El GWAS Catalog explicado: qué es y cómo se convierte en su informe de salud de ADN

El GWAS Catalog es la lista pública y curada de resultados de estudios de asociación del genoma completo, gestionada por el NHGRI y el EMBL-EBI, y de ella procede cada fila de un informe de salud de Full Human. A continuación se explica qué es el catálogo, qué estudios acepta, cómo reducimos 1,2 millones de asociaciones a 12 110 filas, a qué corresponde una fila de su PDF y por qué dos herramientas leen un mismo archivo de forma distinta.

Qué es un GWAS, en un párrafo#

Un estudio de asociación del genoma completo (GWAS) genotipa a un gran grupo de personas en cientos de miles o millones de posiciones y se pregunta, posición por posición, si un alelo es más frecuente en las personas con un rasgo (una enfermedad, una medida en sangre, un hábito) que en las personas sin él. Para cada variante indica un valor p, que expresa lo sorprendente que es la diferencia, y un tamaño del efecto: una razón de posibilidades (odds ratio, OR) para las afecciones de tipo sí o no, y una beta para las cantidades medidas. Como un GWAS pone a prueba alrededor de un millón de hipótesis a la vez, el campo adoptó un umbral estricto para un resultado con «significación de genoma completo», p < 5 × 10⁻⁸, propuesto en 2008 por Pe'er y sus colaboradores [6]. Un GWAS encuentra señales estadísticas cerca de un rasgo; no dice qué variante es la responsable ni por qué.

Qué es el GWAS Catalog#

El GWAS Catalog del NHGRI-EBI es donde se recopilan esos resultados. Lo fundó en 2008 el Instituto Nacional de Investigación del Genoma Humano de Estados Unidos (National Human Genome Research Institute); desde 2010 es un proyecto conjunto con el EMBL-EBI, que lo aloja desde 2015 (página «About» y noticia del EMBL del 7 de abril de 2015, ambas consultadas el 14 de octubre de 2026). Los curadores leen cada artículo que cumple los requisitos y extraen, para cada asociación, la variante (rsID), el alelo de riesgo, el valor p, la odds ratio o la beta con su intervalo de confianza, los tamaños de muestra y las ascendencias, y el rasgo, asignado a la Experimental Factor Ontology (EFO) para que «T2D», «type 2 diabetes» y «NIDDM», procedentes de tres artículos, acaben en un único término.

Su tamaño en la versión del 3 de octubre de 2026 (comprobado el 14 de octubre de 2026 con el punto de acceso de estadísticas del catálogo y sus metadatos REST):

• 1 198 394 asociaciones curadas procedentes de 7845 publicaciones, más 203 002 conjuntos completos de estadísticas resumidas; la cifra del millón se superó a finales de 2025 (nota de versión del 10 de noviembre de 2025).
• Variantes en el ensamblaje del genoma GRCh38.p14 y dbSNP build 156; rasgos en EFO v3.94.0.
• Nuevos datos curados aproximadamente cada dos semanas (FAQ, A7).

Su artículo de 2025 sobre la base de datos [5] contaba 625 113 asociaciones en julio de 2024; desde entonces, el catálogo casi se ha duplicado.

Qué entra y qué significa para usted#

Los criterios de admisión del catálogo (consultados el 14 de octubre de 2026) exigen que un estudio:

• esté publicado en una revista revisada por pares, en inglés, y se haya realizado en seres humanos (se aceptan estadísticas resumidas de preprints, pero se marcan como no revisadas por los curadores hasta que se publique el artículo);
• analice al menos 100 000 variantes antes del control de calidad, con un chip o por secuenciación, con una cobertura de todo el genoma;
• no sea un estudio de genes candidatos. Un artículo que solo examina MTHFR, COMT o un puñado de genes favoritos queda excluido, por mucho que se cite en internet.

Dentro de un estudio admitido solo se extraen las «asociaciones principales»: la variante más fuerte por locus (dentro de un gen o de una ventana de 100 kb, salvo que los autores demuestren señales independientes), y solo si p < 1 × 10⁻⁵. Los artículos se localizan mediante una búsqueda semanal en PubMed que se criba con la herramienta de aprendizaje automático LitSuggest.

De ello se derivan dos consecuencias para quien lee un informe de salud de consumo. El umbral del catálogo, 1 × 10⁻⁵, es más laxo que la significación de genoma completo, así que una herramienta basada en él debe aplicar su propio umbral. Y las populares variantes de «metilación» y «detox» se apoyan en estudios de genes candidatos, que el catálogo excluye: ninguna fila de enfermedad de MTHFR rs1801133 o rs1801131, COMT rs4680 o CYP1A2 rs762551 supera nuestros filtros, por lo que ninguna de ellas se contabiliza en un informe de Full Human (el informe nutricional deja rs1801133 fuera de sus tablas y muestra C677T solo en una ficha de gen, con su contexto de folato y homocisteína). Es una propiedad de la evidencia, no un descuido.

De 1,2 millones de filas a 12 110: cómo filtra Full Human el catálogo#

Full Human lee la descarga «all associations, ontology-annotated» del catálogo y reconstruye a partir de ella dos catálogos con un pequeño programa en Rust. El catálogo de salud solo conserva una fila cuando se cumplen las cinco reglas:

1. Significación de genoma completo. El valor p publicado es inferior a 5 × 10⁻⁸.
2. Un tamaño del efecto publicado. El campo «OR or BETA» está relleno, y el intervalo no está marcado como «NR», ni expresado como puntuación z, ni en unidades de medida. Para el catálogo de salud, el efecto debe ser una odds ratio con intervalo; esta regla descarta las betas con unidades.
3. Un intervalo de confianza plausible. Dos números en el orden correcto, con el superior menor que tres veces el inferior. Así se eliminan los estudios pequeños con márgenes de error muy amplios.
4. Un alelo de riesgo de una sola base. La letra tras el guion es A, C, G o T, o una inserción o deleción escrita I o D. Las filas cuyo alelo de riesgo es «?» o tiene más de una base se descartan al construir el catálogo, porque ningún genotipo de consumo puede compararse con ellas.
5. Un rasgo asignado a una enfermedad. El término EFO debe ser un término de enfermedad de MONDO, o corresponder a uno a través del archivo de correspondencias EFO-MONDO del Ontology Lookup Service del EBI. MONDO es la ontología de enfermedades de la Monarch Initiative, que «aspira a armonizar las definiciones de las enfermedades en todo el mundo» (mondo.monarchinitiative.org, consultado el 14 de octubre de 2026). «Estatura» no supera esta regla; «diabetes mellitus tipo 2» sí.

Después, dentro de cada rasgo, solo se conserva una variante principal por región: una variante situada a menos de 250 000 bases de otra variante conservada y más fuertemente asociada se descarta por ser la misma señal. El catálogo resultante guarda también, para cada fila, la posición, la fuerza de la asociación, la frecuencia del alelo de riesgo y los alelos que todo el catálogo indica para la variante.

Con la versión 2026-06-01 se obtienen 12 110 asociaciones principales, 409 rasgos del catálogo, 1020 estudios y 8291 variantes distintas. Los bloques más grandes por rasgo asignado son el carcinoma de próstata (846 filas), la diabetes tipo 2 (639), la esquizofrenia (507), la fibrilación auricular (468) y la gota (461). Las afecciones se agrupan en 17 categorías a través de la ontología; el informe de salud completo tiene una sección por cada categoría con al menos una afección para el sexo del archivo (de 14 a 16 secciones; «Genética y metabolismo» no tiene ninguna por ahora), y las categorías no se venden como informes separados.

