genoma

Psiquiatría molecular (2023)Citar este artículo

55k Accesos

176 altmétrico

Detalles de métricas

La marihuana es una sustancia psicoactiva ampliamente consumida en los EE. UU. y su legalización médica y recreativa ha aumentado durante la última década. A pesar del creciente número de personas que consumen marihuana, los estudios que investigan la asociación entre los factores epigenéticos y el consumo reciente y acumulativo de marihuana siguen siendo limitados. Por lo tanto, investigamos la asociación entre el uso reciente y acumulativo de marihuana y los niveles de metilación del ADN. Los participantes del Estudio sobre el desarrollo del riesgo de las arterias coronarias en adultos jóvenes con sangre completa recolectada en los años de examen (Y) 15 y Y20 fueron seleccionados al azar para someterse a un perfil de metilación del ADN en ambos momentos utilizando Illumina MethylationEPIC BeadChip. En cada examen se indagó sobre el uso reciente de marihuana y se utilizó para estimar el uso acumulado de marihuana de Y0 a Y15 y Y20. En el año 15 (n = 1023), observamos 22 y 31 marcadores de metilación asociados (FDR P ≤ 0,05) con el uso reciente y acumulativo de marihuana y 132 y 16 marcadores de metilación en el año 20 (n = 883), respectivamente. Replicamos 8 marcadores de metilación asociados con el consumo de marihuana previamente informados. Además, identificamos 640 cis-meQTL y 198 DMR asociados con el uso reciente y acumulativo en los años 15 y 20. Los genes metilados diferencialmente estaban estadísticamente sobrerrepresentados en vías relacionadas con la proliferación celular, la señalización hormonal y las infecciones, así como en la esquizofrenia, el trastorno bipolar y los trastornos relacionados con sustancias. Identificamos numerosos marcadores, vías y enfermedades de metilación asociados con el consumo reciente y acumulativo de marihuana en adultos de mediana edad, lo que proporciona información adicional sobre la asociación entre el consumo de marihuana y el epigenoma. Estos resultados proporcionan información novedosa sobre el papel que tiene la marihuana en el epigenoma y las condiciones de salud relacionadas.

La marihuana es una de las sustancias psicoactivas más comúnmente consumidas en los EE. UU., y se estima que el 49% de los adultos ha consumido marihuana alguna vez, incluido el 19% en el último año y el 12% en el último mes [1]. La prevalencia del consumo de marihuana ha aumentado en las últimas décadas y se espera que aumente a medida que más estados legalicen la marihuana [2,3,4,5]. Desde el punto de vista médico, la marihuana puede ayudar a tratar las náuseas y los vómitos inducidos por la quimioterapia [6], el dolor neuropático crónico [7], las afecciones inflamatorias [8, 9], los síntomas de la enfermedad de Parkinson [10] y la epilepsia [11]. A pesar de estos beneficios terapéuticos, el consumo de marihuana puede tener efectos adversos sobre la salud, incluidos el consumo a corto plazo (p. ej., deterioro de la memoria a corto plazo y la coordinación motora, alteración del juicio y síntomas psicóticos) y a largo plazo (p. ej., adicción, desarrollo cerebral alterado, deterioro neurocognitivo y enfermedades cardiovasculares y respiratorias) [12, 13]. Además, el consumo de marihuana se ha asociado con un mayor riesgo de trastornos psiquiátricos [14,15,16]. Debido al aumento esperado en el uso que coincide con la legalización, los estudios que investigan la asociación entre el uso de la marihuana y los mecanismos moleculares o epigenéticos pueden proporcionar conocimientos novedosos sobre los impactos a corto y largo plazo de la marihuana en los resultados relacionados con la salud.

La metilación del ADN, una de las modificaciones epigenéticas más estudiadas, es un proceso regulador que afecta la expresión génica (sin alterar la secuencia genómica) mediante la adición o eliminación de grupos metilo [17]. Estas modificaciones pueden ser inducidas por factores ambientales y de estilo de vida [18, 19], que pueden servir como biomarcadores sanguíneos para exposiciones recientes y acumulativas. Además, la naturaleza modificable de la metilación del ADN permite la investigación de cambios inducidos por la exposición en el epigenoma y su variabilidad a lo largo del tiempo, lo que podría conducir a la identificación de biomarcadores dinámicos y/o estables [20, 21]. Estos cambios de metilación pueden servir como biomarcadores para el uso reciente y acumulativo de marihuana y, posteriormente, pueden mejorar nuestra comprensión de las influencias agudas y aditivas de la marihuana en los procesos moleculares y biológicos que influyen en las condiciones de salud posteriores.

A pesar del creciente uso de marihuana, un número limitado de estudios ha examinado los biomarcadores de todo el epigenoma asociados con el uso de marihuana. Estudios anteriores han identificado firmas de ADN metilado diferencialmente asociadas con la marihuana, incluidos marcadores ubicados en AHRR, ALPG, CEMIP y MYO1G [22, 23]. Estos biomarcadores, sin embargo, se limitaron a un único momento y no examinaron el consumo de marihuana tanto reciente como acumulativo. Los estudios que examinan la relación entre el consumo reciente y acumulativo de marihuana y los factores epigenéticos en una población diversa a lo largo del tiempo con mediciones repetidas pueden proporcionar conocimientos novedosos. Por lo tanto, el propósito de este estudio fue investigar la asociación entre el uso reciente y acumulativo de marihuana y los patrones repetidos de metilación del ADN en todo el genoma medidos en adultos de mediana edad.

El diseño del estudio, el reclutamiento y el seguimiento de CARDIA se describieron previamente [24]. En resumen, CARDIA es un estudio de cohorte poblacional que reclutó a 5115 participantes blancos y negros de entre 18 y 30 años de cuatro centros en los EE. UU. entre 1985 y 1986. Los participantes fueron seguidos a lo largo del tiempo y se sometieron a exámenes en persona al inicio (año [Y] 0), Y2, Y5, Y7, Y10, Y15, Y20, Y25, Y30 y actualmente participan en Y35.

Al inicio (Y0) y en cada examen de seguimiento, se preguntó a los participantes del estudio: "¿Alguna vez has consumido marihuana?", "¿Aproximadamente cuántas veces en tu vida has consumido marihuana?" y "Durante los últimos 30 días, ¿cuántas veces has consumido marihuana?". ¿Cuántos días consumiste marihuana? Para este análisis, consideramos dos variables continuas que miden el uso reciente y acumulativo de marihuana tanto en el año 15 como en el año 20. Para el consumo reciente, se utilizó para el análisis el número de días de consumo de marihuana en los últimos 30. Para el uso acumulativo, calculamos los 'años de marihuana' de Y0 a Y15 y Y20 por separado como se describió anteriormente [25]. Suponiendo que el consumo de marihuana en los últimos 30 días representa el consumo durante todo el año y entre exámenes, sumamos el número total de días de consumo de marihuana en Y0 a Y15 y Y20 por separado y lo dividimos por 365 años de rendimiento de marihuana, donde un año de marihuana es equivalente. al consumo de marihuana una vez al día durante un año.

Los detalles de la recolección de muestras de sangre y el procesamiento del ADN se han descrito previamente [26,27,28]. Brevemente, una muestra aleatoria de 1200 participantes con sangre completa disponible tanto en Y15 como en Y20 se sometió a un perfil de metilación del ADN utilizando Illumina MmethylationEPIC BeadChip. El proceso de datos y el control de calidad de los conjuntos de datos de metilación del ADN se realizaron utilizando la configuración predeterminada en el paquete R Enmix [29]. Las mediciones de metilación de baja calidad se definieron como marcadores con una detección P <1E-06 o menos de 3 cuentas. Un total de 6209 marcadores con una tasa de detección <95 % y 87 muestras con mediciones de metilación de baja calidad >5 % o intensidad extremadamente baja de sondas de conversión de bisulfito (definida como menos de 3 veces la desviación estándar de la intensidad entre muestras por debajo del intensidad media) se eliminaron de análisis posteriores. Además, se identificaron 95 muestras como valores atípicos extremos según lo determinado por el valor de intensidad total promedio [intensidad de señales no metiladas (U) + intensidad de señales metiladas (M)] o valor β [M/(U + M + 100)] en todos marcadores y el método de Tukey [30]. La corrección basada en modelos se aplicó mediante ENmix y la corrección del sesgo de tinte se realizó mediante RELIC [31]. Las intensidades M o U para las sondas Infinium I o II se sometieron a una normalización cuantil por separado, respectivamente. Los marcadores de metilación de baja calidad y los valores atípicos del valor β, según lo definido por el método de Tukey, se eliminaron. Después de aplicar estos criterios, quedaron 1042 y 957 muestras en Y15 e Y20 para análisis posteriores, respectivamente.

