Aprendizaje Dirigido para la Predicción de Riesgo de Enfermedad de Alzheimer Esporádica y Estimación del Efecto de APOE4 Luego de Ajustar por Otros Marcadores Genéticos

L ACION; D KELMANSKY; M DALMASSO; C MUCHNIK; N OLIVAR; L BRUSCO; L MORELLI

Jornada; 4º Jornada de Investigación y nuevas estrategias en la Enfermedad de Alzheimer; 2016

La enfermedad de Alzheimer esporádica (EAE)es la causa más común de demencia y un desorden genético complejo en el cual elalelo ɛ4 de la APOE es la variante de riesgo genético de mayor influencia. Recientemente,estudios que abarcan todo el genoma muestran más de 100 variantes genéticas(SNPs) que modifican, en menor medida que ɛ4, el riesgo de EAE. Aprendizaje dirigido (Ad) esun marco analítico que resume la información de los datos automáticamente (sinnecesidad de que el analista elija un único algoritmo), estima medidas deefecto como el odds ratio (OR) o la razón de riesgo y realiza pruebas dehipótesis estadísticas. Con este fin, Ad admite el uso simultáneo de algoritmostales como regresión logística, random forest y redes neuronales. Ad incorporatodos los modelos y algoritmos que el analista considere pertinentes garantizandoque el modelo final tendrá un poder predictivo al menos tan bueno como el mejorde los algoritmos considerados. El OR resultante tiene un balancesesgo/variabilidad óptimo. Ad informa no sólo medidas de efecto conocidas y defácil interpretación sino también intervalos de confianza y p-valores queacompañan a la medida de efecto. El objetivo de este trabajo es aplicar Adpara la predicción y la estimación del efecto de APOE4 luego de ajustar porgénero, edad, ancestría y otros marcadores genéticos. Usamos resultados de unestudio realizado en población argentina mayor de 65 años (218 casos condiagnóstico clínico de EAE y 175 controles sin deterioro cognitivo) dondedeterminamos los siguientes SNPs: rs429358 (APOE4), rs744373 (BIN1), rs3764650(ABCA7), rs3818361 (CR1), rs3851179 (PICALM), rs610932 (MS4A6A) y rs670139(MS4A4E), seleccionados por su habilidad para predecir EAE en estudios previos.Mostraremos los resultados y discutiremos ventajas y desventajas del uso de Adcomo herramienta novedosa en el análisis de predictores de EAE.