Asociación de factores genéticos y no-genéticos con la severidad de la infección por sars-cov2 en población colombiana

Factores genéticos y no genéticos son responsables de la alta variabilidad interindividual en la respuesta al SARS-CoV-2. Aunque se han identificado numerosos polimorfismos genéticos como factores de riesgo de COVID-19 grave, estos siguen sin estudiarse en las poblaciones latinoamericanas. Este estudio evaluó la asociación de factores no genéticos y tres polimorfismos: ACE rs4646994, ACE2 rs2285666, y LZTFL1 rs11385942, con la severidad de la COVID y los síntomas a largo plazo utilizando un diseño de casos y controles. El grupo control estuvo compuesto por casos asintomáticos/leves (n = 61) reclutados en un laboratorio privado, mientras que el grupo de casos estuvo compuesto por pacientes graves/críticos (n = 63) hospitalizados en el Hospital Universitario Mayor-Méderi, ambas instituciones ubicadas en Bogotá, Colombia. El seguimiento clínico y la revisión exhaustiva de las historias clínicas permitieron evaluar factores no genéticos. La genotipificación del polimorfismo de interés se realizó mediante análisis del tamaño del amplicón y secuenciación Sanger. De acuerdo con informes previos, encontramos una asociación estadísticamente significativa entre la edad, el sexo masculino y las comorbilidades, como la hipertensión y la diabetes mellitus tipo 2 (DMT2), y los peores resultados. Identificamos el polimorfismo LZTFL1 rs11385942 como un importante factor de riesgo de hospitalización (p < 0,01; OR = 5,73; IC 95% = 1,2- 26,5, según la prueba alélica). Además, los síntomas a largo plazo fueron comunes entre la población estudiada y se asociaron con la gravedad de la enfermedad. No se encontró ninguna asociación entre los polimorfismos examinados y los síntomas a largo plazo. La comparación de las frecuencias alélicas con otras poblaciones reveló diferencias significativas para los tres polimorfismos investigados. Por último, utilizamos las variables genéticas y no genéticas estadísticamente significativas para desarrollar un modelo predictivo de regresión logística, que se implementó en una aplicación web Shiny. La discriminación del modelo se evaluó mediante el área bajo la curva receiver operating characteristic (AUC = 0,86; intervalo de confianza del 95%: 0,79-0,93). Estos resultados sugieren que LZTFL1 rs11385942 puede ser un biomarcador potencial de la gravedad de la COVID-19, además de los factores de riesgo no genéticos convencionales.