Realizamos estudios de asociación de todo el epigenoma (EWAS) en un solo momento entre los participantes del estudio CARDIA con datos disponibles de metilación del ADN y marihuana en Y15 (n = 1023) y Y20 (n = 883). Se realizó una regresión lineal para analizar la asociación entre los niveles de metilación del ADN para los 841.639 sitios CpG autosómicos modelados como variable dependiente y el consumo reciente y acumulativo de marihuana modelado como variables independientes en ambos momentos (EWAS principal). Todos los modelos se ajustaron por edad, sexo, raza autoinformada, centro de estudio, educación, tabaquismo, actividad física y consumo de alcohol, así como sesgos técnicos y subpoblaciones de tipos de células leucocitarias. El análisis de componentes principales se realizó con datos de intensidad para sondas de control interno no negativas y los 8 componentes principales (PC) principales se incluyeron como covariables. Utilizamos el método de Houseman [32] para inferir la proporción de subpoblaciones de leucocitos (células B, células T CD4+, células T CD8+, granulocitos, monocitos y células asesinas naturales) y se incluyeron como covariables. Se generaron factores de inflación de control epigenómico [33] y gráficos cuantil-cuantil (QQ) para evaluar el control adecuado de los sesgos técnicos no corregidos y la estratificación de la población. Los sitios CpG con un valor de p de tasa de descubrimiento falso (FDR) ≤ 0,05 en Y15 o Y20 se consideraron estadísticamente significativos. Investigamos más a fondo la asociación longitudinal entre el cambio en el consumo de marihuana de Y15 a Y20 (Δmarihuana) y el cambio en la metilación de los CpG asociados a la marihuana de Y15 a Y20 (Δmetilación). La Δmarihuana se estimó como la diferencia entre el consumo reciente y acumulado de marihuana en Y20 y Y15 y la Δmetilación se estimó a partir de los residuos en un modelo lineal entre los niveles de metilación Y20 y Y15, ajustado para las 8 PC en ambos momentos. Se realizó el mismo modelo de regresión lineal EWAS con Δmetilación como variable dependiente y Δmarihuana como variable independiente, ajustando las mismas covariables tanto en Y15 como en Y20. Todos los análisis estadísticos se realizaron utilizando R 4.1.1 [34].

Para investigar más a fondo los CpG observados sobre el consumo de marihuana reciente y acumulativo, realizamos análisis estratificados en ambos momentos por sexo (Y15 [nfemenino = 521, nmale = 502] y Y20 [nfemenino = 453, nmale = 430]), raza autoinformada (Y15 [nNegro = 414, nBlanco = 609] y Y20 [nNegro = 366, nBlanco = 517]), y condición de fumador de tabaco (Y15 [nnon = 644, nformer = 174, ncurrent = 205] y Y20 [nnon = 540, nformer = 171, ncurrent = 172]) para CpG significativos en Y15 e Y20. Los modelos se ajustaron para las mismas covariables que el EWAS principal, excepto que el sexo, la raza autoinformada y el tabaquismo se excluyeron durante los respectivos análisis estratificados.

Para evaluar si los polimorfismos de un solo nucleótido (SNP) están asociados con los niveles de metilación del ADN, realizamos análisis de loci de rasgos cuantitativos de metilación (meQTL) para CpG de marihuana recientes y acumulativos significativos. Los detalles sobre la imputación del genotipo en CARDIA se han descrito previamente [28]. Brevemente, los participantes fueron genotipados utilizando la matriz Affymetrix Genome-Wide Human 6.0 y los genotipos no tipificados se imputaron utilizando el panel de referencia 1000 Genomes Project Phase 3 Integrated Release Version 5 utilizando los programas SHAPEIT [35, 36] y Minimac3 [37]. Después de fusionar conjuntos de datos, 182 y 160 participantes negros y 485 y 408 participantes blancos tenían datos de metilación y genotipo en Y15 y Y20, respectivamente. Los análisis se realizaron por separado según la raza autoinformada en ambos exámenes, ajustando las mismas covariables del modelo EWAS, utilizando el programa mach2qtl [38, 39]. Definimos cis-meQTL como SNP dentro de ± 500.000 pares de bases del índice CpG y cis-meQTL con valor de P ≤ 2,82E-08 se consideraron estadísticamente significativos. La información de rasgos mapeada del catálogo NHGRI-EBI GWAS se extrajo y resumió para cis-meQTL significativos [40].

Para identificar loci epigenéticos adicionales asociados con el uso reciente y acumulativo de marihuana, ampliamos nuestros análisis para examinar regiones metiladas diferencialmente (DMR) utilizando comb-p [41]. Anteriormente, se descubrió que comb-p tenía la mayor sensibilidad y control de falsos positivos en comparación con otros métodos de identificación DMR [42]. Los análisis se realizaron utilizando parámetros previamente identificados para lograr el mayor rendimiento, es decir, semilla <0,05 y dist = 750 [42]. Los DMR asociados se definieron por tener al menos 3 sondas y un valor de P corregido por Šidák ≤ 0,05.

Realizamos análisis de vías y enfermedades para examinar las asociaciones epigenéticas combinadas del uso reciente y acumulativo de marihuana en vías (KEGG y Reactome) y enfermedades (Disgenet, GLAD4U y OMIM) utilizando WebGestalt [43]. Debido al número limitado de loci identificados durante los análisis de CpG individuales, las sondas se anotaron en símbolos genéticos de acuerdo con el ensamblaje del genoma humano (hg19) [44] y los 1000 genes anotados principales se incluyeron en análisis de enriquecimiento de sobrerrepresentación para el uso reciente y acumulativo de marihuana en Y15 y Y20 por separado. Las vías y enfermedades con un valor FDR P ≤ 0,05 se consideraron estadísticamente significativas y se informaron las cinco vías y enfermedades principales.

La Tabla 1 presenta las características descriptivas de los participantes que se sometieron a un perfil de metilación del ADN en los años 15 y 20 por consumo reciente de marihuana. Entre los participantes del estudio, el 71,9 % y el 70,1 % informaron haber consumido marihuana alguna vez y el 13,7 % y el 12,8 % informaron haber consumido marihuana en los últimos 30 días en los años 15 y 20, respectivamente. Los participantes que consumieron marihuana recientemente mostraron un mayor consumo acumulativo de marihuana tanto en el año 15 como en el año 20 (P < 0,001), con un promedio ± desviación estándar de 4,8 ± 3,8 y 6,1 ± 5,3 años-marihuana en comparación con 0,4 ± 0,9 y 0,5 ± 1,3 años-marihuana. entre aquellos que no consumieron recientemente, respectivamente. Además, aquellos que consumieron marihuana recientemente tenían más probabilidades de ser fumadores actuales de tabaco en comparación con aquellos que no consumieron recientemente, en ambos años de examen (P <0,001), es decir, 47,1% frente a 15,7% en el año 15 y 43,4% frente a 16,0% en el año 15. Y20.

Los factores de inflación de control epigenómico fueron moderados (λ = 1,03–1,08) y la inspección de los gráficos QQ (Figura 1 complementaria) no mostró una desviación de los valores de P observados desde el valor nulo, excepto en las colas extremas. Estos hallazgos sugieren un control adecuado de los sesgos técnicos y la estratificación de la población.

La Figura 1 muestra gráficos circulares de Manhattan de los valores FDR P de todo el epigenoma para el uso reciente y acumulativo de marihuana en los años 15 y 20. En total, se asociaron 201 marcadores de metilación (valor FDR P ≤ 0,05) con la marihuana durante los dos años de examen. En el año 15, el consumo reciente y acumulativo de marihuana se asoció con 22 y 31 marcadores de metilación, respectivamente (Tabla complementaria 1). En el año 20, el consumo reciente y acumulativo de marihuana se asoció con 132 y 16 marcadores de metilación, respectivamente (Tabla complementaria 2). Los conjuntos de intersecciones de marcadores recientes y acumulativos en Y15 identificaron 7 marcadores y 11 marcadores en Y20, siendo cg05575921 ubicado en AHRR el único marcador observado en los cuatro análisis (Figura complementaria 2).

Los resultados de asociación de consumo de marihuana reciente y acumulativo corresponden a los círculos interior y exterior en A Y15 y B Y20, respectivamente. El eje x corresponde a las posiciones epigenómicas y el eje y muestra el FDR -log10. La línea azul punteada horizontal indica un umbral de significancia de FDR ≤ 0,05. Los 10 loci más significativos de cada análisis están etiquetados en cada gráfico.

La Tabla 2 resume los 10 principales marcadores de metilación para cada análisis. Entre los CpG principales, 6 fueron anotados en AHRR, incluidos 3 de los 4 CpG más importantes. Otros loci principales asociados con el consumo reciente y acumulativo de marihuana en el año 15 incluyen MYO5C, SCN11A y NOX4, y BMF, PLEKHH2 y FAM222A, respectivamente. En Y20, PP1CB, GTF2H3 y MEX3D, y TFEB, KCNJ9 y DUSP12 fueron los principales loci asociados con el consumo reciente y acumulativo de marihuana, respectivamente.

De los 22 y 132 marcadores de metilación asociados con el consumo reciente de marihuana en Y15 y Y20, 13 y 124 marcadores arrojaron una dirección consistente de asociaciones durante los análisis de Δmetilación y Δmarihuana (r = 0,756; P = 4,72E−05 y r = 0,861; P < 2,20 E-16, respectivamente (Tabla complementaria 3; Figura complementaria 3A). De los 31 y 16 marcadores de metilación asociados con el consumo acumulativo de marihuana en Y15 y Y20, 20 y 16 marcadores arrojaron una dirección consistente de asociaciones durante los análisis de Δmetilación y Δmarihuana (r = 0,679; P = 2,69E-05 y r = 0,933; P = 1,39 E-07, respectivamente (Tabla complementaria 4; Figura complementaria 3B).

