genoma

Psiquiatría molecular (2023)Citar este artículo

30k Accesos

7 Altmetric

Detalles de métricas

La marihuana es una sustancia psicoactiva ampliamente utilizada en los EE. UU. y la legalización médica y recreativa ha aumentado en 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 aleatoriamente para someterse a un perfil de metilación del ADN en ambos momentos utilizando Illumina MethylationEPIC BeadChip. El uso reciente de marihuana se indagó en cada examen y se utilizó para estimar el uso acumulado de marihuana de Y0 a Y15 y Y20. En Y15 (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 Y20 (n = 883), respectivamente. Reproducimos 8 marcadores de metilación previamente informados asociados con el uso de marihuana. Además, identificamos 640 cis-meQTL y 198 DMR asociados con el uso reciente y acumulativo en Y15 y Y20. Los genes metilados diferencialmente estaban sobrerrepresentados estadísticamente en las 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 de metilación, vías y enfermedades asociadas con el consumo reciente y acumulativo de marihuana en adultos de mediana edad, lo que brinda información adicional sobre la asociación entre el consumo de marihuana y el epigenoma. Estos resultados proporcionan nuevos conocimientos 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 utilizadas en los EE. UU. 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 en la salud, incluidos efectos a corto plazo (p. ej., deterioro de la memoria a corto plazo y coordinación motora, juicio alterado 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 esperado aumento en el uso coincidiendo con la legalización, los estudios que investigan la asociación entre el uso de marihuana y los mecanismos moleculares o epigenéticos pueden brindar nuevos conocimientos 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 en sangre para exposiciones recientes y acumulativas. Además, la naturaleza modificable de la metilación del ADN permite la investigación de los 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 ampliar 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 uso creciente de la marihuana, un número limitado de estudios ha examinado los biomarcadores de todo el epigenoma asociados con el uso de la marihuana. Estudios previos han identificado firmas de ADN diferencialmente metiladas asociadas con la marihuana, incluidos marcadores ubicados en AHRR, ALPG, CEMIP y MYO1G [22, 23]. Estos biomarcadores, sin embargo, se limitaron a un solo punto de tiempo y no examinaron el uso de marihuana reciente y 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 nuevos conocimientos. 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]. Brevemente, CARDIA es un estudio de cohortes basado en la población que reclutó a 5115 participantes negros y blancos de 18 a 30 años de edad 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 participan actualmente en Y35.

Al inicio del estudio (Y0) y en cada examen de seguimiento, se preguntó a los participantes del estudio "¿Ha consumido marihuana alguna vez?", "¿Cuántas veces en su vida ha consumido marihuana?" y "Durante los últimos 30 días, ¿cuántas veces ha consumido marihuana?". ¿Cuántos días usaste marihuana?" Para este análisis, consideramos dos variables continuas que miden el uso reciente y acumulativo de marihuana tanto en Y15 como en Y20. Para uso reciente, se utilizó para el análisis el número de días de uso de marihuana en los últimos 30 días. Para el uso acumulativo, calculamos los 'años-marihuana' de Y0 a Y15 y Y20 por separado, como se describió anteriormente [25]. Suponiendo que el uso de marihuana en los últimos 30 días representa el uso durante todo el año y entre exámenes, sumamos el número total de días de uso de marihuana en Y0 a Y15 y Y20 por separado y lo dividimos por 365, lo que da como resultado años 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 de ADN se han descrito previamente [26,27,28]. Brevemente, una muestra aleatoria de 1200 participantes con sangre completa disponible en Y15 y Y20 se sometió a un perfil de metilación de ADN utilizando Illumina MethylationEPIC 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 P de detección < 1E-06 o menos de 3 perlas. 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 (definidas como menos de 3 veces la desviación estándar de la intensidad en muestras por debajo del intensidad media) se eliminaron del análisis posterior. Además, 95 muestras se identificaron 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 todas marcadores y el método de Tukey [30]. La corrección basada en el modelo se aplicó con ENmix y la corrección del sesgo de tinte se realizó con RELIC [31]. Las intensidades M o U para las sondas Infinium I o II se normalizaron por cuantiles por separado, respectivamente. Los marcadores de metilación de baja calidad y los valores atípicos de β, según lo definido por el método de Tukey, se establecieron como faltantes. Después de aplicar estos criterios, quedaron 1042 y 957 muestras en Y15 y Y20 para análisis aguas abajo, respectivamente.

