134 Proteínas Plasmáticas Vinculadas al Riesgo de Osteoporosis Identificadas en un Estudio con 42.000 Personas

La osteoporosis afecta aproximadamente a 1 de cada 5 adultos en todo el mundo y causa fracturas por fragilidad incapacitantes; sin embargo, la detección temprana sigue siendo insuficiente. Las proteínas plasmáticas circulantes ofrecen una ventana a la biología de la enfermedad que podría permitir una intervención más temprana, pero los estudios proteómicos anteriores han estado limitados por muestras pequeñas, diseños transversales y paneles de proteínas reducidos.

Este estudio de cohorte prospectivo incluyó a 42.325 adultos del UK Biobank que no tenían osteoporosis al inicio del estudio. De estos, 1.477 desarrollaron osteoporosis durante el seguimiento hasta noviembre de 2022. La proteómica plasmática utilizó el Olink Explore Proximity Extension Assay, cuantificando 2.919 proteínas tras el control de calidad. La regresión de riesgos proporcionales de Cox evaluó todas las proteínas en busca de asociaciones longitudinales con el inicio de la osteoporosis, ajustando por variables demográficas, estilo de vida y comorbilidades. La aleatorización mendeliana (MR) de dos muestras, mediante QTLs proteicos de UKB-PPP y datos de resumen de GWAS de FinnGen (8.017 casos, 391.037 controles), evaluó la direccionalidad causal. Posteriormente, el aprendizaje automático (LightGBM) clasificó los predictores proteicos, y el Análisis de Redes de Correlación de Genes Ponderados (WGCNA) identificó módulos de proteínas con co-expresión.

De las 2.919 proteínas evaluadas, 134 mostraron asociaciones significativas con la osteoporosis tras la corrección de Bonferroni. Las asociaciones más sólidas correspondieron a SOST (esclerostina), un inhibidor canónico de la vía de señalización Wnt que suprime la formación ósea; ADIPOQ (adiponectina), una adipocina con funciones en el metabolismo óseo; y CKB (creatina quinasa tipo B). Doce proteínas mostraron asociaciones significativas con las puntuaciones T de densidad mineral ósea en el cuello femoral, la columna lumbar y el cuerpo total. El análisis MR confirmó relaciones causales para 17 proteínas, con FSHB (subunidad beta de la folitropina), SOST y ADIPOQ como las características predictivas más destacadas en el aprendizaje automático. El modelo predictivo de 10 proteínas alcanzó un AUC = 0,803 para el inicio en un plazo de 5 años, superando al modelo basado únicamente en factores de riesgo tradicionales.

El análisis de redes WGCNA identificó tres módulos proteicos relacionados con la osteoporosis: uno enriquecido en vías inmunitarias y del complemento, otro en metabolismo lipídico, y un tercero centrado en la regulación de la FSH. Los análisis de mediación mostraron que estos módulos actuaban como intermediarios biológicos entre factores de riesgo establecidos —tabaquismo, sueño, actividad física, puntuación de riesgo poligénico y menopausia— y el desarrollo de la osteoporosis. Este hallazgo sugiere que diversas exposiciones ambientales y genéticas convergen en un conjunto limitado de vías moleculares para impulsar la pérdida ósea.

La gran escala del estudio, su diseño prospectivo y la integración de métodos de inferencia causal representan fortalezas importantes. Sin embargo, la población es predominantemente de ascendencia europea, lo que limita la generalización de los resultados. Las mediciones de proteínas se realizaron en un único punto basal, lo que impide evaluar la dinámica de la trayectoria proteica a lo largo del tiempo. Además, la osteoporosis se determinó mediante registros hospitalarios y códigos ICD-10, lo que podría subestimar los casos leves o diagnosticados en el ámbito ambulatorio.