En el año 15, 17 y 50 marcadores del total de 53 marcadores identificados permanecieron asociados entre los participantes femeninos y masculinos, respectivamente (Tabla complementaria 5). Los coeficientes de regresión Y15 para el consumo reciente y acumulado de marihuana estuvieron altamente correlacionados entre participantes femeninos y masculinos (r = 0,945; P = 3,82E-11 y r = 0,975; P <2,20E-16) (Figura complementaria 4). En el año 20, 26 y 112 marcadores del total de 148 marcadores identificados permanecieron asociados entre los participantes femeninos y masculinos, respectivamente (Tabla complementaria 6). Los coeficientes de regresión entre participantes femeninos y masculinos estuvieron altamente correlacionados (r = 0,846; P <2,20E-16 y r = 0,952; P = 1,41E-08) (Figura complementaria 5).

Del total de 53 marcadores de metilación identificados en Y15, 26 y 48 marcadores permanecieron asociados entre los participantes blancos y negros, respectivamente (Tabla complementaria 7). Además, los coeficientes de regresión para el consumo reciente y acumulado de marihuana en el año 15 estuvieron altamente correlacionados entre los participantes blancos y negros (r = 0,950; P = 1,40E-11 y r = 0,928; P = 6,27E-14) (Figura complementaria 6). . Del total de 148 marcadores de metilación identificados en Y20, 65 y 64 marcadores permanecieron asociados entre los participantes blancos y negros, respectivamente (Tabla complementaria 8). Los coeficientes de regresión entre los participantes blancos y negros estaban altamente correlacionados (r = 0,930; P <2,20E-16 y r = 0,959; P = 4,44E-09) (Figura complementaria 7).

Para determinar si las asociaciones de las CpG identificadas diferían según el nivel de tabaquismo, investigamos estas CpG por estratos de consumo de tabaco. A los 15 años, 25, 18 y 20 marcadores del total de 53 marcadores identificados permanecieron asociados entre no fumadores, ex fumadores y fumadores actuales, respectivamente (Tabla complementaria 9). Los coeficientes de regresión para el consumo reciente y acumulado de marihuana en el año 15 estuvieron altamente correlacionados entre el consumo de tabaco (rango r: 0,837–0,939) (Figuras complementarias 8, 9). A los 20 años, 51, 19 y 26 marcadores del total de 148 marcadores permanecieron asociados entre no fumadores, ex fumadores y fumadores actuales, respectivamente (Tabla complementaria 10). Los coeficientes de regresión estuvieron altamente correlacionados entre el consumo de tabaco en el año 20 (rango r: 0,730–0,934) (Figuras complementarias 10, 11).

Evaluamos las asociaciones de marcadores de metilación de marihuana informados previamente. En general, se identificaron 31 CpG en estudios anteriores (tablas complementarias 11-12). Después de aplicar una corrección de Bonferroni (0,05/31 = 0,0016), 8 y 6 CpG se asociaron con el consumo reciente de marihuana y 8 y 7 CpG se asociaron con el consumo acumulativo de marihuana en los años 15 y 20, respectivamente, incluidos marcadores en AHRR, MYO1G, ALPG, F2RL3 y RARA.

Para determinar si los marcadores genéticos influyen en los niveles de metilación, examinamos los SNP dentro de ± 500.000 pares de bases de los CpG identificados. Un total de 27 y 350 cis-meQTL se asociaron con el uso reciente y acumulativo de marihuana en participantes blancos y negros en el año 15, respectivamente (Tabla complementaria 13). Específicamente, 27 cis-meQTL se asociaron con cg18110140 entre los participantes negros y 345 y 5 cis-meQTL se asociaron con cg18110140 y cg18880190 entre los participantes blancos, respectivamente. Además, 261 cis-meQTL se asociaron con cg19414984 para el consumo reciente de marihuana en el año 20 entre los participantes blancos (Tabla complementaria 14). La asignación de estos cis-meQTL al catálogo NHGRI-EBI GWAS identificó 120 rasgos únicos para 71 cis-meQTL, que incluyen presión arterial, mediciones cerebrales, consumo de café, área de superficie cortical, factores inmunológicos, dolor crónico multisitio, nivel educativo autoinformado y tabaquismo. estado (Tabla complementaria 15).

Para buscar regiones epigenómicas adicionales no identificadas durante el análisis de marcador único, realizamos análisis DMR para el consumo reciente y acumulativo de marihuana en Y15 y Y20. Se observó que un total de 47 y 54 DMR estaban asociados con el uso reciente y acumulativo de marihuana en el año 15, respectivamente (Tablas complementarias 16, 17). Además, 53 y 44 DMR se asociaron con el uso reciente y acumulativo de marihuana en el año 20, respectivamente (Tablas complementarias 18, 19). Los DMR anotados en el gen más cercano identificaron 8 genes superpuestos para el consumo de marihuana tanto reciente como acumulativo en los años 15 y 20. Un conjunto de intersecciones de todos los DMR identificó 6 loci: GNG12-AS1, HOXB-AS3, MYO1G, RNF39, SDHAP3 y ZNF578.

La Tabla 3 presenta las cinco principales vías de KEGG y Reactome de WebGestalt asociadas estadísticamente con el consumo reciente y acumulativo de marihuana en los años 15 y 20. A los 15 años, las principales vías asociadas con el consumo reciente de marihuana están relacionadas con la señalización MAPK, enfermedades de la transducción de señales y el sistema neuronal; Las principales vías asociadas con el uso acumulativo incluyen Rho GTPasa, proliferación y apoptosis celular y despolarización. En el año 20, las principales vías asociadas con el consumo reciente de marihuana están relacionadas con las sinapsis de dopamina, enfermedades de transducción de señales, transcripción, infección por el virus del papiloma humano y señalización de oxitocina; Las principales vías asociadas con el uso acumulativo incluyen enfermedades de transducción de señales, regulación de la transcripción por RUNX2, señalización WNT, infección por virus del papiloma humano y señalización de oxitocina.

La Tabla 4 presenta las cinco principales enfermedades estadísticamente asociadas con el consumo reciente y acumulativo de marihuana en ambos años de examen. En Y15, las principales enfermedades asociadas con la marihuana reciente incluyen esquizofrenia, trastornos mentales, trastorno bipolar y trastornos relacionados con sustancias; Las principales enfermedades asociadas con el uso acumulativo incluyen la susceptibilidad a las enfermedades, los trastornos mentales, el trastorno autista y la predisposición genética a las enfermedades. En el año 20, las principales enfermedades asociadas con el consumo reciente de marihuana incluyen trastornos mentales, esquizofrenia, baja estatura, braquidactilia y tetraparesia espástica, y las principales enfermedades asociadas con el consumo acumulativo de marihuana incluyen esquizofrenia, interacción entre medicamentos, predisposición genética a las enfermedades, susceptibilidad a las enfermedades y cirrosis hepática.

En este estudio de asociación de todo el epigenoma en múltiples momentos de tiempo de adultos de mediana edad, observamos 201 marcadores de metilación asociados con el consumo reciente y acumulativo de marihuana a lo largo del tiempo. Replicamos 8 marcadores de metilación asociados con el consumo de marihuana previamente informados. También observamos 638 cis-meQTL asociados con varios marcadores de metilación de la marihuana, así como 198 regiones metiladas diferencialmente. Durante los análisis de vías y enfermedades, los genes asociados a la marihuana estuvieron estadísticamente sobrerrepresentados en numerosas vías y enfermedades. Si bien se justifica la replicación de estos hallazgos en cohortes independientes, nuestros resultados brindan información novedosa sobre la asociación entre el uso reciente y acumulativo de marihuana y el epigenoma y los procesos biológicos relacionados, que pueden servir como un mecanismo de enfermedad en etapa temprana asociada con el uso de marihuana.