Realizamos estudios de asociación de todo el epigenoma (EWAS) en un punto temporal único entre los participantes del estudio CARDIA con datos disponibles de marihuana y metilación del ADN 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 la variable dependiente y el consumo de marihuana reciente y acumulativo modelado como las variables independientes en ambos puntos de tiempo (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 tipo de células leucocitarias. El análisis de componentes principales se realizó en datos de intensidad para sondas de control interno no negativas y los 8 principales componentes principales (PC) se incluyeron como covariables. Usamos el método de Houseman [32] para inferir la proporción de subpoblaciones de leucocitos (linfocitos B, linfocitos T CD4+, linfocitos 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 uso de marihuana reciente y acumulativo en Y20 y Y15 y la Δmetilación se estimó a partir de los residuos en un modelo lineal entre los niveles de metilación de Y20 y Y15, ajustados para las 8 PC en ambos puntos de tiempo. Se realizó el mismo modelo EWAS de regresión lineal con Δmetilación como variable dependiente y Δmarihuana como variable independiente, ajustando las mismas covariables en Y15 y Y20. Todos los análisis estadísticos se realizaron utilizando R 4.1.1 [34].

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

Para evaluar si los polimorfismos de nucleótido único (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 anteriormente [28]. Brevemente, se genotipificó a los participantes 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 por raza autoinformada en ambos exámenes, ajustando las mismas covariables del modelo EWAS, usando 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 P ≤ 2.82E−08 se consideraron estadísticamente significativos. La información de características mapeadas 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 las regiones metiladas diferencialmente (DMR) usando 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]. Las DMR asociadas se definieron como aquellas que tenían 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) usando WebGestalt [43]. Debido al número limitado de loci identificados durante los análisis de CpG individuales, las sondas se anotaron en los símbolos genéticos de acuerdo con el ensamblaje del genoma humano (hg19) [44] y los 1000 genes anotados principales se incluyeron en los 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 de 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 Y15 y Y20 por uso 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 Y15 y Y20, respectivamente. Los participantes que consumieron marihuana recientemente exhibieron un mayor consumo acumulado de marihuana tanto en Y15 como en Y20 (P < 0,001), con un promedio ± desviación estándar de 4,8 ± 3,8 y 6,1 ± 5,3 años de marihuana en comparación con 0,4 ± 0,9 y 0,5 ± 1,3 años de marihuana entre los que no usaron recientemente, respectivamente. Además, los que habían consumido marihuana recientemente tenían más probabilidades de ser fumadores actuales de tabaco en comparación con los que no lo habían hecho recientemente, en ambos años de examen (P < 0,001), es decir, 47,1 % frente a 15,7 % en Y15 y 43,4 % frente a 16,0 % en Y15. Y20.

Los factores de inflación del control epigenómico fueron moderados (λ = 1.03–1.08) y la inspección de las gráficas QQ (Fig. 1 complementaria) no mostró desviación de los valores P observados del 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 de FDR P de todo el epigenoma para el uso reciente y acumulativo de marihuana en Y15 y Y20. En total, se asociaron 201 marcadores de metilación (valor FDR P ≤ 0,05) con la marihuana a lo largo de los dos años de examen. En Y15, el uso reciente y acumulativo de marihuana se asoció con 22 y 31 marcadores de metilación, respectivamente (Tabla complementaria 1). En Y20, el uso reciente y acumulativo de marihuana se asoció con 132 y 16 marcadores de metilación, respectivamente (Tabla complementaria 2). Los conjuntos de intersección de marcadores recientes y acumulativos en Y15 identificaron 7 marcadores y 11 marcadores en Y20, con cg05575921 ubicado en AHRR como el único marcador observado en los cuatro análisis (Fig. 2 complementaria).