El catálogo de nutrición se construye de otra manera, porque la regla 5 rechazaría todas las medidas de vitaminas y minerales. En su lugar, su filtro conserva las filas de una lista fija de rasgos de nutrición (niveles de vitaminas y minerales, ácidos grasos, homocisteína y hábitos de alimentación y bebida declarados), seleccionadas mediante los identificadores de rasgo del catálogo, con las mismas reglas de valor p y de alelo. Después descarta las variantes raras en personas de ascendencia europea o de hebra ambigua (A/T, C/G), y las variantes conocidas sobre todo por enfermedades hereditarias, y conserva hasta 20 variantes principales independientes por rasgo. El informe nutricional abarca 27 de esos rasgos en cuatro secciones, más 24 fichas de genes leídas según reglas fijas a partir de sus propios estudios (entre ellas la persistencia de la lactasa, los tipos HLA asociados a la enfermedad celíaca y el gusto); las vitaminas B1, B2, B3, B5, B7 y K, el sodio, el potasio, el cloruro, el yodo, el manganeso y el azufre no tienen ningún estudio genético utilizable y se describen en un anexo sin resultado.

El proceso está documentado en la página de metodología, que indica la versión en uso. El generador funciona actualmente con la versión 2026-06-01; la más reciente del EBI es la 2026-10-03, y un flujo de trabajo programado incorpora cada nueva versión tras revisarla.

A qué corresponde una fila de su PDF#

Abra el informe de ejemplo en una afección que tenga tabla, por ejemplo «Enfermedad pulmonar intersticial», y verá siete columnas, cada una de ellas un campo del catálogo o derivada de uno:

Tomemos rs429358, una de las dos variantes que definen los alelos ε2/ε3/ε4 de APOE; aparece en 41 filas del catálogo de salud, 22 de ellas en la enfermedad de Alzheimer. Una de ellas, del estudio de PubMed 34122051, dice: alelo de riesgo C, odds ratio 3,245, intervalo [2,941–3,579], frecuencia del alelo de riesgo 0,226, rasgo asignado «Alzheimer disease» (MONDO:0004975); entre los estudios sobre el alzhéimer que dan una frecuencia, el intervalo más estrecho es el de PubMed 39129223 (odds ratio 1,80 [1,78–1,81], frecuencia 0,16). Por ahora el informe no tiene sección sobre la enfermedad de Alzheimer, porque no tiene texto para esa afección, así que esta fila se queda en el catálogo y nunca llega a un PDF. rs429358 sí aparece en el aneurisma de aorta abdominal, el infarto de miocardio y la enfermedad hepática esteatósica asociada a disfunción metabólica, y el mecanismo es el mismo en cada caso. Diga lo que diga su archivo en rs429358, la variante cuenta: con CC tiene dos copias de C, con CT una y con TT ninguna, y el informe compara sus copias con el doble de la frecuencia del estudio que elige entre los estudios de esa afección sobre la variante que dan una frecuencia, el del intervalo más estrecho (para el infarto de miocardio, PubMed 33532862, odds ratio 1,11, frecuencia 0,14, de modo que la persona media porta unas 0,28 copias de C). Las copias por encima o por debajo de la media, multiplicadas por el logaritmo de la razón de posibilidades de cada variante, se suman en todas las variantes de la afección que mide su archivo (para los niveles medidos y los hábitos del informe nutricional, cada copia cuenta en cambio más o menos uno según el sentido de su efecto, y el total neto da una tendencia cuando se aleja de la media una desviación estándar o más); la suma, convertida de nuevo en odds ratio, son sus posibilidades respecto a la persona media: 1,20 o más se imprime como «posibilidades más altas», 0,83 o menos como «posibilidades más bajas», y lo intermedio como «ninguna diferencia apreciable». Cuando se mide menos de un tercio de las variantes conocidas de la afección, esta es «no evaluable», y cuando menos de un tercio de sus variantes conocidas puede compararse con la persona media, es «no comparable». La guía para leer el informe de salud recorre todo esto sobre una página real.

