El vino es la bebida alcohólica más popular alrededor del mundo y debido a su importancia en la sociedad ha sido ampliamente estudiado. Comprender qué determina su sabor ha llevado una búsqueda durante décadas aunque todavía se desconoce mucho, y se determina, al menos en parte, por preferencias individuales de gusto. Estudios recientes sobre la genética del gusto han descubierto el rol de diferentes genes en la determinación de las preferencias alimenticias, lo que ha revelado aspectos de su fisiología.

Resumen del estudio de la genética del gusto y conclusiones

En este contexto, hemos realizado un estudio de relación del genoma completo sobre el gusto por el vino tinto y blanco utilizando tres poblaciones aisladas ubicadas en Italia, y replicamos nuestros resultados en dos poblaciones adicionales originarias de los Países Bajos y Asia Central, para un total de 3,885 muestras.

Hemos hallado una relación importante (P=2.1 × 10−8) entre el gusto por el vino blanco y el rs9276975:C>T, un polimorfismo en el gen HLA-DOA que codifica una molécula MHC II no canónica, la cual regula otras moléculas MHC II.

La misma relación fue hallada con el gusto por el vino tinto (P=8.3 × 10−6). Un análisis por sexo también ha revelado que el efecto del HLA-DOA es dos veces más fuerte en mujeres, en relación con hombres, lo que sugiere una interacción entre este polimorfismo y el género. Nuestros resultados son unos de los primeros ejemplos de la relación del genoma completo entre el gusto por un alimento comúnmente consumido y variantes de genes. Por otra parte, nuestros resultados sugieren un rol del sistema MHC en la determinación de las preferencias alimenticias, que presenta nuevos hallazgos en este campo, en general.

Materiales y métodos

Poblaciones de estudio

Se recolectaron muestras en varias poblaciones de Europa y Asia Central. Más específicamente, nuestro estudio incluye a 381 individuos INGI-CARL, una población de Carlantino, una pequeña población ubicada en Puglia (sur de Italia); 744 INGI-FVG, lo cual se refiere a seis poblaciones situadas todas en la región Friuli-Venecia en el noreste de Italia; y finalmente 1,115 INGI-VB, un grupo de población originaria del valle Val Borbera en el noroeste de Italia. En total, 1,261 muestras fueron del estudio Erasmus Rucphen Family (ERF), un cohorte transversal que incluía a 3,000 descendientes vivos de 22 parejas que bautizaron a al menos seis hijos en la iglesia de la comunidad alrededor de 1850–1900. Finalmente, Silk Road (SR) es un cohorte de ~1,000 individuos que derivó del muestreo de 20 comunidades originarias de cinco naciones (Armenia, Azerbaiyán, Georgia, Uzbekistán, Tayikistán y Kazajistán), localizadas a lo largo de la ruta de la seda. En particular, se han utilizado 335 para este estudio.

Determinación del gusto por el vino

El gusto por el vino tinto y blanco fue determinado a través de un cuestionario donde a cada participante se le pedía evaluar su agrado por cada tipo de vino en una escala del 1 (desagrado extremo) a 9 (gusto extremo).23 Para evaluar el gusto individual en la población SR, se utilizó una escala de cinco puntos con caritas dibujadas. Esta escala es utilizada comúnmente en caso de barreras lingüísticas o cuando se trabaja con personas analfabetas como fue el caso de la población SR.24 Dado que las diferencias en los datos de las dos escalas han sido estandarizados dividiendo cada puntuación entre el número de categorías de la escala usada, es 9 para las poblaciones europeas y 5 para el estudio SR. Este método es el mismo que el ‘Método de proporción simple’ descrito en Colman et al (1977)25 y es similar a las fórmulas utilizadas en Preston y Colman (2000)26 y Dawes (2002).27 La única diferencia en una regresión sería observada en la intersección; sin embargo, con el objetivo de realizar el meta análisis, estamos interesados sólo en las betas y la relación se realiza dentro de cada grupo; esta diferencia es despreciable.

Determinación del genotipo e imputación

La determinación del genotipo fue realizada como se ha descrito previamente.28, 29, 30 En suma, se determinó el genotipo de las poblaciones INGI-CARL, INGI-FVG e INGI-VB con matrices de SNP Illumina de 700 k de alta densidad. La imputación de genotipos en los cohortes INGI y SR fue realizada después de un control de calidad estándar utilizando SHAPEIT231 para la etapa de fase y IMPUTE232 para la imputación utilizando el juego de referencia v3 de fase I de 1000 Genomes.33 El genotipo de la ERF fue determinado con una plataforma de determinación de genotipos diferente: Illumina 318 k, 350 k, 610 k y Affymetrics 200 k. Los genotipos fueron puestos juntos después del control de calidad, sincronizados e imputados en el v333 de la fase I del conjunto de datos de 1000 Genomes, utilizando MaCH y minimac.34 Después de la imputación, excluimos de los análisis estadísticos los SNPs con MAF<0.01 o Info<0.4 para todas las poblaciones excepto para ERF para la cual se utilizó, en cambio, R2<0.3.

Análisis de relación

Se realizó un análisis de relación utilizando regresión lineal de modelos mixtos, en el cual el gusto estandarizado por el vino fue usado como la variable dependiente y las dosis de SNP fueron la variable independiente. El sexo y la edad fueron utilizados como covariables. Se utilizó como el efecto aleatorio una matriz de parentesco con base en todos los SNPs disponibles cuyo genotipo fue determinado. Para la ERF, se estimó la matriz de parentesco en 14.4 k SNPs comunes a todas las diferentes plataformas de determinación de genotipos utilizadas.35 El paquete GenABEL R fue utilizado para eliminar el efecto de la conexión a partir de la característica. Los residuos ambientales corregidos fueron calculados de acuerdo con la fórmula: característica~sexo+edad+parentesco genómico, utilizando el método GRAMMAR+36 como se implementó en el GenABEL 1.7–2. Se utilizó MixABEL35 para correr regresiones lineales entre los residuos calculados y todos los SNPs imputados. Sólo los SNPs que pasaron el control de calidad posterior a la imputación fueron utilizados para el análisis de relación. Los SNPs que no pasaron el control de calidad para más de una población también fueron descartados. Para el análisis de relación utilizamos un método de dos etapas.37 Para la etapa de descubrimiento del genoma completo, se realizó un análisis de relación de manera independiente para cada cohorte INGI, y los resultados han sido combinados utilizando el método de ponderación de varianza inversa. Después del análisis de relación, todos los SNPs que mostraron P<1 × 10−5, fueron seleccionados para ser utilizados para la etapa de replicación utilizando los grupos ERF y SR. Consideramos SNPs con P<5 × 10−8 como indicativo en la etapa de replicación. Todos los meta análisis fueron realizados utilizando scripts R propios. Se realizó un análisis de potencia utilizando el software ‘Genetic Power Calculator’.38

Disponibilidad de los datos

Los genotipos para los cohortes utilizados en este estudio fueron depositados en la base de datos EGA https://www.ebi.ac.uk/ega/home. En particular, bajo los siguientes números de aceptación: INGI-CARL EGAS00001001005, INGI-FVG EGAS00001001006, INGI-VB EGAS00001001007, ERF EGAS00001001134 y SR EGAS00001001008.

Fuente: ncbi.nlm.nih.gov

Link: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4795214/

Nicola Pirastu,1,2,* Maarten Kooyman,3 Michela Traglia,4 Antonietta Robino,1 Sara M Willems,3 Giorgio Pistis,4 Najaf Amin,3 Cinzia Sala,4 Lennart C Karssen,3 Cornelia M van Duijn,3,5 Daniela Toniolo,4 y Paolo Gasparini1,2

Notas

Los autores no declaran conflicto de interés alguno.

Nota: Instituto Nutrigenómica no se hace responsable de las opiniones expresadas en el presente artículo.

Notas al pie

Información suplementaria acompaña a este documento en el sitio web del European Journal of Human Genetics (http://www.nature.com/ejhg)

Referencias

1 Sieri S, Agudo A, Kesse E et al: Patterns of alcohol consumption in 10 European countries participating in the European Prospective Investigation into Cancer and Nutrition (EPIC) project. Public Health Nutr 2002; 5: 1287–1296. [PubMed]

2 Schröder H, Ferrández O, Jimenez Conde J, Sánchez-Font A, Marrugat J: Cardiovascular risk profile and type of alcohol beverage consumption: a population-based study. Ann Nutr Metab 49: 100–106. [PubMed]

3 Rimm EB, Giovannucci EL, Willett WC et al: Prospective study of alcohol consumption and risk of coronary disease in men. Lancet 1991; 338: 464–468. [PubMed]

4 Marmot MG: Alcohol and coronary heart disease. Int J Epidemiol 2001; 30: 724–729. [PubMed]

5 Di Castelnuovo A, Rotondo S, Iacoviello L, Donati MB, De Gaetano G: Meta-analysis of wine and beer consumption in relation to vascular risk. Circulation 2002; 105: 2836–2844. [PubMed]

6 Tolstrup J, Jensen MK, Tjønneland A, Overvad K, Mukamal KJ, Grønbaek M: Prospective study of alcohol drinking patterns and coronary heart disease in women and men. BMJ 2006; 332: 1244–1248. [PMC free article] [PubMed]

7 Polásková P, Herszage J, Ebeler SE: Wine flavor: chemistry in a glass. Chem Soc Rev 2008; 37: 2478–2489. [PubMed]

8 Rapp A: Volatile flavour of wine: correlation between instrumental analysis and sensory perception. Nahrung 1998; 42: 351–363. [PubMed]

9 Moreno-Arribas MV, Polo MC: Winemaking biochemistry and microbiology: current knowledge and future trends. Crit Rev Food Sci Nutr 2005; 45: 265–286. [PubMed]

10 Ardö Y: Flavour formation by amino acid catabolism. Biotechnol Adv 24: 238–242. [PubMed]

11 Snowdon EM, Bowyer MC, Grbin PR, Bowyer PK: Mousy off-flavor: a review. J Agric Food Chem 2006; 54: 6465–6474. [PubMed]

12 Kapoor M, Wang J-C, Wetherill L et al: A meta-analysis of two genome-wide association studies to identify novel loci for maximum number of alcoholic drinks. Hum Genet 2013; 132: 1141–1151. [PMC free article] [PubMed]

13 Bierut LJ, Agrawal A, Bucholz KK et al: A genome-wide association study of alcohol dependence. Proc Natl Acad Sci USA 2010; 107: 5082–5087. [PMC free article] [PubMed]

14 Edenberg HJ, Koller DL, Xuei X et al: Genome-wide association study of alcohol dependence implicates a region on chromosome 11. Alcohol Clin Exp Res 2010; 34: 840–852. [PMC free article] [PubMed]

15 Lind PA, Macgregor S, Vink JM et al: A genomewide association study of nicotine and alcohol dependence in Australian and Dutch populations. Twin Res Hum Genet 2010; 13: 10–29. [PMC free article] [PubMed]

16 Frank J, Cichon S, Treutlein J et al: Genome-wide significant association between alcohol dependence and a variant in the ADH gene cluster. Addict Biol 2012; 17: 171–180. [PMC free article] [PubMed]

17 Hayes JE, Wallace MR, Knopik VS, Herbstman DM, Bartoshuk LM, Duffy VB: Allelic variation in TAS2R bitter receptor genes associates with variation in sensations from and ingestive behaviors toward common bitter beverages in adults. Chem Senses 2011; 36: 311–319. [PMC free article] [PubMed]

18 Duffy VB, Davidson AC, Kidd JR et al: Bitter receptor gene (TAS2R38), 6-n-propylthiouracil (PROP) bitterness and alcohol intake. Alcohol Clin Exp Res 2004; 28: 1629–1637. [PMC free article] [PubMed]

19 Wang JC, Hinrichs AL, Bertelsen S et al: Functional variants in TAS2R38 and TAS2R16 influence alcohol consumption in high-risk families of African-American origin. Alcohol Clin Exp Res 2007; 31: 209–215. [PubMed]

20 Knaapila A, Hwang L-D, Lysenko A et al: Genetic analysis of chemosensory traits in human twins. Chem Senses 2012; 37: 869–881. [PMC free article] [PubMed]

21 McRae JF, Mainland JD, Jaeger SR, Adipietro KA, Matsunami H, Newcomb RD: Genetic variation in the odorant receptor OR2J3 is associated with the ability to detect the ‘grassy’ smelling odor, cis-3-hexen-1-ol. Chem Senses 2012; 37: 585–593. [PMC free article] [PubMed]

22 Pirastu N, Robino A, Lanzara C et al: Genetics of Food Preferences: A First View from Silk Road Populations. J Food Sci 2012; 77: S413–S418. [PubMed]

23 JONES LV, PERYAM DR, THURSTONE LL: Development of a scale for measuring soldiers’food preferences b. J Food Sci 1955; 20: 512–520.

24 Coetzee H, Taylor JRN: The use and adaptation of the paired-comparison method in the sensory evaluation of hamburger-type patties by illiterate/semi-literate consumers. Food Qual Prefer 1996; 7: 81–85.

25 Colman AM, Norris CE: PCC. Comparing Rating Scales of Different Lengths: Equivalence of Scores From 5-Point and 7-Point Scales. Psychol Rep 1997; 80: 355–362.

26 Preston CC, Colman AM: Optimal number of response categories in rating scales: reliability, validity, discriminating power, and respondent preferences. Acta Psychol (Amst) 2000; 104: 1–15. [PubMed]

27 J.G. D: Five point vs eleven point scales: does it make a difference to data characteristics? Australas J Mark Res 2002; 10: 39–47.

28 Girotto G, Pirastu N, Sorice R et al: Hearing function and thresholds: a genome-wide association study in European isolated populations identifies new loci and pathways. J Med Genet 2011; 48: 369–374. [PubMed]

29 Aulchenko YS, Heutink P, Mackay I et al: Linkage disequilibrium in young genetically isolated Dutch population. Eur J Hum Genet 2004; 12: 527–534. [PubMed]

30 Pardo LM, MacKay I, Oostra B, van Duijn CM, Aulchenko YS: The effect of genetic drift in a young genetically isolated population. Ann Hum Genet 2005; 69: 288–295. [PubMed]

31 Delaneau O, Zagury J-F, Marchini J: Improved whole-chromosome phasing for disease and population genetic studies. Nat Methods 2013; 10: 5–6. [PubMed]

32 Howie BN, Donnelly P, Marchini J: A flexible and accurate genotype imputation method for the next generation of genome-wide association studies. PLoS Genet 2009; 5: e1000529. [PMC free article] [PubMed]

33 Abecasis GR, Auton A, Brooks LD et al: An integrated map of genetic variation from 1,092 human genomes. Nature 2012; 491: 56–65. [PMC free article] [PubMed]

34 Howie B, Fuchsberger C, Stephens M, Marchini J, Abecasis GR: Fast and accurate genotype imputation in genome-wide association studies through pre-phasing. Nat Genet 2012; 44: 955–959. [PMC free article] [PubMed]

35 Aulchenko YS, Ripke S, Isaacs A, van Duijn CM: GenABEL: an R library for genome-wide association analysis. Bioinformatics 2007; 23: 1294–1296. [PubMed]

36 Belonogova NM, Svishcheva GR, van Duijn CM, Aulchenko YS, Axenovich TI: Region-based association analysis of human quantitative traits in related individuals. PLoS One 2013; 8: e65395. [PMC free article] [PubMed]

37 Hirschhorn JN, Daly MJ: Genome-wide association studies for common diseases and complex traits. Nat Rev Genet 2005; 6: 95–108. [PubMed]

38 Purcell S, Cherny SS, Sham PC: Genetic Power Calculator: design of linkage and association genetic mapping studies of complex traits. Bioinformatics 2003; 19: 149–150. [PubMed]

39 Ward LD, Kellis M: HaploReg: a resource for exploring chromatin states, conservation, and regulatory motif alterations within sets of genetically linked variants. Nucleic Acids Res 2012; 40: D930–D934. [PMC free article] [PubMed]

40 Schulze M-SED, Wucherpfennig KW: The mechanism of HLA-DM induced peptide exchange in the MHC class II antigen presentation pathway. Curr Opin Immunol 2012; 24: 105–111. [PMC free article] [PubMed]

41 Wedekind C, Seebeck T, Bettens F, Paepke AJ: MHC-dependent mate preferences in humans. Proc Biol Sci 1995; 260: 245–249. [PubMed]

42 Ober C, Weitkamp LR, Cox N, Dytch H, Kostyu D, Elias S: HLA and mate choice in humans. Am J Hum Genet 1997; 61: 497–504. [PMC free article] [PubMed]

43 Capittini C, Martinetti M, Cuccia M: MHC variation, mate choice and natural selection: the scent of evolution. Riv Biol 101: 463–480. [PubMed]

44 Ishii T, Mombaerts P: Expression of nonclassical class I major histocompatibility genes defines a tripartite organization of the mouse vomeronasal system. J Neurosci 2008; 28: 2332–2341. [PubMed]

45 Leinders-Zufall T, Ishii T, Mombaerts P, Zufall F, Boehm T: Structural requirements for the activation of vomeronasal sensory neurons by MHC peptides. Nat Neurosci 2009; 12: 1551–1558. [PubMed]

46 Wysocki CJ, Yamazaki K, Curran M, Wysocki LM, Beauchamp GK: Mice (Mus musculus) lacking a vomeronasal organ can discriminate MHC-determined odortypes. Horm Behav 2004; 46: 241–246. [PubMed]

47 Strandh M, Westerdahl H, Pontarp M et al: Major histocompatibility complex class II compatibility, but not class I, predicts mate choice in a bird with highly developed olfaction. Proc Biol Sci 2012; 279: 4457–4463. [PMC free article] [PubMed]

48 Milinski M: Evidence for MHC-correlated perfume preferences in humans. Behav Ecol 2001; 12: 140–149.

49 Hämmerli A, Schweisgut C, Kaegi M: Population genetic segmentation of MHC-correlated perfume preferences. Int J Cosmet Sci 2012; 34: 161–168. [PubMed]

50 Singh PB, Herbert J, Roser B, Arnott L, Tucker DK, Brown RE: Rearing rats in a germ-free environment eliminates their odors of individuality. J Chem Ecol 1990; 16: 1667–1682. [PubMed]

51 Dinnella C, Recchia A, Tuorila H, Monteleone E: Individual astringency responsiveness affects the acceptance of phenol-rich foods. Appetite 2011; 56: 633–642. [PubMed]

52 Koelega HS, Köster EP: Some experiments on sex differences in odor perception. Ann N Y Acad Sci 1974; 237: 234–246. [PubMed]

53 Zucco GM, Aiello L, Turuani L, Köster E: Odor-evoked autobiographical memories: age and gender differences along the life span. Chem Senses 2012; 37: 179–189. [PubMed]

54 Santos PSC, Schinemann JA, Gabardo J, Bicalho M, da G: New evidence that the MHC influences odor perception in humans: a study with 58 Southern Brazilian students. Horm Behav 2005; 47: 384–388. [PubMed]

55 Wedekind C, Füri S: Body odour preferences in men and women: do they aim for specific MHC combinations or simply heterozygosity? Proc Biol Sci 1997; 264: 1471–1479. [PMC free article] [PubMed]