Los resultados recientes y acumulados de la asociación del consumo de marihuana 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 -log10 FDR. La línea azul punteada horizontal indica un umbral significativo 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 principales CpG, 6 se anotaron en AHRR, incluidos 3 de los 4 CpG más importantes. Los loci principales adicionales asociados con el uso reciente y acumulativo de marihuana en Y15 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 uso 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 uso 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 Y15, 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 uso reciente y acumulado de marihuana estuvieron altamente correlacionados entre los participantes femeninos y masculinos (r = 0.945; P = 3.82E-11 y r = 0.975; P < 2.20E-16) (Figura complementaria 4). En Y20, 26 y 112 marcadores del total de 148 marcadores identificados permanecieron asociados entre participantes femeninos y masculinos, respectivamente (Tabla complementaria 6). Los coeficientes de regresión entre participantes femeninos y masculinos estaban altamente correlacionados (r = 0.846; P < 2.20E-16 y r = 0.952; P = 1.41E-08) (Figura 5 complementaria).

Del total de 53 marcadores de metilación identificados en Y15, 26 y 48 marcadores permanecieron asociados entre los participantes negros y blancos, respectivamente (Tabla complementaria 7). Además, los coeficientes de regresión para el uso reciente y acumulado de marihuana en Y15 estaban altamente correlacionados entre los participantes negros y blancos (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 negros y blancos, respectivamente (Tabla complementaria 8). Los coeficientes de regresión entre los participantes negros y blancos estaban altamente correlacionados (r = 0.930; P < 2.20E-16 y r = 0.959; P = 4.44E-09) (Figura 7 complementaria).

Para determinar si las asociaciones de CpG identificados diferían según el estado de tabaquismo, investigamos estos CpG por estratos de consumo de tabaco. En Y15, 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 uso reciente y acumulado de marihuana en Y15 estaban altamente correlacionados en el estado de tabaquismo (rango r: 0.837–0.939) (Figuras complementarias 8, 9). En Y20, 51, 19 y 26 marcadores de los 148 marcadores totales permanecieron asociados entre no fumadores, ex fumadores y fumadores actuales, respectivamente (Tabla complementaria 10). Los coeficientes de regresión estuvieron altamente correlacionados a través del estado de tabaquismo en Y20 (rango r: 0.730–0.934) (Figuras complementarias 10, 11).

Evaluamos las asociaciones de marcadores de metilación de marihuana previamente informados. En general, se identificaron 31 CpG de estudios previos (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 acumulado de marihuana en Y15 y Y20, respectivamente, incluidos los 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 negros y blancos en Y15, 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 por uso reciente de marihuana en Y20 entre participantes blancos (Tabla complementaria 14). El mapeo de estos cis-meQTL en el 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, logro educativo autoinformado y tabaquismo. (Tabla complementaria 15).

Para buscar regiones epigenómicas adicionales no identificadas durante el análisis de marcador único, realizamos análisis DMR para el uso de marihuana reciente y acumulativo 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 Y15, respectivamente (Tablas complementarias 16, 17). Además, 53 y 44 DMR se asociaron con el uso reciente y acumulativo de marihuana en Y20, respectivamente (Tablas complementarias 18, 19). Los DMR anotados al gen más cercano identificaron 8 genes superpuestos para el uso de marihuana reciente y acumulativo en Y15 y Y20. Un conjunto de intersección de todos los DMR identificó 6 loci: GNG12-AS1, HOXB-AS3, MYO1G, RNF39, SDHAP3 y ZNF578.