De las convenciones del catálogo se derivan tres detalles. Desde 2021, el catálogo ya no invierte las odds ratios inferiores a 1 (encabezados de archivo, consultado el 14 de octubre de 2026), así que 2082 de nuestras filas describen un alelo que reduce las posibilidades. Cuando el artículo no indicó el alelo de riesgo, el catálogo guarda «?»; el generador compara esa letra con su genotipo, por lo que esas filas se descartan al construir el catálogo. Y una afección solo puede evaluarse si su archivo contiene sus rsID: un chip de consumo lee unos cientos de miles de posiciones, así que un archivo típico contiene aproximadamente una cuarta parte de las variantes principales del catálogo, y la mayoría de las afecciones con muchas variantes aparecen como «no evaluable».

Por qué dos herramientas leen el mismo archivo de forma distinta#

Dé el mismo archivo de 23andMe a dos servicios y obtendrá dos listas distintas. Las razones son decisiones, no errores.

• Fuente. Promethease lee SNPedia, una wiki que resume artículos de todo tipo de diseño, incluidos los estudios de genes candidatos, y que lleva varios años sin mantenimiento activo según análisis de terceros. Un informe basado en el catálogo hereda, en cambio, sus criterios de admisión; cada fuente tiene entradas que le faltan a la otra. Nuestro análisis de Promethease analiza esas ventajas e inconvenientes.
• Umbrales. Una herramienta conserva todas las filas del catálogo hasta 1 × 10⁻⁵, otra corta en 5 × 10⁻⁸ y una tercera exige un intervalo de confianza.
• Cobertura del chip. 23andMe, AncestryDNA y MyHeritage usan chips y versiones de chip distintos; una variante que el catálogo conoce puede no estar en absoluto en su chip.
• Hebra y ensamblaje. El catálogo recoge los alelos de riesgo «exactamente como se publicaron en el artículo original» y «no puede corregir sistemáticamente» las inversiones de hebra entre ensamblajes del genoma (FAQ, E7, consultado el 14 de octubre de 2026). Los archivos de consumo suelen indicar la hebra directa, así que, en una variante A/T o C/G, un artículo que use la otra hebra puede hacer que «alelo de riesgo A» parezca su «T». Cualquier herramienta que compare letras, incluida la nuestra, puede leer mal una fila así.
• Agregación. Un producto de odds ratios, una suma de logaritmos de odds ponderada por el número de alelos, una puntuación poligénica con ajuste por LD: tres métodos defendibles, tres totales distintos con las mismas filas.

Limitaciones#

• Ascendencia. A mediados de 2021, el 86,3 % de las muestras de GWAS del catálogo procedían de personas de ascendencia europea [8]. Los efectos se trasladan de forma imperfecta a otras poblaciones; un informe para una persona de ascendencia de Asia oriental, africana o del sur de Asia se apoya en una evidencia más escasa.
• Las asociaciones no son causas. Una variante principal señala una región. La variante causal suele ser una vecina en desequilibrio de ligamiento (LD) con ella, y ni el catálogo ni un informe de consumo dicen qué gen importa ni por qué.
• LD y doble recuento. Distintos estudios eligen distintos SNP principales para la misma señal, y contar cada uno de ellos cuenta una misma señal varias veces. Conservamos una variante principal por región de 250 000 bases para cada rasgo, pero no modelizamos un ligamiento más fino entre variantes.
• Maldición del ganador. El primer estudio que publica una variante tiende a sobrestimar su efecto, sobre todo cuando le falta potencia estadística [7]. Para cada variante tomamos el estudio de esa afección con la estimación más precisa, entre los que dan la frecuencia del alelo, en lugar de un promedio, y no corregimos este sesgo.
• Sin riesgo de base. Una odds ratio de 1,3 no dice nada sobre lo frecuente que es una afección. «Posibilidades más altas» es relativo a la persona media de la población del estudio, no una probabilidad absoluta.

Una asociación es una señal estadística en una población de estudio, no una causa, y no le dice si tiene o desarrollará la afección. Si una fila le preocupa, lleve el enlace de PubMed a un médico o a un profesional de asesoramiento genético.

Referencias#

1. GWAS Catalog, «About». EMBL-EBI. ebi.ac.uk/gwas/docs/about.
2. GWAS Catalog, «Eligibility criteria». ebi.ac.uk/gwas/docs/methods/criteria.
3. GWAS Catalog, «File headers». ebi.ac.uk/gwas/docs/fileheaders.
4. GWAS Catalog, metadatos de la API REST, versión 2026-10-03. ebi.ac.uk/gwas/rest/api/v2/metadata.
5. Cerezo M. et al. «The NHGRI-EBI GWAS Catalog: standards for reusability, sustainability and diversity». Nucleic Acids Research 53(D1): D998–D1005, 2025. doi:10.1093/nar/gkae1070.
6. Pe'er I., Yelensky R., Altshuler D., Daly M. J. «Estimation of the multiple testing burden for genomewide association studies of nearly all common variants». Genetic Epidemiology 32(4): 381–385, 2008. doi:10.1002/gepi.20303.
7. Xiao R., Boehnke M. «Quantifying and correcting for the winner's curse in genetic association studies». Genetic Epidemiology 33(5): 453–462, 2009. doi:10.1002/gepi.20398.
8. Fatumo S. et al. «A roadmap to increase diversity in genomic studies». Nature Medicine 28: 243–250, 2022. doi:10.1038/s41591-021-01672-4.

Las páginas del EBI se consultaron el 14 de octubre de 2026.

Preguntas frecuentes#

¿Es gratuito el GWAS Catalog?

Sí. Es un recurso público financiado por el NHGRI y el EMBL-EBI, que puede consultarse en ebi.ac.uk/gwas, con descargas completas en el sitio FTP del EBI. Usted mismo puede buscar allí cualquier rsID de su archivo en bruto, y así es también como se comprueba una fila de su informe; lo que aporta un informe es la correspondencia, el filtrado y la agregación.

¿Por qué MTHFR no se contabiliza en mi informe?

Las afirmaciones sobre la metilación en torno a MTHFR rs1801133 proceden de estudios de genes candidatos, que el catálogo excluye. Ninguna fila de enfermedad de rs1801133, rs1801131, COMT rs4680 o CYP1A2 rs762551 supera nuestros filtros, por lo que ninguna de ellas se contabiliza en un informe de salud de Full Human. El informe nutricional deja rs1801133 fuera de sus tablas de folato y homocisteína y, en su lugar, muestra C677T en una ficha de gen: su genotipo, lo que grandes estudios hallaron sobre el folato y la homocisteína, y la postura de la genética médica sobre las pruebas de MTHFR, sin puntuación. La página de metodología enumera estas exclusiones y sus motivos.

¿Usa Full Human la versión más reciente del catálogo?

No siempre la más reciente. La página de metodología indica la versión en uso. En el momento de escribir esto, el generador funciona con la versión 2026-06-01, mientras que la más reciente del EBI es la 2026-10-03; un flujo de trabajo programado reconstruye nuestros catálogos a partir de cada versión y la incorpora tras revisarla, por lo que el desfase suele ser de unas semanas.

¿Qué diferencia hay entre p < 1 × 10⁻⁵ y p < 5 × 10⁻⁸?

Ambos son umbrales de lo improbable que es que un resultado se deba solo al azar. El catálogo registra asociaciones hasta 1 × 10⁻⁵ para que los resultados sugestivos sigan a disposición de los investigadores. La significación de genoma completo, 5 × 10⁻⁸, corrige el efecto de aproximadamente un millón de pruebas independientes de un GWAS. Full Human solo conserva las filas por debajo del valor más estricto.