Cálculo del riesgo de recurrencia mendeliana

El cálculo del riesgo de recurrencia mendeliana deriva la probabilidad de que un trastorno monogénico se repita a partir de las leyes de segregación, y luego refina esa línea de base utilizando toda la información disponible mediante análisis bayesiano. Una proporción simple —un medio para el hijo de un portador autosómico dominante, un cuarto para padres autosómicos recesivos— es solo un punto de partida que la estructura del pedigrí, la edad y los resultados de las pruebas pueden modificar sustancialmente.

Definition

El cálculo del riesgo de recurrencia mendeliana es la estimación de la probabilidad de recurrencia para un trastorno monogénico a partir de las proporciones de segregación, modificada por probabilidades condicionales bayesianas que incorporan información de pedigrí, fenotipo, edad y pruebas.

Scope

Esta entrada cubre las proporciones de segregación para los patrones mendelianos principales y el marco bayesiano que combina una probabilidad a priori con información condicional para obtener un riesgo posterior (final). Es una referencia metodológica y no proporciona cifras de riesgo para ningún consultante individual.

Core questions

• ¿Qué recurrencia de referencia implica cada patrón de herencia mendeliana?
• ¿Cómo combina el análisis bayesiano el riesgo a priori con la evidencia condicional, como el estado no afectado o una prueba normal?
• ¿Cómo se relacionan las probabilidades a priori, condicionales, conjuntas y posteriores en una tabla de riesgo?

Key concepts

• Proporciones de segregación (1/2, 1/4)
• Patrones autosómicos dominantes, recesivos y ligados al cromosoma X
• Probabilidad a priori
• Probabilidad condicional
• Probabilidad conjunta y posterior
• Teorema de Bayes en el asesoramiento
• Efecto de la descendencia no afectada en el riesgo de portador

Mechanisms

El cálculo comienza con una probabilidad a priori a partir de la segregación mendeliana —por ejemplo, la probabilidad de 1/2 de que el hijo de un portador autosómico dominante herede el alelo. El análisis bayesiano multiplica entonces esta probabilidad a priori por probabilidades condicionales que reflejan la evidencia observada, como varios hijos no afectados (lo que reduce el riesgo a priori de una mujer de ser portadora de un trastorno ligado al cromosoma X) o una prueba molecular normal. Dividir la probabilidad conjunta de cada vía por su suma da como resultado el riesgo posterior, o final. Esta estructura permite combinar coherentemente piezas de evidencia independientes en un solo número.

Clinical relevance

El cálculo bayesiano de recurrencia es una competencia fundamental en genética clínica y explica por qué dos consultantes con la misma historia familiar pueden tener riesgos finales diferentes. Esta entrada describe el método; es material de referencia y no un sustituto de la evaluación clínica individualizada o el asesoramiento genético.

Epidemiology

El enfoque se aplica a condiciones que siguen patrones mendelianos reconocidos —trastornos autosómicos dominantes, autosómicos recesivos y recesivos ligados al cromosoma X— donde las proporciones de referencia son fijas, pero los riesgos finales varían con la información del pedigrí, las frecuencias de portadores y la sensibilidad de las pruebas genéticas disponibles.

History

El razonamiento bayesiano se introdujo en el asesoramiento genético a mediados del siglo XX, con Edmond Murphy y Gary Chase entre quienes sistematizaron su uso para problemas de riesgo de portadores. Textos con ejemplos resueltos de Bridge y Young convirtieron la tabla a priori-condicional-posterior en una herramienta estándar, y el advenimiento de las pruebas moleculares añadió nuevos y potentes términos condicionales al cálculo.

Key figures

• Thomas Bayes
• Edmond Murphy
• Ian Young
• Peter Bridge

Seminal works

• young-2007
• bridge-1997

Frequently asked questions

¿Por qué el riesgo de recurrencia del hijo no es simplemente la proporción mendeliana?

La proporción mendeliana es solo la probabilidad a priori; el análisis bayesiano la ajusta utilizando información adicional, como parientes no afectados o resultados de pruebas normales, lo que puede aumentar o disminuir sustancialmente el riesgo final.

¿Qué contiene una tabla de riesgo bayesiana?

Enumera las hipótesis en competencia (por ejemplo, portador versus no portador), sus probabilidades a priori, las probabilidades condicionales de la evidencia observada bajo cada una, las probabilidades conjuntas resultantes y las probabilidades posteriores normalizadas.