La Tabla 3 presenta las 5 vías principales de KEGG y Reactome de WebGestalt asociadas estadísticamente con el uso reciente y acumulativo de marihuana en Y15 y Y20. En Y15, las principales vías asociadas con el consumo reciente de marihuana están relacionadas con la señalización de MAPK, las enfermedades de la transducción de señales y el sistema neuronal; las principales vías asociadas con el uso acumulativo incluyen Rho GTPasa, proliferación celular y apoptosis, y despolarización. En Y20, 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 de WNT, infección por el virus del papiloma humano y señalización de oxitocina.

La Tabla 4 presenta las 5 principales enfermedades asociadas estadísticamente 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 la enfermedad, los trastornos mentales, el trastorno autista y la predisposición genética a la enfermedad. En Y20, 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 fármaco-fármaco, predisposición genética a la enfermedad, susceptibilidad a la enfermedad y cirrosis hepática.

En este estudio de asociación de todo el epigenoma de puntos temporales múltiples de adultos de mediana edad, observamos 201 marcadores de metilación asociados con el uso reciente y acumulativo de marihuana a lo largo del tiempo. Reproducimos 8 marcadores de metilación previamente informados asociados con el uso de marihuana. También observamos 638 cis-meQTL asociados con varios marcadores de metilación de marihuana, así como 198 regiones diferencialmente metiladas. Durante los análisis de vías y enfermedades, los genes asociados a la marihuana estaban sobrerrepresentados estadísticamente 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 la 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 puntos de tiempo, 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 paquetes-año de tabaco ( 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 de modulación comunes en 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 marcador de metilación superior asociado con el uso reciente de marihuana en Y15, cg18110140, está ubicado 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 principales también se han asociado previamente con el tabaquismo, incluidos BMF y MYO1B [52], y pueden proporcionar biomarcadores medibles 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 EWAS previos [22, 28] y estudios adicionales que investigan el efecto acumulativo de estos CpG individuales (p. ej., puntaje de riesgo poliepigenético) pueden producir una mayor 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 la epigenética asociada previamente. 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 con la marihuana. Por ejemplo, el uso 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 fumadores anteriores y actuales, respectivamente. Para el último hallazgo, la hipometilación de cg05575921 durante los análisis agrupados y estratificados por estado de tabaquismo sugiere que la asociación de la marihuana con la metilación puede ser consistente e independiente del tabaquismo. Nuestros resultados destacan las influencias interactivas de los factores biológicos y ambientales en las firmas de metilación y brindan información sobre el impacto diferente de la marihuana en el epigenoma por estratos de población. Estos hallazgos pueden servir como biomarcadores potenciales para identificar el uso reciente y prolongado de marihuana y los 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 en constante cambio del epigenoma, la evaluación de las diferencias en los patrones de metilación a lo largo del tiempo no solo permite la evaluación temporal (y, potencialmente, causal) de un fenotipo y los cambios epigenéticos en el contexto de la historia natural de una enfermedad, sino también permite examinar la variabilidad y las trayectorias intra e interindividuales en los patrones de metilación a lo largo del tiempo [56]. Además, los estudios epigenéticos longitudinales permitirán examinar el impacto de las intervenciones en los cambios epigenéticos. Por ejemplo, el examen longitudinal de los patrones de metilación del ADN inducidos por fumar identificó marcadores dinámicos y estables a lo largo del tiempo y también observó la reversión de los cambios de metilación inducidos por fumar 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, dinámico), incluidos 6 (p. ej., BEND3 y GNG12) y 10 (p. ej., PHF2 y PSMD2) loci asociados con el consumo de marihuana reciente y acumulativo en Y15 y Y20, respectivamente. Además, un marcador epigenético estable, cg05575921, se asoció con ambas variables de 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 uso de marihuana en los exámenes e identificamos 12 CpG que variaron con el cambio en el uso de marihuana, incluidos los marcadores en AHRR, COL11A2 y TFEB. Juntos, estos resultados sugieren que la mayoría de las asociaciones epigenéticas asociadas con la marihuana observadas son dinámicas, aunque se pueden observar patrones epigenéticos estables con el consumo de marihuana. Además, la identificación de marcadores dinámicos a lo largo del tiempo sugiere que tanto el uso 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 puntos de tiempo puede relacionarse 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 la 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 brindar 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 continuación 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 uso 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 ha 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 sobre el núcleo accumbens a través del sistema endocannabinoide [65], lo que sugiere que el placer y la recompensa de la cafeína y el consumo de marihuana comparten el mismo centro de recompensa. Además, identificamos 198 DMR asociados con el uso reciente y acumulativo de marihuana en Y15 y Y20. Entre los principales DMR, varias regiones se han asociado previamente con la función cognitiva, los trastornos psiquiátricos y la función inmunológica. RNF39 fue la DMR más significativa en dos de los cuatro análisis y anteriormente se ha asociado con la función cognitiva general [66] y los trastornos bipolares y depresivos mayores [67]. TRIOBP es la DMR más importante asociada con el consumo reciente de marihuana en Y20 y se ha asociado con la función cognitiva general [66, 68], la esquizofrenia [69] y el 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], la esquizofrenia [73], el autismo [74] y la 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 conducir al desarrollo de nuevas herramientas preventivas y predictivas para los resultados de salud asociados con 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 diferencialmente metilados sobrerrepresentados en vías asociadas con la proliferación celular, la señalización hormonal y la infección. Las cascadas de señalización de 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 a largo plazo se ha asociado con la disminución del sistema de dopamina [78]. También se ha demostrado que el THC modula la oxitocina y las áreas del cerebro asociadas con los comportamientos 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 anterior 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 diferencialmente metilados asociados con el consumo de marihuana estaban sobrerrepresentados en enfermedades psiquiátricas y espasticidad. El consumo de marihuana se ha asociado con varios trastornos psicóticos que incluyen esquizofrenia [81, 82], trastorno bipolar [83, 84], autismo [85] y psicosis [86], así como trastornos relacionados con sustancias [87, 88]. Además, se ha demostrado que el THC [89] y la marihuana fumada [90] reducen la espasticidad en pacientes con esclerosis múltiple y lesiones de la médula espinal. Además, las conexiones entre las principales vías y enfermedades asociadas con la marihuana se han informado anteriormente. Por ejemplo, las anomalías en la señalización de MAPK [91] y las vías de la dopamina [92] se han asociado con la esquizofrenia, así como 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 con la marihuana, lo que sugiere regulaciones epigenéticas comunes que podrían servir como objetivos diagnósticos y terapéuticos potenciales 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 el examen de la modulación genética potencial de los marcadores de metilación asociados con la marihuana a través de análisis de meQTL. Además, en comparación con otros países donde los residentes usan una mezcla de marihuana y tabaco, CARDIA es una cohorte con base en los EE. UU. donde la mezcla de marihuana y tabaco es menos frecuente, lo que permite un examen más completo de las asociaciones independientes de consumo 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 los marcadores de metilación informados anteriormente, no pudimos replicar nuestros hallazgos en un estudio independiente y, como tal, los hallazgos presentados justifican la validación. La confusión residual de factores adicionales, por ejemplo, el uso de otras drogas o el uso conjunto de drogas y el apoyo social, pueden explicar parcialmente las asociaciones observadas. Dado que el uso de marihuana se consideró ilegal en la mayoría de los exámenes anuales en CARDIA, es posible que no se haya informado el uso. Sin embargo, en cada examen, el uso de marihuana fue autoinformado (a diferencia de lo obtenido por el entrevistador), recopilado 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 el inicio, 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 nuevos conocimientos adicionales, incluido el último, que no estuvo presente durante los puntos de tiempo en el estudio actual, pero que se está utilizando cada vez más. 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 en 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 uso reciente y acumulativo de marihuana con marcadores de metilación del ADN a lo largo del tiempo. También observamos cis-meQTL y DMR asociados con el uso de marihuana y vías y enfermedades biológicamente relevantes, lo que sugiere posibles genes compartidos entre el uso de marihuana y la proliferación celular, la señalización hormonal y los trastornos mentales. Se necesitan estudios adicionales para replicar y verificar las asociaciones observadas que se presentan aquí. Con la mayor cantidad de estados que 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 aguas abajo y puede servir como potencial biomarcadores para identificar el consumo de marihuana reciente y a largo plazo e intervenir en las primeras etapas de sus resultados de salud relacionados.

Los datos están disponibles del autor correspondiente a petición razonable.

Administración de Servicios de Salud Mental y Abuso de Sustancias (SAMHSA). Encuesta Nacional sobre el Uso de Drogas y la Salud (NSDUH) de 2018: Tabla 1.3B: Tipos de uso de drogas ilícitas en la vida, el último año y el último mes 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. JAMA Psiquiatría. 2015;72:1235–42.

Artículo PubMed PubMed Central Google Académico

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

Artículo PubMed PubMed Central Google Académico

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 Académico

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

Artículo PubMed PubMed Central Google Académico

Smith LA, Azariah F, Lavender VT, Stoner NS, Bettiol S. Cannabinoides para las náuseas y los vómitos en adultos con cáncer que reciben quimioterapia. Cochrane Database Syst 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 Académico

Nagarkatti P, Pandey R, Rieder SA, Hegde VL, Nagarkatti M. Los cannabinoides como nuevos fármacos antiinflamatorios. Futuro Med Chem. 2009;1:1333–49.

Artículo CAS PubMed Google Académico

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

Artículo CAS PubMed Google Académico

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 de etiqueta abierta. Clin Neurofarmaco. 2014;37:41–4.

Artículo PubMed Google Académico

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 Académico

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

Artículo PubMed PubMed Central Google Académico

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 Académico

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

Artículo PubMed Google Académico

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

Artículo PubMed Google Académico

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

Artículo PubMed PubMed Central Google Académico

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 Académico

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

Artículo PubMed Google Académico

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 Académico

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 fumar cambia con el tiempo desde que dejó 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 está asociado con cambios generalizados en la metilación del ADN sanguíneo: análisis de datos transversales y longitudinales. Adicto Biol. 2021;26:e12855.

Artículo CAS PubMed Google Académico

Osborne AJ, Pearson JF, Noble AJ, Gemmell NJ, Horwood LJ, Boden JM, et al. Análisis de metilación del ADN de todo el genoma de la exposición intensa al cannabis en una cohorte longitudinal de Nueva Zelanda. Transl Psiquiatría. 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 basado 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 Académico

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 Académico

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 Académico

Joyce BT, Gao T, Zheng Y, Ma J, Hwang SJ, Liu L, et al. La aceleración epigenética de la edad refleja la salud cardiovascular a largo plazo. Circo Res. 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. Aceleración de la edad epigenética y síndrome metabólico en el desarrollo del riesgo de arteria coronaria en un estudio de adultos jóvenes. Clin Epigenética. 2019;11:160.

Artículo PubMed PubMed Central Google Académico

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 Académico

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 de polarización del tinte para Illumina Methylation BeadChip. BMC Genómica. 2017;18:4.

Artículo PubMed PubMed Central Google Académico

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 mezclas celulares. BMC Bioinformática. 2012;13:86.

Artículo PubMed PubMed Central Google Académico

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

Artículo PubMed PubMed Central Google Académico

Equipo central R. R: Un lenguaje y entorno para la computación estadística. R Foundation for Statistical Computing: 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 Académico

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

Artículo CAS PubMed Google Académico

Das S, Forer L, Schonherr S, Sidore C, Locke AE, Kwong A, et al. Servicio y métodos de imputación de genotipos de última 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 Académico

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

Artículo CAS PubMed Google Académico

Pedersen BS, Schwartz DA, Yang IV, Kechris KJ. Comb-p: software para combinar, analizar, agrupar y corregir valores P correlacionados espacialmente. 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 Bioinforme. 2019;20:2224–35.

Artículo CAS PubMed Google Académico

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. IlluminaHumanMethylationEPICanno.ilm10b2.hg19: Anotación para matrices de metilación EPIC de Illumina. Paquete R versión 0.6.0 (2016).

Zeilinger S, Kuhnel B, Klopp N, Baurecht H, Kleinschmidt A, Gieger C, et al. Fumar tabaco conduce a 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 en todo el genoma asociados con el tabaquismo en el estudio EPIC. Epigenómica. 2016;8:599–618.

Artículo CAS PubMed Google Académico

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 Académico

Lu AT, Quach A, Wilson JG, Reiner AP, Aviv A, Raj K, et al. La metilación del ADN GrimAge predice fuertemente 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 nuevos loci 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 TEPT en 10 cohortes militares y civiles identifica cambios de metilación en AHRR. Nat Comun. 2020;11:5965.

Artículo CAS PubMed PubMed Central Google Scholar

Cardenas A, Ecker S, Fadadu RP, Huen K, Orozco A, McEwen LM, et al. Estudio de asociación de todo el epigenoma y aceleración de la edad epigenética asociada con el tabaquismo entre adultos costarricenses. Sci Rep. 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 en 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 Académico

Christiansen C, Castillo-Fernandez 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. Neuroprotección relacionada con fármacos cannabinoides como herramienta terapéutica potencial contra el deterioro cognitivo inducido por quimioterapia. Frente Farmacol. 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 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: conocimiento actual, 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 puntos temporales del cambio de metilación en fumadores, no fumadores y exfumadores. BMC Genómica. 2017;18:805.

Artículo PubMed PubMed Central Google Académico

McCartney DL, Stevenson AJ, Hillary RF, Walker RM, Bermingham ML, Morris SW, et al. Firmas epigenéticas de comenzar y dejar de fumar. EBioMedicine. 2018;37:214–20.

Artículo PubMed PubMed Central Google Académico

Lucas CJ, Galettis P, Schneider J. Farmacocinética y farmacodinámica de los cannabinoides. Br J Clin Pharmacol. 2018;84:2477–82.

Artículo PubMed PubMed Central Google Académico

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 transversal nacional 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 está asociado con la reducción de la presión arterial en adultos mayores: un estudio de control ambulatorio de la presión arterial de 24 horas. Eur J Intern Med. 2021;86:79–85.

Artículo PubMed Google Académico

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

Artículo PubMed PubMed Central Google Académico

Solinas M, Ferre S, You ZB, Karcz-Kubicha M, Popoli P, Goldberg SR. La cafeína induce la liberación de dopamina y glutamato en la cubierta 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 Académico

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

Artículo PubMed PubMed Central Google Académico

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

Artículo PubMed PubMed Central Google Académico

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 del logro educativo en 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 esquizofrenia de primer episodio en la población china Han. Mol Psiquiatría. 2021;26:4475–85.

Artículo CAS PubMed Google Académico

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 múltiples rasgos para el estudio de asociación de todo el genoma de cinco trastornos psiquiátricos. Transl Psiquiatría. 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 Allergy Clin Immunol. 2021;147:1453–63.

Artículo CAS PubMed Google Académico

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 Ashkenazi. Am J Med Genet B Neuropsychiatr Genet. 2015;168:649–59.

Artículo CAS PubMed Google Académico

Grupo de Trabajo de Trastornos del Espectro Autista de The Psychiatric Genomics C. El metanálisis de GWAS de más de 16 000 personas con trastorno del espectro autista destaca un nuevo locus en 10q24.32 y una superposición significativa con la esquizofrenia. Mol Autismo. 2017;8:21.

Artículo Google Académico

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 los cambios de metilación asociados a la enfermedad que son distintos para las poblaciones individuales de linfocitos T y B. Epigenética. 2014;9:1228–37.

Artículo PubMed PubMed Central Google Académico

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

Artículo CAS PubMed Google Académico

Seltzer ES, Watters AK, MacKenzie D, Jr., Granat LM, Zhang D. Cannabidiol (CBD) como un fármaco prometedor contra el cáncer. Cánceres (Basilea). 2020;12:1–26.

Bloomfield MA, Ashok AH, Volkow ND, Howes OD. Los efectos de Delta(9)-tetrahidrocannabinol en 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 a Delta9-tetrahidrocannabinol regula a la baja la oxitocina y la neurofisina asociada a la oxitocina en áreas específicas del cerebro. Mol Cell Neurosci. 2006;31:795–804.

Artículo CAS PubMed Google Académico

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 a través de la activación de p38 MAPK. Clin Cáncer Res. 2020;26:2693–703.

Artículo CAS PubMed PubMed Central Google Scholar

Marconi A, Di Forti M, Lewis CM, Murray RM, Vassos E. Metanálisis 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 Académico

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. JAMA Psiquiatría. 2021;78:1013–9.

Artículo PubMed Google Académico

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. Drogas Alcohol Depende. 2007;88:S60–70.

Artículo PubMed Google Académico

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 Académico

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 Académico

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

Artículo PubMed Google Académico

Secades-Villa R, Garcia-Rodriguez O, Jin CJ, Wang S, Blanco C. Probabilidad y predictores del efecto de puerta de enlace del cannabis: un estudio nacional. Int J Política de Drogas. 2015;26:135–42.

Artículo PubMed Google Académico

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. JAMA Psiquiatría. 2016;73:388–95.

Artículo PubMed Google Académico

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 Académico

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 aleatorizado controlado con placebo. CMAJ. 2012;184:1143–50.

Artículo PubMed PubMed Central Google Académico

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

Artículo CAS PubMed Google Académico

Howes OD, Kambeitz J, Kim E, Stahl D, Slifstein M, Abi-Dargham A, et al. La naturaleza de la disfunción de la dopamina 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 trastornos por consumo de drogas y alcohol. Behav Pharmacol. 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 los fumadores adultos de cigarrillos: resultados de la encuesta sobre fumadores y vapeadores de cuatro países del ITC de 2018. Int J Política de Drogas. 2020;79:102754.

Artículo PubMed PubMed Central Google Académico

Auer R, Vittinghoff E, Yaffe K, Kunzi A, Kertesz SG, Levine DA, et al. Asociación entre el uso de marihuana a lo largo de la vida y la función cognitiva en la mediana edad: el estudio de desarrollo de riesgo de arteria coronaria en adultos jóvenes (CARDIA). JAMA Intern Med. 2016;176:352–61.

Artículo PubMed PubMed Central Google Académico

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 Evidencia. Los efectos del cannabis y los cannabinoides en la salud: el estado actual de la evidencia y las 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), 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 Instituto Nacional sobre el Envejecimiento (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

Universidad de California en la Facultad de Medicina de 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 Groenlandia y Donald M. Lloyd-Jones

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede 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 y 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 los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar 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 regulación legal o excede el uso permitido, deberá obtener el 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 uso reciente y acumulativo de marihuana en adultos de mediana edad. Mol Psiquiatría (2023). https://doi.org/10.1038/s41380-023-02106-y

Descargar cita

Recibido: 03 noviembre 2022

Revisado: 24 abril 2023

Aceptado: 03 mayo 2023

Publicado: 31 mayo 2023

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

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

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

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt