Dinâmica Mutacional, Conteúdo de Informação de Polimorfismo e Genotipagem de Alto Rendimento

Os marcadores de microssatélites, também conhecidos como repetições em tandem curtas ou SSRs, continuam a ser um dos sistemas de marcadores mais densos em informação na genética. Um único locus pode apresentar muitos estados alélicos. Essa característica confere aos SSRs um poder de resolução incomum em estudos de genética populacional, pesquisa de biodiversidade, análise de padrões de herança e desenvolvimento de marcadores para espécies não-modelo. Em termos práticos, os SSRs continuam a ser valiosos porque podem oferecer um elevado poder discriminatório por locus em painéis de pesquisa devidamente validados.

A sua força, no entanto, provém da mesma propriedade que os torna difíceis de analisar. Os SSRs são construídos a partir de unidades de repetição curtas. Essas repetições são intrinsecamente instáveis durante a replicação e amplificação do DNA. Como resultado, os fluxos de trabalho de SSR são moldados por duas realidades paralelas. Primeiro, a biologia subjacente gera uma verdadeira diversidade alélica. Em segundo lugar, a mesma arquitetura repetitiva também gera artefatos analíticos, especialmente durante a PCR e a análise de fragmentos.

É por isso que um recurso SSR útil não deve parar na lista habitual de "altamente polimórfico, codominante e amplamente distribuído." Essas afirmações são verdadeiras, mas não explicam por que alguns loci são limpos e poderosos, enquanto outros são ruidosos, instáveis ou difíceis de interpretar. Não explicam por que repetições dinucleotídicas frequentemente criam um stutter mais forte do que muitos loci trinucleotídicos. Não explicam por que um marcador pode mostrar um forte polimorfismo no papel e ainda assim falhar na produção. Também não explicam por que o perfilamento SSR baseado em sequência se tornou cada vez mais atraente.

A forma mais produtiva de entender os SSRs é conectar três camadas de lógica. A primeira camada é o mecanismo mutacional. A segunda é a interpretação do sinal. A terceira é a escolha da plataforma. Uma vez que essas três camadas estejam ligadas, todo o campo torna-se mais fácil de navegar.

A biologia dos repetições em tandem curtas

Um SSR é um segmento de DNA composto por um curto motivo repetido em tandem. A unidade de repetição pode ter um nucleótido de comprimento, dois nucleótidos de comprimento, três nucleótidos de comprimento ou mais. Uma sequência como AAAAAAAA é uma repetição de mononucleótidos. Um trecho como CACACACA é uma repetição de dinucleótidos. Uma sequência como CAGCAGCAG é uma repetição de trinucleótidos. Esses padrões são comuns em muitos genomas, mas não são igualmente estáveis.

A razão principal é simples. O DNA repetitivo é estruturalmente fácil de desalinhavar. Quando a maquinaria de replicação se move através de um trecho repetitivo, unidades de repetição quase idênticas ficam lado a lado como azulejos intercambiáveis. Isso torna o emparelhamento local menos seguro do que em uma região não repetitiva. Um breve evento de dissociação pode ser seguido por um realinhamento imperfeito. Uma vez que isso acontece, o locus pode ganhar ou perder unidades de repetição.

A deslizamento de replicação é o motor mutacional central.

O mecanismo central por trás do polimorfismo SSR é o deslizamento de replicação. Durante a síntese de DNA, a polimerase copia o segmento repetido enquanto as cadeias molde e recém-sintetizadas permanecem temporariamente emparelhadas. Se uma das cadeias deslizar fora de registro e depois se reanexar incorretamente, pode formar-se uma estrutura em laço.

Duas principais consequências são possíveis.

Se a nova cadeia sintetizada se desviar, a molécula filha pode ganhar uma ou mais unidades de repetição. Isso produz uma expansão de repetição.

Se a cadeia molde se desviar, a molécula filha pode perder uma ou mais unidades de repetição. Isso produz contração de repetição.

Os sistemas de reparação de desajustes podem, por vezes, corrigir estes intermediários escorregados. Mas a correção não é garantida. Se o intermediário desalinhado escapar à reparação, a contagem de repetições alterada torna-se fixa e entra na próxima geração como um novo alelo. Essa é a base molecular direta da polimorfismo de comprimento de SSR.

Este mecanismo também explica por que as taxas de mutação de SSR são tão superiores às dos SNPs típicos. Uma mutação pontual geralmente requer uma incorporação errada de uma única base, além de uma fuga de reparo. Uma mutação de comprimento de SSR pode surgir de um desalinhamento estrutural local dentro de um segmento repetitivo. Em outras palavras, a própria arquitetura de repetição cria um atalho mutacional. É por isso que os locos de SSR frequentemente apresentam taxas de mutação na faixa comumente citada de cerca de 10^-3 a 10^-4 por lócus por geração, muito acima de muitas taxas de substituição de nucleotídeos únicos.

Por que a hipervariabilidade torna os SSRs tão informativos

Uma alta taxa de mutação não significa automaticamente uma alta utilidade. Mas nos SSRs, muitas vezes leva exatamente a isso. Como o número de cópias de repetição pode aumentar ou diminuir ao longo do tempo evolutivo, muitos estados alélicos podem acumular-se em um único locus. Isso torna os SSRs altamente informativos para diferenciar genótipos, estimar diversidade, resolver a estrutura populacional em pequena escala e estudar a parentesco em contextos de pesquisa.

Essa é a verdadeira fonte de poder dos SSR. Um locus com muitos estados possíveis pode transportar muito mais informação do que um marcador bialélico na mesma escala física. É por isso que os painéis de SSR muitas vezes permanecem competitivos quando o objetivo biológico é a análise de diversidade direcionada em vez de uma associação densa em todo o genoma.

Ainda assim, nem todos os SSRs são igualmente informativos. A frase "os SSRs são altamente polimórficos" é verdadeira a nível de categoria, mas incompleta a nível de locus. Alguns loci são ricos, estáveis e fáceis de avaliar. Outros são apenas modestamente variáveis. Outros ainda são altamente variáveis, mas problemáticos do ponto de vista analítico.

O que controla a estabilidade e a variabilidade do SSR

Várias características moldam o comportamento de um SSR.

Número repetido é um dos maiores fatores. Tratos repetidos mais longos e ininterruptos são geralmente mais propensos a deslizes. Mais unidades repetidas criam mais oportunidades para desalinhamento. Isso pode aumentar a diversidade alélica, mas também pode aumentar a dificuldade do ensaio.

Comprimento do motivo também importa. Os repetições de mononucleotídeos são frequentemente altamente instáveis, mas podem ser difíceis de genotipar de forma clara com abordagens baseadas em fragmentos. As repetições de dinucleotídeos são historicamente populares e podem ser muito polimórficas, no entanto, também são bem conhecidas por gerar um stutter mais forte. As repetições de trinucleotídeos e tetranucleotídeos são frequentemente mais fáceis de interpretar porque os seus perfis de artefato são comumente menos severos, embora esta não seja uma regra absoluta.

Repetir pureza é outro fator importante. Repetições perfeitas, onde cada unidade é idêntica, são mais propensas a falhar do que repetições interrompidas. Uma única interrupção dentro do trecho pode alterar tanto a estabilidade biológica como o comportamento analítico.

Qualidade da sequência flanqueadora importa tanto quanto a repetição em si. Se os flancos forem instáveis, repetitivos ou altamente variáveis entre populações, o desempenho dos primers torna-se menos fiável. Isso aumenta o risco de amplificação fraca, perda de alelos ou alelos nulos.

Repetições de mononucleotídeos, dinucleotídeos e trinucleotídeos não são equivalentes.

É tentador agrupar todos os SSRs juntos. Na prática, a classe do motivo influencia fortemente tanto o desempenho dos marcadores como a interpretação.

Os repetições de mononucleotídeos são frequentemente as mais frágeis em fluxos de trabalho baseados em polimerases. Um longo trato homopolimérico pode ser biologicamente variável, mas também pode ser difícil de avaliar de forma reprodutível, uma vez que artefatos de deslizamento são comuns.

Os repetições dinucleotídicas frequentemente proporcionam um forte polimorfismo, o que explica a sua popularidade histórica. Mas também tendem a produzir picos de stutter proeminentes. Numa eletroferograma capilar, isso significa que o analista pode ver não apenas o pico do alelo principal, mas também uma série previsível de picos menores a uma unidade de repetição de distância. Quanto mais intenso se torna esse padrão de stutter, mais difícil é distinguir os verdadeiros alelos dos subprodutos gerados pela polimerase.

Os repetições de trinucleotídeos e tetranucleotídeos frequentemente oferecem um melhor equilíbrio entre polimorfismo e interpretabilidade. Os seus maiores incrementos de repetição podem facilitar a leitura do espaçamento alélico, e os seus perfis de stutter são frequentemente mais manejáveis. Para genotipagem baseada em fragmentos, isso pode ser uma vantagem decisiva.

É por isso que a seleção de marcadores nunca deve ser baseada apenas na variabilidade bruta. A verdadeira questão não é "Qual locus é o mais polimórfico?" A verdadeira questão é "Qual locus oferece polimorfismo suficiente enquanto permanece estável, legível e escalável?"

Figura 1. A saída de laço da fita molde ou da fita nascente durante a replicação pode corrigir a expansão ou contração de repetições quando intermediários escorregados escapam da reparação.

O que o conteúdo de informação de polimorfismo realmente lhe diz.

O conteúdo de informação de polimorfismo, ou PIC, é uma das métricas mais utilizadas na avaliação de marcadores SSR. Em termos simples, o PIC estima quão informativo é um marcador para distinguir genótipos. Um locus com muitos alelos em frequências equilibradas tende a ter um alto valor de PIC. Um locus com apenas alguns alelos, ou um alelo dominantes esmagador, tende a ter um valor de PIC mais baixo.

Isso torna o PIC uma métrica de triagem útil. Ajuda a separar loci nominalmente polimórficos de verdadeiramente informativos. Em estudos de desenvolvimento de marcadores, loci com alto PIC são frequentemente priorizados porque têm maior probabilidade de contribuir com um poder discriminatório útil a um painel.

Mas o PIC nunca deve ser tratado como uma métrica de qualidade completa.

Um marcador pode ter um valor PIC forte e ainda assim ter um desempenho fraco na prática. Pode amplificar de forma inconsistente. Pode gerar gaguez severa. Pode apresentar binagem de alelos instável entre corridas. Pode carregar um sinal de alelo nulo recorrente porque o local de ligação do primer é variável. Pode até parecer excelente no conjunto de descoberta e depois colapsar durante a validação em populações mais amplas.

É por isso que um bom design de painel requer uma estrutura de triagem, não apenas uma lista de classificação. Um marcador SSR implementável deve idealmente cumprir cinco critérios ao mesmo tempo:

• PIC alto ou pelo menos útil
• Amplificação limpa
• Baixo fardo de gaguez recorrente
• Agrupamento estável de alelos entre réplicas ou execuções
• Nenhum sinal consistente de alelo nulo

Esta distinção é importante. O PIC mede o potencial informativo. Não mede a fiabilidade operacional. Em projetos reais, o melhor painel não é aquele com a maior diversidade teórica. É aquele que preserva diversidade suficiente enquanto permanece analiticamente confiável.

Esse princípio torna-se ainda mais importante em estudos de genética populacional de organismos não-modelo. Um painel pequeno ou de tamanho médio pode ter um desempenho muito bom se os loci forem limpos e robustos. Em contrapartida, um painel maior cheio de marcadores instáveis ou ambíguos pode acrescentar menos valor do que o esperado. É por isso que muitas equipas agora combinam fluxos de trabalho de desenvolvimento de marcadores de microssatélites de novo com validação em estágios iniciais, em vez de tratar a descoberta e a implementação como etapas separadas.

Da biologia mutacional ao sinal de laboratório

Uma vez que a lógica mutacional dos SSRs está clara, o próximo passo torna-se mais fácil de entender. O ensaio de laboratório tenta medir a variação de comprimento biológico numa estrutura de ADN que também é altamente suscetível a deslizes da polimerase durante a PCR. Em outras palavras, a mesma arquitetura de repetição que criou o polimorfismo biológico também pode gerar artefatos no ensaio durante a amplificação.

Essa é a tensão central na genotipagem de SSR.

Um bom painel de SSR deve capturar verdadeiras diferenças alélicas sem ser sobrecarregado por subprodutos técnicos. Todo o desafio subsequente da análise de fragmentos decorre desse único facto.

Na maioria dos fluxos de trabalho tradicionais, a genotipagem SSR começa com PCR específico de locus. Os amplicons resultantes são então separados por tamanho, historicamente por géis e mais precisamente por eletroforese capilar. A eletroforese capilar tornou-se a plataforma dominante porque pode resolver pequenas diferenças de comprimento de fragmentos com alta precisão e um rendimento moderado. Para muitos painéis de marcadores, continua a ser um método prático e eficaz.

Mas alta precisão não é o mesmo que alta certeza interpretativa. Um instrumento capilar pode medir o comprimento de fragmentos muito bem e ainda deixar o analista com uma difícil questão biológica: qual pico representa um verdadeiro alelo e qual pico é apenas um subproduto do deslizamento durante a PCR?

Soberania técnica: genotipagem e deconvolução de dados

Um forte conjunto de dados SSR não é criado simplesmente ao executar PCR e ler o pico mais alto. É criado ao compreender o que o padrão do pico significa. Isso requer mais do que acesso ao instrumento. Requer consciência do locus.

É aqui que a soberania técnica é importante. No trabalho de SSR, a soberania técnica significa compreender como a estrutura repetida, o espaçamento dos picos, o comportamento de hesitação, a qualidade da amplificação e o desempenho dos primers interagem em cada locus. Significa reconhecer quando um traço é fiável, quando é questionável e quando um marcador deve ser redesenhado ou aposentado.

Sem essa camada de interpretação, os dados SSR podem parecer mais limpos do que realmente são.

O que a eletroforese capilar faz bem

A eletroforese capilar separa fragmentos de DNA marcados com fluorescência por tamanho à medida que migram através de um capilar preenchido com polímero sob um campo elétrico. Na análise de SSR, isso proporciona três vantagens importantes.

Em primeiro lugar, oferece uma resolução de tamanho mais fina do que os métodos padrão baseados em gel.
Em segundo lugar, suporta fluxos de trabalho de rendimento moderado e painéis multiplexados.
Em terceiro lugar, produz uma saída baseada em picos em vez de um simples sinal de presença de banda, o que oferece ao analista muito mais estrutura para trabalhar.

Numa amostra heterozigótica limpa, o eletroferograma pode mostrar dois picos dominantes separados pelo intervalo esperado da unidade de repetição. Numa amostra homozigótica limpa, espera-se um pico dominante. Padrões de tamanho internos e regras de agrupamento de alelos são então utilizados para converter esses sinais em chamadas de genótipo.

Quando o marcador é bem escolhido e o ensaio é bem otimizado, a eletroforese capilar continua a ser rápida, económica e altamente útil. Esta é uma das razões pelas quais os fluxos de trabalho de sequenciação de amplicões direcionados e as estratégias multiplex focadas em loci são frequentemente desenvolvidas em conjunto com os pipelines clássicos de SSR em vez de os substituir completamente.

Por que a resolução de 1-bp não resolve automaticamente o problema.

Uma das concepções erradas mais comuns na genotipagem de SSR é que, uma vez que uma plataforma consegue resolver fragmentos com uma resolução de 1 bp, o genótipo está efetivamente conhecido. Isso não é verdade.

A resolução de fragmentos e a certeza de alelos são coisas diferentes.

Um modelo de alelos SSR é geralmente baseado em incrementos de unidades de repetição. Se o locus for uma repetição de dinucleotídeos, espera-se que os verdadeiros alelos diferem geralmente em passos de duas bases. Se o traço mostrar uma pequena saliência de uma base ou um pico inesperado nas proximidades, isso não indica automaticamente um alelo biológico. Pode refletir adenilação incompleta, distorção local do pico, produtos fora do alvo, ruído de base ou variação a nível de instrumento.

Em outras palavras, o instrumento pode medir o que está fisicamente presente com grande precisão, enquanto o analista ainda tem que decidir o que o sinal significa biologicamente.

Uma segunda limitação é a homoplasia de tamanho. Dois amplicões podem partilhar o mesmo comprimento de fragmento e ainda assim diferir na composição interna da sequência ou na variação flanqueadora. A eletroforese capilar não consegue ver essa diferença se o tamanho total permanecer inalterado. Esta é uma das principais razões pelas quais os fluxos de trabalho baseados em sequência de SSR se tornaram mais atraentes.

O problema do pico de gagueira

Os picos de stutter estão entre as complicações analíticas mais importantes no trabalho de SSR. Eles surgem quando a DNA polimerase desliza durante a PCR e produz amplicons que são mais curtos ou mais longos do que o produto principal por uma ou mais unidades de repetição. Na maioria dos casos, o pico de stutter mais proeminente aparece uma unidade de repetição menor do que o pico do alelo principal, mas os padrões reais podem ser mais complicados.

A gaguez não é um ruído aleatório. É um artefato dependente da arquitetura de repetição. Isso a torna previsível até certo ponto, mas também difícil de ignorar.

Os loci com longas sequências de repetições puras tendem a gerar um stutter mais forte. As repetições dinucleotídicas são especialmente conhecidas por este comportamento. As repetições mononucleotídicas também podem ser difíceis. Os loci trinucleotídicos e tetranucleotídicos costumam comportar-se de forma mais limpa, embora, novamente, o contexto do locus seja importante.

O principal desafio é que um pico de gagueira pode estar exatamente onde se esperaria um verdadeiro alelo menor. Num caso simples, o analista ainda pode separar o alelo maior do artefato porque a relação de intensidade é familiar. Num caso mais difícil, especialmente em heterozigotos com alelos próximos, a distinção torna-se muito menos óbvia.

É por isso que a genotipagem SSR séria não se baseia apenas em limiares genéricos de altura de pico. Uma boa desconvolução utiliza expectativas específicas do locus. Pergunta se o espaçamento observado corresponde ao motivo. Pergunta se o sinal secundário se encaixa no perfil normal de estuturo desse locus. Verifica se o padrão é reproduzível em réplicas. Também questiona se o marcador gera repetidamente chamadas ambíguas em todo o conjunto de amostras.

Um quadro de deconvolução útil geralmente inclui:

• espaçamento de alelos esperado com base no comprimento do motivo
• posição típica de gagueira e intensidade relativa
• regras mínimas para considerar um pico secundário como real
• replicar verificações de consistência
• scrutínio especial para loci com excesso recorrente de homozigotos
• critérios de reforma para marcadores persistentemente instáveis

Esse último ponto é importante. Nem todos os locos SSR merecem permanecer no painel. Alguns marcadores são informativos, mas não utilizáveis. Um marcador que cria repetidamente incerteza na pontuação pode custar mais em tempo de análise e erros subsequentes do que contribui em informação.

O design do ensaio pode reduzir a carga de interpretação antes do início da genotipagem.

A forma mais limpa de resolver um rasto difícil é, muitas vezes, impedir que se torne difícil em primeiro lugar.

O design de ensaios a montante tem um grande efeito na deconvolução a jusante. Um melhor design de primers pode reduzir a amplificação fora do alvo. Uma melhor seleção de locos pode reduzir a carga de stutter. Um melhor equilíbrio de multiplex pode reduzir picos fracos ou sobrecarregados. Uma melhor seleção de flancos pode reduzir o risco de polimorfismo oculto no local do primer.

É por isso que os fluxos de trabalho de genotipagem de microssatélites direcionados devem ser tratados como problemas de design tanto quanto como problemas de medição. Um painel que é cuidadosamente construído no início geralmente produz eletroferogramas mais limpos posteriormente. Em contraste, um painel otimizado apenas para polimorfismo teórico pode gerar dívida interpretativa em cada fase posterior.

O problema do alelo nulo

Os alelos nulos são um dos problemas mais subestimados na genotipagem de SSR. Um alelo nulo não está ausente do genoma. Está apenas ausente do sinal. A causa habitual é uma mutação na região de ligação do primer que enfraquece ou impede a amplificação de uma cópia alélica.

A consequência analítica pode ser severa.

Se uma amostra heterozigótica possui um alelo amplificador e um alelo nulo, o eletroferograma pode mostrar apenas o produto amplificador. A amostra parece então homozigótica, embora não o seja. Em um conjunto de dados, isso cria um excesso de aparentes homozigotos. Por sua vez, isso pode distorcer as estimativas de heterozigosidade e gerar uma aparente desvio das expectativas de Hardy-Weinberg.

Isto não é um pequeno incómodo técnico. Situa-se na fronteira entre a falha molecular e a interpretação populacional-genética. Um locus com alelos nulos recorrentes pode fazer uma população biologicamente ordinária parecer geneticamente estranha.

Por que os alelos nulos são tão importantes em estudos reais

O maior problema com alelos nulos é que a sua assinatura a jusante é fácil de interpretar erroneamente. Um locus com excesso de homozigotos pode sugerir consanguinidade, subestrutura, acasalamento assortativo ou efeitos seletivos. Todas essas são explicações biologicamente plausíveis. Mas o mesmo padrão também pode surgir porque uma classe de alelos não está a amplificar.

É por isso que os alelos nulos são tão perigosos na interpretação de pesquisas. Eles imitam o sinal biológico.

O risco torna-se ainda mais sério em estudos de padrões de herança, investigação da biodiversidade e em qualquer projeto onde cada locus tenha um peso substancial. Um pequeno número de marcadores com mau comportamento pode distorcer conclusões mais do que o esperado, especialmente quando o tamanho total do painel não é grande.

Como reconhecer um locus propenso a alelos nulos

Nenhum sinal único prova a presença de um alelo nulo, mas alguns padrões devem levantar suspeitas.

Um excesso repetido de chamadas homozigóticas em um locus é uma pista óbvia.
Uma desvio inesperado de Hardy-Weinberg limitado a um pequeno subconjunto de marcadores é outro.
A amplificação fraca em um subconjunto de amostras específico da população também pode ser informativa.
Um locus que se comporta de forma clara em uma linhagem, mas mal em outra, pode indicar variação em locais adjacentes em vez de uma verdadeira ausência biológica de diversidade.

Na prática, os alelos nulos devem ser tratados como um problema de validação de marcadores, e não apenas como um incómodo estatístico a montante.

A melhor resposta é muitas vezes o redesenho, não a correção.

O software pode estimar a frequência de alelos nulos. Isso pode ser útil durante a revisão de dados. Mas a estimativa não é o mesmo que a correção. Se um marcador mostrar repetidamente evidências de incompatibilidade no local do primer ou perda de alelos, a resposta mais eficaz é frequentemente redesenhar os primers ou substituir o locus.

É por isso que a estabilidade da região flanqueadora é tão importante durante o desenvolvimento de marcadores. Um bom locus de SSR não é definido apenas pelo trato de repetição. Também é definido pela capacidade da sequência circundante de suportar uma amplificação fiável em todo o conjunto de amostras pretendido.

Este é um dos pontos em que a caracterização de SSR baseada em sequência se torna especialmente valiosa. Se o fluxo de trabalho captura tanto a variação de repetições como a variação de sequências adjacentes, o analista obtém uma visão muito mais clara do porquê de um locus estar a comportar-se mal. Nesse contexto, a caracterização de SSR baseada em sequência, como Oi-SSRseq ou mais amplo sequenciação de regiões alvo Os fluxos de trabalho podem melhorar a interpretabilidade em vez de apenas aumentar o rendimento.

Figura 2. A eletroforese capilar pode resolver fragmentos de SSR com alta precisão, mas picos de stutter e mutações nos locais dos primers podem criar padrões de genótipo ambíguos ou falsamente homozigóticos.

A desvio de Hardy-Weinberg é uma pista, não uma conclusão.

Um dos erros mais comuns na análise de SSR é tratar a desvio de Hardy-Weinberg como evidência direta da biologia antes que o comportamento dos marcadores tenha sido completamente verificado.

Uma saída do equilíbrio pode de facto refletir a estrutura biológica. Pode indicar acasalamento não aleatório, endogamia, subdivisão demográfica ou processos seletivos. Mas também pode refletir alelos nulos, perda de alelos, viés de pontuação ou assimetria técnica oculta na amplificação.

A lição prática é simples. As estatísticas de genética populacional não devem ser interpretadas independentemente dos diagnósticos de locus.

Isto é especialmente verdade quando se trabalha com tamanhos de amostra moderados ou painéis de marcadores limitados. Nesses contextos, alguns loci instáveis podem alterar toda a imagem analítica. Um marcador com alto PIC é útil apenas quando o seu modelo de genótipo é credível. Se o padrão de pico não for confiável, a estimativa de diversidade construída sobre ele também não será confiável.

O argumento para ir além do comprimento dos fragmentos começa aqui.

Uma vez que as principais fontes de ambiguidade na chamada de SSR baseada em fragmentos estejam claras, o caso para fluxos de trabalho resolvidos por sequência torna-se muito mais fácil de avaliar.

A eletroforese capilar continua a ser útil. Ainda é eficiente para muitos projetos direcionados. Mas a sua limitação principal é agora óbvia: mede o comprimento dos fragmentos, não a sequência completa do alelo. Isso significa que não pode resolver diretamente a homoplasia de tamanho, o polimorfismo adjacente ou todas as fontes de complexidade oculta dos alelos.

Este é o ponto onde o campo começa a mudar. Os investigadores não se movem em direção ao SSR-seq simplesmente porque o NGS é mais recente. Eles avançam porque o comprimento do fragmento, por si só, é às vezes uma representação incompleta do lócus.

SSR-seq: da comprimento do fragmento a alelos resolvidos por sequência

A mudança conceptual mais importante na análise moderna de SSR é esta: um fragmento não é a mesma coisa que um alelo. Na eletroforese capilar, o alelo é inferido a partir do comprimento do amplicão. No SSR-seq, o alelo é definido a partir da sequência. Essa diferença é relevante porque dois amplicões podem partilhar o mesmo tamanho aparente e ainda assim diferir na composição de repetições, interrupções internas ou polimorfismos flanqueadores. Estudos de microssatélites baseados em sequência demonstraram que esta resolução de sequência adicional pode revelar diversidade oculta pela pontuação apenas de tamanho e reduzir a má interpretação causada pela homoplasia de tamanho.

É por isso que o SSR-seq não deve ser enquadrado como "CE num sequenciador." Ele altera o modelo de informação. Um fluxo de trabalho de CE pergunta qual é o comprimento do fragmento. Um fluxo de trabalho de SSR-seq pergunta que variante definida por sequência está presente naquele locus e quanto da variação está no trecho repetido em comparação com as extremidades. A segunda pergunta é mais rica. Também é mais portátil entre projetos, porque os alelos definidos por sequência são mais fáceis de comparar do que os bins de fragmentos que dependem do comportamento de dimensionamento específico da plataforma.

O que a SSR-seq captura que a CE pode perder.

A SSR-seq geralmente começa com a amplificação de locos, muitas vezes em formato multiplex, seguida pela preparação da biblioteca e sequenciação de nova geração. O principal benefício é que cada loco é avaliado a partir de leituras que abrangem a repetição e pelo menos parte da sequência adjacente. Isso cria várias vantagens ao mesmo tempo.

Primeiro, o SSR-seq pode separar alelos de diferentes sequências mas do mesmo tamanho. Este é o clássico problema de homoplasia de tamanho. Dois alelos podem migrar para o mesmo comprimento de fragmento aparente na CE, no entanto, um pode ter uma interrupção de repetição enquanto o outro possui um SNP flanqueador ou uma disposição de repetição interna diferente. A pontuação baseada em sequência separa esses estados ocultos.

Em segundo lugar, a SSR-seq pode melhorar a padronização de locos entre estudos. Os fragmentos frequentemente necessitam de normalização entre corridas e calibração específica da plataforma. As sequências ainda não são fáceis, mas são inerentemente mais transferíveis do que as chamadas de tamanho definidas pelo comportamento local do instrumento. O artigo sobre o fluxo de trabalho do PeerJ também enfatizou que reutilizar locos da era CE sem redesenho é frequentemente subótimo para genotipagem baseada em sequências, razão pela qual os projetos modernos de SSR-seq estão cada vez mais a co-projetar locos, estruturas multiplex e regras de chamada bioinformática.

Em terceiro lugar, o SSR-seq pode tornar loci difíceis mais interpretáveis. Se um locus se comporta de forma estranha em CE, os dados ao nível de leitura podem revelar se o problema provém da complexidade de repetições, polimorfismos flanqueadores, indels inesperados ou vizinhanças de primers de baixa qualidade. Nesse sentido, o SSR-seq não é apenas uma atualização de rendimento. É também uma atualização de diagnóstico.

A SSR-seq não elimina a complexidade.

A SSR-seq melhora a definição de alelos, mas não torna o DNA repetitivo trivial. Ela desloca o problema. A CE pede ao analista que interprete picos. A SSR-seq pede ao analista que interprete famílias de leituras, equilíbrio de profundidade, perfis de erro específicos de locus e saídas bioinformáticas conscientes de repetições. O ganho é real, mas apenas quando o pipeline é construído especificamente para microssatélites em vez de ser tratado como um fluxo de trabalho genérico de amplicons.

A profundidade de leitura é importante. Leituras de artefatos de baixa frequência ainda precisam ser separadas de verdadeiros alelos menores. O equilíbrio de multiplex ainda é relevante. A análise consciente de repetições ainda é importante. É por isso que os workflows de SSR-seq mais robustos não são apenas protocolos de laboratório. Eles são sistemas integrados que combinam design de marcadores, amplificação multiplex, sequenciação e lógica de chamada automatizada.

Quando a transição para SSR-seq é justificada

A transição de CE para SSR-seq geralmente merece uma consideração séria sob algumas condições recorrentes.

Faz sentido quando a homoplasia de tamanho é provavelmente relevante.
Faz sentido quando os traços de CE com muitas gagueiras se tornam o principal gargalo.
Faz sentido quando se suspeita de alelos nulos ou variação nos locais de primers em populações divergentes.
Faz sentido quando o projeto já está integrado num fluxo de trabalho centrado em NGS.
E faz sentido quando a descoberta de marcadores de espécies não modelo já faz parte do design do projeto.

Nesses casos, a questão já não é se a CE pode funcionar. Muitas vezes pode. A verdadeira questão é se o comprimento do fragmento por si só ainda captura o suficiente da biologia.

A Figura 3. Os fluxos de trabalho modernos de SSR vão desde a genotipagem por comprimento de fragmento até o perfilamento de SSR baseado em sequências e a descoberta de locos assistida por NGS, especialmente em espécies não-modelo.

Descoberta de SSR de novo em espécies não modelo

Uma razão pela qual os SSRs continuam a ser relevantes é que a descoberta de marcadores não está mais ligada a lentos pipelines de enriquecimento legados. O sequenciamento de levantamento do genoma e o skim-WGS agora tornam muito mais fácil identificar loci repetidos candidatos, recuperar sequências flanqueadoras utilizáveis, desenhar primers e construir painéis de primeira passagem em espécies com recursos genómicos limitados. Estudos recentes de descoberta de SSR em todo o genoma continuam a usar sequenciamento superficial ou estilo de levantamento para gerar conjuntos de marcadores polimórficos para análise populacional em organismos não-modelo.

Isto altera a antiga crítica de que o desenvolvimento de SSR é sempre demasiado lento para ser prático. Essa crítica ainda tem força em projetos que realmente necessitam de marcadores genómicos densos. Mas é muito mais fraca em estudos de diversidade direcionada, trabalhos sobre padrões de herança ou projetos de estrutura populacional onde um número modesto de locos altamente informativos é suficiente. Nesses contextos, a descoberta de baixo número de passagens, juntamente com validação focada, pode ser um caminho muito eficiente desde um genoma não caracterizado até um painel de marcadores utilizáveis.

Um pipeline de descoberta prática geralmente segue esta lógica. O DNA é gerado com qualidade adequada para sequenciação de baixo custo. As leituras são montadas levemente ou escaneadas diretamente para repetições em tandem. Os loci candidatos são filtrados por classe de motivo, contagem de repetições, singularidade da sequência flanqueadora, tamanho esperado do amplicon e compatibilidade de multiplexação. Os primers são então desenhados e testados em piloto antes da implementação completa. O ponto chave é que os melhores loci não são apenas repetições abundantes. São repetições que sobrevivem à validação.

Isso significa que um locus candidato forte geralmente equilibra quatro coisas ao mesmo tempo:

• comprimento de repetição suficiente para gerar polimorfismo útil
• sequência flanqueadora estável e única
• carga de artefatos gerenciável
• compatibilidade com o ponto final pretendido, seja CE ou SSR-seq

É por isso que a descoberta e a genotipagem devem ser projetadas em conjunto. Se o objetivo pretendido é CE, classes de motivos mais limpos e estruturas de tratos podem merecer prioridade. Se o objetivo pretendido é SSR-seq, loci com variação flanqueadora informativa podem tornar-se mais atraentes.

Marcadores SSR versus SNP: a comparação certa

O debate entre SSR e SNP torna-se enganador quando é apresentado como uma competição universal. A melhor pergunta é: melhor para quê?

Os SNPs dominam associações genómicas densas, imputação de alto rendimento e conjuntos de marcadores distribuídos muito grandes porque são abundantes, escaláveis computacionalmente e bem adaptados às plataformas multiplex modernas. Os SSRs mantêm-se fortes onde a informação multi-alélica por locus é importante, onde o estudo é direcionado em vez de ser genómico, ou onde um número modesto de marcadores ainda deve proporcionar um forte poder discriminatório. Estudos comparativos apoiam esta visão mais nuançada. Num estudo da Heredity sobre Armillaria cepistipesOs SSRs multi-alélicos foram especialmente úteis para detectar estrutura em escalas espaciais mais pequenas, enquanto os SNPs refletiram melhor a divergência mais profunda entre populações mais distantes. Numa comparação separada da BMC Genomics para uma espécie relevante para a conservação, ambos os sistemas de marcadores suportaram análises populacionais-genéticas, mas as estimativas resultantes e o comportamento de agrupamento não foram idênticos, reforçando que a escolha do marcador altera a inferência.

A conclusão prática é simples. Para estudos de genética populacional de pequena a média escala, inferências de paternidade em ambientes de pesquisa ou trabalhos de diversidade direcionados, os SSRs ainda podem ser extremamente eficientes. Para associações genómicas densas e análises de variantes de muito alta dimensão, os sistemas baseados em SNP são geralmente a melhor opção. Para loci SSR difíceis onde o tamanho por si só já não é suficiente, o SSR-seq torna-se a ponte entre os dois mundos.

Um quadro de decisão para projetos reais

Uma forma útil de escolher entre SSR, SSR-seq e fluxos de trabalho SNP é trabalhar de trás para a frente a partir da questão biológica.

Os projetos mais fortes não são leais a uma única classe de marcadores. Eles são leais a um design adequado ao propósito.

Conclusão

Os marcadores de microsatélites continuam a ser relevantes porque a sua força fundamental não mudou. Eles convertem a instabilidade de repetições em alta informação alélica. O que mudou foi o fluxo de trabalho à sua volta. Hoje, os SSRs podem ser descobertos mais rapidamente, triados de forma mais racional e genotipados, seja por análise clássica de fragmentos ou por métodos baseados em sequências que recuperam informações que a CE não consegue ver. A forma mais útil de avaliar um projeto de SSR agora é através de três questões interligadas: que mecanismo gera a variação, que artefatos complicam o sinal e quando o comprimento do fragmento deixa de ser suficiente? Projetos que respondem a essas três questões de forma clara ainda podem extrair um valor excecional dos sistemas de microsatélites na investigação genética populacional moderna.

Perguntas Frequentes

Qual é a maior vantagem do SSR-seq em relação à eletroforese capilar?

A SSR-seq captura a região de repetição e a sequência adjacente juntas, o que ajuda a resolver alelos de mesmo tamanho e reduz problemas de homoplasia de tamanho que a CE não consegue ver diretamente.

A SSR-seq elimina completamente os problemas de stutter?

Não. Reduz algumas limitações da pontuação baseada em fragmentos, mas o DNA repetitivo ainda requer uma análise consciente do lócus e filtragem de artefatos a nível de sequência.

Os SSRs ainda são úteis em espécies não-modelo?

Sim. Estudos recentes de levantamento do genoma e de sequenciação superficial continuam a utilizar a descoberta de SSR com sucesso em espécies pouco caracterizadas para análise de diversidade e genética populacional.

Quando são os SNPs uma melhor escolha do que os SSRs?

Os SNPs são geralmente melhores quando o estudo necessita de uma cobertura densa do genoma, como em GWAS, mapeamento fino ou análises populacionais genómicas de muito alta dimensão.

Por que é que um marcador com alto PIC ainda pode ser um mau marcador?

Porque o PIC reflete o potencial informativo, não a fiabilidade operacional. Um locus pode ser polimórfico e ainda assim ser comprometido por stutter, amplificação deficiente, binagem instável ou alelos nulos. Esta é uma inferência da literatura sobre o comportamento de marcadores e das comparações CE/SSR-seq discutidas acima.

Qual é a principal razão pela qual os alelos nulos são perigosos?

Eles podem fazer com que os heterozigotos pareçam homozigotos, o que distorce as estimativas de heterozigosidade e pode criar desvios enganosos de Hardy-Weinberg.

Referências

1. Schlotterer C. A evolução dos marcadores moleculares - apenas uma questão de moda? Nature Reviews Genetics. 2004;5(1):63-69. DOI: 10.1038/nrg1249
2. Dakin EE, Avise JC. Alelos nulos de microssatélites na análise de paternidade. Hereditariedade. 2004;93:504-509. DOI: 10.1038/sj.hdy.6800545
3. van Oosterhout C, Weetman D, Hutchinson WF. Estimativa e ajuste de alelos nulos de microssatélites em populações em desequilíbrio. Notas de Ecologia Molecular. 2006;6(1):255-256. DOI: 10.1111/j.1471-8286.2005.01082.x
4. Vartia S, Villanueva-Canas JL, Finarelli J, Farrell ED, Collins PC, Hughes GM, Carlsson JEL, Gauthier DT, McGinnity P, Cross TF, FitzGerald RD, Mirimin L, Crispie F, Cotter PD, Carlsson J. Um novo método de genotipagem de microssatélites por sequenciação utilizando codificação combinatória individual. Royal Society Open Science. 2016;3(1):150565. DOI: 10.1098/rsos.150565
5. Viruel J, Haguenauer A, Juin M, et al. SSR-seq: A genotipagem de microssatélites utilizando sequenciação de nova geração revela níveis mais elevados de polimorfismo em comparação com a pontuação tradicional de tamanho de fragmentos. Ecologia e Evolução. 2018;8(22). DOI: 10.1002/ece3.4533
6. Lepais O, et al. Fluxo de trabalho para o desenvolvimento de genotipagem de microssatélites baseada em sequências rápidas. PeerJ. 2020;8:e9085. DOI: 10.7717/peerj.9085
7. Zimmerman SJ, Aldridge CL, Oyler-McCance SJ. Uma comparação empírica de análises genéticas populacionais utilizando dados de microssatélites e SNP para uma espécie de preocupação conservacionista. BMC Genómica. 2020;21:382. DOI: 10.1186/s12864-020-06783-9
8. Tsykun T, Rellstab C, Dutech C, Sipos G, Prospero S. Avaliação comparativa de marcadores SSR e SNP para inferir a estrutura genética populacional do fungo comum. Armillaria cepistipes. Hereditariedade. 2017;119(5):371-380. DOI: 10.1038/hdy.2017.48
9. Descoberta de marcadores SSR em todo o genoma e análise genética populacional numa espécie não modelo. Árvores. 2025. DOI: 10.1007/s00468-025-02651-9

Apenas para fins de investigação, não destinado a diagnóstico clínico, tratamento ou avaliações de saúde individuais.