Identificamos numerosos marcadores de metilación asociados con el uso reciente y acumulativo de marihuana. De estos, cg05575921 en AHRR se asoció con el uso reciente y acumulativo de marihuana en ambos momentos, incluido el marcador de metilación más asociado para dos de los cuatro análisis. Este marcador de metilación se ha asociado previamente con el consumo intenso de cannabis entre los consumidores de tabaco [22], el consumo de tabaco [45,46,47], y es 1 de 172 CpG incluidos en la estimación de un sustituto de la metilación del ADN para los paquetes-año de fumar ( DNAmPACKYRS) para GrimAge, una medida de la edad biológica asociada con la esperanza de vida [48]. La asociación de este marcador epigenético con el consumo de tabaco y marihuana puede sugerir efectos moduladores comunes sobre la metilación del ADN y puede representar un biomarcador no discriminatorio relacionado con el humo, independientemente del consumo de tabaco o marihuana. Además, cg05575921 se ha asociado con trastornos psiquiátricos [49, 50]. El principal marcador de metilación asociado con el consumo reciente de marihuana en Y15, cg18110140, se encuentra en el cromosoma 15 en una región de "mar abierto" del epigenoma. Recientemente se descubrió que este marcador está asociado con el tabaquismo [51,52,53]. Varios loci epigenómicos importantes también se han asociado previamente con el tabaquismo, incluidos BMF y MYO1B [52], y pueden proporcionar biomarcadores mensurables adicionales para la exposición al tabaco y la marihuana. Además, se ha informado que numerosos loci epigenómicos tienen beneficios terapéuticos potenciales a través del sistema endocannabinoide. NOX4 es un miembro de la familia NADPH oxidasa y se ha informado que una enzima que sintetiza especies reactivas de oxígeno (ROS) y cannabidiol (CBD), uno de los cannabinoides más comunes, atenúa la formación de ROS y mejora la expresión de NOX4 [54]. De manera similar, TFEB está asociado con la vía autofagia-lisosomal y puede ayudar a reducir la inflamación y el deterioro cognitivo a través del receptor cannabinoide tipo II [55]. Aunque las estimaciones del efecto para las asociaciones observadas son relativamente pequeñas, la magnitud de los coeficientes beta es consistente con estudios previos de EWAS [22, 28] y estudios adicionales que investiguen el efecto acumulativo de estos CpG individuales (p. ej., puntuación de riesgo poliepigenético) pueden arrojar mayores resultados. relevancia biológica y potencialmente clínica. También replicamos varios loci de marihuana previamente informados, es decir, AHRR, ALPG, F2RL3 y MYO1G [22], en esta muestra de estudio de sexo mixto y raza autoinformada, aunque se necesitan estudios adicionales en poblaciones más diversas para evaluar más a fondo los genes epigenéticos previamente asociados. marcadores. Además, observamos niveles diferenciales de metilación del ADN según la raza autoinformada y el estado de tabaquismo. Si bien los coeficientes de regresión estuvieron altamente correlacionados durante los análisis estratificados, estos hallazgos brindan información sobre los roles interactivos de la raza autoinformada y el tabaquismo en los marcadores de metilación asociados a la marihuana. Por ejemplo, el consumo reciente y acumulativo de marihuana tendió a exhibir una mayor hipometilación de cg05575921 entre los participantes negros y los no fumadores en comparación con los participantes blancos y los exfumadores y actuales, respectivamente. Para este último hallazgo, la hipometilación de cg05575921 durante los análisis agrupados y estratificados según el nivel de tabaquismo sugiere que la asociación de la marihuana con la metilación puede ser consistente e independiente del tabaquismo. Nuestros resultados resaltan las influencias interactivas de los factores biológicos y ambientales en las firmas de metilación y brindan información sobre el diferente impacto de la marihuana en el epigenoma por estrato de población. Estos hallazgos pueden servir como biomarcadores potenciales para identificar el uso reciente y prolongado de marihuana y objetivos moleculares para una mayor investigación.

El epigenoma es dinámico y responde a factores ambientales y de estilo de vida a lo largo de la vida. Debido a la naturaleza siempre cambiante del epigenoma, la evaluación de las diferencias en los patrones de metilación a lo largo del tiempo no sólo permite la evaluación temporal (y, potencialmente, causal) de un fenotipo y cambios epigenéticos en el contexto de la historia natural de una enfermedad, sino también permite examinar la variabilidad intra e interindividual y las trayectorias en los patrones de metilación a lo largo del tiempo [56]. Además, los estudios epigenéticos longitudinales permitirán examinar el impacto de las intervenciones sobre los cambios epigenéticos. Por ejemplo, el examen longitudinal de los patrones de metilación del ADN inducidos por el tabaquismo identificó marcadores dinámicos y estables a lo largo del tiempo y también observó la reversión de los cambios de metilación inducidos por el tabaquismo después de dejar de fumar [57, 58]. Utilizando medidas repetidas de metilación del ADN y consumo de marihuana, identificamos transversalmente numerosos marcadores epigenéticos asociados a la marihuana asociados en un momento pero no en el otro (es decir, dinámicos), incluidos 6 (p. ej., BEND3 y GNG12) y 10 (p. ej., PHF2 y PSMD2) loci asociados con el uso reciente y acumulativo de marihuana en los años 15 y 20, respectivamente. Además, un marcador epigenético estable, cg05575921, se asoció con ambas variables de la marihuana a lo largo de los años de examen con estimaciones de efectos consistentes (uso reciente: βY15 = −3,37E−02 vs βY20 = −3,41E−02; uso acumulativo: βY15 = −8,51 E-02 frente a βY20 = −6,94E-02). También realizamos análisis longitudinales para investigar los cambios en la metilación y el consumo de marihuana a lo largo de los exámenes e identificamos 12 CpG que variaron con el cambio en el consumo de marihuana, incluidos marcadores en AHRR, COL11A2 y TFEB. En conjunto, estos resultados sugieren que la mayoría de las asociaciones epigenéticas asociadas a la marihuana observadas son dinámicas, aunque es posible que se observen patrones epigenéticos estables con el consumo de marihuana. Además, la identificación de marcadores dinámicos a lo largo del tiempo sugiere que tanto el consumo reciente como el acumulativo de marihuana pueden modular los cambios epigenéticos de manera diferente durante el proceso de envejecimiento. Una posible explicación para la observación de diferentes CpG, así como de vías biológicas y enfermedades, a lo largo de los momentos puede estar relacionada con las propiedades farmacocinéticas influenciadas por la edad. Por ejemplo, las reducciones en el aclaramiento hepático y renal pueden aumentar la biodisponibilidad de los metabolitos de la marihuana con una prolongación de su vida media y, posteriormente, pueden afectar los procesos moleculares y celulares de manera diferente según la edad [59]. De acuerdo con nuestros hallazgos, es más probable que se identifiquen marcadores epigenéticos dinámicos en comparación con marcadores estables durante los análisis longitudinales [60]. Sin embargo, estudios adicionales que investiguen los efectos moduladores de la marihuana en el epigenoma en diferentes grupos de edad pueden proporcionar información adicional. Además, los cambios en el consumo de marihuana pueden alterar las firmas de metilación del ADN, que pueden servir como biomarcadores para evaluar la continuidad o el cese del consumo de marihuana. Aunque se necesitan estudios adicionales para evaluar estos marcadores, nuestros hallazgos demuestran que la marihuana puede inducir firmas epigenéticas dinámicas y estables que pueden tener utilidad como biomarcadores para el consumo reciente y acumulativo de marihuana a lo largo del tiempo.

El impacto de los factores y comportamientos del estilo de vida en la salud es complejo y a menudo implica un enfoque integrador para dilucidar los procesos biológicos subyacentes. Al investigar las contribuciones genéticas a los marcadores de metilación asociados con el consumo de marihuana, identificamos 650 cis-meQTL, incluidos 56 cis-meQTL que se asignaron a rasgos en el catálogo NHGRI-EBI GWAS. Entre los rasgos mapeados, observamos términos consistentes relacionados con factores inmunológicos, rasgos cardiovasculares y mediciones cerebrales. El consumo de marihuana se ha asociado con alteraciones en el recuento de glóbulos blancos [61], la presión arterial [62] y las estructuras cerebrales [63]. Descubrimos que el cis-meQTL mapeado más significativo se había asociado previamente con el consumo de café. La cafeína es la sustancia psicoactiva más consumida en el mundo e induce la liberación de dopamina en el núcleo accumbens, una estructura cerebral que media en el procesamiento del placer y la recompensa [64]. De manera análoga, la marihuana ejerce efectos similares en el núcleo accumbens a través del sistema endocannabinoide [65], lo que sugiere que el placer y la recompensa del consumo de cafeína y marihuana comparten el mismo centro de recompensa. Además, identificamos 198 DMR asociados con el uso reciente y acumulativo de marihuana en los años 15 y 20. Entre los principales DMR, varias regiones se han asociado anteriormente con la función cognitiva, los trastornos psiquiátricos y la función inmune. RNF39 fue el DMR más significativo en dos de los cuatro análisis y anteriormente se ha asociado con la función cognitiva general [66] y con trastornos bipolares y depresivos mayores [67]. TRIOBP es el DMR más significativo asociado con el consumo reciente de marihuana en los años 20 y se ha asociado con la función cognitiva general [66, 68], esquizofrenia [69] y recuento de basófilos [70]. De manera similar, SH3RF3 se ha asociado con la capacidad cognitiva general [66], la esquizofrenia [71] y la eosinofilia [72]. Por último, ZFP57 se ha asociado con la capacidad cognitiva general [66, 68], esquizofrenia [73], autismo [74] y artritis reumatoide [75]. En resumen, estos hallazgos sugieren que el consumo de marihuana comparte vías genéticas y epigenéticas comunes asociadas con factores inmunológicos, función cognitiva y estructuras cerebrales y puede regular mecanismos moleculares y procesos biológicos similares. Estos conocimientos podrían ayudar a desarrollar nuevas herramientas preventivas y predictivas de los resultados de salud asociados a la marihuana.

Como sustancia psicoactiva, la marihuana puede modular vías y enfermedades asociadas con la homeostasis y los resultados de salud. Nuestro análisis de vías reveló marcadores metilados diferencialmente sobrerrepresentados en vías asociadas con la proliferación celular, la señalización hormonal y la infección. Las cascadas de señalización MAPK son vías de señalización que regulan la proliferación, diferenciación y apoptosis celular; Los estudios han sugerido posibles beneficios terapéuticos del CBD en el tratamiento del cáncer a través de estas vías [76, 77]. Con respecto a las hormonas, el sistema endocannabinoide modula las neuronas dopaminérgicas y el uso agudo de tetrahidrocannabinol (THC) aumenta la liberación de dopamina y la actividad neuronal, mientras que el uso prolongado se ha asociado con una disminución del sistema de dopamina [78]. También se ha demostrado que el THC modula la oxitocina y áreas del cerebro asociadas con conductas de recompensa y adicción [79]. Además, se ha informado que los cannabinoides promueven la progresión del carcinoma de células escamosas de cabeza y cuello positivo para el virus del papiloma humano, principalmente a través de la activación de MAPK [80]. En particular, un estudio previo de metilación del ADN de todo el genoma de la marihuana identificó las dos últimas vías durante el análisis de la vía [22]. Además de estas vías biológicas, los genes metilados diferencialmente asociados con el consumo de marihuana estaban sobrerrepresentados en las enfermedades psiquiátricas y la espasticidad. El consumo de marihuana se ha asociado con varios trastornos psicóticos, incluida la esquizofrenia [81, 82], el trastorno bipolar [83, 84], el autismo [85] y la psicosis [86], así como con trastornos relacionados con sustancias [87, 88]. Además, se ha demostrado que el THC [89] y la marihuana fumada [90] reducen la espasticidad entre pacientes con esclerosis múltiple y lesiones de la médula espinal. Además, anteriormente se han informado conexiones entre las principales vías asociadas a la marihuana y las enfermedades. Por ejemplo, las anomalías en la señalización MAPK [91] y las vías de la dopamina [92] se han asociado con la esquizofrenia, así como con el uso de oxitocina para el tratamiento de trastornos relacionados con sustancias [93]. En conjunto, identificamos vías y enfermedades sobrerrepresentadas con marcadores de metilación asociados a la marihuana, lo que sugiere regulaciones epigenéticas comunes que podrían servir como posibles objetivos diagnósticos y terapéuticos para estos rasgos relacionados.

El estudio CARDIA actual aprovechó los niveles repetidos de metilación y los datos de la marihuana para examinar la asociación del consumo de marihuana con la metilación del ADN. La disponibilidad de datos genéticos permitió examinar la posible modulación genética de los marcadores de metilación asociados con la marihuana mediante análisis meQTL. Además, en comparación con otros países donde los residentes consumen una mezcla de marihuana y tabaco, CARDIA es una cohorte con sede en EE. UU. donde la mezcla de marihuana y tabaco es menos frecuente, lo que permite un examen más completo de las asociaciones independientes entre el tabaquismo de marihuana y tabaco en el ADN. metilación [94]. Este estudio, sin embargo, no está exento de limitaciones. Aunque identificamos loci epigenéticos biológicamente relevantes y replicamos marcadores de metilación informados anteriormente, no pudimos replicar nuestros hallazgos en un estudio independiente y, como tal, los hallazgos presentados justifican su validación. Los factores de confusión residuales de factores adicionales, por ejemplo, el uso de otras drogas o el uso de otras drogas y el apoyo social, pueden explicar parcialmente las asociaciones observadas. Como el consumo de marihuana se consideraba ilegal en la mayoría de los exámenes anuales en CARDIA, es posible que no se haya reportado su uso. Sin embargo, en cada examen, el consumo de marihuana fue informado por los propios participantes (a diferencia de lo obtenido por el entrevistador), recogido en un sitio de investigación (en lugar de un empleador) y las respuestas de los participantes fueron confidenciales [95]. La vía de administración de la marihuana también puede afectar la aparición, la intensidad y la duración de los efectos psicoactivos, así como los sistemas orgánicos [96]. Las investigaciones sobre el consumo de marihuana a través de otras vías de administración (p. ej., comestibles, píldoras, vapeo) pueden proporcionar conocimientos adicionales novedosos, incluido este último, que no estuvo presente durante los momentos del estudio actual pero que se está utilizando cada vez más ampliamente. Además, este estudio examinó la exposición aguda a la marihuana (en los últimos 30 días), en comparación con la exposición hiperaguda (en cuestión de horas) y las investigaciones sobre los cambios en la metilación del ADN debido a la exposición hiperaguda pueden proporcionar más información sobre la agudeza de la exposición a los factores epigenéticos. Y, por último, aunque CARDIA es una cohorte diversa, se tomaron muestras de participantes blancos y negros de cuatro centros en los EE. UU. Como tal, estudios adicionales de poblaciones más diversas en diferentes ubicaciones geográficas permitirán una mejor generalización de los hallazgos presentados aquí.

En conclusión, observamos asociaciones significativas entre el consumo reciente y acumulativo de marihuana con los marcadores de metilación del ADN a lo largo del tiempo. También observamos cis-meQTL y DMR asociados con el consumo de marihuana y vías y enfermedades biológicamente relevantes, lo que sugiere posibles genes compartidos entre el consumo de marihuana y la proliferación celular, la señalización hormonal y los trastornos mentales. Se necesitan estudios adicionales para replicar y verificar las asociaciones observadas presentadas aquí. Dado que un mayor número de estados legalizan la marihuana para uso médico y recreativo, así como el aumento esperado en su uso, examinar la asociación entre la marihuana y el epigenoma puede ayudar a dilucidar los procesos moleculares y biológicos que influyen en las condiciones de salud posteriores y puede servir como potencial biomarcadores para identificar el consumo reciente y prolongado de marihuana e intervenir en las primeras etapas de los resultados de salud relacionados.

Los datos están disponibles del autor correspondiente a solicitud razonable.

Administración de Servicios de Salud Mental y Abuso de Sustancias (SAMHSA). Encuesta Nacional sobre Uso de Drogas y Salud (NSDUH) de 2018: Tabla 1.3B: Tipos de uso de drogas ilícitas en la vida, el año pasado y el mes pasado entre personas de 18 años o más: porcentajes, 2017 y 2018. Administración de Servicios de Salud Mental y Abuso de Sustancias , EE.UU.: Departamento de Salud y Servicios Humanos; 2018.

Hasin DS, Saha TD, Kerridge BT, Goldstein RB, Chou SP, Zhang H, et al. Prevalencia de trastornos por consumo de marihuana en los Estados Unidos entre 2001-2002 y 2012-2013. Psiquiatría JAMA. 2015;72:1235–42.

Artículo PubMed PubMed Central Google Scholar

Yu B, Chen X, Chen X, Yan H. Legalización de la marihuana y tendencias históricas en el consumo de marihuana entre residentes de EE. UU. de 12 a 25 años: resultados de la Encuesta Nacional 1979-2016 sobre el uso de drogas y la salud. Salud pública de BMC. 2020;20:156.

Artículo PubMed PubMed Central Google Scholar

Cerda M, Mauro C, Hamilton A, Levy NS, Santaella-Tenorio J, Hasin D, et al. Asociación entre la legalización de la marihuana recreativa en los Estados Unidos y los cambios en el consumo de marihuana y el trastorno por consumo de cannabis de 2008 a 2016. JAMA Psychiatry. 2020;77:165–71.

Artículo PubMed Google Scholar

Mauro CM, Newswanger P, Santaella-Tenorio J, Mauro PM, Carliner H, Martins SS. Impacto de las leyes sobre marihuana medicinal en el consumo de marihuana a nivel estatal por edad y género, 2004-2013. Ciencia anterior. Rev.2019;20:205–1

Artículo PubMed PubMed Central Google Scholar

Smith LA, Azariah F, Lavender VT, Stoner NS, Bettiol S. Cannabinoides para las náuseas y los vómitos en adultos con cáncer que reciben quimioterapia. Sistema de base de datos Cochrane Rev. 2015. https://doi.org/10.1002/14651858.CD009464.pub2.

Ware MA, Wang T, Shapiro S, Robinson A, Ducruet T, Huynh T, et al. Cannabis fumado para el dolor neuropático crónico: un ensayo controlado aleatorio. CMAJ. 2010;182:E694–701.

Artículo PubMed PubMed Central Google Scholar

Nagarkatti P, Pandey R, Rieder SA, Hegde VL, Nagarkatti M. Cannabinoides como nuevos fármacos antiinflamatorios. Química médica del futuro. 2009;1:1333–49.

Artículo CAS PubMed Google Scholar

Esposito G, Filippis DD, Cirillo C, Iuvone T, Capoccia E, Scuderi C, et al. Cannabidiol en enfermedades inflamatorias intestinales: una breve descripción. Phytother Res. 2013;27:633–6.

Artículo CAS PubMed Google Scholar

Lotan I, Treves TA, Roditi Y, Djaldetti R. Tratamiento con cannabis (marihuana medicinal) para los síntomas motores y no motores de la enfermedad de Parkinson: un estudio observacional abierto. Clin Neuropharmacol. 2014;37:41–4.

Artículo PubMed Google Scholar

O'Connell BK, Gloss D, Devinsky O. Cannabinoides en la epilepsia resistente al tratamiento: una revisión. Comportamiento de la epilepsia. 2017;70:341–8.

Artículo PubMed Google Scholar

Volkow ND, Baler RD, Compton WM, Weiss SR. Efectos adversos para la salud del consumo de marihuana. N Inglés J Med. 2014;370:2219–27.

Artículo PubMed PubMed Central Google Scholar

Karila L, Roux P, Rolland B, Benjamin A, Reynaud M, Aubin HJ, et al. Efectos agudos y a largo plazo del consumo de cannabis: una revisión. Curr Pharm Des. 2014;20:4112–8.

Artículo CAS PubMed Google Scholar

Moore TH, Zammit S, Lingford-Hughes A, Barnes TR, Jones PB, Burke M, et al. Uso de cannabis y riesgo de resultados psicóticos o de salud mental afectiva: una revisión sistemática. Lanceta. 2007;370:319–28.

Artículo PubMed Google Scholar

Gage SH, Hickman M, Zammit S. Asociación entre cannabis y psicosis: evidencia epidemiológica. Biopsiquiatría. 2016;79:549–56.

Artículo PubMed Google Scholar

Di Forti M, Quattrone D, Freeman TP, Trípoli G, Gayer-Anderson C, Quigley H, et al. La contribución del consumo de cannabis a la variación en la incidencia del trastorno psicótico en toda Europa (EU-GEI): un estudio multicéntrico de casos y controles. Psiquiatría de Lancet. 2019;6:427–36.

Artículo PubMed PubMed Central Google Scholar

Dor Y, Cedar H. Principios de la metilación del ADN y sus implicaciones para la biología y la medicina. Lanceta. 2018;392:777–86.

Artículo CAS PubMed Google Scholar

Alegria-Torres JA, Baccarelli A, Bollati V. Epigenética y estilo de vida. Epigenómica. 2011;3:267–77.

Artículo PubMed Google Scholar

Ronn T, Volkov P, Davegardh C, Dayeh T, Hall E, Olsson AH, et al. Una intervención de ejercicio de seis meses influye en el patrón de metilación del ADN de todo el genoma en el tejido adiposo humano. PLoS Genet. 2013;9:e1003572.

Artículo PubMed PubMed Central Google Scholar

Guida F, Sandanger TM, Castagne R, Campanella G, Polidoro S, Palli D, et al. La dinámica de la metilación de todo el genoma inducida por el tabaquismo cambia con el tiempo desde que se deja de fumar. Hum Mol Genet. 2015;24:2349–59.

Artículo CAS PubMed PubMed Central Google Scholar

Dugue PA, Wilson R, Lehne B, Jayasekara H, Wang X, Jung CH, et al. El consumo de alcohol se asocia con cambios generalizados en la metilación del ADN en sangre: análisis de datos transversales y longitudinales. Adicto Biol. 2021;26:e12855.

Artículo CAS PubMed Google Scholar

Osborne AJ, Pearson JF, Noble AJ, Gemmell NJ, Horwood LJ, Boden JM, et al. Análisis de metilación del ADN de todo el genoma de una exposición intensa al cannabis en una cohorte longitudinal de Nueva Zelanda. Psiquiatría transl. 2020;10:114.

Artículo CAS PubMed PubMed Central Google Scholar

Markunas CA, Hancock DB, Xu Z, Quach BC, Fang F, Sandler DP, et al. El análisis de todo el epigenoma descubre un biomarcador de metilación del ADN en la sangre del consumo de cannabis a lo largo de la vida. Am J Med Genet B Neuropsychiatr Genet. 2021;186:173–82.

Artículo CAS PubMed Google Scholar

Friedman GD, Cutter GR, Donahue RP, Hughes GH, Hulley SB, Jacobs DR Jr, et al. CARDIA: diseño del estudio, reclutamiento y algunas características de los sujetos examinados. J Clin Epidemiol. 1988;41:1105–16.

Artículo CAS PubMed Google Scholar

Pletcher MJ, Vittinghoff E, Kalhan R, Richman J, Safford M, Sidney S, et al. Asociación entre la exposición a la marihuana y la función pulmonar durante 20 años. JAMA. 2012;307:173–81.

Artículo CAS PubMed Google Scholar

Joyce BT, Gao T, Zheng Y, Ma J, Hwang SJ, Liu L, et al. La aceleración de la edad epigenética refleja la salud cardiovascular a largo plazo. Res. circular. 2021;129:770–81.

Artículo CAS PubMed PubMed Central Google Scholar

Nannini DR, Joyce BT, Zheng Y, Gao T, Liu L, Yoon G, et al. Estudio de aceleración de la edad epigenética y síndrome metabólico en el desarrollo del riesgo de arteria coronaria en adultos jóvenes. Clin Epigenética. 2019;11:160.

Artículo PubMed PubMed Central Google Scholar

Zheng Y, Joyce B, Hwang SJ, Ma J, Liu L, Allen N, et al. Asociación de la salud cardiovascular durante la edad adulta joven con patrones de metilación del ADN de todo el genoma en la mediana edad: el estudio CARDIA. Circulación. 2022. https://doi.org/10.1161/CIRCULATIONAHA.121.055484.

Xu Z, Niu L, Li L, Taylor JA. ENmix: un nuevo método de corrección de fondo para Illumina HumanMethylation450 BeadChip. Ácidos nucleicos res. 2016;44:e20.

Artículo PubMed Google Scholar

Tukey J. Análisis de datos exploratorios. Pearson; Massachusetts, Estados Unidos: Addison-Wesley Publishing Company; 1977.

Xu Z, Langie SA, De Boever P, Taylor JA, Niu L. RELIC: un nuevo método de corrección del sesgo de tinte para Illumina Mmethylation BeadChip. Genómica BMC. 2017;18:4.

Artículo PubMed PubMed Central Google Scholar

Houseman EA, Accomando WP, Koestler DC, Christensen BC, Marsit CJ, Nelson HH, et al. Matrices de metilación del ADN como medidas sustitutas de la distribución de la mezcla celular. Bioinformática BMC. 2012;13:86.

Artículo PubMed PubMed Central Google Scholar

van Iterson M, van Zwet EW, Consorcio B, Heijmans BT. Control del sesgo y la inflación en estudios de asociación de todo el epigenoma y el transcriptoma utilizando la distribución empírica nula. Genoma Biol. 2017;18:19.

Artículo PubMed PubMed Central Google Scholar

Equipo central de R. R: Un lenguaje y entorno para la informática estadística. Fundación R para Computación Estadística: Viena, Austria, (2020).

Delaneau O, Marchini J, Zagury JF. Un método de fase de complejidad lineal para miles de genomas. Métodos Nat. 2011;9:179–81.

Artículo PubMed Google Scholar

Delaneau O, Zagury JF, Marchini J. Mejora de las fases de cromosomas completos para estudios genéticos de poblaciones y enfermedades. Métodos Nat. 2013;10:5–6.

Artículo CAS PubMed Google Scholar

Das S, Forer L, Schonherr S, Sidore C, Locke AE, Kwong A, et al. Servicio y métodos de imputación de genotipos de próxima generación. Nat Genet. 2016;48:1284–7.

Artículo CAS PubMed PubMed Central Google Scholar

Li Y, Willer C, Sanna S, Abecasis G. Imputación del genotipo. Annu Rev Genomics Hum Genet. 2009;10:387–406.

Artículo CAS PubMed PubMed Central Google Scholar

Li Y, Willer CJ, Ding J, Scheet P, Abecasis GR. MaCH: uso de datos de secuencia y genotipo para estimar haplotipos y genotipos no observados. Genet Epidemiol. 2010;34:816–34.

Artículo PubMed PubMed Central Google Scholar

Buniello A, MacArthur JAL, Cerezo M, Harris LW, Hayhurst J, Malangone C, et al. El catálogo NHGRI-EBI GWAS de estudios publicados de asociación de todo el genoma, matrices específicas y estadísticas resumidas de 2019. Nucleic Acids Res. 2019;47:D1005–12.

Artículo CAS PubMed Google Scholar

Pedersen BS, Schwartz DA, Yang IV, Kechris KJ. Comb-p: software para combinar, analizar, agrupar y corregir valores P espacialmente correlacionados. Bioinformática. 2012;28:2986–8.

Artículo CAS PubMed PubMed Central Google Scholar

Mallik S, Odom GJ, Gao Z, Gomez L, Chen X, Wang L. Una evaluación de métodos supervisados ​​para identificar regiones metiladas diferencialmente en matrices de metilación de Illumina. Breve Bioinformación. 2019;20:2224–35.

Artículo CAS PubMed Google Scholar

Liao Y, Wang J, Jaehnig EJ, Shi Z, Zhang B. WebGestalt 2019: conjunto de herramientas de análisis de conjuntos de genes con interfaces de usuario y API renovadas. Ácidos nucleicos res. 2019;47:W199–W205.

Artículo CAS PubMed PubMed Central Google Scholar

Hansen K. IlluminaHumanMmethylationEPICanno.ilm10b2.hg19: Anotación para las matrices de metilación EPIC de Illumina. Versión del paquete R 0.6.0 (2016).

Zeilinger S, Kuhnel B, Klopp N, Baurecht H, Kleinschmidt A, Gieger C, et al. El tabaquismo provoca cambios extensos en todo el genoma en la metilación del ADN. Más uno. 2013;8:e63812.

Artículo CAS PubMed PubMed Central Google Scholar

Ambatipudi S, Cuenin C, Hernandez-Vargas H, Ghantous A, Le Calvez-Kelm F, Kaaks R, et al. Cambios en la metilación del ADN de todo el genoma asociados al tabaquismo en el estudio EPIC. Epigenómica. 2016;8:599–618.

Artículo CAS PubMed Google Scholar

Monick MM, Beach SR, Plume J, Sears R, Gerrard M, Brody GH, et al. Cambios coordinados en la metilación de AHRR en linfoblastos y macrófagos pulmonares de fumadores. Am J Med Genet B Neuropsychiatr Genet. 2012;159B:141–51.

Artículo PubMed PubMed Central Google Scholar

Lu AT, Quach A, Wilson JG, Reiner AP, Aviv A, Raj K, et al. Metilación del ADN GrimAge predice firmemente la esperanza de vida y la salud. Envejecimiento. 2019;11:303–27.

Artículo CAS PubMed PubMed Central Google Scholar

Logue MW, Miller MW, Wolf EJ, Huber BR, Morrison FG, Zhou Z, et al. Un estudio de asociación de todo el epigenoma del trastorno de estrés postraumático en veteranos estadounidenses implica varios loci nuevos de metilación del ADN. Clin Epigenética. 2020;12:46.

Artículo CAS PubMed PubMed Central Google Scholar

Smith AK, Ratanatharathorn A, Maihofer AX, Naviaux RK, Aiello AE, Amstadter AB, et al. El metanálisis de todo el epigenoma del trastorno de estrés postraumático en 10 cohortes militares y civiles identifica cambios de metilación en AHRR. Comuna Nacional. 2020;11:5965.

Artículo CAS PubMed PubMed Central Google Scholar

Cárdenas A, Ecker S, Fadadu RP, Huen K, Orozco A, McEwen LM, et al. Estudio de asociación de todo el epigenoma y aceleración epigenética de la edad asociada con el tabaquismo en adultos costarricenses. Representante científico 2022;12:4277.

Artículo CAS PubMed PubMed Central Google Scholar

Sun YQ, Richmond RC, Suderman M, Min JL, Battram T, Flatberg A, et al. Evaluación del papel de la metilación del ADN de todo el genoma entre fumar y el riesgo de cáncer de pulmón mediante mediciones repetidas: el estudio HUNT. Int J Epidemiol. 2021;50:1482–97.

Artículo PubMed PubMed Central Google Scholar

Christiansen C, Castillo-Fernández JE, Domingo-Relloso A, Zhao W, El-Sayed Moustafa JS, Tsai PC, et al. Nuevas firmas de metilación del ADN del tabaquismo con efectos transétnicos. Clin Epigenética. 2021;13:36.

Artículo CAS PubMed PubMed Central Google Scholar

Boullon L, Abalo R, Llorente-Berzal A. La neuroprotección relacionada con los fármacos cannabinoides como posible herramienta terapéutica contra el deterioro cognitivo inducido por la quimioterapia. Frente Farmacéutico. 2021;12:734613.

Artículo CAS PubMed PubMed Central Google Scholar

Zhang L, Wang X, Yu W, Ying J, Fang P, Zheng Q, et al. La activación de CB2R regula la autofagia mediada por TFEB y afecta el metabolismo de los lípidos y la inflamación de los astrocitos en la POCD. Inmunol frontal. 2022;13:836494.

Artículo CAS PubMed PubMed Central Google Scholar

Campagna MP, Xavier A, Lechner-Scott J, Maltby V, Scott RJ, Butzkueven H, et al. Estudios de asociación de todo el epigenoma: conocimientos actuales, estrategias y recomendaciones. Clin Epigenética. 2021;13:214.

Artículo CAS PubMed PubMed Central Google Scholar

Wilson R, Wahl S, Pfeiffer L, Ward-Caviness CK, Kunze S, Kretschmer A, et al. La dinámica de la metilación alterada relacionada con el tabaquismo: un estudio de dos momentos del cambio de metilación en fumadores, no fumadores y exfumadores. Genómica BMC. 2017;18:805.

Artículo PubMed PubMed Central Google Scholar

McCartney DL, Stevenson AJ, Hillary RF, Walker RM, Bermingham ML, Morris SW, et al. Firmas epigenéticas de inicio y abandono del hábito de fumar. EBioMedicina. 2018;37:214–20.

Artículo PubMed PubMed Central Google Scholar

Lucas CJ, Galettis P, Schneider J. La farmacocinética y la farmacodinamia de los cannabinoides. H. J. Clin Pharmacol. 2018;84:2477–82.

Artículo PubMed PubMed Central Google Scholar

Komaki S, Ohmomo H, Hachiya T, Sutoh Y, Ono K, Furukawa R, et al. Dinámica de metilación longitudinal del ADN como indicador práctico en epigenética clínica. Clin Epigenética. 2021;13:2

Artículo CAS PubMed PubMed Central Google Scholar

Alshaarawy O. Recuento total y diferencial de glóbulos blancos en consumidores de cannabis: resultados de la Encuesta nacional transversal de examen de salud y nutrición, 2005-2016. J Cannabis Res. 2019;1:1–7.

Abuhasira R, Haviv YS, Leiba M, Leiba A, Ryvo L, Novack V. El cannabis se asocia con la reducción de la presión arterial en adultos mayores: un estudio de monitorización ambulatoria de la presión arterial las 24 horas. Eur J Intern Med. 2021;86:79–85.

Artículo PubMed Google Scholar

McPherson KL, Tomasi DG, Wang GJ, Manza P, Volkow ND. El cannabis afecta el volumen cerebeloso y el sueño de manera diferente en hombres y mujeres. Frente Psiquiatría. 2021;12:643193.

Artículo PubMed PubMed Central Google Scholar

Solinas M, Ferre S, You ZB, Karcz-Kubicha M, Popoli P, Goldberg SR. La cafeína induce la liberación de dopamina y glutamato en la capa del núcleo accumbens. J Neurosci. 2002;22:6321–4.

Artículo CAS PubMed PubMed Central Google Scholar

Covey DP, Wenzel JM, Cheer JF. Modulación cannabinoide de la recompensa de las drogas y las implicaciones de la legalización de la marihuana. Res. cerebral. 2015;1628:233–43.

Artículo CAS PubMed Google Scholar

Davies G, Lam M, Harris SE, Trampush JW, Luciano M, Hill WD, et al. Un estudio de 300.486 personas identifica 148 loci genéticos independientes que influyen en la función cognitiva general. Comuna Nacional. 2018;9:2098.

Artículo PubMed PubMed Central Google Scholar

Walker RM, Christoforou AN, McCartney DL, Morris SW, Kennedy NA, Morten P, et al. Metilación del ADN en una familia escocesa afectada múltiples veces por trastorno bipolar y trastorno depresivo mayor. Clin Epigenética. 2016;8:5.

Artículo PubMed PubMed Central Google Scholar

Lee JJ, Wedow R, Okbay A, Kong E, Maghzian O, Zacher M, et al. Descubrimiento de genes y predicción poligénica a partir de un estudio de asociación de todo el genoma sobre el nivel educativo de 1,1 millones de personas. Nat Genet. 2018;50:1112–21.

Artículo CAS PubMed PubMed Central Google Scholar

Li M, Li Y, Qin H, Tubbs JD, Li M, Qiao C, et al. Análisis de metilación del ADN de todo el genoma de células sanguíneas periféricas derivadas de pacientes con un primer episodio de esquizofrenia en la población china Han. Psiquiatría Mol. 2021;26:4475–85.

Artículo CAS PubMed Google Scholar

Chen MH, Raffield LM, Mousas A, Sakaue S, Huffman JE, Moscati A, et al. Genética de células sanguíneas transétnicas y específicas de ascendencia en 746.667 individuos de 5 poblaciones globales. Celúla. 2020;182:1198–213.e1114.

Artículo CAS PubMed PubMed Central Google Scholar

Wu Y, Cao H, Baranova A, Huang H, Li S, Cai L, et al. Análisis de rasgos múltiples para el estudio de asociación de todo el genoma de cinco trastornos psiquiátricos. Psiquiatría transl. 2020;10:209.

Artículo CAS PubMed PubMed Central Google Scholar

Kim KW, Park SC, Cho HJ, Jang H, Park J, Shim HS, et al. Los análisis genéticos y epigenéticos integrados descubren la asociación de MSI2 con la inflamación alérgica. J Alergia Clin Immunol. 2021;147:1453–63.

Artículo CAS PubMed Google Scholar

Goes FS, McGrath J, Avramopoulos D, Wolyniec P, Pirooznia M, Ruczinski I, et al. Estudio de asociación de todo el genoma de la esquizofrenia en judíos asquenazíes. Am J Med Genet B Neuropsychiatr Genet. 2015;168:649–59.

Artículo CAS PubMed Google Scholar

Grupo de trabajo de trastornos del espectro autista de Psychiatric Genomics C. El metanálisis de GWAS de más de 16.000 personas con trastorno del espectro autista destaca un locus novedoso en 10q24.32 y una superposición significativa con la esquizofrenia. Autismo Mol. 2017;8:21.

Artículo de Google Scholar

Glossop JR, ​​Emes RD, Nixon NB, Haworth KE, Packham JC, Dawes PT, et al. El perfil de metilación del ADN de todo el genoma en la artritis reumatoide identifica cambios de metilación asociados a la enfermedad que son distintos de las poblaciones individuales de linfocitos T y B. Epigenética. 2014;9:1228–37.

Artículo PubMed PubMed Central Google Scholar

Ramer R, Bublitz K, Freimuth N, Merkord J, Rohde H, Haustein M, et al. El cannabidiol inhibe la invasión y metástasis de células de cáncer de pulmón a través de la molécula de adhesión intercelular-1. FASEB J. 2012;26:1535–48.

Artículo CAS PubMed Google Scholar

Seltzer ES, Watters AK, MacKenzie D, Jr., Granat LM, Zhang D. El cannabidiol (CBD) como fármaco anticancerígeno prometedor. Cánceres (Basilea). 2020;12:1–26.

Bloomfield MA, Ashok AH, Volkow ND, Howes OD. Los efectos del delta (9) -tetrahidrocannabinol sobre el sistema de dopamina. Naturaleza. 2016;539:369–77.

Artículo CAS PubMed PubMed Central Google Scholar

Butovsky E, Juknat A, Elbaz J, Shabat-Simon M, Eilam R, Zangen A, et al. La exposición crónica al delta9-tetrahidrocannabinol regula negativamente la oxitocina y la neurofisina asociada a la oxitocina en áreas específicas del cerebro. Neurociencias de células Mol. 2006;31:795–804.

Artículo CAS PubMed Google Scholar

Liu C, Sadat SH, Ebisumoto K, Sakai A, Panuganti BA, Ren S, et al. Los cannabinoides promueven la progresión del carcinoma de células escamosas de cabeza y cuello positivo para VPH mediante la activación de p38 MAPK. Clin Cancer Res. 2020;26:2693–703.

Artículo CAS PubMed PubMed Central Google Scholar

Marconi A, Di Forti M, Lewis CM, Murray RM, Vassos E. Metaanálisis de la asociación entre el nivel de consumo de cannabis y el riesgo de psicosis. Toro esquizofrénico. 2016;42:1262–9.

Artículo PubMed PubMed Central Google Scholar

Hjorthoj C, Posselt CM, Nordentoft M. Desarrollo a lo largo del tiempo de la fracción de riesgo atribuible a la población para el trastorno por consumo de cannabis en la esquizofrenia en Dinamarca. Psiquiatría JAMA. 2021;78:1013–9.

Artículo PubMed Google Scholar

Wittchen HU, Frohlich C, Behrendt S, Gunther A, Rehm J, Zimmermann P, et al. Consumo de cannabis y trastornos por consumo de cannabis y su relación con los trastornos mentales: un estudio comunitario longitudinal prospectivo de 10 años en adolescentes. Dependencia del alcohol y las drogas. 2007;88:S60–70.

Artículo PubMed Google Scholar

Pinto JV, Medeiros LS, Santana da Rosa G, Santana de Oliveira CE, Crippa JAS, Passos IC, et al. La prevalencia y los correlatos clínicos del consumo de cannabis y el trastorno por consumo de cannabis entre pacientes con trastorno bipolar: una revisión sistemática con metanálisis y metarregresión. Neurosci Biobehav Rev. 2019;101:78–84.

Artículo PubMed Google Scholar

Corsi DJ, Donelle J, Sucha E, Hawken S, Hsu H, El-Chaar D, et al. Uso materno de cannabis en el embarazo y resultados del desarrollo neurológico infantil. Nat Med. 2020;26:1536–40.

Artículo CAS PubMed Google Scholar

Di Forti M, Sallis H, Allegri F, Trotta A, Ferraro L, Stilo SA, et al. El consumo diario, especialmente de cannabis de alta potencia, impulsa la aparición más temprana de psicosis en los consumidores de cannabis. Toro esquizofrénico. 2014;40:1509–17.

Artículo PubMed Google Scholar

Secades-Villa R, García-Rodríguez O, Jin CJ, Wang S, Blanco C. Probabilidad y predictores del efecto de entrada del cannabis: un estudio nacional. Política de drogas del Int J. 2015;26:135–42.

Artículo PubMed Google Scholar

Blanco C, Hasin DS, Wall MM, Florez-Salamanca L, Hoertel N, Wang S, et al. Uso de cannabis y riesgo de trastornos psiquiátricos: evidencia prospectiva de un estudio longitudinal nacional de EE. UU. Psiquiatría JAMA. 2016;73:388–95.

Artículo PubMed Google Scholar

Hagenbach U, Luz S, Ghafoor N, Berger JM, Grotenhermen F, Brenneisen R, et al. El tratamiento de la espasticidad con Delta9-tetrahidrocannabinol en personas con lesión de la médula espinal. Médula espinal. 2007;45:551–62.

Artículo CAS PubMed Google Scholar

Corey-Bloom J, Wolfson T, Gamst A, Jin S, Marcotte TD, Bentley H, et al. Cannabis fumado para la espasticidad en la esclerosis múltiple: un ensayo aleatorio controlado con placebo. CMAJ. 2012;184:1143–50.

Artículo PubMed PubMed Central Google Scholar

Funk AJ, McCullumsmith RE, Haroutunian V, Meador-Woodruff JH. Actividad anormal de las vías de señalización asociadas a MAPK y AMPc en áreas corticales frontales en el cerebro postmortem en la esquizofrenia. Neuropsicofarmacología. 2012;37:896–905.

Artículo CAS PubMed Google Scholar

Howes OD, Kambeitz J, Kim E, Stahl D, Slifstein M, Abi-Dargham A, et al. La naturaleza de la disfunción dopaminérgica en la esquizofrenia y lo que esto significa para el tratamiento. Psiquiatría Arch Gen. 2012;69:776–86.

Artículo CAS PubMed PubMed Central Google Scholar

Lee MR, Weerts EM. Oxitocina para el tratamiento de los trastornos por consumo de drogas y alcohol. Comportamiento farmacéutico. 2016;27:640–8.

Artículo CAS PubMed PubMed Central Google Scholar

Gravely S, Driezen P, Smith DM, Borland R, Lindblom EN, Hammond D, et al. Diferencias internacionales en los patrones de consumo de cannabis entre fumadores adultos de cigarrillos: resultados de la encuesta del ITC en cuatro países sobre tabaquismo y vapeo de 2018. Política de drogas del Int J. 2020;79:102754.

Artículo PubMed PubMed Central Google Scholar

Auer R, Vittinghoff E, Yaffe K, Kunzi A, Kertesz SG, Levine DA, et al. Asociación entre el consumo de marihuana durante toda la vida y la función cognitiva en la mediana edad: estudio sobre el desarrollo del riesgo de arteria coronaria en adultos jóvenes (CARDIA). Médico Interno JAMA. 2016;176:352–61.

Artículo PubMed PubMed Central Google Scholar

Academias Nacionales de Ciencias, Ingeniería y Medicina (EE.UU.). Comité sobre los efectos de la marihuana en la salud: una agenda de investigación y revisión de la evidencia. Los efectos del cannabis y los cannabinoides sobre la salud: el estado actual de la evidencia y recomendaciones para la investigación. : Washington, DC: Prensa de las Academias Nacionales; 2017. xviii, 468.

Descargar referencias

Los autores agradecen a los participantes y al personal de CARDIA que ayudaron en la recopilación y el procesamiento de datos.

El Estudio sobre el desarrollo del riesgo de las arterias coronarias en adultos jóvenes (CARDIA) es realizado y respaldado por el Instituto Nacional del Corazón, los Pulmones y la Sangre (NHLBI) en colaboración con el Instituto de Investigación de la Fundación Kaiser (HHSN268201800004I), la Universidad Northwestern (HHSN268201800003I) y la Universidad de Alabama. en Birmingham (HHSN268201800005I y HHSN268201800007I) y la Universidad de Minnesota (HHSN268201800006I). El laboratorio de metilación del ADN y el trabajo analítico fueron financiados por la American Heart Association (14SFRN20790000 y 17SFRN33700278, Northwestern University) y el National Institute on Aging (R21AG063370, R21AG068955, R01AG081244 y R01AG069120).

Departamento de Medicina Preventiva, Facultad de Medicina Feinberg de la Universidad Northwestern, Chicago, IL, EE. UU.

Drew R. Nannini, Yinan Zheng, Brian T. Joyce, Kyeezu Kim, Tao Gao, Jun Wang, Philip Greenland, Donald M. Lloyd-Jones y Lifang Hou

División de Epidemiología y Salud Comunitaria, Escuela de Salud Pública, Universidad de Minnesota, Minneapolis, MN, EE. UU.

David R. Jacobs y Pamela J. Schreiner

Facultad de Medicina de la Universidad de California en San Francisco, San Francisco, CA, EE. UU.

Kristine Yaffe

Departamento de Medicina, Facultad de Medicina Feinberg de la Universidad Northwestern, Chicago, IL, EE. UU.

Philip Greenland y Donald M. Lloyd-Jones

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

Este estudio fue concebido y diseñado por LF y BJ. YZ y TG generaron y realizaron el control de calidad de estos datos. DN realizó análisis estadísticos y redactó el manuscrito. LF, BJ e YZ contribuyeron a la redacción del manuscrito. Todos los autores revisaron y proporcionaron comentarios al manuscrito final (KK, JW, DJ, PS, KY, PG, DJ). Todos los autores leyeron y aprobaron el manuscrito final.

Correspondencia a Drew R. Nannini.

Los autores declaran no tener conflictos de intereses.

Las Juntas de Revisión Institucional de todas las instituciones participantes aprobaron este estudio y todos los participantes del estudio dieron su consentimiento por escrito.

Nota del editor Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Nannini, DR, Zheng, Y., Joyce, BT et al. Estudio de asociación de metilación del ADN de todo el genoma del consumo reciente y acumulativo de marihuana en adultos de mediana edad. Psiquiatría Mol (2023). https://doi.org/10.1038/s41380-023-02106-y

Descargar cita

Recibido: 03 de noviembre de 2022

Revisado: 24 de abril de 2023

Aceptado: 03 de mayo de 2023

Publicado: 31 de mayo de 2023

DOI: https://doi.org/10.1038/s41380-023-02106-y

Cualquier persona con la que comparta el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt