Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INVESTIGACIÓN ORIGINAL
Resumen El color de la piel humana es altamente hereditario y La desviación fue de 0,97 ± 0,02 para claro, 0,83 ± 0,11 para
visible externamente con relevancia en genética médica, forense oscuro y 0,96 ± 0,03 para negro oscuro. Cuando se utilizó una
y antropológica. Aunque el color de ojos y cabello ya puede categoría de 5, esto resultó en 0,74 ± 0,05 para Muy pálido, 0,72
predecirse con gran precisión a partir de pequeños conjuntos de ± 0,03 para Pálido, 0,73 ± 0,03 para Intermedio, 0,87 ± 0,1 para
marcadores de ADN cuidadosamente seleccionados, el Oscuro y 0,97 ± 0,03 para Negro oscuro. Un análisis comparativo
conocimiento sobre la previsibilidad genética del color de la piel en 194 muestras independientes de 17 poblaciones demostró
es limitado. Aquí, investigamos el valor predictivo del color de la que nuestro modelo superó un enfoque de clasificador 10SNP
piel de 77 polimorfismos de un solo nucleótido (SNP) de 37 loci propuesto previamente con AUC que aumentaron de 0,79 a 0,82
genéticos previamente asociados con la pigmentación humana para White, comparable en el nivel intermedio de 0,63 y 0,62,
utilizando 2025 individuos de 31 poblaciones globales. respectivamente, y un gran aumento de 0,64 a 0,92 para las
Identificamos un conjunto mínimo de 36 SNP predictivos del negras. En general, este estudio demuestra que los marcadores
color de la piel altamente informativos y desarrollamos un modelo de ADN y el modelo de predicción elegidos, particularmente el
de predicción estadística capaz de predecir el color de la piel a nivel de 5 categorías; permitirá predicciones del color de la piel
escala global. Precisión promedio de predicción con validación dentro y entre regiones continentales por primera vez, lo que
servirá
cruzada expresada como área bajo la curva característica operativa del como
receptor un recurso
(AUC) valioso para futuras aplicaciones en
± estándar
genética forense y antropológica.
* Susan Walsh 6
Laboratorio de Medicina Forense y Toxicología, Facultad de Medicina,
walshsus@iupui.edu Universidad Aristóteles de Tesalónica,
Salónica, Grecia
* Manfred Kayser
m.kayser@erasmusmc.nl 7
Sección de Biología Evolutiva, Departamento de Biología II,
Universidad de Munich LMU, PlaneggMartinsried, Alemania
1
Departamento de Biología, Universidad de Indiana Universidad Purdue
8
Laboratorio Forense Central de la Policía, Varsovia, Polonia
Indianápolis (IUPUI), Indianápolis, IN, EE. UU.
9
2 Laboratorio clave de medicina genómica y de precisión, Beijing
Departamento de Identificación Genética, Erasmus MC
Instituto de Genómica, Academia China de Ciencias,
Centro Médico Universitario de Rotterdam, Rotterdam,
Los países bajos Beijing, China
10
3 Universidad de la Academia China de Ciencias, Beijing, China
Departamento de Dermatología, Collegium Medicum de la
Universidad Jagellónica, Cracovia, Polonia
4
Facultad de Biología y Ciencias de la Tierra, Instituto de Zoología,
Universidad Jagellónica, Cracovia, Polonia
5
Centro de Biotecnología de Malopolska, Jagellónico
Universidad, Cracovia, Polonia
13
Machine Translated by Google
Introducción fecha: el rey Ricardo III (King et al. 2014) , así como en estimaciones
antropológicas de la apariencia física ancestral (Cassidy et al. 2016;
Predecir fenotipos a partir de genotipos es un componente de la GallegoLlorente et al. 2016; Gamba et al. 2014; Jones et al. 2015 ). ;
genética compleja que se ha abierto camino en muchas disciplinas, Martiniano et al.
incluidas la medicina personalizada, la genética forense, la genética 2016; Olalde et al. 2015).
antropológica y la genética del consumidor, dependiendo del fenotipo La coloración de la piel, sin embargo, es un rasgo de apariencia
particular que se predice a partir de la información del ADN. La física más difícil de examinar genéticamente y dilucidar cómo se
capacidad de predecir fenotipos humanos con marcadores genéticos pueden clasificar sus marcadores asociados para la predicción,
ha sido de continuo interés y se han logrado avances significativos, debido a su influencia específica de la población (Jablonski y Chaplin
no sólo en estas disciplinas aplicadas, sino también para los 2000, 2013 ) . La máxima diferencia en el color de la piel entre
investigadores de genética más fundamentales, ya que allana el personas de diferentes continentes, como resultado de la adaptación
camino para descubrir por qué ciertos marcadores de ADN son estar ambiental y consecuencia de la migración fuera de África (Liu et al.
asociado con ciertas 2006), conduce a una restricción en los estudios de mapeo genético.
contienen rasgos fenotípicos. Los estudios de asociación de todo el genoma (GWAS) suelen
En el caso del color de ojos , uno de los primeros rasgos de realizarse en muestras genéticamente homogéneas para evitar, en
apariencia física que se estudiarán para determinar la previsibilidad a la medida de lo posible, los falsos positivos que pueden producirse
partir del ADN es la elucidación de sus marcadores de ADN asociados debido a diferentes antecedentes genéticos entre las muestras de
et al, 2005; Han et al, 2008; Kanetsky et al, 2002; Kayser et al, 2008; estudio. Por lo tanto, los GWAS sobre el color de la piel que se
Liu et al, 2010; Posthuma et al, 2006; Rebbeck et al , 2002; Sturm et realizan dentro de grupos continentales como los europeos (Han et
al, 2008; Sulem et al 2007, 2008; Zhu et al. 2004), y posterior al. 2008; Liu et al. 2015; Sulem et al. 2008) o los asiáticos del sur
clasificación gradual sobre su idoneidad fueron para la predicción del (Edwards et al. 2010; Stokowski et al. 2007) Básicamente identificó
fenotipo (Liu et al. 2009) , et al., 2014; Walsh et al. , 2011a, b, 2012). una lista de SNP que explican la variación sutil del color de la piel
Logró precisiones de predicción promedio, expresadas como área dentro de cada grupo continental, pero en principio no puede revelar
bajo la curva característica operativa del receptor (AUC), de 0,94 para una lista completa de SNP asociados al color de la piel. En
el azul, 0,95 para el marrón y 0,74 para el intermedio (Walsh et al. consecuencia, un modelo de predicción descrito anteriormente,
2014). binski y Picard 2014 ; Kastelic et al . construido en sujetos exclusivamente europeos utilizando SNP
identificados en un GWAS de color de piel europeo (Liu et al. 2015)
no tenía poder para predecir las diferencias de color de piel entre
continentes no europeos, como Asia Oriental, África. y los nativos
americanos, donde existen diferencias considerables en el color de
la piel (Liu et al. 2015). Por el contrario, los modelos de predicción
2014). Además, se demostró que para el SNP con el rango de del color de la piel descritos anteriormente y desarrollados a partir de
predicción más alto, rs12913832 del intrón 86 del gen HERC2 , los datos multiétnicos (Maroñas et al. 2014; Valenzuela et al. 2010) no
dos alelos actúan como un interruptor molecular que regula la tenían poder para predecir las diferencias en el color de la piel dentro
expresión del gen OCA2 cercano a través de una función potenciadora de grupos continentales, como por ejemplo entre los europeos. Es
a larga distancia (Visser et al. otros 2012). de destacar que hasta el momento no se ha descrito un modelo que
Para el color del cabello humano, los estudios de mapeo genético combine muchos de estos SNP asociados, que permita la predicción
también identificaron numerosos SNP altamente asociados (Box et al. del color de la piel basada en el ADN dentro y entre continentes.
1997; Branicki et al. 2007, 2008a; Fernandez et al. 2008; Flanagan Los primeros intentos de predecir los fenotipos del color de la piel
et al. 2000; Graf et al. 2005; Grimas et al. 2001; Han et al. 2008; a partir del ADN tuvieron resultados muy limitados (Mushailov et al.
Harding et al. 2000, 2002, Kanetsky et al. 2004; MengelFrom et al. 2015; Spichenok et al. 2011; Valenzuela et al. 2010). Más
2009; Pastorino et al. recientemente, Maroñas et al. (2014) publicaron un estudio de
2004; Rana et al. 1999; Sulem et al. 2007, 2008; Valenzuela et al. predicción del color de la piel que examinaba 59 SNP asociados a la
2010; Valverde et al. 1995; Voisey et al. 2006), 22 de los cuales pigmentación en dos poblaciones, africanas y europeas, así como
resultaron decididamente predictivos para las categorías de color de en un subconjunto de afroeuropeos mezclados.
cabello (Branicki et al. 2011). A partir de esto y del conocimiento Tras entrenar su modelo de clasificador bayesiano con un conjunto
previo sobre el color de ojos, se desarrolló y validó forense el sistema de 280 individuos, los autores se decidieron por un conjunto de 10
HIrisPlex para la predicción combinada del color de ojos y cabello a SNP que juntos alcanzaron valores AUC de 0,999 para el blanco,
partir del ADN, logrando AUC de 0,92 para rojo, 0,85 para negro, 0,81 0,966 para el negro y 0,803 para el color de piel intermedio.
para rubio y 0,75 para marrón (Draus Barini et al. 2013; Walsh et al. Sin embargo, debido a los bajos números utilizados en el conjunto de
2013, 2014). Los marcadores de ADN y los modelos de predicción validación (n = 118) y las limitadas poblaciones e individuos
HIrisPlex se utilizaron en lo que se ha denominado el caso forense estudiados, vale la pena reexaminar estas precisiones de predicción
más antiguo hasta la fecha. a una escala global más extensa. Además, el
13
Machine Translated by Google
Estudios anteriores trataron a los europeos como un grupo en su análisis tipo de piel, que van desde el tipo de piel 1 (piel blanca pálida, sin
de predicción (es decir, color de piel claro), ignorando así el nivel de capacidad de bronceado), 2 (piel blanca, capacidad de bronceado
variación del color de la piel desde muy pálido hasta pálido e intermedio mínima), 3 (piel morena clara, capacidad de bronceado), 4 (piel morena
que existe entre las personas de ascendencia europea. moderada, capacidad de bronceado) y 5 (piel marrón oscuro: capacidad
En un esfuerzo por sortear las limitaciones actuales en la predicción de broncearse) hasta el tipo de piel 6 (piel marrón oscuro profundamente
del color de la piel a partir del ADN, probamos una gran cantidad de pigmentada a negra): consulte la información de recursos en línea 2.
SNP previamente asociados con rasgos de pigmentación humana en Un dermatólogo experimentado (AB) evaluó las muestras polacas para
una cantidad considerable de individuos de poblaciones de todo el determinar su tipo de piel Fitzpatrick en el momento de la recolección de muestras. .
mundo para investigar su valor predictivo del color de la piel. El mismo dermatólogo también evaluó a los individuos irlandeses,
Como fenotipos de color de piel se utilizaron tipos de piel obtenidos de griegos y estadounidenses tras consultarles imágenes fotográficas y un
la escala de Fitzpatrick, de amplio uso en la investigación dermatológica cuestionario detallado sobre su capacidad para broncearse.
y en la práctica clínica. La escala de Fitzpatrick agrupa a los individuos Las imágenes se tomaron aproximadamente a 20 cm del antebrazo del
según el color de la piel percibido visualmente y la sensibilidad de la piel individuo usando una Nikon D5300 y un flash anular R1 con las
al sol, incluida la capacidad de broncearse; siendo este último importante siguientes configuraciones: Enfoque 22, Apertura 1/125, ISO 200. Por lo
para diferenciar entre europeos de diferentes tonos de piel claros. tanto, a todos los individuos recolectados se les asignó una designación
Seleccionamos un conjunto de los predictores SNP más informativos objetiva de escala Fitzpatrick por parte del El mismo dermatólogo
sobre el color de la piel y construimos un modelo estadístico para calificado evitando las designaciones subjetivas que los propios
predecir el color de la piel a partir del ADN a escala global utilizando 3 y voluntarios proporcionarían en los datos del cuestionario. Para las
5 categorías de color de piel. Además, comparamos directamente los muestras de HGDPCEPH, para las cuales no se disponía de información
resultados de predicción de nuestro modelo de color de piel recientemente sobre el fenotipo del color de piel individual, se asignaron escalas de
desarrollado con un modelo desarrollado previamente utilizando un Fitzpatrick 6 como se supone a partir del conocimiento de la población
conjunto separado de individuos globales que no participaron de estos grupos africanos y de Nueva Guinea, ya que las personas que
previamente en la selección de predictores de SNP, la construcción de viven en estas regiones geográficas solo tienen pieles muy oscuras.
modelos y las pruebas de modelos. color de piel negro. Luego, las 6 escalas de Fitzpatrick se reclasificaron
en 5 categorías finales de predicción del color de la piel para análisis
adicionales, es decir, muy pálido (6 % de todas las muestras utilizadas),
Materiales y métodos pálido (44 %), intermedio (42 %), oscuro (3 %). y Negro (5%)
condensando las categorías 3 y 4 de Fitzpatrick en la categoría de
Muestras y fenotipado del color de piel. predicción Intermedia y dejando todas las demás categorías iguales.
Las categorías 3 y 4 de la escala de Fitzpatrick se consideran
Utilizamos 1159 personas del sur de Polonia, 347 personas de Irlanda, dermatológicamente muy cercanas; por lo tanto, se consideró aceptable
119 de Grecia y 329 personas que viven en los EE. UU. (el lugar de combinar estas categorías para el entrenamiento de predicción de este
nacimiento de los padres de muchas de estas personas está fuera de modelo de color de piel. En una escala de 3 categorías, agrupamos la
los EE. UU.; estos incluyen Nigeria, México, Argentina). , Colombia, escala 1 a 4 de Fitzpatrick en Luz (92%), la escala 5 en Oscuridad (3%)
India, Bangladesh, Cuba, Palestina, Canadá, China, Honduras, y la escala 6 en Negro oscuro (5%). En adelante, por razones de
Alemania, Filipinas, Rusia, Sudán, Japón, Arabia Saudita, Pakistán, El simplicidad del texto, se utilizará el término categoría de color de piel
Salvador, España, Haití, Corea del Sur y Vietnam: consulte la información con referencia a las categorías previstas; sin embargo, sí incluye no
de recursos en línea 1). Se obtuvo el consentimiento informado de todos sólo la percepción visual del color de la piel sino también la capacidad o
los participantes individuales incluidos en el estudio y fue aprobado por falta de broncearse. Puede encontrar más información sobre la escala
los comités de ética de las instituciones cooperantes. También se Fitzpatrick en la información de recursos en línea 2.
incluyeron en este estudio 71 individuos del conjunto HGDPCEPH
(Rosenberg 2006) , es decir, de Senegal (n = 21), Nigeria (n = 21),
Kenia (n = 11) y Papúa Nueva Guinea ( norte = 17). En total, se Para comparar directamente nuestros hallazgos con los de Maroñas
genotiparon 2025 individuos. et al. (2014), se predijeron individuos de un conjunto de muestras
independientes (n = 194, 17 poblaciones diferentes de Europa, Medio
Oriente, África y Asia) que no se utilizaron en la determinación de
En términos de fenotipado, las clasificaciones del color de la piel marcadores, la construcción de modelos o las pruebas anteriores. para
siguieron la escala de Fitzpatrick (Fitzpatrick 1988). La escala representa el color de piel utilizando ambos modelos, el aquí establecido y el
una evaluación dermatológica para estimar la respuesta de diferentes propuesto por Maroñas et al. (2014). Para ello, se utiliza el mismo
tipos de piel a la luz ultravioleta; por lo tanto, tiene en cuenta la enfoque de fenotipado del color de piel descrito por Maroñas et al.
percepción visual del color de la piel, así como la capacidad de (2014) se utilizó para hacer que los resultados del estudio fueran
broncearse (Fitzpatrick 1988). Es comúnmente utilizado por los médicos directamente comparables. Los grupos L*ab fueron designados con una
para la clasificación de una persona. definición simple de 3 categorías de Blanco,
13
Machine Translated by Google
Intermedio y Negro según grupos de valores L*ab . de 0,5 designa una predicción aleatoria, mientras que valores más
Los valores del espectrómetro fueron: L*ab = 74,14–60,36 para White, cercanos a 1 indican una precisión de predicción perfecta. Los
que comprende 132 muestras; 59,32–40,04 para Intermedio, que resultados de la predicción se produjeron para cinco categorías como
comprende 43 muestras; 39,75–29,99 para el negro, que comprende se mencionó anteriormente y para tres categorías; Claro (colapsando
20 muestras. Muy Pálido, Pálido e Intermedio), Oscuro y Negro Oscuro para ilustrar
una agrupación de 3 categorías. Para este estudio, se generaron
Evaluación de SNP, genotipado y análisis estadísticos. probabilidades de predicción del color de piel para el conjunto de
prueba con la probabilidad más alta que conducía a la predicción más
Este estudio examinó a 2025 individuos en busca de 77 polimorfismos probable del color de piel para cada individuo.
de un solo nucleótido (SNP) de 37 loci genéticos que se asociaron con Para comparar nuestros hallazgos con los de Maroñas et al. (2014),
la variación de la pigmentación humana, en particular el color de la piel, un conjunto independiente de individuos (n = 194) descrito como el
en los estudios anteriores (consulte la Tabla 1) . 'conjunto de comparación de modelos' fue genotipado para los 36
para más detalles). Los SNP se genotiparon utilizando multiplexores predictores de SNP del color de piel identificados en este estudio, así
SNaPshot (Life Technologies) diseñados y optimizados de manera muy como para los 10 predictores de SNP del color de piel propuestos por
similar a los descritos en otros lugares (Walsh et al. 2011b, 2013). Se Maroñas et al. Alabama. (2014) , que permite una comparación directa
seleccionó un subconjunto de 53 SNP (consulte la Tabla 1) de 24 del rendimiento de predicción de estos dos modelos y sus propios
genes para una evaluación adicional en función de su contribución conjuntos de predictores de ADN. Para ello, los 10 SNP propuestos por
independiente (valor R2 p <0,05 no corregido) hacia la predicción Maroñas et al. (2014); KITLG
categórica del color de la piel, teniendo en cuenta el sexo y la población. rs10777129, SLC45A2 rs13289 y rs16891982, TYRP1
Finalmente, se utilizó el Criterio de Información de Akaike (AIC) para rs1408799, SLC24A5 rs1426654, OCA2 rs1448484, SLC24A4
determinar la selección óptima de SNP de los 53 SNP, lo que resultó rs2402130, TPCN2 rs3829241, ASIP rs6058017 y rs6119471 se
en 36 SNP de 16 genes (SLC24A5 rs1426654, IRF4 genotiparon en estas 194 muestras utilizando la multiplexación
SNaPshot (Life Technologies). El clasificador de piel Naïve Bayes
rs12203592, MC1R rs1805007, rs1805008, rs11547464, rs885479, (http://mathgene.usc.es/snipper/skinclassifer.html ) se utilizó para
rs228479, rs1805006, rs1110400, rs1126809, rs3212355, OCA2 predecir cada individuo utilizando los sitios web que solicitaron la
rs1800414 , rs1800 RS10426 , RS10426 02 , rs1393350, RALY entrada de genotipo. Se realizó una evaluación del rendimiento de los
rs6059655, DEF8 rs8051733, PIGU rs2378249, ASIP rs6119471, modelos para la predicción categórica del color de piel en el conjunto
SLC24A4 rs2402130, rs17128291, rs12896399 , TYRP1 completo de 194 individuos utilizando una matriz de confusión de
predicción versus fenotipo observado, que arrojó AUC, sensibilidad,
especificidad, valor predictivo positivo (VPP) y Valor Predictivo Negativo
del modelo. Para comparar directamente el rendimiento de los 36
rs683, KITLG rs12821256, ANKRD11 rs3114908 y BNC2 rs10756819). marcadores propuestos por este grupo, los mismos individuos fueron
evaluados utilizando el modelo de 3 categorías propuesto en este
Después del control de calidad debido a la falta de algunos genotipos estudio utilizando la misma escala de fenotipo recomendada por
para el conjunto completo de 36 SNP, se realizó un modelado de Maroñas et al. (2014). Por tanto, el único factor de diferenciación fue el
regresión logística multinomial (MLR) para la predicción del color de desempeño del estudio de Maroñas et al. (2014) clasificador del color
piel categórico basado en un conjunto de 1423 individuos. Los detalles de piel y el modelo de 36 marcadores propuesto en este estudio para
del modelo para el análisis de predicción siguen estudios sobre los ojos la predicción del color de piel categórico.
(Liu et al. 2009; Walsh et al. 2011b) y el cabello (Branicki et al.
2011; Walsh y cols. 2013) predicción de color realizada previamente. Todos los análisis estadísticos se realizaron con el software
En resumen, el color de piel categórico, basado en cinco categorías (y estadístico R (R Core Team 2013), utilizando los paquetes MASS
también tres categorías), se denomina y y está determinado por el (Venables 2002), mlogit (Croissant 2013), ROCR (Sing et al. 2005),
genotipo × (número de alelos menores por k) de k SNP. Para la pROC (Robin et al. 2011). y caret (Kuhn et al. 2016).
designación de 5 categorías, π1, π2, π3, π4 y π5 denotan la
probabilidad de Muy pálido, Pálido, Intermedio, Oscuro y Negro oscuro,
respectivamente. Para investigar el rendimiento de los 36 SNP
asociados al color de la piel en un modelo de predicción general, se Resultados y discusión
realizaron validaciones cruzadas en 1.000 réplicas aleatorias; en cada
réplica, el 80% de los individuos se utilizaron como nuevo conjunto de Selección de predictores SNP del color de la piel.
entrenamiento (n = 1138) y las muestras restantes se utilizaron como
conjunto de prueba (n = 285). Los valores de AUC se derivaron del Probamos 77 SNP previamente asociados a la pigmentación de 37 loci
conjunto de pruebas y se informaron los valores de AUC promedio y genéticos (consulte la Tabla 1 para obtener más información) en 2025
la desviación estándar. valores AUC individuos para determinar su valor en la predicción del color de la piel.
13
neó
nntióncó
n
s,sinóa
ecio
n
ó
s,e
o
có
a
itm
.e
d
isó
ca
td
no
cince
ta
cidm
ice
ane
a
n
id
o
a
li,fila
rm
cu
sP
N
a
d
ise
vm
ru
lo
csb
n
o
ilae
rtN
lig
e
írD
scn
aaso
7
u
e
b ftarlio
nS
aA
7
h
u
a
d
o
p
e
T
cysv1liI
PNS ocimósom
noerGc solelA ednopserorlreleoliaE
dcl
p rolapv
.s)a8oic3tnnheeCm
rR
eg
Pfe
G
eiB
pr(
d nóicaoclie
fisdlaaonlm
lC
eif setneici)fm
deeolgtC
t(f
nóicnaóicicoa
esn
a
d nóica2
lp
er(r[
*])rolav
)2102(
Machine Translated by Google
23104sr 2A54CLS /A sn
3 5 795,0)o95n09a0,n3.2tlE
3(
e
a
Hum Genet (2017) 136:847–863
28919861sr4 5 2A54CLS /G
C 785.159.33 ;)900u.2tlia
L(
e )85e23411,8,0( 5 90221972 .0 80E27.1
ailkesuw
;z)7
n
o0e
ko
0la.t2tlV
S
e(
a
ik;)c1
0in1a0.r2tlB
e(
a
)7002(
77782s6r 5 2A54CLS /G
T 358.859.33 ikcina.rtlB
e
a )04E74910,43,2
0( 20E56.8 20E75.7
;)8
1.ys.0
0 1fsof0luro2
ltD
É
oyc(
iksw
;)7
9
o0ko
0u.t2tliS
L(
e
a
98231sr9 5 2A54CLS /G
C ;)70fa0r.2tlG
e(
a )5041E180.5,0(
sa;)ñ4
8o1
0nr0aa.2tM
lH
e(
a
80263910s1r TUCITCENNOC sn
6 ocinégerretn
tneI 742.446.931
6P1F5PTA
455921001COL
;)800u.2tlia
L(
e
o;i)r3
9o1
0te
.0lor2Pyc(
;)11n0a.2tlH
e(
a
;m
)7
8e0l0
lu.2tlS
e(
a
13
328774sr31 >AN< /G
T 227.782.36
7 )8160000,0,0(
851
nóicaunailtbnaoT
1
c
852
13
PNS ocimósomno
erG
c solelA ednopserorlreleoliaE
dcl
p rolapv
.s)a8oic3tnnheeCm
rR
eg
P
fe
G
eiB
pr(
d nóicaoclie
fisdlaaonlm
lC
eif setneici)fm
deeolgtC
t(f
nóicnaóicicoa
esn
a
d
nório
c*al]a)2
levrp(r[
9225831sr41 8 73fr1
oS8C
A /A 813.957.59 sn
;)9
1010u.2
tlia
L(
e
793673sr71 01 3ATAG /A sn
81
483.30.6
106.02.5
8
51934401sr81 01 1GKRP NE sn
69413801sr02 11 5MRG /A sn
228,4)o9
2n0
8a0
,n8.2
tlE
8(
e
a
0986394sr12 11 /A 430.440.421
ocinégerretn
tneI )5031E150,1
,0(
7G01RO
y
P5D01RO
aleu;zm
)8
5
ne0
1
el0
la
u.2
tlV
S
e(
a
;)g3
0n1a0h.2
tlZ
e(
a
add;a)1g1an0lao
.2
tla
nJ(
e
;m
)7
6e0
1l0
lu.2
tlS
e(
a
;m
)7
9e.0nsl0
lu
a
luo
.2
tliN
S
Lyc(
e
a
;m
)7
1ye.0
0 1fslf0
lu
lo
.2
tlD
S
eyc(
a
)6102(
Hum Genet (2017) 136:847–863
nóicaunailtbnaoT
1
c
PNS ocimósom
noerG
c solelA ednopserorlre
le
oliaE
d
p
cl rolapv
.s)a8oic3tnnheeCm
rR
eg
Pfe
G
eiB
pr(
d nóicaoclie
fisdlaaonlm
lC
eif setneici)fm
deeolgtC
t(f
nóicn
aóicic
oae
sna
d
nóica2
lp
er(r[
*])rolav
reh;m
)t4
1ne1el0
luu.2
tlG
S
e(
a
Machine Translated by Google
)7002(
Hum Genet (2017) 136:847–863
99369821sr13 41 726073501COL /G
T 92 20E55.2 10E80.2
)501E180,1
,0(
sau
bgirea
rd
a( 613
8 7.;7
6
m
)8
92e.0
0 7n
3sl.0
l.u
la
u2
9
o
.2
tliH
S
L
e
a
1
9
c(
y
)4A42CLS
)7002(
;m
)7
1e0
1l0
lu.2
tlS
e(
a
le)0
gm1
no0
e.r2
tM
lF
e(
a
;r)e7
1ys.0
1fsyf0lu
ao2D
K
c(
y
;)800u.2
tlia
L(
e
l;e)9
gm0
no0
e.r2
tM
lF
e(
a
;m
)m
0e0
8 1rlu
0
lu.t2
tlS
e(
a
;)r2
7e1
0s0s.2
itlV
e(
a
,)0
91002(
;)9
800u.2
tlia
L(
e
13
14905961sr14 51 2CREH /A 795.752.82 sn
)900u.2
tlia
L(
e
853
nóicaunailtbnaoT
1c
854
13
PNS ocimósom
noerGc solelA ednopserorlreleoliaE
dcl
p rolapv
.s)a8oic3tnnheeCm
rR
eg
Pfe
G
eiB
pr(
d nóicaoclie
fisdlaaonlm
lC
eif setneici)fm
deeolgtC
t(f
nóicnaóicicoa
esn
a
d
nório
c*al]a)2
levrp(r[
;)800u.2
tlia
L(
e
l;e)9
gm0
no0
e.r2
tM
lF
e(
a
Machine Translated by Google
;m
)m
0e0
8 1rlu
0
lu.t2
tlS
e(
a
)7002(
)0102(
;)9
0010u.2
tlia
L(
e
;)b)7
8y.0fsf0luo2Dyc(
res.sylaoKyc
;)9
800u.2
tlia
L(
e
)1102(
l;e)9
1
gm1
0
no0
e.r2
tM
lF
e(
a
yll;e)2
9ny.1
0n
fsf0lu
oo
.2
tlD
eyc(
a
sd;)r9
7a0
0 1w0ud.2
tliE
L(
e
a
Hum Genet (2017) 136:847–863
nóicaunailtbnaoT
1
c
PNS ocimósomnoerG
c solelA ednopserorlre
le
oliaE
d
p
cl rolapv
.s)a8oic3tnnheeCm
rR
eg
P
fe
G
eiB
pr(
d nóicaoclie
fisdlaaonlm
lC
eif setneici)fm
deeolgtC
t(f
nóicn
aóicic
oae
sna
d
nóica2
lp
er(r[
*])rolav
aleu
n;zo)m
7
9
0
ns1
0
e
sru
rlaa.t2tlV
0 S
L
e
a
y(
Machine Translated by Google
)210n.2tlia
e
J(
)o9n0a0n.2tlE
e(
a
)Asni92N(
5005081sr26 siésiceid /G
T ikcina.rtlB
e
a sn
534.919.98
iksw
;)0
1
oy1
kffo
0u.t2tlD
S
e(
a
;)m
70ru
3 0.t2tlS
e(
a
;)5
1y1ff0u.2tliD
0 L(
e
a
;)m
10
3 1ru
0.t2tlS
e(
a
;m
)7
1ye.0
0 1fslf0
lluo
.2tlD
S
e
a
c(
y
13
855
nóicaunailtbnaoT
1c
856
13
PNS ocimósom
noerGc solelA ednopserorlre
le
oliaE
d
p
cl rolapv
.s)a8oic3tnnheeCm
rR
eg
P
fe
G
eiB
pr(
d nóicaoclie
fisdlaaonlm
lC
eif setneici)fm
deeolgtC
t(f
nóicn
aóicic
oae
sna
d
nório
c*a
l]a)2
le
vrp(r[
)HCO251Y( )1102(
)1102(
Machine Translated by Google
;)m
10
3 1ru
0.t2
tlS
e(
a
;)0
1y.1fsf0luo2D
c(
y
311333sr27 71 2SNPS /G
C 060.794.4 )60E31140,2
,0(
1749116sr37 02 OBRN
OUS /G
C 20E72.9 20E15.9
504.791.43 )31tr0a.2
tlH
e(
a )58E46172,64
,2
0(
4894242sr47 02 OBRN
OUS TUCITCENNOC aleuznela.tlV
e
a
865.262.43 )71E46400,2
,0(
)0102(
0215881sr57 02 B7HYM /G
C 581.989.43 )510u.2
tlia
L(
e )933000,0
,0(
)1102(
;)510u.2
tlia
L(
e
ovitacifingosins
Hum Genet (2017) 136:847–863
Machine Translated by Google
a partir del ADN utilizando la escala de Fitzpatrick como sistema de n = 631, Intermedio n = 555, Oscuro n = 49 y Negro oscuro n = 90) para
clasificación de fenotipos. Una correlación parcial que corrigió el sexo y la cada categoría de color de piel, y fueron destacados por su contribución
ascendencia de la población arrojó un subconjunto de 53 SNP que se significativa ( valor de p <0,05 sin corregir) hacia una determinada categoría
asociaron estadísticamente de manera significativa con la escala de color de piel (ver Tabla 2). En la Fig. 2 se puede ver una ilustración del
categórica de color de piel en estos individuos (p <0,05 sin corregir) rendimiento del modelo elegido de 5 y 3 categorías y las estimaciones de
(consulte la Tabla 1 para los SNP asociados). AUC en el conjunto total del 100% .
A continuación, se realizó la selección del modelo en los 53 SNP
resultantes utilizando el Criterio de información de Akaike (AIC) para Sin embargo, como es probable que el uso del 100% de las muestras
estimar la información perdida usando ciertas combinaciones de SNP, lo sobreestime la precisión de la predicción del modelo, el conjunto total de
que resultó en un equilibrio entre la bondad de ft para el modelo de datos se dividió 1000 veces en un 80% de conjuntos de entrenamiento (n
predicción y el número de inclusiones de SNP. Este enfoque condujo a un = 1138) y un 20% de conjuntos de prueba ( n = 285 ) y se reevaluó.
conjunto final de 36 SNP de 16 genes (ver "Materiales y métodos") que se mediante la realización de validaciones cruzadas (CV). Los valores AUC
seleccionaron para el modelado de predicción final. Sólo los individuos promedio resultantes con la desviación estándar alcanzada para las diferentes pieles
con una lista completa de genotipos para los 36 SNP podrían usarse para Las categorías de color representan la verdadera evaluación del rendimiento
el modelado de predicción; esto llevó a una disminución en el número final del modelo y fueron 0,74 ± 0,05 para Muy pálido, 0,72 ±
de 2025 a 1423 individuos. 0,03 para Pálido, 0,73 ± 0,03 para Intermedio, 0,87 ± 0,1 para Oscuro y
0,97 ± 0,03 para Negro Oscuro. Para el modelo de 3 categorías, los valores
AUC promedio alcanzados con desviación estándar fueron 0,97 ± 0,02
Modelado de predicción de fenotipos de color de piel a partir para Claro, 0,83 ± 0,11 para Oscuro y 0,96 ± 0,03 para OscuroNegro.
de genotipos.
Aunque los valores más bajos en las categorías Muy Pálido, Pálido e
El modelado MLR se realizó en este conjunto de 36 SNP en 1423 individuos Intermedio reflejan una dispersión de la categoría Claro en tres
usando las siguientes categorías: Muy pálido n = 98, Pálido n = 631, subcategorías separadas, el modelo de predicción tiene en cuenta esta
Intermedio n = 555, Oscuro n = 49 y Negro oscuro n = 90. Para ilustrar el variación para diferenciar a los individuos que muestran diferencias obvias
desglose de en el color de la piel, es decir, , piel muy pálida frente a tonos más 'oliva'.
La contribución de cada SNP a la predicción categórica del color de la piel Cada categoría proporciona información adicional sobre la capacidad de
utilizando el 100% de los individuos (n = 1423), cada SNP se agrega bronceado de ese individuo previsto, lo cual es particularmente relevante
secuencialmente y se estima su efecto de predicción recopilado en para predecir la variación observada en Europa, especialmente cuando
términos de AUC, como se muestra en la Fig. 1. se comparan los europeos del norte con los del sur. Por ejemplo, aunque
Para describir el modelo final elegido, los α y β para cada SNP se derivaron producen valores AUC independientes más bajos, tomados en conjunto
del conjunto completo de 1423 individuos. en términos de
(Hombre n = 556, Mujer n = 867; Muy Pálido n = 98, Pálido
Fig. 1 Ilustración de la contribución acumulativa de cada uno de los 36 predictores de Orden secuencial del rango de predicción más alto al más bajo. Cada línea codificada
SNP seleccionados hacia la precisión de la predicción del AUC de 5 categorías de por colores representa una de las cinco categorías de colores de piel predichas por el
color de piel basadas en el conjunto completo de 1423 individuos. Los predictores de ADN. El fenotipado del color de la piel se realizó mediante tipos de piel derivados de la
SNP se agregaron al modelo de predicción uno por uno en el escala de Fitzpatrick.
13
Machine Translated by Google
Tabla 2 Contribución de cada uno de los 36 predictores SNP seleccionados del color de la piel hacia las categorías de predicción binomial en términos de los coeficientes
beta y su significancia estadística, dentro del modelo de predicción del color de la piel de 5 categorías
variante de ADN_ Muy pálido Muy Pálido Intermedio Intermedio Oscuro(beta Negro (apuesta
Rango alelos Gene Función (beta)* Pálido(p) (beta)* Pálido(p) y (beta)* y P) )* Oscuro(p) a)* Negro(p)
SLC24A
1 rs1426654_G 5 sentido erróneo 1.55E+01 0.9942928 1.77E+01 0.993404 1.20E+00 2.77E05 3.77E01 0.319734 2.36E+00 0.0004942
2rs12203592_T _ IRF4 Intrónico 7.51E01 1.58E05 2.16E01 4.74E02 5.99E01 7.14E07 9.92E01 0.1763 1.35E+00 0.3978746
3 rs1805007_T MC1R sentido erróneo 1.35E+00 4.51E05 1.71E01 0.381957 7.47E01 0.0005226 9.43E03 0.988182 3.38E+00 0.0676266
4 rs1800414_C OCA2 sentido erróneo 9.70E01 0.0585353 3.10E01 0.509712 7.05E01 0.0816092 6.53E02 0.940198 2.32E+01 0.9965547
SLC45A
5rs16891982_C _ 2 sentido erróneo 6.22E02 0.9162894 6.93E01 0.022566 4.97E02 0.8310418 5.96E01 0.167571 9.87E01 0.2208321
6 rs1667394_C HERC2 Intrónico 2.34E01 0.511466 7.89E01 1.51E06 7.12E01 6.69E06 3.73E01 0.439589 1.57E01 0.868159
7 rs1805008_T MC1R sentido erróneo 4.13E01 0.2408292 5.76E01 0.002058 5.00E01 0.0089664 1.78E+01 0.996328 1.46E+01 0.994609
8 rs1800407_A OCA2 sentido erróneo 5.06E01 0.1424749 4.37E01 0.023029 4.16E01 0.0317966 1.44E+00 0.058356 1.47E01 0.9215988
9 rs11547464_A MC1R sentido erróneo 1.01E+00 0.1458374 2.61E01 0.543709 1.13E01 0.7867291 1.92E+01 0,998487 1,26E+00 0,6761456
10rs885479_T _ Sentido erróneo MC1R 2.67E01 0.5489678 1.90E01 0,413344 1,40E01 0,5139418 3,08E01 0.56802 6.36E02 0.9574336
11 rs2228479_A MC1R sentido erróneo 4.92E01 0,1144651 1.93E01 0.247803 2.32E01 0.1706836 6.63E01 0.286954 7.25E01 0.5266929
12 rs1042602_T TYR sentido erróneo 2.60E01 0.1929436 1.70E02 0.862792 2.50E03 0.9796564 2.29E01 0.5263 1.30E+00 0.0915205
13 rs1805006_A MC1R sentido erróneo 1.07E+00 0.0761868 5.39E01 0,265437 1.54E+00 0.043044 1.68E+01 0.998875 1.18E+01 0.9987211
14 rs6059655_A RALY Intrónico 5.60E01 0.0544301 1.02E01 0.570206 2.90E01 0.1350065 1.80E+01 0.996243 1.90E+00 0.6150876
15 rs2238289_C HERC2 Intrónico 3.02E01 0.5552944 6.19E01 0.01014 5.48E01 0.0137588 3.65E01 0.453662 6.17E01 0.5492788
16rs8051733_C _ DEF8 Intrónico 5.14E02 0.8332057 2.75E01 0.019515 3.17E01 0.0062002 1.09E02 0.973421 7.59E01 0.2163218
17 rs1129038_G HERC2 variante utr 2.22E02 0.9665727 5.37E01 0.017675 3.67E01 0.0784101 1.33E+00 0.010994 1.38E+00 0,285247
18 rs1110400_C MC1R sentido erróneo 5.28E01 0.5208184 9.73E01 0.021921 9.83E01 0.0349447 1.71E+01 0.998621 1.32E+01 0.9981779
19 rs1126809_A TYR sentido erróneo 1.09E+00 0.0009996 1.71E01 0.323763 3.75E02 0.8266796 3.51E02 0,94582 1,06E+00 0,3860315
20 rs12913832_A HERC2 Intrónico 5.50E01 0.2901178 7.13E02 0,731546 1,45E02 0,9403802 3,63E02 0.940461 1.35E+00 0.28026
21 rs1393350_T TYR Intrónico 1.39E01 0,6145368 2.76E01 0.059699 2.37E01 0.1099633 7.46E01 0.089607 1.99E+00 0.1174444
22 rs3212355_A MC1R variante utr 1.71E+01 0.998324 3.89E01 0,478824 2,35E01 0,6234064 1,34E+00 0.063992 2.69E01 0.8913592
23rs2378249_C _ BARATO Intrónico 2.34E01 0.3312696 4.01E02 0.760401 9.67E02 0.4565752 3.54E02 0.922082 1.27E01 0.839637
SLC45A
24rs28777_C _ 2 Intrónico 3.51E01 0.5680952 4.80E01 0.15932 2.15E01 0.3840998 1.32E+00 0.001628 2.48E01 0.7438982
25 rs12441727_A OCA2 Intrónico 5.15E01 0.1294029 3.35E01 0.061498 8.81E02 0.5922469 8.10E01 0,036732 1,74E01 0,8160609
26 rs6119471_C UN SORBO Intrónico 4.53E01 0.6352219 1.09E+00 0.13888 9.89E01 0.0180537 8.07E01 0.078096 7.50E01 0.373023
SLC24A
27 rs2402130_G 4 Intrónico 6.52E02 0.7651712 1.27E01 0.280665 6.01E02 0.608181 3.93E01 0.260224 5.00E01 0.4372495
SLC24A
28rs17128291_C _ 4 Intrónico 3.19E01 0.1218117 1.18E03 0.99181 3.00E02 0.7983005 1.52E01 0,755635 2.42E+00 0.1352896
SLC24A
29rs12896399_T _ 4 intergénico 9.27E02 0.6156681 8.05E02 0,397458 7.94E02 0.4051686 2.72E01 0.40895 2.66E02 0.9688827
30 rs6497292_C HERC2 Intrónico 3.00E01 0.585069 1.69E01 0.511455 1.95E01 0.3963796 7.49E01 0,097886 6,74E01 0,3594738
31rs1470608_T _ OCA2 Intrónico 9.00E03 0.9797841 2.48E01 0.177785 2.75E01 0.1103997 8.61E01 0.042551 6.99E01 0.3548479
32 rs683_G TYRP1 Intrónico 6.23E02 0.7246088 3.05E02 0.738261 8.17E02 0.3761086 4.01E01 0,204862 2,45E02 0,9725941
33 rs12821256_G KITLG Intergénico 1.69E02 0.955171 2.89E01 0.066387 2.38E01 0.1394087 5.19E01 0.394784 2.36E+00 0.2742918
34rs1545397_T _ OCA2 Intrónico 1.85E01 0.5744969 1.07E01 0.502868 1.22E01 0.4187563 1.32E01 0,743928 2.82E02 0.9732721
ANKRD
35 rs3114908_A 11 Intrónico 6.48E02 0.7409674 4.10E02 0,689547 1.09E01 0.2902776 5.70E01 0.06615 1.99E01 0.7600475
36 rs10756819_G BNC2 Intrónico 3.17E01 0.0850126 5.26E02 0.565598 8.85E02 0.3303634 7.41E02 0,784686 7,89E01 0,1844509
* Cada grupo se mide como Muy Pálido versus el resto, Pálido versus el resto, Intermedio versus el resto, Oscuro versus el resto y OscuroNegro versus el resto.
y las contribuciones significativas se destacan en sus respectivas categorías de color de piel.
su probabilidad, proporcionan información adicional general También debe considerar la época del año (es decir, verano/
sobre si el individuo permanecerá con la piel clara o pálida invierno) sobre si un individuo podría parecer más oscuro
durante todo el año (como es el caso con las estimaciones de debido a la exposición al sol o permanecer igual debido a la
probabilidad alta de pálido a muy pálido) o si podría falta de exposición al sol.
potencialmente oscurecerse con el bronceado (representante Los modelos establecidos en este estudio ilustran el grado
de la categoría de probabilidad intermedia alta). estimaciones). En estos
razonablemente
casos, uno alto de predicción categórica del color de piel.
13
Machine Translated by Google
13
Machine Translated by Google
* Evaluación del desempeño del modelo establecido de 36SNP utilizando fenotipos de la escala de Fitzpatrick como fenotipo
observado
En cualquier caso, estos resultados indican que nuestro modelo Las sumas de alelos que utilizan una lista ampliada de SNP asociados a
recientemente propuesto basado en un conjunto de 36 SNP que predicen rasgos pueden proporcionar o no una mayor precisión de predicción, ya
el color de la piel superó al modelo propuesto previamente basado en un que depende de la cantidad de SNP agregados que en realidad tienen
conjunto de 10 SNP publicado por Maroñas et al. (2014) con respecto a efectos de asociación/predictivos bajos o nulos. Además, la baja calidad
la precisión de la predicción del color de la piel a partir del ADN. y cantidad de ADN que normalmente se obtiene en aplicaciones que
Finalmente, para proporcionar una prueba de principio sobre los utilizan la predicción de rasgos visibles basada en el ADN, como
marcadores finales elegidos para un modelo global de predicción del extractos de dientes o huesos en aplicaciones antropológicas y rastros
color de piel y el conjunto de datos utilizado para entrenar el modelo, se de la escena del crimen en aplicaciones forenses, normalmente no
seleccionaron 14 individuos del 'conjunto de comparación de permiten el análisis de grandes cantidades de ADN. número de SNP.
modelos' (que no habían participado previamente en modelado), y las Por lo tanto, el uso de la tecnología de microarrays no es óptimo y, por
probabilidades de color de piel en una escala de 5 categorías se lo tanto, un enfoque específico, como el genotipado de un conjunto
muestran junto con una imagen de piel (Fig. 3). Los individuos fueron limitado de marcadores de ADN, recomendado aquí para la predicción
elegidos para representar a diferentes países del mundo donde nacieron del color de la piel, es actualmente el método preferido.
sus padres biológicos dentro y fuera de los EE. UU. Cabe señalar que
considerar las dos probabilidades categóricas más altas (y no sólo la
más alta) parece reflejar mejor la paleta de colores de ese individuo en Conclusiones
particular. Estos datos preliminares indican que los marcadores de ADN
y el modelo de predicción que hemos desarrollado en este estudio En general, demostramos que el color de la piel global, entre y dentro de
pueden lograr una predicción global del color de la piel basada en el grupos continentales, se puede predecir con precisión a partir del ADN
ADN independientemente de la ascendencia biogeográfica, lo que, sin utilizando un conjunto de 36 SNP cuidadosamente seleccionados de 16
embargo, requiere más investigación en individuos adicionales de todo genes. Los marcadores de ADN y el modelo presentado aquí ofrecen
el mundo. Además, como ocurre con todos los rasgos de pigmentación, precisiones de predicción que ya son lo suficientemente altas para
pasar a una predicción más continua del color de la piel inevitablemente aplicaciones prácticas, aunque para las tres categorías diferentes de
mejoraría la precisión general. Sin embargo, primero se deben descubrir color de piel clara, se pueden mejorar aún más con predictores SNP
marcadores globales adicionales del color de la piel mediante GWAS a adicionales (pero actualmente desconocidos) una vez identificados. a
gran escala. través de futuros GWAS. Imaginamos que si se combinan con los SNP
que predicen el color de ojos y cabello previamente establecidos, como
El modelo de predicción actual se basa en una regresión logística los de los sistemas IrisPlex y HIrisPlex, los tres rasgos de pigmentación
multinomial, que incluye un conjunto de SNP cuidadosamente humana se pueden predecir de manera confiable a partir del ADN en
seleccionados. Modelado de predicción utilizando enfoques alternativos, futuras aplicaciones forenses y antropológicas.
como la derivación de puntuaciones poligénicas basadas en ponderaciones.
13
Machine Translated by Google
Referencias
Box NF, Wyeth JR, O'Gorman LE, Martin NG, Sturm RA (1997).
Caracterización de alelos variantes del receptor de la hormona estimulante
de melanocitos en gemelos pelirrojos. Hum Mol Genet 6:1891–1897
13
Machine Translated by Google
Donnelly MP et al (2012) Una visión global de la región OCA2HERC2 y la Jin Y et al (2012) Los análisis de asociación de todo el genoma identifican 13 nuevos
pigmentación. Hum Genet 131:683–696 loci de susceptibilidad al vitíligo generalizado. Nat Genet 44:676–680
DrausBarini J, Walsh S, Pospiech E, Kupiec T, Glab H, Branicki W, Kayser M (2013)
Color auténtico: predicción del ADN del color de los ojos y el cabello humanos Jones ER et al (2015) Los genomas del Paleolítico superior revelan raíces profundas
a partir de restos esqueléticos antiguos y contemporáneos. Invierta Genet 4:3 de los euroasiáticos modernos. Nat Commun 6:8912
Jonnalagadda M, Norton H, Ozarkar S, Kulkarni S, Ashma R (2016) Asociación de
Duffy DL et al (2007) Un haplotipo de polimorfismo de tres nucleótidos únicos en el variantes genéticas con fenotipo de pigmentación de la piel entre poblaciones
intrón 1 de OCA2 explica la mayor parte de la variación del color de los ojos del oeste de Maharashtra, India. Soy J Hum Biol 28:610–618
humanos. Soy J Hum Genet 80:241–252
Duffy DL, Zhao ZZ, Sturm RA, Hayward NK, Martin NG, Montgomery GW (2010) Kanetsky PA, Swoyer J, Panossian S, Holmes R, Guerry D, Rebbeck TR (2002)
Los polimorfismos de genes de pigmentación múltiples representan una Un polimorfismo en el gen de la proteína de señalización agutí está asociado
proporción sustancial del riesgo de melanoma maligno cutáneo. J Invest con la pigmentación humana. Amer J. Hum Genet 70:770–775
Dermatol 130:520–528
Edwards M et al (2010) Asociación del polimorfismo OCA2 His615Arg con contenido Kanetsky PA et al (2004) Evaluación de variantes polimórficas en el gen del receptor
de melanina en poblaciones de Asia oriental: evidencia adicional de la de melanocortina1 con pigmentación cutánea mediante un enfoque evolutivo.
evolución convergente de la pigmentación de la piel. Canc Epid, Biomark Prevent 13:808–819
PLoS Genet 6:e1000867 Kastelic V, Pos´piech E, DrausBarini J, Branicki W, Drobnicˇ K (2013) Predicción del
Eiberg H, Troelsen J, Nielsen M, Mikkelsen A, MengelFrom J, Kjaer K, Hansen L color de ojos en la población eslovena utilizando los SNP IrisPlex. Croata Med
(2008) El color de ojos azules en humanos puede ser causado por una J 54:381–386
mutación fundadora perfectamente asociada en un elemento regulador Kayser M et al (2008) Tres estudios de asociación de todo el genoma y un análisis
ubicado dentro del gen HERC2. inhibiendo la expresión de OCA2. Hum Genet de vinculación identifican HERC2 como un gen del color del iris humano.
123:177–187 Soy J Hum Genet 82:411–423
Fernández LP, Milne RL, Pita G, Avilés JA, Lazaro P, Benítez J, Ribas G (2008) King TE et al (2014) Identificación de los restos del rey Ricardo III. Nat Commun
SLC45A2: un nuevo gen asociado al melanoma maligno. Hummutat 29:1161– 5:5631
1167 Kuhn M, Wing J, Weston S, Williams A, Keefer C, Engelhardt A, Cooper T, Mayer Z,
Fitzpatrick TB (1988) La validez y practicidad de los tipos de piel reactiva al sol I a Kenkel B, el R Core Team, Benesty M, Lescarbeau R, Ziem A, Scrucca L,
VI. Arco Dermat 124:869–871 Tang Y, Candan C, Hunt T (2016) Caret: entrenamiento de clasificación y
Flanagan N et al (2000) Efectos pleiotrópicos del gen del receptor de melanocortina regresión. Paquete R versión 6.073, https://CRAN.Rproject.org/package=caret
1 (MC1R) sobre la pigmentación humana. Hum Mol Genet 9:2531–2537
Lamason RL et al (2005) SLC24A5, un supuesto intercambiador de cationes, afecta
Frudakis T et al (2003) Secuencias asociadas con cerdos del iris humano. la pigmentación en peces cebra y humanos. Ciencia 310:1782–1786
mentación. Genética 165:2071–2083
Frudakis T, Terravainen T, Thomas M (2007) Los genotipos multilocus OCA2 Lao O, de Gruijter JM, van Duijn K, Navarro A, Kayser M (2007)
especifican los colores del iris humano. Hum Genet 122:311–326 Firmas de selección positiva en genes asociados con la pigmentación de la
GallegoLlorente M et al (2016) La genética de un pastor neolítico temprano de piel humana reveladas a partir de análisis de polimorfismos de un solo
Zagros, Irán. Representante científico 6:31326 nucleótido. Ann Hum Genet 71:354–369
Gamba C et al (2014) Fux y estasis del genoma en un transecto de cinco milenios Law MH et al (2015) El metanálisis de todo el genoma identifica cinco nuevos loci de
de la prehistoria europea. Nat Commun 5:5257 susceptibilidad al melanoma maligno cutáneo. Nat Genet 47:987–995
Graf J, Hodgson R, van Daal A (2005) Los polimorfismos de un solo nucleótido en
el gen MATP están asociados con una variación normal de la pigmentación Liu H, Prugnolle F, Manica A, Balloux F (2006) Un modelo genético geográficamente
humana. Hum Mutat 25:278–284 explícito de la historia de los asentamientos humanos en todo el mundo.
Graf J, Voisey J, Hughes I, van Daal A (2007) Los polimorfismos promotores en el Soy J Hum Genet 79:230–237
gen MATP (SLC45A2) están asociados con una variación normal del color de Liu F, van Duijn K, Vingerling J, Hofman A, Uitterlinden A, Janssens A, Kayser M
la piel humana. Hummutat 28:710–717 (2009) El color de los ojos y la predicción de fenotipos complejos a partir de
Grimes EA, Noake PJ, Dixon L, Urquhart A (2001) Polimorfismo de secuencia en el genotipos. Curr Biol 19:192193
gen del receptor de melanocortina 1 humano como indicador del fenotipo del Liu F et al (2010) La cuantificación digital del color de los ojos humanos destaca la
cabello rojo. Foren Sci Int 122: 124129 asociación genética de tres nuevos loci. PLoS Genet 6:e1000934
Guenther CA, Tasic B, Luo L, Bedell MA, Kingsley DM (2014) Una base molecular
para el color de cabello rubio clásico en los europeos. Nat Genet 46:748–752 Liu F et al (2015) Genética de la variación del color de la piel en europeos: estudios
de asociación de todo el genoma con seguimiento funcional.
Han J et al (2008) Un estudio de asociación de todo el genoma identifica nuevos Hum Genet 134:823–835
alelos asociados con el color del cabello y la pigmentación de la piel. PLoS Maroñas O et al (2014) Desarrollo de un predictor forense del color de la piel.
Genet 4:e1000074 prueba dictiva. Foren Sci Int: Genet 13:34–44
Harding RM et al (2000) Evidencia de presiones selectivas variables Martiniano R et al (2016) Señales genómicas de migración y continuidad en Gran
en MC1R. Soy J Hum Genet 66:1351–1361 Bretaña antes de los anglosajones. Nat Comunión 7:10326
Hart KL, Kimura SL, Mushailov V, Budimlija ZM, Prinz M, Wurmbach E (2013)
Predicción mejorada del color de ojos y piel basada en 8 SNP. Croata Med J MengelDe J, Wong T, Morling N, Rees J, Jackson I (2009)
54:248–256 Determinantes genéticos del color de cabello y ojos en las poblaciones
Jablonski NG, Chaplin G (2000) La evolución de la piel humana color escocesa y danesa. Genética BMC 10:88
oración. J Hum Evolución 39:57–106 MengelFrom J, Borsting C, Sanchez JJ, Eiberg H, Morling N (2010) Color de ojos
Jablonski NG, Chaplin G (2013) La pigmentación epidérmica en el linaje humano es humanos y HERC2, OCA2 y MATP.
una adaptación a la radiación ultravioleta. J Hum Evolución 65:671–675 Fueron Sci Int: Jinete 4:323–328
Mushailov V, Rodriguez SA, Budimlija ZM, Prinz M, Wurmbach E (2015) Desarrollo
Jacobs LC et al (2015) Un estudio de asociación de todo el genoma identifica los de ensayos y validación de una prueba multiplex de 8SNP para predecir la
genes del color de la piel IRF4, MC1R, ASIP y BNC2 que influyen en las coloración de ojos y piel. J Ciencias Forenses 60:990–1000
manchas pigmentadas faciales. J Invest Dermatol 135:1735–1742
13
Machine Translated by Google
Nan H et al (2009) Estudio de asociación de todo el genoma del fenotipo de bronceado Sulem P et al (2008) Dos determinantes genéticos de pigmentación recientemente
en una población de ascendencia europea. J Invest Dermatol 129:2250–2257 identificados en los europeos. Nat Genet 40:835–837
Valenzuela RK et al (2010) Predicción del fenotipo a partir del genotipo: pigmentación
Olalde I et al (2015) Un origen genético común para los primeros agricultores de las normal. J. Foren Sci 55:315–322
culturas LBK mediterráneas cardiales y centroeuropeas. Mol Bio Evol 32:3132– Valverde P, Healy E, Jackson I, Rees J, Thody A (1995) Las variantes del gen del receptor
3142 de la hormona estimulante de los melanocitos están asociadas con el cabello rojo
Pastorino L et al (2004) Novel MC1R variants in Ligurian melanoma patients and y la piel clara en los seres humanos. Nat Genet 11:328–330
controls. Hum Mutat 24:103 Venables WN, Ripley BD (2002) Estadística aplicada moderna con S., 4ª ed. Springer,
Posthuma D et al (2006) Vinculación replicada para el color de ojos en 15q utilizando Nueva York
calificaciones comparativas de pares de hermanos. Comportamiento Genet 36:12– Visser M, Kayser M, Palstra RJ (2012) HERC2 rs12913832 modula la pigmentación
17 humana atenuando la formación de bucles de cromatina entre un potenciador de
Praetorius C et al (2013) Un polimorfismo en IRF4 afecta la pigmentación humana a largo alcance y el promotor OCA2.
través de una vía MITF/TFAP2A dependiente de tirosinasa. Celda 155:1022–1033 Genoma Res 22:446–455
Visser M, Palstra RJ, Kayser M (2014) El color de la piel humana está influenciado por
Quillen EE et al (2012) OPRM1 y EGFR contribuyen a las diferencias en la pigmentación un polimorfismo de ADN intergénico que regula la transcripción del gen de
de la piel entre los indígenas americanos y los europeos. Hum Genet 131:1073– pigmentación BNC2 cercano. Hum Mol Genet 23:5750–5762
1080
R Core Team (2013) R: Un lenguaje y entorno para la informática estadística. Fundación Voisey J, GomezCabrera Mdel C, Smit DJ, Leonard JH, Sturm RA, van Daal A (2006)
R para Computación Estadística, Viena. http://www.Rproject.org/ Un polimorfismo en la proteína de señalización agutí (ASIP) se asocia con niveles
reducidos de ARNm. Celda de cerdo Res 19:226–231
Rana BK et al (1999) Alto polimorfismo en el locus del receptor de melanocortina 1
humana. Genética 151:15471557 Walsh S, Lindenbergh A, Zuniga S, Sijen T, de Knijff P, Kayser M, Ballantyne K (2011a)
Rebbeck TR et al (2002) Gen P como biomarcador heredado del color de los ojos Validación del desarrollo del sistema IrisPlex: determinación del color del iris azul
humanos. Canc Epid, Biomarca anterior 11:782–784 y marrón para inteligencia forense. Foren Sci Int: Genet 5:464–471
Robin X, Turck N, Hainard A, Tiberti N, Lisacek F, Sanchez JC, Müller M (2011) pROC:
un paquete de código abierto para R y S+ para analizar y comparar curvas ROC. Walsh S, Liu F, Ballantyne K, van Oven M, Lao O, Kayser M (2011b)
BMC Bioinformar 12:77 IrisPlex: una herramienta de ADN sensible para la predicción precisa del color de
Rosenberg NA (2006) Subconjuntos estandarizados del panel de líneas celulares de ojos azules y marrones en ausencia de información de ascendencia. Foren Sci Int:
diversidad del genoma humano HGDPCEPH, que representan muestras atípicas Genet 5:170–180
y duplicadas y pares de parientes cercanos. Ann Hum Genet 70:841–847 Walsh S et al (2012) Predicción del color de ojos basada en ADN en toda Europa con el
sistema IrisPlex. Foren Sci Int: Genet 6:330–340
Sing T, Sander O, Beerenwinkel N, Lengauer T (2005) ROCR: visualización del Walsh S et al (2013) El sistema HIrisPlex para la predicción simultánea del color de
rendimiento del clasificador en R. Bioinform 21:7881 cabello y ojos a partir del ADN. Foren Sci Int: Genet 7:98–115
Spichenok O et al (2011) Predicción del color de ojos y piel en diversas poblaciones
utilizando siete SNP. Foren Sci Int: Genet 5:472–478 Walsh S et al (2014) Validación del desarrollo del sistema HIrisPlex: predicción del color
Stokowski RP et al (2007) Un estudio de asociación del genoma de la pigmentación de la de ojos y cabello basada en ADN para uso forense y antropológico. Foren Sci Int:
piel en una población del sur de Asia. Soy J Hum Genet 81:1119–1132 Genet 9:150–161
Yun L, Gu Y, Rajeevan H, Kidd KK (2014) Aplicación de seis SNP IrisPlex y comparación
Sturm RA, Larsson M (2009) Genética del color y patrones del iris humano. Célula de de dos sistemas de predicción del color de ojos en diversas poblaciones de Eurasia.
cerdo Melan Res 22:544–562 Int J Leg Med 128:447–453
Sturm RA et al (2003) Asociación genética y función celular de los alelos variantes de Zhang M et al (2013) Los estudios de asociación de todo el genoma identifican varios
MC1R en la pigmentación humana. Ann Nueva York Acad Sci 994: 348–358 loci nuevos asociados con rasgos de pigmentación y riesgo de cáncer de piel en
estadounidenses de origen europeo. Hum Mol Genet 22:2948–2959
Sturm RA et al (2008) Un único SNP en una región conservada evolutivamente dentro Zhu G (2004) Una exploración del genoma para determinar el color de ojos en 502
del intrón 86 del gen HERC2 determina el color de ojos azulmarrón humano. Soy familias de gemelos. La mayor variación se debe a un QTL en el cromosoma 15q.
J Hum Genet 82:424–431 Twin Res Off J Int Soc Twin Stud 7:197–210
Sulem P et al (2007) Determinantes genéticos de la pigmentación del cabello, los ojos y
la piel en los europeos. Nat Genet 39:14431452
13