Dados do Trabalho

Título

VARIANTES GENÉTICAS E COVID-19: UMA REAVALIAÇÃO BAYESIANA

Objetivo

Este estudo objetiva determinar, por meio de abordagens Bayesianas, a taxa de falsos positivos em meta-análises que investigaram a associação entre polimorfismos genéticos e o risco de COVID-19.

Fonte de Dados

Foi realizada uma revisão da literatura anteriormente a 04 de janeiro de 2024 em diferentes bases de dados (Google Scholar, PubMed e Web of Science) para metanálises sobre estudos genéticos e COVID-19. A seguinte combinação de palavras-chave e operadores booleanos foi utilizada na busca: “COVID-19 ou SARS-Cov-2” e “polimorfismo ou variação genética” e “meta-análise”.

Seleção de Estudos

Foram selecionados oito estudos de metanálise genética com valores significativos de Odds Ratio (OR) (p<0,05) e 95% de intervalo de confiança (CI).

Coleta e Análise de Dados

A coleta dos dados foi feita por dos investigadores seguindo uma planilha estruturada. A análise dos dados deu-se por meio dos cálculos da Probabilidade de Relato de Falso Positivo (FPRP) e nos valores de OR de 1,2 e 1,5 e da Probabilidade Bayesiana de Falsa Descoberta (BFDP), ambos nas probabilidades prévias de 10-3 e 10-6, para verificar a notoriedade dos dados obtidos. Para serem dignos de notas os dados devem receber valores de FPRP e BFDP <0,2 e <0,8, respectivamente. Análises in silico (redes gene-gene e proteína-proteína) foram feitas para verificar o papel biológico dos genes e polimorfismos dignos de nota.

Síntese de Dados

Como resultados, foram incluídos oito estudos meta-analíticos em diferentes genes e polimorfismos que permitiram o cálculo de 480 dados bayesianos. Os polimorfismos dos genes ACE1/rs1799752, ACE2/rs2074192 e APOE/rs429358 foram considerados dignos de nota (FPRP<0,2 e BFDP<0,8). Esses genes também mostraram um papel relevante na fisiopatologia da COVID-19, demonstrado pelas redes gene-gene e proteína-proteína.

Conclusão

Este estudo fornece informações sobre as variações genéticas que podem influenciar o risco desta doença e destacou a importância das abordagens Bayesianas na previsão de possíveis alvos moleculares para o rastreio do risco de COVID-19.

Palavras Chave

SARS-CoV-2; Variação Genética; Alelos; Metanálise