas las regiones, y
los genes centrales sugieren procesos de señalización tanto
intracelulares como intercelulares. Muestra un aumento durante el
desarrollo prenatal tardío y posnatal temprano, alcanzando su punto
máximo antes de los 6 años, lo que sugiere que los genes en este
módulo pueden estar relacionados con la poda sináptica posnatal, otro
objetivo potencial para desarrollar intervenciones. Hacemos hincapié
en que estos resultados deben considerarse preliminares, ya que son
un análisis de primer paso que utiliza los resultados de un enfoque
novedoso. Sin embargo, señalan un camino claro para la evaluación
imparcial de las vías afectadas por la variación genética común, que se
espera que explique la mayoría de la arquitectura genética de las
enfermedades neuropsiquiátricas. Sugieren que la integración de la
expresión génica con análisis a nivel de ruta en GWAS más grandes
puede identificar una especificidad aún mayor. Además,
Nuestros análisis han demostrado la capacidad general de los análisis de vías para
descubrir una biología novedosa que subyace a trastornos humanos complejos. Los
hallazgos de señalización inmunoneuronal y metilación de histonas ilustran cómo la
agregación de riesgo genético en las vías puede ser la base de la vulnerabilidad a los
factores de riesgo ambientales en el entorno prenatal, al tiempo que fortalece la
evidencia del papel de las vías sinápticas. Nuestros resultados arrojan luz sobre la
biología subyacente a los GWAS de los trastornos psiquiátricos y podrían sugerir nuevos
estudios funcionales y de descubrimiento de fármacos, ya que las vías crean objetivos
farmacológicos mucho más grandes y mejores que los genes individuales.40. Nuestra
observación de que el grado de correlación entre las vías a través de los trastornos es
más alto de lo esperado por casualidad
se basa en la observación de la genética compartida entre estos trastornos4
y, lo que es más importante, indica que la superposición poligénica no es
aleatoria a nivel molecular o de ruta.
MÉTODOS
Los métodos y cualquier referencia asociada están disponibles en elversión en
línea del periódico.
Nota: Todos los archivos de información complementaria y de datos de origen están disponibles en
el versión en línea del periódico.
Expresiones de gratitud
GB y SN reconocen el apoyo financiero para este trabajo del Centro de Investigación Biomédica
de Salud Mental del Instituto Nacional para la Investigación en Salud (NIHR) en el sur de Londres
y Maudsley NHS Foundation Trust y King's College London. PHL cuenta con el apoyo de la
subvención K99MH101367 del Instituto Nacional de Salud Mental (NIMH) de EE. UU. El grupo de
trastornos cruzados de PGC cuenta con el apoyo de la subvención U01 MH085520 del NIMH. Los
análisis estadísticos se llevaron a cabo en Genetic Cluster Computer, que cuenta con el apoyo
financiero de la Organización Científica de los Países Bajos (NOW; 480-05-003; investigador
principal DP) junto con un suplemento de la Dutch Brain Foundation y la Universidad VU.
Numerosas (> 100) subvenciones de agencias gubernamentales junto con un importante apoyo
privado y de fundaciones en todo el mundo permitieron la recopilación de datos de fenotipo y
genotipo,
Contribuciones de autor
Concepción del proyecto:GB, SLP, HAPAnálisis:COD, PHL, PAH, GB, SR,
LR, LD, SNredacción del manuscrito:GB, CO'DPAH, PHL, LR,
LD, NPControl de calidad de los datos de Pgc:S. Ripke y BMNRevisiones al
manuscrito:GB, DHG, COD, LR, PHL, NPGrupo de trabajo Pgc network and
Pathway Analysis:SR, BMN, SMP, DHG, PAH, PHL, MM, COD, DP, LR, LD, PFS,
JWS, NRW, ZZPresidentes de grupos de trabajo de PGC:MJD (análisis), SVF
(TDAH), MJD y BD (copresidentes de ASD), GB y PAH (subgrupo de análisis de
redes y vías), JK y P. Sklar (copresidentes de trastorno bipolar), PFS (trastorno
depresivo mayor) , MCO'D. (esquizofrenia) y JWS y KSK (copresidentes del grupo
de trastornos cruzados).recolección, genotipado y análisis para grupos de
trabajo de Pgc. Grupo de trabajo Pgc AdHd:BMN, SVF, AT, RA, PA, T.
Banaschewski, M. Bayés, JB, JKB, MC, BC, JC, AED,
RPE, JE, BF, CMF, L. Kent, JK, K.-PL, SKL, JM, JJM, SEM, JMS,
A. Miranda, SFN, RDO, JAR-Q., A. Reif, M. Ribasés, HR, A. Rothenberger,
JAS, RS, SL Smalley, EJSS-B., H.-CS, AAT y NWGrupo de trabajo PGC ASd:RA,
DEA, AJB, AB, CB, JD Buxbaum, A. Chakravarti, EHC, HC, MLC, GD, ED, SE, EF,
CMF, L. Gallagher, DHG, M. Gill, DEG, JLH,
HH, JH, VH, SMK, L. Klei, DH Ledbetter, C. Señor, JKL, EM, SMM,
CLM, WMM, APM, DM-D.-L., EMM, M. Murtha, GO, AP, JRP, ADP,
MAP-V., J. Piven, FP, K. Rehnström, K. Roeder, GR, SJS, SL Santangelo,
GDS, SWS, M. Estado, JS Sutcliffe, P. Szatmari, AMV, VJV, CAW, THW,
EMW, AJW, TWY, BD y MJDGrupo de trabajo Pgc BPd:SMP, AD,
HA, OAA, AA, LB, JAB, JD Barchas, TBB, NB, M. Bauer, FB, SEB,
WB, DHRB, CSB, M. Boehnke, GB, R. Breuer, WEB, WFB, S. Caesar,
K. Chambert, S. Cichon, DAC, A. Corvin, WHC, DWC, RD, F. Degenhardt,
S. Djurovic, F. Dudbridge, HJE, BE, AEF, INF, M. Flickinger, TF, JF,
CF, LF, ESG, M. Gill, KG-S., EKG, TAG, DG, WG, HG, MLH,
M. Hautzinger, S. Herms, M. Hipólito, PAH, CMH, SJ, EGJ, IJ, LJ,
R. Kandaswamy, JLK, GKK, DLK, PK, M. Landén, NL, M. Lathrop,
J. Lawrence, WBL, M. Leboyer, PHL, J. Li, PL, D.-YL, C. Liu, FWL, SL,
PBM, WM, NGM, M. Mattheisen, KM, M. Mattingsdal, KAM, PM,
MGM, A. McIntosh, RM, AWM, FJM, A. McQuillin, SM, IM, FM,
GWM, JLM, GM, DWM, V. Moskvina, PM, TWM, WJM, BM-M.,
RMM, CMN, EN, VN, MMN, JIN, EAN, CO, UO, MJO, BSP,
JBP, PP, EMQ, S. Raychaudhuri, A. Reif, JPR, M. Rietschel, D. Ruderfer,
M. Schalling, AFS, WAS, NJS, TGS, J. Schumacher, M. Schwarz, ES, LJS,
PDS, ENS, DSC, M. Steffens, JS Strauss, J. Strohmaier, SS, RCT, FT, JT,
JBV, SJW, TFW, SHW, WX, AHY, PPZ, PZ, S. Zöllner, JRK, P. Sklar,
MJD, MCO y NCGrupo de trabajo de Pgc mdd:MRB, T. Bettecken, EBB,
DHRB, DIB, GB, R. Breuer, S. Cichon, WHC, IWC, D. Czamara, EJDG,
F. Degenhardt, AEF, JF, SDG, M. Gross, SPH, ACH, AKH, S. Herms,
IBH, FH, WJH, S. Hoefels, J.-JH, MI, IJ, LJ, J.-YT, JAK, MAK,
AK, WBL, DFL, CML, D.-YL, SL, DJM, PAFM, WM, NGM,
M. Mattheisen, PJM, PM, A. McIntosh, AWM, CMM, LM, GWM, PM,
BM-M., WAN, MMN, DRN, BWP, MLP, JBP, M. Rietschel, WAS,
TGS, J. Shi, SIS, SL Slager, JHS, M. Steffens, FT, JT, MU, EJCGvdO,
GVG, MMW, GW, FGZ, PFS y NRWGrupo de trabajo Pgc ScZ:
publicación anticipada en líneaNEUROCIENCIA DE LA NATURALEZA

S. Ripke, BMN, SMP, BJM, IA, FA, OAA, MHA, NB, DWB, DHRB,
R. Bruggeman, NGB, WFB, WC, RMC, K. Choudhury, S. Cichon, CRC,
PC, A. Corvin, D. Curtis, S. Datta, S. Djurovic, GJD, JD, F. Dudbridge, AF, RF,
NBF, M. Friedl, PVG, L. Georgieva, IG, M. Gill, HG, LDH, MLH, TFH,
AMH, PAH, CMH, AI, AKK, RSK, MCK, EK, YK, GKK, BK,
L. Krabbendam, R. Krasucki, J. Lawrence, PHL, TL, DFL, JAL, D.-YL,
DH Linszen, PKEM, WM, AKM, M. Mattheisen, M. Mattingsdal, SM,
SAM, A. McIntosh, A. McQuillin, HM, IM, V. Milanova, DWM,
V. Moskvina, IM-G., MMN, CO, AO, LO, RAO, MJO, CNP, MTP,
BSP, J. Pimm, DP, VP, DJQ, HBR, M. Rietschel, LR, D. Ruderfer, D. Rujescu,
ARS, TGS, J. Shi, JMS, DSC, TSS, ST, JVO, PMV, TW, S. Zammit,
P. Sklar, MJD, MCO, NC, PFS y KSKGrupo de trabajo del grupo de
trastornos cruzados de Pgc:SHL, S. Ripke, BMN, SMP, RHP, AT, AF, MCN,
JIN, BWP, M. Rietschel, TGS, NC, SL Santangelo, PFS, JWS, KSK y
NRWGrupo de trabajo de Análisis Pgc:SHL, S. Ripke, BMN, SMP, VA,
EMB, PHL, SEM, MCN, DP, GB, MJD y NRW
INTERESES FINANCIEROS EN COMPETENCIA
Los autores declaran intereses financieros contrapuestos: los detalles están disponibles en elversión en
línea del periódico.
La información sobre reimpresiones y permisos está disponible en línea enhttp://www.nature.com/
reprints/index.html.
© 2015 Nature America, Inc. Todos los derechos reservados.
1. Vos, T.et al.Años vividos con discapacidad (YLD) para 1160 secuelas de 289 enfermedades y
lesiones 1990-2010: un análisis sistemático para el Estudio de carga global de enfermedad
2010.Lanceta380, 2163–2196 (2012).
2. Lee, SHet al.Relación genética entre cinco trastornos psiquiátricos estimados a partir
de SNP de todo el genoma.Nat. Gineta.45, 984–994 (2013).
3. Grupo de Trastornos Cruzados del Consorcio de Genómica Psiquiátricay otros. Identificación de loci de
riesgo con efectos compartidos en cinco trastornos psiquiátricos principales: un análisis de todo el
genoma.Lanceta381, 1371–1379 (2013).
4. Mirnics, K., Middleton, FA, Marquez, A., Lewis, DA y Levitt, P. Caracterización molecular
de la esquizofrenia vista por análisis de micromatrices de la expresión génica en la
corteza prefrontal.Neurona28, 53–67 (2000).
5. Nam, D. & Kim, SY Enfoque de conjunto de genes para el análisis de patrones de expresión.
Breve. Bioinformar.9, 189–197 (2008).
6. Ackermann, M. & Strimmer, K. Un marco modular general para el análisis de enriquecimiento de
conjuntos de genes.BMC Bioinformática10, 47 (2009).
7. Baranzini, SEet al.Análisis basado en vías y redes de estudios de asociación de todo el genoma
en la esclerosis múltiple.Tararear. mol. Gineta.18, 2078–2090 (2009).
8. Wang, K.et al.Diversos estudios de asociación del genoma completo asocian la vía IL12/IL23
con la enfermedad de Crohn.Soy. J. Hum. Gineta.84, 399–405 (2009).
9. Holmans, P.et al.El análisis de ontología genética de los conjuntos de datos del estudio GWA
proporciona información sobre la biología del trastorno bipolar.Soy. J. Hum. Gineta.85, 13–24 (2009).
10. O'Dushlaine, C.et al.Las vías moleculares involucradas en la adhesión de las células neuronales y el
andamiaje de la membrana contribuyen a la susceptibilidad a la esquizofrenia y al trastorno bipolar.
mol. Psiquiatríadieciséis, 286–292 (2011).
11. Grupo de Trabajo de Trastorno Bipolar del Consorcio GWAS Psiquiátrico. El análisis de
asociación del genoma a gran escala del trastorno bipolar identifica un nuevo locus de
susceptibilidad cercaODZ4.Nat. Gineta.43, 977–983 (2011).
12. Sullivan, PF El consorcio psiquiátrico GWAS: la gran ciencia llega a la psiquiatría.
Neurona68, 182–186 (2010).
13. Neale, BMet al.Metanálisis de estudios de asociación de todo el genoma del trastorno por
déficit de atención/hiperactividad.Mermelada. Academia Niño Adolesc. Psiquiatría49, 884–
897 (2010).
14. Consorcio para el Estudio de la Asociación del Genoma Psiquiátrico de Esquizofrenia. El
estudio de asociación del genoma identifica cinco nuevos loci de esquizofrenia.Nat. Gineta.
43, 969–976 (2011).
Colm O´Dushlaine1,2,257, Lizzy Rossin2,257, Phil H Lee3,257, Laramie Duncan2,4, Neelroop N Parikshak5, Stephen
Newhouse6,7, Stephan Ripke2,4, Benjamin M. Neale2,4, Shaun M Purcell2,4,8, Danielle Póstuma9–11, Juan I
Nurnberger12,13, S Hong Lee14, Esteban V Faraone15,16, Roy H. Perlis2,3, Bryan J Mowry14,17, Anita Thapar18,19,
Michael E. Goddard20,21, John S. Witte22, Devin Absher23, Ingrid Agarz24,25, Huda Akil26, Farooq Amin27, Ole A
Andreassen24,28, Adebayo Anjorin29, Ricardo Anney30, Verneri Antila2, Dan E Arking31, Felipe Asherson6, María H
Azevedo32, Lena Backlund33, Judith A. Badner34, Anthony J. Bailey35, Tobías Banaschewski36, Jack D. Barchas37,
Michael R. Barnes38, Thomas B. Barrett39, Nicolás Bass29, Agatino Battaglia40, Michael Bauer41, Mónica Bayés42,
Frank Bellivier43–46, Sarah E Bergen4,3,47,
wade berretini48, Catalina Betancur49–51, Thomas Bettecken52, Joseph Biedermann53, Elisabeth B Carpeta52,
Donald W Negro54, Douglas HR Blackwood55, Flor de canela56,57, Michael Boehnke58,59, Dorret y Boomsma60–62,
René Breuer63, Richard Bruggemann64, Paul Cormican30, Nancy G. Buccolasesenta y cinco,
NEUROCIENCIA DE LA NATURALEZApublicación anticipada en línea
archivo IC de arte
15. Grupo de Trabajo de Trastorno Depresivo Mayor del PGCy otros. Un megaanálisis de
estudios de asociación de todo el genoma para el trastorno depresivo mayor.mol.
Psiquiatría18, 497–511 (2013).
16. Brown, MB Un método para combinar pruebas unilaterales no independientes de
significancia.Biometría31, 987–992 (1975).
17. McLaren, PJet al.Estudio de asociación de variantes genéticas comunes y adquisición
de VIH-1 en 6.300 casos infectados y 7.200 controles.Patog de PLoS.9, e1003515
(2013).
18. Kang, HJet al.Transcriptoma espacio-temporal del cerebro humano.Naturaleza478,
483–489 (2011).
19. Gong, S.et al.Un atlas de expresión génica del sistema nervioso central basado en
cromosomas artificiales bacterianos.Naturaleza425, 917–925 (2003).
20. Xu, X., Pozos, AB, O′Brien, DR, Nehorai, A. & Dougherty, JD Análisis de expresión específica de
tipo celular para identificar mecanismos celulares putativos para trastornos neurogenéticos.
J. Neurosci.34, 1420–1431 (2014).
21. Doyle, JPet al.Aplicación de un enfoque de perfilado traslacional para el análisis comparativo
de tipos de células del SNC.Celúla135, 749–762 (2008).
22. Grupo de Trabajo de Esquizofrenia de la Genómica Psiquiátrica. C. Conocimientos biológicos
de 108 loci genéticos asociados a la esquizofrenia.Naturaleza511, 421–427 (2014).
23. Kírov, G.et al.El análisis de CNV de novo implica anomalías específicas de los complejos de
señalización postsináptica en la patogenia de la esquizofrenia.mol. Psiquiatría17, 142–153
(2012).
24. Purcell, SMet al.Una carga poligénica de mutaciones disruptivas raras en la esquizofrenia.
Naturaleza506, 185–190 (2014).
25. Voineagu, I.et al.El análisis transcriptómico del cerebro autista revela una patología
molecular convergente.Naturaleza474, 380–384 (2011).
26. Ting, JT, Peça, J. & Feng, G. Consecuencias funcionales de las mutaciones en las proteínas de
andamiaje postsinápticas y relevancia para los trastornos psiquiátricos.año Rev. Neurosci.
35, 49–71 (2012).
27. Purcell, SMet al.Una carga poligénica de mutaciones disruptivas raras en la esquizofrenia.
Naturaleza506, 185–190 (2014).
28. Fromer, M.et al. de novolas mutaciones en la esquizofrenia implican redes sinápticas.
Naturaleza506, 179–184 (2014).
29. Cruceanu, C.et al.La trimetilación de H3K4 en los genes de sinapsina conduce a
diferentes patrones de expresión en el trastorno bipolar y la depresión mayor.En t. J.
Neuropsicofarmaco.dieciséis, 289–99 (2013).
30. Jarome, TJ & Lubin, FD Metilación de lisina de histona: regulador crítico de la memoria y el
comportamiento.Rev. Neurosci.24, 375–387 (2013).
31. Ben-David, E. & Shifman, S. El análisis combinado de la secuenciación del exoma apunta hacia un papel
importante para la regulación de la transcripción durante el desarrollo del cerebro en el autismo.
mol. Psiquiatría18, 1054–1056 (2013).
32. Parikshak, NNet al.Los análisis genómicos funcionales integradores implican vías y
circuitos moleculares específicos en el autismo.Celúla155, 1008–1021 (2013).
33. Ronemus, M., Iossifov, I., Levy, D. & Wigler, M. El papel dede novomutaciones en la
genética de los trastornos del espectro autista.Nat. Rev. Genet.15, 133–141 (2014).
34. Bauman, Alabamaet al.Los transportadores de aminas biogénicas sensibles a la cocaína y los
antidepresivos existen en complejos regulados con la proteína fosfatasa 2A.J. Neurosci.20,
7571–7578 (2000).
35. Dieperink, E., Willenbring, M. & Ho, SB Síntomas neuropsiquiátricos asociados con la
hepatitis C y el interferón alfa: una revisión.Soy. J. Psiquiatría157, 867–876 (2000).
36. Susser, E., St Clair, D. & He, L. Efectos latentes de la desnutrición prenatal en la salud de los adultos: el
ejemplo de la esquizofrenia.Ana. Academia de Nueva York. ciencia1136, 185–192 (2008).
37. Heijmans, BT, Tobi, EW, Lumey, LH & Slagboom, PE El epigenoma: archivo del
entorno prenatal.epigenética4, 526–531 (2009).
38. Brykczynska, U.et al.La metilación represiva y activa de histonas marca distintos promotores en
espermatozoides humanos y de ratón.Nat. Estructura. mol. Biol.17, 679–687 (2010).
39. Huang, SAet al.La disfunción prefrontal en la esquizofrenia implica la metilación de histonas
regulada por leucemia de linaje mixto 1 en los promotores de genes GABAérgicos.J.
Neurosci. 27, 11254–62 (2007).
40. Yauch, RL & Settleman, J. Avances recientes en terapias farmacológicas contra el cáncer
dirigidas a vías que surgen del análisis del genoma del cáncer.actual Opinión Gineta.
desarrollo22, 45–49 (2012).
 archivo IC de arte

Jan K Buitelaar66, William E. Bunney67, Joseph D. Buxbaum68, William F. Byerley69,70, Enda M. Byrne14,
Sian César71, Wiepke Cahn72, Rita Cantor73, Miguel Casas74,75, Aravinda Chakravarti31,
Kimberly Chambert4, Khalid Choudhury29, Sven Cichón76–79, Manuel Matheisen78,80–82, C Robert Cloninger83,
David A Collier6, Edwin H Cook84, Hilary Coon85, Bru Cormand86–88, Aiden Corvin30, William H. Coryell54, David W.
Craig89, Ian W Craig6, Jennifer Crosbie90, Michael L Cuccaro91, David Curtis92, Darina Czamara52,93, Susmita Datta
94, Geraldine Dawson95–97, Ricardo Día98, Eco J De Geus60–62, Franziska Degenhardt76,78, Srdjan Djurovic24,99, Gary
J. Donohoe30, Alysa E. Doyle100, Jubao Duan101, Frank Dudbridge102, Eftichia Duketis103, Richard P. Ebstein104,
Howard J Edenberg105, Josefina Elia48,106, Sean Ennis107, Bruno Étain43,46,108, Ayman Fanous109,110, Anne E
Granjero6, Nicol Ferrier111, Mateo Flickinger58,59, Eric Fombonne112,113, Tatiana Foroud22, José Frank63, Bárbara
Franke66, Christine Fraser18,19, Robert Freeman114, Nelson B. Freimer115, Christine M. Freitag103, Marion Friedl116,
Luisa Frisén33, Luisa Gallagher30, Pablo V Gejman101, Lyudmila Georgieva18,19, Elliot S. Gershon34, Ina Giegling116,
Michael Gil30, Scott D Gordon117, Katherine Gordon-Smith18,71, Elaine K Verde118, tiffany a greenwood119, Dorothy
E Grice120,121, Magdalena Gross122, Detelina Grozeva18, WeihuaGuan58,59,123, Hugh Gurling29, Lieuwe De Haan124,
Jonathan L Haines125, Hakon Hakonarson126,127, Joachim Hallmayer128, Steven P Hamilton69, Marian L. Hamshere
129, Thomas F. Hansen80,130, Annette M. Hartmann116, Martín Hautzinger129, Andrew C Heath83, Anjali K. Henders
117, Stefan Hermes76,79, Ian B. Hickie131, María Hipólito132, Susanne Höfels122, Florian Holsboer52, Witte J.
Hoogendijk133, Jouke-Jan Hottenga60,62, Christina M. Hultman47, Vanessa Hus134, Andrés Ingason80,130, Marcus
Iing52, Stéphane Jamain43,46,108, Edward G Jones80,130, Ian Jones18,19, Lisa Jones71, Jung Ying Tzeng135, Anna K.
© 2015 Nature America, Inc. Todos los derechos reservados.

Kähler47, René S. Kahn72, Radhika Kandaswamy29, Mateo C Keller136, James L Kennedy137, Elaine Kenny30, Lindsey
Kent138, Yun Jung Kim139, George K Kirov18,19, Sabine M. Klauck140, Lambertus Klei141, James A. Knowles142,
Martín A. Kohli52, Daniel L Koller22, Bettina Konte116, Ania Korszun143, Lydia Krabbendam144, Robert Krasucki29,
Jonna Kuntsi6, Fénix Kwan58,59, Mikael Landen47,145, Niklas Langström47, Marcos Lathrop146, Jacob Lawrence29,
William B. Lawson132, Marion Leboyer43,46,108, David H. Ledbetter147, Todd Lencz148–150, Klaus-Peter Lesch151,152,
Douglas F. Levinson153, Cathryn M Lewis6, Jun Li154,

Pablo Liechtenstein47, Jeffrey A Lieberman155, Dan Yu Lin156, Don H. Linszen157, Chunyu Liu158, Falk W. Lohoff48,
Sandra K Loo115,159, Catalina Señor160, Jennifer K. Lowe161,162, Susanne Lucae52, Donald J. MacIntyre55, Pamela AF
Madden83, Elena Maestrini163, Patrik KE Magnusson47, Pamela B Mahón164, Wolfgang Maier122, Anil K. Malhotra
148–150, Shrikant M. Mane165, Christa L Martín147, Nicolás G Martín117, Keith Matthews98, Morten Mattingsdal24,166,
Steven A McCarroll4, Kevin A McGhee55, James J McGough167, Patrick J McGrath155, Peter McGuffin6, Melvin G.
McInnis168, Andrew McIntosh55,169, Rebecca Mc Kinney119, Alan W McLean55,169, Francis J. McMahon170, William M.
McMahon85, Andrew Mc Quillin29, Helena Medeiros142, Sarah E. Medland117, Sandra Meier63, Ingrid Melle24,28, Fan
Meng26, Jobst Meyer171, Christel M Middeldorp60,62, Lefkos Middleton172, Vihra Milanova173, Ana Miranda174,
Anthony P Mónaco175,176, Grant W. Montgomery117, Jennifer L Morán4, Daniel Moreno-De-Luca177, Gunnar
Morken178,179, Derek W Morris30, Eric M Morrow180,181, Valentina Moskvina18,182, Pierandrea Muglia183, Thomas W
Mühleisen76,78,184, Walter J. Muir55,169,256, Bertram Müller-Myhsok52,93, Michael Murta185, Richard M. Myers23, Inez
Myin-Germeys144,
Michael C Neale110, Stan F Nelson115, Caroline M. Nievergelt119, Iván Nikolov18,19, Vishwajit Nimgaonkar186,187,
Willem A. Nolen188, Markus M. Nöthen76,78, Evaristus A Nwulia132, Dale R. Nyholt117, Robert D Oades189, Ann
Olincy114, Guiomar Oliveira32,190, Línea Olsen80,130, Roel A Ophoff115,191, Urbano Osby33, Michael J Owen18,19,
Aarno Palotie192, Jeremy R. Parr111, Andrew D. Paterson193,194, Carlos N. Pato142, Michele Pato142, Brenda W
Penninx61,62,195, Michele L Pergadia83, Margaret A Pericak-Vance91, Benjamin S. Pickard55,169, Jonathan Pimm29,
José Piven97, James B Potasa54, Fritz Pouska103, Peter apuntalando78, Vinay Puri29, Digby J Quested196, Emma M
Quinn30, Josep Antoni Ramos-Quiroga74,75, Henrik B Rasmussen80,130, Soumya Raychaudhuri2,4, Karola
Rehnström192, Andreas Reif197, Marta Ribase74,198, John P Rice199, Marcela Rietschel63, Kathryn Roeder200, Herbert
Royers201, Aribert Rothenberger202, Guy Rouleau203, Douglas Ruderfer8, Dan Rujescu116, Alan R. Sanders101,
Stephan J Sanders177,186,204,205, Susan L Santangelo206,207, José A Sargento208, Russell Schachar90, Martín Schalling
33, Alan F Schatzberg209, William Scheftner210, Gerard D. Schellenberg211, Stephen W Scherer212, Nicolás J. Schork
56,213, Thomas G. Schulze164,214, Johanes Schumacher78, Markus Schwarz215, Edward Scolnick4, Laura J Scott58,59,

publicación anticipada en líneaNEUROCIENCIA DE LA NATURALEZA

 archivo IC de arte

Jianxin Shi216, Paul D Shilling119, Stanley y Shyn217, Jeremy M Silverman121, Susan L. Slager218, Susan
L. Smalley115,159, Johannes H Smit61,195, Erin Smith56,213, Edmund JS Sonuga-Barke201,219, David St
Clair220, Mateo Estado177,185,204, Michael Steffens221, Hans-Christoph Steinhausen222–224, John S.
Strauss225, Jana Strohmaier63, T Scott Stroup226, James S. Sutcliffe227, Peter Szatmari228–230,
Szabocls Szelinger89, Srinivasa Thirumalai231, Robert C. Thompson26, Alexandre A Todorov83, Federica Tozzi183,
Jens Treutlein63, Manfred Uhr52, Edwin JCG van den Oord232, Gerard Van Grootheest61,195, Jim Van Os144, Astrid M
Vicente233–235, Verónica J. Vieland236, Juan B Vicente226, Peter M. Visscher30, Christopher A. Walsh237–240, Thomas
H. Wassink54, Stanley J Watson26, Myrna M. Weissman241, Thomas Werge130,80,242, Thomas F Wienker243, Ellen M.
Wijsman244,245, Gonneke Willemsen60,61, Nigel Williams18,19, Jeremy Willsey185,204,
Stephanie H Witt63, Wei Xu194, Allan H Young111,246, Timothy W Yu247, Stanley Zammit18,19, Peter P. Zandi248, Peng
Zhang58,59,168, Frans G. Zitman249, Sebastián Zöllner58,59,168, Consorcio Internacional de Genética de la Enfermedad
Inflamatoria Intestinal (IIBDGC)250, Bernie Devlin141, John R. Kelsoe119,251, Pamela Sklar19, Mark J Daly2,4, Michael C
O'Donovan18,19, Nicolás Craddock18,19, Kenneth S. Kendler110,252,253, Lauren A. Weiss69, Naomi R Wray14, Zhaoming
Zhao254,255, Daniel H Geschwind161,162, Patrick F. Sullivan139, Jordan W Smoller3,4,
Pedro A Holmans18,182,257y Gerome Breen6,7,257

1Centro de Genética Regeneron, Regeneron Pharmaceuticals Inc., Tarrytown, NY.2Centro Stanley para la Investigación Psiquiátrica, Instituto Broad del MIT y Harvard, Cambridge,
© 2015 Nature America, Inc. Todos los derechos reservados.

Massachusetts, EE. UU.3Unidad de Genética Psiquiátrica y del Neurodesarrollo, Hospital General de Massachusetts, Boston, Massachusetts, EE. UU.4Unidad de Genética Analítica y
Traslacional, Hospital General de Massachusetts y Facultad de Medicina de Harvard, Boston, Massachusetts, EE. UU.5Programa en Genética Neuroconductual, Instituto Semel,
Facultad de Medicina David Geffen, UCLA, Los Ángeles, California, EE. UU.6Centro de Psiquiatría del Desarrollo y Genética Social (SGDP) del Consejo de Investigación Médica (MRC),
King's College London, Instituto de Psiquiatría, Psicología y Neurociencia, Londres, Reino Unido.7Centro de Investigación Biomédica para la Salud Mental del Instituto Nacional de
Investigación en Salud (NIHR), South London y Maudsley NHS Trust and Institute of Psychiatry, Londres, Reino Unido.8División de Genómica Psiquiátrica, Departamento de
Psiquiatría, Escuela de Medicina Icahn en Mount Sinai, Nueva York, Nueva York, EE. UU.9Departamento de Genómica Funcional, Universidad VU, Ámsterdam, Países Bajos.10
Departamento de Genética Clínica, Centro Médico VU, Ámsterdam, Países Bajos.11Departamento de Psiquiatría Infantil y Adolescente, Centro Médico de la Universidad Erasmus,
Rotterdam, Países Bajos.12Instituto de Investigación Psiquiátrica, Facultad de Medicina de la Universidad de Indiana, Indianápolis, Indiana, EE. UU.
13Departamento de Genética Médica y Molecular, Facultad de Medicina de la Universidad de Indiana, Indianápolis, Indiana, EE. UU.14La Universidad de Queensland, Queensland Brain Institute,
Brisbane, Queensland, Australia.15Departamento de Psiquiatría, Universidad Estatal de Nueva York (SUNY) Upstate Medical University, Syracuse, Nueva York, EE. UU.dieciséisDepartamento de
Neurociencia y Fisiología, SUNY Upstate Medical University, Syracuse, Nueva York, EE. UU.17Centro de Investigación de Salud Mental de Queensland, Wacol, Queensland, Australia.18Centro MRC de
Genética y Genómica Neuropsiquiátrica, Facultad de Medicina de la Universidad de Cardiff, Cardiff, Reino Unido.19Instituto de Medicina Psicológica y Neurociencias Clínicas, Facultad de Medicina
de la Universidad de Cardiff, Cardiff, Reino Unido.20División de Investigación de Biociencias, Departamento de Medio Ambiente e Industrias Primarias Victoria, Melbourne, Victoria, Australia.21
Facultad de Tierra y Medio Ambiente, Universidad de Melbourne, Melbourne, Victoria, Australia.
22Departamento de Epidemiología y Bioestadística, Universidad de California, San Francisco, San Francisco, California, EE. UU.23Instituto de Biotecnología HudsonAlpha, Huntsville,
Alabama, EE. UU.24Centro KG Jebsen para la Investigación de la Psicosis, Instituto de Medicina Clínica, Universidad de Oslo, Oslo, Noruega.25Departamento de Investigación,
Hospital Diakonhjemmet, Oslo, Noruega.26Laboratorio de Psiquiatría Molecular, Instituto de Neurociencia Molecular y del Comportamiento, Universidad de Michigan, Ann Arbor,
Michigan, EE. UU.27Departamento de Psiquiatría y Ciencias del Comportamiento, Centro Médico de Asuntos de Veteranos de Atlanta, Universidad de Emory, Atlanta, Georgia, EE.
UU.28División de Salud Mental y Adicciones, Hospital Universitario de Oslo, Oslo, Noruega.29Unidad de Ciencias de la Salud Mental, University College London, Londres, Reino
Unido.30Departamento de Psiquiatría, Trinity College Dublin, Dublín, Irlanda.31Instituto McKusick-Nathans de Medicina Genética, Facultad de Medicina de la Universidad Johns
Hopkins, Baltimore, Maryland, EE. UU.32Facultad de Medicina, Universidad de Coimbra, Coimbra, Portugal.33Departamento de Medicina y Cirugía Molecular, Centro de Medicina
Molecular, Instituto Karolinska, Estocolmo, Suecia.34Departamento de Psiquiatría, Universidad de Chicago, Chicago, Illinois, EE. UU.35Departamento de Psiquiatría, Universidad de
British Columbia, Vancouver, British Columbia, Canadá.36Departamento de Psiquiatría y Psicoterapia de Niños y Adolescentes, Instituto Central de Salud Mental, Facultad de
Medicina de Mannheim, Universidad de Heidelberg, Mannheim, Alemania.37Departamento de Psiquiatría, Weill Medical College, Universidad de Cornell, Nueva York, Nueva York,
EE. UU.38GlaxoSmithKline, Londres, Reino Unido.39Centro Médico de Asuntos de Veteranos de Portland, Portland, Oregón, EE. UU.40Instituto Stella Maris de Neuropsiquiatría del
Niño y del Adolescente, Calambrone, Pisa, Italia.41Departamento de Psiquiatría y Psicoterapia, Hospital Universitario Carl Gustav Carus, Dresden, Alemania.42Centro Nacional de
Análisis Genómico (CNAG), Parc Científic de Barcelona (PCB), Barcelona, España.43Institut National de la Santé et de la Recherche Médicale (INSERM) U955, Psychiatrie Génétique,
Créteil, Francia.44Université Denis Diderot, París, Francia.45Assistance Publique–Höpitaux de Paris (AP-HP), Groupe Hospitalier Saint-Louis, Lariboisiere, F Widal, Departamento de
Psiquiatría, París, Francia.46Grupo ENBREC (Red Europea de Centros Expertos en Investigación Bipolar), Fondation FondaMental, Créteil, Francia.47Departamento de Epidemiología
Médica y Bioestadística, Instituto Karolinska, Estocolmo, Suecia.48Departamento de Psiquiatría, Universidad de Pensilvania, Filadelfia, Pensilvania, EE. UU.49INSERM U952, París,
Francia.50Centre National de la Recherche Scientifique (CNRS) Unité Mixte de Recherche (UMR) 7224, París, Francia.51Université Pierre et Marie Curie, París, Francia.52Instituto Max
Planck de Psiquiatría, Munich, Alemania.53Programas Clínicos y de Investigación en Psicofarmacología Pediátrica y TDAH en Adultos, Massachusetts General Hospital y Harvard
Medical School, Boston, Massachusetts, EE.UU.
54Departamento de Psiquiatría, Universidad de Iowa, Iowa City, Iowa, EE. UU.55División de Psiquiatría, Universidad de Edimburgo, Royal Edinburgh Hospital, Edimburgo, Reino Unido.
56El Instituto de Ciencias Traslacionales Scripps, La Jolla, California, EE. UU.57Scripps Health, La Jolla, California, Estados Unidos.58Departamento de Bioestadística, Escuela de Salud Pública,
Universidad de Michigan, Ann Arbor, Michigan, EE. UU.59Centro de Genética Estadística, Escuela de Salud Pública, Universidad de Michigan, Ann Arbor, Michigan, EE. UU.60Departamento de
Psicología Biológica, Universidad VU, Ámsterdam, Países Bajos.61EMGO+ (ExtraMuraalGeneeskundig Onderzoek) Instituto de Investigación en Salud y Atención, Ámsterdam, Países Bajos.62Campus
de Neurociencias Ámsterdam, Ámsterdam, Países Bajos.63Departamento de Epidemiología Genética en Psiquiatría, Instituto Central de Salud Mental, Facultad de Medicina de Mannheim,
Universidad de Heidelberg, Mannheim, Alemania.64Departamento de Psiquiatría, Centro Médico Universitario de Groningen, Universidad de Groningen, Groningen, Países Bajos.sesenta y cincoEscuela
de Enfermería, Centro de Ciencias de la Salud de la Universidad Estatal de Luisiana, Nueva Orleans, Luisiana, EE. UU.66Departamento de Neurociencia Cognitiva, Instituto Donders para el Cerebro, la
Cognición y el Comportamiento, Centro Médico de la Universidad de Radboud, Nijmegen,
Los países bajos.67Departamento de Psiquiatría y Comportamiento Humano, Universidad de California, Irvine, Irvine, California, EE. UU.68Seaver Autism Center for Research and
Treatment, Department of Psychiatry, Icahn School of Medicine at Mount Sinai, Nueva York, Nueva York, EE. UU.69Departamento de Psiquiatría, Universidad de California, San
Francisco, San Francisco, California, EE. UU.70NCIRE (Instituto de Investigación y Educación Q del Norte de California), San Francisco, California, EE. UU.71Departamento de
Psiquiatría, Universidad de Birmingham, Birmingham, Reino Unido.72Departamento de Psiquiatría, Instituto Rudolf Magnus de Neurociencia, Centro Médico Universitario, Utrecht,
Países Bajos.73Escuela de Medicina David Geffen, Universidad de California, Los Ángeles, Los Ángeles, California, EE. UU.74Departamento de Psiquiatría, Hospital Universitari Vall
d'Hebron, CIBERSAM (Centro de Investigación Biomédica en el Área de Salud Mental), Barcelona, España.75Departamento de Psiquiatría y Medicina Legal, Universitat Autònoma de
Barcelona, Barcelona, España.76Departamento de Genómica, Life & Brain Center, Universidad de Bonn, Bonn, Alemania.77Instituto de Neurociencia y Medicina (INM-1), Centro de
Investigación Jülich, Jülich, Alemania.78Instituto de Genética Humana, Universidad de Bonn, Bonn, Alemania.79División de Genética Médica, Departamento de Biomedicina,
Universidad de Basilea, Basilea, Suiza.80La Iniciativa Lundbeck para la Investigación Psiquiátrica Integrativa, iPSYCH, Roskilde, Dinamarca.81Departamento de Biomedicina,
Universidad de Aarhus, Aarhus, Dinamarca.82Departamento de Matemáticas Genómicas, Universidad de Bonn, Bonn, Alemania.
83Departamento de Psiquiatría, Facultad de Medicina de la Universidad de Washington, St. Louis, Missouri, EE. UU.84Departamento de Psiquiatría, Instituto de Investigaciones Juveniles,

NEUROCIENCIA DE LA NATURALEZApublicación anticipada en línea

 archivo IC de arte

Universidad de Illinois, Chicago, Illinois, Estados Unidos.85Departamento de Psiquiatría, Universidad de Utah, Salt Lake City, Utah, EE. UU.86Departamento de Genética, Facultat de Biologia,
Universitat de Barcelona, Barcelona, España.87Centro de Investigación Biomédica en Red de Enfermedades Raras (CIBERER), Barcelona, España.88Institut de Biomedicina de la Universitat de
Barcelona (IBUB), Barcelona, España.89Instituto de Investigación de Genómica Traslacional, Phoenix, Arizona, EE. UU.90Programa de Neurociencias y Salud Mental, The Hospital for Sick Children,
Universidad de Toronto, Toronto, Ontario, Canadá.91Instituto John P. Hussman de Genómica Humana, Universidad de Miami, Miami, Florida, EE. UU.92East London NHS Foundation Trust, Queen
Mary, Universidad de Londres, Londres, Reino Unido.93Clúster de Múnich para Neurología de Sistemas (SyNergy), Múnich, Alemania.94Instituto de Genética, University College London, Londres,
Reino Unido.95Autism Speaks, Nueva York, Nueva York, Estados Unidos.96Departamento de Psiquiatría, Universidad de Carolina del Norte en Chapel Hill, Chapel Hill, Carolina del Norte, EE. UU.97
Instituto de Carolina para Discapacidades del Desarrollo, Universidad de Carolina del Norte en Chapel Hill, Chapel Hill, Carolina del Norte, EE. UU.98División de Neurociencia, Instituto de
Investigación Médica, Universidad de Dundee, Ninewells Hospital & Medical School, Dundee, Reino Unido.99Departamento de Genética Médica, Hospital Universitario de Oslo, Oslo, Noruega.100
Unidad de Genética Psiquiátrica y del Neurodesarrollo, Hospital General de Massachusetts y Facultad de Medicina de Harvard, Boston, Massachusetts, EE. UU.101Departamento de Psiquiatría y
Ciencias del Comportamiento, Sistema de Salud de la Universidad NorthShore y Universidad de Chicago, Evanston, Illinois, EE. UU.102Departamento de Epidemiología de Enfermedades No
Transmisibles, Escuela de Higiene y Medicina Tropical de Londres, Londres, Reino Unido.103Departamento de Psiquiatría, Psicosomática y Psicoterapia Infantil y Adolescente, Universidad JW Goethe
de Frankfurt, Frankfurt, Alemania.104Departamento de Psicología, Universidad Nacional de Singapur, Singapur.105Departamento de Bioquímica y Biología Molecular, Facultad de Medicina de la
Universidad de Indiana, Indianápolis, Indiana, EE. UU.106AI Dupont Hospital for Children, Universidad de Pensilvania, Filadelfia, Pensilvania, EE. UU.107Facultad de Medicina, Medical Science
University College, Dublín, Irlanda.108AP-HP, Höpital H Mondor–A Chenevier, Departamento de Psiquiatría, Créteil, Francia.109Departamento de Psiquiatría, Facultad de Medicina de la Universidad
de Georgetown, Washington, DC, EE. UU.110Virginia Institute of Psychiatric and Behavioral Genetics, Virginia Commonwealth University, Richmond, Virginia, EE. UU.

111Instituto de Neurociencia, Universidad de Newcastle, Newcastle upon Tyne, Reino Unido.112Departamento de Psiquiatría, Universidad de Ciencias y Salud de Oregón, Portland, Oregón, EE. UU.113
Instituto para el Desarrollo y la Discapacidad, Universidad de Ciencias y Salud de Oregón, Portland, Oregón, EE. UU.114Departamento de Psiquiatría, Universidad de Colorado Denver, Aurora,
Colorado, EE. UU.115Centro de Genética Neuroconductual, Universidad de California, Los Ángeles, Los Ángeles, California, EE. UU.116Departamento de Psiquiatría, Universidad de Halle, Halle,
Alemania.117Instituto de Investigación Médica de Queensland, Brisbane, Queensland, Australia.118Departamento de Ciencias Biomédicas y Biológicas, Universidad de Plymouth, Plymouth, Reino
Unido.119Departamento de Psiquiatría, Universidad de California, San Diego, La Jolla, California, EE. UU.120División de Tics, TOC y trastornos relacionados, Escuela de Medicina Icahn en Mount Sinai,
Nueva York, Nueva York, EE. UU.121Departamento de Psiquiatría, Escuela de Medicina Icahn en Mount Sinai, Nueva York, Nueva York, EE. UU.122Departamento de Psiquiatría, Universidad de Bonn,
Bonn, Alemania.123División de Bioestadística, Universidad de Minnesota, Minneapolis, Minnesota, EE. UU.124Departamento de Psiquiatría, Centro Médico Académico, Universidad de Ámsterdam,
Ámsterdam, Países Bajos.125Centro de Investigación en Genética Humana, Centro Médico de la Universidad de Vanderbilt, Nashville, Tennessee, EE. UU.126Centro de Genómica Aplicada, División de
Genética Humana, Hospital de Niños de Filadelfia, Filadelfia, Pensilvania, EE. UU.127Departamento de Pediatría, Facultad de Medicina de la Universidad de Pensilvania, Filadelfia, Pensilvania, EE. UU.
128Departamento de Psiquiatría, Facultad de Medicina, Universidad de Stanford, Stanford, California, EE. UU.129Departamento de Psicología Clínica y del Desarrollo, Universidad Eberhard Karls de
© 2015 Nature America, Inc. Todos los derechos reservados.

Tübingen, Tübingen, Alemania.130Instituto de Psiquiatría Biológica, Hospital Universitario de Copenhague, Roskilde, Dinamarca.131Instituto de Investigación del Cerebro y la Mente, Universidad de
Sydney, Sydney, Nueva Gales del Sur, Australia.132Departamento de Psiquiatría y Ciencias del Comportamiento, Facultad de Medicina de la Universidad de Howard, Washington, DC, EE. UU.133
Departamento de Psiquiatría, Centro Médico Erasmus, Rotterdam, Países Bajos.134Departamento de Psicología, Universidad de Michigan, Ann Arbor, Michigan, EE. UU.135Centro de Investigación de
Bioinformática, Universidad Estatal de Carolina del Norte, Raleigh, Carolina del Norte, EE. UU.136Departamento de Psicología, Universidad de Colorado, Boulder, Colorado, EE. UU.137Sección de
Neurogenética Psiquiátrica, Centro para la Adicción y la Salud Mental, Toronto, Ontario, Canadá.138Escuela de Medicina, Universidad de St Andrews, St Andrews, Reino Unido.139Departamento de
Genética, Universidad de Carolina del Norte en Chapel Hill, Chapel Hill, Carolina del Norte, EE. UU.

140División de Análisis del Genoma Molecular, Centro Alemán de Investigación del Cáncer (DKFZ), Heidelberg, Alemania.141Departamento de Psiquiatría, Facultad de Medicina de la
Universidad de Pittsburgh, Pittsburgh, Pensilvania, EE. UU.142Departamento de Psiquiatría, Instituto Neurogenético Zilkha, Escuela de Medicina Keck, Universidad del Sur de
California, Los Ángeles, California, EE. UU.143Instituto Wolfson de Medicina Preventiva, Universidad Queen Mary de Londres, Londres, Reino Unido.144Departamento de Psiquiatría y
Neuropsicología, Centro Médico de la Universidad de Maastricht, Red de Investigación y Enseñanza de Salud Mental del Sur de Limburgo, Maastricht, Países Bajos.145Instituto de
Neurociencia y Fisiología, Universidad de Gotemburgo, Gotemburgo, Suecia.146Centre National de Genotypage, Evry, Francia.147Sistema de Salud Geisinger, Instituto de Medicina
del Desarrollo y Autismo, Danville, Pensilvania, EE. UU.148Departamento de Psiquiatría, División de Investigación, The Zucker Hillside Hospital Division of the North Shore, Long
Island Jewish Health System, Glen Oaks, Nueva York, EE. UU.149Centro de Neurociencia Psiquiátrica, Instituto Feinstein de Investigación Médica, Manhasset, Nueva York, EE. UU.150
Departamento de Psiquiatría y Ciencias del Comportamiento, Facultad de Medicina Albert Einstein de la Universidad Yeshiva, Bronx, Nueva York, EE. UU.
151División de Psiquiatría Molecular, Unidad de Investigación Clínica de TDAH, Departamento de Psiquiatría, Psicosomática y Psicoterapia, Universidad de Würzburg, Würzburg,
Alemania.152Departamento de Psiquiatría y Psicología, Escuela de Salud Mental y Neurociencia (MHENS), Universidad de Maastricht, Maastricht, Países Bajos.
153Departamento de Psiquiatría y Ciencias del Comportamiento, Universidad de Stanford, Stanford, California, EE. UU.154Departamento de Genética Humana, Universidad de Michigan, Ann Arbor,
Michigan, EE. UU.155Instituto Psiquiátrico del Estado de Nueva York, Universidad de Columbia, Nueva York, Nueva York, EE. UU.156Departamento de Bioestadística, Universidad de Carolina del
Norte en Chapel Hill, Chapel Hill, Carolina del Norte, EE. UU.157Departamento de Psiquiatría, Centro Médico Académico Universidad de Ámsterdam, Ámsterdam, Países Bajos.158Departamento de
Psiquiatría, Instituto de Genética Humana, Universidad de Illinois en Chicago, Chicago, Illinois, EE. UU.159Departamento de Psiquiatría y Ciencias Bioconductuales, Universidad de California, Los
Ángeles, Los Ángeles, California, EE. UU.160Centro para el Autismo y el Cerebro en Desarrollo, Weill Cornell Medical College, White Plains, Nueva York, EE. UU.161Departamento de Neurología,
Facultad de Medicina David Geffen, Universidad de California, Los Ángeles, Los Ángeles, California, EE. UU.162Centro de Investigación y Tratamiento del Autismo, Instituto Semel, Facultad de
Medicina David Geffen, Universidad de California, Los Ángeles, Los Ángeles, California, EE. UU.163Departamento de Farmacia y Biotecnología, Universidad de Bolonia, Bolonia, Italia.164
Departamento de Psiquiatría y Ciencias del Comportamiento, Universidad Johns Hopkins, Baltimore, Maryland, EE. UU.165Centro de Yale para el Análisis del Genoma, Orange, Connecticut, EE. UU.
166Hospital Sørlandet, Kristiansand, Noruega.167Psiquiatría Infantil y Adolescente, Instituto Semel, Facultad de Medicina David Geffen, Universidad de California, Los Ángeles, Los Ángeles,
California, EE. UU.168Departamento de Psiquiatría, Universidad de Michigan, Ann Arbor, Michigan, EE. UU.169Centro de Medicina Molecular, Universidad de Edimburgo, Edimburgo, Reino Unido.170
Instituto Nacional de Salud Mental, Institutos Nacionales de Salud de EE. UU., Bethesda, Maryland, EE. UU.171Departamento de Genética Neuroconductual, Universidad de Trier, Trier, Alemania.

172Investigación en neuroepidemiología y envejecimiento, Escuela de Salud Pública, Imperial College London, Londres, Reino Unido.173Departamento de Psiquiatría, Primera Clínica Psiquiátrica,
Hospital Universitario Alexander, Sofía, Bulgaria.174Departamento de Psicología Evolutiva y de la Educación, Universidad de Valencia, Valencia, España.175Wellcome Trust Center for Human
Genetics, Universidad de Oxford, Oxford, Reino Unido.176Oficina del Presidente, Universidad Tufts, Medford, Massachusetts, EE. UU.177Departamento de Psiquiatría, Universidad de Yale, New
Haven, Connecticut, EE. UU.178Departamento de Psiquiatría, Hospital St. Olavs, Trondheim, Noruega.179Departamento de Neurociencia, Universidad Noruega de Ciencia y Tecnología, Trondheim,
Noruega.180Departamento de Biología Molecular, Biología Celular y Bioquímica, Universidad de Brown, Providence, Rhode Island, EE. UU.181Departamento de Psiquiatría y Comportamiento
Humano, Universidad de Brown, Providence, Rhode Island, EE. UU.182Unidad de Bioestadística y Bioinformática, Universidad de Cardiff, Cardiff, Reino Unido.183Centro de Neurociencias de
Excelencia en el Descubrimiento de Fármacos, Investigación y Desarrollo de GlaxoSmithKline, Verona, Italia.184Life & Brain Center, Universidad de Bonn, Bonn, Alemania.185Child Study Center,
Universidad de Yale, New Haven, Connecticut, EE. UU.186Departamento de Psiquiatría, Universidad de Pittsburgh, Pittsburgh, Pensilvania, EE. UU.187Departamento de Genética Humana,
Universidad de Pittsburgh, Pittsburgh, Pensilvania, EE. UU.188Departamento de Psiquiatría, Centro Médico de la Universidad de Groningen, Groningen, Países Bajos.189Clínica de Psiquiatría y
Psicoterapia de Niños y Adolescentes, Universidad de Duisburg-Essen, Essen, Alemania.190Departamento de Investigación y Formación Clínica, Hospital Pediátrico, Centro Hospitalar e Universitário
Coimbra, Coimbra, Portugal.
191Departamento de Psiquiatría, Centro Médico Universitario de Utrecht, Utrecht, Países Bajos.192Instituto Sanger, Hinxton, Cambridge, Reino Unido.193Programa en Genética y
Biología Genómica, The Hospital for Sick Children, Toronto, Ontario, Canadá.194Escuela de Salud Pública Dalla Lana, Universidad de Toronto, Toronto, Ontario, Canadá.
195Departamento de Psiquiatría, Centro Médico de la Universidad VU, Ámsterdam, Países Bajos.196Departamento Académico de Psiquiatría, Universidad de Oxford, Oxford, Reino Unido.
197Departamento de Psiquiatría, Universidad de Würzburg, Würzburg, Alemania.198Unidad de Genética Psiquiátrica, Instituto de Investigación Vall d'Hebron, Barcelona, España.
199División de Bioestadística, Facultad de Medicina de la Universidad de Washington, St. Louis, Missouri, EE. UU.200Departamento de Estadística, Universidad Carnegie Mellon, Pittsburgh,
Pensilvania, EE. UU.201Departamento de Psicología Experimental Clínica y de la Salud, Universidad de Gante, Gante, Bélgica.202Psiquiatría de Niños y Adolescentes, Universidad de Medicina de
Göttingen, Göttingen, Alemania.203Departamento de Neurología y Neurocirugía, Universidad McGill, Montreal, Quebec, Canadá.204Departamento de Genética, Universidad de Yale, New Haven,
Connecticut, EE. UU.205Programa de Neurogenética, Universidad de Yale, New Haven, Connecticut, EE. UU.206Departamento de Psiquiatría, Centro Médico de Maine, Portland, Maine, EE. UU.207
Departamento de Psiquiatría, Facultad de Medicina de Harvard, Boston, Massachusetts, EE. UU.208Departamento de Neuropsicología Clínica, Universidad VU, Ámsterdam, Países Bajos.209
Departamento de Psiquiatría y Ciencias del Comportamiento, Facultad de Medicina de la Universidad de Stanford,
Palo Alto, California, Estados Unidos.210Rush Ambulatory Behavioral Health, Centro Médico de la Universidad Rush, Chicago, Illinois, EE. UU.211Departamento de Patología y Medicina
de Laboratorio, Universidad de Pensilvania, Filadelfia, Pensilvania, EE. UU.212Centro de Genómica Aplicada, Hospital para Niños Enfermos, Toronto, Ontario, Canadá.

0 publicación anticipada en líneaNEUROCIENCIA DE LA NATURALEZA

 archivo IC de arte

213Instituto de Investigación Scripps, La Jolla, California, EE. UU.214Departamento de Psiquiatría y Psicoterapia, Universidad de Göttingen, Göttingen, Alemania.
215Centro Psiquiátrico Nordbaden, Wiesloch, Alemania.216División de Epidemiología y Genética del Cáncer, Instituto Nacional del Cáncer, Bethesda, Maryland, EE. UU.
217Departamento de Psiquiatría y Ciencias del Comportamiento, Universidad de Washington, Seattle, Washington, EE. UU.218Clínica Mayo, Rochester, Minnesota, Estados Unidos.
219Laboratorio de Desarrollo Cerebral y Conductual, Unidad Académica de Psicología, Universidad de Southampton, Southampton, Reino Unido.220Instituto de Ciencias Médicas, Universidad de
Aberdeen, Foresterhill, Aberdeen, Reino Unido.221Departamento de Investigación, Instituto Federal de Medicamentos y Dispositivos Médicos (BfArM), Bonn, Alemania.222Unidad de Investigación de
Psiquiatría Infantil y Adolescente, Hospital Universitario de Aalborg, Aalborg, Dinamarca.223Psicología Clínica y Epidemiología, Universidad de Basilea, Basilea, Suiza.224Departamento de Psiquiatría
Infantil y Adolescente, Universidad de Zúrich, Zúrich, Suiza.225Laboratorio de Desarrollo y Neuropsiquiatría Molecular, Centro de Adicciones y Salud Mental, Toronto, Ontario, Canadá.226
Departamento de Psiquiatría, Universidad de Columbia, Nueva York, Nueva York, EE. UU.227Instituto del Cerebro de Vanderbilt, Universidad de Vanderbilt, Nashville, Tennessee, EE. UU.228
Departamento de Psiquiatría, Universidad de Toronto, Toronto, Ontario, Canadá.229Programa de Neurociencias y Salud Mental, Hospital for Sick Children, Toronto, Ontario, Canadá.230Centro de
Adicciones y Salud Mental, Toronto, Ontario, Canadá.231Oxford Health NHS Foundation Trust, Marlborough House Secure Unit, Milton Keynes, Reino Unido.232Centro de Investigación de
Biomarcadores y Medicina Personalizada, Virginia Commonwealth University, Richmond, Virginia, EE. UU.233Instituto Nacional de Saude Dr. Ricardo Jorge, Lisboa, Portugal.234BioFIG—Centro de
Biodiversidad, Genómica Funcional e Integrativa, Campus da FCUL, Campo Grande, Lisboa, Portugal.235Instituto Gulbenkian de Cîencia, Lisboa, Portugal.236Battelle Center for Mathematical
Medicine, Nationwide Children's Hospital, Columbus, Ohio, EE. UU.237Instituto Médico Howard Hughes, Hospital Infantil de Boston, Boston, Massachusetts, EE. UU.238División de Genética, Children's
Hospital Boston, Boston, Massachusetts, EE. UU.239Departamento de Neurología, Centro de Ciencias de la Vida de la Facultad de Medicina de Harvard, Boston, Massachusetts, EE. UU.240
Departamento de Pediatría, Centro de Ciencias de la Vida de la Facultad de Medicina de Harvard, Boston, Massachusetts, EE. UU.241Colegio de Médicos y Cirujanos de la Universidad de Columbia,
Nueva York, Nueva York, EE. UU.242Facultad de Salud y Ciencias Médicas, Universidad de Copenhague, Copenhague, Dinamarca.243Instituto de Biometría Médica, Universidad de Bonn, Bonn,
Alemania.244Departamento de Bioestadística, Universidad de Washington, Seattle, Washington, EE. UU.245Departamento de Medicina, Universidad de Washington, Seattle, Washington, EE. UU.246
Centro de Trastornos Afectivos, Instituto de Psiquiatría, King's College London, Londres, Reino Unido.

247División de Genética, Children's Hospital Boston, Harvard Medical School, Boston, Massachusetts, EE. UU.248Departamento de Salud Mental, Universidad Johns Hopkins, Baltimore, Maryland,
EE. UU.249Departamento de Psiquiatría, Centro Médico de la Universidad de Leiden, Leiden, Países Bajos.250Consorcio Internacional de Genética de la Enfermedad Inflamatoria Intestinal (IIBDGC).
251Departamento de Psiquiatría, Programa de Evaluación y Tratamiento Especial (STEP), Asuntos de Veteranos del Sistema de Salud de San Diego, San Diego, California, EE. UU.252Departamento
de Genética Humana y Molecular, Virginia Commonwealth University, Richmond, Virginia, EE. UU.253Departamento de Psiquiatría, Virginia Commonwealth University, Richmond, Virginia, EE. UU.
254Departamento de Informática Biomédica, Facultad de Medicina de la Universidad de Vanderbilt, Nashville, Tennessee, EE. UU.255Departamento de Psiquiatría, Facultad de Medicina de la
Universidad de Vanderbilt, Nashville, Tennessee, EE. UU.256Fallecido.257Estos autores contribuyeron igualmente a este trabajo. La correspondencia debe dirigirse a GB (gerome.breen@kcl.ac.uk) o
HAP (holmanspa@cardiff.ac.uk).
© 2015 Nature America, Inc. Todos los derechos reservados.

NEUROCIENCIA DE LA NATURALEZApublicación anticipada en línea

 MÉTODOS EN LÍNEA
justificación del método.El PGC (Psychiatric Genomics Consortium) ha aplicado datos
de asociación de SNP3y enfoques estimados de estimación de "heredabilidad de chip"2
comparar y contrastar los trastornos psiquiátricos. Aquí estudiamos las vías moleculares
en las que se agrega el riesgo genético de trastornos psiquiátricos y examinamos si
estas vías se comparten o no entre trastornos psiquiátricos relacionados. La
multiplicidad de métodos y parámetros que se pueden utilizar para tal empresa condujo
a la formación de un subgrupo del Consorcio de Genómica Psiquiátrica (http://
pgc.unc.edu/) para desarrollar un protocolo y una canalización para cinco métodos
publicados de análisis de rutas GWAS junto con una metodología para combinar los
resultados de diferentes métodos analíticos para mostrar las señales de ruta más sólidas
que surgen de los datos GWAS.
Muestras y genotipos.Las muestras para estos análisis (totalnorte=61,220) incluyeron
casos, controles y muestras basadas en familias reunidas para megaanálisis de genoma
completo publicados de datos a nivel individual realizados por el PGC (ver refs.
2,3,11,13–15 para más detalles). Para garantizar la comparabilidad entre las muestras,
los datos brutos de genotipo y fenotipo de cada estudio se cargaron en un servidor
central y se procesaron mediante el mismo proceso de control de calidad, imputación y
análisis. Este enfoque se detalla en otra parte11, pero lo describimos brevemente aquí:
para garantizar la independencia de los análisis de trastornos individuales, solo se
retuvo uno o un par de individuos relacionados o duplicados, y en solo un conjunto de
casos o controles de trastornos, lo que resultó en 61,220 casos y controles en total. Se
© 2015 Nature America, Inc. Todos los derechos reservados.
aplicaron procedimientos de control de calidad estrictos y estandarizados como se
describió anteriormente.3. Para las muestras basadas en la familia, los alelos
transmitidos a la descendencia afectada ("tríos de casos") se compararon con alelos no
transmitidos ("pseudocontroles"). Las muestras de trastornos comprendían TEA (4788
casos en trío, 4788 pseudocontroles en trío, 161 casos, 526 controles), TDAH (1947 casos
en trío, 1947 pseudocontroles en trío, 840 casos, 688 controles), TLP (6990 casos, 4820
controles) ), trastorno depresivo mayor (9227 casos, 7383 controles) y SCZ (9379 casos,
7736 controles). Las relaciones de identidad por descendencia se estimaron para todos
los pares de individuos para identificar cualquier individuo duplicado en los conjuntos de
datos de componentes. Cuando se detectaron duplicados, se retuvo un miembro de
cada conjunto. Luego, estos individuos se asignaron aleatoriamente a un conjunto de
datos de control de casos de un solo trastorno.
Los números de muestra del estudio para trastornos individuales fueron: TEA (norte=4949
afectados/5314 no afectados), TDAH (norte=2.787/2.635), BIP (norte=6.990/4.820), MDD (norte=
9.227/7.383) y SCZ (norte=9.379/7.736). La imputación se realizó utilizando datos de HapMap III
como referencias, lo que resultó en más de 1,2 millones de SNP. Se filtraron los SNP con
puntuaciones de calidad de imputación inferiores a 0,8. Se realizaron análisis de asociación
basados en SNP únicos mediante regresión logística en trastornos individuales con covariables
de ascendencia y corregidos por GC. La región MHC en el cromosoma 6 (25–35 Mbp) se excluyó
de análisis adicionales para evitar el impacto potencial del desequilibrio de ligamiento extenso
(LD) en la región.
Para todos los análisis, cincoPAGSe utilizaron conjuntos de valores: esquizofrenia
(SCZ), 1.227.336 SNP; trastorno bipolar (BIP), 1.223.695 SNP; trastorno depresivo mayor
(MDD), 1.220.925 SNP; TDAH, 1 219 982 SNP; autismo (TEA), 1.232.050 SNP. Nuestro
análisis primario incluyó SCZ, BIP y MDD.
También analizamos una muestra nula de GWAS, para evaluar el grado de dependencia entre
métodos, así como para asegurarnos de que nuestro análisis no generó una cantidad excesiva
de falsos positivos. Esto se generó a partir de conjuntos de datos CEU+TSI Hapmap3 no
relacionados mediante la asignación aleatoria de fenotipos de casos/controles (100 casos y 100
controles). Los datos de PGC1 involucran solo a sujetos europeos (imputados utilizando paneles
Hapmap3 CEU+TSI) y, por lo tanto, el uso de datos europeos de Hapmap3 coincide más
estrechamente con la estructura LD de las muestras de enfermedad PGC1. Dado que la muestra
nula, por definición, no contiene efectos verdaderos, el poder no es un problema. Por lo tanto, el
tamaño de muestra relativamente pequeño no es importante.
datos de genes y vías.Usamos Ensembl41definiciones de genes como la anotación y el
mapa del gen de referencia. Combinamos datos de conjuntos de genes de seis fuentes:
KEGG, GO, PANTHER, TARGETSCAN, REACTOME y OMIM. Una descripción general de
nuestra metodología se muestra enFigura 1. Todos los conjuntos de genes se
descargaron de sus respectivas fuentes (11 de agosto de 2011). El análisis de estos
conjuntos se resume enTabla Suplementaria 1y las estadísticas resumidas se dan en
Cuadro complementario 2.
Para garantizar la especificidad de los hallazgos de asociación de conjuntos de genes, los análisis adicionales se
restringieron a 4949 conjuntos de genes de un máximo de 200 genes y al menos 10 genes (limitamos
NEUROCIENCIA DE LA NATURALEZA
nuestro análisis de vías que contenían de 10 a 200 genes porque las estadísticas para conjuntos
de genes más pequeños estaban demasiado dispersas y los pocos conjuntos de valores atípicos
con> 200 genes eran computacionalmente ineficientes para analizar y en gran parte no
específicos debido a la gran cantidad de genes (datos no mostrados)). Se eliminaron vías
idénticas. La superposición, medida por la correlación entre el contenido de genes a través de
las vías, entre los seis recursos del conjunto de genes fue mínima (R2<0,12). Los diferentes
conjuntos de rutas se combinaron en una base de datos y las rutas idénticas se fusionaron.
definiciones de genesPara todos los análisis, usamos identificadores de Ensembl como el
conjunto de genes maestro, con -35 kb en sentido ascendente y +10 kb en sentido descendente
para definir los límites de los genes, ya que es probable que los elementos reguladores de la
transcripción estén contenidos dentro de estos intervalos y, por lo tanto, es meritorio
capturarlos. la variación dentro de estas regiones42. El análisis se realizó con y sin la región MHC
(cromosoma 6, 25–35 Mb).
Estandarización de las entradas de la ruta.Los SNP se asignaron a genes basados en la
construcción del genoma humano en 37 posiciones si se encontraban dentro de los 35 kb aguas
arriba o 10 kb aguas abajo del gen. En total, se asignaron 739 373 SNP a 18 689 genes. Tenga en
cuenta que si los SNP se mapearon dentro de más de un gen, se asignaron a todos esos genes.
Los SNP también se filtraron por calidad de imputación (INFO > 0,8), lo que dio como resultado
que se asignaran 477 792–543 578 SNP a 16 334–17 352 genes (estas cifras varían ligeramente
entre trastornos). Utilizamos un marco estandarizado de entrada de datos para nuestros
análisis. Resultados empíricos (PAGvalores para SNP individuales) de PGC GWAS se recopilaron
para cada trastorno, y todosPAGlos valores fueron corregidos por GC. Para todos los análisis,
utilizamos vías con un mínimo de 10 genes y un máximo de 200 genes.
Se utilizaron cinco métodos de análisis de vías publicados. Estos se dividieron en dos
clases con diferentes enfoques y suposiciones con respecto a la arquitectura genómica
de las variantes de riesgo en las vías, así como diferentes métodos para la corrección de
los efectos de LD y tamaño del gen. FRAGUA43y CONFIGURAR PRUEBA DE PANTALLA44
son métodos de metanálisis que combinanPAGvalores en todos los SNP en genes o vías
mientras se ajusta el factor de confusión de LD. RICO45, ALIGADOR9y MAGENTA46
son métodos de "mejor SNP por gen" que cuentan la cantidad de genes en una ruta en
la que una cantidad de SNP independientes exceden una importancia predefinida y se
ajustan para LD y estructura genómica con estadísticas corregidas derivadas de la
simulación de Monte-Carlo. Describimos estos métodos a continuación.
Método Forge.FORGE es una suite de software que implementa una gama de métodos para la
combinación dePAGvalores para las variantes genéticas individuales dentro de un gen o región genómica
mientras se ajustan las correlaciones inducidas por el desequilibrio de ligamiento43. El software se puede
utilizar con estadísticas resumidas (identificadores de marcadores yPAGvalores) y acepta como entrada los
formatos de archivo de resultados del software de asociación genética de uso común. Además, se
distribuyen varios programas de utilidad con FORGE que permiten a los usuarios (i) asignar SNP a genes
utilizando la anotación del genoma humano de Ensembl, (ii) analizar diferentes archivos de conjuntos de
genes y (iii) calcular estadísticas de metanálisis para genes y genes. -Establecer resultados de análisis
cuando los estudios se llevan a cabo en múltiples conjuntos de datos. Para cada vía, una prueba no
paramétrica produce unaPAGvalor para el enriquecimiento de genes en una ruta dado el conjunto
completo de rutas analizadas. Se puede acceder libremente a FORGE enhttps://github.com/inti/FORJA.
método mAgenTA.MAGENTA es un acrónimo de Meta-Analysis Gene-set Enrichment of variNT
Associations y es un programa que toma como entrada resumenPAGvalores de GWAS46. La
prueba de significación estadística de las vías que utilizan MAGENTA es un proceso de 3 pasos.
Primero, a cada gen se le asigna el mejor GWAS PAGvalor que cae dentro de ese gen o las
regiones aguas arriba y aguas abajo definidas por el usuario de ese gen. EstosPAGlos valores se
corrigen, usando regresión lineal multivariante, para factores de confusión conocidos dePAG
valores que incluyen el tamaño del gen y las propiedades de desequilibrio de ligamiento.
Finalmente, para cada vía, el número observado de genesPAGvalores que superan un cierto
umbral especificado por el usuario paraPAGvalores (aquí 95%) se compara con el número
esperado de genesPAGvalores que superan ese umbral para un tamaño de ruta dado (es decir,
número de genes). Para cada vía, una prueba no paramétrica produce unaPAGvalor para el
enriquecimiento de genes por encima del umbral predeterminado.
Establecer el método de prueba de pantalla.La prueba de pantalla establecida se basa en la
aproximación teórica de las estadísticas de Fisher de modo que la combinación dePAGvalores en un gen o
a lo largo de una ruta se lleva a cabo de una manera que representa la estructura de correlación, o
doi:10.1038/nn.3922
 desequilibrio de ligamiento, entre polimorfismos de un solo nucleótido. El enfoque es similar al
aplicado en FORGE (LD)43. La prueba está implementada en PLINK47. Aplicamos este método a
los datos de PGC, corregidos por la inflación de GC, utilizando los fundadores de CEU de
HapMap para describir la estructura de LD. Utilizamos los mismos conjuntos de genes descritos
anteriormente que se filtraron para contener no menos de 2 y no más de 200 genes. Para un
camino o conjunto dado, asignamos unPAGvalor al conjunto cuando al menos un SNP estaba
presente. Cuando estaba presente más de un SNP, la combinación PAGse dio el valor
(contabilización de LD).
MÉTODO ALIGATOR.ALIGATOR convierte una lista de SNP significativos y nominalmente
significativos en una lista de genes significativos y, para cada conjunto de genes predefinido,
comprueba si esta lista de genes contiene más genes del conjunto de genes de lo que se
esperaría por casualidad.9. Esto se hace comparando la lista de genes con 100 000 listas de
genes aleatorias de la misma longitud generadas al muestrear SNP (no genes) al azar,
corrigiendo números variables de SNP por gen y tamaño de gen variable. La corrección para las
pruebas múltiples de conjuntos de genes no independientes se realiza utilizando un método de
arranque repetido 5000 veces. Los conjuntos de genes requieren que al menos dos señales se
cuenten como enriquecidas para eliminar la posibilidad de que un conjunto de genes pequeño
se considere significativamente enriquecido en función de una señal. Una modificación
importante del método ALIGATOR original es que los genes significativos en el mismo conjunto
de genes que se asignaron a menos de 1 Mb de distancia (y, por lo tanto, podrían explicarse por
la misma señal de asociación) se cuentan como una sola señal. En este análisis, SNP-sabioPAG
Los criterios de valor para definir los SNP "significativos" y, por lo tanto, los genes
© 2015 Nature America, Inc. Todos los derechos reservados.
"significativos", se eligieron de modo que la lista resultante de genes significativos contuviera el
5% superior de todos los genes. Cuando no se realizó ningún filtrado,PAGlos criterios de valor
variaron de 8,4 × 10−4a 3,31 × 10−4cuando se usó la ventana génica de −35 kb/+10 kb. Cuando los
SNP se filtraron por puntaje de información, elPAGvalores aumentaron ligeramente, de 1,64 × 10
−3a 5,18 × 10−3.
Método INRICH.RICO45toma un conjunto de genómicas independientes, nominalmente asociadas
intervalosy luego prueba el enriquecimiento de conjuntos de genes predefinidos. Un intervalo
normalmente corresponderá a una región genómica de asociación de SNP definida por LD a partir de un
escaneo de todo el genoma, aunque los intervalos también podrían representar regiones identificadas
como homocigóticas por descendencia, por ejemplo, eventos de eliminación o duplicación observados en
casos. El procedimiento de análisis INRICH comprende tres pasos principales: (i) generación de datos de
intervalo basada en desequilibrio de ligamiento (LD) para identificar regiones únicas de asociación; (ii)
cálculo de enriquecimiento empírico utilizando una estrategia de permutación basada en intervalos; y (iii)
permutación de segundo paso para corrección de pruebas múltiples a nivel de conjunto de genes. INRICH
también presenta estadísticas globales de enriquecimientoGRAMOpag, y el significado empírico deGRAMO
pagse evalúa dentro de un procedimiento de permutación.
Estrategia de análisis de ruta.Dado que los resultados de los cinco métodos de análisis están
correlacionados pero no son idénticos, se esperaría que las vías genuinamente involucradas en
la susceptibilidad a la enfermedad muestren un enriquecimiento constante para la señal de
asociación a través de varios métodos. Por lo tanto, clasificamos las vías en orden ascendente de
enriquecimientoPAGvalor para cada método y calculó el rango promedio de cada vía en los cinco
métodos. Este análisis se realizó para cada enfermedad por separado. Cuanto menor sea el
rango promedio de una vía, más consistente será su evidencia de enriquecimiento de la señal de
asociación entre los métodos y, por lo tanto, mayor será la probabilidad de participación en la
susceptibilidad a la enfermedad. Los rangos se usaron para controlar el poder diferente de cada
método.
Nuestro enfoque general se describe enFigura 1. Nuestros conjuntos de análisis primarios
consistieron en las muestras de los trastornos de adultos de esquizofrenia (SCZ), trastorno
bipolar (BIP) y trastorno depresivo mayor (MDD), ya que estos tres tienen la relación genética
más alta en el reciente análisis por pares de los cinco trastornos psiquiátricos. utilizando datos
GWAS2. Se realizaron análisis complementarios en conjuntos de datos del trastorno por déficit
de atención con hiperactividad (TDAH) y autismo (TEA)3,13. Utilizamos un enfoque de simulación
de Monte-Carlo, modelando la dependencia entre métodos en términos de las correlaciones por
pares observadas del enriquecimiento de la ruta.PAGvalores para calcular el rango promedio y la
importancia de una vía en un trastorno a través de todos los métodos (Análisis
complementarioyCuadros complementarios 12–15). Sin embargo, el método de análisis y los
resultados son robustos a la variación en estas correlaciones (Cuadros complementarios 15y
dieciséis). La motivación para usar rangos en lugar dePAGvalores era asegurar que todos los
métodos fueran tratados por igual. En concreto, FORGE y SET-SCREEN combinan laPAGvalores
de los SNP y, por lo tanto, es posible que logren un enriquecimiento muy pequeño
doi:10.1038/nn.3922
PAGvalores si la vía contiene SNP fuertemente asociados. Este no es el caso de
ALIGATOR, INRICH y MAGENTA, que utilizan la simulación para enriquecerPAGvalores.
Tenga en cuenta también que INRICH y ALIGATOR requieren una ruta para contener dos
genes significativos para un enriquecimientoPAGvalor a calcular. Por lo tanto, el
enriquecimiento faltantePAGlos valores cuentan como evidencia en contra del
enriquecimiento para estos métodos, y a tales vías se les asigna el último rango
conjunto. Es posible que una ruta se clasifique relativamente mal en un método en
comparación con los demás, lo que reduce el poder de la clasificación promedio para
detectar el enriquecimiento. Por lo tanto, realizamos un análisis secundario basado en el
promedio de los cuatro mejores rangos. Sin embargo, esto tuvo poco efecto en los
resultados (verAnálisis complementarioyCuadros complementarios 12y13).
Calculamos las superposiciones observadas y esperadas entre todas las combinaciones de
métodos para evaluar el grado de concordancia entre los métodos. Para el 10 % de las
principales vías clasificadas en cada trastorno, luego comparamos las superposiciones
observadas y esperadas entre todas las combinaciones de los tres trastornos de adultos.
combinación de rangos de vías entre métodos.Finalmente, combinamos la ruta PAGvalores
entre trastornos usando el método de Brown (una extensión del método de Fisher para datos
correlacionados). Para garantizar que los enriquecimientos de la ruta observados en los
trastornos fueran el resultado de una biología compartida, en lugar de artefactos del método de
análisis, también aplicamos nuestro método basado en rangos a un conjunto de datos nulo
(simulado para no tener efectos fenotípicos) y un GWAS de Adquisición de VIH-117. Se puede
suponer que la adquisición de la infección por VIH comparte poca biología con los trastornos
psiquiátricos estudiados aquí porque, aunque se han descubierto dos asociaciones MHC,
excluimos toda la región MHC extendida de nuestros análisis. Los conjuntos de datos nulos y de
VIH se probaron individualmente, así como en combinación con el conjunto de datos SCZ.
El siguiente procedimiento produce un único combinadoPAGvalor para cada vía en un conjunto de
datos de enfermedad determinado al fusionar los resultados de los 5 métodos, teniendo en cuenta la
correlación. Para cada enfermedad, haga lo siguiente:
1. determinar el rango promedio por vía dentro de cada método. Después de clasificar
PAGvalores (los empates reciben el rango promedio), promedie los rangos en los cinco métodos
para producir 1 rango por ruta.
2. determinar la distribución esperada de rangos promediados bajo el valor nulo.
(a) Calcule las estadísticas de correlación de Pearson entre pares de métodos. Para estos
cálculos se utilizaron datos nulos (generados a partir del conjunto de datos GWAS
Hapmap3 CEU+TSI europeos no relacionados mediante la asignación aleatoria de
fenotipos (100 casos, 100 controles)) de cada método. (b) Genere 5 conjuntos de valores
nulosPAGvalores (1 para cada ruta dibujada sin reemplazo de la distribución uniforme
[0,1]) de manera que se conserve la intercorrelación entre los métodos, usando el
método descrito enhttp://comisef.wikidot.com/tutorial:correlateduniformvariates. Haz
esto 10.000 veces. (c) TransformarPAGvalores en rangos para cada permutado PAG
distribución de valor. Tenga en cuenta que en los datos permutados, habrá pocos
vínculos, si es que los hay. Por lo tanto, introduzca vínculos reemplazando los rangos de
aquellas rutas que vincularon los datos reales con su rango promedio en los datos
permutados. (d) Para cada conjunto de 5 distribuciones permutadas y clasificadas,
determine el rango promedio por vía (como en el Paso 1).
3. Asignar empíricaPAGvalores de cada vía.PAGdefinitivo = i=1i , dóndei=0
∑norte
10,000
si el rango permutado es mayor que el rango real, yi=1 si el rango permutado es
menor o igual al rango real. Tenga en cuenta que este procedimiento no permite
la dependencia entre las rutas, por lo que no se puede utilizar para probar si hay
un exceso de rutas con un rango promedio que alcanza un determinado nivel de
significancia. Sin embargo, proporciona una prueba válida de significación para
cada vía por separado. Para corregir múltiples pruebas de vías,q-los valores
fueron calculados48. Para cada vía, elq-value corresponde al valor mínimo de la
FDR en el que esa vía se declararía significativa.
comparaciones entre métodos: superposición de métodos.Para probar sólidamente la importancia de
la superposición en las rutas enriquecidas entre los métodos, es necesario restringir el análisis a un
conjunto de rutas independientes (por pertenencia a genes). Esto se hizo mediante la poda por distancia
de Jaccard (ver más abajo). Tenga en cuenta que dicha restricción no es necesaria y no se usó para el
análisis de vías que combina métodos, que utiliza el conjunto completo de vías. Para facilitar las
comparaciones entre métodos, usamos cuantiles, noPAGvalores. Específicamente, nos enfocamos en las
vías que se encuentran en el 25 % superior para un método en particular dentro de una enfermedad o un
conjunto de datos nulos. Esto se debe a que, de lo contrario, sería difícil comparar la rutaPAGvalores de
métodos que tienen
NEUROCIENCIA DE LA NATURALEZA
 poder estadístico diferente. Usamos el siguiente procedimiento para determinar hasta qué
punto se superponen los métodos:
1. Para un conjunto de datos determinado, reduzca el conjunto de datos a solo las rutas que se encuentran en el
25% superior en≥1 de los métodos;
2. Reducir las redundancias en este conjunto de datos eliminando las rutas más pequeñas
para las que existe una ruta más grande cuya distancia Jaccard (intersección dividida por la
unión) es >0,2;
3. Usando este conjunto de datos reducido, que representa un conjunto de vías
independientes que se encuentran en el 25% superior de≥1 de los métodos, calcule todas las
superposiciones entre cinco métodos (5 vías, 4 vías, 3 vías y 2 vías);
4. Calcule la superposición esperada entre las rutas en el 25 % superior, suponiendo que el
25 % superior de las rutas para cada método es aleatorio.
Superposición de vías de prueba entre enfermedades.Para permitir que se lleven a cabo
pruebas de correlación en el enriquecimiento de la rutaPAGvalores y superposición en las
principales vías entre enfermedades, se seleccionó un subconjunto de 1.918 vías de modo que
ninguna de las dos vías tuviera una medida de similitud de Jaccard > 0,2. Inicialmente, los
coeficientes de correlación de Pearson se calcularon entre el enriquecimiento específico de la
ruta PAGvalores del conjunto de datos nulos y cada uno de los cinco conjuntos de datos de
enfermedades a su vez. Estas correlaciones se encuentran entre 0,111 y 0,156, con una media de
0,132. Esto indica que la clasificación de las rutas dentro de los métodos y el cálculo del rango
promedio entre los métodos induce cierta correlación entre los rangos de las rutas entre los
conjuntos de datos. Por ejemplo: ALIGATOR e INRICH solo devuelven unPAGvalor si una ruta
© 2015 Nature America, Inc. Todos los derechos reservados.
contiene al menos dos genes significativos; de lo contrario, a la ruta se le asignó el mismo rango
inferior. Por lo tanto, es probable que las rutas pequeñas tengan rangos bajos para estos
métodos en la mayoría de los conjuntos de datos. Sin embargo, las correlaciones entre las
enfermedades con respecto al enriquecimiento específico de la víaPAGvalores fueron más altos
que aquellos con el nulo o el VIH (ver Cuadros complementarios 5y14), lo que sugiere que la
correlación entre enfermedades no es simplemente una función de correlación metodológica.
Para probar la correlación significativa y la superposición entre los cinco conjuntos de datos
de enfermedades y permitir las correlaciones inducidas por el método de clasificación (como se
describe anteriormente), generamos, para cada par de enfermedades, 1000 conjuntos aleatorios
de 1918 variables uniformes bivariadas con una correlación de 0,132. Se calculó la correlación de
Pearson de las dos variables dentro de cada conjunto de datos replicados y se comparó con la
observada en los datos reales. Se utilizó un método similar para comparar la superposición en el
10 % superior de las rutas entre las dos variables con la observada en los datos reales.PAGLos
valores para estas comparaciones se muestran enTabla Suplementaria 6. Los coeficientes de
correlación en los datos reales fueron nominalmente significativos para todos los pares de las
cinco enfermedades de interés (ADHD, ASD, BIP, MDD, SCZ), pero no entre estas enfermedades y
el VIH o el conjunto de datos nulo (con la excepción del VIH- correlación MDD, que fue
nominalmente significativa pero es probable que sea un artefacto de múltiples pruebas).
combinando enriquecimientos de vías a través de enfermedades.Para cada vía,PAGlos
valores se combinaron entre enfermedades utilizando el método de Brown (una extensión del
método de Fisher que explica la correlación entre conjuntos de datos). Este método se describe
49, pero aquí se proporciona una breve descripción. Para obtener una estadística de prueba
conjunta paranortepruebas que no son independientes, la estadística tiene una mediametro=2N
y una variación(σ2) dónde
norte−1norte
s2 = 4norte+2∑ ∑cov(−2logqPi,−2logqp.j.)
i=1j=i+1
y dondepagiypagj(yo, j=1,…,norte) son losPAGvalores para cada prueba y la covarianza
(cov) se calcula como
cov(−2logqPi, − 2 logqp.j.) =ryo(3,25 + 0,75ryo)
para coeficientes de correlación no negativosρyoentre los dosPAGdistribuciones de valor
(aquí, establecido en 0.132, que es la correlación promedio enPAGvalores entre los
conjuntos de datos de la enfermedad y el nulo, calculado en la sección anterior).
Finalmente, la significación general de un conjunto de pruebas no independientes se
calcula utilizando la estadística Tque bajo la hipótesis nula sigue la distribución central
de chi-cuadrado T=T0/C, con 2norte/Cgrados de libertad, donde
s2
= células. Reportamos enriquecimientos en Benjamini-Hochberg corregidosPAG<0,05 pulgadas
4norte
yT0es la suma de −2ln(pag), tal como se utiliza en el método de Fisher.
NEUROCIENCIA DE LA NATURALEZA
Este análisis se realizó principalmente en las tres enfermedades de adultos (SCZ, BIP,
MDD), que tienen muestras más grandes y poderosas que las otras enfermedades
(ADHD, ASD). También se realizó un análisis secundario de las cinco enfermedades.
Finalmente, se realizó un análisis combinando SCZ, HIV y el conjunto de datos nulos para
confirmar que los enriquecimientos de vías observados en el análisis de SCZ+BIP+MDD
se debieron a biología compartida en lugar de artefactos del método de análisis.
Cuando las enfermedades se probaron por separado, una vía fue significativa después de la
corrección de múltiples pruebas en BIP (GO: 51568: metilación de histona H3-K4, q=0.005) y MDD
(GO: 8601: actividad reguladora de proteína fosfatasa tipo 2A, q=0,012). No se logró ningún
caminoq<0,05 en las otras enfermedades (o el conjunto de datos nulo). Cuando se combinaron
las tres enfermedades de adultos, 15 vías fueron significativas enq<0.05, con la ruta superior
(GO: 51568: metilación de histona H3-K4) que tiene unaq-valor de 0.0005. Estos resultados son
más significativos que los observados en cualquiera de las enfermedades analizadas por
separado e ilustran el poder que se obtiene al combinar análisis de vías entre enfermedades con
biología compartida. Cuando se combinaron las cinco enfermedades, GO:51568 seguía siendo
significativo (q=0,045), aunque su significancia se redujo por falta de enriquecimiento en TDAH o
TEA. Finalmente, cuando SCZ se combinó con el VIH (no se esperaba que compartiera una
biología común con SCZ) y el conjunto de datos nulo, ninguna ruta fue significativa después de la
corrección de múltiples pruebas, como se esperaba.
Análisis de red de coexpresión ponderada supervisada.Realizamos un análisis
secundario de 797 genes que comprenden todas las vías conq<0.1 del análisis de
enriquecimiento de la vía del trastorno cruzado primario para explorar cómo las vías se
relacionan con los procesos deen vivodesarrollo y envejecimiento del cerebro.
Preguntamos cómo se agrupan los genes en las regiones del cerebro y los puntos de
tiempo de desarrollo utilizando los datos de la matriz de exones de BrainSpan.18.
Aplicamos análisis de red de coexpresión de genes ponderados50agrupar genes en
módulos de coexpresión. Los módulos se caracterizaron por patrones regionales y
temporales, así como por la especificidad del tipo de célula.21.
El análisis de red se realizó utilizando el paquete WGCNA en R. Los datos de
Geneexpression se obtuvieron deGSE25219para 16.874 genes en 1.340 muestras (75
individuos que abarcan 15 etapas de desarrollo con hasta 16 regiones cerebrales por
individuo). Solo se utilizaron regiones con al menos 10 muestras, quedando 1.281
muestras. Después de intersectar genes en las vías inmune, de sinapsis y de metilación,
quedaron 797 genes para el análisis de red, cuyos parámetros de módulo y membresía
se describen enCuadro complementario 17. Los parámetros específicos están
disponibles en el script R complementario paraFigura 4(Software complementario). Se
encontraron módulos similares con variaciones en estos parámetros.
Los 10 genes principales en cada módulo se trazan enFigura 4ausando el paquete igraph en
R. Solo las correlaciones conr>0.2, y se usó el algoritmo dirigido por fuerza de Fruchterman-
Reingold implementado en igraph para diseñar nodos usando parámetros predeterminados.
Los perfiles de expresión del módulo se resumieron tomando el nivel de expresión medio de
todos los genes en cada módulo para cada región cerebral diferente (en todos los puntos de
tiempo) y cada época de desarrollo neurológico (en todas las regiones). Nos enfocamos en
cambios relativamente grandes entre regiones o puntos de tiempo (> 75%), a través del análisis
estadístico de patrones espaciales y temporales con pruebas de Kruskal-Wallis y pruebas de
Mann-Whitney por pares.tu-las pruebas demuestran que muchas diferencias más pequeñas son
significativas (debido al gran tamaño de la muestra). En general, los métodos alternativos para
evaluar las diferencias regionales y temporales (por ejemplo, correlaciones con variables
indicadoras regionales, ANOVA con regiones como factores) arrojaron patrones similares a los
observados enFigura 4b. Por simplicidad de interpretación y discusión, por lo tanto, decidimos
centrarnos en estos cambios de pliegue más grandes para resaltar los cambios de desarrollo
neurológico más destacados a nivel de vía.
El enriquecimiento específico del tipo de célula para los módulos se realizó utilizando la
herramienta de análisis de expresión específica de células (CSEA) (http://genetics.wustl.edu/
jdlab/cseatool-2/). Esta herramienta contiene genes específicos del tipo de célula que se derivan
de un enfoque de perfilado traslacional que aísla los transcriptomas en ratones de
subpoblaciones celulares específicas definidas por marcadores.21. Evaluamos cada módulo para
el enriquecimiento de listas para 35 conjuntos de genes de tipos de células amplios y específicos
(umbral de especificidad de CSEA establecido en 0.05) en múltiples regiones del cerebro en
ratones, y corregimos las comparaciones múltiples en 7 módulos y las 35 listas de tipos de
Figura 4c. El código subyacente a este análisis se incluye comoSoftware complementario.
ALista de verificación de métodos complementariosestá disponible.
doi:10.1038/nn.3922
 41. Fliceck, P.et al.Conjunto 2013.Ácidos Nucleicos Res.41, D48–D55 (2013).
42. Maston, GA, Evans, SK & Green, MR Elementos reguladores transcripcionales en el
genoma humano.año Rev. Genómica Hum. Gineta.7, 29–59 (2006).
43. Pedroso, I.et al.Las variantes genéticas comunes y los cambios en la expresión génica asociados con el
trastorno bipolar están sobrerrepresentados en los genes de las vías de señalización cerebral. Biol.
Psiquiatría72, 311–317 (2012).
44. Moskvina, V.et al.Evaluación de un método de aproximación para evaluar la importancia general de las
pruebas de dependencia múltiple en un estudio de asociación del genoma completo.Gineta.
Epidemiol.35, 861–866 (2011).
45. Lee, PH, O'Dushlaine, C., Thomas, B. y Purcell, SM INRICH: análisis de enriquecimiento
basado en intervalos para estudios de asociación del genoma completo.Bioinformática28,
1797–1799 (2012).
© 2015 Nature America, Inc. Todos los derechos reservados.
doi:10.1038/nn.3922
46. Segrè, AV, Groop, L., Mootha, VK, Daly, MJ y Altshuler, D. La variación heredada
común en los genes mitocondriales no está enriquecida por asociaciones con
diabetes tipo 2 o rasgos glucémicos relacionados.PLoS Genet.6, e1001058 (2010).
47. Purcell, S.et al.PLINK: un conjunto de herramientas para la asociación del genoma completo y los
análisis de vinculación basados en la población.Soy. J. Hum. Gineta.81, 559–575 (2007).
48. Storey, JD & Tibshirani, R. Importancia estadística para estudios de todo el genoma.proc.
nacional Academia ciencia EE.UU100, 9440–9445 (2003).
49. Brown, MB Un método para combinar pruebas de significación unilaterales no
independientes.Biometría31, 978–992 (1975).
50. Zhang, B. & Horvath, S. Un marco general para el análisis de redes de coexpresión de genes
ponderados.Estadística aplicación Gineta. mol. Biol.4, Artículo 17 (2005).
NEUROCIENCIA DE LA NATURALEZA
 corre g e nda

Corrección:Los análisis psiquiátricos del estudio de asociación del genoma completo implican
vías neuronales, inmunitarias y de histonas
El subgrupo de análisis de redes y vías del Consorcio de genómica psiquiátrica
Nat. Neurosci.18,199–209 (2015); publicado en línea el 19 de enero de 2015; corregido después de la impresión del 19 de enero de 2015

En la versión de este artículo publicada inicialmente, los números de filiación de varios autores eran incorrectos. Astrid M. Vicente figuraba como asociada
con las afiliaciones 234–236 en lugar de 233–235, Veronica J. Vieland como 237 en lugar de 236, Kenneth S. Kendler como 110, 253 y 254 en lugar de 110,
252 y 253, y Zhaoming Zhao como 255 en lugar de 254 y 255. Los errores se han corregido en las versiones HTML y PDF del artículo.
© 2015Nature America, Inc. Todos los derechos reservados.
npg

neurociencia de la naturaleza